中國人口老齡化對碳排放影響的時空異質性研究

崔月彤

（山西財經大學 統計學院，山西 太原 030006）

一、引言

在日益突出的全球變暖趨勢下，我國將碳達峰碳中和上升為國家重要戰略，成為目前經濟社會可持續發展的關鍵任務，這也是解決資源環境約束突出問題、應對氣候變化、構建人類命運共同體的必然要求。

由于經濟發展、工業化和城鎮化進程、資源稟賦、人口結構的變化，我國碳排放總量呈現不同的變化軌跡，特別是在人口老齡化程度加深的過程中，人口結構和能源系統之間存在著復雜的關系，老齡化對碳排放的影響不容忽視。因此，考慮到我國區域發展的不平衡性，從時空角度深入剖析人口老齡化對碳排放的動態變化關系和區域差異，一方面有助于認識老齡化因素在氣候變化中的作用，為制定減排降碳政策提供新的思路，另一方面能為減排降碳政策縱向規劃和橫向布局提供實證參考，進一步推動我國人口、環境的可持續均衡發展。

二、文獻綜述

隨著全球老齡化進程的加快，探討老齡化與碳排放的關系成為新的學術視角。

從外文文獻看，國外學者最先對人口規模與碳排放的影響展開研究（Knapp和Mookerjee，1996[1]；Albrecht和Francois等，2002[2]；Puliafito和Puliafito等，2008[3]），隨后學者將關注點放在了老齡化與碳排放的影響關系上。Dalton和O'neill等（2008）[4]運用PET（人口-環境-技術）模型，從家庭層面分析了美國老齡化對碳排放的影響，結果表明人口老齡化在未來會降低美國的碳排放水平。O'neill和Dalton等（2010）[5]發現老齡化可以減少高達20%的碳排放，特別是工業化國家地區，主要通過對勞動力供應的影響來影響碳排放。Hassan和Salim（2015）[6]的研究表明人口老齡化程度增加1%，人均CO2排放能降低1.55%。Liddle和Lung（2010）[7]通過研究不同年齡組對環境的影響，發現65—70歲年齡組有增加碳排放的作用。Menz和Welsch（2012）[8]對1960—2005年26個OECD國家進行了研究，也得到了相同的結論。Wang和Wang（2021）[9]基于面板閾值回歸模型發現，隨著老齡化程度的加深，高、中、低收入群體的產業結構和城市化與碳排放之間存在非線性關系。

從中文文獻看，老齡化已納入碳排放影響因素研究中，研究結論主要包括以下三方面：第一種結論是我國人口老齡化對CO2排放量具有負效應（李楠和邵凱等，2011[10]；田成詩和郝艷等，2015[11]）。第二種結論是老齡化是驅動碳排放增長的主要因素（尹向飛，2011[12]；齊欣，2016[13]；吳昊和車國慶，2018[14]；李昌寶和高莉等，2010[15]）。第三種結論是老齡化與碳排放之間存在非線性關系，如劉輝煌和李子豪（2012）[16]引入LMDI因素分解法和GMM方法發現老齡化與碳排放呈現倒U型關系，且目前我國人口老齡化并未跨過倒U型拐點，主要通過生產渠道促進碳排放。李飛越（2015）[17]基于SYS-GMM等計量方法進行研究，發現老齡化與碳排放之間存在倒U型關系。但也有學者認為老齡化與碳排放之間存在U型或N型關系（王芳和周興，2012[18]；楊愷鈞和楊甜甜，2018[19]）。

綜上所述，現有對人口老齡化與碳排放影響關系的研究存在以下不足：一是多從全國視角研究老齡化對碳排放的影響，較少涉及對兩者關系的區域差異研究。二是目前常見的研究方法多為基于大樣本對總體進行推斷的傳統統計和計量方法，對于具有小樣本特性和空間自相關特性的空間數據而言具有一定的局限性，模型結果可能存在偏差。因此，本文的貢獻可能體現在以下兩方面：一是研究視角有所創新，考慮到人口老齡化與碳排放的關系存在時間、空間以及程度上的差別，由此本文在研究老齡化與碳排放的時空演化規律基礎上，采用分時段、分區域的方式對兩者的關系進行了多方位對比分析。二是研究方法有所創新，本文采用近年來廣受關注的貝葉斯時空方法，充分考慮先驗信息和時空因素，同時解決了空間數據小樣本和自相關的問題，彌補了傳統方法的不足。

