碳中和目標下京津冀地區碳排放影響因素研究
——基于分位數回歸和VAR模型的實證分析

張麗峰，劉思萌

（1.北京聯合大學 旅游學院，北京 100101；2.北京市產業經濟研究中心，北京 100027）

2020 年9 月，國家主席習近平在第七十五屆聯合國大會一般性辯論上的講話中提出：中國二氧化碳排放力爭于2030 年前達峰，努力爭取2060 年前實現碳中和。2020 年底的中央經濟工作會議提出，要抓緊制定2030 年前碳達峰行動方案，支持有條件的地方率先達峰。我國地域遼闊，各地基礎條件不同，經濟社會發展呈現出明顯的非均衡型和差異性，全國碳達峰和碳中和目標的實現最終要落實到各個地區層面。京津冀地區是我國重要的經濟圈，也是人口密集地區、工業和能源消費的集聚地。2019年，京津冀地區總人口占全國總人口的8.1%，城鎮化率為66.7%，高于全國的60.6%，地區生產總值占全國的8.6%，粗鋼的產量占全國的26.5%，鋼材產量占全國的28.3%，汽車產量占全國的14.5%，能源消費總量占全國能源消費量的10%，碳排放量占全國的9.4%。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》提出，要深入實施區域重大戰略，加快推動京津冀協同發展，深化大氣污染聯防聯控聯治。因此，只有科學測度京津冀地區碳排放的主要影響因素，才能有的放矢地制定減排政策，更好地促進京津冀地區碳中和目標的順利實現，進而對國家目標的實現具有重要的現實意義。

關于碳排放影響因素研究，從研究對象看，目前主要集 中 在 國 家 層 面［1，2］、地 區 層 面［3－5］和 產 業 層面［6］。而對于京津冀碳排放影響因素的研究，可以歸納為以下幾個方面：一是運用LMDI 分解法或者STIRPAT模型或者兩者的結合分析北京、天津與河北的碳排放影響因素，但由于在運用LMDI 分解法中分解的層次不同和STIRPAT模型選擇的影響因素不同，導致得出的碳排放影響因素也不盡相同［7－9］。二是從空間角度對京津冀碳排放影響進行的研究。蘇旭冉、藺雪芹［10］基于夜間燈光數據，運用空間計量模型，從城市角度對京津冀地區碳排放的空間特征及影響因素進行了研究；呂倩、劉海濱［11］同樣利用夜間燈光數據，對京津冀縣域尺度碳排放空間特征進行了分析，指出不論是城市尺度，還是縣域角度，京津冀碳排放空間上不僅存在相關性，還存在差異性。三是從產業角度對京津冀碳排放影響因素進行的研究。主要分析了京津冀工業［12］、石化產業［13］、交 通 運 輸 業［14］和 汽 車 運 輸 業［15］的 碳 排 放 影響因素及特征，因為這些行業是碳排放量較大部門，分析這些行業碳排放量可以為京津冀地區減排政策制定提供更加具體的理論依據。四是對京津冀單個地區進行的碳排放影響因素分析。方德斌、陳卓夫、郝鵬［16］采用LMDI－ I分解法分析了人均住房面積、消費水平、人口增長、能源強度對北京城鎮居民直接和間接碳排放的影響；張麗峰［17］通過建立變參數模型，分析了經濟發展水平、產業結構、能源結構和能源消耗強度對北京碳排放影響；吳振信、石佳、王書平［18］采用LMDI分解法分析了能源強度、產業結構、能源結構、人口規模和經濟發展水平對北京碳排放影響；Li B、Liu X、Li Z［19］采用擴展的STIRPAT 模型分析了天津碳排放主要影響因素。

以上文獻為京津冀碳排放影響因素的選擇提供了借鑒和參考，但這些文獻大部分研究結果只能反映樣本期內各個影響因素對碳排放的平均影響，不能反映出隨著碳排放量分布的變化，各影響因素對碳排放影響程度的差異性，且都沒有對將來各個影響因素對碳排放的動態影響進行分析，也沒有從京津冀總體上分析碳排放影響因素，而這些方面的分析是京津冀碳中和目標的實現和減排政策的制定的基礎與依據。因此，本文采用分位數回歸和向量自回歸模型中的脈沖響應和方差分解法，從京津冀總體上分析各個影響因素對碳排放不同分位點的影響程度的差異性及未來一段時期的動態影響方向和貢獻率。

