论文部分内容阅读
摘要：基于我国30个省份2003—2011年的CO2排放量数据，利用面板数据的向量自回归方法和脉冲响应方法分析碳排放量与环境规制和造林活动之间的关系。结果表明：30个省份CO2的平均排放量以10.7%的速度逐年上升；不同省份CO2排放量之间的差距不断拉大；环境规制对各省CO2排放量的影响呈现先增后减的趋势；造林活动前期减排作用不明显，但减排效果具有长期性。
关键词：CO2排放量；核密度估计；面板向量自回归；脉冲响应
中图分类号：F062.1 文献标识码：A 文章编号：1003-3890（2013）12-0063-06
一、引言
随着全球气候变暖，有关研究全球暖化问题的科学界已经基本达成共识，即未来气候变暖会更加明显[1]。为此，减少CO2等温室气体的排放量成为当今解决全球变暖的根本出路。伴随着我国工业化进程的加快，能源消耗不断增加，导致CO2排放量持续升高。根据美国CO2信息分析中心测算，从2010年到2011年，全球CO2排放量增长了3.04%，而我国的CO2排放量增长了9.93%，远高于世界其他国家的增长速度。因此，在全球变暖问题日益严重的情况下，我国面临着巨大的减排压力。然而，由于我国地域辽阔，资源分布和经济发展极不均衡，导致我国在CO2减排过程中所面临的问题更为严峻。
当前，国外学者对CO2排放量及其减排问题的研究，综合来看，主要集中于CO2排放量与经济增长[2-3]、能源与环境[4]、能源效率[5]之间的关系或高排放部门的研究[6]。在国内研究方面，主要集中于CO2排放量与城市化[7-8]、外商直接投资[9-11]、产业结构[12-14]、经济增长[15-17]、居民生活[18]等方面或某一行业中的碳排放[19-21]。然而，环境规制和造林活动是当前进行CO2减排的重要措施，也是当前多数国家所采取的减排手段。在CO2减排政策制定以及减排措施具体应用之时，研究两者对CO2减排的影响作用过程显得尤为必要，同时，当前有关国内CO2排放量与环境规制和造林活动之间综合关系研究方面尚处于空白，鉴于此，本文以我国30个省份为研究对象，在计算出近年来各个省份CO2排放量的基础上，对CO2排放量的动态过程进行分析，同时对环境规制、造林活动与CO2排放量的关系进行探讨。以期展现我国各省份CO2排放量的动态演进情况和不同减排措施所产生的影响效果，以此为不同地区减排政策的制定和减排措施的实施提供相应的借鉴。
二、指标选取与数据来源
（一）指标选取
1. CO2排放量。通过对当前有关CO2排放的文献进行整理后发现，CO2排放量的数据来源主要有以下几个方面：国际能源署、美国CO2信息分析中心、根据IPCC（2006）提供的方法进行计算而得。由于本文的研究对象为中国省域CO2的排放量情况，以上前两个研究机构仅公布了我国历年整体的CO2排放量，尚无各个省份的数据，因此本文根据IPCC（2006）的方法对CO2排放量进行测算。同时，由于水泥在生产过程中所排放的CO2总量占到工业生产过程排放总量的56.8%[22]，因此本文所测算的CO2排放量还包括水泥生产过程中所产生的排放。
2. 环境规制。环境规制体现了政府部门在环境管理方面的水平。在环境规制指标选取方面，不同学者所利用的指标有所不同，如利用工业废水达标排放率、废水和废弃污染治理设施的当年人均运行费用、工业污染治理完成投资占工业增加值的比重、环境污染治理投资占国内生产总值的比重等，部分学者还通过综合计算的方式来构建环境规制指标。本文将各省份污染治理投资额与各省份生产总值的比重作为衡量环境规制水平的主要指标。
3. 造林活动。造林活动可以通过造林面积体现出来，造林面积是指报告期内通过人工播种等方法在荒山等一切可以造林的土地上所种植的乔木林和灌木林的面积，在一定程度上体现了从事造林活动的程度，因此本文选取各省份当年造林面积作为造林活动的评价指标。
（二）数据来源
上述各省份污染治理投资额与各省份生产总值比重指标数据来源于《中国统计年鉴》，当年造林面积指标的数据来源于《中国林业统计年鉴》，CO2排放量计算中所用到的数据主要来自于《中国能源统计年鉴》、《中国统计年鉴》、《2006年IPCC国家温室气体清单指南》等。由于各省份污染治理投资额与各省份生产总值比重统计数据在2002年之前未做统计，并且西藏自治区的统计数据缺失较为严重，因此本文以2003—2011年全国30个省份的数据为基础来研究CO2排放量的变动趋势及其与环境规制、造林活动之间的关系。
三、实证分析
（一）CO2排放量的测算及动态演进分析
1. CO2排放量的测算。本文运用以下公式来计算我国各省份历年CO2的排放量：
CO2kt=■Eikt×NCVi×CEFi×COFi×■+Qkt×EF
i=1，2……8；k=1，2……30；t=2003，2004……2011
CO2kt表示第t年第k个省份的CO2排放量；i表示第i种能源（本文选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种能源）；Eikt表示第t年第k个省份第i种能源的消费总量；NCVi表示第i种能源的平均低位发热值；CEFi表示第i种能源的碳含量；COFi表示第i种能源的碳氧化因子；44和12分别表示CO2和碳的分子量；Qkt表示第t年第k个省份的水泥总产量；EF表示水泥生产的碳排放系数。