三、模型構建與數據來源

（一）模型構建

1.STIRPAT模型

Ehrlich和Holdren（1971）[20]提出了經典的IPAT模型，即I=A×P×T，其中A表示財富，P表示人口規模，T表示技術水平。該模型綜合反映了人口、財富與環境之間的相互關系，但具有一定的局限性，在實際中很難實現這三個影響因素的彈性為1，而且也無法對參數進行估計和檢驗。其后，Dietz和Eugene（1997）[21]在此基礎上提出了STIRPAT模型：

式（1）中，a為基礎截距項，b、c、d分別為財富A、人口P和技術T的影響系數，e為隨機誤差項。對式（1）兩邊取對數可得到如下形式：

這種形式更好地反映了各影響變量對環境（碳排放）的彈性大小。STIRPAT模型可以對各個因素進行適當的分解，對相應的STIRPAT模型進行擴展引入老齡化變量及其他控制變量，以此作為實證模型的理論基礎。

2.貝葉斯層次時空模型

在STIRPAT理論框架基礎上，考慮老齡化與碳排放關系的時空特性，引入貝葉斯層次時空模型進行分析。貝葉斯層次時空模型不僅能加入時空交互效應反映變量的時空演化特征，而且也能加入影響因素反映時空變量間的影響關系（韓秀蘭和李俊明，2018[22]）。貝葉斯層次時空模型在貝葉斯層次模型的基礎上加入了空間效應變量，對包含空間信息的數據具有良好的解釋性，并且貝葉斯模型基于總體、樣本和先驗信息進行統計推斷，以概率分布的形式給出參數估計，在一定程度上克服了傳統模型的缺陷。

貝葉斯層次模型包括3部分：數據模型、過程模擬、超參數模型。根據貝葉斯層次模型的構造方法，考慮空間自相關性和不確定性，將反映空間效應的空間解釋變量s（i）加入模型，并納入影響因素，基于STIRPAT理論框架構建碳排放量yit與老齡化率oldit及其他影響變量的貝葉斯層次時空模型，研究老齡化對碳排放的影響。貝葉斯層次時空模型結構如下：

式（3）中，yit表示碳排放量分別為相應似然分布的期望和方差。式（4）表示時空演化過程，式中（b0t*+vt）描述了總體時間變化趨勢；b1it*描述了局部變化趨勢；s（i）為空間解釋變量，描述相對穩定的空間效應，包括了空間非結構效應和結構效應，即s（i）=φi+Si，相應地可以分為熱點｛p［exp（si）>1］>0.8｝、溫點｛0.2≤p［exp（si）>1］≤0.8｝、冷點｛p［exp（si）>1］<0.2｝三個區域。式（5）表示總體回歸函數。式（6）表示分區域回歸函數，函數中包括核心變量老齡化率oldit，以及其他影響碳排放量的變量xit2，…，xitj；β1，β2，…，βj為j個變量所對應的影響系數；r（i）代表i省（區、市）所屬的區域編號，本文中將我國除港澳臺之外的31個省（區、市）按地理位置分為東部、中部、西部三個區域，各影響因素的參數反映了不同區域因素對碳排放的影響程度；εit為高斯噪聲隨機變量。式（7）—（10）給出了時空參數的先驗形式，其中α、βj為無信息先驗，S[1…N]是條件自回歸模型。由于模型中包含多個參數和超參數，后驗分布計算存在高維聯合概率密度函數的估計問題，因此本文采用基于Gibbs抽樣的MCMC方法進行模型估計。

