中國高耗能產(chǎn)業(yè)碳排放強(qiáng)度的時空差異及其影響因素

劉漢初,樊 杰,3,*,曾瑜皙,郭 銳

1 中國科學(xué)院科技戰(zhàn)略咨詢研究院,北京 100190 2 中國科學(xué)院地理科學(xué)與資源研究所 區(qū)域可持續(xù)發(fā)展分析與模擬重點實驗室,北京 100101 3 中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院,北京 100049

作為全球最大的能源消費(fèi)和CO2排放國,中國節(jié)能減排的成效長期以來都是全世界關(guān)心的熱點問題。根據(jù)2017版BP報告(BP Statistical Review of World Energy)[1],2015年,中國的能源消費(fèi)占世界總能源消費(fèi)的23%,而CO2排放量卻占世界的27%,并且仍保持上升趨勢。在通過減排應(yīng)對氣候變化方面,中國面臨著巨大的國際壓力,節(jié)能減排任重道遠(yuǎn)[2]。2015年,中國在巴黎氣候大會上提出了減排目標(biāo)：至2030年,化石能源消費(fèi)的CO2排放達(dá)到峰值、單位GDP的CO2排放量(碳強(qiáng)度)比2005年下降60%—65%。從CO2排放來源來看,由于21世紀(jì)以來中國處于快速工業(yè)化和城鎮(zhèn)化階段,化石能源消費(fèi)的CO2主要來自于工業(yè)部門,其中鋼鐵、化工、建材等高耗能產(chǎn)業(yè)的碳排放又占工業(yè)總排放的近80%[3]。另外,高耗能產(chǎn)業(yè)工業(yè)總產(chǎn)值占整個工業(yè)部門的比重長期保持在30%左右。從社會經(jīng)濟(jì)發(fā)展規(guī)律來看,中國完成工業(yè)化和城鎮(zhèn)化進(jìn)程還要經(jīng)歷較長的時間[4],而作為提供能源和原材料產(chǎn)品的基礎(chǔ)性部門—高耗能產(chǎn)業(yè),在未來較長時間內(nèi)仍將占有較大比重。因此,要實現(xiàn)2030中國碳排放強(qiáng)度的目標(biāo)值,在高耗能產(chǎn)業(yè)領(lǐng)域提高能源效率、降低碳排放強(qiáng)度是重要的著力點。另外,中國國土遼闊,自然資源稟賦、歷史基礎(chǔ)與技術(shù)條件等方面都存在較大的區(qū)域差異[5],由此導(dǎo)致碳排放強(qiáng)度及其成因機(jī)制也存在顯著的空間分異[6]?？梢?降低中國高耗能產(chǎn)業(yè)碳排放強(qiáng)度必須聚焦區(qū)域差異,制定降尺度的地區(qū)分解方案。因此,在準(zhǔn)確把握時空格局變化特征的基礎(chǔ)上揭示各地區(qū)差異化的影響因素,能對提出差別化且有針對性的區(qū)域減排政策提供科學(xué)依據(jù)。

碳排放強(qiáng)度不僅作為節(jié)能減排目標(biāo)中的關(guān)鍵指標(biāo),同時也是衡量區(qū)域綠色低碳發(fā)展水平的重要參考。對于碳排放強(qiáng)度的研究,國內(nèi)外重點聚焦在碳排放強(qiáng)度的動態(tài)變化與影響因素,研究方法多采用指數(shù)分解方法(Index decomposition analysis,IDA)[7-8]、結(jié)構(gòu)分解方法(Structural decomposition analysis,SDA)[9-10]以及建立在IPAT模型或STIRPAT模型基礎(chǔ)上的計量回歸分析[11-13]。考察的影響因子主要包括能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)產(chǎn)出、人口規(guī)模、能源強(qiáng)度、城鎮(zhèn)化率、技術(shù)進(jìn)步、對外貿(mào)易等[14-15]。學(xué)者們普遍認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)對中國碳排放強(qiáng)度影響的貢獻(xiàn)率最大,結(jié)構(gòu)調(diào)整仍然是未來中國減排的主要方向[16-17]。產(chǎn)業(yè)部門中,工業(yè)對碳排放強(qiáng)度的影響最為突出,特別是電力生產(chǎn)、石油加工、煉焦、化工產(chǎn)品、金屬冶煉及壓延、非金屬礦產(chǎn)品等高耗能行業(yè)[18]。能源強(qiáng)度、技術(shù)進(jìn)步、外商直接投資等是驅(qū)動中國碳強(qiáng)度降低的主要因子[19-20]；而經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化對碳排放強(qiáng)度影響的方向存在一定的爭論[21],部分學(xué)者認(rèn)為二者均與碳排放強(qiáng)度存在負(fù)相關(guān)關(guān)系,而部分學(xué)者則認(rèn)為二者除了對碳排放強(qiáng)度產(chǎn)生直接線性影響外還表現(xiàn)出非線性的影響。近年來,從空間差異以及空間效應(yīng)視角對中國碳排放強(qiáng)度的研究逐漸增多。無論從地帶差異、省際差異還是類型區(qū)的差異來看,中國碳排放強(qiáng)度均存在顯著的空間分異特征[22-24],具體特征表現(xiàn)有“西高東低”、“欠發(fā)達(dá)地區(qū)高、發(fā)達(dá)地區(qū)低”等；另外,從空間效應(yīng)來看,中國碳排放強(qiáng)度的空間集聚特征明顯,存在著正向空間自相關(guān)性特征[25-27]。能源結(jié)構(gòu)、地區(qū)經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、對外開放程度、城鎮(zhèn)化率、技術(shù)水平等被認(rèn)為是導(dǎo)致碳排放強(qiáng)度空間分異的主要因素[28-29]。分行業(yè)來看,還有學(xué)者從制造業(yè)、電力產(chǎn)業(yè)、石化行業(yè)、水泥行業(yè)等視角研究了中國各細(xì)分工業(yè)部門的碳排放強(qiáng)度時空格局[30-33],結(jié)果表明各產(chǎn)業(yè)部門均存在不同程度的空間分異。

