黃振華

(重慶大學(xué)建設(shè)管理與房地產(chǎn)學(xué)院，重慶 400000)

0 引言

城市化和工業(yè)化進程的不斷加快，導(dǎo)致碳排放進一步加劇。目前，碳排放被認(rèn)為是引發(fā)氣候變化的主要原因[1]。而人類溫室氣體排放總量的30%～50%來源于建筑業(yè)排放的CO2氣體，被認(rèn)為是導(dǎo)致全球變暖和環(huán)境不可持續(xù)的主要因素[2]。據(jù)統(tǒng)計，世界住宅建筑消耗的能源占總能耗的10%～35%[3]。城市是國家和地區(qū)碳減排的重要單元和研究主體，國家層面的建筑碳減排目標(biāo)的實現(xiàn)有賴于各個城市的共同努力。

IPAT模型在碳排放影響因素研究領(lǐng)域的應(yīng)用較為廣泛。但是學(xué)術(shù)界普遍認(rèn)為IPAT模型存在一個很大的缺點，即建筑碳排放影響因素的變動會同比例傳遞給建筑碳排放量[4]。STIRPAT模型克服了上述缺陷，應(yīng)用更為廣泛。Shahbaz等(2016)基于STIRPAT模型研究城市的碳排放影響因素，發(fā)現(xiàn)鎮(zhèn)化率和城市碳排放之間是倒“U”形關(guān)系[5]。邵帥等(2010)改進了STIRPAT模型，并應(yīng)用改進后的模型對影響上海市碳排放的影響因素進行研究[6]。丁唯佳等(2012)應(yīng)用STIRPAT模型，分析了人口、財富和技術(shù)因素三方面因素對中國制造業(yè)碳排放的影響關(guān)系和程度[7]。

重慶市位于我國西南地區(qū)，是中國西部地區(qū)唯一的直轄市，肩負(fù)統(tǒng)籌城鄉(xiāng)協(xié)調(diào)發(fā)展的重任。重慶市一直以來都保持著高速的經(jīng)濟發(fā)展和快速的城鎮(zhèn)化進程，建筑業(yè)的發(fā)展消耗了大量能源，也帶來巨大的碳排放量，導(dǎo)致生態(tài)環(huán)境遭到了一定程度的破壞。對環(huán)境影響因素進行定性和定量研究，有助于將重慶市建設(shè)成為低碳城市。

1 研究方法

1.1 STIRPAT模型

隨機性環(huán)境影響評估STIRPAT模型(Dietz和Rosa，1994)[8]在充分應(yīng)用IPAT理論概念簡單、定量分析、綜合系統(tǒng)性特點的基礎(chǔ)上，進一步設(shè)計了影響因素與環(huán)境之間具有隨機性、非等比例變化特點的模型。該模型的表達式如式(1)所示

I=apbAcTde

(1)

式中，I為環(huán)境影響程度；P為人口影響因素；A為經(jīng)濟影響因素；T為技術(shù)影響因素；a為常數(shù)項；b、c、d分別為人口、經(jīng)濟、技術(shù)三方面因素對環(huán)境影響的彈性系數(shù)；e為關(guān)系式的誤差項。

STIRPAT模型還可以進一步表達為式(2)

lnI=a+Σi=1bilnPi+Σj=1cjlnAj+Σk=1dklnTk+e(2)

式中，a為常數(shù)系數(shù)項；e為殘差；bi、cj、dk為各因素的影響系數(shù)，數(shù)值越高，代表相對應(yīng)的因素對環(huán)境的影響力越大。

1.2 基于STIRPAT的建筑碳排放影響因素分析模型建立

本研究將STIRPAT模型中的人口因素分解為重慶市常住人口和城鎮(zhèn)化率兩個因素，將富裕程度分解為重慶市人均GDP和人均第三產(chǎn)業(yè)增加值指兩個因素，用重慶市建筑碳排放強度來表征技術(shù)因素。因此，本研究建立的建筑碳排放STIRPAT模型如式(3)所示

lnE=a+blnP+clnU+dlnG+elnT+flnB+m(3)

式中，E為重慶市建筑碳排放量；P為在重慶市居住時長達到6個月以上的常住人口數(shù)量(萬人)；U為重慶市城鎮(zhèn)化率(%)；G為重慶市人均GDP(萬元/人)；T為重慶市人均第三產(chǎn)業(yè)增加值(萬元/人)；B為重慶市建筑碳排放強度(t/萬元)，是重慶市建筑碳排放量與重慶市建筑業(yè)總產(chǎn)值的比值；a為常數(shù)系數(shù)項；m為殘差；b、c、d、e和f分別為各因素的影響力指數(shù)，相應(yīng)的數(shù)值越高，代表相對應(yīng)因素對環(huán)境的影響力越大。

