基于LSDV估計法的中國主要品種能源消費影響碳排放強度效應(yīng)分析

魏 冉

(1.中原工學(xué)院 系統(tǒng)與工業(yè)工程技術(shù)研究中心，河南 鄭州 450001；2.中原工學(xué)院 經(jīng)濟管理學(xué)院，河南鄭州450001)

0 引言

我國確立了2020年單位國內(nèi)生產(chǎn)總值的二氧化碳排放量(即碳排放強度)比2015年下降18%的目標(biāo)［1］.毋庸置疑，能源燃燒是碳排放的直接因素.近年的研究表明，能源消費量的增加是提高碳排量的首要因素［2］，而減小碳排放強度的主要因素包括降低能源強度［3］，其次是能源結(jié)構(gòu)［4］.其他文獻(xiàn)也得到相近結(jié)果［5-6］.此外，人口規(guī)模和人均財富仍然是影響碳排放量的重要因素［7］，研究發(fā)現(xiàn)能源結(jié)構(gòu)變化對于碳排放量的影響已經(jīng)超越了經(jīng)濟增長［8］.綜上所述，人口規(guī)模、人均財富、能源消費類指標(biāo)與碳排放量存在較為顯著的關(guān)系，考慮到采用不同品種能源消耗作為技術(shù)因素分析影響碳排放強度的文獻(xiàn)較少，且不同品種能源消耗對碳排放貢獻(xiàn)的差異是非常顯著的，因此，筆者將以人口規(guī)模、人均GDP、煤炭消費量、焦炭消費量、原油消費量、燃料油消費量、汽油消費量、煤油消費量、柴油消費量和天然氣消費量為影響因素，以碳排放強度為目標(biāo)參數(shù)展開研究.

在分析影響效應(yīng)方面，李歡等［9］基于STIRPAT模型發(fā)現(xiàn)能源結(jié)構(gòu)因素邊際貢獻(xiàn)率最大，魏景賦等［10］采用同樣模型得到能源消耗量對碳排放量影響最大；宋健等［11］采用了 STIRPAT和 LMDI兩種模型分析發(fā)現(xiàn)能源強度和能源消費結(jié)構(gòu)對碳排放呈現(xiàn)出抑制效應(yīng).鑒于面板數(shù)據(jù)的特點，筆者基于虛擬變量最小二乘法(LSDV估計法)原理，擴展 STIRPAT模型，探討了以我國主要品種能源消費為技術(shù)因素的因素集合對于碳排放強度的影響效應(yīng).

1 方法與數(shù)據(jù)

1.1 擴展的STIRPAT模型與LSDV原理

可拓展的隨機性環(huán)境影響評估模型(stochastic impacts by regression on population，affluence，and technology model，STIRPAT)為I=P·F，其中I為環(huán)境壓力變量；P為人口規(guī)模因素；F為人均財富因素［12］.由于該模型分析因素規(guī)模有限，Dietz等［13］在 1998年對該模型進(jìn)行了改進(jìn)，建立了STIRPAT模型.

筆者對STIRPAT模型進(jìn)行了改進(jìn)，擴展了技術(shù)因素項，引入煤炭消費量、焦炭消費量、原油消費量、燃料油消費量、汽油消費量、煤油消費量、柴油消費量和天然氣消費量等能源消費類因素；假定分析模型截距隨每個影響因素變化，但斜率系數(shù)仍然不變，采用最小二乘虛擬變量回歸分析原理［14］，建立回歸模型如公式(1)所示，

式中:i表示各地區(qū)序號(i=1，…，24)，按照序號分別為北京、天津、河北、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、四川、云南、陜西、甘肅、寧夏、新疆，由于缺少數(shù)據(jù)，其余地區(qū)不在分析之列.其中D1i，…，D23i為啞變量.當(dāng)i=1 時，D1i=1，否則為 0；D2i，…，D23i同理取值；j表示面板數(shù)據(jù)采集的樣本年份(j=2004，…，2016).Iij為碳排放強度；Pij為人口規(guī)模；Gij為人均 GDP；COAij為煤炭消費量；COKij為焦炭消費量；COij為原油消費量；FOij為燃料油消費量；GOij為汽油消費量；KOij為煤油消費量；DOij為柴油消費量；NGij為天然氣消費量；α0為常數(shù)項，βij、γij、δij、εij、θij、μij、ρij、σij、τij、φij為各因變量項系數(shù)；eij為誤差項.

