能源消費(fèi)背景下長(zhǎng)三角地區(qū)二氧化碳排放影響因素分析

彭曉璐 謝依晴 杜玥

[摘 要]當(dāng)前，中國(guó)正處于工業(yè)化和城市化快速推進(jìn)的進(jìn)程中，二氧化碳排放量持續(xù)快速增長(zhǎng)，以二氧化碳為主的溫室氣體對(duì)全球氣候造成的影響不容忽視。文章以長(zhǎng)三角地區(qū)為例，根據(jù)2000—2017年相關(guān)數(shù)據(jù)，通過建立多元線性回歸模型，探究影響長(zhǎng)三角地區(qū)二氧化碳排放量變化的主要因素。通過對(duì)這些影響因素的分析，提出相應(yīng)建議，為長(zhǎng)三角地區(qū)節(jié)能減排提供參考。

[關(guān)鍵詞]能源消費(fèi);GDP;二氧化碳排放;長(zhǎng)三角地區(qū);回歸分析

[DOI]10.13939/j.cnki.zgsc.2021.13.044

1 研究背景

隨著工業(yè)化、城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，我國(guó)的能源消費(fèi)強(qiáng)度迅速增強(qiáng)，從而導(dǎo)致碳排放量持續(xù)增加，引發(fā)了許多環(huán)境問題。然而由于我國(guó)目前處于經(jīng)濟(jì)快速發(fā)展階段，碳排放量明顯增長(zhǎng)的趨勢(shì)在將來(lái)很長(zhǎng)一段時(shí)間內(nèi)并不會(huì)改變，所以如何控制碳排放增速已經(jīng)成為我國(guó)亟待解決的問題。

目前國(guó)內(nèi)外學(xué)者對(duì)碳排放研究的成果日益豐富，如國(guó)內(nèi)學(xué)者林伯強(qiáng)、劉希穎[1]發(fā)表的《中國(guó)城市化階段的碳排放》、國(guó)外學(xué)者Holdren J P[2]發(fā)表的《Human population and the global environment》等。同時(shí)，碳排放研究與其他學(xué)科的聯(lián)系也越發(fā)緊密。

江浙滬三地于2009年成為全球第十一大經(jīng)濟(jì)體，位于我國(guó)經(jīng)濟(jì)發(fā)展隊(duì)伍的前端，工業(yè)化的快速發(fā)展帶來(lái)的碳排放問題也在不斷加深。故文章選取長(zhǎng)三角地區(qū)的江浙滬三地進(jìn)行研究，通過探究影響碳排放的因素，尋找有效減少碳排放的方法，從而為遏制全球溫室效應(yīng)、促進(jìn)世界經(jīng)濟(jì)向綠色經(jīng)濟(jì)和可持續(xù)發(fā)展的經(jīng)濟(jì)形勢(shì)方面轉(zhuǎn)變出謀劃策。

2 二氧化碳排放的影響因素理論

由Ehrlich[3]、Holden和Commoner[4]等學(xué)者提出的傳統(tǒng)IPAT模型一般形式為：I=PAT。公式中，I表示人類對(duì)環(huán)境的影響;P表示人口規(guī)模;A表示富裕程度;T表示技術(shù)水平。York等人對(duì)IPAT模型進(jìn)行修正與擴(kuò)展后產(chǎn)生了STIRPAT模型[5]，具體形式為：

I=aPbAcTdμ（1）

式中，a為常數(shù)項(xiàng);指數(shù)b、c、d為常數(shù)項(xiàng)待估參數(shù)，分別表示人口規(guī)模、富裕程度、技術(shù)水平對(duì)環(huán)境的影響大小;μ為隨機(jī)擾動(dòng)項(xiàng);I、P、A、T所表示的含義同IPAT模型。

除了上述變量外，文章根據(jù)孫敬水等學(xué)者的研究，引入單位GDP能源消耗量、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、城市化水平等變量對(duì)STIRPAT模型進(jìn)行擴(kuò)展[6]。擴(kuò)展后的STIRPAT模型為：