根据上述公式，通过计算得到全国30个省份2003—2011年的CO2排放量。从测算结果来看，30个省份2003—2011年的CO2平均排放量为236 186.4Gg，按照平均排放量由高到低的顺序排列，前10个省份分别是山东、河北、江苏、河南、广东、内蒙古、浙江、山西、辽宁、湖北，平均排放量分别为703 737.1Gg、557 102.6Gg、516 212Gg、442 831.2Gg、422 663.5Gg、382 074.3Gg、350 624.6Gg、348 502.6Gg、339 311.3Gg、290 539.6Gg，排在后10位的省份分别是海南、青海、宁夏、北京、甘肃、天津、重庆、江西、广西和新疆，平均排放量分别为25 397.7Gg、29 915.4Gg、82 262.12Gg、99 615.8Gg、112 563.9Gg、114 500.7Gg、117 832.5Gg、131 244.9Gg、142 037.7Gg和148 401.5Gg。由此可以看出，东部沿海地区和能源资源储量丰富地区的CO2平均排放水平较高，而经济相对较为落后的西部地区其平均排放水平较低。北京、天津等经济发达地区其排放量也处于较低水平，通过对测算数据进行研究后发现，2003—2011年，北京CO2排放总量中来自于能源消耗的排放和水泥生产的排放所占的比例分别为94.6%和5.4%，天津为97.2%和2.8%，而山东等排放量较高的前5个省份的比例结构为89.6%和10.4%，较低的水泥生产排放水平将京津地区的CO2总排放量降低。图1显示了30个省份2003—2011年CO2排放量的平均值，由此可见，研究期间CO2的平均排放量呈现不断上升的趋势，2003年30个省份的平均CO2排放量只有146 131.4Gg，到2011年达到330 168.8Gg，平均每年以10.7%的速度递增，这说明近年来随着经济的不断发展，我国CO2排放水平也随之呈现明显上升的趋势，同时也从侧面体现出我国在环境规制和低碳减排方面面临着较大的挑战和压力。 2. CO2排放量的动态演进分析。为了能够更好地考察我国各省份CO2排放量的动态变化趋势，本文采用核密度估计法对其进行研究。核密度估计法能够从数据自身来研究其分布特征，并且具有规避预设函数形式而导致实际值和测算值产生差异的优势，其分布函数为：
f（x）=■■？浊（■）
式中，η（·）表示核函数，h表示带宽，n表示样本量，X表示随机变量。在进行具体应用时，带宽和核函数的选择至为重要，本文采用Silverman方法来确定带宽，并且选取较为常用的正态-高斯核函数。为了简便起见，选取2003年、2005年、2008年和2011年4个年份进行估计来关注其变动趋势。图2显示了2003—2011年30个省份CO2排放量的变动趋势，其中横轴表示CO2排放量，纵轴表示核密度。从图2可以看出，2003年30个省份的CO2排放总量呈现“三峰”分布的态势，并且以左峰为主峰，三个波峰对应的CO2排放量分别约为130 000Gg、220 000Gg和380 000Gg，说明2003年各省份的CO2排放量主要集中在这三个值附近，且排放量在130 000Gg左右的省份占到绝大多数。2005年核密度分布形状由“三峰”变为“双峰”，第一主峰所对应的CO2排放量与2003年相比基本保持不变，但第二主峰所对应的排放量明显右移，大约集中在500 000Gg附近，同时从整体形态来看，峰度有所降低，即波峰所对应的核密度减小，这表明从2003年到2005年，各省份的CO2排放量分布开始呈现分散的趋势。2008年核密度分布继续呈现“双峰”态势，并且峰度高度进一步变矮，宽度变宽，同时右侧呈现明显的拖尾趋势，这表明随着时间的推移，各省份之间CO2排放量呈现明显的分散状态，并且个别省份的排放量逐步开始增大。2011年CO2排放的核密度分布图呈现扁平趋势，并且形成两个小的波峰，其中主峰所对应的CO2排放量与前期相比增加幅度并不大，大约集中在200 000Gg左右，右侧波峰集中在750 000Gg左右，各省份之间的排放差距进一步扩大。总体来看，各地区CO2的排放量总体呈现右移趋势，并且峰度不断下降，这表明各个省份的排放量在2003—2008年均呈现持续增加的态势，不同地区CO2排放量之间的差距逐步拉大。
（二）CO2排放量与环境规制、造林活动之间的互动关系
1. CO2排放量与环境规制、造林活动关系的机理分析。环境规制能够在一定程度上减少CO2排放的绝对量，降低CO2排放量的增长速度，是一种有效的减排手段。同时，CO2排放量的变动能够迫使政府等政策制定部门及CO2排放单位对其作出反应，两者在一定程度上呈现互动关系。森林具有一定的碳汇功能，即森林生态系统能够吸收大气中的CO2并将其固定在植被和土壤中，通过造林活动可以有效减少空气中CO2的浓度。同时，CO2总量的增加在一定程度上会刺激通过造林活动来实现碳减排，两者关系较为密切。但是，森林的碳汇功能与森林的生长状态密切相关，由于森林具有生长周期长等特点，导致森林碳汇功能在短期内无法产生有效的减排作用，因此需要提高环境规制强度来实现CO2的有效减排，同时，通过环境规制进行减排的过程中也需要造林活动作为补充，因此环境规制和造林活动两者之间的关系也较为密切。由此可见，CO2排放量、环境规制和造林活动之间存在着一定的响应关系。
2. 计量经济模型的构建。为了进一步研究三者之间的关系，本文构建以下面板向量自回归（PVAR）模型来进行分析：
Ykt=？琢k+？茁k+AYkt-1+BYkt-2+？着kt
k=1，2……30；t=2003，2004……2011
其中，k表示省份；t表示时间；Ykt是一个包含3个变量的向量{lnCO2kt，lnEIkt，lnAAkt}，lnCO2表示CO2排放量的对数，lnEI表示环境规制强度的对数，lnAA表示造林面积的对数；A和B分别表示3×3维的系数矩阵；α表示个体效应；β表示时间效应；ε表示服从正态分布的随机扰动项。
