基于STIRPAT模型的湖南省环境污染物排放影响因素分析

人口、经济(人均GDP和第二产业产值比重)及技术(城市化率和能源强度)等影响因素是污染物(COD和SO2)排放量的主要影响因素。因此STIRPAT模型分析认为湖南省主要污染物的排放量受全省人口、经济、技术等多方面因素的影响,其中人口规模影响作用最大,能源强度次之,其它因素的直接影响较小。     

基于STIRPAT扩展模型的福建省CO2排放影响因素研究

传统STIRPAT模型只把人口数量、经济增长、技术水平三个因素作为环境影响的决定因素,忽视了其它重要因素,为了更全面地分析CO2排放的影响因素,有必要在STIRPAT基本模型中引入变量城市化水平、产业结构、能源消费结构等。实证结果表明:人口、产业结构、能源消费结构是福建省CO2排放的最主要正向影响因素,城市化水平次之,经济增长带来的影响要小于其他正向因素。技术水平的提升能够抑制CO2排放增加,但这种抑制作用要远小于其他正向作用因素。     

基于STIRPAT模型的辽宁省环境污染影响因素

针对辽宁省环境污染的严峻现状,采用扩展后的STIRPAT模型,检验了辽宁省人口和经济等宏观因素对环境污染的影响。结果表明：辽宁省环境污染显著地受到宏观因素影响,技术水平对环境污染产生负向影响,人口规模、工业企业数量、产业结构和外商直接投资存在正向影响,可以通过技术进步有效降低环境污染。     

基于STIRPAT模型的南京市耕地面积变化影响因素分析

把握耕地数量变化影响因素,对建立耕地保护制度安排具有重要意义。以南京市为例,通过主成分分析法和逐步回归法,筛选出影响耕地数量变化的主要因子。然后引入STIRPAT模型,分析粮食单产、农业机械总动力、城镇人口、第二产业比重等主要因子对南京市耕地面积变化的影响。结果表明,第二产业的发展和城镇人口的增加是导致南京市耕地面积减少的主要原因,粮食单产的提高对耕地面积的减少也发挥着重要的作用。据此,研究认为可从适度控制人口发展规模、加强土地集约节约利用、推动区域产业结构优化升级等途径来缓解南京市耕地面积减少的压力。     

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。     

中国城镇化对二氧化碳排放的影响效应:基于省级面板数据的经验分析

在结合STIRPAT模型和简单环境库兹涅茨曲线基础上,建立城镇化对二氧化碳排放影响的实证模型,利用中国1997—2009年省级面板数据,实证研究城镇化对二氧化碳排放的影响效应。研究结果表明:城镇化与二氧化碳排放存在长期的均衡关系;城镇化对二氧化碳排放影响呈现地区间差异,全国和东部地区两者呈现倒N型关系,与中部地区两者呈现N型关系,与西部地区两者虽呈现倒N型关系,但统计上不显著。     

基于面板数据的中国城镇化对碳排放影响的实证分析

选取1995-2010年中国30个省市(除西藏)的面板数据,运用STIRPAT模型分析中国城镇化对二氧化碳排放的影响情况及区域差异.结果表明:目前中国城镇化的总体发展有助于碳减排,但影响作用还比较小;城镇化对二氧化碳排放的影响呈倒U型,预计城镇化为63.57％时达到拐点;城镇化对二氧化碳排放的影响存在区域差异,高城镇化水平地区和低城镇化水平地区为负向影响,而中等城镇化地区呈正向影响;外贸开放度的提高会促进二氧化碳排放.     

基于VAR模型的中国石油消费影响因素分析

以构建向量自回归模型为起点,采用脉冲响应函数结合方差分解的方式具体研究国内石油消费的影响要素。数据计算显示,国内石油工业产品出厂价格指数、第二与第三产业比值和人口数量对石油消费的影响比较显著,GDP和原油价格对石油消费的影响最小。根据各因素对石油消费的影响情况提出相应对策,以期为国家石油安全提供保障。     

基于VAR模型通货膨胀影响因素的实证分析

分析了十年我国两次比较严重的通货膨胀的成因,使用2001年1月—2010年9月的季度数据,在构建稳定的VAR模型基础上,通过建立协整方程,运用格兰杰因果检验以及脉冲响应函数的方法,对其进行分析。结果表明:经济增长、广义货币供给量、房地产销售价格指数、外汇储备与CPI之间存在长期的协整关系;长期内以房地产为代表的资产价格对CPI的冲击较大,短期内外汇储备推高CPI的效果最为显著。     

中亚五国二氧化碳排放变化特征及其影响因素

强调走低碳经济是目前中亚五国乃至全世界所面临的气候变化背景下不可动摇的战略选择。分析中亚五国1993—2009年CO2总排放量、人均CO2排放以及CO2排放强度变化特征,利用Kaya模型定量分析各种影响因素的相对重要性,结果表明：（1）中亚五国的CO2排放情况存在较大的差异。哈萨克斯坦、乌兹别克斯坦、土库曼斯坦CO2排放水平已远高于世界的平均水平,其中哈萨克斯坦和土库曼斯坦CO2排放量有继续上升的趋势,乌兹别克斯坦已经控制在某一个稳定的水平。（2）经济发展和人口增长是导致中亚五国CO2排放的主要因子,能源结构的调整也在一定程度上对CO2排放带来了压力,而能源强度对减缓CO2排放的贡献是极大的。     

