福建省碳排放综合影响因素及趋势预测实证研究

苏 凯， 陈毅辉

(福建农林大学安溪茶学院，福建 福州 350002)

自工业革命以来，化石能源消费导致了二氧化碳排放(以下简称“碳排放”)量的迅速增加，扰乱了全球碳循环，从而引起气候变化和全球变暖。全球变暖和气候变化会产生一系列潜在的影响，如海平面上升、作物生长改变、极端天气爆发等，因此，由碳排放引起的气候变化和全球变暖已成为世界各国及学者们关注的焦点。改革开放后，我国经济飞速增长，城镇化和工业化进程不断加快，我国不仅成为世界上最大的能源生产国和消费国，也是最大的碳排放国。2014年，《国家气候变化计划(2014—2020年)》指出，到2020年，单位GDP碳排放量相较于2005年至少降低40%～50%；2015年，《国家自主贡献预案》将单位GDP碳排放量在2005年的水平上再减少60%～65%，同时承诺到2030年碳排放达到峰值，并尽可能提前达峰。由此可见，我国作为世界上最大的碳排放国，其减排压力在未来10～15年内仍然是巨大的。我国的承诺引起国际重视，间接促成了《巴黎协议》的签署，开创了全球温室气体减排的新纪元[1]。

我国碳减排目标的实现有赖于全国各地的共同努力。福建省作为全国首个生态文明试验区和“21世纪海上丝绸之路核心区”，理应为碳减排作出应有的贡献。福建省的生态环境质量尽管有其优越性，但近年来不断推进城镇化、工业化和农业现代化的进程，化石能源的消耗仍持续增长。据统计，2016年福建省能源消费较2011年提升了19.2%，5年年均增长3.84%[2]，而化石能源消耗是全球碳排放的主要因素，在全球温室气体排放中占据主导地位[3]。因此，如不重视这种能耗方式的转变，福建省这种生态环境的优越性将难以保持，如期实现碳减排目标任重而道远。实际上，不合理的资源消耗、人为活动以及过多的短效经济行为已经给福建局部地区生态系统服务功能造成不同程度的影响[4]。福建省的能耗方式如何向既能保证经济增长、改善人民生活、减少碳排放，又能保护生态环境的方向转变，值得深入研究。

一、文献综述

国内外学者对碳排放的驱动因素、碳排放与社会经济发展之间的关系以及碳减排机制等方面作了大量研究[5-7]。Zhang等运用解耦模型、脱钩值稳定度、脱钩质量度和脱钩质量偏差度公式对东北三省“五大产业”的脱钩质量进行了横向和纵向分析[8]。Utgikar等认为经济增长和人口增长是决定能源消耗和碳排放的2个重要因素[9]。Feng等则以北京为例，应用情景分析法对未来能源消耗和碳排放的影响进行了预测[10]。

分析现有文献可知，碳排放预测研究最为常见的模型有IPAT、Kaya、ImPACT等，它们在构建具有自身特点的分解模型时仍有一些局限性，如IPAT模型参数分解并未将产业及能源结构影响考虑在内，Kaya模型只能解释初级能源消耗对碳排放的影响，而在ImPACT模型中，当只有一个因素发生变化，其他因素保持不变时，其中自变量对因变量的影响是相同的(等比例效应)[11-14]。因此，York等提出了STIRPAT模型[15]。

现有文献在定量分析碳排放影响因素时，采用STIRPAT模型结合普通最小二乘法回归(Ordinary Least Square, OLS)方法的最多[16]，但也有研究认为这种方法存在难以克服的多重共线性问题。研究发现，当模型存在严重的多重共线性时，OLS估计量将不具备一致性，造成统计推断上无法给出真正有用的信息[16]。进一步研究指出，在不剔除自变量的前提下，解决多重共线性的方法主要有主成分分析法(Principal Components Analysis， PCA)、偏最小二乘法回归法(Partial Least Squares Regression, PLS-R)和岭回归法(Ridge Regression， RR)[6]。其中，PLS-R于 1966 年提出，后得以发展[17-18]，该方法综合了多种分析方法的优势，主要用于研究多因变量对多自变量的回归建模，特别是当各变量之间存在高度线性相关时，用PLS-R更有效[19]。

