王開+傅利平

摘要 為探討京津冀地區(qū)溫室氣體排放強(qiáng)度變化的影響因素，采用對數(shù)平均迪式分解模型及歸因分析（LMDIAttribution）方法，基于1996—2014年數(shù)據(jù)從細(xì)分行業(yè)角度進(jìn)行研究。針對溫室氣體排放強(qiáng)度作產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和排放因子三因素LMDI乘法分解，對溫室氣體排放強(qiáng)度變化的影響效應(yīng)作歸因分析，量化4個(gè)行業(yè)對分解因素影響效應(yīng)的貢獻(xiàn)，得到以下主要結(jié)論：1996—2014年京津冀地區(qū)溫室氣體排放強(qiáng)度主要呈現(xiàn)下降趨勢，累計(jì)下降23.05%。其中，能源強(qiáng)度是溫室氣體排放強(qiáng)度下降的主導(dǎo)因素，其影響效應(yīng)為-61.18%，對這一影響效應(yīng)貢獻(xiàn)最大的是工業(yè)，并且四大經(jīng)濟(jì)部門均通過能源強(qiáng)度在不同程度上使得溫室氣體排放強(qiáng)度有所減小，可見“階梯電價(jià)”、“千家企業(yè)節(jié)能項(xiàng)目”、“十大重點(diǎn)節(jié)能項(xiàng)目”等相關(guān)政策在工業(yè)發(fā)展中對提高能源效率的作用明顯。產(chǎn)業(yè)結(jié)構(gòu)使得溫室氣體排放強(qiáng)度增加23.53%，其主要貢獻(xiàn)者是工業(yè)，說明“工業(yè)產(chǎn)品出口退稅率調(diào)整”等一系列政策的效果不明顯；然而農(nóng)業(yè)則使得溫室氣體排放強(qiáng)度降低，貢獻(xiàn)值為3.09%。碳排放因子在1996—2014年間對溫室氣體排放強(qiáng)度的影響為60.47%，是京津冀地區(qū)溫室氣體排放強(qiáng)度增加的主要因素，說明京津冀地區(qū)的能源結(jié)構(gòu)不合理。工業(yè)對這一效應(yīng)的貢獻(xiàn)最大為55.97%?？梢?，工業(yè)在京津冀地區(qū)的溫室氣體減排工作中起到最為關(guān)鍵的作用。

關(guān)鍵詞 京津冀地區(qū)；溫室氣體排放強(qiáng)度；LMDIAttribution； 節(jié)能項(xiàng)目；階梯電價(jià)

中圖分類號(hào) X322

文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2017）10-0115-07DOI：10.12062/cpre.20170421

目前，中國是世界上最大的溫室氣體排放國，占全球溫室氣體排放總量的25.86%[1]，在世界應(yīng)對氣候變化的過程中扮演重要的角色。京津冀地區(qū)作為我國的重要經(jīng)濟(jì)圈，其溫室氣體減排情況直接關(guān)系到國家總目標(biāo)的實(shí)現(xiàn)。天津市和河北省是中國較大的工業(yè)基地之一，北京作為中國的首都，經(jīng)濟(jì)發(fā)展迅速。2014年，京津冀地區(qū)人口總數(shù)占全國人口總數(shù)的8.06%，國內(nèi)生產(chǎn)總值占全國的10.45%，能源消費(fèi)總量占全國的比重為10%左右，溫室氣體排放量占全國10.83%。可見，研究京津冀地區(qū)的溫室氣體排放問題具有重要意義。

