【《中国城市碳排放影响因素分解报告》4400字】

致谢中国城市碳排放影响因素分解报告目录TOC\o"1-3"\h\u3588中国城市碳排放影响因素分解报告 1314881.1基于可拓展的STIRPAT模型构建 1229331.2指标体系选取 132441.3数据说明 322001.4实证结果分析 4在前文对城市碳排放测算和对城市碳排放现状分析的基础上，本章目的是对已选取城市2005-2019年的碳排放因素加以识别。基于可拓展的STIRPAT模型，构建了城市碳排放影响因素指标体系，探究影响因素构建与碳排放之间的关系，进而为后续情景模拟提供基础。1.1基于可拓展的STIRPAT模型构建STIRPAT模型与EKC曲线假说是环境污染影响因素研究中的两大基本理论框架。EKC曲线假说是将经济发展水平与环境污染程度相挂钩，意在探究经济发展与环境污染之间的倒“U”型曲线关系，STIRPAT模型则将多种因素均考虑在内，其表达形式如下所示：其中，I代表环境质量或环境影响，通常根据研究问题的不同来选择合适的指标；P代表人口因素，这包括人口规模与人口密度；A代表经济发展水平，通常用GDP总量、人均GDP或人均财富等代替；T代表技术发展水平，通常使用专利数量、研发投入等指标来代替；e为误差项。对上式左右两边同时取对数后所得到表达式如下：1.2指标体系选取STIRPAT模型的一大优势就在于既允许将各变量系数作为参数进行估计，也允许对各变量进行适当的分解与改进。于本文而言，等式左边I所代表的环境质量或环境影响就是本文所研究的城市碳排放（CO2）；针对等式右边P、A、T所分别代表的经济、人口、技术等3大类变量外，本研究除纳入经济、人口、技术等指标外，还纳入了城市化水平、产业结构、能源消耗、贸易开放程度、环境规制以及气象因素等其他6类变量，以更加全面衡量各类因素对城市碳排放省份的影响。经济、人口、技术在内的6类变量指标选取说明如下。（1）经济发展水平经济生产活动往往伴随着各类能源消耗并产生碳排放。因此，经济生产活动是城市碳排放产生的直接动力。为衡量经济发展对城市碳排放关联性的影响，本研究选择了人均生产总值作为经济发展水平的表征变量，并以各城市2000年的价格消费水平基础，利用GDP平减指数对历年的人均生产总值进行了调整，从而得到了各城市的实际人均生产总值。这样既可以避免城市规模不同所导致的经济规模不同，同时也避免了通货膨胀因素对经济发展水平衡量的影响。为了进一步验证经济发展与城市碳排放之间是否存在EKC曲线关系，本文还加入了人均生产总值平方作为验证EKC曲线假说的变量。本研究预期经济发展水平对城市碳排放之间都呈现显著的正向促进作用，且存在EKC倒“U”型曲线关系。（2）工业化程度第二产业发展通常伴随着高耗能、高污染，由于中国仍保持着粗放型的经济发展模式，因而中国工业发展最为密集地区的碳排放也就最为严重。由于中国经济发展的区域性特征极强，且近年来东部地区产业结构转移升级加快，中西部地区承接了东部地区的部分产业，因而工业化程度的不同对城市碳排放的影响程度也就存在差异。为了衡量工业化程度对城市碳排放的影响，本研究用第二产业产值占城市生产总值的比值作为城市工业化程度的表征指标，并预期工业化程度对碳排放呈现显著的正向影响。（3）能源消费结构煤炭被公认为是一次能源中的黑色能源，不清洁的煤炭燃烧不但会造成大量的碳排放，因此，将各城市的煤炭消耗量作为碳排放的重要影响变量，并预期城市煤炭消耗量对碳排放呈现显著的正向影响。（4）贸易开放程度随着全球经济往来日益密切，研究贸易开放程度与东道国经济发展、环境污染之间关系的成果不断涌现，特别是FDI与东道国环境污染关系的研究，其中“环境污染天堂”假说就是FDI与环境污染关系的经典研究成果。