人口相关因素对碳排放的影响研究——基于变截距模型的实证分析

基于1997—2012年的30个省份的面板数据,采用STIRPAT模型研究人口相关因素对二氧化碳排放的影响。通过面板数据变截距模型进行回归发现,大部分省份的人口规模、人均消费支出、能源强度和城镇化对碳排放有正影响,只有北京和广东的能源强度对碳排放是负影响,说明可能存在能源回弹效应。老龄化因素只在六个省份与碳排放有显著的正相关关系,这是因为老年人口的增加导致对相关产品和服务的需求增加。家庭规模在大部分省份对碳排放的影响是负向的,说明随着家庭规模的缩小会增加碳排放。     

土地利用强度碳排放效应分析——以广西南宁为例

利用南宁市1994~2012年的数据,以能源消费碳排放为因变量,人口、富裕度、土地利用结构、土地利用强度、产业结构为自变量构建STIRPAT扩展模型,采用主成分回归分析法,定量分析了土地利用强度与碳排放之间的关系。研究结果表明:土地利用强度对碳排放的影响并非单调,而是先升后降的。城市建设用地容积率与碳排放之间存在倒"U"型曲线关系,曲线拐点在容积率V=1.6484处。进一步分析发现,土地利用强度对碳排放的影响与其变化方式有关,粗放型高基底覆盖率的城市容积率增加对碳排放有正效应,紧凑式低基底覆盖率的城市容积率增加对碳排放有负效应。人口、富裕度、技术进步、土地利用结构中建设用地面积、产业结构中工业所占比例均对碳排放有正效应。     

互联网发展对碳排放的影响——基于面板门槛模型的实证研究

基于线性面板模型和面板门槛模型,采用2008—2016年中国省级面板数据,实证检验了互联网发展对碳排放的线性和非线性影响。实证结果显示:采用线性面板模型结果表明,现阶段我国互联网发展提高了地区人均碳排放量,经济发展与碳排放存在倒"U"型关系,对外开放和城镇化程度提高减少了人均碳排放量,第二产业增加提升了人均碳排放量。考虑门槛效应时,互联网发展对碳排放的影响存在单门槛,即互联网发展与碳排放是倒"U"型的关系,当地区互联网水平处于中低水平时,互联网发展显著增加了地区的人均碳排放,当互联网发展水平越过门槛时,互联网发展又表现为抑制碳排放的增长。     

基于STIRPAT模型的工业能源消费碳排放影响因素分析

对2003—2017年江苏省工业能源消费的二氧化碳排放量进行估算,采用STIRPAT模型实证分析了工业能源消费碳排放规模和碳排放强度的影响因素。实证结果表明:碳排放规模、碳排放强度与劳均产出之间的关系分别为"N"型与倒"N"型;对碳排放规模和碳排放强度产生促进作用的因素为煤炭消费比重,对其产生抑制作用的因素为研发强度、能源效率;固定资产投资对碳排放规模具有促进作用,对碳排放强度具有抑制作用。根据研究结论提出政府低碳政策支持、优化能源结构、加快技术创新等建议降低碳排放规模与强度。     

出口真的是多多益善吗?——基于广义倾向得分匹配的再估计

生产率是一个企业得以持续发展的内在动力。文章利用2000-2007年工业企业数据库中企业层面数据,采用广义倾向得分匹配方法分析出口强度与企业生产率之间的关系。研究结果表明:出口强度与企业生产率之间存在"倒U形"的关系,即企业生产率随着出口强度的增加先上升后下降;进一步地,我们考察了出口强度对企业生产率的动态影响,发现"倒U形"的关系仍然存在,但是出口强度对于企业生产率的影响会随着时间的推移而递减。     

中国省级区域碳排放影响因素的实证分析

文章在能源消费导致的碳排放核算的基础上,利用1995～2005年中国30个省市区的面板数据定量分析了各地区碳排放与经济发展水平、产业结构、能源效率之间的关系.分析显示各地区碳排放与经济发展水平存在倒U型曲线趋势,而与能源消耗强度呈U型曲线关系,与第二产业产值的比重呈N型曲线关系.从各地区碳排放量对平均碳排放量的偏离量的大小,可以看出中国碳排放存在显著的东南部低中北部高西北部低的空间分布格局.     

