文献翻译利用STIRPAT方法分析二氧化碳排放影响因子Analyzing impact factors of CO2 emissions usingWord文件下载.docx
《文献翻译利用STIRPAT方法分析二氧化碳排放影响因子Analyzing impact factors of CO2 emissions usingWord文件下载.docx》由会员分享，可在线阅读，更多相关《文献翻译利用STIRPAT方法分析二氧化碳排放影响因子Analyzing impact factors of CO2 emissions usingWord文件下载.docx（5页珍藏版）》请在冰豆网上搜索。
对于低收入地区来说，人均国民生产总值对总二氧化碳排放有着很大的影响，而在在中上收入国家，能源强度影响是非常大的。
这些对于总二氧化碳排放的影响因子在高收入水平地区就相对较大。
因此，这些经验性结果指出人口、富裕水平和科技在不同发展程度的背景下对二氧化碳排放总量的影响亦不同。
所以，政策制定者在架构对二氧化碳减排的长远规划是，应该充分考虑以上这些的影响。
1.介绍
全球变暖正在加剧，并且科学家已对近些年全球气温上升已经达成共识，这就是这是由于温室气体大量积聚引起的[]。
因此每个国家都应该为了缓解全球季候变化而肩负起各自减慢温室气体急剧增长的责任。
为了高效完成这项任务，相关研究就非常关注哪个因素对二氧化碳排放量有影响，而且有关涉及这些因素的影响都是非常重要的，因为这些影响因素将直接影响每个国家二氧化碳减排方式整体架构、政策和策略。
二氧化碳排放是由科技水平、富裕程度、能源结构、经济结构和人口组成来定义的，但是这些影响因子在解释二氧化碳排放量增长上是扮演者不同的角色的。
一些传统的研究通常认为消费的增长是造成二氧化碳排放量增加的主要原因，但是这些观点没有考虑人口和科技在这些污染物排放上的作用。
从另一个角度来说，一些研究认为人口、经济和科技都是决定二氧化碳排放量的重要因素[][][][][]，并且进一步认为它们对二氧化碳排放量的影响在不同的国家是非均匀的[]。
正是基于这一点，问题就出现了：
不同经济、人口、科技水平和二氧化碳排放到底存在着怎样的关系？
为了解决这个问题，已经进行了的大量研究和讨论。
Dietz[]、Rosa、Shi和York[]等通过应用STIRPAT模型分析了不同人口和二氧化碳排放量的关系。
由此，Dietz、Rosa和York等发现谈到到人口变化时排放量弹性接近于一，但是Shi发现这个弹性是介于1.41与1.65之间。
Knapp和Mookerjee[]研究发现借用Granger基于1880年到1989年每年的数据开发出来的随机测试，与此同时此方法也表现出更好理解的纠错性和协整模型性。
他们的结论缺少长期均衡，并提供了一个短期动态的二氧化碳和人口增长的关系。
Coondoo和Dinda[]基于Granger以选定跨国人均国民生产总值和对应的人均二氧化碳排放数据的随机性测试研究了二氧化碳排放的随机性。
他们的结论指出支持不同国家组的三中国不同的随机关系。
不仅如此，近期有很多关于环境的库茨涅茨曲线的讨论。
从历史角度来审视这些问题，这篇文章运用带有部分最小二次平方回归的STIRPAT模型来分析从1975年到2000年，在全球范围二氧化碳排放，还有中国和处于不同发展水平的其他国家二氧化碳排放量受哪些重要因素的影响。
研究表明在此期间，对全球二氧化碳排放量影响最大的就是不断增长的全球经济。
在全球范围层面上，15到64岁这部分人口对二氧化碳排放量影响最小。
在高收入和低收入水平的人口对全球二氧化碳排放量影响相对较大，并且在这些国家，15到64岁人口对二氧化碳排放量影响的比例也是非常大的，这就表明人类的行为对于环境变化是非常重要的。
在低收入水平国家，人均国民生产总值对二氧化碳排放量的影响是非常大的。
在中低收入水平，能源强度的影响是非常重要的，但是对比上述这些收入水平，高收入水平国民生产总值和能源强的影响就显得不是那么大，这也就恰恰说明了高收入国家可能进行更长远的经济结构优化和能源节约的加强。
这些发现强调了人口、富裕程度和科技对二氧化碳排放量的影响对于不同发展水平来说是不同的。
因此制定二氧化碳长期减排政策时，决策者应该充分考虑考虑这些情况。
这篇文章是如下内容撰写的。
第二部分陈述了STIRPAT模型分析的方法和其结构的多样性。
第三部分描述了样本和经验性发现。
最后，第四部分是总结。
2.基于STIRPAT模型对二氧化碳排放量分析性方法
2.1IPAT公式和STIRPAT模型
以Shi的观点，人口对环境质量的影响可以追溯到人口的变化和自然资源的匮乏。
人口增长对环境质量的影响可以从两个不同的方面来看：
一个是传统的马尔萨斯观点，另一个是BoseruPYEan方法。
