基于分位數回歸的天津市二氧化碳排放影響因素研究*

劉 鑫，趙 濤

（天津大學管理與經濟學部，天津 300072）

1 文獻綜述

根據2012年《BP世界能源統計年鑒》［1］的數據，2011年中國已經成為世界最大的能源消費國，單位GDP產出消耗的能源為日本的5倍和美國的3倍，一次性能源消費總量中煤炭消費達7成，這些都凸顯出能源結構的不合理。要達到2020年單位GDP二氧化碳排放比2005年下降40%～45%的目標，找出一條行之有效的可持續發展之路是中國所面臨的當務之急。另一方面，進入新世紀以來，環渤海地區逐漸成為中國繼長三角、珠三角之后經濟發展的“第三極”，而天津作為北方經濟中心和國際港口城市，隨著濱海新區上升為國家戰略和加速開發開放，更是保持了至今連續4 a GDP增速全國第1名，人均GDP也在全國處于領先地位。但同樣的問題也在困擾著天津，根據2012年世界銀行《中國可持續性低碳城市發展》［2］報告，2010年天津人均CO2排放量達到11.1 t，CO2強度為2 316 t/106美元，這些指標達到了全球的最高水平。“十八大”報告首次將“生態文明”提升到“五位一體”的整體布局之中，并指出建設生態文明，是關系人民福祉、關乎民族未來的長遠大計。由此可見，分析并明確影響天津市CO2排放的因素進而有效地在保增長的同時降低排放量有著十分重要的現實意義。

近年來，很多國內外學者圍繞碳排放及其影響因素的研究發表了一系列的文章。I.Martínez-Zarzoso等［3］使用STIRPAT模型和歐盟國家1975—1999年數據對這些國家中人口增長對CO2排放的影響進行了研究，結果表明，新近加入歐盟的國家人口增長對排放的影響要比那些原有的歐盟成員國更大。H.N.Li等［4］使用Path-STIRPAT模型研究了影響中國CO2排放量的主要因素，結果顯示，人均GDP、技術水平、人口、城市化進程和工業結構是影響中國CO2排放量的主要因素。J.D.Kang等［5］使用LMDI方法研究了“十一五”期間中國30個省市的碳減排表現，得出天津市是“十一五”期間碳減排最好區域的結論。K.M.Wang［6］使用138個國家1971—2007年的數據，通過分位數面板數據回歸的方法實證分析了CO2排放和經濟增長之間的關系。李楠等［7］利用中國1995—2007年碳排放量、人口總數、人口的城市化率、老齡化率和反映人口消費結構的恩格爾系數、第二產業從業人口比重等時間序列數據，運用協整理論、格蘭杰因果檢驗和多元回歸模型對中國人口結構與碳排放量之間的關系做了實證分析。朱勤等［8］使用擴展的STIRPAT模型，應用嶺回歸方法分析了人口、消費及技術因素對碳排放的影響。王曾［9］基于中國1953—2008年時間序列數據，實證檢驗了碳排放與人力資本、技術進步、城市化率、城鄉收入差距、貿易開放度、最終消費率等因素的關系。李國志等［10］對中國30個省份CO2排放量進行了測算，并基于STIRPAT模型和面板數據的方法，分析了人口、經濟和技術對不同區域CO2排放的影響。

目前，針對CO2排放影響因素的分析還大多以國家、區域或行業作為對象進行研究，關注到某一省市特別是聚焦到天津的還比較少。筆者利用天津市1995—2009年數據，通過STIRPAT模型和分位數回歸的方法，實證分析了天津市CO2排放量與經濟、人口規模和科技進步等因素的關系，討論了在不同分位點上分別進行回歸分析得到的結果及其意義，并在此基礎上提出了相關政策建議。

2 模型建立和數據處理

P.R.Ehrlich等［11］于1971年提出了IPAT等式：

式中：I代表環境影響，P代表人口規模，A代表富裕程度，T代表技術水平。但其在應用上存在一定的局限，即只能改變其中某一個因素而保持其他因素不變來進行分析。為了保持等式平衡，得到的結果中各自變量等比例地影響因變量，這與實際情況存在著較大差異。在此基礎上，T.Dietz等［12］于1994年提出了公式（1） 的隨機模型，即STIRPAT模型：