浙江省能源消费碳排放动态特征及影响因素研究

采用IPCC推荐的碳排放计算公式,测算了2000年到2011年浙江省能源消费碳排放量,分析了人均碳排放量和碳排放强度的动态特征,并利用LMDI分析其排放变化的影响因素。研究期间,浙江省人均能源消费碳排放量不断上升,碳排放强度呈现下降的趋势,浙江省碳排放处于碳排放强度倒U型曲线高峰到人均碳排放量倒U型曲线高峰阶段的过渡期。经济发展对人均碳排放量增长起到拉动作用,产业结构、能耗强度、能源结构、碳排放系数变化起到抑制作用。产业结构、能耗强度和单位能源消耗碳排放强度变化均对碳排放强度下降产生正向驱动作用。     

房价、房价收入比对中国城镇化的影响与空间效应实证分析

利用2005—2019年我国31省面板数据,基于三种权重矩阵构建空间滞后模型和空间误差模型,分析房价、房价收入比对城镇化的影响。结果表明:(1)房价、房价收入比与三种城镇化的空间自相关和空间依赖性显著,并存在空间溢出效应和"马太效应"。(2)房价对人口城镇化、经济城镇化与土地城镇化的正向影响作用显著,房价对人口城镇化的影响呈现倒"U"型,但房价对经济城镇化和土地城镇化的影响是线性的。(3)房价收入比对人口城镇化的影响为正,房价收入比对经济城镇化与土地城镇化的影响呈倒"U"型。(4)从区域看,东部和中部房价上涨对人口城镇化的影响为正,西部为负;中部房价收入比对人口城镇化的影响不显著,西部为正,东部为负;中西部人口城镇化溢出效应最大。     

新兴经济体国家城镇化发展对碳排放影响的比较研究

新兴经济体十六国是重要的发展集团,由“金砖五国”和“新钻十一国”组成,高效低碳的城镇化是其进一步提升在全球经济发展中增量贡献的动力保障。借助EKC模型和STIRPAT模型,分别研究这两个国家集团城镇化发展与碳排放量之间的关系以及城镇化对碳排放的影响。研究结果表明：在二者的关系方面,新兴经济体国家的城镇化水平与碳排放量呈现出微弱的倒“U”型关系,其中,“金砖五国”已经跨过倒“U”型曲线的拐点,而“新钻十一国”则处于拐点前期;在城镇化对碳排放的影响方面,城镇化发展对“新钻十一国”碳排放量的影响大于“金砖五国”;城镇化水平越高的国家,碳排放量越大,但随着工业化水平的提升和产业结构的优化升级,碳排放量逐步降低。     

人工智能技术对碳排放的影响

随着新一轮科技革命和产业变革的深入推进,人工智能技术在应对气候变化方面扮演重要角色,并赋能“碳达峰、碳中和”目标的实现。利用2006—2019年中国内地省级面板数据,考察人工智能技术对碳排放的影响。研究发现：人工智能技术与碳排放之间呈倒U型关系,即当人工智能技术达到一定阈值后,其碳减排效应逐渐凸显;人工智能技术主要通过提高能源利用效率实现碳减排;在东部和西部地区,人工智能技术与碳排放之间存在显著倒U型关系,而在中部地区,人工智能技术对碳排放发挥持续促进作用。因此,在推进“双碳”目标过程中,需要以绿色低碳发展为目标开发人工智能技术,正确引导人工智能在碳减排领域的研发应用,针对不同区域实际制定差异化发展政策。     

