上海市人口老龄化对碳排放的影响研究

李建森,张 真

(复旦大学 环境科学与工程系，上海 200433)

上海市人口老龄化对碳排放的影响研究

李建森,张 真

(复旦大学 环境科学与工程系，上海 200433)

本文利用上海市1978—2014年的时间序列数据,基于STIRPAT模型及岭回归分析法对人口老龄化与碳排放的关系做了实证分析,结果表明老龄化对碳排放有显著的促进作用,弹性系数为0.49．分渠道的研究表明,老龄化通过生产对碳排放的影响并不明显,主要是通过消费渠道对碳排放产生正向影响．老龄化带来的医疗服务需求的增多、家庭趋于小型化及家庭户数增多促进了碳排放量的升高．老年家庭人均住房面积更大使得人均生活能耗更高．从老年人用能行为来看,老年人生活能耗可能更高,但考虑到收入因素对老年人消费的约束时,老年人生活能耗变得不确定．最后,提出了未来碳减排的可能方向．

老龄化； 碳排放； 影响； STIRPAT

全球变暖和人口老龄化是21世纪人类社会面临的两项重大挑战,人类生产和生活的各个方面都受到了严重影响,各国政府和学术界对此给予了越来越多的关注．2013年9月,联合国政府间气候专门委员会发布的第五次评估报告认为,气候变化要比原来认识到的更加严重,有95%以上的把握认为全球变暖是人为活动造成的(2007年的第四次报告认为人为活动造成温室气体增加的可能性为67%),来自化石燃料的碳排放和土地的使用导致温室气体已达到前所未有的最高水平[1]．报告说明了人为活动对碳排放影响的严重性,但对于碳排放的研究不应限于人类活动,更应该关注作为主体变量的人口因素．关于人口数量对碳排放的影响研究已然很丰富,典型的研究方法如环境压力模型IPAT，将人口规模作为影响碳排放的首要因素．随着社会发展及人口内部结构分化,仅仅考虑人口数量对碳排放的影响其实证及预测效果越来越有限．因此许多学者开始关注人口城镇化、家庭规模、人口年龄结构等因素对碳排放的影响．随着越来越多的国家步入老龄化社会,人口老龄化逐渐成为碳排放影响研究的新视角,丰富了人口因素对碳排放的影响研究．

图1 2000—2013年间全球及中国二氧化碳排放量Fig.1 Carbon dioxide emissions of global and China during 2000—2013

从2006年起,中国的二氧化碳排放量便一直居于世界首位．图1为国际能源署(International Energy Agency, IEA)公布的2000—2013年间的全球及中国二氧化碳排放量,从图可知我国进入新世纪以来碳排放量迅速增长,是全球碳排放量增长的主要原因,并且占全球碳排放量的比重一直在增加,到2013年我国碳排放量占到全球碳排放量的28%．为了控制碳排放,中国政府已承诺确保实现2020年碳排放强度比2005年下降40%～50%；2015年联合国气候变化巴黎大会上中国提交的2020年后应对气候变化的“国家自主贡献”目标为： 2030年左右碳排放量达到峰值,碳排放强度比2005年下降60%～65%．老龄化方面,中国在2000年进入老龄化社会,有着老年人基数大、未富先老、发展迅速、区域间不平衡等特点,对社会各方面的影响比发达国家更复杂、更严重．研究老龄化对碳排放的影响有助于明晰我国人口变化趋势与环境压力的关系,有的放矢地制定碳减排政策,促进社会可持续发展．本文以中国老龄化最严重的地区——上海为例,通过实证研究考察了老龄化对碳排放的影响,并分析了其影响路径,其研究成果对中国其他地区老龄化对碳排放的影响具有一定的预测及参考意义．