马尔萨斯传统观点认为人口对资源造成的压力是环境恶化的原因。
与此相反，BoseruPYEan的观点是人口激发了科技创新的进步，这一点会削弱人口对环境的负面影响。
特别是Boserup考虑到高人口密度是农业科技进步的先决条件。
这就造成一个这样的结果，支出学术观点的学者认为人口对温室气体的影响是不均衡的，但与此同时提倡Boserup观点流派确认为这种关系不存在，或者即使存在，它也是一个减少温室气体排放的因素。
Ehrlich和Holdren是第一个利用IPAT来描述我们不断增长的人口是如何影响环境的——它会环境既有有利也有不利的影响。
这就需要用一个公式来表明三种不同的环境影响因子：
人口规模、富裕程度（人均消费或人均生产）和具有环境影响力的科技，以上就组成著名的IPAT公式和它的一系列变形。
这个公式可以用于分析人口对环境影响并且也可以分析环境变化驱动因素的一种广泛认同的方程式。
Waggoner和Ausubel通过将T分解每单位人均国民生产总值带来的消费的C和每单位消费所带来对环境的影响T，这样的话就出现了I=PACT并且人们称呼它为ImPACT。
这个模型的主要目的就是在于明确一些可能会减少环境变化的重要因素，并且也明确一些影响这些重要因子的因素。
关于I=PAT还有很多争论。
Schulze建议将“行为”加入到I=PAT，形成I=PBAT公式。
他认为人们很多有效的风尚，比如改变他们自己的行为，并且他们可以减少花费或者应用更多有效的减少环境影响的科技。
但是Schulze的方法却笼罩在一些质疑声之中。
Diesendorf主张行为的一些方面是隐式参与在I=PAT右侧部分的每一个因子的。
因此B可能只包含那些不被包括在P、A和T等部分的行为，那么想要将B精准的定义的。
然而，无论是使用I=PAT、I=PBAT还是，通过保持一个变量同时改变另一个变量我们发现了它们之间成比例的关系。
但这有致命的局限。
为了克服这些模型的限制因素，York等人重新编制成一个随机模型，并命名为STIRPAT（是通过回归研究人口、富裕程度和科技对环境影响的随机模型），这个模型是为了分析人口对环境不成比例的影响。
具体STIRPAT模型是：
这个模型保持了I=PAT的乘法逻辑，还以人口、富裕程度和科技定义环境变化。
对此公式取对数后是：
因为两个独立的变量和预测子都是以对数形式存在，系数应该被解释成以百分比变化。
不仅如此，为了分析更长远的环境问题York等人引入了生态弹性的概念。
生态弹性是对于一个在多种因素驱动下变化的环境影响指响应或者环境影响敏感度。
因此我们可以计算任何驱动因子的EE。
而富裕程度影响弹性这个术语是指对有关富裕程度的经济度量（比如人均国内生产总值或者人均国民生产总值）上变化的环境影响的响应。
在模型
（2）系数b、c是分别对应EEIP和EEIA。
York等并没有讨论科技的影响弹性，因为生态弹性不能被提供给科技因素，并因为不是每个操作都可以无争论地度量T。
2.2数据设置
富裕程度是由人均国内生产总值（相对于1995年美元汇率）来度量的。
由于在有效的科技指示参数下大家没有明确共识（York等），Shi实用两个变量指示这科技：
制造业输出所占国内生产总值的百分比和服务业输出占国内生产总值的百分比；
York等人使用工业输出作为所占国内生产总值的百分比；
York等人使用非服务行业国内生产总值占所有国内生产总值的比例。
在这片文章中科技作为衡量能源强度的工具，这里的能源强度是指每1995年的美元人均国内生产总值的能源消耗（每千克石油对应每1995年美元）。
能源强度越小，经济活动的效率就越高，并且二氧化碳排放量就越低。
人口被分解成两个变量：
人口中15到64岁部分的组成和城市生活人口这部分。
通常地，人口中16到64岁和城镇人口比例越高，能源消耗就越高，但是，与此同时，人们对保护环境和使用科技的意识也就越强。
表格1就显示在这篇文章中这点定义的是如何应用的。
应用于这片文章的数据都是来源于基于世界银行的统计信息管理与分析。
在于其他研究的确认中，我们表述了作为碳排放单位的单位二氧化碳排放。
这个转化比例是一单位的碳等于3.664单位的二氧化碳排放量。
为了对比在不同发展水平的人口、富裕度、科技的效果，本次研究分析了全球各个世界和处于高、中高、中低、低的各个发展水平的国家，还以历史的角度分析分析了在1975到2000之间总碳排放量和影响因素的关系。
世界银行对收入标准是这样定义的：
低收入国家是人均国民生产总值等于或低于1995年的765美元，中低收入国家是人均国民生产总值在765美元到3035美元之间，中高收入国家是人均国民生产总值在3036美元到9385美元之间，而高收入国家人均国内生产总值在9386以上的国家（基于世界银行2004年的数据）。
在附录A的表中列出了每个收入组中各个国家的情况。