此外，要准确规划能源生产和分配、环境保护和经济发展的投资，分析减缓气候变化的措施，就必须有一种可靠的碳排放估算和预测方法。有学者从产业结构及其他方面入手，应用分解分析法对碳排放影响因素进行研究[20-21]。在碳排放预测研究中，不同学者从不同视角切入，采用不同的方法，如采用环境库兹涅茨模型对我国碳排放进行模拟[22]，应用Logistic模型预测碳排放峰值等[23]。目前应用最广泛的预测碳排放的模型之一是灰色模型GM(1，1)[24-25]，但其只能在适当范围内使用；否则，将产生较大误差。因此，为弥补该模型的不足，有学者提出了一种新的离散灰色预测模型DGM(1，1)，其不仅提高了模型的精度、应用潜力，还提高了模型对趋势的捕捉能力[26]。

综上所述，现有文献的研究结果对探索影响福建省碳排放的因素及提高能源效率具有重要的借鉴意义。但各地区的资源禀赋、产业结构以及经济发展水平等均不相同，社会经济发展的路径也不一样，对碳排放的贡献力度自然不同。目前，福建省正处于现代工业化和城镇化快速发展的阶段，要实现经济的可持续发展，就有必要分析影响福建碳排放的因素并测算未来碳排放趋势，为实现经济发展方式转变和产业结构升级提供数据支持。据此，本研究利用2005—2016年的统计数据，建立扩展型的STIRPAT模型结合PLS-R对福建省碳排放的影响因素进行分析，在此基础上，应用DGM(1,1)模型测算福建省2017—2020年(本文写作期间2018年《福建统计年鉴》还未正式出版，2017年的社会经济数据尚未可知，因此，将测算年份确认为2017-2020年)的碳排放数据，为减排目标的实现提供科学依据。

二、方法和数据

(一)数据来源

本研究中所有数据均来源于《福建统计年鉴》(2005—2017年)。为了消除价格的影响，本文以2005年为基期，按可比价格重新计算历年GDP，并以此为基础重新计算人均GDP和能源消耗强度。碳排放量按下列公式计算：

(1)

式(1)中，ei表示燃料i的消耗；fi是将不同类型的能源转换为标准煤当量的标准煤系数；ki是2006 年 IPCC 国家温室气体清单指南中不同类型燃料的碳排放系数(表1)。

表1 不同燃料的碳排放系数

(二)DGM (1,1)模型

本文借鉴相关学者的观点[26-27]，假定X(0)={x(0)(1),x(0)(2),…,x(0)(n)}是一个序列。其中,x(0)(k)≥0(k=1,2,…,n)。x(1)表示x(0)的一次累加生成序列，具体公式如下所示：

x(1)={x(1)(k),x(1)(2),x(1)(n)}

(2)

则x(1)(k+1)=β1x(1)(k)+β2

(3)

式(3)即为DGM (1,1)模型。

(三)扩展的STIRPAT模型

STIRPAT模型是一个在人口、财富和技术等方面进行环境回归的随机效应模型，其理论基础主要来源于经济学、管理学与生态学，且该模型可以继续扩展上述三方面，以提高模型的分析与解释能力[28]。本文在借鉴前人研究成果的基础上，根据福建省具体情况选取适当变量，应用STIRPAT模型的可扩展性，建立碳排放与其影响因素之间的计量模型。扩展的STIRPAT模型可以表示为：

(4)

为确定有关参数，对式(4)两边分别取对数处理得到如下等式：

lnEt=lna+α1lnPt+α2lnUt+β1lnAt+β2lnTt+γ1lnSt+γ2lnCt+γ3lnOt

(5)

其中,Et、Pt、Ut、At、Tt、St、Ct和Ot分别表示碳排放、总人口、城镇化率、人均GDP、第三产业产值比重、能源消耗强度、煤炭消费比重(煤炭消费量占能源消费总量的百分比)和石油消费比重(石油消费量占能源消费总量的百分比);a代表常数;α1、α2、β1、β2、γ1、γ2、γ3分别表示Pt、Ut、At、Tt、St、Ct、Ot的回归系数。

(四)PLS回归

在多元线性回归分析中，通常采用OLS-R用于估计回归系数，以使得残差的平方和最小化。但在多元线性回归分析中，各变量之间普遍存在严重的多重共线性问题，OLS-R往往是无效的。为了消除这种影响，通常采用PCA提取主成分，虽然其能较好地概括自变量系统中的信息，但会给系统带来很多无用的噪声，缺乏对因变量的有效解释能力[29]。因此，本文运用PLS-R回归来解决多元回归中变量多重共线性和样本容量较少等实际问题。PLS的原理、算法以及与其他回归方法的对比分析，已有诸多文献呈现[30-31]，本文不再详细阐述。

