河北省碳排量的经济因素分析

高静怡 陈梦浩 刘奕

摘   要：大气污染对人们的生产生活产生了不容忽视的影响。为了对该问题的解决提供理论支撑，基于STIRPAT模型，研究工业化水平、城镇就业水平能源消耗强度等九个因素对河北省碳排量的影响。采用推断统计和描述统计相结合的方法对实证数据进行处理和分析，经过最小二乘法回归以及岭回归，得出人口规模、温室气体排放强度、能源强度和实体经济的人口承载强度等四因素对河北省碳排量影响显著。经过进一步计算得出其对应系数，并对污染治理提出针对性的建议。

关键词：河北省;碳排放量;经济因素;改进 STIRPAT模型;岭回归

中图分类号：F124.5      文献标志码：A      文章编号：1673-291X（2019）35-0153-02

引言

河北省作为我国的经济大省，多年来在经济水平、工业化水平、技术水平等各个方面均取得了长足的进步，其中能源经济的发展对河北省经济的总体发展意义重大。但经济高速增长的背后是巨大的资源环境代价。能源消耗量逐年递增，而能源利用率则处于相对较低的水平，大气问题尤为突出，严重制约了社会经济的进一步发展。中国政府已意识到了经济发展与环境问题呈现出互相制约的态势，组织制定了《中国21世纪议程》，全面加强环境保护。

人类活动带来的大量温室气体排放被认为是造成全球变暖的重要原因。研究人口、就业水平、能源强度等人文因素对碳排量的协同影响十分必要。通过拆分分析，能更好地明确未来的经济发展方向。孙敬水等在其论文《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》中将碳排量的影响因素扩展为人口、经济发展水平等八个因素，并增加人均碳排量作为因变量，进一步对上述影响因素进行验证后得出结论，对相关变量的贡献率以及影响程度进行分析。林寿富等在其研究中将碳排放总量的影响因素扩展为人口规模、城镇化水平等九个因素，最终得出，人口、人均 GDP、温室气体排放强度和能源强度等四因素在任何类型国家都对温室气体排放产生显著性影响。

现有的基于STIRPAT模型的研究中，大多以全国某一领域为研究对象，以省为研究对象的研究相对较少，变量选取也存在差异。因此，本文在研究对象、变量的选取上具有一定的实际意义。

一、模型解释

Sitrpat模型是在ipat方程的基础上进一步研究得出的。IPAT 模型（I=P*A*T）中 I 为环境负荷，在大气污染的研究中通常选取碳排量;影响因素中 P 为人口规模，A表示人均 GDP，T 则反映为单位 GDP 的二氧化碳排放量即能源排放强度，其中A和T可分别代表经济发展水平和技术进步。为了分析相关变量对环境负荷的非比例影响，Dietz等人进一步参考Kaya恒等式并将原方程扩展为以指数形式表示的随机模型，即stirpat模型。该模型的表达式为I=aPbAcTde，其中，PTA的含义与IPAT方程相同，a1 a2 a3分别为各变量的驱动力指数，e为随机误差项，a为模型系数。本文选用了林寿富等在研究中提到的9个影响因素，模型式为：

等式右边的9个自变量分别为人口规模、城镇化水平、城镇就业水平、财富水平、工业化水平、技术水平、温室气体排放强度、能源强度和实体经济的人口承载强度。

二、数据选取与分析

（一）碳排总量分析

2005—2013年，河北省碳排量持续小幅度增长，伴随经济发展的是温室气体排放量持续增长。2013—2016年，碳排量呈下降趋势，节能减排政策实施有一定的效果。

（二）碳排量计算

化石燃料的燃烧是温室气体排放的主要原因。而煤炭、石油、天然气是目前被广泛使用的三大能源。因此，我们在计算碳排量的过程中主要参考了煤炭、石油、天然气三大能源的消耗量（消耗量数据来自《河北省经济统计年鉴》），碳排放量根据《IPCC 国家温室气体排放清单指南》2006年的统计数据和方法计算，具体计算方法如下：

其中，Iit表示该省在2005—2016年以三大能源消耗为计算基础的碳排总量，Mit表示第i种能源在t年的消耗量，Qi表示第i种能源的热值（数据来源于《国家统计局》），Ci表示该种能源在碳排量贡献的折算系数（数据来源 IPCC2016 年统计数据）。

（三）因变量数据选择与分析

因变量的相关因素，我们选择了2005—2016年河北省的人口量总、国内生产总值、就业人口数量、城镇人口数量、工业增加值和能源消费量面板数据（数据来源于《河北省经济年鉴》）。通过调查资料可知，能源强度、实体经济的人口承载强度在2005—2013年间呈下降趋势，2014—2016年有所回升。工业化水平在十年间呈波动上升趋势，而其他几个驱动因素则稳定上升，其中，财富水平和技术水平的增长幅度较大。由此可见，河北省的能源经济以2013 年为转折点，开始由粗放型向集约型过渡，稳中求进，但是仍存在着能源、产业结构不合理等问题。具体因素有待进一步探究。

三、实证分析

（一）相关系数显著性检验

利用SPSS得出变量之间的相关系数，并进行 t 检验。由各变量与因变量相关系数的数值可知，工业化水平和温室气体排放强度与碳排量的相关性均位于0.3～0.5之间，为低度相关;其余各变量都达到了0.8 以上，为高度相关。

