中國(guó)經(jīng)濟(jì)增長(zhǎng)與煤炭消費(fèi)脫鉤及影響因素分析

龐 軍,梁宇超,孫可可,石媛昌 (.中國(guó)人民大學(xué)環(huán)境學(xué)院,北京 00872；2.中國(guó)農(nóng)業(yè)大學(xué)理學(xué)院,北京 00083)

“碳達(dá)峰”、“碳中和”目標(biāo)的提出,開啟了中國(guó)經(jīng)濟(jì)綠色低碳轉(zhuǎn)型的新時(shí)代.二氧化碳在社會(huì)中的主要來(lái)源是化石燃料的燃燒,由于我國(guó)煤炭產(chǎn)量高,不少地區(qū)仍處于工業(yè)化進(jìn)程中,導(dǎo)致煤炭占據(jù)著我國(guó)最大的化石燃料消費(fèi)比例,在能源消費(fèi)結(jié)構(gòu)中占到近60%[1],并造成我國(guó)70%以上的二氧化碳排放,煤炭消費(fèi)占據(jù)我國(guó)能源消費(fèi)的主體地位在短時(shí)間內(nèi)難以改變[2].

在雙碳目標(biāo)實(shí)現(xiàn)過程中,地方省(區(qū)、市)是實(shí)現(xiàn)煤炭消費(fèi)總量控制、推進(jìn)“碳達(dá)峰”、“碳中和”目標(biāo)的責(zé)任主體,各省(區(qū)、市)需要明確煤炭消費(fèi)總量控制目標(biāo),落實(shí)減煤行動(dòng),確保煤炭消費(fèi)量不再增長(zhǎng)乃至有序降低.但我國(guó)幅員遼闊,資源稟賦不同,各省(區(qū)、市)經(jīng)濟(jì)發(fā)展階段、煤炭消費(fèi)情況具有很大差異[3],因此需要遵循共同但有區(qū)別的責(zé)任原則,因地制宜的制定符合當(dāng)?shù)厍闆r的減煤計(jì)劃,在這一過程中,明確各地煤炭消費(fèi)脫鉤情況顯得尤為重要.

“脫鉤”(Decoupling)一詞來(lái)源于物理學(xué),經(jīng)濟(jì)合作與發(fā)展組織(OECD)使用“脫鉤”理論研究農(nóng)業(yè)政策與貿(mào)易、生產(chǎn)的關(guān)系,并將“脫鉤”概念引入到環(huán)境經(jīng)濟(jì)學(xué)領(lǐng)域[4].在環(huán)境經(jīng)濟(jì)學(xué)領(lǐng)域中,“脫鉤”研究的是經(jīng)濟(jì)發(fā)展與環(huán)境之間的關(guān)系,主要有“去物質(zhì)化”和“去污染化”兩個(gè)方向,“去物質(zhì)化”指的是經(jīng)濟(jì)已經(jīng)發(fā)展到某個(gè)水平可以脫離相關(guān)環(huán)境要素的投入而繼續(xù)發(fā)展;“去污染化”指的是經(jīng)濟(jì)已經(jīng)發(fā)展到某個(gè)水平,繼續(xù)發(fā)展能夠不再對(duì)環(huán)境造成相同程度的污染或負(fù)面影響[5-6].本文研究的經(jīng)濟(jì)增長(zhǎng)與煤炭消費(fèi)的脫鉤,屬于“去物質(zhì)化”方向.“脫鉤”理論已經(jīng)廣泛運(yùn)用到了資源與環(huán)境經(jīng)濟(jì)學(xué)研究領(lǐng)域,例如能源消耗的脫鉤研究[7-9]、碳排放的脫鉤研究[10-13]、水資源利用的脫鉤研究[14-15]、土地資源的脫鉤研究[16-17]、生態(tài)環(huán)境壓力的脫鉤研究[18-20]等.

2002 年OECD 提出了第一個(gè)計(jì)算脫鉤的指數(shù),用來(lái)分析環(huán)境壓力(EP)與經(jīng)濟(jì)情況(DF)之間隨時(shí)間變化的相對(duì)關(guān)系,但是OECD 僅將脫鉤狀態(tài)分為相對(duì)脫鉤和絕對(duì)脫鉤兩種類型;Tapio 創(chuàng)建了彈性脫鉤模型并以此分析芬蘭1970～2001 年間經(jīng)濟(jì)增長(zhǎng)與該國(guó)交通工具二氧化碳排放之間的關(guān)系,并將脫鉤狀態(tài)分為8 種類型[21].孫耀華等[4]認(rèn)為Tapio 彈性脫鉤模型對(duì)基期的選擇不敏感,與統(tǒng)計(jì)量綱無(wú)關(guān),可以添加結(jié)構(gòu)性變量,分解脫鉤指標(biāo),有助于研究影響脫鉤的結(jié)構(gòu)性因素.Tapio 脫鉤方法為能源、二氧化碳排放與經(jīng)濟(jì)關(guān)系領(lǐng)域的研究提供了方法,被許多學(xué)者應(yīng)用到能源消耗、二氧化碳排放與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系相關(guān)研究中[7-13].

當(dāng)前脫鉤方面的研究熱點(diǎn)主要集中在二氧化碳排放脫鉤領(lǐng)域,從國(guó)家層面到省(區(qū)、市)層面,乃至具體到不同行業(yè)均有較為廣泛的研究,但當(dāng)前關(guān)于煤炭消費(fèi)的脫鉤研究相對(duì)較少,現(xiàn)有研究主要關(guān)注國(guó)家層面能源消費(fèi)或某個(gè)地區(qū)層面煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)之間的脫鉤關(guān)系.具體來(lái)說(shuō),有研究者[22-23]主要關(guān)注全國(guó)層面的煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的脫鉤指數(shù),分析了中國(guó)煤炭消費(fèi)基本情況以及對(duì)經(jīng)濟(jì)增長(zhǎng)的影響;車亮亮等[9]則從省級(jí)的角度考慮,測(cè)算了中國(guó)30 個(gè)省(區(qū)、市)的煤炭資源利用效率,計(jì)算了“十五”和“十一五”時(shí)期各省(區(qū)、市)煤炭消費(fèi)、煤炭利用效率與經(jīng)濟(jì)增長(zhǎng)的脫鉤指數(shù);肖嵐[24]以及趙慧亮[25]則分別聚焦于特定地區(qū)進(jìn)行研究,二人分別研究了京津冀地區(qū)及山西省煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系,并對(duì)影響脫鉤的主要因素進(jìn)行了分析.

綜上所述,當(dāng)前學(xué)界關(guān)于煤炭消費(fèi)的脫鉤研究還比較少,且大多關(guān)注國(guó)家層面或某一區(qū)域?qū)用?而對(duì)國(guó)家整體層面和某個(gè)地區(qū)層面的煤炭消費(fèi)脫鉤研究,多用分解模型來(lái)研究脫鉤的結(jié)構(gòu)性驅(qū)動(dòng)因素,缺乏更進(jìn)一步深入研究.此外,對(duì)我國(guó)各省(區(qū)、市)煤炭消費(fèi)脫鉤情況的研究還停留在“十五”、“十一五”時(shí)期,且僅是計(jì)算出脫鉤指數(shù),描述性地分析脫鉤情況,缺乏深入分析.

本文首先對(duì)我國(guó)各省(區(qū)、市)煤炭消費(fèi)脫鉤情況分析.基于Tapio 脫鉤指數(shù)模型,采用“兩階滾動(dòng)計(jì)算法”,以2005 年為基年計(jì)算我國(guó)30 個(gè)省(區(qū)、市)2006～2019 年煤炭消費(fèi)脫鉤指數(shù),從縱向和橫向兩個(gè)角度分析我國(guó)各省(區(qū)、市)煤炭消費(fèi)脫鉤的時(shí)空演變特征.同時(shí),將2006～2019 年分成3 個(gè)五年規(guī)劃時(shí)期,計(jì)算“十一五”(2006～2010)、“十二五”(2011～2015)、“十三五”(2016～2019)3 個(gè)時(shí)段的脫鉤指數(shù),研究各省(區(qū)、市)煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)在各個(gè)五年規(guī)劃期的脫鉤情況.然后,對(duì)我國(guó)煤炭消費(fèi)脫鉤影響因素分析,根據(jù)拓展的STIRPAT 模型,構(gòu)建空間杜賓模型研究經(jīng)濟(jì)水平、能源結(jié)構(gòu)、人口密度、技術(shù)水平(R&D 研發(fā)投入、能源強(qiáng)度)、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、對(duì)外開放水平、新造林面積對(duì)煤炭消費(fèi)脫鉤的影響.

