安徽省人均二氧化碳排放影響因素研究
——基于STIRPAT模型

游曉慧 張 靜 張靜亞

(滁州學院經濟統計系，安徽 滁州 239000)

0 引言

近年來經濟不斷發展呈現高速穩步增長的趨勢，溫室氣體的排放量也日益增加，二氧化碳排放的控制問題已成為亟待解決的熱點問題。由于安徽省經濟發展趨勢的逐步提高，城市化發展的進程不斷加快，能源的過分消耗和二氧化碳過多的排放，隨之帶來的是環境的污染和破壞，人們已經慢慢意識到以二氧化碳為表征的溫室氣體排放的危害性，經濟“低碳化”逐漸上升到國家戰略層面。

如今如何盡可能的減少高碳能源消耗，減少二氧化碳氣體的排放，節約環境外部成本備受關注。因此，針對二氧化碳排放量影響因素的研究分析顯得尤為重要，其研究成果不僅直接影響了社會和政府對于二氧化碳排放的認知，也是為了避免在經濟社會高速發展的同時能盡可能的減少二氧化碳的排放，如何使經濟形態達到經濟社會發展與生態環境保護雙贏的局面是現代研究中的重要課題。由于研究目的、知識背景和研究方法等各方面的不一致，各類研究學者從自己的角度出發在進行二氧化碳排放影響因素分析研究時會選擇不同的變量，SADStructural Decomposition Analysis和IDAIndex Decomposition Analysis是兩種最常用的分析方法。其中付雪等對碳排放強度影響因素進行分解，以上海為例進行研究結果發現其受需求結構的變動影響較為顯著。馮博等將經濟發展和二氧化碳排放密切聯系起來，認為如果將碳排放量和經濟發展水平聯系起來，間接碳排放強度效率和產業規模效應在影響因素中占據著重要地位。

本文根據安徽省二氧化碳排放量的總體情況，運用STIRPAT模型研究城鎮化水平、人均地區生產總值、產業結構、能源強度和全社會R&D經費投入各驅動因素對人均碳排放的影響程度進行分解。從研究中得到結論，從而針對安徽省低碳經濟的發展提出建議。

1 研究方法和數據來源

1.1 研究方法

1.1.1 IPCC方法

本文選擇IPCC計算方法估算安徽省1995-2017年的二氧化碳排放量，IPCC方法對溫室氣體排放的提供了詳細的方法，且經過不斷的實例驗證，逐漸成為國際上公認和常被使用的碳排放評估方法。

1.1.2 STIRPAT

STIRPAT是分析二氧化碳排放驅動因素的最主流研究方法之一，它更詳細準確的解釋人均二氧化碳排放量與各驅動因子之間的關系。模型形式如下：

I=aPbAcTde

(1)

式(1)中，T、P、A、T分別代表環境壓力、人口規模、富裕度、技術水平，bcd分別代表的是人口規模、富裕度和技術水平的驅動力指數，a為模型系數，e為誤差項。

在具體應用過程中，可以將每個因素分解為幾個指標，使得該模型可以被靈活運用。根據安徽省碳排放情況的總體分析，用人均二氧化碳排放量作為解釋變量，在選擇人口規模中，引入城鎮化水平U變量，在經濟因素選擇中，本文選取人均地區生產總值G、產業結構S變量作為富裕度因素，在技術因素的選擇中，本文選擇能源強度E和全社會R&D經費投入K變量。則具體模型的形式為：

M=aUbGcSdEfKgeε

(2)

為了消除量綱，對上式兩邊同時取對數，最終轉變為線性模型，處理后形式如公式3：

lnM=lna+blnU+clnG+dlnS+flnE+glnK+ε

(3)

1.2 數據來源及整理

本文研究中，基于安徽省1995-2017年的二氧化碳的相關數據，對安徽省人均二氧化碳排放量進行核算，在計算過程中根據源于《中國能源統計年鑒》中口徑的9種能源消費量，再分別與各自碳排放系數上相乘(由IPCC提供，見表1)，根據計算步驟得到當年安徽省二氧化碳排放總量，根據計算指標以安徽省年末常住人口數為分子，安徽省人均二氧化碳排放量拿安徽省二氧化碳排放總量除以當年安徽省年末常住人口數，最終得到安徽省人均二氧化碳排放量并將其作為被解釋變量。

表1 九類能源的標準煤折算系數及碳排放系數

注：碳排放系數的單位為千克碳/千克標準煤。

在1995-2017年期間影響安徽省人均二氧化碳排放量的各項指標數據見表2，在選擇人口因素中，將引入城市化率指標。本文在考察安徽省人口規模變化中發現省內人口數和流向外地的人口數同向增長，因此，我們在考察人口規模對人均二氧化碳排放量的影響時，常住人口發生的行為是主要因素。城鎮化率使用城鎮人口占常住總人口的比重作為指標，數據來源于《安徽省統計年鑒1995-2017》；根據第二產業工業部尤其高耗能行業的發展的特征，會通過能源消耗總量、能源消耗結構和強度間接產生二氧化碳排放，本文產業結構運用第二產業增加值占GDP比重來表示，數據取自《安徽省統計年鑒1995-2017》；人均地區生產總值用以1995年不變價折算成當年實際GDP與年末常住人口數的比重來表示，數據來源于《安徽省統計年鑒1995-2017》。R&D經費投入對提升安徽省第二、三產業的生產技術水平、能源使用效率，改進生產工序都起到了良好的促進作用，側面直接影響到安徽省人均二氧化碳的排放量，R&D經費投入數據來自《中國科技統計年鑒》；能源強度是普遍采用的一種衡量技術進步對碳排放影響的指標，能源的利用效率直接影響到安徽省人均二氧化碳的排放量，用單位GDP能耗表示，采用《中國能源統計年鑒》中安徽省能源消費總量除以安徽省統計年鑒中的實際GDP(以1995年不變價)得到。