1 文献回顾

1.1碳排放的影响因素

前人关于碳排放的研究主要集中在经济发展水平、人口因素、技术水平、城市化、能源结构、产业结构等方面．经济快速发展和庞大的人口规模被认为是驱动中国碳排放增长的主要因素,而降低碳排放强度(提高技术水平)能显著抑制碳排放的增长[2]．长期看来,城市化水平与碳排放增长有显著的因果效应[3],城镇地区是国家经济发展最活跃的区域,人口密度大,各类资源供需量大,促进经济发展的同时消耗了大量的能源、排放了大量的污染物,国内外的研究一致表明城镇化对碳排放有显著的促进作用[4]．能源燃烧是碳排放的直接来源,而不同的能源类型碳排放系数不同,所以能源结构与碳排放有密切的关系．能源结构反应主要反应了煤炭、石油、天然气及水电、核电在能源消费中的比例,其比例的调整及能源结构的优化是降低碳排放的重要措施．产业结构的特征决定了产业能源消费结构的特征[5],因此产业结构的变化能导致碳排放量的变化．现有的研究主要以3次产业的划分作为产业结构特征,分析三产GDP占比与碳排放的关系．

从人口变量角度出发,大多数文献只关注了人口总量对碳排放的影响,蒋耒文认为,这种对人口变量处理方式背后的假设是,所有人口个体都有着相同的生产和消费行为[6]．但是,这种假设是不准确的,因此他主张在人口对碳排放影响的研究中必须重视对人口结构因素的考察[7]．随着人口老龄化的发展,社会生产及生活消费都随之发生了很大变化,碳排放也必然受其影响．联合国人口基金会(United National Population Fund, UNFPA)发布的世界人口状况也指出： 温室气体排放量与人口增长速度、家庭规模、年龄构成、城乡人口比例、人口性别和地理分布,以及人均收入等因素存在内在联系,可以对气候变化产生长远的影响[8]．因此,国内外学者逐渐开始关注人口老龄化对碳排放的影响,丰富了人口与环境关系的研究．

1.2人口老龄化对碳排放的影响路径

虽然人口老龄化逐渐得到碳排放研究领域学者的重视,但相关研究还不够丰富,尤其老龄化对碳排放的影响机制还不清晰,多数学者只是用经验性猜测去解释实证结果,缺乏数据说明．总结国内外学者的研究,可以从生产和消费两个渠道分析老龄化对碳排放的影响．

生产方面的影响比较宏观,影响路径比较清晰．首先,老龄化减少了劳动力的供给,使得劳动力年龄的中位数上升,从而降低了劳动生产率及经济活力,减少了生产部门的碳排放[9-11]．另有研究认为,老龄化导致的劳动力成本的上升会促使企业向技术密集型转型,从这一角度看,老龄化对碳排放也应有抑制作用．其次,老年人特有的消费结构改变了社会生产结构．研究表明,老年人消费的产品和服务更倾向于能源密集型[12],使得这些产品在生产和消费过程中产生更多的碳排放．

老龄化通过消费渠道对碳排放的影响比较复杂,往往是多种因素交织在一起,正负效应俱存．从宏观群体来看,居民消费在不同的历史时期及不同的居住区域表现为不同的消费水平与消费结构,其发展变化又受到经济水平、收入状况、社会文化等诸多因素的共同作用．在消费过程中人口与环境互动发展,摩擦、协调的结果又反作用于经济和社会的发展,产生各种正负效应[13]．从微观个体来看,在个人生命周期的不同阶段,由于收入水平、消费习惯、生活方式和对环境问题的态度不同[14],对具有不同能源密度的各种消费品和服务的需求结构和量存在差异,从而产生的能源消费量和碳排放量不同[15]．我们可以从老龄化对碳排放的促进和抑制两方面作用分析其影响．首先,老年人的消费能力和意愿逐渐下降,消费量的减少使得消费品在生产和消费过程中的碳排放降低．大部分老年人会降低交通运输的需求,他们更愿意使用公共交通、更节约资源、也更注意保健,与其他劳动年龄人口相比,老年人的生活更倾向于低碳型[16]．另一方面,老年人住房取暖、养老服务、医疗保健等方面投入增大,由此带来的能源消耗随着老龄化程度的提高而增大,这对碳排放的增加有促进作用[17]．老年人减少交通需求的另一方面是居家时间的变长,可能会导致家庭电力能耗的增加．有研究表明,老年家庭人均生活能耗高于其他家庭．同时,老龄化会促进家庭小型化,虽然每个家庭的能耗减少,但能源利用效率低使得人均能耗偏高[18]．

1.3研究方法综述

从研究方法上看,关于人口老龄化与碳排放关系的研究可分为3类．

第一类是IPAT模型的随机形式(the Stochastic Impacts by Regression on Population, Affluence and Technology, STIRPAT)．

