研究基于辽宁省主管部门发布的1998～2017年统计数据，通过对历年碳排放总量与全省社会经济、能源消费和能源结构等变化情况的对比分析，初步筛选出影响碳排放的驱动因素。然后，采用最小二乘法进行多元线性逐步回归来拟合模型，如共线性诊断的结果中存在自变量VIF值显著大于10的情况，则采用岭回归^[2]方法对模型重新进行拟合，本研究应用SPSS 21.0软件中的Ridge Regression程序对构建的回归模型进行岭回归分析。最后，形成辽宁省碳排放影响因素及对应弹性系数的研究结论，并提出未来低碳转型发展的意见与建议。

1998～2017年原煤、原油、天然气能源消费总量，煤炭消费占比，人口数量，三次产业增加值，人均GDP及居民消费水平，取自2018年《辽宁省统计年鉴》^[3]。

原煤、原油和天然气折标系数取自《综合能耗计算通则：GB/T2589—2008》^[4]，原油、天然气的低位发热量来源于《中国能源统计年鉴 2012》，原煤低位发热量来源于《中国温室气体清单研究》^[5]。燃料单位热值含碳量与碳氧化率来源于《省级温室气体清单编制指南（试行）》^[6]推荐缺省值，见表1。

目前，我国碳排放量的计算主要遵循《省级温室气体清单编制指南（试行）》的基本方法见式（1）。

式（1）中：EF为排放因子，kg/TJ；Activity为燃料消费量，TJ；i为燃料类型。

本次研究采用全省一次能源消费量计算全省碳排放总量，其中，统计年鉴中涉及的一次能源包括：原煤、原油及天然气，计算结果见表2。

本研究选择DIETZ et al^[7]提出的改进后的非线性随机回归STIRPAT模型。该模型弥补了Kaya等式和IPAT模型存在的“所有因素同等程度影响碳排放”的不足，且本身可扩展，其中，指数的引入使 STIRPAT 模型分别考虑了人口数量、财富和技术因素的变动对环境的单独影响，消除了IPAT 模型中同比例变动的问题，见式（2）。

式（2）中：I、P、A、T分别代表环境压力、人口数量、人均财富和技术；a是模型系数；上标b、c、d分别是人口数量、人均财富和技术等驱动因素的指数；e为模型误差。下标i标明不同的观测单元各异的模型参数。

STIRPAT模型属于多自变量非线性随机模型，对公式（2）两边同时取对数变化见式（3）。

式（3）中，以lnI为因变量，lnP、lnA和lnT为自变量，lna为常数项，lne为误差项。根据弹性系数概念，当其他因素保持不变时，碳排放的影响因素（P、A、T）每变化1%，将分别引起I变化b%、c%和d%。

通过分析辽宁省1998～2017年统计数据可以发现：辽宁省能源消费总量2012年前增幅显著，1998～2012年间标准煤由8 874增加到2 2314万t，2013～2017年能源消费总量小幅波动，2017年标准煤消耗量为2 0251万t；在能源种类构成方面，煤炭占一次能源比重不断降低，从1998年的82.75%降低至2017年的61.66%，这与全省碳排量的变化呈现负相关；天然气占比低，其中2014年最高，占比达到5.35%，2017年为4.07%。

1998～2017年间，辽宁省碳排放量变化趋势与能源消费变化基本一致，1998～2012年呈现快速增长态势，排放量由24 394增长至62 186万t。2013～2017年间，全省碳排放总量呈波动下降趋势，2017年排放量为56 253万t，较2012年下降9.54%。与碳排放变化趋势不同，辽宁省碳排放强度呈现总体下降趋势，从1998年6.29 t/万元降至2017年的2.40 t/万元。

社会发展层面，研究期内辽宁省人口变化不显著，1998年为4 090万人，2017年为4 197万人，20年仅增长106万人。辽宁省GDP与人均GDP和居民消费水平变化趋势基本相同，呈总体增长态势，其中，GDP从1998年的3 882亿元增加到2017年的23 409亿元，人均GDP从1998年的9 415元增加到2017年的53 527元，居民消费水平从1998年的3 828元增加到2017年的24 866元，三者2017年数据较1998年均增长6倍左右。