1 研究方法、變量選取與數據來源

1.1 研究方法

分位數回歸：經典最小二乘回歸是在滿足隨機擾動項服從零均值同方差的正態分布假設下，描述解釋變量對被解釋變量條件均值的影響，本質上是均值回歸，但容易受到極端值的影響，使得參數估計有一定的誤差，準確度不夠高。分位數回歸可以很好地避免這些問題。分位數回歸最早由Koenker 和Bassett［20］于1978 年提出，不僅可以分析被解釋變量的均值，還能分析被解釋變量的不同分布情況，研究隨著解釋變量的變化，被解釋變量不同范圍的數據是如何變化的，能夠更加完整地描述被解釋變量不同分位點的條件分布特征，并且不同分位點下所得出的回歸參數比經典最小二乘回歸的參數有值得進一步探討的意義。分位數歸回是通過最小化加權的殘差絕對值之和來估計回歸參數，因此其估計量不容易受到異常值的影響，可以不考慮同方差和正態分布假設，使估計更加穩健。分位數回歸模型如下：

假設被解釋變量Y 的條件分位數由k 個解釋變量組成的矩陣X線性表示：

向量自回歸模型：向量自回歸模型（Vector Autoregression Model，VAR）是Sims 于1980 年首先提出的。與經典回歸模型不同，VAR 模型是基于變量的數據統計性質建立的模型，是一種非結構化多方程模型。由于在模型中把內生變量的若干滯后項作為解釋變量，因此避免了經典聯立方程的參數零約束問題和最小二乘偏倚問題，且能夠反映變量間的動態關系［21］。VAR模型的一般表達式為：

式中，yt為k維內生變量向量；Xt為d維外生變量向量；p為滯后階數；T為樣本個數；φ1，φ2，φp為待估計的k×k維系數矩陣。

由于時間序列一般為非平穩序列，因此建立VAR 模型的前提條件是要求所有時間序列是同階單整，且具有協整關系。其次，要確定合適滯后階數，目的是進行參數估計時既要有足夠滯后項，還要保持足夠自由度。最后是模型穩定性檢驗，要求被估計模型的所有單位根倒數位于單位圓內。

1.2 變量選取

京津冀碳排放影響因素的選取借鑒Dietz、Rosa［22］的隨機回歸影 響模型（Stochastic Impacts by Regression on Population，Affluence and Technology，STIRPAT），此模型中基本的碳排放影響因素包括人口、富裕程度和技術水平，由于是隨機形式，可以在遵循模型分解的基礎上加入結構性變量。本文碳排放影響因素除了基本的人口總量、經濟發展水平和技術水平外，加入了直接影響碳排放的能源結構來分析這些因素對京津冀地區碳排放的動態影響。具體變量選擇如下：①碳排放量（CE）。目前我國沒有公開公布CO2排放數據，因此本文結合IPCC 和2011《省級溫室氣體清單編制指南（試行）》中化石能源燃燒產生的CO2排放的計算方法，根據《中國能源統計年鑒》中北京、天津和河北的能源平衡表中18 種化石能源的消費量、用于發電和供熱的能源消費量、用于工業原材料的消費量、化石能源的低位發熱值、化石能源的碳排放系數和化石能源的碳氧化系數，計算出北京、天津和河北歷年碳排放數據，加總后得到京津冀地區碳排放總量。②技術水平（EI）。技術水平用能源強度表示，是單位GDP 產出的能源消耗量，表明能源利用效率。其中，GDP 以2005 年為基期進行了調整。能源強度越大，能源利用效率越低，碳排放也越多；相反，能源強度越小，能源利用效率越高，碳排量也越少。③經濟發展水平（EG）。經濟發展水平一般用人均GDP來表示，更能反映一個國家或地區經濟增長的真實情況，仍以2005 年為基期進行調整得到。④人口規模（PS）。人口規模用常住人口數表示。一般來講，隨著人口的增加，碳排放量也會不斷增加。⑤能源結構（ES）。能源結構用清潔能源消費量占全部能源消費量的比重衡量。為了減少碳排放，能源結構需要進行調整和優化，即不斷降低化石能源的比重，逐步增加清潔能源的比重，這是因為碳排放主要來源于化石能源的使用。本文中的清潔能源主要包括天然氣、水能、太陽能、風能等。

