工业碳排放效率（精选9篇）
工业碳排放效率 第1篇
自生态效率 ( Eco - efficiency,EE) 的概念于1990年提出之后[3],已有众多关于区域、产业、园区的经济效率、环境效率、低碳效率、生态效率等领域的研究[4,5,6]。而关于电力工业的研究主要是研究其生产效率、运行效率或经济绩效[7,8],涉及到CO2或SO2,即计算电力工业环境绩效时,一般是将这两种非理想产出纳入投入或非期望产出指标体系[9,10,11]; 另外,还有关于电力工业在环境规制下的效率或绩效的研究,采用的分析方法主要是DEA、SBM - DEA、方向距离函数等[12,13,14,15]。总体来看,现有关于电力工业的效率或绩效的研究尚未考虑碳排放与污染排放的中国电力工业的生态效率问题。本文即是分析中国电力工业的生态效率,并将生态效率分解为经济效率、环境效率与低碳效率,进一步分析电力工业生态效率、经济效率、环境效率与低碳效率的关系,提出电力工业提高生态效率进而实现资源节约、减少污染排放、控制温室气体排放应对气候变化的对策。
1 生态效率分析框架
Schaltegger和Sturm[3]于1990年提出生态效率( Eco - efficiency,EE) 的概念,之后,世界可持续发展工商业委员会 ( WBCSD) 、经济合作与发展组织 ( OCED) 等均从不同角度提出了生态效率的解释[16,17]; 而以澳大利亚环境部提出的“用更少的能源和自然资源提供更多的产品和服务”得到更多的认同[18]。虽然生态效率的定义各不相同,但是都包括经济价值和环境影响[19]。在具体计算中,目前普遍接受的计算公式由WBCSD[20]提出,即以经济价值与环境影响比值的方式表达:
式 ( 1) 中,产品或服务的价值反映的是生产活动创造的经济效益; 环境影响指的是由于生产或提供服务对环境造成的生态负荷,反映的是原材料、能源的使用和废弃物的排放。通过提高生产效率或减少生产系统对物质原料的消耗强度以及废物排放数量可以提高生态效率。WBCSD[20]把产品或服务的生产或提供总量和净销售量作为一般性经济指标,增加值作为备选指标; 同时,WBCSD给出5个一般性环境影响指标,包括3个消耗指标 ( 能源、原材料、水) 和2个排放指标 ( 温室气体、破坏臭氧层物质) ,以及2个备选环境排放指标 ( 酸化气体、废物总量) 。
关于生态效率,部分文献也称之为生态经济效率。朱南等[21]认为,由于环境影响包含了经济环境和生态环境影响,可认为生态经济效率E是由该地区工业的经济效率 ( Economic Efficiency,简记为E1) 和生态效率 ( Ecological Efficiency,简记为E2)共同构成,即: 生态效率E = f ( E1,E2)+ ε。其中,经济效率E1反映的是在生产过程中投入经济资源产出各种工业产品价值的效率; 生态效率E2反映的是在生产过程中以污染物排放量为环境代价产出工业产品价值的效率。
王飞儿等[22]认为,生态效率模型中的生态负荷包括资源负荷和环境负荷,因此相应的生态效率可分为资源效率和环境效率。资源效率和环境效率分别从源头和末端的角度表征经济活动物质代谢的生态效率。在量化环境效率和资源效率的基础上构建生态效率模型:。
当前,应对气候变化已经成为国际社会、各行各业的共识,碳排放问题已经是各类效率计算中必须考虑的因素。基于此,本文结合朱南等[21]和王飞儿等[22]的分析思路,认为生态效率包含经济效率和环境效率,即:
2 DEA 模型
数据包络分析 ( DEA) 由Charnes等学者于1978年提出,是一种应用广泛的非参数绩效评估方法。DEA的CCR模型对决策单元规模有效性和技术性同时进行评价,即CCR模型中的DEA有效的决策单元既是规模适当又是技术管理水平高的评价方法;而BCC模型用于 专门评价 决策单元 技术有效性[23,24]。另外,CCR模型可分为投入导向及产出导向。投入导向是指在既有的产出水平下,应减少多少的投入才有效率; 产出导向则为在既有的投入下,应增加多少产出才是有效率的。基于减量化投入的基本原则,本文使用投入导向的CCR模型进行效率分析。
若线性规划 的最优解 为θ*、λ*、s*、s+ *,则: θ*= 1且s*= s+ *= 0,决策单元为DEA有效;θ*= 1但s–*或s+ *≠0,决策单元为DEA弱有效;θ*< 1,决策单元DEA无效。
给定效率计算的投入与产出指标求解DEA模型式 ( 6) ,可以分别得到电力工业的生态效率、经济效率与环境效率。
3 实证分析
3. 1 投入产出指标体系
结合本文的研究,生态效率的投入产出指标包括:( 1) 产品或服务的价值 ( 产出指标) 为发电量; ( 2) 资源投入指标为装机容量、从业人员数、原料投入 ( 原材料投入按发电用煤炭、石油、天然气计算,折合为标准煤) ; ( 3) 环境排放指标为SO2排放量、CO2排放量。
3. 2 样本选择及数据来源
装机容量、从业人员数、原料投入指标的数据和产出指标发电量的数据来源于《中国能源统计年鉴》 ( 2002—2012) 、《中国电力年鉴》 ( 2002—2012) 、《中国工业经济统计年鉴》 ( 2002—2012 )和《中国经济普查年鉴》 ( 2004) ; SO2排放量来源于《中国环境统计年报》 ( 2002—2012) ; CO2排放数据根据IPCC指导目录和其他方法可估算出电力工业CO2排放的数据,本文根据火电发电量、供电煤耗以及碳排 放强度3个驱动因 子的变化 来估算[25,26],其中涉及到的各类能源CO2排放系数参考陈诗一[27]的做法。电力工业的投入产出数据统计如表1所示。
3. 3 结果与讨论
由于DEA方法要求投入和产出指标之间满足等幅扩张性,即随着投入的增加产出不减少[21]。从表2可以看出,关于整个电力工业和火电行业生态效率的投入与产出指标均呈现正相关关系,说明本文所选取的投入与产出指标均符合等幅扩张性,因此能够反映中国电力工业相应的投入与产出关系。
根据上述我国电力工业生态效率评价指标体系,利用DEAP2. 1软件对我国电力工业生态效率、经济效率与环境效率进行分析,其结果如表3所示。
从整个电力工业来看,2001—2011年期间有6年时间的生态效率为1,其余5年的生态效率值在0. 943 ~ 1. 000之间,属于DEA无效,说明这5年投入的资源未得到充分有效利用,环境排放不符合减排的预期要求,要提高电力工业生态效率,就必须提高资源有效利用率,采取切实措施降低能源的消耗和污染物的排放; 有2年的时间经济效率为1,4年的时间环境效率为1,说明在2001—2011年期间经济效率低下是影响生态效率的主要原因,而且,2001—2011年环境效率的平均值高于经济效率的平均值,其中2003、2005和2010年环境效率在DEA有效的情况下经济效率DEA无效,也为此提供了佐证; 而2002、2006和2007年的生态效率、经济效率和环境效率均小于1,说明这3年中整个电力工业的资源投入、环境排放和经济产出效率与生产前沿面均存在一定的距离。
从火电行业来看,有4年时间的生态效率为1,其余7年的生态效率值在0. 949 ~ 1. 000之间,属于DEA无效,说明这7年投入的资源未得到充分有效利用,环境排放不符合减排的预期要求; 而且,火电行业的生态效率比整个电力工业生态效率整体偏低,说明火电行业的资源消耗、环境排放等是整个电力工业需要重点监管。
对整个电力工业与火电行业的评估结果进行比较 ( 如图1) ,可以发现二者的生态效率、经济效率和环境效率变化趋势是一致的,各效率值从2001年到2011年期间先下降后上升然后又下降,在2007年达到最低,2008年达到最高。在整个研究期内,火电行业的整体数值,包括生态效率、经济效率和环境效率,高于整个电力工业,这说明在国家节能减排政策背景下,电力工业虽然是以火电为主,但火电行业不断进行技术创新,并且取得了较好的效果。
3. 4 电力工业生态效率、经济效率与环境效率的回归分析
当效率值介于0和1之间,即被解释变量具有被切割或截 断的特点,此时,普通最小 二乘法( OLS) 不再适用于估计回归系数,采用OLS估计参数会带来严重的有偏和不一致,而Tobit模型 ( 也被称为截断回归模型) 的极大似然估计法能够避免OLS估计中的一些误差。
假设模型误差服从分布,标准的Tobit模型可以表示为:
式中: X'是解释变量; Y*i是潜变量; Yi是观测到的被解释变量; α是相关系数; δ是一个比例参数,用于表示Y的似然函数,它将作为参数的α一起被估计出来,实际上也是一般模型中残差的标准差。当Y*i≤0时,被观测到的变量Yi=0 ,被称为“受限制” 观测值; 当Y*i≥0时,Yi= Y*i被称为“无限制”观侧值。从式 ( 7) 可以看到,“受限制”观测值均取0, “无限制”观测值取其实际值。
由于本文计算得到的被解释变量生态效率介于0和1之间,参考朱南的分析思路,对式 ( 2) 展开具体分析,建立被解释变量E与解释变量E1和E2的Tobit回归模型:
回归结果如表4所示,得到的回归方程如下:
注: ***为在 1% 水平下显著,**为在 5% 水平下显著,- 表示显著性不明显
表4中,电力工业的β1= - 0. 1730,β2= 0. 2564,可得出E1对E有显著的负向影响,也就是说,在2001—2011年期间,通过提高整个电力工业的经济效率将使生态效率降低,其原因在于电力工业粗放式增长已经形成了较高的装机容量,而其中火电又占绝对优势; E2对E有的正向影响,但在统计上并不显著,即便如此,可以认为,当环境效率提高1个百分点时,生态效率将提高0. 2564倍。火电行业的分析结果与整个电力工业类似,火电行业的β1=- 0. 0292,β2= 0. 5237,虽然在统计上并不显著,但一个明显的变化就是,当火电行业环境效率提高1个百分点时,生态效率将提高0. 5237倍,说明火电行业的环境问题是影响整个电力工业生态效率的主要因素。由此可见,对于电力工业而言,需要在控制发电规模的情形下不断优化电能结构,并加强环境管理、技术创新,在保障经济增长的情况下不断提高环境效率和生态效率。
4 结语
我国老工业基地碳排放影响因素研究 第2篇
关键词：老工业基地；碳排放；LMDI方法；能源强度；能源消费结构；行业结构；行业规模
中图分类号：F224.0；F127 文献标志码：A 文章编号：1674-8131（2015）01-0095-07
一、引言
低碳经济的核心理念是减少人类的经济活动所产生的、排放到空气中的二氧化碳；老工业基地大多以传统工业为主，碳排放强度较高，面临的资源环境压力也较大，因此其低碳转型发展意义重大。要实现老工业基地低碳转型发展，首先必须要弄清楚老工业基地碳排放趋势及影响因素，因此，准确测算我国老工业基地的碳排放具有重要意义。关于碳排放及其影响因素，很多学者进行了大量的实证研究，比如Wang et al（2005）、Wu et al（2005）、徐国泉等（2006）、Fan et al（2007）、雷厉等（2011）、张占贞（2013）、潘雄锋（2011）、孙宁（2011）、王迪（2012）等所做的研究。但相关文献的研究方法还存在进一步改进的空间，研究视角也可进一步拓展。本文主要在两个方面进行了改进：一是采用“电（热）碳分摊”原则对碳排放量进行测量，测算结果更加科学准确；二是采用LMDI方法将老工业基地碳排放量的影响因素分解为产业规模、产业结构、能源强度和能源结构四个纬度，并将48个老工业基地的37个行业碳排放的影响因素分为行业规模、能源强度和能源结构三个纬度，这样从区域、行业两个层面的深入研究，增强了结论的政策意义以及政策建议的针对性。
二、测算方法和数据处理
1.碳排放量测算方法
本文基于工业行业终端能源消费口径的统计数据，采用排放系数法核算各老工业基地各细分行业的碳排放量，计算公式如下：
2.数据来源及处理
规模以上工业行业总产值、CPI价格指数以及能源消费量均来自老工业基地2007—2013年的《统计年鉴》；工业行业总产值变量均以2006年不变价格计算，测算区间为2006—2012年；能源消费主要包括四大类：原煤（吨）、汽油（吨）、柴油（吨）、电力（万千瓦时），四类能源的转换系数及碳排放系数如表1所示。
经过调整，研究样本中行业数量为37个；在所考察的120个老工业基地中，由于直辖市、计划单列市或省会城市的市辖区的地理位置和发展环境的特殊性，在研究样本中删去；在95个地级市中，经过筛选，有辽宁抚顺、辽宁锦州、安徽安庆、山西临汾等48个地级老工业基地数据较为齐全。所以，最终样本为48个老工业基地37个行业的数据。
三、老工业基地工业碳排放概况
图1是48个老工业基地2006—2012年37个行业年产值总和、行业二氧化碳排放总量、行业总值碳排放强度趋势图在计算碳排放强度时一般用碳排放量与GDP的比值，但在行业层面只有行业总产值数据，所以本文在计算碳排放强度时使用的是工业总产值的数据，计算结果相应偏低，但不影响比较结果。 。2006年我国48个老工业基地37个行业碳排放总量为3.46亿吨，到2012年增加到5.23亿吨，平均年增长率为7.23%，工业碳排放总量整体上仍呈上升趋势。同期，48个老工业基地工业行业产值总和也由2006年的46 676.86 亿元增加到2012年的96 854.58亿元，平均年增长率达到13.50%。二者的变动趋势显现出明显的一致性。行业总值碳排放强度2006年为0.741 4吨/万元，2012年为0.540 3吨/万元，平均每年增长率为-4.46%，呈明显的下降趋势。
图2是48个老工业基地2006—2012年的碳密度值。碳密度是二氧化碳的排放量与能源消耗量的比值，可以反映行业的能源消费结构。不同能源在提供能量时所释放的二氧化碳不同（王玮，2012），2006—2012年48个老工业基地碳密度平均为1.08，可见老工业基地能源消费中还是以煤炭消费为主；同时，2006—2012年行业碳密度呈现上升的趋势，平均年增长率为6.83%。
四、老工业基地碳排放因素分解分析
采用LMDI方法将48个老工业基地碳排放量的影响因素分为产业规模、产业结构、能源强度以及能源结构四个维度（图3和图4）。
