黃河流域碳排放區(qū)域差異、成因及脫鉤分析

公維鳳 范振月 王傳會 趙夢真

摘 要：為了給黃河流域低碳轉(zhuǎn)型和高質(zhì)量發(fā)展決策提供參考，利用2000—2018年面板數(shù)據(jù)和STIRPAT模型，測算了2000—2018年黃河流域的碳排放量，比較沿黃9?。▍^(qū)）碳排放的區(qū)域差異及各驅(qū)動因素的空間異質(zhì)性，分析黃河流域碳排放及經(jīng)濟(jì)增長之間的關(guān)系。結(jié)果表明：黃河流域整體碳排放量較大，沿黃9省（區(qū)）碳排放量存在明顯差異，黃河中下游的山西、陜西、河南、山東4省份屬于高排放區(qū)，黃河上游的四川和內(nèi)蒙古2省（區(qū)）屬于中排放區(qū)，青海、寧夏和甘肅3?。▍^(qū)）屬于低排放區(qū)域;不同驅(qū)動因素的碳排放量彈性系數(shù)存在差異，經(jīng)濟(jì)快速增長是各?。▍^(qū)）碳排放量增加的主要驅(qū)動因素，碳排放與經(jīng)濟(jì)增長之間存在明顯的倒U形庫茲涅茨曲線;黃河流域整體碳排放與經(jīng)濟(jì)增長之間彈性脫鉤狀態(tài)大致經(jīng)歷了由增長連接到弱脫鉤再到強(qiáng)脫鉤的過程，脫鉤趨勢向好，9?。▍^(qū)）碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤狀態(tài)存在區(qū)域異質(zhì)性。

關(guān)鍵詞：碳排放;驅(qū)動因素;EKC檢驗;彈性脫鉤;高質(zhì)量發(fā)展;黃河流域

中圖分類號：F201;TV882.1 ? 文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1000-1379.2021.12.003

引用格式：公維鳳，范振月，王傳會，等.黃河流域碳排放區(qū)域差異、成因及脫鉤分析[J].人民黃河，2021，43（12）：12-17.

Abstract：In order to provide a reference for the low-carbon transition and high-quality development decision-making of the Yellow River Basin， using panel data from 2000 to 2018 and the STIRPAT model， the carbon emissions of the Yellow River Basin from 2000 to 2018 were calculated. And the carbon emissions of 9 provinces （regions） along the Yellow River were compared. Regional differences and spatial heterogeneity of various driving factors were analyzed. The relationship between carbon emissions and economic growth in the Yellow River Basin were also analyzed. The results show that the overall carbon emissions of the Yellow River Basin are relatively larger. There are significant differences in the carbon emissions of the 9 provinces （regions） along the Yellow River. The four provinces of Shanxi， Shaanxi， Henan， and Shandong in the middle and lower reaches of the Yellow River belong to high-carbon emission areas. Inner Mongolia is a medium-emission area， and Qinghai， Ningxia and Gansu provinces （regions） are low-emission areas. Different driving factors have different elastic coefficients for carbon emissions. Rapid economic growth is the main driving factor for the increase of carbon emissions in various provinces （regions）. There is an obvious inverted U-shaped Kuznets curve between carbon emissions and economic growth. The state of elastic decoupling between overall carbon emissions and economic growth in the Yellow River Basin has roughly experienced a process of growth connection to weak decoupling and then strong decoupling. The decoupling trend is improving. There are regional heterogeneity about the elastic decoupling states between carbon emissions and economic growth in 9 provinces （regions）.