1.3 數據來源

本文中涉及的各種化石能源、清潔能源消費量、能源消費總量、GDP、總人口、人均GDP 等指標的相關數據主要來源于歷年《北京統計年鑒》《天津統計年鑒》《河北經濟年鑒》和《中國能源統計年鑒》，樣本期限為1995—2017 年。

2 實證結果及分析

2.1 單位根與協整檢驗

由于各變量為時間序列數據，為了防止“偽回歸”問題的出現，首先要進行時間序列平穩性檢驗和協整檢驗。本文采用ADF法檢驗序列的平穩性，用JJ檢驗法檢驗變量間的協整關系，變量單位根與變量協整關系檢驗結果見表1 和表2。

由表1 可知，碳排放（CE）、人口規模（PS）、經濟發展水平（EG）、技術水平（EI）、能源結構（ES）5 個變量的原序列為非平穩序列，而一階差分序列為平穩序列，因此5 個變量均為1 階單整序列，滿足協整檢驗的前提條件。

表1 變量單位根檢驗結果

由于本文涉及變量較多，不適合運用E－G 兩步法進行協整檢驗，因此采用JJ 法檢驗。由表2 可知，根據跡檢驗法，至少有4 個原假設的跡統計值均大于5%臨界值，表明5 個變量存在不止一個協整關系。根據最大特征根檢驗法，只有一個原假設的最大特征根值大于大于5%臨界值。綜合兩種方法可以得出5 個變量間存在協整關系，進行分位數回歸和建立向量自回歸模型。

表2 變量協整關系檢驗結果

2.2 分位數回歸結果分析

為了更好地反映京津冀地區碳排放影響因素在碳排放不同分位點的變化趨勢，本文分別選擇分位數為0.1—0.9 的9 個分位點進行回歸，具體回歸結果見表3。

由表3 可知，不論是均值回歸還是分位數回歸，變量對應的t值都較大，通過了變量顯著性檢驗，方程的擬合優度值R2均在0.9 以上，方程整體擬合得很好。且通過斜率相等檢驗結果表明，分位數回歸與均值回歸的系數有顯著差異，表明采用分位數回歸方法是合適的。對于經濟發展水平，均值回歸和分位數回歸的系數符號都為正，即經濟發展水平與碳排放是正向關系，兩者變化方向是一致的，均值回歸系數是0.902。對于分位數回歸來說，當τ＞0.8時，分位數回歸的參數估計值小于均值回歸參數估計值；當τ＜0.8 時，分位數回歸的參數估計值大于均值回歸參數估計值，表明不同分位數下經濟發展水平對碳排放的影響不同，而均值回歸掩蓋了這種差異。經濟發展水平對碳排放影響是逐漸減弱的，也從另一方面說明京津冀地區經濟增長與碳排放在向脫鉤方向發展。

表3 京津冀碳排放影響因素的分位數回歸結果

對于技術水平來說，均值回歸和分位數回歸系數符號均為正，即技術水平與碳排放是正向關系，兩者變化方向相同。均值回歸系數是0.8543。對于分位數回歸來說，當τ＞0.6 時，分位數回歸參數估計值小于均值回歸參數估計值；當τ＜0.6 時，分位數回歸參數估計值大于均值回歸參數估計值，表明不同分位數下技術水平對碳排放影響不同。技術水平對碳排放影響逐漸減弱，表明在碳排放量較低時，能源利用效率稍有提高，減排效果顯著，但隨著碳排放量逐漸增加，能源利用效率提高的潛力和空間逐漸減少，減排效果沒有初期時那么明顯，對碳排放影響開始呈現逐漸下降趨勢。

