基于Tapio脫鉤和LMDI分解模型的碳排放脫鉤及驅(qū)動因素分析

摘 要：河北省作為工業(yè)大省，經(jīng)濟發(fā)展依賴工業(yè)且能源結(jié)構(gòu)以高碳化石燃料為主，碳減排至關(guān)重要。文章通過構(gòu)建Tapio碳脫鉤模型和LMDI分解模型，以河北省2001—2021年碳排放和經(jīng)濟數(shù)據(jù)為研究對象，深入分析了碳排放脫鉤及驅(qū)動因素。結(jié)果表明：（1）河北省碳排放變化量近些年呈現(xiàn)下降趨勢。（2）河北省碳排放脫鉤狀態(tài)以弱脫鉤為主，強脫鉤狀態(tài)不穩(wěn)定。（3）影響碳排放的因素中，能源強度和經(jīng)濟發(fā)展水平影響最大，經(jīng)濟水平的快速發(fā)展會增加碳排放量，能源強度降低能抑制碳排放。據(jù)此，文章對河北省及與之相似省市未來的減碳方向提出了參考建議。

關(guān)鍵詞：碳排放；Tapio脫鉤模型；LMDI分解模型；碳脫鉤指數(shù)；低碳發(fā)展

中圖分類號：F062.2；F205 文獻標識碼：A 文章編號：2096-0298（2025）03（a）--05

1 引言

由碳排放引起的全球變暖等一系列環(huán)境問題對人類未來的生存提出了嚴峻挑戰(zhàn)，碳減排近些年一直是全球關(guān)注的重點。作為有責任擔當?shù)拇髧袊跍p排方面做出了不懈努力，為其他國家樹立了典范。習近平總書記在黨的二十大報告中指出，要統(tǒng)籌產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、應對氣候變化，并協(xié)同推進降碳減污。從長遠來看，中國的碳減排之路仍任重道遠。2022年發(fā)布的《中國碳達峰碳中和進展報告》中明確指出，中國當前仍處于工業(yè)化深化期，實現(xiàn)碳中和目標面臨多重挑戰(zhàn)[1]。作為工業(yè)化占比大、能源結(jié)構(gòu)以化石燃料為主的發(fā)展中國家，如何在保證經(jīng)濟發(fā)展的同時減少碳排放是需要解決的重要問題。

河北省作為環(huán)抱首都北京的工業(yè)大省，其經(jīng)濟發(fā)展得益于工業(yè)的飛速發(fā)展以及首都的輻射作用。但河北省的能源結(jié)構(gòu)以高碳排放量的煤炭和石油為主，在經(jīng)濟不斷發(fā)展的同時也帶來了居高不下的碳排放量，影響了河北省高質(zhì)量發(fā)展的步伐。我國大部分省市如山東省、山西省等的能源結(jié)構(gòu)和產(chǎn)業(yè)布局與河北省類似，如何在經(jīng)濟發(fā)展的過程中減少碳排放量是亟須解決的問題。本文在建立Tapio碳脫鉤模型的基礎上，分析了河北省碳排放特點，并通過LMDI分解模型研究了影響河北省碳排放量的因素以及碳排放量的變化情況，最后根據(jù)模型結(jié)果因地制宜地提出具有可行性的建議，為河北省及國內(nèi)相似省市地區(qū)實現(xiàn)可持續(xù)的高質(zhì)量發(fā)展提供有益參考。

2 文獻綜述

目前，國內(nèi)學者對于碳排放的研究主要集中在相關(guān)政策對碳減排的效用和影響碳減排的因素上。董直慶等（2021）[2]、韓慶峰等（2023）[3]、張興祥等（2024）[4]均采用雙重差分的方法研究了碳排放權(quán)交易政策對于碳減排的影響，并一致認為碳排放交易政策顯著降低了碳排放。在該結(jié)論的基礎上，董直慶等（2021）[2]認為政策的碳減排效果具有地區(qū)溢出效應。張興祥等（2024）[4]則是將研究樣本擴展到省市級，進一步論證了碳排放權(quán)交易政策對碳減排有正向效應，且存在城市異質(zhì)性。此外，部分學者研究了綠色金融和綠色信貸對于碳減排的影響，如孫少巖等（2023）[5]通過構(gòu)建包含異質(zhì)生產(chǎn)部門和銀行的靜態(tài)均衡模型，從全要素碳生產(chǎn)率、碳強度和碳總量三個維度，證實了綠色信貸具有碳減排效應，并通過激勵綠色創(chuàng)新和降低能源強度這兩個渠道發(fā)揮作用。王彥林等（2024）[6]研究發(fā)現(xiàn)，綠色金融可以通過支持綠色創(chuàng)新和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)對我國區(qū)域碳排放產(chǎn)生明顯的抑制作用，且存在區(qū)域異質(zhì)性。

