我国碳排放影响因素的实证分析
发布时间：2021-04-02 23:39
中国的经济正在快速发展,与此同时二氧化碳的排放也在一同增长。国家亟需降低并且控制好碳排放,走绿色的可持续发展道路。在探索碳减排的道路上,一些发达国家取得了许多优秀的经验,并得出了许多成功的结果。但对于中国来说,直接走国外铺好的路是不可取的,要考虑我国实际情况,找寻适合中国的发展路线。本文首先对中国能源消费及碳排放现状进行描述性统计分析,包括中国能源消费总量、中国能源消费结构、碳排放总量、人均碳排放等。并预测五个年份的人均碳排放量。接着以国内外碳排放相关理论为指导,基于STIRPAT模型探究影响中国的碳排放因素。自变量总分为人口、财富、技术这三方面,细分为人口数量、人口城市化率、人均GDP等。最后得出这些影响因素的增加都会促进我国人均碳排放量的增加。其中,产业结构对我国人均碳排放量的影响较大。然后选取发达国家德国,与中国进行碳排放的比较研究。将上一章选取的指标进行整理与优化:新增碳排放强度以及可再生能源产量。将整理好的八个指标作为对比序列,碳排放总量作为主序列。通过灰色关联分析法,分别排序出两国碳排放影响因素的亲疏程度。根据对比结果,去借鉴德国的减排方法,并找出符合中国国情的碳减排路径。...
【文章来源】：北方工业大学北京市
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
论文结构图
第二章中国能源消费及碳排放现状分析6图2-11997-2018年我国能源消费总量及其增长速度2.1.2中国能源消费结构在中国能源消费的产业结构中，主要从第一产业、第二产业、第三产业以及居民生活消费这几方面来研究，同时还加上了在第二产业中占据重要地位的工业来进行对比。把21年来的中国能源统计年鉴进行整合，将1997年到2017年的农、林、牧、渔业视为第一产业；将1997年到2017年的建筑业、工业视为第二产业；将1997年到2017年的批发、交通、餐饮业等其他行业的结合视为第三产业；居民生活消费为1997年到2017年对应的生活消费。最后，分别将这5个指标与能源消费总量作比，得出了下表2-2。由下表2-2可知，在中国能源消费的产业结构中，第一产业能源消费比重下降较为明显，从1997年的4.34%下降为2017年的1.99%；第二产业能源消费始终占据主导地位，所占比重每年均在62%以上；第三产业能源消费比重从1997年的10.77%上涨到2017年的17.60%，在这三大产业中处于第二；而这20年中呈波浪形变动的为居民生活消费，占比从1997年的12.04%变化到2017年的12.85%，总体来说是微弱的上升趋势。而在图2-2中可以发现，工业是中国能源消费的主体。我们可以从工业能源利用效率这个突破口下手，将能源消费强度变低。表2-21997-2017年我国第一、二、三产业、居民生活消费以及工业所占比重（%）年份第一产业第二产业第三产业居民生活消费工业19974.3474.2310.7712.0473.36
第二章中国能源消费及碳排放现状分析8图2-21997-2017年中国各产业能源消费占比（%）在中国能源消费的种类结构中，从煤炭、石油、天然气以及水电、核电、风电来分析研究[20]。通过《中国能源统计年鉴2018》，整理出了下表2-3、2-4以及图2-3。表2-31997-2018年煤炭、石油、天然气以及水电、核电、风电的用量（万吨标准煤）年份煤炭石油天然气水电、核电、风电1997970392772524468698199896554283262451885219999924230222281182942000100670323323233107282001105772329763733130662002116160356113900139052003138352396144533145842004161657458265296175012005189231465246273193412006207402501327735211992007225795529459343233582008229237535421090126931200924066655125117642857120102495686275314426339012011271704650231780432512201227546568363193033900720132809997129222096425252014279329740902427148116201527384978673253645201920162702088062727021579642017270912843233139761897
【参考文献】：
