江苏碳排放的数量测算及其影响因素--基于改进STIRPAT模型的计量检验
基于STIRPAT模型研究南京碳排放的影响因素
基于STIRPAT模型研究南京碳排放的影响因素作者：孙洁王鹏飞来源：《物流科技》2022年第02期摘要：在巴黎气候变化大会上，中国政府提出了“2030年左右实现碳达峰，并争取尽快实现”的新阶段目标。
城市是能源资源消耗和CO2排放的集聚区域，城市化产生的碳排放是当今中国影响气候变化的重要因素。
文章采用南京1997～2017年21年数据，从人口规模、财富水平、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力七个方面选取更符合南京国情的社会经济变量建立STIRPAT模型，研究影响南京市碳排放的主要因素。
结果表明：人口总量和城市化率是影响南京碳排放的主要因素。
关键词：STIRPAT模型;低碳发展;南京中图分类号：F259.27 文献标识码：AAbstract： The Chinese government at the Paris climate change conference proposed a new phase goal of“achieving the peak of carbon emissions around 2030 and striving to reach the peak assoon as possible”. Ci ties are the gathering areas of energy resources consumption and carbon dioxide emissions. Carbon dioxide produced by urbanization is an important factor affecting climate change in China. Based on Nanjing's data from 1997～2017， this paper selects the socio-economic variables more in line with Nanjing's situation from the seven dimensions of population size， wealth level，urbanization level， technological level， industrial structure， international trade level and scientific and technological innovation ability to establish a STIRPAT model， explores the main factors affecting Nanjing's carbon emissions.Key words： STIRPAT model; low carbon development; Nanjing中国的CO2排放量居全球首位，并在2017年达到全球CO2排放的27%。
基于STIRPAT模型的江苏省碳排放影响因素与碳达峰预测研究——以工业领域为例
DOI:10.19995/10-1617/F7.2024.06.146基于STIRPAT模型的江苏省碳排放影响因素与碳达峰预测研究——以工业领域为例周带华1 马婷婷2 李强3 朱宾4(1.江苏碳测低碳研究院有限公司 江苏徐州 221001；2.中国矿业大学资源与地球科学学院 江苏徐州 221116；3.徐州市自然资源和规划局生态修复处 江苏徐州 221018；4.徐州市土地储备中心 江苏徐州 221018)摘 要：工业领域碳减排是实现“双碳”目标的关键任务，江苏省作为我国的工业大省，开展工业领域碳排放因素分析与情景预测研究，实现工业绿色低碳发展具有重要意义。
为达成江苏省工业领域碳减排目标，本文根据IPCC公式法核算2005—2018年江苏省工业能源相关碳排放量，在系统分析其工业碳排放时空演变特征的基础上，通过构建扩展的STIRPAT模型，分析江苏省工业碳排放主导驱动力，并预测江苏省工业碳达峰的时间和峰值，以供参考。
研究结果表明：(1)2005—2018年江苏省工业碳排放量持续增长，但排放强度不断下降，空间分布呈苏南高于苏北；(2)煤炭仍占据工业化石能源消费的主体地位；(3)人口和经济发展仍然是影响工业碳排放的主导因素，通过情景模拟计算，本文认为江苏省工业要想率先实现碳达峰，应选取更加绿色稳健的经济增长模式 。
