張麗峰，劉思萌

（1.北京聯(lián)合大學(xué) 旅游學(xué)院，北京 100101；2.北京市產(chǎn)業(yè)經(jīng)濟(jì)研究中心，北京 100027）

2020 年9 月，國(guó)家主席習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上的講話中提出：中國(guó)二氧化碳排放力爭(zhēng)于2030 年前達(dá)峰，努力爭(zhēng)取2060 年前實(shí)現(xiàn)碳中和。2020 年底的中央經(jīng)濟(jì)工作會(huì)議提出，要抓緊制定2030 年前碳達(dá)峰行動(dòng)方案，支持有條件的地方率先達(dá)峰。我國(guó)地域遼闊，各地基礎(chǔ)條件不同，經(jīng)濟(jì)社會(huì)發(fā)展呈現(xiàn)出明顯的非均衡型和差異性，全國(guó)碳達(dá)峰和碳中和目標(biāo)的實(shí)現(xiàn)最終要落實(shí)到各個(gè)地區(qū)層面。京津冀地區(qū)是我國(guó)重要的經(jīng)濟(jì)圈，也是人口密集地區(qū)、工業(yè)和能源消費(fèi)的集聚地。2019年，京津冀地區(qū)總?cè)丝谡既珖?guó)總?cè)丝诘?.1%，城鎮(zhèn)化率為66.7%，高于全國(guó)的60.6%，地區(qū)生產(chǎn)總值占全國(guó)的8.6%，粗鋼的產(chǎn)量占全國(guó)的26.5%，鋼材產(chǎn)量占全國(guó)的28.3%，汽車(chē)產(chǎn)量占全國(guó)的14.5%，能源消費(fèi)總量占全國(guó)能源消費(fèi)量的10%，碳排放量占全國(guó)的9.4%。《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035 年遠(yuǎn)景目標(biāo)綱要》提出，要深入實(shí)施區(qū)域重大戰(zhàn)略，加快推動(dòng)京津冀協(xié)同發(fā)展，深化大氣污染聯(lián)防聯(lián)控聯(lián)治。因此，只有科學(xué)測(cè)度京津冀地區(qū)碳排放的主要影響因素，才能有的放矢地制定減排政策，更好地促進(jìn)京津冀地區(qū)碳中和目標(biāo)的順利實(shí)現(xiàn)，進(jìn)而對(duì)國(guó)家目標(biāo)的實(shí)現(xiàn)具有重要的現(xiàn)實(shí)意義。

關(guān)于碳排放影響因素研究，從研究對(duì)象看，目前主要集 中 在 國(guó) 家 層 面［1，2］、地 區(qū) 層 面［3－5］和 產(chǎn) 業(yè) 層面［6］。而對(duì)于京津冀碳排放影響因素的研究，可以歸納為以下幾個(gè)方面：一是運(yùn)用LMDI 分解法或者STIRPAT模型或者兩者的結(jié)合分析北京、天津與河北的碳排放影響因素，但由于在運(yùn)用LMDI 分解法中分解的層次不同和STIRPAT模型選擇的影響因素不同，導(dǎo)致得出的碳排放影響因素也不盡相同［7－9］。二是從空間角度對(duì)京津冀碳排放影響進(jìn)行的研究。蘇旭冉、藺雪芹［10］基于夜間燈光數(shù)據(jù)，運(yùn)用空間計(jì)量模型，從城市角度對(duì)京津冀地區(qū)碳排放的空間特征及影響因素進(jìn)行了研究；呂倩、劉海濱［11］同樣利用夜間燈光數(shù)據(jù)，對(duì)京津冀縣域尺度碳排放空間特征進(jìn)行了分析，指出不論是城市尺度，還是縣域角度，京津冀碳排放空間上不僅存在相關(guān)性，還存在差異性。三是從產(chǎn)業(yè)角度對(duì)京津冀碳排放影響因素進(jìn)行的研究。主要分析了京津冀工業(yè)［12］、石化產(chǎn)業(yè)［13］、交 通 運(yùn) 輸 業(yè)［14］和 汽 車(chē) 運(yùn) 輸 業(yè)［15］的 碳 排 放 影響因素及特征，因?yàn)檫@些行業(yè)是碳排放量較大部門(mén)，分析這些行業(yè)碳排放量可以為京津冀地區(qū)減排政策制定提供更加具體的理論依據(jù)。四是對(duì)京津冀單個(gè)地區(qū)進(jìn)行的碳排放影響因素分析。方德斌、陳卓夫、郝鵬［16］采用LMDI－ I分解法分析了人均住房面積、消費(fèi)水平、人口增長(zhǎng)、能源強(qiáng)度對(duì)北京城鎮(zhèn)居民直接和間接碳排放的影響；張麗峰［17］通過(guò)建立變參數(shù)模型，分析了經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)和能源消耗強(qiáng)度對(duì)北京碳排放影響；吳振信、石佳、王書(shū)平［18］采用LMDI分解法分析了能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、人口規(guī)模和經(jīng)濟(jì)發(fā)展水平對(duì)北京碳排放影響；Li B、Liu X、Li Z［19］采用擴(kuò)展的STIRPAT 模型分析了天津碳排放主要影響因素。

