趙 爽,江心英,李玉婷

(江蘇大學(xué)a.管理學(xué)院;b.財經(jīng)學(xué)院,江蘇 鎮(zhèn)江 212013)

一、引言

現(xiàn)階段城市化、工業(yè)化仍然是拉動中國中小城市經(jīng)濟(jì)發(fā)展的主要力量,研究現(xiàn)階段中小城市發(fā)展過程可以發(fā)現(xiàn),地方政府為了追求政績,盲目求大,造成城市攤大餅發(fā)展,各類資源的集聚效應(yīng)給城市發(fā)展帶來的利好逐漸被環(huán)境污染、交通擁堵等城市病抵消,正如經(jīng)濟(jì)學(xué)家吳敬璉所說:如果我們可以盡量發(fā)揮城市的正能量,盡量減少其負(fù)能量,這樣的城鎮(zhèn)化就接近成功了。新時期,如何破解中小城市發(fā)展瓶頸,實現(xiàn)城市與生態(tài)環(huán)境和諧發(fā)展是各級政府必須面對的重大課題。城市化、工業(yè)化過程中能源消耗帶來的大量碳排放無疑是現(xiàn)階段應(yīng)對氣候問題的主要抓手,而工業(yè)行業(yè)更是碳排放的主要行業(yè)。學(xué)術(shù)界普遍在國家或者地區(qū)層面研究碳排放問題而忽略了中小城市在碳減排、綠色發(fā)展的重要作用。因此本文通過選取典型城市江蘇省鎮(zhèn)江市,研究其工業(yè)碳排放及影響因素,并提出針對性低碳對策,為鎮(zhèn)江市實現(xiàn)低碳發(fā)展、綠色發(fā)展提供良好支撐,也為其他中小城市提供一定參考借鑒。

二、文獻(xiàn)綜述

氣候變暖作為一個全球性問題,在學(xué)術(shù)界也得到了廣泛關(guān)注,關(guān)于碳減排的學(xué)術(shù)成果頗豐,根據(jù)其研究的主要內(nèi)容可以分為如下幾類,第一,研究碳排放效率問題。如周五七(2012)通過SBM模型分析了1998～2009年30個省的工業(yè)碳排放效率,發(fā)現(xiàn)整體工業(yè)碳排放效率在不斷改善,但水平偏低,仍有較大提升空間。馬大來(2015)則用最小距離法分析了1998～2011年各省碳排放效率,并深入研究了區(qū)域差異及空間相關(guān)性。孫秀梅(2016)以山東17個地級市為研究對象,選取2005～2012年面板數(shù)據(jù),運用超效率SBM和Malmquist指數(shù)比較了各市碳排放效率變化特點,得出東營市的碳排放效率最高,萊蕪市最低,菏澤市效率值增長最快。郭炳南(2017)測算了1997～2014年長三角兩省一市的碳排放效率,結(jié)果顯示,上海處在有效前沿面上,江蘇、浙江則稍低,能源和勞動力的不合理投入是造成碳排放效率偏低的主要原因。陳曉紅(2017)則是運用剔除環(huán)境因素的三階段DEA和非期望產(chǎn)出的SBM模型,分析了2000～2012年各區(qū)域的碳排放績效。研究結(jié)果顯示,全國碳排放績效不高,但2006年以來效率值增長加快,低碳發(fā)展取得一定成效。第二,研究碳排放影響因素。趙欣(2010)運用最小二乘法,研究了各因素對我國碳排放的影響程度,量化結(jié)果表明,經(jīng)濟(jì)增長、能源消耗和國際貿(mào)易對碳排放增加有顯著正向作用,而科技投入、技術(shù)引進(jìn)、非國有經(jīng)濟(jì)均對碳排放起到抑制作用。查建平(2013)利用序列DEA及相關(guān)方法創(chuàng)建TCPt動態(tài)指數(shù)計算了2003～2010年省際工業(yè)碳排放效率。并重點分析了工業(yè)規(guī)模、結(jié)構(gòu)、能源消費結(jié)構(gòu)、外商投資等七類因素對碳排放績效的影響水平。李國志(2013)以日本為研究對象,基于1966～2011年時間序列數(shù)據(jù)和狀態(tài)空間模型,實證分析了日本碳排放影響因素。認(rèn)為人口規(guī)模、經(jīng)濟(jì)增長、技術(shù)進(jìn)步與碳排放之間存在協(xié)整關(guān)系,亦是影響碳排放最主要因素。張勇(2014)以Stirpat模型為基礎(chǔ)構(gòu)建驅(qū)動因子模型,研究了2000～2011年安徽省碳排放影響因素,實證結(jié)果顯示,城市建設(shè)、工業(yè)化程度加劇了能源消耗,對碳排放增加起到顯著正向作用。針對影響因素,提出了優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)建設(shè)、提倡綠色消費、發(fā)展新能源等低碳發(fā)展策略。張騰飛(2016)通過Hansen門檻面板模型、SBM模型、Barro和Sala-i-Martin的β收斂模型研究了城鎮(zhèn)化對中國碳排放效率的影響?？梢姵擎?zhèn)化、能源消耗、產(chǎn)業(yè)結(jié)構(gòu)等是學(xué)者研究碳排放影響因素的主要方面。第三,碳排放與經(jīng)濟(jì)增長關(guān)系研究。武紅(2013)測算了碳排放總量與國內(nèi)生產(chǎn)總值之間的關(guān)系,協(xié)整檢驗、脈沖響應(yīng)函數(shù)、格蘭杰因果檢驗是其實證研究的主要方法。王蓉(2013)立足于陜西省情,用Tapio脫鉤指數(shù),研究了1995～2010年碳排放量與國民生產(chǎn)總值脫鉤情況,并進(jìn)一步分析了各類影響因素。齊紹洲(2015)選取1995～2012年面板數(shù)據(jù),結(jié)合Tapio脫鉤指數(shù)研究了中部六省的經(jīng)濟(jì)增長與碳排放之間的脫鉤情況。施錦芳(2017)對中國和日本經(jīng)濟(jì)增長與碳排放關(guān)系的EKC曲線進(jìn)行實證檢驗,得出中國EKC曲線表現(xiàn)出“倒N型”,而日本則是“N型”,并預(yù)測我國碳排放有上升可能性[1-17]。