绿色投资、外商投资与二氧化碳排放——基于动态面板系统GMM与门槛效应分析

文章采用2009—2020年中国省级面板数据,运用系统GMM模型与门槛模型,从静态与动态角度分析绿色投资与碳排放之间的关系,得到如下结论：绿色投资对碳排放的影响具有非线性关系,呈现出倒“U”型曲线关系,即绿色投资对碳排放从促进作用转为抑制作用;碳排放具有连续动态性,前期碳排放总量会对当期碳排放产生影响;绿色投资对碳排放的作用存在外商投资的门槛效应,在高水平外商投资情况下,绿色投资对碳排放的作用表现为抑制。     

我国建成区绿化覆盖率与城镇化率的关系研究

城市绿地建设是城镇化建设的关键环节,且受到城镇化进程的重要影响,揭示城镇化水平与城市绿地建设水平的内在关系具有重要意义。文章选择建成区绿化覆盖率、人口城镇化率分别表征城市绿地建设水平和城镇化水平,从理论假说、实证检验两方面探讨我国建成区绿化覆盖率与城镇化率的关系。研究表明:(1)建成区绿化覆盖率与城镇化率间存在倒"U"型曲线关系,即城镇化率提升对建成区绿化覆盖率增长的拉动力度呈现先逐渐增强到峰值后逐渐下降的基本规律。(2)现阶段我国建成区绿化覆盖率与城镇化率关系正处于倒"U"型曲线的左半部分,拉动力度随着城镇化率的提升而不断增强,预测当城镇化率达65%左右,其对建成区绿化覆盖率的影响力度将达到峰值,随后拉动力出现减弱趋势。(3)由于各地区城镇化水平存在非均衡性,城镇化率对建成区绿化覆盖率提升的拉动力度也存在显著差别,中部、西部拉动力度较强,东部拉动力度较弱。     

中国空气污染库兹涅茨曲线的实证研究——基于动态面板系统GMM与门限模型检验

基于对传统环境库兹涅茨曲线的扩展,利用2000~2011年中国省域面板数据构建系统GMM模型与门限模型,研究中国及区域空气污染库兹涅茨曲线的存在性及其影响因素。结果表明,中国存在倒"U"型的空气污染库兹涅茨曲线;东南沿海、"东北—渤海湾"、西部地区曲线为倒"U"型,中南地区为"U"型,"黄淮中下游"地区空气污染与经济增长正相关。能源效率、产业结构、火电发电比例、城市化、人口结构及经济开放等因素会对空气污染产生影响。     

北京碳排放与经济增长间关系的实证研究——基于EKC和STIRPAT模型

利用1981—2010年北京经济增长和碳排放的数据,验证了两者间EKC的存在性。运用碳生率和脱钩指数分析了经济增长与碳排放的短期静态关系和长期动态关系,并利用STIRPAT模型分析了北京碳排放的影响因素。结果表明:北京经济增长与碳排放之间存在倒U型关系,拐点为人均GDP为34423元;研究期间北京碳生产率呈不断上升趋势,年均增长率为6.1%;在1981—2010年期间的绝大部分年份,北京处于弱脱钩状态,脱钩指数与其经济发展阶段比较吻合;经济发展水平对北京碳排放的影响最显著,其次是能源利用效率,能源消费结构的影响较小。     

河南省碳排放的特点及影响因素——基于EKC和VAR模型

以河南省为研究对象,利用1978—2013年的宏观统计数据,首先运用EKC分析了1978—2013年河南省人均碳排放的特点,然后建立VAR模型,通过单位根检验、Johansen协整检验、脉冲响应分析以及方差分解分析等,对能源强度、实际人均GDP和产业结构对人均碳排放的动态冲击效应和影响程度进行了计量分析。结果显示:1978—2013年河南省人均碳排放量的发展曲线大体上并不呈"N"型或倒"U"型,人均碳排放量随着经济增长而增加;河南省的能源强度对其人均碳排放量的影响最大。最后提出建议以促进河南省低碳经济的发展。     