I=αPα1Aα2CTα3Sα4CSα5Uα6eε（2）

式中，I為二氧化碳排放量，P為人口規(guī)模，A為富裕程度，CT為技術(shù)水平，S為產(chǎn)業(yè)結(jié)構(gòu)，CS為能源消費(fèi)結(jié)構(gòu)，U為城市化水平，ε為隨機(jī)誤差項(xiàng)。其中α1， α2， α3，α4， α5， α6分別表示人口總量、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、城市化水平的彈性系數(shù)。與傳統(tǒng)的STIRPAT模型相比，擴(kuò)展后的模型更加符合實(shí)際情況。

對(duì)擴(kuò)展后的STIRPAT模型兩邊取對(duì)數(shù)之后，得到：

lnI=α+α1lnP+α2lnA+α3lnCT+α4lnS+α5lnCS+α6lnU+ε（3）

該模型類似于多元線性回歸方程，故文章選擇建立多元線性回歸模型。

3 碳排放影響因素多元線性回歸模型的構(gòu)建

3.1 數(shù)據(jù)及變量選取

文章選取2000—2017年江蘇省、浙江省和上海市的相關(guān)數(shù)據(jù)進(jìn)行研究。

對(duì)于自變量，選取了年末人口總數(shù)（萬(wàn)人）代表人口規(guī)模P、地區(qū)生產(chǎn)總值（億元）代表富裕程度A、單位GDP能源耗量（萬(wàn)噸標(biāo)準(zhǔn)煤/億元）代表技術(shù)水平CT、第二產(chǎn)業(yè)產(chǎn)值占地區(qū)總產(chǎn)值的比重代表產(chǎn)業(yè)結(jié)構(gòu)、煤炭消費(fèi)量占能源消費(fèi)總量的比重代表能源消費(fèi)結(jié)構(gòu)、城市人口占總?cè)丝诘谋戎卮沓鞘谢?因變量為二氧化碳排放總量（萬(wàn)噸）。

3.2 數(shù)據(jù)來(lái)源

人口總量、城市人口數(shù)、地區(qū)生產(chǎn)總值、能源消費(fèi)總量、煤炭消費(fèi)量由江浙滬三地歷年的統(tǒng)計(jì)年鑒及中國(guó)能源統(tǒng)計(jì)年鑒整理所得。

由于各地沒有關(guān)于碳排放量的直接統(tǒng)計(jì)，故文章參照林伯強(qiáng)、劉希穎所使用的方法計(jì)算碳排放量。計(jì)算公式為：

Ii=αiβiEi （4）

I=Ci（5）

式中，Ii為第i種能源的二氧化碳排放量，αi為該類能源的轉(zhuǎn)化率（也即折標(biāo)準(zhǔn)煤系數(shù)），βi為二氧化碳排放系數(shù)，Ei為該類能源的消費(fèi)總量，C為碳排放總量。其中，能源主要選取七種：原煤、焦炭、原油、汽油、柴油、燃料油、液化石油氣。各類能源的轉(zhuǎn)化率及二氧化碳排放系數(shù)（單位：kg-CO2/kg）如表1所示。對(duì)數(shù)據(jù)進(jìn)行匯總、計(jì)算后，得到各地2000—2017年碳排放總量如表2所示。

3.3 建立多元線性回歸方程

3.3.1 數(shù)據(jù)處理

由式（3），對(duì)相關(guān)數(shù)據(jù)取自然對(duì)數(shù)，得到lnI、lnP、lnA、lnCT、lnS、lnCS、lnU的值。

3.3.2 相關(guān)系數(shù)顯著性檢驗(yàn)

利用 SPSS 得出變量之間的相關(guān)系數(shù)。其中，產(chǎn)業(yè)結(jié)構(gòu)與碳排放量的相關(guān)系數(shù)為-0.64894，為低度相關(guān);其余各變量都達(dá)到了0.8以上，為高度相關(guān)。

3.3.3 線性回歸

利用 SPSS 將六個(gè)影響因素作為自變量進(jìn)行線性回歸，得到模型的相關(guān)系數(shù)為0.991469，表明自變量與因變量之間的關(guān)系為高度相關(guān)。

