黄河流域碳排放区域差异、成因及脱钩分析

公维凤 范振月 王传会 赵梦真

摘 要：为了给黄河流域低碳转型和高质量发展决策提供参考，利用2000—2018年面板数据和STIRPAT模型，测算了2000—2018年黄河流域的碳排放量，比较沿黄9省（区）碳排放的区域差异及各驱动因素的空间异质性，分析黄河流域碳排放及经济增长之间的关系。结果表明：黄河流域整体碳排放量较大，沿黄9省（区）碳排放量存在明显差异，黄河中下游的山西、陕西、河南、山东4省份属于高排放区，黄河上游的四川和内蒙古2省（区）属于中排放区，青海、宁夏和甘肃3省（区）属于低排放区域;不同驱动因素的碳排放量弹性系数存在差异，经济快速增长是各省（区）碳排放量增加的主要驱动因素，碳排放与经济增长之间存在明显的倒U形库兹涅茨曲线;黄河流域整体碳排放与经济增长之间弹性脱钩状态大致经历了由增长连接到弱脱钩再到强脱钩的过程，脱钩趋势向好，9省（区）碳排放与经济增长之间的弹性脱钩状态存在区域异质性。

关键词：碳排放;驱动因素;EKC检验;弹性脱钩;高质量发展;黄河流域

中图分类号：F201;TV882.1   文献标志码：A

doi：10.3969/j.issn.1000-1379.2021.12.003

引用格式：公维凤，范振月，王传会，等.黄河流域碳排放区域差异、成因及脱钩分析[J].人民黄河，2021，43（12）：12-17.

Abstract：In order to provide a reference for the low-carbon transition and high-quality development decision-making of the Yellow River Basin， using panel data from 2000 to 2018 and the STIRPAT model， the carbon emissions of the Yellow River Basin from 2000 to 2018 were calculated. And the carbon emissions of 9 provinces （regions） along the Yellow River were compared. Regional differences and spatial heterogeneity of various driving factors were analyzed. The relationship between carbon emissions and economic growth in the Yellow River Basin were also analyzed. The results show that the overall carbon emissions of the Yellow River Basin are relatively larger. There are significant differences in the carbon emissions of the 9 provinces （regions） along the Yellow River. The four provinces of Shanxi， Shaanxi， Henan， and Shandong in the middle and lower reaches of the Yellow River belong to high-carbon emission areas. Inner Mongolia is a medium-emission area， and Qinghai， Ningxia and Gansu provinces （regions） are low-emission areas. Different driving factors have different elastic coefficients for carbon emissions. Rapid economic growth is the main driving factor for the increase of carbon emissions in various provinces （regions）. There is an obvious inverted U-shaped Kuznets curve between carbon emissions and economic growth. The state of elastic decoupling between overall carbon emissions and economic growth in the Yellow River Basin has roughly experienced a process of growth connection to weak decoupling and then strong decoupling. The decoupling trend is improving. There are regional heterogeneity about the elastic decoupling states between carbon emissions and economic growth in 9 provinces （regions）.

Key words： carbon emissions; driving factors; EKC test; elastic decoupling; high-quality development; Yellow River Basin

全面分析沿黃各省（区）碳排放空间异质性及其与经济发展之间的关系，对实现黄河流域高质量发展具有重要意义。众多学者的研究[1-9]表明，各地区碳排放影响因素不同。有关学者验证了中国库兹涅茨曲线（EKC）的存在[10-12]，其形状可反映碳排放和经济增长之间的关系。经济合作与发展组织（OECD）提出的“脱钩”是指经济增长与环境污染不具有关联性，得到了国内外学者的广泛认可[13]。Tapio建立了较为完整的脱钩评价指标体系[14]，很多学者从国家层面、区域层面、省域层面分别验证了经济增长与碳排放之间的脱钩关系[15-19]。笔者测算了黄河流域整体及沿黄9省（区）的碳排放量，比较各省（区）碳排放地区差异及其驱动因素，探究各驱动因素的空间异质性，检验各省（区）库兹涅茨曲线的存在性，判别各省（区）碳排放与经济增长之间的长期变化趋势，分析各省（区）碳排放弹性脱钩状态，以期为黄河流域低碳转型和高质量发展决策提供参考。

1 碳排放的区域差异分析

1.1 碳排放量的估算方法

通过收集沿黄9省（区）统计年鉴、《中国能源统计年鉴》《中国技术统计年鉴》中的有关数据，以2000—2018年的数据为统计样本，采用排放系数法对各省（区）历年碳排放量进行估算，公式为