對公式(1)中除啞變量和人口規(guī)模外的各項進(jìn)行人口加權(quán)，并對所有自變量項自然對數(shù)化處理，可得到公式(2)，

1.2 面板數(shù)據(jù)的構(gòu)建

構(gòu)建面板數(shù)據(jù)的空間維度為24個地區(qū)，時間維度為2004年—2016年序列，構(gòu)成包括人口規(guī)模、人均 GDP、煤炭消費量、焦炭消費量、原油消費量、燃料油消費量、汽油消費量、煤油消費量、柴油消費量和天然氣消費量等10個自變量參數(shù)和碳排放強度因變量參數(shù).其中，歷年各省名義人口規(guī)模、GDP原始數(shù)據(jù)均來源于2005年—2017年《中國統(tǒng)計年鑒》［15］；能源消費類因素和用于計算碳排放強度的總能源消耗量的原始數(shù)據(jù)均來源于2005年—2017年《中國能源統(tǒng)計年鑒》［16］.

實際GDP采用2004年不變GDP折算價格，人均GDP按照GDP與名義人口規(guī)模之比進(jìn)行計算；人口加權(quán)各品種能源消耗量按照各品種能源消耗量與對應(yīng)地區(qū)和年份的人口加權(quán)系數(shù)之積計算；碳排放強度按照單位GDP能耗量與碳排放系數(shù)之積計算(根據(jù)文獻(xiàn)，標(biāo)準(zhǔn)煤碳排放系數(shù)取0.69［17］).

為了降低異方差和不同量綱的影響，筆者采用各能源消耗類因素進(jìn)行人口加權(quán)和自然對數(shù)化處理.

2 單位根、協(xié)整性與效應(yīng)檢驗

2.1 面板數(shù)據(jù)單位根檢驗

筆者采用了 Levin-Lin-Chu檢驗(LLC)、Im-Pesaran-Shin test檢驗(IPS)、ADF-Fisher檢驗和PP-Fisher檢驗方法.檢驗結(jié)果為 I(1)單整，即所有變量截面數(shù)據(jù)具有平穩(wěn)性，如表1所示.

2.2 面板數(shù)據(jù)協(xié)整性檢驗

同時采用Fisher個體聯(lián)合協(xié)積檢驗法(Johansen Fisher)和 Pedroni協(xié)積檢驗法(包括Panel v、Panel PP、Panel ADF、Group PP、Group ADF)進(jìn)行協(xié)整性檢驗，如表 2所示.除對ln()與ln()、ln()與ln()間使用組內(nèi)檢驗的 Panel v統(tǒng)計檢驗，分別得到的估計(Prob.)為0.109 0和0.173 3外，其他協(xié)整性檢驗結(jié)果均為拒絕原假設(shè)(Prob.＜0.05)，按照少數(shù)服從多數(shù)的判斷原則，認(rèn)為和ln()分別與ln()之間存在長期穩(wěn)定的均衡關(guān)系.

2.3 面板數(shù)據(jù)效應(yīng)檢驗

利用極大似然比檢驗(likelihood ratio test)伴隨概率為0.000 0(Prob.＜0.05)可拒絕原假設(shè)，不能選用混合效應(yīng).利用豪斯曼檢驗(Hausman test)方法時檢驗結(jié)果如表3，伴隨概率(Prob.＜0.05)可拒絕原假設(shè)，應(yīng)選用固定效應(yīng).

3 面板數(shù)據(jù)回歸分析

為克服變量間的自相關(guān)性，把回歸模型中的誤差項確定為誤差自回歸項，即 AR(1).最終

得到主要品種能源消費影響碳排放強度固定效應(yīng)模型如下，

表1 一階差分單位根檢驗結(jié)果Tab.1 Results of unit root tests in 1st difference

表2 協(xié)整性檢驗結(jié)果Tab.2 Results of cointegration tests

其中，R2=0.995 8，校正回歸系數(shù)R2=0.995 3，F(xiàn)值為 1 778.624 0，概率CF檢驗為 0.000 0，德賓-瓦特遜檢驗值為 1.647 8.其中，回歸系數(shù)(R2)說明自變量與因變量之間存在著顯著相關(guān)性；德賓-瓦特遜檢驗統(tǒng)計值較為合理(5%顯著水平正態(tài)分布)，面板數(shù)據(jù)不存在自相關(guān).綜上所述，可以認(rèn)為采用LSDV估計法分析我國主要品種能源消費對碳排放強度的影響并進(jìn)行固定效應(yīng)回歸得到的結(jié)果較為理想.

