基于出口贸易因素驱动下江苏省碳排放预测研究

李 楠，邬径纬

（河海大学 低碳经济研究所，江苏 常州 213022）

近年来，国际贸易中的碳排放问题逐渐成为国内外关注的热点，针对进出口贸易与碳排放之间的相关性研究也引起了更多学者的关注。江苏省作为我国沿海地区经济大省，不但是贸易大省，也是碳排放大省。外贸的快速持续发展对江苏省经济发展及产业转型起到了巨大的推动作用，但同时也对资源环境产生了很大压力。近年来，江苏省内生态环境逐渐恶化，能源消耗过度、CO2等污染气体排放和严重的雾霾天气等问题凸显出经济与环境保护的矛盾。

2014年习近平总书记对江苏省的发展提出新指示：实现“两个率先”，建设“强富美高”新江苏。使经济在转型升级的同时又好又快发展，这是当下江苏省经济发展过程中所必须解决的当务之急。本文就对江苏省碳排放问题的影响因素进行深入研究，并基于研究结果对碳排放量的未来趋势进行预测研究，具有很强的理论价值和现实意义。

在国外，一些经济学家已经成为这一领域研究的先行者。Ackermaneta1[1]（2007）研究显示，美国各部门平均碳排放强度超过日本对应部门的双倍，并且碳强度高的出口部门对贸易进出口有显著正影响。Paresh[2]和Russell（2009）对中东国家的有关数据进行了分析研究，着重探究了这些国家电力能源消费、出口与GDP之间的关系，研究结果显示，三个指标间有着长期协整关系和显著反馈效应。国内研究方面，许士春[3]（2006）发现出口将很大程度上影响环境的污染。赵欣和齐中英[4]（2008）的研究结果显示，出口产品中的隐含能源与碳的含量正呈现出明显的增长趋势，出口贸易正逐步成为碳排放的主要来源之一。刘倩和王遥[5]（2012）对新兴国家的碳排放状况进行了研究，研究发现，发展中国家的碳排放与外贸依存度并没有必然关系，关键是要把握好贸易的质量。

在碳排量的预测研究方面，林伯强等[6]（2009）采用传统库兹涅茨曲线进行CO2排放拐点和预测的研究。宋杰鲲等[7]（2011）借鉴STIRPAT模型的影响因素，运用BP神经网络方法发现适当调整GDP增长的速度，有利于促进碳排放目标的实现。Zhao[8]（2012）根据灰色理论研究影响CO2排放的原因。罗毅等[9]（2013）则针对实际问题中的碳排放，使用GRNN网络进行建模与参数优化。Zhang[10]（2015）沿着能源结构视角出发，城镇居民和农村居民消费区别考虑，分析江苏省能源消费对于碳排放的影响。

目前对于碳排放的研究普遍停留在国家层面，针对省域的碳排放研究相对较少，且目前的研究主要侧重于对过往数据间关系的探究，可对于碳排放值的预测方面的研究相对缺乏且方法比较单一。本文从省域视角出发，利用回归方法探究江苏省出口贸易与碳排放之间的关系，并采用灰色预测和广义神经网络的方法对江苏省的2001—2025年的碳排放量进行预测，通过比较不同预测方法下碳排量的预测值和真实值，检验预测效果并获得较优的预测结果。

一、江苏省出口贸易与碳排放相关性分析

本文借鉴YoichiKaya教授提出的碳排放计量模型以及我国发改委专家的相应研究成果，以对碳排放基本公式进行因式分解的处理方法来测算近年来江苏省的碳排放总量。

鉴于相关数据的可获得性，本文通过Kaya计量模型计算得到江苏省2000—2015年间各年度的CO2排放量的数值，比较和探究在此期间江苏省出口规模以及碳排量量之间的相关数量关系，利用回归分析、格兰杰检验等方法探究出口产品与碳排放间存在的量化关系。

（一）江苏省碳排放量测算及其趋势变化

1.碳排放测算方法

“Kaya恒等式”表明，碳排放总量C，主要是由人口数量P、人民生活水平Y/P、能源使用强度Ei/E、碳排放强度Ci/Ei以及单位GDP能耗E/Y决定的，其公式如下所示：

