劉軍躍，蘇 瑩,b，樊昌明，楊歡歡，王 嬌

(重慶理工大學 a.管理學院； b.低碳能源研究中心， 重慶 400054)

?

基于碳減排的長江經濟帶產業(yè)結構升級研究

劉軍躍a，蘇 瑩a,b，樊昌明a，楊歡歡a，王 嬌a

(重慶理工大學 a.管理學院； b.低碳能源研究中心， 重慶 400054)

利用分位數回歸法，從碳減排角度實證分析長江經濟帶在不同碳排放水平下產業(yè)結構升級與碳排放的關系。結果表明：產業(yè)結構升級對碳排放具有顯著的降低效應，對中等碳排放水平地區(qū)(0.3至0.7分位數之間)的降低效應最大；產業(yè)間要素配置優(yōu)化的效果越好，產業(yè)結構內高級化程度越高，對降低碳排放的作用越大，并且前者作用明顯強于后者。同時，長江經濟帶碳排放水平不同的地區(qū)，能源消費結構、能源價格、環(huán)境政策、人口規(guī)模、外商投資水平、地理區(qū)位等因素對碳排放產生的影響存在明顯差異。因此，政府有必要根據碳排放水平的不同，有針對性地制定產業(yè)發(fā)展政策和環(huán)境保護政策。

長江經濟帶；產業(yè)結構升級；碳排放；分位數回歸

一、引言

長江經濟帶橫跨東中西三大區(qū)域，貫通“一帶一路”，是中國最重要的高密度經濟走廊，在國家經濟發(fā)展全局中具有重要的戰(zhàn)略地位?！笆濉币?guī)劃針對長江經濟帶明確提出：堅持綠色發(fā)展的戰(zhàn)略定位，積極建設集聚度高、競爭力強、綠色低碳的現代產業(yè)走廊，推動長江經濟帶發(fā)展。但是，一直以來長江經濟帶都面臨著如何實現產業(yè)結構升級與環(huán)境保護協調并進的困擾：長江經濟帶上中下游不同地區(qū)存在著資源要素流通不暢、資源錯配、分工合作不力等問題，直接導致區(qū)域內各地區(qū)產業(yè)落差明顯、產業(yè)同構化、產能過剩嚴重；東中西部區(qū)域間產業(yè)轉移集中表現為“三高”產業(yè)的區(qū)域接力，產業(yè)結構轉移淪落為污染接力；中西部地區(qū)產業(yè)過度依賴資源稟賦，高耗能、高排放、高污染的發(fā)展方式直接導致大氣環(huán)境惡化。因此，以產業(yè)結構升級與碳排放為突破口，研究長江經濟帶經濟與環(huán)境協調發(fā)展這一命題意義重大。

產業(yè)結構與碳排放的關系，一直以來都是國內外學者研究的熱點，不過，側重點有所不同。國外學者偏重于碳排放影響因子研究，比如能源結構、能源強度、技術創(chuàng)新、能源價格、人口規(guī)模、國際貿易、外商直接投資、政策、產業(yè)結構等對碳排放的影響[1-5]；國內學者則更注重產業(yè)結構與碳排放之間關系的研究。目前國內學者就產業(yè)結構與碳排放的關系已經初步達成共識，即：產業(yè)結構的優(yōu)化對碳排放有一定的效果[6-9],尤其是第二產業(yè)所占比重對碳排放的影響最大[10-11]。而產業(yè)結構升級作為產業(yè)結構調整的最終目的，對碳排放會產生怎樣的影響也受到越來越多學者的關注，現有的相關研究總體上認為產業(yè)結構升級對降低碳排放具有顯著作用[12-13]，也有少數研究表明產業(yè)結構升級對降低碳排放沒有顯著影響[14]。劉曉敏、張偉等學者認為產業(yè)結構升級對碳排放的影響存在明顯的區(qū)域差異，應充分考慮各區(qū)域間的異質性[15-16]。

綜觀現有研究文獻，從研究對象來看，大多側重于整個國家層面或者是單個省市層面，對介于國家層面和省級層面之間的跨區(qū)域研究則偏少，而不同的研究對象，所得結論也存在差異；從研究內容來看，基本上側重于產業(yè)結構與經濟增長、生態(tài)環(huán)境之間的相關關系，而對于產業(yè)結構升級與碳排放之間的量化實證研究則相對缺乏；從研究視角來看，絕大多數僅僅考慮了不同區(qū)域之間碳排放的差異性，將研究焦點放在產業(yè)結構或產業(yè)結構升級對研究對象整體碳排放水平的平均影響上，并沒有考慮區(qū)域內碳排放的異質性問題，即沒有對不同碳排放水平下產業(yè)結構升級對碳排放的影響進行區(qū)別研究。實際上長江經濟帶內各地區(qū)的經濟發(fā)展水平、資源稟賦、人口規(guī)模、產業(yè)規(guī)模與布局等不盡相同，考察不同碳排放水平下各影響因素的差異性，有利于更有針對性地制定碳減排策略。鑒于此，本文采用基于面板數據的分位數回歸方法，以長江經濟帶為研究對象，重點研究在不同碳排放水平下(即碳排放條件分布的不同條件分位點)產業(yè)結構升級對碳排放的影響。

