人口结构变动对中国碳排放绩效的影响研究

黄杰（信阳师范学院经济学院，河南信阳464000）



人口结构变动对中国碳排放绩效的影响研究

黄杰
（信阳师范学院经济学院，河南信阳464000）

摘要：本文首先使用非径向、非角度的SBM-Undesirable模型对我国30个省（市）区2000—2012年的碳排放绩效进行了测度，并利用Tobit模型进一步分析我国人口结构变动对各省（市）区碳排放绩效的影响。结果显示：（1）在样本考察期内，我国的碳排放绩效在逐渐提高，东部地区的碳排放绩效远高于全国及中西部地区的碳排放绩效，中部次之，西部最低；（2）劳动人口数量和受教育程度对我国的碳排放绩效具有正向的驱动作用，家庭规模的小型化、老龄化人口数量、人口城市化水平和经济增长对我国碳排放绩效的提高起阻碍作用。

关键词：人口结构；碳排放绩效；SBM-Undesirable模型；面板Tobit模型

一、引言

人口规模和结构被认为是引起二氧化碳（CO2）排放的关键因素之一，同时也是导致其他温室气体排放和环境退化的主要驱动因素。2012年4月英国皇家学会发表的《人与地球》①引自Andrew K．Jorgenson and Brett Clark，The Relationship between National-Level Carbon Dioxide Emissions and Population Size：An Assessment of Regional and Temporal Variation，1960-2005．报告指出，人口增加和消费水平的迅速上升，导致了资源的枯竭和环境的破坏。如，水资源的缺乏和CO2排放量的增加等。

国内外已有众多学者针对人口与CO2排放之间关系展开相关研究。Rosa E．和Dietz T．（2012）、Sanglimsuwan K．（2012）、O’Neill B．C．，Brian C．（2012）、Jorgenson A．K．和Clark B．（2013）和Ahmad N．（2013）[1-5]的研究均表明，人口因素是引致CO2排放的主要驱动因素，其中人口因素主要包括人口规模和结构变动。李国志和李宗植（2010）、李楠等（2011）、曲如晓和江铨（2012）、马晓钰等（2013）、童玉芬和韩茜（2013）等[6-10]人的研究表明影响CO2排放的人口因素主要包括人口规模、人口年龄结构、人口城市化和家庭规模等。除此之外，汪臻（2012）、张纪录（2012）、朱勤和魏涛远（2013）等[11-13]从居民消费方面进行研究，认为消费水平的提高会驱动生活性能源消耗的增长，从而引起CO2排放量增加。现有研究表明，人口因素对CO2排放存在显著影响。因此，在全球碳减排的背景下，深入分析人口因素变动对碳排放的影响对我国的CO2减排具有重要意义，然而在大力降低CO2排放的同时，我们也需要认识到，当前我国正处于工业化和城市化加速发展的关键时期，经济发展仍然十分重要，因此在考虑CO2减排时，又必须要与我国的经济发展状况结合起来，以实现经济发展与CO2减排的“双赢”。本文结合我国的实际情况，将GDP作为“好”的产出，CO2作为“坏”的产出，利用非径向、非角度的SBM-Undesirable（Slacks-based Model）模型对我国的碳排放绩效进行测算，以此方法测算的碳排放绩效同时考虑了CO2排放和经济发展状况，因此可以作为“双赢”的代理变量，在此基础上进一步通过面板模型实证考察人口因素的变动对我国碳排放绩效的影响。对我国在新时期如何协调人口政策、经济发展与CO2减排之间的关系，最终实现CO2减排与经济发展的“双赢”具有重要的现实意义。

二、模型设计与指标数据

（一）碳排放绩效的测算方法

本文选择非径向、非角度的SBM-Undesirable模型测算我国的省域碳排放绩效。经典的DEA模型在效率评价时，主要考虑的是在减少投入的基础上增加产出的问题，经典的DEA模型并没有区分产出中“好”的部分和“坏”的部分，与现实不符，从而使度量结果产生偏差。因此，Kauro Tone（2001，2004）[14-15]在2001年和2004年先后提出了考虑了投入产出变量的松弛问题的SBM模型和在前者的基础上又考虑“坏”产出的SBM模型。具体地，设有m种投入，s1种“好”产出，s2种“坏”产出，则x∈Rm，yg∈Rs1，yb∈Rs2。定义矩阵X、Yg、Yb分别为：X=(xij)∈Rm×n，Yg＝(yijg) ∈Rs1×n，Yb＝(yijb)∈Rs2×n。根据实际生产过程中的投入部分和产出部分，可以假设X＞0，Yg＞0，Yb＞0得到，生产可能性集合P，即N种要素投入x所能生产的“好”产出和“坏”产出的所有组合，可以将其定义为：

