工业结构与碳排放的关联性——基于江苏省的实证分析，本文主要内容关键词为：关联性论文,江苏省论文,实证论文,结构论文,工业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 研究背景
大气中的温室气体尤其是
的增加，是导致全球气候环境变化的一个重要因素，已对人类的生存和社会经济的可持续发展形成严重威胁。目前，国内外普遍认为，解决气候变化的根本出路在于建立低碳经济发展模式。发展低碳经济，是我国经济发展的必然选择，已成为国内外学者共同关注的焦点。
学者们对碳排放的影响因素进行了大量研究，并已取得了丰硕的成果。其中，主流的研究方法有两种。
(1)指数分解法及其扩展方法。在国外，Grossman和Krueger[1]开创性地指出，规模效应、结构效应和技术效应是经济增长影响环境的三种可能渠道。基于这一思路，指数分解法被广泛用于分解碳排放的影响因素。Shrestha和Timilsina[2]较早将Divisia指数分解法运用于碳排放研究领域，发现影响亚洲12国电力行业的排放强度的主导因素是燃料强度。Ang等[3]采用新提出的对数平均Divisia指数分解法研究了中国工业部门能源消耗的排放，发现工业总产出和能源强度分别会对碳排放产生正面影响和负面影响。在国内，徐国泉等[4]基于中国人均碳排放因素分解模型分析了能源结构、能源利用效率和经济发展等因素对人均碳排放的影响，结果显示，能源利用效率对中国碳排放的抑制作用在减弱，以煤为主的能源结构未发生根本性变化，两者的抑制作用难以抵消由经济发展拉动的碳排放量增长。王锋等[5]采用对数平均Divisia指数分解法研究了中国能源消费的排放增长率，发现人均国内生产总值的增长是导致碳排放量增加的最重要因素，生产部门能源强度的下降是抑制碳排放量增加的最重要因素。基于因素分解模型，钱贵霞等[6]应用对数平均Divisia指数法，分析了1999-2008年影响我国内蒙古地区碳排放的主要因素，结果显示，经济产出规模对该阶段的能源消费碳排放的贡献率最大，按贡献率绝对值由大到小对其他影响因素排序依次为产业结构、能源强度、人口规模和能源结构。
(2)基于IPAT恒等式及其扩展改进形式的各种回归分析法。Ehrlich等[7]提出IPAT方程，认为人口规模、经济发展水平和科技进步等因素会对碳排放产生综合的驱动作用。日本学者Kaya[8]建立了数学模型反映人口、经济、能源等与人类活动产生的之间的数量关系。在Kaya模型的基础上，Dietz等[9]建立了IPAT方程的随机模型——STIRPAT模型，并引入指数使其能用于分析人文因素对环境的非比例影响。在国内，孙敬水等[10]基于扩展的STIRPAT模型，对我国低碳经济发展的主要影响因素及其贡献率进行了实证研究，结果表明，人均国内生产总值、人口规模、单位能耗碳排放量、能源消费结构等对碳排放量有显著的正向影响，产业结构、城市化水平、国际贸易分工对碳排放量的影响不显著。尹向飞[11]基于STIRPAT扩展模型，利用1985-2007年湖南省的相关数据进行分析，结果显示，在不同的阶段，人口数量、人均消费、人口城市化、产业结构和老龄化对碳排放的影响是不同的，人口数量的影响程度逐步降低，老龄化是驱动碳排放最主要的因素。
总的来看，相关研究的结论是基本一致的，即人口规模、经济发展水平、能源消费强度、与结构、单位能耗的碳排放量、产业结构、城市化水平、国际贸易分工等被认为与碳排放存在密切联系，但在不同的时空范围内，某些因素的影响程度和作用机制可能有所差别。因此，针对某个因素进行深入分析，对于进一步探讨低碳经济发展途径具有重要的启发意义。