分析對比已有的研究成果可以發(fā)現(xiàn),無論是效率研究、影響因素研究以及碳排放與經(jīng)濟(jì)增長的關(guān)系研究,研究對象主要是國家、省份或者工業(yè)行業(yè),對中小城市的研究顯著不足。大城市發(fā)展已相對趨于穩(wěn)定,中小城市數(shù)量多,發(fā)展階段參差不齊,是目前及未來城市化、工業(yè)化的主力軍,因此,中小城市的工業(yè)碳排放問題應(yīng)該得到足夠的研究重視。因此本文選取中小城市中的典型城市江蘇省鎮(zhèn)江市,通過Tapio脫鉤指數(shù)分析工業(yè)經(jīng)濟(jì)增長與碳排放之間的脫鉤情況,以期對鎮(zhèn)江工業(yè)近年來低碳發(fā)展趨勢及效果進(jìn)行檢驗,并借助擴(kuò)展的Stirpat模型研究所有權(quán)屬性、能源消費結(jié)構(gòu)、外商投資、城市化水平、政府影響力、富裕程度等因素對碳足跡的影響程度,同時檢驗了鎮(zhèn)江碳排放與富裕程度是否符合EKC曲線,最后提出針對性的減排對策。

三、研究方法與數(shù)據(jù)處理

(一)脫鉤分析

脫鉤的相關(guān)概念由經(jīng)濟(jì)合作與發(fā)展組織(OECD)在2002年提出,用來分析經(jīng)濟(jì)發(fā)展與環(huán)境污染之間的關(guān)系,此后脫鉤及其相關(guān)理論在學(xué)術(shù)界得到了廣泛運用,包括評價地區(qū)可持續(xù)發(fā)展、經(jīng)濟(jì)物質(zhì)消耗、碳減排等領(lǐng)域。在具體分析中主要有兩種方法,OECD脫鉤指數(shù)和Tapio脫鉤指數(shù)。

1.OECD脫鉤指數(shù)。OECD脫鉤指數(shù)體現(xiàn)的是某一固定時間點上的脫鉤情況,它以基期作為參照標(biāo)準(zhǔn),評價報告期的相關(guān)情況。具體的計算公式如式(1)所示。

DI=(EPT/DFT)/(EP0/DF0).

