碳减排的经济影响分析范例6篇

前言:中文期刊网精心挑选了碳减排的经济影响分析范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。

碳减排的经济影响分析

碳减排的经济影响分析范文1

>> 中国碳排放区域划分与减排路径 我国煤炭消费碳排放测算及减排对策 中国人均能源碳排放因素分解及减排途径分析 中国碳排放的区域异质性及减排对策 中国碳排放变化的因素分解与减排路径研究 印尼承诺2030年前减少29%碳排放 中国可能的减排途径及减排潜力 基于SDDF的中国省区二氧化碳排放效率及减排潜力测度 能源活动碳排放核算与减排政策选择 工业碳减排潜力及来源分析 2排放变化、驱动因素及其减排对策研究'> 低碳经济下中国工业行业CO2排放变化、驱动因素及其减排对策研究 中国建筑业碳排放的影响因素分解及减排策略研究 中国2020年碳减排目标下若干关键经济指标研究 县域COD排放总量预测及减排潜力与对策研究 低碳交通电动汽车碳减排潜力及其影响因素探讨 2排放峰值分析:中国的减排目标与对策'> CO2排放峰值分析:中国的减排目标与对策 河北省工业碳排放情景预测与节能减排潜力分析 出口商品碳排放量计算及减排研究 生活垃圾处理的碳排放问题和减排策略 特大型城市客运交通碳排放与减排对策研究 常见问题解答 当前所在位置:l.

[18]张兵兵,徐康宁,陈庭强.技术进步对CO2排放强度的影响研究[J].资源科学,2014,36(3):567-576.[ZHANG Bingbing,XU Kangning,CHEN Tingqiang. The influence of technical progress on carbon dioxide emission intensity[J].Resources science,2014,36(3):567-576.]

[19]王改革,郭立红,段红,等.基于萤火虫算法优化BP神经网络的目标威胁估计[J].吉林大学学报(工学版),2013,43(4):1064-1069.[WANG Gaige,GUO Lihong,DUAN Hong,et al.Target threat assessment using glowworm swarm optimization and BP neural network[J].Journal of Jilin university(engineering and technology edition),2013,43(4):1064-1069.]

[20]周永权,黄正新.求解TSP的人工萤火虫群优化算法[J].控制与决策,2012(12):1816-1821.[ZHOU Yongquan,HUANG Zhengxin. Artificial glowworm swarm optimization algorithm for TSP[J].Control and decision,2012(12):1816-1821.]

[21]黄正新,周永权.自适应步长萤火虫群多模态函数优化算法[J].计算机科学,2011,38(7):220-224.[HUANG Zhengxin,ZHOU Yongquan. Selfadaptive step glowworm swarm optimization algorithm for optimizing multimodal functions[J].Computer science,2011,38(7):220-224.]

[22]陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济,2011(4):124-143.[CHEN Shiyi. China’s carbon intensity fluctuation drop pattern and economic explanation[J].World economy,2011(4):124-143.]

[23]杜强,陈乔,杨锐.基于Logistic模型的中国各省碳排放预测[J].长江流域资源与环境,2013,22(2):143-151.[DU Qiang,CHEN Qiao,YANG Rui. Forecast carbon emissions of provinces in China based on Logistic model[J].Resources and environment in the Yangtze Basin,2013,22(2):143-151.]

[24]刘华军,赵浩.中国CO2排放强度的地区差异分析[J].统计研究,2012,29(6):46-50.[LIU Huajun,ZHAO Hao. Empirical analysis of the regional differences of China’s carbon dioxide emissions intensity[J].Statistical research,2012,29(6):46-50.]

[25]渠慎宁,郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口・资源与环境,2010,20(12):10-15.[QU Shenning,GUO Chaoxian. Forecast of China’s carbon based on STIRPAT model[J].China population,resources and environment,2010,20(12):10-15.]

[26]赵玉新,YANG Xinshe,刘利强.新兴元启发式优化方法[M].北京:科学出版社,2013.[ZHAO Yuxin,YANG Xinshe,LIU Liqiang. New metaheuristic optimization methods[M].Beijing:Science Press,2013.]

[27]张国有.经济发展方式变化对中国碳排放强度的影响[J].经济研究,2010(4):120-133.[ZHANG Guoyou. Economic development pattern change impact on China’s carbon intensity[J].Economic research journal,2010(4):120-133.]

[28]LIU N,MA Z, KANG J. Changes in carbon intensity in China’s industrial sector: decomposition and attribution analysis[J].Energy policy,2015,87:28-38.

[29]MOUTINHO V,ROBAINAAlves M, MOTA J. Carbon dioxide emissions intensity of Portuguese industry and energy sector: a convergence analysis and econometric approach[J].Renewable and sustainable energy reviews,2014,40:438-449.

[30]PAO H T,FU H C, TSENG C L. Forecasting of CO2 emission,energy consumption and economic growth in China using an improved grey model[J].Energy,2012,40:400-409.

[31]WISE M,HODSON E L, MIGNONE B K,et al. An approach to computing marginal land use change carbon intensities for bioenergy in policy applications[J].Energy economics,2015,50:337-347.

碳减排的经济影响分析范文2

关键词碳权分配;公平原则;效率原则;非径向方向性距离函数

中图分类号F062.2文献标识码A文章编号1002-2104(2016)07-0053-09doi:10.3969/j.issn.1002-2104.2016.07.007

随着中国工业化与城镇化的快速发展,温室气体排放造成的环境压力备受关注。哥本哈根气候大会上中国提出2020年单位国内生产总值碳排放量比2005年降低40%-45%的约束性指标。为完成这一目标,“十二五”规划确定了省际减排任务,并成功控制了国家层面与地区层面的碳排放。在巴黎气候大会上,中国又进一步做出了至2030年单位GDP的二氧化碳排放量比2005年下降60%-65%的减排承诺。为降低减排的经济成本,国家发改委已宣布2017年启动全国的碳排放交易市场。碳排放权的市场化以激励低耗能企业约束高耗能企业的方式推动减排,必然会使我国各省区市因产业结构与经济技术水平的差异而承担不同的减排压力。因此,在宏观经济整体增速放缓以及“北上广”集聚效应增强的大背景下,“十三五”期间中国省际碳权分配不仅涉及国家减排目标能否成功向区域分解落实,更涉及到区域经济平衡发展问题,甚至会影响到区域的社会与金融稳定。从区域碳权分配看,其重点在于公平性与效率性原则的选择。本文力图研究“十二五”期间中国省际碳排放效率,对比分析公平与效率原则在中国省际碳权分配中的适用性。这不仅有助于明确“十三五”期间中国省际碳权分配这一亟待解决的现实问题,亦将丰富低碳经济理论,助推中国的低碳发展战略。

1文献综述

国内外学者从多角度、多层次探讨了碳权分配中公平与效率原则的选择问题。相关文献可以分为单一公平原则、单一效率原则、公平原则与效率原则的结合三类。

Kverndokk S[1]认为依据人口规模分配碳权符合公平原则。Van Steenberghe V[2]采用合作博弈论分析各国在长期内依照公平原则的碳权分配,提出祖父原则下的碳权配额高于减排能力原则下的配额。De Brucker K et al.[3]认为利益相关者管理方法能够解决可持续发展困境问题。徐玉高等[4]计算了全球五大地区基于人口与GDP指标下的碳权配额,指出人口指标分配有利于多数发展中国家。祁悦等[5]在综述碳权分配原则、标准和模式的基础上,比较分析了不同原则的优劣,并提出中国基于历史公平与人均原则最为有利。邱俊永等[6]选取国土面积、人口、生态生产性土地面积与化石能源探明储量指标,基于基尼系数测算了G20主要国家碳权分配的公平性,并提出发达国家应承担更大的减排责任。戴君虎等[7]运用动态人口算法、静态人口算法与“人年”算法分别计算了人均历史累计碳排放,指出“人年”算法保证了每个人在每年拥有相同的碳权配额,更符合公平原则。朱潜挺等[8]提出最优的全球碳权分配模型应基于平等原则综合考虑世袭、支付能力与人均累计等因素。