近年来，国内外一些学者针对产业结构与碳排放的关系进行了专门分析。现有研究普遍认为，不同行业的能源依赖和碳排放差异性仍不容忽略，产业成行业的结构变化是碳排放量剧增的主要原因，也是我国实现2020年节能减排目标的关键，但该因素会受到某种潜在机制的制约，且有别于其他因素的作用机制。Talukdar等[12]采用1987-1995年44个发展中国家的面板数据进行回归分析，结果表明，降低农业产值占GDP比重有助于减少碳排放量，而工业产值占GDP比重的提高则会导致碳排放显著增加。使用类似数据，Jorgenson[13]对35个发展中国家进行了统计分析，发现农业产出水平及农业机械使用增加了碳排放。在国内，周景博[14]系统分析了北京三次产业结构及其内部结构对环境的影响，指出重工业结构在能源消耗、环境污染方面的不良作用尤为明显。肖慧敏[15]利用中国省级的面板数据，着重分析了产业结构演变对碳排放的影响，提出刚性产业结构演进特征使得单位排放量居高不下，以第二产业为主导的经济结构对碳排放具有明显的增速效用。谭飞燕和张雯[16]通过设定不同形式的模型考察了各种因素特别是产业结构变动的碳排放效应，结果显示，产业结构变动是碳排放增长的重要驱动因素之一，工业化进程的加快加剧了的排放。
如上所述，产业结构及工业发展对碳排放的影响已得到一定的实证检验。然而，在分析产业结构的调整情况时，很多学者要么按照Fisher的三次产业划分方法分类讨论，要么简单地根据各大行业的耗能、排污情况进行简单区分，要么通过构建产业结构指数来大体反映产业升级状态，对行业内部结构缺乏考察。鉴于此，本文立足于江苏省工业结构及行业碳排放概况，利用一种改进的灰色关联度模型测算并分析工业结构与碳排放之间的关联性，最后提出相应的政策建议。事实上，三次产业结构受客观条件的制约，其调整空间有限。工业是江苏省国民经济的主导产业，工业终端能耗碳排放量占全省整个生产部门终端能耗碳排放量的80%以上，调整工业产业结构可能是一条有助于满足可持续发展的要求的有效途径。
2碳排放量的测算范围与方法
排放源分为两类——自然排放源和人为排放源，土壤、海洋等是自然源，人类活动是人为排放源[17]，后者是本文的研究范畴。人类活动产生的等温室气体主要来自化石能源的燃烧利用。根据国际能源机构的统计，化石能源的燃烧利用产生的排放量占排放总量①的95%以上。化石能源消耗来自终端能源消费、能源加工转换损失、能源损失三部分，其中终端能源消费在量上占据绝对优势，且其数据资料更易获得，因此本文主要研究工业结构与工业终端能源消耗碳排放之间的关系。
《2006年IPCC国家温室气体清单指南》中介绍了估算固定源和移动源中化石能源燃烧排放的的三种方法，其中“方法1”是根据燃烧的燃料数量以及缺省排放因子来估算排放量。尽管利用该方法所得计算结果的准确性相对不足，但该方法简单易行，对数据、技术的要求都不高，因此本文采用该方法估算某个行业各种化石能源消耗产生的碳排放量，再通过加总获得整个行业的碳排放总量，计算公式见式(1)。若将每个工业行业的碳排放量加总，可求得生产部门化石能源消耗的碳排放总量。
3 江苏省工业部门的碳排放概况
根据历年的《中国能源统计年鉴》、《江苏统计年鉴》和《江苏经济普查-2008》中的数据及表1中的碳排放系数，运用式(1)测算江苏省工业部门的碳排放量，总体情况见图1、图2和图3。
图1 2001-2009年江苏省工业部门
终端化石能源消费碳排放量变化趋势
注：为避免重复，在计算工业部门化石能源消费的碳排放量时，剔除了“用作工业原料、材料”的终端能源消费。因为缺乏2000年及以前这方面的统计信息，无法剔除这部分的影响，从而难以准确计算2001年的碳排放环比增速，故在图1中未标示出2001年的碳排放环比增速。
资料来源：根据《中国能源统计年鉴》(2000-2010)中“江苏地区能源平衡表”的数据整理计算。
图2 1995年、2000、2005年和2009年江苏省生产部门终端化石能耗碳排放的行业结构
