中國碳排放變化的因素分解與減排路徑研究

摘 要 能源及其引致的碳排放等相關問題已經成為影響人類社會發展全局和全球政治經濟格局的重大戰略問題.中國是世界上最大的發展中國家，面臨著更嚴峻的能源挑戰.節約能源、大幅度改善能源效率是我國應對能源和氣侯變化挑戰的一條極其重要且有效途徑.本文綜合考量了能源結構、能源強度、能源效率及經濟增長等4個因素對碳排放的影響，基于因素分解模型，應用LMDI分解方法對中國一次能源利用的CO2排放及碳排放強度變化進行了研究，研究發現二氧化碳排放增加主要是由于經濟增長、人口規模擴大引起的.在此基礎上提出了碳減排的政策建議.

關鍵詞 LMDI模型；碳排放；一次能源；能源強度

中圖分類號 F205 文獻標識碼 A

A Decomposition Model and Reduction

Approaches for Carbon Dioxide Emissions in China

LIU Yiwen1，HU Zongyi1，DAI Yu2

（1.College of Finance and Statistics，Hunan University，Changsha，Hunan 410079，China；

2.School of Arts and law， Changsha University of Technology， Changsha， Hunan 410076，China）

Abstract Energy consumption and carbon emissions has become a major strategic issues affecting the development of human society global and global political and economic pattern. China is the largest developing country in the world，is facing severe energy challenges. Energy conservation and significant improvement in energy efficiency are our response to the challenges of energy and climate change is an extremely important and effective way.This paper comprehensively studied the effects of the energy structure， energy intensity， energy efficiency and economic growth on carbon emissions. Based on factors decomposition model， the LMDI decomposition method was applied to research CO2 emissions and carbon intensity changes due to primary energy use in China. The research found that the increase in carbon dioxide emissions was mainly caused by economic growth and population expansion. On this basis， we proposed some policy recommendations to reduce carbon emission.

Keywords LMDI model； carbon emissions； primary energy； energy intensity

1 問題的提出及文獻綜述

近一個世紀，特別是最近30年以來，極端氣候的頻繁出現和溫室氣體的大量排放引起了世界各國政府、社會和學術界的廣泛關注.我國作為世界上人口最多的國家，伴隨著我國改革開放的不斷深入和經濟的持續發展，我國的二氧化碳排放量已經于2003年超過歐洲并于2007年超過美國成為目前全球最大的二氧化碳排放國.1997年到2010年期間，歐盟的二氧化碳排放量從42.99億噸減少到41.43億噸，美國的二氧化碳排放量略有增長，從60.81億噸增長到61.45億噸，增長1.05%，幾乎可以忽略不計.然而，在同一期間，我國的二氧化碳排放量卻從33.84億噸增長到83.33億噸，增長146.25%，并成為全球最大的二氧化碳排放國，特別是在2002年以后，二氧化碳排放量增長速度明顯加快，對環境造成極大影響的同時也制約了我國的經濟發展（胡宗義等，2012）[1].在未來相當長的時間內，我國將面臨碳減排和經濟發展的雙重壓力.因此，如何有效地降低碳排放是我國面臨的現實問題，而探求我國碳排放增長的驅動因素則是解決這一問題的關鍵.近些年來，我國學者和政策制定者已經開始關注此問題，并試圖尋找我國二氧化碳排放和能源消耗增長背后的驅動力[2-4].

自20世紀70年代以來，碳排放或者能源消費的因素分解研究就成為國際能源問題研究的熱點問題.其中，指標分解分析方法也被國際上能源與環境問題的政策制定所廣泛接受.20世紀70年代末期，指數分解分析方法首次被引入用于研究能源消耗的結構變化問題研究.在20世紀80年代，Laspeyres指數的分解方法得到廣泛應用，到了20世紀90年代，Divisia指數的分解方法則受到能源研究學者的追捧，逐漸成為應用最廣泛的指數分解方法.Ang（1994，2004）通過對當時指數分解分析方法的比較研究，指出Divisia指數分解分析方法是最有效的方法[5-6]，2005年Ang（2005）又進一步給出了應用Divisia指數（LMDI）對能源問題進行分解分析的應用指導[7]，此后，LMDI（指數分解分析方法的一種）成為最受歡迎的指數分解分析模型，為廣大能源問題研究學者所使用，如Hatzigeorgiou等（2008）[8]， Zhang（2003）[9]， Fisher-Vanden等（2004）[10]，Ma和Stern （2008）[11]， Acho和Schaeffer（2009）[12]， Zhang等（2011）[13]， Zhao等（2012）[14].其中一些研究是針對特定部門的分解，如Acho和Schaeffer、Zhang等、Zhao等；更多的則是針對整個宏觀經濟進行分解的.

