基于分位数回归的天津市二氧化碳排放影响因素研究*

刘 鑫，赵 涛

（天津大学管理与经济学部，天津 300072）

1 文献综述

根据2012年《BP世界能源统计年鉴》［1］的数据，2011年中国已经成为世界最大的能源消费国，单位GDP产出消耗的能源为日本的5倍和美国的3倍，一次性能源消费总量中煤炭消费达7成，这些都凸显出能源结构的不合理。要达到2020年单位GDP二氧化碳排放比2005年下降40%～45%的目标，找出一条行之有效的可持续发展之路是中国所面临的当务之急。另一方面，进入新世纪以来，环渤海地区逐渐成为中国继长三角、珠三角之后经济发展的“第三极”，而天津作为北方经济中心和国际港口城市，随着滨海新区上升为国家战略和加速开发开放，更是保持了至今连续4 a GDP增速全国第1名，人均GDP也在全国处于领先地位。但同样的问题也在困扰着天津，根据2012年世界银行《中国可持续性低碳城市发展》［2］报告，2010年天津人均CO2排放量达到11.1 t，CO2强度为2 316 t/106美元，这些指标达到了全球的最高水平。“十八大”报告首次将“生态文明”提升到“五位一体”的整体布局之中，并指出建设生态文明，是关系人民福祉、关乎民族未来的长远大计。由此可见，分析并明确影响天津市CO2排放的因素进而有效地在保增长的同时降低排放量有着十分重要的现实意义。

近年来，很多国内外学者围绕碳排放及其影响因素的研究发表了一系列的文章。I.Martínez-Zarzoso等［3］使用STIRPAT模型和欧盟国家1975—1999年数据对这些国家中人口增长对CO2排放的影响进行了研究，结果表明，新近加入欧盟的国家人口增长对排放的影响要比那些原有的欧盟成员国更大。H.N.Li等［4］使用Path-STIRPAT模型研究了影响中国CO2排放量的主要因素，结果显示，人均GDP、技术水平、人口、城市化进程和工业结构是影响中国CO2排放量的主要因素。J.D.Kang等［5］使用LMDI方法研究了“十一五”期间中国30个省市的碳减排表现，得出天津市是“十一五”期间碳减排最好区域的结论。K.M.Wang［6］使用138个国家1971—2007年的数据，通过分位数面板数据回归的方法实证分析了CO2排放和经济增长之间的关系。李楠等［7］利用中国1995—2007年碳排放量、人口总数、人口的城市化率、老龄化率和反映人口消费结构的恩格尔系数、第二产业从业人口比重等时间序列数据，运用协整理论、格兰杰因果检验和多元回归模型对中国人口结构与碳排放量之间的关系做了实证分析。朱勤等［8］使用扩展的STIRPAT模型，应用岭回归方法分析了人口、消费及技术因素对碳排放的影响。王曾［9］基于中国1953—2008年时间序列数据，实证检验了碳排放与人力资本、技术进步、城市化率、城乡收入差距、贸易开放度、最终消费率等因素的关系。李国志等［10］对中国30个省份CO2排放量进行了测算，并基于STIRPAT模型和面板数据的方法，分析了人口、经济和技术对不同区域CO2排放的影响。

目前，针对CO2排放影响因素的分析还大多以国家、区域或行业作为对象进行研究，关注到某一省市特别是聚焦到天津的还比较少。笔者利用天津市1995—2009年数据，通过STIRPAT模型和分位数回归的方法，实证分析了天津市CO2排放量与经济、人口规模和科技进步等因素的关系，讨论了在不同分位点上分别进行回归分析得到的结果及其意义，并在此基础上提出了相关政策建议。

2 模型建立和数据处理

P.R.Ehrlich等［11］于1971年提出了IPAT等式：

式中：I代表环境影响，P代表人口规模，A代表富裕程度，T代表技术水平。但其在应用上存在一定的局限，即只能改变其中某一个因素而保持其他因素不变来进行分析。为了保持等式平衡，得到的结果中各自变量等比例地影响因变量，这与实际情况存在着较大差异。在此基础上，T.Dietz等［12］于1994年提出了公式（1） 的随机模型，即STIRPAT模型：

