基于STIRPAT模型研究南京碳排放的影响因素

基于STIRPAT模型研究南京碳排放的影响因素
作者：孙洁王鹏飞
来源：《物流科技》2022年第02期
摘要：在巴黎气候变化大会上，中国政府提出了“2030年左右实现碳达峰，并争取尽快实现”的新阶段目标。

城市是能源资源消耗和CO2排放的集聚区域，城市化产生的碳排放是当今中国影响气候变化的重要因素。

文章采用南京1997～2017年21年数据，从人口规模、财富水平、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力七个方面选取更符合南京国情的社会经济变量建立STIRPAT模型，研究影响南京市碳排放的主要因素。

结果表明：人口总量和城市化率是影响南京碳排放的主要因素。

关键词：STIRPAT模型;低碳发展;南京
中图分类号：F259.27 文献标识码：A
Abstract： The Chinese government at the Paris climate change conference proposed a new phase goal of“achieving the peak of carbon emissions around 2030 and striving to reach the peak as
soon as possible”. Ci ties are the gathering areas of energy resources consumption and carbon dioxide emissions. Carbon dioxide produced by urbanization is an important factor affecting climate change in China. Based on Nanjing's data from 1997～2017， this paper selects the socio-economic variables more in line with Nanjing's situation from the seven dimensions of population size， wealth level，urbanization level， technological level， industrial structure， international trade level and scientific and technological innovation ability to establish a STIRPAT model， explores the main factors affecting Nanjing's carbon emissions.
Key words： STIRPAT model; low carbon development; Nanjing
中国的CO2排放量居全球首位，并在2017年达到全球CO2排放的27%。

城市又是能源消耗和CO2排放的集聚区域，城市CO2排放约占全国直接CO2排放来源的85%（郭芳、王灿、张诗卉，2021）[1]。

城市也是我国能效提升、能源转型和环境保护等各项政策实施的行动中心（胡敏、杨鹂，2018）[2]。

就城市来看，目前排放量较高的几个大型城市和省会城市，如上海、南京，排放量均超过5000万t，甚至宁波、苏州等个别城市超1亿t（曹丽斌等，2020）[3]。

因此，城市迫切的需要研究影响碳排放的主要因素来制定碳达峰相关方案。

1 文献综述
研究碳排放问题的方法与模型有很多，比如IPAT、STIRPAT模型、环境库兹涅茨曲线（Environmental Kuznets Curve，EKC）等。

1.1 环境库兹涅茨曲线（EKC）
环境库兹涅茨曲线（EKC）假说是研究经济发展与环境间关系的重要理论依据，该假说认为环境污染与经济增长之间存在倒U型的关系（Grossman G M & Krueger A B， 1991）[4]，在经济发展初期，环境污染随经济增长而越来越严重，但是当经济达到一定的高度后，随着科技的进步和创新，以及人们环保意识的提高，环境污染将随着经济的增长呈下降趋势。

目前有较多经济与生态之间关系的研究应用了库兹涅茨曲线理论，并且得出了与传统库兹涅茨曲线假说相悖的结果。

比如李达等（2021）[5]以黄河流域29个城市为研究对象，运用EKC理论研究了黄河流域生态保护与高质量发展的关系，结果发现生活垃圾无害化处理率、一般工业固体废物综合利用率、工业废水和SO2排放量的EKC曲线并不都是呈现“U”型，它们分别呈现“N”型、“倒U”型和“倒N”型。

也有很多学者利用EKC理论研究碳达峰，唐绍祥、周新苗（2015）[6]基于EKC理论研究环境质量与经济增长之间的关系，研究发现，相对工业污染指标大多呈现“倒U”型，但碳排放或CO2并没有表现出一定的规律性。

许广月、宋德勇（2010）[7]基于EKC理论研究了中国碳排放环境库兹涅茨曲线（CKC曲线）的存在性，发现只有中国及中国东、中部地区存在人均CKC曲线，但是西部地区不存在该曲线。