图3是老工业基地工业行业各因素碳排放量变化贡献值趋势。老工业基地规模以上工业企业产业规模的扩大（即经济总产值的不断增加）对碳排放量变动的贡献最大，2007年是-2 986.94万吨，然后一直上升到2012年的31 047.43万吨，是碳排放量增加的主要拉动因素。产业结构在2007年对工业碳排放量变动的贡献值为-174.06万吨，2011年为-879.88万吨，而2012年为-5.89万吨，对老工业基地碳排放的变动整体上显现抑制作用，也就是说随着国家节能减排政策的实施，相关行业发展受到抑制，产业结构发生变动，对规模以上工业企业碳排放确实起到了削减作用。能源强度代表技术水平，2007年能源强度对碳排放量变动的贡献值为9 090.71万吨，2012年为-13 932.50万吨，说明技术水平的不断提高对碳排放起到了抑制作用，对于碳减排具有重要意义。2007年能源结构对碳排放量变动的贡献值为339.45万吨，2012年为1 409.69万吨，对老工业基地碳排放的变动整体上显现促进作用，说明能源结构的调整对老工业基地碳减排的作用还有待进一步提高。
图4 是老工业基地各因素碳排放量变化贡献率趋势。贡献率>1的因素称为碳排放增加的拉动因素，贡献率<1的因素称为碳排放增加的抑制因素。产业规模贡献率由2007年的0.921 9增加到2012年的2.063 1，期内虽然有所波动，但基本上都显现于大于1的趋势，说明产业规模因素对老工业基地工业企业碳排放增加具有正向拉动作用。产业结构的贡献率在2007年为0.995 3，2012年为0.999 9，2006—2012年的平均贡献率为0.989 0，说明产业结构的优化对碳减排起到了一定的促进作用。能源强度在样本期内显两极分化状态，2006—2009年贡献率大于1，而从2009年开始一直小于1，表明其对工业碳排放的增加由最初的促进作用转向抑制作用，反映出老工业基地工业企业的技术水平得到提高，提高了能源的利用率。能源结构的贡献率基本上都大于1，说明能源结构仍然是影响工业企业碳排放的一个主要因素。
根据LMDI分解模型，对2006—2012年48个老工业基地的37个行业碳排放的影响因素进行分解，将影响因素分为行业规模、能源强度和能源结构三个维度（见表2）。
2006—2012年48个老工业基地的大部分行业的碳排放量都呈现出增长的趋势，其中煤炭开采和洗选业、电力热力的生产和供应业、黑色金属冶炼和压延加工业、有色金属冶炼及压延加工业、非金属矿物制造品业、化学原料及制品制造业的碳排放量变化的幅度较大。这6个行业碳排放变化幅度均在3 500万吨以上，使碳排放量增加了62 353.93万吨，可见这6个行业是老工业基地碳排放的密集行业，应该成为重点减排行业。而石油加工炼焦和核燃料加工业、石油和天然气开采业、废弃资源综合利用业、化学纤维制造业、其他制造业和烟草制品业的碳排放量在整体上是呈下降的趋势。
老工业基地37个行业的行业规模对碳排放量的影响均呈现出促进作用。黑色金属冶炼及压延加工业、电力热力的生产和供应业、化学原料及制品制造业、有色金属冶炼及压延加工业、非金属矿物制造品业、煤炭开采和洗选业以及石油加工炼焦和核燃料加工业的行业规模的促进作用尤为显著，这7个行业的经济规模对碳排放的贡献值均在1 200万吨以上，使得老工业基地的碳排放量增加了23 212.34万吨。这些行业属于大型制造业，规模一般情况下都比较大，其对碳排放的影响也比较明显，应重点考虑适时减小其行业规模。而文教工美体育娱乐用品制造业和烟草制品业等行业的规模较小，其对碳排放的影响也较小。
老工业基地的37个行业中除纺织服装和服饰业、印刷和记录媒介复制业、仪器仪表制造业、家具制造业、木材加工和木竹藤棕草制品业、有色金属矿采选业以及农副食品加工业的其他30个分行业的能源强度对碳排放量增量呈现出抑制作用，可能的原因是这些行业技术进步较快，产值增长幅度远超能源消耗增幅。电力热力的生产和供应业、煤炭开采和洗选业、石油加工炼焦和核燃料加工业、黑色金属冶炼及压延加工业、化学原料及制品制造业以及非金属矿物制造品业等行业的能源强度对碳减排的促进作用最为明显，2006—2012年这6个行业的能源强度使老工业基地的碳排放降低了57 834.40万吨。而对于能源强度对碳排放量的贡献值为正值的行业，应努力提高其技术水平，改善其能源强度。
老工业基地37个行业的能源结构对碳排放的影响不同。其中：煤炭开采和洗选业、电力热力的生产和供应业、金属制品业、酒饮料和精制茶制造业、电气机械及器材制造业、印刷业和记录媒介的复制、家具制造业、其他制造业和纺织服装服饰业的能源结构对碳排放量增量起到抑制作用，减少了666.19万吨的碳排放量，可能的原因是这些行业对煤炭消耗较少而对电力消耗较多；其余行业的能源结构均促进了二氧化碳的排放量，其中黑色金属冶炼及压延加工业、石油加工炼焦和核燃料加工业、化学原料及制品制造业以及非金属矿物制造品业的能源结构明显增加了碳排放量，2006—2012年这4个行业的能源结构对碳排放增量的贡献值为3 217.78万吨。从整体来看，全行业的能源结构对碳排放量的贡献值为4 287.66万吨，说明整个工业行业的能源结构仍需进一步优化。
五、结论及建议
本文通过考察我国48个老工业基地2006—2012年碳排放量的总体趋势及区域、行业碳排放影响因素，得到如下结论：
第一，老工业基地能源消费中还是以煤炭消费为主，2006—2012年的煤炭消费占总能源消费的比例平均达到 89.99%。可见，我国老工业基地工业行业能源结构还不合理，需要进一步改善能源结构。
第二，从地区层面来考察，在影响老工业基地工业行业碳排放的四大因素中，产业规模和能源结构是影响碳排放的主要拉动因素，其中，产业规模又是最主要的拉动因素；产业结构和能源强度是影响碳排放的重要制约因素，其中能源强度又是最主要因素。
第三，从行业层面来考察：（1）行业规模对我国老工业基地的37个行业碳排放量均表现出促进作用，其中对黑色金属冶炼及压延加工业、化学原料及制品制造业等7行业的促进作用较对烟草制品等行业的促进作用大；（2）能源强度对我国老工业基地的37个行业中的纺织服装和服饰业及印刷和记录媒介复制业等7行业碳排放量的贡献值为正值，其余30个行业均为负值，即能源强度对这7行业的碳排放起到促进作用，而对电力热力的生产和供应业、煤炭开采和洗选业等6行业的碳排放的抑制效应最为明显；（3）能源结构对我国老工业基地37个行业中的煤炭开采和洗选业、电力热力的生产和供应业等9行业的碳排放量具有抑制作用，其余行业的能源结构均促进了二氧化碳的排放，而其中能源结构对黑色金属冶炼及压延加工业、化学原料及制品制造业等4行业的碳排放量具有明显的拉动作用。
根据上述有关结论，本文认为老工业基地要实现低碳发展，可以采取以下措施：第一，适度控制工业产业规模，优化产业结构。在控制工业产业规模的同时调整产业结构，尤其应该降低黑色金属冶炼及压延加工业、化学原料及制品制造业等高排放行业的规模。第二，加快技术进步，进一步引进先进的生产技术和高效节能设备，加大对旧设备的更新与改造，加快产业转型升级。尤其要加大对黑色金属冶炼及压延加工业、化学原料及制品制造业以及非金属矿物制造品业等行业的科技投入，促进其技术进步，以提高其能源的利用效率。第三，进一步优化能源消费结构，在现有基础上逐步建立煤炭略有增长、石油平稳增长、天然气快速增长、非化石能源大幅增长的能源消费模式，重点转变黑色金属冶炼及压延加工业、石油加工炼焦和核燃料加工业、化学原料及制品制造业等行业的能源结构，使其能源结构利于减少碳排放量。
参考文献：
雷厉，仲云云，袁晓玲.2011.中国区域碳排放的因素分解模型及实证分析[J].当代经济科学（5）：59-65，126.
潘雄锋，舒涛，徐大伟.2011.中国制造业碳排放强度变动及其因素分解[J].中国人口·资源与环境（5）：101-105.
孙宁.2011.依靠技术进步实行制造业碳减排——基于制造业30个分行业碳排放的分解分析[J].中国科技论坛，（4）：44-48.
王迪，聂锐.2012.中国制造业碳排放的演变特征与影响因素分析[J].干旱区资源与环境（9）：132-136.
王玮.2012.碳排放驱动因素与减排潜力研究[D].武汉：华中师范大学.
徐国泉，刘则渊，姜照华.2006.中国碳排放的因素分解模型及实证分析：1995—2004[J].中国人口·资源与环境（6）：158-161.
张占贞.2013.基于KAYA模型的青岛市碳排放及驱动因素分析[J].青岛科技大学学报（社会科学版）（3）：84-87.
Ang. 2004. Decomposition analysis for policy making in energy ：which is the preferred method[J]. Energy Policy，32（9）：1131-1139.
Fan，Liu et al. 2007. Changes in carbon intensity in China： Empirical findings from 1980—2003[J]. Ecological Economics，62（3-4）：683-691.
Wang，Chen，Zou. 2005. Decomposition of energy-related CO2 emission in China：1957—2000[J]. Energy，30（1）：73-83.
Wu，Kaneko，Matsuoka. 2005. Driving forces behind the stagnancy of China s energy-related CO2 emissions from 1996 to 1999：the relative importance of structural change， intensity change and scale change[J].Energy policy，33（3）：319-335.
工业企业碳排放绩效评价体系研究 第3篇
气候变化是全球面临的重大环境问题,越来越受到国际社会的关注。我国作为世界上碳排放量最大的国家,解决好环境给我国经济发展带来的压力是当前亟待解决的问题。我国承诺2020年单位GDP的CO2排放量将比2005年减少40%～45%,并拟将通过统计、监测、考核、问责等手段来实现这一约束指标。“十二五”规划纲要提出了国内生产总值能耗降低16%、主要污染物排放总量减少10%的总目标。工业企业作为节能减排主力军更应该发挥积极作用,如何评价工业企业碳排放的绩效,调动工业企业减少碳排放和能源消耗的积极性是目前我国经济发展亟待解决的问题。
1国内外文献综述
发达国家对能源效率评价研究起步比较早。目前,国际上通用的评价体系包括:英国能源行业指标体系、WEC能源效率指标体系、EU能源效率指标体系、IAEA可持续发展能源指标体系等。这些指标体系为我国建立碳排放绩效评价指标体系提供了借鉴。
国内学者对该问题也展开了长期的研究。石磊等(2013)[1]着重分析了企业碳排放行为的内涵特征,通过识别企业节能行为的内部、外部因素,从政府、企业与社会角度提出落实节能减排目标的评价体系与政策。王彦彭(2009)[2]从宏观上构建了一套可量化的碳排放指标体系,其中包括工业及重点领域能源消耗、能源效率与结构、工农业用水与节水、污染物排放量、污染物治理与利用以及环境质量6个方面。王丽萍、史玉凤(2009)[3]以高耗能、节能减排潜力大的电力行业和化工行业为例,将结果指标与过程指标相结合,为重大工程项目建立了一套碳排放指标体系,且给出了具体指标的计算公式。刘爱芳、张彩庆、段铷(2006)[4]在肯定了建筑业节能方面的一些进展的同时,也提出了存在问题。然后针对建筑行业建立了一套碳排放的指标体系。孙霄凌、施卫东(2008)[5]综合国内外相关的能源可持续发展水平评价方法,利用相关数据,建立了我国能源可持续发展的评价指标并进行了实证分析。张良强、刘香旭(2008)[6]则以福建省为例,采用平衡计分卡的方式,建立了我国建设资源节约型社会的评价指标,并加以验证。沈骋、邓明然、褚义景(2010)[7]首先从改进生产设备、改进工艺流程2个方面介绍了科技创新对节能减排工作的促进作用,接着根据平衡计分卡的思想构建了一个节能减排评价体系,以期给相关政府部门提供参考。杨华峰、姜维军(2008)[8]在探讨了评价指标体系设计原则的基础上,从资源消耗、无害化、污染物排放、综合利用、以及支撑能力等维度构建评价指标与体系。余岳峰、陶坚刚(2008)[9]选取张江科技园区集成电路和生物医药多家企业数据,通过工业总产值、综合能耗两项数据,采用算术平均法及加权平均法,分析了两个产业的总体用能水平和能耗状况。章泓(2008)[10]在分析了现有碳排放考核指标的状况后,总结了现有碳排放评价考核指标存在的局限性,指出结合财务评价指标可以更加科学地评价工业企业碳排放工作。
综上所述,对微观层面尤其是企业的减排绩效进行研究才刚刚开始,经过对上述文献的梳理,可以发现:从宏观与中观层面提及节能减排比较多,但以企业为研究对象还少有涉及。学者们多集中在笼统地对工业企业碳排放概念与内涵进行界定,对绩效评价因素还不够详细与全面。联系实际的研究还较少,以前的指标未能很好地结合企业实际,可操作性有待进一步考究,尤其是针对“三高”企业的验证几乎没有涉及。
2工业企业碳排放绩效评价的内涵界定与基本理论
现有研究并未对工业企业碳排放的绩效评价进行一个清楚界定。因此,本文借鉴环境绩效评价的概念对所研究对象进行界定。
借鉴胡嵩对环境绩效内涵界定,本文所指的企业碳排放绩效分为财务绩效和非财务绩效。财务绩效是指在企业内部产生的碳排放问题,企业为解决此问题所引致的财务效果;非财务绩效即节能减排质量绩效,包括企业生产经营过程中,在社会环境保护、抑制环境污染、提高能源使用效率、减少资源耗费方面获得的绩效。对工业企业碳排放绩效进行科学评价,是一套系统科学的评价过程,主要包括设置目标、搜集数据、评价信息、对考核过程进行考查与反馈等步骤。
本文提出的工业企业碳排放绩效评价的基本理论主要包括:第一,生态效益理论。即工业化的初期,环境问题不太重视,工业化高速期,环境更加趋于恶化;工业化完成时,开始重视环境问题。我国当前正处于工业化高速发展时期,对环境问题仍然不十分敏感,由此也证明了在我国进行资源保护、节能减排的重要性。第二,企业战略绩效评价理论。即通过从战略的角度对目前企业的运营现状与绩效进行科学的评价,意在不断提升企业的发展潜能与实力。一般的绩效评价是滞后的,所以要建立动态的战略性的评价体系。第三,利益相关理论。企业本身就是不同利益相关者为了取得预期收益而不断投入资源的过程与契约,本文基于此理论建立评价体系的逻辑模型。
3指标体系构建
