區域異質視角下中國工業CO2協同減排及擴展效應分析

陳 瑤

內容提要 面對全球氣候異常挑戰及國內大氣污染排放的雙重壓力，“協同控制”已經成為中國工業可持續發展的重要戰略任務和優化選擇。文章基于區域異質視角，以工業CO2對SO2的協同減排為著力點，運用計量模型分析工業CO2對SO2的協同減排效應及擴展效應，論證工業部門CO2對SO2協同減排的區域異質性。研究表明：工業CO2對SO2的協同減排及擴展效應總體顯著，但是技術創新能力與環境規制強度存在滯后效應，且低碳技術的滯后性會弱化協同減排效應，因此需要探索溫室氣體與大氣污染物協同控制的技術工藝，加強協同創新；工業CO2對SO2的協同減排及擴展效應存在區域差異，東部和中西部地區具有更顯著的協同減排效應，東北及西部地區技術創新能力的協同減排和擴展效應均存在滯后性，環境規制強度的政策效果在東部和西部地區的滯后性也更加顯著，因此應針對不同區域制定不同的協同減排實施方案。

引 言

現階段協同減排效應的研究具有多重視角，國際社會更加關注溫室氣體減排措施對傳統污染物減排的協同效應，聯合國政府間氣候變化專門委員會(IPCC)、經濟合作與發展組織(OECD)等國際機構以及歐美國家環保部門對協同效應的闡述主要集中在溫室氣體協同控制大氣污染物排放，而中國、日本等亞洲國家主要強調環境污染控制政策與氣候變化政策同等重要。①本文主要研究溫室氣體控制對大氣污染物的協同減排效應，這是順應大氣污染防治的有效舉措，更是推進我國生態文明建設的重要抓手。中國工業是溫室氣體排放的主要領域，工業化石能源碳排放占全國碳排放的70%以上，②SO2、PM2.5、NO2等也是主要工業廢氣廢物。2005年以來，中國雖然實施了一系列SO2控排措施，但仍是僅次于印度和俄羅斯的第三大SO2排放國。③國家統計局數據顯示，2011—2020年，中國88.33%的SO2排放量來自工業部門，且SO2在工業污染物中比例最高。因此文章以中國工業部門為研究對象，力圖量化工業CO2對主要大氣污染物SO2的協同減排及擴展效應，論證協同減排效應的區域異質性，擬解決如下問題：工業CO2對SO2協同減排效應如何？

工業CO2減排的同時可以降低多少SO2排放量？不同經濟區域的協同減排擴展效應如何體現？這些問題的解決為加速推進區域間工業部門溫室氣體與大氣污染物協同治理進程、協同控制路徑實施提供理論支撐，這對實現工業污染一體化綜合治理、促成碳排放早日達峰及實現碳中和具有重要意義。

國內外學者對協同效應的研究領域及研究方法涉獵較廣，既包括對空氣質量影響的研究，④也包括對人體健康、當地經濟發展和就業以及社會福利等影響的研究。⑤在健康效益方面，有學者估算出2010—2030年氣候政策所產生的燃煤電廠SO2協同減排產生的協同收益，每年可以避免1030—12000億美元的經濟損失。⑥在經濟發展與社會影響方面，從全球層面來看，在400ppmvCO2穩定情景下，2020—2100年期間全球道路車輛的SO2、NO2和PM累積排放量減少率分別為22.1%、10.8%和14.4%。⑦從城市層面來看，提升能源利用效率及降低垃圾產生量可以有效緩解氣候變化且實現協同效益；地方政府為解決氣候變化問題而采取的舉措可以有效實現城市協同效益。⑧在空氣質量方面，學者們主要基于不同模型對不同氣候變化進行政策情景模擬，包括從國家層面量化南非全國范圍的空氣污染物和溫室氣體排放及其成本控制，⑨以及從全球層面進行協同效應的政策評估，認為氣候變化減緩政策對SO2和NO2排放的影響最大。⑩

