碳排放引起的气候问题成为世界各国关注的焦点.面对严峻的气候问题，中国政府将减排目标作为约束性指标纳入发展规划，计划 “十三·五”期间加强碳排放控制.

Hettige等^{[1, 2, 3]}认为不同国家能源消费、经济关系和环境污染之间的动态关系并不相同；Wang^{[4, 5, 6]}等从产业结构等因素对碳排放分解分析.碳排放预测研究方面，主要采用环境库兹涅兹模型模拟中国碳排放^[7]和Logistic模型预测碳排放峰值等^[8].

目前研究中采用计量经济学方法结合STIRPAT模型研究碳排放问题的并不多，预测结果差异较大.本文构建STIRPAT扩展模型，采用偏最小二乘法分析碳排放影响因素，预测中国碳排放量，提出低碳转型战略.

IPAT模型^[9]：

STIRPAT模型^[10]：

构造STIRPAT模型碳排放计量模型：

EM，U，A，T，S，E，P，ES，EX为碳排放量、城镇化率、经济增长、技术进步、产业结构、能源价格、人口、能源结构和外贸强度；b，c，d，e，f，g，h，i为参数.

利用偏最小二乘回归法分析碳排放影响因素；利用灰色预测模型GM(1,1) 预测中国碳排放量.

碳排放量一般根据国际相关机构发布的数据和通过碳排放系数计算得到.本文采用中国能源年鉴计算碳排量，用EM表示.

本文选择8个影响因素指标，数据来自《中国能源统计年鉴》等(见表 1).

表1

Table 1

表1(Table 1)

表1 碳排放量及影响因素原始数据 Table 1 The raw data of carbon emissions and influencing factors 指标 样本数 平均值 标准差 最大值 最小值 碳排放量/kt 12 1.6254×10 6 5.2466×10 6 2.48×10 6 9.29×10 5 城镇人口比重/% 12 43.7525 4.8794 51.27 36.22 国内生产总值×10 -9/元 12 2.0398×10 5 88811.58 3.63×10 5 98000.50 能源强度×10 -9/（t·元 -1） 12 1.1956 0.1705 1.42 0.91 第二产业比重/% 12 46.4711 0.9525 47.95 44.79 能源价格指数 12 104.9 5.7848 111.40 92.1 人口总数×10 -4 12 130950 2601.01 134735 126743 煤炭消耗比重/% 12 73.1 1.17 74.9 71.5 出口依存度/% 12 27.88 5.56 35.9 20.1

表1 碳排放量及影响因素原始数据 Table 1 The raw data of carbon emissions and influencing factors

模型(3)变量分析显示变量间存在共线性，采用偏最小二乘回归进行拟合方程，主成分分析采用SPSS软件(表 2).

表2

Table 2

表2(Table 2)

表2 主成分分析结果 Table 2 Results of principal component analysis 成分 初始特征值 总计 方差的百分比/ % 方差累计百分比 /% 1 4.875 60.943 60.943 2 1.933 24.167 85.110 3 0.913 11.415 96.525 4 0.142 1.775 98.300 5 0.116 1.456 99.756 6 0.017 0.218 99.974 7 0.002 0.024 99.999 8 0.000 0.001 100.000

表2 主成分分析结果 Table 2 Results of principal component analysis

根据变量累计贡献率大于85 % 的原则，对变量lnU,lnG,lnT,lnS,lnE,lnP,lnES,ln EX,进行分析和筛选后可以从中提取出2个主成分，用FAC₁ 和FAC₂ 表示，采用Eviews6.0将主成分分别作为因变量与原始数据的8个变量作最小二乘回归(见表 3).

表3

Table 3

表3(Table 3)

表3 主成分与8个变量回归结果标题 Table 3 Regression results of principal component and eight variables 参数 参数值 FAC1 FAC2 lna -196.27530 -58.11630 b 1.728393 -1.434486 c 0.434751 -0.382532 d -1.083915 2.092416 e 8.129612 12.53540 f 1.316682 3.922747 g 9.806066 -7.796909 h 6.864982 20.436380 i 0.703493 1.695779

表3 主成分与8个变量回归结果 Table 3 Regression results of principal component and eight variables

采用最小二乘法回归拟合，拟合结果较好(表 4).