表2 1995-2017年影響安徽省人均二氧化碳排放指標量

2 基于STIRPAT模型的實證分析

本文利用Eviews軟件分析對模型進行最小二乘無偏估計。首先采用對數化后的方程3，對數化的數據不改變原來的協整關系，不僅可以有效降低數據的異方差程度，還可以減少變量的波動情況。先對被解釋變量(M)與5個解釋變量進行相關系數檢驗，由下表得出，人均二氧化碳排放量(M)與4個解釋變量都高度相關。

表3 人均碳排放與解釋變量相關系數表

2.1 單位根檢驗

本文采用時間序列數據進行計量分析，采用的變量中包括人均生產總值、產業結構和人均二氧化碳排放量等宏觀變量，其時間序列多是不平穩的。為解決這一問題，本文對人均二氧化碳排放量及其5個解釋變量進行ADF單位根檢驗。根據檢驗結果發現，統計量的P值小于1%，原序列的ADF值為-4.739879，1%顯著水平上的臨界值為-3.788030，5%顯著水平上的臨界值為-3.012363，10%顯著水平上的臨界值為-2.646119，可見ADF值均小于各顯著水平上的值，故拒絕了不存在單位根的原假設，即認為原序列都存在單位根，是非平穩序列。被解釋變量和解釋變量都是二階單整的，可以滿足協整檢驗條件。接下來用EG兩步法分析方法，對變量之間的長期穩定均衡關系進行協整關系檢驗。

首先，先用變量LNM對LNU、LNG、LNS、LNE、LNK進行回歸，對回歸方程估計殘差序列u1做單位根檢驗，結果如表4。

表4 序列u1單位根檢驗

由于檢驗統計量的P值小于1%，可以認為估計殘差序列u1為平穩序列，從而得到LNM和LNU、LNG、LNS、LNE、LNK具有協整關系。

2.2 回歸分析

通過上述分析，用OLS作協整回歸估計得到的結果如表5。

表5 回歸分析結果

R2=0.999840，調整R2=0.999793，F統計值較大，充分說明回歸方程的擬合優度很高。由t統計量可以得出常數項和解釋變量系數的參數估計值均顯著不為零，LNU、LNG、LNE三個解釋變量在5%的置信度水平下都顯著，LNU的P值為0.0509，也非常接近5%的置信度水平。因此變量對于被解釋變量有良好的解釋效果，得到的方程如下：

lnM=1.199-0.108lnU+0.990lnG-0.029lnS+0.962lnE+0.024lnK

(4)

將公式5等式兩邊同時去對數得到最終解釋人均碳排放驅動因素的模型為：

M=e1.199-U0.108+G0.990-S0.029+E0.962+K0.025

(5)

從彈性系數上可以看出，人均地區生產總值、能源強度每增加1%人均二氧化碳排放將增加0.990%、0.962%，說明人均地區生產總值和能源強度影響二氧化碳排放的程度最為顯著，是驅動人均二氧化碳排放增長的最主要因素。

3 結論與啟示

3.1 結論

(1)人均地區生產總值和能源強度對二氧化碳排放的影響最為顯著，是人均二氧化碳排放增長的最主要影響因素。因為經濟增長對投資的依賴性比較大，加快重工業的發展，從而引起對能源消費的增加、交通的需求上漲，達到人均GDP增加的目的。綜上所述，人均地區生產總產值的增長直接影響對二氧化碳排放需求的增加。

(2)能源強度與人均二氧化碳排放量同樣具有顯著的正相關性，說明能源強度的降低在很大程度上可以緩解二氧化碳排放的快速增長。城鎮化水平和產業結構相比人均地區生產總值影響效果甚是微弱。

(3)安徽省的經濟總量增長迅速，R&D經費投入量則相對較少，技術研發經費投入不足以控制人均二氧化碳的排放。

3.2 啟示

(1)加快發展低碳技術，實現能源高技術化。安徽省的經濟總量增長迅速，R&D經費投入量則相對較少不足以控制二氧化碳的排放，增加科技創新研究方面的全面投入，確保盡快研發出一系列有效節能的循環科技，在技術水平上實現低碳經濟的發展。另外，加大力度勘探新能源，增加對太陽能，風能地熱等清潔能源的使用。

(2)調整能源消費需求，優化能源供應結構。根據本文研究結果能源強度對人均二氧化碳的排放具有較為顯著的影響，從而在能源消費過程中，推廣碳強度理念，以陽能、核能、水電等新能源來代替煤，石油，從而減少二氧化碳的排放。

(3)推進生態文明建設，實現產業結構的合理高度化。不同產業的發展需求對二氧化碳的需求量各不相同，減少二氧化碳的排放，促進安徽省節能減排應大力發展綠色產業，降低經濟發展的外部成本，在實現環境成本內部化的同時，催生新興產業，發現新的經濟增長點。