大部分學者采用LMDI分解法來研究不同層面影響碳減排的因素，劉金華（2022）[7]和韓夢瑤等（2023）[8]對影響中國碳排放量的因素進行了分解；張全意等（2023）[9]和何飛揚等（2024）[10]分解了省市級的碳排放影響因素；袁偉彥（2022）[11]和Liu等（2023）[12]則分別研究了工業(yè)和電力等不同行業(yè)影響碳排放的因素，上述文獻主要將影響碳排放的因素分解為碳排放強度、能源強度、能源結(jié)構(gòu)、能源效率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟發(fā)展水平、人口規(guī)模等。部分學者在LMDI分解的基礎上引入Tapio脫鉤模型來分析經(jīng)濟與碳排放量的脫鉤狀態(tài)。

綜上所述，碳排放是學者關(guān)注的重要議題，目前國家施行的相關(guān)舉措的碳減排效用顯著；在影響碳排放的因素方面，根據(jù)研究層面不同，學者會將影響碳排放的因素進行不同分解，其中能源結(jié)構(gòu)、經(jīng)濟發(fā)展水平、人口規(guī)模是影響碳排放的主要因素。其次，在LMDI分解基礎上進行的Tapio脫鉤研究主要集中在國家和行業(yè)層面，省市級的相關(guān)研究較少。

3 數(shù)據(jù)與模型

本文采用LMID模型對影響河北省碳排放的因素進行了研究，并通過建立Tapio碳脫鉤指數(shù)來分析河北省碳排放狀態(tài)的變化情況。

3.1 河北省碳排放指標構(gòu)建

根據(jù)以往學者研究可知，碳排放指標的構(gòu)建有多種方法。本文采用碳排放量作為衡量河北省碳排放的指標。能源碳排放系數(shù)來自政府間氣候變化專門委員會（IPCC）制定的《國家溫室氣體清單指南》（簡稱IPCC《指南》）和相關(guān)資料，具體計算公式為：

其中，C為河北省總的能源排放量，Ci為第i種能源的碳排放量，F(xiàn)i為第i種能源折算成標準煤的系數(shù)，Ki為第i種能源的碳排放折算系數(shù)。表1和表2列出了選用的四種能源標準煤折算系數(shù)和碳排放系數(shù)。

3.2 Tapio碳脫鉤指數(shù)構(gòu)建

脫鉤理論是經(jīng)濟合作與發(fā)展組織（OECD）提出的形容阻斷經(jīng)濟增長與資源消耗或環(huán)境污染之間聯(lián)系的基本理論[13]。而Tapio脫鉤指數(shù)在碳排放研究中的應用，可以細化地描述碳排放情況和經(jīng)濟發(fā)展之間的關(guān)系。本文通過引入河北省的增量數(shù)據(jù)，借助Tapio脫鉤指數(shù)構(gòu)建了描述碳排放與GDP增長之間關(guān)系的模型：

其中，?為脫鉤彈性指數(shù)，為二氧化碳變化率和GDP變化率的比值，根據(jù)?的大小和ΔCO2/CO2和ΔGDP/GDP的正負，可以對脫鉤狀態(tài)進行分類，具體分類見表3。

3.3 LMDI模型構(gòu)建

本文運用Kaya（1990）[14]和Ang（2015）[15]提出的Kaya恒等式和LMDI分解模型，參考袁路等（2013）[16]對Kaya恒等式碳排放驅(qū)動因素的解釋，對影響河北省碳排放的因素進行分解，采用加法分解的方式，LMDI分解模型構(gòu)建如下：

式中，C為河北省總的碳排放量，Ci為第i種能源的碳排放量；Ei為第i種能源的消費量；E為能源消費總量；Y為區(qū)域生產(chǎn)總值（GDP）；P為區(qū)域常住人口總量。其中αi=Ci /Ei為第i種能源單位能源的碳排放量，即區(qū)域的能源碳排放系數(shù)對碳排放的影響；ei=Ei /E為第i種能源占能源總消耗的比重，表征區(qū)域的能源消費結(jié)構(gòu)對碳排放的影響；β=E/Y為能源消耗量與GDP的比值，表征能源強度對碳排放的影響；g=Y/P為區(qū)域人均GDP，表征經(jīng)濟發(fā)展水平對碳排放的影響；p為河北省常住人口規(guī)模對碳排放的影響。根據(jù)公式（3），可以得到LMDI基本分解式：