（二）變量說明與數據來源

1.被解釋變量

表1 碳排放系數和折標煤系數

2.核心解釋變量

核心解釋變量為老齡化率（old）。使用65歲及以上人口占總人口的比重代表我國人口老齡化水平。在老齡化程度逐漸加深的過程中，人們的消費水平、生活消費模式會發生改變，對能源的需求也有所變化，而且人口年齡結構變化可能導致我國勞動力發生改變，進而影響生產，對碳排放產生影響。

3.控制變量

本文選取以下變量作為控制變量，數據均來自歷年《中國統計年鑒》。

（1）人均GDP（pgdp）：通過一個地區核算期內實現的國內生產總值與該地區常住人口相比進行計算，衡量了人們的生活水平，也代表了該地區的經濟發展水平，所有數據定基在2000年，采用GDP平減指數消除通貨膨脹因素。

（2）人口總量（pop）：該地區的常住人口數量。

（3）城鎮化率（urb）：城鎮人口數占總人口數的比重，是衡量一個地區經濟社會水平的重要標志。

（4）第二產業比重（ind）：第二產業增加值占GDP的比重，代表了該地區的工業化程度，也反映了一個地區的產業結構。

四、實證結果與分析

（一）老齡化、碳排放的時空差異

由于我國區域發展的非均衡性，老齡化與碳排放均存在明顯的時空差異特征。根據貝葉斯層次時空模型中的時空演化過程，可清晰地描述我國人口老齡化與碳排放的變化趨勢與演化過程。圖1描繪了2000—2019年我國老齡化與碳排放的總體變化趨勢，可以看出，我國老齡化率與碳排放量均呈上升趨勢，但表現出不同的階段特征。2000—2010年，我國碳排放量增長較快，2011年后碳排放量增速雖然開始放緩，但未出現拐點，說明目前我國碳減排壓力仍然很大，老齡化率在這兩個階段均保持快速增長態勢。

圖1 2000—2019年老齡化率、碳排放量總體變化趨勢

進一步觀察老齡化與碳排放的空間差異與局部變化趨勢，詳見表2。

表2 2000—2019年我國老齡化、碳排放的時空格局與局部變化趨勢

我國人口老齡化呈現“東高西低”的區域發展特征。從省域角度看，老齡化熱點區域集中在東部經濟發達地區和中部及西南省（區、市），溫點區域以熱點區域為中心向周邊擴散，冷點區域分布在中國北部和西部偏遠地區。東部沿海高老齡化地區增速開始放緩，中部及西南高老齡化區域局部增速加快，熱點區域逐步向內陸地區轉移，區域差異進一步縮小。

我國碳排放大致形成“東高西低、北高南低”的空間特征。從省域角度看，碳排放熱點區域集中在東北能源大省和東部沿海地區，溫點和冷點區域成片聚集在中西部。大部分省（區、市）碳排放量局部增速趨于平緩，碳排放強增長區分散在北部和華東地區部分省市，具有溫點和熱點地區弱增加、冷點地區強增加趨勢。

綜合看，東部地區老齡化和碳排放熱點區域多、增速低，中部地區老齡化和碳排放溫點和熱點區域多，但老齡化局部增速高、碳排放增速低，西部地區老齡化冷點區域多、增速高，而碳排放溫點區域多，增速低。因此，老齡化與碳排放均存在一定的空間聚集特征，且具有明顯的區域差異。

（二）時間視角：人口老齡化對碳排放的階段影響

通過老齡化與碳排放時空特征分析，發現老齡化與碳排放之間具有一定的聯系和差異。本文將老齡化率、人均GDP、人口總量、城鎮化率、第二產業比重這5個變量作為影響因子，應用貝葉斯層次時空模型探究老齡化對碳排放的影響。如前文所述，老齡化與碳排放在時間上的趨勢特征是不同的，分階段研究更能凸顯兩者的動態關系，因此將2000—2019年劃分為2000—2005年、2006—2011年和2012—2019年3個時間段進行研究，最終模型回歸結果見表3。

