基于STIRPAT模型的廣東省碳排放影響因素研究

摘" 要：科學(xué)分析地區(qū)的碳排放有利于早日達(dá)成碳減排的目標(biāo)。該文基于STIRPAT模型對(duì)廣東省2000—2019年的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行回歸分析得出，地區(qū)生產(chǎn)總值、能源消費(fèi)強(qiáng)度、第二產(chǎn)業(yè)產(chǎn)值、發(fā)明專利授權(quán)量和貨物進(jìn)出口總額對(duì)碳排放均具有正向影響，彈性系數(shù)依次為0.067、0.405、0.195、0.071和0.133。分析結(jié)果表明，這些變量的增大均促進(jìn)了碳排放的增加。因此，廣東省應(yīng)在大力發(fā)展地區(qū)經(jīng)濟(jì)的同時(shí)，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，降低包含落后技術(shù)的第二產(chǎn)業(yè)在經(jīng)濟(jì)總量中的占比，并支持研發(fā)綠色科技和發(fā)展綠色經(jīng)濟(jì)。

關(guān)鍵詞：工業(yè)工程；碳排放；STIRPAT模型；綠色經(jīng)濟(jì)；碳中和

中圖分類號(hào)：X321" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2025）08-0100-05

Abstract： Scientific analysis of regional carbon emissions is conducive to achieving carbon emission reduction goals as soon as possible. Based on the STIRPAT model， this paper conducts a regression analysis of the statistical data of Guangdong Province from 2000 to 2019 and concludes that regional GDP， energy consumption intensity， secondary industry output value， invention patent authorization and total import and export of goods all have positive effects on carbon emissions， with elasticity coefficients of 0.067， 0.405， 0.195， 0.071 and 0.133 respectively. The analysis results show that the increase of these variables promotes the increase of carbon emissions. Therefore， while vigorously developing the regional economy， Guangdong Province should adjust its industrial structure， reduce the proportion of the secondary industry containing backward technology in the total economic volume， and support the research and development of green technology and the development of green economy.

Keywords： industrial engineering; carbon emissions; STIRPAT model; green economy; carbon neutrality

目前，中國(guó)仍然是世界上最大的發(fā)展中國(guó)家，正處于快速發(fā)展的工業(yè)化階段，隨著居民的生活水平不斷提高以及能源需求的不斷增加，我國(guó)所面臨的碳減排壓力也隨之不斷升高。大量的碳排放證明了我國(guó)目前急需尋求新的綠色經(jīng)濟(jì)發(fā)展以及對(duì)能源消費(fèi)結(jié)構(gòu)的不斷調(diào)整。2015年11月召開的巴黎氣候變化大會(huì)上，中國(guó)在“國(guó)家自主貢獻(xiàn)”中提出，到2030年單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降60%～65%，并盡早實(shí)現(xiàn)碳達(dá)峰目標(biāo)，這同時(shí)說明中國(guó)正式開始了碳減排，未來的經(jīng)濟(jì)發(fā)展路線必須是低碳綠色的模式[1]。2020年9月，中國(guó)政府更是在第七十五屆聯(lián)合國(guó)大會(huì)上做出承諾——中國(guó)“二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值”[2]。環(huán)境惡化給人類生存帶來了嚴(yán)峻的威脅和挑戰(zhàn)，中國(guó)為了應(yīng)對(duì)氣候變化，將在實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的同時(shí)，大力推進(jìn)生態(tài)文明建設(shè)，推動(dòng)并實(shí)行綠色環(huán)保低碳發(fā)展，把應(yīng)對(duì)氣候變化和國(guó)家經(jīng)濟(jì)社會(huì)發(fā)展融入到中國(guó)的長(zhǎng)期規(guī)劃之中。

廣東省作為中國(guó)經(jīng)濟(jì)高度發(fā)達(dá)的一個(gè)地區(qū)，成功實(shí)現(xiàn)綠色發(fā)展的目標(biāo)，將會(huì)對(duì)整個(gè)華南地區(qū)，甚至對(duì)全國(guó)都有一定的經(jīng)濟(jì)、社會(huì)、政治的影響。而在以往實(shí)施的碳減排措施似乎并沒有為廣東省的碳減排帶來多大的效益，廣東省面臨的碳減排壓力依舊不小。本文基于STIRPAT模型對(duì)影響廣東省二氧化碳排放量的因素進(jìn)行了分析并討論。為廣東省盡早實(shí)現(xiàn)碳減排提供了可靠依據(jù)。

