人口与消费对碳排放影响的分析模型与实证

合集下载

二氧化碳排放对人口的影响

⼆氧化碳排放对⼈⼝的影响2019-09-23⼀、模型的设定（⼀）研究⽅法本⽂采⽤IPAT的扩展模型STIRPAT进⾏分析。

由于时间序列数据进⾏对数变换后不会改变数据的特性，却能使数据趋势线性化并在⼀定程度上消除时间序列的异⽅差，因此，在进⾏实证分析时分别对变量取对数。

具体的表达式为：LnI=a1LnPurban+a2LnPx+a3LnPind+a4LnA+a5LnT+Lnf+lne（1）其中，I表⽰⼈均⼆氧化碳排放量，P表⽰⼈⼝因素，包括⼈⼝城镇化率、平均家庭化规模、⼈⼝产业结构，A⽤实际⼈均消费额表⽰，T⽤能源强度表⽰，f表⽰常数项，e表⽰随机误差项。

（⼆）变量说明（1）⼈均⼆氧化碳排放量（⽤I表⽰）：本论⽂借鉴杜⽴民估算碳排放量的⽅法，估算新疆从1995—2010年的⼆氧化碳排放量。

（2）⼈⼝城镇化率（⽤Purban表⽰）：它⽤城镇⼈⼝占总⼈⼝的⽐重表⽰。

（3）平均家庭户规模（⽤Px表⽰）：它⽤家庭户⼈⼝数占家庭户的⽐重表⽰。

（4）⼈⼝产业结构（⽤Pind表⽰）：第⼆产业⼈⼝占就业⼈⼝⽐重表⽰。

（5）实际⼈均消费额（⽤A表⽰）：A=居民消费额/(居民消费者价格指数/100)。

（6）能源强度（⽤T表⽰）：它⽤能源消费总量占实际GDP的⽐重表⽰。

⼆、实证分析（⼀）单位根检验单位根检验的⽬的是为了防⽌伪回归的出现。

本⽂采⽤常⽤的ADF检验⽅法，对每个变量的原序列和⼆阶差分序列进⾏检验，检验结果见表1.由表1可知，LnI、LnPurban、LnPx、LnPind、LnA和LnT在1%的显著⽔平下为⾮平稳序列，经过⼆阶差分之后，LnI、LnPurban、LnPx、LnPind、LnA和LnT这些变量在1%的显著⽔平下为⼆阶单整，也就说明可以进⼀步做协整检验。

（⼆）协整检验原始变量的时间序列是⾮平稳的，为了检验新疆⼈⼝城市化率、⼈⼝产业结构、平均家庭户规模、实际⼈均消费额、能源强度与⼈均⼆氧化碳的长期均衡关系，通过对残差项做单位根检验，残差序列单位根检验显⽰：e在1%的显著⽔平下平稳，回归⽅程中的各变量之间存在协整关系，其对应的长期协整关系如下：DLnI=0.0158DLnPurban+2.2091DL-nPx+0.1003DLnPind+0.0029LnA-0.9461LnT+0.2724（0.9474）（2.1510）（0.7519）（1.2613）（-0.7194）⼈均⼆氧化碳排放量与⼈⼝城市化率、实际⼈均销售额、⼈⼝产业结构和平均家庭户规模呈现正向协整关系，与能源强度呈现反向协整关系。

中国家庭消费碳排放人口边际效应研究

中国家庭消费碳排放人口边际效应研究中国家庭消费碳排放人口边际效应研究随着全球气候变化的加剧，人们对于碳排放问题的关注度不断增加。

而家庭消费被认为是某国碳排放的重要来源之一。

在中国这样一个人口众多的国家，家庭消费碳排放更是成为不容忽视的问题。

本文旨在探讨中国家庭消费碳排放的人口边际效应，并提出相应的对策。

首先，我们需要了解家庭消费在中国碳排放中的实际贡献。

根据统计数据，中国家庭消费碳排放量在全球比例中居高不下。

这主要归因于中国庞大的人口基数和日益增长的消费水平。

中国现代化的工业化进程和城市化推动了大规模的家庭消费升级，这直接导致了碳排放量的增加。

其次，我们来探讨中国家庭消费碳排放的人口边际效应。

人口数量的增长不仅会扩大家庭消费总量，还会对碳排放产生进一步影响。

首先，人口增加会带来更多的家庭成员，增加了家庭能源和材料消耗的需求。

其次，人口增长推动了城市化进程，城市的基础设施建设、交通需求和能源消耗都大大增加了碳排放。

最后，人口增长也会推动经济增长，促进工业和农业活动，这无疑会加剧碳排放问题。

在面对中国家庭消费碳排放的人口边际效应时，我们需要寻求相应的解决方案。

首先，国家应该加强对家庭消费碳排放的监管和管理，推动绿色消费理念的普及。

通过加强环保知识的宣传和教育，引导家庭消费向低碳、环保的方向发展。

其次，鼓励家庭节能降耗，例如通过使用节能电器、改善建筑能源效率等方式来减少碳排放。

此外，加强对碳排放的计量和监控，为家庭提供准确的碳足迹信息，以便激励和引导家庭减少碳排放。

除了国家层面的政策和措施外，每个家庭也应承担起减少碳排放的责任。

家庭成员应该提高环保意识，从日常生活中改变消费习惯，例如减少塑料袋的使用、选择公共交通出行等。

此外，节约用水用电，减少食物浪费和塑料垃圾等也是每个家庭可以采取的有效措施。

综上所述，中国家庭消费碳排放的人口边际效应不容忽视。

在应对气候变化的过程中，我们需要加强对家庭消费碳排放问题的研究，并提出相应的解决方案。

碳排放驱动力模型的构建与实证分析

碳排放驱动力模型的构建与实证分析摘要：分析安徽省碳排放增长的深层原因，构建碳排放驱动力模型，采用安徽省2005-2009年数据实证得出相关结论。

能源效率水平的提高已成为安徽省发展低碳经济的最重要手段，现阶段能源效率水平的提高，更应依托于技术进步。

关键词：碳排放影响因素驱动力分析中图分类号：x321 文献标识码：a 文章编号：1007-3973（2013）003-122-021 基于能源消费的碳排放测算在对安徽省碳排放的深层原因进行具体研究之前，首先应当将碳排放量进行量化，找出碳排放急剧增长的特殊时期。

本文以能源消费总量为基础，测算历年的碳排放量。

采用如下公式（1）对安徽省碳排放量进行测算：（1）式中：c——历年碳排放总量，e——能源消费总量，cj——第j 类能源的碳排放量，ej——第j类能源的消费量，sj——第j类能源所占总量比重，fj——第j类能源的碳排放系数，j=1，2，3，4。

各类能源的碳排放系数的数值分别为①：煤炭0.7476、石油0.5825、天然气0.4435、水电核电0，单位：万吨碳/万吨标准煤。

图1 安徽省碳排放序列能源消耗总量及各类能源所占比重的历年数据，参照了《新中国60年统计资料汇编》、《新中国55年统计资料汇编》中的《安徽篇》及历年《安徽统计年鉴》。