表3 分階段模型影響系數估計結果

（續表）

從模型結果看，在2000—2019年整個研究期內，我國人口老齡化對碳排放的影響具有階段性特征，隨著時間的推移，老齡化對碳排放的影響呈由正效應轉為負效應的倒U型趨勢。具體看，在2000—2005年這一階段，2000年我國剛剛邁入老齡化社會，老齡化對碳排放的促進作用較強，影響系數為0.467［95%CI：（0.282，0.652）］。在2006—2011年這一階段，隨著老齡化程度的持續加深，對碳排放的正向效應逐步弱化且變得不顯著，影響系數變為0.059［95%CI：（-0.114，0.231）］。在2012—2019年這一階段，影響系數開始由正轉負，變為-0.393［95%CI：（-0.571，-0.216）］，老齡化對碳排放的作用發生變化，促進效應轉為抑制效應。究其原因，在老齡化初期，人口增長和人口結構變動帶來的人口紅利會帶動經濟快速增長，雖然在老齡化趨勢下我國勞動人口比例有所下降，但勞動群體仍是我國主要消費主體，并不會對社會的生產和消費產生抑制作用，而且家庭規模逐漸小型化，會增加人均生活用能，生活質量的提高帶動老年人外出概率的增加，交通能源消耗也相應增加，對碳排放產生促進效應。隨著老齡化程度的不斷加深，人口紅利正在逐步消失，社會發展更加關注勞動生產效率的提高，傳統勞動密集型產業逐步向資本和技術集約型產業發展，老齡化推動了產業結構的轉型升級和技術水平的進步，從而減少了對化石能源的需求，對碳排放的促進效應縮小。同時隨著低碳理念的普及，老年群體的消費模式更傾向于低碳化，老齡化的抑制作用開始逐漸凸顯。

從控制變量看，人均GDP對碳排放始終存在顯著的正相關關系，其對碳排放的影響程度越來越大，逐漸成為影響碳排放增長的主要因素；人口規模的擴大必然帶動消費的增加，同時也會消耗更多的能源來滿足電力、工業、交通等需求，從而產生更多的碳排放量，對碳排放具有促進效應；城鎮化水平對碳排放的正效應卻在逐漸弱化，這說明城鎮化初期基礎設施建設帶來了更多的碳排放，隨后城鎮化進程帶來的集聚效應對碳排放開始發揮抑制作用，正向促進作用明顯減小；第二產業比重對碳排放的正向效應先減小后增大，成為僅次于人均GDP的第二大影響因素，這說明目前我國工業化水平的提高仍會帶來較大高污染、高耗能的資源環境代價。

（三）空間視角：人口老齡化對碳排放的分區域影響

我國東、中、西部地區社會經濟發展不均衡，不同區域老齡化水平與碳排放程度存在的關系也會有所不同，因此，分區域探討老齡化對碳排放的影響是有必要的。分區域貝葉斯層次時空模型考慮了不同區域之間的差異性和相關性，更加客觀地解釋了老齡化對碳排放影響的區域差異。分區域模型回歸結果見表4。

表4 分區域模型影響系數估計結果

（續表）

模型估計結果顯示，老齡化對碳排放的影響存在明顯的區域異質性。東部地區老齡化對碳排放具有抑制效應，中西部地區與之相反，老齡化對碳排放具有促進效應，且不同地區影響程度不同。

在東部地區，老齡化對碳排放的影響系數為-0.065［95%CI：（-0.233，0.105）］，老齡化已表現出碳減排效應，但作用力度較小。究其原因，東部地區老齡化程度相比中西部地區嚴重，老年人受教育水平普遍較高，自身素質較高，在增加生活能源消耗的同時更加注重低碳消費；此外，東部地區經濟發展較快，產業結構較為合理，在老齡化發展趨勢下老齡產業迅速發展，所帶來的產業結構優化效應減少了對能源消費的需求，加之人才集聚以及老年勞動力素質的提升促進了技術升級，最終會減少碳排放。

