北京市经济增长与物质代谢的脱钩关系及驱动因素研究

张沛

（北京工业大学循环经济研究院，北京100124）



北京市经济增长与物质代谢的脱钩关系及驱动因素研究

张沛

（北京工业大学循环经济研究院，北京100124）

摘要：运用物质流核算方法，得到北京市2005—2013年直接物质输入量（DMI）和生产过程排放量（DPO），并应用Tapio脱钩模型，对北京市2006—2013年经济增长与物质代谢的脱钩关系及程度进行研究，分析发展的时间演变趋势。借助STIRPAT模型，对直接物质输入量的影响因素进行分析。结果表明：2006—2013年北京市经济增长与DMI基本实现“弱脱钩”；DPO呈下降趋势，与经济增长呈“强脱钩”状态；城市化率、产业结构、人口和人均GDP对DMI均有促进作用，其中城市化率对DMI的影响最大。

关键词：经济增长；物质代谢；脱钩关系；STIRPAT模型；北京市

依靠“高投入、高产出、高排放”的传统经济发展模式，我国经济得到高速发展，同时我国也面临着严峻的资源和环境压力。正确认识资源环境与经济增长的关系，是促进二者协调发展的前提和关键［1］，党的十六大提出全面建设小康社会奋斗目标，《十三五规划建议》提出经济保持中高速增长，生态环境质量总体改善。这就需要打破经济增长与资源消耗之间的联系，使资源消耗与经济增长实现“脱钩”（Decoupling）。因此，需要对过去经济发展与资源环境的脱钩情况进行分析，了解经济发展与物质代谢之间的关系，其目的是为了实现经济增长的同时降低物质代谢规模，而物质减量化成为实现脱钩的手段。因此，研究影响物质代谢的驱动因素成为关键。通过脱钩理论，定量分析北京市2006—2013年经济增长与物质代谢的关系，并运用STIRPAT模型，分析影响北京市物质代谢的驱动因素，为北京市有关资源环境政策的制订提供参考和借鉴。

1　文献回顾

脱钩理论最早由OECD组织［2］2000年提出，2005 年Tapio［3］在OECD的基础上提出了脱钩弹性系数，并以芬兰交通运输业为例实证分析了经济增长与交通产生CO2之间的脱钩关系。物质代谢与经济增长关系一直是资源环境科学研究的热点，如何在保持经济适度增长的前提下降低物质代谢规模从而实现“脱钩”，是学者们研究的焦点。吴开亚等［4］根据物质流分析指标和数据，采用脱钩模型对1990—2007年安徽省经济增长与环境压力之间的关系进行了分析；高新才等［5］将脱钩模型和环境库兹涅茨曲线理论有机结合，对西部地区经济发展与环境污染之间的关系进行了深入探讨；苑清敏等［6］对天津市经济增长与资源和环境的脱钩关系及反弹效应进行了研究；李虹等［7］采用物质流指标研究了工业经济解耦问题。以上研究主要针对经济增长与物质代谢的关系来分析，而要使二者实现“脱钩”，需要对脱钩的影响因素进行深入研究。在经济发展保持适度发展的前提下，物质的减量化成为实现物质代谢与经济发展脱钩的关键。目前，物质减量化影响因素研究方法主要包括因素分解法和回归分析法。李慧明等［8］基于拉斯拜尔指数和完全分解模型，对减物质化进行多重因素分析，研究物质强度、经济结构和经济规模对物质减量的影响，分析物质消耗的反弹效应与减量效应。丁平刚等［9］根据IPAT方程对海南省的DMI与RPO进行分解分析。仇方道等［10］运用分解分析方法，计算了阜新市2001—2005年经济规模效应与技术效应对物质输入与输出量变化的贡献程度。王红［11］重点选择产业结构、高新技术投入比例和资源综合利用率等3个因素，对我国2000—2013年经济活动的DMI时间序列数据进行了计量经济学分析。学者们构建STIRPAT模型，利用物质流分析指标，对影响因素进行了分析［12-14］。由于因素分解法面临数据可得性及指标意义解释等问题［15］，且回归分析法用于研究物质代谢影响因素的文献较少，因此本文除研究物质代谢与经济增长脱钩关系之外，运用STIRPAT模型对物质减量化驱动因素进行研究。