3. 单位根检验和面板矩估计。在运用面板向量自回归模型之前，为了避免出现伪回归现象，首先对面板数据进行平稳性检验，即单位根检验。然而单一的检验方法可能会使检验结果出现偏差，本文选取4种检验方法，即LLC检验、IPS检验、ADF-Fisher检验和PP-Fisher检验，检验结果见表1。从表1可以看出，除了lnCO2变量的IPS检验结果没有通过检验之外，其他变量的水平值均在10%的显著性水平拒绝“存在单位根”的原假设，即变量的水平值是平稳的，因此本文所选取的数据具有平稳性，可以进行面板向量自回归分析。
由于本文所建立的模型中包含固定效应，且存在因变量的滞后变量，固定效应与因变量的这种关系会对面板矩系数估计结果的准确性产生一定的影响，为了消除该影响，本文采用一阶向前差分法消除个体效应，即进行Helmert变换。之后对面板数据进行矩估计，具体结果见表2。从表2可以看出，在环境规制和造林活动滞后一期，环境规制对CO2的排放量呈现正向影响，而造林活动具有负向影响，但是效果不显著，在滞后二期及三期，环境规制和造林活动均对CO2排放量产生负向影响作用，说明在长期内两者能够起到一定的减排作用。
4. 脉冲响应分析。为了进一步分析CO2排放量、环境规制和造林活动之间的关系，本文采用系统方程的脉冲响应函数来研究每个变量的冲击对其他变量所产生的影响。图3刻画出三个变量之间的动态交互关系及其效应，其中中间曲线表示脉冲响应函数曲线，外侧两条曲线表示两倍标准差的置信区间，横轴表示追溯期数，纵轴表示因变量对各变量的响应程度。
环境规制一个正交化新息的冲击在前期对CO2排放量的影响为正，但之后一段时间内作用逐步下降，并开始变为负向影响，这说明环境规制对CO2的减排具有明显的促进作用。前期影响为正主要是由于环境污染治理投资本身的特点所产生的，我国的环境污染治理投资主要包括城市环境基础设施建设投资、工业污染源治理投资和建设项目“三同时”环保投资三个部分，并且以城市环境基础设施建设投资所占的比重最大，资金主要在基础建设过程中得以利用，而建设过程中本身会造成大量的CO2排放，因此导致前期对CO2排放量的影响产生正向作用，但随着时间的推移，环境规制所产生的减排效果开始显现。从长期来看，环境规制对CO2排放量产生先上升、后下降的影响，并在今后一段时间内起到持续的减排作用。 造林活动对CO2排放量的影响在前期接近于零，但是之后一段时间内效果逐步显现，能够有效地实现CO2减排。与以环境基础设施建设为主的环境规制措施相比，造林活动在前期对CO2排放量的影响微乎其微，究其原因，主要是由于造林活动本身的特点所决定的。通过造林活动来实现CO2的减排，主要是立足于植物的生长过程，而森林的生长本身具有生长周期长的特性，且在生长过程中易受森林病虫害、森林火灾等干扰性因子和气象变化、氮沉降等非干扰性因子的影响，因此对CO2排放量影响所产生的滞后时期较长。造林活动对自身冲击的影响与环境规制对自身的冲击类似，即在整个追溯时期内影响程度逐步下降，由正变负。将造林活动对CO2排放量冲击的影响和对自身的冲击影响联合来看，伴随着造林活动对自身冲击的逐步减弱，其对CO2的减排仍具有较强的积极作用。
CO2排放量一个正交化新息的冲击对环境规制作用的影响在前期较高，之后逐步下降，在一段时期内变为负值之后开始回升，之后保持较为平稳的正向作用。面对较高的CO2排放总量，需要较高强度的环境规制，即需要投入大量的资金来改善整个环境状况，然而CO2减排问题不可能仅仅依赖于经济资源的无限制投入，因此在前期会使得环境污染治理投资逐步减弱。随着CO2排放量的不断增加以及前期污染治理投资减排效果的逐步增强，环境规制强度始终保持在一个平稳的水平。CO2排放量的一个正交化新息的冲击对造林活动在前期产生负向影响，但是一直处于上升趋势，最后由负变正。面对较高的CO2排放量，造林活动在短期内无法实现有效减排，其取得的减排效益在长期内才可以得到体现，因此在短期内影响为负。同时，实现CO2的减排只是造林活动的目的之一，除了实现生态效益之外，经济效益的获取也是造林活动的主要目的，如增加农民经济收入等，与以环境改善为主要目的的环境规制措施相比，其功能具有多元化，因此在面对较高的CO2排放量时，在短期内无法通过造林活动来实现。
四、结论与启示
研究发现，2003—2011年，我国各省份的CO2排放量呈现明显上升的趋势，平均排放量以均值10.7%的速度递增，各省份面临的减排压力越来越大。此外，随着时间的改变，各省份CO2排放量之间的差距逐步拉大。从排放区域来看，经济发达地区和资源丰富地区的CO2排放量较高，而西部欠发达地区的排放量较小。环境规制对各省CO2排放量的影响呈现先增后减的趋势，即在进行环境污染治理投资之初，由于受到建设工程本身的影响使得CO2排放量有所增高，之后环境规制所产生的减排效应开始得以显现，并在长期内保持减排作用。造林活动由于受到森林生长等自然规律的限制而使得前期减排效果不明显，之后开始发挥森林本身的碳汇功能。
针对上述研究结论，我们认为各地区可以根据环境规制和造林活动减排影响过程的不同，在当前已有的国家减排政策的基础上制定不同的减排方案。由于西部欠发达地区在资金等经济资源方面匮乏，同时自身的CO2排放量相对较小，因此可以借助于土地资源方面的优势，充分发挥森林的碳汇功能，建立起以造林为主的减排方案。东部地区的CO2排放量相对较高，面临的减排压力较大，但在资金和技术方面具有一定的优势，对于这部分区域，单一的减排方式可能无法达到减排目标，因此可以充分发挥环境规制和造林活动的共同作用，以此实现CO2的减排。
参考文献：
[1]Nordhaus W D.Economic Aspects of Global Warning in a Post-Copenhagen Environment[J].Proceedings of the National Academy of Sciences of the USA，2010，107（26）：11721-11726.
