唐德才+李萌萌+吳梅

文章編號：1001-148X（2014）05-0026-06

摘要：本文以2000-2011年江蘇省能源消耗數(shù)據(jù)及經濟發(fā)展相關數(shù)據(jù)為基礎，對江蘇省碳排放進行了時空差異分析，并基于STRIPAT模型對影響碳排放的因素進行了實證檢驗，結果表明：無論是江蘇省整體還是各省轄市，碳排放均呈上升趨勢，但碳排放強度呈現(xiàn)出逐年下降的趨勢；人口數(shù)量、第二產業(yè)比重、碳排放強度和人均財富是影響江蘇省碳排放的主要因子。

關鍵詞：碳排放；時空差異；STRIPAT模型；驅動因子

中圖分類號：F427文獻標識碼：A

收稿日期：2013-11-14

作者簡介：唐德才（1966-），男，江蘇射陽人，南京信息工程大學經濟管理學院教授，博士生導師，管理學博士，研究方向：產業(yè)經濟、氣候變化與公共氣象；李萌萌（1989-），女，江蘇徐州人，南京信息工程大學經濟管理學院研究生，研究方向：氣象經濟學、氣候變化與公共政策；吳梅（1990-），女，江蘇蘇州人，南京信息工程大學經濟管理學院研究生，研究方向：氣候變化與公共政策。

基金項目：2010年度江蘇高校哲學社會學科重點研究基地重大項目“氣候變化與公共政策研究院”，項目編號：S7910006001；行業(yè)（氣象）科研專項課題“城市規(guī)劃及氣候條件對城市經濟的影響”，項目編號：GYHY201106032-03。哥本哈根氣候大會上，我國政府提出到2020年單位GDP二氧化碳比2005年下降40%-50%，并將其作為約束性指標納入國民經濟和社會的長期規(guī)劃。江蘇作為中國經濟大省，提出到2015年CO2排放量比“十一五”降低18%以上的減排目標，這無疑是對正處在快速工業(yè)化進程中的江蘇省施加了一個限制性約束。如何控制和減少碳排放已成為一項日益緊迫的大課題。

碳排放水平是由一個國家或地區(qū)的技術水平、富裕程度、能源結構、經濟結構、人口結構等因素共同決定的［1］，因此本文擬在對2000-2011年江蘇省13個省轄市碳排放時空差異分析的基礎上，探討人口、人均財富、碳排放強度等對江蘇省碳排放量的影響，試圖獲得一些規(guī)律性的知識，為江蘇省低碳城市建設和產業(yè)結構調整提供參考。

一、數(shù)據(jù)來源與研究方法

（一）數(shù)據(jù)來源

南京、蘇州、無錫等13個省轄市的人口和GDP數(shù)據(jù)來源于《江蘇統(tǒng)計年鑒》（2001-2012），產業(yè)比重數(shù)據(jù)來源于長三角年鑒、中國城市統(tǒng)計年鑒，能源消耗數(shù)據(jù)來源于13個省轄市2001-2012年統(tǒng)計年鑒。對統(tǒng)計年鑒中個別值有缺失的，本文取上下年數(shù)值之和的平均值；連云港由于能源消耗數(shù)據(jù)的缺失，本文暫未考慮。此外，文中涉及到的價格財富數(shù)據(jù)如GDP、人均GDP均以1978年為基期，按居民消費價格定基指數(shù)作價格平減處理。

（二）研究方法

1.碳排放的測算方法

目前，我國仍沒有碳排放總量的直接檢測數(shù)據(jù)，大多學者采用對能源消耗量、能源碳排放系數(shù)估算的方式對碳排放進行研究。IPCC作為國際權威的溫室氣體排放研究機構，提供了計算國家溫室氣體排放清單指南。本文在該指南提出的計算方法基礎上，結合江蘇省各市能源消費的特征選取原煤、原油、天然氣等9種能源消費產生的碳排放量進行測算，其計算公式如下：