表3 Hausman檢驗結(jié)果Tab.3 Results of Hausman test

4 結(jié)果分析

(1)分析發(fā)現(xiàn)對我國碳排放強度具有正向推動作用的因素包括人均 GDP、煤炭消費量、焦炭消費量、汽油消費量、柴油消費量和天然氣消費量；具有反向影響作用的因素包括人口規(guī)模、原油消費量、燃料油消費量和煤油消費量.

(2)從回歸彈性系數(shù)看，人口規(guī)模是影響我國碳排放強度最為顯著的因素，并且在研究期間發(fā)揮了降低人口加權(quán)碳排放強度的作用.盡管人口增長被認(rèn)為是推高實際碳排放量的因素，但當(dāng)考察人口規(guī)模對人口加權(quán)碳排放量的影響時，人口規(guī)模因素(人口集聚效應(yīng))的增加將抑制碳排放水平的提高.

(3)從全國范圍來看，人均 GDP和煤炭消費量相應(yīng)因素是影響人口加權(quán)碳排放強度較為顯著的兩個正向因素.因為碳排放強度與經(jīng)濟發(fā)展水平之間關(guān)系符合環(huán)境庫茲涅茨曲線，但人均GDP需要達(dá)到129 314元［6］(2016年全國各省的平均值遠(yuǎn)低于該值)，全國范圍的碳排放強度下降拐點尚未到來.

(4)在樣本期間，焦炭消費量、原油消費量、燃料油消費量、汽油消費量、煤油消費量、柴油消費量和天然氣消費量等對于碳排放強度的影響相對較為不顯著，但隨著機動車保有量大幅增加和交通運輸業(yè)的不斷發(fā)展，汽油消費量對碳排放強度的影響相比其他能源消費而言更為顯著.

(5)假設(shè)其他變量不變，在研究期內(nèi)，人均GDP、煤炭消費量、焦炭消費量、汽油消費量、柴油消費量和天然氣消費量對應(yīng)因素每增加1%，相應(yīng)處理后的碳排放強度分別增加0.252 1%、0.249 3%、0.005 6%、0.041 8%、0.013 3% 和0.006 3%.而人口規(guī)模、原油消費量、燃料油消費量和煤油消費量對應(yīng)因素每增加1%，相應(yīng)處理后的碳排放強度分別降低0.833 0%、0.010 1%、0.004 8%和0.005 5%.

5 結(jié)論

(1)采用了LSDV估計法，對《2005年—2017年中國統(tǒng)計年鑒》中列出的我國主要品種能源消費量影響碳排放強度的固定效應(yīng)，結(jié)果發(fā)現(xiàn)人均GDP、煤炭消費量、焦炭消費量、汽油消費量、柴油消費量和天然氣消費量對碳排放強度的升高有推進(jìn)作用，其中人均GDP和煤炭消費量影響效應(yīng)最為顯著；而人口規(guī)模、原油消費量、燃料油消費量和煤油消費量對碳排放強度的降低具有積極作用，其中人口規(guī)模影響效應(yīng)最為顯著.

(2)近年來，我國碳排放政策更加嚴(yán)格，全國整體上呈現(xiàn)增速放緩的狀態(tài).在樣本研究期內(nèi)，各地區(qū)碳排放強度變化差異較大，部分地區(qū)碳排放強度先增后減，例如北京、天津、吉林和上海；一些地區(qū)碳排放強度逐步呈現(xiàn)穩(wěn)定狀態(tài)，例如河南和湖北；其他地區(qū)的碳排放強度整體表現(xiàn)為逐年增高的趨勢.分析樣本期間，全國總?cè)丝诤透鞯貐^(qū)經(jīng)濟不斷增長，兩個因素的增長速度放緩，但是仍然成為影響碳排放強度的重要因素；能源消費結(jié)構(gòu)不斷調(diào)整，但是除煤炭外的主要品種能源消費量變化對于碳排放強度的影響并不顯著，說明以煤炭為主的能源消費結(jié)構(gòu)必須進(jìn)一步優(yōu)化.

(3)下一步建議針對不同經(jīng)濟水平地區(qū)碳排放強度驅(qū)動因素的差異.此外，在構(gòu)建面板數(shù)據(jù)時，應(yīng)補充影響碳排放強度的能源結(jié)構(gòu)、能源強度或者能源密度等因素，使能源消費類因素影響碳排放強度效應(yīng)的分析更加合理科學(xué).