京津冀及周邊地區(qū)碳排放驅(qū)動因素的貢獻作用及其政策含義……

陳永國　褚尚軍　聶銳

摘要：京津冀及周邊地區(qū)的霧霾天氣使得控制碳排放的任務(wù)尤為迫切。在STIRPAT-Regression模型框架內(nèi)，建立了碳排放驅(qū)動因素的個體模型和區(qū)域模型。對這兩個模型利用嶺回歸方法，分析了本區(qū)域碳排放驅(qū)動因素的貢獻和作用。結(jié)果表明：經(jīng)濟增速對碳排放的擴大起到了正向貢獻且作用最大，使得該區(qū)域整體處在碳排放“倒U型曲線”的左側(cè)；技術(shù)進步率對碳排放是負向貢獻但作用最小；人口增速對各省區(qū)市的碳排放有正向貢獻然而作用不同。實證結(jié)果的政策含義是國務(wù)院相關(guān)部門通過制定統(tǒng)籌兼顧的協(xié)同政策來控制本區(qū)域的碳排放。

關(guān)鍵詞：碳排放驅(qū)動因素；STIRPAT-Regression模型；區(qū)域協(xié)同控制；低碳經(jīng)濟；節(jié)能環(huán)保；跨區(qū)域碳排放交易

中圖分類號：F062.2 文獻標(biāo)識碼：A 文章編號：1007-2101（2016）01-0102-05

一、引言

大氣污染和氣候變化很大程度上都是由化石能源的燃燒排放物造成的[1]，京津冀及周邊地區(qū)的持續(xù)霧霾天氣，使得區(qū)域協(xié)同控制碳排放的任務(wù)尤為迫切。環(huán)保部、工信部等國務(wù)院相關(guān)部門出臺了《京津冀及周邊地區(qū)落實大氣污染防治行動計劃實施細則》等文件。企業(yè)已開展實質(zhì)性合作，節(jié)能低碳環(huán)保產(chǎn)業(yè)聯(lián)盟簽約的金額約200億元；河北省已選擇承德市作為試點，與北京正式啟動跨區(qū)域碳排放權(quán)交易市場建設(shè)，待成熟后全面推廣。學(xué)術(shù)界也對本區(qū)域的碳排放問題開展了研究：王佳、于維洋[2]對驅(qū)動因子進行了分析，王喜平等人[3]比較了碳排放約束下的全要素能源效率，孫乾等人[4]探討了低碳經(jīng)濟視角下的產(chǎn)業(yè)協(xié)作模式，王錚等人[5]估計了碳排放趨勢。

近些年研究碳排放驅(qū)動因素主要采用的是STIPAT模型（含IPAT模型）。在Ang（1997）的貢獻下，把LMDI法嵌入STIRPAT模型得到廣泛應(yīng)用[6]，我們稱之為STIRPAT-LMDI模型。LMDI法的優(yōu)點是完全分解，但其缺點是各因素每年所占的權(quán)重不同，需要進行逐年或者分時段的分析[7]。筆者在沿襲影響碳排放驅(qū)動因素的經(jīng)典STIRPAT模型的基礎(chǔ)上，設(shè)計了測算區(qū)域中長期碳排放驅(qū)動因素的STIRPAT-Regression模型，克服了逐年分析的缺陷。通過對京津冀及周邊地區(qū)的個體模型和區(qū)域模型的集成分析，得出了各驅(qū)動因素的貢獻和作用，并解釋了實證結(jié)果的政策含義。

二、模型設(shè)計

（一）模型述評

式中，CO2是二氧化碳排放量，P表示人口，A表示人均財富，T表示技術(shù)，參數(shù)a為擬合模型的常數(shù)項，β1、β2、β3為相應(yīng)人口、人均財富和技術(shù)的指數(shù)值，？淄為隨機誤差項。

盡管這幾個模型聯(lián)系緊密，都采用了因素分解的思路，但也有區(qū)別。IPAT（包括STIRPAT模型）與Kaya恒等式的區(qū)別是，后者是以國內(nèi)生產(chǎn)總值為核心展開的分解，前者是以人口為核心展開的分解。這個不同是由二者解決不同問題所決定的，前者是在分析人口大量增長對資源環(huán)境造成什么沖擊時提出的，而后者是Kaya為了促使人們意識到保證經(jīng)濟增長且降低二氧化碳排放量的困難性時提出的。IPAT與STIRPAT模型的不同地方是，STIRPAT模型中驅(qū)動因素的估計參數(shù)β1、β2、β3可以是任何數(shù)，而前者的β1、β2、β3都等于1，可見IPAT模型是STIRPAT模型的特例。

