蘇 凱， 陳毅輝

(福建農(nóng)林大學(xué)安溪茶學(xué)院，福建 福州 350002)

自工業(yè)革命以來，化石能源消費導(dǎo)致了二氧化碳排放(以下簡稱“碳排放”)量的迅速增加，擾亂了全球碳循環(huán)，從而引起氣候變化和全球變暖。全球變暖和氣候變化會產(chǎn)生一系列潛在的影響，如海平面上升、作物生長改變、極端天氣爆發(fā)等，因此，由碳排放引起的氣候變化和全球變暖已成為世界各國及學(xué)者們關(guān)注的焦點。改革開放后，我國經(jīng)濟(jì)飛速增長，城鎮(zhèn)化和工業(yè)化進(jìn)程不斷加快，我國不僅成為世界上最大的能源生產(chǎn)國和消費國，也是最大的碳排放國。2014年，《國家氣候變化計劃(2014—2020年)》指出，到2020年，單位GDP碳排放量相較于2005年至少降低40%～50%；2015年，《國家自主貢獻(xiàn)預(yù)案》將單位GDP碳排放量在2005年的水平上再減少60%～65%，同時承諾到2030年碳排放達(dá)到峰值，并盡可能提前達(dá)峰。由此可見，我國作為世界上最大的碳排放國，其減排壓力在未來10～15年內(nèi)仍然是巨大的。我國的承諾引起國際重視，間接促成了《巴黎協(xié)議》的簽署，開創(chuàng)了全球溫室氣體減排的新紀(jì)元[1]。

我國碳減排目標(biāo)的實現(xiàn)有賴于全國各地的共同努力。福建省作為全國首個生態(tài)文明試驗區(qū)和“21世紀(jì)海上絲綢之路核心區(qū)”，理應(yīng)為碳減排作出應(yīng)有的貢獻(xiàn)。福建省的生態(tài)環(huán)境質(zhì)量盡管有其優(yōu)越性，但近年來不斷推進(jìn)城鎮(zhèn)化、工業(yè)化和農(nóng)業(yè)現(xiàn)代化的進(jìn)程，化石能源的消耗仍持續(xù)增長。據(jù)統(tǒng)計，2016年福建省能源消費較2011年提升了19.2%，5年年均增長3.84%[2]，而化石能源消耗是全球碳排放的主要因素，在全球溫室氣體排放中占據(jù)主導(dǎo)地位[3]。因此，如不重視這種能耗方式的轉(zhuǎn)變，福建省這種生態(tài)環(huán)境的優(yōu)越性將難以保持，如期實現(xiàn)碳減排目標(biāo)任重而道遠(yuǎn)。實際上，不合理的資源消耗、人為活動以及過多的短效經(jīng)濟(jì)行為已經(jīng)給福建局部地區(qū)生態(tài)系統(tǒng)服務(wù)功能造成不同程度的影響[4]。福建省的能耗方式如何向既能保證經(jīng)濟(jì)增長、改善人民生活、減少碳排放，又能保護(hù)生態(tài)環(huán)境的方向轉(zhuǎn)變，值得深入研究。

一、文獻(xiàn)綜述

國內(nèi)外學(xué)者對碳排放的驅(qū)動因素、碳排放與社會經(jīng)濟(jì)發(fā)展之間的關(guān)系以及碳減排機(jī)制等方面作了大量研究[5-7]。Zhang等運用解耦模型、脫鉤值穩(wěn)定度、脫鉤質(zhì)量度和脫鉤質(zhì)量偏差度公式對東北三省“五大產(chǎn)業(yè)”的脫鉤質(zhì)量進(jìn)行了橫向和縱向分析[8]。Utgikar等認(rèn)為經(jīng)濟(jì)增長和人口增長是決定能源消耗和碳排放的2個重要因素[9]。Feng等則以北京為例，應(yīng)用情景分析法對未來能源消耗和碳排放的影響進(jìn)行了預(yù)測[10]。