学者们认为，在东道国经济发展初期，发达国家为了规避本国环境管制与获取东道国廉价劳动力，通过直接投资的方式将污染密集型产业转移至东道国，最终导致了东道国环境质量恶化[116]，但也有学者认为FDI通过引进绿色先进技术改善了当地环境质量[117]。因此，目前有关FDI与环境质量关系的研究并未达成一致看法。为了验证发达国家是否通过对外商直接投资的方式将高污染产业转移至中国，从而提高或加剧了中国城市碳排放，本研究拟引入实际使用外商直接投资额（FDI）变量来作为贸易开放程度的表征指标，从而衡量中国城市碳排放是否存在“污染天堂假说”，并预期该指标系数为正。（5）绿色创新水平理论上，绿色技术创新能够有效实现碳排放，但实践当中由于各种原因技术创新是否作用到了城市碳排放仍有待商榷。因此，为了探究中国不同城市的技术创新水平是否已经起到对城市碳排放的抑制作用，本研究通过各城市的能源消耗效率来代表各城市的技术创新水平。通常情况下，能源效率提升意味着单位产值所需要能源消耗量减少，对于环境污染的程度也会相应下降。但城市发展如果存在“能源回弹效应”，即能源效率的提升虽然带来了环境污染程度的下降却刺激了更高能源消费需求就会加剧环境污染。因此，技术创新水平对城市碳排放影响的正负方向尚难以判断。（6）人口因素社会经济发展的核心就在于人类活动，而人类活动是造成城市大规模扩张、私家车数量暴涨、能源消耗量激增的根本原因。但人口因素对城市碳排放的影响到底如何学术界还尚未达成一致看法。通常情况下，人口因素包含人口规模与人口密度等2个维度，人口规模与人口密度作用于城市碳排放的途径也不尽相同。人口规模是通过量的方式对城市碳排放直接产生影响，人口密度则主要是通过影响城市布局、城市空间、城市生态环境的间接方式作用于城市碳排放。因此，为了衡量人口因素通过2个不同渠道。1.3数据说明基于可拓展的STIRPAT模型，本研究共选取了人均实际生产总值、人均实际生产总值平方等2个经济发展变量，常住人口城镇化率所代表的城市化水平变量，第二产业比重所代表的工业化程度变量，煤炭消耗量所代表的能源消耗变量，实际利用外商投资金额所代表的贸易开放程度变量，能源消耗效率所代表的技术创新水平变量，大气污染治理投入费用所代表的环境规制强度变量，人口规模与人口密度等2个人口因素变量，等8类变量的10个指标作为控制变量。各控制变量的数据来源包括中国统计年鉴、Wind数据库、各城市统计年鉴等。如下表所示为本文所选择的研究变量及其具体的指标数据解读。表4-1研究维度及各变量实际含义变量含义指标单位数据来源经济发展水平人均实际生产总值GDP万元/人Wind数据库人均实际生产总值平方GDP2万元/人城市化水平常住人口城镇化率=城市常住人口数量÷城市人口总量Urb%Wind数据库产业结构第二产业产值÷城市实际生产总值Indus%Wind数据库能源强度城市煤炭消耗强度Coal吨城市统计年鉴贸易开放实际利用外商投资额FDI万美元Wind数据库绿色创新水平能源消耗总量÷城市实际生产总值Eff%中国城市统计年鉴人口因素单位面积人口数量PD人/平方米Wind数据库常住人口总量Pop人Wind数据库1.4实证结果分析基于可拓展的STIRPAT回归模型对除北京等6个已达峰城市外280个城市样本进行回归分析，得出城市碳排放影响因素的回归结果如表4-2所示，具体分析如下：表4-2中国城市碳排放影响因素结果VariableCoef.Std.Err.ZP>|Z|[95%Conf.Interval]GDP-.0566686.0859676-0.660.510-.225162.1118247GDP2.0371889.0307881.210.227-.0231545.0975323Urb.0346715.07929270.440.662-.1207393.1900824Indus.1555772.08949651.740.082-.0198327.3309871Coal.2664916.04629755.760.000.1757