本文的主要?jiǎng)?chuàng)新體現(xiàn)在以下兩點(diǎn):第一,研究的樣本范圍更加廣泛,也更加關(guān)注長(zhǎng)期變化.本文全面測(cè)算了全國(guó)30 個(gè)省(區(qū)、市)2005～2019 年煤炭消費(fèi)脫鉤情況,并從時(shí)間與空間兩個(gè)維度展開深入分析.第二,當(dāng)前煤炭消費(fèi)脫鉤研究多是通過描述性統(tǒng)計(jì)或分解模型分析其驅(qū)動(dòng)因素,未考慮空間相關(guān)性關(guān)系.本文結(jié)合STIRPAT 模型和空間杜賓模型,更全面地考察各省(區(qū)、市)煤炭消費(fèi)與經(jīng)濟(jì)脫鉤的影響因素.

1 研究方法與數(shù)據(jù)

1.1 Tapio 脫鉤模型

關(guān)于脫鉤指數(shù)的測(cè)算有兩種形式,一種是采用環(huán)比形式,基于相鄰年份的數(shù)據(jù)計(jì)算,一種是基于首年的數(shù)據(jù)計(jì)算.本文采用Tapio 指數(shù)的兩階段滾動(dòng)計(jì)算法來(lái)進(jìn)行研究[26],具體來(lái)說(shuō),一是在整個(gè)長(zhǎng)研究周期內(nèi),基于首年逐年測(cè)算脫鉤指數(shù),二是將研究期分成幾個(gè)時(shí)間段,基于每一個(gè)時(shí)間段首年測(cè)算脫鉤指數(shù).

本文采用上述脫鉤指數(shù)的“兩階滾動(dòng)計(jì)算法”,首先研究2005～2019 年整個(gè)長(zhǎng)周期內(nèi)的煤炭消費(fèi)脫鉤情況,以首年2005 年為基準(zhǔn)年逐年計(jì)算煤炭消費(fèi)脫鉤指數(shù);然后針對(duì)我國(guó)五年戰(zhàn)略規(guī)劃的國(guó)情,分別測(cè)算“十一五”(2006～2010 年)、“十二五”(2011～2015年)和“十三五”(2016～2019 年)3 個(gè)時(shí)間段的脫鉤指數(shù),研究煤炭消費(fèi)量與經(jīng)濟(jì)在這3 個(gè)五年規(guī)劃期的脫鉤情況.最后再結(jié)合脫鉤穩(wěn)定系數(shù)等方法進(jìn)行進(jìn)一步分析.本文設(shè)置的煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的Tapio脫鉤指數(shù)模型如式(1):

式中:Ti,t表示i省(區(qū)、市)在t年的煤炭消費(fèi)量和地區(qū)生產(chǎn)總值的Tapio 脫鉤指數(shù)值;C表示煤炭消費(fèi)量,G表示地區(qū)生產(chǎn)總值,0 為基期.參考Tapio[27]、夏勇等[28]、Hu 等[29]、張勇等[30]的研究成果,本文將脫鉤狀態(tài)分為8 種,具體8 種類型的脫鉤狀態(tài)和對(duì)應(yīng)的指數(shù)值如表1 所示,閾值0.8 和1.2 是參考大多數(shù)脫鉤研究的經(jīng)驗(yàn)值.由于我國(guó)各省(區(qū)、市)經(jīng)濟(jì)始終處于正增長(zhǎng)狀態(tài),煤炭消費(fèi)與經(jīng)濟(jì)的脫鉤只存在4 種狀態(tài),按脫鉤指數(shù)由大到小依次是增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)、弱脫鉤和強(qiáng)脫鉤,其中強(qiáng)脫鉤是最理想的狀態(tài),也就是說(shuō),煤炭消費(fèi)脫鉤指數(shù)越小越好.

表1 脫鉤狀態(tài)分類Table 1 Classification of decoupling status

表2 東部地區(qū)2006～2019 年煤炭消費(fèi)脫鉤情況Table 2 Decoupling situation of coal consumption in the east region of China from 2006 to 2019

表3 中部地區(qū)2006～2019 年煤炭消費(fèi)脫鉤情況Table 3 Decoupling situation of coal consumption in the central region of China from 2006 to 2019

表4 西部地區(qū)2006～2019 年煤炭消費(fèi)脫鉤情況Table 4 Decoupling situation of coal consumption in the west region of China from 2006 to 2019

1.2 拓展的STIRPAT 模型

Ehrlich 等[31]、Holden 等[32]首次使用IPAT 模型來(lái)研究人口、經(jīng)濟(jì)、技術(shù)水平對(duì)環(huán)境壓力的影響,Waggoner 等[33]進(jìn)一步提出ImPACT 模型,將技術(shù)水平拆分成單位能耗的排放(T)和單位產(chǎn)出消耗(C).無(wú)論是IPAT 模型還是ImPACT 模型都只能研究影響因素等比例的變化情況,模型中I對(duì)變量的彈性為定值1,使用范圍較小.在此基礎(chǔ)上Dietz 等[34]進(jìn)一步提出了 STIRPAT 模型, 如公式(3) 所示,STIRPAT 模型中環(huán)境壓力(I)與各個(gè)因素之間不再是成等比例變化,而是非線性形式.

對(duì)公式(2)的兩邊同時(shí)取對(duì)數(shù),模型變?yōu)?

式中:I為環(huán)境壓力;P為人口;A為經(jīng)濟(jì);T為技術(shù)水平;α是模型的截距項(xiàng);β1、β2、β3是各個(gè)影響因素的系數(shù).

改進(jìn)后的STIRPAT 模型可以加入更多的因素來(lái)研究其對(duì)環(huán)境壓力的影響.參考煤炭消費(fèi)量影響因素研究的相關(guān)文獻(xiàn),考慮到能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、對(duì)外開放水平及樹林覆蓋面積等因素可能會(huì)對(duì)煤炭消費(fèi)脫鉤情況產(chǎn)生影響[35-40],因此本文在式(3)的基礎(chǔ)上,引入這些影響因素,模型拓展為式(4).

考慮到各個(gè)省(區(qū)、市)的脫鉤情況可能存在空間上的相互影響關(guān)系,因此本文將空間因素納入考慮,采用空間面板模型來(lái)分析對(duì)各省(區(qū)、市)脫鉤影響因素.本文在式(4)基礎(chǔ)上,進(jìn)一步構(gòu)建煤炭消費(fèi)脫鉤指數(shù)的空間杜賓模型,更加全面地分析煤炭消費(fèi)脫鉤指數(shù)空間差異的影響因素.

式中:lnTi,t是被解釋變量,表示i省(區(qū)、市)第t年的煤炭消費(fèi)脫鉤指數(shù);lnTj,t表示i省(區(qū)、市)的鄰近省(區(qū)、市)j在第t年的煤炭消費(fèi)脫鉤指數(shù);ρ是被解釋變量的空間自回歸系數(shù),表示鄰近省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)對(duì)本省(區(qū)、市)脫鉤指數(shù)的空間溢出效應(yīng)的方向和強(qiáng)度;Wi,j是空間權(quán)重矩陣;Xi,t為解釋變量;表示空間效應(yīng)系數(shù);ut和i分別表示時(shí)間固定效應(yīng)和空間固定效應(yīng);ei,t表示隨機(jī)誤差項(xiàng).

