區(qū)域雙碳目標(biāo)與預(yù)測(cè)研究

劉東格,孟繁華,馮 瑞,衣麗葵

(沈陽(yáng)工程學(xué)院電力學(xué)院,遼寧 沈陽(yáng) 110136)

0 引言

隨著全球變暖和溫室氣體排放的增加,各國(guó)紛紛意識(shí)到減少碳排放的重要性,并開始制定碳減排目標(biāo)。區(qū)域雙碳目標(biāo)是指在國(guó)家或地區(qū)范圍內(nèi)制定的碳減排目標(biāo),旨在應(yīng)對(duì)氣候變化和實(shí)現(xiàn)可持續(xù)發(fā)展[1]。

許多國(guó)家和國(guó)際組織已開始研究區(qū)域雙碳目標(biāo)與路徑規(guī)劃[2]、氣候科學(xué)、能源經(jīng)濟(jì)學(xué)、環(huán)境科學(xué)等多個(gè)領(lǐng)域[3],主要集中在制定雙碳目標(biāo)的原則、碳減排政策等理論,并未給出系統(tǒng)的評(píng)估方法[4]。本文在區(qū)域雙碳目標(biāo)與路徑規(guī)劃研究基礎(chǔ)上,進(jìn)一步探討德爾菲法[5]、差異性分析法[6-7]和多元線性回歸模型[8]在此領(lǐng)域的應(yīng)用。研究范圍包括指標(biāo)體系的確立、與碳減排目標(biāo)相關(guān)的因素分析、路徑規(guī)劃的決策支持和政策評(píng)估等[9]。

為了選取合適的理論和技術(shù)方案,參考相關(guān)研究成果和理論框架,并結(jié)合具體的研究對(duì)象和目標(biāo)進(jìn)行選取。德爾菲法作為一種專家咨詢方法,可用于獲取專家意見和建立共識(shí);差異性分析法可幫助比較不同方案的優(yōu)缺點(diǎn);多元線性回歸模型可提供經(jīng)驗(yàn)分析和預(yù)測(cè)能力[10]。這些方法的選取基于在區(qū)域雙碳目標(biāo)與路徑規(guī)劃研究中的適用性和有效性。通過對(duì)多種分析方法的運(yùn)用,為決策者提供科學(xué)、準(zhǔn)確的數(shù)據(jù)和方法支持,以制定可行的路徑規(guī)劃方案。

1 評(píng)估指標(biāo)體系的構(gòu)建

1.1 篩選方法

通過文獻(xiàn)研究,結(jié)合建立社會(huì)穩(wěn)定風(fēng)險(xiǎn)評(píng)價(jià)的特殊性和繁雜性,本文主要運(yùn)用專家問卷法進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系構(gòu)建,對(duì)該方法的應(yīng)用原理和適用性進(jìn)行說明。德爾菲法是指調(diào)查人員按照規(guī)定的流程對(duì)專家發(fā)放調(diào)查問卷,在專家對(duì)調(diào)查人員提出的問題回答完畢后,統(tǒng)一對(duì)數(shù)據(jù)歸納整理,并再次向?qū)＜艺髟円庖?進(jìn)一步整理數(shù)據(jù),最終產(chǎn)生結(jié)果。這種方法可有效減少主觀因素造成的影響[5]。

德爾菲法選取指標(biāo)的主要步驟如圖1所示。

圖1 德爾菲法流程

1.2 指標(biāo)體系確定

根據(jù)三輪征詢,并不斷修訂與完善,最終確定人口、生產(chǎn)總值、能源消費(fèi)量、產(chǎn)業(yè)能耗結(jié)構(gòu)、能耗品種結(jié)構(gòu)、碳排放量、能源消費(fèi)部門碳排放因子、外地調(diào)入電力碳排放因子為區(qū)域碳排放量及經(jīng)濟(jì)、人口、能源消費(fèi)量評(píng)價(jià)指標(biāo)體系。

