第六章 相关文献回顾

本书将对有关能源和煤炭一些相关性的理论与现实问题进行实证研究，包括煤炭价格、煤炭消费与大气环境污染、煤炭消费与二氧化碳排放、煤炭需求增长极限、煤炭产量极限（峰值）、煤炭资源最优消耗路径等问题。为此，我们将对以上这些问题的相关研究成果进行回顾和述评，在此基础上确定本书的研究起点。我们通过西南财经大学图书馆中外文数据库共搜集到原始文献230余篇，实际用于综述的文献120篇，文献发表时间在1949～2015年，大部分文献为2000年以后发表。

一 关于煤炭价格

价格是资源供求关系的集中反映。中国煤炭价格经历了不同的价格体制变迁，并随着经济增长与供求关系的变化，煤炭价格出现过巨幅波动。研究煤炭价格波动及其影响因素对于政府的宏观调控、保持煤炭稳定的供求关系与合理的价格有着重要的现实意义。不过，从相关公开发表的文献来看，研究煤炭价格波动方面的文献并不多，根据研究内容可分为两类。

一类是对煤炭价格波动特征的研究，研究者主要通过煤炭价格数据的统计特性建立相应的模型来模拟煤炭价格波动的历史特征，寻找价格的波动规律，以此来预测煤炭价格的未来走势。如Pindyck（1999）分析了美国煤炭、石油、天然气的长期价格变动规律，他利用近一个世纪的历史数据阐述了能源价格的变动规律，并通过建立时间序列模型预测长期能源价格走势，为生产决策提供了依据；邹绍辉和张金锁（2010）利用秦皇岛大同优混煤1994年1月至2008年12月每周一的最高价格数据，运用单位根检验和Monte-Carlo检验方法对煤炭价格变动状况进行的实证研究表明：在正常情况下，几何布朗运动能较好地拟合我国煤炭价格的变动过程，当存在突发事件时，风险中性跳跃-扩散模型能较好地拟合我国煤炭价格的变动过程；Moreno和Medina（2011）利用1999～2007年月度数据，采用自适应神经模糊推理系统模型（ANFIS）估计哥伦比亚短期能源价格变动情况，与实际能源价格波动特征具有较强的一致性，说明ANFIS能够有效地用于能源价格波动预测；李晓明、万昆和柳瑞禹（2012）采用GARCH模型分析方法，实证检验了澳洲BJ动力煤价格和秦皇岛大同优混煤价格的波动性特征，研究表明，澳洲BJ动力煤价格和秦皇岛大同优混煤价格表现出相同的市场特性，具有显著的GARCH效应与波动聚集性，波动衰减缓慢，不具有显著的非对称性波动。这一类关于煤炭价格的研究完全是就数据论数据，并没有考虑煤炭价格的相关经济理论，缺乏相应的理论基础，研究结果的可靠性值得怀疑。

另一类是通过经验分析影响煤炭价格波动的影响因素，通过煤炭价格和影响因素之间的逻辑关系建立计量经济模型来分析煤炭价格变化及引起这种变化的原因。如罗敏和徐莉（2002）采用一元和多元线性回归模型研究发现国内煤炭价格与GDP增长之间存在较强的正相关关系，煤炭价格的波动大于GDP的波动程度，其相关系数达到9.811；谢守祥、谭清华和宋阳（2006）利用误差修正模型研究得出煤炭供给虽然对价格产生影响，但并不是价格波动的根本原因，价格上涨主要取决于短期需求的增加；谭章禄和陈广山（2006）利用多元线性回归模型研究指出我国煤炭价格主要受下游产品的需求量和国际市场价格这两个因素影响，我国煤炭年产量、铁路运输以及煤炭储存量对煤炭价格具有一定程度的影响，煤炭生产成本、煤炭替代品价格与上下游产品对煤炭价格影响不大；丁志华、赵洁和周梅华（2011）运用VEC模型从宏观因素、行业因素、微观因素几个方面对影响煤炭价格的因素进行分析，发现煤炭成本对煤炭价格的影响最大，煤炭成本每增加1元，煤炭价格增长0.86元。影响煤炭价格的主要因素还有第二产业产值、国民生产总值、零售物价指数和煤炭供给，这些变量所构成的煤炭价格检验模型精确度较高，总体上能够解释煤炭价格变化90%以上的原因。这一类研究所建立的模型大多是基于一定经验性的逻辑关系构建的，仍然缺乏坚实的理论基础，且模型结构较为简单，所使用的数据均为年度数据，无法准确反映煤炭价格频繁剧烈波动的特点，因而确定的煤炭价格波动影响因素的可靠性也是值得怀疑的。