P={(x，yg，yb)｜x≥Xλ，yg≤Ygλ，yb≥Ybλ，λ≥0}

根据定义，加入“坏”的产出的SBM模型如下：

通过Charnes-Cooper方法可以将模型（1）转换为可求解的线性规划模型进行求解。

（二）实证模型设计

20世纪70年代初，IPAT方程就被引入到导致环境变化的驱动因素研究中：即I=PAT，其中I为对环境的影响，P为人口数量，A为人们的富裕程度或消费水平，T为技术水平。随着研究的深入，人们意识到人口数量、富裕水平和技术水平与环境之间的真实关系可能是一种更加复杂的随机关系，而不是一个先验地同比例增加或减少的函数关系，Dietz and Rosa[16]（1997）出了的随机模型，即模型，表达式如下：

其中I、P、A和T与模型IPAT中变量的含义一致，a表示常数项，b、c、d为待估参数，e为干扰项。根据STIRPAT模型，对（2）式两边分别取自然对数，我们就可以通过回归模型结果得出相关因素对环境影响的弹性系数，即b、c、d，如公式（3）所示。

由于我国的具体国情，人口总量在一定的时期内变动较小，结合本文的考察重点，本文将人均财富变动，家庭规模、人口城镇化水平、人口年龄结构、受教育水平纳入模型在样本考察期内检验其对碳排放绩效的影响，拓展后的STIRPAT模型表达式如下：

其中，i和t分别表示观察样本和时间，E为碳排放绩效，解释变量中，P15-64为劳动年龄人口占总人口比重，Old为老龄人口占总人口的比重，Edu为受教育水平，Hs为家庭规模指标，Y为人均财富水平。

（三）数据来源

1．CO2排放量

本文采用IPCC/OECD推荐的方法①该计算方法具体见，联合国气候变化专门委员会（IPCC，2006）在《国家温室气体排放清单》第二卷第六章。，即根据消耗的能源数量以及能耗排放系数来估算CO2排放量，本文以煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气八中能源消费量为基础数据②《中国能源统计年鉴》将能源消费种类划分为9类（煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力）。由于在部门终端能源消费中，电力消费并不直接产生CO2，属于二次能源，为避免CO2排放的重复估算问题，本文没有把电力归入能源分解种类。与鲁万波，仇婷婷和杜磊（2013）计算纳入的能源种类一致。，计算我国各省（市）区CO2排放量。其计算公式如（5）所示：

其中，CO2表示估算的CO2排放量；i=1，2，…，8表示化石燃料；E表示一次能源消费量；NCV为能源的平均低位发热量；CEF为碳排放系数；COF为能源的氧化系数，其中能源的平均低位发热量和氧化系数数据来源于《中国能源统计年鉴》，碳排放系数数据来源于IPCC（2006）；44和12分别为CO2和碳的分子量。具体数值如表1所示：

表1各种燃料的平均低位发热量、碳排放系数和氧化系数

2．其他指标数据③本文数据均来源于《中国统计年鉴》和《中国人口与就业统计年鉴》。

人口年龄结构分为劳动人口占总人口的比重和老龄人口占劳动人口的比重，其中劳动人口使用年龄在15-64岁之间人口占总人口比重来度量，老龄人口用65岁以上人口占总人口比重来度量；家庭规模用家庭平均人口来度量；教育水平用各地区大专及以上人口比例占总人口比重来度量；城镇化率用非农业人口占总人口的比重来度量；财富水平用人均国民收入来度量。

