APEC成员国碳排放与经济增长分类研究与启示

Carbon Emissions and Economic Growth Classification Research of APEC Member Countries and Insights

摘要: 为了研究国家经济发展与碳排放量之间的关系，本文基于APEC组织中的19个国家2005~2019年的有关面板数据，运用回归分析方法进行以下研究：首先，在人均CO₂排放量的影响因素研究中，分析得出人均GDP对二氧化碳排放的贡献最大，其次，分析了其中的经济发展因素对CO₂排放量的影响，得出结论为环境库兹涅茨假说的倒“U”型曲线并不适用，然后，通过对APEC成员不同收入类型国家以及中国的碳排放与经济发展之间的关系进行回归，比较分析其环境库兹涅茨曲线的类型与走向，得出高收入、中高收入国家以及中国的环境库兹涅茨曲线为倒“N”型，中低收入国家的环境库兹涅茨曲线为“N”型。最后，基于研究结果，对我国经济高质量发展条件下“双碳”目标的推进提出相关建议。

Abstract: In order to study the relationship between national economic development and carbon emissions, this paper uses regression analysis based on relevant panel data of 19 APEC countries from 2005~2019 to conduct the following studies: firstly, in the study of factors influencing CO₂ emissions per capita, the analysis concludes that GDP per capita makes the largest contribution to CO₂ emis-sions. Secondly, we analyze the impact of economic development factors on CO₂ emissions and con-cluded that the inverted “U” type curve of the environmental Kuznets hypothesis is not applicable. Then, we use regression analysis to investigate the relationship between carbon emissions and economic development in different income types of APEC member countries and China, and we ob-tain the types and trends of their environmental Kuznets curves. We find that environmental Kuz-nets curves of high-income, upper-middle-income countries and China are of inverted “N” type, and the environmental Kuznets curves of lower-middle-income countries are of “N” type. Finally, based on the results of the study, we propose recommendations for the promotion of the carbon peaking and carbon neutrality goals under the conditions of high-quality economic development in China.

1. 引言与文献综述

二氧化碳等温室气体排放的增加会加速温室效应的形成，导致全球气候变暖，生态环境恶化，碳减排问题日益引起全球关注。2020年9月，中国明确提出2030年前达到碳排放峰值，2060年前实现碳中和的目标(以下简称为“双碳”目标)，对于重工业的中国而言，在计划时间内实现“双碳”目标任重而道远。

碳排放与经济增长密切相关，而环境库兹涅茨假说在一定程度上揭示了经济增长与碳排放的影响关系，但不少研究表明，该假说所提出的经济增长与碳排放之间的倒“U”型关系并不具有普遍适用性，研究主体不同，所选的研究阶段不同，研究方法不同都有可能形成不同的结论。判断中国的碳排放的发展与其未来走向是否满足环境库兹涅茨假说，对我国“双碳”目标的达成具有一定的指导意义，本文选择APEC组织中的19个国家进行分析，通过分类研究判断不同经济发展阶段国家的环境库兹涅茨曲线的形态，从而对中国经济实现高质量发展的同时推进碳减排工作，如期实现“双碳”目标提供有效的建议。

1.1. 碳排放影响因素研究

国外学者首先开始进行碳排放影响因素分析研究，目前学术界分析了经济、人口、产业结构、碳排放强度、技术进步等主要的影响因素。Ramanathan (2006)基于数据包络分析(DEA)方法对能源消耗、经济发展以及二氧化碳排放量两两之间以及三者的影响关系进行分析，使用该模型进行技术预测，对预测的GDP水平进行不同效率指数下的排放量和能源消耗的确定 [1] ，Knapp (1996)用格兰杰因果检验方法发现人口数量增长在一定程度上会导致全球CO₂排放量的增长，但二者之间并没有长期协整关系 [2] ，Puliafito (2008)运用Lotka-Volterra捕食者–猎物模型对一次能源消费、人口数量、国内生产总值与碳排放量之间的关系进行研究 [3] 。

