碳中和目标下京津冀地区碳排放影响因素研究——基于分位数回归和VAR模型的实证分析

张丽峰，刘思萌

（1.北京联合大学 旅游学院，北京 100101；2.北京市产业经济研究中心，北京 100027）

2020 年9 月，国家主席习近平在第七十五届联合国大会一般性辩论上的讲话中提出：中国二氧化碳排放力争于2030 年前达峰，努力争取2060 年前实现碳中和。2020 年底的中央经济工作会议提出，要抓紧制定2030 年前碳达峰行动方案，支持有条件的地方率先达峰。我国地域辽阔，各地基础条件不同，经济社会发展呈现出明显的非均衡型和差异性，全国碳达峰和碳中和目标的实现最终要落实到各个地区层面。京津冀地区是我国重要的经济圈，也是人口密集地区、工业和能源消费的集聚地。2019年，京津冀地区总人口占全国总人口的8.1%，城镇化率为66.7%，高于全国的60.6%，地区生产总值占全国的8.6%，粗钢的产量占全国的26.5%，钢材产量占全国的28.3%，汽车产量占全国的14.5%，能源消费总量占全国能源消费量的10%，碳排放量占全国的9.4%。《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》提出，要深入实施区域重大战略，加快推动京津冀协同发展，深化大气污染联防联控联治。因此，只有科学测度京津冀地区碳排放的主要影响因素，才能有的放矢地制定减排政策，更好地促进京津冀地区碳中和目标的顺利实现，进而对国家目标的实现具有重要的现实意义。

关于碳排放影响因素研究，从研究对象看，目前主要集 中 在 国 家 层 面［1，2］、地 区 层 面［3－5］和 产 业 层面［6］。而对于京津冀碳排放影响因素的研究，可以归纳为以下几个方面：一是运用LMDI 分解法或者STIRPAT模型或者两者的结合分析北京、天津与河北的碳排放影响因素，但由于在运用LMDI 分解法中分解的层次不同和STIRPAT模型选择的影响因素不同，导致得出的碳排放影响因素也不尽相同［7－9］。二是从空间角度对京津冀碳排放影响进行的研究。苏旭冉、蔺雪芹［10］基于夜间灯光数据，运用空间计量模型，从城市角度对京津冀地区碳排放的空间特征及影响因素进行了研究；吕倩、刘海滨［11］同样利用夜间灯光数据，对京津冀县域尺度碳排放空间特征进行了分析，指出不论是城市尺度，还是县域角度，京津冀碳排放空间上不仅存在相关性，还存在差异性。三是从产业角度对京津冀碳排放影响因素进行的研究。主要分析了京津冀工业［12］、石化产业［13］、交 通 运 输 业［14］和 汽 车 运 输 业［15］的 碳 排 放 影响因素及特征，因为这些行业是碳排放量较大部门，分析这些行业碳排放量可以为京津冀地区减排政策制定提供更加具体的理论依据。四是对京津冀单个地区进行的碳排放影响因素分析。方德斌、陈卓夫、郝鹏［16］采用LMDI－ I分解法分析了人均住房面积、消费水平、人口增长、能源强度对北京城镇居民直接和间接碳排放的影响；张丽峰［17］通过建立变参数模型，分析了经济发展水平、产业结构、能源结构和能源消耗强度对北京碳排放影响；吴振信、石佳、王书平［18］采用LMDI分解法分析了能源强度、产业结构、能源结构、人口规模和经济发展水平对北京碳排放影响；Li B、Liu X、Li Z［19］采用扩展的STIRPAT 模型分析了天津碳排放主要影响因素。