2 區(qū)域碳排放量分析及其影響因素

2.1 碳排放量狀況

對(duì)某區(qū)域數(shù)據(jù)進(jìn)行匯總,得出2011年—2020年期間的碳排放量狀況,如圖2所示。

圖2 某區(qū)域碳排放量狀況

在十二五期間(2011年—2015年),總體上碳排放量呈增長(zhǎng)趨勢(shì)。在十三五期間(2016年—2020年),碳排放量繼續(xù)增長(zhǎng),但在2020年稍有下降;第三產(chǎn)業(yè)和居民生活的碳排放量在10年中呈上升趨勢(shì)。

2.2 碳排放總量對(duì)比

計(jì)算2011年—2015年和2016年—2020年2個(gè)時(shí)期的總碳排放量,如圖3所示。

圖3 十二五與十三五碳排放總量對(duì)比

由圖3可知,在十三五期間的碳排放總量比十二五期間增加約26 835.92萬tCO2,說明在這2個(gè)五年計(jì)劃期間,碳排放總量仍在增加。

3 差異性分析

差異性分析是一種用于比較不同組別之間差異的統(tǒng)計(jì)方法,主要目的是確定組與組之間的差異是否顯著,進(jìn)而推斷這些差異是否由隨機(jī)因素引起。常用于比較2個(gè)或多個(gè)組的均值、比例或其他統(tǒng)計(jì)指標(biāo)。在差異性分析中,常用方法包括方差分析(ANOVA)、T檢驗(yàn)、卡方檢驗(yàn)、回歸分析等。這些方法可以幫助研究者評(píng)估組別間的差異是否顯著,并提供統(tǒng)計(jì)支持[11-18]。

差異性分析步驟如圖4所示。

圖4 差異性分析流程

3.1 正態(tài)性檢驗(yàn)

根據(jù)上述數(shù)據(jù)可得其正態(tài)性檢驗(yàn)結(jié)果如表1所示。

表1 正態(tài)性檢驗(yàn) 單位:萬tCO2

結(jié)果分析均采用S-W檢驗(yàn):

a.碳排放量總量的顯著性P值為0.495,水平上不呈現(xiàn)顯著性,不能拒絕原假設(shè),因此數(shù)據(jù)滿足正態(tài)分布;

b.第一產(chǎn)業(yè)-農(nóng)林消費(fèi)部門,顯著性P值為0.123,水平上不呈現(xiàn)顯著性,不能拒絕原假設(shè),因此數(shù)據(jù)滿足正態(tài)分布;

c.第二產(chǎn)業(yè)-工業(yè)消費(fèi)部門,顯著性P值為0.481,水平上不呈現(xiàn)顯著性,不能拒絕原假設(shè),因此數(shù)據(jù)滿足正態(tài)分布;

d.第三產(chǎn)業(yè)-總量,顯著性P值為0.557,水平上不呈現(xiàn)顯著性,不能拒絕原假設(shè),因此數(shù)據(jù)滿足正態(tài)分布;

e.居民生活-居民生活消費(fèi),顯著性P值為0.367,水平上不呈現(xiàn)顯著性,不能拒絕原假設(shè),因此數(shù)據(jù)滿足正態(tài)分布。

利用觀測(cè)數(shù)據(jù)判斷總體是否服從正態(tài)分布的檢驗(yàn)稱為正態(tài)性檢驗(yàn),是統(tǒng)計(jì)判決中重要又特殊的擬合優(yōu)度假設(shè)檢驗(yàn)。

根據(jù)數(shù)據(jù)正態(tài)性檢驗(yàn)的結(jié)果,若正態(tài)圖基本呈現(xiàn)鐘形(中間高,兩端低),說明數(shù)據(jù)雖然不是絕對(duì)正態(tài),但基本為正態(tài)分布。碳排放量-總量、第一產(chǎn)業(yè)-農(nóng)林消費(fèi)部門、第二產(chǎn)業(yè)-工業(yè)消費(fèi)部門、第三產(chǎn)業(yè)-總量、居民生活-居民生活消費(fèi)的正態(tài)性檢驗(yàn)結(jié)果如圖5所示。

