第五章　基于部门视角的山西能源消费碳排放影响因素分析

第一节　碳排放分析模型构建与指标选择

在进行碳排放影响因素分析时，可以采用多种方法。目前广泛利用的是基于Kaya恒等式的指数分解和基于IPAT模型的计量回归分析。由于指数分解存在只对变化量进行解释，而对存量缺乏解释力度的缺陷，因此将基于IPAT模型的计量回归模型与指数分解模型结合起来。两种方法的实证研究结果可以互相补充，更好地分析各种影响因素所起的作用^[284]。

一、基于扩展的Kaya恒等式的分解模型

1.Kaya恒等式

Kaya恒等式是由日本学者Yoichi Kaya于1989年在联合国政府气候变化专门委员会（IPCC）举办的研讨会上提出的^[286]。在碳排放因素分解的众多模型中，Kaya恒等式是应用最为广泛的模型。Kaya恒等式通过一个简单的数学公式将二氧化碳排放量分解为四个要素，分别为人口增长、人均GDP、单位GDP能耗以及单位能源消耗的碳排放。其表达公式如下：

　　（5.1）

P代表人口规模，G代表地区生产总值（GDP），E代表能源消费；代表人均GDP，是了解一个国家宏观经济运行状况的有效工具；代表能源消耗强度，它反映经济对能源的依赖程度；表示单位能耗碳排放强度，主要是由能源消费结构决定。

2.Kaya恒等式的扩展

为了更清楚地研究山西能源消费碳排放的影响因素，对Kaya恒等式进行扩展。由于本研究注重考察产业结构变迁对碳排放增长的影响，因此对产业结构进行重点分析。具体来讲，将山西国民经济生产部门划分为五个：农业、工业、建筑业、批发零售业和交通运输业。经济生产部门i（i=1,2,3,4,5），分别代表农业、工业、建筑业、批发零售业和交通运输业。各部门在t年排放的CO₂根据公式（5.2）计算获得。

　　（5.2）

式中，指的是经济生产部门i在第t年消耗第j种能源所产生的CO₂；是经济生产部门i在第t年第j种能源的总消费量；是指经济生产部门i在第t年总能源消费量；是指经济生产部门i在第t年的地区生产总值（GDP）；G^t指第t年总的地区生产总值（GDP）。是指经济生产部门i在第t年第j种能源的排放系数；是指经济生产部门i中，第j种能源占所消耗总能源的比重；指经济生产部门i在第t年的能源强度；指经济生产部门i的GDP在山西总GDP中所占比重。

3.对数平均迪氏分解法（LMDI）

AngB.W等的研究表明，对数平均迪氏指数法（Logarithmic Mean Divisia Index，简称为LMDI），可以进行无残差分解，并能够很好解决“零”值问题^[287,288]。此外，这一方法的乘法形式和加法形式可以很简便地进行互换。同时还便于进行各年以及分阶段的比较。因此，采用对数平均迪氏指数法，对公式（5.2）进一步分解，得到公式（5.3）。然后，对公式（5.3）中所列的五个因素进行无残差分解。计算公式分别为公式（5.4）-（5.8）。

　　（5.3）

公式（5.3）中，从0年到t年的经济生产部门碳排放变化为总效应∆CO₂e被分解为5个部分：排放因子效应（EC_effect），能源结构效应（EM_effect），能源强度效应（EI_effect），产业结构效应（ES_effect）以及经济规模效应（G_effect）。

根据对数平均迪氏分解法，各效应的计算公式如下：

　　（5.4）

　　（5.5）

　　（5.6）

　　（5.7）

　　（5.8）

对公式（5.4）-（5.8）中的各效应进行说明。

排放因子效应（EC_effect）：各能源排放因子在本研究中假设是不变的，因此碳排放因子效应为固定常数，在加法分解中为“0”。

能源结构效应（EM_effect）：能源结构发生变化会直接影响碳排放量。能源结构效应是指由于不同种类能源份额发生变化对总体碳排放变化的影响。

能源强度效应（EI_effect）：能源强度是指单位产值能耗，能源强度效应反映由于能源利用效率提高对碳排放变化产生的贡献。

产业结构效应（ES_effect）：不同产业消耗能源的种类和利用能源的效率存在较大差异。产业结构效应是衡量由于产业重心发生转移而对碳排放变化的影响。

经济规模效应（G_effect）：在发展中国家，经济规模发生变化一般会对碳排放量产生影响。经济规模效应是指经济增长对碳排放变化做出的贡献份额。

二、基于STIRPAT模型的分析

1.STIRPAT模型

1971年，Ehrlich和Holdren设计了一个简单的公式用来衡量人口、财富水平以及技术水平对环境的影响^[289]。公式如下所示：

I=P·A·T　　（5.9）

公式（5.9）中，I代表环境影响。P，A，T分别代表人口、财富水平和技术水平。但由于IPAT等式假定“各因素同比例影响环境”，为了克服这一缺陷，York等在IPAT模型的基础上进行扩展而提出了STIRPAT（随机回归影响）模型（见公式5.10）。这一模型更好地体现自然环境影响因素之间函数关系的非单调或非比例的效应关系^[290]。其模型的表达式为：

I=aP^bA^cT^de　　（5.10）

公式（5.10）中，I、P、A和T所代表含义与公式（5.9）相同。a、b、c和d是模型待估系数，e为随机误差项。为了更好地进行假设检验，减少模型中可能存在的异方差，将公式（5.10）取对数，得到：

LnI=Lna+bLnP+cLnA＋dLnT+u　　（5.11）

研究借鉴STIRPAT多变量非线性模型，结合山西社会经济特点，根据相关性分析，将产业结构指标与能源结构指标纳入影响因素之中。将公式（5.11）进一步改写为如下形式：

LnCO₂=a＋b₁LnEI+b₂LnURB+b₃LnGDP++b₄LnIS+b₅LnES+u　　（5.12）

其中CO₂代表碳排放，作为衡量环境压力的指标，分别选用人均碳排放和碳排放总量作为被解释变量，单位依次为吨/人和万吨；EI代表技术水平，本例中用能源强度表示，单位为吨/万元；URB代表城镇化率，为非农人口比重，单位为%；GDP代表财富水平，用人均地区生产总值代替，单位为千元/人；IS代表产业结构，用工业产值比重表示，单位为%。ES代表能源结构，用原煤消费比重代替，单位为%。β₁，β₂，β₃，β₄和β₅是模型待估系数，u为随机误差项。

