家庭碳排放測度及影響因素分析
2025-05-20 00:00:00閆玲劉列超田瑩蘇比努爾·海力吾拉
現代商貿工業 2025年10期
摘要：本次研究主要通過問卷調查法，在全國范圍內收集各類家庭能源消耗數據，再通過樣本數據以碳排放系數法計算出疫情前后的戶碳排放總量以及人均碳排放總量，通過SPSS分析各影響因素與各家庭能源消耗行為的相關性，再利用SPSS建立了以能源消耗碳排放為因變量，以影響因素為自變量的線性回歸模型，具體分析影響因素對于家庭碳排放的影響大小。
關鍵詞：家庭碳排放；碳達峰；線性回歸法
中圖分類號：F27文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2025.10.038
0引言
0.1研究背景及意義
2022年，黨的二十大報告提出，推進碳達峰與碳中和成為了我國的一大重要目標。據有關數據表明，當前因為家庭消費產生的二氧化碳等溫室氣體排放量約占全球碳排放總量的70%，而減慢氣候的變化速度的必要手段就是加快改變大眾生活的習慣的速度。后疫情時期有希望最大程度減少全世界的碳排放總量，這對于放緩氣候的改變速度與進程有著不可忽視的作用[1]。
實現碳達峰與碳中和這一重要目標是一場持久戰。在過去很長一段時期內，交通、商業與最重要的工業產生的二氧化碳是眾多研究工作者所主要研究的對象。而由于家庭能源消耗而產生的一系列碳排放似乎不是那么受重視。從我國碳排放結構來看，估計有三分之一的能源消費直接用于家庭的日常生活，由于家庭消費而產生的碳排放比重也超過三分之一。根據以上數據可知，想要達到碳中和的目標，從家庭消費方面上著手顯得非常重要。
0.2國內外研究綜述
本研究基于檢索條件（主題=碳排放），能夠搜索到1.04萬條。2020—2023年CNKI收錄的碳排放論文主題數量近乎呈指數函數增長。說明近些年對于碳排放的研究人員越來越多，對于碳排放的關注度也越來越高。
歷史上在對家庭碳排放的研究可以追溯到1970年代，在Leontief投入產出模型的一些比較基礎的研究上[2]，Bullard和Herendeen也通過自己的不斷發現以及研究，最終創建了關于能源的投入與能源的產出分析的模型[3]。在家庭消費活動中[4]，Noorman通過相關的研究提出了家庭代謝分析法，Weber與Perils又對家庭代謝法進行了一些方法與模型方面的擴展，接著在此基礎上又建立了投入產出—生命周期評價（E1O-LCA）模型[5]。在影響因素的分析上，人口方面考慮了房屋面積、知識水平，年齡結構、人口因素等[6] 。
在近十幾年來，國內的學者對上述問題的也進行了許多深入研究。陳莉等人探討了中國及以上城市城鎮化與城市居民碳排放的空間關系[7]。也有些人選擇了影響家庭消費方面的因素和居民由于消費而產生的間接能源消費碳排放的因素以及相關數據，他們運用了Pearson乘積相關分析法對該目標進行探究與分析[8]。也有人運用了LMDI，即因素分解法，Heckman樣本選擇模型、探索性空間數據分析方法等進行分析[9-11]。在對疫情時期家庭碳排放的分析，王一帆將疫情復工前以及復工后的家庭碳排放數據進行對比，分析后疫情時期家庭碳排放特征以及影響因素[12]。
本文通過調查問卷，獲得居民對家庭能源消費相關內容的一手數據，為調查研究在疫情期間和疫情結束后家庭碳排放量的測度奠定了數據基礎。本文在定性分析的基礎上采用了《IPCC國家溫室氣體清單指南》的碳排放系數法計算家庭直接碳排放總量，由《中國能源統計年鑒》與《中國投入產出表2007》計算出間接碳排放系數，得出間接碳排放總量[13]。再運用軟件SPSS研究碳排放與多個因素之間的影響關系。
1新冠疫情背景下家庭碳排放測度及結果與特征分析1.1家庭碳排放測度
1.1.1數據來源
此次調查報告數據來自于調查問卷“家庭碳排放調查問卷”。它調查了疫情時期（2022年 10月和11月），以及疫情結束后（2023年12月和2024年1月）兩個時間點的相關家庭碳排放數據，截止到2024年2月12日共收集問卷280份。對問卷數據進行分析，優化問卷內容后，最終得到250份問卷。
1.1.2碳排放測量范圍
