区域经济增长、能源消费与二氧化碳排放

黄华继 李英齐

(安徽财经大学 金融学院，安徽 蚌埠 233030)

2020年，水能、风能、核能、光伏四类新能源的发电量分别仅占据了我国总发电量的16%、6%、5%、2%，相反，火力贡献了超过71%的发电量，新能源显现出规模接不上、稳定性不足等问题。加上电煤紧缺，导致近年来我国出现范围广大、影响恶劣的“缺电”现象。2020年，中国二氧化碳排放总量98.94亿吨，连续4年保持增长，在全球碳排放总量中的占比也不断提升，内外压力巨大，严重威胁我国经济的可持续发展。因此，我国政府高度重视绿色金融事业，推进能源绿色低碳转型。习总书记在联合国大会提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的“双碳”目标。在建设多个绿色金融改革创新试验区试点并积累经验后，我国各省市正全面推进绿色金融政策落地。

经济增长、能源消费和碳排放的关系错综复杂。一方面，经济增长必然会大量消费能源，消耗化石能源产生的污染排放也随着生产规模的增大而增大；另一方面，经济增长导致资源减少、环境破坏，会反过来影响人们的身心健康，由此导致的工作低效及治理污染花费的大量资金阻碍了经济的有序发展。

同时，经济增长促使人们开发和使用新能源，加快清洁技术进步，将使得污染排放强度降低。若要在如期甚至提前实现“双碳”目标，中国需要推进工业、交通、建筑、电力等二氧化碳排放重点领域去碳化，任务是十分繁重和艰巨的。同时，我国各区域在经济发展、市场环境、产业结构、科技强度等方面具有区别，也导致了各地在能源消费和二氧化碳排放方面存在明显差异，而对全国制订统一的发展措施和评判标准将有失科学性。因此，基于各省市的绿色金融发展程度分组，研究区域经济增长、能源消费和碳排放的关系更具意义。

一、研究状况分析

经济增长、能源消费与污染排放是目前国内外学者关注的重点问题，从已有成果可以发现，早期研究往往单以经济增长与能源消费或碳排放的关系为主，直到近几年将三者联系起来分析的研究才逐渐增多。

首先，对于经济增长与能源消费之间的关系，Costantini等整理出了1978—2005年世界上26个代表性国家面板数据，构建VECM模型检验发现经济增长是能源消费的Granger原因[1]；Tiffany等采用MRA和QCA分析方法发现能源消费对经济增长呈单方向的线性关系[2]；邢毅以碳排放强度大小对我国省级行政区进行分组，实证分析发现山西等高碳地区的能源消费不能显著促进当地的经济增长，而江苏等低碳地区可以实现[3]。

其次，对于经济增长与碳排放，Coondoo等认为，世界不同地区经济增长与碳排放之间的关系也不同，检验发现在亚非国家二者具有双向因果关系、对于南美、大洋洲国家，经济增长是碳排放的原因，而美、欧国家碳排放是经济增长的原因[4]；张可运用DID和工具变量法，实证检验发现长三角、珠三角城市群的经济增长收敛是污染排放收敛的重要原因[5]；夏勇等采用空间动态系统GMM模型，分析发现我国272个城市经济增长与工业污染排放之间呈现出相对脱钩与绝对脱钩的交替特征，不具有稳定的影响关系[6]。

三个指标之间的动态关系近年来备受关注，Faisal等(2017)分析发现巴基斯坦的能源消费、碳排放与经济增长之间存在持久平衡的双向线性关系[7]；Ummalla等搜集1992—2014年金砖国家面板数据，检验结果显示碳排放对经济增长具有负向影响，而清洁能源消费对经济增长具有显著促进作用[8]；徐斌等基于中国各省市1979—2016年面板数据实证分析，发现能源结构转型并不能有效减少二氧化碳排放和促进经济增长[9]；朱欢等运用联立方程模型检验全球67个国家或地区经济增长对能源结构转型和二氧化碳排放的影响，发现只有当经济增长达到一定水平，才能获得能源结构转型和二氧化碳减排的双重红利[10]。

国内外学者的研究成果较好地解释了经济—能源—环境之间的局部关系，但比较分析不同区域三者关系差异的已有文献通常是以碳排放强度分组，以绿色金融发展指数为标准进行分组研究的成果还很少。由于我国区域间发展模式和市场环境差异较大，能源消费和碳排放强度的程度也有所不同，当前我国正积极探索适合不同区域、不同情况的最优绿色金融发展方案，因此，按照我国各省级行政区的绿色金融发展程度进行分组，研究各区域如何在保证经济平稳增长的同时，更好地实现节能减排具有重要意义。

