内蒙古能源碳排放驱动因子研究及趋势预测

童泉格/孙涵/成金华

（1．中国地质大学（武汉）经济管理学院，湖北 武汉 430074；2．中国地质大学（武汉）资源环境中心，湖北武汉 430074）

内蒙古能源碳排放驱动因子研究及趋势预测

童泉格1,2/孙涵1/成金华2

（1．中国地质大学（武汉）经济管理学院，湖北 武汉 430074；2．中国地质大学（武汉）资源环境中心，湖北武汉 430074）

对内蒙古地区1995-2011年能源碳排放结构及强度进行分析，运用偏相关性分析筛选出备选碳排放驱动因子，基于STIRPAT模型得出各个驱动因子弹性系数。根据弹性系数大小，选取前五个驱动因子作为预测参考序列构建GM（1，n）模型，对未来能源碳排放量进行预测。结果显示：碳排放量驱动因素中进出口总额、全社会固定资产投资、第二产业产值、GDP总额、人均GDP、第二产业产值所占比例是内蒙古地区能源碳排放正向驱动因素，并且驱动力从大到小排列；人口、单位GDP能耗对碳排放有反向驱动作用。内蒙古地区碳排量逐年增加，1995-2002年平稳增长，2003-2011年增长速度明显加快，预计2020年碳排放量将达到41505万t。

STIRPAT模型；碳排放驱动因子；弹性系数；GM(1,n)模型；内蒙古

0 引言

随着《京都协议书》《巴厘岛路线图》《哥本哈根协议》等气候变化公约及条款的签订，中国面临着越来越大的碳减排压力。省级行政区域作为国家发展政策的具体执行者，分析其碳排放特性并且预测未来碳排放量对于寻找技术减排路径，进而减缓全国碳排放压力具有重要意义。

一些学者认为经济增长本身难以引起碳排放强度的大幅度下降，而且第二产业比重越大，碳排放强度就越高[2]。宋德勇、徐安（2011）等则通过采集各城镇数据，采用STIRPAT模型，得出了我国城镇间碳排放区域差异性巨大、城镇化及居民收入对于碳排放量影响最大的结论[4]。王卉彤、王妙平（2011）认为人均消费、人口数及碳排放强度是造成碳排放量骤变的三大影响因素，人均消费影响最大，人口数及碳排放强度次之[5]。黄蕊、王铮（2013）运用STIRPAT模型通过对重庆能源碳排放量的研究得出了人口对于碳排放的影响因素最大[7]。张乐勤、李荣富等（2012）等通过STIRPAT模型对安徽省碳排放驱动因子的边际弹性系数进行了测算[11]，得出全社会固定资产投资及第二产业产值的边际弹性系数较高的结论。聂国卿、尹向飞等（2012）则利用STIRPAT模型得出湖南省不同发展阶段各因素对于碳排放量影响程度不同，并且城市化及人均消费正取代人口成为影响碳排放量的最大及第二影响因素[12]。

本文以内蒙古能源碳排放量为研究对象，对其碳排放结构、强度进行分析，对可能影响碳排放的因素进行筛选，并且建立STIRPAT模型得出排名前五的驱动因子，继而建立GM(1，n)模型进行预测，提出2020年碳排放量预测值。

1 研究方法与数据来源

1.1 研究方法

1.1.1STIRPAT基本模型

本研究中选择STIRPAT模型作为碳排放驱动因子的计算基础。STIRPAT模型是由经典IPAT模型改造而来的随机形式[11]，可表示为：

式（1）中，I、P、A、T分别表示环境压力、人口压力、富裕程度及技术发展因素；a是模型系数，b、c、d分别为人口、富裕度及技术发展等人文驱动力指数，e为模型误差项。

1.1.2碳排放与碳排放强度计算

碳排放计算方法包括生命周期法（LCA）、投入产出法（I-O）、IPCC碳排放计算指南、碳足迹计算器等多种[20]。聂锐等基于IPAT模型构建了碳排放与碳排放强度计算模型，公式为[20]：

式（2）、（3）中c为碳排放强度（t/万元），C为碳排放总量（t），G为GDP总量，Ej为第j种能源消费量（tce），E为能源消费总量（tce），efj为第j种能源碳排放系数，aj为第j种能源结构份额，D为能源强度（tce/万元），P为人口数，A为人均GDP（元/人）[11]。

