中部地区碳排放影响因素、碳排放与经济增长关系曲线研究

潘雅茹 陈勇

摘   要：作为发展中大国，中国有着世界最大的碳排放量，且随着经济发展，二氧化碳排放量将在较长时间内维持在一个较高的水平，对全球气候变化产生的影响不容忽视。以中部地区为例，研究影响碳排放量的因素，结果表明第二产业比重、人口和城镇化率等六个自变量都对碳排放量有不同程度的影响；中部地区碳排放与经济增长呈现“倒U型”关系，碳排放的增长趋势在一定程度上得到遏制。

关键词：中部地区；碳排放；经济增长；“倒U型”曲线

中图分类号：F713.5        文献标志码：A      文章编号：1673-291X（2024）07-0071-04

一、研究背景

随着城镇化、工业化进程不断推进，经济不断发展，我国能源消费量不断增大，碳排放量持续增加，带来一系列环境问题。在未来相当长一段时间，随着我国经济总量的增长，碳排放量将在相当长的时间内维持在较高水平，如何控制碳排放量已经成为我国不容忽视的问题。

自2006年以来，中国一直是全球第一大碳排放国，2019年已占全球年排放总量的28%[1]。如何控制碳排放增速和降低碳排放强度对于我国经济健康稳定发展至关重要。在2020年的第七十五届联合国大会上，我国向世界郑重承诺，力争在2030年前使二氧化碳排放量达到峰值，努力争取在2060年之前实现碳中和的目标。扎实做好碳达峰碳中和的各项工作被写进2021年全国两会的政府工作报告，显示出降低碳排放的重要性和急迫性。

据测算，中部六省碳排放量占全国总碳排放量的24%。本文将借助前人的经验，定量研究中部六省碳排放量影响因素及经济增长方式对碳排放的影响程度，以期有助于制定更加合理的节能减排政策以及促进经济增长方式转变，力争提前达到碳排放峰值，为全国实现碳中和做出积极努力。

二、碳排放影响因素模型设计及多元线性回归方程的建立

（一）变量选取及数据来源

综合前人的研究经验，本文假定碳排放量与人口、人均GDP、城镇化率、第二产业比重、15—64周岁人口比例、千人汽车保有量以及能源结构有关。这些变量之间可能存在较为严重的共线性问题，需要进行筛选。

人口、人均GDP、城镇化率、第二产业比重、15—64周岁人口比例和千人汽车保有量根据《中国统计年鉴》相关数据计算整理得出。

由于各地碳排放没有直接的数据，本文主要依据IPCC提供的碳排放计算公式，利用一次能源消费数据计算中部地区二氧化碳排放量，计算公式为

E=■n■=■E■·C■[2]

式中，E表示碳排放总量，单位亿吨；Ei表示能源i的消费量，Ci为能源i的二氧化碳排放系数（详见下页表1）。

能源消费数据来源于2003—2019年《中国能源统计年鉴》中相应省份的地区能源平衡表。

对选取数据进行汇总、计算后，得到各地2003—2019年碳排放总量。

（二）方程构建

根据前人的经验以及通过相关性检验筛选出的自变量，提出经验公式：

CE=a Pb Tec Ud Se Caf Cogeε（1）

其中CE代表碳排放量，单位是亿吨；P代表人口数量，单位是亿人；Te代表15—64岁人口比例；U代表城镇化率；S代表第二产业比重；Ca是千人汽车保有量，单位是辆；Co代表能源消费中煤炭的比例；b，c，d，e，f，g分別为它们的弹性系数，ε为随机误差。对公式两边分别取对数得：

InCE=Ina+bInP+clnTe+dlnU+elnS+flnCa+glnCo+ε（2）

该方程为多元线性回归方程，故本文选择建立多元线性回归模型。

文章选取2003—2019年中部地区山西省、河南省、湖北省、安徽省、湖南省和江西省六省的相关数据进行研究。

（三）数据及变量选取

由式（2），对相关变量取自然对数，分别得lnCE、lnP、lnTe、lnU、lnS、lnCo和lnCa的值。

（四）线性回归

利用SPSS将碳排放量作为因变量，六个影响因素作为自变量进行线性回归，得到的模型相关系数为0.998，表明因变量与自变量之间有非常强的相关性。P-value为回归系数t统计量的P值，六个自变量及常数项中，只有人口和15—64岁人口比重的P值大于0.05，没有通过检验。而其余变量均小于0.05，对中部地区碳排放量的影响较为显著。

