论文部分内容阅读
摘 要：本文通过利用STIRPAT模型，定量分析了京津冀地区1995-2012年人口规模、城镇化水平、能源消费强度和经济发展水平对碳排放量的影响。结果发现人口规模的影响最为重要，其次为经济发展水平和能源消费强度，而城镇化水平的影响效果较小，并发现2006前后，能源消费强度和经济发展水平的弹性发生了明显的变化。最后，本文结合实证的结果得出结论并给出相关的建议。
关键词：STIRPAT模型；京津冀地区；碳排放量；弹性系数
1.引言
近年来，全球经济发展迅猛，工业化进程不断加快，由此而引发的环境问题也越来越严重，人们对全球变暖问题的担忧，使得碳排放逐渐进入人们的视野，并成为了世界各国关注的焦点。京津冀地区是我国碳排放量最大的都市圈，约占全球的20%，因此它肩负着我国低碳转型的重任。
2.模型的构建
在具体的模型构建方面，文中主要是借鉴了Rose和Dietz等人基于人口、财富和技术等影响因素建立的随机回归模型STIRPAT（Stochastic Impacts by Regression on Population，Affluence and Technology）。该模型是经典的环境压力模型IPAT改善而来的随机形式，它的一般形式为：It = aPbt Act Tdt ut ；其中I表示环境压力、P表示人口数量、A表示财富，T表示技术，a为模型的系数，b、c、d分别为各自变量的驱动力指数，ut为随机误差项。
本文在此模型的基础上进一步深化拓展，将人口因素、经济发展水平和能源消费引入模型，全面分析各因素对碳排放的影响。扩展后，建立如下模型：lnCt=lna+blnPt+clnAt+dlnTt+elnYt+μt，其中C表示碳排放量；P表示人口规模；A代表人口城市化率；T代表能源消耗强度；Y代表经济发展水平；μ为随机干扰项。扩展后的模型综合考虑了人口、经济、能源消耗对环境的影响，与传统的STIRPAT模型相比，可以更好地反映碳排放影响因素的规模与结构。
3.实证分析
3.1方程回归分析
首先针对这个方程进行简单的OLS回归，得到的结果如下：
从该结果中可以看出，lnA的t统计量很小，而且并没有通过检验，并且D.W统计量高达275，说明该模型可能存在着序列相关性，导致了t检验的失效。接着，在模型中加入ma（1）项，即残差的一阶移动平均项，消除序列相关性，得到的检验结果如表3.4：
从上表中看出，对残差进行一阶移动平均加入到模型当中后，D.W统计量明显缩小，仅仅为212，说明该模型消除了序列相关，但lnA的t统计量依然不显著，考虑存在间断点的可能，对上述模型进行CHOW检验，选2006年作为间断点，检验结果为F统计量等于43522，对应的拒绝的概率为00483。检验结果可知，在5%的显著水平下，我们认为该方程在2006年存在一个间断点，因此我们引入虚拟变量D，再对该方程做回归，结果如下：
从上表中我们可以得知，在5%的显著水平下，各个变量的系数都显著不为0，说明各个变量都有意义，可决系数高达0999，DW统计量也仅有224，说明不存在显著的序列相关性。因此，我们认为该估计结果是有意义的。
3.2回归系数解释
从上述回归方程中，我们得到以下的结论：
（1）我国京津冀地区STIRPAT模型的长期人口弹性为1065，即人口增长1%，碳排放量增长1065%。该结果说明，人口对碳排放量的影响是最大的，人口数量越大，碳排放量就越大，且还存在乘数的效应，即碳排放的增长量要大于人口的增长量。
（2）长期城市化率弹性为002，即城市化率增长1%，碳排放仅仅增长002%。该结果说明，京津冀地区城镇化水平的提高会导致更多的碳排放量，但其影响程度很小。
（3）能源消费强度弹性分成两个部分，1995年-2005年的值为1038，2006年-2012年的值为0923，即1995-2005年，能源消费强度增长1%，碳排放量增长1038%，能源消费强度的增长水平要比碳排放量的增长水平要低；2006年-2012年能源消费强度增长1%，碳排放量增长0923%，能源消费强度的增长要比碳排放量的增长量要大。
（4）经济发展水平弹性同样分成了两个阶段，1995年-2005年，弹性值为102，2006年-2012年，其值为0937，即1995年-2005年，经济发展水平增长1%，碳排放量会增长102%，2006年-2012年，经济发展水平增长1%，碳排放量会增长0937%。
4.结论和政策建议
