基于STIRPAT模型的碳排放影响因素及峰值研究——以山东省为例
基于扩展的STIRPAT模型的中国碳排放强度影响因素研究
基于扩展STIRPAT模型的我国建筑业碳排放影响因素研究
这表明， 中 国 的 建 筑 能 源 消 费 约 占 全 球 能 源 消 费 总 量
的 ６ ％， 建 筑 业 面 临 着 巨 大 的 二 氧 化 碳 减 排 压 力 。 研
Ｋａ ｙ ａ恒 等 式 将 ＣＯ 排 放 量 分 解 为 与 人 类 生 产 生 活 相 关 的 四大 要 素 ， 以 此 来 研 究 人 类 活 动 与 碳 排 放 之 间 的 关 系 。 变 形 后 的 Ｋａ ｙ ａ恒 等 式 被 广 泛 运 用 到 建 筑 碳 排 放 影 响 因 素 的 分 析 中 。 结 合 我 国 建 筑 业 的 实 际 情况 ， 考 虑城 市 化 因 素 对 建 筑碳 排 放 的影 响 ， 本 文 在
基 于扩 展 Ｓ Ｔ Ｉ ＲＰ Ａ Ｔ模 型 的 我 国建 筑 业碳 排 放 影 响 因素 研 究
口 李 爽 陶 东 夏 青
（ 中 国 矿 业 大 学 管 理 学 院 ， 江 苏 徐 州 ２ ２ １ １ １ ６ ）
［ 摘 要 ］利 用 扩 展 的 Ｋａ ｙ ａ 恒 等式 分 解 出 五 个 具 体 指 标 ， 运用 Ｓ ＴＩ ＲＰ ＡＴ 模 型 框 架 作 为 基 础 ， 选 择岭 回归方法 定量分 析 了
受宏 观经济 变量的影 响， 研 究 发 现 居 住 者 的 生 活 方 式、 生 活水 平 ， 以及 能 源 价 格 ， 都 对 建 筑 能 源 消 费 具 有
产 业规 模 、 人 均 ＧＤＰ、 城 市 化 水 平 以 及 城 市 人 口规 模 。
考 虑 城市 人 口规 模 本 身 就 是 城 市 化 水 平 的一 个 重 要指 标 ， 在 计 算 模 型 时 会产 生很 强 的共 线 性 ， 所 以 本 文删 除 了城 市 人 口规 模 这 一 变 量 指 标 。为 消 除异 方差 ， 直接 获得 各解 释 变量 的影 响程 度 ， 在 扩 展 的
基于STIRPAT和偏最小二乘回归的碳排放预测模型_宋杰鲲
国外保险索赔次数及相应的参数估计量 A 保单数 m1 B 保单数 m2 103704 10475 1766 255 45 6 2 0.1143 0.2897 0.1137 0.0977
[1]
程的风险模型[J].南京邮电大学学报(自然科学版),2008,28(3).