C=∑iEi×Fi×Ki（1）

其中，C為碳排放總量; Ei為第i類化石能源的消費量；Fi為第i類化石能源對標準煤的折算系數(shù)；Ki為第i類化石能源的碳排放系數(shù)，能源不同，K值也不同［2］。在國家層面，K值因不同國家的技術條件和能源結構而有所差異。英國、美國、日本等發(fā)達國家能源結構合理且利用效率高，其K值偏低，而中國由于能源結構不合理，其碳排放系數(shù)偏高。綜合國內相關學者的研究成果，本文設定的中國碳K值約等于0785。江蘇12個省轄市中不同能源使用后的CO2排放量根據(jù)《中國能源統(tǒng)計年鑒2012》中公布的能源折標煤轉換系數(shù)計算得到（見表1）?？偟?45期唐德才：江蘇省碳排放時空差異及驅動因子分析????商 業(yè) 研 究2014/05

表1一次能源的折標準煤系數(shù)、碳排放系數(shù)能源種類原煤洗精煤焦炭天然氣原油汽油柴油燃料油電力折標準煤系數(shù)0.71430.90.971413.31.42861.47141.45711.42861.229碳排放系數(shù)0.75590.75590.8550.44830.58570.55380.59210.61860資料來源：廈門節(jié)能公共服務網http://xmecc.xmsme.gov.cn/2006-10/2006101194039.htm；2006 IPCC guidelines for national greenhouse gas inventories:volume Ⅱ 。

圖1江蘇省歷年碳排放量（單位：萬噸）

2.STRIPAT模型的構建

York在經典IPAT等式（I=PAT）基礎上，提出了隨機回歸模型，即STRIPAT模型，具體模型方式為：I=aPbAcTde［3］。其中，I、P、A、T分別為環(huán)境壓力、人口數(shù)量、富裕程度和技術水平；a是模型的系數(shù)，b、c、d 分別是人口數(shù)量、富裕度、技術等人文驅動力的指數(shù)，e為模型誤差。STRIPAT模型是定量分析人文因素對環(huán)境壓力的一種有效方法，指數(shù)的引入使得該模型可用于分析各驅動要素對環(huán)境壓力的非比例影響。借鑒STRIPAT多變量的非線性模型，本文構建的能源消費碳排放與其驅動因子關系的計量模型為：

I=k×Pa×Ab×Tc×SId×e（2）

兩邊取對數(shù)，可得：

ln(I)=lnk+a(lnP)+b(lnA)+c(lnT)+d(lnSI)+lne（3）

式中各個變量的含義為：I表示二氧化碳總量（萬噸）；P表示人口因素（萬人）；A為財富因素，用人均GDP表示（人民幣元）；T表示技術因素，用二氧化碳強度表示，即單位GDP二氧化碳的排放量（噸/萬元）；SI為產業(yè)結構，用第二產業(yè)GDP占GDP的比重來表示；lnk表示常數(shù)項；lne作為隨機誤差項。a、b、c、d為彈性系數(shù)，表示P、A、T、SI每變化1%時，將分別引起I的a%、b%、c%、d%的變化。

二、江蘇省12個省轄市碳排放時空差異分析

（一）江蘇省碳排放時間演變分析

從圖1可以看出，2000-2011年江蘇省碳排放量整體上呈快速上升趨勢，尤其是2009年之后，碳排放增長速度明顯加快，2011年的碳排放量為2000年的33倍，達到15 79170萬噸。導致碳排放快速增長的根源在于以工業(yè)為主導的經濟快速發(fā)展。