此次調查報告測量的碳排放的范圍為直接碳排放與間接碳排放。直接碳排放為家庭購買使用的化石能源所直接產生的碳排放，如汽油，煤油，天然氣，液化石油氣等。間接碳排放包括兩類，一類為生產過程中的能源消耗消費（家用電力以及熱力），一類為非能源產品消耗消費（日用品，食品，衣著，交通，通信等）。
為了使調查報告中測量的家庭碳排放量更加的準確且全面，我們主要選取家庭中的燃氣量，油量，電量，水量作為測量的數據范圍，其中家庭燃氣量與家庭燃油量為家庭直接碳排放，家庭用電量與家庭用水量為家庭間接碳排放。
1.1.3測度方法
家庭的碳排放測量一般運用IPCC中的參考方法。本次調查報告也采用這種方式，其計算方式為：
對于直接碳排放，Ei為單位家庭月均由化石能源i的消耗產生的直接碳排放量，fi為i能源的能源消耗量，Efi為i能源的碳排放系數，i為該能源的能源類型。
對于本次調查報告主要研究的間接碳排放主要包括用水量以及家用電力所產生的碳排放。計算公式如下：
Ei=Ed+Es （2）
其中Ed為間接能源的電力所產生的間接碳排放量，Es為消費支出的家庭用水所產生的間接碳排放量。其計算也采用碳排放系數法。其中各碳排放系數均收集于各文獻。
1.2家庭碳排放測量結果現狀以及特征分析
1.2.1家庭碳排放測量結果分析
本次根據問卷數據計算出各類家庭能源消耗的平均值，再利用碳排放系數法計算出直接碳排放與間接碳排放量，再根據家庭平均人數計算出人均碳排放。計算結果如下表所示。
如表2所示，疫情期間家庭碳排放各部分占比，用電的碳排放61.15%占比最高，接下來是燃氣碳排放，占比為27.3%，然后是燃油碳排放占比為11.2%，用水的碳排放最少，占比僅僅為0.35%。由此可知用電碳排放最高，占家庭碳排放量最主要的部分，而用水碳排放最低，幾乎可以忽略不計。
如表3所示，疫情結束后家庭碳排放各部分占比，用電的碳排放53.9%占比最高，接下來是燃氣碳排放，占比為25.5%，然后是燃油碳排放占比為21.4%，用水的碳排放最少，占比僅僅為0.2%。由此可知，如疫情期間一樣，用電碳排放最高，占家庭碳排放量最主要的部分，而用水碳排放也是最低。
1.2.2家庭碳排放測量特征分析
由表4對比可知，疫情期間每戶碳排放量比疫情之后碳排放量多27.105kg，疫情期間每人碳排放量比疫情之后碳排放量多7.12kg。疫情期后每戶總消耗量下降了7.42%，每人總消耗的量下降了約為7.43%。疫情暴發前后燃氣、汽油消耗產生碳排放均為家庭部門直接碳排量的最主要組成部分。
1.3其他數據分析
1.3.1節能減排宣傳途徑分析
通過問卷數據可知，通過社會宣傳和網絡途徑獲知節能減排行為都占到了70%以上，而其他途徑例如通過電視或者自覺養成分別占到了51%和45%，互聯網的普及促進了信息的加速傳播，我們應當繼續借助互聯網的功能加大宣傳節能減排行為，對于接觸互聯網頻率較低的年老人群，我們也要增加傳統信息傳播方式普及節能減排理念。人們對于進行節能減排的態度，將近82%的人們認為十分有必要，人人有責，這也說明在家庭中推行節能減排措施是非常可行的。
1.3.2家庭節能減排頻率分析
對于調查的家庭節能頻率，家庭經常具有和偶爾具有節能措施分別占有了42.83%和40.57%，總是具有節能措施占了13.14%，最后從不具有節能措施的僅占有了3.43%。數據表明大部分家庭都具有一定的節能減排措施，但節能減排頻率仍然具有進一步拓展的空間。
1.3.3疫情時期下家庭飲食結構分析
在疫情時期下，每月家庭飲食占比最多的是蔬菜，占比66.86%，接下來是肉類食品，占比57.71％，排在第三的是谷類食品，占比53.71％，其他水果，蛋類，奶制品占剩余部分。從數據我們得知，在疫情時期下，人們對蔬菜，肉類食品，谷類食品的需求量很大。因為疫情封控在家，在這個特殊時期，讓很多平時將生活重心放在工作中的人突然擁有大量的閑暇時間，烹飪就成為大多數人最好消磨時間的方式，而蔬菜與肉類的營養價值較高，導致人們對蔬菜和肉類食品的需求量大大提高。
2家庭碳排放影響因素分析
2.1家庭碳排放影響因素相關性分析
為了探討家庭在疫情時的各類碳排放量與總量和家庭各類影響因素之間的相關性，本文采用spssPearson變量相關性分析，通過問卷數據分析各影響因素與家庭碳排放之間是否有顯著性相關。
