基于LMDI的區域產業碳排放脫鉤努力研究

劉博文 張賢 楊琳

摘要 隨著全球變暖形勢的不斷加劇以及能源的過度開發利用，人類迫切需要一種能滿足能源環境可持續發展要求的新型經濟模式，代替以高能耗高污染為特點的工業經濟發展模式。低碳經濟被廣泛認為是繼工業革命后改變全球經濟的又一次革命浪潮。低碳產業不僅是低碳發展的重點內容，也是低碳經濟轉型的重要途徑。我國終端能源消費的90%直接發生在產業部門，巨大的能源消費總量，加上中國以煤炭為主的能源結構，使得產業部門的碳排放管理勢必成為中國低碳經濟政策的重要內容之一。本文運用LMDI 分解法和Tapio脫鉤指標分析了1996年到2015年間中國區域產業增長和CO₂排放的脫鉤彈性和脫鉤努力程度。結果表明：①各區域的產業碳排放都呈現顯著增加趨勢，其中增幅最大的是位于北部沿海的河北和山東。從排放結構來看，制造業在1996年所占比重最大，但部分地區的交通碳排放在2015年超過制造業，成為最大的碳排放源。②從全國層面看，“九五”、“十一五”和“十二五”時期呈現弱脫鉤，“十五”時期呈現為擴張鏈接狀態。尤其需要注意的是“十二五”時期，西北地區呈現出擴張負脫鉤。③各地區都做出了脫鉤努力，其中，北京做出的脫鉤努力最大，青海和寧夏做出的脫鉤努力最小。從各脫鉤努力指標來看，能源強度的貢獻比較大；產業結構和能源結構基本沒有顯著效果，甚至阻礙了部分地區脫鉤的實現；人口規模一直未做出脫鉤努力，尤其是在發達的人口密集區。由此可見，產業結構和能源結構調整依然是未來我國實現脫鉤的重要途徑。

關鍵詞 區域產業增長；碳排放；脫鉤；LMDI

中圖分類號 F124.5；X196

文獻標識碼 A文章編號 1002-2104（2018）04-0078-09DOI：10.12062/cpre.20180106

能源消費引起的全球氣候變暖問題已經引起了全球各國廣泛關注。自 1992 年第一次氣候大會通過的 《聯合國氣候變化框架公約》 開始，到 1997 年的 《京都議定書》，再到2015年的《巴黎協定》，國際社會不斷為減少二氧化碳排放而努力。中國作為全球最大的發展中國家，經濟增長雖然取得了舉世矚目的成就，但與此同時帶來的二氧化碳排放問題已經不容忽視。面對著日益嚴峻的減排形勢，我國政府已經承諾到 2020和2030 年單位 GDP 碳排放要比 2005 年分別下降 40%～45%和60%～65%，并已經將其作為約束性指標納入國民經濟和社會發展中長期規劃。目前，我國還處在城鎮化和工業化快速發展過程中，要達到既定的減排目標，就必須降低經濟增長對能源消耗的依賴。因此，深入研究經濟增長與二氧化碳排放的脫鉤關系，對于制定合理的減排政策，按期實現 2020及2030 年的減排承諾具有重要的現實意義。

