李 安 尹遜之

一、引言

2020年,中國正式作出“將力爭2030年前實現(xiàn)碳達峰、2060年前實現(xiàn)碳中和”的“雙碳”目標承諾。2022年5月,農(nóng)業(yè)農(nóng)村部出臺《農(nóng)業(yè)農(nóng)村減排固碳實施方案》,為我國農(nóng)村減排固碳提供了實施路徑。數(shù)據(jù)顯示,農(nóng)業(yè)農(nóng)村領域溫室氣體排放總量約為17億噸二氧化碳當量,占全國碳排放總量的15%左右(1)人民網(wǎng):《鄉(xiāng)村振興成節(jié)能減碳新陣地》,2022年3月16日,http://finance.people.com.cn/n1/2022/0316/c1004-32376036.html,訪問日期: 2022年4月20日。。在我國實現(xiàn)碳達峰、碳中和目標的征程中,農(nóng)村地區(qū)節(jié)能減碳空間巨大。因而,結合鄉(xiāng)村振興戰(zhàn)略的總體部署要求,促進鄉(xiāng)村生產(chǎn)生活方式綠色轉型,對于國家實現(xiàn)碳達峰、碳中和目標至關重要。

但由于長期以來我國農(nóng)村能源消費占一次能源消費總量的比例低于城鎮(zhèn),因而導致農(nóng)村能源問題往往被忽視,在解決農(nóng)村碳排放問題上仍存在一定不足(2)Zhang L.X.,Wang C.B.,and Bahaj A.S.,“Carbon Emissions by Rural Energy in China,” in Renewable Energy,Vol.66,No.5(2014),pp.641-649.。相比于城鎮(zhèn)地區(qū),農(nóng)村地區(qū)具有獨特的能源消費模式,主要依賴于傳統(tǒng)能源,能源利用效率低,在碳排放方面面臨著巨大挑戰(zhàn)。此外,隨著社會的進步和鄉(xiāng)村振興戰(zhàn)略的不斷推進,農(nóng)村居民生活水平得到了顯著的提高,碳排放的重點逐漸由生產(chǎn)領域向消費領域過渡,家庭生活消費領域產(chǎn)生的碳排放占比持續(xù)增加(3)陳英姿、胡亞琪:《人口老齡化對家庭碳排放的影響路徑研究》,《人口學刊》2022年第5期。,成為我國農(nóng)村能源消費碳排放增長的主導類型和新的增長點(4)張恒碩、李紹萍、彭民:《中國農(nóng)村能源消費碳排放區(qū)域非均衡性及驅動因素動態(tài)識別》,《中國農(nóng)村經(jīng)濟》2022年第1期。。因此,研究我國農(nóng)村居民生活能源消費碳排放的影響因素,對于應對氣候變化和促進農(nóng)村地區(qū)綠色低碳高質量發(fā)展意義重大。

二、文獻綜述

中國農(nóng)村地區(qū)的碳排放受到復雜的社會經(jīng)濟和文化因素的影響(5)York R.,Rosa E.A.,and Dietz T.,“Footprints on the Earth: The Environmental Consequences of Modernity,” in American Sociological Review,Vol.68,No.2(2003),pp.279-300.。姚明秀等根據(jù)碳排放預測模型系數(shù)研究發(fā)現(xiàn),能源強度、人均GDP增速和人口數(shù)量是降低碳排放總量的關鍵影響因素(6)姚明秀、王淼薇、雷一東:《基于STIRPAT模型的上海市碳達峰預測研究》,《復旦學報(自然科學版)》2023年第2期。。很多學者也對人口、經(jīng)濟和能源強度對碳排放的影響進行了深入的研究。