2.STIRPAT模型估计方法的选择

普通最小二乘回归在很多情况下存在多重共线性的问题。为了克服自变量的多重共线性，得到更为稳健的结果，本书采用有偏估计的岭回归分析进行模型拟合。岭回归分析是一种改良的最小二乘法，这种算法是在自变量标准化矩阵的主对角线元素上人为地加入一个非负因子K，以损失部分信息、放弃部分精度为代价来寻求效果稍差，但回归系数更符合实际、更稳定的回归方程^[291,292]。具体参数估计公式为：

　　（5.13）

因为岭参数K不是唯一确定的，所以得到的岭回归估计K实际是回归参数β的一个估计值。当K=0时就是普通最小二乘估计，一般对于岭参数K的选择并没有公认的最优标准，主要有岭迹法、方差扩大因子法、均方误差最小值等。由于岭迹法比较简便、直观，因此，本书采用岭迹法来确定K值。

三、数据来源

数据主要来源于《山西统计年鉴（1987-2015）》以及《中国能源统计年鉴（1988-2015）》，部分数据来源于《新中国60年统计资料汇编（1949-2008）》以及《山西能源经济60年（1949-2008）》。具体来说，人口规模、各产业产值数据来自《山西统计年鉴》，农业、工业、建筑业、交通运输业以及批发零售业碳排放数据利用公式（4.1）进行计算。城镇化率是指非农人口在总人口中所占比重。为了增强数据的可比性，将所有部门的产值增加值根据各产业的增加值指数以1987年为基期进行平减计算（1987=100）。

第二节　碳排放分析结果与讨论

一、指数分解结果分析（LMDI）

1.经济生产部门碳排放的变化

利用IPCC碳排放因子的缺省值以及农业、工业、建筑业、批发零售业以及交通运输业等部门的能源消费数据，计算获得各部门历年的碳排放量。这5个生产部门碳排放量的累积变化如图5.1所示。由于山西工业碳排放量远远超过其他4个部门，故将其放在次坐标中显示。以下从碳排放总体变化趋势及各部门的角度分别对图5.1进行阐释。需要指出的是，1994年到2000年期间，由于山西各产业部门电力消费统计口径发生变化，因此对这一段进行单独分析（图5.2）。

首先，从总体来看，除农业外，山西经济生产其他部门的累积碳排放量均呈现不断增加的趋势。这种增加趋势在1988-1993年以及2000-2014年表现显著，尤其是2000年到2014年。但是在2007-2009年间，工业和农业累积碳排放量先后出现下降。具体来说，农业自2005年开始下降，到2008年停止，之后缓慢上升。工业部门在2007年出现较快上升，自2008年到2009年下降，自2009年后快速上升。这些产业部门在这段时间的下降与2007-2009年环球金融危机密切相关。而交通和批发零售在2008年的快速上升与当年在北京举行的奥运会有直接关系。从图5.1中还可以看出，在2014年，各部门累积碳排放出现明显下降，这与国家宏观经济增长减速、煤炭钢铁等行业市场不景气有关。

其次，从5个部门累积碳排放的绝对数量来说，工业占据重要地位。以2014年为例，工业累积碳排放为41286.07万吨，其次为交通运输业和批发零售业，累积碳排放分别为2657.31万吨和1157.39万吨。农业累积碳排放量最小，为205.78万吨。通过各个经济生产部门的对比，可以发现山西节能减排的重点是工业部门。工业部门内部结构的调整将对减少二氧化碳排放起到至关重要的作用。如果从各部门的角度分别进行讨论的话，可以发现农业累积碳排放的相对变动较大，如在2001年到2008年间其出现快增快减的趋势，而批发零售业和交通运输业碳排放变化相对较为平缓。

最后，对1994年到2000年山西5个经济生产部门累积碳排放的变动情况进行分析。从图5.2中可以看出，工业、农业累积碳排放的变动绝对值较大，而建筑业以及批发零售业变动相对微弱。交通运输业累积碳排放量一直为正值，说明这一时期交通运输业得到持续发展，碳排放稳步上升。这与山西在交通运输业上的大量投入有关。工业累积碳排放在1994-1995以及1998-1999年出现负值，说明工业碳排放在这些年份出现下降的趋势。这一方面与能源利用统计口径变化有关，另一个重要原因是在1997年爆发的亚洲金融危机对山西能源工业的强烈冲击。关于农业，在这一时期一直保持累积值小于零，说明农业碳排放有所减少。这主要原因是山西农业极端落后，农业现代化发展缓慢，如农业机械使用率低下。

2.基于LMDI模型的山西碳排放影响因素分析

利用LMDI方法对山西碳排放分解为四个因素：能源结构效应、能源强度效应、产业结构效应以及经济规模效应。1988年到2014年的各效应计算结果如表5.1所示，单位为万吨。

表5.1　1988-2014年山西碳排放影响因素的指数分解结果

1988-2014年间，山西碳排放总量不断增长，累积增长45754.46万吨。具体来说，所研究的27年中，有8年碳排放表现出减少的趋势，这些年份依次为1990年、1994年、1997-1999年、2008-2009年以及2014年。1990年和1994年出现负增长的主要原因是能源利用高效率的提高和产业结构的调整。1997-1999年以及2008-2009年负增长则是由于亚洲金融危机和环球金融危机的冲击。在2014年出现负增长主要为经济增速放缓所致，同时产业结构调整也对碳排放的减少起到积极的作用。

能源结构效应的累积值为1696.02万吨，平均每年增长62.82万吨，这说明能源结构对山西碳排放的增长起到促进而非抑制作用。从表5.1中可以看出，能源结构效应在2001年为8757.99万吨，说明在这一年能源结构显著恶化。事实上，2001年，山西煤炭和焦炭总消费比重为62.3%，比2000年提高了近4个百分点。但是在2013-2014年，能源结构效应分别为-819.49万吨和-2032.47万吨，这说明近年来“去产能”下能源结构的调整已初见成效。