二、研究設計

(一)變量描述

影響碳排放的因素很多，除了重點討論產業(yè)結構升級對碳排放的影響外，還根據已有相關研究結論，考慮能源消費結構、能源價格、人口規(guī)模、外商投資水平、環(huán)境政策以及地理區(qū)位等因素對碳排放的影響[17-18]。由此，本文選取碳排放強度為被解釋變量，產業(yè)結構升級為核心解釋變量，能源消費結構、能源價格、人口規(guī)模、外商投資水平作為控制變量。鑒于環(huán)境政策與地理區(qū)位的測量尺度難以直接衡量，故設其為虛擬變量。

1.被解釋變量

碳排放強度(CEI)，用以衡量地區(qū)的碳排放水平。碳排放強度指每單位國內生產總值的增長所帶來的二氧化碳排放量。該指標不僅是碳排放效率和節(jié)能減排績效的最直觀的衡量指標，而且能在一定程度上反映碳減排潛力和邊際成本，是政府制定有關碳減排的環(huán)境政策的重要參考依據[19]。碳排放強度越低，表明增加每一單位GDP所產生的碳排放量越少，即該地區(qū)的碳排放水平越低。反之，碳排放強度越高，則該地區(qū)碳排放水平就越高。

2.解釋變量

產業(yè)結構升級是我們關心的核心變量。產業(yè)結構升級具體表現為兩個方面：一是通過產業(yè)間三次產業(yè)的比重優(yōu)勢由第一產業(yè)依次向第二、第三產業(yè)演進，實現生產要素的合理流動與配置，從而改變地區(qū)經濟增長方式；二是通過產業(yè)結構內各產業(yè)部門由低水平狀態(tài)向高加工度、高附加值、高技術集約化的高級化水平狀態(tài)轉變[20]。因而，可以從以下兩個方面來衡量產業(yè)結構升級：產業(yè)間要素配置的優(yōu)化效果、產業(yè)結構內的高級化程度。

3.控制變量

能源消費結構(ESC)。我國是一個“多煤、少油、少氣”的國家，這種資源稟賦直接決定了我國以煤炭為主的能源消費結構。而煤炭屬于低效率、高排放的地質能源，燃燒煤炭是直接產生二氧化碳的最主要原因。本文采用煤炭消費量占能源消費總量的比重來衡量。

能源價格(EI)。根據供求原理，能源價格變化通過價格傳導機制最終會導致能源消費量發(fā)生相應變化，進而對碳排放產生影響。本文采用原材料、燃料以及動力購進價格指數來衡量能源價格。

人口規(guī)模(PO)。能源需求最終體現為人類對物質產品和服務產品的需要，各地區(qū)人口規(guī)模的差異不僅直接影響著各地區(qū)能源消耗總量，進而影響著碳排放量，而且還影響著提供技術創(chuàng)新的基本人才的多少，從而影響著能源利用效率的提高，間接影響碳排放。本文采用年末人口總數來衡量人口規(guī)模。

外商投資水平(FDI)。隨著社會化分工的深化與經濟全球化的發(fā)展，世界各國間的合作越來越緊密。外商投資作為吸引外資的主要方式，一方面通過技術創(chuàng)新的溢出效應提高了我國企業(yè)的技術水平和生產效率，另一方面為我國經濟活動帶來了資金，從而促進了我國經濟的快速增長。經濟的發(fā)展與環(huán)境密切相關，外商投資因而也被納入碳排放的影響因素之中。本文采用實際利用外商直接投資額來衡量外商投資水平。

4.虛擬變量

環(huán)境政策(EV)。政策導向是一個國家產業(yè)結構轉變的重要推動力。自2008年8月起，隨著北京、上海、天津先后成立了全國性環(huán)境權益交易所，標志著我國政府正式對碳排放進行政策疏導。2014年9月中國政府在聯合國氣候峰會上莊重承諾：到2020年實現碳排放強度下降40%～45%的目標。通過碳稅、補貼、政府監(jiān)管等行為對碳排放問題進行管制，可以對碳排放進行有效規(guī)制。因此，引入環(huán)境政策虛擬變量，并以2009年作為政策分界點，將2003—2008年設為0,2009—2014年設為1。