以上文獻(xiàn)為京津冀碳排放影響因素的選擇提供了借鑒和參考，但這些文獻(xiàn)大部分研究結(jié)果只能反映樣本期內(nèi)各個(gè)影響因素對(duì)碳排放的平均影響，不能反映出隨著碳排放量分布的變化，各影響因素對(duì)碳排放影響程度的差異性，且都沒(méi)有對(duì)將來(lái)各個(gè)影響因素對(duì)碳排放的動(dòng)態(tài)影響進(jìn)行分析，也沒(méi)有從京津冀總體上分析碳排放影響因素，而這些方面的分析是京津冀碳中和目標(biāo)的實(shí)現(xiàn)和減排政策的制定的基礎(chǔ)與依據(jù)。因此，本文采用分位數(shù)回歸和向量自回歸模型中的脈沖響應(yīng)和方差分解法，從京津冀總體上分析各個(gè)影響因素對(duì)碳排放不同分位點(diǎn)的影響程度的差異性及未來(lái)一段時(shí)期的動(dòng)態(tài)影響方向和貢獻(xiàn)率。

1 研究方法、變量選取與數(shù)據(jù)來(lái)源

1.1 研究方法

分位數(shù)回歸：經(jīng)典最小二乘回歸是在滿足隨機(jī)擾動(dòng)項(xiàng)服從零均值同方差的正態(tài)分布假設(shè)下，描述解釋變量對(duì)被解釋變量條件均值的影響，本質(zhì)上是均值回歸，但容易受到極端值的影響，使得參數(shù)估計(jì)有一定的誤差，準(zhǔn)確度不夠高。分位數(shù)回歸可以很好地避免這些問(wèn)題。分位數(shù)回歸最早由Koenker 和Bassett［20］于1978 年提出，不僅可以分析被解釋變量的均值，還能分析被解釋變量的不同分布情況，研究隨著解釋變量的變化，被解釋變量不同范圍的數(shù)據(jù)是如何變化的，能夠更加完整地描述被解釋變量不同分位點(diǎn)的條件分布特征，并且不同分位點(diǎn)下所得出的回歸參數(shù)比經(jīng)典最小二乘回歸的參數(shù)有值得進(jìn)一步探討的意義。分位數(shù)歸回是通過(guò)最小化加權(quán)的殘差絕對(duì)值之和來(lái)估計(jì)回歸參數(shù)，因此其估計(jì)量不容易受到異常值的影響，可以不考慮同方差和正態(tài)分布假設(shè)，使估計(jì)更加穩(wěn)健。分位數(shù)回歸模型如下：

假設(shè)被解釋變量Y 的條件分位數(shù)由k 個(gè)解釋變量組成的矩陣X線性表示：

向量自回歸模型：向量自回歸模型（Vector Autoregression Model，VAR）是Sims 于1980 年首先提出的。與經(jīng)典回歸模型不同，VAR 模型是基于變量的數(shù)據(jù)統(tǒng)計(jì)性質(zhì)建立的模型，是一種非結(jié)構(gòu)化多方程模型。由于在模型中把內(nèi)生變量的若干滯后項(xiàng)作為解釋變量，因此避免了經(jīng)典聯(lián)立方程的參數(shù)零約束問(wèn)題和最小二乘偏倚問(wèn)題，且能夠反映變量間的動(dòng)態(tài)關(guān)系［21］。VAR模型的一般表達(dá)式為：

式中，yt為k維內(nèi)生變量向量；Xt為d維外生變量向量；p為滯后階數(shù)；T為樣本個(gè)數(shù)；φ1，φ2，φp為待估計(jì)的k×k維系數(shù)矩陣。

由于時(shí)間序列一般為非平穩(wěn)序列，因此建立VAR 模型的前提條件是要求所有時(shí)間序列是同階單整，且具有協(xié)整關(guān)系。其次，要確定合適滯后階數(shù)，目的是進(jìn)行參數(shù)估計(jì)時(shí)既要有足夠滯后項(xiàng)，還要保持足夠自由度。最后是模型穩(wěn)定性檢驗(yàn)，要求被估計(jì)模型的所有單位根倒數(shù)位于單位圓內(nèi)。

