劉 鑫，趙 濤

（天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津 300072）

1 文獻(xiàn)綜述

根據(jù)2012年《BP世界能源統(tǒng)計(jì)年鑒》［1］的數(shù)據(jù)，2011年中國已經(jīng)成為世界最大的能源消費(fèi)國，單位GDP產(chǎn)出消耗的能源為日本的5倍和美國的3倍，一次性能源消費(fèi)總量中煤炭消費(fèi)達(dá)7成，這些都凸顯出能源結(jié)構(gòu)的不合理。要達(dá)到2020年單位GDP二氧化碳排放比2005年下降40%～45%的目標(biāo)，找出一條行之有效的可持續(xù)發(fā)展之路是中國所面臨的當(dāng)務(wù)之急。另一方面，進(jìn)入新世紀(jì)以來，環(huán)渤海地區(qū)逐漸成為中國繼長三角、珠三角之后經(jīng)濟(jì)發(fā)展的“第三極”，而天津作為北方經(jīng)濟(jì)中心和國際港口城市，隨著濱海新區(qū)上升為國家戰(zhàn)略和加速開發(fā)開放，更是保持了至今連續(xù)4 a GDP增速全國第1名，人均GDP也在全國處于領(lǐng)先地位。但同樣的問題也在困擾著天津，根據(jù)2012年世界銀行《中國可持續(xù)性低碳城市發(fā)展》［2］報(bào)告，2010年天津人均CO2排放量達(dá)到11.1 t，CO2強(qiáng)度為2 316 t/106美元，這些指標(biāo)達(dá)到了全球的最高水平?！笆舜蟆眻?bào)告首次將“生態(tài)文明”提升到“五位一體”的整體布局之中，并指出建設(shè)生態(tài)文明，是關(guān)系人民福祉、關(guān)乎民族未來的長遠(yuǎn)大計(jì)。由此可見，分析并明確影響天津市CO2排放的因素進(jìn)而有效地在保增長的同時(shí)降低排放量有著十分重要的現(xiàn)實(shí)意義。

近年來，很多國內(nèi)外學(xué)者圍繞碳排放及其影響因素的研究發(fā)表了一系列的文章。I.Martínez-Zarzoso等［3］使用STIRPAT模型和歐盟國家1975—1999年數(shù)據(jù)對這些國家中人口增長對CO2排放的影響進(jìn)行了研究，結(jié)果表明，新近加入歐盟的國家人口增長對排放的影響要比那些原有的歐盟成員國更大。H.N.Li等［4］使用Path-STIRPAT模型研究了影響中國CO2排放量的主要因素，結(jié)果顯示，人均GDP、技術(shù)水平、人口、城市化進(jìn)程和工業(yè)結(jié)構(gòu)是影響中國CO2排放量的主要因素。J.D.Kang等［5］使用LMDI方法研究了“十一五”期間中國30個(gè)省市的碳減排表現(xiàn)，得出天津市是“十一五”期間碳減排最好區(qū)域的結(jié)論。K.M.Wang［6］使用138個(gè)國家1971—2007年的數(shù)據(jù)，通過分位數(shù)面板數(shù)據(jù)回歸的方法實(shí)證分析了CO2排放和經(jīng)濟(jì)增長之間的關(guān)系。李楠等［7］利用中國1995—2007年碳排放量、人口總數(shù)、人口的城市化率、老齡化率和反映人口消費(fèi)結(jié)構(gòu)的恩格爾系數(shù)、第二產(chǎn)業(yè)從業(yè)人口比重等時(shí)間序列數(shù)據(jù)，運(yùn)用協(xié)整理論、格蘭杰因果檢驗(yàn)和多元回歸模型對中國人口結(jié)構(gòu)與碳排放量之間的關(guān)系做了實(shí)證分析。朱勤等［8］使用擴(kuò)展的STIRPAT模型，應(yīng)用嶺回歸方法分析了人口、消費(fèi)及技術(shù)因素對碳排放的影響。王曾［9］基于中國1953—2008年時(shí)間序列數(shù)據(jù)，實(shí)證檢驗(yàn)了碳排放與人力資本、技術(shù)進(jìn)步、城市化率、城鄉(xiāng)收入差距、貿(mào)易開放度、最終消費(fèi)率等因素的關(guān)系。李國志等［10］對中國30個(gè)省份CO2排放量進(jìn)行了測算，并基于STIRPAT模型和面板數(shù)據(jù)的方法，分析了人口、經(jīng)濟(jì)和技術(shù)對不同區(qū)域CO2排放的影響。

