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。     

基于STIRPAT模型的西安市碳足迹预测和情景分析

基于STIRPAT模型,构建西安市碳足迹的预测模型。通过岭回归分析后发现,人口规模、人均GDP、单位GDP二氧化碳排放量和第二产业占比每变化1%,西安市碳足迹量将发生0.536%、0.21%、0.44%和0.457%的变化。人口规模、人均GDP是西安市碳足迹的驱动因素,碳足迹强度下降和第二产业占比下降对西安市碳足迹的抑制作用不明显。设置发展情景,测算西安市2020—2030年的碳足迹量。结果表明,保持人口和经济适度增长,降低碳足迹强度和优化产业结构,可以控制西安市碳足迹量过快增长。根据西安市碳足迹趋势的情景分析,提出发展政策建议。     

对外贸易和经济增长与碳排放关系研究——基于天津市实证分析

通过实证分析的方法研究1995~2011年的天津市对外贸易和经济增长与碳排放三者之间的关系。研究结论显示:对外贸易依存度和碳排放存在明显的正相关关系,天津市对外贸易依存度每增加1%,碳排放要增加0.25%。从而验证了"污染天堂假说",天津市也是属于"转移碳排放"的城市之一。天津市不存在对碳排放的环境库兹涅茨曲线,也就是说碳排放和人均GDP之间不存在倒U型曲线,而是U型曲线。人均GDP的拐点是在1997年,1997年之后随着天津市人均GDP的增加,人均碳排放一直在增加。     

基于ARDL模型的吉林省碳排放影响因素实证研究

利用吉林省1978—2016年的样本数据,运用自回归分布滞后模型(ARDL)对吉林省人均碳排放量、能源消费强度、人均国民收入、工业化水平之间的动态关系进行了计量研究。ARDL模型估计结果表明吉林省人均碳排放量与各个影响因素之间存在长期均衡关系和短期反向调整机制。能源消费强度和人均国民收入对碳排放解释力度最大,其次是工业化水平。最后,在实证研究的基础上提出相应的对策建议。     

中国人均能源碳排放因素分解及减排途径分析

以1981-2008年中国一次能源消费总量、人口数和GDP数据为基础,通过实证分析经济发展、能源强度和能源结构对这一时期人均碳排放的贡献发现:经济发展拉动了人均能源碳排放的增长,能源强度的降低抑制了人均能源碳排放的增长,能源结构的变化在研究期内先对人均能源碳排放起促进作用,然后起抑制作用,其拐点出现在1997年,但研究期内贡献不显著.近年来,能源结构的贡献却有逐步增强的趋势.     

中国经济发展指标和碳排放 指标的统一性分析

本文对我国经济发展指标和碳排放约束指标进行统一性分析检验,在扩展的新古典经济增长模型中引入碳排放约束因素,研究1978—2010年经济发展和碳排放间的数量关系,并得到了实现2020年经济发展指标的最大碳排放量。本文研究发现,经济发展指标和碳排放约束指标具有统一性,即2020年完成人均GDP发展指标的情况下能够实现碳排放约束指标,同样在完成碳排放约束指标情况下也能实现人均GDP发展指标。     

西北五省区交通碳排放现状及影响因素研究

论文利用1995—2016年西北五省区交通能源消耗数据,对其碳排放量进行了测算,从碳排放总量、人均碳排放量、能源碳排放结构以及能源强度分析了五省区交通碳排放的现状。基于改进的STIRPAT模型,利用岭回归,探讨了客货运周转量、人均GDP、能源强度、城镇化率、私家车保有量对五省区交通碳排放的影响。结果表明:五省区交通碳排放量与人均碳排放量总体呈波动上升趋势,2000年后,上升趋势更显著;石油使用始终是西北地区交通碳排放的主要来源;能源强度从大到小为:宁夏、青海、甘肃、陕西、新疆;岭回归分析显示,除甘肃省外,西北地区影响因素贡献度均为:能源强度人均GDP城镇化率私家车保有量客货运周转量,而对甘肃交通碳排放贡献度最大的则是人均GDP。     

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。     

金融深化对中国碳排放有影响吗?

