基于STIRPAT模型的北京能源壓力區域空間變化分析

李 虹，馮仲科，唐秀美2，3，潘瑜春2，3，劉 玉，郝星耀2，3

（1.北京林業大學林學院，精準林業北京市重點實驗室，北京100083；2.北京農業信息技術研究中心，北京100097；3.國家農業信息化工程技術研究中心，北京100097）

基于STIRPAT模型的北京能源壓力區域空間變化分析

李 虹1，馮仲科1，唐秀美2，3，潘瑜春2，3，劉 玉2，3，?，郝星耀2，3

（1.北京林業大學林學院，精準林業北京市重點實驗室，北京100083；2.北京農業信息技術研究中心，北京100097；3.國家農業信息化工程技術研究中心，北京100097）

綜合考慮地理空間因素，以STIRPAT模型作為基礎，采用能源消費總量作為環境壓力的指標，以人口密度、GDP和第二產業增加值比重分別代表人口、富裕度和技術項，估計人口、富裕度、技術指標的彈性系數。將能源消費的空間差異性納入模型，采用地理加權回歸模型，從市區的尺度估計北京市16個區各驅動力因素彈性變化的差異性，得到北京市區域內部能源消費變化在空間上的變化規律。結果顯示，各驅動力因素在不同區的變化并不均衡，每種驅動力因素的變化也具有一定的空間規律。由此，可針對不同區經濟發展和城市化進程的差異制定個性化的調控措施。

能源消費；驅動因素；STIRPAT模型；地理加權回歸

能源是國民經濟發展和社會進步所不可缺 少的，能源的投入可以帶動經濟的快速增長。在經濟全球化的今天，隨著環境問題的日益突出，以及能源價格的不斷上漲，能源問題已經成為國內外學術界關注的焦點。國外學者對能源消費和經濟增長的關系進行了大量的實證分析［1-2］，這些研究大多從國家層面上分析，很少有針對某一地區的研究，而且不少研究得出了不同的或是完全相反的結論。顯然，經濟增長與能源消費的關系具有地域上的差異性。自改革開放以來，我國經濟迅猛增長，能源需求量激增。據統計，我國的能源消費總量自1978年到2013年年均增長6.5%，2013年的能源消費總量高居世界第一位［3］。黃英君等［4］研究了我國29個省市政府干預下影響能源消費的主要因素，認為經濟增長及第二產業是造成能源消費偏高的主要因素；張玉周［3］基于我國30個省市的人口數據，研究了中國人口年齡結構變動對能源消費的影響，并提出隨著人口年齡結構特征變化優化能源消費結構的建議。可見，人口、經濟、產業結構等人文因素對能源消費的影響巨大。在能源供需矛盾日益加劇的今天，定量分析人文驅動力對能源消費的影響意義重大。選擇STIRPAT模型，以人口、富裕度、技術為自變量，以能源消費總量表征環境壓力，研究北京市各區人口、富裕度、技術對能源消費的影響。由于北京市各區經濟發展差異巨大，能源消費在不同地理空間必然存在著一定的差異，因此，采用地理加權回歸（GWR）的方法研究各區能源消費上的差異。

1 研究方法

1.1 STIRPAT模型

STIRPAT模型的原型是20世紀70年代由美國生態學家Ehrlich和Comnoner提出的IPAT模型。其中，I代表環境壓力（impact），P代表人口（population），A代表富裕度（affluence），T代表技術（technology）［5-6］。經過不斷演變，模型逐漸完善。現在廣泛應用的STIRPAT模型解決了IPAT模型忽略的驅動力之間的相互作用問題，被廣泛應用于環境變化分析中。STIRPAT模型的具體形式為：

式（1）中，a是模型的常數項，b、c、d分別為人口、富裕度和技術的指數，e為模型誤差項。在實際的應用中，STIRPAT模型還可以根據實際情況增加社會或其他控制因素來分析其對環境的影響，但是所增加的變量要與式中的乘法形式具有概念上的一致性。通常，將STIRPAT模型轉化為對數形式：

轉化為對數形式后的系數b、c、d表示驅動力P、A和T每變化1%時所引起的環境影響變化百分比。與式（1）相同，式（2）也可以進行相應的擴展。

1.2 地理加權回歸模型（GWR）

由于區域經濟地理差異巨大，環境壓力的驅動力因素在不同地理空間上也存在著不穩定性，因此，傳統的最小二乘回歸方法（OLS）無法揭示空間上的區域異質性所導致的差異。為此，特采用地理加權回歸模型（GWR）來解決這一問題。由于STIRPAT模型在應用中通常會轉化為對數形式，因此，由STIRPAT模型的對數形式可以將GWR模型表示為：

式（3）中：（ui，vi）是隨著樣本點i變化的空間坐標；β0（ui，vi）和βj（ui，vi）分別代表點i的回歸常數和第j個回歸參數；k為變量的個數；xij為變量在i點的值；εi為誤差項。