目前，針對CO2排放影響因素的分析還大多以國家、區(qū)域或行業(yè)作為對象進(jìn)行研究，關(guān)注到某一省市特別是聚焦到天津的還比較少。筆者利用天津市1995—2009年數(shù)據(jù)，通過STIRPAT模型和分位數(shù)回歸的方法，實(shí)證分析了天津市CO2排放量與經(jīng)濟(jì)、人口規(guī)模和科技進(jìn)步等因素的關(guān)系，討論了在不同分位點(diǎn)上分別進(jìn)行回歸分析得到的結(jié)果及其意義，并在此基礎(chǔ)上提出了相關(guān)政策建議。

2 模型建立和數(shù)據(jù)處理

P.R.Ehrlich等［11］于1971年提出了IPAT等式：

式中：I代表環(huán)境影響，P代表人口規(guī)模，A代表富裕程度，T代表技術(shù)水平。但其在應(yīng)用上存在一定的局限，即只能改變其中某一個(gè)因素而保持其他因素不變來進(jìn)行分析。為了保持等式平衡，得到的結(jié)果中各自變量等比例地影響因變量，這與實(shí)際情況存在著較大差異。在此基礎(chǔ)上，T.Dietz等［12］于1994年提出了公式（1） 的隨機(jī)模型，即STIRPAT模型：

公式（2）可以用來分析各因素對環(huán)境的非等

公式（3） 中均采用時(shí)間序列數(shù)據(jù)，t為數(shù)據(jù)年份；CO2t為當(dāng)年的天津市CO2排放量；TEPt為當(dāng)年的天津市社會從業(yè)人員；PAGt為當(dāng)年的天津市國內(nèi)3種專利申請授權(quán)數(shù)，這是因?yàn)榭紤]到授權(quán)的專利有實(shí)際應(yīng)用性強(qiáng)、投產(chǎn)轉(zhuǎn)化快等特點(diǎn)，可以較好地反映該地區(qū)包括環(huán)境方面在內(nèi)的技術(shù)水平。

為了數(shù)據(jù)的標(biāo)準(zhǔn)化和消除時(shí)間序列數(shù)據(jù)異方差的現(xiàn)象，將公式（3）中的各變量取對數(shù)得到公式（4）作為本研究的實(shí)證分析模型：

式中：誤差項(xiàng)et=lnεt。

本研究采用2011年國家發(fā)改委印發(fā)的《省級溫室氣體清單編制指南（試行）》中的核算方法，并參考《IPCC國家溫室氣體排放清單指南》中的相關(guān)內(nèi)容和參數(shù)，分別計(jì)算了天津市1995—2009年各種能源的CO2排放量，并由此匯總形成了各年天津市CO2排放量數(shù)據(jù)，各項(xiàng)原始數(shù)據(jù)來源于歷年《天津統(tǒng)計(jì)年鑒》和《中國能源統(tǒng)計(jì)年鑒》。在此基礎(chǔ)上，匯總了1995—2009年天津市社會從業(yè)人員數(shù)TEP、天津市國內(nèi)生產(chǎn)總值GDP和天津市國內(nèi)3種專利申請授權(quán)數(shù)PAG作為研究數(shù)據(jù)。采用E-views6.0軟件進(jìn)行計(jì)算和分析。

3 模型檢驗(yàn)

3.1 平穩(wěn)性檢驗(yàn)

使用非平穩(wěn)的時(shí)間序列數(shù)據(jù)進(jìn)行回歸分析可能由于其共同的變化趨勢而產(chǎn)生虛假回歸等問題，因此首先要對數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，以測試變量的平穩(wěn)性。采用ADF單位根檢驗(yàn)法對各變量及差分進(jìn)行平穩(wěn)性檢驗(yàn)，最優(yōu)滯后期由SC準(zhǔn)則確定，檢驗(yàn)結(jié)果如表1所示。比例影響。其中常數(shù)項(xiàng)a和P、A、T變量的指數(shù)b、c、d作為待估系數(shù)，ε是誤差項(xiàng)。