（二）线性回归

利用SPSS九个影响因素作为自变量进行线性回归，得出结果。线性回归之后所剩七个自变量中，城镇化水平和就业水平两个变量对河北省碳排量的影响不显著。其余五个变量分别为人口规模、工业化水平、温室气体排放强度、能源强度、实体经济的能源承载强度，其在 95%的显著性水平下能通过t检验，初步判断得出以上五个因素对碳排量影响显著。再次以上述五个变量进行回归得出结果，由结果可知，除工業化水平和温室气体排放强度的VIF小于10外，其余三个变量的VIF都大于10，即证明其具有较强的多种共线性。为了排除多重共线性的影响，进一步进行岭回归分析。

（三）岭回归分析

岭回归分析是一种专门用于共线性数据分析的有偏估计的回归方法。岭参数k一般在（0，1）区间内，k值越小，原有信息的损失越小。实践中，为了确定合理的k值以及选择合适的变量，需要借助岭迹图中点的变化趋势来完成。

由于岭参数k应尽可能小才能保证更高的拟合精度，最终确定岭参数k=0.05，得出岭回归结果。

由岭回归结果可知，工业化水平（Ind）变量没有通过10%的显著性水平检验，因此在后续操作中剔除该变量，用剩余四个变量再进行一次岭回归分析。由新的岭回归结果可知，所有自变量的岭回归系数都通过了1%的显著性水平检验，无论是R2还是调整R2都大于0.96，F统计量也通过了1%的显著性水平检验，整体拟合度极好。因此，模型可以很好地解释河北省碳排量与其影响因素之间的关系，具体形式为：

lnI=0.180lnP+0.284lnGHGI-0.259lnEnI-0.420lnPCI

从拟合结果可以看出，人口规模、温室气体排放强度等影响因素与河北省碳排量存在正相关关系;能源强度、实体经济的人口承载强度等影响因素与河北省碳排量存在负相关关系，并且影响程度存在显著差异。温室气体排放强度是对碳排量影响最大的因素，每增长1%，碳排量增加0.284%。在六种温室气体中，二氧化碳（CO2）、甲烷（CH4）的排放为碳排量增长的主要影响因素。河北是钢铁大省，钢铁产业的发展必然会导致温室气体的排放强度增加。人口规模对碳排量影响也较大，每增长1%，碳排量增加0.18%。河北省人口稠密，总量超过7 520万，人口增加势必会造成各种需求的增长，而满足这些需求则会带来更多的碳排放。实体经济的人口承载强度与河北省碳排量存在负相关关系，其每增长1%，碳排量減少0.42%。随着实体经济的人口承载强度逐渐增加，减排措施逐步完善，在一定程度上抑制了碳排量的增加。能源强度是与河北省碳排量存在负相关关系的另一个变量，其每增长1%，碳排量减少0.259%。随着能源强度的减少，工业规模逐渐扩大，因此碳排量依旧保持着持续增长的趋势。

四、结论与建议

（一）结论

根据2005—2016年河北省的碳排量以及人口规模（P）、城镇化水平（Urb）、城镇就业水平（UrE）、财富水平（PGDP）、工业化水平（lnd）、技术水平（Lap）、温室气体排放强度（GHGI）、能源强度（Enl）、实体经济的人口承载强度（PCI）等数据做回归分析，最终显示，碳排量与人口规模、温室气体排放强度、能源强度和实体经济的人口承载强度存在长期均衡关系。人口规模的扩大和温室气体排放强度的增加会带来碳排量的增加，而能源强度和实体经济人口承载强度的增加则会减少碳排量，按影响程度大小依次为实体经济的人口承载强度、温室气体排放强度、能源强度、人口规模。

（二）建议

基于前文的分析，若想实现河北省碳减排，可以从以下几个方面入手。

1.温室气体排放强度方面。在碳排放的四个影响因素中，温室气体排放强度的增加是其首要的正向促进因素。河北省重工业发展占比较大，温室气体排放强度较大，对碳减排产生不利的影响。欲实现温室气体排放强度的降低，一方面可以通过减少煤炭、天然气等不可再生资源利用来实现;另一方面可以从提高能源资源利用率入手，推动工业技术水平提高，减少工业生产中的不必要能源损耗。

2.人口规模方面。人口规模对碳排放量也有一定的正向促进作用。人口规模的扩大必然产生更多的社会总需求，从而推动社会生产的快速发展，社会生产发展的需要则会直接带动工业的发展，从而产生更多的碳排放量。因此，应通过降低人口增长速度来适当缓解环境资源的压力，避免过度的人口膨胀导致碳排放的不可控增长。

3.实体经济的人口承载强度方面。实体经济人口承载强度增加有利于失业问题的解决以及人才根基的夯实，最终导致碳排量减少。河北省政府应该大力推行人才扶持政策，促进新兴产业的发展以及减排措施的逐步完善。

4.能源强度方面。能源强度是能源利用与经济或物力产出之比。可以通过科技进步提高能源利用效率，但同时应该控制高排工业企业的增长，以形成低能源强度和低碳排量并存的局面。

参考文献：

[1]  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，2011，26（4）.

[2]  万兴伟，王秋敏，孟欣.基于 STIRPAT 模型的中国低碳经济发展影响因素的研究[J].中外企业家，2018，（9）.

[3]  汤嫣嫣，李爽，夏青.中国居民生活用能碳排放影响因素分析——基于 STIRPAT 模型[J].生态经济，2017，33（5）.

[4]  卢娜，曲福田，冯淑怡，邵雪兰.基于 STIRPAT模型的能源消费碳足迹变化及影响因素——以江苏省苏锡常地区为例[J].自然资源学报，2011，（26）.

[5]  龚利，屠红洲，龚存.基于 STIRPAT 模型的能源消费碳排放的影响因素研究——以长三角地区为例[J].工业技术经济，2018，（8）.

[6]  苏凯，陈毅辉，范水生，张明如.市域能源碳排放影响因素分析及减碳机制研究——以福建省为例[J].中国环境科学，2019，（39）.