二、模型与数据来源

(一)模型构建与变量处理

本文采用面板向量自回归模型对区域经济增速、能源消费强度、碳排放强度按照区域绿色金融发展指数分组研究，构建以下PVAR模型：

(二)数据来源与统计分析

因西藏、港澳台地区数据缺失，以我国其余30省区2009—2019年的数据作为研究对象。经济增长指标选取区域GDP增速，能源消费强度和碳排放强度分别量化为单位GDP的化石能源消费量和二氧化碳排放量。区域绿色金融发展指数参考《地方绿色金融发展指数与评估报告2018》，碳排放总量将在下文测算，其余数据来源于《中国能源统计年鉴》及《中国统计年鉴》。

1.绿色金融发展程度的现状

《地方绿色金融发展指数与评估报告》客观评价了各省绿色金融的发展程度，本文参考其得分及梯队划分，将30个省级行政区划分为三大梯队：

根据图1可知，我国绿色金融发展在地理分布上存在较大差异，浙江、广东、江苏、福建等东部沿海区域省市凭借其良好的市场环境和区位优势，绿色金融改革创新取得较好的成绩，成为第一梯队，内蒙古、湖南、青海等中、西部区域省市积极落实绿色发展理念，绿色金融发展也取得了一定的效果，成为第二梯队，而东北区域和部分西部省市发展绿色金融略显动力不足，并未能取得实质性的发展，成为第三梯队。

图1 各区域绿色金融发展指数得分柱状图

2.碳排放的测度

根据煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8类化石燃料的碳排放系数和消费量计算各省市每年的二氧化碳排放量：

其中，CO2(it)表示t时期i省市的碳排放总量；k=44/12为二氧化碳与碳分子重量比，Ex和 x分别为第x类化石燃料的消费量和排放系数。将测算出的区域碳排放总量与区域GDP总值相除，得各区域碳排放强度。

根据表1测度结果可知，近10年除内蒙古和宁夏，各省市的碳排放强度都大幅降低，说明各地都在积极探索绿色发展模式，根据十年碳排放强度均值排名可知，北京、广东、福建等第一梯队省市的碳排放强度更低，说明这些省市在大力发展经济的同时，也促进了技术进步，减轻了污染排放强度。而二、三梯队的省市尽管碳排放强度也有所下降，但整体上数值仍远高于第一梯队省市。

表1 各区域碳排放强度测度结果

(三)描述性统计

表2报告了区域GDP、能源消费与碳排放的统计特征，分组统计结果显示第一梯队区域GDP规模高于第二梯队区域，但能源消费总量和碳排放总量规模却更低，体现了第一梯队区域绿色金融发展更为高效。第三梯队区域能源消费总量和碳排放总量相对较大，区域GDP远低于其他区域，说明第三梯队区域绿色金融发展稍显落后。

表2 区域GDP、能源消费和碳排放的统计特征

表3报告了区域GDP增速、能源消费强度和碳排放强度的统计特征，统计结果显示，我国经济在平稳增长，各地区的GDP增速差别不大。而三个梯队的能源消费和碳排放强度水平依次递增，同样反应出各区域绿色金融发展程度的差异。

表3 变量描述性统计描述

三、实证检验与结果分析

首先，采用Had ri-LM检验法进行平稳性检验，表4结果显示，各梯队区域的原始数据均拒绝单位根过程，属平稳时间序列。

表4 面板平稳性检验结果

其次，为了构建更为准确的PVAR模型，需要对滞后阶数进行合理选择。表5结果显示，三组模型滞后阶数均选取1阶最为合适。

表5 滞后期检验结果

经过200次Monte-Carlo模拟后，得到表6系统GMM估计结果。面板A的结果显示，GDP增速方程中，滞后一期的各变量均在1%水平下显著，表明经济增长、能源消费和碳排放的强度增大会正向促进经济增长。能源消费强度方程中，滞后一期GDP增速和碳排放强度具有显著的负向作用，表明经济增长和碳排放增强将使得能源消费强度下降。碳排放强度方程中，滞后一期能源消费强度和碳排放强度具有显著正向作用，滞后一期GDP增速具有显著负向作用。

表6 系统GMM估计结果

面板B的估计结果显示，GDP增速和能源消费强度具有双向显著负向作用，滞后一期能源消费强度对碳排放强度和其自身具有显著正向作用，其他影响因素不显著。面板C的估计结果显示，滞后一期GDP增速对其自身具有显著正向作用，对碳排放强度具有显著负向作用，滞后一期能源消费强度对各变量均有显著正向作用。