公式（2）可以用來分析各因素對環境的非等

公式（3） 中均采用時間序列數據，t為數據年份；CO2t為當年的天津市CO2排放量；TEPt為當年的天津市社會從業人員；PAGt為當年的天津市國內3種專利申請授權數，這是因為考慮到授權的專利有實際應用性強、投產轉化快等特點，可以較好地反映該地區包括環境方面在內的技術水平。

為了數據的標準化和消除時間序列數據異方差的現象，將公式（3）中的各變量取對數得到公式（4）作為本研究的實證分析模型：

式中：誤差項et=lnεt。

本研究采用2011年國家發改委印發的《省級溫室氣體清單編制指南（試行）》中的核算方法，并參考《IPCC國家溫室氣體排放清單指南》中的相關內容和參數，分別計算了天津市1995—2009年各種能源的CO2排放量，并由此匯總形成了各年天津市CO2排放量數據，各項原始數據來源于歷年《天津統計年鑒》和《中國能源統計年鑒》。在此基礎上，匯總了1995—2009年天津市社會從業人員數TEP、天津市國內生產總值GDP和天津市國內3種專利申請授權數PAG作為研究數據。采用E-views6.0軟件進行計算和分析。

3 模型檢驗

3.1 平穩性檢驗

使用非平穩的時間序列數據進行回歸分析可能由于其共同的變化趨勢而產生虛假回歸等問題，因此首先要對數據進行單位根檢驗，以測試變量的平穩性。采用ADF單位根檢驗法對各變量及差分進行平穩性檢驗，最優滯后期由SC準則確定，檢驗結果如表1所示。比例影響。其中常數項a和P、A、T變量的指數b、c、d作為待估系數，ε是誤差項。

筆者依據公式（2） 建立了CO2排放量及其影響因素的應用模型：

表1 ADF單位根檢驗結果

通過檢驗結果可知，不能拒絕被解釋變量lnCO2的序列在1%的顯著性水平下是零階單整的，由于數據存在明顯隨時間上升的趨勢，且在包含趨勢項的ADF檢驗中顯著平穩，可以說明lnCO2t變量的序列是一個趨勢平穩過程。而3個解釋變量lnTEP、lnGDP和lnPAG的序列在10%的顯著性水平下都不能拒絕是一階單整的，說明其為差分平穩過程。而且各解釋變量的單整階數相同，均大于被解釋變量CO2的單整階數（0階），滿足各序列間存在協整關系的必要條件，可以進行協整性分析。

3.2 Johansen協整檢驗

由于TEP、GDP和PAG這3個解釋變量都是一階單整的，本研究選用Johansen檢驗的方法進行協整性分析。Johansen檢驗方法是S.Johansen等［13-14］于1990年提出的一種基于向量自回歸模型的多重協整檢驗方法，在對多變量協整的長期均衡關系檢驗上要優于Engle-Granger兩步法等方法，它不但能判定是否存在協整關系，還可以給出其存在的協整向量的個數。同樣采用SC準則確定檢驗的滯后階數，并考慮到樣本容量的可行性，檢驗結果如表2所示。

表2 Johansen協整檢驗結果

檢驗結果顯示：在5%的顯著性水平下拒絕了表2中的所有假設。即意味著該基于特征值軌跡的Johansen協整檢驗表明被解釋變量CO2與3個解釋變量TEP、GDP和PAG之間存在著4個協整向量。該結果可以說明解釋變量與被解釋變量之間存在著長期穩定的均衡關系。綜合前面的ADF平穩性檢驗的結果，模型（4）是適合進行回歸分析的。

4 分位數回歸及分析

分位數回歸的方法最早由R.Koenker等［15］于1978年提出，其模型是根據解釋變量在被解釋變量的各分位數點上分別進行回歸分析得到的，分位數回歸更能準確描述解釋變量對被解釋變量的變化范圍和條件分布等的影響。本研究中解釋變量向量設為Xt，系數向量設為β，模型（4）在進行分位數回歸時p分位點的系數向量β通過計算公式（5） 的最小值得到。

由于采用了加權殘差值之和的方法來估計回歸參數，分位數回歸具有更強的穩健型，并不需要隨機誤差項有很強的分布假設，也不易受異常值的影響，對正態性不強、數值較少或具有異方差性的估計量可以得到更好的回歸效果。R.Koenker等［16］于1999年參照最小二乘法中的擬合優度（R2），也相應地提出了分位數回歸中擬合優度的計算方法，同樣可以反映某一特定分位數點下的局部擬合效果。

