蒯 鹏 ,束克东 ,成润禾 (.合肥工业大学经济学院,安徽 合肥 3000；.北京师范大学环境学院,北京00875)

工业部门是国民经济的支柱,也是污染排放的大户.以大气污染物为例,2015年,全国二氧化硫(SO2)、氮氧化物(NOx)和烟(粉)尘排放中,工业部门分别占到83.7%、63.8%和80.1%[1].在生态文明发展理念的指引下,我国工业部门节能减排取得较大成效.统计显示:与 2011年相比,2015年工业总产值增加了 20%,但多种污染物排放出现下降:工业废水、化学需氧量(COD)、氨氮(NH4+-N)、SO2、NOx分别下降了15%、21%、25%、26%、34%;尽管工业废气和烟(粉)尘排放量分别增加2%和 8%,但增长势头得到抑制.为了更加深入地推进生态文明建设,有必要对“十二五”时期工业部门污染排放变化进行剖析,找出其驱动因素,从而为进一步污染减排提供更具针对性的指导.

当前,识别影响资源环境变化的驱动因素,常采用指数分解方法(IDA),它是将综合的资源、环境指标,如能源消耗(量或强度)、污染物排放(量或强度)进行分解,以定量识别与其有关的驱动因子的一类方法体系.自提出以来,该体系在资源环境影响分析中得到广泛的应用和发展,其中基于Kaya恒等式的LMDI方法最为常用[2],常见于碳排放驱动因素研究[3-6]、能源消耗驱动因素研究等[7].在有关研究中,经济规模和结构、人口规模、能源消耗或污染排放强度等因素受到广泛关注,但对于何种因素对资源环境对改变起主要作用,当前尚未得出一致对结论.部分学者认为经济规模是最主要的驱动因素[3-4,7-8],但也有一些学者认为强度效应(技术效应)为最主要驱动[9-11].刘满芝等对我国主要大气污染物的影响因素分析后认为,大气污染治理已由规模和结构拉动型转为技术和规模拉动型,各省间技术效应和结构效应差别较大、规模效应差异小[12].Jeong和Kim认为 2001年后,随着高油价的增长,韩国温室气体排放变化的驱动因素更主要表现为结构效应和强度效应[12].

鉴于此,本研究首先对我国“十二五”时期工业污染物排放变化的驱动因素进行识别,以揭示本阶段污染物变化的主要影响因素,并与前人研究结果进行对比分析.同时,制度因素(特别是与产业调整有关的政策)是更深层次的驱动因素,也可能是导致不同学者研究结论差异的原因,但当前的研究对其关注尚不多.Jeong等[5]、Levinson等[11]虽然关注了制度的作用,但主要关注贸易政策或金融政策.梁赛和张天柱分析了多种政策对经济-环境系统的影响,但主要是将政策作为一种“输入”以模拟经济系统的产出和污染排放,并未分析政策的驱动效应,也未分析产业政策的影响[13].考虑到我国当前大力推进产业结构优化调整,可能对污染排放变化起到关键的推动作用,本研究进一步以石油化工等典型行业为例,分析了“去产能”政策的规模、结构等驱动效应,对当前的研究作了有益补充,并为进一步的污染减排提供借鉴.

1 方法和数据

本文采取 LMDI方法对“十二五”时期我国工业部门环境污染排放变化的驱动因素进行识别.自LMDI方法创立以来,经过发展共衍生出8个模型.本研究先对其8个模型进行梳理,在此基础上选择更加合适的模型.

1.1 LMDI模型

LMDI模型由Ang和Choi在1997年提出,目前已发展成为驱动因素分析中的主流方法之一.与以往的分解方法相比,LMID用对数平均权重替代算术平均权重,从而消除了分解后的残差,使分解结果更具有解释力,而且能够处理数据中的零值(以不影响结果的极小值代替0),因而得到广泛的应用[14].

