能源新形势下区域碳排放影响因素研究 ——基于江苏省数据的实证分析

在能源新形势下,基于扩展的STIRPAT模型,以江苏省1998—2017年的数据为样本,定量分析能源消费碳排放量与人口规模、人均GDP、能源消费结构、城市化水平和绿化覆盖率等因素之间的关系,并基于主成分回归对江苏省能源消费碳排放量进行预测和拟合。研究发现：人口规模、能源消费结构以及第二产业产值占比等因素均能促进碳排放量的增加,人口规模的影响最显著;绿化覆盖率、人均绿地面积和专利授权数均能抑制碳排放量的增加;经济增长与能源消费碳排放量之间不存在EKC曲线。基于分析结果,对江苏省发展低碳经济提出相关政策建议。     

高铁与城市交通对城市碳足迹影响研究

基于194个地级及以上城市2008-2013年的面板数据,研究高铁与城市交通对城市碳排放的影响效应.发现:1.高铁带来的广义可达性改善对城市碳排放的影响显著.通过促进区域均衡发展对东部城市有降低碳排放作用,而对中西部有增加碳排放作用;2.通过对私人交通的替代作用,城市公共交通对碳排放的影响为负.但公路对城市碳排放的影响为正;3.交通对碳排放的影响受城市规模的影响.其中,对东部地区的碳排放影响主要受经济规模影响,但对中部地区的影响主要受人口规模影响,说明中西部地区城市仍然处于不断集聚阶段;4.各交通变量对大规模城市的影响大于对中等城市的影响.研究结论:交通通过影响城市人口、经济、土地规模进而对城市碳排放产生影响.因此,通过交通引导城市人口、产业、土地合理布局,进而减少城市碳足迹具有重要意义.     

甘肃省人口规模、结构对碳排放影响的实证分析——基于扩展的STIRPAT模型

选取甘肃省1990—2011年统计数据,基于扩展的STIRPAT模型对影响甘肃省碳排放的主要因素进行了实证研究。研究结果表明:劳动年龄人口对碳排放的驱动力最为显著;产业结构和人口城市化水平为第二、第三驱动力;单纯的人口规模对碳排放的作用次之;人均财富的影响最为轻微。能源消费强度为碳排放的负向影响因素,但作用不显著。针对各因素对碳排放的影响,提出了相关的政策建议。     

全球尺度下的碳排放完全分解及其规律——基于LMDI修正模型的实证研究

全球气候变暖形势日趋严峻,碳减排已成为各国需共同面对的责任.分解方法一直以来都是较为常见的经济对环境影响的分析工具,但由于完全分解法对于数据精细度的高度依赖,目前还尚未出现全球尺度下包含经济发展因素的碳排放分解研究.因此,对受到广泛认可的LMDI完全分解法进行修正,对全球碳排放进行关于人口规模、经济发展水平、产业结构和技术进步等影响因素的贡献分解,并在不同发展水平国家集团的视角下进行深入对比分析.研究认为:第一,全球整体碳排放中人口规模的贡献在逐步降低,而经济发展水平增长的贡献则日益强化.第二,人口规模变动贡献多为正效应,且随国家发展水平提高,对碳排放的影响逐步降低;产业结构贡献随国家发展水平的提高显示先上升后下降的影响作用;技术进步水平对各国均呈现负向效应.第三,随着国家发展水平的提升,经济发展水平对碳排放的影响将呈现倒U型趋势特征,在实证层面上佐证了环境库兹涅茨曲线的存在性.     