（二）STIRPAT-Regression模型

對京津冀及周邊地區(qū)來說，區(qū)域內(nèi)的任何一個行政單元，都可以用式（3）得到本行政單元的碳排放驅(qū)動因素模型，即三省兩市一區(qū)的個體模型如下：

京津冀及周邊地區(qū)能否建立區(qū)域模型，取決于三省二市一區(qū)是否有合作基礎(chǔ)和共同利益，否則單憑地理位置相鄰便建立區(qū)域模型容易產(chǎn)生缺乏現(xiàn)實依據(jù)的偽回歸。由于京津冀及周邊地區(qū)存在各種相互需求[11]，正在向基礎(chǔ)設(shè)施銜接、支柱產(chǎn)業(yè)配套、新興產(chǎn)業(yè)共建、一般產(chǎn)業(yè)互補的分工協(xié)作體系邁進[12]，因此本區(qū)域的各驅(qū)動因素間有緊密聯(lián)系，可以假設(shè)把各個行政單元內(nèi)的驅(qū)動因素進行累加，從而得到區(qū)域模型，形式如下：

式中，Β1、Β2、Β3分別是整體區(qū)域的人口、人均GDP、技術(shù)的偏彈性系數(shù)，下標(biāo)分別表示三省兩市一區(qū)。

（三）貢獻和作用的判斷

各驅(qū)動因素對碳排放的偏彈性系數(shù)我們稱之為該因素對碳排放的貢獻，如果偏彈性系數(shù)的符號與碳排放量的符號相同，我們稱之為正向貢獻；如果符號相反，則稱之為負向貢獻。偏彈性系數(shù)的數(shù)值大小體現(xiàn)了貢獻的作用大小。

三、數(shù)據(jù)來源與處理

（一）數(shù)據(jù)來源

本文測算的二氧化碳排放量限定在燃燒化石能源造成的排放。原始數(shù)據(jù)來源于《新中國六十年統(tǒng)計資料匯編》，北京、天津、河北、山東、內(nèi)蒙古和山西的統(tǒng)計年鑒（2012）。煤炭、天然氣和石油的二氧化碳排放系數(shù)取國家溫室氣體排放指南、國家發(fā)改委能源研究所、國家科委氣候變化項目和電子工業(yè)協(xié)會測算結(jié)果的平均數(shù)，分別為2.661 5、1.518 8和2.010 5。河北省的統(tǒng)計年鑒中有分能源品種的消費量，故直接計算。其他幾個地區(qū)的能源數(shù)據(jù)有些年度不全，對沒有分能源品種的碳排放量的年度數(shù)據(jù)，通過有分能源品種年度計算綜合能源碳排放系數(shù)的方法進行估算。北京、天津、山東、內(nèi)蒙古的綜合能源碳排放系數(shù)分別為2.427 6、2.350 9、2.519 4、2.554 9，山西省的二氧化碳用煤和石油消費量估算。

GDP是以1990年為不變價的實際GDP；北京、天津和山西的人口數(shù)據(jù)口徑為常住人口，河北、山東、內(nèi)蒙古的人口數(shù)據(jù)口徑為戶籍人口。

（二）數(shù)據(jù)處理

1. 消除共線性。由于模型中自變量的選擇是通過因素分解法獲得的，因而自變量間有可能有相關(guān)性。這種牽一發(fā)而動全身本是因素分解法的長處，但在取對數(shù)以后的回歸方程中便表現(xiàn)為多重共線性的缺點。發(fā)揮因素分解法的優(yōu)點與消除回歸方程缺點的關(guān)鍵在于消除多重共線性。消除多重共線性的辦法有逐步回歸法、主成分法、偏最小二乘法、剔除法、嶺回歸法等，這些方法至今還沒有哪一個方法占絕對優(yōu)勢，但嶺回歸是最有影響的一種估計方法[13]。本文采用嶺回歸的方法。

嶺回歸（Ridge Regression，RR）是由Hoerl和Kennard在1970年提出。對于多元線性回歸模型Y=Xβ+ε，當(dāng)自變量間存在多重共線性時，|XTX|≈0，給XTX加上一個正常數(shù)矩陣KI（K>0），那么XTX+KI接近奇異的程度就比XTX接近奇異的程度小得多，從而降低其病態(tài)程度，使得求逆運算相對穩(wěn)定，過程如下：

