中国能源结构优化与低碳金融服务研究
——基于碳减排视角
中国人民银行银川中心支行课题组
课题主持人：于华民
课题组成员：刘艳李文靖王进会王坤马明霞
摘要：本课题集中围绕中国碳减排与能源结构优化的主题，重点研究了能源约束对中国经济增长的抑制效应，能源消耗强度下降的影响因素及低碳金融服务在能源结构优化中的作用等问题。研究结果表明，能源约束对中国人均收入增长有显着制约，能耗效率提升是降低能源消耗强度、实现碳减排目标的关键，低碳金融服务创新在支持高耗能省区节能减排和低碳转型中发挥着不可替代的作用。
一、研究对象与研究方法
（一）研究对象
能源是经济发展的基础。2009年全球经济受金融危机冲击缓慢复苏，国际能源价格大幅波动造成俄罗斯等石油出口国收入下降，这些国家不断出台鼓励性政策，灵活运用政策杠杆，加大战略性勘探开发投资，增加本国收入。美国、中国、日本等能源消费国通过优化能源结构、实施节能减排政策，努力应对能源价格波动对经济的负面冲击。与此同时，低碳经济正成为世界经济发展的新趋势，发达国家纷纷出台促进本国低碳经济发展的具体政策措施。随着中国经济能源消耗和温室气体排放的不断增加，发展低碳经济是履行碳减排义务、实现可持续发展的必然要求。由于我国是能源消费大国，优化能源结构、提高耗能效率是当前经济发展的当务之急。本课题尝试从低碳经济视角研究我国能源结构中存在的问题。
（二）研究方法
本课题在分析研究对象时，将定量分析与定性分析相结合，主要采用了以下几种具体方法：①文献综述方法。通过系统整理相关文献资料从而全面、客观地了解研究对象。目前国外低碳经济的研究文献更多侧重于方法的讨论和计量分析，国内的文献更多停留在概念引进、意义介绍上面。本课题综述了国内外相关研究成果，在其基础上进行进一步的探讨。②数量分析方法。数量分析是一种实证检验研究方法。本课题做了大量的数据收集和整理工作，借助计量分析工具进行实证研究。③因素分解方法。借助Laspeyres指数解构中国能源消耗强度的影响因素。④辩证分析方法。运用联系、发展、对立和统一的观点分析中国能源结构的低碳路径。
二、文献综述
（一）国外文献
Nerlove（1965）在研究美国电力工业的资料时，在C-D函数的基础上将燃料投入的乘子引进，很好地解释了其生产过程。Jorgenson（1990）首先提出了着名的KLEM模型，即把能源和其他原材料作为中间投入品，与资本和劳动一起引入生产函数，对美国二战后的经济增长和生产率进行分析，该模型被广泛运用至今。Rashe和Tatom（1997）首次将能源使用引入Cobb-Douglas生产函数，希望通过定量地分析能源与经济发展的关系，寻求能源利用与经济增长之间更符合实际的基本规律。Romer（2001）首次提出了“增长尾效”的概念，假定在没有资源限制的情况下经济存在稳定的增长速度，但资源约束必然使经济增长速度降低。Romer在定义“增长尾效”概念时构建了计量模型，但他分析经济增长时只考虑了土地和自然资源的影响，并没有明确将能源作为单独因子进行分析。Noel(1995)直接分析了能源不足对美国经济增长的影响，研究发现1889-1992年原油不足对美国经济增长影响显着。此外，Dagsupta、Heal（1974），Nordhaus（1992），Bruvoll、Glomsroda和Vennemo（1999）等学者均对“尾效效应”做过研究。
（二）国内文献
国内学者对我国因自然资源消耗所引起的增长“尾效”分析主要集中在对资源不断消耗对中国经济增长阻力的量化，多数研究表明资源稀缺性而导致的硬约束对我国经济增长有明显的阻力作用。谢书玲、王铮、薛俊波(2005)分析了水资源和土地资源对经济增长的“尾效”效应，提出当前中国经济增长中土地资源的保护是第一位的。崔云（2007）利用1978-2005年的统计数据对经济增长中土地资源的增长“尾效”进行了分析。雷鸣、杨昌明、王丹丹(2007)在设定能源总量刚性下降的前提下，建立C-D生产函数模型惊醒回归模拟和实证分析，结果显示能源对经济增长的尾效约为0．0068。刘耀彬、陈斐(2007)虽然分析了能源、土地、水资源对城市化进程的“尾效”，但没有分析三者对经济增长的“尾效”。李影、沈坤荣（2010）利用1978-2007年的能源数据分别分析了煤炭、石油、天然气、清洁能源和综合能源对我国经济增长的“尾效”，认为能源限制对我国经济增长的阻碍程度小于土地和水等资源对经济增长的阻力，目前能源还不是中国经济增长的主要约束因素。
