基于STIRPAT模型的京津冀經濟圈人口因素對碳排放的影響研究

□趙 濤 林 朋 王雅楠

[天津大學 天津 300074]

基于STIRPAT模型的京津冀經濟圈人口因素對碳排放的影響研究

□趙 濤 林 朋 王雅楠

[天津大學 天津 300074]

應用STIRPAT模型研究1997～2012年京津冀經濟圈人口規模、人口結構、經濟水平及技術水平對碳排放的影響。結果表明，經濟水平、人口規模、城鎮化水平、人口年齡結構和人口就業結構促進碳排放增加，而平均家庭規模和能源強度對碳排放有抑制作用。此外，經濟水平是碳排放的主要驅動因素，平均家庭規模是主要抑制因素。人口結構因素方面，城鎮化進程的加速有利于能源消耗；人口年齡結構以增加勞動力供應及促進消費需求的方式促進碳排放增長；逐漸縮小的平均家庭規模導致人均能耗及家庭數量的增長，進而推動能源消耗增長；人口就業結構中工業部門就業率的增長導致碳排放的增加。結合研究結果和京津冀經濟圈的發展現狀，提出政策建議。

京津冀經濟圈；碳排放；人口；STIRPAT模型

京津冀經濟圈是我國北方經濟最活躍的地區，作為我國經濟的第三增長極，在經濟社會高速發展和轉變的同時，人口發展及居民能源消費模式正發生著深刻變革。根據《世界人口狀況2009》，溫室氣體排放量與人口增長速度、城鎮化水平、年齡構成、性別比例、家庭規模以及人均收入等因素存在內在聯系，會對環境變化產生深遠影響。依據發達國家能耗發展歷程，京津冀地區居民生活消費的直接與間接能源消耗也將超越產業部門，成為碳排放的主要增長點。人口因素對碳排放的影響研究逐漸成為一個重要的研究課題。

京津冀經濟圈總人口從1997年的0.87億人增加到2012年的1.08億人，增長了23.54%，同期碳排放量從1.46億噸上升到4.17億噸，增長了約1.9倍。而根據2014年中國低碳發展報告，京津冀地區到2017年需比2012年減少0.63億噸煤炭消耗和1.22億噸碳排放。人口規模的擴張以及由于生活水平提高導致的居民能源消費模式的改變，使京津冀經濟圈實現碳減排目標面臨巨大壓力。研究人口因素變化對碳排放的影響，既有助于深入研究環境變化壓力的人文因素，有利于進一步認識人類社會系統與自然系統的關系，同時可以提高政策制定的針對性和可操作性，對于京津冀地區實現低碳經濟及人類社會與自然和諧、可持續發展具有重要現實意義。

目前關于人口因素對碳排放影響研究主要是考察人口規模和人口結構因素對碳排放的影響。人口規模對碳排放影響方面，主要研究人口增長與碳排放的關系。Shi運用IPAT模型研究了1975～1996年間全球93個國家人口規模對碳排放的影響，發現碳排放對人口規模的彈性系數為1.42[1]。Cole等、Rosa等通過建立IPAT模型，研究全球人口總量變化與碳排放量變化的關系，測算得到了全球碳排放量對人口總量變化的彈性系數，分別為0.98與1.02[2～3]。運用Granger因果檢驗方法，Knapp等研究了1980～1989年全球人口與全球碳排放的因果關系。研究結果表明，人口與碳排放之間不存在長期的協整關系，但是全球人口數量是影響全球碳排放的主要因素之一[4]。

城鎮化是學者較早研究并與消費規模及消費結構高度相關的人口結構因素。運用STIRPAT模型，Martínez-Zarzoso等研究了1975～2003年發展中國家城鎮化與碳排放的關系，發現不同發展程度的國家存在不同的能效模式，同時城鎮化和碳排放之間呈現倒U型關系[5]。Ren等研究了山東省城鎮化水平對能源消耗和碳排放的影響，結果表明城鎮化發展有助于增加能源消耗和碳排放，并且中期對碳排放的影響要大于早期影響[6]。

