下载:
-
绿色低碳与经济社会共赢是实现可持续发展的必由之路[1]，为解决资源环境约束突出问题，2021年10月国务院发布《国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》（以下简称《意见》）。当前中国对于碳达峰、碳中和工作的要求，并非仅仅关注碳排放总量，而是努力实现发展和减排、整体和局部等多维度的系统变革。所以碳达峰与经济发展并非对立关系，而是重新定义经济社会的资源利用方式[2]，以寻求经济增长和碳达峰之间的协调发展[3]。供给侧结构性改革是推行碳达峰、碳中和工作的重要抓手，通过要素、产业、制度的优化配置可以调整产业结构、能源结构[4]，促进经济低碳转型。考虑到各地区经济发展呈现出的差异性，《意见》中强调“全国统筹，地方先行”的工作原则。京津冀作为中国协同发展战略的先行地，同时也是中国重要的高碳排放区域，2019年的煤炭消费量约占其能源消费总量的48.5%，产业偏重、能源偏煤、效率偏低问题十分突出，多年来形成的高碳路径依赖严重削弱了经济可持续发展能力，大大阻碍了协同前进的步伐。因此在京津冀积极调控碳排放既是为可持续发展补短板，也是为协同发展开新局，具有重要现实意义。
既有研究对于碳排放问题的探讨主要围绕两个方面展开：（1）立足现状来探寻碳排放的影响因素及作用路径，学界主要从社会经济、能源、技术三方面中拓展，因分解框架不同，结论差异较大。于洋和孔秋月[5]认为人口因素与碳排放存在“倒U形”关系；郭文和孙涛[6]认为居民消费效应对碳排放量变动的影响最大；赵玉焕等[7]则认为经济总量才是碳排放增长的主要原因；张丽峰和刘思萌[8]则实证经济发展、人口因素对碳排放影响逐渐减弱，技术水平、能源结构是未来调控的主力。（2）预测未来碳达峰的实现条件及调控方向，但对碳达峰的可行性及所预测峰值的合理性存在较大争议。一部分学者认为中国可以于2030年实现碳达峰，但在峰值量上有所区别[9-10]；另一部分学者认为达峰最佳时间应在2030年之后，否则需要以经济增速下降作为代价[11-13]。
关于碳排放的文献已取得较为丰硕的研究成果，但仍存在以下三点不足：（1）多数研究基于IPAT、STIRPAT等模型分解影响因素，研究视阈较难深入，少有分析供给侧改革助推碳达峰的影响效应，也未见基于供给侧调控的碳排放预测；（2）碳达峰是系统性经济变革的必然结果，发展与减排同属一个经济系统，必然彼此影响，而多数研究未能正确理解碳达峰内涵，忽略了影响因素间的不独立性，易导致路径分析出现偏差；（3）多数文献以单个经济体为研究对象，少有立足城市群来探究区域协同的减排路径及效应。难以回答京津冀地区内部是否可实现经济增长与碳达峰的协调发展？地区间如何提升协同调控碳排放的能力？综上所述，遵循碳达峰、碳中和工作要求，本文以供给侧改革视角为切入点，京津冀为研究对象，对京津冀碳排放的影响因素进行分析，并以此为基础设计预测情景，通过预测结果来探究京津冀协同实现碳达峰的条件，从而因地制宜提出调控思路，丰富低碳发展的理论框架。
-
新常态以来中国面临经济下行与环境污染的双重压力，长期支撑经济增长的“三架马车”——消费需求、投资需求和外部需求，其边际效益递减趋势已刚性存在，“十四五”规划中强调以供给侧结构性改革为主线，说明缓解当前矛盾的解决方案更侧重于从供给侧打通经济循环堵点，调整经济结构。供给侧结构性改革作为中国经济走出困境的对症良方和破解生态环境约束的必由之路，无疑会助推碳达峰碳中和目标的实现。实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革，促使经济结构低碳转型是其内在要求。当前京津冀结构性矛盾突出表现在三个方面：（1）低端产能过剩，要素使用效率低下，挤压新业态发展空间；（2）京津冀较多低端产业特别是重工业无效供给较多；（3）新兴战略产业欠缺市场适应力，绿色有效供给不足。综合导致京津冀能源消费碳排放绝对量基数庞大，相对量持续增长。供给侧改革可分为要素、产业和制度三个层面的升级调整[14]，京津冀碳减排也应从要素、产业、制度着手，助推京津冀经济结构低碳转型（图1）。
图 1供给侧因素助力调控京津冀碳排放
要素方面，基本涵盖人力、资本、技术三类要素，区域、产业及部门间的错配导致了要素供给效率低下，矫正要素错配的重点在于市场机制引导[15]，减少政府对产能过剩领域产业的投资干预，发挥自由“进入退出”机制使资源要素自由流动，降低政府对要素供给与定价的管制政策，提高要素价格市场化水平，引导要素流向在污染密集型行业和低碳清洁型行业之间转变，提升能源利用效率。
产业方面，产业结构决定产业能源消费结构[16]，通过跨区域生产要素的合理流动与优化配置去库存化，合力解决京津冀产能过剩问题，降低传统产业碳排放；扶持培育低碳新兴产业替代高耗能、高排放产业，增加社会有效供给[17]，绿色低碳产值比重上升促进京津冀产业结构协同转型。
制度方面，为保证经济平稳发展，未来一段时期能源消耗还会有较大幅度的增长，“一刀切”式的更改能源结构并不可取[18]，能源关系国计民生和国家安全，发挥好制度体系对化石能源兜底保障作用是京津冀能源安全的需要。
综上所述，通过要素、产业、制度等供给侧因素将供给侧改革与京津冀碳减排结合起来, 提高有效供给促进经济增长的同时助力调控碳排放，促进京津冀经济结构低碳转型。
-
碳排放影响因素的研究方法主要分为结构分解法（SDA）和指数分解法（IDA）两种，结构分解法以投入产出表数据为基础，难以进行连续的时间序列比较分析[19]。指数分解法则克服了此类问题，其中IPAT模型最为经典，反映的是人口、经济、技术与环境的关系[20]，但难以避免分解因素固定、研究角度局限的弊端[21]。在此基础上改进的STIRPAT模型则拓展性较强，赋予了研究模型和研究角度一定的灵活性[12]，其基本形式为
$$ I = a{P^b}{A^c}{T^d}e $$ (1) 其中，I、P、A和T分别表示地区的碳排放量、人口因素、经济因素和技术因素；a为模型系数；b、c、d分别为变量P、A、T的指数；e为模型误差项。
本文基于STIRPAT模型的基本特点，从供给侧改革视角出发选择了人力因素（P）、资本因素（Z）、技术因素（T）、产业因素（S）、制度因素（W）、经济增长（A），得到扩展的STIRPAT模型，如下所示
$$ I = a{P^b}{Z^c}{T^d}{S^e}{W^f}{A^g}h $$ (2) 其中，a为模型系数；b、c、d、e、f、g分别为变量P、Z、T、S、W、A的指数，也为其弹性系数，表示当各变量每变化1%时，分别引起I的变化程度；h为模型误差项。式（1）对数形式为
$$ \ln I = \ln a + b\ln P + c\ln Z + d\ln T + e\ln S + f\ln W + g\ln A + \ln h $$ (3) 1.变量选取
被解释变量I表示碳排放，由于能源消费产生的碳排放约占排放总量近八成[17]，因此本文主要以能源消费碳排放量表示，参考《IPCC国家温室气体排放清单指南》中提供的核算公式