能源强度效应是抑制碳排放增加的关键因素。从表5.1中可以看出，强度效应在研究时段内基本保持负增长，累积值为-38548.43万吨。这说明山西单位产值能耗一直在提高，能源利用效率不断得到改善。1990年到2000年，山西单位产值能耗年均下降速率为6.86%。2001-2005年和2006-2010年这两个五年规划期内，单位产值能耗年均下降速度分别为3.68%和5.91%。而自2011年到2014年，年均降速为4.45%。能源利用效率的改善和煤炭清洁利用技术的研发和推广有效减少山西二氧化碳排放的相对数量。

产业结构效应的累积值为2164.65万吨，年均值为80.17万吨。这表明产业结构对碳排放的增量起到微弱的促进作用。换句话说，山西的产业结构在1988-2014年间并未得到足够的优化。表5.1显示，在1993-1995年以及2002-2007年产业结构效应出现连续为正的现象，说明在这些年产业结构的变化对碳排放的增加起到积极作用。深入分析可以发现，这些年份正好对应国际经济快速增长时期。经济增长刺激能源需求，在此情况下，山西第二产业比重进一步扩大。相反，在2008-2009年，产业结构的效应值为-676.63万吨和-1093.75万吨。说明在这两年中，产业结构的变化有效降低了碳排放。尽管山西历届政府很重视产业结构的调整，但由于山西产业对煤炭资源及冶金电力行业的过度依赖，产业结构调整收效甚微。这其中的关键原因在于山西除煤炭外其他产业均不发达，为了更快地实现经济增长，出于短期利益考虑，政府和投资者均会选择已具发展基础的煤炭相关产业。

经济规模是促使山西碳排放增加的关键因素。表5.1表明，自1988年到2014年，经济规模的扩大无一例外的增加了碳排放。其累积效应值为80442.23万吨，年均增长2979.34万吨。从历年效应值的变化情况来看，在2007年效应值最大，为6734.76万吨，其次为2010年和2011年。经济规模效应值在这些年份出现高增加值原因各异。在2007年时因为当时国际市场对煤炭需求强劲，山西煤炭行业一片繁荣。煤炭行业繁荣带来的经济规模的扩大，当然，同时也导致二氧化碳排放量的快速上升。在2010年和2011年出现高值的原因可能与2008年国家为了刺激内需投资4万亿有关。经济规模的扩大，在发展中国家和地区，一般会导致碳排放量的增加。如何在保证经济增速的同时减少碳排放是目前山西低碳发展面临的重要问题。在山西，短期内，经济增长尚无法与碳排放实现脱钩。

3.山西省碳排放影响因素的阶段分析

根据五年规划的时期，结合山西社会经济发展状况、碳排放总量的演变特征以及碳排放强度的变化特点，对山西1991年到2014年间碳排放影响因素分解结果进行分5个阶段分析：“八五计划（1991-1995）”“九五计划（1996-2000）”“十五计划（2001-2005）”“十一五规划（2006-2010）”以及“十二五规划前4年（2011-2014）”。各时期对应的碳排放增量以及各效应值如图5.3所示。

第一阶段（1991-1995）：这一时期经济规模效应和能源强度效应是影响碳排放变化的主要因素，其中经济规模促进碳排放增加而能源强度却起着关键抑制作用。两者的效应值分别为6819.50万吨和-7274.13万吨。由于能源结构效应也在较大程度上抑制了碳排放，效应值为-1896.26万吨，因此总体上碳排放总量将有所减少，为-2294.50万吨。产业结构对碳排放变化作用不显著，其效应值仅为56.40万吨。“八五”时期是全国经济增速加快时期，尤其是1992年邓小平南巡讲话之后，经济活力进一步释放。山西这一时期地区生产总值的年均增长速度为10.1%。经济规模的扩大促使碳排放增加。但同时山西在提高能源利用效率方面也有长足的进步，单位产值能耗自1991年的11.98吨/万元减少到1995年的7.26吨/万元，年均降低速率为11.8%。同时，这一时期电力消费比重逐渐上升。能源消费结构的优化也有效抑制了碳排放的增加。

第二阶段（1996-2000）：与“八五”时期不同，这一阶段碳排放增加了1158.11万吨。与“八五”时期相同的是，经济规模效应和能源强度效应是影响碳排放变化的重要因素。但需要注意的能源强度效应的抑制作用减弱而同时能源结构效应对碳排放的抑制作用明显增加，为-2275.73万吨。产业结构调整作用微弱，仅为50.51万吨。这一时期，山西进一步加强了能源重化工基地的建设，煤炭工业投资额在总投资中比重高达40%。挖煤、输电是这一时期山西工业发展的两大关键词。山西能源利用规模扩大的同时却忽视了利用效率的提高。同时产业结构进一步向工业集中也导致了碳排放的增加。

第三阶段（2001-2005）：这一时期山西碳排放增长量巨大，为24651.55万吨。在所考察的5个阶段中增长量最大。从图5.3可以看出，经济规模效应和能源结构效应是这一阶段碳排放增加的主要驱动因素，尤其是经济规模效应，其贡献值高达81.78%。除了经济规模效应之外，能源结构也显著促进碳排放，其效应值为8076.87万吨。产业结构效应的值也较“九五”时期有较大提高，为973.08万吨。能源结构效应与产业结构效应的正向推动作用说明在“十五”规划时期，山西能源结构未得到有效提升。从煤炭和焦炭合计消费比重来看，2001年比重为62.30%，但到2001和2002年上升至63.79%和63.76%。这说明山西能源消费进一步依赖高碳排放的能源种类。而与这些促进作用相比，能源强度的抑制作用明显不足，仅为-4559.36万元。

第四阶段（2006-2010）：这一时期能源强度效应值为-12419.36万吨，表明这一因素对碳排放的抑制作用明显增强。经济规模效应被证明是推动碳排放增加的关键因素。与这两个因素相比，能源结构因素对碳排放的促进作用较为微弱，其效应值为805.12万吨。需要特别一提的是产业结构要素在这一时期为负值，为-80.01万吨。尽管对碳排放的抑制作用十分微弱，但其方向的改变说明这一时期产业结构发生调整。从三次产业的比重来看，第二产业比重在这一时期下降了1.4%，第一产业与第三产业比重分别上升1.0%和0.4%。由于山西第二产业产值较大，第二产业比重的下降直接促使能源消费减少，从而抑制碳排放增加。