經濟合作與發展組織（OECD）[1]在 《衡量經濟增長對環境影響脫鉤關系的指標》報告中首次從經濟學的意義上提出了 “脫鉤”的概念以及模型，探討了如何降低甚至阻斷經濟增長與環境污染的關聯性。目前，國外研究主要從節能和減排兩個角度出發來進行研究。Juknys[2]對脫鉤指標進一步細化，將經濟增長與自然資源的脫鉤稱為初級脫鉤，與環境污染的脫鉤稱為次級脫鉤。Tapio[3]構建了完整的脫鉤指標體系，并研究了歐洲交通業發展與運輸量、CO₂之間的脫鉤情況。隨后Gray et al[4]、Diakoulaki和Mandaraka[5]、De Freitas和Kaneko[6]、Csereklyei和Stern [7]、Grand[8]應用Tapio 脫鉤模型分析了世界部分國家的經濟增長或者產業發展與碳排放之間的脫鉤關系。國內關于脫鉤理論的研究也集中在節能與溫室氣體減排領域。在節能領域， 趙一平等[9]和王崇梅[10]運用脫鉤理論研究了中國經濟增長與能源消費之間的相關性。Dong et al.[11]研究了遼寧省能源消費和經濟增長的脫鉤關系。在減排領域，彭佳雯等[12]和Wang et al.[13]通過構建經濟與能源碳排放的脫鉤分析模型，研究了我國經濟增長與能源碳排放的脫鉤關系及程度，并分析了二者脫鉤發展的時間與空間演變趨勢。岳立和李飛[14]、齊靜和陳彬[15]、王蓉和邢俊玲[16]分別研究了從區域角度研究了某些省份（甘肅、重慶、陜西）經濟增長與碳排放的脫鉤關系。隨后，Zhang和Wang[17]、Lu et al.[18]和Wang和Yang[19]在分析經濟增長與碳排放的耦合關系的同時，構建了二氧化碳排放的影響因素模型。

我國產業部門的能源消費占能源消費總量的80%以上，而且能源結構仍然以煤炭為主，這就使得產業部門的碳排放管理成為低碳經濟發展的重中之重[20]。我國已經實施節能減排多年，并且制定了多項政策措施，但到底是否實現經濟增長與碳排放的脫鉤，為了脫鉤又做出了多大努力，而哪些因素又是實現脫鉤的重要因素，這些問題都值得探討。通過文獻梳理不難發現，目前大多數研究只停留在對脫鉤或復鉤狀態的評判層面上，而對脫鉤因子影響力和脫鉤穩定性的分析并不多。考慮到我國各地區的經濟發展以及碳排放存著明顯的區域差異，本文以全國各省份的五大產業為研究對象，通過構建產業碳排放的脫鉤努力模型，定量測算能源結構、能源強度、產業結構、經濟產出和人口規模對于區域產業碳排放變化和脫鉤努力的影響程度，進而得出脫鉤努力進程中的關鍵影響因素，以期為區域性產業低碳發展提供建議。

1 研究方法和數據

1.1 產業碳排放

本文依據IPCC[21]國家溫室氣體清単計算指南提供的方法，對能源活動有關的產業CO₂排放進行測算，公式如下：

1.2 LMDI指數分解

指數分解法是根據 Kaya 恒等式的基本原理，通過構造鏈式乘積的形式分解出多個影響因素。該等式是由日本學者Yoichi Kaya[22]提出的，將人類活動產生的CO₂排放與人口、GDP、能耗強度等因素聯系起來，具體的分解公式如下：

式中：CO₂、E、G、PE分別表示二氧化碳排放量、能源消費量、國內生產總值和人口總量。Kaya恒等式揭示了影響CO₂排放的主要因素：Ci表示單位能源消耗的CO₂排放量，即碳排放強度；Ei表示單位GDP的能源消耗量，即能源強度；Yi表示人均GDP，反映了社會經濟水平。

因素分解法是對Kaya恒等式的進一步延伸，主要包括拉氏指數分解法、迪氏指數分解法和費雪理想指數法等。其中，Ang[23-24]提出的對數平均迪氏指數分解法（Logarithmic Mean Divisia Index method，簡稱 LMDI 法） 解決了指數分解分析法固有的殘值和零值問題，具有完全分解和結果唯一性的優勢。因此，LMDI模型已經成為了能源環境領域的主流研究工具。本文從區域產業層面建立了兩層的LMDI分解模型，具體公式如下，各變量的含義解釋見表1。

