日本碳排放的地區差距及結構分解

張瑩 洪凌華

摘 要：日本已經宣布將在2050年實現碳中和，本文基于CEADs數據庫中的日本碳排放數據，對日本2007—2015年的縣級碳排放總量、人均碳排放和碳排放強度的地區差距進行了Dagum基尼系數分解，并利用方差分解從碳源的角度探究了不同碳排放來源對碳排放地區差距的貢獻。研究發現日本的各碳排放指標均呈現明顯的地區差異特征，且隨時間推移還有擴大趨勢。這意味著盡管日本的低碳轉型卓有成效，但在地區間低碳發展的進程并不平衡。碳排放總量的地區差距主要來自于八大地區間的差異，而不同地區中縣域單位間不平衡的低碳發展水平是導致人均碳排放和碳排放強度地區差距的主要因素。

關鍵詞：日本;碳排放;地區差距;Dagum基尼系數分解;方差分解

中圖分類號：F13/17??? 文獻標識碼：A??? 文章編號：1004-2458-（2022）01-0019-12

DOI：10.14156/j.cnki.rbwtyj.2022.01.003

氣候變化是21世紀全人類面臨最大的挑戰之一。人類社會已經對氣候變化問題形成了明確的科學認知和政治共識，認同積極應對全球性的氣候變化需要各國共同參與。中國國家主席習近平在2020年9月召開的第75屆聯合國大會一般性辯論上的發言中向世界鄭重承諾，將提高國家自主貢獻力度，采取更加有力的政策和措施，力爭使二氧化碳排放于2030年前達到峰值，努力爭取2060年前實現碳中和;并在12月的氣候雄心峰會上明確宣布，到2030年，中國單位國內生產總值二氧化碳排放將比2005年下降65%以上。原日本首相菅義偉也緊隨中國，在2020年10月向日本國會宣布，日本將在2050年實現碳中和。中日作為亞洲近鄰，都將積極應對氣候變化作為展現維護全球氣候安全的責任感與提升國家競爭力的重要手段。

日本是《聯合國氣候變化框架公約》下重要的發達國家締約方之一，也是《京都議定書》的締結地和主要推動力量。作為一個高度工業化的國家，日本受制于本身的資源稟賦約束[1]，能源資源極度匱乏，基本依賴于進口[2]，因此也一直高度重視提高能源利用效率，通過積極調整經濟政策和產業結構、大力發展節能技術和推廣可再生能源，推動整個社會向低碳化方向發展[3]，并成為亞洲第一個宣布建設低碳社會的國家[4]。日本所經歷的從高碳發展模式向低碳發展模式的成功轉型，可以為中國推動節能減排和實現低碳轉型提供有益的借鑒[5]。

以往關于日本碳排放的研究主要側重于分析影響日本碳排放水平或碳排放強度的重要因素和驅動效應[5]，如根據狀態空間模型分析日本碳排放影響因素[6]，分析主導產業碳排放、家庭碳排放的影響因素[7-8]，或具體探究工業化進程中人口因

素對日本碳排放的影響效果等[9]。也有一些文獻對中日碳排放影響因素和發展特征進行了比較[3，10-12]，但鮮有文獻去探究日本碳排放的地區差異。

近年來，國內外很多研究者針對不同國家或地區的碳排放總量、碳排放強度以及人均碳排放，利用基尼系數、泰爾系數或者變異系數等不同的度量指標去比較整體差距、地區內差距和地區間差距[13-19]。而本文將主要利用中國碳排放數據庫（China Emission Accounts and Datasets， CEADs）提供的2007年到2015年間的日本縣級碳排放清單[20]，采用Dagum基尼系數分解法和方差分解法，分析日本碳排放的地區差異和碳源差異貢獻，并根據結果總結日本碳排放的空間分布和碳源結構特征，為中國區域碳排放達峰和減排政策制定及發展方向提供參考依據。