1.1.3驱动因子选择及模型拓展说明

结合内蒙古地区自身特点，选取人口、GDP总额、人均GDP、单位GDP能耗、第二产业产值、第二产业产值所占比例、全社会固定资产投资、进出口总额及煤炭占能源消耗总量比例作为碳排放驱动备选因子（以下文中或公式中分别以P、G、A、T、I、D、S、F、E表示）。研究过程中先将STIRPAT模型进行了预先拓展，预先拓展的STIRPAT模型为：

式（4）中P表示人口压力，G、A、S、F表示富裕程度，E、T、I、D表示技术发展因素，a、b、c、d、e、f、g、h、i分别表示“人口”、“GDP总额”、“人均GDP”、“单位GDP能耗”、“第二产业产值”、“第二产业产值所占比例”、“全社会固定资产投资”、“进出口总额”、及“煤炭占能源消耗总量比例”的因子指数。

1.1.4GM（1，n）基本模型

GM(1，n)模型表示一阶的n个变量的微分方程型预测模型。灰色系统理论指出用离散的随机数，经过生成变为随机性被显著削减的较有规律的生成数，这样便可以对变化过程做较长时间的描述，进而建立微分方程形式的模型[20]。

1.2 数据来源及说明

研究过程中使用内蒙古地区1995-2011年人口、GDP总额、人均GDP、单位GDP能耗、第二产业产值、第二产业产值所占比例、全社会固定资产投资、进出口总额、及煤炭占能源消耗总量比例代表社会经济发展情况的典型指标，原煤、焦炭、原油、燃料油、汽油、煤油、柴油、天然气及能源消耗总量作为能源消耗指标。在计算碳排量时使用各类能源碳排放系数进行折算[21]，原煤、焦炭、原油、燃料油、汽油、煤油、柴油、天然气碳排放折算系数分别为：0.7559、0.8550、0.5857、0.6185、0.5538、0.57140、0.5921及0.4483。本文数据均来源于内蒙古自治区统计年鉴（1996-2012）及中国能源统计年鉴（1996-2012）。

2 内蒙古地区能源碳排放测度及预测

2.1 地区碳排放结构测度

内蒙古地区1995-2011年各类能源度碳排放总量由表1可知，内蒙古地区碳排放量以较快的速度增长，2011年碳排放总量为28603.04万tce，较1995年增长617.4%，年均增长36.32%。1995-2001年碳排放量基本保持平稳，年均增长仅4.33%。2003年较2002年碳排放增长30.75%，此后一直保持稳定、高速的发展态势。煤炭类能源碳排放量占总碳排放量的95.17%，石油类占4.13%，是内蒙古地区碳排量的绝对主要成分。

2.2 碳排放强度测度及驱动因子分析

(1)碳排放强度分析。碳排放强度通过单位GDP碳排放量来衡量。1995-2011年内蒙古地区碳排放强度总体呈下降趋势，且下降趋势明显，1995年碳排放强度为4.65吨/万元，2011年降至1.99吨/万元，年均下降3.36%。

(2)1995-2011年内蒙古地区碳排放驱动因子分析。本文选取P、G、A、T、I、D、S、F、E作为碳排放驱动备选因子，通过偏相关性分析剔除E备选因子，对其余备选因子做主成分分析。

根据解释的总方差矩阵，结合成分得分矩阵及成分矩阵（表2、3）可知Factor1、Factor2及Factor3因子得分，且Factor1主要描述富裕程度指标，Factor2主要描述人口因素，Factor3主要描述对外经济贸易因素。

表1 1995-2011年内蒙古地区各类能源碳排放量情况

基于最小二乘法原理与内蒙古地区1995-2011年碳排放总量进行回归拟合，考虑到回归中存在多重线性影响，在回归过程中采用逐步回归，而后择最优模型如下：

由式（5）可得到内蒙古地区1995-2011年碳排放因子驱动模型：

式（5）中人口、GDP总额、人均GDP、单位GDP能耗、第二产业产值、第二产业产值所占比例、全社会固定资产投资、进出口总额8个因子弹性系数分别为-0.029、0.172、0.172、-0.111、0.179、0.154、0.185及0.196；人口因素（人口数）及技术进步因素(单位GDP能耗）对碳排放总量是负相关因素，且其他因素不变的情况下人口每上升1%，则碳排放总量上升0.029%，单位GDP能耗等其他七个变量也会对于碳排放量造成一定系数比例的影响。碳排放量影响程度排名为：进出口总额＞全社会固定资产投资＞第二产业产值＞GDP总额≥人均GDP＞第二产业产值所占比例＞人口＞单位GDP能耗。