本文在明确了企业碳排放绩效评价涵义的前提下,在利益相关者理论、生态效益理论的支撑下,结合平衡计分卡动态评价的方法进行评价指标的设计。
3.1指标选取的原则
指标选取主要遵行综合性、代表性、针对性、独立性、可比性、定量与定性相结合、数据易得性的原则。指标的全面性和易取数是比较难调节的,适用范围和典型性也是不可调和的,本文为了实证研究的目的,在对指标的全面性和数据的易得性权衡后,进行工业企业碳排放绩效评价指标体系的设计,希望该设计既能较全面评价又易操作计量,尤其是在外部使用者不能接触企业内部资料的情况下。
3.2指标体系选取依据
①一级指标选取。
结合平衡计分卡的思想,将企业碳排放绩效的一级指标分为下列4个维度:观念维度、组织维度、过程维度和财务维度。
②二级指标选取。
借鉴已有的绩效评价体系以及利益相关者理论,结合指标选取的原则,将一级指标分解为8个二级指标,22个三级指标分别用于解释一、二级指标。其中6个定性指标,16个定量指标。如表1所示。
3.3指标评价方法
①定量指标,采用客观的主成分分析法。
其基本步骤如下:收集样本数据;指标数据标准化处理;减少因为数据指标的量纲差别对于考核结果造成的对比影响;计算相关系数矩阵;计算矩阵R的特征值与向量;选取主成分,进一步建立综合考核函数[11]。
②定性指标,采用主观的专家评价法。
本体系中有6个定性指标,所有指标均以优、良、中、及格、差5个级别加以判断,然后汇总换算为百分制分数。
③最终定量定性指标综合评价。
在实践中运用这些指标对企业碳排放绩效进行评价时,本文参考欧盟《关于企业环境保护效率考核研究建议》中的评价办法,把定量考核指标的权数定为80%,而定性指标的权数定为20%,得出最终考核分数:最
终考核分数=计量指标评价分数80%+非计量指标评价分数20%。
4实证研究
我国上市公司碳排放信息披露的时间比较晚,且国家并未制定统一的披露标准。这样信息披露质量差,给数据的选取带来很大困难,成为本文验证评价指标体系的难点。本文的数据为上市公司的社会责任报告和千家企业能源公报。
4.1数据获取
①时间的选择。
本文数据来自色诺芬数据库,2010年煤炭上市公司财务数据、2010年千家企业能源公报、社会责任报告等公开信息。
②企业的选取。
本文数据以煤炭企业为例,选择煤炭上市公司的原因有:一是考虑数据的重要性。煤炭行业属于高污染高耗能行业,数据具有代表性;二是考虑数据的可靠性。《A股上市公司社会责任报告蓝皮书2011》统计结果表明,煤炭行业的质量远高于其他行业。
③样本的选取。
2010年发布社会责任的上市公司有371家,其中煤炭行业10家。通过对10家煤炭企业社会责任报告的详细阅读,以期提取相关的节能减排投入产出方面的信息。最后确定了5家信息比较全面且有可比性的煤炭上市公司,分别是中国神华、西山煤电、冀中能源、煤气化以及露天煤业。
4.2定量指标的考核
①数值指标的获取。作者在获得数据时,查阅了大量资料,最后从社会责任报表、千家企业能源公报等途径搜集整理了珍贵的原始数据,以前文评价体系为导向,排除无法获取的某些指标,最终确定了12个定量指标。定量指标表见表2。
②数值标准化。将初始数值加以标准形态的处理。考核绩效,因为各指标单位不一致,无法直接使用最初获得的数值运算,必须将最初数值的量纲彻底减除掉,依照上述所涉及的公式,得到数值无量纲化结果。原始数据经过预处理。
③运算企业样本数值的相关矩阵。根据样本数据的相关系数矩阵知道,12个指标相互有着很大的相关性,即这12个考核指标代表企业碳排放信息重复性很强。
④使用SPSS17.0软件因子分析寻找主成分,所用的是方差最大正交旋转法提取主成分。逐个运算出特征值与方差贡献率、碎石图、旋转成分矩阵和成份得分系数矩阵。
由计算可知,共提取三个因子,其旋转后的方差贡献率分别达到41.358%、38.417%与15.955%,三个因子旋转后的累积贡献率共计95.73%,说明这三个因子包含了95.73%的信息,提取的3个主成分足以替代原来的12个考核指标对节能减排绩效的所有内涵。因此,用这3个主成分替代原来的12个考核指标对碳排放绩效加以分析。
以每个主成分的贡献率和每个主成分的特征向量看,第一个主成分(F1)对节能减排绩效的影响最大,单个贡献率达到41.358%。这一成分中最重要的因素是净资产收益率(净利润)、净资产收益率(营业利润)、资产收益率、营业收入增长率、采区回采率,表明这个成份大量反映了企业的收益及回采率信息。第二个主成分(F2)对节能减排绩效的影响稍小于第1个主成分,单个贡献率为38.417%。主成分中最主要的影响因素有总资产增长率、营业利润增长率、费用利润率、矿井水利用率、节能减排技术投入率,次主成分体现过程。第三个主成分(F3)的影响远小于前两个成分,贡献率接近16%。主要由固定资产周转率和煤矸石综合利用率影响,因此,可以概括为综合影响信息。经过对上述主成分的评价,明显看到影响煤炭企业节能减排绩效的重要指标为:收益率指标、过程指标及综合指标,三项特征值代表的信息占全部信息量的95%还要多。
由得分系数矩阵可获得主成分F1,F2,F3的如下线性表达式:
F1=0.214Z1+0.285Z2+0.237Z3-0.073Z4+0.138Z5-0.004Z6-0.149Z7+0.144Z8+0.07Z9-0.02Z10+0.247Z11-0.151Z12
F2=-0.046Z1-0.136Z2-0.074Z3+0.244Z4+0.034Z5+0.183Z6+0.295Z7-0.078Z8-0.005Z9+0.2Z10-0.147Z11+0.295Z12
F3=0.077Z1+0.159Z2+0.117Z3-0.181Z4-0.065Z5+0.021Z6+0.085Z7+0.517Z8-0.421Z9-0.106Z10-0.105Z11-0.001Z12
综上所述,将上述提取的三个主成分概括为:第一主成分(F1)为经济效益类指标,所占权重为41.358%;第二主成分(F2)为科技投入类指标,所占权重为38.417%;第三主成分(F3)为综合利用类指标,所占权重为15.955%。
⑤考核结果及详细评述。
在对企业节能减排绩效评价指标体系进行主成分分析时,取出三个主成分,即用主成分F1,F2,F3的方差贡献率为权数,分别为41.358%、38.417%和15.955%,由此建立整体评价模型:F=41.358%F1+38.417%F2+15.955%F3。
要想考查整体情况,需要算出所有观测量的主成分数值和整体评价模型的分值,如表3所示。
表3的最终F值只能用于样本之间定量指标的横向比较,而非定量指标的百分制分数,不能与定性指标进行加权。因此,本文进行百分制分数标准化,设标准得分Xi=max(Fi)为100,其余得分按其所占比例进行换算。即:undefined最后得分,X=41.358%X1+38.417%X2+15.955%X3,结果如表4所示。
定量分析来看,中国神华的效果不是很好,由于数据进行了标准化,说明该企业的相对投入量不足;从本文对煤炭上市公司的分析来看,经济效益和科技投入是对企业碳排放影响较大的因素。因此,对碳排放考核不能只对结果指标进行考核,同时还应该关注企业的投入及经济效益。
5结 论
综上所述,对企业碳排放绩效评价指标体系的研究,不仅有利于企业健康有序发展,而且能协调与平衡企业经济、社会与生态效益。企业可以有效运用科学的绩效评价体系来完善自己的节能减排措施,科学识别企业发展中的不足与漏洞,明确节能减排机制建设的阶段性目标。同时,也可以为国家、地方政府制定企业碳排放保障与外部机制提供依据,为行业规范的建立和标准的确定提供重要参考,有利于实现企业节能减排实践与国家节能减排政策、目标的成功对接。但在当前形势下,企业有效开展节能减排研究还存在着诸多不足与弊端,一方面企业节能减排不仅需要先进的技术、设备和设施等硬件环境,还需要科学的管理手段等软技术;另一方面,数据与方法应用中,由于条件的约束,本文仅对定量指标进行了分析,没有对定性指标分析,评价还不够全面。
参考文献
[1]石磊,谭雪,田乐,等.企业节能减排行为的内涵界定与影响因素分析[J].环境科技,2013(2):75-77.
[2]王彦彭.我国节能减排指标体系研究[J].煤炭经济研究,2009(2):31-32.
[3]王丽萍,史玉凤.重大工业工程项目节能减排评估指标体系的构建[J].长春大学学报,2009(1):18-21.
[4]刘爱芳,张彩庆,段铷.建筑节能评价指标体系的构建[J].电力需求侧管理,2006(1):39-41.
[5]孙霄凌,施卫东.我国区域能源可持续发展水平评价模型的构建与实证分析[J].资源与产业,2008(4):16-23.
[6]张良强,刘香旭.基于BSC的资源节约型社会评价指标体系研究[J].科学学研究2008(2):149-156.
[7]沈骋,邓明然,褚义景.面向资源和环境的企业节能减排评价体系研究[J].武汉理工大学学报,2010(4):49-52.
[8]杨华峰,姜维军.企业节能减排效果综合评价指标体系研究[J].工业技术经济,2008,27(10):55-57.
[9]余岳峰,陶坚刚.张江园区产业节能指标体系设计与研究[J].上海节能,2008(9):20-22.
[10]章泓.企业节能减排财务评价指标初探[J].浙江经济,2008(18):62-63.
工业碳排放效率 第4篇
关键词：碳排放；碳强度；区域差异；工业经济
中图分类号：F424 文献标志码：A 文章编号：1002-2589（2013）05-0080-02
一、东西部工业经济碳排放特征与差异
（一）东西部工业经济碳排放估算
本文从碳排放总量和碳强度两个指标对工业经济碳排放的东西部差异进行分析。碳强度是碳排放强度的简称，是碳排放量与地区生产总值的比值，用来衡量一国或地区经济同碳排放量之间的关系，并揭示出一个地区工业发展水平和工业经济发展模式。
根据联合国政府间气候变化专门委员会提供的碳排放计算方法计算碳排放量。计算公式为：
C=■Ei×Ek
式中C为碳排放量（万吨）；Ki为第i种能源碳排放系数；Ei为第i种能源的消费量，按万吨标准煤计；i为能源种类。选取我国工业部门主要消耗的九种能源：原煤、焦炭、原油、燃料油、汽油、煤油、柴油、天然气和电力，估算东西部工业经济碳排放量。各种能源折标准煤的参考系数如下表1：
各能源的碳排放系数如下表2：
本文中，各种能源用于工业的消耗量来自各年度中国能源统计年鉴，工业GDP数据来自国家统计局网站。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。但资料中西藏、海南2002年和宁夏2000年至2002年的数据缺失，但因为碳排放量比重较轻，不影响结论，予以忽略。
（二）东西部工业经济碳排放差异
1.碳排放总量的差异
东部工业经济碳排放总量远远高于西部，2010年达到西部的1.68倍。东西部工业经济碳排放量均呈现逐年上升的趋势。东部的年均增长率为12.75%，西部地区的年均增长率为12.38%。东部在2006年至2007年间的增长速度明显快于其他年份，且在2010年末，有加速增长的趋势。西部总体呈现平缓上升的态势。东西部工业经济碳排放量差距总体上呈现越来越大的趋势。
2.碳排放强度的差异
西部工业碳排放强度一直高于东部。这说明了东部地区经济发展和环境的协调性相对西部较好。西部碳强度逐年下降，年均减速为4.77%。这说明了西部地区经济发展的潜力好，随着经济发展，单位GDP增量带来的碳排放增量越小。东部11年间变化幅度很小，总体上经历小幅上升再下降的趋势。
二、东西部碳排放差异的原因分析
（一）西部重工业占比大，能源消费多
西部地区自然资源丰富，除云南、广西等少数省区外，西部其余省区重工业在工业中的比重均高于全国平均水平，而且重工业中采选业、冶炼业等耗能高的产业占有很高的份额。西部地区重工业能源消费占西部地区工业能源消费的比例一直在75%以上。
（二）东部工业结构优于西部
有研究表明，工业经济中，东部在高技术水平的行业总产值比重高于西部，而西部的行业总产值主要依赖于技术水平低的传统行业。西部虽然发展了一些高技术水平的行业，但是技术水平低的行业比重仍然相对较高，不同技术等级的行业发展有较大的差异，不能有效促进工业结构技术水平的提高。
（三）西部资源依赖型发展模式
西部相对东部缺乏资本、技术、人才等方面的优势，基于市场在资源配置中的基础性作用，西部长年依赖资源开发以拉动经济增长。资源依赖型的经济发展模式，对劳动和资本等要素具有挤出效应，各种经济要素向资源型行业流动，使高耗能行业得到发展快速。西部地区粗放型的能源利用，使碳排放进一步增加。
（四）东西部发展阶段和理念不同
高耗能企业可以就地转化当地的资源，且关联度强，与采矿、电、煤、运输业依存度大。为了经济总量的上升，对待高耗能、高污染的企业，西部没有全面提高“绿色门槛”。东部的企业由于成本不断上升，投资报酬递减，纷纷寻求新的低成本市场。通过“梯度发展”向新的腹地挺进是东部企业的必然选择。西部通过低廉的电价、低成本的土地征用等招商政策正好满足了东部地区不能容纳的“双高”企业。
三、政策建议
（一）分区域制定减排政策
东部的工业结构进入优化阶段，重工业资本、技术密集型企业占较大比重。西部工业发展滞后，轻重工业比重失调，重工业又多以劳动密集型产业为主，技术水平落后。中央政府有必要结合东西部各省市的具体发展阶段件制定不同的减排政策。对于因经济发展落后、工业企业技术水平低而不能短时间内达到减排目标的地区，可以适度放宽碳排放的约束指标。
（二）提升重工业技术水平
工业企业的技术水平越高，单位产成品的能耗越低，碳排放越少。东部的碳排放量高于西部，但碳强度却远远低于西部，正是东部工业技术水平高于西部的反映。因此，西部在发展经济的同时，要注重工业企业技术水平的提高。资源依赖型经济不能长久地存在下去。使高耗能企业不再耗能高，才是缩小东西部工业企业碳排放差距的根本途径。
（三）转变经济增长方式
减缓碳排放必须依赖产业结构的调整和碳排放强度的降低。后者的实现需要借助能源效率的提高和能源结构的改善。目前我国已经将建设资源节约型、环境友好型社会作为一项基本国策，并提出转变经济增长方式和可持续发展的战略。在今后的经济发展中，西部应适度发展高新技术产业，并进行传统产业改造，由GDP主导型向经济社会协调发展方式转变。
参考文献：
[1]史安娜，李淼.基于LMDI的南京市工业经济能源消费碳排放实证分析[J].资源科学，2011，（10）.
[2]刘源.西部地区工业结构调整构想[J].经济纵横，2000，（8）.
