張士強李 躍張 翼任一鑫蔣蓬陽

(1.山東科技大學經(jīng)濟管理學院,山東省青島市,266590; 2.濟南大學商學院,山東省濟南市,250022; 3.山東科技大學礦業(yè)與安全工程學院,山東省青島市,271019)

山東省煤炭產(chǎn)業(yè)碳排放驅動因素通徑分析

張士強1,2李 躍1張 翼1任一鑫1蔣蓬陽3

(1.山東科技大學經(jīng)濟管理學院,山東省青島市,266590; 2.濟南大學商學院,山東省濟南市,250022; 3.山東科技大學礦業(yè)與安全工程學院,山東省青島市,271019)

以2005－2015年山東省煤炭產(chǎn)業(yè)有關統(tǒng)計數(shù)據(jù)為依據(jù),首先運用spss21.0對能源消費結構、能源強度、人均生產(chǎn)總值、人口強度、企業(yè)規(guī)模和企業(yè)數(shù)量6個因素進行了相關性檢驗,然后利用通徑分析的方法分析了四個具有相關性的因素對碳排放的直接效應和間接效應。最終結果表明:能源消費結構優(yōu)化和企業(yè)規(guī)模擴大對煤炭產(chǎn)業(yè)碳排放量具有抑制作用,能源強度和企業(yè)數(shù)量因素對煤炭產(chǎn)業(yè)碳排放量具有推動作用;各個因素的直接通徑系數(shù)與總通徑系數(shù)差距較大,因素間的相互作用對碳排放的間接影響在總影響效果中具有不可忽視的地位。

煤炭產(chǎn)業(yè) 碳排放 驅動因素 通徑分析 機理

自工業(yè)革命之后,隨著技術經(jīng)濟的不斷發(fā)展,人們對能源的需求和依賴日益提高,二氧化碳等溫室氣體的排放量逐年提高,嚴重威脅到了地球氣體的正常代謝過程,引發(fā)了一系列的環(huán)境問題。針對這一現(xiàn)象,1824年法國學者Jean-Baptiste Joseph Fourier提出“溫室效應”一詞,引發(fā)了諸專家學者對“溫室效應”的不斷關注和研究。在2008年的八國集團首腦會議中更是提出,到2050年全球二氧化碳排放量減半;我國作為全球第一大碳排放國,于2009年負責任的提出到2020年單位GDP排放量相較于2005年降低40%～45%的實質性目標,踐行大國承諾。然而,我國能源的70%以上來自煤炭,煤炭產(chǎn)業(yè)作為我國的能源基礎產(chǎn)業(yè),短時期內(nèi)難以改變能源供給結構現(xiàn)狀,在此背景下,如何實現(xiàn)煤炭產(chǎn)業(yè)的碳減排和低碳發(fā)展,成為我國必須重視和應對的問題,關于碳排放的研究理應被推上備受矚目的高峰。

作為全國重要產(chǎn)煤省份之一,山東省煤炭資源主要集中在濟寧、棗莊、泰安等10個重點產(chǎn)煤市、33個產(chǎn)煤縣(區(qū))。截至2015年年底,省內(nèi)繼續(xù)實施保護性開采和穩(wěn)產(chǎn)策略,原煤產(chǎn)量連續(xù)12年穩(wěn)定在1.5億t左右。此外,山東省煤炭資源具有儲量較多、品種多樣、開拓方式齊全、資源埋深不一、“三下”壓煤形式多樣的特點,在全國范圍內(nèi)具有很強的代表性,因此本文選取山東省煤炭產(chǎn)業(yè)為研究對象,分析影響其碳排放的驅動因素,為山東省煤炭產(chǎn)業(yè)低碳發(fā)展提供理論指導,同時對其他省份乃至中國煤炭產(chǎn)業(yè)碳排放的相關研究起到一定的借鑒作用。

1 相關文獻綜述

為尋求降低碳排放的途徑,專家學者們運用不同研究方法針對碳排放驅動因素展開了大量研究。通過梳理國內(nèi)外相關研究文獻,可以將碳排放驅動因素相關成果分為兩類:一類是研究單一因素對碳排放的作用機制,進而提出具體的調控措施;另一類是綜合考慮多種因素對碳排放的影響,通過實證分析各類因素的驅動作用,進而提出應對措施。

1.1 單因素研究綜述

通過梳理國內(nèi)外相關文獻,典型的研究成果包括人口數(shù)量、城市化進程、能源消費結構、產(chǎn)業(yè)結構因素對碳排放的驅動作用。其中關于人口數(shù)量對碳排放驅動作用的研究結果有兩類:一類認為,人口數(shù)量的增加會通過能源消耗因素提高碳排放量;另一類則認為,人口壓力會促進科技進步,進而降低碳排放量。而關于城市化進程、能源消費結構和產(chǎn)業(yè)結構的相關研究成果則較為統(tǒng)一,普遍認為城市化會增加二氧化碳碳排放量,合理調整能源消費結構和產(chǎn)業(yè)結構對降低碳排放量具有十分顯著的作用。