1 文獻(xiàn)綜述

目前，許多學(xué)者對中國二氧化碳排放問題進(jìn)行了研究，其中分解分析是相關(guān)研究的有效工具，研究主要從國家層面、省域?qū)用婧托袠I(yè)層面展開。趙志耘和楊朝峰[2]采用LMDI方法分析中國2000—2009年碳排放的影響因素；Xu et al.[3]采用LMDI方法從部門角度研究中國溫室氣體的變化，基于此評價(jià)了中國減排政策；郭朝先[4]采用LMDI分解法從產(chǎn)業(yè)層面和地區(qū)層面對碳排放進(jìn)行分解，從產(chǎn)業(yè)和能源利用層面提出碳減排的有效途徑和可行選擇。鑒于工業(yè)碳排放量占中國碳排放總量的70%[5]，對于工業(yè)碳排放的影響因素成為一個(gè)研究熱點(diǎn)。國涓等人基于修正的Laspeyres指數(shù)分解方法，分析中國工業(yè)和工業(yè)各部門1994—2007年碳排放的影響因素，結(jié)果表明工業(yè)產(chǎn)出是中國工業(yè)部門碳排放增長的主要因素，而能源強(qiáng)度則是抑制碳排放的主要因素[6]。董軍和張旭基于LMDI方法研究了中國工業(yè)部門1995—2007年碳排放的影響因素，結(jié)果表明能源強(qiáng)度對碳排放起到了明顯的抑制作用，但工業(yè)總量增長效應(yīng)抵消了能源強(qiáng)度效應(yīng)[7]。Ren et al.等人從省域角度分析中國工業(yè)碳排放變化的原因，得出經(jīng)濟(jì)增長是碳排放增長的主要因素，能源強(qiáng)度效應(yīng)是碳排放減少的關(guān)鍵因素[8]的類似結(jié)論。

關(guān)于京津冀地區(qū)碳排放的研究，王喜平等人[9]基于2000—2009年間數(shù)據(jù)研究能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平和人口規(guī)模等因素變化對京津冀地區(qū)碳排放的影響，LMDI方法的分解結(jié)果表明產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化是將來碳排放量降低的關(guān)鍵因素，并提出優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)的相關(guān)建議；Wang和Yang[10]基于一個(gè)擴(kuò)展的脫鉤彈性分解模型和工業(yè)碳排放指數(shù)，定量分析1996—2010年京津冀工業(yè)增長和環(huán)境壓力的脫鉤指標(biāo)；Yang et al.[11]采用STIRPAT模型研究北京碳排放的影響因素，主要聚焦用戶人口相關(guān)因素。

目前關(guān)于碳排放影響因素的研究基本采用LMDI方法或STIRPAT模型，本文在此基礎(chǔ)上采用Choi & Ang提出的LMDIAttribution分析方法[12]，該分析方法在中國問題的研究中使用較少。同時(shí)，對京津冀地區(qū)整體溫室氣體排放的研究相對較少，并且僅限于研究碳排放（碳排放強(qiáng)度）的影響因素，缺乏主要經(jīng)濟(jì)行業(yè)對于碳排放強(qiáng)度變化影響因素的貢獻(xiàn)研究。本文基于1996—2014年京津冀地區(qū)的相關(guān)數(shù)據(jù)，首先對京津冀地區(qū)溫室氣體排放強(qiáng)度的變化進(jìn)行LMDI乘法分解，將其分解為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)和排放因子效應(yīng)；其次，基于分解結(jié)果采用歸因分析方法將各因素的影響效應(yīng)歸因到四個(gè)主要經(jīng)濟(jì)行業(yè)（農(nóng)業(yè)、工業(yè)、交通運(yùn)輸業(yè)以及商業(yè)和服務(wù)業(yè)），即可以得到各經(jīng)濟(jì)行業(yè)分別通過每個(gè)影響因素對碳排放強(qiáng)度的貢獻(xiàn)；基于研究結(jié)果評價(jià)“階梯電價(jià)”[13]、“千家企業(yè)節(jié)能項(xiàng)目”、“十大重點(diǎn)節(jié)能項(xiàng)目”[3]以及“調(diào)整出口退稅率商品目錄”等一系列政策對京津冀地區(qū)碳排放強(qiáng)度影響的有效性。

2 研究方法和數(shù)據(jù)來源

2.1 碳排放量核算

根據(jù)政府間氣候變化專門委員會(huì)（IPCC）2007報(bào)告[14]，能源相關(guān)的CO2排放量可以根據(jù)能源消耗量、排放系數(shù)和燃料的氧化率計(jì)算得出。具體方法如公式（1）所示：