[3]肖黎姗，等.中国省际碳排放极化格局研究[J].中国人口、资源与环境，2011，（11）.
[4]陈秀益.基于技术水平的东中西部工业结构比较研究[D].重庆：重庆工商大学，2008.
[5]方勇.中国碳排放水平的区域差异及影响因素分析[D].南京：江苏大学，2011.
工业碳排放效率 第5篇
关键词：钢铁工业,碳排放,影响因素,分解分析
引言
钢铁工业作为我国的重要支柱产业,在为国民经济和社会发展提供重要基础原材料的同时,也是自然资源消耗、能源消耗和二氧化碳排放的主要行业。据统计,我国钢铁工业能源消耗总量约占全国能源消耗总量的15%,仅次于电力工业[1,2]。这主要是因为目前我国钢铁工业生产方式仍属于粗放型的生产方式,生产相对低附加值和高能耗的产品,并且钢铁工业的发展与能源需求之间存在着紧密的逻辑关系,即经济增长要求钢铁工业的快速发展,钢铁工业的快速发展会提高能源消费水平;另外,由于目前我国仍处于工业化阶段,工业化的特征体现为钢铁产品的消费增长较快,而相对于我国工业化进程中所需要的大量的钢铁产品来说,国际市场较小,只能依靠国内生产。因此,我国钢铁工业生产的产品和所消耗的能源需求是刚性的。
而对钢铁工业的经济发展、能源利用和温室气体排放相关的文献研究可以归为以下几类:(1)工业化是由低收入国家向中等收入国家经济发展不可避免的一个阶段。根据现有研究表明[3,4],目前我国尚处于工业化的过程中,在未来较长时间内,我国经济仍将保持高速增长,这也将会我国钢铁产品的需求,但是我国在目前的经济增长中却面临着较为严重的资源和生态环境约束[5]。陈诗一[6]指出,改革开放以来我国工业总体上已经实现了以技术驱动为特征的集约型增长方式转变,能源和资本是技术进步以外主要驱动因素;(2)随着全球二氧化碳排放的日益严峻,越来越多的学者开始研究在工业化过程中缓解由资源能源利用带来的温室气体排放问题。Friedl B.,G etnerM.[7]则通过以奥地利1960~1 999年期间的数据为对象,对经济发展和二氧化碳之间的关系进行了研究,研究结果确定了国内生产总值和1m3(即N型)二氧化碳排放量之间的关系;(3)在现有研究文献中,Kaya确定了经济、社会同温室气体排放之间的关系,而后国内众多的学者均以此为基础开展研究。王锋,吴丽华和杨超[8]运用对数平均Divisia指数分解法研究了中国经济发展中二氧化碳排放量增长的驱动因素。贾俊松[9]采用递阶偏最小二乘方法,采集了1952~2 006年我国大陆区的社会、经济、人口及自然环境等方面共36个指标的数据进行了研究。结果表明:我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域及人口数量与经济发展水平,不重要的宏观驱动因素则来自几乎无法反映人类活动强度的领域。Ang et al[10],Liu et al[11]和陈诗一[6]采用结构分解法(SDA)与对数均值迪式指数分解法研究了碳排放量的度量;(4)国内学者对我国钢铁工业碳排放问题的研究,主要包括钢铁工业的发展模式和影响因素。何枫[12]等运用数据包络分析方法选取我国钢铁上市公司2005~2 008年的数据进行研究,分析了企业效率提升后对碳排放的影响。邓杰敏[13]研究了全球24个主要钢铁生产国钢产量与碳排放量统计数据,研究表明:(1)二者间呈现较高的相关性,且相关系数也存在着明显的差异。(2)发展中国家目前存在的高排放、高能耗的粗放型生产方式是造成高度碳排放的重要原因。王威威,高知灵和李国翠等[14]研究了铁钢比、能源结构、能源效率、钢产量等造成我国钢铁行业二氧化碳排放总量大的主要原因。张敬,张芸和张树深等[15]在详细分析我国钢铁工业生产工艺流程、二氧化碳产生机理及碳排放影响因素的基础上,构建了涉及工序能耗、燃料组成、技术特征以及资源效率4个子系统构成的钢铁行业二氧化碳排放影响因素综合评价指标体系,分析了我国钢铁工业二氧化碳的减排潜力,为管理者制定碳减排措施提供重要的理论依据。
与现有研究文献相比,本文的创新与研究特色体现在以下几个方面:(1)对钢铁工业产品和能源刚性需求的考虑。在现有文献中大多没有考虑到我国钢铁工业能源和产品需求刚性特征,这两个因素可以说对我国钢铁工业碳排放和制定减排策略尤为重要。(2)方法创新。本文采用钢铁工业的五大工序的能源消耗和产出数据,根据各种能源的碳排放因子,来计算各工序的碳排放数据,计算结果更为准确。(3)确立了钢铁工业碳排放与其影响因素之间的关系。本文依据日本学者Yoichi Kaya提出的Kaya[16]恒等式将钢铁工业的碳排放量分解为各因素之和,确立了每一个影响因素与碳排放量之间的关系。
1 模型和数据
1.1 模型与数据
1.1.1 数据来源
钢铁工业二氧化碳排放总量的数据来源于二氧化碳信息分析中心和中国能源统计年鉴,其他数据均来源中国钢铁统计年鉴、中国统计年鉴以及国泰安数据库,样本区间为1981~2010年,采用的计量分析软件为Eviews7.0。
1.1.2 碳排放的分解模型
根据前文的评述,结合日本学者Yoichi Kaya提出的Kaya恒等式和林伯强、刘希颖的研究将钢铁工业的碳排放分解为4个主要影响要素:CP(工业增加值碳强度)、EP(能源消耗强度)、GE(能源消耗经济效益强度)和PE(钢铁消耗量),以解释钢铁工业的经济活动与碳排放之间的关系,如式(1)所示:
其中,CO代表钢铁工业二氧化碳排放量,EC代表钢铁工业的能源消耗量,GP代表钢铁工业的增加值,PR代表钢铁消耗量,CP=CO/GP表示工业增加值碳强度,E P=EC/PR表示能源消耗强度,GE=GP/EC表示能源消耗经济效益强度(具体如表1所示)。
本文针对我国工业化的特征,利用协整方法分析我国钢铁工业碳排放与各个影响因素之间的长期均衡关系。通过建立我国钢铁工业二氧化碳排放量与产业增加值强度(CP)、能源消耗强度(EP)、能源消耗经济效益强度(EP)和钢铁消耗量(PR)之间的协整方程来探究这4种因素与钢铁工业二氧化碳排放之间的长期均衡关系:
其中,本文对二氧化碳排放量的计算做详细说明,二氧化碳排放量为生产钢铁产品过程中的直接排放量和间接排放量之和,在生产钢铁过程中燃料消耗直接排放的二氧化碳和工艺过程中排放的二氧化碳称为直接排放。将因耗外购电力、外购焦炭、进口钢铁而导致的二氧化碳排放称为间接排放。其直接排放的计算方法与参数设定参照林伯强[8]和涂正革[17]的设定方法,燃煤、焦炭和天然气燃烧的碳排放分别等于其能源消费量、能源转化率和二氧化碳排放系数三者的乘积之和,具体公式如式(3)所示:
这里,i=1,2,3,4,5,表示钢铁工业的5个工序(如表2所示,炼钢分为转炉炼钢和电炉炼钢),j=1,2,3,4,5,表示钢铁工业各工序中的5种燃料,E PtC_direct表示钢铁工业第t年度二氧化碳排放量;αj表示第j种能源的转化率,βj表示其二氧化碳的排放系数,Eij表示为煤炭、焦炭和天然气等燃料的消费量。
资料来源:中国钢铁工业年鉴和中国能源统计年鉴。
1.2 模型求解
在时间序列的数据研究中,我们会经常遇到本身是非平稳的经济变量。但是,它们的线性组合确有可能是平稳序列。这种平稳的线性组合被称为协整方程,且可被解释为变量之间的长期稳定的均衡关系[18]。对于多个变量之间的协整关系检验通常采用的是Johansen协整检验方法,它是一种以VAR模型为基础的检验回归系数方法。其P阶的VAR模型具体形式如下:
其中,Yt是k维的非平稳的I(1)向量,Xt是d维的确定性的外生变量。
(1)在进行协整检验之前,必须对每一个变量进行平稳性检验,只有在得出序列为平稳性序列之后,才能对其进行协整检验分析。本文在综合考虑前人研究的基础上采用ADF(Augmented Dickey-Fuller)检验和PP(Phillips-Perron)检验两种检验方法。通过Eviews7.0得出所有变量均在5%的显著水平下达到二阶平稳(结果如表3所示),满足建立协整方程的必要条件。
(2)本文采用Johansen协整检验方法,依据Eviews7.0的检验结果,在5%的水平下,提取一个协整方程如下(括号内为标准差)如式(5)所示:
根据式(5)可以看出,所有变量系数均符合其经济意义,且在5%的置信水平下通过t统计量检验,R2为0.997189说明模型的整体拟合度较高。另外,也可以看出在1981~2 010年间,我国钢铁工业的碳排放量与工业增加值碳强度、能源消耗强度、能源消耗经济效益强度和钢铁消耗量有着稳定的均衡关系。并且从影响度的大小来看,对钢铁工业的碳排放影响最为显著的是工业增加值碳强度和能源消耗强度,其次为能源经济效益强度和钢铁消耗量。其中,工业增加值碳强度、能源消耗强度和钢铁消耗量每增加1个百分点分别会带动钢铁工业的碳排放同向变动0.686个百分点、0.251个百分点和0.173个百分点,而能源消耗经济效益强度增加1百分点会带动钢铁工业的碳排放反向变动0.242个百分点。可见,未来政策调整的重点应该在于降低钢铁工业增加值碳强度和提高能源消耗经济效益强度这两个影响指标。并且根据式(5)降低工业增加值碳强度能够为我国钢铁工业碳减排带来显著的效果。
2 钢铁工业碳排放的影响因素分析
2.1 钢铁工业二氧化碳排放量:现状及原因
我国钢铁工业一直以来作为我国高能耗、高排放产业之一,其每年的能源消耗量约占我国能源消费总量的15%,占工业能源消费总量的23%左右,如1981~2 010年间其能源消费总量从6496万吨标煤增长到61982.12万吨标煤,增长了8.54倍多,年均能源消耗量为1900万吨左右。相应的随着能源消耗量的增长,钢铁工业的碳排放也在大幅度的增长。据本文计算显示,我国钢铁工业二氧化碳排放量从1981年的15915.2万吨增长到2010年的151856.19万吨,年均增长率为8.35%。对此,本文认为有以下几种原因:(1)近几年以来,我国经济的高速增长,特别是2003~2 005年我国GDP增长率都在10%以上,高速的经济增长带动了我国钢铁工业的快速发展,我国钢铁消耗量从2000年的14742.14万吨增加到2010年的81270.31万吨,增长了4.51倍。由上文钢铁消耗量与碳排放的关系可知,钢铁消耗量的增加导致了碳排放的快速增长;(2)我国正处于工业化发展的后期和城市化进程中,对钢铁产品需求量也逐步的加大。由此同理可知,工业化和城市化进程中的碳排放量也将逐渐加大;(3)目前我国钢铁工业的生产方式还是粗放型的生产方式,在钢铁工业中还没有大规模采用降低二氧化碳的技术。因此,在我国钢铁工业粗放型增长阶段中,碳排放必然也呈现快速的增长趋势。
从不同发展阶段来看,1 981~1 994年我国钢铁工业二氧化碳排放量增长了0.86倍,年均增长率为4.92%;1 995~2 010年我国钢铁工业二氧化碳排放量增长了4.01倍,年均增长率为11.13%,比1981~1 999年阶段年均增长率高6.21个百分点。可见,钢铁工业规模的扩大对钢铁工业碳排放增幅的贡献逐步增大。
从不同工序来看,炼铁工序是钢铁生产中能耗最大的工序,其单位产品能耗约占整个钢铁过程的70%。2005年重点钢铁企业中炼铁工序单位产品的碳排放量为936.81千克/吨,分别是焦化工序和烧结工序的3.16倍和7.07倍。2009年随着对节能减排的重视,重点钢铁企业炼铁工序的单位产品碳排放量有所下降为830.78千克/吨,分别是焦化工序和烧结工序的3.52倍和7.39倍。但从不同工序来说,炼铁工序碳排放分别与焦化工序碳排放、烧结工序碳排放相比有所提高。
2.2 工业增加值碳强度与碳排放
(1)按照1978年价格计算,我国钢铁工业增加值从1981年的91.07亿元,增长到2010年的3068.16亿元,年均增长率为14.91%。根据涂正革[17]的研究,在其他条件不变的情况下,因产业增加值的逐年扩大导致其碳排放量的增加称为碳排放的理论增长规模。1981~2 010年我国钢铁工业增加值的年均增长率约为15%,相应地,钢铁工业碳排放的年均增长率理论上应该为10.29%。这也就是说,如果不考虑其他因素,按照目前我国钢铁工业增加值的增长速度,其碳排放量理论上年均增长速度为10.29%。
(2)分阶段来看,1 981~1 994年我国钢铁工业增加值年均增长率为13.9%,理论上带动二氧化碳年均增量为1517.58万吨;1 995~2 010年间我国钢铁工业增加值的年均增长率为15.72%,理论上带动我国钢铁工业二氧化碳排放年均增长量为1715.64万吨,比1981~1 994年间的年均增长量多了198.06万吨。可见,钢铁工业增加值的扩大对其碳排放量增幅的贡献逐步增大。
但是,根据我国钢铁工业的实际发展现状,目前我国钢铁工业的过剩产能将超过2亿吨,按照每吨钢材产能投资5000元计算,中国钢铁工业的投资浪费已达1万亿元之多,特别是近几年我国钢铁工业的吨钢利润只有同期国外企业的1/3~1/5[19]。因此,未来从降低我国钢铁工业增加值这一途径来降低其碳减排的空间和潜力不大。但是,若在维持我国钢铁工业增加值增长率的前提下降低其碳排放量(如提高技术水平),仍有较大的潜力。
2.3 能源消耗强度、能源消耗经济效益强度与减排能力
能源消耗强度和能源消耗经济效益强度利用的高低反映能源利用效率水平,能源消耗强度的降低和能源消耗经济效益强度的提升代表着我国钢铁工业技术水平的提高。我国钢铁工业能源消耗强度和能源消耗经济效益强度分别从1981年的2.16吨标煤和140.19元下降和上升到2010年的0.76吨标煤和495.01元,下降了和上升了64.81%、253.1%。而钢铁工业能源消耗强度的下降和能源消耗经济效益强度的提升与我国钢铁工业节能减排技术的推广应用密不可分。因此,节能减排技术的提高是我国钢铁工业能源消耗强度下降和能源消耗经济效益强度提升的主要影响因素。
我国钢铁工业能源消耗强度和能源消耗经济效益强度自1981~2 010年有了较大幅度的下降和提升,1 981年分别为2.16吨标煤和140.19元,2 010年分别下降和上升为0.76吨标煤和495.01元,年均下降率和上升率分别为3.1%和5.83%。根据式(5)理论上能源消耗强度和能源消耗经济效益强度的下降导致碳排放的年均下降率分别为0.53%和1.41%。分阶段分析,1 981~1 994年间,我国钢铁工业能源消耗强度和能源消耗经济效益强度年均下降率和上升率分别为4.26%和8.44%,而能源消耗强度下降和能源消耗经济效益强度上升导致碳排放的年均下降率分别为0.73%和2.04%。1995~2 010年我国钢铁工业能源消耗强度和能源消耗经济效益强度年均下降率和上升率分别为2.15%和3.71%,从而导致钢铁工业碳排放年均下降率分别为0.37%和0.89%。而在我国钢铁工业碳排放下降的拉动因素中,节能减排技术拉动占居着重要因素,如:近几年来,我国钢铁工业采用的转炉负能炼钢技术可使吨钢产品节能23.6kg标煤,减少烟尘排放量10mg/m3;电炉优化供电技术可节约用电10~3 0千瓦时/吨,电炉炼钢生产效率提高5%左右。
