中國城鄉居民生活碳排放驅動因素分析

曲建升+劉莉娜+曾靜靜+張志強+王莉+王勤花

收稿日期：2014-03-12

作者簡介：曲建升，博士，研究員，主要研究方向為氣候政策分析與溫室氣體排放評估。

基金項目：中國科學院戰略性先導科技專項“應對氣候變化的碳收支認證及相關問題”（編號：XDA05140100）；國家自然科學基金項目“基于排放基準線的我國居民家庭碳排放需求與增長路徑研究”（編號：41371537）。

摘要本文基于時間序列數據從生活消費視角定量評估居民人均生活碳排放的驅動因素。基于Kaya恒等式基本原理，采用LMDI分解法構建一個包括消費碳排放強度、消費結構、城鄉消費比重、消費水平、經濟水平和城鄉結構在內的居民人均生活碳排放驅動因素分解模型，對我國1995-2012年的城鄉居民人均生活碳排放影響因素進行分解分析。研究結果表明：消費水平、經濟水平、消費結構、城鄉結構、城鄉消費比重各因素效應對我國城鎮居民人均生活碳排放的影響均大于對我國農村居民人均生活碳排放的影響；消費水平、經濟水平、消費結構因素對我國城鄉居民人均生活碳排放的影響最為明顯；城鎮人口效應對城鎮居民人均生活碳排放量的減排意義重大，而農村人口效應導致農村居民人均生活碳排放量的增加；城鄉結構變化會帶動居民人均生活碳排放的變化，隨著時間推移，城鄉結構達到一定程度，我國城鄉居民人均生活碳排放的變化也相對穩定。在此基礎上，提出我國家庭生活消費節能減排的對策及建議，引導居民低碳生活，綠色消費。

關鍵詞碳排放；生活；驅動因素；LMDI；中國

中圖分類號 X24; P476 文獻標識碼A文章編號1002-2104（2014）08-0033-09doi:103969/jissn1002-2104201408005

全球氣候變暖是當前人類社會面臨的十大環境問題之一。根據政府間氣候變化專門委員會（IPCC）第五次評估報告，20世紀50年代以來的大部分（50%以上）全球地表平均氣溫的升高極可能（extremely likely，95%以上可能性）是由人類活動導致的［1］。基于以IPCC為代表的這一科學認識，國際社會積極推進以碳減排為核心的氣候變化減緩行動。科學評估全球、區域和各國的碳排放量是實施氣候變化減緩行動的基礎性工作，對實現碳減排具有重要的研究意義。隨著碳排放研究向低碳減排轉變，家庭碳排放評估日益受到重視。對家庭碳排放的研究主要致力于揭示以家庭為單元的消費主體的碳排放行為特征、區域差異以及排放需求和影響因素分析［2-4］，進而支持節能減排、綠色消費和低碳發展戰略的制定。

本文將LMDI分解模型應用到居民生活碳排放驅動因素分析當中，分解確定1995-2012年消費碳排放強度、消費結構、城鄉消費比重、消費水平、經濟水平、城鄉結構等影響因素對我國城鄉居民人均生活碳排放的累計貢獻值，并對我國居民人均生活碳排放的城鄉差異進行分析。

1文獻回顧

碳排放的影響因素較為復雜，既涉及資源稟賦、氣候條件等自然因素，也與產業結構、經濟水平、消費習慣等社會因素緊密相關。早在20世紀70年代，Ehrlich ［5］等就對CO2排放的影響因素進行分解研究，并利用IPAT方程討論人類活動與環境影響因素之間的關系［6］。1989年日本學者Yoichi Kaya［7］提出Kaya恒等式，用于對CO2排放影響因素的定量分析，并成為應用最廣的模型之一。基于Kaya恒等式的使用，又有很多學者將CO2排放影響因素進行分解，最為常見的是結構分解分析法和指數分解分析法［8-11］，其中，LMDI分解模型可以進行完全分解、不產生殘差，而且允許數據中包含零值，得到學術界的普遍認可，并廣泛應用于各個領域。

國內也有較多學者應用LMDI模型從不同角度對碳排放的影響因素進行分析。王燦等［12］采用改進的LMDI分解模型對我國1957-1979年和1980-2000年兩個樣本區間的碳排放總量進行分解分析。徐國泉等［13］基于LMDI分解模型，定量分析能源結構、能源效率和經濟發展等因素變化在1995-2004年對我國人均碳排放的影響。陳彥玲等［14］基于LMDI分解方法對我國能源人均碳排放量的變化進行分解，分析確定了近年來我國人均碳排放量增長的主要原因。王俊松等［15］基于LMDI分解模型對我國碳排放量的變化進行分解，探討能源消費、經濟增長與碳排放之間的關系。朱勤［16-17］、彭希哲等［18］應用LMDI分解模型分析我國人口、人口態勢以及人口城鎮化等因素對碳排放的影響。劉蘭翠等［19］應用LMDI分解模型，對我國1992-2007年居民間接碳排放影響因素進行分析，得出人口、城市化擴張以及人均家庭消費增加是其重要影響因素。從省域層面上，郭運功［20］，王圣［21］，張偉［22］等分別對我國上海市，江蘇沿海，陜西等省域的碳排放影響因素進行分析。

