我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放影響因素分析

李 安 尹遜之

一、引言

2020年,中國(guó)正式作出“將力爭(zhēng)2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和”的“雙碳”目標(biāo)承諾。2022年5月,農(nóng)業(yè)農(nóng)村部出臺(tái)《農(nóng)業(yè)農(nóng)村減排固碳實(shí)施方案》,為我國(guó)農(nóng)村減排固碳提供了實(shí)施路徑。數(shù)據(jù)顯示,農(nóng)業(yè)農(nóng)村領(lǐng)域溫室氣體排放總量約為17億噸二氧化碳當(dāng)量,占全國(guó)碳排放總量的15%左右(1)人民網(wǎng):《鄉(xiāng)村振興成節(jié)能減碳新陣地》,2022年3月16日,http://finance.people.com.cn/n1/2022/0316/c1004-32376036.html,訪問(wèn)日期: 2022年4月20日。。在我國(guó)實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)的征程中,農(nóng)村地區(qū)節(jié)能減碳空間巨大。因而,結(jié)合鄉(xiāng)村振興戰(zhàn)略的總體部署要求,促進(jìn)鄉(xiāng)村生產(chǎn)生活方式綠色轉(zhuǎn)型,對(duì)于國(guó)家實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)至關(guān)重要。

但由于長(zhǎng)期以來(lái)我國(guó)農(nóng)村能源消費(fèi)占一次能源消費(fèi)總量的比例低于城鎮(zhèn),因而導(dǎo)致農(nóng)村能源問(wèn)題往往被忽視,在解決農(nóng)村碳排放問(wèn)題上仍存在一定不足(2)Zhang L.X.,Wang C.B.,and Bahaj A.S.,“Carbon Emissions by Rural Energy in China,” in Renewable Energy,Vol.66,No.5(2014),pp.641-649.。相比于城鎮(zhèn)地區(qū),農(nóng)村地區(qū)具有獨(dú)特的能源消費(fèi)模式,主要依賴于傳統(tǒng)能源,能源利用效率低,在碳排放方面面臨著巨大挑戰(zhàn)。此外,隨著社會(huì)的進(jìn)步和鄉(xiāng)村振興戰(zhàn)略的不斷推進(jìn),農(nóng)村居民生活水平得到了顯著的提高,碳排放的重點(diǎn)逐漸由生產(chǎn)領(lǐng)域向消費(fèi)領(lǐng)域過(guò)渡,家庭生活消費(fèi)領(lǐng)域產(chǎn)生的碳排放占比持續(xù)增加(3)陳英姿、胡亞琪:《人口老齡化對(duì)家庭碳排放的影響路徑研究》,《人口學(xué)刊》2022年第5期。,成為我國(guó)農(nóng)村能源消費(fèi)碳排放增長(zhǎng)的主導(dǎo)類型和新的增長(zhǎng)點(diǎn)(4)張恒碩、李紹萍、彭民:《中國(guó)農(nóng)村能源消費(fèi)碳排放區(qū)域非均衡性及驅(qū)動(dòng)因素動(dòng)態(tài)識(shí)別》,《中國(guó)農(nóng)村經(jīng)濟(jì)》2022年第1期。。因此,研究我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的影響因素,對(duì)于應(yīng)對(duì)氣候變化和促進(jìn)農(nóng)村地區(qū)綠色低碳高質(zhì)量發(fā)展意義重大。

二、文獻(xiàn)綜述

中國(guó)農(nóng)村地區(qū)的碳排放受到復(fù)雜的社會(huì)經(jīng)濟(jì)和文化因素的影響(5)York R.,Rosa E.A.,and Dietz T.,“Footprints on the Earth: The Environmental Consequences of Modernity,” in American Sociological Review,Vol.68,No.2(2003),pp.279-300.。姚明秀等根據(jù)碳排放預(yù)測(cè)模型系數(shù)研究發(fā)現(xiàn),能源強(qiáng)度、人均GDP增速和人口數(shù)量是降低碳排放總量的關(guān)鍵影響因素(6)姚明秀、王淼薇、雷一東:《基于STIRPAT模型的上海市碳達(dá)峰預(yù)測(cè)研究》,《復(fù)旦學(xué)報(bào)(自然科學(xué)版)》2023年第2期。。很多學(xué)者也對(duì)人口、經(jīng)濟(jì)和能源強(qiáng)度對(duì)碳排放的影響進(jìn)行了深入的研究。

