利用相关经济计量方法对城市化及其城市温度增高的协整分析.doc

分析城市化与北京城市增温的热岛效应摘要：城市增温现象和城市热岛效应对人居环境的影响日益显著,代写经济管理论文而城市化是否是城市增温现象的一个主要影响因素,为此,利用协整分析等经济计量方法研究城市化对城市增温现象的影响协整分析是近年来计量经济学发展的最新成果,能够揭示变量之间存在着的长期均衡变动关系分析发现,城市化因子与城市气候因子之间存在着协整关系长期看北京市的年平均最低温度与人口密度基本上处于同步增长状态;短期内城市气温的变动受人口和城市化因素的影响较大为此可知,北京市70年代以来,城市气温的升高基本上与城市化的发展相一致,二者具有长期协同变动的均衡关系,这些发现对我们制定减缓城市热岛效应的城市规划以及合理人口规模的城市发展战略都有很大的帮助关键词：城市化;城市增温;城市热岛效应;协整关系近100年来,全球年平均气温上升了0.6℃~0.8℃(IPCC,2001),随着全球气候的不断变暖,许多大城市的平均气温也有显著的上升趋势城市增温现象一方面来自全球气候变化的影响,另一方面是由城市人类活动的加剧造成的城市是人类社会经济活动最集中的地区,拥有大量的人口和密集的房屋建筑,在工业生产、交通运输和居民生活中会排放出大量的温室气体和烟尘,此外,城市植被稀少及城市下垫面的独特性质,都不利于热量的扩散和水份的存储,从而造成增温效应。

城市增温现象使得城市中心地区近地面温度高于周边郊区,形成了城市热岛城市热岛效应(UrbanHeat Island Effects)是城市气候最明显的特征之一,与许多国家和地区相比,由于我国城市人口众多、植被覆盖率低,使得我国的城市热岛效应尤为显著近些年来,随着我国城市化进程不断加快,城市人口密度加大,建筑物日益密集,生产和生活用能不断增加,进一步导致热岛效应范围的扩大和强度的增加城市增温现象与城市热岛的区别在于分析角度的不同,对增温现象的研究着眼于长期一定尺度下(全球、区域或特定地区)气温的动态增长趋势城市增温受到全球气候变化大背景和人类活动的双重影响城市热岛则着眼于城市中心地区与城市周边地区的气温差异,这种差异表现为热岛效应理论上,由于常以城市平均气温与郊区平均气温之差作为热岛强度指标,因此可以大致认为除去了全球(或地区)气候变化对城市增温的影响热岛强度作为甄别城市化对城市增温影响的重要指标,可以在不同气候和地理区域的城市或地区之间进行比较分析,从而对比城市增温现象给社会经济和人居环境带来的影响目前,对城市化与城市增温和城市热岛问题的研究已经从理论研究走向实证分析,本文拟用经济计量方法探讨城市化与城市增温现象之间的联系,从而为合理进行城市规划和减缓城市热岛效应提供一定的理论依据。

1　北京的城市化进程和城市增温效应北京市自70年代末以来,在改革开放政策的驱动下,经历了一个比较快速的城市化过程这一时期(1978~2003年)北京市的人口总量和人口密度增长较快,平均每年净增人口22.96万人;人口密度增长了1.3倍,城市近郊区的人口密度达到了12 526人/ km2,城市化率从54.9%增长到72.3%随着人口的增长,北京的城市建设也经历了一个快速发展阶段北京城市中心区面积从1980年的62.5km2增长到2003年的289.8km2,平均扩张速度达到9.9km2/年,到2003年末北京建成区面积已达655 km2土地利用方式的变化是形成城市热岛的重要原因自80年代以来,由于北京城市建设不断加快和人口迅速增长,形成了显著的热岛效应与郊区相比,城市中心地区的气温增长趋势更为明显1960-2000年,北京郊区的增温速率达到0. 04℃/10a,城市中心区的增温率为0.35℃/10a,城市热岛强度的增温率为0.31℃/10a (林学椿等,2005)根据卫星遥感的北京地表亮温分布图,可以看出北京夜间城区的地表亮温要比郊区平原地区高3℃~4℃(郑祚芳等,2005)根据北京城市气象所的研究,北京近百年增温约为0.77℃/100a(谢庄,2005);1951-2003年的年平均气温增温率达0.35℃/10a(见图1);此外,北京增温的特点是最低气温的增长远大于最高气温的增长,年平均气温日较差呈明显的下降趋势;从50多年来北京热岛的年际变化也可以看出,北京的城市热岛也呈现上升趋势(谢庄,2005)。

