论文部分内容阅读
摘要 弄清楚碳排量的重要宏观驱动因素可以为我们设计与碳减排相关的政策机制提供理论支撑。本文采用递阶偏最小二乘方法(Hi_PLS)进行了宏观驱动因素的研究,并将其与传统PLS模型进行了比较。实证过程采集了1952-2006年我国大陆区的社会、经济、人口及自然环境等方面共36个指标的数据进行。结果表明:与传统PLS模型相比,Hi_PLS用于该主题的研究更加有效,解释起来也更加方便具体;我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域(如,邮电运输活动与教育文化活动等)及人口数量与经济发展水平,不重要的宏观驱动因素则来自于几乎无法反映人类活动强度的领域,如自然环境要素和艺术表演团体的个数等。
关键词 碳排放; Hi_PLS; 宏观驱动因素
中图分类号 F206 文献标识码 A 文章编号 1002-2104(2010)10-0023-07 doi:10.3969/j.issn.1002-2104.2010.10.005
能源消费及其引起的碳排量增加与气候变暖等问题已经成为当今世界所广泛关注的热点论题之一[1]。我国的能源消费随着经济持续快速发展、人口增长、工业化和城市化进程加剧而迅速增长。由能源消费产生的碳排放量也迅速增加,由此产生的对环境破坏性影响也同样受到社会各界和广大学者的普遍关注。能耗碳排量可以看成是由一个国家的人口数量及其结构、富裕程度、技术水平、能耗总量与效率结构、经济水平与结构、教育文化水平、卫生条件和先天的自然环境与资源条件等多种影响因素共同作用的综合结果。那么,在这些影响因素中,哪些是最主要的影响因素,哪些是不太重要的影响因素呢?搞清楚这个问题可以为我们设计和制定与碳减排相关的政策与机制时提供理论保证和科学依据。然而,迄今为止,国内外大多学者对该问题的研究往往侧重于某单方面或者几个方面的影响因素驱动作用,如:人口、经济与能源方面要素[2-16],科学、技术进步方面要素[17-19],空间地理方面要素[20],商品出口[21],家庭规模与总户数[22],工业化[23]及旅游活动[24]等,把所用这些要素综合起来考虑的研究仍较少。为弥补这一不足,本文提出采用化学计量学中常用的一种方法——递阶偏最小二乘法(Hierarchical Partial Least Squares, Hi_PLS)进行该主题的研究,Hi_PLS方法正好可以把上文提出的所用要素综合起来考虑,根据模型运算的结果,可以很快区分出哪些是最主要的影响因素?哪些是不太重要的影响因素?哪些是最不重要的影响因素?为此,本 文拟以我国(大陆地区)为例,通过收集其在1952-2006年的总体碳排放量数据及其相关影响因素的大量宏观数据进行实证研究。
1 研究假设
碳排量主要是由燃料燃烧而引起的,因而,能源消费的绝对量是引起碳排放量增长的最直接原因,这是毋庸置疑的,然而,这一点本文不作为主要研究对象。本文中论及的宏观驱动因素变量即假定为:除了能源消费量、能源消费结构及能源消费效率等与能源有关的因素之外的所有其它如人口、社会、经济、卫生、技术和自然条件等方面的因素的统称。可以得出,这些宏观驱动因素并不是总体碳排放量增加的最主要和最直接的原因,但它们或多或少对碳排放增加有一定的影响和相关作用,因而,辨别出哪些宏观驱动因素是最主要的和最不主要的,对我们进行相关机制设计时具有一定的参考意义。假定的各个宏观驱动因素变量及其单位、缩写、反映出来的具体内涵、所属的Hi_PLS模型子块与子块编号如表1所示。贾俊松:中国能耗碳排量宏观驱动因素的Hi•PLS模型分析中国人口•资源与环境 2010年 第10期
2 数据来源与方法
2.1 数据来源
本研究中所涉及的主要数据,其来源可分为两个:
(1)碳排放总量数据来自于美国橡树岭国家实验室CO2信息分析中心数据集(CDIAC, http: //cdiac.ornl.gov/ftp/ndp030/nation1751_2006.ems )。
(2)各主要宏观影响因素变量数据则来自于中国历年统计资料,根据数据的可获得性,具体研究年限确定为1952-2006年。
2.2 方法说明
采用的研究方法为递阶偏最小二乘法Hi•PLS,该方法是在传统PLS方法的基础上进行改进而形成的。用该方法进行本文主题的研究比较少见,这也是本文研究的意义之所在。
传统PLS方法集成了多元线性回归、主成分分析和典型相关分析的优点于一身,是这三类模型的结合[25]。早在1966-1973年,伍德就陆续发表过一些文章,涉及到偏最小二乘方法的一些思想,1983年正式提出了偏最小二乘法这个称谓。该方法初期应用领域集中在实验科学(如,化学计量学),主要用于解决实验样本点数较少的情况下,多变量之间相关关系的回归建模分析[25-26],后期应用领域不断扩展。传统PLS运算过程可简述为:首先对自变量X和应变量Y的变量组进行数据标准化;然后分别从自变量X和应变量Y中提取出第一对主成分t1和u1,使得它们之间的协相关关系达到最大(根据主成分分析原理,要使得提取出来的两个主成分均能最大的代表原变量组的信息,即每个主成分的方差要达到最大,同时根据典型相关原理,要使得两个主成分之间相关性达到最大,即相关系数要最大,因而综合起来,就是要使得两个主成分之间的协相关系数达到最大);第一对主成分被提取之后,分别实施自变量X对t1的回归和应变量Y对t1的回归,如果回归精度已经达到满意的精度,则计算终止,否则,将利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮的成分提取。如此往复,直到达到一个满意的精度为止[25]。
从式(4)可知:对于P个自变量,如果它们在解释Y时的作用都相同,则所有的VIPj都等于1。因此,据此可以把VIP值大于1的认为是主要的影响因子(驱动力),VIP值小于1的可认为是不重要的影响因子,也有资料把VIP值在0.8以下认为是不重要因素[8]。为讨论方便,本文把VIP值在0.5-1之间的因素认为是不太重要因素,VIP值在0.5以下认为是最不重要因素。
这种传统PLS存在如下不足之处:如,对含有较多自变量的模型,分析时不容易解释,又如不能对自变量进行筛选和识别。本文采用的递阶偏最小二乘法Hi_PLS则一定程度上克服了这个缺陷。其基本思想是,首先将自变量集合划分为若干子块(sub-block),使得在每一子块中的变量均具有相同或相似的含义。然后,分别建立每一子块与因变量的偏最小二乘回归模型(底层模型,Base Model),提取相应的偏最小二乘成分;再使用在各子块中提出的偏最小二乘成分作为自变量,与因变量建立整体的偏最小二乘回归模型(顶层模型,Top Model)。递阶偏最小二乘建模示意图见图1[27]。
