江蘇省能源消費碳排放影響因素研究

摘" "要：江蘇省作為經濟大省，同時也是碳排放大省。因此，通過對江蘇省2006—2020年能源消費碳排放量和碳排放強度進行測算分析，基于擴展的STIRPAT模型，分析各驅動因子對碳排放總量的影響及其驅動程度。結果表明，人均GDP對該地區二氧化碳的排放影響最為顯著，其次是人口規模、城鎮化率、能源強度以及煤炭消費量，這五種影響因素與江蘇省碳排放量增長均呈正相關。基于此，從促進江蘇省踐行“雙碳”目標視角提出對策建議。

關鍵詞：江蘇省；碳排放；STIRPAT模型；影響因素；嶺回歸

中圖分類號：X322" " " "文獻標志碼：A" " " 文章編號：1673-291X（2024）10-0039-04

引言

根據英國石油公司（BP）發布的《世界能源統計年鑒》顯示，2010年中國能源消費量占全球的20.3%，超越美國，成為世界上最大的能源消費國[1]。2020年9月22日，習近平總書記在第七十五屆聯合國大會一般性辯論上承諾，中國力爭2030年前二氧化碳排放達到峰值、2060年前實現碳中和。江蘇省作為能源消耗和碳排放大省，是全國碳減排的重點區域和潛力地區。“十四五”期間，江蘇省全面落實習近平總書記對江蘇省工作重要講話與重要指示精神，明確要求實施碳排放總量和強度“雙控”，達到“碳中和”最終目標。本文對江蘇省碳排放現狀進行分析，并基于改進后的STIRPAT模型對江蘇省2006—2020年的統計數據進行回歸分析。碳排放影響因素研究對于豐富江蘇省低碳發展研究案例，實現我國城市化的可持續發展具有重要現實意義[2]。

一、江蘇省碳排放現狀

（一）碳排放量測算方法

本文對江蘇省能源消費碳排放的測算參考IPCC法提供的計算公式：

C=■■Qi*EiFi（1）

其中，C為所有能源消費的碳排放量，單位為萬噸；Qi為不同能源類型的能源消費量；Ei為標準煤折算系數；Fi為碳排放系數。

（二）江蘇省碳排放總量

在沒有考慮電力和熱力的前提下，江蘇省2006—2020年碳排放總量及增長率情況如圖1所示。

從圖1可以看出，近年來江蘇省的碳排放總量呈增長趨勢，2006—2013年期間，江蘇省的碳排放量不斷增加，從13 896.50萬噸上升至21 078.49萬噸。在2016年達到峰值后，江蘇省的碳排放量有所減少，2017—2020年均為負增長，說明江蘇省當時采取的相關節能減排措施對抑制碳排放起到正面作用，能源消費帶來的碳排放量尚在資源環境的可承受范圍之內。

（三）江蘇省碳排放強度及碳排放彈性系數

碳排放強度即碳強度，是單位GDP的二氧化碳排放量，也就是一個國家或地區的碳排放總量與其GDP的比值。碳排放彈性系數是指每單位GDP帶來的碳排放增長程度，反映碳排放增長與經濟增長之間的比例關系。從圖2可知，近15年江蘇省碳排放強度整體呈下降趨勢，表明江蘇省的能源消費效率在不斷提高；2010年和2013年碳排放系數大幅提高，說明該階段江蘇省碳減排相關政策的大力推行并未產生預期的節能效果，亦或是碳排放量的增長超過了經濟增長的速度以及環境的承載力[3]；2019—2020年江蘇省碳排放系數大幅降低，于2020年達到-0.95，說明該階段GDP增長速度大于碳排放量的增長速度。

為進一步研究江蘇省碳排放量的發展變化，以改進的STIRPAT模型為基礎，通過測算碳排放量及其發展現狀，對江蘇省碳排放的影響因素進行實證研究，并計量其影響效果，提煉出減排對策，為實現江蘇省節能減排目標提供思路。

二、模型構建和數據來源

（一）模型構建

IPAT法是一種較為經典的研究碳排放影響因素的方法，反映的是人口、經濟、技術與環境的關系，但其存在分解因素固定、研究角度局限的弊端[4]。為了克服IPAC模型的缺陷，YORK等在IPAT模型基礎上提出STIRPAT模型，其表達式為：

I=aPbAcTde（2）

其中，I、P、A和T分別表示地區的碳排放量、人口因素、經濟因素和技術因素，a為模型系數，b、c、d分別為變量P、A、T的指數，e為模型誤差項。

本研究采用拓展的STIRPAT模型，結合江蘇省能源消費和其社會經濟發展狀況，選取人口總數（P）、城鎮化率（U）、經濟發展水平（G）、人均GDP（A）、能源強度（T）和能源結構（E）作為影響碳排放量的指標。在人口指標方面，人口增長使得消費能源增加，進而導致碳排放量不斷增加。城市作為人口集中地，碳排放量的增加給城市環境帶來了較大的壓力，因此本文選取人口數量和城鎮化率來表示人口指標。在財富指標方面，本文選取經濟發展水平和人均GDP來表示這一指標。地區經濟發展帶動能源消費需求急劇提高，從而碳排放量也就提高[5]。為了更好反映江蘇省的經濟發展水平，本文將人均GDP也作為財富指標之一。由于技術性指標下的能源強度主要體現在單位GDP能耗，而技術水平的提高對單位GDP能耗的降低有一定作用，從而能夠減少碳排放。在能源結構方面，江蘇省的煤炭消費是其能源消費結構比重的第一大來源，故選取能源強度和能源結構來表示技術指標對江蘇省碳排放的影響[6]。借鑒STIRPAT模型，構建出上述指標和碳排放關系模型[7]，如式（3）所示。