第五阶段（2011-2014）：碳排放变化在这一阶段显著降低，为8071.27万吨，较“十一五”规划时期减少了36.02%。与“十一五”时期不同的是，能源结构效应值和产业结构效应值的方向发生改变。具体来说，这一阶段能源结构对碳排放起到抑制作用，效应值为-1848.53万吨。而产业结构却正好相反，促进了碳排放，效应值为667.48万吨。能源结构在这一时期有一定的改善，如电力的消费比重增加了1个百分点，而天然气比重增加了3.5个百分点。清洁能源利用份额的提高有效遏制碳排放的增长。关于产业结构，尽管第三产业比重在这一阶段上升了约10个百分点，但由于第三产业增长很大程度上是交通运输业所促使，所以并未真正降低能源消费碳排放。经济规模效应和能源强度效应同样被证实为影响碳排放变化的主要因素。经济规模的扩大促使碳排放增加，而能源利用效率的提高和经济增长对能源消费依赖性的减弱却有效控制碳排放的增加。两者的效应值分别为20149.55万吨和-10897.23万吨。

二、STIRPAT模型估计结果

1.变量的描述统计

STIRPAT模型中包含的7个变量的描述统计结果如表5.2所示。为了减少模型估计中的异方差，对所有的变量进行取对数处理。

表5.2　STIRPAT模型中变量的描述性统计量

2.变量的相关性检验

在进行计量分析之前，对变量之间的相关性进行检验。由于本例中的被解释变量采用人均碳排放和碳排放这两个指标，因此分两个表分别列出这两个变量和其他变量之间的相关性。表5.3为人均碳排放与其他变量之间的Pearson相关性检验结果。

从表5.3中可以看出，人均碳排放与城镇化水平、人均GDP、产业结构呈显著正相关，相关系数分别为0.939，0.907和0.898。通过相关系数可以初步看出城镇化水平是影响人均碳排放最重要的因素。人均碳排放与能源强度和能源结构之间表现出显著负相关，相关系数为-0.744和-0.930。这说明能源强度的降低和能源结构变化可以有效抑制人均碳排放的增加。表5.4为碳排放总量和其他变量之间的相关系数。

表5.3　人均碳排放与其他变量间Pearson相关性检验 注：，，分别表示在1%，5%和10%的水平上显著。

表5.4　碳排放总量与其他变量间Pearson相关性检验 注：，，分别表示在1%，5%和10%的水平上显著。

从表5.4中可以看出，与人均碳排放量相似，碳排放总量与城镇化水平、人均GDP以及产业结构表现出显著正相关。而与能源强度以及能源结构的相关系数显著为负。从数值上来看，碳排放总量与各变量之间的相关性更为密切。以城镇化水平为例，碳排放总量与之Pearson相关系数为0.955，比人均碳排放与之的系数高0.016。这说明与人均碳排放相比较，城镇化水平、人均GDP、能源强度等变量可以对碳排放总量做出更好解释。

3.多重共线性的检验

一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。这种相关关系则被称为多重共线性。多重共线性的存在可以导致模型估计发生偏差从而导致其经济解释力度减弱。由于STRIPAT模型中选择的5个自变量包括人均GDP、城镇化水平、能源强度以及产业结构等指标，而这些指标之间可能存在较严重的多重共线性。从理论分析的角度来看，城镇化水平的提高很可能会促进人均GDP增加，而人均GDP的增加对能源强度的降低会起到积极作用。因此，在本例中，有必要进行多重共线性的检验。检验结果如表5.5所示。

表5.5　变量间多重共线性检验结果

一般来说，方差膨胀转因子（VIF）越大，显示共线性越严重。经验判断方法表明：当0＜VIF＜10，不存在多重共线性；当10≤VIF＜100，存在较强的多重共线性；当VIF≥100，存在严重多重共线性。从表5.5中可以看出，模型中所包含的5个自变量的VIF值均大于10，其中人均GDP（GDP）以及城镇化水平（URB）的VIF值远远大于10。这说明模型中变量之间存在较为严重的多重共线性。为了克服这一问题，使得模型估计结果更为准确，采用减小参数估计量方差的岭回归法进行回归预测。

4.基于岭回归的STRIPAT模型估计结果

在进行岭回归模型确定时，需要根据岭迹图确定K值。在以人均碳排放为被解释变量时，当K=0.2时岭迹图趋于平稳。而在以碳排放总量为被解释变量时，岭迹图在K=0.1时平稳。因此在两个模型中分别选取K=0.2和K=0.1，并在此基础上确定岭回归方程。基于岭回归的STRIPAT模型估计结果如表5.6所示。

首先对以人均碳排放（C）为被解释变量的模型1进行分析。从表5.6中可以看出，模型1拟合优度较高，为0.9167，同时F统计量在0.01水平下显著，说明模型估计的多元回归整体显著。除此之外，模型1中各系数均在0.01水平上显著。这表明所选变量合理且系数估计值较为可靠。表5.6中模型1回归结果显示，除了能源结构外，其他5个因素均对人均碳排放起到促进作用。从各因素标准系数上来看，城镇化率（URB）的系数最大，为0.3410。这说明山西城镇化水平每上升1个百分点，人均二氧化碳排放会增加0.341%。其次为经济水平（GDP）和产业结构（IS），其系数分别为0.2015和0.1640。说明山西人均碳排放对经济增长和产业结构的弹性响应值分别为0.2015%和0.1640%。对于能源强度（EI）来说，其对人均碳排放起着促进的作用。具体来说，能源强度每上升1%，人均碳排放会增长0.1352%。与这5个因素不同，能源结构（ES）却显著抑制了碳排放的增加，其系数为-0.3280。这说明山西能源结构在研究时段内得到了很大改善。

再次对以碳排放总量（CO₂）为被解释变量的模型2进行讨论。同样，从表5.6中可以看出模型2调整后R²为0.9512，并且F统计量同样在1%的水平上显著，这均说明模型2总体回归效果良好。尽管常数项并不显著，但由于其系数几乎为0，因此并不影响整体拟合效果。通过模型1和模型2的对比，可以发现模型2的设定更为合理。这种合理性可以通过模型整体拟合效果、各变量的标准化系数值以及变量系数显著性中看出来。以城镇化水平（URB）为例，其在模型2中系数更大，为0.4274，这说明在模型2的设定中，自变量的选择可以在更大程度上对因变量（CO₂）做出解释。因此对模型2进行详细说明。同时，由于本研究关注产业结构变化对碳排放的影响，故对产业结构重点讨论。