而，雖然指數分解分析方法已經被廣泛應用，但是這種方法還存在一定的問題和局限性.首先，指數分解分析方法是基于GDP（國內生產總值）計算的，而GDP為最終產出，不包括中間產出，能源消耗或二氧化碳排放是由總產出發生的，這里總產出為中間產出與最終產出之和，所以原來的用能源消耗與GDP的比值來計算能源強度的方式是不準確的.其次，指數分解分析方法不能用來分析投入產出表右側最終需求方面的結構問題，這一問題對能源消耗或二氧化碳的排放都是顯著影響.第三，在指數分解分析方法中，能源強度作用（或被稱為效率作用、技術變化作用）實際上是在分解過程中不能被結構作用所解釋的殘值，由于還存在其他作用對能源效率產生影響，因此直接將結構作用的殘值看作技術變化的作用是不準備的.相對于指數分解方法，結構分解方法引入投入產出理論，可以從經濟總量和產業結構兩個方向進行更為深入的分析.因此，結構分解方法更適用于分析整個國民經濟的能源消費問題和二氧化碳排放問題.近幾年來，由于結構分解方法在分解全民經濟方面的優勢，已經開始被一些學者用于分析能源效率和二氧化碳排放問題.Wood（2009）應用結構分解分析方法將澳大利亞1976～2005期間的溫室氣體排放量變化分解為以下10個驅動因素，分別是：產業效率、前向關聯、產業結構、后向關聯、最終需求結構、最終需求目標、收入水平、人口規模、出口結構和出口量.該研究表明，產業效率、最終需求結構、最終需求目標和出口結構等因素對溫室氣體排放量的增長起到抑制作用，而其他因素則起到了促進了溫室氣體的排放[15].Wachsmann等（2009）應用結構分解分析方法將巴西1970～1996期間的能源消耗量變化分解為8個驅動因素，分別是：能源強度、投入結構、產品結構、最終需求、收入水平、工業能源使用人口數、民用人均能耗和民用能源使用人口數.該研究表明：投入結構、產品結構、收入水平和能源使用人口數對巴西的能源消耗增長起到促進作用，其中收入水平和工業能源使用人口數這兩個因素對能源消耗增長影響效果顯著，達到了85.1%；而其他因素則對能源消耗增長起到了抑制作用[16].Lim等（2009）針對韓國1990～2003年期間的二氧化碳排放量變化情況進行了分解分析，將該期間韓國二氧化碳排放量變化分解為以下8個因素，包括：碳排放強度、能源強度、經濟增長、最終需求、出口、最終產品進口、中間產品進口和生產技術，結果表明：能源強度、經濟增長和出口三個因素對二氧化碳排放量增長起到促進作用，而其他5個因素則起到相反作用.在諸多因素中，經濟增長對二氧化碳排放增長起到的作用最為明顯[17].Cellura等（2012）[18]對意大利1999～2006年期間民用部門的二氧化碳排放量變化進行了結構分解分析，為了保證結果準備，作者分別使用Sun（1998）[19]提出的完全分解模型和Dietzenbacher和Los（1998）[20]提出的兩極分解模型將意大利該階段二氧化碳排放量變化分解為碳排放強度、里昂惕夫效用和最終需求三個驅動因素，結果表明：使用兩種方法獲得的分解結果比較接近，最終需求和列昂惕夫效用對二氧化碳排放起到促進作用，其中最終需求的作用最為顯著，而碳排放強度的作用則是減少二氧化碳的排放.