(1)

其中DI為OECD脫鉤指數(shù),T表示報告期,0表示參照期,EP、DF分別為環(huán)境因素和經(jīng)濟(jì)因素。

2.Tapio脫鉤指數(shù)。Tapio脫鉤指數(shù)可以有效解決OECD方法因參照期和報告期選擇問題上造成的偏差。具體計算公式如式(2)。

TCO2GDP=(ΔCO2/CO2)/(ΔGDP/GDP).

(2)

TCO2GDP代表了地區(qū)經(jīng)濟(jì)增長與碳排放之間變化走勢,根據(jù)其值的大小,按照0、0.8、1.2三個節(jié)點分為不同的脫鉤狀態(tài)。具體的指標(biāo)分類如表1所示。

表1 Tapio脫鉤指標(biāo)分類

弱脫鉤是經(jīng)濟(jì)增長和碳排放增幅均為正,且經(jīng)濟(jì)增長增幅大于碳排放增幅;強(qiáng)脫鉤是碳排放負(fù)增長,但經(jīng)濟(jì)正向增長的狀態(tài);衰退脫鉤是經(jīng)濟(jì)與碳排放均為負(fù)增長,但碳排放降幅大于經(jīng)濟(jì)降幅的一種狀態(tài);增長連接是碳排放與經(jīng)濟(jì)增長均為正增長,但碳排放增幅接近甚至超過經(jīng)濟(jì)增幅;衰退連接是碳排放與經(jīng)濟(jì)增長增幅均為負(fù),且幅度基本相同的狀態(tài);增長負(fù)脫鉤是經(jīng)濟(jì)與碳排放增幅均為正,但經(jīng)濟(jì)增幅小于碳排放增幅;強(qiáng)負(fù)脫鉤是經(jīng)濟(jì)負(fù)增長,但碳排放量正增長的狀態(tài);弱負(fù)脫鉤是經(jīng)濟(jì)與碳排放均為負(fù)增長,且經(jīng)濟(jì)降幅大于碳排放。

(二)工業(yè)能源消費碳足跡

碳足跡(Carbon Footprint)代表各類生產(chǎn)活動在生命周期內(nèi)所排放的溫室氣體,研究碳足跡可以發(fā)現(xiàn)某行業(yè)的生產(chǎn)活動給自然環(huán)境帶來的環(huán)境壓力狀況,從而為評價相關(guān)績效及減排提供基礎(chǔ)和依據(jù)。隨著全球氣候變暖加劇,碳足跡也成為學(xué)術(shù)界研究的熱點問題,國內(nèi)外關(guān)于碳足跡的研究對象包括了具體產(chǎn)品、行業(yè)、地區(qū)到國家。本文借鑒盧娜的研究[18],根據(jù)生態(tài)足跡方法,以人均需求林地轉(zhuǎn)換碳量衡量碳足跡變化,碳足跡計算方法如式(3)。

(3)

其中CE為碳排放量(噸),P為人口(人),FCL表示單位林地吸收轉(zhuǎn)化碳量(t/hm2),根據(jù)世界自然基金會提高的數(shù)據(jù),取FCL為6.49t/hm2。Cf為碳足跡(hm2/人),表示人均需要Cf公頃的林地量應(yīng)對分?jǐn)偟奶寂欧帕俊?/p>

(三)Stirpat模型

在IPAT模型的基礎(chǔ)上,Dietz(1994)提出了Stirpat模型[19],具體表達(dá)式如式(4)。

(4)

式中,自變量P、A和T分別表示人口、富裕程度和技術(shù)水平。因變量I為環(huán)境影響。a為待定系數(shù),b、c和d分別是各自變量的指數(shù),ε為隨機(jī)誤差。下標(biāo)t代表不同時間點。Stirpat模型表示了環(huán)境與人口、經(jīng)濟(jì)發(fā)展和技術(shù)水平之間緊密關(guān)系。如果將式(4)轉(zhuǎn)化成對數(shù)形式,則b、c和d分別表示各個自變量變動1%時,會引起因變量I變化b%、c%和d%。

由于Stirpat模型僅包含三類影響環(huán)境的變量,但現(xiàn)實中,影響環(huán)境因素的變量越來越多,因此為了更全面系統(tǒng)的研究這些因素對環(huán)境的影響程度,本文根據(jù)Stirpat模型的構(gòu)建形式,通過添加一定的自變量數(shù)量對其進(jìn)行適當(dāng)擴(kuò)充。為了減少數(shù)據(jù)波動、共線性和異方差對分析的影響,對模型兩邊取對數(shù),具體如式(5)。

lnIt=Lna+blnPt+clnAt+dlnTt+…+Lnεt.

