老龄化背景下人口结构对各省际碳排放的影响——基于空间杜宾模型

李志学 张嘉伟 刘雪瓶 杜 丹

(1.西安石油大学 经济管理学院,陕西 西安 710065;2.西安石油大学 陕西(高校)油气资源经济管理研究中心,陕西 西安 710065)

0 引 言

近年来,我国在经济建设方面取得了非凡成就,已成为世界第二大经济体。然而,经济的高速发展也使环境承载力日益减小,目前,我国的碳排放量已接近全球的30%。基于此,我国制定了一系列方针政策。2020年,国家主席习近平在联合国大会上郑重承诺,要提高国家自主贡献力,力争在2030年前实现“碳达峰”,在2060年前实现“碳中和”。党的二十大指出要加快发展方式绿色转型,推动形成绿色低碳的生产方式和生活方式,同时提出中国式现代化也是人与自然和谐共生的现代化。因此,随着我国经济发展向绿色可持续的高质量发展模式转变,需要统筹兼顾好经济增长和保护环境。为实现这些目标,需要关注影响碳排放的主要因素。随着低生育率和老龄化的不断加剧,人口结构的变化会对碳排放产生重大影响。[1]106-790因此,研究人口结构对碳排放的影响具有理论与现实意义。

1 文献综述

1.1 碳排放影响因素

IPAT模型、拓展的STIRPAT模型和KAYA恒等式是研究碳排放影响因素的主要方法,能够涵盖碳排放的主要影响因素。IPAT和STIRPAT模型主要从人口、技术和经济3类因素分析对碳排放的影响。其中,人口因素包括人口密度、城镇化率、年龄结构和家庭规模等。经济因素从人均GDP扩展到产业结构、外商直接投资等因素,随着数字化时代的到来,数字经济也成为影响碳排放的因素之一。技术因素常用能源强度和技术创新来衡量。此外,能源结构与能源效率也成为影响碳排放因素之一。根据Wang[2]187-200的研究,大部分省份能源结构对碳排放影响的弹性系数均为负值,说明天然气和电力的使用可以降低碳排放量。近几年,随着碳达峰和碳中和目标的提出,对碳排放影响因素的研究已经深入到各个行业,如工业、农业、交通运输业、建筑业、电力等,对行业碳排放的研究将有助于各行业采取更好的减排措施。

1.2 人口结构对碳排放的影响因素

近些年,极端气候和严重污染已引起人们广泛关注,频繁发生的极端事件也凸显了实现二氧化碳净零排放目标的紧迫性。然而,碳排放的主要影响因素已从经济因素转变为经济、人口、技术等多种因素共同作用。Holdren,Ehrlich等[3]282-292提出IPAT模型,认为人口数量、人均财富和技术水平对环境均有影响。在此基础上,Dietz和Rosa Eugene[4]175-179提出了更加灵活的STIRPAT模型,从中增加了产业结构、能源结构等因素。也有学者从微观角度[5]71-168研究人口结构对碳排放的影响。

已有研究表明,人口规模扩大和经济增长是碳排放的主要来源。[6]55-65人类活动所产生的直接与间接能源消耗已超出产业部门,成为碳排放的主要增长点。人口因素对碳排放的影响已从其规模逐步扩展到结构和消费模式上。彭希哲、朱勤[7]48-58认为居民消费与人口结构变化对我国碳排放的影响已经超过了人口规模的单一影响力。朱勤、彭希哲等[8]98-102也从人口和消费的角度探讨了其对碳排放的影响。

在低生育率、老龄化的背景下,人口结构对碳排放的影响主要集中在人口的年龄结构方面。刘丰[9]2105-2118从生育率和预期寿命两个维度运用面板数据分析,发现生育率的下降促进了碳排放的增长,而预期寿命延长对碳排放具有先减后增的作用,且呈逐渐增大的态势。李昌宝、高莉等[10]32-44认为人口规模对碳排放影响显著,但人口老龄化因素对中国碳排放的影响并不显著。刘云龙、常先林等[11]15-20研究发现抚养比的增加在遏制人均碳排放方面发挥了重要作用。