1.2 變量選取

京津冀碳排放影響因素的選取借鑒Dietz、Rosa［22］的隨機(jī)回歸影 響模型（Stochastic Impacts by Regression on Population，Affluence and Technology，STIRPAT），此模型中基本的碳排放影響因素包括人口、富裕程度和技術(shù)水平，由于是隨機(jī)形式，可以在遵循模型分解的基礎(chǔ)上加入結(jié)構(gòu)性變量。本文碳排放影響因素除了基本的人口總量、經(jīng)濟(jì)發(fā)展水平和技術(shù)水平外，加入了直接影響碳排放的能源結(jié)構(gòu)來(lái)分析這些因素對(duì)京津冀地區(qū)碳排放的動(dòng)態(tài)影響。具體變量選擇如下：①碳排放量（CE）。目前我國(guó)沒(méi)有公開(kāi)公布CO2排放數(shù)據(jù)，因此本文結(jié)合IPCC 和2011《省級(jí)溫室氣體清單編制指南（試行）》中化石能源燃燒產(chǎn)生的CO2排放的計(jì)算方法，根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒》中北京、天津和河北的能源平衡表中18 種化石能源的消費(fèi)量、用于發(fā)電和供熱的能源消費(fèi)量、用于工業(yè)原材料的消費(fèi)量、化石能源的低位發(fā)熱值、化石能源的碳排放系數(shù)和化石能源的碳氧化系數(shù)，計(jì)算出北京、天津和河北歷年碳排放數(shù)據(jù)，加總后得到京津冀地區(qū)碳排放總量。②技術(shù)水平（EI）。技術(shù)水平用能源強(qiáng)度表示，是單位GDP 產(chǎn)出的能源消耗量，表明能源利用效率。其中，GDP 以2005 年為基期進(jìn)行了調(diào)整。能源強(qiáng)度越大，能源利用效率越低，碳排放也越多；相反，能源強(qiáng)度越小，能源利用效率越高，碳排量也越少。③經(jīng)濟(jì)發(fā)展水平（EG）。經(jīng)濟(jì)發(fā)展水平一般用人均GDP來(lái)表示，更能反映一個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)增長(zhǎng)的真實(shí)情況，仍以2005 年為基期進(jìn)行調(diào)整得到。④人口規(guī)模（PS）。人口規(guī)模用常住人口數(shù)表示。一般來(lái)講，隨著人口的增加，碳排放量也會(huì)不斷增加。⑤能源結(jié)構(gòu)（ES）。能源結(jié)構(gòu)用清潔能源消費(fèi)量占全部能源消費(fèi)量的比重衡量。為了減少碳排放，能源結(jié)構(gòu)需要進(jìn)行調(diào)整和優(yōu)化，即不斷降低化石能源的比重，逐步增加清潔能源的比重，這是因?yàn)樘寂欧胖饕獊?lái)源于化石能源的使用。本文中的清潔能源主要包括天然氣、水能、太陽(yáng)能、風(fēng)能等。

1.3 數(shù)據(jù)來(lái)源

本文中涉及的各種化石能源、清潔能源消費(fèi)量、能源消費(fèi)總量、GDP、總?cè)丝凇⑷司鵊DP 等指標(biāo)的相關(guān)數(shù)據(jù)主要來(lái)源于歷年《北京統(tǒng)計(jì)年鑒》《天津統(tǒng)計(jì)年鑒》《河北經(jīng)濟(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》，樣本期限為1995—2017 年。

2 實(shí)證結(jié)果及分析

2.1 單位根與協(xié)整檢驗(yàn)

由于各變量為時(shí)間序列數(shù)據(jù)，為了防止“偽回歸”問(wèn)題的出現(xiàn)，首先要進(jìn)行時(shí)間序列平穩(wěn)性檢驗(yàn)和協(xié)整檢驗(yàn)。本文采用ADF法檢驗(yàn)序列的平穩(wěn)性，用JJ檢驗(yàn)法檢驗(yàn)變量間的協(xié)整關(guān)系，變量單位根與變量協(xié)整關(guān)系檢驗(yàn)結(jié)果見(jiàn)表1 和表2。

由表1 可知，碳排放（CE）、人口規(guī)模（PS）、經(jīng)濟(jì)發(fā)展水平（EG）、技術(shù)水平（EI）、能源結(jié)構(gòu)（ES）5 個(gè)變量的原序列為非平穩(wěn)序列，而一階差分序列為平穩(wěn)序列，因此5 個(gè)變量均為1 階單整序列，滿足協(xié)整檢驗(yàn)的前提條件。