協同效應研究主要涉及鋼鐵、水泥、煤炭、電力等重污染型行業。在鋼鐵行業中，部分學者發現節能減排技術的普及對降低大氣污染物(SO2、NO2和PM10等)排放量具有顯著的協同效益。水泥行業在CO2減排目標為5.5%時，可協同減排230萬噸空氣污染物(SO2、NO2和煙塵等)。煤炭行業如果從源頭和末端兩方面進行控制，可以在2030年達到碳峰值目標，同時有效實現空氣質量的提升。較多學者關注電力行業，發現CO2減排對SO2減排存在協同效應，且協同減排效應存在區域異質性，能源消耗情景預測表明低碳路徑可以更好地實現CO2與空氣污染物的協同減排。也有部分學者從行業差異視角研究協同效應，發現電力行業大多依靠工程減排，水泥和鋼鐵行業主要靠調整結構來實現減排，且末端治理技術也會造成能源消耗，因此污染物的協同控制效果較差。協同效應研究廣泛使用的模型包括技術的市場分配模型(MARKAL)、遠程能源替代計劃模型(LEAP)、能源系統優化模型、可計算一般均衡模型(CGE)、動態優化模型、系統動力學模型、Kaya恒等式以及回歸模型等。其中Kaya恒等式和LMDI分解法一直是碳排放影響因素分析的基礎模型，在解釋歷史排放變化及內部機理方面具有重要的作用。

研究設計與變量分析

(一)模型設計與變量選擇

Kaya恒等式是通過構建鏈式乘積的形式對碳排放量進行分解，并測度各驅動因素的貢獻，隨著研究領域的深入及擴展，很多學者豐富了Kaya恒等式的研究視角。本研究需要解決CO2的協同減排問題，因此對Kaya恒等式進行擴展，納入工業CO2對SO2的協同減排效應，得出改進的Kaya恒等式：

(1)

式(1)中i代表不同地區，ωi代表每單位工業CO2排放產生的工業SO2排放量，即CO2對SO2的協同減排效應；τi代表工業行業每單位能源消耗產生的CO2排放量，即各種能源的碳排放因子，為常量；σi代表每單位工業增加值的能源消耗，即工業能源強度，πi代表工業增加值占GDP比重，ρi表示人均GDP，Pi代表人口規模。

參考Ang對碳排放影響因素的分析，以及傅京燕和原宗琳對電力行業SO2排放的分解原理，對式(1)進行全微分處理，并求基期到T期([0,T])的定積分，將工業SO2排放的影響因素分解為協同減排效應、能源強度效應、產業結構效應、經濟發展效應、人口效應，其中τi全微分后為零。進一步基于對數平均權重分解獲得式(3)，對應式(2)的右邊的五種效應。

(2)

ΔSO2=Δωi+Δσi+Δπi+Δρi+ΔPi

(3)

結合前人的研究經驗及上述因素分解過程，本研究以工業SO2減排量為被解釋變量，對影響SO2減排的解釋變量做以下選取和分類：(1)核心解釋變量。即工業CO2的減排量，重點分析CO2減排對SO2協同減排的量化關系。(2)能源要素，選擇工業能源消耗與工業增加值的比重來表示能源要素。如部分學者研究發現能源消費與SO2排放呈現高度線性關系。(3)產業結構要素，選取工業增加值占GDP的比重來表示。已有研究表明，我國高耗能行業如煤電、水泥、鋼鐵等均通過優化產業結構實現了單位能源SO2排放量的降低。(4)技術要素，選取R&D占GDP的比重代表技術創新要素，用于分析協同減排擴展效應。如部分學者認為節能減排技術的普及對降低大氣污染物排放量具有顯著的協同效益。(5)經濟和社會要素，選擇人均GDP代表全國不同省份的經濟發展水平，社會要素選取城鎮化水平、環境規制強度和人口密度來表示，其中城鎮化水平和環境規制強度用于分析協同減排擴展效應，城鎮化水平代表市場的潛力大小，環境規制則從制度方面考慮，人口密度指單位土地面積上的人口數量，這些要素均可通過影響工業產品的生產與消費來改變工業SO2減排量。

(二)模型構建

根據擴展的Kaya恒等式及前人對影響工業SO2減排要素的經驗總結，量化工業CO2對SO2的協同減排及擴展效應，本研究構建回歸模型并納入代表協同減排效應、能源強度效應、產業結構效應、經濟發展效應、人口基數效應的相應變量：工業CO2減排量、工業能源強度、產業結構、人均GDP及其平方項(檢驗是否存在環境庫茲涅茨曲線假說)、人口密度，建立雙向固定效應的回歸模型：