国内现在大多立足于中国自身对碳排放影响因素进行探究。林伯强、蒋竺均(2009)认为人均收入、产业结构、工业能源强度以及能源消费强度都对二氧化碳排放产生显著影响，忽略城市化加快和所处工业化阶段，或者存在衡量指标的差异，会影响到实证结果和最终结论 [4] 。李佛关和吴立军(2019)针对中国碳排放量的驱动因素建立LMDI模型，研究发现影响中国碳排放水平的因素中，经济发展占主导地位，技术进步在一定程度上抑制碳排放水平，而人口因素以及结构因素变化对碳排放水平产生的影响不大 [5] 。束兰根和辛晴(2021)以碳达峰为视角，研究了中国地级以上城市的碳排放与地区生产总值、工业占比、人口数量、服务业占比之间的关系，对不同人口数量与所在区域城市实现碳达峰目标所依赖的路径进行分析探讨 [6] 。席艳玲和牛桂敏(2021)通过对68个国家的人均CO₂排放量与经济增长之间的关系进行探究，发现发达国家的碳排放总量已基本实现达峰目标，大多数发展中国家的碳排放总量仍然呈不断攀升 [7] 。考虑到影响碳排放的主要因素可能会随着研究主体与发展阶段产生变化，本文进一步挖掘和细化核心影响因素，对APEC成员国碳排放影响因素进行分析研究。

1.2. 环境库兹涅茨假说研究

环境库兹涅茨假说的主要内容是：经济的不断增长会使得环境条件呈现出先持续恶化后不断改善的趋势，二者关系曲线呈倒“U”型。针对CO₂排放与经济增长之间关系这一问题展开的实证研究中，国外学者创立了一系列理论和实证上的研究，但没有形成一种普适理论。Grossman和Krueger (1992)利用面板计量模型工具发现在42个样本国家中人均GDP水平与人均大气污染物排放量间的“N”型变动关系 [8] ，Panayotou参照库兹涅茨曲线有关理论首次提出了解释环境质量在不同经济发展阶段的变化曲线，即环境库兹涅茨曲线(Environmental Kuznets Curve, EKC) [9] ，而后Shafik和Bandyopadhyay (1992)通过研究发现空气污染物的排放量会随着人均收入水平的提升而体现先逐步升高后开始下降的倒“U”型变化趋势，并分析了碳排放强度降低的原因 [10] [11] 。Galeotti (2007)对经济增长与环境污染水平之间的倒“U”型曲线的原因进行分析，认为产业结构变化、技术变化和环境管制力度变化可能会影响曲线形态 [12] 。此后，学者们开始考虑行业技术、能源价格等因素或者与生产部门结构或消费组成有关的变量对碳排放的影响。

Aslanidis (2009)对低碳领域EKC的全部研究结论进行整理总结与比对分析，对质疑环境库兹涅茨理论的文献中新的计量经济学技术进行了批判性探讨 [13] ，针对碳排放问题仍然没有确定性的证据能够支持EKC的存在。卢晓彤等(2012)运用阈值模型方法对传统的环境库兹涅茨理论验证方法进行改进，认为对于EKC存在性的研究结论不一致主要依赖于样本本身的差异与所选变量的数据特征 [14] 。而针对APEC成员国经济增长与碳排放水平之间相互关系的EKC理论验证的相关研究中，唐褒君(2015)等人通过研究采用较早的数据对APEC组织17个国家进行研究发现碳排放量不一定随经济的增长呈倒“U”趋势 [15] ，该假说的适用性受到挑战。本文选择了经济因素探讨其有关变量与碳排放量之间的关系和影响机制，主要针对19个国家整体、三种不同收入等级的国家组合与中国个体分别建立回归模型，检验对于不同研究主体有关碳排放的环境库兹涅茨假说，对于不同收入类别国家实施碳减排有一定的指导意义。

2. 数据来源与分析

2.1. 数据来源

本研究采用APEC组织19个成员国2005~2019年人均二氧化碳排放量、人均GDP、通电率、人口数量、工业增加值数据，数据来源于世界银行数据库及Stats APEC数据库。为了消除序列数据的不稳定性和可能存在的异方差现象，首先对人均GDP、人均CO₂排放量和人口数量三个变量的数据均进行了对数化处理。

2.2. 变量选择

本研究主要以APEC组织21个成员中的越南、美国、泰国、新加坡、俄罗斯、菲律宾、秘鲁、巴布亚新几内亚、新西兰、墨西哥、马来西亚、韩国、日本、印度尼西亚、中国、智利、加拿大、文莱、澳大利亚19个成员国家2005~2019年的面板数据为样本，不考虑组织中剩余两个地区成员中国台北与中国香港。首先以各国的人均CO₂排放量(人均公吨数；用c表示)作为衡量指标对二氧化碳排放的影响因素进行探究，进一步细化核心影响因素，就我国来看，经济增长，人口，工业发展，火力发电等都在一定程度上对碳排放水平产生影响，针对以上因素，选择人均GDP (选择2015年不变价美元，用g表示)、人口数量(千，用p表示)、通电率(占人口数量的百分比，用e表示)、工业增加值(占国民生产总值的百分比，用i表示)为解释变量。此外，单独对经济变量，即人均GDP的一次、二次与三次方项(分别用g、g²和g³表示)对人均二氧化碳排放量(c)的影响进行分析，本论文主要采用Stata与Eviews8软件进行实证部分的研究。