天津市CO2排放影響因素模型的分位數回歸結果如表3所示，可以看到各分位數回歸模型調整后的擬合優度R2都在0.8左右，說明回歸結果對模型做出了比較好的解釋。各分位點上的系數大小反映了該因素對被解釋變量的影響。可以看到解釋變量中lnTEP對被解釋變量的影響要比另外2個解釋變量大。圖1～3分別給出了lnTEP、lnGDP和lnPAG的回歸系數隨0.05到0.95這19個分位點變化的趨勢，以便具體分析每個解釋變量分別對被解釋變量lnCO2的影響。

表3 分位數回歸結果

根據分位點回歸分析結果，TEP對CO2的影響是最大的，其回歸系數b在各分位點上均為正數。圖1反映了回歸系數b隨分位數點變化的情況，可以看到較低分位點上的系數要高于較高分位點上的，如在20分位點上，lnTEP回歸系數的值約是在80分位點上的2倍。而回歸系數在中間分位點上的值又要顯著大于在兩邊的值，說明在中位點附近TEP對CO2影響最為突出，如在55分位點上，回歸系數達到了最高值1.36，這說明在此情況下天津市社會從業人員TEP每增加1%天津市CO2排放量會增加1.36%。社會從業人員是人口的重要組成部分，其數據的變化較好地代表了人口規模的變動。人類的活動時刻消耗著能源和資源，所以人口規模的增加會導致CO2排放量的增長，N.Birdsall［17］還提出大量人口帶來的對森林和耕地等的破壞也是導致CO2排放量增加的一個重要原因。而相比較于農村和西部地區，天津較為富裕的生活環境和人們較高水平的生活水準也使得過度消費的現象更為普遍，越來越多的享樂型和非理性消費進一步擴大了人口因素對CO2排放量的影響。

圖1 lnTEP的回歸系數b隨分位點變化

從圖2中可以看出隨著分位數點的增加，lnGDP的回歸系數c總體呈下降趨勢。這反映了GDP在CO2較低的年份中對其有著較大的影響，即在此期間天津市國內生產總值的增長帶來了較高水平的CO2排放量增加。如在10分位點上，回歸系數達到了0.37，在35分位點上，回歸系數達到了其峰值0.38，說明天津市國內生產總值GDP每上漲1%會帶來CO2排放量分別為0.37%和0.38%的增長；而在較高的分位點上lnGDP對lnCO2的回歸系數很小，影響并不明顯。國內生產總值是衡量經濟發展最重要的指標之一，GDP可以較好的反映天津市當年的經濟狀況和發展水平。經濟的增長需要靠生產活動的支撐，而生產活動又是消耗能源產生CO2等溫室氣體的主要過程。G.M.Grossman等［18］曾經提出過經濟增長與環境指標之間呈現正相關再負相關的“倒U型”曲線關系，這一曲線也被稱為環境庫茲涅茨曲線。如果按此理論，在CO2排放量較高的年份，天津的經濟和環境指標間已經接近或達到環境庫茲涅茨曲線的頂點。這說明天津的經濟發展已經較為成熟，正在或接近擺脫單一、粗放的經濟增長拉動模式，但在峰值左右也意味著當前的經濟增長會對環境造成很大的壓力，圖2中50到70分位點之間回歸系數變化幅度很大也反映了這個問題，說明在CO2排放量水平常規年份中也要重視經濟因素對其的影響和變化。