P-value為回歸系數(shù)t統(tǒng)計(jì)量的P值，只有常數(shù)項(xiàng)及人口總量的P值小于0.05，可以通過置信水平為95%的 t 檢驗(yàn)，其他因素均未通過t檢驗(yàn)，對(duì)長(zhǎng)三角地區(qū)碳排放量的影響不顯著。

3.4 多重共線性診斷

變量間的多重共線性是指變量間存在著線性相關(guān)關(guān)系。當(dāng)變量存在嚴(yán)重的多重共線性的時(shí)候，利用普通最小二乘回歸法得到的回歸參數(shù)估計(jì)值的穩(wěn)定性降低，系數(shù) t 檢驗(yàn)不能通過[9]。利用方差膨脹因子（VIF）來(lái)診斷變量的多重共線性，如果 VIFJ≥10，說(shuō)明模型中的變量存在很強(qiáng)的共線性[10]。

對(duì)上文所構(gòu)建的長(zhǎng)三角能源消費(fèi)碳排放影響因素模型做多重共線性檢驗(yàn)，結(jié)果如表3所示。其中只有l(wèi)nCS的VIF小于10，VIF最大值為350.877，變量之間存在著嚴(yán)重的多重共線性。

3.5 嶺回歸

文章采用嶺回歸方法來(lái)消除模型中的多重共線性。

利用 SPSS進(jìn)行嶺回歸擬合，得到圖1所示的嶺跡圖。

由圖1可知，當(dāng)k=0.18 時(shí)，圖中6個(gè)自變量的嶺跡圖趨于穩(wěn)定，故選擇k=0.18作為嶺值，獲得基于嶺回歸的線性回歸結(jié)果，如表4所示。

由表4可知決定系數(shù)R-Square為0.9659，模型具有較高的擬合優(yōu)度。

嶺回歸模型的假設(shè)檢驗(yàn)中，檢驗(yàn)顯著性Sig.F<0.0001，通過檢驗(yàn)。

由此可以得到長(zhǎng)三角碳排放影響因素分析模型：

lnI=-16.38768108+0.30234564lnP+0.24603113lnA-0.17343486lnCT+0.09298502lnS-0.05355177lnCS+0.24726434lnU（6）

式（6）中，lnP、lnA、lnS、lnU的回歸系數(shù)均大于0，說(shuō)明因變量與自變量呈正相關(guān);lnCT、lnCS的回歸系數(shù)均小于0，說(shuō)明因變量與自變量呈負(fù)相關(guān)。

4 結(jié)論與建議

4.1 結(jié)論

經(jīng)分析，長(zhǎng)三角地區(qū)的碳排放量隨著人口總量、地區(qū)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平的增加而增加，隨著技術(shù)水平、能源消費(fèi)結(jié)構(gòu)的增加而減少。各個(gè)影響因素對(duì)長(zhǎng)三角碳排放的影響程度按從大到小排序依次為： 人口總量、城市化水平、地區(qū)生產(chǎn)總值、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)。

4.2 建議

4.2.1 人口方面

我國(guó)人口增長(zhǎng)速度不可能在短時(shí)間內(nèi)大幅減少，因此，長(zhǎng)三角地區(qū)可以從政策和群眾意識(shí)上下功夫，除了應(yīng)融合低碳發(fā)展的理念建立完善的評(píng)估體系以引導(dǎo)環(huán)保節(jié)能的消費(fèi)方式以外，還應(yīng)當(dāng)加大低碳生活生產(chǎn)意識(shí)的宣傳力度。

4.2.2 城市化水平方面

長(zhǎng)三角地區(qū)城市化水平的提高不可避免，為了實(shí)現(xiàn)城市化進(jìn)程與減少碳排放的協(xié)調(diào)發(fā)展，應(yīng)融入節(jié)能減排的環(huán)保理念，對(duì)功能不完善的社區(qū)進(jìn)行資源整合，還應(yīng)當(dāng)加強(qiáng)建設(shè)并完善公共交通運(yùn)行體系。

4.2.3 地區(qū)生產(chǎn)總值方面

對(duì)于長(zhǎng)三角這一處于全國(guó)領(lǐng)先地位的經(jīng)濟(jì)體而言，地區(qū)生產(chǎn)總值對(duì)碳排放總量的正向影響不容忽視。因此，應(yīng)當(dāng)推進(jìn)實(shí)現(xiàn)低碳經(jīng)濟(jì)，大力支持新興低碳產(chǎn)業(yè)的發(fā)展，重視經(jīng)濟(jì)、社會(huì)及環(huán)境三者的協(xié)調(diào)發(fā)展。

