中國汽車制造業碳排放驅動因素研究

摘 要：以中國汽車制造業為研究對象，采用碳排放因子法對2012—2021年我國汽車制造業碳排放量進行測算，進而采用廣義迪氏指數分解法對營業收入、能源消耗和投資規模等碳排放驅動因素進行分解分析。結果表明：①2012—2021年我國汽車制造業碳排放量整體呈現遞增狀態，未達到行業碳達峰；②汽車制造業的營業收入、能源消耗規模、能源消耗碳強度具有較強的促增效應，投資強度和能源強度是抑制二氧化碳排放的主要因素，營業收入碳強度及投資碳強度均為先抑制后促進的作用。基于研究，提出了政府應當引導創新方向，各企業應加大創新研發、提升能源效率的建議。

關鍵詞：汽車制造業；碳排放；驅動因素；廣義迪氏指數分解法

中圖分類號：X38 文獻標志碼：A 文章編號：1673-9655（2024）05-000-06

0 引言

實現“雙碳”目標，現已成為我國面臨的最大的機遇與挑戰；同時也是促進我國能源及相關工業升級，實現國家經濟長期健康、可持續發展的必然選擇。

汽車制造業作為推動我國經濟發展的重要支柱型產業，占燃料和電力消耗很大份額；并且該行業作為綜合性制造業，產業鏈長、涉及面廣、能耗大[1]，向上可以影響汽車零部件制造業及石化等基礎工業，向下可影響回收利用等服務行業，所以汽車制造業的減碳對于我國早日實現低碳發展有著重要的推動意義。

在碳排放因素分解研究方面，國內外學者常用的分解方法有兩種，一種是簡單的指數分解法（IDA），另一種是基于投入-產出模型相結合的結構分解法（SDA）[2]。其中，對數均值迪氏指數分解法（LMDI）以其適用性、易用性等優點，成為揭示二氧化碳排放量變化驅動力最主流、最優選的分解方法[3]。Elif Akbostanc?[4]、Lin[5]、李春香[6]

及陳鋒[7]等均運用了LMDI模型對不同地區的碳排放影響因素進行了實證分析。隨著研究深入，2014年Vaninsky研究發現，現有的指數分解法在選取相關因素時存在相互依賴的問題，無法準確衡量不同因素對碳排放的貢獻；從而提出了新的研究方法——廣義迪氏指數分解法（GDIM），并運用到中美兩國碳排放影響因素的研究中[8，9]。隨后，許多學者運用GDIM模型對不同地區或行業的碳排放因素進行了分析[10-13]，但其研究對象多為工業、制造業等行業大類，或是個別工業發達的省份，對于細分行業研究較少。因此，本研究對2012—2021年中國汽車制造業碳排放量進行測算，然后從經濟、投資、能源三個維度選取8個影響因素，采用廣義迪氏指數分解法對其進行分解分析，量化各因素對行業碳排放量變化的貢獻程度，為我國汽車制造業的綠色低碳發展提供科學、合理的建議。

1 研究方法

1.1 中國汽車制造業碳排放量的測算

目前，較為熟知且受各國認可的碳排放量測算方法有：排放因子法、質量平衡法和實測法[14]。

三種方法各有優缺點，根據綜合考慮本研究選取碳排放因子法作為汽車制造業碳排放量測算的方法。

在計算汽車制造業碳排放量前應先厘清核算邊界。根據《溫室氣體核算體系：企業核算與報告標準》所設定的溫室氣體核算范圍[15]，本研究邊界見表1。由于數據的可獲得性，本文僅考慮范圍1和范圍2兩方面的二氧化碳排放量。

1.1.1 直接排放

汽車制造業的直接碳排放主要是企業直接使用化石能源產生的碳排放。基于政府間氣候變化專門委員會（IPCC）《國家溫室氣體排放指南》提供的碳排放因子法[16]，根據能源消耗數據來計算中國汽車制造業2012—2021年的二氧化碳排放量，計算公式如下。

