基于STIRPAT模型的能源消费碳排放的影响因素研究——以长三角地区为例

本文分析了长三角地区1997～2016 年的能源消费总量、二氧化碳排放量和排放强度的变化趋势特征， 基于STIRPAT模型定量分析了该地区能源消费二氧化碳排放量与人口、人均GDP、外商直接投资、技术进步等影响因素之间的关系， 与已有研究不同， 本文技术进步指标的测算同时纳入技术投入和技术产出因素。结果表明， 各影响因素对二氧化碳排放的作用强度存在显著差异， 其中， 影响最大的因素是人口， 每增长1％， 二氧化碳排放量将增加1.914％， 其次分别是人均GDP、外商直接投资、技术进步； 整体技术进步实现的碳排放的减少量小于其带来的增加量， 技术进步水平并未达到使碳排放减少的程度； 人均GDP与二氧化碳排放量关系的研究结果不支持倒“U” 型的库兹涅茨曲线观点。     

基于STIRPAT模型的陕西省工业碳排放分析及预测

工业行业是陕西省碳排放的最主要来源,研究工业行业碳排放的影响因素,预测其碳达峰时间,对陕西省尽快实现“双碳”目标具有重要的现实意义。构建STIRPAT模型,运用岭回归并结合情景分析,预测陕西省工业行业碳达峰时间与峰值。研究结果表明：(1)陕西省工业行业碳达峰时间出现在2030—2040年之间,峰值规模约在19 412.54万～23 472.48万t之间;(2)人口规模是促进陕西省工业行业碳排放的最主要因素,而能源强度对工业碳排放具有显著的抑制作用,通过对人口规模和能源强度的调节,可以为陕西省减少4 059.94万t碳排放量;(3)人口规模、地区生产总值、工业产出对二氧化碳排放产生显著的正向影响,而能源强度对二氧化碳排放产生显著的负向影响。最后根据碳排放预测结果,提出陕西省工业行业碳减排路径,同时也为其他工业大省和工业城市的碳减排提供一定的参考。     

中国能源消费区域差异分解及影响因素分析

分别以人均能源消费和能源消费强度作为能源消费指标,对2000～2011年中国能源消费的区域差异进行结构分解,并且实证研究了不同能源消费水平的影响因素。结果表明：中国能源消费存在明显的区域差异,能源消费强度的区域差异要明显大于人均能源消费的区域差异。三区域（东部、中部、西部）划分标准下,能源消费总体差异主要源于区域内差异。城市化水平、能源消费结构、产业结构、人口规模以及人均收入是造成能源消费水平区域差异的重要因素。     

我国二氧化碳排放绩效的动态变化、区域差异及影响因素

本文利用含有非期望产出的DEA模型构建了可用于研究二氧化碳排放绩效动态变化的Malmquist指数,以此为基础,测度了1996—2007年我国28个省区市二氧化碳的排放绩效,并借助收敛理论和面板数据回归模型分析区域差异及其影响因素。研究发现:样本期间我国二氧化碳排放绩效主要因技术进步而不断提高,平均改善率为3.25%,累计改善为40.86%;四大区域的二氧化碳排放绩效有所差异,东部最高,东北和中部稍低,西部较为落后,但差异性有下降趋势,二氧化碳排放绩效存在收敛性;全国范围内,经济发展水平、产业结构高级化程度、能源强度和所有制结构对二氧化碳排放绩效有显著影响,对外开放的影响则不明显。     

基于LMDI模型的贵州省碳排放影响因素研究

文章以贵州省2001—2021年的碳排放相关数据为研究对象,基于LMDI分解模型,探究贵州省碳排放的影响因素,旨在为贵州省节能减排和碳减目标的实现提供依据。结果表明：(1)贵州省2001—2021年主要能源消费碳排放总量呈现上升趋势,未达到峰值;(2)通过LMDI模型,文章将贵州省碳排放影响因素分解为能源消费结构的变化模块ΔC_e、能源强度的变化模块ΔC_g、经济发展水平的变动模块ΔC_β、人口规模的变动模块ΔC_p和能源消费碳排放系数的变动模块ΔC_α;(3)影响贵州省碳排放的主要因素是起抑制作用的能源强度和促进作用的经济发展水平。最后提出了贵州省实现节能减排和碳减目标的对策建议。     

