上海工業(yè)行業(yè)碳排放的影響因素

一個(gè)國家或地區(qū)的碳排放取決于技術(shù)水平、發(fā)展程度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、人口結(jié)構(gòu)等多種因素的綜合影響,但各種因素的影響程度和影響方向不盡相同。傳統(tǒng)觀點(diǎn)認(rèn)為隨著人類財(cái)富的增加,日益增長(zhǎng)的能源消費(fèi)是碳排放增長(zhǎng)的主要因素,但并未將人口、技術(shù)等因素考慮其中。也有研究認(rèn)為人口、經(jīng)濟(jì)、技術(shù)均是決定碳排放的主要因素,這些決定因素在不同區(qū)域?qū)μ寂欧诺呢暙I(xiàn)是不同的(Shi,2003)。本節(jié)將利用STIRPAT模型對(duì)上海工業(yè)行業(yè)碳排放的影響因素進(jìn)行計(jì)量實(shí)證分析。

 

一、計(jì)量模型與指標(biāo)數(shù)據(jù)

 

　　針對(duì)IPAT方程的缺陷和不足,Dietz和Rosa(1994)將IPAT方程以隨機(jī)的形式表示,建立了STIRPAT模型,即:

 

　　I=aPbAcTde(4-4)

 

　　其中,a為模型系數(shù),b、c、d分別為各影響因素的指數(shù),e為模型誤差。

 

　　當(dāng)a=b=c=d=e=1時(shí),STIRPAT模型即退化為IPAT等式,因此IPAT等式是STIRPAT模型的特殊形式。STIRPAT模型不僅保留了IPAT等式的乘法結(jié)構(gòu),還通過指數(shù)的引入克服了各影響因素等比例變化的缺陷,更重要的是,STIRPAT模型既允許將各系數(shù)作為參數(shù)來進(jìn)行估計(jì),也允許對(duì)各影響因素進(jìn)行適當(dāng)?shù)姆纸?Dietz和Rosa,1994;York等,2003),從而彌補(bǔ)了難以定量分析各因素對(duì)環(huán)境產(chǎn)生影響的不足,同時(shí)也為在EKC等假說框架下開展實(shí)證考察創(chuàng)造了條件。目前,STIRPAT模型已被廣泛地應(yīng)用于定量分析人口、經(jīng)濟(jì)、技術(shù)等因素對(duì)碳排放影響的研究中。

 

　　式(4-4)兩邊同時(shí)取對(duì)數(shù)后可變形為:

 

　　lnI=a+b(lnP)+c(lnA)+d(lnT)+e(4-5)

 

　　根據(jù)不同的研究目的和需要,相關(guān)文獻(xiàn)往往在上式基礎(chǔ)上進(jìn)行相應(yīng)的改進(jìn)以開展各種實(shí)證研究,如引入城市人口比重(York等,2003)、15~64歲人口比重(魏一鳴等,2008)、工業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)(林伯強(qiáng)和蔣竺均,2009)等變量,以及加入人均收入的平方項(xiàng)來檢驗(yàn)EKC假說是否成立(Shi,2003;Rosa等,2004;劉宇等,2007)。

 

　　與大多數(shù)以往研究取單一被解釋變量的做法不同,我們選取碳排放規(guī)模——碳排放總量的自然對(duì)數(shù)(表示為lnTC)和碳排放強(qiáng)度——單位產(chǎn)值碳排放的自然對(duì)數(shù)(表示為lnPC)分別作為被解釋變量(在模型中統(tǒng)一表示為lnC),以期分別從規(guī)模和強(qiáng)度兩方面得到更為全面的分析結(jié)果。李小平和盧現(xiàn)祥(2010)也采取了上述做法。

 