在關(guān)于影響碳排放的諸多因素中,學(xué)者們普遍認(rèn)為人口因素是碳排放和能源足跡的主要驅(qū)動(dòng)因素。渠慎寧和郭朝先采用中國(guó)1980—2008年的數(shù)據(jù)研究發(fā)現(xiàn)人口數(shù)量對(duì)全國(guó)碳排放起到顯著的促進(jìn)作用,并基于人口等變量按增速高低對(duì)中國(guó)碳達(dá)峰值進(jìn)行預(yù)測(cè)(7)渠慎寧、郭朝先:《基于STIRPAT模型的中國(guó)碳排放峰值預(yù)測(cè)研究》,《中國(guó)人口·資源與環(huán)境》2010年第12期。。顏偉等通過(guò)嶺回歸方法分析了山東半島藍(lán)色經(jīng)濟(jì)區(qū)人口數(shù)量和碳排放量的關(guān)系,發(fā)現(xiàn)人口數(shù)量每增加1%,碳排放量將相應(yīng)增加1.748%(8)顏偉、黃亞茹、張曉瑩等:《基于STIRPAT模型的山東半島藍(lán)色經(jīng)濟(jì)區(qū)碳排放預(yù)測(cè)》,《濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版)》2021年第2期。。Fremstad等發(fā)現(xiàn)人口密度與人均碳排放量之間存在負(fù)相關(guān),通過(guò)對(duì)城市和農(nóng)村進(jìn)行對(duì)比分析發(fā)現(xiàn),人口稠密的城市地區(qū)的人均碳排放量比農(nóng)村地區(qū)低約20%,每增加一名家庭成員,人均碳排放量就會(huì)減少約6%(9)Fremstad A.,Underwood A.,and Zahran S.,“The Environmental Impact of Sharing: Household and Urban Economies in CO2 Emissions,” in Ecological Economics,Vol.145(2018),pp.137-147.。

國(guó)內(nèi)外學(xué)者對(duì)經(jīng)濟(jì)發(fā)展如何影響碳排放也進(jìn)行了廣泛的研究。Raupach等指出化石燃料燃燒和工業(yè)發(fā)展過(guò)程中產(chǎn)生的碳排放量在全球范圍內(nèi)加速增長(zhǎng),在快速發(fā)展的經(jīng)濟(jì)體中,碳排放量的增長(zhǎng)率最為強(qiáng)勁,經(jīng)濟(jì)增長(zhǎng)與碳排放之間存在顯著的相關(guān)性(10)Raupach M.R.,Marland G.,and Ciais C.,et al.,“Global and Regional Drivers of Accelerating CO2 Emissions,” in Proceedings of the National Academy of Sciences of the United States of America,Vol.104,No.24(2007),pp.10288-10293.。李在軍等對(duì)長(zhǎng)三角地區(qū)進(jìn)行的灰色關(guān)聯(lián)分析也證實(shí)了這一觀點(diǎn),他們發(fā)現(xiàn)長(zhǎng)三角地區(qū)的經(jīng)濟(jì)增長(zhǎng)與碳排放有著長(zhǎng)期的正向關(guān)系(11)李在軍、尹上崗、姜友雪等:《長(zhǎng)三角經(jīng)濟(jì)增長(zhǎng)與碳排放異速關(guān)系及形成機(jī)制》,《自然資源學(xué)報(bào)》2022年第6期。。Wu等通過(guò)脈沖效應(yīng),發(fā)現(xiàn)當(dāng)受到人均GDP一個(gè)標(biāo)準(zhǔn)差的沖擊影響時(shí),碳排放的增長(zhǎng)率在前兩個(gè)階段增加,然后在下一個(gè)階段緩慢減少(12)Wu R.,Wang J.Y.,and Wang S.J.,et al.,“The Drivers of Declining CO2 Emissions Trends in Developed Nations Using an Extended STIRPAT Model: A Historical and Prospective Analysis,” in Renewable and Sustainable Energy Reviews,Vol.149(2021),p.111328.。此外,肖德和張媛發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)和碳排放之間還存在一個(gè)“經(jīng)濟(jì)增長(zhǎng)→能源消費(fèi)→碳排放”的因果鏈條(13)肖德、張媛:《經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)與二氧化碳排放的互動(dòng)關(guān)系——基于動(dòng)態(tài)面板聯(lián)立方程的估計(jì)》,《經(jīng)濟(jì)問(wèn)題探索》2016年第9期。。隨著經(jīng)濟(jì)增長(zhǎng)越來(lái)越依賴于能源消費(fèi),碳排放問(wèn)題愈發(fā)突出。碳排放效率與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)發(fā)展呈現(xiàn)出“弱者恒弱”的現(xiàn)象(14)田云、林子娟:《中國(guó)省域農(nóng)業(yè)碳排放效率與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)》,《中國(guó)人口·資源與環(huán)境》2022年第4期。。因此,經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整在降低碳排放方面具有巨大的潛力(15)楊嶸、常烜鈺:《西部地區(qū)碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系的脫鉤及驅(qū)動(dòng)因素》,《經(jīng)濟(jì)地理》2012年第12期。,應(yīng)摒棄經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染抉擇中的“逐低競(jìng)爭(zhēng)”模式(16)何文舉、張華峰、陳雄超等:《中國(guó)省域人口密度、產(chǎn)業(yè)集聚與碳排放的實(shí)證研究——基于集聚經(jīng)濟(jì)、擁擠效應(yīng)及空間效應(yīng)的視角》,《南開經(jīng)濟(jì)研究》2019年第2期。。