對于能源結構來說，均值和分位數回歸系數符號均為負，即能源結構與碳排放是反向關系，兩者變化方向相反。均值回歸系數是－0.3302。對于分位數回歸來說，當τ＞0.6 時，分位數回歸參數估計值的絕對值大于均值回歸參數估計值的絕對值；當τ＜0.6時，分位數回歸參數估計值的絕對值小于均值回歸參數估計值的絕對值；表明不同分位數下能源結構對碳排放影響不同。能源結構對碳排放影響逐漸增強，也就是說當清潔能源比重較低時，碳排放量較多，隨著清潔能源比重不斷提高，碳排放量在逐步下降。

對于人口規模來說，均值和分位數回歸系數符號均為正，即人口規模與碳排放變動方向一致。均值回歸系數是3.6034。對于分位數回歸來說，不同分位點回歸系數是不同的，并沒有表現出明顯上升或者下降趨勢，基本圍繞著均值回歸系數上下波動，表明碳排放量不同分位點的人口規模對碳排放的影響是正向的且影響程度存在著差異性。

2.3 向量自回歸模型滯后期選擇與模型穩定性

單位跟和協整檢驗結果表明，人口、經濟發展水平、技術水平、能源結構與碳排放均為1 階單整序列，具有協整關系，符合建立VAR 模型的前提條件。根據AIC、SC 和LR 原則，確定VAR 模型的最優滯后期為2 階，所有單位根的倒數小于1，即位于單位圓內，模型是穩定的，具體檢驗結果見圖1。

圖1 京津冀地區碳排放影響因素VAR模型穩定性檢驗

2.4 脈沖響應分析

分位數回歸只是分析了樣本期內京津冀人口、經濟發展水平、技術水平、能源結構在碳排放量不同分位點對碳排放的影響方向及程度，還不能反映出今后一段時期這些變量對碳排放的影響趨勢，而這種分析對于今后節能減排政策的制定意義更加重大。因此，本文通過脈沖響應分析法分析了人口規模、經濟發展水平、技術水平和能源結構對碳排放未來的影響。在實際應用中，一般不對VAR 模型得到的參數進行解釋，而是在模型的基礎上進行脈沖響應分析，即分析當系統中某個內生變量受到某種沖擊后對系統中其他內生變量未來一段時期產生的動態影響。為了避免變量的不同順序對分析結果的影響，一般采用廣義脈沖方法進行分析，本文根據樣本數量，脈沖響應的時期數選為10，具體分析結果見圖2—5。

圖2 京津冀碳排放對經濟發展水平脈沖響應

由圖2 可知，如果給經濟發展水平隨機擾動項一個沖擊，經過2 個時期的調整逐漸趨于穩定，對碳排放未來8 期的影響是正向的。也就是說，隨著經濟增長，碳排放量還會增加，但影響程度逐漸減弱，經濟增長和碳排放朝著脫鉤方向發展；也可能再經過一段時間，出現經濟增長，碳排放減少，實現經濟增長與碳排放脫鉤。

由圖3 可知，如果給人口規模隨機擾動項一個沖擊，同樣經過2 期調整后對碳排放影響逐漸趨于穩定，呈現逐漸下降趨勢，而且是正向影響。也就是人口的變化與碳排放的變化趨勢是一致的，可能隨著京津冀地區人口峰值出現，總人口開始呈現下降趨勢，碳排放也逐漸減少。

圖3 京津冀碳排放對人口脈沖響應

由圖4 可知，如果給技術水平隨機擾動項一個沖擊，對碳排放未來一段時期的影響呈現先升后降的趨勢，同樣兩者也是正向關系，呈現相同變化趨勢。也就是說在前6 期，技術水平對碳排放的影響是逐漸增強的，表明京津冀地區的能源利用效率在不斷提高，但隨著時間的發展，能源利用效率提高的潛力和空間會逐漸減少，因此對碳排放影響也會逐漸減弱。