一、方法與數據

（一）研究方法

Dagum基尼系數分解。在對地區發展水平差距的分析中，很多研究都通過測算絕對差異（標準差、極差）和相對差異（基尼系數、泰爾系數和變異系數等）指標來度量地區間的差距，但是除了泰爾指數外，這些度量指標都無法進一步對區域細分子集的差距情況進行分解，泰爾指數雖然可以進一步對區域內部和區域間的差距進行分解，卻無法分解區域中每個區域對總體差距的貢獻。為了解決這些問題，Dagum進一步提出新的公式對基尼系數進行分解[21]。相較于傳統的基尼系數法，Dagum基尼系數能夠分解出某一項指數的差異的來源，將地區整體的差異分解為地區內差異、地區間差異和超變密度三個部分，從而能對地區差異的來源進行解釋和分析。目前，Dagum基尼系數分析方法已被廣泛應用于研究地區差異的各類研究中，例如針對經濟發展差距[22]、高等教育差距[23-24]、人口老齡化的地區差異[25]、區域間區域創新能力差距[26]等問題的分析。

（二）數據來源與處理

以日本的縣級單位為研究對象，并按照地理位置將47個縣域單位劃分為北海道地方、東北地方、關東地方、中部地方、近畿地方、中國地方、四國地方以及九州地方八大地區，具體的地區劃分見表1。

日本環境省和國家環境研究所每年都會公布日本的溫室氣體排放數據，國際能源機構（IEA）和二氧化碳信息分析中心（CDIAC）也在各自的數據庫中提供了日本全國范圍的溫室氣體排放數據，但這些機構只能提供日本的二氧化碳排放總量，卻沒有提供其區域排放細節。由英國研究理事會、牛頓基金會、中國國家自然科學基金委員會、中國科學院等多家機構共同支持建立的CEADs數據庫于2020年公布了日本2007年到2015年間47個都、道、府、縣的碳排放和社會經濟數據集[20]。其中社會經濟數據集所提供的GDP指標均換算為2011年的不變價。

為了研究日本的碳排放地區差異及來源，本文根據CEADs中的原始數據，計算獲得日本縣域單位的碳排放總量、人均碳排放和碳排放強度，并作為研究指標。碳排放總量由日本縣級能源消費統計數據中25個部門使用3種化石燃料所產生的二氧化碳排放清單加上電力部門單獨的碳排放清單加總獲得;人均碳排放用各縣碳排放總量除以其人口總量獲得;碳排放強度用各縣碳排放總量除以換算成2011年不變價的各縣GDP獲得。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

二、日本碳排放水平的時空分析

（一）碳排放總量的地區分布

利用地理信息系統（GIS）可視化方法及軟件，繪制出日本縣域二氧化碳排放總量的地區分布圖（圖1）。數據顯示，到2015年，日本

排放水平最高的5個縣分別為千葉縣、神奈川縣、愛知縣、岡山縣和山口縣;排放水平最低的5個縣分別為鳥取縣、山梨縣、奈良縣、高知縣和山形縣。從2007年到2015年間，日本所有縣域單位的碳排放總量都有所下降。排放水平越低的縣，這些年的平均下降幅度也相對較高：排放水平最低的鳥取縣，2015年相比較于2007年碳排放總量下降了36.8%，下降幅度也是最大。從地區劃分來看，2015年排放水平最高的地區為關東地方，總排放達到339.4 Mt;排放水平最低的中國地方，碳排放總量約為39.77 Mt。

（二）人均碳排放的地區分布

由于碳排放總量受經濟規模影響較大，而人均碳排放水平和碳排放強度能更好地反映社會、經濟和技術發展水平的特征與差異性。根據CEADs數據庫提供的數據，日本全國人均碳排放水平從2007年的11.14噸/人下降為2015年的9.99噸/人，但人均碳排放水平的地區間差異非常明顯（圖2）。2015年，人均碳排放水平最高的山口縣高達45.94噸/人，而排放水平最低東京都僅為1.66噸/人。日本約有31.25%的縣碳排放水平高于全國平均水平，剩下則等于或低于平均水平。

從人均碳排放的時間變化趨勢來看，絕大多數縣的人均碳排放水平都在考察時期范圍內有所下降，只有三個縣的人均碳排放略有提高，分別是大分縣、和歌山縣與佐賀縣（圖3）。而數據同時也顯示，日本各地的人均碳排放數據從2007年開始穩步下降，但在2013年和2014年均有不同程度的反彈，直到2015年才開始繼續顯著下降。

