碳排放空間差異的影響因素：計量識別與政策含義

張恩英 孟凡軍

摘?要：優化能源消耗結構，實現工業低碳發展，是實現雙碳目標的必由之路。本文運用IPCC方法核算中國各地區2005-2020年的工業二氧化碳排放量，并利用Kaya-LMDI模型將工業二氧化碳排放分解為能源結構、工業能源強度、工業經濟規模和工業從業人員規模四種驅動因素。在此基礎上，采用STIRPAT模型分析工業碳排放驅動因素在不同經濟地區影響作用的差異。研究發現：目前中國工業二氧化碳減排效果顯著，但仍存在較大的空間差異，碳排放在地理分布上集中于華東與華南地區，存在不均衡性，其他地區也存在協同化或多極化的碳排放格局；且各因素作用效果差異明顯，工業能源強度對碳排放具有顯著抑制作用，工業經濟規模隨著經濟的高質量發展將逐漸實現對碳排放的脫鉤效應，能源結構優化程度存在空間異質性，結構性減排將是未來的主要減排方式；提高能源消耗技術水平、推動能源結構體系的低碳轉型是未來協同經濟高質量發展實現“碳達峰”的主要路徑。

關鍵詞：CO2減排；能源消耗結構；因素分解模型；STIRPAT模型；空間差異

中圖分類號：F127??文獻標識碼：A??文章編號：1001-148X（2023）04-0103-12

收稿日期：2023-04-26

作者簡介：張恩英（1967-），女，黑龍江賓縣人，教授，博士，研究方向：國民經濟核算與宏觀經濟統計分析；孟凡軍（1966-），本文通訊作者，男，黑龍江慶安人，副教授，研究方向：綠色會計核算。

基金項目：國家社會科學基金一般項目“暢通國內大循環視域下居民消費潛力的多維測度研究”，項目編號：21BTJ061。

一、引?言

在“深入制造強國戰略”下，我國制造業比重在未來較長時間內將保持基本穩定，工業作為制造業的主體，仍將是國民經濟發展的支柱產業，同時，也是傳統化石能源消費的重點領域。隨著中國工業化進程迅速推進，工業經濟總量躍居世界第一，大量工業產品產量位居世界前列，但隨之而來的是久居高位不下的碳排放水平。根據中國能源報告，2020年中國工業碳排放量高達5164億噸，占全國碳排放總量的4975%，而工業化石能源消費產生的二氧化碳占碳排放總量的70%以上。可見中國工業的碳排放水平是中國實現“碳達峰、碳中和”的一大阻力。“雙碳目標”是我國未來經濟發展的重要方向，而實現“雙碳目標”的關鍵在于推進新型工業化，改變依靠化石能源高消耗的傳統發展模式。因此，厘清我國工業二氧化碳排放驅動因素并考察空間差異性對制定差異性碳減排政策、推進產業綠色轉型具有重要的現實意義。

關于碳排放影響因素的探索，文獻研究表明經濟增長始終是工業碳排放的主要驅動因素［1］，并且對二氧化碳排放具有“先促進后限制”的倒“U型”非線性效應，人口規模與碳排放存在顯著正相關關系［2］，而產業結構對工業碳排放的影響是較為復雜的，不同地區、不同行業的產業發展階段和產業結構都存在一定差異，其對碳排放的影響也表現出一定程度的異質性［3-4］。此外，能源技術的發展對碳排放存在負向影響，存在顯著負相關關系，通過發展能源使用技術可以顯著抑制二氧化碳的排放。但也有文獻發現，在減排后期，該因素反而會增加碳排放，技術進步不僅僅會提高能源使用效率，也會推進新一輪能源革命，增加成熟的可再生能源技術，優化能源消耗結構，改變工業發展依賴化石能源的歷史現狀［5］。

對碳排放影響因素的分析方法，較為經典的包括因素分解法，即通過Kaya恒等式和投入產出表分解出碳排放的主要驅動因素，或運用LMDI分解公式將其驅動因素進行分解［6］，還有根據經濟理論或以往研究確定出影響因素后，采用Tapio解耦模型彈性分析的方法探索驅動因素與碳排放的脫鉤效應及解耦現象［7-8］。另外，在近年國外的相關研究中，較多集中在參數及非參數回歸模型，包括用于分析環境污染的STIRPAT模型［9-10］、面板數據線性模型［11］以及自回歸分布滯后模型與相關檢驗模型等［12］。與國外研究方法不同，由于我國“碳達峰”進程進入收尾階段，考慮到中國國土遼闊，區域差異較大，研究文獻更集中于空間模型的應用，將空間計量經濟學模型、馬爾可夫模型等與碳排放研究相結合［13-15］，合理測算空間自相關指數［16］，以及用衛星遙感等方法［17］探究區域之間的離散及團聚效應等等。現有研究成果顯示，中國當前碳排放總量呈地域分布差異的特征［18］，工業碳排放一直處于增加狀態并且由之前的以正增長為主的“低碳-橫向擴張”模式轉變為現在的規模增長主導的“低碳-縱向擴張”模式，工業碳排放空間分布總體差距隨其向東演化呈擴大趨勢，表現出較為穩定的空間集聚效應［19］。

綜上，盡管以往文獻對碳減排問題進行了多角度探討，并利用不同方法分解了碳排放的影響因素，但是研究中所涵蓋的樣本年限較短，也沒有探討全國經濟區域—省域聯動的空間差異。如工業化進程不同的城市，其經濟結構、產業格局存在一定差異，導致其碳排放強度與因素影響出現異質性。因此，實現“雙碳”目標必須精準識別碳排放的空間分布以及驅動因素。本文的邊際貢獻如下：（1）厘清碳排放的理論機制，經濟發展通過經濟規模效應、技術效應與結構效應三種途徑影響碳排放；（2）運用擴展的Kaya-LMDI分解模型對中國工業碳排放進行因素分解，引入了能源結構因素，并深入分析能源結構、工業經濟發展等因素對工業碳排放的影響；（3）采用STIRPAT模型分析工業碳排放的空間差異及影響因素，精準分辨區域間及區域內部各因素影響差異，為推進“雙碳”目標，制定地區差異性碳減排政策提供理論參考。