（1）

式中各字母的含義見表2。

本文根據《中國統計年鑒》所公布的汽車制造業能源消耗數據，選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣這8種能源來計算碳排放量。各能源的相關系數取自《中國能源統計年鑒》和《IPCC國家溫室氣體清單指南》，見表3。

1.1.2 間接排放

汽車制造業間接碳排放為企業外購的電力和熱力碳排放。其計算公式如下：

（2）

式中：各字母的含義見表4。

其中供熱排放因子為0.11 tCO2/GJ，中國全國的電網排放因子迄今為止共發布過三次，根據相關文件，各年份的電網排放因子取值見表5。

1.2 驅動因素分解方法

對于碳排放影響因素的分解，指數分解法已成為眾多學者首選的方法之一。指數分解法的原理是，首先通過關系式建立研究對象與各因素的關系，然后利用各種指數分解技術確定各因素在改變解釋變量時的影響權重，進而確定各影響因素的貢獻。2014年，Vaninsky針對現有的指數分解方法存在的缺陷，構建了一個新的指數分解方法—廣義迪氏指數法。該方法能夠克服其他分解模型在因素選取上相互依賴的缺點，并且對絕對因素和相對因素進行考察，避免了重復計算的問題。因此，本文采用GDIM分解方法對汽車制造業2012—2021年的二氧化碳排放量驅動因素進行分解分析。

在廣義迪氏指數分解法的框架下，被解釋變量是階乘指標X1、X2、……、Xn的函數，階乘指標X1、X2……Xn通過方程組互聯[8，9]。

（3）

（4）

其中，方程（4）可以用矩陣形式改寫為：

（5）

被解釋變量變化量Z可以分解為：

（6）

式中：L—研究區間；" "的列梯度向量；T—轉置；I—單位矩陣；的雅克比矩陣；的廣義逆矩陣；如果各因素變量見是線性無關的，則有。

2 中國汽車制造業二氧化碳排放因素分解模型的構建

2.1 驅動因素的選擇

汽車制造業作為我國的支柱產業，其生產工藝是影響二氧化碳排放量的重要因素之一。在過去的幾十年中，汽車制造業已成為重要的燃料、電力和原材料消耗者以及溫室氣體的主要來源[17]。

此外，由于供應鏈的復雜性和生產活動的多樣性，汽車制造業的能源消耗對于該行業二氧化碳排放有著重要影響。隨著汽車行業市場規模的擴大、汽車生產量的增加，在行業獲得較大經濟收入的同時，也會導致更多的碳排放。有研究表明，碳排放與財務績效之間存在強烈且持續的負相關關系，減少碳排放戰略對財務績效指標產生負面影響，這種影響隨著碳風險的增加而增加[18]。

同時，更高的營業收入可能意味著更多的投資可用于研發和采用更環保的生產技術，可能有助于二氧化碳排放量的減少。然而，如果投資用于擴大生產規模而非技術改進，那么行業二氧化碳的排放量可能增加。因此，本文選取汽車制造業的經濟收入、能源消耗和投資規模以及經濟收入碳強度、能源消耗碳強度、投資碳強度、能源強度及投資強度八個因素作為影響因素指標。其中汽車制造業經濟收入用該行業的營業收入數據表示，投資規模用固定資產投資額數據表示。各變量的具體含義及字母表示見表6。

2.2 模型構建

基于GDIM的原理，建立中國汽車制造業碳排放驅動因素分解的關系式，如下：

（7）

（8）

（9）

式中：C—中國汽車制造業碳排放總量（萬t）；C/R—汽車制造業經濟收入碳強度（RCI）；C/I—汽車制造業投資碳強度（ICI）；C/E—能源消耗碳強度（ECI）；I/R—投資強度（II）；E/R—能源強度（EI）。

