劉常瑜(中國人民大學(xué)環(huán)境學(xué)院，北京 100872)

溫室氣體、顆粒物排放與經(jīng)濟發(fā)展
——基于STIRPAT模型的全球?qū)嵶C

劉常瑜
(中國人民大學(xué)環(huán)境學(xué)院，北京 100872)

本研究以世界銀行綠色手冊公布的2000～2008年世界范圍內(nèi)106個國家為研究對象，通過建立STIRPAT模型，基于國家級二氧化碳排放量、可吸入顆粒物量、經(jīng)濟發(fā)展水平、人口要素、技術(shù)水平為研究數(shù)據(jù)，分別對碳排放和顆粒物排放的影響因素進行分析，試圖探究世界層面各國溫室氣體排放、顆粒物排放量與國家經(jīng)濟發(fā)展之間的關(guān)系。研究表明：在世界層面，國家級碳排放量受到國家人均GDP、城市化水平、能耗強度、耗電強度的顯著正向影響，與人均二氧化碳損害呈現(xiàn)顯著正向關(guān)系。國家級顆粒物排放量受到國家人均GDP、城市化水平、耗電強度的顯著負向影響，與顆粒物排放損害呈現(xiàn)顯著負向關(guān)系。世界層面國家級碳排放量與顆粒物排放量并不存在協(xié)同關(guān)系。

環(huán)境質(zhì)量；經(jīng)濟發(fā)展；二氧化碳；可吸入顆粒物

1 引言

在過去100年全球平均增溫0.74℃的事實面前，國際社會已經(jīng)普遍接受政府間氣候變化專門委員會(IPCC)第4次評估報告結(jié)論：人為活動導(dǎo)致的溫室氣體排放是全球氣溫升高的主要驅(qū)動力。從1992年的《聯(lián)合國氣候變化框架公約》到1997年的《京都議定書》，再到2009年的哥本哈根會議，能源、經(jīng)濟與環(huán)境等一系列問題已成為各國決策者關(guān)注的焦點。雖然哥本哈根會議沒能達成具有法律效力的協(xié)議，但是碳排放問題卻被推到了輿論前沿，成為國際間一系列協(xié)議制定的矛盾焦點[1]。應(yīng)對氣候變化已經(jīng)成為全世界共同面臨的環(huán)境挑戰(zhàn)，減少CO2排放，實行低碳發(fā)展已經(jīng)成為全球各國的共識。中國的碳排放量情況不容樂觀，全球碳計劃(Global Carbon Project)于2014年9月公布的2013年度全球碳排放數(shù)據(jù)顯示，2013年全球人類活動CO2排放量達到360億t，人均碳排放量達到5t[2]。

與此同時，經(jīng)濟發(fā)展所造成的空氣污染問題也愈發(fā)體現(xiàn)出來，主要體現(xiàn)為PM2.52.5、PM10等可吸入顆粒物對對人類健康的影響。二十世紀三十年代的比利時，大量煙塵和污染物質(zhì)組成的霧霾天氣造成了極大的污染；1948年美國多諾拉鎮(zhèn)呼吸系統(tǒng)疾病發(fā)病，也是霧霾天氣惹的禍，造成多人死亡；1952年英國倫敦的“煙霧”事件，五天內(nèi)有將近4000多人死亡；1952年12月美國洛杉磯的光化學(xué)煙霧事件中，洛杉磯市65歲以上有400多人死亡。1970年日本阪神一帶爆發(fā)嚴重霧霾，空氣中夾雜著重金屬、二氧化硫，致使多人因患呼吸系統(tǒng)疾病死亡[3]?，F(xiàn)階段，中國以可吸入顆粒物為代表的空氣污染問題已成為燃眉之急，環(huán)境庫茲涅茨曲線是否到達的拐點成為環(huán)境污染領(lǐng)域的一項議題。

目前，以單個國家和地區(qū)為研究視角，針對碳排放問題或空氣污染問題為目標的研究已不在少數(shù)。但是，把世界各國統(tǒng)一綜合地研究地球村范圍內(nèi)的碳排放和空氣污染與經(jīng)濟發(fā)展的研究暫且為數(shù)不多。因此，本文嘗試綜觀21世紀后世界各國的碳排放和空氣污染現(xiàn)狀，力圖探究二氧化碳和可吸入顆粒物排放量與人口、經(jīng)濟、技術(shù)水平之間的關(guān)系。