分析現(xiàn)有文獻(xiàn)可知，碳排放預(yù)測研究最為常見的模型有IPAT、Kaya、ImPACT等，它們在構(gòu)建具有自身特點的分解模型時仍有一些局限性，如IPAT模型參數(shù)分解并未將產(chǎn)業(yè)及能源結(jié)構(gòu)影響考慮在內(nèi)，Kaya模型只能解釋初級能源消耗對碳排放的影響，而在ImPACT模型中，當(dāng)只有一個因素發(fā)生變化，其他因素保持不變時，其中自變量對因變量的影響是相同的(等比例效應(yīng))[11-14]。因此，York等提出了STIRPAT模型[15]。

現(xiàn)有文獻(xiàn)在定量分析碳排放影響因素時，采用STIRPAT模型結(jié)合普通最小二乘法回歸(Ordinary Least Square, OLS)方法的最多[16]，但也有研究認(rèn)為這種方法存在難以克服的多重共線性問題。研究發(fā)現(xiàn)，當(dāng)模型存在嚴(yán)重的多重共線性時，OLS估計量將不具備一致性，造成統(tǒng)計推斷上無法給出真正有用的信息[16]。進(jìn)一步研究指出，在不剔除自變量的前提下，解決多重共線性的方法主要有主成分分析法(Principal Components Analysis， PCA)、偏最小二乘法回歸法(Partial Least Squares Regression, PLS-R)和嶺回歸法(Ridge Regression， RR)[6]。其中，PLS-R于 1966 年提出，后得以發(fā)展[17-18]，該方法綜合了多種分析方法的優(yōu)勢，主要用于研究多因變量對多自變量的回歸建模，特別是當(dāng)各變量之間存在高度線性相關(guān)時，用PLS-R更有效[19]。

此外，要準(zhǔn)確規(guī)劃能源生產(chǎn)和分配、環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展的投資，分析減緩氣候變化的措施，就必須有一種可靠的碳排放估算和預(yù)測方法。有學(xué)者從產(chǎn)業(yè)結(jié)構(gòu)及其他方面入手，應(yīng)用分解分析法對碳排放影響因素進(jìn)行研究[20-21]。在碳排放預(yù)測研究中，不同學(xué)者從不同視角切入，采用不同的方法，如采用環(huán)境庫茲涅茨模型對我國碳排放進(jìn)行模擬[22]，應(yīng)用Logistic模型預(yù)測碳排放峰值等[23]。目前應(yīng)用最廣泛的預(yù)測碳排放的模型之一是灰色模型GM(1，1)[24-25]，但其只能在適當(dāng)范圍內(nèi)使用；否則，將產(chǎn)生較大誤差。因此，為彌補(bǔ)該模型的不足，有學(xué)者提出了一種新的離散灰色預(yù)測模型DGM(1，1)，其不僅提高了模型的精度、應(yīng)用潛力，還提高了模型對趨勢的捕捉能力[26]。

綜上所述，現(xiàn)有文獻(xiàn)的研究結(jié)果對探索影響福建省碳排放的因素及提高能源效率具有重要的借鑒意義。但各地區(qū)的資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)以及經(jīng)濟(jì)發(fā)展水平等均不相同，社會經(jīng)濟(jì)發(fā)展的路徑也不一樣，對碳排放的貢獻(xiàn)力度自然不同。目前，福建省正處于現(xiàn)代工業(yè)化和城鎮(zhèn)化快速發(fā)展的階段，要實現(xiàn)經(jīng)濟(jì)的可持續(xù)發(fā)展，就有必要分析影響福建碳排放的因素并測算未來碳排放趨勢，為實現(xiàn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變和產(chǎn)業(yè)結(jié)構(gòu)升級提供數(shù)據(jù)支持。據(jù)此，本研究利用2005—2016年的統(tǒng)計數(shù)據(jù)，建立擴(kuò)展型的STIRPAT模型結(jié)合PLS-R對福建省碳排放的影響因素進(jìn)行分析，在此基礎(chǔ)上，應(yīng)用DGM(1,1)模型測算福建省2017—2020年(本文寫作期間2018年《福建統(tǒng)計年鑒》還未正式出版，2017年的社會經(jīng)濟(jì)數(shù)據(jù)尚未可知，因此，將測算年份確認(rèn)為2017-2020年)的碳排放數(shù)據(jù)，為減排目標(biāo)的實現(xiàn)提供科學(xué)依據(jù)。