圖2 lnGDP的回歸系數c隨分位點變化

從圖3中可以看出lnPAG的回歸系數d隨分位點的增加有明顯的上升趨勢，這與lnGDP的回歸系數變化趨勢相反。即天津市國內3種專利申請授權數PAG在天津市CO2排放量較低的年份對其增加的影響是不大的，甚至產生一定的抑制作用，如10分位點上，PAG每增加1%，CO2會降低0.056%；而隨著CO2排放水平的升高，PAG的影響也越來越大，如在90分位點上，回歸系數達到了0.36，即PAG每增加1%，CO2會增加0.36%。天津市國內3種專利申請授權數這一數據可以直觀地反映出天津市綜合技術水平進步的情況。技術進步帶來的能源效率的提高本應使得CO2排放量有所下降，然而技術進步導致了生產成本的大幅下降，消費者及行業行為的變化導致需求的增加使得生產規模擴大，產量大幅增加，因此其對CO2排放的影響由負變正。這一效應最早由J.D.Khazzoom［19］提出并稱之為“回彈效應”，T.Barker等［20］預測如果充分實施國際能源機構提高能源效率的相關技術建議，回彈效應將會在2020年抵消掉31%的潛在節能，這一比例在2030年更會達到52%。而對中國來說，回彈效應在過去30多a也一直在30%～80%的較高范圍內波動［21］。另外，鎖定效應也在制約著技術進步對于CO2減排的作用［22］，即工業化發展過程中對石油、煤炭等高排碳能源的過度依賴制約了低碳和可再生技術的發展和實施，這種狀態也被稱為技術-制度復合體（Tecno-Institutional Complex，TIC）。特別是對于天津這樣的老工業城市來說，突破技術上鎖定效應的瓶頸就會面臨更大的阻力，這一點從天津的一次能源消費中原煤和石油所占的高比重也可以發現。在圖3中55到60分位點間回歸系數的增長幅度很大，此后一直維持在較高水平且略有增加，這說明在此范圍內回彈效應和鎖定效應使得天津市的技術進步對CO2減排產生了較大的抑制作用。

5 結論與建議

通過對天津市CO2排放及其影響因素的STIRPAT應用模型的建立、數據的檢驗和分位數回歸分析，得到了以下結論：①天津市的CO2排放量和天津市社會從業人員TEP、天津市國內生產總值GDP及天津市國內3種專利授權申請數PAG之間存在長期穩定的均衡關系，TEP、GDP和PAG是影響天津市CO2排放的重要因素。②分位數回歸的結果顯示，人口因素在各分位點上相比另外2種因素都取得了更大的回歸系數，這表明其對天津市CO2排放產生了更大的影響，通過各分位點的比較又可以看出在中位點附近人口因素對CO2排放的影響最大；隨著CO2排放量的增加，經濟因素對其的影響會有所減少，這是因為天津的經濟發展較為成熟，處于環境庫茲涅茨曲線的中后期階段；技術因素的影響會隨著CO2排放量的增加而增加，說明了技術進步導致了供需平衡變化的“回彈效應”，這和技術-制度復合體帶來的“鎖定效應”一同對CO2的排放造成了較大的影響。針對本研究，要有效地降低天津市的CO2排放，需要做到以下幾個方面。

圖3 lnPAG的回歸系數d隨分位點變化

首先，要關注人口因素對CO2排放量的影響，特別是在排量適中的時段，在合理引入勞動力，支持天津高速發展的同時要防止城市過飽和，加強綠化并防止植被受到侵害。既保障人民的生活水平穩步提升也能切實抑制人們的過度消費和高碳生活方式，這就應該大力倡導低碳生活，營造低碳生活是一種時尚的生活方式的理念，讓人們真正理解并接受它。還應采取具體的措施引導人們改變固有的習慣，如采用低票價和營造好的乘車環境鼓勵人們選擇地鐵等公共交通出行代替私家車，設置階梯電價引導人們在夏天調高空調溫度等節電行為。

還應繼續加大力度實現經濟轉型，在保增長的同時切實關注經濟發展的質量，特別是在CO2排放量相對較少的年份中要更加關注經濟因素對其的影響。落實可持續發展的相關要求，實現產業的更新升級，轉變經濟增長方式，淘汰落后產能，并形成有效的監管體系。利用天津港等區域優勢，大力發展臨港物流等行業，利用好濱海新區的后發優勢，發揮金融中心、生態城等的作用實現經濟又好又快發展。繼續尋找創意產業和高科技產業等新的經濟增長點，在政策配套和人才引進等方面上給予扶持，使其形成產業集群和產業鏈，拉動國民經濟持續健康發展。改變過去單一追求經濟增長的目標，在經濟增長的同時更要保障人民幸福、生態和諧。

