上海市居民生活用能碳排放的因素分解研究

劉岱淞

（復旦大學社會發展與公共政策學院，上海 200433）

一、引言與文獻綜述

發達國家經驗表明，隨著經濟水平的提高和后工業社會的來臨，居民消費領域的碳排放將超過生產領域的碳排放，成為能源消費和碳排放的主要來源。過去幾十年關于中國低碳經濟和低碳社會的研究主要集中在城市建設和生產領域，從居民生活消費角度切入的甚少。為避免重走發達國家家庭部門“先過度消費，再減排治理”的老路，中國應當重視居民家庭生活的碳排放增長，準確揭示中國居民消費碳排放的主要影響因素，以制定低碳社會轉型的宏觀政策及微觀干預策略。對上海等經濟發展較快，已經呈現出居民消費碳排放反超趨勢的地區開展相關研究，對推動經濟先發地區實現低碳社會轉型具有重要意義，對其他地區也具有借鑒意義。

因素分解法作為研究指標變化特征及作用機理的一種分析框架，近年來被廣泛用于能源消費和碳排放的相關研究中，并成為定量分析因素變動對碳排放量變動的影響的有效技術手段。主春杰等（2006）較早使用了LMDI法對中國部分省份的碳排放進行分解分析，發現各省碳排放增長的主要影響因素是能源強度。隨后，越來越多的學者采用LMDI方法對全國能源消費碳排放和各地區能源消費碳排放進行分析，并比較不同國家和地區之間的因素分解差異（朱勤，2009；李艷梅，2010；雷厲等，2011；王棟等，2012；劉傳江等，2013；曹俊文，2019；王瑛，2020）。其次為針對不同行業的能源消費碳排放因素進行分解研究，如針對農業、漁業、工業、交通運輸業等生產部門（李波等，2011；邵桂蘭等，2015；劉紅光等，2009；徐雅楠等，2011；栗向陽，2019）。這些研究所選擇的分解因素大多相同，比較常見的分解因素包括經濟規模、能源強度和能源結構等。部分研究者在Kaya恒等式的基礎上做了部分修改，將人口規模、經濟水平、產業結構等因素加入到分解分析中。同時研究的基本結論總體相似：經濟規模或經濟水平的提升是碳排放增長的最主要因素，其次是人口規模的效應；能源效率提升和能源、產業結構調整是控制碳排放增長的因素，但所減少的碳排放量遠少于經濟發展和人口增長對碳排放的拉動作用。

對居民生活消費碳排放或生活能源消費碳排放進行因素分解分析的文獻前幾年較少，但近年來逐漸成為研究熱點。汪臻等（2015）對中國居民生活用能的碳排放影響因素進行了分解分析，發現人均消費水平的提高是居民生活用能碳排放快速增長的最主要原因，其次是能源消費支出占比，而能源結構變化和能源價格上漲是減少碳排放的主要因素；曹慶仁等（2020）對北京居民消費支出與碳排放的脫鉤關系和影響因素進行了研究，發現居民消費的碳排放強度對消費與碳排放脫鉤有促進作用，人均消費水平和人口規模增加有抑制作用；安芬等（2020）對貴州居民人均生活能源消費碳排放進行測算和因素分解分析，發現人口因素、碳排放強度和消費強度對碳排放存在不同作用；胡振等（2020）對陜西省家庭消費碳排放進行因素分解研究，發現家庭消費、住房面積和家庭規模是碳排放增長的推動因素，而碳排放強度、消費抑制和居住密度是碳排放的遏制因素。

對上海能源消費碳排放的因素分解也有不少。白竹嵐等（2011）用完全分解模型對1978—2009年間上海市經濟增長中的能源反彈效應進行分解分析，發現規模效應帶來的能源消費量增長遠大于技術效應和結構效應帶來的能源消費減少，并提出弱化反彈效應需要進行總量控制；趙敏等（2012）用LMDI分析了2005—2010年間上海能耗強度、能源結構、產業結構、經濟規模、人口增長、收入水平等因素對全市碳排放的貢獻率；吳開亞等（2013）基于投入產出模型測算了上海市居民消費產生的間接碳排放并使用結構分解分析法進行分析，發現居民消費水平是居民消費間接碳排放增加的主要驅動力，人口規模是重要因素，而調整居民消費結構、降低部門排放強度是減排有效措施；孫燕燕（2020）對上海市旅游碳排放進行了估算及效應分解，發現旅游全員勞動生產率和碳強度效應是最主要的驅動因素，能源強度效應和能源結構效應有助于減少旅游碳排放。