2 數(shù)據(jù)來源與研究方法

2.1 模型設(shè)定

在本研究中選擇STRIPAT模型為研究工具，STIRPAT模型的前身是IPAT環(huán)境壓力等式。IPAT模型由美國經(jīng)濟學(xué)家Holdren和Ehrlich于20世紀70年代提出[4]。他們認為影響生態(tài)環(huán)境的因素主要有人口(population)、富裕程度(affluence)和技術(shù)水平(technology)，IPAT模型被廣泛用于研究環(huán)境、人口、經(jīng)濟與技術(shù)之間的定性或定量關(guān)系。Dietz和Risa對IPAT模型進行了擴展，將IPAT模型用隨機形式表示，提出了環(huán)境影響隨機模型：

對環(huán)境影響隨機模型中等式的兩邊取對數(shù)，得到如下線性模型。式中，I、P、A、T表示環(huán)境壓力、人口數(shù)量、富裕度和技術(shù)；b、c、d分別是人口數(shù)量、富裕度、技術(shù)等人文驅(qū)動力的指數(shù)，a是模型的系數(shù)，e為模型誤差。是一個多自變量的非線性模型，模型兩邊同時進行對數(shù)化處理后為：

對以上方程進行回歸分析，回歸系數(shù)反映的是自變量與因變量之間的彈性關(guān)系，在其他的解釋變量不發(fā)生變化的情況下，某一解釋變量變化一個單位所引起的被解釋變量變化的百分比，彈性系數(shù)可能為正(即正相關(guān))，也可能為負(即負相關(guān))。STIRPAT模型比較靈活，可以加入或修改若干影響因素。

2.2 指標選取

由于碳排放和可吸入顆粒物的影響因素較多，只選擇幾個比較主要的影響因素進行研究。這里STIRPAT模型中表示環(huán)境因素因變量的I分別為碳排放量/可吸入顆粒物量。為了更深入研究這兩項全球環(huán)境因素，根據(jù)其與人口、財富與技術(shù)因素的特點及影響，筆者將財富因素A分解為人均國內(nèi)生產(chǎn)總值A(chǔ)1和人均二氧化碳/顆粒物損害A2指標代表，將人口因素P分解為總?cè)丝跀?shù)量P1和城市化水平P2兩項指標，將技術(shù)指標T分解為能耗強度T1和電耗強度T2兩項指標。基于以上指標的選取，本文標準化STIRPAT模型最終公式為：

lnI=b1(lnP1)+b2(lnP2)+c1(lnA1)+

2.3 數(shù)據(jù)來源

本研究所使用的數(shù)據(jù)全部來源于世界銀行公布的《綠色數(shù)據(jù)手冊》(LittleGreenDataBook，LGDB)，根據(jù)研究需要和數(shù)據(jù)可獲得性，從世界銀行給出的各個國家和地區(qū)1999～2011年樣本中進行篩選，選取出涵蓋亞洲、歐洲、北美洲、南美洲、非洲和大洋洲的共106個國家(見研究樣本國家和地區(qū))的2008年世界環(huán)境發(fā)展指標數(shù)據(jù)。

模型中所涉及的指標變量包括以CO2排放人均公噸數(shù)表示的CO2排放量I_CO2(CO2emissions，metrictonspercapita)，以國家級每立方米PM10微克量表示的PM10顆粒物量I_PM10(PM10incountrylevel，microgramspercubicmeter)，以國內(nèi)生產(chǎn)總值比總?cè)丝跀?shù)表示人均GDPA1(GDPpercapita，currentUS$)，以二氧化碳損害占GNI的百分比乘以人均GNI表示人均碳排放損害A2_CO2(Adjustedsavings：carbondioxidedamage，currentUS$)①，以顆粒物排放損害占GNI的百分比乘以人均GNI表示人均顆粒物排放損害A2_PM10(Adjustedsavings：particulateemissiondamage，currentUS$)②，人口數(shù)量P1(Population，total)，城市化水平P2(Urbanpopulation，%oftotal)，以人均千克能源使用(石油當量)表示的能耗強度T1(Energyuse，kgofoilequivalentpercapita)，以人均千瓦時耗電量表示的電耗強度T2(Electricpowerconsumption，kWhpercapita)。主要變量的描述性統(tǒng)計見表1。