表1 8个LMDI模型的选择标准Table 1 Criteria for the selection among the 8LMDI models

LMDI包括两种范式:LMDI-I和 LMDI-II,并随着分解对象和分解方式的差异,衍生出 8个模型,其中每一个模型都是从:数量指标和强度指标、加法式分解和乘法式分解、LMDI-I和LMID-II 3个集合中各择其一组合而成,例如其模型1是对数量指标,利用LMDI-I方法,采用加法式分解,得到“规模”、“结构”、“强度”3种效应[2].所谓规模效应,即保持产业结构和排放强度不变,随着对产业规模的优化导致污染排放的变化;结构效应或强度效应类似,均是在控制其它两个因素不变的情况下,考察单一因素对污染物排放的影响,这种思想可由公式(3)体现.通过公式(3),污染物排放变化被分解为“规模”、“结构”、“强度”3种效应之和.

Ang[2]详细阐述了上述8种模型之间的差异,并给出模型选择的建议,见表1.

1.2 模型设置

首先基于Kaya恒等式,有:

式中:W为污染物排放量;I为工业总产值;i为工业部门类别;Ii为第i工业部门中的产值;Wi为第i工业部门中的污染物排放;ISi为第 i工业部门产值占全部工业产值比重;WIi为第i工业部门单位产值对应的污染物排放量.

按照 LMDI-2的分解模式进行分解,过程如下:

首先,式(1)两边同时对时间t求导:

进一步化为:

(2)公式两边同时除以W:

令,则上式化为:

(4)对两边在时间[0,T]内进行积分:

对上式两边求以e为底的指数:

对各效应定义如下:

其中DW强度、DW结构、DW规模与式(8)中的指数式一一对应,分别代表由污染物排放强度、经济占比、经济规模3个因素对应的减排效应.

权重函数由ωi=Wi/W在t*处给出,t*∈[0,T].根据LMDI思路,

式中:权重L(x, y)由下式给出:

1.3 数据说明

各行业污染排放数据来自《中国环境统计年鉴》[1](以下简称环境年鉴),工业总产值数据来自《中国工业统计年鉴》[15](以下简称工业年鉴),并根据历年CPI折算成不变价格.其中,我国工业部门共分成 42个行业,为简化计算,本文对类似的或关联性强的行业进行合并,共得9类“行业”,见表2和表3.其中,“矿产采选”对应环境年鉴或工业年鉴中自“煤炭开采和洗选业”到“其他采矿业”7个行业;“轻工食品、服装纺织和家具”对应年鉴中自“农副食品加工业”到“家具制造业”9个行业;“办公、体育及文娱”对应自“造纸及纸制品业”到“文教、工美、体育和娱乐用品制造业”3个行业;“石油化工和医药”对应自“石油加工、炼焦和核燃料加工业”到“橡胶和塑料制品业”5个行业;“机械设备、信息设备和仪表”对应自“通用设备制造业”到“仪器仪表制造业”7个行业;“金属和非金属制品”对应自“非金属矿物制品业”到“金属制品业”,同时考虑到“金属制品、机械和设备修理业”与上述行业接近,也并入此类,共5个行业;“其他制造业”对应“其他制造业”和“废弃资源综合利用业”2个行业;“能源、热力和水供应”对应自“电力、热力生产和供应业”到“水的生产和供应业”3个行业;另外剩余一个“其他行业”,与年鉴相同.但由于工业年鉴未统计2011和2015年“其他行业”的总产值数据,因此本文采用其他 8类合并的“行业”数据(即加总数据)进行LMDI分解计算.

表2 2011年分行业工业总产值及污染物排放Table 2 Gross output value and air pollutants emission for the different industries in 2011

表3 2015年分行业工业总产值及污染物排放Table 3 Gross output value and air pollutants emission for the different industries in 2015

此外,上述两表中,针对水污染物和大气污染 物,均使用年排放量数据,但对工业固废则使用的是年产生量数据,主要是由于环境年鉴中工业固废的年排放量包括两部分:当年的新增排放、往年储存的工业固废在当年的排放;因此使用“排放量”难以反映工业部门在某一年内的真实排放情况.本文退而选择“产生量”作为工业固废污染情况指标,相应地,DW强度代表工业固废产生强度效应.