[2]Ranajoy Bhattacharyya，Tapas Ghoshal.Economic Growth and CO2 Emissions[J].Environment，Development and Sustainability，2010，（12）：159-177.
[3]Wang Kuanmin.The Relationship between Carbon Dioxide Emissions and Economic Growth： Quantile Panel-type Analysis[J].Quality & Quantity，2013，（47）：1337-1366.
[4]Muhammad Zeshan，Vaqar Ahmed.Energy，Environment and Growth Nexus in South Asia[J].Environment，Development and Sustainability，2013，15（6）：1465-1475.
[5]Clara Inés Pardo Martínez，Semida Silveira. Energy Efficiency and CO2 Emissions in Swedish Manufacturing Industries[J].Energy Efficiency，2013，（6）：117-133.
[6]Govinda R.Timilsina， Ashish Shrestha. Factors Affecting Transport Sector CO2 Emissions Growth in Latin American and Caribbean Countries：An LMDI Decomposition Analysis[J]. International Journal of Energy Research，2009，33（4）：396-414.
[7]易艳春，高玉芳.城市化与中国碳排放的实证研究[J].统计与信息论坛，2013，（3）：63-67. [8]杨晓军，陈浩.中国城镇化对二氧化碳排放的影响效应：基于省级面板数据的经验分析[J].中国地质大学学报（社会科学版），2013，（1）：32-33.
[9]李晓钟，刘振宇.FDI对我国制造业碳排放影响分析[J].国际商务（对外经济贸易大学学报），2013，（1）：95-103.
[10]周凯.1999—2010年长三角地区引进FDI与二氧化碳排放的相关性评估[J].统计与信息论坛，2012，27（9）：74-80.
[11]姬世东，吴昊.贸易增长、FDI流入和地区碳排放关联性的PVAR模型分析[J].工业技术经济，2012，（11）：118-123.
[12]钟鸣长.能源消费、经济增长与碳排放关系研究——以福建省为例[J].哈尔滨商业大学学报：社会科学版，2012，（3）：51-58.
[13]陈永国，褚尚军，聂锐.我国产业结构与碳排放强度的演进关系——基于“开口P型曲线”的解释[J].河北经贸大学学报，2013，34（2）：54-59.
[14]李科.中国产业结构与碳排放量关系的实证检验——基于动态面板平滑转换模型的分析[J/OL].数理统计与管理，（2013-03-29）[2013-09-01].http：//www.chki.net/kcms/detail/11.2242.O1.20130329.1016.002.html.
[15]蔡静霞，齐秀辉，乔朋华.碳排放与经济增长协整分析——基于黑龙江省的实证分析与检验[J].科技管理研究，2013，33（4）：214-218.
[16]石蕾，李洋.中国区域经济增长的碳排放强度差异及其敛散性[J].北京理工大学学报（社会科学版），2013，（2）：34-35.
[17]刘竹，耿涌，薛冰.中国低碳试点省份经济增长与碳排放关系研究[J].资源科学，2011，（4）：620-625.
[18]方齐云，陈艳，李卫兵.居民生活行为对能源消费及CO2排放的影响——来自江西省的数据检验[J].江西财经大学学报，2013，（1）：16-23.
[19]谢园方.旅游业碳排放测度与碳减排机制研究[D].南京师范大学，2012.
[20]林涛，赵涛，康纪东.中国区域工业碳排放测算与影响因素分析——以天津市为例[J].西安电子科技大学学报（社会科学版），2013，（1）：36-42.
[21]何维达，张凯.我国钢铁工业碳排放影响因素分解分析[J].工业技术经济，2013，（1）：3-10.
[22]杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究[J].南方经济，2010，（11）：20-33.
责任编辑、校对：张 然
Research on Dynamic Evolution Analysis of CO2 Emissions of Provinces in China
——Concurrently Discuss the Relationship with Environmental Regulation and Afforestation Activity
Zang Liangzhen， Zhang Caihong， Zhang Lan
（School of Economics and Management， Beijing Forestry University， Beijing 100083， China）
Abstract： Based on the estimation of CO2 emissions of 30 provinces from 2003 to 2011 in China， this paper analyzed the change trend of CO2 emissions with the kernel density estimation method. Meanwhile， the relationship of CO2 emissions， environmental regulation and afforestation activity was also analyzed by using the panel vector autoregression and impulse response method. The results showed that the CO2 emissions of 30 provinces increased by 10.7% year by year from 2003 to 2011； the gap was widening in different provinces； the impact of environmental regulation on CO2 emission presented a trend from increase to decrease； the impact of afforestation activity on CO2 emissions was not obvious but had a long-term effect.