按照目前我国所处的经济发展阶段,能源消耗强度不可能无限的下降。根据涂正革的研究,我国目前的能源消耗强度仍然处于一个很高的水平。2006年中国单位GDP能耗为世界平均水平的3倍,巴西的3倍,美国的4.5倍,日本的9倍,在全球30个主要国家和地区的排名中倒数第4。因此,提高技术水平降低能源消耗强度,作为我国钢铁工业实现低碳排放的主要途径,仍有较大的空间。
3.4钢材消耗量与减排空间
钢铁工业是我国国民经济发展的重要产业。改革开放以来,我国经济高速发展,经济规模迅猛扩大,带动着我国消费结构的升级和基础设施投资的加大以及城市化进程的加快,这也是我国工业化发展的必经阶段,也是我国工业化和城市化的快速发展时期。因此,这段时期对我国钢材产量的需求也呈现快速的增长态势,据有关资料统计,1 981~2 010年由于我国工业化和城市化所带动的钢材消耗量增长了26.07倍,并导致二氧化碳排放增长了33985.25万吨。
分阶段来看,1981~1994年间我国钢材消耗量年均增长率为11.08%,带动碳排放的年均增长率为2.77%;1995~2 010年我国钢材消耗量年均增长率为13.82%,带动碳排放年均增长率为3.46%。然而,根据我国目前的经济发展概况,吴文东[20]利用组合模型对我国钢材需求量的结果进行了预测,结果表明我国钢材需求量在2020年将达到6.6亿吨左右,并在5~10年内将保持这一水平。何维达[21]也预测了我国钢铁工业未来3年的国内市场需求增长率分别为38.96%,40.82%和45.32%。这主要是因为国内需求的拉动、国内制造业和建筑业的迅速发展、机电产业以及房地产业、交通运输业等等都为我国钢材需求量提供了广阔的市场。因此,未来我国钢材消耗量也必将随之增长。可见,未来提高我国钢材生产的技术水平,降低钢材消耗强度,是当前我国钢铁工业碳减排的重要任务。
3 主要结论与政策含义
3.1 主要结论
通过以上分析,可以得到几个基本结论:(1)我国国民经济已经进入工业化的快速发展阶段,城市化、房地产等产业的快速发展,拉动钢材消耗迅猛增长,而随之的能源消耗需求也与日俱增,碳排放量迅猛增长,这是我国面临的巨大的挑战之一;(2)我国公布了到2020年单位国内生产总值二氧化碳排放比2005年下降40%~4 5%的减排目标,这一目标对钢铁企业乃至整个钢铁工业将产生巨大且深远的影响,这是我国面临的巨大挑战之二。以此为背景,本文通过考察1981~2010年我国钢铁工业碳排放的趋势和特征,采用Johansen协整检验方法研究了二氧化碳排放量和工业增加值碳强度、能源消耗强度、能源消耗经济效益强度和钢铁消耗量4个主要影响因素之间的关系。结果表明:从影响度的大小来看,对钢铁工业的碳排放影响最为显著的是工业增加值碳强度和能源消耗强度,其次为能源经济效益强度和钢铁消耗量。其中,工业增加值碳强度、能源消耗强度和钢铁消耗量每增加1个百分点分别会带动钢铁工业的碳排放同向变动0.686个百分点、0.251个百分点和0.173个百分点,而能源消耗经济效益强度增加1百分点会带动钢铁工业的碳排放反向变动0.242个百分点。
3.2 政策建议
(1)适度降低我国钢铁工业的增长速度,转变其增长方式,是我国钢铁工业碳减排的重大战略选择。
根据前文的研究,可以说我国钢铁工业高速增长是碳排放量增长的最大影响因素。1981~2010年我国钢铁工业的增长规模为2977.09亿元,导致钢铁工业碳排放理论上增长37.28亿吨。平均而言,钢铁工业增加值每增长一个百分点,碳排放量增长25.58万吨。因此,在保证我国钢铁工业增加值增长的前提下,适度的缩小其发展规模,实现粗放型的增长方式向技术推动型方式的转变是降低其碳排放的首要战略选择。
(2)开发清洁能源技术,增加清洁能源的比例结构,是减少我国钢铁工业碳排放的重要途径。
目前,我国钢铁工业以煤为主的能源消费结构导致能源消耗碳强度一直居高不下是我国钢铁工业碳减排的主要障碍。1981~2 010年我国钢铁工业的平均能源消耗强度为1.25,这也就是说我国钢铁工业能源消耗1吨标煤,释放出的二氧化碳为1.25吨。总体来看,我国钢铁能源消耗强度呈现下降趋势,但是相对于大量的碳排量来说能源消耗强度的下降所带动的碳排放下降量非常的微弱。与此同时,我们也应该看到钢铁工业能源消耗强度的下降主要是依靠钢铁工业能源消耗结构调整的结果。
(3)通过技术创新或引进国外先进的节能技术,提高能源消耗经济效益强度,是我国钢铁工业减少碳排放的重要渠道,也是我国钢铁工业碳减排的核心动力。
工业碳排放效率 第6篇
关键词：工业,碳排放,STIRPAT模型,新疆,地州市
1问题的提出
新疆是资源性大区, 长期以来新疆经济发展表现为能源资源性产业发展支撑工业发展的重化工发展特征, 造就了新疆工业碳排放量占碳排放总量的比重较高[1]。2010年5月17日新疆工作座谈会在北京举行, 会上提出了新一轮的大规模对口援疆方案。 在扶持资金投入的推动下, 新疆15个地州市的经济社会快速发展, 基础设施建设、城镇化、工业化等经济社会的迅速发展都将产生巨大的能源需求, 再加上新疆以重工业为主的产业结构及其以煤炭为主的能源结构, 会进一步加剧能源需求及其高碳特征[2]。2011年7月29日, 新疆成为国家发改委警示的8个高耗能一级预警省区之一, 预示着新疆加快经济发展方式转变、发展低碳经济十分迫切和重要。
目前, 我国的碳排放问题, 尤其是区域碳排放问题受到国内学者的广泛关注。纵观国内相关文献, 研究主要集中在以下两个方面: 第一, 区域的划分。 大多数文献将我国划分为东、中和西部三个区域, 或者珠三角、长三角和沿海经济带, 把经济发展水平和地理位置相结合。第二, 对碳排放影响因素的分析。众多学者利用STIRPAT模型或因素分解法 ( 如LMDI、SDA等) 进行实证分析, 分析碳排放与各种因素之间的影响关系, 如徐国泉等[3]运用对数平均权重分解法Divisia建立了中国人均碳排放的因素分解模型, 分析了能源效率、能源结构和经济发展等因素与中国人均碳排放的动态关系; 杜婷婷等[4]采用库兹涅茨曲线模拟碳排放与经济发展之间的关系, 得出碳排放与收入水平之间遵循倒 “U” 曲线关系和 “N”型关系。
新疆碳排放的问题也引起了一些学者的关注, 如: 张利、雷军、张小雷[5]应用了新疆19522008年的能源消费数据, 分析得出了万元GDP碳排放水平呈先增后降的倒 “V”型曲线, 现阶段是处于经济和碳排放快速增长阶段; 霍金炜、杨德刚、唐宏[2]分析出新疆第二产业碳排放总量最多、增长也最快, 但排放强度却在下降。这些研究都集中在分析影响新疆碳排放量的各种因素, 而很少对新疆的碳排放进行区域分析。
基于上述原因, 文章首先根据20002010年新疆15个地州市的年均工业碳排放量的大小进行区域的划分, 界定为高、中和低三个排放区域, 在此基础上比较分析了各地州市的工业碳排放总量及各区域工业碳排放强度的差异, 然后实证分析了三大区域工业碳排放强度的影响因素, 最后得出研究结论并给出政策建议。
2新疆碳排放量的测算
2. 1碳排放量的计算方法
根据20002010年 《新疆统计年鉴》及 《中国能源统计年鉴》中的工业能源消费数据, 不计加工转换过程、运输和输配损失能源的碳排放, 只计算能源终端消费量的排碳量。
根据20002010年 《新疆统计年鉴》口径, 新疆15个地州市分别为乌鲁木齐市、克拉玛依市、吐鲁番地区、哈密地区、昌吉州、博尔塔拉州、伊犁州、塔城地区、阿勒泰地区、巴音郭勒州、阿克苏地区、克孜勒苏州、喀什地区和和田地区; 能源消费终端为全部国有工业企业及年产品销售收入500万以上的非国有工业企业, 且各地区数含兵团工业在内。
根据 《中国能源统计年鉴》口径, 将最终能源消费划分为12类, 即原煤、焦炭、天然气、原油、 汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、热力和电力。各类能源的碳排放系数中 ( 如表1) , 电力的碳排放系数参考徐国泉[3]的研究结果; 热力的碳排放系数依据国家发改委的建议, 取煤炭的含碳量的67% , 合2. 46kg碳; 其他能源的碳排放系数均来源于IPCC碳排放计算指南缺省值[6]。 《新疆统计年鉴》中原始数据为吨、万立方米、百万千焦和万千瓦时, 为了与统计数据单位一致, 将这些单位转化成标准煤, 具体转化系数采用 《中国能源统计年鉴》所附的各种能源折标准煤参考系数 ( 如表1) 。
注: 根据 《中国能源统计年鉴》 所附的各种能源折标准煤参考系数表整理得出
根据IPCC碳排放计算指南, 采用公式 ( 1 ) 计算:
式中: A为工业碳排放量; Bi为能源i消费量, 按标准煤计; Ci为能源i消耗量折标准煤系数; Di为碳排放系数; i为能源种类, i = 12。根据 ( 1) 式测算出新疆15个地州市20002010年工业碳排放量及平均值, 如图1所示。
由图1可以看出, 在20002010年间, 新疆的碳排放主要集中在乌鲁木齐市、克拉玛依市、昌吉市、巴音郭勒州、阿克苏地区、石河子市、伊犁州、 哈密地区和吐鲁番地区, 其中, 乌鲁木齐市和克拉玛依市的年均碳排放量在1 000万吨标准煤以上, 明显高于其他13个地州市, 这两个城市的工业化程度高, 并且处于全疆领先水平。新疆15个地州市的碳排放量年均呈4. 6% 至25. 1% 的增速上升, 在2004年尤为显著, 阿克苏地区、 石河子市、 伊犁州、哈密地区、吐鲁番地区和塔城地区的碳排放量增加非常明显, 增率在11. 2% 至43. 4% 之间。
2. 2工业碳排放的区域划分
新疆15个地州市的工业碳排放总量相差较大, 碳排放量比较大的主要包括人口较多、经济较为发达和工业企业较多的地区。目前对新疆工业碳排放的研究并未对新疆15个地州市进行碳排放量的区域划分, 为了便于对新疆工业碳排放量进行分析, 文章首先分析20002010年间新疆15个地州市的年均工业碳排放总量情况, 根据其年平均碳排放规模进行区域划分, 划分的标准为: ( 1) 低排放区域, 指平均碳排放量小于200万吨碳标准煤的地州市; ( 2) 中排放区域, 指平均碳排放量介于200万吨碳标准煤和400万吨碳标准煤之间的地州市; ( 3) 高排放区域, 指平均碳排放量高于400万吨碳标准煤的地州市。按照20002010年新疆15个地州市的年平均工业碳排放量由大到小的顺序排列, 并按照柱形颜色由深到浅标识出高、中和低排放区域的地州市, 如图2所示。
图2显示, 乌鲁木齐市和克拉玛依市为高排放区域, 年均工业碳排放量占新疆年均工业碳排放总量的58. 36% , 为中排放区域的2. 1倍、低排放区域的4. 2倍。其中, 乌鲁木齐市的年均工业碳排放量居全疆第一, 为1 224. 11万吨标准煤, 占新疆年均工业碳排放总量的25. 96% ; 处于第二位的克拉玛依市的年均工业碳排放量为新疆年均工业碳排放总量的23. 59% 。有4个地州市处在中排放区域, 分别是昌吉州、巴音郭勒州、阿克苏地区和石河子市, 其年均工业碳排放量占新疆年均工业碳排放量的28. 24% 。有9个地州市被划分为低排放区域, 分别为伊犁州、哈密地区、吐鲁番地区、塔城地区、喀什地区、阿勒泰地区、博尔塔拉州、和田地区和克孜勒苏州, 其年均工业碳排放量占新疆年均工业碳排放量的13. 86% , 其中克孜勒苏州的年均碳排放量为全疆最低, 为2. 34万吨碳标准煤。具体如表2所示。
2. 3工业碳排放的区域比较
2. 3. 1工业碳排放总量的区域差异
20002010年新疆15个地州市的工业碳排放量的变动趋势如图3所示。图中各地州市分布次序依照2000年工业碳排放量由高到低排列。由图3可以看出, 在20002010年间工业碳排放量增长最快的是阿克苏地区, 增长率为26. 71% ; 其次是石河子市和吐鲁番地区, 增长率分别为21. 33% 和20. 93% 。 这三个地州市的工业在西部大开发中发展迅速。工业碳排放量增长最慢的是和田地区, 增长率为2. 05% ; 其次是克孜勒苏州和克拉玛依市, 增长率分别为4. 13% 和6. 95% 。其中, 碳排放量年增长率超过10% 的地州市为昌吉州、巴音郭勒州、石河子市、伊犁州、哈密地区、阿克苏地区、吐鲁番地区、 塔城地区、阿勒泰地区、博尔塔拉州和喀什地区。 从碳排放量来看, 2000年工业碳排放最多的是克拉玛依市 ( 842. 7万吨) , 最少的是克孜勒苏自治州 ( 4. 73万吨) ; 2010年工业碳排放最多的是乌鲁木齐市 ( 1 815. 27万吨) , 最少的依然是克孜勒苏自治州 ( 7. 09万吨) 。
2. 3. 2工业碳排放强度的区域差异
碳排放强度是指生产单位国内生产总值所排放的二氧化碳的量, 由此, 工业碳排放强度是生产单位工业生产总值所排放的二氧化碳的量。碳排放强度可以同时把工业经济发展水平与工业碳排放量结合在一起, 作为衡量低碳经济以及绿色GDP的重要指标。文章所使用的工业碳排放强度的计算公式为:
其中: Pi为第i区域的工业碳排放强度, PMi为第i区域的工业域碳排放总量, PIi为第i区工业生产总值。根据公式 ( 2) , 可以计算出20002010年新疆及其三大区域的工业碳排放强度的变化情况, 如图4所示。
图4显示了20002010年新疆及其三大区域碳排放强度的变化情况, 可以看出, 2000年至2002年, 三大区域以及新疆的工业碳排放强度都为上升趋势。在20022008年间, 新疆和三大区域的工业碳排放强度都缓慢下降, 高排放区域和中排放区域的碳排放强度都在新疆水平之上, 其中2006年中排放区域的碳排放强度已超过新疆和高排放区域水平; 在20082010年间, 新疆和三大区域的工业碳排放强度先大幅上升, 至2009年后迅速下降至2008年的水平, 其中中排放区域的涨幅和降幅最大, 其次是低排放区域, 在此期间, 中排放区域的碳排放强度最大, 其次是低排放区域, 最后是高排放区域, 三大区域的碳排放强度均在新疆水平之上。新疆2000年和2008年的碳排放强度近乎为这11年来的最低值, 主要原因是2000年西部大开发和2008年全面对口支援新疆两大战略的实施, 新疆迎来了最好的政策机遇期, 有力推进了工业化、城镇化和农牧业现代化的发展建设, 但同时也带来了碳排放的快速增长。