脫鉤指標可細分為三大狀態和八種等級，即連接狀態（擴張連接和衰退連接）、脫鉤狀態（弱脫鉤、強脫鉤和衰退脫鉤）、負脫鉤狀態（弱負脫鉤、強負脫鉤和擴張負脫鉤），如圖1所示。

在碳排放總量中剔除經濟增長因素而導致的碳排放可進一步評價產業脫鉤努力，即產業發展中一切直接或間接使得產業CO₂排放下降的努力措施，具體表現為提高能源效率、促進產業結構升級和能源結構優化以及控制人口等減排措施的實施效果。因此，碳排放的脫鉤努力指標具體為

式中：ΔE表示現期相對于基期剔除經濟增長因素后碳排放的變動，D 為剔除經濟增長效應后的脫鉤努力指標。DES、DEI、DSI、DP分別表示能源結構、能源強度、產業結構和人口規模的變化對脫鉤的努力程度。當脫鉤努力導致CO₂排放變化量大于或等于0，D≤0 為“無脫鉤努力”；當脫鉤努力導致CO₂排放變化量小于0時，0

1.4 數據來源

本文選擇了9種主要的能源消費品種來核算碳排放，分別是原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣和天然氣，對應的能源消費量的數據均來源于《中國能源統計年鑒》；燃燒熱值系數、含碳量等均采用IPCC于2006年公布的數據；分行業增加值、產值數據和人口數據來源于《中國統計年鑒》，1996—2015年的分行業增加值、產值等都換算為1996年的不變價。因數據可得性原因，本研究未包括港、澳、臺地區。

2 各地區產業碳排放以及影響因素分析

各地區分行業的碳排放如圖2a所示，可以看出各區域的碳排放都顯著增加，并且區域差異呈現擴大趨勢。1996年，北部沿海地區的碳排放最大（30 049×10⁴t），其次是黃河中下游地區（27 265×10⁴t）和長江中下游地區（26 781×10⁴t），西北地區最小（7 578×10⁴t）。2015年，北部沿海區域的碳排放量依舊最大（84 083×10⁴t），然后是黃河中游地區（70 447×10⁴t）、長江中游（60 618×10⁴t）和西南地區（57 857×10⁴t），西北地區的排放量最小（25 459×10⁴t）。從增長幅度來看：西北地區的增幅最大，為235.96%；其次是南部沿海和北部沿海地區，分別為192.07%和179.82%；東北地區和長江中游地區的增幅最小，分別為123.57%和126.35%。從省際分行業的碳排放情況來看（圖2b）：各區域都是制造業碳排放所占比重最大，建筑業和農業碳排放較小；其次，除了西北地區，其他地區的交通碳排放都顯著增加。從省際層面看：各省份在1996年的碳排放差異較小，但在2015年卻顯著擴大，尤其是位于北部沿海地區的河北和山東的排放量和增幅都遠遠高于其他省份和全國平均水平；江蘇、遼寧、廣東、湖北、河南、山西、內蒙和四川的排放量也較大，高于全國平均水平；海南、青海和北京的碳排放量較小，并且一直低于全國平均水平，其中北京是唯一一個碳排放下降的地區。從省際的排放結構來看：在1996年，各省份都是制造業所占比重最大，但是到2015年，北京的交通碳排放超過制造業，成為該地區最大的碳排放源，并且北京是唯一的制造業碳排放下降的地區；上海、山東、廣東、遼寧、江蘇、浙江等發達地區的交通碳排放也有顯著增加。

