第八章　山西产业结构变动对碳排放影响——基于面板数据分析

第一节　产业结构变动对碳排放影响的理论分析

绿色索洛模型是Brock和Taylor通过对索洛模型进行拓展而建立的^[304]。这一模型假定单位经济产出与污染水平正相关，即t时点的产出Y_t、单位产出的污染排放量（污染强度）N_t和总污染排放量P_t之间为如下关系。

P_t=N_t·Y_t　　（8.1）

假设以上三个变量的增长率依次为g_p,t、g_N,t和g_Y,t，并且污染强度下降速率为固定值g_A（负值），对公式（8.1）取对数且求导，可以得到：

g_P,t=g_N,t+g_Y,t,=g_A+g_Y,t　　（8.2）

索洛模型假设资本的边际产出（g_Y,t）递减，因此，污染排放量g_P,t随着时间变化先正后负^[305]。绿色索洛模型从经济增长的角度对污染物总量的变化趋势提供了理论基础。但是，在对污染强度下降内在的原因缺乏解释，同时，已有研究显示，污染强度的变化可能并不持续为负值g_A，而是随时间变化呈现倒“U”型曲线趋势^[271,306]。随着世界范围内产业升级的不断深化，中国产业结构也面临转型发展的严峻局面。通过产业升级减少污染物的排放是当前中国绿色发展面临的必然选择。基于此，从产业结构变动的角度尝试对模型中N_t的变化给出更好的解释。由于研究对象为碳排放，因此用碳排放指标代表污染物排放水平。

借鉴Stefański的研究思路^[307]，将社会经济活动分为三个部门，农业部门α、工业b以及服务业c，每个部门i在t时点的碳排放P_i,t与产出为正向相关，且单位产出碳排放量（碳排放强度）为m_i,t。用r_i,t代表各部门产出比重。根据公式（8.1），对于各部门而言，有如下关系： 

P_i,t=m_i,t×Y_i,t　　（8.3）

r_i,t=Y_i,t/Y_t　　（8.4）

假定三个经济部门在降低碳排放上具有同样的技术进步，则碳排放强度m_i,t按照同样速度g_A下降。对部门i的在t时点的碳强度m_i,t对时间求一阶导数。同时假设工业的碳排放强度最高，服务业次之，农业最小。则有如下关系：

m'_i,t=g_A·m_i,t　　（8.5）

m_b,t＞m_c,t＞m_a,t　　（8.6）

伴随着产业结构调整，整个经济的碳强度变化速率不再为固定的g_A，而是变化的量。具体来讲，碳强度由各部门的碳强度m_i,t以及各部门产出比重r_i,t，共同决定。经济活动的总碳排放为：

　　（8.7）

对公式（8.7）两边取对数，分别对时间求导，再结合等式r_a,t+r_b,t+r_c,t=1以及r'_a,t+r'_b,t+r'_c,t=0后进行计算，可得碳排放总量的增长率公式为：

　　（8.8）

从公式（8.8）中可以看出，碳排放总量的增长率可以分解经济增长的规模效应（g_y,t）、技术效应（g_A）以及结构效应。其中，后两个效应共同反映了碳排放强度的变化率。假设g_y,t和g_A不变，则碳排放总量直接受到变化的影响。在产业结构不断调整各过程中，结构效应值相应发生变化，从而影响碳排放总量的变动趋势。根据库兹涅茨产业结构演进规律以及钱纳里工业阶段理论，在产业发展初期，农业产值比重逐渐降低，而工业和服务业比重逐渐升高，即r'_b,t＞0且r'_c,t＞0^[308]。根据公式（8.8），可知结构效应大于零。社会经济初期发展阶段，结构效应值不断增大。但随着经济结构进一步调整，工业及服务业比重虽然会缓慢上升，但其增长速率会逐渐下降，从而导致结构效应的边际增长率不断下降。到产业发展后期，即工业化逐渐成熟时期，工业比重增长速度逐渐下降，由正值转变为负值。这一时期就会出现结构效应为负值的现象。

根据以上分析，在技术进步和经济增长速度一定的前提下，产业结构调整对碳排放总量的影响呈现倒“U”型曲线的形式。在产业重点由农业向工业转型的过程中，结构效应表现为正值，即随着结构调整，碳排放强度不断增加从而导致碳排放量上升。但随着产业重点从工业向服务业转型的过程中，结构效应不断降低，从而有助于碳排放总量的降低。