綜上，現有碳排放的因素分解研究仍主要集中于生產領域，面向消費領域特別是居民生活能源碳排放的研究總體較少。在指標選擇上，缺乏一定的突破和創新。從居民生活能源的選擇和消費角度來看，居民可支配收入、人均支出、生活能源支出和能源綜合價格等因素是影響居民生活能源消費和選擇的重要因素，但較少有國內學者從這方面切入研究。本文嘗試將上述因素引入居民生活能源消費碳排放的因素分析研究中，在準確測算居民生活消費碳排放水平的基礎上，探查價格、收入、支出等因素對居民生活消費碳排放的影響。

二、研究方法與模型建立

（一）碳排放的宏觀核算

居民生活用能碳排放是指居民在家庭生活中為滿足取暖、降溫、烹飪、洗浴、清潔、出行等生活需求而使用相關家用設備消耗的能源所產生的二氧化碳排放。主要涉及煤炭、電力、液化石油氣、天然氣、煤氣、煤油、汽油、柴油、熱力等。

各類統計資料收錄了相關地區和年份的居民生活能源消費量，不同地區的統計資料收錄的類別略有不同。其中，《中國統計年鑒》和《上海統計年鑒》中記錄了煤炭、電力、液化石油氣、天然氣、煤氣五類能源的人均生活消費量。《上海工業和能源統計年鑒》記錄了煤炭、電力、液化石油氣、天然氣、煤氣和汽油等六類能源的人均生活消費量。為了便于比較，本文中居民生活能源碳排放一般包括了家庭生活消費的煤炭、電力、液化石油氣、天然氣、煤氣和汽油等六類能源所產生的二氧化碳排放。

本文采用了《省級溫室氣體清單編制指南》的溫室氣體核算方法[也即IPCC（2006）方法2]。由于家庭生活能源涉及的種類較少，故按照能源類別進行能源消費量的統計，并通過核定的碳排放因子逐層累加綜合計算出總二氧化碳排放量。

居民生活二氧化碳排放的估算公式如下：

式中Qi為第i種生活能源的消費量，主要為煤炭、電力、天然氣、煤氣、液化石油氣和汽油。fi為第i種生活能源的二氧化碳排放因子。各種生活能源的碳排放系數如表1和表2所示。

表1： 生活能源碳排放系數（一次能源）

表2：2006—2016年居民生活電力消費碳排放因子（華東區域）1來自于國家發展和改革委員會國家應對氣候變化領導小組辦公室研制的歷年《中國區域電網基準線排放因子》中華東區域電網的排放因子OM值

（二）因素分解

因素分解法是將因變量的變化分解到以乘積形式存在的自變量因子上的研究方法。應用最廣泛的因素分解法是結構分解法（Structural Decomposition Analysis）和指數分解法（Index Decomposition Analysis）。結構分解法（SDA）是靜態分析的一種，借助于投入產出表，利用系數矩陣和產業部門的最終需求等進行分解分析。而指數分解法（IDA）通常借助于產業部門水平加總數據進行時間序列分析，又分為迪氏分解法和拉式分解法。SDA的優勢是對間接需求效應的分解，通過投入產出表可以區分下游部門的直接需求和間接需求。而IDA無法對能源的間接需求進行識別。但因為IDA不需要借助投入產出表進行分析，因此適用性更加廣泛，可以比較方便地運用于各種總和數據的因素分解。

Ang（2004）比較了不同類型指數分解法后認為，迪氏對數均值分解法（logarithmic mean Divisia index method，LMDI）能夠消除殘差項，進而克服了拉式指數方法殘差項不能被忽略可能影響分析結果的不足。因此，本文采用LMDI方法對居民生活能源碳排放進行因素分解。

根據前文分析，居民生活能源消費碳排放和人口總量、人均收入、消費意向、生活能源支出占比、生活能源價格、生活能源結構、生活能源的碳排放因子相關，因此本文將生活能源碳排放增長變化量按照人口增長效應、收入水平效應、消費意向效應、能源支出效應、能源價格效應、能源結構效應、能源技術效應進行因素分解。上海市居民生活能源碳排放的因素分解模型為：