（三）碳排放強度的地區分布

與人均碳排放數據類似，日本碳排放強度的地區分布也呈現出顯著的非均衡特征（圖4）。

東京都2015年的單位GDP碳排放強度僅為0.25噸/萬美元，碳生產效率水平相當高，也明顯高出碳排放強度居于第二位的埼玉縣，后者約為0.73噸/萬美元。但碳排放強度較高的大分縣、山口縣和岡山縣都高于10噸/萬美元。

日本全國平均碳排放強度從2007年的3.15噸/萬美元下降為2015年的3.00噸/萬美元，總體呈穩定下降態勢。與人均碳排放數據的變化趨勢類似，日本整體在2013年到2014年間也出現了碳排放強度的反彈趨勢，到2015年才開始再次顯著下降。大部分地區的碳排放強度總體下降，但在47個都、道、府、縣中，仍有8個地區的碳排放強度有所提高，分別為秋田縣、新潟縣、三重縣、大阪

府、兵庫縣、和歌山縣、佐賀縣與大分縣。其中，近畿地方的7個縣、府單位中有4個碳排放強度都提高了（圖5）。

三、日本碳排放的地區差距及分解

（一）日本碳排放的地區差距

上述分析已經揭示出日本的碳排放指標呈現明顯的地區差異特征，為了更好地刻畫和分析日本各碳排放指標的地區差距和差距來源，采用Dagum建立的基尼系數子群分解方法學，使用定量分析軟件QBOXES對2007年到2015年間日本碳排放各指標的基尼系數進行測算，如下圖所示。

根據計算結果可見，日本碳排放總量、人均碳排放和碳排放強度的演變趨勢基本一致，但總體變化趨勢并不平穩，在2007—2015年期間出現了反復上升和下降，但與2007年相比，考察時間終點的2015年的3個碳排放指標的基尼系數都呈增大趨勢，分別從0.549、0.441和0.455提高到0.567、0.491和0.480，這意味著日本碳排放的地區差異性不斷在變大，因此應當引起決策者的重視;但三項碳排放指標的基尼系數最高水平均為2011年，分別達到0.582、0.510和0.496，隨后該系數有所下降。三個碳指標中，排放總量的基尼系數最大，意味著日本各地區間的碳排放總規模具有較大的差距;人均碳排放和碳排放強度的基尼系數略小一點，在考察期內的均值分別為0.476和0.464，也仍然呈現差距較大的特征（圖6）。

除了總體基尼系數之外，根據定量分析軟件QBOXES還能對日本7大地區內的碳排放差距進行計算 在日本的八大分區中，北海道地區只轄北海道一個一級行政單位，因此無法對該地區進一步做組內基尼系數分解。。結果顯示各地區內3個碳排放指標的基尼系數變化趨勢比較類似，也均呈現先提高后降低的趨勢，但總體而言該指標仍在提高，其中碳排放總量數據的地區內差距依然是最大的。人均碳排放和碳排放強度的地區內差距大致相當。在分析的7個地區中，從碳排放總量來看，地區內排放差距最大的是中部地方，組內基尼系數年均值高達0.55;其次是關東地方，年均值也超過了0.5，約為0.53;組內基尼系數最低的是東北地方，該地區內部總排放的基尼系數年均值約為0.29（圖7）。從

人均碳排放指標來看，人均碳排放基尼系數年均值較低的是東北地方和四國地方，分別為0.23和0.18，這也意味著這兩個地區下轄各地的人均排放水平比較接近，除了這兩個地區之外，其他5個地區的人均碳排放基尼系數年均值均超過了0.4，該指標組內差距最大的地區是九州地方，其次是關東地方，基尼系數年均值分別為0.49和0.48（圖8）。碳排放強度指標能夠反映各地的碳生產率高低，從實際數據看，該指標與人均碳排放的地區差異特征比較接近，東北地方與四國地方的基尼系數年均值最低，其他地區均超過0.4（圖9）。

