该项目负责人是皇冠体育官网张雨龙,项目成员是郑付成、SAQIB ZULKAIF AHMED、SOHAIL AHMAD 。本项目主要内容包括:本项目在改革开放40 年中国经济保持高速增长,2005 年中国成为全球碳排放第一大国的背景下,研究改革开放 40 年来中国经济增长与碳排放影响因素,具体项目研究内容包括:第一,中国增长与碳排放的关系是否符合环境库兹涅茨曲线的关系;第二,研究经济、人口、能源三个因素对碳排放的影响;第三,具体研究人均GDP、化石燃料使用、城镇人口、可替代能源与核使用、人口总数、服务业增加值、进出口总额七个变量对中国碳排放的影响。
本项目的创新点:现有的文献较少有研究关注改革开放40 年来中国经济增长与碳排放影响因素的关系,为中国保持经济稳中有升和实现生态文明建设提供理论基础,较少关注可替代能源与核能使用、进出口总额、服务业增加值以及化石燃料使用等因素对碳排放影响的研究分析。以往对中国碳排放的研究,要么是关注碳排放与经济发展关系的研究,要么只单纯关注影响碳排放的因素。较少有把两者联系在一起的研究。本文试图在经济发展与碳排放影响因素之间架起一座桥梁,为中国保持经济增长和履行全球气候治理责任之间寻找一个合理的平衡点。在方法论上,当使用最小二乘估计,无法消除变量之间的多重共线性问题时,本文使用岭回归方法,观察岭迹图,合理解决了解释变量之间多重共线性的问题,确保模型参数估计结果的有效性。
本项目经结项验收,符合结项要求。其最终成果为:
论文:改革开放40年中国经济增长与碳排放影响因素分析。
改革开放40年中国经济增长与碳排放影响因素分析
张庆宇 1,张雨龙 1,潘斌斌 2
(1.皇冠体育官网,深圳518060;2.贵州财经大学大数据应用与经济学院,
贵阳550025)
【摘要】改革开放40年来中国经济保持高速增长,2005年中国成为全球碳排放第一大国。运用 EKC和STIRPAT模型对1978年至2018年中国人均GDP和人均碳排放的关系以及影响中国碳排放的因素进行分析。结果表明:中国人均GDP和人均碳排放的关系,符合环境库兹涅茨曲线倒U型的规律和趋势;中国人均GDP和人均碳排放尚处在递增阶段;经济增长是对中国碳排放影响最大的因素,其后依次是化石燃料使用、城镇人口、可替代能源与核使用、人口总数、服务业增加值、进出口总额。通过对中国碳排放影响因素的分析,希望能为中国实现绿色、低碳和可持续发展提供理论基础。
【关键词】改革开放40年;EKC模型;STIRPAT模型;碳排放
2018年是中国改革开放40周年,改革开放以来中国成为全世界经济增长最快的经济体之一。当前中国对外贸易额世界第一,是世界上最大的商品出口国及第二大的进口国。与此同时,十八大报告把建设美丽中国作为中华民族可持续发展的环境生态目标,并且将生态文明建设纳入政治、经济、文化、社会建设的五位一体布局中。因此研究改革开放40年来中国经济发展和碳排放的关系以及影响碳排放的因素,对于推进生态文明建设,实现人与自然和谐共生以及控制温室气体增长具有重要的理论意义和现实意义。
第一,运用环境库兹涅茨模型(EKC)对经济发展与生态环境的关系进行研究。关于EKC的实证研究最早出现在Grossman和Krueger[1]的经济研究报告中,之后包括陆旸[2],曹飞[3],宋马林等[4] 均利用EKC模型对环境污染与经济增长的关系进行分析。Selden等[5]认为EKC形成倒U型的原因是一个国家经济增长到一定水平时,公众对于环境品质的需求高于经济增长的需求进而引起经济结构发生转变。Cole[6]提出污染天堂假说,认为地区间环境规章存在差异时,会使污染物通过商品贸易和产业分工由发达国家转移到发展中国家。Dinda[7]则指出环境污染与人均收入的关系是建立在规模效果、合成效果及技术效果的相互影响之上。
Perman与Stern[8]发现GDP与硫化物排放量存在长期整合的关系,两者的增长是亦步亦趋的。
Gil等l9]认为EKC现象并不一定会产生,需要考虑污染物的特性、规模、合成及技术四种效果的相互影响。林伯强等[10]指出中国二氧化碳库兹涅茨曲线拐点会在2020年到来。
收稿日期:
基金项目:国家自然科学基金项目(71572115)资助。
作者简介:张庆宇(1970—),男,美籍华人,特聘教授,博士,珠江学者,博士生导师,所长,主要研究方向为碳排放、供应链管理。E-mail:qzhang@szu.edu.cn
