摘" "要：江蘇省作為經(jīng)濟(jì)大省，同時(shí)也是碳排放大省。因此，通過對(duì)江蘇省2006—2020年能源消費(fèi)碳排放量和碳排放強(qiáng)度進(jìn)行測(cè)算分析，基于擴(kuò)展的STIRPAT模型，分析各驅(qū)動(dòng)因子對(duì)碳排放總量的影響及其驅(qū)動(dòng)程度。結(jié)果表明，人均GDP對(duì)該地區(qū)二氧化碳的排放影響最為顯著，其次是人口規(guī)模、城鎮(zhèn)化率、能源強(qiáng)度以及煤炭消費(fèi)量，這五種影響因素與江蘇省碳排放量增長(zhǎng)均呈正相關(guān)?；诖?，從促進(jìn)江蘇省踐行“雙碳”目標(biāo)視角提出對(duì)策建議。

關(guān)鍵詞：江蘇??；碳排放；STIRPAT模型；影響因素；嶺回歸

中圖分類號(hào)：X322" " " "文獻(xiàn)標(biāo)志碼：A" " " 文章編號(hào)：1673-291X（2024）10-0039-04

引言

根據(jù)英國石油公司（BP）發(fā)布的《世界能源統(tǒng)計(jì)年鑒》顯示，2010年中國能源消費(fèi)量占全球的20.3%，超越美國，成為世界上最大的能源消費(fèi)國[1]。2020年9月22日，習(xí)近平總書記在第七十五屆聯(lián)合國大會(huì)一般性辯論上承諾，中國力爭(zhēng)2030年前二氧化碳排放達(dá)到峰值、2060年前實(shí)現(xiàn)碳中和。江蘇省作為能源消耗和碳排放大省，是全國碳減排的重點(diǎn)區(qū)域和潛力地區(qū)?！笆奈濉逼陂g，江蘇省全面落實(shí)習(xí)近平總書記對(duì)江蘇省工作重要講話與重要指示精神，明確要求實(shí)施碳排放總量和強(qiáng)度“雙控”，達(dá)到“碳中和”最終目標(biāo)。本文對(duì)江蘇省碳排放現(xiàn)狀進(jìn)行分析，并基于改進(jìn)后的STIRPAT模型對(duì)江蘇省2006—2020年的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行回歸分析。碳排放影響因素研究對(duì)于豐富江蘇省低碳發(fā)展研究案例，實(shí)現(xiàn)我國城市化的可持續(xù)發(fā)展具有重要現(xiàn)實(shí)意義[2]。

一、江蘇省碳排放現(xiàn)狀

（一）碳排放量測(cè)算方法

本文對(duì)江蘇省能源消費(fèi)碳排放的測(cè)算參考IPCC法提供的計(jì)算公式：

C=■■Qi*EiFi（1）

其中，C為所有能源消費(fèi)的碳排放量，單位為萬噸；Qi為不同能源類型的能源消費(fèi)量；Ei為標(biāo)準(zhǔn)煤折算系數(shù)；Fi為碳排放系數(shù)。

（二）江蘇省碳排放總量

在沒有考慮電力和熱力的前提下，江蘇省2006—2020年碳排放總量及增長(zhǎng)率情況如圖1所示。

從圖1可以看出，近年來江蘇省的碳排放總量呈增長(zhǎng)趨勢(shì)，2006—2013年期間，江蘇省的碳排放量不斷增加，從13 896.50萬噸上升至21 078.49萬噸。在2016年達(dá)到峰值后，江蘇省的碳排放量有所減少，2017—2020年均為負(fù)增長(zhǎng)，說明江蘇省當(dāng)時(shí)采取的相關(guān)節(jié)能減排措施對(duì)抑制碳排放起到正面作用，能源消費(fèi)帶來的碳排放量尚在資源環(huán)境的可承受范圍之內(nèi)。

（三）江蘇省碳排放強(qiáng)度及碳排放彈性系數(shù)