能源強(qiáng)度作為反映能源利用效率和技術(shù)進(jìn)步的重要指標(biāo),是經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和能源轉(zhuǎn)型成效的直觀體現(xiàn)(17)馮永晟、張婭、劉自敏:《能源價(jià)格、技術(shù)進(jìn)步與能源強(qiáng)度——基于中國(guó)城市數(shù)據(jù)的動(dòng)態(tài)時(shí)空演化》,《城市與環(huán)境研究》2020年第3期。,現(xiàn)有研究證明能源強(qiáng)度與碳排放量具有密切的關(guān)系(18)Schneider U.A.and Smith P.,“Energy Intensities and Greenhouse Gas Emission Mitigation in Global Agriculture,” in Energy Efficiency,Vol.2,No.2(2009),pp.195-206.。高能源強(qiáng)度通常代表對(duì)能源資源的依賴度更高,可能導(dǎo)致更多的碳排放和環(huán)境問(wèn)題(19)Danish U.R.,Ulucak R.,and Khan S.,“Relationship Between Energy Intensity and CO2 Emissions: Does Economic Policy Matter?” in Sustainable Development,Vol.28,No.5(2020),pp.1457-1464.。這意味著能源強(qiáng)度與碳排放存在正相關(guān)關(guān)系,降低能源強(qiáng)度可以有效減少碳排放(20)楊雪、王永平、王靜:《數(shù)字鄉(xiāng)村發(fā)展對(duì)農(nóng)業(yè)碳排放強(qiáng)度的影響效應(yīng)及作用機(jī)制檢驗(yàn)》,《統(tǒng)計(jì)與決策》2023年第11期。。Wang等通過(guò)分析發(fā)現(xiàn),“十一五”期間中國(guó)能源強(qiáng)度降低了20%,潛在能源強(qiáng)度變化成為減少碳排放的重要因素(21)Wang Q.W.,Chiu Y.H.,and Chiu C.R.,“Driving Factors Behind Carbon Dioxide Emissions in China: A Modified Production-Theoretical Decomposition Analysis,” in Energy Economics,Vol.51(2015),pp.252-260.。這些研究強(qiáng)調(diào)了降低能源強(qiáng)度在減少碳排放方面的重要性,然而,值得注意的是,盡管近年來(lái)能源強(qiáng)度已有所降低,但由于人們的消費(fèi)支出增加,居民能源需求總量仍在增長(zhǎng),這導(dǎo)致碳排放量依然持續(xù)上升(22)張馨、牛叔文、趙春升等:《中國(guó)城市化進(jìn)程中的居民家庭能源消費(fèi)及碳排放研究》,《中國(guó)軟科學(xué)》2011年第9期。。此外,由于各地區(qū)能源強(qiáng)度水平存在顯著差異,導(dǎo)致各區(qū)域總體碳排放量的不平等(23)Luo M.X.,Zhao T.,and Zhao L.T.,et al.,“Understanding Regional Inequality in Per Capita CO2 Emissions in China During 1997-2016: Sources and Driving Factors,” in Environmental Science and Pollution Research,Vol.27,No.25(2020),pp.32100-32115.。