(a)碳排放量-總量

img id="7f6f3cdee3edfc07a7969a5a22468134" class="picture_figure" src="images/71201ed80d5d37c3018a2d0a5bbe0c98.jpg" width="213" height="102" title="width=213,height=102,dpi=110" />

(e)居民生活-居民生活消費(fèi)

圖5 正太性檢驗(yàn)結(jié)果

Q-Q圖的全稱是“Quantile-Quantile Plot”,在 MATLAB中,使用qqplot函數(shù)生成Q-Q圖,通過直觀觀察Q-Q圖的形狀來評(píng)估數(shù)據(jù)是否符合正態(tài)分布。在Q-Q圖中,如果圖中的點(diǎn)大致沿著一條直線分布,且曲線形狀近似于鐘形,那么數(shù)據(jù)更可能近似正態(tài)分布。

3.2 方差齊性檢驗(yàn)

根據(jù)上述數(shù)據(jù)可得其正態(tài)性檢驗(yàn)結(jié)果,如表2所示。

表2 方差齊性檢驗(yàn) 單位:萬tCO2

方差齊性檢驗(yàn)的結(jié)果顯示:對(duì)于碳排放量-第二產(chǎn)業(yè)-工業(yè)消費(fèi)部門,顯著性P值為0.219;對(duì)于碳排放量-第三產(chǎn)業(yè)-總量,顯著性P值為0.255;對(duì)于碳排放量-居民生活-居民生活消費(fèi),顯著性P值為0.378,水平上均不呈現(xiàn)顯著性,均不能拒絕原假設(shè),因此數(shù)據(jù)均滿足方差齊性。

3.3 獨(dú)立樣本T檢驗(yàn)分析結(jié)果

根據(jù)上述結(jié)論及其數(shù)據(jù)可得其獨(dú)立樣本T檢驗(yàn)分析結(jié)果,如表3所示。

表2和表3中,“***”、“**”、“*”分別代表1%、5%、10%的顯著性水平;0.20,0.50和0.80分別對(duì)應(yīng)小、中、大臨界點(diǎn)。

根據(jù)表3可知,十二五、十三五在碳排放量-碳排放量-總量的均值分別為66 074.683/71 441.868;由于滿足方差齊性,采用獨(dú)立樣本T檢驗(yàn),顯著性結(jié)果P值為0.001***,因此統(tǒng)計(jì)結(jié)果顯著,說明十二五、十三五在碳排放量-碳排放量-總量存在顯著差異;其差異幅度Cohen’sd值為3.185,差異幅度非常大。

表3 獨(dú)立樣本T檢驗(yàn)分析 單位:萬tCO2

十二五、十三五在碳排放量-第一產(chǎn)業(yè)-農(nóng)林消費(fèi)部門的均值分別為1077.459/1253.737;由于不滿足方差齊性,采用Welch’s T檢驗(yàn),顯著性結(jié)果P值為0.005***,統(tǒng)計(jì)結(jié)果顯著,說明十二五和十三五在碳排放量-第一產(chǎn)業(yè)-農(nóng)林消費(fèi)部門存在顯著差異;其差異幅度Cohen’sd值為2.895,差異幅度非常大。

十二五、十三五在碳排放量-第二產(chǎn)業(yè)-工業(yè)消費(fèi)部門上的均值分別為52 308.601/53 010.888;由于滿足方差齊性,采用獨(dú)立樣本T檢驗(yàn),顯著性結(jié)果P值為0.309,因此統(tǒng)計(jì)結(jié)果不顯著,說明十二五和十三五在碳排放量-第二產(chǎn)業(yè)-工業(yè)消費(fèi)部門不存在顯著差異;其差異幅度Cohen’sd值為0.688,差異幅度中等。