结合研究的实际状况，通过对公式（1）进行适当变形，得到碳排放量公式如下：

Si代表第i类能源在总能源结构中所占的比重，Fi代表第i类能源的碳排放强度，E代表我国一次能源消费总量。

人口数量、一次能源消耗量、GDP等数据引自《江苏省统计年鉴》以及《中国能源信息统计年鉴》。至于Fi即能源排放强度，论文选取石油、煤炭、天然气以及风电（水电、核电）为样本，其具体系数引自国家发改委能源研究所的报告。为了便于统计，论文选取原煤（单位：Kg）、天然气（单位：m3）以及原油（单位：Kg）折算成标准煤。

2.测算结果

表1统计的数据显示，在2000年，江苏省的年度排碳量为5680.85万吨，而2015年这一指标已逐年上升至18163.71万吨，且这一指标的增速在2008年前后明显放缓，这可能是受到了当时世界金融危机的影响。在2000—2012年间，江苏省的二氧化碳排放量、人均碳排放、二氧化碳人均排放量这些指标均处于不断上升的态势，其增幅变化趋势也与碳排放总量近似。而江苏省万元GDP排碳量正明显逐年下降，这表示江苏省的能源利用效率明显提高，同时也说明江苏省近年来推行的一些绿色环保的新经济政策已初见成效。

表1 2000—2015年江苏省碳排放量

（二）江苏省出口贸易与碳排量的相关性研究

为了消除数据中的异方差，本文分别对江苏省年出口贸易总量Y以及江苏省年碳排放量T这两个变量取对数为lnY和lnT。因为本文采用的是时间序列数据，为了避免伪回归等问题，必须在确定计量回归模型前对涉及到的变量进行平稳性检验，包括单位根检验、协整检验和格兰杰检验。

建立模型l nT=alnY+blnI+ε，其中T代表江苏省该年度碳排放的总量，Y表示该年度江苏省出口贸易总额（人民币），I表示该年度每万元GDP的碳排放量，ε表示随机变量。

1.数据的选取

表2 江苏省出口贸易与碳排放量

2.单位根检验及协整检验

如果无协整关系，那么单整变量所作的回归仍然是伪回归，所以本文使用EG两步法来做协整检验。首先本文对lnT，lnI和lnY回归所得的残差做单位根检验，即检查该残差是否具有平稳性，如果残差没有单位根，则证明变量间有协整关系，如果有单位根则相反。通过stata对lnT，linY以及lnI进行单位根检验，结果如下所示。

对lnT，lnY和lni回归所得的残差做平稳性分析，检验结果显示，显著水平下，ADF检验统计量为-3.042，小于残差根临界值（1%的置信水平为-2.66），拒绝原假设，因此残差序列无单位根，属于平稳序列，即lnT，lnY，lnI之间存在协整关系。

3.回归分析

因此，通过stata软件计算回归方程可得：

lnT=0.396lnY-0.375lnI+1.717

结果显示，江苏省碳排放和出口总额呈正相关关系，出口规模每增长1%，碳排放增长0.396%。碳排放总量与万元GDP的碳排量成负相关，万元GDP排碳量每增长1%，江苏省排碳总量降低0.375%。

4.格兰杰因果检验

经过格兰杰检验可得，当滞后期为1时，万元GDP的碳排量不是江苏省排碳量变化的原因，排碳量的增减是导致出口贸易总额变化的原因。当滞后期为2或3时，3者之间没有关系。

5.研究结果分析

研究结果显示，江苏省碳排放量和出口总额呈正相关，出口总额每增长1%，碳排放则相应增长0.396%。碳排放量与万元GDP的碳排量成负相关，万元GDP排碳量每增长1%，江苏省碳排量总额则相应降低0.375%。这说明，尽管出口贸易额的增加从总量上看会引起碳排放的增加，但通过合理的贸易与投资政策引导和产业升级可以在保证经济充分发展的同时有效抑制碳排放的过快增长，降低万元GDP的碳排量，这对江苏省及我国其他省份经济发展有重要的借鉴意义。