年齡結構主要通過改變勞動力的供應并促進經濟發展的方式影響碳排放。通過將人口年齡結構變量引入能源——經濟增長模型，Dalton等考察了不同年齡組特征家庭的消費、儲蓄、資本形成及勞動力供給等狀況，采用動態一般均衡方法分析各變量間的互動關系[7]。研究結果表明，在人口壓力較小時，人口老齡化對長期碳排放有抑制作用，而且在一定條件下會超過技術進步與能源強度降低對碳排放的影響。彭希哲等應用STIRPAT模型分析了我國人口動態與碳排放的關系，發現年齡結構通過影響生產和消費模式直接影響碳排放，同時通過促進勞動力擴張進而推動經濟發展的方式增加碳排放[8]。

家庭規模對碳排放的影響主要反應為不同程度的家庭導致不同水平的能源效率。Jiang等研究了逐漸縮小的家庭規模對碳排放的影響，發現相對于個人而言，家庭是消費和生產的主要單位，在人口總量保持穩定的情況下，家庭規模的變化導致家庭戶總量隨之變化，因而對碳排放產生明顯影響[9]。Wang等通過研究發現逐漸縮小的家庭規模并不意味著能源效率的降低，在特定經濟社會條件下，存在最優的家庭規模，太大或者太小的家庭規模都會導致碳排放增加[10]。

一、研究方法

（一）建立模型與變量選擇

IPAT模型[11]是著名人口學家Ehrlich和Holden1971年首次提出的，是評估經濟活動對環境影響驅動力的有效工具。Dietz等[12]在IPAT模型基礎上提出隨機回歸影響模型（即Stochastic Impacts by Regression on Population，Affluence and Technology，STIRPAT模型）對人口與碳排放的非等比例影響因素的變化進行研究，模型為：

式中：CE表示對環境影響；P表示人口規模；A為經濟水平；T為技術水平。t表示時間，a為模型系數，b、c、d為各變量指數，e為誤差。

對模型兩邊取自然對數，既可以降低時間序列數據異方差，也可以直接獲得被解釋變量對解釋變量的彈性，對數據進行對數化處理后上式變為：

式中：變量b，c和d表示相應變量變化1%，引起的碳排放相應的百分比變化。

為了進一步研究人口因素對碳排放的影響，本文在上述模型基礎上進行拓展，在考慮人口規模的同時，深入研究人口結構（城鎮化水平、年齡結構、平均家庭規模、就業結構）對碳排放的影響。建立模型如下:

式中：CE表示碳排放，單位為萬噸；P表示人口規模；PU為城鎮化水平，用城鎮人口占總人口的比重表示；PA為年齡結構，用勞動年齡（15～64歲）人口比重表示；PF為平均家庭規模，用每戶平均人口數表示；PE為人口就業結構，用第二產業就業人口與第三產業結業人口的比值表示；A為經濟水平，用人均GDP表示；EI為技術水平，用單位GDP的碳排放量，即能源強度表示。

（二）數據來源與處理

1．CO2排放的估算

對于碳排放總量的數據，由于我國統計年鑒中沒有直接公布京津冀經濟圈CO2排放量數據，因而本文采用2006年聯合國政府間氣候變化專門委員會（簡稱IPCC）的碳排放計算方法，根據《中國能源統計年鑒》劃分的最終9種能源消費量以及各類能源的碳排放系數進行估算。能源消費數據的標準量折算采用《中國能源統計年鑒》2013所附的各種能源折標準煤參考系數。9種能源消費產生CO2排放量估算公式如下：