其中，P(Pop)為人口，代表人口增長效應；I（=Income/Pop）表示人均收入，代表收入水平效應；R（=Expend/Income）表示支出占收入比重（Income表示居民總收入，Expend表示居民總支出），也即居民消費率，代表消費意向效應；r（=Exf/Expend）表示生活能源支出（Exf）占總支出（Expend）比例，為能源恩格爾系數，代表居民能源支出效應；D（=Energy/Exf）表示單位支出所能購買的生活能源（以千克標準煤/元為單位），代表能源價格效應；Si（=Energyi/Energy）表示i類生活能源在總生活能源中的占比，代表能源結構效應；fi（=Ci/Energy）表示i類生活能源的二氧化碳排放因子（Ci表示i類生活能源的二氧化碳排放），代表能源技術效應。

令CT=T期二氧化碳總排放量，C0=基期二氧化碳總排放量，Dtot為總變化率，ΔCtot為總變化量，則：

當yi分別為P、I、R、r、D、Si、fi時，Dyi分別表示人口增長效應、收入水平效應、消費意向效應、能源支出效應、能源價格效應、能源結構效應、能源技術效應的變化率。

當yi分別為P、I、R、r、D、Si、fi時，Cyi分別表示人口增長效應、收入水平效應、消費意向效應、能源支出效應、能源價格效應、能源結構效應、能源技術效應的變化量。

（三）數據來源

上海市居民生活能源碳排放宏觀核算所需的煤炭、電力、天然氣、石油液化氣、煤氣和汽油的人均消費數據來自《上海能源統計年鑒》和《上海統計年鑒》。計算中涉及的人口、收入、支出數據來自上海統計網公布的《上海統計年鑒》，其中收入數據排除了通脹因素，采用可比數據。為了進行比較，本文也對全國生活能源碳排放進行了核算，數據來自《中國統計年鑒》。一次能源的碳排放因子采用《綜合能耗計算通則GB-T2589》中的單位能源熱值、折標煤系數和《省級溫室氣體清單編制指南》中的單位熱值含碳量、碳氧化率等數據計算得出。二次能源電力的碳排放因子采用國家發展和改革委員會國家應對氣候變化領導小組辦公室研制的歷年《中國區域電網基準線排放因子》中華東區域電網的排放因子OM值，2006年以前的電力排放因子用2006年的因子代替進行粗略估算。

由于價格數據獲取的限制，因此僅對2004—2016年間的生活能源碳排放數據進行因素分解分析，所需的天然氣、生活用電、生活煤氣、液化石油氣價格數據來自上海市發改委網站上的歷次調價文件。其中2012年7月前的居民生活用電的價格按照峰谷電量比例進行加權平均計算2根據《上海市居民生活碳消費狀況調查》（2013），上海市居民生活用電峰谷電費之比約為5:1，峰谷電量之比約為2.5:1，即峰電量約占71.43%，谷電量約占28.57%。。2012年7月以后的居民生活用電價格和2014年9月后的天然氣價格按照階梯用量比例進行加權平均計算3根據上海市居民用電、天然氣階梯電價實施方案，第一階梯價格覆蓋80%普通用戶，第二階梯價格覆蓋15%中量用戶，第三階梯價格覆蓋5%超量用戶。根據《上海市居民生活碳消費狀況調查》（2013），生活用電和天然氣用量最多的5%用戶的生活能源用量約占總量的15%，15%的中量用戶用量約占總量的25%，80%的普通用戶用量約占總量的60%。本文以此作為不同階梯用戶用量的比例進行加權計算。。煤炭價格數據來自中國煤炭交易網，采用2004—2016年秦皇島港山西普通混煤4秦皇島港煤炭價格數據是目前能找到的最早以及最詳實的價格數據。上海煤炭資源主要來源于山西，居民生活用煤構成較復雜，以低價平煤為主，故采用秦皇島港山西普通混煤價格作為上海市居民生活用煤炭的價格。4000（4500）大卡平倉價5平倉價指煤運到港口并裝到船上的價格，包含了上船之前的所有費用（煤炭坑口價、運費、裝卸費、堆存費等），不包括海運運費。。汽油價格數據來自上海市發改委和國家發改委網站上的歷次調價文件。各類生活能源的價格計算方式如下：

book=61,ebook=67其中，為n年度生活用電平均價格，為n年度生活用電峰時段價格，為n年度生活用電谷時段價格，為階梯電價改革后n年度第一階段電價，為n年度第二階段電價，為n年度第三階段電價。由于階梯電價改革從2012年7月起開始，故2012年電價采用兩種計算方式加權平均計算。