二、理論機制分析

根據上述相關文獻的梳理，經濟發展、技術創新、能源革命以及人口規模是工業碳排放的幾大影響因素，理論機制分析如下：

（一）經濟發展與碳排放的庫茲涅茲理論

19世紀Grossman和Krueger提出經濟增長與環境質量之間存在倒“U”型曲線關系，經濟發展對工業碳排放通過經濟規模效應、技術效應與結構效應三種途徑影響碳排放：（1）規模效應。經濟增長從兩方面對碳排放產生驅動影響：一方面經濟增長要增加初始產品投入，進而增加資源的使用；另一方面更多產出也帶來碳排放的增加。（2）技術效應。高經濟發展水平與更好的環保技術、高效率技術緊密相聯。在一國經濟增長過程中，研發支出上升，推動技術進步，產生兩方面的影響：一是其他不變時，技術進步提高生產率，改善資源的使用效率，降低單位產出的要素投入，削弱生產對自然與環境的影響，減少碳排放；二是清潔技術不斷開發和取代傳統技術，并有效地循環利用資源，降低了單位產出的碳排放。（3）結構效應。隨著經濟水平提高，產業結構會隨之做出調整優化，其產出結構和投入結構也會發生變化。在早期階段，工業經濟產業結構從輕工業向能源密集型重工業轉變，增加了污染與碳排放，隨后經濟轉向技術密集型產業，通過低碳技術改變投入結構，單位產出的排放水平下降。

規模效應推動碳排放，而技術效應和結構效應抑制碳排放。在經濟起飛階段，資源的使用超過了資源的再生，規模效應超過了技術效應和結構效應，環境惡化；當經濟發展到新階段，技術效應和結構效應勝出，環境惡化減緩。最終呈現出二者之間的倒“U”型曲線關系。

（二）技術進步與能源革命抑制碳排放

能否通過科技創新以及能源革命減少能耗與提高能效，使工業發展在節約有限的能源資源前提下減少碳排放至關重要［20］。為實現“碳達峰”與“碳中和”目標和疫情后經濟綠色復蘇，在不影響人民生活水平提高前提下，亟須依靠科技創新提升可再生能源比重、降低重點排放行業能耗和排放強度、提高能源利用效率、改善制造工藝、推進低碳原料替代等。科技創新與技術進步主要通過三方面控制碳排放，首先其直接效應為提高能源利用效率，推動工業碳減排；另外兩個間接效應分別為提升綠色創新水平推動經濟高質量發展與推進能源革命、改變能源結構，抑制碳排放水平。

當前正在進行第三次能源轉型，其能源轉型的核心內容就是開發利用可再生能源，以建立低碳、可持續的能源供給與能源消費體系為目標。加快技術創新，推動太陽能、風能、地熱能等可再生能源開發、存貯和傳輸技術進步，提升新能源利用效率和發展速度，提高對新能源發電特性的把握與運用，包括氣象精準預測技術、儲能技術、效率改進技術等，以清潔、低碳、可再生能源取代化石能源，改變煤基能源為主的工業能源消耗結構，實現能源結構的跨越演進與轉變是抑制工業碳排放的根本內容。

（三）人口通過能源需求影響碳排放

碳排放分為生產側碳排放與消費側碳排放，人口集中于消費側對碳排放產生影響，人口的增長勢必會推動產品與服務需求的增長，對能源需求的總量就會隨之增加，從而對碳排放產生正向影響。人口總量的增長可以細分為人口規模與人口結構兩方面，其中，人口結構指的是人口年齡、性別、城鎮化等結構模式，不同結構人群的需求是不同的，通過需求影響產業結構從而影響能源需求結構。對于工業碳排放人口結構的變動非常小，人口變動的總量即人口規模對碳排放的影響要更加顯著，并且人口規模的擴大會直接增加對能源的需求，在煤基能源為主的能源結構和電力系統下，意味著能源消耗所產生的碳排放量會越來越多。

圖1?中國工業碳排放影響因素驅動路徑

三、模型設定及因素分解

（一）對數均值離差指數（Kaya-LMDI）模型及因素分解

學者Kaya最早發現了經濟、政策和人口等因素對環境所產生的影響，提出了Kaya恒等式，本研究在Kaya恒等式的基礎上進行擴展，并綜合運用對數平均指數分解法LMDI將二氧化碳排放的歷史變化分解為五個驅動因素指標：二氧化碳排放強度、能源結構、技術效應、工業經濟規模和工業從業人員規模。Kaya-LMDI恒等式具體形式為：

Ct=∑7i=1Cti=∑7i=1CtiEti×EtiEt×EtQt×QtPt×Pt=∑7i=1Dti×Mti×Tt×St×Pt（1）

式中，Ct表示工業二氧化碳排放總量，Cti某省工業消耗i能源二氧化碳排放量，Eti表示某省i能源消耗量，Et表示某省能源消耗總量，Qt表示某省工業增加值（為消除價格指數帶來的影響，文章以2005年為基期，對各年數據進行平減，使其具有可比性），Pt表示某省工業從業人員規模。D=CtiEti表示二氧化碳排放強度，M=EtiEt表示工業能源結構，T=EtQt表示工業能源強度，S=QtPt表示工業經濟規模，P表示工業從業人員規模，從t到t+1年二氧化碳排放變化量為：Ct+1－Ct=ΔC=ΔCd+ΔCm+ΔCt+ΔCs+ΔCp+ΔCrsd。

由于考慮到二氧化碳排放強度D受能源利用程度的影響，但在能源使用技術水平未顯著突破前，碳排放強度基本保持不變，即ΔCd=0。因此主要圍繞能源結構、工業能源強度、工業經濟規模和工業從業人員規模4個因素進行分析。ΔCm是工業能源結構效應引起的二氧化碳排放變化量，表明該省內工業的能源結構對二氧化碳排放增長的貢獻；ΔCt是工業能源強度引起的二氧化碳排放變化量，表明該省內工業的生產技術、能源效率和生產效率所引發的碳排放強度的變化對二氧化碳增長的貢獻；ΔCs是工業經濟規模引起的二氧化碳排放變化量；ΔCp是工業從業人員規模引起的二氧化碳排放變化量；ΔCrsd為分解余量。借鑒Ang對分解效應公式的定義，t到t+1年各分解因子的LMDI的效應公式表示如下：

ΔCm=∑L（Ct+1i，Cti）lnMt+1Mt

ΔCt=∑L（Ct+1i，Cti）lnTt+1Tt

ΔCs=∑L（Ct+1i，Cti）lnSt+1St

ΔCp=∑L（Ct+1i，Cti）lnPt+1Pt

L（Ct+1i，Cti）=Ct+1i－CtilnCt+1i－lnCti，Ct+1i≠Cti

Ct+1i，Ct+1i=Cti≠0

0，Ct+1i=Cti=0（2）

Kaya-LMDI分解模型分為上述“加法”和“乘法”兩種形式。由于兩種方法的最終分解結果相同，而加法形式更能夠比較清晰直觀地分解出影響因素，故本文采用“加法”模型對各因素進行分解。