公式（2）可以用来分析各因素对环境的非等

公式（3） 中均采用时间序列数据，t为数据年份；CO2t为当年的天津市CO2排放量；TEPt为当年的天津市社会从业人员；PAGt为当年的天津市国内3种专利申请授权数，这是因为考虑到授权的专利有实际应用性强、投产转化快等特点，可以较好地反映该地区包括环境方面在内的技术水平。

为了数据的标准化和消除时间序列数据异方差的现象，将公式（3）中的各变量取对数得到公式（4）作为本研究的实证分析模型：

式中：误差项et=lnεt。

本研究采用2011年国家发改委印发的《省级温室气体清单编制指南（试行）》中的核算方法，并参考《IPCC国家温室气体排放清单指南》中的相关内容和参数，分别计算了天津市1995—2009年各种能源的CO2排放量，并由此汇总形成了各年天津市CO2排放量数据，各项原始数据来源于历年《天津统计年鉴》和《中国能源统计年鉴》。在此基础上，汇总了1995—2009年天津市社会从业人员数TEP、天津市国内生产总值GDP和天津市国内3种专利申请授权数PAG作为研究数据。采用E-views6.0软件进行计算和分析。

3 模型检验

3.1 平稳性检验

使用非平稳的时间序列数据进行回归分析可能由于其共同的变化趋势而产生虚假回归等问题，因此首先要对数据进行单位根检验，以测试变量的平稳性。采用ADF单位根检验法对各变量及差分进行平稳性检验，最优滞后期由SC准则确定，检验结果如表1所示。比例影响。其中常数项a和P、A、T变量的指数b、c、d作为待估系数，ε是误差项。

笔者依据公式（2） 建立了CO2排放量及其影响因素的应用模型：

表1 ADF单位根检验结果

通过检验结果可知，不能拒绝被解释变量lnCO2的序列在1%的显著性水平下是零阶单整的，由于数据存在明显随时间上升的趋势，且在包含趋势项的ADF检验中显著平稳，可以说明lnCO2t变量的序列是一个趋势平稳过程。而3个解释变量lnTEP、lnGDP和lnPAG的序列在10%的显著性水平下都不能拒绝是一阶单整的，说明其为差分平稳过程。而且各解释变量的单整阶数相同，均大于被解释变量CO2的单整阶数（0阶），满足各序列间存在协整关系的必要条件，可以进行协整性分析。

3.2 Johansen协整检验

由于TEP、GDP和PAG这3个解释变量都是一阶单整的，本研究选用Johansen检验的方法进行协整性分析。Johansen检验方法是S.Johansen等［13-14］于1990年提出的一种基于向量自回归模型的多重协整检验方法，在对多变量协整的长期均衡关系检验上要优于Engle-Granger两步法等方法，它不但能判定是否存在协整关系，还可以给出其存在的协整向量的个数。同样采用SC准则确定检验的滞后阶数，并考虑到样本容量的可行性，检验结果如表2所示。

表2 Johansen协整检验结果

检验结果显示：在5%的显著性水平下拒绝了表2中的所有假设。即意味着该基于特征值轨迹的Johansen协整检验表明被解释变量CO2与3个解释变量TEP、GDP和PAG之间存在着4个协整向量。该结果可以说明解释变量与被解释变量之间存在着长期稳定的均衡关系。综合前面的ADF平稳性检验的结果，模型（4）是适合进行回归分析的。

4 分位数回归及分析

分位数回归的方法最早由R.Koenker等［15］于1978年提出，其模型是根据解释变量在被解释变量的各分位数点上分别进行回归分析得到的，分位数回归更能准确描述解释变量对被解释变量的变化范围和条件分布等的影响。本研究中解释变量向量设为Xt，系数向量设为β，模型（4）在进行分位数回归时p分位点的系数向量β通过计算公式（5） 的最小值得到。

由于采用了加权残差值之和的方法来估计回归参数，分位数回归具有更强的稳健型，并不需要随机误差项有很强的分布假设，也不易受异常值的影响，对正态性不强、数值较少或具有异方差性的估计量可以得到更好的回归效果。R.Koenker等［16］于1999年参照最小二乘法中的拟合优度（R2），也相应地提出了分位数回归中拟合优度的计算方法，同样可以反映某一特定分位数点下的局部拟合效果。