權重的確定是地理加權回歸的核心內容，關系到整個模型參數的估計是否正確。常用的權重計算方法為高斯距離函數，即權重隨距離的變化而變化。應用ArcGIS軟件的地理加權回歸模塊，結合中國矢量地形圖確定最終權重。

2 驅動力選擇與數據獲取

2.1 驅動力因子選擇

本研究以能源消費總量作為環境壓力I的衡量指標，分析北京市各區的人文驅動力對環境壓力影響的差異。人口項P選用人口密度表示。在以往研究中，人口項通常采用總人口數量表示，考慮到北京市各區面積和人口均有明顯的差異，使用人口密度更能體現出人口因素對環境壓力的影響。富裕度A以GDP來衡量，該指標可以反映一個地區的富裕程度。技術項T用第二產業增加值比重來表示。產業結構一直被認為是影響能源的重要因素，按我國三次產業結構的劃分，第一產業以農業為主，第二產業以工業和建筑業為主，第三產業以服務業為主。曾有學者對中國三次產業結構變動進行研究，得出了高耗能行業使國家能源消費量增高的結論［7］。第二產業尤其是重工業消耗能源量巨大，因此，本研究選用第二產業增加值比重作為技術項是較為合適的。

2.2 數據獲取

本研究所用的人口密度數據、GDP數據和第二產業增加值比重數據均采自《北京統計年鑒》，計算得來。選用2012—2014年3 a數據的平均值研究北京16個區的能源消費差異，以避免截面數據的偶然性。具體研究數據如表1所示。

表1 北京市各區驅動力指標統計數據Table 1 The driving factors of Beijing

3 結果與分析

地理加權回歸模型可以很好地解釋空間差異性，本研究首先在不考慮地理差異的情況下，對數據進行OLS的估算，之后再用地理加權方法估算各區的系數，以便進行區域間的對比分析。由表2可知，模型擬合度達到76.2%，整體通過顯著性檢驗。人口密度（ln P）、GDP（ln A）、第二產業增加值比重（ln T）3個變量都通過了1%水平的顯著性檢驗。根據OLS的估計結果來看，3個變量均為影響能源消費的重要驅動力因素，并且與能源消費呈正相關關系。3個驅動力因素對能源消費的彈性系數分別為0.607、0.774和1.799。也就是說，人口密度、GDP和第二產業增加值比重每變化1%所引起的能源消費變化分別為0.607%、0.774%和1.799%。總體來看，第二產業增加值比重對能源消費的影響最大，GDP次之，人口密度對能源消費的影響最小。

表2 STIRPAT模型的OLS估計結果Table 2 OLS estimation results of STIRPAT model

進一步采用地理加權回歸模型（GWR）對STIRPAT模型的能源消費壓力進行模擬。選用高斯（Gaussian）距離函數作為權重估計的方法，過程可在Arc GIS中實現，結果如表3所示。

通過對模型的F檢驗和對各驅動力因素的t檢驗，方程整體上通過了1%水平的顯著性檢驗，各變量回歸系數也通過了1%的顯著性檢驗。與OLS的結果對比，由于考慮到了地區的差異，各區對能源消費壓力的彈性系數明顯不一致。

在人口方面，隨著人口密度的變化，能源消費變化量的大小整體上由北京市北部到南部逐漸減小（圖1）。北京市各區的面積差異比較大，距離市中心較近的區面積比較小，人口卻較多，遠郊地區與之剛好相反。北部地區的人口密度較小，人口密度若發生變化，對能源消費的影響程度會比較大。根據表3可知，北京最北部的懷柔區、延慶區，人口密度每增加1%，能源消費總量會增加0.8%以上，是受人口影響最大的區，而最南部的房山區、大興區受人口的影響比較小，人口密度每增加1%，能源消費總量僅增加0.4%左右。人口從多方面影響著能源消費，如人口年齡結構、城鄉結構、就業結構等［8］。地區人口分布不均導致人口密度差異較大，反映了城市人口分布的趨勢，也可以從一定程度上反映城市經濟發展水平的差異。地區人口增長會促進經濟增長從而拉動能源消費的增長。可見，各驅動力指標并不是完全相互獨立的，各驅動力之間也存在著一定的聯系。

在富裕度方面，北京市各區的能源消費總量隨GDP的變化也存在一定的空間規律。整體上看，能源消費總量的變化從東北向西南逐漸減小，與人口密度對能源消費影響的空間變化相似，但略有區別。東北部地區的能源消費受GDP的影響較大，受影響最大的平谷區和密云區（圖2），GDP每增加1%，能源消費總量會增加0.9%以上（表3），受影響最小的為房山區和大興區，GDP每增加1%，能源消費總量僅增加0.5%。GDP與城市化水平密切相關，與北京市中心相比，北京北部的幾個區的城市化程度較低，在城市化發展的過程中，必然會造成能源消費的增加，也會帶動GDP的增長。可以說，能源消費與富裕度之間的影響并非單向的，而是相互作用、雙向影響的。從提高能源消費來說，城市化水平推動了經濟增長，同時使市民有了更高的物質文化追求，帶動能源消費進一步增長。