Key words： CO2 emissions； Kernel density estimation； Panel VAR； Impulse response
关键词：CO2排放量；核密度估计；面板向量自回归；脉冲响应
中图分类号：F062.1 文献标识码：A 文章编号：1003-3890（2013）12-0063-06
一、引言
随着全球气候变暖，有关研究全球暖化问题的科学界已经基本达成共识，即未来气候变暖会更加明显[1]。为此，减少CO2等温室气体的排放量成为当今解决全球变暖的根本出路。伴随着我国工业化进程的加快，能源消耗不断增加，导致CO2排放量持续升高。根据美国CO2信息分析中心测算，从2010年到2011年，全球CO2排放量增长了3.04%，而我国的CO2排放量增长了9.93%，远高于世界其他国家的增长速度。因此，在全球变暖问题日益严重的情况下，我国面临着巨大的减排压力。然而，由于我国地域辽阔，资源分布和经济发展极不均衡，导致我国在CO2减排过程中所面临的问题更为严峻。
当前，国外学者对CO2排放量及其减排问题的研究，综合来看，主要集中于CO2排放量与经济增长[2-3]、能源与环境[4]、能源效率[5]之间的关系或高排放部门的研究[6]。在国内研究方面，主要集中于CO2排放量与城市化[7-8]、外商直接投资[9-11]、产业结构[12-14]、经济增长[15-17]、居民生活[18]等方面或某一行业中的碳排放[19-21]。然而，环境规制和造林活动是当前进行CO2减排的重要措施，也是当前多数国家所采取的减排手段。在CO2减排政策制定以及减排措施具体应用之时，研究两者对CO2减排的影响作用过程显得尤为必要，同时，当前有关国内CO2排放量与环境规制和造林活动之间综合关系研究方面尚处于空白，鉴于此，本文以我国30个省份为研究对象，在计算出近年来各个省份CO2排放量的基础上，对CO2排放量的动态过程进行分析，同时对环境规制、造林活动与CO2排放量的关系进行探讨。以期展现我国各省份CO2排放量的动态演进情况和不同减排措施所产生的影响效果，以此为不同地区减排政策的制定和减排措施的实施提供相应的借鉴。
二、指标选取与数据来源
（一）指标选取
1. CO2排放量。通过对当前有关CO2排放的文献进行整理后发现，CO2排放量的数据来源主要有以下几个方面：国际能源署、美国CO2信息分析中心、根据IPCC（2006）提供的方法进行计算而得。由于本文的研究对象为中国省域CO2的排放量情况，以上前两个研究机构仅公布了我国历年整体的CO2排放量，尚无各个省份的数据，因此本文根据IPCC（2006）的方法对CO2排放量进行测算。同时，由于水泥在生产过程中所排放的CO2总量占到工业生产过程排放总量的56.8%[22]，因此本文所测算的CO2排放量还包括水泥生产过程中所产生的排放。
2. 环境规制。环境规制体现了政府部门在环境管理方面的水平。在环境规制指标选取方面，不同学者所利用的指标有所不同，如利用工业废水达标排放率、废水和废弃污染治理设施的当年人均运行费用、工业污染治理完成投资占工业增加值的比重、环境污染治理投资占国内生产总值的比重等，部分学者还通过综合计算的方式来构建环境规制指标。本文将各省份污染治理投资额与各省份生产总值的比重作为衡量环境规制水平的主要指标。
3. 造林活动。造林活动可以通过造林面积体现出来，造林面积是指报告期内通过人工播种等方法在荒山等一切可以造林的土地上所种植的乔木林和灌木林的面积，在一定程度上体现了从事造林活动的程度，因此本文选取各省份当年造林面积作为造林活动的评价指标。
（二）数据来源
上述各省份污染治理投资额与各省份生产总值比重指标数据来源于《中国统计年鉴》，当年造林面积指标的数据来源于《中国林业统计年鉴》，CO2排放量计算中所用到的数据主要来自于《中国能源统计年鉴》、《中国统计年鉴》、《2006年IPCC国家温室气体清单指南》等。由于各省份污染治理投资额与各省份生产总值比重统计数据在2002年之前未做统计，并且西藏自治区的统计数据缺失较为严重，因此本文以2003—2011年全国30个省份的数据为基础来研究CO2排放量的变动趋势及其与环境规制、造林活动之间的关系。
三、实证分析
（一）CO2排放量的测算及动态演进分析
1. CO2排放量的测算。本文运用以下公式来计算我国各省份历年CO2的排放量：
CO2kt=■Eikt×NCVi×CEFi×COFi×■+Qkt×EF
i=1，2……8；k=1，2……30；t=2003，2004……2011
CO2kt表示第t年第k个省份的CO2排放量；i表示第i种能源（本文选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种能源）；Eikt表示第t年第k个省份第i种能源的消费总量；NCVi表示第i种能源的平均低位发热值；CEFi表示第i种能源的碳含量；COFi表示第i种能源的碳氧化因子；44和12分别表示CO2和碳的分子量；Qkt表示第t年第k个省份的水泥总产量；EF表示水泥生产的碳排放系数。