在關于影響碳排放的諸多因素中,學者們普遍認為人口因素是碳排放和能源足跡的主要驅動因素。渠慎寧和郭朝先采用中國1980—2008年的數(shù)據(jù)研究發(fā)現(xiàn)人口數(shù)量對全國碳排放起到顯著的促進作用,并基于人口等變量按增速高低對中國碳達峰值進行預測(7)渠慎寧、郭朝先:《基于STIRPAT模型的中國碳排放峰值預測研究》,《中國人口·資源與環(huán)境》2010年第12期。。顏偉等通過嶺回歸方法分析了山東半島藍色經(jīng)濟區(qū)人口數(shù)量和碳排放量的關系,發(fā)現(xiàn)人口數(shù)量每增加1%,碳排放量將相應增加1.748%(8)顏偉、黃亞茹、張曉瑩等:《基于STIRPAT模型的山東半島藍色經(jīng)濟區(qū)碳排放預測》,《濟南大學學報(自然科學版)》2021年第2期。。Fremstad等發(fā)現(xiàn)人口密度與人均碳排放量之間存在負相關,通過對城市和農(nóng)村進行對比分析發(fā)現(xiàn),人口稠密的城市地區(qū)的人均碳排放量比農(nóng)村地區(qū)低約20%,每增加一名家庭成員,人均碳排放量就會減少約6%(9)Fremstad A.,Underwood A.,and Zahran S.,“The Environmental Impact of Sharing: Household and Urban Economies in CO2 Emissions,” in Ecological Economics,Vol.145(2018),pp.137-147.。

國內(nèi)外學者對經(jīng)濟發(fā)展如何影響碳排放也進行了廣泛的研究。Raupach等指出化石燃料燃燒和工業(yè)發(fā)展過程中產(chǎn)生的碳排放量在全球范圍內(nèi)加速增長,在快速發(fā)展的經(jīng)濟體中,碳排放量的增長率最為強勁,經(jīng)濟增長與碳排放之間存在顯著的相關性(10)Raupach M.R.,Marland G.,and Ciais C.,et al.,“Global and Regional Drivers of Accelerating CO2 Emissions,” in Proceedings of the National Academy of Sciences of the United States of America,Vol.104,No.24(2007),pp.10288-10293.。李在軍等對長三角地區(qū)進行的灰色關聯(lián)分析也證實了這一觀點,他們發(fā)現(xiàn)長三角地區(qū)的經(jīng)濟增長與碳排放有著長期的正向關系(11)李在軍、尹上崗、姜友雪等:《長三角經(jīng)濟增長與碳排放異速關系及形成機制》,《自然資源學報》2022年第6期。。Wu等通過脈沖效應,發(fā)現(xiàn)當受到人均GDP一個標準差的沖擊影響時,碳排放的增長率在前兩個階段增加,然后在下一個階段緩慢減少(12)Wu R.,Wang J.Y.,and Wang S.J.,et al.,“The Drivers of Declining CO2 Emissions Trends in Developed Nations Using an Extended STIRPAT Model: A Historical and Prospective Analysis,” in Renewable and Sustainable Energy Reviews,Vol.149(2021),p.111328.。此外,肖德和張媛發(fā)現(xiàn)經(jīng)濟增長、能源消費和碳排放之間還存在一個“經(jīng)濟增長→能源消費→碳排放”的因果鏈條(13)肖德、張媛:《經(jīng)濟增長、能源消費與二氧化碳排放的互動關系——基于動態(tài)面板聯(lián)立方程的估計》,《經(jīng)濟問題探索》2016年第9期。。隨著經(jīng)濟增長越來越依賴于能源消費,碳排放問題愈發(fā)突出。碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)發(fā)展呈現(xiàn)出“弱者恒弱”的現(xiàn)象(14)田云、林子娟:《中國省域農(nóng)業(yè)碳排放效率與經(jīng)濟增長的耦合協(xié)調(diào)》,《中國人口·資源與環(huán)境》2022年第4期。。因此,經(jīng)濟結構的調(diào)整在降低碳排放方面具有巨大的潛力(15)楊嶸、常烜鈺:《西部地區(qū)碳排放與經(jīng)濟增長關系的脫鉤及驅動因素》,《經(jīng)濟地理》2012年第12期。,應摒棄經(jīng)濟增長與環(huán)境污染抉擇中的“逐低競爭”模式(16)何文舉、張華峰、陳雄超等:《中國省域人口密度、產(chǎn)業(yè)集聚與碳排放的實證研究——基于集聚經(jīng)濟、擁擠效應及空間效應的視角》,《南開經(jīng)濟研究》2019年第2期。。

