北京市碳排放的影響因素分析

收稿日期：2024-03-06

基金項(xiàng)目：山西省2021年社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)科研立項(xiàng)課題“數(shù)字經(jīng)濟(jì)助推黃河流域山西段鄉(xiāng)村旅游高質(zhì)量發(fā)展研究”（KY〔2021〕184）。

作者簡(jiǎn)介：張?jiān)菩悖?995—），女，山西原平人，碩士，助教。研究方向：統(tǒng)計(jì)學(xué)。

摘要：“十四五”時(shí)期是中國(guó)實(shí)現(xiàn)碳達(dá)峰的關(guān)鍵時(shí)期，也是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展和生態(tài)環(huán)境質(zhì)量持續(xù)改善的重要階段?？赏卣沟碾S機(jī)性環(huán)境影響評(píng)估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型可以根據(jù)研究需要增加自變量，更好地分析相關(guān)因素對(duì)因變量的影響。以北京市為研究區(qū)，通過構(gòu)建擴(kuò)展的STIRPAT模型，分析人均地區(qū)生產(chǎn)總值（Gross Domestic Product，GDP）、人均汽車保有量、城市化率、第三產(chǎn)業(yè)GDP占比、能源消費(fèi)強(qiáng)度與人均碳排放量的關(guān)系，并采用對(duì)數(shù)平均迪氏指數(shù)（Logarithmic Mean Divisia Index，LMDI）分解法分解能源消費(fèi)強(qiáng)度。結(jié)果表明，產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)強(qiáng)度對(duì)人均碳排放量均有顯著的正向影響?？傮w來看，要平衡經(jīng)濟(jì)發(fā)展與碳排放的關(guān)系，提高能源利用效率，推廣可再生能源，降低能源消耗，減少碳排放。

關(guān)鍵詞：碳排放；影響因素；可拓展的隨機(jī)性環(huán)境影響評(píng)估（STIRPAT）模型；對(duì)數(shù)平均迪氏指數(shù)（LMDI）分解法；北京市

中圖分類號(hào)：X322 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-9500（2024）05-0-03

DOI：10.3969/j.issn.1008-9500.2024.05.046

Analysis on Influencing Factors of Carbon Emissions in Beijing City

ZHANG Yunxiu， YUE Ruibo， YANG Hong， MA Xuteng

（Department of Mathematics， Xinzhou Normal University， Xinzhou 035400， China）

Abstract： The 14th Five-Year Plan period is a crucial period for China to achieve carbon peak， as well as an important stage for promoting high-quality economic development and continuous improvement of ecological environment quality. The Stochastic Impacts by Regression on Population， Affluence， and Technology （STIRPAT） model can add independent variables according to research needs to better analyze the impact of relevant factors on the dependent variable. Using Beijing city as the research area， an extended STIRPAT model is constructed to analyze the relationship between per capita Gross Domestic Product （GDP）， per capita car ownership， urbanization rate， proportion of tertiary industry GDP， energy consumption intensity， and per capita carbon emissions， and the Logarithmic Mean Divisia Index （LMDI） decomposition method is used to decompose energy consumption intensity. The results indicate that both industrial structure and energy consumption intensity have a significant positive impact on per capita carbon emissions. Overall， it is necessary to balance the relationship between economic development and carbon emissions， improve energy utilization efficiency， promote renewable energy， reduce energy consumption， and reduce carbon emissions.

Keywords： carbon emissions; influencing factors; Stochastic Impacts by Regression on Population， Affluence， and Technology （STIRPAT） model; Logarithmic Mean Divisia Index （LMDI） decomposition method; Beijing city

近年來，全球氣候變暖引起諸多國(guó)家的廣泛關(guān)注，有序推進(jìn)碳達(dá)峰碳中和已成為全球共識(shí)。為如期實(shí)現(xiàn)碳達(dá)峰，2022年10月，北京市人民政府印發(fā)《北京市碳達(dá)峰實(shí)施方案》?？茖W(xué)分析北京市碳排放水平，識(shí)別碳排放的影響因素，有助于在保證經(jīng)濟(jì)發(fā)展質(zhì)量的同時(shí)削減碳排放量，實(shí)現(xiàn)經(jīng)濟(jì)綠色轉(zhuǎn)型。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

2003—2019年北京市的能源消費(fèi)總量、常住人口、汽車保有量、城市化率、地區(qū)生產(chǎn)總值（Gross Domestic Product，GDP）、三大產(chǎn)業(yè)能源消費(fèi)量等數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局官網(wǎng)和北京市統(tǒng)計(jì)局歷年發(fā)布的《北京統(tǒng)計(jì)年鑒》，碳排放數(shù)據(jù)來自中國(guó)碳核算數(shù)據(jù)庫(kù)。

