打开文本图片集

摘 要：通过产业结构升级，进而优化能源消费，从而在环境保护和经济发展之间获得平衡对实现双碳目标具有重要意义。本文对能源消费结构、产业结构调整与升级影响碳排放强度方面进行了研究。旨在通过揭示产业结构对碳排放的影响，能源消费结构对碳排放的影响以及三者之间的关系，发现产业结构优化的发展机理，并深入探究碳排放强度受能源消费影响的程度，提出相应的政策建议。

关键词：能源消费结构；产业结构；碳排放强度

当前，全球气候变暖问题受到国际社会广泛关注，世界气象组织《2023年全球气候状况》报告显示，气候变暖是由于大气中温室气体浓度的增加。碳减排不仅关系到应对全球气候变化，保护生态环境，而且关系到我国经济的可持续发展和人民的生活质量。同时，还能促进清洁能源和低碳技术的发展，推动经济转型升级，提高能源效率。

目前针对实现碳减排的方法所达成的共识有三个：优化能源消费结构、调整产业结构、更新科技手段，其中最为关键的是调整产业结构。据有关研究测算，今后一个时期产业结构调整对碳减排的总体贡献度将超过50%。所以，有关能源消费结构、产业结构调整、碳减排的相关研究已经成为国内外学者研究的焦点。Knapp等（1996）的研究表明人口增长会导致能源需求和二氧化碳排放量的增加；Weber（2000）研究了消费行为对碳排放的影响。Grossman等（1991）通过对42个地区样本的研究，认为经济增长与环境质量存在“U”型结构关系。Alves（2013）指出产业结构、能源结构和能源强度是驱动葡萄牙碳排放变化的关键因素。Fredrik（2013）的研究则表明生产率、石油价格和能源结构是影响发达国家和发展中国家碳排放强度的主要因素。除此之外，煤炭使用水平（Cao，2014）、城市化（刘明达，2018）、技术进步（张兵兵，2014）、金融结构（梁琳，2018）以及国际贸易（王敏杰，2018）等因素也与碳排放具有相关性。上述研究表明碳排放强度与众多因素密切相关。在产业结构与碳排放的关系方面，Panayotou（1997）发现第二产业对碳排放的影响最大，Radoslaw（2009）的研究也证实了该结论。贾立江（2013）采用路径分析法发现，增加第一、三产业比重是实现低碳排放的关键。此外，龚新蜀和李龙（2014）、李强和左静娴（2018）通过关联分析方法，研究了西北地区的五个省份和两个长江经济区的三个产业与碳排放强度之间的联系，结论表明可以通过改变产业结构，特别是降低第二产业比重来减少碳排放，实现低碳经济发展。

目前国内外学者大多研究单一变量对碳排放强度的影响，如能源消费、产业结构等，同时研究三个变量间关系的文献较少。此外，现有大多研究将能源消费结构和产业结构均作为影响碳排放强度的因素，忽略了能源消费结构和产业结构之间存在的内在联系。本文选取能源消费结构为突破点，分析其与产业结构优化的关系，构建了能源消费结构、产业结构变化对碳排放强度影响的模型，并以2010-2019年我国统计数据进行了计算，根据结果提出了能源结构和产业结构优化建议。

1 模型构建

1.1 变量选取与说明

1. 被解释变量：碳排放强度

碳排放强度是指单位GDP的二氧化碳排放量。基于某地区碳排放总量C和GDP总量G，即可得到该地区碳排放强度，用CO2表示。参照《2006年IPCC国家温室气体清单指南》，碳排放总量C为：

其中，C为二氧化碳排放总量，千克二氧化碳当量（kgCO2）；i为不同的能源种类，Ci为能源i的碳排放总量，千克二氧化碳当量（kgCO2）；Ei为能源i的消费总量，千克标准煤（kgce）；Fi为能源i的碳排放系数，千克碳/千克标准煤（kgCO2/kgce）。

碳排放系数指每一种能源燃烧或使用过程中单位能源所产生的碳排放数量，一般指二氧化碳排放系数，其他温室气体折算为二氧化碳当量后再参与计算。根据IPCC（联合国政府间气候变化专门委员会）的假定，可以认为某种能源的碳排放系数是常数。根据2013年中国可持续发展能源暨碳排放情景分析，煤炭、石油、天然气碳排放系数平均值为0.733kgCO2/kg、0.557kgCO2/L和0.423kgCO2/M3。