(5)

(四)指標(biāo)選擇及數(shù)據(jù)處理

影響碳足跡的影響有很多,根據(jù)現(xiàn)有的學(xué)術(shù)成果發(fā)現(xiàn),主要關(guān)注所有權(quán)屬性、外商投資、能源消費結(jié)構(gòu)等方面,所有權(quán)屬性主要考察國有及國有控股工業(yè)企業(yè)在碳減排中的作用,一方面,國有成分企業(yè)內(nèi)部缺乏足夠的市場競爭機(jī)制,低效率一直是國企發(fā)展的詬病。同時,國有企業(yè)受行政命令影響大,受制于績效考核,往往對碳減排指標(biāo)敏感,因此在減排上會更加主動。且低碳減排相關(guān)技術(shù)設(shè)備往往需要投入大量的資金作為支撐,國有企業(yè)多財力雄厚、渠道廣,這也為實施碳減排創(chuàng)造了良好條件;外商投資對東道國的環(huán)境影響主要包括“環(huán)境避難所”和“污染暈輪效應(yīng)”,即發(fā)展中國家由于環(huán)境規(guī)制較弱,發(fā)達(dá)國家將相對高污染的企業(yè)轉(zhuǎn)移到廣大發(fā)展中國家,這必然引起發(fā)展中國家的碳排放增加。FDI為東道國帶來大量的就業(yè)機(jī)會、且為地方政府帶來直接的政績利益,因此為了吸納更多的FDI,東道國往往會主動降低環(huán)境標(biāo)準(zhǔn),這也使得FDI帶有高污染高排放的特征。同時,FDI會帶來先進(jìn)的生產(chǎn)技術(shù),能源利用率較高,通過技術(shù)溢出、知識溢出帶動當(dāng)?shù)丶夹g(shù)水平提高,因此FDI又會提高碳排放績效,逐步減少東道國碳排放量。能源消費結(jié)構(gòu)始終是決定碳排放的關(guān)鍵因素之一,以煤炭為代表的傳統(tǒng)化石能源是工業(yè)最主要的能源消耗,清潔能源產(chǎn)業(yè)處在起步階段,使用較少;考慮到我國中小城市多處于城市化的加速階段,基礎(chǔ)設(shè)施建設(shè)正如火如荼展開,急需大量的工業(yè)產(chǎn)品;同時,黨的十八屆三中全會提出了“使市場在資源配置中起決定性作用和更好發(fā)揮政府作用”,因此,地方政府在碳減排中扮演著什么樣的角色值得探究。因此在前人研究基礎(chǔ)之上,本文又添加了城市化因素及政府影響力。為了研究碳排放與工業(yè)經(jīng)濟(jì)增長是否符合環(huán)境庫涅茨曲線,碳排放曲線是否隨著富裕程度出現(xiàn)拐點,需要通過添加富裕程度因素,并觀察其二次項系數(shù)正負(fù)情況做出判斷。

基于已有的學(xué)術(shù)成果,對指標(biāo)做如下量化,工業(yè)碳足跡為被解釋變量,記為CF。OW為所有權(quán)屬性,用國有及國有控股工業(yè)產(chǎn)值在規(guī)模以上工業(yè)產(chǎn)值占比表示;FDI用外商投資企業(yè)工業(yè)產(chǎn)值在規(guī)模以上工業(yè)產(chǎn)值占比表示;ES為能源消費結(jié)構(gòu),用規(guī)模以上工業(yè)企業(yè)原煤消耗量在所有能源消耗中占比測度;UR為城市化水平,用城鎮(zhèn)化率衡量;GI為政府影響力,用財政支出與地區(qū)生產(chǎn)總值比值表示;AF為富裕程度,用人均工業(yè)產(chǎn)值表示。因此最終的Stirpat模型如式(6)。

LncFt=Lna+blnURc+cLnFDIt+dLnOWt+eLnESt+fLnAFt+g(LnAFt)2+hlnGlt+Lnεt.