3新疆区域工业碳排放影响因素实证分析
3. 1模型构建与数据
IPAT方程是一个分析人文因素对环境影响的量化模型, 其一般表示为: I = PAT, 其中: I为二氧化碳排放量, P为人口总量, A为人均或内生产总值, T为单位国内生产总值产生的二氧化碳, 即碳排放强度T = 二氧化碳排放量/国内生产总值。IPAT方程结构简单、易于操作, 已在能源与环境经济领域得到了广泛的应用, 但它考察的变量数目有限, 所能得到的研究结果基本限于二氧化碳排放与能源、经济及人口在宏观上的量化关系以及对因变量的等比例影响, 这是该方程的最大局限。为了克服该模型的不足, 文章利用STIRPAT模型来分析经济、技术和政策对碳排放的非比例影响, 即I = a PbAcTde , 式中a为常数项, b、c、d为各驱动力指数, e为随机干扰项, 可以根据不同的研究目的和需要对因素进行增加或调整。在进行计量分析时, 模型采用对数形式, 这样可以降低异方差, 直接获得因变量对自变量的弹性。
文章使用的变量分别说明如下:
碳排放量 ( I) , 此指标一般用来反映环境的变化, 单位为万吨碳。
工业投资规模 ( F) , 文章所研究的是工业行业层面, 人口规模已经不合适于模型中, 而投资规模是影响工业行业碳排放的主要因素之一, 因此将人口规模用投资规模代替, 以固定资产投资来度量。
人均财富 ( Y) , 用新疆15个地州市的工业单位从业人数的工业总产值来表示, 以衡量各个地州市的经济水平和生活水平对碳排放的影响。
技术水平 ( T) , 用工业企业科技研发的内部支出占工业产值的比重来衡量。
政策措施 ( D) , 此变量为虚拟变量。政府出台的一系列相关政策措施对能源的消费及其产生的碳排放必然会产生一定的作用, 此变量用来控制和反映这种政策性的影响。20062010这五年间, 我国连续提出了相应的政策法规来抑制碳排放量的增加, 所以变量D在这五年的取值为1, 其他年份取值为0。
借鉴STIRPAT多变量非线性模型, 可构建工业碳排放量与其驱动因素之间的计量模型, 表达式为:
其中:a、ai (i=1, 2, , 5) 为待估参数, ε为随机干扰项。
实证分析所使用的原始数据中, 15个地州市的工业单位从业人数、固定资产投、工业总产值和科技研发项目内部支出来源于20002010年 《新疆统计年鉴》, 12种能源的工业消费量来源于 《新疆五十年》和历年 《新疆统计年鉴》, 其他数据经计算的出。为了保证数据可比性, 对工业总产值和固定资产投资进行平减处理。
3. 2实证结果及讨论
根据设定的模型形式, 利用Eviews7. 0软件对面板数据模型的设定形式进行判断, F检验和Hausman检验结果如表3所示。检验结果显示, 各排放区和新疆的数据都比较适合固定效应模型, 而回归方程中可能会出现解释变量的内生性问题, 则采用动态GMM方法来消除。根据模型以碳排放强度为解释变量得到的分析结果如表4所示, 其中的AR检验和Hansen检验结果均显示模型的变量选择是有效的。
注: F检验中临界值为5% 显著性水平; Hausman检验中***表示在1% 显著性水平下拒绝原假设 ( 原假设为随机效应模型)
注: 系数下括号内数值为标准差; * 、**、***分别表示1% 、5% 、 10% 的显著水平
表4的模型分析结果显示, 新疆及其三个排放区域的技术水平和政策措施变量的系数符号是负。 由此可知, 工业企业科技研发的内部支出占工业产值的比重每增加1% , 对高排放区域的碳排放强度减少最多为0. 12% , 其他依次是新疆 ( 0. 09% ) 、 中排放区域 ( 0. 08% ) 、低排放区域 ( 0. 07% ) , 说明通过科技研发对碳排放强度方面的控制是有效的, 且高排放区域的技术水平高于其他区域; 政策措施对各区域碳排放强度的减少程度由高到低分别为高排放区域 ( 0. 15% ) 、低排放区域 ( 0. 13% ) 、中排放区域 ( 0. 13% ) 和新疆 ( 0. 12% ) , 说明政府的相关节能减排政策措施对抑制碳排放是有效的。
工业投资规模和人均财富变量的系数符号为正, 说明这两个因素会促进碳排放强度的增加。工业投资规模每增加1% , 碳排放强度增加的情况按地区由大到小依次为中排放区域 ( 0. 142% ) 、高排放区域 ( 0. 136% ) 、 低排放区域 ( 0. 12% ) 和新疆 ( 0. 11% ) , 工业投资规模的增加对碳排放强度正向的影响较大, 对工业发展相对滞后的区域的影响较为明显。工业从业人员的人均工业产值每增加1% , 对低排放区域的影响最大, 为0. 03% 。低排放区域为工业发展欠发达地区, 一方面低排放区域的工业从业人员的产值增加反映出工业的发展, 另一方面工业的快速发展又会增加碳的排放。
4结论与建议
4.1研究结论
通过分析, 我们可以得到以下结论:
( 1) 从2000年西部大开发以来, 随着经济与社会的发展, 新疆15个地州市的工业碳排放量都有了提高。在20002010年间工业碳排放量增长最快的是阿克苏地区, 其次是石河子市和吐鲁番地区; 工业碳排放量增长最慢的是和田地区, 其次是克孜勒苏州和克拉玛依市, 说明经济快速发展与碳排放量增速呈正相关关系, 但碳减排政策效应明显。
( 2) 高排放区与中排放区的碳排放强度水平差异在扩大, 中排放区与低排放区的碳排放强度水平差异在缩小, 且在2008年以后均超过新疆平均水平, 这主要是由于不同区域经济增长、工业发展水平和资源消耗不同所引起的。高排放区域经济相对发达, 具有一定竞争力且较为雄厚的工业基础, 工业发展水平处于全疆领先地位; 中排放区域在西部大开发后工业发展迅速, 是新疆工业发展的主力军; 低排放区域工业基础十分薄弱, 有待进一步发展。
( 3) 技术水平和政策措施对碳排放强度表现出显著的抑制作用, 但工业投资规模和人均财富对碳排放强度产生了促进的作用, 其中, 技术水平和政策措施对高排放区域的碳排放强度抑制作用最明显, 工业投资规模对中排放区域的碳排放强度的促进作用最明显, 人均财富在增加低排放区域的碳排放强度方面表现最明显。
4. 2政策建议
根据所得结论, 我们认为新疆要发展低碳工业, 就需要以各区域为立足点, 结合碳排放影响因素实施差异化低碳策略, 分时段、分阶段推进低碳工业的模式转变。由此得到以下政策建议:
第一, 调整区域经济增长方式。各地州市必须要摒弃高排放、高污染的高碳经济发展方式, 积极推进低碳经济的转变。在高排放区域的地州市, 可以考虑设定严格的碳排放量标准, 以实现低碳经济增长方式的率先转变作用; 在中、低排放区域经济发展过程中, 可以分别依能力承担部分节能减排责任, 使得高排放区域带动中、低排放区域, 共同推进低碳经济的发展, 以实现减排的目标。
第二, 优化区域能源结构。新疆是个能源丰富的地区, 可以充分利用这些新能源以及发展新能源和可再生资源, 配合政府政策的支持和技术的革新, 使新疆能源消费从煤、石油、天然气等化石能源结合或过渡到新能源, 逐步优化区域能源结构, 以降低碳排放。每个地州市可以结合当地的能源结构进行能源消费结构的转型。当然这是个较为长久的过程, 所以在现阶段使用化石燃料的同时, 应提高技术水平, 使化石燃料的使用效率最大化。
第三, 适当控制经济发展速度。新疆工业快速发展离不开不可再生资源的利用, 为此, 必须遏制掠夺式、以破坏资源为代价的粗放式的生产模式, 要大力发展精加工、深加工业; 必须坚持自愿合理开发和环境保护并重, 要建立开放式的环境保护监督和补偿机制。对于城市来说, 可以在新疆的高碳排放区域的城市进行低碳试点, 建立低碳城市, 使得人与自然和谐共处。探索在保持适当经济增速同时加大碳减排力度, 增加技术投入, 提升技术进步效应, 加强政策研究, 做好发展与监督并重。
综上所述, 新疆正处于城市化和工业化的加速时期, 需要消耗大量的能源用于基础设施的建设以及重工业的发展, 因此降低工业碳排放的强度、发展绿色工业是一项长期的、艰巨的任务, 需要政府、 企业和个人共同不懈努力。
参考文献
[1]董梅, 祁子轩.跨越式发展背景下的新疆低碳经济发展[J].税收经济研究, 2012, 71 (1) :88-90
[2]霍金炜, 杨德刚, 唐宏.新疆碳排放影响因素分析与政策建议[J].地理科学进展, 2012, 31 (4) :435-441
[3]徐国泉, 刘则渊, 姜照华.中国碳排放的因素分解模型及实证分析:1995—2004[J].中国人口·资源与环境, 2006, 16 (6) :158-161
[4]杜婷婷, 毛峰, 罗锐.中国经济增长与CO2排放演化探析[J].中国人口·资源与环境, 2007, 17 (2) :94-99
[5]张利, 雷军, 张小雷.1952年—2008年新疆能源消费的碳排放变化及其影响因素分析[J].资源科学, 2012, 34 (1) :42-49
工业碳排放效率 第7篇
关键词：碳排放交易,市场机制,交易配额,交易试点,清洁发展机制
引言
近几十年来,全球气候变暖现象日趋显著。据相关报道,由于自然生态受到气候变暖的影响,珠穆朗玛峰顶峰下降了1.3m,冰川局部地区的雪线正以年均2～2.6m的速度上升。这一现象使沿海和岛国居民的正常生活受到威胁,还会引起海岸滩涂湿地、红树林、珊瑚礁等生态群丧失,导致海湾自然生态环境失衡。
造成全球气候变暖的根本原因,是大气中二氧化碳(CO2)等温室气体含量的激增,阻碍了一部分太阳热量向回反射。而人类社会发展过程中对森林和植被的破坏,以及CO2等温室气体的大量排放,正是导致温室效应的重要原因。因而,减缓气候变化的核心是减少温室气体排放以及增加对CO2等温室气体的吸收、收集和保存。
为了减缓温室气体排放对全球变暖造成的影响,国际社会采取了积极行动。联合国政府间气候变化专门委员会(IPCC)通过艰难谈判,于1992年5月9日通过了《联合国气候变化框架公约》(UNFCCC,简称《气候公约》)。1997年12月11日于日本京都通过了《气候公约》的第一个附加协议,即《京都议定书》,并于2005年2月正式生效。由于《京都议定书》的第一承诺期于2012年底到期,国际社会于2009年12月7日在哥本哈根召开了哥本哈根气候峰会,会议肯定并支持了《气候公约》和《京都议定书》,坚持发达国家与发展中国家在应对气候变化上的“共同但有区别的责任”原则,抵制了部分发达国家企图抛弃《京都议定书》的提法。虽然会议的结果不十分理想,但此次会议对于应对气候变化仍具有一定的积极意义。
1 碳排放交易起源及基本原理
减缓气候变化是全球共同的责任,但是针对发达国家和发展中国家的不同历史发展现状,《气候公约》和《京都议定书》规定,发达国家承担具有法律约束力的温室气体减排义务,发展中国家承担不具约束力的减缓温室气体减排义务。对于全球来说,在任何一个地方实现温室气体减排对于减少大气温室效应是等同的,但是不同国家之间在温室气体边际减排成本方面具有较大的差异。当前,发达国家由于生产力发展水平较高,减少1t CO2排放的成本也比较高,大约在100～200美元。而对于发展中国家来说,由于生产力水平较低,生产管理粗放,所以减排1t CO2的成本大概在2～3美元[1]。这种巨大的减排成本差异,促成了温室气体减排交易(称碳交易)的产生,使得发达国家可以通过寻求境外减排措施,以最低成本完成国际义务。
碳交易包含的温室气体有CO2、CH4(甲烷)、N2O(氧化亚氮)、HFCs(氢氟碳化物)、PFCs(全氟化碳)以及SF6(六氟化硫)。在计算碳排放时,需将所有的温室气体折合成CO2当量来计算[2]。碳交易把CO2等温室气体排放权作为一种商品,是利用市场机制解决以CO2为代表的温室气体减排问题的新路径。其原理是“限额与交易”机制,该机制通过自由市场的运作,利用价格体系的机能,达到最优的温室气体排放水平,同时使减排总成本达到最优,是一种效率相对较优的减排策略[3]。
现以清洁发展机制为例,简要介绍碳交易的基本原理。清洁发展机制(Clean Development Mechanism,CDM)是基于项目的碳交易的典型代表,也是《京都议定书》中确立的涉及发展中国家的主要减排合作机制,其低碳技术转让对发展中国家的减排起到关键作用[4]。从理论上讲,CDM应该是一项“双赢”的机制:一方面,发展中国家通过合作可以获得急需的资金和先进技术,有助于实现国家的可持续发展;另一方面,通过这种合作,发达国家可以大幅度降低其在国内实现减排所需的高昂费用,加快减缓全球气候变化的行动步伐[4]。CDM原理如图1所示。
2 国内外碳排放交易现状
2.1 国际碳排放交易
联合国层面的碳交易主要是基于《京都议定书》中提出的三种灵活履约机制,除上述提到的CDM机制外,还包括联合履约(Joint Implementation,JI)机制,以及排放权交易(Emissions Trading,ET)机制[5]。JI机制和ET机制是在发达国家之间进行的交易,而CDM是发达国家与发展中国家进行的单方向转让交易。
除此之外,部分国家和地区还建立了基于强制减排配额的碳交易体系(ETS),例如欧盟碳交易体系(EU-ETS)、新西兰碳交易体系等。
碳交易类型可以划分为以下两种:一种是基于项目的碳交易体系,另一种是基于配额的碳交易体系,如图2所示。
JI和CDM是基于项目的碳交易中最主要的交易形式,其运作基础是由《京都议定书》中附件Ⅰ国家或经济组织购买具有额外减排效益项目所产生的减排量,再将此减排量作为温室气体排放权的等价物,用于抵消其温室气体的排放量。
目前,国际上开展的主要碳交易活动是CDM合作,JI方面的合作主要存在于日本政府与部分东欧国家(前苏联部分国家)之间。从国际发展趋势和动向来看,据世界银行估计,发达国家缔约方总减排量约一半需要依靠CDM。CDM在中国、印度、巴西、墨西哥、南非、马来西亚、韩国、泰国、菲律宾、哥伦比亚等国家的发展都很成功。其中,中国、印度、巴西和墨西哥占据了CDM项目的前四名,而中国的CDM项目占全球CDM项目的近一半。