C 保单数 m3
370412 46545 3935 317 28 3 0 0.1284 0.1284 0.0251 0.0282 0
̂ λ ̂ ρ
矩估计 矩估计
0
极大似然估计 极大似然估计
0.1826 0.1859 0.1481 0.1325
极大似然估计的精度， 认为矩估计优于极大似然估计， 而相 比毛泽春、 刘锦萼 通过解二元超越方程组得到参数的极 大似然估计， 本文的方法在计算上更为简便。最后通过实例 分析和计算说明了本文方法的应用。
碳排放及影响因素原始数据 工业化 三产比 能源强度 煤炭消 城市化 人均 GDP 重 水平 吨标准煤/ 费比 % 元/人 % % 万元 例% 19.39 462.8 43.92 13.1953 72.2 21.60 20.16 21.13 21.62 23.01 23.71 24.52 25.32 25.81 26.21 26.41 26.94 27.46 27.99 28.51 29.04 30.48 31.91 33.35 34.78 36.22 37.66 39.09 40.53 41.76 42.99 43.90 44.94 45.68 46.59 480.4 515.7 564.2 641.4 717.5 769.0 844.0 924.6 947.8 1045.6 1180.8 1330.4 1487.7 1632.9 1777.7 1923.5 2055.3 2193.9 2360.9 2539.2 2752.0 3009.8 3293.9 3644.9 4085.3 4639.9 5061.1 5542.7 970.2 41.88 40.62 39.85 38.69 38.25 38.61 38.03 38.41 38.16 36.74 37.13 38.20 40.15 40.42 41.04 41.37 41.69 40.31 39.99 40.35 39.74 39.42 40.45 40.79 41.76 42.21 41.58 41.48 39.72 22.01 21.85 22.44 24.78 28.67 29.14 29.64 30.51 32.06 31.54 33.69 34.76 33.72 33.57 32.86 32.77 34.17 36.23 37.77 39.02 40.46 41.47 41.23 40.38 40.51 40.94 41.89 41.82 43.36 12.3657 11.8385 11.3631 10.5925 10.0961 9.7797 9.3913 9.0594 9.0742 8.8982 8.5695 7.8907 7.3565 6.8838 6.6325 6.1738 5.6786 5.2767 5.0610 4.8322 4.6113 4.4811 4.6951 4.9533 4.9199 4.7860 4.5461 4.3083 4.1519 72.7 73.7 74.2 75.3 75.8 75.8 76.2 76.1 76.1 76.2 76.1 75.7 74.7 75.0 74.6 73.5 71.4 70.9 70.6 69.2 68.3 68.0 69.8 69.5 70.8 71.1 71.1 70.3 68.7 石油消 费比 例% 20.7 20.0 18.9 18.1 17.4 17.1 17.2 17.0 17.1 17.1 16.6 17.1 17.5 18.2 17.4 17.5 18.7 20.4 20.8 21.5 22.2 21.8 22.3 21.2 21.3 19.8 19.3 18.8 18.3 17.9 碳排放量 万公吨 1439.8597 1506.9424 1593.3862 1724.4894 1857.8079 2102.7796 2240.368 2275.338 2269.7094 2369.2515 2449.1622 2626.6449 2831.5466 2861.6848 2893.3768 3081.7445 2967.2559 2885.7219 2849.7495 2969.5759 3464.8429 5089.7804 5512.7028 5817.1435 6260.0333 6803.9215 7710.5042 4069.239 1970.823 1448.464
基于P_S_R概念模型的生态环境_省略_评价指标体系研究_以山东半岛为例_王奎峰
基于 P-S-Ｒ 概念模型的生态环境承载力评价指标体系 研究
— — 以山东半岛为例 —
王奎峰
1， 2， * 3 2 2 2 ， 李娜 ， 于学峰 ， 王岳林 ， 刘洋 1． 中国矿业大学 资源与地球科学学院 ， 徐州 113001 2． 山东省地质科学研究院 ， 济南 250013 3． 山东协和学院 经济管理学院， 济南 250107 收稿日期： 2013-11-19 修回日期： 2014-03-05 录用日期： 2014-03-16