煤氣、液化石油氣價格都為當年發改委發布的價格，如n年度價格出現變動，則按不同價格實施的時間權重進行加權平均計算。

三、上海家庭生活能源碳排放的宏觀核算結果分析

用宏觀統計數據對1989—2016年上海市居民家庭生活能源二氧化碳排放進行核算，結果如表3和圖1所示。

表3：1989—2016年上海市人均家庭生活能源消費碳排放

圖1：1989—2016年上海市人均生活能源二氧化碳排放（kgCO2）

結果顯示，1989—2016年上海市人均生活能源消費碳排放總體呈較快上升趨勢（見圖1）。從1989年的454kgCO2/人增長到2016年的1315kgCO2/人，增幅為190%。同期，人均生活用能從180.77千克標準煤增長到549.34千克標準煤，增幅為204%。從1989到1998年上海人均生活能源消費碳排放經歷了第一次長期連續增長；到1999年，人均生活碳排放進入調整期，在640～680 kgCO2/人之間震蕩；從2003年開始，上海人均生活碳排放再次進入快速增長期，一直到2008年；從2009年到2011年，上海人均生活碳排放進入第二個調整期。從2012年開始，上海人均生活碳排放進入第三個快速增長期；2014年人均生活碳排放有較大幅度下跌，隨后迅速反彈并繼續快速增長。

與同期全國平均水平相比，上海人均生活碳排放水平一直顯著高于全國平均水平，但差距正在縮小。2000年，上海人均生活能源消費碳排放（不含汽油）約為全國平均水平的2.23倍；到2016年，上海人均生活能源消費碳排放（不含汽油）僅為全國平均水平的1.18倍。為探明上海居民生活能源碳排放增長的重要來源，本文將其來源構成繪于上圖（見圖2）。

圖2 ：1989—2016年上海居民生活能源碳排放的構成（kgCO2）

由圖2可知，上海居民生活用電碳排放從1989年的89.98kgCO2增長到2016年的728.23 kgCO2，增長了709%；天然氣和家用汽油從無到有，成為上海人均生活用能碳排放的兩大主要組成，合計貢獻2016年碳排放的35.5%。與此同時，煤炭和煤氣的碳排放量逐漸減少，生活煤炭的碳排放量從1989年的327.23kgCO2減少到2016年的15.69kgCO2，而煤氣碳排放量從人均36.9kgCO2減少到0。液化石油氣的碳排放量先增加后減少，在生活能源結構中的影響日趨減少。可以明顯看出，上海的碳排放結構從1989年的煤炭、電力、煤氣三大主體變為2016年的電力、汽油、天然氣，清潔能源的碳排放占比逐步提升。這與上海市一直以來持續推進的能源改革和能源結構調整政策高度吻合。

四、上海市居民生活能源碳排放的因素分解分析

為進一步揭示上海市居民生活能源消費二氧化碳排放變化的主要驅動因素，對上文碳排放核算結果進行LMDI因素分解6由于2004年之前的大部分能源價格數據無法獲取，本文僅對2004—2016年的生活能源消費碳排放進行因素分解分析。（見表4和表5）。

表4：2004—2016年上海居民生活能源消費碳排放LMDI分解結果：貢獻率（基期：2004年）

表5：2004—2016年上海居民生活能源消費碳排放LMDI分解結果：貢獻值（基期：2004年，單位：萬噸二氧化碳）

如表4、表5所示，收入水平效應、人口增長效應對碳排放增長起正向驅動作用，消費意向效應、能源支出效應、能源價格效應和能源技術效應主要為負向效應。總體而言，驅動效應是抑制效應的1.84倍。驅動效應中，貢獻最大的是收入水平效應，貢獻率高達182.39%；其次為人口增長效應，貢獻率達35.75%。控制效應中影響最大的為能源價格效應，貢獻率高達-74.71%；其次為能源技術效應，貢獻率達-16.09%；第三、四位分別是能源支出效應和消費意向效應，貢獻率分別為-14.00%、-13.61%。下文將對各分解要素的作用機理展開具體討論。