$$ \;\;\;\;\;\;{C_i} = \sum\limits_{j = 1}^9 {{M_{ijt}}{Q_j}{C_j}} \;\;\;\;\;\;\;\;i=1，2，3 $$ (4) 其中，Ci表示第i地区的能源消费碳排放量；1、2、3分别表示京、津、冀；Mijt为i地区对j（j=1，2，…，9，分别表示煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力）种能源在t年消耗的实物量；Qj表示第j种能源的净发热量；Cj表示第j种能源的CO2排放因子。
解释变量中，人力（P）选用劳动生产率表示，即各地区生产总值与从业人数之比。“十四五”规划中提到“全员劳动生产率增长高于国内生产总值增长”的目标，意味着人力要素效率越高，反映出劳动者综合素质提升，有助于改善经济发展质量。
资本（Z）选用资本效率表示，即各地区生产总值与全社会固定资产投资之比。资本存量结构刚性较强，调整难度较大，相比之下，资本增量结构可塑性更大[22]，且节能减排的投资更新更大程度地体现在资本增量上。以全社会固定资产投资作为资本增量计算资本效率对地区碳排放具有更加直观的影响。
技术（T）选用能源强度表示，即各地区能源消费总量与生产总值之比。能源强度是衡量能源技术水平、利用效率的重要指标[23]，能源强度越高说明技术水平越低，反之则越高。
产业（S）选用产业结构升级协同度表示，利用各地区第三产业生产总值与第二产业之比计算得到产业结构升级比重，再借鉴全局协同度模型计算京津冀整体的产业结构升级协同度[24]，用以衡量京津冀三地产业结构升级共同进步的变化趋势，计算公式如下
$$ {S_{abc}} = \frac{1}{3}\left[ {\frac{{\min \left( {{S_{\text{a}}},{S_b}} \right)}}{{\max \left( {{S_{\text{a}}},{S_b}} \right)}} + \frac{{\min \left( {{S_{\text{a}}},{S_c}} \right)}}{{\max \left( {{S_{\text{a}}},{S_c}} \right)}} + \frac{{\min \left( {{S_b},{S_c}} \right)}}{{\max \left( {{S_b},{S_c}} \right)}}} \right] $$ (5) 其中，Sa、Sb、Sc分别为京、津、冀的产业结构升级比重；Sabc为京津冀产业结构升级协同度，协同度越接近于1表示三地产业结构差距越小，京津冀产业升级协同水平越高。产业结构优化升级已成为各地区应对经济新常态的必然趋势，也是实现经济增量低碳化的重要路径[20]。京津冀协同发展战略要求建立目标同向、分工有序的产业协同发展格局，因此产业结构协同度更能反映跨区域产业链的协同发展程度。
制度（W）选用政府干预表示，即各地区公共预算支出与生产总值之比。财政支出是政府宏观调控的重要手段，也是破除制约低碳发展机制障碍的重要保障。
经济增长水平（A）选用人均GDP表示，即各地区生产总值与常住人口之比。已有研究中普遍认为经济增长与碳排放之间存在密切关系[6-7][11-12]。
2.数据来源与描述性分析
2000—2019年京津冀的地区GDP、常住人口总数、从业人数、第二产业生产总值、第三产业生产总值、公共财政收支均可通过2001—2020年的《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》及《河北统计年鉴》直接获取；2001—2018年的全社会固定资产投资通过《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》直接获取，2019年的全社会固定资产投资则通过2020年《中国统计年鉴》显示的增速计算得到；能源消费总量及9种能源消耗实物量通过2001—2020年的《中国能源统计年鉴》直接获取，各能源的净发热量和排放因子采用《IPCC国家温室气体排放清单指南》中的缺省值。为消除价格因素，均以2000年为基准做不变价处理，经上述公式可计算得到京津冀各因素的描述性统计，如表1所示。
表 1京津冀碳排放影响因素的描述性统计
地区 变量 经济（A）人均GDP/（万元/人） 人力（P）劳动生产率/（万元/人） 资本（Z）资本效率/% 京 最大值 14.05 29.71 4.50 最小值 2.50 5.29 2.44 平均值 7.52 15.89 2.93 标准差 3.68 7.79 0.55 津 最大值 9.67 11.33 2.86 最小值 1.70 2.26 1.16 平均值 5.34 6.34 1.96 标准差 2.67 3.01 0.58 冀 最大值 2.81 6.35 2.70 最小值 0.70 1.37 0.90 平均值 1.61 3.50 1.57 标准差 0.67 1.56 0.66 地区 变量 技术（T）能源强度/（吨/万元） 制度（W）政府干预/% 产业（S）产业协同/% 京 最大值 1.29 0.24 0.55 最小值 0.40 0.14 0.43 平均值 0.75 0.18 0.49 标准差 0.27 0.03 0.04 津 最大值 1.64 0.25 0.55 最小值 0.55 0.11 0.43 平均值 1.01 0.15 0.49 标准差 0.34 0.04 0.04 冀 最大值 2.53 0.24 0.55 最小值 1.23 0.09 0.43 平均值 1.97 0.16 0.49 标准差 0.47 0.05 0.04 北京经济增长及有效要素供给遥遥领先于天津、河北，在人均GDP、劳动生产率、资本效率指标下均稳定在北京>天津>河北的形势，京津冀间要素配置、基础设施条件等不均衡矛盾显著，在大城市的极化效应影响下，人力、资本等要素倾向于从河北、天津流向北京，加重北京“大城市病”症状，发展差距难以及时弥补，也是导致产业结构升级协同度平均值只有0.49的原因，表明京津冀产业升级步伐不一致，不利于促成有效产业转移。
梳理2000—2019年京津冀碳排放趋势是科学分析碳排放结构、均衡分配减排任务的前提，为进一步分析三地减排工作协同推进情况，根据式（5）计算京津冀碳排放协同度，协同度越高说明碳排放差距越小，协同调控水平越高，反之则相反。如图2所示，2000—2019年京津冀碳排放的峰值转折点尚未出现，随经济规模扩大能源消费碳排放持续增加，尚未实现完全脱钩。2000—2009年京津冀碳排放协同调控水平较低，协同度均在0.6以下，河北的高碳排放模式是阻碍协同调控的主要原因，其排放绝对量占京津冀六成以上，排放增速约比天津高1.5%，比北京高3%；2010—2019年京津冀碳排放差距有所缓和，一方面北京、天津逐步发展新兴工业，加大了能源消费的比重，另一方面在供给侧结构性改革的大力推行下，河北重化工业规模扩张速率放缓。但是京津冀碳排放绝对量依然庞大，去产能任务依然艰巨，碳达峰任重而道远。
图 22000—2019年京津冀碳排放趋势及协同度
3.模型拟合