已有的豐碩研究成果為文本提供了十分有益的借鑒,但仍存在一些薄弱環(huán)節(jié)。首先,現(xiàn)有對碳排放強(qiáng)度的研究側(cè)重在總體碳排放以及個別工業(yè)部門上,缺乏對高耗能產(chǎn)業(yè)整體及其影響因素的探討,其中主要的原因是測度各省區(qū)高耗能產(chǎn)業(yè)在較長時間范圍內(nèi)的碳排放總量較為困難。而通過借鑒相關(guān)學(xué)者研制的不同行業(yè)碳排放測算方法的最新成果,為計算出各省區(qū)高耗能產(chǎn)業(yè)的碳排放量提供了有力支撐。其次,區(qū)域作為開放的系統(tǒng),信息、資源在區(qū)域間不停地流動和交換,空間要素往往存在溢出效應(yīng)。地理學(xué)第一定律也指出,空間距離越近的事物相互之間的依賴性越強(qiáng),即事物屬性值的相關(guān)性越顯著。已有研究大多將區(qū)域看作單獨的個體,較少從地理學(xué)和空間相互作用關(guān)系出發(fā)探討碳排放強(qiáng)度的空間依賴性和空間異質(zhì)性。因此,本文在揭示高耗能產(chǎn)業(yè)碳強(qiáng)度的時空格局變化特征基礎(chǔ)上,采用空間面板回歸模型對高耗能產(chǎn)業(yè)碳強(qiáng)度本身以及影響因素的空間溢出效應(yīng)開展研究,以期研究結(jié)果為政府部門制定并實施差異化且有針對性的區(qū)域政策提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

本文在測度高耗能產(chǎn)業(yè)碳排放強(qiáng)度的基礎(chǔ)上,采用Global Moran′sI指數(shù)對其空間關(guān)聯(lián)性進(jìn)行分析。當(dāng)被解釋變量存在空間依賴性、空間異質(zhì)性等空間效應(yīng)時,采用傳統(tǒng)的普通最小二乘法所得到的參數(shù)估計往往會出現(xiàn)有偏和非一致的問題。在此情況下,本文采用空間計量模型解決這種具有空間特征的定量問題。

1.1.1高耗能產(chǎn)業(yè)碳排放強(qiáng)度的測度

產(chǎn)業(yè)CO2排放量的計算。人類活動產(chǎn)生的CO2主要來自于化石燃料消耗,因此本文根據(jù)各行業(yè)對不同化石燃料的消耗量測算高耗能產(chǎn)業(yè)的CO2排放總量。具體測算過程借鑒Shan等人[34-35]的最新研究成果,即針對中國當(dāng)前已有的能源與社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)所提出來的計算方法。該方法對IPCC提供的估算方法進(jìn)行了較大改進(jìn),把能源類型劃分為了17種(表1)、把排放主體劃分為了47個社會經(jīng)濟(jì)部門,并對排放系數(shù)進(jìn)行了相應(yīng)的修正,具體內(nèi)容參照文獻(xiàn)[34]。各行業(yè)的CO2排放量表達(dá)式如下：

(1)

式中：CEi表示i行業(yè)CO2排放量；ADij表示i行業(yè)中第j種能源的平均低位發(fā)熱量；NCVj表示不同化石燃料的平均低位發(fā)熱量；EFj表示第j種能源CO2排放系數(shù)(表1)；Oij為i行業(yè)中第j種能源的氧化效率,表示化石燃料燃燒過程中的氧化率。

表1 各類能源的平均低位發(fā)熱量與 CO2 排放系數(shù)[34]Table 1 Average net calorific value and carbon dioxide emission factor[34]

NCVj的單位為PJ/104t、108m3等；EFj的單位為Mt CO2/PJ

高耗能產(chǎn)業(yè)碳排放強(qiáng)度的計算。通過以上方法獲得各省份高耗能產(chǎn)業(yè)6個分行業(yè)的碳排放量,進(jìn)一步匯總得到各省份高耗能產(chǎn)業(yè)的碳排放總量。最終,高耗能產(chǎn)業(yè)碳排放強(qiáng)度表示為單位工業(yè)總產(chǎn)值所排放的CO2量,具體計算公式如下：

(2)

式中：HCI表示高耗能產(chǎn)業(yè)的碳排放強(qiáng)度；CEi表示i行業(yè)的CO2排放量；Outputi表示i行業(yè)的工業(yè)總產(chǎn)值。

1.1.2空間自相關(guān)分析

空間自相關(guān)分析不僅能考察區(qū)域產(chǎn)業(yè)碳強(qiáng)度是否存在空間相互關(guān)系,而且也是正確構(gòu)建空間計量模型的必要條件。本文采用全域空間自相關(guān)檢驗指標(biāo)Global Moran′sI指數(shù)測度高耗能產(chǎn)業(yè)碳強(qiáng)度的空間集聚程度[36]。

(3)

(4)

式中：E(I)表示I的均值；VAR(I)表示I的方差；當(dāng)Z(d)為0時,表明觀測值呈獨立隨機(jī)分布；當(dāng)Z(d)顯著為正時,表明相似的觀測值(高高或低低)在空間上趨于集聚；當(dāng)Z(d)顯著為負(fù)時,表明相似觀測值在空間上趨于分散分布,呈現(xiàn)出負(fù)的空間自相關(guān)。

1.1.3空間面板計量模型

面板數(shù)據(jù)包含橫截面、時間和指標(biāo)三維信息,不僅可以提高估計精度和有效性,還能減少多重共線的現(xiàn)象。另外,由于空間數(shù)據(jù)可能存在空間自相關(guān)現(xiàn)象,需要在面板數(shù)據(jù)模型的基礎(chǔ)上,建立具有空間和時間效應(yīng)的空間面板計量模型[37]。目前,發(fā)展比較成熟的空間計量模型主要有3種,包括空間滯后模型(SLM)、空間誤差模型(SEM)及空間杜賓模型(SDM)。

