| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 海南省工业碳排放量影响因素实证分析 |
| 第729期 作者：□文/许志海1，2 李敏纳1，2 吴 茂1，2 党丹妮1，2 王 杰1，2 李 坤2 孔云杰2 时间：2024/5/16 11:16:03 浏览：80次 |
［提要］ 全球气候变暖对人类社会经济发展带来消极影响，海南省作为国家生态文明试验区正在为控制二氧化碳等温室气体实现碳达峰、碳中和而不断努力，研究海南省工业碳排放的影响因素具有重要意义。本文基于STIRPAT模型选取工业碳排放量的影响因素，并通过构建VAR模型、格兰杰因果关系检验和方差分解分析等方法实证分析海南省工业碳排放量影响因素。基于研究结论，提出相关建议。
关键词：工业碳排放；STIRPAT模型；影响因素
中图分类号：F427 文献标识码：A
收录日期：2023年9月19日
碳达峰、碳中和是我国实现可持续发展、高质量发展的内在要求，是促进生态文明建设的重要推手。结合海南省宏观经济发展特征和现实条件，开启全面建设绿色海南新征程，通过淘汰落后产能、构建低能耗清洁的产业结构，充分利用海南省资源禀赋，是缓解资源环境约束、促进经济提质增效升级的必由之路。
关于碳排放量影响因素的研究，学者们主要从人口、经济和能源消耗三个方面进行分析。本文根据STIRPAT模型选取工业碳排放影响因素，利用1991～2020年海南省相关数据，通过建立VAR模型、进行方差分解分析等方法实证分析海南省工业碳排放量的影响因素，从而得到相关结论并提出对策建议，以期为海南省推进工业碳减排，实现低碳绿色发展提供决策参考。
一、变量、数据与方法
（一）变量选取
1、海南省工业碳排放量。本文计算海南省工业碳排放量的方式为采用各种能源消费总量与各自的碳排放系数相乘，即为各年的碳排放量，而碳排放系数采用国家发展和改革委员会能源研究所拟定的各类能源碳排放系数标准：煤炭0.746，石油0.5825，天然气0.4435，水电、核电0（单位：碳/万吨标准煤），用Y表示。
2、海南省工业碳排放量影响因素。根据STIＲPAT模型和文献研究的结果，人口数选取人口规模（X1，万人）；富裕程度选取工业总产值（X2，亿元）、城镇化率（X5，%）；技术水平选取能源强度工业能源结构（X3，%）、产业结构（X4，%）、工业能源强度（X6，吨标煤/万元）作为影响因素。人口增长会导致对能源和资源的需求增加，必将提高碳排放量；工业总产值的发展必然伴随着对能源的持续消耗和碳排放的增加；城镇化率的增加会伴随着城市的扩大和建设，同时也会引发工业的发展；较高的工业能源强度意味着单位产出所消耗的能源较多，因此工业碳排放也会相对较高；产业结构为各产业之间的相互关系在内的结构特征，第二产业对于碳排放起着重要作用，所以选择第二产业在所有产业中的比重作为产业结构；煤炭在海南省能源结构中占据重要地位，煤炭的结构比例对工业碳排放总量有着巨大的影响。
（二）数据来源。本文研究的变量数据来源于《海南省统计年鉴》《中国能源统计年年鉴》以及中国碳核算数据库，选取1991～2020年的数据进行研究。工业总产值已经用国内生产总值指数平减（1991=100）。
（三）实证分析方法。本文采用以下分析方法实证分析海南省工业碳排放量的影响因素：第一，利用ADF单位根检验方法实证检验工业碳排放量以及各个影响因素变量序列的平稳性。第二，如果各个变量都是单整阶数相同的非平稳变量，通过建立VAR模型，采用协整检验方法实证检验其是否存在长期协整关系。第三，进行格兰杰因果关系检验，实证分析工业碳排放量以及各个变量间的因果关系。第四，在前述基础上建立VAR模型，采用方差分解方法考察变量之间的相互影响特征。
二、结果及分析
（一）变量平稳性分析。运用Eviews软件对各变量时间序列平稳性进行ADF检验，检验结果见表1。（表1）