二、方法和數(shù)據(jù)

(一)數(shù)據(jù)來源

本研究中所有數(shù)據(jù)均來源于《福建統(tǒng)計年鑒》(2005—2017年)。為了消除價格的影響，本文以2005年為基期，按可比價格重新計算歷年GDP，并以此為基礎(chǔ)重新計算人均GDP和能源消耗強(qiáng)度。碳排放量按下列公式計算：

(1)

式(1)中，ei表示燃料i的消耗；fi是將不同類型的能源轉(zhuǎn)換為標(biāo)準(zhǔn)煤當(dāng)量的標(biāo)準(zhǔn)煤系數(shù)；ki是2006 年 IPCC 國家溫室氣體清單指南中不同類型燃料的碳排放系數(shù)(表1)。

表1 不同燃料的碳排放系數(shù)

(二)DGM (1,1)模型

本文借鑒相關(guān)學(xué)者的觀點[26-27]，假定X(0)={x(0)(1),x(0)(2),…,x(0)(n)}是一個序列。其中,x(0)(k)≥0(k=1,2,…,n)。x(1)表示x(0)的一次累加生成序列，具體公式如下所示：

x(1)={x(1)(k),x(1)(2),x(1)(n)}

(2)

則x(1)(k+1)=β1x(1)(k)+β2

(3)

式(3)即為DGM (1,1)模型。

(三)擴(kuò)展的STIRPAT模型

STIRPAT模型是一個在人口、財富和技術(shù)等方面進(jìn)行環(huán)境回歸的隨機(jī)效應(yīng)模型，其理論基礎(chǔ)主要來源于經(jīng)濟(jì)學(xué)、管理學(xué)與生態(tài)學(xué)，且該模型可以繼續(xù)擴(kuò)展上述三方面，以提高模型的分析與解釋能力[28]。本文在借鑒前人研究成果的基礎(chǔ)上，根據(jù)福建省具體情況選取適當(dāng)變量，應(yīng)用STIRPAT模型的可擴(kuò)展性，建立碳排放與其影響因素之間的計量模型。擴(kuò)展的STIRPAT模型可以表示為：

(4)

為確定有關(guān)參數(shù)，對式(4)兩邊分別取對數(shù)處理得到如下等式：

lnEt=lna+α1lnPt+α2lnUt+β1lnAt+β2lnTt+γ1lnSt+γ2lnCt+γ3lnOt

(5)

其中,Et、Pt、Ut、At、Tt、St、Ct和Ot分別表示碳排放、總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費比重(煤炭消費量占能源消費總量的百分比)和石油消費比重(石油消費量占能源消費總量的百分比);a代表常數(shù);α1、α2、β1、β2、γ1、γ2、γ3分別表示Pt、Ut、At、Tt、St、Ct、Ot的回歸系數(shù)。

(四)PLS回歸

在多元線性回歸分析中，通常采用OLS-R用于估計回歸系數(shù)，以使得殘差的平方和最小化。但在多元線性回歸分析中，各變量之間普遍存在嚴(yán)重的多重共線性問題，OLS-R往往是無效的。為了消除這種影響，通常采用PCA提取主成分，雖然其能較好地概括自變量系統(tǒng)中的信息，但會給系統(tǒng)帶來很多無用的噪聲，缺乏對因變量的有效解釋能力[29]。因此，本文運用PLS-R回歸來解決多元回歸中變量多重共線性和樣本容量較少等實際問題。PLS的原理、算法以及與其他回歸方法的對比分析，已有諸多文獻(xiàn)呈現(xiàn)[30-31]，本文不再詳細(xì)闡述。

三、實證結(jié)果與討論

(一)PLS回歸結(jié)果

為證實因變量與各自變量之間是否存在多重共線性，對各變量取對數(shù)，并進(jìn)行兩兩相關(guān)性分析，得到各變量間的相關(guān)系數(shù)如表2所示。

