安徽省生態足跡的影響因素分析及趨勢預測
——基于PLS-STIRPAT模型

黃永強，張 俊，任志安，陳 琳

安徽財經大學經濟學院，安徽蚌埠，233000

安徽省生態足跡的影響因素分析及趨勢預測
——基于PLS-STIRPAT模型

黃永強，張 俊，任志安，陳 琳

安徽財經大學經濟學院，安徽蚌埠，233000

基于能值生態足跡模型，計算并分析了安徽省1990-2014年生態足跡變化，采用灰色GM(1，1)模型預測了安徽省十三五期間的生態足跡，利用STIRPAT模型和偏最小二乘法對生態足跡影響因素進行了實證分析。結果表明，安徽省的人均生態足跡逐年增加，人均生態承載力沒有明顯變化，生態赤字日益嚴重；預測2020年安徽省人均生態足跡將達到9.8382hm2/人，能源賬戶足跡所占比重將達到68.77%；人口規模、農村人均純收入、城鎮居民人均可支配收入、城鎮化水平、第二產業GDP占比以及第三產業GDP對生態足跡具有正向的促進作用，能源消耗強度具有反向的抑制作用；能源消耗強度、農村和城鎮人均收入以及城鎮化水平是安徽省生態足跡重要的影響因素。

生態足跡；STIRPAT模型，偏最小二乘法；GM(1，1)模型

生態足跡理論是由加拿大經濟學家Rees[1]提出，并由其博士生Wackemagel[2]完善的一種衡量人類對自然資源利用程度以及自然界為人類提供服務的量化分析方法[3]。隨著徐中民等人[4]將生態足跡理論引入國內后，生態足跡逐漸成為國內學者衡量生態環境狀況的重要指標。目前，運用生態足跡理論開展的研究主要分為兩類：一類主要為生態足跡的計算與改進。國內學者對生態足跡的理論模型和計算方法進行了大量的實證研究[5]，拓展了生態足跡理論在不同層面[6]、不同行業上[7]的應用范圍并對生態足跡模型進行了一系列改進[8]。另一類主要為生態足跡的影響因素和內在機制研究[9]。國內學者主要以相關性分析[10]以及STIRPAT模型[11]分析為主，前者側重于研究單個或多個影響因素，但缺乏對影響因素的整體認識以及各類影響因素重要程度的比較；后者雖然將各類影響因素納入模型中，但由于各類影響因素間往往存在多重共線性，模型擬合效果不夠理想。目前，國內學者為解決此問題，采取較為普遍的做法是主成分分析法[12]以及嶺回歸法[13]。主成分分析法在提取自變量主成分時，完全撇開了自變量，所提取的主成分雖然能很好地解釋自變量系統中的信息，但是對因變量卻缺乏解釋能力，而嶺回歸在嶺參數估計上也存在問題[14]。偏最小二乘(PLS)法作為一種新型的多元統計數據分析方法，將多元回歸分析、主成分分析、典型相關分析結合起來，不僅有效解決了多元回歸中變量多重共線性和樣本容量較少、自由度較低等實際問題[15]，且相比于其他兩種方法，數據的擬合效果更加理想。

本文基于能值生態足跡模型計算、分析安徽省1990-2014年生態足跡，采用STIRPAT模型和PLS回歸實證分析了安徽省生態足跡的各類影響因素，并運用灰色預測GM(1，1)模型對安徽省十三五規劃期間(2016-2020年)生態足跡進行預測，結合研究結果為安徽省降低生態足跡，改善生態環境，達到十三五規劃的生態要求，實現可持續發展和綠色城鎮化建設提出一定幾點建議。

1 研究方法和數據來源

1.1STIRPAT模型

STIRPAT模型的基礎理論來源于美國生態學家Ehrlich和Commonerder提出的IPAT模型[16]：

I=P×A×T

式中，I代表環境影響，P代表人口大小，A代表富裕程度，T代表技術水平。STIRPAT模型[17]則在此基礎上作了改進，提出了一種包含隨機影響的模型：

I=a×pb×Ac×Td×e

(1)

其中，a為模型常數項，b、c、d分別為P、A、T的指數項，e為誤差項。結合安徽省的發展情況，本文在實際應用中對該模型作了一些改進[18]：I用計算的總生態足跡結果來表示，人口大小仍舊采用總人口(P)來表示，富裕程度則將學者普遍采用的人均GDP指標細化為農村人均純收入(A1)和城鎮人均可支配收入(A2)，技術水平上分解為第二產業GDP占比(T1)、第三產業GDP占比(T2)、城鎮化水平(T3)和能源消耗強度(T4)。為了方便，將模型轉化為對數形式，最終構建模型如下：

lnE=a+blnP+c1lnA1+c2(lnA1)2

+c3lnA2+c4(lnA2)2+d1lnT1

+d2lnT2+d3lnT3+d4lnT4+e

(2)