近幾年來也有學者開始應用結構分解模型來研究中國的能源消耗和二氧化碳排放問題.Zhang（2009）首先應用結構分解模型對中國1992-2006年期間的二氧化碳排放強度的變化情況分解為碳排放系數、能源結構、能源強度、投入結構、產品結構和分配結構6個驅動因素.研究表明：該期間二氧化碳排放強度有了明顯的下降，下降由能源結構、能源強度、投入結構和產品結構的變化產生，其中以能源強度的影響最為明顯，而其他兩個因素則減緩了二氧化碳排放強度的下降[21].需要說明的是，該研究應用的數據為2002年以前，而2003年至2006年的數據為作者估計所得，并非官方數據，因此，其準確性值得商榷.Zhang（2010）的另一個研究是從供給的角度研究中國二氧化碳排放問題，應用了高斯投入產出模型和Dietzenbacher和Los提出的結構分解模型，Zhang將中國的二氧化碳排放量變化分解為經濟活動、經濟結構、需求分配結構和碳排放系數4個驅動因素，并指出經濟活動和經濟結構因素促進了中國二氧化碳排放量的增長[22].Peng和Shi（2011）研究了1992-2005年期間中國二氧化碳排放問題，并應用結構分解分析方法將二氧化碳排放量變化分解為排放強度、技術、最終需求和貿易4個驅動因素，并指出最終需求和技術變化推動了該時期中國的二氧化碳排放量增長，排放強度則減緩了二氧化碳的排放，貿易因素的影響不顯著[23，24].Xia等（2012）應用兩極分解模型的乘法形式對中國1987-2005年期間的能源強度進行了結構分解，在他們的研究中，能源強度被分解為能源投入系數、里昂惕夫系數、最終需求的產品結構、最終需求類型和最終能源消耗5個驅動因素.研究表明，中國能源強度在1987-2002年期間保持下降，原因在于某些產品的能源投入組合得到優化；而出人意料的是2002-2005期間中國能源強度有所上漲，主要是由于技術變化所造成的，具體到該研究中為里昂惕夫逆矩陣變化所導致的.但是該研究對這一變化并沒有進行更為深入的分析[25].

本文在前人研究的基礎上，結合有關碳排放量的計算方法，綜合考量了能源結構、能源強度、能源效率及經濟增長等4個因素對碳排放的影響，基于因素分解模型，應用對數平均權重的Divisia分解法（LMDI模型）分析中國2000～2009年一次能源利用的CO2排放及碳排放強度的變化，力求比較全面地反映各影響因素的作用機理并量化其貢獻率，在此基礎上提出優化我國節能減排政策的建議.

2 研究方法與數據說明

2.1 LMDI模型的構建

指標分解分析方法實質上就是將碳排放的計算公式表示為幾個因素指標的乘積，并根據不同的確定權重的方法進行分解，以確定各個指標的增量分額.各種因素分解法對年度時間序列數據進行分析，一般使用擴展的Kaya恒等式（Kaya identity）形式（Kaya， 1990），將影響因素分解為規模、結構和技術三類.通行的分解方法主要有兩種，一種是指數分解方法IDA（Index Decomposition Analysis），另一種是結構分解方法SDA（Structural Decomposition Analysis）.SDA 法與IDA 法最大的區別在于前者基于投入產出表，以消費系數矩陣為基礎，可對各影響因素如產業部門最終需求、國際貿易等進行較為細致的分析，但對數據要求較高；而后者則只需使用部門加總數據，特別適合分解含有較少因素的、包含時間序列數據的模型，在環境經濟研究中得到廣泛使用.Hoekstra等（2003）對SDA 法與IDA 法在使用條件與使用方法上進行了比較，他們認為，相比于IDA，SDA 對數據有著更高的要求，這是其主要劣勢；但SDA 的主要優勢在于可憑借投入產出模型全面分析各種直接或間接的影響因素，特別是一部門需求變動給其他部門帶來的間接影響，而這是IDA 法所不具備的.國內外大量研究實踐表明，不論是理論背景、實用性、可操作性還是結果表達，對數平均權重的Divisia分解法（LMDI模型）都是一種極好的研究二氧化碳排放影響因素的方法.本文利用對數平均Divisia指數因素分解法（LMDI模型），將碳排放因素分解為能源結構、能源強度、能源效率及經濟增長等4個因素來分解一次能源的人均碳排放量.其中，經濟的增長受到資源、技術與體制的約束.

2.2 數據來源

能源消費的碳排放量包括化石能源終端消費碳排放與二次能源消費碳排放兩部分.由于熱力、電力等二次能源消費的碳排放均來自于其生產過程中化石能源的能量損失與能源轉換，因此，能源消費碳排放總量即為各類化石能源的終端消費、二次能源轉換化石能源及其能源損失所產生的碳排放量.一次能源包括煤炭、石油、天然氣和水電，由于水電占的份額相對較小，而且沒有二氧化碳排放，因此，本文中的一次能源包括煤炭、石油、天然氣和水電、核電、其他能發電，將水電、核電、其他能發電歸為一類，稱為水核電.

碳排放計算中各類能源的碳排放系數采用國家發改委能源研究所采納的碳排放系數，即原煤的碳排放系數為0.755 9，原油的碳排放系數為0.585 7，天然氣的碳排放系數0.448 3，水核電的碳排放系數為0.能源實物量數據的標準量折算采用《中國能源統計年鑒2010》中的“一次能源生產量和構成”“國民經濟和能源經濟主要指標”和“綜合能源平衡表”.并且，選定的數據按2000年不變價格折算.

