中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究

doi:10.12068/j.issn.1005-3026.2015.02.031

东北大学学报:自然科学版 ›› 2015, Vol. 36 ›› Issue (2): 297-300.DOI: 10.12068/j.issn.1005-3026.2015.02.031

中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究

佟昕¹，陈凯¹，李刚^1,2

(1.东北大学工商管理学院，辽宁沈阳110819； 2.东北大学秦皇岛分校，河北秦皇岛066004)

收稿日期:2014-05-12 修回日期:2014-05-12 出版日期:2015-02-15 发布日期:2014-11-07
通讯作者: 佟昕
作者简介:佟昕(1975-)，女，辽宁沈阳人，东北大学博士研究生；陈凯(1961-)，男，山西浑源人，东北大学教授，博士生导师.
基金资助:
教育部人文社会科学研究规划基金资助项目(12YJA790010)；教育部人文社会科学研究青年基金资助项目(11YJC790079)；河北省自然科学基金青年科学基金资助项目(G2012501013)；东北大学人文社会科学重点项目(XNR201307).

Influencing Factors Analysis and Trend Forecasting of China’s Carbon Emissions——Empirical Study Based on STIRPAT and GM(1，1) Models

TONG Xin¹， CHEN Kai¹， LI Gang^1,2

1. School of Business Administration， Northeastern University， Shenyang 110819， China; 2. Northeastern University at Qinhuangdao， Qinhuangdao 066004， China.

Received:2014-05-12 Revised:2014-05-12 Online:2015-02-15 Published:2014-11-07
Contact: TONG Xin
About author:-
Supported by:
-

摘要/Abstract

摘要： 采用STIRPAT模型全面地对影响中国2000—2011年碳排放的因素进行分析，并利用灰色模型GM(1，1)预测了中国2012—2020年碳排放量.研究结果显示:城镇化率、经济增长、产业结构、能源价格、人口、能源结构和外贸强度对碳排放量有一定的促进作用，技术进步对碳排放量具有较强的抑制作用；其中对中国碳排放量增加影响较大的因素是人口和产业结构；根据GM(1，1)预测模型的结果，可以看出未来的减排压力还很大.因此，治理碳排放的政策应该综合考虑人口、产业结构和技术进步等影响因素.

关键词: 碳排放, 影响因素, 偏最小二乘回归法, STIRPAT模型, GM(1, 1)模型

Abstract: STIRPAT (stochastic impacts by regression on population， affluence， and technology) model is used to analyze the influencing factors of China’s carbon emissions， and gray model GM(1， 1)is applied to the prediction of emissions from 2012 to 2020. The analysis shows that urbanization，economy growth， industrial structure， energy prices， population， energy structure and foreign trade are the main factors to aggravate the emissions， while technology progress plays an important role in the inhibition of emissions. Among the factors mentioned， population and industrial structures are the two dominant factors. Based on the GM(1， 1)， China’ carbon emission is predicted， showing the pressure of reducing carbon emissions is great. Therefore， the governance of carbon emission should synthetically consider the factors mentioned above.

Key words: carbon emission, influencing factor, partial least squares regression, STIRPAT model, GM(1, 1)model

中图分类号:

F201
X321

佟昕，陈凯，李刚. 中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究[J]. 东北大学学报:自然科学版, 2015, 36(2): 297-300.

TONG Xin， CHEN Kai， LI Gang. Influencing Factors Analysis and Trend Forecasting of China’s Carbon Emissions——Empirical Study Based on STIRPAT and GM(1，1) Models[J]. Journal of Northeastern University Natural Science, 2015, 36(2): 297-300.