考虑到安徽省并未统计出1989年之前历年关于能源消费总量及其构成的数据，因而将1989年之前的能源消费方面的数据用能源供给的相关数据代替。

由图1观察可知，2005年之后，安徽省碳排放增长较为迅速。

针对这一特殊时期，本文将从碳排放的六种影响因素入手，探究近年来（2005-2009年）安徽省碳排放快速增长的具体原因。

2 模型构建与数据说明2.1 模型构建模型中把安徽碳排放总量分解为五个部门分类消费的四种燃料产生的二氧化碳的总加。

将安徽省全行业划分为五个部门分类建立模型，将一些部门进行必要地合并，是基于两个方面的考虑：（1）实际应用中数据的可获得性；（2）合并的部门的口径最终可以保持一致；根据《新中国60年统计资料汇编》中《安徽篇》可知，安徽省能源消费总量主要包括煤、石油、天然气、水电的利用。

人口结构变化与消费模式对碳排放的影响研究

人口结构变化与消费模式对碳排放的影响研究作者：魏国强来源：《商业经济研究》2017年第16期内容摘要：本文首先对人口结构变化与居民消费模式的现状进行了初步探讨；其次基于2000-2015年间我国人口总数、人均消费与碳排放总量等面板数据，应用STIRPAT模型分析了人口规模、消费结构、收入水平等因素对碳排放的影响效应。

针对不同消费特征，提出了节能减排的具体对策建议。

关键词：人口结构消费模式碳排放模型构建有效措施人口结构变化与消费模式现状分析（一）我国人口结构的变化现状新中国成立以来，受国家宏观政策的调整、优化以及经济与医疗事业的迅速发展，我国人口年龄结构不断变化。

大致以1970年和1990年为分水岭，可以发现，我国人口年龄结构的变化是由年轻型与成年型转变为老年型。

1970年前，我国的人口结构属于年轻型。

自1970年我国广泛推行计划生育政策后，人口出生率和生育率大幅下降，青少年人口减少，老年人口增多，人口年龄结构转向成年型。

20世纪90年代以来，我国人口老龄化进一步加速，人口年龄结构开始进入老年型，近年来我国人口老龄化现象更为突出。

在人口年龄结构不断变化的同时，受经济形式改变与居民生活水平提高的影响，我国第二、三产业发展不断加速，三大产业的人口结构呈现出不同变化趋势。

其中，第一产业从业人口数量与比重不断下降，第三产业则与第一产业相反逐年上升。

据国家统计局数据显示，2014年我国第一产业与第三产业的从业人口占比分别为29.5%和40.6%，前者较2000年减少了20.5%，后者则上升了13.1%。

而第二产业人口结构以1988年与2002年为分界线，呈现出先升后降再上升的变化趋势。

随着三大产业的发展，我国人口城乡结构发生了反向转变。

农村人口比重逐渐降低，城镇人口不断增多。

据中国统计年鉴数据显示，1995年至2014年，城镇居民人口数量由3.5亿增至7.5亿，占比增长了25.84。

由此可以看出，我国人口结构不断转变，已进入老年型人口年龄结构，第二、三产业人口占比较大，且城镇人口不断增多。

中国人口结构对碳排放量影响探究

中国人口结构对碳排放量影响探究收稿日期：2010-12-05作者简介：李楠，硕士，主要研究方向为区域经济学。

（中南财经政法大学公共管理学院，湖北武汉430073）摘要从人口结构角度探讨碳排放问题，有利于正确判断和把握影响碳排放量的人口因素，有的放矢地制定碳减排政策，应对我国经济发展方式的转变有着重要的理论和现实意义。

本文利用我国1995-2007年碳排放量、人口总数、人口的城市化率、老龄化率和反映人口消费结构的恩格尔系数第二产业从业人口比重等时间序列数据，运用协整理论、格兰杰因果检验和多元回归模型作为分析工具，对我国人口结构与碳排放量之间的关系做了实证分析。

结果发现：①1995-2007年间，人口结构中的人口城市化率、人口的消费结构、第二产业从业人口比重对碳排放量均存在正向影响，而人口规模对碳排放量的影响在模型中却表现为负效应；②相对于人口规模，人口的结构特征对碳排放量的影响越来越大，其中人口的城市化率对碳排放量的正向影响最大，说明中国的碳排放量与城市化的进程存在着密切关系；③人口的老龄化对二氧化碳排放量具有负效应，人口老龄化的加快对长期碳排放有抑制作用，所以在未来实现碳减排会逐渐成为可能。

最后，针对分析结果，探讨了未来我国的碳减排策略，以期能有效地控制人口因素对我国碳排放增长的影响。

关键词碳排放量；人口结构；协整理论；格兰杰检验中图分类号N94；X196文献标识码A文章编号1002-2104（2011）06-0019-05doi:10.3969/j.issn.1002-2104.2011.06.004 随着低碳问题日益成为热点，越来越多的人开始关注低碳，国内外很多学者也展开了对碳排放量影响因素的研究。

当前我国正在积极建设资源节约型、环境友好型社会，因此理清碳排放量的影响因素至关重要。

碳排放量是由一个国家的经济发展程度、技术水平、能源结构、经济结构、人口结构等众多因素共同作用决定的。

根据IEA（2009）的统计数据，2007年中国消费化石燃料而排放的CO2已经超过美国，成为全球第一大CO2排放国［1］。

人口变动在大城市碳排放中的作用与影响——以北京市为例

人口变动在大城市碳排放中的作用与影响——以北京市为例童玉芬;韩茜【摘要】碳排放是表征一个国家或地区环境状况的重要指标,与经济发展、技术和人口等都有着密切的联系.本文采用了基于环境压力等式IPAT的STIRPAT模型来定量分析北京市人口因素及其他相关因素对北京市碳排放的影响.研究结果显示,北京市的经济水平、城镇人口规模、就业结构、城镇化率和年龄因素对北京市的碳排放具有正效应,即随着上述因素的增大,碳排放也呈现增加趋势,而碳排放强度(技术因素)与碳排放呈现反相关关系.从1980-2010年的上述各类因素的变化以及对碳排放的影响程度上看,经济水平的提高对碳排放的贡献最大,人口规模的增加对碳排放的贡献紧随其后,产业结构升级和城镇化提高都对碳排放产生了明显的促进作用.【期刊名称】《北京社会科学》【年(卷),期】2013(000)002【总页数】7页(P113-119)【关键词】北京市;人口因素;碳排放【作者】童玉芬;韩茜【作者单位】首都经济贸易大学劳动经济学院,北京100070【正文语种】中文【中图分类】C922一、前言近一个世纪以来，矿物燃料 (如煤、石油等)被大量使用，森林被大肆砍伐和焚烧，其排放出大量的二氧化碳等多种温室气体，成为全球气候变暖的主要原因。

政府间气候变化问题小组根据气候模型预测，到2100年为止，全球气温估计将上升大约1.4－5.8℃ (2.5－10.4华氏度)(IPCC，2007)。

根据这一预测，全球气温将出现过去10，000年中从未有过的巨大变化，其后果会使全球降水量重新分配、冰川和冻土消融、海平面上升等，既危害自然生态系统的平衡，更威胁人类的食物供应和居住环境。