2 结果与讨论

2.1 研究结果

“十二五”期间,我国工业部门多种主要污染物排放出现不同程度的下降,部分污染物如工业废气和烟(粉)尘,其排放虽有所增加,但增长势头得到抑制.利用LMDI-2模型,我们将各污染物排放变化分解为规模效应(DW规模)、结构效应(DW结构)和强度效应(DW强度),以分别解释“工业产值”、“各行业产值占总产值的比重”和“单位产值污染排放”3种驱动因素对污染排放变化的影响,结果见表4～表6和图1.

表4 2011～2015年间我国工业部门水污染物排放量变化及其驱动因素Table 4 Variations and the corresponding driving forces of the Chinese industrial water pollutant discharge during 2011～2015

表5 2011～2015年间我国工业部门大气污染物排放量变化及其驱动因子Table 5 Variations and the corresponding driving forces of the Chinese industrial air pollutant discharge during 2011～2015

表6 2011～2015年间我国工业部门固废产生量变化及其驱动因子Table 6 Variations and the corresponding driving forces of the Chinese industrial solid pollutant discharge during 2011～2015

(1)9种“污染物”中,除“一般工业固废”和“危险工业固废”外,驱动因素的重要性排序均有:DW规模＞DW结构＞DW强度;对“一般工业固废”和“危险工业固废”,也是DW规模为首要驱动,但在次要驱动方面,DW强度更加明显.总体上,可认为“十二五”时期我国工业部门污染排放下降的首要原因是工业规模的无序扩张受到限制.根据《中国工业统计年鉴》[15],以工业产值(实际价格)在期初和期末的比值计,I2015/I2011为 1.20,而I2010/I2005为1.94,前者相比后者大为减少.

图1 “十二五”时期我国工业部门污染排放变化的驱动因素Fig.1 Driving forces for the variation of Chinese industrial pollutant discharge during 2011～2015

(2)水污染物(工业废水、COD、NH3-N)和大气污染物(工业废气、SO2、NOx、烟(粉)尘)排放变化的结构效应虽不如规模效应显著,但相差不大;同时工业固废的结构效应也较显著.表明“十二五”时期的产业结构调整对污染物减排起到积极作用.由结构效应的具体形式(公式 11中DW结构)可知:随着各行业的产值占比(IS)在期初和期末变化,若重污染行业的比重下降,意味着产业结构得到优化.《中国工业统计年鉴》的数据证实了这一点(表 7).由该表可见,一些污染严重的“行业”,如矿石采选、石油化工和医药、金属和非金属制品、能源、热力和水供应等,在“十二五”末,其产值比重均出现不同程度的下降.

表7 “十二五”时期各工业行业产值占比变化Table 7 Proportion of industrial output value accounting for the total industrial output value

2.2 讨论

本研究得出的结论与 Jiang等[3]、Mousavi等[4]、Chong等[8]的类似,均认为规模效应为污染减排最主要的驱动因素.但也与许多学者的研究相左,如 Achour等[7]、顾阿伦等[9]、张平淡等[10]、Levinson 等[11].由于多种污染物,如 SO2、NOx等与CO2排放具有同源性[11],即都是直接或间接的来源于能源消耗,并随着能耗规模的变化而变化,因此造成上述研究结论差异的原因可能不在于研究对象的不同.此外,一些学者提出污染排放的驱动因素会随着时间发生变化,如Jiang等[3]、刘满芝等[12]、Jeong等[5],而其背后的关键原因(“驱动”之驱动)之一在于有关政策的改变,如Levinson[11]、Jeong 等[5]都论述了政策(贸易政策、金融政策等)通过能源价格或减排费用的传导机制对污染排放变化产生影响.政策的多样性和发布时间的不确定性可能是造成众多学者研究结论差异的一个重要原因.

