前言：寻找写作灵感？中文期刊网用心挑选的城镇化对碳排放的影响，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
【摘要】随着我国城镇化的发展，碳排放量也与日俱增，本文以山东省为例，首先选取碳排放量及影响城镇化发展的总人口、科技水平、人均GDP、单位能耗等指标；其次，借助SPSS统计分析软件，运用普通最小二乘法对指标数据进行多重共线性诊断，并建立岭回归模型消除多重共线性；最后，根据模型结果分析指标变量对碳排放量的影响，并据此提出相关的建议及措施。
【关键词】岭回归；城镇化；碳排放
一、引言
近年来，我国经济迅猛发展，各个省份的城镇化水平发展也大幅度提升，特别是山东省，相比改革开放时期，山东省的城镇化率在总体上提升了47.12%。城镇化的发展必然会带动人们消费水平的提高，从而在一定程度上导致碳排放量的增加，而碳排放的增加必然会引发各种环境问题。
二、研究方法
（一）数据来源与预处理
本文选用《山东省统计年鉴》（1998-2017）从环境负荷、人口数量、经济增长、技术水平四个方面搜集山东省的碳排放量I及总人口数P、城镇化水平U、单位能耗E、人均地区生产总值A等数据，并对异常值进行处理。
（二）模型的建立与求解
1.多重共线性诊断
由于在构建多元线性模型时，选取的自变量之间完全不相关的概率非常低。这种相关关系被称为数据之间的共线性问题，共线性问题会导致回归参数不稳定，增加或减少一个样本点，回归系数的估计值会发生巨大变化。因此，需对自变量之间的关系进行判断。下面借助SPSS软件，通过比较方差扩大因子法得到的VIF值的大小来判断所选数据是否有多重共线性。口P的容忍度远远小于0.1，变量P的VIF值和容忍度均表明自变量之间的相关性很强，即有严重的多重共线性。
2.岭回归分析
通过上述方差扩大因子分析结果可以得到：该模型的多重共线性未通过诊断。因此，普通最小二乘法不适合对该模型进行无偏估计。下文利用岭回归方法解决自变量之间的多重共线性问题。利用SPSS软件。同时，单位能耗E对碳排放I的影响程度远大于城镇化率U对碳排放I的影响程度，表明适当提高城镇化率U和减少单位能耗E对实现节能减排具有一定的推动作用。
三、建议
在经济快速发展的过程中，城镇化与碳排放密切联系的同时，其他方面也会产生影响碳排放的相关因素。为了降低城镇化对碳排放的影响，依据数据结果分析主要的影响因素，并对此提出相应的建议及措施。实施科技创新战略。大力推动科技创新战略，用技术弥补人口数量对碳排放的影响。创新碳吸收、处理技术，推崇有关碳治理、减少碳排放有关的政策、措施，并从改善环境出发，提高科技创新能力，充分发挥科技对治理碳排放的绝对优势。平衡经济与生态环境之间的关系。第二产业与第三产业是带动山东省经济发展的主要动力，而在第二、三产业中，高污染、高能耗的缺点尤为显著，致使山东省在经济增长与碳排放之间略显失衡。因此，应大力治理高污染、高能耗，均衡经济与环境两者之间的关系，从根本上减少高污染、高能耗现象。加强新型城镇化建设，提高城镇化水平。城镇化水平是一个地区人口分布程度、经济发展水平大小、技术水平高低的表现，因此用提高城镇化水平来带动山东省经济的发展。采取加快推进农业集中发展、创新城乡一体的发展方式来提高城镇化水平，由此来完善山东省城镇布局形态。
参考文献：
[1]赵涛,张思聪.基于STIRPAT模型的区域城市化碳排放影响因素差异分析[J].甘肃科学学报,2019,31(3).
[2]梁雪石,贾利.基于岭回归的黑龙江省城镇化对碳排放的影响分析[J].国土与自然资源研究,2015(4).
[3]关海玲,陈建成,曹文.碳排放与城市化关系的实证[J].中国人口·资源与环境,2013,23(4).
[4]何吉多.中国城市化与碳排放关系实证分析[J].西部论坛,2010,20(5).
作者:李梦茹 张春梅 杨英超