改革开放以来，我国国民经济持续增长。

在经济高速增长和社会转型的大背景下，我国的人口发展和居民生活消费方式正发生着深刻变化。

北京作为中国的首都和特大城市，更是经历了社会发展的深刻变革和经济增长的巨大改变，同时伴随着人口的快速增长和结构变化。

人口_经济和技术对二氧化碳排放的影响分析_基于动态面板模型

inc re a s e s ca rbon em is s ions, bu t the te chno log ica l p rog re s s re d uce s it. In a dd ition, Ch ina ’s ca rbon
d ioxide em iss ions a re c le a rly p a th dep e nde nce; tha t is, cu rre n t e conom ic g row th w ill a ffe c t the a ir qua lity a fte r one to th re e ye a rs. Ba se d on the s e find ings, th is p ap e r p rovid e s sugge s tions to re duce
第 34卷第 3期 2010年 5月
Vol134, No13 M ay 2010
32
人口研究 Popula tion Research
人口、经济和技术对二氧化碳排放的影响分析 3
———基于动态面板模型
李国志李宗植
【内容摘要】气候变化和二氧化碳减排问题已经引起了世界性的关注。一般而言 ,一个国家的二氧化碳排放量是由多种因素共同作用决定的 ,并且这些因素对碳排放量的作用可能有所不同。文章基于动态面板模型 ,利用中国 30个省份的相关数据 ,分析了二氧化碳排放与人口、经济、技术的关系。结果表明 ,人口、经济和技术对不同地区二氧化碳排放的影响是不一样的。其中人口对二氧化碳排放的影响呈现明显的双向性 ,经济增长对碳排放具有较强的促进作用 ,而技术进步则在一定程度上缓解了二氧化碳排放。另外 ,二氧化碳排放表现出明显的路径依赖现象 ,当期经济增长将至少对未来 1～3年的空气质量产生影响。基于上述结论 ,文章提出了减少二氧化碳排放的相关政策建议 ,以适应中国的低碳经济道路。

人口、消费与碳排放问题的文献综述

53人口、消费与碳排放问题的文献综述王珑作者简介：王珑（1993－），女，汉，吉林通化，研究生在读，延边大学，研究方向：人口资源与环境经济学。

（延边大学吉林延吉133000）摘要：本文整理了国内外学者关于人口、消费与碳排放问题的相关研究，并从人口结构、居民消费、以及人口消费对未来碳排放影响三个方面综述成果，并对相关内容进行分析评述。

关键词：人口消费；碳排放；国内外；文献综述一、引言到目前为止，国内外的相关研究内容主要包括：人口结构对碳排放的影响；居民家庭消费碳排放的测算与分析；人口发展和消费模式的不断变化对碳排放的影响。

二、人口结构对碳排放影响的研究王芳、周兴（2012）运用1961 2010年的面板数据，分析了美国、中国、日本、英国等9国关于人口年龄结构、城镇化与碳排放之间的关系。

结果表明，人口规模、人均GDP 、二氧化碳排放强度、化石能源占能总消耗的比重与全球碳排放显著相关。

吴昊、车国庆（2018）通过使用STIＲPAT 模型，利用2004—2015年的中国省级面板数据进行实证检验。

实证结果表明，从国家层面来看，儿童人口比例与碳排放存在负相关关系，劳动年龄人口比例和老年人口比例与碳排放存在正相关关系。

家庭户规模变化对碳排放的影响同样引起广泛关注。

陈佳瑛等（2009）研究发现，家庭规模对于碳排放影响较大。

三、居民家庭消费碳排放的测算与分析家庭消费碳排放的来源可以分为两个方面：生活用能碳排放与消费品用能嵌入式碳排放。

前者的计算可以直接根据生活用能消耗和分析其消费结构获得，后者涉及消费品在其原料、生产、运输、销售中所承载的间接能源消耗，不易获得。

目前的研究大多围绕后者展开。

冯等（2011）和黄等（2013）分别利用2006－2008年天津市居民消费碳排放的平均数和2000－2010中国城市及乡村居民直接与间接碳排放数据进行分析，估计了其在总的消费能耗中所占的比重，分析了我国居民消费碳排放的结构变化趋势和特征，说明了居民消费碳排放总量逐年上升，并对碳排放问题有显著的影响。

