第42卷第1期2021年1月国外服装设计学院
大连理工大学学报(社会科学版)
Journal of Dalian University of Technology(Social Sciences)
Vol.42,No.1
Jan.2021
DOI：10.19525/j.issn1008-407x.2021.01.005
华东地区碳排放量灰关联度分析
熊萍萍12，曹书人23，杨卓23
(1.南京信息工程大学管理工程学院，江苏南京210044；
2.南京信息工程大学江苏省统计科学研究基地，江苏南京210044；
3.南京信息工程大学数学与统计学院，江苏南京210044)
摘要：定义面板数据，将样本行为矩阵划分为时间维和指标维。以彰响碳排放的包括总人口、城镇人口、生产总值、第二产业增值、能源结构在内的5个指标为研究对象，从个体和时间维度衡量影响因素矩阵与参考矩阵的相关程度，定义面板数据7灰关联系数和灰关联度，构建基于面板数据的灰矩阵相似关联模型$将模型应用于华东地区各省市2005—2016年7碳排放量相关彰响因素7分析中，得到各彰响因素与碳排放量7时序灰关联度和截面灰关联度$模型应用性好，为华东地区各省市如何构建低碳化社会、降低碳排放量提供了针对性政策建议。结果显示：5个影响因素与碳排放7关联度从大到小依次为，生产总值(0.806)、总人口(0.786)、能源结构(0.774)、第二产业比重(0.770)、城镇化(0.729)；灰关联度表明华东地区前期处于一个经济转型时期，至2010年后，各种发展模式随之变得稳定；通过碳排放量与各影响因素7灰截面度来看，华东地区不同城市7发展状况以及政策情况各有不同，从而影响了碳排放量7$
关键词：面板数据；灰关联度；碳排放；经济发展
中图分类号：N941.5文献标识码：A文章编号：1008-407X(2021)01-0036-09
—、弓I言
近百年来，全球气候变暖成为国际最重要的研究问题之一。我国近50年增暖现象尤为显著，平均温度升高了近1.251。温室效应的积累将会导致气候变暖，其最主要来源之一为碳排放，所以，对碳排放问
题进行研究有着重要的理论和实践意义*碳排放与地区发展水平紧密相关，这两者都具有明显的区域性特征*因此，研究碳排放影响因素及其区域性划分将有效推动各地区碳排放的控制，促进各地区低碳化社会的协同发展*作为国内综合技术水平最高、经济文化最发达的地区，华东地区在维持经济平稳健康发展实现低碳化、促进经济环境和谐发展等方面面临着许多难题*通过研究该地区的碳排放因素及历史现状，可以为全国各地政府制订相关的节能减排政策提供理论支持和参考依据*
为了研究碳排放的相关影响因素，很多学者提出了不同的方法。温景光从能源效率、能耗结构以及经济增长3个方面对安徽省碳排放情况进行了分析，发现经济增长是碳排放增长的主要驱动因子1* GUAN等人采用SDA(结构分解分析)对影响我国碳排放的因素进行分析，结果表明，降低能源强度能有效减少碳排放2。王正新等建立了NE grey Verhulst 模型，发现中国二氧化碳排放量与经济增长呈倒U型关系+,*Burcu对面板数据分析并讨论了能源使用、GDP与碳排放之间的关系4*Mohammad等利用动态模型分析了印度的能源使用情况、GDP和CO2排放量3者之间的关系+,*SHAO等采用LMDI对上海市碳排放的影响因素进行研究，结果表明产业结构调整能够最有效地减少碳排放量6*Shahbaz等人利用STIRPAT模型对影响马来西亚碳排放的因素进行分析，发现经济增长可以显著地促进碳排放量增长7*上述研究和方法为碳排放研究提供了可借鉴的思路*
收稿日期：2019-10-11；修回日期：2020-07-21
基金项目：国家自然科学基金项目"基于区间灰数序列建模的灰霾因素识别、发展趋势预测及治理研究(71701105)；国家社会科学基金重大项目"大数据时代雾霾污染经济损失评估及防治对策研究(17ZDA092)；江苏省高校哲学社会科学研究重点项目“基于面板数据的灰建模及其在碳排放的因素分析及预测中的应用(2018SJZDI111)