式中，對富裕度指標加入二次項(lnA1)2和(lnA2)2，用來檢驗安徽省是否存在環境與經濟增長的倒“U”型關系，a為模型(1)的常數項的對數；b、c1、c2、c3、c4、d1、d2、d3、d4均為模型系數；e為隨機誤差項。

1.2 PLS方法

式中，Ph為因變量的預測誤差平方和，Sh代表因變量的誤差平方和，h為成分數。同時，為了更好地測度各個自變量Xj對PLS模型因變量的重要程度，定義了變量投影重要性指標V(Variable Importance in Projection，簡記為VIP)的概念。V反映了每個自變量在解釋因變量變化的重要性程度。V大于1、在0.8～1之間以及小于0.8分別表示因變量變化的重要、不確定、不重要因素，公式如下：

1.3 數據來源與處理

安徽省1990-2014年生態足跡的計算數據以及模型(2)中各變量所涉及的數據均來源于歷年《安徽省統計年鑒》《中國統計年鑒》《中國能源統計年鑒》。其中城鎮化水平以常用的人口城鎮化指標表示，即常住人口城鎮化率來衡量城市化水平(%)。為了消除價格因素的影響，農村人均純收入、城鎮居民人均可支配收入均以1990年的價格為基期(指數=100)進行折算。

2 結果與分析

2.1 安徽省生態足跡動態變化分析

本文生態足跡的計算是基于改進的能值生態足跡理論，關于能值生態足跡理論的參考文獻[19-20]已有許多，在此不再贅述。其計算公式為：

其中，EF為人均生態足跡(hm2)；i為資源項目的類型，i=1,2,…,n；Xi為第i種資源的消費量(產量)(kg)；Ri為第i種資源的能量折算系數(J/kg)；Ti為第i種資源的能值轉化率(sej/J)；P為區域能值密度(sej/hm2)；N為總人口數。本文分別創建了生物資源賬戶和能源賬戶。生物資源賬戶包括耕地(稻谷、小麥、玉米、豆類、薯類、油料、棉花、麻類、煙葉、茶葉、糖料、蔬菜、豬肉、禽蛋)、林地(木材、水果)、牧草地(牛肉、羊肉、奶類)、水域(淡水產品)。能源消費賬戶主要消費品為化石能源用地(煤炭、原油、汽油、柴油)、建筑用地(電力)。

人均生態承載力反映了該區域所能提供的滿足單位人口消費和排放廢物的生態面積，計算公式為

式中，EC為人均生態承載力(hm2/人)，EI表示區域可更新資源總能值(sej)，P為區域能值密度(sej/hm2)，N為人口數。一般計算時，扣除12%的面積作為保護生物多樣性的面積。受篇幅限制，此處僅列出部分年份的人均生態足跡數據，見表1。

表1顯示，安徽省人均生態足跡逐年增加，人均生態承載力基本不變。1990年安徽省人均生態足跡為2.0280 hm2/人，人均生態承載力為0.2200 hm2/人，人均生態赤字為1.808 hm2/人；2014年人均生態足跡已增長至7.0713 hm2/人，增幅為248.68%，人均生態承載力為0.2209 hm2/人，人均生態赤字已擴大至6.8504 hm2/人，不斷擴大的生態赤字說明安徽省當前的發展現狀是不可持續的。其中，生態足跡用地中增長最為明顯的為能源賬戶的兩類用地，2014年能源賬戶對總生態足跡的貢獻率已經達到57.78%，反映出安徽省經濟的迅速發展以及城鎮化的快速推進依賴于煤炭等能源的大量消耗，導致能源生態足跡不斷增加，嚴重破壞了生態環境。生物資源賬戶的四類用地中，相比于耕地，林地、牧草地以及水域對生態足跡的增加貢獻并不顯著；由于安徽省快速工業化推動，第二產業占比迅速上升并成為主導產業，耕地生態足跡的增長速度也在逐步放緩，1990年耕地占生物賬戶生態足跡的比重為84.96%，占總生態足跡的比重為52.41%，2014年耕地的生態足跡約占生物賬戶77.80%，而占總生態足跡的比重下降為32.85%。