然而单一的公平原则忽略了效率因素,造成效益受损。林坦等[9]运用DEA模型测算出欧盟国家碳权分配效率较低,并基于效率原则利用ZSG-DEA模型调整碳权分配后提高了分配效率。与林坦类似的,郑立群[10]基于ZSG-DEA模型将DEA-BCC模型下的中国低效率碳权分配进行调整,获得统一DEA有效边界的分配方案,达到了碳权分配效率最优。为避免单独从效率角度考虑碳权分配会导致结果有偏,一些学者兼顾了公平原则与效率原则。Yuan et al.[11]基于聚类分析方法,运用单一公平原则、单一效率原则以及两者的结合,测度各区域在2020年的减排潜力,提出应在经济发展水平与减排潜力下,实现公平与效率的结合。陈文颖等[12]模拟了全球碳交易情况,提出按人口分配碳权是最优选择。郑立群[13]通过构造分配满意度与公平偏离指数,基于公平与效率的均衡,构建了从单要素角度对各地区碳减排责任进行分摊的模型。王倩等[14]指出当前碳配额免费分配的祖父原则貌似公平但却有违环境贡献的效率原则,提倡配额分配的拍卖方式与行业准则。于潇等[15]基于非参数化标准DDF模型,对2020年碳总量减排目标分解时,指出第一阶段应采用公平原则,第二阶段应采用效率原则。

王倩等:公平和效率维度下中国省际碳权分配原则分析中国人口・资源与环境2016年第7期现有文献对中国省际碳权分配效率与公平原则的选择提供了理论指导,但是未建立“单原则分析-双原则结合-确定原则选取”的研究范式,同时缺乏对中国现阶段区域碳减排情况的经验证据。

因此,本文接下来将对公平与效率原则进行理论分析,基于2011-2014年除外中国30个省市区的数据,从全要素角度,运用双导向共同前沿非径向方向性距离函数法分别计算省际碳排放强度与碳排放总量效率值。通过测算相应的技术差距比,计算各地区基于效率最优的减排能力,分析公平与效率原则的适用性。最后分析公平与效率原则兼顾下的中国碳减排方法,为“十三五”减排目标设定及配额分配提供理论依据和数据支持。

Fig.2Potential carbon intensity reduction of each region in ‘the 12th Five Year Plan’ based on the best TFCi

生产总值二氧化碳排放降低目标责任考核评估结果》可知,海南等级为良好,仅优于和新疆的合格等级。可见,海南虽然低碳竞争力排名第一[18],环境友好程度也较高,但是完成基于历史排放确定的减排计划也较为困难。安徽作为农业大省,通过打造“农业改革试验特区”等手段促进农业的现代化,有效控制化石能源的消耗。2012年安徽能源强度排名第二十二位。由此可见,在减排指标确定之前,两个地区的碳排放已经得到有效控制。“十二五”期间减排指标的确定时已经考虑了经济发展水平的差距,经济发达地区的减排指标普遍高于全国的平均水平(17%),而经济落后地区的减排指标低于全国的平均水平,以体现公平分配的原则。但是,减排指标的确定仍忽略了各地区在减排技术效率层面(可减排空间)的差距。虽然海南与安徽能够在已经达到前沿面的基础上通过其他手段进一步减排,从而完成规定目标,但相比其它减排空间大的省市,这两个省承担了更大的减排压力,削弱了这两个省维持碳排放效率与控制碳排放量的意愿。

碳排放效率较低的地区减排潜力较高,即其减排能力提升的空间较大。如图2所示,河北、山西、内蒙古、河南、广西、贵州、宁夏、新疆等地2011-2014年间的碳排放效率点均处于X轴的下方,说明他们的碳减排潜力较大。由表1可知,这些省市区技术差距比较低。组前沿表示 东、中、西部地区的碳排放效率前沿,基于组前沿计算的各省市排放效率仅体现了某一省市与同一地区其它省市相比的碳排放效率,而共同前沿则是全国的碳排放效率前沿,基于共同前沿计算各省市碳排放效率体现了某一省市与全国其它省市相比的碳排放效率,也间接反映了若采用全国最优的碳排放技术,其效率提升的可能。由于效率测度都是以某一群体的最优者作为前沿面,再通过各省市与最优者的距离测算效率,因此可以通过组前沿与共同前沿的均值判断各区域碳排放效率的差异。例如,内蒙古、陕西、青海与新疆等地,组前沿效率较高,而共同前沿均低于0.5。这表明黄河中游与大西北区域由于经济发展水平、地理位置与资源禀赋等原因与东部沿海、南部沿海等碳排放效率较高区域存在差距,导致组前沿效率被高估。由此可见,与经济发展水平的区域差距相似,碳排放效率也存在较大的区域差距。以2011年青海为例,组前沿与共同前沿下TFCi分别为0.740与0.305,表示采用大西北的最优碳排放技术,效率能够提升0.260,而采用全国最优碳排放技术,则能够提升0.695。区域碳排放技术是该区域的产业结构、资源禀赋以及经济发展水平等因素的综合体现,短期内难以快速提升,因此各地区虽然具有在共同前沿面下的潜力,但是“十三五”碳减排指标不能完全依照文中计算的最大潜力确定,而应充分考虑区域差异,在一定程度上依靠“行业排放额度”等公平原则进行分配。特别是,自1993年实施西电东送以来,贵州、甘肃与内蒙古等西部地区由于“西电东送”工程,将电力资源输送至电力紧缺的广东、浙江等地区,从而导致西部产生碳排放,而东部经济获得发展,形成“能源东送,污染西移”问题[19]。单纯的考虑效率原则,又会忽略东西部地区碳排放与经济产出不匹配问题。而中国电价未实现完全的市场化,更加重了“西电东送”工程下,西部地区对东部地区的利益转移。因此考虑到环境破坏的后果,获得收益的东部地区应对西部地区进行生态补偿,或者针对“西电东送”工程实现碳排放的豁免,以实现“公平”与“效率”的结合。

分别表示基于TFCt最优的各省市2011-2014年碳减排指标完成潜力。从TFCt最优的角度来看,X轴上方地区仍为海南和安徽;X轴下方云南与青海的减排潜力降低,其原因是两地的经济发展水平增长潜力较大,可见在碳强度减排指标的要求下,提高经济发展水平也是完成碳减排指标的措施之一。

由此可见,确定区域碳减排指标时,既应考虑海南、安徽碳排放效率较高地区的情况,又应关注碳排放效率较低的山西、陕西与新疆等地。为解决高效率地区与低效率地

年的效率值和技术差距比。

区的减排冲突,在省际碳减排指标的制定中应兼顾公平与效率原则,同时提升低效率地区的技术创新与进步,缩小各区域组前沿与共同前沿的效率差距,提升各地区减排能力。

5兼顾公平与效率的碳权分配

基于上文对各地区减排潜力测算,为解决安徽、海南等高效率地区与新疆、陕西等低效率地区的指标设定矛盾,本文提出了兼顾公平与效率的双原则。在我国减排的最终落脚点是企业,因此本部分详细研究减排省市区与减排企业碳权分配的双原则,为中国“十三五”省际减排目标的设定与全国碳市场的构建提供理论依据和数据支持。

实现责任分摊的公平性是公平原则设定的基础,国家设定省市区减排任务的最终责任为企业,因此减排的公平性主要体现在企业减排配额设定的公平性上,现阶段我国公平原则下的碳权配额设定满足条件如式(10),

碳减排的经济影响分析范文3

[关键字]排放成本;碳交易;定价;