　　我們對(duì)式(4-5)中的解釋變量也進(jìn)行了相應(yīng)的分解和改進(jìn)。首先,在國家或省域?qū)用嫔?人口規(guī)模無疑在很大程度上會(huì)對(duì)碳排放產(chǎn)生重要的影響,但在我們所研究的工業(yè)行業(yè)層面上,人口規(guī)模顯然不再適合作為解釋變量出現(xiàn)在模型中。因?yàn)槿丝谝?guī)模對(duì)碳排放的貢獻(xiàn)主要源于人口增加所帶來的對(duì)能源需求的增加,而對(duì)于工業(yè)行業(yè)來講,與人口規(guī)模相對(duì)應(yīng)的從業(yè)規(guī)模對(duì)其行業(yè)碳排放的影響機(jī)制并非如此。工業(yè)行業(yè)的從業(yè)規(guī)模主要取決于行業(yè)生產(chǎn)要素的密集程度,而從前文的分析結(jié)果來看,多數(shù)從業(yè)規(guī)模較大的勞動(dòng)密集型行業(yè),如紡織服裝、木材加工、文教體育用品、皮革毛皮、家具制造、儀器儀表等行業(yè)均屬于中低排放行業(yè),但也不乏存在紡織業(yè)和金屬制品業(yè)這樣的中高排放勞動(dòng)密集型行業(yè),因此,工業(yè)行業(yè)的從業(yè)規(guī)模與碳排放之間并不存在十分明確的關(guān)聯(lián)。但從投資規(guī)模角度來看,幾乎所有典型的資本密集型行業(yè),如黑色金屬、石油加工、通用設(shè)備、交通運(yùn)輸設(shè)備等行業(yè)均屬于中高排放組。由此可以推斷,投資規(guī)模是影響工業(yè)行業(yè)碳排放的主要因素。因此,我們將式(4-5)中的人口規(guī)模變量替換為投資規(guī)模變量F,并利用固定資產(chǎn)投資來度量,預(yù)期其系數(shù)符號(hào)為正。

 

　　其次,式(4-5)中的人均收入在本研究中所對(duì)應(yīng)的變量應(yīng)為勞均產(chǎn)出,即以單位從業(yè)人數(shù)的工業(yè)總產(chǎn)值度量的勞均工業(yè)產(chǎn)值(表示為Y),為了對(duì)CKC假說進(jìn)行檢驗(yàn),我們同樣對(duì)其進(jìn)行了分解。目前研究CKC的文獻(xiàn)通常采用二次方程的模型形式進(jìn)行分析,但我們考慮到現(xiàn)有研究表明環(huán)境變量與經(jīng)濟(jì)增長(zhǎng)變量之間的關(guān)系除了經(jīng)典的倒U形外,還可能出現(xiàn)線性、U形、N形、倒N形等多種曲線關(guān)系,因此,我們將勞均產(chǎn)出變量分解為一次方項(xiàng)、平方項(xiàng)和立方項(xiàng)三項(xiàng),采用三次方程的模型形式來對(duì)碳排放與工業(yè)產(chǎn)值之間的關(guān)系進(jìn)行更加全面的實(shí)證考察。

 

　　第三,對(duì)于技術(shù)水平變量,我們將其分解為投入型變量——研發(fā)強(qiáng)度和績(jī)效型變量——能源效率兩項(xiàng)。前者由各行業(yè)企業(yè)科技開發(fā)項(xiàng)目?jī)?nèi)部支出占工業(yè)總產(chǎn)值的比重來度量,表示為R,該變量反映了各行業(yè)的研發(fā)投入力度,其值越大意味著該行業(yè)企業(yè)的科技創(chuàng)新能力越強(qiáng),從而有助于提高技術(shù)效率和要素利用效率、降低能源消費(fèi)強(qiáng)度和碳排放強(qiáng)度,因此預(yù)期其系數(shù)符號(hào)為負(fù)。后者由單位能源消費(fèi)量的工業(yè)總產(chǎn)值來反映,表示為E,該變量為行業(yè)能源利用技術(shù)及其研發(fā)投入效果的直接外在反映,顯然,能源效率越高,同樣產(chǎn)出水平所需要消耗的能源及其所產(chǎn)生的碳排放就越少,因此也預(yù)期其系數(shù)符號(hào)為負(fù)。

 