1.2 STIRPAT模型
同时也有很多运用STIRPAT模型对碳排放进行预测的文献，邓小乐、孙慧（2016）[8]基于STIRPAT模型對中国西北五省进行碳排放研究，发现技术与财富对峰值的影响较为重要，并预测2025年的碳排放量为44 823.12万吨;渠慎宁、郭朝先（2010）[9]基于STIRPAT模型对中国碳排放峰值进行了预测研究，发现技术对峰值的影响较为重要，保持碳排放强度的不断下降对我国尽快实现碳达峰至关重要;孙敬水、陈稚蕊、李志坚（2011）[10]基于扩展的STIRPAT模型，对我国发展低碳经济的主要影响因素及其贡献率进行了实证研究，结果表明人均GDP、人口和碳排放强度等对碳排放量有显著的正向影响;李强、左静娴（2017）[11]基于STIRPAT模型，对长江经济带11个省市进行了碳排放峰值的预测研究，发现碳排放强度和人均GDP对峰值有很大影响;何永贵、于江浩（2018）[12]基于STIRPAT模型对我国碳排放和产业结构优化进行了研究，实证研究发现工业对碳排放影响最大。

綜上可见，我国在碳排放达峰方面已有不少研究，但是一方面大都集中于比较宏观的层面上，比如国家层面上、区域层面上、省份层面上，很少有在省份层面以下进行比较微观具体的研究，因此提出的建议也就比较的宽泛，缺乏针对性和具体性。

另一方面，已有文献大多在人口、财富水平、技术水平的基础上再加入一些其他的影响因素，且得出的结论各有不同，本文为确保结果真实可靠，除了上述人口、财富水平、技术水平外还考虑了城市化水平、产业结构、国际贸易水平、科技创新能力，并利用岭回归将不显著的影响因素剔除，充分考虑多方影响因素的同时，又保证了结果的真实可靠。

2 因素选取与模型设定
2.1 因素的选取及数据来源
2.1.1 因素的选取
对化石能源的利用是产生碳排放的主要原因，但碳排放量的变化还受到许多其他因素的影响，为减少变量选取不足所造成的模型偏差，本文将从人口规模、富裕程度、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力七个方面来考虑影响CO2排放的因素。

对每个因素选取的具体考虑以及数据来源如下：
（1）人口规模。

一般情况下，人口增加对能源的需求和利用就会增加，从而使得碳排放量增加，此外人口增长过快还会造成森林面积的减少和生态系统的破坏。

（2）富裕程度用人均GDP表示。

人民要富裕、经济要发展，归根到底离不开对化石能源的需求和消耗，在化石能源的消耗过程中又不可避免地产生二氧化碳。

但是当经济发展到一定程度时，人民的环保意识以及碳减排技术都会得到提升，此时经济发展对碳排放将会产生负向影响，也就是所谓的碳排放库兹涅茨曲线（CKC）达到拐点后。

（3）城市化水平用城市化率表示。

城市拥有大量的人口、聚集了大批工业，是能源消耗和CO2排放的聚集区域，城市CO2排放约占全国直接CO2排放来源的85%（郭芳、王灿、张诗卉，2021）[1]，一般来说城市化水平越高，生产生活所需的能源消耗越大，CO2排放量越大。

（4）技术水平用碳排放强度表示。

减排目标背后的一个重要问题是能否协同减排和经济增长，碳排放强度是一个能够很好地反映国家能源和经济表现的指标，也是中国减少碳排放国际承诺的一个重要指标，而技术进步能够有效地降低碳排放强度（Feng Dong et al，2018）[13]以及提高能源利用强度。

（5）产业结构用第二产业占GDP比重来表示。

第二产业的终端能耗占终端总能耗的60%以上（孙敬水、陈稚蕊、李志坚，2011）[10]，因此第二产业所占的比重在一定程度上会影响对能源消耗和二氧化碳排放量。

（6）国际贸易水平用进出口额占GDP比重来表示。

由于各国资源禀赋不同，在国际贸易中有着不同的分工，对高能耗资源密集型产品的进出口使得国际贸易中存在着碳排放转移的问题（孙敬水、陈稚蕊、李志坚，2011）[10]。

（7）科技创新能力用人均专利授权量来表示。

科技创新可以通过不断地提高技术水平来减少碳排放。

2.1.2 数据的来源：南京CO2排放量数据来自《中国各县区CO2排放量》;人口、人均GDP、城市化率、第二产业占GDP比重、进出口额占GDP比重、人均专利授权量均直接或间接的来自1998～2018年《南京统计年鉴》，其中人均GDP折算为1997年的不变价。