綜合分析，北部沿海的排放總量和增加幅度都較大；西北地區和南部沿海地區的排放量相對較小，但是增幅較大；東北地區和東部沿海地區的控排做的相對較好。尤其需要注意的是北部沿海的碳排放呈現巨大的區域內部差異，北京和天津的排放量以及增幅遠遠低于河北和山東，這非常不利于京津地區的協同發展。京津冀地區一直在大力推行節能減排，采取措施治理燃煤、機動車、工業和揚塵污染，淘汰落后產能，推動空氣質量持續改善。但除了北京和天津，周邊的地區包括遼寧、山西和內蒙，碳排放都增幅較大，非常不利于霧霾的治理。除此之外，各地區的交通碳排放，尤其是發達地區，增長幅度較為明顯，必須予以重視。商業碳排放雖然比重較小，但是部分地區已經出現快速增長的勢頭，未來隨著我國產業結構的調整和經濟形勢的回暖，增長的空間還是很大，今后也將成為節能減排的重點行業。各分解效應對各地區產業碳排放的累計貢獻值如圖3所示。可以看出經濟產出是產業碳排放增長的決定性因素，人口規模也一定程度上增加了碳排放，能源強度是抑制碳排放增長決定性因素，能源結構和產業結構對碳排放的抑制作用還不顯著，甚至在部分地區促進了碳排放增長。

經濟產出增加是碳排放增長的主要因素，說明我國經濟發展依賴于能源消費。能源強度下降是抑制碳排放的最有力因素，這是因為我國一直十分重視節能減排工作，技術效率和資源利用效率大幅提高，使得能源強度特別是第二產業的能源強度不斷降低。人口規模效應對碳排放的正向影響正在逐漸顯現，成為僅次于經濟效應的第二大碳排放增長推動力，尤其是在廣東和上海等人口稠密地區，拉動作用正在增強。Birdsall[25]認為人口增長對碳排放的影響主要有兩方面：一是人口增加，通過需求引導生產擴大，進而導致碳排放增長；二是人口增長破壞生態平衡，改變土地利用方式。雖然我國人口增速已經放緩，但由于人口基數巨大，即使是少量的人口增加，引起的碳排放增加量也相當可觀。未來隨著我國城鎮化進程的進一步加快，一線城市的常住人口規模還將繼續加大，所以未來控制人口對減少碳排放的作用不容忽視。能源結構效應和產業結構效應并沒有對碳排放起到明顯的抑制作用，這與部分研究的結果相似[26-29]。由于在1996—2015年間，除了北京、上海和海南以外，我國大部分地區第二產業比重始終在45%～60%之間，并且煤炭為主要能源，這表明各地區經濟增長對第二產業的依賴還比較強，所以未來調整產業結構和能源結構依然任重道遠。

3 各地區產業碳排放的脫鉤情況分析

根據式（13），1996—2015年各地區碳排放脫鉤情況見表2。從全國層面看：“九五”期間（1996—2000）脫鉤彈性指標為0.3，呈現弱脫鉤；“十五”期間（2001—2005）脫鉤彈性指標增長到0.94，呈現為擴張鏈接狀態；“十一五”期間（2006—2010）和“十二五”初期（2011—2015）又改善為弱脫鉤，脫鉤彈性指標顯著下降。這表明“十五”期間，在排出大量二氧化碳的同時并沒有帶來同比例的生產總值增加，進入“十一五”以后，隨著國家節能減排力度的加大，又出現了二氧化碳和經濟發展的弱脫鉤。從區域層面看：“九五”期間，黃河中游地區和長江中游地區呈現強脫鉤狀態，西南地區呈現擴張鏈接狀態，其他地區都為弱脫鉤；“十五”時期，除了西北地區，其他地區的脫鉤指標都顯著增加，北部沿海地區、東部沿海地區和長江中游地區呈現擴張連接狀態，而南部沿海地區和西南地區甚至出現擴張負脫鉤；“十一五”時期，各區域的脫鉤指標有了顯著改善，均呈現弱脫鉤狀態；而進入“十二五”時期，東部沿海地區則呈現強脫鉤，而西北地區又呈現出擴張連接狀態，其他地區均為弱脫鉤。由此可以看出，發達地區正在逐步改善粗放的經濟增長模式，尤其是東部沿海地區，減排成果顯著，而欠發達地區（西北地區）卻依然過度依賴能源資源投入支撐經濟增長。從省際層面看：北京地區的脫鉤情況最好，這主要是因為北京市出臺了大量減排措施，淘汰落后產能；其他地區的脫鉤指標都呈現出較大的波動，尤其是在“十五”期間，河北、山東、吉林、江蘇、湖北、湖南、福建、貴州和云南等多地呈現出擴張連接和擴張負脫鉤狀態，但隨后又顯著改善；進入“十二五”以后，多地開始呈現負脫鉤的狀態，但是西北地區的甘肅、青海和新疆卻呈現出擴張負脫鉤的狀態，表明該地區需要注意經濟增長方式，不能盲目擴大投資，注重經濟增長質量。