从现有研究来看,学者们对人口结构与碳排放的关系存在争议,尚未达成一致结论。有文献指出,研究碳排放的影响因素需要考虑到空间相关性。[12]1524-1539此外,人口结构对碳排放的影响机理仍需进一步研究。因此,本文旨在从空间角度探讨人口结构对碳排放的影响,并以老龄化程度为门槛变量,检验经济增长对碳排放门槛效应的影响。

2 构建模型

2.1 Stirpat模型

选取STIRPAT模型随机模式,在研究人口数量、人均财富和技术之间关系的基础上,还增加了能源结构、产业结构和人口结构等更多因素对环境的影响研究。

利用STIRPAT模型评估人口结构与碳排放的关系,见(1)式:

lnC=α+β1lnpopit+β2lnf1it+β3lnf2it+β4lnlit+β5lnuit+β6lnRGDPit+β9lncait+β8lnstit+εit

(1)

(1)式中,C代表碳排放量,pop代表人口数量,f1,f2分别为少年抚养比和老年抚养比,l为就业人数,u为城市化率。本文以人口数量,年龄结构,劳动力水平以及城市化率综合表示人口结构。RGDP为人均GDP用来表示富裕程度,ca,st分别为碳排放强度与科技支出占财政支出之比,用来表示技术水平。

2.2 空间计量模型设定

与传统的时间序列或面板数据不同,空间计量经济学注重研究不同地理区域之间的空间相互作用,关注变量之间的空间依赖性和异质性。空间计量经济学方法有3个优点。首先,空间计量经济学可以对空间信息进行适当的可视化。其次,该方法能在模型中捕捉外生变量的空间溢出效应。第三,该方法考虑了空间依赖性,并产生无偏结果。因此,基于STIRPAT模型,进一步拓展了空间计量模型,以研究人口结构与碳排放之间的空间关系,见(2)式:

(2)

2.3 门槛模型

门槛模型用来检验突变效应对面板模型影响,研究不同老龄化程度和经济增长对碳排放量的影响,从而明晰人口结构影响碳排放量的通道,见(3)式:

γit=μi+θ1xit·I(qit≤γ)+θ2xit·I(qit>γ)+εit

(3)

(3)式中,μi为截距项,γ为待估计的门限值,θ表示待估系数,xit为解释变量,I(.)表示示性函数,即当括号内的表达式为真则取值为1,否则为0。

3 变量选取与数据说明

被解释变量为碳排放量(C)。参考IPCC方法选取16种一次性能源消费量来进行计算。能源消耗量来自《中国能源统计年鉴》中的各省份能源平衡表以及EPS数据库。本文核心解释变量为人口结构,人口数量(pop)为各省常住人口数量,少儿抚养比(f1)与老年抚养比(f2)表征人口年龄结构,劳动力数量(l)为和城市化率(u)。为提高模型的拟合度,本文采用以下控制变量:人均GDP(RGDP)表征财富程度,碳排放强度(ca)和科技支出(st)表示技术水平。数据来自《中国统计年鉴》、国泰安全国人口年龄构成和抚养比情况表数据库。为确保数据的可得性和口径一致性,选取 2010 —2019年我国 30个省份的面板数据为样本,相关变量的描述性统计结果见表1。

表1 变量的描述性统计结果

4 实证及分析

4.1 空间效应分析

利用stata软件分析人口结构与碳排放的空间相关性。首先,计算全局Moran’s I指数,分析全局空间相关性。其次,绘制2010,2015和2019年碳排放局部莫兰图,观察各省碳排放的局部空间相关性。

4.1.1 全局空间相关分析

计算30个省的人口结构和碳排放的Moran I指数,检验主要变量之间的全局空间相关性。全局莫兰指数范围在(-1,1)之间,若Moran’s>0,则表示空间正相关性,其值越大,说明空间相关性越明显,若Moran’s=0,则表示空间呈随机性。主要变量的全局莫兰指数检验结果见表2,由表2可知,人口结构和碳排放的Moran’s指数均为正,除2014年老年抚养仅在20%水平显著外,其余变量均显著,说明人口结构与碳排放呈现出空间正相关,适合使用空间计量的方法。