單因素分析方法主要包括系數(shù)分析法和方程分析法兩大類。其中系數(shù)分析方法包括相關性分析和灰色關聯(lián)分析等方法,前者適用于大樣本下的定量分析,后者多用于樣本較小、缺少數(shù)據(jù)的定性分析。方程分析法主要包括回歸分析和協(xié)整方程等,該類方法需要大樣本數(shù)據(jù)。

1.2 多因素研究綜述

多因素研究指研究多個因素組合對碳排放的驅動作用,較為普遍的組合為GDP(或人均GDP)、能源消費結構、產(chǎn)業(yè)結構、能源強度、人口數(shù)量及結構等;多數(shù)研究結果表明:GDP增加、人口數(shù)量增長對碳排放具有顯著推動作用;能源消費結構和產(chǎn)業(yè)結構的優(yōu)化調整對碳減排具有顯著作用效果;能源強度的降低對碳排放具有抑制作用。

碳排放多因素分析模型種類較多,其中較為常用的碳排放驅動因素模型主要有LMDI模型、STIRPAT模型、IPDA模型、ARDL模型、三要素生產(chǎn)函數(shù)框架法和面板數(shù)據(jù)回歸等。以上模型可以劃分為三類:分解法、系數(shù)分析法和方程分析法。其中,LMDI模型是Ang B W(2004)在綜合比較各種因素分析法的基礎上提出的分解法中的一類。LMDI方法由于滿足因素可逆、能消除殘差項的特點,能克服用其他方法分解后存在殘差項或對殘差項分解不當?shù)娜秉c,使模型更具說服力,在當前應用較為廣泛。

在現(xiàn)有文獻中,應用LMDI方法分析不同工業(yè)部門或不同地區(qū)的碳排放因素的研究較為豐富。在工業(yè)部門研究中,Wang C,et al(2005)采用LMDI對中國1957－2000年的碳排放進行了分解,綜合分析了人口、經(jīng)濟增長、能源強度、能源結構對碳排放的影響效應;徐國泉等(2006)藉此定量分析了1995－2004年間,能源結構、能源效率和經(jīng)濟發(fā)展三因素的變化對中國人均碳排放的影響,得出經(jīng)濟發(fā)展對促進中國人均碳排放的貢獻率成指數(shù)增長,而能源效率和能源結構對抑制中國人均碳排放的貢獻率均呈倒“U”型曲線關系的結論。Liu,et al (2007)運用LMDI研究了中國1998－2005年期間36個工業(yè)部門的碳排放影響因素。宋德勇和盧忠寶(2009)采用兩階段LMDI模型,對能源消費碳排放影響因素和減少碳排放的關鍵因素進行分解研究。朱勤和彭希哲等(2009)利用擴展的Kaya模型和LMDI模型,將我國碳排放分解為人口、人均GDP、產(chǎn)業(yè)結構、能源強度、能源消費結構五方面因素。王鋒和吳麗華等(2010)將1995－2007年間中國能源消費的碳排放增長率分解為11種驅動因素的加權貢獻,并對這一時期中的6個時間段和每一種驅動因素進行了研究。此外,蔣金荷(2011)通過分析中國宏觀工業(yè)部門數(shù)據(jù),對中國碳排放量的預測及影響因素進行了研究。此外,專家學者對具體區(qū)域碳排放驅動因素也進行了大量研究和有益探索,并提出了相關建議和措施。

1.3 幾點不足

(1)缺乏系統(tǒng)分析思想,忽略因素間的作用關系。在單因素分析研究中,顯然需要排除其他因素的影響,研究單一因素對碳排放的作用機制,確定該因素對碳排放的作用方向和作用效果。但因缺乏對其他因素的考慮,會導致研究結果與現(xiàn)實情況不符,甚至背道而馳。上文對人口因素的驅動效應綜述證明了這一點。

在多因素分析研究中,專家學者通過建立模型直接確定各個因素對碳排放的驅動作用,并得出各個因素對碳排放的貢獻值或者貢獻率,并沒有考慮各個因素之間的相關關系,從而導致研究結果與實際情況有較大偏離,這種偏離或表現(xiàn)在驅動方向上,或表現(xiàn)在驅動程度上。

(2)因素選擇主觀性強,缺乏理論和實證說明。在眾多文獻中,無論采取何種計算模型,作者在因素選擇時,主觀判斷居多。在模型建立前,對所選因素進行相關性檢驗的研究較為少見。

當前眾多學者不斷擴展研究領域,且研究從宏觀領域逐漸向微觀領域過度,但是在針對某一具體區(qū)域、產(chǎn)業(yè)乃至企業(yè)進行碳排放量影響因素分析過程中,仍沿用宏觀研究的因素指標,根據(jù)對象特征確定因素指標的研究仍然比較匱乏。

綜上所述,本文在研究煤炭產(chǎn)業(yè)碳排放影響因素時,首先對煤炭產(chǎn)業(yè)特征進行分析研究,然后依據(jù)煤炭產(chǎn)業(yè)特征選取相關影響因素并對其進行相關性檢驗,最后運用通徑分析法對影響因素間和影響因素與碳排放量間的關系進行分析求解,最終結合分析結果給出碳減排相關建議。