從2011年省轄市的碳排放總量看，蘇州、南京、徐州、無錫、南通的碳排放依次為3 48337萬噸、3 39578萬噸、2 56972萬噸、1 57506萬噸、89220萬噸，位居江蘇省前五位，泰州、揚州、淮安、鹽城、宿遷的碳排放依次為68760萬噸、66958萬噸、53166萬噸、32905萬噸、8312萬噸，位居江蘇省倒數(shù)五位；排放量最多的蘇州幾乎是排放量最小的宿遷的42倍，相差懸殊。2000-2010年碳排放量位居前五名的省轄市略有不同，南京、蘇州、徐州是排放量最多的地區(qū)，大約是碳排放量最少的宿遷的44倍。

從表2人均碳排放來看，2011年人均碳排放位于江蘇省前五位的是蘇州、南京、無錫、徐州、常州，后五位的則是泰州、南通、淮安、鹽城、宿遷，最高的蘇州是最低的宿遷的36倍。作為人均碳排放最高的城市，蘇州2011年人均碳排放是2000年的553倍，年均增長1665%，其增長大致可以分為三個階段：一是緩慢增長階段，由2000年的098噸/人增長到2003年的145噸/人；二是2003-2007年的快速增長階段，2007年人均碳排放達到428噸/人，增幅達296%；三是2007-2011年的增長緩慢階段，此階段的增長幅度明顯小于第二階段，但仍處于增長趨勢，2011年人均碳排放達542噸/人，比2007年增長了114噸/人。

endprint

表2江蘇省12個省轄市人均碳排放（單位：噸/人）200020012002200320042005200620072008200920102011南京2.462.362.743.033.394.044.144.324.064.264.815.34無錫1.171.271.441.752.212.462.722.872.852.983.153.37徐州0.750.760.831.001.201.361.401.551.681.762.092.63常州0.610.730.851.041.321.391.611.991.962.072.222.40蘇州0.981.141.211.452.233.103.714.284.334.675.085.42南通0.350.390.420.490.570.650.700.740.750.741.081.17淮安0.510.510.490.500.520.680.760.870.900.960.990.98鹽城0.140.160.180.220.270.320.360.390.390.900.440.40揚州0.630.630.640.720.830.931.011.301.311.451.461.46鎮(zhèn)江1.331.501.641.872.072.232.332.282.292.432.562.58泰州0.240.290.360.420.500.560.780.901.151.241.301.36宿遷0.050.060.070.070.100.120.130.110.110.110.130.15資料來源：根據(jù)《中國城市統(tǒng)計年鑒》（2001-2012）、江蘇12個省轄市統(tǒng)計年鑒（2001-2012）整理計算所得。

圖2江蘇省碳排放強度趨勢對比圖（單位：噸/萬元）

從碳排放強度看，2000-2011年江蘇省碳排放強度呈大幅下降趨勢（見圖2）。2000年碳排放強度為256噸/萬元，2011年為188噸/萬元，下降了068噸/萬元，降幅明顯。與此同時，2000-2011年蘇南、蘇北、蘇中三大區(qū)域的碳排放強度也呈現(xiàn)出下降的趨勢，但其下降幅度不同，碳排放強度整體呈現(xiàn)出蘇北＞蘇南＞蘇中的關系。2011年碳排放強度位于江蘇省前五位的是徐州、南京、蘇州、淮安、鎮(zhèn)江、泰州，后五位的則是常州、無錫、南通、鹽城、宿遷，最高的徐州是最低的宿遷的1136倍，相差明顯。盡管2000-2011年12個省轄市碳排放強度在江蘇省的位置略有不同，但南京、徐州始終是碳排放強度較高的城市。

（二）江蘇省碳排放空間格局分析

眾所周知，江蘇省經濟發(fā)展極為不平衡，表現(xiàn)出明顯的地域差異。按照經濟、地理位置，可將江蘇省劃分為蘇南、蘇中、蘇北三大區(qū)域地帶。本文在大區(qū)域系統(tǒng)中分析江蘇省一次能源消費的碳排放空間格局的變化。