三、实证结果与讨论

(一)PLS回归结果

为证实因变量与各自变量之间是否存在多重共线性，对各变量取对数，并进行两两相关性分析，得到各变量间的相关系数如表2所示。

表2 相关性分析

注：1)x1～x7和y分别为取对数后的总人口、城镇化率、人均GDP、第三产业产值比重、能源消耗强度、煤炭消费比重、石油消费比重、碳排放；2)***，**，*分别表示在10%、5%、1%的水平上显著

从表2可知，各变量之间的相关系数很大，这表明各变量之间存在显著的多重共线性，因此，不适合运用OLS进行无偏估计。为了消除多重共线性的影响，提高模型参数的准确性和稳定性，本文采用PLS对碳排放进行测算，并以SIMCA-P软件作为运算平台。

根据运算结果，前四组分对因变量(碳排放量)的累积解释力(R2)已达99.5%，且四组分的交叉验证值(Q2)均大于0.0975，因此偏最小二乘回归只需提取了前四组分即可。此外，总人口、城镇化率、人均GDP、第三产业产值比重、能源消耗强度、煤炭消费比重、石油消费比重的回归系数结果分别为：2.798、1.028、0.253、0.205、0.333、1.256、0.412。据此，PLS回归方程如下所示：

Et=-31.527+2.798lnPt+1.028lnUt+0.253lnAt-0.205lnTt-0.333lnSt+1.256lnCt+0.412lnOt

(6)

12个样本的拟合值与实际值的均方根误差仅为0.0204221，说明模型的预测能力相对精准。

(二)扩展的STIRPAT模型分解结果

扩展的STIRPAT模型可以通过公式(6)还原得到：

(7)

上述回归系数表明：(1)总人口、城镇化率、人均GDP、煤炭消费比重、石油消费比重每上升1个百分点，碳排放量将分别增加279.8万t、102.8万t、25.3万t、125.6万t、41.2万t；(2)第三产业产值比重和能源消耗强度每上升1个百分点，碳排放量分别下降20.5万t和33.3万t，说明技术进步是减少碳排放的关键因素。

为了进一步分析各变量对碳排放的贡献，本文采用变量投影重要性(Variable Importance in Projection, VIP)方法分析自变量在解释因变量时的重要性。其定义如下：

(8)

应用式(8)，可得到影响碳排放的7个自变量的VIP值(图1)。从图1可以看出，对碳排放贡献最大的是城镇化率，其VIP值达到1.1704；紧随其后的是人均GDP，其VIP值也达到1.1619；然后是总人口、能源消耗强度、煤炭消费比重、第三产业产值比重；而石油消费比重对碳排放的贡献较少。

(三)碳排放预测结果

为了更好地评价DGM(1,1)模型的性能，分别计算了分数误差、后验差比、小误差概率，模型的精度等级评价标准见表3，模型评估结果如表4所示，各影响因素的DGM(1,1)模型测算结果见表5。

图1 各变量的VIP值

后验差比小误差概率精准度等级>0.95<0.35好>0.80<0.50合格>0.70<0.65勉强≤0.70≥0.65不合格

如前所述，按照后验差比、小误差概率的最佳范围，所有模型都作出了很好的估计。此外，通过预测方程得到2005—2020年福建省碳排放趋势，如图2所示。

四、结论与对策

(一)结论

本研究对常规STIRPAT模型进行扩展，建立扩展后的福建省非线性碳排放STIRPAT模型，结合PLS回归法分析福建省碳排放量的影响因素，而后采用灰色预测DGM(1，1)模型测算福建省2017—2020年的碳排放量，得出如下结论。

1.从驱动因素的影响程度和作用方向来看。除第三产业产值比重和能源消耗强度对福建省碳排放量有抑制作用外，总人口、城镇化率、人均GDP、煤炭消费比重、石油消费比重等5个变量对福建省碳排放具有正向促进作用。其中，城镇化率、人均 GDP、总人口对碳排放的贡献分别排名前三，意味着这些变量是影响碳排放的重要因素。客观上，人均 GDP反映了特定地区或省份的发展水平，人均国内生产总值的增长意味着需要更多的能源消耗，在一定程度上，这将导致碳排放量的增加。

表4 DGM(1,1)模型评价结果

注：碳排放量的单位为亿 t

表5 2017—2020年各变量测算结果

注：碳排放量的单位为亿 t

图2 2005—2020年福建省碳排放趋势

2.第三产业比重和能源消耗强度对碳排放具有抑制作用。第三产业产值比重是制约碳排放增长的主要因素之一，产业结构调整和升级仍是未来经济工作的重要组成部分。此外，能源消耗强度的持续下降意味着技术进步对减少碳排放具有积极作用。因此，加快发展低碳绿色技术，可实现福建省新的经济增长点。

