【城镇化对碳排放的影响探究：以S省为例11000字（论文）】

城镇化对碳排放的影响研究—以S省为例摘要温室气体的排放已经威胁到了国家的安全和人类的生存，发展低碳经济已经在全球范围内达成了共识。因此研究陕西省城镇化对碳排放的具体影响效应对推进我省城镇化健康发展以及实现节能减排具有重要意义。为客观、全面平衡城镇化发展与碳排放的控制提供科学依据，本文基于以往学者对于城镇化与碳排放的相关研究成果，搜集陕西省2005-2019年的相关数据，从分析陕西省碳排放及城镇化的现状出发，建立改进后的STIRPAT模型，研究人口规模、富裕程度和技术水平对环境的压力。对搜集数据进行处理并检验后，建立回归模型得出结论：（1）人口规模、人口城镇化结构和富裕程度对碳排放有正向影响，且人口规模及富裕程度对碳排放的促进作用尤为显著；（2）技术水平则对碳排放有一定负向影响，说明技术水平的降低促进了碳排放增长，碳排放强度每缩减1%，碳排放量增长0.647357%。（3）从相关系数的绝对值大小得出各个因素对碳排放的影响程度，富裕程度即人均生产总值的影响程度最大，其次是人口规模，然后是技术水平即碳排放强度，人口城镇化结构对碳排放影响最小。最后，根据研究结论提出推动城乡一体化、提升城市基础建设和管理水平、合理引导城镇体系发展等对策建议，使城镇化发展能够更好地服务于陕西省低碳经济发展。关键词：城镇化；碳排放；STIRPAT模型；陕西省目录TOC\t"标题一,1,标题二,2,标题三,3"1绪论 11.1研究背景及意义 11.2文献综述 21.3研究内容 32基本概念及理论基础 32.1城镇化的定义 32.2碳排放的定义及计算方法 42.3STIRPAT模型的理论 52.4城镇化发展对碳排放的影响机理 62.4.1城镇化通过产业发展对碳排放的影响 62.4.2城镇化通过人力资本累积对碳排放的影响 62.4.3城镇化通过投资增长对碳排放的影响 72.4.4城镇化通过技术进步对碳排放的影响 73城镇化与碳排放的现状分析 83.1碳排放的现状 83.1.1陕西省碳排放总量 83.1.2陕西省碳排放增长率 83.1.3陕西省人均碳排放 93.2城镇化的现状 103.2.1产业城镇化 103.2.2收入城镇化 103.2.3人口城镇化 114实证分析 124.1STIRPAT模型扩展 124.2变量选取及说明 134.3变量的平稳性及协整性检验 134.3.1ADF平稳性检验 134.3.2协整性检验 144.4回归分析 145结论与建议 155.1结论 155.2建议 16 191绪论1.1研究背景及意义随着全球范围内的温室效应愈发严重,国际上已将气候变暖这一问题列入全球十大最具影响力的环境问题之首,并将日益成为国际社会探讨的一个热点话题。气候变暖等问题也给我们的生态自然环境及人类的生存活动带来了很多严重危害,浅析20世纪以来人类经济社会的发展，各国之间达成了实现世界经济发展全球化不可逆转且世界经济发展以低碳化为主流方向的两大共鸣。在人们生产劳动产生的温室气体排放中，对气候影响最大的是CO2。众所周知，中国目前已经成为世界上最大的二氧化碳排放国，目前正在全球范围内面临着巨大的国际碳减排压力。在未来我们的经济社会发展中必将承受更多严峻的环境挑战，碳减排的压力也正在日益增大。在大多影响的因素中,城镇化可能是最根本的影响因素。近年来，随着陕西省大力发展经济，工业化的发展也随之加快，人均收入水平也随之增加。在大力发展城镇化的同时，碳排放及环境污染问题也时常成为困扰。城镇是CO2等温室气体污染物排放的对象和主体，是碳减排工作的重点范围领域，也是推动农村生活环境智能化的首选。城镇作为扩大国民内需、推动区域协调发展的重要工具和抓手。按照党的十八大、十八届三中全会精神，我省新型城镇化模式的发展道路、主要目标和任务还需得到进一步明确。城镇化的目标是推动中国以及陕西省未来社会经济发展，而在我国城镇化进程中，市场经济的大量规模效应、人口资源的集聚效应和城镇人口的能源消耗等特点都将对碳排放带来巨大的影响。