能源強度作為反映能源利用效率和技術進步的重要指標,是經(jīng)濟結構調(diào)整和能源轉型成效的直觀體現(xiàn)(17)馮永晟、張婭、劉自敏:《能源價格、技術進步與能源強度——基于中國城市數(shù)據(jù)的動態(tài)時空演化》,《城市與環(huán)境研究》2020年第3期。,現(xiàn)有研究證明能源強度與碳排放量具有密切的關系(18)Schneider U.A.and Smith P.,“Energy Intensities and Greenhouse Gas Emission Mitigation in Global Agriculture,” in Energy Efficiency,Vol.2,No.2(2009),pp.195-206.。高能源強度通常代表對能源資源的依賴度更高,可能導致更多的碳排放和環(huán)境問題(19)Danish U.R.,Ulucak R.,and Khan S.,“Relationship Between Energy Intensity and CO2 Emissions: Does Economic Policy Matter?” in Sustainable Development,Vol.28,No.5(2020),pp.1457-1464.。這意味著能源強度與碳排放存在正相關關系,降低能源強度可以有效減少碳排放(20)楊雪、王永平、王靜:《數(shù)字鄉(xiāng)村發(fā)展對農(nóng)業(yè)碳排放強度的影響效應及作用機制檢驗》,《統(tǒng)計與決策》2023年第11期。。Wang等通過分析發(fā)現(xiàn),“十一五”期間中國能源強度降低了20%,潛在能源強度變化成為減少碳排放的重要因素(21)Wang Q.W.,Chiu Y.H.,and Chiu C.R.,“Driving Factors Behind Carbon Dioxide Emissions in China: A Modified Production-Theoretical Decomposition Analysis,” in Energy Economics,Vol.51(2015),pp.252-260.。這些研究強調(diào)了降低能源強度在減少碳排放方面的重要性,然而,值得注意的是,盡管近年來能源強度已有所降低,但由于人們的消費支出增加,居民能源需求總量仍在增長,這導致碳排放量依然持續(xù)上升(22)張馨、牛叔文、趙春升等:《中國城市化進程中的居民家庭能源消費及碳排放研究》,《中國軟科學》2011年第9期。。此外,由于各地區(qū)能源強度水平存在顯著差異,導致各區(qū)域總體碳排放量的不平等(23)Luo M.X.,Zhao T.,and Zhao L.T.,et al.,“Understanding Regional Inequality in Per Capita CO2 Emissions in China During 1997-2016: Sources and Driving Factors,” in Environmental Science and Pollution Research,Vol.27,No.25(2020),pp.32100-32115.。

通過對現(xiàn)有文獻的梳理,我們發(fā)現(xiàn)大量研究聚焦探索人口因素、經(jīng)濟因素和能源強度因素對碳排放的影響,并認為三者是影響碳排放的主要因素。但對農(nóng)村地區(qū)碳排放影響因素,特別是對農(nóng)村居民生活能源消費碳排放影響因素的研究較少。近年來,隨著鄉(xiāng)村振興的不斷推進,以及居民生活能源消費碳排放的不斷提高,探究農(nóng)村地區(qū)居民生活能源消費碳排放問題具有重要的意義。因此,本文立足已有研究,采用STIRPAT模型,量化人口因素、經(jīng)濟因素和技術因素對我國農(nóng)村居民生活能源消費碳排放的影響及其貢獻程度。在此基礎上,進一步將農(nóng)村地區(qū)劃分為華北、東北、華東、華中、西北和南方六個區(qū)域進行深入分析,從而為制定更為科學精準的碳減排政策提供理論依據(jù),推動我國農(nóng)村居民生活能源消費領域的綠色低碳轉型。