式中，?Cα、?Ce、?Cβ、?Cg、?Cp分別表示區(qū)域能源碳排放系數(shù)、區(qū)域能源消費結(jié)構(gòu)、能源強度、經(jīng)濟發(fā)展水平、人口規(guī)模引起的碳排放的變化量。?C代表碳排放的總變化量。

根據(jù)LMDI加法模型的計算規(guī)則，分解式可以寫為：

式中，X分別表示影響碳排放的五個因素，通過式（5），可以計算出各因素引起的每一年碳排放變化量。因此，可以進一步通過累加計算出研究區(qū)間內(nèi)各因素引起的碳排放變化總量，即碳排放效應累計公式：

通過對式（6）進行整理，可以得到研究區(qū)間內(nèi)各因素的碳排放貢獻率計算公式：

3.4 數(shù)據(jù)來源

本文中河北省的省級數(shù)據(jù)來自2001—2022年《中國統(tǒng)計年鑒》和2011—2022年《河北省統(tǒng)計年鑒》；能源折算標準煤系數(shù)來自《中國能源統(tǒng)計年鑒》；能源碳排放系數(shù)來自IPCC《指南》。

4 模型實證結(jié)果與分析

4.1 Tapio碳脫鉤指數(shù)結(jié)果與分析

通過公式（2），以2000年為基期，引入河北省2000—2021年CO2和GDP數(shù)據(jù)，計算分析河北省各年份的碳脫鉤指數(shù)與碳脫鉤狀態(tài)，具體結(jié)果如表4所示。

由表4可知，河北省碳排放量增速較快的區(qū)間集中在2002—2005年，而經(jīng)濟增速較快的區(qū)間為2003—2011年。

從碳排放脫鉤的狀態(tài)來看，2001—2003年以及2005年均呈現(xiàn)出增長連結(jié)的狀態(tài)，即碳排放增速大于經(jīng)濟增長速度。綜合分析來看，河北省在此期間采取了較為粗放的發(fā)展模式，在經(jīng)濟加快發(fā)展的同時，碳排放量也快速升高，對生態(tài)環(huán)境造成一定的影響，可能導致環(huán)境惡化程度超過經(jīng)濟效益的情況。弱脫鉤狀態(tài)是河北省常見的狀態(tài)，大部分年份河北省均處于弱脫鉤狀態(tài)，即碳排放的增速相對經(jīng)濟增速放緩，且有逐漸弱化的趨勢，表明河北省在發(fā)展經(jīng)濟的同時，已經(jīng)開始注意到環(huán)境惡化問題，開始施行低碳策略控制碳排放，并取得了一定成果。強脫鉤狀態(tài)是實現(xiàn)經(jīng)濟低碳發(fā)展的最理想狀態(tài)，截至目前，河北省雖然在2014年和2021年達到強脫鉤，但并未處在一個穩(wěn)定的狀態(tài)，說明河北省未來的的減碳發(fā)展之路仍面臨挑戰(zhàn)。因此，進一步分析影響河北省碳排放的因素是有必要的，只有掌握河北省碳排放影響因素的構(gòu)成，才能因地制宜的解決碳中和問題。

4.2 LMDI分解模型結(jié)果與分析

通過LMDI分解的模型分析計算出的各因素對于河北省碳排放量變化的貢獻，如表5所示。其中，區(qū)域能源碳排放系數(shù)在研究數(shù)據(jù)區(qū)間內(nèi)固定不變，因此碳排放變化部分?Cα為常量，在分解結(jié)果中不再加以討論。