（二）STIRPAT計量模型及變量確定

1模型構建

Kaya-LMDI分解法將二氧化碳排放C分解為工業能源結構M、工業能源強度T、工業經濟規模S和工業從業人員規模P四個影響因素，為了明確這些因素的變化在總體上會對二氧化碳排放造成什么程度的影響，引入York等提出的STIRPAT模型：I=aPb1Ab2Tb3c，為減少異方差的影響，將模型兩邊取對數做線性變換得到如下模型：

lnIt=lna+b1lnPt+b2lnAt+b3lnTt+μi（3）

其中I為對環境的影響，P為人口，A為社會富裕程度，T為技術水平。取對數后，式中的b1、b2、b3表示其他的影響因素不變的條件下，P、A和T變化1%時引起的環境變化的百分比。因為針對的問題是二氧化碳排放量的變化，因此可以將STIRPAT模型中的環境影響（I）與之前分解模型中的二氧化碳排放量（C）對應起來，同理工業能源強度（T）同之前分解模型中的技術效應（T）對應起來，社會富裕程度（A）對應工業經濟規模（S），工業從業人員規模（P）。但是STIRPAT模型沒有包括工業能源結構（M），因此需要在STIRPAT模型中添加這個變量，所以其計量模型表達式為：

lnIit=lna+b1lnPit+b2lnSit+b3lnTit+b4lnMit+μit（4）

2變量說明

（1）工業人口規模指標P，用第二產業中的工業從業人員數表示。

（2）工業經濟規模指標S，該指標同因素分解模型中的工業經濟規模效應，即為S=QtPt。

（3）能源強度指標T，表示工業發展中碳減排的技術規模，同因素分解模型中的技術規模效應，在該模型中作為解釋變量。

（4）能源結構指標M，選取工業中導致二氧化碳排放量不斷上升的七種主要化石燃料，即煤炭、焦炭、原油、汽油、柴油、燃料油與天然氣，由于涉及七種能源，所以在進行回歸之前，先根據熵值法確定能源結構M中的七種能源的權重，測算能源結構綜合指標，明確模型中被解釋變量與各解釋變量，對模型進行估計。

四、二氧化碳排放量核算及驅動因素分析

（一）二氧化碳排放量的核算及空間演進動態

1核算方法

中國對二氧化碳排放量沒有具體的統計數據，所以文中根據《中國能源統計年鑒》《中國及各省統計年鑒》收集整理上述七類能源的具體消費量并進行排放量估算。根據《2006年IPCC國家溫室氣體清單指南》，二氧化碳排放量估算公式如下：

TCO2=∑7i=1（ADi×EFi），ADi=FCi×NCVi×10－6，EFi=CCi×OFi×（44/12）（5）

式中，TCO2表示二氧化碳排放量的估計值（噸）；ADi表示第i種（i表示化石燃料的種類，i=1，2，，7）化石燃料的活動水平（太焦），以熱值表示；EFi表示第i種燃料的排放因子（噸二氧化碳/太焦）；FCi表示第i種化石燃料的消耗量（噸，103標準立方米）；NCVi表示第i種化石燃料的平均低位發熱值（千焦/千克，千焦/標準立方米）；CCi表示第i種化石燃料的單位熱值含碳量（噸碳/太焦）；OFi表示第i種化石燃料的碳氧化率（%）；44/12表示二氧化碳與碳的分子量之比。不同種類能源的碳排放系數、凈發熱值與二氧化碳氧化因子如表1所示［21］。

2中國工業碳排放的空間布局及演進

將收集整理的能源消費量數據（折合為標準煤）代入到碳排放量核算公式，得到2005-2020年各省市的二氧化碳排放量結果，限于篇幅，略去各地區工業二氧化碳排放量變化趨勢圖。

除西藏自治區因數據難以獲取而排除在外，其他30個省市自治區2005-2020年間的工業二氧化碳排放的總量變化趨勢表明：大部分省市的工業二氧化碳排放量在2005-2011年都呈不斷攀升趨勢，而從2011年開始呈現下降趨勢，其中較為明顯的省區包括江西省、遼寧省、內蒙古自治區和山東省等，導致這種趨勢變化的原因有很多，不過其中主要因素還是經濟的不斷發展、政策的宏觀調控與技術水平的提高，中國從2010年前后陸續出臺了各種“低碳城市”“工業減排”“綠色制造”等相關政策，并通過增加R&D資金投入、緊抓技術創新等方式提高碳減排技術水平，從圖2可以看到，很多省區的二氧化碳排放變動還是較為明顯的；其次大部分省區在2018年受氣候與經濟發展的影響致使碳排放量在全球范圍內迅速增長，之后在2019和2020年的碳排放速率又開始下降，由于受疫情影響，工業發展受到抑制，二氧化碳的排放呈下降趨勢，但由于受各地極端天氣的影響，導致碳排放水平下降并不劇烈。

從各省區的排放總量水平來看，差異仍然不小，河北省、山東省等省區的排放總量遠超其他地區，河北省是中國近代工業發展的搖籃，是中國為數不多的工業強省之一，山東省同樣是中國工業強省之一，其工業門類在全球層面上非常齊全，在能源消耗方面也是巨量的，但是在二氧化碳排放水平上，二者都隱隱露出“N”字形的發展趨勢，這種趨勢與中國的工業減排政策要求不大相符，減碳目標是對中國總體上的宏觀要求，相比河北省、山東省而言，碳排放量較少的省市如北京市、海南省、青海省、上海市等，其工業發展并非經濟發展中的主要部分，但在2011年之后其工業碳排放量仍然存在正增長趨勢。

以2005、2015、2020年為主要監測點，從2005年到2020年中國工業碳排放的區位布局演變呈現出較為明顯的特點，新疆、西藏、青海、甘肅、寧夏等地區的工業碳排放量較低，并逐年減少。相對西部各地區來說，中國中部的各地區及黑龍江省、吉林省兩地，整體上，碳排放水平更高，但仍然呈現出逐年減少趨勢，而山東、江蘇兩地的碳排放水平雖然也表現出下降趨勢，但是在2015-2020年之間，其碳排放絕對量變化較小。縱觀中國全域，16年間，中國工業碳排放格局表現出由外而內的聚集性，呈現“東高西低”分布的排放格局，高碳城市集中在東部，其中河北省始終位于碳排放省區首位，而內蒙古自治區從2005年到2015年碳排放明顯降低，但是到2020年出現回升趨勢，釋放危險信號，與河北省一同成為未來減排的重點對象。其他的省區則表現出逐年向好的發展態勢，按照目前工業碳減排的發展趨勢，當全部省區碳排放量無明顯波動，各因素驅動影響逐漸減弱或各驅動因素正向貢獻保持低水平且穩定時，中國就基本跨過了碳達峰階段。