三、研究設計

(一)模型構建

建立STIRPAT模型作為估算碳排放影響因素的方法,該模型是York等(24)York R.,Rosa E.A.,and Dietz T.,“STIRPAT,IPAT and ImPACT: Analytic Tools for Unpacking the Driving Forces of Environmental Impacts,” in Ecological Economics,Vol.46,No.3(2003),pp.351-365.通過對環(huán)境質量惡化原因的深入分析,并在IPAT恒等式基礎上開發(fā)的。STIRPAT模型計算了人口、富裕程度和其他因素(如技術因素)的生態(tài)彈性,更精確地說明了環(huán)境對其驅動影響因素的敏感性,并量化每個變量對環(huán)境影響的貢獻。具體公式如下:

I=aPbAcTde

(1)

其中,I為環(huán)境壓力,通常用能源消費量或廢棄物排放量表示;P為人口數(shù)量,通常用人口規(guī)模表示;A為富裕程度,通常用人均國民生產(chǎn)總值表示;T為技術進步程度,通常用單位GDP的能源消費表示。b、c、d分別是P、A、T的指數(shù),e是誤差項。為進一步估計人口、經(jīng)濟和技術因素對碳排放的影響系數(shù),我們對式(1)中兩端變量同時取對數(shù),這樣可以將非線性關系轉換為線性關系,以減少異常值的影響,并穩(wěn)定方差。據(jù)此調(diào)整后,設定模型如下:

lnCit=a+b(lnPit)+c(lnGit)+d(lnEIit)+eit

(2)

其中,下標i和t分別表示區(qū)域和年份,C為碳排放,P為人口,G為人均GDP,EI為能源強度,eit表示隨機擾動項(服從正態(tài)分布)。取對數(shù)后,b、c、d為彈性系數(shù),意味著如果P、G和EI的值增加1%,C的值就會相應增加b%、c%和d%。

在此基礎上,我們建立雙向固定效應模型,控制了個體效應和時間效應。設定模型如下:

lnCit=a+b(lnPit)+c(lnGit)+d(lnEIit)+ui+vt+eit

(3)

其中,ui代表不隨時間而改變的個體效應,vt代表不因個體而改變的時間效應。

(二)指標選取

1.農(nóng)村居民生活能源消費碳排放:由于缺乏居民生活能源消費碳排放量數(shù)據(jù),為此本文根據(jù)化石能源消費量匹配相應的碳排放系數(shù)進行測算。通過數(shù)據(jù)收集,最終選定原煤、其他洗煤、型煤、汽油、液化石油氣、天然氣、電力七種主要能源所產(chǎn)生的碳排放量。能源燃燒的碳排放系數(shù)根據(jù)《省級溫室氣體清單編制指南》推薦的公式進行估算,需要說明的是,由于1噸碳在氧氣中燃燒后能產(chǎn)生大約44/12噸二氧化碳,因此,二氧化碳排放系數(shù)(下文簡稱碳排放系數(shù))的具體計算公式如下:

碳排放系數(shù)=平均低位發(fā)熱量×單位熱值含碳量×碳氧化率×10-6×44/12

(4)

進而,碳排放量的測算公式如下:

E=∑Ei=∑(Ti×δi)

(5)

其中,E是碳排放總量,Ei是各種碳源的碳排放量,Ti是各種碳源的消費總量,δi是各種碳源的碳排放系數(shù)。

2.農(nóng)村人口:人口規(guī)模的增長對碳排放的影響主要通過其對生產(chǎn)和消費的作用表現(xiàn)出來,具有一定的規(guī)模效應。隨著人口的增長,消費型能源需求增加,導致碳排放量增加。所以,有必要研究人口因素對農(nóng)村居民生活能源消費碳排放的影響。為此,本文以區(qū)域農(nóng)村年末人口數(shù)量表示STIRPAT模型中的人口指標。

