摘" "要：在全球氣候變暖的大背景下早日實(shí)現(xiàn)碳達(dá)峰、碳中和，被認(rèn)為是國(guó)家健康發(fā)展的重要前提，因此，約束碳排放、實(shí)現(xiàn)碳達(dá)峰等議題的研究顯得尤為重要。在已有碳排放影響指標(biāo)的基礎(chǔ)上，基于無(wú)量綱化的2002—2019年面板數(shù)據(jù)，運(yùn)用Pearson相關(guān)分析與主成分分析，重新構(gòu)建基于三次產(chǎn)業(yè)劃分的碳排放核算指標(biāo)體系，構(gòu)建以重構(gòu)指標(biāo)為基礎(chǔ)的碳排放占比核算模型，借助ARIMA時(shí)間序列模型對(duì)2020—2030年的指標(biāo)量及碳排放量進(jìn)行預(yù)測(cè)，最后進(jìn)行結(jié)果分析并提出相關(guān)應(yīng)對(duì)策略。

關(guān)鍵詞：Pearson相關(guān)性分析；主成分分析；ARIMA時(shí)間序列模型；碳排放占比

中圖分類號(hào)：F121.3；X32" " " "文獻(xiàn)標(biāo)志碼：A" " " 文章編號(hào)：1673-291X（2023）22-0038-03

引言

2005年《京都議定書》正式實(shí)施以來(lái)，學(xué)界對(duì)于碳排放的研究就如火如荼地展開(kāi)。到目前為止，學(xué)者們主要的研究方向集中在碳排放影響因素分析、碳排放量核算以及減排路徑研究等方面。學(xué)界針對(duì)碳排放模型的研究以LMDI模型、STIRPAT模型、Kaya恒等式以及BP神經(jīng)網(wǎng)絡(luò)為主；針對(duì)碳排放量核算方式的研究也多以指標(biāo)值乘以碳排放因子為主。但是，目前我國(guó)針對(duì)碳排放量的測(cè)算多以出于管理需要的統(tǒng)計(jì)年鑒面板數(shù)據(jù)為支撐，缺乏統(tǒng)一標(biāo)準(zhǔn)的碳排放指標(biāo)數(shù)據(jù)庫(kù)、測(cè)算公式以及誤差范圍設(shè)定，故碳排放量測(cè)算及分析結(jié)果存在一定程度的誤差。

侯麗朋、唐立娜等人運(yùn)用STIRPAT模型建立碳排放模型，并設(shè)置增長(zhǎng)情景以分析閩三角城市的達(dá)峰情況[1]。薛悅鑫、謝靜超等人用LMDI法探尋2005—2020年北京市碳排放影響因素及趨勢(shì)并提出應(yīng)對(duì)策略[2]。劉曉蝶、孟祥瑞等人利用Lassoc回歸模型與BP神經(jīng)網(wǎng)絡(luò)分析江蘇省碳達(dá)峰時(shí)間及碳達(dá)峰量[3]。陳恩通過(guò)線性回歸并引入3E綜合指數(shù)與固定成本分?jǐn)偰Ｐ停‵CAM）研究武漢城市圈碳放權(quán)空間分配[4]。譚丹、黃賢金通過(guò)測(cè)算東中西部碳排放總量及增速并結(jié)合灰色關(guān)聯(lián)分析研究生產(chǎn)總值與碳排放間的相互關(guān)系[5]。

本文選取全國(guó)30個(gè)省市自治區(qū)（除西藏自治區(qū)、臺(tái)灣、香港和澳門外）作為研究對(duì)象，基于面板數(shù)據(jù)轉(zhuǎn)換為各省市占比后，參照已有研究，并運(yùn)用Pearson相關(guān)性分析法與主成分分析法重新構(gòu)建基于三次產(chǎn)業(yè)劃分下的指標(biāo)體系，運(yùn)用多元線性回歸分析及Arima時(shí)間序列模型進(jìn)行指標(biāo)值系數(shù)確定和目標(biāo)年指標(biāo)值預(yù)測(cè)。結(jié)合各省市自治區(qū)以及七大地理區(qū)域的碳排放量、占比以及變化速率等指標(biāo)，分析目前發(fā)展趨勢(shì)下的碳達(dá)峰情況并提出發(fā)展建議。

