京津冀及周邊地區碳排放驅動因素的貢獻作用及其政策含義……

陳永國　褚尚軍　聶銳

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

關鍵詞：碳排放驅動因素；STIRPAT-Regression模型；區域協同控制；低碳經濟；節能環保；跨區域碳排放交易

中圖分類號：F062.2 文獻標識碼：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]，京津冀及周邊地區的持續霧霾天氣，使得區域協同控制碳排放的任務尤為迫切。環保部、工信部等國務院相關部門出臺了《京津冀及周邊地區落實大氣污染防治行動計劃實施細則》等文件。企業已開展實質性合作，節能低碳環保產業聯盟簽約的金額約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域碳排放權交易市場建設，待成熟后全面推廣。學術界也對本區域的碳排放問題開展了研究：王佳、于維洋[2]對驅動因子進行了分析，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]探討了低碳經濟視角下的產業協作模式，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模型得到廣泛應用[6]，我們稱之為STIRPAT-LMDI模型。LMDI法的優點是完全分解，但其缺點是各因素每年所占的權重不同，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動因素的經典STIRPAT模型的基礎上，設計了測算區域中長期碳排放驅動因素的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的個體模型和區域模型的集成分析，得出了各驅動因素的貢獻和作用，并解釋了實證結果的政策含義。

二、模型設計

（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，參數a為擬合模型的常數項，β1、β2、β3為相應人口、人均財富和技術的指數值，？淄為隨機誤差項。

盡管這幾個模型聯系緊密，都采用了因素分解的思路，但也有區別。IPAT（包括STIRPAT模型）與Kaya恒等式的區別是，后者是以國內生產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模型中驅動因素的估計參數β1、β2、β3可以是任何數，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來說，區域內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動因素模型，即三省兩市一區的個體模型如下：

京津冀及周邊地區能否建立區域模型，取決于三省二市一區是否有合作基礎和共同利益，否則單憑地理位置相鄰便建立區域模型容易產生缺乏現實依據的偽回歸。由于京津冀及周邊地區存在各種相互需求[11]，正在向基礎設施銜接、支柱產業配套、新興產業共建、一般產業互補的分工協作體系邁進[12]，因此本區域的各驅動因素間有緊密聯系，可以假設把各個行政單元內的驅動因素進行累加，從而得到區域模型，形式如下：

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

（三）貢獻和作用的判斷

各驅動因素對碳排放的偏彈性系數我們稱之為該因素對碳排放的貢獻，如果偏彈性系數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。偏彈性系數的數值大小體現了貢獻的作用大小。

三、數據來源與處理

（一）數據來源

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。原始數據來源于《新中國六十年統計資料匯編》，北京、天津、河北、山東、內蒙古和山西的統計年鑒（2012）。煤炭、天然氣和石油的二氧化碳排放系數取國家溫室氣體排放指南、國家發改委能源研究所、國家科委氣候變化項目和電子工業協會測算結果的平均數，分別為2.661 5、1.518 8和2.010 5。河北省的統計年鑒中有分能源品種的消費量，故直接計算。其他幾個地區的能源數據有些年度不全，對沒有分能源品種的碳排放量的年度數據，通過有分能源品種年度計算綜合能源碳排放系數的方法進行估算。北京、天津、山東、內蒙古的綜合能源碳排放系數分別為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據口徑為常住人口，河北、山東、內蒙古的人口數據口徑為戶籍人口。

（二）數據處理

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性。這種牽一發而動全身本是因素分解法的長處，但在取對數以后的回歸方程中便表現為多重共線性的缺點。發揮因素分解法的優點與消除回歸方程缺點的關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，當自變量間存在多重共線性時，|XTX|≈0，給XTX加上一個正常數矩陣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，從而降低其病態程度，使得求逆運算相對穩定，過程如下：

（6）式為β的嶺回歸估計，其中K為嶺參數，當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，回歸模型越穩定，因此K值的選擇是在理論定性推理與數據定量分析相結合的基礎上的有偏判斷值。

四、實證分析

（一）平穩性檢驗

由于技術進步、經濟發展和人口增長，碳排放各驅動因素的時間序列是不平穩的，但它們的線性組合卻有可能是平穩序列。如果存在這種平穩線性組合形成的協整方程，那么該方程便可解釋這幾個變量間長期穩定的均衡關系，即是否存在這種長期均衡關系是我們研究各驅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性檢驗。

