Journal of Low Carbon Economy 低碳经济, 2020, 9(2), 100-110Published Online May 2020 in Hans. /journal/jlcehttps:///10.12677/jlce.2020.92011Influencing Factors and Peak Values ofCarbon Emission Based on STIRPAT Model—Taking Shandong Province as an ExampleZhenyue Fan, Mengzhen Zhao, Weifeng Gong, Chuanhui WangSchool of Economics, Qufu Normal University School, Rizhao ShandongReceived: Apr. 19th, 2020; accepted: May 11th, 2020; published: May 18th, 2020AbstractBased on the population, GDP per capita, energy intensity, energy structure, level of foreign in-vestment, urbanization level, and industrial structure from 2000 to 2017, this paper constructed an improved STIRPAT model and analyzed the relationship between total carbon emissions and various influencing factors using the ridge regression. And on this basis, through the scenario analysis method, for different scenarios, Shandong Province predicted the time to reach the peak of carbon emissions. The research results show that population size, GDP per capita, energy structure, level of foreign investment, urbanization level, and industrial structure have a positive correlation with the carbon emissions of Shandong Province, but there are differences in the im-pact of each. The energy intensity has a negative correlation with carbon emissions. According to the scenario analysis of the STIRPAT model, it is predicted that about 75% of the probability of Shandong Province will reach the target of peak carbon emissions by 2030. Finally, in light of the above analysis, it proposes to adjust the energy structure, promote technological innovation, and promote energy-saving emission reduction measures.KeywordsCarbon Emission, Peak, STIRPAT Model基于STIRPAT模型的碳排放影响因素及峰值研究——以山东省为例范振月，赵梦真，公维凤，王传会曲阜师范大学经济学院，山东日照范振月 等收稿日期：2020年4月19日；录用日期：2020年5月11日；发布日期：2020年5月18日摘 要本文基于2000~2017年的人口数量、人均GDP 、能源强度、能源结构、外商投资水平、城镇化水平以及产业结构的情况，构建了改进后的STIRPAT 模型，运用岭回归估计方法，分析碳排放总量与各影响因素之间的关系。
并在此基础上，通过情景分析法，对于不同情景下，山东省达到碳排放峰值的时间进行了预测。
研究结果表明，人口规模、人均GDP 、能源结构、外商投资水平、城镇化水平以及产业结构等影响因素于山东省的碳排放量皆存在正相关的关系，但每个的影响程度存在着差异。
而能源强度与碳排放量呈现负相关的关系。
根据STIRPAT 模型的情景分析，预测出山东省大约有75%的概率会在2030年之前达到碳排放峰值的目标。
最后鉴于上述分析，提出了调整能源结构、促进技术创新、提倡节能减排等相应的节能减排对策。