（一）收入水平與生活用能碳排放

LMDI分解結果顯示，上海市居民人均收入的持續提高是居民生活能源消費碳排放增長的主導因素。上海市居民人均可支配收入從2004年的14922元提高到2016年的54305元，增長了264%。收入增長帶來的生活能源碳排放增長量為2729.4萬噸二氧化碳，年平均增長11.4%。收入水平提升為居民消費升級提供了經濟基礎。這首先反映在改善生活性的空間面積增加。2004—2016年，上海市城鎮人口人均住房面積從11.8平方米增長到36.1平方米，增長205%。更大的居住空間首先增加了取暖和制冷面積，帶來了能耗需求的增加。其次，人均住房面積的增加從空間保證了更多能耗設備的容納，同時人均收入水平的提高推動了與高品質生活相對應的現代化家用能耗設備的購置。2004—2016年，上海城市每百戶城市居民空調擁有量從159臺增長到205臺，家用電腦擁有數從70臺增長到141臺，移動電話161臺增長到230臺。同時，上海市私人小汽車保有量從31.77萬輛增至330萬輛，增幅近十倍。第三，人均收入的提升支撐了新增各類耗能設備的能耗需求迅速轉變為生活用能碳排放。2004年至2016年，上海市人均生活能源消費量從423千克標煤增長到549千克標煤，增漲了30%。同期，上海市人均生活用電從670千瓦時增長到901千瓦時，增幅達34%。

根據2004—2016年上海市居民生活能源標準量價格變動表，上海市生活能源綜合價格先從2004年的2.50元/千克標準煤逐年增長到2013年的4.56元/千克標準煤，隨后小幅下降至2016年的4.04元/千克標準煤，累計增長61.6%。能源綜合價格的變動主要來源于居民生活能源結構的變化和汽油、煤炭的市場價格變化。從2013年起，汽油和煤炭價格連續下跌，因而導致綜合能源價格的下跌，從而刺激了能源消費。同時，可以看到能源價格的漲幅高于上海市居民消費價格指數37.5%的漲幅，也即上海市生活能源的實際價格是增長的。由下圖（見圖3）可知，能源價格的上漲會帶來居民消費支出的碳排放強度的下降，充分表明能源價格上升對碳排放的抑制效應真實存在。

圖3： 能源價格與碳排放強度的變動關系

（二）能源價格與生活能源碳排放

因素分解結果顯示，能源價格的變化總體上對碳排放增長起到了主要的抑制作用，累計減少二氧化碳排放1118萬噸。特別是2009年價格上漲效應減少了生活能源碳排放176.22萬噸，超過了收入效應所增長的碳排放167.91萬噸，也使得2009年成為十年來碳排放增長最少的年份。能源價格的上漲會抑制能源的消費行為，同時能源價格的下降會刺激能源的消費。為了便于比較不同能源的價格變動情況，本文根據《綜合能耗計算通則GB-T2589》，以單位實物量的能源熱值為中介，將能源的實物量價格轉化為能源的標準量價格（元/千克標準煤），電力轉換按熱力學當量計算。并根據各類能源當年實際消費量的占比計算出上海市生活能源綜合價格（詳見表6）。

表6： 2004—2016年生活能源標準價格變動表（單位：元/千克標準煤）

同時值得注意的是，2016年上海市人均收入較2004年增長了264%，遠高于綜合能源價格61.6%的漲幅。收入效應遠超價格效應的現實背景，使得綜合能源價格水平的上漲僅僅帶來居民消費碳排放強度的下降，而并未表現出碳排放總量的下降。因此，從低碳發展的角度出發，國家應在保障居民基本需求的同時，合理提高基本生活能源價格，大幅度提升奢侈性生活能源價格，進一步降低生活能源消費的碳排放強度。同時，應充分運用好價格工具的杠桿效應，進一步提高高碳排放能源和清潔能源的價格差，將消費需求引向低碳能源的使用。