具体地,本文以中国碳排放总量数据作为因变量Y,反映我国在一定时期内的医疗卫生、艺术、文化、教育、金融、对外贸易、邮电业务、运输系统及经济水平、人口状况、自然环境条件等36个宏观影响因素组成自变量集合X,构建本文分析的数据库。首先,将该36个自变量划分成为医疗、艺术、教育文化、金融外贸、邮电运输、自然环境、财税投资、GDP和人口9个子块(表1),构建9个底层模型,并分别执行各子块对Y的PLS回归,提取出相应的成分;然后,把从9个底层模型回归提取出的成分作为自变量,构建1个总体的顶层模型,执行PLS回归。
3 结果与分析
3.1 结果
采用Hi•PLS模型回归的结果如表2所示。根据其中顶层PLS模型的解释Y能力指标(R2Y)可知,Hi•PLS模型的结果是十分理想的(R2Y值为0.991>0.982,0.982为所有底层模型中的解释Y能力的R2Y指标最大值),这一理想结果的效果图也可以直接从图2看出。
3.2 分析
为进行对照分析,我们还对本文主题进行了传统PLS模型的回归,其结果如表2中的模型11所示,可以看出,与传统PLS模型相比,采用Hi•PLS的结果要更好。这是因为两者在解释X能力上相差不大(0.883≈0.884),而Hi•PLS模型的回归效果却明显要好(0.991>0.989)。
此外,与传统PLS模型相比,Hi•PLS模型的优越性还体现在结果的解释方便性上。图3表示了Hi•PLS模型顶层VIP图(a)与传统PLS模型VIP图(b)的对比情况。
从传统PLS模型VIP图(图3b),我们仅仅可以看出:这些宏观驱动因素的重要性大小依次为:YShzz,WJgzg,POPu,YSkzz,WJbz,WJgjs,GDP1,YSmyqc,YSgl,YStl,POPT,WScw,WSjgry,GDP,GDP2,YDhj,TZny,GDP3,TZkxyj,WJzz,WJgb,SHss,SHczzc,SHczsr,TZjbjs,JRhj,WMjk,WJgx,WMck,JRwh,POPr,ZRczmj,ZRgdmj,ZRnzwzmj,ZRszmj及YSbytt。详细分析如下,首先,对我国碳排放增加最不重要的驱动因素为艺术表演团体个数YSbytt,因它对应的VIP值仅为0.25左右(图3b,VIP<1)。其次,对我国碳排放影响不重要的因素为历年受灾面积ZRszmj,历年成灾面积ZRczmj,历年耕地面积ZRgdmj,历年农作物总播种面积ZRnzwzmj 4个。它们共同反映了我国过去自然环境条件的影响,由于它们对应的VIP值处于0.5-1之间(图3b),因而对碳排放作用也是不重要的。第三,人口方面,总人口数量POPT是重要的驱动因素,尤其是其中的城市人口POPu更为重要,而相对应的乡村人口的数量对碳排放影响则不太重要(VIP<1,图3b)。第四,金融外贸方面,历年黄金量JRhj,历年贸易进口总额WMjk,历年贸易出口总额WMck及历年外汇储备量JRwh这4个变量表示的金融外贸作用对我国碳排放影响的VIP值在1附近徘徊,均值略小于1(图3b),可见它们也是不太重要的宏观驱动因素。第五,教育文化水平方面,普通高等学校数WJgx的VIP值约为1(图3b),看不出其重要性的大小,只有把该因素所在的教育文化水平的所有指标综合起来考虑,我们才能确定教育文化水平驱动作用的重要性。由于其它教育文化水平指标的VIP均明显大于1(图3b),因此可确定教育文化水平的提高是我国碳排放增加的一个重要宏观驱动因素。最后,在剩下的宏观因素中,它们对我国碳排放均具有重要的驱动作用,但我们仅能将它们分为以下几类(图3b):①经济增长、财政收入与投资方面,有GDP,GDP1,GDP2,GDP3,SHss,SHczs,SHczzc,TZkxyj,TZny及TZjbjs指标;②运输与邮电方面,有YSmyqc,YShzz,YSkzz,YStl,YSgl及YDhj指标;③医疗卫生方面,有WScw及WSjgry指标。可见,在传统PLS模型分析中,我们无法再对最后的这几组驱动因素进行更加详细的排序。
但是,在Hi•PLS模型中,我们可以很方便做到这一点。首先从表2可以看出,在9个底层模中,模型2在执行PLS回归,得不出有效结果,这表明模型2所代表的变量与中国能耗碳排量之间不存在显著相关关系,即艺术表演团体的数量(艺术水平)不是碳排放的主要宏观驱动因素。而其它8组均可以看成是我国碳排放的主要宏观驱动因素,它们分别是邮电运输活动(0.982)、教育文化活动(0.979)、人口数量(0.965)、金融外贸活动(0.937)、财税与投资活动(0.927)、经济发展水平GDP(0.898)、医疗卫生活动(0.823)及自然环境条件(0.554)。再根据图3a中的顶层PLS模型VIP顺序图,可知这8组变量各自对应的反映其自身主要信息的第一对PLS成分为重要驱动因素,而第二及其以上对数的PLS成分均不需要考虑,因为它们的VIP值均≤0.5($M9.t2,$M4.t2,$M4.t3,$M7.t2,$M8.t2,$M7.t3,$M7.t4,$M7.t5及$M3.t2均≤0.5,图3a)。这8组变量第一对PLS成分的VIP排序为$M5.t1,$M3.t1,$M9.t1,$M8.t1,$M4.t1,$M1.t1,$M7.t1及$M6.t1(图3a),据此,可将它们的驱动作用按照重要性大小依次排序为:①邮电运输活动、②教育文化活动、③人口数量、④经济发展水平(GDP)、⑤金融外贸活动、⑥医疗活动、⑦财税投资活动、⑧自然环境条件。
进一步分析可知:驱动因素组⑧几乎没有反映出人类的各种生产和生活等活动强度,而驱动因素组①-⑦所反映出来的领域具有一定的人类活动强度,因此,可以认为,我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域(如,邮电运输活动与教育文化活动等)及人口数量与经济发展水平,不重要的宏观驱动因素则来自于几乎无法反映人类活动强度的领域(如,自然环境要素和艺术表演团体的个数等)。
4 结论与讨论
4.1 结论
与传统PLS模型相比,Hi•PLS模型用于我国碳排放主要宏观驱动因素的分析更加有效,解释起来也更加方便,解释的结果也更加具体细致。
对我国能耗碳排量最没有驱动作用的是艺术表演团体的个数,此外,其它几类要素按照驱动作用的重要性大小可排序为:①邮电运输活动、②教育文化活动、③人口数量、④经济发展水平(GDP)、⑤金融外贸活动、⑥医疗活动、⑦财税投资活动及⑧自然环境条件,因而,可以进一步认为我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域(如,邮电运输活动与教育文化活动等)及人口数量与经济发展水平,不重要的宏观驱动因素则来自于几乎无法反映人类活动强度的领域(如,自然环境要素和艺术表演团体的个数等)。
4.2 讨论