关键词：工业碳排放；双碳目标；主导驱动；STIRPAT模型；碳达峰预测；能源消费本文索引：周带华,马婷婷,李强,等.基于STIRPAT模型的江苏省碳排放影响因素与碳达峰预测研究[J].商展经济,2024(06):146-150.中图分类号：F127；F207 文献标识码：A改革开放以来，我国经济一直保持着持续、快速的发展态势，但粗放式的经济发展模式带来的环境问题日益凸显。
当前，我国已成为世界最大的碳排放国[1]，CO2排放导致的气候变暖已影响到人类自身安全，特别是工业作为二氧化碳的重要排放源，已成为学术界关注的焦点[2-3]。
江苏农业碳排放测度及影响因素分析
江苏农业碳排放测度及影响因素分析作者：陶爱祥来源：《中国集体经济》2015年第33期摘要：文章采用投入视角，对江苏省近年来的农业碳排放量进行了测算。
然后总结了学者们在农业碳排放影响因素方面的研究成果。
最后运用灰色关联分析法对影响江苏农业碳排放的因素进行了分析，并提出了相应的对策。
关键词：江苏;农业碳排放;影响因素一、农业碳排放影响因素方面的研究成果综述张勇等利用kara恒等式模型对农业碳排放影响因素进行分析，结果表明，农业碳排放影响因素主要有：农业经济发展水平、结构因素、效率因素、劳动力规模因素。
张小平和王龙飞以甘肃省为例，研究影响农业碳排放的因素。
结果表明，农业经济发展水平和劳动力因素对农业碳排放的影响是正向的，而生产效率和产业结构因素则对碳排放有抑制作用。
刘立平的研究结果表明，效率因素、结构因素和劳动力因素对农业碳排放有抑制作用，而农业经济发展水平是农业碳排放的主要影响因素。
李小强和杨果认为，影响农业碳排放的主要因素有：农业生产资料消耗量、农业劳动力素质、生产效率、农业碳排放强度、农业生产规模。
尧波等认为，生产效率、农业生产结构、劳动力因素、农业经济发展水平、相关政策是影响农业碳排放的主要因素。
庞丽将影响农业碳排放的因素归结为：农业经济发展水平、农业能源利用效率、农业内部结构的优化、农业劳动力转移。
杨均研究表明，农业从业人口和农业机械化水平的提高对农业碳排放有正向影响，而农村人力资本积累有助于减少农业碳排放。
本文运用灰色关联分析法，定量研究江苏农业碳排放和各个影响因素之间的关系。
为政府部门进行农业碳减排方面决策提供有益参考。
二、江苏农业碳排放量的测算要分析影响江苏农业碳排放量的因素，先要计算出江苏省农业碳排放量。
本文采用投入视角计算江苏省农业碳排放数量。
从投入视角来看，农业碳排放主要来自于六个方面要素的使用：化肥施用;农药施用;农膜使用;柴油使用;土地翻耕;土地灌溉。
碳排放估算公式为：C=∑Ci=∑Ci×△i ; ; ; ; ; ; ;（1）其中Ci表示各个碳源量，△i表示碳源排放系数。
基于扩展的STIRPAT模型的中国碳排放强度影响因素研究
江苏省设区市尺度的碳排放核算及影响因素研究
江苏省设区市尺度的碳排放核算及影响因素研究费杰1，杨孟1*，张惠玉1，杨轩一2，徐亢1，刁一伟2，吴丹1（1.无锡学院环境工程学院，江苏无锡214105；2.无锡学院大气与遥感学院，江苏无锡214105）摘要：本文利用联合国政府间气候变化专门委员会（intergovernmental panel on climate change ，IPCC ）清单法核算了江苏省13个设区市1999—2020年的碳排放量，并利用可拓展随机性环境影响评估模型（stochastic impacts by regression on population,affluence,and technology ；STIRPAT ）分析经济、人口、能源强度和能源结构对碳排放的影响。
各设区市的碳排放存在较大差异，淮安的年均碳排放量（3.00×107t CO 2）处于中游水平，苏州具有最大的年均碳排放量，约为淮安的5倍。
2020年，宿迁、常州和盐城的碳排放量同比增加，其他城市的碳排放量同比下降或者零增长，其中，淮安、扬州、泰州、南通和徐州的碳排放量持续下降。
STIRPAT 模型拟合结果表明：（1）碳排放与人口的关系具有地区差异，苏南城市的人口与碳排放均为显著正相关，南通、徐州和泰州则为显著负相关；（2）人均GDP 、第二产业占比、能源强度（单位GDP 能耗）以及能源结构（原煤占一次能源消费比重）与碳排放总量具有显著的正相关关系，可通过优化产业结构、降低能源强度和优化能源结构降低江苏省的碳排放量。