Key words： carbon emissions; driving factors; EKC test; elastic decoupling; high-quality development; Yellow River Basin

全面分析沿黃各?。▍^(qū)）碳排放空間異質(zhì)性及其與經(jīng)濟(jì)發(fā)展之間的關(guān)系，對實現(xiàn)黃河流域高質(zhì)量發(fā)展具有重要意義。眾多學(xué)者的研究[1-9]表明，各地區(qū)碳排放影響因素不同。有關(guān)學(xué)者驗證了中國庫茲涅茨曲線（EKC）的存在[10-12]，其形狀可反映碳排放和經(jīng)濟(jì)增長之間的關(guān)系。經(jīng)濟(jì)合作與發(fā)展組織（OECD）提出的“脫鉤”是指經(jīng)濟(jì)增長與環(huán)境污染不具有關(guān)聯(lián)性，得到了國內(nèi)外學(xué)者的廣泛認(rèn)可[13]。Tapio建立了較為完整的脫鉤評價指標(biāo)體系[14]，很多學(xué)者從國家層面、區(qū)域?qū)用妗⑹∮驅(qū)用娣謩e驗證了經(jīng)濟(jì)增長與碳排放之間的脫鉤關(guān)系[15-19]。筆者測算了黃河流域整體及沿黃9?。▍^(qū)）的碳排放量，比較各省（區(qū)）碳排放地區(qū)差異及其驅(qū)動因素，探究各驅(qū)動因素的空間異質(zhì)性，檢驗各?。▍^(qū)）庫茲涅茨曲線的存在性，判別各?。▍^(qū)）碳排放與經(jīng)濟(jì)增長之間的長期變化趨勢，分析各?。▍^(qū)）碳排放彈性脫鉤狀態(tài)，以期為黃河流域低碳轉(zhuǎn)型和高質(zhì)量發(fā)展決策提供參考。

1 碳排放的區(qū)域差異分析

1.1 碳排放量的估算方法

通過收集沿黃9?。▍^(qū)）統(tǒng)計年鑒、《中國能源統(tǒng)計年鑒》《中國技術(shù)統(tǒng)計年鑒》中的有關(guān)數(shù)據(jù)，以2000—2018年的數(shù)據(jù)為統(tǒng)計樣本，采用排放系數(shù)法對各?。▍^(qū)）歷年碳排放量進(jìn)行估算，公式為

C=∑EiFi（1）

式中：C為碳排放量;Ei為第i種能源消耗量;Fi為第i種能源碳排放系數(shù)，煤炭、石油和天然氣這3種化石能源的碳排放系數(shù)分別為0.754 7、0.573 1和0.448 3。

1.2 碳排放量區(qū)域差異分析

沿黃各?。▍^(qū)）人口、資源、經(jīng)濟(jì)發(fā)展水平等各不相同，導(dǎo)致碳排放量存在明顯的地區(qū)異質(zhì)性（見圖1），因此根據(jù)各省份年均碳排放量對9?。▍^(qū)）進(jìn)行區(qū)域劃分：將碳排放量在4 000萬t/a以下的?。▍^(qū)）劃為低排放區(qū)，包括黃河上游的青海、甘肅、寧夏3?。▍^(qū)）;將碳排放量為4 000萬～8 000萬t/a的?。▍^(qū)）劃為中排放區(qū)，包括黃河上游的四川、內(nèi)蒙古2?。▍^(qū)）;將碳排放量在8 000萬t/a以上的省份劃為高排放區(qū)，包括黃河中游的陜西、山西和下游的河南、山東4 省。

由圖1可知：總體來看，沿黃9省（區(qū)） 2000—2018年碳排放量均呈階段性增加，2000—2005年波動較大，而2006—2018年趨于平穩(wěn);寧夏、青海、甘肅3省（區(qū)）碳排放量及增速均較小，內(nèi)蒙古、四川2?。▍^(qū)）碳排放量變化趨勢比較平穩(wěn)，而陜西、山西、山東和河南4省碳排放量明顯居于較高水平且變化趨勢不穩(wěn)定，具體表現(xiàn)在2005年之前碳排放量變化幅度較大（尤其陜西省波動較大），2006—2013年逐年增加但增速變緩，2014年以后有下降趨勢。