（五）多重共线性诊断

多重共线性是指在线性回归中自变量之间存在着较为明显的线性相关关系。当变量之间的多重共线性比较严重时，利用普通最小二乘法得到的回归参数估计值的稳定性降低，系数t检验不能通过[3]。利用方差膨胀因子（VIF）来诊断变量之间是否存在多重共线性，如果VIFJ≥10，说明模型中的变量之间存在很强的共线性[4]。

对前文所构建的碳排放影响因素模型进行多重共线性检验，结果如表1所示。除了15—64岁人口比例，所有变量的方差膨胀系数均在10以上，VIF最大值高达685.513，说明自变量之间存在非常严重的多重共线性。

（六）岭回归

为了消除多重共线性的影响，本文将采用岭回归的方法，利用SPSS软件进行拟合，得到岭迹图如图1所示。

由图可知，当k=0.12时，R2的数值趋于稳定，故选择k=0.12作为岭值，获得基于岭回归的线性回归结果（详见表2）。可知，决定系数R-Square为0.962 0，说明回归模型的拟合优度较高。在岭回归模型的假设检验中，检验显著性Sig.F<0.000 1，通过检验。

表2   岭回归线性回归结果

由此可以等得到中部地区碳排放影响因素分析模型：

LnCE=0.62160958+2.21732285LnP+0.97239032lnTe

+0.41262142lnU+1.14312702lnS + 0.05859951LnCa + 0.01468455LnCo

公式中，六个自变量的回归系数均为正值，说明碳排放量与人口、15—64周岁人口比重、城镇化率、第二产业比重、千人汽车保有量和煤炭消费比例均呈正相关。这也与我们的经验相符。

三、二氧化碳的库兹涅茨曲线（CKC）分析

为了研究中部地区碳排放量与经济发展水平之间的关系，笔者用lowess局部加权平滑法做出各省及整体人均碳排放量与人均GDP的关系图，如图2所示。

从图中可以看出，六个省份及中部地区整体的人均碳排放量都是随着人均地区生产总值的增大而增大的，只是增长曲线有所不同：山西的人均碳排放量的变动幅度较小，在较小范围内近似呈“倒N型”变化；安徽和江西的增长曲线较为接近，人均碳排放量都在较大幅度的增长之后趋于平缓，但略有不同的是安徽省的增长曲线分别在头部和尾部各有一段下降的部分，呈现出较为明显的“倒N型”变化趋势，而江西省人均碳排放曲线则呈现比较完全的增长趋势；河南省的曲线表现为先上升后下降，是非常明显的“倒U型”曲线；湖北省的增长曲线在人均GDP的对数值接近1，即以2003年作为基年，人均GDP达到2.72万元时，出现较为明显的断层，除此断层之外的大部分数据都落在一条“倒U型”曲线附近；湖南省的曲线呈现出增长的趋势，增长速率先于中部地区整体的曲线与湖南省的较为接近，呈现“倒U型”。为了验证各省及中部地区整体人均碳排放量与人均GDP之间的关系，本文分别对这些省份及整体的人均碳排放与人均GDP进行二次和三次OLS检验，回归方程分别为：

LnPCE=a1+b1LnPG+c1（LnPG）2+ε1（5）

LnPCE=a2+b2LnPG+c2（LnPG）2+d2（LnPG）2+ε2（6）

在模型中，如果常数和所有系数都在5%的水平上显著，那么认为模型通过检验。从表3中可以看出：山西省既没有通过二次检验，也没有通过三次检验，所以既不符合“U型”曲线，也不符合“N型”或“倒N型”曲线；安徽省和湖南省既通过了二次检验，也通过了三次检验，但两省都是三次检验的调整R2更高，且该三次曲线的两个拐点也都在样本范围之内，而安徽省三次项系数为负，湖南省三次项系数为正，所以安徽省的碳排放曲线接近“倒N型”而湖南省接近“正N型”；江西省和湖北省通过了二次检验而没有通过三次检验，且转折点出现在样本范围内，而二次项系数为负，所以江西省碳排放曲线为“倒U型”。河南省既通过了二次检验，也通过了三次检验，虽然三次检验的调整R2更高，但是，由于该三次曲线只有一个拐点在样本范围内，所以仍然是“倒U型”曲线；对于中部地区整体而言，只通过了二次检验，没有通过三次检验，二次项系数为负且拐点出现在样本范围内，所以，中部地区的碳排放曲线为“倒U型”。