关键词：STIRPAT 模型；人口；人均GDP ；能源强度与结构中图分类号：X831文献标志码：A文章编号：2096-2347（2023）02-0026-10收稿日期：2022-11-16基金项目：江苏省环境监测科研基金项目（NO2110）。
作者简介：费杰，主要从事空间统计、环境规划研究。
E-mail:*通信作者：杨孟，博士，主要从事空间统计、环境规划与管理研究。
基于STIRPAT_模型的江苏省碳达峰峰值研究与对策建议
Science and Technology & Innovation｜科技与创新2024年第07期DOI：10.15913/ki.kjycx.2024.07.043基于STIRPAT模型的江苏省碳达峰峰值研究与对策建议邱月，陈红喜（南京工业大学经济与管理学院，江苏南京211816）摘要：运用扩展的STIRPAT模型探究江苏省碳达峰各影响因素的影响程度及碳达峰路径。
岭回归结果表明，人口、城镇化率、人均GDP、能源结构、能源强度、产业结构对江苏省二氧化碳排放均存在正向影响。
通过情景模拟发现，江苏省可以在2030年实现碳达峰，峰值排放量为7.74亿～7.90亿t。
江苏省需从优化产业结构、完善相关配套政策、优化能源结构等方面保障2030年碳达峰目标的实现。
关键词：能源消费；STIRPAT模型；碳达峰；情景分析中图分类号： X321 文献标志码：A 文章编号：2095-6835（2024）07-0151-032020-09-22，国家主席习近平在第75届联合国大会上首次提出中国碳达峰、碳中和的“30/60”目标。
随后在2021-03-15召开的中央财经委员会第九次会议上再次强调，该目标是一场广泛而深刻的经济社会系统性变革，要将其纳入生态文明建设整体布局。
随着中国碳达峰、碳中和目标的提出，关于该目标的研究也逐渐丰富完善。
目前大多数的专家学者的研究都是从国家整体层面出发，对于区域和单个省份的达峰中和的方法与路径研究相对而言并不是特别丰富。
从国家整体目标实现角度来看，赵明轩等（2021）[1]、GREEN & STERN（2017）[2]通过建立相关研究模型设立不同情景，对中国碳达峰时间进行预测，得出在合理有效的政策情境下，中国在2030年前达到碳排放峰值是可实现的。
当然也有学者认为中国在2030年前无法实现碳达峰，朱永彬等（2009）[3]在早期的研究中通过合理的分析和预测认为在当时的各方面条件下中国碳排放峰值应出现在2040年或2043年。
江苏省碳排放清单测算及减排潜力分析
江苏省碳排放清单测算及减排潜力分析赵荣钦;黄贤金;高珊;赵志凌【摘要】基于省域层面,构建了碳排放清单的核算框架和计算方法.以江苏省为例,对2000-2010年的碳排放清单进行了全面测算,并对江苏省碳减排潜力进行了情景分析.江苏省碳排放总量从2000年的8 005.29万t上升到2010年的20 888.88万t,涨幅为160％,其中工业能源消费碳排放占86％；江苏省单位GDP碳排放强度呈波动下降趋势,从2000年的0.94t/万元下降到2010年的0.71t/万元,降幅达24％；人均碳排放则呈逐年增长态势,从1.09t/a增长到2.69t/a；在低碳情景下,江苏省2015年和2020年碳减排量分别为4 930.75万t和16 101.13万t,碳减排比例分别达15％和29％；在江苏省“十二五”低碳经济规划中,应重点加强工业能源与交通能源消耗、垃圾焚烧与填埋等部门的碳减排力度,切实降低区域碳排放强度,为低碳经济发展提供技术支撑和示范效应.【期刊名称】《地域研究与开发》【年(卷),期】2013(032)002【总页数】7页(P109-115)【关键词】碳排放;测算;碳减排;潜力;江苏省【作者】赵荣钦;黄贤金;高珊;赵志凌【作者单位】华北水利水电学院资源与环境学院,郑州450011;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093;南京大学地理与海洋科学学院,南京210093【正文语种】中文【中图分类】F062.10 引言低碳经济的概念最早出现于2003年英国的《能源白皮书》中，认为低碳经济是通过较少的自然资源消耗和环境污染，获得较多的经济产出［1］，其实质是提高能源效率和清洁能源结构，核心是能源技术创新和制度创新［2］。
近年来国内外关于低碳经济学术研究也逐渐展开。
