北京市碳排放的影響因素分析

收稿日期：2024-03-06

基金項目：山西省2021年社會經濟統計科研立項課題“數字經濟助推黃河流域山西段鄉村旅游高質量發展研究”（KY〔2021〕184）。

作者簡介：張云秀（1995—），女，山西原平人，碩士，助教。研究方向：統計學。

摘要：“十四五”時期是中國實現碳達峰的關鍵時期，也是推動經濟高質量發展和生態環境質量持續改善的重要階段。可拓展的隨機性環境影響評估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型可以根據研究需要增加自變量，更好地分析相關因素對因變量的影響。以北京市為研究區，通過構建擴展的STIRPAT模型，分析人均地區生產總值（Gross Domestic Product，GDP）、人均汽車保有量、城市化率、第三產業GDP占比、能源消費強度與人均碳排放量的關系，并采用對數平均迪氏指數（Logarithmic Mean Divisia Index，LMDI）分解法分解能源消費強度。結果表明，產業結構和能源消費強度對人均碳排放量均有顯著的正向影響。總體來看，要平衡經濟發展與碳排放的關系，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。

關鍵詞：碳排放；影響因素；可拓展的隨機性環境影響評估（STIRPAT）模型；對數平均迪氏指數（LMDI）分解法；北京市

中圖分類號：X322 文獻標識碼：A 文章編號：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家的廣泛關注，有序推進碳達峰碳中和已成為全球共識。為如期實現碳達峰，2022年10月，北京市人民政府印發《北京市碳達峰實施方案》。科學分析北京市碳排放水平，識別碳排放的影響因素，有助于在保證經濟發展質量的同時削減碳排放量，實現經濟綠色轉型。

1 數據來源與研究方法

1.1 數據來源

2003—2019年北京市的能源消費總量、常住人口、汽車保有量、城市化率、地區生產總值（Gross Domestic Product，GDP）、三大產業能源消費量等數據來源于國家統計局官網和北京市統計局歷年發布的《北京統計年鑒》，碳排放數據來自中國碳核算數據庫。

1.2 研究方法

根據北京市各產業的能源消耗量和標準煤的碳排放系數，采用式（1）測算北京市各產業的碳排放量[1]。可拓展的隨機性環境影響評估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型克服環境影響-人口規模-富裕程度-技術水平（Impact，Population，Affluence and Technology，IPAT）模型的缺陷，可以根據研究需要增加自變量來分析相關因素對因變量的影響[2]。基于STIRPAT模型分解碳排放的影響因素，環境影響采用式（2）進行估算。將式（2）兩側進行對數化處理，得到式（3）。在式（3）的基礎上進行擴展，分析財富因素、經濟結構、技術因素對北京市碳排放的影響[3]，得到擴展的STIRPAT模型，如式（4）所示。

式中：C為北京市各產業的碳排放量；2.499為標準煤的碳排放系數；E為北京市各產業的能源消耗量；I為環境影響；P為人口規模；A為人均財富；T為區域總體技術水平；a、b、c和d為模型參數項；ε為模型的隨機誤差項；CP為人均碳排放量；GP為人均GDP；T為人均汽車保有量；S為第三產業GDP占總量的比重；U為城市化率；Q為能源消費強度。

對數平均迪氏指數（Logarithmic Mean Divisia Index，LMDI）分解法具有分解結果精確度高的優點，可以兼顧分解數量指標和強度指標兩種體系[4-5]，因此采用LMDI分解法分解能源消費強度，如式（5）所示。能源消費強度的影響因素分為兩部分，即能源消費強度效應和產業結構效應。采用LMDI分解法，根據式（6）計算能源強度效應。

式中：G為北京市三大產業的GDP；Ei為第i產業的能源消耗量，i取值分別為1、2和3；Gi為第i產業的GDP；ei為第i產業的能源消費強度效應；yi為第i產業的產業結構效應；?Q為能源強度效應；?Qe為能源消費強度效應導致的?Q變化量；?Qy為產業結構效應導致的?Q變化量。