以上文献为京津冀碳排放影响因素的选择提供了借鉴和参考，但这些文献大部分研究结果只能反映样本期内各个影响因素对碳排放的平均影响，不能反映出随着碳排放量分布的变化，各影响因素对碳排放影响程度的差异性，且都没有对将来各个影响因素对碳排放的动态影响进行分析，也没有从京津冀总体上分析碳排放影响因素，而这些方面的分析是京津冀碳中和目标的实现和减排政策的制定的基础与依据。因此，本文采用分位数回归和向量自回归模型中的脉冲响应和方差分解法，从京津冀总体上分析各个影响因素对碳排放不同分位点的影响程度的差异性及未来一段时期的动态影响方向和贡献率。

1 研究方法、变量选取与数据来源

1.1 研究方法

分位数回归：经典最小二乘回归是在满足随机扰动项服从零均值同方差的正态分布假设下，描述解释变量对被解释变量条件均值的影响，本质上是均值回归，但容易受到极端值的影响，使得参数估计有一定的误差，准确度不够高。分位数回归可以很好地避免这些问题。分位数回归最早由Koenker 和Bassett［20］于1978 年提出，不仅可以分析被解释变量的均值，还能分析被解释变量的不同分布情况，研究随着解释变量的变化，被解释变量不同范围的数据是如何变化的，能够更加完整地描述被解释变量不同分位点的条件分布特征，并且不同分位点下所得出的回归参数比经典最小二乘回归的参数有值得进一步探讨的意义。分位数归回是通过最小化加权的残差绝对值之和来估计回归参数，因此其估计量不容易受到异常值的影响，可以不考虑同方差和正态分布假设，使估计更加稳健。分位数回归模型如下：

假设被解释变量Y 的条件分位数由k 个解释变量组成的矩阵X线性表示：

向量自回归模型：向量自回归模型（Vector Autoregression Model，VAR）是Sims 于1980 年首先提出的。与经典回归模型不同，VAR 模型是基于变量的数据统计性质建立的模型，是一种非结构化多方程模型。由于在模型中把内生变量的若干滞后项作为解释变量，因此避免了经典联立方程的参数零约束问题和最小二乘偏倚问题，且能够反映变量间的动态关系［21］。VAR模型的一般表达式为：

式中，yt为k维内生变量向量；Xt为d维外生变量向量；p为滞后阶数；T为样本个数；φ1，φ2，φp为待估计的k×k维系数矩阵。

由于时间序列一般为非平稳序列，因此建立VAR 模型的前提条件是要求所有时间序列是同阶单整，且具有协整关系。其次，要确定合适滞后阶数，目的是进行参数估计时既要有足够滞后项，还要保持足够自由度。最后是模型稳定性检验，要求被估计模型的所有单位根倒数位于单位圆内。

1.2 变量选取

京津冀碳排放影响因素的选取借鉴Dietz、Rosa［22］的随机回归影 响模型（Stochastic Impacts by Regression on Population，Affluence and Technology，STIRPAT），此模型中基本的碳排放影响因素包括人口、富裕程度和技术水平，由于是随机形式，可以在遵循模型分解的基础上加入结构性变量。本文碳排放影响因素除了基本的人口总量、经济发展水平和技术水平外，加入了直接影响碳排放的能源结构来分析这些因素对京津冀地区碳排放的动态影响。具体变量选择如下：①碳排放量（CE）。目前我国没有公开公布CO2排放数据，因此本文结合IPCC 和2011《省级温室气体清单编制指南（试行）》中化石能源燃烧产生的CO2排放的计算方法，根据《中国能源统计年鉴》中北京、天津和河北的能源平衡表中18 种化石能源的消费量、用于发电和供热的能源消费量、用于工业原材料的消费量、化石能源的低位发热值、化石能源的碳排放系数和化石能源的碳氧化系数，计算出北京、天津和河北历年碳排放数据，加总后得到京津冀地区碳排放总量。②技术水平（EI）。技术水平用能源强度表示，是单位GDP 产出的能源消耗量，表明能源利用效率。其中，GDP 以2005 年为基期进行了调整。能源强度越大，能源利用效率越低，碳排放也越多；相反，能源强度越小，能源利用效率越高，碳排量也越少。③经济发展水平（EG）。经济发展水平一般用人均GDP来表示，更能反映一个国家或地区经济增长的真实情况，仍以2005 年为基期进行调整得到。④人口规模（PS）。人口规模用常住人口数表示。一般来讲，随着人口的增加，碳排放量也会不断增加。⑤能源结构（ES）。能源结构用清洁能源消费量占全部能源消费量的比重衡量。为了减少碳排放，能源结构需要进行调整和优化，即不断降低化石能源的比重，逐步增加清洁能源的比重，这是因为碳排放主要来源于化石能源的使用。本文中的清洁能源主要包括天然气、水能、太阳能、风能等。

