潘 晨 ,李善同 ,刘 强

(1.中国社会科学院 数量经济与技术经济研究所,北京 100732;2.国务院发展研究中心 发展战略和区域经济研究部,北京 100010)

一、引言

自2020 年9 月习近平总书记宣布中国二氧化碳排放力争 2030 年前达到峰值,2060 年前实现碳中和(以下简称“双碳”目标)以来,各地各行业积极响应的同时,对高排放地区和产业造成了较大的减排压力。实现“双碳”目标是人类可持续发展的必然趋势,也是中国经济转型发展的必然要求,但宣布“双碳”目标以来的运动式减碳无疑为高排放地区和产业造成巨大压力。这暗含一个关键的减排压力传导路径:实现“双碳”目标的压力直接传导到高碳排放地区和产业。形成这一压力传导路径的一个关键点在于我们对各区域碳排放量的考察通常基于生产视角,即减排责任由排放者来承担。高碳排放地区和产业是减排的重要抓手,但这类地区和产业也往往是国民经济各行各业的重要支撑,为其他地区和产业提供了关键基础保障,相应的减排的压力显然不应直接地、完全地压在这类地区和产业。

消费视角碳排放为减排责任的分配提供了另一种思路,即由碳排放的消费方来承担减排责任。该视角一方面能够为评估一个区域的碳排放量提供新的依据,另一方面也将为分析区域碳排放量增长的驱动因素提供新视角,即不再将中国各省份分别加以研究,而是将中国各省份看作同一个系统内相互联系、相互影响的主体,从而能够系统地分析中国碳排放增长背后的驱动因素,为区域减排政策的设计提供更加系统的、科学的依据。为此,本文从消费视角研究中国各省份碳排放的演变历史,并在消费视角下探究各省份碳排放的驱动因素,进而探讨其政策启示。

二、文献综述

国际上对生产视角和消费视角碳排放的讨论由来已久,生产视角碳排放量(production-based emissions)亦称区域碳排放量(territorial carbon emissions),顾名思义,是指一个地区本地的生产、生活活动在其区域范围内所产生的碳排放,由“本地生产本地消费”和“本地生产他地消费”两部分构成。消费视角碳排放(consumption-based emissions)则是指一个地区所消费的产品和服务在其生产、流通、消费过程中所产生的全部碳排放,由“本地生产本地消费”和“他地生产本地消费”两部分构成。大量研究得到一个共识性发现:发达国家的消费视角碳排放往往大于其生产视角碳排放,而包括中国在内的发展中国家则往往与之相反。这一现象在中国地区之间也存在,经济较发达地区的消费视角碳排放往往大于其生产视角碳排放,而经济欠发达地区则反之。显然,后者为前者的发展提供了能源和资源支撑,产业结构较为高碳化,减排难度更大。

事实上,已有基于消费视角的中国碳排放的研究主要集中于基于多区域投入产出(Multi-Regional Input-Output,MRIO)模型的消费视角碳排放的核算。例如,Mi et al.、王安静等、Pan et al.、王宪恩等均利用MRIO 模型研究了中国省份的消费视角碳排放。然而,MRIO 模型的构建需要大量数据,模型构建难度较大;且其基础数据——各省份单区域投入产出模型每5 年才编制一套(逢尾数2 和7 的年份),在时间上也不连续,这给消费视角碳排放的研究和应用带来了困难。因此,一些研究尝试跳出基于MRIO 模型的核算框架,探讨基于其他数据基础的消费视角碳排放核算方法。如付坤等、何永贵等,其核心思想均为在中国省份之间重新分配火力发电的碳排放,这为核算消费视角碳排放提供了新的思路。进一步从消费视角分析中国碳排放驱动因素的研究还比较少,现有研究时间跨度较小,年份不连续,尚无针对最新变化动态的研究。例如,王长建等利用结构分解分析方法,从消费视角研究了与碳排放紧密相关的煤炭消费的主要驱动因素,重点分析了投资、消费和出口对煤炭消费的拉动作用。Zheng et al.利用MRIO模型研究了中国2012 年和2015 年消费视角的碳排放,并在区域层面分析了中国消费视角碳排放量变化的驱动因素。Shao et al.基于投入产出模型的结构分解分析方法,研究了2007—2012 年上海市消费视角碳排放的变化及其驱动因素。