2. 核心解释变量：能源消费总量和能源消费结构

（1）能源消费总量。能源消费总量指地区在一年内消费的能源总和，用X表示，反映该地区多种能源消耗总规模。对于不同种类的能源，全部折算为标准煤吨数进行计算。

（2）能源消费结构。能源消费结构指在能源消费总量各类能源的占比，本文主要考虑煤炭、电力以及天然气三种能源消费。

3. 中介变量：产业结构

参考于春晖等（2016）研究，本文采用第三产业与第二产业增加值的比值来衡量高级化的产业结构，用INDUS表示，反映经济服务化的变化趋势，该指标增大意味着产业结构高级化、经济服务化倾向。

4. 控制变量

地区人口密度（POP）：指当地人口数量与面积的比值。一般来讲，人口密度高的地区往往碳排放强度也比较高，从而产生的碳排放量也较大。

城镇化率（URB）：城镇常住人口占各市或片区总人口的比值。城镇化率对地区碳排放强度的影响复杂。一方面，城镇化意味着更多的人居住在城市和城镇，城市人口密度大，用电、用水和交通等方面的消耗也更高，更多的能源消耗导致更高的碳排放强度；另一方面，城镇化意味着更多的人可以在同一区域内集中，更容易实施低碳技术和资源共享，从而降低碳排放强度。

人均固定资本（K），各省市的固定资产投资与常住人口的比值。一方面，固定资产投资可以促进地区经济发展，提高居民生活水平，从而带动能源消费和碳排放量的增加；另一方面，固定资产投资也可以引入先进的清洁生产技术和装备，提高能源资源利用效率和环境管理水平，从而减少碳排放量。

人均研发经费（RD），研发总经费与常住人口的比值。研发总经费能够促进企业转型升级，推动技术创新，以更加环保且高效的技术替代原本高碳排放的生产方式，进而降低企业排放强度。

金融贷存比（FIN），金融机构贷款总额与存款总额的比值。金融贷存比可以反映一个地区的金融活动水平，进而对碳排放强度产生影响。

1.2 模型设定

1.直接变量分析模型

为分析解释变量对被解释变量的影响过程，依据影响机理分析构建面板回归模型，研究能源消费对碳排放强度的影响效应。模型如下：

其中，C02i，t为省份i在年份t的碳排放强度，kgCO₂/IntGK＄；Xi，t为省份i在年份t的能源消费总量，千克标准煤（kgce）；POPi，t代表地区人口密度，人口/平方公里；URBi，t代表城镇化率，%；Ki，t代表人均固定资本，万元；Rdi，t代表人均研发经费，万元；FINi，t代表金融贷存比，%；i代表不同省份，t代表不同年份；αi，α1，α2，α3，α4，α5，α6为各个变量的回归系数，εi，t为随机误差。

2.中介机制分析模型

解释变量对被解释变量的影响过程中，某变量介入其中并通过对被解释变量的影响来发挥作用时，便称该变量具有中介作用。本文将产业结构INDUS定义为中介变量，结合解释变量能源消费总量X，被解释变量碳排放强度CO2，分别构建以下回归方程：

2 实证分析

本文选取我国31个省（市）为研究样本，时间范围为2010-2019年，每个数据指标的样本观察值为310个，主要数据来源于中国统计年鉴2010-2019年能源、人口、国民经济核算、固定资产投资部分数据库，国泰安数据库中的中国宏观经济数据库，数据分析工具为Stata17。

2.1 相关性分析

运用相关性分析方法对变量之间的依存关系进行验证，相关性采用Pearson系数表示，计算结果如表1所示。从表1可看出，碳排放强度与能源消费总量呈现正向相关关系，相关系数为0.102，且在5%的显著水平上显著，与一次能源消费结构中的煤炭、电力、天然气占比的相关系数分别为0.119，-0.015，-0.623，且均在1%的显著水平上显著，说明了碳排放强度与煤炭消费占比显著正向相关，与电力和天然气消费占比显著负向相关。