一、研究方法

Pearson相關(guān)性分析是利用空間向量模型分析兩特征值之間的距離的分析方法[6]。其反映在兩方面，一方面是Pearson相關(guān)系數(shù)（R2），另一方面是顯著性（P值）。R2為-1到1之間的無(wú)量綱統(tǒng)計(jì)指標(biāo)，當(dāng)|R2|越靠近1時(shí)表示兩特征值之間的相關(guān)性越高，越靠近0時(shí)表示兩特征值之間的相關(guān)性越低。下文分析時(shí)認(rèn)定|R2|＜0.2，即兩特征值不存在相關(guān)性，其余均認(rèn)定存在一定程度相關(guān)。P值為表示兩特征值相關(guān)性顯著度的指標(biāo)，檢驗(yàn)時(shí)通常認(rèn)定P至少應(yīng)小于0.1。下文分析時(shí)，采用雙側(cè)檢驗(yàn)認(rèn)定P值＜0.05時(shí)有95%的概率認(rèn)定兩特征值具有顯著性，P值＜0.01時(shí)有99%的概率認(rèn)定兩特征值具有顯著性。

主成分分析法（PCA）通過(guò)一個(gè)綜合指標(biāo)來(lái)解釋多個(gè)指標(biāo)的集合，即通過(guò)對(duì)原始信息的降維處理得到新的綜合指標(biāo)。在本文分析中即是利用主成分分析法將后文中的小類指標(biāo)合并為大類指標(biāo)進(jìn)行權(quán)重計(jì)算。假設(shè)有m個(gè)樣本、n個(gè)指標(biāo)以構(gòu)成大小為m*n的樣本矩陣X：

通過(guò)對(duì)上述矩陣求出其所對(duì)應(yīng)的協(xié)方差矩陣和協(xié)方差矩陣的特征值以及特征向量后得到：

n=樣本數(shù) p=主成分個(gè)數(shù)

α=指標(biāo)系數(shù) F=主成分

根據(jù)p個(gè)主成分累計(jì)貢獻(xiàn)率大于85%確定主成分個(gè)數(shù)。

ARIMA時(shí)間序列模型即差分整合移動(dòng)平均自回歸模型。此模型為ARMA模型，即自回歸移動(dòng)平均模型與差分組合所得。此模型被廣泛應(yīng)用于經(jīng)濟(jì)領(lǐng)域的預(yù)測(cè)分析。

ARIMA（p，d，q）時(shí)間序列模型的數(shù)學(xué)形式可以表示為：

yt=μ+φ1*yt-1+...+φp*yt-p+θ1*et-1+...+θq*et-q（3）

其中：

y=目標(biāo)年指標(biāo)值 θ=MA的系數(shù)

t=目標(biāo)年" " " " " " " " " p=時(shí)序數(shù)據(jù)滯后數(shù)

μ=常數(shù)" " " " " " " " " d=差分階數(shù)

φ=AR的系數(shù)" q=預(yù)測(cè)誤差滯后數(shù)

二、模型構(gòu)建與指標(biāo)預(yù)測(cè)

（一）指標(biāo)構(gòu)建與數(shù)據(jù)來(lái)源

本文選取參考文獻(xiàn)4和7中針對(duì)碳排放核算所用到的指標(biāo)，最后篩選出農(nóng)作物總播種面積及農(nóng)用柴油使用量等27個(gè)指標(biāo)。其中，農(nóng)作物總播種面積、鋼鐵產(chǎn)量以及生活污水排放量等指標(biāo)數(shù)據(jù)收集自2003—2020年《中國(guó)城市統(tǒng)計(jì)年鑒》，碳排放量等指標(biāo)數(shù)據(jù)收集自CEADs《中國(guó)碳核算數(shù)據(jù)庫(kù)》①②③④。針對(duì)以上指標(biāo)進(jìn)行初步分類，形成3大類27小類的碳排放量核算指標(biāo)體系。將小類指標(biāo)分別進(jìn)行Pearson相關(guān)性分析，得出三次產(chǎn)業(yè)下各指標(biāo)的相關(guān)關(guān)系。檢驗(yàn)中發(fā)現(xiàn)，一產(chǎn)下屬指標(biāo)中，農(nóng)膜使用量指標(biāo)與其他指標(biāo)相關(guān)性小于0.2，故按照省情差異重新進(jìn)行篩選，篩選出遼寧、福建、貴州、以及云南四省刪除農(nóng)膜使用量指標(biāo)，重新構(gòu)成各省市自治區(qū)指標(biāo)，見(jiàn)表1。

