京津冀產業碳排放強度變化及驅動因素研究

王開+傅利平

摘要 為探討京津冀地區溫室氣體排放強度變化的影響因素，采用對數平均迪式分解模型及歸因分析（LMDIAttribution）方法，基于1996—2014年數據從細分行業角度進行研究。針對溫室氣體排放強度作產業結構、能源強度和排放因子三因素LMDI乘法分解，對溫室氣體排放強度變化的影響效應作歸因分析，量化4個行業對分解因素影響效應的貢獻，得到以下主要結論：1996—2014年京津冀地區溫室氣體排放強度主要呈現下降趨勢，累計下降23.05%。其中，能源強度是溫室氣體排放強度下降的主導因素，其影響效應為-61.18%，對這一影響效應貢獻最大的是工業，并且四大經濟部門均通過能源強度在不同程度上使得溫室氣體排放強度有所減小，可見“階梯電價”、“千家企業節能項目”、“十大重點節能項目”等相關政策在工業發展中對提高能源效率的作用明顯。產業結構使得溫室氣體排放強度增加23.53%，其主要貢獻者是工業，說明“工業產品出口退稅率調整”等一系列政策的效果不明顯；然而農業則使得溫室氣體排放強度降低，貢獻值為3.09%。碳排放因子在1996—2014年間對溫室氣體排放強度的影響為60.47%，是京津冀地區溫室氣體排放強度增加的主要因素，說明京津冀地區的能源結構不合理。工業對這一效應的貢獻最大為55.97%。可見，工業在京津冀地區的溫室氣體減排工作中起到最為關鍵的作用。

關鍵詞 京津冀地區；溫室氣體排放強度；LMDIAttribution； 節能項目；階梯電價

中圖分類號 X322

文獻標識碼 A文章編號 1002-2104（2017）10-0115-07DOI：10.12062/cpre.20170421

目前，中國是世界上最大的溫室氣體排放國，占全球溫室氣體排放總量的25.86%[1]，在世界應對氣候變化的過程中扮演重要的角色。京津冀地區作為我國的重要經濟圈，其溫室氣體減排情況直接關系到國家總目標的實現。天津市和河北省是中國較大的工業基地之一，北京作為中國的首都，經濟發展迅速。2014年，京津冀地區人口總數占全國人口總數的8.06%，國內生產總值占全國的10.45%，能源消費總量占全國的比重為10%左右，溫室氣體排放量占全國10.83%。可見，研究京津冀地區的溫室氣體排放問題具有重要意義。

1 文獻綜述

目前，許多學者對中國二氧化碳排放問題進行了研究，其中分解分析是相關研究的有效工具，研究主要從國家層面、省域層面和行業層面展開。趙志耘和楊朝峰[2]采用LMDI方法分析中國2000—2009年碳排放的影響因素；Xu et al.[3]采用LMDI方法從部門角度研究中國溫室氣體的變化，基于此評價了中國減排政策；郭朝先[4]采用LMDI分解法從產業層面和地區層面對碳排放進行分解，從產業和能源利用層面提出碳減排的有效途徑和可行選擇。鑒于工業碳排放量占中國碳排放總量的70%[5]，對于工業碳排放的影響因素成為一個研究熱點。國涓等人基于修正的Laspeyres指數分解方法，分析中國工業和工業各部門1994—2007年碳排放的影響因素，結果表明工業產出是中國工業部門碳排放增長的主要因素，而能源強度則是抑制碳排放的主要因素[6]。董軍和張旭基于LMDI方法研究了中國工業部門1995—2007年碳排放的影響因素，結果表明能源強度對碳排放起到了明顯的抑制作用，但工業總量增長效應抵消了能源強度效應[7]。Ren et al.等人從省域角度分析中國工業碳排放變化的原因，得出經濟增長是碳排放增長的主要因素，能源強度效應是碳排放減少的關鍵因素[8]的類似結論。

關于京津冀地區碳排放的研究，王喜平等人[9]基于2000—2009年間數據研究能源強度、能源結構、產業結構、經濟發展水平和人口規模等因素變化對京津冀地區碳排放的影響，LMDI方法的分解結果表明產業結構的優化是將來碳排放量降低的關鍵因素，并提出優化產業結構的相關建議；Wang和Yang[10]基于一個擴展的脫鉤彈性分解模型和工業碳排放指數，定量分析1996—2010年京津冀工業增長和環境壓力的脫鉤指標；Yang et al.[11]采用STIRPAT模型研究北京碳排放的影響因素，主要聚焦用戶人口相關因素。