人口结构和经济增长对碳排放的影响分析

人口结构和经济增长对碳排放的影响分析作者：胡宗义王天琦来源：《经济数学》2018年第03期摘要利用中国30个省级行政单位（暂不包括港澳台地区，下同）2005～2014年的数据，采用动态面板模型，研究人口结构、经济增长对碳排放的影响.研究结果表明，从全国范围来看，人均GDP、劳动年龄人口比率、城市化率、第二产业就业率及对外开放度均对碳排放有显著正向影响，而平均家庭规模会减少碳排放量；从区域来看，人均GDP、劳动年龄人口比率对碳排放产生显著正向影响，其他因素对碳排放的影响程度及方向有较大差异.关键词人口、资源与环境经济学；碳排放；动态面板模型；人口结构；经济增长中图分类号X196文献标识码AStudy on the Impact of Population Structureand Economic Growth on Carbon EmissionZongyi Hu， Tianqi Wang（College of Finance and Statistics， Hunan University， Changsha， Hunan410079，China）AbstractThe dynamic panel model is used to study the effect of population structure and economic growth on carbon emissions by using the data of 30 provincial administrative units in China （Not including data of Hong Kong， Macao and Taiwan for the time being， the same below）from 2005 to 2014. The results show that， from a national perspective， per capita GDP， working age population ratio， urbanization rate， secondary industry employment rate and the rate of openness have a significant positive impact on carbon emissions， while the average household size will reduce carbon emissions；From the regional point of view， per capita GDP， working age population ratio has a significant positive impact on carbon emissions； other factors have different influence on the degree and the direction of carbon emissions.Key wordseconomics of population， resources and environmental； carbon emissions；dynamic panel model；population structure； economic growth1引言当前，全球气候问题成为国际社会关注的焦点.2007 年，联合国政府间气候变化专门委员会（IPCC）在评估报告中指出，全球气候变暖问题是人类迄今面临最严峻的问题之一，也是21 世纪人类面临最复杂的挑战之一.改革开放以来，随着经济的迅猛发展，城市化和工业化的逐步推进，中国以工业为主导的粗放型经济发展模式，导致化石能源大量消耗和温室气体的大量排放.为应对这种局面，中国政府积极承担责任并制定相关法律政策以控制二氧化碳排放量的增加，2012年党的十八大报告指出要大力推进绿色发展、循环发展、低碳发展，把生态文明建设放在突出地位，努力建设美丽中国，为全球生态安全作出贡献.2017年10月，习近平总书记在十九大报告中提出推进绿色发展，建立健全绿色经济绿色低碳循环发展的经济体系，坚持全民共治，源头防治，持续实施大气污染防治行动，打赢蓝天保卫战.全球气候变暖除了自然因素外，更大程度是人类活动造成的.有研究指出，截止到21世纪末，仅仅来自人口因素（含人口规模和人口结构）变化的影响就将使中国的碳排放量增长45%以上，人口因素对碳排放影响的重要性不言而喻.中国作为人口最多的发展中国家，自改革开放以后，随着经济的快速发展，工业化、城镇化进程加快，总人口从2005年的130756万人增加到2014年的136782万人，包括城乡结构、就业结构和家庭规模在内的人口结构均处于不断变化之中，导致人口因素对碳排放产生复杂多变且不容忽视的影响.目前中国对碳排放影响因素的研究主要集中在经济、技术方面，而人口因素方面涉及的较少且不全面，人口仍是以总量的形式体现在规模变量上，关于国内人口结构因素对碳排放影响的研究十分缺乏.根据2005～2014年数据，对中国碳排放量进行估算，并利用STIRPAT模型分别从全国及区域角度分析了人口、经济对碳排放的影响，既有助于寻找适合我国国情的更为实际有效的应对策略，为政府尤其是地方政府制定经济政策和环境政策提供重要的参考依据，也有助于正确判断和把握碳减排压力的人口因素，促进低碳经济发展，推动我国资源节约型、环境友好型、人口均衡型社会的建设和发展.对于经济增长与碳排放之间的关系研究主要是基于环境库茨涅茨曲线，大量研究表明经济增长与碳排放之间呈倒“U”型曲线关系，即在经济增长的初期，重工业的发展导致能源的需求量增加，碳排放随之增加，当经济发展到一定阶段以后，经济继续增长会减少碳排放[1].姜勇（2014）运用1995～2010年30个省的面板数据对我国CO2排放的环境库兹涅茨曲线（EKC）进行了实证分析，结果表明：人均CO2排放量与人均 GDP之间均为“倒 N 型”曲线关系[2].周健等（2015）利用ARDL模型作为经验分析工具对我国1991～2010年的数据进行研究，结果表明经济的规模变量对碳排放有显著的正向影响[3].在经济全球化的大背景下，贸易自由化不断深化，越来越多的贸易活动与碳排放问题挂钩，国内外学者就贸易开放的碳排放作用做出了大量的研究.Muhammad Shahbaz（2016）利用马来西亚1970～2011年间相关数据，基于STIRPAT模型，应用BayerHanck联合协整方法和VECM格兰杰因果关系检验调查了城市化对二氧化碳排放的影响.结果显示，经济增长是二氧化碳排放量的主要来源，贸易开放导致富裕，从而增加二氧化碳排放量[4].彭水军等（2013 ）研究了中国贸易开放对碳排放的影响，结果均显示，出口贸易导致中国碳排放量的上升，对中国环境产生不利影响[5].Guo J E（2012 ）研究指出，贸易隐含碳在地域和行业都存在较大差异，东部地区对外贸易中的隐含碳所占比例较大，省际间贸易产生的碳排放从东部向西部转移[6].谷祖莎（2012）采用动态面板模型验证了中国大陆省份的贸易开放对碳排放的影响，结果显示全国整体及中西部地区的外贸依存度对碳排放具有正向效应，但东部地区具有负向效应[7].形成碳排放的直接原因是化石燃料的燃烧，在人类社会活动中，碳排放的影响因素主要分成经济、人口、技术、能源四个方面.人作为活动主体，贯穿于整个环节，通过经济活动作用于自然环境，人口因素是影响碳排放的重要因素.在人口因素方面，着重分析人口结构因素对碳排放的影响.研究人口结构如何对碳排放产生影响成为学术界讨论的热点，Sanglimsuwan （2012），O'Neill，Brian（2012），Jorgenson（2013）和Clark（2013）和Ahmad（2013）研究均表明，人口因素是导致CO2排放增加的主要驱动因素，其中人口因素主要包括人口规模和人口结构[8-12].李楠等（2011）、曲如晓等（2012）、马晓钮等（2013）、童玉芬和韩茜（2013）等人的研究表明影响CO2排放的人口因素主要包括人口规模、人口年龄结构、人口城市化和家庭规模等[13-16].人口城乡结构主要通过能源消费需求对碳排放产生影响，城镇化进程中，居民消费水平不断提高、生活方式发生改变，对生活型能源的直接和间接需求增大，能源消耗量和碳排放量增加.郭文等（2017）利用LMDI分解模型对中国30个省份2003～2012年的面板数据进行实证分析，结果表明人口城镇化已成为影响中国碳排放量变动的主要人口因素[17].王世进等（ 2013）研究了中国城市化对碳排放影响的区域差异，结果发现，就全国和中部地区而言，城市化对碳排放的影响是正的，而就东部和西部而言，其影响却是负的[18].Wang（2017）采用STIRPAT模型，通过利用1997～2012年30个省份的面板数据，研究人口结构对三大地区二氧化碳排放量的影响，结果表明，城市化水平对西部地区碳排放有正向影响，对中部地区有负面影响，东部地区不具有统计意义[19].在中国社会转型的大背景下，人口处于快速变化时期，不同年龄人群有不同的消费方式及经济活动，产生不同的能源消耗，所以在分析二氧化碳排放量的影响因子时，人口年龄结构应该纳入研究范畴.人口年龄结构对碳排放的影响较为复杂，曲如晓（2012）以STIRPAT模型为研究起点，运用中国1997 ～2009年30个省份的面板数据，考察了地区人口规模、结构对碳排放量的影响，结果表明，劳动年龄人口对碳排放有显著的正向影响[20].田成诗等（2015）对人口年龄结构进行细化，基于扩展的随机STIRPAT模型考察了人口年龄结构对碳排放的影响，结果表明，人口年龄结构对碳排放影响显著，不同年龄人口对碳排放影响程度不同，其中30～44岁人口对碳排放的影响最大[21].家庭结构随着经济、社会发展产生的变化，也使家庭规模成为学者考察的重要人口变量.家庭规模对碳排放的影响主要体现在消费领域，在社会学范畴中，家庭是社会生活的基本单位，因为人们消费甚至生产活动通常是以家庭户为单元，在发展中国家表现的更为突出.Lenzen（1998）研究认为，家庭结构主要通过家庭交通工具和其他能源消耗型生活模式对碳排放产生影响[22].任海军等（2014）采用STIRPAT模型，使用中国30个省区1997～2011年的面板数据，研究了不同城市化阶段碳排放影响因素的差异，结果表明：随着城市化进程的加快，城市化对碳排放的驱动作用越来越小，家庭小型化对碳排放均具有显著的正向影响[23].Qin Zhu（2012）考察了1978 ～2008年中国人口结构和消费水平对碳排放的影响，结果显示，城市化、人口年龄和家庭规模对碳排放有显著影响，家庭规模缩小增加了居民消费，导致更高的碳排放量[24].赵涛等（2016）应用STIRPAT模型研究1997～2012年京津冀经济圈人口因素对碳排放的影响时发现，平均家庭规模和能源消耗强度对碳排放有抑制作用[25].马晓钰等（2013）使用静态与动态模型分析了中国地区碳排放与年龄结构和人口规模等的关系，研究结果显示，较大的家庭规模对碳排放有抑制作用[26].总的来说，国内外学者从不同方面对碳排放进行了深入而细致的探讨，所得结论对研究具有重要启发作用，但就研究内容和方法来看，仍存在以下几点不足：（1）国内外综合考虑经济、人口结构因素对碳排放影响的研究较少，经济增长对碳排放的影响研究大多局限于考虑GDP与碳排放的关系，很少加入贸易开放度进行探讨.（2）人口结构因素对碳排放的研究也缺乏深入探讨，大多研究只将人口结构进行粗略划分.（3）在面板数据的研究中未能依据不同地区经济发展水平加以分类，没有考虑到不同地域在产业结构、人口基数等方面的差异.