如Kawase采用改进的kaya恒等式对碳排放进行了因素分解研究，并对不同国家的碳减排目标进行了情景预测［3］;Shimada 建立了区域尺度上低碳情景分析的方法［4］;庄贵阳对我国低碳发展的可能途径与潜力进行了分析［5-6］;温宗国针对低碳发展措施对我国经济可持续发展的影响进行了情景分析［7］;魏一鸣等对我国能源消费碳排放、不同发展水平对碳排放的影响及碳减排技术等进行了较为深入的研究［8］;中科院可持续发展战略研究组对中国低碳发展情景和发展战略对策进行了分析［9］。
江苏苏州碳排放演化特征及影响因素分析
2020年9月，我国明确提出2030年“碳达峰”与2060年“碳中和”目标。
苏州作为我国内地最强地级市，在高能耗、环境负担重的现状下实现低碳转型面临巨大困境。
为积极稳妥地推进“双碳”目标，苏州市政府制定印发《关于加快转变发展方式做好碳达峰碳中和工作的实施意见》，提出2030年前达到目标。
本文以苏州为研究对象，核算其在2011—2021年能源消费引起的碳排放，采用因素分解法分析苏州碳排放变动趋势及影响因素，探讨时间性差异，基于上述制订相关政策。
1 文献综述如今，碳排放已成为国际学者与低碳减排学界的研究热题，影响碳排放的因素研究有分解与分析方法体系和回归分析方法体系两种。
一是分解与分析方法体系。
通过构建碳排放恒等式，采用因素分解法分析影响碳排放的原因。
其中，对数平均迪氏指数分解法(LMDI)是广泛使用的分解法，可在时空双维度展开分析研究，有效对各因素解析。
从空间上来看，我国学者大多聚焦碳排放负载较大、经济较发达地区，如北京、上海等，通过能源消费数据对碳排放驱动因子进行分析。
林晓洁等(2022)利用LMDI对香港地区能源消费演变趋势进行研究；姚永玲(2011)对北京市能源碳排放因素分解分析；孙燕燕(2020)对上海市旅游碳排放效应分解进行研究；杨燕、武戈(2013)基于南京市和苏州市比较分析，研究长三角城市工业碳排放因素分解模型。
从时间上来看，孙冬营等(2023)利用LMDI方法探究城市生活用水量变化的驱动效应；纪义虎等(2022)通过LMDI因素分解法分析了沁河流域近20年碳排放增速变化趋势；宋辉等(2019)借助对数平均迪氏指数因素分解法，研究产业节能效应；张鸿武等(2016)从时间维度对工业碳减排技术效应进行研究；韩钰铃、刘益平(2018)基于LMDI探究在时间维度下区域碳排放中各驱动因子的贡献度。
二是回归分析方法。
以计量经济学为基础，系统评估分析对象，其中IPAT和STIRPAT两大模型应用最为广泛。
- 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)。
江苏碳排放的数量测算及其影响因素--基于改进STIRPAT模型的计量检验林珊珊【摘要】文章从时间和行业两大维度测算了江苏碳排放的数量特征及其演进规律，在此基础上借助理论分析框架，运用改进的STIRPAT模型，基于江苏1990-2013年的时间序列数据对各变量间的关系进行了计量检验。
实证结果显示：碳排放量与技术进步、经济增长及人口变动之间存在协整关系，技术进步对江苏碳排放的抑制作用不显著，而经济增长和人口变动在这方面的作用较显著。
江苏应以技术进步为主要抓手，营造较好的产业平台与制度环境，以全方位推动低碳技术创新和应用。
为了减少碳排放，江苏应该加大科技投入，促进低碳技术创新；应该改变能源结构，提高能源利用效率；应该借鉴先进经验，推进企业商业模式创新。
%This paper estimates the number and evolution of carbon dioxide emissions in Jiangsu province from the dimensions of time and space Based on the carbon dioxide emissions from 1990 to 2013 of Jiangsu, this paper discusses the influencing factors within the framework of STIRPAT model, and then conducts empirical studies. The results reveal that technology cannot reduce carbon dioxide emissions, while economic growth and