岭回归分析法于1970年由Hoerl和Ken-nard[25]共同提出，其实质是一种改良的最小二乘法，目的是增强参数估计的显著性和稳定性，且通过约束回归系数可解决多重共线性问题，广泛应用于分析变量间的相互作用关系。在本文中，供给侧改革、碳减排与经济增长之间不可避免地存在较高相关性，对数据进行岭回归处理便可以消除多重共线性，从而分别拟合各因素对京津冀碳排放的影响模型，并得到京津冀碳排放的供给侧影响因素岭迹图及决定系数RSQ的变化趋势，如图3所示。
图 3京津冀碳排放的影响因素岭迹图及决定系数变化
本文利用SPSS26.0软件对方程进行拟合，并根据岭迹图选择尽可能小的决定系数K，即岭迹曲线逐渐平稳时的取值。其中北京决定系数
取值K为0.05，天津为0.19，河北为0.06，具体岭回归拟合结果如表2所示。 表 2岭回归拟合结果
地区 LNP LNZ LNT LNW LNA LNS LNA R2 F检验 京 0.19*** 0.20* −0.14*** 0.31*** 0.19*** −0.52* 18.70*** 99.14% 250.48 津 0.20*** −0.19*** −0.24*** 0.12** 0.19*** −0.77*** 18.64*** 98.43% 136.14 冀 0.36*** −0.23** 0.41** 0.15* 0.30*** −1.10*** 19.61*** 97.12% 73.13 注:*、**和***分别表示在10%、5%和1%水平下的显著水平。 京津冀岭回归方程的拟合优度均在97%以上，各因素均通过10%水平及以下的T检验，说明各因素与京津冀碳排放之间存在显著关系，方程拟合效果较好。除此之外，对拟合方程进行有效性检验，即运用SPSS软件对京津冀碳排放实际值与该模型预测值进行独立样本T检验，检验结果P值分别为0.997、0.992、0.994，且均大于显著水平0.05，说明京津冀岭回归方程拟合度较高，预测碳排放趋势与实际发展趋势基本保持一致，可采用该模型对京津冀碳排放进行进一步分析。
-
为揭示各因素对京津冀碳排放的影响效应，利用通径分析在岭回归的基础上将相关系数加以分解，据此测算劳动生产率、投资效率、能源强度、政府干预、经济增长、产业结构升级协同对京津冀碳排放的总影响、直接影响及间接影响，以便从个性到共性分析各因素对碳排放的影响效应，从局部到整体识别调控碳排放的重要路径。
利用各因素与碳排放的相关系数表示总影响；各因素的标准化回归系数表示直接影响；各因素间的相关系数表示各要素间的相互影响；各因素的直接影响与相互影响相乘加总得到间接影响[26]。具体结果如表3~表5所示。因岭回归方法允许存在部分误差，因此存在较小的剩余影响是合理的。
表 3通径分析（北京）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.996 0.272 — 0.070 0.135 0.145 0.271 0.091 0.711 0.013 LNZ 0.847 0.084 0.226 — 0.119 0.119 0.225 0.071 0.760 0.003 LNT −0.986 −0.137 −0.268 0.084 — −0.146 −0.267 −0.088 −0.686 −0.164 LNW 0.965 0.151 0.261 −0.073 0.132 — 0.260 0.088 0.667 0.147 LNA 0.996 0.271 0.272 0.066 0.135 0.145 — 0.091 0.708 0.017 LNS −0.941 −0.096 −0.258 0.070 −0.126 −0.138 −0.256 — −0.708 −0.137 表 4通径分析（天津）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.997 0.236 — 0.113 0.190 0.057 0.239 0.117 0.716 0.044 LNZ −0.902 −0.126 −0.212 — −0.162 −0.057 −0.215 −0.106 −0.753 −0.023 LNT −0.968 −0.194 −0.231 −0.126 — −0.058 −0.232 −0.111 −0.758 −0.015 LNW 0.900 0.064 0.213 −0.105 0.178 — 0.214 0.106 0.607 0.229 LNA 0.997 0.239 0.236 0.113 0.188 0.057 — 0.118 0.712 0.045 LNS −0.935 −0.124 −0.223 0.113 −0.174 −0.054 −0.227 — −0.566 −0.245 -
如表3所示，劳动生产率、资本效率、政府干预、经济增长对北京碳排放起到促进作用，积极影响排序为劳动生产率=经济增长（0.996）>政府干预（0.965）>资本效率（0.847）；能源强度、产业结构升级协同对北京碳排放起到抑制作用，消极影响排序为能源强度（−0.986）>产业结构升级协同（−0.941），能源强度逐年下降的主要原因在于GDP增速快于能源消费增速，但能源消费持续增长导致碳排放总量仍在增加，因此重视科技创新，大力扶持新兴产业与绿色低碳产业，从而降低能源强度是北京调控碳排放的重要路径。
资本效率、能源强度、政府干预、产业结构升级协同均主要通过劳动生产率、经济增长再作用于北京碳排放，间接影响的绝对值均在0.22以上；劳动生产率主要通过经济增长（0.271）、政府干预（0.145）促进碳排放；经济增长则主要通过劳动生产率（0.272）、政府干预（0.145）促进碳排放，通过调控人力要素和制度供给可以有效抑制经济增长对于碳排放的促进作用。由此可知，劳动生产率、经济增长、政府干预是调控北京碳排放的重要中介因素。
-
如表4所示，劳动生产率、政府干预、经济增长对天津碳排放起到促进作用，积极影响排序为劳动生产率=经济增长（0.997）>政府干预（0.9）；资本效率、能源强度、产业结构升级协同对天津碳排放起到抑制作用，消极影响排序为能源强度（−0.968）>资本效率（−0.935）>产业结构升级协同（−0.902），因此积极发展高科技、高附加值、低污染的现代新兴工业，提升第三产业的管理及技术水平是天津调控碳排放的重要路径。
资本效率、能源强度、政府干预、产业结构升级协同均主要通过劳动生产率、经济增长再作用于天津碳排放，间接影响的绝对值均在0.21以上；劳动生产率主要通过经济增长（0.239）、能源强度（0.19）促进碳排放；经济增长则主要通过劳动生产率（0.236）、能源强度（0.188）促进碳排放，说明经济增长在一定程度上会带动天津科技创新成果的转化，进而提升能源利用效率。考虑发展的稳定性，不可贸然约束经济增长。由此可知，劳动生产率、经济增长、能源强度是调控天津碳排放的重要中介因素。
-
