福建省碳排放达峰驱动因素及达峰路径研究

碳排放急剧增加使温室效应持续加强，研究碳排放峰值及达成时间对实现碳达峰具有重要意义。采用改进Kaya模型、LMDI指数分解法探讨福建省碳排放影响因素，构建STIRPAT模型并运用组合情境分析法模拟未来福建省碳排放。结果表明，能源消费总量呈现不断递增趋势，即2003年4 062.6万吨标准煤增加到2020年13 905.19万吨标准煤，平均增长率为7.99%；能源消耗强度因素、经济发展因素与人口因素对CO2排放为正向影响，能源强度因素为负向影响，影响强度大小依次为经济效应、能源强度效应、人口效应、排放强度；在人口规模、能源强度、人均GDP、城镇化率、第二产业占比发展模式为低-低-中-低-低、低-低-中-低-中、低-低-中-中-中时出现峰值，分别在2040年、2025年和2030年出现峰值，峰值排放量分别为7300.07万吨、6888.94万吨、6999.47万吨。为此，提出资源利用、低碳产业体系和人口规模等方面建议，旨在识别碳峰影响因素以及探讨最优达峰路径。     

国家级城市群建筑业碳排放量及其分解效应的空间分异

本文基于2009年—2019年面板数据,采用碳排放系数法测算四大国家级城市群的碳排放总量及化石能源、二次能源和建筑材料碳排放量。结果显示：四大国家级城市群碳排放总量空间差异显著,长三角城市群峰值是2011年的9.67亿吨,关中平原城市群则是2019年的0.88亿吨。基于能源碳排放量的测算结果,进一步采用LMDI模型将其影响因素分解为碳排放系数、能源强度、能源结构、建筑业经济水平及人口规模等五大效应并分别进行测算。研究发现碳排放系数对能源碳排放量的影响作用最小,建筑业经济水平有明显的促进作用,而能源结构则有明显的抑制作用。今后可从推广新型建筑材料使用、优化建筑业能源结构及推广建筑业低碳节能技术等方面推进建筑业减碳。     

“双碳”目标下中国碳达峰预测和减排路径研究

探究“双碳”目标下中国碳达峰预测和减排路径具有重要现实意义。基于系统动力学模型和对数平均迪式指数法(LMDI)研究发现,中国碳排放量呈倒“U”形曲线,将在2035年实现碳达峰。碳排放影响因素中经济发展对中国碳排放的贡献率最大,其次是技术创新、产业结构、人口规模和能源结构。碳减排路径中,技术创新是实现碳减排承诺的关键路径,经济增长放缓将推迟中国碳排放峰值的到来。针对减排路径结果,从技术创新、经济质量、能源结构、产业结构、人口规模等方面提出针对性建议,以加速中国碳达峰进程。     

济南市人口城市化趋势分析与研究

人口城市化趋势的预测,对于一个地区的发展具有十分重要的指导意义,而Logistic模型也是在人口城市化水平预测中最常用的模型。本文将Logistic模型进行修正并用以预测了济南市人口城市化水平的趋势,并根据预测结果对济南市人口城市化水平进行阶段性分析和影响因素分析。分析结果表明,济南市人口城市化发展速度较高,主要与农村劳动力的流动、农业生产率的提高、经济因素等有关。     

上海市能源消费碳排放预测分析

本文以上海市为研究对象,探讨上海市能源消费碳排放的影响因素及对其未来发展趋势进行预测分析,为上海市碳减排工作寻求最佳路径、实现碳达峰与碳中和目标提供参有效参考依据。根据上海市的能源消费数据,运用IPCC法计算出上海市2000—2020年的能源消费碳排放量;采用Lasso方法从12个指标中选择出5个与因变量密切相关的指标,进而基于支持向量机预测模型进行仿真模拟。最后,运用情景分析法结合SVR模型,分析上海市未来十年的碳排放趋势并结合全文分析提出切实有效的节能减排建议。     

人口因素与碳排放增长率的关系研究——以广东省为例

本文采用广东省1995～2010年的数据,对IPAT模型的人口、经济变量进行推导分解,运用协整、格兰杰检验和多元回归模型来考察碳排放量增长率与人口增长率、农村居民年人均收入增长率、城镇居民年人均收入增长率、城市化增长率之间的关系。结果表明人口增长率与城镇居民年人均收入增长率对碳排放增长率有正向影响,其中城镇居民年人均收入增长率对碳排放增长率的影响最大,而农村居民年人均收入增长率和城市化增长率对碳排放增长率影响并不显著。     