對上述公式（7）（8）（9）進行變形，可得出以下公式：

（10）

假設上述分解因子的向量為X，各因素對碳排放變化的貢獻為函數C（X）。函數C（X）的梯度和雅克比矩陣如下：

（11）

根據以上GDIM的原理，汽車制造業碳排放的變化量被分解為各影響因素X貢獻的總和：

（12）

基于上述因素分解，我國汽車制造業碳排放量的變化可被歸因于三個絕對因素的變化ΔCR、ΔCI、ΔCE和五個相對因素的變化ΔCRCI、ΔCICI、ΔCECI、ΔCII、ΔCEI效應之和。其中，ΔCR、ΔCI、ΔCE分別反映了汽車制造業的營業收入、投資規模和能源消費的變化對該行業碳排放量的影響，ΔCRCI、ΔCICI、ΔCECI、ΔCII、ΔCEI、分別反映了汽車制造業發展的低碳程度、投資規模的低碳程度、能源結構、投資強度以及能源強度對該行業二氧化碳排放量變化的影響。

2.3 數據來源

本研究使用的中國汽車制造業2012—2021年能源消耗數據、營業收入均來自《中國統計年鑒》。自2012年開始，國家統計局才將汽車制造業相關數據單獨分類公布，所以為確保數據的準確性，本研究自2012年開始進行數據的收集分析工作。此外，為了消除價格因素的影響，借助價格指數對營業收入指標進行調整。在分析能源消耗量時，選取8種能源按《中國能源統計年鑒》公布的標準煤折算系數折算為標準煤。

3 結果與分析

3.1 汽車制造業碳排放演變趨勢

從圖1可以看出，我國汽車制造業二氧化碳排放量總體上呈現波動且增長趨勢，由2012年的6224.08萬t增長至2021年的9224.07萬t，年均增長率為5.36%。其中，2020年增長最為顯著，比上年增長了11.06%。2019年是碳排放量負增長最大的

一年，在這一年，我國汽車制造業規模以上工業企業經營效益下滑，汽車消費出現低谷期，但是碳排放負增長的情況僅維持了一年。2020年以來仍處于碳排放逐年遞增的狀態，并不符合我國提出的低碳高質量發展，增大了我國綠色低碳轉型的難度。

從碳排放來源來看，汽車制造業的間接碳排放量一直高于直接碳排放量且差距逐年增大。首先，可能是因為在“雙碳”目標的催動下，國家出臺多份文件強調加快煤炭減量的步伐，各大汽車制造商開始紛紛尋求轉型，力求尋找新的能源以代替化石燃料。隨著清潔能源技術的發展，可再生能源的比重逐漸增加，能源結構正在發生轉變，逐漸減少對化石燃料的需求，從而減少汽車制造業的直接碳排放量。其次，科技的進步促使新的技術體系誕生，使得汽車制造業研發新技術、新裝備以及新的節能工藝來替代高能耗設備，并使用氫能和生物質能進行燃料替換。零碳電力系統的升級，各部門對零碳電力的普遍使用，也將實現能源利用方式的零碳化。與此同時，汽車制造業的規模不斷擴大，這種擴大必然包含著能源消耗的增加，包括電力與熱力的消耗，導致間接碳排放量的增加。即呈現出燃燒煤炭、石油等化石燃料產生的二氧化碳（直接排放）逐漸減少而企業購買和使用電力或熱能過程中的二氧化碳排放量（間接排放）逐年遞升的現象。

3.2 汽車制造業碳排放驅動因素逐年分析

本節運用R語言軟件并根據上節敘述的GDIM分解方法對中國汽車制造業2012—2021年碳排放的8個驅動因素進行分解。各因素對汽車制造業碳排放量變化的貢獻率及貢獻值見圖2及圖3。

從以上圖表可以得出，在2012—2021年，整體上汽車制造業的營業收入、能源消耗、能源消耗碳強度是促進該行業碳排放的影響因素，營業收入碳強度、行業固定投資額以及投資碳強度對于碳排放既有促進作用也有抑制作用，而投資強度和能源強度則總體呈現抑制碳排放的作用。

在影響汽車制造業二氧化碳排放量的因素中，營業收入為促進行業碳排放且對其增促貢獻率較大，只有兩年中貢獻率為負，其余期間均為正值。營業收入間接代表了過去一年間行業的產出規模，我國作為全球最大的汽車產銷市場，營業收入不斷增加，機動車大規模生產，汽車制造企業對于上游原材料的采購、消耗以及生產制造環節的碳排放量都將上升。2012—2021年，汽車制造業營業收入增速達到了79%，二氧化碳排放量增速為48%，由此可見，二氧化碳排放量的增長趨勢與經濟產出大致一致。營業收入碳強度在2018年