當(dāng)空間單元的被解釋變量受到鄰近單元被解釋變量的影響時,需要在一般面板數(shù)據(jù)模型中加入被解釋變量的滯后項,轉(zhuǎn)化為空間滯后模型,又稱空間自回歸模型,具體表達(dá)式如下：

Y=ρWY+Xβ+ε;ε—N(0,δ2)

(5)

當(dāng)空間單元的誤差項受到鄰近單元誤差項的影響,也就是說模型誤差項存在空間自相關(guān)時,需要加入空間相關(guān)的誤差項,轉(zhuǎn)化為空間誤差模型,具體表達(dá)式如下：

Y=Xβ+γWu+ε;ε—N(0,δ2)

(6)

空間杜賓模型是對空間滯后模型與空間誤差模型的特征進(jìn)行綜合后的一般模型,同時包含了內(nèi)生交互效應(yīng)(WY)與外生交互效應(yīng)(WX),具體表達(dá)式如下：

Y=ρWY+Xβ+WXθ+ε;ε—N(0,δ2)

(7)

式中,Y表示被解釋變量,為n×1的向量；X表示解釋變量,如果有m個被解釋變量,則為(n×m)的矩陣；β表示回歸系數(shù),為(m×1)向量；ε表示隨機(jī)誤差項；N是空間單元個數(shù)；W表示一個(n×n)空間權(quán)重矩陣；ρ表示空間自回歸系數(shù),如果ρ顯著,表明被解釋變量之間存在一定的空間關(guān)聯(lián)性；γ表示回歸殘差之間的空間相關(guān)性系數(shù)；u為隨機(jī)誤差向量；θ表示外生交互效應(yīng)的系數(shù),若H0：θ=0成立,則SDM模型退化為 SLM模型,若H0：θ+ρβ=0 時則退化為SEM模型,否則為SDM模型。

在具體運(yùn)用空間模型的過程中,究竟選擇哪種空間面板模型以及應(yīng)該包括哪種固定效應(yīng),需要在測試、診斷的過程中逐步確定。首先,運(yùn)用OLS方法對面板數(shù)據(jù)模型進(jìn)行回歸,并對模型的殘差進(jìn)行相應(yīng)拉格朗日乘數(shù)及其穩(wěn)健形式檢驗(LMlag,LMerror,R-LMlag,R-LMerror)。如果SLM和SEM都不顯著,則保持OLS結(jié)果；如果SLM和SEM都顯著,則繼續(xù)運(yùn)行穩(wěn)健性檢驗。進(jìn)一步,如果R-LMerror顯著,則運(yùn)行SEM；如果R-LMlag顯著,則運(yùn)行SLM。固定效應(yīng)則采用似然比檢驗,模型擬合效果則采用擬合優(yōu)度檢驗R2、自然對數(shù)似然函數(shù)值 (Log Likelihood,LogL)。其次,采用Wald或似然比 (LR)檢驗,判斷SDM能否簡化為SLM或SEM。最后,采用極大似然估計對SDM的參數(shù)進(jìn)行估計。另外,由于有學(xué)者指出采用點估計方法檢驗空間溢出效應(yīng)會導(dǎo)致錯誤[38],從而提出從偏微分角度去衡量相鄰區(qū)域間的直接效應(yīng)(direct effects)與間接效應(yīng)(indirect effects)。Elhorst[37]將這種方法推廣到了空間面板模型,通過求偏導(dǎo)數(shù)得到的偏微分矩陣(I-ρW)-1(βk+Wθk),矩陣主對角線元素的平均值為直接效應(yīng),而除主對角線以外的元素的平均值則是間接效應(yīng)。

1.2 數(shù)據(jù)來源

高耗能產(chǎn)業(yè)在產(chǎn)品生產(chǎn)過程中對一次能源或二次能源的需求較大,碳排放強(qiáng)度顯著高于其他行業(yè)。根據(jù)《中華人民共和國2017年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》[39]中的劃分標(biāo)準(zhǔn),本文中的高耗能產(chǎn)業(yè)指化學(xué)原料及化學(xué)制品制造業(yè)、非金屬礦物制品業(yè)、黑色金屬冶煉及壓延加工業(yè)、有色金屬冶煉及壓延加工業(yè)、石油加工煉焦及核燃料加工業(yè)、電力熱力的生產(chǎn)和供應(yīng)業(yè)等六大行業(yè)。高耗能產(chǎn)業(yè)的工業(yè)總產(chǎn)值來源于歷年《中國工業(yè)經(jīng)濟(jì)統(tǒng)計年鑒》,分行業(yè)的各能源的消費(fèi)量數(shù)據(jù)來自歷年的《中國能源統(tǒng)計年鑒》,其余解釋變量數(shù)據(jù)來自于歷年《中國統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、《中國環(huán)境年鑒》、《中國貿(mào)易外經(jīng)統(tǒng)計年鑒》以及各省區(qū)統(tǒng)計年鑒。本研究所采用的基礎(chǔ)數(shù)據(jù)時間跨度為2000—2015年,基本空間單元為30個省區(qū)(由于數(shù)據(jù)缺失,港澳臺、西藏未納入)。為了消除價格變動因素,本文的經(jīng)濟(jì)指標(biāo)均轉(zhuǎn)化為以2000年為基期的可比價。

2 時空差異特征

2.1 時空格局演化分析

總體上,2000—2015年中國高耗能產(chǎn)業(yè)碳強(qiáng)度呈現(xiàn)出顯著的下降趨勢。2000年的高耗能產(chǎn)業(yè)碳強(qiáng)度高達(dá)8.70 t/萬元,這是由于2000年前后中國正處于工業(yè)化發(fā)展的中期階段,經(jīng)濟(jì)增長主要依賴于大規(guī)模的資源環(huán)境消耗,技術(shù)管理水平相對較低,發(fā)展方式較為粗放,導(dǎo)致大規(guī)模的能源消耗與CO2排放。隨著經(jīng)濟(jì)發(fā)展水平的提升、低碳發(fā)展路徑的不斷完善,在產(chǎn)業(yè)升級、技術(shù)進(jìn)步、環(huán)境規(guī)制等因素的作用下,中國高耗能產(chǎn)業(yè)碳強(qiáng)度出現(xiàn)大幅度降低,至2015年,其強(qiáng)度調(diào)整為4.58 t/萬元,約為2000年的1/2。