如表5所示，劳动生产率、政府干预、经济增长对河北碳排放起到促进作用，积极影响排序为劳动生产率（0.979）>经济增长（0.97）>政府干预（0.94）；资本效率、能源强度、产业结构升级协同对河北碳排放起到抑制作用，消极影响排序为资本效率（−0.955）>产业结构升级协同（−0.938）>能源强度（−0.847），当前河北正处于经济新旧动能转换期，人力要素与技术要素效率提升会加速产业结构升级的步伐，前期的资本投入将依靠后期清洁、高附加值产品获得收益，随之减少对于传统能源的依赖是河北调控碳排放的重要路径。
表 5通径分析（河北）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.979 0.394 — 0.209 −0.219 0.104 0.301 0.167 0.562 0.023 LNZ −0.955 −0.213 −0.385 — 0.217 −0.103 −0.295 −0.164 −0.729 −0.012 LNT −0.847 0.235 −0.367 −0.213 — −0.102 −0.284 −0.149 −1.115 0.033 LNW 0.940 0.105 0.388 −0.197 −0.227 — 0.298 0.162 0.424 0.411 LNA 0.970 0.301 0.394 0.208 −0.221 0.104 — 0.166 0.651 0.018 LNS −0.938 −0.176 −0.373 0.209 0.199 −0.097 −0.284 — −0.346 −0.416 资本效率、能源强度、政府干预、产业结构升级协同均主要通过劳动生产率、经济增长再作用于河北碳排放，间接影响的绝对值均在0.28以上；劳动生产率主要通过经济增长（0.301）促进碳排放、能源强度（−0.219）抑制碳排放，说明河北增强人力要素对能源消耗会起到一定的替代作用；经济增长则主要通过劳动生产率（0.394）促进碳排放、能源强度（−0.221）抑制碳排放。但能源强度本身却直接促进河北碳排放（0.235），抑制作用主要通过间接影响（−0.149）触达，主要原因在于河北的能源工业体系以煤炭等传统能源为主体，技术成果主要体现在传统能源的利用效率提升而非新能源的开发。因此，随供给要素的适应性与有效性提升，有望进一步缓解河北高碳排放模式。综上可知，劳动生产率、经济增长、能源强度是调控河北碳排放的重要中介因素。
-
前文以地区为导向，分别探究各因素对京、津、冀碳排放的影响效应，为进一步探究各因素对京津冀整体碳排放的协同影响效应，归纳总结以上通径分析结果，以影响因素为导向进行梳理分析。
劳动生产率、政府干预、经济增长均可促进京津冀碳排放，其直接影响、间接影响均促进京津冀碳排放，说明经济增长仍在一定程度上刺激碳排放增长，京津冀尚未实现经济增长与碳排放的协调发展。且供给侧结构性改革本身需要政府的力量来矫正要素配置的扭曲，会在一定程度上影响市场调控，因此政府干预影响京津冀碳排放也属正常现象。
能源强度、产业结构升级协同均可抑制京津冀碳排放。其中能源强度的直接影响、间接影响均抑制北京、天津碳排放，河北仅通过间接影响抑制碳排放；产业结构升级协同的总影响、直接影响、间接影响均抑制京津冀碳排放。近年来京津冀产业结构差距逐渐缩小，这得益于京津加速推进产业转移，倒逼河北产业结构加速升级。由此可见，发展新兴产业、服务业等绿色低碳产业，是实现京津冀经济增量低碳化的重要路径。
资本效率的总影响、直接影响、间接影响均可促进北京碳排放，而抑制天津、河北碳排放。天津、河北传统能源行业的投资规模较大，进入新常态后资本效率逐渐走低，大力压缩过剩产能后逐渐缓和，因此促进高能耗高碳排放部门的排放量减少。
需要注意的是，京津冀碳排放的各影响因素的总间接影响均显著大于直接影响，说明因素间彼此联系紧密，要素供给、产业供给、制度供给三大部分并非彼此独立，而是同处一个系统中相互影响。其中劳动生产率、经济增长均是影响京津冀碳排放的重要中介因素，各因素均通过经济增长对碳排放产生较大的间接作用，因此调控碳排放需注意对经济增长平稳性的影响，以防系统性风险的出现。
-
限于数据可得性，2020年的指标数据难以全部获取，因此将2020年作为预测基期，借鉴中国的经济建设规划以五年为一期，本文将预测的2021—2040年分为四个阶段来设定情景参数，分别为2021—2025年、2026—2030年、2031—2035年、2036—2040年。
-
1.情景构建
“十四五”规划中京津冀的碳排放约束量差别较大，主要源于三地资源禀赋、工业化阶段和政策定位存在显著差异，导致所面临的碳减排形势不同，因此在预测情景中也需遵循实事求是、因地制宜的责任原则，对京、津、冀分别设置不同的情景，如表6所示。
表 6京津冀预测情景构建
情景 分类 指标描述 经济增长 人力 资本 技术 制度 产业 基准
发展路径
依赖依据规划及惯性
发展趋势中 中 中 中 中 中 要素
调控人力
调控人力要素
取高值高 高 中 中 高 低 资本
调控资本要素
取高值高（京）/
低（津、冀）中 高 中 高（京）/
低（津、冀）高（津、冀）/
低（京）技术
调控技术要素
取高值低 中 中 高 低 高 综合
调控均衡
调控经济增长满足
规划预期中 中 高 高 低 高 差别
调控约束经济
增长速度低 低 高（津、冀）/
低（京）高 低 高 1）基准发展情景。以京津冀过去的发展特征为基础，根据惯性趋势进行外推预测，即假定经济增长基本满足“十四五”规划的发展预期，供给侧因素遵循各地区的路径依赖特征，预期京津冀能源效率有所提升、能源结构缓慢调整，各因素取中间值。
2）要素调控情景。假定经济增长满足预期，通过提高要素有效供给，优化产业结构，促进经济转型升级，从而降低碳排放量。将要素调控情景分为人力调控、资本调控、技术调控三种情况，以便识别不同地区的有效调控要素，并根据因素间的相关系数设置产业因素和制度因素的取值，若与调控因素负相关取低值，反之取高值。
3）综合调控情景。供给侧因素同时参与调控，分为均衡调控与差别调控两种情况。均衡调控情景，兼顾经济增长与碳达峰目标，在经济增长满足预期的前提下，通过提高要素有效供给、大力调整产业结构、增强市场主导来实现经济社会、资源、环境的协调发展。资本、技术、产业因素取高值，制度因素取低值；差别调控情景，京津冀加强干预力度，约束经济增长，因地制宜快速调整能源结构，根据供给侧因素对京津冀碳排的总影响效应来区分积极因素和消极因素，各地区的积极因素取低值，消极因素取高值。
2.情景参数设计
1）人均GDP。按照“十四五”规划设定2021—2025年的年均增长率，北京按照“2035远景目标”设置2026—2035年的参数，以2021—2025年与2026—2035年差值作为2035—2040年与2026—2035年的差值进行设定；天津及河北将2016—2020年与2020—2025年的差值作为每五年的基准变化率。高值和低值分别增加或减少0.5%。
2）劳动生产率。按照“十四五”规划设定2021—2025年的年均增长率，北京按照“2035远景目标”设置2026—2035年的参数，参考其递减趋势，将2036—2040年的年均增长率设为2%；天津及河北的人力要素波动较大，根据“十四五”规划可得2020年劳动生产率，将2020年与2021—2025年的年均增长率差值作为每五年的基准变化率。高值和低值分别增加或减少0.5%。
