碳排放的影响因素(6篇)

碳排放的影响因素篇1

关键词：货物出口贸易隐含碳排放投入产出模型结构分解分析对数平均迪氏指数法

隐含碳排放（EmbodiedCarbonEmissions）是指某种产品在整个生产链中所排放的二氧化碳量，出口贸易隐含碳排放是指在生产出口产品的过程中所产生的二氧化碳排放量。

中国出口贸易隐含碳排放在中国碳排放总量中所占比重较大。张晓平（2009）的计算表明，2000-2006年中国每年出口商品隐含碳排放占全国总排放的比重基本在30%-35%。Yan和Yang（2010）认为，1997-2007年中国每年碳排放的10.03%-26.54%是在生产出口商品的过程中产生的。为了分析影响出口贸易隐含碳排放的原因，本文在投入产出法的基础上，利用结构分解分析（StructuralDecompositionAnalysis）模型来研究2006-2009年中国出口贸易隐含碳排放的影响因素，以便为相关部门制定减排对策提供参考和依据。

一、计算方法描述

根据全国投入产出的平衡关系，可以建立能反映各行业产品的生产与分配使用情况的投入产出模型:

（1）

其中，x为各行业总产品向量，y为最终产品向量，为直接消耗系数或技术系数矩阵，表示行业j生产单位产品直接消耗行业的产品数量。

假设，则有：

（2）

其中，I为单位矩阵，为里昂惕夫逆矩阵或完全（包括直接和间接）需求系数矩阵。

产品在生产过程中除有直接消耗外，还有间接消耗。完全消耗系数B表示行业j生产单位产品直接和间接消耗行业i的产品数量，具体矩阵为：

（3）

大部分现有研究采用的里昂惕夫逆矩阵为，没有将中间投入区分为本国产品或是进口产品，这会高估中国出口贸易的隐含碳排放量。本文在参考Sanchez-Choliz和Duarte（2004）的基础上，修正了里昂惕夫逆矩阵，即变换为，计算了除去进口中间产品后的中国出口贸易隐含碳排放量。

行业i的直接碳排放量Ci的公式参考《2006年IPCC国家温室气体清单指南》，具体为：

（4）

其中，Ci为行业i的直接碳排放量，单位为万t。为行业i消耗能源e的标煤量，单位为万t标准煤，这里所用的单位转换是：1kg煤当量=29.3MJ，1亿立方米天然气=13.3万t标准煤。λe为能源e的碳排放系数，单位是kg/TJ，如表1所示。

行业i的直接碳排放量Ci除以增加值xi，就得到该行业的直接碳排放强度矩阵，具体为：

（5）

行业j的直接碳排放强度矩阵Ci乘以其完全消耗系数矩阵bij，就得到该行业的完全碳排放强度矩阵，具体为：

（6）

设zj为行业j的出口贸易额，则行业j的出口贸易隐含碳排放量为：

（7）

设z为当年中国货物贸易总出口额，为出口结构矩阵，表示j行业的出口额占总出口额的比例，则中国出口贸易隐含碳排放量为：

（8）

由公式（8）可知，中国出口贸易隐含碳排放的影响因素有3个：行业完全碳排放强度vj、行业出口结构、总出口额z。根据对数平均迪氏指数法（LogarithmicMeanDivisiaIndex），出口贸易隐含碳排放的变化可表达为：

其中，“0”表示基期，“t”表示比较期。I为强度效应（完全碳排放强度的影响），R为结构效应（出口份额的影响），S为规模效应（出口总额的影响）。I/C、R/C、S/C分别为这三个效应的贡献率。

二、数据来源及行业合并

鉴于2010年能源数据尚未更新，本文研究的年份为2006-2009年。投入产出数据来自OECD2009年版本的投入产出数据库，它提供了最新的2005年中国投入产出表，出口贸易数据来自《中国贸易外经统计年鉴》和《国别贸易报告》，各行业消耗的能源总量来自《中国能源统计年鉴》，农、林、牧、渔、水利业增加值来自《中国农村统计年鉴》，工业行业增加值2006年和2007年来自《中国统计年鉴》中的“按行业分全部国有及规模以上非国有工业企业主要指标”，2008年和2009年根据国家统计局“工业分大类行业增加值增长速度”计算得来。

为了使计算时所需的各行业数据相匹配，本文将《中国贸易外经统计年鉴》中的“出口商品分类章”、《中国统计年鉴》中的“按行业分能源消费量”和“OECD行业分类国内流量表”合并为15个行业，并用合并后的行业简称表示。它们分别是：（1）农、林、牧、渔、水利业；（2）食品、饮料和烟草制造业；（3）采掘业；（4）纺织、服装和皮革业；（5）木材加工及木、竹、藤、棕、草制品业；（6）杂项制品业；（7）造纸、纸制品、印刷、出版业；（8）化学及其相关工业；（9）橡胶、塑料制品业；（10）非金属矿物制品业；（11）贱金属及其制品业；（12）交通运输设备制造业；（13）机器、机械器具、电气设备及其零件、录音机及放声机、电视图像业；（14）仪器仪表及文化、办公用机械制造业；（15）其他行业。

三、计算结果与分析

利用公式（7）输入相关数据得到2006-2009年各个行业的出口贸易隐含碳排放量，对每年所有行业的碳排量进行加总得到当年中国出口贸易隐含碳排放量。计算表明，中国出口贸易隐含碳排放量从2006年的234192.53万t减少至2009年的180900.56万t。

利用公式（9）-（12）输入相关数据得到强度效应、结构效应、规模效应的贡献值。

由表2可知，强度效应最大，其贡献值为-62447.97万t，贡献率为112.33%。这说明如果其他因素保持不变，各行业完全碳排放强度的下降使得中国出口贸易隐含碳排放减少了62447.97万t。利用公式（6）输入相关数据得到中国出口行业的完全碳排放强度，各行业平均碳排放强度从2006年的2.852万t/亿元下降到2009年的2.086万t/亿元。

其次是规模效应，贡献值为9156万t，贡献率为-16.47%。中国各行业出口总额从2006年的77594.59亿元升至2009年的82029.69亿元，这使得中国出口贸易隐含碳排放增加了9156万t。但由于强度效应和结构效应的影响，总效应为-55592.94万t，因此贡献率为负值。

最后是结构效应，贡献值为-2300.97万t，贡献率为4.14%。说明出口结构的改善减少了中国出口贸易隐含碳排放。利用计算得到行业出口结构，结果表明：2006-2009年，完全碳排放强度较高的行业如纺织、服装和皮革业出口额所占比重从18.6%下降到17.7%，贱金属及其制品业从8.8%下降到6.4%，木材加工及木、竹、藤、棕、草制品业从1.0%下降到0.8%；而碳排放强度较低的行业如农、林、牧、渔、水利业出口额所占比重从1.7%上升到1.8%，交通运输设备制造业从4.0%上升到5.0%。

四、结论与建议

本文在投入产出模型的基础上，利用LMDI法将2006-2009年中国出口贸易隐含碳排放的影响因素分解为强度、结构、规模三种效应。结论是：强度效应贡献率最大，说明各行业碳排放强度的下降是碳排放减少的主要原因；结构效应贡献率较小，但仍说明出口结构的改善有利于碳排放的减少；规模效应贡献率为负值，说明虽然出口额的增长使得碳排放增加，但由于强度和结构效应，最后总的碳排放减少。以上研究表明，中国要减少出口贸易隐含碳排放，必须从降低行业碳排放强度、适度减小出口规模、改善出口结构这三方面做起，而后两者可以进行综合考虑。

参考文献:

[1]张晓平.中国对外贸易产生的CO2排放区位转移分析[J].地理学报,2009,(2),234-242.

[2]JulioSanchez-Choliz,RosaDuarte.CO2emissionsembodiedininternationaltrade:evidenceforSpain[J].EnergyPolicy32(2004),19992005.

碳排放的影响因素篇2

全球气候变化是目前国际社会普遍关注的重大问题，IPCC明确指出近百年来的全球气候变暖问题主要是由人类活动大量排放的二氧化碳等温室气体所引发的温室效应造成的。长期以来，碳排放研究主要集中在工业部门、商业部门、交通部门等，这种“部门”的碳排放研究忽视了个人消费行为对碳排放的影响，也忽视了作为人类社会的基本单位、生产活动终端需求的家庭的生活消费。目前，从研究成果来看，家庭的碳排放越来越受到学者的重视。如比娜(Bina)等运用CLA模型对美国居民消费行为和环境影响间的关系进行了探索研究，发现超过80%的能源使用和CO2排放是由居民的消费行为和满足其需求的经济活动产生的。根据社会学基本理论，家庭是人类社会的基本单位，居民消费多以家庭消费方式展开。美国研究人员发现，1997年家庭消费行为占全美能源消耗的28%，其二氧化碳排放量占全美排放量的41%;王彦等研究中国家庭碳排放，结果表明，家庭消费引起的碳排放量占碳排放总量的比例由1995的19%上升到2004年的30%。由此可见，家庭碳排放对全社会碳排放的影响不容忽视。与此同时，“部门”碳排放研究不能解释家庭活动的碳排放结构特征、影响因素，也无法解释同一个城市或社区家庭特征(包括家庭人口数、文化特征、经济特征等)差异而产生的碳排放的差异。因此，基于家庭消费视角的碳排放研究对低碳城市建设具有重要意义。