（二）模型構(gòu)建及誤差復(fù)檢

將指標(biāo)值進(jìn)行無(wú)量綱化處理，得到比例并考慮到省情差異，將各類指標(biāo)分省市進(jìn)行主成分分析，按照主成分構(gòu)成85%—95%區(qū)間篩選主成分構(gòu)成大類指標(biāo)。將碳排放量占比作為因變量、大類指標(biāo)作為自變量進(jìn)行多元回歸分析，得出基于三次產(chǎn)業(yè)劃分下的碳排放模型的大類指標(biāo)值，將其與小類主成分系數(shù)相乘得到以27小類構(gòu)成的碳排放占比模型。將構(gòu)建的模型計(jì)算所得的碳排放總量與文獻(xiàn)8—11中的碳排放量進(jìn)行誤差分析，誤差檢測(cè)標(biāo)準(zhǔn)采用政府間氣候變化專門委員會(huì)（IPCC）規(guī)定的±5.0%的誤差范圍。通過(guò)誤差分析結(jié)果發(fā)現(xiàn)，模型誤差與已有數(shù)據(jù)的誤差均在允許范圍之內(nèi)，故認(rèn)定考慮省情差異的碳排放占比模型構(gòu)建有效。

E=a*（a1*A1+a2*A2+...+an*An）+β*（b1*B1+b2*B2+...+bm*Bm）+φ*（c1*C1+c2+...+cp*Cp）（4）

其中，a、β、φ為一產(chǎn)、二產(chǎn)、三產(chǎn)指標(biāo)的總指標(biāo)數(shù)，am、bm、cp為三次產(chǎn)業(yè)劃分下各類小指標(biāo)系數(shù)，An、Bm、Cp為三次產(chǎn)業(yè)劃分下各類小指標(biāo)量。

（三）指標(biāo)及總量預(yù)測(cè)

運(yùn)用SPSS軟件中的ARIMA時(shí)間序列預(yù)測(cè)模型設(shè)定目標(biāo)年為2030年，進(jìn)行27個(gè)小類指標(biāo)以及30個(gè)省市自治區(qū)的碳排放總量預(yù)測(cè)，將得出的相關(guān)數(shù)據(jù)帶入碳排放占比模型（4）中，計(jì)算并進(jìn)行調(diào)整后得出各省市自治區(qū)的碳排放占比。將預(yù)測(cè)所得的碳排放總量與占比進(jìn)行計(jì)算得出分地理區(qū)及分省份的碳排放總量。

三、分析與建議

（一）分地理區(qū)域分析

根據(jù)我國(guó)七大地理分區(qū)將研究范圍內(nèi)的30個(gè)省市自治區(qū)（除西藏、香港和澳門外）進(jìn)行合并，結(jié)果表明，按照目前發(fā)展趨勢(shì)，從碳排放量占比來(lái)看，2020—2030年間華北地區(qū)碳排放量占比由23.57%增長(zhǎng)到25.23%；西北地區(qū)由12.69%增長(zhǎng)到13.95%；除華北與西北地區(qū)外，其余地區(qū)占比均呈現(xiàn)下降狀態(tài)。雖然華東地區(qū)未來(lái)碳排放量占比呈現(xiàn)下降狀態(tài)，但華北與華東地區(qū)碳排放占比依然高達(dá)25.23%與22.48%，是我國(guó)碳排放量占比最高的兩個(gè)地區(qū)，依然是碳減排的主力地區(qū)。