碳排放強(qiáng)度即碳強(qiáng)度，是單位GDP的二氧化碳排放量，也就是一個(gè)國家或地區(qū)的碳排放總量與其GDP的比值。碳排放彈性系數(shù)是指每單位GDP帶來的碳排放增長(zhǎng)程度，反映碳排放增長(zhǎng)與經(jīng)濟(jì)增長(zhǎng)之間的比例關(guān)系。從圖2可知，近15年江蘇省碳排放強(qiáng)度整體呈下降趨勢(shì)，表明江蘇省的能源消費(fèi)效率在不斷提高；2010年和2013年碳排放系數(shù)大幅提高，說明該階段江蘇省碳減排相關(guān)政策的大力推行并未產(chǎn)生預(yù)期的節(jié)能效果，亦或是碳排放量的增長(zhǎng)超過了經(jīng)濟(jì)增長(zhǎng)的速度以及環(huán)境的承載力[3]；2019—2020年江蘇省碳排放系數(shù)大幅降低，于2020年達(dá)到-0.95，說明該階段GDP增長(zhǎng)速度大于碳排放量的增長(zhǎng)速度。

為進(jìn)一步研究江蘇省碳排放量的發(fā)展變化，以改進(jìn)的STIRPAT模型為基礎(chǔ)，通過測(cè)算碳排放量及其發(fā)展現(xiàn)狀，對(duì)江蘇省碳排放的影響因素進(jìn)行實(shí)證研究，并計(jì)量其影響效果，提煉出減排對(duì)策，為實(shí)現(xiàn)江蘇省節(jié)能減排目標(biāo)提供思路。

二、模型構(gòu)建和數(shù)據(jù)來源

（一）模型構(gòu)建

IPAT法是一種較為經(jīng)典的研究碳排放影響因素的方法，反映的是人口、經(jīng)濟(jì)、技術(shù)與環(huán)境的關(guān)系，但其存在分解因素固定、研究角度局限的弊端[4]。為了克服IPAC模型的缺陷，YORK等在IPAT模型基礎(chǔ)上提出STIRPAT模型，其表達(dá)式為：

I=aPbAcTde（2）

其中，I、P、A和T分別表示地區(qū)的碳排放量、人口因素、經(jīng)濟(jì)因素和技術(shù)因素，a為模型系數(shù)，b、c、d分別為變量P、A、T的指數(shù)，e為模型誤差項(xiàng)。

本研究采用拓展的STIRPAT模型，結(jié)合江蘇省能源消費(fèi)和其社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，選取人口總數(shù)（P）、城鎮(zhèn)化率（U）、經(jīng)濟(jì)發(fā)展水平（G）、人均GDP（A）、能源強(qiáng)度（T）和能源結(jié)構(gòu)（E）作為影響碳排放量的指標(biāo)。在人口指標(biāo)方面，人口增長(zhǎng)使得消費(fèi)能源增加，進(jìn)而導(dǎo)致碳排放量不斷增加。城市作為人口集中地，碳排放量的增加給城市環(huán)境帶來了較大的壓力，因此本文選取人口數(shù)量和城鎮(zhèn)化率來表示人口指標(biāo)。在財(cái)富指標(biāo)方面，本文選取經(jīng)濟(jì)發(fā)展水平和人均GDP來表示這一指標(biāo)。地區(qū)經(jīng)濟(jì)發(fā)展帶動(dòng)能源消費(fèi)需求急劇提高，從而碳排放量也就提高[5]。為了更好反映江蘇省的經(jīng)濟(jì)發(fā)展水平，本文將人均GDP也作為財(cái)富指標(biāo)之一。由于技術(shù)性指標(biāo)下的能源強(qiáng)度主要體現(xiàn)在單位GDP能耗，而技術(shù)水平的提高對(duì)單位GDP能耗的降低有一定作用，從而能夠減少碳排放。在能源結(jié)構(gòu)方面，江蘇省的煤炭消費(fèi)是其能源消費(fèi)結(jié)構(gòu)比重的第一大來源，故選取能源強(qiáng)度和能源結(jié)構(gòu)來表示技術(shù)指標(biāo)對(duì)江蘇省碳排放的影響[6]。借鑒STIRPAT模型，構(gòu)建出上述指標(biāo)和碳排放關(guān)系模型[7]，如式（3）所示。