三、实证分析

（一）碳排放绩效的测算

利用非径向、非角度的SBM-Undesirable模型测度了我国30个省（市）区的碳排放绩效，如表2所示。

表2部分年份的我国省域碳排放绩效

从表1中可以看出：第一，从整体上而言，我国的碳排放绩效在样本考察期内在不断上升，若以2000年为基期，到2012年我国碳排放绩效的整体均值年均上升0．07%，中部地区的碳排放绩效的均值年均上升0．89%,东部和西部地区的碳排放绩效整体均值年均下降0．38%和0．035%，冀、辽、鲁和琼四省的碳排放总量在样本考察期内大幅增加，是导致东部地区碳排放绩效下降的主因，西部地区碳排放绩效的下降主要是由于其产业结构的重化所致；第二，从区域来看，我国三大地区的碳排放绩效存在较大的差异，经济基础较好、产业结构较为合理、经济发展水平较高的东部沿海地区的碳排放绩效在三大区域中也表现最好；对于中西部地区而言，尽管近年来中西部地区的碳排放绩效有所提高，但其碳排放绩效仍远低于东部地区，西部地区的碳排放绩效表现尤差，不仅低于东部和中部地区，尚未达到全国碳排放绩效的平均水平。

（二）数据描述性统计

指标的描述性统计及方差膨胀因子如表3所示，一般认为，如果方差膨胀因子小于10，则可以认为解释变量之间不存在多重共线性。表3中各变量的方差膨胀因子均小于10，因此，本文变量选择合理，不存在多重共线性，能够满足后续的回归分析。

表3变量的描述性统计与方差膨胀因子

（三）模型估计

由于效率指数介于0和1之间，所以被解释变量就被限制在[0，1]区间内。此时，如果直接采用最小二乘法，会给参数估计带来严重的有偏和不一致，而Tobit模型，则可以避免此类偏误。模型是Tobin 于1958年为解决因变量有上限、下线或者存在极值这类问题而做的研究[17]。其理论模型为：

此处，β为回归参数向量，xi为自变量向量，yi*为因变量向量，yi为效率值向量，ξi为误差项。采用极大似然估计法对Tobit模型进行估计，可以得到β 和σ的一致估计。

本文从全国和三大区域层面来分析人口结构变动对碳排放绩效产生影响。Tobit分析结果利用STATA12．0得出，如表3所示。从全国和三大区域层面的随机效应面板数据模型回归结果显示，模型的个体效应和随机干扰项二者的标准差均较小；同时RHO值为分别为0．938、0．923、0．942和0．916，这说明模型个体效应的变化主要解释了各省（市）区的碳排放绩效的变化；似然比检验表明应拒绝不存在个体效应的假设，亦即拒绝混合模型；对数似然值显示了模型有较好的拟合优度。

表4面板数据模型估计结果

四、估计结果分析

（一）从全国层面看

从全国层面看，在样本考察期内我国的人口结构变动对碳排放绩效存在显著的影响。具体地，年龄在16-64岁之间的劳动人口数量在5%的水平下对碳排放绩效存在显著的、正向影响，这说明随着劳动人口的增多，社会总产出在增长，且总产出的增幅要高于碳排放总量的增幅，即这部分适龄劳动人口的增长会通过生产渠道对我国的碳排放绩效产生正向的积极影响；人口老龄化对我国碳排放绩效的整体发展存在显著的负的影响，这说明，随着老龄化程度的加深，老年人口在整个社会中的比重在不断提高，随着年龄的增长，这部分人的劳动供给会出现递减，与此同时他们的消耗却在递增，即这部分老龄人口的增多会通过消费渠道对我国的碳排放绩效的提高产生抑制作用；毋容置疑，城市化水平的提高会显著促进我国的经济发展，但，由于在推进城市化的过程当中，一方面，大量基础设施、住宅房屋和工业厂房的建设也导致了CO2排放量的剧增；另一方面，大量的劳动力进入城市生活也会通过消费渠道增加我国的碳排放总量。因此，从目前来看，城市化水平的提高并没有是我国的碳排放绩效得到相应的提高；在家庭规模的变动方面，与传统的家庭规模对碳排放的影响刚好相反，家庭规模的小型化能提高我国的碳排放绩效，一方面，家庭规模的小型化也意味着我国家庭数量在增多，其消费量（尤其是耐用品消费,如：住房、汽车等）也会随之增加，进而扩大内需拉动经济增长；另一方面，与我国的传统习惯相关，成年人在结婚后会从原来的大家庭中独立出去，因此，家庭规模的小型化也意味着我国成年人的数量在增多，劳动力人口的增加则会通过生产渠道对我国的碳排放绩效有显著的正向作用；受教育水平的提高对我国碳排放绩效存在显著的促进作用，受教育水平的提高往往伴随着人们整体素质的提升，此时人们将会更多地考虑自己的生产、生活对环境所产生的影响，更加倾向于一种低碳环保的生活理念，从而推动整个社会的低碳发展水平，提高碳排放绩效；然而，由于我国正处于工业化和城镇化的快速推进阶段，经济增长所带来的碳排放总量仍将继续增多，同时人均收入的增加也在一定程度上增加人们的非理性消费，这同样会增加我国的碳排放，因此就目前而言，我国的经济增长对碳排放绩效所产生的作用是负面的、抑制作用。