從碳排放總量與增速來(lái)看，七大地理區(qū)域碳排放總量均呈現(xiàn)上升狀態(tài)。年平均增速最快的為華北和西北地區(qū)，分別為6 164.59萬(wàn)噸/年和3 752.61萬(wàn)噸/年；除華北與西北地區(qū)之外，其余五個(gè)地區(qū)碳排放量增速均呈現(xiàn)曲折下降的狀態(tài)。

此結(jié)果表明，我國(guó)碳排放的主力還是集中在華東與華北地區(qū)，此地區(qū)集中了我國(guó)近50%的碳排放總量，在未來(lái)一段時(shí)間內(nèi)減排的重點(diǎn)還應(yīng)著眼于華東與華北地區(qū)。七大地理區(qū)域均分布著規(guī)模大小不一的城市群，地區(qū)的碳排放變化情況與城市群內(nèi)部的調(diào)整以及與周邊的協(xié)作發(fā)展密不可分。

（二）分省市分析

從碳排放量占比來(lái)看，北京、天津兩市碳排放量占比將在2026年超過(guò)全國(guó)平均水平，河北、山西、遼寧等10個(gè)省市自治區(qū)碳排放量占比依舊高于全國(guó)平均水平，內(nèi)蒙古、吉林、上海等18個(gè)省市自治區(qū)均低于全國(guó)平均水平；河北、內(nèi)蒙古、遼寧等18個(gè)省市自治區(qū)碳排放量占比呈現(xiàn)逐年下降狀態(tài)，其余省市均呈現(xiàn)逐年上升狀態(tài)。

從碳排放總量與增速來(lái)看，內(nèi)蒙古、上海、山東、重慶四省市自治區(qū)碳排放總量實(shí)現(xiàn)負(fù)增長(zhǎng)，其中蒙古自治區(qū)為最高，年均負(fù)增長(zhǎng)量為2 504.68萬(wàn)噸/年，其余各省份均呈現(xiàn)增長(zhǎng)態(tài)勢(shì)。但在增長(zhǎng)的省市內(nèi)，遼寧、黑龍江、浙江等12省市碳排放量增速呈現(xiàn)曲折放緩態(tài)勢(shì)，增長(zhǎng)趨于平緩，在未來(lái)有逐漸達(dá)峰的趨勢(shì)。

此結(jié)果表明，各省市碳排放總量、占比與增速的變化與城市群分布以及地理鄰近性有較大關(guān)系。京津冀城市群表現(xiàn)為內(nèi)部省市碳排放總量的共同增長(zhǎng)及河北省增速的逐步增大；長(zhǎng)三角城市群表現(xiàn)為上海市作為中心城市進(jìn)行產(chǎn)業(yè)升級(jí)，影響其內(nèi)部其他省份碳排放總增長(zhǎng)；成渝城市群則表現(xiàn)為城市群及周邊省市碳排放量的同步下降；珠三角城市群表現(xiàn)為城市群及周邊區(qū)域碳排放總量的同步上升，但廣東省碳排放增速呈現(xiàn)放緩趨勢(shì)；長(zhǎng)江中游城市群表現(xiàn)為其內(nèi)部碳排放量呈現(xiàn)增長(zhǎng)趨勢(shì)，但湖北省增速呈現(xiàn)放緩趨勢(shì)。

（三）對(duì)策及建議

綜上所述，從兩個(gè)角度對(duì)預(yù)測(cè)結(jié)果進(jìn)行分析中可以清楚地看出，省級(jí)碳排放變化的影響因素在于省際與省內(nèi)兩方面。故針對(duì)省級(jí)碳排放的對(duì)策應(yīng)著眼于城市群范圍內(nèi)部及周邊的協(xié)作關(guān)系，以及省域內(nèi)部的自我調(diào)整，故提出以下對(duì)策與建議。

1.各省市自治區(qū)應(yīng)明晰當(dāng)前各自發(fā)展階段與未來(lái)發(fā)展?jié)摿?，根?jù)省情判斷經(jīng)濟(jì)發(fā)展與碳排放的變化關(guān)系，借助高質(zhì)量發(fā)展的契機(jī)積極推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，積極引導(dǎo)經(jīng)濟(jì)發(fā)展方式從資源密集型轉(zhuǎn)向智力密集型。