表5.6　岭回归估计结果 注：，，分别表示在1%，5%和10%的水平上显著。

将表5.6中模型2各变量的系数写入回归方程，得到公式5.14。

LnCO₂=0.2023LnEI+0.4274LnURB+0.2341LnGDP+0.1471LnIS-0.3282LnES　　（5.14）

能源强度（EI）指单位产值能耗。从系数上来看，单位产值能耗每降低1个百分点，会促使碳排放降低约0.2023个百分点。从LMDI的分析结果中可以得知，能源强度是抑制碳排放增加的关键因素。在岭回归模型中，这一系数为正，证实了LMDI的结论。山西能源强度自1990年来有很大改善。在历届五年规划中，单位产值能耗均被列入约束性指标，如“十一五”规划中，山西单位产值能耗降低的目标为22%。尽管在2010年末，实际完成20.66%，但已经取得了显著的改善。

城镇化水平（URB）的系数为0.4274，说明城镇化水平每上升1%，人均二氧化碳排放会增加0.4274%。与其他的影响因素相比，城镇化的作用最为显著。山西城镇化率自1990年的28.9%增长到2014年的53.8%，年均增长速度为2.62%。自2000年之后，山西城镇化速度加快。2001-2014年，山西城镇化年均增速为3.34%。城镇化水平的提高从两个方面对人均碳排放产生影响。一方面，城镇化改变了人们的生活习惯和消费习惯。统计数据显示，城镇人口的能源消费水平高于农村人口。另一方面，城镇化的推动促使城市建设的加快，而城市建设会耗费大量的能源资源。

经济水平（GDP）对碳排放也起到较大促进作用，其弹性系数为0.2341。也就是说，人均GDP每上升1%，碳排放会增加约0.2341%。具体来说，收入水平的提高会通过改变人民生活习惯而促使能源消费增加，如促使更多私家车的购买行为以及外出自驾行为。而这些消费习惯会增加能源，如石油的消费量。在LMDI模型中，经济规模是碳排放增量的最关键因素。岭回归的结论与此基本一致。

产业结构（IS）对碳排放的影响是本节考察的重点内容。从回归系数来看，碳排放对产业结构的弹性系数为0.1471。这说明产业结构的变动增加了碳排放量。在本例中，产业结构用工业产值比重代替。进一步讲，山西工业产值比重的上升会相应地促进总体碳排放。这一结论与LMDI保持一致。从产业结构的系数显著性来看，其在0.05的水平上显著，这说明产业结构确实是促进碳排放增长的重要因素之一。

在研究期内，山西工业产值比重不断上升（见图5.4）。自1990年的47.52%上升至2013年的55.92%，年均增速为0.71%。到2014年工业产值比重略有下降，为55.31%。而全国平均工业产值自1990年的36.4%波动上升至2006年的41.8%，之后逐渐下降到2014年的35.9%。通过图5.4中全国与山西的对比可以得出以下几点结论。第一，山西工业水平显著高于全国水平，从1990年到2014年的比重均值来看，山西为51.67%，比全国39.71%高约12个百分点。这说明山西产业结构畸形，过度依赖工业。第二，在1990-1997年，山西工业产值增长速度低于全国。但从1998年到2007年，山西工业产值比重进一步上升，而同期全国却呈现出微弱下降趋势。2009年是全国与山西工业比重转化的关键点。2009年后，山西工业产值出现新一轮上升而全国工业产值却快速下降。通过对比，可以得知山西产业结构转型错失两次良机。第一次为1998年，第二次为2009年。而在经济低迷时期，工业产值比重的短暂下降没能促进产业的转型。而在新一轮经济增长时期，由于路径依赖和投资结构的固化，一次又一次加强了山西经济发展对工业的依赖程度。

能源结构（ES）的系数为-0.3282，说明山西能源结构每变动1%，会导致碳排放反方向变动0.3284%。这一结论与LMDI分析有所不同，其关键原因是这两种方法在进行分析时所采用能源结构的指代变量存在较大差异。在LMDI分析框架中，能源结构是对各种能源在总能源消费中所占比重进行加权求和之后获得的。而在岭回归时，采用的能源结构指代变量为原煤消费比重。原煤消费比重从1990年的42.74%减少到1993年的36.28%，但之后又出现短暂上升趋势，在1994年其比重高达47.17%，随后出现逐渐下降的趋势，到2014年为25.78%。从经验分析来看，原煤比重与碳排放总量应该呈现出同向增长的趋势。也就是说，能源结构的系数为正。之所以出现系数为负，且显著性较高（0.01水平上显著）的情况，可以从两个方面进行说明。一方面，尽管研究期内，山西能源消费结构不断改善，具体表现在原煤比重逐渐减少，天然气以及电力消费比重缓慢增加。但是原煤比重降低所带来相应碳排放量的减少不足以抵消其他种类能源消费变动所产生的碳排放增长量。也就是说结构效应对碳排放的抑制无法与规模效应对碳排放的促进相抗衡。另一方面，随着技术效率的逐渐提高，也会导致能源消费量上升的同时碳排放量的相对减少。换句话说，如果能源利用效率和清洁生产技术得到很大改善，则可以在能源消费总量上升的情况下减少碳排放。

第三节　山西省能源消费驱动因素分析

以煤炭为例，对山西省能源消费的驱动因素进行深入讨论。

一、分析模型构建与数据来源

1.模型构建

利用两阶段LMDI分解法及VAR模型深入分析山西煤炭消费总量增长的驱动因素。LMDI（logarithmic mean Divisia index method）又称为对数均值迪氏分解法。AngB.W.等的研究表明：与一般的指数分解方法比较，此方法具有分解无残差、各因素效应值可以精确计算、方便验证以及可以有效处理0值等优点。其公式的具体表述如表5.7所示：

表5.7　两阶段LMDI分解公式

表中的P和G分别代表人口和国内生产总值；G_i和E_i分别代表第i产业的产值增加值和煤炭消费量。△E_pop代表人口效应，△E_aff代表财富效应，△E_str代表结构效应，△E_int代表技术效应；二次分解的△I_e和△I_s分别代表产业效率份额和产业结构份额。