中国碳排放、贸易、能源与 经济增长的实证研究

基于VAR模型,通过变量平稳性检验和协整分析、广义脉冲响应和预测方差分解的方法,对我国1981~2009年碳排放、对外贸易、能源消费与经济增长之间的长期均衡关系及其动态性进行了实证分析。研究结果表明,我国碳排放与经济增长、能源消耗、对外贸易之间存在长期协整关系。能源消费和对外贸易正向影响碳排放,而经济增长对碳排放起初的影响为正,后期影响为负,各因素的影响程度大小依次为能源消费、对外贸易和经济增长。对外贸易对碳排放的预测方差起着重要作用,能源消费对碳排放的预测方差的贡献度最小。关键词：对外贸易;VAR模型;碳排放;脉冲响应     

长沙市碳排放与影响因素的拟合变动分析

科学认识城市碳排放的影响因素及其存在的相关性,再有效制定碳减排对策的重要基础。利用相关系数法定量测定了长沙市碳排放与其影响因素之间的相关性关系,并利用岭回归分析方法对城市碳排放与其影响因素进行了定量变动分析。研究结果表明：在城市化快速推进的背景下,长沙市碳排放的影响因素按其对模型的解释能力依次是总人口（0.750 4）、单位GDP能耗（0.371 9）、城市化率（0.272 0）以及城市居民人均消费支出（0.145 2）。     

中国省域碳排放的空间特征及影响因素

通过核密度分布和莫兰指数对中国2000—2015年30省份碳排放强度的动态趋势及集聚特征进行测度,并利用空间杜宾模型对其主要影响因素进行分析。结果显示:（1）中国30省份碳排放强度呈下降趋势,新常态以来低碳步伐加快;（2）碳排放强度的空间集聚性具有高水平集中、低水平集聚特征,空间溢出效应不断增强;（3）本省经济规模、产业结构对本省碳排放强度具有显著的正向影响,专利产出具有显著的负向影响;相邻省份的外商投资规模及能源消费结构变化对本省碳排放具有显著的空间溢出作用。因此,未来中国加快产业结构调整幅度、优化相邻省份间的产业空间布局以及大力发展绿色技术进步是中国促进区域低碳转型的主要方向,同时生态城镇化以及继续改善外商直接投资质量也是减排潜力因子,省域间的减排空间溢出效果不容忽视。     

基于LMDI模型的宁波市碳排放测算及影响因素分析

以宁波市2002-2013年数据为基础,根据IPCC碳排放计算方法测算了历年宁波市各类能源的碳排放量。运用LMDI模型,分析了经济发展、能源结构和能源效率等因素对宁波市人均碳排放量的影响。结果表明,十余年来宁波市碳排放总量及人均碳排放总量都呈现出明显的上升趋势,经济发展、能源结构和能源效率等因素对宁波市人均碳排放的影响显著。据此,提出了宁波市应调整产业结构与能源结构,提高能源利用率,完善政策环境等降低碳减排压力的对策建议。     

实证分析二氧化碳排放量主要影响因素

能源是经济与社会发展的基本动力, 但能源燃烧排放二氧化碳所引起的地球温暖化和气候变化更危及人类的生存。采用1990—2009年煤炭、石油、天然气消费结构数据, 电力生产系数, 道琼斯工业指数, 城镇人口数, 国内生产总值及二氧化碳排放量等统计数据进行灰色关联分析和协整检验;反映二氧化碳排放量与城镇人口数, 国内生产总值, 煤炭、石油、天然气消费结构, 电力生产系数之间的规律性变化, 从而突出协整检验的优越性。结果表明:城镇人口数, 国内生产总值, 煤炭、天然气消费结构, 电力生产系数是二氧化碳排放量的主要影响因素;道琼斯工业指数、石油消费结构是次要影响因素。     

北京市金融发展对碳排放的动态影响

金融发展是合理估计碳排放需求,制定和实施碳减排政策需要考虑的重要因素。利用状态空间模型,实证研究了北京市金融发展对碳排放量的动态影响。结果发现:首先,北京市金融发展与碳排放量之间存在显著的长期均衡比例随时间变化的协整关系;其次,北京市金融发展对碳排放量的影响具有典型的时变特征,在样本区间内,其影响程度可能为正也可能为负;另外,北京市金融发展对碳排放量的贡献显著小于经济发展的贡献,具体而言,稳定状态时它们对碳排放的贡献分别为7%和78%左右。     

中国制造业碳排放影响因素灰色关联动态分析

中国制造业经济总量和碳排放双双增长迅速。本文使用1995-2010年中国制造业相关数据,采用灰色关联分析方法动态分析了制造业发展程度、产业结构、能源结构、能源强度、城镇化率和研发强度等6个因素对中国制造业碳排放的影响程度。主要结论为：中国制造业CO2边际排放波动上升;城镇化率和产业结构是对制造业碳排放影响程度最大的两个因素,其次是能源结构、能源强度和发展程度;从时序来看,城镇化率、能源强度和发展程度对碳排放的影响逐渐增强,而产业结构和能源结构的影响比较稳定;研发强度对碳排放的影响不明显。以上结论为我国制定和完善节能减排政策提供了参考依据。     

我国农业内各业之间动态相互作用分析

首次将VAR模型应用到全国范围内的农业、林业、畜牧业和渔业为内生变量的农业动态结构系统,探讨我国农业结构的动态变化,Granger因果关系表明林业和畜牧业产值波动比较容易受到其他各业的影响,其他各业对农业产值的影响不显著,畜牧业与渔业存在双向的Granger因果关系;农业、林业、畜牧业和渔业分别对其他各业的新息冲击脉冲响应函数不同,随着时期数的增加对新息的冲击反应在逐渐减小,直至最后趋于原有的水平;畜牧业产值变化的预测方差主要由自身扰动引起,其次林业和农产产值扰动对其的影响各为约1/4,而渔业产值扰动对其的影响最小仅为12.34%。