低碳经济下贵州省碳排放影响因素分析

罗露璐 缪辉

［收稿日期］2023-12-15

［基金项目］贵州省2023年度教育厅高校人文社会科学研究项目资助“新时代贵州大生态战略行动纵深推进路径研究”（2023GZGXRW165）。

［摘 要］为了实现经济社会发展与生态环境保护双赢的低碳经济发展目标，研究影响碳排放的因素已成为当前的研究热点。文章以2004—2021年贵州省碳排放强度数据为被解释变量，选用人均地区生产总值、第二产业产值占国内生产总值（Gross Domestic Product，GDP）比重、人均用电量等9个指标作为解释变量，通过建立标准化多元线性回归模型，进行回归诊断与稳健性检验。研究结果表明，单位GDP水耗、建成区面积、第二产业产值占GDP比重对碳排放量的增长具有促进作用，而研究与试验发展（Research and Development，R&D）经费支出、单位GDP能耗和人均用电量对贵州省碳排放量具有抑制作用。最后，文章根据实证结果提出贵州省低碳经济发展的相关建议。

［关键词］碳排放强度；低碳经济；影响因素；贵州省

doi：10.3969/j.issn.1673 - 0194.2024.10.052

［中图分类号］F207；X321［文献标识码］A［文章编号］1673-0194（2024）10-0-03

0     引 言

近年来，二氧化碳排放量增加引起的全球气候变暖问题，成为国际社会日益关注的热点。自2003年低碳经济概念提出后，发展以低能耗、低污染、低排放为基础的低碳经济逐渐成为国际共识。为了更好地推动我国低碳经济发展，改善生态环境，学者们纷纷关注与能源消费有关的碳排放研究，重点集中于碳排放影响因素分析、碳排放现状、预测及减排路径等。在这些研究中，研究碳排放影响因素被认为是其中的重要环

节［1-4］。大量研究文献尽管覆盖了国家、区域和省级层面，同时涉及空间和时间维度的复杂性，但对于西南地区的重要省份——贵州省的具体分析尚未充分展开。

贵州省地处中国西南腹地，与重庆、四川、湖南、云南、广西接壤，地理位置十分重要，拥有富饶的矿产资源。其中，煤炭储量丰富，这对于支撑贵州省的能源需求和促进当地经济发展具有重要意义。当前，如何实现经济的可持续发展，同时减少碳排放，以促进经济增长与环保目标的共同实现，成为贵州省面临的重要问题。为此，本文采用多元线性回归的方法，旨在发现影响贵州省碳排放的主要因素，为实现贵州省的减碳目标奠定实践基础，更好地推动贵州省低碳经济的发展。

1     指标选取与数据来源

1.1   指标选取

1.1.1   被解释变量

本文将碳排放强度（Ct）作为被解释变量，即单位GDP的碳排放量。本文借鉴了《2006 IPCC 国家温室气体清单指南》和田建国与王玉海［5］的方法，对碳排放量进行测算，如式（1）所示：

Ct=∑ Ejt×ηj（j=1，2，3，4，5，6，7，8）（1）

式（1）中，Ct为贵州省第t年的碳排放总量，Ejt为第t年第j种能源消费量，ηj为第j种能源的碳排放系数。表1展示了8种能源的碳排放系数。

表1 8种主要能源的碳排放系数单位：t碳/t标准煤

能源类型 碳排放系数 能源类型 碳排放系数

原煤 1.900 3 煤油 3.017 9

焦炭 2.860 4 柴油 3.095 9

原油 3.020 2 燃料油 3.170 5

汽油 2.925 1 天然气 2.162 2

1.1.2   解释变量

国内外学者已从多个层面分析碳排放的影响因素，主要包括经济、能源、人口、技术、城市化等。不同的影响因素对碳排放量的影响方向和强度也存在差异。基于此，本文选取5个一级指标和9个二级指标作为解释变量，具体如表2所示。

1.2   数据来源

本文选取2004—2021年贵州省部分数据，数据主要来源于贵州省统计局、中国能源统计年鉴与中国环境统计年鉴等。

表2 碳排放影响因素指标

一级指标 二级指标 单位

经济 人均地区生产总值 元/人

第二产业产值占GDP比重 %

能源 能源消费总量 万吨标准煤

人均用电量 kwh/人

单位GDP能耗 tce/万元

单位GDP水耗 立方米/万元

技术 研究与试验发展R&D经费支出 亿元

人口 城镇人口占总人口比重 %

城市化 建成区面积 平方千米

2     实证研究

2.1   模型构建

本文选取2004—2021年贵州省碳排放相关统计指标，以碳排放强度为被解释变量，记为Ct，其余指标为解释变量，包括人均地区生产总值（X1）、第二产业产值占GDP比重（X2）、能源消费总量（X3）、人均用电量（X4）、单位GDP能耗（X5）、单位GDP水耗（X6）、研究与试验发展R&D经费支出（X7）、城镇人口占总人口比重（X8）、建成区面积（X9），基于以上变量建立多元线性回归模型，具体如下：