筆者依據(jù)公式（2） 建立了CO2排放量及其影響因素的應(yīng)用模型：

表1 ADF單位根檢驗(yàn)結(jié)果

通過檢驗(yàn)結(jié)果可知，不能拒絕被解釋變量lnCO2的序列在1%的顯著性水平下是零階單整的，由于數(shù)據(jù)存在明顯隨時(shí)間上升的趨勢，且在包含趨勢項(xiàng)的ADF檢驗(yàn)中顯著平穩(wěn)，可以說明lnCO2t變量的序列是一個(gè)趨勢平穩(wěn)過程。而3個(gè)解釋變量lnTEP、lnGDP和lnPAG的序列在10%的顯著性水平下都不能拒絕是一階單整的，說明其為差分平穩(wěn)過程。而且各解釋變量的單整階數(shù)相同，均大于被解釋變量CO2的單整階數(shù)（0階），滿足各序列間存在協(xié)整關(guān)系的必要條件，可以進(jìn)行協(xié)整性分析。

3.2 Johansen協(xié)整檢驗(yàn)

由于TEP、GDP和PAG這3個(gè)解釋變量都是一階單整的，本研究選用Johansen檢驗(yàn)的方法進(jìn)行協(xié)整性分析。Johansen檢驗(yàn)方法是S.Johansen等［13-14］于1990年提出的一種基于向量自回歸模型的多重協(xié)整檢驗(yàn)方法，在對多變量協(xié)整的長期均衡關(guān)系檢驗(yàn)上要優(yōu)于Engle-Granger兩步法等方法，它不但能判定是否存在協(xié)整關(guān)系，還可以給出其存在的協(xié)整向量的個(gè)數(shù)。同樣采用SC準(zhǔn)則確定檢驗(yàn)的滯后階數(shù)，并考慮到樣本容量的可行性，檢驗(yàn)結(jié)果如表2所示。

表2 Johansen協(xié)整檢驗(yàn)結(jié)果

檢驗(yàn)結(jié)果顯示：在5%的顯著性水平下拒絕了表2中的所有假設(shè)。即意味著該基于特征值軌跡的Johansen協(xié)整檢驗(yàn)表明被解釋變量CO2與3個(gè)解釋變量TEP、GDP和PAG之間存在著4個(gè)協(xié)整向量。該結(jié)果可以說明解釋變量與被解釋變量之間存在著長期穩(wěn)定的均衡關(guān)系。綜合前面的ADF平穩(wěn)性檢驗(yàn)的結(jié)果，模型（4）是適合進(jìn)行回歸分析的。

4 分位數(shù)回歸及分析

分位數(shù)回歸的方法最早由R.Koenker等［15］于1978年提出，其模型是根據(jù)解釋變量在被解釋變量的各分位數(shù)點(diǎn)上分別進(jìn)行回歸分析得到的，分位數(shù)回歸更能準(zhǔn)確描述解釋變量對被解釋變量的變化范圍和條件分布等的影響。本研究中解釋變量向量設(shè)為Xt，系數(shù)向量設(shè)為β，模型（4）在進(jìn)行分位數(shù)回歸時(shí)p分位點(diǎn)的系數(shù)向量β通過計(jì)算公式（5） 的最小值得到。

由于采用了加權(quán)殘差值之和的方法來估計(jì)回歸參數(shù)，分位數(shù)回歸具有更強(qiáng)的穩(wěn)健型，并不需要隨機(jī)誤差項(xiàng)有很強(qiáng)的分布假設(shè)，也不易受異常值的影響，對正態(tài)性不強(qiáng)、數(shù)值較少或具有異方差性的估計(jì)量可以得到更好的回歸效果。R.Koenker等［16］于1999年參照最小二乘法中的擬合優(yōu)度（R2），也相應(yīng)地提出了分位數(shù)回歸中擬合優(yōu)度的計(jì)算方法，同樣可以反映某一特定分位數(shù)點(diǎn)下的局部擬合效果。