2　研究方法及数据来源

2.1脱钩模型

目前脱钩研究模型主要有OECD脱钩因子模型和Tapio脱钩弹性系数模型。Tapio模型综合考虑了相对量变化和总量变化指标，采用以时期为时间尺度的弹性分析方法反映变量间的脱钩关系，有效地克服了OECD脱钩模型在基期选择上的问题和期末期初值选定的高度敏感性或极端性而导致的计算偏差［16］，且将脱钩程度进一步细分为8种情形，较好地测度变量间的脱钩情况，有利于提高脱钩关系测度和分析的客观性和准确性。因此，采用Tapio脱钩模型，计算公式为：

式中：ε为脱钩弹性；C为区域直接物质输入量或区域生产过程排放量，分别用DMI和DPO表示；GDP为区域经济总产值。

如果C和GDP的增长率不一致，就会出现脱钩情况。按照脱钩弹性值的不同，脱钩类型分为：弱脱钩、强脱钩、衰退脱钩、扩张连接、衰退连接、扩张负脱钩、强负脱钩、弱负脱钩8类。实现C与GDP之间的脱钩是目的，当保持经济增长的情况下，弹性值ε越小，脱钩越显著，越有利于经济和环境的可持续发展。

表1　脱钩分类

2.2STIRPAT模型

IPAT模型广泛运用于人类活动与资源环境之间关系的分析，Ehrlich等［17］首先用该模型来分析环境影响的驱动因素。该方程中I表示环境压力，由P（人口规模）、A（富裕度）和T（技术水平）等3个因素来影响I。尽管该模型在分析人文因素影响上有简洁、直观的优势，但IPAT模型不能分析驱动因素对环境压力变化的非单调和非比例影响，并且影响环境压力的驱动因素不仅局限于P，A，T，无法解释人口结构、产业结构等人文驱动因素对环境压力的影响。Dietz等［18］在IPAT模型的基础上，提出了STIRPAT模型，模型的具体形式如下：

式中：I，P，A，T分别表示环境压力、人口规模、富裕度和技术水平；a为模型系数；b，c，d为人口规模、富裕度和技术水平等因素的驱动力指数；e为模型误差。STIRPAT模型为多自变量的非线性模型，将模型两边同时取对数得到：

式中：LnI为因变量；LnP，LnA，LnT为自变量；Lna为常数项；Lne为误差项。

对式（3）进行多元线性拟合得到参数b、c、d的值，根据弹性系数的定义，P，A，T每变化1%，将分别引起I变化b%，c%，d%。

选择直接物质输入量指标（DMI）来表示环境压力，选取城市化率、总人口、人均GDP和第三产业比重作为驱动指标构建模型，如式（4）所示：

对式（4）两边同时取对数得到式（5）：

式中：LnDMI为因变量；LnUr，LnP，LnA，LnS为自变量；Lna为常数项；Lnf为误差项。

2.3数据来源

对北京市2005—2013年的物质代谢指标“直接物质输入量（DMI）”和“区域生产过程排放量（DPO）”进行核算。区域内直接物质输入量包括区域内直接物质开采和区域外物质调入两部分。区域内直接物质开采包括化石燃料、金属矿物、非金属矿物和生物质。核算的化石燃料包括原煤、原油、天然气，数据源于《中国能源统计年鉴》；金属非金属矿物按北京地区的铁矿石原矿产量和水泥产量来代表，数据源于《北京统计年鉴》和《中国工业统计年鉴》；生物质中包含农林牧渔，数据源于《中国农村统计年鉴》、《中国林业年鉴》和北京市统计局网站。从北京市外调入物质量和市外物质调出量数据较难获取，外省调入调出量仅核算能源，并对进出北京海关以质量计价的物质进行核算，数据源于《北京统计年鉴》。