2 碳排放的驅(qū)動因素分析

2.1 模型構(gòu)建及數(shù)據(jù)處理

2.1.1 STIRPAT模型

STIRPAT模型[2]可用于分析人文因素對環(huán)境的影響，其形式為

I=aPbAcTdμ（2）

式中：I為環(huán)境指標(biāo)，在本文中代表碳排放量;P、A、T分別為人口、人均GDP和技術(shù)水平指標(biāo)，其中技術(shù)水平指標(biāo)用能源強(qiáng)度代表;a為系數(shù);b、c、d為上述相應(yīng)指標(biāo)的指數(shù);μ為模型的誤差項。

在給定的顯著性水平α下，若F<Fα（N-1，Nt-N-k），則選用常截距模型進(jìn)行評估分析，否則選用變截距模型進(jìn)行評估分析。若選用變截距模型，還需通過Hausman檢驗來確定利用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型。

2.2 不同區(qū)域碳排放的影響因素實證分析

2.2.1 各類排放區(qū)域的模型檢驗結(jié)果分析

運用Stata14.0對上述高、中、低三類排放區(qū)及黃河流域整體的面板數(shù)據(jù)進(jìn)行F檢驗和Hausman檢驗，三類排放區(qū)和黃河流域整體數(shù)據(jù)都比較適合用固定效應(yīng)模型進(jìn)行評估分析，并采用工具變量法中的GMM方法來消除解釋變量內(nèi)生性的影響。按照式（4）進(jìn)行擬合，各參數(shù)擬合結(jié)果見表1。從總體情況來看，高、中、低排放區(qū)及流域整體可決系數(shù)（R2）都接近于1，擬合優(yōu)度較高，F(xiàn)值也較大，說明模型擬合效果較好。

由表1可知：①3類排放區(qū)和流域整體模型中人口彈性系數(shù)（b）均為負(fù)值，可解釋為人口增長推動了技術(shù)的發(fā)展，從而減輕了對環(huán)境造成的負(fù)面影響;②人均GDP彈性系數(shù)（c1）都較大，說明目前經(jīng)濟(jì)增長仍是黃河流域碳排放的主要驅(qū)動因素;③各類排放區(qū)的技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平彈性系數(shù)（d、h、g）的正負(fù)號不完全相同，說明這3個因素對碳排放產(chǎn)生的影響是雙向的，一方面能夠在一定程度上緩解碳排放量的快速增長，另一方面則會帶來一定的經(jīng)濟(jì)壓力，增加碳排放量;④在能源消費結(jié)構(gòu)方面，煤炭消耗比重的彈性系數(shù)（e）均為正值，石油消耗比重的彈性系數(shù)（f）均為負(fù)值，且各類排放區(qū)煤炭消耗比重的彈性系數(shù)絕對值普遍大于相應(yīng)區(qū)域石油消耗比重的，說明煤炭的消耗比重提高所增加的碳排放量超過了石油消耗比重提高所減少的碳排放量，因此應(yīng)調(diào)整、優(yōu)化能源消費結(jié)構(gòu)。

各模型回歸結(jié)果中c1均大于0、c2均小于0，因此各區(qū)域碳排放量與經(jīng)濟(jì)增長之間存在明顯的倒U形EKC曲線，即在經(jīng)濟(jì)飛速發(fā)展的初級階段碳排放量隨著經(jīng)濟(jì)的增長而增加，當(dāng)經(jīng)濟(jì)發(fā)展到一定程度（階段）后碳排放量隨著經(jīng)濟(jì)的增長而減少。另外，高、中、低三類排放區(qū)及黃河流域整體的倒U形EKC曲線在拐點處的人均GDP分別為14.5、12.5、12.3、22.5萬元，根據(jù)目前黃河流域的經(jīng)濟(jì)發(fā)展水平，短期內(nèi)很難達(dá)到拐點的水平，即到達(dá)相應(yīng)的拐點還需要經(jīng)過漫長且艱難的努力。

2.2.2 各?。▍^(qū)）碳排放驅(qū)動因素分析及庫茲涅茨曲線檢驗

黃河流域各?。▍^(qū)）碳排放驅(qū)動因素存在較大差異。由表2可知，各省（區(qū)）模型擬合的可決系數(shù)（R2）都接近于1，說明擬合結(jié)果比較理想。