（二）基于Kaya-LMDI的累積效應測算及驅動因素分析

1碳排放的累積效應測算

運用“加法”分解模型將CO2排放分解為四個驅動因素，并分別表示各驅動因素對二氧化碳排放增量的影響，累積效應及其貢獻率表示的是在測算各分解因素之后，計算出的自2005-2020年16年的各因素對碳排放增量的總影響，各驅動因素對碳排放增量的絕對貢獻及相對貢獻的測算結果如表2所示。

如表2所示，各省區的工業二氧化碳排放變化量總效應ΔC并不是都漸趨增加或減少，區域之間的排放總量累積效應差別較大，將累積效應水平按數值正負方向分為兩類，其正負方向表示到從2005年開始直到2020年末為止，各省區的二氧化碳排放總量水平的累積變化方向，負向則表示該省區16年的累積碳排放量減少，反之，正向則表示累積碳排放量增加，累積水平能直觀表現出某省區的碳排放水平。

中國除西藏自治區以外的30個省區中，有近1/3的省區都顯著地控制了二氧化碳的增加，其中CO2減排工作最好的省市是北京市以及四川省，分別為-178880、-81504（萬噸），此外還包括青海省、貴州省、湖南省、湖北省、廣東省、福建省等地。其他省區對CO2排放的控制程度略差，都有不同程度的增長，其中控制相對較差的有河北省、山東省、內蒙古自治區，分別增長了1386573、280966、267733（萬噸）。在正向累積效應的分類地區中，河北省的工業二氧化碳排放水平大致是其他同類地區水平的6倍，所以正向效應地區仍然是中國工業二氧化碳減排的重點對象。

從碳排放驅動因素對碳排放累積效應貢獻率角度來看，能源結構對工業二氧化碳的累積效應大多都是驅動作用，其中河北省的驅動效應最為顯著，其次為內蒙古自治區與江蘇省等，只有少數省區表現出抑制作用，如青海省、四川省、安徽省、河南省、福建省等；在人口的累積貢獻中，表現為顯著的區域差異，在中部平原如河南省、山東省、湖北省、安徽省等人口密集省區表現為強驅動作用，而在人口聚集性較弱的東北地區則表現出一定的抑制作用，另外，新疆維吾爾自治區與內蒙古自治區也表現出較強的驅動作用；經濟發展規模的累積貢獻在青海省、甘肅省、山西省、河北省、山東省、遼寧省等地表現出明顯的驅動效果，而在其他地區基本都顯示出對工業碳排放的抑制作用，經濟規模的影響較為獨特，整個中國版圖上呈現出南北均抑制，中間貫穿“雞腹”的交界地帶表現出驅動效果的特殊影響格局，這也說明經濟發展還沒有實現與碳排放的脫鉤，但是有望進一步減小其驅動作用；最后，能源強度累計貢獻率集中在中部與東南部表現出抑制作用，包括東南沿海地區到寧夏回族自治區、青海省、四川省等省區的內陸區域。其他地區基本表現出較弱程度的驅動作用，僅河北省、山東省以及黑龍江省表現出較大程度的驅動作用。

2驅動因素分析

（1）不同驅動因素對累積效應貢獻度差異明顯。四種因素中相對影響較小的是工業能源結構ΔCm的影響，這說明對比其他三種因素，中國部分地區的能源結構已經得到了優化，對碳排放的驅動作用逐漸減弱，但碳排放仍然存在較大的空間差異。但在北京市、天津市、浙江省、海南省等地，能源結構影響依然是主要因素。中國的能源消費基本都是以煤炭為主，多種能源互補的能源消費體系，大部分省區的能源結構效應都顯示出對碳排放的驅動作用，只有少部分省區呈現出抑制效果，不過抑制作用相對較小，這說明大部分省區仍然要繼續推進能源結構的優化，盡早改變以煤炭為主的能源消費體系，實現能源結構的脫鉤，進一步縮小由能源結構推動的碳排放區域差異。

除能源結構外，目前另一影響碳排放的主要因素是工業能源強度ΔCt，除天津市、黑龍江省、遼寧省、山東省、云南省等少部分省區外，其他省份的能源強度效應都顯示出對工業碳排放的抑制作用，并且抑制效果明顯，這說明想要縮小碳排放區域不平衡性，就需要提高工業能源利用效率與技術水平，比如推廣碳減排技術，提高能源利用效率以及工業生產效率等，而在經濟規模與人口規模兩因素的影響程度上，二者都呈現高低不齊的驅動或抑制效果，具體的效應貢獻需要通過計量模型進行準確分析。

（2）不同方向累積效應驅動因素影響不同。以正、負向累積效應區域典型地區為代表，河北省工業發展水平較高、二氧化碳排放程度最大，在河北省2005-2020年間累積效應貢獻率方面，能源結構、工業能源強度與經濟規模都顯示出正向拉動作用，而人口規模則顯示出負向抑制作用，其中工業能源強度的影響程度相對較大一些，為6591%，影響程度最小的為能源結構，為1632%，所以在控制工業CO2排放上，優化能源結構的同時，工作重心要傾斜于提高工業能源強度與擴大經濟規模兩部分來減少CO2的排放；而同樣作為工業大省的山東省，其能源結構對碳排放的影響非常小，說明其優化較為合理，人口規模表現出強抑制作用，而工業能源強度表現出拉動作用，兩省作為代表，再次說明對于我國工業碳減排的工作重心仍然是技術水平的提高。

北京市的工業CO2排放與河北省差異較大，其影響因素中，工業經濟規模顯示出正向的拉動作用，其貢獻為1691%，其他因素的負向抑制作用效果分別為-937%、-9844%與-910%，這說明在控制北京市的工業碳排放工作中，能源結構、技術水平以及人口規模的控制都較為合理，對比全國來看，能源結構的調整效果非常顯著，達到了能源消耗的結構性減排效果，并且工業能源強度的強抑制效果表現出技術水平在減排工作中的重要作用，但是北京市作為政治經濟文化中心，其經濟發展并不以工業發展為主，對于全國的工業碳減排工作有一定的參考價值。