区域生产过程排放量包括废水、废气中的污染物排放量，以及固体废物排放量和耗散性物质。由于排放到大气和水体中的污染物种类庞杂，主要统计了SO2、烟（粉）尘、COD、氨氮4项指标；考虑到北京市工业固体废物全部被综合利用及贮存，仅核算生活垃圾排放量；耗散性物质主要核算了农药和化肥的流失量，参考姚星期［19］给出的农药化肥利用率估算得出，基础数据来源于《中国农村统计年鉴》和《中国环境年鉴》。使用的数据除了DMI，DPO由上文介绍的核算方法得到外，其余数据来源于《北京统计年鉴》。按2005年不变价格将北京市各年份GDP换算成真实GDP。

3　实证结果与分析

3.1总量趋势分析

以2005年为基准年，将DMI，DPO与GDP各年份值进行比较，得到2005—2013年北京市DMI，DPO，GDP的变化趋势图。如图1所示，GDP的增长趋势最为明显，从2005年的6 969.50亿元增加到2013年的14 993.89亿元，年均增长10.05%；DMI从13 754.84万t增加到21 002.81万t，年均增长5.43%；DPO呈波动下降趋势，从100.95万t降低到55.93万t，年均下降7.12%。从图1变化趋势中可以看到，DMI和GDP呈同步增长趋势，但DMI的增长速度明显低于GDP，且DMI在2013年有下降趋势，GDP的增长并没有脱离DMI的增加，二者没有实现脱钩；GDP的高速增长带来了DPO的下降，表明二者已基本实现脱钩。

图1　2005—2013年北京市DMI，DPO，GDP变化趋势

3.2经济增长与物质代谢脱钩关系分析

（1）从表2看出，除2010年和2012年出现GDP增速超过DMI，呈扩张负脱钩外，其余年份经济增长与直接物质输入之间主要以弱脱钩为主。具体分为两个阶段：2006—2010年为第一阶段，此阶段虽然经历了2008年的金融危机，但国家出台的4万亿经济刺激计划使得物质投入持续增加。该阶段经济增长与直接物质输入二者的关系由“弱脱钩”变为“增长连接”，该时期经济仍处于高位发展阶段，而直接物质输入却增长迅速，2010年DMI增长率为13.04%，高于GDP的10.30%，出现了扩张负脱钩状态。2011—2013年为第二阶段，此阶段北京市经济呈现出新常态，经济从以前平均10%左右的高速增长转为8.10%，7.70%，7.70%的中高速增长，尽管2012年DMI增长明显，但在2013 年DMI首次出现下降。该阶段经济增长与直接物质输入二者的关系由“弱脱钩”变为“扩张负脱钩”，最后实现“强脱钩”。

（2）经济增长与生产过程污染物排放之间主要以强脱钩为主。2010年出现扩张负脱钩，主要原因在于当年物质输入增长13.04%，输入端物质输入越多，导致输出端污染物的排放越多，使得当年的污染物排放增长高达16.06%。北京市污染物排放量逐年下降，离不开环保支出的大量投入。环境污染治理投资与废物治理设施运行费用在GDP中的占比，从2005年的1.49%上升到2013年的2.34%。表明北京市政府在环境保护方面投入了大量资金且成果显著。

3.3驱动因素

3.3.1模型检验及岭回归分析

由于北京市经济增长与DPO基本实现强脱钩，而与DMI关系以弱脱钩为主，因此，需要对影响DMI减量化的驱动因素进行分析，找出问题的根源。

时间序列的平稳性通常是时间序列分析的基础，对模型式（5）进行拟合前要对各时间序列变量进行平稳性检验，以考察各变量是否具有时间趋势，进一步确定是否采用协整分析法。采用ADF单位根检验来检验变量的平稳性，然后利用Eviews8.0软件得到的单位根检验结果，如表3所示。

区域直接物质输入量、城市化率、人口、人均GDP、第三产业占比均为二阶单整序列。之后采用Engle和Granger在1987年提出的两步法进行协整检验，即EG两步法，来确定变量之间的线性组合是否存在着长期稳定的关系。对区域直接物质输入量、城市化率、人口、人均GDP、第三产业占比5个二阶单整变量建立回归模型，见式（5）。