2.4 研究方法

若自變量之間存在嚴重的相關(guān)時，會使得回歸系數(shù)估計值的抽樣變異性大大增加，此時若仍然采用普通最小二乘法擬合回歸系數(shù)，則回歸結(jié)果會出現(xiàn)反?，F(xiàn)象，無法保證模型的精確和可靠性。

分別對CO2和PM10模型的解釋變量進行簡單相關(guān)分析，由相關(guān)系數(shù)矩陣可知，部分變量間相關(guān)系數(shù)較高，最高達0.893，因此解釋變量之間可能存在多重共線性。

①二氧化碳損害估計以每噸碳排放20美元(單位損失在1995美元)和碳排放噸數(shù)來計算。資料來源：根據(jù)SamuelFankhauser的“重視氣候變化，世界銀行工作人員估計：溫室的經(jīng)濟學(xué)”(1995)。經(jīng)濟政策與債務(wù)：國民賬戶：調(diào)整后的儲蓄與收入。聚合方法：加權(quán)平均。

②顆粒排放損害以避免因顆粒物排放造成死亡率的支付意愿來計算。來源：KiranD.Pandey等人的“空氣污染的人力成本：對發(fā)展中國家的新的估計”(2006)。經(jīng)濟政策與債務(wù)：國民賬戶：調(diào)整后的儲蓄與收入。聚合方法：加權(quán)平均。

表1 主要變量的描述性統(tǒng)計

因此，為避免解釋變量間可能存在多重共線性，本文采用改良的嶺回歸分析方法(Ridge Regression)通過SPSS18.0軟件進行擬合分析。嶺回歸估計是1970 年由Hoed和Kennard提出的，通過在自變量標準化的矩陣中引入一個非負常數(shù)K值來消除因素間的多重共線性，是對最小二乘法的改進，它的估計量雖然有微小偏差，但它的精度卻遠高于無偏估計量。

通過嶺回歸分析可以得到各影響因素對碳排放量/可吸入顆粒物量的標準回歸系數(shù)和回歸系數(shù)，標準回歸系數(shù)表征的是各影響因素對碳排放量/可吸入顆粒物量的影響程度，代表各影響因素對碳排放量/可吸入顆粒物量的貢獻率；回歸系數(shù)表征各影響因素對碳排放量/可吸入顆粒物量的彈性，即各影響因素的任意一種變化1%可以引起的碳排放量/可吸入顆粒物量的變化的百分比，它是碳排放量/可吸入顆粒物量敏感程度的表征。以下用嶺回歸分析法來對CO2和PM10兩個指標分別進行分析。

3 STRIPAT實證結(jié)果分析

3.1 CO2指標的嶺回歸

根據(jù)模型設(shè)定，對被解釋變量和各解釋變量做對數(shù)處理后，利用SPSS18.0軟件的嶺回歸函數(shù)對模型進行擬合，嶺回歸系數(shù)K在(0，1)區(qū)間。通過對公式(3)進行嶺回歸擬合，根據(jù)嶺跡圖以及可決系數(shù)變化情況，當K為0.25時，嶺跡圖變化逐漸平穩(wěn)，自變量回歸系數(shù)變化趨于穩(wěn)定。所以文中取K=0.25時的嶺回歸擬合結(jié)果確定隨機模型，具體擬合結(jié)果見表2、表3。