本文对现有文献的边际贡献在于:(1)针对电力热力生产系统设计了狭义消费视角碳排放核算方法,为连续并及时地核算消费视角碳排放提供了方法上的可能性。(2)基于上述方法核算了中国各省份1997—2017 年狭义消费视角碳排放;并基于最新年份的中国省级多区域投入产出模型核算了各省份广义消费视角碳排放,为分析各省份消费视角碳排放提供了及时的数据资料。(3)从广义和狭义两种消费视角,结合Kaya 恒等式、MRIO 模型和结构分解分析(Structural Decomposition Analysis,SDA)方法,探究了1997—2017 年中国各省份碳排放的驱动因素,一方面为了解各省份碳排放驱动因素提供了新视角,另一方面提供了基于更长时间跨度的决策依据。

三、研究方法和数据

(一)消费视角碳排放概念的拓展

广义消费视角碳排放,即经典的消费视角碳排放概念,包含一个地区所消费的所有产品和服务在其生产、流通、消费过程中所产生的碳排放,利用多区域投入产出模型进行核算。为了更好地了解各省份碳排放及省份间的碳排放互动关系,也为了在核算范围上与狭义消费视角碳排放保持一致,将各省份出口拉动的碳排放纳入该省份消费视角碳排放。核算方法见公式(1)。

其中,

c

代表地区

s

的广义消费视角碳排放量,其元素代表该地区每个部门的消费视角碳排放量。

cf

是所有地区、所有部门的碳排放强度行向量,

cf

=

C

·

x

^,其中,

C

和

x

分别代表各省份各部门生产视角碳排放向量和总产出。

L

是列昂惕夫逆矩阵,代表地区和部门之间的完全需要关系,通常作为生产技术的体现;

L

=(

I

-

A

),

A

=

Z

·

x

^,其中,

A

是中间消耗系数矩阵,

Z

是多区域投入产出模型的中间投入矩阵。

y

则是地区

s

的最终需求列向量,

y

=[

y

,

y

,…,

y

],该向量包含所有地区对地区

s

最终需求的投入。

狭义消费视角碳排放,是指一个地区所有品种的终端能源消费中所蕴含的碳排放量,即仅考虑化石能源这一主要二氧化碳排放来源的产品的生产和消费地的差异,实际应用中主要是将火力发电所产生的碳排放按照电力实际消费地进行重新分配。这主要考虑到电力生产的碳排放在中国碳排放总量中占有较大比重,中国区域碳排放量与发电量密切关联,对其重新分配能够较好地反映消费视角碳排放的主要矛盾。借助全国平均发电和供热碳排放系数核算消费视角下电力和热力终端消费所含碳排放量,核算方法见公式(2)。

其中,

c

代表地区

s

的狭义消费视角碳排放总量。

ce

代表单位能耗碳排放系数行向量,其元素是每种能源的碳排放系数,这里的能源品种包括煤、石油、天然气和电热四种,其中电热的碳排放系数采用了全国发电和供热的平均碳排放系数。

E

代表地区

s

的终端能源消费列向量,由此有效避免了一、二次能源品种之间的重复计算。据此可以得到各省份分部门的狭义消费视角碳排放量。

(二)基于消费视角的碳排放驱动因素分解方法

本文采用基于Kaya 恒等式的结构分解分析和基于多区域投入产出模型的结构分解分析两种方法,分析各省份消费视角碳排放的驱动因素。

1.基于Kaya 恒等式的结构分解分析。Kaya 恒等式由日本学者Yoichi Kaya 于1989 年在联合国政府气候变化专门委员会(IPCC)举办的研讨会上提出;将二氧化碳排放量分解成与人类生产生活相关的单位能耗碳排放系数、能源消费强度、人均GDP 和人口四个要素,分解形式简单且没有残差项,得到了广泛应用。本文对Kaya 恒等式做了两个方面的拓展:一是加入了能源结构和产业结构两个因素,二是区分了生产碳排放和生活碳排放。进一步借助结构分解分析的思想,基于拓展的Kaya 恒等式对消费视角碳排放量加以分解,衡量各因素对碳排放量变化的贡献。结构分解分析的分解形式不唯一,Dietzenbacher et al.发现两极分解形式的平均值(即通常所说的两极法)与所有分解形式的平均值较为接近,且能够极大地减少计算量,因而得到广泛应用。本研究也采用两极法来衡量各因素对消费视角碳排放总量的影响效应。

分解形式一:

分解形式二与分解形式一原理上一致,但下标正好相反,此处不再赘述。进一步依照两极法取上述两种分解形式的平均值,可得每个因素对碳排放量变化的影响效应。

2

.

