1. 変数の選択
炭素排出量に影響を与える要因を相関分析すると、第二次産業の割合と二酸化炭素排出量の間には一定の相関があり、第二次産業の割合と地域のGDP（1人当たりのエネルギー消費量の割合）との間には高い相関があることがわかっています。 GDP 原単位と二酸化炭素排出量 単位 GDP 当たりのエネルギー消費量とエネルギー構造と総エネルギー消費量の間には一定の相関があり、単位 GDP 当たりのエネルギー消費量とエネルギー構造の間にも相関関係があります。したがって、パネルデータ回帰分析中の回帰結果に対する変数間の多重共線性の影響を回避するために、既存の影響因子モデル、特にカヤモデルとIPATモデルから教訓を引き出し、人口、地域GDP、総計を組み合わせます。説明変数としてエネルギー消費量を用い、制御変数として第二次産業比率、GDP 当たりのエネルギー消費量、エネルギー構造を用いる。人口、地域GDP、総エネルギー消費量、二酸化炭素排出量について回帰分析を実施し、人口、地域GDP、総エネルギー消費量、都市化率が二酸化炭素排出量に与える影響を分析します。同時に、第二次産業の割合、単位GDP当たりのエネルギー消費量、エネルギー構造、エネルギー価格と人口、地域のGDP、総エネルギー消費量と第二次産業の割合との関係について回帰分析を行った。 、単位GDP当たりのエネルギー消費量、エネルギー構造を分析し、説明変数の影響を分析した。
2. 炭素排出量に影響を与える要因モデルの回帰分析
(1) モデルの構築
(2) モデル形状の選択
ハウスマン テストは通常、パネル データ モデルで固定効果モデルと変量効果モデルのどちらを使用するかを決定するために使用されます。ハウスマン検定の帰無仮説と対立仮説は次のように設定されます。
H0: ランダム効果回帰モデル
H1: 固定効果回帰モデル
ハウスマン検定の P 値が 0.05 より大きい場合、仮説 H0 を受け入れ、ランダム効果回帰モデルを選択します P 値が 0.05 未満の場合、仮説 H0 を棄却します仮説 H1 を受け入れ、固定効果回帰モデルを選択します。Eviews6.0 ソフトウェアを使用したハウスマン検定の結果は、ハウスマン検定の P 値が 0.0001 で、0.05 未満であることを示しています。これは、変量効果モデルの帰無仮説が 5% の有意水準で棄却され、固定効果が示されています。モデルは回帰分析に使用する必要があります。
(3) 回帰分析
定常性テストとハウスマンテストの分析結果、および式 4-3 のモデル形式に基づいて、Eviews6.0 ソフトウェアを使用して、確立された炭素排出影響因子モデルの最小二乗回帰分析を実行しました。
回帰結果は次のことを示しています。CO2 総量に対する母集団因子 LNP の回帰係数は 3.298216、その t 統計値は 1.593418、p 値は 0.1182 で 0.05 より大きく、有意性 5% であることを示しています。このレベルでは、人口要因が CO2 総量に影響を与えます。プラスの影響は大きくありません。CO2 総量に対する地域 GDP LNGDP の影響係数は -0.760329、その t 統計値は -2.355033、p 値は 0.0230 です。これは 0.05 未満であり、5% の有意水準で GDP が CO2 総量に重大なマイナスの影響を及ぼしていることを示しています。CO2 総量に対する総エネルギー消費量 LNE の影響係数は 2.060857 であり、その t 統計値はは 4.912003、p 値は 0.0000 で、0.05 未満です。これは、5% の有意水準で、総エネルギー消費量が総 CO2 に重大なプラスの影響を及ぼしていることを示しています。総 CO2 に対する都市化レベル LNUR の回帰係数は 0.570359 です。 、その t 統計値は 1.301721、p 値は 0.1998 です。0.05 より大きい場合、5% の有意水準では、CO2 総量に対する都市化率のプラスの影響は有意ではないことを意味します。人口と都市化率の 2 つの変数の検定結果は、有意水準 0.05 では有意ではありませんが、炭素排出影響因子モデル全体の回帰結果には影響しません。モデルの全体的なフィッティング係数 R は 0.961388 であり、 F 統計値は 125.4941、p 値は 0.0000 で、モデルの全体的なフィッティング効果が比較的理想的であることを示しています。