(6)

對LnAF求一階偏導(dǎo)數(shù),得到富裕程度對工業(yè)碳足跡的彈性系數(shù),如果二次項的系數(shù)為負(fù),則富裕程度與工業(yè)碳排放量符合環(huán)境庫涅茨曲線,反之則不符合。

工業(yè)選擇規(guī)模以上工業(yè)企業(yè)數(shù)據(jù),為了消除通貨膨脹及價格因素對分析的影響,通過工業(yè)產(chǎn)品出廠價格指數(shù),將歷年工業(yè)產(chǎn)值平減到2001年?？紤]到相關(guān)指標(biāo)統(tǒng)計上的一致性及數(shù)據(jù)可得性,研究區(qū)間確定為2001～2016年,所有數(shù)據(jù)均來自歷年《鎮(zhèn)江統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》及鎮(zhèn)江市國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報。

(五)工業(yè)碳排放計算

由于各統(tǒng)計年鑒并未直接給出工業(yè)碳排放量,本文根據(jù)IPCC(2006)推薦的碳排放計算公式,整理2001～2016年鎮(zhèn)江規(guī)模以上工業(yè)企業(yè)主要能源消費量,計算得到最終的碳排放量,計算公式如式(7)。

CE=∑i=1(Ai*bi).

(7)

其中,CE表示碳排放量,單位為萬噸,i表示能源種類,Ai為能源i的消耗量,單位為萬噸標(biāo)準(zhǔn)煤,bi為能源i的碳排放系數(shù)。詳細(xì)的能源折標(biāo)準(zhǔn)煤系數(shù)和碳排放系數(shù)如表2所示。

表2 各類能源折標(biāo)準(zhǔn)煤系數(shù)及碳排放系數(shù)

四、實證分析

(一)鎮(zhèn)江概況、工業(yè)發(fā)展及低碳城市建設(shè)

鎮(zhèn)江位于江蘇南部、長江南岸、長江三角洲西段,西接南京,長江和京杭運河在此交匯。區(qū)域面積0.384 3萬平方公里,2016年常住人口為318.13萬。鎮(zhèn)江2016年產(chǎn)業(yè)結(jié)構(gòu)依然維持“二三一”,但二三產(chǎn)業(yè)占比已經(jīng)十分接近,分別達(dá)到48.79%、47.62%。2016年實現(xiàn)工業(yè)總產(chǎn)值9 066億,其中,輕重工業(yè)占比分別為17.37%、82.62%,重工業(yè)中以造紙、石油加工、金屬冶煉等高耗能行業(yè)為主。作為一個資源并不充裕的城市,鎮(zhèn)江率先意識到節(jié)能減排、低碳發(fā)展的重要性,已經(jīng)明確提出在2020年率先達(dá)到碳峰值,比2030年的國家碳峰值目標(biāo)提前10年,且2016、2017年成功舉辦了兩屆鎮(zhèn)江國際低碳技術(shù)產(chǎn)品交易展示會,取得了豐厚的成果,低碳鎮(zhèn)江已經(jīng)成為城市有力的宣傳名片。但低碳減排的任務(wù)依然艱巨,能源消耗具有一定慣性,能否如期實現(xiàn)碳峰值對未來城市發(fā)展意義重大,因此,在現(xiàn)階段研究鎮(zhèn)江工業(yè)碳排放問題,將會為落實減排、制定產(chǎn)業(yè)政策提供一定參考價值。

(二)Tapio脫鉤指數(shù)分析

Tapio脫鉤指數(shù)可以有效描述工業(yè)經(jīng)濟(jì)增長是否與碳排放實現(xiàn)脫鉤狀態(tài),根據(jù)Tapio脫鉤指數(shù)計算方法,得到2001～2016年鎮(zhèn)江工業(yè)與碳排放脫鉤結(jié)果,見表3。

從脫鉤結(jié)果可以發(fā)現(xiàn),2003、2011、2014年為增長連接,2016年為增長負(fù)脫鉤,2007、2008和2015年為強(qiáng)脫鉤,其與年份均是弱脫鉤狀態(tài)。2011～2016年即十二五時期,脫鉤狀態(tài)較2001～2010年變化更加劇烈,因為十二五以來,鎮(zhèn)江實施低碳戰(zhàn)略的步伐加快,產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級、淘汰落后產(chǎn)能、大力發(fā)展新興產(chǎn)業(yè),且2012年,國家發(fā)改委將鎮(zhèn)江確定為國家級低碳試點城市,無疑更加堅定鎮(zhèn)江落實低碳發(fā)展的決心。產(chǎn)業(yè)結(jié)構(gòu)變化調(diào)整往往會造成產(chǎn)值以及碳排放一幅度波動,即造成了十二五以來脫鉤變化較大。從整體分析,鎮(zhèn)江工業(yè)脫鉤形勢較好,但仍然具有不穩(wěn)定性,仍需繼續(xù)實施有效的節(jié)能減排措施,鞏固脫鉤成果。