501.3572331FDI-.0014671.0170952-0.090.932-.0349731.0320388Eff.3137143.06616021.740.000.1840428.4433858PD.0387333.04283890.900.366-.0452294.122696Pop-.1805599.0513848-3.510.000-.2812722-.0798476从上述计量回归结果可以看出，9个控制变量当中只有Indus、Coal、Eff会对城市碳排放的变化产生显著且均为正向的影响，Pop会对城市碳排放产生显著的负向影响。Indus作为城市工业化进程的表征指标，对城市碳排放的影响为0.1555772，且仅在10%的显著性水平下显著，影响大小在所有结果显著的指标中相对最小。这一方面是由于中国经济发展的产业结构正处于过渡阶段，不同城市之间的产业结构差异性相对较大且具有一定的集聚特征，如东部地区城市的工业化进程已经处于“从量到质”的转化过程中且第三产业在经济发展中的份额不断扩大，中部地区城市的工业化进程处于不断加速发展阶段第二产业在经济发展中的份额不断扩大，西部地区的工业化进程也在不断加快但总体上落后于东中部地区，因而Indus对城市碳排放影响的显著性水平则只有10%；另一方面，由于东部地区工业化进程正处于向技术含量高的“高产出-低污染”产业不断优化过程，因而工业化进程与碳排放之间的关系正处于不断“脱钩”的过程，而西部地区的工业化进程又相对较低，因而与城市碳排放之间的“挂钩”程度不够深入。同时，目前各城市也在不断优化城市智能，将部分产能向周边市区进行了转移。因此，Indus对城市碳排放的影响也就没有本研究初期预期那么高。Eff所代表的能源消耗效率一定程度上反映了城市的技术创新水平，这主要是通过影响能源消耗总量以及减少大气污染输出等2条途径来对城市碳排放产生影响。因为城市发展的阶段性不同，因而对城市碳排放的影响也可能不同。通常情况下，能源效率的提高往往能够减少能源消耗量从而对城市碳排放量呈现负向影响，但本文的研究结果却是能源消耗效率对城市碳排放的影响为正且大小仅次于夜间灯光强度，能源消耗效率每提升1个单位会引起城市碳排放量上升0.3137143个单位。这可能是由于中国经济正处于快速发展阶段，能源消费需求正处于加快上升趋势，虽然由于绿色创新技术的提升在一定程度上降低了单位产出的能耗，但这却在一定程度上也刺激了能源需求的加快上升。这也侧面反映出，由于中国经济正处于快速发展的阶段性特征，技术发展水平的提高非但不能降低能源消耗反而会通过“能源反弹效应”刺激能源消耗量的进一步提升。因而，Eff对城市碳排放的影响呈现较大且显著的正向影响。能源强度中，重要部分是城市煤炭消耗量，这也是城市碳排放的主要来源，而中国的煤炭消耗量占了整个世界煤炭消耗量的近50%，煤炭消耗量在中国能源消耗结构中的比重达到了60%以上，远高于全球30%的平均水平。虽然近年来，中国煤炭消耗量占中国能源一次消耗的比重呈现下降趋势，但煤炭依然是中国最主要的能源。Coal对城市碳排放的影响仅次于夜间灯光强度与能源消耗效率，当煤炭燃烧每增加1个单位会引起城市碳排放量增加0.2664916个单位。正如在分析Eff对城市碳排放影响所提及的，由于中国经济发展水平不断上升所引起的能源消耗量不断增加，而煤炭在中国能源结构中所占的比例又相对最大，因而煤炭消耗量对城市碳排放的影响也就相对较大；但另一方面，随着中国30个城市的第二产业转移、扩散以及升级，煤炭消耗的主力也在不断转移、扩散以及减少，煤炭消耗量可能仍在上升但增幅明显下降，因而Coal对城市碳排放的影响与Indus相类似，影响程度并没有初始预期那么高。Pop所代表的人口规模对城市碳排放的影响主要是通过生活能源消耗的增加而引起碳排放量的增加，因此本研究预期人口规模的上升会引起城市碳排放的增加