1大區(qū)域變化

總體而言，2000-2011年蘇南地區(qū)的碳排放量大于蘇北地區(qū)，而蘇北地區(qū)又高于蘇中地區(qū)。從圖3可以看出，2000-2011年蘇南地區(qū)的碳排放比重始終保持在60%以上，其原因是蘇南地區(qū)資源豐富，有較強的經濟基礎、技術基礎和較高素質的勞動力資源，靠近上海，交通便利，經濟發(fā)展速度較快，第二產業(yè)較為發(fā)達，城市化水平高。由于能源消耗主要集中在第二產業(yè)部門，導致一次能源消費水平高，碳排放始終占據(jù)著主導地位。但從2007年以后，蘇南地區(qū)的碳排放比重有所下降，原因是江蘇省政府出臺了蘇南向蘇北進行產業(yè)轉移的政策。據(jù)統(tǒng)計，截止到2008年，蘇南向蘇北轉移產業(yè)項目5 261個，總投資1 9614億元［4］，其中絕大部分是貿易制造加工業(yè)，而處在工業(yè)化后期的蘇南地區(qū)開始重點轉向服務業(yè)及第三產業(yè)的發(fā)展，這在一定程度上降低了蘇南地區(qū)的碳排放比重。圖32000-2011年蘇南、蘇中、蘇北碳排放區(qū)域格局變化

蘇北地區(qū)的碳排放比重呈現(xiàn)出先下降后逐步上升的趨勢，即先由2000年的226%下降到2007年的1930%，下降幅度達 3%，而后碳排放比重又開始逐漸升高，上升的幅度達3%。較蘇南地區(qū)而言，蘇北地區(qū)處于工業(yè)化初期階段，2007年起，隨著蘇南地區(qū)產業(yè)向蘇北地區(qū)的轉移，特別是建筑制造業(yè)等第二產業(yè)的轉移，一定程度上促進了蘇北地區(qū)經濟的發(fā)展，但相應地也導致蘇北地區(qū)消耗更多的一次化石能源，致使碳排放比重有所上升。

蘇中地區(qū)的碳排放比重整體上變化幅度不大，基本保持在10%-15%的比例。由于蘇南經濟的快速發(fā)展對蘇中地區(qū)的輻射和帶動作用比較強，近幾年，蘇中地區(qū)產業(yè)化進程加快，碳排放比重有一定的波動性。

2 江蘇省省轄市碳排放過程變化

本文采納張雷（2006）對碳排放規(guī)模分類的方法［5］，把碳排放分為超重碳排放型、重碳排放型、一般碳排放型、輕碳排放型四種類型。結合江蘇省12個省轄市碳排放的變化特征，各種碳排放類型的碳排放量界定標準見表3。

（1）2000年江蘇省12個省轄市碳排放類型的空間分布。從圖4可以看出，2000年屬于超重碳排放型的地區(qū)有南京、徐州；屬于I級重碳排放型的地區(qū)包括常州、淮安、南通、揚州、鎮(zhèn)江等5個；屬于II級重碳排放型的地區(qū)包括無錫、蘇州；屬于I級一般碳排放型的地區(qū)只有鹽城；屬于II級一般碳排放型的地區(qū)只有泰州；屬于輕碳排放型的地區(qū)僅包括宿遷。

圖42000年江蘇省12個省轄市碳排放空間格局

（2） 2005年江蘇省12個省轄市碳排放類型的空間格局。從圖5可以看出，2005年屬于超重碳排放型的地區(qū)有無錫、徐州、蘇州、南京；屬于I級重碳排放型的地區(qū)包括泰州、鹽城、淮安；屬于II級重碳排放型的地區(qū)包括揚州、常州、南通、鎮(zhèn)江；屬于I級一般碳排放型的地區(qū)只有宿遷；沒有屬于II級一般碳排放型和輕碳排放型的地區(qū)。相比2000年，2005年超重型碳排放地區(qū)增加2個，重碳排放型地區(qū)的數(shù)量沒有發(fā)生變化，一般碳排放型的地區(qū)增加1個，輕碳排放型地區(qū)減至0個。