注：在计算工业部门化石能源消费的碳排放量时，应剔除“用作工业原料、材料”的终端能源消费，但由于部分数据缺失，只能对2001年以后的数据做此操作；自2003年开始，《中国能源统计年鉴》中的“地区能源平衡表”的第一类行业“农林牧渔业”变为“农林牧渔水利业”，第四类行业“交通运输仓储邮电通讯业”变为“交通运输仓储邮政业”，统计口径有小范围的变化，但这不影响分析结果，特此说明。
资料来源：根据《中国能源统计年鉴》(1996-2010)中“江苏地区能源平衡表”的数据整理计算。
作为经济强省之一，江苏是典型的能源输入型地区，主要靠高投入、高物耗、高能耗来维持经济快速增长。2002年以来，江苏省每年生产部门终端化石能源消费的排放量年均增长率已超过10%，其中工业部门终端化石能源消费的碳排放量增长最为显著。如图1所示，在2001-2009年间，该数值由1576万吨迅速上升至4875万吨，增幅超过3倍，特别是2004年达到环比增速高峰(58.95%)；2005年以后增长减缓，2006年略微下降，2008年、2009年增速得到较好控制。总的来看，2001-2009年期间，江苏省工业部门化石能源消费的碳排放量增长显著，虽然增速有所放缓，但上升压力仍然巨大。因此，调整工业产业结构是一条限制碳排放量过度增长的有效途径。
从图2可知，1995年工业终端化石能源消费的碳排放量所占比重接近90%，2000年该比例为85.37%，2009年虽有所下降，但也高达83.36%；1995年和2000年建筑业终端化石能源消费的碳排放量所占比重都不足0.3%，2009年达到1.69%，该数值的提高主要源于行业的急剧扩张；农林牧渔业、批发零售餐饮业的终端化石能源消费的碳排放量所占比重在波动中明显下降——其行业规模和特征决定了该值一直较小。可见，江苏省生产部门终端化石能源消费的碳排放多数自工业部门，因此关注工业部门的碳排放问题对于实现节能减排目标具有更重大的现实意义。
图3 2008年江苏省工业总能耗碳排放的行业结构
注：图中所示比例是按照总能耗碳排计算的。由于受限于数据资料和计算方法，此处没有剔除作为原料和材料而未被氧化的那部分碳。
资料来源：根据《江苏经济普查-2008》的数据整理计算。
图3标明了2008年江苏省工业总能耗碳排放的行业结构。显而易见，2008年江苏省工业部门中终端化石能源消费的碳排放比例最大的工业行业是电力、燃气及水的生产和供应业，其次是化学工业，金属冶炼及压延加工业，石油加工、炼焦及核燃料加工业。虽然其中一些行业以化石能源为主要生产原料，部分能源消耗未被氧化而是作为原料进入产品，受限于数据资料和测算方法而无法剔除该类能耗，从而造成碳排量被高估，但是，根据经验数据，整个工业能耗中原料消耗所占比重不会超过10%，因此可以断定，这四类行业具有高能耗、高排放的特征，对江苏省整个工业部门的低碳发展可能产生重要影响。此外，非金属矿物制品业、采矿业的碳排放比例均为约5%，其影响力也不可忽视。为了进一步验证上述论断，并且进一步深入探究各工业行业发展与其碳排放之间的关系，本文运用一种改进的综合灰色关联度指标具体测算与分析两者的关联性。
4 江苏省工业产业结构与碳排放的关联分析
4.1 灰色关联分析的基本原理
灰色关联分析是一种灰色系统分析方法，以关联度作为衡量系统因素间关系密切程度的指标，通过分析系统的特征行为序列曲线与相关因素行为序列曲线的几何相似程度来判断两者的联系是否紧密。
根据灰色系统理论，碳排放增长问题本身就是一个复杂的灰色大系统问题，与工业产业结构的诸多方面应该是相关联的。与回归分析、方差分析、主成分分析等数理统计分析方法相比，灰色关联分析方法在分析系统关联因素方面具有明显的优势：它克服了上述数理统计方法追求大样本的固有弱点，避免了数据必须服从典型分布规律等强假设，对样本数量、样本数据的规律性没有要求。出于上述考虑，本文选择该分析方法以弥补统计资料缺失所造成的样本数量不足的问题，通过对系统动态发展变化态势进行量化比较分析，反映碳排放与工业产业结构因素之间的远近次序和空间分布规律。