其中，COt2ij表示第t年i部門j燃料的直接CO2排放量，單位為Mt；COt2j表示第t年i部門的總體能源相關(guān)CO2排放量；Etij表示第t年i部門j燃料的消耗量；EFj表示j燃料的碳排放系數(shù)；Oj表示j燃料燃燒過程中的氧化率。

熱力和電力的GHG排放量是通過發(fā)電機(jī)的燃料消耗來計(jì)算，然后再按照能源平衡表中的熱力和電力消耗的比例重新分配。只考慮化石燃料發(fā)電不能代表發(fā)電的一次能源消費(fèi)，因?yàn)楹穗姾退姲l(fā)電比重逐年增加[15]。因此，除化石燃料，本文在研究過程中還考慮了用于發(fā)電的核電和水電能源的貢獻(xiàn)，計(jì)算過程中對于熱力核能和水能的碳排放系數(shù)假定為零。熱力和電力的GHG排放系數(shù)計(jì)算公式表示為[1]：endprint

其中，eft表示第t年熱力或者電力的平均排放系數(shù)；CO2ej，t表示第t年j燃料用于發(fā)熱或者發(fā)電所產(chǎn)生的當(dāng)量CO2排放量；Efossil，t表示第t年化石燃料燃燒產(chǎn)生的熱力或者電力；Enuclear，t表示第t年核能產(chǎn)生的熱力或者電力；Ehydro，t表示第t年水能產(chǎn)生的熱力或者電力。

2.2 LMDI分解模型

IDA（指數(shù)分解分析）方法是探究碳排放影響因素的有效方法[16]，主要包括Laspeyres分解方法和LMDI方法，其結(jié)果不僅可以識(shí)別關(guān)鍵因素還可以評價(jià)相關(guān)政策的有效性。LMDI方法目前使用較為廣泛，因?yàn)槠渚哂新窂綗o關(guān)性、處理零值的能力及一致性等優(yōu)點(diǎn)[17]。為進(jìn)行歸因分析，此處采用Ang and Choi[18]提出的LMDI乘法分解方法。溫室氣體排放強(qiáng)度即單位GDP產(chǎn)生的溫室氣體排放量，將溫室氣體排放強(qiáng)度分解三個(gè)因素，包括產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和排放因子，公式如下所示：

其中，CI表示碳溫室氣體排放強(qiáng)度；i表示行業(yè)，C表示二氧化碳排放總量，Ci表示i行業(yè)的二氧化碳排放量；G和Gi分別表示京津冀地區(qū)GDP總量和i行業(yè)的工業(yè)增加值；Ei表示i行業(yè)的能源消費(fèi)量；Si表示i行業(yè)工業(yè)增加值占比，EIi表示i行業(yè)的能源強(qiáng)度，即單位GDP消耗的能源，CFi表i行業(yè)消費(fèi)能源的碳排放因子。

單時(shí)段溫室氣體排放強(qiáng)度變化的分解公式如下所示：

其中，t表示年份，St/St-1，EIt/EIt-1和CFt/CFt-1分別表示[t-1，t]時(shí)間段內(nèi)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)和排放因子效應(yīng)。（2）式中的指數(shù)計(jì)算方式如下：

其中，wi是行業(yè)i的權(quán)重，其中L（x，y）=（x-y）/（lnx-lny）。

根據(jù)單時(shí)段分解公式（4），可以得到多時(shí)段分解公式，以期初為基年，則末期的溫室氣體排放強(qiáng)度變化計(jì)算如下：

其中，0表示期初，T表示末期，等式右邊是由逐年分解指數(shù)鏈?zhǔn)嚼鄢说玫剑謩e表示[0，T]時(shí)間段內(nèi)三個(gè)指數(shù)對二氧化碳溫室氣體排放強(qiáng)度變化的影響效應(yīng)，具體形式如公式（6）所示。