式中：CE表示CO2排放總量；Ei表示第i種能源消耗量；Ki表示第i種能源的碳排放系數，44/12是碳和二氧化碳的轉化系數。本文中煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然氣和電力9種能源消費的碳排放系數Ki分別為0.7476, 0.1128, 0.5854, 0.5532, 0.3416, 0.5913, 0.6176,0.4479和2.2132（萬噸/萬噸標準煤）。

2．變量的數據來源

本文選取樣本期為1997～2012年，采用的能源消費量數據來自歷年《中國統計年鑒》，人口相關數據、GDP均根據《中國統計年鑒》2013進行估算，能源強度數據來自歷年《中國能源統計年鑒》。本文所依據的GDP、能源強度數據均以1997年不變價格計算。分析所用部分數據如表1所示。

表1 京津冀經濟圈人口因素與碳排放變動趨勢（1997～2012年）

二、實證結果與分析

（一）PLS回歸分析

本文運用SPSS18.0軟件對變量之間的關聯性進行分析，如表2所示，在顯著程度0.01水平上，lnCE與lnP, lnPU, lnPA, lnPF, lnPE, lnA, lnEI之間存在嚴重的相關性，且多數自變量之間相關系數大于0.9。

為了克服多重共線性的影響，本文采用偏最小二乘（PLS，Partial Least Squares）回歸進行模型擬合。偏最小二乘（PLS）回歸是一種消除自變量之間多重共線性的有效方法[13～14]。其基本原理是：分別從自變量X和因變量Y中提取成分t1和u1，這里t1和 u1是和的線性組合。提取成分t1和u1時需要滿足兩個條件：t1和u1應盡可能大地攜帶它們各自數據表中的異變信息，以便更好表示X和Y；t1和u1應實現最大程度的相關性，以使t1對u1達到最強的解釋力。

表2 變量間相關性矩陣

在第一個成分t1和u1被提取后，偏最小二乘回歸分別實施X對t1的回歸以及Y對t1的回歸，如果回歸方程已經達到滿意的精度，則算法終止；否則將利用被解釋后的殘余信息進行下一輪的成分提取，直到能達到滿意的精度為止。最后，因變量Y被表示為自變量X的回歸方程[13～14]。

本文將CO2排放量作為因變量，將人口規模、城鎮化水平、年齡結構、平均家庭規模、就業結構、人均GDP和能源強度作為自變量，在建立STIRPAT模型后，用PLS回歸消除變量間的多重共線性。

在PLS回歸分析中，自變量的成分t1和因變量的成分u1明顯具備典型成分的特征，因此本文利用t1/u1的散點圖給出每一個樣本點的位置[t1(j),u1(j)]，如果平面圖中t1、u1間存在明顯的線性關系，則說明自變量X與因變量Y之間存在顯著的相關關系。如圖1所示，選取的樣本數據的t1/u1呈現明顯的線性相關關系，說明本文建立PLS回歸模型進行分析是合理的。

圖1 t1/u1散點圖

運用SIMCA-P 11.5 (DEMO)軟件對樣本數據進行PLS回歸分析所得結果如表3所示，R2X，R2Y，交叉有效性Q2以及調整的R2都大于0.9，表明模型的回歸結果較好。由標準回歸系數可知，人口規模、城鎮化水平、年齡結構、就業結構和人均GDP回歸系數為正，表明這些因素均驅動碳排放增長，而平均家庭規模和能源強度回歸系數為負，抑制碳排放增長。如碳排放對人口就業結構的彈性系數為0.146，即人口就業結構增加1%，則碳排放增加0.146%。碳排放對能源強度的彈性系數為-0.021，即能源強度增加1%，則碳排放降低0.021%。

表3 PLS回歸系數擬合結果

（二）變量投影重要性分析

變量投影重要性指標VIP（Variable Importance in Projection）是一個表征模型中自變量對因變量重要性大小的參數，可以有效反應自變量對因變量的解釋能力。本文在進行偏最小二乘法（PLS）回歸分析時，使用VIP值分析各變量對碳排放影響重要性。公式如下：