作者简介：熊萍萍(1981-)，女，湖北咸宁人，副教授，博士，主要从事统计预测与决策、计量经济、灰系统建模及其应用研究，E-mail：xpp8125@ 163；曹书人(1998-)，女，江苏无锡人，南京信息工程大学数学与统计学院硕士研究生，研究方向为概率论与数理统计；杨卓(1998-)，男，河南南阳人，南京信息工程大学数学与统计学院硕士研究生，研究方向为微分方程数值解及其在应用统计中的研究*
第1期熊萍萍，曹书人，杨卓：华东地区碳排放量灰关联度分析-37-但是由于我国对碳排放的研究起步较晚，数据较少且
完整度低等因素，本文采用具有“小样本，贫信息”特征的灰系统理论方法来进行研究，具体而言，将采用基于面板数据灰关联分析方法来研究华东地区的碳排放影响因素*
目前，我国面板数据灰关联分析研究尚处于发展阶段。张可等在三维空间中讨论面板数据各指标之间的几何特征相似性来构造扩展关联度矩阵冋*钱吴永等构建了引入表征面板数据时空特征的灰关联
度计算模型，将灰关联度计算模型由一般向量空间拓展到了矩阵空间凹。吴利丰等通过用海塞矩阵定义的凸度表示样本之间的相似程度，提出三维灰凸关联度[10]*刘震等通过网格法描述面板数据在三维空间中的几何特性来建立灰网格关联度模型[11]*李雪梅等提出了一种基于累积序列的增强灰聚类分析方法，用于指定面板数据中聚类的层次*崔立志等以指标为研究对象，将相关因素矩阵与系统特征行为矩阵之间的发展速度指数和增长速度指数的接近程度作为关联度的度量，提出了灰矩阵相似关联度模型*
本文将首先介绍面板数据灰关联模型的相关理论基础*其次，计算了我国华东地区各省市历年的碳排放量，同时选取总人口、城镇化率、第二产业比重、生产总值及能源结构5个最为关键的影响因素，进行面板数据灰关联模型的构建，从而计算得到碳排放量与各个影响因素之间的时序灰关联度、截面灰关联度和灰关联度*最后，根据面板数据灰关联模型计算得到的华东地区各省市面板数据的灰关联度结果，分析各省市碳排放量与影响因素之间的关联性，并就如何因地制宜减少碳排放量提出了相关政策及*
二、面板数据灰关联模型构建
本文主要分析华东地区碳排放的影响因素，因素分析常用的方法有回归分析、相关分析等，但这些方法需要大量的样本，且不能处理面板数据，因此本文针对面板数据的两个维度，采用与刘思峰、崔立志和刘震类似的基于面板数据的灰关联度分析方法*
1.面板数据的矩阵表示
定义1：设有S个研究对象，每一个研究对象有N 个指标，观测时间为T*其中，第s个对象的第'个指标在t时间的观测值为7,(S,t)，指标'的数据矩阵为
X'
7'（11）
7'（21）
7'（S1）
7'（1，2）
7'（2，2）
7'（S，2）
7'（1，T）
7'（2，T）
7'（S，T）
（1）
其中，,=1,2,…，N;s=1,2,…，S；t=1,2,…，T，面板数据可表示为：
X={X i(s,t),X2(s,t),0,X u(s,t)}(2)
当S=1时，表示只有一个研究对象，则面板数据就是该对象的不同指标的时间序列；当T=1时，表示只有一个时刻，则面板数据是在该时刻下的截面数据* 2•面板数据灰关联度的计算
(1)面板数据初始化
规定初始化算子为
1
d'
7'(11)
对数据矩阵X，初始化，即为
d,X,
1
7'（21）d'
7'（1，2）d'
7'（2，2）d'
（3）
7'（1，T）d'
7'（2，T）d'
7,（ST）,
4）其中,=1,2，…，N；s=1,2，…，S&=1,2, 7'（S1）d'7'（S，2）d'
…，T*
(2)面板的关系
dX】称为初始化后参考面板数据，给定分辨率&初始化后面板数据d,x，与d]X]的灰关联系数为儿(st)7,(5,td,—7i(s,t)d i|+&・L5
其中,=2,…，N；s=1,2,…，S；t=1,2,…，T；
D=min7,(s,ttd,—7：(s,t)d i|；
,,s,t
L=m%77,(s,t)d,—7i(s,t)d i|*
,,s,t
3)面板的关度
定义2：设面板数据X，与参考面板数据X1的灰关联系数为)，(st,
1、S、J
r,=st%%),(,)(6) 3's=1t=1
为面板数据的灰关联度，其中,=2，…，N*
定义3：
1s
r,,=疋%),(s,t) (7)
为面板数据的时序灰关联度，其中，2=1,2,…, N；t=1,2，…，T。它表示在同一时刻不同研究对象的灰关联系数的平均值*