地理區(qū)位(AV)。長江經濟帶橫跨中國東中西部三大區(qū)域，不同地區(qū)資源稟賦、經濟發(fā)展水平等均不同，引入地理區(qū)位虛擬變量，有利于考察地理差異對碳排放的影響。其中，長江經濟帶的東部省市(上海、浙江、江蘇)設為1，中西部省市(安徽、江西、湖北、湖南、重慶、四川、云南)設為0。

(二)研究方法

1.碳排放強度的測度方法

由于目前國家統計局并未公布碳排放相關數據，國內學者在進行碳排放相關方面的研究時只能進行估算，比較普遍的一種估算思路為：通過選取煤炭、原油、天然氣三種一次性能源為基準，先計算各地區(qū)這三種化石能源消費中產生的碳排放量，再將其與國內生產總值的比值作為碳排放強度。具體估算公式如下：

(1)

其中：CEI為碳排放強度；i為長江經濟帶各地區(qū)；t為年份；C為碳排放量,RGDP為以2002年不變價格計算的實際GDP；e=1,2,3，分別表示煤炭、原油、天然氣；Ne表示e種能源消費實物量；Ve表示e種能源按實際消費量轉換為標準煤的單位折算指數；Ee表示e種能源的碳排放指數，如表1所示。

表1 各種化石能源折算指數

數據來源：標準煤折算系數參考《中國能源統計年鑒》附錄中的“各種能源折標準煤參考系數”，碳排放系數參考IPCC(2006) 碳排放計算指南缺省值。

2.產業(yè)結構升級的測度方法

目前關于產業(yè)結構升級的測度方法主要有兩種：一是從宏觀角度強調三次產業(yè)間的配置比例或投入產出效益的變動，如Moore結構變動值與產業(yè)結構年均變動值[21]、產業(yè)結構超前系數[22]、產業(yè)結構層次系數[12]等；二是從微觀角度強調產業(yè)部門內部關鍵要素的變動，如重工業(yè)化指數、高加工度指數、行業(yè)增加價值率、高技術化指數的指標體系[23]等。它們要么是從三次產業(yè)間要么是從產業(yè)結構內部某一方面來反映產業(yè)結構升級的整體狀況，并沒有將兩者相結合以全面衡量產業(yè)結構升級。因此，本文根據產業(yè)結構升級的內涵，在鄔義鈞[24]、盧福財等[25]已有研究的基礎上，構建產業(yè)結構效益指數與產業(yè)高度化指數，從產業(yè)間與產業(yè)結構內全面衡量產業(yè)結構升級的要素配置優(yōu)化效果與高級化程度。

(1)產業(yè)結構效益指數(ISBI)

產業(yè)結構效益指數指在主導產業(yè)演進過程中，資源要素在三次產業(yè)間不斷流動與配置所導致的經濟效益的大小變化。用產業(yè)結構效益指數來衡量產業(yè)間結構升級，實質上是資源要素從生產率低的部門源源不斷流向生產率高的部門，導致三次產業(yè)配置比例發(fā)生“量”的變化，以實現整體要素配置的優(yōu)化。當產業(yè)間各部門生產率相等時，資源要素停止流動，達到均衡狀態(tài)。而產業(yè)間生產效率的提高可能會對碳排放產生兩個方面的影響：一方面，能源利用效率得以提高，有利于抑制碳排放量；另一方面，產業(yè)規(guī)模擴大，產品生產增加，能源消費需求隨之增加，在一定程度上又助長了碳排放量。因此，為了考察長江經濟帶在產業(yè)結構升級過程中產業(yè)間的要素配置優(yōu)化效果對碳排放產生的影響，需要基于投入產出原理來測算產業(yè)結構效益指數，具體計算方法如下：

(2)

其中：Yij,t為i地區(qū)t年j產業(yè)的生產總值；Kij,t為i地區(qū)t年j產業(yè)的資本存量；Lij,t為i地區(qū)t年j產業(yè)的從業(yè)者人數。j=1,2,3，分別代表第一、二、三產業(yè)。式(2)表示i地區(qū)第t年的產業(yè)結構效益指數為升級后(為了便于計算，用觀測年年末表示)的總效益減去升級前(上年年末)的總效益，如果ISBIi,t值為正，表明t年產業(yè)結構升級使得產業(yè)間要素配置得以優(yōu)化，從而帶來經濟效益提高；ISBIi,t值越接近于0，表明產業(yè)結構升級的要素配置優(yōu)化效果越好。

(2)產業(yè)高度化指數(ISSI)