2 山東省煤炭產(chǎn)業(yè)相關概念界定及碳排放現(xiàn)狀分析

2.1 山東煤炭產(chǎn)業(yè)邊界界定

山東省是我國產(chǎn)煤大省,含煤面積占全省國土面積的1/3。自1998年開始,為整頓煤炭生產(chǎn)秩序,全省共關閉各類小煤礦約633處。截止到2015年底,山東省煤炭開采業(yè)主要有山東能源和兗礦集團以及部分鄉(xiāng)鎮(zhèn)煤礦組成,共有煤礦147處。根據(jù)我國對產(chǎn)業(yè)的劃分,煤炭產(chǎn)業(yè)主要包括采用地下采掘或露天采掘方式生產(chǎn)煤炭以及對煤炭進行洗選加工的部門,即煤炭產(chǎn)業(yè)包括煤炭開采和煤炭洗選兩個行業(yè)。因此,本文研究的山東煤炭產(chǎn)業(yè)包含煤炭開采和煤炭洗選兩部分。由于山東省主要的大型國有煤礦都配有自己的洗煤廠,因此山東省暫無獨立從事煤炭洗選的企業(yè)。

2.2 煤炭產(chǎn)業(yè)碳排放概念界定及測算

碳排放量是指產(chǎn)品在生產(chǎn)、運輸、使用及回收該產(chǎn)品時所產(chǎn)生的平均溫室氣體排放量。一般行業(yè)的碳排放量主要是通過各個部門能源消費量與各類能源的碳排放系數(shù)相乘累計得到的。但是煤炭產(chǎn)業(yè)作為地下采掘業(yè),會伴隨各類伴生物品(如瓦斯),瓦斯的主成分是甲烷,其對溫室效應的影響程度是二氧化碳的24.5倍;同時煤炭產(chǎn)業(yè)的產(chǎn)品煤炭、煤矸石等在堆積過程中,會被氧化產(chǎn)生二氧化碳。根據(jù)以上分析,結合煤炭產(chǎn)業(yè)的邊界界定,本文煤炭產(chǎn)業(yè)碳排放量是指煤炭在生產(chǎn)、運輸、洗選過程中因消耗能源、瓦斯排放、煤炭自燃等產(chǎn)生的平均溫室氣體排放量。其計算式為:

式中:C——煤炭產(chǎn)業(yè)二氧化碳排放總量;

λi——能源i的碳排放系數(shù);

Ei——能源i的消耗總量;

CH——煤炭生產(chǎn)過程中排放的瓦斯量;

b——由于煤炭、煤矸石堆放自然氧化排放的二氧化碳數(shù)量。

2.3 山東煤炭產(chǎn)業(yè)碳排放量現(xiàn)狀

隨著當前鐵路交通運輸網(wǎng)的不斷完善以及循環(huán)經(jīng)濟的不斷發(fā)展,山東省煤炭企業(yè)煤炭堆放問題已基本解決,煤矸石被直接發(fā)電、回填等利用,因此由煤矸石、煤炭堆放等造成的二氧化碳排放問題可以忽略不計。同時將24.5視作瓦斯的碳排放系數(shù),則可以將碳排放計算公式簡化為C＝λiEi,其中Ei中包含瓦斯排放量。

山東省煤炭產(chǎn)業(yè)能源消耗主要包括煤炭、汽油、柴油、電力、蒸汽等,非能耗部分主要是瓦斯。根據(jù)式(1),計算山東省煤炭產(chǎn)業(yè)碳排放量如圖1所示。由1圖可知,山東省煤炭產(chǎn)業(yè)碳排放量呈現(xiàn)波動性上升趨勢,與煤炭產(chǎn)業(yè)生產(chǎn)總值變化趨勢基本相同。

圖1 山東省煤炭產(chǎn)業(yè)碳排放量與產(chǎn)值走勢圖

3 山東省煤炭產(chǎn)業(yè)碳排放驅動因素選擇

3.1 山東省煤炭產(chǎn)業(yè)碳排放驅動因素指標選取的理論依據(jù)

中國政府在2004年提交的《中華人民共和國氣候變化初始國家信息通報》中指出,影響碳排放的驅動因素主要包括八個方面,并可將其總結概括為經(jīng)濟因素、科技因素、管理因素和人口因素四個方面。綜合專家學者的研究成果,本文選用山東省煤炭產(chǎn)業(yè)職工人均生產(chǎn)總值作為其經(jīng)濟因素指標;選取能源強度作為其科技因素指標;選取人口強度作為其人口因素指標;考慮到煤炭產(chǎn)業(yè)碳排放的特殊性,除將能源結構納入管理因素指標外,還選用了煤炭企業(yè)數(shù)量和企業(yè)規(guī)模指標,反映煤炭企業(yè)大型化、現(xiàn)代化對碳排放的驅動效應。

