籍艷麗

（常熟理工學院 數學與統(tǒng)計學院，江蘇 常熟 215500）

江蘇工業(yè)電力消費CO2排放的地區(qū)差異分解

籍艷麗

（常熟理工學院 數學與統(tǒng)計學院，江蘇 常熟 215500）

通過構建一個包括經濟總量、地區(qū)結構、電力消費強度、碳排放系數四因素的分解模型，運用LMDI方法對2000-2011年江蘇工業(yè)電力消費的CO2排放量進行了地區(qū)分解。結果發(fā)現，經濟總量的擴張始終是導致地區(qū)碳排放增長的決定性因素；而其余三因素對不同地區(qū)的碳排放的作用方向不確定，具體表現為部分地區(qū)部分時段促使碳排放量增加，部分時段卻導致碳排放量減少；且影響程度大小不一，相比較而言，地區(qū)結構的作用程度最小，碳排放系數最大，而電力消費強度介于兩者之間。

工業(yè)電力消費；二氧化碳排放；分解

中國作為全球二氧化碳（Carbon Dioxide，CO2）排放量最大的發(fā)展中國家，控制和削減CO2排放形勢十分嚴峻。有資料顯示，CO2排放來源于所有的經濟活動，包括企業(yè)和居民；但在某種意義上，CO2排放主要和能源消費有關。當我們注意能源消費的CO2排放量時，發(fā)現“電力消費過程中排放的CO2的比重很大”［1］；且在未來相當長一段時期內，電力消費仍處于上升階段。同時，由于中國地區(qū)間經濟發(fā)展不平衡，電力消費量地區(qū)分布不一，其排放的CO2量自然也存在差異。因此，研究電力消費的碳排放的地區(qū)差異，對我國CO2的減排具有重要的意義。作為經濟發(fā)展和碳排放大省之一的江蘇，當然也值得關注。

那么，正處于工業(yè)化中后期的江蘇，怎樣實現電力消費的CO2排放減少的目標？哪些因素造成了碳排放量的增加？且這些因素對碳排放量的影響在不同地區(qū)間有差異嗎？為回答這些問題，本文擬對江蘇工業(yè)電力消費的CO2排放展開研究。

一、文獻回顧

關于CO2排放因素分解的研究比較多，尤其是近十幾年來涌現出的文獻越來越多。其中，多數文獻采用的是對數均值迪氏指數分解法（logarithmic mean Divisia index method，LMDI）①該方法能夠消除不能解釋的殘差項，且能夠處理數據中的0值問題，計算過程簡單，所得分解結果直觀。。如主春杰等（2006）采用這一方法對中國省區(qū)能源消耗導致的CO2排放進行分析，圍繞碳排放系數、能源消費結構、能源消費強度、人均GDP和人口總數五個因素展開［2］；王錚等（2008）以1995-2006年為研究時期，對我國碳排放進行分析，從平均碳排放系數、總排放量、人均排放量和碳排放強度四個指標進行研究［3］；郭朝先（2010）從經濟規(guī)模、經濟結構、能源利用效率、能源消費結構、碳排放系數五個因素對我國1995-2007年的碳排放從地區(qū)層面進行了實證分析［4］；與郭朝先（2010）不同，唐建榮等（2011）選取2000-2009年面板數據，并增加能源規(guī)模、城鄉(xiāng)人口結構等因素的分解模型對之展開分析［5］。同時，除圍繞碳排放量進行的分解外，也有對碳排放強度展開的因素分析，如張秋菊等（2012），其對中國1997-2007年的碳排放量和碳排放強度進行了三因素分解［6］。上述這些研究較好地揭示了我國碳排放的影響因素及其作用強度，并取得了較為一致的結果，均認為經濟規(guī)模是拉動碳排放增長的主要因素，而能源使用效率則是阻礙碳排放增長的決定性因素。

另外，采用LMDI分解方法研究區(qū)域碳排放的文獻也有一些。如郭運功等（2009）、汪宏韜（2010）以上海為研究對象［7-8］，劉燕娜、洪燕真等（2010）對福建進行研究［9］，李磊對新疆展開分析［10］，宋杰鯤（2012）和張偉等（2013）分別對山東和陜西展開分解分析［11-12］。這些文獻對區(qū)域碳排放的影響因素、作用機理及作用強度做了深入分析，有效地揭示出不同區(qū)域碳排放的特征及面臨的主要矛盾與問題，對區(qū)域減排政策的制定具有重要的指導意義。

