- 相關推薦
北京市二氧化碳排放驅動因素分析——基于STIRPAT模型
北京市二氧化碳排放驅動因素分析——基于STIRPAT模型徐 均（中央民族大學 經濟學院，北京 100081）
摘 要：在2012年12月8日結束的多哈氣候會議中，中國政府提出，到2020年單位國內生產總值CO2排放比2005年下降40％至45％。隨著經濟的飛速發展，中國CO2排放量不斷增加，研究中國各大城市尤其是北京影響CO2排放量的因素，進而分析如何減少CO2的排放成為當前研究熱點。利用STIRPAT模型，分析了北京市CO2排放量與人口、財富和技術進步因素的定量關系，并通過嶺回歸擬合得出人口數量、城市化水平、人均GDP、能耗效率、第二產業生產總值每發生1%變化，將引起CO2排放總量相應發生0.137%、0.245%、0.194%、-0.213%、0.214%的變化。
關鍵詞：STIRPAT模型；嶺回歸；CO2排放量；驅動因素；北京
中圖分類號：F127 文獻標志碼：A 文章編號：1002-2589（2013）02-0105-03
當今，全球變暖已經成為不爭的事實，由于人為溫室氣體排放導致的全球氣候變暖問題引起了全球的廣泛關注。根據世界資源研究所（WRI）數據，2007年中國CO2排放量達到了7 219.2百萬公頃，占到了全球的19.12%，2006年中國的CO2排放量就已經超過了美國位居世界第一，到2007年兩國間的差距進一步擴大。因而研究中國各大城市尤其是首都北京如何采取措施減少CO2排放量變得非常重要。為了解決上述問題，國內外學者進行了大量的研究工作。Dieta等利用對數化的STIRPAT模型研究了CO2排放量與人口、富裕度、城市化之間的關系；燕華等利用STIRPAT模型研究得出人口數量、人均GDP、富裕度、城市化水平和技術進步每發生1%的變化，將引起上海CO2排放總量相應發生0.618%、（0.178+lnA）%、0.816%和0.264%的變化，但技術進步反而會導致CO2排放總量的增加的結果不太符合實際。
本文利用STIRPAT模型和嶺回歸，定量分析了CO2排放量與人口數量、城市化水平、人均GDP、能耗強度和第二產業產值之間的關系。在上述研究的基礎上，進一步定性分析了上述五因素的影響，進而對北京減少CO2的排放提出建議，對今后其它城市減少CO2排放量有一定的借鑒意義。
一、研究方法
1.STIRPAT模型
在本研究中選擇STRIPAT模型為研究工具， STIRPAT 模型的前身是IPAT環境壓力等式。Rose 和Dietz（1994）將IPAT 等式表示成隨機形式，即通過人口、富裕度和技術的隨機回歸分析各驅動力對環境壓力的影響，簡稱為STIRPAT 模型，其具體形式為。
I=αPbAcTde （1）
式中， I、P、A、T 表示環境壓力、人口數量、富裕度和技術；b、c、d 分別是人口數量、富裕度、技術等人文驅動力的指數， a是模型的系數，e為模型誤差。是一個多自變量的非線性模型，模型兩邊同時進行對數化處理后為。
lnI=lna+b（lnP）+c（lnA）+d（lnT）+lne （2）
2.模型指標選取
這里STIRPAT模型中表示環境因素因變量的I為CO2排放總量。A為財富因素，以人均GDP指標代表。STIRPAT 模型比較靈活，可以加入或修改若干影響因素。因此為了更深入研究北京市CO2排放與人口和技術因素的關系，筆者將人口因素P分解為北京常住人口數量P1和城市化水平P2（城鎮人口占地區總人口比重）兩項指標。充分考慮技術指標的特點和代表性以及第二產業對CO2的排放量的重要影響，將技術指標T分解為能耗強度T1和第二產業生產總值T2兩項指標；其中，能耗強度指標T1反應單位GDP的產生所消費的標準煤數量；第二產業是地區CO2排放的主要來源，因此引入第二產業生產總值T2。基于以上指標的選取，本文標準化STIRPAT 模型最終公式為。