1.3 變量選取與數(shù)據(jù)來(lái)源

被解釋變量:煤炭消費(fèi)脫鉤指數(shù).Ti,t表示i省(區(qū)、市)在t年的煤炭消費(fèi)脫鉤指數(shù),是以2005 年為基年逐年測(cè)算的脫鉤指數(shù).但是脫鉤指數(shù)既有正值也有負(fù)值,不能夠直接取對(duì)數(shù),參考夏勇[41]的研究,先取2005～2019 年間30 個(gè)省(區(qū)、市)的脫鉤指數(shù)的最小值的整數(shù),再將各省(區(qū)、市)各年的脫鉤指數(shù)減去最小值的整數(shù),最后取對(duì)數(shù).

解釋變量:拓展的STIRPAT 模型已經(jīng)考慮了人口因素、技術(shù)因素以及經(jīng)濟(jì)發(fā)展水平因素對(duì)環(huán)境壓力的影響[34],參考現(xiàn)有研究煤炭消費(fèi)影響因素的文獻(xiàn),本文加入了能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、城市鎮(zhèn)化水平、對(duì)外開放水平及樹林覆蓋面積等變量來(lái)更詳細(xì)的分析煤炭消費(fèi)脫鉤影響因素[35-40].人均GDP(pgdp),各省(區(qū)、市)的人均GDP 是以2005 年為基年,經(jīng)GDP 平減指數(shù)計(jì)算后的實(shí)際值.人口密度(pi),考慮到不同省(區(qū)、市)間行政面積有所不同,可承載的人口不同,因而選擇人口密度指標(biāo)來(lái)研究人口(P)對(duì)煤炭消費(fèi)脫鉤的影響.技術(shù)水平變量(T),可以分為績(jī)效型和投入型,績(jī)效型選擇能源強(qiáng)度(ei),投入型選擇各省(區(qū)、市)R&D 經(jīng)費(fèi)投入強(qiáng)度(rd).能源結(jié)構(gòu)(es),以煤炭消費(fèi)量占能源消費(fèi)量的比值表示.產(chǎn)業(yè)結(jié)構(gòu)(ind),以工業(yè)增加值占地區(qū)生產(chǎn)總值的比值表示.城鎮(zhèn)化水平(ur),以城鎮(zhèn)人口占常住人口的比值表示.對(duì)外開放水平(open),以外商投資總額占地區(qū)生產(chǎn)總值的比值表示.新造林面積(green),使用地區(qū)每年新造林面積占地區(qū)行政面積的比重來(lái)表示.

數(shù)據(jù)來(lái)源:研究數(shù)據(jù)為2006～2019 年我國(guó)30 個(gè)省(區(qū)、市)(西藏和港澳臺(tái)除外)的包含420 個(gè)樣本的面板數(shù)據(jù).脫鉤指數(shù)根據(jù)Tapio 脫鉤模型算出,影響因素相關(guān)數(shù)據(jù)出自對(duì)應(yīng)時(shí)期的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、全國(guó)科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)以及各省(區(qū)、市)的統(tǒng)計(jì)年鑒.

2 煤炭消費(fèi)脫鉤的實(shí)證分析

2.1 各省(區(qū)、市)煤炭消費(fèi)脫鉤長(zhǎng)周期分析

首先,研究2005～2019 年整個(gè)長(zhǎng)周期內(nèi)我國(guó)30個(gè)省(區(qū)、市)的煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)脫鉤情況,以首年2005 年為基準(zhǔn)年逐年計(jì)算中國(guó)各省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù),考慮到我國(guó)不同地區(qū)發(fā)展差異較大,資源稟賦與能源消費(fèi)情況具有明顯不同,因此本文將30 個(gè)省(區(qū)、市)分為東、中、西3 個(gè)地區(qū)進(jìn)行分析.

2.1.1 東部地區(qū) 北京市表現(xiàn)最為出色,在2006～2019 年期間均實(shí)現(xiàn)了煤炭消費(fèi)的強(qiáng)脫鉤,脫鉤狀態(tài)最為理想,上海表現(xiàn)也較為出色,除了在2008～2013年期間保持弱脫鉤狀態(tài),其余時(shí)間呈現(xiàn)了強(qiáng)脫鉤特征,天津在2006～2018 年呈現(xiàn)弱脫鉤狀態(tài),2019 年實(shí)現(xiàn)從弱脫鉤至強(qiáng)脫鉤的進(jìn)步,但是否可以保持強(qiáng)脫鉤狀態(tài)還需更長(zhǎng)時(shí)間驗(yàn)證.此外,江蘇、遼寧在整個(gè)研究期間均保持弱脫鉤狀態(tài),且脫鉤指數(shù)呈現(xiàn)波動(dòng)下降趨勢(shì),脫鉤狀態(tài)呈優(yōu)化趨勢(shì).浙江、福建、山東均實(shí)現(xiàn)從增長(zhǎng)聯(lián)結(jié)至弱脫鉤的轉(zhuǎn)變,且脫鉤指數(shù)逐漸降低,脫鉤狀態(tài)持續(xù)優(yōu)化,河北省脫鉤狀態(tài)在2007年出現(xiàn)了短暫的增長(zhǎng)聯(lián)結(jié).廣東省整體脫鉤狀態(tài)不穩(wěn)定,在2006年實(shí)現(xiàn)了弱脫鉤,2007年呈現(xiàn)增長(zhǎng)聯(lián)結(jié)狀態(tài),2008～2010 年實(shí)現(xiàn)了弱脫鉤,但是2011 年又退化到增長(zhǎng)聯(lián)結(jié)狀態(tài),2012～2019 年?duì)顟B(tài)比較穩(wěn)定,呈現(xiàn)弱脫鉤狀態(tài),且整體上脫鉤指數(shù)逐漸降低,脫鉤狀態(tài)不斷優(yōu)化.東部地區(qū)表現(xiàn)較差的是海南地區(qū),在2006 年短暫的實(shí)現(xiàn)了弱脫鉤,但是從2007～2019 年,均呈現(xiàn)增長(zhǎng)聯(lián)結(jié)狀態(tài).總而言之,東部地區(qū)整體表現(xiàn)較好,大部分省(區(qū)、市)的脫鉤指數(shù)呈現(xiàn)下降趨勢(shì),北京整體處于強(qiáng)脫鉤狀態(tài),而上海也從2014 年左右實(shí)現(xiàn)了強(qiáng)脫鉤,除海南省外的其他省(區(qū)、市)也陸續(xù)實(shí)現(xiàn)了弱脫鉤,海南省脫鉤狀態(tài)在東部地區(qū)省(區(qū)、市)中表現(xiàn)較差,在研究期間內(nèi)大多時(shí)間呈現(xiàn)增長(zhǎng)聯(lián)結(jié)狀態(tài),直至2019 年也未實(shí)現(xiàn)脫鉤.總體來(lái)看,東部地區(qū)大多數(shù)省(區(qū)、市)能源消費(fèi)結(jié)構(gòu)調(diào)整效果明顯,大多數(shù)省(區(qū)、市)的經(jīng)濟(jì)增長(zhǎng)不再依賴于煤炭能源的消費(fèi),雖然在經(jīng)濟(jì)增長(zhǎng)的同時(shí)煤炭消費(fèi)也在增長(zhǎng),但是經(jīng)濟(jì)增速要高于煤炭消費(fèi)增速.此外,如北京、2019 年的天津、2014 年后的上海,能夠?qū)崿F(xiàn)維持經(jīng)濟(jì)增長(zhǎng)的同時(shí),降低煤炭消費(fèi)量,減煤降碳工作成效顯著,這3 個(gè)直轄市在煤炭脫鉤方面的表現(xiàn)優(yōu)異,一方面可能得益于更高的經(jīng)濟(jì)發(fā)展水平與合理的產(chǎn)業(yè)結(jié)構(gòu),另一方面,也有可能是得益于研究期間內(nèi)更加嚴(yán)格的環(huán)境規(guī)制,2010 年前后治理空氣污染的措施頻出,環(huán)境規(guī)制日益嚴(yán)格,可能加速了3 個(gè)地區(qū)的煤炭消費(fèi)脫鉤進(jìn)程.