五、工業碳排放的空間差異分析

（一）模型的確定與檢驗

相較于Kaya-LMDI因素分解模型，STIRPAT模型的優勢在于：一方面可以分析各因素影響水平與空間差異，另一方面可以與Kaya-LMDI因素分解模型的分解結果進行對比印證，使得結論更具有效性。因此，這里選擇STIRPAT模型對工業碳排放的空間差異及影響因素進行測度與分析。

1變量的平穩性檢驗

運用STATA15對樣本數據進行分析處理，首先對數據進行單位根檢驗，檢驗各變量的平穩性，對面板數據進行單位根檢驗的方法較多，此處采用LLC檢驗對模型中的各變量進行單位根檢驗，檢驗結果如表3所示，結果表明：各變量均通過了平穩性檢驗，說明變量都為平穩變量。

2多重共線性檢驗

利用STIRPAT模型分析，必須檢驗解釋變量的多重共線性，此處運用STATA?15計算解釋變量的方差膨脹系數（VIF）來判斷是否存在共線性，如表4所示，結果表明：各變量的方差膨脹系數均遠小于10，變量平均方差膨脹系數為181，即認為不存在多重共線性影響。

3模型效應檢驗與模型確定

運用STATA15分別建立隨機效應模型與固定效應模型，并進行豪斯曼檢驗，結果如表5所示.

由表5的豪斯曼檢驗結果可知，相比于隨機效應模型，固定效應模型更適合。此外，對比固定及隨機效應模型的基本假設來看，FEM的基本假設表示不能觀察到的個體異質效應與解釋變量相關，并且可以通過消除或控制不能觀察到的不隨時間變化的個體異質效應，減少內生性問題。結合文章的研究內容來說，FEM要比REM更加穩健。

4異質性分析

中國地域遼闊，受到各地區的資源稟賦和人文、政策環境等因素的影響，僅從中國30個地區（西藏除外）的層面上探討，其結果并不能給出區域發展的對策建議。因此，文中基于碳排放區域差異對工業碳排放的驅動因素進行異質性分析，地區劃分按地理區域劃分為東北、華北、華中、華南、華東、西北和西南七個區域。

此外，按照重工業集中區域劃分辦法，中國分為遼中南、京津唐、滬寧杭以及長江三角洲四個工業基地，不過這四個工業基地均為市級聯動基地，文章從省際角度并不能很好概括分析工業基地發展情況，而且中國除四個重工業基地之外的其他省市工業企業分布較為均勻，所以文中仍然按經濟地區進行劃分，根據異質性分析結果（見表6）可以大致看到：各解釋變量在不同區域之間的影響水平各不相同，如人口規模與經濟發展規模兩項指標在東北與華北地區差異較大等，碳排放的區域異質性可以由影響因素在區域間的異質性表現出來。

5穩健性檢驗

利用替換變量法對模型的穩健性進行檢驗，對比替換變量前后模型對分析結果是否有顯著影響，如果影響不大，則可以認為該模型對指標的解釋能力較強，結論更具有代表性。文章選用變量LnS1=LnS（S1=2005年為基期平減后的農林牧漁業增加值/農林牧漁業從業人數）作為模型穩健性檢驗的替換變量，在確保替換變量與原變量數據類型相同的情況下，使兩變量之間的相關性盡可能小。如表7檢驗結果所示，模型在替換檢驗變量前后，其余變量均顯著，且替換前后，其他各變量的作用方向基本一致，僅在變量系數數值上略有出入，這說明文章所建立的模型具有較好的穩健性，對各個指標的解釋能力較強。

（二）區域間各因素影響差異顯著

根據2005-2020年30個地區的驅動因素建立的STIRPAT計量分析模型得到的結果顯示：

1工業能源強度影響分析

工業能源強度反映的是能源技術水平，在七個地區中，能源強度都反映出對工業碳排放的負向影響，其中在華北地區與西北地區的影響最大，其模型解釋分別為能源強度每提高1%，就會影響碳排放減少105%和103%，影響最小的是西南地區，其能源強度每提高1%，碳排放減少095%。

2能源結構影響分析

目前來說，能源結構多是以煤炭為主的結構體系，而煤炭則是造成工業二氧化碳排放的主要能源，所以能源結構優化成效如何決定著對工業碳排放的影響大小，而各地區的能源結構優化效果存在著空間差異，其中影響相對較小的地區是東北地區，系數為0072，其次是華北與西北地區，二者的影響程度相似，分別為0165與0161，說明在這些地區的能源結構優化效果相對較好，雖然仍有碳排放的促進作用，不過從區域對比來看已經具有一定的能源結構減排優勢，但是在華中、華南和西南地區，能源結構與碳排放的正相關關系較強，說明這些地區的能源結構優化效果并不顯著，另外華東地區的能源結構呈現出對工業二氧化碳排放的抑制作用，雖然影響程度較弱，為-01814，但是在結構性減排的工作上完全領先了全國其他地區，從計量結果看，能源結構將是未來工業碳減排的主要結構性因素。

3工業經濟規模分析

工業經濟規模與工業二氧化碳排放存在正相關關系，其中影響相對較小的地區是華南地區，影響系數為088，而華東與西北地區的影響較大，根據庫茲涅茲曲線，說明從經濟發展角度看，這兩個地區目前的工業碳減排進展還處在相對較早的階段，在工業經濟發展的同時推進碳減排是未來的主要任務，逐步實現經濟發展與工業碳排放的脫鉤，部分省市如吉林省、北京市、河北省、上海市、遼寧省、山西省、甘肅省等地的工業人均增加值均增長了20%-50%，其他省市基本呈現下降情況，少部分省市基本持平，我國對工業上的發展一直是極為重視的，工業作為我國主要國民經濟發展行業之一，其增加值的不斷增長必然會導致能源的不斷消耗，進而增加二氧化碳排放，要協調好工業經濟發展與工業碳減排的關系。

4工業從業人口規模分析

人口與工業二氧化碳排放量存在著正相關關系，其影響大小與工業經濟規模較為相似，在七個區域中，東北與西北地區的人口因素影響較大，影響系數分別為102與106，相對影響較小的是華南地區，系數僅為083。自然人本身就會產生碳排放，并且工業人口規模的不斷擴大也會導致對能源需求的增加，從而導致二氧化碳的排放量不斷增加，中國工業在發展過程中不斷吸收勞動力的同時，也會增加對環境的壓力。