从对已有研究文献的总结可以看出，目前有关煤炭价格波动的相关研究文献很少，并且现有研究大多局限于定性探讨和经验分析，缺乏坚实的理论依据，或者从煤炭需求面影响煤炭价格的角度讨论煤炭价格波动，而没有从煤炭市场整体供求均衡决定价格的视角分析煤炭价格波动的影响因素。一些学者虽然对煤炭价格波动及其影响因素做了较深入的研究，但这些研究均未系统地反映煤炭价格波动特征及其原因，更无法解释2003年煤炭价格市场化以来煤炭价格频繁剧烈波动的主要影响因素。在研究方法上，这些研究均未涉及煤炭供需均衡模型，并且关于现有煤炭价格波动的研究大多局限于经验性的分析，缺乏坚实的理论基础和严密的逻辑推导，因此其研究结论可能存在一定的偏误，因而有必要重新构建中国煤炭价格波动模型，分析2003年煤炭价格市场化以来中国煤炭价格波动的主要影响因素，并据此提出一些有意义的对策建议。我们将以煤炭市场供求均衡决定煤炭价格为理论基础，通过供需均衡求解出煤炭价格波动的理论模型，进一步简化抽象出用于实证研究的煤炭价格波动模型，并基于此构建中国煤炭价格波动模型，分析造成中国煤炭价格波动的影响因素。

二 关于煤炭消费与大气环境污染

煤炭消费是中国大气污染的主要来源。相关数据显示，中国二氧化硫排放量的75%、二氧化碳排放量的70%、二氧化氮排放量的85%、一氧化氮排放量的60%、总悬浮颗粒（TSP）排放量的70%来自燃煤（茅于轼、盛洪、杨富强等，2008）。因此，只要能够了解中国整个大气环境的变化趋势，就可以了解煤炭消费对大气环境的影响情况。

过去几十年来，随着世界经济的快速增长，环境问题日益突出，由此引出的经济增长与环境污染之间的关系也引发了越来越多的关注。20世纪70年代，罗马俱乐部的经济学家关注到经济指数化增长所造成的资源枯竭和环境污染加剧的问题，发表了《增长的极限》的研究报告（梅多斯，1984），对世界前景提出悲观的预期。进入90年代以后，国外学者对经济增长与环境污染之间的关系又进行了大量研究。最具代表性的是美国经济学家Grossman和Krueger根据经验数据总结提出了环境质量与经济增长之间的倒U形关系，并由此提出了环境库兹涅茨曲线（EKC）的假设：一个国家的整体环境质量或污染水平随着经济增长呈先恶化后改善的趋势。此后，国内外学者又继续深入研究，以论证倒U形曲线是否存在或者提出新的EKC方程。国外学者大多采用截面数据和面板数据进行研究，其中相当多的人得出EKC倒U形曲线存在的结论，如Sun（1999）和Stern（1996）等进行的研究。但也有人得出不同的结论。国内学者大多采用时间序列数据进行分析，他们认为经济增长与环境污染之间的关系并不单一。总结张思锋和张颖（2004）、王瑞玲和陈印军（2005）、夏永久和陈兴鹏（2005）、张少兵（2007）、马树才和李国柱（2006）等众多学者的研究成果可以发现，经济增长与环境污染之间还存在线形、U形、N形、倒N形等关系（如表6-1所示）。