表2 成分矩阵

表3 成分得分矩阵

2.3 碳排放趋势预测

本文采用GM(1，n)动态预测模型对内蒙地区未来碳排放趋势进行定量预测。选取进出口总额、全社会固定资产投资、第二产业产值、GDP总额及人均GDP前五个驱动因子作为预测参考序列。用1995-2005年预处理后数据作为训练样本，2006-2011年为预测误差对比数据，为了弱化原始时间序列的随机性，在建立灰色预测模型前，采用AGO(Accumulated generating operation)对于原始时间序列进行了预处理。以上过程均在Matlab R2014a编程实现。由表4可知，内蒙古地区1995-2011年碳排放总量预测值与真实值平均误差仅为4.60%，误差保持在合理范围内，预测结果与实际值贴近，模型预测结果具有参考意义。假设内蒙古地区碳排放五个主要驱动因子保持现有发展态势，2020年碳排放总量预计将达到41505万t，较2011年增长12901.96万t，年平均增长5.01%。

表4 1995-2011年内蒙古碳排放量预测真实值与误差对比

3 结论及分析

(1)内蒙古地区碳排量逐年增加，1995-2002年碳排放平稳增长，2003-2011年增长速度明显加快，预计2020年内蒙古地区碳排放量将达到41505万t。内蒙古地区自2000年被国家列入西部大开发范围以来，城镇化发展速度不断加快，第二第三产业占GDP的比重不断升高，2011年两者占比达90%以上，这些因素推动了碳排放量的增加。

(2)进出口总额、全社会固定资产投资、第二产业产值、GDP总额、人均GDP、第二产业产值所占比例是内蒙古能源碳排放正向驱动因素，并且驱动力从大到小排列；“人口”、“单位GDP能耗”对碳排放有反向驱动作用。内蒙古地区积极引进外资，加强对外贸易程度，但外资主要用于制造业、房地产业及采矿业，对外贸易出口商品也集中于贱金属及金属制品、纺织原料及纺织制品、化学工业及化学工业相关产品等。2012年内蒙古外商直接投资为394319万美元，其中制造业、房地产及采矿业直接投资额占比达到83.4%；对外贸易出口总额为397045万美元，贱金属及金属制品、纺织原料及纺织制品、化学工业及化学工业相关产品占出口总额63.9%。说明内蒙古地区对外贸易活动隐含碳排放数量巨大，成为内蒙古碳排放量的首要驱动因素。

(3)内蒙古煤炭类能源碳排量列于各类能源之首。1995-2011年内蒙古各类能源碳排放中，煤炭类资源的碳排量占比为95.18%，说明该地区以煤炭为主的能源结构并没有改变，煤炭作为高碳能源是内蒙古碳排放主要源头。

为了在保证经济正常发展的同时满足碳排放控制要求，内蒙古地区可以通过调整产业结构控制关键驱动因素。具体而言：加快促进内蒙古地区对外贸易出口商品结构升级，减少高碳商品的出口比例，鼓励低碳商品出口贸易活动；不断进行产业结构升级，提升第三产业比例，鼓励高新技术等低碳行业发展；积极促进能源结构平稳转型，逐步降低煤炭使用比例，促进石油、天然气及其他新型清洁能源发展。

[1]郑长德,刘帅．基于空间计量经济学的碳排放与经济增长分析[J]．中国人口·资源与环境,2011,21(5)：80-86．

[2]虞义华,郑新业,张莉．经济发展水平、产业结构与碳排放强度——中国省级面板数据分析[J]．经济理论与经济管理,2011(3)：72-81．

[3]杨骞,刘华军．中国二氧化碳排放的区域差异分解及影响因素——基于1995～2009年省际面板数据的研究[J]．数量经济技术经济研究,2012(5)：36-49．