C=KP■U■■G■A■T■E■ε（3）

其中，K為常數(shù)，P為人口總量（萬人），U為城鎮(zhèn)化率（%），G為經(jīng)濟(jì)發(fā)展水平（億元），A為人均GDP（元），T為能源強(qiáng)度（萬噸標(biāo)準(zhǔn)煤/億元），E為能源結(jié)構(gòu)（%），ε為隨機(jī)變量，ai為彈性系數(shù)，表示當(dāng)P、U、G、A、T和E每變化1%時(shí)，分別引起C的ai%變化。為便于運(yùn)用回歸分析確定模型中的參數(shù)，對(duì)模型（3）兩邊取對(duì)數(shù)得：

ln C=ln K+a1 ln P+a2 ln U+a3 ln G+a4 ln A+a5 ln T+a6 ln E+ln ε（4）

（二）數(shù)據(jù)來源

2006—2020年江蘇省的常住人口總數(shù)、城鎮(zhèn)常住人口總數(shù)、地區(qū)GDP、人均GDP均可通過2007—2021年的《江蘇省統(tǒng)計(jì)年鑒》直接獲取；能源消費(fèi)總量及27種能源消耗實(shí)物量（本研究不考慮電力和熱力能源消耗情況）通過2007—2021年的《中國能源統(tǒng)計(jì)年鑒》直接獲取，各能源的凈發(fā)熱量和排放因子參照IPCC與“各種能源折標(biāo)準(zhǔn)煤參考系數(shù)”。為消除價(jià)格因素，本研究均以2005年為基準(zhǔn)做平減處理。

三、結(jié)果分析

運(yùn)用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行多元回歸分析，結(jié)果顯示，由于lnG回歸結(jié)果不顯著，且該變量的VIF高達(dá)160 359.722，為已排除變量。普通最小二乘法估計(jì)結(jié)果如表1所示，除能源結(jié)構(gòu)外，其他變量的VIF值都大于10，其中城鎮(zhèn)化率（U）和人均 GDP（A）的VIF值較大，分別為134.484和319.330，說明存在嚴(yán)重的多重共線性。為了消除多重共線性影響，接下來對(duì)江蘇省2006—2020年的相關(guān)數(shù)據(jù)用SPSS 軟件對(duì)模型（4）進(jìn)行嶺回歸分析[8]。

嶺回歸分析中，嶺回歸系數(shù)k的確定非常關(guān)鍵，本文首先在0到1之間以一定的數(shù)據(jù)間隔，通過選取大量不同的嶺回歸系數(shù)k，從而估算模型系數(shù)，隨后從中選取使模型系數(shù)趨于穩(wěn)定的嶺回歸系數(shù)進(jìn)行參數(shù)估計(jì)。嶺回歸分析結(jié)果跡嶺圖及不同k取值下的可決系數(shù)如圖3和圖4所示。從圖3中可以看出，各變量的系數(shù)在k=0.4以后在0值附近逐漸趨于平穩(wěn)，所以確定使用k=0.4時(shí)的相關(guān)數(shù)據(jù)對(duì)模型（4）進(jìn)行參數(shù)估計(jì)，估計(jì)結(jié)果見表2。

圖3" 嶺跡圖

圖4" 可決系數(shù)圖

從表2可知，lnP、lnU、lnA、lnT、lnE均通過了1%的顯著性水平檢驗(yàn)，R2為0.98，F(xiàn)統(tǒng)計(jì)量通過1%的顯著性檢驗(yàn)。因此，通過模型（4）可以較好地解釋江蘇省碳排放量與各自變量之間的關(guān)系，具體形式為：

ln C=0.2877+0.2103 ln P+0.1788 ln U+0.2143 ln A

+0.1646 ln T+0.1645 ln E（5）

根據(jù)嶺回歸分析結(jié)果可知，人口、城市化率、人均 GDP、能源強(qiáng)度和能源結(jié)構(gòu)每增加1%，將分別引起碳排放量相應(yīng)增加0.287 7%、0.178 8%、0.214 3%、0.164 6% 和0.164 5%。由此可見，五種影響因素和江蘇省碳排放量增長(zhǎng)均呈正相關(guān)。從影響程度大小來看，人均GDP對(duì)該地區(qū)的二氧化碳的排放影響最為顯著，為0.214 3；其次是人口規(guī)模，影響程度為0.210 3；再次就是城鎮(zhèn)化率、能源強(qiáng)度以及煤炭消費(fèi)量，影響程度分別是0.178 8、0.164 6和0.164 5。