根據式（14）和公示式（15），剔除經濟增長效應后的脫鉤努力情況如圖4所示。可以看出，在剔除經濟增長效應后，所有地區都做出了脫鉤努力。其中，北京做出的脫鉤努力最大，其次為河南、吉林、山西、湖北、湖南和天津，青海和寧夏做出的脫鉤努力最小。從各脫鉤努力指標來看，能源強度的貢獻比較大；產業結構效應在上海、北京、廣東和天津做出一定的脫鉤努力，但在其他地區并沒顯著效果，甚至阻礙了脫鉤的實現；人口規模一直未做出脫鉤努力，尤其是在上海、廣東、北京和天津等發達的人口密集區，但除了上海和廣東，其他地區人口的負向脫鉤努力值并不是很大，這說明人口控制政策還是有效的；能源結構除了在山東、河北、青海、陜西等地表現出較為明顯負向脫鉤努力，在其他地區并未起到明顯作用，說明1996年到2015年間我國的能源結構調整政策并沒有取得顯著成效，未來依舊是節能減排的重中之重。

4 結論與討論

本文利用LMDI和Tapio指標分析1996—2015 年間各地區產業碳排放的脫鉤情況。結果表明：①各區域的產業碳排放都呈現顯著增加趨勢，其中河北和山東的排放量和增幅遠遠高于其他地區和全國平均水平。從排放結構來看，1996年各省份都是制造業所占比重最大，但是2015年北京的交通碳排放超過制造業，成為該地區最大的碳排放源，并且北京是唯一的制造業碳排放下降的地區。此外，上海、山東、廣東、遼寧、江蘇、浙江等發達地區的交通碳排放也有顯著增加。②經濟產出效應是產業碳排放快速增長的最主要因素，人口增長也一定程度上增加了碳排放，能源強度效應則是抑制碳排放增長最為重要的原因，能源結構和產業結構的調整沒有起到明顯的抑制作用，在部分地區甚至增加了碳排放。③“九五”期間，各地區都呈現弱脫鉤；“十五”時期，除了西北地區，其他地區的脫鉤指標都顯著增加，北部沿海地區、東部沿海地區和長江中游地區呈現擴張連接狀態，而南部沿海地區和西南地區甚至出現擴張負脫鉤；“十一五”時期，各區域的脫鉤指標有了顯著改善，均呈現弱脫鉤狀態；而進入“十二五”時期，東部沿海地區則呈現強脫鉤，而西北地區又呈現出擴張連接狀態，其他地區均為弱脫鉤。由此可以看出，發達地區正在逐步改善粗放的經濟增長模式，尤其是東部沿海地區，減排成果顯著，而欠發達地區（西北地區）卻依然過度依賴能源資源投入支撐經濟增長。④所有地區都做出了脫鉤努力，其中，北京做出的脫鉤努力最大，青海和寧夏做出的脫鉤努力最小。從各脫鉤努力指標來看：能源強度的貢獻比較大；產業結構在上海、北京、廣東和天津做出一定的脫鉤努力，在其他地區并沒顯著效果，甚至阻礙了脫鉤的實現；人口規模一直未做出脫鉤努力，尤其是在上海、廣東、北京和天津等發達的人口密集區；能源結構除了在山東、河北、青海、陜西等地表現出較為明顯負向脫鉤努力，在其他地區并未起到明顯作用，說明“九五”到“十二五”期間，我國的能源結構調整政策并沒有取得顯著成效，未來依舊是節能減排的重中之重。