從技術方面來看，能源消費總量的變化整體上由西北向東南遞減（圖3）。延慶區受第二產業增加值比重的影響最大，第二產業增加值比重每變化1%，能源消費變化超過1.9%。受第二產業增加值比重影響最小的是大興區，第二產業增加值比重每變化1%，能源消費變化剛剛超過1.7%。近些年，北京的第三產業發展迅速，第二產業雖然發展較慢，但以工業、建筑業為主的第二產業依然是能源的主要消耗產業。北京西部地區城市化進程慢，城市建設的過程中會造成大量的能源消耗，而中部和南部地區近些年著眼于城市發展空間調整和功能優化配置，建設先進的高技術產業帶，技術上的進步使能源消耗得到了一定程度的降低。

表3 STIRPAT模型的GWR估計結果Table 3 GWR estimation results of STIRPATmodel

圖1 人口密度對能源消費變化影響的空間差異Fig.1 The spatial difference of energy consumption under the effect of population density

圖2 GDP對能源消費變化影響的空間差異Fig.2 The spatial difference of energy consumption under the effect of GDP

圖3 第二產業增加值比重對能源消費變化影響的空間差異Fig.3 The spatial difference of energy consumption under the effect of secondary industry added proportion

由此可見，在考慮地區空間差異后，各驅動力變化也存在著明顯的空間差異性。由于北京市各區的城市化進程與經濟發展的差異性，導致了各區能源利用和消耗的不同。人口、富裕度與技術對能源消費總量的影響差異在空間上存在一定的變化規律。同時，三者之間也存在著一定的聯系，各驅動力因素對能源消費總量的影響有時也是相互的。

4 結論與討論

本研究對北京市16個區的人口、富裕度和技術對能源消費造成的壓力進行了研究，以STIRPAT模型為基礎，通過OLS回歸分析確定其相關性，并進一步考慮了不同區的空間差異，通過地理加權回歸（GWR）的方法分析了北京市16個區的人口密度、GDP和第二產業增加值比重對能源造成的壓力，得出以下結論：

（1）人口密度、GDP、第二產業增加值比重的變動均對能源消費的壓力產生了正向效應，其相關性大小為第二產業增加值比重＞GDP＞人口密度。因此，可以考慮通過產業結構的優化調整協調能源壓力與經濟發展的關系。如優化第二產業內部結構，發展低耗能高新技術等，減少第二產業耗能增加。

（2）結合地理加權回歸的方法進行分析發現，3個人文驅動因素在北京市不同區的彈性系數有著明顯的差異，其中，人口密度的彈性系數為0.4% ～0.9%，GDP的彈性系數為0.5% ～1.0%，第二產業增加值比重的彈性系數為1.7%～2.0%。可見，北京市各區之間由于人口分布不均以及區域間經濟發展水平差異較大，人口密度和富裕度引起的能源消費的差異也較大，技術引起的能源消費差異相對較小。

（3）本研究所涉及的3種驅動力因素對北京市能源消費影響的空間差異分布規律并不相同。從人口方面來看，隨著人口密度的變化，能源消費變化量整體上由北京市北部到南部逐漸減小。隨人口密度變化最大的地區為最北部的懷柔區和延慶區，受人口密度影響最小的是南部的房山區和大興區。在富裕度方面，能源消費總量的變化從東北向西南逐漸減小。能源消費隨GDP變化最大的是平谷區和密云區，變化最小的是房山區和大興區，從技術方面來看，能源消費總量的變化整體上由西北向東南遞減。延慶區受第二產業增加值比重的影響最大，受影響最小的是大興區。各驅動力因子之間并不完全是相互獨立的，而是相互聯系的。各驅動力因子與能源消費的相互影響也是雙向的。如人口密度的增加會促進地區消費，拉動經濟增長，影響城市化進程，造成能源消費增加；同時，能源消費的增長又帶動經濟發展，影響地區產業結構和人民消費水平。

在考慮了地區空間差異后，本研究發現，各驅動力變化存在著明顯的空間差異性。以往對能源消費與人文驅動力因素關系的研究，研究尺度通常在省一級［8-9］，對市區級別的研究很少，在如北京一類的大型城市中，區之間的影響差異往往被忽視。北京市各區的城市化進程與經濟發展的差異很大，各區能源利用和消耗不平衡，不同驅動力因素在各區對能源消費的影響力亦不同。據此對不同區制定差異化的能源調控政策，同時優化產業空間布局，可以有效提高能源的利用效率。因此，對市區一級以及更加微觀尺度的環境壓力差異的分析有望成為今后研究發展的方向。

（

）：

［1］ ZACHARIADIS T.Exploring the relationship between energy use and economic growth with bivariate models：New evidence from G-7 countries［J］.Energy Economics，2007，29（6）：1233-1253.

