二氧化碳排放的影响因素分析与碳税减排政策设计

二氧化碳排放的影响因素分析与碳税减排政策设计

【原文出处】财政研究 【原刊地名】京 【原刊期号】200910 【分 类 名】财政与税务 【英文标题】Analysis of the Influencing Factors of Carbon Dioxide Emission and Design of Policy on Carbon Tax Reduction

【作 者】李齐云/商凯 【作者简介】李齐云，山东大学经济学院；商凯，山东大学经济学院 我国的能源消费随着经济持续快速发展、人口增长、工业化和城市化而迅速增长，与之相伴的二氧化碳排放量(以下简称碳排放量)以及对环境的破坏性影响也越来越受到社会各界和广大学者的关注。我国以矿物燃料为主的能源结构在相当长一段时间仍占主导地位，持续攀升的能源消耗和以二氧化碳为主的温室气体排放量使我国的能源发展面临更加严峻的挑战。基于此，本文以有效抑制碳排放量的快速增长为立论依据，通过建立以碳排放量为因变量的STIRPAT模型，分析对碳排放量具有重要影响的几个因素，进而谋划减少碳排放的碳税政策策略。 一、碳排放的影响因素及STIRPAT模型检验 (一)碳排放的影响因素。 碳排放量是由一个国家的技术水平、富裕程度、能源结构、经济结构、人口结构等众多因素共同作用决定的。但是这些影响因素对碳排放量的作用不同，传统观点认为随着人类财富的增加，日益增长的能源消费是碳排放量增长的主要因素，但是没有考虑人口、技术因素。还有研究认为人口、经济、技术都是决定碳排放量的主要因素，这些决定因素在不同的国家对碳排放量的贡献不同。

对此，国外学者展开了大量的研究。Dieta(1997)、York等(2003)、Shi(2003)利用STIRPAT模型研究了碳排放量和人口之间的关系，其中Dieta和York等认为，人口对碳排放量的弹性系数接近1；而Shi认为人口对碳排放量的弹性系数在1.41与1.65之间。但这些研究是针对多国家的碳排放量和人口从整体意义上平均而言的，缺乏对具体国家的具体分析，对各国的碳减排缺乏指导意义。

因此，本文利用偏最小二乘法(Partial Least Squares)建立了STIRPAT模型，采用1978-2008年的相关数据从整体上对我国碳排放进行了定量分析，研究结果表明：在过去30年里，人口对我国碳排放量的影响相对较大，这充分说明了人类行为对环境改变的重要作用；人均实际GDP和能源效率对我国的碳排放量影响很大，这说明我国还有待于进一步优化经济结构和增加减排力度。这些研究结果表明人口、经济、技术等对我国碳排放量存在不同程度的影响。 (二)STIRPAT模型。 1.STIRPAT模型的建立。 Ehrlich和Holden于1971年首次提出建立“IPAT”模型来反映人口对环境压力的影响，该方程将环境影响和人口规模、人均财富以及对环境毁坏的技术水平联系起来，建立四者之间的方程式“I=PAT”。该模型是一个被广泛认可的分析人口对环境影响的公式，现在仍被应用于分析环境变化的决定因素。

但是，“IPAT”模型存在一些局限性，即通过改变一个因素，而保持其他因素固定不变来分析问题，这样得到的结果就是对因变量的等比例影响。为了克服IPAT模型的不足，一些学者通过建立随机模型来分析人口对环境的非比例变化影响。York等在IPAT模型的基础上，建立了STIRPAT(stochastic impacts by regression on population，affluence，and technology)模型，即 式中，U、L分别指城市人口占人口总数的比例和15—64岁人口占的比例。 2.数据来源。 根据York(2003)的STIRPAT模型，本文采用1978-2008年的人口、人均实际GDP、单位GDP产出的能源消费数据来分析人口、经济、技术对我国碳排放量的影响。

财富用人均实际GDP(1995年人均不变价)来表示。技术用单位GDP产出的能源消费来表示，单位GDP产出的能源消费越小，经济活动的能源效率越高，产生的碳排放量越少。人口分解为15—64岁的人口和城市人口占总人口的比例，一般来说，一个国家15—64岁人口和城市人口占的比例越大，消费的能源和资源越多，但是从另一个角度来说，他们的环境意识和技术水平也越高。各个变量的定义说明如表1。

为了保证碳税政策的设计，将碳排放量的单位转变为以碳为单位，其转换率为每单位碳等于3.664单位的碳排放量。

历史数据表明，世界整体的碳排放量的增长、人口的增长、人均实际GDP的增长以及单位GDP产出的能源消费的降低基本是一致的，但是人口的增长超过了碳排放量的增长。而我国的人均实际GDP的增长以及单位GDP产出的能源消费的降低远远超过了碳排放量的增长。显然，这些影响因素的变化和碳排放量增长之间的关系在不同的国家是不同的。