表2 當K=0.25時CO2指標的嶺回歸擬合結(jié)果

表3 當K=0.15時PM10指標的嶺回歸擬合結(jié)果

CO2指標的嶺回歸結(jié)果顯示：模型F值為226.787，P值為0.000，說明回歸方程通過了顯著性檢驗?？蓻Q系數(shù)(R2)大于0.9，表明各解釋變量對CO2指標的擬合效果非常好。CO2指標的嶺回歸標準化方程為：

lnI_CO2=0.0003lnP1+0.0561lnP2+0.1277lnA1+0.3305lnA2_CO2+0.2720lnT1+0.1840lnT2

嶺回歸中自變量t的檢驗值可以說明因變量lnI_CO2與自變量之間的線性相關(guān)關(guān)系顯著性，城市化水平P2在5%的水平上顯著，人均國內(nèi)生產(chǎn)總值A(chǔ)1、人均二氧化碳損害A2_CO2、能耗強度T1、耗電量T2在1%的水平上顯著。

研究表明：

世界層面碳排放量的主要影響因素由大到小依次為技術(shù)發(fā)展水平、經(jīng)濟發(fā)展水平、人口城市化水平。國家層面的碳排放量與該國經(jīng)濟發(fā)展水平密切相關(guān)，較高的GDP也會導(dǎo)致較高的二氧化碳排放，人均GDP每增加1個百分點，可以引起的碳排放量增加0.13個百分點。全球人均二氧化碳損害值越高，說明二氧化碳排放量越大，國家人均二氧化碳損害值每增加1個百分點，反映在國家碳排放量上即增加0.33個百分點。國家能耗強度越高，國家碳排放水平越高，人均石油使用量每增加1千克，碳排放量增加0.27個百分點。國家人均耗電量越大，國家碳排放也越大，人均耗電量每增加1單位千瓦時，碳排放量增加0.18個百分點。國家城市化水平也與碳排放量相關(guān)，較高的城市化水平將導(dǎo)致較高的二氧化碳排放，城市化率每增加1個百分點，國家碳排放量增加0.06個百分點。

該模型中人口數(shù)量沒有通過顯著性檢驗，說明國家人口的增加不一定會導(dǎo)致國家碳排放的必然增加，人口對碳排放的影響可能會由于技術(shù)進步、環(huán)境規(guī)制等因素抵消。

3.2PM10指標的嶺回歸

PM10指標的嶺回歸結(jié)果顯示：模型F值為8.969，P值為0.000，說明回歸方程通過了顯著性檢驗。雖然模型的R和R-Square只有0.4左右，擬合度一般，表示自變量不能全部解釋變異，但模型回歸方差檢驗通過就說明該模型具備合理性。PM10指標的嶺回歸標準化方程為：

lnI_PM10=-0.0940lnP1-0.1856lnP2-0.2968lnA1+0.4756lnA2_PM10-0.0004lnT1-0.2024lnT2

嶺回歸中自變量t的檢驗值可以說明因變量LnI_PM10與自變量之間的線性相關(guān)關(guān)系顯著性，城市化水平P2、耗電強度T2在5%的水平上顯著，人均國內(nèi)生產(chǎn)總值A(chǔ)1、人均可吸入顆粒物損害A2_PM10在1%的水平上顯著。

研究表明：

世界層面的空氣污染指標可吸入顆粒物量與國家經(jīng)濟發(fā)展水平呈現(xiàn)顯著負相關(guān)。為何較高的GDP一定程度上會減輕空氣污染呢？這稍作考慮便容易被國際經(jīng)驗所解釋，由于20世紀的生態(tài)災(zāi)難使大部分工業(yè)化國家開始發(fā)現(xiàn)環(huán)保與健康的重要性，21世紀后諸多國家早已意識到可吸入顆粒物對人類健康的危害，且不利于可持續(xù)發(fā)展，故經(jīng)濟水平較發(fā)達的國家會越發(fā)注重環(huán)境規(guī)制和人權(quán)保障。 總之，世界層面的顆粒物環(huán)境污染庫茲涅茨曲線可以說已過拐點，人均GDP每增加1個百分點，會使空氣中PM10減少0.29個百分點。

全球人均顆粒物排放損害與國家PM10呈現(xiàn)顯著正相關(guān)，因為顆粒物排放損害以避免因顆粒物排放造成死亡率的支付意愿來計算，空氣污染越嚴重的地區(qū)其國民受到空氣污染的危害相對越大，生命是無價之寶，故國家PM10排放量越大，空氣污染越嚴重，人們?yōu)楸苊饪諝馕廴驹斐傻慕】祿p失的支付意愿越強烈。國家人均顆粒物排放損害每增加1個百分點，反映在國家顆粒物PM10排放量上即增加0.4756個百分點。