目前關于碳排放影響因素的研究基本采用LMDI方法或STIRPAT模型，本文在此基礎上采用Choi & Ang提出的LMDIAttribution分析方法[12]，該分析方法在中國問題的研究中使用較少。同時，對京津冀地區整體溫室氣體排放的研究相對較少，并且僅限于研究碳排放（碳排放強度）的影響因素，缺乏主要經濟行業對于碳排放強度變化影響因素的貢獻研究。本文基于1996—2014年京津冀地區的相關數據，首先對京津冀地區溫室氣體排放強度的變化進行LMDI乘法分解，將其分解為產業結構效應、能源強度效應和排放因子效應；其次，基于分解結果采用歸因分析方法將各因素的影響效應歸因到四個主要經濟行業（農業、工業、交通運輸業以及商業和服務業），即可以得到各經濟行業分別通過每個影響因素對碳排放強度的貢獻；基于研究結果評價“階梯電價”[13]、“千家企業節能項目”、“十大重點節能項目”[3]以及“調整出口退稅率商品目錄”等一系列政策對京津冀地區碳排放強度影響的有效性。

2 研究方法和數據來源

2.1 碳排放量核算

根據政府間氣候變化專門委員會（IPCC）2007報告[14]，能源相關的CO2排放量可以根據能源消耗量、排放系數和燃料的氧化率計算得出。具體方法如公式（1）所示：

其中，COt2ij表示第t年i部門j燃料的直接CO2排放量，單位為Mt；COt2j表示第t年i部門的總體能源相關CO2排放量；Etij表示第t年i部門j燃料的消耗量；EFj表示j燃料的碳排放系數；Oj表示j燃料燃燒過程中的氧化率。

熱力和電力的GHG排放量是通過發電機的燃料消耗來計算，然后再按照能源平衡表中的熱力和電力消耗的比例重新分配。只考慮化石燃料發電不能代表發電的一次能源消費，因為核電和水電發電比重逐年增加[15]。因此，除化石燃料，本文在研究過程中還考慮了用于發電的核電和水電能源的貢獻，計算過程中對于熱力核能和水能的碳排放系數假定為零。熱力和電力的GHG排放系數計算公式表示為[1]：endprint

其中，eft表示第t年熱力或者電力的平均排放系數；CO2ej，t表示第t年j燃料用于發熱或者發電所產生的當量CO2排放量；Efossil，t表示第t年化石燃料燃燒產生的熱力或者電力；Enuclear，t表示第t年核能產生的熱力或者電力；Ehydro，t表示第t年水能產生的熱力或者電力。

2.2 LMDI分解模型

IDA（指數分解分析）方法是探究碳排放影響因素的有效方法[16]，主要包括Laspeyres分解方法和LMDI方法，其結果不僅可以識別關鍵因素還可以評價相關政策的有效性。LMDI方法目前使用較為廣泛，因為其具有路徑無關性、處理零值的能力及一致性等優點[17]。為進行歸因分析，此處采用Ang and Choi[18]提出的LMDI乘法分解方法。溫室氣體排放強度即單位GDP產生的溫室氣體排放量，將溫室氣體排放強度分解三個因素，包括產業結構、能源強度和排放因子，公式如下所示：

其中，CI表示碳溫室氣體排放強度；i表示行業，C表示二氧化碳排放總量，Ci表示i行業的二氧化碳排放量；G和Gi分別表示京津冀地區GDP總量和i行業的工業增加值；Ei表示i行業的能源消費量；Si表示i行業工業增加值占比，EIi表示i行業的能源強度，即單位GDP消耗的能源，CFi表i行業消費能源的碳排放因子。

單時段溫室氣體排放強度變化的分解公式如下所示：

其中，t表示年份，St/St-1，EIt/EIt-1和CFt/CFt-1分別表示[t-1，t]時間段內產業結構效應、能源強度效應和排放因子效應。（2）式中的指數計算方式如下：

其中，wi是行業i的權重，其中L（x，y）=（x-y）/（lnx-lny）。

根據單時段分解公式（4），可以得到多時段分解公式，以期初為基年，則末期的溫室氣體排放強度變化計算如下：

其中，0表示期初，T表示末期，等式右邊是由逐年分解指數鏈式累乘得到，分別表示[0，T]時間段內三個指數對二氧化碳溫室氣體排放強度變化的影響效應，具體形式如公式（6）所示。