3.结果分析与讨论。 如果利用普通最小二乘法(ordinary least squares，OLS)建立回归模型，就会导致回归系数参数估计的标准误差变大，置信区间变量变宽，估计值的稳定性降低，系数t检验通不过，或者不能得到正确的系数估计值等。为了避免模型多个变量之间的多重共线性问题，本文利用偏最小二乘法(partial least squares，PIS)来建立人口、经济、技术和碳排放量之间的回归关系，即建立以碳排放量为因变量的STIRPAT模型，然后由计量软件Eviews5.1得到模型结果，如表2所示。由表2可知，我国碳排放量与人口、技术的相关系数很高(在0.97以上)，而且经过VIF(variance inflation factor)检验，数据之间存在严重的多重共线性问题。 由表2的回归系数符号，我们可以看出，在过去的30年中，人口、经济、技术对我国碳排放量的影响，人均实际GDP、能源强度和15—64岁人口比例对碳排放的影响是正向的，而人口和城市化的水平对碳的排放是负向的。除发达国家的15—64岁人口占总人口的比例对碳排放量的影响符合Simon的观点外，即负向影响，其余都符合以Bidsall为代表的多数学者的观点，即较多的人口数量必然导致较大的能源满足工业、电力、交通的需求，从而产生大量的碳排放量。

(三)碳排放主要影响因素的归纳。 通过定量分析我国、发达国家及世界的人口、人均实际GDP、能源效率和城市化率对碳排放量的影响，可以总结出如下几点。

1.人口对碳排放量的影响很大，尤其是15—64岁人口所占比例，对发达国家是负影响，即技术进步来自于环境的压力；对我国和世界总水平是正影响，这跟Malthusian观点一致，即人口增长促进了碳排放量的增加。这说明在不同的收入水平、技术水平和经济条件下，人类的环保意识和改善环境的效果不同，当人均收入较高时，人类就会借助于科学技术来优化能源消费结构，减少碳的排放，进而改善自身的生存环境。随着劳动力人口比例的加大，碳排放量逐渐减少；相反，人均收入越低，碳排放量随着劳动力比例的增加而加大，模型结果充分验证了这一点。因此，决策者在制定碳减排的长期策略时，应考虑不同收入水平和经济条件下，人类生产生活行为对碳减排的作用。

2.人均实际GDP对碳排放量的影响，基本随着经济发展水平的提高而呈下降趋势。 3.通过提高能源效率来减少碳排放量，其结果的高低受国家经济发展水平和能源消费结构的制约，对发达国家，能源强度对于碳排放量的影响小，在我国，对碳排放量的影响相对较大。

4.城市化率对碳排放的影响受各国经济发展水平、能源消费结构、人均能源消耗、城乡差距等因素的制约。

二、碳税方案设计及对碳减排的效应 (一)四种碳税方案描述。 碳税最早由芬兰在1990年开始征收，此后，瑞典、挪威、荷兰和丹麦也相继开征。著名经济学家Cansier和Krumm(1997)对这些国家的碳税制度作了详细的综述性介绍。在征税环节上，芬兰和荷兰没有对生产部门实行任何税收优惠政策，而瑞典、挪威和丹麦都考虑了对生产部门尤其是能源密集型部门的税收减免。在碳税利用方式上，瑞典、挪威、芬兰、荷兰没有对碳税收入规定特别的用途，而是将其全部归入政府的一般性预算收入；丹麦则将各非免税部门所缴纳的碳税全部用于补贴该部门的劳动投入或节能投资。

本文参考这些国家现有的碳税机制设置了四种碳税方案，如表3所示。需要指出的是，本文通过设置不同的碳税方案，重点比较各种征税方式和税收利用方式对我国碳排放、能源密集型部门等的影响，并从中选择最适合我国的碳税机制。 方案A效仿芬兰和荷兰的碳税机制，假设对所有生产部门和居民部门按同一税率征收碳税，所得碳税收入全部归入政府收入。

方案B效仿瑞典碳税机制，假设对生产部门实行只相当于居民部门税率1/4的税率，所得碳税收入全部归入政府收入。

方案C相当于对挪威税收宽免方式的一个简单化，假设对能源密集型部门免征碳税。结合中国的具体情况，本模型将钢铁工业、建材工业、化学工业、有色金属工业以及造纸印刷业设为免税部门。所得碳税收入也全部归入政府收入。

方案D类似于丹麦模式，假设对能源密集型部门免征碳税，而各非免税部门所缴纳的碳税都用于降低该部门的生产间接税。

(二)碳税对我国碳排放的效应分析。 碳税实施效果对碳排放影响的差异性较大。在不同国家和地区的不同经济社会发展阶段实施碳税，其实施效果有较大差异。西方一些经验研究发现，碳税对温室气体减排的影响非常有限(L. Drouet，2006)。也有研究发现碳税对碳减排