（二）从三大区域层面

在样本考察期内，劳动人口增多虽然能够促进东部、中部和西部地区碳排放绩效的提升，但只有东部地区在10%的水平下显著，而在中、西部地区劳动力人口的增多对碳排放绩效的提升并不显著；就老龄化而言，在三大区域所起作用并不一致，老年人口的增加会在1%的水平下显著地阻碍我国中部和西部地区的碳排放绩效，对东部地区虽起促进作用，却不显著；家庭规模的变大在一定程度上会阻碍我国碳排放绩效的提升，这种阻碍作用只在中部地区显著，在我国东部和西部地区并不显著；而受教育水平的提高对我国三大区域碳排放绩效都有显著的促进作用；城市化水平的提高仅对东部地区的碳排放绩效存在促进作用，这主要得益于东部地区较高的经济发展水平，但这种促进作用并不显著，而对于中部和西部地区来说则显著阻碍了各自地区碳排放绩效的提升；然而三大区域的经济高速增长，到目前为止并没有对各自区域的碳排放绩效产生提升作用。

五、结论与建议

本文在估算我国30个省（市）区2000—2012年的碳排放绩效的基础上，通过随机效应面板数据Tobit模型，分析了我国人口结构变动对碳排放绩效的影响。研究结论如下：（1）在样本考察期内，我国碳排放绩效的整体水平在上升，但部分地区的碳排放绩效在逐年降低。2000—2012年全国平均效率值为0．601，东部地区为0．778，中部和西部地区分别仅为0．610和0．398；（2）劳动人口数量和受教育程度对我国的碳排放绩效具有正向的驱动作用，家庭规模的小型化、老龄化人口数量、人口城市化水平和经济增长对我国碳排放绩效的提高起阻碍作用。上述研究表明，人口结构因素已经成为在我国实施碳减排、提高碳排放绩效过程中不可忽视的重要因素，由于我国的特殊国情，人口结构在一定的时期内不会发生改变，因此政府在制定和实施碳减排、提高碳排放绩效政策时应从以下三个方面进行考虑：

第一，作为推动城市化的主体，政府应在快速推进城市化水平的过程中，实现城市的低碳发展。即一方面，政府在大力推动城市化的同时还要应积极推动城市交通的低碳化，及时根据本地人口特征来构建合理的交通结构，大力发展公共交通，倡导绿色出行，以此来降低交通中的碳排放；另一方面，在城市化的快速推进过程中，政府应积极推广节能建筑，减少各类建筑物在建设和使用过程中的碳排放。

第二，政府应大力发展教育事业，培育居民的低碳生活理念。教育水平的提升不仅可以提高人口素质，使更多的人接受并践行低碳的生活理念，还可以为发展低碳技术储备人才，从而实现依托技术进步来提高能源使用效率，降低生产和生活中碳排放，进而促进我国的碳排放绩效的提升。

第三，作为制定和实施低碳政策的主体，政府在推动经济增长的同时，应协调好人口、资源环境和经济发展之间的关系，改变传统的发展模式，实施可持续的低碳发展战略，最终实现经济与环境的“双赢”。这就要求各地区在发展经济时应注重调整产业结构和能源消费结构，采取更加环保的生产方式，改变传统的重化产业结构，增加第三产业的比重，努力实现产业结构的低碳化，同时积极扩大清洁能源的使用，减少高碳化石能源的使用，通过技术创新提高能源的利用效率，以此来降低能源消费中的碳排放，实现碳排放绩效的提高。✿