一、引言

欧盟碳交易体系形成以来,碳现货价格剧烈波动,增加了碳交易市场主体的风险,为了降低和分散市场和交易风险,碳交易中的各种金融工具陆续产生并应用,并且在碳交易市场的发展中起到了关键而积极的作用。而碳交易市场上金融工具运用的核心又是碳排放权的定价问题。总体来说,对于碳排放权价格问题的研究无论是国内还是国外都刚刚处于起步阶段, Nordhnus(2001)等提出了涵盖人类活动、空气、气候、海平面、经济活动等因素的整体碳交易评估理论模型。Capros(1999)等分析政策因素如财税政策、能源政策等对碳价格和其他工业部门的影响。Alberola 等人(2008) 证明了只有在极端的温度变化事件中,例如:使四季平均温度都发生彻底改变的事件,温度才会对碳价格形成影响。T.Bole(2009)运用WICCH模型,基于减排成本、各国GDP以及环境容量之间的联系,提出了碳减排成本及价格的预测方法 。黄桐城和武邦涛(2004)从排污治理边际成本以及边际收益两个方面对排污权定价进行了分析,并提出了微观市场定价模型。仇胜萍和李寿德(2002)从环境因子的经济以及非经济视角,分析了排污权的定价过程中存在的困难以及解决对策 。胡民(2007)和林云华(2009)分别用影子价格模型对排污权的定价进行了分析。

这些研究成果对促进碳排放权的合理初始定价及交易价格的形成具有很大的指导意义。

在实际碳交易中,一些模型中的计算或度量过于复杂和不可测,并且要求交易双方具有较好的数理基础,方法的实际应用受到了限制。由于没有统一的定价方法,也导致了碳现货价格的剧烈波动,增加了交易主体的风险。

因此,本文提出一种简单实用的针对企业之间碳排放权交易的定价方法。在这种定价模式下,企业之间的碳排放定价就只需对一个常数进行谈判,大大降低了交易成本,简化了定价的流程和程序,有利于在实际的交易中广泛应用。

二、以两企业为例的碳排放权定价分析

碳排放权交易是一种以市场为基础的经济刺激手段,由于技术水平,能源结构和利用率等方面的差异会导致不同经济主体之间的碳减排成本不同,形成碳排放权的价格差,从而形成最初的碳交易动机,即出售方可以从交易中取得经济收益,有减排承诺或者有减排限制的经济主体如果本身碳减排成本较高就可以通过交易来降低成本,同时达到削减排放量的目的。

具体来说,不同国家的企业在减排承诺和减排成本上存在很大差异,这为不同国家不同企业之间进行碳排放的交易提供了现实可能,由于发达国家能源效率较高,新技术已经普遍被采用,并且已经经过一轮减排,排放基数已经较低,容易遭遇减排瓶颈,所以通常发达国家的企业的碳减排成本要高于发展中国家的同类企业。部分企业可以利用减排成本优势进行碳排放权的出售,而另一些处于成本劣势的企业可以通过碳排放权交易购买排放权。但在排放权的定价方面却没有统一的规定和标准。这也是导致碳现货价格参差不齐的原因之一。

为了更清楚地说明问题,我们通过图示来对两个单位GDP碳减排成本不同的企业进行经济研究(见图)。

在进行具体分析前,我们先做出3个假设:

碳减排的经济影响分析范文4

中图分类号:F124.5;F016.3 文献标识码:A 文章编号:1001-8409(2017)05-0080-05

The Nonlinear Relationship between Financial Development and Carbon Emission

――Based on Panel Smooth Transition Regression Model

SHAO Hanhua, LIU Yaobin

(School of Economics and Management,Nanchang University, Nanchang 330031)

Abstract:Based on the panel data of 30 provinces from 2000 to 2014 in China, this paper uses the panel smooth transition regression model to investigate the nonlinear relationship between financial development and carbon emission. The results show that financial development generally is conducive to reducing carbon emission, however, the reduction effect of financial development on carbon emission transitions smoothly between high and low regimes with the changes of the transition variables, such as economic development, industrial structure, energy structure and international trade. Therefore, the results underscore the need of enhancing the coordination between green finance and structural reforms to play the leading role of financial development in reducing carbon emission and promote regional development of green finance.

Key words:financial development; carbon emission; PSTR; nonlinear relationship

1 引言

伴随着过去三十余年经济持续高速增长,我国环境污染问题日益严重,环境承载能力已趋极限,环境污染产生的经济成本是十分巨大的。要实质性改善我国环境不仅仅要依靠更强有力的末端治理措施,还必须采用一系列财税、金融等手段改革资源配置的激励机制[1]。在资源配置中,“十三五”规划提出,要大力发展绿色金融,引导社会资金从“两高一低”行业退出,更多地投向绿色环保产业,促进绿色清洁生产。与现有大多数研究从经济结构、能源消费、城镇化和贸易开放等角度来考察我国碳排放影响因素不同,本文拟从绿色金融视角来研究金融发展对碳排放的影响,并在PSTR模型的非线性分析框架下,深入研究中国不同省际地区发展特征差异对两者关系的影响,以更好地发挥金融发展在地区节能减排中的作用,为促进地区绿色金融发展提供决策依据。

2 文献综述

自从温室气体排放引发全球气候问题成为全球关注焦点以来,学界围绕碳排放核算、碳排放权利分配以及碳排放影响因素研究进行了大量研究。其中,在环境压力驱动影响因素的STIRPAT模型分析框架下,国内外学者实证检验了经济增长、能源结构、产业结构、贸易开放和城市化等因素对碳排放的影响 [2~5]。近年来,金融发展对碳排放影响引起了学者的关注。一方面,金融发展可以通过缓解消费者和企业的融资约束,刺激消费投资增长,从而扩大经济规模和能源消耗,使得碳排放量显著增加。Sadorsky的研究发现,金融发展使得消费者可以更容易地获得信贷,从而刺激消费者购买汽车、空调和冰箱等耗能大件产品,增加碳排放[6]。同样,金融发展也可以提高企业融资可得性和降低企业融资成本,从而促进企业购置大型设备、新建生产线和扩大生产规模,这些必然会增加能源消耗和碳排放 [7]。

另一方面,Shahbaz等认为金融发展可以通过促进企业技术创新以及为环保产业项目和清洁生产技术研发应用提供资金支持等渠道,引导经??结构和能源结构调整,实现低碳经济发展,从而实现碳排放可持续下降[8]。特别是在绿色金融发展的大背景下,发达的金融市场可以为企业节能减排项目提供多样化的融资工具,同时,企业也有很强动机通过清洁生产来提高社会责任形象,以便更好地融资。因此,从理论上看,金融发展既可以通过引致需求、扩大经济规模和能源消耗、产生金融发展对碳排放增加的规模效应,也可以通过调整结构、促进清洁生产、产生金融发展减少碳排放的结构效应,即金融发展对碳排放的影响存在不确定性。实证方面,一些学者利用时间序列模型或面板数据技术,对金砖四国、土耳其和南非等国研究发现,金融发展与碳排放在不同国家呈现出不同的影响,甚至在同一国家不同时期也表现出不一样的影响关系 [9~12],即两者之间关系十分复杂。

需要指出的是,国内外实证研究大都使用线性模型研究金融发展与碳排放之间关系,对两者可能涉及到的非线性关系研究不够,所得出的结论也不一致甚至截然相反。特别地,现有研究使用的大都是时间序列数据,即使面板数据模型也是在线性分析框架建立的,没有考虑到地区差距视角下金融发展与碳排放之间的复杂性。由于我国各地区经济发展和禀赋结构存在较大异质性,金融发展与碳排放之间的关系可能受到这些异质性影响,从而呈现出非线性效应。因此,本文将从省际间异质性视角出发,基于2000~2014年我国30个省(市)面板数据,利用能够根据地区属性差距进行内生分组的面板平滑转换模型(PSTR),在实证分析金融发展对碳排放影响的整体基础上,深入研究经济发展水平、产业结构、能源结构和贸易开放等不同省际特征差异对两者关系所产生的非线性影响,以更好地发挥金融发展在区域节能减排中的作用,促进区域绿色金融发展。