（6）式為β的嶺回歸估計，其中K為嶺參數(shù)，當(dāng)K=0時，嶺回歸估計就是普通最小二乘估計。K值越小，回歸模型越逼近，K值越大，回歸模型越穩(wěn)定，因此K值的選擇是在理論定性推理與數(shù)據(jù)定量分析相結(jié)合的基礎(chǔ)上的有偏判斷值。

四、實證分析

（一）平穩(wěn)性檢驗

由于技術(shù)進步、經(jīng)濟發(fā)展和人口增長，碳排放各驅(qū)動因素的時間序列是不平穩(wěn)的，但它們的線性組合卻有可能是平穩(wěn)序列。如果存在這種平穩(wěn)線性組合形成的協(xié)整方程，那么該方程便可解釋這幾個變量間長期穩(wěn)定的均衡關(guān)系，即是否存在這種長期均衡關(guān)系是我們研究各驅(qū)動因素貢獻作用的充分條件，因而需要先對這幾個變量進行平穩(wěn)性檢驗。

通常我們在檢驗時間序列是否平穩(wěn)的ADF、PP檢驗在小樣本中的檢驗功效明顯下降，由于本文的研究期較短且各變量在研究期（1990—2011年）有確定趨勢，因而采用檢驗功效明顯較高的DF-GLS（ERS）檢驗法[14]。

表1表明，除內(nèi)蒙古以外，其他5省市的原序列為非平穩(wěn)序列，經(jīng)過一階差分后得到平穩(wěn)序列，而內(nèi)蒙古的log（A）非一階差分平穩(wěn)序列。如果將這6省市區(qū)放在一起研究有可能產(chǎn)生“偽結(jié)果”，因而以下研究時筆者并未將內(nèi)蒙古與其他5個省市放在一起研究。不包括內(nèi)蒙古的本地區(qū)4個指標(biāo)的匯總數(shù)據(jù)同樣采用DF-GLS（ERS）檢驗法，得到一階差分平穩(wěn)數(shù)據(jù)。

（二）模型共線性診斷

筆者用方差膨脹因子（Variance inflation factor，VIF）來診斷方程是否存在共線性。方差膨脹因子由Marquardt于1960年提出。經(jīng)驗判斷方法表明：當(dāng)0

（三）回歸分析

為了克服共線性，我們采用了spss軟件中的嶺回歸方法。spss得到的系數(shù)結(jié)果有標(biāo)準(zhǔn)化和非標(biāo)準(zhǔn)化之別。標(biāo)準(zhǔn)化回歸系數(shù)代替了不同量綱帶來的變換，有利于消除變量的數(shù)量級不同帶來的誤差，能夠直接判斷哪個因素對因變量變化的貢獻和作用大小。由于本文的研究目的是探討各驅(qū)動因素對碳排放增長的貢獻作用，進而分析回歸結(jié)果的政策含義，因而采用了標(biāo)準(zhǔn)化回歸系數(shù)。實證回歸結(jié)果見表3。

1. 從回歸系數(shù)的顯著性和符號看，北京、天津、河北、山西和京津冀晉的人口增長、經(jīng)濟增長和技術(shù)進步對碳排放增速的影響都在統(tǒng)計上是顯著的，其中人口和經(jīng)濟的增速對碳排放增速的影響是正向貢獻，技術(shù)進步對碳排放呈負向貢獻。山東省的技術(shù)進步對碳排放增速的影響在統(tǒng)計上不顯著，且擬合程度較差（調(diào)整R2僅0.76）。為了在同一約束條件下進行比較，我們排除了山東省的驅(qū)動因素對整體區(qū)域碳排放的影響。

2. 從糾偏系數(shù)的比較來看，在個體模型中，北京市糾偏系數(shù)的絕對值最大，也就是說，在同樣的精確性下，北京市的估計系數(shù)更可靠，誤差更小。山東省的糾偏系數(shù)的絕對值最小，相應(yīng)地其標(biāo)準(zhǔn)差（0.12）也最大。