表8 三类“典型行业”2011和2015年工业总产值及大气污染物排放Table 8 Gross output value and air pollutants emission for the 3typical industries in 2011 and 2015

对应于本文,政策效应体现为对工业规模无序扩张的抑制,而且冲击力强.“十二五”时期,围绕生态文明建设,举国上下都将淘汰过剩、落后产能作为一项重要任务来抓,其中首当其冲的是一些“三高两低”企业(高投入、高消耗、高污染、低水平、低效益).对此,中央和地方都陆续发布了一系列政策文件,如《工业和信息化部关于下达“十二五”期间工业领域重点行业淘汰落后产能目标任务的通知》(工信部产业〔2011〕612号)、《国务院关于化解产能严重过剩矛盾的指导意见》(国发〔2013〕41号)、《国家“十三五”生态环保规划》等.

进入“十三五”以来,“淘汰落后产能”势头不减,2017年3月,工信部、发改委、环保部等十六个部委联合发布《关于利用综合标准依法依规推动落后产能退出的指导意见》,将钢铁、煤炭、水泥、电解铝、平板玻璃等行业列为去产能的重点,这些行业同时也都是能源消耗和污染排放“大户”.因此,可以预计到“十三五”末,“规模效应”都有较大的发挥空间.

为了验证上述推测,本文进一步选择“十二五”时期淘汰落后、过剩产能力度居首的三类行业:石油化工、金属和非金属压延与制造、能源及水的生产和供应(其中的多种行业具有典型的高消耗、高排放特征)(表8).利用LMDI模型对其大气污染物排放变化进行分析.结果见表9和图2～图4.

表9 石化等行业大气污染物排放变化的驱动因子Table 9 Driving forces for the variation of pollutant discharge in the selected industries

图2 “十二五”时期石油化工类行业大气污染排放变化的驱动因素Fig.2 Driving forces for the variation of pollutant discharge in the petrochemical industry

据表8和图2～4,得出:

(1)石油化工类行业,驱动因素的影响力排序为:规模效应＞结构效应＞强度效应,且结构效应与规模效应的差别不大;强度效应在工业废气排放变化中起到积极作用,但对其他 2种污染物的作用相对较小.(2)金属和非金属压延与制造类行业:除烟(粉)尘外,其他3种污染表现为规模效应＞结构效应＞强度效应;烟(粉)尘排放变化的结构效应稍微超过规模效应,成为最主要的驱动因素;总体上,依然可认为规模效应为首要驱动因素;但由于3种效应之间的差距不是太大,表明这3种“作用力”同时发挥了积极作用.(3)能源及水的生产和供应行业,驱动因素的影响力排序为:规模效应＞结构效应＞强度效应,且规模效应的强度远高于结构和强度两效应;此外,结构效应和强度效应的强度相对接近.

综上,有理由相信“十二五”时期我国工业污染排放的主要驱动为规模效应,表现为:该期间全国范围内对落后、过剩产能加快淘汰,使得工业规模的无序扩张得到抑制,进而通过传导机制起到“拉低”污染物排放的作用.尽管如此,上述政策也同时强调了结构调整和技术创新,随着我国落后产能淘汰目标逐步落实,未来的污染减排将更加依赖产业结构的优化和减排技术的突破.但由于本文主要利用“十二五”期间的数据,尚难以对这种趋势进行量化分析.

图3 “十二五”时期金属和非金属压延与制造类行业大气污染排放变化的驱动因素Fig.3 Driving forces for the variation of pollutant discharge in the metal and non-metal rolling and manufacturing industry

图4 “十二五”时期能源及水的生产和供应类行业大气污染排放变化的驱动因素Fig.4 Driving forces for the variation of pollutant discharge in the energy and water production and supply industry

基于上述研究,本文认为“十三五”期间应继续发挥“规模效应”优势,坚定不移的对落后、过剩产能进行淘汰,同时大力扶持低碳、“绿色”工业,为此,国家在制定新的产业、环保、财政等政策时,都应向该方向倾斜.同时还必须注意到,随着规模效应发挥到一定阶段,其边际的污染减排成本将 会越来越高,这也意味着规模效应可能最终让步于结构效应和强度效应,因此应建立长效机制以推动产业结构的优化和节能减排技术的创新.