工业细分行业碳排放驱动因素分析——基于安徽省面板数据

基于LMDI对数平均迪氏分解方法,以安徽省37个工业行业为研究对象,探究能源结构、能源效率、经济效率、行业结构、工业人口规模5个因素对安徽省工业碳排放的影响。研究结果表明:安徽省工业行业碳排放量态势前期巨幅上升,后期逐步趋向于平缓;经济效率是驱动安徽省工业行业碳排放增量的主要因素,行业结构成为抑制安徽省工业行业碳排放的首要原因;高碳行业促进工业碳排放上升作用显著,中碳行业对工业碳排放的抑制效果有限,低碳行业对于碳排放的影响微弱。并根据上述的研究结论对安徽省绿色经济发展提出针对性建议。     

湖南省碳排放影响因素的灰色关联分析与预测

采用灰色关联分析法分析了2000年-2005年湖南碳排放量与经济增长、人口规模、产业结构以及城市化水平四影响因素的关联度,得出城市化水平与碳排放量的关系最为显著的结论,同时运用GM(1,1)灰色预测模型对湖南未来几年碳排放量做出预测(2010年-2012年),结果表明:如果保持目前的经济增长速度、人口规模、产业结构以及城市化水平,碳排放量仍将保持较高的增长速度。最后提出关于湖南减少碳排放的政策建议。     

中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型

基于STIRPAT模型,将中国工业碳排放的影响因素确定为人口规模、人均工业产值和工业技术水平。以1997年至2010年中国工业碳排放相关数据为研究样本,采用灰色预测GM(1,1)模型预测了工业碳排放、人口规模、人均工业产值和工业技术水平2011-2020年的未来值,为控制未来工业碳排放量提供数据参考。结果表明,从灰色预测的增速和总量综合来看,人均工业产值对工业碳排放影响最大。同时GM(1,1)对工业碳排放及其影响因素的预测精度较高。     

中国省域生活能源碳排放空间计量分析

基于2006—2011年中国各省域生活能源消费碳排放的截面数据,运用空间计量统计分析软件和空间计量经济模型,检验了省域之间生活能源消费碳排放的空间自相关性,并分析生活能源消费碳排放的影响因素。结果表明,省域生活能源消费碳排放存在显著的空间自相关性,居民收入水平和人口规模,对居民生活能源消费碳排放的正向影响效应最为显著,生活能源消费综合碳排放系数以及生活能源价格对生活能源消费碳排放的影响也较大。在生活能源价格较难调整以及经济不断增长和人口规模不断增加趋势下,优化生活能源消费结构,减小生活能源消费综合碳排放系数,以及提倡居民生活节能,是减少生活能源消费碳排放的主要途径。     

安徽省农村居民生活消费碳排放研究 ——基于脱钩模型和LMDI的分析

2005-2016年安徽省农村居民生活能源消费碳排放与农业经济增长之间的脱钩变化轨迹和LMDI效应显示,碳排放强度、能源强度和经济水平效应对安徽省农村居民生活能源消费碳排放具有正向拉动作用,其中效果较大的是能源强度效应,这是导致安徽省农村居民生活消费碳排放增加的主导因素。能源结构和人口规模效应对安徽省农村居民生活能源消费碳排放起到了抑制作用,其中效果较大的是能源结构效应。     

北京市居民消费支出与碳排放的脱钩关系及影响因素研究

在世界各国积极发展低碳经济引导低碳消费的大环境下,如何引导居民实施低碳消费已经成为各级政府部门亟待解决的问题。利用Tapio脱钩指数法与LMDI因子分解法,研究了居民消费支出与碳排放的脱钩关系及影响因素。结果发现:居民消费支出与碳排放总体上为弱脱钩关系,其中,居民食品烟酒消费和衣着消费与碳排放脱钩关系为强脱钩,居住消费与碳排放为增长耦合脱钩关系,其他商品和服务消费与碳排放为扩张负脱钩关系,其余为弱脱钩关系;居民消费碳排放强度对消费支出与碳排放的脱钩关系具有促进作用,人均消费支出规模和人口规模具有抑制作用,居民消费结构是一个不稳定的影响因素。     