碳排放對(duì)人口數(shù)量的彈性系數(shù)為0.210 3，即人口數(shù)量增加1%，那么碳排放增加0.210 3%。盡管人口數(shù)量的增加對(duì)碳排放量有一定的影響，但前期歸因于計(jì)劃生育致使人口增長(zhǎng)率不高，且增長(zhǎng)率總體上呈下降趨勢(shì)[9]；自2015年正式宣布全面放開二孩政策以來，隨著社會(huì)經(jīng)濟(jì)的發(fā)展，年輕一代女性不愿意生育的越來越多，至2020年江蘇省人口自然增長(zhǎng)率僅為0.17%，2022年甚至達(dá)到了人口負(fù)增長(zhǎng)。如果人口增長(zhǎng)率繼續(xù)逐年降低，甚至負(fù)增長(zhǎng)，那么會(huì)在一定程度上有利于抑制碳排放量的增長(zhǎng)。

碳排放對(duì)城市化水平的彈性系數(shù)為0.178 8，即人口數(shù)量增加1%，那么碳排放增加0.178 8%。江蘇省的城市化率一直在上升，從2006年的52%上升到2020年的73%。城鎮(zhèn)化率的提高會(huì)對(duì)居民生產(chǎn)生活方式產(chǎn)生一定程度的影響，居民生活質(zhì)量的改善帶來了生活性能源消費(fèi)的增加，且隨著城市化的推進(jìn)，城市基礎(chǔ)設(shè)施、居民住宅建設(shè)等將會(huì)導(dǎo)致原有農(nóng)田、林地和濕地的開發(fā)，土地利用方式的改變降低了城市碳儲(chǔ)存能力，進(jìn)而引起碳排放量的增加[10]。

在本文所考慮的幾個(gè)影響因素中，人均GDP對(duì)碳排放的影響較為顯著，彈性系數(shù)為0.214 3，即人均財(cái)富每增加1%，將會(huì)帶來碳排放增加0.214 3%。隨著經(jīng)濟(jì)的持續(xù)發(fā)展，我國人均生產(chǎn)能力不斷提高，工業(yè)化和城市化的進(jìn)程加快，必將帶動(dòng)能源的大量消費(fèi)。

碳排放強(qiáng)度和能源結(jié)構(gòu)這兩個(gè)反映技術(shù)進(jìn)步指標(biāo)的碳排放彈性分別為0.164 6和0.164 5。而在前文所做的理論預(yù)期中，技術(shù)水平的提高能使單位GDP能耗得到有效降低，從而減少碳排放量。但從本文結(jié)論來看，技術(shù)進(jìn)步并未產(chǎn)生預(yù)期效果。事實(shí)上，技術(shù)進(jìn)步對(duì)碳排放的影響具有雙重性。一方面，技術(shù)進(jìn)步能提高能源利用率，降低碳排放；另一方面，技術(shù)進(jìn)步促進(jìn)經(jīng)濟(jì)增長(zhǎng)，帶動(dòng)能源要素投入，引起能源消費(fèi)回彈[11]。也就是說，目前江蘇省能效改進(jìn)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效果要大于其能源效率提高的效果，無法對(duì)降低碳排放量起到有效的抑制作用。

四、結(jié)論與對(duì)策

本文采用江蘇省2006—2020年15年的數(shù)據(jù)，基于擴(kuò)展后的STIRPAT模型，選擇人口總量、城鎮(zhèn)化率、經(jīng)濟(jì)發(fā)展水平、人均GDP、能源強(qiáng)度、能源結(jié)構(gòu)等六個(gè)指標(biāo)對(duì)江蘇省碳排放影響因素進(jìn)行探究，結(jié)果表明，人口、城市化率、人均GDP、能源強(qiáng)度和能源結(jié)構(gòu)每增加1%，將分別引起碳排放量相應(yīng)增加0.287 7%、0.178 8%、0.214 3% 、0.164 6% 和0.164 5%。人均GDP和人口規(guī)模對(duì)該地區(qū)二氧化碳的排放影響較為顯著，城鎮(zhèn)化率、能源強(qiáng)度以及煤炭消費(fèi)量次之，且所有影響因素都促進(jìn)了碳排放量的增加?；谝陨涎芯拷Y(jié)論，結(jié)合江蘇省的實(shí)際情況，提出以下政策建議。