通讯作者:张雨龙(1989—),男,贵州贵阳人,博士研究生,主要研究方向为碳排放。E-mail: touristtest@foxmail.com
第二,影响碳排放的因素。吴昊等[11]在考虑地区碳排放影响的空间相关性和时间相关性上,利用中国省级面板数据进行实证检验。邵帅等[12]使用蒙特卡洛模拟和广义迪氏指数分解法分析了中国制造业的碳排放影响因素。Liu等[13]基于STIRPAT模型分析了我国京津冀地区经济发展与低碳节能的关系。Shuai等[14]利用STIRPAT模型结合时间序列数据和面板数据分析了125个国家,人口、经济、技术对碳排放的影响。Wang等[15]研究了新疆改革开放前、改革开放后和实施西部大开发三个时段,经济增长、人口数量、能源消费等因素对碳排放的影响。陈炜等[16]对我国农业经济发展与种植业的碳排放关系进行了研究。
本文的创新之处第一,较少有研究关注改革开放40年来中国经济增长与碳排放影响因素的关系。第二,增加可替代能源与核能使用、进出口总额、服务业增加值以及化石燃料使用等因素对碳排放的影响。第三,以往研究要么是关注碳排放与经济发展关系的,要么是关注影响碳排放的因素,较少把两者联系在一起。本文试图在经济发展与碳排放影响因素之间架起一座桥梁,为中国保持经济增长和实现可持续发展寻找一个平衡点。第四,在方法论上当使用最小二乘估计,无法消除变量之间的多重共线性时,本文使用岭回归方法观察岭迹图,解决了变量之间多重共线性的问题,确保参数估计值的有效性。
1研究方法与数据来源
1.1中国碳排放概况
2015年全球碳排放排行(表1),中国碳排放总量是排名第二美国的2.1倍,是排名第三欧盟的3.1倍,是排名第七德国的13.7倍。2015年中国碳排放总量占全球碳排放总量的29.5%。
全球碳排放前7的国家和地区里面,发展中国家占到3个,分别是中国、俄罗斯、印度。
表1 2015年全球碳排放排行
Table1 2015 global carbon emissions ranking
国家 碳排放总量单位(kt) |
占全碳排放比例(%) |
人均碳排放量单位(t) |
全世界 36061710 |
1 |
|
中国 10641789 |
0.295 |
7.7 |
美国 5172336 |
0.143 |
16.1 |
欧盟 3469671 |
0.096 |
6.9 |
印度 2454968 |
0.068 |
1.9 |
俄罗斯 1760895 |
0.049 |
12.3 |
日本 1252890 |
0.035 |
9.9 |
德国 777905 |
0.022 |
9.6 |
1978年改革开放后,中国碳排放总量呈上升趋势(图1),2000年后中国经济保持高速增长,碳排放总量显著上升,2005年成为全球碳排放第一大国。需要指出的是,截至2019年1月1日世界银行关于中国碳排放数据只更新到2014年,2015至2018年中国碳排放总量,是根据2010 至2014年碳排放年均增长率4.06%估算得到。
图1 1978年-2018年中国碳排放总量
Figure1 Total carbon emissions in China from 1978 to 2018
1.2经济增长与碳排放关系的模型构建
环境库兹涅茨曲线呈现的是经济增长与环境品质的倒U形关系,以转折点为界可分成上升与下降两个区间。上升区间的EKC表示随着经济增长,环境恶化的程度也随着增加。下降阶段的EKC 表示随着经济增长,环境恶化程度降低。EKC的linear模式如式(1)(2),log-linear模式如式
(3)(4)。
E=α+β1Y+β2Y2+β4V+e |
(1) |
E=α+β1Y+β2Y2+β3Y3+β4V+e |
(2) |
log E=γ+β1log Y+β2(log Y)2+β4V+e |
(3) |
log E=γ+β1log Y+β2(log Y)2+β3(log Y)3+β4V+e (4)
1.3影响碳排放因素的模型构建
Dietz等[17]提出STIRPAT模型,其表达式为:
Iit=aPbitAcitTditeit, (5)
其中a是模型的固定规模,b、c、d分别为P、A、T的指数,P、A、T分别代表人口、经济富裕程度、技术进步,e为随机误差项。下标i与t表示该变量会随着国家i与时间t而变化。
1.4变量选取
(1)环境影响变量:根据IPCC报告二氧化碳是造成全球变暖的主要原因,中国作为全球能源消耗大国,煤炭、石油、天然气等化石燃料消耗量大,所以选取碳排放量作为环境影响变量(表
