京津冀人口、城镇化、经济、能源消费与碳排放的影响关系研究.docVIP

京津冀人口、城镇化、经济、能源消费与碳排放的影响关系研究 　　摘 要：本文通过利用STIRPAT模型，定量分析了京津冀地区1995-2012年人口规模、城镇化水平、能源消费强度和经济发展水平对碳排放量的影响。结果发现人口规模的影响最为重要，其次为经济发展水平和能源消费强度，而城镇化水平的影响效果较小，并发现2006前后，能源消费强度和经济发展水平的弹性发生了明显的变化。最后，本文结合实证的结果得出结论并给出相关的建议。 　　关键词：STIRPAT模型；京津冀地区；碳排放量；弹性系数 　　1.引言 　　近年来，全球经济发展迅猛，工业化进程不断加快，由此而引发的环境问题也越来越严重，人们对全球变暖问题的担忧，使得碳排放逐渐进入人们的视野，并成为了世界各国关注的焦点。京津冀地区是我国碳排放量最大的都市圈，约占全球的20%，因此它肩负着我国低碳转型的重任。 　　2.模型的构建 　　在具体的模型构建方面，文中主要是借鉴了Rose和Dietz等人基于人口、财富和技术等影响因素建立的随机回归模型STIRPAT（Stochastic Impacts by Regression on Population，Affluence and Technology）。该模型是经典的环境压力模型IPAT改善而来的随机形式，它的一般形式为：It = aPbt Act Tdt ut ；其中I表示环境压力、P表示人口数量、A表示财富，T表示技术，a为模型的系数，b、c、d分别为各自变量的驱动力指数，ut为随机误差项。 　　本文在此模型的基础上进一步深化拓展，将人口因素、经济发展水平和能源消费引入模型，全面分析各因素对碳排放的影响。扩展后，建立如下模型：lnCt=lna+blnPt+clnAt+dlnTt+elnYt+μt，其中C表示碳排放量；P表示人口规模；A代表人口城市化率；T代表能源消耗强度；Y代表经济发展水平；μ为随机干扰项。扩展后的模型综合考虑了人口、经济、能源消耗对环境的影响，与传统的STIRPAT模型相比，可以更好地反映碳排放影响因素的规模与结构。 　　3.实证分析 　　3.1方程回归分析 　　首先针对这个方程进行简单的OLS回归，得到的结果如下： 　　从该结果中可以看出，lnA的t统计量很小，而且并没有通过检验，并且D.W统计量高达275，说明该模型可能存在着序列相关性，导致了t检验的失效。接着，在模型中加入ma（1）项，即残差的一阶移动平均项，消除序列相关性，得到的检验结果如表3.4： 　　从上表中看出，对残差进行一阶移动平均加入到模型当中后，D.W统计量明显缩小，仅仅为212，说明该模型消除了序列相关，但lnA的t统计量依然不显著，考虑存在间断点的可能，对上述模型进行CHOW检验，选2006年作为间断点，检验结果为F统计量等于43522，对应的拒绝的概率为00483。检验结果可知，在5%的显著水平下，我们认为该方程在2006年存在一个间断点，因此我们引入虚拟变量D，再对该方程做回归，结果如下： 　　从上表中我们可以得知，在5%的显著水平下，各个变量的系数都显著不为0，说明各个变量都有意义，可决系数高达0999，DW统计量也仅有224，说明不存在显著的序列相关性。因此，我们认为该估计结果是有意义的。 　　3.2回归系数解释 　　从上述回归方程中，我们得到以下的结论： 　　（1）我国京津冀地区STIRPAT模型的长期人口弹性为1065，即人口增长1%，碳排放量增长1065%。该结果说明，人口对碳排放量的影响是最大的，人口数量越大，碳排放量就越大，且还存在乘数的效应，即碳排放的增长量要大于人口的增长量。 　　（2）长期城市化率弹性为002，即城市化率增长1%，碳排放仅仅增长002%。该结果说明，京津冀地区城镇化水平的提高会导致更多的碳排放量，但其影响程度很小。 　　（3）能源消费强度弹性分成两个部分，1995年-2005年的值为1038，2006年-2012年的值为0923，即1995-2005年，能源消费强度增长1%，碳排放量增长1038%，能源消费强度的增长水平要比碳排放量的增长水平要低；2006年-2012年能源消费强度增长1%，碳排放量增长0923%，能源消费强度的增长要比碳排放量的增长量要大。 　　（4）经济发展水平弹性同样分成了两个阶段，1995年-2005年，弹性值为102，2006年-2012年，其值为0937，即1995年-2005年，经济发展水平增长1%，碳排放量会增长102%，2006年-2012年，经济发展水平增长1%，碳排放量会增长0937%。 　　4.结论和政策建议 　　本文通过STIRPAT模型对京津冀地区的碳排放量的影响因素进行了分析，发现人口数量、经济发展水平和能源消费强度