圖4 京津冀碳排放對技術水平脈沖響應

由圖5 可知，如果給能源結構隨機擾動項一個沖擊，經過2 期調整后逐漸趨于穩定。整體來看，能源結構對碳排放的沖擊是逐漸增強趨勢。未來一段時期，隨著京津冀地區清潔能源比重不斷增加，碳排放將不斷減少，可見能源消費結構優化對減少碳排放起著重要作用。

圖5 京津冀碳排放對能源結構脈沖響應

2.5 方差分解分析

在脈沖響應分析之后，還應進行方差分解分析。即把某個內生變量的變化（通常用方差度量）進行分解，分析變量自身和其他內生變量對此變量變化的貢獻大小，進而評價不同內生變量對其未來變化影響的重要程度。與脈沖相應分析的時期數相同也選為10 期，具體分析結果見表4。

表4 京津冀碳排放影響因素的方差分解結果

由表4 可知，技術水平即能耗強度對碳排放貢獻率最大，且呈不斷上升趨勢，從第一期的1.13%上升到第十期的34.97%，表明未來一段時期能源利用效率是影響碳排放很重要的影響因素，也就是隨著能源利用效率不斷提高，碳排放將逐步下降。能源結構對碳排放的貢獻率排在第二位，同時貢獻率也呈現逐漸上升趨勢，從第一期的12.75%上升到第十期的28.2%，表明能源結構對碳排放未來影響逐漸增強，對減少碳排放也起著非常重要的作用，隨著清潔能源比重不斷增加，碳排放量將逐漸下降。經濟發展水平對碳排放貢獻從第二期之后呈現逐漸下降趨勢，從第二期的30.15%下降到第十期的17.22%，也就是說經濟發展水平對今后一段時期內碳排放影響逐漸下降，表明經濟總量可能在增加，但經濟增長的速度可能會減慢，碳排放隨之逐漸下降，實現經濟增長與碳排放的脫鉤狀態。人口規模對碳排放貢獻率也呈現逐漸下降趨勢，從第一期的21.26%下降到第十期的9.23%，表明隨著北京非首都功能疏解、控制人口總體規模和北京、河北和天津人口出生率和自然增長率下降，京津冀總人口開始呈現下降趨勢，因此碳排放也呈現減少趨勢。

3 結論與建議

3.1 結論

本文運用分位數回歸分析了京津冀地區碳排放量在不同分位點下經濟發展水平、人口規模、技術水平和能源結構對碳排放的影響，同時運用VAR 模型中的脈沖響應和方差分解分析了將來這幾個解釋變量對京津冀地區碳排放的動態影響，得出的主要結論為今后減排政策的制定和碳中和目標的實現提供了堅實的理論基礎。

與均值回歸模型比較而言，京津冀碳排放量在0.1—0.9 的9 個分位點上的回歸系數是不同的，通過分位數回歸能夠更好地反映出經濟發展水平、人口規模、技術水平與能源結構對碳排放影響程度的差異性。具體來講：對經濟發展水平和技術水平來說，碳排放量不同分位點回歸系數均為正，且對碳排放影響逐漸減弱。這一方面說明京津冀經濟增長與碳排放在向脫鉤方向發展，有利于碳中和目標早日實現；另一方面說明隨著能源利用效率的提高，潛力和空間逐漸減少，對碳排放的影響開始呈現逐漸下降趨勢。對能源結構來說，碳排放量不同分位數下回歸系數均為負，對碳排放影響逐漸增強，即隨著京津冀清潔能源比重不斷上升，碳排放量將逐步下降；對人口規模來說，碳排放量不同分位點回歸系數為正，圍繞著均值回歸系數上下波動，表明人口規模對碳排放的影響是正向且影響程度存在著差異性。

脈沖響應分析結果表明，經濟發展水平對碳排放未來影響是正向，但影響程度逐漸減弱，兩者在朝著脫鉤方向發展；人口規模對碳排放影響也是正向且呈現下降趨勢，表明隨著未來京津冀人口峰值出現后的下降，碳排放也會相應減少；技術水平對碳排放未來一段時期影響是正向，且呈現先升后降趨勢，表明隨著京津冀能源利用效率的不斷提高，碳排放量在減少，但隨著時間推移，能源利用效率可提高的空間會越來越小，因此碳排放減少的速度會逐漸減弱；能源結構對碳排放未來影響是負向，在分析期內對碳排放沖擊呈越來越強趨勢。