總而言之，各省市碳排放脫鉤指數值均有明顯差異，節能減排政策的制定應適當考慮區域經濟發展水平、能源消耗及碳排放的差異性，制定“共同但有區別”的減排責任。大部分經濟發達省份的脫鉤指數呈現倒U型的變動趨勢，但仍處于弱脫鉤或者增長連接狀態，這意味著盡管我國能源消耗強度以及碳排放強度不斷下降，但是經濟發展與碳排放、能源消耗之間仍然存在較強的關聯性。經濟相對落后的省份雖然碳排放較小，但脫鉤指數呈上升趨勢，說明經濟發展還是延續了以往粗放型的模式，不利于我國可持續發展的整體戰略布局。脫鉤因素的分解表明當前不合理的能源結構和產業結構可能是導致經濟增長與碳排放、能源之間未實現脫鉤的重要因素，隨著能源效率的天花板效應逐漸顯現，未來產業結構的調整還將是節能減排的重要途徑。

參考文獻（References）

[1]OECD. Indicators to measure decoupling of environmental pressure from economic growth [R]. Paris： OECD，2002.

[2]JUKNYS R. Transition period in lithuania：do we move to sustainability？[J]. Environmental research， engineering and management， 2003， 4（26）： 4-9.

[3]TAPIO P. Towards a theory of decoupling： degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport policy， 2005， 12（2）： 137-151.

[4]GRAY D， ANABLE J， IIIINGWORTH L， et al. Decoupling the link between economic growth， transport growth and carbon emissions in Scotland[R]. Aberdeen： The Centre for Transport Policy， Robert Gordon University， 2006.

[5]DIAKOULAKI D， MANDARAKA M. Decomposition analysis for assessing the progress in decoupling industrial growth from CO₂ emissions in the EU manufacturing sector[J]. Energy economics， 2007， 29（4）： 636-664.

[6]FREITES L C D， KANEKO S. Decomposing the decoupling of CO₂ emissions and economic growth in Brazil[J]. Ecological economics， 2011， 70（8）： 1459-1469.

[7]CSEREKLYEI Z， STERN D I. Global energy use： decoupling or convergence？[J]. Energy economics， 2015， 51： 633-641.

[8]GRAND M C. Carbon emission targets and decoupling indicators[J]. Ecological indicators， 2016， 67： 649-656.

[9]趙一平， 孫啟宏， 段寧. 中國經濟發展與能源消費響應關系研究——基于相對“脫鉤”與“復鉤”理論的實證研究[J]. 科研管理， 2006， 27（3）：128-134. [ZHAO Yiping， Sun Qihong， DUAN Ning. Responsive relationship between economic development and energy consumption in China： a practical research based on comparative de-link and re-link theory[J]. Science research management， 2006， 27（3）：128-134.]

[10]王崇梅. 中國經濟增長與能源消耗脫鉤分析[J]. 中國人口·資源與環境， 2010， 20（3）：35-37. [WANG Chongmei. Decoupling analysis of China economic growth and energy consumption[J]. China population， resources and environment， 2010， 20（3）：35-37.]

[11]DONG B， ZHANG M， MU H L， et al. Study on decoupling analysis between energy consumption and economic growth in Liaoning Province[J]. Energy policy， 2016， 97： 414-420.

[12]彭佳雯， 黃賢金， 鐘太洋， 等. 中國經濟增長與能源碳排放的脫鉤研究[J]. 資源科學， 2011， 33（4）：626-633. [PENG Jiawen， HUANG Xianjin， ZHONG Taiyang， et al. Decoupling analysis of economic growth and energy carbon emissions in China[J]. Resources science， 2011， 33（4）：626-633.]