二、文献回顾

目前，国内外关于城市家庭碳排放的研究可以归纳为以下三个方面。一是家庭基本特征和家庭能源消费方式对碳排放的影响。国外学者帕乔里(Pachauri)借助家庭微观调查的研究，结果表明，家庭收入是家庭碳排放的重要影响因素;杰克逊(Jackson)的研究表明，家庭规模、住房面积、成员结构、消费水平等家庭特征是家庭碳排放的主要影响因素。弗林格尔(Vringer)等发现，户主年龄在40－50岁的高收入群体，其家庭能源消耗最大。杨选梅等以南京为例认为常住人口、交通出行、住宅面积是影响家庭碳排放的显著因子。杨瑞华等对全国不同地域9个城市的家庭碳排放情况进行跟踪调查，对城市家庭碳排放特点和不同地域城市碳排放差异进行了实证研究，结果表明，家庭碳排放量与家庭经济文化水平和家庭常住人口数呈正相关，沿海经济发达城市家庭的碳排放量高于内陆城市和经济欠发达城市。威尔森(Wilson)等研究了家庭成员的环境认知、能源消费行为对家庭碳排放的影响。二是家庭碳排放的空间分布差异研究。阿尔蒙德(Almond)等研究发现，在中国，秦岭－淮河以北地区由于需要家庭集中供暖，其碳排放量特别高。卡恩(Kahn)通过使用1993年美国居住能源消费调查数据，研究发现居住郊区化对能源消费的显著影响以及其环境后果。黄茹等通过广州市3个不同区位类型社区家庭的问卷调查，结果发现郊区社区家庭碳排放量最高，市区社区家庭碳排放量居中，城乡结合部家庭碳排放最低。张馨等研究了城乡居民家庭能源消费的碳排放，结果表明，从2000－2007年城镇居民家庭的直接能耗和间接能耗碳排放都呈上升趋势，农村居民家庭的直接能耗碳排放逐年增加而间接能耗碳排放有所下降。三是从时间序列分析家庭规模的变化对碳排放的影响。蒋耒文等认为，相对于个人而言，家庭是消费的主要单位，在人口总量保持稳定的情况下，家庭规模变化导致的家庭户总量的变化有可能对碳排放产生明显的影响。陈佳瑛等就中国1978－2007年家庭模式变化对碳排放的影响情况进行了实证分析，发现家庭规模与总户数对于碳排放具有较大影响力，家庭户单位体现出对人均单位未能包括的家庭消费行为模式的包容，因而可能成为更合适的居民能源消费产生碳排放的分析单位。王钦池认为根据边际效应递减规律，在一定的经济社会条件下，应该存在一个能源利用效率最高的家庭规模，称之为最优家庭规模。当家庭规模大于或者小于最优规模时，都会导致能源利用效率的降低和碳排放量的增加。总体说来，家庭碳排放的研究视角从开始较多地集中在宏观层面逐渐转向家庭微观层面。随着我国新型城市化建设的加速推进，人们生活方式将发生巨大变化，城市居民生活水平也将不断提高，城市生活能耗消费量将不断增长，导致城市家庭能耗碳排放对环境的影响更加明显。因此，有必要对某一区域或省域的家庭碳排放特点及变化特征做详细调查研究，这样可以针对不同研究区域的家庭特征、低碳消费行为分别研究碳排放的影响因素，从而制定更有针对性的区域、社区及微观家庭成员的减排政策。本文将以微观家庭调查数据为基础，以经济发达的东部沿海省份江苏作为研究对象，主要研究江苏城市家庭碳排放的结构特征和区域差异性，并分别对调查城市家庭的基本特征、家庭成员低碳消费行为与家庭碳排放的相关性作回归分析，最后得出江苏城市家庭碳排放的主要影响因素。

三、数据来源与研究方法

1．数据来源

研究采用2013年南京邮电大学大学生实践创新训练计划项目“江苏城市家庭碳排放调查”研究小组对江苏省城市家庭活动的调查数据。该调查按照江苏南北区域经济发达与不发达等特点选取了苏南的南京市、苏中的南通市以及苏北的连云港市，由于三个城市2012年的城镇居民家庭人均消费性支出分别与所在区域的平均水平最接近，且南京市是江苏城市化程度最高的城市，南通市是苏中地区三个市中人口最多的城市，连云港市2012年人均GDP排在江苏13个地级市的倒数第二位，因此，选取这三个城市体现了江苏区域经济发展的差异性和典型代表性，可以代表不同区域的城市家庭碳排放基本情况。研究在每个城市选择三个社区(市区社区)，为了使数据收集更具广泛性和灵活性，并且提高问卷收集速度，在每个社区选择150户家庭采用入户随机发放和现场填写问卷的方式进行调查，要求每个家庭18周岁以上成员填写调查问卷。研究共发放问卷1350份，收回有效问卷1288份，问卷有效率为95.4%。调查问卷包括三个部分:家庭基本特征、家庭低碳消费行为和家庭碳排放结构。家庭基本特征包括家庭的人口统计特征、消费特征(居住面积)、出行特征、文化特征、经济特征(家庭收入)五个方面，其中人口统计特征包括:家庭常住人口数、被调查者的性别、年龄。家庭低碳消费行为包括家庭成员的每周购物频率、在外就餐频率、垃圾分类情况、空调温度调控、自备购物袋以及“一次性”用品的使用六项内容。家庭碳排放结构包括家庭能耗(家庭用电、水、天然气或罐装液化气)、交通出行(飞机、火车(动车)、长途汽车、地铁、公交车、小汽车、电动车)、家庭生活垃圾三个方面。

2．研究方法

比娜等提出了消费者生活方式方法(ConsumerLifestyleApproach，CLA)，该方法是从家庭外部环境、个人决策因素、家庭基本特征、消费者行为以及消费行为产生的后果五个方面研究家庭碳排放。该模型首先被用于美国家庭碳排放研究中，随后该模型被众多学者引用。此模型中消费者是指为满足其生活需要购买产品和服务的个人或家庭的实体;生活方式影响并决定了消费者的个体消费行为。该模型的目的是通过理解消费者的个体行为以便制定出更好的公共政策。由于各种影响因素的相互交织，并且其中一些因素随着环境的变化而不断变化，因此，了解“消费者”变得很复杂。本文在此方法的基础上加以修改和补充，绘制了基于家庭消费行为特征的家庭碳排放影响因素技术路线图。

四、结论及政策含义

碳排放的影响因素篇3

关键词：制造业内部结构;碳排放;LMDI分解

指数分解分析方法（IDA）是研究污染物排放和能源使用变化影响因素的常用方法。其中，对数平均迪氏指数法LMDI（LogarithmicMeanDivisiaIndex）方法可以进行完全分解，分解结果不包括残差项，且可以解决数据中的零值问题，因此被国内外学者更广泛地使用。徐盈之和张全振、郑若娟和王班班利用LMDI分解法分别对我国制造业的整体能源消耗以及能源强度的变动进行了分解分析;Ren等基于扩展的Kaya等式，对中国1996年～2010年制造业碳排放的影响进行研究。徐盈之等考察了制造业内部结构的影响，潘雄峰等和刘清春等分别对中国制造业碳排放强度和制造业碳排放进行了因素分解。上述文献都没有将制造业进行高中低能耗的划分，对内部结构的分析也相对简单，没有深入分析。

综上所述，对于中国制造业碳排放影响因素专门研究不多，更缺少对制造业内部结构变化的对碳排放影响的分析研究。本文利用LMDI分解方法，嵌入制造业内部结构变化的分析，对中国1992年～2012年能源相关的碳排放增长量进行因素分解，识别影响碳排放变化的主要因素。

一、研究方法与数据

1.制造业内部结构划分。依照中国国民经济行业分类标准（GB/T4754-2002），制造业共包括30个大类，为了与能源消费等数据保持统一的统计口径，本文将制造业合并为13个部门。根据能耗强度将制造业子行业分为高、中、低能耗三类，具体行业划分与划分依据如表1所示。其中，能耗强度一栏所用的数据为1996年～2011年各行业单位增加值能耗的均值（t标准煤/万元，2005年可比价）。

从图1中可以看出，1996年～2011年高、中、低能耗制造业的能耗强度都呈下降的趋势。其中，高能耗制造业从1996年的4.70t标准煤/万元下降到2011年的3.52t标准煤/万元，年均下降7.9%;中能耗制造业从1996年的1.30t标准煤/万元下降到2011年的0.88t标准煤/万元，年均下降2.8%;低能耗制造业从1996年的0.83t标准煤/万元下降到2011年的0.50t标准煤/万元，年均下降2.2%。可见，高能耗制造业能耗强度下降的幅度最大。

2.LMDI分解模型。引入制造业内部结构变化的LMDI分解模型见公式（1）：

二、结果与讨论

1.各因素总体影响分析。1996年～2012年中国制造业能源相关碳排放可分为三个阶段。1996年～2002年为缓慢上升阶段，年均增长率为1.84%;2002年～2007年为迅速上升阶段，碳排放从2002年的2050.42MtCO2增至2007年的3839.09MtCO2，年均增长率为17.45%;2007年后碳排放增速逐渐下降，年均增速约5.72%。

制造业碳排放因素分解结果见图2。可见，制造业增加值是最主要的正向驱动因素，其在1992年～2012年四个时期内对制造业碳排放总量变化的贡献率分别为345.59%、160.02%、92.95%和120.08%。能源强度是最主要的负向驱动因素，其对碳排放变化的贡献率分别为-216.43%、-40.49%、-3.95%和-11.45%。除2002年～2007年外，制造业内部结构总体上属于负向驱动因素。由于2002年～2007年中国工业化的重工业化特征明显，因此这一时期制造业内部结构贡献为正。综合碳排放系数（反映能源结构）在1992年～2007年期间对碳排放变化的影响较小，但在2007年～2012年期间成为仅次于能源强度的负向驱动因素。

2.制造业增加值因素分析。制造业增加值是碳排放变化最主要的正向驱动因素。该因素1992年～1997年引起的碳排放增量为831.01MtCO2，到1997年～2002年降至748.16MtCO2。这可能是由于1997年爆发的东南亚金融危机导致我国制造业内需不足及出口贸易额下降。2002年～2007年，制造业增加值引起的碳排放增量迅速增至1561.31MtCO2，比上一时期增长了108.66%。这主要与两个因素有关，一是我国加入WTO后制造业出口的大幅增长，二是以房地产大发展为特征的快速城镇化拉动了制造业高能耗行业的发展。2007年～2012年，中国制造业增加值增速有所放缓，但仍维持中高速增长。因此，该时期引起的碳排放增量为1973.46MtCO2，比前一时期增长26.40%。

3.制造业内部结构因素分析。除2002年～2007年外，制造业内部结构变化对碳排放的影响主要为负向驱动。由表2可知，1992年～2007年，制造业高能耗行业对碳排放起着主导作用。1992年～1997和1997年～2002年这两个时期中，高能耗行业的贡献分别为-88.44MtCO2和-104.93MtCO2。从具体行业来看，1992年～2002年化学原料和化学品制造业、非金属矿物制品业以及金属冶炼及金属制品业占制造业增加值比重呈总体下降趋势，由此减缓了制造业碳排放增长。2002年～2007年高能耗行业金属冶炼及金属制品业增加值占比大幅上升，推动碳排放增长321.84MtCO2，导致这一时期制造业内部结构的总效应为正。2007年～2012年，中低能耗行业对碳减排的作用逐渐增大（如造纸印刷及文教用品制造业），带动了这一时期制造业内部结构的总效应为负。上述结果表明，中国制造业内部的结构变化正在逐步改善，向中低能耗方向发展。

4.能源强度因素分析。能源强度是制造业碳排放变化最主要的负向驱动因素。除2002年～2007年外，高能耗行业能源强度下降带来的碳排放减缓量在能源强度总贡献中占据主导地位。高能耗与低能耗行业的能源强度贡献一直为负，对碳减排起着积极作用;而中能耗行业2002年～2007年、2007年～2012年的能源强度贡献为正，说明这两个时期中能耗行业的能源利用效率在下降。