举一个例子，在高收入国家二氧化碳排放量是附录A总所有高收入国家二氧化碳排放量的总和。
在不同收入水平的人均国内生产总值是他们人均国内生产总值的平均，并且城市化、在不同收入水平国家15到64岁人口也是他们的平均。
这些数据均直接来自世界银行的SIMA。
3.经验分析
3.1.变量的描述性分析
数据1表示算上中国每个收入水平的二氧化碳排放量。
从1975到2000，全球二氧化碳排放量，全球的二氧化碳排放量和中国二氧化碳排放量和在不同收入水平各种国家的二氧化碳排放量总和，目前除了个别地区都呈上升趋势。
全球二氧化碳排放量也是总体呈上升趋势，并且涨幅是42.9%。
高收入水平国家也除了在1980年都是呈现上升趋势，涨幅为28.8%。
在1975到1987年，中高收入水平国家的二氧化碳排放量涨幅为38%，而在1988年到2000年以19.9%幅度下降，因此总体上是以65%增长。
在中低收入水平国家总二氧化碳排放量已经增长并且涨幅为58.6%，但是在1989和2000则是减少了8.7%，所以整体上看，排放量增长量是44.8%。
对于低收入水平国家，排放量涨幅为162%。
对于中国在1975到1996年之间排放量增长了126%，之后再1996到2000减少了16.52%，所以总体涨幅是88.94%。
数据2表示人均国内生产总值从1975到2000年期间总体上呈上升趋势。
在全国层面上人均国内生产总值增长42.5%，在高收入水平增长75.2%，在中高收入层面增长30.0%，在中低收入层面上增长增长65.2%，在低收入水平层次上增长67.6%，在中国增长了400%。
数据3显示的是在1975年到2000年呈上升的趋势。
全球人口急剧增加，增幅达46.0%。
对于那些高收入水平国家来说，人口增长缓慢，增幅是19.5%，并且增加比例仅仅是0.72%。
中高收入水平人口也是增长缓慢，增幅是49.1%。
在中低收入水平人口增加43.3%，在低收入水平国家人口增加76.6%，在中国这是数据是28.44%。
数据4比较了从1975年到2000年在不同发展水平国家的能源强度。
除去中高收入水平，能源效应全球性的提高，特别是在中国和其他收入国家。
以1995年美元核算的人均国内生产总值得到了提高，并且在全球范围提高了提到了33.0%，在高收入地区提高40.9%，在中低收入水平是49.4%，在低收入水平是16.3%而中国是233%，但是在中高收入国家这个数字是减少25.8%。
从这些统计数据我们发现在全全世界范围内二氧化碳排放量、人口、人均国内生产总值和1995美的购买力平价的人均国内生产总值都是一致的，并且人口增长步伐超过排放量增长脚步在高收入。
在高收入国家，人均国内生产总值和每1995年美元购买力平价的人均国内生产总值的增长速度要超过排放量的变化。
在中高收入国家，排放量增长速度要超过人口增长速度，但是从1975年到1993年每衡量1995年美元购买力平价的人均国内生产总值是上升的趋势。
在中低收入国家，排放量、人口、人均国内生产总值和每恒1995年美元购买力平价的国内生产总值的能源使用的变化也是一致的，并且更重要的是，人均国内生产总值增长的步伐超过了排放量的增长。
对于处于低收入水平国家，排放量的增长步伐却超过了人口的变化和人均国内生产总值和每恒1995年购买力平价美元的能源使用。
对于中国来说，人均国内生产总值的变化和每恒1995年购买力平价美元的能源使用显著超过排放量的增长。
很明显地，在这些因素变化中的关系和处于不同发展水平排放量的不相同。
基于这些原因，我们必须要问这些因素究竟是如何相互作用以影响二氧化碳排放量增长的。
3.2结果分析和讨论
我们将二氧化碳排放量作为一个独立变量来对待，并且发表了STIRPAT模型。
首先，我们在不同收入水平的所有变量中测试系数的相关性，这些测试可以在附录B中看到。
附录B展示了在二氧化碳排放量、人均国内生产总值和人口之间的相关性更加密切。
我们还在计算了二氧化碳排放量的多种通胀因子后发现了值得注意的多重共线性。
从表2，我们发现所有的R的平方都是超过0.98，那么根据VIF等于1减去R的平方分之一，在不同收入水平上的二氧化碳排放量的VIF都是超过10的，=这就说明了在这些变量中存在着更明显的同线性。
使用了OLS（一般最小平方）回归的STIRPAT模型无法反应在二氧化碳排放量和各种影响因子之前的真是关系。
因为关于回归的参量估计的标准差是增大了的，置信区间是变宽的，参量估计的稳定性是下降的，并且测试回归的数据的系数并不是显著或者说参量估计不涉及正确的。
因此，这篇文章为了说明STIRPAT模型与人口、富裕程度、科技和二氧化碳排放量关系，我们应用了PLS（部分最小平方）估计的方法，因此在众多变量中是逃避共线性的。
结论就是，应用了SASV8软件计算的结果在表格3中展示出来了。
升级会员 