表3 2001-2016年鎮(zhèn)江市工業(yè)脫鉤情況

(三)工業(yè)能源消費碳足跡

根據(jù)2001～2016年鎮(zhèn)江工業(yè)各類能源消耗量并結(jié)合碳排放計算公式,得到各年的工業(yè)碳排放量。碳排放總量由2001年的532萬噸增加到2016年的1 313萬噸,年均增長率9.79%。工業(yè)產(chǎn)值由613億增加到7 736億,年均增長率為77.47%,工業(yè)產(chǎn)值增速顯著快于碳排放量增速。從圖1可得,工業(yè)碳足跡由0.31hm2/人增加到0.74hm2/人,年均增加9.25%。碳足跡的變化走勢總體上可以分為三個階段,第一階段,2001～2006年,穩(wěn)步上升,2006～2010年,平穩(wěn)波動,2010～2016年,波動上升。2006年及以前,工業(yè)處于加速發(fā)展階段,能源消耗量劇增;而第二階段主要受2008年金融危機(jī)影響顯著,各行業(yè)均受到較為嚴(yán)重的沖擊,出口減少,訂單不足,導(dǎo)致生產(chǎn)規(guī)?？s小,能源消耗亦隨之變化。第三階段,即2010年后,各級政府的經(jīng)濟(jì)刺激,金融危機(jī)所帶來的惡劣市場環(huán)境有所改善,工業(yè)企業(yè)經(jīng)營逐步好轉(zhuǎn),因此,能源消耗隨著增加。但由于新時期,高投入、高消耗、低附加值的工業(yè)經(jīng)濟(jì)很難維持下去,經(jīng)濟(jì)發(fā)展面臨轉(zhuǎn)型,加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、逐步淘汰落后產(chǎn)能,且低碳發(fā)展、綠色發(fā)展已逐步得到落實,因此,碳足跡會在波動中上升,且2015、2016年碳足跡均低于2014,表明鎮(zhèn)江工業(yè)低碳化已經(jīng)取得一定成效。

(四)基于Stirpat模型的碳足跡影響因素分析

1.數(shù)據(jù)描述與多重共線性檢驗。為了整體把握各個變量前后變化及其水平,整理得到各個變量的描述性統(tǒng)計結(jié)果,見表4。2001～2016年,外商投資份額、能源消費結(jié)構(gòu)、城市化水平變化幅度較小,所有權(quán)屬性、政府影響力和富裕程度均發(fā)生了較大變化。新能源產(chǎn)業(yè)發(fā)展滯后,以煤炭為代表的傳統(tǒng)化石能源消費的主體地位始終沒有改變;城市化往往是一個相對緩慢的發(fā)展過程,很難在短時間內(nèi)產(chǎn)生較大波動;國有及國有控股工業(yè)企業(yè)份額降低,表明近年鎮(zhèn)江非公有制經(jīng)濟(jì)經(jīng)濟(jì)逐漸壯大,所有制調(diào)整效果顯著。

圖1 2001～2016鎮(zhèn)江工業(yè)能源消費碳足跡

表4 各變量描述性統(tǒng)計結(jié)果

將2001～2016年的工業(yè)碳足跡作為被解釋變量,所有權(quán)屬性、外商投資、能源消費結(jié)構(gòu)等5個變量作為解釋變量,通過SPSS19.0軟件,運用普通最小二乘法(OLS)進(jìn)行初步回歸,結(jié)果見表5。

從OLS回歸結(jié)果可以得到,調(diào)整后的R2為0.975,表明回歸擬合度較好,但OW、ES、GI的t檢驗值均不顯著。當(dāng)膨脹系數(shù)(VIF)值大于10時,說明存在嚴(yán)重的共線性,本回歸結(jié)果中多個變量的VIF值均大于10,因此,可以判定多個變量之間存在嚴(yán)重的多重共線性問題。

2.嶺回歸分析。當(dāng)變量之間存在嚴(yán)重的多重共線性卻仍然用OLS進(jìn)行回歸時,可能會造成參數(shù)估計量的方差增大、參數(shù)的估計精度較低、參數(shù)估計量經(jīng)濟(jì)含義不合理、顯著性檢驗的結(jié)論失效等一系列問題。而嶺回歸可以減少多重共線性帶來的不利影響,通過放棄OLS的無偏性,以損失部分信息和適當(dāng)降低精度的方式得到更加符合實際情況的回歸結(jié)果。