北京的優(yōu)異表現(xiàn)可能得益于舉辦奧運(yùn)會(huì)期間付出的巨大的能源轉(zhuǎn)型努力,在《北京市“十二五”時(shí)期能源發(fā)展建設(shè)規(guī)劃》中曾提及,北京市“加快實(shí)施燃煤設(shè)施資源整合和清潔能源改造”,并在每個(gè)五年計(jì)劃時(shí)期設(shè)定了煤炭消費(fèi)占比下降目標(biāo),巨大的能源消費(fèi)結(jié)構(gòu)調(diào)整努力使得北京市表現(xiàn)出優(yōu)異的脫鉤狀態(tài).而京津冀地區(qū)在研究期間做出了巨大的空氣污染治理努力也可能帶來(lái)了煤炭脫鉤的協(xié)同效益,如2013 年左右出臺(tái)的《京津冀及周邊地區(qū)落實(shí)大氣污染防治行動(dòng)計(jì)劃實(shí)施細(xì)則》等一系列大氣污染防治政策,以及京津冀地區(qū)大力推行“煤改氣”等,都直接或間接的推動(dòng)了京津冀地區(qū)能源消費(fèi)結(jié)構(gòu)的優(yōu)化轉(zhuǎn)型,促進(jìn)了煤炭消費(fèi)脫鉤.

2.1.2 中部地區(qū) 湖南省表現(xiàn)最為優(yōu)秀,在2006～2019 年期間一直保持著弱脫鉤狀態(tài),且整體上脫鉤指數(shù)逐漸降低,呈較好趨勢(shì),有望實(shí)現(xiàn)強(qiáng)脫鉤.河南、山西這2 個(gè)省呈現(xiàn)由增長(zhǎng)聯(lián)結(jié)向弱脫鉤轉(zhuǎn)變的趨勢(shì),湖北與山西轉(zhuǎn)變發(fā)生的最早,在2007 年就呈現(xiàn)了弱脫鉤的狀態(tài),且狀態(tài)較為平穩(wěn),一直保持弱脫鉤狀態(tài)至2019 年,河南則是從2008 年開始進(jìn)入弱脫鉤狀態(tài)并保持至2019 年,值得注意的是,這3 個(gè)省的脫鉤指數(shù)均呈現(xiàn)較為穩(wěn)定的下降趨勢(shì),且河南省的脫鉤指數(shù)降低幅度較快,有望在不久的未來(lái)實(shí)現(xiàn)強(qiáng)脫鉤.其他的省(區(qū)、市)在研究期間內(nèi)整體呈現(xiàn)弱脫鉤狀態(tài),但是均存在一定的波動(dòng),波動(dòng)后脫鉤指數(shù)逐漸降低,脫鉤狀態(tài)持續(xù)優(yōu)化,如吉林、黑龍江、江西3 個(gè)省份,分別在2011、2008 與2007 呈現(xiàn)了短暫的增長(zhǎng)聯(lián)結(jié)狀態(tài),在其他年份則保持弱脫鉤狀態(tài),而安徽省則是在2008～2009 年出現(xiàn)了增長(zhǎng)聯(lián)結(jié)狀態(tài),其他時(shí)間保持弱脫鉤狀態(tài).總體來(lái)說(shuō),中部地區(qū)各個(gè)省(區(qū)、市)煤炭消費(fèi)脫鉤狀態(tài)較為接近,以弱脫鉤狀態(tài)為主,表明各省(區(qū)、市)經(jīng)濟(jì)增長(zhǎng)速度快于煤炭消費(fèi)增速,且各個(gè)省(區(qū)、市)的脫鉤指數(shù)總體均呈現(xiàn)下降趨勢(shì),其中河南、湖北、湖南3 個(gè)省份下降明顯,有望盡快進(jìn)入強(qiáng)脫鉤狀態(tài),這可能是由于這3 個(gè)省份經(jīng)濟(jì)增速較快,以2019 年為例,3 省的經(jīng)濟(jì)增速均處于全國(guó)上等水平.根據(jù)《2008 年河南工業(yè)經(jīng)濟(jì)發(fā)展報(bào)告》指出,2008 年河南省經(jīng)濟(jì)增速全年規(guī)模以上工業(yè)增加值增速達(dá)到19.8%,增幅比全國(guó)平均水平高6.9 個(gè)百分點(diǎn),同時(shí)高耗能行業(yè)增速減緩,這可能是河南省于同年實(shí)現(xiàn)煤炭消費(fèi)弱脫鉤的主要原因,而2008 年煤價(jià)回落導(dǎo)致的河南、山西大規(guī)模減產(chǎn),可能也間接提升了兩省在同期的煤炭消費(fèi)脫鉤狀態(tài).安徽雖然在“十一五”期間煤炭產(chǎn)量仍然有增長(zhǎng),但清潔能源也取得長(zhǎng)足發(fā)展,如《安徽省“十一五”能源發(fā)展規(guī)劃》就指出“水電在能源生產(chǎn)總量中的比重由2000 年的0.2%,上升到2005 年的2.0%左右”且“全省16 個(gè)城市相繼開展了天然氣利用工程規(guī)劃與建設(shè)”,這為安徽省實(shí)現(xiàn)煤炭消費(fèi)弱脫鉤奠定了良好的基礎(chǔ),而2008 年的經(jīng)濟(jì)危機(jī)導(dǎo)致的經(jīng)濟(jì)增速放緩,可能是同期安徽脫鉤狀態(tài)退步的主要原因.

2.1.3 西部地區(qū) 表現(xiàn)最為突出的是四川省,四川省在2006～2016 年間保持著弱脫鉤狀態(tài),自2017 年開始進(jìn)入強(qiáng)脫鉤狀態(tài),表明四川省能源消費(fèi)結(jié)構(gòu)優(yōu)化效果明顯,能夠在保持經(jīng)濟(jì)增長(zhǎng)的同時(shí)減少煤炭的消費(fèi).其次是甘肅省,在研究期間內(nèi)也實(shí)現(xiàn)了弱脫鉤,并保持著較為穩(wěn)定的弱脫鉤狀態(tài).部分省(區(qū)、市)在2006～2019 年期間實(shí)現(xiàn)了由增長(zhǎng)聯(lián)結(jié)向弱脫鉤狀態(tài)的轉(zhuǎn)變,云南、貴州、重慶分別從2007 年開始較早地進(jìn)入弱脫鉤狀態(tài),且弱脫鉤狀態(tài)較為穩(wěn)定,未出現(xiàn)反復(fù),就脫鉤指數(shù)來(lái)說(shuō),云南與重慶的脫鉤指數(shù)下降明顯,未來(lái)有望盡早進(jìn)入煤炭消費(fèi)強(qiáng)脫鉤的理想狀態(tài).其他西部地區(qū)省(區(qū)、市)的脫鉤狀態(tài)較差,且在2006～2019 年期間波動(dòng)明顯,具體來(lái)說(shuō),內(nèi)蒙古實(shí)現(xiàn)了從增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)向弱脫鉤的轉(zhuǎn)變,脫鉤狀態(tài)提升較為顯著,陜西也呈現(xiàn)出從增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)向弱脫鉤的轉(zhuǎn)變,但是在2019 年又回歸增長(zhǎng)聯(lián)結(jié)狀態(tài),波動(dòng)明顯.廣西則一直在增長(zhǎng)聯(lián)結(jié)與弱脫鉤之間交替變動(dòng),脫鉤狀態(tài)呈現(xiàn)明顯的不穩(wěn)定性.青海、寧夏與新疆3 個(gè)地區(qū)的煤炭消費(fèi)脫鉤情況較不理想,青海在大部分時(shí)間呈現(xiàn)增長(zhǎng)聯(lián)結(jié)與弱脫鉤狀態(tài),但是在2007 年也出現(xiàn)了增長(zhǎng)負(fù)脫鉤的狀態(tài).而寧夏自2006～2019 年間主要以增長(zhǎng)負(fù)脫鉤與增長(zhǎng)聯(lián)結(jié)狀態(tài)為主,在2018～2019 年呈現(xiàn)明顯的脫鉤狀態(tài)惡化.而新疆則在整個(gè)時(shí)期以增長(zhǎng)負(fù)脫鉤狀態(tài)為主,表明新疆的經(jīng)濟(jì)增長(zhǎng)仍較依賴煤炭能源消費(fèi),煤炭消費(fèi)的增長(zhǎng)率高于經(jīng)濟(jì)增長(zhǎng)率.總體來(lái)說(shuō),西部各省(區(qū)、市)的煤炭消費(fèi)脫鉤狀態(tài)呈現(xiàn)出不穩(wěn)定與不理想這兩個(gè)特征,除云南與重慶的脫鉤指數(shù)呈現(xiàn)明顯向好趨勢(shì),其他地區(qū)均呈現(xiàn)增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)之間波動(dòng),如新疆地區(qū)則仍以增長(zhǎng)負(fù)脫鉤狀態(tài)為主,這可能是由于西部地區(qū)整體經(jīng)濟(jì)發(fā)展水平欠佳,經(jīng)濟(jì)發(fā)展階段與東部、中部地區(qū)相比相對(duì)落后,可能經(jīng)濟(jì)仍未擺脫對(duì)煤炭能源的依賴.而四川省在西部省(區(qū)、市)中表現(xiàn)優(yōu)異,有可能得益于其自身優(yōu)越的能源結(jié)構(gòu),四川省具有“水多氣豐煤少”的能源資源特征,水能與天然氣蘊(yùn)藏量約占全國(guó)的五分之一,清潔能源與可再生能源占比較高,這可能導(dǎo)致其煤炭消費(fèi)脫鉤狀態(tài)較好.重慶市與云南省在“十一五”規(guī)劃期間均制定了嚴(yán)格的節(jié)能減排目標(biāo),且完成度較高,為長(zhǎng)周期的促進(jìn)煤炭消費(fèi)脫鉤打下了良好的基礎(chǔ),因此在研究期間煤炭消費(fèi)脫鉤指數(shù)呈明顯下降趨勢(shì).此外,西部地區(qū)大多省(區(qū)、市)自然資源稟賦豐富、煤炭產(chǎn)量與儲(chǔ)量豐富,如內(nèi)蒙古、陜西、新疆等省(區(qū)、市)在原煤產(chǎn)量方面名列前茅,經(jīng)濟(jì)發(fā)展可能更傾向于依賴能源消費(fèi),其煤炭消費(fèi)脫鉤狀態(tài)可能受困于“資源詛咒”效應(yīng).測(cè)算結(jié)果表明整個(gè)西部地區(qū)煤炭消費(fèi)脫鉤狀態(tài)不理想,調(diào)整能源消費(fèi)結(jié)構(gòu)、實(shí)現(xiàn)減煤降碳任重道遠(yuǎn).