SＲ ） 概念模型， 摘要： 结合山东半岛生态环境现状 ， 根据该区域的社会经济和环境特点， 采用压力状态响应 （ P选取了 25 项指标构建了其生 态环境承载力评价指标体系 ， 运用层次分析法（ AHP ） 确定各指标权重， 然后将模糊数学综合评价的理论和方法应用于山东半岛生态环境承载 力的评估， 对 2009 及 2012 年度山东半岛 6 个城市的生态环境承载力做出评价． 评价结果为威海市生态环境承载力为 Ⅰ 级优， 承载力稳中有 升， 青岛、 烟台、 日照市为Ⅱ级良， 青岛、 烟台承载力略升， 日照略有下降， 潍坊市为Ⅲ 级中等， 承载力有所下降， 东营市由 Ⅳ 级差变为 Ⅲ 级中等， 承载力明显好转． 同时， 并对每个城市的生态环境承载力做了分析说明 ， 以期为推进生态文明建设提供科学依据． SＲ 模型； 生态环境承载力 ； 模糊综合评价； 山东半岛； 指标体系 关键词： P2468 （ 2014 ） 08-2133-07 文章编号： 0253中图分类号： X196 文献标识码： A
1． School of Ｒesources and Earth Sciences，China University of Mining and Technology，Xuzhou 113001 2． Shandong Institute of Geological Sciences，Jinan 250013 3． Shandong Xiehe University，School of Economics and Management ，Jinan 250107 Ｒeceived 19 November 2013 ； received in revised form 5 March 2014 ； accepted 16 March 2014
基于STIRPAT模型的中国碳排放EKC验证及影响因素分析
基于STIRPAT模型的中国碳排放EKC验证及影响因素分析摘要：研究基于改进的STIRPAT模型和中国1971-2015年时间序列数据，验证了碳排放经典环境库兹涅茨曲线假说在中国的存在性，定量分析了经济规模、能源强度、能源结构、产业结构和人口结构等变量对碳排放总量和人均碳排放量的影响。
结果表明：中国碳排放量拐点要早于人均碳排放拐点出现，这主要是由于经济发展与碳排放有逐步脱钩的趋势，居民生活消费碳排放增加趋势明显。
各变量对碳排放总量和人均碳排放的影响系数都为正，对碳排放总量和人均碳排放都有正向促进作用。
GDP是碳排放总量和人均碳排放首要影响因素。
降低能源强度，提高能源效率是降低碳排放量，兑现我国在国际社会的碳减排承诺最为有效和可行的举措。
关键词：碳排放；STIRPAT 模型；EKC ；影响因素中图分类号：F205文献标识码：A 文章编号：2095-0439（2019）03-0009-05（宜春学院经济与管理学院江西宜春336000）本研究基于IPAT 理论改进的STIRPAT 模型，以1971-2014年长时间序列为研究样本，验证碳排放总量和人均碳排放量与人均GDP 之间库兹涅茨典线假说EKC 曲线。
并用研究样本时间碳排放实际值与模型拟合值进行比较，验证碳排放拐点预测的有效性。
依据估计模型分析影响碳排放的因素，提出尽早实现碳排放峰值的路径和对策。
一、数据说明与模型构建（一）数据说明。
碳排放方面数据主要来源于国际能源署（IEA ）数据库，时间跨度为1971-2015年。
选取IEA 数据库作为文章研究数据来源主要是由于中国与IEA 有合作协议，国家统计局每年向IEA 提供能源生产和消费方面的数据，因此IEA 公布的碳排放数据与中国国家统计局数据具有很好的可比性，但时效性相对较差[1]。
为消除价格波动影响，文中未作特别说明情况下，使用的经济数据都是以2005年为不变价，基于购买力平价（PPP ）计算的美元。
基于STIRPAT模型的区域城市化碳排放影响因素差异分析
基于STIRPAT模型的区域城市化碳排放影响因素差异分析赵涛;张思聪【摘要】研究7种不同城市化因素对二氧化碳排放的影响,包括人口、经济、能源强度、能源结构、能源清洁度,服务水平和研发强度,采用基于FE-DK回归模型的STIRPAT模型来评估不同元素对中国三大区域(高度城市化、发展中城市化和城市化相对落后区域)的碳排放影响.结果表明,服务业水平在高度城市化地区的产业发展中发挥着越来越重要的作用.此外,发展中的城市化地区人口因素的影响高于其他2个地区.同时,在城市化相对落后地区,提高化石燃料的使用效率比其他地区更为重要.总体而言,经济城市化是影响3个地区碳排放的最重要影响因素.具体的解决方案取决于不同区域的具体情况.【期刊名称】《甘肃科学学报》【年(卷),期】2019(031)003【总页数】6页(P125-130)【关键词】二氧化碳排放;城市化;区域差异分析;扩展的STIRPAT模型【作者】赵涛;张思聪【作者单位】天津大学管理与经济学部,天津 300072;天津大学管理与经济学部,天津 300072【正文语种】中文【中图分类】F205作为世界上最大的发展中国家,中国自1978年改革开放以来,实现了经济的快速增长以及城市化进程的加速发展。
