基于STIRPAT及解耦模型的河北省碳排放影响因素分析

doi:10.12068/j.issn.1005-3026.2017.02.030

东北大学学报:自然科学版 ›› 2017, Vol. 38 ›› Issue (2): 300-304.DOI: 10.12068/j.issn.1005-3026.2017.02.030

• 管理科学 • 上一篇

基于STIRPAT及解耦模型的河北省碳排放影响因素分析

杨沫，陈凯

(东北大学工商管理学院，辽宁沈阳110169)

收稿日期:2016-07-15 修回日期:2016-07-15 出版日期:2017-02-15 发布日期:2017-03-03
通讯作者: 杨沫
作者简介:杨沫(1983-)，女，河北秦皇岛人，东北大学博士研究生；陈凯(1961-)，男，山西浑源人，东北大学教授，博士生导师.
基金资助:
国家社会科学基金重大资助项目(15ZDC034).

Influencing Factors of Carbon Emissions in Hebei Province Based on the STIRPAT and Decoupling Models

YANG Mo， CHEN Kai

School of Business Administration， Northeastern University， Shenyang 110169， China.

Received:2016-07-15 Revised:2016-07-15 Online:2017-02-15 Published:2017-03-03
Contact: YANG Mo
About author:-
Supported by:
-

摘要/Abstract

摘要： 运用解耦模型分析了2007年—2014年河北省的解耦状态:从增长性耦合到弱解耦，在波动中实现了强解耦.运用STIRPAT模型分析河北省碳排放影响因素，利用灰色模型GM(1，1)预测河北省2015年—2022年碳排放量，结果显示:产业结构对河北省碳排放影响最大;煤炭消费量、人均GDP、城镇人口占比、人口数对河北省碳排放量有促进作用，能源价格和研究与发展经费支出对河北省碳排放量的影响系数较小;能源结构、能源强度对河北省碳排放量有一定的抑制作用.GM(1，1)模型预测结果显示:应当重视河北省碳排放量的发展趋势，正视低碳发展的压力，通过调整各影响因素实现河北省低碳经济.

关键词: STIRPAT模型, 解耦模型, 碳排放, 影响因素, 因子分析, GM(1, 1)

Abstract: The decoupling state of Hebei Province from 2007 to 2014 was analyzed by using the decoupling model， and the results showed that the decoupling state has changed from the growing coupling to the weak decoupling， which finally realizes the strong decoupling in volatility. The influencing factors of carbon emission in Hebei Province were analyzed by using the STIRPAT model， and the carbon emission of 2015-2022 in Hebei Province was predicted by using the grey model GM (1， 1). The results showed: industrial structure has the biggest influence on carbon emission; coal consumption， per capita GDP， urban population proportion and overall population have promoting effect on carbon emission， while energy price and expenditure on R&D have a small influence coefficient on carbon emission; and energy structure and energy intensity have a certain inhibitory effect on carbon emission. The prediction results from the GM (1， 1) model showed that Hebei Province should pay greater attention to the development trend of carbon emission， face the pressure of low carbon development， and achieve low carbon economy in Hebei Province by adjusting all the influencing factors.

Key words: STIRPAT model, decoupling model, carbon emission, influencing factor, factor analysis, GM (1, 1)

中图分类号:

F062.1

杨沫，陈凯. 基于STIRPAT及解耦模型的河北省碳排放影响因素分析[J]. 东北大学学报:自然科学版, 2017, 38(2): 300-304.

YANG Mo， CHEN Kai. Influencing Factors of Carbon Emissions in Hebei Province Based on the STIRPAT and Decoupling Models[J]. Journal of Northeastern University Natural Science, 2017, 38(2): 300-304.