基于STIRPAT模型的甘肃省能源消费碳排放影响因素分析

依据甘肃省1995—2012年的统计数据,在估算能源消费碳排放量的基础上,运用STIRPAT模型分析了人口数量、老龄化率、城市化率等人口因素,人均GDP、居民消费水平等经济因素和能耗强度与产业结构等技术因素对能源消费碳排放的影响,结果表明:(1)甘肃省能源消费的碳排放量呈波动上升态势;(2)人口城市化对能源消费碳排放的影响最为显著;(3)居民消费水平的提高是甘肃省能源消费碳排放的第二大驱动因素;(4)产业结构是影响甘肃省能源消费碳排放的第三大因素;(5)能耗强度尽管对碳排放具有一定的抑制作用,但效果并不显著。     

基于扩展的STIRPAT模型的新疆碳排放量的影响因素研究

基于扩展的STIRPAT模型,采用新疆1990~2010年统计数据,对新疆碳排放量的主要影响因素进行了实证研究。研究表明,当新疆人均GDP、能源强度、单位能耗碳排放量、人口规模每提高1%时,碳排放总量增长率将分别增长1.938%、1.233%、0.346%、0.329%。当新疆人均GDP、能源强度、单位能耗碳排放量每提高1%时,人均碳排放量增长率将分别增长2.742%、1.713%、0.477%。     

经济发展方式转变是否降低了中国的碳排放强度——基于IO-SDA模型的分析

传统的粗放型经济发展方式在给我国带来持续经济增长的同时,也使中国面临日益严峻的环境污染问题。基于1992-2012年中国进口（非竞争型）可比价投入产出表,从经济发展方式的三大内涵出发,运用IO-SDA模型构建全面反映经济发展方式的9个变量,对经济发展方式各构成因素的变化对碳排放强度变化的影响效应进行实证检验,结果表明,研究期内经济发展方式的变化显著降低了中国的碳排放强度,主要原因在于能源强度的降低,其次为能源结构的变化及二、三产业内部结构的优化,但中间投入结构、最终需求结构、制造业结构、三次产业结构、进口率等因素的变化均不利于中国碳排放强度的降低。在此基础上有针对性地提出进一步转变经济发展方式以实现碳减排目标的政策建议。     

低碳经济下装备制造业的碳排放研究

本文通过区位商分析装备制造业的分布情况,再通过碳排放模型测算装备制造业的碳排放情况,得出2001²010年装备制造业能源消耗总量和碳排放总量呈现增长趋势。但是,从20012010年装备制造业能源消耗总量和碳排放总量呈现增长趋势。但是,从2001²010年,我国装备制造业的单位GDP碳排放量呈现下降趋势,从2001年的14.4克/元到2010年的5.6克/元,单位GDP碳排放量下降了60%,表明我国装备制造业在发展低碳经济方面取得了一定的成绩。最后,本文在产业本身及产业转移方面提出政策建议。     

经济发展视角下产业结构优化对中国碳排放的影响

从经济发展视角探究产业结构优化对碳排放的影响效应,有利于中国经济绿色低碳发展。选取2006—2021年全国30个省份的面板数据,基于STRIPAT模型,运用门槛模型,并将产业结构优化划分成产业结构合理化和高级化两个方面,从经济发展角度对产业结构优化与碳排放的关系进行研究。研究表明,产业结构合理化和高级化均对碳排放有显著的抑制作用;经济发展水平使产业结构优化对碳排放存在单门槛效应,当经济发展水平跨过门槛值时能够增强产业结构合理化对碳排放的抑制作用,但弱化了产业结构高级化对碳减排的作用效果。     

金融驱动因素对碳排放影响的实证分析——基于福建省的数据研究

近些年,如何控制并减少碳排放量已成为中国环境经济政策的重要研讨主题。从2003年提出的福建发展战略新定位——构建海峡西岸经济区以来,福建省在经济发展迅速的同时也带来了能源消费量的不断攀升,由此产生了许多环境问题。为长远发展考虑,要解决高投资、高耗能、高污染排放的粗放型经济发展问题,福建省必须坚持走可持续发展道路。就福建省1997-2017年的碳排放量和金融对碳减排的驱动影响进行实证分析,并对如何减少碳排放提出建议。     

区域异质性视角下的碳排放、经济增长与产业结构——基于PVAR模型的实证研究

选取1995—2019年中国省域面板数据,构建PVAR模型,探究东中西三大区域碳排放、经济增长与产业结构的互动影响。研究结果表明：从全国层面来看,经济增长带动产业结构高级化发展,并与碳排放之间存在长期动态耦合关系,且需长期看待产业结构带来的碳减排作用;从区域异质性来看,东中部地区基本实现变量间协调发展,西部地区碳排放对经济增长更依赖,但三者间并没有形成良好的互动机制。最后依据研究结果,对各区域低碳协调发展提出政策建议。     