3. 制御変数の回帰分析
二酸化炭素排出量に影響を与える可能性のある要因をさらに分析するために、第二次産業の割合、GDP単位当たりのエネルギー消費量、エネルギー構造を制御変数として使用し、パネルデータ回帰を使用して人口、地域総総量を分析します。制御変数と炭素排出影響因子のモデルにおける製品、エネルギー、総消費量間の定量的関係。制御変数は説明変数に影響を与えることで間接的に二酸化炭素排出量に影響を与えるため、制御変数をパネルデータ回帰することで制御変数と都市の二酸化炭素排出量との関係を求めることができ、干渉計画の設定や提案のためのシミュレーションが可能となります。都市部 低炭素開発対策提案の基礎を提供する。前節でのさまざまな炭素排出量影響因子の相関分析と回帰式の結果に基づいて、制御変数と説明変数の間、および制御変数間の考えられる関係についてパネルデータ回帰分析を実行しました。パネルデータ回帰のモデル形式は1次方程式、2次方程式、3次方程式モデルから選択され、回帰式の適合度Rを比較することで理想的な回帰式が選択されます。3 つのモデル形式を式 4-6、式 4-7、式 4-8 に示します。
(1) 第二次産業の割合と総エネルギー消費量
第二次産業の割合を説明変数、総エネルギー消費量を被説明変数としたとき、Iは第二次産業の割合、Eは総エネルギー消費量を表します。3 つのモデルについてそれぞれ HUSMAN 検定に基づいてパネル回帰分析を行った結果を表 4-9 に示します。
表 4-9 から、二次産業比率と総エネルギー消費量の 3 つの回帰モデルの適合度 R が低いことがわかります。説明変数は有意です。は有意ですが、適合度 R はわずか 0.140739 であり、回帰結果が理想的ではないことを示しており、これは第二次産業の割合が総エネルギー消費量に大きな影響を与えていないことを示しています。
(2) 第二次産業の割合と地域GDP
説明変数は第二次産業の割合、被説明変数は地域総生産であり、Iは
第二次産業の割合、GDPは地域総生産を表します。3 つのモデルについてそれぞれ HUSMAN 検定に基づいて
パネル回帰分析を行った結果を表 4-10 に示します。
表 4-10 からわかるように、二次方程式モデルと三次方程式モデルの回帰の調整された R 二乗はそれぞれ 0.788656 と 0.784987 で、0.7 より大きく、対応する P 値は 0 であり、2 つの回帰結果が一致していることを示しています。モデルは比較的理想的です。ただし、変数の回帰係数検定から、5% の有意水準では、二次方程式モデルの影響係数が有意であることがわかります (P<0.05)。したがって、二次方程式モデルの回帰結果を使用する必要があり、結果の回帰式を式 4-9 に示します。
(3) GDP 当たりのエネルギー消費量と総エネルギー消費量
GDP単位当たりのエネルギー消費量を説明変数、総エネルギー消費量を被説明変数とし、EIはGDP単位当たりのエネルギー消費量（エネルギー消費原単位）、Eは総エネルギー消費量を表します。3 つのモデルについてそれぞれ HUSMAN 検定に基づいてパネル回帰分析を行った結果を表 4-11 に示します。
表 4-11 から、3 次方程式モデルの回帰の調整された R 二乗は 0.976006 で、対応する最大 P 値は 0 であることがわかり、3 次方程式モデルの回帰結果が比較的理想的であることがわかります。同時に、変数の回帰係数検定から、5% の有意水準では、3 次方程式モデルの影響係数がすべて有意であることがわかります (P<0.05)。したがって、3 次方程式モデルの回帰結果を使用する必要があり、得られた回帰式を式 4-10 に示します。