通過(guò)對(duì)現(xiàn)有文獻(xiàn)的梳理,我們發(fā)現(xiàn)大量研究聚焦探索人口因素、經(jīng)濟(jì)因素和能源強(qiáng)度因素對(duì)碳排放的影響,并認(rèn)為三者是影響碳排放的主要因素。但對(duì)農(nóng)村地區(qū)碳排放影響因素,特別是對(duì)農(nóng)村居民生活能源消費(fèi)碳排放影響因素的研究較少。近年來(lái),隨著鄉(xiāng)村振興的不斷推進(jìn),以及居民生活能源消費(fèi)碳排放的不斷提高,探究農(nóng)村地區(qū)居民生活能源消費(fèi)碳排放問(wèn)題具有重要的意義。因此,本文立足已有研究,采用STIRPAT模型,量化人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的影響及其貢獻(xiàn)程度。在此基礎(chǔ)上,進(jìn)一步將農(nóng)村地區(qū)劃分為華北、東北、華東、華中、西北和南方六個(gè)區(qū)域進(jìn)行深入分析,從而為制定更為科學(xué)精準(zhǔn)的碳減排政策提供理論依據(jù),推動(dòng)我國(guó)農(nóng)村居民生活能源消費(fèi)領(lǐng)域的綠色低碳轉(zhuǎn)型。

三、研究設(shè)計(jì)

(一)模型構(gòu)建

建立STIRPAT模型作為估算碳排放影響因素的方法,該模型是York等(24)York R.,Rosa E.A.,and Dietz T.,“STIRPAT,IPAT and ImPACT: Analytic Tools for Unpacking the Driving Forces of Environmental Impacts,” in Ecological Economics,Vol.46,No.3(2003),pp.351-365.通過(guò)對(duì)環(huán)境質(zhì)量惡化原因的深入分析,并在IPAT恒等式基礎(chǔ)上開發(fā)的。STIRPAT模型計(jì)算了人口、富裕程度和其他因素(如技術(shù)因素)的生態(tài)彈性,更精確地說(shuō)明了環(huán)境對(duì)其驅(qū)動(dòng)影響因素的敏感性,并量化每個(gè)變量對(duì)環(huán)境影響的貢獻(xiàn)。具體公式如下:

I=aPbAcTde

(1)

其中,I為環(huán)境壓力,通常用能源消費(fèi)量或廢棄物排放量表示;P為人口數(shù)量,通常用人口規(guī)模表示;A為富裕程度,通常用人均國(guó)民生產(chǎn)總值表示;T為技術(shù)進(jìn)步程度,通常用單位GDP的能源消費(fèi)表示。b、c、d分別是P、A、T的指數(shù),e是誤差項(xiàng)。為進(jìn)一步估計(jì)人口、經(jīng)濟(jì)和技術(shù)因素對(duì)碳排放的影響系數(shù),我們對(duì)式(1)中兩端變量同時(shí)取對(duì)數(shù),這樣可以將非線性關(guān)系轉(zhuǎn)換為線性關(guān)系,以減少異常值的影響,并穩(wěn)定方差。據(jù)此調(diào)整后,設(shè)定模型如下:

lnCit=a+b(lnPit)+c(lnGit)+d(lnEIit)+eit

(2)

其中,下標(biāo)i和t分別表示區(qū)域和年份,C為碳排放,P為人口,G為人均GDP,EI為能源強(qiáng)度,eit表示隨機(jī)擾動(dòng)項(xiàng)(服從正態(tài)分布)。取對(duì)數(shù)后,b、c、d為彈性系數(shù),意味著如果P、G和EI的值增加1%,C的值就會(huì)相應(yīng)增加b%、c%和d%。

在此基礎(chǔ)上,我們建立雙向固定效應(yīng)模型,控制了個(gè)體效應(yīng)和時(shí)間效應(yīng)。設(shè)定模型如下:

lnCit=a+b(lnPit)+c(lnGit)+d(lnEIit)+ui+vt+eit

(3)

其中,ui代表不隨時(shí)間而改變的個(gè)體效應(yīng),vt代表不因個(gè)體而改變的時(shí)間效應(yīng)。

(二)指標(biāo)選取

1.農(nóng)村居民生活能源消費(fèi)碳排放:由于缺乏居民生活能源消費(fèi)碳排放量數(shù)據(jù),為此本文根據(jù)化石能源消費(fèi)量匹配相應(yīng)的碳排放系數(shù)進(jìn)行測(cè)算。通過(guò)數(shù)據(jù)收集,最終選定原煤、其他洗煤、型煤、汽油、液化石油氣、天然氣、電力七種主要能源所產(chǎn)生的碳排放量。能源燃燒的碳排放系數(shù)根據(jù)《省級(jí)溫室氣體清單編制指南》推薦的公式進(jìn)行估算,需要說(shuō)明的是,由于1噸碳在氧氣中燃燒后能產(chǎn)生大約44/12噸二氧化碳,因此,二氧化碳排放系數(shù)(下文簡(jiǎn)稱碳排放系數(shù))的具體計(jì)算公式如下:

碳排放系數(shù)=平均低位發(fā)熱量×單位熱值含碳量×碳氧化率×10-6×44/12

(4)

進(jìn)而,碳排放量的測(cè)算公式如下:

E=∑Ei=∑(Ti×δi)

(5)

其中,E是碳排放總量,Ei是各種碳源的碳排放量,Ti是各種碳源的消費(fèi)總量,δi是各種碳源的碳排放系數(shù)。

2.農(nóng)村人口:人口規(guī)模的增長(zhǎng)對(duì)碳排放的影響主要通過(guò)其對(duì)生產(chǎn)和消費(fèi)的作用表現(xiàn)出來(lái),具有一定的規(guī)模效應(yīng)。隨著人口的增長(zhǎng),消費(fèi)型能源需求增加,導(dǎo)致碳排放量增加。所以,有必要研究人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的影響。為此,本文以區(qū)域農(nóng)村年末人口數(shù)量表示STIRPAT模型中的人口指標(biāo)。

3.人均GDP:人均國(guó)內(nèi)生產(chǎn)總值是衡量某一地區(qū)人均經(jīng)濟(jì)產(chǎn)出的重要指標(biāo),大部分研究利用人均GDP檢驗(yàn)經(jīng)濟(jì)因素與社會(huì)經(jīng)濟(jì)結(jié)果之間的關(guān)系(25)Nawaz M.A.,Hussain M.S.,and Kamran H.W.,et al.,“Trilemma Association of Energy Consumption,Carbon Emission,and Economic Growth of BRICS and OECD Regions: Quantile Regression Estimation,” in Environmental Science and Pollution Research,Vol.28,No.13(2021),pp.16014-16028.。農(nóng)林牧漁業(yè)總產(chǎn)值包括農(nóng)林牧漁和農(nóng)林牧漁專業(yè)及輔助性活動(dòng)產(chǎn)值。因此,本文選擇農(nóng)村各個(gè)區(qū)域農(nóng)林牧漁業(yè)總產(chǎn)值衡量農(nóng)村地區(qū)GDP,并用其與年末農(nóng)村地區(qū)人口的比值表示農(nóng)村地區(qū)人均GDP,從而反映STIRPAT模型中的富裕指標(biāo)。

(三)數(shù)據(jù)來(lái)源

本文使用2005—2021年中國(guó)30個(gè)省份(不包含西藏以及香港、澳門和臺(tái)灣)的面板數(shù)據(jù)進(jìn)行分析。其中,農(nóng)村人口和農(nóng)村GDP數(shù)據(jù)均來(lái)源于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。計(jì)算能源強(qiáng)度的折標(biāo)準(zhǔn)煤系數(shù)和能源消費(fèi)來(lái)自《中國(guó)能源統(tǒng)計(jì)年鑒》和國(guó)研網(wǎng)。由于《中國(guó)能源統(tǒng)計(jì)年鑒》沒有公布型煤的折標(biāo)準(zhǔn)煤系數(shù),本文型煤的折標(biāo)準(zhǔn)煤系數(shù)參考貴州省能源局公布的數(shù)據(jù)。原煤、其他洗煤、型煤、汽油、液化石油氣和天然氣的碳排放系數(shù)系作者基于《省級(jí)溫室氣體清單編制指南》和《綜合能耗計(jì)算通則》(GB/T 2589-2020)進(jìn)行計(jì)算整理,據(jù)此測(cè)算碳排放量。電力的碳排放系數(shù)系作者在生態(tài)環(huán)境部發(fā)布的《減排項(xiàng)目中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》中獲取。由于不同地區(qū)電力碳排放系數(shù)在不同年份有所不同,因而本文不列出電力碳排放系數(shù)。具體能源消費(fèi)碳源分類和碳排放系數(shù)見表1。

表1 農(nóng)村居民生活能源消費(fèi)碳源分類和碳排放系數(shù)

本文變量的描述性統(tǒng)計(jì)見表2,從中可以看出,我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的平均值為1459.8670萬(wàn)噸,最大值為6529.0380萬(wàn)噸,最小值為47.0052萬(wàn)噸,最大值和最小值差距較大,表明我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的差距較大,其他變量的統(tǒng)計(jì)結(jié)果在此不作逐一說(shuō)明。