3.人均GDP:人均國內(nèi)生產(chǎn)總值是衡量某一地區(qū)人均經(jīng)濟產(chǎn)出的重要指標,大部分研究利用人均GDP檢驗經(jīng)濟因素與社會經(jīng)濟結果之間的關系(25)Nawaz M.A.,Hussain M.S.,and Kamran H.W.,et al.,“Trilemma Association of Energy Consumption,Carbon Emission,and Economic Growth of BRICS and OECD Regions: Quantile Regression Estimation,” in Environmental Science and Pollution Research,Vol.28,No.13(2021),pp.16014-16028.。農(nóng)林牧漁業(yè)總產(chǎn)值包括農(nóng)林牧漁和農(nóng)林牧漁專業(yè)及輔助性活動產(chǎn)值。因此,本文選擇農(nóng)村各個區(qū)域農(nóng)林牧漁業(yè)總產(chǎn)值衡量農(nóng)村地區(qū)GDP,并用其與年末農(nóng)村地區(qū)人口的比值表示農(nóng)村地區(qū)人均GDP,從而反映STIRPAT模型中的富裕指標。

(三)數(shù)據(jù)來源

本文使用2005—2021年中國30個省份(不包含西藏以及香港、澳門和臺灣)的面板數(shù)據(jù)進行分析。其中,農(nóng)村人口和農(nóng)村GDP數(shù)據(jù)均來源于《中國農(nóng)村統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。計算能源強度的折標準煤系數(shù)和能源消費來自《中國能源統(tǒng)計年鑒》和國研網(wǎng)。由于《中國能源統(tǒng)計年鑒》沒有公布型煤的折標準煤系數(shù),本文型煤的折標準煤系數(shù)參考貴州省能源局公布的數(shù)據(jù)。原煤、其他洗煤、型煤、汽油、液化石油氣和天然氣的碳排放系數(shù)系作者基于《省級溫室氣體清單編制指南》和《綜合能耗計算通則》(GB/T 2589-2020)進行計算整理,據(jù)此測算碳排放量。電力的碳排放系數(shù)系作者在生態(tài)環(huán)境部發(fā)布的《減排項目中國區(qū)域電網(wǎng)基準線排放因子》中獲取。由于不同地區(qū)電力碳排放系數(shù)在不同年份有所不同,因而本文不列出電力碳排放系數(shù)。具體能源消費碳源分類和碳排放系數(shù)見表1。

表1 農(nóng)村居民生活能源消費碳源分類和碳排放系數(shù)

本文變量的描述性統(tǒng)計見表2,從中可以看出,我國農(nóng)村居民生活能源消費碳排放的平均值為1459.8670萬噸,最大值為6529.0380萬噸,最小值為47.0052萬噸,最大值和最小值差距較大,表明我國農(nóng)村居民生活能源消費碳排放的差距較大,其他變量的統(tǒng)計結果在此不作逐一說明。

表2 變量的描述性統(tǒng)計

四、實證分析

(一)全區(qū)域分析

首先對公式(3)進行估計,以檢驗 STIRPAT模型中人口因素、經(jīng)濟因素和技術因素對我國農(nóng)村居民生活能源消費碳排放的影響,回歸結果見表3。