天津市CO2排放影响因素模型的分位数回归结果如表3所示，可以看到各分位数回归模型调整后的拟合优度R2都在0.8左右，说明回归结果对模型做出了比较好的解释。各分位点上的系数大小反映了该因素对被解释变量的影响。可以看到解释变量中lnTEP对被解释变量的影响要比另外2个解释变量大。图1～3分别给出了lnTEP、lnGDP和lnPAG的回归系数随0.05到0.95这19个分位点变化的趋势，以便具体分析每个解释变量分别对被解释变量lnCO2的影响。

表3 分位数回归结果

根据分位点回归分析结果，TEP对CO2的影响是最大的，其回归系数b在各分位点上均为正数。图1反映了回归系数b随分位数点变化的情况，可以看到较低分位点上的系数要高于较高分位点上的，如在20分位点上，lnTEP回归系数的值约是在80分位点上的2倍。而回归系数在中间分位点上的值又要显著大于在两边的值，说明在中位点附近TEP对CO2影响最为突出，如在55分位点上，回归系数达到了最高值1.36，这说明在此情况下天津市社会从业人员TEP每增加1%天津市CO2排放量会增加1.36%。社会从业人员是人口的重要组成部分，其数据的变化较好地代表了人口规模的变动。人类的活动时刻消耗着能源和资源，所以人口规模的增加会导致CO2排放量的增长，N.Birdsall［17］还提出大量人口带来的对森林和耕地等的破坏也是导致CO2排放量增加的一个重要原因。而相比较于农村和西部地区，天津较为富裕的生活环境和人们较高水平的生活水准也使得过度消费的现象更为普遍，越来越多的享乐型和非理性消费进一步扩大了人口因素对CO2排放量的影响。

图1 lnTEP的回归系数b随分位点变化

从图2中可以看出随着分位数点的增加，lnGDP的回归系数c总体呈下降趋势。这反映了GDP在CO2较低的年份中对其有着较大的影响，即在此期间天津市国内生产总值的增长带来了较高水平的CO2排放量增加。如在10分位点上，回归系数达到了0.37，在35分位点上，回归系数达到了其峰值0.38，说明天津市国内生产总值GDP每上涨1%会带来CO2排放量分别为0.37%和0.38%的增长；而在较高的分位点上lnGDP对lnCO2的回归系数很小，影响并不明显。国内生产总值是衡量经济发展最重要的指标之一，GDP可以较好的反映天津市当年的经济状况和发展水平。经济的增长需要靠生产活动的支撑，而生产活动又是消耗能源产生CO2等温室气体的主要过程。G.M.Grossman等［18］曾经提出过经济增长与环境指标之间呈现正相关再负相关的“倒U型”曲线关系，这一曲线也被称为环境库兹涅茨曲线。如果按此理论，在CO2排放量较高的年份，天津的经济和环境指标间已经接近或达到环境库兹涅茨曲线的顶点。这说明天津的经济发展已经较为成熟，正在或接近摆脱单一、粗放的经济增长拉动模式，但在峰值左右也意味着当前的经济增长会对环境造成很大的压力，图2中50到70分位点之间回归系数变化幅度很大也反映了这个问题，说明在CO2排放量水平常规年份中也要重视经济因素对其的影响和变化。