在(0.1)區(qū)間上,以步長0.01進(jìn)行嘗試,通過嶺跡圖的變化穩(wěn)定性,最終確定嶺參數(shù)K=0.2。同時為了保證模型的穩(wěn)定性及精確性,借鑒叢建輝的處理方法[20],將回歸系數(shù)穩(wěn)定和絕對值較小的FDI因素剔除。由于SPSS缺少嶺回歸計算的固定模塊,需要通過語法命令計算,最終得到嶺回歸結(jié)果,見表6。

表5 OLS回歸結(jié)果

注:R2=0.987，調(diào)整后的R2=0.975，F(xiàn)統(tǒng)計量=84.275，Sig F=0.000。

表6 嶺回歸結(jié)果

注:R2=0.964,調(diào)整后的R2=0.940,F統(tǒng)計量=39.848,Sig F=0.000。③② 分別表示通過1%和5%的顯著性檢驗。

從嶺回歸結(jié)果可以發(fā)現(xiàn),調(diào)整后的R2為0.940,略低于OLS回歸的R2,但擬合度依然較好,回歸系數(shù)的符號基本符合實際情況,且所有變量均通過了顯著性檢驗,表明在本文中嶺回歸比OLS更有優(yōu)勢。根據(jù)回歸結(jié)果,得到如下模型表達(dá)式,式(8)。

LnCF=0.986LnUR-0.042LnOW+1.341LnES+0.120LnGI+0.048LnAF+0.002(LnAF)2-0.651.

(8)

具體分析,所有權(quán)屬性(OW)的系數(shù)為負(fù),表明其對碳足跡有抑制作用,即提高所有權(quán)屬性值1%,會降低碳足跡0.042%。國有及國有控股企業(yè)受到行政監(jiān)管的力度較其他類型企業(yè)更大,及時響應(yīng)國家節(jié)能減排政策,且具備實施低碳生產(chǎn)的物力財力。鎮(zhèn)江國有及國有控股企業(yè)占比不斷降低,在繼續(xù)保持其節(jié)能減排效用的基礎(chǔ)上,將減排重點轉(zhuǎn)移到其他所有制企業(yè)中。同時,可以使國有性質(zhì)企業(yè)在節(jié)能減排方面形成良好的示范作用,加大相關(guān)技術(shù)經(jīng)驗推廣力度,形成良好的技術(shù)溢出、知識溢出,提升整體減排效果;城市化水平(UR)的系數(shù)為正,從標(biāo)準(zhǔn)系數(shù)大小分析,城市化水平是對工業(yè)碳足跡影響最大的因素。城市化帶來的大量基礎(chǔ)設(shè)施建設(shè)增加了工業(yè)品需求,必然使得能源消耗和碳排放增加。2016年鎮(zhèn)江城市化率達(dá)到接近70%左右,已經(jīng)處于較高的水平之上,城市建設(shè)要避免為追求政績,攤大餅式的建設(shè),加強(qiáng)建設(shè)規(guī)劃、提高城市化質(zhì)量是以鎮(zhèn)江為代表的中小城市現(xiàn)階段及未來考慮重點;能源消費結(jié)構(gòu)(ES)提高1%,碳足跡增加1.341%,這也從側(cè)面反映出減少化石能源消費量、提高新能源、清潔能源占比對降低碳足跡的重要性;政府影響力(GI)的系數(shù)為0.120,對碳足跡增加起到正向作用。當(dāng)前階段,由于地方政府市場意識不強(qiáng),往往會通過直接的行政命令干預(yù)生產(chǎn)經(jīng)營,阻礙了資源有效配置,弱化了市場在調(diào)節(jié)生產(chǎn)中的主體作用;富裕程度(AF)提高1%,碳足跡增加(0.048%+0.004LnAF),且其二次項的系數(shù)為正,表明在現(xiàn)有的生產(chǎn)條件下,碳足跡與富裕程度并不呈現(xiàn)出倒U型,即環(huán)境庫涅茨曲線不成立,這對鎮(zhèn)江實現(xiàn)2020年達(dá)到碳峰值目標(biāo)是極其不利的,應(yīng)該引起相關(guān)部門足夠的重視;外商直接投資(FDI)對碳足跡的影響微弱,“環(huán)境避難所”和“污染暈輪效應(yīng)”是否成立通過本研究并未得到明確結(jié)論,需要根據(jù)其他方法另行研究。