由抑制碳排放轉變為促進碳排放，也就是說營業收入的提升，汽車制造業的碳排放量也將越來越多。但相較于初始年份，2021年的營業收入碳強度降低，營業收入碳強度的下降并非主要來源于二氧化碳排放量的減少，而可能是受到商品價格的影響。汽車制造業2021年的營業收入碳強度相較于2012年下降了17.43%，這與近年來我國密集出臺購置補貼、用電價格、免征車輛購置稅等鼓勵新能源汽車發展的產業政策有關，在政策及市場需求的作用下，我國新能源汽車產值快速增長，為我國汽車制造業營業收入的增加做出了貢獻，而投資強度整體上對該行業的碳排放呈現抑制作用且貢獻率較小。投資強度可以反映汽車制造業擴大再生產的能力，其對二氧化碳排放的影響取決于減排效果和擴大生產規模的相對大小，即投資強度越高，行業擴大再生產能力越強，所釋放的二氧化碳排放量也就越多。

能源消耗對汽車制造業的碳排放影響一直處于促進作用且占有較大比重，汽車產業規模的不斷擴大，行業產值的逐年遞增使得汽車在制造、組裝等環節對于鋼鐵、煤炭及電力的使用是必不可少的。由此可見，實現汽車制造業綠色發展，推動我國從汽車大國轉向汽車強國是關鍵舉措。能源消耗碳強度在2013—2020年對碳排放的均為促進作用，僅在2021年表現出抑制碳排放的效應，表明在這階段內，行業雖注重減少煤炭等不可再生能源的使用，但由于制造過程中不可避免地仍有一定程度消耗高碳排放因子的能源。后續汽車制造業的發展應加大對清潔能源的開發使用，使能源消費結構中清潔能源所占的比重逐步增加，從而抑制行業的碳排放量增加。能源強度與投資強度相似整體上對該行業的碳排放呈現抑制作用且貢獻率較小。能源強度越高則能源效率就越低，單位產值所消耗的能源就越多，二氧化碳排放量就越多。2012—2021年，我國汽車制造業的能源強度呈現先降低后升高的U型趨勢，但相對于2012年，2021年的能源強度仍為下降狀態，也意味著能源利用效率的提高對于汽車制造業的減碳發展有一定的作用，在未來研發中也應保持能源強度下降趨勢，使單位汽車生產消耗更少的能源。

固定投資額對碳排放的影響則是由促進碳排放轉為抑制碳排放。汽車制造業的蓬勃發展離不開投資，投資額的增加為行業創新發展注入更高力量，如今隨著低碳發展已成為各行業的大勢所趨，面對投資方的壓力及消費者對低碳產品的偏好，汽車制造業的減碳也迫在眉睫，創新設計對企業的可持續發展也愈發重要。于是，各企業更加注重對于節能產品的研發及使用，固定投資額對行業二氧化碳排放量的促進作用也逐漸減小，甚至轉變為抑制碳排放的因素。投資碳強度在2018年由抑制碳排放轉變為促進碳排放，固定投資額越高，汽車制造業的碳排放量也將越來越多。

3.3 汽車制造業碳排放驅動因素累積貢獻分析

為了更清晰的反映2012—2021年我國汽車制造業各驅動因素對行業碳排放變化的影響，本文以2012年為基期，將各個驅動因素的貢獻值逐年累計得到各驅動因素的累積效應值，其結果如圖4所示。

從圖中可以看出，2012—2021年我國汽車制造業碳排放量在個別年份出現波動，但整體呈現增長趨勢，累積增加了3000萬t。汽車制造業的能源消耗規模、營業收入和固定投資額的不斷擴大是導致碳排放總量增加的主要原因，截止到2021年，累積貢獻值分別為776萬t、1405萬t和236萬t。營業收入在2013—2016年累計貢獻增長較快，年均增長率達到38%。在“十二五”時期，我國汽車產業已具雛形，汽車產業的發展一片向好，同時也會帶來一定的碳排放量增加。能源消耗在2013—2021年的累計貢獻增長較快，年均增長率達21%。可以認為，該行業碳排放量的主要來源為能源的消耗。同時，能源消費碳強度的累積促進作用也較大，從2013年