國家城市化水平也與可吸入顆粒物量呈現(xiàn)負相關(guān)，較高的城市化水平將導(dǎo)致較低的顆粒物排放。盡管目前中國可吸入顆粒物造成的空氣污染和人類健康問題十分嚴重，但是從世界層面看，較高的城市化率意味著經(jīng)濟水平的發(fā)展，城市居民更加注重空氣質(zhì)量和健康水平，倒逼環(huán)境規(guī)制與環(huán)境保護，故從世界層面看，城市化率每增加1個百分點，PM10排放會減少0.1856個百分點。

國家人均耗電量與可吸入顆粒物量呈現(xiàn)顯著負相關(guān)，這一定程度上可以通過“電能替代”來解釋，即在終端能源消費環(huán)節(jié)，使用電能替代散燒煤、燃油的能源消費方式，這在一定程度上可以緩解燃燒煤油所造成的顆粒物排放問題，中國自2016年5月起也開始推進“電能替代”。本文研究表明，世界層面上看，國家人均耗電量每增加1單位千瓦時，國家顆粒物排放量減少0.2024個百分點。

該模型中國家能耗強度對國家空氣污染程度的影響并不顯著，可能由于發(fā)達國家能源結(jié)構(gòu)中石油所占比例逐漸降低，且已開始使用核能、風能等清潔能源進行能源替代，因此從世界范圍來看，以人均石油資源消耗量度量的能耗強度對國家空氣污染程度影響不顯著。人口數(shù)量同樣沒有通過顯著性檢驗，說明國家人口的增加不一定會導(dǎo)致國家空氣質(zhì)量的必然下降，人口對空氣質(zhì)量的影響可能會由于環(huán)境規(guī)制、技術(shù)進步等因素抵消。

3.3CO2與PM10相關(guān)分析

從世界層面來看，文本研究結(jié)果所得出的碳排放與經(jīng)濟發(fā)展之間的邏輯關(guān)系，相較于空氣污染與經(jīng)濟發(fā)展的關(guān)系似乎并不類似。因此，試圖淺顯探究這一結(jié)果背后的原因，本文進一步做了2000～2008年世界106個國家碳排放變量I_CO2、LNI_CO2與顆粒物量I_PM10、LNI_PM10之間的相關(guān)性(鑒于上文模型中所使用變量為取Ln后的變量，故此處一并檢驗相關(guān)性)。

表4 各國碳排放與顆粒物排放量之間的相關(guān)系數(shù)

由表4可以得出，從世界范圍來看，國家級人均二氧化碳排放量與國家級顆粒物排放量之間存在顯著負向相關(guān)關(guān)系，相關(guān)系數(shù)在5%的水平上顯著。碳排放與空氣質(zhì)量確實存在某種程度的負相關(guān)，這一簡單結(jié)論一定程度上印證了本文CO2指標嶺回歸和PM10指標的嶺回歸所得出結(jié)論的可靠性。

雖然國家間的碳排放與顆粒物排放量都在一定程度上受到國家經(jīng)濟水平、城市化率、能源使用情況的影響，但是其影響的方向卻不盡相同。說明世界層面國家級人均碳排放量與顆粒物排放量并不存在協(xié)同關(guān)系，較高的人均碳排放并不一定意味著較高的顆粒物排放，兩者趨勢并不同步也不盡相。根據(jù)庫茨涅茨曲線，兩者峰值也可能會存在一定差異(究其深層原因還有待進一步研究，本文不做贅述)。

4 碳排放與顆粒物量的聚類分析

聚類分析方法可以對多因素及其之間的相似性程度進行分析，來研究區(qū)域之間的差異，是定量研究地理事物分類問題和地理分區(qū)問題的重要方法。本文采用系統(tǒng)聚類法對106個樣本國家通過SPSS18.0對STRIPAT模型中的因變量，即國家級碳排放量I_CO2、國家級可吸入顆粒物量I_PM10分別進行聚類分析，根據(jù)譜系圖對本研究所涉及的106個國家的碳排放與顆粒物量及人口、財富和技術(shù)變量分別進行基本的分類與歸納。

