“一带一路”沿线省份经济增长、能源消耗对碳排放的影响研究

邵羽冰 邵言波

(中国计量大学经济与管理学院 浙江杭州 310018)

共建“一带一路”伟大构想提出后，我国在2015年相关会议中指出各省应定制关于推进“一带一路”倡议与行动的特色实施方案，并与国家方案衔接。“一带一路”倡议重点关注省份(自治区、直辖市)分别为西北六省：甘肃、陕西、宁夏、青海、新疆、内蒙古；东北三省：黑龙江、吉林、辽宁；西南三省：广西、云南、西藏；其他五省市：上海、浙江、广东、福建、海南；一个内陆地区：重庆[1]。“一带一路”倡议提出以来，低碳绿色发展的理念不断涌现，并与“一带一路”倡议内涵珠联璧合，为我国“一带一路”途经区域带来可持续发展新机遇。在此基础上，研究“一带一路”沿线省份的碳排放量影响因素对我国优化产业结构、降低资源能源消耗和推动绿色可持续发展具有不可小觑的长远意义和现实价值。

关于能源消耗、经济效益提高和二氧化碳排放之间关系的国际研究非常广泛。Hamit(2011)认为，短期内区域内经济水平提升、能源使用量以及碳排放之间的关系较弱，但不否认长期来看会产生强烈的影响。Muhammad等(2013)的研究表明，印度尼西亚的碳排放量增长与该国经济发展形势总量走上新台阶。此外，近年来能源消费量递增也是影响因素之一。Yaya(2017)采用分位数回归的方法，证明了经济发展并非造成环境污染的最大原因。亚撒哈拉地区、美国及欧洲各国均主张采用EKC假设评价其对生态的冲击，在所有的分位水平上，污染较轻的地区较易遭受日益增加的二氧化碳排放量的影响。

目前，国内研究文献对三者间的关系有一定的研究，张抒梦和董虹(2016)建立了向量自回归模型，根据美国1950—2013年的统计资料，探求了经济增长、二氧化碳排放与能耗相关变量之间的动态变化情况，认为美国对化石能源的依赖程度减小，通过技术进步来提高能源消耗效率，大力发展新型能源并注重能源的品质。刘金华(2022)通过测算各因素对我国碳排放量的贡献率，得出导致碳排放量增加的核心影响因子为经济发展和社会人口规模，而能源强度对其具有微弱的反向控制作用。张莉萍(2022)基于62个国家的面板数据，探究“一带一路”途经国家能源消费、碳排放和人均国内生产总值之间的关系，发现人均GDP对人均碳排放的影响走势是先促进，达到拐点人均GDP689.42美元后，会对人均碳排放量产生负向影响作用。裴祥宇(2019)利用GMM方法，在研究中发现经济规模水平和能源结构等因素与碳排放量同向提高，产业结构升级在省级层面对碳排放量具有一定的抑制作用。

本文选取我国“一带一路”沿线各省、直辖市或自治区的面板数据(不包括西藏地区：因西藏地区的部分数据难以获取，所以本文在分析样本省份时剔除西藏地区)，时间跨度为2010—2020年。在对比王来弟(2018)的文献后，本文选取二氧化碳排放总量作为被解释变量，人均地区生产总值、能源强度、能源结构作为主要解释变量。此外，本文还选取了人口规模、产业结构、科技创新水平和贸易开放水平4个控制因素(见表1)。

表1 变量定义表

目前我国碳排放的来源主要是能源消耗，因此有必要通过估算每个省份的主要能源消耗及其相应的碳排放量来测算每个省份的碳排放总量。本文根据IPCC(联合国政府将气候变化专门委员会)2006年度提出的碳排放系数法测算出“一带一路”沿线17个省份的碳排放总量，具体计算如下：

其中，y表示碳排放总量；i区别不同能源种类；j代表第几年；X表示能源消耗量；βi是各种能源的碳排放系数(能源种类包括：煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然气)。在数据处理方面，为了削弱异方差和共线性问题，本文对指标使用取对数的方法，让数据波动相对稳定。针对数据缺失问题，本文在反复比较了多篇文献中的处理方法后，最终使用多重插值方法处理当前缺失的数据，较好地保持变量之间的关系。

本文择取八大能源消耗量及折算系数，估算出“一带一路”沿线省份2010—2020年的总体碳排放量和各省份对应年份的碳排放量(见图1)。从碳排放量年际增长率发展趋势来看，2010—2014年，各省份碳排放总量连年增加，且年均增长率均为正值。其中，2013年增长率最低为0.06%；2015年首次出现了负增长，增长率为-0.22%，17个省份的碳排放总量约为57.73亿吨。2016—2020年，碳排放总量不断提高。总体来说，在研究的时间段内，样本省份的碳排放总量呈波动上升趋势。“十一五”规划提出“节能减排”以来，我国积极顺应世界低碳化趋势的同时，制定了相应的绿色减排政策措施。中央决定对碳排放实行配额制度，各级政府纷纷制定了有关的节能减排措施，并实施限额制，促进了低碳产业的快速发展。随着我国节能减排力度的加大、产业结构的调整和相关科学技术的革新，全国各省份碳排放总量和平均增长速度得到有效控制。本文就在积极应对全球低碳发展的同时，国家和各地纷纷制定了有关的节能减排措施，制定了限额制，促进了低碳产业的快速发展。在节能减排、调整产业结构及科技革新等方面，全国各省的二氧化碳排放量和年均增速都已取得了较好的效果。