(4)

(5)

式(4)和(5)中i和t分別代表地區和時間，SO2和CO2分別代表工業二氧化硫和二氧化碳的減排量，EI、IS、PGDP、PD分別代表工業能源強度、產業結構、人均GDP和人口密度，R&D、Urban、ER分別代表技術創新能力、城鎮化水平、環境規制強度；考慮到技術創新能力與環境規制強度對CO2減排存在滯后性，模型中納入了這兩個解釋變量的滯后效應，α0、β0為常量，μi、δt分別代表個體固定效應和時間固定效應，εit為隨機誤差。式(4)為基準回歸模型，式(5)是在基準模型基礎上納入CO2減排量分別與技術創新能力、城鎮化水平以及環境規制強度的交互作用，具體分析由于經濟、社會和環境要素對CO2減排的影響，進而對SO2產生的協同減排擴展效應。

(三)數據來源與變量描述

本研究選取2005—2020年中國30個省區市的數據(考慮到數據的可獲取性，研究不涉及西藏和港澳臺地區)，實證分析中國工業CO2對SO2的協同減排及擴展效應。各變量的基礎數據來源于歷年的《中國統計年鑒》《中國能源統計年鑒》《中國工業經濟統計年鑒》《中國環境年鑒》《中國科技統計年鑒》以及各省區市統計年鑒等，并對相關資料數據進行適當處理。

各省份工業SO2排放量的數據來源于歷年《中國統計年鑒》和《中國環境年鑒》。由于工業CO2排放量的數據無法從年鑒中直接獲取，本研究應用《IPCC2006年國家溫室氣體排放清單》中不同化石能源的平均低熱值和碳氧化率，根據化石能源消耗量及碳排放系數，測算工業CO2排放量，并進一步獲取工業CO2減排量，主要的化石能源包括：煤炭、石油和天然氣。

實證結果分析及政策含義

(一)單位根檢驗

為避免回歸模型相互序列間可能存在“偽回歸”現象，對協同效應基準回歸模型和協同擴展回歸模型進行平穩性檢驗，多元時間序列回歸模型平穩性檢驗的通常做法是檢驗回歸模型是否存在單位根?？紤]到回歸模型面板數據單位根檢驗可能由于變量參數限制存在面板數據的截面序列相同單位根或不同單位根，對面板數據分別進行LLC(Levin-Lin-Chu)檢驗、IPS(Im-Pesaran-Skin)檢驗、Fisher-ADF檢驗及Fisher-PP檢驗，各變量的一階差分單位根檢驗結果均顯示通過單位根檢驗，且在1%水平上顯著，因此各變量一階差分對應的序列平穩。其次在單位根平穩檢驗的基礎上，我們進一步對回歸模型的協整關系和序列波動性進行檢驗，判斷序列間是否存在穩定的均衡關系。通常以Johansen協整檢驗體現回歸模型序列間的長期均衡關系，或者建立在Engle and Granger二步法檢驗基礎上的面板協整檢驗(具體方法有Pedroni檢驗和Kao檢驗)。文章采用Kao檢驗對我國不同經濟區域，以及協同基準模型和協同擴展模型中的變量進行協整檢驗，判斷各回歸模型變量之間是否存在長期穩定的協整關系。各模型Kao檢驗的P值均表明，在1%的置信水平下，自變量和因變量的Kao檢驗結果的統計值非常顯著，拒絕原假設，表明各檢驗模型中面板數據變量各序列間均存在協整關系。

(二)回歸結果分析

文章采用固定效應(FE)、可行性廣義最小二乘法(FGLS)以及全面FGLS等估計方法構建多個回歸模型進行對比分析，模型擬合度較好，回歸模型結果均顯示工業部門CO2對SO2具有顯著的協同減排效應?？紤]全面FGLS相較于其他回歸模型具有更好的穩定性和有效性，并且能夠有效解決回歸模型自相關、組間異方差、組間同期相關等問題，文章采用全面FGLS進行估計，基準模型、協同擴展模型及四大區域的模型的回歸結果如表1所示。其中模型(1)為協同效應基準模型的回歸結果，模型(2)是工業CO2減排與技術創新能力、城鎮化水平、環境規制強度交互作用下的協同擴展效應模型；模型(3)—模型(6)是中國四大經濟區域的回歸結果，以模型(2)的回歸結果對工業整體情況展開具體分析。