表2 相關(guān)性分析

注：1)x1～x7和y分別為取對數(shù)后的總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費比重、石油消費比重、碳排放；2)***，**，*分別表示在10%、5%、1%的水平上顯著

從表2可知，各變量之間的相關(guān)系數(shù)很大，這表明各變量之間存在顯著的多重共線性，因此，不適合運用OLS進(jìn)行無偏估計。為了消除多重共線性的影響，提高模型參數(shù)的準(zhǔn)確性和穩(wěn)定性，本文采用PLS對碳排放進(jìn)行測算，并以SIMCA-P軟件作為運算平臺。

根據(jù)運算結(jié)果，前四組分對因變量(碳排放量)的累積解釋力(R2)已達(dá)99.5%，且四組分的交叉驗證值(Q2)均大于0.0975，因此偏最小二乘回歸只需提取了前四組分即可。此外，總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費比重、石油消費比重的回歸系數(shù)結(jié)果分別為：2.798、1.028、0.253、0.205、0.333、1.256、0.412。據(jù)此，PLS回歸方程如下所示：

Et=-31.527+2.798lnPt+1.028lnUt+0.253lnAt-0.205lnTt-0.333lnSt+1.256lnCt+0.412lnOt

(6)

12個樣本的擬合值與實際值的均方根誤差僅為0.0204221，說明模型的預(yù)測能力相對精準(zhǔn)。

(二)擴(kuò)展的STIRPAT模型分解結(jié)果

擴(kuò)展的STIRPAT模型可以通過公式(6)還原得到：

(7)

上述回歸系數(shù)表明：(1)總?cè)丝凇⒊擎?zhèn)化率、人均GDP、煤炭消費比重、石油消費比重每上升1個百分點，碳排放量將分別增加279.8萬t、102.8萬t、25.3萬t、125.6萬t、41.2萬t；(2)第三產(chǎn)業(yè)產(chǎn)值比重和能源消耗強(qiáng)度每上升1個百分點，碳排放量分別下降20.5萬t和33.3萬t，說明技術(shù)進(jìn)步是減少碳排放的關(guān)鍵因素。

為了進(jìn)一步分析各變量對碳排放的貢獻(xiàn)，本文采用變量投影重要性(Variable Importance in Projection, VIP)方法分析自變量在解釋因變量時的重要性。其定義如下：

(8)

應(yīng)用式(8)，可得到影響碳排放的7個自變量的VIP值(圖1)。從圖1可以看出，對碳排放貢獻(xiàn)最大的是城鎮(zhèn)化率，其VIP值達(dá)到1.1704；緊隨其后的是人均GDP，其VIP值也達(dá)到1.1619；然后是總?cè)丝凇⒛茉聪膹?qiáng)度、煤炭消費比重、第三產(chǎn)業(yè)產(chǎn)值比重；而石油消費比重對碳排放的貢獻(xiàn)較少。

(三)碳排放預(yù)測結(jié)果

為了更好地評價DGM(1,1)模型的性能，分別計算了分?jǐn)?shù)誤差、后驗差比、小誤差概率，模型的精度等級評價標(biāo)準(zhǔn)見表3，模型評估結(jié)果如表4所示，各影響因素的DGM(1,1)模型測算結(jié)果見表5。

圖1 各變量的VIP值

后驗差比小誤差概率精準(zhǔn)度等級>0.95<0.35好>0.80<0.50合格>0.70<0.65勉強(qiáng)≤0.70≥0.65不合格

如前所述，按照后驗差比、小誤差概率的最佳范圍，所有模型都作出了很好的估計。此外，通過預(yù)測方程得到2005—2020年福建省碳排放趨勢，如圖2所示。

四、結(jié)論與對策

(一)結(jié)論

本研究對常規(guī)STIRPAT模型進(jìn)行擴(kuò)展，建立擴(kuò)展后的福建省非線性碳排放STIRPAT模型，結(jié)合PLS回歸法分析福建省碳排放量的影響因素，而后采用灰色預(yù)測DGM(1，1)模型測算福建省2017—2020年的碳排放量，得出如下結(jié)論。