（三）區域內部各驅動因素影響差異限于篇幅，地區碳排放驅動因素貢獻率熱力圖留存備索。

1東北地區

地理劃分上，東北地區包括黑龍江省、遼寧省與吉林省，其碳排放驅動因素計量模型為：

lnIit=08871+10175lnPit+10385lnSit－10001lnTit+00720lnMit（6）

根據碳排放核算結果，遼寧省自2013年開始便一直保持工業二氧化碳負增長，到2019年又變為正增長，16年間東北地區僅吉林省的累積排放量為負值，黑龍江省與遼寧省均未很好的控制碳排放增長。根據計量模型結果，對東北地區工業碳排放抑制效果最強的因素是工業能源強度，另外三種因素都表現出驅動效果，其中能源結構的驅動效果最小，說明東北地區的能源結構優化程度較好；從驅動因素的貢獻率看，吉林省的能源結構對二氧化碳排放的貢獻最大，遼寧省的貢獻最小，在人口規模因素上，雖然16年間的總貢獻率是負向的，但黑龍江省連續多年抑制了碳排放，在經濟規模上，黑龍江省與遼寧省均在不同程度上抑制了工業二氧化碳的排放，根據熱力圖顯示，吉林省仍然需要調控人口因素以及工業經濟發展規模的影響來調控工業碳排放。并且由于各省區受資源稟賦限制，資源集中到某一發展方向上后，其他方向的資源會相對減少，造成此消彼長的效果。

2華北地區

華北地區包括北京市、天津市、河北省、山西省以及內蒙古自治區，其中的京津冀地區是我國經濟規模最大、最有活力的地區，其碳排放驅動因素計量模型為：

lnIit=16255+09691lnPit+09578lnSit－10473lnTit+01650lnMit（7）

在華北地區，僅有北京市在16年間的碳排放總量上表現為負值，而河北省的累計排放量為正值，且水平較高。從模型上看，雖然與東北地區相比，華北地區的能源結構優化水平略差，但是其工業能源強度表現出對碳排放的抑制作用，說明技術水平發展高于東北地區。從因素分解結果看，僅有2006年北京市與2015年山西省的能源強度極大程度地促進了工業碳排放，其他年份各省區大多都是抑制效果，從熱力圖來看，碳排放貢獻區域差異較大，不同因素在不同省區的減碳效果不盡相同。

3華中地區

華中地區在地理上包括河南省、湖北省、湖南省三省，華中地區歷史文化悠久，資源豐富，是中國工業農業的心臟和交通中心之一，其碳排放驅動因素計量模型為：

lnIit=23807+09416lnPit+09799lnSit－09457lnTit+03824lnMit（8）

華中三省中僅河南省的累計碳排放為正向水平，達到了438萬噸，另外兩省為負向水平，分別為-604萬噸、-28萬噸，計量模型結果顯示，華中地區是需要加強工業能源結構優化的重點地區，根據熱力圖顯示，從2006年開始湖北省能源結構大都表現出累積驅動作用，相比而言，河南省的能源結構優化水平要優于另外兩省。人口規模上，三省均存在不同程度的碳排放驅動效果，結合回歸模型結果可以看到，在人口規模效應減碳路徑上，華中地區并不占優，反而在能源強度上，湖北省與湖南省存在一定效果的抑制作用，可以看到，人口因素是導致碳排放在華中地區產生差異的主要原因。

4華南地區

廣義自然地理上的華南地區包括廣東省、廣西壯族自治區、福建省、海南省、香港特別行政區、澳門特別行政區以及臺灣省，不過與西藏自治區的情況類似，由于數據受限，所以文中只測算四省，其碳排放驅動因素計量模型為：

lnIit=27293+08257lnPit+08812lnSit－09745lnTit+02656lnMit（9）

在累積排放量水平上，華南四省中除廣西壯族自治區之外都控制住了二氧化碳排放量的增長，廣西壯族自治區16年中的累計效應為1569萬噸，結合熱力圖來看，廣西壯族自治區這種情況受2010年的影響較大，當年廣西壯族自治區的人口規模效應貢獻率達1656%，影響一直持續到2020年，不同的是福建省在2016年也出現了極端貢獻率，但是在幾種驅動因素的相互影響下，也達到了控制碳排放的效果。從回歸結果來看，整個華南地區的減排效果在全國范圍內位于中游，在能源強度的優化上，明顯優于華中、華北地區，但又差于東北地區。總的來說，該地區的幾種驅動因素發展上較為協調，明顯控制住了工業碳排放。

5華東地區

華東地區包括安徽省、江蘇省、江西省、山東省、上海市以及浙江省六省，該地區自然環境條件優越，工業門類齊全，是中國綜合技術水平最高的經濟區。碳排放驅動因素計量模型為：

lnIit=－01154+10086lnPit+11664lnSit－09727lnTit－01814lnMit（10）

在累計排放量上，山東省、江蘇省和浙江省分別為2810萬噸、656萬噸和691萬噸，其他省市的排放水平控制效果較好，對比兩模型結果，整個華東地區在能源結構的優化升級上表現出領先優勢，整體上對工業碳排放的驅動比率為-01814，所以華東地區可能是中國率先進入到結構性碳減排發展的地區。但是相比于其他幾個地區，華東地區各驅動因素的發展協調性稍弱，從2006年到2020年的熱力圖顏色變化，可以說明該地區在逐步控制工業碳排放，而且效果顯著。

6西北地區

西北地區深居中國西北部內陸，人口稀少、生態脆弱，工業碳減排較為重要，該地區包括陜西省、甘肅省、青海省、寧夏回族自治區與新疆維吾爾自治區，其碳排放驅動因素計量模型為：

lnIit=09562+10556lnPit+10445lnSit－10340lnTit+01607lnMit（11）

與地區多極化區域減排發展模式相比，西北地區的區域工業減排發展是非常均衡的，首先工業能源強度控制的非常明顯，西北五省區都表現出技術的強抑制作用，同時在能源結構上，甘肅省、陜西省均表現出累積抑制效果，其他三省區雖然都表現累計驅動作用，但是程度較為相似，都表現出較弱的驅動效果。從西北地區整體來看，人口規模效應與經濟發展規模效應都表現出相近的驅動效果，而能源結構效應表現出較弱的驅動效果，對比其他地區，西北地區的優化效果仍位于中游，但根據熱力圖顯示，2015年到2018年全地區的工業減排效果都極為明顯，不過2019年和2020年寧夏回族自治區與新疆維吾爾自治區出現回彈現象，需要在減排同時重點恢復兩地的高效減排工作。