在本文因素選擇過程中,對于經(jīng)濟因素、科技因素和管理因素等的指標選取均從山東省煤炭產(chǎn)業(yè)內(nèi)部考慮,并未考慮煤炭產(chǎn)業(yè)與外界環(huán)境的交換因素,主要基于如下考慮:首先,煤炭產(chǎn)業(yè)有其獨特性,其受資源賦存條件影響極其顯著,其產(chǎn)量主要受自然條件限制,受外部經(jīng)濟環(huán)境影響較小;其次,煤炭企業(yè)屬于定額生產(chǎn),并且礦井建設周期較長,一般為3～5年,因此其反應速度較為緩慢。所選指標表達式及意義如下。

因變量Y為山東省煤炭產(chǎn)業(yè)碳排放總量;由于煤炭產(chǎn)業(yè)以電能消耗為主,因此選取電能占總能選消費比例x1代表山東省煤炭產(chǎn)業(yè)能源消費結構指標;選取單位工業(yè)總產(chǎn)值的能源消耗x2代表能源強度指標;人均生產(chǎn)總值因素x3,即山東省煤炭產(chǎn)業(yè)單位人員的產(chǎn)值;人口強度因素x4,即山東省每個煤炭企業(yè)所含的平均從業(yè)人口數(shù)目;企業(yè)規(guī)模x5,即單個企業(yè)平均總產(chǎn)值;煤炭企業(yè)數(shù)量因素x6,即山東省煤炭產(chǎn)業(yè)中存在的煤炭企業(yè)的數(shù)目。

3.2 山東省煤炭產(chǎn)業(yè)碳排放驅動因素指標選取的實證依據(jù)

(1)數(shù)據(jù)來源及處理。文中山東省煤炭產(chǎn)業(yè)生產(chǎn)總值、從業(yè)人口數(shù)目、煤炭企業(yè)數(shù)目、煤炭產(chǎn)量、噸煤綜合能耗、噸煤綜合電耗等數(shù)據(jù)來源于2005－2015年山東省煤炭工業(yè)局統(tǒng)計年鑒和煤炭產(chǎn)業(yè)經(jīng)濟信息手冊;文中山東省煤炭產(chǎn)業(yè)總能源消耗量由煤炭產(chǎn)量和噸煤綜合能耗計算獲得近似值;瓦斯排放量根據(jù)礦井相對涌出量計算獲得;各類能源的碳排放系數(shù)通過查閱《中華人民共和國國家標準GB/T2008綜合能耗計算通則》獲得;各類能源折標系數(shù)及瓦斯相對涌出量近似值由山東省煤炭工業(yè)局提供;由于近十年來,煤炭價格出現(xiàn)“過山車”式變化,為消除價格變動因素對計算結果的影響,模型計算過程中山東省煤炭產(chǎn)業(yè)生產(chǎn)總值均按2005年不變價格計算得出,部分數(shù)據(jù)如表1、表2所示。

表1 2005－2015年山東省碳排放驅動因素原始數(shù)據(jù)

表2 常規(guī)能源碳排放系數(shù)

(2)相關性分析及檢驗。本文運用spss21.0,首先對煤炭產(chǎn)業(yè)碳排放量時間序列數(shù)據(jù)進行正態(tài)分布檢驗,由于樣本數(shù)量較小,采用Shapiro－Wilk test得到結果Sig＝0.622＞0.05,服從正態(tài)分布,因此可以運用通徑分析方法進行山東省煤炭產(chǎn)業(yè)碳排放驅動因素的研究。然后對影響因素進行相關性分析,結果如表3所示。

表3 影響因素與碳排放量的偏相關系數(shù)

由表3結果顯示,影響因素人均生產(chǎn)總值、人口強度影響效果不顯著,能源結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量具有十分顯著的相關性,因此,后文研究中將人均生產(chǎn)總值和人口強度因素剔除。

4 影響因素與碳排放的通徑分析

4.1 通徑分析介紹

通徑分析方法是相關性分析方法的升級和延伸,將簡單相關分析所得的相關系數(shù)進行分解,得到直接通徑系數(shù)、間接通徑系數(shù)和總通徑系數(shù)三組數(shù)據(jù)。其中直接通徑系數(shù)表示自變量對因變量的直接影響程度,間接通徑系數(shù)則表示某一自變量通過其他若干自變量間接影響因變量的作用程度之和,總通徑系數(shù)則為直接通徑系數(shù)和間接通經(jīng)系數(shù)之和,表示自變量通過所有路徑對因變量的影響程度。設自變量集合為X＝{x1,x2,…,xm},因變量為Y,另自變量對因變量的偏相關系數(shù)為p,則有p＝{p1,p2,…,pi};另自變量之間的相關系數(shù)為rij,表示自變量xi與xj的相關系數(shù);riy表示自變量xi與因變量Y的相關系數(shù)。則通徑

分析模型中各個系數(shù)間關系方程如下:

所有自變量對因變量的綜合作用可以用D2表示,在spss21.0求解過程中會給出,它表示所選自變量對因變量的決定程度。當D2越趨近于1,表示其決定程度越大,所選取得自變量擬合效果越好;反之,表示自變量選取存在嚴重遺漏。