1.2 研究方法

根據(jù)北京市各產(chǎn)業(yè)的能源消耗量和標(biāo)準(zhǔn)煤的碳排放系數(shù)，采用式（1）測(cè)算北京市各產(chǎn)業(yè)的碳排放量[1]?？赏卣沟碾S機(jī)性環(huán)境影響評(píng)估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型克服環(huán)境影響-人口規(guī)模-富裕程度-技術(shù)水平（Impact，Population，Affluence and Technology，IPAT）模型的缺陷，可以根據(jù)研究需要增加自變量來分析相關(guān)因素對(duì)因變量的影響[2]?；赟TIRPAT模型分解碳排放的影響因素，環(huán)境影響采用式（2）進(jìn)行估算。將式（2）兩側(cè)進(jìn)行對(duì)數(shù)化處理，得到式（3）。在式（3）的基礎(chǔ)上進(jìn)行擴(kuò)展，分析財(cái)富因素、經(jīng)濟(jì)結(jié)構(gòu)、技術(shù)因素對(duì)北京市碳排放的影響[3]，得到擴(kuò)展的STIRPAT模型，如式（4）所示。

式中：C為北京市各產(chǎn)業(yè)的碳排放量；2.499為標(biāo)準(zhǔn)煤的碳排放系數(shù)；E為北京市各產(chǎn)業(yè)的能源消耗量；I為環(huán)境影響；P為人口規(guī)模；A為人均財(cái)富；T為區(qū)域總體技術(shù)水平；a、b、c和d為模型參數(shù)項(xiàng)；ε為模型的隨機(jī)誤差項(xiàng)；CP為人均碳排放量；GP為人均GDP；T為人均汽車保有量；S為第三產(chǎn)業(yè)GDP占總量的比重；U為城市化率；Q為能源消費(fèi)強(qiáng)度。

對(duì)數(shù)平均迪氏指數(shù)（Logarithmic Mean Divisia Index，LMDI）分解法具有分解結(jié)果精確度高的優(yōu)點(diǎn)，可以兼顧分解數(shù)量指標(biāo)和強(qiáng)度指標(biāo)兩種體系[4-5]，因此采用LMDI分解法分解能源消費(fèi)強(qiáng)度，如式（5）所示。能源消費(fèi)強(qiáng)度的影響因素分為兩部分，即能源消費(fèi)強(qiáng)度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。采用LMDI分解法，根據(jù)式（6）計(jì)算能源強(qiáng)度效應(yīng)。

式中：G為北京市三大產(chǎn)業(yè)的GDP；Ei為第i產(chǎn)業(yè)的能源消耗量，i取值分別為1、2和3；Gi為第i產(chǎn)業(yè)的GDP；ei為第i產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度效應(yīng)；yi為第i產(chǎn)業(yè)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)；?Q為能源強(qiáng)度效應(yīng)；?Qe為能源消費(fèi)強(qiáng)度效應(yīng)導(dǎo)致的?Q變化量；?Qy為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)導(dǎo)致的?Q變化量。

2 結(jié)果與分析

2.1 北京市碳排放量與影響因素分析

北京市碳排放量從2003年的573.4萬t增長(zhǎng)到2019年的5 041.9萬t，年均增速為48%。經(jīng)分析，2003年開始，北京市經(jīng)濟(jì)進(jìn)入重工業(yè)化時(shí)代，碳排放量迅速增長(zhǎng)。2010年后，北京市碳排放量增速放緩，這與2009年哥本哈根世界氣候大會(huì)的碳減排倡議有關(guān)。經(jīng)分析，北京市碳排放量與人均GDP呈正相關(guān)。北京市汽車保有量逐年上升，但與人均GDP相比，汽車保有量對(duì)碳排放的影響較小。隨著能源消費(fèi)總量的增加，北京市碳排放量呈上升趨勢(shì)，但能源消費(fèi)總量增速逐年減小，趨于平緩。第三產(chǎn)業(yè)GDP占比與碳排放量呈正相關(guān)，相較第三產(chǎn)業(yè)GDP占比，城市化率對(duì)碳排放量的影響較小。因此，以第三產(chǎn)業(yè)GDP占比表征經(jīng)濟(jì)結(jié)構(gòu)，以人均GDP表征財(cái)富因素，確定擴(kuò)展的STIRPAT模型，如式（7）所示。