省區(qū)層面上,雖然各省區(qū)高耗能產(chǎn)業(yè)碳強(qiáng)度的變化趨勢總體上與全國一致,均表現(xiàn)出大幅度下降的趨勢,但省區(qū)之間存在著極大的空間差異。為了刻畫碳強(qiáng)度的在區(qū)域間的相對差異,本文借鑒世界銀行關(guān)于區(qū)域經(jīng)濟(jì)發(fā)展水平的分類方法[40],采用各年度各省份碳強(qiáng)度平均數(shù)的50%、100%、150%為節(jié)點值,將省區(qū)劃分為高強(qiáng)度、中高強(qiáng)度、中低強(qiáng)度和低強(qiáng)度四種類型區(qū)(圖1)。2000年,高強(qiáng)度類型區(qū)有6個,分別是陜西、貴州、安徽、山西、重慶、內(nèi)蒙古,均位于中西部地區(qū),空間上總體表現(xiàn)為帶狀分布；中高強(qiáng)度類型區(qū)有5個,分別是吉林、河北、黑龍江、廣西、寧夏,除河北之外也均位于中西部地區(qū)；低強(qiáng)度類型區(qū)數(shù)量較少,僅北京、天津、上海、廣東、新疆5個,除新疆以外,其余4個均為經(jīng)濟(jì)發(fā)達(dá)的沿海省區(qū)；剩下14個省區(qū)都屬于中低強(qiáng)度類型區(qū),空間上呈現(xiàn)出連片分布的特征。相比2000年,2005年江蘇、浙江、河北、安徽、重慶的碳強(qiáng)度相對下降,而云南、河南、寧夏、新疆、海南碳強(qiáng)度相對提升,其中新疆和海南變化最明顯,新疆從低強(qiáng)度變?yōu)榱酥懈邚?qiáng)度,海南從中低強(qiáng)度變?yōu)榱烁邚?qiáng)度。2010年的空間格局整體變動較小,安徽、江西、陜西、河南的碳強(qiáng)度相對下降。2015年,省區(qū)空間分布格局有所變化,高強(qiáng)度、中高強(qiáng)度、中低強(qiáng)度和低強(qiáng)度四種類型區(qū)的數(shù)量調(diào)整為5個、8個、11個、6個,高強(qiáng)度類型區(qū)全部屬于北方省區(qū),南方省區(qū)多為中低強(qiáng)度和低強(qiáng)度兩種類型區(qū)。

圖1 2000—2015年中國高耗能產(chǎn)業(yè)碳排放強(qiáng)度的空間格局變化Fig.1 Spatial pattern of carbon intensity in high-energy intensive industry from 2000 to 2015

區(qū)域?qū)用姹憩F(xiàn)出“西高東低”與“北高南低”并存的格局。從中國三大地帶差異來看(劃分標(biāo)準(zhǔn)參考文獻(xiàn)[12]),2000年,東部、中部和西部的高耗能產(chǎn)業(yè)碳強(qiáng)度分別為7.05 t/萬元、11.99 t/萬元、13.20 t/萬元,中部和西部遠(yuǎn)大于東部地區(qū),強(qiáng)度值分別是東部的1.70倍、1.87倍。2015年,東部、中部和西部的高耗能產(chǎn)業(yè)碳強(qiáng)度格局調(diào)整為3.53 t/萬元、5.74 t/萬元、6.64 t/萬元,中部和西部分別是東部1.63倍、1.88倍,可以看出東部的能源效率遠(yuǎn)高于中西部地區(qū),并且相對差距一直沒有縮小。從南北差異來看,本文將新疆、甘肅、內(nèi)蒙古、寧夏、陜西、山西、河北、遼寧、吉林、黑龍江等10個北方省區(qū)當(dāng)作一個整體,以便考察北方省區(qū)與其余省區(qū)之間高耗能產(chǎn)業(yè)碳強(qiáng)度的差異。2000年北方省區(qū)與其余省區(qū)碳強(qiáng)度的平均值分別為15.73 t/萬元、7.70 t/萬元,前者是后者的2.04倍；2015年二者碳強(qiáng)度的平均值分別調(diào)整為8.23 t/萬元、4.05 t/萬元,北方省區(qū)仍是其他省區(qū)的2.03倍。可以看出,中國高耗能產(chǎn)業(yè)碳強(qiáng)度呈現(xiàn)出顯著的“西高東低”與“北高南低”,并且“南北差異”比“東西差異”更大。地區(qū)間能源消費(fèi)結(jié)構(gòu)以及技術(shù)水平差異是造成中國高耗能產(chǎn)業(yè)在宏觀尺度上空間格局變動的主要原因。區(qū)域間能源結(jié)構(gòu)中煤炭的比重差異極大,北方地區(qū)擁有中國主要的煤炭基地,煤炭在能源結(jié)構(gòu)中的比重長期高于南方地區(qū)；并且近年來南方地區(qū)積極調(diào)整能源結(jié)構(gòu),煤炭比重快速降低。2015年的統(tǒng)計數(shù)據(jù)顯示,山西、內(nèi)蒙古、寧夏、吉林、河北等北方省份煤炭比重超過70%,而浙江、廣東、上海、海南等南方省份煤炭比重低于40%。另外,科技創(chuàng)新是驅(qū)動碳排放強(qiáng)度降低的重要動力,但一直以來中西部地區(qū)與東部地區(qū)的科技創(chuàng)新能力都存在巨大的差異,并呈現(xiàn)出不斷擴(kuò)大的趨勢[41],2015年,東部、中部和西部人均R&D支出分別為1834元、963元和412元。東部地區(qū)憑借著先進(jìn)的技術(shù)和設(shè)備促使能源利用效率大大提升,有效地降低了碳排放強(qiáng)度,而中西部地區(qū)受科技創(chuàng)新驅(qū)動的效果相對較差。