在基于配额的碳交易体系中,ET和EU-ETS为目前的主要交易形式。ET方面的合作存在于《京都议定书》附件Ⅰ中的国家及经济组织之间,而EU-ETS则是欧盟各国参与的排放交易体系。EU-ETS体系成立于2003年,是欧盟气候政策的中心组成部分,也是世界上首个多国参与的排放交易体系。EU-ETS对化工、钢铁等多个行业的12000个排放源强制减排,并于2009年新推出的体系中(2013年开始实施),将航空、铝行业纳入强制减排范围。
此外,部分国家也开始逐渐建立本国的碳交易体系。新西兰2010年建立碳交易体系,几乎所有排放单位均被纳入强制减排。目前韩国处于过渡阶段,共468个企业被纳入碳排放管控,考核其排放目标,对超标者进行处罚。美国建立区域级碳交易体系,10个州在电力行业开展强制减排,加州也拟启动碳交易体系。日本也计划建立碳交易体系,但由于大地震阻碍进度,目前仅在东京都建立强制执行的碳交易体系。
2.2 国内碳排放交易
1)我国CDM现状。
当前我国主要参与的国际碳交易是通过CDM项目向发达国家出售碳排放信用额度,进而得到节能资金[6]。我国在国际CDM交易中有着十分重要的地位,截止到2010年11月5日,我国注册成功的CDM项目数占全球总数的40.82%,已获得联合国CDM执行理事会(EB)签发的CDM项目减排量占全球的51.17%,各国注册数及签发量在全球总数中的占比如图3、图4所示。可见,中国是国际碳交易市场中最大的卖方。据世界银行统计,截至2011年三季度,中国获签发CER数量超过4亿t[5]。
通过CDM项目,中国工厂和国际碳排放交易商可以从温室气体排放交易中获取巨额利润。以化工行业为例,当化工厂减少向大气排放污染性的氢氟烃气体时,可获得碳排放信用。这种信用在国际碳交易市场上可售得5～15美元。据业内估计,用于减少氢氟烃气体排放的洗涤塔装置安装费用很低廉,一般工厂的安装费用一般是1000万～3000万美元。安装此类装置,可产生数以百万计的碳排放信用,因为HFC-23作为一种温室气体,效力比CO2大许多倍[7]。
大唐吉林风力发电股份有限公司吉林洮南风电项目和浙江巨化股份有限公司HFC-23高温分解项目,是国内第一批获得CDM碳减排量交易收入的项目,具有里程碑意义。气候变化资本公司从中国氢氟烃气体项目获得了约5000万核证减排量即碳排放信用,价值高达7.5亿美元[6]。
由于《京都议定书》即将在2012年底到期,2012年以后如何实行减排战略、各国如何明确自己的减排额度等,都是需要磋商的问题。在哥本哈根会议上,各国并没有达成一个具体的减排目标,这给CDM的发展前景带来了不利影响。会议之所以未能达成具体减排目标,其原因是多方面的,其中全球金融危机对此次会议的影响不可忽视。但金融危机是短期的,而减缓气候变化、减少温室气体排放则是长期的工作。因此,国际社会致力于减排的大趋势是不会改变的。欧盟表示无论《京都议定书》将来是否继续实施,自己都要减排20%,若《京都议定书》继续实施,欧盟将减排30%[8]。2012年以后,欧洲议会环境委员会继续允许高质量的CER流通,CER存在刚性需求。因此,碳交易在中国的前景还是非常值得期待的。
2)我国碳交易市场。
截至目前,我国碳交易主要仍集中在项目层次。但《十二五规划纲要》已经明确提出要逐步建立碳交易市场,发挥市场机制在推动经济发展方式转变和经济结构调整方面的重要作用。
2012年初,国家发改委宣布要逐步建立国内碳交易市场,推动运用市场机制以较低成本实现2020年我国控制温室气体排放行动目标,确定北京、天津、上海、重庆、湖北省、广东省和深圳市为碳交易试点地区,并计划于2013年正式开展试点交易。目前北京市率先宣布启动碳交易试点工作,并制定了详细的试点方案《北京市碳排放权交易试点实施方案(2012～2015)》。根据试点方案,被强制纳入的交易主体为北京市辖区内2009～2011年平均直接或间接CO2排放总量1万t以上的排放单位。据粗略估计,约有600家单位将被强制纳入北京市碳排放权交易。同时上海也发布了实施意见,纳入行业包括钢铁、石化等工业行业及航空、港口、商业、宾馆等非工业行业,在上述工业行业内直接排放和间接排放量在2010～2011年中任何一年达到2万t及2万t以上、非工业行业内达到1万t及1万t以上的企业均需承担强制减排任务,涉及排放单位约200家,年排放总量约1.1亿t。
碳交易体系的建立,配额分配是一大难题。北京在试点方案中表示,配额将分年度发放,“十二五”期间,除免费发放的配额外,政府预留少部分配额,通过拍卖方式进行分配。分析认为,虽然北京市率先迈出碳交易试点的第一步,但仍面临很多艰巨的任务,其中,碳交易试点的监管以及制定国内外通用的交易机制都是亟待解决的难题。
北京市环境交易所董事长杜少中在“第三届地坛论坛”新闻发布会上透露,今年环交所的重点工作就是中国温室气体自愿减排交易平台和北京碳交易试点平台的建设,包括交易规则的设定、交易系统的设计和建设。目前,北京碳交易规则的设定已经完成了初稿的起草,并配套编制了10余个交易细则,交易系统的核心设计方案已经完成。
3 碳排放交易在中航工业的发展展望
我国是发展中国家,生存和发展仍是首要任务,但是,我国已经把建立资源节约型、环境友好型社会、走可持续发展道路确定为基本国策。中航工业作为大型国企,主动开展自愿碳减排是积极承担社会责任的企业理念的具体体现,有助于提升公司的社会影响和形象。另一方面,通过积极开展自愿碳减排项目交易还可有效获利,促进行业节能减排成效。
中航工业未来碳减排交易可从以下两个方面开展:
1)基于项目的自愿碳减排交易。
目前,中航工业大力发展多元化,主营业务除了航空产品外,还包括大量非航民品业务,其中涉及的清洁能源利用项目、中航新能源公司的风力发电场项目、中航重机的垃圾焚烧项目等节能环保项目,均适合参与基于项目的国内外自愿减排交易。同时,航空企业应积极利用政府、国内外组织等优惠政策和财政支持,开展工艺技术改造、建筑节能等自愿减排交易活动,同时促进企业技术进步、提高能源利用率、降低成本,提高产品市场竞争力。
2)基于配额的强制碳减排交易体系。
从当前国际环境形势及我国长远发展趋势来看,建立基于排放配额的全国性碳交易体系,是我国发展的必然趋势。虽然中航工业不属于碳排放大户,但是也被列为国资委能耗和排放关注类企业,且在今年发布的“万家企业节能低碳行动”中,众多能耗较大的中航企业均被纳入当地企业名单中。此外,借鉴国外“碳强度”与“总量控制”对接的减排方式,未来我国也有可能改变按照行政区域分解碳排放指标的方式,按照行业进行碳指标分解,通过总量控制,创造出碳排放权的稀缺性,促进碳交易。为了应对未来碳风险,中航工业应积极行动,提早开展碳交易的相关研究工作,并重点针对碳交易的应对机制及行业内高耗能高排放企业的管理工作开展研究。
对于基于配额的碳交易,目前中航工业仅有2家企业被纳入强制减排企业名单。面对2015年计划建成的全国性碳市场,中航工业可率先在自身行业内开展强制减排工作,并试行自愿减排交易,此工作可从排放量较大的企业范围内试点开展。
开展前需要解决的关键问题包括:1)分析当前碳排放及其管理方面存在的主要问题;2)开展企业碳排放水平评估;3)建立完善的节能减排及碳交易机制;4)建立碳交易管理机构及交易平台;5)建立和完善碳排放配额分配方式,统一碳减排交易标准;6)完善计量监测手段,实现对试点企业的有效监管。
当前民航运输业碳排放量的急速增长,已经引起了国际的广泛关注。欧盟已将航空业划入到碳交易体系中,对进入欧盟空域的国际航空运输征收碳排放税,虽然引起了欧盟外诸多国家的强烈反对,但从一定意义上看,也刺激了航空产品碳减排设计技术的发展。
国外著名航空制造公司,如波音、空客等,正在积极应对国际碳减排政策。空客公司于2011年11月试飞成功的A320NEO客机,采用了“鲨鳍”翼梢设计,其长达约2.5m的副翼向上翘起,可提高机身的上升动力。该设计使得A320NEO与A320相比,油耗降低15%。近期,空客展示了最新设计的飞机构想,包括有超长超薄的弯曲机翼和U型尾翼,且飞机重量较轻,以改善对应的环保性能和“生态效益”。该新颖设计的目的是减少燃料消耗,减少排放和噪声计划。由于目前飞机制造技术的不断发展,预计该设计在2050年,试提前至2030年就有可能实现。未来空客将在新概念设计、环保以及各种新材料的尝试方面继续做出努力。
中航工业作为航空制造企业,将面临新的挑战,即在合理设计航空产品的基础上,实现节能减排,提升产品竞争力。
参考文献
[1]高广生,王志轩,谢飞,等.直面CDM现状及问题—碳排放交易专场[J].中国电力企业管理,2008,(13):14-17.
[2]张伸民,潘家华,崔大鹏.低碳发展论[M].北京:中国环境科学出版社,2009.
[3]M.Donald.Making things the same:gases,emission rights and the politics of carbon markets[J].Accounting,organi-zations and society,2009,34(3-4):440-455.
[4]K.Millock.Technology transfer in the clean development mechanism:an incentives issue[J].Environment and de-velopment economics,2002,(7):449-466.
[5]于天飞.碳排放权交易市场研究[D].南京:南京林业大学,2007.
[6]曾鸣,杨玲玲.低碳对策之碳排放交易现状与展望[J].陕西电力,2010,(4):9-12.
[7]付允,马永欢,刘怡君,等.低碳经济的发展模式研究[J].中国人口.资源与环境,2008,18(3):14-19.
工业碳排放效率 第8篇
近年来, 有关碳排放效率研究的文献很多, 如Sun (2005) 认为碳强度 (单位GDP的碳排放量) 是评价国家能源政策和碳减排效果的一个合适指标[1]。史丹等 (2003) 认为, 结构因素和技术因素对总体能源强度下降的影响在不同时期有所变化[2]。师博等 (2008) 利用超效率DEA方法测算了地区全要素能源效率, 构建Tobit模型, 重点检验了市场分割对全要素能源效率的影响[3]。
本文基于以上研究基础, 使用随机前沿模型, 剔除由于部分数据为宏观统计数据带来的噪声问题, 对西北五省的碳排放效率进行了测算, 以期为西北五省的碳排放效率问题提供科学的决策参考。
1 研究方法和数据处理
1.1 理论模型
本文借鉴Battese和Coelli (1992) [4]的模型, 使用较为灵活的超越对数函数, 计算出西北五省2003~2011年的碳排放效率。本文利用Coelli开发的Frontier4.1程序实现相关的估计。
1.2 数据处理
本文选择中国西北五省作为样本, 时间跨度为2003~2011年 (由于宁夏2000~2002年能源消费量数据缺失, 为了不影响计算结果, 从2003年开始计算) 。相关数据来源于《中国统计年鉴》 (2004~2012年) 和《中国能源统计年鉴》 (2004~2012年) 。
所取的投入产出相关指标为:各地区的生产总值GDP、各地区按行业分城镇固定资产投资K、各地区的年末从业人员L。
其中, 碳排放量的计算是根据《中国能源统计年鉴》2003~2012年西北五省各地区各种能源消费量, 在这里选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气这八种能源的消费量, 碳排放系数来源于IPCC碳排放量计算指南 (缺省值) 。
2 实证分析
应用Frontier4.1软件, 得到西北五省各地区2003~2011年的碳排放效率 (见表1) 。
3 西北五省碳排放量预测及效率评价
为了更好地说明提高西北五省碳排放效率的必要性以及碳减排任务的艰巨性, 本文运用Eviews6.0软件, 利用二次平滑指数法, 预测西北五省2012~2020年的碳排放量, 根据预测的碳排放量以及相关的投入产出指标的预测值, 利用随机前沿模型, 计算出西北五省2012~2020年的碳排放效率, 如表2所示。
4 结论和政策建议
4.1 结论
据表1, 2003~2011年间, 西北五省的碳排放效率增长缓慢。其中, 高于西北五省碳排放效率平均水平 (0.338) 的地区为陕西、甘肃、新疆, 低于西北五省碳排放效率平均水平的地区为青海、宁夏。西北五省的碳排放效率还有明显的上升空间, 应制定相关政策建议, 提高碳排放效率。
根据表2可以看出, 西北五省2012~2020年的碳排放效率明显上升。其中, 高于西北五省平均碳排放效率 (0.843) 的地区为陕西、宁夏, 低于西北五省平均碳排放效率的地区为甘肃、青海、新疆。相较于2003~2011年的结果, 宁夏、甘肃、新疆的位次发生了变化, 宁夏的碳排放效率明显提高, 这是因为按现行的发展速度, 预测的宁夏GDP增长幅度高于碳排放量的增加幅度, 而甘肃和新疆却是相反的结果。
4.2 政策建议
4.2.1 针对陕西、甘肃、新疆的建议
针对这些地方, 应制定发展低碳经济政策。政府需要研究出台促进低碳经济发展的财政税收、金融信贷等相关政策和措施, 改善有利于低碳产业发展的宏观环境, 通过政策引导, 鼓励各地区加大低碳产业的投入, 逐步推进低碳产业发展。此外, 积极跟踪和关注国家和其他省市低碳工业发展新的方向、新举措和新政策, 充分利用国家逐步出台的相关产业政策, 帮助相关企业申请项目基金。大力发展第三产业, 积极发展服务业、旅游业和对外贸易, 增加第三产业占GDP的比重。
4.2.2 针对青海、宁夏的建议
重点改善能源消费结构较为单一的现状, 提高能源利用率, 淘汰落后产能。首先, 加大研发投入, 引进国内外先进的技术;其次, 通过清洁能源的开发, 提升新能源在能源消费中的比重, 优化能源结构, 减少二氧化碳的排放;最后, 严格控制高耗能、高排放产业的盲目扩张, 优化产业结构, 从而在保持GDP增速的情况下降低碳排放量的增长速度, 提高碳排放效率, 达到碳减排的目标。
参考文献
[1]Sun J W.The Decrease of CO2 Emission Intensity Is Decarbonization at National and Global Levels[J].Energy Policy, 2005, 33 (8) .