3 模型、变量及数据说明

3.1 模型设定

为了研究基于不同发展水平和经济结构等地区差异下我国金融发展与碳排放之间的非线性关系,本文采用González等提出的面板平滑转换PSTR模型 [13]进行实证分析。

式(1)中,yit和xit分别是被解释变量和解释变量,即碳排放和金融发展;转换函数g(qit;γ,c)是一个取值介于0和1之间的连续函数;qit、γ、c分别是转换变量、平滑参数和位置参数;m是位置参数的个数,通常取值为1和2。当m=1时,转换函数含有一个位置参数:

此时,模型(3)为三区制的面板平滑转换模型,转换函数关于(c1+c2)/2对称,并在该点取得极小值,处于中间区制状态。

需要指出的是,在对PSTR模型估计之前需要检验模型是否存在非线性转换机制,常用的方法是在γ=0处进行泰勒展开构造辅助回归式:

因此,对PSTR模型的“非线性检验”相当于对式(4)中H*0:β1=…=βm=0作为原假设进行假设检验,然后可以通过构造如下统计量来检验:

如果“线性检验”拒绝原假设,则需要进一步检验是否存在一个或至少两个转换函数,即“剩余非线性检验”。类似于“线性检验”,同样通过泰勒展开构造辅助回归函数,利用LM、LMF和LRT进行检验,直至不能拒绝原假设H0:r=r*为止,此时r*就为PSTR模型转换函数最优个数。

3.2 数据变量说明

考虑到数据可得性,本文选取2000~2014年中国30个省级行政单元(西藏除外)作为研究对象,样本数据来源于《中国统计年鉴》《中国金融年鉴》和《中国能源统计年鉴》。相关变量选取计算情况如下:

(1)被解释变量:碳排放。以单位GDP二氧化碳(CO2)排放量表示。目前尚无权威机构关于省际层面CO2的数据,本文借鉴2006年联合国政府间气候专门委员会制定的温室气体清单指南提供的参考方法,构建CO2的核算公式,为:

式(8)中,Ei表示各种化石能源消费量;CFi为低位发热量;CCi为单位热量的含碳水平;COFi为能源的氧化率水平;44/12是CO2分子与碳原子质量比。

(2)解?变量:金融发展。选取经典的金融相关比率,即用存贷款余额总量/GDP表示。此外用私人部门信贷总量与GDP比重,即金融效率,作为金融相关比率的补充指标,该指标被广泛应用于金融发展的衡量。由于我国金融机构尚未公布私人部门信贷数据,借鉴张军和金煜[14]做法,私人部门信贷为:[(1-国有固定资产投资额)/全社会固定资产投资额]×贷款余额。

(3)转换变量。由于我国各地区经济发展迥异,不同地区的经济发展水平、经济结构、能源禀赋结构和对外开放等存在很大的差距,因此会使得金融发展对碳排放的影响在不同省份呈现出异质性差距。因此,结合现有研究,选取地区经济发展水平、经济结构、能源结构和贸易开放作为转换变量,检验不同经济特征差距对金融发展与碳排放之间产生的非线性关系。对于经济发展水平、经济结构、能源结构和贸易开放的测度,分别用各地区人均GDP对数值、二产比重、煤炭份额和进出口贸易总额与GDP占比表示。

4 实证分析

4.1 非线性检验

在对面板平滑转换模型估计之前,首先需要确定在不同的转换变量影响下金融发展与碳排放之间是否存在非线性关系。由表1可知,除了模型E和H外,其他模型在10%显著性水平下都显著拒绝两者关系为线性关系的原假设,说明模型E和H是不含有异质性的线性模型,模型A至模型D、F和G存在明确的非线性特征;对模型A至模型D、F和G进一步进行非线性剩余检验,发现LM、LMF和LRT检验统计量在10%水平下均不能拒绝r=1的原假设,因此模型A至模型D、F和G均适合采用单个转换函数的PSTR模型。最后,通过AIC和BIC准则确定模型A至模型D、F和G转换函数的最优位置参数个数均为1。

4.2 估计结果分析

本文利用网格搜索法寻找平滑参数γ和位置参数c,通过求解相应回归模型残差平方和RSS最小时的参数值γ和c对模型进行最优参数估计,相关估计结果见表2。

从表2可知,所有模型的回归系数在1%水平下均显著,其中线性部分系数β1显著为负,说明金融发展有利于降低碳排放。而非线性部分系数β11显著为正,说明金融减排效应随着转换变量增加而减少,地区经济的异质性,即转换变量的存在使得金融发展对碳排放影响系数被分成高、低不同区制,影响系数在区制间平滑转换,具体来说:

(1)经济发展水平与金融减排效应。模型A结果显示,β1和β11的系数分别为-0.574和0.240,位置参数c为10.016,说明当人均GDP对数值低于10.016时,模型趋向低区制,金融减排效应最大为-0.574,而当人均GDP对数值高于10.016,模型趋向高区制,金融减排效应通过平滑转换函数作用最终减弱至-0.334,意味着经济发展水平的提高降低了金融减排效应。结合转换函数图1可知,大部分样本观测值处于高、低区制之间,分布在位置参数c两侧,金融减排效应从低区制下开始,以c为中心向高区制地区平滑转换减弱,转换速率为4.252。

(2)经济结构与金融减排效应。模型B的结果显示,β1和β11的系数分别为-0.317和0.182,位置参数c为0.342,说明当二产比重低于0.342时,模型趋向低区制,金融减排效应最大为-0.317,而当二产比重高于0.342时,模型趋向高区制,金融减排效应通过平滑转换函数作用最终减弱至-0.135,意味着经济结构中工业比重的提高降低了金融减排效应。结合转换函数图2可知,大部分样本观测值都位于高区制,转换函数g的值近似等于1,金融深化率每提高1%,碳排放下降0.135% ,金融减排效应相对于低区制的省份降低了0.182%。 2014年仅有北京和海南处于低区制,经济结构中工业比重最低,转换函数g的值近似等于0,金融发展降低碳排放的效应最大。当利用金融效率指标金融发展变量时,同样发现金融效率改善降低了碳排放,并且这种效应随着工业比重提高而弱化,但平滑速率有所降低(见模型E和图3)。

(3)能源结构与金融减排效应。模型C的结果显示,β1和β11的系数分别为-0.353和0.400,位置参数c为0.708,说明当能源结构中煤炭比重低于0.708时,模型趋向低区制,金融减排效应最大为-0.353,而当能源结构中煤炭比重高于0.708时,模型趋向高区制,金融减排效应通过平滑转换函数作用最终减弱至0.047,意味着能源结构中煤炭比重提高降低了金融减排效应。特别地,当地区煤炭比重到达高区制,金融深化率每提高1%,碳排放会增加0.047%。这说明对于以煤为主的省份来说,金融发展不仅没有降低碳排放,反而增加了碳排放。结合转换函数图4可知,转换函数的数值基本处于0.15之上,说明模型基本处在一种高区制转换状态,其中450个样本观测值中已经有8.82%的样本位于高区制。当利用金融效率指标金融发展变量时,同样发现金融发展降低了碳排放,并且这种效应随着能源结构中煤炭比重提高而弱化、消失直至转变为金融效率提高1%,碳排放增加0.538%(见模型F和图5)。

(4)对外贸易与金融减排效应。模型D的结果显示,β1和β11的系数分别为-0.579和0.208,位置参数c为0.66,说明当进出口贸易占GDP比重低于0.66时,模型趋向低区制,金融减排效应最大为-0.579,而当进出口贸易占GDP比重高于0.66时,模型趋向高区制,金融减排效应通过平滑转换函数作用最终减弱至-0.371,这意味着对外贸易弱化了金融减排效应。 根据“污染避难所”假说,发展中国家环境监管标准普遍较低,发达国家通过进出口贸易向发展中国家转嫁污染,国内一些研究发现我国贸易开放存在“污染避难所” [15]。因此,粗放型的外贸发展方式使得金融减排效应大打折扣。