总体来看，国内学者“尾效”效应研究主要是对水土资源的分析，对于能源的“尾效”分析相对较少。同时，对能源“尾效”分析大多是进行数值模拟，很少运用严谨的计量工具分析。本课题将运用计量回归分析方法，实证测算各类能源的“尾效”大小，同时，在之前研究基础上本课题充分考虑教育对劳动者边际产出的影响，用“有效劳动”数据表示人力资本存量，结论更加严谨科学。
三、中国经济增长中能源“尾效效应”的实证分析
（一）方法与模型
本文分析对象为1978年（2009年期间中国经济增长的能源“尾效效应”，生产函数为Cobb-Douglas函数的改进形式：
其中，Y为国内生产总值，K，A，L，E分别代表资本存量、技术、劳动和能源消耗四个投入要素，本文中能源消耗E分为综合能源、煤炭、石油、天然气和清洁能源五类，在模型中分别用E、C、P、NG和HP表示，t为时间趋势变量（t=1，2，…，32），简化起见下文中将t省略。
模型满足投入要素边际产出为正且递减的基本假定：
本文在满足上述假设的基础上，采用柯布-道格拉斯（Cobb-Douglas）生产函数。C-D函数的具体形式为：
琢，茁，酌分别代表四种要素的产出弹性，A代表希克斯中性技术进步系数。根据Solow（1957）的方法，对（4）式两端全微分并除以Y，可以得到全要素生产率（TotalFactorProductivity，TFP），又称Solow残差：
其中，变量标注上端点表示变量对时间的导数，代表增长率。在新古典假定下，琢，茁，酌分别代表资本、劳动和能源的产出弹性也即产出份额，全要素生产率则近似等于技术进步率。
本文在借鉴Romer（2001）资源约束经济增长模型的基础上，对Romer（2001）的分析进行了简化，根据不同能源种类建立模型如下：
根据Solow经济增长模型的基本假设，有：
（二）实证回归结果
1.变量统计特征描述。本课题模型中，被解释变量为国内生产总值，解释变量为资本存量、有效人力资本和能源消费量，根据能源种类不同分为五个模型，分别对应综合能源、煤炭、石油、天然气和清洁能源五类能源消费的时间系列。各变量数据均为典型的时间系列，具有显着的趋势和非平稳特征。
2.单位根检验与协整检验。为避免伪回归问题，首先对各变量时间序列数据进行单位根检验来消除不稳定性。单位根检验显示变量lnY、lnK、lnAL、lnE、lnC、lnP、lnNG、lnHP是不平稳的时间序列，但各变量的一阶差分均是平稳的，且实际检验过程DW值均在2左右，表明变量无明显的自相关倾向。
上述检验结果说明原时间序列是一阶单整，存在协整关系。
本课题采用Johansen极大似然估计法对变量进行协整检验。协整检验结果显示，迹统计量和最大特征根检验均在5%的显着性水平上拒绝了原假设，表明各组变量之间存在协整关系，可以进行计量回归分析。
（三）数据的计量分析
根据数据平稳性及协整检验的结果可以证明lnY、lnK、lnAL分别与lnE、lnC、lnP、lnNG、lnHP这5组变量均是不平稳的时间序列，但一阶差分后平稳，所以是一阶单整I（1）过程且存在协整关系，可以进行回归分析，回归结果如表2所示。
四、基于Laspeyres指数的能源消耗强度变动及因素分解
（一）Laspeyres指数分解模型
设经济体基年第一、二、三产业的能源消耗总量为Ei（oi=1，2，3），经济总产出为Gio，则基年产业能源消耗强度计算公式为eio=Eio/Gio。t年后经济体能源消费总量记为E（iti=1，2，3），经济总产出为Git，则t年产业能源消耗强度为eit=Eit/Git。经济体中总的能源消耗强度为：
（二）样本的数据特性
1.基本特征。本研究采用的均为年度数据，样本区间为1980（2009年。国内产生总值（GDP）与综合能源消耗量时间序列数据来自《中国统计年鉴》，以1978年不变价格计算。分产业国内产生总值（GDP）数据根据各产业产值占比间接计算获得，产业能源消耗数据从统计年鉴获得。产值和能耗单位分别为亿元人民币和万吨标准煤。
2.能源消耗强度的变化趋势。根据式（20）计算总体能源消耗强度和第一、二、三产业能源消耗强度具体数值和变动趋势分别如表6和图1所示。