第二节　模型设定和数据说明

一、模型设定

结合8.1中的理论分析，利用2001-2014年间山西11个地市的相关经济数据进行面板计量分析。由于各年11个地市数据没有出现缺失情况，因此属于平衡面板数据。建立面板数据进行影响计量分析具有如下优势：提高估计量的抽样精度；在某些特定模型中可以得到参数的一致估计量；拥有更多动态及个体差异的信息^[309]。

在对碳排放影响因素进行研究时，有多种方法。由于STIRPAT模型可以反映各因素对环境情况的非线性影响，同时模型具有易转变为线性形式以及灵活的可拓展性，因此在研究中获得广泛的应用^[292,308]。基于Diet和Rosa对IPAT模型的拓展^[66]，建立静态面板回归模型：

　　（8.9）

公式（8.9）中，下标t代表年份；下标i代表山西省的11个市；β表示模型带估计参数；C表示碳排放量；STR代表产业结构。为重点分析产业结构变化对碳排放的影响，在此使用三个变量分别衡量产业结构。三个变量依次为工业产值在总GDP中占比（IND），第三产业产值在总GDP中占比（TER）以及第三产业产值与第二产业产值之比（ST）。模型采用的控制变量依次为人口规模（POP）、经济水平（GDP）、城镇化率（URB）以及外商直接投资（FDI）。c_i代表个体效应；t_i表示时间效应；ε_i,t表示误差项。

二、数据来源与处理

数据主要来源于《山西统计年鉴（2001-2015）》及各市统计年鉴，部分数据来源于《中国能源统计年鉴（2001-2015）》与《中国城市统计年鉴（2001-2015）》。碳排放是指终端能源消费产生的碳排放，由于无法获得各市终端能源消费（分能源种类）表，对各市碳排放进行估算。具体方法为根据公式（4.1），分别计算出山西农业、工业、建筑业、批发零售业和交通运输业的碳排放，然后根据各市相应部门的产值比重进行折算分摊，由于不同部门能源利用结构变化不大，因此估算结果可以反映各市的终端能源碳排放。碳排放的单位为万吨。为增加可比性，更准确地反映产业增加值变动情况，根据“地区生产总值指数”以2000年为基期分别对总地区生产总值以及三次产业产值进行平减。城镇化率为非农人口在总人口中所占比重（%）。由于外商直接投资统计单位为当年价的万美元，为更好地进行数据比较，利用World Bank公布的美元平减指数，以2010年为不变价进行折算^[310]。各变量对数形式的统计描述如表8.1所示。

表8.1　变量的统计性描述

为避免多重共线性的存在，对解释量进行Pearson系数分析（见表8.2）并利用方差膨胀因子（VIF）进行检验。从表8.2中可以发现解释变量相关系数的绝对值均小于0.8，且不存在显著相关的关系。VIF检验显示各解释变量的方差膨胀因子均小于10，进一步表明解释变量之间不存在严重的多重共线性。

表8.2　变量的Pearson系数分析

第三节　山西省各地市产业结构及碳排放

一、产业结构与碳排放变动分析

2013年国务院印发的《全国资源型城市可持续发展规划（2013-2020年）》，首次界定了全国262个资源型城市^[311]。山西省除太原外的10个地级市均被列入资源型城市名单之列。其中朔州市为成长型，阳泉等9个地级市为成熟型。对于山西来说，资源主要为煤炭。自然资源禀赋决定了山西省产业结构以第二产业为主导。但自2000年到2014年间，山西省11个地市的产业结构不断调整。产业结构调整对应着碳排放总量的变化。从表8.3中可以看出产业比重以及碳排放总量的变化情况。通过与已有研究成果对比，可以看出，尽管与广东省相比，山西省第一产业比重降低幅度较小，而第三产业比重增加幅度较低，但与西部地区相比，山西省产业结构优化趋势明显^[308,312]。