由表2可知：①屬高排放區(qū)的山東、河南、山西、陜西省人均GDP彈性系數(shù)皆為正值，即經(jīng)濟(jì)增長會使得碳排放量增加，而人口、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平和技術(shù)水平的彈性系數(shù)有正有負(fù)，即這些驅(qū)動因素在不同省份表現(xiàn)出來的效應(yīng)是不同的;②屬中排放區(qū)的四川和內(nèi)蒙古2省（區(qū)）人均GDP、人口、技術(shù)水平彈性系數(shù)為正值，即這3個因素對這2個省（區(qū)）碳排放量有正向驅(qū)動作用，而能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平的彈性系數(shù)有正有負(fù)，即這3個驅(qū)動因素在這2個?。▍^(qū)）有不同的效應(yīng);③屬低排放區(qū)的甘肅、青海和寧夏3?。▍^(qū)）人均GDP、人口、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)的彈性系數(shù)都是正值，即這些因素對這3個?。▍^(qū)）碳排放量有正向驅(qū)動作用。

3 碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤實證分析

3.1 Tapio彈性脫鉤模型

采用Tapio彈性脫鉤模型，分析黃河流域9?。▍^(qū)）碳排放與經(jīng)濟(jì)增長之間、能源消耗與經(jīng)濟(jì)增長之間的彈性脫鉤關(guān)系。在Tapio彈性脫鉤模型中，碳排放和經(jīng)濟(jì)增長之間的彈性脫鉤指標(biāo)關(guān)系式為

3.2 黃河流域整體碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤狀態(tài)分析

2000—2018年黃河流域整體碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤指數(shù)及脫鉤狀態(tài)變化情況見表3，可以看出，黃河流域整體碳排放與經(jīng)濟(jì)增長之間彈性脫鉤狀態(tài)大致經(jīng)歷了由增長連接到弱脫鉤再到強(qiáng)脫鉤的過程，在2000—2003年呈現(xiàn)連續(xù)的增長連接狀態(tài)，2003—2004年呈現(xiàn)短暫的弱脫鉤狀態(tài)，但2004—2005年又呈現(xiàn)增長連接狀態(tài)，2005—2012年呈現(xiàn)連續(xù)弱脫鉤狀態(tài)，2012—2015年呈現(xiàn)連續(xù)強(qiáng)脫鉤狀態(tài)，2015—2016年呈現(xiàn)短暫的弱脫鉤狀態(tài)，2016—2018年又呈現(xiàn)強(qiáng)脫鉤狀態(tài)，脫鉤趨勢大致向好。

3.3 各?。▍^(qū)）碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤狀態(tài)分析

2000—2018年黃河流域9?。▍^(qū)）碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤指數(shù)及脫鉤狀態(tài)見表4。由表4和圖2可知，各?。▍^(qū)）2000—2018年整個19 a跨度的碳排放與經(jīng)濟(jì)增長之間的脫鉤狀態(tài)，除陜西省呈現(xiàn)增長連接狀態(tài)外，其他8省（區(qū)）均呈現(xiàn)不同程度的弱脫鉤狀態(tài)。

2000—2018年9省（區(qū)）碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤狀態(tài)變化情況見表5。2000—2005年，山東、河南、山西、陜西、青海5省除個別年度外，碳排放與經(jīng)濟(jì)增長之間大都呈現(xiàn)增長連接狀態(tài)，表明該時段這5個省碳排放增速比GDP增速快;2005—2018年，山東、河南、山西、陜西、甘肅、四川6省除個別年度外碳排放與經(jīng)濟(jì)增長之間大致呈現(xiàn)弱脫鉤狀態(tài)，內(nèi)蒙古、寧夏、青海3省（區(qū)）有許多年度碳排放與經(jīng)濟(jì)增長之間處于增長連接狀態(tài)。