表6-1 环境污染与经济增长关系研究一览

20世纪90年代以来中国经济总体上保持高速增长，但环境问题日趋严重，因此研究环境状况与经济增长之间到底存在怎样的关系在当前极富现实意义，有关研究成果可以为新政策的制定提供一定的依据。在数据时间段的选取上，综合考虑数据的可得性和可靠性以及1990年以后经济呈现的更为快速的增长，本书选取1991～2012年的数据进行研究分析。王瑞玲和陈印军、马树才和李国柱虽然也在全国的层面上对环境污染与经济增长之间的关系进行了验证，但其数据选择的时间段是在2003年以前。需要强调是，从2003年开始，中国经济进入了新一轮高速增长，在此期间，增长的推动力与产业结构均发生了深刻的变化，即表现为重化工业推动型。重化工业的迅猛扩张在推动GDP快速增长的同时，也造成了较为突出的资源与环境问题，从而使学术界对重化工业的快速扩张产生了很大的争议，并且，这一时间段恰恰是煤炭消费快速增长之时，其对大气环境产生的影响更为突出。因此，本章将2003年以后的数据纳入模型进行研究和验证，从而为经济增长与环境污染之间的关系及学术界的争议提供一个较为准确的判断。由于燃煤与大气污染之间的关系已经明确，这里我们分析大气污染的总体形势就可反映煤炭消费所产生的影响。而将经济增长与大气污染之间的关系揭示出来，具有更大的理论和实践意义。

三 关于煤炭消费与二氧化碳排放

二氧化碳排放是导致全球变暖的温室效应气体的主要来源。考虑到二氧化碳与煤炭消费之间的关联性，我们将对煤炭消费与二氧化碳排放之间的关系做进一步研究。在研究指标上，我们加强对碳排放强度的研究，即单位GDP所产生的碳排放，这有助于将碳排放与经济发展因素结合起来，把能源的使用效率与经济发展问题结合起来，而仅集中在二氧化碳排放的人均和总量指标上，撇开经济发展因素，单纯谈论碳排放问题是没有现实意义的。

虽然目前有关碳排放的影响因素或者碳排放强度的影响因素的研究成果非常多，但由于学者们对碳排放因素的研究侧重点不同，归类的方法不同，甚至把规模因素、结构因素交织在一起，而没有进行科学的分类，因而显得杂乱无章。我们在总结前人研究的基础上把影响碳排放强度的因素归纳为规模效应和结构效应，并且在规模和结构的分类之下又包含着若干层次的指标。通过对不同层次影响因素的分析和比较，可以厘清碳排放影响因素的思路，这将有利于我们更加深入地认识碳排放问题，并在此基础上提出具有针对性的对策建议。

国内外已有文献对碳排放强度研究所采用的方法主要分为以下两大类。一类是运用因素分解法对碳排放强度的影响因素进行分解分析。Shrestha 和 Timilsina（1996）选取1980～1990年的年度数据，采用Divisia指数分解法对12个亚洲国家电力行业的碳排放强度变化进行分析，结果发现电力行业碳排放强度的变化主要受各种能源强度变化的影响。Greening等（2004）采用AWD分解法，对1971～1991年10个OECD国家生产部门的碳排放强度的影响因素进行了分析，结果发现碳排放强度下降的主要原因是生产部门能源强度下降。采用相同的研究方法，Greening等（2001）对10个OECD国家的居民终端服务部门的碳排放强度变化的影响因素进行了分析，结果表明终端的能源消费结构以及能源强度等因素影响其碳排放强度。Bhattacharyya和Ussanarassamee（2004）采用LMDI分解法对泰国二氧化碳排放强度和能源消耗强度的变化进行了研究，认为在各个不同的时期，能源消费结构和能源强度是二氧化碳排放强度变化的两个重要因素。Fan等（2007）利用AWD分解法对中国1980～2003年的碳排放强度变化的影响因素进行了分析，结果发现能源强度对碳排放强度变化的影响效应最为明显。Zhang（2009）采用结构分解法对1992～2006年中国碳排放强度的变化进行了分析，认为各部门能源强度的改变是碳排放强度下降的主要原因。陈诗一（2011）采用LMDI分解法对改革开放以来中国工业两位数行业二氧化碳排放强度变化的主要原因进行分解，结果发现能源强度降低是二氧化碳排放强度波动性下降的主要决定因素，能源结构等影响因素的调整也有利于碳排放强度降低。张友国（2010）基于投入产出结构分解法分析了1987～2007年经济发展方式变化对中国碳排放强度的影响，结果发现，能源强度下降是中国碳排放强度下降的主要原因，能源结构的变化是碳排放强度下降的次要原因，产业结构的变化抑制了碳排放强度下降。

