基于STIRPAT模型的中国碳排放峰值预测研究3

渠慎宁 郭朝先

(1.中国社会科学院研究生院,北京100102;2.中国社会科学院工业经济研究所,北京100836)

基于STIRPAT模型的中国碳排放峰值预测研究3

渠慎宁1,2郭朝先2

(1.中国社会科学院研究生院,北京100102;2.中国社会科学院工业经济研究所,北京100836)

利用STIRPAT模型对未来中国碳排放峰值进行相关预测。首先,通过对中国30个省市的面板数据分析展示目前我国各地碳排放的基本情况;其次,对中国1980-2008年的时间序列数据进行回归,从中得出我国总体碳排放趋势;再次,在先前回归的基础上对今后我国碳排放的峰值出现时间进行预测。研究发现:技术对峰值的影响较为重要。若经济社会发展速度较高,而碳排放强度下降速度相对较低,则不能在2050年内出现峰值。同样,若碳强度降低速度相比经济社会发展速度为快,则会推动排放提早达到峰值。按照目前发展趋势,若经济社会发展的同时保持碳排放强度合理下降,中国的峰值到达时间应为2020-2045年之间。因此,保持碳排放强度的不断下降对我国尽快出现碳排放峰值至关重要,加大清洁能源使用,减少传统能源消耗应是今后的重点工作任务。

STIRPAT模型;碳排放;峰值预测

针对目前国内关于中国碳排放峰值预测的研究相对较少,学者们主要依托环境库兹涅茨曲线(EKC曲线)对其进行预估的现状[1],本文利用STIRPAT模型对未来中国碳排放峰值进行了相关预测。IPAT恒等式是研究能源经济和碳排放峰值的重要方法之一。IPAT恒等式最早由Enrlich与Holden于1971年提出,反映人口对环境压力的影响。该方程将环境影响和人口规模、人均财富以及对环境毁坏的技术水平联系起来,建立4者之间的恒等式“IMPACT(I)=POPULATION(P)×AFFLUENCE(A)×TECHNOLOGY(T)”。式中,P代表人口;A代表财富;T代表技术,也可指经济活动的能源效率;因变量 I代表排放量。IPAT恒等式的主要作用在于其可探求影响排放变化的幕后驱动因素。随后,Waggoner与Ausubel于2002年对IPAT恒等式进行了衍生,将技术水平 T分为单位G DP所消耗的技术(C)与每单位技术对环境的影响(T)之积,得出“ImPACT”恒等式,即“I=PACT”。然而,Y ork等于 2002 年研究认为,“IPAT”及“ImPACT”模型均存在一些局限性:当分析问题时仅改变一个因素,而保持其他因素固定不变,得出的结果即为该因素对因变量的等比例影响。为了修正IPAT模型的不足,分析人口对环境的非线性变化影响,Y ork等在IPAT模型的基础上建立了STIRPAT(Stochastic Impacts by Regression on PAT)模型,即:

1 峰值研究简要回顾

国内针对中国碳排放峰值预测的研究相对较少,学者们主要依托环境库兹涅茨曲线(EKC曲线)对中国未来的碳排放量进行预估。朱永彬等在内生经济增长模型Moon2 Sonn基础上对传统的EKC理论进行改进,首先从理论上得到了最优经济增长率与能源强度之间存在倒U曲线关系的必要条件,即能源的产出弹性小于0.5;接着将投入产出分析得到的反映技术进步下的能源强度代入模型,对中国未来经济增长路径进行了预测,同时得到了最优增长路径下的能源消费走势,进而通过对能源消费结构和不同能源品种的碳排放系数的预测和估计,以及对分品种能源碳排放的汇总计算得到了中国未来能源消费所产生的总的碳排放走势。结果显示,在当前技术进步速率下,我国分别在2043年和2040年达到能源消费高峰和碳排放高峰。此外,其还对能源强度不同下降速率对能源消费高峰的影响进行模拟发现,当降速为4.5%-5%时,能源高峰将出现在2040年前,此时的人均G DP为10万元左右,与OECD国家的高峰时收入一致,并发现提高可再生能源的比重可以明显降低碳排放量,但对高峰年份到来的时间影响甚微[2]。