结合转换函数(如图6)进一步发现,76.9%样本观测值都处于低区制,贸易比重要显著低于门槛值,转换函数g的值近似等于0,金融深化率每提高1%,碳排放下降0.579%,金融减排效应最大。也就是说,对于我国大部分省份来说,当前贸易比重还没有能够显著降低金融减排效应。但是,也有59个样本观测值处于高区制,贸易比重高于门槛值,转换函数g的值近似等于1,金融深化率每提高1%,碳排放下降0.371%,金融?p排效应最弱。

5 结论性评述

面对日益严峻的环境压力,积极发挥金融资源配置在绿色发展的引领作用是“十三五”时期发展绿色金融的题中之义。基于此,本文对我国金融发展与碳排放之间的非线性关系进行了实证检验。研究发现:金融发展总体上有利于降低碳排放,但这种金融减排效应会随着经济发展水平、经济结构、能源结构和贸易开放等转换变量,在高、低区制之间进行平滑转换,呈现出复杂的异质性特征。具体来说,上述转换变量的位置参数值分别为10.016、0.342(0.348)、0.708(0.677)和0.660,这些参数值将每个省(市)分为高、低区制,金融减排效应在低区制最大、在高区制最小,即在人均GDP水平较高、工业比重较高、能源结构中煤炭比重较高和贸易开放程度较高的省份,金融减排效应下降。特别地,当一个省份能源结构煤炭比重达到0.708时,金融发展不仅不能降低碳排放,反而会增加碳排放。基于这些研究结论,提出如下的政策建议:

一是大力发展绿色金融,更好地发挥金融资源配置对绿色发展的正向激励作用。研究发现金融发展总体上有利于降低碳排放,但由于我国目前尚未建立完整的绿色金融体系,缺乏一个系统完整的政策框架,没有充分吸引社会资金进入绿色行业,金融体系支持绿色发展仍然存在很大改善空间。因此,要切实按照“十三五”规划提出的“发展绿色金融”的要求,积极营造良好的支持绿色金融发展的政策和市场环境,强化绿色金融的基础设施建设,创新发展绿色贷款、绿色债券、绿色基金、绿色保险等多种方式的绿色金融产品,不断满足企业多元化绿色投融资需求,从而推动经济真正实现绿色发展。

碳减排的经济影响分析范文5

碳排放和温室效应导致气候异常变化是一个全球性的公共环境问题,已经引起国际社会广泛关注,联合国和一些国家政府及非政府机构开始组织、协调全球温室气体减排工作,包括成立联合国政府间气候变化专门委员会(IPCC),通过建立国际碳减排合作机制、分配碳排放配额、创设碳排放交易市场等途径,遏制碳排放量过快增长。但由于各国经济发展水平的差异,受气候变化影响程度不同,实施碳减排的经济基础和发展低碳经济的动机也不同,加之完成碳减排目标与国家利益存在各种冲突,都使得国际碳减排合作是一个多方利益博弈的过程。联合国气候大会上,各国针对如何建立国际碳减排机制的激烈争论,表面上是欧美等发达国家与发展中国家对碳减排分配方案的争议,实质上是各国争夺发展权和国际经济新秩序的主导权。各国发展低碳经济过程中,通过低碳技术创新,发展新能源产业,完善低碳经济市场机制,提高碳减排能力,并且尝试在国际贸易中征收碳关税,设置绿色贸易壁垒,希望在国际低碳经济领域掌握主导权,以获取国家最大经济和政治利益。可以说,国际低碳经济竞争已经成为覆盖政策、技术、资本和产业的全方位竞争,并且上升为国家战略利益的竞争,低碳经济竞争已经成为全球化背景下国家竞争的重要内容。

国外很多学者从产业发展的角度,研究了发展低碳经济对国家竞争力的影响,AllenTyrchniewicz研究了控制温室气体排放对加拿大农业国际竞争力的影响。[1]HengChiLee和BruceA.MeCarl研究了控制温室气体排放对美国农业的影响。[2]PongsakK和TetsuoT等人研究了能源价格不确定性条件下,碳税政策的制定及其对产业发展的影响。[3]AnnetteB和IsabelC认为气候变化对经济发展既是挑战,也是机遇,从动态和静态两个角度分析了技术创新对欧盟国家低碳经济竞争力的影响。[4]国内学者也开始从国际竞争的角度研究低碳经济,张中祥认为实施碳税,尽管对某些产业可能在短期内造成严重影响,但对国家竞争力的损失并不明显。[5]陈晓春和陈思果主张大力培育和提升低碳竞争力,能为企业和国家逆势发展提供有效支撑和不竭动力,也是企业与国家规避绿色贸易壁垒的有力武器。[6]周建成把低碳竞争力界定为在节能减排目标的指导下,企业通过采用可持续发展战略、低碳技术和清洁生产方式,率先生产、开发、利用比竞争对手具有更低污染、更低排放、更低能耗的产品与服务,从而持续获得竞争优势的能力。[7]一个国家既有保持经济持续增长的迫切需要,又面临着资源、能源、环境的约束,现在又面临履行碳减排的国际责任和压力。发展低碳经济对产业发展及其国际竞争力有何影响,进而如何影响国家竞争力,本文试图探析它们之间的内在逻辑关系。

二、低碳经济与环境保护

“低碳经济”是一个与气候变化相联系的范畴,最早可追溯到20世纪60年代,直到2003年英国能源白皮书[8]才把低碳经济作为一个正式概念提出来,并迅速在世界广泛传播,但对于低碳经济内涵和定义,到目前还没有统一的意见。有的观点从低碳本意出发,认为低碳经济是相对于高碳经济、相对于传统能源、相对于人为碳排量大,实质是能源效率和能源结构问题,因此,这种观点认为,发展低碳经济主要是节能和改善能源结构,降低能源碳密度。另外一种观点从物质流过程出发,认为低碳经济就是经济生命周期全过程中的碳减排和增加碳汇,在物质流的输入环节、转化环节和末端环节中提高能源生产率、降低二氧化碳排放和增加碳汇,这两种是狭义的低碳经济定义。更多的是从广义角度来定义低碳经济,有的观点认为低碳经济与人类社会发展的阶段有关,是产业结构中服务业的比重超过第二产业、人文发展和碳生产力同时达到一定水平下的发展过程与形态。也有观点把低碳经济看作是低碳发展、低碳产业、低碳技术、低碳生活等经济形态的总称,不仅是一种企业盈利及生存模式,还是一种社会存在和社会制度发展的状态,强调社会管理机制、社会生活方式在低碳经济发展中的作用。得到广泛认同的定义是以能源高效利用和清洁开发为基础,以低能耗、低污染、低排放为基本特征的经济发展模式,其实质是提高能源利用效率和创建清洁能源结构,核心是技术创新、制度创新和发展观的转变。[9]

其实低碳经济是人类对当前经济发展模式的反思,需要改变当前经济发展过度依赖资源能源的消耗,以及由此造成自然环境的破坏性影响,希望在人、社会和环境之间建立一种更为和谐的关系。低碳经济的发展模式就是运用低碳经济理论来指导经济活动,将传统经济改造成低碳型的新经济模式,其内在要求是实现人类社会系统过程的各个单元在低能耗、低排放、低污染的条件下和谐共生,提升能源的高效利用、推行区域的清洁发展、促进产品的低碳开发和维持全球的生态平衡,告别不可持续的高碳经济发展时代,实现一种低能耗、低物耗、低污染、低排放、高效能、高效率、高效益的可持续发展经济。可以说,低碳经济是继人类社会经历过原始文明、农业文明、工业文明之后的生态文明,是人类社会继工业革命、信息革命之后的新能源革命。所以,最理想的低碳经济是一种能够提高气候变化的适应能力,尽可能地减缓气候变化的负面影响,同时又能最大限度发展生产力,提高人类发展水平的经济形态,同时兼顾代际公平和代内公平,实现经济社会的可持续发展。