2.3 Attribution分析

以LMDI分解的結(jié)果為基礎(chǔ)，對各因素的影響效應(yīng)進(jìn)行歸因分析，計(jì)算各行業(yè)對各因素影響效應(yīng)的貢獻(xiàn)。按照Choi & Ang[14]提出的歸因分析，以產(chǎn)業(yè)結(jié)構(gòu)為例，可以得到單時(shí)段各行業(yè)對產(chǎn)業(yè)結(jié)構(gòu)指數(shù)變化百分比的貢獻(xiàn)值，如下：

其中，ct-1，tS，i為單時(shí)段歸因分析結(jié)果，根據(jù)單時(shí)段歸因分析結(jié)果，可得到[0，T]時(shí)間段各行業(yè)對產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)變化的貢獻(xiàn)：

其中，c0，TS，i將為 [0，T]時(shí)間段各行業(yè)對產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)變化的貢獻(xiàn)值。

2.4 數(shù)據(jù)來源

本研究范圍為1996—2014年京津冀地區(qū)四個(gè)主要經(jīng)濟(jì)行業(yè)（農(nóng)業(yè)、工業(yè)、交通運(yùn)輸業(yè)、商業(yè)和服務(wù)業(yè)）的數(shù)據(jù)。終端能源消費(fèi)來源于《中國能源統(tǒng)計(jì)年鑒》[19]，總共考慮原煤、精洗煤、其它洗煤、焦炭、焦?fàn)t煤氣、其他煤氣、其他焦化產(chǎn)品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、其他石油制品、天然氣、熱力以及電力等18能源，在發(fā)電中考慮了水能和核能等新能源。GDP及各行業(yè)工業(yè)增加值來源于《中國統(tǒng)計(jì)年鑒》[20]，但2008年以后的工業(yè)增加值沒有統(tǒng)計(jì)，因此根據(jù)工業(yè)增加值年平均增長率進(jìn)行計(jì)算，此數(shù)據(jù)來源于《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》[21]。此外，GDP及工業(yè)增加值轉(zhuǎn)換為1995年不變價(jià)格，能源消費(fèi)量均轉(zhuǎn)換為標(biāo)準(zhǔn)煤。

3 結(jié)果分析和討論

3.1 溫室氣體排放強(qiáng)度因素分解

使用LMDI乘法分解模型，將中國1996—2014年期間京津冀地區(qū)溫室氣體排放強(qiáng)度分解為產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、排放因子三個(gè)影響因素。單時(shí)段和多時(shí)段京津冀溫室氣體排放強(qiáng)度變化及其因素分解影響效應(yīng)的時(shí)間序列結(jié)果如表1所示，單時(shí)段結(jié)果表示以前一年為基年，多時(shí)段表示以1996年為基年。

從單時(shí)段分解結(jié)果可以看出，在1998年、2003—2005年間及2011年溫室氣體排放強(qiáng)度有所增長，其中對于1998年和2011年溫室氣體排放強(qiáng)度的增長，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和碳排放因子效應(yīng)是主要因素。2008年受到金融危機(jī)影響，各產(chǎn)業(yè)發(fā)展速度明顯減緩。此后，為應(yīng)對金融危機(jī)，中國政府推出一系列促進(jìn)經(jīng)濟(jì)增長的政策，使得2011年的碳排放強(qiáng)度有所增加。而2003—2005年期間，能源強(qiáng)度也對溫室氣體的排放起到較為明顯的促進(jìn)作用，主要原因是2001年中國加入WTO，使得大批國外耗能行業(yè)轉(zhuǎn)向國內(nèi)投資，此階段對于能源消費(fèi)和碳排放問題政府沒有提出有效的控制政策和措施[22]。多時(shí)段指數(shù)分解結(jié)果表明，溫室氣體排放強(qiáng)度從1996—2014年累計(jì)下降23.05%。能源強(qiáng)度是導(dǎo)致溫室氣體排放強(qiáng)度下降的主要因素，累計(jì)貢獻(xiàn)值為61.18%。而產(chǎn)業(yè)結(jié)構(gòu)和排放因子在整個(gè)研究階段均促進(jìn)溫室氣體排放強(qiáng)度的增加，其中碳排放因子發(fā)揮主要作用使得溫室氣體排放強(qiáng)度增加60.47%，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)為23.53%。