从表8.3中可以看出，山西省11个市第一产业比重均出现下降趋势。其中朔州市下降幅度最为明显，为-12.77%。第二产业比重变动趋势存在地区差异，其中吕梁市出现大幅上升局面，其上升比重为15.49%。同样，朔州二产比重也出现增大趋势，上升9.22%。相反地，运城、太原和大同二产比重明显降低。运城市比重降低幅度最大，为9.44%。第三产业比重总体来看，呈现增长趋势，全省范围平均增长4.9个百分点。其中，运城市和太原市第三产业比重显著增大，其增长幅度依次为12.81%和11.78%。总的来讲，山西省各市产业结构变动趋势符合一般规律，即随着经济发展，一产比重逐渐下降，三产比重逐渐增大，而二产比重先升后降。

表8.3　2000-2014年山西省11市产业结构及CO₂变化情况

从各市碳排放比重情况来看，在2000年，太原、运城、临汾、长治以及大同碳排放比重较高。2014年，其碳排放比重排名前5位的依次为太原、临汾、长治、吕梁和运城。根据2000年到2014年11市碳排放量变动的百分比可以将其分为两种类型。其中，太原、长治、朔州、忻州以及吕梁属于增长型，而其余6个地市属于降低型。在这两种类型中，吕梁碳排放比重增长百分比最多（3.88）而运城市降低幅度最大（-1.98）。通过碳排放增长率的变化对比还可以看出，朔州、吕梁和忻州在研究期内碳排放增长速率最快。结合各市第二产业比重可知，其碳排放与二产产值存在较为明显的正相关关系。为了更清楚地反映山西11个地级市在研究期内碳排放总量的变化情况，选取4个时间截面：2000年、2005年、2010年以及2014年并利用GIS进行可视化表达（图8.1）。

表8.4　2000-2014年山西省11市人均CO₂变化情况

根据自然断裂点将各市的碳排放分为4类，从高到低依次为第一类、第二类、第三类和第四类。从图8.1中可以看出，自2000年到2014年，各市碳排放总量不断上升。其中，太原市的碳排放总量一直属于第一类。临汾市、长治市以及运城市的碳排放总量在研究期内则属于第二类，不曾变化。大同市和晋城市始终为第三类。除此之外，忻州市碳排放变化微弱，始终属于第一类。其他4个地市在研究时段内发生明显变化。其中，朔州市的碳排放总量在2010年和2014年增长明显。晋中市的碳排放在2010年总量跻身于第二类，但到2014年重新回到第三类。阳泉市在2000年时碳排放比重较大，为7.11%，但到了2014年，其比重下降到4.02%，从图8.1中也可以看到阳泉市在2005年、2010年以及2014年均属于排放总量最小的一类。吕梁市的变化在四个时间截面上也非常显著，其在研究时段内增长速率最高，为13.3%。为更好地进行地市间比较，对人均碳排放这一指标进行考察，结果如表8.4所示，单位为吨/人。

二、各地市碳排放离散度分析

对山西11个地市碳排放的离散程度进行分析可以辨析碳排放的变化幅度，从而判断其稳定性。这对于制定碳减排政策具有一定参考意义。根据2000年到2014年碳排放数据做四分位图8.2。四分位即最小值（min），下四分位数（Q1），中位数（median），上四分位数（Q3），最大值（max）布等。比如，从图中可以看出，太原市、吕梁市以及朔州市碳排放量变动最大，而阳泉市、大同市、忻州市以及晋城市排放量则相对稳定。从数值上来讲，太原市碳排放数量区间为33.06-127.55百万吨，其差值为94.49百万吨。而阳泉市碳排放区间为11.20-23.42百万吨，差值仅为12.22百万吨。造成碳排放量差异的主要原因为经济规模和能源利用效率。而造成其变动情况差异的内在因素较为复杂，除了经济规模和能源强度之外，还包括人口效应、产业结构以及能源结构效应等。进一步讲，变动的离散程度反映出各市碳排放的稳定程度。变动较大，越不稳定。说明其结构调整或是经济规模等因素波动较大，反之亦然。