4.2一种改进的灰色关联度指标
灰色关联度的计算指标有很多，如邓式关联度、绝对关联度、相对关联度、综合关联度、B型关联度、C型关联度、T型关联度、灰色斜率关联度等。其中，综合关联度指标既能体现两种行为序列的相似程度，又可反映两序列相对于始点的变化率接近程度，是可较全面地表征序列间联系的紧密程度的一个数量指标。本文采用一种改进的综合灰色关联度。实际上，综合关联度是相对关联度与绝对关联度的加权平均值，本文主要对绝对关联度进行改进。根据参考文献[18]，改进后的绝对关联度能综合反映“有向面积”和点之间的距离，满足规范性、偶对对称性和接近性等要求，具体算法如下：
式(6)中，θ的实际取值取决于对绝对量或变化速率的相对关心程度。本研究关注的是工业产业结构调整所带来的碳排放量变动，更看重变化率，因此θ值取0.3。
4.3灰色关联度模型的构建
灰色关联度数学模型的基本构建步骤如下：
(2)对指标值进行无量纲化处理。对各序列变量指标值进行无量纲化，以保证原始数据的量纲统一、方便比较。根据不同的需要，在计算绝对关联度时，只进行始点零化处理；在计算相对关联度时，先进行初值化处理，然后再进行始点零化处理。无论采用何种方法，都是为了体现动态意义，以便更准确地呈现碳排放与工业产业结构的变化。
(3)计算改进后的综合关联度。利用式(4)和式(5)求得改进的绝对关联度和相对关联度，进而求得综合关联度
(θ值取0.3)。
(4)排关联序。根据综合关联度进行排序。值越大，说明关联程度越大，反之说明关联程度越小。
4.4运算结果分析
根据上述步骤和公式，测算得到各行业产值占GDP比重与工业碳排放总量的综合关联度(见表2)，并按照大小分组。需要说明的是：灰色关联分析主要关注的是序关系，而非关联度数值的大小；各工业行业的碳排放强度与其自身的生产特征和技术水平的关系最为密切，这些因素在短期内不会发生很大改变，因此排序位置不会出现大幅波动。我们以2008年江苏省18个工业行业的碳排放强度作为分析依据，能够侧面反映出通常情况下这些行业的碳排放密集程度的差异。
由测算结果可知，江苏省工业产业结构对碳排放有较大影响，因为各工业行业产值所占比重与工业碳排放总量的灰色综合关联度都超过了0.5，但具体的关联程度具有一定的差异性。灰色综合关联度超过0.7的有3个行业，即电力、燃气及水的生产和供应业，石油加工、炼焦及核燃料加工业，化学工业。其中，前2个行业的碳排放强度高达2.436吨/万元和1.561吨/万元，它们属于典型的高能耗、高污染行业，对碳排放的影响最显著。作为支柱产业的化学工业也具有高能耗的特征，这是因为煤炭、石油、天然气既是化工生产的燃料动力，又是重要原料，有些化工产品的生产无论在高温下进行还是在低温下进行都需要消耗大量能源。显然，在提高这些行业的生产效率、节能技术水平的同时，合理压缩其生产规模、控制其结构地位的过度提升，可能会产生很大的降碳效果。
灰色综合关联度在0.6～0.7之间的行业有电气、机械及器材制造业，木材加工及家具制造业，交通运输设备制造业，金属冶炼及压延加工业，通用、专用设备制造业，其碳排放强度水平总体较高，其产业产值与碳排放量之间存在较强的关联性。这些行业处于高速发展阶段，按1990年不变价计算，2001-2009年间其产值的平均增长速度依次为25.7%、32.0%、28.6%、32.0%和23.3%，均远高于同期江苏省工业平均增长水平。其中，木材加工及家具制造业属于技术密集程度低、劳动密集程度高的低附加值部门，为了保护、扩大森林资源的碳汇作用，只能将该行业作为一定范围内限制发展的行业，以便尽可能减少由其直接或间接产生的过度排放。电气、机械及器材制造业，交通运输设备制造业，金属冶炼及压延加工业，通用、专用设备制造业，均是高耗能的制造业，在工业部门中处于非常重要的基础性地位，且该地位在短期内不会被动摇，对能源的需求量还可能激增，对碳排放的影响力不断增强。因此，在低碳模式下保持其合理、适度地扩张显得尤为重要。