基于MRIO 模型的结构分解分析。为识别贸易伙伴变化对各省份碳排放的影响,借鉴潘晨提出的考虑贸易结构的结构分解分析法的第一阶段,在公式(1)所示的广义消费视角碳排放核算所涉及的几个因素的基础上增加最终需求的产品来源结构变化这一因素。仍然采用两极法,此处仅详述分解形式一:

其中,下标“0”代表起始年份,“1”代表截至年份。Δ

c

代表区域

s

的广义消费视角碳排放变化量。

cf

和

L

的含义同公式(1)。将区域

s

的最终需求分解为最终需求产品来源结构(

y

)、最终需求部门结构(

y

)和最终需求总量(

y

)三项。进一步依照两极法取两种分解形式的平均值,则可得各因素对碳排放总量的影响效应。

(三)数据来源

采用5 类数据,各类数据来源的说明如下:

1.分省份能源生产和消费数据。分省份分行业能源消费数据取自中国碳核算数据库,能源平衡表取自相应年份的《中国能源统计年鉴》。

2.分省份分行业二氧化碳排放数据。包括化石能源消费及工业生产过程(主要是水泥生产过程)所产生的二氧化碳排放。具体地,基于各省份能源平衡表及CEADs 数据库所估计的分部门能源终端消费量,沿用Pan et al.提供的估计方法加以核算。但由于缺少连续年份的各省份水泥熟料产量数据,本研究直接采用CEADs 数据库提供的工业生产过程二氧化碳排放。

3.省级MRIO 模型。模型覆盖2002、2007、2012和2017 四个投入产出年份,包含31 个省份,42 个部门。

4.分省份分行业增加值数据。1997—2017 年分省份分行业增加值数据来自国家统计局,共包含9 个行业,分别是农林牧渔业,工业,建筑业,批发和零售业,交通运输、仓储和邮政业,住宿和餐饮业,金融业,房地产业,以及其他行业。

5.分省份人口数据。指常住人口,取自国家统计局。

(四)部门匹配和价格处理

由于上述各类数据的部门划分不甚一致,需要将其按照部门含义进行匹配。将分行业增加值数据与碳排放和能源数据的部门匹配,匹配后共6 个部门,用于基于Kaya 恒等式的结构分解分析;将省级MRIO 模型与碳排放及能源数据的部门匹配,匹配后共28 个部门,用于基于MRIO 模型的结构分解分析。

SDA 要求经济数据的价格可比,因此采用相应的价格指数对上述经济数据进行调整。为了减小价格指数造成的多年累计误差,统一将经济数据折算为前一年(或前一个投入产出年)的价格,从而保证相邻两个年份(或相邻的投入产出年份)的经济数据可比。对于分行业增加值数据,利用GDP 平减指数来调整价格,所采用的GDP 平减指数系由国家统计局所公布的GDP 指数推算而来。对于投入产出模型,依照Pan et al.提供的思路,优先使用分行业工业生产者价格指数和农产品生产价格指数,对于没有生产者价格指数的部门,则借用产品类别相近的商品零售价格指数或居民消费价格指数。这些价格指数的来源为国家统计局以及相应年份的《中国价格统计年鉴》。

四、实证研究结果

(一)各省份消费视角碳排放核算结果

基于上述扩展的消费视角碳排放的概念,对中国各省份1997—2017 年消费视角碳排放进行了核算。一方面,验证狭义消费视角碳排放概念的可行性;另一方面,从消费视角分析中国各省份的碳排放演变特征,并与生产视角做对比。可以看到,本文所提出的狭义消费视角碳排放核算结果与经典的广义消费视角碳排放核算结果呈现较为一致的发展态势(图1)。从与生产视角碳排放量的关系来看,两种消费视角碳排放量也呈现出较为一致的特点。说明本文所提出的狭义消费视角碳排放能够在相当程度上反映各省份消费视角碳排放的基本特征。

图1 各省份多视角碳排放

1997—2012 年,各省份生产视角碳排放快速增长的同时,消费视角碳排放也迅速增长。随后,大多数省份的消费视角碳排放增速在2012 年左右开始下降,北京、天津等省份的消费视角碳排放绝对量甚至也呈现下降态势。这在一定程度上与2012年左右高碳排放产业逐渐向内陆省份转移,使得“本地生产本地消费”碳排放量降低有关,这一产业转移一是由于东部省份的土地、劳动力等要素价格上升,二是由于东部省份环境规制力度较大。而西部的青海和新疆等省份的消费视角碳排放则有所上升。其中,青海消费视角碳排放呈现的持续上升态势与其电力价格较低,吸引了较多高耗能产业有关;新疆的消费视角碳排放的上升则可能与其产业政策的吸引力有关。

