丁典 廖雪伶

摘 要：本文运用STIRPAT模型从制造业比例、制造业城镇就业人口和能源效率三个角度探究长三角地区二省一市——浙江省、江苏省和上海市制造业碳排放的影响因素。实证结果显示：制造业城镇就业人口对浙江省和上海市碳排放具有显著正向影响;制造业比例均是二省一市碳排放量的促进因素;能源效率对上海市碳排放具有抑制作用。根据分析结果，提出控制就业人口规模、降低制造业比例、发展低碳产业、提高能源效率等建议，促进长三角地区制造业高质量发展。

关键词：STIRPAT模型  长三角地区  制造业  碳排放

中图分类号：F127 文献标识码：A 文章编号：2096-0298（2020）08（b）--04

1 研究背景

工业的高度发展使人们对资源保护的预防措施无法匹配当前的工业发展速度，致使资源短缺和环境破坏等问题接踵而至，全球温室气体排放量呈指数上升，环境问题不仅是国家问题，如今更是成为全球问题。中国是能源消耗最大的国家，也是碳排放量第二大国家，应当义不容辞地走在节能减排第一位。因此，中国在“十八届五中全会”上明确提出，必须走绿色低碳发展的道路，促进建立绿色低碳循环发展产业体系。第十九次全国人民代表大会之后，也提出了进一步促进绿色发展，建立和完善绿色循环发展经济体系的建议[1]。

当前，中国正处于经济高质量发展的重要时期，经济运行的主要矛盾已从总量问题转向结构性问题。加快新旧动能转化是促进经济结构转型和产业升级的重要途径。作为中国国民经济的重要支柱，制造业也将向更高的水平发展，迫切需要加快制造业中新旧动能的转化。当前，我国制造业中高耗能行业占比较高，随之而来的是高碳排放。因此，促进制造业的高质量发展是实现可持续发展和符合中国环境承载力的正确选择。

长江三角洲作为全国重点经济发展带，其碳排放比重占据全国碳排放较大比重。这意味着长江三角洲的碳排放形势十分严峻，降低碳排放刻不容缓。长江三角洲的污染主要来源于制造业，因此降低长三角地区的碳排放量，首先要从降低该地区制造业的碳排放入手。本文主要通过估算长三角地区二省一市制造业碳排放量，基于STIRPAT模型分析制造业城镇就业人口、制造业比例和能源效率与碳排放量的关系，从而探索出长三角地区制造业高质量发展的实现路径。

2 文献综述

2.1 制造业发展

随着时代的不断发展，制造业以各种方式适应时代发展，不断改革生产模式。在制造业规模随着工业化进程变化的同时，其内部结构和发展机制也在发生巨大变化。这是制造业的结构变化定律，包括内部行业迭代和外部空间转移。制造业内部的行业迭代，即不同的行业又经历了“高速增长-达到峰值-逐步下降”的过程。

对于我国制造业现状，国内外均有许多学者对此研究分析，国外主要学者有FeenstraR.C（2015）、InklaarR.（2015）等;国内学者主要有段敏芳（2019）、唐红祥（2019）等。现有学者指出，虽然我国是全球制造业规模最大的国家，但在庞大规模的背后暗含管理和技术问题。随着国际竞争日益激烈，欧美发达国家占据价值链上游，新兴工业化国家凭借更低廉的劳动力、资源和更优惠的政策等优势承接产业转移[2]。而我国制造业产业结构低端、产品质量问题频发、产能过剩等问题日益突出，小到产品质量，大到产业发展质量都亟待关注。因此，在当前的国际形势下，中国制造业要站在新一轮工业革命的前沿，必须提高发展水平，促进产业结构升级，从大规模的制造业国家向强大的制造业国家转变。

2.2 碳排放影响因素

目前，国内外关于碳排放影响因素的研究主要分为四类。第一类是关于能源消费模式的研究，分析制造业能源消费现状，了解制造业的能源消费结构和能源利用率，以期為行业提出可行的对策建议，为制造业低碳发展提供参考。此领域的主要研究学者有卓骏（2018）、冯杰（2019）等。其中，Gonzalez使用LMDI方法分析了1965—2010年墨西哥的工业碳排放。结果表明，结构效率，碳排放系数和能量强度是影响碳排放的主要因素[3];第二类是关于技术水平的相关研究，分析生产技术水平和碳排放量之间的联系，并揭示其内在规律。国内主要研究者有王柏玲（2015）、韩钰铃（2018）、钱浩祺（2019）等;第三类是产业结构，邵帅等（2017）使用GDIM研究了1995—2014年制造业碳排放的驱动因素[4];第四类是投资，主要研究者有贾妮莎（2016）、冉启英（2019）等。此外，邵帅等学者还针对与投资相关的因素如投资碳强度、投资效率等展开具体研究。