城镇居民生活能源碳排放的省域差异及影响因素

利用碳排放系数法,对中国及各省份城镇居民生活能源碳排放进行估算,并利用LMDI模型进行因素分解.结果表明,城镇居民生活能源碳排放从2000年的27784万吨CO 2增加到2014年的91336万吨CO 2,其中内蒙古碳排放增量最大.从全国层面看,收入水平和人口规模是刺激因素,分别增加碳排放78229万吨CO 2和31998万吨CO 2;节能技术、消费倾向和能源结构是抑制因素,分别减少碳排放31122万吨CO 2、9636万吨CO 2和5917万吨CO 2.从省域层面看,能源结构效应最大的是辽宁省,共减少碳排放793万吨CO 2;节能技术效应最大的是辽宁省,共减少碳排放3146万吨CO 2;消费倾向效应最大的是山东省,共减少碳排放907万吨CO 2;收入水平效应最大的是辽宁省,共增加碳排放6153万吨CO 2;人口规模效应最大的是广东省,共增加碳排放4006万吨CO 2.     

中国绿色城市建设研究——基于家庭碳排放的测算分析

本文利用我国2006年74个主要城市的面板数据,对各个城市一个标准家庭的碳排放进行了有效估算并进行排名。结果表明,在以标准家庭碳排放为唯一衡量指标时,淮安和宿迁是最＂绿色＂的城市,大庆和牡丹江是最＂灰色＂的城市;即使在最＂灰色＂的城市大庆,一个标准家庭产生的碳排放量仅是美国最＂绿色＂城市圣地亚哥的1/5;城市人口规模、人口增长、收入、气温和城市化发展模式等因素对碳排放均有影响,家庭碳排放量与一月份平均气温显著负相关。     

人口流动会抑制城市碳排放吗?——基于二元户籍制度改革的准自然实验

二元户籍制度改革旨在平衡“流动人口”和“常住人口”差别化待遇，它为研究人口流动对碳排放的影响提供了重要契机。为了弥补STIRPAT模型在政策评估上的劣势，可采用以二元户籍制度改革为准自然实验，基于2007—2019年283个地级市数据，采用多期双重差分模型来考察人口流动对城市碳排放的影响。研究发现：实施二元户籍制度改革能有效地抑制城市碳排放；在这一过程中人均收入、产业结构发挥了部分中介作用，技术水平发挥了完全中介作用；中国人口流动规模与城市人均碳排放之间呈现倒“U”关系。由此，政策上应深化二元户籍制度改革、提高技术水平和优化产业结构以降低碳排放强度、分类控制不同城市人口流入规模，助力我国尽早实现“双碳”目标。     

安徽工业经济增长与能源碳排放脱钩研究

以2005—2018年安徽省工业行业为研究对象,基于LMDI方法将工业经济增长与能源碳排放脱钩的内在驱动分解为能源结构、能源效率、经济产出、行业结构、人口效应五个因素.研究结果表明:(1)安徽省工业行业碳排放量态势前期巨幅上升,后期逐步趋向平缓;(2)能源效率是促进安徽省工业行业碳排放脱钩的主要因素,经济产出是抑制碳排放脱钩的首要原因,其次是人口效应因素,能源结构对碳排放脱钩抑制效果最弱;(3)在整个研究期间,安徽省工业经济增长与碳排放存脱钩效应经历由长期的弱脱钩转变为短暂强脱钩,最终进入弱负脱钩3个阶段.根据上述研究结论对安徽省绿色经济发展提出相关建议.     

中国能源消费碳排放的因素分解及实证研究

研究低碳经济的主要影响因素,对中国转变经济发展方式具有重要的现实意义。利用中国1978年至2011年统计数据,基于扩展的STIRPAT模型,对中国低碳经济的主要影响因素及各因素的贡献率进行了实证研究。结果表明:对中国碳排放总量有显著正向影响的是人口增长、经济发展、能源强度与单位能耗碳排放量的交互作用、能源消费结构和国际贸易分工,而产业结构对其影响并不显著。对中国人均碳排放量有显著正向影响的有经济发展水平、能源强度与单位能耗碳排放量的交互作用、能源消费结构、产业结构、国际贸易分工,其中经济持续增长是碳排放量增加的最大正向影响因素,且其贡献率也最大;能源强度和单位能耗碳排放量交互作用对碳排放具有一定的抑制作用。     