通過以上研究分析發現，早期碳排放研究工作主要集中在能源、產業等領域碳排放總量及人均碳排放的影響因素分析，較少關注處于消費末端的家庭所產生的碳排放。本文將LMDI分解模型運用到居民人均生活碳排放研究中，可以更好地反映研究區域的碳排放變化，揭示研究區域碳排放驅動因素的貢獻。

2數據來源與研究方法

2.1數據來源

本文在前期研究工作基礎上［4,23］，獲得我國居民人均生活碳排放影響因素分析的基礎數據。居民人均生活碳排放計算及其影響因素分析中用到的生活消費、價格指數、城鄉人口比例、國內生產總值（GDP）、人口等相關數據來自歷年《中國統計年鑒》和《中國人口和就業統計年鑒》［24-26］。居民生活消費碳排放系數計算中用到的能耗、投入產出等相關數據來自《中國投入產出表2007》［27］和《中國能源統計年鑒2007》。為了使數據具有可比性、統一性，本文將1995- 2012年的現價家庭生活消費、國內生產總值換算為2006年的不變價，由此計算城鄉居民人均生活碳排放基礎數據，進而對其影響因素進行研究分析。

2.2LMDI分解方法

本文利用1995-2012年我國大陸31個省（直轄市、自治區）的宏觀統計數據，首先計算我國城鄉居民人均生活碳排放量，然后基于Kaya恒等式理論基礎，將CO2排放的影響因素與人類活動產生的CO2排放量建立聯系，并對我國居民人均生活碳排放的影響因素進行分解分析。常見的因素分解方法主要有Laspeyres因素分解法和Divisia因素分解法。對數平均Divisia因素分解法（LMDI）不產生無法解釋的殘差項，允許數據中包含零值，從而得到學術界的廣泛應用，本文亦采用LMDI進行因素分解，將居民生活碳排放量分成消費碳排放強度、消費結構、城鄉消費比重、消費水平、經濟水平以及城鄉結構幾個因素的乘積。

家庭碳排放影響因素分解模型的基本公式如下:

Ci=∑ijCij=∑ijCijEij×EijEi×EiE×EG×GＰ×PPi×Pi（1）

式中，Ci為歷年i類居民的生活碳排放量總量，單位：萬t CO2；i為居民類別，即城鎮和農村（當i=1時，代表城鎮；當i=2時，代表農村）；j為消費支出類別，包括食品、衣著、居住、家庭設備、交通通訊、文教娛樂、醫療保健、其他商品及服務八類，j=1,2,…,8；Cij為歷年i類居民的j類家庭生活消費的生活碳排放量，單位：萬t CO2；Eij為歷年i類居民的j類家庭生活消費，單位：萬元；Ei為歷年i類居民的家庭生活消費，單位：萬元；E為歷年家庭生活總消費，單位：萬元；G為歷年國內生產總值（GDP），單位：億元；P為歷年人口總量，單位：萬人；Pi為歷年城鎮或農村人口，單位：萬人。

i類（城市/農村）居民人均生活碳排放量可表示為：

Ai=CiPi=∑ijCijPi=∑Aij=∑ijCijEij×EijEi×EiE×EG

×GP×PPi （2）

式中：Ai為歷年i類居民的人均生活碳排放量，單位：t CO2/人；Aij為歷年i類居民j類消費的人均生活碳排放量，單位：t CO2/人；

消費碳排放強度因素，Iij=Cij/Eij，即i類居民j類家庭生活消費的居民生活碳排放強度；

消費結構因素，Sij=Eij/Ei，即i類居民j類家庭生活消費占i類家庭生活總消費的比例；

城鄉消費比重因素，Qi=Ei/E，即i類家庭生活消費占家庭生活總消費的比例；

消費水平因素，T=E/G，即家庭生活總消費與國內生產總值的比例；

經濟水平因素，R=G/P，即人均國內生產總值；

城鄉結構因素，Ui=P/Pi，即城鎮（農村）人口與總人口比例的倒數。

由此，城鎮（農村）居民的人均生活碳排放量可表示為：

Ai=∑ijAij=∑ijIijSijQiTRUi（3）

根據對數平均權重Divisia分解法，用t代表年份，第t年相對于基期年（1995年）的居民人均生活碳排放量變化可以表示為：

ΔAij=Atij-A0ij

=∑ijItijStijQtiTtRtUti-∑ijI0ijS0ijQ0iT0R0U0i

=ΔAI+ΔAS+ΔAQ+ΔAT+ΔAR+ΔAU+ΔArsd（4）

式（4）中的ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU代表各因素變化對居民人均生活碳排放變化的累計貢獻值。其中：ΔAI為消費碳排放強度效應；ΔAS為消費結構效應；ΔAQ為城鄉消費比重效應；ΔAT為消費水平效應；ΔAR為經濟水平效應；ΔAU為城鄉結構效應；ΔArsd為分解余量。此模型比較全面地反應了消費結構、生活水平、經濟水平、城鄉結構因素對居民人均生活碳排放的影響。

