甘肃省碳排放影响因素分析

付晶园，王苍平，金亚亚，张 宏

（兰州工商学院经济学院，兰州 730101）

甘肃省是我国重要的新能源基地，新能源在促进甘肃省经济社会发展和保护生态环境等方面扮演重要的角色。2020年5月，党中央、国务院发布《关于新时代推进西部大开发形成新格局的指导意见》，意见指出，要优化能源供需结构，加强可再生能源开发利用，培育一批清洁能源基地，加快风电、光伏发电就地消纳，有效解决弃风弃光弃水问题。甘肃省委、省政府积极响应，立即制定计划，贯彻落实指导意见，提出将甘肃省打造成综合能源枢纽，构建清洁低碳、节能减排、安全高效的能源体系。

1 碳排放概述

碳排放量是指某一特定时间段内所有人类活动产生的二氧化碳（CO2）总量，通常以吨为单位进行衡量。碳排放量是量化人类活动对大气中温室气体的贡献程度的一个指标。碳排放源主要有两种，一是化石燃料燃烧，如煤炭、石油和天然气的使用，二是工业生产过程的排放，包括钢铁制造、水泥生产和化学品生产等。各类能源碳排放系数如表1所示。此外，森林砍伐、土地利用变化、农业活动以及废弃物处理也会导致碳排放，以CO2为标准计算[1]。

当前，常见的能源有化石能源、太阳能、风能等，其中造成大量碳排放的能源主要是化石能源。因此，本文仅计算煤炭、石油、天然气等3 种化石能源的碳排放[2-3]。以标准煤计算，3 种主要燃料碳排放系数如表2所示。碳排放总量采用式（1）计算。

表2 3 种主要燃料碳排放系数

式中：C为碳排放总量；ac为煤炭消耗的碳排放转换系数；Ec为煤炭消耗量；ao为石油消耗的碳排放转换系数；Eo为石油消耗量；ag为天然气的碳排放转换系数；Eg为天然气消耗量。

2 甘肃省碳排放影响因素的实证分析

2.1 指标选取

在进行甘肃省碳排放的影响因素研究时，选取人口规模、人均地区生产总值（GDP）、产业结构、居民消费水平、城市化率、老龄化率、能耗强度以及碳强度作为评估指标，人均GDP、居民消费水平作为反映富裕程度的指标，产业结构、能耗强度、碳强度作为反映技术水平的指标。

2.2 数据来源及整理

研究数据均来自国家统计局和甘肃省统计局[4-5]。能源消耗的碳排放量参照相关标准计算，选取1995—2019年甘肃省经济社会发展的主要指标（煤炭、石油、天然气）作为碳排放的能源消耗来源。

2.3 模型的建立

2.3.1 模型设定将评估模型设定为线性回归模型形式，如式（2）所示。结合研究数据，用EViews 软件对模型进行普通最小二乘法（OLS）估计，得到样本回归方程。初始回归分析结果如表3所示。样本可决系数R2为0.979 883，F检验值为97.419 17。根据回归分析结果，得到相应模型，如式（3）所示。

表3 初始回归分析结果

式中：Y为碳排放总量；X1为人口规模；X2为城市化率；X3为人均GDP；X4为居民消费水平；X5为第二产业比率；X6为老龄化率；X7为能耗强度；X8为碳强度；β为系列回归系数，反映对应解释变量的变化幅度。

2.3.2 经济意义检验

模型评估结果表明，在假定条件不变的情况下，地区年末人口每增加1 万人，平均碳排放量会减少1.809 9 万t；城市化率每增加1%，平均碳排放量会增加169.81 万t；人均GDP 每增加1 元，平均碳排放量会增加0.104 万t；居民消费水平每增加1 元，平均碳排放量会减少0.324 万t；第二产业比率每增加1%，平均碳排放量会增加43.19 万t；老龄化率每增加1%，平均碳排放量会减少0.364 万t；能耗强度每增加1，平均碳排放量会减少8.956 万t；碳强度每增加1，平均碳排放量会增加242.92 万t。

2.3.3 统计检验

经拟合优度检验，模型的样本可决系数R2为0.979 883，表明模型拟合度高。经F检验，模型的F检验值为97.419，而在5%的显著性水平下，F分布临界值（2.61）远小于模型的F检验值，说明模型总体显著相关。经t检验，得到回归模型各参数的t检验值。在5%的显著性水平下，t分布临界值为1.74，因此部分t值是不显著的。

