- 相关推荐
北京市二氧化碳排放驱动因素分析——基于STIRPAT模型
北京市二氧化碳排放驱动因素分析——基于STIRPAT模型徐 均（中央民族大学 经济学院，北京 100081）
摘 要：在2012年12月8日结束的多哈气候会议中，中国政府提出，到2020年单位国内生产总值CO2排放比2005年下降40％至45％。随着经济的飞速发展，中国CO2排放量不断增加，研究中国各大城市尤其是北京影响CO2排放量的因素，进而分析如何减少CO2的排放成为当前研究热点。利用STIRPAT模型，分析了北京市CO2排放量与人口、财富和技术进步因素的定量关系，并通过岭回归拟合得出人口数量、城市化水平、人均GDP、能耗效率、第二产业生产总值每发生1%变化，将引起CO2排放总量相应发生0.137%、0.245%、0.194%、-0.213%、0.214%的变化。
关键词：STIRPAT模型；岭回归；CO2排放量；驱动因素；北京
中图分类号：F127 文献标志码：A 文章编号：1002-2589（2013）02-0105-03
当今，全球变暖已经成为不争的事实，由于人为温室气体排放导致的全球气候变暖问题引起了全球的广泛关注。根据世界资源研究所（WRI）数据，2007年中国CO2排放量达到了7 219.2百万公顷，占到了全球的19.12%，2006年中国的CO2排放量就已经超过了美国位居世界第一，到2007年两国间的差距进一步扩大。因而研究中国各大城市尤其是首都北京如何采取措施减少CO2排放量变得非常重要。为了解决上述问题，国内外学者进行了大量的研究工作。Dieta等利用对数化的STIRPAT模型研究了CO2排放量与人口、富裕度、城市化之间的关系；燕华等利用STIRPAT模型研究得出人口数量、人均GDP、富裕度、城市化水平和技术进步每发生1%的变化，将引起上海CO2排放总量相应发生0.618%、（0.178+lnA）%、0.816%和0.264%的变化，但技术进步反而会导致CO2排放总量的增加的结果不太符合实际。
本文利用STIRPAT模型和岭回归，定量分析了CO2排放量与人口数量、城市化水平、人均GDP、能耗强度和第二产业产值之间的关系。在上述研究的基础上，进一步定性分析了上述五因素的影响，进而对北京减少CO2的排放提出建议，对今后其它城市减少CO2排放量有一定的借鉴意义。
一、研究方法
1.STIRPAT模型
在本研究中选择STRIPAT模型为研究工具， STIRPAT 模型的前身是IPAT环境压力等式。Rose 和Dietz（1994）将IPAT 等式表示成随机形式，即通过人口、富裕度和技术的随机回归分析各驱动力对环境压力的影响，简称为STIRPAT 模型，其具体形式为。
I=αPbAcTde （1）
式中， I、P、A、T 表示环境压力、人口数量、富裕度和技术；b、c、d 分别是人口数量、富裕度、技术等人文驱动力的指数， a是模型的系数，e为模型误差。是一个多自变量的非线性模型，模型两边同时进行对数化处理后为。
lnI=lna+b（lnP）+c（lnA）+d（lnT）+lne （2）
2.模型指标选取
这里STIRPAT模型中表示环境因素因变量的I为CO2排放总量。A为财富因素，以人均GDP指标代表。STIRPAT 模型比较灵活，可以加入或修改若干影响因素。因此为了更深入研究北京市CO2排放与人口和技术因素的关系，笔者将人口因素P分解为北京常住人口数量P1和城市化水平P2（城镇人口占地区总人口比重）两项指标。充分考虑技术指标的特点和代表性以及第二产业对CO2的排放量的重要影响，将技术指标T分解为能耗强度T1和第二产业生产总值T2两项指标；其中，能耗强度指标T1反应单位GDP的产生所消费的标准煤数量；第二产业是地区CO2排放的主要来源，因此引入第二产业生产总值T2。基于以上指标的选取，本文标准化STIRPAT 模型最终公式为。
lnI=b1（lnP1）+b2（lnP2）+c（lnA）+d1（lnT1）+d2（lnT2） （3）
3.指标数据的来源
本文的主要研究对象CO2的排放量I在统计年鉴中未直接给出。本文引用张金萍《城市CO2排放结构与低碳水平测度———以京津沪渝为例》中北京1998年到2011的CO2的排放总量。该作者参考《IPCC 国家温室气体排放清单指南2006》，将各构成要素均折算成标准煤，进而计算CO2的总排放量，考虑比较全面，计算比较科学。本文其他指标数据来源于1998年到2011年的《北京统计年鉴》，选取了1998年到2011年共14年的数据。模型中各指标的详细数据见表1。
4.回归方法的选择
因为各变量之间存在多重共线性，在不剔除自变量前提下解决回归方程存在多重共线性的方法有主成分回归法、偏最小二乘法和岭回归法。本文选择岭回归方法，虽然岭回归是一种有偏估计方法，但它不需要剔除自变量，且相比一般最小二乘法，能够得到各参数系数更显著的结果。
5.K值及弹性系数确定
利用SPSS18.0软件的岭回归函数对模型进行拟合，岭回归系数K在（0，1）区间，以步长为0.02进行取值。通过对公式（3）进行岭回归拟合，当K＝0.2时岭迹图变化逐渐平稳，自变量回归系数变化趋于稳定。所以文中取K=0.2时的岭回归拟合结果确定随机模型，具体拟合结果如表2。从表2可看出，自变量t的检验值可以说明因变量与自变量之间的线性相关关系显著，回归方程有意义。当K=0.2时岭回归的方差检验结果如表3，调整后的R方为0.974， F值为37.909及P值为0.006 ，都能说明回归方程通过了显著性检验。