開始逐年遞增，到2021年累計增加了244萬t二氧化碳的排放。隨著汽車產業產業規模的擴大，該行業的固定投資額不斷增加，用于節能技術的研發及改造等方面的投入也不斷增加，到2021年，固定投資及投資碳強度分別增加了237萬t和765萬t二氧化碳排放量。其中，2012—2019年投資碳強度為降促效應，累積減少了409萬t二氧化碳的排放，但自2019年后，投資碳強度對碳排放轉為促進效應。營業收入碳強度在2012—2021年對二氧化碳排放量表現為負向抑制作用。營業收入碳強度在2012—2017年，其累積抑制的碳排放量達到868萬t，2017年后累積減少的二氧化碳排放量逐年降低，到2021年共累積減少356萬t。能源強度對汽車制造業二氧化碳排放量的增加表現為抑制作用，且為逐年遞增的狀態，到2021年累積減少了74萬t碳排放量。投資強度對碳排放量增加表現為抑制作用，且在2019年前其抑制作用較為微弱，2020年是其累積促進碳排放量的最大值671萬t。

4 結論與建議

4.1 結論

在2012—2021年，我國汽車制造業的二氧化碳排放量總體上呈現逐年遞增的趨勢，未實現行業碳達峰，且間接碳排放量大于直接碳排放量，差值逐漸增大。在影響行業二氧化碳排放的因素中，營業收入、能源消耗規模、能源消耗碳強度是促進二氧化碳排放的主要因素；投資強度和能源強度有一定的抑制作用，營業收入碳強度及投資碳強度均為先抑制后促進的作用。其中，營業收入碳強度累積呈現一定的抑制作用而投資碳強度則累積呈現促進作用；固定投資對碳排放的影響與之相反，呈現先促進后抑制的作用。

4.2 建議

（1）提升能源效率。對于處于發展中國家的中國來說，經濟發展仍處于核心地位，未來汽車制造業仍面臨擴大產業規模和市場的趨勢。然而目前我國汽車制造業的能源效率不高，并且對煤炭、石油等非清潔能源仍有依賴，與國際先進水平相比，能源效率仍存在一定的差距。因此在未來發展中，應優化能源結構，增加清潔能源的比重，減少高耗能、高污染能源的消耗；加強節能管理，制定合理的能源消耗標準，加強能源計量和統計，對各個環節的能源使用做好監管，及時發現和解決能源浪費的問題，確保能源的高效利用。

（2）政府引導創新方向。在沒有政策干預的情況下，多數企業的研發方向往往會偏向于提高生產效率及擴大生產規模，偏離了經濟與環境協調發展的路徑。政府部門應出臺相關政策，鼓勵企業積極創新研發新節能技術、引進國內外先進工藝；制定激勵政策，激勵企業采用研發創新來逐步降低碳排放。

參考文獻：

[1] Fuquan Z ，Xinglong L ，Haoyi Z ， et al.Automobile Industry under China’s Carbon Peaking and Carbon Neutrality Goals：Challenges， Opportunities， and Coping Strategies[J].Journal of Advanced Transportation，2022.

[2] Gao Z ，Geng Y ，Wu R ， et al.Analysis of energy-related CO2 emissions in China’s pharmaceutical industry and its driving forces[J].Journal of Cleaner Production，2019：22394-108.

[3] Shao S.Using an Extended LMDI Model to Explore Techno-Economic Drivers of Energy-Related Industrial CO2 Emission Changes[J].Renewable and Sustainable Energy Reviews， 2020.

[4] Akbostanci E ， Tunc G I ， Turut-Asik S .CO2 emissions of Turkish manufacturing industry：A decomposition analysis[J].Applied Energy， 2011， 88（6）：2273-2278.DOI：10.1016/j.apenergy，2010（12）：076.