林伯强等采用传统的环境库兹涅茨模型模拟和在二氧化碳排放预测的基础上预测两种方法,对中国的二氧化碳库兹涅茨曲线做了对比研究和预测,发现结果存在较大差异。通过对二氧化碳库兹涅茨模型计量预测显示中国的二氧化碳排放将在2020年左右经过拐点,之后随着人均收入的增加而排放减少。而若先预估一次能源需求和能源消费结构,再预测出中国的二氧化碳库兹涅茨曲线,所得结果显示到2040年,中国的二氧化碳库兹涅茨曲线并未出现倒U型。其采用对数平均迪式分解法(LMDI)和STIRPAT模型,分析影响中国人均二氧化碳排放的主要因素并解析了差异原因。其发现除人均收入外,能源强度,产业结构和能源消费结构都对二氧化碳排放有显著影响,特别是能源强度中的工业能源强度。这导致实证预测与二氧化碳库兹涅茨模型的理论拐点不一致[3]。

姜克隽等利用IPAC模型,对我国未来中长期的能源需求与温室气体排放情景进行分析。其设计了基准情景、低碳情景与强化低碳情景,并介绍了情景的主要参数和结果,以及实现减排所需的技术,同时探讨了中国实现低碳情景所需要的发展路径。结果显示:基准情景下,中国化石燃料产生的碳排放将于2040年达到峰值;强化低碳情景下,中国将于2030年达到峰值[4]。

2 基本模型及数据处理

lnIi=a+blnPi+clnAi+dlnTi+ei(1)

式中:P代表人口;A代表财富;T代表技术,指经济活动的能源效率或碳排放强度;因变量 I代表排放量。由于某些学者认为排放量 I与经济发展指标A间并非仅存在单一的一次线性关系,本文借鉴 Y ork等2003年采用的方法,藉此建立二次模型:

lnIi=a+blnPi+clnAi+d(lnAi)2+flnTi+ei(2)

若对技术 T进一步分解,可考虑产业结构等变量对碳排放量的影响,产业结构 C用工业增加值占G DP比重表示(见表1)。则模型可变为:

lnIi=a+blnPi+clnAi+d(lnAi)2+flnTi+glnCi+ei(3)

本文主要计算思路为:首先,通过对中国30个省市的面板数据分析展示目前我国各地碳排放的基本情况;其次,依托对中国1980-2008年的时间序列数据的回归把握我国总体碳排放趋势;再次,在回归的基础上对今后我国碳排放的峰值出现时间进行预测,同时提出一些减排措施与建议。

表1 模型各变量的说明Tab.1 Descriptions of the variables

3 地域性碳排放情形分析

先采用中国2000-2007年30个省市的碳排放量、人口、人均 G DP、碳排放强度等面板数据来分析人口、经济、技术等变量对我国地域性碳排放量的影响。由于西藏相关统计数据缺失,故未采用。人均 G DP单位基准为2000年不变价,测算方法为先计算相关年份30个省市的人均G DP指数(1952=100),再利用其将各省人均G DP当年价换算为2000年不变价。其中,各省市碳排放量采用IPCC提供的碳排放系数缺省值估算而来。

将模型(3)扩展为面板模型形式:

注:括号内为 t值,3:p<0.001。

其中,R2=0.999,p=0.000。反映各地区碳排放差异的的估计结果由表2给出。

从各地区产业结构来看,工业增加值占 G DP比重较低的地区碳排放偏离程度为负值,低于全国碳排放平均水平,这里包括农业增加值占 G DP比重较高的省市(如青海、宁夏、贵州、新疆等),及服务业增加值占 G DP比重较高的省市(如海南等)。工业增加值占G DP比重较高的地区碳排放偏离程度为正值,高于全国碳排放平均水平(如广东、河南、江苏、浙江、河北、辽宁、山东等)。从地域分布来看,东部地区由于经济发展规模较大,工业结构偏重,能源消耗量较大,导致碳排放偏高,而对于产业结构偏向服务业的海南等地,碳排放则显著较全国均值为低。相比东部地区,中部地区产业规模较小,但近年来在“中部崛起”战略的推动下,工业基础设施投资增加,能源消耗加大,致使碳排放仍较全国平均水平为高。西部地区由于工业发展水平较低,能源需求较少,促使碳排放较全国平均水平为低。

表2 各地区碳排放对固定影响偏离程度(a3i)的估计结果Tab.2 Estimate of the degree of deviation by regional carbon emissions

4 全国碳排放情形分析

进一步利用全国序列数据对未来我国碳排放总量进行估算。本文采用中国1980-2008年的碳排放量、人口、人均实际G DP、碳排放强度、产业结构等数据来分析人口、经济、技术等变量对全国碳排放量的影响(此处人均G DP单位为人均G DP指数,1978=100)。其中,全国碳排放量仍为利用IPCC提供的碳排放系数缺省值计算而来。

对方程(3)进行回归,得出以下结果:

其中,R2=0.999,D.W.=1.527。

比较上述方程变量系数,对排放量作用最大的为碳排放强度,其次为人口,再次为人均 G DP。由于今后中国人口数量波动较小,因此主要影响碳排放的变量为能源强度及人均G DP。

假定2009-2050年间人口、人均 G DP、能源强度等变量维持目前发展趋势,即年均增长率为1980-2008年年均增长率。产业结构C维持在区间[36.7%,43.9%]范围内。产业结构C在1980-2008年间最低值为36.7%,最高值为43.9%。预测模型中假定产业结构C取值不变,为一恒定值,因此对预测曲线走向并不影响,仅影响振幅。藉此,则可推算出2009-2050年碳排放量估计值范围(见图1)。图1显示,若维持目前发展模式,我国不能在2050年内达到峰值。因此,若要实现碳排放于2050年内达到峰值目标,需对人口、人均G DP、能源强度等变量增长率进行一定控制。笔者设定四种减排方案,以显示出为使2050年内碳排放达到峰值,各变量至少要控制到的增长率(见表3)。如表3所示,减排方案1为人口年均下降4.5%,显然不可能实现;减排方案2要求人均G DP年均增长率降至3.1%以下,对于处于工业化进程中的我国,则很难容忍这种较低的发展速度;减排方案3需碳排放强度年均下降9.1%,难度同样较大,主要解决办法是加大节能减排力度和新能源开发利用的速度,但需为此付出巨大的转型成本。鉴于人口增长速度较难控制,笔者延伸出第四种减排方案,即同时控制人均G DP增长率及碳排放强度。该方案显示人均G DP年均增长率需控制至5.1%以内,碳排放强度年均至少下降6%。相比前三种方案,该方案具备一定的可实施性,对国民经济增长影响相对较小,并显示出了人均G DP增长率与碳排放强度下降率之间的反向关系:要实现2050年内出现峰值的目标,人均G DP与碳排放强度之间需有所取舍,若想保障较高的增长速度必须伴随着较高速度的碳排放下降,而若想承受较小的碳排放下降压力必须承担较低经济增长速度的损失。

图1 维持现状模式下2009-2050年碳排放量预测(万t)Fig.1 2009-2050 Forecast of carbon emissions in current mode