1" 文獻(xiàn)綜述

STIRPAT是常用碳排放影響因素研究模型，Dietz等提出了STIRPAT，該模型具有的較強(qiáng)彈性和拓展性適用于碳排放影響因素研究[3]；鄧小樂等[4]根據(jù)STIRPAT模型對(duì)西北五省碳排放進(jìn)行研究，結(jié)果得出財(cái)富與技術(shù)較影響峰值；陳志建等[5]利用STIRAT模型分析了人口、人均收入和技術(shù)對(duì)二氧化碳排放的影響；李國(guó)志等[6]同樣運(yùn)用STIRPAT模型得出了相應(yīng)的結(jié)果；王立猛等[7]利用STIRPAT模型，對(duì)中國(guó)大陸30個(gè)省市自治區(qū)的環(huán)境壓力進(jìn)行了評(píng)估，研究結(jié)果發(fā)現(xiàn)人口數(shù)量的增長(zhǎng)對(duì)環(huán)境壓力起到關(guān)鍵作用；郭承龍等[8]基于STIRPAT模型的回歸結(jié)果表明，人口總量的增大和城市化水平的提高促進(jìn)了江蘇省碳排放的增加，第三產(chǎn)業(yè)占總產(chǎn)業(yè)的比重越高，對(duì)碳排放起到抑制作用。上述文獻(xiàn)從不同視角揭示碳排放影響因素，為制定有效碳減排政策提供依據(jù)。廣東省碳排放影響因素的研究成果相對(duì)不足。鑒于此，本文構(gòu)建基于STIRPAT模型的碳排放影響因素模型，將地區(qū)生產(chǎn)總值、能源消費(fèi)強(qiáng)度、第二產(chǎn)業(yè)產(chǎn)值、發(fā)明專利授權(quán)量和貨物進(jìn)出口總額集成在一起共同測(cè)度廣東省碳排放影響因素，為完成廣東省 “雙碳”目標(biāo)奠定實(shí)證性基礎(chǔ)，為綠色發(fā)展戰(zhàn)略提供重要依據(jù)。

2" 研究方法

STIRPAT模型是由IPAT模型發(fā)展而來。1971年著名的I=PF恒等式被Ehlich等[9]提出，衡量環(huán)境影響與人口及人均環(huán)境影響之間的聯(lián)系。隨后，Dietz等[10]在IPAT恒等式基礎(chǔ)上提出STIRPAT模型，STIRPAT模型擴(kuò)大了IPAT模型恒等式的范疇，將IPAT模型重構(gòu)為隨機(jī)模型，建立STIRPAT模型

3" 數(shù)據(jù)來源

所涉及的數(shù)據(jù)均選取自2000—2019年間《廣東統(tǒng)計(jì)年鑒》的數(shù)據(jù)，廣東省碳排放量來自CEADs（中國(guó)碳核算數(shù)據(jù)庫）。

4" 回歸結(jié)果分析

4.1" 數(shù)據(jù)處理

原始數(shù)據(jù)統(tǒng)計(jì)見表1，原始數(shù)據(jù)取對(duì)數(shù)值統(tǒng)計(jì)見表2。

4.2" 結(jié)果分析

對(duì)2000—2019年廣東省常住人口、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)產(chǎn)值、能源消耗強(qiáng)度、貨物進(jìn)出口總額以及發(fā)明專利授權(quán)量等數(shù)據(jù)，以線性STIRPAT方程為模型進(jìn)行線性回歸分析，結(jié)果見表3。從表3看出，方差膨脹因子遠(yuǎn)遠(yuǎn)高于10，這說明自變量之間存在顯著的多重共線性，因此采用此線性回歸擬合出的方程系數(shù)可靠性低，不能根據(jù)回歸擬合的結(jié)果進(jìn)行判斷，必須消除自變量的多重共線性缺陷。

嶺回歸分析是一種經(jīng)過改良的最小二乘估計(jì)方法，它可用于解決在線性回歸分析中自變量存在共線性的問題。嶺回歸是對(duì)最小二乘回歸的一種補(bǔ)充，它通過損失無偏性來換取高的數(shù)值穩(wěn)定性，從而得到較高的計(jì)算精度，故嶺回歸所得剩余標(biāo)準(zhǔn)差比最小二乘法回歸要大，但對(duì)病態(tài)數(shù)據(jù)的耐受性遠(yuǎn)遠(yuǎn)強(qiáng)于最小二乘法。因此，本文選擇嶺回歸方法對(duì)廣東省2000—2019年數(shù)據(jù)進(jìn)行模型擬合并進(jìn)行顯著性檢驗(yàn)。嶺跡圖如圖1所示，結(jié)合嶺跡圖可知當(dāng)K≥0.01時(shí)，各變量趨于穩(wěn)定。

取K=0.01時(shí)，嶺回歸結(jié)果見表4。

從表4中可以看出常住人口的p檢驗(yàn)未通過顯著性水平0.05。因此，將人口規(guī)模（常住人口）排除，其余剩下變量再次進(jìn)行嶺回歸分析，結(jié)果見表5。