参考文献

[1]Hettige H，Lucas R E B，Wheeler D.The toxic intensity of industrial production:global patterns，trends，and trade policy［J］.American Economic Review，1992，82(2):478-481.
[2]Richmond A K，Kaufman R K.Is there a turning point in the relationship between income and energy use and/or carbon emissions?［J］.Ecological Economics，2006，56(2):176-189.
[3]Soytas U，Sari R.Energy consumption，economic growth，and carbon emissions:challenges faced by an EU candidate member［J］.Ecological Economics，2009，68(6):1667-1675.
[4]Wang C，Chen J，Zou J.Decomposition of energy-related CO₂ emission in China:1957-2000［J］.Energy，2005，30(1):73-83.
[5]Wu L B，Kaneko S，Matsuoka S.Driving forces behind the stagnancy of China’s energy-related CO₂ emissions from 1996 to 1999:the relative importance of structural change，intensity change and scale change［J］.Energy Policy，2005，33(3):319-335.
[6]范体军，骆瑞玲，范耀东.我国化学工业二氧化碳排放影响因素研究［J］.中国软科学，2013(3):166-174.(Fan Ti-jun，Luo Rui-ling，Fan Yao-dong.Study on influence factors for carbon dioxide emissions in China’s chemical industry with LMDI method［J］.China Soft Science Magazine，2013(3):166-174.)
[7]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］.管理世界，2009，4(4):27-36.(Lin Bo-qiang，Jiang Zhu-jun.Environmental Kuznets curve for prediction of China’s carbon dioxide emissions and influencing factors analysis［J］.Management World，2009，4(4):27-36.)
[8]Tol R S J.Carbon dioxide emission scenarios for the USA［J］.Energy Policy，2007，35(11):5310-5326.
[9]Ehrlich P R，Ehrlich A H.Population，resources，environment:issues in human ecology［M］.San Francisco:Freeman，1970.
[10]York R，Rosa E A，Dietz T.A rift in modernity? assessing the anthropogenic sources of global climate change with the STIRPAT model［J］.International Journal of Sociology and Social Policy，2003，23(10):31-51.

[1]	潘雄锋，王梦洋. 中国省际技术转移的空间规模结构与影响因素[J]. 东北大学学报（自然科学版）, 2023, 44(4): 599-608.
[2]	侯卉，殷赟，卜曼曼，何杰. 辽宁省碳排放预测及最优情境选择[J]. 东北大学学报:自然科学版, 2019, 40(8): 1211-1216.
[3]	刘莹，于淼，刘阳. 基于乘客感知的公交车线路服务质量评价模型[J]. 东北大学学报:自然科学版, 2019, 40(5): 750-755.
[4]	梁力，孙爽，李明，李鑫. 基于变权重和D-S证据理论的桥梁安全评估[J]. 东北大学学报:自然科学版, 2019, 40(1): 99-103.
[5]	边汉亮，刘松玉，蔡国军，储亚. 柴油污染粉质黏土的电阻率特性及影响因素[J]. 东北大学学报:自然科学版, 2017, 38(8): 1177-1182.
[6]	彭振斌，张闯，彭文祥，王继武. GM(1，1)模型背景值构造的不同方法与应用[J]. 东北大学学报:自然科学版, 2017, 38(6): 869-873.
[7]	贾冯睿，王恩刚，赫冀成，董辉. 烧结烟气SO₂浓度分布规律及影响因素分析[J]. 东北大学学报:自然科学版, 2017, 38(5): 661-666.
[8]	马跃，王洪福，孙伟，黄余彬. 数控机床多变量关联热误差组合模型及其实验验证[J]. 东北大学学报:自然科学版, 2017, 38(5): 700-705.
[9]	唐凯，庄新田，卢盼盼，李晓青. 基于联立方程的地价与房价波动关系[J]. 东北大学学报:自然科学版, 2017, 38(4): 598-603.
[10]	杨沫，陈凯. 基于STIRPAT及解耦模型的河北省碳排放影响因素分析[J]. 东北大学学报:自然科学版, 2017, 38(2): 300-304.
[11]	郭洪光，刘杨，张永丽. 紫外激活过硫酸钠降解环境雌激素17β-雌二醇分析[J]. 东北大学学报:自然科学版, 2016, 37(6): 880-885.
[12]	佟昕，李学森，佟琳，陈凯. 中国碳排放空间格局的时空演化——基于动态演化及空间集聚的视域[J]. 东北大学学报:自然科学版, 2016, 37(11): 1668-1672.
[13]	崔宝玉，魏德洲，李明阳，FENGYuqing. 旋流器内空气柱形成及其影响因素的数值模拟[J]. 东北大学学报(自然科学版), 2013, 34(9): 1343-1346.
[14]	杨培颖，唐加福，于洋. 低碳型机场接送服务的改进二维扫描算法[J]. 东北大学学报(自然科学版), 2013, 34(4): 478-481.
[15]	张伟，范德成，王韶华. 我国经济结构测度及其影响因素的实证研究[J]. 东北大学学报(自然科学版), 2013, 34(2): 301-304.

中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究

Influencing Factors Analysis and Trend Forecasting of China’s Carbon Emissions——Empirical Study Based on STIRPAT and GM(1，1) Models

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价