根據式（4），按照對數平均權重Divisia分解法進行分析，分解結果為：

ΔAI=∑ijW′ijlnItijI0ij;ΔAS=∑ijW′ijlnStijSI0ij;

ΔAQ=∑ijW′ijlnQtijQ0ij;ΔAT=∑ijW′ijlnTtT0;

ΔAR=∑ijW′ijlnRtR0;ΔAT=∑ijW′ijlnUtiU0i（5）

其中，W′ij=Atij-A0ijln(Atij)-ln(A0ij)

ΔArsd=ΔA-(ΔAI+ΔAS+ΔAS+ΔAT+ΔAR+ΔAU)

=Atij-A0ij-∑ijW′ij(lnItijI0ij+lnStijS0ij+lnQtiQ0i+lnTtT0+lnRtR0+lnUtiU0i)

=Atij-A0ij-∑ijW′ijlnAtijA0ij

=Atij-A0ij-∑ij(Atij-A0ij)=0

3城鄉居民人均生活碳排放驅動因素分析根據LMDI分解模型，通過公式（3）-（5）將我國居民人均生活碳排放影響因素進行加和分解，得到城鎮和農村居民人均生活碳排放各影響因素的累計貢獻值。加和分解值ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU分別代表消費碳排放強度效應、消費結構效應、城鄉消費比重效應、消費水平效應、經濟水平效應、城鄉結構效應，即各影響因素變化對1995至1996-2012年城鄉居民人均生活碳排放量變化的累計貢獻值。模型分解后，加和分解值大于0，表示該效應對居民生活碳排放量的增加起推動作用；加和分解值小于0，表示該效應對居民生活CO2減排起積極作用。計算結果發現，消費碳排放強度效應恒等于0，出現這種情況，主要是因為在計算歷年居民人均生活碳排放量過程中使用的碳排放因子是相同的，所以消費碳排放強度只決定于消費種類，對于同一類消費來說，消費碳排放強度是不變的。因此，定量分析消費結構效應、城鄉消費比重效應、消費水平效應、經濟水平效應及城鄉結構效應對我國居民人均生活碳排放的影響，可以更真實地反映我國居民生活碳排放量的變化情況，從而為我國碳減排路徑的選擇及政策的制定提供理論依據。

3.1城鎮居民人均生活碳排放驅動因素分析

如圖1所示，從城鎮居民人均生活碳排放各影響因素的累計貢獻值可以看出，1995至1996-2012年，消費水平效應、城鄉消費比重效應、消費結構效應對我國城鎮居民人均生活碳排放的累計貢獻值始終為正值，說明這三個因素對城鎮居民生活碳排放增長主要起推動作用；城鄉結構效應累計貢獻值在1995至1996-2012年間始終為負值，這說明城鄉結構因素的變化會對城鄉居民人均生活碳排放的減排起到積極圖1城鎮居民人均生活碳排放的LMDI分解結果

Fig.1LMDI decomposition results of urban per capita

household carbon emissions作用，只是因為本文用城鄉人口與全國人口比例的倒數來代表城鄉結構，所以其累計貢獻值為負值；經濟水平效應貢獻值在1995至1996-2003年間小于0，在1995至2004-2012年間大于0，這說明經濟水平因素的變化在1995至1996-2003年間對城鎮居民人均生活碳排放的減排起到積極作用，而1995至2004-2012年間對城鎮居民人均生活碳排放的增長起推動作用。從圖1中還可以看出，消費水平效應是城鎮居民人均生活碳排放長期增長的主要驅動力因素，而且消費水平對人均生活碳排放量的貢獻值呈現不斷上漲趨勢，尤其是2005年以后增速更為明顯，這也是居民人均生活碳排放量在2005年后顯著增長的主要原因。此外，城鄉消費比重效應、消費結構效應對城鎮居民人均生活碳排放所起的推動作用總體都隨著時間呈上升趨勢，但數值很小，其影響權重非常小。經濟水平效應累計貢獻值由負值轉為正值，隨著時間其增長幅度不斷加大，這說明2004年以前，經濟水平的變化對城鎮居民人均生活碳排放的減排起推動作用，但其影響不明顯；而2004年以后，經濟水平的變化對城鎮居民人均生活碳排放的增加起推動作用，并在2011年超過消費水平對居民人均生活碳排放的累計貢獻值，成為最主要的驅動因素。城鄉結構效應累計貢獻值隨時間的推移呈現負向上升變化，這說明城鄉結構因素變化越大，對城鎮居民人均生活碳排放的影響越大。

