潘雅茹 陳勇

摘? ?要：作為發(fā)展中大國(guó)，中國(guó)有著世界最大的碳排放量，且隨著經(jīng)濟(jì)發(fā)展，二氧化碳排放量將在較長(zhǎng)時(shí)間內(nèi)維持在一個(gè)較高的水平，對(duì)全球氣候變化產(chǎn)生的影響不容忽視。以中部地區(qū)為例，研究影響碳排放量的因素，結(jié)果表明第二產(chǎn)業(yè)比重、人口和城鎮(zhèn)化率等六個(gè)自變量都對(duì)碳排放量有不同程度的影響；中部地區(qū)碳排放與經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)“倒U型”關(guān)系，碳排放的增長(zhǎng)趨勢(shì)在一定程度上得到遏制。

關(guān)鍵詞：中部地區(qū)；碳排放；經(jīng)濟(jì)增長(zhǎng)；“倒U型”曲線

中圖分類號(hào)：F713.5? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2024）07-0071-04

一、研究背景

隨著城鎮(zhèn)化、工業(yè)化進(jìn)程不斷推進(jìn)，經(jīng)濟(jì)不斷發(fā)展，我國(guó)能源消費(fèi)量不斷增大，碳排放量持續(xù)增加，帶來(lái)一系列環(huán)境問題。在未來(lái)相當(dāng)長(zhǎng)一段時(shí)間，隨著我國(guó)經(jīng)濟(jì)總量的增長(zhǎng)，碳排放量將在相當(dāng)長(zhǎng)的時(shí)間內(nèi)維持在較高水平，如何控制碳排放量已經(jīng)成為我國(guó)不容忽視的問題。

自2006年以來(lái)，中國(guó)一直是全球第一大碳排放國(guó)，2019年已占全球年排放總量的28%[1]。如何控制碳排放增速和降低碳排放強(qiáng)度對(duì)于我國(guó)經(jīng)濟(jì)健康穩(wěn)定發(fā)展至關(guān)重要。在2020年的第七十五屆聯(lián)合國(guó)大會(huì)上，我國(guó)向世界鄭重承諾，力爭(zhēng)在2030年前使二氧化碳排放量達(dá)到峰值，努力爭(zhēng)取在2060年之前實(shí)現(xiàn)碳中和的目標(biāo)。扎實(shí)做好碳達(dá)峰碳中和的各項(xiàng)工作被寫進(jìn)2021年全國(guó)兩會(huì)的政府工作報(bào)告，顯示出降低碳排放的重要性和急迫性。

據(jù)測(cè)算，中部六省碳排放量占全國(guó)總碳排放量的24%。本文將借助前人的經(jīng)驗(yàn)，定量研究中部六省碳排放量影響因素及經(jīng)濟(jì)增長(zhǎng)方式對(duì)碳排放的影響程度，以期有助于制定更加合理的節(jié)能減排政策以及促進(jìn)經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變，力爭(zhēng)提前達(dá)到碳排放峰值，為全國(guó)實(shí)現(xiàn)碳中和做出積極努力。

二、碳排放影響因素模型設(shè)計(jì)及多元線性回歸方程的建立

（一）變量選取及數(shù)據(jù)來(lái)源

綜合前人的研究經(jīng)驗(yàn)，本文假定碳排放量與人口、人均GDP、城鎮(zhèn)化率、第二產(chǎn)業(yè)比重、15—64周歲人口比例、千人汽車保有量以及能源結(jié)構(gòu)有關(guān)。這些變量之間可能存在較為嚴(yán)重的共線性問題，需要進(jìn)行篩選。

人口、人均GDP、城鎮(zhèn)化率、第二產(chǎn)業(yè)比重、15—64周歲人口比例和千人汽車保有量根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》相關(guān)數(shù)據(jù)計(jì)算整理得出。

由于各地碳排放沒有直接的數(shù)據(jù)，本文主要依據(jù)IPCC提供的碳排放計(jì)算公式，利用一次能源消費(fèi)數(shù)據(jù)計(jì)算中部地區(qū)二氧化碳排放量，計(jì)算公式為

E=■n■=■E■·C■[2]

式中，E表示碳排放總量，單位億噸；Ei表示能源i的消費(fèi)量，Ci為能源i的二氧化碳排放系數(shù)（詳見下頁(yè)表1）。

能源消費(fèi)數(shù)據(jù)來(lái)源于2003—2019年《中國(guó)能源統(tǒng)計(jì)年鑒》中相應(yīng)省份的地區(qū)能源平衡表。