五、結(jié)論與對策

(一)研究結(jié)論

本文通過選取中小城市中的典型城市鎮(zhèn)江為例,以2001～2016年為研究區(qū)間,通過Tapio脫鉤指數(shù)分析了鎮(zhèn)江工業(yè)碳排放與工業(yè)經(jīng)濟(jì)增長脫鉤情況,用Stirpat模型重點研究了工業(yè)能源消費碳足跡變化及其影響因素,并對環(huán)境庫涅茨曲線進(jìn)行了檢驗,得到如下結(jié)論:

2001～2016年鎮(zhèn)江工業(yè)經(jīng)濟(jì)增長與碳排放脫鉤整體較好,十二五以來,隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整及工業(yè)轉(zhuǎn)型升級步伐加快,脫鉤指數(shù)相應(yīng)的會出現(xiàn)一定波動變化。應(yīng)繼續(xù)實施有效的工業(yè)減排政策,力爭工業(yè)經(jīng)濟(jì)增長與碳排放實現(xiàn)強(qiáng)脫鉤。

工業(yè)碳足跡變化可以劃分為三個階段,穩(wěn)步上升、平穩(wěn)波動、波動上升。2015、2016年碳足跡已經(jīng)顯著低于2014年,表明十二五末以來,工業(yè)節(jié)能減排、低碳化取得了一定成效。

所有權(quán)屬性對碳足跡起到抑制作用,而城市化、能源結(jié)構(gòu)、富裕程度、政府影響力均對碳足跡的增加起到正向作用,但影響力有一定區(qū)別。富裕程度的二次項為正,表明現(xiàn)階段環(huán)境庫涅茨曲線在鎮(zhèn)江工業(yè)經(jīng)濟(jì)增長與碳足跡的變化中并不成立,這對于能否如期達(dá)到碳峰值影響重大。外商直接投資對碳足跡的影響在本研究中并不顯著,需要另行研究。

(二)工業(yè)行業(yè)低碳減排對策

加快產(chǎn)業(yè)結(jié)構(gòu)升級步伐,現(xiàn)階段鎮(zhèn)江產(chǎn)業(yè)結(jié)構(gòu)依然為“二三一”,而江蘇省在2015年已經(jīng)實現(xiàn)了“三二一”的結(jié)構(gòu)轉(zhuǎn)型。第二產(chǎn)業(yè)占比過大,產(chǎn)業(yè)結(jié)構(gòu)偏重,服務(wù)業(yè)對經(jīng)濟(jì)增長貢獻(xiàn)度不夠高,這些均從產(chǎn)業(yè)層面制約著鎮(zhèn)江低碳城市建設(shè)。

逐步淘汰落后產(chǎn)能,以造紙、石油化工為代表的傳統(tǒng)高耗能、高排放行業(yè)應(yīng)加快完成轉(zhuǎn)型調(diào)整。利用較好的工業(yè)基礎(chǔ),加快發(fā)展新材料、航空航天、船舶海工等高端制造業(yè),提升整體價值鏈位置。

非公經(jīng)濟(jì)是鎮(zhèn)江工業(yè)企業(yè)減排的重點,利用國有企業(yè)節(jié)能減排的示范作用形成知識溢出、技術(shù)溢出;強(qiáng)化政府的市場意識,樹立服務(wù)型政府,減少不必要的行政干預(yù),發(fā)揮市場在資源配置中的決定作用,通過構(gòu)建區(qū)域碳交易市場,引導(dǎo)企業(yè)積極減排;改善能源消費結(jié)構(gòu),加快清潔能源產(chǎn)業(yè)發(fā)展;科學(xué)合理規(guī)劃城市建設(shè),避免盲目擴(kuò)張。

工業(yè)企業(yè)應(yīng)加強(qiáng)研發(fā),創(chuàng)新生產(chǎn)工藝,引進(jìn)先進(jìn)的節(jié)能減排設(shè)備,政府應(yīng)制定相關(guān)補貼政策給予支持。工業(yè)企業(yè)要樹立低碳生產(chǎn)意識,真正將節(jié)能減排落實到產(chǎn)品全生命周期。