[4]宋德勇,徐安．中国城镇碳排放的区域差异和影响因素[J]．中国人口·资源与环境,2011(11)：8-14．

[5]王卉彤,王妙平．中国30省区碳排放时空格局及其影响因素的灰色关联分析[J]．中国人口·资源与环境,2011,21(7)：140-145．

[6]孙敬水,陈稚蕊,李志坚．中国发展低碳经济的影响因素研究——基于扩展的STIRPAT模型分析[J]．审计与经济研究,2011(4)：85-93．

[7]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,2013,33(2)：602-608．

[8]叶晓佳,孙敬水,董立锋．低碳经济发展中的碳排放驱动因素实证研究——以浙江省为例[J]．经济理论与经济管理,2011(4)：13-23 ．

[9]雷厉,仲云云,袁晓玲．中国区域碳排放的因素分解模型及实证分析[J]．当代经济科学,2011(5)：59-65．

[10]杜官印,蔡运龙,李双成．1997-2007年中国分省化石能源碳排放强度变化趋势分析[J]．地理与地理信息科学,2010,26(5)：77-81．

[11]张乐勤,李荣富,陈素平,等．安徽省1995年-2009年能源消费碳排放驱动因子分析及趋势预测——基于STIRPAT模型[J]．资源科学,2012(2)：317-325．

[12]聂国卿,尹向飞,邓柏盛．基于STIRPAT模型的环境压力影响因素及其演进分析——以湖南省为例[J]．系统工程,2012(5)：112-116．

[13]赵敏,张卫国,俞立中．上海市能源消费碳排放分析[J]．环境科学研究,2009,22(8)：984-988．

[14]林伯强,刘希颖．中国城市化阶段的碳排放：影响因素和减排策略[J]．经济研究,2010(8)：66-78．

[15]杜运苏,张为付．中国出口贸易隐含碳排放增长及其驱动因素研究[J]．国际贸易问题,2012(3)：97-106．

[16]刘红光,刘卫东,范晓梅．贸易对中国产业能源活动碳排放的影响[J]．地理研究,2011(4)：590-600．

[17]冉光和,王建洪,王定祥．我国现代农业生产的碳排放变动趋势研究[J]．农业经济问题,2011(2)：32-38．

[18]李波,张俊飙,李海鹏．中国农业碳排放时空特征及影响因素分解[J]．中国人口·资源与环境,2011,21(8)：80．

[19]周五七,聂鸣．中国工业碳排放效率的区域差异研究——基于非参数前沿的实证分析[J]．数量经济技术经济研究,2012(9)：58-70．

[20]耿涌,董会娟,郗凤明．应对气候变化的碳足迹研究综述[J]．中国人口·资源与环境,2010,20(10)：6-12．

[21]聂锐,张涛,王迪．基于IPAT模型的江苏省能源消费与碳排放情景研究[J]．自然资源学报,2010(9)：1557-1564．

On the Research of Energy Carbon Emission Driving Factor and Trend Prediction in Inner Mongolia

TONG Quange1,2, SUN Han1, CHENG Jinhua2
(1.School of Economics and Management of China University of Geosciences, Wuhan Hubei 430074; 2. Research Center of Resource and Environmental Economics, China University of Geosciences, Wuhan Hubei 430074)

This paper analyzes the structure and strength of energy carbon emission between 1995 and 2011 of Inner Mongolia. The alternative carbon emissions driving factor is selected by using partial correlation analysis; and the elasticity coefficient of each drive factor is worked out based on STIRPAT model. This paper also predicts the future energy carbon emissions through selecting the first five driving factor as forecasting reference sequence to build model-GM(1, N) according to the elastic coefficient. The results shows that the total volume of imports and exports in the driving factors of carbon emissions, total investment in fixed assets, the second industry output value, total GDP, per capita GDP, and the proportion of the second industry have been the constituents of Inner Mongolia’s positive driving factors of energy carbon emissions, and the driving force has ranged in order; while population and GDP energy consumption per unit has reverse driving effect on carbon emissions. Finally, this paper points out that carbon emissions in Inner Mongolia region keep increasing year by year. For example, between 1995 and 2002, it increased steadily; between 2003 and 2011, the growth accelerated significantly. It is estimated that carbon emissions will reach 415.05 million ton by 2020.

STIRPAT model; carbon emissions driving factor; elasticity coefficient; GM (1, n) model; Inner Mongolia

F407.2；F062.1

C

1672-6995（2015）03-0055-00

2014-10-31；

2014-11-20

国家自然科学基金（71103164)

童泉格（1989-），女，湖北省黄冈市人，中国地质大学（武汉）博士研究生，研究方向：能源管理、能源经济学。