方差分析結果表明，在未來一段時期，技術水平對京津冀地區碳排放貢獻率最大，且呈不斷上升趨勢，表明技術水平是很重要的碳排放影響因素；能源結構對碳排放未來影響也是逐漸增強的，對減少碳排放也起著非常重要的作用；經濟發展水平對今后一段時期內碳排放的貢獻率逐漸下降，表明隨著經濟增長并沒有引起碳排放相應的增長；人口規模對碳排放貢獻率呈逐漸下降趨勢，表明隨著北京非首都功能疏解、人口總體規模控制和京津冀三地人口出生率與自然增長率下降，京津冀總人口開始呈下降趨勢，導致碳排放逐漸減少。

3.2 建議

目前京津冀總體碳排放量從2012 年開始呈現逐漸下降趨勢，2017 年碳排放量還有將近9 億t。為了保持這種下降趨勢，不讓碳排放出現反彈，同時也為了京津冀在全國率先實現碳中和目標，走在前面，起到帶頭示范的作用，根據以上分析，應從技術水平和能源結構兩個重要因素著手進行減排政策的制定。在減排政策制定時應處理好總體與部分的關系，即在充分考慮北京、天津與河北經濟發展水平、人口規模、能源資源稟賦、能源生產與消費結構、能源利用效率和技術水平的不同，又要注意到京津冀一體化或者協調發展。

首先，要不斷進行科技創新，提高技術水平和能源利用效率。2017 年，北京市萬元GDP 能耗（2005年價格為基期）為0.3531，天津市為0.4589，河北省為1.0162，可見河北省萬元GDP 能耗遠遠高于北京市和天津市，表明河北能源利用效率要低于北京和天津。因此，如何提高河北能源利用效率是京津冀地區碳中和目標實現的關鍵。河北能源消耗主要集中在煤炭開采、鋼鐵、化工、水泥等高耗能行業，而這些行業能耗水平遠高于國際先進水平。另外，這些高耗能行業的產業集中度低，企業數量多、規模小，導致能源利用效率低、污染嚴重。因此，河北應進行合并與重組、擴大產業規模、加大研發投入，不斷進行科技創新，才能提高能源利用效率，減少碳排放，今早實現碳中和目標。

其次，要進行能源結構綠色轉型。能源結構綠色轉型主要包括減少煤炭使用量和增加清潔能源比重兩個方面。①減少煤炭使用量。目前，河北和天津能源消費仍然以煤炭為主，尤其是河北的煤炭消費所占比重還在80%以上。因此，減少煤炭消費量是京津冀地區今后碳中和目標實現的重點，可采取電能替代政策，以電代煤、以氣代煤，轉變煤炭的使用形式。北京在這方面做得比較好，大大減少了煤炭的使用量，同時空氣污染問題也得到了一定改善。但是，電能替代政策的實施主要依賴于政府的財政補貼，而天津和河北的財政能力明顯弱于北京，構建三地間合理的財政轉移支付制度是一個重要的政策選擇。②增加清潔能源比重。京津冀地區清潔能源儲量較為豐富，如河北張家口與承德地區的風能、太陽能資源豐富，可以大力發展風能和太陽能，天津則可以充分利用海洋資源，開展海上風電項目。京津冀地區2018 年水利、太陽能和風能的發電量占整個發電量的10.3%，2015 年僅為6.3%，增加了4 個百分點。2017 年，分布式太陽能裝機容量為388 萬kW，2019 年達到597 萬kW，增長了54%。

第三，京津冀三地在協同發展背景下，應加強合作，尤其是重點構建低碳技術協同創新體系，推動整個區域在全國盡早實現碳中和目標。京津冀三地要進行全方位的科研合作，建立科技創新、科技合作、科技推廣的聯動機制，完善技術交易平臺，增強區域協同創新的配置能力。同時，鼓勵三地企業聯合進行低碳關鍵和核心技術攻關，提高技術經費的使用效率，提升節能減排技術的轉化速度。