另一类是使用计量模型对碳排放强度的影响因素进行实证检验。Roberts和Grimes（1997）选取了1962～1991年147个国家的碳排放强度和GDP数据，采用普通最小二乘法（OLS）发现世界主要国家的碳排放强度与经济发展水平之间存在倒U形曲线关系，其中只有极少部分富裕国家处于改善阶段，而贫穷国家和中等收入国家则处于恶化阶段。Ang和Lin（2006）选取1997年104个国家的截面数据研究表明，人均收入与碳排放强度之间符合倒U形曲线关系。岳超等（2010）选取1995～2007年中国各省份的碳排放强度进行了分析，逐步线性回归分析表明能源资源禀赋、产业结构和能源消费结构是各省份碳排放强度的决定因素。刘小敏等（2011）运用情景分析方法估算了2020年我国碳排放强度目标执行难易程度，研究结果表明产业能源强度下降是中国碳排放强度下降的主要因素，产业结构调整对节能贡献有限。王锋等（2011）采用情景分析评估了优化能源结构对实现碳排放强度目标的贡献潜力，研究结论表明，无论是在经济高速增长情景中还是在经济低速增长情景中，能源结构优化对实现碳强度目标的贡献潜力最大。林伯强和孙传旺（2011）研究了如何在保障中国经济增长的前提下实现碳强度目标，认为提高能源效率是减少碳排放的主要途径。刘广为和赵涛（2012）选取1980～2009年的时间序列数据对中国碳排放强度的影响因素进行实证检验，发现能源结构对碳排放强度的冲击效应最弱，能源强度稍强，第三产业比重效果最为显著。

综观国内外的现有研究，可以看出以下问题。第一，从研究内容来看，国内外学者主要集中在碳强度内在驱动因素的差异上，虽然在影响因素上依然没有达成一致认识，但是为我们对碳排放强度变化影响因素的研究奠定了很好的基础。然而，我们也可以看到现有研究的侧重点各不相同，尚没有研究对影响碳排放强度的因素进行合理归类以及科学规划。因而在进行兼容性解释方面比较困难。第二，从研究方法来看，国外相关研究所采用的方法基本上是因素分解法。国内学者对这个问题的研究则主要采用时间序列分析方法，也有部分学者使用省际面板数据，利用静态的计量经济学方法。与现有研究相比，我们的创新之处在于以下两点。一是把影响碳排放强度的因素归纳为规模效应和结构效应两大因素，前者进一步分为经济发展水平、煤炭消费强度；后者再进一步分为能源结构、产业结构以及工业结构三个因素。通过对这些因素的分析与比较，可以突出煤炭消费在影响因素中的重要权重。二是拟采用静态面板数据模型，着重研究规模效应、结构效应以及碳排放强度的相互影响内在机理。

四 关于煤炭需求增长极限

学术界对能源需求的研究较早可以追溯到Kraft和Kraft（1978）利用1947～1974年的数据对美国经济增长（GNP）与能源消费的关系研究。而作为能源需求的重要组成部分，针对煤炭需求的研究则开始于20世纪末期。目前协整和误差修正模型（ECM）、Granger因果关系检验、Toda和Yamamoto因果检验、自回归分布滞后模型、广义预测误差方差分解模型、面板数据模型等各种计量方法，已被广泛应用于煤炭消费与经济发展间的短期和长期因果关系研究。例如Yang（2000a）运用Granger因果关系检验对台湾地区煤炭消费与经济增长之间的关系进行了研究，发现1954～1997年台湾地区经济增长对煤炭消费具有单向因果关系；Rufael（2004）利用Toda和Yamamoto（1995）因果检验法发现，1952～1999年上海煤炭消费对经济增长具有单向因果关系；Yoo（2006）采用协整和误差修正模型对1968～2002年韩国的煤炭消费与经济增长之间的长期与短期关系进行了研究，结果发现两者之间存在双向因果关系；Ziramba（2009）采用自回归分布滞后模型的研究方法发现1980～2005年南非煤炭消费与工业产值之间不存在因果关系。Apergis和Payne（2010）采用面板数据模型的分析框架研究了1980～2005年25个OECD国家煤炭消费与经济增长之间的关系，发现经济增长与煤炭需求之间存在单向因果关系。使用相同的研究方法，张兆响、廖先玲和王晓松（2008）发现1986～2004年中国东部地区经济增长与煤炭消费之间存在单向因果关系；中部地区煤炭消费与经济增长之间长期与短期均存在双向因果关系；西部地区煤炭消费与经济增长之间虽然存在长期协整关系，但短期因果关系不成立。以上学者关于经济增长与煤炭消费之间的关系，对不同地区、不同时段的研究结论并不相同，这也说明，煤炭消费与经济增长之间的关系并无一个统一的模式或规律，而是视不同地区不同特点及经济发展的不同阶段而有所不同。此外，迄今为止，在对煤炭需求研究的文献中，还有以下几点不足。

