BP-DEMATEL基础上陕西省制造业低碳经济影响因素探究随着中国制造业快速发展带来的严重环境污染和资源压力，环境治理问题逐渐引起了社会各领域的高度重视。根据国家统计局数据显示，2018年我国制造业能源消费总量为245139.54万吨标准煤，制造业二氧化碳排放总量为441923.8万吨，大气主要污染物（二氧化硫、氮氧化物和粉尘等）排放量为1373.52万吨1。如何平衡经济效益、能源消耗和污染排放三者之间的关系已成为众多学者关注的热点，因此中国制造业迫切需要探索低碳经济发展之路，实现可持续发展。而陕西省正处于工业化发展阶段，环境压力严峻，2018年陕西省制造业煤炭消费占能源消费总量比重高达36.85%，制造业人均碳排放为98.53万吨2，同年全国制造业煤炭消费占能源消费总量平均比重为35.92%1，制造业水平比较发达的江苏省制造业人均碳排放为31.55万吨3，陕西省呈现出明显的高碳高排放特性。因此，陕西省制造业有必要提升低碳经济水平，制定出具有陕西特色的制造业节能减排方案。制造业低碳经济是一种同时提高制造业生产力和环境绩效的经济发展战略4,5，国内外学者在相关概念的基础上对其影响因素开展了深入研究，主要有能源利用因素、技术因素、和环境因素等因素。在能源利用因素方面，Sheinbaum等6利用LOGMEANDivisia附加指数对19902008年墨西哥制造业数据进行了探索，研究发现分行业结构和实际能源强度变化是导致制造业碳排放增加的重要因素。Tang等7分析了中国低碳制造水平，结果显示影响低碳制造程度的最主要因素是能源使用效率。在技术因素方面，孙宁8对影响中国制造业分行业碳排放的因素展开了研究，研究发现技术进步会导致能源强度下降，进而证明了技术进步是降低碳排放的根本因素。在环境因素方面，张志元等9探讨了制约中国制造业低碳转型的因素是发展模式粗放、产值提升与节能要求不对等和缺乏转型动力。徐建中等10认为制造业低碳化转型离不开市场拉力、政府推力和技术驱动三方面的影响。樊茂清等11发现我国制造业能源强度变化会一定程度地受贸易影响，且该能源强度的波动短期内受一次能源结构的影响。可以看出，目前的制造业低碳经济影响因素研究主要聚焦于与低碳生产有直接联系的因素，如能源利用效率，对于技术、环境等因素，研究较少且多偏向于定性探讨。不同学者对制造业低碳经济影响因素研究的侧重点不同，导致关于制造业低碳经济影响因素的研究方法并不统一。Diakoulaki等12为确定欧盟制造业碳排放的影响因素，采用了精制拉氏模型。Ren等13基于扩展Kaya特征的LMDI模型探讨了效益产出和能源强度对制造业提升低碳经济的影响。王钰等14利用STIRPAT模型明确了导致制造业碳排放强度下降的影响因素，并将其分为正相关因素及负相关因素。乐承毅等15采用因子分析法将影响江西省制造业绿色转型的因素分为能源因子、企业因子和外部因子。吕红等16为探索科技投入和资源环境约束对制造业低碳化的驱动效应，运用了多目标优化模型。通过梳理现有文献，不难看出对于制造业低碳经济影响因素的研究存在以下问题：一是有关制造业低碳经济影响因素的研究相对较少，大多数探索了制造业低碳程度相关概念的影响因素，较少对影响因素之间关联度进行研究，忽视了影响因素内在关系对行业低碳经济水平的影响。因此，有必要着眼于探讨影响因素间的关联，以此丰富制造业低碳经济影响因素作用机理研究；二是现有研究方法对影响因素的分析不够深入，这也导致了无法解释影响因素改善制造业低碳经济水平背后所产生的深层次原因。为此，本研究采用了辨析影响因素关联的方法。鉴于此，本文以辨析影响因素及其相互作用的DEMATEL方法为基础，根据BP神经网络计算的权值改善传统DEMATEL方法主观性强和系统分析困难的缺点，结合20072016年陕西省制造业面板数据，建立了识别陕西省制造业低碳经济影响因素的BP-DEMATEL模型，并根据结果提出相应决策参考。