表1 1990-2014主要年份各類用地人均生態足跡 單位hm2/人

圖1顯示，安徽省1990-2014年生態足跡的增長可分為三個階段：1995年以前，年均增長率為2.71%；1995-2006年，年均增長率4.82%；2007年開始，年均增長率上升為6.04%。顯然，安徽省人均生態足跡的增長速度在不斷增加，生態環境不僅沒有隨著經濟的發展而好轉，反而日益惡化。

圖1 安徽省生態足跡的動態變化

為了衡量安徽省經濟活動對生態資源的利用效率，采用人均生態足跡與人均萬元GDP的比值，即萬元GDP生態足跡，反映GDP每增加萬元導致生態足跡的增加量，發現萬元GDP生態足跡在逐年下降，由最初1990年17.7028hm2/萬元下降至2014年2.080hm2/萬元，且對應于人均生態足跡變化的三個階段。萬元GDP生態足跡的下降速度也在不斷放緩，說明1990年以來，安徽省在經濟發展過程中，資源利用效率不斷提高，一定程度上延緩了生態足跡的增長速度。可見，轉變經濟發展方式，優化產業結構是實現發展可持續的重要戰略。然而，2010年以后，萬元GDP的生態足跡下降遭遇瓶頸，而生態足跡增長速度卻在增加，安徽省正面臨著巨大環境壓力。在該背景下，為了緩解安徽省經濟發展與生態環境的矛盾，有必要深入分析安徽省生態足跡的各類影響因素，強化有利因素，抑制不利因素，從而推進安徽省綠色城鎮化進程，實現經濟發展可持續性。

2.2 生態足跡變化的影響因素分析2.2.1 普通最小二乘法分析

首先使用OLS回歸對構建的STIRPAT模型進行預評估，結果顯示(表2)，回歸模型的擬合優度為0.996，通過了0.01顯著性水平下的F檢驗，擬合度較好，然而多項自變量沒有通過0.05顯著性水平的t檢驗，且各變量方差膨脹因子(VIF)遠大于10，多重共線性嚴重，因此普通最小二乘法并不適用。

表2 OLS回歸結果

2.2.2PLS方法分析

為了消除多重共線性，由于主成分法、嶺回歸法的不足，本文采用PLS方法對STIRPAT模型進行回歸。當提取自變量成分數為1時，R2為0.9767；當提取的主成分數為2時，累計交叉有效性為0.9770，R2為0.9814，此時交叉有效性為0.0891，已低于交叉有效性的臨界值0.0975。結合考慮Ph最小原則、方程擬合情況以及主成分為2時的T2橢圓圖(圖2)，所有樣本點全部分布在橢圓內，沒有奇異點，說明模型樣本取值合理，模型穩定。故本文選取的最優成分數為2。

圖2 T2橢圓圖

據此，得到生態足跡影響因素的STIRPAT模型為：

lnE=1.7958lnP+0.0718lnA1+0.0046(lnA1)2

+0.0696lnA2+0.0039(lnA2)2+0.1358lnT1

+0.3570lnT2+0.1682lnT3-0.1100lnT4

-16.9396+e

(3)

由(3)式可得模型的擬合結果顯著，各項指標系數均合理，符合經濟含義。(lnA1)2與(lnA2)2的回歸系數為正，表明安徽省經濟發展與環境保護之間不呈倒“U”關系，即安徽省目前還沒有實現經濟與環境的協同發展，環境好轉的拐點還未出現。經濟的不斷增長，不僅不會帶來環境的好轉，反而會導致環境的不斷惡化。因此，安徽省在追求經濟快速增長的同時還應兼顧對生態環境的影響。

具體來看，觀察模型各變量彈性系數，大部分變量的彈性系數為正。可以發現，人口規模、農村人均純收入、城鎮居民可支配收入、第二產業GDP占比、第三產業GDP占比、城鎮化水平對lnE具有正向影響，能源消耗強度lnT4作為模型中唯一一個負值，反映出提高能源效率可以有效解決能源問題。此外，農村居民人均純收入lnA1與城鎮居民人均可支配收入lnA2的彈性系數分別為0.0718和0.0696，差別不明顯，說明安徽省農村和城鎮在對生態足跡的影響上無顯著區別。由于未標準化的回歸系數大小并不能反映自變量對因變量的影響大小[21]，因此需要采用成分為2的V值來進一步分析個因變量對生態足跡影響的重要性。