表1 溫室氣體協同減排效應的回歸結果

(1)協同減排核心要素

從模型(2)的回歸分析結果可以看出，工業部門CO2協同減排效應顯著，即每減少1萬噸工業CO2排放量，SO2可以協同減排0.0054萬噸。同時CO2減排與技術創新能力、城鎮化水平、環境規制強度交互作用下對SO2協同減排的擴展效應也相應顯著。技術創新能力的交互項(CO2R)顯示，當期技術創新能力對SO2減排具有顯著的正相關性(0.20056)，即R&D投入在CO2排放控制的同時，對SO2協同減排有顯著的擴展效應；但是CO2R的滯后項(L.CO2R)卻是5%水平下的負相關(-0.04643)，這可能意味著，低碳技術可以協同減排當期的SO2，但也會產生能源消耗從而引起下期SO2排放量增加，這一結論也與顧阿倫等的研究結果一致。城鎮化水平的交互項(CO2U)顯示，城鎮化水平對工業SO2減排具有顯著的正相關性，即提高城鎮化水平對工業SO2協同減排有顯著的擴展效應。環境規制強度的交互項(CO2E)顯示，環境規制強度對工業SO2減排具有顯著的正相關性，同時其滯后項(L.CO2E)也具有顯著的相關性，說明工業污染治理投入的增強能有效促進工業SO2協同減排，同時當期的工業污染治理投資具有顯著的滯后性，且對下期的工業SO2減排具有顯著的協同減排效應。

(2)工業能源強度要素

工業能源強度要素(EI)對工業SO2減排呈現顯著的負相關，說明工業能源強度越小，能源利用效率越高，工業SO2減排量越大。國際能源署發布《能源效率2018——分析和展望至2040》提出全球能源效率具有較大的提升潛力，能源效率提升可以提供可觀的經濟、社會和環境效益，這與全球溫室氣體排放達到峰值也密切相關。2020年我國能源強度指標比2005年下降64.78%，同年工業和信息化部按照《“十三五”工業綠色發展規劃》制定《工業節能診斷服務行動計劃》，對工業企業工藝技術裝備、能源利用效率、能源管理體系開展全面診斷，幫助企業發現用能問題，查找節能潛力，提升能效和節能管理水平。從國家層面來看，工業能源強度的降低與節能減排措施對工業SO2減排具有顯著的成效，應進一步加強節能管理，挖掘工業能源利用效率的提升潛力。

(3)產業結構要素

產業結構(IS)與工業SO2減排呈現顯著的負相關，即隨著我國工業增加值占GDP的比重的逐步下降，工業SO2減排力度呈上升趨勢。從全國整體看，“十一五”至“十三五”期間產業結構不斷優化，技術創新能力不斷加強，2006年之后工業增加值占GDP的比重整體呈下降趨勢，降幅達28%。隨著產業持續升級，傳統工業尤其是制造業占經濟比重呈下降趨勢，第三產業增加值占比呈上升趨勢。2012年，第三產業占比首次超過第二產業，達到45.50%?！吨腥A人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》強調加快現代產業體系，加快推進制造強國、質量強國建設，促進先進制造業和現代服務業深度融合，深入實施智能制造和綠色制造工程，推動制造業高端化智能化綠色化，推動生產性服務業向專業化和價值鏈高端延伸。因此推動產業轉型升級能有效提升工業SO2減排潛力，但隨著我國制造強國、質量強國建設的持續推進，產業結構將趨于穩定，工業SO2減排的潛力也將逐步減小。

模型(2)中人均GDP及其平方項顯示經濟發展與工業SO2減排呈現顯著的倒“U”型關系。經濟發展初期持續的能源消耗一定程度上加大了工業SO2減排力度，但隨著時間推移，當經濟發展水平提升并到達“拐點”或者臨界點時，能源消耗逐步減少，大氣污染狀況相對改善，工業SO2減排量也逐步下降，經濟發展水平與工業SO2減排形成環境庫茲涅茨曲線現象。工業SO2減排量總體呈穩步上升趨勢，可見我國人均收入總體水平仍未達到工業SO2減排的環境庫茲涅茨曲線的“拐點”；人均GDP平方項的顯著負相關結果顯示，隨著人均收入總體水平提升并超過曲線“拐點”，工業SO2減排量逐步減少，這需要相應實施有效的環境規制政策才能保證經濟發展與環境改善的共贏。此外不能僅從人均GDP與工業SO2減排形成的環境庫茲涅茨曲線現象來完全解釋經濟發展與大氣污染的關系。