表2 變量的描述性統(tǒng)計(jì)

四、實(shí)證分析

(一)全區(qū)域分析

首先對(duì)公式(3)進(jìn)行估計(jì),以檢驗(yàn) STIRPAT模型中人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的影響,回歸結(jié)果見表3。

表3 雙向固定效應(yīng)回歸分析

從表3可以看出,回歸方程的擬合效果較好。表3列(1)僅加入人口變量,控制了個(gè)體效應(yīng)和時(shí)間效應(yīng),列(2)在列(1)基礎(chǔ)上加入經(jīng)濟(jì)變量,列(3)在列(1)和列(2)基礎(chǔ)上進(jìn)一步加入技術(shù)變量,結(jié)果顯示人口、經(jīng)濟(jì)和技術(shù)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的影響均在1%的水平上顯著為正。其中,經(jīng)濟(jì)因素的代理變量人均GDP對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)最大,人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.9221%;其次為技術(shù)因素的代理變量能源強(qiáng)度,能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.8466%;人口因素的代理變量的貢獻(xiàn)最小,農(nóng)村年末人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.7273%。綜上,人口因素、經(jīng)濟(jì)因素和技術(shù)因素均提高了我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放水平。

整體而言,STIRPAT模型中三種主要驅(qū)動(dòng)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度為:經(jīng)濟(jì)因素最大,技術(shù)因素次之,人口因素最小。其中,經(jīng)濟(jì)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放具有重要的促進(jìn)作用,這與Dietz和Rosa(28)Dietz T.and Rosa E.A.,“Effects of Population and Affluence on CO2 Emissions,” in Proceedings of the National Academy of Sciences of the United States of America,Vol.94,No.1(1997),pp.175-179.的研究結(jié)果基本一致。隨著富裕程度的提高,農(nóng)村家庭往往具有更強(qiáng)的購(gòu)買力,并可能從事更多的能源密集型活動(dòng)。經(jīng)濟(jì)發(fā)達(dá)的農(nóng)村地區(qū)也更有可能擁有更好的基礎(chǔ)設(shè)施,這些基礎(chǔ)設(shè)施的建設(shè)要消耗更多的能源,從而導(dǎo)致碳排放量的增加。能源強(qiáng)度和農(nóng)村居民生活能源消費(fèi)碳排放之間的正相關(guān)關(guān)系突顯了能源效率和能源技術(shù)的重要性。較高的能源強(qiáng)度表明每單位經(jīng)濟(jì)產(chǎn)出的能源消費(fèi)較高,因而對(duì)碳排放產(chǎn)生較強(qiáng)的促進(jìn)作用。人口和農(nóng)村居民生活能源消費(fèi)碳排放之間呈正相關(guān)關(guān)系,是因?yàn)楦嗟娜丝谕ǔ?huì)導(dǎo)致住宅、商業(yè)和交通的能源需求增加,從而導(dǎo)致碳排放增加(29)陳向陽(yáng):《人口、消費(fèi)的規(guī)模與結(jié)構(gòu)對(duì)碳排放的影響:理論機(jī)制與實(shí)證分析》,《環(huán)境經(jīng)濟(jì)研究》2021年第3期。。

(二)分區(qū)域分析

由于不同區(qū)域具有不同的資源稟賦優(yōu)勢(shì),技術(shù)經(jīng)濟(jì)的關(guān)聯(lián)性也具有明顯的區(qū)域經(jīng)濟(jì)特性(30)李士梅、李安:《馬克思平均利潤(rùn)率理論的空間維度擴(kuò)展——中國(guó)區(qū)域協(xié)調(diào)發(fā)展研究的新視角》,《河南師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)》2019年第3期。,所以有必要針對(duì)不同區(qū)域進(jìn)行深入分析。為此,我們按照區(qū)域電網(wǎng)劃分方式進(jìn)行分別測(cè)算,將農(nóng)村地區(qū)具體劃分為華北、東北、華東、華中、西北和南方六個(gè)區(qū)域。根據(jù)區(qū)域劃分,進(jìn)一步利用 STIRPAT模型,實(shí)證檢驗(yàn)六個(gè)區(qū)域中人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的影響,回歸結(jié)果如表4所示。