本文通过STIRPAT模型对京津冀地区的碳排放量的影响因素进行了分析，发现人口数量、经济发展水平和能源消费强度对其碳排放量有很大的影响，人口数量的影响最大，弹性系数高达1065，经济发展水平和能源消费强度在1995年-2005年间对碳排放量的影响较大，且能源消费强度比经济发展水平的影响力大，弹性分别为102和1038，2006年后，影响效果变弱，它们的弹性分别降为0937和0923，此时经济发展水平变得更加重要。城镇化水平也对碳排放量有一定的影响，但影响效果较小，弹性仅为002。
针对上述的分析结果，为了进一步促进京津冀地区的低碳发展，提出如下建议：
（1）合理调控人口规模。从上述分析结果可知，在京津冀地区，人口规模是影响碳排放量的主要因素，人口规模越大，碳排放量就越高，并且其增长程度还具有乘数效应。这说明要想合理的控制京津冀地区的碳排放量，实现低碳发展之路，必须要先控制人口的规模。计划生育政策是我国的基本国策之一，也是当前我国控制人口规模最有效的手段。因此在京津冀地区继续贯彻执行计划生育政策，控制人口的增长速度，能够在很大的程度上缓解碳排放的增长速度。
（2）降低能源消费强度。当前，由于京津冀一体化的影响，该地区的经济得到了飞速的发展，而伴随着的是能源消费强度的攀升。从上述分析中得出，能源消费强度与碳排放量具有正比例的关系。因此，要想减缓碳排放量，实现低碳经济，必须要控制能源消费的强度。其实现的途径有很多，例如调整京津冀地区的产业结构，淘汰那些能源消费强度高的产业，积极鼓励新型的绿色产业，给予更多的政策优惠，实现绿色增长。
（3）鼓励居民绿色消费。从上述分析中得出，京津冀地区经济发展水平的提高会导致大量的碳排放。但是，我们不能因噎废食，放弃经济发展，我们可以通过引导人们绿色消费去发展经济，以避免过高的碳排放量。例如，通过媒介手段去提升居民的节能环保意识，将节能、减排变成居民的自觉行动；制定相关的补助政策，引导人们选购绿色的能源；鼓励绿色出行，反对生活浪费。（作者单位：首都经济贸易大学）
参考文献：
[1] 卫平，周亚细.城市化、能源消费与碳排放-基于STIRPAT模型的跨国面板数据实证研究[J].生态经济，2014（9）：14-18.
[2] 徐丽娜，赵涛.城镇化与碳排放量关系研究[J].西北人口，2014（1）：18-22.
[3] 黄宜，赵广洲，王艳伟.基于STIRPAT模型的能源消费碳排放影响因素研究-以云南省为例[J].价值工程，2013（32）：182-183.
[4] 黄蕊，王铮.基于stirpat模型的重庆市能源消费碳排放影响因素研究[J].环境科学学报，2013（2）：602-608.
关键词：STIRPAT模型；京津冀地区；碳排放量；弹性系数
1.引言
近年来，全球经济发展迅猛，工业化进程不断加快，由此而引发的环境问题也越来越严重，人们对全球变暖问题的担忧，使得碳排放逐渐进入人们的视野，并成为了世界各国关注的焦点。京津冀地区是我国碳排放量最大的都市圈，约占全球的20%，因此它肩负着我国低碳转型的重任。
2.模型的构建
在具体的模型构建方面，文中主要是借鉴了Rose和Dietz等人基于人口、财富和技术等影响因素建立的随机回归模型STIRPAT（Stochastic Impacts by Regression on Population，Affluence and Technology）。该模型是经典的环境压力模型IPAT改善而来的随机形式，它的一般形式为：It = aPbt Act Tdt ut ；其中I表示环境压力、P表示人口数量、A表示财富，T表示技术，a为模型的系数，b、c、d分别为各自变量的驱动力指数，ut为随机误差项。
本文在此模型的基础上进一步深化拓展，将人口因素、经济发展水平和能源消费引入模型，全面分析各因素对碳排放的影响。扩展后，建立如下模型：lnCt=lna+blnPt+clnAt+dlnTt+elnYt+μt，其中C表示碳排放量；P表示人口规模；A代表人口城市化率；T代表能源消耗强度；Y代表经济发展水平；μ为随机干扰项。扩展后的模型综合考虑了人口、经济、能源消耗对环境的影响，与传统的STIRPAT模型相比，可以更好地反映碳排放影响因素的规模与结构。
3.实证分析
3.1方程回归分析
首先针对这个方程进行简单的OLS回归，得到的结果如下：
从该结果中可以看出，lnA的t统计量很小，而且并没有通过检验，并且D.W统计量高达275，说明该模型可能存在着序列相关性，导致了t检验的失效。接着，在模型中加入ma（1）项，即残差的一阶移动平均项，消除序列相关性，得到的检验结果如表3.4：