2.2 空間關(guān)聯(lián)性特征分析

運(yùn)用全域Moran′sI指數(shù)測度了中國省域2000—2015年高耗能產(chǎn)業(yè)碳強(qiáng)度的空間自相關(guān)程度,并采用隨機(jī)排列法構(gòu)造正態(tài)分布以檢驗其顯著性(表2)。結(jié)果顯示,各年份的全域Moran′sI指數(shù)全部為正值,統(tǒng)計量Z值在5%水平上全部顯著(P值均小于0.05);說明中國高耗能產(chǎn)業(yè)碳強(qiáng)度存在顯著的正向空間自相關(guān)性,即本單元的高耗能產(chǎn)業(yè)碳強(qiáng)度對鄰近單元產(chǎn)生正向影響,反之,鄰近單元也會對本單元產(chǎn)生正向影響。從時間演變來看,2000—2015年全局Moran′sI指數(shù)呈現(xiàn)出波動型上升趨勢,從0.282提高到了0.332,表明中國高耗能產(chǎn)業(yè)碳強(qiáng)度的集聚程度增強(qiáng),排放強(qiáng)度相似的類型區(qū)在空間上更加趨向于集聚分布。另外,這也表明在下文探討影響因素所采用的面板數(shù)據(jù)回歸模型中,有必要加入空間效應(yīng)以提高模型估計的準(zhǔn)確度。高耗能產(chǎn)業(yè)碳強(qiáng)度的局域空間集聚特征明顯,總體以高高集聚和低低集聚類型為主,其中高高集聚的省區(qū)主要分布在廣西-貴州和中國北方地區(qū),低低集聚的省區(qū)則集中分布于東部沿海地帶,高高集聚和低低集聚的省區(qū)數(shù)量均有所增加,區(qū)域性集聚特征更加凸顯,進(jìn)一步說明中國省區(qū)高耗能產(chǎn)業(yè)碳強(qiáng)度的空間差異有逐步擴(kuò)大的趨勢。

表2 2000—2015年高耗能產(chǎn)業(yè)碳強(qiáng)度的全局Moran′s I指數(shù)Table 2 Global Moran′s I index of carbon intensity in high-energy intensive industry from 2000 to 2015

3 影響因素解析

3.1 模型設(shè)定

IPAT等式是表征人類行為驅(qū)動環(huán)境壓力變化的經(jīng)典模型,但由于存在一定的局限性,Dietz等在此基礎(chǔ)上提出了隨機(jī)回歸影響模型,即STIRPAT模型[42]。該模型是一個多變量的非線性模型,經(jīng)過對數(shù)處理之后可以進(jìn)行多元線性擬合,實現(xiàn)了將不同的人文因素添加到模型對環(huán)境影響進(jìn)行因果關(guān)系分析。本文以STIRPAT模型為基本框架,解析高耗能產(chǎn)業(yè)碳強(qiáng)度的影響因素。

影響高耗能產(chǎn)業(yè)碳強(qiáng)度的因素包括多個方面,根據(jù)文獻(xiàn)的梳理總結(jié)以及數(shù)據(jù)的可獲得性,本文重點考察以下9個因素,包括經(jīng)濟(jì)發(fā)展水平[43]、技術(shù)創(chuàng)新[44]、對外貿(mào)易[45]、產(chǎn)業(yè)集聚[46]、城鎮(zhèn)化水平[13]、能源結(jié)構(gòu)[47]、產(chǎn)業(yè)結(jié)構(gòu)[48-49]、企業(yè)規(guī)模[50]、環(huán)境管制[51]。本文以人均GDP表示經(jīng)濟(jì)發(fā)展水平,以人均R&D支出表示技術(shù)創(chuàng)新,以進(jìn)出口貿(mào)易總額占GDP的比重表示對外貿(mào)易,以高耗能產(chǎn)業(yè)工業(yè)總產(chǎn)值的占所有工業(yè)的份額表示產(chǎn)業(yè)集聚,以城鎮(zhèn)人口占總?cè)丝诘谋戎乇硎境擎?zhèn)化水平,以能源消費(fèi)中煤炭的比重表示能源結(jié)構(gòu),以工業(yè)增加值占GDP的比重表示產(chǎn)業(yè)結(jié)構(gòu),以高耗能企業(yè)平均工業(yè)總產(chǎn)值表示企業(yè)規(guī)模,以工業(yè)固體廢物綜合利用率表示環(huán)境管制。各變量對數(shù)值的基本統(tǒng)計描述見表3。

基于STIRPAT模型,采用高耗能產(chǎn)業(yè)碳強(qiáng)度作為被解釋變量,將上述9個影響因素納入模型作為解釋變量,最終的到解釋中國高耗能產(chǎn)業(yè)碳強(qiáng)度時空格局影響因素的普通面板數(shù)據(jù)回歸模型。以此為基礎(chǔ),進(jìn)一步進(jìn)行空間計量分析。為使數(shù)據(jù)更符合正態(tài)分布并消除模型異方差性,本文在回歸前對被解釋變量和解釋變量做了對數(shù)變換。

lnHCIit=αit+β1lnPGDPit+β2lnRDit+β3lnFOREit+β4lnCLUSit+β5lnURBit+β6lnESit+β7lnINDit+β8lnFIRMit+

β9lnENVIit+εit

(8)

式中：ln表示自然對數(shù)；i(i=1,2,...,30)代表30個省份；t代表時間區(qū)間 (t=1,2,...,16)；HCI表示高耗能產(chǎn)業(yè)碳強(qiáng)度；PGDP表示地區(qū)經(jīng)濟(jì)發(fā)展水平；RD表示技術(shù)創(chuàng)新；FORE表示對外貿(mào)易;CLUS表示產(chǎn)業(yè)集聚；URB表示城鎮(zhèn)化水平；ES表示能源結(jié)構(gòu)；IND表示產(chǎn)業(yè)結(jié)構(gòu)；FIRM表示企業(yè)規(guī)模；ENVI表示環(huán)境管制；ait表示各面板單位的協(xié)整關(guān)系中存在著不同的固定效應(yīng)；βi表示各解釋變量的彈性系數(shù)；εit為橫截面?zhèn)€體i在時間t上的隨機(jī)誤差項。