表3 单位根检验结果统计表

二、基于灰色GM（1，N）模型和广义神经网络模型预测江苏省未来碳排放

基于上文，得到的江苏省碳排放量与出口总额成正相关关系的研究结果。本文将利用灰色G（1，N）模型与广义神经网络模型分别对江苏省未来十年的碳排放量做定量预测。

（一）基于灰色GM（1，N）模型的对江苏省碳排放预测

在GM（1，N）模型中将人均GDP、出口贸易额纳入到江苏省碳排放预测中，预测结果如表4所示。

根据表4中2000—2015年的人均GDP、江苏省碳排放量和出口贸易额等数据，采用此模型基于2000—2015年的数据对2000—2025年进行预测，用MATLAB进行计算，对GM（1，N）模型预测结果进行检验，得后验差比C＜0.35，小概率误差为 P＞0.95，预测精度为“好”。

表4 2000—2015年江苏省省人均GDP及出口贸易额

由图1和表5可以看出，人均GDP的增长和出口贸易额的增加对于江苏省碳排放是有着强效应的，经济快速发展和人们生活水平的提高难免会带来碳排放的增加。但是，正如图1所示，基于灰色G（1，N）模型下计算出的江苏省碳排放总量预测值明显高于真实值，预测结果与真实值有所偏离。

表5 GM（1，N）模型下江苏省碳排放量预测

图1 GM（1，N）模型下江苏省碳排放量预测

（二）出口贸易因素驱动下基于GRNN的江苏省碳排放预测

由于BP神经网络存在收敛速度慢和局部极小等问题，在解决样本量少而且噪声较多问题时效果并不理想。而GRNN（广义回归神经网络）在数据缺乏时网络收敛于样本量积聚最多的优化回归面，且在逼近能力、分类能力和学习速度方面具有较强优势，故采用GRNN进行江苏省（含出口贸易因素驱动）碳排放的预测。由于前文已经证明碳排放量与出口贸易额之间的相关关系，我们在预测模型中添加了出口贸易额这一指标。

1.广义回归神经网络模型预测结果

假定万元GDP排碳量仍保持其下降趋势，人均GDP和出口贸易额保持7%稳定增长，具体数值如表8。根据江苏省2000—2015年万元GDP排碳量、人均GDP和出口贸易额的数据对2016—2025年进行预测，用MATLAB进行计算，进行数据拟合。

表6 2016—2025年江苏省经济及预测

表7 广义回归神经网络（GRNN）模型下江苏省碳排放量预测

图2 广义回归神经网络模型下江苏省碳排放量预测

2.研究结果分析

从表7和图2可以看出，通过广义回归神经网络模型计算出来的碳排放总量预测值和真实值拟合效果最好，能够较为准确地预测未来江苏省碳排放的变化趋势。随着产业技术不断改革，近几年万元GDP的排碳量将趋于一个平稳下降的过程，且每增加1万元GDP所需的排碳量是江苏省排碳总量的主要抑制因素。在碳排放总量方面，根据广义回归神经网络模型的预测结果显示，江苏省的碳排放总量将在2020年前后达到峰值，之后会逐步下降。

三、政策建议

江苏省近年来的碳排量与江苏省出口贸易总额呈正相关，而排碳量与万元GDP的碳排量呈负相关。预测显示，未来呈现出不断下降的趋势，这得益于近年来江苏省实施外贸政策的调整以及一系列产业升级措施。这充分说明，通过合理、可行的政策引导和产业升级将可以在保证经济充分发展的同时有效抑制碳排放的过快增长，这为江苏省以及其他与江苏省情况类似的省份之后的发展提供了很好的借鉴。

（一）调整出口退税政策

实证研究结果显示，目前江苏省的出口贸易额与二氧化碳排放量成正相关，且高碳排放企业在江苏省的出口中仍占据较大份额。在2005—2008年这四年时间里，国家曾多次对江苏省的出口退税率做出调整，降低了部分具有高耗能、高污染属性出口商品的退税率，部分产品甚至被取消了出口退税资格，这些举措对江苏省的碳排放状况产生了一定的积极影响，使相关年份的万元GDP的碳排放量持续下降。但与国际平均退税率水平相比，江苏省的退税率依旧偏高。因此，江苏省应该进一步降低出口资源型、污染型、高排放型产品的出口退税率，与此同时，大幅提高高新技术产业商品的出口退税率，给予一些附加值较高的出口商品一些退税优惠。这样将有效促使出口贸易结构向更加绿色、高效的方向调整，有利于促进目前中国经济转型升级的大环境。