此外，要大力發展低碳和可再生能源技術，引進國外先進技術和鼓勵自主研發相結合，并在政策上支持其及時在生產流程中得到應用。要充分認識到技術進步對CO2排放影響的“雙刃劍”效應，特別要關注CO2排量較高的年份，合理運用稅收、價格等調控手段引導行業和消費者的行為和需求，從而削減不必要的生產規模，使得技術帶來的減排效應得以體現。升級產業結構，優化行政配置，建立更多的低碳產業鏈并推動高碳產業低碳化，突破TIC的鎖定效應。

本研究分析的3個解釋變量因素其實并不是孤立的，他們之間也存在著一定的聯系，共同對CO2排放造成影響。如果要進一步分析并消除內生性，可以采用如工具變量分位數回歸（IVPR）等方法進行研究。同時受到數據樣本量的制約，本研究結果也可能存在一定的局限性，可以采取諸如Bootstrap等方法對顯著性水平隨樣本容量增加的變化進行更詳細的分析。

［1］BP公司.BP世界能源統計年鑒［EB/OL］.［2012-06］.http：//www.bp.com/liveassets/bp_internet/china/bpchina_chinese/STAGING/local_assets/downloads_pdfs/Chinese_BP_StatsReview2012.pdf.

［2］世界銀行.2012中國可持續性低碳城市發展［M］.華盛頓：世界銀行，2012.

［3］Martínez-Zarzoso I，Bengochea-Morancho A，Morales-Lage R.The impact of population on CO2emissions：Evidence from European countries［J］.Environ Resour Econ，2007，38（4）：497-512.

［4］Li H N，Mu H L，Zhang M，et al.Analysis on influence factors of China’s CO2emissions based on Path-STIRPAT model［J］.Energ Policy， 2011， 39（11）：6906-6911.

［5］Kang J D，Zhao T，Ren X S，et al.Using decomposition analysis to evaluate the performance of China’s 30 provinces in CO2emission reductions over 2005—200 9［J］.Nat Hazards，2012，64 （2）：999-1013.

［6］Wang K M.The relationship between carbon dioxide emissions and economic growth：Quantile panel-type analysis［J］.Qual Quant，2013，47 （3）：1337-1366.

［7］李楠，邵凱，王前進.中國人口結構對碳排放量影響研究［J］.中國人口·資源與環境，2011，21（6）：19-23.

［8］朱勤，彭希哲，陸志明，等.人口與消費對碳排放影響的分析模型與實證［J］.中國人口·資源與環境，2010，20（2）：98-102.

［9］王曾.人力資本、技術進步與CO2排放關系的實證研究：基于中國1953—2008年時間序列數據的分析［J］.科技進步與對策，2010，27（22）：4-8.

［10］李國志，李宗植.中國二氧化碳排放的區域差異和影響因素研究［J］.中國人口·資源與環境，2010，20（5）：22-27.

［11］Ehrlich P R，Holdren J P.Impact of population growth［J］.Science，1971，171（3977）：1212-1217.

［12］Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology［J］.Human Ecol Rev，1994，1 （1）：277-300.

［13］Johansen S.Statistical analysis of cointegration vectors［J］.J Econ Dyn Control，1988，12 （2/3）：231-254.

［14］Johansen S，Juselius K.Maximum likelihood estimation and inference on cointegration：With applications to the demand for money［J］.Oxford B Econ Stat，1990，52 （2）：169-210.

［15］Koenker R，Bassett Jr G.Regression quantiles［J］.Econometrica，1978，46 （1）：33-50.

［16］Koenker R，Machado J A F.Goodness of fit and related inference processes for quantile regression［J］.J Am Stat Assoc，1999，94 （448）：1296-1310.

［17］Birdsall N.Another look at population and global warming［M］.World Bank Publications，1992.

［18］Grossman G M，Krueger A B.Environmental impacts of a North American free trade agreemen t［R］.National Bureau of Economic Research，1991.

［19］Khazzoom J D.Economic implications of mandated efficiency in standards for household appliances［J］.Energy J，1980，1 （4）：21-40.

［20］Barker T，Dagoumas A，Rubin J.The macroeconomic rebound effect and the world economy［J］.Energ Effic，2009，2 （4）：411-427.

［21］周勇，林源源.技術進步對能源消費回報效應的估算［J］.經濟學家，2007 （2）：45-52.

［22］Arthur W B.Competing technologies，increasing returns，and lock-in by historical events［J］.Econ J，1989，99 （394）：116-131.