式中：jVIP是第j個自變量的重要性指標，p表示自變量的個數且是提取的主成分，為主成分對因變量Y的累積解釋能力，whj是wh的第j個分量，它被用來測量xj對構造 th成分的邊際貢獻，且對于任一。

各影響因素對碳排放的VIP值如圖2所示。按對碳排放的影響大小排序，從高到低依次為：經濟水平、平均家庭規模、人口規模、城鎮化水平、就業結構、能源強度和年齡結構。

圖2 各變量的VIP直方圖

經濟水平對碳排放的VIP值最大，是碳排放最主要影響因素，本文從以下三方面進行解釋：一是隨著家庭財富的不斷增長以及人民生活水平的提高，人們的消費需求越來越強，使得電力、工業、服務業及交通運輸的能源消耗不斷增加；二是經濟水平提高同時，人們的能源消費模式發生深刻的變化，隨著購買力提升，能源消費產品從低價值、低能耗、低排放產品向高價值、高能耗、高排放產品轉變。三是京津冀地區政府盲目追求經濟高速增長的單一目標，而忽視人們生活方式的改變和節能工作，經濟增長的同時產生大量碳排放。

從人口規模變化角度考察，1997～2012年，京津冀經濟圈人口總量從0.87億增長到1.08億，增幅達23.54%。由于京津冀經濟圈優越的政治經濟條件及就業環境，吸引了越來越多外來人口，加上自身人口規模的擴張，導致能源消耗的不斷增長。此外，居民消費行為也極大地影響碳排放，由于居民消費喜好改變導致更多家庭購買私家車和更多能源密集型產品的使用，均會增加碳排放。

1997年以來，京津冀經濟圈城鎮化進程快速發展，由1997年的30.8%增長到2012年的58.9%，年均增長2.35%。雖然城鎮化的發展可以使能源利用效率得到一定程度的提高，但是進一步的城鎮化使得居民消費水平不斷提高，進而推動碳排放的剛性增長，其對碳排放的促進影響主要體現在三方面：一是高速的城鎮化進程需要大量基礎設施和住宅設施來支持城鎮人口和經濟發展，如水泥、鋼筋等原材料及汽車等交通工具的大量使用將導致碳排放的大幅增長；二是持續的城鎮化進程導致林地、畜牧用地的不斷縮小，間接導致了碳排放的增長；三是城鎮人口的增長以及居民生活水平的提高，使得更多的城鎮居民傾向于消費高能耗、高排放產品。

人口年齡結構變化對碳排放的影響主要體現在生產和消費兩方面的影響。從生產變化方面考察，京津冀地區勞動年齡（15～64歲）人口數量以及所占人口比重的持續增長為京津冀地區經濟快速發展提供充足的勞動力供應，在推動經濟持續發展的同時，也促進能源消耗增加。從消費變化方面考察，不同年齡段居民消費觀念和消費需求存在較大差異，與人口老齡化的進程會削弱整體消費需求不同，勞動年齡人口有更強烈的消費需求，其占總人口比重的增長導致更多的能源產品消費。

從平均家庭規模角度考察，京津冀經濟圈經濟社會發展、計劃生育政策、快速的城鎮化及人口老齡化進程使得家庭規模逐漸縮小成為必然趨勢，居民平均家庭戶規模從1997年的3.48人縮減到2012年3.04人，降幅為12.6%。以家庭為主體的消費需求包含了許多具有共享性質的消費品與消費服務，而平均家庭戶規模縮小意味著這種家庭消費規模效應的減弱，也意味著人均消費的增長。同時，由于人口總量的穩步增長，平均家庭戶規模縮小導致家庭戶總數的更快增長，導致家庭消費需求的增長超過以個人為主體的消費需求，推動消費規模擴張，因此逐漸縮小的平均家庭戶規模對碳排放增長的解釋力高于人口規模的解釋力。