2.2 STIRPAT模型
IPAT恒等式在环境经济领域得到广泛应用，并在实际应用中得到发展，先后扩展出IGT、ImPACT、STIRPAT等模型（王永刚等，2015）[14]。

Gao等令P×A=G，构造了IGT模型，G表示国内生产总值，用于分析经济增长与生态环境之间的关系（何强、吕光明，2008）[15]。

Waggoner对IPAT恒等式进行了衍生，将T分解成单位GDP的消耗量C和单位消耗量对环境的影响T，得到“ImPACT”模型：
I=PACT （1）
IPAT、ImPACT等模型虽然易于理解和操作，但仍存在一些不足：各因素对环境的影响表现为比例相同的简单线性关系，不能反映各因素变化时环境的变化程度;其次，等式两边量纲的统一限制了对影响环境的其他社会因素的研究。

为改善这些不足，York等（2003）在原
有模型的基础上建立了STIRPAT（Stochastic Impacts by Regression on PAT）模型，模型的基本形式是：
其中：P代表人口规模;A代表人均富裕程度;T代表技术水平;α为常数项;a、b、f分别为人口规模系数、人均富裕程度系数、技术水平系数;e为随机环境误差;因变量I代表环境影响程度，如CO2排放量。

该模型可对环境造成影响的各因素进行研究，除上述自变量外，还可引入其他能够对碳排放造成影响的因素，本文选取人口总量P、人均GDPA、城市化率U、碳排放强度T、产业结构C、国际贸易水平X、科技创新水平V七项因素（表1）作为自变量来构建STIRPAT模型。

可以得到扩展后的模型见方程式（3）：
为分析各因素对环境的影响以及消除模型中可能存在的异方差影响，本文将所有变量进行对数化处理，取对数化后的STIRPAT模型如下：
lnY=lnα+alnP+blnA+dlnU+flnT+glnC+mlnX+zlnV+lne （4）
综上可见，我国在碳排放达峰方面已有不少研究，但是一方面大都集中于比较宏观的层面上，比如国家层面上、区域层面上、省份层面上，很少有在省份层面以下进行比较微观具体的研究，因此提出的建议也就比较的宽泛，缺乏针对性和具体性。

另一方面，已有文献大多在人口、财富水平、技术水平的基础上再加入一些其他的影响因素，且得出的结论各有不同，本文为确保结果真实可靠，除了上述人口、财富水平、技术水平外还考虑了城市化水平、产业结构、国际贸易水平、科技创新能力，并利用岭回归将不显著的影响因素剔除，充分考虑多方影响因素的同时，又保证了结果的真实可靠。

2 因素选取与模型设定
2.1 因素的选取及数据来源
2.1.1 因素的选取
对化石能源的利用是产生碳排放的主要原因，但碳排放量的变化还受到许多其他因素的影响，为减少变量选取不足所造成的模型偏差，本文将从人口规模、富裕程度、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力七个方面来考虑影响CO2排放的因素。

对每个因素选取的具体考虑以及数据来源如下：
（1）人口规模。

一般情况下，人口增加对能源的需求和利用就会增加，从而使得碳排放量增加，此外人口增长过快还会造成森林面积的减少和生态系统的破坏。

（2）富裕程度用人均GDP表示。

人民要富裕、经济要发展，归根到底离不开对化石能源的需求和消耗，在化石能源的消耗过程中又不可避免地产生二氧化碳。

但是当经济发展到一
定程度时，人民的环保意识以及碳减排技术都会得到提升，此时经济发展对碳排放将会产生负向影响，也就是所谓的碳排放库兹涅茨曲线（CKC）达到拐点后。

（3）城市化水平用城市化率表示。

城市拥有大量的人口、聚集了大批工业，是能源消耗和CO2排放的聚集区域，城市CO2排放约占全国直接CO2排放来源的85%（郭芳、王灿、张诗卉，2021）[1]，一般来说城市化水平越高，生产生活所需的能源消耗越大，CO2排放量越大。