中部地区碳排放与经济增长呈“倒U型”关系，说明中部地区碳排放增长的趋势得到遏制，经济增长的质量得到提升，发展方式变得更加健康。

四、结论与建议

（一）结论

在节能减排、实现“碳达峰、碳中和”目标背景下探究影响碳排放量的影响因素，找到减少碳排放量的途径具有重要意义。本文利用岭回归得到关于中部地区碳排放量的回归方程，之后对碳排放量和经济增长进行脱钩分析，得出如下结论：人口、人口年龄结构、城镇化率、第二产业、汽车保有量和煤炭消费比例这六个变量均会正向影响碳排放量，影响程度从大到小分别为第二产业比重、城镇化率、千人汽车保有量、人口总量以及15—64周岁人口比重和煤炭消费比例。虽然各省碳排放量与GDP的关系曲线不尽相同，但大都呈现随着经济增长碳排放量先增加后减少的趋势，总体而言，中部地区人均碳排放量与人均GDP呈现“倒U型”曲线关系，碳排放的增长趋势得到一定程度的遏制。

（二）建议

1.产业结构方面。在本文研究的六个自变量中，第二产业比重是影响碳排放量最显著的变量。这也容易理解，相比于第一和第三产业，第二产业由于行业特性，会消耗更多燃料和电力。因此，各地应该依据当地的原料和矿产资源合理制定工业发展规划，承接具有较高技术水平的产业，淘汰落后产能。

2.城镇化方面。因为公共交通、照明和取暖的需要，城镇人均能耗远高于农村地区。应着眼于适当减少不必要的能源消耗，如实行弹性供暖，减少一些非必要装饰灯具，致力于建造低碳环保的新型城镇化环境。

3.人口方面。不论未来中国人口继续缓慢增长还是出现一定程度的负增长，人口总量在一定范围内维持稳定是可以预期的。所以，为减少碳排放，应该着眼于制定政策和引导群众意识，让他们意识到减少碳排放与每个人息息相关，践行低碳的生活方式和环保节能的消费方式。

4.汽车拥有量方面。2003—2019年这17年里，中部地区千人汽车保有量从6.18辆增长到137.40辆，增长21.83倍，高于其他任何自变量的变动幅度。参考发达国家的数据，预计未来还有不小的上升空间。在这方面应该倡导多使用公共交通工具，同时应大力推广新能源车，减少对石油的依赖。

5.人口年龄结构方面。显而易见，相比孩童和老年人，青年人消费能力更强，参与经济活动的程度更高，所以碳排放量与青年人的比例正相关，随着中国人口老龄化的加深，客观上会有助于碳排放的减少。

6.煤炭消费比例方面。我国是煤炭消费大国，煤炭相较于其他能源，不仅碳排放量大，而且容易污染环境。为减少煤炭消费量，除企业应重视掌握先进生产技术以提高能源利用率以外，国家层面也需要大力扶持清洁能源企业的发展，提高清洁能源发电比重，降低化石燃料的依赖度，从而有效减少碳排放。

参考文献：

[1]   Mckinsey China Report[R].2019.

[2]   IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL].（2010-11-05）[2013-12-23].http：//www.ipcc-nggip.iges.or.jp/public/ 2006gl/index.html.

[3]   王惠文，吴载斌，孟洁.偏最小二乘回归的线性与非线性方法[M]．北京：国防工业出版社，2006.

[4]   黃振华.基于STIRPAT模型的重庆市建筑碳排放影响因素研究[J]．项目管理技术，2018，16（5）：55-60.

[责任编辑   卫   星]