人口就業結構在此模型中主要反應的是第二產業與第三產業就業人口變化對碳排放的影響，從1997年的1.04減小到2012年的0.77，平均每年降低2.25%，表示第二產業就業人口的增長速率要高于第三產業，而京津冀地區的工業產出主要來源于鋼鐵、電力、化工等高投入、高能耗行業，這些行業就業人口的增加將導致更多的能源消耗和碳排放。此外，隨著經濟社會的發展，第三產業將成為新的主要就業增長點，第三產業比重的提高可以有效抑制碳排放增長，通過發展第三產業來抑制碳排放增長潛力巨大。

能源強度對京津冀碳排放增長表現出負效應，表示能源強度降低或技術水平提高將導致碳排放增加。隨著京津冀地區技術進步和工業結構優化調整，1997～2012年能源強度不斷降低，從2.62降低到1.46，減幅達79.4%。然而經濟發展和人口增長造成的碳排放增長，在一定程度上抵消了能源強度降低對碳排放抑制作用的貢獻。此外，經濟效應和能源價格效應導致的更加強烈的消費需求，會進一步引發新的能源消費，也在一定程度上抵消了由于能源效率提高和能源結構調整優化所節約的能源。例如能源效率的提高有助于能源價格的降低，進一步促進私家車的銷量，因此導致能源消耗和碳排放的增加[15]。

三、結論及政策建議

與1997年相比，2012年京津冀經濟圈碳排放量增長了2.9倍，要遠大于碳排放量的25%的增長速率，研究人口因素及消費模式變化對抑制碳排放增長有重要意義。本文利用擴展的STIRPAT模型，對影響京津冀經濟圈1997～2012年碳排放的人口因素進行實證分析，得到結論如下：

人口規模、城鎮化水平、年齡結構、結業結構和經濟水平驅動京津冀經濟圈碳排放的增長，而平均家庭規模和能源強度抑制碳排放增長。同時，經濟水平是最主要的碳排放驅動因素，平均家庭規模是最主要的抑制因素。人口結構因素方面，城鎮化進程的加速有利于能源消耗；人口年齡結構以增加勞動力供應及促進消費需求的方式促進碳排放增長；逐漸縮小的平均家庭規模導致人均能耗及家庭數量的增長，進而推動能源消耗增長；人口就業結構中工業部門就業率的增長導致碳排放的增加。

針對以上結論，本文提出如下政策建議。其一，京津冀經濟圈作為中國經濟發展的第三增長極，其社會經濟的快速穩定發展尤為重要。因此，以減速經濟發展為代價的減排途徑并不可取，應促進經濟多元化可持續發展，培養新的經濟增長點，使經濟增長逐漸由高耗能、高排放的粗放式方式向密集型增長方式轉變。同時，建立全面的京津冀經濟發展評價系統，以取代對單一GDP指標的盲目追求，在發展經濟的同時，也要注重人們生活質量與環境的改善。其二，促進科技進步與創新，大力發展清潔高效、低消耗、低排放的新生產工藝，提高能源利用效率，逐步淘汰高耗能、高排放的產業。進一步優化能源消費結構，逐漸減少煤炭、石油等化石燃料的使用，通過這些途徑降低能源消耗，從而減少碳排放。其三，在人口因素方面，首先，控制人口增長速度，同時優化人口結構，提高人口素質。其次，優化就業結構，提高第三產業部門就業率。同時，鼓勵公眾參與環境保護治理方案的調整，加強能源節約和環保意識宣傳工作，促使人們積極參與到減排目標中，倡導綠色低碳生產與消費觀念，提高公眾能源節約意識，加快形成綠色低碳的生活方式和消費模式。

[1] SHI A Q. The impact of population pressure on global carbon dioxide emissions, 1975-1996: Evidence from pooled cross-country fade[J]. Ecological Economics, 2003 (44): 29-42.