表3 雙向固定效應回歸分析

從表3可以看出,回歸方程的擬合效果較好。表3列(1)僅加入人口變量,控制了個體效應和時間效應,列(2)在列(1)基礎上加入經(jīng)濟變量,列(3)在列(1)和列(2)基礎上進一步加入技術變量,結果顯示人口、經(jīng)濟和技術因素對我國農(nóng)村居民生活能源消費碳排放的影響均在1%的水平上顯著為正。其中,經(jīng)濟因素的代理變量人均GDP對農(nóng)村居民生活能源消費碳排放的貢獻最大,人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加0.9221%;其次為技術因素的代理變量能源強度,能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.8466%;人口因素的代理變量的貢獻最小,農(nóng)村年末人口每增加1%,農(nóng)村居民生活能源消費碳排放增加0.7273%。綜上,人口因素、經(jīng)濟因素和技術因素均提高了我國農(nóng)村居民生活能源消費碳排放水平。

整體而言,STIRPAT模型中三種主要驅動因素對我國農(nóng)村居民生活能源消費碳排放的貢獻程度為:經(jīng)濟因素最大,技術因素次之,人口因素最小。其中,經(jīng)濟因素對農(nóng)村居民生活能源消費碳排放具有重要的促進作用,這與Dietz和Rosa(28)Dietz T.and Rosa E.A.,“Effects of Population and Affluence on CO2 Emissions,” in Proceedings of the National Academy of Sciences of the United States of America,Vol.94,No.1(1997),pp.175-179.的研究結果基本一致。隨著富裕程度的提高,農(nóng)村家庭往往具有更強的購買力,并可能從事更多的能源密集型活動。經(jīng)濟發(fā)達的農(nóng)村地區(qū)也更有可能擁有更好的基礎設施,這些基礎設施的建設要消耗更多的能源,從而導致碳排放量的增加。能源強度和農(nóng)村居民生活能源消費碳排放之間的正相關關系突顯了能源效率和能源技術的重要性。較高的能源強度表明每單位經(jīng)濟產(chǎn)出的能源消費較高,因而對碳排放產(chǎn)生較強的促進作用。人口和農(nóng)村居民生活能源消費碳排放之間呈正相關關系,是因為更多的人口通常會導致住宅、商業(yè)和交通的能源需求增加,從而導致碳排放增加(29)陳向陽:《人口、消費的規(guī)模與結構對碳排放的影響:理論機制與實證分析》,《環(huán)境經(jīng)濟研究》2021年第3期。。

(二)分區(qū)域分析

由于不同區(qū)域具有不同的資源稟賦優(yōu)勢,技術經(jīng)濟的關聯(lián)性也具有明顯的區(qū)域經(jīng)濟特性(30)李士梅、李安:《馬克思平均利潤率理論的空間維度擴展——中國區(qū)域協(xié)調(diào)發(fā)展研究的新視角》,《河南師范大學學報(哲學社會科學版)》2019年第3期。,所以有必要針對不同區(qū)域進行深入分析。為此,我們按照區(qū)域電網(wǎng)劃分方式進行分別測算,將農(nóng)村地區(qū)具體劃分為華北、東北、華東、華中、西北和南方六個區(qū)域。根據(jù)區(qū)域劃分,進一步利用 STIRPAT模型,實證檢驗六個區(qū)域中人口因素、經(jīng)濟因素和技術因素對我國農(nóng)村居民生活能源消費碳排放的影響,回歸結果如表4所示。

表4 分區(qū)域的雙向固定效應回歸分析

1.華北地區(qū)。技術因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,經(jīng)濟因素次之,人口因素最小且并不顯著。其中,能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.6891%;人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加0.5375%?？梢园l(fā)現(xiàn),華北地區(qū)降低能源強度對降低碳排放效果更為明顯,其原因一定程度上與華北個別地區(qū),如河北等地區(qū)農(nóng)村居民生活能源消費碳排放較為突出有關。

2.東北地區(qū)。人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,經(jīng)濟因素次之,技術因素最小。其中,人口每增加1%,農(nóng)村居民生活能源消費碳排放增加2.2940%;人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加0.9284%;能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.5247%。由此可見,東北地區(qū)人口因素對農(nóng)村居民生活能源消費碳排放的影響遠遠大于經(jīng)濟因素和技術因素。東北地區(qū)農(nóng)村冬季采暖范圍廣、供暖周期長,導致人口因素對居民生活能源消費碳排放的影響最大。為此,改變東北地區(qū)農(nóng)村居民采暖方式可以顯著降低碳排放。