第一，在关于经济增长与煤炭需求关系研究的文献中，大部分学者认为这二者之间仅存在线性关系，而事实上经济中的生产和消费活动的结构变化有可能会改变经济发展水平从而使煤炭消费与经济增长之间呈现类似库兹涅茨曲线的非线性关系。Medlock和Soligo（2001）研究了1978～1995年欧洲、北美以及亚太地区的28个国家分部门终端能源需求，得出能源消费与人均收入之间存在非线性关系。何晓萍等（2009）利用面板数据非线性模型发现中国长期电力需求与收入水平之间的非线性函数，并且二者之间呈现倒U形关系。段显明和郭家东（2011）利用1978～2008年中国各省份能源消费和人均生产总值数据，采用非线性回归和拟合的方法发现，中国大部分地区能源消费与经济水平之间存在典型的库兹涅茨曲线关系，其他不满足库兹涅茨曲线的地区也呈倒U形曲线趋势。从上述关于能源（电力）消费与经济增长之间非线性关系的研究文献来看，目前国内外还没有利用库兹涅茨曲线假说的原理来研究煤炭需求问题的相关文献。

第二，大多数学者将经济发展作为重要的解释变量，但较少有人纳入其他重要的解释变量。为了增强模型的解释能力，部分学者已经做了尝试，将其他变量纳入计量模型。如Fata等（2004）在分别研究澳大利亚和新西兰的煤炭消费后发现，GDP与煤炭价格是影响煤炭消费的重要因素。Yuan等（2008）将GDP、资本、就业纳入研究范围，分析了这些因素对1965～2005年中国煤炭需求的影响，结果发现中国煤炭需求与GDP、资本、就业之间存在长期协整关系。Sari等（2008）选取2000～2005年美国月度数据，采用自回归分布滞后模型的研究方法发现美国的实际产出和就业是影响其煤炭消费的重要变量。林伯强等（2007）采用协整和误差修正技术，更深入地研究了包括经济增长、工业结构、煤炭出厂价格以及煤炭运输成本在内的各种因素对中国煤炭需求的影响，结果发现经济增长是引发煤炭需求的原因；工业结构的调整，会对煤炭需求有很大的抑制作用；煤炭出厂价格的变动对煤炭需求变动的影响不太大，但煤炭需求对运输成本相当敏感。王鉴雪和宁云才（2009）研究发现，经济发展水平、煤炭价格、运输费用以及工业结构对中国的煤炭消费有重要影响。截至目前，我们发现在对煤炭需求影响因素的研究中，还没有文献同时将工业化和城市化两个因素同时纳入进行定量研究。以美国为代表的主要发达国家已经完成了工业化、城市化进程，进入后工业化、城市化阶段，煤炭需求增速以及在能源结构中的比例均大幅度下降，因此有关学者在模型中没有考虑这两个因素的影响。然而，当涉及中国这样一个工业化、城市化进程正在加快推进的发展中国家时，如果不考虑工业化与城市化进程因素，就不能准确反映煤炭需求上升的推动力及煤炭需求增长规律。当前，中国正处于工业化、城市化快速推进的重要阶段，经济增长仍有潜力，工业化、城市化的进程仍会拉动煤炭需求上升（林伯强等，2007）。因此，对中国煤炭需求的研究，必须要考虑上述经济发展阶段中的主要特点。