Ct=β0+βi Xi+ε（i=1，2，…，9）（2）

式（2）中，ε为残差项，βi为回归系数。为了消除变量的单位限制，以便进行综合测评分析，本文采用“Z-score标准化”，将原始数据转换为无量纲化指标。

本文先通过计算变量相关系数，检测碳排放强度是否与其他变量具有相关性，如表3所示。其中，变量间相关系数的绝对值均大于0.7，表明变量间存在显著的线性相关性。因此，接下来需要进一步研究回归模型的一些特性。

2.2   回归诊断

为检验建立的多元线性回归模型是否合适，本文进一步进行回归诊断。回归诊断需要确定并解决问题如下：①残差项不存在自相关性（独立性检验）、同方差（等方差检验）且服从正态分布（正态性检验）；②变量间具有线性关系；③变量间不存在完全共线性（多重共线性检验）；④模型具有稳健性（影响分析）。

2.2.1   等方差检验

本文首先进行等方差检验。本文采用Breusch－Pagan检验，得出P=0.602 5，该值大于0.05，可认为残差项方差基本相等。

2.2.2   正态性检验

正态性检验是指模型的残差服从正态分布。由

图1可知，点均在直线附近，且处于置信区间内，通过正态性检验。

图1 正态性检验图

2.2.3   独立性检验

DW检验（Durbin-Watson test）可用于检测数据是否具有随时间变化的自相关关系。结果可知，DW=2.100 575，P=0.148＞0.05，说明解释变量间无自相关关系，残差相互独立。

2.2.4   线性关系检验

成分残差图可以检查被解释变量与解释变量之间是否呈线性关系，否则需要建立非线性模型。图2中两条线几乎重合，因此，本文所选数据适合使用线性模型。

2.2.5   多重共线性检验

为消除多重共线性影响，本文采用逐步回归法，得出模型中含有X2、X4、X5、X6、X7、X8、X9；但其中X8未通过t检验。通过对比模型的拟合优度，由于检验不显著（P=0.135 1＞0.05），此时需要剔除变量X8，实现模型拟合最优。

2.2.6   稳健性检验

为保证模型的有效性，需要进行稳健性检验。其中，样本点1、6、15、18均为异常值点。为了减少模型受异常值的影响，可以采用稳健回归方法（MM稳健估计）。通过以上检验与修正，本文最终得到最优的贵州省碳排放标准化线性回归模型，具体如下：

Ct=0.276X2-0.134X4-0.221X5+1.164X6-0.308X7+

0.477X9+ε（3）

本文对数据进行了标准化处理，因此可以使用标准化回归系数来比较不同解释变量对被解释变量的影响大小。实证结果显示，在影响贵州省碳排放的多个主要因素中，它们的影响大小顺序为单位GDP水耗（X6）、建成区面积（X9）、研究与试验发展（R&D）经费支出（X7）、第二产业产值占GDP比重（X2）、单位GDP能耗（X5）以及人均用电量（X4）。

3     研究结论和建议

由贵州省碳排放标准化线性回归模型可知，单位GDP水耗对碳排放的影响最显著，呈正相关关系。这是因为水的获取、处理和供应过程中需要消耗大量的能源，而能源消耗导致碳排放。因此，贵州省可以通过采用更清洁的能源和提高水资源利用效率，减少单位GDP水耗对碳排放的影响。其次是建成区面积与碳排放强度也呈正相关关系。建成区面积的增加通常伴随着工业和商业活动的扩张、人口和经济活动的集中、生活水平的提升和消费模式更丰富等，导致能源的需求增加，从而带动碳排放的增加。因此，贵州省可以通过采用更具可持续性的城市规划、绿色建筑建设和交通管理等措施，减少单位面积的碳排放。此外，第二产业产值占GDP比重也与碳排放强度正相关，经济发展中工业化的推进往往伴随着更大规模的生产和更多的工业活动，这促进了能源使用，而能源使用则推动了经济增长，但同时也带来了碳排放。

另外，研究与试验发展（R&D）经费支出、单位GDP能耗以及人均用电量与碳排放呈负相关关系。这表明低碳经济概念提出后，贵州省较好地将技术创新成果应用于生产领域，采用更高效的生产和能源利用技术，减少了对高碳能源的依赖，有效提高了生产过程中的资源利用效率，实现了“用电≠排碳、用能≠排碳”的目标，从而降低了碳排放强度。

因此，贵州省可以采取有效的技术创新、促进能源效率提升和推动产业结构升级等手段，同时加强企业和行业的碳排放监管，实现经济增长和碳排放减少。总之，贵州省要采取可持续的发展战略，降低碳排放强度，更快更好地发展低碳经济。

主要参考文献

［1］任宏洋，杜若岚，谢贵林，等.中国碳排放影响因素及识别方法研究现状［J］.环境工程，2023（10）：195-203，244.

［2］徐英启，程钰，王晶晶.中国资源型城市碳排放效率时空演变与绿色技术创新影响［J］.地理研究，2023（3）：878-894.

［3］苏宇凡，刘珺，孟鑫，等.资源型地区碳排放时空演变和影响因素分析［J］.遥感信息，2023（5）：114-121.

［4］田泽，王颢霏，任阳军.碳排放约束下我国工业水资源利用效率及其影响因素研究［J］.资源与产业，2023（5）：50-60.

［5］田建国，王玉海.财政分权、地方政府竞争和碳排放空间溢出效应分析［J］.中国人口·资源与环境，2018（10）：36-44.