2.各省市自治區(qū)應(yīng)明晰當(dāng)前能源消費(fèi)結(jié)構(gòu)與消費(fèi)潛力。一方面，通過(guò)頒布相關(guān)政策、加大科技研發(fā)投入等方式助力高耗能、高污染企業(yè)主動(dòng)減碳；另一方面，大力發(fā)展風(fēng)能、水能以及太陽(yáng)能等清潔能源，將清潔能源的使用日?；?、大眾化，應(yīng)用于工業(yè)生產(chǎn)、居民日常生活等方面，降低碳基能源在能源結(jié)構(gòu)中的比例。

3.強(qiáng)化省域內(nèi)部城市間的相互聯(lián)系以及交通體系建設(shè)，積極建設(shè)一批城際高鐵以強(qiáng)化城際間的快速聯(lián)系，臨近城市之間構(gòu)建一小時(shí)城市圈，降低小汽車出行比例，減少化石燃料的使用。

4.強(qiáng)化城市群及省際間各產(chǎn)業(yè)部門的合作分工，發(fā)揮各省市比較優(yōu)勢(shì)和產(chǎn)業(yè)規(guī)模效應(yīng)，通過(guò)產(chǎn)業(yè)適度集聚降低各省市“各自為政”所帶來(lái)的第二產(chǎn)業(yè)碳排放量增長(zhǎng)，在城市群或省際之間實(shí)現(xiàn)碳排放空間的重新分配，助力在國(guó)家尺度下碳達(dá)峰目標(biāo)早日實(shí)現(xiàn)。

5.建立城市群或省際間統(tǒng)一的碳排放協(xié)作機(jī)制。根據(jù)空間地理相似性和產(chǎn)業(yè)相似性，構(gòu)建統(tǒng)一的碳排放核算指標(biāo)庫(kù)以及核算標(biāo)準(zhǔn)。積極做好相關(guān)指標(biāo)的統(tǒng)計(jì)和調(diào)查工作，以一年為期進(jìn)行碳減排行動(dòng)實(shí)施現(xiàn)狀評(píng)估，以五年為期進(jìn)行碳減排潛力預(yù)測(cè)，并以此為依據(jù)統(tǒng)一制定針對(duì)協(xié)作范圍內(nèi)各省市的減排意見(jiàn)及評(píng)估報(bào)告。

參考文獻(xiàn)：

[1]" "侯麗朋，唐立娜，王琳，等.閩三角城市群碳達(dá)峰的多情景模擬分析[J].生態(tài)學(xué)報(bào)，2022（23）：1-14.

[2]" "薛悅鑫，謝靜超，懷超平，等.北京市能源碳排放影響因素分解分析[J].建筑節(jié)能（中英文），2022，50（9）：128-132.

[3]" "劉曉蝶，孟祥瑞，王向前.基于Lasso-BP神經(jīng)網(wǎng)絡(luò)模型的江蘇省碳排放預(yù)測(cè)[J].黑龍江工業(yè)學(xué)院學(xué)報(bào)（綜合版），2021，21（8）：60-65.

[4]" "陳恩.武漢城市圈土地利用碳排放地域差異及減排方案研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2018.

[5]" "譚丹，黃賢金.我國(guó)東、中、西部地區(qū)經(jīng)濟(jì)發(fā)展與碳排放的關(guān)聯(lián)分析及比較[J].中國(guó)人口·資源與環(huán)境，2008（3）：54-57.

[6]" "張宇鐳，黨琰，賀平安.利用Pearson相關(guān)系數(shù)定量分析生物親緣關(guān)系[J].計(jì)算機(jī)工程與應(yīng)用，2005（33）：83-86，103.

[7]" "楊欣，蔡銀鶯，張安錄.武漢城市圈碳排放的時(shí)空格局及影響因素分解研究：基于2001—2009年市級(jí)面板數(shù)據(jù)的實(shí)證[J].長(zhǎng)江流域資源與環(huán)境，2013，22（11）：1389-1396.

[責(zé)任編輯" "妤" "文]