3.2農村居民人均生活碳排放驅動因素分析

如圖2所示，從農村居民人均生活碳排放各影響因素的累計貢獻值可以看出，1995至1996-2012年，消費水平效應、城鄉結構效應、消費結構效應對我國農村居民人均生活碳排放的累計貢獻值始終為正值，說明這三個因素對農村居民人均生活碳排放的增長主要起推動作用；城鄉消費比重效應累計貢獻值在1995至1996-2012年間始終為負值，這說明城鄉消費比重因素的變化對農村居民生活碳排放的減排起積極作用；經濟水平效應累計貢獻值在1995至1996-2003年間小于0，在1995至2004-2012年間大于0，這說明經濟水平因素的變化在1995至1996-2003年間對農村居民人均生活碳排放的減排起到積極作用，但數值很小，其影響權重比較小，而1995至2004-2012年間對農村居民人均生活碳排放的增長起推動作用，數值不斷增大，其影響權重也不斷增長。

3.3城鄉居民人均生活碳排放驅動因素的差異分析

3.3.1消費水平因素

從城鄉消費水平來看，1996年消費指數為0.15，至2008年達到最大值0.32，2012年又下降為0.26，1996-2012年間，消費指數呈現先上升后下降的趨勢。本文的消費指數是由國內消費總值與國內生產總值的比值來表示，2008年以前，國內生產總值的上升幅度較小，而2008年以后，國內生產總值的上升幅度劇增，從而以2008年為轉折年，呈現消費指數先升后降的趨勢。

圖2農村居民人均生活碳排放的LMDI分解結果

Fig.2LMDI decomposition results of rural per capita

household carbon emissions

把消費水平累計貢獻值分解為年貢獻值（見圖3）。研究期間，城鄉消費水平效應一直為正值，年貢獻值比較大，且2011年以前，消費水平效應的年貢獻值遠遠大于其他各影響因素的年貢獻值，說明消費水平的變化是城鄉居民人均生活碳排放增長的主要驅動力。此外，城鄉消費水平的貢獻值隨時間呈現出與消費指數同樣變化的先上升后下降的趨勢。1996年城鎮消費水平對居民人均生活碳排放的年貢獻值為0.02 t CO2/人；至2009年，城鎮消費水平效應的年貢獻值上漲為0.64 t CO2/人，上漲了30.67倍；至2012年，城鎮消費水平效應的年貢獻值為0.56 t CO2/人，與2009年相比下降了12.46%，與1996年相比，上漲了26.73倍。1996年農村消費水平對居民人均生活碳排放的年貢獻值為0.01 t CO2/人；至2008年，農村消費水平效應的年貢獻值上漲為0.23 t CO2/人，上漲了27.69倍；至2012年，城鎮消費水平效應的年貢獻值為0.21 t CO2/人，與2008年相比下降了7.28%，與1996年相比，上漲了25.60倍。城鎮消費水平對居民人均生活碳排放的年貢獻值遠遠大于農村消費水平產生的年貢獻值，因此，我國居民消費對碳排放的影響主要來自城鎮居民人均生活碳排放的不斷增加。

3.3.2經濟水平因素

從城鄉經濟水平來看，1996-2012年間的人均GDP呈現波動上升趨勢，其中，1996年人均GDP為1.62萬元，至2003年緩慢下降為1.58萬元，下降了2.51%，2012年人均GDP為3.45萬元，與2003年相比，上漲了1.19倍，其中2009年之后上漲幅度最為明顯。

把經濟水平因素的累計貢獻值分解為年貢獻值（見圖4）。1996-2003年間，城鄉經濟水平效應為負值，且年貢獻值較小，2004-2012年間，城鄉經濟水平效應為正值，且

圖3消費水平效應對城鄉居民人均生活碳

排放的年貢獻值

Fig.3Contributions of consumption level effect for

urban/rural per capita household carbon emissions

年貢獻值較大。說明經濟規模的變化對于城鄉居民人均生活碳排放的增減具有重要影響。經濟水平效應的變化趨勢可分為兩個階段。第一階段，1996-2003年，經濟效應年貢獻值保持緩慢負向增長，這與該階段全國人均GDP增長率緩慢增加有直接關系。第二階段，2004-2012年，經濟水平效應年貢獻值保持持續快速正向增長，增長速度非常明顯，這一階段實際上是經濟水平效應最典型的體現。盡管“十一五”、“十二五”規劃綱要中都明確提出降低單位國內生產總值能源消耗、減少污染物排放等約束性指標，但是經濟水平效應迅速增長的事實不容忽視。盡管，經濟增長帶來大量的物質財富，但也消耗大量的物質能源，產生大量的溫室氣體，因此，要引導城鄉居民人均生活碳排放的增長，就必須提升經濟增長的質量。

3.3.3城鄉結構因素

從城鄉結構因素來看，我國城鎮化進程不斷加快，1996-2012年間的人口城鎮化率呈現持續上升趨勢。1996年，城鎮人口從3.73億增長至2012年的7.12億；人口城鎮化率從1996的30.48%，升至2012的52.57%，上漲了72.47%。