4.1 碳排放聚類分析

根據(jù)樣本量數(shù)據(jù)和研究經(jīng)驗，本文將國家級碳排放量分為5類。

第一類包括{Albania，Albania，Angola，Argentina，Armenia，Azerbaijan，Bolivia，Botswana，Brazil，Chile，Colombia，Costa Rica，Dominican，Ecuador，Egypt，El Salvador，Georgia}等南美洲國家。

第二類包括{Austria，Belgium，Bulgaria，Canada，Croatia，Cyprus，Czech，Denmark，F(xiàn)rance，Germany，Greece，Hungary，Israel，Italy，Japan，Kazakhstan，Korea，Lithuania，Macedonia，Malaysia，Netherlands，New Zealand，Oman，Poland，Portugal，Russian，Saudi Arabia，Singapore，Slovenia，Spain，Switzerland，Turkmenistan，Ukraine}等歐洲、北美、亞洲發(fā)達國家，人口總量少，人均GDP高，注重碳減排等環(huán)保實踐。

第三類包括{Bahrain，Brunei Darussalam，Cambodia，F(xiàn)inland，Kuwait，Norway，Trinidad and Tobago，United Arab Emirates，United States}等北歐、東南亞、北美發(fā)達國家，由于經(jīng)濟發(fā)展導(dǎo)致一定的碳排放，但注重節(jié)能環(huán)保等理念。

第四類包括{Bangladesh，Benin，C?te d'Ivoire，Ethiopia，Ghana，Haiti，Indonesia，Kenya，Kyrgyz，Moldova，Mozambique，Namibia，Nepal，Nigeria，Pakistan，Senegal，Sri Lanka，Sudan，Tajikistan，Tanzania，Togo，Vietnam，Yemen，Zambia，Zimbabwe}等非洲國家，該類國家普遍經(jīng)濟發(fā)展水平滯后，能耗大。

第五類包括{China，India}兩國，典型特點是人口眾多、碳排放總量較大。

4.2 顆粒物排放聚類分析

根據(jù)樣本量數(shù)據(jù)和研究經(jīng)驗，本文將國家級可吸入顆粒物排放量分為5類，參考聯(lián)合國發(fā)布的世界污染現(xiàn)狀及治理中各國PM10年均值排名[5]。

第一類包括{Albania，Bangladesh，Benin，Cambodia，C?te d'Ivoire，Egypt，Ethiopia，Georgia，Guatemala，Haiti，Honduras，Indonesia，Kenya，Kyrgyz Republic，Moldova，Mongolia，Mozambique，Namibia，Nepal，Nigeria，Pakistan，Senegal，Sri Lanka，Sudan，Syrian Arab Republic，Tajikistan，Tanzania，Thailand，Togo，Uzbekistan，Vietnam，Yemen，Zambia，Zimbabwe}等經(jīng)濟發(fā)展較為落后的非洲國家，人均GDP較低，空氣污染問題并未得到廣泛關(guān)注，顆粒物排放超標。

第二類包括{Algeria，Angola，Argentina，Armenia，Azerbaijan，Bolivia，Botswana，Brazil，Bulgaria，Chile，Colombia，Costa Rica，Croatia，Cyprus，Czech Republic，Dominican Republic，Ecuador，El Salvador，Ghana，Hungary，Jamaica，Jordan，Kazakhstan，Lebanon，Lithuania，Macedonia，Malaysia，Mexico，Morocco，Nicaragua，Panama，Paraguay，Peru，Philippines，Poland，Portugal，Romania，Russian Federation，Tunisia，Turkey，Turkmenistan，Ukraine}等南美洲國家，經(jīng)濟發(fā)展水平一般，空氣質(zhì)量一般。