（4）技术水平用碳排放强度表示。

减排目标背后的一个重要问题是能否协同减排和经济增长，碳排放强度是一个能够很好地反映国家能源和经济表现的指标，也是中国减少碳排放国际承诺的一个重要指标，而技术进步能够有效地降低碳排放强度（Feng Dong et al，2018）[13]以及提高能源利用强度。

（5）产业结构用第二产业占GDP比重来表示。

第二产业的终端能耗占终端总能耗的60%以上（孙敬水、陈稚蕊、李志坚，2011）[10]，因此第二产业所占的比重在一定程度上会影响对能源消耗和二氧化碳排放量。

（6）国际贸易水平用进出口额占GDP比重来表示。

由于各国资源禀赋不同，在国际贸易中有着不同的分工，对高能耗资源密集型产品的进出口使得国际贸易中存在着碳排放转移的问题（孙敬水、陈稚蕊、李志坚，2011）[10]。

（7）科技创新能力用人均专利授权量来表示。

科技创新可以通过不断地提高技术水平来减少碳排放。

2.1.2 数据的来源：南京CO2排放量数据来自《中国各县区CO2排放量》;人口、人均GDP、城市化率、第二产业占GDP比重、进出口额占GDP比重、人均专利授权量均直接或间接的来自1998～2018年《南京统计年鉴》，其中人均GDP折算为1997年的不变价。

2.2 STIRPAT模型
IPAT恒等式在环境经济领域得到广泛应用，并在实际应用中得到发展，先后扩展出IGT、ImPACT、STIRPAT等模型（王永刚等，2015）[14]。

Gao等令P×A=G，构造了IGT模型，G表示国内生产总值，用于分析经济增长与生态环境之间的关系（何强、吕光明，2008）[15]。

Waggoner对IPAT恒等式进行了衍生，将T分解成单位GDP的消耗量C和单位消耗量对环境的影响T，得到“ImPACT”模型：
I=PACT （1）
IPAT、ImPACT等模型雖然易于理解和操作，但仍存在一些不足：各因素对环境的影响表现为比例相同的简单线性关系，不能反映各因素变化时环境的变化程度;其次，等式两边量纲的统一限制了对影响环境的其他社会因素的研究。

为改善这些不足，York等（2003）在原有模型的基础上建立了STIRPAT（Stochastic Impacts by Regression on PAT）模型，模型的基本形式是：
其中：P代表人口规模;A代表人均富裕程度;T代表技术水平;α为常数项;a、b、f分别为人口规模系数、人均富裕程度系数、技术水平系数;e为随机环境误差;因变量I代表环境影响程度，如CO2排放量。

该模型可对环境造成影响的各因素进行研究，除上述自变量外，还可引入其他能够对碳排放造成影响的因素，本文选取人口总量P、人均GDPA、城市化率U、碳排放强度T、产业结构C、国际贸易水平X、科技创新水平V七项因素（表1）作为自变量来构建STIRPAT模型。

可以得到扩展后的模型见方程式（3）：
为分析各因素对环境的影响以及消除模型中可能存在的异方差影响，本文将所有变量进行对数化处理，取对数化后的STIRPAT模型如下：
lnY=lnα+alnP+blnA+dlnU+flnT+glnC+mlnX+zlnV+lne （4）
综上可见，我国在碳排放达峰方面已有不少研究，但是一方面大都集中于比较宏观的层面上，比如国家层面上、区域层面上、省份层面上，很少有在省份层面以下进行比较微观具体的研究，因此提出的建议也就比较的宽泛，缺乏针对性和具体性。

另一方面，已有文献大多在人口、财富水平、技术水平的基础上再加入一些其他的影响因素，且得出的结论各有不同，本文为确保结果真实可靠，除了上述人口、财富水平、技术水平外还考虑了城市化水平、产业结构、国际贸易水平、科技创新能力，并利用岭回归将不显著的影响因素剔除，充分考虑多方影响因素的同时，又保证了结果的真实可靠。

2 因素选取与模型设定
2.1 因素的选取及数据来源
2.1.1 因素的选取
对化石能源的利用是产生碳排放的主要原因，但碳排放量的变化还受到许多其他因素的影响，为减少变量选取不足所造成的模型偏差，本文将从人口规模、富裕程度、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力七个方面来考虑影响CO2排放的因素。