（三）人口增長與生活能源碳排放

LMDI分解結果顯示，人口規模增長對于上海市生活能源碳排放的增長具有顯著的正向影響。2004—2016年，上海市常駐人口從1835萬增長到2420萬，增幅達到31.87%，而人口效應帶來的碳排放增長為31.84%，與人口增長規模相當。從人口增長的速度方面，2004—2007年間人口增長速度逐漸加快，2007年后人口增長速度逐漸趨緩。至2014年，人口增長幅度僅有0.4%。而到2015年，人口發生負增長。人口增長對上海市生活能源碳排放增長的貢獻率在2009年達到峰值，為85.48%，隨后逐年下降。根據上海市十三五規劃，到2020年上海常駐人口總量要控制在2500萬人以內。可以預見，人口增長效應對上海市生活能源碳排放的影響將進一步減弱。但隨著家庭規模的進一步小型化，人口年齡結構的逐漸老齡化，在人口總量不發生大的變化的情況下，人口因素依然對生活碳排放水平產生深遠影響。

（四）能源技術提升與生活能源碳排放

因素分解結果顯示，能源技術提升對2004—2016年生活能源碳排放呈現出持續并顯著的控制效果，累計減少碳排放240.81萬噸二氧化碳，貢獻率為-16.09%。一般的能源技術提升是指能源在生產、轉換、儲存、使用過程中的利用效率提高，本文中的能源技術提升指能源在上述過程中碳排放量的減少。限于數據來源，本文在因素分解中所討論的能源技術提升僅包括了能源（主要為電力）生產、轉換和儲存過程中技術提升對終端碳排放的減少，未包括終端消費環節的技術提升。終端消費環節的技術提升同樣重要，將在后文討論。

由于煤炭、汽油、天然氣、煤氣和液化石油氣都為一次能源，在不考慮終端消費技術水平差異的情況下，其碳排放因子在本文中為固定值。本文中綜合能源碳排放因子的變化主要來源于電力碳排放因子的降低。而電力碳排放因子的降低一方面來源于火力發電效率的提升，進一步提升的空間已經很小；另一方面來自于可再生能源發電占比的提高，如水電、風電、太陽能發電、核電，等等。根據國家發改委應對氣候變化小組辦公室研制的歷年《中國區域電網基準線排放因子》，可以看到華東區域電力碳排放因子逐年下降，2016年電力碳排放因子比2006年版下降了14.08%，電力生產和運輸的能效轉化率大幅提高。

但同時我們也看到，隨著能效的提高，碳排放因子下降的幅度逐年減小，節能減排的難度正在逐漸加大。目前，上海的可再生能源主要為風能和太陽能，但開發潛力有限。上海的太陽能年利用小時數在1000小時左右，為四類地區。陸上風電受到土地和岸線限制，可開發量在10年內將使用殆盡。因此，上海能源技術的提升亟待海上風電技術的成熟，以及生物燃料、光伏發電、核電、氫能等新能源技術的研發和市場化應用。此外，分布式能源存儲系統以及能源運輸、管理系統的智能化也將大大減少運輸和存儲過程中的能源無效損失，以及峰谷效應造成的能源浪費。同時，在居民生活能源消費終端，通過升級家用電器、燃氣設備、汽油燃燒效率等技術，也可以進一步提升居民生活能源的碳效率，降低碳強度，從而降低居民終端的能源消費碳排放。

（五）消費意向、能源支出意向與生活能源碳排放

因素分解結果顯示，消費意向效應、能源支出效應對2004—2016年生活能源碳排放表現出較明顯的抑制作用，合計減少碳排放413.26萬噸二氧化碳。2004—2016年間，上海市居民的消費率持續下降。2004年上海市居民人均支出占人均可支配收入的77%。到2016年，該比例已經降到69%。支出收入比的逐年下降說明居民收入提高的水平并未全部轉化為消費，而是轉移到儲蓄和投資方面，這間接降低了生活能源的消費。但同時生活能源消費支出占人均支出的比例卻在上升。2004年上海市居民生活能源支出占總支出的4.79%，2006年該比例上漲到5.14%，2007年下降到4.73%，隨后逐年上漲，到2013年達到峰值6.21%。從2014年能源支出占生活支出的比例開始下降，到2016年降低到4.5%。在消費率持續下降的同時，能源消費支出占比卻持續提高，這反映出上海市居民生活能源消費正在由滿足基本生存需求的階段向保證體面生活的階段的轉變。