1.3 数据来源

本文中涉及的各种化石能源、清洁能源消费量、能源消费总量、GDP、总人口、人均GDP 等指标的相关数据主要来源于历年《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》和《中国能源统计年鉴》，样本期限为1995—2017 年。

2 实证结果及分析

2.1 单位根与协整检验

由于各变量为时间序列数据，为了防止“伪回归”问题的出现，首先要进行时间序列平稳性检验和协整检验。本文采用ADF法检验序列的平稳性，用JJ检验法检验变量间的协整关系，变量单位根与变量协整关系检验结果见表1 和表2。

由表1 可知，碳排放（CE）、人口规模（PS）、经济发展水平（EG）、技术水平（EI）、能源结构（ES）5 个变量的原序列为非平稳序列，而一阶差分序列为平稳序列，因此5 个变量均为1 阶单整序列，满足协整检验的前提条件。

表1 变量单位根检验结果

由于本文涉及变量较多，不适合运用E－G 两步法进行协整检验，因此采用JJ 法检验。由表2 可知，根据迹检验法，至少有4 个原假设的迹统计值均大于5%临界值，表明5 个变量存在不止一个协整关系。根据最大特征根检验法，只有一个原假设的最大特征根值大于大于5%临界值。综合两种方法可以得出5 个变量间存在协整关系，进行分位数回归和建立向量自回归模型。

表2 变量协整关系检验结果

2.2 分位数回归结果分析

为了更好地反映京津冀地区碳排放影响因素在碳排放不同分位点的变化趋势，本文分别选择分位数为0.1—0.9 的9 个分位点进行回归，具体回归结果见表3。

由表3 可知，不论是均值回归还是分位数回归，变量对应的t值都较大，通过了变量显著性检验，方程的拟合优度值R2均在0.9 以上，方程整体拟合得很好。且通过斜率相等检验结果表明，分位数回归与均值回归的系数有显著差异，表明采用分位数回归方法是合适的。对于经济发展水平，均值回归和分位数回归的系数符号都为正，即经济发展水平与碳排放是正向关系，两者变化方向是一致的，均值回归系数是0.902。对于分位数回归来说，当τ＞0.8时，分位数回归的参数估计值小于均值回归参数估计值；当τ＜0.8 时，分位数回归的参数估计值大于均值回归参数估计值，表明不同分位数下经济发展水平对碳排放的影响不同，而均值回归掩盖了这种差异。经济发展水平对碳排放影响是逐渐减弱的，也从另一方面说明京津冀地区经济增长与碳排放在向脱钩方向发展。

表3 京津冀碳排放影响因素的分位数回归结果

对于技术水平来说，均值回归和分位数回归系数符号均为正，即技术水平与碳排放是正向关系，两者变化方向相同。均值回归系数是0.8543。对于分位数回归来说，当τ＞0.6 时，分位数回归参数估计值小于均值回归参数估计值；当τ＜0.6 时，分位数回归参数估计值大于均值回归参数估计值，表明不同分位数下技术水平对碳排放影响不同。技术水平对碳排放影响逐渐减弱，表明在碳排放量较低时，能源利用效率稍有提高，减排效果显著，但随着碳排放量逐渐增加，能源利用效率提高的潜力和空间逐渐减少，减排效果没有初期时那么明显，对碳排放影响开始呈现逐渐下降趋势。