3.DGM(1，1)模型测算结果表明，该方法在精准度方面较为合理。根据测算结果，2020年，福建省人口将从2005年的3570万人增加到3980万人，第三产业产值比重将比2005年增长15.3%，能源消耗强度相较于2005年下降44.2%，碳排放量年均达到9562万t。福建省快速的城镇化进程使得其基础设施建设和化石能源的需求加大，人口规模增加导致生态环境的压力日益加大，居民生活水平和人均消费水平逐步提高。这些诱因进一步推动福建省碳排放水平持续提高。因此，在后续城镇化建设中，决策者应该更加关注生态环境污染和城镇空间资源配置等问题。

(二)对策

影响福建省碳排放的因素是多方面的，既涉及经济水平和产业结构，也涉及能源结构等。据此，提出如下对策建议。

1.进一步优化能源消费结构，完善提高能源效率鼓励机制。研究表明，能源消耗强度对碳排放具有抑制作用，因此，优化能源消费结构，特别是减少化石能源的消耗，是减少碳排放的有效途径。值得注意的是，煤炭消费量占我国一次能源总消费量比重的60%左右，而煤炭燃烧排放是碳排放的主要来源[32]。福建省可以采用能源多样化的政策来减少对煤炭的依赖，各级政府应采取积极措施，增加对清洁能源(如风能、太阳能、天然气、核能、生物质能等)的开采及利用。此外，在保持社会和经济发展的同时遏制能源消费增长的另一个有效方法就是提高能源效率。能源效率是降低碳排放的关键因素[33]，其意味着使用更少的能源来提供同样的服务是最具成本效益的碳减排方法之一。能源效率的提高不仅可以降低家庭和企业的能源成本，提高生产力，刺激经济增长，降低能源市场价格，还能提高能源系统的可靠性，进一步加强国家能源安全。因此，各级政府应加大对相关企业的扶持力度，鼓励研发单位积极研发能提高能源效率、提高可再生能源和其他清洁能源利用率的技术。

2.以新型城镇化规划为契机，注重城镇绿色低碳发展。城镇化是社会经济发展到一定阶段的必然产物，其发展模式尽管有其优势，但也带来了许多挑战，特别是对生态环境的影响不断增大、对各种资源要素的需求不断增加。因此，各级政府应以新型城镇化规划为契机，科学规划城镇化发展模式，遵循经济规律，做好环境承载力评估。以提升城镇化质量为目标，不盲目追求城镇化速度，同时也要处理好城镇化与生态环境之间的关系。在后续城镇化进程中，基础设施建设应加大采用节能环保、绿色低碳技术的比例，以便降低碳排放的上升趋势。此外，政府还应该平衡城镇土地和人口的发展，进一步消除城镇化进程中劳动力迁移的障碍和限制，从而实现城乡劳动力的合理配置。政府应积极推广低碳消费(绿色消费)模式，并采取有效措施，帮助公民养成节能环保的消费习惯，鼓励公民选择消费低碳产品，让绿色发展、绿色生活理念成为全社会的共识。

3.优化产业结构，加快第三产业发展。研究表明，第三产业对碳排放有抑制作用，因此，针对福建经济社会发展的形势，政策制定者应注重第三产业在“三大产业”中的占比。在此基础上，政府需要优化第三产业的结构和发展方向，鼓励发展资源消耗少、附加值高的现代产业，如金融业、信息业、旅游业等，以降低碳排放的增长率。此外，各级政府应根据各自地区的资源禀赋、经济发展水平等实际情况，认真贯彻绿色发展理念，进一步优化产业结构，鼓励发展绿色低碳产业，以便实现长期减排目标。值得注意的是，越来越多的研究表明增加碳汇可以有效吸收二氧化碳[34]，以减缓碳排放对生态环境的影响，而福建省森林覆盖率一直处于全国领先地位，且林权改革所取得的成绩也走在全国前列。因此，政府可从“林业碳汇金融”或“绿色金融”等方面切入，深入探讨将农田、森林等碳汇源纳入碳市场的有效性，制定相应的政策措施。这样做不仅可解决土地资源与经济发展之间的矛盾，增加碳汇，还可以增加农民收入，促进乡村振兴战略目标早日实现。