表3 V值

由表3可以看出，lnT4、lnA1、lnA2和lnT3的V值均大于1，表明能源消耗強度、城鄉人均收入、城鎮化水平是安徽省生態足跡變化的重要影響因素。能源消耗強度作為生態足跡最重要的影響因素，其每增加1%將會使生態足跡下降0.11%，因此，鼓勵技術創新，提高能源利用效率，可以有效抑制生態足跡的增長。經濟增長作為另外一個影響生態足跡的重要因素，農村人均純收入與城鎮居民可支配收入每變動1%，分別增加0.0718%和0.0696%的生態足跡。安徽省相比于東部發達省份，工業化具有更大發展空間，在加快工業化進程的同時，生態環境也面臨巨大挑戰，實現綠色經濟增長是安徽省面臨的一個巨大難題。城鎮化水平同樣也是影響生態足跡的重要因素。城鎮化水平每提高1%，將引起生足跡增加0.1682%。2015年，安徽省城鎮化率突破50%，城鎮化水平的不斷提高，加大了人口的集聚，極大地促進了能源消費和基礎設施等資源的利用，將會顯著地影響生態環境。因此，粗放外延式的城鎮化道路對安徽省的可持續發展是不利的，實現綠色城鎮化的平穩推進，將極大改善安徽省發展過程中對生態環境造成的負面影響。

2.3 灰色GM(1，1)預測

灰色預測模型作為一種長期預測模型，通過灰色關聯分析來判斷各種系統因素之間發展趨勢的相異程度，并對原始數據進行一系列處理來生成具有明顯規律性的數據序列，最終建立相應的微分方程模型來做出預測[22]。由于該模型具有所需原始數據量小，預測精度高，運算簡便等優點，廣泛應用于經濟、環境、農業等領域。考慮生態足跡的數據特點以及樣本總量，本文運用灰色GM(1，1)模型進行預測，結果如表4所示。

表4 安徽省2016-2020年人均生態足跡預測結果

總生態足跡和人均能源生態足跡預測模型的后驗差檢驗(P，C)分別為(1，0.0960)、(1，0.0667)，說明所建立的預測模型預測精度好，因此預測結果具有一定的參考價值。由表4可知，安徽省2016-2020年生態足跡仍在不斷增長，2020年總人均生態足跡將增長至8.0518hm2/人，年均增長率為5.14%。此外，人均能源生態足跡年均增長率為8.66%，在2020年將達到6.7662hm2/人，占總人均生態足跡的比重上升至68.77%，年均增長率為8.66%。根據預測結果，安徽省將面臨巨大的節能減排壓力，要想順利達到十三五規劃的生態要求，必須作出相應的政策調整。

3 結論與建議

3.1 結 論

本文利用能值生態足跡模型對安徽省1990-2014年的生態足跡進行了測算，結果表明，安徽省的生態足跡逐年增加，人均生態承載力沒有明顯變化，生態赤字日趨嚴重，萬元GDP生態足跡雖然在不斷下降，但是生態足跡的增長速度仍在上升。2014年，安徽省的能源賬戶生態足跡已經占到總生態足跡的60%，結合GM(1，1)模型的預算結果發現該比例仍在進一步增加，預計2020年將達到人均能源生態足跡為6.7662hm2/人，占總人均生態足跡的比重上升至68.77%。因此，安徽省十三五規劃期間節能減排的任務十分艱巨

結合STIRPAT模型并利用PLS方法修正，定量分析發現，安徽省目前不存在環境與經濟增長的倒“U”型假設；人口規模、農村人均純收入、城鎮居民人均可支配收入、城鎮化水平、第二產業GDP占比以及第三產業GDP對生態足跡具有正向的驅動作用，能源消耗強度對生態足跡具有反方向的抑制作用；從V值來看，能源消耗強度、城鄉人均收入以及城鎮化水平是安徽省生態足跡重要的影響因素。

3.2 建 議

根據以上結論，為促進安徽省可持續發展和城鎮化健康推進，保證十三五規劃目標的順利實現，本文建議：一是要重點解決能源問題。一方面制定合理的節能減排政策，發展低碳經濟；另一方面優化產業結構，不僅要優化三大產業結構，還要優化各類產業內部結構，鼓勵創新，加大新能源技術的研發力度，積極開發新的可再生能源。二是繼續提高民眾的環保意識。消費仍是影響生態環境的重要因素，鼓勵民眾低碳消費，綠色出行，愛護環境、節能減排。三是政府要統籌協調好城鎮化、經濟增長和生態環境的關系，不能盲目追求快速城鎮化，一味追求經濟增長，要通過有效的政策，優化人口結構，控制城鎮化速度，實現土地集約利用、資源有效利用、環境友好發展的綠色經濟增長和綠色城鎮化。