3 结论

3.1 “十二五”时期,我国工业部门主要污染物排放总体上呈现下降趋势,部分污染物如工业废气和烟(粉)尘,其排放虽有所增加,但增长势头得到抑制.

3.2 对各种污染物排放变化的驱动因素分析发现:规模效应为首要驱动,即:“十二五”时期我国工业部门污染排放下降,主要是由于工业规模的扩张受到限制.

3.3 结构效应虽不如规模效应显著,但两者相差不大,表明“十二五”时期的产业结构调整对污染物减排起到积极的作用.

3.4 强度效应最不显著,但其数值为正,表明通过技术或管理降低污染物的排放强度起到积极作用.

4 建议

通过与此前的研究对比分析,本文认为政策的多样性和不确定性可能是造成众多学者研究结论差异的一个重要原因.具体到我国“十二五”期间,举国上下均将淘汰落后、过剩工业产能作为推动生态文明建设的一大举措,因而规模效应表现得尤为突出.为了验证该推论,本文选择“十二五”时期淘汰落后、过剩产能力度居首的石油化工、金属和非金属压延与制造、能源及生产和供应三类行业,对其大气污染物排放变化进行分解,结果也证实了规模效应为最首要的驱动因素.因此,建议在“十三五”期间进一步发挥发挥规模效应优势.同时,随着规模效应的边际污染减排成本增加,还应加快推动产业结构的优化和技术创新,以建立工业污染减排长效机制.

[1]中国国家统计局,环境保护部.中国环境统计年鉴,2012～2016[R]. 北京:中国统计出版社, 2012-2016.

[2]Ang B W. LMDI decomposition approach: A guide for implementation [J]. Energy Policy, 2015,86:233—238.

[3]Jiang J J, Ye B, Xie D J, et al. Provincial-level carbon emission drivers and emission reduction strategies in China: Combining multi-layer LMDI decomposition with hierarchical clustering [J].Journal of Cleaner Production, 2017,169:178-190.

[4]Mousavi B, Lopez N S A, Biona J B M, et al. Driving forces of Iran's CO2emissions from energy consumption: An LMDI decomposition approach [J]. Applied Energy, 2017,206:804—814.

[5]Jeong K, Kim S. LMDI decomposition analysis of greenhouse gas emissions in the Korean manufacturing sector [J]. Energy Policy,2013,62(9):1245—1253.

[6]涂正革,谌仁俊.工业化、城镇化的动态边际碳排放量研究——基于 LMDI“两层完全分解法”的分析框架 [J]. 中国工业经济, 2013,9:31-43.

[7]Achour H, Belloumi M. Decomposing the influencing factors of energy consumption in Tunisian transportation sector using the LMDI method [J]. Transport Policy, 2016,52:64—71.

[8]Chong C H, Liu P, Ma L W, et al. LMDI decomposition of energy consumption in Guangdong Province, China, based on an energy allocation diagram [J]. Energy, 2017,133:525-544.

[9]顾阿伦,何崇恺,吕志强.基于 LMDI方法分析中国产业结构变动对碳排放的影响 [J]. 资源科学, 2016,38(10):1861-1870.

[10]张平淡,朱 松,朱艳春.环保投资对中国 SO2减排的影响——基于 LMDI的分解结果 [J]. 经济理论与经济管理, 2012,(7):84-94.

[11]Levinson A. Technology, international trade, and pollution from U.S. Manufacturing [J]. American Economic Review, 2009,99(5):2177-2192.

[12]刘满芝,杨继贤,马 丁,等.基于 LMDI模型的中国主要大气污染物的空间差异及其影响因素分析 [J]. 资源科学, 2015,37(2):0333-0341.

[13]梁 赛,张天柱.多种政策对经济-环境系统的综合作用分析[J]. 中国环境科学, 2014,34(3):793-800.

[14]Ang B W, Choi K H. Decomposition of aggregate energy and gas emission intensities for industry: a refined Divisia index method[J]. Energy Journal, 1997,18(3):59—73.

[15]国家统计局工业统计司.中国工业统计年鉴,2012～2016 [R]. 北京:中国统计出版社, 2012-2016.