[2]史丹, 张金隆.产业结构变动对能源消费的影响[J].经济理论与经济管理, 2003 (8) .
[3]师博, 沈坤荣.市场分割下的中国全要素能源效率:基于超效率DEA方法的经验分析[J].世界经济, 2008 (9) .
[4]Battese G E&Coelli T J.Frontier Production Functions, Technical Efficiency and Panel Data:With Application to Paddy Farmers in India[J].Journal of Productivity Analysis, 3:1/2 (June) , 1992.
[5]韩志勇, 魏一鸣, 范英.中国能源强度与经济结构变化特征研究[J].数理统计与管理, 2004 (1) .
工业碳排放效率 第9篇
国家实施西部大开发战略以来, 新疆充分发挥了国家的政策优势和资源优势, 经济建设和社会事业取得了巨大成就。尤其是2010 年中央新疆工作座谈会召开以来, 国家给予了新疆更多优惠政策, 十九省市对口援疆, 新疆的经济发展步伐显著加快。然而, 在经济高速发展中也暴露出以资源高污染、高消耗为特征的粗放型经济增长的问题。这不仅造成了巨大的资源浪费与效率低下, 而且还严重破坏了地区环境。
面对日益严峻的能源和环境问题, 政府分别从宏观和微观层面开展了一系列节能减排实践。然而, 由于经济增长中存在惯性, 在较短的时间内通过减少能源的消耗来降低环境的污染效果有限。因此, 提高能源效率成为降低二氧化碳排放量的最有效途径。很多学者用能源强度来衡量一个地区的能源效率, 但由于能源强度是一种单要素效率指标, 它只衡量了能源投入与经济产出之间的一个比例关系, 没有考虑其他投入要素的影响, 具有明显的缺陷。而全要素能源效率是在考虑了其他投入要素的基础上来衡量能源投入与经济产出之间关系的, 因此全要素能源效率具有单要素能源效率无法替代的优势。Hu和Wang ( 2006) 引入全要素能源效率的概念, 并运用DEA方法测算了19952002 年中国各地区的全要素能源效率。徐国强 ( 2007) 采用30 个省的面板数据分析19982005 年八大经济区域全要素能源效率。庞瑞芝等 ( 2009) 利用中国工业部门35 个行业19942007 年统计数据, 对转型期间工业部门全要素能源效率进行了分析。严菲、谭忠富等 ( 2010) 利用DEA方法对内蒙古的全要素能源效率进行了测算分析。
能源效率与碳排放量之间具有紧密的关系, 能源效率是影响碳排放量的关键因素之一, 提高能源效率能有效减少碳的排放量。但由于缺少相关实证研究, 从而未能对两者的关系做出明确的解释。鉴于此, 本文试图从以下几个方面对新疆全要素能源效率和碳排放量的关系进行实证研究: 首先利用DEA方法测算19902011 年新疆的全要素能源效率; 其次, 通过协整检验对新疆全要素能源效率和碳排放量之间的关系进行实证分析; 最后做出两者之间的误差修正模型并得出结论和建议。
二、研究方法与数据处理
1. DEA方法
本文是基于数据包络分析 ( DEA) 的基础上来测算新疆的全要素能源效率的。DEA方法是以相对效率为基础, 用于评价具有相同类型的多投入、多产出的决策单元是否技术有效的一种非参数统计方法。该模型有输入导向型和输出导向型两种, 本文采用输出导向型的模型。 把新疆的每一年作为一个决策单元, 假设每一个决策单元的投入要素为X = ( K, L, E) , 其中K表示资本投入, L表示劳动投入, E表示能源投入; 每一个决策单元的产出要素为Y, 其中Y表示新疆每一年的地区生产总值。
2. 变量与数据说明
本文以19902011年为样本观测区间, 选取各年的资本存量、劳动力、能源消费量作为投入要素, 以新疆历年生产总值为产出要素来进行能源效率分析。
GDP产出: 新疆历年的GDP和GDP平减指数来源于19912011 年新疆统计年鉴, 并以1990 年为基期进行换算。
资本存量 ( K) : 一般采用“永续盘存法”来估计每年的实际资本存量, 即以前一年的实际固定资本存量值扣除折旧, 加上当年的实际固定资本投资额获得。此处主要参考了张军等人的研究成果, 固定资产折旧率取9. 6%。
劳动力 ( L) : 劳动力用历年全社会从业人员人数来表示, 数据主要来源于历年《新疆统计年鉴》。
能源 ( E) : 能源投入量用各年的能源消耗量来表示, 主要数据来源于历年《中国能源统计年鉴》和历年《新疆统计年鉴》, 已经折算成标准煤。
碳排放量: 碳排放量用二氧化碳排放量表征。由于统计年鉴上并没有二氧化碳排放量的数据, 本文参照蒋金荷 ( 2011) 的方法测算了新疆19902011 年各年的碳排放量, 再按照二氧化碳气化系数 ( 44: 12) 计算二氧化碳排放量, 单位为万吨。
三、全要素能源效率的测算及与碳排放量关系分析
本文利用Deap2. 1 软件对新疆19902011 年各年的全要素能源效率进行了估算。通过对19902011 年新疆二氧化碳排放量数据的分析可知, 随着经济的增长, 二氧化碳排放量也在逐年增加, 表明新疆的经济增长严重依赖于能源的高投入和高消耗。为了梳理出全要素能源效率与碳排放量的关系, 本文选取二氧化碳排放量强度 ( 即生产一单位GDP所排放的二氧化碳量) 作为因变量来分析全要素能源效率与碳排放量的关系 ( 见图1) 。
由图1 可以看出, 19902011 年新疆全要素能源效率总体上变动比较平稳并呈现上升的趋势, 而二氧化碳排放量强度呈现总体下降的趋势, 两者之间在总体上呈反向变动趋势。进一步观察可以发现, 全要素能源效率在19941996 年这三年出现了快速上升, 与此相对应的二氧化碳强度在这三年出现了快速下降; 全要素能源效率在2000 年和2009 年分别出现了下降, 二氧化碳强度在这两年正好略微上升了一定幅度。这说明碳排放量与能源效率之间不仅存在密切的联系而且存在一定的反向变动趋势关系, 能源效率的提升可以在相当程度上减少二氧化碳的排放, 相反能源效率的降低也可以在相当程度上增加二氧化碳的排放。
四、全要素能源效率与碳排放量关系的实证研究
为了进一步分析新疆全要素能源效率和二氧化碳排放量之间的关系, 下面通过建立计量经济模型来进行探究。在计量模型变量的选择上, 以二氧化碳排放量强度为被解释变量, 以每年的全要素能源效率作为解释变量, 并对上述数据取对数, 分别记为LnC和LnTfee, 以避免回归模型中可能出现的异方差问题。其一阶差分分别记为 △LnC和△LnTfee。
1. 单位根检验
在对时间序列数据进行协整分析之前, 首先要对时间序列数据进行单位根检验, 否则进行的估计就会出现 “伪回归”的可能性。本文主要运用ADF检验法对变量进行平稳性检验, 检验结果见表1。
从表1 的检验结果可以看出, LnC在5% 和10% 的显著性水平下都是平稳序列, 但在1% 的显著性水平下是非平稳序列; LnTfee在1%、5% 和10% 的显著性水平下都是非平稳序列。两者的一阶差分△LnC和△LnTfee都是平稳序列, 因此满足进行协整检验的条件。
2. 协整检验
协整检验从检验对象上可以分为两种: 一种是基于回归系数的协整检验, 如Johansen协整检验; 另一种是基于回归残差的协整检验, 如DF检验、ADF检验等。本文主要采用第二种方法进行协整检验。
首先对LnC和LnTfee进行OLS回归, 得到如下回归方程:
从回归结果可以看出, LnC和LnTfee回归方程的总体F值及各回归系数的检验值都是统计显著的。其次对上述回归模型的残差序列进行单位根检验, 此处选择无截距项、无趋势项的ADF检验, 最终由检验结果可以看出残差序列的t统计量是显著的, 由此可以得出残差序列是平稳的序列, 进而LnC和LnTfee之间存在协整关系。从经济意义上来讲, 新疆的碳排放强度和全要素能源效率之间存在长期稳定的均衡关系, 即全要素能源效率的提高可以在一定程度上减少二氧化碳的排放。
3. ECM模型
前文中的协整检验表明了二氧化碳排放量强度与全要素能源效率具有长期的均衡关系, 为了考察二氧化碳排放与全要素能源效率之间的动态关系, 现通过建立误差修正模型来进一步分析两者之间的动态关系。
根据协整检验的回归模型 ( 1) , 以其残差序列作为误差修正项ecm, 建立如下的误差修正模型:
由模型 ( 2) 可以看出被解释变量的动态特征可以分为两部分, 一部分是短期波动的影响, 一部分是偏离长期均衡的影响。模型中的△LnTfee部分反映了变量的短期波动影响, 在短期内全要素能源效率的变化将引起二氧化碳排放量强度的反方向变化, LnTfee提高1% 将引起LnC降低1. 265033% , 由此可见全要素能源效率的短期波动对二氧化碳排放强度的影响较大。
在模型 ( 2) 中ecm项是误差修正项, 它反映了LnC关于LnTfee的短期偏离。误差修正项的系数为负数, 说明长期均衡趋势的偏离具有收敛性, 其大小反映了模型对偏离长期均衡方程的调整力度。根据估计的结果可知, ecm的估计系数大小为0. 34662, 反映了对偏离长期均衡的修正, 但是修正强度相对较小, t统计量值不显著, 这说明制定减少二氧化碳排放的长期政策执行效果不明显。
五、结论与政策建议
从整体上来看, 新疆全要素能源效率和碳排放量强度之间确实存在反向关系, 即随着全要素能源效率的提高新疆碳排放量强度会相应降低, 随着全要素能源效率的降低碳排放量强度又会相应提高。
通过对全要素能源效率和碳排放量强度进行协整检验分析得出: 新疆全要素能源效率和碳排放量强度之间确实存在长期的均衡关系, 即从长期来看, 新疆全要素能源效率的提高能有效减少二氧化碳的排放。
通过误差修正模型可以得出, 全要素能源效率的短期波动对碳排放量强度的影响较大, 而对偏离长期均衡的调整力度较小, 所以减少二氧化碳排放的长期政策不如短期政策执行效果明显。
由以上结论提出如下建议:
一是能源效率的提高对降低二氧化碳的排放确实具有积极的促进作用, 这意味着在碳排放约束下实现节能减排目标和经济可持续发展的有效途径是提高能源效率。
二是由于减少二氧化碳排放的长期政策执行力度不够, 因此新疆自治区政府部门应该进一步完善相关法律法规, 提升碳排放政策的长期执行能力, 转变经济发展方式并引导产业结构的转型升级, 提高新疆的全要素能源效率, 有效降低二氧化碳的排放。
三是虽然提高全要素能源效率是二氧化碳减排的有效途径, 但也离不开其他因素的共同作用, 因此要想实现新疆经济的可持续发展除了要提高全要素能源效率, 还要积极发挥减排政策的引导作用, 促进能源消费结构的转型升级。
摘要：新疆既是能源大省又是经济相对落后的省份, 正确处理好经济发展和能源消费问题显得至关重要。本文首先采用数据包络分析方法测算了新疆1990—2011年的全要素能源效率, 其次对全要素能源效率和碳排放量及强度进行协整检验, 最后建立两者的ECM模型并得出本文的结论:新疆全要素能源效率与碳排放强度之间存在长期均衡关系, 并且全要素能源效率的短期波动对碳排放强度的影响要大于长期波动的影响, 因此要实现经济的可持续发展离不开全要素能源效率的提高。
关键词：全要素能源效率,碳排放强度,数据包络分析,新疆
参考文献
[1]张军, 吴桂英, 张吉鹏.中国省际物质资本存量估算:1952—2000[J].经济研究, 2004 (10) :35—45.
[2]蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学, 2011, 33 (4) :597-604.
[3]李美娟, 陈国宏.数据包络分析法 (DEA) 的研究与应用[J].中国工程科学, 2003 (6) :88-95.
[4]魏楚, 沈满洪.能源效率与能源生产率:基于DEA方法的省际数据比较[J].数量经济技术经济研究, 2007 (9) :110-122.
[5]李国璋, 江金荣, 周彩云.全要素能源效率与环境污染关系研究[J].中国人口·资源与环境, 2010 (4) :50-57.
[6]师博, 沈坤荣.市场分割下的中国全要素能源效率:基于超效率DEA方法的经验分析[J].世界经济, 2008 (9) :49-60.
[7]袁晓玲, 张宝山, 杨万平.基于环境污染的中国全要素能源效率研究[J].中国工业经济, 2009 (2) :76-78.
[8]张宇.FDI与中国全要素生产率的变动——基于DEA与协整分析的实证检验[J].世界经济研究, 2007, 14 (5) :14-19.
[9]林勇, 许秀丽.基于数据包络分析的区域全要素能源效率分析[J].生态经济, 2010 (8) , 60-62.