・38・大连理工大学学报（社会科学版）第42卷
定义4：
1P
r,$:〒%（8）P t-1
为面板数据的截面灰关联度，其中'=1,2,…，N；s=1,2,…，S。它表示针对同一研究对象在不同时刻的灰关联系数的平均值*
三、实例分析
1.数据来源与处理
（1）数据来源
本文以我国华东地区为研究区域，研究上海、江苏、浙江、安徽、福建、江西及山东7个地区的碳排放量及相关影响因素，所用数据均来源于中国国家统计局2005〜2016年所颁布的数据公报。
碳排放的影响因素繁多复杂。随着总人口的变化，人们会在日常生活、交通运输等方面产生更多需求，同时，为了满足人们的这些需求，工业、交通、电力等行业势必会消耗大量能源*人口增长带来的直接和间接能源消耗都将导致碳排放量的增加+15〕*城镇化是社会经济发展的必由之路，近年来，我国在快速发展城镇化的过程中，需要建造大量的城市基础设施，同时农村人口向城镇迁移也会促使这部分人的劳动、生产、生活方式的改变，近年来越来越多的学者认为城镇化进程会影响能源消费和碳排放+16*生产总值代表着经济发展水平，我国自改革开放以来，在大力发展经济的同时一定程度上对环境造成了破坏，而温室效应是环境问题的重点之一*此外，马大来通过构建空间计量模型分地区研究了中国碳排放相关影响因素，得出产业结构、工业结构对碳排放有显著负面影响的结论+7*我国工业化的快速发展导致了大量化石能源的消耗，因此，我国对工业结构的调整仍是减少碳排放工作的重中之重。同样，若能源结构中化石能源的消耗占比过高，则势必会在很大程度上导致碳排放量的加*
近年来，国内许多学者都对碳排放影响因素的选取做了相关的研究、如李琳+18通过研究，分析中国碳排放影响因素，结果显示经济增长、产业结构、能源结构、中国对外贸易、人口规模和城市化等为主要影响因素；王雅楠+15和马大来［11］等也进行相关影响素的研究*综上所述，本文选取总人口（万人）、城镇人口（万人）、生产总值（亿元）、第二产业增值（亿元）、能源结构（%）作研究碳影响素的6素，（万吨）、焦炭（万吨）、原油（万吨）、天然气（亿立方米）来计算各省市的碳排放量*
（2）碳排放量计算
本文借鉴Johan+19〕等人的能源消费碳排放计算方法，对华东地区2005〜2016年的能源消费产生的碳排放量进行计算*碳排放主要来源于化石燃料燃烧、森林砍伐及设备制造*其中，化石能源消费产生的碳排放量占我国总碳排放量的近95%，故本文只计算燃料燃烧产生的碳排放量，并以此来表示该地区总的碳排*
依据中国能源统计年鉴能源平衡表，并结合各地区能源消费结构的特点，本文选择了煤炭、焦炭、原油、天然气这4类能源消费所产生的碳排放量作为华东地区的碳排放总量*碳排放的具体计算公式如公式（9）：
中秋节300字作文以上C E—%（E'V N'X e j）（9）
-1
其中，G表示各地区的碳排放总量（=1,2,3…7）；E,,N,,e，分别表示第，类能源的消费量、能源转换系数和碳排放系数。煤炭、焦炭、原油的能源转换系数分别为0.7143、0.9714、1.4286，单位为kg标准煤/ kg，天然气的系数为13.3t标准煤/万m3；碳排放系数分别为0.7476、0.1128、0.5730、0.4479，单位为t碳/t 标*
2.结果求解与分析
（1）面板数据的灰关联系数
本文首先对碳排放总量和总人口、城镇化率、第二产业比重、生产总值及能源结构这5个影响因素共6面板进化$1出碳化
后的面板数据，表2给出了以总人口为例的影响因素初始化后的面板数据（其中，分析华东地区各类能源的碳排放量数据，可以发现煤炭仍在能源消费中占据着主导地位，因此，本文将能源结构定义为煤炭消费量占比）*其次，计算5个影响因素的面板矩阵与参考面板矩阵的绝对距离，给定灰分辨率&=0.5，得到5个影响因素的面板矩阵与参考面板矩阵的灰关联系数（表3）*
（2）面板数据的时序灰关联度
英语发音软件根据定义3，可计算出华东地区5个影响因素与碳排放量的时序灰关联度，所得结果如图1所示*时序灰关联度反映了在2005〜2016年时间维度上5个影响因素各自与华东地区整个区域碳排放的相关*
第1期熊萍萍，曹书人，杨卓：华东地区碳排放量灰关联度分析-39-