图1 2010—2020年“一带一路”沿线省份碳排放总量和年际增长率图

本文研究能源消费和经济增长对区域碳排放的影响，建立模型如下：

本文运用Stata软件对缺失数据处理后获得观测值共187个。由表2回归样本的描述性统计结果可以看出，碳排放总量具有较高的标准差(0.738)，产业结构和人均地区专利申请数具有较大的波动性，标准差分别为8.884和1.071，且大多数变量具有明显的峰值分布，数据存在一定的趋势性，可进行回归分析。这表明，17个“一带一路”沿线省份都具有良好的人均GDP、能源强度、能源结构和产业结构，以及较高的人口规模、科技创新水平和贸易开放程度。通过对各因素的Pearson相关性检验进行分析，从检验结果中可以看出，CQ2排放总量的标准差系数与人均GDP、能源结构之间呈正相关，与能源强度之间存在着负相关关系，初步说明能源强度可平抑一部分碳排放量的波动。

表2 描述性统计结果

由表3可知，Chow检验输出结果P值为0.0000，由于统计量的值比临界值高，故强烈拒绝原假设“可以使用混合回归模型”，截距项应随个体变化，个体固定模型更适合本文数据。本文使用LSDV估计方法测算聚类稳健标准误，得出大多数个体虚拟变量是显著的，可以驳斥原假设“所有个体虚拟变量都为零”，即数据具有个体效应，此结果再一次验证了上述结论。LM检验结果表明，拒绝“H0：无个体随机效应存在”，因此随机效应优于混合效应。通过Hausman检验可知，Chi2统计量为15.17，P值为0.0339，显然否定了“H0：ui与解释变量不相关”的原假设，所以本文最终选择固定效应模型。

表3 模型检验结果

本文在建立实证模型时，需要分析数据是否平稳，为了避免数据的非平稳性，本文同时采用HT检验和IPS检验两种适合短面板数据的单位根检验方法。结果表明，大多数变量拒绝“H0：数据存在单位根”，即该数据较为平稳。考虑到传统固定效应模型的偏误，即只关注个体之间的差异而忽视对不同时期和个体残差相关关系的研究，本文通过LSDV估计方法，采用既包括个体效应又包括时间效应的双向固定效应模型。

双向固定效应模型的结果分析如表4中的模型(3)所示，从模型整体拟合效果来看，R2=0.8714，表示样本的拟合优度良好。从显著性水平来看，经济增长、能源强度和能源结构在1%的统计水平上为正,表明三者对碳排放量的影响高度显著。“一带一路”沿线省份的经济发展水平对碳排放有正向影响，经济增长水平越高，碳排放量越大。从经济含义的角度来看，能源强度系数估计值为正且每增加1单位，碳排放总量就会随之上升约0.6614%，说明我国在2010—2020年主要使用含碳量高的能源，侧面反映了我国能源利用效率不高的问题。能源消费结构的系数为0.5173，在1%的显著性水平上对碳排放量的影响为促进作用。

表4 基准回归结果

从研究结果来看，经济发展水平的提升会增加碳排放量，能源消耗在总量、人均及能源强度上都与碳排放量同向变动，存在显著的正向关系。以煤炭为中心的中国能源消费结构要尽可能把煤炭等高碳型能源打造成清洁能源，把优化能源消费结构作为绿色可持续发展道路的重点。虽然能源消费结构的系数弹性值对碳排放量的影响低于能源强度，但是在提高能源利用效率和弥补能源短板的同时，能源结构调整的问题不容小觑。

根据上述结论，为帮助我国“一带一路”沿线省份践行绿色可持续发展理念，本文提出以下三点建议：第一，升级产业结构，推动绿色可持续发展。各省份应根据自身发展优势，发展以信息、新能源为主的低碳产业和技术密集型产业，在实现经济增长的同时，注重区域产业转型升级和绿色经济发展；第二，优化能源消费结构，促进低碳经济发展。“一带一路”沿线不少区域地处内陆高山高原，是重要河流的源头地区，生态环境较为脆弱，资源环境制约问题较大，要着力开拓绿色低碳发展之路，逐步提高新型能源的使用比例，进一步推动能源消费结构多元化、低碳化；第三，完善节能减排政策措施，促进经济稳定增长。各级政府在设定经济发展政策的同时，不仅要注意对本省碳排放强度的抑制作用，还要兼顾碳排放转移对邻近省份的负面影响问题。区域间经济发展、能耗情况与碳排放作用效应强度差异的问题，要结合本省资源、环境和社会等特点制定相应政策，融入地方经济发展规划，推动各地区经济的稳定发展。