(5)區域分析

模型(3)—模型(6)分別反映中國東北、東部、中部和西部地區的回歸結果，除東北地區外，其他地區工業CO2對SO2的協同減排效應均顯著，每減少1萬噸工業CO2排放量，四個地區工業SO2分別協同減排0.0021萬噸、0.0052萬噸、0.0055萬噸、0.0055萬噸。工業CO2對SO2協同減排的擴展效應存在較為明顯的區域差異，東部地區的技術創新能力(CO2R)及滯后效應(L.CO2R)與全國水平類似，其他地區的當期CO2R均不顯著，東北及西部地區技術創新能力均存在滯后性，即當期的低碳R&D投入對下期工業SO2減排具有顯著的協同擴展效應。城鎮化水平(CO2U)在東部和中西部地區具有顯著的協同減排擴展效應，而東北地區結果不顯著。其他解釋變量的回歸結果顯示，東北和西部的工業能源強度(EI)與工業SO2減排呈顯著的負相關，說明兩個地區的工業能源利用效率得到有效提升，“東北振興”和“西部大開發”戰略在提升經濟發展的同時有效促進了能源轉型升級，降低了大氣污染物排放。產業結構(IS)與工業SO2減排在東部和西部地區呈現顯著負相關，在東北及中部地區負相關水平較弱。研究期間東部地區工業增加值占GDP的比重從41.74%持續降低到32.0%；東部地區是我國經濟實力最強、發展水平最高、產業轉型升級走在全國前列的經濟區域，如江蘇省將產業創新作為主攻方向，著力以科技創新推動產業向中高端升級轉型，并取得了顯著成效。中西部地區的人均GDP及其平方項顯示經濟發展與工業SO2減排呈現顯著的倒“U”型關系，環境庫茲涅茨曲線現象較為顯著。

(三)內生性問題和穩健性檢驗

鑒于回歸模型可能存在內生性的問題，這包括測算誤差、變量遺漏、核心變量的反向因果等問題，可能降低模型穩健性并導致估計結果偏誤。通常選擇工具變量法解決解釋變量的內生性問題，假定核心解釋變量CO2減排量為內生變量，CO2的前期排放活動可能影響當期SO2的排放，選取CO2減排量的一階滯后項作為工具變量。內生性DWH檢驗結果顯示存在內生解釋變量，弱工具變量檢驗Shea’s Partial R2(F統計量)以及Gragg-Donald Wald F的檢驗結果均顯示不存在弱工具變量，因此選取兩階段最小二乘法估計(2SLS)先分離出外生變量的內生部分，再對外生部分回歸分析。2SLS一階段的估計結果顯示CO2的一階滯后項對CO2具有較好的解釋性。在球狀擾動項的假設下，2SLS檢驗是最有效率的，考慮到擾動項可能存在異方差或者自相關，為驗證模型的穩健性及有效性，進一步使用廣義矩估計法(GMM)進行統計推斷。同時利用最小二乘虛擬變量模型(LSDV)與GMM模型回歸對比分析，發現GMM模型雖然更加穩健與有效，但核心解釋變量的顯著性明顯低于LSDV模型，其余變量總體回歸結果相似，可以支撐模型的穩健性。

結 論

面對全球氣候異常變化和國內大氣污染治理的嚴峻形勢，“協同控制”已經成為中國工業應對氣候挑戰及緩解大氣污染防治壓力的重要戰略選擇。本研究以中國工業部門為研究對象，采用改進的Kaya恒等式，以2005—2020年數據實證分析工業CO2對SO2的協同減排及擴展效應，論證工業CO2對SO2協同減排的區域異質性，得出以下結論：