表1 變量單位根檢驗(yàn)結(jié)果

由于本文涉及變量較多，不適合運(yùn)用E－G 兩步法進(jìn)行協(xié)整檢驗(yàn)，因此采用JJ 法檢驗(yàn)。由表2 可知，根據(jù)跡檢驗(yàn)法，至少有4 個(gè)原假設(shè)的跡統(tǒng)計(jì)值均大于5%臨界值，表明5 個(gè)變量存在不止一個(gè)協(xié)整關(guān)系。根據(jù)最大特征根檢驗(yàn)法，只有一個(gè)原假設(shè)的最大特征根值大于大于5%臨界值。綜合兩種方法可以得出5 個(gè)變量間存在協(xié)整關(guān)系，進(jìn)行分位數(shù)回歸和建立向量自回歸模型。

表2 變量協(xié)整關(guān)系檢驗(yàn)結(jié)果

2.2 分位數(shù)回歸結(jié)果分析

為了更好地反映京津冀地區(qū)碳排放影響因素在碳排放不同分位點(diǎn)的變化趨勢(shì)，本文分別選擇分位數(shù)為0.1—0.9 的9 個(gè)分位點(diǎn)進(jìn)行回歸，具體回歸結(jié)果見(jiàn)表3。

由表3 可知，不論是均值回歸還是分位數(shù)回歸，變量對(duì)應(yīng)的t值都較大，通過(guò)了變量顯著性檢驗(yàn)，方程的擬合優(yōu)度值R2均在0.9 以上，方程整體擬合得很好。且通過(guò)斜率相等檢驗(yàn)結(jié)果表明，分位數(shù)回歸與均值回歸的系數(shù)有顯著差異，表明采用分位數(shù)回歸方法是合適的。對(duì)于經(jīng)濟(jì)發(fā)展水平，均值回歸和分位數(shù)回歸的系數(shù)符號(hào)都為正，即經(jīng)濟(jì)發(fā)展水平與碳排放是正向關(guān)系，兩者變化方向是一致的，均值回歸系數(shù)是0.902。對(duì)于分位數(shù)回歸來(lái)說(shuō)，當(dāng)τ＞0.8時(shí)，分位數(shù)回歸的參數(shù)估計(jì)值小于均值回歸參數(shù)估計(jì)值；當(dāng)τ＜0.8 時(shí)，分位數(shù)回歸的參數(shù)估計(jì)值大于均值回歸參數(shù)估計(jì)值，表明不同分位數(shù)下經(jīng)濟(jì)發(fā)展水平對(duì)碳排放的影響不同，而均值回歸掩蓋了這種差異。經(jīng)濟(jì)發(fā)展水平對(duì)碳排放影響是逐漸減弱的，也從另一方面說(shuō)明京津冀地區(qū)經(jīng)濟(jì)增長(zhǎng)與碳排放在向脫鉤方向發(fā)展。

表3 京津冀碳排放影響因素的分位數(shù)回歸結(jié)果

對(duì)于技術(shù)水平來(lái)說(shuō)，均值回歸和分位數(shù)回歸系數(shù)符號(hào)均為正，即技術(shù)水平與碳排放是正向關(guān)系，兩者變化方向相同。均值回歸系數(shù)是0.8543。對(duì)于分位數(shù)回歸來(lái)說(shuō)，當(dāng)τ＞0.6 時(shí)，分位數(shù)回歸參數(shù)估計(jì)值小于均值回歸參數(shù)估計(jì)值；當(dāng)τ＜0.6 時(shí)，分位數(shù)回歸參數(shù)估計(jì)值大于均值回歸參數(shù)估計(jì)值，表明不同分位數(shù)下技術(shù)水平對(duì)碳排放影響不同。技術(shù)水平對(duì)碳排放影響逐漸減弱，表明在碳排放量較低時(shí)，能源利用效率稍有提高，減排效果顯著，但隨著碳排放量逐漸增加，能源利用效率提高的潛力和空間逐漸減少，減排效果沒(méi)有初期時(shí)那么明顯，對(duì)碳排放影響開(kāi)始呈現(xiàn)逐漸下降趨勢(shì)。

對(duì)于能源結(jié)構(gòu)來(lái)說(shuō)，均值和分位數(shù)回歸系數(shù)符號(hào)均為負(fù)，即能源結(jié)構(gòu)與碳排放是反向關(guān)系，兩者變化方向相反。均值回歸系數(shù)是－0.3302。對(duì)于分位數(shù)回歸來(lái)說(shuō)，當(dāng)τ＞0.6 時(shí)，分位數(shù)回歸參數(shù)估計(jì)值的絕對(duì)值大于均值回歸參數(shù)估計(jì)值的絕對(duì)值；當(dāng)τ＜0.6時(shí)，分位數(shù)回歸參數(shù)估計(jì)值的絕對(duì)值小于均值回歸參數(shù)估計(jì)值的絕對(duì)值；表明不同分位數(shù)下能源結(jié)構(gòu)對(duì)碳排放影響不同。能源結(jié)構(gòu)對(duì)碳排放影響逐漸增強(qiáng)，也就是說(shuō)當(dāng)清潔能源比重較低時(shí)，碳排放量較多，隨著清潔能源比重不斷提高，碳排放量在逐步下降。