1.從驅(qū)動因素的影響程度和作用方向來看。除第三產(chǎn)業(yè)產(chǎn)值比重和能源消耗強(qiáng)度對福建省碳排放量有抑制作用外，總?cè)丝?、城?zhèn)化率、人均GDP、煤炭消費比重、石油消費比重等5個變量對福建省碳排放具有正向促進(jìn)作用。其中，城鎮(zhèn)化率、人均 GDP、總?cè)丝趯μ寂欧诺呢暙I(xiàn)分別排名前三，意味著這些變量是影響碳排放的重要因素?？陀^上，人均 GDP反映了特定地區(qū)或省份的發(fā)展水平，人均國內(nèi)生產(chǎn)總值的增長意味著需要更多的能源消耗，在一定程度上，這將導(dǎo)致碳排放量的增加。

表4 DGM(1,1)模型評價結(jié)果

注：碳排放量的單位為億 t

表5 2017—2020年各變量測算結(jié)果

注：碳排放量的單位為億 t

圖2 2005—2020年福建省碳排放趨勢

2.第三產(chǎn)業(yè)比重和能源消耗強(qiáng)度對碳排放具有抑制作用。第三產(chǎn)業(yè)產(chǎn)值比重是制約碳排放增長的主要因素之一，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級仍是未來經(jīng)濟(jì)工作的重要組成部分。此外，能源消耗強(qiáng)度的持續(xù)下降意味著技術(shù)進(jìn)步對減少碳排放具有積極作用。因此，加快發(fā)展低碳綠色技術(shù)，可實現(xiàn)福建省新的經(jīng)濟(jì)增長點。

3.DGM(1，1)模型測算結(jié)果表明，該方法在精準(zhǔn)度方面較為合理。根據(jù)測算結(jié)果，2020年，福建省人口將從2005年的3570萬人增加到3980萬人，第三產(chǎn)業(yè)產(chǎn)值比重將比2005年增長15.3%，能源消耗強(qiáng)度相較于2005年下降44.2%，碳排放量年均達(dá)到9562萬t。福建省快速的城鎮(zhèn)化進(jìn)程使得其基礎(chǔ)設(shè)施建設(shè)和化石能源的需求加大，人口規(guī)模增加導(dǎo)致生態(tài)環(huán)境的壓力日益加大，居民生活水平和人均消費水平逐步提高。這些誘因進(jìn)一步推動福建省碳排放水平持續(xù)提高。因此，在后續(xù)城鎮(zhèn)化建設(shè)中，決策者應(yīng)該更加關(guān)注生態(tài)環(huán)境污染和城鎮(zhèn)空間資源配置等問題。

(二)對策

影響福建省碳排放的因素是多方面的，既涉及經(jīng)濟(jì)水平和產(chǎn)業(yè)結(jié)構(gòu)，也涉及能源結(jié)構(gòu)等。據(jù)此，提出如下對策建議。

1.進(jìn)一步優(yōu)化能源消費結(jié)構(gòu)，完善提高能源效率鼓勵機(jī)制。研究表明，能源消耗強(qiáng)度對碳排放具有抑制作用，因此，優(yōu)化能源消費結(jié)構(gòu)，特別是減少化石能源的消耗，是減少碳排放的有效途徑。值得注意的是，煤炭消費量占我國一次能源總消費量比重的60%左右，而煤炭燃燒排放是碳排放的主要來源[32]。福建省可以采用能源多樣化的政策來減少對煤炭的依賴，各級政府應(yīng)采取積極措施，增加對清潔能源(如風(fēng)能、太陽能、天然氣、核能、生物質(zhì)能等)的開采及利用。此外，在保持社會和經(jīng)濟(jì)發(fā)展的同時遏制能源消費增長的另一個有效方法就是提高能源效率。能源效率是降低碳排放的關(guān)鍵因素[33]，其意味著使用更少的能源來提供同樣的服務(wù)是最具成本效益的碳減排方法之一。能源效率的提高不僅可以降低家庭和企業(yè)的能源成本，提高生產(chǎn)力，刺激經(jīng)濟(jì)增長，降低能源市場價格，還能提高能源系統(tǒng)的可靠性，進(jìn)一步加強(qiáng)國家能源安全。因此，各級政府應(yīng)加大對相關(guān)企業(yè)的扶持力度，鼓勵研發(fā)單位積極研發(fā)能提高能源效率、提高可再生能源和其他清潔能源利用率的技術(shù)。