表3江蘇省碳排放類型劃分標準類型碳排放量（萬噸）超重碳排放大于等于600重碳排放

I級:大于等于180小于360 II級:大于等于360小于600一般碳排放

I級:大于等于60小于120II級:大于等于120小于180輕碳排放小于60資料來源：結合相關文獻作者整理而來。

圖52005年江蘇省12個省轄市碳排放空間格局

（3） 2011年江蘇省12個省轄市碳排放類型的空間格局。從圖6可以看出，2011年屬于超重碳排放型的地區(qū)有蘇州、南京、徐州、無錫、南通、常州、鎮(zhèn)江、泰州、揚州9個，比2005年增加了5個；屬于I級重碳排放型的地區(qū)包括鹽城；屬于II級重碳排放型的地區(qū)包括淮安；屬于I級一般碳排放型的地區(qū)只有宿遷。與2005年相同，沒有屬于II級一般碳排放型和輕碳排放型的地區(qū)。

圖62011年江蘇省12個省轄市碳排放空間格局

通過上述分析不難發(fā)現(xiàn)，在江蘇省整體經濟發(fā)展和一次能源消費增多的情況下，12個省轄市的碳排放量也在不斷增加，特別是超重碳排放型地區(qū)，由2000年的2個增加到2011年的9個地區(qū)，表明2000-2011年江蘇省12個省轄市的碳排放量發(fā)生顯著變化。

三、江蘇省轄市碳排放驅動因子分析

（一）對多重共線性和異方差的修正

大量文獻表明，多重共線性和異方差問題是應用STRIPAT模型時通常會遇到的問題，經檢驗，本文選取的變量之間不存在多重共線性問題（見表4）；通過對原始數(shù)據(jù)取對數(shù)，方差膨脹因子（VIF檢驗值）小于10，說明STRIPAT模型本身較好地解決了異方差問題。因此，可以判斷模型中的各個統(tǒng)計檢驗值是比較理想的，回歸結果是可信的。

endprint

表4VIF檢驗結果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）結果分析

根據(jù)建立的STRIPAT模型，以ln(I)為因變量，lnP、lnA、lnT、lnSI為自變量，在stata軟件中進行擬合，結果如表5所示。人口、人均財富、技術水平、第二產業(yè)比重都通過了1%顯著性水平檢驗，從而可以得出江蘇省各省轄市2000-2011年碳排放驅動因子計量模型：

I=k×P104×A091×T095×SI096×e（4）

表5隨機效應回歸結果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分別表示1%、5%、10%顯著水平。

從系數(shù)大小來看，（1）人口數(shù)量是江蘇省各省轄市碳排放影響最重要的因素，人口數(shù)量每提高1%，碳排放增加104%。人口是決定能源需求的傳統(tǒng)因素，較高的人口增長率往往會伴隨著較高的能源需求［6］，從而大大增加碳排放量，這也解釋了為何南京、徐州在經濟發(fā)展迅速的同時也是江蘇省碳排放量最高的城市。（2）人均財富對碳排放也起正向推動作用，每增加1%，碳排放就會增加091%，說明江蘇省各省轄市的富裕程度對碳排放的影響很強烈。（3）碳排放強度成為僅次于人口和產業(yè)結構的第三大影響因素，表明通過技術的進步可以提高能源效率從而降低單位能源消耗和碳排放。（4）產業(yè)結構每改變1%，將引起碳排放量097%的變化，對碳排放具有比較大的正效應。近年來，江蘇省各省轄市的第二產業(yè)比重總體都呈現(xiàn)上升趨勢，且增長趨勢快于第三產業(yè)，其貢獻率抵消了相對低碳的第三產業(yè)對碳排放增長的負效應。