C=∑EiFi（1）

式中：C为碳排放量;Ei为第i种能源消耗量;Fi为第i种能源碳排放系数，煤炭、石油和天然气这3种化石能源的碳排放系数分别为0.754 7、0.573 1和0.448 3。

1.2 碳排放量区域差异分析

沿黄各省（区）人口、资源、经济发展水平等各不相同，导致碳排放量存在明显的地区异质性（见图1），因此根据各省份年均碳排放量对9省（区）进行区域划分：将碳排放量在4 000万t/a以下的省（区）划为低排放区，包括黄河上游的青海、甘肃、宁夏3省（区）;将碳排放量为4 000万～8 000万t/a的省（区）划为中排放区，包括黄河上游的四川、内蒙古2省（区）;将碳排放量在8 000万t/a以上的省份划为高排放区，包括黄河中游的陕西、山西和下游的河南、山东4 省。

由图1可知：总体来看，沿黄9省（区） 2000—2018年碳排放量均呈阶段性增加，2000—2005年波动较大，而2006—2018年趋于平稳;宁夏、青海、甘肃3省（区）碳排放量及增速均较小，内蒙古、四川2省（区）碳排放量变化趋势比较平稳，而陕西、山西、山东和河南4省碳排放量明显居于较高水平且变化趋势不稳定，具体表现在2005年之前碳排放量变化幅度较大（尤其陕西省波动较大），2006—2013年逐年增加但增速变缓，2014年以后有下降趋势。

2 碳排放的驱动因素分析

2.1 模型构建及数据处理

2.1.1 STIRPAT模型

STIRPAT模型[2]可用于分析人文因素对环境的影响，其形式为

I=aPbAcTdμ（2）

式中：I为环境指标，在本文中代表碳排放量;P、A、T分别为人口、人均GDP和技术水平指标，其中技术水平指标用能源强度代表;a为系数;b、c、d为上述相应指标的指数;μ为模型的误差项。

在给定的显著性水平α下，若F<Fα（N-1，Nt-N-k），则选用常截距模型进行评估分析，否则选用变截距模型进行评估分析。若选用变截距模型，还需通过Hausman检验来确定利用固定效应模型还是随机效应模型。

2.2 不同区域碳排放的影响因素实证分析

2.2.1 各类排放区域的模型检验结果分析

运用Stata14.0对上述高、中、低三类排放区及黄河流域整体的面板数据进行F检验和Hausman检验，三类排放区和黄河流域整体数据都比较适合用固定效应模型进行评估分析，并采用工具变量法中的GMM方法来消除解释变量内生性的影响。按照式（4）进行拟合，各参数拟合结果见表1。从总体情况来看，高、中、低排放区及流域整体可决系数（R2）都接近于1，拟合优度较高，F值也较大，说明模型拟合效果较好。

由表1可知：①3类排放区和流域整体模型中人口弹性系数（b）均为负值，可解释为人口增长推动了技术的发展，从而减轻了对环境造成的负面影响;②人均GDP弹性系数（c1）都较大，说明目前经济增长仍是黄河流域碳排放的主要驱动因素;③各类排放区的技术水平、产业结构、城镇化水平弹性系数（d、h、g）的正负号不完全相同，说明这3个因素对碳排放产生的影响是双向的，一方面能够在一定程度上缓解碳排放量的快速增长，另一方面则会带来一定的经济压力，增加碳排放量;④在能源消费结构方面，煤炭消耗比重的弹性系数（e）均为正值，石油消耗比重的弹性系数（f）均为负值，且各类排放区煤炭消耗比重的弹性系数绝对值普遍大于相应区域石油消耗比重的，说明煤炭的消耗比重提高所增加的碳排放量超过了石油消耗比重提高所减少的碳排放量，因此应调整、优化能源消费结构。

各模型回归结果中c1均大于0、c2均小于0，因此各区域碳排放量与经济增长之间存在明显的倒U形EKC曲线，即在经济飞速发展的初级阶段碳排放量随着经济的增长而增加，当经济发展到一定程度（阶段）后碳排放量随着经济的增长而减少。另外，高、中、低三类排放区及黄河流域整体的倒U形EKC曲线在拐点处的人均GDP分别为14.5、12.5、12.3、22.5萬元，根据目前黄河流域的经济发展水平，短期内很难达到拐点的水平，即到达相应的拐点还需要经过漫长且艰难的努力。