2.3. 描述性统计分析

对模型中所有变量进行简单的描述性统计分析，其结果如表1所示。

Table 1. Descriptive statistics

表1. 描述性统计

2.4. 单位根检验

表2是对人口数量(p)、人均二氧化碳排放量(c)、工业增加值(i)、通电率(e)以及人均GDP的一次(g)、二次(g²)、三次项(g³) 7个序列进行单位根检验的结果。

Table 2. Unit root test

表2. 单位根检验

注：(C,T,1)表示有常数项和时间趋势的一阶差分序列，数值为统计量值，***表示在1%显著性水平下拒绝原假设。

根据表2中使用IPS方法的单位根检验结果来看，所有序列的一阶差分序列均在1%的水平下显著拒绝了原假设，即上述序列均为一阶单整序列I(1)，满足了同阶单整的前提，因此可以进行进一步的协整检验。

2.5. 协整检验

对APEC组织19个成员人均二氧化碳排放量(c)、人均GDP (g)、人口数量(p)、工业增长(i)、通电率(e)之间是否存在协整关系进行检验，检验结果如表3所示。

Table 3. Cointegration test

表3. 协整检验

注：**表示在5%显著性水平下拒绝原假设，***表示在1%显著性水平下拒绝原假设。

由表3可知，4种不同判别方法中Pedroni与Westerlund协整检验结果在1%的水平上显著，Kao检验结果在5%的水平上显著，通过了协整检验，可以认为变量c与i，e，g，g²和g³间存在长期均衡关系。

3. 碳排放影响因素、与经济增长关系及假说验证

3.1. 碳排放量影响因素回归分析

表4为针对碳排放影响因素建立的混合回归模型、使用聚类稳健标准误的固定效应模型、使用聚类稳健标准误的随机效应模型、固定效应模型、随机效应模型以及采用广义最小二乘法建立的回归模型。

Table 4. Regression analysis of influencing factors of carbon emissions

表4. 碳排放量影响因素回归分析

Standard errors in parentheses: ^*p < 0.05, ^**p < 0.01, ^***p < 0.001.

根据表4，采用广义最小二乘法(GLS估计)修正变量之间存在的异方差和自相关问题，修正后的模型中四个解释变量在0.001的水平上均显著。由GLS估计的结果确定的回归模型为：

$c=0.124p+0.821g+0.026i+0.00915e-9.127$ (1)

其中，解释变量的系数均大于0，即人均GDP水平、人口数量、工业增加、通电率均对人均CO₂排放量有正向影响，回归系数符号与预期相一致。

3.2. 碳排放与经济增长关系研究回归分析

本研究针对APEC成员国关于人均GDP和人均二氧化碳排放量的面板数据建立如下模型：

$c_{it}=\alpha +{\beta }_1{g}_{it}+{\beta }_2{g}_{it}^2+{\beta }_3{g}_{it}^3+u_{it}$ (2)

表5为建立的混合回归模型、使用聚类稳健标准误的固定效应模型、使用聚类稳健标准误的随机效应模型、固定效应模型、随机效应模型以及采用广义最小二乘法建立回归模型。

Table 5. Regression analysis of the relationship between carbon emissions and economic growth

表5. 碳排放与经济增长关系研究回归分析

Standard errors in parentheses: ^*p < 0.05, ^**p < 0.01, ^***p < 0.001.

由GLS估计的结果确定的回归模型为：

$c=-11.84g+1.540g^2-0.0613g^3+28.08$ (3)

根据表5，采用广义最小二乘法(GLS估计)修正变量之间存在的异方差和自相关问题，修正后的模型中三个解释变量均在0.001的水平上均显著。其中，解释变量g、g²、g³的系数β₁ < 0，β₂ > 0，β₃ < 0，对上式进行求导，并对所得的一元二次方程进行求解，可以得出：根据参数估计模型，其拟合曲线大致呈倒“N”型，曲线两个拐点处的人均GDP (取自然对数)值依次为5.9799和10.7575，对比样本数据可以发现，所有国家都已经经过了曲线的第一个拐点，澳大利亚、新加坡与美国已经经过了曲线的第二个拐点即人均CO₂的峰值，而文莱、加拿大、日本、新西兰的人均GDP已经超过了10.4，即将到达峰值。