2 結果與分析

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增長到2019年的5 041.9萬t，年均增速為48%。經分析，2003年開始，北京市經濟進入重工業化時代，碳排放量迅速增長。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的碳減排倡議有關。經分析，北京市碳排放量與人均GDP呈正相關。北京市汽車保有量逐年上升，但與人均GDP相比，汽車保有量對碳排放的影響較小。隨著能源消費總量的增加，北京市碳排放量呈上升趨勢，但能源消費總量增速逐年減小，趨于平緩。第三產業GDP占比與碳排放量呈正相關，相較第三產業GDP占比，城市化率對碳排放量的影響較小。因此，以第三產業GDP占比表征經濟結構，以人均GDP表征財富因素，確定擴展的STIRPAT模型，如式（7）所示。

2.2 基于STIRPAT模型的結果分析

下面運用R語言對各變量進行平穩性檢驗與白噪聲檢驗，判斷序列是否值得分析。經序列自相關分析，顯著拒絕序列為純隨機序列的原假設，因此4個變量ln CP、ln GP、ln S和ln Q構成的序列為平穩非白噪聲序列。該序列為平穩序列，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，對原序列進行回歸分析。嶺回歸分析結果如表1所示。嶺參數為0.018，F檢驗值為220.687，F檢驗的顯著性系數為0.000，相關性顯著，拒絕原假設，表明自變量與因變量存在回歸關系。同時，模型的可決系數為0.981，調整可決系數為0.976，擬合效果好。

2.3 基于LMDI分解法的結果分析

下面對能源消費強度進一步分解，得到三大產業的能源消費強度效應和產業結構效應。2003—2004年、

2005—2013年和2015—2019年，北京市能源消費強度效應為負值，說明能源消費強度總體趨于下降，其余年份則處于上升期。第三產業的能源消費強度效應均為負值，說明2003—2019年第三產業的能源消費強度逐年下降。2007—2008年和2016—2017年，北京市產業結構效應為正值，其余年份均為負值，2003—2019年北京市產業結構效應沒有明顯變化。第三產業絕大部分年份表現為較小的正向效應，說明北京市產業結構正在發生變化，第三產業所占比重逐漸上升。

3 結論

結合2003—2019年北京市統計數據，采用擴展的STIRPAT模型和LMDI分解法，可以分析各因素對碳排放的影響程度。研究表明，能源消費總量、人均GDP、汽車保有量和城市化率等對人均碳排放有影響，其中人均GDP與碳排放的相關性最強，因為經濟發展使得GDP增加，間接導致碳排放增加。碳排放與能源消費總量存在長期均衡關系，能源使用率越高，能耗越多，碳排放越大。為了減少碳排放，有必要限制傳統能源的使用。STIRPAT模型驗證結果顯示，產業結構和能源消費強度對人均碳排放有顯著正向影響，其中產業結構影響最大。第二產業的能源消費強度和第三產業的產業結構效應為正值，對碳減排不利。基于實證分析，為實現碳達峰和碳中和，必須因地制宜，綜合施策，有序推進碳減排。一是平衡經濟發展與碳排放的關系。要明確碳達峰碳中和目標，正確處理綠色轉型與經濟發展的關系，調整碳減排進度，平衡GDP增長速度，實時監測碳排放量，調節第二產業能源消費強度，優化產業結構，防止碳排放激增對社會造成負面影響。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，推廣可再生能源可減少對化石燃料的依賴，降低空氣污染，改變消費模式可直接減少能源需求，降低碳排放。

參考文獻

1 賴清華，柯水發.北京市工業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.基于擴展IPAT模型的徐州市碳達峰情景分析[J].中國市場，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測[J].資源科學，2016（12）：2316-2325.

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

5 周紀昌.人均GDP、能源強度與碳排放的面板數據分析[J].環境科學與管理，2013（2）：165-167.