Accounting and determinants analysis of China's provincial total factor productivity considering carbon emissions

One of the most undesirable output of China's rapid economic growth has been increasing carbon emissions. This study measures and analyzes the impact of carbon emissions on China's regional total factor productivity from 2000 to 2017. Using global Malmquist-Luenberger productivity indexes, we re-estimate the provincial total factor productivity taking carbon emission into account, comparing different assumptions of returns to scale and considering the rank reverse issue. The differences of technical progress and efficiency change across Chinese regional economies are also investigated and we found that the former was the primary contributor to improved Chinese provincial productivity performance. In addition, we analyze the influencing factors of productivity based on provincial panel data. Our results indicate that innovation capacity, energy and employment structure had significant impact on the provincial productivities while urbanization had a negative impact. A more sustainable development can be expected by expanding regional investment in R&D, adjusting and optimizing structures of regional industries and energies.     

Economic development and carbon dioxide emissions in China: Provincial panel data analysis

This paper investigates the driving forces, emission trends and reduction potential of China's carbon dioxide (CO₂) emissions based on a provincial panel data set covering the years 1995 to 2009. A series of static and dynamic panel data models are estimated, and then an optimal forecasting model selected by out-of-sample criteria is used to forecast the emission trend and reduction potential up to 2020. The estimation results show that economic development, technology progress and industry structure are the most important factors affecting China's CO₂ emissions, while the impacts of energy consumption structure, trade openness and urbanization level are negligible. The inverted U-shaped relationship between per capita CO₂ emissions and economic development level is not strongly supported by the estimation results. The impact of capital adjustment speed is significant. Scenario simulations further show that per capita and aggregate CO₂ emissions of China will increase continuously up to 2020 under any of the three scenarios developed in this study, but the reduction potential is large.     

中国能源强度的空间异质性及其影响因素研究

伴随着我国经济增长以及产业结构升级,能源强度及其影响因素在空间分布上呈现的特性具有新的变化。选取2015年中国30个省(区、市)的相关数据建立地理加权回归模型,实证研究了能源强度的空间异质性及其影响因素。结果表明:中国省域能源强度存在明显正的空间自相关性,并且在空间上存在明显的集聚特征,西北地区能源强度较高,东南地区能源强度较低;技术进步、经济发展水平、外开放程度与能源强度成负相关关系,对能源强度的降低有促进作用;第二产业比重、第三产业比重、能源价格与能源强度成正相关关系。     

中国旅游交通碳排放强度的时空演变特征

通过“自上而下”的方法,以2012—2020年我国省级面板数据为研究单元测算各省旅游交通碳强度。在此基础上,使用空间自相关理论和时间序列回归分析对我国旅游交通碳排放强度的时空演变特征进行研究。结果表明,研究期内,我国旅游产业经历了2012—2017年蓄势发展、2018—2019年快速发展和之后的新冠肺炎疫情影响3个阶段。其中,旅游产业GDP表现出较好的全局空间自相关性,而旅游交通碳强度的全局莫兰指数显著性较低,但逐步增加,旅游交通碳强度的区域空间聚集对华南地区旅游产业的低碳高效发展起到了较好的影响作用。通过对不同发展阶段影响旅游交通碳强度“低-高”和“高-高”聚集的影响因素进行时间序列回归分析。结果显示：城镇化水平和产业结构是影响聚集区旅游交通碳强度的最重要因素,而随着国内城镇化率不断提升,其降碳边际效应逐步显现;相比之下,产业结构优化正成为降低旅游交通碳强度的重要影响因素,从开始阶段增加碳排放的4.977变为降低碳排放的-2.115,对降低碳排放强度具有重要意义;此外,技术进步对降低旅游交通碳排强度同样具有有益的影响。     

数字金融对碳排放强度的空间效应及影响机制

基于中国2011—2020年省级面板数据，采用双向固定效应模型、中介效应模型、空间计量模型研究数字金融对区域碳排放强度的影响。研究发现：数字金融发展对碳排放强度具有显著的抑制效应，进行内生性处理后结论依然成立；数字金融通过经济发展质量、产业结构升级降低了碳排放强度；空间溢出效应分析表明数字金融对邻近地区碳排放强度具有正向空间溢出效应。因此，各地区之间应保持紧密的合作，不断推进数字金融高质量发展，因地制宜地发展数字金融。