C=KP■U■■G■A■T■E■ε（3）

其中，K為常數，P為人口總量（萬人），U為城鎮化率（%），G為經濟發展水平（億元），A為人均GDP（元），T為能源強度（萬噸標準煤/億元），E為能源結構（%），ε為隨機變量，ai為彈性系數，表示當P、U、G、A、T和E每變化1%時，分別引起C的ai%變化。為便于運用回歸分析確定模型中的參數，對模型（3）兩邊取對數得：

ln C=ln K+a1 ln P+a2 ln U+a3 ln G+a4 ln A+a5 ln T+a6 ln E+ln ε（4）

（二）數據來源

2006—2020年江蘇省的常住人口總數、城鎮常住人口總數、地區GDP、人均GDP均可通過2007—2021年的《江蘇省統計年鑒》直接獲取；能源消費總量及27種能源消耗實物量（本研究不考慮電力和熱力能源消耗情況）通過2007—2021年的《中國能源統計年鑒》直接獲取，各能源的凈發熱量和排放因子參照IPCC與“各種能源折標準煤參考系數”。為消除價格因素，本研究均以2005年為基準做平減處理。

三、結果分析

運用SPSS軟件對數據進行多元回歸分析，結果顯示，由于lnG回歸結果不顯著，且該變量的VIF高達160 359.722，為已排除變量。普通最小二乘法估計結果如表1所示，除能源結構外，其他變量的VIF值都大于10，其中城鎮化率（U）和人均 GDP（A）的VIF值較大，分別為134.484和319.330，說明存在嚴重的多重共線性。為了消除多重共線性影響，接下來對江蘇省2006—2020年的相關數據用SPSS 軟件對模型（4）進行嶺回歸分析[8]。

嶺回歸分析中，嶺回歸系數k的確定非常關鍵，本文首先在0到1之間以一定的數據間隔，通過選取大量不同的嶺回歸系數k，從而估算模型系數，隨后從中選取使模型系數趨于穩定的嶺回歸系數進行參數估計。嶺回歸分析結果跡嶺圖及不同k取值下的可決系數如圖3和圖4所示。從圖3中可以看出，各變量的系數在k=0.4以后在0值附近逐漸趨于平穩，所以確定使用k=0.4時的相關數據對模型（4）進行參數估計，估計結果見表2。

圖3" 嶺跡圖

圖4" 可決系數圖

從表2可知，lnP、lnU、lnA、lnT、lnE均通過了1%的顯著性水平檢驗，R2為0.98，F統計量通過1%的顯著性檢驗。因此，通過模型（4）可以較好地解釋江蘇省碳排放量與各自變量之間的關系，具體形式為：

ln C=0.2877+0.2103 ln P+0.1788 ln U+0.2143 ln A

+0.1646 ln T+0.1645 ln E（5）

根據嶺回歸分析結果可知，人口、城市化率、人均 GDP、能源強度和能源結構每增加1%，將分別引起碳排放量相應增加0.287 7%、0.178 8%、0.214 3%、0.164 6% 和0.164 5%。由此可見，五種影響因素和江蘇省碳排放量增長均呈正相關。從影響程度大小來看，人均GDP對該地區的二氧化碳的排放影響最為顯著，為0.214 3；其次是人口規模，影響程度為0.210 3；再次就是城鎮化率、能源強度以及煤炭消費量，影響程度分別是0.178 8、0.164 6和0.164 5。

碳排放對人口數量的彈性系數為0.210 3，即人口數量增加1%，那么碳排放增加0.210 3%。盡管人口數量的增加對碳排放量有一定的影響，但前期歸因于計劃生育致使人口增長率不高，且增長率總體上呈下降趨勢[9]；自2015年正式宣布全面放開二孩政策以來，隨著社會經濟的發展，年輕一代女性不愿意生育的越來越多，至2020年江蘇省人口自然增長率僅為0.17%，2022年甚至達到了人口負增長。如果人口增長率繼續逐年降低，甚至負增長，那么會在一定程度上有利于抑制碳排放量的增長。

碳排放對城市化水平的彈性系數為0.178 8，即人口數量增加1%，那么碳排放增加0.178 8%。江蘇省的城市化率一直在上升，從2006年的52%上升到2020年的73%。城鎮化率的提高會對居民生產生活方式產生一定程度的影響，居民生活質量的改善帶來了生活性能源消費的增加，且隨著城市化的推進，城市基礎設施、居民住宅建設等將會導致原有農田、林地和濕地的開發，土地利用方式的改變降低了城市碳儲存能力，進而引起碳排放量的增加[10]。