為了更加直觀地體現各影響因素對家庭各項碳排放之間是否具有影響，設計了影響因素與家庭各項碳排放檢驗匯總表，表格如下。
根據表5可知，在顯著性水平為0.05水平下，房屋面積，平均月支出，外出就餐，用車頻率，用車距離，汽車油耗對合計碳排放有影響。房屋面積，平均月支出，接收快遞對用水碳排放有影響。
在顯著性水平為0.05水平下，房屋面積，平均月支出，接收快遞，外出就餐，用車頻率，用車距離，汽車油耗，對用電碳排放有影響。
在顯著性水平為0.05水平下，平均月支出，接收快遞對天然氣碳排放有影響。
在顯著性水平為0.05水平下，接收快遞，節能頻率對石油氣碳排放有影響。
在顯著性水平為0.05水平下，房屋面積，平均月支出，接收快遞，外出就餐，用車頻率，用車距離，汽車油耗對燃油碳排放有影響。
2.2線性回歸模型建立
為了再進一步探討影響因素對于家庭碳排放的影響程度，我們建立了線性回歸模型，設因變量家庭用水碳排放，用電碳排放，以及天然氣碳排放，液化石油氣碳排放，石油碳排放分別為Y1、Y2、Y3、Y4、Y5。設自變量家庭成員、房屋面積、家庭月支出、領取快遞次數、外出就餐次數、用車次數、用車距離、汽車油耗、節能頻率為X1、X2、X3、X4、X5、X6、X7、X8、X9。建立如下變量指標。
利用軟件spss分析數據樣本，分別針對于Y1、Y2、Y3、Y4、Y5進行線性回歸，再進一步對回歸模型進行優化。估計出來的方程為：
Y1=27.889+0.471X2+0.019X3 （3）
Y2=0.654+0.01X3+0.051X4 （4）
Y3=29.131+0.002X3+1.884X4-1.545X6 （5）
Y4=72.258+0.01X3 （6）
Y5=-0.782+0.151X4+0.426X7 （7）
利用軟件spss分析數據樣本，針對總體碳排放Ei進行線性回歸，優化回歸模型結果如下所示。
由表7估計出來的方程為：
Ei=81.16+0.561X2+0.25X3+0.973X7" （8）
從表7中的運行結果可知，在顯著性水平為0.05的條件下，對家庭總碳排放量（Ei）有顯著性影響的因素為房屋面積（X2）家庭月支出（X3）和與用車距離（X7）。F檢驗P值小于0.05，說明模型整體顯著，房屋面積（X2）家庭月支出（X3）和與用車距離（X7）聯合起來對家庭碳排放量（Ei）有顯著性影響，房屋面積（X2）家庭月支出（X3）和與用車距離（X7）的VIF值小于5，說明模型不存在嚴重的多重共線性問題。
2.3線性回歸模型結果分析
對于家庭用電碳排放，如果家庭居住面積增加10m2，其余因素不變，用電碳排放約增加4.71kg，平均每月生活支出增加1000元，其他因素不變用電碳排放約增加19kg。
對于家庭水碳排放，平均每月生活支出增加1000元，其他因素不變，用水碳排放約增加1kg，每周接收快遞增加10次，其他因素不變，用水碳排放約增加0.51kg。
對家庭天然氣碳排放，每月生活支出增加1000元且其他因素不變，家庭天然氣碳排放約增加2kg。接收快遞增加10次且其他因素不變，家庭天然氣碳排放約增加18.84.每周用車次數減少十次且其他因素不變，碳排放約增加15.45kg。
對于家庭石油氣碳排放每月生活支出增加1000元，碳排放約增加10kg。
對于汽油碳排放，每周接收快遞次數增加十次且其他因素不變，家庭燃油碳排放約增加1.51。平均每周用車距離增加10km且其他因素不變，碳排放約增加4.26kg。
對于家庭總碳排放，家庭面積增加10m2且其他因素不變，家庭總碳排放約增加5.61kg，月支出增加1000元且其他因素不變，家庭碳排放增加250kg。用車距離增加10km且其他因素不變，家庭總碳排放增加9.73kg。
3結論與建議
疫情時期與疫情之后相比較，疫情時期后的間接碳排放明顯低于疫情時期，其中用水量低了36.70%，用電量低了24.88%。
疫情時期與疫情時期后的直接碳排放相比，燃氣所造成的家庭碳排放下降了15.36%，而燃油所造成的家庭碳排放則大幅上漲了43.17%。
在其他方面，在家庭碳排放影響因素上，家庭人數，家庭面積，家庭平均月支出，外出接收快遞或者就餐頻率，用車次數以及頻率和用車里程，汽車油耗呈現出顯著正影響，與具有節能措施有顯著負影響。