不同于以往的研究，不仅关注了人口和经济的总体变量，还考虑了人口年龄、就业、城乡结构等，加入了贸易开放度，来综合研究经济增长及人口结构对碳排放的影响，从已有的文献出发，结合中国2005～2014年的碳排放、经济增长及人口结构的相关数据，采用动态面板模型探究中国经济增长、人口结构对碳排放的影响，并进而分析其区域差异.2模型设定与数据说明2.1模型设定采用STIRPAT模型进行碳排放的影响因子分析，最初环境压力模型是由Ehrlich等提出的IPAT模型，但该模型不适于定量测算各因素对环境的影响，为了克服上述模型的不足，Dietz 等提出了基于IPAT形式的环境影响随机模型，即随机形式的STIRPAT模型：It=aPbtActTdte，（1）式中，It为环境压力，Pt表示为人口数量，At为富裕度，Tt为技术水平，a、b、c、d为参数；e为误差项.在用面板数据进行分析时，对数变换不改变数据的特性，能使数据趋势线性化，直接获得因变量对自变量的弹性，所以对式（1）两边取对数，得到如下模型：LnIt=Lna+bLnPt+cLnAt+dLnTt+Lne，（2）It环境压力用碳排放量表示，Pt用人口总量表示，At用人均GDP表示，Tt技术水平用能源强度表示.实行计划生育政策后，人口年龄结构不断变化，年龄结构变量难以精确度量，但从业人员基本上为15～64岁人口.近年来，中国产业结构不断变化，各产业就业人口比率的不同，对碳排放也会产生差异，且三次产业中第二产业的粗放型增长模式对碳排放的影响最大.自改革开放以来，中国农村人口持续向城市转移，人口城乡结构发生显著变化.在人口数量增长的趋势下，家庭户数和家庭规模也不断变化，家庭是社会生活的基本单位，家庭规模效应主要通过消费渠道对碳排放产生影响.中国进出口贸易的迅速发展，在促进经济增长的同时，也不可避免地为国外生产了大量内涵碳.所以对STIRPAT模型进行扩展，加入人口结构（年龄结构、城市化率、平均家庭规模、第二产业就业比率），还包括对外开放变量.LnIit=α+β1Lnpgdpit+β2Lnpageit+β3Lnurbanit+β4Lnhousit+β5Lnserit+β6Lntradeit+LnTt+ci+uit，（3）其中，Iit表示i省份第t年的碳排放量，pgdpit表示i省份第t年的人均GDP，pageit表示i省份第t年15～64岁人口所占比例，urbanit表示i省份第t年的城镇人口比率，housit表示i 省份第t年的平均家庭规模，serit表示i省份第t年第二产业就业率，tradeit表示i省份第t年进出口占GDP比例，Tt表示能源强度.考虑到碳排放在时间上可能存在一定的持续性，往年的碳排放程度可能对后来年份产生影响.此外，当年经济增长的环境效应也不一定能在当年的统计中得到体现，因此在式（3）中加入因变量的滞后项，即变为如下动态面板模型：LnIit=α+ηiLnIit-1+β1Lnpgdpit+β2Lnpageit+β3Lnurbanit+β4Lnhousit+β5Lnserit+β6Lntradeit+LnTt+ci+uit，（4）其中，Iit-1为第i省份在第t-1年的二氧化碳排放量.2.2数据说明以2005～2014年中国30个省份的相关数据进行实证分析，劳动人口、城市化率、平均家庭规模、进出口比率、第二产业就业率及人均GDP来源于《中国人口统计年鉴》及第五、第六次人口普查数据.二氧化碳排放量没有直接的数据，利用IPCC（Intergovernmental Panel on Climate Change）给出的各种能源碳排放系数，通过与各地区各年份能源消费量数据相乘得到各地区在样本区间内的碳排放数据，能源消费数据来源于《中国能源统计年鉴》.各省份的相关变量描述性统计结果如表1、表2.各地区碳排放量的差异很大，数量最小的省份只0.19亿吨（ 2005年海南省），而数量最多的省份达近10亿吨（ 2014年山东省），两者相差近百倍，具体从区域碳排放量的数据来看，30个省份中只有1个省份的年均碳排放量处于亿吨以下，前五位的地区依次是山东、河北、江苏、河南、山西，合计占总排放量的35.6%，当然，也有部分省份碳排放量非常低，如海南省年均排放量最低，只有3.19千万吨，该数据仅是处于最高水平的山东省的3.98%，年均碳排放量后五位的地区分别是天津、北京、宁夏、青海与海南.在解释变量中，各地区人口总量的差异也较大，比如年末人口数最小的省份仅为543万人，而最大值为10724万人；各省份不同年份反映人口年龄结构、城镇化率、家庭户规模等变量存在较大差异，如15～64岁人口比重最小值为接近0.36，最大值为0.84左右；家庭户规模最小值仅为2.33左右，而最大值接近于3.93，反映经济发展水平和区域经济结构的人均GDP、第二产业就业率、进出口占GDP比重等指标在样本中也存在较大区别.3结果与分析选取2005～2014年中国30个省份的数据对其进行动态面板模型估计，结果如表3.表3显示了2005～2014期间中国30个省份动态面板模型的结果，计量结果证实了人均GDP确实对省级碳排放有显著正向影响，人均收人的增加在一定程度上增加了人们的非理性消费，导致我国碳排放增加.劳动年龄人口比率在1%的显著性水平下对碳排放存在正向影响，其弹性值在5.38左右.人口年龄结构通过生产和消费渠道对碳排放产生影响，从生产方面考察，中国劳动年龄人口（15～64岁）数量及所占比例的持续增长，为中国经济快速发展提供充足劳动力的供应，在促进生产规模扩大的同时，对资源能源的消耗量增加，导致碳排放规模增加.从消费方面考察，不同年龄群体的消费理念不同，购买力度和购买需求不同，劳动人口对衣食住行等资源的消费需求更强烈，对碳排放影响较大.城镇化率对中国碳排放呈显著正向影响，显著水平为1%.2005年以来，中国城镇化进程加快，由2005年的42.99%增长到2014年的54.77%，年均增长2.73%.城市化水平的提高可以使能源利用效率得到提高，但是进一步城镇化会显著促进中国的经济发展，而且在推进城市化过程中，耕地和林地面积减少，大量基础设施、住宅房屋和工业厂房的建设，钢筋、水泥等建筑材料及交通工具的大量使用将导致了CO2排放量的剧增；另一方面，大量的劳动力流入城市，居民生活水平不断提高，消费结构会发生变化，城市居民会更倾向于对享乐型高碳产品的消费，农村居民消费习惯也会通过受城市居民的影响，都增加中国的碳排放总量.从平均家庭规模角度考察，随着中国经济社会发展、计划生育政策、城镇化及人口老龄化进程加快，家庭规模小型化成为必然趋势.平均家庭规模从2005年的3.13人缩减到2014年的2.97人，降幅为5.11%.以家庭为主体的消费需求包含许多共享性质的消费品与服务，家庭规模缩小意味着规模效应减弱，导致人均消费增加，资源浪费和能源消耗增加，碳排放随之增加.中国人口总数不断增加，家庭规模的小型化也意味着中国家庭户数在增多，其消费量（尤其是耐用品消费，如住房和汽车等）也会随之增加，进而扩大内需导致碳排放增加.结果显示，家庭规模每减少1%，碳排放将增加0.09%.第二产业就业率对碳排放产生显著正向影响，显著水平为1%.人口就业结构主要反映第二产业就业人口比率对碳排放的影响，从2005年的23.22%增加到2014年的29.9%，平均每年增加2.85%，随着第二产业就业人口的增加，工业化程度加快，碳排放将增加.第二产业主要包括制造业、采矿业、建筑业等高能耗产业，需要消耗大量化石能源，所以随着第二产业工业规模的增大，导致碳排放量增大.外贸依存度不仅用来衡量一国或地区经济对国际市场的依赖程度，也同时反映该国或地区的经济开放程度.对外开放程度对中国碳排放影响在1%显著水平下显著为正，其弹性值在0.24左右.目前中国主要依靠劳动密集型行业，低加工、高能耗及高污染的出口商品占主导地位，这必然会增加对能源的大量消耗，进而导致碳排放量的剧增.由于中国经济发展、人口分布不均，东中西部又处于不同经济发展阶段，具有不同产业结构、人口结构及人口密度，所以在全国层面分析的基础上，进一步对东中西部进行区域差异分析具有重要现实指导意义，见表4.东、中、西部地区碳排放的影响因素存在一定的共性：人均GDP、劳动年龄人口比例对碳排放都产生显著正向影响，同时也存在较大的差异性，不同因素对碳排放的影响程度及方向有较大差异.与全国层面分析的结果一致，东中西部人均GDP的增加都对碳排放产生了显著的正向影响，人均GDP越大，意味着经济发展水平越高，但弹性并未随着人均GDP的上升而增加，而是出现先上升后下降的情况.这类似于经济发展水平与环境状况之间呈现的EKC曲线关系.这是由于高收入地区经济增长更加依赖于服务业，并且高收入地区更有能力进行提高能源利用效率的研发.15～64岁劳动人口比率增加导致东中西部地区碳排放增加，东部和中部地区在5%的水平下显著，西部地区显著水平为10%.东部地区省际迁移人口是推动地区经济增长不可替代的因素，迁入人口以劳动年龄人口为主体，高比例劳动人口意味着消耗更多的资源和能源，导致碳排放的增加.西部地区人口自然增长率虽高，但劳动年龄人口所占比例较低.东中西部第二产业就业率对碳排放的影响差异很大，东部地区第二产业碳排放就业率对碳排放的影响为正，中部为负，西部则影响不显著.这是由于东部地区迁入人口就业集中于第二产业，第二产业集中在劳动密集型产业，中部地区第二产业虽然产值不高，但是呈现资本密集型特征，其资本/劳动力比上升速度快，西部地区就业集中于第一产业，而第二产业就业率较低，对碳排放影响不显著.平均家庭规模对碳排放的影响在东西部均显著为负，但中部地区却不显著.随着地区富裕程度的增加往往会引起家庭规模的减小以及家庭户数的增加，对能源的需求随之增加.东部地区平均家庭规模最小且家庭人均财富最高，家庭对高碳产品消费增加，导致对碳排放影响最大.中部地区家庭规模较大，发挥了资源共享性，但家庭消费水平也较高，综合影响并不显著.西部地区人均财富较低，家庭趋向于低碳产品消费，家庭规模对碳排放的影响主要是通过规模效应，所以对碳排放产生显著负向影响.东部地区城市化率对碳排放产生显著负向的影响，显著水平为1%，东部地区经济发展水平较高，城镇化能促进人口、交通和产业的规模经济效益，有利于提高资源利用率，推动服务业发展，注重环保、基础设施的建设.中西部城市化水平的提升对碳排放并没有显著影响，西部地区城市化进程缓慢，因此对碳排放的影响不显著.中部地区城市化水平的提升导致碳排放的增加，因为在城镇化的进程中，农村人口向城市转移增加了对能源的需求，增加了碳排放.东部贸易开放度和碳排放之间显著负相关，显著水平为1%，东部地区对外贸易商品的结构发生改变，提升了全球范围内的产品供应链价值，使得低碳产品出口比重的增加导致碳排放的降低，随着中国产业结构升级，发展重心转移到第三产业，由第二产业带动的进出口额占比不断降低，第三产业带动的进出口占比不断增大，碳排放呈现下降趋势.中部地区仍然是粗放型增长方式，出口产品普遍为资本密集型产品，导致碳排放增加.西部地区由于地理位置、发展缓慢，贸易开放度对碳排放影响并不显著.4结论采用2005～2014年30个省域数据，运用动态面板模型，不仅对中国人口结构、经济增长对碳排放的影响进行面板数据回归，而且对中国东中西部地区进行区域差异分析.得到结论如下：就考察样本而言，经济增长和人口结构变动对中国碳排放存在显著影响，但全国层面和东中西部层面结果既存在共性，也存在差异.人均GDP、劳动年龄人口比率对全国及东中西部地区碳排放产生显著正向影响，平均家庭规模则产生显著负向作用.城市化率对全国碳排放产生显著正向作用，对东部地区碳排放产生显著负向影响.同时，经济水平是最主要的碳排放驱动因素，平均家庭规模是最主要的抑制因素.人口年龄结构以增加劳动力供应及促进消费需求的方式促进碳排放增长；逐渐缩小的平均家庭规模导致人均能耗及家庭数量的增长，进而推动能源消耗增长；人口就业结构中工业部门就业率的增长导致碳排放的增加.参考文献[1]GROSSMAN G M. KRUEGER A B. Environmental Impacts of a North American free Trade Agreement[R]. National Bureau of Economic Research Working Paper，1991.[2]姜勇，中国碳排放与经济增长关系及其影响因素的实证研究[D].重庆：重庆大学经济与工商管理学院，2014，1-45.[3]周健，王淑婧，高琴，张晓微.人口特征、经济增长与碳排放的关系研究[J].武汉大学学报，2015，68（2）：94-101.。