收入水平提高為居民升級消費行為提供了經濟基礎。但收入的提高并未必然轉化為消費甚至能源相關的消費。以2014年為例，居民人均支出僅占人均可支配收入的64%，這意味著有近4000億的資金被用于儲蓄、投資房地產或金融行業。2014年末，上海市中資金融機構個人人民幣儲蓄存款比年初增加942億，新增人民幣存款連續兩年下降40%，僅為2012年的37.8%，說明越來越多的居民已經不再將錢存在銀行里，而是做其他理財產品或基金和股票。隨著支出收入比例的進一步降低，居民手中可用于投資的資金量會同滾雪球一樣迅速擴大。如果這筆資金用于可持續生產與消費，如升級住房保溫設施，升級高能效的家用電器，升級新能源汽車等，那么必將有力推動低碳城市轉型的過程。反之，如果用于高碳消費，購置面積更大的住房、更大排量的汽車等，選擇了高碳排放的生活方式，那么將極有可能吞噬產業升級、結構調整和技術進步帶來的碳減排成果。

（六）能源結構調整與生活能源碳排放

能源結構變動對居民生活用能碳排放的影響在驅動效應和控制效應間多次轉變，總和對碳排放呈微弱的驅動效應。將六類生活能源人均消費量按熱當量轉換為標準煤，計算出2004—2016年上海市居民六類生活能源消費的標準量變化和百分比構成情況，結果見表7和圖4所示。

表7：上海市居民六類生活能源消費的標準量變化（單位：萬千克標準煤）

圖4：上海市生活能源消費結構

由表7和圖4可知，2004—2016年，能源消費結構發生了巨大變化，煤炭占比從16.4%降低到1.36%；液化石油氣從8.84%下降到3.72%；煤氣從18.38%降為0；電力消費量雖然大幅度增長，但按照熱當量計算，其占比卻從28.23%下降到26.5%；天然氣從6.06%上升到17.14%；汽油從22.08%上升到51.28%。按熱當量計算，汽油的消費已經占據家庭生活能源消費的半壁江山，其次為電力，再次為天然氣。如果按照發電當量計算，則是電力構成居民生活用能的主體，占據50%以上，汽油占約30%。毫無疑問，汽油作為家庭交通出行的能源需求異軍突起，不僅搶占了燃氣的份額，更壓縮了電力能源的空間。

能源結構的變化必然帶來相應的碳排放來源的變化。從碳排放密度角度，相同熱值的能源消費所帶來的二氧化碳排放從高到低的排序依次是：電力、煤炭、汽油、液化石油氣、天然氣、煤氣。從2004年到2016年，居民生活用煤、液化石油氣和生活煤氣的消費量大幅度減少。而電力、天然氣和汽油的消費大幅度增加。按標準煤度量發現，煤炭消費的減少量遠小于電力能源消費的增加量，液化石油氣消費的減少量遠低于汽油的增長量，煤氣消費的能源減少量遠低于天然氣消費的能源增加量，因此能源消費結構的轉變是高碳排放傾向的，不利于降低生活能源碳排放。

五、結論與建議

本文基于IPCC排放因子法核算了1989—2016年上海市居民生活消費碳排放的現狀和發展趨勢，并構建擴展的LMDI因素分解模型實證了人口增長效應、收入水平效應、消費意向效應、能源支出效應、能源價格效應、能源結構效應和能源技術效應對2004—2016年上海市居民生活消費碳排放的影響作用。研究發現：

第一，1989—2016年，上海市人均生活能源消費碳排放總體呈較快上升趨勢，從1989年的454kgCO2/人增長到2016年的1315kgCO2/人，增幅高達190%，顯著高于全國平均水平，且增速并未減緩。為了實現上海低碳城市建設目標，采取有效措施減緩居民生活碳排放的增長幅度，并使之盡早達峰迫在眉睫。

第二，上海市碳排放結構從1989年的煤炭、電力、煤氣三大主體變為2016年的電力、汽油、天然氣，清潔能源的碳排放占比逐步提升。雖然天然氣的碳排放因子低于煤炭和液化石油氣，但汽油和電力的碳排放因子較高，且消費量都大幅度增長，因此由能源結構變化帶來的碳排放的改變并不顯著。

第三，上海市居民生活消費碳排放增長的驅動效應是抑制效應的1.84倍，其中碳排放增長的主要驅動因素是收入水平效應和人口增長效應，二者分別貢獻了碳排放增長的182.39%、35.75%；而抑制因素依次為能源價格效應、能源技術效應、能源支出效應、消費意向效應，四者分別減少了74.71%、16.09%、14.00%和13.61%的碳排放。