4.2 通徑系數(shù)求解

根據(jù)前文相關研究,人均生產(chǎn)總值和人口強度因素因相關性檢驗不顯著被剔除,因此,下文只保留能源消費結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量四個影響因素。運用spss21.0直接求得四個影響因素的決定系數(shù)為D2＝0.968,幾乎可以全部解釋因變量,表示該模型質量良好,能夠反映碳排放的真實情況;同時求得四個影響因素的t檢驗值,t1＝－3.898,t2＝2.893,t5＝10.182,t6＝9.984,通過查表可知,t0.025(11)＝2.201,因此各個因素的t檢驗值的絕對值均滿足條件,因此各個因素的通徑系數(shù)都表現(xiàn)顯著。

根據(jù)前文數(shù)據(jù),運用spss21.0求得能源消費結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量四個影響因素的直接通徑系數(shù)和各個因素之間的相關系數(shù);然后根據(jù)公式(2),運用Excel計算求得各個因素的間接統(tǒng)計系數(shù)和總通徑系數(shù),如表4所示。

4.3 各影響因素對碳排放的作用機理

為更加直觀的分析能源消費結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量四個影響因素對碳排放的影響路徑及其影響效果,根據(jù)前文計算結果,繪制四個影響因素對碳排放的影響路徑圖,如圖2所示。

根據(jù)圖2和表4可知,能源消費結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量四個影響因素對碳排放量的直接影響效果由大到小排序(按絕對值排序)為企業(yè)數(shù)量、企業(yè)規(guī)模、能源強度和能源消費結構,按照總影響效果由大到小排序(按絕對值排序)為能源消費結構、能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量;同時在僅考慮直接影響效果時,企業(yè)規(guī)模的擴大對碳排放量具有推動作用,而考慮綜合影響效果時,企業(yè)規(guī)模擴大對碳排放量具有抑制作用;對比直接通徑系數(shù)和綜合通徑系數(shù)可知,除能源結構因素外,其他因素的綜合通徑系數(shù)的絕對值均小于直接通徑系數(shù),表示各因素之間的相互影響產(chǎn)生了內(nèi)耗。通過總結以上三方面的對比結果可以發(fā)現(xiàn),是否考慮影響因素之間的相互作用關系對最終分析結果有顯著的影響。為進一步弄清各個因素相互影響的作用機制,對各個因素進行分情況討論。

圖2 四大影響因素對碳排放的影響路徑模型

表4 碳排放影響因素的通徑系數(shù)

4.3.1 能源結構對碳排放的作用機理

能源結構對碳排放的作用機理見圖3。

圖3 能源結構對碳排放的作用機理分析圖

根據(jù)圖3可知,能源消費結構對山東省煤炭產(chǎn)業(yè)的碳排放量的直接通徑系數(shù)為－0.372,表示能源消費結構變化一個標準差單位時,山東省煤炭產(chǎn)業(yè)碳排放量將減少－0.372個標準差單位;能源消費結構通過山東省煤炭產(chǎn)業(yè)的能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量因素對其碳排放的間接通徑系數(shù)為－0.245、0.196和－0.001,表示能源消費結構通過能源強度和企業(yè)數(shù)量因素對碳排放的間接效應為抑制作用,與能源消費結構的直接影響效應方向相同;能源消費結構通過企業(yè)規(guī)模的間接作用,對碳排放量起到正向推動作用,對能源消費結構的減碳化具有弱化作用。通過對比能源結構對碳排放的直接通徑系數(shù)和間接通徑系數(shù)發(fā)現(xiàn),能源結構通過能源強度、企業(yè)規(guī)模和企業(yè)數(shù)量間接作用后,其對碳排放的抑制作用被強化。

當前山東省煤炭產(chǎn)業(yè)為節(jié)能減排不斷深化能源綜合利用,開發(fā)利用地熱、太陽能,回收余熱余壓,降低煤炭使用量,這是能源結構調整降低碳排放的關鍵;但是,其直接通徑系數(shù)(絕對值)較小,主要原因是煤炭產(chǎn)業(yè)主要耗能領域為采掘和洗選環(huán)節(jié),該環(huán)節(jié)用能單一,難以實現(xiàn)能源替代,而能源結構調整多應用于生活辦公領域,因此其對碳排放的影響效應較小,符合山東省煤炭產(chǎn)業(yè)實際情況;能源強度的提高表示能源效率的降低,能源結構通過能源強度對碳排放量的間接影響為－0.245,表明能源效率的提高會強化能源結構優(yōu)化帶來的碳減排效果;能源結構通過企業(yè)數(shù)量對碳排放量影響為抑制作用,因為企業(yè)數(shù)量的增加,必會帶來生活區(qū)和辦公區(qū)的增加,結構調整的空間越大;能源結構通過企業(yè)規(guī)模對碳排放影響為促進作用,因為本文企業(yè)規(guī)模為單個礦井的生產(chǎn)總值,一定程度上反映煤炭產(chǎn)業(yè)經(jīng)濟發(fā)展水平,當前煤礦向機械化、大型化礦井轉型,隨著產(chǎn)量的不斷增加勢必會增加能源消費量,進而提高碳排放量,因此在煤炭產(chǎn)業(yè)經(jīng)濟發(fā)展規(guī)模增加的情況下,能源結構的間接影響效應為0.196,即在此情況下進行能源結構調整仍會增加碳排放量,但是相比該情況能源結構調整前,碳排放量是減少的。