黃河流域與長江經(jīng)濟(jì)帶都橫跨我國東部、中部、西部地區(qū)，地理位置、發(fā)展階段與資源稟賦等的差異致使二者的碳排放影響因素存在差異，但也有相似之處。不同之處：碳排放量有差異，不同區(qū)域人口、城鎮(zhèn)化水平、經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)等因素對碳排放的影響各不相同[9]，二者涉及省份的碳排放EKC曲線不盡相同，碳排放與經(jīng)濟(jì)增長之間脫鉤狀態(tài)的短期波動情況也存在差異。相似之處：人口、城鎮(zhèn)化水平、經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)等因素對區(qū)域碳排放具有顯著影響[9，20]，碳排放總量與人均GDP之間存在倒U形EKC曲線關(guān)系[20]，碳排放與經(jīng)濟(jì)增長之間均存在增長連接—弱脫鉤—強(qiáng)脫鉤波動變化過程[18-19]。

4 結(jié)論與建議

（1）黃河流域碳排放量較大且具有明顯的地區(qū)差異。中下游的晉、陜、豫、魯4省屬于高排放區(qū)，可能原因是經(jīng)濟(jì)發(fā)展較快但屬于粗放式發(fā)展，今后應(yīng)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，邊發(fā)展邊治理，走高質(zhì)量發(fā)展道路;上游的川、內(nèi)蒙古2?。▍^(qū)）屬于中排放區(qū)，青、寧、甘3?。▍^(qū)）屬于低排放區(qū)，這些?。▍^(qū)）生態(tài)資源相對豐富，工業(yè)化仍在繼續(xù)，具備一定的后發(fā)優(yōu)勢，但需要發(fā)達(dá)區(qū)域的引領(lǐng)，應(yīng)走生態(tài)和發(fā)展并重、可持續(xù)的創(chuàng)新發(fā)展道路。

（2）黃河流域碳排放與經(jīng)濟(jì)增長之間的脫鉤狀態(tài)雖存在短期波動，但長期趨勢向好，大致呈現(xiàn)由增長連接到弱脫鉤再到強(qiáng)脫鉤的狀態(tài);沿黃9省（區(qū)）碳排放與經(jīng)濟(jì)增長之間的彈性脫鉤狀態(tài)存在區(qū)域異質(zhì)性，長期趨勢方面各省（區(qū)）碳排放與經(jīng)濟(jì)增長之間都存在倒U形EKC曲線關(guān)系，但短時間內(nèi)難以達(dá)到拐點。

（3）黃河流域各地區(qū)應(yīng)協(xié)調(diào)發(fā)展，以主要影響因素為突破口降低碳排放量。在經(jīng)濟(jì)發(fā)展方面，應(yīng)走低碳發(fā)展道路，摒棄“先污染，再治理”的思想;在能源利用效率方面，應(yīng)優(yōu)化能源消費結(jié)構(gòu)，改變以化石能源為主的狀況;在人口因素方面，應(yīng)培養(yǎng)全民環(huán)保意識;在城市化方面，應(yīng)建設(shè)高素質(zhì)、綠色、低碳、可持續(xù)的現(xiàn)代化都市;在產(chǎn)業(yè)結(jié)構(gòu)方面，應(yīng)不斷調(diào)整、優(yōu)化。

（4）黃河流域與長江經(jīng)濟(jì)帶碳排放的影響因素、碳排放與經(jīng)濟(jì)增長之間脫鉤狀態(tài)長期趨勢既有差異也有相似之處，黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展可借鑒長江經(jīng)濟(jì)帶發(fā)展升級的經(jīng)驗，綜合考慮各種因素制定合理的減排措施。

參考文獻(xiàn)：

[1] CRAMER J C.A Demographic Perspective on Air Quality： Conceptual Issues Surrounding Environmental Impacts of Population Growth[J]. Human Ecology Review， 1996， 3： 191-196.

[2] YORK R，ROSA E A，DIETA T.STIRPAT， IPAT and IMPACT：Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[J]. Ecological Economics， 2003 （3）：351-365.