2.2 基于STIRPAT模型的結(jié)果分析

下面運(yùn)用R語(yǔ)言對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)與白噪聲檢驗(yàn)，判斷序列是否值得分析。經(jīng)序列自相關(guān)分析，顯著拒絕序列為純隨機(jī)序列的原假設(shè)，因此4個(gè)變量ln CP、ln GP、ln S和ln Q構(gòu)成的序列為平穩(wěn)非白噪聲序列。該序列為平穩(wěn)序列，值得分析。如式（8）所示，以ln CP為因變量，以ln GP、ln S和ln Q為自變量，建立STIRPAT模型，對(duì)原序列進(jìn)行回歸分析。嶺回歸分析結(jié)果如表1所示。嶺參數(shù)為0.018，F(xiàn)檢驗(yàn)值為220.687，F(xiàn)檢驗(yàn)的顯著性系數(shù)為0.000，相關(guān)性顯著，拒絕原假設(shè)，表明自變量與因變量存在回歸關(guān)系。同時(shí)，模型的可決系數(shù)為0.981，調(diào)整可決系數(shù)為0.976，擬合效果好。

2.3 基于LMDI分解法的結(jié)果分析

下面對(duì)能源消費(fèi)強(qiáng)度進(jìn)一步分解，得到三大產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。2003—2004年、

2005—2013年和2015—2019年，北京市能源消費(fèi)強(qiáng)度效應(yīng)為負(fù)值，說明能源消費(fèi)強(qiáng)度總體趨于下降，其余年份則處于上升期。第三產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度效應(yīng)均為負(fù)值，說明2003—2019年第三產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度逐年下降。2007—2008年和2016—2017年，北京市產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為正值，其余年份均為負(fù)值，2003—2019年北京市產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)沒有明顯變化。第三產(chǎn)業(yè)絕大部分年份表現(xiàn)為較小的正向效應(yīng)，說明北京市產(chǎn)業(yè)結(jié)構(gòu)正在發(fā)生變化，第三產(chǎn)業(yè)所占比重逐漸上升。

3 結(jié)論

結(jié)合2003—2019年北京市統(tǒng)計(jì)數(shù)據(jù)，采用擴(kuò)展的STIRPAT模型和LMDI分解法，可以分析各因素對(duì)碳排放的影響程度。研究表明，能源消費(fèi)總量、人均GDP、汽車保有量和城市化率等對(duì)人均碳排放有影響，其中人均GDP與碳排放的相關(guān)性最強(qiáng)，因?yàn)榻?jīng)濟(jì)發(fā)展使得GDP增加，間接導(dǎo)致碳排放增加。碳排放與能源消費(fèi)總量存在長(zhǎng)期均衡關(guān)系，能源使用率越高，能耗越多，碳排放越大。為了減少碳排放，有必要限制傳統(tǒng)能源的使用。STIRPAT模型驗(yàn)證結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)強(qiáng)度對(duì)人均碳排放有顯著正向影響，其中產(chǎn)業(yè)結(jié)構(gòu)影響最大。第二產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度和第三產(chǎn)業(yè)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為正值，對(duì)碳減排不利?；趯?shí)證分析，為實(shí)現(xiàn)碳達(dá)峰和碳中和，必須因地制宜，綜合施策，有序推進(jìn)碳減排。一是平衡經(jīng)濟(jì)發(fā)展與碳排放的關(guān)系。要明確碳達(dá)峰碳中和目標(biāo)，正確處理綠色轉(zhuǎn)型與經(jīng)濟(jì)發(fā)展的關(guān)系，調(diào)整碳減排進(jìn)度，平衡GDP增長(zhǎng)速度，實(shí)時(shí)監(jiān)測(cè)碳排放量，調(diào)節(jié)第二產(chǎn)業(yè)能源消費(fèi)強(qiáng)度，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，防止碳排放激增對(duì)社會(huì)造成負(fù)面影響。二是提高能源利用效率，推廣可再生能源，降低能耗。提高能源利用效率可避免資源浪費(fèi)，推廣可再生能源可減少對(duì)化石燃料的依賴，降低空氣污染，改變消費(fèi)模式可直接減少能源需求，降低碳排放。

參考文獻(xiàn)

1 賴清華，柯水發(fā).北京市工業(yè)能源消耗碳排放分析[J].綠色科技，2014（3）：281-284.

2 張 瀟，王 冉，劉世奇，等.基于擴(kuò)展IPAT模型的徐州市碳達(dá)峰情景分析[J].中國(guó)市場(chǎng)，2023（8）：22-24.

3 朱宇恩，李麗芬，賀思思，等.基于IPAT模型和情景分析法的山西省碳排放峰值年預(yù)測(cè)[J].資源科學(xué)，2016（12）：2316-2325.

4 楊慶媛.土地利用變化與碳循環(huán)[J].中國(guó)土地科學(xué)，2010（10）：7-12.

5 周紀(jì)昌.人均GDP、能源強(qiáng)度與碳排放的面板數(shù)據(jù)分析[J].環(huán)境科學(xué)與管理，2013（2）：165-167.