（二）日本碳排放碳源地區差距

除了各地的碳排放指標之外，CEADs數據庫還提供了日本的碳排放來源數據，包括煤炭、原油、天然氣3種一次能源產生的碳排放和電力部門獨立產生的碳排放，因此可以從碳源的角度分析日本各地的碳排放差距和演變特征?？傮w來說，從碳源的角度看，日本的地區差距更大，煤炭、天然氣、原油使用產生的碳排放基尼系數在考察期內的均值分別為0.67、0.54和0.63，使用電力產生的碳排放基尼系數均值高達0.66。盡管各種碳源排放的地區差距都基本大于碳排放總量的地區差距，但是在3種化石能源中，天然氣的地區差距最小，原油次之，這表明清潔能源也在成為日本現代能源體系的主體，所以各地區之間的差距也相對較小。從時變特征來看，煤炭、天然氣和電力的地區差距逐漸在縮?。▓D10），尤其是天然氣，從2007年的0.60降至2015年的0.46，因此天然氣產生的碳排放在日本各地區之間的差距趨于收斂。而原油產生的碳排放在各地區之間差距還在擴大，從0.56提高為0.65，這表明日本各地的能源清潔化進程并不同步。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

根據各種碳源的地區差異計算結果可知，煤炭、原油和電力產生的碳排放地區差距均高于總體碳排放，只有天然氣產生的碳排放地區差異低于總體碳排放。這意味著從碳源的角度看，日本碳排放總體地區差異主要來自于含碳量較高的化石能源消費的影響。

（三）日本碳排放的地區差距分解

針對碳排放各指標進行Dagum基尼系數的子群分解可以進一步揭示出日本碳排放的地區差異和動態變化特征。通過分解，可以將各碳排放指標的地區差距分解為地區內差距、地區間差距和超變密度，從中可以窺見各碳排放指標的地區差距來源和貢獻率的演變趨勢（表2和表3）。根據分解結果可以看出日本的不同碳排放指標的地區差距來源存在一定的差異性。從碳排放總量指標來看，主要的差距來源是地區間差異，在考察期內，地區間差異的貢獻率始終超過地區內差異和超變密度的貢獻，貢獻率超過50%;但是隨著時間推移，地區間差異對于總體差距的貢獻率略有下降。超變密度的貢獻率次之，穩定在32%到35%之間，且呈緩慢上升趨勢。地區內部的碳排放總量對于總體差距的貢獻率相對較小，歷年貢獻率穩定在12%左右。但是日本人均碳排放和碳排放強度指標的地區差距則主要來源于超變密度的貢獻：在考察期內，超變密度對這兩項碳指標的貢獻率都基本保持在一半以上。其次是地區間的差異性，為32%到39%之間。而地區內部的差異性對總體差距的貢獻率也較低，基本都在12%到13%之間。

（四）日本碳源的貢獻分解

根據CEADs數據庫，日本的碳排放主要源自各部門使用煤炭、天然氣、原油消費產生的碳排放，以及電力部門所產生的碳排放;因此，可以采用方差分解的方法來分析不同碳源對于總體排放地區差距的影響和貢獻，結果如表4所示。

從不同碳源對地區差距的貢獻率分解結果來看，原油使用產生的碳排放是導致碳排放總量地區差距的主要影響要素，年均貢獻率超過了50%;其次是電力行業產生的碳排放，貢獻率約為22.7%;煤炭使用產生的碳排放貢獻率約為18.2%;而天然氣使用產生的碳排放貢獻率較小，年均值約為5.3%。這意味著日本不同地區的原油使用產生的碳排放水平存在較大的差異性，而且是影響碳排放總量地區差距的主要來源。盡管原油是導致碳排放地區差距的主要碳源因素，但從時間變化趨勢來看，貢獻率是逐漸降低的;電力和天然氣導致的碳排放貢獻略有提高;煤炭排放的貢獻率雖有波動，但在考察期內基本穩定。綜合靜態和動態分析結果，可以發現日本的天然氣和電力與原油消費之間可能存在一定的相互替代關系。