[13]WANG W W， LI M， ZHANG M. Study on the changes of the decoupling indicator between energy-related CO₂， emission and GDP in China[J]. Energy， 2017， 128：11-18.

[14]岳立， 李飛. 西部經濟增長與二氧化碳脫鉤關系的實證分析——以甘肅省為例[J]. 北京理工大學學報（社會科學版）， 2011， 13（2）：19-22. [YUE Li， LI Fei. Empirical analysis of the Tapio decoupling of western provincial economic growth and carbon dioxide with Gansu Province as a case[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2011， 13（2）：19-22.]

[15]齊靜， 陳彬. 城市工業部門脫鉤分析[J]. 中國人口·資源與環境， 2012， 22（8）：102-106. [QI Jing， CHEN Bin. Decoupling analysis for urban industrial sectors[J]. China population， resources and environment， 2012， 22（8）：102-106.]

[16]王蓉， 邢俊玲. 陜西經濟增長與二氧化碳排放量脫鉤關系研究——基于Tapio脫鉤模型[J]. 西安財經學院學報， 2013（6）：48-52. [WANG Rong， XING Junling. Study on decoupling relationship between economic growth and carbon dioxide emissions： based on the Tapio model[J]. Journal of Xian Institute of Finance & Economics， 2013（6）：48-52.]

[17]ZHANG M， WANG W E. Decouple indicators on the CO₂ emission-economic growth linkage： the Jiangsu Province case[J]. Ecological indicators， 2013， 32： 239-244.

[18]LU Q L， YANG H， HUANG X J， et al. Multi-sectoral decomposition in decoupling industrial growth from carbon emissions in the developed Jiangsu Province， China[J]. Energy， 2015， 82： 414-425.

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

[20]王君華，李霞. 中國工業行業經濟增長與CO₂ 排放的脫鉤效應[J].經濟地理， 2015，35（5）：105-110. [WANG Junhua， LI Xia. The effect of sector decoupling between Chinas industrial economic growth and carbon dioxide emissions[J]. Economic geography， 2015， 35（5）：105-110.]

[21]IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[R]. 2006.

[22]KAYA Y. Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios[R]. Paris：IPCC， 1990.

[23]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.

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

[25]BIRDSALL N. Another look at population and global warming[R]. 1992.

[26]WU L B， KANEKO S， MATSUOKA S. Driving forces behind the stagnancy of Chinas energy-related CO₂ emissions from 1996 to 1999： the relative importance of structural change， intensity change and scale change[J]. Energy policy， 2005， 33（3）： 319-335.

[27]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. [GUO Chaoxian. Decomposition of Chinese carbon emissions： based on LMDI method[J]. China population， resources and environment， 2010， 20（12）：4-9.]

[28]趙奧， 武春友. 中國CO₂排放量變化的影響因素分解研究——基于改進的Kaya等式與LMDI分解法[J]. 軟科學， 2010， 24（12）： 55-59. [ZHAO Ao， WU Chunyou， 2010. Analysis of decomposition of influencing factors of variationin CO₂ emission of China： based on improved Kaya identity and LMDI method[J]. Soft science， 2010， 24（12）： 55-59.]

[29]涂紅星， 肖序， 許松濤. 基于LMDI的中國工業行業碳排放脫鉤分析[J]. 中南大學學報（社會科學版）， 2014（4）：31-36. [TU Hongxing， XIAO Xu， XU Songtao. An analysis of carbon dioxide emission by Chinese industires based on LMDI method[J]. Journal of Central South University（social sciences edition），2014（4）：31-36.]

[30]王云. 低碳經濟“脫鉤”量化分解模型研究——基于IPAT方程的分析[J]. 經濟問題， 2012， 5：8-13. [WANG Yun. The study of the decomposition model to quantify low-carbon economy‘decoupling based on Kaya identity[J]. On economic problems， 2012， 5：8-13.]