[1]ReesWE.Ecologicalfootprintsandappropriatedcarryingcapacity:whaturbaneconomicsleavesout[J].EnvironmentandUrbanization,1992,4(2):121-130

[2]WackernagelM，OnistoL，BelloP，etal．Nationalnaturalcapitalaccountingwiththeecologicalfootprintconcept[J]．EcologicalEconomics，1999，29(3)：375-390

[3]譚偉文，文禮章，仝寶生，等.生態足跡理論綜述與應用展望[J].生態經濟，2012(6)：173-181

[4]徐中民，張志強，程國棟.甘肅省1998年生態足跡計算與分析[J].地理學報,2000，55(5):607-616

[5]熊德國,鮮學福,姜永東.生態足跡理論在區域可持續發展評價中的應用及改進[J].地理科學進展,2003,22(6):618-626

[6]趙云龍,唐海萍,李新宇,等.河北省懷來縣可持續發展狀況的生態足跡分析[J].自然資源學報,2004,19(1)：128-135

[7]李兵，張建強，權進民.企業生態足跡和生態效率研究[J].環境工程，2007(6)：85-88

[8]向書堅，柴士改.生態足跡若干不足、修正與完善以及應用拓展[J]．資源科學，2013，35(5):1051-1058

[9]黃寶榮，崔書紅，李穎明.中國2000-2014年生態足跡變化特征及影響因素[J].環境科學，2016，37(2)：420-426

[10]李惠梅，張安錄.我國經濟增長和城市化對生態足跡影響的計量分析[J].中國人口·資源與環境，2011，21：381-383

[11]王立群,李冰,郭軻.北京市生態足跡變化及其社會經濟驅動因子分析[J].城市問題,2014(7):2-8

[12]任毅，李宇，鄭吉.基于改進STIRPAT模型的定西市生態足跡影響因素研究[J].生態經濟，2016，32(1)：88-93

[13]黃蕊,王錚,丁冠群,等.基于STIRPAT模型的江蘇省能源消費碳排放影響因素分析及趨勢預測[J].地理研究.2016，35(4):781-789

[14]李健，王錚，樸勝任.大型工業城市碳排放影響因素分析及趨勢預測：基于PLS-STIRPAT模型的實證研究[J].科技管理研究，2016(7)：229-234

[15]王惠文．偏最小二乘回歸方法及其應用[M]．北京:國防工業出版社，1999：1-265

[16]WaggonerPE,AusubelJH.Aframeworkforsustainabilityscience:ArenovatedIPATidentity[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2002,99(12):7860-7865

[17]YorkR，RosaEA，DietzT．STIRPAT，IPATandImpact:analytictoolsforunpackingthedrivingforcesofenvironmentalimpacts[J].EcologicalEconomics，2003，46(3):351-365

[18]陳操操，劉春蘭，汪浩，等.北京市能源消費碳足跡影響因素分析：基于STIRPAT模型和偏小二成模型[J].中國環境科學，2014，34(6)：1622-1632

[19]張芳怡，濮勵杰，張建.基于能值分析理論的生態足跡模型及其應用：以江蘇省為例[J].自然資源學報，2006，21(4)：653-660

[20]劉淼，胡遠滿，常禹，等.基于能值理論的生態足跡方法改進[J].自然資源學報，2008，23(3)：447-457

[21]肖思思,黃賢金，吳春篤.江蘇省生態足跡時間維度變化及其驅動因素分析：基于PLS方法對STIRPAT模型的修正[J].地理與地理信息科學，2012，28(3)：76-82

[22]吳振信，石佳.基于STIRPAT和GM(1，1)模型的北京能源碳排放影響因素分析及趨勢預測[J].中國管理科學，2012，20(11)：804-809

(責任編輯：汪材印)

10.3969/j.issn.1673-2006.2016.08.030

2016-03-19

國家社會科學規劃基金一般項目(11BJL039)；安徽自然科學基金項目(1608085MG159)；安徽財經大學研究生創新基金項目(ACYC2015075)

黃永強(1993-)，安徽馬鞍山人，在讀碩士研究生，主要研究方向：宏觀經濟理論與政策。

F

A

1673-2006(2016)08-0108-06