總的來(lái)看,自2006～2019 年中國(guó)30 個(gè)省(區(qū)、市)的煤炭消費(fèi)脫鉤指數(shù)整體呈逐步降低狀態(tài),雖有波動(dòng),但煤炭消費(fèi)脫鉤狀態(tài)總體不斷優(yōu)化,其中東部地區(qū)表現(xiàn)最好,脫鉤趨勢(shì)變動(dòng)較穩(wěn)定,其次是中部地區(qū),脫鉤狀態(tài)有明顯波動(dòng)但總體呈現(xiàn)向好趨勢(shì),西部地區(qū)整體表現(xiàn)較差,許多西部省(區(qū)、市)呈現(xiàn)出脫鉤狀態(tài)欠佳、波動(dòng)強(qiáng)烈的特征,其煤炭消費(fèi)脫鉤指數(shù)仍未能進(jìn)入穩(wěn)定的下降狀態(tài).部分經(jīng)濟(jì)發(fā)展水平較高的地區(qū)已經(jīng)于2019 年實(shí)現(xiàn)了強(qiáng)脫鉤狀態(tài),北京、上海、天津和四川實(shí)現(xiàn)了強(qiáng)脫鉤,能夠在維持經(jīng)濟(jì)增長(zhǎng)的同時(shí)降低煤炭消費(fèi),其中天津和四川是否可以保持強(qiáng)脫鉤狀態(tài)還需更長(zhǎng)時(shí)間驗(yàn)證.而大部分地區(qū)也均在2019 年實(shí)現(xiàn)了弱脫鉤,其中河南、云南、重慶、湖南、湖北脫鉤指數(shù)較低,有望在未來(lái)實(shí)現(xiàn)強(qiáng)脫鉤;陜西、海南處于增長(zhǎng)聯(lián)結(jié)狀態(tài),并有望實(shí)現(xiàn)弱脫鉤,而經(jīng)濟(jì)發(fā)展水平較差的寧夏與新疆地區(qū)脫鉤狀態(tài)不理想,到2019 年仍處于增長(zhǎng)負(fù)脫鉤狀態(tài),表明煤炭消費(fèi)量增速要高于經(jīng)濟(jì)增速,尚未能夠?qū)崿F(xiàn)能源消費(fèi)結(jié)構(gòu)優(yōu)化,未來(lái)減煤降碳的工作有待繼續(xù)推進(jìn),各省(區(qū)、市)2019 年的脫鉤狀態(tài)如表5 所示.

表5 2019 年煤炭消費(fèi)脫鉤情況匯總Table 5 Summary of decoupling situation of coal consumption in 2019

2.2 煤炭消費(fèi)脫鉤穩(wěn)定性分析

研究“脫鉤”不能忽視脫鉤的趨勢(shì)性,即煤炭消費(fèi)脫鉤不應(yīng)該是較短時(shí)間內(nèi)的煤炭消費(fèi)量的波動(dòng),而應(yīng)該是在一段時(shí)間內(nèi)比較穩(wěn)定、比較持續(xù)地處在脫鉤的狀態(tài).本文發(fā)現(xiàn)一些地區(qū)的脫鉤情況出現(xiàn)了明顯的波動(dòng)狀態(tài),因此有必要對(duì)各個(gè)省(區(qū)、市)的煤炭消費(fèi)脫鉤穩(wěn)定性情況進(jìn)行分析.齊靜等[42]最先提出研究脫鉤穩(wěn)定程度的指標(biāo)[42],陳瑤等[43]、韓夢(mèng)瑤等[44]在此基礎(chǔ)上進(jìn)行了應(yīng)用研究,本文參照齊靜等[42]的方式構(gòu)建了描述脫鉤狀態(tài)穩(wěn)定程度的指標(biāo)δ.

式中:T指研究年份;I指總研究年份;δ值越小,表明脫鉤狀態(tài)越穩(wěn)定,反之表明脫鉤狀態(tài)越不穩(wěn)定.

從表6 中可以看出,大部分省(區(qū)、市)脫鉤穩(wěn)定性系數(shù)小于0.4,脫鉤情況比較穩(wěn)定,天津、上海、海南、四川這4 個(gè)省(區(qū)、市)的脫鉤穩(wěn)定性系數(shù)大于0.4,脫鉤較不穩(wěn)定,上海出現(xiàn)了強(qiáng)脫鉤到弱脫鉤到強(qiáng)脫鉤的波動(dòng),四川實(shí)現(xiàn)了從增長(zhǎng)聯(lián)結(jié)到弱脫鉤再到強(qiáng)脫鉤的快速優(yōu)化,天津雖然于2019 年實(shí)現(xiàn)了強(qiáng)脫鉤,但其脫鉤狀態(tài)不穩(wěn)定指數(shù)較高,未來(lái)能否可以繼續(xù)保持強(qiáng)脫鉤狀態(tài)還需更長(zhǎng)時(shí)間驗(yàn)證.而新疆雖然在煤炭消費(fèi)脫鉤狀態(tài)方面表現(xiàn)欠佳,大部分時(shí)期處于增長(zhǎng)負(fù)脫鉤狀態(tài),但其脫鉤狀態(tài)不穩(wěn)定指數(shù)很低,表明新疆較差的脫鉤狀態(tài)是相對(duì)來(lái)說(shuō)穩(wěn)定的,這意味著未來(lái)新疆在促進(jìn)能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)型,降低煤炭消費(fèi)比重方面仍有很長(zhǎng)的路要走.