7西南地區

西南地區在地理上包括重慶市、四川省、貴州省、云南省以及西藏自治區，不過文中只展示除西藏之外的其他四省，其碳排放驅動因素計量模型為：

lnIit=21037+09892lnPit+09539lnSit－09629lnTit+03656lnMit（12）

從區域對比的角度上，西南地區與華中地區較為相似，從系數上看，減排方向以及減排程度都非常類似，能源結構表現出較大的工業碳排放驅動作用，能源強度上仍然表現出很強的抑制作用，但不同的是，熱力圖所顯示的華中地區極端貢獻率要更多些，而整個西南地區的人口規模效應在控制工業減排上并沒有較多的負向貢獻，大多為正向驅動效果，但經濟發展規模表現出較大的碳減排優勢，尤其是四川，同時在累積排放水平上，四川為-815萬噸，遙遙領先于同地區其他省市。整體上看，隨著經濟的高質量發展會逐漸推動經濟規模影響脫鉤，所以西南地區尤其是云南省和貴州省要重視能源結構體系的優化升級。

六、研究結論與政策含義

（一）研究結論

基于中國工業發展中的7個主要碳源，對2005-2020年中國工業二氧化碳排放量、能源強度、能源結構等進行核算，并通過LMDI模型與STIRPAT模型對面板樣本數據的分解分析，探索討論了碳排放的空間布局、演變特點與碳排放驅動因素的時空影響。研究結論表明：

（1）中國工業碳排放水平在空間上存在差異，地理分布上呈現“東高西低”的格局。工業碳排放重心在2005-2020年表現出不斷東移趨勢，并逐步靠攏向華北、華中、華東地區，如河北省附近，工業集中化趨勢明顯，另外各省市的工業二氧化碳排放量在2005-2020年間呈現出先迅速增長后平緩回落的發展趨勢，不同的驅動因素受省情等影響對碳排放的貢獻度在空間上也存在差異。

（2）根據各省區的工業碳排放趨勢，可以分為三類。第一，部分省市的碳排放水平都已經越過了高峰進入下降趨勢，如廣東省、河南省、山東省、湖北省、四川省等。對于這類省市，要嚴格把控好減排節奏，盡快走出高位碳排放區間并轉入碳排放穩步下降通道，積極探索碳中和實現途徑、體制機制、政策和技術；第二，還有部分地區的碳排放水平隱隱呈現“N”字形趨勢，如安徽省、河北省、廣西壯族自治區等。既然之前已經邁入到碳排放下降階段，就不要讓高位碳排放“死灰復燃”，順著碳排放下降軌道實現“碳達峰”目標，因勢利導、揚長避短，探索“碳中和”方案；第三，其余部分省市如海南省、甘肅省、貴州省、上海市等，其觀察期內的碳排放趨勢基本平穩，既沒有呈現攀升趨勢也沒有顯著的下降趨勢。對于此類省區，極可能已經實現碳達峰并處于碳庫茲涅茨曲線右側，隨后應該積極探索碳中和方案，推進碳減排碳中和任務進程。

（3）不同因素對碳排放的影響存在明顯的空間差異。2005-2020年，對中國區域工業碳排放顯示正向驅動作用的因素有經濟因素、人口因素與能源消耗結構，而能源強度表現出對碳排放的抑制效果。其中經濟因素是華東、華中、華南與東北部地區拉動工業碳排放的最主要因素，而西北地區拉動碳排放的主要因素是人口因素，結合因素分解結果，從逐年的因素貢獻來看，經濟因素正逐步實現與碳排放的脫鉤，這也與中國近年的經濟發展與工業的關系相適應，工業經濟發展已經從高排放的粗獷發展方式逐步轉變為高質量綠色發展方式。

（4）人口因素的驅動作用遠高于能源結構，且不同時空影響不同。空間上，西北和東北地區的人口因素影響高于其他區域，拉動作用最大的是西北地區，時間上，東北、華北、華東和西北地區的省市從2005-2015年，其人口因素基本都表現出對碳排放的正向貢獻，而在2016年之后開始表現為負向貢獻，不過其個別省市在2019與2020年出現回彈現象，而華中、華南和西南地區自2005年開始就一直表現出對碳排放的拉動作用，自2016年之后，大部分地區并沒有轉變為負向貢獻來抑制碳排放。

（5）能源結構是影響工業碳排放的根源性因素。在2005-2020年觀察期內，能源結構雖然影響程度較低，但是除華東地區之外，其他地區仍然顯示出正向拉動效果，華東地區的能源結構效應在觀察期內表現出對碳排放的抑制作用，在全國范圍內都是能源結構性碳減排的第一梯隊。另外東北地區的能源結構效應表現出極低的驅動作用，對于各省市來說，由于存在不同省情，所以在優化、更新能源結構上存在差異，但隨時間發展，中國基本所有區域能源結構都在降低正向貢獻度，并逐步過渡到負向貢獻，逐步抑制碳排放，雖然在沒有脫離煤基能源的前提下，能源結構減排較為困難，但是華東、東北兩地區應該發揮對周邊地區的輻射作用，帶動其他區域調整能源結構，推動技術進步，增加體系成熟的新能源的利用，推進工業能源結構性碳減排；另外，在分解的驅動因素中，僅有能源強度表現為穩定的抑制效果，是中國工業碳排放主要的抑制性因素。

（二）政策含義

（1）要加大工業能源結構的調整。推進新能源開發，構造低碳化能源結構，營造低碳的工業生產與經濟增長環境，推動低碳經濟發展，著手能源領域改革，從根本上改變以化石能源為主的工業能源結構，建立低碳化新能源消費結構，發揮結構性減排的根本作用。

（2）加大碳減排新技術應用力度。在工業減排工作中，技術發展是減少工業二氧化碳排放的關鍵所在，要加速向縱深推進工業新舊動能轉換，大力推進技術與工業的深度融合，倡導各種新技術在工業領域的應用，包括能源節約技術、能源替代和物質循環利用技術比如節能汽車、工業節能技術、以可再生能源替代傳統化石能源以及碳捕集與儲藏技術等基于工業體系的碳減排技術。

（3）適度調控經濟規模，推動經濟高質量發展。經濟增長也是導致工業二氧化碳排放量不斷增加的重要因素，工業在國民經濟中屬于主導地位，工業的現代化程度及其發展規模最終決定著整個國民經濟的面貌。要調控好大、中、小企業的經濟生產規模，同時繼續推進供給側結構性改革，推動經濟的高質量發展，在工業生產保持穩定的同時，深入推進結構性去產能任務，加大力度降本減負，持續推進工業綠色發展。

（4）提高工業從業人員素質，提高勞動生產率。從人口角度出發，工業人對二氧化碳排放的影響也是不容忽視的，單純人本身的活動就會增加二氧化碳的排放量，而工業人作為工業發展中不可或缺的生產要素更為關鍵，所以在工業的生產發展中，要不斷加強工業人的低碳環保宣傳教育，讓節能減排意識深入人心，并且要提高工業人的整體素質，主動調控工業從業人員數量，提高工業勞動生產效率。

（5）發揮政府在碳減排中的關鍵作用。工業減排工作中政府要積極出臺促減排、促投資政策，引導社會資產流向工業領域，帶動民間投資，以投資推動傳統化工業向高新化工業的快速轉變，切實推動工業減排工作的穩步進行，工業二氧化碳減排既是“雙碳目標”的重要任務，也是中國進入現代化的一個重要標志。

參考文獻：

［1］?潘晨，李善同，劉強.?消費視角下中國各省份碳排放驅動因素探究［J］．經濟與管理，2022，36（3）：?58-66.