4.3.2 能源強度對碳排放的作用機理

能源強度對碳排放的作用機理見圖4。

圖4 能源強度對碳排放的作用機理分析圖

根據(jù)圖4可知,能源強度對山東省煤炭產(chǎn)業(yè)的碳排放量的直接通徑系數(shù)為0.426,表示能源強度增加一個標準差單位時,山東省煤炭產(chǎn)業(yè)碳排放量將增加0.426個標準差單位;能源強度通過山東省煤炭產(chǎn)業(yè)的能源消費結構、企業(yè)規(guī)模和企業(yè)數(shù)量因素對其碳排放的間接通徑系數(shù)為0.214、－0.012和－0.284,表示能源強度通過企業(yè)規(guī)模和企業(yè)數(shù)量因素對碳排放的間接效應為抑制作用,通過能源結構的間接作用,對碳排放量起到正向推動作用,通過對比能源強度對碳排放的直接通徑系數(shù)和間接通徑系數(shù)發(fā)現(xiàn),能源強度通過能源消費結構、企業(yè)規(guī)模和企業(yè)數(shù)量間接作用后,其對碳排放的推動作用被弱化。

能源強度通過能源消費結構的間接影響,對煤炭產(chǎn)業(yè)碳排放表現(xiàn)出推動作用,主要原因在于,能源強度提高表示能源效率的降低,當能源強度提高時,企業(yè)進行能源結構調整的動力不足,趨向于使用常規(guī)能源,進而導致碳排放量的增加;本文企業(yè)規(guī)模在一定程度上表示企業(yè)的經(jīng)濟實力,企業(yè)經(jīng)濟實力的增加會增加技術投入,進而提高能源效率,但從圖4數(shù)據(jù)看,其影響效果較小;能源強度的增加一定情況下反映了經(jīng)濟效益的下降,因此煤炭企業(yè)必然存在退出現(xiàn)象,因而能源強度通過煤炭企業(yè)數(shù)量的間接影響呈現(xiàn)抑制效應。

4.3.3 企業(yè)規(guī)模對碳排放的作用機理

企業(yè)規(guī)模對碳排放的作用機理見圖5。

圖5 企業(yè)規(guī)模對碳排放的作用機理分析圖

根據(jù)圖5可知,企業(yè)規(guī)模對山東省煤炭產(chǎn)業(yè)的碳排放量的直接通徑系數(shù)為0.832,表示企業(yè)規(guī)模每增加一個標準差單位時,山東省煤炭產(chǎn)業(yè)碳排放量將增加0.832個標準差單位;企業(yè)規(guī)模通過山東省煤炭產(chǎn)業(yè)的能源消費結構、能源強度和企業(yè)數(shù)量因素對其碳排放的間接通徑系數(shù)為－0.088、－0.006和－0.839,表示企業(yè)規(guī)模通過能源消費結構、能源強度和企業(yè)數(shù)量因素對碳排放的間接效應均為抑制作用,通過對比企業(yè)規(guī)模對碳排放的直接通徑系數(shù)和間接通徑系數(shù)發(fā)現(xiàn),企業(yè)規(guī)模通過能源消費結構、能源強度和企業(yè)數(shù)量間接作用后,其對碳排放的推動作用被極大弱化。

企業(yè)規(guī)模為單個企業(yè)的平均生產(chǎn)總值,企業(yè)數(shù)量和能源強度不變情況下,企業(yè)規(guī)模的擴大必然會引起煤炭產(chǎn)業(yè)生產(chǎn)總值的增加,進而提高能源消費量,導致碳排放量的增加。但是企業(yè)規(guī)模的擴大,表示企業(yè)實力、社會責任的提高,有更多的資金去調整能源結構、降低能源強度,同時企業(yè)規(guī)模擴張導致企業(yè)數(shù)量減少,因此通過以上三個因素的間接作用降低了碳排放量,抵消了產(chǎn)量增加帶來的碳排放增加量。由此,進一步證明了國家提倡煤炭產(chǎn)業(yè)規(guī)模化生產(chǎn)的必要性。