2.3 Attribution分析

以LMDI分解的結果為基礎，對各因素的影響效應進行歸因分析，計算各行業對各因素影響效應的貢獻。按照Choi & Ang[14]提出的歸因分析，以產業結構為例，可以得到單時段各行業對產業結構指數變化百分比的貢獻值，如下：

其中，ct-1，tS，i為單時段歸因分析結果，根據單時段歸因分析結果，可得到[0，T]時間段各行業對產業結構效應變化的貢獻：

其中，c0，TS，i將為 [0，T]時間段各行業對產業結構效應變化的貢獻值。

2.4 數據來源

本研究范圍為1996—2014年京津冀地區四個主要經濟行業（農業、工業、交通運輸業、商業和服務業）的數據。終端能源消費來源于《中國能源統計年鑒》[19]，總共考慮原煤、精洗煤、其它洗煤、焦炭、焦爐煤氣、其他煤氣、其他焦化產品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、其他石油制品、天然氣、熱力以及電力等18能源，在發電中考慮了水能和核能等新能源。GDP及各行業工業增加值來源于《中國統計年鑒》[20]，但2008年以后的工業增加值沒有統計，因此根據工業增加值年平均增長率進行計算，此數據來源于《中國工業經濟統計年鑒》[21]。此外，GDP及工業增加值轉換為1995年不變價格，能源消費量均轉換為標準煤。

3 結果分析和討論

3.1 溫室氣體排放強度因素分解

使用LMDI乘法分解模型，將中國1996—2014年期間京津冀地區溫室氣體排放強度分解為產業結構、能源強度、排放因子三個影響因素。單時段和多時段京津冀溫室氣體排放強度變化及其因素分解影響效應的時間序列結果如表1所示，單時段結果表示以前一年為基年，多時段表示以1996年為基年。

從單時段分解結果可以看出，在1998年、2003—2005年間及2011年溫室氣體排放強度有所增長，其中對于1998年和2011年溫室氣體排放強度的增長，產業結構效應和碳排放因子效應是主要因素。2008年受到金融危機影響，各產業發展速度明顯減緩。此后，為應對金融危機，中國政府推出一系列促進經濟增長的政策，使得2011年的碳排放強度有所增加。而2003—2005年期間，能源強度也對溫室氣體的排放起到較為明顯的促進作用，主要原因是2001年中國加入WTO，使得大批國外耗能行業轉向國內投資，此階段對于能源消費和碳排放問題政府沒有提出有效的控制政策和措施[22]。多時段指數分解結果表明，溫室氣體排放強度從1996—2014年累計下降23.05%。能源強度是導致溫室氣體排放強度下降的主要因素，累計貢獻值為61.18%。而產業結構和排放因子在整個研究階段均促進溫室氣體排放強度的增加，其中碳排放因子發揮主要作用使得溫室氣體排放強度增加60.47%，產業結構效應的貢獻為23.53%。

總體而言，京津冀能源強度的降低是溫室氣體排放強度減少的主要因素，表明其能源效率在整個研究階段具有較大改善。說明中國在此研究階段提出的相關政策對京津冀地區發揮了較好的作用。例如：2004年，中國針對工業提出階梯電價的政策，將工業部分行業按照產業、技術和能源效率水平分為“鼓勵”、“允許”、“限制”和“消除”四個組。其中前兩組的電價按當地工業通電的標準收費，而后兩組則分別需要增收0.02元/kW·h和0.05元/kW·h-的附加費。此項政策在一定程度上可以減少高耗能企業的電力消費，同時也可促進這些企業提高其技術和能源效率水平。2006年發展與改革委提出的“千家企業節能項目”和2007年財政部和發展與改革委提出的“十大重點節能項目”，促進了工業行業的節能水平同時也提高了其能源效率。產業結構在一定程度上促進了溫室氣體排放強度的增加，意味著京津冀地區的產業結構還需繼續優化。從2003年開始，政府減少很多工業行業產品的出口退稅率。此后，在2005年、2006年、2007年和2010年均對此政策進行調整，以達到減少工業行業的產品出口，從而控制工業的不斷發展。但是京津冀地區的工業仍處于快速發展階段，可見此類政策起到一定作用但作用有限。同時排放因子則對溫室氣體排放強度的增加起到促進作用，表明其能源結構仍然不合理。目前，京津冀地區的能源主要以煤制品和油制品為主，二者在終端能源消費中占比在60%—70%，而天然氣作為化石能源中的清潔能源占比則在1.0%—3.1%，這表明京津冀地區的能源消耗仍然以高碳能源為主，對環境和氣候變化產生負面影響。此外，電力的消費量從1996年的24.94%增加到2014年的34.74%，電力消費量的增加意味著煤炭消費量的增加，因為中國目前70%左右的電力來源于火力發電。為了更好地降低溫室氣體排放強度，在電力行業鼓勵新能源的使用和發展是必要的。endprint