表3 各變量及其對數(shù)值的統(tǒng)計描述Table 3 Variables and statistical description of their logarithm

3.2 模型檢驗

本文涉及到16個年度的數(shù)據(jù),時間跨度較長,有必要分析面板數(shù)據(jù)的平穩(wěn)性。單位根檢驗顯示中國2000—2016年高耗能產(chǎn)業(yè)碳強(qiáng)度的面板數(shù)據(jù)平穩(wěn),解釋變量的對數(shù)值在一階差分之后均平穩(wěn),協(xié)整檢驗結(jié)果顯示這些變量之間均存在協(xié)整關(guān)系。另外,一方面,由上文可知,被解釋變量HCI存在顯著的空間自相關(guān)；另一方面,對普通面板回歸模型采用OLS方法估計所得到的標(biāo)準(zhǔn)誤差進(jìn)行空間自相關(guān)分析,全局Moran′sI指數(shù)為0.233,Z值為2.585,并在1%水平上顯著。因此,對于非獨立性樣本數(shù)據(jù),采用傳統(tǒng)的OLS方法估計的結(jié)果可能會存在嚴(yán)重的偏誤。本文需要將空間效應(yīng)納入模型,更適合采用空間面板回歸模型。

根據(jù)Hausman檢驗結(jié)果(26.73,P= 0.001),確定采用空間固定形式構(gòu)建一般面板數(shù)據(jù)回歸模型。進(jìn)一步,對無空間相互作用模型進(jìn)行LM檢驗及穩(wěn)健性LM檢驗,包括時空均不固定(混合)、空間固定、時間固定、時空固定4種形式,判斷SEM和SLM是否比非空間模型更優(yōu)。如表4所示,加入空間效應(yīng)和雙向固定效應(yīng)下的模型整體擬合程度良好,擬合優(yōu)度檢驗統(tǒng)計量顯著高于混合效應(yīng)和時間效應(yīng)模型。從對數(shù)似然函數(shù)值進(jìn)行比較,空間固定效應(yīng)和雙向固定效應(yīng)下模型的log-L值也明顯高于另外兩個模型。對4種形式的LM檢驗及穩(wěn)健性LM檢驗結(jié)果顯示,僅時間固定形式下的空間滯后效應(yīng)沒有通過5%的穩(wěn)健性LM檢驗外,其余3種形式下的空間滯后效應(yīng)與空間誤差效應(yīng)均通過了LM檢驗與穩(wěn)健性LM檢驗。檢驗結(jié)果并非指向同一類型的模型,因此需要進(jìn)一步構(gòu)建更一般形式的空間杜賓模型(SDM),并對空間固定和時空固定兩種形式下的模型進(jìn)行檢驗。

表4 普通面板模型下4種形式的LM檢驗結(jié)果Table 4 LM test results of four forms under the common panel model

括號內(nèi)是P統(tǒng)計值；*,**,***分別表示在0.10、0.05、0.01水平上顯著

對零假設(shè)為空間固定效應(yīng)聯(lián)合顯著的模型進(jìn)行LR檢驗,結(jié)果為79.48(P=0.000),拒絕原假設(shè),表明雙向固定效應(yīng)優(yōu)于空間固定效應(yīng)。另外,從對SDM模型的Wald 檢驗和LR 檢驗結(jié)果中可以看出,Wald-lag、Wald-error、LR-lag、LR-error 4個統(tǒng)計量均通過了1%的顯著性水平,因此SDM模型不能退化為SEM或SLM 模型形式。由此,本文最終選擇具有時間和空間雙向固定效應(yīng)的SDM模型揭示各因素對中國高耗能產(chǎn)業(yè)碳強(qiáng)度時空特征的影響。

3.3 結(jié)果分析

3.3.1SDM模型回歸結(jié)果

各變量回歸系數(shù)β的顯著性檢驗結(jié)果顯示(表5),技術(shù)創(chuàng)新、對外貿(mào)易、產(chǎn)業(yè)集聚、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、企業(yè)規(guī)模6個變量在5%水平上顯著,其中除了能源結(jié)構(gòu)為正向,其余5個變量均為負(fù)向。表明本地的技術(shù)創(chuàng)新、對外貿(mào)易、產(chǎn)業(yè)集聚、產(chǎn)業(yè)結(jié)構(gòu)、企業(yè)規(guī)模對中國省域高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)有不同程度的降低作用,其中產(chǎn)業(yè)集聚的作用強(qiáng)度明顯高于其他變量,本地產(chǎn)業(yè)集聚每提升1%,HCI將降低0.394%；其余變量每提高1%,HCI將下降0.1%—0.15%。能源結(jié)構(gòu)對HCI具有顯著的正效應(yīng),本地能源消費(fèi)中煤炭的比重提高1%,將會導(dǎo)致HCI提升0.360%,是影響省域HCI的關(guān)鍵因素。另外,經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平、環(huán)境管制在10%水平上沒有通過顯著性檢驗,表明該3個變量對中國省域HCI的空間差異沒有顯著影響。

表5 空間杜賓模型的回歸結(jié)果Table 5 Regression results of SDM model

*,**,***分別表示在0.10、0.05、0.01水平上顯著；PGDP,經(jīng)濟(jì)發(fā)展水平,Economic level；RD,技術(shù)創(chuàng)新,Technological innovation；FORE,對外貿(mào)易,Foreign trade；CLUS,產(chǎn)業(yè)集聚,Industrial agglomeration；URB,城鎮(zhèn)化水平,Urbanization level；ES,能源結(jié)構(gòu),Energy structure；IND,產(chǎn)業(yè)結(jié)構(gòu),Industrial structure；FIRM,企業(yè)規(guī)模,Company size；ENVI,環(huán)境管制,Environmental regulation

空間自回歸系數(shù)ρ顯著為正,表明中國省域高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)明顯受到臨近省份的影響,同時也對鄰近省份的HCI產(chǎn)生影響。HCI存在明顯的空間溢出效應(yīng),回歸系數(shù)ρ為0.16,并在5%水平上顯著,這表明臨近省份HCI每變動1%,本省份的HCI度會往相同的方向變動0.16%。