2005—2016年期间，城镇化率、第二产业比重、能源结构这3个影响因素与碳排放量的时序灰关联度大致呈现逐步下降的趋势，在2010年之后三者与碳排放量的关联度曲线趋向于平稳。关联度曲线反映着影响因素与研究对象趋向的接近程度，图1曲线表明碳排放量与这3个影响因素的变化曲线走势越来越不相符合，而在2010年之后，时序灰关联度变化幅度很小，趋向于平稳*
表1碳排放量初始化后面板数据
年份上海江苏浙江安徽福建江西山东2005 1.000 2.389 1.496 1.0480.6290.565 3.563 20060.964 2.614 1.702 1.1140.6960.616 4.097 20070.963 2.834 1.929 1.2310.7760.681 4.465 2008 1.030 2.924 1.941 1.4160.8260.697 4.886 2009 1.013 3.024 2.009 1.5730.9700.717 5.039 2010 1.128 3.347 2.160 1.663 1.0650.826 5.422 2011 1.173 3.875 2.290 1.809 1.2400.910 5.661 2012 1.146 3.940 2.212 1.824 1.2360.907 5.913 2013 1.225 4.055 2.219 1.963 1.1880.965 5.713 2014 1.069 3.966 2.187 2.021 1.3860.985 6.125 2015 1.105 4.108 2.210 2.000 1.338 1.030 6.430 2016 1.086 4.268 2.199 1.986 1.233 1.052 6.735
表2总人口初始化后面板数据
年份上海江浙江安徽福建江西东2005 1.000 4.015 2.641 3.238 1.882 2.281 4.893 2006 1.039 4.051 2.684 3.233 1.897 2.296 4.925 2007 1.092 4.086 2.728 3.237 1.911 2.311 4.956 2008 1.133 4.107 2.758 3.246 1.925 2.328 4.983 2009 1.169 4.132 2.792 3.244 1.940 2.345 5.011 2010 1.219 4.163 2.882 3.152 1.954 2.361 5.073 2011 1.242 4.179 2.890 3.158 1.968 2.375 5.099 2012 1.259 4.190 2.898 3.168 1.983 2.383 5.124 2013 1.278 4.201 2.909 3.190 1.997 2.393 5.150 2014 1.284 4.212 2.914 3.219 2.014 2.403 5.179 2015 1.278 4.220 2.931 3.251 2.031 2.416 5.210 2016 1.280 4.232 2.958 3.278 2.050 2.430 5.263
表3面板数据灰关联系数
关联系数年份上海江浙江安徽福建江西2005 1.0000.6510.7260.5810.7080.639
20060.9760.6790.7560.5890.7170.644
20070.9590.7080.7920.6020.7280.651合同终止协议
20080.9670.7200.7880.6240.7340.650
20090.9510.7330.7950.6450.7580.651总人口与20100.9710.7880.8080.6710.7740.664碳排放量20110.9780.9090.8350.6920.8070.675 20120.9640.9240.8160.6930.8030.673
20130.9830.9540.8150.7120.7900.680
20140.9340.9250.8070.7170.8290.682
20150.9460.9640.8080.7080.8140.687
20160.9400.9880.8000.7010.7880.688
・40・大连理工大学学报（社会科学版）第42卷