2 數(shù)據(jù)來源及處理

2.1 重慶市建筑碳排放量計算

本研究按建筑材料準(zhǔn)備、建筑建造和建筑使用3個階段,核算了重慶市2004—2015年的建筑碳排放量，具體的計算步驟參照楊艷芳(2016)的研究[4]。本研究計算了重慶市2004—2015年總共12年的建筑碳排放量，見表1。計算所需要的數(shù)據(jù)來源于《重慶統(tǒng)計年鑒2005—2016》和《中國能源統(tǒng)計年鑒2005—2016》。

重慶市建筑碳排放量也可以用折線圖來形象地表示其隨年份的變化情況，見圖1。從圖1可以看出，重慶市建筑碳排放總量整體上呈現(xiàn)出上升的趨勢，可以分為4個階段：第一個階段是2004—2005年，重慶市的建筑碳排放量從2 499.475 5萬t下降至1 271.791 5萬t，年平均下降率為49.11%；第二階段是2005—2009年，呈緩慢增長趨勢，從1 271.791 5萬t下降至1 809.706 9萬t，年平均增長率為10.57%；第三個階段為2009—2010年，從1 809.706 9萬t增長至6 178.396 2萬t，平均增長率為241.40%，呈急劇增長趨勢；第四個階段是2010—2015年，從6 178.396 2萬t增長至7 661.426 1萬t，年平均增長率為4.80%，增長趨勢較第二階段和第三階段緩慢。

2.2 重慶市建筑碳排放影響因素數(shù)據(jù)收集

重慶市建筑碳排放影響因素重慶市常住人口數(shù)量(P)，城鎮(zhèn)化率(U)，人均GDP(G)，人均第三產(chǎn)業(yè)增加值(T)，建筑碳排放強度(B)數(shù)據(jù)來源于《重慶統(tǒng)計年鑒2005—2016》，見表2～表6。

表1 重慶市2004—2015年建筑碳排放量 (單位：萬t)

表2 重慶市2004—2015年常住人口數(shù)量 (單位：萬人)

圖1 重慶市2004—2015年建筑碳排放量

3 重慶市建筑碳排放影響因素分析

3.1 重慶市建筑碳排放影響因素的變量多重共線性診斷

變量間的多重共線性是指變量間存在著線性相關(guān)關(guān)系。當(dāng)變量存在嚴(yán)重的多重共線性的時候，

利用普通最小二乘回歸法得到的回歸參數(shù)估計值的穩(wěn)定性降低，系數(shù)t檢驗通不過[9]。可以用方差膨脹因子(VIF)來診斷變量的多重共線性，如果VIFJ≥10，說明模型中的變量存在很強的共線性。本研究利用SPSS 22.0對本研究構(gòu)建的重慶市建筑碳排放影響因素STIRPAT模型(3)做最小二乘法回歸分析，以及多重共線性VIF檢驗，結(jié)果如表7所示。表7中VIF的最大值為934.680，因此可以判斷變量之間存在著嚴(yán)重的多重共線性。

3.2 嶺回歸

可以采用嶺回歸方法來消除模型中的多重共線性。本文使用SPSS22.0進行嶺回歸擬合，得到嶺跡圖，如圖2所示。由圖2可得，當(dāng)k=0.12時，圖2中5個自變量的嶺跡圖趨于穩(wěn)定且均大于零。因此，本研究選擇k=0.12作為嶺值，獲得基于嶺回歸的線性回歸結(jié)果，具體結(jié)果如表8所示。

表3 重慶市2004—2015年城鎮(zhèn)化率(%)

表4 重慶市人均國內(nèi)生產(chǎn)總值 (單位：萬元)

表5 重慶市2004—2015年人均第三產(chǎn)業(yè)增加值 (單位：萬元/人)

表6 重慶市2004—2015年建筑碳排放強度 (單位：t/萬元)

表7 最小二乘回歸方法診斷多重共線性結(jié)果

圖2 重慶市建筑碳排放影響因素分析模型回歸嶺跡圖

表8 嶺回歸線性回歸結(jié)果

由表8可知，嶺回歸模型的決定系數(shù)R-Square為0.994 7，具有較高的擬合優(yōu)度。嶺回歸模型的假設(shè)檢驗中，F(xiàn)-value=112.746 0，檢驗顯著性p<0.000 1。因此，可以得到重慶市建筑碳排放影響因素分析模型(4)

lnE=-52.896 2+6.697 9lnP+1.736 1lnU+0.406 1lnG+0.270 4lnT+0.910 0lnB

(4)

由模型(4)中各個自變量的系數(shù)可知，各個影響因素對重慶市建筑碳排放的影響程度按從大到小排序依次為：常住人口數(shù)量、城鎮(zhèn)化率、建筑碳排放強度、人均GDP和人均第三產(chǎn)業(yè)增加。

4 結(jié)語

重慶市常住人口對建筑碳排放量的影響最為顯著，其彈性系數(shù)達到了6.697 9%，即人口數(shù)量增長1%，使得建筑二氧化碳排放總量增加大約6.697 9%。人口的不斷增長導(dǎo)致人口對于建筑面積的需求量增加、各種發(fā)生在建筑場所的活動增多，這就導(dǎo)致了建筑二氧化碳排放量的增加。