1)。
人口和富裕因素:人作为社会活动的重要组成部分,与经济、环境有着密切联系。随着人口总量和生活水平的提高,能源消耗也发生变化。因此选取人口总量和人均GDP分别作为人口和富裕指标。
城镇化率:随着中国经济的快速发展,城市化水平不断提高,城镇人口不仅创造了较高的经济收入,也带来了严重的环境问题。因此选取城镇人口占总人口比率分析其对碳排放的影响。
技术要素:选用化石燃料消耗占总能源消耗比率、可替代能源与核能占总能源消耗比率作为技术指标。其中化石燃料消耗代表传统能源使用情况,可替代能源与核能消耗代表新能源使用情况。
结构化指标:中国作为全球进出口大国,进出口贸易额对碳排放具有重要影响,因此选取进出口总额占GDP比率作为结构化指标。
现代化指标:服务业发展情况可反映一个国家现代化建设水平,因此选取服务业增加值占GDP比率作为现代化指标。
表2变量定义
Table 2 Variable definition
变量 |
符号 |
单位 |
可替代能源与核能占总能源消耗比率 |
N |
% |
二氧化碳排放总量 |
I |
kt |
化石燃料消耗占总能源消耗比率 |
F |
% |
人均 GDP |
A |
美元 |
人口总数 |
P |
人 |
城镇人口占总人口比率 |
U |
% |
服务业增加值占GDP 比率 |
S |
% |
进出口总额占GDP 比率 |
M |
% |
1.5数据来源
本文使用数据均来自世界银行发布的数据(https://data.worldbank.org),数据更新时间为2018年12月1
日。
2结果与分析
2.1经济增长与碳排放的关系
EKC模型结果显示,改革开放四十年来中国人均GDP和人均碳排放处于上升阶段(图2),短期内经济增长与碳排放的压力将持续升高,碳排放达到峰值后会出现下降,EKC模型对中国经济增长和碳排放具有指导意义。
图2 1978年-2018年中国人均GDP和人均碳排放关系
Figure2 China's per capita GDP and per capita carbon emissions from 1960 to 2014
2.2碳排放影响因素的分析和检验
对影响中国碳排放的变量进行相关性分析,各变量的相关系数都较大(表3),存在多重共线性。各变量的VIF值均大于10(表4),使用最小二乘法不能得到有效的参数估计值。
表3碳排放解释变量相关性分析结果
Table3 Carbon emission explanatory variable correlation analysis result
LnN LnI LnF LnA LnP LnU LnS Ln
M
Ln 1
N LnI 0.971* 1
*
LnF 0.947* 0.979* 1
* *
Ln 0.989* 0.990* 0.971* 1
A * * *
LnP 0.955* 0.957* 0.984* 0.967* 1
* * * *
Ln 0.990* 0.986* 0.971* 0.999* 0.972* 1
U * * * * *
LnS 0.946* 0.936* 0.930* 0.964* 0.951* 0.967* 1
* * * * * *
Ln 0.833* 0.865* 0.928* 0.856* 0.940* 0.868* 0.843* 1
M * * * * * * *
注:*和**分别表示在至少1%和5%水平上统计显著表4碳排放解释变量的OLS检验
Table4 OLS test for carbon emission explanatory variables
|
Unstandardized coefficients |
t-Statistic |
Sig |
VIF |
C |
40.713 |
3.298 |
0.002 |
|
LnN |
-0.095 |
-0.588 |
0.56 |
113.968 |
LnF |
2.675 |
2.992 |
0.005 |
120.992 |
LnA |
1.148 |
4.296 |
0 |
882.166 |
LnP |
-1.959 |
-2.756 |
0.009 |
123.26 |
LnU |
-1.128 |
-1.609 |
0.116 |
812.955 |
LnS |
-0.3 |