中国木质林产品隐含碳排放影响因素动态分析

以2002、2007和2012年投入产出数据为依据,计算了我国木质林产品行业的隐含碳排放,并应用LMDI分解法对木质林产品行业的隐含碳排放变化影响因素进行了动态分析。结果显示,我国隐含碳排放量呈上升趋势,木质林产品行业的隐含碳排放主要用于出口产品使用,中间产品消耗的碳排放水平比较高,在碳减排方面存在较大的空间。木质林产品行业隐含碳排放的拉动因素按其促进效应的大小依次为：经济产出、人口规模和能源结构,能源强度则是抑制木质林产品行业隐含碳排放增长的主要因素。     

长江经济带城市碳排放的空间关联性研究

以2014年长江经济带37个城市为研究样本,综合地理距离、经济水平、人口规模、碳排放量等因素构建长江经济带城市碳排放的空间关联网络,并通过社会网络分析对网络结构进行研究.主要分析结果表明:长江经济带城市碳排放空间关联网络的密度值不是很高,整个长江经济带能源流通效率较低;上海、南京、杭州等城市位于网络的中心位置,沪、苏、浙、皖四个地区在网络中发挥着积极的控制和调节作用;沪、苏、浙、皖各地区的城市之间存在着碳排放的溢出效应,长江经济带各子群的城市之间存在着能源资源流通现象,但流通范围较小.长江经济带城市碳排放的空间关联对于自身甚至全国碳减排机制的推进都具有深远的影响.因此,要在整体上把握能源流通和碳排放的传导机制,统筹长江经济带城市群落实低碳减排规划.     

长江经济带省际碳排放的区域差异及因素贡献度研究

长江经济带是横跨东中西三大区域的巨型经济带,探究其能源碳排放差异特征及原因对实现低碳发展与产业升级有重要意义。采用2001-2014年中国能源消耗与社会经济数据,通过数理统计,得出长江经济带(9省2市)历年碳排放总量、人均碳排放、碳排放增速等特征指标。结合运用LMDI与tapio指标方法,探究长江经济带碳排放特征驱动因素。得出结论:(1)长江经济带碳排放总量、人均碳排放量不断增长,碳排放增速、单位GDP碳排放量明显放缓。各基本量在省际差异上呈现东多西少、东快西慢的趋势。(2)经济规模与技术水平分别是长江经济带的最强正负向驱动因素。能源品种结构、人口规模、产业结构驱动不明显。(3)经济规模脱钩弹性指标为弱脱钩关系,技术水平弹性指标为弱负脱钩关系。最后针对分析结果,提出相应低碳减排措施。     

基于Kaya模型的江苏省人口城镇化对碳排放的影响

运用Kaya碳排放恒等式,并在此基础上引入人口城镇化变量进行修正,利用江苏省1979—2012年相关的时间序列数据,对江苏人口城镇化对碳排放的影响进行实证分析。结果表明,人口城镇化水平与碳排放的关系呈倒"U"型,即初期,城镇化对碳排放有显著的驱动作用,但当城镇化达到一定水平后会抑制碳排放。江苏现阶段人口城镇化对碳排放存在显著的正影响,但还未达到倒"U"型的拐点。人口城镇化并非江苏碳排放的主要驱动因素,对碳排放影响最为显著的是能源强度与人均GDP,GDP增长是碳排放增长的最根本原因;滞后期碳排放量对当期碳排放存在正向影响,说明区域碳排放存在路径依赖现象。     

广东农业碳排放:时空比较及驱动因素实证分析

根据农地利用、水稻生长和动物养殖3大类13小类碳源,测算广东1992—2013年农业碳排放,发现1992年以来广东农业碳排放总量及强度总体上均呈下降态势,其中:农地利用碳排放持续上升,水稻生长碳排放持续下降,动物养殖碳排放年际间变化不大。进一步运用LMDI模型对广东农业碳排放驱动因素进行分解,结果表明:广东农业碳排放主要驱动因素是农业经济发展,其次是城镇化水平的提高;农业生产效率的碳减排效应明显,自2009年以来农业产业结构碳减排效应逐渐凸显,农业人口规模对农业碳排放累计产生负影响。