對于以上內容可知，想要減少家庭的碳排放，減少家用電器的使用頻率以及使用時長，合理使用自來水，一水多用以及合理使用家庭燃氣，減少私家車使用頻率，多去乘坐公交車以及非機動車出行，減少燃油產生的碳排放等是一些很好的減少家庭碳排放的方法。
且對于家庭碳排放核算結果以及實際生活經驗，我們對于減少家庭碳排放提出了以下幾點建議，①利用互聯網普及的優勢，建立“互聯網+家庭能源消費”智慧系統，利用多學科多平臺交叉融合建立家庭能源消費碳排放數據庫，供電局、供氣公司、供水公司向家庭提供數據測量端，實時監控家庭能源消費碳排放，并對多于設定碳排放值的家庭給予預警并提供相關減排措施。②政府對于節能減排應當加大相關宣傳力度，加強居民對于減少家庭碳排放的理念以及重視程度，開發家庭碳排放量的計算系統，從而促進家庭減少家庭碳排放，同時推行“碳交易”的相關政策，早日達到“碳達峰、碳中和”的目標。③個人方面應該積極學習減少家庭碳排放的相關措施，深入理解節能減排的相關理念，進而提高家庭節能減排頻率，低碳生活。
參考文獻
［1］Pang K L，Zhang K S，Ma S，et al.Analysis of activity and its emissions trend for construction equipment in China [J].Huanjing kexue，2020，41（3）：1132-42.
[2]Leontief W.Environmental repercussions and the economic structure：an input-output Approach [J].The Review of Economics and Statistics，1970，52（3）：262-271.
[3]Bullard C W，Herendeen R.The energy costs of goods and services [J].Energy Policy，1975，3（4）：268-278.
[4]Noorman K J，Schoot Uiterkamp A J M.（Eds.）.Green households domestic consumers，Environment and Sustainability [M].London：Earthscan，1998.
[5]Weber C，Perrels A.Modelling lifestyle eff ects on energy demand and related emissions [J].Energy Policy，2000，28：549-566.
[6]Lenzen M，Dey C，Foran B.Energy requirements of Sydney households [J].Ecological Economics，2004，49：375-399.
[7]Qin Xiaodi，Wu Haitao，Zhang Xiaofang，Wang Wei.The Widening Wealth Inequality as a Contributor to Increasing Household Carbon Emissions[J].Frontiers in Earth Science，2022.
[8]王文秀.上海市居民消費對碳排放的影響研究[D].合肥工業大學，2010.
[9]張小洪，彭小龍，全龐羽，等.家庭生活用能對二氧化碳排放的影響分析[J].資源科學，2011，33（09）：1668-1673.
[10]韓君，牛士豪，高瀛璐，等.新發展階段居民家庭碳排放核算及影響因素研究[J].蘭州財經大學學報，2023，39（01）：68-80.
[11]姜璐，丁博文鵬，周學偉，等.青海高原西寧城鎮社區家庭能耗直接碳排放研究[J].地理科學，2023，43（02）：119-129.
[12]王一帆，毛貝寧，梁天寧，等.后疫情時期家庭碳排放變化特征及影響因素分析[J].自然資源情報，2022（04）：51-59.
[13]李燕.西北省會城市家庭碳排放及影響因素分析[D].蘭州大學，2012.