population size increase such emis-sions.These findings suggest that the main starting point is to promote technological progress, to create a good institutional environment and industry platform, and to advocate the innovation and application of low-carbon technologies. Besides, greater technological investment should be put in the creation of low-carbon technology, the energy structure should be changed, and advancedexperience should be borrowed, so as to reduce the emission of carbon dioxide remarkably.【期刊名称】《南通大学学报（社会科学版）》【年(卷),期】2015(000)004【总页数】8页(P9-16)【关键词】碳排放;STIRPAT模型;技术进步;经济增长【作者】林珊珊【作者单位】南通大学商学院，江苏南通 226019【正文语种】中文【中图分类】F427.53;X701一国（地区）碳排放主要来自两个方面，一是自然界生化活动产生的二氧化碳，一是人类活动产生的二氧化碳。
本研究中的碳排放量是指人类活动产生的二氧化碳排放量。
目前统计年鉴中没有各省的监测数据，只能根据能源消费数据和相关的转换系数计算出每年的碳排放量。
随着技术的进步，不断涌现出节能环保的新能源，比如太阳能、风能、潮汐能等。
对历年统计年鉴数据的整理发现，煤炭、石油、天然气这三类传统能源占江苏当年能源消费总量的97%以上。
因此，笔者根据这三类能源代表江苏能源消费的特征，建立的碳排放估算公式为：式（1）中，I表示江苏能源消费的碳排放量，Ec、Ep、En分别表示煤炭、石油、天然气这三种传统能源消耗的标准煤数量，δc、δp、δn分别表示煤炭、石油、天然气这三种传统能源消耗的碳排放转换系数，并一致采用几个权威部门（DOE/EIA、日本能源经济研究所和国家科委气候变化项目研究组）能源转换系数的平均值。
根据公式（1），计算并整理出江苏碳排放相关结果如下表1所示。
从表1可以看出，江苏能源消费碳排放量具有明显的阶段性特征。
1990-2002年江苏碳排放量缓慢增长，1997-2000年甚至出现缓慢下降，这12年间为平稳增长阶段，年均增长率仅为3.89%。
2002-2013年进入碳排放增长的快车道，碳排放量几乎每三年增长1000万吨，这11年间为快速增长阶段，年均增长率为13.35%。
图1能更直观地反映江苏能源消费碳排放总量与三大产业碳排放量的变化。
第二产业碳排放增长与江苏能源消费碳排放总量增长的变化一致。
自1994年以来，第二产业的碳排放量占江苏碳排放总量的80%以上，其中工业碳排放占第二产业碳排放的98%以上。
这表明江苏碳排放量主要来自工业。
第一产业的碳排放量最低且最稳定，仅占碳排放总量的2%左右，第三产业的碳排放量增速较慢，比重由1990年的21%下降为2005年的11%，后又缓慢上升为2013年的15.6%。
1990-2002年间，碳排放的变化较为平稳，表明当时的碳排放政策能够有效抑制碳排放，亦或是能源消费导致的碳排放量尚在资源环境的可承受范围之内。
2002年以后碳排放总量迅速增长，主要源于第二产业碳排放量的增加。
2010年以来第二产业的碳排放量增速有所放缓，第三产业增速明显加快，二者的共同作用使得碳排放总量的增速依然较快。
从图2来看，23年来，江苏能源消费碳排放量的弹性变化幅度较大，表明江苏单位GDP的碳排放量波动较大，特别是1998-2003年间，碳排放弹性由最低点的-0.59增长至最高点的1.23。
究其原因，主要是1997年以来江苏碳排放量开始下降，且降幅较大，最大降幅为5.5%，之后碳排放量迅速增加，2003年碳排放量增幅达到17.3%；与此同时，GDP总量的增长率相对平稳，五年间维持在10%-11%之间小幅波动。
江苏的人均碳排放量稳步增长，碳排放强度逐年下降，表明江苏的能源消费效率不断提高。