2.4 实证分析

2.4.1 多重共线检验

碳排放涉及多个影响因素，而影响因素之间常常存在一定的相关性。因此，首先进行共线性检验。共线性检验结果显示，回归系数β0的方差扩大因子（VIF）为125 559.9；X1的方差扩大因子为117 259.6；X2的方差扩大因子为4 036.357；X3的方差扩大因子为1 708.003；X4的方差扩大因子为1 495.437；X5的方差扩大因子为688.816 3；X6的方差扩大因子为1 024.296；X7的方差扩大因子为382.681 8；X8的方差扩大因子为2 124.341。

方差扩大因子是用于检测多重共线性的一种统计指标。它描述了一个解释变量与其他解释变量的相关程度，并通过计算其对应的方差扩大因子来确定共线性程度。一般来说，若方差扩大因子大于10，则说明存在严重的多重共线性问题。多重共线性意味着解释变量之间存在高度相关性，导致回归模型的稳定性和解释能力下降。结果显示，各方差扩大因子远远大于10，表明存在严重的多重共线性问题。

2.4.2 修订多重共线性

逐步回归法常用于解决多重共线性问题，通过逐步加入和排除解释变量，选择最佳的回归模型，提高模型的拟合效果和解释能力。本研究采用逐步回归法，检验多重共线性。首先分别对各个解释变量与被解释变量进行一元回归，然后逐步引入其他解释变量，保留样本可决系数R2最大的，同时观察t检验值和F检验值，修正多重共线性，确定最合适的多元回归方程。回归分析发现，Y与X2的回归具有最大的可决系数，可见，碳排放量受老龄化率的影响最大，因此选择Y与X2的回归模型作为初始回归模型。经确定，最合适的多元回归方程如式（4）所示。其中，样本可决系数R2为0.972 926，F检验值为251.552 5，独立性检验值DW为1.447 901。

2.4.3 异方差性检验

对式（5）模型进行OLS 回归，并进行异方差性检验，即开展White 检验。样本可决系数R2为0.883 174，拉格朗日乘数（LM）统计量nR2为22.079 35，由White 检验可知，在5%的显著性水平下，查χ2卡方分布表，临界值χ2(0.05)为5.991 5，因为nR2>χ2(0.05)，表明存在异方差性。使用加权最小二乘法对异方差进行修正，根据多重共线性修订结果，LM 统计量为9.822 651。此时，显著性系数P值大于0.05，则说明不再存在异方差。最终回归分析结果如表4所示，回归模型如式（6）所示。其中，样本可决系数R2为0.994 5，F检验值为481.59，独立性检验值DW为1.858。

表4 最终回归分析结果

2.4.4 自相关检验

由上述回归分析结果可知，独立性检验值DW为1.858。样本量为25，模型存在3 个解释变量，在5%的显著性水平下，查DW统计表可知，DW检验下临界值dL为1.123，DW检验上临界值dU为1.654，dU

3 结论

本文结合1995—2019年甘肃省经济社会发展统计数据，构建计量经济模型，研究人口规模、城市化率、人均GDP、居民消费水平、产业结构、老龄化率、能耗强度以及碳强度对甘肃省碳排放量的影响，最后提出相应建议。其间通过多重共线性检验，剔除检验不通过的变量，检验异方差性并修订异方差，建立理想模型。检验模型不存在自相关性，所以不需要处理自相关性。由回归模型可知，影响甘肃省碳排放量的因素主要有人口规模、城市化率和产业结构。未来，甘肃省要因地制宜，综合施策，有效削减碳排放量。一是调整产业结构，实行低碳发展。经济发展与能耗密不可分，而能耗又对碳排放有一定影响，所以，在经济发展过程中，要提高化石能源的利用率，节约能源，降低碳排放量。二是在城市推行绿色出行。城市中汽车尾气排放会增加碳排放，为了有效降低碳排放量，要提倡绿色出行，尽可能使用公交车、地铁或者自行车等低碳交通工具。三是植树造林，绿化环境。植物可以吸收CO2，应加大植树造林力度，有效减少碳排放量。四是采用清洁能源技术，推广使用新能源。传统化石能源不可再生，大量使用会增加碳排放量，加剧地球温室效应，应该大力开发新能源，利用可再生资源代替化石能源。