总体上,经济较发达省份的消费视角碳排放显著高于其生产视角碳排放,而经济欠发达省份的消费视角碳排放则显著低于其生产视角碳排放。比较典型的经济发达省份如北京、上海、浙江、广州等,其2017 年消费视角碳排放分别高出其生产视角碳排放65.33%/114.66%、12.77%/30.96%、18.97%/49.25%、16.39/65.77%(狭义/广义)。这些省份所消费的他省产品的生产过程碳排放高于其供给其他省份产品的生产过程碳排放,其中电热占到很大比重。通过电热消费与生产数据能够看到,这类省份发电供热量通常小于其用电热量,即其经济发展所需要的电力和热力需要其他省份的支持。例如,北京和上海2017 年的用电热量是其发电供热量的1.74 和1.64 倍,浙江和广州也达到了1.15 和1.22 倍。

反之,山西、内蒙古、贵州、宁夏等省份则是典型的消费视角碳排放低于生产视角碳排放的省份,其2017 年的消费视角碳排放分别低于其生产视角碳排放25.4%/31.94%、40.83%/66.67%、18.82%/1.3%(2017 年差异缩小)、32.07%/50.34%(狭义/广义)。这些省份所消费的他省产品的生产过程碳排放低于其供给其他省份产品的生产过程碳排放。特别是用电热量显著低于其发电供热量,2017 年这些省份的用电热量约占发电供热量的70%,可以说其支持着其他省份的经济发展。

(二)消费视角下各省份碳排放驱动因素分解结果

从图2 和图3 所示分解结果可以看出(由于篇幅限制,只列示部分典型省份;其他省份的分解结果可向作者索取),人均GDP 的增长和最终需求总量的上升是促进各省份消费视角碳排放量上升的主要驱动力。基于省级MRIO 模型进一步分解发现,出口所引起的碳排放量增长在各省份消费视角碳排放量增长中占比逐渐下降,从2002—2007 年的34.7%下降到2012—2017 年的9.82%。这说明各省份自身最终需求总量的上升所引起的碳排放量的增速显著高于其出口所引起的碳排放量的增速。而终端能源强度的大幅下降仍然是抑制各省份碳排放量增长的主要因素(图2)。在部门层面发现,这主要得益于工业和交通运输业能源强度的显著下降。消费视角下,能源消耗的碳排放系数的降低对碳排放增长产生了较为显著的抑制作用,主要是发电供热的能源转换效率提高,以及一次电力占比的提高。与上述两个因素相统一,碳排放强度的下降仍是抑制各省份碳排放量增长的主要因素。基于MRIO 分解的消费视角碳排放强度实际上反映了所有省份碳排放强度变化对各个省份的影响。可以看到,虽然碳排放强度的下降对各省份消费视角碳排放量的影响均为抑制作用,但碳排放强度的变化对各省份碳排放量的影响程度并不一致(图3),这与各省份的消费结构及产品来源结构有关。

图2 基于Kaya 恒等式的消费视角碳排放驱动因素分解

其他因素对各省份消费视角碳排放的影响虽不显著,但也值得关注。2002—2017 年,生产技术对部分省份的消费视角碳排放量亦有一定的促进作用,在2002—2012 年尤为显著(图3)。实际上,2002—2012 年,生产技术对消费视角碳排放量的影响很大程度上是由于2002 年中国电力系统改革中“厂网分开”所致,因此主要是统计数据带来的“效应”。可以看到,在2012—2017 年,生产技术的变化对大多数省份的消费视角碳排放具有抑制作用,这说明中国各省份整体的生产技术在这一时期呈低碳化发展态势。近年来,产业结构的优化对大多数省份的碳排放也起到了抑制作用,比较显著的如北京、上海、黑龙江等省份(图2);这主要得益于工业增加值在地区生产总值中份额下降,伴以服务业份额上升,尤其是除交通运输、仓储和邮政业,批发和零售业,住宿和餐饮业以外的服务业。消费视角下,终端能源结构的变化对碳排放增加产生了微弱的促进作用,主要是因为近年来电力消费在终端能源消费中占比的提高。但这一促进作用被以煤炭为主的化石能源占比的下降以及碳排放系数的优化所抵消,主要原因在于电力热力的生产的碳排放系数持续下降。可见,单纯的电气化比例上升将导致全局碳排放量的增加。终端用能电气化比例提高的同时也应降低电力热力生产系统中火力发电和供热的比重。大多数省份最终需求结构的变化使其消费视角碳排放量有所减少,比较突出的如河北、内蒙古、辽宁等省份,究其原因主要是直接高碳排放部门(如金属冶炼和压延加工、电力热力的生产和供应等)或产业链高碳排放部门(如建筑业等)在其最终需求结构中占比的下降所引起。由此可见,从消费视角来看,各省份最终需求结构有所改善。