從供應角度進行核算能源消費總量，能源消費總量=一次能源產量+回收能+（進口量-出口量）+（期初庫存量-期末庫存量）=一次能源產量+回收能+凈進口量+庫存減少量.

采用“物料衡算法”和“經驗計算法”計算能源的碳排放量：

其中，E（CO2）表示能源消費導致的二氧化碳排放量，Ei表示第i種能源的碳排放量，Qi表示第i種能源的消費量，ri表示第i種能源的碳排放系數.

3 實證分析

通過利用LMDI模型，實證分析了2000-2009年中國一次能源利用的二氧化碳排放及碳排放強度變化情況.

從計算結果來看，2000～2009年我國能源消費碳排放總體呈增長趨勢.從LMDI分解后的各影響因素結果來看，經濟增長、能源結構和人口規模對碳排放的增加表現出正效應，而能源效率表現為負效應.從圖1的各分解因素對碳排放的貢獻率情況可知，經濟增長對我國該階段的能源消費碳排放貢獻率最大，達到139.6182%，人口規模的貢獻率為6.791%，能源結構的貢獻率為0.355 4%，能源效率的貢獻率為-46.388%.

可以看出：經濟增長是我國該階段碳排放增長的主導因素.具體來看，1999～2009年，我國GDP由1999年的107159.78億元增長到2009年的284844.8億元，增長了1.658倍，同期二氧化碳排放量增長了1.6倍，與經濟規模幾乎是同步增長.經濟規模擴大引起的二氧化碳排放量得變化量呈現上升趨勢.

能源結構的變化對碳排放增長表現為微弱負效應，說明我國的能源結構優化初見成效.2000年-2009年我國能源結構沒有發生明顯變化（見表2），因此能源結構的變化因素對二氧化碳減排的貢獻較小.

人口規模對我國該階段碳排放的增長也具有顯著的影響.作為世界上人口最多的國家，人口絕對數量、勞動力人口的生產生活方式對我國該階段碳排放總量的影響十分顯著.特別是，21世紀以來，我國城鄉居民生活水平大幅提高，對能源需求的數量和質量均有了更多或更高的要求，我國居民生產生活用能導致了二氧化碳排放持續快速增長[26].

能源效率變化對我國該階段碳排放的的貢獻率表現出明顯的負效應.盡管我國節能減排工作取得了很大成績，但是從總體上看，目前能源效率仍然較低，能源效率絕對值與先進國家之間還存在一定的差距.無論是體現在能源開采、加工轉換、儲運和終端利用過程中.

4 政策建議

為了解釋中國近年來二氧化碳排放量快速增長的問題，本節應用LMDI分解分析方法中的因素分解方法來尋找2000～2009年期間的二氧化碳排放量增長的原因.本文將二氧化碳排放量變化分解為4個驅動因素，分別是：能源結構、能源強度、能源效率及經濟增長等.本文研究表明：經濟增長是我國碳排放增長的主導因素.但是作為發展中國家，經濟增長是我國國民生存與發展的必要前提，所以，試圖通過限制經濟增長來約束碳排放量的增長是不切實際的.因此，減緩CO2排放增長應通過降低能源強度、降低能源消費結構中高碳能源比例、增加低碳能源消費，以及控制人口數量來實現.

“十二五”期間明確提出把大幅降低單位國內生產總值排放作為約束性指標，并加強積極應對全球氣候變化、有效控制溫室氣體排放，統籌國內合理控制能源消費總量、提高能源利用效率、調整能源消費結構、提高森林覆蓋率等相關工作，這是體現長遠利益和人民意愿的國家戰略意圖，也是進一步明確并強化了地方政府控制溫室氣體排放責任的指標.同時，通過與國際間的對比發現，我國未來節能減排的潛力還十分巨大，而且中國在世界經濟格局中的地位也越來越重要，從內部可持續發展的需要和國際外部壓力來看，我國都應以更積極的姿態應對全球溫室氣體排放問題，采取更有效的措施控制和減少CO2排放，切實轉變經濟增長方式.但由于本文碳排放計算公式、分解方法以及數據來源等的不完善性，對一些隱含因素還不能做出完好的解釋，仍需要相關研究者做進一步的探討和研究.

參考文獻

[1] 胡宗義，劉亦文，黃多.能源消費、碳排放與經濟增長的統計分析[J].湖湘論壇，2012（4）： 80-85.