表3 减排方案比较Tab.3 Comparison of emission reduction schemes

若选择实施减排方案3与4,结合图1,当落实到具体地区时,需要政府就不同地区进行不同的减排路径引导。对于北京、天津等东部地区中排放较少的省市,政府应鼓励其继续产业结构与能源消费结构优化,力争尽快达到碳排放拐点;对于江苏、广东、山东、河北等东部地区排放较多的省市,政府应引导其加大产业转型与升级,大力引进先进的清洁能源技术,探索发展低碳经济的能源与技术;对于四川、河南、湖南、湖北等中部地区,在实施“中部崛起”战略,基础投资不断加大的同时,政府应引导其在生产建设中广泛利用清洁能源,避免步入东部曾经走过的“旧路”,打造中部“绿色崛起”的发展道路;对于新疆、青海、宁夏等西部地区,尽管目前碳排放较全国平均水平为低,但其脆弱的生态环境要求“西部大开发”的过程中仍应重视环境和生态保护,强化生态建设,注重生态补偿。政府应更多发展资源节约型与环境友好型产业,保障经济、社会的可持续发展。

5 中国碳排放峰值路径预测

为了预估2009-2050年CO2排放量,首先假定今后三种社会经济发展方案,即低、中、高模式。低发展模式假定人口、人均G DP等变量均按较低速度增长;中发展模式假定各变量变化速度适中;高发展模式假定各变量均按较高速度增长。另根据这三种方案延伸设定出高中模式、高低模式、低中模式、中高模式与中低模式(延伸模式原为6种,去除了结果不切合实际的1种模式)。高中模式假定人口、人均 G DP按高速增长,而碳排放强度适中增长;高低模式假定人口、人均G DP按高速增长,而碳排放强度低速增长;低中模式假定人口、人均 G DP按低速增长,而碳排放强度适中增长;中高模式假定人口、人均 G DP按中速增长,而碳排放高速增长;中低模式假定人口、人均 G DP按中速增长,而碳排放强度低速增长(见表4,表5)。产业结构C维持在区间[36.7%,43.9%]范围内,为一定值。由于该值不影响峰值出现时间,为了便于预测,假定其值为36.7%。设定延伸模式的意义在于可通过与低、中、高模式的对比,探讨技术对排放峰值出现时间的影响,为我国控制峰值出现时间提供参考。

表4 情景模式设定说明Tab.4 Modes descriptions

表5 2009-2050年中国社会经济发展状况假定Tab.5 2009-2050 socio2economic development assumption of China

情景模式中各变量的变化速度以先设定中模式为基准,低模式各变量增长速度相对中模式稍低,而高模式则相对中模式稍高。人口增长率设定的基本判断为随着经济发展人口增长率将进一步降低。中模式的设定参照联合国(2009)对未来中国人口的预测,中国人口将于21世纪30年代达到峰值,进入21世纪40年代后人口逐步开始负增长;低模式假定人口于21世纪20年代达到峰值,21世纪30年代后进入负增长阶段;高模式则假定人口于2050年内不会出现负增长,人口增长率随时间逐步下降。人均G DP增长率设定的基本判断仍为随着经济发展人均G DP增长率将逐步降低。中模式下人均G DP增长率参照许宪春(2002)对未来中国人均 G DP的预测,至2050年人均 G DP为2008年人均G DP的10倍(约30 000美元),达到目前中等发达国家水平;低模式假定2050年人均G DP为2008年的6倍(约18 000美元),达到目前新兴工业国家水平;高模式则假定2050年人均 G DP为2008年的16倍(约48 000美元),接近目前高度发达国家水平。碳排放强度增长率设定的基本判断为碳减排难度随着时间的推移将逐步加大,即碳排放下降速度逐步降低。中模式假定至2050年中国碳排放强度较2005年下降80%;低模式假定至2050年中国碳排放强度较2005年下降70%;高模式则假定至2050年中国碳排放强度较2005年下降90%(见表6)。

表6 情景模式设定目标Tab.6 Targets of the modes

代入回归方程(3),利用Matlab模拟。模拟方法为选取若干整数年节点值,利用三次函数插值,从而拟合出较为平滑碳排放曲线,并由此测算出峰值出现时间与峰值额。分别预测出8种模式下未来中国碳排放情况,见表7。