　　最后,我們還考慮引入了兩個(gè)與碳排放密切相關(guān)的變量。其一,眾所周知,煤炭是一種高排放、高污染的能源,單位熱量燃煤產(chǎn)生的碳排放較石油和天然氣分別高出36%和61%左右9,因而長(zhǎng)期以煤為主的能源消費(fèi)結(jié)構(gòu)決定了中國化石能源消費(fèi)產(chǎn)生的二氧化碳大部分來自于煤炭,從前文圖4-5所反映的統(tǒng)計(jì)觀察結(jié)果可知,上海工業(yè)能源消費(fèi)的碳排放結(jié)構(gòu)亦是如此。因此,能源消費(fèi)結(jié)構(gòu)理應(yīng)成為研究碳排放時(shí)所考慮的一個(gè)重要因素。我們參考林伯強(qiáng)和蔣竺(2009)的做法,將煤炭消費(fèi)比重所反映的能源消費(fèi)結(jié)構(gòu)變量引入STIRPAT模型,表示為S,并預(yù)期其系數(shù)符號(hào)為正。其二,政府的政策戰(zhàn)略導(dǎo)向?qū)τ谙嚓P(guān)經(jīng)濟(jì)變量無疑將會(huì)產(chǎn)生不容忽視的影響。我國在“十一五”規(guī)劃中首次提出了“節(jié)能減排”的戰(zhàn)略目標(biāo),針對(duì)“五年內(nèi)單位國內(nèi)生產(chǎn)總值能耗降低20%左右,主要污染物排放總量減少10%”的目標(biāo),各級(jí)地方政府和各部門積極采取行動(dòng),自2006年起紛紛出臺(tái)了一系列相關(guān)的政策措施,這對(duì)于能源消費(fèi)及其產(chǎn)生的碳排放的增加必然可以產(chǎn)生一定程度的抑制作用。為了控制和反映這種政策性影響,我們引入了一個(gè)政策虛擬變量D,將2006、2007和2008三年取值為1,其他年份取值為0,并預(yù)期其系數(shù)符號(hào)為負(fù)。

 

　　這樣,經(jīng)過改進(jìn)的(4-5)式的靜態(tài)面板數(shù)據(jù)模型形式為:

 

　lnCit=α0+α1(lnFit)+α2(lnYit)+α3(lnYit)2+α4(lnYit)3

 

+α5(lnRit)+α6(lnEit)+α7(lnSit)+α8D+εit(4-6)

 

　　其中,下標(biāo)i代表工業(yè)行業(yè),t表示年份,αj(j=0,…,8)為待估參數(shù),ε為隨機(jī)擾動(dòng)項(xiàng)。根據(jù)系數(shù)α2、α3和α4的取值情況可以對(duì)C與Y之間的曲線關(guān)系進(jìn)行判斷:(1)若α2≠0且α3=α4=0或不顯著,則C與Y之間為單調(diào)遞增(α2>0)或單調(diào)遞減(α2<0)的線性關(guān)系;(2)若α2>0,α3<0且α4=0或不顯著,則C與Y之間為典型的倒U形EKC關(guān)系,拐點(diǎn)出現(xiàn)在G*=-α2/2α3;(3)若α2<0,α3>0且α4=0或不顯著,則C與Y之間為U形關(guān)系;(4)若α2>0,α3<0且α4>0,則C與Y之間為N形關(guān)系;(5)若α2<0,α3>0且α4<0,則C與Y之間為倒N形關(guān)系。

 

　　(4-6)式隱含地假定了碳排放會(huì)隨各影響因素的變化而瞬時(shí)發(fā)生相應(yīng)變化,即不存在滯后效應(yīng)。但現(xiàn)實(shí)情況并非如此理想,包括碳排放在內(nèi)的環(huán)境變量通常具有一定的路徑依賴特征,前期情況對(duì)當(dāng)期結(jié)果可能存在著不可低估的影響。從工業(yè)行業(yè)樣本數(shù)據(jù)情況來看,工業(yè)企業(yè)的資本(主要指固定資產(chǎn))調(diào)整通常具有明顯的滯后性,無法與當(dāng)期的經(jīng)濟(jì)和制度環(huán)境同步進(jìn)行,這就使得一些物化在生產(chǎn)設(shè)備等固定資產(chǎn)中的技術(shù)的更新?lián)Q代滯后,從而導(dǎo)致碳排放的變化也隨之滯后。此外,我們所選取的能源消費(fèi)結(jié)構(gòu)、能源效率等部分影響因素,屬于“慣性”較大的經(jīng)濟(jì)變量,這些因素的調(diào)整往往是長(zhǎng)期而緩慢的,而碳排放對(duì)于這些宏觀經(jīng)濟(jì)因素的敏感程度在很大程度上也決定了其滯后效應(yīng)的大小。因此,對(duì)碳排放變化的滯后效應(yīng)進(jìn)行考察是具有重要意義的。我們可以利用計(jì)量經(jīng)濟(jì)學(xué)中的局部調(diào)整模型對(duì)上述滯后效應(yīng)進(jìn)行一些推導(dǎo)闡釋10?？紤]如下局部調(diào)整模型:

 

　　ln=β+xZit+δit(4-7)

 

　　其中,表示碳排放的期望(desired)水平,β為常數(shù)項(xiàng),Zit為(4-6)式中8個(gè)解釋變量所組成的向量,x為其系數(shù)向量,δ為隨機(jī)擾動(dòng)項(xiàng)。

 

　　碳排放的期望水平也可稱為碳排放的目標(biāo)水平,可以理解為政府為實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)的雙重目標(biāo)所預(yù)期實(shí)現(xiàn)的最佳碳排放水平,(4-7)式表明各解釋變量的當(dāng)期值影響著碳排放的期望值。由于存在技術(shù)、制度、經(jīng)濟(jì)結(jié)構(gòu)等因素的限制,碳排放的期望水平通常不會(huì)在短期內(nèi)迅速實(shí)現(xiàn),而只能通過政府的相關(guān)戰(zhàn)略行為(如“退二進(jìn)三”、“上大壓小”、淘汰落后產(chǎn)能等)得到部分的調(diào)整,使當(dāng)期水平向期望水平逐漸靠攏。而局部調(diào)整假設(shè)認(rèn)為,被解釋變量的實(shí)際變化僅僅是預(yù)期變化的一部分,即存在如下關(guān)系:

 

　　lnCit-lnCi,t-1=(1-σ)(ln-lnCi,t-1)(4-8)

 

　　其中,1-σ(0<σ<1)為實(shí)際碳排放水平向期望碳排放水平的調(diào)整系數(shù),其值越大說明調(diào)整速度越快。當(dāng)σ=0時(shí),實(shí)際排放水平與預(yù)期相等,為充分調(diào)整狀態(tài);當(dāng)σ=1時(shí),當(dāng)期排放水平與前期相同,說明完全未進(jìn)行調(diào)整。

 

　　(4-8)式表明,第t-1期的實(shí)際碳排放水平lnCi,t-1與預(yù)期排放水平ln的差距為ln-lnCi,t-1,而第t期的碳排放調(diào)整幅度則為(1-σ)(ln-lnCi,t-1)。上述機(jī)制恰好可以為我國政府制定預(yù)期的減排目標(biāo)這一現(xiàn)實(shí)情況提供很好的反映。將(4-8)式代入(4-7)式可推出下式:

 

　　lnCit=β*+σlnCit-1+x*Zit+(4-9)

 

　　其中,β*=(1-σ)β,x*=(1-σ)x,δ*=(1-σ)δ。x*為短期乘數(shù),反映解釋變量Z對(duì)碳排放的短期影響情況;x為長(zhǎng)期乘數(shù),表明Z對(duì)碳排放的長(zhǎng)期影響情況;σ為滯后乘數(shù),表示前一期碳排放水平對(duì)當(dāng)期的影響情況,可以對(duì)前文提出的滯后效應(yīng)予以度量。

 

　　(4-9)式即本研究最終采用的碳排放影響因素的動(dòng)態(tài)面板數(shù)據(jù)回歸模型,其中被解釋變量滯后項(xiàng)的存在很可能導(dǎo)致解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)而產(chǎn)生內(nèi)生性問題,因此使用一般的面板數(shù)據(jù)估計(jì)方法(固定效應(yīng)或隨機(jī)效應(yīng)模型),所得到的估計(jì)結(jié)果很可能是有偏的。基于以上考慮,本研究采用被廣泛用于處理內(nèi)生性問題的廣義矩估計(jì)(GMM)方法來對(duì)(4-9)式進(jìn)行參數(shù)估計(jì)。

 