IPAT等式由Ehrlich和Holdren[19]提出,模型为：

I=P×A×T,

(1)

其中I为环境压力,一般以碳排放总量表示；P为人口数量；A为财富水平；T代表技术因素．IPAT具有简明易用的优点,但其不能考虑人口、经济和技术因素的相互作用,而且各因素的弹性相同,即任何因素变化1%,环境压力也变化1%．针对IPAT模型的缺点,Dietz、Rosa和York[20-22]提出了改进的STIRPAT模型,用来检验人口、经济和技术因素对CO2排放的弹性系数．模型为：

I=aPbAcTde,

(2)

式中：I为环境压力；P为人口数量；A为财富水平；T为技术水平；a为模型系数；b、c、d分别为各因素影响系数；e为误差项．此模型把人口、经济和技术3个因素作为环境压力的驱动因素．对模型两边取自然对数,这样既可以降低异方差,还可以直接获得被解释变量对解释变量的弹性,得到方程：

(3)

STIRPAT模型涵盖了污染物输出的几种主要驱动力,而且模型有一定扩展性,可引入其他相关影响因素,在碳排放研究尤其是人口因素与碳排放的关系研究中被广泛应用．将人口老龄化因素加入模型中后,可以更直观地对比分析老龄化与其他因素对碳排放的影响．

第二类是计量统计模型分析．此类方法主要是在构建方程模型的基础上应用各种计量分析方法,对国家或地区层面相关数据进行分析,以考察人口因素与碳排放之间的关系．如王钦池[23]基于人口和碳排放非线性关系假设构建的碳排放模型,分析了人口数量、年龄结构、家庭规模、性别结构和城市化等多个要素与碳排放的关系,揭示不同人口发展阶段和经济发展水平下的人口动态对于碳排放的影响．计量统计分析在模型构建上更灵活,数据样本容量和自由度更大,再加上一些控制变量的异质性、减少共线性的处理,在动态性考察人口与碳排放的内在联系上更加合理准确．

第三类是整合评估模型(Identity and Access Management, IAM)．IAM是气候变化研究领域通常采用的方法．它整合了经济、社会、人口、技术、能源与大气、海洋、陆地等多学科的知识和方法,通过建构影响温室气体排放和气候变化各因素的模块和整体模型,评估各因素的变化趋势及其之间的动态关系,预测未来温室气体排放及其对气候变化的影响[6]．政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)的评估报告就是采用整合评估模型研究不同社会、经济、人口、技术条件下未来温室气体排放和气候变化的可能结果和范围．Dalton等[24]应用整合评估模型的改进形式-人口环境技术模型(Population-Enviroment-Technology, PET)研究了2000—2100年美国人口老龄化对美国碳排放的影响．结果表明,人口老龄化在未来会显著降低美国的碳排放水平．在对中国和印度的研究中,Dalton团队也采用了同样的方法[25]．

2 模型建立与数据检验

2.1模型建立及数据来源

本文采用的是IPAT等式的随机形式——STIRPAT模型来考察上海市人口老龄化对碳排放的影响．本文对STIRPAT模型进行了扩展,加入了人口老龄化因素,扩展后的模型表达式为：

(4)

式中各变量定义为：I为环境影响,用能源消费量表示,单位为万吨标煤；lna为常数项；P为人口规模,即常住人口总数；PA为老龄化水平,用户籍人口中65岁及以上人口占总人口比例表示；C为财富因素,用居民消费水平表示,单位为元/人；至于技术因素的选取问题,Dietz进行了深入研究,其认为通常能够反映技术水平的因素有碳排放强度、服务业比重等,本文采用服务业占总产出比例表征技术因素,以S表示；u为误差项；b、c、d、e分别为各变量的影响弹性．使用数据为上海市1978—2014年间的能源消费量、常住人口数、户籍人口中65岁及以上人口占比、居民消费水平及服务业GDP占比数据．其中,老龄人口数据由上海市老龄科学研究中心历年《老年人口信息报告》及历年《上海统计报告》整理得出,其他数据皆由历年《上海统计年鉴》整理得出．