[3] ANG B W，ZHANG F Q.Inter-Regional Comparisons of Energy-Related CO2 Emissions Using the Decomposition Technique[J].Energy，1999（24）： 297-305.

[4] ZHOU P，ANG B W.Decomposition of Aggregate CO2 Emission： A Production-Theoretical Approach [J]. Energy Economics，2008，30（3）：1054-1061.

[5] 徐軍委，劉志華.基于對數(shù)平均權(quán)重分解法的我國二氧化碳排放因素分解研究[J].中國礦業(yè)，2014，23（12）：24-28.

[6] 李國志，李宗植.中國二氧化碳排放的區(qū)域差異和影響因素研究[J].中國人口·資源與環(huán)境，2010，20（5）：22-27.

[7] 王群偉，周鵬，周德群.我國二氧化碳排放績效的動態(tài)變化、區(qū)域差異及影響因素[J].中國工業(yè)經(jīng)濟(jì)，2010（1）：45-54.

[8] 鞏芳，王芳.基于LMDI分解模型的內(nèi)蒙古碳排放實證研究[J].干旱區(qū)資源與環(huán)境，2013，27（2）：36-40.

[9] 黃勤，何晴.長江經(jīng)濟(jì)帶碳排放驅(qū)動因素及其空間特征：基于LMDI模型[J].財經(jīng)科學(xué)，2017（5）：80-92.

[10] JALIL A，MAHMUD S F.Environment Kuznets Curve for CO2 Emissions： A Cointegration Analysis for China[J]. Energy Policy， 2009，37（12）：5167-5172.

[11] 張慶宇，張雨龍，潘斌斌.改革開放40年中國經(jīng)濟(jì)增長與碳排放影響因素分析[J].干旱區(qū)資源與環(huán)境，2019，33（10）：9-13.

[12] 蔡佳麗，張?zhí)招?湖南省分行業(yè)碳排放與經(jīng)濟(jì)增長相關(guān)性研究：基于EKC曲線分析[J].中南林業(yè)科技大學(xué)學(xué)報（社會科學(xué)版），2019，13（5）：50-56.

[13] OECD.Indicators to Measure Decoupling of Environment Pressure from Economic Growth[R].Paris：OECD，2002：13-14.

[14] TAPIO P.Towards a Theory of Decoupling： Degrees of Decoupling in the EU and the Case of Road Traffic in Finland Between 1970 and 2001[J].Transport Policy， 2005（12）：137-151.

[15] LU I J，LIN S J，LEWIS C.Decomposition and Decoupling Effects of Carbon Dioxide Emission from Highway Transportation in Taiwan， Germany， Japan and South Korea[J]. Energy Policy，2007，5（6）：3226-3235.

[16] 郭承龍，周德群.二氧化碳排放與經(jīng)濟(jì)增長脫鉤驅(qū)動因素及趨勢分析[J].數(shù)學(xué)的實踐與認(rèn)識，2018，48（6）：69-78.

[17] 蓋美，曹桂艷，田成詩，等.遼寧沿海經(jīng)濟(jì)帶能源消費碳排放與區(qū)域經(jīng)濟(jì)增長脫鉤分析[J].資源科學(xué)，2014，36（6）：1267-1277.

[18] 邢紅.長江經(jīng)濟(jì)帶能源消費碳排放與經(jīng)濟(jì)增長實證分析：基于彈性脫鉤模型[J].資源開發(fā)與市場，2019，35（10）：1244-1251.

[19] 王鳳婷，方愷，于暢.京津冀產(chǎn)業(yè)能源碳排放與經(jīng)濟(jì)增長脫鉤彈性及驅(qū)動因素：基于Tapio脫鉤和LMDI模型的實證[J].工業(yè)技術(shù)經(jīng)濟(jì)，2019，38（8）：32-40.

[20] 王健，甄慶媛.經(jīng)濟(jì)增長與CO2排放的關(guān)系研究：以長江經(jīng)濟(jì)帶為例[J].金融與經(jīng)濟(jì)，2018（4）：36-45.

【責(zé)任編輯 張智民】