中国碳排放的因素分解模型及实证分析_1995_2004

收稿日期:2006-09-01作者简介:徐国泉,博士生,研究方向为资源效率与区域可持续发展。

*国家自然科学基金项目:中德老工业基地技术进步资源效率创新模式比较研究(70440004)和大连理工大学科技伦理与科技管理 985工程创新基地资助。

中国碳排放的因素分解模型及实证分析:1995-2004*徐国泉刘则渊姜照华(大连理工大学21世纪发展研究中心,辽宁大连116024)摘要能源消费是碳排放的主要来源。

随着中国经济的快速发展,能源消费的急剧增长以及以煤为主的能源结构在短期内很难改变,因此,碳排放不可避免地会出现一定幅度的增加。

本文基于碳排放量的基本等式,采用对数平均权重Divisia 分解法(Logari thmi c mean wei ght Divisia meth od ,L MD),建立中国人均碳排放的因素分解模型,定量分析了1995-2004年间,能源结构、能源效率和经济发展等因素的变化对中国人均碳排放的影响,结果显示经济发展对拉动中国人均碳排放的贡献率呈指数增长,而能源效率和能源结构对抑制中国人均碳排放的贡献率都呈倒 U 。

这说明能源效率对抑制中国碳排放的作用在减弱,以煤为主的能源结构未发生根本性变化,能源效率和能源结构的抑制作用难以抵销由经济发展拉动的中国碳排放量增长。

关键词碳排放;因素分解;能源效率;能源结构中图分类号 N94 文献标识码 A 文章编号 1002-2104(2006)06-0158-042005年2月16日, 京都议定书的生效,给中国带来了非常现实的、严峻的挑战。

目前,中国二氧化碳的排放量已位居世界第二,随着中国经济的快速发展,碳排放不可避免地会出现一定幅度的增加。

因此,如何控制和减少中国碳排放的问题成为国内外讨论的热点问题之一。

1995-2004年,中国人均碳排放大致可以分为两个阶段:第一阶段(1995-2000年),中国人均碳排放降低阶段;第二阶段(2000-2004年),中国人均碳排放急剧上升阶段。