第四节　产业结构对碳排放影响的实证分析

在对解释变量进行描述和初步检验之后，进一步对总体面板数据进行平稳性和协整检验。面板数据是平稳进行模型一致估计的前提。

一、面板平稳性检验

宏观经济数据通常情况下是不平稳的，如果对不平稳变量直接进行回归会造成“伪回归”的后果。对于面板数据而言，由于具有截面和时间两个维度，因此可能存在单位根问题^[313]。基于此，在进行面板回归之前，要进行单位根的检验。目前检验方法有LLC检验、IPS检验以及Fisher-ADF检验等多种方法。其中LLC检验方法适用于具有相同根的情况，而IPS检验则适用于变量具有不同根的情形。多数学者倾向于采用两者组合进行面板数据的单位根检验^[314-316]。在此将这两种方法与Fisher-ADF方法结合起来，共同进行面板单位根检验。检验结果如表8.5所示。从表8.5中可知，在5%的显著性水平下，检验结果拒绝了面板数据为非平稳序列的原假设，说明所有变量均为平稳序列。

表8.5　面板数据单位根检验结果 注：，，分别表示在10%，5%和1%的水平上显著。

二、面板协整检验

在进行面板数据回归估计分析之前，除检验相关变量的平稳性外，还需要通过协整分析进一步探讨变量之间存在的长期关系。由于采用的样本数量相对有限，因此采用Pedroni检验方法中的PP统计量和ADF统计量对山西碳排放与其解释变量之间的协整关系进行检验。协整检验结果如表8.6所示。

从表8.6中可以看出，所有统计量均在1%的显著性水平下拒绝了变量之间不存在协整关系的原假设，表明变量之间存在长期均衡关系。这说明，山西省碳排放总量与人口、产业结构、经济发展水平、城镇化以及外商直接投资之间具有面板协整关系。因此，利用这些变量进行面板回归估计不会产生“伪回归”的问题。

表8.6　面板Pedroni协整检验结果 注：，，分别表示在10%，5%和1%的水平上显著。

三、面板回归结果分析

为重点分析产业结构与对碳排放的影响程度，将衡量产业结构的3个变量依次加入模型（见表8.7）。为检验模型的稳健性，对4个控制变量也采用依次加入模型中的方式进行估计。在选择固定效应模型（FE）还是随机效应模型（RE）时，采用Hausman检验，检验结果显示P值均大于0.05，即在5%的水平上无法拒绝随机效应估计有效的原假设。对于表中8.6所列的8个模型而言，均应选择随机效应模型。另外，面板数据可能存在的组内相关和组间异方差的问题会在一定程度上影响估计结果的有效性，因此对面板数据的组内相关和组间异方差性分别利用Woolddrige检验和Ward检验^[308]。结果显示面板数据可能存在组内相关和组间异方差。因此利用GLS方法进行随机效应估计之后利用Dridcoll提出的估计方法对标准误做稳健性处理。表8.7显示山西碳排放总量面板估计结果。

表8.7　CO₂排放的面板多模型估计结果

模型1、模型2和模型3的面板回归结果显示，山西碳排放与工业产值比重呈现正相关关系。这符合最初模型建立时对其系数方向的判定。模型回归系数表明，山西省工业产值比重每上升1%，会引起碳排放量提高0.514%-0.597%。通过对比这三个模型的控制变量，可以发现，控制变量的增多会微弱减少碳排放对工业产值比重变动的响应程度，但总体来说影响不大。工业产值比重增大意味着其他产业产值比重会相应减小。由于工业的碳排放强度高于第一产业（农业）、第三产业（服务业）等其他产业的碳排放强度，因此，工业产值比重增大会带来更多的碳排放。

模型4的估计结果表明，第三产业产值比重的增多会抑制碳排放量的增长，两者呈现负相关的关系。从模型回归系数来看，山西第三产业（服务业）比重提高1%，碳排放降低0.105%。第三产业的比重升高，说明第一产业和第二产业比重之和会出现相应下降。在这里有三种情况，即第一产业比重下降而第二产业比重不变、第一产业比重不变而第二产业比重降低或是两者均出现下降趋势。通过结合山西的情况（表8.3）进行分析，可以发现山西第二产业比重处于微弱上升阶段，而第一产业比重不断下降。当由第二产业产值比重的上升所增加的碳排放低于第一产业以及第三产业产值比重上升所减少的碳排放时，碳排放总体会出现下降。但就目前来说，尽管服务业比重上升会引起碳排放总量的下降，但由于第二产业比重依然处于上升阶段，因此碳排放总量不断增加。