第三類包括{Austria，Bahrain，Belgium，Brunei Darussalam，Canada，Denmark，F(xiàn)inland，F(xiàn)rance，Germany，Greece，Israel，Italy，Japan，Korea，Kuwait，Netherlands，New Zealand，Norway，Oman，Singapore，Slovenia，Spain，Switzerland，Trinidad and Tobago，United States }等歐洲、北美、東亞發(fā)達國家，人口總量少，人均GDP高，已經(jīng)過工業(yè)化后的環(huán)境治理階段，空氣質(zhì)量較優(yōu)。

第四類包括{China，India}，典型特點是人口眾多、人均GDP較低，空氣質(zhì)量較差，可吸入顆粒物含量較高。

第五類包括{Saudi Arabia，United Arab Emirates，Uruguay}三個國家，分別位于南美洲和西亞阿拉伯半島，經(jīng)濟高度發(fā)達和穩(wěn)定，空氣質(zhì)量一般。

5 結(jié) 論

本研究以世界銀行公布的2000～2008年世界范圍內(nèi)106個國家為研究對象，基于國家級二氧化碳排放量、可吸入顆粒物量、經(jīng)濟發(fā)展水平、人口要素、技術(shù)水平為研究數(shù)據(jù)，通過建立STIRPAT模型，分別對碳排放和顆粒物排放的影響因素進行分析，試圖從國際視角探究世界層面各國溫室氣體排放、顆粒物排放量與國家經(jīng)濟發(fā)展之間的關(guān)系。

研究表明，從國際視角來看，國家級碳排放量受到國家人均GDP、城市化水平、能耗強度、耗電強度的顯著正向影響，與人均二氧化碳損害呈現(xiàn)顯著正向關(guān)系。國家級顆粒物排放量受到國家人均GDP、城市化水平、耗電強度的顯著負向影響，與顆粒物排放損害呈現(xiàn)顯著負向關(guān)系。世界層面國家級人均碳排放量與顆粒物排放量并不存在協(xié)同關(guān)系，較高的人均碳排放并不一定意味著較高的顆粒物排放，兩者趨勢并不同步也不盡相。

[1]杜強，陳喬，陸寧.基于改進IPAT模型的中國未來碳排放預(yù)測[J].環(huán)境科學(xué)學(xué)報，2012，32(9)：2294-2302.

[2]常紀文，尹立霞.霧霾治理的國際經(jīng)驗[J].政策瞭望，2016(7).

[3]屈超，陳甜.中國2030年碳排放強度減排潛力測算[J].中國人口·資源與環(huán)境，2016，26(7)：62-69.

[4]Ehrlich P R，Holdrens J P.The impact of population growth[J].Science，1971，171：1212-1217.

[5]聯(lián)合國與空氣質(zhì)量/世界污染現(xiàn)狀及治理/各國PM10年均值排名http：//www.un.org/zh/sustainability/airpollution/maps.shtml.

Greenhouse Gas，Particular Matters and Economic Development A Study Based on STIRPAT Model

LIU Changyu

(School of Environment and Natural Resources，Renmin University of China，Beijing China，100872)

This study based on the data of national carbon dioxide emissions，respirable particulate matter，economic development level，population factors and technical level，on 106 countries in the year of 2000 to 2008，published by the World Bank. By designing a STIRPAT model，the paper respectively researched the influence factors of carbon emissions and particulate emissions，trying to explore the relationship among greenhouse gas emissions，particulate matter emissions and national economic development in global level. The results show that，at the world level，the national carbon emission is positively affected by the GDP per capita，urbanization level，energy consumption intensity and electricity consumption intensity，and has a significant positive relationship with per capita carbon dioxide damage. The GDP，the urbanization level and the intensity of electricity consumption are significantly negative correlation with the emission of particulate matter. There is a significant negative correlation between the national level carbon emission and particulate emission at the world level.

Environmental Quality；Economic Development；Carbon Dioxide；Particulate Matter

劉常瑜，在讀碩士研究生，研究方向為環(huán)境政策與管理

X21

A

1673-288X(2017)01-0007-06

引用文獻格式：劉常瑜.溫室氣體、顆粒物排放與經(jīng)濟發(fā)展[J].環(huán)境與可持續(xù)發(fā)展，2017，42(1)：7-12.