表2 主要变量的全局莫兰指数检验结果

4.1.2 局部空间相关分析

Moran’s I为全局统计指数,只能计算变量整体空间变异程度,而忽略了局部的空间特征。2010年、2015年、2019年我国各省碳排放量局部莫兰散点图分别见图1、图2、图3。由图可知,碳排放存在4种空间聚类类型:高-高、低-低、高-低和低-高。多数省份碳排放呈现出高-高,低-低特征,部分城市表现出非相关的空间关联性,说明我国各省碳排放依赖与差异同时存在,但以依赖型为主。

图1 2010年我国各省碳排放量局部莫兰散点图

图2 2015年我国各省碳排放量局部莫兰散点图

图3 2019年我国各省碳排放量局部莫兰散点图

4.2 回归结果分析

根据各类空间计量模型反应的空间关系及相互转换动因,首先建立一般空间杜宾模型,运用LR和wald检验其是否退化为SAR模型或SEM模型,检验结果均在1%下显著拒绝原假设,因此选定空间杜宾模型作为主要分析模型。其次,进行Hausman检验,结果在5%以下拒绝原假设,因此采用固定效应模型。最后本文对空间杜宾模型进行效应分解,进一步测算各变量的直接与间接效应。人口结构影响碳排放的基准回归结果见表3。

表3 人口结构影响碳排放的基准回归结果

由表3可知,4个模型主要人口变量方向均一致,证明模型具有一定稳健性。在SDM模型中,人均可支配收入不显著, 但具有空间效应,在5%统计上呈负相关,进一步分析表明:除少儿抚养比对碳排放估值为负数外,其他主要变量均对碳排放量有所增加。说明人口结构对碳排放有显著的影响。模型设定中包含全局效应时,空间计量模型的估计结果不能代表解释变量的边际影响。因此,要具体分析各解释变量空间外溢效应以及各种效果的差异,还需要依据模型进一步测算各解释变量的直接效应和间接效应,人口结构影响碳排放效应分解见表4。

表4 人口结构影响碳排放效应分解

由表4可知,人口规模的扩大显著增加该地区碳排放量,但间接效应不显著,即地区人口规模对邻近地区的碳排放量影响不显著。少年抚养比与碳排放呈负相关,随着少年抚养比增加,碳排放量将减少。我国多年来一直保持低生育率,而且没有反弹的迹象。我国政府通过制定二孩、三孩等政策来改善国内的人口结构,以保持我国所拥有的人口红利优势。少年抚养比与碳排放呈现出负相关关系,表明无需过度担心宽松的生育政策所带来的潜在生态压力。老年抚养比与碳排放呈现出正相关,老年人的消费能力弱于年轻人,但是在消费观念上往往容易“随波逐流”,对于清洁能源以及绿色技术的认识相对较少,同时在交通、医疗、民生等基础设施方面会增加碳排放的消费。

劳动力数量是碳排放的关键影响因素之一,劳动力供应充足有利于生产和消费活动规模的增加,尤其在能源密集型行业会大幅增加碳排放量。同时,地区劳动力增加也会促进其经济、技术的发展,形成“示范”效应,从而增加周围区域的碳排放量。城市通常是劳动力充足的地区,地区劳动力从乡村流动到城市,其生产消费模式将发生变化,从而增加碳排放。但城市化率只针对本地区碳排放量显著,对邻近省份碳排放量不显著。由此,人口结构会通过影响生产和消费经济活动而影响碳排放量。

人均GDP的增加对本地区碳排放不显著,但会抑制邻近地区的碳排放。这可能是因为经济发展水平较高的地区会吸引周围人口和企业集聚到本地区,从而减少邻近地区碳排放。碳排放强度与科技支出增加会增加CO2的排放,但也有研究表明绿色科学技术有助于抑制碳排放。[13]45-60此外,技术水平的正向间接效应在统计学上不显著,说明这一地区相邻地区技术水平的增加对该地区CO2排放的影响不显著。