四、結論

本文以2000-2011年江蘇省12個省轄市的能源消費量及經濟發(fā)展相關數(shù)據(jù)為基礎，對江蘇省碳排放進行時空差異分析，并基于STRIPAT模型構建了碳排放驅動因子分析模型，得出如下結論：

（1）2000-2011年江蘇省整體碳排放呈快速上升趨勢，其根源在于以工業(yè)為主導的經濟快速發(fā)展，在顯著提高人民生活水平的同時也增加了大量的能源消耗，從而使江蘇省的碳排放呈較快增長趨勢。具體到各省轄市，碳排放總量略有不同，南京、蘇州、徐州一直是碳排放量最多的地區(qū)；人均碳排放都呈現(xiàn)出逐年上升的趨勢；碳排放強度呈現(xiàn)出逐年下降的趨勢，且蘇北＞蘇南＞蘇中，說明隨著經濟的發(fā)展，相同數(shù)量GDP的增加帶來的碳排放增量減少，從側面反映了江蘇省12個省轄市經濟結構的合理性和經濟發(fā)展中的科學技術水平在不斷提高。

（2）江蘇省碳排放比重在空間格局上呈現(xiàn)出蘇南＞蘇北＞蘇中的現(xiàn)象，特別是2007年以后江蘇省產業(yè)轉移政策的出臺，大大增加了蘇北地區(qū)的碳排放比重。從江蘇省12個省轄市碳排放類型看，江蘇省超重碳排放型地區(qū)由2000年的2個增加到2011年的9個，輕碳排放型地區(qū)的個數(shù)在逐漸減少，說明近年來江蘇省12個省轄市的碳排放量都在顯著增加。

（3）人口、人均財富、技術水平、第二產業(yè)比重是江蘇省各省轄市碳排放的主要驅動因子，實證檢驗表明，當人口、人均財富、技術水平、第二產業(yè)比重每增加1%時，碳排放量將分別增加104%、091%、095%、096%。江蘇省碳排放之所以呈現(xiàn)出明顯的時空差異，主要是因為江蘇省各省轄市的人口、人均財富、技術水平、第二產業(yè)比重存在著嚴重的區(qū)域差異。

參考文獻：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］趙敏,張衛(wèi)國,俞立中.上海市能源消費碳排放分析［J］．環(huán)境科學研究,2009,22(8):984-989.

［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］陳進.蘇南向蘇北產業(yè)轉移過程中存在的問題及對策研究［J］．經濟師, 2009（9）.

［5］張雷.中國一次能源消費的碳排放區(qū)域格局變化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化進程的碳排放特征差異比較——基于LMDI分解［J］．哈爾濱商業(yè)大學學報：社會科學版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（責任編輯：王奇）

endprint

表4VIF檢驗結果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）結果分析

根據(jù)建立的STRIPAT模型，以ln(I)為因變量，lnP、lnA、lnT、lnSI為自變量，在stata軟件中進行擬合，結果如表5所示。人口、人均財富、技術水平、第二產業(yè)比重都通過了1%顯著性水平檢驗，從而可以得出江蘇省各省轄市2000-2011年碳排放驅動因子計量模型：

I=k×P104×A091×T095×SI096×e（4）

表5隨機效應回歸結果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分別表示1%、5%、10%顯著水平。

從系數(shù)大小來看，（1）人口數(shù)量是江蘇省各省轄市碳排放影響最重要的因素，人口數(shù)量每提高1%，碳排放增加104%。人口是決定能源需求的傳統(tǒng)因素，較高的人口增長率往往會伴隨著較高的能源需求［6］，從而大大增加碳排放量，這也解釋了為何南京、徐州在經濟發(fā)展迅速的同時也是江蘇省碳排放量最高的城市。（2）人均財富對碳排放也起正向推動作用，每增加1%，碳排放就會增加091%，說明江蘇省各省轄市的富裕程度對碳排放的影響很強烈。（3）碳排放強度成為僅次于人口和產業(yè)結構的第三大影響因素，表明通過技術的進步可以提高能源效率從而降低單位能源消耗和碳排放。（4）產業(yè)結構每改變1%，將引起碳排放量097%的變化，對碳排放具有比較大的正效應。近年來，江蘇省各省轄市的第二產業(yè)比重總體都呈現(xiàn)上升趨勢，且增長趨勢快于第三產業(yè)，其貢獻率抵消了相對低碳的第三產業(yè)對碳排放增長的負效應。