對(duì)于人口規(guī)模來(lái)說(shuō)，均值和分位數(shù)回歸系數(shù)符號(hào)均為正，即人口規(guī)模與碳排放變動(dòng)方向一致。均值回歸系數(shù)是3.6034。對(duì)于分位數(shù)回歸來(lái)說(shuō)，不同分位點(diǎn)回歸系數(shù)是不同的，并沒(méi)有表現(xiàn)出明顯上升或者下降趨勢(shì)，基本圍繞著均值回歸系數(shù)上下波動(dòng)，表明碳排放量不同分位點(diǎn)的人口規(guī)模對(duì)碳排放的影響是正向的且影響程度存在著差異性。

2.3 向量自回歸模型滯后期選擇與模型穩(wěn)定性

單位跟和協(xié)整檢驗(yàn)結(jié)果表明，人口、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、能源結(jié)構(gòu)與碳排放均為1 階單整序列，具有協(xié)整關(guān)系，符合建立VAR 模型的前提條件。根據(jù)AIC、SC 和LR 原則，確定VAR 模型的最優(yōu)滯后期為2 階，所有單位根的倒數(shù)小于1，即位于單位圓內(nèi)，模型是穩(wěn)定的，具體檢驗(yàn)結(jié)果見(jiàn)圖1。

圖1 京津冀地區(qū)碳排放影響因素VAR模型穩(wěn)定性檢驗(yàn)

2.4 脈沖響應(yīng)分析

分位數(shù)回歸只是分析了樣本期內(nèi)京津冀人口、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、能源結(jié)構(gòu)在碳排放量不同分位點(diǎn)對(duì)碳排放的影響方向及程度，還不能反映出今后一段時(shí)期這些變量對(duì)碳排放的影響趨勢(shì)，而這種分析對(duì)于今后節(jié)能減排政策的制定意義更加重大。因此，本文通過(guò)脈沖響應(yīng)分析法分析了人口規(guī)模、經(jīng)濟(jì)發(fā)展水平、技術(shù)水平和能源結(jié)構(gòu)對(duì)碳排放未來(lái)的影響。在實(shí)際應(yīng)用中，一般不對(duì)VAR 模型得到的參數(shù)進(jìn)行解釋?zhuān)窃谀Ｐ偷幕A(chǔ)上進(jìn)行脈沖響應(yīng)分析，即分析當(dāng)系統(tǒng)中某個(gè)內(nèi)生變量受到某種沖擊后對(duì)系統(tǒng)中其他內(nèi)生變量未來(lái)一段時(shí)期產(chǎn)生的動(dòng)態(tài)影響。為了避免變量的不同順序?qū)Ψ治鼋Y(jié)果的影響，一般采用廣義脈沖方法進(jìn)行分析，本文根據(jù)樣本數(shù)量，脈沖響應(yīng)的時(shí)期數(shù)選為10，具體分析結(jié)果見(jiàn)圖2—5。

圖2 京津冀碳排放對(duì)經(jīng)濟(jì)發(fā)展水平脈沖響應(yīng)

由圖2 可知，如果給經(jīng)濟(jì)發(fā)展水平隨機(jī)擾動(dòng)項(xiàng)一個(gè)沖擊，經(jīng)過(guò)2 個(gè)時(shí)期的調(diào)整逐漸趨于穩(wěn)定，對(duì)碳排放未來(lái)8 期的影響是正向的。也就是說(shuō)，隨著經(jīng)濟(jì)增長(zhǎng)，碳排放量還會(huì)增加，但影響程度逐漸減弱，經(jīng)濟(jì)增長(zhǎng)和碳排放朝著脫鉤方向發(fā)展；也可能再經(jīng)過(guò)一段時(shí)間，出現(xiàn)經(jīng)濟(jì)增長(zhǎng)，碳排放減少，實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)與碳排放脫鉤。

由圖3 可知，如果給人口規(guī)模隨機(jī)擾動(dòng)項(xiàng)一個(gè)沖擊，同樣經(jīng)過(guò)2 期調(diào)整后對(duì)碳排放影響逐漸趨于穩(wěn)定，呈現(xiàn)逐漸下降趨勢(shì)，而且是正向影響。也就是人口的變化與碳排放的變化趨勢(shì)是一致的，可能隨著京津冀地區(qū)人口峰值出現(xiàn)，總?cè)丝陂_(kāi)始呈現(xiàn)下降趨勢(shì)，碳排放也逐漸減少。