其他工业行业的灰色综合关联度在0.5～0.6之间，表明其产业产值与碳排放量的关联程度一般。具体来看，作为刺激经济增长的主要引擎，纺织业、食品制造及烟草加工业、造纸印刷及文教用品制造业等传统轻工业经过多年的生产积累，在工业部门中具有举足轻重的地位。然而，为了促进工业产业结构向高附加值、高技术含量、低污染的方向调整，近些年这些行业不再盲目追求量的扩张，增长势头被逐渐控制，其产值所占比重呈缓慢下降趋势，它们对碳排放的影响作用会降低。非金属矿物制品业、采矿业的总能耗碳排放量占工业总能耗碳排放量的比例较大，2008年分别为5.33%和4.56%，其碳排放强度分别为1.366吨/万元和0.489吨/万元。这两个行业的高碳发展特征如此明显，理论上其行业产值应与碳排放量存在很强的关联性，但是，近些年这两个行业发展放缓，1999到2010年占工业产值比重分别由1.11%和3.84%降至0.62%、2.84%，它们对工业碳排放的影响力并没有预计的那么大。通信设备、计算机及其他电子设备制造业是工业中产值比重较大的行业，2010年达14.05%，是江苏省的经济先导产业，具有高科技、高效益、低消耗、低污染等特点。从其0.573的灰色综合关联度来看，该行业的降碳作用还需进一步激发。随着通讯、高性能计算机、数字电视等领域一系列重大技术的突破，该行业会逐渐取代一些高能耗、高污染、低技术含量的夕阳行业，从而更充分地发挥其降碳潜能。
上述分析主要以“减少碳排放量”为出发点和落脚点，那么，在保证碳排放量减少的同时，还要保证工业结构调整不影响经济运行的稳定性，这就必须综合考虑各工业行业的碳排放关联度和碳生产力。碳生产力又称为碳生产率，是指单位碳排放量的产值水平，等于单位产值能耗碳排放量的倒数，反映的是某个行业的碳生产力水平。图4为江苏省各工业行业的碳排放关联度与碳排放强度散点图。在图4中：以碳排放强度的倒数来反映碳生产力，即碳排放强度越大，碳生产率越低，反之越高；分别画出横坐标值为0.25和纵坐标值为0.5的两条直线，将坐标系分为4个区域，由右上方开始逆时针旋转依次为第Ⅰ象限、第Ⅱ象限、第Ⅲ象限和第Ⅳ象限。
图4 江苏工业行业的碳排放关联度和碳排放强度散点图
注：限于篇幅，图中仅列示了碳排放强度最大的7类行业，参照表2可知其余点所对应的行业。
从图4可以看出，在第Ⅲ、Ⅳ象限内没有行业分布，说明各行业产值比重与碳排放量的灰色综合关联度都不低于0.5，都对工业碳排放具有一定的影响力。
分散在第Ⅰ象限内的行业有化学工业，石油加工、炼焦及核燃料加工业，电力、燃气及水的生产和供应业，采矿业，非金属矿物制品业，这些行业的碳排放强度大于0.25吨/万元，即碳生产率小于400万元/吨，这些行业的产值与碳排放量的关联性较强。需要说明的是，尽管造纸印刷及文教用品制造业、金属冶炼及压延加工业位于第Ⅱ象限，但其水平位置很接近垂直的轴线，其碳生产率仅略高于400万元/吨，并且其灰色综合关联度也较高，说明其基本情况与处于第Ⅰ象限的行业大体一致。这些行业的发展对经济增长的推动作用不大，会增加节能减排的压力，因此应成为工业产业结构调整的重点对象，适度控制其生产规模，依靠科技创新等提升其碳生产率。