4.2.4技術(shù)水平方面

低碳經(jīng)濟(jì)的核心和推動(dòng)力是低碳技術(shù)的開發(fā)，所以長(zhǎng)三角地區(qū)應(yīng)當(dāng)建立低碳技術(shù)發(fā)展激勵(lì)機(jī)制，加大資金投入、專業(yè)人才培養(yǎng)及引進(jìn)力度，同時(shí)鼓勵(lì)研發(fā)部門與企業(yè)合作，根據(jù)企業(yè)的實(shí)際狀況開發(fā)出符合企業(yè)發(fā)展規(guī)劃的低碳技術(shù)。

4.2.5 產(chǎn)業(yè)結(jié)構(gòu)方面

長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)展迅速，若產(chǎn)業(yè)結(jié)構(gòu)設(shè)置不合理，會(huì)對(duì)環(huán)境保護(hù)造成一定的影響。因此，應(yīng)結(jié)合城市的發(fā)展特點(diǎn)，逐步實(shí)現(xiàn)由工業(yè)為主向服務(wù)業(yè)為主的產(chǎn)業(yè)轉(zhuǎn)變。此外，當(dāng)完善企業(yè)管理制度，利用政府干預(yù)能力控制高耗能、高排碳企業(yè)數(shù)量的增長(zhǎng)，同時(shí)加大對(duì)現(xiàn)有企業(yè)的管控。

4.2.6 能源消費(fèi)結(jié)構(gòu)方面

我國(guó)是煤炭消費(fèi)大國(guó)，煤炭的消耗對(duì)碳排放總量的影響較大。為減少煤炭消耗量，企業(yè)除了應(yīng)重視掌握先進(jìn)生產(chǎn)技術(shù)而提高能源利用率以外，還應(yīng)當(dāng)尋找能替代煤炭等能源進(jìn)行生產(chǎn)活動(dòng)的低碳能源，從而有效減少碳排放。

參考文獻(xiàn)：

[1]林伯強(qiáng)，劉希穎.中國(guó)城市化階段的碳排放：影響因素和減排策略[J].經(jīng)濟(jì)研究，2010（8）.

[2]HOLDREN J P，EHRLICH P R.Human population and the global environment[J].American Scientist，1974（62）.

[3]EHRLICH P R，HOLDREN J P.Impact of population growth[J].Science，1971（171）.

[4]COMMONER B.Economic growth and ecology—A biologists view[J].Monthly Labor Review，1971（94）.

[5]YORK R，ROSA E A，DIETZ T.STIRPAT，IPAT and impact： analytic tools for unpacking the driving forces of environmental impacts [J].Ecol Econ，2003，46（3）： 351-365.

[6]孫敬水，陳稚蕊，李志堅(jiān).中國(guó)發(fā)展低碳經(jīng)濟(jì)的影響因素研究——基于擴(kuò)展的STIRPAT模型分析[J].審計(jì)與經(jīng)濟(jì)研究，2011，26（4）：85-93.

[7]全國(guó)能源基礎(chǔ)與管理標(biāo)準(zhǔn)化技術(shù)委員會(huì).GB/T 2589—2008.綜合能耗計(jì)算通則[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2008.

[8]國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司.省級(jí)溫室氣體清單編制指南[Z].2011.

[9]王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法[M].北京： 國(guó)防工業(yè)出版社，2006.

[10]黃振華.基于STIRPAT模型的重慶市建筑碳排放影響因素研究[J].項(xiàng)目管理技術(shù)，2018，16（5）：55-60.

[作者簡(jiǎn)介]彭曉璐，女，貴州仁懷人，南京郵電大學(xué)電子商務(wù)專業(yè);謝依晴，女，福建建甌人，南京郵電大學(xué)電子商務(wù)專業(yè);杜玥，女，江蘇無(wú)錫人，南京郵電大學(xué)電子商務(wù)專業(yè)。