表3（续）
关联系数年份上海江苏浙江安徽福建江西2005 1.0000.8890.9860.8660.9740.960
抚州景点20060.9440.9200.9990.8700.9610.970
20070.8870.9930.9680.8750.9310.983
20080.8610.8770.8890.8690.8980.981
20090.8320.8120.8640.8620.8960.965生产总值与20100.8060.7280.7840.9030.8520.939碳排放量20110.7710.6790.7160.9520.8220.895 20120.7460.6140.6640.9880.7730.860
20130.7280.5580.6200.9630.7210.837
20140.6720.4970.5850.9290.7140.810
20150.6530.4660.5560.8890.6740.796男名字
20160.6080.4250.5110.8230.6170.762
2005 1.0000.6250.7780.8240.9760.953
20060.9900.5990.7400.8130.9590.943
20070.9890.5760.7020.7920.9380.928
20080.9880.5670.7010.7600.9290.929
20090.9940.5580.6910.7340.8960.929城镇化率与20100.9600.5320.6740.7200.8770.902碳20110.9470.4880.6560.6990.8380.884 20120.9550.4840.6690.7000.8430.890
20130.9330.4760.6690.6800.8570.879
20140.9800.4840.6750.6740.8140.878
20150.9610.4750.6740.6790.8270.871
20160.9680.4640.6770.6840.8540.869
2005 1.0000.7180.8920.9490.8850.875
20060.9910.6810.8440.9450.9010.873
20070.9930.6460.7940.9200.9250.883
20080.9630.6320.7910.8800.9350.889
20090.9470.6170.7680.8480.9790.893第二产业比重与20100.9270.5760.7390.8430.9960.905碳20110.9100.5210.7150.8210.9530.926 20120.9030.5130.7240.8190.9540.931
20130.8680.5010.7150.7870.9700.949
20140.9000.5060.7200.7710.9130.961
20150.8750.4910.7100.7620.9160.990
20160.8690.4770.7080.7590.9380.986
2005 1.0000.7520.9520.8340.7570.766
20060.9900.7120.9020.8550.7670.781
20070.9840.6770.8510.8860.7780.789
20080.9860.6660.8430.9270.7820.792
20090.9870.6450.8220.9690.8610.806能源结构与20100.9500.6010.783 1.0000.9340.823碳20110.9380.5480.7570.9540.9540.837 20120.9290.5410.7740.9500.9610.848
20130.8900.5270.7660.9050.9540.858
20140.9270.5320.7680.8790.9250.858
20150.9000.5150.7610.8830.9270.876
20160.9050.5000.7680.8920.9440.893
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论