对每个因素选取的具体考虑以及数据来源如下：
（1）人口规模。

一般情况下，人口增加对能源的需求和利用就会增加，从而使得碳排放量增加，此外人口增长过快还会造成森林面积的减少和生态系统的破坏。

（2）富裕程度用人均GDP表示。

人民要富裕、经济要发展，归根到底离不开对化石能源的需求和消耗，在化石能源的消耗过程中又不可避免地产生二氧化碳。

但是当经济发展到一定程度时，人民的环保意识以及碳减排技术都会得到提升，此时经济发展對碳排放将会产生负向影响，也就是所谓的碳排放库兹涅茨曲线（CKC）达到拐点后。

（3）城市化水平用城市化率表示。

城市拥有大量的人口、聚集了大批工业，是能源消耗和CO2排放的聚集区域，城市CO2排放约占全国直接CO2排放来源的85%（郭芳、王灿、张诗卉，2021）[1]，一般来说城市化水平越高，生产生活所需的能源消耗越大，CO2排放量越大。

（4）技术水平用碳排放强度表示。

减排目标背后的一个重要问题是能否协同减排和经济增长，碳排放强度是一个能够很好地反映国家能源和经济表现的指标，也是中国减少碳排放国际承诺的一个重要指标，而技术进步能够有效地降低碳排放强度（Feng Dong et al，2018）[13]以及提高能源利用强度。

（5）产业结构用第二产业占GDP比重来表示。

第二产业的终端能耗占终端总能耗的60%以上（孙敬水、陈稚蕊、李志坚，2011）[10]，因此第二产业所占的比重在一定程度上会影响对能源消耗和二氧化碳排放量。

（6）国际贸易水平用进出口额占GDP比重来表示。

由于各国资源禀赋不同，在国际贸易中有着不同的分工，对高能耗资源密集型产品的进出口使得国际贸易中存在着碳排放转移的问题（孙敬水、陈稚蕊、李志坚，2011）[10]。

（7）科技创新能力用人均专利授权量来表示。

科技创新可以通过不断地提高技术水平来减少碳排放。

2.1.2 数据的来源：南京CO2排放量数据来自《中国各县区CO2排放量》;人口、人均GDP、城市化率、第二产业占GDP比重、进出口额占GDP比重、人均专利授权量均直接或间接的来自1998～2018年《南京统计年鉴》，其中人均GDP折算为1997年的不变价。

2.2 STIRPAT模型
IPAT恒等式在环境经济领域得到广泛应用，并在实际应用中得到发展，先后扩展出IGT、ImPACT、STIRPAT等模型（王永刚等，2015）[14]。

Gao等令P×A=G，构造了IGT模型，G表示国内生产总值，用于分析经济增长与生态环境之间的关系（何强、吕光明，2008）[15]。

Waggoner对IPAT恒等式进行了衍生，将T分解成单位GDP的消耗量C和单位消耗量对环境的影响T，得到“ImPACT”模型：
I=PACT （1）
IPAT、ImPACT等模型虽然易于理解和操作，但仍存在一些不足：各因素对环境的影响表现为比例相同的简单线性关系，不能反映各因素变化时环境的变化程度;其次，等式两边量纲的统一限制了对影响环境的其他社会因素的研究。

为改善这些不足，York等（2003）在原有模型的基础上建立了STIRPAT（Stochastic Impacts by Regression on PAT）模型，模型的基本形式是：
其中：P代表人口规模;A代表人均富裕程度;T代表技术水平;α为常数项;a、b、f分别为人口规模系数、人均富裕程度系数、技术水平系数;e为随机环境误差;因变量I代表环境影响程度，如CO2排放量。

该模型可对环境造成影响的各因素进行研究，除上述自变量外，还可引入其他能够对碳排放造成影响的因素，本文选取人口总量P、人均GDPA、城市化率U、碳排放强度T、产业结构C、国际贸易水平X、科技创新水平V七项因素（表1）作为自变量来构建STIRPAT模型。

可以得到扩展后的模型见方程式（3）：
为分析各因素对环境的影响以及消除模型中可能存在的异方差影响，本文将所有变量进行对数化处理，取对数化后的STIRPAT模型如下：
lnY=lnα+alnP+blnA+dlnU+flnT+glnC+mlnX+zlnV+lne （4）。