　　国外很早就发现了人口和城市规模与城市热岛效应之间的相关性(Oke,1982)近年来由于我国城市化进程不断加快引发许多城市生态问题,加之又面临着全球气候变化的影响,因而城市增温和城市热岛效应也成为人们日益关注的环境问题之一对北京城市热岛效应成因的研究表明,北京城市热岛效应的加剧与近些年来城市化进程及城市建设的快速发展有关,在一些人口和工业密集地区更容易形成热岛(季崇萍等,2003;徐祥德,2004;郑祚芳等,2004)林学椿等(2005)研究了北京城市化进程对热岛效应的影响,发现一些城市化指标与热岛强度有很高的相关性北京城市气象所的一项研究表明,除了气候系统的自然变化,城市化带来的热岛效应也是导致局地增暖的主要因子(郑祚芳等,2005)虽然国内对城市热岛和城市增温的成因也有一些研究,但是很少从经济学角度对这一问题作出分析经济学领域对城市化水平的研究主要关注的是人口的非农化和工业化,在我国,城市化最为广泛和直接的测度是人口的城市化率,即非农人口占总人口的比例由于经济发展、人口集聚与城市化和城市扩张的过程总是伴生在一起并互相影响,因此,我们可以采用城市化率作为测度北京城市化水平的指标来分析城市化进程对城市增温效应的影响;同时,考虑到人口数量和城市规模等因素对城市增温的显著影响,可以将人口密度也作为一些城市气候变化的重要因素。

本文采用了协整分析方法验证城市化因素与北京城市增温现象的联系,并得到了一些初步的结论2　数据搜集与变量选择本研究选用的资料包括北京市统计局公布的1970-2003年北京市社会经济统计资料,以及由北京市气候中心和北京城市气象所整理提供的北京地区气温资料(1970-2003)之所以选择年平均最低气温,是因为在城市增温现象中,年平均最低气温的增长趋势受到城市化的影响最为显著,而年平均最高气温则增长不明显度日(degree days)最初是用来反映农作物生长中所需热量水平的物理单位,作为一个能够反映供暖和制冷所需能源的时间温度指数,近些年被广泛用在气候变化和能源需求的研究领域年加热度日(heating degreedays,以下简称HDD)是指每年冷季(本文采用当年的1~4月和9~12月值)日平均温度低于某一特定阈值的温度与该阈值之差的累计值;年制冷度日(cooling degreedays,以下简称CDD)是指每年暖季(5~9月)日平均气温高于某一阈值温度与该阈值之差的累计值,因此CDD是暖季中高温程度的一种描述,也是暖季中用于空调制冷的能源消耗的一个定量估计谢庄等人取18℃作为北京的阈值温度,计算出了北京近50年来北京的年加热度日指数,其多年变化存在明显的下降趋势,年制冷度日则呈现上升趋势,但其幅度比年加热度日小(见图2)(谢庄等,2005)。