圖3 京津冀碳排放對(duì)人口脈沖響應(yīng)

由圖4 可知，如果給技術(shù)水平隨機(jī)擾動(dòng)項(xiàng)一個(gè)沖擊，對(duì)碳排放未來(lái)一段時(shí)期的影響呈現(xiàn)先升后降的趨勢(shì)，同樣兩者也是正向關(guān)系，呈現(xiàn)相同變化趨勢(shì)。也就是說(shuō)在前6 期，技術(shù)水平對(duì)碳排放的影響是逐漸增強(qiáng)的，表明京津冀地區(qū)的能源利用效率在不斷提高，但隨著時(shí)間的發(fā)展，能源利用效率提高的潛力和空間會(huì)逐漸減少，因此對(duì)碳排放影響也會(huì)逐漸減弱。

圖4 京津冀碳排放對(duì)技術(shù)水平脈沖響應(yīng)

由圖5 可知，如果給能源結(jié)構(gòu)隨機(jī)擾動(dòng)項(xiàng)一個(gè)沖擊，經(jīng)過(guò)2 期調(diào)整后逐漸趨于穩(wěn)定。整體來(lái)看，能源結(jié)構(gòu)對(duì)碳排放的沖擊是逐漸增強(qiáng)趨勢(shì)。未來(lái)一段時(shí)期，隨著京津冀地區(qū)清潔能源比重不斷增加，碳排放將不斷減少，可見(jiàn)能源消費(fèi)結(jié)構(gòu)優(yōu)化對(duì)減少碳排放起著重要作用。

圖5 京津冀碳排放對(duì)能源結(jié)構(gòu)脈沖響應(yīng)

2.5 方差分解分析

在脈沖響應(yīng)分析之后，還應(yīng)進(jìn)行方差分解分析。即把某個(gè)內(nèi)生變量的變化（通常用方差度量）進(jìn)行分解，分析變量自身和其他內(nèi)生變量對(duì)此變量變化的貢獻(xiàn)大小，進(jìn)而評(píng)價(jià)不同內(nèi)生變量對(duì)其未來(lái)變化影響的重要程度。與脈沖相應(yīng)分析的時(shí)期數(shù)相同也選為10 期，具體分析結(jié)果見(jiàn)表4。

表4 京津冀碳排放影響因素的方差分解結(jié)果

由表4 可知，技術(shù)水平即能耗強(qiáng)度對(duì)碳排放貢獻(xiàn)率最大，且呈不斷上升趨勢(shì)，從第一期的1.13%上升到第十期的34.97%，表明未來(lái)一段時(shí)期能源利用效率是影響碳排放很重要的影響因素，也就是隨著能源利用效率不斷提高，碳排放將逐步下降。能源結(jié)構(gòu)對(duì)碳排放的貢獻(xiàn)率排在第二位，同時(shí)貢獻(xiàn)率也呈現(xiàn)逐漸上升趨勢(shì)，從第一期的12.75%上升到第十期的28.2%，表明能源結(jié)構(gòu)對(duì)碳排放未來(lái)影響逐漸增強(qiáng)，對(duì)減少碳排放也起著非常重要的作用，隨著清潔能源比重不斷增加，碳排放量將逐漸下降。經(jīng)濟(jì)發(fā)展水平對(duì)碳排放貢獻(xiàn)從第二期之后呈現(xiàn)逐漸下降趨勢(shì)，從第二期的30.15%下降到第十期的17.22%，也就是說(shuō)經(jīng)濟(jì)發(fā)展水平對(duì)今后一段時(shí)期內(nèi)碳排放影響逐漸下降，表明經(jīng)濟(jì)總量可能在增加，但經(jīng)濟(jì)增長(zhǎng)的速度可能會(huì)減慢，碳排放隨之逐漸下降，實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)與碳排放的脫鉤狀態(tài)。人口規(guī)模對(duì)碳排放貢獻(xiàn)率也呈現(xiàn)逐漸下降趨勢(shì)，從第一期的21.26%下降到第十期的9.23%，表明隨著北京非首都功能疏解、控制人口總體規(guī)模和北京、河北和天津人口出生率和自然增長(zhǎng)率下降，京津冀總?cè)丝陂_(kāi)始呈現(xiàn)下降趨勢(shì)，因此碳排放也呈現(xiàn)減少趨勢(shì)。