4.3.4 企業(yè)數(shù)量對碳排放的作用機理

企業(yè)數(shù)量對碳排放的作用機理見圖6。

圖6 企業(yè)數(shù)量對碳排放的作用機理分析圖

根據(jù)圖6可知,企業(yè)數(shù)量對山東省煤炭產(chǎn)業(yè)的碳排放量的直接通徑系數(shù)為0.906,表示企業(yè)數(shù)量每增加一個標準差單位時,山東省煤炭產(chǎn)業(yè)碳排放量將增加0.906個標準差單位;企業(yè)數(shù)量通過山東省煤炭產(chǎn)業(yè)的能源消費結構、能源強度和企業(yè)規(guī)模因素對其碳排放的間接通徑系數(shù)分別為0.001、－0.133和－0.770,表示企業(yè)數(shù)量通過能源消費結構因素對碳排放的間接效應為推動作用,但作用效果可忽略,通過能源強度和企業(yè)規(guī)模的間接作用,對碳排放量起到抑制作用。通過對比能源強度對碳排放的直接通徑系數(shù)和間接通徑系數(shù)發(fā)現(xiàn),其直接通徑系數(shù)為0.906,對碳排放其推動作用,而總通徑系數(shù)為－0.004,對碳排放起抑制作用,但效果明顯,原因是企業(yè)數(shù)量通過能源強度和企業(yè)規(guī)模因素的間接抑制作用抵消了企業(yè)數(shù)量直接和通過能源結構的間接推動作用之和。

由于山東省煤炭產(chǎn)量長期保持在1.5億t左右,企業(yè)數(shù)量和企業(yè)規(guī)模在一定程度上存在負相關關系,因此企業(yè)數(shù)量的增加必然導致企業(yè)規(guī)模的減少,從而間接對碳排放起到抑制作用,這與圖5相關數(shù)據(jù)相符;企業(yè)數(shù)量通過能源強度的間接推動作用為負,二者成負相關性,原因同能源強度作用機理分析;企業(yè)數(shù)量通過能源結構對碳排放影響作用為正,原因在于企業(yè)數(shù)量增加,使單個企業(yè)能源結構調整的空間減小所致。

5 結論

根據(jù)通徑分析方法的觀點,各個影響因素對碳排放的總效果來源于直接影響和間接影響兩部分,本文通徑分析結果顯示:能源消費結構優(yōu)化對煤炭產(chǎn)業(yè)碳排放量存在抑制效應,并且通過其他因素的綜合作用,增強了其對碳排放的抑制效果;能源強度對碳排放的直接通徑系數(shù)和總通系數(shù)均為正,是碳排放增加的最主要推動因素,但通過其他因素的綜合作用,其推動作用表現(xiàn)出弱化現(xiàn)象;企業(yè)規(guī)模因素對碳排放的直接通徑系數(shù)為正,總通徑系數(shù)為負,由于企業(yè)規(guī)模因素通過能源結構、能源強度和企業(yè)數(shù)量對碳排放產(chǎn)生抑制作用,抵消了其對碳排放的推動作用;企業(yè)數(shù)量對碳排放量的直接通徑系數(shù)與總通徑系數(shù)均為正,但在其他因素的綜合作用下,其綜合推動效果較為微弱。

通過對比各個影響因素的直接通徑系數(shù)和間接通徑系數(shù)發(fā)現(xiàn),降低能源強度和優(yōu)化能源結構,尋求合理的企業(yè)規(guī)模和企業(yè)數(shù)量搭配對碳減排具有十分重要的作用。

同時,通過通徑分析發(fā)現(xiàn),制定節(jié)能減排措施時單獨針對某一因素進行優(yōu)化,往往難以達到預期效果甚至會產(chǎn)生副作用,運用系統(tǒng)的思想,綜合考慮因素之間的相互作用,制定系統(tǒng)組合策略是降低碳排放的重要措施。

[1] Knapp T,MookerjeeR.Population growth and global CO2emissions[J].Energy Policy,1996(1)

[2] Shi Anqin.The impact of population pressure on global carbon dioxide emissions,1975－1996:evidence from pooled cross-country data[J].Ecological Economics, 2003(44)

[3] 潘佳佳,李廉水.中國工業(yè)二氧化碳排放的影響因素分析[J].環(huán)境科學與技術,2011(4)

[4] Cramer C J.Population growth and air quality in California[J].Demography,1998(1)

[5] Satterthwaite D.The implications of population growth and urbanization for climate change[J].Environment and Urbanization,2009(2)

[6] 盧祖丹.我國城鎮(zhèn)化對碳排放的影響研究[J].中國科技論壇,2011(7)

[7] 吳彼愛,高建華,徐沖.基于產(chǎn)業(yè)結構和能源結構的河南省碳排放分解分析[J].經(jīng)濟地理,2010 (11)

[8] 帥通,袁雯.上海市產(chǎn)業(yè)結構和能源結構的變動對碳排放的影響及應對策略[J].長江流域資源與環(huán)境,2009(10)

[9] 何立華,楊盼,蒙雁琳,孔淵.能源結構優(yōu)化對低碳山東的貢獻潛力[J].中國人口·資源與環(huán)境, 2015(6)

[10] 王常凱,謝宏佐.中國電力碳排放動態(tài)特征及影響因素研究[J].中國人口·資源與環(huán)境,2015 (4)

[11] 渠慎寧,郭朝先.基于STIRPAT模型的中國碳排放峰值預測研究[J].中國人口·資源與環(huán)境, 2010(12)