十二五、十三五在碳排放量-第三產(chǎn)業(yè)-總量的均值分別為7502.882/10 160.826;由于滿足方差齊性,采用獨(dú)立樣本T檢驗(yàn),顯著性結(jié)果P值為0.001***,因此統(tǒng)計(jì)結(jié)果顯著,說明十二五和十三五在碳排放量-第三產(chǎn)業(yè)-總量存在顯著差異;其差異幅度Cohen’sd值為3.177,差異幅度非常大。

十二五、十三五在碳排放量-居民生活-居民生活消費(fèi)的均值分別為5185.741/7016.417;由于滿足方差齊性,采用獨(dú)立樣本T檢驗(yàn),顯著性結(jié)果P值為0.001***,因此統(tǒng)計(jì)結(jié)果顯著,說明十二五和十三五在碳排放量-居民生活-居民生活消費(fèi)存在顯著差異;其差異幅度Cohen’sd值為3.523,差異幅度非常大。

4 區(qū)域碳排放量及其關(guān)聯(lián)模型

4.1 相關(guān)指標(biāo)變化

同比是今年某個(gè)階段與去年相同時(shí)段相比,適用于觀察某個(gè)指標(biāo)在不同年度的變化;環(huán)比是某個(gè)階段與其上一個(gè)時(shí)長(zhǎng)相等的階段作比較。其計(jì)算方法為

環(huán)比增長(zhǎng)率=(本期數(shù)-上期數(shù))/上期數(shù)×100%

(1)

同比增長(zhǎng)率=(本期數(shù)-同期數(shù))/同期數(shù)×100%

(2)

通過同比和環(huán)比分析,可了解數(shù)據(jù)的增長(zhǎng)趨勢(shì)。同比可知年度趨勢(shì),而環(huán)比則有助于觀察季度或月度內(nèi)的波動(dòng)。這2種方法都有助于制定經(jīng)營(yíng)策略和預(yù)測(cè)未來趨勢(shì)。

根據(jù)已知數(shù)據(jù)可得同比和環(huán)比對(duì)比圖,如圖6、圖7所示。

圖6 同比增長(zhǎng)對(duì)比

由圖6、圖7可知,在2010年—2020年期間,中國(guó)人口同比增長(zhǎng)約7.72%;GDP同比增長(zhǎng)約114.17%;能源消耗量同比增長(zhǎng)約33.57%;碳排放量同比增長(zhǎng)約28.87%;然而在2019年—2020年,能源消耗量和碳排放量均出現(xiàn)下降,分別下降約2.45%和1.97%,可能與能源效率的改善和環(huán)保政策的實(shí)施有關(guān)。

圖7 環(huán)比增長(zhǎng)對(duì)比

4.2 多元線性回歸模型

多元線性回歸模型是一種用于建立和分析多個(gè)自變量與一個(gè)因變量之間關(guān)系的統(tǒng)計(jì)模型,是線性回歸分析的擴(kuò)展,可以同時(shí)考慮多個(gè)自變量對(duì)因變量的影響。

在多元線性回歸模型中,假設(shè)因變量與自變量之間存在線性關(guān)系。模型的目標(biāo)是通過最小化觀測(cè)值與模型預(yù)測(cè)值之間的差異來估計(jì)自變量系數(shù),并建立一個(gè)能夠解釋因變量變異的模型[8]。

根據(jù)上述數(shù)據(jù),可建立人口、生產(chǎn)總值、能源消費(fèi)量、產(chǎn)業(yè)能耗結(jié)構(gòu)、能耗品種結(jié)構(gòu)、碳排放量、能源消費(fèi)部門碳排放因子、外地調(diào)入電力碳排放因子和碳排放量之間的關(guān)聯(lián)關(guān)系模型。其關(guān)系可用多元線性回歸模型來表示,其中人口、生產(chǎn)總值、能源消費(fèi)量、產(chǎn)業(yè)能耗結(jié)構(gòu)、能耗品種結(jié)構(gòu)、碳排放量、能源消費(fèi)部門碳排放因子、外地調(diào)入電力碳排放因子作為自變量,分別表示為X1～X8,碳排放量作為因變量。本文的時(shí)間跨度為2010年—2020年。

碳排放量=α+β1X1+β2X2+…+β8X8+ε

(3)