从表6可以产出，总体能源消耗强度和三次产业各自的能源消耗强度在1980-2009年间稳步下降，年均下降率分别达4.02%、2.96%、4.99%和3.41%，第二产业能耗强度下降速度最快。
（三）总体能源消耗强度变动的产业结构与能源效率份额
1.产业结构与能源效率份额的分解。根据式（21）、（22）和（23）对总体能源消耗强度进行Laspeyes指数分解，首先计算1980-2009年三次产业结构的年度波动，再分别计算产业结构变动与能源效率提高在能源消耗强度波动中所占的份额，具体结果见表7。表7的数据显示在1981-2009年间，中国总体能源消耗强度下降主要归功于效率份额的下降，产业份额的影响较小，即能源效率提升是能源消耗强度下降的主要原因，产业结构变动对总体能源消耗强度下降作用较小。1980-2009年间中国三次产业结构调整趋势为第二、三产业产值份额逐渐上升，第一产业尤其是农业产值份额逐年下降，且第二产业产值份额上升幅度快于第三产业的上升幅度，具体调整过程见图2。
2.产业结构与能源效率份额的基本统计特征
根据表7的数据得出1980-2009年中国总体能源消耗强度中产业结构与能源效率份额数据的基本统计特征（见表6）和具体变动过程（见图3）。从图3可以看出能源效率提升在大多数年份都降低了能源消耗强度，产业结构变动在1984-1988年、1995-1998年和1998-2008年导致总体能源消耗强度增加，这与我国工业化进程的实际基本一致。改革开放以来，快速的工业化建设使工业产值在我国国内生产总值中份额不断增加，因此第二产业总体产值份额也相应增加。由于工业是国民经济中主要的能源消耗产业，工业化导致单位GDP能耗水平不断上升，同时，技术进步使能源效率提高，又造成工业能源消耗强度下降，且下降幅度远大于工业份额增加引起的能耗强度上升份额，即效率份额+结构份额＜0，因此工业和第二产业能耗强度下降，从而使我国总体能源消耗强度也逐年下降。
五、优化能源结构的金融服务视角：低碳金融发展研究
（一）碳排放权交易
国际碳交易市场总体架构。国际碳交易市场总体上分为配额交易市场和自愿交易市场（见图6），配额交易市场为具有减排义务的国家或企业提供碳交易平台以完成减排目标，自愿交易市场则是减排主体为实现减排收益而自愿进行交易的场所。
（1）配额碳交易市场
配额碳交易可分为基于配额的交易和基于项目的交易。基于配额的交易是买家在“总量管制与交易制度”（Cap-and-Trade）体制下购买分配或拍卖的减排份额，主要包括分配数量单位（AAUs）和欧盟排放权交易体系（EU-ETS）下的欧盟配额（EUAs），项目交易允许买主购买能生产可核准减排量的减排项目，最典型的是清洁发展机制（CDM）项目和减排单位（ERUs）。
EuropeanUnionALLowances（EUAs）即欧盟碳排放配额。欧盟每年为成员国规定二氧化碳许可排放量，各国政府根据总排放量向企业分发EUA，EUA可以在市场进行交易。欧盟于2003年成立了欧盟排放贸易体系（EU-ETS），目前是全球最大的温室气体排放权交易体系，其核心就是EUAs交易。
AssignedAmountUnits（AAUs）指《联合国气候变化框架公约》附件1的缔约国家之间确定的排放配额，这些国家被根据本国实际分配各自的排放上限，本国超过或少于AAU的排放份额可通过国际交易市场出售和购买。目前，《联合国气候变化框架公约》附件1的缔约方主要为发达国家。
CleanDevelopmentMechanism（CDM）即清洁发展机制，指附件1缔约方国家以提供资金和技术的方式与非附件1国家（发展中国家）开展项目合作，项目实现的核准减排量（CertifiedEmissionReductions，CERs）用作附件1国家完成减排目标承诺。
EmissionReductionUnits（ERUs）即减排单位，又称联合履行（JointImplement，JI），JI允许附件1国家通过投资项目从同属附件1的国家获得减排单位。ERUs于2008年才开始签发，目前交易规模较小。
（2）自愿碳交易市场
自愿减排交易市场早在强制碳减排市场建立之前就已经存在，主要包括碳汇标准交易和无碳汇标准交易。自愿减排市场的一个显着特点是不属于强制性减排，因此其中的大部分交易需要对获得的减排量进行统一的认证核查。市场虽缺乏统一管理，但机制灵活，从申请、审核、交易所需时间短，价格也较低。目前该类碳交易的市场规模很小，但发展潜力巨大。