3.華東地區(qū)。人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,經(jīng)濟因素次之,技術因素最小。其中,人口每增加1%,農(nóng)村居民生活能源消費碳排放增加1.5708%;人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加1.4552%,其對碳排放的貢獻程度略小于人口因素;能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加1.1585%?？梢园l(fā)現(xiàn),華東地區(qū)人口因素、經(jīng)濟因素和技術因素的彈性系數(shù)均大于1。華東地區(qū)經(jīng)濟發(fā)展程度在全國遙遙領先,產(chǎn)生了較多的能源消費。這也導致華東地區(qū)農(nóng)村雖然冬季無供暖,但人口因素仍然對碳排放具有較大的影響。能源強度相對影響最小的原因,一定程度上與華東地區(qū)清潔能源利用及其效率較高有關。

4.華中地區(qū)。技術因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,經(jīng)濟因素次之,人口因素最小。其中,能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.7046%;人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加0.6828%;人口每增加1%,農(nóng)村居民生活能源消費碳排放增加0.6395%。由此可見,華中地區(qū)技術因素、經(jīng)濟因素、人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度大致相同。

5.西北地區(qū)。經(jīng)濟因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,技術因素次之,人口因素最小。其中,人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加0.8959%;能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.8754%,其對碳排放的貢獻程度略小于經(jīng)濟因素;人口每增加1%,農(nóng)村居民生活能源消費碳排放增加0.7207%。西北地區(qū)經(jīng)濟結構以能源產(chǎn)業(yè)為主,而且工業(yè)生產(chǎn)保持較快增長,因而經(jīng)濟因素和技術因素對農(nóng)村居民生活能源消費碳排放的貢獻占主要地位。

6.南方地區(qū)。經(jīng)濟因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,技術因素次之,人口因素最小且并不顯著。其中,人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加1.1146%;能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加1.0458%?？梢园l(fā)現(xiàn),南方地區(qū)技術因素對碳排放的貢獻程度略小于經(jīng)濟因素,且經(jīng)濟因素與技術因素的彈性系數(shù)均大于1。此外,人口因素影響最小且不顯著的原因,一定程度上與南方地區(qū)冬季供暖需求小有一定的關系。

綜上可見,華北、東北、華東、華中、西北和南方六個區(qū)域中,人口因素、經(jīng)濟因素和技術因素對農(nóng)村居民生活能源消費碳排放的貢獻程度存在差異,但均對農(nóng)村居民生活能源消費碳排放具有正向的促進作用。由于各區(qū)域資源稟賦、經(jīng)濟發(fā)展以及冬季供暖需求存在差異,能源消費特征也存在差異,因而導致人口因素、經(jīng)濟因素和技術因素對農(nóng)村居民生活能源消費碳排放的影響存在差異。

五、研究結論與政策建議

(一)研究結論

本文研究結果表明:從全國范圍來看,人口因素、經(jīng)濟因素和技術因素對我國農(nóng)村居民生活能源消費碳排放均具有顯著的促進作用。其中,經(jīng)濟因素的代理變量人均GDP每增加1%,農(nóng)村居民生活能源消費碳排放增加 0.9221%。技術因素的代理變量能源強度每增加1%,農(nóng)村居民生活能源消費碳排放增加0.8466%。人口因素的代理變量農(nóng)村年末人口每增加1%,農(nóng)村居民生活能源消費碳排放增加0.7273%。上述三方面因素對我國農(nóng)村居民生活能源消費碳排放的貢獻程度由大到小依次為:經(jīng)濟因素、技術因素、人口因素。