2.2数据检验

时间序列的回归首先要进行平稳性检验,否则可能出现伪回归现象．对于各变量均平稳的时间序列可以直接进行回归分析,而对于非平稳的时间序列要进行协整分析,如果存在协整关系则表明非平稳序列的线性组合存在稳定的均衡关系,否则不可进行回归分析．另外,如果自变量之间存在多重共线性,将使得回归方程系数方差很大,影响总体参数的准确判断．因此,还要对各自变量进行多重共线性检验,如果存在多重共线性,需要采用一定方法消除多重共线性的影响．

本文的模型检验及数据分析功能皆由Stata12.0实现．首先运用扩展迪基-福勒检验法(Augmented Dickey-Fuller, ADF)对各变量对数序列进行平稳性检验,结果表明能源消费量、人口老龄化、人均消费水平、第三产业占比的对数序列皆为一阶单整序列,人口规模的对数序列的二阶差分序列平稳,需要继续对变量进行协整检验．协整分析主要有两种方法： 恩格尔格兰杰(EG)检验,基于向量自回归模型(Vector Autoregression, VAR)的Johansan检验．前者适用于两个变量的协整分析,后者适用于两个以上变量的协整分析．对多个同阶单整序列进行协整检验的方法为Johansan检验,检验结果如表1所示,结果表明在5%的置信水平下,变量之间存在协整关系．因此,对于式4建立的STIRPAT模型,所用数据序列均通过检验,满足进行回归的要求．

表1 变量Johansen协整检验结果

*： 迹统计量大于临界值则拒绝原假设.

3 结果与分析

3.1岭回归结果

对各变量的对数序列进行多重共线性检验,利用方差膨胀因子(Variance Inflation Factor, VIF)查看回归方程的方差膨胀因子．结果如表2所示,结果表明存在严重的多重共线性．有多种方法处理多重共线性问题,如主成分分析法、逐步回归法、岭回归法．尽管岭回归法是一种有偏估计方法,但可以提供一个比最小二乘法更加稳定的估计,并且所得到的回归系数标准差更小,因此本文采用岭回归法(Ridge Regression)进行模型拟合,一定程度上消除了多重共线性的影响．岭回归分析结果如表3所示．结果表明,人口规模、人口老龄化、第三产业占比对碳排放的影响是显著的,居民消费水平对碳排放的影响不显著．按影响因素的弹性大小排序依次为： 第三产业占比(-0.52),人口规模(0.5),人口老龄化(0.49)．

表2 多重共线性检验结果

*： 最大VIF大于10,平均VIF大于1,则表明存在多重共线性.

表3 岭回归结果

3.2回归结果分析

岭回归结果表明,老龄化对碳排放有显著的正向影响,老龄化水平每上升1%,碳排放量增长0.49%．老龄化主要通过生产和消费两方面而间接影响碳排放．生产方面可以从劳动力供给和生产结构变化两方面来分析其影响．理论上认为老龄化会减少劳动力供给从而抑制生产活动的碳排放,但上海有其特殊情况： 上海的劳动力价格(工资)居全国前列,对全国的劳动力有显著的集聚效应,使得庞大的外来人口补充了本地劳动力的供给不足．第六次人口普查数据显示,外省市来沪常住人口为897.7万,占全市常住人口的39%；外来人口中劳动适龄人口为787.51万,占总外来人口的87.73%．因此,老龄化并未通过改变劳动力的规模及年龄结构而影响碳排放水平．从生产结构变化方面来看,上海作为一个开放性的市场,消费产品来自全国乃至全球各地,老龄化导致的产品需求结构的变化不会对上海的生产结构产生显著影响．

老龄化通过消费渠道对碳排放的影响主要是由于老年人群体特有的消费习惯造成的．上海市老龄科学研究中心于1998年实施开展,并于2003、2005、2008及2013年连续开展多次上海市老年人口状况与意愿调查,多次调查的共同结果显示,除饮食支出外,医疗保健及水电煤气费用分别是老年人第二大、第三大支出项目．因此,本文主要从医疗保健及水电煤气消费两方面来分析老年人口对能耗的影响．医疗保健消费导致的碳排放属于间接碳排放．据统计,老年人医疗费用消耗了近80%的总医疗费用,每一位老年人的医疗费用支出至少是在职职工的3倍以上[26]．快速发展的老龄化使得医疗服务需求持续增长,而卫生系统一向是高耗能的．由于其使用功能最为复杂,医院建筑成为公共建筑中用能最高的,其能耗是一般公共建筑的1.6～2倍[27]．因此,老龄化导致的医疗服务需求的增长对碳排放有促进作用．2014年上海市医院床位数与65岁及以上老年人口之比为36.4张/千人,而日本2009年医院床位数与老年人口之比为55.5张/千人．据此推测,随着经济发展及老龄化程度的加深,上海市医疗机构规模仍会持续扩大,由此产生碳排放量也会持续增长．