-1.421 |
0.164 |
33.257 |
LnM |
0.115 |
1.851 |
0.072 |
19.651 |
2.3岭回归分析结果
本文采用岭回归方法来消除解释变量之间的多重共线性。以0.01作为单位长度,让岭回归系数K在0到1之间取值。观察R平方和K值的关系(图3)。当R平方和K值趋于平稳时,回归方程有意义,选取K=0.2作为模型结果:
LnI=0.165LnN+0.201LnF+0.209LnA+0.087LnP+0.182LnU+0.077LnS+0.048LnM
图3 R平方与K值关系
Figure3 R square and K value relationship
3讨论
改革开放40年中国成为全球第二大经济体,经济发展与环境压力位于EKC的上升阶段且尚未出现拐点。可以预测在未来一段时间内,我国经济发展和生态环境的压力还将继续增大。近年来中国政府大力推动产业升级、调整能源结构、推广使用新能源,并随着节能减排技术的发展和运用,中国碳排放将达到峰值并出现下降的趋势。
探讨改革开放40年来影响中国碳排放的因素可从经济、能源、人口三个角度展开。第一,经济因素。人均GDP发生1%的变化,将引起中国碳排放发生0.209%的变化。人均GDP在7个解释变量中位居第1(图4),说明经济增长与碳排放关系密切。服务业增加值发生1%的变化,将引起中国碳排放发生0.077%的变化,服务业增加值在7个解释变量中位居第6。进出口总额发生1% 的变化,将引起中国碳排放发生0.048%的变化,进出口总额在7个解释变量中位居第7。
第二,能源因素。替代能源及核能发生1%的变化,中国碳排放将发生0.165%的变化。替代能源及核能使用在7个解释变量中位居第4。这与核电站、核技术以及可替代能源在中国的推广使用有密切关系。化石燃料发生1%的变化,将引起中国碳排放发生0.201%的变化。化石燃料在7 个解释变量中位居第2,这反映了中国在能源使用上还过度依赖传统化石能源。化石燃料与替代能源及核能使用是反比关系,可从正反两个角度说明传统能源与可替代能源对于中国碳排放的影响,这也为中国实现低碳、绿色、可持续发展提供了一个新的理论视野。
第三,人口因素。人口总量发生1%的变化,将引起中国碳排放发生0.087%的变化,人口总量在7个解释变量中排名第6,这与中国人口总量趋于稳定的特征相一致。城镇人口发生1%的变化,将引起中国碳排放发生0.182%的变化。城镇人口在7个解释变量中排名第3。这说明改革开放40 年来中国城镇化建设取得不小的进步,城镇人口已经成为影响中国碳排放的重要因素。
。
图4中国碳排放影响因素情况
Figure4 China's carbon emissions influencing factors
中国既要立足于改革开放40年的成功经验,又要充分吸取过去粗放式、高能耗经济发展的教训;既要保持经济稳中有升,又要坚持生态文明建设;既要保护绿水青山,又要增进人民福祉;既要解决国内经济发展与环境保护的矛盾,又要积极参与全球环境治理的国际活动。协调经济发展与碳排放的关系,重点在于抓住改革开放40年这个关键契机,建立健全长效机制,形成良好的社会氛围,建设天蓝、地绿、水清的美丽中国。
4结论
从1978年改革开放以来,中国人均GDP和人均碳排放关系还处在递增阶段,碳排放总量尚未达到峰值。
经济发展与环境压力位于EKC的上升阶段尚未出现拐点,可以预测在未来一段时间内,我国经济发展和生态环境的压力还将继续增大。
改革开放40年以来对中国碳排放影响最大的因素是经济增长,其后依次是:化石燃料消耗、城镇人口、可替代能源与核能使用、人口总数、服务业增加值、进出口总额。【参考文献】
Grossman G M, Krueger A Economic Growth and the Environment[M], Economic growth and the environment: Kluwer Academic Publishers,1995:277-284.
陆旸.从开放宏观的视角看环境污染问题:一个综述[J].经济研究,2012,47(02):146-158.
宋马林,王舒鸿.环境库兹涅茨曲线的中国“拐点”:基于分省数据的实证分析[J].管理世界,2011(10):168-169.
[4]曹飞.中国省域城镇化与用水结构的空间库兹涅茨曲线拟合与研判[J].干旱区资源与环境,2017,31(03):8-13.