4.3 稳健性检测

稳健性检验:替换权重矩阵;分别更换被解释变量、解释变量以及控制变量来验证模型的稳健性,稳健性检测结果见表5。表5中模型(1)和(2)分别采用距离权重矩阵以及经济权重矩阵替换邻接矩阵重新估计结果。模型(3)将被解释变量替换为人均碳排放量,模型(4)替换人口规模为人口密度,模型(5)替换科技投入占比为发明专利申请量。专利分为发明专利、新型实用专利和外观设计专利,与其他两个相比,发明专利水平最能代表创新技术能力,其次受检测、费用、市场等因素影响,授权量易受到不确定因素影响,因此选择申请量较为合理。结果表明,只有经济权重矩阵下老年抚养比不显著,原因是老年抚养比变量在经济权重矩阵中没有明显的空间效应,剩余的核心变量均显著且方向与原模型一致,从而证明结论的稳健性。

表5 稳健性检测结果

4.4 门槛效应

4.4.1 门限测试

基于(3)式,以老年抚养比为门限变量分别构建单、双和三重门限回归模型,进一步检验老龄化不同阶段,人口结构通过影响经济活动从而影响碳排放量。门限效应测试结果见表6。在不同门限效应检验下,门限变量在单门限效应检验下显著,表明存在单门限关系。

表6 门限效应测试结果

4.4.2 门限回归分析

门限回归分析结果见表7。

表7 门限回归分析结果

由表7可知,当老年抚养比低于11.62%时,经济发展对碳排放量的抑制程度较大,这可能是因为在老龄化程度较低时,老龄化对经济增长的影响较轻,经济增长促进清洁能源、节能和环保技术的发展,带来更高效的生产和管理方式,提高资源的利用效率和生产效率,从而降低能源消耗和碳排放。随着老龄化程度的加深,经济增长对碳排放量抑制程度逐渐减弱,在此情况下,老年人口的需求可能会对碳排放产生一定的影响,例如医疗和养老服务的需求可能会增加碳排放量。此外,老年人口对环境保护和可持续发展的需求不强烈,从而减少对碳排放的压力。

5 结论与启示

本研究运用空间计量和门槛模型探讨我国人口结构对碳排放的影响。结论如下:(1)人口规模、结构对碳排放具有显著的空间扩散性。(2)人口规模的扩大显著增加本地区碳排放量,但间接效应不显著。少年抚养比增加会抑制碳排放的增长,劳动力随着生产消费水平的提高而显著增加碳排放量,老年抚养比会增加碳排放量。人口结构主要通过生产和消费水平影响各省区碳排放量。城市化率对本地区碳排放量影响显著,对邻近省份碳排放量影响不显著。(3)技术水平的提高增加碳排放量,人均GDP的增加对本地区碳排放影响不显著,但却抑制邻近省的碳排放量。(4)以老龄化程度作为门槛变量时,检验得出老龄化对碳排放具有单门限效应。并且随着老龄化程度加深,经济增长对碳排放抑制作用逐渐降低。

随着我国老龄化程度的不断加深,人口红利逐渐消失,人口结构逐渐成为影响碳排放的重要因素之一。人口结构通过生产及消费水平来影响碳排放量。政府在碳减排的进程中不能忽略人口结构的影响。因此,应采取以下措施:(1)要积极引导青年人和中年人合理消费,政府要增强宣传力度,鼓励人们低碳消费。同时改善老年人的环保意识,加大对老年人的环保宣传力度,鼓励老年人减少浪费,提高环保意识,让其更加注重生态环保,降低其在生产、消费和生活中的碳排放。(2)改善老年人的生活品质。老年人的消费观相对保守,但基础设施的不完善会促使老年人的碳排放量增加。政府可以通过提高社会养老保险水平、完善社区医疗服务和公共交通等基础设施,改善老年人的生活品质,从而减少碳排放。(3)推进绿色科技的发展与应用。老年群体对清洁能源和绿色技术的认知有限,需要政府部门加大宣传力度,提高老年人对绿色科技的接受程度,促进绿色技术在老年人生产和生活中的应用,从而减少老年人的碳足迹。