第三，在研究方法上，国内外文献对于煤炭需求影响因素的研究所采用的计量方法主要有：基于时间序列数据的协整检验和Granger因果关系检验法（Yoo，2006；Yuan et al.，2008；林伯强等，2007；Yang，2000a；Lee et al.，2005；张兴平等，2008）；面板数据模型（Apergis and Payne，2010；张兆响等，2008）；灰色关联分析法（王鉴雪、宁云才，2009）。从上述研究方法来看，大多数研究者采用时间序列分析方法，少数学者使用面板数据静态回归技术研究煤炭消费与经济发展水平的长期和短期因果关系。

本书在国内外相关问题的前沿性研究成果基础上做出三个主要改进：第一，将工业化和城市化这两大重要变量同时纳入计量模型中，以考察在工业化、城市化进程加快形势下中国煤炭消费与经济增长的长期关系，从而为解决煤炭供求矛盾提供依据和思路；第二，建立煤炭需求与经济增长的库兹涅茨曲线模型，以分析和验证在工业化和城市化作为两个重要的控制变量的情况下，中国煤炭需求与经济增长之间是否呈库兹涅茨倒U型曲线；第三，采用面板数据的相关理论和模型来研究在工业化、城市化进程中中国煤炭需求的库兹涅茨曲线特征，考察经济发展与煤炭消费之间的非线性关系，并给出政策分析与建议。

五 关于煤炭产量峰值

美国著名地质学家Hubbert（1949）提出了著名的矿物资源的“钟形曲线”理论，他认为任何一种不可再生资源都会经历一个产量从零开始，然后呈现指数形式增长，到达峰值后再不断下降，直至资源枯竭，产量又回到零的过程。随后，Hubbert（1956）预测并分析了美国的石油生产趋势，并首次提出了石油产量峰值理论。继此之后，更多的学者开始投入化石能源产量峰值问题的研究中，研究领域涉及全球及各个国家。关于世界石油产量峰值，Kerr（1998）预测认为世界石油产量峰值将在2008年前后到来；Zittel和Schindler（2002）预测世界石油产量很有可能在2010年以前达到顶峰；IEA（2009）的预测结果是，全球原油的峰值将在2020年到来；Owen等（2010）预测认为，全球原油峰值将在2015年以前到来。关于中国的石油产量峰值，EWG（2007a）则指出中国的石油产量会在2010年以前达到峰值；基于Hubbert模型，冯连勇等（2007）得出中国的石油产量峰值将在2015年前后出现；基于广义翁氏模型预测的模型时间为2017年。

天然气产量峰值也备受关注。Campbell和Heaps（2009）的预测结果是，全球天然气产量将在2021年达到28400亿立方米的产量峰值；基于动态和静态供需模型的研究方法，Mohr和Evans（2011）得出全球天然气将在2025～2066年达到1330000亿～2060000亿立方米的产量峰值。冯连勇等（2010）预测世界天然气产量峰值将于2031年前后到来。关于中国的天然气产量峰值，Mohr（2010）认为中国天然气产量峰值将出现在2031年左右；Lin和Wang（2012）认为中国天然气产量可能在2022年达到峰值，之后产量将不断下降；王婷等（2012）则认为中国天然气产量峰值将出现在2018年左右。

对于煤炭产量峰值，学术界形成了悲观派和乐观派两大流派。悲观派认为煤炭产量峰值已经为期不远，如Mohr和Evans（2009）采用Hubbert模型预测得到全球煤炭产量峰值将在2010～2048年出现。Mohr等（2011）分别使用Logistic模型、Gompertz模型、动态和静态供需模型对澳大利亚的煤炭产量趋势进行了分析和预测，研究结果表明，Logistic模型和动态、静态供需模型均得到相似的结论，即澳大利亚的煤炭产量将在2113～2125年达到峰值，而使用Gompertz模型得出的结论是在2079～2089年达到峰值。乐观派认为煤炭产量峰值还很遥远，如Thielemann等（2007）认为，从地球科学的角度来看，截至2100年全世界所有地区的煤炭供应都没有瓶颈。Lior（2008）认为煤炭、石油和天然气的储量与产量之比（R/P）在过去的几十年内基本保持不变，现在还谈不上煤炭峰值来临的紧迫性。从上述已有的研究文献可以看出，由于使用的预测方法不同，对于全球或者世界主要国家的煤炭峰值预测结果也可能有所不同，而这种不同主要体现在预测产量峰值出现的时间以及峰值产量上。因此，我们在参考这些文献时，还应具体问题具体分析，去伪存真，从而为我国煤炭产量峰值的研究提供有用的借鉴。