3.2 歸因分析

基于1996—2014年京津冀地區溫室氣體排放強度LMDI乘法分解結果，根據式（8）對分解因素影響效應變化進行歸因分析，分析結果以1996年為基年，給出1996—2014年京津冀地區各主要經濟行業對分解因素影響效應變化的累計貢獻值，結果如表2所示。

3.2.1 產業結構效應歸因分析

對京津冀地區溫室氣體排放強度的分解結果顯示，產業結構對溫室氣體排放強度變化的影響起到一定的促進作用。由表2可以看出：1996—2014年，產業結構對溫室氣體排放強度下降的累計影響值為23.53%，對這一值貢獻最大的行業是工業，工業增加值在總增加值中占比最大，并且從1996年的38.80%增加到2014年的50.37%。京津兩地的經濟發展自2015年起均以第三產業為主，但仍然注重工業發展。雖然工業總體對溫室氣體排放強度 的增加起到促進作用，但是其新能源產業和高新技術產業的比重增速較快，對于工業內部的產業結構調整也起到積極作用，未來工業對溫室氣體排放強度的促進作用會有所減少。其次是交通運輸業及商業和服務業，這兩個行業的貢獻值分別為0.78%及0.35%。交通運輸業及商業和服務業的占比有一定程度的增加，因為將工業布局和高效交通體系有機結合是促進京津冀協同發展的有效途徑，近些年無論鐵路體系還是公路體系都有一定程度的改善，使得交通運輸業有了一定發展。此外，借助互聯網技術，京津冀地區的軟件和信息技術服務業，電信、廣播電視和衛星傳輸服務等新興服務業實現了強勢增長，為服務業的快速發展起到積極作用。然而農業通過產業結構對溫室氣體強度的減小起到一定作用，導致其減小3.09%，并且在整個研究階段農業通過產業結構對溫室氣體排放強度的影響均為負值。農業的占比從1996—2014年的縮小趨勢最為明顯，從24.66%減小到9.28%。其主要原因是其他三大經濟部門的快速發展，目前京津冀地區發布《京津冀現代農業協同發展規劃（2016—2020年）》，著力構建一、二、三產業融合的現代農業經營體系，促進京津冀地區農業提質增效和轉型升級。

3.2.2 能源強度效應歸因分析

結合表1可以看出，能源強度對京津冀地區溫室氣體排放強度的降低起到主要作用。由表2可以看出，整個研究階段能源強度均對溫室氣體排放強度的減小起到重要作用。除農業以外，其余三個行業的能源強度的變化均對溫室氣體排放強度起到抑制作用。工業對溫室氣體排放強度降低的貢獻最大，為-59.19%。并且四大經濟部門均通過能源強度對溫室氣體排放強度的減少起到一定作用，依次為交通運輸業（-1.22%）、商業和服務業（-0.66%）、農業（-0.11%）。

1996—2014年，四大經濟部門能源強度在一定程度上均有減少，如工業的能源強度減小幅度最大為53.07%；商業和服務業減小26.52%；交通運輸業從1.28 Mt/億元減小到1.11 Mt/億元。農業的能源強度減小幅度最為輕微，從0.25 Mt/億元減小到0.22 Mt/億元。綜上，能源強度的降低是溫室氣體排放強度降低的關鍵因素。在改善能源效率方面，政府提出了一系列政策和指導辦法，如工業行業提出并完成的“千家企業節能項目”、“十個關鍵能源節約項目”以及“階梯電價”等，從本文分析結果看政策起到了較好的效果；交通運輸業建立了汽車排放標準和燃料消耗量限值，并頒布車輛能源消費稅等，也對其能源效率的改善起到促進作用。從能源強度的歸因分析結果上看，農業、交通運輸業及商業和服務業雖然對溫室氣體排放強度的減少起到一定作用，但其能源效率仍需進一步改善。由 于能源強度的降低是溫室氣體排放強度降低的關鍵，因此國家應針對不同行業提出差異化政策建議，通過提高各行業的能源使用效率降低碳排放。