對(duì)選取數(shù)據(jù)進(jìn)行匯總、計(jì)算后，得到各地2003—2019年碳排放總量。

（二）方程構(gòu)建

根據(jù)前人的經(jīng)驗(yàn)以及通過相關(guān)性檢驗(yàn)篩選出的自變量，提出經(jīng)驗(yàn)公式：

CE=a Pb Tec Ud Se Caf Cogeε（1）

其中CE代表碳排放量，單位是億噸；P代表人口數(shù)量，單位是億人；Te代表15—64歲人口比例；U代表城鎮(zhèn)化率；S代表第二產(chǎn)業(yè)比重；Ca是千人汽車保有量，單位是輛；Co代表能源消費(fèi)中煤炭的比例；b，c，d，e，f，g分別為它們的彈性系數(shù)，ε為隨機(jī)誤差。對(duì)公式兩邊分別取對(duì)數(shù)得：

InCE=Ina+bInP+clnTe+dlnU+elnS+flnCa+glnCo+ε（2）

該方程為多元線性回歸方程，故本文選擇建立多元線性回歸模型。

文章選取2003—2019年中部地區(qū)山西省、河南省、湖北省、安徽省、湖南省和江西省六省的相關(guān)數(shù)據(jù)進(jìn)行研究。

（三）數(shù)據(jù)及變量選取

由式（2），對(duì)相關(guān)變量取自然對(duì)數(shù)，分別得lnCE、lnP、lnTe、lnU、lnS、lnCo和lnCa的值。

（四）線性回歸

利用SPSS將碳排放量作為因變量，六個(gè)影響因素作為自變量進(jìn)行線性回歸，得到的模型相關(guān)系數(shù)為0.998，表明因變量與自變量之間有非常強(qiáng)的相關(guān)性。P-value為回歸系數(shù)t統(tǒng)計(jì)量的P值，六個(gè)自變量及常數(shù)項(xiàng)中，只有人口和15—64歲人口比重的P值大于0.05，沒有通過檢驗(yàn)。而其余變量均小于0.05，對(duì)中部地區(qū)碳排放量的影響較為顯著。

（五）多重共線性診斷

多重共線性是指在線性回歸中自變量之間存在著較為明顯的線性相關(guān)關(guān)系。當(dāng)變量之間的多重共線性比較嚴(yán)重時(shí)，利用普通最小二乘法得到的回歸參數(shù)估計(jì)值的穩(wěn)定性降低，系數(shù)t檢驗(yàn)不能通過[3]。利用方差膨脹因子（VIF）來(lái)診斷變量之間是否存在多重共線性，如果VIFJ≥10，說(shuō)明模型中的變量之間存在很強(qiáng)的共線性[4]。

對(duì)前文所構(gòu)建的碳排放影響因素模型進(jìn)行多重共線性檢驗(yàn)，結(jié)果如表1所示。除了15—64歲人口比例，所有變量的方差膨脹系數(shù)均在10以上，VIF最大值高達(dá)685.513，說(shuō)明自變量之間存在非常嚴(yán)重的多重共線性。

（六）嶺回歸

為了消除多重共線性的影響，本文將采用嶺回歸的方法，利用SPSS軟件進(jìn)行擬合，得到嶺跡圖如圖1所示。

由圖可知，當(dāng)k=0.12時(shí)，R2的數(shù)值趨于穩(wěn)定，故選擇k=0.12作為嶺值，獲得基于嶺回歸的線性回歸結(jié)果（詳見表2）?？芍?，決定系數(shù)R-Square為0.962 0，說(shuō)明回歸模型的擬合優(yōu)度較高。在嶺回歸模型的假設(shè)檢驗(yàn)中，檢驗(yàn)顯著性Sig.F<0.000 1，通過檢驗(yàn)。

表2? ?嶺回歸線性回歸結(jié)果

由此可以等得到中部地區(qū)碳排放影響因素分析模型：

LnCE=0.62160958+2.21732285LnP+0.97239032lnTe

+0.41262142lnU+1.14312702lnS + 0.05859951LnCa + 0.01468455LnCo

公式中，六個(gè)自變量的回歸系數(shù)均為正值，說(shuō)明碳排放量與人口、15—64周歲人口比重、城鎮(zhèn)化率、第二產(chǎn)業(yè)比重、千人汽車保有量和煤炭消費(fèi)比例均呈正相關(guān)。這也與我們的經(jīng)驗(yàn)相符。

三、二氧化碳的庫(kù)茲涅茨曲線（CKC）分析

為了研究中部地區(qū)碳排放量與經(jīng)濟(jì)發(fā)展水平之間的關(guān)系，筆者用lowess局部加權(quán)平滑法做出各省及整體人均碳排放量與人均GDP的關(guān)系圖，如圖2所示。