随着人们对环境和经济关系认识的深入,环境问题与经济发展之间的辩证统一关系越来越清晰,一方面,两者相互制约,经济的发展要受到环境、资源的约束,经济发展方式对环境也有显著的影响;另一方面,两者相互依托,相互促进,如果在经济发展中合理利用自然资源,运用经济成果为环境保护提供技术、物质支持,又可以促进生态平衡。越来越多的国家受到经济全球化影响,环境保护对国内经济的影响必然会反映到国际经贸关系上来。环境保护改变了各国经济发展的条件和国家贸易条件,也影响了各国的生产分工和产业转移,对各国的比较优势和国际竞争力产生不可忽略的影响。对环境保护与国际竞争力的关系,目前有三种比较重要的理论假设。一个是“环境竞次理论”(racetothebottom)[10][11][12],该理论认为不同国家或地区对待环境保护问题上的行为类似于“公地悲剧”的发生过程,如果由于采取严格的环保标准,可能导致产业向环保标准较为宽松的地区转移而产生失业、投资减少和工资降低等问题,每个国家都更愿意采取比其他国家更为宽松的环保政策,以使自己处于有利的国家竞争地位,这样的结果就是每个国家都会采取比没有国际竞争情况下更次的环保标准。第二个是“污染避难所假说”(hypothesisofpollutionhaven)或者“产业区位重置假说”(hypothesisofindustriesrelocation)[13][14]。存在贸易竞争的国家之间环保标准和执行力度不同,特别是发达国家和发展中国家之间环境保护力度有很大差异,很多发达国家的产业由于在本国生产要承受的环境成本比较高,为了追求最大化利润,会转移到发展中国家,以便获得成本优势。这种追求环境成本差异而转移的产业,大多是资源消耗高、污染严重的产业,因此发展中国家也就因此成为了污染者的“乐园”,是世界污染和污染密集产业的“避难所”[15]。第三个是“波特假说”(Porterhypothesis)[16],认为有效的环境政策将刺激企业的技术创新和管理创新,从长期来看,由于环境的压力,企业在加大环境保护投资的同时,也在进行技术创新和管理创新等活动,反而会使企业摆脱资源禀赋的约束,能够创造竞争优势提高企业竞争力。

尽管二氧化碳本身不是污染气体,但以二氧化碳为主的温室气体大量排放会加快气候变化,对环境和经济活动的影响是显而易见的。发展低碳经济形式上是一个关注气候变化环境问题,内容是通过新能源技术和减排技术的创新,提高能源利用效率,有效控制碳排放,减缓气候变暖速度,发展低碳经济也是环境保护的重要内容。发展低碳经济的重要内容是调整传统经济结构,发展新兴工业,实现可持续发展,实施过程是各国争夺碳排放权和国际发展空间,提高国家竞争力。

三、低碳经济与国际竞争力

(一)低碳经济与产业转移

随着能源消耗总量持续快速增长,空气中二氧化碳浓度越来越高,国际碳减排形势变的比以往任何时候都更严峻,不管碳减排任务分配的国际谈判结果如何,各国都会面临越来越大的碳减排压力,必然会采取相应的政策措施,对能耗较高的产业和企业进行能源约束或征收碳排放税。受此影响,相关产业和企业的产出就会下降,生产成本上升,导致利润下降。碳减排压力越大的国家,政策措施越严格,对产业的影响越大,特别是能耗较大的产业,受影响程度更大。由于国际碳减排机制的双轨制和灵活性,各国碳减排政策不协调,政策标准和实施力度有很大差异,对国内产业发展的影响程度不同,就会促进资本跨国流动和产业转移。

为了尽量避免能源约束和碳税带来的不利影响,逐利的资本就会从碳减排压力较大的国家转移到碳减排压力较小的国家,从碳减排政策更严格的国家转移到碳减排政策更宽松的国家。从行业来看,高能耗和高碳排放产业由于受到碳减排政策的影响更大,更容易出现跨国转移。所以,发展低碳经济步调较慢的国家更容易承接到其他国家的产业转移,吸收资本和技术促进本国经济发展,而发展低碳经济步调较快的国家,特别是碳减排压力较大的发达国家,如果实施严格的碳减排政策,国内很多产业就容易转移出去,不但影响经济发展,还会带来工人失业等一系列问题,这也是发达国家要求发展中国家共同承担碳减排任务从而使国际碳减排任务分配发生激烈博弈的主要原因。当然,产业转移除了受到低碳经济政策差异影响以外,还会受到其他条件的制约,首先就是要比较跨国转移前后的利润率,因为转移到宽松政策国家虽然可以降低能源约束和碳税带来的不利影响,但也可能面临丧失市场和技术支持等其他不利条件,只有在两方权衡更有利的情况下,资本才愿意跨国转移。另外一个条件就是产业转移接收国家必须具备一定的资源基础,包括充足的能源供应和其他生产要素的支持。低碳经济发展趋势不可避免,而国际碳减排机制的双轨制或多轨制还会持续存在,由此造成的发达国家向发展中国家转移高耗能产业就会继续进行,规模会越来越大。但是国际碳减排机制中碳排放权交易和清洁发展机制(CDM)会在一定程度上削减这种趋势,因为有硬性碳减排义务的缔约国的企业,可以通过交易市场购买碳排放额度,或者购买没有硬性碳减排义务的非缔约国实施碳减排项目的CERS(经认证的碳减排量),可以算成是自己的碳减排,就可以降低国内能源约束和碳税的影响。如果碳减排额度的购买费用低于碳税带来的成本上升,就没有必要转移了。另外,发达国家如果开始实施碳关税,会增加来自发展中国家产品的障碍,发达国家企业如果想通过产业转移来规避国内碳税的话,则又会面临碳关税的壁垒,为了国内市场的考虑,产业转移的吸引力则大大降低。另外,作为低碳经济重要内容的清洁能源,也可以发挥太阳能、风能、水利、潮汐和生物质等自然资源的禀赋优势,吸引资本和技术投入,发展清洁能源产业,促进经济增长。

(二)低碳经济与技术进步

实现碳减排的主要途径就是节约化石能源消耗、使用清洁能源和提高能源利用效率,对二氧化碳等温室气体进行捕集、存储和利用,这都有赖于技术进步,技术创新在低碳经济中发挥基础性作用。新能源是在新技术基础上开发利用的可再生能源和清洁能源,发展新能源是低碳经济的重要组成部分,也是未来经济社会可持续发展的能源基础。各国为了完成碳减排目标,发展低碳经济,必然会加大对低碳技术的研发投入,推广低碳技术应用。其他领域生产由于受到能源约束,也会通过技术进步弥补影响,提高生产效率,保障其资本收益水平。