[12] 孫作人,周德群,周鵬.碳排放驅動因素分解的IPDA模型與實證研究[J].系統(tǒng)工程,2013(8)

[13] Zhao X,Ma Q,Yang R.Factors Influencing CO2Emissions in China＇s Power Industry:Co-integration Analysis[J].Energy Policy,2013(57)

[14] 林伯強.電力消費與中國經(jīng)濟增長:基于生產(chǎn)函數(shù)的研究[J].管理世界,2003(11)

[15] Wang,W.,Liu,R.,Zhang,M.,et al.Decomposing the Decoupling of Energy-related CO2Emissions and E-conomic Growth in Jiangsu Province[J].Energy for Sustainable Development,2013(1)

[16] Ang B W.Decomposition analysis for policy making in energy:Which is the preferred Method?[J].Energy Policy,2004(9)

[17] Wang C,Chen J,Zou J.Decomposition of energyrelated CO2emission in China:1957－2000[J]. Energy,2005(1)

[18] 徐國泉等.中國碳排放的因素分解模型及實證分析:1995－2004[J].中國人口·資源與環(huán)境, 2006(6)[19] Liu L,Fan Y,et al.Using LMDI method to analyze the change of China＇s industrial CO2emissions from final fuel use:An empirical analysis[J].Energy Policy,2007(11)

[20] 宋德勇,盧忠寶.中國碳排放影響因素分解及其周期性波動研究[J].中國人口·資源與環(huán)境,2009 (3)

[21] 朱勤,彭希哲等.中國能源消費碳排放變化的因素分解及實證分析[J].資源科學,2009(12)

[22] 王鋒,吳麗華等.中國經(jīng)濟發(fā)展中碳排放增長的驅動因素研究[J].經(jīng)濟研究,2010(2)

[23] 蔣金荷.中國碳排放量測算及影響因素分析[J].資源科學,2011(4)

參考文獻:

[1] 烏云娜,牛東曉.政府投資建設項目代建制理論與實務[M].北京:電子工業(yè)出版社出版,2007

[2] 杰里米·里夫金,特德霍華德.熵:一種新的世界觀[M].上海:上海譯文出版社,1986

[3] 韓冬.2013年中國水電發(fā)展現(xiàn)狀[J].水力發(fā)電學報,2013(10)

[4] 劉凌云.中國主要煤炭交易中心運營模式研究[J].中國煤炭,2014(5)

[5] 劉凌云.火電企業(yè)燃煤雙因素變異風險及其期現(xiàn)對沖策略[J].煤炭經(jīng)濟研究,2015(3)

(責任編輯 張大鵬)

[24] 郭運功,林逢春等.上海市能源利用碳排放的分解研究[J].環(huán)境污染與防治,2009(9)

[25] 趙欣,龍如銀.江蘇省碳排放現(xiàn)狀及因素分解實證分析[J].中國人口·資源與環(huán)境,2010(7)

[26] 宋杰鯤.基于LMDI的山東省能源消費碳排放因素分解[J].資源科學,2012(1)

[27] 才慶祥,劉福明,陳樹召.露天煤礦溫室氣體排放計算方法[J].煤炭學報,2012(1)

作者簡介:張士強(1962－),男,山東梁山人,教授,博士生導師,博士學位,主要從事低碳經(jīng)濟研究。

(責任編輯 張大鵬)

Path analysis on drive factors of carbon emissions for coal industry in Shandong province

Zhang Shiqiang1,2,Li Yue1,Zhang Yi1,Jiang Pengyang3
(1．College of Economics and Management,Shandong University of Science and Technology, Qingdao,Shandong 266590,China; 2．Business School,University of Jinan,Jinan,Shandong 250022,China; 3．College of Mining and Safety Engineer,Shandong University of Science and Technology, Qingdao,Shandong 271019,China)

According to statistics of coal industry in Shandong province from 2005 to 2014, the authors used SPSS 21．0 to conduct a correlation test among six factors:energy consumption structure,energy intensity,per capita gross value of production,population intensity,firm size and the number of enterprises．The four correlational factors,were analyzed by using path analysis method．The final results showed the energy consumption structure and enterprise size had restraining effects on the carbon emission of the coal industry,the energy intensity and the number of enterprises had positive effects on the carbon emission of the coal industry．The direct path coefficient had great differences from the total path coefficient of each factor,and the indirectly interaction effects on carbon emissions had assignable role．

coal industrial,carbon emission,path analysis,mechanism

TD－9

A

烏云娜(1956－),蒙古族,吉林省前郭旗人,華北電力大學經(jīng)濟與管理學院教授,博士生導師。

山東省自然科學基金項目(ZR2014GM010),山東省社會科學規(guī)劃研究項目(14CGLJ26)

張士強,李躍,張翼等．山東省煤炭產(chǎn)業(yè)碳排放驅動因素通徑分析[J]．中國煤炭,2017,43(1):16－23,40．Zhang Shiqiang,Li Yue,Zhang Yi,et al.Path analysis on drive factors of carbon emissions for coal industry in Shandong province[J].China Coal,2017,43(1):16－23,40.