我国碳排放量以及人均GDP关系的实证分析

室气体排放导致的全球气候变暖、生态恶化、能源危机等诸多问（３）对建立的ＥＣＭ模型分析来得到变量之间的短期行为和对题的挑战而提出的一种以低能耗、低污染、低排放为基础的全新误差纠正。
研究我国整体碳排放量和人均ＧＤＰ关系以及我国各省市人均碳排放量和人均ＧＤＰ的关系，并对我国当今碳排放量的管理提出建议。・关键词：碳排放；人均ＧＤＰ；省份差异；回归分析
低碳经济是发达国家为应对全球气候变化的危机，特别是温变量进行回归分析。
ＤｅｐｅｎｄｅｎｔＶａｒｉａｂｌｅＬＮＹＭｅｔｈｏｄ：ＬｅａｓｔＳｑｕａｒｅｓ
、
模型设定
１、指标选择本文选择人均ＧＤＰ作为因变量，人均碳排放量作为影响因
素。
Ｄａｔｅ：０２／０１／１５Ｔｉｍｅ：１１：２４
Ｓａｍｐｌｅ：１９９０２０１２
Ｉｎｃｌｕｄｅｄｏｂｓｅｒｖｃｉｅａ
在人均二氧化碳排放量数据上面，由于我国的统计年鉴上没有我国二氧化碳排放量的相关数据，所以本文选取了中国年鉴以及各省份年鉴中的能源消费量进行测算，具体公式如下：ＣＯ，的排放量＝能源消费总量＋能源转换成Ｃ０＂２的系数。（其中，能源消费总量是指中国以及各省市统计年鉴中的已经转换成以标准煤作

江苏居民消费碳排放测度与影响因素研究基于GTWR模型的实证分析

基于GTWR模型的江苏居民碳排放计量及其影响因素的实证分析1、本文概述随着全球气候变化的日益严重，碳排放的测量及其影响因素已成为人们关注的热点。

作为全球最大的碳排放国之一，中国在消费领域的碳排放尤其值得关注。

江苏省作为中国东部沿海经济大省，其居民消费碳排放量占重要比重。

研究江苏省居民消费碳排放情况，对国家减碳政策的制定和实施具有重要意义。

本文旨在通过对江苏省居民碳排放量的测量，结合GTWR（地理加权回归）模型，探讨影响江苏省居民消费碳排放的关键因素。

本文将为江苏居民建立一个全面的碳排放数据库，涵盖能源消费、交通、住房和食品等多个消费领域。

利用GTWR模型对江苏省居民消费碳排放的空间分布特征及其影响因素进行实证分析。

GTWR模型是一种空间回归分析方法，它考虑了数据的空间特征，并对局部地区的变量关系提供了更准确的估计。

本文的研究结果不仅有助于揭示江苏省居民碳排放的地理分布特征和影响因素，对制定有针对性的减碳政策、优化能源结构、引导居民绿色消费也具有重要参考价值。

通过本文的研究，希望为江苏省乃至全国的碳减排工作提供科学依据，助力实现碳达峰和碳中和的长远目标。

2、文献综述随着全球气候变化的日益严重，家庭消费的碳排放已成为学术界关注的热点。

国内外学者对家庭消费碳排放的测量方法、影响因素和政策效果进行了广泛的研究，为本研究提供了丰富的理论依据和实证参考。

居民消费碳排放的计量方法主要包括生命周期评估法、投入产出分析法和消费端碳排放计算法。

生命周期评估（LCA）方法通过评估产品在整个生命周期中的资源消耗和环境影响来估计住宅消费产生的碳排放。

投入产出分析法在国家或地区层面构建投入产出表，以分析家庭消费对各生产部门碳排放的直接和间接影响。

消费者碳排放量的计算方法直接从居民的消费行为出发，通过消费数据乘以碳排放系数来计算居民的消费碳排放量。

家庭消费碳排放的影响因素主要包括家庭收入水平、消费结构、消费习惯、能源价格、政策规定等。

碳排放驱动力模型的构建与实证分析——基于能源消费视角

誉Ｉ ∞ ｐ・臻・锄州：喜，ＩＩ。～，，，嘻Ｍ扣，ｌ吩・ｄＥ “ ｋＳ ‘ ，Ｐ，妻ｌ：窑ｆ１ｃ・・ＨＰ，－嬲・ｄＰ ¨ ＣｌＧ．尸－＋ ¨ ５，１Ｉ・・・・Ｐ（・ “
— — — —
厶一
第ｉ个部门消费第ｊ类能源所排放的碳量，Ｆ —— 第ｉ个部门消费的第ｊ类能源的标准煤量，ＣＩ — —一第ｉ个部门消费第ｊ种燃料的碳强度，Ｆｓ — 一第ｊ种燃料在第ｉ个部门燃料
总消费中的燃料比重；ｉ＝ｌ，２，３，４，５；ｊ＝ｌ，２，３，４。等式（２）两边关于时间求导，得到碳排放的瞬时增长率，即式（３）：
碳排放驱动力模型的构建与实证分析
７ § ５《３２ｌ
— —
基于能源消费视角
陈坤孔令武刘家顺
２３２１７１）
鼢鼢鼢ｏ
口
（国投新集能源股份有限公司安徽・淮南
摘要：分析安徽省碳排放增长的深层原因，构建碳排放驱动力模型，采用安徽省２００５－２００９年数据实证得出相关结论。能源效率水平的提高已成为安徽省发展低碳经济的最重要手段，现阶段能源效率水平的提高，更应依
＋
＋
图１安徽省碳排放序列能源消耗总量及各类能源所占比重的历年数据，参照了《新中国６０年统计资料汇编》、《新中国５５年统计资料汇编》中的《安徽篇》及历年《安徽统计年鉴》。考虑到安徽省并未统计出１９８９年之前历年关于能源消费总量及其构成的数据，因而将１９８９年之前的能源消费方面的数据用能源供给的相关数据代替。由图ｌ观察可知，２００５年之后，安徽省碳排放增长较为迅速针对这一特殊时期，本文将从碳排放的六种影响因素入

人口与消费对碳排放影响的分析模型与实证

人口与消费对碳排放影响的分析模型与实证作者：朱勤彭希哲陆志明于娟来源：《中国人口·资源与环境》2010年第02期摘要: 从消费压力人口视角探讨碳排放问题,有利于正确判断和把握气候变化压力的人文因素,以及人口与消费可持续发展的动力学机制。

本文通过对STIRPAT模型的扩展,应用岭回归方法计量分析人口、消费及技术因素对碳排放的影响。

对我国1980至2007年碳排放情况的统计实证结果表明,扩展的STIRPAT模型对中国国情有较高的解释力。

居民消费水平、人口城市化率、人口规模三个因素对我国碳排放总量的变化影响明显;现阶段我国居民消费水平与人口结构变化对碳排放的影响力已高于人口规模变化的影响力,居民消费水平与消费模式等人文因素的变化有可能成为我国碳排放的新的增长点;技术进步因素在此模型中对我国该阶段碳排放的解释力有限,表明我国未来通过技术进步减缓碳排放的潜力巨大。

关键词 :人口;消费;碳排放;STIRPAT扩展模型;岭回归中图分类号 N94;X196 文献标识码 A 文章编号 1002-2104(2010)02-0098-05doi:10.3969/j.issn.1002-2104.2010.02.017目前,碳减排问题已成为世界各国关注的焦点。