[2] COLE M A, NEUMAYER E. Examining the impact of demographic factors on air pollution[J]. Population and Environment, 2004, 26(1): 5-21.

[3] ROSA E A, YORK R, DIETZ T. Tracking the anthropogenic drivers of ecological impacts[J]. AMBIO: A Journal of the Human Environment, 2004, 33(8): 509-512.

[4] KNAPP T, MOOKERJEE R. Population growth and global CO2emissions: a secular perspective[J]. Energy Policy, 1996, 24(1): 31-37.

[5] MARTíNEZ-ZARZOSO I, MARUOTTI A. The impact of urbanization on CO2emissions: evidence from developing countries[J]. Ecological Economics, 2011 (70): 1344-1353.

[6] REN L, WANG W, WANG J, LIU R. Analysis of energy consumption and carbon emission during the urbanization of Shandong Province, China[J]. Journal of Cleaner Production, 2015, 103: 534-541.

[7] DALTON M, O'NEILL B, PRSKAWETZ A, JIANG L, PITKIN J. Population aging and future carbon emissions in the United States[J]. Energy economics, 2008, 30(2): 642-675.

[8] 彭希哲, 朱勤. 我國人口態勢與消費模式對碳排放的影響分析[J]. 人口研究, 2010(1): 48-58.

[9] JIANG L, HARDEE K. How Do Recent Population Trends Matter to Climate Change? [J]. Washington, 2011, 30(2): 287-312.

[10] 王欽池. 基于非線性假設的人口和碳排放關系研究[J]. 人口研究, 2011, 35(1): 3-13.

[11] EHRLICH P R, HOLDREN J P. Impact of population growth [J]. 1971: 1212-1217.

[12] DIETZ T, ROSA E A. Rethinking the environmental impacts of population, affluence and technology[J]. Human ecology review, 1994, 1: 277-300.

[13] WANG H W. Partial least-squares regression-method and applications[J]. National Defense Industry Press, Beijing, China, 1999: 1-274.

[14] WANG HW, WU ZB, MENG J. Linear and Nonlinear Methods of Partial Least Squares Regression[M]. Beijing China: National Defence Industry Press, 2006.

[15] WANG Y N, ZHAO T. Impacts of energy consumption CO2emissions: Evidence from under developed, developing and highly developed regions in China[J]. Ecological Indicators, 2015, 50: 186-195.

編輯 何 婧

Impacts of Population Factors on Carbon Emissions in the Beijing–Tianjin–Hebei Economic Circle: Based on STIRPAT Model

ZHAO Tao LIN Peng WANG Ya-nan
(Tianjin University Tianjin 300072 China)

This paper examines the impacts of population size, population structure, economic level, and technology level on carbon emissions, from 1997 to 2012, in the BTH economic circle by using the STIRPAT model. Results indicate that carbon emissions is positively influenced by economic level, population size, urbanization level, population age structure, population structure of employment, and GDP per capita, but negatively influenced by average family size and energy intensity. Moreover, economic level is the main driving factor of carbon emissions. Average family size is the main factor to control carbon emissions. In terms of population structure, the rapid urbanization contributes to energy consumption, and the effect of age structure acted through increasing supply of the labor and consuming demands. Shrinking average family size increases per capita consumption expenditure and total number of households, thus leading to more energy consumption. Employment structure increases the industry sector employment, resulting in larger carbon emissions. Combining these empirical findings and specific circumstances, some policy recommendations are made.

BTH economic circle; CO2emissions; Population; STIRPAT model

X24; N945.12

A [DOI]10.14071/j.1008-8105(2016)06-0045-06

2015 - 07 - 29

國家自然科學基金（71373172）.

趙濤（1960- ）男，天津大學管理與經濟學部教授，博士生導師；林朋（1986- ）男，天津大學管理與經濟學部碩士研究生；王雅楠（1988- ）女，天津大學管理與經濟學部博士研究生.