比较8种模式下的碳排放量估计,可以发现:在低、中、高、低中、中高五种情景模式下中国碳排放峰值会出现。技术对峰值的影响较为重要,若经济社会发展速度较高,而碳排放强度下降速度相对较低,则不能在2050年内出现峰值(如高中、高低、中低模式)。同样,若碳排放强度降低速度相比经济社会发展速度为快,则会推动排放提早达到峰值(如低中、中高模式)。由此可预计,按照目前发展趋势,若经济社会发展的同时保持碳排放强度合理下降,中国的峰值到达时间应为2020-2045年之间。而若经济社会发展的同时不重视碳排放强度的降低,则会导致峰值出现时间后延。因此,保持碳排放强度的不断下降对我国尽快出现碳排放峰值至关重要,加大清洁能源使用,减少传统能源消耗应成为今后的重点工作任务。

表7 8种情景模式所得结果Tab.7 Results of 8 scene modes

References)

[1]许宪春.中国未来经济增长及其国际经济地位展望[J].经济研究 ,2002,3(3):27-35.[Xu Xianchun.China’s Economic Growth in Future and Prospect of Its International Economic Position[J].Economic Research Journal,2002,3(3):27-35.]

[2]朱永彬,等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报,2009,8(8):935-944.[Zhu Y ongbin,et al.Simulation on China’s Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path[J].Acta Geographica Sinica,2009,8(8):935-944.]

[3]林伯强,等.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009,4(4):27-36.[Lin Boqiang,et al.China’s CO2Emission Foerest by Kuznets Curve and factor analysis[J].Management World,2009,4(4):27-36.]

[4]姜克隽,等.中国2050年低碳情景和低碳发展之路[J],中外能源,2009,6(6):21-26.[Jiang Kejun,et al.China’s Low2carbon Scenarios and Roadmap for 2050[J].Sino2G lobal Energy,2009,6(6):21-26.]

[5]UN.World Population Prospects:The 2009 Revision[M].Geneva:2009.

[6]Y ork R,Rosa E A,Dietz T.STIRPAT,IPAT and ImPACT:Analytic T oolsfor Unpacking the Driving Forces of Environmental Impacts[J].Ecological Economics,2003,46:351-365.

[7]包森,田立新,王军帅.中国能源生产与消费趋势预测和碳排放研究[J].自然资源学报,2010,(8).[Bao Sen,Tian Lixin,Wang Junshuai.Trend Forecast of Energy Production and Consumption in China and Research of Carbon Emissions[J].Journal of Natural Resources,2010,(8).]

[8]贾俊松.基于经典偏最小二乘模型的CO2排放量宏观驱动因素分析[J].中国能源,2010,(7).[Jia Junsong.Analysis of CO2Emission’s Micro2driving Factors based on Classical Partial Least Squares(PLS)Model[J].Energy of China,2010,(7).]

[9]Yu Huichao,Wang Limao.Carbon Emission Transfer by International Trade:Taking the Case of Sino2U.S.Merchandise Trade as an Example[J].Journal of Resources and Ecology,2010,(2).

[10]Shi Minjun,Li Na,Zhou Shenglv,et al.Can China Realize CO2Mitigation Target toward 2020?[J].Journal of Resources and Ecology,2010,(2).

[11]朱勤,彭希哲,陆志明,等.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学,2009,(12).[Zhu Qin,Peng Xizhe,Lu Zhiming,et al.Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China[J].Resources Science,2009,(12).]

[12]宋帮英,苏方林.碳排放量和能源利用效率不公平及其原因探析:基于中国37个规模以上工业行业数据研究[J].华东经济管理,2010,(9).[Song Bangying,Su Fanglin.Unfair Phenomenon of Carbon Emission and Energy Efficiency and Analysis about the Reasons:Based on Data of 37 Industrial Enterpriese above Designated Size by Industrial Sector of China[J].East China Economic Management,2010,(9).]