从模型7以第三产业与第二产业产值之比（LnST）来作为衡量产业结构的指标，其回归系数表明这一比值每增加1%，碳排放会相应降低0.143%。LnST增大，说明产业结构正在由第二产业向第三产业转型。而伴随着这一结构转型，总碳排放强度会降低，从而带来碳排放量的下降。

模型5和模型8将LnTER和LnST这两个表征产业结构的变量同时作为解释变量进行回归。其系数的方向与两个变量单独回归时相同，但不同模型、不同变量回归系数存在微小差异。例如，LnTER在模型5中系数为-0.182，但到模型8中为-0.179。而LnST在模型5中为-0.197，而在模型8中为-0.195。造成这种现象的原因为模型8中增加了外商直接投资这一变量。尽管其系数较小（0.002），但其在10%的显著性水平下对碳排放量产生一定的影响。

模型6包含的控制变量最多，同时包含表示产业结构的两个指标：LnIND和LnTER。这一模型更全面客观地反映了产业结构变动对碳排放所产生的影响。通过模型回归系数可以看出，第二产业产值比重每提高1%，碳排放量会增加0.506%，而第三产业产值比重每上升1%，碳排放量会下降0.051%。这说明山西省第二产业比重的上升所增加的碳排放远高于第三产业比重下降所减少的碳排放。目前依然处于碳排放总量不断上升阶段。

其他变量的系数均在5%的水平上显著，且各模型的回归系数显示，人口规模、城镇化率在较大程度上影响碳排放总量。而外商直接投资的系数较小，显示在山西外商直接投资并非造成碳排放增长的主要因素。

第五节　本章小结

基于绿色索洛模型，对产业结构变动对碳排放量的影响进行理论分析。进一步讲，利用STIRPAT模型对山西省11个地市2000-2014年间产业结构变动对碳排放的影响进行实证分析。获得如下结论：

（1）2001-2014年，山西11个地市产业结构不断调整。第一产业比重均出现下降趋势。其中朔州市下降幅度最为明显，为-12.77%。第二产业比重变动趋势存在地区差异，其中吕梁市上升幅度最大，为15.49%。运城市比重降低幅度最大，为9.44%。第三产业比重总体来看，呈现增长趋势。全省范围平均增长4.9个百分点。其中，运城市和太原市第三产业比重显著增大，其增长幅度依次为12.81%和11.78%。总的来讲，山西省各市产业结构变动趋势符合一般规律，即随着经济发展，一产比重逐渐下降，三产比重逐渐增大，而二产比重先升后降。

（2）从各市碳排放比重情况来看，在2000年，太原、运城、临汾碳排放比重较高。2014年，太原、临汾、长治碳排放比重最大。根据2000年到2014年11市碳排放量变动的百分比可以将其分为两种类型：增长型和降低型。其中，太原、长治、朔州、忻州以及吕梁属于增长型，而其余6个地市属于降低型。通过碳排放增长率的变化还可以看出，朔州、吕梁和忻州在研究期内碳排放增长速率最快。结合各市第二产业比重可知，其碳排放与二产产值存在较为明显的正相关关系。再对各市碳排放离散程度进行分析显示：太原市碳排放的分散程度最大，而阳泉市最小。

（3）面板单位根检验显示所选8个变量均平稳，且面板Pedroni协整检验显示变量之间存在长期均衡关系。静态面板回归结果表明，山西产业结构调整对碳排放影响显著。其中第二产业增加值比重每上升1%，碳排放总量会增加0.506%-0.597%。第三产业增加值比重每提高1%，碳排放总量会减少0.105%-0.182%。而第三产业与第二产业增加值之比每上升1%，碳排放总量会减少0.128%-0.197%。通过这三个变量在不同模型中系数变动的区间进行对比可知，第二产业比重对碳排放总量影响最大。产业结构从以第二产业为主向以第三产业为主的转型可以逐渐降低碳排放。

（4）除产业结构变动对碳排放产生影响之外，人口规模、城镇化率以及经济水平均会对碳排放产生正向的影响，其中人口规模与城镇化率影响较大。外商直接投资对碳排放的影响方向在不同回归模型中存在差异。这说明“污染避难所”假说在本研究中未得到有效证实。但模型估计结果显示外商直接投入变量的增加会在较大程度上降低经济水平对碳排放的正向影响。这说明环境库兹涅茨曲线在山西碳排放中可能存在。