估算了中国1998~2012年30个省份的CO_2排放量,利用全国30个省份多个指标数据,考察了金融深化和CO_2排放量之间的关系。建立静态模型和动态面板模型,首先以人均GDP和金融深化指标为解释变量考察金融深化对中国碳排放的影响,然后在模型中加入城市化水平等控制变量,采用滞后期工具变量来控制有关变量的内生性,最后运用GMM方法研究了金融深化、经济增长对我国碳排放的影响。研究结果发现:金融深化与中国CO_2排放量呈显著的负相关关系,进而证实了中国存在环境库兹涅茨曲线(EKC)假说。城市化水平、产业结构、一次能源消费结构对碳排放的影响成显著正相关,研发强度与对外开放度对我国碳排放成负相关关系。最后从长远来看,金融深化有利于我国节能减排以及我国低碳进程的发展。     

低碳经济发展的驱动因素研究——以浙江省为例

本文从人口规模、经济发展水平、能源强度、单位能耗碳排放量、能源消费结构、产业结构、城市化、国际贸易分工等方面探讨了低碳经济发展的主要驱动因素,对STIRPAT模型进行了扩展,利用1990~2008年浙江省的统计数据,对低碳经济发展的驱动因素及其贡献率进行了实证研究。研究结果表明:人均GDP、能源强度、人口规模、单位能耗碳排放量和能源消费结构对碳排放总量有显著正向影响,其中人均实际GDP的影响最大,能源强度的影响较大,人口规模和单位能耗碳排放量的影响较小,能源消费结构的影响最小,而产业结构、城市化水平、国际贸易分工对碳排放总量的影响不显著;人均实际GDP持续增长是碳排放增长的最大正向驱动因素,对碳排放增长的贡献率最大,能源强度变动是碳排放增长的最大负向驱动因素,能源强度变动对碳排放增长具有一定的抑制作用。     

山东省能源消费碳排放预测

基于《IPCC国家温室气体清单指南》估算了17种能源的碳排放系数,测算了1995—2009年山东省的能源消费碳排放量。选取人口、城镇化率、人均GDP、工业GDP比例、能源消耗强度作为山东省碳排放的影响因素,分别应用偏最小二乘回归和岭回归构建了预测山东省能源消费碳排放的STIRPAT模型。通过对比基于两种回归所得模型的拟合效果,最终选择岭回归模型预测了2010—2015年山东省能源消费碳排放量。最后提出了山东省碳减排的相关对策。     

1999～2008年青海省碳足迹动态变化研究

青海省属于经济欠发达地区且生态环境脆弱、敏感,利用改进的碳排放量估算法对以"生态立省"的青海进行碳足迹定量评估,研究结果显示,从1999～2008年青海省人均碳足迹呈逐渐增大趋势且在2007年以后趋于稳定.青海省碳足迹动态研究有助于深入了解人口、能源强度、能源结构等因素对CO,排放量的贡献,从而采取有效措施提出相应对策,以确保青海省经济的绿色增长,生态环境的可持续发展.     

我国中部六省碳排放量影响因素分解分析

估算了1995—2009年期间我国中部六省的碳排放总量、人均碳排放量,从产业、能源消费结构、城乡消费结构的角度,对碳排放结构进行了分析。利用LMDI分解方法将碳排放量的影响因素分解为经济规模、产业结构、能源强度、能源结构以及碳排放系数,分析其具体影响,并进行省际比较。结果表明:1995—2009年期间中部六省的碳排放总量和人均碳排放量均呈增长趋势,且各省的差距较大;从产业结构和能源结构的碳排放情况看,各省的碳排放均来自第二产业和燃煤;经济规模的扩张是碳排放量增加的最主要因素,能源结构变化和碳排放系数变化对碳排放量变化的抑制作用不明显。     