关于中国煤炭产量峰值问题，现有文献不多，主要有EWG（2007b）的预测，即认为中国的煤炭产量可能在未来5～15年间达到峰值，峰值大致出现的时间在2015年前后；Tao和Li（2007）采用STELLA模型拟合Hubbert峰值的方法对中国原煤产量的研究表明，中国的煤炭产量峰值将在2025～2030年出现，峰值产量在33亿～45亿吨。但是，这两种预测结果均不准确。煤炭产量峰值要受可采储量、地质勘探技术、地质钻探技术以及科学合理的煤田开发方案等难以定量把握的因素影响，这就会对煤炭产量峰值的准确预测带来一定的困难。一般来说，随着煤炭勘探工作的推进和勘探技术的提高，煤炭储量可能增加，而当煤炭储量增加时，煤炭产量将会持续或断续上升，从而导致煤炭峰值产量增加或煤炭峰值年份推迟。《BP世界能源统计年鉴1992》中公布的煤炭储量数据为1145亿吨，该数据几乎成为所有国际能源机构广泛使用的煤炭储量数据，但事实上，BP公布的这个数据从1992年开始就没有更新过。鉴于中国煤炭产量的快速增长，BP公布的数据很可能大大低估了我国可开采的煤炭资源储量，因而EWG所得出的中国将在2015年前后达到煤炭产量峰值的结论不具有说服力。而Tao和Li（2007）采用2002年底中国官方公布的煤炭储量1870亿吨的数据，从而把煤炭峰值到来的时间延长到2025～2030年，但其提出的峰值产量介于33亿～45亿吨，也与实际不太吻合，事实上在2010年中国的煤炭产量就已超过33亿吨。此外，这两篇文献仅就数据和模型来得出结论，对相关影响因素的定性和逻辑分析做得不够；煤炭峰值视储量的变动而有所变动，现有文献都没有针对这一特点进行敏感性分析。

煤炭产量峰值可能会因为一些相关变量的变动而表现出动态特征，如回采率的上升、勘探技术的进步而使煤炭探明储量提高等。葛世龙等（2008）建立最优控制模型，研究了回采率导致的储量不确定对可耗竭资源最优开采的影响，得出回采率的上升可提高可耗竭资源开采年限的结论。而本书将针对这一动态特征对煤炭产量峰值进行相应的敏感性分析。

本书将采用Logistic模型。Logistic模型是经济预测中广泛应用的增长曲线模型，其变化速度一开始增长较慢，中间段增长速度加快，随后增长速度下降并趋于稳定，中国煤炭产量增长趋势符合Logistic模型的要求。本书采用Logistic模型对全国、山西、陕西及内蒙古现有煤炭储量以及煤炭产量的历史数据进行拟合，以预测全国、山西、陕西、内蒙古的煤炭产量及其峰值年份。同时，考虑到随着勘探技术的进步以及勘探工作的发展，煤炭储量可能会发生相应的变化，本书将进一步采用敏感性分析研究煤炭随储量的变化对预测结果的影响；再考虑到涉及煤炭供求、产消等各种影响因素的变化，对煤炭产量峰值的调控进行逻辑分析及定性研究，验证模型预测结果的可靠性。

六 关于煤炭资源最优消耗路径

在当前的经济发展与资源环境关系之下，寻求煤炭资源最优消耗路径对于资源的可持续利用和经济的可持续发展显得尤为重要。在分析了煤炭需求与产量增长极限之后，我们将进一步研究中国煤炭资源消耗方式是否合理，是否为最优消耗路径，或与最优消耗路径的偏离程度。