把城鄉結構因素的累計貢獻值分解為年貢獻值（見圖5）。城鎮人口效應年貢獻值的變化與城鎮化率的變化基本是一致的，人口城鎮化率越高，城鎮人口效應的年貢獻值越大，對城鎮居民人均生活碳排放的影響越大。從圖5還可以看出，城鎮人口效應的負向年貢獻值遠遠大于農村人口效應的正向年貢獻值，這說明城鄉結構變化越大，對城鄉居民人均生活碳排放的影響越大，城鄉結構變化越小，對城鄉居民人均生活碳排放的影響越小。城鄉結構因素對居民人均生活碳排放的影響主要有兩方面：一是城鄉

圖4經濟水平效應對城鄉居民人均生活碳排放

的年貢獻值

Fig.4Contributions of economic level effect for urban/

rural per capita household carbon emissions

結構改變，深刻影響并改變城鄉居民的生活方式、消費方式、生活水平、消費水平，進而改變城鄉消費結構，從而對城鄉居民人均生活碳排放的增加起到積極的推動作用；二是城鄉結構改變，深刻影響并改變城鄉土地利用方式，城鎮過度擴建以及“空心村”導致森林土地破壞，改變土地利用方式，同時也給碳減排帶來了巨大的壓力。由此可見，合理控制人口規模，有效控制城鄉結構對控制城鄉居民人均生活排放具有積極的意義。

3.3.4消費結構因素

如圖6所示，1995年，城鎮居民八項消費支出比重由高至低依次為：食品（51.90%）、衣著（11.27%）、家庭設備（8.63%）、交通通訊（8.37%）、其他消費（6.54%）、文教娛樂（5.84%）、居住（5.12%）及醫療保健（3.15%）； 農村居民八項消費支出比重由高至低依次為：食品（60.23%）、居住（11.09%）、衣著（6.26%）、家庭設備（5.86%）、交通通訊（5.14%）、教育文化（5.13%）、醫療保健（3.35%）、及其他商品服務（2.94%）。至2012年，城鎮食品支出比重以3.59%的比率持續下降至27.40%，下降了46.37%；文教娛樂、醫療保健支出比重分別以5.83%、6.02%的比率持續上升，上漲為14.85%、8.16%，排行分別為第二、第六位；交通通訊、衣著、居住支出的比重呈現波動變化，分別上漲為14.76%、13.69%、9.95%，其比重分別排行第三、第四、第五位；家庭設備、及其他消費比重的變化不大，變化率在1%左右，排序分別為第七、第八位。農村食品支出比重以4.51%的比率持續下降至25.84%；居住、交通通訊、醫療保健、文教娛樂支出比重分別以3.94%、5.69%、7.94%、4.69%的比率波動上漲為20.85%、12.64%、11.65%、10.68%，排行分別為第二、第三、第四、第五位；衣著、家庭設備、及其他消費比重的變化不大，變化率在2%左右，排序分別為第六、第七、第八位。

圖5城鄉結構效應對居民人均生活碳排放的年貢獻值

Fig.5Contributions of urban/rural structure effect for per

capita household carbon emissions

圖6我國城鄉居民生活消費結構（%）

Fig.6Structure of urban/rural per capita household consumption in China

把消費結構的累積貢獻值分解為年貢獻值，即把每年累積貢獻值減去前一年累積貢獻值，得到當年貢獻值（見圖7）。城鄉消費結構對居民人均生活碳排放的年貢獻值隨時間呈上升趨勢，總體上呈現積極的推動作用，且城鎮消費結構對城鎮居民人均生活碳排放的年貢獻值圖7消費結構效應對城鄉居民人均生活碳

排放的年貢獻值

Fig.7Contributions of consumption structure effect for

urban/rural per capita household carbon emissions遠遠大于農村消費結構對農村居民人均生活碳排放的年貢獻值。其中，至1996年，城鎮消費結構的貢獻值為0.005 t CO2/人，農村消費結構的貢獻值為0.003 t CO2/人，至2012年，城鎮消費結構的貢獻值上漲為0.191 t CO2/人，農村消費結構的貢獻值上漲為0.090 t CO2/人。這主要是因為城鎮和農村居民在基本生活消費類型、消費水平和消費觀念方面上存在差異，兩者消費結構不同，從而產生的碳排放結構不同。

1995-2012年，城鎮居民生活消費結構變化較大，從以食品、衣著、家庭設備消費類型為主轉化為以食品、文教娛樂、交通通訊消費類型為主；而農村地區居民生活消費結構變化不太明顯，食品、居住消費依舊是農村主要的生活消費類型。總體來看，食品消費是城鄉居民的主導消費類型，成為居民生活碳排放的主要來源，而文教娛樂、交通通訊主要成為城鎮的主要碳排放源，居住、交通通訊主要成為農村的主要碳排放源，因此在制定碳減排措施時要綜合考慮城鄉居民消費結構因素對居民生活碳排放的影響。