從上述文獻可以看出，LMDI分解法能較好地對中國（地區(qū)）碳排放量展開定量分析，且得到與實際相符的結論。這說明，該分析方法較為合理和成熟。但其中沒有針對江蘇電力消費進行的實證分析；考慮到江蘇不同地市發(fā)展存在多方面、多層次的顯著差異，因此本文采用LMDI法對江蘇省工業(yè)電力消費①因為地區(qū)的電力消費數據的統(tǒng)計口徑只涉及工業(yè)，因此本文選擇工業(yè)電力消費的碳排放量為研究對象。的碳排放的區(qū)域特征進行深入研究，以期為江蘇如何減少碳排放量提供方向性的啟發(fā)。

需要說明的是，CO2排放因素分解的方法除了前文提到的LMDI分解法，結構分解法（Structural Decomposition Analysis，SDA）也常常采用，而該方法能夠度量電力消費的完全碳排放量；不過，遺憾的是，目前江蘇尚未編制地區(qū)間的投入產出表，導致結構分解法無法使用。因此，本文選用指數分解中的LMDI法對2000-2011年江蘇電力消費的地區(qū)CO2排放量的變化進行分析②限于數據，這里的研究時期確定為2000-2011年。。

二、模型、數據及其處理

（一）CO2排放量的分解模型

一般地，結構分解可用（1）式表示：

然而，加法分解不同，可以分解（2）式：

式（2）中，下標tot表示變量V的變化量，上標t和0分別表示報告期和基期。

具體到LMDI方法中，式（2）第k因素的影響效應可以寫為：

式（3）中，

本文我們采用Ang，B.W.（2005）［13］分解CO2排放量的公式：

最后，將（3）和（4）組合，得到CO2排放量的加法分解模型：

式（5）中方程右方的下標，O、S、E、R分別表示經濟規(guī)模、地區(qū)結構、電力消費強度和碳排放系數的影響效應。具體而言有：

（二）數據來源與處理

本文需要的數據可以分為三類，第一類是經濟規(guī)模數據（Oi），用江蘇各地市工業(yè)增加值表示。2000-2011年的工業(yè)增加值來自歷年《江蘇統(tǒng)計年鑒》，但均是當年價格度量的工業(yè)增加值。為了消除價格因素的影響，需將可變價格的工業(yè)增加值轉換為不變價格的工業(yè)增加值，這里以2005年價格為基期進行調整。具體而言，2004-2011年和2000-2002年數據由地區(qū)生產總值指數表中的工業(yè)增加值指數換算得到；而《江蘇統(tǒng)計年鑒》（2004年）無法查到2003年的工業(yè)增加值指數，但它提供了該年份的地區(qū)生產總值指數，據此也可估算得到不變價格的工業(yè)增加值。具體而言，根據工業(yè)增加值所占比重與地區(qū)生產總值（可比價格）相乘計算得到2003年的不變價工業(yè)增加值。根據此類數據，可進一步計算地區(qū)結構數據（Si）。將不同年份13個地市地區(qū)工業(yè)增加值加總，然后與地區(qū)工業(yè)增加值相除，則獲得地區(qū)結構數據。

第二類是各地市的工業(yè)用電量（Ni），來自于歷年《江蘇統(tǒng)計年鑒》（2001-2012年）。結合工業(yè)增加值數據，可進一步計算得到電力消費強度（Ei）。

第三類是CO2排放量數據（Ri）。該類數據無法直接搜集，需要估算。由于沒有更詳細的數據資料，故無法準確衡量江蘇13個地市的電力碳排放系數，因此均用江蘇電力碳排放系數代替。由相關研究［1］可知，該指標隨時間推移發(fā)生變化。而且，電力碳排放系數的高低反映了電力加工過程中消耗的各種能源的對比關系以及發(fā)電技術的改進，也即是一種能源結構和技術進步的反映。本文直接采用相關研究的測算數據。