表6 煤炭消費(fèi)脫鉤穩(wěn)定性情況Table 6 Stability of the decoupling situation of coal consumption

2.3 五年規(guī)劃視角下煤炭消費(fèi)脫鉤特征分析

針對(duì)我國(guó)五年戰(zhàn)略規(guī)劃的國(guó)情,將研究階段分為3 個(gè)五年規(guī)劃期,分別測(cè)算“十一五”(2006～2010年)、“十二五”(2011～2015 年)和“十三五”(2016～2019年)3 個(gè)時(shí)間段的脫鉤指數(shù),研究煤炭消費(fèi)量與經(jīng)濟(jì)在這3 個(gè)五年規(guī)劃時(shí)期的脫鉤特征.

結(jié)果如表7 所示.總的來(lái)看,“十一五”期間,北京與上海率先實(shí)現(xiàn)了強(qiáng)脫鉤,大多數(shù)省(區(qū)、市)處于弱脫鉤與增長(zhǎng)聯(lián)結(jié)狀態(tài),內(nèi)蒙古、陜西與新疆則處于增長(zhǎng)負(fù)脫鉤的狀態(tài).“十二五”期間,北京、上海、四川實(shí)現(xiàn)了強(qiáng)脫鉤,海南、青海、寧夏與新疆4 個(gè)地區(qū)表現(xiàn)為增長(zhǎng)負(fù)脫鉤狀態(tài),表明這個(gè)時(shí)期這些地區(qū)煤炭消費(fèi)呈現(xiàn)了更快的增長(zhǎng).“十三五”期間,強(qiáng)脫鉤狀態(tài)的地區(qū)增加到12 個(gè),占據(jù)研究省(區(qū)、市)的一半左右,而黑龍江與青海則呈現(xiàn)出增長(zhǎng)負(fù)脫鉤的狀態(tài).總的來(lái)說(shuō),從五年規(guī)劃的視角來(lái)看,強(qiáng)脫鉤的省(區(qū)、市)呈現(xiàn)不斷增加的趨勢(shì),經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)更容易呈現(xiàn)出增長(zhǎng)負(fù)脫鉤的狀態(tài).整體來(lái)看,我國(guó)省(區(qū)、市)煤炭消費(fèi)脫鉤狀態(tài)總體從增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)向弱脫鉤、強(qiáng)脫鉤轉(zhuǎn)變,趨勢(shì)較好,經(jīng)濟(jì)發(fā)展水平與發(fā)展階段在脫鉤狀態(tài)中發(fā)揮著重要作用.

表7 3 個(gè)五年規(guī)劃期各省(區(qū)?市)煤炭消費(fèi)與經(jīng)濟(jì)的脫鉤指數(shù)和脫鉤狀態(tài)Table 7 The decoupling index and decoupling status of coal consumption and economy in each province(region, city) during the three five-year plan periods

從空間分布角度來(lái)考察3 個(gè)五年規(guī)劃時(shí)期煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的脫鉤關(guān)系,東部地區(qū)煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)脫鉤情況明顯優(yōu)于西部地區(qū),這與我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展情況相一致,強(qiáng)脫鉤省(區(qū)、市)呈現(xiàn)出由北京市、上海市和四川省這3 個(gè)省(區(qū)、市)向外擴(kuò)張的趨勢(shì),三者分別是北方經(jīng)濟(jì)中心,東部經(jīng)濟(jì)中心,西部經(jīng)濟(jì)中心,經(jīng)濟(jì)發(fā)展質(zhì)量較高.西部地區(qū)的省(區(qū)、市)如新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)以及青海省等,煤炭消費(fèi)與經(jīng)濟(jì)脫鉤情況不太樂觀.從空間分布角度可以看出我國(guó)煤炭消費(fèi)脫鉤情況呈現(xiàn)出一定的聚集特征.此外,北京、河北、內(nèi)蒙古、遼寧、上海、浙江、安徽、福建、江西、山東、河南、廣東、四川、貴州、云南、陜西這16 個(gè)省(區(qū)、市)的煤炭消費(fèi)與經(jīng)濟(jì)脫鉤指數(shù)逐漸降低,狀態(tài)越來(lái)越理想,青海省的煤炭消費(fèi)與經(jīng)濟(jì)脫鉤指數(shù)逐漸升高,可能與產(chǎn)業(yè)轉(zhuǎn)移有關(guān),其他省(區(qū)、市)處于波動(dòng)狀態(tài).

3 煤炭消費(fèi)脫鉤的影響因素分析

3.1 模型設(shè)定形式檢驗(yàn)

參考徐盈之等[45]、胡珮琪等[46]以及陳恭軍[47]的研究,本文首先進(jìn)行了一系列規(guī)范的檢驗(yàn)來(lái)決定使用何種模型設(shè)定形式,具體來(lái)說(shuō):通過LM 檢驗(yàn)來(lái)判斷是否使用包含空間交互效應(yīng)的面板模型,結(jié)果表明既存在空間誤差效應(yīng),也存在空間滯后效應(yīng),因此應(yīng)采用空間杜賓模型;通過Hausman 檢驗(yàn)來(lái)確定采用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型,結(jié)果表明,Hausman 檢驗(yàn)均在1%顯著性水平上拒絕了原假設(shè),因此本文選擇固定效應(yīng)模型;通過LR 檢驗(yàn)和Wald檢驗(yàn)空間杜賓模型是否會(huì)退化為空間誤差模型或者退化為空間滯后模型,結(jié)果顯示空間杜賓模型仍是合適的模型形式;通過LR 檢驗(yàn)和比較擬合優(yōu)度R2來(lái)選擇固定效應(yīng)的類型,最后選擇雙向固定效應(yīng)的空間杜賓模型.考慮到空間計(jì)量模型的估計(jì)結(jié)果依賴于所構(gòu)建的不同的空間權(quán)重矩陣[46,48],為了加強(qiáng)估計(jì)結(jié)果的可信性,本文分別構(gòu)建了3 種空間權(quán)重矩陣來(lái)進(jìn)行分析,參考現(xiàn)有文獻(xiàn)的空間權(quán)重選擇方法,構(gòu)建了經(jīng)濟(jì)距離權(quán)重矩陣(W1)[49]、二進(jìn)制鄰接權(quán)重矩陣(W2)[48]及地理距離衰減權(quán)重矩陣(W3)[50],其中以經(jīng)濟(jì)距離權(quán)重矩陣下的分析結(jié)果作為基準(zhǔn)結(jié)果,同時(shí)以二進(jìn)制鄰接矩陣及地理距離衰減權(quán)重矩陣的分析結(jié)果作為穩(wěn)健性檢驗(yàn),3 種矩陣下均顯著則表明具有較好的穩(wěn)健性.

3.2 空間相關(guān)性檢驗(yàn)

本文首先對(duì)各省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)是否呈現(xiàn)空間相關(guān)性進(jìn)行檢驗(yàn),采用的檢驗(yàn)方法是文獻(xiàn)中廣泛使用的莫蘭指數(shù)[45-46].在經(jīng)濟(jì)距離權(quán)重矩陣下,本文在表8 中匯報(bào)了逐年的全局莫蘭指數(shù)結(jié)果.從結(jié)果可以發(fā)現(xiàn),各省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)呈現(xiàn)高度的空間相關(guān)性,且隨時(shí)間發(fā)展相關(guān)性指數(shù)呈上升趨勢(shì),大多數(shù)年份的結(jié)果都呈現(xiàn)良好的顯著性.此外,本文還針對(duì)3 個(gè)五年規(guī)劃時(shí)期構(gòu)建了全局莫蘭指數(shù),其值分別為0.109、0.149 及0.323,結(jié)果均顯著.在3 個(gè)五年規(guī)劃時(shí)期,各省(區(qū)、市)的煤炭消費(fèi)脫鉤指數(shù)也呈現(xiàn)較高的空間相關(guān)性,且相關(guān)性水平越來(lái)越高.空間相關(guān)性檢驗(yàn)結(jié)果表明,各省(區(qū)、市)的煤炭消費(fèi)脫鉤指數(shù)呈現(xiàn)高度的空間相關(guān)性,采用空間計(jì)量分析方法具有合理性.