当前陕西省面临的主要难题是合理有序地推进城镇化建设的进程与发展低碳经济。因此，研究当前我省城镇化对二氧化碳排放的具体影响效应和影响程度，对于推进当前我省城镇化的持续发展和实现绿色节能减排都具有十分重要的意义。为客观、全面地衡量陕西省城镇化建设对碳排放量的影响程度提供科学依据，本文进一步改进了STIRPAT模型，研究环境影响、财富因素、技术因素对碳排放的影响效应，为陕西省发展低碳经济提出合理性建议。1.2文献综述国内外学者们对城镇化与碳排放之间的关系这一国际焦点问题的研究一直在持续，随着实证研究的深入，也取得了一系列的研究成果。有一部分学者认为城镇化水平对碳排放量有促进作用，如Poumanyvong等[1]在对城镇化与碳排放的影响效应及影响程度研究时，应用扩展的STIRPAT模型对99个国家的面板数据进行检验并建立回归模型，研究结果表明城镇化对碳排放的影响程度因人均收入水平差异而不同；除此之外，还有许多的学者认为在经济发展的不同阶段城镇化对于碳排放的影响也不同，如唐李伟等[5]在研究城镇化对碳排放的影响时，运用动态化的门槛模型并搜集相关数据，结果表明二者之间存在着门槛效应，即当城镇化水平高于门槛值时会对碳排放的增加起到抑制作用。反之，当城镇化水平低于门槛值时，会对碳排放的增加起到正向作用；王鑫静等[7]在研究城镇化发展对碳排放效率的影响效应时，将全球国家按照城镇化水平不同分等级研究，利用扩展的STIRPAT模型，研究样本在2009-2016年碳排放效率，结果表明：城镇化的不同要素对碳排放的影响效应各不相同；另有一些学者认为，城镇化对碳排放的影响效应受其他因素影响而变化。张忠杰等[8]在研究城镇化对人均能源消费碳排放的影响时加入了金融发展因素，以此建立动静态模型，结果表明在静态和动态模型下，金融发展水平对碳排放都有抑制作用，而城镇化水平对碳排放有正向作用；刘彤等[10]在研究城镇化对建筑业碳排放的影响效应时，将我国30多个省份进行划分，划分为高碳排放、中碳排放和低碳排放3个区域。将城镇化因素进行分解，并应用EKC曲线模型及拓展的STIRPAT模型对其进行分析研究，结果表明高碳排放区域内城镇化的发展与建筑业碳排放之间呈正“N”型关系，中碳排放区域呈倒“U”型关系，而低碳排放区域则呈现正“U”型关系。曹颖等[12]以石家庄市为例，采用情景分析方法，研究不同城镇化发展模式对碳排放的影响，结果表明在不同的城镇化模式下，石家庄市能源消费和碳排放量存在显著差异。杨帆等[13]以江苏省为研究对象，研究城镇化进程中人口结构的各分解要素对碳排放的影响，应用VAR模型分析年龄结构、性别结构、家庭结构、教育结构和城乡结构对碳排放的影响程度，结果表明：人口老龄化与碳排放之间呈现正“U”型关系，城镇化率与碳排放之间呈倒“U”型关系。张漫[14]在对城镇化发展对碳排放的影响研究时，以我国30个省的2004-2017年间的面板数据为基础，构建门槛效应模型，分析城镇化分解要素对碳排放的影响，结果表明：城镇化水平对碳排放的影响具有双重门槛效应，即其关系呈现出倒“U”型。张玉华等[15]，在研究城镇化对碳排放的影响时加入科技创新要素，以2005-2015年的省域面板数据为基础构建门槛效应，结果表明城镇化对碳排放的影响具有双重门槛效应。综上所述，现有的文献仍然存在一些不足之处。首先，目前研究结果对于中国城镇化与碳排放之间相互关系的结论不太一致。有的学者认为城镇化对碳排放有正向影响，有的学者认为城镇化对碳排放有负向影响，还有一些学者认为这种影响是随其他因素变化而变化的。而且目前研究大多仅仅是以经济总量的形式为基础来研究城镇化程度对碳排放的影响，这种影响往往是绝对的正面或负面的，并没有充分地考虑到城镇化的不同因素对碳排放的影响；其次，目前没有完全针对于陕西省各地区城镇化的不同因素对碳排放的影响研究成果。