式中:α為截距項(xiàng),表示當(dāng)所有自變量為零時(shí)的碳排放量;β1-β8為回歸系數(shù),表示各自自變量對(duì)碳排放量的影響;ε為去除自變量X1-X8對(duì)因變量碳排放量產(chǎn)生的隨機(jī)誤差。

模型的核心假設(shè)自變量與某區(qū)域碳排放量之間的關(guān)系可用線性方程來表示,說明自變量的變化可反應(yīng)某區(qū)域碳排放量的變化。

根據(jù)已知數(shù)據(jù)結(jié)合MATLAB進(jìn)行多元線性回歸分析模型處理可得表4。

表4 多元線性分析參數(shù)

通過分析這些模型參數(shù),可以了解因變量隨著每個(gè)自變量的演變趨勢(shì)。表4中SE(standard error)為標(biāo)準(zhǔn)誤差;tStart(t-statistic)為用于檢驗(yàn)一個(gè)參數(shù)估計(jì)值與零假設(shè)之間的差異是否顯著的統(tǒng)計(jì)量,無論tStart 統(tǒng)計(jì)量的值是正還是負(fù),其絕對(duì)值越大,表示對(duì)應(yīng)的回歸系數(shù)的顯著性越高。以人口(X1)為例,估計(jì)系數(shù)為 6.7772,X1的tStart為正,P值為0.846 73(如果P值小于顯著性水平0.05,則估計(jì)系數(shù)被認(rèn)為是顯著的),說明人口對(duì)碳排放量的估計(jì)系數(shù)不顯著。即在這個(gè)模型下,人口對(duì)碳排放量的影響不顯著。

4.3 碳排放預(yù)測(cè)模型

結(jié)合上述數(shù)據(jù)運(yùn)用MATLAB對(duì)未來10年的碳排放量進(jìn)行預(yù)測(cè),觀測(cè)次數(shù)為11次,誤差自由度為2,均方根誤差為809,R2=0.999,調(diào)整后的R2=0.993,F統(tǒng)計(jì)量與常數(shù)模型為179,P=0.005 58,預(yù)測(cè)結(jié)果如圖8所示。

圖8 未來10年碳排放量預(yù)測(cè)

預(yù)測(cè)結(jié)果可知R2接近1,F統(tǒng)計(jì)量和P值表明模型的整體性能非常好,說明模型可以很好地用于預(yù)測(cè)數(shù)據(jù)。

5 結(jié)論

本文討論了指標(biāo)體系的評(píng)估問題,利用歷史的樣本數(shù)據(jù),建立差異性分析及多元線性回歸分析模型,對(duì)回歸系數(shù)進(jìn)行預(yù)測(cè),驗(yàn)證了模型擬合、預(yù)測(cè)結(jié)果的可行性和有效性。本文所提方法還有很大的理論探討空間,制定雙碳路徑規(guī)劃需考慮差異化。

a.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。重點(diǎn)減少工業(yè)部門的碳排放,鼓勵(lì)高效低碳生產(chǎn)方式,推動(dòng)產(chǎn)業(yè)升級(jí)和轉(zhuǎn)型。

b.能源轉(zhuǎn)型。大力發(fā)展可再生能源,減少對(duì)化石燃料的依賴,提高能源效率,同時(shí)推動(dòng)電動(dòng)交通等低碳交通方式。

c.碳定價(jià)機(jī)制。引入碳定價(jià)機(jī)制,通過碳市場(chǎng)激勵(lì)企業(yè)減少碳排放,鼓勵(lì)碳交易和碳匯市場(chǎng)發(fā)展。

d.居民生活。通過教育和政策措施,鼓勵(lì)居民采用更環(huán)保的生活方式,包括節(jié)能碳減排、綠色出行和垃圾分類等。

雙碳路徑規(guī)劃應(yīng)該綜合性考慮,需要在政府、企業(yè)和居民之間形成共識(shí),確保可持續(xù)發(fā)展的同時(shí)減少碳排放。