五、結(jié)果討論與政策含義

STIRPAT-Regression模型本質(zhì)上反映了以人口為核心的社會、以人均GDP為核心的經(jīng)濟、以碳強度為核心的技術(shù)是“社會─經(jīng)濟─技術(shù)”三位一體的區(qū)域碳排放驅(qū)動系統(tǒng)的具體表現(xiàn)，三者通過一個子系統(tǒng)（驅(qū)動因素）的改變必然導(dǎo)致其他系統(tǒng)（驅(qū)動因素）改變的方式影響碳排放量。

（一）結(jié)果討論

1. 人口增速對碳排放有正向貢獻但作用不同。人口對碳排放有較大影響，Eugene A等[15]學(xué)者認為人口數(shù)量對碳排放量是正向的、顯著的，二者基本上是單位彈性或富有彈性關(guān)系。京津冀及周邊地區(qū)的人口增速對碳排放增速同樣是正向顯著的，但與這些學(xué)者研究結(jié)論不同的地方是，本區(qū)域人口增速對碳排放增速是缺乏彈性（偏彈性系數(shù)<1）。其中，天津市的人口增速對碳排放的驅(qū)動作用最大，北京市的人口增速與經(jīng)濟增長相當(dāng)，河北、山西和整個區(qū)域的人口增速的作用相對較小。

2. 經(jīng)濟增速對碳排放的擴大起到了正向貢獻且作用最大。碳排放與經(jīng)濟發(fā)展的關(guān)系受到學(xué)者的廣泛關(guān)注。Selden、Galeotti等人認為存在CO2的Kuznets曲線（CKC曲線）[16]，但也有學(xué)者認為不存在CKC曲線[17]。本文實證分析結(jié)果表明，京津冀及周邊地區(qū)的人均GDP增速與碳排放的增速呈同向關(guān)系，處于倒“U”曲線的左側(cè)，這與Selden等人的結(jié)論一致。其中，河北、山西和京津冀晉整個區(qū)域的經(jīng)濟增速對碳排放增加的作用最大，天津和北京的經(jīng)濟增長的作用低于人口增速的作用。

3. 技術(shù)進步率對碳排放是負向貢獻但作用最小。技術(shù)進步對碳排放的貢獻是一個有爭議的話題，其爭議的核心在于是否存在能源的回彈效應(yīng)。碳排放是由化石能源的燃燒引起的，而化石能源的消費有可能存在回彈效應(yīng)[18]，由能源的回彈效應(yīng)直接產(chǎn)生了碳排放的回彈效應(yīng)。碳排放的回彈效應(yīng)是指技術(shù)進步形成的碳排放效率的提高與碳排放量之間的悖論現(xiàn)象：技術(shù)進步不僅沒有降低碳排放，反而造成了碳排放的增加。實證分析結(jié)果表明，本區(qū)域沒有回彈效應(yīng)。北京的碳排放技術(shù)進步率對控制碳增速的作用較明顯，北京的技術(shù)每進步1%，其碳排放減少0.21%。山西、河北和天津的作用較小。山東的技術(shù)進步率對控制碳增速缺乏統(tǒng)計上的顯著性，京津冀晉整體上的技術(shù)進步率對碳排放是負向貢獻但在三個因素中的作用最小。

（二）政策含義

1. 內(nèi)蒙古和山東需要特殊對待。內(nèi)蒙古和山東的碳排放增長與其他省市的特點不同：內(nèi)蒙古的增長速度最快，是非平穩(wěn)數(shù)據(jù)；山東是我國最大的碳排放地區(qū)，技術(shù)進步對控制碳排放缺乏統(tǒng)計上的顯著性。在京津冀協(xié)同發(fā)展上升到重大國家戰(zhàn)略的背景下，為了減少國家戰(zhàn)略執(zhí)行中的不確定性，建議國務(wù)院相關(guān)部門修訂京津冀及周邊地區(qū)的范圍，將山東和內(nèi)蒙古不包括在本區(qū)域；如果繼續(xù)保留京津冀及周邊地區(qū)的提法，則在制訂政策時將山東和內(nèi)蒙古單列。

2. 控制北京和天津的人口增速。北京1990—2011年的人口增長了1.86倍，天津增長了1.70倍，這兩個超大城市如果人口按照過去的速度增加，則對控制碳排放形成更大壓力，其技術(shù)進步對碳排放的貢獻將會被人口的膨脹所吞噬。