1992年～2012年，制造业绝大多数行业的能源利用效率的不断提高，由此推动了这些行业的能源强度持续下降，减缓了制造业碳排放增长。其中，下降幅度最大的行业为非金属矿物制品业。能源效率的提高可能来自两个方面：一是技术进步，二是企业所有制结构的改变。技术进步使得能源利用的方法得以改进，生产单位增加值所使用的能源量下降，因此碳排放量下降。研究表明，非国有企业的技术效率和资源利用率比国有企业高。1992年～2012年期间，随着国企改革的深入以及所有制结构的调整，我国国有企业的比重不断下降，而非国有企业逐渐增加相对减少了碳排放。

5.综合碳排放系数因素分析。1992年～1997年，高、中、低能耗行业的综合碳排放系数贡献均为微弱的负向影响;1997年～2002年则相反，为微弱的正向影响。这表明，1992年～2002年制造业能源结构无显著变化。2002年～2007年，该因素主要起着正向的驱动作用，高能耗行业贡献最大，为23.32MtCO2。这主要是由于在非金属矿物制品业、化学原料和化学品制造业、金属冶炼及金属制品业的拉动下，原煤、焦炭等高排放能源占制造业能源消费总量的比重共增加约3个百分点，由此推动了碳排放的增长。2007年～2012年，综合碳排放系数主要起着负向的驱动作用，高能耗制造业的贡献仍然是最大的，为-79.05MtCO2。这仍然是由于在上述三个高能耗行业的主导下，原煤、柴油等高排放能源占比合计下降了约9个百分点。以上结果表明，优化主要能耗行业的能源结构，即降低高排放能源的使用比重可以显著地减缓碳排放增长。

三、结论与展望

本文对中国制造业碳排放影响因素的分析得到以下结论：

1.从碳排放总量看，中国制造业能源相关碳排放呈不断上升的趋势。1996年～2002年为缓慢上升阶段，年均增长率为1.84%;2002年～2007年为迅速上升阶段，年均增长率为17.45%;2007年后碳排放增长速度逐渐下降，年均增速约5.72%。

2.从影响因素看，制造业增加值因素是碳排放变化最主要的正向驱动因素;能源强度因素是最主要的负向驱动因素;制造业内部结构因素总体上属于负向驱动因素;综合碳排放系数（能源结构）因素对碳排放变化的影响较小，但在2007年～2012年成为仅次于能源强度的负向驱动因素。

3.除2002年～2007年外，制造业内部结构变化总体上属于负向驱动因素。1992年～2007年对碳排放贡献最大的行业为化学原料和化学品制造业、非金属矿物制品业和金属冶炼及金属制品业。2007年后，制造业高能耗行业占主导的地位逐渐改变，中低能耗产业对碳减排的作用逐渐增大，导致这一时期制造业内部变化对碳排放的贡献量为负。

本研究存在的不足之处主要有以下两点：一是由于数据限制，需要将各产业部门数据进行合并，本文将所用的数据合并为21个部门，其中制造业部门为14个。数据合并会造成数据损失，导致结果与细分部门相比精确度下降。二是对于制造业的分类，本文是按照能源强度将制造业分为高中低能耗三类，没有考虑按照生产要素分类的情况。采用生产要素进行分类可以指导政府和企业通过生产要素投入方式的转变来实现节能减排的目标。对于上述研究不足，本文作者将在今后的研究中加以完善。

参考文献：

[1]徐盈之，张全振.中国制造业能源消耗的分解效应：基于LMDI模型的研究[J].东南大学学报（哲学社会科学版），2011，13（4）：55-60，127.

[2]郑若娟，王班班.中国制造业真实能源强度变化的主导因素――基于LMDI分解法的分析[J].经济管理，2011，33（10）：23-32.

[3]徐盈之，徐康宁，胡永舜.中国制造业碳排放的驱动因素及脱钩效应[J].统计研究，2011，28（7）：55-61.

[4]潘雄锋，舒涛，徐大伟.中国制造业碳排放强度变动及其因素分解[J].中国人口・资源与环境，2011，21（5）：101-105.

[5]刘清春，孔令群，安泽扬.中国制造业能源相关的碳排放因素分析[J].中国人口・资源与环境，2014，24（5）：14-18.

基金项目：能源基金会项目“关于碳交易对深圳经济、能源、环境影响的研究”（项目号G-1311-19359）。

碳排放的影响因素篇4

关键词碳排放；因素分解；广义费雪指数；动态演进

中图分类号N94文献标识码A

文章编号1002-2104(2011)11-0001-07doi:10.3969/j.issn.1002-2104.2011.11.001

由于中国经济总量增长迅速，能源消耗不断增加，以煤为主的能源消费结构未有改变，化石燃料能源的消费造成约有90%左右的碳排放，导致碳排放总量不断增长。到2022年我国单位国内生产总值CO2排放比2005年下降40％－45％，其作为约束性指标被纳入国民经济和社会发展中长期规划。研究中国的CO2排放演化变化对优化能源结构、提高能源效率，以避免走发达国家“污染在先治理在后”的发展道路，具有指导意义。

1文献综述

国内外关于碳排放的影响因素研究已有不少成果。Wang等［1］采用对数均值迪氏分解法(LMDI)对我国1957-2000年的CO2排放进行了因素分解，结果表明代表技术因素的能源强度是减少碳排放的最重要的因素，而能源结构也起到一定的作用，经济增长带来碳排放的增加。Fan等［2］采用适应性加权迪氏分解法(AdapIiveWeightingDivisia，以下简称AWD)分解了1980-2003年碳排放强度(carbonintensity)的影响因素，发现尽管中国的CO2排放总量在上升，但是碳排放强度在下降。徐国泉等［3］采用对数平均权重Divisia指数分解法分析了1995-2004年中国人均碳排放的影响因素，结果显示经济发展对拉动中国人均碳排放的贡献率呈指数增长，而能源效率和能源结构对抑制中国人均碳排放的贡献率都呈倒“U”。冯相昭等［4］利用修改后的Kaya恒等式对1971-2005年中国的CO2排放进行了分解，结果表明

经济发展和人口增长是CO2排放增加的主要驱动因素。胡初枝等［5］通过对我国六部门能源消费数据使用简单的碳排放公式计算得到的1990-2005年CO2排放量进行了简均的因素分解，指出规模和能源强度是正负两类最主要的因素，并且指出不同产业碳排放差异较大，产业结构的变化对碳排放减少有一定影响。国外也有很多有关碳排放的研究成果，ChrisP.Tsokos,YongXu［6］通过建立一个CO2排放的微分方程系统，得到一个随时间变量变化的累积函数，利用该系统预测了10、20和50年CO2排放构成因素的变化率。Knapp等［7］从Granger因果检验的角度，研究了全球CO2排放量和全球人口之间的因果关系，认为两者之间不存在长期协整关系，但是全球人口是全球CO2排放量增长的原因。D.Diakoulaki等［8］采用简化的Laspeyres模型，将希腊在1990-2002年之间均等的分为两个碳排放时期，研究结果为希腊的碳排放增加的原因给出了解释，并为完成碳减排的目标提出了建议。D.Diakoulaki,M.Mandarak［9］用简化的Laspeyres模型，利用5个因素分解分析了欧洲14个国家的工业部门CO2的变化，发现大多数欧盟国家虽然已经做出相当大的努力，但没有充分发挥减排贡献。

由以上可见，当前对碳排放变动因素分解分析用的较多的是拉氏指数和D氏指数分解法，但它们各自都有其自身缺陷，费雪指数法则折衷这两种指数方法，并能很好的克服它们的缺点，更好的消除了因素分解的残差项，得到的结果更加精确。本文从碳排放现状出发，数据来自中国统计年鉴和中国能源统计年鉴，采用广义费雪指数法对中国碳排放变动进行因素分解，分解分析能源结构，能源效率和经济发展等因素对中国碳排放变动的影响。最后一部分给出了主要结论并提出了相应的碳减排对策。本文用新方法分析研究中国碳排放变动演化情形，所得结果综合了以往方法的结果，并获得新的有意义结果。得到当前能源效率因素抑制作用逐渐增，强能源结构的抑制作用依然微弱的结论，这与以往的结果不同，首次拟合了各种影响因素的瞬时变化率特征，进一步反映出各影响因素的动态演进过程。

2GFI模型评价

寻找二氧化碳减排途径的前提，是准确分析和计量促使碳排放增加的原因何在。指数分解分析作为研究事物的变化特征及其作用机理的一种分析框架，近年来在社会经济研究各方面中已经得到越来越多的应用。目前，最常用的包括Laspeyres指数分解和Divisia指数分解等［10-12］。但是，当指数分解存在残差项时，说明碳排放变动的部分不能为以上模型所解释。拉氏指数法及绝大部分D氏指数都存在着这个缺陷。相对于拉氏指数和D氏指数法各自都有其自身缺陷，费雪指数法则能折衷这两种指数方法，并能克服拉氏指数和D氏指数法的缺点。Ang、Lju和Hyun-SikChung［13］比较了广义费雪指数(theGeneralizedFisherIndex)与其他五种常用的IDA方法，即：拉氏指数、帕氏指数、AMDI，算术平均D氏指数、LMDIⅠ(对数平均D氏指数法Ⅰ)、LMDIⅡ(对数平均D氏指数法Ⅱ)，并利用Fisher提出的因子互换检验、时间互换检验和比例检验；Balk提出的总量检验；Ang和Choi提出的零值稳健检验；Chung和Rhee提出的负值稳健检验对各种方法进行了上述检验，给出了检验结果，为选择合理的因素分解方法提供了有力的依据。广义费雪指数只在其中的总量检验中未通过，其他检验均通过，而其他方法均有两个或更多的检验未通过，因此广义费雪指数表现出优良的因素分解特性，综合来看其是进行因素分解的最佳方法。

碳排放因素分解法可以分为两种不同的形式，即加法分解(AdditiveDecomposition)和乘积分解(MultiplicativeDecomposition)，目前研究中多选用拉氏指数和D氏指数方法的加法分解，均存在一定缺陷，费雪指数法属于乘积分解，模型更加复杂，而且对分解因素更加难以把握，本文克服了这些问题，首次将费雪指数法和碳排放公式很好的结合，很好的选择了碳排放变动的影响因素，故而本文拟采用费雪指数法对中国碳排放变动进行因素分解，分解分析能源结构，能源效率和经济发展等因素对中国碳排放变动的影响，进一步拟合了各种影响因素的瞬时变化率特征，反映出各影响因素的动态演进过程。