从负责任大国的角度出发,在自身能力允许的范围内尽量降低排放率对于提升我国经济增长路径的环境友好度、实现可持续发展不无裨益。

从西方发达国家经济社会发展的轨迹来看,在工业化过程中生产碳排放占据的排放权重较大,如IPCC第四次评估报告[1]指出能源供应业、工业、林业、农业和交通运输业这五大工业部类是全球碳排放的主要部门。

但是,近年来发达国家的统计数据表明,居民生活消费的直接与间接能耗已超过产业部门,成为碳排放的主要增长点[2]。

如欧盟家庭能源需求在20世纪90年代就已超过工业能源需求。

由此,人口与消费等人文因素对碳排放影响的检测与分析已成为近年来国际学术界研究的热点。

居民消费视角下人口城镇化对碳排放的影响

其中，Ｃ、、ＧＤＰ和Ｐ分别代表碳排放总量、能源消费总量、国内生产总值以及人口总量。在Ｋａｙａ恒等式框架下从居民消费视角考察城镇化对碳排放的影响，主要思路是将城乡人１５及城乡居民消费在Ｋａｙａ等式中表达出来。以Ｅ表示居民消费总额，则式（１）可扩展为：
中国人口・资源与环境２０１３年
第１１期
放，更为重要的因素是与人口城镇化相伴的消费规模与消
费水平的增长。Ｐａｃｈａｕｒｉ和Ｊｉａｎｇ研究了１９８０年代以来中国与印度城乡居民生活用能的转换模式，并进行了对比分析。Ｐｏｕｍａｎｙｖｏｎｇ和Ｋａｎｅｋｏ使用ＳＴＩＲＰＡＴ模型研究了１９７５—２００５年９９个国家在不同发展阶段的城镇化对能源消费和碳排放的影响，结果显示，对所有不同收入人群而言，城镇化对于能源消费及其碳排放均有明显的促进
城镇化对碳排放的影响，有效克服了现有研究中基于投入
产出表的分解分析所受到的数据可得性与考察周期的限制。通过对Ｋａｙａ恒等式的向量形式的扩展，将人口城乡结构及城乡居民消费等变量纳入考察范围；在此基础上采
国投入产出表编制的历史不长，且仅在逢２、７和逢０、５的年份分别编制基本表和延长表，此类研究考察的周期都较短，且时间跳跃性较大。包含人口因素的中国碳排放分解分析则较多地基于Ｋａｙａ恒等式采用ＩＤＡ方法进行研究，如Ｚｈａｎｇ、Ｚｈａ等 “ 、朱勤等、Ｍａ和Ｓｔｅｒｎ等。相比于ＳＤＡ方法，此类研究的主要优点在于可以利用较

重庆市人口规模、结构对碳排放影响的实证研究——基于STIRPAT模型的分析

王钦池研究指出伴随人口老龄化程度的加快和加重也因此而产生人口红利的弱化或消失一定程度上则会对碳排放产生推动到抑制的作用池研究指出在一定的经济社会发展条件下存在一个能源效率利用最高的家庭规模人口数则称之为最优家庭规模人口数如果一个家庭人口规模大于或者小于最优人口家庭规模时一定程度上有可能会导致能源利用效率的降低的同时一定程度上会增加碳排放量的增多等方面的影响综合上述研究成果诸多研究从宏观经济的角度对影响碳排放的人口结构等因素进行大量定性分析并取得了一定成果然而一定程度上缺乏必要的数据支撑和深入研究
2005 2822.25 3169.16 45.20 3.14 10.97 4388.18 1638.89 1.7220
2006 3056.80 3198.87 46.70 3.10 11.45 5097.98 1842.11 1.6594
2015 年第 3 期 பைடு நூலகம் 36 卷
Northwest population
重庆市人口规模、结构对碳排放影响的实证研究
—— —基于 STIRPAT 模型的分析
洪业应 1，2，向思洁 1，陈景信 3
（1.中共重庆市涪陵区委党校，重庆涪陵 408000；2.中共西藏昌都市委党校，西藏昌都 854000； 3.佛山职业技术学院，广东佛山 528000）
2002 1722.89 3113.83 39.90 3.24 9.15 3032.50 1168.63 1.4743
2003 1942.40 3130.10 41.90 3.20 9.22 3334.31 1305.36 1.4880
2004 2288.37 3144.23 43.50 3.18 11.45 3824.59 1467.23 1.5597
1999 1377.49 3072.34 34.30 3.33 8.84 2331.90 890.97 1.5461

上海市人口因素对碳排放影响实证分析

代表人口的消费结构的恩格尔系数对碳大，另外．经济活动中能源消费结构的合
根据（２００６年ＩＰＣＣ国家温室气体清理选择比经济增长对碳排放的影响更为单指南》，本文采用自上而下的方法，即基
义
汽油
煤油
柴油
表１能源折标准煤系数
能源
Ｆ（ｔ标煤／ｔ）
本文选取的２００７￣２０１１年能源消耗数
据来源于《中国能源统计年鉴》。各类能源
单位换算采用２０１２年《中国能源统计年
根据上海地区化石燃料的消耗量测鉴》中给出的数据，具体如表１所示。各类量、城市化率、生产总值、恩格尔系数、第研究中的数据．具体如表２所示。
以上关于人口因素对碳排放影响的换算；Ｋ为第ｉ种能源的碳排放系数，ｉ＝
目前．我国正处于工业化进程中．人研究偏重于国家层面的研究．而对于某个１，２， … ６分别为煤，汽油，煤油，柴油，燃
相对较小ｃ：∑ ：１Ｅ。Ｆ。Ｉ（１（２）式中：Ｃ为二氧化碳排放量；Ｅ．为第ｉ
关键词：上海市；碳排放；人口因素：
协整理论：格兰杰检验
种能源的消耗量；Ｆ．为第ｉ种能源的单位

中国居民消费对二氧化碳排放的影响——基于碳排放投入产出模型的分析

中国居民消费对二氧化碳排放的影响——基于碳排放投入产
出模型的分析
叶震
【期刊名称】《统计与信息论坛》
【年(卷),期】2011(026)011
【摘要】中国把战略重点转移到扩大内需,但扩大内需增加消费的同时,也不能忽略消费的负面影响,特别是通过产业间的带动作用对能源消耗及二氧化碳排放的影响.文章构建了碳排放预测的计量投入产出模型,预测了2011年分产品部门的居民消费支出对碳排放的拉动作用,并分析了其碳排放的成因.结果表明,减排重点部门为电力、热力的生产和供应业,而其碳排放主要通过消耗煤炭而产生的.
【总页数】5页(P39-43)
【作者】叶震
【作者单位】上海财经大学统计与管理学院,上海
【正文语种】中文
【中图分类】F062.2
【相关文献】
1.基于灰色关联分析的中国二氧化碳排放量影响因素分析 [J], 董锋;李晓晖
2.中国产业结构调整对二氧化碳排放的影响分析——基于中国30个省级面板数据[J], 周荣蓉
3.中国二氧化碳排放差异及影响因素分析——基于工业分行业的实证分析 [J], 李
园;张传平;谢晓慧
4.中国货币信贷对二氧化碳排放的影响研究——基于动态面板门槛模型的实证分析[J], 胡剑波;郑维丹;韩君
5.中国货币信贷对二氧化碳排放的影响研究——基于动态面板门槛模型的实证分析[J], 胡剑波;郑维丹;韩君
因版权原因，仅展示原文概要，查看原文内容请购买。