3）资本效率。将北京以往的年均增长率作为2020—2025年参数，设置每五年速率增加2%；天津、河北的资本效率在2000—2019年转负为增趋势明显，则根据近大远小原则将2016—2019年均增长率设置为2020—2025年参数，此后每五年增加2%，高值和低值分别增加或减少1%。
4）能源强度。按照“十四五”规划设定的约束值，计算其年均降速，并将其作为2021—2040年高值，中值较高值减1%，低值较中值减1%。
5）政府干预。京津冀的政府干预比重较为稳定，根据路径依赖特征，延续2000—2019年的年均增速作为中值，高值和低值分别增加或减少1%。
6）产业结构升级协同。计算2000—2020年均增长率作为2021—2025年的参数，因产业结构调整升级是新常态下必然趋势，故假定每五年增加2%，高值和低值分别增加或减少1%。
-
根据以上情景设定，分别得到2021—2040年京津冀的碳排放预测趋势，加总可得京津冀整体碳排放趋势（图4）。
图 42019—2040年京津冀碳达峰情景预测趋势
1.北京碳达峰情景预测结果分析
在人力调控情景、资本调控情景下，北京将于2035年实现碳达峰；基准发展情景、差别调控情景下，北京将于2030年实现碳达峰；技术调控情景、均衡调控情景下，北京将提前于2025年实现碳达峰，峰值量按从大到小排序为：人力调控（4.8亿吨）>资本调控（4.59亿吨）>基准发展（4.2亿吨）>差别调控（3.8亿吨）>技术调控（3.77亿吨）>均衡调控（3.75亿吨），人力要素、技术要素、资本要素均在调控北京碳达峰时间及峰值上发挥关键作用。
人力要素、资本要素是促进北京碳排放的积极因素，也是重要中介因素，对其加大调控力度，会使政府干预程度加深，不仅直接导致碳排放的增加，也会间接刺激经济增长超预期发展，进而加重碳排放，导致人力调控情景、资本调控情景均晚于基准发展情景达峰，且峰值量相对较大；技术要素是抑制北京碳排放的消极因素，科技创新落到实处伴随着优化产业结构、能源结构的进程，因此技术调控情景下北京碳排放量将大大降低。
在均衡调控情景下，经济增长与劳动生产率按照规划趋势发展，一定程度上减少政府干预，调控资本方向并积极扶持科技创新，促进产业新动能培育，可以满足经济增长达到预期目标的同时实现提前达峰，为北京调控碳排放提供有效思路。
2.天津碳达峰情景预测结果分析
在基准发展情景、人力调控情景下，天津将于2035年实现碳达峰；资本调控情景、技术调控情景、均衡调控情景、差别调控情景下，天津将于2030年实现碳达峰，峰值量按从大到小排序为：人力调控（9.32亿吨）>基准发展（7.91亿吨）>技术调控（6.98亿吨）>资本调控（6.9亿吨）>均衡调控（6.78亿吨）>差别调控（6.64亿吨），人力要素对调控天津碳达峰时间及峰值起到关键作用。
人力要素是促进天津碳排放的积极因素，若要提升劳动生产率需要加强天津的政府干预力度，可能出现为汲取短期利益而加重能源依赖的情况，干扰产业结构升级的进程，造成经济依托于能源消耗而增长的局面，因此并不可行。综合调控情景相比于要素调控情景，则更能平衡天津经济、资源、环境之间的关系。均衡调控情景下，满足天津经济增长预期目标，以市场为主导进行资本整合，支持先进制造业与新兴产业发展，积极服务北京非首都功能疏解，有利于跨区域产业结构升级，稳步推进天津经济增长与碳排放的脱钩。差别调控情景相比于均衡调控情景的碳排放量更少，但差别调控情景以约束经济增长为前提，因此不作为调控思路的首要选择。
3.河北碳达峰情景预测结果分析
在人力调控情景下，河北将于2035年实现碳达峰；基准发展情景、技术调控情景、均衡调控情景、差别调控情景下，河北将于2030年实现碳达峰；资本调控情景下，河北将于2025年实现碳达峰，峰值量按从大到小排序为：人力调控（29.12亿吨）>基准发展（24.72亿吨）>技术调控（22.52亿吨）>均衡调控（22.33亿吨）>差别调控（22.11亿吨）>资本调控（21.43亿吨），人力要素、资本要素均在调控河北碳达峰时间与峰值上发挥关键作用。
其中，人力要素是促进河北碳排放的积极因素。若调控河北人力要素，与天津类似，即在政府干预下大力提高劳动生产率，虽对经济增长起到显著推动作用，但难以避免出现能源依赖“再回头”风险，并不利于河北碳减排；资本要素是抑制河北碳排放的消极因素，过去由于过度投资和严重产能过剩，造成资本效率走低，这是河北低碳转型需克服的主要困难。进入新常态后，河北积极消减落后产能，主要体现在抑制传统重化工业的过热投资上，逐渐减弱对煤炭等黑色能源的依赖。未来除了限制资本规模外，将倾向于市场引导资本流向，在有效承接北京非首都功能的同时，利用现有资源支持科技创新及成果转化，促进产业结构优化，为建设产业转型升级试验区打好基础。需要注意的是，河北在资本调控情景可以早于预期完成碳达峰目标，但一定程度上会影响经济增长预期目标达成。
4.京津冀整体碳达峰情景预测结果分析
如表7所示，除人力调控情景外，其余五种预测情景下京津冀整体均可于2030年实现碳达峰，达峰时排放量各有不同，峰值按从大到小排序为：基准发展（36.69亿吨）>技术调控（33.26亿吨）>均衡调控（32.82亿吨）>差别调控（32.54亿吨）>资本调控（32.39亿吨），资本要素是调控京津冀碳排放量的首要因素，人力要素在调控京津冀碳达峰时间上发挥关键作用。
表 72030年京津冀碳排放量及协同度情景预测结果
情景预测结果 基准发展 人力调控 资本调控 技术调控 均衡调控 差别调控 京津冀排放量/亿吨 36.69 42.35 32.39 33.26 32.82 32.54 京排放比例/% 11.44 11.02 13.97 11.29 11.33 11.66 津排放比例/% 21.20 20.51 21.31 20.99 20.65 20.41 冀排放比例/% 67.36 68.47 64.72 67.71 68.03 67.93 京津冀碳排放协同度/% 0.34 0.33 0.40 0.34 0.34 0.35 此外，为进一步了解京津冀地区间协同调控碳排放水平，将预测排放量带入式（5）可计算得到预测期间的京津冀碳排放协同度，有助于识别加强京津冀协同调控的重要因素。在六类预测情景中，均呈现河北碳排放比例最大，北京碳排放比例最小的情况，因此转变河北的高碳排放模式是有效促进京津冀整体低碳转型的重要基础。相比于其他情景，资本调控情景下，北京碳排放所占比例最大，约为13.97%，资本要素对于抑制京津冀整体碳排放效果显著，而对于北京碳排放则起相反作用，因此缩小了和天津、河北碳排放的差距，京津冀协同调控碳排放水平最高；人力调控情景下天津碳排放所占比例最大，约为21.55%，天津和京津冀整体同受人力要素的促进作用较为显著，且相比于北京、河北更能刺激碳排放增长，使得三地碳排放差距扩大，京津冀协同调控碳排放水平最低；均衡调控情景下，河北碳排放所占比例最大，约为68.03%，在满足经济增长预期情况下，河北比北京、天津需排放更多的温室气体，这和其“三区一基地”的功能定位是分不开的。
-