從表5各因素影響碳排放的效應以及總效應的情況來看，能源消費結(jié)構(gòu)引起的碳排放變化量?Ce基本呈現(xiàn)正效應，相較其他幾個影響因素引起的碳排放變化量較小，總體波動情況不明顯。主要原因是河北省近些年的能源消費結(jié)構(gòu)變化不大，主要以高碳量的煤炭消費為主。能源強度引起的碳排放變化量?Cβ主要呈現(xiàn)出明顯的負效應，且波動明顯；而經(jīng)濟發(fā)展水平和人口規(guī)模引起的碳排放變化量?Cg、?Cp均為正效應，經(jīng)濟發(fā)展水平是影響碳排放量變化的主要因素，對整體碳排放的貢獻程度最大。從整體的碳排放變化量?C來看，近些年數(shù)值有明顯下降，說明河北省政府正在積極開展綠色低碳的發(fā)展戰(zhàn)略，以降低碳排放。結(jié)合河北省的實際情況來看，省內(nèi)的經(jīng)濟發(fā)展和人口增長都在不可避免地增加區(qū)域的碳排放，因此調(diào)整能源結(jié)構(gòu)和降低能源強度是降低碳排放的有效途徑。

通過碳排放累計公式和貢獻率計算出的各年份的碳排放貢獻率以及碳排放變化量波動情況如圖1所示。2001—2017年區(qū)域能源消費結(jié)構(gòu)的貢獻率相對較為穩(wěn)定，且大多數(shù)年份與二氧化碳總變化量呈正相關(guān)關(guān)系。能源強度的碳排放貢獻率幾乎均為負數(shù)，表明河北省能源強度的降低在一定程度上抑制了碳排放。經(jīng)濟發(fā)展水平對碳排放的貢獻率均為正數(shù)，且貢獻率均處在高值，最大值為2021年的830.82%，表明經(jīng)濟發(fā)展水平的變化是顯著促進碳排放量增加的重要因素。人口規(guī)模對于碳排放的貢獻率均為正數(shù)，且從2010年開始有增加趨勢。從碳排放總量的變化趨勢來看，樣本區(qū)間內(nèi)河北省碳排放量的變化呈現(xiàn)波動下降的趨勢。

綜上，從河北省Tapio碳脫鉤指數(shù)和LMDI分解情況來看，河北省碳排放量整體有減少的趨勢，并向脫鉤方向發(fā)展，碳減排取得了一定成效，但仍存在不穩(wěn)定的現(xiàn)象，碳排放量的調(diào)整需要與經(jīng)濟發(fā)展速度相適應。對河北省碳排放量影響最大的是能源強度和經(jīng)濟發(fā)展水平，其中經(jīng)濟發(fā)展水平顯著增加了區(qū)域的碳排放量，即經(jīng)濟的快速發(fā)展會增加碳排放量，經(jīng)濟發(fā)展程度越高，碳排放量也就越高，尤其在工業(yè)大省最為明顯。這意味著需要在經(jīng)濟發(fā)展和環(huán)境保護之間進行權(quán)衡，或開辟綠色低碳經(jīng)濟發(fā)展的新途徑。而能源強度則顯著降低了河北省的碳排放量，2001—2021年，河北省的能源強度從2.19降低到0.77，這表明通過降低能源強度能夠有效抑制碳排放。

5 對策建議

5.1 調(diào)整能源消費結(jié)構(gòu)，促進能源低碳轉(zhuǎn)型

一方面，要倡導促進能源消費多元化，提高低碳清潔能源使用比重，充分利用河北省豐富的太陽能和風能資源。另一方面，政府要制定能源結(jié)構(gòu)調(diào)整的長期規(guī)劃，明確各階段清潔能源和傳統(tǒng)能源的占比目標。同時，加強能源供應體系的穩(wěn)定性和靈活性，以保障能源轉(zhuǎn)型過程中的能源安全。

5.2 產(chǎn)業(yè)升級與結(jié)構(gòu)優(yōu)化

產(chǎn)業(yè)結(jié)構(gòu)的升級和優(yōu)化能夠有效降低碳排放。針對高碳排放的傳統(tǒng)行業(yè)進行改革淘汰和技術(shù)升級，并積極發(fā)展第三產(chǎn)業(yè)，培育戰(zhàn)略性新興產(chǎn)業(yè)，發(fā)揮河北省對首都的產(chǎn)業(yè)承接與協(xié)同作用。

5.3 技術(shù)降碳，提高經(jīng)濟發(fā)展質(zhì)量

重視低碳經(jīng)濟的發(fā)展，加強科技創(chuàng)新。開發(fā)控碳降碳新技術(shù)，從源頭監(jiān)測并控制碳排放，促進碳資源的循環(huán)利用。技術(shù)層面的創(chuàng)新與發(fā)展，可以助力經(jīng)濟實現(xiàn)低碳、綠色、高質(zhì)量的發(fā)展。