能源碳排放的空间依赖与经济增长——基于广东的空间面板模型分析

利用探索性空间数据,分析了广东省碳排放的空间格局及其空间跃迁状态,并进一步采用空间滞后模型(SLM)和空间误差模型(SEM)分析碳排放与经济增长的关系。结果表明:广东省市域人均碳排放存在显著的空间自相关性,绝大部分城市属于"高——高"和"低——低"类型,碳排放集群格局表现出高度的空间稳定性和路径依赖性。人均碳排放的主导驱动因素是人均GDP,但人均碳排放与人均GDP增长未呈现显著的倒"U"型关系;能源效率、产业结构调整与城市化水平提升对人均碳排放具有显著的削减作用,而对外贸易和技术进步对碳排放的影响在统计上不显著。     

城镇化对碳排放的影响研究——以广东省为例

城镇化在促进工业化、增加碳排放量的同时,也可通过提高资源利用效率降低碳排放量。城镇化与碳排放量的关系十分密切,但并没有明确的促进或抑制作用。为研究二者关系,论文以广东省为例,从产业城镇化、人口城镇化、能源消费结构、土地城镇化、实际使用外商直接投资占比、研究与试验发展占比六个方面研究了其对广东省碳排放量的影响。选取1996—2015年的数据建立模型,并对模型进行相关检验及修正。结果显示,广东省能源消费结构与产业城镇化对碳排放具有显著的正相关关系,其中产业城镇化这一因素影响更大。最后结合实证分析和定性分析,提出相关的政策建议。     

中国城市化对碳排放的影响关系研究

本文利用时间序列数据(1953—2012年)探讨了中国城市化对碳排放的动态影响关系,同时利用省级面板数据(1995—2011年)考察了中国城市化对碳排放影响的地区差异。结果表明:中国城市化对碳排放有显著正向影响,但并不是中国碳排放增长的最主要原因;长期内城市化有助于抑制碳排放,短期内过快的城市化将加剧碳排放;东部地区城市化是碳排放增长的主要原因,城市化与碳排放之间存在U型非线性关系;中部地区城市化不是碳排放增长的主要原因,城市化与碳排放之间存在倒U型库茨涅茨曲线关系;西部地区城市化有利于碳减排,城市化与碳排放之间存在倒U型库茨涅茨曲线关系;各地区应采取相应的政策措施。     

中国碳排放影响因素分析——基于面板数据STIRPAT-Alasso模型实证研究

依据环境经济学理论,运用扩展STIRPAT模型,采用中国2005—2011年29个省份的数据,从人口、财富程度、技术水平、对外开放程度、金融发展水平、创新能力6个维度遴选尽可能多的社会经济变量,探究影响中国碳排放的主要因素。在变换原始数据去除个体异质性后,利用自适应套索方法进行显著变量选取和系数估计,得到一个较岭和偏最小二乘回归更简约有效的模型。结果表明:人均GDP、城市化水平、第二产业比重对碳排放有显著驱动作用,而外商直接投资、创新水平对碳排放产生抑制作用;在样本期内碳排放与人均GDP之间呈单调递增形态,不支持倒"U"型环境库兹涅茨曲线假说;碳排放与金融发展之间呈倒"U"型曲线关系。最后根据研究结果提出了一些政策建议,以期为政府减排提供决策依据和参考。     

产业集聚对碳排放的影响研究——以城镇化水平为门槛的非线性分析

论文应用汉森的门槛模型,借助我国2006—2016年省域面板数据,以城镇化水平为门槛变量,分别验证生产性服务业、制造业和二者协同产业不同产业集聚对碳排放的门槛效应。结果表明:(1)生产性服务业和制造业产业集聚均对碳排放存在双门槛效应,随着城镇化水平的提升,生产性服务业对碳排放的负相关关系表现为强—弱—强的特征,而制造业产业集聚与碳排放呈现倒"U"型的非线性关系;(2)生产性服务业与制造业协同产业集聚对碳排放具有单门槛效应,二者协同产业集聚对碳排放初期具有正相关关系,但随着城镇化水平的提高,正相关关系逐渐减弱。最后从构建经济—绿色—低碳城市、推行新型城镇化模式和发挥产业集聚碳减排效用三方面提出几条碳减排措施。