2.2.2 各省（区）碳排放驱动因素分析及库兹涅茨曲线检验

黄河流域各省（区）碳排放驱动因素存在较大差异。由表2可知，各省（区）模型拟合的可决系数（R2）都接近于1，说明拟合结果比较理想。

由表2可知：①属高排放区的山东、河南、山西、陕西省人均GDP弹性系数皆为正值，即经济增长会使得碳排放量增加，而人口、能源结构、产业结构、城镇化水平和技术水平的弹性系数有正有负，即这些驱动因素在不同省份表现出来的效应是不同的;②属中排放区的四川和内蒙古2省（区）人均GDP、人口、技术水平弹性系数为正值，即这3个因素对这2个省（区）碳排放量有正向驱动作用，而能源结构、产业结构、城镇化水平的弹性系数有正有负，即这3个驱动因素在这2个省（区）有不同的效应;③属低排放区的甘肃、青海和宁夏3省（区）人均GDP、人口、技术水平、产业结构的弹性系数都是正值，即这些因素对这3个省（区）碳排放量有正向驱动作用。

3 碳排放与经济增长之间的弹性脱钩实证分析

3.1 Tapio弹性脱钩模型

采用Tapio弹性脱钩模型，分析黄河流域9省（区）碳排放与经济增长之间、能源消耗与经济增长之间的弹性脱钩关系。在Tapio弹性脱钩模型中，碳排放和经济增长之间的弹性脱钩指标关系式为

3.2 黄河流域整体碳排放与经济增长之间的弹性脱钩状态分析

2000—2018年黄河流域整体碳排放与经济增长之间的弹性脱钩指数及脱钩状态变化情况见表3，可以看出，黄河流域整体碳排放与经济增长之间弹性脱钩状态大致经历了由增长连接到弱脱钩再到强脱钩的过程，在2000—2003年呈现连续的增长连接状态，2003—2004年呈现短暂的弱脱钩状态，但2004—2005年又呈现增长连接状态，2005—2012年呈现连续弱脱钩状态，2012—2015年呈现连续强脱钩状态，2015—2016年呈现短暂的弱脱钩状态，2016—2018年又呈现强脱钩状态，脱钩趋势大致向好。

3.3 各省（区）碳排放与经济增长之间的弹性脱钩状态分析

2000—2018年黄河流域9省（区）碳排放与经济增长之间的弹性脱钩指数及脱钩状态见表4。由表4和图2可知，各省（区）2000—2018年整个19 a跨度的碳排放与经济增长之间的脱钩状态，除陕西省呈现增长连接状态外，其他8省（区）均呈现不同程度的弱脱钩状态。

2000—2018年9省（区）碳排放与经济增长之间的弹性脱钩状态变化情况见表5。2000—2005年，山东、河南、山西、陕西、青海5省除个别年度外，碳排放与经济增长之间大都呈现增长连接状态，表明该时段这5个省碳排放增速比GDP增速快;2005—2018年，山东、河南、山西、陕西、甘肃、四川6省除个别年度外碳排放与经济增长之间大致呈现弱脱钩状态，内蒙古、宁夏、青海3省（区）有许多年度碳排放与经济增长之间处于增长连接状态。

黄河流域与长江经济带都横跨我国东部、中部、西部地区，地理位置、发展阶段与资源禀赋等的差异致使二者的碳排放影响因素存在差异，但也有相似之处。不同之处：碳排放量有差异，不同区域人口、城镇化水平、经济增长、产业结构等因素对碳排放的影响各不相同[9]，二者涉及省份的碳排放EKC曲线不尽相同，碳排放与经济增长之间脱钩状态的短期波动情况也存在差异。相似之处：人口、城镇化水平、经济增长、产业结构等因素对区域碳排放具有显著影响[9，20]，碳排放总量与人均GDP之间存在倒U形EKC曲线关系[20]，碳排放与经济增长之间均存在增长连接—弱脱钩—强脱钩波动变化过程[18-19]。

4 结论与建议

（1）黄河流域碳排放量较大且具有明显的地区差异。中下游的晋、陕、豫、鲁4省属于高排放区，可能原因是经济发展较快但属于粗放式发展，今后应转变经济发展方式，边发展边治理，走高质量发展道路;上游的川、内蒙古2省（区）属于中排放区，青、宁、甘3省（区）属于低排放区，这些省（区）生态资源相对丰富，工业化仍在继续，具备一定的后发优势，但需要发达区域的引领，应走生态和发展并重、可持续的创新发展道路。