关键词碳排放，峰值，STIRPAT 模型Copyright © 2020 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言中国不仅是世界上经济发展最为迅速的国家之一，而且其碳排放量也位居世界前列，而碳排放增多所引起的环境问题急需国家制定相应的政策法规，但这不仅只是要从国家层面上采取相应措施，各地区也应该在稳步推进自身发展的同时全面考虑如何防止碳排放量增长的政策，这样才能既满足当前经济水平持续发展的需要，又能实现低碳可持续发展的要求。
全世界各个国家在减缓气候恶劣变化，推动经济朝向低碳可持续方向发展方面都在做出积极响应。
中国作为发展速度最快的国家之一，在国民经济快速增长的同时，中国的能源消耗量所引起的碳排放量也位居世界前列。
为了应对碳排放引起的气候问题，中国提出了很多相关的、有针对性的战略及方针政策。
党的“十九大”报告指出，“美丽中国”已成为中华民族追求的新目标。
各级政府和企业应该主动采取节能减排、发展可再生能源、增加森林碳汇、建立全国碳排放权交易市场、完善气候变化立法的措施来应对新目标的要求。
在这五年来，实践绿色发展观，改善生态环境，建设美丽中国，是中国为世界带来的重大贡献。
并且中国还积极参与了国际治理活动，在《巴黎协定》框架下，中国提出了国家自主贡献的四大排放要比2005年下降60%至65%。
针对我们国家的总体目标，我国各个省、直辖市以及自治区等都相应提出了各地方的节能减排政策措施。
本文以山东省作为研究对象，在2016年，为响应国家发展和改革委员会向各省发布的减排目标，相应制定了《山东省“十三五”节能减排综合工作方案》来应对我省的碳排放现状。
因此，找出影响山东省碳排放量的影响因素，预测山东省碳排放未来发展趋势，研究其峰值出现的时间等一系列的问题刻不容缓。
范振月等2. 文献综述研究碳排放问题涉及了许多研究方法与相关模型，国内外有许多学者运用不同的方法对其进行了深入的研究。
本文梳理了大量国内外学者的研究成果之后发现，现有研究主要是从STIRPAT模型和结构分解法等方法进行的。
在STIRPAT模型及IPAT模型的应用方面，从最初的，研究人口因素对环境影响的过程中广泛应用的Ehrlich和Holdren共同创建的IPAT方程，其主要作用为在保持其他因素不变的情况下，只需更改其中一个因素即可分析问题[1]。
日本学者杨毅提出将IPAT模型应用于温室气体排放的因素研究上来。
然而，国外学者约克却发现IPAT模型存在着不足点：在IPAT模型中如果其他各个变量保持不变，只改变其中一个变量时，从而最后导致该变量只能是所求因变量的等比例值[1] [2]。
为了克服IPAT的缺点，Leontief和Ford 首先提出使用SDA方法解决环境问题。
该方法可以用于测量各种因素对环境的各种直接或间接的影响[2]。
对IPAT模型的拓展，得到的非线性的STIRPAT模型，近几年国内外学者对于此方法的应用也较多。
比如渠慎宁等人采用STIRPAT模型研究了我国碳排放峰值问题[3]。
郭运动等也运用了STIRPAT模型研究出影响上海市碳排放量的因素包括人口数量及其城市化速度[4]。
李旭东等人通过构建修正的STIRPAT 模型，采用情景分析方法，预测了贵州省出现碳排放峰值的时间[5]。
刘晓燕也是运用的STIRPAT模型分析我国工业碳排放的影响因素，其结果表明：对碳排放规模和碳排放的强度能够产生促进作用的有煤炭消费所占比重，而对其产生抑制作用的是研发强度和能源效率；特别的是，固定资产投资对两者的作用是反方向的，其对碳排放规模起到促进作用，但是抑制了碳排放强度[6]。
此外，国内外还有许多学者研究碳排放问题使用结构分解分析的方法。
如林伯强等使用LIMI方法来分解影响二氧化碳排放的因素，他们的研究结论为，对二氧化碳的排放量能产生显著影响的因素为人均收入和能源强度这两个方面[7]。
冯宗宪等人采用的是投入产出法结构分解模型来分析碳排放影响因素，并采用情景分析法预测了陕西省碳排放峰值出现的时间[8]。
付云鹏、马树才以及宋琪等人进行了基于LMDI的中国碳排放影响因素研究，结果显示：不同影响因素对碳排放的影响是不同的，如经济发展水平、能源结构以及人口数量对碳排放量的增加起到促进作用，而能源强度和产业结构对碳排放的增长却是起到抑制作用[9]。
郭朝先也是在使用LMDI结果分解法分别从产业和地区两个层面对我国从1995至2007年的碳排放影响因素进行分析，他的研究结果发现：国内生产总值的持续增长将会导致国家排放量的持续上涨，遏制碳排放增长的一种方法为提高能源效率[10]。
刘益平等人进行了基于LMDI方法的江苏省工业碳排放的影响因素分析，研究结果表明，能源强度和能源技术强度对碳排放产生阻碍作用[11]。
林金钱(2016)运用LMDI分解法探究了广东省碳排放影响因素与峰值预测分析[12]。
宋敏、郭清卉运用LMDI 分解分析法对陕西省能源消费的碳排放影响因素进行了研究分析[13]。
综上所述，对于碳排放这一问题的研究成果有很多不同，然而碳排放峰值预测的结果大约出现在2030年前后。
本文山东省为例，运用STIRPAT模型分析影响山东省碳排放的影响因素，测算山东省碳排放未来发展趋势，预测碳排放峰值在不同情景下的出现时间，根据分析结果为山东省提出各种节能减排的有效措施。