3碳排放的因素分解及演进分析

3.1模型基础

Ang等［13］提出的广义费雪指数(GFI)方法，具体实现过程如下：设V为总量指标，其由n个分量X1，X2，…，Xn表示。i表示总量指标的次级分类，用于进行结构变化的分析，则有：V=∑iVi=∑iX1iX2i…Xni。定义N={1,2,…,n}，N的势为n。S为N的一个子集，势为s′。定义函数V(S)=∑(∏l∈SXTl∏m∈N＼SX0m)，V()=∑(∏m∈NX0m)其中为空子集，上标表示时期0和时期T。根据“几何平均”原理，将VT/V0分解为n个部分。每一要素X

3.2数据处理及结果

采用的基础数据来自中国统计年鉴和中国能源统计年鉴，部分数据通过简单计算和整理得到，值得说明的是GDP采用了以2000年为基期的不变价格计算，以剔除价格波动的影响。具体见表2。

在该模型中，X1代表能源结构因素，即i种能源在一次能源消费中的份额；X2代表能源效率因素，即单位GDP的能源消耗；X3代表经济发展因素，即人均GDP。利用公式(4)(5)(6)，分别计算能源结构因素、能源效率因素和经济发展因素对中国碳排放变动的影响。结果见表3、表4和图1。

表3及表4是中国碳排放变动的GFI因素分解结果。我们发现，经济发展因素对碳排放变动的贡献最多为12.125(占42.9%)，能源结构和能源效率的影响次之，分别为7927(占28.7%)和7.827（占28.4%）。

从图1可以看出，中国人均碳排放总体在不断增加，2000-2002年期间，中国人均碳排放增长缓慢，但是，2002年以后一直急速增长，年增长率超过10%。显然，造成中国人均碳排放急速增长的主要因素是中国经济的快速发展。经济发展对拉动中国人均碳排放的贡献率呈指数增

增大。而抑制中国人均碳排放增长的因素是能源结构和能源效率，但效果并不明显。效率因素对抑制中国人均碳排放的贡献率呈倒“U”型，并且近几年其抑制作用有增强趋势，这也是最近几年中国人均碳排放增长的趋势有所减缓的主要原因。2001-2003年能源结构和能源效率的抑制贡献率与经济发展的拉动贡献率之间的差距最小，而此时中国人均碳排放量在2001-2003年增长最缓慢，但随后，由于能源效率的抑制贡献率的减小和经济发展的拉动贡献率的增大，抑制贡献率与拉动贡献率之间的差距又不断扩大，导致了中国人均碳排放呈指数增长。

3.3影响因素演进分析

从本文以上研究，已经得到能源结构、能源效率、经济发展这三个影响因素对中国碳排放变动的贡献率的大小，为了解决这些因素在未来具体如何演进，进一步反映出各影响因素的动态演讲过程，本文采用最小二乘拟合方法，很好的反映碳排放影响因素瞬时变化规律和变化趋势。过程如下：

首先拟合出能源结构因素的瞬时变化率，图2表示能源结构因素DX1的变化率，纵坐标代表变化率（%），横坐标代表时间（年）。

能源结构因素的瞬时率拟合方程为：

dDX1(t)dt=-0046979t4+37675t3-1133e+006t2+15143e+009t-75901e+011

若能源结构因素变化率D•x1(t)>0时，则表示能源结构随时间的变化率为正，能源结构对碳排放的影响越来越

图2能源结构因素的变化率特征

Fig.2Rateofchangeoftheenergystructure

大。由图2可见，2002年至2004年中国的能源结构因素瞬时率都是为正，而能源结构因素对碳排放起抑制作用，说明在这一段时期内能源结构因素发挥了逐渐增强的抑制作用。

若能源结构因素变化率D•x1(t)

类似可以得到能源效率因素和经济发展因素的瞬时变化率，形成图3和图4。

能源效率因素的瞬时率拟合方程为：

dDX2(t)dt=050222t3-30213t2+60584e+006t-40496e+009

若能源效率因素变化率D•x2(t)>0时，则表示能源效

率随时间的变化率为正，能源效率对碳排放的影响越来越

大。由图3可见，2002-2005年中国的能源效率因素瞬时率都为正，而能源效率因素对碳排放起抑制作用，说明这一时期能源效率抑制碳排放的作用逐年增强。

若能源效率因素变化率D•x2(t)0时，则表示经济发展随时间的变化率为正，经济发展对碳排放的影响越来越大。

由图4可见，2002年至2008年中国的能源效率因素瞬时率都是为正，而经济发展因素对碳排放起促进作用，说明此段时期经济发展不断地促进碳排放增长，给碳减排带来极大的压力。

4结果比较及特点

在关于碳排放因素分解方面的研究中，本文所得研究结果与以往研究结果有相近的地方，也有不同之处，以下给出了本文与其他人研究结果的比较及特点分析。

徐国泉、刘则渊、姜照华［3］采用对数平均权重Divisia指数分解法分析中国人均碳排放的影响因素，得到2000年以来，人均碳排放增长率超过10%，2000年以后，抑制贡献率与拉动贡献率之间的差距不断扩大，经济发展对拉动中国人均碳排放的贡献率呈指数增长，这一结果与本文相似。但本文又进一步得到2001-2003年能源结构和能源效率的抑制贡献率与经济发展的拉动贡献率之间的差距最小，而此时中国人均碳排放量在2001-2003年增长最缓慢，但随后，由于能源效率的抑制贡献率的减小和经济发展的拉动贡献率的增大，抑制贡献率与拉动贡献率之间的差距又不断扩大，导致了中国人均碳排放呈指数增长，并且近几年能源效率因素逐渐增强，这一系列的结论有别于前者的研究结果。

D.Diakoulaki等［8］采用简化的Laspeyres模型，从人类活动、能源强度、混合燃料三个因素方面分解分析了希腊在1990-2002年之间的碳排放，得到人类活动因素引起CO2排放量增加32,242万t（占到150%），能源强度因素占-35%，混合燃料因素占-15%，后两个因素共减少CO2排放10575万t。本文得到经济发展因素（即人类活动因素）对碳排放变动的贡献最多12.125(占42.9%)，能源结构因素（结构效应因素）和能源效率因素（即能源强度因素）的影响次之，分别为7.927(占28.7%)和7.827（占28.4%）。说明经济发展因素对中国和希腊都是正效应并占到主导位置，其它因素虽然起到负效应，但减排效果微弱。

MingZhang,HailinMu等［15］采用完全分解方法分析CO2强度，能源强度，结构变化和经济活动对中国碳排放的影响。结果表明，经济活动对CO2排放量变化起正效应作用（占196%）；1991-2006这段时期，能源强度下降对CO2排放减少影响较大（占到126%）；CO2强度和结构变化的影响相对较小。并得到中国CO2排放量在全球减排中作出重大贡献。而本文认为2000-2008后这一段时期能源强度（能源效率）因素的抑制作用仍然不明显，为7.827（占28.4%），但其抑制作用还在逐渐加强。

李艳梅、张雷、程晓凌［16］按照“共同产生、平均分担”原则，构建了碳排放因素分解模型，选择1985-2007年的数据，计量经济总量增长、产业结构演进和碳排放强度变化所产生的碳减排效应，表明造成碳排放增加的因素是经济总量增长和产业结构变化，而产生碳减排效应的因素惟有碳排放强度降低。该模型没有很好的处理结构分解过程中的残余项，而本文得到的是碳排放强度（即能源效率）因素对抑制中国人均碳排放的贡献率呈倒“U”型，并且近几年其抑制作用有增强趋势，这也是最近几年中国人均碳排放增长的趋势有所减缓的主要原因。

以上几位学者的研究都没有考虑到，我国经济发展并不一定引发碳排放的增加，经济增长也会自发导致碳排放量的减少，我国碳排放政策的缺失，节能减排政策实施滞后是导致我国碳排放持续上升的又一重要因素。通过以上分析，我们发现，经济发展是我国人均碳排放增长的主导因素。作为发展中国家，经济产出的增长是满足国民生存与发展基本需求的必要条件，维持经济系统运行带来的能源消费是无法避免的，其导致的环境压力上升也是在所难免。随着中国经济的飞速发展，中国人均碳排放量在2002年后急剧增长，说明仅依赖能源效率的提高已难以抑制经济发展引起的中国人均碳排放。因此，本文强调在未来的中长期发展规划，我国碳减排的政策制定不能从控制经济发展规模的方面采取主要措施，应该大力优化能源生产消费的结构和提高能源使用效率，完善环境经济政策和节能减排政策。

5碳减排对策建议

为了达到2022年碳排放减排的目标及为应对全球气候变化做出贡献，综合以上分析，本文提出了以下几点碳减排对策：

（1）环境调控政策和相关立法的完善。前文研究得到经济增长并不会自发导致碳排放量的减少，经济增长也并不一定引发碳排放的增加，控制经济发展过程中的碳排放，应建立实施技术标准、碳交易、碳排放的企业准入门槛、节能减排等政策措施降低碳排放量，完善相关的碳排放法律法规。

（2）改善能源生产和消费结构。由于受能源赋存条件以及经济条件限制，我国很难尽快改变以煤为主的能源消费格局。但是积极增加油气进口，开发新能源和可再生能源，逐步减少煤炭在能源消费中的比重，增加石油、天然气、水电、核电所占比重，中国的碳排放将得到很大的缓解。此外，在加强能源结构调整的同时，加速发展煤炭清洁利用技术，实现煤炭的清洁、高效利用，减少碳排放。大力发展环保产业。

（3）提高能源使用效率。国内外很多专家学者的研究中都提到，碳减排的主要措施之一是提高能源利用效率。本文研究中也得到，能源效率对抑制碳排放的作用有加强趋势，可见今后继续依靠提高能源利用效率，降低碳排放的空间还很大。可通过更新设备、采用先进技术和工艺、加强能源管理等措施，提高一些高耗能行业的能源利用效率，充分挖掘高耗能工业部门的节能减排潜力。

参考文献（References）

［1］王灿，陈吉宁，邹骥.中国能源碳排放的分解：1957-2000［J］能源，2005，30：73-83［WangCan,ChenJining,ZouJi.DecompositionofEnergyrelatedCO2EmissieninChina:1957-2000［J］.Energy,2005,30:73-83.］

［2］范英，刘兰翠，吴刚，等中国碳排放强度变化：1980-2003实证研究结果［J］生态经济学，2007，62：683-691.［

FanYing,LiuLancui,WuGang,etal.ChangesinCarbonIntensityinChina:EmpiricalFindingsfrom1980-2003［J］.EcologicalEconomics,2007,62:683-691.］

［3］徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析：1995-2004［J］.中国人口•资源与环境,2006,16(6):158-161.［XuGuoquan,LiuZeyuan,JiangZhaohua.DecompositionModelandEmpiricalStudyofCarbonEmissionsforChina,1995-2004［J］.ChinaPopulation,ResourcesandEnvironment,2006,16(6):158-161.］

［4］冯相昭,邹骥.中国CO2排放趋势的经济分析［J］.中国人口•资源与环境,2008,18(3):43-47.［FengXiangzhao,ZouJi.EconomicsAnalysisofCO2EmissionTrendsinChina［J］.ChinaPopulation,ResourcesandEnvironment,2008,18(3):43-47.］

［5］胡初枝,黄贤金,钟太洋,等.中国碳排放特征及其动态演进分析［J］.中国人口•资源与环境,2008,18(3):38-42.［HuChuzhi,HuangXianjin,ZhongTaiyang,etal.CharacterofCarbonEmissioninChinaandItsDynamicDevelopmentAnalysis［J］.ChinaPopulation,ResourcesandEnvironment,2008,18(3):38-42.］

［6］ChrisPT,XuYong.ModelingCarbonDioxideEmissionswithaSystemofDifferentialEquations［J］.NonlinearAnalysis,2009，(71):1182-1197.

