STIRPAT 模型下能源碳排放影响因素与碳排放趋势情景分析——基于中国黑龙江省的实证研究

彭云艳PENG Yun-yan；孙永波SUN Yong-bo；黄健龙HUANG Jian-long

（黑龙江科技大学经济学院，哈尔滨 150027）

0 引言

过去的50 年中，工业排放的CO2显著增加，引发的温室效应，危害人类健康与社会经济。2021 年，我国提出力争2030 年前实现“碳达峰”，2060 年前实现“碳中和”，构建以新能源为主体的新型经济体系。黑龙江省作为东北省份老工业基地，其工业所产生碳排放占有巨大的份额，短时间内还改变不了以矿产资源为主的产业结构，能源结构的优化依然有待改进，同时，黑龙江省作为农业大省，其所产生碳排放量也占有重大的份额，改善能源结构，减少碳排放量，促进黑龙江经济的可持续发展问题亟需解决。

1 国内外相关研究梳理

对于碳排放的研究可以上溯到20 世纪90 年代，York和Dietz,Rosa 等人（1994）首次基于IPAT 模型提出了其随机特殊形式STIRPAT 模型，目前该方法已普遍应用于碳排放的研究。Fisher-Vanden Karen 等应用一种新的指数分解技术应用于多地区多部门可计算的一般均衡模型来量化地影响碳排放增长的五个因素，阐明了当应对全球碳排放税的征收时这些因素变化的相对重要性。Muhammad Shahbaz 等人使用1970-2014 年的时间序列和面板数据分析了25 个来自亚洲、美洲北部、欧洲西部和大洋洲的发达经济体的全球化和二氧化碳排放之间存在因果关系。Madaleno 等人以欧洲各国为研究对象，研究表明化石燃料消耗、能源强度、石油进口强度、石油依赖和人口等因素会对碳排放强度产生重要影响。Martinez 等人对西班牙能源强度比率趋势变化进行分析，确定了温室气体排放趋势的主要驱动因素，并区分了“战略性”和“非战略性”的驱动因素。

国内对碳排放影响因素以及碳排放趋势研究相对于西方发达国家比较晚，学者们从国家、省区和行业角度评估了不同碳排放影响因素对环境的影响（宁论辰等、李建豹等），目前主流的研究方法和手段有：IPAT 模型及其衍生的STIRPAT 模型、环境库茨涅茨曲线、灰色预测模型和系统动力学等。通过对文献的梳理，我们发现，对于黑龙江省区域碳排放的研究相对较少，碳排放影响因素的研究有待进一步深入。

2 STITPAT 模型构建与指标的选取

2.1 STITPAT 模型的构建

STIRPAT 模型是YORKR 和DIETZT 等在IPAT 恒等式的基础上提出的随机特殊形式，考虑了人口、财富和技术因素各自变动时对环境的单独影响，消除了同比例变动问题的影响。该模型是目前研究碳排放峰值最常用的方法，并且具有很好的拓展性，故本文采用STIRPAT 拓展模型对黑龙江省的碳排放影响因素和碳排放峰值进行研究。模型基本形式为：

式中：I、P、A、T—环境压力、人口因素、财富因素和技术水平；a—模型系数；b、c、d—人 口、财富和技术的弹性系数；u—误差项。

对模型取对数，公式（1）变为：

由于黑龙江省是我国的老工业基地，其产业结构和能源结构有别于其他地区，因此结构性的差别是否会影响碳排放量，有待研究。故本文在STRPAT 的拓展模型上引入结构性指标S 进行具体研究。此处将方程转化为线形方程，两边分别取对数，模型扩展为：

2.2 指标的选取

本文借鉴前人的研究成果，选取人口规模、城镇化率、人均GDP、产业结构，这四项指标的原始数据来源于2001-2020 年《黑龙江省统计年鉴》；二氧化碳排放量来源于中国碳核算数据库；化石能源消耗量由《中国能源统计年鉴》中黑龙江省能源平衡表整理得到；碳排放强度和能源强度数据分别根据黑龙江省地区能源碳排放量、化石能源消耗量与地区实际GDP 总值计算所得；能源结构数据由黑龙江省原煤消耗量占化石能源消耗总量计算所得，见表1。

表1 模型变量说明

因为本文所选取的变量指标相对较少，为了尽可能保留重要变量的信息，以及规避面板数据自身存在的多重共线性干扰，所以本文采用岭回归方法对数据重新进行回归，运用SPSSPRO 平台进行岭回归方程的结果估计。根据SPSSPRO 平台所做方差扩大因子法确定K＝0.107 时，系数逐步趋于稳定，R2为0.964，拟合程度较好，但lnP1、lnT 和lnIS 的p 值却远大于0.1，没有通过0.05 水平下的显著性检验；不同变量的组合进行岭回归结果也不尽相同，所以再次进行变量组合进行岭回归，以城镇化率、人均GDP、能源强度和能源结构作为自变量，二氧化碳为因变量，根据方差扩大因子法确定当K＝0.186 时，系数逐步趋于稳定，拟合优度R2＝0.955，但是所得结果lnP2 大于0.05，没有在0.05 的显著水平通过检验，而STIRPAT 模型中的P为人口因素，城镇化率归于人口因素当中，为了尽可能保留住城镇化率指标以嵌合模型，重新进行变量组合进行岭回归，在拓展STIRPAT 模型中结构因素，把能源结构换成产业结构，即以城镇化率、人均GDP、能源强度和产业结构作为自变量，二氧化碳排放量作为因变量进行再一次的岭回归，最终所得结果：当K＝0.108 时，系数逐步趋于稳定，R2为0.952，拟合效果很好，且常数项和各变量都在0.05 的显著水平通过了检验，说明回归系数符合现实意义检验。城镇化率、人均GDP、能源强度、产业结构一一对应STIRPAT 拓展模型的人口、财富、技术和结构四个方面。最终所得岭回归非标准系数方程，即为拓展STIRPAT 模型的线形方程：