3 結(jié)論與建議

3.1 結(jié)論

本文運(yùn)用分位數(shù)回歸分析了京津冀地區(qū)碳排放量在不同分位點(diǎn)下經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、技術(shù)水平和能源結(jié)構(gòu)對(duì)碳排放的影響，同時(shí)運(yùn)用VAR 模型中的脈沖響應(yīng)和方差分解分析了將來(lái)這幾個(gè)解釋變量對(duì)京津冀地區(qū)碳排放的動(dòng)態(tài)影響，得出的主要結(jié)論為今后減排政策的制定和碳中和目標(biāo)的實(shí)現(xiàn)提供了堅(jiān)實(shí)的理論基礎(chǔ)。

與均值回歸模型比較而言，京津冀碳排放量在0.1—0.9 的9 個(gè)分位點(diǎn)上的回歸系數(shù)是不同的，通過(guò)分位數(shù)回歸能夠更好地反映出經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、技術(shù)水平與能源結(jié)構(gòu)對(duì)碳排放影響程度的差異性。具體來(lái)講：對(duì)經(jīng)濟(jì)發(fā)展水平和技術(shù)水平來(lái)說(shuō)，碳排放量不同分位點(diǎn)回歸系數(shù)均為正，且對(duì)碳排放影響逐漸減弱。這一方面說(shuō)明京津冀經(jīng)濟(jì)增長(zhǎng)與碳排放在向脫鉤方向發(fā)展，有利于碳中和目標(biāo)早日實(shí)現(xiàn)；另一方面說(shuō)明隨著能源利用效率的提高，潛力和空間逐漸減少，對(duì)碳排放的影響開(kāi)始呈現(xiàn)逐漸下降趨勢(shì)。對(duì)能源結(jié)構(gòu)來(lái)說(shuō)，碳排放量不同分位數(shù)下回歸系數(shù)均為負(fù)，對(duì)碳排放影響逐漸增強(qiáng)，即隨著京津冀清潔能源比重不斷上升，碳排放量將逐步下降；對(duì)人口規(guī)模來(lái)說(shuō)，碳排放量不同分位點(diǎn)回歸系數(shù)為正，圍繞著均值回歸系數(shù)上下波動(dòng)，表明人口規(guī)模對(duì)碳排放的影響是正向且影響程度存在著差異性。

脈沖響應(yīng)分析結(jié)果表明，經(jīng)濟(jì)發(fā)展水平對(duì)碳排放未來(lái)影響是正向，但影響程度逐漸減弱，兩者在朝著脫鉤方向發(fā)展；人口規(guī)模對(duì)碳排放影響也是正向且呈現(xiàn)下降趨勢(shì)，表明隨著未來(lái)京津冀人口峰值出現(xiàn)后的下降，碳排放也會(huì)相應(yīng)減少；技術(shù)水平對(duì)碳排放未來(lái)一段時(shí)期影響是正向，且呈現(xiàn)先升后降趨勢(shì)，表明隨著京津冀能源利用效率的不斷提高，碳排放量在減少，但隨著時(shí)間推移，能源利用效率可提高的空間會(huì)越來(lái)越小，因此碳排放減少的速度會(huì)逐漸減弱；能源結(jié)構(gòu)對(duì)碳排放未來(lái)影響是負(fù)向，在分析期內(nèi)對(duì)碳排放沖擊呈越來(lái)越強(qiáng)趨勢(shì)。

方差分析結(jié)果表明，在未來(lái)一段時(shí)期，技術(shù)水平對(duì)京津冀地區(qū)碳排放貢獻(xiàn)率最大，且呈不斷上升趨勢(shì)，表明技術(shù)水平是很重要的碳排放影響因素；能源結(jié)構(gòu)對(duì)碳排放未來(lái)影響也是逐漸增強(qiáng)的，對(duì)減少碳排放也起著非常重要的作用；經(jīng)濟(jì)發(fā)展水平對(duì)今后一段時(shí)期內(nèi)碳排放的貢獻(xiàn)率逐漸下降，表明隨著經(jīng)濟(jì)增長(zhǎng)并沒(méi)有引起碳排放相應(yīng)的增長(zhǎng)；人口規(guī)模對(duì)碳排放貢獻(xiàn)率呈逐漸下降趨勢(shì)，表明隨著北京非首都功能疏解、人口總體規(guī)模控制和京津冀三地人口出生率與自然增長(zhǎng)率下降，京津冀總?cè)丝陂_(kāi)始呈下降趨勢(shì)，導(dǎo)致碳排放逐漸減少。