表8 煤炭消費(fèi)脫鉤指數(shù)的全局空間相關(guān)性檢驗(yàn)Table 8 Global spatial correlation test of coal consumption decoupling index

3.3 影響因素分析

表9 報(bào)告了在3 種權(quán)重矩陣下的空間杜賓模型的回歸結(jié)果,分別匯報(bào)了估計(jì)的主效應(yīng)與溢出效應(yīng).空間自回歸系數(shù)ρ在W1、W2、W3 權(quán)重矩陣下均在1%的水平上顯著為負(fù),說(shuō)明一個(gè)省(區(qū)、市)的煤炭消費(fèi)脫鉤指數(shù)受到周圍省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)的顯著負(fù)影響.W1 權(quán)重矩陣下,周圍省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)每降低1%,本省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)將提高0.387%左右,W2 權(quán)重矩陣下,周圍省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)每降低1%,本省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)將提高0.211%左右,W3 權(quán)重矩陣下,周圍省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)每降低1%,本省(區(qū)、市)煤炭消費(fèi)脫鉤指數(shù)將提高0.858%左右.這可能是因?yàn)橐恍╇娏敵龃笫?區(qū)、市)的煤炭消費(fèi)總量包括為其他省(區(qū)、市)發(fā)電所消耗的煤炭量,這些省(區(qū)、市)通常脫鉤指數(shù)較高,而一些省(區(qū)、市)通過購(gòu)買電力來(lái)更多依靠電力,直接煤炭消費(fèi)量降低,脫鉤指數(shù)較低;另一方面,一些省(區(qū)、市)向外轉(zhuǎn)移高能耗的工業(yè),實(shí)際上是將脫鉤壓力轉(zhuǎn)移給了欠發(fā)達(dá)地區(qū).

表9 空間杜賓模型估計(jì)的主要結(jié)果Table 9 The main results of Spatial Durbin Model

能源結(jié)構(gòu)、能源強(qiáng)度、人口密度、對(duì)外開放水平等變量對(duì)煤炭消費(fèi)脫鉤指數(shù)存在顯著的正向影響,具體來(lái)說(shuō):能源結(jié)構(gòu)的系數(shù)在3 種權(quán)重矩陣下都在1%水平上顯著為正,煤炭消費(fèi)占比每下降1%,煤炭消費(fèi)脫鉤指數(shù)將下降0.217%、0.247%、0.211%.因此需要通過煤改氣、發(fā)展新能源等政策優(yōu)化能源結(jié)構(gòu),促進(jìn)能源結(jié)構(gòu)轉(zhuǎn)型.能源強(qiáng)度的系數(shù)在3 種權(quán)重矩陣下都在1%水平上顯著為正,每單位GDP 消耗的能源總量每下降1%,煤炭消費(fèi)脫鉤指數(shù)將下降0.450%、0.493%、0.468%.因此,需要在未來(lái)進(jìn)一步提高能源效率,降低單位產(chǎn)值能耗.人口密度的系數(shù)在W1 和W3 權(quán)重矩陣下顯著為正,人口密度每增加1%,煤炭消費(fèi)脫鉤指數(shù)將上升0.46%左右.人口增加,交通、生活等所需的煤炭消費(fèi)量會(huì)增加,即會(huì)出現(xiàn)人口密度與煤炭消費(fèi)脫鉤指數(shù)的正相關(guān)關(guān)系.對(duì)外開放水平的系數(shù)在3 種權(quán)重矩陣下均顯著為正,對(duì)外開放水平每增加 1%,煤炭消費(fèi)脫鉤指數(shù)將上升0.036%、0.064%、0.056%.說(shuō)明當(dāng)前可能存在“污染天堂”現(xiàn)象.各地在招商引資的過程中,可能忽視了環(huán)境保護(hù)問題,引進(jìn)了較多高能耗產(chǎn)業(yè),吸引了較多高能耗外商投資.

產(chǎn)業(yè)結(jié)構(gòu)、R&D 投入水平、新造林面積在3種矩陣下對(duì)能源消費(fèi)脫鉤指數(shù)存在顯著的負(fù)面影響,具體來(lái)說(shuō):產(chǎn)業(yè)結(jié)構(gòu)的系數(shù)在3 種權(quán)重矩陣下均顯著為負(fù),工業(yè)增加值占地區(qū)生產(chǎn)總值的比值每增加1%,煤炭消費(fèi)脫鉤指數(shù)將下降0.137%、0.180%、0.138%.從全國(guó)范圍看,一些省(區(qū)、市)工業(yè)產(chǎn)值占比較高,例如四川省、天津市,但同時(shí)實(shí)現(xiàn)了煤炭脫鉤,可能是工業(yè)生產(chǎn)通過產(chǎn)業(yè)升級(jí)、節(jié)能改造,質(zhì)量得到不斷提高.R&D 投入水平的系數(shù)在3 種權(quán)重矩陣下均顯著為負(fù),R&D 投入強(qiáng)度每增加1%,煤炭消費(fèi)脫鉤指數(shù)將下降0.062%、0.083%、0.071%.技術(shù)的不斷推進(jìn),經(jīng)濟(jì)活動(dòng)整體效率將不斷上升,對(duì)煤炭消費(fèi)脫鉤具有一定的積極意義,但是系數(shù)較小,影響不大,可能是研發(fā)投入更多地用于生產(chǎn)技術(shù)創(chuàng)新而不是節(jié)能增效技術(shù)創(chuàng)新.新造林面積的系數(shù)在3 種權(quán)重矩陣下均顯著為負(fù),新造林面積提高有利于煤炭消費(fèi)脫鉤.其他變量,如城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平對(duì)煤炭消費(fèi)脫鉤指數(shù)影響并不顯著.

從溢出效應(yīng)來(lái)看,在不同的空間權(quán)重矩陣下,本省(區(qū)、市)的人口密度、對(duì)外開放水平和能源強(qiáng)度對(duì)鄰近地區(qū)的煤炭消費(fèi)脫鉤指數(shù)有顯著的正向影響.這表明周邊省(區(qū)、市)的人口密度越大、對(duì)外開放水平越高以及能源強(qiáng)度越高,則本省(區(qū)、市)的煤炭消費(fèi)脫鉤指數(shù)也越高.值得注意的是,這些變量呈現(xiàn)明顯的空間集聚特征.我國(guó)人口密度呈現(xiàn)東多西少的特征,東部地區(qū)人口密集,很多省市人口密度遠(yuǎn)高于中西部地區(qū).而東部地區(qū)相較于中西部地區(qū),改革開放較早,且距離海岸線較近,許多東部省(區(qū)、市)改革開放與吸引外資經(jīng)驗(yàn)豐富,對(duì)外開放水平往往也較高.在能源強(qiáng)度上,中部與西部地區(qū)能源儲(chǔ)量與產(chǎn)量較高,且經(jīng)濟(jì)發(fā)展階段落后于東部地區(qū),尚處于工業(yè)化進(jìn)程中,對(duì)能源資源需求量較大,西部地區(qū)能源強(qiáng)度往往較高.因此,溢出效應(yīng)的實(shí)證結(jié)果也基本符合現(xiàn)實(shí)情況.

4 政策啟示

統(tǒng)籌協(xié)調(diào)各省(區(qū)、市)減煤工作,有序?qū)崿F(xiàn)煤炭脫鉤,兼顧地方經(jīng)濟(jì)發(fā)展和社會(huì)公平.需要突破行政上煤炭消費(fèi)脫鉤的地域區(qū)劃限制,建立各省(區(qū)、市)協(xié)同減煤的聯(lián)動(dòng)機(jī)制,因地制宜,為各地區(qū)明確該地減煤工作重點(diǎn)與經(jīng)濟(jì)發(fā)展方向,形成制度、經(jīng)濟(jì)、區(qū)位等多方因素的合力.在規(guī)劃制定時(shí),應(yīng)綜合考慮各省(區(qū)、市)的資源稟賦、經(jīng)濟(jì)發(fā)展?fàn)顩r和當(dāng)前煤炭消費(fèi)狀況,對(duì)資源狀況差異較大、經(jīng)濟(jì)發(fā)展存在差距的省(區(qū)、市)實(shí)施差異化減煤責(zé)任,梯次有序煤炭脫鉤.另一方面,在落實(shí)減煤責(zé)任,實(shí)現(xiàn)煤炭脫鉤的過程中應(yīng)注意公平性,對(duì)于產(chǎn)煤大省(區(qū)、市)、電力輸出大省(區(qū)、市)、高能耗產(chǎn)業(yè)接受大省(區(qū)、市),給予一定的寬限和幫扶.