三、實證結果及分析

表1　江蘇工業(yè)電力能源消費的CO2排放4因素分解表 單位：百萬噸

對整理的變量Oi、Si、Ni和Ri采用式（5）和式（6）進行分析，并對其結果整理匯總，詳見表1。

表1顯示，2000-2011年，江蘇工業(yè)用電量的CO2排放增加了26079.38百萬噸。其中，地區(qū)工業(yè)經濟總量擴張導致其CO2排放增加了33547.46百萬噸，地區(qū)結構的變化、電力強度的下降（電力利用效率的提高）和碳排放系數的變動導致其CO2排放分別減少了125.47百萬噸、2282.12百萬噸和5060.48百萬噸。就四個因素對碳排放增量影響的作用程度來看，經濟規(guī)模影響最大，接下來依次為碳排放系數、電力消費強度和地區(qū)結構；具體而言，經濟規(guī)模的影響程度為碳排放增量的1.28倍，其余三因素僅僅占其19.40%、8.75%和0.48%。由這組數據對比可以發(fā)現，工業(yè)經濟規(guī)模擴張是導致江蘇工業(yè)電力碳排放增長的決定性因素，而碳排放系數、電力強度和地區(qū)結構卻是促使江蘇工業(yè)電力消費的碳排放量下降的三種因素，不過后兩種因素的作用程度相對較小。

具體分時段來說，經濟規(guī)模這一因素均導致江蘇CO2排放量的增加，且其增加幅度遠遠超過其他三個因素所帶來的影響。對于地區(qū)結構而言，11時段中除了2002-2003年和2003-2004年兩個時段，剩余9個時段均表現為地區(qū)結構的“優(yōu)化”帶來CO2排放量的減少。而電力消費強度卻不同，11個時段中6個時段表現為導致江蘇CO2排放量的增加，剩余5個時段表現為減少。電力消費強度反映電力利用效率的高低，這也意味著，2000-2011年期間，江蘇地區(qū)間的電力利用效率不總是在提高，而是在反復波動中逐漸提高的。而碳排放系數與地區(qū)結構帶來的影響相似，其中除了2003-2004年和2010-2011年兩個時段之外其余的9個時段，均導致江蘇電力CO2排放量的下降。電力碳排放系數實質是反映發(fā)電過程中所消耗的能源結構及技術進步。由此可見，這一時期，江蘇發(fā)電過程中使用的能源消費趨向于“清潔化”或者是發(fā)電技術的進步，也或者是兩者共同作用，當然這只是一種趨勢?？偠灾?，經濟總量擴張是導致碳排放增長的決定性因素，地區(qū)結構和碳排放系數對CO2排放量的下降起促進作用，但地區(qū)結構的影響程度較小。電力消費強度的作用方向不確定，其影響程度介于電力碳排放系數和地區(qū)結構之間。

分地區(qū)看，各地區(qū)工業(yè)經濟規(guī)模的增長無一例外地導致其電力CO2排放量的增長。而地區(qū)結構、電力消費強度和碳排放系數對相應地區(qū)的碳排放的影響，情形比較復雜，這一特征與全省的分析并不一致。就13個地市而言，部分時段表現為促進其電力消費的CO2排放的減少，某些時段表現為阻礙CO2排放的減少，且其帶來的變化幅度大小不一。與經濟規(guī)模相比較，這三因素的作用程度小很多。具體見2000-2011年江蘇工業(yè)用電量的CO2排放量地區(qū)分解圖（圖1-11）。

四、結論與啟示

本文構建了一個包括經濟總量、地區(qū)結構、電力消費強度、碳排放系數四因素的恒等式，運用LMDI方法對2000-2011年江蘇工業(yè)用電量的CO2排放量進行了地區(qū)層面的因素分解，結果發(fā)現：經濟總量的增加是江蘇CO2排放持續(xù)高速增長的主導性因素；碳排放系數的下降是抑制CO2排放量增長的主要因素，但個別時段做得并不好，存在電力碳排放系數增大的情況。電力利用效率的提高促進了CO2排放量的下降，但有部分時段某些地區(qū)卻相反，存在電力利用效率下降導致CO2排放增長的情況。地區(qū)結構的變化對碳排放增長有影響作用，但總體而言，作用程度相對較小，潛力還沒有發(fā)揮出來。

