城镇化进程中能源消费碳排放变化探究.docVIP

城镇化进程中能源消费碳排放变化探究 　　【摘要】 对比分析处于不同城镇化发展阶段区域的碳排放量变化的影响因素具有现实的指导意义。本文以处于城镇化发展不同阶段的苏南、苏中和苏北三个地区为例，利用STIRPAT模型对比分析城镇化发展进程和经济发展水平不同对碳排放量的影响。研究结果表明：城镇化发展是碳排放的主要影响因素之一，且现阶段城镇化发展并不利于实现碳减排;工业发展对碳排放量的影响较大，工业能源消费量占能源消费总量的70%以上;无论城镇化发展处于哪个阶段，改善能源消费模式，均有利于减少碳排放量。 　　【关键词】 城镇化 碳排放 STIRPAT模型 地区差异 　　一、引言 　　如今，自然资源日趋紧张，生态环境日趋恶劣，发展低碳经济已成为全世界人民关注的焦点。加速城镇化和促进低碳发展是我国目前经济发展的重点。城镇化不同阶段经济发展水平不同，不同经济发展水平下的能源消费对碳排放量的影响也不同。江苏省不同区域经济发展水平差异显著，苏南、苏中、苏北目前正处于不同的城镇化阶段，因此对比研究具有代表性的三个区域的能源消费碳排放量对我国在城镇化进程中发展低碳经济具有现实的指导意义。 　　已有学者对城镇化和碳排放之间的关系做了相关研究。卢祖丹基于1995―2008年省域面板数据，通过建立STIRPAT模型对城镇化和碳排放之间的关系进行了相关研究，得出城镇化发展有利于实现碳减排，但未探讨不同的城镇化水平对碳排放的影响因素。林伯强、刘希颖用协整法探讨城市化对碳排放的影响程度，但只针对中国这一主体进行研究，并未对不同区域进行对比分析。宋德勇、徐安采用STIRPAT模型分析了区域差异对碳排放的影响，并未对经济发展水平和碳排放的内在联系进行探讨。 　　二、研究方法 　　经济发展是碳排放增长的首要因素，本文结合York等提出的STIRPAT随机回归模型，来分析研究产业结构对碳排放的影响。该模型主要分析P(人口)、A(富裕度)、T(技术)、I(环境影响)之间的关系，公式为： 　　I■=?琢P■■A■■T■■e■ (1) 　　其中：?琢是常数项，b、c、d是人口、富裕度、技术的指数，e是误差项。 　　在实际分析时，将模型先进性对数化处理： 　　lnIi=ln?琢+blnPi+clnAi+dlnTi+lnei (2) 　　式(2)中，P代表城镇化水平，用城镇人口占总人口的比重表示(%)，用来反映人口向城镇聚集的程度;A代表人均工业生产总值，用工业生产总值与常住人口的比值表示(元/人);T代表工业能耗强度，选取工业能源消费量与工业生产总值的比重即工业能耗强度来表示(吨标准煤/万元);I表示工业碳排放量(吨)。相关经济数据均以2000年为基期做了不变价处理。 　　根据国家统计局编制的《能源统计报表制度》，本文的能源消费指能源的终端消费量。在计算碳排放量时，首先将能源消费量折算成标准煤，然后根据国家发改委能源研究所给出的标准煤的碳排放系数为2.4567吨CO2/吨标准煤进行计算。 　　文中的能源数据来自江苏省13市各自历年的《统计年鉴》;经济社会数据来自历年《江苏省统计年鉴》。 　　三、结果与分析 　　1、研究区域 　　江苏省位于我国大陆东部沿海中心，地处长江三角洲，经济发展位于全国前列，地区生产总值占全国10%以上。江苏省经济发展区域差异大，苏南、苏中、苏北的城镇化发展处于不同的发展阶段，因此选择江苏省为研究样本，研究其城镇化发展对碳排放的影响，探究城镇化进程中碳排放的影响因素具有很好的代表性。 　　苏南地区(南京、苏州、无锡、镇江、常州)与上海相邻，经济发展较快，是江苏省经济发展的主力，城镇化发展水平较高，2013年城镇化率已达到73.5%;苏中地区(扬州、泰州、南通)与苏南地区隔江相望，位于长江中下游，经济发展速度适中，城镇化发展水平较落后，2013年城镇化率为59.7%;苏北地区(徐州、宿迁、淮安、连云港、淮安)相对苏南和苏中虽然自然资源丰富，但是接近内陆，经济发展落后，城镇化水平与苏中地区较接近，城镇化率在2013年已达到56.1%。 　　2、模型回归结果 　　由于苏中和苏北地区2006年以前能源消费量数据缺失，故本文将主要研究2006―2013年间各区域的碳排放量。对式(2)利用SPSS进行线性回归分析时，首先将数据进行Zscore一致性处理，避免各变量数量级不同对数据分析的影响，然后将处理后的数据带入模型进行分析。结果显示，模型整体通过了一致性检验，但是在95%的置信区间，所有变量的t值都不显著。进一步计算各变量的方差膨胀因子(VIF)，三个变量的VIF均远大于10，证明模型中的城镇化水平、人均工业生产总值和工业能耗强度三个变量之间存在严重的多重共线性，因此不适合运用最小二乘法进行无偏估计。 　　为克服自变量之间的多重共线性问题，本文采用SPSS软