京津冀地区碳排放影响因素研究——基于扩展STIRPAT模型

张攀路，都沁军

1.河北地质大学 城市地质与工程学院，河北 石家庄 050031；2.河北省地下人工环境智慧开发与管控技术创新中心，河北 石家庄 050031；3. 京津冀城市群地下空间智能探测与装备重点实验室，河北 石家庄 050031）

能源过度使用以及自然资源的过度开发，是造成温室气体大量排放的主要原因，由此带来的气候变化对人类的生存发展产生了重大挑战。中国碳排放量在世界范围内所占份额较大，中国将在全球碳减排工作中发挥重要作用。二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和[1]。做好碳达峰、碳中和工作是我国未来发展的重要内容之一，但我国目前面临经济社会现代化和减排的双重挑战，实现碳达峰碳中和目标任重道远。

京津冀地区的发展极具规模与活力，是我国经济发展的重要“增长极”之一。得益于京津冀协同发展战略的提出，地区发展迈上新台阶，但经济快速发展的背后伴随着大量的能源需求，导致该地区资源环境与发展之间的矛盾较为突出。地区能源消费以化石能源尤其是以煤炭为主，碳排放量增长趋势明显。减少碳排放既是京津冀地区坚持绿色低碳发展道路的基本要求，也是实现绿色发展的重要途径。

一 文献综述

对碳排放影响因素的研究，可为减排政策及低碳发展路径的制定提供参考依据。经济发展是碳排放影响因素研究中最早被关注的领域，Grossman等[2]提出环境库兹涅兹曲线（EKC）假说，即环境恶化程度随经济发展而加剧，但当经济发展到达“拐点”后，环境质量会逐渐得到改善，随后许多学者也验证了EKC的适用性。但在其他学者的研究中并未发现EKC存在的证据，如Destek等[3]在对G7国家碳排放与经济增长关系的研究过程中发现，其具有“M”形、“N”形、倒“U”形、倒“M”形等多种模式。

随着研究的深入，对于碳排放的研究也聚焦于其他因素。Yi等[4]探讨了城镇化与碳排放的关系，研究表明城镇化进程会促进碳排放。Wang等[5]运用拉氏指数分解法将我国碳排放影响因素分解为人口、人均国内生产总值（GDP）、能源消费等因素。朱勤等[6]基于Kaya恒等式建立因素分解模型，综合考量经济产出规模、人口规模、产业结构等因素对碳排放的影响。林伯强等[7]采用对数平均迪式分解法（LMDI）分析了影响中国人均二氧化碳排放的主要因素，包括人均收入、能源结构、能源强度以及产业结构等。

STIRPAT模型可以根据相应理论将多种影响因素纳入模型分析中，而成为研究碳排放的主流方法之一。Shi[8]采用STIRPAT模型表明人口数量是影响碳排放的重要因素。陈操操等[9]采用STIRPAT模型和偏小二乘模型对北京市能源消费碳足迹的影响因素进行评估，结果显示城市化、人均收入、人口是影响碳排放最主要的正向驱动因素。黄蕊等[10]利用STIRPAT模型定量分析江苏省能源消费碳排放量与人口、富裕度、技术进步和城镇化水平之间的关系，并设置8种发展情景来预测碳排放量的发展趋势。佟昕等[11]在采用STIRPAT模型对影响中国2000—2011年碳排放的因素进行分析的过程中，引入能源价格作为影响因素之一。随着全球化进程的加快，外商直接投资（FDI）也成为研究碳排放值得考虑的因素，牛海霞等[12]通过对我国28个省（区、市）面板数据实证分析得出，FDI与我国二氧化碳排放呈现正相关。值得注意的是，我国对于碳排放的研究大多以国家及省级层面为主，已有研究也证明碳排放存在区域差异性。李国志等[13]利用1995—2007年中国30个省（区、市）的面板数据，分析人口、经济和技术对不同区域二氧化碳排放的影响。邓吉祥等[14]在研究中国八大区域碳排放特征及其演变规律的基础上，探讨中国碳排放区域差异变化的原因与规律。

在落实“双碳”目标的过程中，对于区域碳排放的研究应该成为重点所在，尤其是京津冀地区近些年环境状况较差，更应该深化相关研究。本文依托2010—2019年京津冀地区碳排放的相关数据，基于相关研究成果进行指标的选取，并且保证数据的可获得性，在对STIRPAT模型进行扩展的基础上建立京津冀地区碳排放影响因素模型。通过对京津冀地区各影响因素对碳排放的影响效果进行分析，为地区的碳减排工作提供有效的参考依据。