從圖中可以看出，六個(gè)省份及中部地區(qū)整體的人均碳排放量都是隨著人均地區(qū)生產(chǎn)總值的增大而增大的，只是增長(zhǎng)曲線有所不同：山西的人均碳排放量的變動(dòng)幅度較小，在較小范圍內(nèi)近似呈“倒N型”變化；安徽和江西的增長(zhǎng)曲線較為接近，人均碳排放量都在較大幅度的增長(zhǎng)之后趨于平緩，但略有不同的是安徽省的增長(zhǎng)曲線分別在頭部和尾部各有一段下降的部分，呈現(xiàn)出較為明顯的“倒N型”變化趨勢(shì)，而江西省人均碳排放曲線則呈現(xiàn)比較完全的增長(zhǎng)趨勢(shì)；河南省的曲線表現(xiàn)為先上升后下降，是非常明顯的“倒U型”曲線；湖北省的增長(zhǎng)曲線在人均GDP的對(duì)數(shù)值接近1，即以2003年作為基年，人均GDP達(dá)到2.72萬(wàn)元時(shí)，出現(xiàn)較為明顯的斷層，除此斷層之外的大部分?jǐn)?shù)據(jù)都落在一條“倒U型”曲線附近；湖南省的曲線呈現(xiàn)出增長(zhǎng)的趨勢(shì)，增長(zhǎng)速率先于中部地區(qū)整體的曲線與湖南省的較為接近，呈現(xiàn)“倒U型”。為了驗(yàn)證各省及中部地區(qū)整體人均碳排放量與人均GDP之間的關(guān)系，本文分別對(duì)這些省份及整體的人均碳排放與人均GDP進(jìn)行二次和三次OLS檢驗(yàn)，回歸方程分別為：

LnPCE=a1+b1LnPG+c1（LnPG）2+ε1（5）

LnPCE=a2+b2LnPG+c2（LnPG）2+d2（LnPG）2+ε2（6）

在模型中，如果常數(shù)和所有系數(shù)都在5%的水平上顯著，那么認(rèn)為模型通過檢驗(yàn)。從表3中可以看出：山西省既沒有通過二次檢驗(yàn)，也沒有通過三次檢驗(yàn)，所以既不符合“U型”曲線，也不符合“N型”或“倒N型”曲線；安徽省和湖南省既通過了二次檢驗(yàn)，也通過了三次檢驗(yàn)，但兩省都是三次檢驗(yàn)的調(diào)整R2更高，且該三次曲線的兩個(gè)拐點(diǎn)也都在樣本范圍之內(nèi)，而安徽省三次項(xiàng)系數(shù)為負(fù)，湖南省三次項(xiàng)系數(shù)為正，所以安徽省的碳排放曲線接近“倒N型”而湖南省接近“正N型”；江西省和湖北省通過了二次檢驗(yàn)而沒有通過三次檢驗(yàn)，且轉(zhuǎn)折點(diǎn)出現(xiàn)在樣本范圍內(nèi)，而二次項(xiàng)系數(shù)為負(fù)，所以江西省碳排放曲線為“倒U型”。河南省既通過了二次檢驗(yàn)，也通過了三次檢驗(yàn)，雖然三次檢驗(yàn)的調(diào)整R2更高，但是，由于該三次曲線只有一個(gè)拐點(diǎn)在樣本范圍內(nèi)，所以仍然是“倒U型”曲線；對(duì)于中部地區(qū)整體而言，只通過了二次檢驗(yàn)，沒有通過三次檢驗(yàn)，二次項(xiàng)系數(shù)為負(fù)且拐點(diǎn)出現(xiàn)在樣本范圍內(nèi)，所以，中部地區(qū)的碳排放曲線為“倒U型”。

中部地區(qū)碳排放與經(jīng)濟(jì)增長(zhǎng)呈“倒U型”關(guān)系，說(shuō)明中部地區(qū)碳排放增長(zhǎng)的趨勢(shì)得到遏制，經(jīng)濟(jì)增長(zhǎng)的質(zhì)量得到提升，發(fā)展方式變得更加健康。