表4

Table 4

表4(Table 4)

表4 普通最小二乘回归结果 Table 4 Ordinary least squares regression results 变量 系数 标准误差 概率 常数项 14.2497 0.0152 0.0000 FAC1 0.3324 0.0158 0.0000 FAC2 -0.0690 0.0158 0.0018

表4 普通最小二乘回归结果 Table 4 Ordinary least squares regression results

模型中的相关系数为为0.980756，显示方程拟合很好，lnEM与FAC₁,FAC₂的方程：

将方程(4),(5)代入(6)得到

由方程(7)得到STIRPAT模型：

结论显示：①城镇化率每上升1个百分点，碳排放量就提高0.673363千公吨；②GDP上升1个百分点，碳排放量增加0.170871千公吨；③技术进步提高1个百分点，碳排放量下降0.50453千公吨，证明降低碳排放量，技术进步是关键问题；④产业结构中第二产业增加占全国国内生产总值的比重对碳排放量的影响非常大，第二产业比重增加1 % ，碳排放量就上升1.8376756千公吨；⑤能价格对碳排放量降低起的作用较小，影响系数为0.167144；⑥人口对碳排放量影响较大，人口总量变化一个百分点，碳排放量增加3.79678千公吨；⑦能源消耗结构和外贸强度对碳排放量每个百分点的变化对碳排放量的影响为0.872584和0.116892千公吨.

根据影响中国碳排放量的8个因素，利用2000~2011年碳排放原始数据，得到基于GM（1,1）模 型的碳排放量预测方程（见表 5）,运用Matlab软 件对2012-2020年的碳排放量进行预测，结果见 表 6.模型的后验差检验结果：小误差概率为1,均 方差比值为0.0470,预测的平均相对误差为 0.029867,精度为二级，证明预测具有较高的精 度，预测有效。

表5

Table 5

表5(Table 5)

表5 预测方程及a,u值 Table 5 Prediction equation and a,u value GM(1，1)模型 预测方程 a值 u值 -0.087192 928670

表5 预测方程及a,u值 Table 5 Prediction equation and a,u value

表6

Table 6

表6(Table 6)

表6 2012-2020年碳排放量预测结果 Table 6 Carbon emissions forecast from 2012 to 2020 kt 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年 2752800 3003600 3277200 3575800 3901600 4257000 4644900 5068000 5529800

表6 2012-2020年碳排放量预测结果 Table 6 Carbon emissions forecast from 2012 to 2020

2000-2020年碳排放量的实际值和预测值拟合曲线见图 1.图 1显示，2020年中国的碳排放量将达到5529800kt.应该理性认识我国碳排放的压力，采取积极政策，从根本上解决低碳经济发展中的障碍，实现我国的减排目标。

图 1(Figure 1)

Fig. 1

图1 2000—2020年碳排放量的实际值和预测值拟合曲线 Fig. 1 Fitted lines of actual and predicted carbon emissions values from 2000 to 2020

1) 能源强度对我国碳排放影响系数为0.5045，表明技术进步对降低碳排放具有积极作用，应该加快低碳技术发展，实现我国经济新的增长点.

2) 经济增长、城镇化率、人口对碳排放有促进作用，能源价格对碳排放没有起到理想的控制作用.

3) 中国能源消耗产生的碳排放量趋势表明，中国清洁能源利用率和能源效率有所提高.

4) 第二产业比重总体呈下降趋势，但是作为碳排放的主要影响因素之一，产业结构的调整仍然是未来经济工作的重要内容.

5) 出口依存度2003年为26.7 % ，2006年为35.9 % ，碳排放量相应上升；出口贸易业务仍然以能源密集型的出口产业为主.

6) GM(1,1)模型的预测研究结果证明，总体预测精度较高，预测结果合理.从预测结果可以看出，中国应该理性地看待中国未来碳排放的趋势，通过生态文明建设来推进低碳经济发展.