二 研究方法与数据来源

（一）STIRPAT模型构建

STIRPAT模型是Dietz和Rosa在IPAT模型的基础上扩展而得[15]，对于研究碳排放问题具有较好的灵活性和拓展空间，基本表达式为：

式中：I、P、A、T分别反映环境压力、人口数量、富裕程度与技术水平；a为模型系数，b、c、d分别为人口、财富和技术因素的系数；e为随机误差项。

本文基于相关研究成果并结合京津冀地区实际，对式（1）进行扩展，引入相关指标，建立京津冀地区碳排放影响因素模型：

式中：I为碳排放量；X1，X2，…，X7为碳排放影响因素指标，分别代表人口数量、GDP、城镇化率、产业结构、能源强度、能源价格及FDI；βi（i＝1，2，…，7）为各影响因素的弹性系数。式（2）两边取对数可得：

（二）数据来源与处理

本文所采用的碳排放量数据来自中国碳核算数据库（CEADs）。该数据库中碳排放量的核算基于《IPCC国家温室气体清单指南》中提供的参考方法与相关标准，统计口径涵盖17种化石能源、47个社会部门以及9种工业过程，核算结果可靠性较强。

人口数量、GDP、城镇化率、产业结构、能源强度、能源价格及FDI等指标2010—2019年的数据主要来自国家统计局官网、《北京统计年鉴》、《天津统计年鉴》、《河北经济年鉴》（2020年更名为《河北统计年鉴》）。其中，产业结构为第二产业增加值占地区生产总值比重，能源强度为单位GDP能源消费量，能源价格指数采用地区燃料、动力类购进价格指数，FDI为外商直接投资额。京津冀地区2010—2019年碳排放主要变量描述性统计结果如表1 所示。

表1 2010—2019年京津冀地区碳排放主要变量描述性统计

三 实证分析

（一）碳排放量分析

京津冀地区2010—2019年碳排放量变化情况如图1所示。京津冀地区2010—2019年碳排放总量整体呈现上升趋势，其中河北省所占份额较大。2010—2019年，河北省碳排放量增长趋势明显，占京津冀地区碳排放总量的比重从73.63%上升到78.75%，远大于北京市与天津市。北京市的碳排放量呈下降态势，2019年碳排放量为88.16百万吨，较2010年下降了16.07%。天津市碳排放量在2012—2017年出现小幅度回落，之后继续上升，2019年达到158.47百万吨，基本上升到2012年的碳排放水平。由此可得，京津冀地区的低碳经济发展并不平衡，河北省碳排放量变动是京津冀地区碳排放总量变动的主要原因。

图1 京津冀地区碳排放量

（二）模型结果分析

将数据取对数后，借助SPSS25.0统计分析软件对京津冀地区碳排放的7个影响因素进行因子分析。KMO检验和Bartlett球形检验结果：KMO＞0.5，Sig.＜0.001，表明本文选取的指标数据适合做因子分析。

采取主成分分析法提取因子，公因子的特征根及方差贡献率如表2所示。提取两个公因子FAC1、FAC2，特征值大于1且累计方差贡献率大于85%。成分得分系数矩阵如表3所示。

表2 总方差解释

表3 成分得分系数矩阵

根据表3可得两个公因子的线性表达函数：

在因子分析的基础上，数据标准化后，将两个公因子与lnI做回归分析。为避免自变量之间的多重共线性问题，采用岭回归的方法进行回归分析。岭回归结果显示：回归模型显著性p值为0.034**（**代表5%显著性水平），表明自变量与因变量之间存在较好的回归关系。同时，模型的拟合优度较好。lnI关于FAC1和FAC2的回归方程为：

将式（4）和式（5）代入式（6）中可得：

由此可得京津冀地区碳排放的STIRPAT模型：

（三）实证结果分析

人口数量的增长会导致京津冀地区碳排放量的增加，人口总数每上升1%，碳排放量就提高0.135%。人口的增长会带来住房、交通等生产生活方面的需求，这些需求都会消耗能源并产生二氧化碳。相关研究表明，人口增长与能源消费和碳排放量的增长是同步的。在京津冀地区人口数量继续增长的背景下，人口增长会带来更多的能源消耗，进一步影响京津冀地区碳排放量。

GDP是衡量地区经济发展水平的重要指标，京津冀地区GDP每上升1%，碳排放量就提高0.159%，影响效果明显。采用Tapio脱钩模型形容京津冀地区碳排放量与经济增长之间的关系，定义脱钩程度为二氧化碳排放增长率与GDP增长率之比，京津冀地区2011—2019年碳排放脱钩程度如图2所示。就京津冀地区整体而言，2018年处于负脱钩状态，且碳排放增长率远大于GDP增长率。北京市、天津市在2011—2019年均呈现脱钩状态，2013—2017年为强脱钩阶段，经济低碳发展状况最为理想。河北省的脱钩程度变化较大，其中2013年、2018年处于扩张型负脱钩状态；2014年处于强脱钩理想状态，这主要得益于该年份对省内重点地区、重点行业等采取的强有力减排措施。接下来河北省可通过提高能源效率、调整产业结构等途径，在保证经济增长的基础上减少碳排放量，实现全面脱钩。