对于能源结构来说，均值和分位数回归系数符号均为负，即能源结构与碳排放是反向关系，两者变化方向相反。均值回归系数是－0.3302。对于分位数回归来说，当τ＞0.6 时，分位数回归参数估计值的绝对值大于均值回归参数估计值的绝对值；当τ＜0.6时，分位数回归参数估计值的绝对值小于均值回归参数估计值的绝对值；表明不同分位数下能源结构对碳排放影响不同。能源结构对碳排放影响逐渐增强，也就是说当清洁能源比重较低时，碳排放量较多，随着清洁能源比重不断提高，碳排放量在逐步下降。

对于人口规模来说，均值和分位数回归系数符号均为正，即人口规模与碳排放变动方向一致。均值回归系数是3.6034。对于分位数回归来说，不同分位点回归系数是不同的，并没有表现出明显上升或者下降趋势，基本围绕着均值回归系数上下波动，表明碳排放量不同分位点的人口规模对碳排放的影响是正向的且影响程度存在着差异性。

2.3 向量自回归模型滞后期选择与模型稳定性

单位跟和协整检验结果表明，人口、经济发展水平、技术水平、能源结构与碳排放均为1 阶单整序列，具有协整关系，符合建立VAR 模型的前提条件。根据AIC、SC 和LR 原则，确定VAR 模型的最优滞后期为2 阶，所有单位根的倒数小于1，即位于单位圆内，模型是稳定的，具体检验结果见图1。

图1 京津冀地区碳排放影响因素VAR模型稳定性检验

2.4 脉冲响应分析

分位数回归只是分析了样本期内京津冀人口、经济发展水平、技术水平、能源结构在碳排放量不同分位点对碳排放的影响方向及程度，还不能反映出今后一段时期这些变量对碳排放的影响趋势，而这种分析对于今后节能减排政策的制定意义更加重大。因此，本文通过脉冲响应分析法分析了人口规模、经济发展水平、技术水平和能源结构对碳排放未来的影响。在实际应用中，一般不对VAR 模型得到的参数进行解释，而是在模型的基础上进行脉冲响应分析，即分析当系统中某个内生变量受到某种冲击后对系统中其他内生变量未来一段时期产生的动态影响。为了避免变量的不同顺序对分析结果的影响，一般采用广义脉冲方法进行分析，本文根据样本数量，脉冲响应的时期数选为10，具体分析结果见图2—5。

图2 京津冀碳排放对经济发展水平脉冲响应

由图2 可知，如果给经济发展水平随机扰动项一个冲击，经过2 个时期的调整逐渐趋于稳定，对碳排放未来8 期的影响是正向的。也就是说，随着经济增长，碳排放量还会增加，但影响程度逐渐减弱，经济增长和碳排放朝着脱钩方向发展；也可能再经过一段时间，出现经济增长，碳排放减少，实现经济增长与碳排放脱钩。

由图3 可知，如果给人口规模随机扰动项一个冲击，同样经过2 期调整后对碳排放影响逐渐趋于稳定，呈现逐渐下降趋势，而且是正向影响。也就是人口的变化与碳排放的变化趋势是一致的，可能随着京津冀地区人口峰值出现，总人口开始呈现下降趋势，碳排放也逐渐减少。

图3 京津冀碳排放对人口脉冲响应

由图4 可知，如果给技术水平随机扰动项一个冲击，对碳排放未来一段时期的影响呈现先升后降的趋势，同样两者也是正向关系，呈现相同变化趋势。也就是说在前6 期，技术水平对碳排放的影响是逐渐增强的，表明京津冀地区的能源利用效率在不断提高，但随着时间的发展，能源利用效率提高的潜力和空间会逐渐减少，因此对碳排放影响也会逐渐减弱。

图4 京津冀碳排放对技术水平脉冲响应

由图5 可知，如果给能源结构随机扰动项一个冲击，经过2 期调整后逐渐趋于稳定。整体来看，能源结构对碳排放的冲击是逐渐增强趋势。未来一段时期，随着京津冀地区清洁能源比重不断增加，碳排放将不断减少，可见能源消费结构优化对减少碳排放起着重要作用。