通常我們在檢驗時間序列是否平穩的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，除內蒙古以外，其他5省市的原序列為非平穩序列，經過一階差分后得到平穩序列，而內蒙古的log（A）非一階差分平穩序列。如果將這6省市區放在一起研究有可能產生“偽結果”，因而以下研究時筆者并未將內蒙古與其他5個省市放在一起研究。不包括內蒙古的本地區4個指標的匯總數據同樣采用DF-GLS（ERS）檢驗法，得到一階差分平穩數據。

（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。經驗判斷方法表明：當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得到的系數結果有標準化和非標準化之別。標準化回歸系數代替了不同量綱帶來的變換，有利于消除變量的數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動因素對碳排放增長的貢獻作用，進而分析回歸結果的政策含義，因而采用了標準化回歸系數。實證回歸結果見表3。

1. 從回歸系數的顯著性和符號看，北京、天津、河北、山西和京津冀晉的人口增長、經濟增長和技術進步對碳排放增速的影響都在統計上是顯著的，其中人口和經濟的增速對碳排放增速的影響是正向貢獻，技術進步對碳排放呈負向貢獻。山東省的技術進步對碳排放增速的影響在統計上不顯著，且擬合程度較差（調整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動因素對整體區域碳排放的影響。

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

五、結果討論與政策含義

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

（一）結果討論

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]學者認為人口數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系。京津冀及周邊地區的人口增速對碳排放增速同樣是正向顯著的，但與這些學者研究結論不同的地方是，本區域人口增速對碳排放增速是缺乏彈性（偏彈性系數<1）。其中，天津市的人口增速對碳排放的驅動作用最大，北京市的人口增速與經濟增長相當，河北、山西和整個區域的人口增速的作用相對較小。

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

3. 技術進步率對碳排放是負向貢獻但作用最小。技術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。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[18]，由能源的回彈效應直接產生了碳排放的回彈效應。碳排放的回彈效應是指技術進步形成的碳排放效率的提高與碳排放量之間的悖論現象：技術進步不僅沒有降低碳排放，反而造成了碳排放的增加。實證分析結果表明，本區域沒有回彈效應。北京的碳排放技術進步率對控制碳增速的作用較明顯，北京的技術每進步1%，其碳排放減少0.21%。山西、河北和天津的作用較小。山東的技術進步率對控制碳增速缺乏統計上的顯著性，京津冀晉整體上的技術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. 內蒙古和山東需要特殊對待。內蒙古和山東的碳排放增長與其他省市的特點不同：內蒙古的增長速度最快，是非平穩數據；山東是我國最大的碳排放地區，技術進步對控制碳排放缺乏統計上的顯著性。在京津冀協同發展上升到重大國家戰略的背景下，為了減少國家戰略執行中的不確定性，建議國務院相關部門修訂京津冀及周邊地區的范圍，將山東和內蒙古不包括在本區域；如果繼續保留京津冀及周邊地區的提法，則在制訂政策時將山東和內蒙古單列。

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。盡管各省區市都完成了考核任務，但大氣污染的嚴峻形勢表明，以提高經濟增速的方式只能完成行政考核但解決不了環境問題[19]。河北和山西的經濟增長仍然呈高碳態勢：在推動碳排放增長中，經濟增長起主要正向貢獻且作用較大，而技術進步的負向貢獻作用較小。受此影響，京津冀晉地區的經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控制碳排放有重要現實意義。

4. 推動京津低碳技術擴散。京津的低碳技術進步對整個區域控制碳排放有溢出效應。在驅動碳排放增長的各因素中，整個區域的技術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向周邊地區擴散。

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.京津冀區域C排放量驅動因子分析[J].統計與決策，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].工業技術經濟，2013，（1）：11-19.

[4]孫乾.低碳經濟視角下京津冀產業分工合作初探[D].石家莊：河北經貿大學，2011.

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

[6]金樂琴，吳慧穎.中國碳排放的區域異質性及減排對策[J].經濟與管理，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.京津冀區域經濟協作與發展[M].北京：中國市場出版社，2006.

[12]紀良綱，曉國.京津冀產業梯度轉移與錯位發展[J].河北學刊，2004，（6）：198-201.

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

[14]房林，鄒衛星.多種單位根檢驗法的比較研究[J].數量經濟技術經濟研究，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.能源回彈效應測算的改進模型及其實證研究[J].管理學報，2008，（5）：688-691.

[19]陳永國，褚尚軍，聶銳.我國產業結構與碳排放強度的演進關系[J].河北經貿大學學報，2013，（2）：54-59.

責任編輯、校對：張增強