期刊论文
[1]制度与技术:德国走向低碳发展的两个“车轮”[J]. 邱吉,赵紫玉,郭俊杰. 城市管理与科技. 2014(03)
[2]Japan’s experience of energy saving and business model for low-carbon economy[J]. Satoshi Watanabe,Makoto Nishimura. Chinese Journal of Population,Resources and Environment. 2013(04)
[3]资源型省份碳排放驱动力分析——基于PATH-STIRPAT模型的实证研究[J]. 徐丽娜,赵涛,杨晓峰. 中国科技论坛. 2013(12)
[4]中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术[J]. 马越越,王维国. 数学的实践与认识. 2013(10)
[5]基于STIRPAT模型的青海省碳排放影响因素协整分析[J]. 王小宁. 对外经贸. 2012(07)
[6]中国物流产业碳排放驱动因素研究[J]. 刘龙政,潘照安. 商业研究. 2012(07)
[7]SAS6.11版岭回归分析程序设计及其实例分析[J]. 郭秀花,赵连伟. 数理统计与管理. 2001(01)
[8]岭回归分析的SAS程序设计[J]. 田俊. 数理统计与管理. 1999(03)
博士论文
[1]中国城镇居民碳足迹及城市低碳发展研究[D]. 刘晓宇.吉林大学 2019
[2]基于能源消费的中国碳排放影响因素研究[D]. 王永哲.首都经济贸易大学 2017
[3]北京市碳排放影响因素与减排政策研究[D]. 范凤岩.中国地质大学(北京) 2016
硕士论文
[1]京津冀地区建筑行业碳排放强度影响因素研究[D]. 胡一鸣.北京交通大学 2019
[2]中国区域碳排放强度及其影响因素的空间计量经济分析[D]. 李姝.北京交通大学 2019
[3]基于结构方程模型的中国碳排放影响因素分析[D]. 周新.北京交通大学 2019
[4]城镇居民生活消费碳排放影响因素分析[D]. 蔡淑君.哈尔滨工业大学 2019
[5]基于STIRPAT模型的人口结构因素对雾霾污染的影响研究[D]. 韩雨萌.哈尔滨理工大学 2019
[6]基于STIRPAT模型的河北省碳排放峰值预测研究[D]. 王琪.华北电力大学 2019
[7]基于STIRPAT模型的中美印碳排放影响因素比较研究[D]. 赵馨月.山西财经大学 2018
[8]中国碳排放的测算和影响因素研究[D]. 黄霞.北京交通大学 2018
[9]基于STIRPAT模型中国制造业碳排放影响因素分析[D]. 薛智涛.山西大学 2018
[10]北京地区碳排放的驱动因素与减排政策研究[D]. 张祎文.对外经济贸易大学 2018
本文编号：3116176
【文章来源】：北方工业大学北京市
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
论文结构图
第二章中国能源消费及碳排放现状分析6图2-11997-2018年我国能源消费总量及其增长速度2.1.2中国能源消费结构在中国能源消费的产业结构中，主要从第一产业、第二产业、第三产业以及居民生活消费这几方面来研究，同时还加上了在第二产业中占据重要地位的工业来进行对比。把21年来的中国能源统计年鉴进行整合，将1997年到2017年的农、林、牧、渔业视为第一产业；将1997年到2017年的建筑业、工业视为第二产业；将1997年到2017年的批发、交通、餐饮业等其他行业的结合视为第三产业；居民生活消费为1997年到2017年对应的生活消费。最后，分别将这5个指标与能源消费总量作比，得出了下表2-2。由下表2-2可知，在中国能源消费的产业结构中，第一产业能源消费比重下降较为明显，从1997年的4.34%下降为2017年的1.99%；第二产业能源消费始终占据主导地位，所占比重每年均在62%以上；第三产业能源消费比重从1997年的10.77%上涨到2017年的17.60%，在这三大产业中处于第二；而这20年中呈波浪形变动的为居民生活消费，占比从1997年的12.04%变化到2017年的12.85%，总体来说是微弱的上升趋势。而在图2-2中可以发现，工业是中国能源消费的主体。我们可以从工业能源利用效率这个突破口下手，将能源消费强度变低。表2-21997-2017年我国第一、二、三产业、居民生活消费以及工业所占比重（%）年份第一产业第二产业第三产业居民生活消费工业19974.3474.2310.7712.0473.36