由表5可得地區(qū)生產(chǎn)總值、能源強(qiáng)度、第二產(chǎn)業(yè)產(chǎn)值、發(fā)明專利授權(quán)量以及貨物進(jìn)出口總額均通過p顯著性檢驗(yàn)，調(diào)整后R2為0.977，說明擬合度優(yōu)秀，所選自變量可以解釋廣東省97.7%的人均碳排放量，F(xiàn)統(tǒng)計(jì)量為159.462，通過了水平為5%的顯著性檢驗(yàn)，整體擬合程度較好。2000—2019年期間，變量每變化1%個(gè)單位導(dǎo)致碳排放量變動(dòng)的百分比從小到大依次為：地區(qū)生產(chǎn)總值0.067、發(fā)明專利授權(quán)量0.071、貨物進(jìn)出口總額0.133、第二產(chǎn)業(yè)產(chǎn)值0.195以及能源消費(fèi)強(qiáng)度0.405。

5" 結(jié)論與建議

從上述結(jié)果可以得出地區(qū)生產(chǎn)總值、發(fā)明專利授權(quán)量、貨物進(jìn)出口總額、第二產(chǎn)業(yè)產(chǎn)值、能源消費(fèi)強(qiáng)度每變化1%，碳排放量分別變化0.067%、0.071%、0.133%、0.195%和0.405%，能源消費(fèi)強(qiáng)度是影響廣東省碳排放量的最顯著因素，第二產(chǎn)業(yè)產(chǎn)值和貨物進(jìn)出口總額對(duì)碳排放的影響次之，發(fā)明專利授權(quán)量和地區(qū)生產(chǎn)總值對(duì)碳排放的影響最弱，但結(jié)果表明所有影響因素都對(duì)廣東省的碳排放起到促進(jìn)的作用。因此，為早日實(shí)現(xiàn)“雙碳”目標(biāo)，廣東省應(yīng)在大力發(fā)展地區(qū)經(jīng)濟(jì)的同時(shí)，大力支持當(dāng)?shù)赜嘘P(guān)綠色發(fā)展的研究進(jìn)程，著重實(shí)現(xiàn)低碳環(huán)保和經(jīng)濟(jì)發(fā)展并駕齊驅(qū)。此外，提高高科技產(chǎn)業(yè)在國(guó)際貿(mào)易中的比重，盡早降低高耗能的產(chǎn)業(yè)在對(duì)外貿(mào)易當(dāng)中的比重。最后，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，制定相關(guān)合理政策引導(dǎo)地區(qū)低耗能產(chǎn)業(yè)發(fā)展，促進(jìn)高新低耗能產(chǎn)業(yè)迅猛發(fā)展。

參考文獻(xiàn)：

[1] 張希良，黃曉丹，張達(dá)，等.碳中和目標(biāo)下的能源經(jīng)濟(jì)轉(zhuǎn)型路徑與政策研究[J].管理世界，2022，38（1）：35-66.

[2] 習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上的講話[EB/OL].http：//jhsjk.people.cn/article/31871327.

[3] 吉興全，趙國(guó)航，于一瀟，等.基于4E平衡的碳排放因素分解與峰值預(yù)測(cè)方法[J].高電壓技術(shù)，2022，48（7）：2483-2494.

[4] 鄧小樂，孫慧.基于STIRPAT模型的西北五省區(qū)碳排放峰值預(yù)測(cè)研究[J].生態(tài)經(jīng)濟(jì)，2016，32（9）：36-41.

[5] 陳志建，王錚.中國(guó)地方政府碳減排壓力驅(qū)動(dòng)因素的省際差異——基于STIRPAT模型[J].資源科學(xué)，2012，34（4）：718-724.

[6] 李國(guó)志，李宗植.中國(guó)二氧化碳排放的區(qū)域差異和影響因素研究[J].中國(guó)人口·資源與環(huán)境，2010，20（5）：22-28.

[7] 王立猛，何康林.基于STIRPAT模型的環(huán)境壓力空間差異分析——以能源消費(fèi)為例[J]．環(huán)境科學(xué)學(xué)報(bào)2008，28（5）：1032-1037.

[8] 郭承龍，徐蔚藍(lán).基于STIRPAT模型的江蘇省碳排放影響因素研究[J].中國(guó)林業(yè)經(jīng)濟(jì)，2022（1）：89-93.

[9] EHLICH P， HOLDEN J. Impact of population growth[J]. Science，1971，171（3977）：1212-1217.

[10] DIETZ T， ROSE EA. Effects of population and affluence on CO2emissions[J]. Proceedings of the National Academy of Science ofthe United States of America，1997，94（1）：175-179.