图5 京津冀碳排放对能源结构脉冲响应

2.5 方差分解分析

在脉冲响应分析之后，还应进行方差分解分析。即把某个内生变量的变化（通常用方差度量）进行分解，分析变量自身和其他内生变量对此变量变化的贡献大小，进而评价不同内生变量对其未来变化影响的重要程度。与脉冲相应分析的时期数相同也选为10 期，具体分析结果见表4。

表4 京津冀碳排放影响因素的方差分解结果

由表4 可知，技术水平即能耗强度对碳排放贡献率最大，且呈不断上升趋势，从第一期的1.13%上升到第十期的34.97%，表明未来一段时期能源利用效率是影响碳排放很重要的影响因素，也就是随着能源利用效率不断提高，碳排放将逐步下降。能源结构对碳排放的贡献率排在第二位，同时贡献率也呈现逐渐上升趋势，从第一期的12.75%上升到第十期的28.2%，表明能源结构对碳排放未来影响逐渐增强，对减少碳排放也起着非常重要的作用，随着清洁能源比重不断增加，碳排放量将逐渐下降。经济发展水平对碳排放贡献从第二期之后呈现逐渐下降趋势，从第二期的30.15%下降到第十期的17.22%，也就是说经济发展水平对今后一段时期内碳排放影响逐渐下降，表明经济总量可能在增加，但经济增长的速度可能会减慢，碳排放随之逐渐下降，实现经济增长与碳排放的脱钩状态。人口规模对碳排放贡献率也呈现逐渐下降趋势，从第一期的21.26%下降到第十期的9.23%，表明随着北京非首都功能疏解、控制人口总体规模和北京、河北和天津人口出生率和自然增长率下降，京津冀总人口开始呈现下降趋势，因此碳排放也呈现减少趋势。

3 结论与建议

3.1 结论

本文运用分位数回归分析了京津冀地区碳排放量在不同分位点下经济发展水平、人口规模、技术水平和能源结构对碳排放的影响，同时运用VAR 模型中的脉冲响应和方差分解分析了将来这几个解释变量对京津冀地区碳排放的动态影响，得出的主要结论为今后减排政策的制定和碳中和目标的实现提供了坚实的理论基础。

与均值回归模型比较而言，京津冀碳排放量在0.1—0.9 的9 个分位点上的回归系数是不同的，通过分位数回归能够更好地反映出经济发展水平、人口规模、技术水平与能源结构对碳排放影响程度的差异性。具体来讲：对经济发展水平和技术水平来说，碳排放量不同分位点回归系数均为正，且对碳排放影响逐渐减弱。这一方面说明京津冀经济增长与碳排放在向脱钩方向发展，有利于碳中和目标早日实现；另一方面说明随着能源利用效率的提高，潜力和空间逐渐减少，对碳排放的影响开始呈现逐渐下降趋势。对能源结构来说，碳排放量不同分位数下回归系数均为负，对碳排放影响逐渐增强，即随着京津冀清洁能源比重不断上升，碳排放量将逐步下降；对人口规模来说，碳排放量不同分位点回归系数为正，围绕着均值回归系数上下波动，表明人口规模对碳排放的影响是正向且影响程度存在着差异性。

脉冲响应分析结果表明，经济发展水平对碳排放未来影响是正向，但影响程度逐渐减弱，两者在朝着脱钩方向发展；人口规模对碳排放影响也是正向且呈现下降趋势，表明随着未来京津冀人口峰值出现后的下降，碳排放也会相应减少；技术水平对碳排放未来一段时期影响是正向，且呈现先升后降趋势，表明随着京津冀能源利用效率的不断提高，碳排放量在减少，但随着时间推移，能源利用效率可提高的空间会越来越小，因此碳排放减少的速度会逐渐减弱；能源结构对碳排放未来影响是负向，在分析期内对碳排放冲击呈越来越强趋势。