水电煤气消费产生的是生活能耗,属于直接碳排放．生活能耗更多地是一个家庭的公共能耗而不是个人能耗,因此以家庭为单位来分析生活能耗更为合理．现代社会中老年人和子女都要求有自己的“自由空间”,因此伴随老龄化的是家庭户的增多和家庭小型化．家庭生活能耗存在规模经济现象： 给定生活水平下,家庭规模越大,人均生活能耗越小．这主要是因为公共能耗的分摊,如居住空间、电器、汽车、炊事用能等[28]．随着人口老龄化发展,家庭规模小型化,规模不经济性会增加人均能耗．同时,因为每个家庭都有一些必要的生活能耗如照明、炊事、空调用能等,所以家庭户的增多会增加这部分能耗．另外,家庭小型化和家庭户数的增多也在一定程度上增大了房地产需求,而房地产及其相关的建材行业都是高耗能行业．

随着人口老龄化程度的加深,有一个及多个60岁以上老年人的老年家庭的户数也在迅速发展．上海市人口普查资料显示： 2000年第五次人口普查老年家庭约有167万户,占总家庭户数的35.1%；2010年第六次人口普查老年家庭有约226万户,占总家庭户数的43.57%．老年家庭主要有几个特点： 家庭规模小、收入低、人均居住面积大、老人居家时间长、老人身体状况不佳[18]．上海市人口普查资料显示： 2000年老年家庭规模为1.45,全市家庭规模为2.78；2010年老年家庭规模为1.5,全市家庭规模为2.72．老年家庭规模明显小于全市平均水平,使得老年家庭人均生活能耗偏高．

上海市老年人口状况与意愿调查显示,与上海人均居住面积相比,老年人人均居住面积更大．2013年上海市老年人人均居住面积为25.05m2,而城镇人均居住面积为17.5m2．人均居住面积大,使得制冷、取暖等电器能源利用效率更低、能源消耗量更多．而大面积住房拥有的耗能电器更多,用电能耗可能更高．

从老年人个体行为特征来看,随着老年人退出社会生产,社交应酬等外出活动迅速减少,因此居家时间变长．居家时间长使得制冷、取暖、照明、娱乐等电器运行时间变长,用电能耗更高．老年人生理机能下降,为了营造适合老年人生活的居家环境,需要安装制冷制热电器以减小室内温差,改造楼梯等障碍物,安装热水器,这些电器有更高的能耗[18]．然而,基于老年人用能行为分析而认为老年人生活能耗更高是不合理的,主要受收入影响老年人的用能需求不一定完全得到满足．低收入家庭耗能电器较少,同等功能的电器能耗更低[29]．如低收入家庭夏天用电扇而不是空调制冷,一般也没有机动车和各种娱乐电器,住房配备电梯的可能性更小．因此,家庭富裕程度很大程度上决定了老年人的生活能耗水平,认为老年人生活能耗更高的结论是不严谨的．

本文利用上海市1978—2014年的相关数据,采用STIRPAT模型和岭回归分析法考察了上海市老龄化与碳排放的关系,实证结果表明老龄化对碳排放有显著的正向影响,老龄化对碳排放的弹性系数为0.49．关于老龄化对碳排放的影响机制总结如下：

(1) 从生产角度来看,上海市的老龄化并没有减少劳动力供给而降低碳排放,也不存在改变生产结构而影响碳排放的现象,主要因为上海开放性的市场积聚了大量外来劳动力和产品．