3.3.5城鄉消費比重因素

從城鄉消費比例來看，1996-2012年間，城鎮消費比例呈波動上升趨勢，而農村消費比例呈波動下降趨勢。1996年，城鎮與農村消費比較接近，城鎮消費比例為52.26%，農村消費比例為47.74%，城鎮消費比例僅是農村消費比例的1.09倍；至2012年，城鎮消費比例上漲為75.19%，上漲了43.87%，農村消費比例下降為24.81%，下降了48.03%，此時，城鎮消費比例是農村消費比例的3.03倍，與1996年相比幾乎高了2倍。

把城鄉消費比重累計貢獻值分解為年貢獻值（見圖8）。研究期間，城鎮消費比重效應一直為正值，說明了城鎮消費比重因素對城鎮居民人均生活碳排放的增加起到推動作用，農村消費比重效應一直為負值，說明了農村消費比重因素對減少農村居民人均生活碳排放起到了積極作用。此外，城鄉消費比重的貢獻值隨著時間分別呈現正向和負向的波動增長趨勢，其中，1996年城鄉消費比重的貢獻值接近于0 t CO2/人，至2012年，城鎮消費比重的貢獻值上漲為0.354 t CO2/人，農村消費結構的貢獻值上漲為-0.24 t CO2/人，城鎮消費比重效應的正向上升趨勢大于農村消費比重效應的負向上升趨勢。因此，我國居民消費對碳排放的影響主要來自城鎮居民人均生活碳排放的不斷增加。

通過對城鄉居民人均生活碳排放各影響因素的年貢獻值進行比較發現，消費水平、經濟水平、消費結構因素對我國城鄉居民人均生活碳排放的影響最為明顯；城鄉結構即城鄉人口比重的不同對城鎮和農村的居民人均生活碳排放的影響不同，城鎮人口效應對城鎮居民人均生活碳排放量的減排意義重大，而農村人口效應導致農村居民人均生活碳排放量的增加；城鎮消費比重因素對城鎮居民人均生活碳排放的負向年貢獻值要遠大于其對農村居民人均生活碳排放的正向貢獻值。總之，消費水平、經濟水平、消費結構、城鄉結構、城鄉消費比重各因素效應對我國城鎮居民人均生活碳排放的影響均大于對我國農村居民人均生活碳排放的影響。我國城鄉居民人均生活碳排放量在1995-2012年間的變化主要是由于我國城鄉的消費水平、經濟水平及消費結構因素驅動的。此外，無論是城鄉消費比重還是城鄉結構因素均對我國城鄉居民人均生活碳排放的變化產生影響，隨著時間推移，城鄉結構達到一定程度，我國城鄉居民人均生活碳排放的變化也相對穩定。

4討論與建議

利用LMDI分解模型，可以更好地闡述消費結構、城鄉消費比重、消費水平、經濟水平以及城鄉結構與居民人均生活碳排放之間的關系。對城鄉居民人均生活碳排放的驅動因素進行深入分析，有助于為我國節能減排、綠色消費和低碳發展戰略的制定提供重要的科學參考。依據

圖8城鄉消費比重效應對居民人均生活

碳排放的年貢獻值

Fig.8Contributions of urban/rural consumption ratio effect

for per capita household carbon emissions

本文的分析結果，政府部門應在制定碳減排政策時，關注城鄉居民生活碳排放的動態變化，并統籌考慮人口、消費、經濟、社會和環境等諸多因素的綜合影響。

（1）城鄉居民生活碳排放的快速增長趨勢需加強關注。研究期間，我國居民人均生活碳排放呈現由緩慢增長到迅速增長的變化趨勢，由1995年的0.27 t CO2/人增加到2012年的1.15 t CO2/人，增加了3.31倍。1995年，城鎮居民人均生活碳排放量為0.49 t CO2/人，農村居民人均生活碳排放量為0.18 t CO2/人；至2012年，城鎮居民人均生活碳排放量上漲為1.80 t CO2/人，農村居民人均生活碳排放量上漲為0.69 t CO2/人。預計在能源結構和消費結構等因素不發生較大變化的情況下，城鄉居民的人均生活碳排放量均將呈現持續上升趨勢，居民生活排放需作為節能減排工作的重要領域予以關注。

（2）研究期間，消費水平效應對中國城鄉居民人均碳排放的年貢獻值最大，城鎮消費水平效應遠大于農村消費水平效應，我國居民消費對碳排放的影響主要來自城鎮居民人均生活碳排放的不斷增加。此外，城鄉消費結構的年貢獻值呈現波動上漲趨勢，其中，城鎮消費結構效應的年貢獻值由0.005 t CO2/人，上漲為0.191 t CO2/人，上漲了36.90倍；農村消費結構效應的年貢獻值由0.003 t CO2/人，上漲為0.090 t CO2/人，上漲了34.64倍。城鄉居民生活消費結構發生很大變化，主要以食品、文教娛樂、交通通訊、居住消費類型為主。因此，從城鄉消費及城鄉消費結構來看，應持續引導低碳消費模式，降低家庭生活的能源資源消耗強度。