ADF检验结果表明，七个变量都是不平稳的，均为一阶单整序列。
运用AR特征多项式根的单位圆来检验VAR模型的稳定性，AR特征多项式根的倒数都位于单位圆之内，表明所估计的VAR模型是稳定的。
（二）VAR模型滞后阶数的确定。VAR模型中一个重要的问题就是滞后阶数的确定。在选择滞后阶数p时，一方面欲使滞后阶数足够大，以便能够完整反映所构建模型的动态特征；另一方面滞后阶数越大，需要估计的参数也就越多，模型的自由度就减少。所以，通常进行选择时，需要综合考虑，既要有足够多的滞后项，又要有足够数目的自由度。
本文采用赤池信息准则（AIC）和施瓦茨（SC）准则确定滞后阶数P，当AIC和SC的最小值对应不同的P时，使用LR统计量进行确定。根据表2估计结果来看，当滞后阶数P=1时，对应的SC达到最小值；当滞后阶数P=2时，对应的AIC达到最小值；当滞后阶数P=1时，对应的LR统计量达到最大值。因此，确定的最优滞后阶数为1阶。（表2）
（三）Johansen协整检验。在滞后阶数为1，同时假设模型中有常数项和时间趋势项的情况下，对lnY、lnX1、lnX2、lnX3、lnX4、lnX5、lnX6进行Johansen协整检验，检验结果表3所示。（表3）
从表3可以看出，迹统计量在5%的显著性水平下均拒绝“0个协整向量” “至少1个协整向量” “至少2个协整向量”和“至少3个协整向量”的原假设，而接受存在“至少4个协整向量”的原假设，说明lnY、lnX1、lnX2、lnX3、lnX4、lnX5、lnX6之间存在协整关系，即海南省的工业碳排放量与总人口数、工业总产值、工业能源结构、产业结构、城镇化率、能源强度之间存在长期均衡的关系，具体如下：
lnY＝1.124lnX1＋0.759lnX2-0.553lnX3-0.096lnX4-0.3861lnX5-0.368lnX6
（四）格兰杰因果关系检验结果及分析。变量之间存在长期均衡关系，进行格兰杰因果关系检验，判断变量之间是否存在因果关系。检验结果如表4所示。（表4）
本部分对工业碳排放量与变量之间是否存在因果关系进行格兰杰因果关系检验。检验结果表明，在10%的显著性水平上，人口规模、产业结构、能源强度、城镇化率是导致工业碳排放量变化的重要原因，但工业总产值、工业能源结构不是引起工业碳排放变化的原因。
（五）方差分解结果及分析。从工业碳排放的方差分解结果中可以看出，碳排放对其自身的贡献率持续下降，在第10期后保持在20%左右波动；人口规模、工业总产值、工业能源结构、能源强度对工业碳排放的贡献率均经历一段时间的持续上升后，分别保持在40%、2%、1.3%和15%左右水平，而产业结构对工业碳排放的贡献率在前5期逐渐上升，接着下降，在第15期最终稳定于2.5%左右水平；而城镇化率对工业碳排放的贡献率在前11期逐渐上升，接着下降，在第18期最终稳定于17%左右水平。（图1）
对比分析可知，人口规模的结构冲击对碳排放的贡献度最大，表明人口的增加，不可避免会增加碳排放；城镇化率和能源强度也有很高的贡献度，城市化水平所带来的规模效应和集聚效应也会日渐突出，使得其减排的优越性凸显，技术进步也有助于减排；而工业总产值和工业能源结构的冲击对碳排放的贡献度最小，这主要是由于海南省工业在全国范围内仍处于较低水平，且工业能源结构一直没有太大改变。
三、结论及建议
（一）主要研究结论。本文以海南省工业碳排放量的影响因素为研究对象，通过1991～2020年海南省相关数据，基于VAR模型运用协整检验、方差分解等方法，实证分析海南省工业碳排放量的影响因素，得到以下结论：（1）1991～2020年海南省人口规模、城镇化率、能源强度、工业总产值、工业能源结构、产业结构与工业碳排放量之间存在长期均衡关系。（2）1991～2020年海南省人口规模、城镇化率、工业能源强度、产业结构是工业碳排放量的格兰杰原因，工业总产值、工业能源结构与工业碳排放量密切相关，但不是工业碳排放量的格兰杰原因。（3）1991～2020年，人口规模对工业碳排放量变化的贡献最大，贡献率达到40%；工业碳排放自身因素对碳排放量变化的贡献度较大，贡献率为20%；城镇化率和能源强度对工业碳排放量变化的贡献率持续上升后保持在16%；工业总产值、工业能源结构、产业结构对工业碳排放量变化的贡献相对较小。