目前中国已成为世界第二大经济体,同时也是碳排放量最大的国家。
预计到2020年,中国碳排放量将占世界碳排放总量的三分之一,并在2025—2030年期间达到峰值。
中国政府承诺到2020年,每单位GDP产生的碳排放量要削减60%～65%左右。
此外,“十三五”国民经济与社会发展规划纲要明确表示,在“十三五”期间要完成能源消耗降低15%,能源强度降低18%的减排目标。
而城市地区对整个中国碳排放总量贡献率为75.5%,这也意味着城市化的发展给节能减排带来了巨大的压力和挑战[1]。
综上,中国在城市化进程中的减排形势非常严峻,因此,研究城市化对碳排放的影响有助于政府制定一系列相对应的政策来实现节能减排的目标。
基于 STIRPAT 模型的中国碳排放峰值预测研究
基于 STIRPAT 模型的中国碳排放峰值预测研究渠慎宁;郭朝先【摘要】利用STIRPAT模型对未来中国碳排放峰值进行相关预测.首先,通过对中国30个省市的面板数据分析展示目前我国各地碳排放的基本情况;其次,对中国1980-2008年的时间序列数据进行回归,从中得出我国总体碳排放趋势;再次,在先前回归的基础上对今后我国碳排放的峰值出现时间进行预测.研究发现:技术对峰值的影响较为重要.若经济社会发展速度较高,而碳排放强度下降速度相对较低,则不能在2050年内出现峰值.同样,若碳强度降低速度相比经济社会发展速度为快,则会推动排放提早达到峰值.按照目前发展趋势,若经济社会发展的同时保持碳排放强度合理下降,中国的峰值到达时间应为2020-2045年之间.因此,保持碳排放强度的不断下降对我国尽快出现碳排放峰值至关重要,加大清洁能源使用,减少传统能源消耗应是今后的重点工作任务.【期刊名称】《中国人口·资源与环境》【年(卷),期】2010(020)012【总页数】6页(P10-15)【关键词】STIRPAT模型;碳排放;峰值预测【作者】渠慎宁;郭朝先【作者单位】中国社会科学院研究生院,北京,100102;中国社会科学院工业经济研究所,北京,100836;中国社会科学院工业经济研究所,北京,100836【正文语种】中文【中图分类】F206针对目前国内关于中国碳排放峰值预测的研究相对较少,学者们主要依托环境库兹涅茨曲线(EKC曲线)对其进行预估的现状[1],本文利用STIRPAT模型对未来中国碳排放峰值进行了相关预测。
IPAT恒等式是研究能源经济和碳排放峰值的重要方法之一。
IPAT恒等式最早由Enrlich与Holden于1971年提出,反映人口对环境压力的影响。
该方程将环境影响和人口规模、人均财富以及对环境毁坏的技术水平联系起来,建立4者之间的恒等式“IMPACT(I)=POPULATION(P)×AFFLUENCE(A)×TECHNOLOGY(T)”。
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 using)
指导教师：**老师英文文献翻译环工** **）指导教师签名时间：利用STIRPAT方法分析CO2排放影响因子摘要本文应用STIRPAT模型，分析了在1975~2000年间，人口、富裕度和科技因素对处于不同收入阶段国家总碳排放量的影响。
我们的结果表明，在全球水平上经济增长对于二氧化排放影响最大，而15到64岁人口产生的影响最小。
对于高收入地区来说，这部分的人口（15岁到64岁）对二氧化碳排放起着减低的作用，但是在其他收入水平地区就是起着增大二氧化碳排放负担的作用。
这个问题或许解释了在“I=PABT”中“B”的重要性，这就意味着人们不同行为会很大程度上影响环境的变化。
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[1]。
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[2][3][4][5][6]，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[7]。