该模型的拟合优度达到0.982 191，整体F统计量为111.303 7，对应的伴随概率为0.000 236，说明模型显著通过检验。对上述回归方程的残差进行单位根检验，判断残差序列是否平稳。模型未经差分处理的残差序列ADF值为-6.413 478，其伴随概率为0.000 1，小于1%的ADF临界值，即认为未经差分处理的变量回归后的残差序列是稳定的。

通过以上检验可以得出，区域直接物质输入量、城市化率、人口、人均GDP、第三产业占比5个二阶单整变量之间存在长期均衡的关系。

表2　2006—2013年北京市经济增长与物质代谢的脱钩关系

表3　单位根的ADF检验结果

图2　岭迹图

为了避免变量间多重共线性的影响，运用SPSS20.0中的岭回归分析进行模型拟合。岭回归系数K在（0，1）之间，以0.01为步长取值。当取K=0.80时，图2的变化逐渐趋于平稳，且拟合模型的R2较大，因此本研究选用K=0.80时的岭回归拟合结果确定随机模型，具体拟合结果见表4所示。模型的R2= 0.819 5，F值为10.083，说明回归方程通过了显著性检验且自变量也通过了显著性检验。所以，结合表4得出的结果，当K=0.80时，岭回归拟合所得到的模型为：

表4　岭回归结果

3.3.2各驱动因素对直接物质输入量（DMI）的影响

根据公式（6）给出的各自变量的系数，对影响北京市直接物质输入量DMI的驱动因素的影响大小进行排序：城市化率（3.458 8）、产业结构（0.683 7）、人口规模（0.363 9）、人均GDP（0.257 4），4个驱动因素与DMI呈正向关系。

（1）城市化率对北京市直接物质输入量的影响最大，Ur每增加1%，会引起DMI3.4588%的增长。城市化率反映了城镇人口结构的变化，这种变化引起了居民原有消费习惯和生产方式的改变，进而影响了经济系统物质投入。北京市早已步入了城市化后期，从2005年的83.62%到2013年的86.30%，仅增加了3.20%。尽管北京市的城市化进展缓慢，但对DMI的影响巨大，主要原因在于，农村人口转为城镇人口，直接促进了消费能力的提升，致使城市需要更多的物质输入；越来越多的人口向城市集聚，城市住房、基础设施建设随之增加，城市自身开采的物质完全满足不了城市的需要，大量物质需要进口。一边外地人口向北京大量涌入，一边北京周边地区的经济发展和配套服务设施不全面，使得短期内北京逆城市化现象不会出现。

（2）产业结构对DMI的影响为正向关系，驱动影响率达0.6837%，这与国内外学者研究不一致。北京市的产业结构调整从“量”上已达到很高的程度，北京市已在积极调整，退出铸造、化工等高耗能、高污染企业，随之而来的是第三产业在GDP中的占比从2005年的69.65%增加到76.85%。具体对北京市的第三产业分析发现，2005—2013年北京市现代服务业在第三产业中的占比平均为59.98%，且变化不大，剩余的则是交通运输、仓储和邮政业，批发与零售业，住宿和餐饮业等传统行业，而这些行业对资源的消耗巨大，且容纳了大量就业人口，从而间接地消耗大量资源。

（3）2013年北京市常住人口为2 114.80万人，相比2005年增加了576.80万人。人口激增直接导致资源的大量消耗。当前人口规模早已大大超过2005年《北京城市总体规划》中要求的北京市总人口规模规划2020年要控制在1 800万人左右的目标。2015年中共北京市委十一届八次全会的决议中首次出现“严格控制人口规模”的表述，并提出了人口2 300万的“天花板”。因此严格控制人口规模势在必行。

（4）人均GDP对DMI的影响最小。人均收入的增加，直接导致人均消费水平的提升，对于物质的消耗会增大，但人们的消费结构也会出现变化，不再仅局限于对物质资源消耗的实物消费，对于投资、文化、教育、健康等方面的劳务消费也在持续增加，且相比对实物消费，劳务消费逐步成为消费的热点。因此，尽管北京市2005—2013年人均GDP年均增长5.75%，消费能力得到了很大的提升，但对物质的消费影响较少。