分散在第Ⅱ象限的其余行业的碳排放强度都比较低，其灰色综合关联度的差异明显。结合表2中的数据可知，灰色综合关联度比较接近且同在0.5～0.6之间的行业既包括以纺织业为代表的轻工业，也包括以仪器仪表及文化、办公用机械制造业为代表的重工业。对于这些行业而言，同样比例的调整很可能产生相近的降碳效果，不同之处在于对经济发展的影响程度。可见，为了兼顾低碳发展与经济增长，应有所侧重地对其进行结构调整，注意区分碳生产率的差异，并结合行业本身的实际情况，合理安排调整的主次、先后顺序。例如，仪器仪表及文化、办公用机械制造业，通信设备、计算机及其他电子设备制造业等高科技产业的碳生产率非常高，且这些行业的污染小、效率高，应将之作为重点发展产业。同时，作为其上游行业的非金属矿物制品业也扶持其发展。我们不仅要考虑碳生产力和经济效益的提高，还要考虑产业间的关联性，因为以电子信息、航空航天、海洋开发、新材料和新能源为代表的高新技术产业与非金属材料是密切相关的。此外，处于第Ⅱ象限内右上方的木材加工及家具制造业，电气、机械及器材制造业和交通运输设备制造业的灰色综合关联度较高，其碳生产率很高，低碳建设与经济增长之间存在一定的矛盾，在不同的发展阶段，应根据行业的实际情况以及内外环境的需求做出相应的权衡取舍，确保比例结构处于合理的范围内。
5 基本结论
本文结合江苏省工业内部结构及碳排放的总体情况，基于一种改进的灰色关联度模型，测算并分析了江苏省工业产业结构与碳排放的关联性，得出如下主要结论：
(1)工业是江苏经济的主导产业，工业的能源消耗与排放量均占其生产部门总量的绝大部分。然而受到客观条件的制约，三次产业结构的调整空间十分有限，因此调整工业产业结构可能是一条更符合可持续发展要求的有效途径。
(2)从关联度的测算结果来看，江苏省工业内部结构与碳排放之间总体上具有较强的相关性，各工业行业产值比重与碳排放量的灰色综合关联度都超过0.5，但关联程度存在差异。具体来看，电力、燃气及水的生产和供应业，石油加工、炼焦及核燃料加工业，化学工业的灰色综合关联度最大，这些行业的低碳化发展对于实现减排目标尤为重要。电气、机械及器材制造业，木材加工及家具制造业，交通运输设备制造业，金属冶炼及压延加工业，通用、专用设备制造业的灰色综合关联度较大，其他行业的灰色综合关联度处于一般水平。灰色综合关联度主要取决于行业特质、生产和节能技术水平、发展历程与趋势及经济地位等诸多方面。在设定不同行业的调整目标时，只有充分考虑其对碳排放的影响程度，依托行业自身的条件，才能真正实现工业产业结构的低碳化调整。
(3)要实现工业产业结构调整不影响江苏经济运行的稳定性，必须综合考虑碳排放控制和经济增长。关联度很大、碳排放强度高(碳生产率水平低)的行业应成为工业产业结构调整的重点。例如，应适度缩减化学工业，石油加工、炼焦及核燃料加工业，电力、燃气及水的生产和供应业，采矿业，非金属矿物制品业等的生产规模，提高其生产效率和能源利用率。对于关联度比较接近的行业，为了兼顾低碳发展与经济增长，应根据其碳生产率确定调整的主次、先后顺序，做到有所侧重。例如：仪器仪表及文化、办公用机械制造业，通信设备、计算机及其他电子设备制造业等高科技产业的碳生产率非常高，且行业的污染小、效率高，因此应将之作为重点发展产业；纺织业、服装皮革羽绒及其制品业等的劳动密集程度高、技术密集度低、附加值低，其碳生产率相对较低，其发展地位应居于其次。此外，诸如电气、机械及器材制造业和交通运输设备制造业的发展会带来“降低碳排”与“促增长”的矛盾，情况比较复杂，应充分考虑行业特性、现状及内外环境等诸多因素，做出适当的权衡取舍，选择合理的结构比例范围。
①此处的碳排放总不包括森林采伐及生物量减少所造成的碳排放增加。
②尽管它们确实存在微小的不同，但在研究宏观变化时可忽略不计。
标签：化石能源论文; 碳排放论文; 能源消费论文; 能源结构论文; 产业结构理论论文; 能源强度论文; 关联分析论文; 国内宏观论文; 工业生产论文; 灰色模型论文; 万元产值能耗论文; 实证分析论文; 中国能源统计年鉴论文; 经济论文; 生产率论文;