这不仅从客观角度深入剖析了影响因素的内在联系，而且对于陕西省制造业低碳经济发展具有实践意义。1、模型构建决策实验室法（DecisionMakingTrialandEvaluationLaboratory,DEMATEL）是20世纪70年代美国Bottelle研究所为了分析系统中的复杂问题，提出的联合图论与矩阵理论的系统分析建模方法。传统的DEAMTEL方法可以识别影响因素之间的相互影响程度和相互依存与制约关系17，但在应用于陕西省制造业低碳经济影响因素研究时计算过程中存在一些问题：首先，直接影响矩阵的原始数据基本上是通过调查问卷和专家打分等主观性较强的方式获得，这样会降低DEMATEL方法的结果可信度，而如果利用BP神经网络计算出的权值构造直接影响矩阵，则可从根本上解决可信度低的问题；其次，在指标过多的情况下，指标间的相互影响关系复杂，系统分析难度大，而BP神经网络的自适应性可有效地判断系统内在规律和联系。因此，本文在构建影响因素指标体系的基础上，建立符合区域制造业低碳经济研究的BP-DEMATEL模型，以期客观地找出影响陕西省制造业低碳经济发展的关键因素。具体步骤如下：步骤1：构建影响因素指标体系，确定输入指标矩阵，其中，m表示输入样本数，n表示输入指标数，k表示目标指标数。i=1,2，m;j=1,2，n;t=1,2，k。在将指标矩阵输入神经网络之前，需要进行数据的预处理，首先将逆向指标转化为正向指标，即逆向指标X通过取倒数转化为正向指标X，再将输入指标矩阵和目标指标矩阵归一化得到完成预处理。步骤2：在Matlab中构建一个BP神经网络，输入经过预处理后的指标矩阵数据，利用梯度下降法训练BP神经网络，分别调出输入层与隐含层之间的权值矩阵和隐含层与输出层之间的权值向量，其中l代表隐含层神经元的数量。步骤3：计算权值向量=mean(|W|w|)，其中=(1，2，n)，|表示对矩阵中每个元素取绝对值操作，mean函数的作用是在|W|w|的矩阵行数大于1时，对|W|w|的每列取平均值。步骤4：计算直接关联矩阵。其中，若出现j=0的情况，则bij=0,bij表示指标i对指标j影响大小。步骤5：标准化直接关联矩阵步骤6：计算综合影响矩阵其中，I表示单位矩阵，(I-X)-1表示运算(I-X)的逆矩阵。步骤7：计算各指标的影响度（Di）、被影响度（Pi）、中心度（Ci）和原因度（Ri）。影响度是指标体系中某一影响因素对其他影响因素的综合影响程度，被影响度是指标体系中其他因素对某一因素的综合影响程度，中心度的大小代表该指标影响效果的重要性，中心度越大，表明该指标越重要。原因度用以区分原因因素和结果因素，若原因度大于0，则该指标为原因因素，表示该指标对其他指标影响作用较为明显，反之，则为结果因素，表示该指标受其他指标影响作用较为明显。2、实证分析2.1陕西省制造业低碳经济影响因素的确定制造业低碳经济发展受其影响因素的促进或制约，由于各种影响因素之间的相互作用，会产生一定的正面或负面效果。根据联合国可持续发展委员会（UNCSD)1995年提出的驱动力-状态-响应模型（DrivingForce、Status、Response，简称DSR模型），本文将影响区域制造业低碳经济发展的影响因素分为了驱动力（D）、状态（S）、响应（R）三个层次。在DSR模型的基础上，归纳总结文献研究18,19,20,21,22,23,24,25,26，得出区域制造业低碳经济发展的影响因素，具体如表1所示。2.2数据来源及计算结果本文选取20072016年陕西省制造业经济水平、技术水平和环境水平为研究对象，按照已确定的区域制造业低碳经济的影响因素，在陕西省统计年鉴和统计公报、中国统计年鉴中国能源统计年鉴等资料中搜集整理各项基本数据。