總體而言，京津冀能源強(qiáng)度的降低是溫室氣體排放強(qiáng)度減少的主要因素，表明其能源效率在整個(gè)研究階段具有較大改善。說明中國在此研究階段提出的相關(guān)政策對京津冀地區(qū)發(fā)揮了較好的作用。例如：2004年，中國針對工業(yè)提出階梯電價(jià)的政策，將工業(yè)部分行業(yè)按照產(chǎn)業(yè)、技術(shù)和能源效率水平分為“鼓勵(lì)”、“允許”、“限制”和“消除”四個(gè)組。其中前兩組的電價(jià)按當(dāng)?shù)毓I(yè)通電的標(biāo)準(zhǔn)收費(fèi)，而后兩組則分別需要增收0.02元/kW·h和0.05元/kW·h-的附加費(fèi)。此項(xiàng)政策在一定程度上可以減少高耗能企業(yè)的電力消費(fèi)，同時(shí)也可促進(jìn)這些企業(yè)提高其技術(shù)和能源效率水平。2006年發(fā)展與改革委提出的“千家企業(yè)節(jié)能項(xiàng)目”和2007年財(cái)政部和發(fā)展與改革委提出的“十大重點(diǎn)節(jié)能項(xiàng)目”，促進(jìn)了工業(yè)行業(yè)的節(jié)能水平同時(shí)也提高了其能源效率。產(chǎn)業(yè)結(jié)構(gòu)在一定程度上促進(jìn)了溫室氣體排放強(qiáng)度的增加，意味著京津冀地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)還需繼續(xù)優(yōu)化。從2003年開始，政府減少很多工業(yè)行業(yè)產(chǎn)品的出口退稅率。此后，在2005年、2006年、2007年和2010年均對此政策進(jìn)行調(diào)整，以達(dá)到減少工業(yè)行業(yè)的產(chǎn)品出口，從而控制工業(yè)的不斷發(fā)展。但是京津冀地區(qū)的工業(yè)仍處于快速發(fā)展階段，可見此類政策起到一定作用但作用有限。同時(shí)排放因子則對溫室氣體排放強(qiáng)度的增加起到促進(jìn)作用，表明其能源結(jié)構(gòu)仍然不合理。目前，京津冀地區(qū)的能源主要以煤制品和油制品為主，二者在終端能源消費(fèi)中占比在60%—70%，而天然氣作為化石能源中的清潔能源占比則在1.0%—3.1%，這表明京津冀地區(qū)的能源消耗仍然以高碳能源為主，對環(huán)境和氣候變化產(chǎn)生負(fù)面影響。此外，電力的消費(fèi)量從1996年的24.94%增加到2014年的34.74%，電力消費(fèi)量的增加意味著煤炭消費(fèi)量的增加，因?yàn)橹袊壳?0%左右的電力來源于火力發(fā)電。為了更好地降低溫室氣體排放強(qiáng)度，在電力行業(yè)鼓勵(lì)新能源的使用和發(fā)展是必要的。endprint

3.2 歸因分析

基于1996—2014年京津冀地區(qū)溫室氣體排放強(qiáng)度LMDI乘法分解結(jié)果，根據(jù)式（8）對分解因素影響效應(yīng)變化進(jìn)行歸因分析，分析結(jié)果以1996年為基年，給出1996—2014年京津冀地區(qū)各主要經(jīng)濟(jì)行業(yè)對分解因素影響效應(yīng)變化的累計(jì)貢獻(xiàn)值，結(jié)果如表2所示。