基于能源消费结构演进的区域节能减排对策探讨

1980～2012年间,全球CO2排放量中约80％来自传统化石能源的燃烧,对于暂居CO2排放和能源消耗之首的中国,来源于化石能源燃烧的CO2排放量比例更是高达90％。扭转能源消费结构调整的被动局面、推进能源消费结构的持续正态演进,既是化解短期内节能减排压力的有效手段,也是长期内实现能源系统清洁化的根本途径之一。本文以全国及河北省为研究对象,通过构建能源消费结构———CO2排放强度关联模型,分析能源消费结构演进同CO2排放强度之间的关联效应,并从能源消费结构演进视角探讨了区域节能减排的路径和可行对策。     

“双碳”背景下我国工业碳达峰预测研究

首先利用物料衡算法中详细燃料分类的估算法对全国工业CO2碳排放量进行了测算,基于LMDI模型,计算了各因素对工业碳排放的影响值和贡献率。结果表明:起正向作用的因素依次为经济发展效应、人口规模效应,其中经济发展效应对工业碳排放增长的促进作用最大,贡献度达到174.91%,人口规模效应贡献度为15.58%;而能源强度对工业碳排放增长的负向作用最大,贡献度为-174.81%,其次是能源消费结构,贡献度为-87.21%。根据LMDI结果,运用STIRPAT模型对我国2020—2035年工业碳排放量进行预测,得出我国工业碳排放量将在2030年达到峰值,峰值为1 088 289.478万t。最后从经济发展、能源消费、技术创新等角度对工业实现碳达峰、碳中和提出建议。     

金融集聚对碳排放的影响研究

基于2004—2017年中国的省级面板数据,运用面板固定效应模型对金融集聚与碳排放的关系进行实证检验,并讨论了经济发展水平、人口密度、技术水平、产业结构、外商直接投资和环境规制对碳排放的影响。结果表明,无论在全国层面还是分区域层面,金融集聚与碳排放之间都呈显著的倒"U"型曲线关系,但东、中、西三大区域金融集聚的临界值各不相同,因此,认为金融集聚对碳排放的影响效应存在区域异质性,提高金融集聚水平有利于我国碳排放的减少。     

我国碳排放增长的驱动因素分解——基于LMDI模型

在引入指标分解和扩展的Kaya恒等式分析框架的基础上,将我国碳排放变化的驱动因素分为人口规模效应、经济发展效应、产业结构效应、技术进步效应以及能源结构效应5个部分。通过测算建立了我国长时间序列碳排放数据(2004—2016年),并从国家级、区域级和省市级3个层面分别探讨了各驱动因素的碳排放变动效应。结果表明,经济发展效应是促进我国碳排放增长最主要的驱动因素;而产业结构效应、技术进步效应是抑制我国碳排放增长的两个驱动因素;人口规模效应促进了我国碳排放的增长,能源结构效应抑制了我国碳排放的增长,但这两个驱动因素的影响力相对较小。此外,利用混合回归模型对上述结果进行了检验,验证了分析的合理性。最后,基于实证结果,提出了针对性的建议用于解决我国的碳排放问题。     

影响中国能源消耗碳排放因素分析——基于LMDI分解模型

为有效应对气候变化,必须明确中国能源消耗造成碳排放的驱动因素,指出制定碳减排政策的关键点。一个国家的碳排放情况由该国的能源结构、能源强度、经济水平、人口规模等多种因素共同作用决定。通过LMDI因素分解模型,对我国2000—2015年碳排放情况进行分析,结果表明:我国能源消费碳排放总量呈增长趋势,其中碳排放正向驱动力是经济效应,其次是人口规模和能源结构效应,负向驱动力是技术效应。最后,根据上述结论对我国低碳经济发展提出了相应的政策与建议。