我国未来人口发展与碳排放变动的模拟分析

构建人口-消费-碳排放系统动力学模型,对本世纪上半叶我国人口发展、经济增长、居民消费及碳排放进行动态仿真,定量考察未来我国人口发展与居民消费对碳排放的影响。在基准情景下,我国人口总数将于2032年达到峰值14.6亿人;一次能源消费总量将于2044年左右达到峰值63.6亿吨标准煤,碳排放总量将于2038年左右达到峰值约31.3亿吨碳;2050年我国人均碳排放量约为2.2吨碳,低于日本、欧洲1980年代以来的最低水平;居民消费碳排放的人均需求约为1.3吨碳,相当于美国居民1990年代后期排放水平的五分之一。从满足人口发展与居民基本生活需求的角度争取合理的碳排放空间,是我国争取国际气候谈判话语权的有力支撑点。     

河南省城乡收入差距的实证分析

选取2003--2012年数据,通过人均可支配收入、人均消费、基尼系数等指标对河南省城乡居民收入差距进行测度,并分析河南省各地区城乡收入差距状况。河南省城乡居民人均收入和人均消费的绝对差距都在持续加大,其相对差距呈缩小趋势;全省收入分配差距较大,城镇内部和农村内部的收入分配相对合理,但农村内部的贫富差距大于城镇。最后,对缩小城乡收入差距提出相关对策与建议。     

中国能源碳足迹与植被碳承载力的对比分析

采用碳足迹方法对2001～2009年中国的能源消费碳足迹、碳承载力和碳赤字作了定量分析。结果表明:中国能源消费碳排放显著增长,能源碳足迹由2001年的1.13Gt上升到2009年的2.21Gt,涨幅高达95.79%;同期碳承载力由1.08Gt增长到1.15Gt,涨幅仅为6.48%;而碳赤字则由0.05Gt提高到1.06Gt,9年间增高了20.24倍。可见由于碳足迹的增长速度远高于碳承载力,致使近来中国碳赤字快速增高,发展节能减排的任务还很艰巨。中国能源消费的碳足迹与美国、德国、印度等国的比较发现,中国能源消费总量碳足迹不容乐观,但人均值远远低于美国和德国等发达国家。     

基于产业结构和能源结构的河南省碳排放分解分析

采用IPCC提出的计算方法,根据1978到2008年能源消费数据,分析了河南省碳排放变化趋势,并根据河南省近年来的产业结构数和能源结构数据分析了其对碳排量的影响。研究表明:河南省碳排放量与GDP和能源消费保持着高相关和消长异步的特性,工业部门是碳排放的主要部门,而高能耗行业排碳量又占到工业的90%;从能源来看,煤炭是碳排放的主体。针对碳排放、产业结构和能源结构的特点,提出了调整产业结构、加快能源结构演进、发展低碳技术、开发新能源等应对策略。     

京津冀能源消费、碳排放与经济增长

运用《2006年IPCC国家温室气体清单指南》中的碳排放核算方法[1],测算2000—2011年京津冀二氧化碳排放量、排放强度、人均排放量和单位面积排放量,从变动趋势、消费结构、相关性和空间分布四个角度分析京津冀的能源消费、碳排放与经济增长。结果表明:京津冀能源消费量和碳排放量在12年间均呈增长趋势;碳排放强度均呈下降趋势;津冀的高排放主要是由以煤炭消费为主的能源结构和以高耗能工业为主的产业结构引起的。碳排放量与能源消费量和经济增长密切相关。在京津冀协同发展背景下,应大力调整产业结构,优化能源结构,建立碳汇合作机制。     

Examining the influencing factors of CO2 emissions at city level via panel quantile regression: evidence from 102 Chinese cities

Ascertaining the influencing factors of carbon dioxide emissions in Chinese cities is an important issue for policy-makers. This paper investigates the effect of several determinants on carbon emissions per capita in Chinese cities. Non-normally distributed and heterogeneous features of carbon emissions per capita in Chinese cities are considerably important. The empirical results demonstrate that GDP per capita has an increasingly positive impact on carbon emissions per capita due to the growth in household consumption. Urbanization has a slightly decreasing positive effect on carbon emissions per capita with a quantile increase resulting from continuous highway construction. Industrialization has a decreasing positive effect with carbon emission per capita quantile increases because of increasing energy efficiency and lower costs related to carbon reductions. The population has a decreasing negative effect on carbon emissions because of people’s increasing demand for environmental safety. The distributions of emissions per capita conditional on the 10th and 90th quantiles of independent variables also vary considerably. Specific policy implications are provided based on these results.