递阶偏最小二乘模型是在传统的偏最小二乘模型的基础上发展而形成的。这两种方法在化学计量学领域应用广泛,对于样本个数不多的案例,是十分适宜的。而本论文研究涉及的研究年限较长,研究变量也较多(36个,9组),因而得出的最终结果还是比较笼统,解释效果仍比较宏观。尽管如此,该文作为阶段性的成果之一,启示我们下一步需要考虑其它的方法与该方法结合,或者对本文的PLS模型进行改进,继续进行本文主题的研究,以便作出更加细致具体的研究成果供决策者参考。
(编辑:李 琪)
参考文献(References)
[1]国家气候中心. 全球气候变化的最新科学事实和研究进展:IPCC第一工作组第四次评估报告初步解读[J]. 环境保护,2007,6(11):34-35. [National Climate Center. The Latest Scientific Facts and Research on Global Climate Change:Preliminary Analysis of IPCC Fourth Assessment Report by Working Group I [J]. Environmental Protection,2007,6(11): 34-35.]
[2]徐玉高,郭元,吴宗鑫. 经济发展,碳排放和经济演化[J]. 环境科学进展, 1999,7(2):54-64. [Xu Yugao, Guo Yuan, Wu Zongxin. Economic Development, Carbon Emission and Economic Evolution [J]. Advances in Environmental Science,1999,7(2):54-64.]
[3]刘慧,成升魁,张雷. 人类经济活动影响碳排放的国际研究动态[J]. 地理科学进展,2002,21(5):420-429. [Liu Hui, Cheng Shengkui, Zhang Lei. The International Latest Research of the Impacts of Human Activities on Carbon Emission [J]. Progress In Geography,2002,21(5):420-429.]
[4]张雷. 经济发展对碳排放的影响[J]. 地理学报, 2003, 58(4): 629-637. [Zhang Lei. Economic Development and Its Bearing on CO2 Emissions [J]. Acta Geographica Sinica, 2003, 58(4): 629-637.]
[5]何建坤,刘滨.我国减缓碳排放的近期形势和远期趋势分析[J]. 中国人口•资源与环境, 2006, 16(6): 153-157. [He Jiankun, Liu Bin. Analysis on the Situation in the Near Future and the Trends in the Long Term with Regard of Mitigating Carbon Emissions in China [J]. China Population, Resources And Environment,2006, 16(6): 153-157.]
[6]徐国泉,刘则渊,姜照华. 中国碳排放的因素分解模型及实证分析:1995-2004[J]. 中国人口•资源与环境, 2006, 16(6): 158-162. [Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China,1995-2004 [J]. China Population, Resources And Environment,2006, 16(6): 158-162.]
[7]Liu, L C, Y Fan, Y M Wei. Using LMDI Method to Analyzed the Change of China's Industrial CO2 Emissions from Final Fuel Use: An Empirical Analysis [J]. Energy Policy, 2007, 35(11): 5892-5900.
[8]魏一鸣, 刘兰翠, 范英等. 中国能源报告(2008): 碳排放研究[M].北京:科学出版社, 2008. [Wei Yiming, Liu Lancui, Fan Ying, et al. China Energy Report (2008): CO2 Emissions Research[M]. Beijing: Science Press, 2008. ]
[9]于荣,朱喜安. 我国经济增长的碳排放约束机制探微[J]. 统计与决策, 2009,(13): 99-102. [Yu Rong, Zhu Xi'an. Research on Carbon Emissions Constraint Mechanism of Chinese Economic Growth[J]. Statistics and Decision,2009,(13): 99-102.] [10]朱勤,彭希哲,陆志明等. 人口与消费对碳排放影响的分析模型与实证[J]. 中国人口•资源与环境, 2010, 20(2): 98-102. [Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emission[J]. China Population, Resources And Environment,2010, 20(2): 98-102.]
[11]帅通,袁雯. 上海市产业结构和能源结构的变动对碳排放的影响及应对策略[J]. 长江流域资源与环境, 2009,18(10): 885-889. [Shuai Tong, Yuan Wen. Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies for Response[J]. Resources and Environment in the Yangtze Basin,2009,18(10): 885-889.]
[12]李齐云, 商凯. 二氧化碳排放的影响因素分析与碳税减排政策设计[J]. 财政研究, 2009,(10): 41-44.[Li Qiyun, Shang Kai. Influencing Factor Analysis of Carbon Dioxide Emissions and Carbon Tax Policy Design for Reducing Emissions [J]. Financial Research, 2009,(10): 41-44.]