5.4 發(fā)揮政策引導與市場機制作用

完善碳排放交易體系建設，發(fā)揮綠色信貸政策的引導作用。碳排放交易市場從試點到全國碳交易市場的建立經(jīng)歷了漫長的摸索過程，積累了適用于中國市場的經(jīng)驗。未來應繼續(xù)借鑒相關(guān)成功經(jīng)驗，健全碳排放交易相關(guān)制度，約束企業(yè)碳排放行為。綠色信貸政策的差異化利率對高碳企業(yè)的限制和綠色項目的扶持，則有助于引導企業(yè)加快綠色轉(zhuǎn)型步伐。

5.5 宣傳低碳理念，倡導綠色消費

要積極進行低碳綠色的相關(guān)教育與宣傳，培養(yǎng)居民的社會責任感，讓低碳理念深入人心，使居民在生活中有意識地減少高碳能源的使用，養(yǎng)成低碳生活習慣，發(fā)揮人口規(guī)模對碳減排的正向效應。

參考文獻

國家電力投資集團公司， 中國國際經(jīng)濟交流中心. 低碳發(fā)展藍皮書： 中國碳達峰碳中和進展報告[R]. 北京： 社會科學文獻出版社[J]. 2021.

董直慶， 王輝. 市場型環(huán)境規(guī)制政策有效性檢驗： 來自碳排放權(quán)交易政策視角的經(jīng)驗證據(jù)[J]. 統(tǒng)計研究， 2021， 38（10）： 48-61.

韓慶豐， 李賽， 吳楚珩， 等. 中國碳排放權(quán)交易減排效應研究： 基于ETS試點的準自然實驗[J]. 統(tǒng)計與決策， 2023， 39（13）：nbsp; 160-165.

張興祥， 孫賽杰. 碳排放權(quán)交易政策能否促進碳減排： 基于地級市面板數(shù)據(jù)的研究[J]. 南開經(jīng)濟研究， 2024（2）： 160-178.

孫少巖， 王笑音， 高翠云. 綠色信貸能發(fā)揮碳減排效應嗎？[J]. 中國人口·資源與環(huán)境， 2023， 33（8）： 37-47.

王彥林， 張子璇， 劉艷華. 綠色金融對區(qū)域碳減排的影響及作用機制研究[J]. 會計之友， 2024（5）： 79-86.

劉金華. 基于LMDI模型的我國碳排放影響因素及減排對策研究[J]. 中國商論， 2022（20）： 146-148.

韓夢瑤， 張澤， 廖茂林. 生產(chǎn)和消費雙重視角下中國省域碳排放脫鉤演變及貢獻解析[J]. 區(qū)域經(jīng)濟評論， 2023（5）： 120-130.

張全意， 李太平. 基于LMDI分解的山東省城鄉(xiāng)居民生活碳排放研究[J]. 河北環(huán)境工程學院學報， 2023， 33（2）： 7-13.

何飛揚， 劉天樂， 周智杰， 等. 基于EKC理論下碳排放與經(jīng)濟增長的二者關(guān)系研究： 浙江省與安徽省的對比分析[J]. 生態(tài)經(jīng)濟， 2024， 40（6）： 21-29.

袁偉彥， 方柳莉， 羅明. 中國工業(yè)碳排放驅(qū)動因素及其脫鉤效應： 基于時變參數(shù)C-D生產(chǎn)函數(shù)的分解和測算[J]. 資源科學， 2022， 44（7）： 1422-1434.

Liu L-L， Feng T-T， Kong J-J， Can carbon trading policy and local public expenditures synergize to promote carbon emission reduction in the power industry？[J]. Resources， Conservation and Recycling， 2023， 188.

姚園， 李海紅， 李溦， 等. 基于脫鉤指數(shù)和LMDI的第三產(chǎn)業(yè)用水發(fā)展研究[J]. 水資源與水工程學報， 2024， 35（1）： 71-81.

Kaya Y， Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios IPCC energy and industry subgroup， response strategies working group[J]. Pair： IPCC Energy and Industry Subgroup， 1990.

Ang BW， LMDI decomposition approach： A guide for implementation[J]. Energy Policy， 2015， 86： 233-8.

袁路， 潘家華. Kaya恒等式的碳排放驅(qū)動因素分解及其政策含義的局限性[J]. 氣候變化研究進展， 2013， 9（3）： 210-215.