（3）城鄉消費比重效應對我國城鎮居民人均生活碳排放的年貢獻值為正值、對我國農村居民人均生活碳排放的年貢獻值為負值。城鄉結構效應正好相反，對我國城鎮居民人均生活碳排放的年貢獻值為負值，對我國農村居民人均生活碳排放的貢獻值為正值。此外，兩種效應對城鎮居民人均生活碳排放的年貢獻值均大于農村。因此，要更加注重城鄉消費比重與城鄉結構對城鄉居民人均生活碳排放的影響，這兩個因素不僅對居民人均生活碳排放的增加起到積極的推動作用，同時，對居民生活的碳減排也有重要影響。在制定節能減排政策的過程中，要考慮城鄉二元結構、城鎮化和城鄉一體化政策等動態變化因素對生活碳排放格局的影響，并采取有針對性的政策安排，降低城鎮化進程對碳排放增長帶來的壓力。

（4）此外，近年來的經濟增長會帶動居民人均生活碳排放的增長，而經濟增長達到一定程度，城鄉消費水平趨于穩定時，對我國居民人均生活碳排放的貢獻也將趨于穩定。近年來，經濟迅猛增長對居民生活碳排放的影響具有較大沖擊力，其中發揮主要作用的是經濟增長的質量，需要關注經濟增長方式、產業結構、能源結構等對碳排放增長的影響，通過提高經濟增長質量，逐步實現社會進步的去碳化。

(編輯：劉照勝)

參考文獻（References）

［1］IPCC. Summary for Policymakers. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change ［R］. Cambridge, United Kingdom and New York, NY, USA：Cambridge University Press, 2013.

［2］Bin S, Dowlatabadi H. Consumer Lifestyle Approach to US Energy Use and the Related CO2 Emissions ［J］. Energy Policy, 2005, 33(2): 197-208.

［3］Qu Jiansheng, Zeng Jingjing, Li Yan, et al. Household Carbon Dioxide Emissions from Peasants and Herdsmen in Northwestern Aridalpine Regions, China ［J］. Energy Policy, 2013, 57: 133-140.

［4］劉莉娜, 曲建升, 曾靜靜, 等. 灰色關聯分析在中國農村家庭碳排放影響因素分析中的應用［J］. 生態環境學報, 2013, 22(3): 498-505. ［Liu Lina, Qu Jiansheng, Zeng Jingjing, et al. Application of Gray Relational Analysis Method in the Influencing Factor Analysis of Chinas Rural Household Carbon Emissions ［J］. Ecology and Environmental Sciences, 2013, 22(3): 498-505.］

［5］Ehrlich PR, Holdren J P. Impact of Population Growth ［J］. Science, 1971,171: 1212-1217.

［6］王云, 張軍營, 趙永椿, 等. 二氧化碳排放因素分解實證研究［J］. 水電能源科學, 2010, 28(11): 161-165. ［Wang Yun, Zhang Junying, Zhao Yongchun, et al. Empirical Study of Decomposition of CO2 Emission Factors ［J］. Water Resources and Power, 2010, 28(11): 161-165.］

［7］Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth: Interpretation of Proposed Scenarios ［R］. Paper Presented to the IPCC Energy and Industry Subgroup, Response Strategies Working Group Pairs, 1990.

［8］Ang B W, Zhang F Q, Choi K H. Factorizing Changes in Energy and Environmental Indicators through Decomposition ［J］. Energy, 1998, 23(6): 489-495.

［9］Ang B W. The LMDI Approach to Decomposition Analysis: A Practical Guide ［J］. Energy Policy, 2005,(33): 867-871.

［10］Liu Na, Ang B W. Factors Shaping Aggregate Energy Intensity Trend for Industry: Energy Intensity Versus Product Mix ［J］. Energy Economics, 2007,(26): 609-635.

［11］邢璐, 單葆國. 基于Kaya公式的中國CO2排放影響因素分解［J］. 能源技術經濟, 2011, 23(10): 46-50. ［Xing Lu, Shan Baoguo. Empirical Analysis of Chinas Carbon Emission Based on Kaya Identity and Decomposition Model ［J］. Energy Technology and Economics, 2011, 23(10): 46-50.］

［12］Wang Can, Chen Jining, Zou Ji. Decomposition of Energy Related CO2 Emission in China: 1957-2000 ［J］. Energy, 2005, 30(1): 73-83.