[13]郭运功,汪冬冬,林逢春. 上海市能源利用碳排放足迹研究[J]. 中国人口•资源与环境, 2010, 20(2): 103-108. [Guo Yungong, Wang Dongdong, Lin Fengchun. Carbon Footprint of Energy Use in Shanghai[J]. China Population, Resources And Environment,2010, 20(2): 103-108.]
[14]朱勤,彭希哲,陆志明等. 中国能源消费碳排放变化的因素分解及实证分析[J]. 资源科学,2009, 31(12): 2072-2079. [Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China[J]. Resources Science,2009, 31(12): 2072-2079. ]
[15]何建坤,刘滨. 作为温室气体排放衡量指标的碳排放强度分析[J]. 清华大学学报:自然科学版,2004,44(6): 740-743. [He Jiankun, Liu Bin. Analysis of Carbon Emission Intensity as the Main Index for Greenhouse Gas Emission Mitigation Commitments[J]. J Tsinghua Univ:Sci &Tech, 2004,44(6): 740-743. ]
[16]朱永彬,王铮,庞丽等. 基于经济模拟的中国能源消费与碳排放高峰预测[J]. 地理学报, 2009, 64(8): 935-944. [Zhu Yongbin, Wang Zheng, Pang Li, et al. Simulation on China's Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path[J]. Acta Geographica Sinica,2009, 64(8): 935-944. ]
[17]潘家华,朱仙丽. 人文发展的基本需要分析及其在国际气候制度设计中的应用[J]. 中国人口•资源与环境, 2006, 16(6): 23-30.[Pan Jiahua, Zhu Xianli. An Analysis of Basic Needs for Human Development and Its Applications in the Design of Global Climate Regime[J]. China Population, Resources And Environment,2006, 16(6): 23-30.]
[18]陈劭锋,李志红. 科技进步、碳排放的演变与中国应对气候变化之策[J]. 科学技术哲学研究,2009, 26(6): 102-107.[ Chen Shaofeng, Li Zhihong. Technical Advances, Evolution of Carbon Emissions and Tactics for China to Deal with Global Climate Chang[J]. Studies in Philosophy of Science and Technology, 2009, 26(6): 102-107.]
[19]刘杨,陈邵锋. 基于IPAT方程的典型发达国家经济增长与碳排放关系研究[J]. 生态经济, 2009, (11): 28-31. [Liu Yang, Chen Shaofeng. Study on the Relationship between Economic Growth and Carbon Emission in Typical Developed Countries Based on IPAT Equation[J]. Ecological Economy, 2009, (11): 28-31. ]
[20]张雷. 中国一次能源消费的碳排放区域格局变化[J]. 地理研究, 2006,25(1): 1-9.[Zhang Lei. A Changing Pattern of Regional CO2 Emissions in China[J]. Geographical Research,2006,25(1):1-9.]
[21]宁学敏. 我国碳排放与出口贸易的相关关系研究[J].生态经济, 2009,(11):51-56.[Ning Xuemin. A Survey on Interrelationship Between Carbon Emission and Exports in China[J]. Ecological Economy,2009,(11):51-56.]
[22]陈佳瑛,彭希哲,朱勤.家庭模式对碳排放影响的宏观实证分析[J].中国人口科学,2009,(5): 68-79. [Chen Jiaying, Peng Xizhen, Zhu Qin. Impacts of Household Pattern on Carbon Emission [J].Chinese Population Science,2009,(5): 68-79. ]
[23]汪莉丽,王安建,王高尚. 全球能源消费碳排放分析[J]. 资源与产业, 2009, 11(4):6-15. [Wang Lili, Wang An'jian, Wang Gaoshang. Study On Carbon Emissions of Global Energy Consumption [J]. Resources & Industries, 2009, 11(4):6-15. ]
[24]董红梅,赵景波. 中国第三产业碳排放量与入境旅游人均消费的相关关系探析[J].干旱区资源与环境, 2010, 24(4):185-190. [Dong Hongmei, Zhao Jingbo. Correlations Between Carbon Emissions ofthe Third Industry and Inbound Tourist Consumption Per Capita in China [J]. Journal of Arid Land Resources and Environmen, 2010, 24(4):185-190.]
[25]王惠文. 偏最小二乘回归方法及其应用[M]. 北京: 国防工业出版社, 1999. [Wang Huiwen. Partial Least-Squares Regression Method and Applications [M]. Beijing: National Defence Industry Press,1999.]
[26]Jia, J S, J Z Zhao, J Duan, et al. Analysis of Major Drivers of Ecological Footprint by the Stirpat Model and PLS Method [J]. Ecological Economics, 2009, 68(11): 2818-2824.
[27]王惠文,吴载斌,孟洁. 偏最小二乘回归的线性与非线性方法[M]. 北京: 国防工业出版社,2006. [Wang Huiwen, Wu Zaibin, Meng Jie. Partial Least-Squares Regression-Linear and Nonlinear Methods[M]. Beijing: National Defence Industry Press,2006.]
[28]蔡博峰,刘兰翠.碳货币:低碳经济时代的全新国际货币[J].中外能源,2010,(2).[Cai Bofeng,Liu Lancui.Carbon Currency:A New International Currency under Low-carbon Economy Era[J].Sino-Global Energy,2010,(2). ]
[29]鲍文.生态税与低碳经济发展[J].特区经济,2010,(2).[BaoWen.Biological Tax and Low Carbow Economy Development[J].Speciai Zone Economy,2010,(2).]
[30]张国丰,刘全文.基于产权理论的低碳经济政策研究[J].中国煤炭,2010,(1).[Zhang Guofeng,Liu Quanye.A Study On Low Carbon Economy Policy Based on Equity Theory[J].China Coal,2010,(1).]
[31]申宝宏,赵路正.高碳能源低碳化利用途径分析[J].中国能源,2010,(1).[ShenBaohong,Zhao Luzheng.Analysis on Switching from High-carbon to Low-carbon Energy Utilization of Coal[J].Energy of China,2010,(1).]