加大技術(shù)研發(fā)投入,引導(dǎo)企業(yè)進(jìn)行提高能源效率的相關(guān)節(jié)能技術(shù)創(chuàng)新,以技術(shù)發(fā)展促進(jìn)煤炭高效利用.實(shí)現(xiàn)減煤降碳,迫切需要科技力量的幫助,應(yīng)建立穩(wěn)定的研發(fā)投入機(jī)制,以更大的研發(fā)支持力度實(shí)現(xiàn)節(jié)能技術(shù)更快的更新迭代,同時(shí)要積極推廣綠色技術(shù),促進(jìn)綠色技術(shù)應(yīng)用率和煤炭利用效率提升來(lái)降低煤炭消費(fèi)脫鉤指數(shù).積極引入“低碳”外資及“清潔”技術(shù),調(diào)整外資準(zhǔn)入標(biāo)準(zhǔn),優(yōu)化外資利用領(lǐng)域.對(duì)于從事高污染行業(yè)的外資企業(yè),應(yīng)嚴(yán)格進(jìn)行能耗評(píng)估,嚴(yán)格限制進(jìn)入中國(guó)從事生產(chǎn)經(jīng)營(yíng)活動(dòng).對(duì)于發(fā)展清潔能源、保有低碳技術(shù)的外資企業(yè),應(yīng)當(dāng)給予相應(yīng)的稅收優(yōu)惠、手續(xù)減免,吸引相關(guān)產(chǎn)業(yè)助力減煤目標(biāo)的實(shí)現(xiàn).

優(yōu)化調(diào)整能源消費(fèi)結(jié)構(gòu),促進(jìn)能源消費(fèi)結(jié)構(gòu)更加多元化.積極開發(fā)利用太陽(yáng)能、風(fēng)能、氫能、核能等清潔能源和可再生能源,完善相關(guān)基礎(chǔ)設(shè)施建設(shè),適當(dāng)采用補(bǔ)貼等經(jīng)濟(jì)手段,引導(dǎo)清潔能源有序發(fā)展.積極探索能源消費(fèi)結(jié)構(gòu)調(diào)整工作,持續(xù)推進(jìn)煤炭資源的清潔利用(如“煤改氣”、“煤改電”項(xiàng)目),促進(jìn)天然氣、氫能、風(fēng)能等清潔能源利用規(guī)?；肮┡鍧嵒?同時(shí),應(yīng)不斷加大對(duì)減煤降碳的資金投入,設(shè)立專項(xiàng)計(jì)劃,充分調(diào)動(dòng)各種社會(huì)資源的投入,為煤炭脫鉤提供充足的資金保障.此外,各省(區(qū)、市)煤炭消費(fèi)脫鉤情況不同,面臨各項(xiàng)環(huán)保問題壓力程度不同,需要根據(jù)自身情況制定合適的環(huán)保支出比重.

5 結(jié)論

5.1 從時(shí)間維度來(lái)看,我國(guó)省(區(qū)、市)煤炭消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的脫鉤狀態(tài)從增長(zhǎng)負(fù)脫鉤、增長(zhǎng)聯(lián)結(jié)向弱脫鉤、強(qiáng)脫鉤轉(zhuǎn)變,整體趨勢(shì)向好.但部分省(區(qū)、市)出現(xiàn)較明顯的波動(dòng),脫鉤情況不穩(wěn)定.從空間維度來(lái)看,東部地區(qū)的脫鉤狀態(tài)最好,其次是中部地區(qū),西部地區(qū)的脫鉤狀態(tài)最不理想,少數(shù)西部省(區(qū)、市)還處于增長(zhǎng)負(fù)脫鉤的狀態(tài),這與我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展情況相一致.強(qiáng)脫鉤省(區(qū)、市)呈現(xiàn)出由北京市、上海市和四川省這3 個(gè)省(區(qū)、市)向外擴(kuò)張的趨勢(shì),三者分別是不同地區(qū)的經(jīng)濟(jì)中心,經(jīng)濟(jì)發(fā)展質(zhì)量較高.從空間分布上可以看出,我國(guó)煤炭消費(fèi)脫鉤情況以不同經(jīng)濟(jì)發(fā)展階段為差異呈現(xiàn)明顯的聚集特征.

5.2 當(dāng)前我國(guó)大部分省(區(qū)、市)煤炭消費(fèi)脫鉤情況處于弱脫鉤狀態(tài),其中河南、云南、重慶、湖南、湖北脫鉤指數(shù)下降顯著,有望在未來(lái)實(shí)現(xiàn)強(qiáng)脫鉤;北京、上海、天津和四川已經(jīng)在2019 年實(shí)現(xiàn)了強(qiáng)脫鉤,其中天津和四川是否可以繼續(xù)保持強(qiáng)脫鉤狀態(tài)還需更長(zhǎng)時(shí)間驗(yàn)證,北京在整個(gè)研究期間內(nèi)保持強(qiáng)脫鉤狀態(tài),脫鉤狀態(tài)最好,表現(xiàn)較為穩(wěn)定;陜西、海南在2019 年處于增長(zhǎng)聯(lián)結(jié)狀態(tài),有望實(shí)現(xiàn)弱脫鉤;寧夏和新疆在2019 年仍處于增長(zhǎng)負(fù)脫鉤狀態(tài),煤炭消費(fèi)增速要快于經(jīng)濟(jì)增速,未來(lái)減煤降碳工作任重道遠(yuǎn).

5.3 全國(guó)煤炭消費(fèi)脫鉤指數(shù)呈現(xiàn)出顯著的負(fù)向的空間溢出效應(yīng),一個(gè)地區(qū)的煤炭消費(fèi)脫鉤指數(shù)受周圍地區(qū)煤炭消費(fèi)脫鉤指數(shù)顯著的負(fù)向影響.能源結(jié)構(gòu)、能源強(qiáng)度、人口密度和對(duì)外開放水平對(duì)煤炭消費(fèi)脫鉤指數(shù)的影響顯著為正,能源結(jié)構(gòu)轉(zhuǎn)型、能源效率提高會(huì)有效降低煤炭消費(fèi)脫鉤指數(shù),促進(jìn)煤炭消費(fèi)與經(jīng)濟(jì)的脫鉤,人口增多,生產(chǎn)生活耗煤量增加,會(huì)導(dǎo)致煤炭消費(fèi)脫鉤指數(shù)的提升,而對(duì)外開放可能帶來(lái)污染避難所效應(yīng),引進(jìn)的外資可能以高能耗產(chǎn)業(yè)為主;產(chǎn)業(yè)結(jié)構(gòu)、R&D 強(qiáng)度與新造林面積對(duì)煤炭消費(fèi)脫鉤指數(shù)的影響顯著為負(fù).產(chǎn)業(yè)結(jié)構(gòu)的影響可能是通過工業(yè)生產(chǎn)升級(jí)、節(jié)能改造,質(zhì)量得到不斷提高實(shí)現(xiàn)的,而技術(shù)研發(fā)的不斷推進(jìn),使經(jīng)濟(jì)活動(dòng)整體效率將不斷上升,促進(jìn)能源消費(fèi)脫鉤系數(shù)下降,但是系數(shù)較小,這可能是研發(fā)投入更多地用于生產(chǎn)技術(shù)創(chuàng)新而不是節(jié)能增效技術(shù)創(chuàng)新,新造林面積則意味著當(dāng)?shù)貙?duì)生態(tài)環(huán)境的重視程度與支持力度,有利于促進(jìn)煤炭消費(fèi)與經(jīng)濟(jì)發(fā)展的脫鉤.