　　由于GMM方法放寬了對(duì)隨機(jī)擾動(dòng)項(xiàng)的要求,允許誤差項(xiàng)存在異方差和自相關(guān),所以其參數(shù)估計(jì)量不僅比較穩(wěn)健,而且較其他估計(jì)方法也更符合實(shí)際。Arellano和Bond(1991)首先提出了差分廣義矩估計(jì)(DIFGMM)方法,其基本思路是:首先對(duì)回歸方程進(jìn)行一階差分變換以消除由于未觀測(cè)到的個(gè)體效應(yīng)造成的遺漏變量偏誤,然后將滯后變量作為差分方程中相應(yīng)內(nèi)生變量的工具變量估計(jì)差分方程,以消除由于聯(lián)立偏誤造成的潛在的參數(shù)不一致性。該方法不僅可以避免因忽略一些必要解釋變量而產(chǎn)生的偏差,而且在某種程度上控制了雙向因果關(guān)系引起的內(nèi)生性問題。但Blundell和Bond(1998)研究認(rèn)為,當(dāng)數(shù)據(jù)具有高持續(xù)性時(shí),其時(shí)間序列的水平滯后項(xiàng)與其一階差分項(xiàng)是弱相關(guān)的,水平滯后變量只是同期差分變量的弱工具變量,導(dǎo)致DIFGMM較易受弱工具變量和小樣本偏誤的影響,因此其估計(jì)量不一定完全有效。為克服上述問題,Arellano和Bover(1995)、Blundell和Bond(1998)提出并建議采用系統(tǒng)廣義矩估計(jì)(SYSGMM)方法,SYSGMM將解釋變量的水平值作為一階差分方程的工具變量,而解釋變量一階差分的滯后值則作為水平變量估計(jì)方程的工具變量,對(duì)包含變量水平值的原估計(jì)方程與進(jìn)行了一階差分后的估計(jì)方程同時(shí)進(jìn)行估計(jì)。SYSGMM相對(duì)于DIFGMM在有效性和一致性上都有了很大的改進(jìn)(Roodman,2009),提高了估計(jì)效率。但SYSGMM的一致性取決于工具變量的有效性,因此有必要利用Hansen檢驗(yàn)和ArellanoBond檢驗(yàn)(AB檢驗(yàn))來對(duì)其進(jìn)行判斷。其中,Hansen檢驗(yàn)是工具變量的過度識(shí)別約束檢驗(yàn)11,其零假設(shè)為工具變量的選取是有效的,檢驗(yàn)統(tǒng)計(jì)量服從自由度為工具變量的個(gè)數(shù)與待估計(jì)參數(shù)的個(gè)數(shù)之差的卡方分布;AB檢驗(yàn)為差分誤差項(xiàng)的二階序列相關(guān)檢驗(yàn)(零假設(shè)是不存在序列相關(guān)),用來判斷是否一階序列相關(guān)而二階序列不相關(guān)12,以考察工具變量的選擇是否合理。

 

　　根據(jù)對(duì)權(quán)重矩陣的不同選擇,GMM方法可分為一步(onestep)和兩步(twostep)估計(jì)。與一步估計(jì)相比,兩步估計(jì)是漸進(jìn)有效的,但同時(shí)其估計(jì)量的標(biāo)準(zhǔn)誤也存在向下的偏誤(Blundell和Bond,1998)。Windmeijer(2005)提供一種方法實(shí)現(xiàn)了對(duì)兩部估計(jì)標(biāo)準(zhǔn)誤的糾正,使得兩部穩(wěn)健估計(jì)比一步穩(wěn)健估計(jì)更加有效,尤其對(duì)于SYSGMM而言效果更好。因此,本研究選擇使用兩步系統(tǒng)廣義矩估計(jì)法對(duì)(4-9)式進(jìn)行參數(shù)估計(jì)。

 

　　我們選擇1994~2008年15年間上海市32個(gè)工業(yè)行業(yè)的面板數(shù)據(jù)作為研究樣本。數(shù)據(jù)主要來源于《上海工業(yè)物資能源交通統(tǒng)計(jì)年鑒》(1995、1997~2001)、《中華人民共和國1995年工業(yè)普查資料匯編:上海卷》、《上海工業(yè)交通能源統(tǒng)計(jì)年鑒》(2002、2003)、《上海工業(yè)能源交通統(tǒng)計(jì)年鑒》(2004~2009)。各變量的定性描述報(bào)告于表4-5。