［2］?李俊杰，劉湘.?寧夏碳排放影響因素與碳達峰預測?［J］．中南民族大學學報（人文社會科學版），2022，42（7）：?116-24，85-86.

［3］?劉志華，徐軍委.?“雙碳”目標下中國省域碳排放公平性及其影響因素?［J］．地理科學：?1-9.

［4］?劉自敏，張婭.?中國碳排放的時空躍遷特征、影響因素與達峰路徑設計?［J］．西南大學學報（社會科學版），2022，48（6）：?99-112.

［5］?史丹.?能源轉型與低碳工業化道路?［J］．理論視野，2017（11）：?29-32，54.

［6］?潘崇超，王博文，侯孝旺，古月清，邢奕，劉育松，溫維，方娟.基于LMDI-STIRPAT模型的中國鋼鐵行業碳達峰路徑研究［J/OL］．工程科學學報：1-14.

［7］?曹俊文，張鈺玲.?中國省域碳排放特征與碳減排路徑研究?［J］．生態經濟，2022，38（8）：?13-9.

［8］?禹湘，陳楠，李曼琪.?中國低碳試點城市的碳排放特征與碳減排路徑研究?［J］．中國人口·資源與環境，2020，30（7）：?1-9.

［9］?廖祖君，張劍宇，陳詩薇.?碳排放影響因素及達峰路徑研究——基于四川省的分析?［J］．軟科學：?1-11.

［10］牛樂，張麗霞，郗鳳明，等.?遼寧省碳排放影響因素及情景預測?［J］．應用生態學報：?1-12.

［11］Namahoro?J，Wu?Q，Zhou?N，et?al.?Impact?of?Energy?Intensity，Renewable?Energy，and?Economic?Growth?on?CO2?Emissions：?Evidence?from?Africa?across?Regions?and?Income?Levels?［J］．Renewable?and?Sustainable?Energy?Reviews，2021，147：?111233.

［12］Aftab?S，Ahmed?A，Chandio?AA，et?al.?Modeling?the?Nexus?between?Carbon?Emissions，Energy?Consumption，and?Economic?Progress?in?Pakistan：?Evidence?from?Cointegration?and?Causality?Analysis?［J］．Energy?Reports，2021，7：?4642-58.

［13］宋苑震，曾堅，王森，等.?中國縣域碳排放時空演變與異質性?［J］．環境科學，2023，44（1）：?549-59.

［14］王正，樊杰.?能源消費碳排放的影響因素特征及研究展望?［J］．地理研究，2022，41（10）：?2587-99.

［15］張赫，黃雅哲，王睿，等.?中國縣域碳排放脫鉤關系及其時空特征演變?［J］．資源科學，2022，44（4）：?744-55.

［16］顧張鋒，徐麗華，馬淇蔚，等.?浙江省都市區碳排放時空演變及其影響因素?［J］．自然資源學報，2022，37（6）：?1524-39.

［17］趙強，周月凌，方潛生，等.?中部地區碳排放時空演變及其影響因素分析?［J］．環境科學學報：?1-11.

［18］姬新龍，楊釗.?碳排放權交易是否“加速”降低了碳排放量和碳強度？?［J］．商業研究，2021（2）：?46-55.

［19］陳慧靈，高子恒，王振波.?省級尺度工業碳排放影響因素及碳轉移格局分析?［J］．生態學報，2023（14）：?1-13.

［20］靳毓，?文雯，?趙廷宇.?綠色基金持股對企業綠色創新的影響研究［J］．珞珈管理評論，?2022，?42（3）：?22-45.

［21］程豪.碳排放怎么算——《2006年IPCC國家溫室氣體清單指南》［J］．中國統計，2014（11）：28-30.

FactorsInfluencing?the?Spatial?Variation?of?Carbon?Emissions：

Measurement?Identification?and?Policy?Implications

ZHANG?En-ying，MENG?fan-jun

（School?of?Economics，Harbin?University?of?Commerce，Harbin?150028，China）

Abstract：?Optimizing?the?structure?of?energy?consumption?and?achieving?low-carbon?industrial?development?is?the?only?way?to?achieve?the?“Carbon?peaking?and?Carbon?neutrality?Goals”.?In?this?study，the?IPCC?carbon?emission?accounting?method?is?used?to?calculate?industrial?CO2?emissions?from?2005?to?2020?in?various?regions?of?China.?the?Kaya-LMDI?factor?decomposition?model?is?used?to?decompose?industrial?carbon?dioxide?emissions?into?four?driving?factors：?energy?structure，industrial?energy?intensity，industrial?economic?scale?and?industrial?workforce?size，and?on?this?basis，the?STIRPAT?model?is?used?to?analyze?the?differences?in?the?role?of?industrial?carbon?emission?drivers?in?influencing?different?economic?regions.?According?to?the?empirical?results，the?effect?of?industrial?carbon?dioxide?emission?reduction?in?China?is?significant，but?there?are?still?large?spatial?differences，and?the?geographical?distribution?of?carbon?emissions?is?concentrated?in?East?China?and?South?China，and?there?are?unevenness，and?there?are?synergistic?or?multi-polar?carbon?emission?patterns?in?other?regions.?There?is?spatial?heterogeneity?in?the?degree?of?optimization?of?energy?structure，?and?structural?emission?reduction?will?be?the?main?way?to?reduce?emissions?in?the?future;?improving?the?technology?level?of?energy?consumption?and?promoting?the?low-carbon?transformation?of?energy?structure?system?are?the?main?paths?to?achieve?“Carbon?peak”?with?high-quality?economic?development?in?the?future.

Key?words：CO2?emission?reduction;?energy?consumption?structure;?factor?decomposition?model;?STIRPAT?model;?spatial?variation.

（責任編輯：周正）