图3 面板B脉冲响应图

图4 面板C脉冲响应图

根据图2—4所示，脉冲响应结果可得以下结论：一是各区域GDP增速对经济增长的短期促进效应最大，一单位标准差的冲击将使得GDP增速在第1期迅速提高，但影响程度在随后大幅下降。第一梯队区域的能源消费强度和碳排放强度一单位标准差冲击将使得GDP增速随之提高，而二、三梯队区域能源消费强度和碳排放强度的冲击并不会对GDP增速产生显著的扩张效应。二是三类区域的GDP增速和能源消费强度都能对能源消费强度和碳排放强度造成冲击，且冲击效应相似。其中第一梯队区域一单位标准差冲击将在第1期显著显现，随后影响程度大幅下降且总体影响不明显，第二梯队区域的冲击将随着预测步长的增加呈现逐渐增大的趋势，第三梯队区域的冲击作用在第1期与第一梯队区域相近，而后平缓降低。三是第一梯队区域碳排放强度对能源消费强度具有显著的负向影响，一单位标准差冲击将使能源消费强度下降近0.030个单位，此后影响逐期减少。第二梯队区域的脉冲响应函数始终处于0附近，表明该类区域碳排放强度对能源消费强度的影响不显著，第三梯队区域碳排放强度对能源消费强度的冲击效应逐渐增大后趋于稳定，说明碳排放强度对能源消费强度具有一定的未来预测作用。

图2 面板A脉冲响应图

表7给出的各面板在第5、10个预测期的方差分解结果基本一致，表明各区域三者之间的动态关系基本稳定。根据第10期的预测，二、三梯队区域GDP增速对其自身的方差贡献分别为98.10%和99.50%，而第一梯队区域仅有73.40%，说明仅第一梯队区域的能源消费和碳排放对区域经济发展具有重要支持作用。对于能源消费强度和碳排放强度，第二梯队区域的经济发展能有效降低能源消费和碳排放强度，而一、三梯队区域能源消费强度对降低区域能源消费和碳排放强度的支持作用更大。

表7 方差分解结果

将GDP增速、能源消费强度、碳排放强度滞后一期，进行Granger因果检验，表8(下页)检验结果显示：一是第一梯队区域拒绝能源消费强度不是GDP增速和碳排放强度的Granger原因，即能源消费强度是GDP增速和碳排放强度的Granger原因，检验也拒绝了碳排放强度不是能源消费强度的Granger原因，说明一梯队区域能源消费强度和碳排放强度互为因果关系，检验接受GDP增速不是能源消费强度的Granger原因，不构成双向因果关系。二是第二梯队区域GDP增速是能源消费和碳排放强度的Granger原因，能源消费强度也是碳排放强度的Granger原因。三是第三梯队仅检验出碳排放强度是能源消费强度的Granger原因，不存在其他因果关系。

表8 Granger因果检验结果

四、 结论与建议

我国各区域间经济发展、能源消费和碳排放的差异较大。本文将我国30个省级行政区按照绿色金融发展指数分为三个梯队，采用2009—2019年GDP增速、能源消费强度、碳排放强度省级面板数据，构建PVAR模型进行系统GMM估计，实证研究得到以下结论：

第一，浙江、广东、北京等第一梯队省市绿色金融发展强劲，其实体经济规模大，能源消费强度和碳排放强度低。内蒙古、湖南、青海等区域属于第二梯队，能源消费和碳排放总量大，但强度相对较低。河南、天津、陕西等省市绿色金融发展较为缓慢，属于第三梯队，经济规模较小，能源消费强度和碳排放强度却相对较高。在绿色金融不同发展态势下，各区域经济增长、能源消费和碳排放的动态关系差异显著。

第二，第一梯队区域的能源消费和碳排放对经济增长具有显著正向冲击，而二、三梯队区域的能源消费和碳排放并没有对当地的经济增长发挥出积极的促进作用。各梯队区域的经济增长都将使该区域的能源消费强度和碳排放强度降低，说明我国各区域经济发展会促使人们进行低能源消耗的生产活动，一定程度上带动清洁技术进步和新能源创新。

第三，各区域能源消费和碳排放都存在双向或单向的因果关系，而只有第一梯队区域能源消费强度是GDP增速的Granger原因。说明加快经济结构调整，大力发展能源消费少的行业，不会对经济增长产生剧烈影响，又能缓解能源紧张的现状，还能有效减轻环境污染。

基于上述研究结论，可以发现第一梯队区域大力发展经济的同时，也重视绿色理念，实现了低碳发展和经济增长的良性互动，而二、三梯队区域绿色发展效果相对较差，节能减排需要进一步的强化。本文提出以下政策建议：政府部门在制订政策时应充分考虑区域差异性，对于一梯队区域，能源消费和污染排放一定程度上会促进区域的经济增长，经济增长反而会降低能源消费强度和碳排放强度，带动区域绿色金融的发展，因此，需权衡二者之间的关系。继续大力发展经济的同时，应加快产业结构升级，拓宽节能减排技术应用，借助自身良好的金融环境实现“强者越强”。对于二、三梯队区域，煤炭等化石能源的消费强度下降将促进二氧化碳排放的减少，同时，不会对经济增长造成强烈冲击，应在考虑环境的情况下加快推进能源价格改革，开发和应用新能源；还要加大政策推动力度，积极引导市场发展，实现能源消费总量、强度的“双控”。