表4 分區(qū)域的雙向固定效應(yīng)回歸分析

1.華北地區(qū)。技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,經(jīng)濟(jì)因素次之,人口因素最小且并不顯著。其中,能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.6891%;人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.5375%?？梢园l(fā)現(xiàn),華北地區(qū)降低能源強(qiáng)度對(duì)降低碳排放效果更為明顯,其原因一定程度上與華北個(gè)別地區(qū),如河北等地區(qū)農(nóng)村居民生活能源消費(fèi)碳排放較為突出有關(guān)。

2.東北地區(qū)。人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,經(jīng)濟(jì)因素次之,技術(shù)因素最小。其中,人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加2.2940%;人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.9284%;能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.5247%。由此可見,東北地區(qū)人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的影響遠(yuǎn)遠(yuǎn)大于經(jīng)濟(jì)因素和技術(shù)因素。東北地區(qū)農(nóng)村冬季采暖范圍廣、供暖周期長(zhǎng),導(dǎo)致人口因素對(duì)居民生活能源消費(fèi)碳排放的影響最大。為此,改變東北地區(qū)農(nóng)村居民采暖方式可以顯著降低碳排放。

3.華東地區(qū)。人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,經(jīng)濟(jì)因素次之,技術(shù)因素最小。其中,人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加1.5708%;人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加1.4552%,其對(duì)碳排放的貢獻(xiàn)程度略小于人口因素;能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加1.1585%。可以發(fā)現(xiàn),華東地區(qū)人口因素、經(jīng)濟(jì)因素和技術(shù)因素的彈性系數(shù)均大于1。華東地區(qū)經(jīng)濟(jì)發(fā)展程度在全國(guó)遙遙領(lǐng)先,產(chǎn)生了較多的能源消費(fèi)。這也導(dǎo)致華東地區(qū)農(nóng)村雖然冬季無(wú)供暖,但人口因素仍然對(duì)碳排放具有較大的影響。能源強(qiáng)度相對(duì)影響最小的原因,一定程度上與華東地區(qū)清潔能源利用及其效率較高有關(guān)。

4.華中地區(qū)。技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,經(jīng)濟(jì)因素次之,人口因素最小。其中,能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.7046%;人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.6828%;人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.6395%。由此可見,華中地區(qū)技術(shù)因素、經(jīng)濟(jì)因素、人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度大致相同。

5.西北地區(qū)。經(jīng)濟(jì)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,技術(shù)因素次之,人口因素最小。其中,人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.8959%;能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.8754%,其對(duì)碳排放的貢獻(xiàn)程度略小于經(jīng)濟(jì)因素;人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.7207%。西北地區(qū)經(jīng)濟(jì)結(jié)構(gòu)以能源產(chǎn)業(yè)為主,而且工業(yè)生產(chǎn)保持較快增長(zhǎng),因而經(jīng)濟(jì)因素和技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)占主要地位。

6.南方地區(qū)。經(jīng)濟(jì)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,技術(shù)因素次之,人口因素最小且并不顯著。其中,人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加1.1146%;能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加1.0458%。可以發(fā)現(xiàn),南方地區(qū)技術(shù)因素對(duì)碳排放的貢獻(xiàn)程度略小于經(jīng)濟(jì)因素,且經(jīng)濟(jì)因素與技術(shù)因素的彈性系數(shù)均大于1。此外,人口因素影響最小且不顯著的原因,一定程度上與南方地區(qū)冬季供暖需求小有一定的關(guān)系。

綜上可見,華北、東北、華東、華中、西北和南方六個(gè)區(qū)域中,人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度存在差異,但均對(duì)農(nóng)村居民生活能源消費(fèi)碳排放具有正向的促進(jìn)作用。由于各區(qū)域資源稟賦、經(jīng)濟(jì)發(fā)展以及冬季供暖需求存在差異,能源消費(fèi)特征也存在差異,因而導(dǎo)致人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的影響存在差異。

五、研究結(jié)論與政策建議

(一)研究結(jié)論

本文研究結(jié)果表明:從全國(guó)范圍來(lái)看,人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放均具有顯著的促進(jìn)作用。其中,經(jīng)濟(jì)因素的代理變量人均GDP每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加 0.9221%。技術(shù)因素的代理變量能源強(qiáng)度每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.8466%。人口因素的代理變量農(nóng)村年末人口每增加1%,農(nóng)村居民生活能源消費(fèi)碳排放增加0.7273%。上述三方面因素對(duì)我國(guó)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度由大到小依次為:經(jīng)濟(jì)因素、技術(shù)因素、人口因素。