[13]朱永彬,王铮,庞丽,等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报,2009,(8).[Zhu Y ongbin,Wang Zheng,PangLi,et al.Simulationon China’s Economy and Predictionon Energy Consumption and Carbon Emission under Optimal Growth Path[J].Acta Geographica Sinica,2009,(8).]

[14]何建坤,刘滨.我国减缓碳排放的近期形势与远期趋势分析[J].中国人口·资源与环境,2006,(6).[He Jiankun,Liu Bin.Analysis on the Situation in the Near Future and the Trends in the Long Term with Regard of Mitigating Carbon Emissions in ChinaS].China Population Resources and Environment,2006,(6).]

[15]邓晓.基于LMDI方法的碳排放的因素分解模型及实证研究[D].武汉:华中科技大学,2009.[Deng Xiao.Decomposition Model and Empirical Study of Carbon Emission Base on LMDI Technique[D].Wuhan:Huazhong University of Science and Technology,2009.]

[16]岳超,王少鹏,朱江玲,等.2050年中国碳排放量的情景预测:碳排放与社会发展[D].北京大学学报:自然科学版,2010,(4).[Yue Chao,Wang Shaopeng,Zhu Jiangting,et al.2050 Carbon Emissions Projection for China:Carbon Emissions and Social Development(IV)[J].Acta Seientiarum Naturalium Universitatis Pekinensis,2010,(4).]

[17]梁巧梅,Norio Okada,魏一鸣.能源需求与二氧化碳排放分析决策支持系统[J].中国能源,2005,(1).[Liang Qiaomei,Norio Okada,Wei Y iming.Decision Support Systemfor Energy Demands and Related CO2Emissions Analysis[J].Energy of China,2005,(1).]

[18]胡初枝,黄贤金,钟太洋,等.中国碳排放特征及其动态演进分析[J].中国人口·资源与环境,2008,(3).[Hu Chuzhi,Huang Xianjin,Zhong Taiyang,et al.Character of Carbon Emission in China and Its Dynamic Development Analysis[J].China Population Resources and Environment,2008,(3).]

Forecast of Chinaπs carbon emissions based on STIRPAT model

QU Shen2ning1GUO Chao2xian2
(1.Graduate School of Chinese Academy of Social Sciences,Beijing 100102,China;2.Institute of Industrial Economics of Chinese Academy of Social Sciences,Beijing 100836,China)

Forecast research on Chinaπs carbon emissions is little.Scholars have largely relied on the Environmental Kuznets Curve(EKC curve)to estimate it.The paper uses STIRPATmodel to estimate Chinaπs carbon emissions infuture.First,panel data analysis on Chinaπs 30 provinces and cities are used to show Chinaπs basic conditions.Secondly,time series regression on Chinaπs 1980-2008 data is used to draw the trend.Thirdly,forecast of the peak time is given.We find that the impact of technology on the peak is important.If economy grows too fast,while the rate of decline in carbon intensity is relatively low,the peak will not be realized before 2050.Similarly,if the rate of carbon intensity reduction is faster than economic growth,the peak will be realized before 2050.According to the current trends,Chinaπs peak will arrive between 2020 and 2045.Therefore,maintaining the declining carbon intensityof carbon emissions is essential to realize the peak as soon as possible.Using more clean energy and reducing traditional energy consumption should be the focus of future tasks.

STIRPAT model;carbon emissions;peak forecast

F206

A

1002-2104(2010)12-0010-06

10.3969/j.issn.1002-2104.2010.12.003

2010-11-12

渠慎宁,博士生,主要研究方向为产业经济与国际经济学。

3该文是国家社会科学基金重大项目(编号:09&ZD035)以及中国社会科学院重大课题“全球竞争格局变化与中国产业发展趋势”的阶段性成果。

(编辑:李 琪)