［2］ WOLDE-RUFAEL Y.Energy consumption and economic growth：The experience of African countries revisited［J］.Energy Economics，2009，31（2）：217-224.

［3］ 張玉周.中國人口年齡結構變動對能源消費的影響研究——基于省際動態面板數據的GMM分析［J］.中國人口·資源與環境，2015，25（11）：69-74.

ZHANG Y Z.Research on the effects of changes in the age structure of China's population to energy consumption：based on the provincial dynamic panel data by GMM［J］.China Population Resources and Environment，2015，25（11）：69-74.（in Chinese with English abstract）

［4］ 黃英君，蒲月成，朱孝平.政府干預下影響中國能源消費的因素研究——基于省域面板數據的實證分析［J］.創新，2015，59（9）：65-71.

HUANG Y J，PU Y C，ZHU X P.China's energy consumption research in the government intervention：Based on the empirical analysis of provincial panel data［J］.Innovation，2015，59（9）：65-71.（in Chinese）

［5］ COMMONER B.The closing circle：Nature，man and technology［M］.New York：Bantam Books Inc.，1971.

［6］ EHRLICH P，HOLDREN J.Impact of population growth in population，resources and the environment［M］.Washington DC：US Government Printing Office，1972.

［7］ 東方社奇，楊瑞霞.中國產業結構變動與能源消費關系研究［J］.統計與信息論壇，2012，27（2）：30-35.

DONGFANG SQ，YANG R X.Analysis on the relationship between change of Chinese industrial structure and consumption of energy［J］.Statisstics&Information Forum，2012，27（2）：30-35.（in Chinese with English abstract）

［8］ 王立猛，何康林.基于STIRPAT模型的環境壓力空間差異分析——以能源消費為例［J］.環境科學學報，2008，28（5）：1032-1037.

WANG LM，HE K L.Analysis of spatial variations in environmental impact based on the STIRPAT model——A case study of energy consumption［J］.Acta Scientiae Circumstantiae，2008，28（5）：1032-1037.（in Chinese with English abstract）

［9］ 張慧敏，魏強，佟連軍.吉林省產業發展與能源消費實證研究［J］.地理學報，2013，68（12）：1678-1688.

ZHANG H M，WEIQ，TONG L J.The empirical analysis of industrial development and energy consumption in Jilin Province［J］.Acta Geographica Sinica，2013，68（12）：1678-1688.（in Chinese with English abstract）

（責任編輯 高 峻）

Regional variation analysis of energy pressures of Beijing based on STIRPAT model

LIHong1，FENG Zhong-ke1，TANG Xiu-mei2，3，PAN Yu-chun2，3，LIU Yu2，3，?，HAO Xing-yao2，3
（1.College of Forestry，Beijing Forestry University，Precision Forestry Key Laboratory of Beijing，Beijing 100083，China；2.Beijing Research Center for Information Technology in Agriculture，Beijing 100097，China；3.National Engineering Research Center for Information Technology in Agriculture，Beijing 100097，China）

Considering spatial factors，the present study took geographical space effects into STIRPAT model to reveal the stochastic impacts by regression on P（population），A（affluence）and T（technology）.Total energy consumption was used as indicators of environmental pressure，and population density，GDP and the proportion of secondary industry were adopted to represent population，affluence and technology，respectively.Geographical weighted regression（GWR）model was applied to estimate the elasticity of driving factors in 16 districts of Beijing.It was shown that the change of driving factors was not balanced in different districts.But，the changes in every district exhibited certain rule.Therefore，it is possible to formulate characterized regulation and control policies of energy production for different districts.

energy consumption；driving factors；STIRPATmodel；geographically weighted regression

F424.1

A

1004-1524（2016）09-1603-06

10.3969/j.issn.1004-1524.2016.09.21

2016-04-20

國家自然科學基金資助項目（41301093）；北京林業大學青年教師科學研究中長期項目（2015ZCQ-LX-01）

李虹（1985—），女，黑龍江哈爾濱人，博士研究生，從事地理信息與遙感技術研究。E-mail：fairyleeh@163.com

?通信作者，劉玉，E-mail：liuyu@nercita.org.cn

浙江農業學報Acta Agriculturae Zhejiangensis，2016，28（9）：1603-1608 http://www.zjnyxb.cn李虹，馮仲科，唐秀美，等.基于STIRPAT模型的北京能源壓力區域空間變化分析［J］.浙江農業學報，2016，28（9）：1603-1608.