天津市CO2排放影響因素模型的分位數(shù)回歸結(jié)果如表3所示，可以看到各分位數(shù)回歸模型調(diào)整后的擬合優(yōu)度R2都在0.8左右，說明回歸結(jié)果對模型做出了比較好的解釋。各分位點(diǎn)上的系數(shù)大小反映了該因素對被解釋變量的影響?？梢钥吹浇忉屪兞恐衛(wèi)nTEP對被解釋變量的影響要比另外2個(gè)解釋變量大。圖1～3分別給出了lnTEP、lnGDP和lnPAG的回歸系數(shù)隨0.05到0.95這19個(gè)分位點(diǎn)變化的趨勢，以便具體分析每個(gè)解釋變量分別對被解釋變量lnCO2的影響。

表3 分位數(shù)回歸結(jié)果

根據(jù)分位點(diǎn)回歸分析結(jié)果，TEP對CO2的影響是最大的，其回歸系數(shù)b在各分位點(diǎn)上均為正數(shù)。圖1反映了回歸系數(shù)b隨分位數(shù)點(diǎn)變化的情況，可以看到較低分位點(diǎn)上的系數(shù)要高于較高分位點(diǎn)上的，如在20分位點(diǎn)上，lnTEP回歸系數(shù)的值約是在80分位點(diǎn)上的2倍。而回歸系數(shù)在中間分位點(diǎn)上的值又要顯著大于在兩邊的值，說明在中位點(diǎn)附近TEP對CO2影響最為突出，如在55分位點(diǎn)上，回歸系數(shù)達(dá)到了最高值1.36，這說明在此情況下天津市社會從業(yè)人員TEP每增加1%天津市CO2排放量會增加1.36%。社會從業(yè)人員是人口的重要組成部分，其數(shù)據(jù)的變化較好地代表了人口規(guī)模的變動(dòng)。人類的活動(dòng)時(shí)刻消耗著能源和資源，所以人口規(guī)模的增加會導(dǎo)致CO2排放量的增長，N.Birdsall［17］還提出大量人口帶來的對森林和耕地等的破壞也是導(dǎo)致CO2排放量增加的一個(gè)重要原因。而相比較于農(nóng)村和西部地區(qū)，天津較為富裕的生活環(huán)境和人們較高水平的生活水準(zhǔn)也使得過度消費(fèi)的現(xiàn)象更為普遍，越來越多的享樂型和非理性消費(fèi)進(jìn)一步擴(kuò)大了人口因素對CO2排放量的影響。

圖1 lnTEP的回歸系數(shù)b隨分位點(diǎn)變化

從圖2中可以看出隨著分位數(shù)點(diǎn)的增加，lnGDP的回歸系數(shù)c總體呈下降趨勢。這反映了GDP在CO2較低的年份中對其有著較大的影響，即在此期間天津市國內(nèi)生產(chǎn)總值的增長帶來了較高水平的CO2排放量增加。如在10分位點(diǎn)上，回歸系數(shù)達(dá)到了0.37，在35分位點(diǎn)上，回歸系數(shù)達(dá)到了其峰值0.38，說明天津市國內(nèi)生產(chǎn)總值GDP每上漲1%會帶來CO2排放量分別為0.37%和0.38%的增長；而在較高的分位點(diǎn)上lnGDP對lnCO2的回歸系數(shù)很小，影響并不明顯。國內(nèi)生產(chǎn)總值是衡量經(jīng)濟(jì)發(fā)展最重要的指標(biāo)之一，GDP可以較好的反映天津市當(dāng)年的經(jīng)濟(jì)狀況和發(fā)展水平。經(jīng)濟(jì)的增長需要靠生產(chǎn)活動(dòng)的支撐，而生產(chǎn)活動(dòng)又是消耗能源產(chǎn)生CO2等溫室氣體的主要過程。G.M.Grossman等［18］曾經(jīng)提出過經(jīng)濟(jì)增長與環(huán)境指標(biāo)之間呈現(xiàn)正相關(guān)再負(fù)相關(guān)的“倒U型”曲線關(guān)系，這一曲線也被稱為環(huán)境庫茲涅茨曲線。如果按此理論，在CO2排放量較高的年份，天津的經(jīng)濟(jì)和環(huán)境指標(biāo)間已經(jīng)接近或達(dá)到環(huán)境庫茲涅茨曲線的頂點(diǎn)。這說明天津的經(jīng)濟(jì)發(fā)展已經(jīng)較為成熟，正在或接近擺脫單一、粗放的經(jīng)濟(jì)增長拉動(dòng)模式，但在峰值左右也意味著當(dāng)前的經(jīng)濟(jì)增長會對環(huán)境造成很大的壓力，圖2中50到70分位點(diǎn)之間回歸系數(shù)變化幅度很大也反映了這個(gè)問題，說明在CO2排放量水平常規(guī)年份中也要重視經(jīng)濟(jì)因素對其的影響和變化。