在此基礎上,將農(nóng)村地區(qū)劃分為華北、東北、華東、華中、西北和南方六個區(qū)域進行研究,發(fā)現(xiàn)人口因素、經(jīng)濟因素和技術因素對不同區(qū)域農(nóng)村居民生活能源消費碳排放的貢獻程度存在差異,但均具有正向的促進作用。在華北地區(qū),技術因素對農(nóng)村居民生活能源消費碳排放貢獻程度最大,其次為經(jīng)濟因素,人口因素最小且并不顯著。東北地區(qū)和華東地區(qū)的回歸結果基本一致,人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,其次為經(jīng)濟因素,技術因素最小。但有所不同的是,東北地區(qū)人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度遠遠大于經(jīng)濟因素和技術因素,而華東地區(qū)人口因素對農(nóng)村居民生活能源消費碳排放的貢獻程度略大于經(jīng)濟因素。在華中地區(qū),雖然技術因素對農(nóng)村居民生活能源消費碳排放的貢獻程度最大,其次為經(jīng)濟因素,人口因素最小,但是三者對農(nóng)村居民生活能源消費碳排放的貢獻程度差異不明顯。在西北地區(qū),經(jīng)濟因素對農(nóng)村居民生活能源消費碳排放的貢獻程度略大于技術因素,其次為人口因素。在南方地區(qū),經(jīng)濟因素對農(nóng)村居民生活能源消費碳排放的貢獻程度略大于技術因素,人口因素最小且并不顯著。

(二)政策建議

基于上述研究結論,本文提出以下幾點政策建議:第一,改變農(nóng)村地區(qū)高碳排放的經(jīng)濟增長方式,轉向可持續(xù)的綠色低碳發(fā)展路徑。農(nóng)村地區(qū)需要探索全新的經(jīng)濟發(fā)展模式,尋找經(jīng)濟增長和低碳發(fā)展的平衡關系。通過向循環(huán)經(jīng)濟等更環(huán)保的經(jīng)濟增長模式過渡,既可以促進農(nóng)村經(jīng)濟發(fā)展,提高農(nóng)民收益,又能最大限度地減少碳排放,助推鄉(xiāng)村振興和美麗鄉(xiāng)村建設。第二,降低農(nóng)村地區(qū)能源強度,加快農(nóng)村地區(qū)能源轉型。一方面,發(fā)揮科技人才支撐作用,注重培養(yǎng)能源專項創(chuàng)新人才,提高創(chuàng)新人才的技術外溢效應(31)李士梅、李安:《中國高端裝備制造業(yè)創(chuàng)新效率的測度分析》,《社會科學戰(zhàn)線》2018年第6期。。積極引導高校、科研院所進行低碳農(nóng)業(yè)生產(chǎn)研究,加快節(jié)能降碳先進技術創(chuàng)新、成果轉化和推廣應用,以應對農(nóng)村地區(qū)能源挑戰(zhàn)。另一方面,還需發(fā)展農(nóng)村地區(qū)節(jié)能基礎設施建設,因地制宜推廣農(nóng)村生物質能源化綜合利用。第三,推動農(nóng)村居民綠色低碳生活方式轉型,走集約型發(fā)展道路,應對人口增長對碳排放的影響。一方面,保證農(nóng)村居民在低碳生活方式過程中成為參與者、建設者和受益者(32)馬紅坤、劉照勝:《擴大農(nóng)業(yè)農(nóng)村有效投資:理論框架與實現(xiàn)路徑》,《山東社會科學》2023年第9期。。通過宣傳引導和教育,將綠色低碳理念融入農(nóng)村居民消費以及交通出行等多方面,并將低碳科學技術納入農(nóng)村專業(yè)人才隊伍建設中,為鄉(xiāng)村振興培養(yǎng)一批具備“低碳頭腦”的新型職業(yè)農(nóng)民。另一方面,優(yōu)化農(nóng)村生產(chǎn)、生活、生態(tài)空間布局,使農(nóng)村建設更為緊湊,提高交通、居住、管理等方面的運行效率和能源利用效率。