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Journal of Low Carbon Economy 低碳经济, 2020, 9(2), 100-110Published Online May 2020 in Hans. /journal/jlcehttps:///10.12677/jlce.2020.92011Influencing Factors and Peak Values ofCarbon Emission Based on STIRPAT Model—Taking Shandong Province as an ExampleZhenyue Fan, Mengzhen Zhao, Weifeng Gong, Chuanhui WangSchool of Economics, Qufu Normal University School, Rizhao ShandongReceived: Apr. 19th, 2020; accepted: May 11th, 2020; published: May 18th, 2020AbstractBased on the population, GDP per capita, energy intensity, energy structure, level of foreign in-vestment, urbanization level, and industrial structure from 2000 to 2017, this paper constructed an improved STIRPAT model and analyzed the relationship between total carbon emissions and various influencing factors using the ridge regression. And on this basis, through the scenario analysis method, for different scenarios, Shandong Province predicted the time to reach the peak of carbon emissions. The research results show that population size, GDP per capita, energy structure, level of foreign investment, urbanization level, and industrial structure have a positive correlation with the carbon emissions of Shandong Province, but there are differences in the im-pact of each. The energy intensity has a negative correlation with carbon emissions. According to the scenario analysis of the STIRPAT model, it is predicted that about 75% of the probability of Shandong Province will reach the target of peak carbon emissions by 2030. Finally, in light of the above analysis, it proposes to adjust the energy structure, promote technological innovation, and promote energy-saving emission reduction measures.KeywordsCarbon Emission, Peak, STIRPAT Model基于STIRPAT模型的碳排放影响因素及峰值研究——以山东省为例范振月，赵梦真，公维凤，王传会曲阜师范大学经济学院，山东日照范振月 等收稿日期：2020年4月19日；录用日期：2020年5月11日；发布日期：2020年5月18日摘 要本文基于2000~2017年的人口数量、人均GDP 、能源强度、能源结构、外商投资水平、城镇化水平以及产业结构的情况，构建了改进后的STIRPAT 模型，运用岭回归估计方法，分析碳排放总量与各影响因素之间的关系。
并在此基础上，通过情景分析法，对于不同情景下，山东省达到碳排放峰值的时间进行了预测。
研究结果表明，人口规模、人均GDP 、能源结构、外商投资水平、城镇化水平以及产业结构等影响因素于山东省的碳排放量皆存在正相关的关系，但每个的影响程度存在着差异。
而能源强度与碳排放量呈现负相关的关系。
根据STIRPAT 模型的情景分析，预测出山东省大约有75%的概率会在2030年之前达到碳排放峰值的目标。
最后鉴于上述分析，提出了调整能源结构、促进技术创新、提倡节能减排等相应的节能减排对策。
关键词碳排放，峰值，STIRPAT 模型Copyright © 2020 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言中国不仅是世界上经济发展最为迅速的国家之一，而且其碳排放量也位居世界前列，而碳排放增多所引起的环境问题急需国家制定相应的政策法规，但这不仅只是要从国家层面上采取相应措施，各地区也应该在稳步推进自身发展的同时全面考虑如何防止碳排放量增长的政策，这样才能既满足当前经济水平持续发展的需要，又能实现低碳可持续发展的要求。