从上表中看出，对残差进行一阶移动平均加入到模型当中后，D.W统计量明显缩小，仅仅为212，说明该模型消除了序列相关，但lnA的t统计量依然不显著，考虑存在间断点的可能，对上述模型进行CHOW检验，选2006年作为间断点，检验结果为F统计量等于43522，对应的拒绝的概率为00483。检验结果可知，在5%的显著水平下，我们认为该方程在2006年存在一个间断点，因此我们引入虚拟变量D，再对该方程做回归，结果如下：
从上表中我们可以得知，在5%的显著水平下，各个变量的系数都显著不为0，说明各个变量都有意义，可决系数高达0999，DW统计量也仅有224，说明不存在显著的序列相关性。因此，我们认为该估计结果是有意义的。
3.2回归系数解释
从上述回归方程中，我们得到以下的结论：
（1）我国京津冀地区STIRPAT模型的长期人口弹性为1065，即人口增长1%，碳排放量增长1065%。该结果说明，人口对碳排放量的影响是最大的，人口数量越大，碳排放量就越大，且还存在乘数的效应，即碳排放的增长量要大于人口的增长量。
（2）长期城市化率弹性为002，即城市化率增长1%，碳排放仅仅增长002%。该结果说明，京津冀地区城镇化水平的提高会导致更多的碳排放量，但其影响程度很小。
（3）能源消费强度弹性分成两个部分，1995年-2005年的值为1038，2006年-2012年的值为0923，即1995-2005年，能源消费强度增长1%，碳排放量增长1038%，能源消费强度的增长水平要比碳排放量的增长水平要低；2006年-2012年能源消费强度增长1%，碳排放量增长0923%，能源消费强度的增长要比碳排放量的增长量要大。
（4）经济发展水平弹性同样分成了两个阶段，1995年-2005年，弹性值为102，2006年-2012年，其值为0937，即1995年-2005年，经济发展水平增长1%，碳排放量会增长102%，2006年-2012年，经济发展水平增长1%，碳排放量会增长0937%。
4.结论和政策建议
本文通过STIRPAT模型对京津冀地区的碳排放量的影响因素进行了分析，发现人口数量、经济发展水平和能源消费强度对其碳排放量有很大的影响，人口数量的影响最大，弹性系数高达1065，经济发展水平和能源消费强度在1995年-2005年间对碳排放量的影响较大，且能源消费强度比经济发展水平的影响力大，弹性分别为102和1038，2006年后，影响效果变弱，它们的弹性分别降为0937和0923，此时经济发展水平变得更加重要。城镇化水平也对碳排放量有一定的影响，但影响效果较小，弹性仅为002。
针对上述的分析结果，为了进一步促进京津冀地区的低碳发展，提出如下建议：
（1）合理调控人口规模。从上述分析结果可知，在京津冀地区，人口规模是影响碳排放量的主要因素，人口规模越大，碳排放量就越高，并且其增长程度还具有乘数效应。这说明要想合理的控制京津冀地区的碳排放量，实现低碳发展之路，必须要先控制人口的规模。计划生育政策是我国的基本国策之一，也是当前我国控制人口规模最有效的手段。因此在京津冀地区继续贯彻执行计划生育政策，控制人口的增长速度，能够在很大的程度上缓解碳排放的增长速度。
（2）降低能源消费强度。当前，由于京津冀一体化的影响，该地区的经济得到了飞速的发展，而伴随着的是能源消费强度的攀升。从上述分析中得出，能源消费强度与碳排放量具有正比例的关系。因此，要想减缓碳排放量，实现低碳经济，必须要控制能源消费的强度。其实现的途径有很多，例如调整京津冀地区的产业结构，淘汰那些能源消费强度高的产业，积极鼓励新型的绿色产业，给予更多的政策优惠，实现绿色增长。
（3）鼓励居民绿色消费。从上述分析中得出，京津冀地区经济发展水平的提高会导致大量的碳排放。但是，我们不能因噎废食，放弃经济发展，我们可以通过引导人们绿色消费去发展经济，以避免过高的碳排放量。例如，通过媒介手段去提升居民的节能环保意识，将节能、减排变成居民的自觉行动；制定相关的补助政策，引导人们选购绿色的能源；鼓励绿色出行，反对生活浪费。（作者单位：首都经济贸易大学）
参考文献：
[1] 卫平，周亚细.城市化、能源消费与碳排放-基于STIRPAT模型的跨国面板数据实证研究[J].生态经济，2014（9）：14-18.
[2] 徐丽娜，赵涛.城镇化与碳排放量关系研究[J].西北人口，2014（1）：18-22.
[3] 黄宜，赵广洲，王艳伟.基于STIRPAT模型的能源消费碳排放影响因素研究-以云南省为例[J].价值工程，2013（32）：182-183.
[4] 黄蕊，王铮.基于stirpat模型的重庆市能源消费碳排放影响因素研究[J].环境科学学报，2013（2）：602-608.