综上，现今国内外有大量学者对制造业的现状和碳排放情况进行了专业和一定深度的研究，指出了当今中国制造业的不足和碳排放的影响因素，却鲜有研究把制造业经济发展质量和碳排放结合起来，探索出制造业如何实现高质量发展。本研究从两者联系出发，即从产业结构、生产技术水平、能源消费模式角度进行分析，运用STIRPAT模型对长三角地区数据分析，寻求既能降低制造业碳排放，同时又能推进制造业高质量发展的实现路径及对策。

3 研究方法与数据来源

3.1 二氧化碳排放量的测算

由于长三角二省一市的统计数据方式不同，江苏省和浙江省的碳排放量根据规模以上制造业企业的主要能源消费量进行计算，而上海市碳排放量根据工业能源终端消费量进行计算的。

3.1.1 浙江省和江苏省碳排放计算方法

江苏省和浙江省的碳排放量利用中国碳排放交易网提供的各能源碳排放系数[5]和统计年鉴中提供的规模以上制造业企业能源消费量中的7种主要能源消费量，包括焦炭、原油、汽油、煤油、柴油、燃料油、液态石油气，得到两省主要能源年碳排放量，再相加进行汇总，从而得到每年规模以上工业企业的碳排放量。计算方式如下：

CO2表示待估算的二氧化碳排放量; i表示各种主要能源燃料; Ei代表各种能源的燃烧消费量; μi表示各种能源的碳排放系数[6]。

3.1.2 上海市碳排放测算方法

上海市碳排放量的测算利用各年主要工业能源终端消费量数据。根据中国碳排放交易网提供的数据，燃烧1吨标准煤能排放2.493吨二氧化碳，从而得到上海市2003—2017年工业碳排放量的估算值。

3.2 STIRPAT模型的构建及指标选取

本文采用York等[7]提出的STIRPAT模型，该模型是对IPAT模型的进一步改进和扩展，克服了其假设“各因素等比例影响环境状况”的不足，其标准形式为：

其中：模型系数为a，误差为e; I、 P、 A、 T分别代表环境压力、人口规模、富裕程度和技术水平。 P、 A、 T的指数分别用b、 c、 d表示[8]。

在实际应用中，通常在模型的两侧进行对数处理，以减少误差[9]，则模型为：

其中， I为长三角地区各省、直辖市的能源消费碳排放量（万吨）; P为制造业城镇就业人口（万人）; A为制造业比例，即制造业总产值与地区生产总值之比; T为能源效率，即制造业总产值与制造业能源消费量之比（亿元/万吨标准煤）。

3.3 数据来源

本文制造业总产值、地区生产总值、城镇就业人口规模和能源消费量等数据来自国家统计局，《上海统计年鉴（2004—2018）》，《江苏统计年鉴（2000—2017）》和《浙江统计年鉴（2008—2019）》部分篇目。

4 实证分析

4.1 单位根检验

非平稳时间序列会出现“伪回归”现象。因此本文运用Eviews 8对lnP、lnA、lnT和lnI进行ADF单位根检验，以保证时间序列的平稳性。结果显示，浙江省、江苏省和上海市的原始变量的平稳性并不存在，但在经过二阶差分后序列平稳，均变为零阶单整序列。

4.2 多重共线性检验

为避免模型因变量间存在多重共线性而失真，本文运用SPSS24.0对长三角二省一市的因变量lnI和自变量lnP、lnA、lnT进行共线性诊断，通过条件索引判断变量间是否存在多重共线性。

共线性诊断结果如表1所示，当维数达到3和4时，条件索引的值都大于10，即浙江省、江苏省和上海市的变量之间均存在多重共线性。使用普通最小二乘回归进行的无偏估计不再是可靠的估计结果。因此，为了消除多重共线性的影响，本文采用岭回归法进行拟合[10]。

4.3 岭回归分析

对于变量之间的共线性问题，岭回归本质上是一种优化的最小二乘法和有偏回归方法。本文利用SPSSAU软件对二省一市进行了岭回归分析，并通过观察岭迹图和中间过程值确定岭参数，得到回归模型。

4.3.1 浙江省

在浙江省的岭迹图中，当岭参数K从0变化到0.01时，自变量的回归系数发生较大变化，但当岭参数K大于0.01之后，自变量的回归系数趋于稳定。为保证更高的拟合精度，岭参数K值应尽可能小，故最终确定岭参数K=0.01。以lnI为被解释变量进行岭回归分析，结果显示（表2），模型的R2为0.843，意味着lnP、lnA、lnT可以解释lnI的84.3%变化原因。模型通过F检验（p=0.001<0.05），进而说明lnP、lnA、lnT中至少有一项对lnI产生影响。

