安徽低碳经济评价及建议.docVIP

安徽低碳经济评价及建议 本文 影响安徽低碳经济发展因素的实证分析 模型选取本文采用因子分析模型探讨影响安徽省低碳经济的主要影响因素。因子分析（ｆａｃｔｏｒａｎａｌｙｓｉｓ）是主成分分析的推广，它更侧重于解释被观测变量之间相关关系和协方差之间的结构，所以因子分析的实质就是利用几个潜在的但不能直接观测的互不相关的变量，去描述许多变量之间的相关关系或协方差关系，这些随机变量就可以称为因子。为了使得这些因子能很好的替代原始数据，需要对这些因子给出合理的解释。同时为了使用这些因子，还需要对提取结果进行评价。指标构建与数据选取由于低碳经济发展水平涉及到经济、生活、社会、生态等多方面，因此本文选取了１５项指标，来构造安徽省低碳经济发展水平评价指标体系：工业能源的固定投资（Ｘ１）、环保机构人员总数（Ｘ２）、生活污水化学需氧量排放量（Ｘ３）、生活以及其他二氧化硫的排放量（Ｘ４）、生活其他烟尘排放量（Ｘ５）、科技经费内部支出（Ｘ６）、政府财政支出比例（Ｘ７）、工业生产总值（Ｘ８）、标准煤的消费总量（Ｘ９）、能源生产能力增长比（Ｘ１０）、能源弹性系数（Ｘ１１）、平均每天原油消费量（Ｘ１２）、工业固体废物综合利用量（Ｘ１３）、森林覆盖率（Ｘ１４）、民用汽车用量（Ｘ１５）①。选取的样本区间为２０００－２０１０年，这些指标的数据来源于《中国能源统计年鉴》以及各个年度的《安徽省统计年鉴》。２．３实证分析过程在进行因子实证分析之前，由于各个随机变量的单位有所不同，所以要对各个变量的原始数据进行标准化处理（或者无量纲化处理），并且估计出各个随机变量的相关系数矩阵，结果显示，相关系数矩阵中的系数绝对值大于０．３，说明可以用因子分析法进行实证分析。实证结果如表１。注：①民用汽车用量包括载客汽车、载货汽车、普通载货汽车、三轮汽车、低速汽车、摩托车、拖从我们的实证结果中可以看出，有６个因子的特征值大于１，它们的方差累计贡献率达到９５．３５％，说明这６个因子基本上能解释这１５个随机变量的方差。第一主因子的４个指标有着较高的载荷系数，方差的贡献率达到２４．９４％，相对较高的评价指标有：生活污水化学需氧量排放量（Ｘ３）、生活以及其他二氧化硫的排放量（Ｘ４）、生活其他烟尘排放量（Ｘ５）、能源弹性系数（Ｘ１１）。这些指标从不同的方面测度了碳在人们生活中的排放量，与经济发展水平、能源结构密切相关。所以我们把第一主因子称之为低碳生活消费量的发展水平因子，用Ｆ１表示。第二主因子上的载荷系数相对较高的评价指标有：政府财政支出比例（Ｘ７）、能源生产能力增长比（Ｘ１０）、工业固体废物综合利用量（Ｘ１３）都呈现出较高的正相关，方差的贡献率达到１９．３３％，反映了低碳发展过程中的污染物治理、财力支持等有关信息，称为低碳的支撑水平因子，记为Ｆ２。该因子仅有两个随机变量存在着较高的载荷系数：工业能源的固定投资（Ｘ１）、平均每天原油消费量（Ｘ１２），其载荷系数分别为０．８００１和０．６４９８方差贡献率达１７．３２％，这一指标主要反映了安徽低碳的投资水平，我们用Ｆ３表示。第四主因子也有两个随机变量存在着较高的指标体系，方差的贡献率达１４．７５％，与工业生产总值（Ｘ８）、标准煤的消费总量（Ｘ９）呈高度的正相关。反映了安徽省正处于经济工业化的阶段，大量的生产投资和基础设施的建设，带动资本存量不断的积累，正需要大量的能源资源维持经济的发展。因此，本文称为低碳经济发展水平因子，用Ｆ４表示。环保机构人员总数（Ｘ２）、科技经费内部支出（Ｘ６）、森林覆盖率（Ｘ１４），这三项指标作为第五主因子，有着较高的载荷系数，方差的贡献率为１１．０４％，基本上反映了安徽省生态建设与发展的情况，称之为低碳生态指标因子，记为Ｆ５。最后一个主因子仅仅有一个变量构成，就是民用汽车用量（Ｘ１５），其方差贡献率为７．９７％，载荷系数为０．５６３７，有着较高的正相关，称为低碳城市建设因子，用Ｆ６表示。本文上述分析的６个公共因子比较综合地反映了安徽省低碳经济水平的主要原因，但是单一的经济变量并不能全面地反映安徽省低碳经济发展水平的状况。因此，本文通过以各个因子的方差贡献率作为权重来说明整体因子的得分情况，这样我们就可以得到城市低碳水平的评价模型：Ｆ＝（ｗ１Ｆ１＋ｗ２Ｆ２＋ｗ３Ｆ３＋ｗ４Ｆ４＋ｗ５Ｆ５＋ｗ６Ｆ６）／（ｗ１＋ｗ２＋ｗ３＋ｗ４＋ｗ５＋ｗ６）＝（０．２４９４Ｆ１＋０．１９３３Ｆ２＋０．１７３２Ｆ３＋０．１４７５Ｆ４＋０．１１０４Ｆ５＋０．０７９７Ｆ６）／０．９５３５其中，Ｆ表示为安徽省低碳经济发展水平的综合得分，ｗｉ为第ｉ个因子的方差贡献率，因子得分的估计结果如表（２）所示。１）从表２中可以看出，影响安徽省低碳经济发展最主要的因素是工业能源的固定投资（Ｘ１）、能源生产能力增长比（Ｘ１０），其因子综合水平得