在中部和西部地區，影響系數分別為0.162［95%CI：（-0.179，0.498）］和0.119［95%CI：（-0.130，0.372）］，這表明老齡化程度的加深會促進中西部地區碳排放的增加。可能的原因在于以下兩方面：一是中西部地區老齡化程度較低，初期人口紅利還未消失，源于人口和經濟增長的能源消耗呈上升趨勢；二是由于老年人身體機能退化待在家中和空閑的時間增多，導致在家用電器的使用和采暖照明需求上的能源消費更高，由此在生活用能方面的碳排放會增多。從影響程度上看，中部地區老齡化對碳排放的促進作用強于西部地區，這可能是因為中部地區老年人就業率普遍高于西部，一定程度上彌補了老齡化帶來的勞動力供給不足，這些勞動力在生產及消費中對經濟增長作出貢獻的同時，也增加了能源消耗，而西部地區人口外流現象嚴重，年輕勞動人口相對減少，勞動生產率及經濟活力較低，抵消了部分老齡化對碳排放的促進效應，影響程度弱于中部地區。

從控制變量看，人均GDP、人口總量、第二產業比重這3個變量在不同區域均具有正效應，但影響程度不同。經濟增長的正向效應呈“西-東-中”依次遞減趨勢，人口規模的正向效應呈“中-西-東”依次遞減趨勢，工業化水平的正向效應呈“東-西-中”依次遞減趨勢。城鎮化率對碳排放的影響也存在區域差異，在中部和東部地區具有正效應，在西部地區具有負效應。這說明我國經濟的發展、人口規模的擴大以及傳統工業的發展產生了高能耗、高排放，城鎮化水平較高的中東部地區還沒有形成技術先進、低碳環保的發展模式，西部地區城鎮化發展緩慢，還沒有產生較多的碳排放。

五、結論與建議

本文在探究2000—2019年我國人口老齡化與碳排放時空差異的基礎上，采用貝葉斯層次時空模型深入剖析了老齡化與碳排放的影響關系，并進行了分時段、分區域對比分析，研究發現：（1）我國老齡化高速增長的態勢仍然存在，碳排放已呈現增速放緩態勢，老齡化與碳排放均呈現“東-中-西”依次遞減的空間格局。（2）從時間維度看，我國人口老齡化對碳排放的影響具有階段性特征，隨著時間的推移，老齡化對碳排放的促進效應逐漸減弱，隨后轉變為顯著的抑制效應，整體存在倒U型變化趨勢。（3）從空間維度看，老齡化對碳排放的影響存在區域異質性，影響程度存在“中-西-東”依次遞減的階梯式特征，與中西部相反，東部地區已呈現出老齡化對碳排放的緩解趨勢。

因此，在應對老齡化和氣候問題的過程中，應該考慮如下問題：

第一，注重政策的靈活性與差異性，針對各區域精準施策。各區域應結合自身實際，注重老齡化對該區域碳排放的作用，對碳減排政策進行分時段、分區域管理。對于東部地區，進一步擴大老齡化帶來的碳減排效應，大力發展新能源、新技術，尤其是在老齡化背景下積極發展養老服務產業，比如針對老年人的醫療護理、休閑養生、生活娛樂等相關服務；對于中西部地區，在城鎮化和工業化進程中，應轉變傳統的經濟發展模式和產業結構，向第三產業和高技術密集型產業發展，降低能源消耗和污染，改善氣候問題。

第二，積極應對老齡化發展趨勢，從人口發展角度制定節能低碳政策。研究表明經濟因素仍是影響碳排放的主要因素，但人口老齡化對碳排放具有顯著影響，這表明碳減排政策不僅要從經濟、能源方面入手，還要重視人口因素對碳排放的影響，轉變人們的消費模式和消費理念，提高低碳意識，倡導綠色消費、低碳生活，促進人口結構變化與低碳發展相協調，在應對老齡化問題的同時盡早實現我國碳達峰、碳中和的發展目標。◆