単位 GDP あたりのエネルギー消費量と総エネルギー消費量との間の回帰式 4-10 から、単位 GDP あたりのエネルギー消費量の総エネルギー消費量に対する影響係数は正であり、単位 GDP あたりのエネルギー消費量の二次関数の影響が大きいことがわかります。総エネルギー消費量に対する係数は負であり、係数は -21552.52 であり、単位 GDP あたりの立方体エネルギー消費量は総エネルギー消費量にプラスの影響を及ぼします。係数は 7609.628 であり、単位 GDP あたりの総エネルギー消費量が総エネルギー消費量にプラスの影響を与えることを示しています。エネルギー消費。
(4) エネルギー構造と総エネルギー消費量
エネルギー構造を説明変数、総エネルギー消費量を被説明変数とすると、ESはエネルギー構造を表し、Eは総エネルギー消費量を表します。3 つのモデルについてそれぞれ HUSMAN 検定に基づいてパネル回帰分析を行った結果を表 4-12 に示します。
表 4-12 から、エネルギー構造と総エネルギー消費量の 3 つの回帰モデルの適合度 R はすべて低く、回帰後の 3 つの方程式モデルの調整済み R 二乗はすべて約 0.25 であることがわかります。 。同時に、5% の有意水準では、3 つの方程式変数の回帰係数を検定すると、線形方程式モデルの影響係数のみが有意になり (P<0.05)、線形方程式回帰後の適合度 R はこれは、回帰結果が理想的ではないことを示しており、エネルギー構造が総エネルギー消費量に大きな影響を与えていないことを示しています。
(5) エネルギー構造とGDP原単位当たりのエネルギー消費量
エネルギー構造を説明変数とし、単位GDPあたりのエネルギー消費量を説明変数とし、ESはエネルギー構造を表し、EIは単位
GDPあたりのエネルギー消費量（エネルギー消費原単位）を表す。3 つのモデルについてそれぞれ HUSMAN 検定に基づいて
パネル回帰分析を行った結果を表 4-15 に示します。
表 4-15 から、線形方程式モデル回帰の調整済み R 二乗は 0.851755 で、対応する最大 P 値は 0 であることがわかり、線形方程式モデルの回帰結果が比較的理想的であることがわかります。同時に、変数の回帰係数検定から、5% の有意水準では、線形方程式モデルの影響係数が有意であることがわかります (P<0.05)。したがって、線形方程式モデルの回帰結果を選択する必要があり、得られた回帰式を式 4-12 に示します。
エネルギー構造と単位 GDP あたりのエネルギー消費量との間に回帰式 4-12 があることから、エネルギー構造と単位 GDP あたりのエネルギー消費量の間には直線的な関係があり、正の関係にあることがわかります。エネルギー構造における石炭の割合が増加すると、単位 GDP 消費あたりのエネルギー消費量も増加します。
要約すると、人口、地域の GDP、総エネルギー消費量、都市化率はすべて、都市の二酸化炭素排出量に直接影響します。同時に、制御変数の単一パネルデータ回帰に基づいて、第二次産業の割合と地域GDP、単位GDP当たりのエネルギー消費量と総エネルギー消費量、エネルギー価格と総エネルギー消費量の回帰式が得られ、次のようになります。産業構造と都市の二酸化炭素排出量には直接的な影響はないが、産業構造は地域の GDP への影響を通じて都市の二酸化炭素排出量に間接的に影響を及ぼし、GDP 単位あたりのエネルギー消費量とエネルギー価格と都市の炭素の間には直接的な影響はない総エネルギー消費量の影響は、都市の二酸化炭素排出量に間接的に影響します。さらに、エネルギー構造、エネルギー価格、単位 GDP あたりのエネルギー消費量の間には定量的な関係があり、パネル データの回帰分析により、エネルギー構造と単位 GDP あたりのエネルギー消費量の間には正の関係があることがわかります。エネルギー構造における石炭の割合が増加すると、単位 GDP あたりのエネルギー消費量も増加します。エネルギー価格と単位 GDP あたりのエネルギー消費量の間には負の関係があります。つまり、エネルギー価格が上昇すると、単位 GDP あたりのエネルギー消費量は減少します。 。