3.2.1 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)歸因分析

對京津冀地區(qū)溫室氣體排放強(qiáng)度的分解結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)對溫室氣體排放強(qiáng)度變化的影響起到一定的促進(jìn)作用。由表2可以看出：1996—2014年，產(chǎn)業(yè)結(jié)構(gòu)對溫室氣體排放強(qiáng)度下降的累計(jì)影響值為23.53%，對這一值貢獻(xiàn)最大的行業(yè)是工業(yè)，工業(yè)增加值在總增加值中占比最大，并且從1996年的38.80%增加到2014年的50.37%。京津兩地的經(jīng)濟(jì)發(fā)展自2015年起均以第三產(chǎn)業(yè)為主，但仍然注重工業(yè)發(fā)展。雖然工業(yè)總體對溫室氣體排放強(qiáng)度 的增加起到促進(jìn)作用，但是其新能源產(chǎn)業(yè)和高新技術(shù)產(chǎn)業(yè)的比重增速較快，對于工業(yè)內(nèi)部的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整也起到積極作用，未來工業(yè)對溫室氣體排放強(qiáng)度的促進(jìn)作用會(huì)有所減少。其次是交通運(yùn)輸業(yè)及商業(yè)和服務(wù)業(yè)，這兩個(gè)行業(yè)的貢獻(xiàn)值分別為0.78%及0.35%。交通運(yùn)輸業(yè)及商業(yè)和服務(wù)業(yè)的占比有一定程度的增加，因?yàn)閷⒐I(yè)布局和高效交通體系有機(jī)結(jié)合是促進(jìn)京津冀協(xié)同發(fā)展的有效途徑，近些年無論鐵路體系還是公路體系都有一定程度的改善，使得交通運(yùn)輸業(yè)有了一定發(fā)展。此外，借助互聯(lián)網(wǎng)技術(shù)，京津冀地區(qū)的軟件和信息技術(shù)服務(wù)業(yè)，電信、廣播電視和衛(wèi)星傳輸服務(wù)等新興服務(wù)業(yè)實(shí)現(xiàn)了強(qiáng)勢增長，為服務(wù)業(yè)的快速發(fā)展起到積極作用。然而農(nóng)業(yè)通過產(chǎn)業(yè)結(jié)構(gòu)對溫室氣體強(qiáng)度的減小起到一定作用，導(dǎo)致其減小3.09%，并且在整個(gè)研究階段農(nóng)業(yè)通過產(chǎn)業(yè)結(jié)構(gòu)對溫室氣體排放強(qiáng)度的影響均為負(fù)值。農(nóng)業(yè)的占比從1996—2014年的縮小趨勢最為明顯，從24.66%減小到9.28%。其主要原因是其他三大經(jīng)濟(jì)部門的快速發(fā)展，目前京津冀地區(qū)發(fā)布《京津冀現(xiàn)代農(nóng)業(yè)協(xié)同發(fā)展規(guī)劃（2016—2020年）》，著力構(gòu)建一、二、三產(chǎn)業(yè)融合的現(xiàn)代農(nóng)業(yè)經(jīng)營體系，促進(jìn)京津冀地區(qū)農(nóng)業(yè)提質(zhì)增效和轉(zhuǎn)型升級(jí)。

3.2.2 能源強(qiáng)度效應(yīng)歸因分析

結(jié)合表1可以看出，能源強(qiáng)度對京津冀地區(qū)溫室氣體排放強(qiáng)度的降低起到主要作用。由表2可以看出，整個(gè)研究階段能源強(qiáng)度均對溫室氣體排放強(qiáng)度的減小起到重要作用。除農(nóng)業(yè)以外，其余三個(gè)行業(yè)的能源強(qiáng)度的變化均對溫室氣體排放強(qiáng)度起到抑制作用。工業(yè)對溫室氣體排放強(qiáng)度降低的貢獻(xiàn)最大，為-59.19%。并且四大經(jīng)濟(jì)部門均通過能源強(qiáng)度對溫室氣體排放強(qiáng)度的減少起到一定作用，依次為交通運(yùn)輸業(yè)（-1.22%）、商業(yè)和服務(wù)業(yè)（-0.66%）、農(nóng)業(yè)（-0.11%）。