lnI=b1（lnP1）+b2（lnP2）+c（lnA）+d1（lnT1）+d2（lnT2） （3）
3.指標數據的來源
本文的主要研究對象CO2的排放量I在統計年鑒中未直接給出。本文引用張金萍《城市CO2排放結構與低碳水平測度———以京津滬渝為例》中北京1998年到2011的CO2的排放總量。該作者參考《IPCC 國家溫室氣體排放清單指南2006》，將各構成要素均折算成標準煤，進而計算CO2的總排放量，考慮比較全面，計算比較科學。本文其他指標數據來源于1998年到2011年的《北京統計年鑒》，選取了1998年到2011年共14年的數據。模型中各指標的詳細數據見表1。
4.回歸方法的選擇
因為各變量之間存在多重共線性，在不剔除自變量前提下解決回歸方程存在多重共線性的方法有主成分回歸法、偏最小二乘法和嶺回歸法。本文選擇嶺回歸方法，雖然嶺回歸是一種有偏估計方法，但它不需要剔除自變量，且相比一般最小二乘法，能夠得到各參數系數更顯著的結果。
5.K值及彈性系數確定
利用SPSS18.0軟件的嶺回歸函數對模型進行擬合，嶺回歸系數K在（0，1）區間，以步長為0.02進行取值。通過對公式（3）進行嶺回歸擬合，當K＝0.2時嶺跡圖變化逐漸平穩，自變量回歸系數變化趨于穩定。所以文中取K=0.2時的嶺回歸擬合結果確定隨機模型，具體擬合結果如表2。從表2可看出，自變量t的檢驗值可以說明因變量與自變量之間的線性相關關系顯著，回歸方程有意義。當K=0.2時嶺回歸的方差檢驗結果如表3，調整后的R方為0.974， F值為37.909及P值為0.006 ，都能說明回歸方程通過了顯著性檢驗。
所以，當取K=0.2時，結合表2中所列各數據，標準化嶺回歸擬合所得模型為。
lnI=0.137lnP1+0.245lnP2+0.194lnA-0.213lnT1+0.214lnT2
即人口數量、城市化水平、人均GDP、能耗效率、第二產業生產總值每發生1%變化，將引起CO2排放總量相應發生0.137%、0.245%、0.194%、-0.213%、0.214%的變化 。
二、結果分析
綜上所述，由標準化嶺回歸方程的標準化系數可知，各自變量因素對北京CO2排放總量增長影響大小排序分別為城市化水平（0.245）、第二產業總產值（0.214）、能耗強度（-0.213）、人均GDP（0.194）、人口數量（0.137）。并且城市化水平、第二產業總產值、人均GDP和人口數量對CO2排放量起到促進作用，但能源效率對CO2排放量起到抑制作用。
從各指標標準化回歸方程系數來看，城市化水平對CO2排放量的影響最大，彈性系數達到了0.245，即城市化水平每增加1%，將導致CO2排放問題增加0.245%。城市是人口、建筑、交通、工業的集中地，也是高耗能、高排放的集中地，城市化造成城市自然資源被大量消耗。據聯合國統計，世界城市人口占世界總人口的50%以上，城市碳排放占全球碳排放總量的75%。本文結論與何吉多《中國城市化與碳排放關系實證分析》等的結論一致：城市化水平對CO2排放總量具有正的顯著效應。
第二產業生產總值作為技術變化的一個代表指標，彈性系數是0.214。第二產業主要包括工業（采掘工業、制造業、自來水、電力、蒸汽、熱水、煤氣）和建筑業，這些行業都會產生較多的CO2。
能耗強度與北京市CO2排放呈負相關關系，彈性系數是－0.213。是五個指標里面唯一 一個對CO2排放量產生負影響的因素。隨著技術水平的提高，各行業單位產值所消耗的能源量在降低，也即能源強度在降低，所產生的CO2就會隨之減少。北京市的GDP從1998年的2 377.2億增長到2011年的16 251.9億，增長了6.84倍，但能源消費僅增加了1.84倍，CO2排放量增加了1.85倍，能耗強度的降低對減少CO2的排放量起到了重要抑制的作用。但我國的能耗強度遠遠高于歐盟、美國等國家，中國在這方面還有很大的發展潛力。