在对影响山西省煤炭消费增长的各因素进行相关检验的基础上构建VAR模型，并利用VAR模型中的脉冲响应及方差分析进一步检验LMDI分解法所获结论。VAR模型全称为向量自回归模型（Vector Autoregressive Model）。这种模型把经济系统中的每一变量的滞后变量作为系统内生变量来构造函数，是一种处理具有相关关系的多变量的分析和预测以及随机扰动对系统的动态冲击最方便的方法。

VAR模型的基本形式是：

Y_t=A₀+A₁Y_t-1+…+A_pY_t-p+BX_t+u_t　　（5.14）

其中，Y_t代表m维的非平稳I(1)序列；A₀、A₁、…、A_n是n阶系数矩阵；X_t是d维外生变量向量；u_t是随机扰动项，为白噪声向量。

2.数据来源

数据主要来源于《山西统计年鉴（1987-2014）》，参考对照的年鉴有《辉煌山西60年（1949-2009）》《山西改革开放30年回顾（1978-2007）》以及《中国能源统计年鉴（1989-2013）》。值得说明的是，我国1985年开始与国际接轨，采用国内生产总值进行国民经济核算，之前多采用国民生产总值和社会总产值这两个指标。山西省自1993年始才系统采用国内生产总值这一指标，故1988-1993年的GDP指标以及三次产业产值增加值的获取参考社会总产值数值。煤炭生产与消费的数值来源于“煤炭生产、外调、使用平衡表”。

二、山西煤炭消费影响因素“两阶段”分解

1.第一阶段分解

根据表5.7，利用LMDI分解法将1988年以来山西煤炭消费总量增长的驱动因素完全分解为人口效应、财富效应、结构效应和技术效应。各个效应的计算结果如图5.5所示。

首先，分析四个驱动因素各自的整体效应值。很明显可以看出，财富效应是煤炭消费增长的主要驱动因素，其效应值26年来一直为正，平均值为296.51。这说明，人均GDP的增加是促使煤炭消费增长最重要的因素。而技术效应除2009年、2013年为正效应之外，其余年份均为负值，其平均值为-222.43。这表明技术进步，即煤炭利用效率的提高是抑制消费增长的主要因素。人口效应值自1988年以来，一直为正，平均值为22.68。这表示随着人口数量的增加，煤炭消费量亦随之增长，但因其效应值较小，并非驱使煤炭消费增长的主要因素。结构效应值在考察期内变动较为复杂，正负效应交替出现，其负效应突出表现在2009年、2012年及2013年，效应值分别为-202.31、-139.35及-114.75。这反映出近些年山西产业结构的调整转型可以有效抑制煤炭消费总量的增长。但从整体来看，其26年效应的平均值为-4.99，说明尽管近年来初有成效，但其对煤炭消费增长的抑制作用十分有限。

其次，结合煤炭消费量总变动重点探讨财富效应和技术效应这两个因素多年来的变化情况。第一，财富效应的变动呈现波浪起伏的趋势。1988-1999年可以说是第一个起伏周期，其中，1995年财富效应出现一次小高峰。2000-2013年为第二个周期，在2011年达到历年来的最大值，为638.73。财富效应的变动与煤炭消费增长变动的趋势基本一致，进一步说明了两者的正相关性。山西自1993-1997年经济呈现出强劲增长的局面，1992年至1995年年均GDP（按可比价格计算）平均值为12%。2011年GDP年增长率为13%，这解释了财富效应峰值在这两年出现的内在原因。

最后，研究煤炭消费增长变动的情况。值得一提的有三点，一是1989年和1999年，因当时市场煤价太低，导致挖煤无利可图，从而出现了所谓的“煤炭短缺危机”。这两年省内煤炭消费量受生产缩减的影响，呈现出负增长的局面。二是1999年出现煤炭消费负增长其原因是1999年全国煤炭市场持续疲软，国家宏观限产。三是2008年煤炭消费的高增长。当年为了迎接及举办奥运会，全省煤炭用于发电的比例增加，故导致煤炭消费总量的高幅增长。

2.技术效应的二次分解

通过上文的分析，可知影响山西煤炭消费总量增长的主要因素为财富效应及技术效应，其中，技术效应的负向作用可以有效抑制山西煤炭消费总量增长。技术效应的不断增强一方面提高了煤炭能源利用效率，客观减少了单位产出的能耗从而降低煤炭消费总量。另一方面，技术进步可以促进产业结构的调整，提高能源利用的附加值，从而减少煤炭能源消费量。综合这两方面，可知技术效应对于山西经济环境的可持续发展具有主要意义。故将技术效应进一步分解为产业效率份额和产业结构份额。LMDI二次分解的结果如图5.6所示。

从图5.6中可以看出，产业效率份额历年来总体为负值，即对于抑制山西煤炭消费总量增长的技术效应来说，产业效率份额起主要作用。值得说明的是，产业效率份额在1989至1994年波动较大，这是因为自1985年以后，山西二次能源生产快速发展，能源利用效率进一步提高；除此之外，1992年山西省提出输煤与输电并举的经济发展策略，从而使得产业，尤其是第二产业单位煤耗的产值提高。由于技术进步的经济效益有一定的滞后期且一旦投入生产即存在较长的周期，故1995年之后效率份额持续为负，但波动不大。与产业效率份额相比，产业结构份额正负交替，且数值徘徊在零值附近，故其对于技术效应的贡献较少。

为更深入研究三次产业的效率份额及结构份额对总体技术效应贡献程度的差异，将研究时段划分为4个阶段。划分的依据分别为1993年国家放开除了电煤之外的煤炭价格、1999年国家宏观限产、2007年煤炭价格完全市场化。图5.7表示分阶段的三次产业效率份额及结构份额的贡献率。从中可以看出各个阶段影响总体技术效应的因素不尽一致。总体看来，第二产业的效率份额对于煤炭消费总量的变动影响显著。这说明技术效应对煤炭消费增长的负效应主要是第二产业的效率份额的贡献。第二产业产值，即结构份额在第3和第4阶段影响显著为负。这表示第二产业产值的增加抑制了技术效应对降低煤炭消费作用的有效发挥。在第4阶段，各个影响因素的分化非常明显。这一阶段，对技术效应贡献率最大的为第三产业的效率份额，其次是第一产业的产值份额。这说明山西省近7年来的第三产业及商品化农业发展较好，这在很大程度上抑制了煤炭消费总量的增长趋势。