[5] .Lin B ，Ahmad I .Analysis of energy related carbon dioxide emission and reduction potential in Pakistan[J].Journal of Cleaner Production，2016：143278-287.

[6] 李春香.湖北工業碳排放省際比較及因素分解分析[J].湖北社會科學，2013，（12）：78-80.DOI：10.13660/j.cnki.42-1112/c.014238.

[7] 陳鋒，張晶，任嬌，等.基于LMDI模型的黃河流域碳排放時空差異及影響因素研究[J].地球環境學報，2022，13（4）：418-427.

[8] Vaninsky A .Economic Factorial Analysis of CO2 Emissions： The Divisia Index with Interconnected Factors Approach[J].World Academy of Science， Engineering and Technology， International Journal of Social， Behavioral， Educational， Economic， Business and Industrial Engineering， 2013（7）：2772-2777.

[9] Alexander V .Factorial decomposition of COinf loc=post2/inf emissions： A generalized Divisia index approach[J].Energy Economics，2014：45389-400.

[10] Yan Q ， Yin J ， Wan Y .Regional differences in carbon emission factors in China-a study based on generalized divisia index method[J].Boletin Tecnico/technical Bulletin， 2017， 55（12）：541-549.

[11] Yisheng L ，Meng Y ，Feiyu C ， et al.Analysis of regional differences and decomposition of carbon emissions in China based on generalized divisia index method[J].Energy，2022：256.

[12] 邵帥，張曦，趙興榮.中國制造業碳排放的經驗分解與達峰路徑——廣義迪氏指數分解和動態情景分析[J].中國工業經濟， 2017（3）：20.

[13] 王航星，董洪光，羅濤.安徽省工業碳排放影響因素分解及脫鉤研究[J].荊楚理工學院學報， 2022， 37（6）：48-55.

[14] 劉明達，蒙吉軍，劉碧寒.國內外碳排放核算方法研究進展[J].熱帶地理， 2014， 34（2）：248-258.

[15] WRI，WBCSD.The Greenhouse Gas Protocol： A Corporate Accounting and Reporting Standard[M].World Business Council for Sustainable Development， World Resources Institute，2004.

[16] Org W M ，Professor Strachan.Intergovernmental Panel on Climate Change （IPCC. [J].United Nations， 2007， 114（D14）：48–56.

[17] Parisa J ，Bijan Y ，Maryam A ， et al.Energy assessment and greenhouse gas predictions in the automotive manufacturing industry in Iran[J].Sustainable Production and Consumption，2021：26316-330.

[18] Vera P ，Cristina S .The financial impact of carbon risk and mitigation strategies： Insights from the automotive industry[J].Journal of Cleaner Production，2022（344）.

Research on Driving Factors of Carbon Emission in Chinese Automobile Manufacturing Industry

HAO Ya-xing， WANG Jian

（College of Environmental and Safety Engineering， Fuzhou University， Fuzhou Fujian 350100，China）

Abstract： Taking China's automobile manufacturing industry as the research target， this paper used the carbon emission factor method to measure the carbon emissions of China's automobile manufacturing industry from 2012 to 2021， and the generalized Divisia index decomposition method to decompose and analyze the carbon emission driving factors such as operating income， energy consumption and investment scale as well. The results showed that the carbon emissions of China's automobile manufacturing industry showed an increasing state as a whole from 2012 to 2021， and the carbon emissions of the industry did not reach the peak. The operating income， energy consumption scale and carbon intensity of energy consumption in the automobile manufacturing industry indicated a strong promotion effect. Investment intensity and energy intensity were the main factors to inhibit carbon dioxide emissions， and the carbon intensity of operating income and investment carbon intensity were both inhibited first and then promoted. Based on the research， it was proposed that the government should guide the direction of innovation， and enterprises should increase innovation and research and development to improve energy efficiency.

Key words： automobile manufacturing; carbon emissions; driving factors; generalized Divisia index decomposition method

作者簡介：郝亞星（1999- ），女，河南許昌人，福州大學環境工程專業研究生在讀，主要從事低碳發展相關研究。