Selden T M, Song D. Environmental Quality and Development: Is There a Kuznets Curve for Air Pollution Emissions?
[J]. Journal of Environmental Economics & Management,1994,27(2): 147-162.
Cole M A. Trade, the pollution haven hypothesis and the environmental Kuznets curve: examining the linkages[J].
Ecological Economics,2004,48(1):71-81.
Dinda S. Environmental Kuznets Curve Hypothesis:A Survey[J]. Ecological Economics,2004, 49(4):431-455.
Perman R, Stern D I. Evidence from panel unit root and cointegration tests that the Environmental Kuznets Curve does not exist[J].Australian Journal ofAgricultural & Resource Economics,2003,47(3):325–347.
Gill A R, Viswanathan K K, Hassan S. The Environmental Kuznets Curve (EKC)and the environmental problem of the day[J]. Renewable &Sustainable Energy Reviews,2017,81.
林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009(04):27-36.
[11]吴昊,车国庆.中国人口年龄结构如何影响了地区碳排放?——基于动态空间STIRPAT模型的分析[J].吉林大学
社会科学学报,2018(03):67-77+204-205.
[12]邵帅,张曦,赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国
工业经济,2017(03):44-63.
Liu Y, Lei W. The Peak Value of Carbon Emissions in the Beijing-Tianjin-Hebei Region Based on the STIRPAT Model and Scenario Design[J]. Polish Journal of Environmental Studies,2016,25(2).
Shuai C, Shen L, Jiao L, et al. Identifying key impact factors on carbon emission: Evidences from panel and time-series data of 125 countries from 1990 to 2011[J].Applied Energy,2017,187:310-325.
Wang C, Wang F, Zhang X, et al. Examining the driving factors of energy related carbon emissions using the extended STIRPAT model based on IPAT identity in Xinjiang[J]. Renewable &Sustainable Energy Reviews,2017,67:51-61.
[16]陈炜,殷田园,李红兵.1997-2015年中国种植业碳排放时空特征及与农业发展的关系[J].干旱区资源与环
境,2019,33(02):37-44.
[17] Dietz T, Rosa E A. Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences of the United States ofAmerica,1997,94(1):175.