產業(yè)高度化指數是用以考察產業(yè)結構內各產業(yè)部門加工度、技術含量、附加值的高級化程度，實質上是產業(yè)結構內“質”的提升。而我國仍處于并將在相當長一段時期內處于工業(yè)化階段，高技術產業(yè)作為經濟發(fā)展的內生動力，不僅通過開辟新的生產領域與新的經濟增長點部分取代傳統產業(yè)，淘汰落后產能、優(yōu)化產業(yè)結構組織體系；而且通過運用高技術及其產品向傳統產業(yè)滲透、擴散和融合，改造和升級傳統產業(yè)，推動產業(yè)結構走向高級化。高技術產業(yè)化后，產業(yè)結構的高度化主要體現在：第三產業(yè)比重不斷增大，出現“經濟服務化趨勢”；產品結構多元化、高端化；消耗結構轉向節(jié)能、節(jié)資、節(jié)材；投入要素結構由勞動、資本密集型轉向知識、技術密集型等[26]。高技術產業(yè)規(guī)模的不斷擴大，將提高整個產業(yè)結構的高度化水平。因此，可以通過測量高技術產業(yè)產值占地區(qū)生產總值的比重來反映產業(yè)結構升級過程中產業(yè)結構內的高級化程度，計算方法如下：

(3)

其中：Pi,t表示i地區(qū)t年高技術產業(yè)產值，Qi,t表示i地區(qū)t年地區(qū)生產總值。ISSIi,t值越大，表明高技術產業(yè)所占比重越大，產業(yè)結構的高級化程度越高。

3.模型構建及分位數回歸分析方法

根據上文所述，為了全面分析影響長江經濟帶碳排放的因素，也為了避免產生遺漏變量問題，本文建立了包括解釋變量、控制變量、虛擬變量在內的面板數據計量模型：

LnCEIi,t=αi+β1LnISSIi,t+β2LnISBIi,t+β3LnESCi,t+β4LnEIi+β5LnPOt+β6LnFDIi,t+β7EVi,t+β8AVi,t+μi,t

其中：i表示地區(qū)，t表示年份，α表示常數項，β表示彈性系數，μ表示隨機擾動項。

面板數據模型通常采用最小二乘法(OLS)進行參數估計，其回歸估計結果是各變量對碳排放強度的平均影響效果或整體情況，且回歸系數的估計量具有最佳線性無偏性，但是在實際的經濟生活中，該方法苛刻的假設條件常常不成立(如數據服從高峰厚尾的分布或者有顯著的異方差等情況)。而分位數回歸方法則能很好地解決此類問題，該方法最早由Koenker和Bassett于1978年提出，通過加權的最小殘差絕對值方法來估計回歸參數，實際上是對最小二乘法的擴展。分位數回歸方法利用被解釋變量的條件分位數建模，可以估計解釋變量對被解釋變量在某個特定分位數的邊際影響效果；若條件分布的形狀隨著解釋變量的變化而變化，不同分位點處回歸系數也將不同，表明在不同分位點上解釋變量對被解釋變量的影響不一致。因而，將面板數據模型與分位數回歸方法相結合，在控制個體差異的基礎上可以更好地考察碳排放條件分布在不同分位點上各種變量之間的關系。

(三)數據來源

原始數據來源于《新中國60年統計資料匯編》《中國能源統計年鑒》《中國統計年鑒》《中國高技術產業(yè)統計年鑒》《中國工業(yè)統計年鑒》以及各省市統計年鑒及統計公報。個別省市由于存在某些數據的缺失，采用指數平滑法進行估算。除了ESC、PO、EV及AV，其它變量均以2002年為基數采用相應的指數進行平減處理，剔除了價格、通脹等因素的影響。此外，為了保證數據的平穩(wěn)性，在計量模型中對以上各變量均進行了對數處理。

三、實證結果及分析

(一)面板數據常規(guī)分析

在進行分位數回歸估計之前，本文首先對模型進行面板數據常規(guī)分析，以比較各變量系數在這兩種回歸方法上的差異。為避免偽回歸現象，采用LLC檢驗、IPS檢驗、ADF-Fisher檢驗和PP-Fisher檢驗四種方法對各變量進行單位根檢驗，結果如表2所示。在LLC檢驗下，其它變量均通過了5%的顯著性水平檢驗；而各變量的一階差分序列均通過了四種檢驗，表明各變量是同階平穩(wěn)的，可以用來建模。

在面板隨機效應估計基礎上進行Hausman檢驗，發(fā)現p值為0，表明應拒絕隨機效應模型；在剔除虛擬變量的情形下進行個體固定效應檢驗，發(fā)現LR似然比檢驗的p值均為0，表明應建立個體固定效應模型。但由于虛擬變量的存在，無法進行個體固定效應模型的估計，因而只能選擇包含虛擬變量的面板混合模型，回歸結果見表3第2列。