根据上述公式，通过计算得到全国30个省份2003—2011年的CO2排放量。从测算结果来看，30个省份2003—2011年的CO2平均排放量为236 186.4Gg，按照平均排放量由高到低的顺序排列，前10个省份分别是山东、河北、江苏、河南、广东、内蒙古、浙江、山西、辽宁、湖北，平均排放量分别为703 737.1Gg、557 102.6Gg、516 212Gg、442 831.2Gg、422 663.5Gg、382 074.3Gg、350 624.6Gg、348 502.6Gg、339 311.3Gg、290 539.6Gg，排在后10位的省份分别是海南、青海、宁夏、北京、甘肃、天津、重庆、江西、广西和新疆，平均排放量分别为25 397.7Gg、29 915.4Gg、82 262.12Gg、99 615.8Gg、112 563.9Gg、114 500.7Gg、117 832.5Gg、131 244.9Gg、142 037.7Gg和148 401.5Gg。由此可以看出，东部沿海地区和能源资源储量丰富地区的CO2平均排放水平较高，而经济相对较为落后的西部地区其平均排放水平较低。北京、天津等经济发达地区其排放量也处于较低水平，通过对测算数据进行研究后发现，2003—2011年，北京CO2排放总量中来自于能源消耗的排放和水泥生产的排放所占的比例分别为94.6%和5.4%，天津为97.2%和2.8%，而山东等排放量较高的前5个省份的比例结构为89.6%和10.4%，较低的水泥生产排放水平将京津地区的CO2总排放量降低。图1显示了30个省份2003—2011年CO2排放量的平均值，由此可见，研究期间CO2的平均排放量呈现不断上升的趋势，2003年30个省份的平均CO2排放量只有146 131.4Gg，到2011年达到330 168.8Gg，平均每年以10.7%的速度递增，这说明近年来随着经济的不断发展，我国CO2排放水平也随之呈现明显上升的趋势，同时也从侧面体现出我国在环境规制和低碳减排方面面临着较大的挑战和压力。 2. CO2排放量的动态演进分析。为了能够更好地考察我国各省份CO2排放量的动态变化趋势，本文采用核密度估计法对其进行研究。核密度估计法能够从数据自身来研究其分布特征，并且具有规避预设函数形式而导致实际值和测算值产生差异的优势，其分布函数为：
f（x）=■■？浊（■）
式中，η（·）表示核函数，h表示带宽，n表示样本量，X表示随机变量。在进行具体应用时，带宽和核函数的选择至为重要，本文采用Silverman方法来确定带宽，并且选取较为常用的正态-高斯核函数。为了简便起见，选取2003年、2005年、2008年和2011年4个年份进行估计来关注其变动趋势。图2显示了2003—2011年30个省份CO2排放量的变动趋势，其中横轴表示CO2排放量，纵轴表示核密度。从图2可以看出，2003年30个省份的CO2排放总量呈现“三峰”分布的态势，并且以左峰为主峰，三个波峰对应的CO2排放量分别约为130 000Gg、220 000Gg和380 000Gg，说明2003年各省份的CO2排放量主要集中在这三个值附近，且排放量在130 000Gg左右的省份占到绝大多数。2005年核密度分布形状由“三峰”变为“双峰”，第一主峰所对应的CO2排放量与2003年相比基本保持不变，但第二主峰所对应的排放量明显右移，大约集中在500 000Gg附近，同时从整体形态来看，峰度有所降低，即波峰所对应的核密度减小，这表明从2003年到2005年，各省份的CO2排放量分布开始呈现分散的趋势。2008年核密度分布继续呈现“双峰”态势，并且峰度高度进一步变矮，宽度变宽，同时右侧呈现明显的拖尾趋势，这表明随着时间的推移，各省份之间CO2排放量呈现明显的分散状态，并且个别省份的排放量逐步开始增大。2011年CO2排放的核密度分布图呈现扁平趋势，并且形成两个小的波峰，其中主峰所对应的CO2排放量与前期相比增加幅度并不大，大约集中在200 000Gg左右，右侧波峰集中在750 000Gg左右，各省份之间的排放差距进一步扩大。总体来看，各地区CO2的排放量总体呈现右移趋势，并且峰度不断下降，这表明各个省份的排放量在2003—2008年均呈现持续增加的态势，不同地区CO2排放量之间的差距逐步拉大。
（二）CO2排放量与环境规制、造林活动之间的互动关系
1. CO2排放量与环境规制、造林活动关系的机理分析。环境规制能够在一定程度上减少CO2排放的绝对量，降低CO2排放量的增长速度，是一种有效的减排手段。同时，CO2排放量的变动能够迫使政府等政策制定部门及CO2排放单位对其作出反应，两者在一定程度上呈现互动关系。森林具有一定的碳汇功能，即森林生态系统能够吸收大气中的CO2并将其固定在植被和土壤中，通过造林活动可以有效减少空气中CO2的浓度。同时，CO2总量的增加在一定程度上会刺激通过造林活动来实现碳减排，两者关系较为密切。但是，森林的碳汇功能与森林的生长状态密切相关，由于森林具有生长周期长等特点，导致森林碳汇功能在短期内无法产生有效的减排作用，因此需要提高环境规制强度来实现CO2的有效减排，同时，通过环境规制进行减排的过程中也需要造林活动作为补充，因此环境规制和造林活动两者之间的关系也较为密切。由此可见，CO2排放量、环境规制和造林活动之间存在着一定的响应关系。
2. 计量经济模型的构建。为了进一步研究三者之间的关系，本文构建以下面板向量自回归（PVAR）模型来进行分析：
Ykt=？琢k+？茁k+AYkt-1+BYkt-2+？着kt
k=1，2……30；t=2003，2004……2011
其中，k表示省份；t表示时间；Ykt是一个包含3个变量的向量{lnCO2kt，lnEIkt，lnAAkt}，lnCO2表示CO2排放量的对数，lnEI表示环境规制强度的对数，lnAA表示造林面积的对数；A和B分别表示3×3维的系数矩阵；α表示个体效应；β表示时间效应；ε表示服从正态分布的随机扰动项。
3. 单位根检验和面板矩估计。在运用面板向量自回归模型之前，为了避免出现伪回归现象，首先对面板数据进行平稳性检验，即单位根检验。然而单一的检验方法可能会使检验结果出现偏差，本文选取4种检验方法，即LLC检验、IPS检验、ADF-Fisher检验和PP-Fisher检验，检验结果见表1。从表1可以看出，除了lnCO2变量的IPS检验结果没有通过检验之外，其他变量的水平值均在10%的显著性水平拒绝“存在单位根”的原假设，即变量的水平值是平稳的，因此本文所选取的数据具有平稳性，可以进行面板向量自回归分析。
