雙碳目標下柳州市碳排放預測模型研究

余 霜 陳廣森

（廣西科技大學 經濟與管理學院，廣西 柳州 545006）

一、引言

2020 年9 月22 日，在第75 屆聯合國大會上習近平同志向世界發出宣言:“中國二氧化碳排放力爭2030年前達到峰值，努力爭取2060 年前實現碳中和”。2021 年3 月5 日，國務院總理李克強在政府工作報告中提出，2021 年的重點工作包括扎實做好碳達峰、碳中和各項工作和制定2030 年前碳排放達峰行動方案。實現“碳達峰”和“碳中和”目標已經加快提上了我國中央政府的重點工作日程?！半p碳目標”一詞成為近兩年各級部門和大眾討論最多的一個詞語。我國在秉持人類共同體的偉大理念和需要承擔大國責任的義務上一如既往發揮大國的領頭作用，對抗全球氣候變暖問題，我國根據中國發展的實際情況提出了在2030 年達到“碳達峰”，2060 年達到“碳中和”兩個宏大目標，并在此基礎上提倡發展綠色經濟，降低經濟發展過程中帶來的導致氣候上升的溫室氣體。

柳州市是廣西的第二大城市，同時也是西南地區排名靠前的工業城市和廣西最大的工業基地，是中國唯一同時擁有四大汽車集團整車生產基地的城市。為了達成在2030 年中國地區實現“碳達峰”目標，柳州市的減排行動和效果會深刻地影響到全區的達成目標效果，進而影響到全國的碳達峰實現。因此，柳州市制定節能減排政策迫在眉睫，柳州市在規定時間內實現“碳達峰”和“碳中和”，將推進廣西節能減排目標如期實現。

二、研究方法

Dietz 和Rosa（1997）提出的STIRPAT 模型分析方法是基于IPAT 模型分析方法改進而來，常用于環境分析研究。在我國經常用來分析碳排放問題，具有很好的應用性。STIRPAT 模型從碳排放影響因子分析的角度，主要考慮以下三個方面的影響因素：人口因素、技術因素和經濟因素。其基本公式如下：

在公式（1）中，I 代表環境,P 代表人口因素，A代表財富因素，T 代表技術因素。a 代表模型系數，b代表人口因素的彈性系數，同理c 和d 分別是財富和技術因素的彈性系數。最后的E 是公式的誤差值。

在柳州市二氧化碳排放的分析中，由于柳州市是工業城市，工業比值在全市產值的比例較大，且工業耗用的煤炭比較大，為了更加準確全面地分析二氧化碳的排放，故在上述STIRPAT 模型中引進入能源消耗因素S和能源排放因素U，并在后續的分析中選擇合適的各項指標進行具體量化。改進后的公式如下：

在改進后的模型中S 代表能源消耗因素，k 代表能源排放因素的彈性系數，U 代表能源消耗因素，z 代表能源排放因素的彈性系數。對公式（2）兩邊進行對數化處理，得到公式（3）如下：

三、模型變量的選擇

（一）二氧化碳排放量測算

作為工業城市的柳州市，其排放的溫室氣體結構中二氧化碳是主要的副產物。故需要對柳州市的二氧化碳排放組成結構進行分析。通過收集《柳州統計年鑒2011-2020》的數據，采用累加法對柳州市的二氧化碳排放量進行統計。公式如下：

（二）相關變量的選取

根據已有學者的研究，結合柳州市的實際情況，選取了以下七個相關宏觀因素作為構建柳州市二氧化碳模型的潛在影響因素。模型的因素選取中，X和X表示人口因素，X表示財富因素，X表示技術因素，X和X能源消耗因素，X表示能源排放因素。擬采用全市總能源消耗排放代表二氧化碳排放量，以柳州市常住人口代表總人口X，以城鎮人口占總人口比率代表城鎮化率X，以地區總產值除以總人口代表人均產值X，以第二產業產值占總產值比重代表產業結構X，以能源消耗量除以總產值代表能源強度X，以煤炭消費量占能源消費總量比值代表能源消費結構X，以碳排放量除以總產值代表能源排放強度X。具體如表1 所示。