在此基礎(chǔ)上,將農(nóng)村地區(qū)劃分為華北、東北、華東、華中、西北和南方六個(gè)區(qū)域進(jìn)行研究,發(fā)現(xiàn)人口因素、經(jīng)濟(jì)因素和技術(shù)因素對(duì)不同區(qū)域農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度存在差異,但均具有正向的促進(jìn)作用。在華北地區(qū),技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放貢獻(xiàn)程度最大,其次為經(jīng)濟(jì)因素,人口因素最小且并不顯著。東北地區(qū)和華東地區(qū)的回歸結(jié)果基本一致,人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,其次為經(jīng)濟(jì)因素,技術(shù)因素最小。但有所不同的是,東北地區(qū)人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度遠(yuǎn)遠(yuǎn)大于經(jīng)濟(jì)因素和技術(shù)因素,而華東地區(qū)人口因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度略大于經(jīng)濟(jì)因素。在華中地區(qū),雖然技術(shù)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度最大,其次為經(jīng)濟(jì)因素,人口因素最小,但是三者對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度差異不明顯。在西北地區(qū),經(jīng)濟(jì)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度略大于技術(shù)因素,其次為人口因素。在南方地區(qū),經(jīng)濟(jì)因素對(duì)農(nóng)村居民生活能源消費(fèi)碳排放的貢獻(xiàn)程度略大于技術(shù)因素,人口因素最小且并不顯著。

(二)政策建議

基于上述研究結(jié)論,本文提出以下幾點(diǎn)政策建議:第一,改變農(nóng)村地區(qū)高碳排放的經(jīng)濟(jì)增長(zhǎng)方式,轉(zhuǎn)向可持續(xù)的綠色低碳發(fā)展路徑。農(nóng)村地區(qū)需要探索全新的經(jīng)濟(jì)發(fā)展模式,尋找經(jīng)濟(jì)增長(zhǎng)和低碳發(fā)展的平衡關(guān)系。通過(guò)向循環(huán)經(jīng)濟(jì)等更環(huán)保的經(jīng)濟(jì)增長(zhǎng)模式過(guò)渡,既可以促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展,提高農(nóng)民收益,又能最大限度地減少碳排放,助推鄉(xiāng)村振興和美麗鄉(xiāng)村建設(shè)。第二,降低農(nóng)村地區(qū)能源強(qiáng)度,加快農(nóng)村地區(qū)能源轉(zhuǎn)型。一方面,發(fā)揮科技人才支撐作用,注重培養(yǎng)能源專項(xiàng)創(chuàng)新人才,提高創(chuàng)新人才的技術(shù)外溢效應(yīng)(31)李士梅、李安:《中國(guó)高端裝備制造業(yè)創(chuàng)新效率的測(cè)度分析》,《社會(huì)科學(xué)戰(zhàn)線》2018年第6期。。積極引導(dǎo)高校、科研院所進(jìn)行低碳農(nóng)業(yè)生產(chǎn)研究,加快節(jié)能降碳先進(jìn)技術(shù)創(chuàng)新、成果轉(zhuǎn)化和推廣應(yīng)用,以應(yīng)對(duì)農(nóng)村地區(qū)能源挑戰(zhàn)。另一方面,還需發(fā)展農(nóng)村地區(qū)節(jié)能基礎(chǔ)設(shè)施建設(shè),因地制宜推廣農(nóng)村生物質(zhì)能源化綜合利用。第三,推動(dòng)農(nóng)村居民綠色低碳生活方式轉(zhuǎn)型,走集約型發(fā)展道路,應(yīng)對(duì)人口增長(zhǎng)對(duì)碳排放的影響。一方面,保證農(nóng)村居民在低碳生活方式過(guò)程中成為參與者、建設(shè)者和受益者(32)馬紅坤、劉照勝:《擴(kuò)大農(nóng)業(yè)農(nóng)村有效投資:理論框架與實(shí)現(xiàn)路徑》,《山東社會(huì)科學(xué)》2023年第9期。。通過(guò)宣傳引導(dǎo)和教育,將綠色低碳理念融入農(nóng)村居民消費(fèi)以及交通出行等多方面,并將低碳科學(xué)技術(shù)納入農(nóng)村專業(yè)人才隊(duì)伍建設(shè)中,為鄉(xiāng)村振興培養(yǎng)一批具備“低碳頭腦”的新型職業(yè)農(nóng)民。另一方面,優(yōu)化農(nóng)村生產(chǎn)、生活、生態(tài)空間布局,使農(nóng)村建設(shè)更為緊湊,提高交通、居住、管理等方面的運(yùn)行效率和能源利用效率。