上述相关性分析表明：1）降低煤炭直接燃烧消耗可以降低碳排放强度，因此可以推进煤炭深加工。如政府通过激励政策，引导企业通过技术创新促进煤制气、煤制氢产业发展，从而降低煤炭直接燃烧导致的碳排放增高。2）碳排放与电力消费占比负相关，表明我国应继续采取产业倾斜政策，加大新（清洁）能源发电、新能源汽车等优势产业投入，鼓励企业使用清洁能源替代碳排放系数高的传统能源。

从表1可以看出，解释变量与控制变量间均存在显著相关性。在此基础上，运用VIF检验方法对变量做多重共线性检验，各变量间均存在显著相关性且不存在多重共线性问题，可进行后续回归分析。

2.2 回归分析

面板回归模型可分为三种类型，分别是FE模型（固定效应模型）、POOL模型（混合效应模型）和RE模型（随机效应模型），具体选择模型通过检验方法进行判断，常用的方法包括F检验和Hausman检验。本文首先对样本数据进行F检验，经过计算检验得出结果p<0.05，则应拒绝原假设，排除混合效应模型；然后采用Hausman检验固定效应模型，通过计算得出结果p<0.05，表明能够通过固定效应模型进行建模。基于此，本文模型在回归分析时均控制了个体固定效应。

1.基准回归分析

为厘清能源消费结构与碳排放强度之间的影响程度，以能源消费总量X、煤炭消费占比X1、电力消费占比X2以及天然气消费占比X3等为解释变量，以碳排放强度CO2为被解释变量，运用多元线性回归方法进行回归，结果如表3所示。

由表3可知，模型（1）只考虑了单一的解释变量X，对于碳排放强度的回归系数为0.023，表明能源消费总量X每增加1个单位会导致碳排放强度增加0.023个单位。同时，该系数的显著性水平达到0.01，说明能源消费总量X与碳排放强度之间的关系是显著的。模型（2）则考虑了煤炭、电力和天然气消费占比对碳排放强度的影响，其中煤炭消费占比X1的回归系数为0.091，电力消费占比X2的回归系数为-0.016，天然气消费占比X3的回归系数为-0.020，均达到显著性水平。

回归分析结果表明，能源消费总量的增加会导致碳排放强度的增加。分种类看，煤炭消费占比对碳排放强度有正向影响，即煤炭消费占比越高，碳排放强度越大；天然气消费占比对碳排放强度有负向影响，这是由于天然气消耗具有低碳排放，比煤炭更为环保；电力消费占比对碳排放强度有负向影响，要是因为电力生产中部分采用清洁能源，据中国电力企业联合会2022年公开数据显示，我国电力能源结构：火力发电占66%、水力发电占14%、风力发电占9%、太阳能发电占6%、核能发电占5%，因此电力消费占比高的地区其碳排放强度可能相对较低。

综上，由于能源种类和消耗方式的差异，不同的能源消费占比会对环境产生不同的影响，从而导致碳排放强度的变化。因此应尽可能减少对高排放能源的依赖，积极发展清洁能源，加强环境保护。

2.中介机制分析

为检验产业结构的中介机制，结合中介机制检验方法，得到数据结果如表4所示：

在回归方程（2-3）中，X的总机制c=0.023，p<0.01，系数正向显著；方程（2-4）中，中介机制的前半段系数a=-0.029，p＜0.01，系数负向显著；方程（2-5）中，INDUS对CO2的回归系数（中介机制的后半段系数）b=-0.482，p＜0.01，系数负向显著，X对CO2回归系数c1=0.009，p＜0.05，系数显著性降低。综上，回归方程（2-4）和方程（2-5）中系数a和系数b均显著，而方程（5-5）中的系数c1显著性降低。

结合中介机制检验方法可得，产业结构在能源消费和碳排放强度的关系中起部分中介作用。能源消费优化首先改善了产业结构，促进了产业结构高级化，间接降低了碳排放强度。此外，能源消费也能对碳排放强度产生直接效应，从而显著降低碳排放强度。因此，一方面政府可以通过制定合理的能源政策和措施来引导产业升级，推进清洁能源和低碳技术的发展；另一方面企业和个人也应积极参与节能减排行动，减少对传统高碳能源依赖的同时采取节能措施。