3.3. 环境库兹涅茨曲线比较分析

根据Shen等的总结 [16] ，通过对式(2)进行求导，并对所得方程进行求解，人均GDP和人均CO₂排放量的回归系数与对应的曲线形态主要分为以下4种形式：

1) 若β₁ > 0，β₂ < 0，β₃ = 0，则人均GDP和人均CO₂排放量为倒“U”型关系；

2) 若β₁ < 0，β₂ > 0，β₃ = 0，则人均GDP和人均CO₂排放量为“U”型关系；

3) 若β₁ > 0，β₂ < 0，β₃ > 0，则人均GDP和人均CO₂排放量为“N”型关系；

4) 若β₁ < 0，β₂ > 0，β₃ < 0，则人均GDP和人均CO₂排放量为倒“N”型关系。

而环境库兹涅茨假说认为，从曲线形态上看，环境质量与人均经济收入的曲线呈倒“U”式形态，即人均GDP和人均CO₂排放量为倒“U”型关系，即人均GDP (g)的一次项系数为正，二次(g²)系数为负，三次项(g³)系数严格为零。

考虑到面板数据的样本数量较少对实证结果可能造成多重共线性等影响，此部分增加APEC组织中19个成员国1995~2004年的人均CO₂排放量与人均GDP的面板数据，首先同样对原始数据做自然对数处理，根据考虑个体固定效应所建立的变截距模型中不同收入类型的国家其人均GDP的一次、二次项及三次项的系数特征对环境库兹涅茨曲线进行分类，并针对不同曲线类型进行分析。

根据式(3)中19个成员国的整体回归结果进行曲线类型判断，发现全部样本下APEC成员国的EKC曲线呈倒“N”型，但考虑到不同国家收入水平不同，所处的经济发展阶段不同，可能导致整体的回归结果不具有说明性。针对这一问题，依据APEC成员国国家收入等级分类情况，分别对其中9个高等收入国家、6个中高等收入国家以及4个中低收入国家采用广义最小二乘法(Generalized Least Squares)对模型进行参数估计。具体的参数估计结果如表6~表8所示。

根据表6，对于高等收入国家截面固定效应模型的回归结果显示，F统计量为1413.762，Adj-R²为0.986，拟合性较好，解释变量g、g²、g³的系数β₁ < 0，β₂ > 0，β₃ < 0，且均在1%的水平上显著，由此确定其拟合的EKC曲线为倒“N”型。

Table 6. Regression analysis in high-income countries

表6. 高等收入国家回归分析

Table 7. Regression analysis in upper-middle-income countries

表7. 中高等收入国家回归分析

根据表7，对于中高等收入国家截面固定效应模型的回归结果显示，F统计量为1176.841，Adj-R²为0.984，拟合性较好，解释变量g、g²、g³的系数β₁ < 0，β₂ > 0，β₃ < 0，且均在1%的水平上显著，由此确定中高等收入拟合的EKC曲线为倒“N”型。

Table 8. Regression analysis in lower-middle-income countries

表8. 中低等收入国家回归分析

根据表8，对于中低等收入国家截面固定效应模型的回归结果显示F统计量为236.252，Adj-R²为0.934，拟合性较好，解释变量g、g²、g³的系数β₁ > 0，β₂ < 0，β₃ > 0，且均在1%的水平上显著，由此确定其拟合的EKC曲线为“N”型。这表明人均收入水平的提升并不一定会带来人均二氧化碳排放量的上升或下降，EKC曲线形态在很大程度上与国家的经济发展所处阶段相关。

分别对APEC所有成员国整体与高收入国家、中高收入国家及中低收入国家分类的人均CO₂排放量与人均GDP绘制散点图，并将其与整体回归模型拟合曲线进行比较，如图1~图4所示。

Figure 1. Scatter plot of CO₂ emissions per capita versus GDP per capita in all member countries

图1. 所有成员国人均CO₂排放量与人均GDP散点图

Figure 2. Scatter plot of CO₂ emissions per capita versus GDP per capita in high-income countries

图2. 高等收入国家人均CO₂排放量与人均GDP散点图

Figure 3. Scatter plot of CO₂ emissions per capita versus GDP per capita in upper-middle-income countries

图3. 中高等收入国家人均CO₂排放量与人均GDP散点图

Figure 4. Scatter plot of CO₂ emissions per capita versus GDP per capita in lower-middle-income countries