3.2.3 排放因子效應歸因分析

從表2最后一行可以看出，碳排放因子對溫室氣體排放強度的增加起到了主要的促進作用，貢獻值為60.47%。四個經濟部門均使得溫室氣體排放強度增加，其中工業的影響最大，為55.97%，農業和交通運輸業二者的貢獻分別為2.47%和1.14%，商業和服務業影響相對較小，整個研究階段的貢獻值為0.89%。

四個經濟部門的碳排放因子均有不同程度的增加，京津冀地區四大經濟部門的能源結構都需要進一步改善。京津冀地區是全國重要的區域能源消費中心，能源消費總量占全國10%以上。國家目前正在推進京津冀區域能源結構調整，這對其溫室氣體排放強度的降低具有積極意義。河北省煤炭消費占一次性能源消費的90%左右，對煤炭消費依賴極其嚴重。天津市的煤炭和石油消費占能源消費總量的50%以上，清潔能源占比3%左右，相對較低。經過多次能源結構調整，北京的清潔低碳能源比重已達到86%左右，這對京津冀協同發展共同調整能源結構具有極其重要作用。但總體而言，京津冀地區四大經濟部門的能源結構應繼續優化。

排放因子效應主要體現各行業能源結構的合理性，目前，京津冀地區的能源結構雖不斷改善，但高排放能源如煤炭和石油等仍占較高比值。而清潔能源和可再生能源如天然氣等所占終端能源消費的比例依舊很低，因此控制高碳能源和鼓勵清潔能源成為必然。

4 結論和政策建議

本文基于LMDIAttribution方法，研究中國京津冀地區溫室氣體排放強度的變化問題。首先，將京津冀地區1996—2014年能源消費相關的溫室氣體排放強度分解為產業結構、能源強度和排放因子三個因素；其次對各影響因素作進行歸因分析，探索三個因素中四大經濟部門對總體溫室氣體排放強度的貢獻。得到如下結論：

1996—2014年京津冀地區溫室氣體排放強度主要呈現下降趨勢，累計下降23.05%。其中，能源強度是溫室氣體排放強度下降的主導因素，產業結構和排放因子對溫室氣體排放強度的增加起到促進作用，其中排放因子的促進作用更為明顯。

產業結構對溫室氣體排放強度影響值的變化主要依托于主要經濟部門行業增加值占比的變化。產業結構影響效應在1996—2014年期間對溫室氣體排放強度增加的影響值為23.53%，對產業結構的分析說明京津冀地區能耗較高行業的行業增加值占比仍然過高，例如工業和交通運輸業。因此進一步促進商業與服務業等低耗能產業的發展，對于未來京津冀地區溫室氣體排放強度的降低至關重要。endprint

能源強度在1996—2014年對溫室氣體排放強度的累計影響效應為-61.18%，表明能源強度的降低是溫室氣體排放強度降低的關鍵。因此，國家應從提高能源效率入手，相關政策可以依據各行業生產特點，引入具有針對性的節能標準，將節能指標完成情況納入經濟社會發展綜合評價和年度考核體系，通過提高各行業的能源效率降低碳排放。

碳排放因子在1996—2014年間對溫室氣體排放強度增加的貢獻最為明顯（60.47%）。考慮到排放因子這一因素，中國政府應當更進一步地推進能源結構的優化和改善，實行控煤政策，爭取在保證企業盈利的情況下實現煤炭消費量的負增長，推廣煤炭清潔利用，并降低高排放能源的消費比例，提倡使用低排放能源和可再生能源如風能、太陽能、核能和生物質能等。

參考文獻（References）

[1]IEA. CO2 emissions from fuel combustion highlights[R]. Paris： International Energy Agency，2012.

[2]趙志耘，楊朝峰.中國碳排放驅動因素分解分析[J].中國軟科學， 2012 （6）： 175-183. [ZHAO Zhiyun， YANG Chaofeng. The decomposition analysis on the driving factors of Chinas carbon emission[J]. China soft science， 2012 （6）： 175-183.]