3 黑龙江省未来碳排放趋势分析与情景假设

3.1 预测模型

基于岭回归分析结果可以对黑龙江省未来的二氧化碳排放量趋势进行预测，确定其基本公式为：

将黑龙江省2000-2019 年的各变量数据代入公式（5），得到模型测算的方程拟合数据与实际二氧化碳排放量结果进行比较，误差绝对值平均为5.63%，说明预测模型具有一定的实证意义。

3.2 发展情景假设

通过对STIRPAT 模型中的各变量进行参数设定，可以设置不同的发展情景。本文将每个变量设置为“低速”“中速”“高速”发展模式三种情景，参数设置为固定变化值。再将不同的参数值代入预测模型（5）当中，就可以对黑龙江省未来的二氧化碳排放量趋势进行分析。设置基准年为2019 年，（部分有2020 年数据以2020 年为基准年），预测2020-2050 年黑龙江省碳排放趋势，以政府每一个五年规划期为一个发展阶段。分别为：第一阶段：2020-2025；第二阶段：2026-2030 年；第三阶段：2031-2036 年；第四阶段：2036-2040 年；第五阶段：2040-2050 年。根据黑龙江省现实情况，情景参数设置如表2。

表2 不同情景模式下参数设置

3.3 发展情景分析

结合具体参数数值进行情景组合，具体见表3，并根据此进行合理趋势预测，如图1 所示。

图1 不同情景下黑龙江省二氧化碳排放量趋势预测

表3 发展情景组合

在情景2 中，当城镇化率、人均GDP 高速增长，能源强度低速下降和第二产业高速下降时，二氧化碳排放量增长速度最慢。而情景8 中，当城镇化率和人均GDP 高速增长，能源强度高速下降和产业结构低速降低时，二氧化碳排放量增长速度最快。对比情景2、4 和情景6、8，可以发现，当城镇化率和人均GDP 保持低速增长时，二氧化碳排放量将大幅度降低，说明城镇化率和人均GDP 是影响未来黑龙江省二氧化碳排放量增长的主要因素。对比情景1、2 和情景8、9，当城镇化率、人均GDP 和能源强度变化保持一致时，产业结构较高速度下降，二氧化碳排放量增长速度就慢，反之就快。因此，合理保持较高的第二产业降低速度，可以大幅度降低二氧化碳排放量。对比情景1、3和情景2、4，情景6、8 和情景7、9，可以发现当城镇化率、人均GDP 和产业结构变化保持一致时，能预测强度高速下降，二氧化碳排放量增长速度就变得相对快，反之相对慢。因此可以看出，过快的能源强度降低速度，反而对二氧化碳排放量降低起到反作用，能源强度的下降已经保持一个比较低的下降速度。

综合以上分析，为了控制黑龙江省二氧化碳排放量，需要控制城镇化率过快的扩张速度以及人均GDP 的快速增长，避免低质量发展模式的形成；其二，进行适当的技术创新，不能过快地降低能源强度，而是保持稳定适中的降低，这也意味着黑龙江经济发展还需要依赖适度的能源强度，短期内仍不可改变；其三，要优化产业结构，需要保持较高的第二产业占比降低速度，这也从反面看出来第三产业的增长，降低了第二产业占比，说明未来黑龙江经济转型需要提升第三产业占比。

4 建议与结论

黑龙江省目前的二氧化碳排放趋势和能源强度、产业结构表明，未来黑龙江省的二氧化碳排放量仍会继续增加，黑龙江要发展低碳经济，实现可持续发展，需要承担起相应的减排任务，配合国家政策，实现自己的目标。因此，提出以下建议：①要控制城镇化的过速扩张。黑龙江省在不断推进城镇化水平上升过程中，要保持稳定适中的速度，确保城镇化水平合理地上升。②保持合理的经济增长速度。要不断推进供给侧结构性改革，对高碳产业经济进行低碳产业经济转型，淘汰落后产能，大力发展新型可持续发展产业。③提高能源利用的技术水平。提高能源的利用效率能够有效降低能源消费总量从而降低能源强度水平。提高能源利用效率的同时，在当前阶段，不能过快地降低能源强度，需要在当前经济发展状态下适当依赖能源消费量，适度地降低能源消耗，结合能源结构工作稳步推进。④优化产业结构。构建与不断完善新型低碳产业链，并且不断发展第三产业，改变当前第二产业发展乏力的现状，逐步发展低碳经济产业，形成可持续发展战略模式。

本文采用STIRPAT 模型和岭回归分析黑龙江省能源二氧化碳排放影响因素，并运用情景分析预测不同情景下的黑龙江省2020-2050 年的能源二氧化碳排放量趋势，得出以下结论：黑龙江省能源二氧化碳排放影响因素按系数即作用大小排序依次为：城镇化率、人均GDP、产业结构、能源强度；城镇化率和人均GDP 是二氧化碳排放量的主要驱动因素，产业结构完善可以有效降低二氧化碳排放量，能源强度对二氧化碳排放量的抑制作用不明显。本文不足之处在于：因为指标选取的不同，研究结论可能存在一定的偏差；对于黑龙江省二氧化碳排放趋势的分析并没有出现碳达峰情况，原因可能存在隐含变量的缺失，如黑龙江呈人口不断下降的趋势；对指标之间是否存在线性关系以及是否高度相关未进行高度分析。