三、计量模型与实证结果分析

1.变量的选取及数据检验

对山西省煤炭消费总量增长的驱动因素进行LMDI分析的结果显示，财富效应与技术效应是影响煤炭消费总量变动的最重要的两个因素，而结构效应与人口效应对煤炭消费总量增长影响不大。为进一步定量分析这些影响因素对煤炭消费总量增长的影响，本节建立VAR模型，从动态计量的角度更深层次研究各因素的影响。

VAR模型中采用的变量有历年山西煤炭消费总量，用C表示，单位为万吨标煤；经济水平采用人均GDP这一指标，以1987年为基期进行不变价折算，用A表示，单位为元/人，同LMDI分析中的财富效应；技术效应的二次分解显示第二产业的效率份额是抑制煤炭消费增长的关键因素，故模型中技术水平用第二产业的效率份额表征，用T表示，单位为吨/万元；人口规模用P表示，单位为万人，同LMDI分析中的人口效应。结构效应用第二产业产值比重这一指标代替，用S表示。

在对时间序列进行分析时，为减少异方差导致的伪回归现象，对各变量取自然对数。同时，建立VAR模型的前提为变量平稳，而现实中的时间序列的经济变量一般是非平稳的，因此在建立模型分析前，需要对数据进行单位根的检验。单位根检验的结果如表5.8所示。

表5.8　变量ADF检验结果

通过单位根的检验，可以看出，所研究的5个变量均是一阶单整时间序列。序列同阶单整，可以构造VAR模型。

2.VAR模型的建立

在建立VAR模型之前，需要确定变量的滞后阶数。根据赤池信息量准则（AIC）、施瓦茨信息准则（SC）、LR检验统计量等准则共同确定的最优滞后为2（见表5.9），故建立VAR(2)模型。

表5.9　VAR模型最优滞后的确定 ^*表明各准则选择的最优滞后期

本文研究的目的是分析人口规模、经济水平、产业结构及技术水平的变动对煤炭消费总量增长的影响情况。基于VAR模型中的脉冲响应及方差分解可以直观清晰且动态定量地反映本文关注的这一相互作用过程。

在利用VAR模型中脉冲响应分析及方差分解分析之前，需要进行模型稳定性的检验。如果检验通过，则分析结果可靠有意义。本文所建立的VAR模型中包含5个内生变量且滞后期长度为2，则特征根多项式有10个特征根。当VAR模型的所有特征根大倒数的模位于单位圆内，则VAR模型是稳定的，可以进行脉冲响应和方差分解。VAR（2）模型稳定性检验结果如图5.8所示。

从图5.8可以看出，没有特征根在单位圆以外，本文建立的VAR模型符合稳定条件的要求。在此基础上进行的脉冲及方差分析是可靠有意义的。

3.广义脉冲响应分析

脉冲响应函数描述一个内生变量对误差冲击的反映。具体地说，它描述的是在随机误差项上施加一个标准差大小的冲击，即一标准差新息的冲击，对内生变量的当期值和未来值所带来的影响。在脉冲响应函数中，广义脉冲响应是唯一的，消除了变量顺序会影响脉冲响应结果的问题，并且考虑了观测到不同形式的冲击和它们之间的关联性。山西煤炭消费对于人口规模、经济水平、产业结构及技术水平这4个时间序列各期变动的广义脉冲响应分析结果如下图所示。图中横轴表示冲击滞后期数，纵轴表示响应程度，实线是响应曲线，虚线区域为两倍标准差的偏离区域。选择滞后期数为20期。

从脉冲响应图中可以得出，山西煤炭消费对于经济水平、人口规模、产业结构以及技术水平的响应各不相同。总体可以分为两类：正响应和负响应。除了对技术水平的冲击表现为负效应外，山西煤炭消费量对经济水平、人口规模以及产业结构均表现为明显的正效应。这与上文LMDI分解法所获结论大致相同。以下分别讨论煤炭消费总量对各变量冲击的影响。

首先为经济水平。当给经济水平一个正冲击后，煤炭消费量开始快速上升，第三期达到0.046，之后缓慢下降，到第六、七期时达到最高值0.047，之后变得平稳，维持在0.018的水平。煤炭消费量对经济水平冲击表现为正响应这一结论与上文中LMDI分析方法所获结论完全一致。此结论还说明，随着经济水平的提高，在短期内，对煤炭消费的需求呈增长趋势，但长期来看，会维持在一定的水平。这可能与能源消费弹性有关，亦可能与能源消费结构调整有关。

其次为人口规模。当给人口规模一个正冲击后，煤炭消费总量迅速上升，在第二期达到最高值0.047。较快下降之后在第六期时达到了第二个小高峰，其对应值为0.036。之后缓慢波动至平稳，响应值在0.011左右。从短期反映的速度来看，人口规模的扩张较经济水平的提高更快促进煤炭能源消费。但从长期来看，人口规模的累计影响较小。这一结论验证了上文中LMDI分解中关于人口效应的结论。

再次为产业结构。产业结构的一个正冲击在短期内即促进煤炭消费的增长。第三期的响应值为0.039，之后缓慢下降后又有所上升，至第六、七期时达到峰值0.058。自第9期后保持平稳的趋势，其值在0.021左右。因为山西主要产业为煤炭重工业，而尤以低端工业产品生产为主，故第二产业产值结构的提高直接且必然导致煤炭消费总量的增长。长期来看，产业结构的影响趋于减少，但一直是正向响应。之所以对产业结构的响应为正，是因为在LMDI分析中，包含三次产业的所有产值比重，而在VAR模型中，本文选取最具代表性的第二产业产值比重来代替产业结构。故LMDI分析中结构效应为负值，而脉冲分析中，产业结构对煤炭消费的影响表现为正效应。

最后为技术水平。在技术水平冲击下，山西煤炭消费逐渐下降，在第6期达到最低值，之后又缓慢上升，但最终持续在零水平线以下。煤炭消费量对其的响应值最终维持在-0.019的水平。这充分验证了LMDI分析中技术效应是抑制煤炭消费总量增长的关键因素这一结论。

这说明，要想降低煤炭消费量总量的增长速度，利用技术创新、提高煤炭利用水平是必然要采取的途径之一。

4.方差分解分析

VAR中的方差分解是分析每一结构冲击对内生变量变化的贡献度，从而度量每一个结构冲击的重要性。它给出的是对VAR模型中的变量产生影响的每个扰动项的相对重要性，在此基础上，了解各新息对模型内生变量的解释度。对山西能源消费量进行方差分解分析，结果如下图5.10所示：