1.3研究内容第一章绪论部分，交代了本文研究背景及意义并对国内外城镇化与碳排放关系相关研究成果进行整理汇总，确定本文研究方向；第二章为基本概念及理论基础部分，首先解释了城镇化的定义，总结数据的获取及碳排放的计算过程并论分析了STIRPAT模型以及表达式，最后介绍了城镇化通过影响各因素对碳排放的影响机理；第三章结合图表分别分析了陕西省碳排放和城镇化的现状，对陕西省城镇化及碳排放的现状有初步了解，为下面研究奠定基础；第四章对陕西省环境影响、财富因素、技术因素对碳排放的影响进行实证分析，首先根据研究需要扩展STIRPAT模型，其余部分对各变量进行解释并对其进行检验，变量通过检验后进行多元回归分析，建立回归模型得出各个指标对碳排放影响的相关关系；第五章结合分析总结陕西省城镇化各因素对碳排放的影响效果及影响程度，并据此给出合理的节能减排建议。2基本概念及理论基础2.1城镇化的定义“城镇化”的提出是中国国内学者针对中国国情提出的。由于城镇化内容的复杂性，至今仍然没有一个统一的概念，因为城镇化涉及多个学科领域包括社会学界、经济学界、人口学界、地理学界等，且不同学科研究学者对其理解也各不相同。社会学认为，城镇化是以第二、三产业为主的现代化工业社会逐步取代以农业为主的传统社会的历史过程。城镇化不仅意味着越来越多的农业从事人口到城市寻找工作，由农村人口转变为城市人口及由此带来的生产及生活方式的变化，也意味着城镇人口不断扩张和城镇数量不断增加，带来基础设施水平和产业集聚度的不断提升。经济学认为，城镇化是城镇的物质精神文明逐渐向农村普及发扬，城镇的社会生活和组织生产方式逐渐向农村扩散发展，以此带来的产业结构的变化过程。在城镇化过程中，城镇规模不断扩大，工业、服务业人员比重增大，产业、人口集聚化发展。本文认为，城镇化可以被分为产业城镇化、收入城镇化、人口城镇化及空间城镇化。2.2碳排放的定义及计算方法国家环保局认为，碳排放是指在人类社会生产及生活中产生的温室气体排放量，从动态角度来讲，是单位产品累计的CO2排放量。由于查询相关资料无法获取官方权威的我省的碳排放量数据，结合资料所提供的有关碳排放量的计算方法综合来看，本文决定采用“IPCC清单法则”根据各能源碳排放系数估算出陕西省2005-2019年碳排放量。能源生产主要包括原煤、原油、天然气以及水电、风电及其他能发电，在计算中对于碳排放系数，综合考虑采用IPCC《国家温室气体排放清单指南》发表的数据（表1），其他2005-2019年各类能源消耗量相关数据来源于《陕西统计年鉴》（表2）。（1）上式（1）中C代表陕西省每年的碳排放总量；Ei表示各类能源消耗量，Fi表示各能源对应的碳排放系数。计算出陕西省2005-2019年的碳排放量，如表2。表1各类能源的碳排放系数能源种类碳排放系数原煤0.7559原油0.5857天然气0.4483水电风电0表2各类能源消耗量年份原煤（万吨）原油（万吨）天然气（万吨）碳排放量（万吨）20054208.99967.28227.803850.2320064607.751015.45378.124247.2620075011.921057.40535.464647.8820085198.351360.99686.335034.2520095752.861405.97665.125470.2420105844.951421.13742.265583.3120116562.601444.03820.156174.1120127255.991571.34804.676765.8720137671.851652.66907.107173.7720148125.911690.24998.587580.0120158530.001429.561232.927837.8420169105.791167.721276.938139.4520179368.331078.971337.928313.2620189518.021083.731364.838441.2720199802.131039.891540.018708.882.3STIRPAT模型的理论国外学者Ehrlich和Holdren(1971)首次建立了IPAT模型来反映人类活动对环境的影响，其表达式为：I=P⋅A⋅T（2）式（2）中，各变量的含义I为环境影响，P为人口规模，A为富裕程度，T为技术水平。