2.以新型城鎮(zhèn)化規(guī)劃為契機(jī)，注重城鎮(zhèn)綠色低碳發(fā)展。城鎮(zhèn)化是社會經(jīng)濟(jì)發(fā)展到一定階段的必然產(chǎn)物，其發(fā)展模式盡管有其優(yōu)勢，但也帶來了許多挑戰(zhàn)，特別是對生態(tài)環(huán)境的影響不斷增大、對各種資源要素的需求不斷增加。因此，各級政府應(yīng)以新型城鎮(zhèn)化規(guī)劃為契機(jī)，科學(xué)規(guī)劃城鎮(zhèn)化發(fā)展模式，遵循經(jīng)濟(jì)規(guī)律，做好環(huán)境承載力評估。以提升城鎮(zhèn)化質(zhì)量為目標(biāo)，不盲目追求城鎮(zhèn)化速度，同時也要處理好城鎮(zhèn)化與生態(tài)環(huán)境之間的關(guān)系。在后續(xù)城鎮(zhèn)化進(jìn)程中，基礎(chǔ)設(shè)施建設(shè)應(yīng)加大采用節(jié)能環(huán)保、綠色低碳技術(shù)的比例，以便降低碳排放的上升趨勢。此外，政府還應(yīng)該平衡城鎮(zhèn)土地和人口的發(fā)展，進(jìn)一步消除城鎮(zhèn)化進(jìn)程中勞動力遷移的障礙和限制，從而實現(xiàn)城鄉(xiāng)勞動力的合理配置。政府應(yīng)積極推廣低碳消費(綠色消費)模式，并采取有效措施，幫助公民養(yǎng)成節(jié)能環(huán)保的消費習(xí)慣，鼓勵公民選擇消費低碳產(chǎn)品，讓綠色發(fā)展、綠色生活理念成為全社會的共識。

3.優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加快第三產(chǎn)業(yè)發(fā)展。研究表明，第三產(chǎn)業(yè)對碳排放有抑制作用，因此，針對福建經(jīng)濟(jì)社會發(fā)展的形勢，政策制定者應(yīng)注重第三產(chǎn)業(yè)在“三大產(chǎn)業(yè)”中的占比。在此基礎(chǔ)上，政府需要優(yōu)化第三產(chǎn)業(yè)的結(jié)構(gòu)和發(fā)展方向，鼓勵發(fā)展資源消耗少、附加值高的現(xiàn)代產(chǎn)業(yè)，如金融業(yè)、信息業(yè)、旅游業(yè)等，以降低碳排放的增長率。此外，各級政府應(yīng)根據(jù)各自地區(qū)的資源稟賦、經(jīng)濟(jì)發(fā)展水平等實際情況，認(rèn)真貫徹綠色發(fā)展理念，進(jìn)一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，鼓勵發(fā)展綠色低碳產(chǎn)業(yè)，以便實現(xiàn)長期減排目標(biāo)。值得注意的是，越來越多的研究表明增加碳匯可以有效吸收二氧化碳[34]，以減緩碳排放對生態(tài)環(huán)境的影響，而福建省森林覆蓋率一直處于全國領(lǐng)先地位，且林權(quán)改革所取得的成績也走在全國前列。因此，政府可從“林業(yè)碳匯金融”或“綠色金融”等方面切入，深入探討將農(nóng)田、森林等碳匯源納入碳市場的有效性，制定相應(yīng)的政策措施。這樣做不僅可解決土地資源與經(jīng)濟(jì)發(fā)展之間的矛盾，增加碳匯，還可以增加農(nóng)民收入，促進(jìn)鄉(xiāng)村振興戰(zhàn)略目標(biāo)早日實現(xiàn)。