本文从供给侧改革视角出发，基于拓展的STIRPAT模型，综合运用岭回归和通径分析法对2000—2019年京津冀碳排放的影响因素进行分析，主要探究了劳动生产率、投资效率、能源强度、政府干预、经济增长、产业结构升级协同与京津冀碳排放之间的影响效应，并运用情景分析法对京津冀2021—2040年碳排放及协同调控水平进行预测，结论如下：
1.京津冀随经济规模扩大能源消费碳排放持续增加，尚未实现完全脱钩。期间京津冀碳排放协同度一直在0.6以下，河北相比京津更高的碳排放增速阻碍协同调控水平上升。
2.劳动生产率、政府干预、经济增长促进京津冀碳排放，总影响在0.9及以上；能源强度、产业结构升级协同均抑制京津冀碳排放，总影响绝对值在0.847及以上；资本效率促进北京碳排放，而抑制天津、河北碳排放。此外，劳动生产率是北京、河北重要中介因素，经济增长是天津重要中介因素，间接影响绝对值均在0.21及以上，说明京津冀的供给要素主要通过影响劳动生产率与人均GDP而间接影响碳排放。
3.相比基准发展情景，人力调控下京津冀整体达峰时间延后5年，达峰量增加6.55亿吨，碳排放协同调控水平最低，约为0.33。其余调控情景下京津冀整体达峰时间不变，资本调控下达峰量最低，相比降低4.3亿吨，碳排放协同调控水平最高，约为0.4。由此说明劳动生产率增速较快不利于把控京津冀达峰时间，调控资本效率上升是提升京津冀协同减排水平的重要路径，不仅有利于降低三地碳排放，且可弥补减排差距。
4.基准发展情景下天津难以如期达峰，技术、资本等要素调控下达峰时间提前5年，达峰量降低约1.01亿吨，调控供给要素对于天津如期达峰具有必要性；人力、资本等要素调控下北京难以如期达峰，技术要素及均衡调控下达峰时间提前10年，达峰量降低约1.03亿吨；人力要素调控下河北难以如期达峰，资本要素调控下达峰时间提前10年，达峰量降低约7.69亿吨。提高能源使用效率、调整资本规模及流向分别是北京、河北高质量完成碳达峰的重要路径。
根据上述结论，提出如下建议：
1.合理配置要素供给有助于提高京津冀碳排放协同调控能力。提高各供给要素灵活性与适应性有利于缩小京津冀发展差距，为后期要素转移与精准对接提供良好的承接环境。同时引导资本要素自污染密集型产业流向清洁低碳型产业，自扩大生产规模转向提升技术水平，限制传统能源行业投资规模，支持可再生能源开发，改善河北以煤炭为主体的能源工业体系，将从根源上摆脱黑色能源依赖，提升河北碳排放调控效能，大跨步式提升京津冀碳排放协同调控能力。
2.优化产业结构有利于实现京津冀经济增长与碳达峰的协调发展。积极发展绿色低碳产业，北京重视科技创新服务，天津、河北积极发展高端制造业，促进产业结构优化升级，促使资本效率提升，将大大降低碳排放，是实现京津冀经济增量低碳化的重要路径。同时，需合理控制劳动生产率的增长速率，严防贪功冒进思想，以防出现为获取短期经济利益而忽略与资源、环境的平衡，否则可能影响碳达峰出现的时间。
3.适当制度调控保障能源供给安全与国民经济稳定。要素、产业、制度均主要通过经济增长作用于碳排放，因此调控时需注意对能源结构及经济增长平稳性的冲击，坚持“先立后破”原则，以防系统性风险的出现。而且以约束经济增长为前提的调控情景，并不作为调控思路的首要选择，需要宏观调控进行顶层设计来安排减排任务，比如河北在资本调控情景提前达峰，但限制经济目标的完成，需谨慎考虑。
Analysis on Influencing Factors of Carbon Emission and Scenario Forecast of Carbon Peak in Beijing-Tianjin-Hebei
——A Perspective of Supply-side Reform
-
摘要:京津冀经济增长与碳排放尚未完全脱钩，难以协同调控发展与减排。为缓解此类结构性矛盾，基于STIRPAT拓展模型，在供给侧改革视角下运用通径分析揭示要素流动、产业协同、制度干预等因素对京津冀碳排放的影响机理，从人力、资本、技术等要素层面设计调控情景进行达峰预测。研究发现：（1）转变河北的高碳排放模式是有效促进京津冀低碳转型的重要基础；（2）劳动生产率、政府干预、经济增长均促进京津冀碳排放，能源强度、产业结构升级协同均抑制京津冀碳排放。资本效率促进北京碳排放，而抑制天津、河北碳排放。此外，劳动生产率、经济增长是重要中介因素；（3）均衡调控情景下，京津冀整体、天津、河北均如期达峰。资本调控情景下，京津冀协同调控水平最高，河北达峰时间提前5年；人力调控情景下，京津冀协同调控水平最低，整体达峰时间推迟5年。Abstract:The economic growth of Beijing, Tianjin and Hebei has not yet been decoupled from carbon emissions, and it is difficult to coordinate their economic development and carbon emission reduction. In order to alleviate such structural contradictions, based on the STIRPAT expansion model, path analysis is used to reveal the impact mechanism of factors such as factor circulation, industrial collaboration, and institutional intervention on carbon emissions in Beijing, Tianjin and Hebei from the perspective of supply side reform, and peak prediction is made by designing adjustment scenarios from the perspective of human, capital, technology and other factors. the results show that: (1) Changing the high carbon emission model of Hebei is an important foundation for effectively promoting the low carbon transformation of Beijing-Tianjin-Hebei; (2) Labor productivity, government intervention and economic growth all promote the carbon emission of Beijing-Tianjin-Hebei, while energy intensity and industrial structure upgrading and coordination all restrain its carbon