表1 基本變量信息表

由于上述8 個變量的單位不一樣，為了使得出的數據更加可靠和統計的順利進行，對柳州市2010—2019年十年的數據進行了對數化處理，結果如表2 所示。

表2 對數化后基本數據表

由于對造成柳州市二氧化碳排放的相關因素很多，為了找出對柳州市二氧化碳排放貢獻度最高的因子，首先用SPSS 統計工具對上述的因子進行皮爾遜關聯度檢驗。結果如表3 所示。

表3 二氧化碳排放量相關矩陣表

結果表明：在顯著性的水平下，X4,X5,X7 與二氧化碳排放量呈現負相關關系，說明影響因素產業結構、能源強度、能源排放強度與二氧化碳排放量呈顯著的負相關關系。在顯著性的水平下X2,X3 與二氧化碳排放量呈現正相關關系，說明影響因素城鎮化率、人均產值與二氧化碳排放量呈極顯著的正相關關系?？梢钥闯?，人均GDP 和城鎮化水平對柳州市二氧化碳的排放具有正向的相關性，而產業結構，能源強度，能源排放強度對柳州市二氧化碳的排放具有負向的相關性。而作為影響因素X1，即人口因素和柳州市二氧化碳的排放具有弱的正相關性，由于相關性比較弱，所以沒有被本次模型選中。能源消費結構方面，由于柳州一直是高碳型的工業城市，一次能源在其消耗的能源中占比常常超過95%，故對柳州市的二氧化碳的排放量沒有顯著的影響。綜上所述，選擇城鎮化率、人均GDP、產業結構、能源強度、能源排放強度這五個因素作為STIRPAT 方法分析模型的因素。

（三）模型估計

考慮到城鎮化率、人均GDP、產業結構、能源強度、能源排放強度這五個因素相互有影響的作用，可能會對數據分析造成重復計算的問題。利用SPSS 工具進行多重線性檢驗，判斷各因素之間是否有共線性問題。結果如圖1 所示：

圖1 多重線性檢驗結果

結果表明，五個因素的VIF 值都大大地超過了10，分別達到了194.118,119.172,19.511,887.939,1053.7 9，這表明了各變量之間并不相互獨立，存在多重共線性，對此將放棄使用最小二乘法，而使用嶺回歸的方法進行柳州市二氧化碳排放量的模型預測估計。結果如圖2 所示。

圖2 回歸碎石圖

在嶺回歸的分析中，根據輸出結果可以得到回歸碎石圖，從嶺回歸系數與K 值的關系可以看出，在k 值為0.02 的時候，坡度明顯變得緩和。在表4 的回歸系數表中，調整后的R 方值為0.9057，說明了數據的解釋力度達到90.57%，滿足對柳州市二氧化碳排放量預測值建立回歸模型的要求。

表4 回歸系數表

表5 的方差檢驗F 值為7.68，概率p 值為0.0353，小于臨界值0.05，模型整體效果較好，數據可靠性高。預測模型的系數a 為7.991，b 為0.729，c 為0.4396，d為0.7171，k 為0.1896，z 為0.2195。故最終模型如下：

表5 回歸方差檢驗表

為了檢測預測模型的精確度，把十年柳州市的相關數據代入模型（5）中得到的柳州市過去十年的二氧化碳排放量的預測值，與實際值對比如表6 所示。

表6 嶺回歸結果

將表7 中的預測值和實際值帶入得到兩者的擬合圖，如圖3 所示?？梢钥闯?，根據模型（5）計算出的預測值與實際排放量擬合很好。因此，該模型預測的誤差小，具有一定的實用性，可以為碳排放量化研究提供支撐，并為柳州市開展節能減碳工作提供一定的參考。

表7 2010—2019 年柳州市二氧化碳排放量預測對比表

圖3 預測模型實際值與預測值的擬合圖

四、結論

基于柳州市2010 年到2019 年十年間有關能源消耗數據并參考運用IPCC 相關的二氧化碳系數，把柳州市不同年度的能源消耗量轉換成二氧化碳排放量。在此基礎上，運用SPSS 統計工具對相關數據進行相關性檢驗，選取相關性顯著的變量代入到STIRPAT 模型中進行預測模型估計。由于各變量之間有嚴重的多線共性問題，沒有辦法用最小二乘法進行回歸分析。為了消除共性的影響，采用了嶺回歸的方法，對雙碳目標下柳州市碳排放預測模型進行估計。根據得到的二氧化碳排放量預測模型計算出的預測值與實際值擬合度較高，可以為柳州市碳排放的預測研究提供支撐。