城鎮(zhèn)化率對重慶市的建筑碳排放也有著較大的影響，其彈性系數(shù)達到了1.736 1%，即城市化水平增長1%，使得建筑碳排放增加大約1.736 1%。城市化率的提高帶動建筑碳排放量增加的主要原因在于，城鎮(zhèn)化建設(shè)必定會增加重慶市建筑的數(shù)量，建筑數(shù)量的增加也會推動建筑碳排放總量的增長。

建筑碳排放強度是建筑碳排放量與建筑業(yè)總產(chǎn)值的比重，是一個反映建造技術(shù)水平的指標(biāo)。建筑碳排放強度對重慶市的建筑碳排放量業(yè)存在著一定的影響，其彈性系數(shù)達到了0.910 0%，即建筑碳排放強度增加1%，會導(dǎo)致建筑碳排放量增加0.910 0%。建筑碳排放強度越高，代表單位建筑業(yè)產(chǎn)值產(chǎn)生的碳排放越高，意味著建筑業(yè)建造技術(shù)水平較低，在建造過程中可能存在著不必要的能源與資源的浪費，或者并沒有有效挖掘建造過程中存在的減排潛力。另外，建造技術(shù)的低下也可能增加建筑在使用階段產(chǎn)生的碳排放。例如，建筑外圍保溫結(jié)構(gòu)質(zhì)量較低，在寒冷的冬季，建筑使用者可能會增加取暖設(shè)備的使用數(shù)量、使用功率及使用時間，這些由建筑碳排放強度較大帶來的影響都會使建筑碳排放量增大。

人均不變價GDP的彈性系數(shù)為0.406 1%，即重慶市的人均不變價GDP增長1%，建筑碳排放就增加大約0.406 1%。重慶市人均GDP的增長意味著人民生活水平的提升，居民購買奢侈品的數(shù)量增多，對各種服務(wù)產(chǎn)品的需求增加，這其中的很多活動都發(fā)生在建筑里，從而使得建筑碳排放增加。

相比前面5個影響因素，人均第三產(chǎn)業(yè)不變價增加對建筑碳排放的影響程度最小，其彈性系數(shù)為0.270 4%，意味著人均第三產(chǎn)業(yè)不變價增加值每增加1%，會產(chǎn)生0.270 4%的建筑碳排放的增加。第三產(chǎn)業(yè)主要是指服務(wù)業(yè)，相比于第一產(chǎn)業(yè)和第二產(chǎn)業(yè)，服務(wù)業(yè)占主導(dǎo)的第三產(chǎn)業(yè)大部分發(fā)生在建筑場所，比如餐飲、住宿和商場。在第三產(chǎn)業(yè)增加值增加的情況下，必然使得發(fā)生在建筑場所的第三產(chǎn)業(yè)活動和電能等能源消耗量增加，進而導(dǎo)致二氧化碳排放量的增加。

結(jié)合以上研究結(jié)果，重慶市應(yīng)該做好城市規(guī)劃，提高居民的低碳環(huán)保意識，這對于減少建筑碳排放具有重要意義。

[1]JEBARAJ S，INIYAN S.A review of energy models[J].Renewable & Sustainable Energy Reviews，2006，10(4)：281-311.

[2]Nejat P，Jomehzadeh F，Taheri M M，et al.A global review of energy consumption，CO2，emissions and policy in the residential sector(with an overview of the top ten CO2，emitting countries)[J].Renewable & Sustainable Energy Re-

views，2015(43)：843-862.

[3]Lenzen M，Wier M，Cohen C，et al.A compara-tive multivariate analysis of household energy requirements in Australia， Brazil， Denmark， India and Japan[J].Energy，2006，31(2)：181-207.

[4]楊艷芳，李慧鳳，鄭海霞.北京市建筑碳排放影響因素研究[J].生態(tài)經(jīng)濟(中文版)，2016，32(1)：72-75.

[5]Shahbaz M，Loganathan N，Muzaffar A T，et al.How urbanization affects CO2emissions in malaysia?the application of STIRPAT model[J].Renewable and Sustainable Energy Reviews，2016(57)：83-93.

[6]邵帥，楊莉莉，曹建華.工業(yè)能源消費碳排放影響因素研究——基于STIRPAT模型的上海分行業(yè)動態(tài)面板數(shù)據(jù)實證分析[J].財經(jīng)研究，2010，36(11)：16-27.

[7]丁唯佳，吳先華，孫寧，等.基于STIRPAT模型的我國制造業(yè)碳排放影響因素研究[J].數(shù)理統(tǒng)計與管理，2012，31(3)：499-506.

[8]Dietz T，Rosa E A.Rethinking the environmen-tal impacts of population，affluence and technology[J].Human ecology review，1994(1)：277-300.

[9]王惠文，吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法[M].北京：國防工業(yè)出版社，2006.