该模型是一个非常简洁完整的分析人类活动对环境的影响框架，但其不足之处是不能反映各驱动因素与环境影响之间非单调变化。为了弥补IPAT模型的不足之处，York等修改和完善了该模型，并提出了以下STIRPAT模型：Y=a⋅Pb⋅Ac⋅Td⋅e（3）式（2）中，各变量的含义Y代表环境的影响，P代表人口因素，A代表富裕程度，T代表技术，b、c、d则为变量的回归系数，a为常数项，e是模型的误差项。2.4城镇化发展对碳排放的影响机理2.4.1城镇化通过产业发展对碳排放的影响城镇化通过产业发展对碳排放的影响大致分为两个方面：首先是产业分配方面，产业发展在不同发展阶段不断优化，既可以吸引周边农村剩余劳动力转变地位，又能自发实现资源优化配置，促进产业集聚发展，提高城镇化水平。不同的产业结构分布对能源消耗的需求也不同。城镇化是以第二、三产业为主的现代化工业社会逐渐取代以农林牧渔为主的传统社会的过程。第二产业是材料的生产部门，主要在建筑、化工、机械等领域，能耗最大，碳排放也较高。第三产业为服务业，主要集中在技术密集型和劳动密集型产业，价值创造对能源消耗的依赖较小，所需的碳排放也较少。其次是产业升级方面，它通过提高生产技术或物质利用效率来减少了碳排放。第二产业快速发展，积极参与各类投资主体和依托大项目，带动产业发展，大型企业特别是千亿级战略产业为支撑，不断引进国内外节能减排先进技术，先进制造装备等战略性新兴产业不断崛起，实现了传统产业与新兴产业的耦合发展，生产效率不断提高。在第二产业中，高技术增加值产业比重将继续增加，能源消耗将相对降低。服务业是拉动区域经济增长、促进经济结构升级的重要引擎。第三产业大多是要素密集型产业，技术相对发达，能源利用效率较高，碳排放较少。2.4.2城镇化通过人力资本累积对碳排放的影响城镇化通过人力资本累积对碳排放的影响分为以下三方面：首先，城镇化有助于解决中国严重的城乡矛盾，优化有限资源的配置，缓解城乡收入差距不断扩大的状况，促进消费需求的增长，从而带动国内生产总值。其次，城镇化实现了医疗、教育等福利保障与城镇居民平等权利的共享。医疗卫生发展水平是保障人民健康的重要指标，中国共产党第十九次全国代表大会报告以来，教育一直是关乎民生的重大问题。城镇化建设不能忽视人民基础保障措施。城镇化是城市市民化的真正实现，不是由城市扩张驱动的的城镇化，而是农村居民进入城市生活并向城市生活改变的城镇化。最后，城镇化有利于物质文明与精神文明同步发展，促进人才的交流与发展。城镇化能够使剩余劳动力通过自我教育与职业技能培训实现自身价值，并且参与到城市生活中，其子女也能接受平等的教育。总之，城镇化对人力资本累积效应是毋庸置疑的。人力资本一方面可以带来先进的生产理念，促使企业发展低碳产业，降低企业负外部性，促进经济增长方式的转变。另一方面，高科技人才不断创新高科技产品与服务，能够运用熟练操作技能轻松掌握降低能源消耗的最新生产设备，降低生产环节的劳动力成本。总之，人力资本的累积在一定程度上可以降低能源消耗且减少碳排放。2.4.3城镇化通过投资增长对碳排放的影响城镇化不仅表现为城镇的繁荣与发展，也表现为经济社会的变革。城镇化进程中，城镇规模和人口不断扩大，产业集群化发展，住房需求大幅增加，基础设施建设持续完善，投资需求进一步受到刺激，消费需求持续增长。因此，城镇化带动的投资增长推动经济社会发展进入高增长阶段，能源消耗也在增加。城镇化通过投资增长对碳排放的影响可以分为两个方面：一方面，随着科学技术在农业生产领域的广泛应用，从事农业生产的高素质劳动者数量逐渐增加，促使更多的劳动力从农业生产中解放出来，成为剩余劳动力。