由于本文所建立的模型中包含固定效应，且存在因变量的滞后变量，固定效应与因变量的这种关系会对面板矩系数估计结果的准确性产生一定的影响，为了消除该影响，本文采用一阶向前差分法消除个体效应，即进行Helmert变换。之后对面板数据进行矩估计，具体结果见表2。从表2可以看出，在环境规制和造林活动滞后一期，环境规制对CO2的排放量呈现正向影响，而造林活动具有负向影响，但是效果不显著，在滞后二期及三期，环境规制和造林活动均对CO2排放量产生负向影响作用，说明在长期内两者能够起到一定的减排作用。
4. 脉冲响应分析。为了进一步分析CO2排放量、环境规制和造林活动之间的关系，本文采用系统方程的脉冲响应函数来研究每个变量的冲击对其他变量所产生的影响。图3刻画出三个变量之间的动态交互关系及其效应，其中中间曲线表示脉冲响应函数曲线，外侧两条曲线表示两倍标准差的置信区间，横轴表示追溯期数，纵轴表示因变量对各变量的响应程度。
环境规制一个正交化新息的冲击在前期对CO2排放量的影响为正，但之后一段时间内作用逐步下降，并开始变为负向影响，这说明环境规制对CO2的减排具有明显的促进作用。前期影响为正主要是由于环境污染治理投资本身的特点所产生的，我国的环境污染治理投资主要包括城市环境基础设施建设投资、工业污染源治理投资和建设项目“三同时”环保投资三个部分，并且以城市环境基础设施建设投资所占的比重最大，资金主要在基础建设过程中得以利用，而建设过程中本身会造成大量的CO2排放，因此导致前期对CO2排放量的影响产生正向作用，但随着时间的推移，环境规制所产生的减排效果开始显现。从长期来看，环境规制对CO2排放量产生先上升、后下降的影响，并在今后一段时间内起到持续的减排作用。 造林活动对CO2排放量的影响在前期接近于零，但是之后一段时间内效果逐步显现，能够有效地实现CO2减排。与以环境基础设施建设为主的环境规制措施相比，造林活动在前期对CO2排放量的影响微乎其微，究其原因，主要是由于造林活动本身的特点所决定的。通过造林活动来实现CO2的减排，主要是立足于植物的生长过程，而森林的生长本身具有生长周期长的特性，且在生长过程中易受森林病虫害、森林火灾等干扰性因子和气象变化、氮沉降等非干扰性因子的影响，因此对CO2排放量影响所产生的滞后时期较长。造林活动对自身冲击的影响与环境规制对自身的冲击类似，即在整个追溯时期内影响程度逐步下降，由正变负。将造林活动对CO2排放量冲击的影响和对自身的冲击影响联合来看，伴随着造林活动对自身冲击的逐步减弱，其对CO2的减排仍具有较强的积极作用。
CO2排放量一个正交化新息的冲击对环境规制作用的影响在前期较高，之后逐步下降，在一段时期内变为负值之后开始回升，之后保持较为平稳的正向作用。面对较高的CO2排放总量，需要较高强度的环境规制，即需要投入大量的资金来改善整个环境状况，然而CO2减排问题不可能仅仅依赖于经济资源的无限制投入，因此在前期会使得环境污染治理投资逐步减弱。随着CO2排放量的不断增加以及前期污染治理投资减排效果的逐步增强，环境规制强度始终保持在一个平稳的水平。CO2排放量的一个正交化新息的冲击对造林活动在前期产生负向影响，但是一直处于上升趋势，最后由负变正。面对较高的CO2排放量，造林活动在短期内无法实现有效减排，其取得的减排效益在长期内才可以得到体现，因此在短期内影响为负。同时，实现CO2的减排只是造林活动的目的之一，除了实现生态效益之外，经济效益的获取也是造林活动的主要目的，如增加农民经济收入等，与以环境改善为主要目的的环境规制措施相比，其功能具有多元化，因此在面对较高的CO2排放量时，在短期内无法通过造林活动来实现。
四、结论与启示
研究发现，2003—2011年，我国各省份的CO2排放量呈现明显上升的趋势，平均排放量以均值10.7%的速度递增，各省份面临的减排压力越来越大。此外，随着时间的改变，各省份CO2排放量之间的差距逐步拉大。从排放区域来看，经济发达地区和资源丰富地区的CO2排放量较高，而西部欠发达地区的排放量较小。环境规制对各省CO2排放量的影响呈现先增后减的趋势，即在进行环境污染治理投资之初，由于受到建设工程本身的影响使得CO2排放量有所增高，之后环境规制所产生的减排效应开始得以显现，并在长期内保持减排作用。造林活动由于受到森林生长等自然规律的限制而使得前期减排效果不明显，之后开始发挥森林本身的碳汇功能。
针对上述研究结论，我们认为各地区可以根据环境规制和造林活动减排影响过程的不同，在当前已有的国家减排政策的基础上制定不同的减排方案。由于西部欠发达地区在资金等经济资源方面匮乏，同时自身的CO2排放量相对较小，因此可以借助于土地资源方面的优势，充分发挥森林的碳汇功能，建立起以造林为主的减排方案。东部地区的CO2排放量相对较高，面临的减排压力较大，但在资金和技术方面具有一定的优势，对于这部分区域，单一的减排方式可能无法达到减排目标，因此可以充分发挥环境规制和造林活动的共同作用，以此实现CO2的减排。
参考文献：
[1]Nordhaus W D.Economic Aspects of Global Warning in a Post-Copenhagen Environment[J].Proceedings of the National Academy of Sciences of the USA，2010，107（26）：11721-11726.