低碳经济作为新的经济发展模式,对于促进企业技术创新,可以从外部驱动和内部驱动两个方面来看。从内部驱动来看,企业生产目的就是追求利润最大化,就算是没有低碳经济政策的约束,企业也有通过技术创新来节约能源降低成本的内在动力,只是从成本角度来看,传统化石能源具有成本优势,使得企业不愿意采用更为昂贵的新能源。随着低碳生产和低碳生活模式得到越来越广泛的认可,低碳意识在生产、流通和消费等领域逐步渗透,低碳生产和低碳经营已经成为企业竞争的重要手段之一,很多企业开始把应用低碳技术作为获得公众认可的途径,特别是通过低碳技术创新,企业在融资、政府扶持、获得同行信赖、赢得消费者认同等方面获得优势,在这些因素的作用下,企业更加注重其低碳经营形象,具有低碳技术创新的积极性。发展低碳经济将催生新能源、环保等一系列新的产业,具有开拓性的企业会抓住机遇,开辟新的生产和服务领域,掌握主动权的关键在于自主创新和技术进步,企业为了获得在新领域的竞争力,也会主动进行低碳技术的自主创新,甚至利用技术创新设置行业壁垒,限制其他企业进入,通过阻碍资本流动以获得垄断利润。企业进行低碳技术创新也会面临不少阻力,主要来自技术创新风险,低碳技术研发需要额外投入大量的人力、物力和财力,增加了企业生产成本,作为新的技术创新领域,低碳技术本身还具有高风险性,在技术研发和应用的初期阶段,表现出高成本、低收益的特征,难以与现有比较成熟的生产技术进行竞争,加大了企业低碳技术研发的难度。另外,如果成功的创新技术不能得到有效保护,很容易被别的企业模仿,从而会丧失创新带来的技术优势,打击企业低碳技术研发的积极性。当然,随着低碳技术的日益成熟和广泛应用,这些阻力会逐步变小,发展低碳经济促进企业技术自主创新的作用会越来越明显。

从外部驱动来看,低碳经济政策的实施迫使企业不得不转向技术创新,首先是传统能源约束、能源价格和碳税等政策作用,加大了企业的生产成本,为了追逐利润,企业只能通过技术创新来改进生产工艺,提高生产和管理效率,才能完成节能任务,或者抵消低碳政策带来的成本增加。其次,政府为营造低碳技术创新环境,就会通过财政、金融等手段鼓励企业技术创新,包括直接科研资助、信贷优惠、政府采购和财政补贴等扶持政策,这些政策和措施作为一种外生的驱动力量从不同侧面提高了企业低碳技术创新的积极性。这种刺激效应的大小也是受到多种因素影响,关键在于政府扶持政策的力度大小和持续时间长短,以及给社会带来的预期,如果政策力度太小或者存在不确定性,对企业的刺激作用就不会明显。最后,技术创新已经成为竞争优势的重要来源,低碳技术创新将成为企业在低碳发展模式下竞争的重要手段,企业要在激烈的竞争中立于不败之地,必须加大低碳技术的积累和应用,充分利用新的低碳技术与管理方法,采取积极主动战略去应对新的竞争,才能提高其整体竞争力。

(三)低碳经济与竞争优势

低碳经济首要的就是降低能源消耗,减少温室气体排放,化石能源相关产业的发展必然受到影响,企业由于节能设备或改用其他能源的投入增加了资本沉淀。由于当前技术水平的制约,太阳能、核电和风电等新能源成本较高,大量使用新能源必将增加企业生产成本,特别是高耗能产业的生产成本将大幅度提升。一个国家或地区碳减排任务越大,节能减排的压力越大,企业生产成本提高越明显,产出下降的幅度就会更大。化工、冶金、制造、建材等高耗能行业的产出降低和成本上升,通过原材料的传递效应进而会影响到整个社会的产出水平和物价水平,会对宏观经济产生不利影响。碳税作为一种价格调节手段,会提高能源价格,有利于各行业节约使用能源,但传导作用会影响经济产出,特别是能源消耗大的行业受到影响非常明显。郑玉歆[17]认为如果中国征收碳税,短期内产出下降最大的部门五个部门分别是采煤、天然气、炼焦等能源产业和纺织、服装轻工业,其中采煤部门产出下降幅度达到10.68%,长期产出受到影响最大的部门是采煤、天然气、炼焦、石油加工和金属冶炼行业。魏涛远和格罗姆斯洛德[18]认为中国征收碳税虽然可以使二氧化碳排放量下降,但会使中国经济恶化,经济代价十分高昂。财政部财政科学研究所课题组[19]认为,开征碳税会使GDP下降,使各行业的产出、出口下降,随着时间推移,影响程度越来越大。张明喜[20]则认为碳税可以使我国二氧化碳排放量大幅度下降,虽然对各行业产出有负面影响,对经济影响不大,而且长期影响越来越小。

碳减排的经济影响分析范文6

关键词 能源消费;二氧化碳排放;LMDI

作者简介晗(1986—)女,江西师范大学财政金融学院硕士研究生。(江西南昌 330000)

一、引言

发展低碳经济,是可持续发展的题中之义。而碳排放作为全球气候变暖背景下的新标识,得到学者们的广泛研究。那么碳排放的影响因素有哪些?这些影响因素如何影响碳排放的?关于碳排放影响因素的问题,许多学者也做出了探究。例如陈彦玲,王深认为高速的经济增长产出规模是经济碳排放的驱动因素,而产业结构、能源结构的调整和能源效率的提高降低了碳排放量的增长。1唐志鹏等依据突变级数法基本原理,构建了我国CO2减排的影响要素指标评价体系,该指标体系主要包括一次能源消费结构、产业结构、能耗技术以及管理水平等2。冯相昭,王雪臣,陈红枫(2008)、宋德勇,卢忠宝2009、王伟林,黄贤金2008、徐国泉,刘则渊,姜照华2006等均采用指数分解法对碳排放的影响因素进行定量研究3-6。

《江西省低碳经济社会发展纲要白皮书》指出,“到2020年江西省建设低碳经济社会的目标是:产业、能源结构趋于合理,生产方式基本实现向低碳型转变;低碳技术的研发能力全面提升,若干技术和产业规模达到国内领先水平;温室气体排放得到有效控制,碳汇能力明显提高;与低碳经济社会发展相适应的法规、政策和管理体系基本建立;在低碳领域与国内外交流合作的平台全面建立,国际低碳经济交流合作中心的地位得到确立。”

减少能源消耗,降低温室气体二氧化碳排放,需要我们对江西省能源消费及碳排放现状及影响有素有清晰的认识。本文从能源消费及二氧化碳的排放角度出发,结合江西省实际情况,分析“十五”中期至“十二五”初期各工业部门的能源消费、二氧化碳排放情况,并运用LMDI法对二氧化碳排放影响因素进行总体分析,从而为江西省的减排工作提出建议对策。

二、研究方法

一碳排放计算方法

本文采用《2006年IPCC国家温室气体清单指南》中推荐的基准方法来计算江西省各产业部门的CO2排放量。计算公式如下:7

Ct=∑iCi,t=∑iECi,t·efi

式中,Ct为t时期各种类型能源消费导致的CO2排放总量104t?鸦i为能源消费类型,如煤炭、石油和天然气等?鸦EC为能源消费总量?鸦efi为能源i的CO2排放系数,CO2排放系数参考相关文献并经过简单的计算获得参照下表1。本文未将工业生产过程中被用作生产原料的那部分能源的固碳量列入到研究范围内,为此不考虑能源固碳化率对估算结果的影响。

二碳排放因素分解方法

近年来的研究不断表明,能源消费碳排放除了与能源消费规模及经济产出有直接联系,而且与能源结构、能源效率及主导产业类型等有较为密切的关系8。因此,本文引入能表示产业结构、能源结构及能源效率的变量,对Kaya恒等式9进行了扩展。扩展后的Kaya恒等式表达为:

式中:POP表示国内人口总量;C表示碳排放总量,指能源燃烧释放出的热量所对应的碳量,用i区分不同的产业类型,用j区分不同的能源类型,则Cij表示第i种产业中第j种能源产生的碳排放;PEij表示第i种产业中第j种能源的消费量;PEi表示第i种产业的能源消费量;GDPi表示第i种产业的国内生产总值。

则能源消费碳排放分解模型表达式为:

式中:fij表示不同类型的单位能源所排放的碳量,即碳排放系数;mij表示第j种能源在第i种产业的能源消费中所占比重;ti表示第i种产业单位GDP的能源消费量,即该产业的能源强度;si表示第i种产业在GDP总量中所占比重;g表示人均GDP;p表示人口数量。