［7］KnappT,MookerjeeRP.GrowthandGlobalCO2Emissions［J］.EnergyPolicy,1996,24(1):31-37.

［8］DiakoulakiD,MavrotasG,OrkopoulosD,etal.ABottomupDecompositionAnalysisofEnergyrelatedCO2EmissionsinGreece［J］.Energy,2006,31:2638-2651.

［9］DiakoulakiD,MandarakaM.DecompositionAnalysisforAssessingtheProgressinDecouplingIndustrialGrowthfromCO2EmissionsintheEUManufacturingSector［J］.EnergyEconomics,2007,29(4):636-664.

［10］高振宇,.我国生产用能源消费变动的分解分析［J］.统计研究,2007,24(3):52-57.［GaoZhengyu,WangYi.TheDecompositionAnalysisofChangeofEnergyConsumptionforProductioninChina［J］.StatisticalResearch,2007,24(3):52-57.］

［11］李国璋,王双.中国能源强度变动的区域因素分解分析：基于LMDI分解方法［J］.财经研究,2008,34(8):52-62.［LiGuozhang,WangShuang.RegionalFactorDecompositioninChinasEnergyIntensityChange:BaseonLMDITechnique［J］.JournalofFinanceandEconomics,2008,34(8):52-62.］

［12］师博.中国能源强度变动的主导效应分析：一项基于指数分解模型的实证研究［J］.山西财经大学学报,2007,29(12):24-28.［ShiBo.AnalysisoftheDominantEffectofChinasEnergyChange:AnEmpiricalResearchBasedontheIndexDecompositionModel［J］.JournalofShanxiFinanceandEconomicsUniversity,2007,29(12):24-28.］

［13］AngBW,LiuFL,ChungHyunSik.AGeneralizedFisherIndexApproachtoEnergyDecompositionAnalysis［J］.EnergyEconomics,2004，(26):757-763.

［14］JohanA,DelIphineF,KoenS.AShapleyDecompositionofCarbonEmissionsWithoutResiduals［J］.EnergyPolicy,2002,30:727-736.

［15］张明，穆海林，宁亚东1991-2006年中国能源碳排放编年［J］生态经济学，2009，68（7）：2122-2128.［ZhangMing,MuHailin,NingYadong.DecompositionofEnergyrelatedCO2EmissionOver1991-2006inChina［J］.EcologicalEconomics,2009,68(7):2122-2128.］

［16］李艳梅,张雷,程晓凌.中国碳排放变化的因素分解与减排途径分析［J］.资源科学,2010,32(2):218-222.［LiYanmei,ZhangLei,ChengXiaoling.ADecompositionModelandReductionApproachesforCarbonDioxideEmissionsinChina［J］.ResourcesScience,2010,32(2):218-222.］

FactorDecompositionAnalysisofCarbonEmissionsChangeinChina

TIANLixinZHANGBeibei

(EnergyDevelopmentandEnvironmentalProtectionStrategyResearchCenter,JiangsuUniversity,ZhenjiangJiangsu212013,China)

碳排放的影响因素篇5

关键词：碳排放影响因素；绿色发展；北京

中图分类号：F127文献标识码：A

原标题：北京市碳排放量的研究

收录日期：2016年11月1日

一、引言

（一）研究背景及研究意义。我国处于经济高速发展阶段，“十三五”规划纲要指出“绿色发展理念是把马克思主义生态理论与当今时展特征相结合，又融汇了东方文明而形成的新的发展理念；是将生态文明建设融入经济、政治、文化、社会建设各方面和全过程的全新发展理念。”而北京市作为首都，作为中国的政治、文化和教育中心，以雾霾天气频发闻名于世界，其碳排放特征具有一定特殊性，在节能减排工作上备受瞩目。从自身情况来看，北京市环境问题依然严峻，雾霾天气时常出现，蓝天难得一见，这对居民的健康和整个城市的形象有着很大的影响。如何保证在减少碳排放的同时又不影响经济的发展，成为了北京市经济转型过程中的重要课题。而要完成此任务，必须找出北京市碳排放的影响因素，并依此制定环境政策。

（二）碳排放影响因素相关研究综述。碳排放受到哪些因素影响，一直受到各界学者的关注。从现有文献来看，普遍认为影响碳排放量的主要因素有经济增长、能源消费、人口规模结构等。

1、经济因素。随着工业革命的推进、化石能源的大量使用、经济的急速发展而带来的碳排放问题，使得外国的研究者很早就意识到碳排放是和经济的发展挂钩的。最早开始探讨经济发展和碳排放量的线性关系是在20世纪90年代初，格鲁斯曼等学者提出的环境库茨涅茨曲线EKC理论，即认为碳排放量随经济增长而增加，当经济发展到一定程度（拐点）时，碳排放量将开始随经济增长而减少。这个理论在1995年被MichaelTucker教授所验证。

2、能源消费因素。学者们普遍认为，能源消费是碳排放量不断增加的主要原因之一。能源消费一般会被分解为能源强度、能源结构等指标进行分析。Shrestha&Timilsina（1996）运用Divisia指数分解法，对包括中国在内的亚洲12国电力行业二氧化碳强度变化进行了研究。他们指出，1980～1990年间影响中国电力行业碳排放的主要因素是燃料强度变化。

3、人口因素。人口规模以及人口结构，也是影响碳排放的因素之一。1990年，Kaya公式被提出，即排放=人口×人均GDP×单位GDP能源消耗量×单位能耗排放量。学者们开始考虑人口对碳排放的影响。美国J.WTester等人用此对中、日、欧、美1980～1999年间的碳排放通过四个驱动因素进行了分析。刘兰凤、易行健于2008年提出人口越多，肯定碳排放量也越多。除了人口总量，人口结构也是碳排放量变化的影响因素之一，老龄化结构的国家碳排放量肯定也会相应降低。目前，对于影响北京市碳排放因素的相关研究较少。

二、北京市碳排放现状及特征

（一）统计结果。因为计算单位不同，不同能源的实物量是不能直接进行比较的。所以想要对比不同品种的能源消费量，必须通过各种能源实际含热值与标准燃料热值之比，即能源折算系数，计算出各种能源折算成标准燃料的数量。所选标准燃料的计量单位即为当量单位。本文选取北京市2000～2012年间13年的主要能源消费量的数据来进行测量。可以看出，北京市主要能源消费量逐年递增，2012年已达到19.6万吨标准煤。煤炭消费总量处于波动状态，峰值出现在2005年，之后开始逐年下降，2012年已跌至4.4万吨标准煤，同比下降4%，渐渐失去主导地位且仍有持续下降的趋势。煤炭消费量早期处于主导地位，但近年来已失去主导地位。原油消费量早期处于波动上升状态，峰值出现在2009年，为4.5万吨，近年来处于缓慢下降中，且仍有持续下降的趋势。天然气消费虽然基数小，但从绝对量和相对量来说都基本是持续上升的状态，2012年已达4，312.5吨标准煤，且有持续快速上升的趋势。相信天然气作为一种较为环保和使用方便的能源，今后会得到大力的推广。

（二）北京市碳排放量现状。从碳排放总量来看，北京市碳排放量在2008年以前呈现持续上升趋势，在2008年及以后开始缓慢回落，峰值出现在2007年，年碳排放量为3，618.6万吨；最小值出现在2002年，年碳排放量为2，759.5万吨。这13年来的平均碳排放量为3，158万吨。从年变动率来看，2004年出现了一个最高的增长率，为8%；2011年出现了一个最大的下降率，为7%，平均增长率为0.97%。碳排放量随着经济增长在这一时期内表现为先快速上升后有所回落的一种倒U型关系，这种动态关系说明经济增长与碳排放量存在一定程度上的库兹涅茨倒U型机制。在经济发展到一个阶段时，会自发对碳排放量有一个抑制作用。但对于北京市来说，这种抑制作用的大小还需要探讨。

三、北京市碳排放影响因素

文献综述部分曾探讨过，前人的研究认为影响碳排放量的有经济因素、能源消费因素。本文在研究北京市碳排放量的可能影响因素时，想要尝试综合以上几种因素进行讨论。

（一）经济因素

1、人均GDP与居民消费水平。城市经济发展水平与碳排放情况密不可分，大量化石能源的投入必然会引起高碳排放的问题，目前我国仍处于工业化中期阶段，经济的发展会伴随着碳排放量的增加。本文选择人均GDP与居民消费水平这两个因素来代表经济发展状况，尝试探求到底哪一个指标与碳排放量有更大的关系，以及到底是产出还是消费对碳排放量的影响更大。北京市人均GDP与居民消费水平都保持稳步的增长趋势，人均GDP增速较快，2012年已达到87，475元。居民消费水平的峰值也出现在2012年，为30，350元，说明北京市处于经济较快增长期间。

2、第二产业占比。不同产业间所耗能源总量与能源类型不尽相同，各产业间碳排放量也均有所不同。在我国三大产业中第二产业所耗能源比重最高，为全部能耗量的60%，因此第二产业在产业结构中的比重变化对总碳排放量有着至关重要的影响。由北京市统计年鉴来看，北京市的第二产业占比一直保持着稳步下降的趋势，近年来趋于平缓，趋近23%的水平。这对于减排工作是有利的。从相对比较来看第三产业占比重较大且逐年递增，第二产业已趋于稳态。