　因此,HDD和CDD实际上是一种反映能源需求状态的热量单位,我们将这两个温度指标同北京市年平均温度和年最低温度一起,作为分析城市化对北京增温现象的气候因子,以此来判定度日数与其他温度指标是否与城市化因子有较密切的联系下面是选取的几个城市化因子(城市化率)和气候因子(CDD、HDD、年平均温度、年平均最低温度),通过对这几个变量取对数,可以消除异方差,使得变量之间的拟合效果更好,而且回归方程中的系数反映的是解释变量与被解释变量之间的弹性关系1) lnpopdense:对数化的人口密度;(2) lnurbrate:对数化的城市人口占总人口的比例;(3) lncdd:对数化的CDD(每年需要制冷的度日数);(4) lnhdd:对数化的HDD(每年需要供暖的度日数);(5) lntemp:对数化的年平均温度;(6) lnt_min:对数化的年平均最低温度在找出变量之间的协整关系之前,我们可以先对各个因子进行相关性分析,可见人口密度和城市化率与几个气候因子的相关性都很高,相关系数都超过了0.70,其中,人口密度与最低气温的相关系数达到0.89为了避免出现虚假回归,找出城市化与城市气温之间的长期均衡关系,我们需要对这几个变量进行协整关系检验。

下面选取人口密度与年最低气温两个变量进行分析3　城市化与城市增温的协整分析协整理论(Co-integration)是近20年来最重要的计量经济学概念在经济领域,许多宏观经济变量都是非平稳的,其线形组合常常也是非平稳的传统的计量经济学由于没有检验经济变量的非平稳性,因此建立的回归分析往往是虚假回归协整关系是对非平稳经济变量之间长期均衡关系的一种统计描述,这种长期稳定的均衡关系被称为协整关系协整理论从变量之间是否具有协整关系出发选择模型的变量,使得数据基础更加稳定,统计性质更为优良协整分析通过检验非平稳变量之间是否存在平稳的线形组合关系,从而发现变量之间的协整关系协整?65?郑艳等:城市化与北京增温的协整分析单位根检验有着密切关系,如果N个时间序列存在协整关系,则非均衡误差必然是平稳的I(0)序列,反之则必然是具有一个单位根的I(1)序列因此,在检验一组时间序列的协整性或长期均衡关系之前,应该首先检验各时间序列的单整阶数如果只检验双变量的协整关系,则两个变量的单整阶数应当相同(张晓峒,2001)只有当非平稳变量之间具有协整关系时,由这些变量建立的回归模型才有意义,所以协整性检验也是区别真实回归和虚假回归的有效方法。

文章中对城市化与城市增温的协整分析采用了两变量的Engle-Granger两步法,时间序列数据为1970—2003年共34年的气候资料及社会经济资料气候资料主要由北京城市气象所整理提供,社会经济数据主要来自《北京统计年鉴》具体分析步骤如下:3.1　时间序列数据的平稳性检验由于虚假回归问题的存在,我们首先必须检验变量的非平稳性ADF单位根检验(Augmented Dickey Fuller Test)是目前最有效的序列稳定性检验工具假定序列Yt=ρYt-i+εt,(i=1,p)服从AR(p)过程,对所分析的变量进行ADF稳定性检验,用于检验的回归方程是:ΔYt=c +δT+αYt-1+β1ΔYt-1+β2ΔYt-2+. . . +βp-1ΔYt-p+1+εt(1)零假设和备择假设是:H0:ρ=0,(ADF>临界值)ΔYt非平稳;H0:ρ<0,(ADF<临界值)ΔYt平稳;方程(1)中,Yt是待检验之时间序列,c为常数项,T为时间趋势,参数p是滞后值,εt是随机误差项 如果在序列无差分情况下, ADF检验的统计值小于临界值,则序列无单位根,因此是稳定的I(0)序列;如果序列差分一次后成为平稳序列,则该序列是含有一个单位根的不稳定的I(1)过程,如果序列第二次差分后成为平稳过程,则是含有2个单位根的不稳定的I(2)序列,依此类推(易丹辉,2003)。

经过ADF检验可知,取对数的温度变量与城市化变量一阶差分之后在1%和5%的显著水平下都小于ADF单位根检验的临界值水平,这说明以下各变量都是一阶单整过程I(1),即都是具有一个单位根且在一次差分之后变为平稳序列3.2　协整关系检验通过上面的检验可以知道各变量都属于I(1)过程,因此我们可以分析对数化的人口密度与对数化的年最低温度之间的协整关系检验方法是看残差序列是否平稳,如果lnpopdense和lnt_min这两个I(1)变量生成的残差属于稳定的I(。