参考文献：

[1]Eugene A．Rosa，Dietz Thomas．Human drivers of national greenhouse-gas emissions[J]．Nature Climate Change，2012，2（8）：581-586．

[2]Sanglimsuwan Kamjana．The impact of population pressure on carbon dioxide emissions：evidence from panel-econometric analysis[J]．International Research Journal of Finance and Economics，2012，82：89-94．

[3]O’Neill，Brian C．，Brant Liddle，et al．Demographic change and carbon dioxide emissions[J]．The Lancet，2012，380（9387）：157-164．

[4]Jorgenson Andrew K．，Brettt Clark．The Relationship between National-Level Carbon Dioxide Emissions and Population Size：An Assessment of Regional and Temporal Variation，1960-2005[J]．PloS one，2013，8（2）：e57107．

[5]Ahmad N．CO2 Emission，Population and Industrial Growth Linkages in Selected South Asian Countries：A Co-Integration Analysis [J]．World Applied Sciences Journal，2013，21（4）：615-622．

[6]李国志，李宗植．人口，经济和技术对二氧化碳排放的影响分析——基于动态面板模型[J]．人口研究，2010（3）：32-39．

[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（6）：19-23．

[8]曲如晓，江铨．人口规模、结构对区域碳排放的影响研究[J]．人口与经济，2012 （2）：10-17．

[9]马晓钰，李强谊，郭莹莹．我国人口因素对二氧化碳排放的影响——基于STIRPAT模型的分析[J]．人口与经济，2013（1）：44-51．

[10]童玉芬，韩茜．人口变动在大城市碳排放中的作用与影响——以北京市为例[J]．北京社会科学，2013（2）：113-119．

[11]汪臻．中国居民消费碳排放的测算及影响因素研究[D]．中国科技大学，2012．

[12]张纪录．消费视角下的我国二氧化碳排放研究[D]．华中科技大学，2012．

[13]朱勤，魏涛远．居民消费视角下人口城镇化对碳排放的影响[J]．中国人口·资源与环境，2013，23（11）：21-29．

[14]Tone K．A．slacks-based measure of efficiency in data envelopment analysis[J]．European journal of operational research，2001，130（3）：498-509．

[15]Tone K．Dealing with undesirable outputs in DEA：a Slacks-Based Measure （SBM）approach[J]．The Operations research Society of Japan2004，2004：44-45．

[16]Dietz Thomas，Eugene A Rosa．Effects of population and affluence on CO2emissions[J]．Proceedings of the National Academy of Sciences，1997，94（1）：175-179．

[17]周华林，李雪松．Tobit模型估计方法与应用[J]．经济学动态，2012（5）：105-119．

Study on the Impact of Population Structure Changes on the Carbon Emission Performance of China

HUANG Jie
（School of Economics Xinyang Normal University，Henan，Xinyang，464000）

Abstract：This paper use non-radial，non-angle SBM-Undesirable model measure the performance of carbon emission for 30 provinces in China covering the years from 2000 to 2012．And then，we try to use the panel data Tobit model to analyze the relation between population structures in the performance of carbon emissions．The study show that：first，In the sample period，China’s carbon emission performance is improving gradually，and the eastern part of the carbon emission performance is far higher than the central and western regions，the central is lower than eastern，the west is the lowest；second，Labor population increasing and the level of education on China’s carbon emission performance has positive driving action，the miniature of family size，and the number of aging population，the level of city and economic growth will inhibition on enhancement of China’s carbon emission performance．

Key words：Population Structure；The performance of carbon emissions；SBM-Undesirable model；Tobit model

作者简介：黄杰，男，河南信阳人，信阳师范学院经济学院讲师，博士，研究方向：低碳经济。

基金项目：教育部人文社科基金项目：资源诅咒效应发生机制与规避策略研究：基于空间经济学视角（15XJC790006）；国家社科基金项目：省域生态文明建设的绩效评价、标尺竞争效应与空间关联模式研究（13CJL071）。

中图分类号：X24

文献标志码：A

文章编号：1007-0672（2016）02-0091-05

收稿日期：2015-11-17