但21世纪以来，由于碳排放量的迅速增加和GDP增速的放缓，能源强度下降的幅度也有所放缓。
2003年，江苏的能源强度与人均碳排放量均为0.49，自2004年起，其人均碳排放量首次超过碳排放强度，且其增长速度明显快于能源强度下降的幅度。
这也在一定程度上表明，2003年以来江苏的碳减排政策并不能有效抑制能源消费的碳排放量，亦或是碳排放量的增长超过了经济增长的速度以及环境的承载力。
为进一步研究江苏碳排放量的发展变化，笔者在测算碳排放量及其发展现状的基础上，结合已有的研究成果，以改进的STIRPAT模型为基础，实证研究江苏碳排放的影响因素并计量其影响效果，提炼出减排对策，以便为实现江苏的节能减排提供政策参考。
（一）碳排放的影响因素探析关于碳排放影响因素的研究主要集中于经济增长、技术进步、人口变动等方面。
著名的EKC理论认为，随着经济增长，碳排放量不断增加，但当经济发展到一定程度时，经济增长则导致碳排放量减少[2]。
国内学者认为经济增长是我国碳排放增长的最大驱动因素[3-5]。
尽管我国学者从理论上强调技术进步对降低碳排放的推动作用，但在现实中技术进步是否降低了我国的碳排放及其影响效果却存在分歧。
[6-7]人口增长是全球碳排放量上升的主要原因[8]。
且相对于人口规模，人口的结构特征对碳排放量的影响越来越大[9]。
目前大多数研究围绕经济增长与碳排放或技术进步或人口变化对碳排放的影响，即仅局限于一个或两个要素对碳排放的影响而展开，而很少把诸多因素放在一个综合的模型中加以考察。
事实上，经济增长、技术进步及人口规模均对碳排放产生影响，将这三个碳排放的主要影响因素综合考虑更具实践指导意义。
此外，在研究区域的选择上，由于我国各地区的经济及技术发展水平、基础条件等还存在一定差异，影响碳排放的因素也就不尽相同，而且区域间的碳排放转移现象层出不穷。
因此，研究的空间尺度越小，就越能全面真实地反映碳排放状况。
（二）指标设计、模型构建与数据处理学者Ehrlich首次提出通过“I=PAT”方程反映人口规模、经济增长、技术进步对碳排放的影响[10]，但该方程只能通过改变一个因素，同时必须保持其他因素固定不变来分析问题。
然而，技术进步、经济增长及人口规模对碳排放量的影响不可能产生同比例的变化。
因此，York采用该模型的变通形式即STIRPAT模型分析这些因素对碳排放的影响[11]，即研究的模型设计借鉴York的STIRPAT模型并加以变通，在采用面板数据进行分析时，运用对数形式，这样既可以降低异方差，又可以直接得到每一个变量的弹性即影响系数。
同时考虑到环境变量的滞后性，即当年的碳排放会影响到以后年份的环境质量，故增加一个因变量的滞后项，构建的模型如下：式（2）中，β1、β2、β3、β4分别表示技术进步、人均财富、人口规模及上一年度碳排放量对本年度碳排放的影响。
式（2）中的字母T代表碳排放强度，通过计算当年的碳排放量与经济总量的比值来表示，即I/GDP，该指标可以反映技术进步对碳排放的影响。
技术进步水平越高，碳排放强度越低，其能源效率越高，产生的二氧化碳排放量相对越少。
反映技术进步的指标很多，比如最早的CD生产函数（即索洛余值法）、研究与发展经费投入（R&D）、专利技术、知识产权等，但在具体的计算及数据获取中往往存在资料不足的问题。
本文研究的是技术进步对碳排放的影响，基于STIRPAT模型，反映技术进步的指标只能用I/ GDP即碳排放强度来表示。
从目前已发表的论文来看，基于STIRPAT这一模型的研究，均以I/GDP表示技术进步水平。
碳排放强度的单位为吨/元。
式（2）中的字母A表示人均财富，可以用人均GDP来测算，用以衡量经济水平对碳排放的影响，为了剔除价格变动的影响，GDP采用1990年不变价格折算，单位为元/人。
式（2）中的字母P表示人口规模，用江苏省的总人口表示，单位为万人。
值得注意的是由于“碳锁定”效应的存在，当年的碳排放不仅影响当年的环境质量，还对以后几年的碳排放产生影响。
研究用β4衡量碳排放的滞后影响，即上一年度的碳排放量对当年碳排放量的影响效果。
因此，如果β4＞0，则表明上一年的碳排放对当年的碳排放有正向影响作用，即存在路径依赖现象，并且可根据回归结果计算出碳排放调整到均衡状态所需要的时间为1/β4。
显然，β4越小表示以往年份的碳排放对以后年份的碳排放影响越深远，碳锁定效应越明显，碳排放的惯性作用越强，碳排放的路径依赖现象越严重，需要调整到均衡状态所需的时间就越长，因而调整的难度就越大。