圖2 lnGDP的回歸系數(shù)c隨分位點(diǎn)變化

從圖3中可以看出lnPAG的回歸系數(shù)d隨分位點(diǎn)的增加有明顯的上升趨勢，這與lnGDP的回歸系數(shù)變化趨勢相反。即天津市國內(nèi)3種專利申請授權(quán)數(shù)PAG在天津市CO2排放量較低的年份對其增加的影響是不大的，甚至產(chǎn)生一定的抑制作用，如10分位點(diǎn)上，PAG每增加1%，CO2會降低0.056%；而隨著CO2排放水平的升高，PAG的影響也越來越大，如在90分位點(diǎn)上，回歸系數(shù)達(dá)到了0.36，即PAG每增加1%，CO2會增加0.36%。天津市國內(nèi)3種專利申請授權(quán)數(shù)這一數(shù)據(jù)可以直觀地反映出天津市綜合技術(shù)水平進(jìn)步的情況。技術(shù)進(jìn)步帶來的能源效率的提高本應(yīng)使得CO2排放量有所下降，然而技術(shù)進(jìn)步導(dǎo)致了生產(chǎn)成本的大幅下降，消費(fèi)者及行業(yè)行為的變化導(dǎo)致需求的增加使得生產(chǎn)規(guī)模擴(kuò)大，產(chǎn)量大幅增加，因此其對CO2排放的影響由負(fù)變正。這一效應(yīng)最早由J.D.Khazzoom［19］提出并稱之為“回彈效應(yīng)”，T.Barker等［20］預(yù)測如果充分實(shí)施國際能源機(jī)構(gòu)提高能源效率的相關(guān)技術(shù)建議，回彈效應(yīng)將會在2020年抵消掉31%的潛在節(jié)能，這一比例在2030年更會達(dá)到52%。而對中國來說，回彈效應(yīng)在過去30多a也一直在30%～80%的較高范圍內(nèi)波動(dòng)［21］。另外，鎖定效應(yīng)也在制約著技術(shù)進(jìn)步對于CO2減排的作用［22］，即工業(yè)化發(fā)展過程中對石油、煤炭等高排碳能源的過度依賴制約了低碳和可再生技術(shù)的發(fā)展和實(shí)施，這種狀態(tài)也被稱為技術(shù)-制度復(fù)合體（Tecno-Institutional Complex，TIC）。特別是對于天津這樣的老工業(yè)城市來說，突破技術(shù)上鎖定效應(yīng)的瓶頸就會面臨更大的阻力，這一點(diǎn)從天津的一次能源消費(fèi)中原煤和石油所占的高比重也可以發(fā)現(xiàn)。在圖3中55到60分位點(diǎn)間回歸系數(shù)的增長幅度很大，此后一直維持在較高水平且略有增加，這說明在此范圍內(nèi)回彈效應(yīng)和鎖定效應(yīng)使得天津市的技術(shù)進(jìn)步對CO2減排產(chǎn)生了較大的抑制作用。

5 結(jié)論與建議

通過對天津市CO2排放及其影響因素的STIRPAT應(yīng)用模型的建立、數(shù)據(jù)的檢驗(yàn)和分位數(shù)回歸分析，得到了以下結(jié)論：①天津市的CO2排放量和天津市社會從業(yè)人員TEP、天津市國內(nèi)生產(chǎn)總值GDP及天津市國內(nèi)3種專利授權(quán)申請數(shù)PAG之間存在長期穩(wěn)定的均衡關(guān)系，TEP、GDP和PAG是影響天津市CO2排放的重要因素。②分位數(shù)回歸的結(jié)果顯示，人口因素在各分位點(diǎn)上相比另外2種因素都取得了更大的回歸系數(shù)，這表明其對天津市CO2排放產(chǎn)生了更大的影響，通過各分位點(diǎn)的比較又可以看出在中位點(diǎn)附近人口因素對CO2排放的影響最大；隨著CO2排放量的增加，經(jīng)濟(jì)因素對其的影響會有所減少，這是因?yàn)樘旖虻慕?jīng)濟(jì)發(fā)展較為成熟，處于環(huán)境庫茲涅茨曲線的中后期階段；技術(shù)因素的影響會隨著CO2排放量的增加而增加，說明了技術(shù)進(jìn)步導(dǎo)致了供需平衡變化的“回彈效應(yīng)”，這和技術(shù)-制度復(fù)合體帶來的“鎖定效應(yīng)”一同對CO2的排放造成了較大的影響。針對本研究，要有效地降低天津市的CO2排放，需要做到以下幾個(gè)方面。