圖1　2000-2001年

圖2　2001-2002年

圖3　2002-2003年

圖4　2003-2004年

圖5　2004-2005年

圖6　2005-2006年

圖7　2006-2007年

圖9　2008-2009年

在全省和地區(qū)兩個層面的研究均表明經濟規(guī)模擴張是拉動碳排放增長的決定性因素，這意味著妥善解決經濟增長與碳排放之間的矛盾是江蘇經濟社會低碳化發(fā)展的關鍵所在。作為發(fā)展中的江蘇，其碳排放既有經濟增長引發(fā)的合理增長，也有因經濟增長方式不合理而導致的過快增長。因此，結構化的減排策略更符合江蘇的實際，即當前乃至今后較長時期內，江蘇碳排放的主要任務是抑制碳排放的不合理增長。同時，繼續(xù)提高電力利用效率，并調整優(yōu)化電力結構，提升發(fā)電技術也是未來一個可努力的方向。更為重要的是，不同地區(qū)應區(qū)別對待，需要具體問題具體分析，不能一刀切，如對近年來電力消費強度出現反彈的徐州等蘇北地區(qū)尤其要注重其電力利用效率的提升。

圖10　2009-2010年

圖11　2010-2011年

［1］籍艷麗.中國能源消費的二氧化碳排放的實證研究［D］.廈門：廈門大學經濟學院，2010：78-80.

［2］主春杰，馬忠玉，王燦，等.中國能源消費導致的CO2排放量的差異特征分析［J］.生態(tài)環(huán)境，2006（5）：1029-1034.

［3］王錚，朱永彬.我國各省區(qū)域碳排放量狀況及減排對策研究［J］.中國科學院院刊，2008（2）：109-115.

［4］郭朝先.中國碳排放因素分解：基于LMDI分解技術［J］.中國人口·資源與環(huán)境，2010（12）：4-9.

［5］唐建榮，張白羽，王育紅.基于LMDI的中國碳排放驅動因素研究［J］.統(tǒng)計與信息論壇，2011（11）：19-25.

［6］張秋菊，王平，朱幫助.基于LMDI的中國能源消費碳排放強度變化因素分解［J］.數學的實踐與認識，2012（13）：79-86.

［7］郭運功，林逢春，白義琴，等.上海市能源利用碳排放的分解研究［J］.環(huán)境污染與防治，2009（9）：8-72.

［8］汪宏韜.基于LMDI的上海市能源消費碳排放實證分析［J］.中國人口·資源與環(huán)境，2010（5）：143-146.

［9］劉燕娜，洪燕真，余建輝.福建省碳排放的因素分解實證研究［J］.技術經濟，2010（8）：58-61.

［10］李磊.新疆經濟發(fā)展中碳排放變動的因素分析［J］.干旱區(qū)資源與環(huán)境，2011（8）：7-11.

［11］宋杰鯤.基于LMDI的山東省能源消費碳排放因素分解［J］.資源科學，2012（1）：35-41.

［12］張偉，張金鎖，鄒紹輝，等.基于LMDI的陜西省能源消費碳排放因素分解研究［J］.干旱區(qū)資源與環(huán)境，2013（9）：26-31.

［13］Ang B W.The LMDI Approach to Decomposition Analysis:A Practical Guide［J］.Energy Policy，2005（33）:867-871.

Abstracts:Electricity consumption of carbon dioxide emissions has increased significantly.This paper builds a four-factor model including the economic scale，the regional structure，the intensity of power consumption and the coefficient of carbon emissions.By using LMDI method and the data of Jiangsu's industrial electricity consumption from 2000 to 2011，it makes a regional decomposition.The conclusions indicate that the economic development has always been the decisive factor，while the other three factors are uncertain about the effect of carbon emissions in different regions.For some regions，carbon emissions increase at certain periods，while they reduce at other periods and the influence degrees are different.In comparison，the minimum extent is the regional structure，the largest is the carbon emission factor，and the intensity of power lies between them.

A Decomposition of Industrial Electricity Consumption of CO2Emissions of Jiangsu Province

JI Yan-li
（School of Mathematics and Statistics，Changshu Institute of Technology，Changshu 215500，China）

industrial electricity consumption；carbon dioxide emissions；decomposition

F062.2

A

1008-2794（2015）05-0048-05

2014-06-08

江蘇省教育廳2012年度高校哲學社會科學研究基礎資助項目“江蘇能源消費的二氧化碳排放研究”（2012SJB790001）

籍艷麗（1978— ），女，山西長治人，副教授，博士，主要研究方向為統(tǒng)計理論與方法。