从图5.10中可以看出，在前六期内，各变量的贡献率变化较大。自第七期开始，各变量的贡献率保持平稳。煤炭消费自身、经济水平、人口规模、产业结构以及技术水平的贡献率分别保持在25%、58%、8%、7%以及2%左右。对贡献率的对比分析可以得出，经济增长是煤炭消费总量增长的重要因素。要使山西煤炭消费总量上升速度减缓甚至降低煤炭资源的消费总量，则必须实现经济增长与煤炭消费的脱钩。这意味着山西必须寻找新的支撑经济增长的动力。其次，虽然人口规模煤炭消费的贡献较小，但分析前六期可以得知，人口规模在第二期的贡献率为24%，平均贡献率为10%。这是除了煤炭消费自身外影响其总量增长的第二位驱动因素。所以，合理地控制人口规模依然是降低煤炭消费的有效措施。

四、结论与讨论

1.能源消费影响因素分析结论

利用两阶段LMDI方法对山西煤炭消费的影响因素进行分解分析。在第一阶段将煤炭消费因素分解为人口效应、财富效应、结构效应和技术效应。结果显示，财富效应是煤炭消费增长的主要驱动因素，其效应平均值为296.51。而技术效应则是抑制煤炭消费增长的主要因素，其效应平均值为-222.43。人口效应的平均值为22.68，说明人口的增加促进了煤炭消费的增长，但作用强度不大。结构效应正负效应交替出现，从整体来看，其平均值为-4.99，说明其对煤炭消费增长的抑制作用十分有限。

将技术效应进一步分解为效率份额和结构份额。结果显示，效率份额是促使技术效应出现负效应的主要原因。而结构份额值正负交替且徘徊在零值附近，对于技术效应的贡献很小。分阶段、分产业的深入研究表明，第二产业的效率份额是通过影响技术效应从而抑制煤炭消费增长的主要因素。研究亦表明，随着山西产业结构的不断调整，第三产业效率份额对于技术效应的贡献迅速增大。

基于VAR模型的脉冲响应和方差分解从计量经济学的角度验证了LMDI分解法所获的结论。脉冲响应分析得出，山西煤炭消费对于经济水平、人口规模、产业结构以及技术水平的响应不尽相同。除了对技术水平的冲击表现为负效应外，山西煤炭消费量对经济水平、人口规模以及产业结构均表现为明显的正效应。对煤炭消费进行方差分解的结果显示，经济水平、人口规模、产业结构以及技术水平对山西煤炭总量增长的贡献率长期平均值分别为58%、8%、7%以及2%。

2.基于影响因素的讨论

针对以上结论，对各影响因素展开以下讨论：

首先，促进与煤炭利用有关的科技创新，提高煤炭利用效率。技术效应是抑制煤炭消费增长的主要因素。而我国煤炭利用效率与国际平均水平相比，还存在较大差距。山西省作为国家资源型经济转型综合配套改革试验区，应加大煤炭利用技术的研发资金投入，大力推进技术创新。2014年9月至2015年4月，国家层面印发了3个关于煤炭清洁利用与煤电节能减排的行动计划。在这些计划的实施的过程中，山西应借此东风，对一些落后的生产工艺流程及高耗能的产业设备积极予以改造。切实提高煤炭领域的技术水平，提高煤炭资源利用效率，从而有效减少煤炭资源的消费量。

其次，积极培育新的支柱产业，进一步优化产业结构，促进低碳产业的发展。LMDI的分阶段、分产业显示第三产业效率对于煤炭消费总量的减少具有较大的影响。基于此结论，山西省大力促进第三产业以及商品农业的发展。有关政策的制定要向低能耗高附加值的产业倾斜，切实促进经济增长动力由传统的煤炭重工业向低能耗、低碳产业的转变，从而实现经济增长和煤炭消费的脱钩。

最后，合理控制人口规模。LMDI分解分析以及VAR模型的实证分析均显示人口规模对煤炭消费起着正效应。因此，要切实减少能源的消费量，则依然需要适当控制人口增长的速度。同时加大煤炭集约利用的宣传和技术推广，提高公众的能源消费意识，更好引导居民的煤炭消费行为。

第四节　本章小结

本章利用1988-2014年山西总体及各产业的经济数据，将基于扩展的Kaya恒等式且具有最佳分解效果的LMDI方法与基于STIRPAT模型的岭回归方法结合起来，对山西能源消费碳排放的影响因素进行了深入的研究。所得结论如下：

（1）对山西省农业、工业、建筑业、批发零售业和交通运输业5个部门在1988-2014年间的碳排放情况分析结果表明：除农业外，山西经济生产其他部门的累积碳排放量均呈现不断增加的趋势。这种增加趋势在1988-1993年以及2000-2014年表现显著。从5个部门累积碳排放的绝对数量来说，工业占据重要地位。以2014年为例，工业累积碳排放为41286.07万吨，其次为交通运输业和批发零售业，累积碳排放分别为2657.31万吨和1157.39万吨。农业累积碳排放量最小，为205.78万吨。因此山西节能减排的重点部门是工业部门。

（2）1988-2014年间，山西省累积碳排放增长45754.46万吨。利用LMDI方法将山西省历年碳排放变化分解为四个因素：能源结构效应、能源强度效应、产业结构效应以及经济规模效应。其中，经济规模效应是促使山西碳排放增加的主要因素。相对地，能源强度效应是抑制碳排放增加的关键因素。能源结构效应和产业结构效应均对碳排放增加起到微弱促进作用。分阶段的分析显示，不同发展阶段，碳排放变化的影响因素存在差异。但总体来说，经济规模效应驱动碳排放增加，而能源强度效应则抑制碳排放增加。

（3）利用STIRPAT多变量非线性概念模型，根据相关性检验，对山西碳排放的影响因素进行计量分析。岭回归的结果表明，除了能源结构外，城镇化率、经济水平和产业结构均对碳排放起着促进作用。其中，城镇化是最主要的影响因素，其对应的弹性系数为0.427。研究期内山西城镇化进程不断加速，城镇化带来的基础设施建设以及人口流动促使能源消费量上升，从而增加碳排放。除城镇化外，经济水平、能源强度和产业结构也导致碳排放量增加，这三个变量的弹性系数依次为0.234、0.202和0.147。