由于城镇劳动力市场相对于农村劳动力市场更加完善，且能提供较多的就业机会与更可观的薪酬，从而促使部分剩余劳动力纷纷涌入城镇，进一步刺激城镇基础设施建设与住房等需求的扩大，诸如房地产、钢铁、水泥、化工、教育等产业开始兴盛，并进入了发展黄金期。另一方面，对基础设施及住房等的投资消耗了钢铁、石油、天燃气等能源，在产生巨大能源消耗的同时，也形成了规模效应，减少了能源消耗，降低了单位碳排放，技术水平的提高也使能源利用效率得到提升，从而减少了碳排放。2.4.4城镇化通过技术进步对碳排放的影响城镇化通过技术进步对碳排放的影响可以分为两个方面：首先，直接效应在一方面，技术进步将引领传统产业和新兴产业生变革，实现耦合发展。假如企业继续以追求―高增长、高破坏的负外部效应维持生产，环境规制将迫使企业面临巨额罚款，无疑加大了企业生产成本，影响经营效益。基于经济人假设，企业将引进节能减排先进技术或自我实现技术研究，提高能源利用效率，从而降低碳排放。另一方面，技术进步将鼓励企业寻求对化石能源消耗的替代，开发清洁能源，发展新材料、节能环保等产业，增强可持续发展能力，进一步降低碳排放。其次是间接效应，它是通过生产规模的快速扩张来降低碳排放。企业实现分工协作带来规模经济的正外部效应，形成市场优势与产业规模。首先，通过多种方式引导园区要积极与地方实力较强的企业开展合作，吸收引进同一链条的不同企业入园，不断延伸产业链条，加强产业竞争力；其次，有效发挥重大项目的龙头作用，充分利用园区的科技优势，培育一批创新性强、市场前景好的龙头企业，提高其对产业链带动能力，加快产业集群的形成；最后，产业园区应充分挖掘自身潜力，积极引进高新技术产业入驻园区，提升整体科技水平，有效弥补产业链条不完善的弊端。3城镇化与碳排放的现状分析3.1碳排放的现状3.1.1陕西省碳排放总量根据表2的计算结果绘制出陕西省2005-2019年的碳排放总量柱状图，以年份作为该图横坐标，每年的碳排放量作为纵坐标，由图可直观清晰的看出2005-2019年陕西省碳排放总量的数据及变化趋势。图1陕西省2005—2019年碳排放量由图1可知陕西省近年来碳排放量总体呈上升趋势，随着经济发展水平不断提高，全球的碳排放量也在逐年递增。全球许多能源相关的碳排放源自城镇地区。就陕西省来看，碳排放量从2005年的3850.23万吨增长到2019年的8708.88万吨，增长了两倍多，整体增长趋势较为稳定。这主要与陕西省工业化和城市化发展不断加深有关。政府积极推动能源消耗大的煤炭、钢铁企业整改和重组，化解过剩产能，落实供给侧改革。按照目前的发展状况可以推测陕西省在未来一段时间内将持续面临碳排放量大幅增长的局面，需制定合理的政策控制碳排放量。3.1.2陕西省碳排放增长率根据表2的计算结果绘制出陕西省2005-2019年的碳排放增长率的折线图，以年份作为该图横坐标，碳排放量增长率作为纵坐标，由图可直观清晰的看出2005-2019年陕西省碳排放量变化趋势及每年的变化值。图2陕西省2005—2019年均碳排放由图2可以看出，随着经济的发展以及工业化和城市化水平的提高，碳排放量整体是增加趋势。正因如此，陕西省开始重视节能减排，加强环境治理和环境规制。所以整体的增长速率是在减慢的。转折点出现在2010-2011年，增长率从2010年的2.07%急剧增长到2011年的10.58%，这一现象的原因可能是人口城镇化的剧增。3.1.3陕西省人均碳排放根据表2的计算结果绘制出陕西省2005-2019年的人均碳排放的柱形图，以年份作为该图横坐标，人均碳排放量作为纵坐标，由图可直观清晰的看出2005-2019年陕西省人均碳排放量的变化趋势及每年的变化值。图3陕西省2005—2019年人均碳排放人均碳排放是去除人口影响后的碳排放，能在一定程度上反映工业发展程度以及人民生活水平。由图3可知，2005-2019年陕西省人均碳排放量整体呈上升趋势，在政府大力推进节能减排政策下，增长趋势逐渐缓慢。总体来说，我国碳排放和人均碳排放的发展趋势基本一致。3.2城镇化的现状3.2.1产业城镇化产业城镇化是指随着城镇化进程而呈现出产业结构优化以及生产效率不断提升的过程。