图4. 中低等收入国家人均CO₂排放量与人均GDP散点图

根据图1，对于APEC组织中19个成员国家整体建立的回归模型拟合结果较好，曲线左侧国家人均碳排放随人均GDP的增长速度还处于提升阶段，当人均GDP达到9.3左右时，人均碳排放随人均GDP的提高，其增长开始减缓，右侧部分国家已经达到了曲线拐点处的人均GDP值，人均碳排放随人均GDP的增长开始下降，有不少国家例如俄罗斯、中国、文莱、美国、澳大利亚、加拿大、马来西亚人均碳排放水平始终高于APEC整体的碳排放水平，而巴布亚新几内亚、秘鲁、智利、墨西哥、新西兰、新加坡碳排放水平始终低于APEC整体的碳排放水平，这可能与国家碳减排政策与对环境服务需求的差异有关。

根据图2，图3和图4可以看出，高收入国家美国、新加坡等位于EKC曲线的右侧，中高等收入国家中国、俄罗斯等位于EKC曲线的中部，中低等收入国家印度尼西亚、越南等位于EKC曲线的左侧，对于分布在曲线中部和左侧的中高收入与中低收入国家，其人均碳排放水平仍然随着经济增长而增长，主要的发展中经济体其人均GDP与人均CO₂排放量有着正相关关系，还没有达到或即将进入倒“U”型的拐点，而主要的发达经济体已经过了拐点，经济增长与碳排放已实现负相关。

下面同样对中国1995~2019年的人均CO₂排放量与人均GDP进行回归，回归结果如表9所示。

Table 9. Regression analysis of China’s economic growth and carbon emissions

表9. 中国经济增长与碳排放回归分析

由普通最小二乘法估计的回归模型为：

$c=-89.86g+11.11g^2-0.45g^3+241.05$ (4)

回归模型显示，F统计量为680.20，Adj-R²为0.988，表明拟合效果较好，其中，解释变量g、g²、g³的系数β₁ < 0，β₂ > 0，β₃ < 0，且均在0.1%的水平上显著，由此确定其拟合的EKC曲线为倒“N”型，图5是根据中国人均二氧化碳排放量与人均GDP 1995~2019年的25年数据绘制的散点图。

Figure 5. Chinese line chart of CO₂ emissions per capita and GDP per capita

图5. 中国人均CO₂排放量与人均GDP折线图

可以看出，曲线大致呈“S”型，也可以近似看作倒“N”型EKC曲线的横向拉伸。根据图3中的APEC成员国总体拟合曲线与中高等收入国家人均二氧化碳排放与人均GDP散点分布，2019年我国人均GDP的自然对数值为9.2258，我国的GDP仅次于美国，但人口仍居世界前列，所以我国人均GDP与曲线拟合的峰值10.7575相比还有一定的距离，在未来一段时间内我国碳排放水平还将处于增长阶段。

4. 结论与建议

影响碳排放水平的因素中，人口数量p、人均国民收入水平g、通电率e与工业增加值i均对碳排放有着正向影响。其中，人均GDP对人均CO₂排放量的影响最为显著。对于APEC组织的19个成员国全部样本、高等收入国家样本、中高等收入国家样本以及中国个体样本，人均GDP的一次项g与三次项g³对人均CO₂排放量有着负向影响，二次项g²对人均CO₂排放量有着正向影响，环境库兹涅茨曲线呈倒“N”型，而对于中低等收入国家样本，人均GDP的一次项g与三次项g³对人均CO₂排放量有着正向影响，二次项g²对人均CO₂排放量有着负向影响，环境库兹涅茨曲线呈“N”型。由此，EKC理论中人均CO₂排放量会随着人均GDP的增加呈现出先上升后逐步降低的倒“U”型曲线并不完全符合APEC成员国实际情况，国家之间经济发展状况与环境的不同对实证结果有着很大的影响。

根据研究分析，最后提出相应建议：首先，优化产业布局，改善能源结构，加快传统工业、制造业、建筑业的转型升级进程；二是提高能源利用率，严格把控污染物排放，发展数字化技术，强化对企业污染物排放的监督；三是加快新能源开发进程，加速推进清洁能源的使用，构建更加高效与智能的能源体系；最后是要发展低碳经济，倡导低碳环保生活方式，树立环保意识，承担低碳减排责任。

基金项目

上海理工大学管理学院2021年度科研启动项目(KYQD202101)。

NOTES

^*通讯作者。