各区域出现差异的主要原因是经济起步的时间、能源消费结构、产业结构、技术水平、人口规模等不同。
根据2011年各省市人均GDP数据可知,东部地区只有上海、天津2省人均GDP超过高点对应的拐点55150.26元/人,其余9省均位于倒N型曲线的上升阶段,温室气体排放和人均GDP呈现正相关性。中部地区山西、安徽、江西、河南、湖北、湖南经济发展均未达到拐点23246.58元/人,但均逼近拐点,温室气体排放压力将逐渐缓和。西部地区N型曲线的拐点为23560.18元/人,除内蒙古外各省份均位于N型曲线的下降,即随着人均GDP的增加而下降。从整体来看,我国已超过第一个拐点,完成第一波上升的阶段。目前处于N型曲线的下降阶段,二者表现的是负相关关系。根据我国目前的经济发展速度及计算所得低点与高点对应的人均GDP间隔,可以看出,西部和全国的这两波下降时间段都较短,当人均GDP超过相应的拐点,将会呈现正相关。
(三)省域到达EKC拐点时间预测
根据表5中东、中、西部地区及全国到达拐点的人均实际GDP数值,各省份均超越第一个拐点。按照2001年—2011年人均实际GDP增速进行计算,可以得出我国各省份碳排放EKC曲线到达第二个拐点的年份,如表6。
表6 东、中、西部地区各省达到EKC拐点时间
东部地区 | 中部地区 | 西部地区 | ||||||
省份 | 人均GDP年均增速(%) | 到达拐点年份 | 省份 | 人均GDP年均增速(%) | 到达拐点年份 | 省份 | 人均GDP年均增速(%) | 到达拐点年份 |
北京 | 7.27 | 2012 | 山西 | 11.36 | 2014 | 内蒙古 | 17.26 | 已达 |
天津 | 12.07 | 已达 | 吉林 | 12.99 | 已达 | 广西 | 13.15 | 2014 |
辽宁 | 12.36 | 2015 | 黑龙江 | 11.54 | 已达 | 重庆 | 13.27 | 2012 |
上海 | 7.51 | 已达 | 安徽 | 12.77 | 2014 | 四川 | 13.17 | 2014 |
江苏 | 12.51 | 2014 | 江西 | 12.00 | 2015 | 贵州 | 12.95 | 2018 |
浙江 | 10.70 | 2015 | 河南 | 12.66 | 2013 | 云南 | 10.24 | 2017 |
福建 | 11.80 | 2015 | 湖北 | 12.36 | 2012 | 陕西 | 13.27 | 2013 |
河北 | 10.87 | 2020 | 湖南 | 12.46 | 2013 | 甘肃 | 11.07 | 2017 |
山东 | 12.49 | 2016 | 青海 | 11.72 | 2014 | |||
广东 | 10.72 | 2015 | 宁夏 | 10.64 | 2015 | |||
海南 | 10.85 | 2021 | 新疆 | 8.87 | 2014 |
中部地区在2015年碳排放EKC即可全部到达拐点;东部地区的河北和海南省要等到2020年、2021年。可能是河北和海南省属于我国东部地区发展较缓慢的省份,近年来为了促进经济增长,一些大规模工业基础设施投资,能源消费结构发生变化,导致了碳排放日益增加。中部省份在未来的经济发展过程中应积极采取各种措施,降低碳排放,力争碳排放EKC拐点提前来临。相比较而言,东部地区到达拐点所需的时间较长。究其原因主要是东部地区基本上是我国经济较发达的地区,发展规模和经济总量较大,先前产业大多数是以高耗能产业发展起来的,碳排放量较大。这些高的碳排量产业一般具有区域粘性,难以进行转移,短期内难以改变,导致未来一段时间的温室气体排放就很难得到控制。而中部地区相对而言,经济总量和产业规模较小,经济发展起步的时间晚于东部地区,能源耗量较少,高排放量产业较东部地区也少,有利于未来碳排放压力的缓解,能够更早到达EKC拐点。西部地区各个省份由于经济发展的初始基础相差较小,所以人均碳排放EKC到达拐点的时间也比较接近。除云南、甘肃、贵州3省份在2017年和2018年到达拐点,其余各省份在2015年均已全部到达。经计算从全国整体来看将于2014年到达N型曲线的第二个拐点,之后将呈现碳排放与人均GDP正相关的状态。无论对于西部地区还是全国整体到达拐点后都将是一个挑战,随着经济的增长,碳排放将呈现上升的趋势。所以,通过降低高耗能产业比重、增加清洁能源消费数量和发展低碳技术作为技术创新的方向。
四、产业结构升级与温室气体排放量的实证研究
(一)变量的选取和模型的构建
为了研究产业结构升级与温室气体排放的关系,在变量的选取上,选取第二产业占GDP的比重,记为EC,来衡量产业结构升级。数据来源于《中国统计年鉴》(2002年—2012年),选取各省(市)碳排放量衡量,记作C。构建的模型如下:
LnCit=α+β1LnEC+εit (式3)
式中:C表示碳排放量,EC为产业结构指标,下标i和t分别表示第i个省份第t年的数据,εit为残差项,β1为弹性系数。
(二)曲线的拟合及分析
对数据进行面板单位根和协整检验均通过,可以进行模型的估计。表7的估计结果证实了产业结构变化是影响污染排放的重要因素,在拟合的方程中,产业结构估计系数都通过了显著性检验,除西部地区调整后R2小于0.7外,其余各方面拟合都很好,可以用来解释各区域的状况。
从地区回归方程可以看出,中部、西部及全国整体,产业结构的系数均为正,说明二产占人均GDP的比重与温室气体排放量成正相关,即随着二产占人均GDP的比重的下降,碳排放量也随之下降。产业结构的优化有利于环境质量的改变,第二产业的下降尤其是工业的下降对中、西地区的碳减排效应是显著的。东部地区产业结构的系数是负0.91,即随着第二产业所占GDP比重的上升,东部地区的碳排放是下降的,下降系数为0.91。这并不符合正常的碳排放量与产业结构的之间的关系,主要是由于中、西部地区与东部地区所处的发展阶段不同,东部地区工业已较发达,关于低碳产业的技术相对中、西部地区较先进,这些先进的低碳技术运用到工业中,即使工业所占比重较以前上升,也能带来较多碳排放量的下降;再者,东部地区是我国经济最发达的地区,随着生活水平的不断提高,人们越来越重视环境的质量,拒绝一些高污染行业中企业的继续运行和建立,要求工业不断进行改善,这也使得第二产业中碳排放量下降明显。不同区域的产业结构对不同区域碳排量的影响力不同符合我国的现状及基本国情的。