图3 基于MRIO 的消费视角碳排放驱动因素分解

五、结论与政策启示

本文通过对消费视角碳排放概念的拓展,核算了中国各省份1997—2017 年广义和狭义消费视角碳排放量,并结合Kaya 恒等式和SDA 方法,对各省份广义和狭义消费视角碳排放发展变化的驱动因素进行分解,得到如下主要结论:(1)与一般研究结论相统一,无论是广义还是狭义消费视角碳排放,经济较发达省份的消费视角碳排放往往高于其生产视角碳排放,经济欠发达省份的情况则与之相反。在一定程度上,经济欠发达省份通过其高碳排放产品支撑了经济发达省份的发展,当然,后者也为前者提供了市场,拉动了前者的经济发展。(2)从消费视角来看,经济发展水平的提高和经济规模的增长始终是促进碳排放增长的主要原因,而碳排放强度和能源强度的下降则是抑制碳排放增长的主要原因,能源结构的低碳化是抑制碳排放增长的的关键潜在因素。(3)产业结构的优化,从另一个角度反映在最终需求部门结构上,对抑制碳排放的增长具有重要的结构性意义。产业结构的优化体现为工业占比下降而新兴服务业占比上升;需求结构的调整实际上与产业结构优化相关联;而生产技术的改进体现为高碳排放产品中间投入比例的降低。

本文的政策启示如下:(1)引入消费视角碳排放作为碳减排相关政策的参考依据,在助力实现碳减排目标的同时促进区域协调可持续发展。在省份之间碳减排分担机制中更多地考虑系统性,兼顾区域经济发展和全国碳达峰、碳中和目标,以实现碳减排效果的整体最优。为此,在现有生产视角为主的碳排放核算体系的基础上,增加以狭义消费视角碳排放为主、广义消费视角碳排放为辅的消费视角碳排放核算体系,以及时掌握各省份消费视角碳排放量,进而从生产和消费两侧同时发力,更加高效地实现碳达峰、碳中和。(2)终端用能的电气化进程应配合以电力热力生产系统中火力发电和供热比重的下降。虽然在研究期间,终端能源消费结构中电力消费占比的提高对中国碳排放的促进作用并不显著,但在未来中国为实现碳中和而大力提高电力在终端消费中的占比(例如,电动汽车、电力取暖、产业智能化和电气化等)的发展趋势下,必须配合以一次电力(水电、风电、光伏发电、核电)比例的提高,即大幅降低电力生产的碳排放系数,否则将对中国碳达峰、碳中和带来更大的阻力。(3)进一步调整各省份产业结构,以实现可持续的低碳转型发展。结构性调整是更可持续的实现碳达峰的发展路径,也是实现碳达峰、碳中和的必由之路。产业结构调整是一项系统性的优化方案,优化产业结构与能效提高、生产技术改进、需求结构调整等紧密相关。调整产业结构有两条路径:一是调整产业间比例结构,提高低碳排放产业的比重的同时,降低高碳排放产业的比重;二是升级产业内部生产环节,由碳排放量较高的环节转向碳排放量较低的环节。

注释:

①未直接采用CEADs 数据库各省份分部门碳排放量数据的原因是,本文研究的狭义消费视角下碳排放的核算需要用到火力发电和供热两个能源加工转换过程的碳排放量,而CEADs 未提供此数据。

②由于国家统计局未出版2002 年和2007 年的西藏投入产出表,因此,2002 年和2007 年的MRIO 模型仅包含30个省份。

③各年份虽均有42 个部门,但部门分类有所调整。国务院发展研究中心李善同研究团队所编制的模型遵从了国家统计局所出版的各年地区投入产出表的部门分类标准。

④生产视角碳排放是指分省份二氧化碳排放,包括化石能源消费及工业生产过程(主要是水泥生产过程)所产生的二氧化碳排放。

⑤与碳排放强度类似的,基于MRIO 分解的消费视角下生产技术的变化实际上也反映的是所有省份生产技术的变化。