（2）黄河流域碳排放与经济增长之间的脱钩状态虽存在短期波动，但长期趋势向好，大致呈现由增长连接到弱脱钩再到强脱钩的状态;沿黄9省（区）碳排放与经济增长之间的弹性脱钩状态存在区域异质性，长期趋势方面各省（区）碳排放与经济增长之间都存在倒U形EKC曲线关系，但短时间内难以达到拐点。

（3）黄河流域各地区应协调发展，以主要影响因素为突破口降低碳排放量。在经济发展方面，应走低碳发展道路，摒弃“先污染，再治理”的思想;在能源利用效率方面，应优化能源消费结构，改变以化石能源为主的状况;在人口因素方面，应培养全民环保意识;在城市化方面，应建设高素质、绿色、低碳、可持续的现代化都市;在产业结构方面，应不断调整、优化。

（4）黄河流域与长江经济带碳排放的影响因素、碳排放与经济增长之间脱钩状态长期趋势既有差异也有相似之处，黄河流域生态保护和高质量发展可借鉴长江经济带发展升级的经验，综合考虑各种因素制定合理的减排措施。

参考文献：

[1] CRAMER J C.A Demographic Perspective on Air Quality： Conceptual Issues Surrounding Environmental Impacts of Population Growth[J]. Human Ecology Review， 1996， 3： 191-196.

[2] YORK R，ROSA E A，DIETA T.STIRPAT， IPAT and IMPACT：Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[J]. Ecological Economics， 2003 （3）：351-365.

[3] ANG B W，ZHANG F Q.Inter-Regional Comparisons of Energy-Related CO2 Emissions Using the Decomposition Technique[J].Energy，1999（24）： 297-305.

[4] ZHOU P，ANG B W.Decomposition of Aggregate CO2 Emission： A Production-Theoretical Approach [J]. Energy Economics，2008，30（3）：1054-1061.

[5] 徐軍委，刘志华.基于对数平均权重分解法的我国二氧化碳排放因素分解研究[J].中国矿业，2014，23（12）：24-28.

[6] 李国志，李宗植.中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境，2010，20（5）：22-27.

[7] 王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010（1）：45-54.

[8] 巩芳，王芳.基于LMDI分解模型的内蒙古碳排放实证研究[J].干旱区资源与环境，2013，27（2）：36-40.

[9] 黄勤，何晴.长江经济带碳排放驱动因素及其空间特征：基于LMDI模型[J].财经科学，2017（5）：80-92.

[10] JALIL A，MAHMUD S F.Environment Kuznets Curve for CO2 Emissions： A Cointegration Analysis for China[J]. Energy Policy， 2009，37（12）：5167-5172.

[11] 张庆宇，张雨龙，潘斌斌.改革开放40年中国经济增长与碳排放影响因素分析[J].干旱区资源与环境，2019，33（10）：9-13.

[12] 蔡佳丽，张陶新.湖南省分行业碳排放与经济增长相关性研究：基于EKC曲线分析[J].中南林业科技大学学报（社会科学版），2019，13（5）：50-56.

[13] OECD.Indicators to Measure Decoupling of Environment Pressure from Economic Growth[R].Paris：OECD，2002：13-14.

[14] TAPIO P.Towards a Theory of Decoupling： Degrees of Decoupling in the EU and the Case of Road Traffic in Finland Between 1970 and 2001[J].Transport Policy， 2005（12）：137-151.

[15] LU I J，LIN S J，LEWIS C.Decomposition and Decoupling Effects of Carbon Dioxide Emission from Highway Transportation in Taiwan， Germany， Japan and South Korea[J]. Energy Policy，2007，5（6）：3226-3235.

[16] 郭承龍，周德群.二氧化碳排放与经济增长脱钩驱动因素及趋势分析[J].数学的实践与认识，2018，48（6）：69-78.

[17] 盖美，曹桂艳，田成诗，等.辽宁沿海经济带能源消费碳排放与区域经济增长脱钩分析[J].资源科学，2014，36（6）：1267-1277.

[18] 邢红.长江经济带能源消费碳排放与经济增长实证分析：基于弹性脱钩模型[J].资源开发与市场，2019，35（10）：1244-1251.

[19] 王凤婷，方恺，于畅.京津冀产业能源碳排放与经济增长脱钩弹性及驱动因素：基于Tapio脱钩和LMDI模型的实证[J].工业技术经济，2019，38（8）：32-40.

[20] 王健，甄庆媛.经济增长与CO2排放的关系研究：以长江经济带为例[J].金融与经济，2018（4）：36-45.

【责任编辑 张智民】