四、結論與啟示

（一）研究結論

目前，全球已有很多國家和地區都相繼提出溫室氣體中和或碳中和目標。中國和日本作為亞洲經濟體量最大的兩個國家，相繼提出了實現碳中和的目標年份。為了切實兌現碳中和目標，應進一步對碳排放變化趨勢和特征進行研究。過往對日本的研究往往關注于碳排放的時變規律，本文基于CEADs數據，對日本2007—2015年的縣級碳排放清單進行分析，對碳排放總量、人均碳排放和碳排放強度的地區差距進行了Dagum基尼系數分解，并利用方差分解從碳源的角度探究了不同碳排放來源對碳排放地區差距的貢獻。

通過定量實證分析，發現盡管總體來看日本的碳排放總量、人均碳排放和單位GDP碳排放強度指標都在考察時期內隨時間推移呈波動下降趨勢，但卻同時呈現明顯的地區差異特征，且各碳排放指標的地區差距隨時間推移還有擴大趨勢。這意味著盡管日本的低碳轉型卓有成效，但在地區間低碳發展的進程并不平衡。在3個碳排放指標中，人均碳排放水平和碳排放強度相對而言能更好地反映社會、經濟和技術發展水平的特征與差異性，但這兩個指標的地區間差異也很明顯：東京都高度的經濟發展水平和緊湊集約的城市形態推動該地區的人均碳排放和碳排放強度都位于全球領先水平，但日本部分其他地區的這兩項指標與之相比存在極大的差異，甚至還有少數地區的這兩項相對碳排放指標呈提高趨勢，這些地區將成為未來日本繼續推進低碳轉型和實現碳中和的重點地區。

除了各碳排放指標的總體差距之外，本研究還通過Dagum基尼系數分解，將日本47個都、府、道、縣從地理上劃分為8大地區，并分析碳排放地區差距的來源與貢獻率。結果顯示日本碳排放總量的地區差距主要來自于8大地區間的發展差異;但日本人均碳排放和碳排放強度指標的地區差距則主要是來源于超變密度的貢獻。超變密度反映的是分組后跨群交叉程度的互相影響，從地理上的地區劃分標準看，日本不同地區的縣域單位間不平衡的低碳發展水平是導致人均碳排放和碳排放強度地區差距的主要因素。

此外，本研究還從碳源的角度分析了不同的碳排放來源對造成碳排放總量地區差距的影響，研究發現原油使用是影響日本碳排放總量地區差距的主要來源，而日本的天然氣和電力使用與原油消費之間可能存在一定的相互替代關系。

（二）啟示

日本作為已經完成工業化進程的國家，其低碳發展進程對我國的低碳轉型和實現碳達峰與碳中和目標有著重要的參考和借鑒意義。過往針對日本碳排放的研究多側重于探究碳排放的驅動因素和未來變化趨勢展望，而本研究則試圖分析日本碳排放的地區差距特征，通過實證分析發現日本的各碳排放指標均呈現比較明顯的地區差距;因此，要實現碳中和目標，必須要采取差異化的地區低碳轉型和碳減排政策。

受制于自身的能源資源稟賦，日本較早就意識到低碳轉型的重要性和必要性，并通過發展低碳經濟推動了整體經濟轉型，但本研究也發現，盡管從人均碳排放和碳排放強度指標看，日本部分地區的低碳發展水平已經居于全球領先地位，但由于地區間的發展不平衡，導致部分地區的低碳發展水平仍不及預期，并成為未來制約實現積極碳減排目標的不利因素。日本的發展模式昭示，發達地區應該發揮經濟和技術發展的優勢，力爭實現較高的低碳發展水平。但與之相比，我國一些經濟發展水平較高的城市和地區人均碳排放水平要明顯高于發展水平相對較低的城市與地區。因此，應該推動發達地區優化城市規劃，推動產業轉型升級，加速低碳轉型進程。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

中國應立足本國實際情況，參考日本的經驗，探索實現碳達峰和碳中和的可行路徑。結合不同地區經濟發展水平、地理位置以及產業結構等時機情況，制定差異化和針對性的碳減排政策與路徑。同日本不同，中國要在工業化、城鎮化仍在推進的過程中去盡快實現碳達峰和碳中和，因此相關的政策需要兼顧推動經濟可持續發展、改善民生以及實現共同富裕等目標，需要進行精細化設計，尤其是對于經濟欠發達地區，要考慮設定既能促進區域合理發展又能避免重復高碳鎖定的碳排放指標指導標準，防止成為低碳發展后期影響碳排放目標實現的瓶頸和困難。推進各地區實現相對平衡的低碳發展，實現低碳的區域間和區域內協調發展。同日本不同，中國要在工業化、城鎮化仍在推進的過程中去盡快實現碳達峰和碳中和，因此相關的政策需要兼顧推動經濟可持續發展、改善民生以及實現共同富裕等目標，需要進行精細化設計。