(1)工業CO2對SO2的協同減排效應總體顯著，工業CO2減排與技術創新能力、城鎮化水平、環境規制強度相互作用下對SO2協同減排產生顯著的擴展效應，技術創新能力滯后項(L.CO2E)顯著，低碳技術可以協同減排當期的工業SO2，但也會產生能源消耗從而引起下期工業SO2排放量增加。環境規制強度對工業SO2減排具有顯著的正相關性，其滯后項(L.CO2E)也反映出當期的環境規制強度對工業SO2減排具有較強的滯后性。

(2)工業能源強度要素(EI)對工業SO2減排具有顯著的負相關性，相關部門應充分發揮工業能源效率提升潛力對工業SO2減排的顯著成效。產業結構要素(IS)顯示工業增加值占GDP的比重與工業SO2減排呈現顯著的負相關，即隨著我國工業增加值占GDP的比重的逐步下降，工業SO2減排力度呈現上升趨勢。人均GDP及其平方項顯示經濟發展與工業SO2減排呈現顯著的倒“U”型關系，但我國人均收入總體水平仍未達到工業SO2減排的環境庫茲涅茨曲線的“拐點”。

人類的項目管理的實踐有著悠久的歷史，但是，人類對項目管理模式的研究的歷史卻極其有限。在我國實現現代化社會的轉變，項目管理的模式也由傳統的模式向現代模式進行了相應的轉變。以往項目管理的主要作用是預算、規劃、實行。在20世紀80年代美國開始對現代項目管理體系進行研究，項目管理從傳統模式開始向現代模式改變。所以，分析管理模式的轉變對我國的各行業的管理模式有著重要意義。

(3)工業CO2對SO2的協同減排及擴展效應存在區域差異。除東北地區外，其他地區工業CO2對SO2的協同減排效應均顯著。東部地區的技術創新能力(CO2R)及滯后效應(L.CO2R)與全國水平類似，東北及西部地區CO2R的協同減排擴展效應均存在滯后性。城鎮化水平(CO2U)在東部和中西部地區具有顯著的協同減排擴展效應。東北和西部地區的工業能源強度(EI)與工業SO2減排呈顯著的負相關，產業結構(IS)與工業SO2減排在東部和西部地區呈現顯著正相關，中西部地區的環境庫茲涅茨曲線現象較為顯著。

①姜曉群等：《關于溫室氣體控制與大氣污染物減排協同效應研究的建議》，《環境保護》2019年第19期。

②王勇等：《中國工業碳排放達峰的情景預測與減排潛力評估》，《中國人口·資源與環境》2017年第10期。

③Greenpeace Environment Trust (GET), 2019, “Global SO2Emission Hotspot Database: Ranking the World’s Worst Sources of SO2Pollution”, Greenpeace Environment Trust. https://www.greenpeace.org.au/wp/wp-content/uploads/2019/08/Global- Hotspot-and-Emission-Sources-for-SO2_August-2019_AU_final.pdf.

④D. Burtraw, et al., “Ancillary Benefits of Reduced Air Pollution in the US from Moderate Greenhouse Gas Mitigation Policies in the Electricity Sector”,JournalofEnvironmentalEconomicsandManagement, Vol.45, No.3(2003), pp.650-673.

⑤K. Rypdal, et al., “Nordic Air Quality Co-benefits from European Post——2012 Climate Policies”,EnergyPolicy, Vol.35, No.12 (2007), pp.6309-6322.

⑥B. Groosman, et al., “The Ancillary Benefits from Climate Policy in the United State”,Environmental&ResourceEconomics, Vol.50, No.920(2011), pp.585-603.

⑦T. Takeshita, “Assessing the Co-benefits of CO2Mitigation on Air Pollutants Emissions from Road Vehicles”,AppliedEnergy, No.97(2012), pp.225-237.

⑧T. Lee, S. V. D. Meene, “Comparative Studies of Urban Climate Co-benefits in Asian Cities: An Analysis of Relationships between CO2Emissions and Environmental Indicators”,JournalofCleanerProduction, No.58 (2013), pp.15-24.

⑨L. R. F. Henneman, et al., “Assessing Emissions Levels and Costs Associated with Climate and Air Pollution Policies in South Africa”,EnergyPolicy, Vol.89, No.2 (2016), pp.160-170.

⑩O. B. Radu, et al., “Exploring Synergies between Climate and Air Quality Policies Using Long-term Global and Regional Emission Scenarios”,AtmosphericEnvironmental, Vol.140, No.9 (2016), pp.577-591.