3、机动车拥有量。城市碳排放量最高的三大行业：工业、交通业和建筑业，其中工业、交通业和建筑业能源消耗结构比重分别为30%、21%、9%。交通业成为仅次于工业的第二大能耗行业，未来交通业能源消耗比重仍会继续上升，交通业高碳排放量问题不容忽视。机动车拥有量的多少决定着交通业碳排放总量，考虑到交通业碳排放对总碳排放的影响，因此选取机动车拥有量作为研究变量。由北京市统计年鉴可以看出，北京市机动车拥有总量已从2000年的150.7万辆增长到2012年的520万辆，年均增长率为13%。由于私家车碳排放强度持续增长，机动车数量不断增加，使得交通业碳排放量一直上涨，交通业碳排放量日益显示出其在影响总碳排放量的重要性地位。

（二）能源消费因素。能源强度是实现单位GDP的能耗量（能源强度=能源消费量/GDP），一方面反映经济活动的能耗效率，能源强度越高说明生产同等数量国内生产总值的能耗量越多，碳排放量就越大；另一方面能源强度还反映节能减排技术的进步程度，先进的减排技术对碳排放的降低有促进作用，节能减排技术水平越高，碳排放量就越小。从2000年起北京市能源强度一直保持下降趋势，从2000年的0.36降到2012年的0.11，能源利用效率呈稳步上升趋势，但是与发达国家能源利用率相比仍存在较大差距，经济增长方式仍为粗放型增长，在能源强度上北京市仍具有较大提升空间，能源强度上对碳排放量的影响依旧很大。

四、建议

考虑到北京市未来经济仍将继续保持高速增长态势，常住人口对于经济发展和城市化起着重要作用，并且经济发展仍要依赖能源资源的大量投入，因此要控制北京市碳排放就必须从产业结构、能源利用效率和能源结构上下手。

（一）转变经济增长方式，优化产业结构。从以上分析我们可以看到，第二产业占比与碳排放关系密切。所以必须要注重产业结构优化升级，逐步调整一二三产业的结构，降低第二产业比例，特别是传统的高耗能行业，而着力推动新兴工业化发展。对于北京市来说，未来应大力发展现代服务业与新兴能源产业，特别是旅游业、商业、外贸出口等，建立低碳产业体系。由第二产业占比数据变化我们知道北京市正向着该方向发展，在转变过程别注意长久的规划，注重集群、产业链和自主创新的问题，避免在建设过程中造成重复浪费的现象，通过有序发展接续替代型的低碳产业。最终促进北京市建立资源节约型、环境友好型社会，形成一个良性可持续的能源生态系统。

（二）优化能源消费结构，加大开发清洁能源的力度。从排放系数表中我们知道，化石能源排碳量大，污染比较严重。北京市的能源结构还比较单一，主要以化石能源消费为主，可再生能源开发利用水平比较低下。在经济发展和资源环境矛盾日趋尖锐的形势下，我们应该降低排放系数高的高碳能源在能源消费中的比重，加快对新能源和可再生能源的开发利用，以改善能源结构、降低能耗、降低碳排放。特别注意降低对煤炭的依赖，大力发展核电、太阳能发电和生物质能源发电。加快速度试点发展风能、潮汐能、沼气能新能源。

（三）在社会上大力宣传低碳观念，从人们意识形态上扭转能源利用方式。政府应大力宣传低碳观念，引导人们的价值观和生活模式，促成人们形成低碳生活方式，引发对低碳产品的需求。消费是生产的动力，市场需求会转化为产业需求，并对各大行业形成拉动，从而促使企业的创新和转型运动，最终促进碳排放量的降低。

主要参考文献：

[1]苟少梅.新疆1990～2010年能源消费的碳排放量测算与排放特征分析[J].资源科学，2013.

[2]胡初枝，黄贤金，钟太洋，谭丹.中国碳排放特征及其动态演进分析[J].中国人口・资源与环境，2008.

[3]刘裕生，陈锦.北京市碳排放量影响因素分析2002～2011[J].资源科学，2013.

[4]娄伟.城市碳排放量测算方法研究――以北京市为例[J].华中科技大学学报（资源科学），2011.

碳排放的影响因素篇6

区别于传统视角的碳排放强度研究，本文从供给和需求，产出和增加值的内在联系出发，提出了最终需求视角下的完全碳排放强度及其消费的完全碳排放强度、投资的完全碳排放强度和出口的完全碳排放强度相关概念和计算方法，并根据合并WIOD形成的1996-2009年的中国非竞争型投入产出表完成了对各类完全碳排放强度的测算，以及对完全碳排放强度的变动的直接贡献率分解，同时对各类完全碳排放强度的变动进行了直接碳排放系数效应、中间投入技术结构效应、增加值系数效应和最终需求规模效应4种驱动因素的SDA分解。结果显示：第一，期间消费的完全碳排放强度均小于投资和出口的完全碳排放强度，且消费的完全碳排放强度对完全碳排放强度变动的直接贡献率要大于投资和出口，表明消费中隐含的碳排放与增加值的比例沿着“集约型”路径不断优化，而出口和投资的增长路径则相对“粗放”。第二，各类完全碳排放强度的减排路径大体一致，直接碳排放系数效应为正，而中间投入技术结构效应、增加值系数效应和最终需求规模效应均为负，暗含投入产出结构、各类需求的隐含增加值系数以及规模变动对碳排放强度下降并没有起到积极作用，而主要源泉还是直接碳排放系数下降。其中直接碳排放系数、中间产品技术结构效应和增加值系数效应的变化在投资的完全碳排放强度中作用较大，而最终需求规模的变化在消费的完全碳排放强度中作用较大。第三，各类完全碳排放强度变化以及其背后的驱动力具有明显的分阶段特征。2002-2004年投资和出口的完全碳排放强度变化促使了完全碳排放强度上升，而2004-2009年则对完全碳排放强度的下降有一定的正贡献。入世以前增加值系数对各类需求的完全碳排放强度下降的贡献为正，而其后贡献为负。其中，在2003-2007年投资和出口的完全碳排放强度变化中表现更为明显。因此，降低碳排放强度是一项系统工程，减排技术仍是最直接和有效的措施，而需求模式调整也是降低碳排放强度的重要手段之一，特别是降低出口和投资的中隐含碳和提高出口和投资中的增加值率，同时也要警惕消费结构变动中如汽车等高能耗产品普及带来的不利影响。

关键词碳排放；增加值；碳排放强度；最终需求；结构分解分析

中图分类号F205

文献标识码A

文章编号1002-2104（2014）10-0048-09doi：10.3969/j.issn.1002-2104.2014.10.008

碳排放强度指单位国民生产总值的CO2排放量，体现了污染物和经济增长的相互关系，是经济可持续发展的重要评价指标，已作为约束性指标之一纳入国内统计、监测和考核办法。如中国在哥本哈根气候变化会议上承诺2022年CO2排放强度将比2005年降低40%到45%，“十二五”规划中明确提出单位GDP碳排放降低17%的目标。碳排放主要源自化石燃料燃烧，因此碳排放强度取决于碳基能源的碳排放系数、能源构成、能源强度等。而碳排放总量系各行业排放的加总，因此碳排放强度又与产业结构密切联系，取决于各行业单位GDP能耗，能耗部门占国民经济中的比重等。综合而言，这些细分指标受到了技术进步、经济增长、结构调整、能源利用和经济周期等的影响。目前，在碳排放强度方面的研究中，能源强度是重要的前沿研究领域[1]。而传统意义能源强度强调的是能源供给和产品生产过程，根据碳排放强度的定义和计算公式，作为分子的碳排放总量和作为分母的GDP测算均源自生产过程，如要体现消费过程，分子不仅要测算国际贸易中的隐含碳，还要测算中国内需中的隐含碳，分母GDP也不能简单采用收入法总量，还要根据需求部分进行相应分解。这样才能得到相应的碳排放强度，为减排路径设计提供新的依据。那么，在需求视角的碳排放强度的概念下，我国碳排放强度的变化规律如何，内在驱动因素又有哪些特点？

鉴于此，区别于传统视角碳排放强度的研究，本文从供给和需求，产出和增加值的内在联系出发，构造了消费、投资和出口的完全碳排放强度及其相应的计算指标。在此基础上，应用欧盟开发的全球投入产出数据库（WorldInputOutputDatabase，WIOD）中的中国投入产出表，测算中国1996-2009年的完全碳排放强度，对我国完全碳排放强度的变动进行贡献率分解，然后应用结构分解模型对引起完全碳排放强度变化的影响因素进行分解。论文旨在从需求结构层面提供降低我国碳排放强度的一种路径，有助于分析我国的结构调整战略，协调低碳排放和经济增长的均衡发展。

1文献回顾与概念提出

杜刚等[1]指出在碳排放强度的研究中，分解技术是主要的方法创新（经典论文包括Ang[2-3]），其中指数分解分析（IDA）是最常用的方法。IDA系采用部门层面的数据，对碳排放总量逐项进行乘（和）式分解，并将其影响因素提取出来。可见，该方法的技术路线是从生产过程对碳排放进行分析，如Fan等[4]、Timilsina等[5]、陈诗一[6]、王峰等[7]等学者均采用了该方法，基本结论是能源强度是影响碳排放强度的主要因素。

结构分解分析（SDA）是另一种比较常见的研究方法，建立在投入产出表的基础上，利用投入和产出的平衡关系，采用Leontief逆矩阵分离出需求因素对产出的影响，进而将产品中隐含碳解释为需求拉动的结果。因此，SDA分析方法是从需求过程描述碳排放，如李艳梅和付加锋[8]、郭朝先[9]、姚亮等[10]等学者都利用SDA分解法对碳排放进行研究。在具体应用中，多数文献使用的是竞争型投入产出表，或在简单假设的基础上将其调整成非竞争型投入产出表，但这样会在一定程度上错估一国的碳排放量。

目前采用SDA方法分析碳排放强度的研究主要以如下学者为主。YouguoZhang[11]对我国1992-2006年的碳排放强度进行研究，主要考虑生产碳排放，将我国碳排放强度的变化分解为生产模式、中间投入结构和需求模式的变化，表明在1992-2002年期间生产模式是碳排放强度下降的主要原因，而在2002-2006年中间投入技术成为主要原因。其后，张友国[12]进一步考虑生活能源消费产生的CO2排放以及能源强度与中间投入之间的相关性，对碳排放强度进行了研究。其他类似的研究还包括籍艳丽[13]、付雪[14]。但这些研究实质上仍延续碳排放量的SDA分解思路，主要特点是构造了碳排放总量的分解式（含最终需求），而分母GDP则与最终需求相联系，单独作为一项因素提出。因此，从公式形式上看，除了最后一项外，碳排放总量的SDA分解式和碳排放强度的SDA分解式在形式上非常相似，进而实证结果差异主要体现在最终需求的进口率上（称为进口率变化的影响因素）。那么，如何在需求层面重新表征GDP实现更有效的分析？