[3]XU-X， ZHAO T， LIU N， et al. Changes of energyrelated GHG emissions in China： an empirical analysis from sectoral perspective [J]. Applied energy， 2014， 132（11）：298-307.

[4]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， 2011， 20（12）： 4-9.[GUO Chaoxian. Decomposition of Chinas carbon emissions： based on LMDI method[J]. China population， resources and environment， 2011， 20（12）： 4-9.]

[5]LIU-N， MA Z， KANG J. Changes in carbon intensity in Chinas industrial sector： decomposition and attribution analysis[J]. Energy policy， 2015， 87： 28-38.

[6]國涓， 劉長信， 孫平. 中國工業部門的碳排放：影響因素及減排潛力[J]. 資源科學， 2011， 33（9）：132-140. [GUO Juan， LIU Changxin， SUN Ping. Carbon emissions of industrial sectors in China： influencing factors and emission reduction potential[J]. Resources science， 2011， 33（9）： 132-140.]

[7]董軍， 張旭. 中國工業部門能耗碳排放分解與低碳策略研究[J]. 資源科學， 2010， 32（10）：1856-1862. [DONG Jun， ZHANG Xu. Decomposition of carbon emissions and low carbon strategies for industrial sector energy consumption in China[J]. Resources science， 2010， 32（10）： 1856-1862.]

[8]REN-S， FU X， CHEN X. Regional variation of energyrelated industrial CO2 emissions mitigation in China[J]. China economic review， 2012， 23（4）： 1134-1145.

[9]王喜平， 孟明， 劉劍， 等. 碳排放約束下京津冀都市圈全要素能源效率研究[J]. 工業技術經濟， 2013（1）：11-19. [WANG Xiping， MENG Ming， LIU Jian， et al. Study on total factor energy efficiency of BeijingTianjinHebei metropolitan region under the constraint of carbon emission[J]. Industrial technology & economy， 2013（1）： 11-19.]

[10]WANG-Z， YANG L. Delinking indicators on regional industry development and carbon emissions： BeijingTianjinHebei economic band case[J]. Ecological indicators， 2015， 48： 41-48.

[11]YANG-Y， ZHAO T， WANG Y， et al. Research on impacts of populationrelated factors on carbon emissions in Beijing from 1984 to 2012[J]. Environmental impact assessment review， 2015， 55： 45-53.endprint

[12]CHOI-K H， ANG B W. Attribution of changes in Divisia real energy intensity index ：an extension to index decomposition analysis[J]. Energy economics， 2012， 34（1）： 171-176.

[13]YANG-M， PATIOECHEVERRI D， YANG F， et al. Industrial energy efficiency in China： achievements， challenges and opportunities[J]. Energy strategy reviews， 2015， （6）： 20-29.

[14]IPCC. IPCC fourth assessment report[R]. 2007-02-10. http：//www.ipcc.ch/publications_and_data /publications_and_data_reports.htm.

[15]ANG-B W， CHOI K H. Boundary problem in carbon emission decomposition[J]. Energy policy， 2002， 30（13）： 1201-1205.

[16]MA-C. A multifuel， multisector and multiregion approach to index decomposition： an application to Chinas energy consumption 1995-2010[J]. Energy economics， 2014， 42： 9-16.

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

[18]ANG-B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method[J]. Energy， 1997， 18 （3）： 59-73.

[19]國家統計局. 中國能源統計年鑒（1997—2015）[M]. 北京：中國統計出版社， 1997-2015. [China Statistical Bureau. China energy statistical yearbook （1997-2015） [M]. Beijing： China Statistics Press， 1997-2015.]

[20]國家統計局. 中國統計年鑒（1997—2008）[M]. 北京：中國統計出版社， 1997-2015. [China Statistical Bureau. China statistical yearbook （1997-2008） [M]. Beijing： China Statistics Press， 1997-2015.]

[21]國家統計局.中國工業經濟統計年鑒（2009-2015）[M]. 北京：中國統計出版社， 2009-2013. [China Statistical Bureau. China industrial economic statistical yearbook （2009-2015） [M]. Beijing： China Statistics Press. 2009-2015.]

[22]ZHAO-X， MA C， HONG D. Why did Chinas energy intensity increase during 1998-2006： decomposition and policy analysis[J]. Energy policy， 2010， 38（3）： 1379-1388.endprint