（二）相关建议
1、提升工业较高市县的低碳绿色化水平。人口规模增加，城镇化率提高带来了经济增长和社会发展，但是引起了工业碳排放量的增加。对于工业碳排放量较高的市县，应采取措施，控制其人口规模和城镇化率，或促其建立清洁新能源体系，实施废弃物绿色管理等，进一步提升低碳绿色化水平。
2、提高工业能源利用效率。海南省工业能源强度是工业碳排放量的格兰杰原因。减少工业碳排放量，降低工业能源强度是当务之急。应充分发挥市场机制作用，推动能源生产和利用方式的变革，实现能源清洁转型，减少碳排放。
3、优化能源结构和产业结构。推动全社会节约能源，着力优化能源结构，提高能源利用效率。由于技术上的问题以及成本上的考虑，海南省工业各部门的能源消费结构以煤炭为主的局面可能会持续很长一段时间，应推进电力、煤炭和石油天然气等重点领域改革，大力发展风、光、生物质等可再生能源，高效安全、积极有序发展核电。逐步降低煤炭消费比例，合理控制化石能源消费总量。根据能源结构和环境容量，着力调整能源进口、消耗结构，产业产品结构。产业结构调整与能源结构优化互驱共进，挖掘降碳的潜力，统筹优化产业布局，提升绿色制造水平；提升现代服务业绿色发展水平，提升城市生产生活绿色化水平；增强自主创新能力、促进科技与经济紧密结合，从全局性、长远性发展高技术含量、高附加值的新兴产业，推动经济与科技的紧密结合，实现由污染密集型产业向环境友好型和资源节约型产业的转变。 （通讯作者：李敏纳）
（作者单位：1.海南师范大学海南省生态文明与陆海统筹发展重点实验室；2.海南师范大学）
主要参考文献：
［1］钟少芬，郭晓娟，刘煜平，等.基于STRPAT模型的碳排放情景分析［J］.科技管理研究，2019.39（17）.
［2］杨沫，陈凯.基于STIRPAT及解耦模型的河北省碳排放影响因素分析［J］.东北大学学报（自然科学版），2017.38（02）.
［3］陈占明，吴施美，马文博，等.中国地级以上城市二氧化碳排放的影响因素分析：基于扩展的STIRPAT模型［J］.中国人口·资源与环境，2018.28（10）.
［4］石钰婷，吴薇薇，李晓霞.我国航空碳排放发展特征及影响因素研究［J］.华东交通大学学报，2019.36（06）.
［5］王景波，安伯超，马国超，等.省域旅游业碳排放强度测算及影响因素研究［J］.统计与决策，2019.35（18）.
［6］李湘梅，姚智爽.基于VAR模型的中国能源消费碳排放影响因素分析［J］.生态经济，2014.30（01）.
［7］朱勤，彭希哲，陆志明，于娟.人口与消费对碳排放影响的分析模型与实证［J］.中国人口·资源与环境，2010.20（02）.
［8］王礼刚.甘肃省碳排放与经济增长动态演进分析［J］.商业研究，2012（11）.
［9］李敏纳.基于工农关联视角的中国工业化弱质分析［J］.中州学刊，2007（06）.
［10］Das A，Paul S K.CO2 emissions from household consumption in India between 1993-94 and 2006-07：A decomposition analysis［J］.Energy Economics，2014.41（01）.
［11］Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology［J］.Human Ecology Review，1994（01）.
|
|
|
|