4　结论与建议

4.1结论

利用物质流分析的指标和数据，采用Tapio脱钩模型和STIRPAT模型，分析了北京市2005—2013年经济增长与物质代谢之间的关系，并对影响直接物质输入的驱动影响进行了分析，得到以下结论。

（1）2005—2012年北京市GDP与DMI，DPO的总体趋势表明，GDP年均10.05%的增长带动了DMI年均5.43%的增长，经济增长与直接物质输入呈正相关关系，经济的增长仍离不开物质的投入；污染物排放总体呈波动下降趋势，年均降幅达7.12%。

（2）运用Tapio脱钩模型发现，北京市经济增长与直接物质输入之间主要表现为弱脱钩，在部分年份出现了扩张负脱钩，2013年直接物质输入首次出现负增长，表现为强脱钩；经济增长与污染物排放之间脱钩程度要高于物质输入，状态以强脱钩为主，表明北京市重视末端治理，且成果显著。

（3）运用STIRPAT模型对北京市直接物质输入影响因素进行分析表明，城市化率、产业结构、人口和人均GDP对物质输入均有促进作用。其中，城市化率对物质输入的影响最大。

4.2建议

北京市已进入后工业化发展阶段，北京市在污染物治理方面下了很大努力，取得了很大成效。但要想从根源上减少污染物的排放，应该从源头入手治理。从对北京市物质输入的驱动影响因素分析来看，如何有序疏解北京人口成为关键。***总书记明确指出京津冀协同发展要牵住疏解北京非首都功能这个“牛鼻子”和主要矛盾，降低北京人口密度，实现城市发展与资源环境相适应。控制人口规模不应简单地利用行政手段，那样会影响城市经济的健康发展。需要抓住“牛鼻子”，在明确城市基本功能的前提下从基础产业规模去控制。通过产业升级转移、经济结构的调整来有序地引导人口的流动。

技术发展到今天，技术水平的提高带来的物质减量化已经非常有限。随着北京市人均GDP的增加，不能像美国等发达国家一样人均消耗大量的资源。市民的消费不应仅局限于实物消费，北京市需要大力发展资源消耗少、环境污染少的现代服务业，为市民提供更多可选择的优质服务，引导市民劳务消费，提高市民的生活品质。

参考文献

［1］ 盛业旭.资源环境脱钩测度方法：速度脱钩”还是“数量脱钩”［J］.中国人口·资源与环境，2015，25（3）：99-103.

［2］ OECD.Decoupling： A conceptual overview［R］.Paris：OECD，2000：5.

［3］ Tapio P. Towards a theory of decoupling： Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001［J］. Transport Policy，2005，12（2）：137-151.

［4］ 吴开亚.安徽省经济增长与环境压力的脱钩关系研究——基于物质流分析［J］.地域研究与开发，2012，31（4）：29-33.

［5］ 高新才，马丽.基于脱钩和EKC理论的西部地区环境污染与经济发展关系研究［J］.西南民族大学学报（人文社会科学版），2014（6）：117-122.

［6］ 苑清敏.天津市经济增长与资源和环境的脱钩关系及反弹效应研究［J］.资源科学，2014，36（5）：954-962.

［7］ 李虹.物质流指标下的工业经济解耦问题研究［J］.中国人口·资源与环境，2014，24（1）：132-139.

［8］ 李慧明，王磊.基于循环经济深入发展的减物质化多重因素分解［J］.资源科学，2008，30（10）：1484-1490.

［9］ 丁平刚.海南省环境经济系统的物质流特征与演变［J］.中国人口·资源与环境，2011，21（8）：66-71.

［10］ 仇方道.煤炭城市生态经济系统物质输入输出及影响因素——以阜新市为例［J］.自然资源学报，2009，24（1）：115-122.

［11］ 王红.基于物质流分析的中国减物质化趋势及循环经济成效评价［J］.自然资源学报，2015，30（11）：1 811-1 822.