[參 考 文 獻]

[1]孟浩，陳穎健.日本能源與CO_2排放現狀、應對氣候變化的對策及其啟示[J].中國軟科學，2012（9）：12-26.

[2]李國志.基于狀態空間模型的日本碳排放影響因素分析及啟示[J].資源科學，2013，35（9）：1847-1854.

[3]王苒，武胤，陳迎.中日兩國完全碳生產率比較優勢研究[J].國際經濟合作，2013（12）：50-53.

[4]施錦芳.日本的低碳經濟實踐及其對我國的啟示[J].經濟社會體制比較，2015（6）：136-146.

[5]佟新華，杜憲.日本碳排放強度影響因素及驅動效應測度分析[J].現代日本經濟，2015（5）：87-94.

[6]李國志.基于狀態空間模型的日本碳排放影響因素分析及啟示[J].資源科學，2013，35（9）：1847-1854.

[7]段海燕，王寒凝，王憲恩.日本主導產業碳排放影響因素及驅動效應的分解研究[J].現代日本經濟，2016（4）：70-82.

[8]胡振，何晶晶，王玥.基于IPAT-LMDI擴展模型的日本家庭碳排放因素分析及啟示[J].資源科學，2018，40（9）：1831-1842.

[9]段海燕，劉紅琴，王憲恩.日本工業化進程中人口因素對碳排放影響研究[J].人口學刊，2012（5）：39-48.

[10]唐杰英.基于環境規制效應的中日碳排放比較[J].日本研究，2017（2）：41-47.

[11]施錦芳，吳學艷.中日經濟增長與碳排放關系比較——基于EKC曲線理論的實證分析[J].現代日本經濟，2017（1）：81-94.

[12]王倩，何少琛.中日碳排放庫茲涅茨曲線對比研究[J].社會科學輯刊，2015（5）：108-113.

[13]段玉婉，楊翠紅.中國與日本能源消耗和CO_2排放差異的空間結構分解[J].系統工程理論與實踐，2017，37（8）：2083-2090.

[14]JUAN ANTONIO DURO，EMILIO PADILLA.International inequalities in per capita CO2 emissions： A decomposition methodology by Kaya factors[J].Energy Economics，2006，28（2）：170-187.

[15]WANG Y，ZHAO T.Impacts of energy-related CO2 emissions： Evidence from under developed，developing and highly developed regions in China[J].Ecological Indicators，2015，50： 186-195.

[16]陳前利，蔡博峰，胡方芳，王金南，曹麗斌.新疆地級市CO_2排放空間特征研究[J].中國人口·資源與環境，2017，27（2）：15-21.

[17]CLARKE-SATHER A，QU J，WANG Q，et al.Carbon inequality at the sub-national scale： A Case study of provincial-level inequality in CO2 emissions in China 1997-2007[J].Energy Policy，2011，39（9）： 5420-5428.

[18]GRUNEWALD N，JAKOB M，MOURATIADOU I.Decomposing inequality in CO2 emissions： The role of primary energy carriers and economic sectors[J].Ecological Economics，2014，100： 183-194.

[19]楊騫，劉華軍.中國二氧化碳排放的區域差異分解及影響因素——基于1995～2009年省際面板數據的研究[J].數量經濟技術經濟研究，2012，29（5）：36-49+148.

[20]LONG Y，YOSHIDA Y，ZHANG H，et al.Japan prefectural emission accounts and socioeconomic data 2007 to 2015[J].Scientific data，2020，7（1）： 1-8.

[21]DAGUM C.A new approach to the decomposition of the gini income inequality ratio[C]//Income inequality，poverty，and economic welfare.Physica-Verlag HD，1998： 47-63.FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

[22]劉志杰.中國地區經濟差距時空演變：基于Dagum基尼系數分解[J].統計與決策，2011（2）：103-105.