产业结构方面，辽宁省2011年第二产业占全省比重最高，超过55%，2017年下降至39.30%，降幅显著；与其变化相反的是第三产业占比，到2017年末，达到52.57%，第三产业已经成为全省经济发展的主导产业。通过对上述指标与碳排放量的关联分析，本研究STIRPAT模型拟选择变量见表3。

对碳排放量及其解释变量进行相关性分析，结果显示，表示产业结构的第二产业占比与碳排放量相关性不显著，因此将第二产业占比从解释变量中剔除。由于解释变量较多，可能存在共线性问题，因此使用SPSS21.0对碳排放量及其解释变量做共线性诊断，结果发现除能源结构外，其他解释变量均存在共线性，为消除共线性对回归结果的影响，本文采用岭回归分析方法。取k从0到1，岭回归输出结果见表4。

k=0.75时，各解释变量稳定，因此当k=0.75时，R²=0.901岭回归方程见式（4）。

验证该预测模型的有效性，基于辽宁省1998～2017年度数据通过模型计算得到碳排放的方程预测值，并对碳排放实际值与预测值进行配对样本T检验，检验结果显示，p值为0.299，大于显著性水平0.05，碳排放量预测值与实际值相关系数为0.964，说明根据得到的模型计算的辽宁省碳排放值与实际情况没有显著差异，方程预测效果较好。

式(4)可知，辽宁1998～2017 年能源消费碳排放的驱动因子人口、人均GDP、居民消费水平、一次能源占比和碳排放强度的弹性系数分别为9.72、0.135、0.106、−0.389和−0.236，分别表示人口增加1%，碳排放量增加9.72%；人均GDP增加1%，碳排放量增加0.135%；居民消费水平增加1%，碳排放量增加0.106%；煤炭占一次能源比重增加1%，碳排放量增加−0.389%；碳排放强度增加1%，碳排放量增加−0.236%。从上述定量分析结果来看，对碳排放量起正向驱动的因子为人口数量、人均GDP和居民消费水平，起负向驱动的因子为一次能源占比和碳排放强度。

1）碳排放强度是评估地区或行业减排技术的一项重要指标。在研究时限内，辽宁省碳排放强度一直处于不断下降趋势，而碳排放量则呈上升趋势，两者呈现脱钩状态。2018年我国碳排放强度比2005年下降45.8%^[8]，碳排放强度为1.63 t/万元，而辽宁省2017年碳排放强度是2.40 t/万元，高于全国平均水平，说明减排技术相对落后，对全省碳排放量的抑制效果并不显著。因此，辽宁省应加大在节能减排技术方面的资金和人员投入，加快技术升级，积极从国内外引进先进技术，改进生产工艺，减少能源在生产、转换和消费过程中的损失。

2）人均GDP对碳排放量起到正向促进作用，与居民消费水平影响一致，由此可知，随着经济发展，社会消费端对碳排放的贡献将逐步增加。因此，要倡导低碳生活，鼓励绿色采购，强化绿色消费。鼓励政府及大众优先购买绿色产品、节能产品和有机产品等，拓宽绿色产品销售平台。同时，要积极发展公共交通，建设衔接顺畅、便捷高效、一体化的公交系统，大幅度提高公共交通出行分担率，鼓励大众绿色出行，优先公交出行。

3）研究发现，辽宁省2017年煤炭消费量占全省能源消费总量比重较1998年下降29%，已经低于60%，说明煤炭控制成效显著。然而，天然气消费量仅占全省能源消费总量的4.07%。因此，未来辽宁省应该在发电、供热和交通等领域逐步提高低碳能源比重，结合国家及省政府相关清洁能源发展要求，进一步加大风电、光伏、光热和生物质等非化石能源开发利用力度。