表7 产业结构升级与碳排放量的模型拟合
地区回归方程 | 调整后R2 | P(F) | 结论 |
东部:LnC=12.36-0.91LnEC (0.000) (0.000) | 0.854 | 0.000 | 负相关 |
中部:LnC=6.63+0.61LnEC (0.000) (0.000) | 0.997 | 0.000 | 正相关 |
西部:LnC=-1.46+2.58LnEC (0.000) (0.000) | 0.600 | 0.000 | 正相关 |
全国:LnC=4.55+1.09LnEC (0.000) (0.000) | 0.760 | 0.000 | 正相关 |
五、结论
经济较发达的区域,环境质量得到了较好的改善。东部地区是我国经济最发达的区域,即随着人均GDP的增加,大部分省份二氧化碳的排放也已逼近倒N型第二个拐点,即将出现下降趋势;中部地区相对东部地区稍显弱势;西部地区经济发展最滞后,二氧化碳排放量也即将迈入N型曲线的上升阶段。按照目前的趋势,西部的经济发展会造成环境的严重污染,西部地区在迎来产业承接过程中也面严重临环境问题,需要引起关注。综上所述,我国应尽快转变经济增长方式,优化产业结构,改善能源消费结构,根据各区域的特性,制定科学、合理的环境保护政策,主动的实现环境与经济的协调发展。
参考文献:
〔1〕GROSSMAN G M, Krueger A B. EnvironmentalImpacts of the North American Free Trade Agreement [Z]. NBER Working Paper, 1991.
〔2〕刘金全,郑挺国,宋涛.中国环境污染与经济增长之间的相关性研究:基于线性和非线性计量模型的实证分析[J].中国软科学,2009(2):98-106.
〔3〕FRIEDL B, GETZNER M. Determinants of CO2 emissionsin a small open economy[J]. Ecological Economics, 2003, 45: 133-148.
〔4〕MARTINEZ-ZARZOSO I, BENGOCHEA- MORANCHO A. Pooled meangroup estimation for an environmental Kuznets curve for CO2 [J]. Economic Letters, 2004, 82: 121-126.
〔5〕ROCA J, PADILLA E, FARRÉ M, et al. Economic growthand atmospheric pollution in Spain: Discussion the environmentalKuznets hypothesis [J]. Ecological Economics, 2001, 39: 85-99.
〔6〕AZOMAHOU T, LAISNEY F, PHU N V. Economic development and CO2 emissions: A nonparametric panel approach [J]. Journal of Public Economics, 2006, 90: 1347-1363.
〔7〕LANTZ V, FENG Q Assessing income, population, and technology impacts on CO2 emissions in Canada, where's the EKC? [J]. Ecological Economics, 2006, 57: 229-238.
〔8〕HE J, PATRICK R. Environmental Kuznets curve for CO2 in Canada[J]. Ecological Economics, 2010, 69: 1083-1093.
〔9〕陆虹.中国环境问题与经济发展的关系分析:以大气污染为例[J].财经研究,2000(10):53-59.
〔10〕李国志,李宗植.二氧化碳排放与经济增长关系的EKC检验——对我国东、中、西部地区的一项比较[J].产经评论,2011(6):139-152.
〔11〕魏下海,余玲铮.空间依赖——碳排放与经济增长:重新解读中国的EKC假说[J].探索,2011(1):100-105.
〔12〕易艳春,宋德勇.经济增长与我国碳排放:基于环境库兹涅茨曲线的分析[J].经济体制改革,2011(3):35-38.
〔13〕许广月,宋德勇.中国碳排放环境库兹涅茨曲线的实证研究[J].中国工业经济,2010(5):37-47.
〔14〕龙志和,陈青青.中国区域CO2排放影响因素实证研究[J].软科学,2011(8):40-44.
〔15〕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(4):27-36.
〔16〕刘华军,闫庆悦,孙日瑶.中国二氧化碳排放的环境库兹涅茨曲线:基于时间序列与面板数据的经验估计[J].中国科技论坛,2011(4):108-116.
〔17〕GROSSMAN G. Pollution and growth: What do we know? [M]//The Economics of Sustainable Development. Cambridge. Cambridge: Press Syndicate of the University of Cambridge, 1995: 19-47.
〔18〕IPCC. Climate change 2007: the fourth assessment report of the intergovmental panel on climate change [M]. Cambridge University Press, 2007.
作者: 安徽工业大学商学院 方大春 孙明月 郑晴晴
基金项目:国家社会科学基金项目“包容性增长的实现路径研究”(11CJL001);安徽省高校人文社科重大研究项目“皖江城市跨江发展研究”(SK2013ZD02)。
【来源】 《石家庄经济学院学报》2014年第1期