[2]Ranajoy Bhattacharyya，Tapas Ghoshal.Economic Growth and CO2 Emissions[J].Environment，Development and Sustainability，2010，（12）：159-177.
[3]Wang Kuanmin.The Relationship between Carbon Dioxide Emissions and Economic Growth： Quantile Panel-type Analysis[J].Quality & Quantity，2013，（47）：1337-1366.
[4]Muhammad Zeshan，Vaqar Ahmed.Energy，Environment and Growth Nexus in South Asia[J].Environment，Development and Sustainability，2013，15（6）：1465-1475.
[5]Clara Inés Pardo Martínez，Semida Silveira. Energy Efficiency and CO2 Emissions in Swedish Manufacturing Industries[J].Energy Efficiency，2013，（6）：117-133.
[6]Govinda R.Timilsina， Ashish Shrestha. Factors Affecting Transport Sector CO2 Emissions Growth in Latin American and Caribbean Countries：An LMDI Decomposition Analysis[J]. International Journal of Energy Research，2009，33（4）：396-414.
[7]易艳春，高玉芳.城市化与中国碳排放的实证研究[J].统计与信息论坛，2013，（3）：63-67. [8]杨晓军，陈浩.中国城镇化对二氧化碳排放的影响效应：基于省级面板数据的经验分析[J].中国地质大学学报（社会科学版），2013，（1）：32-33.
[9]李晓钟，刘振宇.FDI对我国制造业碳排放影响分析[J].国际商务（对外经济贸易大学学报），2013，（1）：95-103.
[10]周凯.1999—2010年长三角地区引进FDI与二氧化碳排放的相关性评估[J].统计与信息论坛，2012，27（9）：74-80.
[11]姬世东，吴昊.贸易增长、FDI流入和地区碳排放关联性的PVAR模型分析[J].工业技术经济，2012，（11）：118-123.
[12]钟鸣长.能源消费、经济增长与碳排放关系研究——以福建省为例[J].哈尔滨商业大学学报：社会科学版，2012，（3）：51-58.
[13]陈永国，褚尚军，聂锐.我国产业结构与碳排放强度的演进关系——基于“开口P型曲线”的解释[J].河北经贸大学学报，2013，34（2）：54-59.
[14]李科.中国产业结构与碳排放量关系的实证检验——基于动态面板平滑转换模型的分析[J/OL].数理统计与管理，（2013-03-29）[2013-09-01].http：//www.chki.net/kcms/detail/11.2242.O1.20130329.1016.002.html.
[15]蔡静霞，齐秀辉，乔朋华.碳排放与经济增长协整分析——基于黑龙江省的实证分析与检验[J].科技管理研究，2013，33（4）：214-218.
[16]石蕾，李洋.中国区域经济增长的碳排放强度差异及其敛散性[J].北京理工大学学报（社会科学版），2013，（2）：34-35.
[17]刘竹，耿涌，薛冰.中国低碳试点省份经济增长与碳排放关系研究[J].资源科学，2011，（4）：620-625.
[18]方齐云，陈艳，李卫兵.居民生活行为对能源消费及CO2排放的影响——来自江西省的数据检验[J].江西财经大学学报，2013，（1）：16-23.
[19]谢园方.旅游业碳排放测度与碳减排机制研究[D].南京师范大学，2012.
[20]林涛，赵涛，康纪东.中国区域工业碳排放测算与影响因素分析——以天津市为例[J].西安电子科技大学学报（社会科学版），2013，（1）：36-42.
[21]何维达，张凯.我国钢铁工业碳排放影响因素分解分析[J].工业技术经济，2013，（1）：3-10.
[22]杜立民.我国二氧化碳排放的影响因素：基于省级面板数据的研究[J].南方经济，2010，（11）：20-33.
责任编辑、校对：张 然
Research on Dynamic Evolution Analysis of CO2 Emissions of Provinces in China
——Concurrently Discuss the Relationship with Environmental Regulation and Afforestation Activity
Zang Liangzhen， Zhang Caihong， Zhang Lan
（School of Economics and Management， Beijing Forestry University， Beijing 100083， China）
Abstract： Based on the estimation of CO2 emissions of 30 provinces from 2003 to 2011 in China， this paper analyzed the change trend of CO2 emissions with the kernel density estimation method. Meanwhile， the relationship of CO2 emissions， environmental regulation and afforestation activity was also analyzed by using the panel vector autoregression and impulse response method. The results showed that the CO2 emissions of 30 provinces increased by 10.7% year by year from 2003 to 2011； the gap was widening in different provinces； the impact of environmental regulation on CO2 emission presented a trend from increase to decrease； the impact of afforestation activity on CO2 emissions was not obvious but had a long-term effect.
Key words： CO2 emissions； Kernel density estimation； Panel VAR； Impulse response