(2) 老龄化通过消费渠道对碳排放的影响主要体现在生活能耗及医疗护理方面．老龄化导致了家庭碳排放量的增多,日趋上升的医疗护理需求也会提升能耗和碳排放量．

(3) 老龄化会促进家庭小型化及家庭户数的增多,而由于家庭生活能耗规模经济效应的存在,家庭小型化会提高人均生活能耗．由于每个家庭都有一部分必须的生活能耗,家庭户数的增多会增加这部分能耗．

(4) 从老年人个人生活能耗来看,老年人人均居住面积更大使得生活能耗更高．而家庭收入的差异对老年人生活能耗有不同的影响,收入高的老年人生活能耗可能高于非老年群体,而收入低的老年人生活能耗可能低于非老年群体．

(5) 老龄化对碳排放的影响主要通过促进家庭小型化、家庭户数增多、医疗需求上升等宏观途径,使得社会总体碳排放上升,而并非老年人的个人碳排放高．

上文讨论了老龄化对碳排放的影响路径,本文认为从老龄化角度考虑碳减排时应该慎重,不能以牺牲老年人生活质量来降低碳排放．相反,为了提高老年人生活质量应该允许一定程度的能耗增加．近年来,上海依据“积极老龄化”理念,提出了“建设老年友好型城市”的要求,在户外环境和设施、公共交通和出行、住房建设和安全等八个方面为老年人营造良好的生活环境,其中大量的基础设施改造与新建必然会促进碳排放量的增长．我们应该警惕人口年龄结构变化导致的社会资源的浪费,碳减排也应从这方面着手．提高老年人对公共服务的利用率,同时避免兴建大量低效的老年福利设施．另外,上海市养老方式以家庭养老、社区养老为主,机构养老为辅．降低生活能耗可结合新型养老模式,如在居民区建立老年服务中心及助餐点,为老年人提供娱乐、餐饮、护理服务,既有利于老年人身心健康,又可避免老年人长时间独居家中、自己开灶做饭,从而降低生活能耗．最后,随着老龄化的发展,“纯老家庭”及独居老人的人数也在迅速增长．这部分老年人一般拥有更大的住房,但是从老年人生活方式来看,老年人更偏好小面积的住房．对有换小房子意愿的老年人,如能使其住房换成更小面积的住房,既有利于合理配置住房资源,也能达到节能减排的目的．

[1] IPCC. Working Group I Contribution to the IPCC Fifth Assessment Report, Climate Change 2013： The physical science basis. Final draft underlying scientific-technical assessment [R/OL].[2013-10-30].http：∥www.climatechange2013.org/images/report/WG1AR5_ALL_FINAL.pdf.

[2] WANG C J, WANG F, ZHANG X L. Examining the driving factors of energy related carbon emissions using the extended STIRPAT model based on IPAT identity in Xinjiang [J].RenewableandSustainableEnergyReviews,2016,67： 51-61.

[3] LIU Y, YAN B, ZHOU Y. Urbanization, economic growth, and carbon dioxide emissions in China： A panel cointegration and causality analysis [J].JournalofGeographicalSciences, 2016,26(2): 131-152.

[4] AL-MULALI U, CHE NBCS, FEREIDOUNI H G. Exploring the bi-directional long run relationship between urbanization, energy consumption, and carbon dioxide emission [J].Energy, 2012,46(1)： 156-167.

[5] 张丽峰.我国产业结构、能源结构和碳排放关系研究 [J].干旱区资源与环境,2011,5(25)： 1-7.

[6] 蒋耒文.人口变动对气候变化的影响 [J].人口研究,2010(1)： 59-69.

[7] JIANG L W, HARDEE K. How do recent population trends matter to climate change? [J].PopulationResearchandPolicyReview, 2011(30)： 287-312.

[8] State of World Population 2009 [R/OL]. UNFPA.[2009].http：∥www.unfpa.org/swp/2009.

[9] CHONG B A, SEUNG H J. Demographic change and economic growth： An inverted-U shape relationship [J].EconomicsLetters, 2006(92)： 447-454.

[10] GUEST R. Innovations in the macroeconomic modeling of population ageing [J],EconomicModeling,2007(24) : 101-119.

[11] 吴铀生,程琳利.人口老龄化的社会效应探索 [J].西南民族学院学报(哲社版),1994(6)： 84-88.

[12] YORK R. Demographic trends and energy consumption in European Union Nations,1960-2025 [J].SocialScienceResearch, 2007,36(3)： 855-872.