空間滯后項系數(shù)W的顯著性檢驗結(jié)果顯示(表5),技術(shù)創(chuàng)新、對外貿(mào)易、產(chǎn)業(yè)集聚、環(huán)境管制在5%水平上顯著,其中技術(shù)創(chuàng)新、對外貿(mào)易為負(fù)向效應(yīng),產(chǎn)業(yè)集聚、環(huán)境管制為正向效應(yīng)。鄰近省份的技術(shù)創(chuàng)新、對外貿(mào)易每提高1%,本省的高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)分別降低0.287%、0.304%,而臨近省份的產(chǎn)業(yè)集聚、環(huán)境管制每提升1%,本省的HCI分別將上升0.437%、0.264%。另外,鄰近省份的地區(qū)經(jīng)濟(jì)發(fā)展水平、城市化水平、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)與企業(yè)規(guī)模對本省的HCI沒有明顯影響作用。

3.3.2直接效應(yīng)與間接效應(yīng)

上文對外生交互效應(yīng)(WX)的系數(shù)估計中,W×lnRD、W×lnFORE、W×lnCLUS、W×lnENVI均在5%水平上顯著,為了更加深入的解析這種空間交互效應(yīng),本文以SDM模型模擬結(jié)果為基礎(chǔ),進(jìn)一步計算出各影響因素對中國省域高耗能產(chǎn)業(yè)碳強(qiáng)度的直接效應(yīng)與間接效應(yīng)。結(jié)果如表6,可以將變量分為四類。

表6 不同影響因素對高耗能產(chǎn)業(yè)碳強(qiáng)度的直接和間接效應(yīng)Table 6 Direct and indirect effects of various impact factors on carbon intensity in high-energy intensive industry

*,**,***分別表示在0.10、0.05、0.01水平上顯著

第一類變量同時具有直接效應(yīng)與間接效應(yīng),包括技術(shù)創(chuàng)新、對外貿(mào)易、產(chǎn)業(yè)集聚,其中技術(shù)創(chuàng)新、對外貿(mào)易對中國省域高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)的直接效應(yīng)與間接效應(yīng)均顯著為負(fù),并且間接效應(yīng)大于直接效應(yīng),也就是說技術(shù)創(chuàng)新、對外貿(mào)易具有降低HCI的作用,并且空間溢出效應(yīng)影響更大。例如,各省份的技術(shù)創(chuàng)新水平均提高1%,本省份和鄰近省份的HCI分別降低0.078%、0.278%。另外,產(chǎn)業(yè)集聚的直接效應(yīng)顯著為負(fù),而間接效應(yīng)顯著為正,表明產(chǎn)業(yè)集聚每提高1%促使本省份HCI 降低0.390%,卻使臨近省份HCI提升0.404%,導(dǎo)致這個特別現(xiàn)象的原因可能是,產(chǎn)業(yè)在向一個省份集聚過程中會使周邊省份的產(chǎn)業(yè)集聚降低,進(jìn)而導(dǎo)致的HCI提升。

第二類變量只具有直接效應(yīng)、沒有間接效應(yīng),包括能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、企業(yè)規(guī)模,其中能源結(jié)構(gòu)的彈性系數(shù)最大且具有正向作用,表明能源消費(fèi)中煤炭的比重每提高1%,僅能促使本省份的高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)提升0.362%,對周邊省份沒有顯著影響。產(chǎn)業(yè)結(jié)構(gòu)、企業(yè)規(guī)模直接效應(yīng)的彈性系數(shù)均顯著為負(fù),表明提高工業(yè)比重以及擴(kuò)大企業(yè)規(guī)模有助于降低HCI。例如,企業(yè)規(guī)模擴(kuò)大1%,有助于本省份HCI降低0.102%。

第三類變量只具有間接效應(yīng)、沒有直接效應(yīng),僅環(huán)境管制屬于該類。環(huán)境管制間接效應(yīng)的回歸系數(shù)為0.255,并在1%水平上顯著,說明環(huán)境管制強(qiáng)度提高1%,雖然對本省份沒有顯著性影響,但將會促使周邊省份高耗能產(chǎn)業(yè)碳強(qiáng)度(HCI)提高0.255%?？赡艿脑蚴?本地環(huán)境管制提高之后,高耗能企業(yè)面臨治污成本增加,一些企業(yè)不是通過投資先進(jìn)技術(shù)和環(huán)保設(shè)備來提高能源效率,而是選擇了搬遷到環(huán)境管制更寬松的周邊省份,結(jié)果導(dǎo)致本地高耗能產(chǎn)業(yè)碳強(qiáng)度并沒有明顯降低,但周邊省份由于低水平的高耗能企業(yè)增多,最終導(dǎo)致HCI的提高。

第四類變量既無直接效應(yīng)、也無間接效應(yīng),包括經(jīng)濟(jì)發(fā)展水平和城鎮(zhèn)化水平。經(jīng)濟(jì)發(fā)展水平的回歸系數(shù)為負(fù),而城鎮(zhèn)化水平的回歸系數(shù)為正,但二者均沒有在10%水平上通過檢驗。這一發(fā)現(xiàn)與Cheng等[26]對整體碳排放強(qiáng)度的研究結(jié)果有所差別,該文認(rèn)為經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化水平對碳排放強(qiáng)度均顯著為正。這說明,各影響因素對高耗能產(chǎn)業(yè)碳強(qiáng)度與整體碳強(qiáng)度的作用機(jī)制是存在差異的,降低高耗能產(chǎn)業(yè)的碳排放強(qiáng)度需要制定更有針對性的措施。