图2 2011—2019年京津冀地区碳排放脱钩程度

城镇化水平是京津冀地区碳排放量的重要影响因素，弹性系数为0.157。京津冀地区的城市化进程一直处于增长态势，2010年至2019年，城镇化率的增幅约为12%。城镇化过程中城市建设加快，生活和生产方面的消耗增加，如交通、商业、工业、建筑等对能源的消耗也随之增加，从而导致碳排放量增加。

能源强度每上升1%，碳排放量下降0.155%，说明技术进步对降低碳排放量起到重要作用。2010—2019年京津冀地区清洁能源占能源消费的比重增长幅度较为明显，技术进步有效优化了地区能源结构，这一因素对于降低碳排放量所发挥的作用将日益凸显。但京津冀地区能源消费总量仍处于增长态势，且煤炭消费量所占份额较大，其中河北省2010—2019年煤炭消费量占能源消费总量的比重均在80%以上。“十四五”规划纲要指出，将单位GDP能源消耗降低13.5%作为经济社会发展主要约束性指标之一。京津冀地区2010—2019年能源强度变化情况如图3所示，在此期间，北京市能源强度下降幅度为50.0%，天津市能源强度下降幅度为33.7%。河北省能源强度虽下降了36.3%，但仍远高于京津冀地区水平。在未来发展的新形势和新要求下，河北省要优化能源结构，提高清洁能源在能源消费中的比例。通过推动技术进步、控制能源消费总量等举措，降低能源强度，以达到减少碳排放量的目的。

图3 2010—2019年京津冀地区能源强度

能源价格是影响碳排放的基本因素之一，对碳排放的影响主要通过三种路径实现，即经济总量、经济结构和能源效率。其影响方式具体表现为：能源价格波动会影响需求，进而影响经济发展对能源的消耗需求；能源价格变化会对行业的生产活动产生影响，从而引发经济结构的调整；能源价格的变动会对经济主体是否采用能源要素替代其他生产要素产生影响，进而影响能源效率。2010—2019年京津冀地区能源价格波动幅度较小，对碳排放的影响程度较小，弹性系数为0.021。

FDI每增长1%，会带动京津冀地区碳排放量增加0.063%。FDI与碳排放之间关系是近年来研究的热点，有关论证主要分为两类：一类是“污染天堂假说”，即FDI流入会带来更多的能源消耗，使得二氧化碳排放增加，从而导致环境恶化；另一类为“污染晕轮效应”，该观点认为FDI流入可以促进环保技术的推广，提高能源利用效率，有助于减少二氧化碳排放量。本文的研究聚焦于区域层面，但也在一定程度上验证了“污染天堂假说”。

京津冀地区碳排放量与产业结构之间呈现负相关，表明产业结构的调整未能很好地降低碳排放量。在京津冀地区的产业结构中，高耗能产业占据主导地位，这导致了二氧化碳的大量排放。京津冀地区2010—2019年第二产业所占比重如图4所示，在此期间，京津冀地区第二产业比重降低了9.18%，北京市、天津市、河北省分别降低了5.62%、12.52%、8.76%。北京市第二产业所占比重远低于天津市和河北省，产业结构以第三产业为主导，有助于降低碳排放量；天津市和河北省第二产业所占份额较大，产业发展比较依赖能源消费，导致大量的二氧化碳产生，进而导致京津冀地区碳排放总量增加。因此，需要进一步优化天津市与河北省的产业结构，这是京津冀地区实现减排目标的重要途径。

图4 2010—2019年京津冀地区第二产业所占比重

四 结论及建议

本文通过对STIRPAT模型进行扩展，建立京津冀地区碳排放量影响因素模型。研究结果表明：人口数量、GDP、城镇化率、能源价格、FDI均会导致地区碳排放量增加，能源强度对碳排放有较好的抑制作用，产业结构的调整未能很好地降低碳排放量。如果京津冀地区的碳排放量仍继续增加，这不仅会进一步加剧生态环境压力，也使得该研究区域面临较大的减排压力。

本文就京津冀地区如何控制和减少碳排放量提出以下建议。（1）城市化发展进程中，鼓励制定低碳发展规划，明确能源、产业、交通、公共设施、建筑等领域的低碳发展路径和措施。（2）通过推动技术进步、控制能源消费总量等举措，降低能源强度，河北省是重点所在。（3）改善能源结构，提高清洁能源消费比重的同时，也要结合地区能源消费特点，加快煤炭清洁利用技术的发展。（4）进一步优化京津冀地区尤其是天津市与河北省的产业结构，推动传统高耗能行业节能改造。（5）能源价格、FDI可通过相应路径对经济发展产生调节作用，进而影响碳排放，可深化二者对碳排放的影响机制研究。（6）社会发展层面，致力于实现地区经济增长与碳排放“脱钩”的理想状态；个人层面，更依赖于环保和低碳减排意识的提高，培养低碳生活方式和消费方式。

在京津冀一体化的背景下，京津冀地区应该发挥协作优势，基于已有的研究成果，对区域内经济发展和能源消费等方面的相关要素进行合理优化，推进地区协同减排，实现区域的可持续发展。