圖3 lnPAG的回歸系數(shù)d隨分位點(diǎn)變化

首先，要關(guān)注人口因素對CO2排放量的影響，特別是在排量適中的時(shí)段，在合理引入勞動(dòng)力，支持天津高速發(fā)展的同時(shí)要防止城市過飽和，加強(qiáng)綠化并防止植被受到侵害。既保障人民的生活水平穩(wěn)步提升也能切實(shí)抑制人們的過度消費(fèi)和高碳生活方式，這就應(yīng)該大力倡導(dǎo)低碳生活，營造低碳生活是一種時(shí)尚的生活方式的理念，讓人們真正理解并接受它。還應(yīng)采取具體的措施引導(dǎo)人們改變固有的習(xí)慣，如采用低票價(jià)和營造好的乘車環(huán)境鼓勵(lì)人們選擇地鐵等公共交通出行代替私家車，設(shè)置階梯電價(jià)引導(dǎo)人們在夏天調(diào)高空調(diào)溫度等節(jié)電行為。

還應(yīng)繼續(xù)加大力度實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型，在保增長的同時(shí)切實(shí)關(guān)注經(jīng)濟(jì)發(fā)展的質(zhì)量，特別是在CO2排放量相對較少的年份中要更加關(guān)注經(jīng)濟(jì)因素對其的影響。落實(shí)可持續(xù)發(fā)展的相關(guān)要求，實(shí)現(xiàn)產(chǎn)業(yè)的更新升級，轉(zhuǎn)變經(jīng)濟(jì)增長方式，淘汰落后產(chǎn)能，并形成有效的監(jiān)管體系。利用天津港等區(qū)域優(yōu)勢，大力發(fā)展臨港物流等行業(yè)，利用好濱海新區(qū)的后發(fā)優(yōu)勢，發(fā)揮金融中心、生態(tài)城等的作用實(shí)現(xiàn)經(jīng)濟(jì)又好又快發(fā)展。繼續(xù)尋找創(chuàng)意產(chǎn)業(yè)和高科技產(chǎn)業(yè)等新的經(jīng)濟(jì)增長點(diǎn)，在政策配套和人才引進(jìn)等方面上給予扶持，使其形成產(chǎn)業(yè)集群和產(chǎn)業(yè)鏈，拉動(dòng)國民經(jīng)濟(jì)持續(xù)健康發(fā)展。改變過去單一追求經(jīng)濟(jì)增長的目標(biāo)，在經(jīng)濟(jì)增長的同時(shí)更要保障人民幸福、生態(tài)和諧。

此外，要大力發(fā)展低碳和可再生能源技術(shù)，引進(jìn)國外先進(jìn)技術(shù)和鼓勵(lì)自主研發(fā)相結(jié)合，并在政策上支持其及時(shí)在生產(chǎn)流程中得到應(yīng)用。要充分認(rèn)識到技術(shù)進(jìn)步對CO2排放影響的“雙刃劍”效應(yīng)，特別要關(guān)注CO2排量較高的年份，合理運(yùn)用稅收、價(jià)格等調(diào)控手段引導(dǎo)行業(yè)和消費(fèi)者的行為和需求，從而削減不必要的生產(chǎn)規(guī)模，使得技術(shù)帶來的減排效應(yīng)得以體現(xiàn)。升級產(chǎn)業(yè)結(jié)構(gòu)，優(yōu)化行政配置，建立更多的低碳產(chǎn)業(yè)鏈并推動(dòng)高碳產(chǎn)業(yè)低碳化，突破TIC的鎖定效應(yīng)。