表2 單位根檢驗結果

注:*、**、*** 分別表示在 1%、5%、10%水平下顯著。

表3 面板估計模型和分位數估計模型的回歸結果

注：(1)括號內的數值為漸進標準差； (2)*、**、***分別表示在1%、5%、10%水平下顯著。

(二)分位數回歸結果分析

分位數回歸可以對變量分布的頭尾部分進行比較研究，它與傳統的回歸方法相比具有很大的優(yōu)越性。對上述模型進行分位數回歸，結果如表3所示。

從表3回歸估計結果可以看出，兩種模型中各變量系數正負號均一致。不同分位點的取值代表了2003—2014年長江經濟帶不同的碳排放水平，隨著分位點的不同，各變量對碳排放水平的影響呈現出不同的分布特征。同時，為了更形象地觀察各變量在不同碳排放水平上的變動規(guī)律以及差異化信息，我們依次將各變量在10個分位點的回歸系數估計值繪制成圖形，如圖1所示，其中水平虛線表示用面板數據模型中OLS法估計的各變量對碳排放影響的平均水平。

圖1 各變量在不同分位點的回歸系數變動

1.產業(yè)結構升級對碳排放具有顯著的降低效應，其對中等碳排放水平地區(qū)的降低效應顯著高于其他碳排放水平地區(qū)

由表3及圖1可知，除了在0.1分位點不顯著外，產業(yè)結構效益指數均在0.01的檢驗水平上對碳排放強度產生顯著的負向影響；隨著分位點由低到高，其對碳排放強度的影響表現為“由弱變強、由小變大后緩慢變小”的特征。以0.3分位點為分界，在0.3分位點以上，產業(yè)結構效益指數對碳排放強度的影響程度由急劇變大轉變?yōu)榫徛冃?；?.3分位點，產業(yè)結構效益指數對碳排放強度的降低效應最大，即產業(yè)結構效益指數每上升1%，碳排放強度反向下降15.2%；在0.2分位點之后，產業(yè)結構效益指數對碳排放強度的影響程度均大于平均水平。這表明，除了在較低碳排放水平(0.3分位點以下)外，產業(yè)結構效益指數對碳排放強度的反向降低效應隨著碳排放水平的降低而變大，即產業(yè)結構升級的效果越好碳排放水平越低。產業(yè)高度化指數對碳排放強度的影響除了在0.1分位點不顯著外，在其他分位點均在0.05的檢驗水平上顯著為負。并且，隨著分位點由低到高，產業(yè)高度化指數對碳排放強度的影響表現為越來越顯著的“W”型降低效應。在0.1～0.3與0.5～0.7分位點，產業(yè)高度化指數對碳排放強度的降低作用表現為由小到大的趨勢，在其他分位點區(qū)間其降低作用則表現為由大變小的趨勢。并且，在0.3分位點，產業(yè)高度化指數對碳排放強度的降低效應最大，即產業(yè)高度化指數每上升1%，碳排放強度下降16.8%。而在0.2～0.45與0.6～0.85分位點，產業(yè)高度化指數對碳排放的影響程度均大于平均水平。這表明在中等碳排放水平地區(qū)，產業(yè)高度化指數對碳排放強度的降低效應最為明顯，因而提高其產業(yè)結構升級的高級化程度，對降低碳排放具有顯著作用。

由此可見，產業(yè)結構升級對長江經濟帶整個區(qū)域的碳排放具有顯著的降低效應，此研究結果驗證了長江經濟帶的產業(yè)結構升級對降低碳排放具有顯著作用，支持了段瑩[12]、蘇東林等[13]的觀點。本文也進一步解釋了這種降低效應主要體現在兩個方面：一是產業(yè)間要素配置優(yōu)化的效果越好對降低碳排放的作用越大，二是產業(yè)結構內高級化程度越高對降低碳排放的作用越大，前者作用明顯強于后者，這兩個方面相輔相成，相互貫通，共同促進碳減排。而在碳排放條件分布的不同分位點上，產業(yè)結構升級對碳排放產生不同程度的影響：產業(yè)結構升級對中等碳排放水平地區(qū)的反降低效應顯著高于其他碳排放水平地區(qū)，即在中等碳排放水平地區(qū)，要有效實現碳減排關鍵在于促進產業(yè)結構升級。

2.能源消費結構在中低碳排放水平地區(qū)對碳排放的增加效應更為顯著

在碳排放強度的各個分位點，能源消費結構均在0.01的顯著性水平上對碳排放強度具有顯著的增加作用，但隨著分位點由低到高，這種正向影響盡管上下波動但整體上仍顯現出逐漸變小的趨勢，并在0.7分位點達到最小，隨后又呈現出上升的趨勢。而僅在0.2分位點以下與0.4～0.5分位點，能源消費結構對碳排放的影響程度大于平均水平。這表明，碳排放水平的高低與煤炭在能源消費結構中所占的比重直接相關，在中低碳排放水平地區(qū)(0.5分位點及以下)改善能源消費結構、降低煤炭在能源消耗中的比重、實施有效的能源結構優(yōu)化措施對實現碳減排效果更明顯。