［12］ 赵博.基于MFA和STIRPAT的定西市物质输入输出及环境压力［J］.兰州大学学报（自然科学版），2011，47（5）：42-47.

［13］ 魏婷，朱晓东.厦门市生态经济系统物质流分析［J］.生态学报，2009，29（7）：3 800-3 810.

［14］ 王亚菲.城市化对资源消耗和污染排放的影响分析［J］.城市发展研究，2011，18（3）：53-57.

［15］ 余亚东.经济系统物质流分析研究述评［J］.生态学报，2015，35 （22）：7274-7285.

［16］ 彭佳雯.中国经济增长与能源碳排放的脱钩研究［J］.资源科学，2011，33（4）：626-633.

［17］ Ehrlich P R，Holden J P. One dimensional economy［J］. Bulletin of Atomic Scientists，1972（16）：18-27.

［18］ Dietz T，Rosa E A. Effects of population and affluence on CO2emissions［J］. Proceedings of the National Academy of Sciences of the United States of America，1997，94（1）：175-179.

［19］ 姚星期.基于物质流核算的浙江省循环经济研究［D］.北京：北京林业大学，2009.

“两网融合”产业创新协作体在京成立

2016年3月19日，由中国再生资源回收利用协会倡议发起的垃圾分类处理与再生资源利用“两网融合”产业创新协作体在京成立，成为国内首家致力于探索垃圾分类与资源回收利用协同机制与模式的行业协作机构。

“两网融合”产业创新协作体由中国再生资源回收利用协会、中国城市环境卫生协会、清华大学循环经济产业研究中心、中国废钢铁应用协会、启迪桑德环境资源股份有限公司、格林美股份有限公司、中国再生资源开发有限公司、北京环境卫生工程集团有限公司、中国天楹股份有限公司、中国葛洲坝集团绿园科技有限公司、北控环境投资（中国）有限公司、中国城市建设研究院有限公司、杭州市环境集团有限公司、北京盈创再生资源回收利用公司等38家机构共同发起，首批参与单位97家，由生活垃圾分类回收、处理、资源化利用相关的企业、科研机构、行业协会组成。

议事会推选了协作体首届名誉议事长，由北京市人大代表、北京市人民政府参事王维平教授担任，议事长由中国再生资源回收利用协会副会长潘永刚担任，专家委员会主任由国务院发展研究中心资环所程会强教授担任。

与会代表对目前垃圾分类和再生资源分属不同管理机制的弊端进行了讨论，并将自己在两网融合方面的探索经验进行了交流，其中有：北京环卫的京环模式、启迪桑德的环卫云模式、贵州高远的餐厨垃圾有偿回收模式、遂宁为户利的“12333”分类到户模式、南京尧化的便民服务一体化模式等，大量企业在推进垃圾分类和减量化工作中开展了有益的实践工作。

Study on the decoupling relationship between the economic growth and material metabolism and its driving factors in Beijing

ZHANG Pei
（Institute of Recycling Economy，Beijing University of Technology，Beijing 100124，China）

Abstract:This paper using material flow accounting methods gets the amount of direct material input（DMI）and domestic processed output（DPO）in Beijing city from 2005 to 2013，and applying Tapio decoupling model studies the relationship and degree of decoupling between the economic growth and metabolism and analyzes the time evolution trend of development during the time. Meanwhile it analyzes the driving factors of direct material input with the STIRPAT model. The results show that the economic growth and DMI in Beijing from 2006 to 2013 basically achieve "weak decoupling". DPO shows a downward trend and a "strong decoupling" status of economic growth. The urbanization rate，industrial structure，population and the per capita GDP all have a promoting effect on DMI. Among them the urbanization rate has the maximum influence on DMI.

Keywords:economic growth；material metabolism；decoupling relationship；STIRPAT model；Beijing

中图分类号：F062.2；X24

文献标志码：A

文章编号：1674-0912（2016）04-0006-06

基金项目：北京市重点学科“资源、环境及循环经济”项目（033000541215003）

作者简介：张沛（1989-），男，山东济宁人，硕士研究生，研究方向：循环经济前沿与模式。

收稿日期（2016－03－16）