四、結(jié)論與建議

（一）結(jié)論

在節(jié)能減排、實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)背景下探究影響碳排放量的影響因素，找到減少碳排放量的途徑具有重要意義。本文利用嶺回歸得到關(guān)于中部地區(qū)碳排放量的回歸方程，之后對(duì)碳排放量和經(jīng)濟(jì)增長(zhǎng)進(jìn)行脫鉤分析，得出如下結(jié)論：人口、人口年齡結(jié)構(gòu)、城鎮(zhèn)化率、第二產(chǎn)業(yè)、汽車保有量和煤炭消費(fèi)比例這六個(gè)變量均會(huì)正向影響碳排放量，影響程度從大到小分別為第二產(chǎn)業(yè)比重、城鎮(zhèn)化率、千人汽車保有量、人口總量以及15—64周歲人口比重和煤炭消費(fèi)比例。雖然各省碳排放量與GDP的關(guān)系曲線不盡相同，但大都呈現(xiàn)隨著經(jīng)濟(jì)增長(zhǎng)碳排放量先增加后減少的趨勢(shì)，總體而言，中部地區(qū)人均碳排放量與人均GDP呈現(xiàn)“倒U型”曲線關(guān)系，碳排放的增長(zhǎng)趨勢(shì)得到一定程度的遏制。

（二）建議

1.產(chǎn)業(yè)結(jié)構(gòu)方面。在本文研究的六個(gè)自變量中，第二產(chǎn)業(yè)比重是影響碳排放量最顯著的變量。這也容易理解，相比于第一和第三產(chǎn)業(yè)，第二產(chǎn)業(yè)由于行業(yè)特性，會(huì)消耗更多燃料和電力。因此，各地應(yīng)該依據(jù)當(dāng)?shù)氐脑虾偷V產(chǎn)資源合理制定工業(yè)發(fā)展規(guī)劃，承接具有較高技術(shù)水平的產(chǎn)業(yè)，淘汰落后產(chǎn)能。

2.城鎮(zhèn)化方面。因?yàn)楣步煌?、照明和取暖的需要，城?zhèn)人均能耗遠(yuǎn)高于農(nóng)村地區(qū)。應(yīng)著眼于適當(dāng)減少不必要的能源消耗，如實(shí)行彈性供暖，減少一些非必要裝飾燈具，致力于建造低碳環(huán)保的新型城鎮(zhèn)化環(huán)境。

3.人口方面。不論未來(lái)中國(guó)人口繼續(xù)緩慢增長(zhǎng)還是出現(xiàn)一定程度的負(fù)增長(zhǎng)，人口總量在一定范圍內(nèi)維持穩(wěn)定是可以預(yù)期的。所以，為減少碳排放，應(yīng)該著眼于制定政策和引導(dǎo)群眾意識(shí)，讓他們意識(shí)到減少碳排放與每個(gè)人息息相關(guān)，踐行低碳的生活方式和環(huán)保節(jié)能的消費(fèi)方式。

4.汽車擁有量方面。2003—2019年這17年里，中部地區(qū)千人汽車保有量從6.18輛增長(zhǎng)到137.40輛，增長(zhǎng)21.83倍，高于其他任何自變量的變動(dòng)幅度。參考發(fā)達(dá)國(guó)家的數(shù)據(jù)，預(yù)計(jì)未來(lái)還有不小的上升空間。在這方面應(yīng)該倡導(dǎo)多使用公共交通工具，同時(shí)應(yīng)大力推廣新能源車，減少對(duì)石油的依賴。

5.人口年齡結(jié)構(gòu)方面。顯而易見，相比孩童和老年人，青年人消費(fèi)能力更強(qiáng)，參與經(jīng)濟(jì)活動(dòng)的程度更高，所以碳排放量與青年人的比例正相關(guān)，隨著中國(guó)人口老齡化的加深，客觀上會(huì)有助于碳排放的減少。

6.煤炭消費(fèi)比例方面。我國(guó)是煤炭消費(fèi)大國(guó)，煤炭相較于其他能源，不僅碳排放量大，而且容易污染環(huán)境。為減少煤炭消費(fèi)量，除企業(yè)應(yīng)重視掌握先進(jìn)生產(chǎn)技術(shù)以提高能源利用率以外，國(guó)家層面也需要大力扶持清潔能源企業(yè)的發(fā)展，提高清潔能源發(fā)電比重，降低化石燃料的依賴度，從而有效減少碳排放。

參考文獻(xiàn)：

[1]? ?Mckinsey China Report[R].2019.

[2]? ?IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL].（2010-11-05）[2013-12-23].http：//www.ipcc-nggip.iges.or.jp/public/ 2006gl/index.html.

[3]? ?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(guó)防工業(yè)出版社，2006.

[4]? ?黃振華.基于STIRPAT模型的重慶市建筑碳排放影響因素研究[J]．項(xiàng)目管理技術(shù)，2018，16（5）：55-60.

[責(zé)任編輯? ?衛(wèi)? ?星]