［13］徐國泉, 劉則淵, 姜照華. 中國碳排放的因素分解模型及實證分析: 1995-2004 ［J］. 中國人口·資源與環境, 2006, 16(6): 158-161. ［Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China, 1995-2004 ［J］. China Population, Resources and Environment, 2006, 16(6): 158-161.］

［14］陳彥玲, 王琛. 影響中國人均碳排放的因素分析［J］. 北京石油化工學院學報, 2009, 17(2): 54-58. ［Chen Yanling, Wang Chen. The Correlation Analysis of Carbon Emission and Economic Growing in China ［J］. Journal of Beijing Institute of Petrochemical Technology, 2009, 17(2): 54-58.］

［15］王俊松, 賀燦飛. 能源消費、經濟增長與中國CO2排放量變化:基于LMDI 方法的分解分析［J］. 長江流域資源與環境, 2010, 19(1): 18-23. ［Wang Junsong, He Canfei. Energy Consumption, Economic Growth and CO2 Emissions in China:Analysis Based on Logarithm Mean Divisa Decomposure Method ［J］. Resources and Environment in the Yangtze Basin, 2010, 19(1): 18-23.］

［16］朱勤, 彭希哲, 陸志明, 等. 人口與消費對碳排放影響的分析模型與實證［J］. 中國人口·資源與環境, 2010, 20(2): 98-102. ［Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions ［J］. China Population, Resources and Environment, 2010, 20(2): 98-102.］

［17］朱勤, 魏濤遠. 居民消費視角下人口城鎮化對碳排放的影響［J］. 中國人口·資源與環境, 2013, 23(11): 21-29. ［Zhu Qin, Wei Taoyuan. Impacts of Urbanization on Carbon Emissions from Perspective of Residential Consumption ［J］. China Population, Resources and Environment, 2013, 23(11): 21-29.］

［18］彭希哲, 朱勤. 我國人口態勢與消費模式對碳排放的影響分析［J］. 人口研究, 2010, 34(1): 48-58. ［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China ［J］. Population Research, 2010, 34(1): 48-58.］

［19］Liu L C, Wu G, Wang J N, et al. Chinas Carbon Emissions from Urban and Rural Households During 1992-2007 ［J］. Journal of Cleaner Production, 2011, 19(15): 1754-1762.

［20］郭運功, 林逢春, 白義, 等. 上海市能源利用碳排放的分解研究［J］. 環境污染與防治, 2009, 31(9): 68-81. ［Guo Yungong, Lin Fengchun, Bai Yi, et al. The Decomposition Research on Energyrelated Carbon Emissions of Shanghai ［J］. Environmental Pollution and Control, 2009, 31(9): 68-81.］

［21］王圣, 王慧敏, 陳輝, 等. 基于Divisia分解法的江蘇沿海地區碳排放影響因素研究［J］. 長江流域資源與環境, 2011，(10): 1243-1247. ［Wang Sheng, Wang Huimin, Chen Hui, et al. Study on Influence Factors of Carbon Emissions in Jiangsu Province Coastal Areas Based on Divisa Decomposition Method ［J］. Resources and Environment in the Yangtze Basin, 2011，(10): 1243-1247.］

［22］張偉, 張金鎖, 鄒紹輝, 等. 基于LMDI的陜西省能源消費碳排放因素分解研究［J］. 干旱區資源與環境, 2013, 27(9): 26-31. ［Zhang Wei, Zhang Jinsuo, Zou Shaohui, et al. Factor Decomposition of Carbon Emissions from Energy Consumption of Shaanxi Province Based on LMDI ［J］. Journal of Arid Land Resources and Environment, 2013, 27(9): 26-31.］

［23］劉莉娜, 曲建升, 邱巨龍, 等. 1995-2010年居民家庭生活消費碳排放軌跡［J］. 開發研究, 2012,(4): 117-121. ［Liu Lina, Qu Jiansheng, Qiu Julong, et al. Household Consumption Carbon Emissions Trajectory form 1995 to 2010 ［J］. Development and Research, 2012,(4): 117-121.］

［24］國家統計局．中國統計年鑒1996-2012［M］．北京：中國統計出版社，2012．［National Bureau of Statistics of China．China Statistical Yearbook 1996-2012［M］．Beijing：Chinese Statistics Press，1997-2013］

［25］國家統計局人口和就業統計司．中國人口統計年鑒1996-2006［M］．北京：中國統計出版社，1997-2007．［Department of Popultion and Employment Statistics，National Bureau of Statistics of China．China Population Statistics Yearbook 1996-2006 ［M］．Beijing：Chinese Statistics Press，1997-2007．］

［26］國家統計局人口和就業統計司．中國人口和就業統計年鑒2007-2012［M］．北京：中國統計出版社，2008-2013．［Department of Population and Employment Statistics，National Bureau of Statistics of China．China Popultion & Employment Statistics Yearbook 2008-2012［M］．Beijing：Chinese Statistics Press，2008-2013．］

［27］國家統計局能源統計司．中國能源統計年鑒2007［M］．北京：中國統計出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］國家統計局能源統計司．中國能源統計年鑒2007［M］．北京：中國統計出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］國家統計局能源統計司．中國能源統計年鑒2007［M］．北京：中國統計出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China