1.加大技術(shù)引進(jìn)和創(chuàng)新，推動(dòng)市場(chǎng)與政策機(jī)制協(xié)調(diào)發(fā)展。江蘇省需大力推行相關(guān)節(jié)能減排政策，加快省內(nèi)企業(yè)轉(zhuǎn)型步伐，加大對(duì)新能源技術(shù)和相關(guān)人才引進(jìn)的力度，同時(shí)加強(qiáng)和其他省域或組織的碳減排合作與交流，為實(shí)現(xiàn)碳減排提供有力的技術(shù)支撐[12]。此外，我國正處于碳排放權(quán)交易市場(chǎng)建設(shè)的關(guān)鍵時(shí)期，目前已在北京、上海、廣州等多個(gè)省市試點(diǎn)并陸續(xù)開始線上交易，為此，江蘇省需補(bǔ)齊短板，積極探索碳匯交易及碳期貨等碳金融衍生品交易市場(chǎng)的建立。

2.推行低碳生活方式，強(qiáng)化低碳消費(fèi)意識(shí)。江蘇省應(yīng)加大“低碳生活”宣傳力度，提高居民的低碳意識(shí)，積極引導(dǎo)居民使用清潔能源；發(fā)展綠色經(jīng)濟(jì)，大力支持節(jié)能減排企業(yè)，為企業(yè)提供政策扶持，加快節(jié)能技術(shù)進(jìn)步，最終實(shí)現(xiàn)清潔能源高效替代。居民應(yīng)堅(jiān)持綠色出行，養(yǎng)成良好的綠色低碳生活方式和消費(fèi)方式，從而降低江蘇省生活能源消費(fèi)領(lǐng)域的碳排放量。

參考文獻(xiàn)：

[1]" "王連龍，等.秦皇島市能源消費(fèi)碳排放研究[J].科技管理研究，2013（9）：195-198.

[2]" "許泱，周少甫.我國城市化與碳排放的實(shí)證研究[J].長(zhǎng)江流域資源與環(huán)境，2011（11）：1304-1309.

[3]" "林珊珊.江蘇碳排放的數(shù)量測(cè)算及其影響因素：基于改進(jìn)STIRPAT模型的計(jì)量檢驗(yàn)[J].南通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015（4）：9-16.

[4]" "王韶華，等.京津冀碳排放的影響因素分析及達(dá)峰情景預(yù)測(cè)：基于供給側(cè)改革視角[J].北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022（6）：54-66.

[5]" "劉淑花，譚旭紅，陳梅.基于STIRPAT模型的碳排放驅(qū)動(dòng)因子研究：以黑龍江省為例[J].資源開發(fā)與市場(chǎng)，2014（9）：1086-1091.

[6]" "張勇，張樂勤，包婷婷.安徽省城市化進(jìn)程中的碳排放影響因素研究：基于STIRPAT模型[J].長(zhǎng)江流域資源與環(huán)境，2014（4）：512-517.

[7]" "丁唯佳，等.基于STIRPAT模型的我國制造業(yè)碳排放影響因素研究[J].數(shù)理統(tǒng)計(jì)與管理，2012（3）：499-506.

[8]" "黃蕊，等.基于STIRPAT模型的江蘇省能源消費(fèi)碳排放影響因素分析及趨勢(shì)預(yù)測(cè)[J].地理研究，2016（4）：781-789.

[9]" "尹向飛.人口、消費(fèi)、年齡結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)對(duì)湖南碳排放的影響及其演進(jìn)分析：基于STIRPAT模型[J].西北人口，2011（2）：65-69.

[10]" "王星，劉高理.甘肅省人口規(guī)模、結(jié)構(gòu)對(duì)碳排放影響的實(shí)證分析：基于擴(kuò)展的STIRPAT模型[J].蘭州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014（1）：127-132.

[11]" "申萌，李凱杰，曲如曉.技術(shù)進(jìn)步、經(jīng)濟(jì)增長(zhǎng)與二氧化碳排放：理論和經(jīng)驗(yàn)研究[J].世界經(jīng)濟(jì)，2012（7）：83-100.

[12]" "吳金艷.廣西實(shí)現(xiàn)低碳經(jīng)濟(jì)發(fā)展的影響因素研究[J].學(xué)術(shù)論壇，2013（11）：105-109.

[責(zé)任編輯" "若" "云]