[13] 彭希哲,钱焱.试论消费压力人口与可持续发展-人口学研究新概念与方法的尝试 [J].中国人口科学,2001(5)： 1-9.

[14] TONNB E, WAIDLEY G, PETRICH C. Petrich The ageing US population and environmental policy [J].JournalofEnvironmentalPlanningandManagement, 2001,44(6)： 851-876.

[15] BIN S, DOWLATABADI H. Consumer lifestyle approach to US energy use and the related CO2emissions [J]. Energy Policy, 2005,33(2)： 197-208.

[16] 王芳,周兴.人口结构、城镇化与碳排放 [J].中国人口科学,2012(2)： 47-56.

[17] 杜运伟,黄涛珍.江苏省人口规模、结构对碳排放的影响分析 [J]. 长江流域资源与环境,2013,22(4)： 399-404.

[18] YAMASAKI E, TOMINAGA N. Evolution of an aging society and effect on residential energy demand [J].EnergyPolicy, 1997,25(11)： 903-912.

[19] EHRLICH P R, HOLDREN J P. Impact of population growth [J].Science,1971(171)： 1212-1217.

[20] DIETZ T, ROSA EA. Rethinking the environmental impacts of population, affluence and technology [J].HumanEcologyReview, 1994： 277-300.

[21] DIETZ T, ROSA EA. Effects of population and affluence on CO2emissions [J].ProcNatlAcadSciUSA, 1997(94)： 175-179.

[22] DIETZ T, ROSE EA, YORK R. Driving the human ecological footprint [J].FrontiersinEcologyandtheEnvironment, 2007(5)： 13-18.

[23] 王钦池.基于非线性假设的人口和碳排放关系研究 [J].人口研究,2011,35(1)： 3-13.

[24] DALTON M, O’NEILL B C, PRSKAWETZ A,etal. Population aging and future carbon emissions in the United States [J].EnergyEconomics, 2008,30(2)： 642-675.

[25] DALTON M, JIANG L W, PACHAURI S,etal. Demographic change and future carbon emissions in China and India [J].PopulationAssociationofAmerica,2007[Unpublished].

[26] 宋宝安,刘雪.城市老年人健康需求与医疗消费的社会学研究 [J].中共福建省委党校学报,2007,10： 21-24.

[27] 窦逸峰,杨洪海,朱学锦,等.上海大型医院能耗评估及节能分析 [J].节能技术,2015,33(4)： 362-365.

[28] O’NEILL B C, CHEN B S. Demographic determinants of households energy use in the United States [J].PopulationandDevelopmentReview,2002,28(10)： 53-88.

[29] 高然,张真.生活领域能源消费的锁定效应研究-以上海市为例 [J].资源科学,2015,37(4)： 733-743.

Abstract： Based on Shanghai’s 1978—2014 time series data, through the STIRPAT model and the method of ridge regression analysis, this article analyzed the relationship between population aging and carbon emissions. The results show that population aging promotes carbon emission significantly. The elastic coefficient is 0.49. Analyzing through different influence channels, this article finds that the effect of production channel is faint. Population aging promotes carbon emission through consumption mainly. Population aging increases demands of medical treatment, decreases the size of families and increases the numbers of households. As a result, carbon emissions are increased by population aging. Aging family has bigger per living space. So per household carbon emission may be more. According to the behavior of energy use, elderly may consume more energy in family. But, it’s uncertain when take income into account. Finally, it put forward the possible direction of carbon reduction in the future.

Keywords： population aging; carbon emission; impacts; STIRPAT

lnI=lna+b(lnP)+c(lnA)+d(lnT)+lne,

lnI=lna+blnP+clnPA+dlnC+elnS+u,

TheImpactsofPopulationAgingonCarbonEmissioninShanghai

LI Jiansen, ZHANG Zhen

(DepartmentofEnvironmentalScienceandEngineering,FudanUniversity,Shanghai200433,China)

X24

A

0427-7104(2017)03-0273-07

2016-06-25

高密度区域智能城镇化协同创新中心种子基金项目(CIUC20140016)

李建森(1990—),男,硕士研究生,E-mail： lijiansen7496@163.com；张 真,女,副教授,通信联系人,E-mail： 13621603588@139.com.