基于LMDI的中國碳排放量影響因素分解

武曉斌

（天津科技大學天津300222）

基于LMDI的中國碳排放量影響因素分解

武曉斌

（天津科技大學天津300222）

根據LMDI法，結合Kaya方程，對我國2000-2012年的碳排放量因素分解，結論表明，人均GDP和單位GDP能耗分別是導致碳排放正向、負向增長的重要因素。

碳排放；Kaya；LMDI

1　引言

日前，研究碳排放因素分解的方法多種多樣。Kaya方程是國際上較為認可的一種，指出碳排放量受人口、人均GDP、能源消費結構和經濟結構的綜合影響，研究表明其優點是明確影響碳排放的主要影響因素，簡單易用。但有局限性，有關碳排放的影響因素僅限人口、能源和經濟在宏觀層面的量化關系。而我國目前經濟結構和能源結構復雜，能源強度和能源效率的影響越發明顯，因此，結合Kaya方程，同時運用另一種研究碳排放的影響因素及驅動力的對數平均迪氏指數法（LMDI）。

LMDI是不產生殘差、完全的一種分析分解方法。同時在理論基礎、操作性、適應性、結果呈現等多方面相比其它分解法都有優勢，除了可以有效分析總體指標，同時保持指標之間高度一致性。結果不會出現不能解釋的殘差項，模型本身進行較為合理的因素分解，近些年是碳排放分解的最廣泛應用方法之一[1]。

與碳排放量相關的影響因素主要有人口規模、經濟水平、能源結構、和技術等方面的原因。依據LMDI分解方法，結合Kaya方程，排放貢獻因子定為以GDP表征經濟水平、能源消耗強度表征經濟結構、能源排放量表征能源結構等，求驅動因子對碳排放的貢獻度。通常情況下，省域技術越先進，單位能源產生的GDP較高，也就是說大內產值能耗較低，產業結構更合理，第二產業單位能源的碳排放量就越低，本文以碳排放強度和能源強度表示碳排放量的效率性，即技術水平。

2　模型與數據

依據LDMI模型，結合Kaya等式，以人均經濟效應、人口效應、單位GDP能源消耗量效應、單位能源碳排放量效應等影響CO2排放量的因素分解不同因素對于全國碳排放的貢獻度[2]。

本文選取2000～2012年13年間的省域面板數據，其中，各省域歷年GDP和人口統計量來源于《中國統計年鑒》，GDP以2005年為不變價，人口數據為各地常住人口數量[3]。能源品種的消費數據自《中國能源統計年鑒》中能源平衡表。能源消費量采用“通用單位”（萬噸標準煤）。根據IPCC（2006）等方法構建碳排放量核算方法，估算了各省域2000～2012年碳排放量。

表1　中國2000～2012年經濟能源碳排放數據（部分）

3　模型結果與分析

經過LMDI分解計算，2000～2012年間，我國CO2排放總量增長了676288×104t，其中人口規模、生活水平、經濟結構和能源結構對碳排放增加的貢獻因子分別為：6.80%、117.94%、-34.17%、9.43%。

13年間，有117%的CO2排放增量是由于人均GDP因素帶來的，意味著經濟總量的增長對于CO2排放量的排放貢獻是驅動因子中最顯著的，并且逐年遞增的趨勢。而人口因素對于碳排放增量的貢獻占6.8%，雖然對于排放增加有影響，但影響不大，且變化幅度不大。單位GDP能耗是抑制碳排放量的增加的主要因素。

4　結語

近年來能源強度對碳排放的抑制作用加大，說明國家碳排放強度下降的政策已經初見成效，經濟發展向“碳脫鉤”的方向發展，應繼續調整改革能源消費結構。發展GDP是碳排放增加的重要因素，因此各地發展經濟制定政策應考慮綠色低碳，產業升級。優化能源結構，發展低碳經濟可以降低碳排放增長的速度，甚至達到碳排放峰值。

[1]Ang B W，Na Liu．Handling zero values in the logarithmic mean Divisia index decomposition approach[J].Energy Policy,2007,35: 238-246.

[2]鄧曉.基于LMDI方法的碳排放的因素分解模型及實證研究[D].武漢:華中科技大學,2009.

[3]朱勤.中國人口、消費與碳排放研究[M].復旦大學出版社,2011: 58-59.