4 結(jié)論與討論

本文利用2000—2015年中國30個省區(qū)的面板數(shù)據(jù),在測度出各省區(qū)高耗能產(chǎn)業(yè)碳排放強(qiáng)度的基礎(chǔ)上,采用探索性空間分析方法以及建立空間計量模型,刻畫了中國高耗能產(chǎn)業(yè)碳排放強(qiáng)度的時空差異特征、并揭示出了其影響因素以及空間溢出效應(yīng)。主要得到以下結(jié)論：第一,2000—2015年中國高耗能產(chǎn)業(yè)碳排放強(qiáng)度下降趨勢極為顯著,從8.70 t/萬元降低到了2.14 t/萬元；第二,高耗能產(chǎn)業(yè)碳強(qiáng)度存在著極大的空間分異特征,具體表現(xiàn)出“西高東低”與“北高南低”并存的格局,并且“南北差距”比“東西差距”更大。另外,還具有顯著的空間自相關(guān)特征,碳強(qiáng)度值相似的省份更傾向于空間集聚。第三,模型檢驗表明時空固定形式下的空間杜賓模型可以實現(xiàn)最優(yōu)模擬,本地高耗能產(chǎn)業(yè)碳強(qiáng)度明顯受到周邊省份的影響,臨近省份的高耗能產(chǎn)業(yè)碳強(qiáng)度每變動1%,本省份也會同向變動0.16%。第四,影響因素方面,技術(shù)創(chuàng)新、對外貿(mào)易、產(chǎn)業(yè)集聚同時具有直接效應(yīng)與間接效應(yīng),技術(shù)創(chuàng)新、對外貿(mào)易不僅促使本省高耗能產(chǎn)業(yè)碳強(qiáng)度降低,而且通過溢出效應(yīng)促使周邊省份也降低；產(chǎn)業(yè)集聚對本地高耗能產(chǎn)業(yè)碳強(qiáng)度產(chǎn)生負(fù)向影響,而對周邊省份產(chǎn)生正向影響。能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、企業(yè)規(guī)模只具有直接效應(yīng)而不存在間接效應(yīng),能源結(jié)構(gòu)對本地高耗能產(chǎn)業(yè)碳強(qiáng)度產(chǎn)生顯著的正向影響；環(huán)境管制只具有空間溢出效應(yīng)而不存在直接效應(yīng),環(huán)境管制強(qiáng)度提高1%,周邊省份高耗能產(chǎn)業(yè)碳強(qiáng)度將提高0.255%。另外,經(jīng)濟(jì)發(fā)展水平和城鎮(zhèn)化水平既不存在直接效應(yīng)、也無間接效應(yīng),這一現(xiàn)象與已有對整體碳強(qiáng)度的研究結(jié)果差異明顯。

降低高耗能產(chǎn)業(yè)碳強(qiáng)度是我國實現(xiàn)2030年減排目標(biāo)的重要抓手。本文通過實證研究獲得以下政策啟示：(1)重視高耗能產(chǎn)業(yè)碳強(qiáng)度的空間交互效應(yīng),制定區(qū)域協(xié)同發(fā)展與控制策略。大區(qū)域范圍內(nèi)應(yīng)該采取統(tǒng)籌規(guī)劃、資源共享、產(chǎn)業(yè)協(xié)作以及信息共享的合作治理模式。(2)把握影響高耗能產(chǎn)業(yè)碳強(qiáng)度的主導(dǎo)因素,確定減排政策的重點方向。高度重視技術(shù)創(chuàng)新在降低高耗能產(chǎn)業(yè)碳強(qiáng)度的作用,加大外向型經(jīng)濟(jì)開放力度,積極引進(jìn)國外先進(jìn)工業(yè)技術(shù)設(shè)備和管理經(jīng)驗,著力調(diào)整高耗能產(chǎn)業(yè)領(lǐng)域的能源消費(fèi)結(jié)構(gòu),提高清潔能源的消費(fèi)比重；優(yōu)化產(chǎn)業(yè)布局,推進(jìn)高耗能產(chǎn)業(yè)集聚式發(fā)展;加強(qiáng)環(huán)境管制,制定嚴(yán)格的排放標(biāo)準(zhǔn)。(3)立足于區(qū)域?qū)嵺`,制定差異化的減排措施。東部沿海地區(qū)應(yīng)推進(jìn)自主創(chuàng)新與引進(jìn)國外先進(jìn)技術(shù)并重,大力推進(jìn)創(chuàng)新技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用,打造生態(tài)型產(chǎn)業(yè)集群,發(fā)展循環(huán)經(jīng)濟(jì)；中西部以及北方省份應(yīng)以能源消費(fèi)結(jié)構(gòu)優(yōu)化為核心,逐步降低以煤為主的高消耗、高排放的發(fā)展方式。(4)應(yīng)對當(dāng)前高耗能產(chǎn)業(yè)逐步向中西部轉(zhuǎn)移的趨勢,為避免成為“污染避難所”,中西部地方政府需要加強(qiáng)環(huán)境監(jiān)管,因地制宜,在評價資源環(huán)境承載力的前提下合理推進(jìn)產(chǎn)業(yè)布局。

該研究還存在一些薄弱環(huán)節(jié),一些問題還有待于深入探究。第一,由于數(shù)據(jù)限制,研究選取的基本空間單元僅在省域?qū)用?未來有必要從地級市或更小的空間尺度進(jìn)一步開展研究。第二,本文將高耗能產(chǎn)業(yè)作為整體研究,由于決定不同行業(yè)碳排放強(qiáng)度的影響因子存在較大差異,未來還需要從高耗能產(chǎn)業(yè)的細(xì)分行業(yè)深入探討,有助于提升不同區(qū)域節(jié)能減排的針對性。第三,對于影響因素及其空間溢出效應(yīng)的探討,本文側(cè)重揭示了不同要素的影響方向、相對強(qiáng)度以及溢出效應(yīng),但一些因素的特殊作用規(guī)律沒有被深入刻畫,譬如本文模型中顯示經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化率對高耗能產(chǎn)業(yè)碳排放的影響不顯著,而已有的研究成果表明經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化率對碳強(qiáng)度的影響除了線性關(guān)系還存在非線性關(guān)系,二者對高耗能產(chǎn)業(yè)碳排放是否也存在非線性這樣的規(guī)律？因此,未來還需要采用新模型、新方法進(jìn)一步分析不同影響因素的作用機(jī)制以及多種變量之間的交互影響。