3.能源價格對中高碳排放水平地區(qū)的降低作用隨著碳排放強度的上升而加強，而環(huán)境政策對較低碳排放水平地區(qū)的降低效果最明顯

能源價格對碳排放強度具有顯著的降低效應。隨著分位點的提高，能源價格對碳排放強度的影響表現為“由弱轉強，由小變大”的趨勢。并且在0.4分位點以上，能源價格對碳排放強度的影響程度均大于平均水平。此結論支持了何凌云等的研究，能源價格的合理上漲可以在一定程度上起到抑制碳排放的作用[28]。環(huán)境政策對碳排放強度存在降低效應(除了0.9分位點外)，隨著分位點的提高，這種效應表現為逐漸變小的趨勢；而只有在0.4分位點與0.25分位點以下，環(huán)境政策對碳排放強度降低的影響大于平均水平。說明自2009年起，政府實施的有關碳減排的環(huán)境規(guī)制政策確實在一定程度上抑制了碳排放，尤其是對碳排放水平較低地區(qū)(0.3分位點以下)的碳減排效果更為明顯，因而政府更應該加大宏觀調控力度，發(fā)揮政策效應，制定有效的能源政策以抑制碳排放。

4.人口規(guī)模、外商投資水平、地理區(qū)位在不同的碳排放水平上，對碳排放具有不同的降低效果

人口規(guī)模對碳排放強度具有顯著的降低效應，這種效應隨著分位點的提高表現為由大變小的“W”型趨勢，在0.4分位點、0.6分位點，人口規(guī)模每提高1%，碳排放強度下降接近17%，此時降低效應最大；在0.2分位點以上，人口規(guī)模對碳排放強度的反降低影響均大于平均水平。這是因為，隨著三次產業(yè)主導地位的變更，勞動力由第一、二產業(yè)向第三產業(yè)轉移，近年來第三產業(yè)比重的迅速擴大引致勞動力人口規(guī)模在第三產業(yè)中占比最大，而第三產業(yè)對碳排放產生的影響較小。外商投資對碳排放的影響在0.3分位點及以下并不顯著，在0.3分位點以上具有顯著的降低效應，并且對碳排放強度的降低效應大于平均水平；隨著分位點的提高，這種效應由弱變強、由小變大。在中高碳排放水平地區(qū)(0.4～0.7分位點)，外商投資水平對碳排放的降低效應最大。除了在0.1分位點外，地理區(qū)位均在0.01的顯著性水平上對碳排放強度具有降低效應，表明東部地區(qū)的碳減排效果好于中西部地區(qū)。這是因為東部地區(qū)受益于良好的區(qū)位優(yōu)勢，人才集中，外商投資水平高，因而產業(yè)結構升級的程度與效果更明顯，能夠有效地提高能源利用效率，開發(fā)節(jié)能減排技術，有效降低碳排放。而中西部地區(qū)，一方面受自身資源稟賦的影響，產業(yè)結構長期以“三高”企業(yè)為主，加之承接了大量東部淘汰的落后產能，因此碳排放水平相對于東部地區(qū)一直處于較高水平。同時，隨著碳排放水平的不同，因地理區(qū)位的不同而造成的碳排放差異程度也呈現出由強轉弱的趨勢。

四、結論及政策建議

本文利用2003—2014年長江經濟帶10個省市的面板數據進行分位數回歸分析，重點探討長江經濟帶產業(yè)結構升級及其他因素在不同分位點上對碳排放的影響效應，得到以下基本結論：

第一，產業(yè)結構升級對長江經濟帶碳排放具有顯著的降低效應。一方面，產業(yè)結構升級通過產業(yè)間要素配置與產業(yè)結構內高級化的共同作用可以實現碳減排，并且產業(yè)間要素配置優(yōu)化的效果越好，產業(yè)結構內高級化程度越高，對降低碳排放的作用越大。另一方面，在長江經濟帶碳排放不同水平的地區(qū)，產業(yè)結構升級對碳排放產生不同程度的影響，具體表現為：在低碳排放水平地區(qū)(碳排放強度在0.3分位點以下)，產業(yè)結構效益指數與產業(yè)高度化指數對碳排放的降低效應均呈現出“由弱變強、由小變大”的特征；在中等碳排放水平地區(qū)(碳排放強度在0.3～0.7分位點)，產業(yè)結構效益指數對碳排放的降低效應始終大于產業(yè)高度化指數對碳排放的影響；在高碳排放水平地區(qū)(碳排放強度在0.7分位點以上)，產業(yè)結構效益指數與產業(yè)高度化指數對碳排放的降低效應呈現出逐漸變小變弱的趨勢。