[32]郑思海,王宪明.CDM国际合作中的技术交流障碍与对策研究[J],特区经济,2010,(2).[ZhengSihai,WangXianming.Researchof Technology Exchange obstacle and Countermeasure in CDM International Cooperation[J].Speciai Zone Economy,2010,(2).]
关键词 碳排放; Hi_PLS; 宏观驱动因素
中图分类号 F206 文献标识码 A 文章编号 1002-2104(2010)10-0023-07 doi:10.3969/j.issn.1002-2104.2010.10.005
能源消费及其引起的碳排量增加与气候变暖等问题已经成为当今世界所广泛关注的热点论题之一[1]。我国的能源消费随着经济持续快速发展、人口增长、工业化和城市化进程加剧而迅速增长。由能源消费产生的碳排放量也迅速增加,由此产生的对环境破坏性影响也同样受到社会各界和广大学者的普遍关注。能耗碳排量可以看成是由一个国家的人口数量及其结构、富裕程度、技术水平、能耗总量与效率结构、经济水平与结构、教育文化水平、卫生条件和先天的自然环境与资源条件等多种影响因素共同作用的综合结果。那么,在这些影响因素中,哪些是最主要的影响因素,哪些是不太重要的影响因素呢?搞清楚这个问题可以为我们设计和制定与碳减排相关的政策与机制时提供理论保证和科学依据。然而,迄今为止,国内外大多学者对该问题的研究往往侧重于某单方面或者几个方面的影响因素驱动作用,如:人口、经济与能源方面要素[2-16],科学、技术进步方面要素[17-19],空间地理方面要素[20],商品出口[21],家庭规模与总户数[22],工业化[23]及旅游活动[24]等,把所用这些要素综合起来考虑的研究仍较少。为弥补这一不足,本文提出采用化学计量学中常用的一种方法——递阶偏最小二乘法(Hierarchical Partial Least Squares, Hi_PLS)进行该主题的研究,Hi_PLS方法正好可以把上文提出的所用要素综合起来考虑,根据模型运算的结果,可以很快区分出哪些是最主要的影响因素?哪些是不太重要的影响因素?哪些是最不重要的影响因素?为此,本 文拟以我国(大陆地区)为例,通过收集其在1952-2006年的总体碳排放量数据及其相关影响因素的大量宏观数据进行实证研究。
1 研究假设
碳排量主要是由燃料燃烧而引起的,因而,能源消费的绝对量是引起碳排放量增长的最直接原因,这是毋庸置疑的,然而,这一点本文不作为主要研究对象。本文中论及的宏观驱动因素变量即假定为:除了能源消费量、能源消费结构及能源消费效率等与能源有关的因素之外的所有其它如人口、社会、经济、卫生、技术和自然条件等方面的因素的统称。可以得出,这些宏观驱动因素并不是总体碳排放量增加的最主要和最直接的原因,但它们或多或少对碳排放增加有一定的影响和相关作用,因而,辨别出哪些宏观驱动因素是最主要的和最不主要的,对我们进行相关机制设计时具有一定的参考意义。假定的各个宏观驱动因素变量及其单位、缩写、反映出来的具体内涵、所属的Hi_PLS模型子块与子块编号如表1所示。贾俊松:中国能耗碳排量宏观驱动因素的Hi•PLS模型分析中国人口•资源与环境 2010年 第10期
2 数据来源与方法
2.1 数据来源
本研究中所涉及的主要数据,其来源可分为两个:
(1)碳排放总量数据来自于美国橡树岭国家实验室CO2信息分析中心数据集(CDIAC, http: //cdiac.ornl.gov/ftp/ndp030/nation1751_2006.ems )。
(2)各主要宏观影响因素变量数据则来自于中国历年统计资料,根据数据的可获得性,具体研究年限确定为1952-2006年。
2.2 方法说明
采用的研究方法为递阶偏最小二乘法Hi•PLS,该方法是在传统PLS方法的基础上进行改进而形成的。用该方法进行本文主题的研究比较少见,这也是本文研究的意义之所在。
传统PLS方法集成了多元线性回归、主成分分析和典型相关分析的优点于一身,是这三类模型的结合[25]。早在1966-1973年,伍德就陆续发表过一些文章,涉及到偏最小二乘方法的一些思想,1983年正式提出了偏最小二乘法这个称谓。该方法初期应用领域集中在实验科学(如,化学计量学),主要用于解决实验样本点数较少的情况下,多变量之间相关关系的回归建模分析[25-26],后期应用领域不断扩展。传统PLS运算过程可简述为:首先对自变量X和应变量Y的变量组进行数据标准化;然后分别从自变量X和应变量Y中提取出第一对主成分t1和u1,使得它们之间的协相关关系达到最大(根据主成分分析原理,要使得提取出来的两个主成分均能最大的代表原变量组的信息,即每个主成分的方差要达到最大,同时根据典型相关原理,要使得两个主成分之间相关性达到最大,即相关系数要最大,因而综合起来,就是要使得两个主成分之间的协相关系数达到最大);第一对主成分被提取之后,分别实施自变量X对t1的回归和应变量Y对t1的回归,如果回归精度已经达到满意的精度,则计算终止,否则,将利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮的成分提取。如此往复,直到达到一个满意的精度为止[25]。
从式(4)可知:对于P个自变量,如果它们在解释Y时的作用都相同,则所有的VIPj都等于1。因此,据此可以把VIP值大于1的认为是主要的影响因子(驱动力),VIP值小于1的可认为是不重要的影响因子,也有资料把VIP值在0.8以下认为是不重要因素[8]。为讨论方便,本文把VIP值在0.5-1之间的因素认为是不太重要因素,VIP值在0.5以下认为是最不重要因素。
这种传统PLS存在如下不足之处:如,对含有较多自变量的模型,分析时不容易解释,又如不能对自变量进行筛选和识别。本文采用的递阶偏最小二乘法Hi_PLS则一定程度上克服了这个缺陷。其基本思想是,首先将自变量集合划分为若干子块(sub-block),使得在每一子块中的变量均具有相同或相似的含义。然后,分别建立每一子块与因变量的偏最小二乘回归模型(底层模型,Base Model),提取相应的偏最小二乘成分;再使用在各子块中提出的偏最小二乘成分作为自变量,与因变量建立整体的偏最小二乘回归模型(顶层模型,Top Model)。递阶偏最小二乘建模示意图见图1[27]。
具体地,本文以中国碳排放总量数据作为因变量Y,反映我国在一定时期内的医疗卫生、艺术、文化、教育、金融、对外贸易、邮电业务、运输系统及经济水平、人口状况、自然环境条件等36个宏观影响因素组成自变量集合X,构建本文分析的数据库。首先,将该36个自变量划分成为医疗、艺术、教育文化、金融外贸、邮电运输、自然环境、财税投资、GDP和人口9个子块(表1),构建9个底层模型,并分别执行各子块对Y的PLS回归,提取出相应的成分;然后,把从9个底层模型回归提取出的成分作为自变量,构建1个总体的顶层模型,执行PLS回归。