参考文献

[1]宋晓辉，张裕芬，汪艺梅，等.基于IPAT扩展模型分析人口因素对碳排放的影响［J］.环境科学研究，2012，25(1):109-115.(Song Xiao-hui，Zhang Yu-fen，Wang Yi-mei，et al.Analysis of impacts of demographic factors on carbon emissions based on the IPAT model［J］. Research of Environmental Sciences，2012，25(1):109-115.)
[2]王永刚，王旭，孙长虹，等.IPAT及其扩展模型的应用研究进展［J］.应用生态学报，2015，26(3):949-957.(Wang Yong-gang，Wang Xu，Sun Chang-hong，et al.Research progress on the application of IPAT model and its variants［J］. Chinese Journal of Applied Ecology，2015，26(3):949-957.)
[3]York R，Rosa E A，Dietz T.STIRPAT，IPAT and impact:analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economics，2003，46(3):351-365.
[4]Waggoner P E，Ausubel J H.A framework for sustainability science:a renovated IPAT identity［J］.Proceedings of the National Academy of Sciences，2002，99(12):7860-7885.
[5]陈操操，刘春兰，汪浩，等.北京市能源消费碳足迹影响因素分析——基于STIRPAT模型和偏小二乘模型［J］.中国环境科学，2014，36(6):1622-1632.(Chen Cao-cao，Liu Chun-lan，Wang Hao，et al.Examining the impact factors of energy consumption related carbon footprints using the STIRPAT model and PLS model in Beijing［J］.China Environmental Science，2014，36(6):1622-1632.)
[6]Shi A.The impact of population pressure on global carbon dioxide emissions，1975-1996:evidence from pooled cross-country data［J］.Ecological Economics，2003，44(1):24-42.
[7]Shahbaz M，Loganathan N，Sbia R，et al.The effect of urbanization，affluence and trade openness on energy consumption:a time series analysis in Malaysia［J］.Renewable and Sustainable Energy Reviews，2015，47(11):683-693.
[8]Kaya Y.Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios［R］.Paris:IPCC Energy and Industry Subgroup，Response Strategies Working Group，1990.
[9]Duro J A，Padilla E.International inequalities in per capita CO₂ emissions:a decomposition methodology by Kaya factors ［J］.Energy Economics，2006，28(2):170-187.
[10]林伯强，刘希颖.中国城市化阶段的碳排放:影响因素和减排策略［J］.经济研究，2010(8):66-78.(Lin Bo-qiang，Liu Xi-ying.China’s carbon dioxide emissions under the urbanization process:influence factors and abatement policies［J］.Economic Research Journal，2010(8):66-78.)
[11]Kraft J，Kraft A.On the relationship between energy and GNP［J］.Journal of Energy and Development，1978，3:401-403.
[12]Yu E S H，Choi J Y.The causal relationship between electricity and GNP:an international comparison ［J］.Journal of Energy and Development，1985，10:249-272.
[13]Glasure Y U，Lee A R.Cointegration，error-correction，and the relationship between GDP and electricity:the case of South Korea and Singapore［J］.Resource and Electricity Economics，1997，20(1):17-25.
[14]Soytas U，Sari R.Energy consumption and GDP:causality relationship in G-7 countries and emerging markets［J］.Energy Economics，2003，25(1):33-37.

[1]	潘雄锋，王梦洋. 中国省际技术转移的空间规模结构与影响因素[J]. 东北大学学报（自然科学版）, 2023, 44(4): 599-608.
[2]	彭文，辛洪伞，李旭东，孙杰. 基于因子分析的板带热轧产品质量缺陷诊断[J]. 东北大学学报（自然科学版）, 2022, 43(6): 809-814.
[3]	侯卉，殷赟，卜曼曼，何杰. 辽宁省碳排放预测及最优情境选择[J]. 东北大学学报:自然科学版, 2019, 40(8): 1211-1216.
[4]	刘莹，于淼，刘阳. 基于乘客感知的公交车线路服务质量评价模型[J]. 东北大学学报:自然科学版, 2019, 40(5): 750-755.
[5]	梁力，孙爽，李明，李鑫. 基于变权重和D-S证据理论的桥梁安全评估[J]. 东北大学学报:自然科学版, 2019, 40(1): 99-103.
[6]	宫贵臣，韩跃新，刘杰，朱一民. 油酸钠在锡石(211)表面吸附的量子化学研究[J]. 东北大学学报:自然科学版, 2018, 39(5): 684-688.
[7]	边汉亮，刘松玉，蔡国军，储亚. 柴油污染粉质黏土的电阻率特性及影响因素[J]. 东北大学学报:自然科学版, 2017, 38(8): 1177-1182.
[8]	彭振斌，张闯，彭文祥，王继武. GM(1，1)模型背景值构造的不同方法与应用[J]. 东北大学学报:自然科学版, 2017, 38(6): 869-873.
[9]	贾冯睿，王恩刚，赫冀成，董辉. 烧结烟气SO₂浓度分布规律及影响因素分析[J]. 东北大学学报:自然科学版, 2017, 38(5): 661-666.
[10]	马跃，王洪福，孙伟，黄余彬. 数控机床多变量关联热误差组合模型及其实验验证[J]. 东北大学学报:自然科学版, 2017, 38(5): 700-705.
[11]	唐凯，庄新田，卢盼盼，李晓青. 基于联立方程的地价与房价波动关系[J]. 东北大学学报:自然科学版, 2017, 38(4): 598-603.
[12]	郭洪光，刘杨，张永丽. 紫外激活过硫酸钠降解环境雌激素17β-雌二醇分析[J]. 东北大学学报:自然科学版, 2016, 37(6): 880-885.
[13]	佟昕，李学森，佟琳，陈凯. 中国碳排放空间格局的时空演化——基于动态演化及空间集聚的视域[J]. 东北大学学报:自然科学版, 2016, 37(11): 1668-1672.
[14]	佟昕，陈凯，李刚. 中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究[J]. 东北大学学报:自然科学版, 2015, 36(2): 297-300.
[15]	崔宝玉，魏德洲，李明阳，FENGYuqing. 旋流器内空气柱形成及其影响因素的数值模拟[J]. 东北大学学报(自然科学版), 2013, 34(9): 1343-1346.

基于STIRPAT及解耦模型的河北省碳排放影响因素分析

Influencing Factors of Carbon Emissions in Hebei Province Based on the STIRPAT and Decoupling Models

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价