（二）增加出口产品的附加值

针对目前江苏省部分出口贸易产品的技术含量不高、附加值相对较低的现状，应积极鼓励企业进行加大技术创新力度，出台相关鼓励政策、投入科技创新基金、引进高层次人才等，引导相关企业实施技术升级和科技创新。智能制造是近年来江苏省出口贸易产业中的一大亮点和新的增长点，也是目前江苏省出口贸易产品中最具竞争力的产品，为此，政府应大力推动智能制造领域的产学研合作，加强国际技术协同创新，提升出口产品的附加值，形成国际竞争优势。

（三）促进清洁生产的推广应用

促进企业进行清洁生产，其本质是鼓励企业对生产活动的能源和材料的消耗进行最小化的规划管理。政府有必要与企业进行相关合作，研究并推出一整套使企业在生产流程的各个环节能够尽量减少碳排放的有效机制。低碳技术是推动企业进行清洁生产的基础，通过对低碳技术进行试验、试点以及推广，能够显著降低能耗和减少废物排放，最终达到节能减排的目的。近年来江苏省大力推行生产清洁化、绿色化和低碳化，从清洁生产技术发展的大趋势看，清洁生产技术的流程创新与设备升级势在必行。

（四）积极开展国际技术交流与合作，实现低碳减排互利双赢

当前，国际间低碳减排技术的相互交流和共同合作是发展中国家向发达国家学习和获取新减排技术的主要途径。中国的出口企业应该充分利用CDM机制来开展相关的交流合作活动，以获取资金和减排技术，提升减排能力。学习和参考部分发达国家和地区的低碳标准和相关技术法律法规，要事先做好调研工作，结合我国主要进出口国的技术标准开展低碳技术研发和低碳产品认证，以避免受到低碳贸易的壁垒限制。政府还应采取积极有效的激励措施，支持出口企业开展国际间的能源技术转让与合作，实现经济可持续发展与节能减排的双赢，创造新的经济增长点。

（五）推进绿色外资引进政策，落实加工贸易转型升级

从长远看，加工贸易仍会是江苏省出口贸易的重要支柱。针对拥有的产品附加值低，处于全球价值链低端环节、缺乏核心竞争力的现实，应采取有效的引资政策，促进加工贸易转型。一方面要加强相关配套产业的发展，培养和提高产业链条中中间产品的国际竞争力，增强本产业与相关上下游产业的关联，紧抓“一带一路”建设机遇，促使江苏省高端制造“走出去”。另一方面，实施加工贸易企业的转型，向贸易与投资一体化发展，带动设计、研发、加工制造、营销和服务转型升级，实现价值链由低端向高端的转变。

[1]Ackerman F.，Ishikawa M.，Suga M.The carbon content of Japan-US trade[J]．Energy Policy，2007，35（9）：4455—4462．

[2]Paresh Kumar Narayan，Russell Smyth.Multivariate Granger causality between electricity consumption，exports and GDP：Evidence from a panel of Middle Eastern countries[J]．Energy Policy，2009，（37）：229－236．

[3]许士春．贸易对我国环境影响的实证分析[J]．世界经济研究，2006，（3）.

[4]赵欣，齐中英.中国国际贸易中的隐性能源和二氧化碳排放研究[C]//中国环境科学学会2008年学术年会论文集，2008.

[5]刘倩，王瑶.新兴市场国家FDI、出口贸易与碳排放关联关系的实证研究[J].中国软科学，2012，（4）：97-105

[6]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009，（4）：27-36.

[7]宋杰鲲，张宇.基于BP神经网络的我国碳排放情景预测[J].科学技术与工程，2011，（17）：4108-4111，4116.

[8]任晓松，赵国浩.中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型[J].北京交通大学学报：社会科学版，2014，（4）：18-24.

[9]罗毅，曹华军，李洪丞，程海琴.基于GRNN网络的CO2气体保护焊工艺碳排放建模与参数优化[J].中国机械工程，2013，（17）：2398-2403.

[10]M.Zhang，P.Li.Analyzing the impact of urbanization on energy consumption in Jiangsu Province[J].Natural Hazards，2015，（76）：177-190.