3 结果与分析
3.1 结果
采用Hi•PLS模型回归的结果如表2所示。根据其中顶层PLS模型的解释Y能力指标(R2Y)可知,Hi•PLS模型的结果是十分理想的(R2Y值为0.991>0.982,0.982为所有底层模型中的解释Y能力的R2Y指标最大值),这一理想结果的效果图也可以直接从图2看出。
3.2 分析
为进行对照分析,我们还对本文主题进行了传统PLS模型的回归,其结果如表2中的模型11所示,可以看出,与传统PLS模型相比,采用Hi•PLS的结果要更好。这是因为两者在解释X能力上相差不大(0.883≈0.884),而Hi•PLS模型的回归效果却明显要好(0.991>0.989)。
此外,与传统PLS模型相比,Hi•PLS模型的优越性还体现在结果的解释方便性上。图3表示了Hi•PLS模型顶层VIP图(a)与传统PLS模型VIP图(b)的对比情况。
从传统PLS模型VIP图(图3b),我们仅仅可以看出:这些宏观驱动因素的重要性大小依次为:YShzz,WJgzg,POPu,YSkzz,WJbz,WJgjs,GDP1,YSmyqc,YSgl,YStl,POPT,WScw,WSjgry,GDP,GDP2,YDhj,TZny,GDP3,TZkxyj,WJzz,WJgb,SHss,SHczzc,SHczsr,TZjbjs,JRhj,WMjk,WJgx,WMck,JRwh,POPr,ZRczmj,ZRgdmj,ZRnzwzmj,ZRszmj及YSbytt。详细分析如下,首先,对我国碳排放增加最不重要的驱动因素为艺术表演团体个数YSbytt,因它对应的VIP值仅为0.25左右(图3b,VIP<1)。其次,对我国碳排放影响不重要的因素为历年受灾面积ZRszmj,历年成灾面积ZRczmj,历年耕地面积ZRgdmj,历年农作物总播种面积ZRnzwzmj 4个。它们共同反映了我国过去自然环境条件的影响,由于它们对应的VIP值处于0.5-1之间(图3b),因而对碳排放作用也是不重要的。第三,人口方面,总人口数量POPT是重要的驱动因素,尤其是其中的城市人口POPu更为重要,而相对应的乡村人口的数量对碳排放影响则不太重要(VIP<1,图3b)。第四,金融外贸方面,历年黄金量JRhj,历年贸易进口总额WMjk,历年贸易出口总额WMck及历年外汇储备量JRwh这4个变量表示的金融外贸作用对我国碳排放影响的VIP值在1附近徘徊,均值略小于1(图3b),可见它们也是不太重要的宏观驱动因素。第五,教育文化水平方面,普通高等学校数WJgx的VIP值约为1(图3b),看不出其重要性的大小,只有把该因素所在的教育文化水平的所有指标综合起来考虑,我们才能确定教育文化水平驱动作用的重要性。由于其它教育文化水平指标的VIP均明显大于1(图3b),因此可确定教育文化水平的提高是我国碳排放增加的一个重要宏观驱动因素。最后,在剩下的宏观因素中,它们对我国碳排放均具有重要的驱动作用,但我们仅能将它们分为以下几类(图3b):①经济增长、财政收入与投资方面,有GDP,GDP1,GDP2,GDP3,SHss,SHczs,SHczzc,TZkxyj,TZny及TZjbjs指标;②运输与邮电方面,有YSmyqc,YShzz,YSkzz,YStl,YSgl及YDhj指标;③医疗卫生方面,有WScw及WSjgry指标。可见,在传统PLS模型分析中,我们无法再对最后的这几组驱动因素进行更加详细的排序。
但是,在Hi•PLS模型中,我们可以很方便做到这一点。首先从表2可以看出,在9个底层模中,模型2在执行PLS回归,得不出有效结果,这表明模型2所代表的变量与中国能耗碳排量之间不存在显著相关关系,即艺术表演团体的数量(艺术水平)不是碳排放的主要宏观驱动因素。而其它8组均可以看成是我国碳排放的主要宏观驱动因素,它们分别是邮电运输活动(0.982)、教育文化活动(0.979)、人口数量(0.965)、金融外贸活动(0.937)、财税与投资活动(0.927)、经济发展水平GDP(0.898)、医疗卫生活动(0.823)及自然环境条件(0.554)。再根据图3a中的顶层PLS模型VIP顺序图,可知这8组变量各自对应的反映其自身主要信息的第一对PLS成分为重要驱动因素,而第二及其以上对数的PLS成分均不需要考虑,因为它们的VIP值均≤0.5($M9.t2,$M4.t2,$M4.t3,$M7.t2,$M8.t2,$M7.t3,$M7.t4,$M7.t5及$M3.t2均≤0.5,图3a)。这8组变量第一对PLS成分的VIP排序为$M5.t1,$M3.t1,$M9.t1,$M8.t1,$M4.t1,$M1.t1,$M7.t1及$M6.t1(图3a),据此,可将它们的驱动作用按照重要性大小依次排序为:①邮电运输活动、②教育文化活动、③人口数量、④经济发展水平(GDP)、⑤金融外贸活动、⑥医疗活动、⑦财税投资活动、⑧自然环境条件。
进一步分析可知:驱动因素组⑧几乎没有反映出人类的各种生产和生活等活动强度,而驱动因素组①-⑦所反映出来的领域具有一定的人类活动强度,因此,可以认为,我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域(如,邮电运输活动与教育文化活动等)及人口数量与经济发展水平,不重要的宏观驱动因素则来自于几乎无法反映人类活动强度的领域(如,自然环境要素和艺术表演团体的个数等)。
4 结论与讨论
4.1 结论
与传统PLS模型相比,Hi•PLS模型用于我国碳排放主要宏观驱动因素的分析更加有效,解释起来也更加方便,解释的结果也更加具体细致。
对我国能耗碳排量最没有驱动作用的是艺术表演团体的个数,此外,其它几类要素按照驱动作用的重要性大小可排序为:①邮电运输活动、②教育文化活动、③人口数量、④经济发展水平(GDP)、⑤金融外贸活动、⑥医疗活动、⑦财税投资活动及⑧自然环境条件,因而,可以进一步认为我国碳排放重要的宏观驱动因素来自于人类生活和生产等活动强度均较大的领域(如,邮电运输活动与教育文化活动等)及人口数量与经济发展水平,不重要的宏观驱动因素则来自于几乎无法反映人类活动强度的领域(如,自然环境要素和艺术表演团体的个数等)。
4.2 讨论