第二，除了產業(yè)結構升級對碳排放具有顯著影響外，能源消費結構在長江經濟帶的中低碳排放水平(碳排放強度在0.5分位點以下)地區(qū)對碳排放的增加效應尤為明顯，能源價格在長江經濟帶的中高碳排放水平(碳排放強度在0.5分位點以上)地區(qū)對碳排放的降低效應更為明顯，地理區(qū)位對碳排放的影響則體現了長江經濟帶東部地區(qū)的碳減排效果好于中西部地區(qū)。

第三，環(huán)境政策、人口規(guī)模、外商投資水平在長江經濟帶不同碳排放水平地區(qū)，對促進碳減排具有不同程度的影響。

上述研究結論對緩解當前長江經濟帶經濟發(fā)展與環(huán)境保護并存的問題，具有現實啟發(fā)意義。本文認為長江經濟帶在進行整體規(guī)劃時應充分考慮各省市碳排放水平高低的差異，有針對性地制定產業(yè)政策與環(huán)境政策，以進一步緩解經濟與環(huán)境的矛盾。因而，本文提出以下參考建議：

第一，對位于長江經濟帶的低碳排放水平地區(qū)，如上海、浙江、江蘇應進一步優(yōu)化產業(yè)結構，改變傳統的將高碳產業(yè)向中西部轉移的慣有做法，有效實現內部碳分解；同時，加大低碳技術研發(fā)力度，鼓勵使用清潔能源，降低以煤炭為主的能源消費結構，提高高技術產業(yè)的比重，充分運用環(huán)境政策規(guī)制碳排放行為。

第二，對位于長江經濟帶的中等碳排放水平地區(qū)，如重慶、四川、江西、湖南、湖北應加大優(yōu)質人才的引進力度，充分利用外商投資契機，開發(fā)并引進節(jié)能減排技術，大力發(fā)展高技術產業(yè)，發(fā)揮高技術產業(yè)對傳統產業(yè)的升級改造作用，以提升產業(yè)間要素配置優(yōu)化與提高產業(yè)結構高級化程度齊頭并進，促進資源要素在區(qū)域內的自由流動，加快促進產業(yè)結構升級。

第三，對位于長江經濟帶的高碳排放水平地區(qū)，如云南、安徽擁有獨特的礦產資源優(yōu)勢，傳統制造業(yè)所占比重大，在促進產業(yè)結構升級的同時，應重視能源價格因素的影響；同時，利用區(qū)位優(yōu)勢，加強與國內外其他地區(qū)的經濟貿易往來，大力引進外商對高技術產業(yè)、現代服務業(yè)的資金、技術投資，以促進技術創(chuàng)新、優(yōu)化產業(yè)布局，從而實現產業(yè)結構升級與碳減排的雙重目標。

[1] KAYA Y.Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios[R].Paris:IPCC Energy and Industry Subgroup,Response Strategies Working Group,1990.

[2] GUO Chaoxian.The factor decomposition on carbon emission of China:based on LMDI decomposition Technology[J].Chinese Population,Resources and Environment,2011,9(1):42-47.

[3] TOLMASQUIM M T,MACHADO G.Energy and carbon embodied in the international trade of Brazil[J].Mitigation & Adaptation Strategies for Global Change,2003,8(2):139-155.

[4] DALTON M,O’NEILL B,PRSKAWETZ A,et al.Population aging and future carbon emissions in the United States[J].Energy Economics,2008,30(2):642-675.

[5] GRIMES P,KENTOR J.Exporting the greenhouse:foreign capital penetration and CO2emissions 1980—1996[J].Journal of World-Systems Research,2003(2):261-275.

[6] 林伯強,蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預測及影響因素分析[J].管理世界,2009(4):27-36.

[7] 陳詩一.中國碳排放強度的波動下降模式及經濟解釋[J].世界經濟,2011(4):124-143.

[8] 劉軍躍,汪樂,蘇瑩,等.基于DEA的重慶市發(fā)展低碳經濟效率研究[J].重慶理工大學學報(社會科學),2016(7):44-51.

[9] 毛明明,孫建.基于聯立方程模型的FDI、產業(yè)結構與碳排放互動關系研究[J].重慶理工大學學報(社會科學),2015(4):28-34.

[10]原嫄,席強敏,孫鐵山,等.產業(yè)結構對區(qū)域碳排放的影響——基于多國數據的實證分析[J].地理研究,2016,35(1):82-94.

[11]張宏艷,江悅明,馮婷婷.產業(yè)結構調整對北京市碳減排目標的影響[J].中國人口·資源與環(huán)境,2016,26(2):58-67.

[12]段瑩.產業(yè)結構高級化對碳排放的影響——基于湖北省的實證[J].統計與決策,2010(23):94-95.

[13]蘇方林,黎文勇.產業(yè)結構合理化、高級化對碳排放影響的實證研究——基于西南地區(qū)的實證研究[J].西南民族大學學報(人文社會科學版),2015(11):114-119.