[23]劉華軍，張權.中國高等教育資源空間非均衡研究[J].中國人口科學，2013（3）：77-84+127-128.

[24]劉華軍，張權，楊騫.中國高等教育資源空間分布的非均衡與極化研究[J].教育發展研究，2013，33（9）：1-7.

[25]劉華軍，何禮偉，楊騫.中國人口老齡化的空間非均衡及分布動態演進：1989—2011[J].人口研究，2014，38（2）：71-82.

[26]楊明海，張紅霞，孫亞男，李倩倩.中國八大綜合經濟區科技創新能力的區域差距及其影響因素研究[J].數量經濟技術經濟研究，2018，35（4）：3-19.

[27]HEIL M T，WODON Q T.Inequality in CO2 emissions between poor and rich countries[J].The Journal of Environment & Development，1997，6（4）： 426-452.

[28]PADILLA E，SERRANO A.Inequality in CO2 emissions across countries and its relationship with income inequality： A distributive approach[J].Energy Policy，2006，34（14）： 1762-1772.

[29]GROOT L.Carbon lorenz curves[J].Resource and Energy Economics，2010，32（1）： 45-64.

[30]CANTORE N，PADILLA E.Equality and CO2 emissions distribution in climate change integrated assessment modelling[J].Energy，2010，35（1）： 298-313.

[31]劉華軍，石印，雷名雨.碳源視角下中國碳排放的地區差距及其結構分解[J].中國人口·資源與環境，2019，29（8）：87-93.

[32]劉華軍，趙浩.中國二氧化碳排放強度的地區差異分析[J].統計研究，2012，29（6）：46-50.

[33]劉華軍，鮑振，楊騫.中國農業碳排放的地區差距及其分布動態演進——基于Dagum基尼系數分解與非參數估計方法的實證研究[J].農業技術經濟，2013（3）：72-81.

[34]日本總務省.市町村コード一覧表[EB/OL].（2013-08-23）[2021-01-08].http：//www.tt.rim.or.jp/～ishato/tiri/code/code.htm.

[35]劉華軍，李超，彭瑩.中國綠色全要素生產率的地區差距及區域協同提升研究[J].中國人口科學，2018，187（4）：32-43+128.

[責任編輯 王雅坤]

Regional Disparity and Structural Decomposition of Carbon Emissions in Japan

ZHANG Ying1， HONG Ling-hua2

（1. Research Institute for Eco-civilization， Chinese Academy of Social Sciences， Beijing， 100710; 2. School of International Relations & Public Affairs， Fudan University， Shanghai， 200433， China）

Abstract： Japan has announced that it will achieve carbon neutrality in 2050. Based on the data of Japans carbon emissions in CEADs database， this paper decomposes regional disparities in Japans total county-level carbon emissions， per capita carbon emissions， and carbon emission intensity from 2007 to 2015 by Dagum Gini coefficient， and explores the contribution of different carbon emission sources to the regional gap of carbon emissions from the perspective of carbon sources by using Variance Analysis. It is found that the carbon emission indicators of Japan show obvious regional differences， and there is an expanding trend over time. This means that although Japans low-carbon transformation is effective， the processes of low-carbon development of regions are not harmonious. The regional gap of total carbon emissions mainly comes from the differences among the eight regions， and the unbalanced low-carbon development level among county units in different regions is the main factor leading to the regional gap of per capita carbon emissions and carbon emission intensity.

Key words： Japan; carbon emissions; regional disparity; Dagum Gini coefficient decomposition; variance decomposition

收稿日期：2021-05-20

基金項目：國家應對氣候變化專項經費項目，中國社會科學院創新工程重大科研規劃項目“國家治理體系和治理能力現代化研究”（2019ZDGH014）;中國社會科學院生態文明研究所創新工程項目“碳達峰碳中和目標下的綠色發展戰略研究”（2021STSB01）

作者簡介：張 瑩，女，經濟學博士，中國社會科學院生態文明研究所副研究員，主要從事環境經濟學、能源經濟學、可持續發展經濟學研究。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C