方差分析结果表明，在未来一段时期，技术水平对京津冀地区碳排放贡献率最大，且呈不断上升趋势，表明技术水平是很重要的碳排放影响因素；能源结构对碳排放未来影响也是逐渐增强的，对减少碳排放也起着非常重要的作用；经济发展水平对今后一段时期内碳排放的贡献率逐渐下降，表明随着经济增长并没有引起碳排放相应的增长；人口规模对碳排放贡献率呈逐渐下降趋势，表明随着北京非首都功能疏解、人口总体规模控制和京津冀三地人口出生率与自然增长率下降，京津冀总人口开始呈下降趋势，导致碳排放逐渐减少。

3.2 建议

目前京津冀总体碳排放量从2012 年开始呈现逐渐下降趋势，2017 年碳排放量还有将近9 亿t。为了保持这种下降趋势，不让碳排放出现反弹，同时也为了京津冀在全国率先实现碳中和目标，走在前面，起到带头示范的作用，根据以上分析，应从技术水平和能源结构两个重要因素着手进行减排政策的制定。在减排政策制定时应处理好总体与部分的关系，即在充分考虑北京、天津与河北经济发展水平、人口规模、能源资源禀赋、能源生产与消费结构、能源利用效率和技术水平的不同，又要注意到京津冀一体化或者协调发展。

首先，要不断进行科技创新，提高技术水平和能源利用效率。2017 年，北京市万元GDP 能耗（2005年价格为基期）为0.3531，天津市为0.4589，河北省为1.0162，可见河北省万元GDP 能耗远远高于北京市和天津市，表明河北能源利用效率要低于北京和天津。因此，如何提高河北能源利用效率是京津冀地区碳中和目标实现的关键。河北能源消耗主要集中在煤炭开采、钢铁、化工、水泥等高耗能行业，而这些行业能耗水平远高于国际先进水平。另外，这些高耗能行业的产业集中度低，企业数量多、规模小，导致能源利用效率低、污染严重。因此，河北应进行合并与重组、扩大产业规模、加大研发投入，不断进行科技创新，才能提高能源利用效率，减少碳排放，今早实现碳中和目标。

其次，要进行能源结构绿色转型。能源结构绿色转型主要包括减少煤炭使用量和增加清洁能源比重两个方面。①减少煤炭使用量。目前，河北和天津能源消费仍然以煤炭为主，尤其是河北的煤炭消费所占比重还在80%以上。因此，减少煤炭消费量是京津冀地区今后碳中和目标实现的重点，可采取电能替代政策，以电代煤、以气代煤，转变煤炭的使用形式。北京在这方面做得比较好，大大减少了煤炭的使用量，同时空气污染问题也得到了一定改善。但是，电能替代政策的实施主要依赖于政府的财政补贴，而天津和河北的财政能力明显弱于北京，构建三地间合理的财政转移支付制度是一个重要的政策选择。②增加清洁能源比重。京津冀地区清洁能源储量较为丰富，如河北张家口与承德地区的风能、太阳能资源丰富，可以大力发展风能和太阳能，天津则可以充分利用海洋资源，开展海上风电项目。京津冀地区2018 年水利、太阳能和风能的发电量占整个发电量的10.3%，2015 年仅为6.3%，增加了4 个百分点。2017 年，分布式太阳能装机容量为388 万kW，2019 年达到597 万kW，增长了54%。

第三，京津冀三地在协同发展背景下，应加强合作，尤其是重点构建低碳技术协同创新体系，推动整个区域在全国尽早实现碳中和目标。京津冀三地要进行全方位的科研合作，建立科技创新、科技合作、科技推广的联动机制，完善技术交易平台，增强区域协同创新的配置能力。同时，鼓励三地企业联合进行低碳关键和核心技术攻关，提高技术经费的使用效率，提升节能减排技术的转化速度。