[14]張青青,張光興,陳偉亞.我國產業(yè)結構升級對碳排放強度的實證研究[J].低碳經濟,2013(2):121-127.

[15]劉曉敏.產業(yè)結構變化對碳排放的影響研究[D].長沙:湖南大學,2012.

[16]張偉,王韶華.產業(yè)結構變動的碳減排效應:動態(tài)累積與空間差異[J].經濟評論,2015(4):31-44.

[17]蔣金荷.中國經濟和能源政策對碳排放強度的影響[J].重慶理工大學學報(社會科學),2016(7):28-36,43.

[18]唐葆君,周保進,豐超.北京市能源消費影響因素分析及節(jié)能減排研究——基于產業(yè)視角[J].重慶理工大學學報(社會科學),2015(7):19-27,67.

[19]孫耀華,仲偉周.中國省際碳排放強度收斂性研究——基于空間面板模型的視角[J].經濟管理,2014,36(12):31-40.

[20]章曉英,李陽.重慶市碳排放趨勢及產業(yè)關聯性分析——基于灰色理論的實證研究[J].重慶理工大學學報(社會科學),2015(4):21-27.

[21]王林梅,鄧玲.我國產業(yè)結構優(yōu)化升級的實證研究——以長江經濟帶為例[J].經濟問題,2015(5):39-43.

[22]林晶,吳賜朕.福建產業(yè)結構升級測度及產業(yè)結構優(yōu)化研究[J].科技管理研究,2014(2):41-44.

[23]李博.產業(yè)結構優(yōu)化升級的綜合測評和動態(tài)監(jiān)測研究[M].武漢:華中科技大學出版社,2013:14-17.

[24]鄔義鈞.我國產業(yè)結構優(yōu)化升級的目標和效益評價方法[J].中南財經政法大學學報,2006(6):73-77.

[25]盧福財,吳昌南.產業(yè)經濟學[M].上海:復旦大學出版社,2013.

[26]宋鴻鳴.中國產業(yè)結構高級化分析[D].北京：中國社會科學院,2001.

[27]宗振利,廖直東.中國省際三次產業(yè)資本存量再估算:1978—2011[J].貴州財經大學學報,2014(3):8-16.

[28]何凌云,林祥燕.能源價格變動對我國碳排放的影響機理及效應研究[J].軟科學,2011,25(11):94-98.

(責任編輯 魏艷君)

Study on Industrial Structure Upgrading of Yangtze River Economic Belt Based on Carbon Emission Reduction

LIU Junyuea, SU Yinga,b, FAN Changminga, YANG Huanhuana, WANG Jiaoa

(a.School of Mangagement; b.Low Carbon Energy Research Center, Chongqing University of Technology, Chongqing 400054, China)

Based on the quantile regression method, this paper studies the relationship between upgrading of industrial structure and carbon emissions under different quantile of the Yangtze River economic belt based on carbon emission reduction. The result shows that: upgrading of industrial structure has significant reverse effect on carbon emissions, which provinces with middle carbon emissions area (the carbon emission intensity is between 0.3 and 0.7 point) are significantly higher; the better the optimization of resource allocation between industries is, the higher the advanced degree within industrial structure is, which has a greater effect on reducing carbon emission; and the latter was stronger than the former. Meanwhile, the effects of energy consumption structure, energy price, environmental policy, population size,foreign investment, geographical location and other factors on carbon emissions in the Yangtze River economic belt with different levels of carbon emissions are significantly different. Therefore, it is necessary for the government to formulate industrial development policies and environmental protection policies according to different levels of carbon emissions.

the Yangtze River economic belt; upgrading of industrial structure; carbon emission; quantile regression

2017-02-16

重慶市教委人文社會科學研究重點項目“低碳發(fā)展視角下長江經濟帶產業(yè)結構升級研究”(17SKG135)

劉軍躍(1970—)，女，江蘇南京人，教授，碩士生導師，研究方向：產業(yè)經濟、低碳經濟、工商管理等；通訊作者：蘇瑩(1992—)，女，湖北荊門人，碩士研究生，研究方向：產業(yè)經濟、低碳經濟。

劉軍躍，蘇瑩，樊昌明，等.基于碳減排的長江經濟帶產業(yè)結構升級研究[J].重慶理工大學學報(社會科學)，2017(7):38-47.

format：LIU Junyue, SU Ying, FAN Changming, et al.Study on Industrial Structure Upgrading of Yangtze River Economic Belt Based on Carbon Emission Reduction[J].Journal of Chongqing University of Technology(Social Science)，2017(7):38-47.

10.3969/j.issn.1674-8425(s).2017.07.006

F206

A

1674-8425(2017)07-0038-10