在本文所考慮的幾個影響因素中，人均GDP對碳排放的影響較為顯著，彈性系數為0.214 3，即人均財富每增加1%，將會帶來碳排放增加0.214 3%。隨著經濟的持續發展，我國人均生產能力不斷提高，工業化和城市化的進程加快，必將帶動能源的大量消費。

碳排放強度和能源結構這兩個反映技術進步指標的碳排放彈性分別為0.164 6和0.164 5。而在前文所做的理論預期中，技術水平的提高能使單位GDP能耗得到有效降低，從而減少碳排放量。但從本文結論來看，技術進步并未產生預期效果。事實上，技術進步對碳排放的影響具有雙重性。一方面，技術進步能提高能源利用率，降低碳排放；另一方面，技術進步促進經濟增長，帶動能源要素投入，引起能源消費回彈[11]。也就是說，目前江蘇省能效改進對經濟增長的影響效果要大于其能源效率提高的效果，無法對降低碳排放量起到有效的抑制作用。

四、結論與對策

本文采用江蘇省2006—2020年15年的數據，基于擴展后的STIRPAT模型，選擇人口總量、城鎮化率、經濟發展水平、人均GDP、能源強度、能源結構等六個指標對江蘇省碳排放影響因素進行探究，結果表明，人口、城市化率、人均GDP、能源強度和能源結構每增加1%，將分別引起碳排放量相應增加0.287 7%、0.178 8%、0.214 3% 、0.164 6% 和0.164 5%。人均GDP和人口規模對該地區二氧化碳的排放影響較為顯著，城鎮化率、能源強度以及煤炭消費量次之，且所有影響因素都促進了碳排放量的增加。基于以上研究結論，結合江蘇省的實際情況，提出以下政策建議。

1.加大技術引進和創新，推動市場與政策機制協調發展。江蘇省需大力推行相關節能減排政策，加快省內企業轉型步伐，加大對新能源技術和相關人才引進的力度，同時加強和其他省域或組織的碳減排合作與交流，為實現碳減排提供有力的技術支撐[12]。此外，我國正處于碳排放權交易市場建設的關鍵時期，目前已在北京、上海、廣州等多個省市試點并陸續開始線上交易，為此，江蘇省需補齊短板，積極探索碳匯交易及碳期貨等碳金融衍生品交易市場的建立。

2.推行低碳生活方式，強化低碳消費意識。江蘇省應加大“低碳生活”宣傳力度，提高居民的低碳意識，積極引導居民使用清潔能源；發展綠色經濟，大力支持節能減排企業，為企業提供政策扶持，加快節能技術進步，最終實現清潔能源高效替代。居民應堅持綠色出行，養成良好的綠色低碳生活方式和消費方式，從而降低江蘇省生活能源消費領域的碳排放量。

參考文獻：

[1]" "王連龍，等.秦皇島市能源消費碳排放研究[J].科技管理研究，2013（9）：195-198.

[2]" "許泱，周少甫.我國城市化與碳排放的實證研究[J].長江流域資源與環境，2011（11）：1304-1309.

[3]" "林珊珊.江蘇碳排放的數量測算及其影響因素：基于改進STIRPAT模型的計量檢驗[J].南通大學學報（社會科學版），2015（4）：9-16.

[4]" "王韶華，等.京津冀碳排放的影響因素分析及達峰情景預測：基于供給側改革視角[J].北京理工大學學報（社會科學版），2022（6）：54-66.

[5]" "劉淑花，譚旭紅，陳梅.基于STIRPAT模型的碳排放驅動因子研究：以黑龍江省為例[J].資源開發與市場，2014（9）：1086-1091.

[6]" "張勇，張樂勤，包婷婷.安徽省城市化進程中的碳排放影響因素研究：基于STIRPAT模型[J].長江流域資源與環境，2014（4）：512-517.

[7]" "丁唯佳，等.基于STIRPAT模型的我國制造業碳排放影響因素研究[J].數理統計與管理，2012（3）：499-506.

[8]" "黃蕊，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（4）：781-789.

[9]" "尹向飛.人口、消費、年齡結構與產業結構對湖南碳排放的影響及其演進分析：基于STIRPAT模型[J].西北人口，2011（2）：65-69.

[10]" "王星，劉高理.甘肅省人口規模、結構對碳排放影響的實證分析：基于擴展的STIRPAT模型[J].蘭州大學學報（社會科學版），2014（1）：127-132.

[11]" "申萌，李凱杰，曲如曉.技術進步、經濟增長與二氧化碳排放：理論和經驗研究[J].世界經濟，2012（7）：83-100.

[12]" "吳金艷.廣西實現低碳經濟發展的影響因素研究[J].學術論壇，2013（11）：105-109.

[責任編輯" "若" "云]