[2] 宋德勇， 盧忠寶. 中國碳排放因素分解及其影響因素研究[J]. 中國人口·資源與環境， 2009， 19（3）： 18-24.

[3] 郭朝先. 中國碳排放因素分解：基于LMDI分解技術[J]. 中國人口·資源與環境， 2010， 20（12）： 4-9.

[4] 尚紅云， 蔣萍. 中國能源消耗變動影響因素的結構分解[J]. 資源科學， 2009， 31（2）： 214-223.

[5] Ang B W. Decomposition of industrial energy consumption： The energy intensity approach [J]. Energy Economics， 1994， 16（3）： 163-174.

[6] Ang B W. Decomposition analysis for policymaking in energy： which is the preferred method？ [J]. Energy Policy， 2004， 32（9）： 1131-1139.

[7] Ang B W. The LMDI approach to decomposition analysis： a practical guide [J]. Energy Policy， 2005， 33（7）： 867-871.

[8] Hatzigeorgiou E， Polatidis H， Haralambopoulos D. CO2 emission in greece for 1990-2002： a decomposition analysis and comparison of results using the arithmetic mean divisia index and logarithmic mean divisia index techniques [J].Energy， 2008， 33（3）： 492-499.

[9] Zhongxiang ZHANG. Why did the energy intensity fall in China’s industrial sector in the 1990s？ The relative importance of structural change and intensity change [J]. Energy Economics， 2003， 25（6）： 625-638.

[10]FisherVanden K， Jefferson G H， Liu H， et al. What is driving China’s decline in energy intensity？ [J]. Resource and Energy Economics， 2004， 26（1）： 77-97.

[11]Ma C， Stem D I. China’s changing energy intensity trend： a decomposition analysis [J]. Energy Economics， 2008， 30（3）： 1037-1053.

[12]Acho C， Schaeffer R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects [J]. Energy Policy， 2009， 37（12）： 5208-5220.

[13]Ming ZHANG， Huang LI， Min ZHOU， et al. Decomposition analysis of energy consumption in Chinese transportation sector [J]. Applied Energy， 2011， 88（6）： 2279-2285.

[14]Xiaoli ZHAO， Na LI， Chunbo MA. Residential energy consumption in urban China： a decomposition analysis [J]. Energy Policy， 2012， 41（1）： 644-653.

[15]Wood R. Structural decomposition analysis of Australia’s greenhouse gas emissions [J]. Energy Policy， 2009， 37（11）： 4943-4948.

[16]Wachsmann U， Wood R， Lenzen M， et al. Structural decomposition of energy use in Brazil from 1970 to 1996 [J]. Applied Energy， 2009， 86（4）： 578-587.

[17]Lim H， Yoo S， Kwak S. Industrial CO2 emissions from energy use in Korea： A structural decomposition analysis [J]. Energy Policy， 2009， 37（2）： 686-698.

[18]Cellura M， Longo S， Mistretta M. Application of the structural decomposition analysis to assess the indirect energy consumption and air emission changes related to Italian households consumption [J]. Renewable and Sustainable Energy Reviews， 2012， 16（2）： 1135-1145.

[19]Sun J W. Changes in energy consumption and energy intensity： A complete decomposition model [J]. Energy Economics， 1998， 20（1）： 85-100.

[20]Dietzenbacher E， Los B. Structural decomposition techniques： sense and sensitivity [J]. Economic Systems Research， 1998， 10（4）： 307-323.

[21]Yougou ZHANG. Structural decomposition analysis of sources of decarbonizing economic development in China； 1992-2006 [J]. Ecological Economics， 2009， 68（8-9）： 2399-2405.

[22]Yougou ZHANG. Supplyside structural effect on carbon emissions in China [J]. Energy Economics， 2010， 32（1）： 186-193.

[23]Yuan PENG， Cheng SHI. Determinants of carbon emissions Growth in China： A Structural Decomposition Analysis [J]. Energy Procedia， 2011， 5（3）： 169-175.

[24]胡宗義，劉亦文，唐李偉.中國能源消費、碳排放與經濟增長關系的實證研究[J].湖南大學學報：自然科學版，2012，39（7）：84-88.

[25]Yan XIA， Cuihong YANG， Xikang CHEN. Structural decomposition analysis on China’s energy intensity change for 1987-2005 [J]. Journal of Systems Science and Complexity， 2012， 15（1）： 156-166.

[26]朱勤，彭希哲，陸志明，吳開亞.中國能源消費碳排放變化的因素分解及實證分析[J].資源科學，2009，31（12）：2072-2079.