3. 控制河北和山西的高碳經(jīng)濟增速。為了遏制碳排放的無序增長，我國采取了GDP碳強度的考核辦法。盡管各省區(qū)市都完成了考核任務(wù)，但大氣污染的嚴(yán)峻形勢表明，以提高經(jīng)濟增速的方式只能完成行政考核但解決不了環(huán)境問題[19]。河北和山西的經(jīng)濟增長仍然呈高碳態(tài)勢：在推動碳排放增長中，經(jīng)濟增長起主要正向貢獻且作用較大，而技術(shù)進步的負向貢獻作用較小。受此影響，京津冀晉地區(qū)的經(jīng)濟增速對控制碳排放增速的貢獻也最大，因而控制河北和山西的高碳增長對本地區(qū)控制碳排放有重要現(xiàn)實意義。

4. 推動京津低碳技術(shù)擴散。京津的低碳技術(shù)進步對整個區(qū)域控制碳排放有溢出效應(yīng)。在驅(qū)動碳排放增長的各因素中，整個區(qū)域的技術(shù)進步率小于北京和天津的作用，但大于河北和山西的作用。今后各地應(yīng)通過促進人才流動、共享科技資源等方式推動京津的先進技術(shù)向周邊地區(qū)擴散。

參考文獻：

[1]丁一匯，等.空氣污染與氣候變化[J].氣象，2009，（3）：3-14.

[2]王佳，于維洋.京津冀區(qū)域C排放量驅(qū)動因子分析[J].統(tǒng)計與決策，2012，（1）：114-116.

[3]王喜平，孟明，劉劍，蔣理.碳排放約束下京津冀都市圈全要素能源效率研究[J].工業(yè)技術(shù)經(jīng)濟，2013，（1）：11-19.

[4]孫乾.低碳經(jīng)濟視角下京津冀產(chǎn)業(yè)分工合作初探[D].石家莊：河北經(jīng)貿(mào)大學(xué)，2011.

[5]王錚，劉曉，朱永彬，黃蕊.京、津、冀地區(qū)的碳排放趨勢估計[J].地理與地理信息科學(xué)，2012，（1）：84-89.

[6]金樂琴，吳慧穎.中國碳排放的區(qū)域異質(zhì)性及減排對策[J].經(jīng)濟與管理，2013，（11）：83-87.

[7]林伯強，劉希穎.中國城市化階段的碳排放：影響因素和減排策略[J].經(jīng)濟研究.2010，（8）：66-78.

[8]Ehrlich P.， Holden J.A bulletin dialogue on the ‘closing circle：critique：One-dimensional ecology[J].Bulletin of the Atomic Scientists，1972，（5）：16-27.

[9]Kaya Y.Impact of Carbon Dioxide Emission Control on GNP Growth：Interpretation of Proposed Scenarios [C].Presented at the IPCC Energy and Industry Subgroup.Paris：Response Strategies Working Group，1990.

[10]Dietz T.，Rosa E. A.Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences，1997，（1）：175-179.

[11]于刃剛，戴宏偉.京津冀區(qū)域經(jīng)濟協(xié)作與發(fā)展[M].北京：中國市場出版社，2006.

[12]紀(jì)良綱，曉國.京津冀產(chǎn)業(yè)梯度轉(zhuǎn)移與錯位發(fā)展[J].河北學(xué)刊，2004，（6）：198-201.

[13]何曉群，劉文卿.應(yīng)用回歸分析（第三版）[M].北京：中國人民大學(xué)出版社，2012.

[14]房林，鄒衛(wèi)星.多種單位根檢驗法的比較研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007，（1）：151-160.

[15]Eugene A.Rosa，Richard York，Thomas Dietz. Tracking the Anthropogenic Drivers of Ecological Impacts[J].A Journal of the Human Environment 2004，（8）：509- 512.

[16]Galeotti M，Lanza A.Desperately Seeking Environmental Kuznets [J].Environmental Modeling & Software，2005，（11）：1379-1388.

[17]He J，Richard P.Environmental Kuznets curve for CO2 in Canada[J].Ecological Economics，2010，（5）：1083-1093.

[18]王群偉，周德群.能源回彈效應(yīng)測算的改進模型及其實證研究[J].管理學(xué)報，2008，（5）：688-691.

[19]陳永國，褚尚軍，聶銳.我國產(chǎn)業(yè)結(jié)構(gòu)與碳排放強度的演進關(guān)系[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2013，（2）：54-59.

責(zé)任編輯、校對：張增強