由此,将能源消费碳排放的变化分解为排放因子效应(fij)、产业能源结构效应(mij)、产业能源强度(ti)即能源效率效应、产业结构效应(si)、产出规模效应(g)及人口规模效应(p)等6种因素。

LMDI方法10采用“乘积分解”和“加和分解”两种方法进行分解,两种方法最终分解结果是一致的。对于公式C=∑i∑j(mij·fij·ti·si·g·p)所示模型,设基期碳排放总量为C0,T期总量为CT,用下标tot表示总的变化。采用加和分解,将差分分解为:

各分解因素贡献值的表达式分别为:

排放因子效应:

能源结构效应:

能源强度效应:

产业结构效应:

经济产出效应:

人口规模效应:

总效应:

由于各能源的碳排放因子即为该能源的碳排放系数,在实际应用中取常量,所以,在进行因素分解时,Cfij始终等于0,可以不作为考量因素。故总效应公式可简化为:

3.基础数据处理

为方便计算,本文将工业划分为10个产业部门,具体划分见下表。

本文工业部门能源消费量来自江西省统计年鉴(2004~2012年)11,经济数据采用规模以上工业企业增加值,并依据产业分类加以合并整理。

通过碳排放计算公式得出江西省规模以上工业各部门碳排放量如下:

三、能源消费碳排放LMDI分析

通过能源消耗计算得到2004~2011年江西省规模以上工业内部产业部门能源碳排放情况。并在此基础上进行LMDI分解,得出能源结构效应、能源强度效应、产业结构效应、产出规模效应、人口规模效应,得到各分解因素的效应结果如下表。

1.产出规模效应分析

从LMDI分解结果可以看出,工业部门能源消费的碳排放因素中影响最大的是产出规模正的增效应,即经济增长的正影响。

经济增长所衍生的能源需求是各产业部门CO2排放增加的主要因素,由经济增长所带动的CO2排放增量效应较大的产业包括:能源产业、石化产业、钢铁及有色金属产业、建材产业、采选业等。此外,从时间序列分析,2004~2011年间各产业的增量效应总体上处于增强趋势。部分产业,如纺织服装业、造纸和印刷产业、装备制造业、其他工业部门产出规模效应在2008年前后出现波动,其原因可能由于受国际金融危机影响,全国实行宽松的经济政策,扩大内需,整体经济水平获得稳定增长,能源消费导致的碳排放也随之增长,江西省亦不例外。但随着时间推移,金融危机的影响逐渐渗入各个领域,经济增长脚步放慢,产出规模相应相对减弱,但整体上仍处于上升趋势。

2.能源强度效应分析

从表7和图5可以看出,各产业部门能源强度变动所产生的减量效应渐趋明显。能源强度变动所产生的减量效应较大的产业包括:能源产业、钢铁及有色金属产业、纺织服装业、装备制造业等;由增量效应逐渐转变为减量效应的产业为:采选业、食品加工和制造业、石化产业、建材产业、其他工业部门;而由减量效应转变为增量效应继而又转变为减量效应的是造纸和印刷产业。结合江西省具体情况来分析,随着战略性新型产业的发展,江西省对传统的能源消费较高产业,逐步进行生产工艺和生产设备技术改造,积极引进节能降耗的设备,提高能源的综合利用效率,同时发展新型产业,逐步降低对能源的消耗。

3.产业结构效应分析

从LMDI数据分解结果来看,产业结构对整体产业部门的CO2排放由增量效应逐渐转变为减量效应。从各产业部门来看,产业结构的减量效应的产业包括:食品加工和制造业、造纸和印刷产业、石化产业。产生增量效应的产业包括:采选业和纺织服装业。由增量效应转变为减量效应的产业为:钢铁和有色金属产业、能源产业。其中能源产业在2004年后成为减量效应的主要贡献产业,而随着国家对钢铁及有色金属产业结构的调整及限制,其能源消费及碳排放也得到了有效的控制和缓解。由减量效应转变为增量效应的产业为:建材产业、装备制造业和其他工业部门。可见近年来这些产业的产业结构不尽合理,造成产业重复率高,产能过剩。综合上述分析,尽管能源产业、钢铁和有色金属产业、石化产业是工业部门中主要的CO2排放源,却因产业规模缩减或产业结构调整而带来一定的减量效应,因此可以看出通过产业结构调整和优化可以实现CO2的减排。

四、结论及建议

本文通过碳排放影响因素的对数平均迪氏指数方法(LMDI),从能源消费结构、能源消费强度、产业结构效应、产出规模效应、人口规模效应五个方面对江西省能源消费碳排放进行分解分析,通过分析可以看出2004~2011年产出规模效应、产业结构效应、人口规模效应是影响江西省的能源消费CO2排放的增长因素。能源结构效应、能源强度效应的优化则对控制CO2排放有负的减效应。虽然高速的经济增长会带来能源消费CO2排放正的增效应,但以经济增长换取低碳排放是不实际的。因此,在能源强度下降的同时,调整产业结构,优化能源消费结构,控制人口在合理的水平增长对江西省能源消费碳排放至关重要。

针对以上分析,给出如下建议:

(1)提高能源消费强度是减排的重中之重。江西省能源强度效应在碳排放影响因素中负的减效应最大,因此,要继续推进工业内部重点部门的节能工作,要进一步强化能源产业、钢铁和有色金属产业、石化、建材、采选、食品加工及制造等高耗能产业的节能减排责任,加强重点耗能行业设备、产品单位能耗管理,开展技术改造项目、淘汰落后工业及设备,提高能效,逐步完善以政府调控为主、市场主导为辅、行业为主体,全社会共同推进的节能减排局面。

(2)提高清洁能源比例是减排工作的深化。使用低碳清洁能源代替高碳能源是江西省减排工作的重要方面。一方面,依托西气东输工程,提高天然气在江西省能源消费中的比例;另一方面,积极开发使用太阳能、风能电站建设,增加无碳电力的生产,保障能源安全的前提下,适当提高外来电力消费比例。

(3)碳捕捉及埋存是减排工作的可能途径。碳捕捉及埋存指将CO2从相关排放源中分离出来,运输到封存地,使CO2长期与大气隔离的过程。目前江西省尚无次碳处理方法。但我国上海石洞口第二热电厂碳捕捉项目的建设,可以提供经验、设备及技术指导。另外,江西省还需将分散燃烧的煤炭集中用于发电部门,这样,可以利用大型发电锅炉高的燃烧效率,依托先进技术,减少煤炭分散燃烧,大幅提高煤炭利用效率,也为日后CO2捕捉及埋存奠定基础。

参考文献

1陈彦玲,王琛.影响中国人均碳排放的因素分析J.北京石油化工学院学报2009254~58.

2唐志鹏等.基于突变级数法的中国CO2减排的影响要素指标体系及其评价研究J.资源科学2009111999~2005.

3冯相昭王雪臣陈红枫等.1971~2005年中国CO2排放影响因素分析J.气候变化研究进展2008142~47.

4宋德勇,卢忠宝.中国碳排放影响因素分解及其周期性波动研究J.中国人口·资源与环境2009318~24.

5王伟林,黄贤金.区域碳排放强度变化的因素分解模型及实证分析J.生态经济20081232~35.

6徐国泉刘则渊姜照华.中国碳排放的因素分级模型及实证分析:1995~2004J.中国人口·资源与环境2006166158~161.

7IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories M.TokyoIGES2007.

8李国璋王双.中国能源强度变动的区域因素分解分析——基于LMDI分解分析方法J.财经研究200834852~62.

9Kaya Yoichi.Impact of Carbon Dioxide Emission on GNP Growth Interpretation of Proposed Scenarios R.Paris Pre-sentation to the Energy and Industry Subgroup Response Strategies Working Group IPCC 1989.