emission. Capital efficiency promotes carbon emissions in Beijing, while curbs carbon emissions in Tianjin and Hebei. In addition, labor productivity and economic growth are important intermediary factors. (3)Under the balanced regulation scenario, the Beijing-Tianjin-Hebei, Tianjin and Hebei reached the peak on schedule. Under the capital regulation scenario, the coordinated regulation level of Beijing-Tianjin-Hebei is the highest, and the peak time of Hebei is 5 years ahead of schedule; Under the human resource regulation scenario, the coordinated regulation level of Beijing Tianjin Hebei is the lowest, and the overall peak time is delayed by 5 years.
-
表 1京津冀碳排放影响因素的描述性统计
地区 变量 经济（A）人均GDP/（万元/人） 人力（P）劳动生产率/（万元/人） 资本（Z）资本效率/% 京 最大值 14.05 29.71 4.50 最小值 2.50 5.29 2.44 平均值 7.52 15.89 2.93 标准差 3.68 7.79 0.55 津 最大值 9.67 11.33 2.86 最小值 1.70 2.26 1.16 平均值 5.34 6.34 1.96 标准差 2.67 3.01 0.58 冀 最大值 2.81 6.35 2.70 最小值 0.70 1.37 0.90 平均值 1.61 3.50 1.57 标准差 0.67 1.56 0.66 地区 变量 技术（T）能源强度/（吨/万元） 制度（W）政府干预/% 产业（S）产业协同/% 京 最大值 1.29 0.24 0.55 最小值 0.40 0.14 0.43 平均值 0.75 0.18 0.49 标准差 0.27 0.03 0.04 津 最大值 1.64 0.25 0.55 最小值 0.55 0.11 0.43 平均值 1.01 0.15 0.49 标准差 0.34 0.04 0.04 冀 最大值 2.53 0.24 0.55 最小值 1.23 0.09 0.43 平均值 1.97 0.16 0.49 标准差 0.47 0.05 0.04 
下载:
导出CSV
表 2岭回归拟合结果
地区 LNP LNZ LNT LNW LNA LNS LNA R2 F检验 京 0.19*** 0.20* −0.14*** 0.31*** 0.19*** −0.52* 18.70*** 99.14% 250.48 津 0.20*** −0.19*** −0.24*** 0.12** 0.19*** −0.77*** 18.64*** 98.43% 136.14 冀 0.36*** −0.23** 0.41** 0.15* 0.30*** −1.10*** 19.61*** 97.12% 73.13 注:*、**和***分别表示在10%、5%和1%水平下的显著水平。 下载:
导出CSV
表 3通径分析（北京）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.996 0.272 — 0.070 0.135 0.145 0.271 0.091 0.711 0.013 LNZ 0.847 0.084 0.226 — 0.119 0.119 0.225 0.071 0.760 0.003 LNT −0.986 −0.137 −0.268 0.084 — −0.146 −0.267 −0.088 −0.686 −0.164 LNW 0.965 0.151 0.261 −0.073 0.132 — 0.260 0.088 0.667 0.147 LNA 0.996 0.271 0.272 0.066 0.135 0.145 — 0.091 0.708 0.017 LNS −0.941 −0.096 −0.258 0.070 −0.126 −0.138 −0.256 — −0.708 −0.137 下载:
导出CSV
表 4通径分析（天津）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.997 0.236 — 0.113 0.190 0.057 0.239 0.117 0.716 0.044 LNZ −0.902 −0.126 −0.212 — −0.162 −0.057 −0.215 −0.106 −0.753 −0.023 LNT −0.968 −0.194 −0.231 −0.126 — −0.058 −0.232 −0.111 −0.758 −0.015 LNW 0.900 0.064 0.213 −0.105 0.178 — 0.214 0.106 0.607 0.229 LNA 0.997 0.239 0.236 0.113 0.188 0.057 — 0.118 0.712 0.045 LNS −0.935 −0.124 −0.223 0.113 −0.174 −0.054 −0.227 — −0.566 −0.245 下载:
导出CSV
表 5通径分析（河北）
变量 总影响 直接影响 间接影响 总间接
影响剩余影响 LNP LNZ LNT LNW LNA LNS LNP 0.979 0.394 — 0.209 −0.219 0.104 0.301 0.167 0.562 0.023 LNZ −0.955 −0.213 −0.385 — 0.217 −0.103 −0.295 −0.164 −0.729 −0.012 LNT −0.847 0.235 −0.367 −0.213 — −0.102 −0.284 −0.149 −1.115 0.033 LNW 0.940 0.105 0.388 −0.197 −0.227 — 0.298 0.162 0.424 0.411 LNA 0.970 0.301 0.394 0.208 −0.221 0.104 — 0.166 0.651 0.018 LNS −0.938 −0.176 −0.373 0.209 0.199 −0.097 −0.284 — −0.346 −0.416 下载:
导出CSV
表 6京津冀预测情景构建
情景 分类 指标描述 经济增长 人力 资本 技术 制度 产业 基准
发展路径
依赖依据规划及惯性
发展趋势中 中 中 中 中 中 要素