Lau、陈锡康和杨翠红等学者[15]构造了基于最终需求的完全增加值概念，是指在某商品产出过程中引起的直接增加值和所有间接增加值之和。从供需匹配出发，商品的价值量最终也会反映在商品的需求中，其产出的价值要等于各项需求的价值之和。因此出口中完全增加值的计算过程反映的是出口需求带来的所有增加值。类似的，考虑所有需求，即包括中间产品需求、消费需求、投资需求以及出口需求，其所带来的完全增加值之和势必要等于从生产过程中所产生的增加值之和（即生产法GDP），这为需求视角下分解增加值提供了可能。基于此，蒋雪梅和刘轶芳[16]提出了出口单位增加值隐含碳的概念，测算的也正是出口中隐含碳与出口中完全增加值的比值，某种意义上也是“出口的碳排放强度”。

同理，其他类型的需求碳排放强度也可以类似构造。经济含义上代表了该类需求模式的碳消费特征，如假设在当前的最终需求中，消费模式和出口模式带来相同的经济效应，前者所付出的环境代价要低，即出口单位增加值所需要承担的碳排放高于最终消费，那么在最终需求的转型中，最终消费产品比例的上升和出口产品比例的下降会使我国整体的完全碳排放强度降低。

总之，污染物的增长伴随着经济增长，经济增长的引擎离不开供给推动和需求拉动。在经济-能源-环境的复杂系统中，各部门的生产过程与需求过程相互耦合，生产环节碳排放强度测算仅反映了系统中环境污染与经济增长的一种依赖关联，而需求环节碳排放强度的测算将提供一种新的关联测算。在接下来的指标和模型构建中，我们将进一步详细推导需求环节的碳排放强度，并就其主要影响因素提出相应的分解模型。

2数据说明与模型构建

2.1数据说明

目前多国投入产出数据库主要有GTAP数据库、AIO数据库和WIOD数据库，各数据库主要在投入产出表所涉及的范围、构造方法及数据来源等方面存在区别。其中WIOD数据库由欧盟11个机构共同编制，提供1995-2011年全球范围投入产出表，同时该数据库还提供能源、环境和就业等账户，其中环境账户中的CO2排放量采用各国各部门的化石能源消费量数据利用IPCC的碳排放估计法进行计算，并将其细分至各部门。

论文采用了WIOD数据库中可比价格的中国IO表，其较我国编制的投入产出表具有一些优势，如在时间上较为连续，且部门统一等。CO2排放数据来自WIOD数据库

中的环境账户。考虑数据的可获得性，选取1996-2009年共14年的数据。由于WIOD数据库中的非竞争型投入产出表以美元为单位，本文通过中国统计年鉴中各年汇率将其折算为人民币。

2.2完全碳排放强度指标

一般意义上的碳排放强度是指单位国内生产总值所产生的CO2排放量，计算过程源自生产法。而完全碳排放强度考虑了生产和需求的耦合关系，系对需求模式构建相应的碳排放强度，这里分别对这种耦合关系、完全碳排放、完全增加值进行说明。其中，完全碳排放强度是完全碳排放和完全增加值的比值。

本文采用区分了国产品和进口品的非竞争型投入产出表进行阐述。令

3实证分析

3.1我国完全碳排放强度的实证结果

根据公式（11）-（14）计算得出我国各类的完全碳排放强度，结果见图1。可以发现，完全碳排放强度的变化趋势与我国总体的碳排放强度是相符的，尽管我国的CO2排放总量增加迅猛，但碳强度得到了下降，且各类完全碳排放强度也出现了明显的下降。

在总量层面，投资的完全碳排放强度和消费的完全碳排放强度在各年间始终是最大者和最小者，且消费的完全

碳排放强度一直低于我国整体的完全碳排放强度，而投资的完全碳排放强度和出口的完全碳排放强度一直都高于我国完全碳排放强度。时序层面，我国完全碳排放强度除了2003年和2004年有小幅度上升外，其他年份都是逐年递减，2009年全国完全碳排放强度下降至1.88t/万元，在1996年的基础上降低了55.52%，年均下降速度约为4.27%；消费的完全碳排放强度在1996年至2009年间逐3.2完全碳排放强度变动的贡献率分解结果

根据公式（17）将中国1996-2009年完全碳排放强度变动进行贡献率分解，具体结果见表2。其中贡献率的符号含义如下：若我国完全碳排放强度整体是下降的，则贡献率为正代表促进完全碳排放强度的下降，为负表示抑制其下降；若我国完全碳排放强度整体是上升的，则贡献率为负是抑制完全碳排放强度的上升，为正表示促进其上升。根据完全碳排放强度的变动趋势，将1996-2009年分为1996-2002年、2002-2004年和2004-2009年三个时段，其中第一时段和第三时段为下降阶段，第二时段为上升阶段。

在整个研究期间，消费对完全碳排放强度变动的贡献率是最大的，其次是出口，贡献率最小的是投资。分时段来看，在1996-2002年期间，消费对我国完全碳排放强度下降的贡献率远远大于投资的和出口的贡献率。在2002-2004年期间，消费对我国完全碳排放强度的贡献率是负的，因为在2002-2004年，我国完全碳排放强度是上升的，而消费的完全碳排放强度是下降的，因此消费的贡献率为负值。而投资和出口的完全碳排放强度在该阶段都是上升的，因而投资和出口的贡献率都为正值。在2004-2009年期间，消费是我国完全碳排放强度下降贡献率中最大的。

因此总体来看消费是我国完全碳排放强度下降的贡献率中最大的，而另外两类贡献率的大小在中国入世前后有明显的变化，入世前投资的贡献率大于出口，而入世后是出口的贡献率较大。基于宋爽、樊秀峰[18]的研究结论，并结合以上的结果，可以更清晰地看出由消费所带来的增加值增长属于“集约型”增长，而由投资和出口所带来的增加值增长属于“粗放型”增长，是以过度的能源消耗和环境污染为代价的。

3.3完全碳排放强度的SDA分解结果

根据公式（20）将中国1996-2009年各类完全碳排放强度变动的影响因素分解为四大效应，即碳排放系数效应、技术结构效应、增加值系数效应和最终需求效应。若效应值为负说明该影响因素是促使完全碳排放强度下降的，若效应值为正则说明该影响因素是抑制完全碳排放强度下降的。同时本文参考了鲁万波、仇婷婷和杜磊[19]文中所划分的阶段，将1996-2009年划分为四个阶段，即1996-1998年为第一阶段，1998-2003年为第二阶段，2003-2007年为第三阶段，2007-2009年为第四阶段。整体看来，这四个效应在各类完全碳排放强度的影响效果相差不大，具体结果如下（见表2）。

（1）四个阶段中碳排放系数效应均为负值，这说明在1996-2009年间，我国单位产出的直接碳排放量出现了下降，并在整体上使得各类完全碳排放强度也出现了下降。

整体看来，在各类完全碳排放强度中，碳排放系数效应的变动对投资的完全碳排放强度变动的影响是最大的，占比为166.53%，而对消费的完全碳排放强度变动的影响最小，仅为133.54%。分时段来看，碳排放系数效应都在第三阶段较大。尤其是对于投资的完全碳排放强度，其在第三阶段的变化中占比高达441.24%，而对消费的完全碳排放强度在第三阶段变化的影响相对较小，仅为163.62%。

（2）技术结构效应是各类碳排放强度上升的最大推手。在各阶段中，除了第四阶段，其他三个阶段的技术结构效应均为正，说明技术结构的变化，使得我国完全碳排放强度出现了一定程度的上升。而第四阶段的负值是由于我国当时正处于结构转型期，受益于国家的节能减排政策，我国投资品中减少了对资源性产品的依赖，使得其在这一阶段中出现了负值，即其对我国完全碳排放强度的上升起到了抑制作用。

整体看来，该影响因素在投资的完全碳排放强度的变动中作用最大，占比的绝对值为43.64%，其次是对出口的完全碳排放强度变动，其绝对值为43.50%，而对消费的完全碳排放强度变动的作用最小，绝对值仅为26.65%。分时段来看，技术结构效应在第三阶段中表现最为明显。其中在投资的完全碳排放强度第三阶段变动中的占比绝对值为226.85%，而在消费的完全碳排放强度变动中的占比绝对值仅为61.26%。

（3）在各阶段中，增加值系数效应表现不一，但大部分增加值系数效应值为正，这说明在1996-2009年间，我国单位产出的增加值出现了下降，并在其他因素不变的情况下，使得各类完全碳排放强度上升了，即增加值系数的变化对各类完全碳排放强度的降低具有负作用。从表中可知增加值系数效应的负值出现在第一阶段或者第二阶段，说明我国在该相应阶段的单位产品的增加值出现了上升，从而使得完全碳排放强度下降了。而出口产品的增加值系数在各阶段均为正效应，说明就出口产品而言，我国为获得单位产出所付出的中间投入比例上升，增加值系数即单位产出的增加值反而出现了较大幅度的下降，使得各阶段出口的完全碳排放强度上升了。

整体看来，该影响因素在投资的完全碳排放强度的变动中作用最大，占比绝对值为23.06%，其次是对出口的完全碳排放强度变动，其绝对值为20.47%，而对消费的完全碳排放强度变动的作用最小，其绝对值仅为4.98%。分时段来看，增加值系数效应在第三阶段中表现最为明显。其中在出口的完全碳排放强度第三阶段变动的占比绝对值为121.05%，而在消费的完全碳排放强度的占比绝对值仅为22.22%。尤其值得注意的是，该效应在出口的完全碳排放强度变动的占比在第三阶段变化较大，其绝对值由第二阶段的2.08%变化到第三阶段的121.04%，说明中国入世后单位增加值出现了较大幅度的下降，从而促进了出口的完全碳排放强度的上升。

（4）各类需求规模效应在各阶段中表现形式不一，但其对完全碳排放强度的作用是最小的。除了投资的完全碳排放强度，其他的需求规模效应值均为正，说明1996-2009年间需求规模的变动使得完全碳排放强度上升了。

整体看来，该影响因素在消费的完全碳排放强度中作用较大，占比绝对值为1.90%，而对出口的完全碳排放强度变动的占比绝对值仅为0.57%。分时段来看，该效应值在消费的完全碳排放强度中第一阶段和第二阶段为负，第三阶段和第四阶段为正；在投资的完全碳排放强度中第一阶段和第四阶段为负，第二阶段和第三阶段为正；在出口的完全碳排放强度中，仅在第三阶段为负，且总体为负。