所以，当取K=0.2时，结合表2中所列各数据，标准化岭回归拟合所得模型为。
lnI=0.137lnP1+0.245lnP2+0.194lnA-0.213lnT1+0.214lnT2
即人口数量、城市化水平、人均GDP、能耗效率、第二产业生产总值每发生1%变化，将引起CO2排放总量相应发生0.137%、0.245%、0.194%、-0.213%、0.214%的变化 。
二、结果分析
综上所述，由标准化岭回归方程的标准化系数可知，各自变量因素对北京CO2排放总量增长影响大小排序分别为城市化水平（0.245）、第二产业总产值（0.214）、能耗强度（-0.213）、人均GDP（0.194）、人口数量（0.137）。并且城市化水平、第二产业总产值、人均GDP和人口数量对CO2排放量起到促进作用，但能源效率对CO2排放量起到抑制作用。
从各指标标准化回归方程系数来看，城市化水平对CO2排放量的影响最大，弹性系数达到了0.245，即城市化水平每增加1%，将导致CO2排放问题增加0.245%。城市是人口、建筑、交通、工业的集中地，也是高耗能、高排放的集中地，城市化造成城市自然资源被大量消耗。据联合国统计，世界城市人口占世界总人口的50%以上，城市碳排放占全球碳排放总量的75%。本文结论与何吉多《中国城市化与碳排放关系实证分析》等的结论一致：城市化水平对CO2排放总量具有正的显著效应。
第二产业生产总值作为技术变化的一个代表指标，弹性系数是0.214。第二产业主要包括工业（采掘工业、制造业、自来水、电力、蒸汽、热水、煤气）和建筑业，这些行业都会产生较多的CO2。
能耗强度与北京市CO2排放呈负相关关系，弹性系数是－0.213。是五个指标里面唯一 一个对CO2排放量产生负影响的因素。随着技术水平的提高，各行业单位产值所消耗的能源量在降低，也即能源强度在降低，所产生的CO2就会随之减少。北京市的GDP从1998年的2 377.2亿增长到2011年的16 251.9亿，增长了6.84倍，但能源消费仅增加了1.84倍，CO2排放量增加了1.85倍，能耗强度的降低对减少CO2的排放量起到了重要抑制的作用。但我国的能耗强度远远高于欧盟、美国等国家，中国在这方面还有很大的发展潜力。
人均GDP与北京市CO2的排放呈正相关的关系，弹性系数是0.194。人均GDP综合衡量了一个国家的人均产品和服务的生产能力，能源作为最基本的生产要素，支撑着中国经济的高速发展，以工业化和城市化为特征的经济发展又反过来带动了能源的大量消费和CO2的大量排放。
最后一个影响指标是人口数量，呈正相关，弹性系数是0.137。巨大的人口数量导致居民生活的直接能源消耗迅速增加，1983年，我国平均每人生活消费能源为106.6千克标准煤，2008年增加到240.8千克标准煤（世界银行，2010），年均增长速度为3.31%，远高于人口数量的增长速度，由此直接导致生活碳排放量急剧增加。对北京而言，近五年来户籍人口平均增长率为1.3%，而常住人口平均增长率达到了5.5%，到2011年常住人口达到了2 018.6万，北京早在2009年实际常住人口1 972万就已经突破了国务院批复的《北京城市总体规划（2004-2020年）》确定的到2020年北京市常住人口总量控制在1 800万人的目标，已超资源承载极限，首都北京调控人口规模已经箭在弦上。
三、启示
从实证结果来看，我们可以得出以下几点启示：一是大力倡导低碳经济，合理引导居民消费，减少城市人口CO2的排放量。在提高人们生活水平的同时通过采用低碳强度的交通系统、使用清洁能源和新能源、调节城市规划、土地和交通基础设施、塑造健康文明的消费文化等措施来实现城市的U型反转， 即从城市发展初期的低碳到现在的高碳， 再到未来的去碳。二是通过产业规划、税收等政策进一步减少第二产业的比重，大力发展第三产业。三是大办发展节能减排技术，推广高效节能产品，转变能源消费结构，降低能耗强度，提高能源利用率。四是合理控制北京常住人口数量，转移北京教育、人才、医疗等资源，进行产业转移，通过企业外迁引导就业人口外迁等措施，控制常住人口数量。
参考文献：
[1]张焕波，王铮。中美两国选择不同时间开始减排CO2的模拟研究[J].中国人口·资源与环境，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]刘兰翠，范英，等。温室气体减排政策问题研究综述[J].管理评论，2005,（10）。
[4]王立猛，何康林。基于STIRPAT模型的环境压力空间差异分析——以能源消费为例[J].环境科学学报，2008,（5）。
[5]张金萍，秦耀辰，等。城市CO2排放结构与低碳水平测度——以京津沪渝为例[J].地理学报，2010,（6）。
[6]黄伟麟。产业耗能结构与城市化水平对碳排放量影响研究[J].经济问题，2012,（3）。
[7]何吉多。中国城市化与碳排放关系实证分析[J].西部论坛，2010,（5）。
[8]冯相昭，王雪臣，陈红枫。1971-2005年中国CO2排放影响因素分析[J].气候变化研究进展，2008,（1）。
【北京市二氧化碳排放驱动因素分析——基于STIRPAT模型】相关文章：
浅谈基于VaR模型的证券投资组合风险分析08-05
股价组成理论与因素定价模型08-05
CIMS环境下基于特征的产品模型08-06
基于XML的三层C/S模型08-06
基于XML的三层C/S模型08-06
基于Quick Capture技术的摄像头驱动方案04-12
网络经济之10大驱动因素08-05
基于混合推理的高血压药物推荐模型研究08-18