以影响因素中代表驱动力（D）、响应（R）的因素为输入神经元，代表状态（S）的因素为输出神经元，利用Matlab建立一个含单一隐层的BP神经网络，隐层神经元个数为23个，隐层激活函数选取，输出层激活函数选取。BP神经网络的训练方法选用引入动量项的自适应变速率梯度下降法，设置最大训练次数为1000次，运行Matlab进行神经网络训练，分别求得输入层与单隐层、单隐层与输出层之间的权值矩阵和向量，构建出输入因素之间的直接关联矩阵，最终得到的输入因素中心度和原因度见表2，输入因素因果关系见图1。表1区域制造业低碳经济发展的影响因素2.3结果分析根据原因度，将影响因素分为原因因素和结果因素两类，依据其作用机理，又可分别称为驱动型因素和特征型因素。此外，中心度代表了因素的重要性程度，因果关系图中可看出在驱动型因素和特征型因素的分布中均有中心度值远高于其他因素的情况。因此以全部因素中心度的标准差和均值之和作为边界27，大于该值的驱动型因素定义为强驱动型因素，小于该值的驱动型因素定义为普通驱动型因素；大于该值的结果型因素定义为强特征型因素，小于该值的结果型因素定义为普通结果型因素。Matlab计算得该边界值为11.9294。2.3.1强驱动型因素分析由表2计算结果和界限值对比可知，影响陕西省制造业低碳经济的强驱动型因素为空气中主要污染物排放量。该因素重要性最高，对其他因素的影响度最大，反映出空气中主要污染物排放量高低影响着陕西省的制造业低碳经济发展。低碳经济的主要特征是“三低”，即低污染、低排放和低能耗，减少大气污染物排放反映了低碳经济的本质特征和内容，是低碳经济发展的核心驱动。制造业在实现经济产出稳定的情况下，向大气排放主要污染物会降低空气质量，直接破坏生态环境，阻碍低碳经济发展；所以保证经济发展，降低大气主要污染物排放，能够实现经济向低污染方向发展，缓解日益突出的环境问题。表2陕西省制造业低碳经济影响因素中心度和原因度图1因果关系2.3.2普通驱动型因素分析陕西省制造业低碳经济普通驱动型因素按重要性排分别为制造业增加值、制造业固定资产投资额、制造业煤炭消费占能源消费总量比重、制造业低碳能源消费占能源消费总量比重和制造业就业人员数。制造业增加值、制造业固定资产投资额和制造业就业人员数一定程度上代表了制造业总体发展水平，制造业发展到一定程度时，制造业经济水平会受传统高碳发展模式的制约，在提升经济效益这一企业经营内在动力驱使下，企业会主动关注低碳技术动态，接受低碳经济及相关观念，主动做出符合低碳发展的改变，从而推动制造业低碳经济水平的快速提升。制造业煤炭消费占能源消费总量比重降低能极大地降低二氧化碳的排放量，因为煤炭能源碳排放系数高，燃煤所排放的二氧化碳会远高于燃烧其他化石燃料的排放量，因此，该因素是陕西省制造业发展低碳经济的重点实践方向。制造业低碳能源消费占能源消费总量比重所发挥的效用与制造业煤炭消费占能源消费总量比重相反，提升制造业低碳能源消费占能源消费总量比重，有利于实现节能减排，是实现提升陕西省制造业经济绿色可持续发展水平的重要途径。2.3.3强特征型因素陕西省制造业低碳经济的强驱动因素是制造业R&D经费内部支出占地区生产总值比重、制造业出口交货值，这两种因素易受其他因素变化的影响且中心度较大。制造业作为陕西省经济发展的支柱产业，节能减排压力大，以往的粗放型生产模式对生态环境造成了严重的破坏，为了保持经济发展速度和居民生活质量，制造业走低碳发展之路必然要采用先进的污染物处理技术和能源利用效率提升技术，而提升技术水平最直接的手段就是提高R&D经费的投入。大气污染物排放量多、制造业增加值少等驱动型因素都促进着陕西省主动提升制造业R&D经费内部支出占地区生产总值比重，以达到绿色低碳发展实体经济的目的。制造业进出口交货值是陕西省制造业产品国际竞争力的集中体现，在国际社会主流追捧低碳产品的背景下，行业产品若存在高污染、高能耗的标签，会严重影响进