递阶偏最小二乘模型是在传统的偏最小二乘模型的基础上发展而形成的。这两种方法在化学计量学领域应用广泛,对于样本个数不多的案例,是十分适宜的。而本论文研究涉及的研究年限较长,研究变量也较多(36个,9组),因而得出的最终结果还是比较笼统,解释效果仍比较宏观。尽管如此,该文作为阶段性的成果之一,启示我们下一步需要考虑其它的方法与该方法结合,或者对本文的PLS模型进行改进,继续进行本文主题的研究,以便作出更加细致具体的研究成果供决策者参考。
(编辑:李 琪)
参考文献(References)
[1]国家气候中心. 全球气候变化的最新科学事实和研究进展:IPCC第一工作组第四次评估报告初步解读[J]. 环境保护,2007,6(11):34-35. [National Climate Center. The Latest Scientific Facts and Research on Global Climate Change:Preliminary Analysis of IPCC Fourth Assessment Report by Working Group I [J]. Environmental Protection,2007,6(11): 34-35.]
[2]徐玉高,郭元,吴宗鑫. 经济发展,碳排放和经济演化[J]. 环境科学进展, 1999,7(2):54-64. [Xu Yugao, Guo Yuan, Wu Zongxin. Economic Development, Carbon Emission and Economic Evolution [J]. Advances in Environmental Science,1999,7(2):54-64.]
[3]刘慧,成升魁,张雷. 人类经济活动影响碳排放的国际研究动态[J]. 地理科学进展,2002,21(5):420-429. [Liu Hui, Cheng Shengkui, Zhang Lei. The International Latest Research of the Impacts of Human Activities on Carbon Emission [J]. Progress In Geography,2002,21(5):420-429.]
[4]张雷. 经济发展对碳排放的影响[J]. 地理学报, 2003, 58(4): 629-637. [Zhang Lei. Economic Development and Its Bearing on CO2 Emissions [J]. Acta Geographica Sinica, 2003, 58(4): 629-637.]
[5]何建坤,刘滨.我国减缓碳排放的近期形势和远期趋势分析[J]. 中国人口•资源与环境, 2006, 16(6): 153-157. [He Jiankun, Liu Bin. Analysis on the Situation in the Near Future and the Trends in the Long Term with Regard of Mitigating Carbon Emissions in China [J]. China Population, Resources And Environment,2006, 16(6): 153-157.]
[6]徐国泉,刘则渊,姜照华. 中国碳排放的因素分解模型及实证分析:1995-2004[J]. 中国人口•资源与环境, 2006, 16(6): 158-162. [Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China,1995-2004 [J]. China Population, Resources And Environment,2006, 16(6): 158-162.]
[7]Liu, L C, Y Fan, Y M Wei. Using LMDI Method to Analyzed the Change of China's Industrial CO2 Emissions from Final Fuel Use: An Empirical Analysis [J]. Energy Policy, 2007, 35(11): 5892-5900.
[8]魏一鸣, 刘兰翠, 范英等. 中国能源报告(2008): 碳排放研究[M].北京:科学出版社, 2008. [Wei Yiming, Liu Lancui, Fan Ying, et al. China Energy Report (2008): CO2 Emissions Research[M]. Beijing: Science Press, 2008. ]
[9]于荣,朱喜安. 我国经济增长的碳排放约束机制探微[J]. 统计与决策, 2009,(13): 99-102. [Yu Rong, Zhu Xi'an. Research on Carbon Emissions Constraint Mechanism of Chinese Economic Growth[J]. Statistics and Decision,2009,(13): 99-102.] [10]朱勤,彭希哲,陆志明等. 人口与消费对碳排放影响的分析模型与实证[J]. 中国人口•资源与环境, 2010, 20(2): 98-102. [Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emission[J]. China Population, Resources And Environment,2010, 20(2): 98-102.]
[11]帅通,袁雯. 上海市产业结构和能源结构的变动对碳排放的影响及应对策略[J]. 长江流域资源与环境, 2009,18(10): 885-889. [Shuai Tong, Yuan Wen. Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies for Response[J]. Resources and Environment in the Yangtze Basin,2009,18(10): 885-889.]
[12]李齐云, 商凯. 二氧化碳排放的影响因素分析与碳税减排政策设计[J]. 财政研究, 2009,(10): 41-44.[Li Qiyun, Shang Kai. Influencing Factor Analysis of Carbon Dioxide Emissions and Carbon Tax Policy Design for Reducing Emissions [J]. Financial Research, 2009,(10): 41-44.]