调控人力
调控人力要素
取高值高 高 中 中 高 低 资本
调控资本要素
取高值高（京）/
低（津、冀）中 高 中 高（京）/
低（津、冀）高（津、冀）/
低（京）技术
调控技术要素
取高值低 中 中 高 低 高 综合
调控均衡
调控经济增长满足
规划预期中 中 高 高 低 高 差别
调控约束经济
增长速度低 低 高（津、冀）/
低（京）高 低 高 下载:
导出CSV
表 72030年京津冀碳排放量及协同度情景预测结果
情景预测结果 基准发展 人力调控 资本调控 技术调控 均衡调控 差别调控 京津冀排放量/亿吨 36.69 42.35 32.39 33.26 32.82 32.54 京排放比例/% 11.44 11.02 13.97 11.29 11.33 11.66 津排放比例/% 21.20 20.51 21.31 20.99 20.65 20.41 冀排放比例/% 67.36 68.47 64.72 67.71 68.03 67.93 京津冀碳排放协同度/% 0.34 0.33 0.40 0.34 0.34 0.35 下载:
导出CSV
-
[1] 邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8): 105-117.doi:10.3969/j.issn.1002-5502.2021.08.009 [2] 黄震, 谢晓敏. 碳中和愿景下的能源变革[J]. 中国科学院院刊, 2021, 36(9): 1010-1018.doi:10.16418/j.issn.1000-3045.20210812001 [3] 邓光耀. 供给侧视角下中国碳排放关键部门的识别[J]. 统计与决策, 2020, 36(5): 108-112. [4] 庄贵阳. 中国经济低碳发展的途径与潜力分析[J]. 国际技术经济研究, 2005(3): 8–12. [5] 于洋, 孔秋月. 京津冀城镇化、人口老龄化与碳排放关系的实证研究[J]. 生态经济, 2017, 33(8): 56-59+80. [6] 郭文, 孙涛. 人口结构变动对中国能源消费碳排放的影响: 基于城镇化和居民消费视角[J]. 数理统计与管理, 2017, 36(2): 295-312. [7] 赵玉焕, 李浩, 刘娅, 等. 京津冀CO2排放的时空差异及影响因素研究[J]. 资源科学, 2018, 40(1): 207-215. [8] 张丽峰, 刘思萌. 碳中和目标下京津冀地区碳排放影响因素研究: 基于分位数回归和VAR模型的实证分析[J]. 资源开发与市场, 2021, 37(9): 1025-1031.doi:10.3969/j.issn.1005-8141.2021.09.001 [9] XU G, SCHWARZP, YANG H. Adjusting energy consumption structure to achieve China's CO2emissions peak[J]. Renewable and Sustainable Energy Reviews, 2020, 122: 1097-1110. [10] 何建坤. CO2排放峰值分析: 中国的减排目标与对策[J]. 中国人口•资源与环境, 2013, 23(12): 1-9. [11] 渠慎宁, 郭朝先. 基于STIRPAT模型的中国碳排放峰值预测研究[J]. 中国人口•资源与环境, 2010(12): 14-19 [12] 袁晓玲, 郗继宏, 李朝鹏, 等. 中国工业部门碳排放峰值预测及减排潜力研究[J]. 统计与信息论坛, 2020, 35(9): 72-82.doi:10.3969/j.issn.1007-3116.2020.09.009 [13] 朱宇恩, 李丽芬, 贺思思, 等. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J]. 资源科学, 2016, 38(12): 2316-2325. [14] 冯志峰. 供给侧结构性改革的理论逻辑与实践路径[J]. 经济问题, 2016(2): 12-17.doi:10.16011/j.cnki.jjwt.2016.02.003 [15] 张为杰, 李少林. 经济新常态下中国的供给侧结构性改革: 理论、现实与政策[J]. 当代经济管理, 2016, 38(4): 40-45. [16] 张丽峰. 中国产业结构、能源结构和碳排放关系研究[J]. 干旱区资源与环境, 2011, 25(5): 1-7. [17] 魏杰, 杨林. 经济新常态下的产业结构调整及相关改革[J]. 经济纵横, 2015（6）: 1−5. [18] 田学斌, 刘志远. 基于三元协同治理的跨区域生态治理新模式: 以京津冀为例[J]. 燕山大学学报(哲学社会科学版), 2020, 21(3): 88-95. [19] 张晓梅, 庄贵阳. 中国省际区域碳减排差异问题的研究进展[J]. 中国人口•资源与环境, 2015, 25(2): 135-143. [20] EHRLICH PR, HOLDRE JP. Impact of population growth[J]. Science, 1971, 171(3977): 1212-1217.doi:10.1126/science.171.3977.1212 [21] DIETZ T, ROSA EA. Rethinking the environment impacts of populations, affluenceand Technology [J] . Human Ecology Review, 1994, 1: 277-300. [22] 邵帅, 张曦, 赵兴荣. 中国制造业碳排放的经验分解与达峰路径: 广义迪氏指数分解和动态情景分析[J]. 中国工业经济, 2017(3): 44-63. [23] 赵领娣, 吴栋. 中国能源供给侧碳排放核算与空间分异格局[J]. 中国人口•资源与环境, 2018, 28(2): 48-58. [24] 张燕, 魏后凯. 中国区域协调发展的U形转变及稳定性分析[J]. 江海学刊, 2012(2): 78-85+238.doi:10.3969/j.issn.1000-856X.2012.02.012 [25] HOERL AE, KENNARDRW. Ridge regression: Biased estimation for nonorthogonal problems [J]. Technimetrics , 1970, 12: 55-67.doi:10.1080/00401706.1970.10488634 [26] 杜家菊, 陈志伟. 使用SPSS线性回归实现通径分析的方法[J]. 生物学通报, 2010(2): 4-6.doi:10.3969/j.issn.0006-3193.2010.02.002 -
点击查看大图
图(4)/
表 (7)
计量
- 文章访问数:238
- HTML全文浏览量:76
- PDF下载量:15
- 被引次数:0