3.2 建議

目前京津冀總體碳排放量從2012 年開(kāi)始呈現(xiàn)逐漸下降趨勢(shì)，2017 年碳排放量還有將近9 億t。為了保持這種下降趨勢(shì)，不讓碳排放出現(xiàn)反彈，同時(shí)也為了京津冀在全國(guó)率先實(shí)現(xiàn)碳中和目標(biāo)，走在前面，起到帶頭示范的作用，根據(jù)以上分析，應(yīng)從技術(shù)水平和能源結(jié)構(gòu)兩個(gè)重要因素著手進(jìn)行減排政策的制定。在減排政策制定時(shí)應(yīng)處理好總體與部分的關(guān)系，即在充分考慮北京、天津與河北經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、能源資源稟賦、能源生產(chǎn)與消費(fèi)結(jié)構(gòu)、能源利用效率和技術(shù)水平的不同，又要注意到京津冀一體化或者協(xié)調(diào)發(fā)展。

首先，要不斷進(jìn)行科技創(chuàng)新，提高技術(shù)水平和能源利用效率。2017 年，北京市萬(wàn)元GDP 能耗（2005年價(jià)格為基期）為0.3531，天津市為0.4589，河北省為1.0162，可見(jiàn)河北省萬(wàn)元GDP 能耗遠(yuǎn)遠(yuǎn)高于北京市和天津市，表明河北能源利用效率要低于北京和天津。因此，如何提高河北能源利用效率是京津冀地區(qū)碳中和目標(biāo)實(shí)現(xiàn)的關(guān)鍵。河北能源消耗主要集中在煤炭開(kāi)采、鋼鐵、化工、水泥等高耗能行業(yè)，而這些行業(yè)能耗水平遠(yuǎn)高于國(guó)際先進(jìn)水平。另外，這些高耗能行業(yè)的產(chǎn)業(yè)集中度低，企業(yè)數(shù)量多、規(guī)模小，導(dǎo)致能源利用效率低、污染嚴(yán)重。因此，河北應(yīng)進(jìn)行合并與重組、擴(kuò)大產(chǎn)業(yè)規(guī)模、加大研發(fā)投入，不斷進(jìn)行科技創(chuàng)新，才能提高能源利用效率，減少碳排放，今早實(shí)現(xiàn)碳中和目標(biāo)。

其次，要進(jìn)行能源結(jié)構(gòu)綠色轉(zhuǎn)型。能源結(jié)構(gòu)綠色轉(zhuǎn)型主要包括減少煤炭使用量和增加清潔能源比重兩個(gè)方面。①減少煤炭使用量。目前，河北和天津能源消費(fèi)仍然以煤炭為主，尤其是河北的煤炭消費(fèi)所占比重還在80%以上。因此，減少煤炭消費(fèi)量是京津冀地區(qū)今后碳中和目標(biāo)實(shí)現(xiàn)的重點(diǎn)，可采取電能替代政策，以電代煤、以氣代煤，轉(zhuǎn)變煤炭的使用形式。北京在這方面做得比較好，大大減少了煤炭的使用量，同時(shí)空氣污染問(wèn)題也得到了一定改善。但是，電能替代政策的實(shí)施主要依賴于政府的財(cái)政補(bǔ)貼，而天津和河北的財(cái)政能力明顯弱于北京，構(gòu)建三地間合理的財(cái)政轉(zhuǎn)移支付制度是一個(gè)重要的政策選擇。②增加清潔能源比重。京津冀地區(qū)清潔能源儲(chǔ)量較為豐富，如河北張家口與承德地區(qū)的風(fēng)能、太陽(yáng)能資源豐富，可以大力發(fā)展風(fēng)能和太陽(yáng)能，天津則可以充分利用海洋資源，開(kāi)展海上風(fēng)電項(xiàng)目。京津冀地區(qū)2018 年水利、太陽(yáng)能和風(fēng)能的發(fā)電量占整個(gè)發(fā)電量的10.3%，2015 年僅為6.3%，增加了4 個(gè)百分點(diǎn)。2017 年，分布式太陽(yáng)能裝機(jī)容量為388 萬(wàn)kW，2019 年達(dá)到597 萬(wàn)kW，增長(zhǎng)了54%。

第三，京津冀三地在協(xié)同發(fā)展背景下，應(yīng)加強(qiáng)合作，尤其是重點(diǎn)構(gòu)建低碳技術(shù)協(xié)同創(chuàng)新體系，推動(dòng)整個(gè)區(qū)域在全國(guó)盡早實(shí)現(xiàn)碳中和目標(biāo)。京津冀三地要進(jìn)行全方位的科研合作，建立科技創(chuàng)新、科技合作、科技推廣的聯(lián)動(dòng)機(jī)制，完善技術(shù)交易平臺(tái)，增強(qiáng)區(qū)域協(xié)同創(chuàng)新的配置能力。同時(shí)，鼓勵(lì)三地企業(yè)聯(lián)合進(jìn)行低碳關(guān)鍵和核心技術(shù)攻關(guān)，提高技術(shù)經(jīng)費(fèi)的使用效率，提升節(jié)能減排技術(shù)的轉(zhuǎn)化速度。