产业结构优化以及生产效率的提高都有利于工业能耗的减少，这将很大程度减少城市碳排放量。用陕西省2005-2019年的第二和第三产业占GDP的比重指标来代表陕西省2005-2019年的产业城镇化水平。图4陕西省2005—2019产业城镇化率根据陕西省2005-2019年的第二和第三产业占GDP的比重数据，以年份作为该图横坐标，产业城镇化率作为纵坐标，绘制陕西省2005-2019年的产业城镇化率折线图。由图可直观清晰的看出2005-2019年陕西省产业城镇化率变化趋势。3.2.2收入城镇化收入城镇化是指随着人口城镇化进程的加快而呈现出地区经济发展和人民生活水平提高的过程。城市居民生活水平的提高、人均收入的增加会引起与之配套的社会投入成本的增加。如住房投入、医疗卫生服务等的增加，这必然会引起城市碳排放的增加。用陕西省2005-2019年的城市人均GDP指标来代表陕西省2005-2019年的收入城镇化水平。图5陕西省2005—2019收入城镇化率根据陕西省2005-2019年的城市人均GDP数据，以年份作为该图横坐标，城市人均GDP作为纵坐标，绘制陕西省2005-2019年的收入城镇化柱形图。由图可直观清晰的看出2005-2019年陕西省收入城镇化率变化趋势及每年的变化值。3.2.3人口城镇化人口城镇化是指农村人口向城镇集中，进而导致城镇人口比重不断上升的过程。城市人口的急速膨胀会造成城市人口密度的升高，这将引起人均能耗，如公共交通设施的发展的减少，人均碳排放量也随之减少。用陕西省2005-2019年的城镇人口占总人口的比例指标来代表陕西省2005-2019年的人口城镇化水平。图6陕西省2005—2019人口城镇化率根据陕西省2005-2019年的城镇人口占总人口的比例数据，以年份作为该图横坐标，人口城镇化率作为纵坐标，绘制陕西省2005-2019年的人口城镇化散点图。由图可直观清晰的看出2005-2019年陕西省收入城镇化率变化趋势。4实证分析4.1STIRPAT模型扩展对于STIRPAT模型的一般形式，是以人口规模作为人口结构的指标，以碳排放量、人均生产总值、碳排放强度分别作为环境影响、财富因素、技术因素的指标，为了消除指数增长趋势，削弱模型拟合残差问题，在分析实际问题时常对STIRPAT模型的一般表达式两边进行对数处理，得到对数化后的STIRPAT模型为：lnI=lna+blnP+clnA+dlnT+lne（4）得到的式子为以lnI为因变量，lnP，lnA，lnT为自变量的线性方程。其中b，c，d分别表示P，A，T每变化1%，将分别引起I变化b%，c%，d%。STIRPAT模型利用对数形式将不同因素对环境的非线性影响转化为随机模型，并拟合各影响因素的弹性系数。改进后的STIRPAT模型克服了原IPAT模型的局限性，因而被更广泛地应用于碳排放的影响因素分析上。也有许多学者根据自己的研究目的对其进行设定和改进，在人口因素、经济因素和技术因素上作出相应改进。基于本文的研究目的，引入人口城镇化结构U对STIRPAT模型进行拓展，对应的弹性系数为b1，即扩展后的STIRPAT模型为：lnI=lna+blnP+b1lnU+clnA+dlnT+lne（5）4.2变量选取及说明变量的选取及说明见表3，影响碳排放I的人口规模变量P的指标选用人口总数，变量U的指标选用城镇人口/人口总数，用人均生产总值代表富裕程度A，碳排放强度代表技术水平T。基于本文的研究目的，理论上被解释变量为碳排放，解释变量为人口结构变量，富裕程度和技术水平为控制变量，但是在实证计算中，碳排放为因变量，其他变量均作为影响碳排放的自变量。表3变量选取及说明变量含义指标单位I碳排放碳排放量万吨P人口规模人口总数万人U人口城镇化结构城镇人口/人口总数%A富裕程度（人均生产总值）GDP/人口总数元T技术水平（碳排放强度）碳排放量/GDP吨碳/万元GDP4.3变量的平稳性及协整性检验4.3.1ADF平稳性检验时间序列数据被广泛地运用于计量经济研究。