基于以上發現，家庭生活能源消費碳排放的低碳轉型需要綜合考慮人口、經濟、技術、能源供給結構及各因素相互作用的復雜機制。因此，為推動上海居民家庭生活能源消費產生的碳排放進一步可持續地向低碳轉型，本文有以下思考和建議：

（一）推進家用設備的低碳技術升級。上海居民收入水平的持續提升將推動居民生活消費碳排放的進一步提高，應注重家庭能耗設備的低碳化升級。前文已經提及，當前上海市居民的能源消費正處于從滿足基本生活水平向體面生活水平轉變的過程中，因此生活能源消費碳排放水平的提高不可避免。人們對美好生活品質的追求無可厚非，因此從居民消費行為的角度不能單純強調“削減式”節能，而應該強調“技術投資式”節能和遏制過高的奢侈性消費碳排放。政府應當通過設置低碳環保達標的技術門檻，為購買或銷售低碳環保達標設備給予補貼或免稅的政策手段，逐步淘汰能效低、能耗高的家用設備。鼓勵制造商不斷研發和推出更高能效、更低能耗的家用設備。在社區層面，應當對住宅建筑進行節能改造，提升建筑節能效果；有條件的社區可以探索分布式光伏發電設備、分布式能源存儲站，通過能源消費谷時段存儲能源、峰時段供給能源的方式，彌合能源消費需求峰谷差，減少能源配給過程中的浪費。

（二）在合理區間內適當提高生活能源價格。雖然生活能源價格的提高一定程度上遏制了生活能源碳排放的增長，但由于能源價格的增速遠遠落后于居民收入水平的提高，因此當前的生活能源價格并未對奢侈性能源消費的家庭形成有效制約。前文分析發現，居民收入水平在逐步提高的同時，總支出比例卻在降低，這提示居民對于生活能源的價格的適當提升具備適應空間。在保證低收入人群的滿足基本生活水平的能源消費基礎上，可以對階梯電價、階梯天然氣價的高階段價格進行適當提高。同時，在電力、天然氣都已經施行階梯價格的同時，汽油仍未實現階梯價格。目前上海家用小汽車產生碳排放已經占到家庭生活能源消費碳排放的三分之一，超過天然氣產生的碳排放，且仍處于上升趨勢，因此應當探索基于車牌號碼大數據管理的汽油價格階梯收費。

（三）大力推動建設智慧能源管理信息系統。加強生活能源消費的智能化信息系統建設，利用智能信息反饋機制對居民低碳消費行為開展精準引導。國內外相關研究已經證實，絕大多數民眾對低碳環保行為持積極態度，但在行為落實上缺乏有效的外部刺激因素（社會規范和政策環境）。以智能化電表為代表的節能信息反饋機制可以量化居民節能行為的效果，及時對居民日常節能行為給予正面反饋，從而有效提升居民的節能行為發生率。在街道、社區層面，政府部門和社會組織應當發起低碳節能活動，鼓勵和發動居民設定節能目標，并根據居民節能目標的完成情況評選每周、季度、年度的社區“節能之星”。在微信、支付寶等具有社交性質和支付功能的新媒體平臺層面，可依托水電費繳納的后臺數據生成個人和家庭的碳排放報告，通過大數據分析給出節能減排的建議；同時可建立類似“微信朋友圈步數排行榜”和“支付寶螞蟻森林”的小程序應用，通過朋輩比較、低碳行為積分獎勵等途徑激勵低碳行為的發生。

（四）積極推進可再生能源的開發利用。降低生活用能碳排放的根本在于能源結構的低碳轉型，即不斷提升可再生能源發電比例，實現能源消費增長和碳排放增長的絕對脫鉤。上海目前可再生能源主要為風能和太陽能，但兩者發展都空間有限。如上海的太陽能年利用小時數在1000小時左右，為全國四類地區；海上風電技術尚未成熟，陸上風電受到土地和岸線限制。因此政府應當通過建立可再生能源技術研發基金、設立科技重大專項等方式大力推進可再生能源的技術研發和成果轉化，盡早實現海上風電、潮汐能、氫能等新能源項目的技術突破和現實應用。