得到模型：

通过总结分析可知，lnP和lnA会对lnI产生显著正向影响关系，lnT不会对lnI产生影响，即制造业城镇就业人口规模的增加和制造业比例的降低会促进浙江省碳排放量的增长，能源效率对碳排放量没有显著影响。

4.3.2 江苏省

根据SPSSAU和岭迹图分析，最终确定岭参數K=0.01。

由表 3可知江苏省的岭回归模型为：

通过岭回归分析可知，lnP和lnT的p值均大于0.05，只有lnA对lnI产生显著正向影响。因此江苏省制造业比例的增加会促进碳排放的增长。

4.3.3 上海市

根据SPSSAU和岭迹图分析，最终确定岭参数K=0.03。

由表 4的岭回归分析结果可知，上海市的岭回归模型为：

模型中，lnP、lnA系数为正，lnT的系数为负，由此可得制造业城镇就业人口规模和制造业比例均对上海市的碳排放量产生积极影响，而能源效率对碳排放量具有抑制作用。

5 结论与建议

本文基于STIRPAT模型，实证分析长三角地区二省一市的制造业城镇就业人口、制造业比例和能源效率对碳排放量的影响，得到以下结论和建议。

5.1 结论

（1）对浙江省分析结果来说，制造业城镇就业人口规模的增加和制造业比例的增长会导致浙江省碳排放量的增长，且城镇就业人口规模对碳排放量的影响更大，即可以通过控制就业人口规模，控制制造业比例来减缓碳排放量的增加。

（2）对江苏省分析结果来说，仅有制造业比例影响因素对碳排放存在影响。制造业比例的增长会对江苏省的碳排放产生促进作用，可适当减缓制造业的发展。

（3）关于上海市的制造业碳排放情况，三个因素均对碳排放量有显著影响。其中，制造业城镇就业人口规模对碳排放量的影响最大，再是能源效率和制造业比例。城镇就业人口规模和制造业比例对碳排放产生积极影响，而能源效率对其产生消极影响。因此可以通过控制制造业城镇就业人口规模、降低制造业比例和提高能源效率以减少二氧化碳的排放。

5.2 建议

（1）控制就业人口规模，减少制造业城镇人口数量。实证分析结果显示，制造业城镇就业人口对浙江省和上海市碳排放量的影响最大。因此，浙江省和上海市要实现制造业低碳发展，必须控制制造业城镇就业人口规模。同时政府也应该鼓励制造业企业精细化人员配置，降低人力成本，提高工作效率，促进制造业企业高质量发展。

（2）优化产业结构，促进低碳产业快速发展。长三角地区二省一市的回归分析结果均显示，降低制造业比例有利于减少碳排放量。因此，长三角地区可适当降低制造业比例，发展能耗较低的第三产业以减少二氧化碳的排放。政府可以出台一些惠企政策，鼓励制造业企业优化产业结构并引导低碳产业的发展，以促进制造业高质量发展和环境保护。

（3）提升节能减排技术，提高能源利用率。发展低碳经济就是要提高能源利用率，构建清洁能源结构[11]。因此，上海市可增加科技投入，加快制造业企业技术改造和升级，提高能源效率。

参考文献

张恪渝，廖明球.中国经济增长与碳排放之间的关系研究——基于非参数bootstrap方法构建的VEC模型[J].数理统计与管理，2019，38（01）.

段敏芳，左爽.我国制造业国际竞争力比较研究[J].中南民族大学学报（人文社会科学版），2019，39（02）.

岳书敬，邹玉琳.基于因素分解模型的江苏碳排放影响因素分析[J].徐州工程学院学报（社会科学版），2018，33（03）.

邵帅，张曦，赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国工业经济，2017（03）.

廖芳，陈丽娜.江苏省碳排放现状及影响因素的研究[J].河北企业，2015（01）.

付云鹏，祝国君，马树才.能源消费、经济增长与碳排放总量之间的关系研究——以辽宁省为例[J].辽宁大学学报（哲学社会科学版），2013，41（06）.

York R，Rosa E A，Dietz T.STIRPAT，IPAT and Impact： Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[J].Ecological Economics，2003，46（03）.

龚利，屠红洲，龚存.基于STIRPAT模型的能源消費碳排放的影响因素研究——以长三角地区为例[J].工业技术经济，2018，37（08）.

屠红洲.长三角地区能源消费碳排放与经济增长关系的实证研究[D].上海：华东师范大学，2018.

赵霞，王志增.中国三次产业要素投入与经济增长：基于岭回归经验分析[J].重庆工商大学学报（社会科学版），2015，32（04）.

]赵霞.发展低碳经济过程中问题与对策研究[J].现代商贸工业，2012，24（10）.