[13]郭运功,汪冬冬,林逢春. 上海市能源利用碳排放足迹研究[J]. 中国人口•资源与环境, 2010, 20(2): 103-108. [Guo Yungong, Wang Dongdong, Lin Fengchun. Carbon Footprint of Energy Use in Shanghai[J]. China Population, Resources And Environment,2010, 20(2): 103-108.]
[14]朱勤,彭希哲,陆志明等. 中国能源消费碳排放变化的因素分解及实证分析[J]. 资源科学,2009, 31(12): 2072-2079. [Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China[J]. Resources Science,2009, 31(12): 2072-2079. ]
[15]何建坤,刘滨. 作为温室气体排放衡量指标的碳排放强度分析[J]. 清华大学学报:自然科学版,2004,44(6): 740-743. [He Jiankun, Liu Bin. Analysis of Carbon Emission Intensity as the Main Index for Greenhouse Gas Emission Mitigation Commitments[J]. J Tsinghua Univ:Sci &Tech, 2004,44(6): 740-743. ]
[16]朱永彬,王铮,庞丽等. 基于经济模拟的中国能源消费与碳排放高峰预测[J]. 地理学报, 2009, 64(8): 935-944. [Zhu Yongbin, Wang Zheng, Pang Li, et al. Simulation on China's Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path[J]. Acta Geographica Sinica,2009, 64(8): 935-944. ]
[17]潘家华,朱仙丽. 人文发展的基本需要分析及其在国际气候制度设计中的应用[J]. 中国人口•资源与环境, 2006, 16(6): 23-30.[Pan Jiahua, Zhu Xianli. An Analysis of Basic Needs for Human Development and Its Applications in the Design of Global Climate Regime[J]. China Population, Resources And Environment,2006, 16(6): 23-30.]
[18]陈劭锋,李志红. 科技进步、碳排放的演变与中国应对气候变化之策[J]. 科学技术哲学研究,2009, 26(6): 102-107.[ Chen Shaofeng, Li Zhihong. Technical Advances, Evolution of Carbon Emissions and Tactics for China to Deal with Global Climate Chang[J]. Studies in Philosophy of Science and Technology, 2009, 26(6): 102-107.]
[19]刘杨,陈邵锋. 基于IPAT方程的典型发达国家经济增长与碳排放关系研究[J]. 生态经济, 2009, (11): 28-31. [Liu Yang, Chen Shaofeng. Study on the Relationship between Economic Growth and Carbon Emission in Typical Developed Countries Based on IPAT Equation[J]. Ecological Economy, 2009, (11): 28-31. ]
[20]张雷. 中国一次能源消费的碳排放区域格局变化[J]. 地理研究, 2006,25(1): 1-9.[Zhang Lei. A Changing Pattern of Regional CO2 Emissions in China[J]. Geographical Research,2006,25(1):1-9.]
[21]宁学敏. 我国碳排放与出口贸易的相关关系研究[J].生态经济, 2009,(11):51-56.[Ning Xuemin. A Survey on Interrelationship Between Carbon Emission and Exports in China[J]. Ecological Economy,2009,(11):51-56.]
[22]陈佳瑛,彭希哲,朱勤.家庭模式对碳排放影响的宏观实证分析[J].中国人口科学,2009,(5): 68-79. [Chen Jiaying, Peng Xizhen, Zhu Qin. Impacts of Household Pattern on Carbon Emission [J].Chinese Population Science,2009,(5): 68-79. ]
[23]汪莉丽,王安建,王高尚. 全球能源消费碳排放分析[J]. 资源与产业, 2009, 11(4):6-15. [Wang Lili, Wang An'jian, Wang Gaoshang. Study On Carbon Emissions of Global Energy Consumption [J]. Resources & Industries, 2009, 11(4):6-15. ]
[24]董红梅,赵景波. 中国第三产业碳排放量与入境旅游人均消费的相关关系探析[J].干旱区资源与环境, 2010, 24(4):185-190. [Dong Hongmei, Zhao Jingbo. Correlations Between Carbon Emissions ofthe Third Industry and Inbound Tourist Consumption Per Capita in China [J]. Journal of Arid Land Resources and Environmen, 2010, 24(4):185-190.]
[25]王惠文. 偏最小二乘回归方法及其应用[M]. 北京: 国防工业出版社, 1999. [Wang Huiwen. Partial Least-Squares Regression Method and Applications [M]. Beijing: National Defence Industry Press,1999.]
[26]Jia, J S, J Z Zhao, J Duan, et al. Analysis of Major Drivers of Ecological Footprint by the Stirpat Model and PLS Method [J]. Ecological Economics, 2009, 68(11): 2818-2824.
[27]王惠文,吴载斌,孟洁. 偏最小二乘回归的线性与非线性方法[M]. 北京: 国防工业出版社,2006. [Wang Huiwen, Wu Zaibin, Meng Jie. Partial Least-Squares Regression-Linear and Nonlinear Methods[M]. Beijing: National Defence Industry Press,2006.]
[28]蔡博峰,刘兰翠.碳货币:低碳经济时代的全新国际货币[J].中外能源,2010,(2).[Cai Bofeng,Liu Lancui.Carbon Currency:A New International Currency under Low-carbon Economy Era[J].Sino-Global Energy,2010,(2). ]
[29]鲍文.生态税与低碳经济发展[J].特区经济,2010,(2).[BaoWen.Biological Tax and Low Carbow Economy Development[J].Speciai Zone Economy,2010,(2).]
[30]张国丰,刘全文.基于产权理论的低碳经济政策研究[J].中国煤炭,2010,(1).[Zhang Guofeng,Liu Quanye.A Study On Low Carbon Economy Policy Based on Equity Theory[J].China Coal,2010,(1).]
[31]申宝宏,赵路正.高碳能源低碳化利用途径分析[J].中国能源,2010,(1).[ShenBaohong,Zhao Luzheng.Analysis on Switching from High-carbon to Low-carbon Energy Utilization of Coal[J].Energy of China,2010,(1).]
[32]郑思海,王宪明.CDM国际合作中的技术交流障碍与对策研究[J],特区经济,2010,(2).[ZhengSihai,WangXianming.Researchof Technology Exchange obstacle and Countermeasure in CDM International Cooperation[J].Speciai Zone Economy,2010,(2).]