当经济变量数据为时间序列数据时，在利用回归分析方法讨论经济变量有意义的经济关系之前，必须对经济变量时间序列的平稳性与非平稳性进行判断。如果变量不平稳就可能会因具有相同的时间趋势而出现了伪回归，实际变量之间本质是不存在有意义的关系，这样的回归结果就失去了意义。所以在回归之前先使用Eviews软件对各变量对数化后的序列进行ADF平稳性检验，得到结果如下表4所示。表4ADF平稳性检验结果变量ADF统计量10%临界值结论LNI-4.193593-2.690439平稳LNP3.351322-2.690439非平稳LNU-3.370073-2.690439平稳LNA-4.237015-2.690439平稳LNT-2.050943-2.690439非平稳DLNP(1)-4.076150-2.747676平稳DLNT(1)-2.848465-2.701103平稳由上表结果可知，lnI在10%的显著性水平下，单位根检验的临界值为-2.690439，显然大于ADF统计量，从而拒绝原假设H0，同理lnU、lnA在10%的显著性水平下的单位根检验的临界值均大于ADF统计量，从而拒绝原假设H0，不通过检验即平稳。而lnP与lnT在10%的显著性水平下，单位根检验的临界值均为-2.690439，显然均小于ADF统计量，从而无法拒绝原假设H0，对lnP与lnT做一阶差分结果显示，在10%的显著性水平下lnP与lnT均拒绝原假设，即平稳。依此可知变量lnI、lnU、lnA为平稳序列，而lnP与lnT为一阶单整序列。4.3.2协整性检验时间序列是非平稳的，如果多个非平稳变量具有协整性，则这些变量可以合成一个平稳序列。这个平稳序列就可以用来描述原变量之间的均衡关系。当且仅当多个非平稳变量之间具有协整性时，由这些变量建立的回归模型才有意义。所以协整性检验也是区别真实回归与伪回归的有效方法。对同阶单整的lnP与lnT做协整检验。在Eviews软件中使用EG检验法在该组序列做OLS回归后对其残差序列做ADF单位根检验，结果如下表5所示。表5lnP与lnT协整性检验结果显著性水平t统计量Prob.*ADF检验统计量-3.2139970.02121%-4.200056临界值检验5%-3.17535210%-2.728985由上表结果可知，lnP与lnT残差序列ADF检验的t统计量为-3.213997，在5%的显著性水平下拒绝原假设，说明lnP与lnT之间存在协整关系，故对于本文模型具有经济意义，根据以上检验得出结论，变量lnI、lnU、lnA为平稳序列，而lnP与lnT为一阶单整序列且通过了协整检验。4.4回归分析用Eviews软件对扩展STIRPAT模型进行回归分析，采用最小二乘估计进行回归后结果见下表7。表7最小二乘估计结果VariableCoefficientStd.Errort-StatisticProb.C1.4705920.5041070.9335160.0372LNP0.9421850.05883116.015060.0000LNU0.0321350.022872-0.1404980.0089LNA0.9972190.008597115.99400.0000LNT-0.6473570.120156117.96630.0000R-squared0.999997DependentVariable:LNIAdjustedR-squared0.999996Method:LeastSquares

F-statistic786506.7Includedobservations:15

Prob(F-statistic)0.000000根据回归结果，建立陕西省碳排放影响回归方程：lnI=1.470592+0.942185lnP+0.032135lnU+0.997219lnA+-0.647357lnT由回归方程得出结果：人口规模、人口城镇化结构和富裕程度的相关系数分别为0.942185、0.032135、