图2 lnGDP的回归系数c随分位点变化

从图3中可以看出lnPAG的回归系数d随分位点的增加有明显的上升趋势，这与lnGDP的回归系数变化趋势相反。即天津市国内3种专利申请授权数PAG在天津市CO2排放量较低的年份对其增加的影响是不大的，甚至产生一定的抑制作用，如10分位点上，PAG每增加1%，CO2会降低0.056%；而随着CO2排放水平的升高，PAG的影响也越来越大，如在90分位点上，回归系数达到了0.36，即PAG每增加1%，CO2会增加0.36%。天津市国内3种专利申请授权数这一数据可以直观地反映出天津市综合技术水平进步的情况。技术进步带来的能源效率的提高本应使得CO2排放量有所下降，然而技术进步导致了生产成本的大幅下降，消费者及行业行为的变化导致需求的增加使得生产规模扩大，产量大幅增加，因此其对CO2排放的影响由负变正。这一效应最早由J.D.Khazzoom［19］提出并称之为“回弹效应”，T.Barker等［20］预测如果充分实施国际能源机构提高能源效率的相关技术建议，回弹效应将会在2020年抵消掉31%的潜在节能，这一比例在2030年更会达到52%。而对中国来说，回弹效应在过去30多a也一直在30%～80%的较高范围内波动［21］。另外，锁定效应也在制约着技术进步对于CO2减排的作用［22］，即工业化发展过程中对石油、煤炭等高排碳能源的过度依赖制约了低碳和可再生技术的发展和实施，这种状态也被称为技术-制度复合体（Tecno-Institutional Complex，TIC）。特别是对于天津这样的老工业城市来说，突破技术上锁定效应的瓶颈就会面临更大的阻力，这一点从天津的一次能源消费中原煤和石油所占的高比重也可以发现。在图3中55到60分位点间回归系数的增长幅度很大，此后一直维持在较高水平且略有增加，这说明在此范围内回弹效应和锁定效应使得天津市的技术进步对CO2减排产生了较大的抑制作用。

5 结论与建议

通过对天津市CO2排放及其影响因素的STIRPAT应用模型的建立、数据的检验和分位数回归分析，得到了以下结论：①天津市的CO2排放量和天津市社会从业人员TEP、天津市国内生产总值GDP及天津市国内3种专利授权申请数PAG之间存在长期稳定的均衡关系，TEP、GDP和PAG是影响天津市CO2排放的重要因素。②分位数回归的结果显示，人口因素在各分位点上相比另外2种因素都取得了更大的回归系数，这表明其对天津市CO2排放产生了更大的影响，通过各分位点的比较又可以看出在中位点附近人口因素对CO2排放的影响最大；随着CO2排放量的增加，经济因素对其的影响会有所减少，这是因为天津的经济发展较为成熟，处于环境库兹涅茨曲线的中后期阶段；技术因素的影响会随着CO2排放量的增加而增加，说明了技术进步导致了供需平衡变化的“回弹效应”，这和技术-制度复合体带来的“锁定效应”一同对CO2的排放造成了较大的影响。针对本研究，要有效地降低天津市的CO2排放，需要做到以下几个方面。

图3 lnPAG的回归系数d随分位点变化

首先，要关注人口因素对CO2排放量的影响，特别是在排量适中的时段，在合理引入劳动力，支持天津高速发展的同时要防止城市过饱和，加强绿化并防止植被受到侵害。既保障人民的生活水平稳步提升也能切实抑制人们的过度消费和高碳生活方式，这就应该大力倡导低碳生活，营造低碳生活是一种时尚的生活方式的理念，让人们真正理解并接受它。还应采取具体的措施引导人们改变固有的习惯，如采用低票价和营造好的乘车环境鼓励人们选择地铁等公共交通出行代替私家车，设置阶梯电价引导人们在夏天调高空调温度等节电行为。

还应继续加大力度实现经济转型，在保增长的同时切实关注经济发展的质量，特别是在CO2排放量相对较少的年份中要更加关注经济因素对其的影响。落实可持续发展的相关要求，实现产业的更新升级，转变经济增长方式，淘汰落后产能，并形成有效的监管体系。利用天津港等区域优势，大力发展临港物流等行业，利用好滨海新区的后发优势，发挥金融中心、生态城等的作用实现经济又好又快发展。继续寻找创意产业和高科技产业等新的经济增长点，在政策配套和人才引进等方面上给予扶持，使其形成产业集群和产业链，拉动国民经济持续健康发展。改变过去单一追求经济增长的目标，在经济增长的同时更要保障人民幸福、生态和谐。

此外，要大力发展低碳和可再生能源技术，引进国外先进技术和鼓励自主研发相结合，并在政策上支持其及时在生产流程中得到应用。要充分认识到技术进步对CO2排放影响的“双刃剑”效应，特别要关注CO2排量较高的年份，合理运用税收、价格等调控手段引导行业和消费者的行为和需求，从而削减不必要的生产规模，使得技术带来的减排效应得以体现。升级产业结构，优化行政配置，建立更多的低碳产业链并推动高碳产业低碳化，突破TIC的锁定效应。