3 结论与建议

本文以碳排放强度为被解释变量、以能源消费结构为解释变量、以产业结构为中介变量构建面板回归模型，研究了我国各省市能源消费结构与碳排放强度的关系，以及产业结构在其中的作用。研究结果表明：能源消费总量对地区碳排放强度有显著正向影响，能源消费总量的下降能够减小碳排放强度；各省市煤炭能源消费量和碳排放强度呈正相关关系，而天然气能源消费量和电力能源消费量与碳排放强度呈负相关关系；产业结构在能源消费总量和碳排放强度的关系中发挥了中介作用，各省市能源消费总量首先影响到产业结构，之后对碳排放强度产生影响。为降低碳排放强度，建议深化产业结构调整，发展清洁能源市场，创建发展绿色技术。

参考文献：

[1]郭克莎. 我国产业结构变动趋势及政策研究[J]. 管理世界， 1999， 12（5）： 73-83.

[2]黄和平， 王丽影. 基于能源代谢分析的南昌市能源消费碳排放综合生态效率研究[J]. 生态学报， 2017， 37（12）： 4191-4197.

[3]黄湘燕， 锁箭. 我国产业结构高度化的必然趋势[J]. 经济管理， 2003， 24（05）： 59-62.

[4]贾立江， 范德成， 武艳君. 低碳经济背景下我国产业结构调整研究[J]. 经济问题探索， 2013， 12（2）： 87-92.

[5]梁竞， 张力小. 基于Theil指数的城市能源消费空间差异测度分析[J]. 中国人口资源与环境， 2010（1）： 85-88.

[6]梁琳， 林善浪. 金融结构与经济绿色低碳发展[J]. 经济问题探索， 2018， 6（11）： 179-190.

[7]刘明达， 尤南山， 刘碧寒. 基于城市样本的中国城市化与碳排放相关性实证研究[J]. 地理与地理信息科学， 2018， 34（2）： 73-78

[8]王敏杰， 刘利民. 国际垂直分工对 CO2 排放的影响： 基于45 国 （地区） 空间 Durbin 模型的经验研究[J]. 世界经济研究， 2018， 3（8）： 88-98.

[9]王韶华， 于维洋. 一次能源消费结构变动对碳强度影响的灵敏度分析[J]. 资源科学， 2013， 35（7）： 1438-1446.

[10]王长建， 张虹鸥， 汪菲， 等. “一带一路” 沿线东南亚国家能源发展的演变趋势及其未来展望[J]. 科技管理研究， 2018， 38（16）： 240-244.

[11]杨明， 杜萍静， 刘凤全， 等. 能源消费发展及预测方法综述[J]. 山东大学学报： 工学版， 2020， 50（1）： 56-62.

[12]杨显福，曾海鹰，等.基础设施建设、产业结构升级对碳排放的影响研究[J].中国物价，2023，11（7）： 14-16.

[13]张兵兵， 徐康宁， 陈庭强. 技术进步对二氧化碳排放强度的影响研究[J]. 资源科学， 2014， 36（3）： 567-576.

[14]赵朱妮， 张艳芳. 陕西省能源消费结构， 产业结构演变对碳排放强度的冲击影响分析[J]. 干旱区地理， 2015， 5（4）： 843-850.

[15]周大地，戴彦德，郁聪，等.2013年中国可持续发展能源暨碳排放情景分析[R]，2013.

[16]Boschma R， Iammarino S. Related variety， trade linkages， and regional growth in Italy[J]. Economic geography， 2009， 85（3）： 289-311.

[17]Cao J， Karplus V J. Firm-level determinants of energy and carbon intensity in China[J]. Energy Policy， 2014， 100（75）： 167-178.

[18]Clark J M. Toward a concept of workable competition[J]. The American Economic Review， 1940： 241-256.

[19]Das A， Paul S K. CO2 emissions from household consumption in India between 1993–94 and 2006–07： a decomposition analysis[J]. Energy Economics， 2014， 41（C）： 90-105.

[20]Eggleston H.S.，Buendia L.，Miwa K. Ngara T.，Tanabe K.2006 IPCC Guidelines for National Greenhouse Gas Inventory[Z].Institute for Global Environmental Strategies，2006

作者简介：欧阳周迪（1991年8月），性别：男，籍贯（湖北省恩施市），本科学历，硕士学位，工程师，研究方向：从事技术经济方面工作与研究.