人均GDP與北京市CO2的排放呈正相關的關系，彈性系數是0.194。人均GDP綜合衡量了一個國家的人均產品和服務的生產能力，能源作為最基本的生產要素，支撐著中國經濟的高速發展，以工業化和城市化為特征的經濟發展又反過來帶動了能源的大量消費和CO2的大量排放。
最后一個影響指標是人口數量，呈正相關，彈性系數是0.137。巨大的人口數量導致居民生活的直接能源消耗迅速增加，1983年，我國平均每人生活消費能源為106.6千克標準煤，2008年增加到240.8千克標準煤（世界銀行，2010），年均增長速度為3.31%，遠高于人口數量的增長速度，由此直接導致生活碳排放量急劇增加。對北京而言，近五年來戶籍人口平均增長率為1.3%，而常住人口平均增長率達到了5.5%，到2011年常住人口達到了2 018.6萬，北京早在2009年實際常住人口1 972萬就已經突破了國務院批復的《北京城市總體規劃（2004-2020年）》確定的到2020年北京市常住人口總量控制在1 800萬人的目標，已超資源承載極限，首都北京調控人口規模已經箭在弦上。
三、啟示
從實證結果來看，我們可以得出以下幾點啟示：一是大力倡導低碳經濟，合理引導居民消費，減少城市人口CO2的排放量。在提高人們生活水平的同時通過采用低碳強度的交通系統、使用清潔能源和新能源、調節城市規劃、土地和交通基礎設施、塑造健康文明的消費文化等措施來實現城市的U型反轉， 即從城市發展初期的低碳到現在的高碳， 再到未來的去碳。二是通過產業規劃、稅收等政策進一步減少第二產業的比重，大力發展第三產業。三是大辦發展節能減排技術，推廣高效節能產品，轉變能源消費結構，降低能耗強度，提高能源利用率。四是合理控制北京常住人口數量，轉移北京教育、人才、醫療等資源，進行產業轉移，通過企業外遷引導就業人口外遷等措施，控制常住人口數量。
參考文獻：
[1]張煥波，王錚。中美兩國選擇不同時間開始減排CO2的模擬研究[J].中國人口·資源與環境，2008,（6）。
[2]Dieta T,Rosa E A.Effects of population and affluence on CO2 emission[D].The National Academy of Sciences of the USA.1997.
[3]劉蘭翠，范英，等。溫室氣體減排政策問題研究綜述[J].管理評論，2005,（10）。
[4]王立猛，何康林。基于STIRPAT模型的環境壓力空間差異分析——以能源消費為例[J].環境科學學報，2008,（5）。
[5]張金萍，秦耀辰，等。城市CO2排放結構與低碳水平測度——以京津滬渝為例[J].地理學報，2010,（6）。
[6]黃偉麟。產業耗能結構與城市化水平對碳排放量影響研究[J].經濟問題，2012,（3）。
[7]何吉多。中國城市化與碳排放關系實證分析[J].西部論壇，2010,（5）。
[8]馮相昭，王雪臣，陳紅楓。1971-2005年中國CO2排放影響因素分析[J].氣候變化研究進展，2008,（1）。
【北京市二氧化碳排放驅動因素分析——基于STIRPAT模型】相關文章：
淺談基于VaR模型的證券投資組合風險分析08-05
股價組成理論與因素定價模型08-05
CIMS環境下基于特征的產品模型08-06
基于XML的三層C/S模型08-06
基于XML的三層C/S模型08-06
基于Quick Capture技術的攝像頭驅動方案04-12
網絡經濟之10大驅動因素08-05
基于混合推理的高血壓藥物推薦模型研究08-18