本研究分析的3个解释变量因素其实并不是孤立的，他们之间也存在着一定的联系，共同对CO2排放造成影响。如果要进一步分析并消除内生性，可以采用如工具变量分位数回归（IVPR）等方法进行研究。同时受到数据样本量的制约，本研究结果也可能存在一定的局限性，可以采取诸如Bootstrap等方法对显著性水平随样本容量增加的变化进行更详细的分析。

［1］BP公司.BP世界能源统计年鉴［EB/OL］.［2012-06］.http：//www.bp.com/liveassets/bp_internet/china/bpchina_chinese/STAGING/local_assets/downloads_pdfs/Chinese_BP_StatsReview2012.pdf.

［2］世界银行.2012中国可持续性低碳城市发展［M］.华盛顿：世界银行，2012.

［3］Martínez-Zarzoso I，Bengochea-Morancho A，Morales-Lage R.The impact of population on CO2emissions：Evidence from European countries［J］.Environ Resour Econ，2007，38（4）：497-512.

［4］Li H N，Mu H L，Zhang M，et al.Analysis on influence factors of China’s CO2emissions based on Path-STIRPAT model［J］.Energ Policy， 2011， 39（11）：6906-6911.

［5］Kang J D，Zhao T，Ren X S，et al.Using decomposition analysis to evaluate the performance of China’s 30 provinces in CO2emission reductions over 2005—200 9［J］.Nat Hazards，2012，64 （2）：999-1013.

［6］Wang K M.The relationship between carbon dioxide emissions and economic growth：Quantile panel-type analysis［J］.Qual Quant，2013，47 （3）：1337-1366.

［7］李楠，邵凯，王前进.中国人口结构对碳排放量影响研究［J］.中国人口·资源与环境，2011，21（6）：19-23.

［8］朱勤，彭希哲，陆志明，等.人口与消费对碳排放影响的分析模型与实证［J］.中国人口·资源与环境，2010，20（2）：98-102.

［9］王曾.人力资本、技术进步与CO2排放关系的实证研究：基于中国1953—2008年时间序列数据的分析［J］.科技进步与对策，2010，27（22）：4-8.

［10］李国志，李宗植.中国二氧化碳排放的区域差异和影响因素研究［J］.中国人口·资源与环境，2010，20（5）：22-27.

［11］Ehrlich P R，Holdren J P.Impact of population growth［J］.Science，1971，171（3977）：1212-1217.

［12］Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology［J］.Human Ecol Rev，1994，1 （1）：277-300.

［13］Johansen S.Statistical analysis of cointegration vectors［J］.J Econ Dyn Control，1988，12 （2/3）：231-254.

［14］Johansen S，Juselius K.Maximum likelihood estimation and inference on cointegration：With applications to the demand for money［J］.Oxford B Econ Stat，1990，52 （2）：169-210.

［15］Koenker R，Bassett Jr G.Regression quantiles［J］.Econometrica，1978，46 （1）：33-50.

［16］Koenker R，Machado J A F.Goodness of fit and related inference processes for quantile regression［J］.J Am Stat Assoc，1999，94 （448）：1296-1310.

［17］Birdsall N.Another look at population and global warming［M］.World Bank Publications，1992.

［18］Grossman G M，Krueger A B.Environmental impacts of a North American free trade agreemen t［R］.National Bureau of Economic Research，1991.

［19］Khazzoom J D.Economic implications of mandated efficiency in standards for household appliances［J］.Energy J，1980，1 （4）：21-40.

［20］Barker T，Dagoumas A，Rubin J.The macroeconomic rebound effect and the world economy［J］.Energ Effic，2009，2 （4）：411-427.

［21］周勇，林源源.技术进步对能源消费回报效应的估算［J］.经济学家，2007 （2）：45-52.

［22］Arthur W B.Competing technologies，increasing returns，and lock-in by historical events［J］.Econ J，1989，99 （394）：116-131.