四、結論

本文以2000-2011年江蘇省12個省轄市的能源消費量及經濟發(fā)展相關數(shù)據(jù)為基礎，對江蘇省碳排放進行時空差異分析，并基于STRIPAT模型構建了碳排放驅動因子分析模型，得出如下結論：

（1）2000-2011年江蘇省整體碳排放呈快速上升趨勢，其根源在于以工業(yè)為主導的經濟快速發(fā)展，在顯著提高人民生活水平的同時也增加了大量的能源消耗，從而使江蘇省的碳排放呈較快增長趨勢。具體到各省轄市，碳排放總量略有不同，南京、蘇州、徐州一直是碳排放量最多的地區(qū)；人均碳排放都呈現(xiàn)出逐年上升的趨勢；碳排放強度呈現(xiàn)出逐年下降的趨勢，且蘇北＞蘇南＞蘇中，說明隨著經濟的發(fā)展，相同數(shù)量GDP的增加帶來的碳排放增量減少，從側面反映了江蘇省12個省轄市經濟結構的合理性和經濟發(fā)展中的科學技術水平在不斷提高。

（2）江蘇省碳排放比重在空間格局上呈現(xiàn)出蘇南＞蘇北＞蘇中的現(xiàn)象，特別是2007年以后江蘇省產業(yè)轉移政策的出臺，大大增加了蘇北地區(qū)的碳排放比重。從江蘇省12個省轄市碳排放類型看，江蘇省超重碳排放型地區(qū)由2000年的2個增加到2011年的9個，輕碳排放型地區(qū)的個數(shù)在逐漸減少，說明近年來江蘇省12個省轄市的碳排放量都在顯著增加。

（3）人口、人均財富、技術水平、第二產業(yè)比重是江蘇省各省轄市碳排放的主要驅動因子，實證檢驗表明，當人口、人均財富、技術水平、第二產業(yè)比重每增加1%時，碳排放量將分別增加104%、091%、095%、096%。江蘇省碳排放之所以呈現(xiàn)出明顯的時空差異，主要是因為江蘇省各省轄市的人口、人均財富、技術水平、第二產業(yè)比重存在著嚴重的區(qū)域差異。

參考文獻：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］趙敏,張衛(wèi)國,俞立中.上海市能源消費碳排放分析［J］．環(huán)境科學研究,2009,22(8):984-989.

［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］陳進.蘇南向蘇北產業(yè)轉移過程中存在的問題及對策研究［J］．經濟師, 2009（9）.

［5］張雷.中國一次能源消費的碳排放區(qū)域格局變化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化進程的碳排放特征差異比較——基于LMDI分解［J］．哈爾濱商業(yè)大學學報：社會科學版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（責任編輯：王奇）

endprint

表4VIF檢驗結果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）結果分析

根據(jù)建立的STRIPAT模型，以ln(I)為因變量，lnP、lnA、lnT、lnSI為自變量，在stata軟件中進行擬合，結果如表5所示。人口、人均財富、技術水平、第二產業(yè)比重都通過了1%顯著性水平檢驗，從而可以得出江蘇省各省轄市2000-2011年碳排放驅動因子計量模型：

I=k×P104×A091×T095×SI096×e（4）

表5隨機效應回歸結果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分別表示1%、5%、10%顯著水平。