本研究分析的3個(gè)解釋變量因素其實(shí)并不是孤立的，他們之間也存在著一定的聯(lián)系，共同對CO2排放造成影響。如果要進(jìn)一步分析并消除內(nèi)生性，可以采用如工具變量分位數(shù)回歸（IVPR）等方法進(jìn)行研究。同時(shí)受到數(shù)據(jù)樣本量的制約，本研究結(jié)果也可能存在一定的局限性，可以采取諸如Bootstrap等方法對顯著性水平隨樣本容量增加的變化進(jìn)行更詳細(xì)的分析。

［1］BP公司.BP世界能源統(tǒng)計(jì)年鑒［EB/OL］.［2012-06］.http：//www.bp.com/liveassets/bp_internet/china/bpchina_chinese/STAGING/local_assets/downloads_pdfs/Chinese_BP_StatsReview2012.pdf.

［2］世界銀行.2012中國可持續(xù)性低碳城市發(fā)展［M］.華盛頓：世界銀行，2012.

［3］Martínez-Zarzoso I，Bengochea-Morancho A，Morales-Lage R.The impact of population on CO2emissions：Evidence from European countries［J］.Environ Resour Econ，2007，38（4）：497-512.

［4］Li H N，Mu H L，Zhang M，et al.Analysis on influence factors of China’s CO2emissions based on Path-STIRPAT model［J］.Energ Policy， 2011， 39（11）：6906-6911.

［5］Kang J D，Zhao T，Ren X S，et al.Using decomposition analysis to evaluate the performance of China’s 30 provinces in CO2emission reductions over 2005—200 9［J］.Nat Hazards，2012，64 （2）：999-1013.

［6］Wang K M.The relationship between carbon dioxide emissions and economic growth：Quantile panel-type analysis［J］.Qual Quant，2013，47 （3）：1337-1366.

［7］李楠，邵凱，王前進(jìn).中國人口結(jié)構(gòu)對碳排放量影響研究［J］.中國人口·資源與環(huán)境，2011，21（6）：19-23.

［8］朱勤，彭希哲，陸志明，等.人口與消費(fèi)對碳排放影響的分析模型與實(shí)證［J］.中國人口·資源與環(huán)境，2010，20（2）：98-102.

［9］王曾.人力資本、技術(shù)進(jìn)步與CO2排放關(guān)系的實(shí)證研究：基于中國1953—2008年時(shí)間序列數(shù)據(jù)的分析［J］.科技進(jìn)步與對策，2010，27（22）：4-8.

［10］李國志，李宗植.中國二氧化碳排放的區(qū)域差異和影響因素研究［J］.中國人口·資源與環(huán)境，2010，20（5）：22-27.

［11］Ehrlich P R，Holdren J P.Impact of population growth［J］.Science，1971，171（3977）：1212-1217.

［12］Dietz T，Rosa E A.Rethinking the environmental impacts of population，affluence and technology［J］.Human Ecol Rev，1994，1 （1）：277-300.

［13］Johansen S.Statistical analysis of cointegration vectors［J］.J Econ Dyn Control，1988，12 （2/3）：231-254.

［14］Johansen S，Juselius K.Maximum likelihood estimation and inference on cointegration：With applications to the demand for money［J］.Oxford B Econ Stat，1990，52 （2）：169-210.

［15］Koenker R，Bassett Jr G.Regression quantiles［J］.Econometrica，1978，46 （1）：33-50.

［16］Koenker R，Machado J A F.Goodness of fit and related inference processes for quantile regression［J］.J Am Stat Assoc，1999，94 （448）：1296-1310.

［17］Birdsall N.Another look at population and global warming［M］.World Bank Publications，1992.

［18］Grossman G M，Krueger A B.Environmental impacts of a North American free trade agreemen t［R］.National Bureau of Economic Research，1991.

［19］Khazzoom J D.Economic implications of mandated efficiency in standards for household appliances［J］.Energy J，1980，1 （4）：21-40.

［20］Barker T，Dagoumas A，Rubin J.The macroeconomic rebound effect and the world economy［J］.Energ Effic，2009，2 （4）：411-427.

［21］周勇，林源源.技術(shù)進(jìn)步對能源消費(fèi)回報(bào)效應(yīng)的估算［J］.經(jīng)濟(jì)學(xué)家，2007 （2）：45-52.

［22］Arthur W B.Competing technologies，increasing returns，and lock-in by historical events［J］.Econ J，1989，99 （394）：116-131.