第二章中国能源消费及碳排放现状分析8图2-21997-2017年中国各产业能源消费占比（%）在中国能源消费的种类结构中，从煤炭、石油、天然气以及水电、核电、风电来分析研究[20]。通过《中国能源统计年鉴2018》，整理出了下表2-3、2-4以及图2-3。表2-31997-2018年煤炭、石油、天然气以及水电、核电、风电的用量（万吨标准煤）年份煤炭石油天然气水电、核电、风电1997970392772524468698199896554283262451885219999924230222281182942000100670323323233107282001105772329763733130662002116160356113900139052003138352396144533145842004161657458265296175012005189231465246273193412006207402501327735211992007225795529459343233582008229237535421090126931200924066655125117642857120102495686275314426339012011271704650231780432512201227546568363193033900720132809997129222096425252014279329740902427148116201527384978673253645201920162702088062727021579642017270912843233139761897
【参考文献】：
期刊论文
[1]制度与技术:德国走向低碳发展的两个“车轮”[J]. 邱吉,赵紫玉,郭俊杰. 城市管理与科技. 2014(03)
[2]Japan’s experience of energy saving and business model for low-carbon economy[J]. Satoshi Watanabe,Makoto Nishimura. Chinese Journal of Population,Resources and Environment. 2013(04)
[3]资源型省份碳排放驱动力分析——基于PATH-STIRPAT模型的实证研究[J]. 徐丽娜,赵涛,杨晓峰. 中国科技论坛. 2013(12)
[4]中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术[J]. 马越越,王维国. 数学的实践与认识. 2013(10)
[5]基于STIRPAT模型的青海省碳排放影响因素协整分析[J]. 王小宁. 对外经贸. 2012(07)
[6]中国物流产业碳排放驱动因素研究[J]. 刘龙政,潘照安. 商业研究. 2012(07)
[7]SAS6.11版岭回归分析程序设计及其实例分析[J]. 郭秀花,赵连伟. 数理统计与管理. 2001(01)
[8]岭回归分析的SAS程序设计[J]. 田俊. 数理统计与管理. 1999(03)
博士论文
[1]中国城镇居民碳足迹及城市低碳发展研究[D]. 刘晓宇.吉林大学 2019
[2]基于能源消费的中国碳排放影响因素研究[D]. 王永哲.首都经济贸易大学 2017
[3]北京市碳排放影响因素与减排政策研究[D]. 范凤岩.中国地质大学(北京) 2016
硕士论文
[1]京津冀地区建筑行业碳排放强度影响因素研究[D]. 胡一鸣.北京交通大学 2019
[2]中国区域碳排放强度及其影响因素的空间计量经济分析[D]. 李姝.北京交通大学 2019
[3]基于结构方程模型的中国碳排放影响因素分析[D]. 周新.北京交通大学 2019
[4]城镇居民生活消费碳排放影响因素分析[D]. 蔡淑君.哈尔滨工业大学 2019
[5]基于STIRPAT模型的人口结构因素对雾霾污染的影响研究[D]. 韩雨萌.哈尔滨理工大学 2019
[6]基于STIRPAT模型的河北省碳排放峰值预测研究[D]. 王琪.华北电力大学 2019
[7]基于STIRPAT模型的中美印碳排放影响因素比较研究[D]. 赵馨月.山西财经大学 2018
[8]中国碳排放的测算和影响因素研究[D]. 黄霞.北京交通大学 2018
[9]基于STIRPAT模型中国制造业碳排放影响因素分析[D]. 薛智涛.山西大学 2018
[10]北京地区碳排放的驱动因素与减排政策研究[D]. 张祎文.对外经济贸易大学 2018
本文编号：3116176
本文链接：https://www.wllwen.com/jingjilunwen/jingjililun/3116176.html