從系數(shù)大小來看，（1）人口數(shù)量是江蘇省各省轄市碳排放影響最重要的因素，人口數(shù)量每提高1%，碳排放增加104%。人口是決定能源需求的傳統(tǒng)因素，較高的人口增長率往往會伴隨著較高的能源需求［6］，從而大大增加碳排放量，這也解釋了為何南京、徐州在經濟發(fā)展迅速的同時也是江蘇省碳排放量最高的城市。（2）人均財富對碳排放也起正向推動作用，每增加1%，碳排放就會增加091%，說明江蘇省各省轄市的富裕程度對碳排放的影響很強烈。（3）碳排放強度成為僅次于人口和產業(yè)結構的第三大影響因素，表明通過技術的進步可以提高能源效率從而降低單位能源消耗和碳排放。（4）產業(yè)結構每改變1%，將引起碳排放量097%的變化，對碳排放具有比較大的正效應。近年來，江蘇省各省轄市的第二產業(yè)比重總體都呈現(xiàn)上升趨勢，且增長趨勢快于第三產業(yè)，其貢獻率抵消了相對低碳的第三產業(yè)對碳排放增長的負效應。

四、結論

本文以2000-2011年江蘇省12個省轄市的能源消費量及經濟發(fā)展相關數(shù)據(jù)為基礎，對江蘇省碳排放進行時空差異分析，并基于STRIPAT模型構建了碳排放驅動因子分析模型，得出如下結論：

（1）2000-2011年江蘇省整體碳排放呈快速上升趨勢，其根源在于以工業(yè)為主導的經濟快速發(fā)展，在顯著提高人民生活水平的同時也增加了大量的能源消耗，從而使江蘇省的碳排放呈較快增長趨勢。具體到各省轄市，碳排放總量略有不同，南京、蘇州、徐州一直是碳排放量最多的地區(qū)；人均碳排放都呈現(xiàn)出逐年上升的趨勢；碳排放強度呈現(xiàn)出逐年下降的趨勢，且蘇北＞蘇南＞蘇中，說明隨著經濟的發(fā)展，相同數(shù)量GDP的增加帶來的碳排放增量減少，從側面反映了江蘇省12個省轄市經濟結構的合理性和經濟發(fā)展中的科學技術水平在不斷提高。

（2）江蘇省碳排放比重在空間格局上呈現(xiàn)出蘇南＞蘇北＞蘇中的現(xiàn)象，特別是2007年以后江蘇省產業(yè)轉移政策的出臺，大大增加了蘇北地區(qū)的碳排放比重。從江蘇省12個省轄市碳排放類型看，江蘇省超重碳排放型地區(qū)由2000年的2個增加到2011年的9個，輕碳排放型地區(qū)的個數(shù)在逐漸減少，說明近年來江蘇省12個省轄市的碳排放量都在顯著增加。

（3）人口、人均財富、技術水平、第二產業(yè)比重是江蘇省各省轄市碳排放的主要驅動因子，實證檢驗表明，當人口、人均財富、技術水平、第二產業(yè)比重每增加1%時，碳排放量將分別增加104%、091%、095%、096%。江蘇省碳排放之所以呈現(xiàn)出明顯的時空差異，主要是因為江蘇省各省轄市的人口、人均財富、技術水平、第二產業(yè)比重存在著嚴重的區(qū)域差異。

參考文獻：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］趙敏,張衛(wèi)國,俞立中.上海市能源消費碳排放分析［J］．環(huán)境科學研究,2009,22(8):984-989.

［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］陳進.蘇南向蘇北產業(yè)轉移過程中存在的問題及對策研究［J］．經濟師, 2009（9）.

［5］張雷.中國一次能源消費的碳排放區(qū)域格局變化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化進程的碳排放特征差異比較——基于LMDI分解［J］．哈爾濱商業(yè)大學學報：社會科學版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（責任編輯：王奇）

endprint