尽管本文是基于最终需求视角来分解碳排放强度，但碳排放的产生仍是源自生产过程，因而1996-2009年间各类完全碳排放强度下降最主要的原因是碳排放系数的下降，即节能减排技术的进步，不管是对于哪类完全碳排放强度，碳减排的成效都超过了技术结构效应、增加值系数效应以及需求规模效应之和；其次增加值系数效应在中国入世前后变化较大，且其在出口产品中，单位产出的增加值不断下降，从而促进了出口的完全碳排放强度上升；同时可以发现各效应在第三阶段中表现均较为明显，尤其是增加值系数效应，说明中国入世后对各类完全碳排放强度产生了较大的影响，因而其各影响因素也出现了明显的变化；当然也还需要注意到各影响因素在各类完全碳排放强度中作用的差异性，如碳排放系数、技术结构效应和增加值系数效应的变化在投资的完全碳排放强度中作用最大，而最终需求规模的变化在消费的完全碳排放强度中作用是最大的。

4结论与讨论

本文通过对完全碳排放强度的分析得出：①在最终需求的视角下，最终需求模式的变化带来完全碳排放强度的提高，但增量较小。在未来的低碳发展中应集中于清洁需求模式的培养，当然，生产领域的节能工作仍不能被忽视。②消费的完全碳排放强度在各年都表现为最低，且均低于

我国的完全碳排放强度，而出口的完全碳排放强度和投资的完全碳排放强度都比我国完全碳排放强度高，其中投资的完全碳排放强度是最高的。同时消费对我国完全碳排

放强度变动的贡献率是最大的。因此，从促进经济环境共同协调发展的角度来看，鼓励居民和政府的消费需求，并大力激发消费潜力，是降低我国碳排放强度、实现低碳经济发展目标的重大战略方向。③各类完全碳排放强度的减排路径大体一致，但仍存在一定的偏向。即在各类完全碳排放强度的变动中，碳排放系数效应为正，而技术结构效应、增加值系数效应和最终需求效应均为负。但是，碳排放系数、技术结构效应和增加值系数效应的变化在投资的完全碳排放强度中作用较大，而最终需求规模的变化在消费的完全碳排放强度中作用较大。④1996-2009年各类完全碳排放强度都出现了大幅的下降，但其背后的驱动

力具有明显的分阶段特征。2002-2004年投资和出口的完全碳排放强度变化促使了完全碳排放强度上升，而2004-2009年则对完全碳排放强度的下降有一定的正贡献。入世以前增加值系数对各类需求的完全碳排放强度下降的贡献为正，而其后贡献为负。其中，在2003-2007年投资和出口的完全碳排放强度变化中表现更为明显。

无疑，降低碳排放强度是一项系统工程，应寻求更加多样化的措施强化减排效果，其中一条重要路径是最终需求模式调整，包括扩大内需的比例，鼓励居民和政府的消费需求，降低出口和投资的中隐含碳，提高出口和投资中的增加值率等。不过值得注意的是，居民消费结构变动中，家电和汽车等高能耗消费品普及可能并不利于消费的完全碳排放强度下降，需要予以一定程度的警惕。同时我国在实现碳排放强度承诺目标以及十二五规划目标时，技术进步始终是控制碳排放强度最为直接和有利的政策措施。当然我国也应该积极探索其他有助于降低碳排放强度的方法，如提升清洁能源比重、改善最终需求的产业结构等。

参考文献（References）

[1]杜刚，孙作人，苗建军.基于文献计量的碳排放强度研究前沿理论综述[J].经济学动态，2012，（4）：88-91.[DuGang，SunZuoren，MiaoJianjun.FrontierTheoreticalReviewofCarbonIntensityBasedonBibliometric[J].EconomicPerspectives，2012，（4）：88-91.]

[2]AngBW，ZhangFQ.ASurveyofIndexDecompositionAnalysisinEnergyandEnvironmentalStudies[J].Energy，2000，（12）：1149-1176.

[3]AngBW.DecompositionAnalysisforPolicymakinginEnergy：WhichIsthePreferredMethod[J].Energy，2004，（9）：1131-1139.

[4]FanYing，LiuLancui，WuGang，etal.ChangesinCarbonIntensityinChina：EmpiricalFindingsfrom19802003[J].EcologicalEconomics，2007，（62）：683-691.

[5]GovindaR，Timilsina，AshishShrestha.TransportSectorCO2EmissionsGrowthinAsia：UnderlyingFactorsandPolicyOptions[J].EnergyPolicy，2009，（11）：4523-4539.

[6]陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济，2011，（4）：124-143.[ChenShiyi.FluctuantDescentModeofCarbonIntensityinChinaandItsEconomicInterpretation[J].TheJournalofWorldEconomy，2011，（4）：124-143.]

[7]王峰，冯根福，吴丽华.中国经济增长中碳强度下降的省区贡献分解[J].经济研究，2013，（8）：143-155.[WangFeng，FengGenfu，WuLihua.RegionalContributiontotheDeclineofNationalCarbonIntensityinChina’sEconomicGrowth[J].EconomicResearchJournal，2013，（8）：143-155.]

[8]李艳梅，付加锋.中国出口贸易中隐含碳排放增长的结构分解分析[J].中国人口・资源与环境，2010，20（8）：53-57.[LiYanmei，FuJiafeng.StructuralDecompositionAnalysisonCarbonEmissionsGrowthEmbodiedinExportsinChina[J].ChinaPopulation，ResourcesandEnvironment，2010，20（8）：53-57.]

[9]郭朝先.中国二氧化碳排放增长因素分析：基于SDA分解技术[J].中国工业经济，2010，（12）：47-56.[GuoChaoxian.AnAnalysisoftheIncreaseofCO2EmissioninChina：BasedonSDATechnique[J].ChinaIndustrialEconomics，2010，（12）：47-56.]

[10]姚亮，刘晶茹，王如松.中国城乡居民消费隐含的碳排放对比分析[J].中国人口・资源与环境，2011，21（4）：25-29.[YaoLiang，LiuJingru，WangRusong.ComparisonandAnalysisofCarbonEmissionsEmbodiedinHouseholdConsumptionbetweenUrbanandRuralAreaofChina[J].ChinaPopulation，ResourcesandEnvironment，2011，21（4）：25-29.]

[11]ZhangY.StructuralDecompositionAnalysisofSourcesofDecarbonizingEconomicDevelopmentinChina：19922006[J].EcologicalEconomics，2009，68：2399-2405.

[12]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究，2010，（4）：120-133.[ZhangYouguo.EconomicDevelopmentPatternChangeImpactonChina’sCarbonIntensity[J].EconomicResearchJournal，2010，（4）：120-133.]

[13]籍艳丽，郜元兴.二氧化碳排放强度的实证研究[J].统计研究，2011，28（7）：37-44.[JiYanli，GaoYuanxing.AnEmpiricalStudyonCarbonDioxideEmissionsIntensity[J].StatisticalResearch，2011，28（7）：37-44.]

[14]付雪，王桂新，魏涛远.上海碳排放强度结构分解分析[J].资源科学，2011，33（11）：2124-2130.[FuXue，WangGuixin，WeiTaoyuan.StructureDecompositiononCarbonEmissionIntensityofShanghai[J].ResourcesScience，2011，33（11）：2124-2130.]

[15]刘遵义，陈锡康，杨翠红，等.非竞争型投入占用产出模型及其应用：中美贸易顺差透视[J].中国社会科学，2007，（5）：91-103.[LawrenceJL，ChenXikang，YangCuihong，etal.InputoccupancyoutputModelsoftheNoncompetitiveTypeandTheirApplication：AnExaminationoftheChina―USTradeSurplus[J].SocialSciencesinChina，2007，（5）：91-103.]

[16]蒋雪梅，刘轶芳.全球贸易隐含碳排放格局的变动及其影响因素[J].统计研究，2013，30（9）：29-36.[JiangXuemei，LiuYifang.ResearchonthePatternChangeofCarbonEmissionEmbodiedinInternationalTradeandItsDeterminants[J].StatisticalResearch，2013，30（9）：29-36.]

[17]DietzenbacherE，LosB.StructuralDecompositionTechniques：SenseandSensitivity[J].EconomicSystemsResearch，1998，（10）：307-323.

[18]宋爽，樊秀峰.最终需求模式演变、产业结构变迁与CO2排放：基于投入产出模型和SDA方法的分析[J].山西财经大学学报，2013，35（9）：73-83.[SongShuang，FanXiufeng.EvolutionofFinalDemandPattern，ChangesinIndustrialStructureandCO2EmissioninChina：BasedonInputoutputModelandSDAMethod[J].JournalofShanxiFinanceandEconomicsUniversity，2013，35（9）：73-83.]

[19]鲁万波，仇婷婷，杜磊.中国不同经济增长阶段碳排放影响因素研究[J].经济研究，2013，（4）：106-118.[LuWanbo，QiuTingting，DuLei.AStudyonInfluenceFactorsofCarbonEmissionsunderDifferentEconomicGrowthStagesinChina[J].EconomicResearchJournal，2013，（4）：106-118.]

[20]秦昌才，刘树林.碳排放影响因素研究的现状、比较与启示[J].经济与管理评论，2012，（3）：29-33.[QinChangcai，LiuShulin.CurrentSituation，ComparisonandEnlightenmentoftheStudyontheInfluencingFactorsofCarbonEmissions[J].ReviewofEconomyandManagement，2012，（3）：29-33.]

[21]包玉香.高效生态经济与低碳能力建设的耦合作用机制研究[J].山东师范大学学报：人文社会科学版，2012，（2）：86-93.[BaoYuxiang.StudyontheCouplingMechanismBetweenHighEfficientEcologicalEconomyandCapacityBuildingofLowCarbonEconomy[J].JournalofShangdongNormalUniversity：HumanitiesandSocialSciencesEdition，2012，（2）：86-93.]

[22]张伟，孙燕玲，朱萌.区域性中心城市的碳排放测定及影响因素分析：以青岛市为例[J].经济与管理评论，2012，（4）：150-156.[ZhangWei，SunYanling，ZhuMeng.TheCarbonEmissionDeterminationforRegionalCentralCitiesandtheAnalysisoftheInfluencingFactors：TakingQingdaoasanExample[J].ReviewofEconomyandManagement，2012，（4）：150-156.]

AnalysisoftheChangeofCompleteCarbonIntensityandItsDeterminantsfromthePerspectiveofFinalDemand

XIAOHao1，2YANGJiaheng1JIANGXuemei2

（1.SchoolofEconomicsandTrade，HunanUniversity，ChangshaHunan410079，China；2.AcademyofMathematicsandSystemsScience，ChineseAcademyofSciences，Beijing100190，China）