全世界各个国家在减缓气候恶劣变化，推动经济朝向低碳可持续方向发展方面都在做出积极响应。
中国作为发展速度最快的国家之一，在国民经济快速增长的同时，中国的能源消耗量所引起的碳排放量也位居世界前列。
为了应对碳排放引起的气候问题，中国提出了很多相关的、有针对性的战略及方针政策。
党的“十九大”报告指出，“美丽中国”已成为中华民族追求的新目标。
各级政府和企业应该主动采取节能减排、发展可再生能源、增加森林碳汇、建立全国碳排放权交易市场、完善气候变化立法的措施来应对新目标的要求。
在这五年来，实践绿色发展观，改善生态环境，建设美丽中国，是中国为世界带来的重大贡献。
并且中国还积极参与了国际治理活动，在《巴黎协定》框架下，中国提出了国家自主贡献的四大排放要比2005年下降60%至65%。
针对我们国家的总体目标，我国各个省、直辖市以及自治区等都相应提出了各地方的节能减排政策措施。
本文以山东省作为研究对象，在2016年，为响应国家发展和改革委员会向各省发布的减排目标，相应制定了《山东省“十三五”节能减排综合工作方案》来应对我省的碳排放现状。
因此，找出影响山东省碳排放量的影响因素，预测山东省碳排放未来发展趋势，研究其峰值出现的时间等一系列的问题刻不容缓。
范振月等2. 文献综述研究碳排放问题涉及了许多研究方法与相关模型，国内外有许多学者运用不同的方法对其进行了深入的研究。
本文梳理了大量国内外学者的研究成果之后发现，现有研究主要是从STIRPAT模型和结构分解法等方法进行的。
在STIRPAT模型及IPAT模型的应用方面，从最初的，研究人口因素对环境影响的过程中广泛应用的Ehrlich和Holdren共同创建的IPAT方程，其主要作用为在保持其他因素不变的情况下，只需更改其中一个因素即可分析问题[1]。
日本学者杨毅提出将IPAT模型应用于温室气体排放的因素研究上来。
然而，国外学者约克却发现IPAT模型存在着不足点：在IPAT模型中如果其他各个变量保持不变，只改变其中一个变量时，从而最后导致该变量只能是所求因变量的等比例值[1] [2]。
为了克服IPAT的缺点，Leontief和Ford 首先提出使用SDA方法解决环境问题。
该方法可以用于测量各种因素对环境的各种直接或间接的影响[2]。
对IPAT模型的拓展，得到的非线性的STIRPAT模型，近几年国内外学者对于此方法的应用也较多。
比如渠慎宁等人采用STIRPAT模型研究了我国碳排放峰值问题[3]。
郭运动等也运用了STIRPAT模型研究出影响上海市碳排放量的因素包括人口数量及其城市化速度[4]。
李旭东等人通过构建修正的STIRPAT 模型，采用情景分析方法，预测了贵州省出现碳排放峰值的时间[5]。
刘晓燕也是运用的STIRPAT模型分析我国工业碳排放的影响因素，其结果表明：对碳排放规模和碳排放的强度能够产生促进作用的有煤炭消费所占比重，而对其产生抑制作用的是研发强度和能源效率；特别的是，固定资产投资对两者的作用是反方向的，其对碳排放规模起到促进作用，但是抑制了碳排放强度[6]。
此外，国内外还有许多学者研究碳排放问题使用结构分解分析的方法。
如林伯强等使用LIMI方法来分解影响二氧化碳排放的因素，他们的研究结论为，对二氧化碳的排放量能产生显著影响的因素为人均收入和能源强度这两个方面[7]。
冯宗宪等人采用的是投入产出法结构分解模型来分析碳排放影响因素，并采用情景分析法预测了陕西省碳排放峰值出现的时间[8]。
付云鹏、马树才以及宋琪等人进行了基于LMDI的中国碳排放影响因素研究，结果显示：不同影响因素对碳排放的影响是不同的，如经济发展水平、能源结构以及人口数量对碳排放量的增加起到促进作用，而能源强度和产业结构对碳排放的增长却是起到抑制作用[9]。
郭朝先也是在使用LMDI结果分解法分别从产业和地区两个层面对我国从1995至2007年的碳排放影响因素进行分析，他的研究结果发现：国内生产总值的持续增长将会导致国家排放量的持续上涨，遏制碳排放增长的一种方法为提高能源效率[10]。
刘益平等人进行了基于LMDI方法的江苏省工业碳排放的影响因素分析，研究结果表明，能源强度和能源技术强度对碳排放产生阻碍作用[11]。
林金钱(2016)运用LMDI分解法探究了广东省碳排放影响因素与峰值预测分析[12]。
宋敏、郭清卉运用LMDI 分解分析法对陕西省能源消费的碳排放影响因素进行了研究分析[13]。
综上所述，对于碳排放这一问题的研究成果有很多不同，然而碳排放峰值预测的结果大约出现在2030年前后。
本文山东省为例，运用STIRPAT模型分析影响山东省碳排放的影响因素，测算山东省碳排放未来发展趋势，预测碳排放峰值在不同情景下的出现时间，根据分析结果为山东省提出各种节能减排的有效措施。