可耗竭资源的最优消耗路径的研究源于Hotelling（1931）的经典文献，并在20世纪70年代成为学术热点。Hotelling认为，可以用耗竭资源的社会价值来衡量任何消耗方式的合理性，而可耗竭资源消费得到的社会总价值用社会愿意支付的总价格来度量，并提出了著名的Hotelling定律，即完全竞争情况下可耗竭资源的最优开采应满足资源的净价格增长等于市场利率。Stiglitz（1974）以及Dasgupata和Heal（1974）从环境保护、经济增长和可耗竭资源可持续利用的视角出发分析了可耗竭资源的跨期配置问题，并认为可耗竭资源开采量的逐年减少能实现社会效用最大化。Solow和Wan（1976）从生产成本的角度将可耗竭资源分为两个质量等级，经过数值分析，得到技术进步和超过可耗竭资源租金的资本投入有利于解决资源短缺问题和推动资源的可持续利用的结论。Hartwick（1977）认为可耗竭资源和实物资本之间可以相互替代，主张将可耗竭资源租金投资到物质资本和人力资本中，加快资源租金向其他财富形式的转化速度，从而提高可耗竭资源的使用效率和经济的可持续发展能力。

国内研究可耗竭资源最优消耗问题取得了以下成果。魏晓平（1997）采用加总的社会福利函数建立动态优化模型，研究了煤炭资源最优耗速的四个影响因素，包括贴现率、耗竭时间、替代可能性和市场因素。他认为选择较小的贴现率可以有效降低煤炭资源的开采速度并延长煤炭资源耗竭时间。魏晓平和王新宇（2002）研究了边际开采成本对可耗竭资源耗竭时间的影响，认为可耗竭资源的耗竭时间发生在资源边际开采成本高到使其市场需求为零，并非资源储量为零之时。张彬和左晖（2007）借助Lucas模式，将可耗竭能源和环境质量引入生产函数，研究了能源和环境双重约束下的社会最大经济产出。葛世龙等（2008）建立最优控制模型，研究了回采率导致的储量不确定对可耗竭资源最优开采的影响，得出回采率的上升可提高可耗竭资源开采年限的结论。葛世龙和周德群（2009）认为资源税税率提高的预期对可耗竭资源开采行为的影响是显著的，但这个预期只有在一定条件下才能最终转化为税率的提高。张建斌（2011）从煤炭的价格角度研究了煤炭资源的最优开发路径问题，认为现有的煤炭价格并没有包括环境成本和产业接续成本，政府应该加强煤炭资源的价格规制以寻求煤炭资源的可持续利用。周伟和武康平（2011）认为，资源开采方式的转变和人们消费行为的调整可用承诺来解决，并采用双曲线贴现的可变时间偏好范式，发现国家承诺能力的提高能降低可耗竭资源的消耗速度，起到保护和节约资源的作用。胡静锋和张世全（2011）基于最优控制理论，研究了中国石油资源的最优消耗路径，认为石油战略资源储备、低碳环保观念和产业调整有利于整个社会福利的提升。陈翔等（2012）在运用Hotelling定律的基础上推导出了煤炭资源初始价格的可变参数定价模型，得出我国煤炭资源的初始价值与煤炭储量增长率、市场利率、开发周期增长率和开采时间的乘积相关。曹明和魏晓平（2012）基于资源跨期开采模型，分析了技术进步对资源可开采量、提高资源利用效率、降低开采成本和促进资源替代的影响，认为不存在任何技术进步既可以增加社会福利又可以促进资源的可持续利用。林伯强（2012）利用修正的EL Serafy使用者成本法发现中国煤炭资源的开发利用是存在使用者成本的，并且使用者成本随着煤炭产量的大幅度增加而迅速提高，因此政府需要通过征收资源税来反映煤炭资源的真实成本。

通过对以往文献的梳理，发现之前的研究多是通过建立动态优化模型分析储量不确定、不同承诺能力和税率变动等对可耗竭资源开采速度和可持续利用的影响，缺乏对煤炭等主要可耗竭能源做最优消耗路径具体数值的实证研究，尚未指明中国现有的煤炭资源消耗方式与最优消耗路径的偏离程度。因此，我们结合前人的研究成果，从社会效用最大化的角度，参考Hotelling可耗竭资源理论及最优消耗的“黄金法则”，建立最优控制模型，研究中国煤炭资源的最优消耗时间路径，并将煤炭实际消耗情况与最优消耗路径进行比较，以最优消耗路径作为煤炭需求的调控目标，在此基础上研究推动中国煤炭资源可持续发展的相关措施。