1996—2014年，四大經(jīng)濟(jì)部門能源強(qiáng)度在一定程度上均有減少，如工業(yè)的能源強(qiáng)度減小幅度最大為53.07%；商業(yè)和服務(wù)業(yè)減小26.52%；交通運(yùn)輸業(yè)從1.28 Mt/億元減小到1.11 Mt/億元。農(nóng)業(yè)的能源強(qiáng)度減小幅度最為輕微，從0.25 Mt/億元減小到0.22 Mt/億元。綜上，能源強(qiáng)度的降低是溫室氣體排放強(qiáng)度降低的關(guān)鍵因素。在改善能源效率方面，政府提出了一系列政策和指導(dǎo)辦法，如工業(yè)行業(yè)提出并完成的“千家企業(yè)節(jié)能項(xiàng)目”、“十個(gè)關(guān)鍵能源節(jié)約項(xiàng)目”以及“階梯電價(jià)”等，從本文分析結(jié)果看政策起到了較好的效果；交通運(yùn)輸業(yè)建立了汽車排放標(biāo)準(zhǔn)和燃料消耗量限值，并頒布車輛能源消費(fèi)稅等，也對其能源效率的改善起到促進(jìn)作用。從能源強(qiáng)度的歸因分析結(jié)果上看，農(nóng)業(yè)、交通運(yùn)輸業(yè)及商業(yè)和服務(wù)業(yè)雖然對溫室氣體排放強(qiáng)度的減少起到一定作用，但其能源效率仍需進(jìn)一步改善。由 于能源強(qiáng)度的降低是溫室氣體排放強(qiáng)度降低的關(guān)鍵，因此國家應(yīng)針對不同行業(yè)提出差異化政策建議，通過提高各行業(yè)的能源使用效率降低碳排放。

3.2.3 排放因子效應(yīng)歸因分析

從表2最后一行可以看出，碳排放因子對溫室氣體排放強(qiáng)度的增加起到了主要的促進(jìn)作用，貢獻(xiàn)值為60.47%。四個(gè)經(jīng)濟(jì)部門均使得溫室氣體排放強(qiáng)度增加，其中工業(yè)的影響最大，為55.97%，農(nóng)業(yè)和交通運(yùn)輸業(yè)二者的貢獻(xiàn)分別為2.47%和1.14%，商業(yè)和服務(wù)業(yè)影響相對較小，整個(gè)研究階段的貢獻(xiàn)值為0.89%。

四個(gè)經(jīng)濟(jì)部門的碳排放因子均有不同程度的增加，京津冀地區(qū)四大經(jīng)濟(jì)部門的能源結(jié)構(gòu)都需要進(jìn)一步改善。京津冀地區(qū)是全國重要的區(qū)域能源消費(fèi)中心，能源消費(fèi)總量占全國10%以上。國家目前正在推進(jìn)京津冀區(qū)域能源結(jié)構(gòu)調(diào)整，這對其溫室氣體排放強(qiáng)度的降低具有積極意義。河北省煤炭消費(fèi)占一次性能源消費(fèi)的90%左右，對煤炭消費(fèi)依賴極其嚴(yán)重。天津市的煤炭和石油消費(fèi)占能源消費(fèi)總量的50%以上，清潔能源占比3%左右，相對較低。經(jīng)過多次能源結(jié)構(gòu)調(diào)整，北京的清潔低碳能源比重已達(dá)到86%左右，這對京津冀協(xié)同發(fā)展共同調(diào)整能源結(jié)構(gòu)具有極其重要作用。但總體而言，京津冀地區(qū)四大經(jīng)濟(jì)部門的能源結(jié)構(gòu)應(yīng)繼續(xù)優(yōu)化。

排放因子效應(yīng)主要體現(xiàn)各行業(yè)能源結(jié)構(gòu)的合理性，目前，京津冀地區(qū)的能源結(jié)構(gòu)雖不斷改善，但高排放能源如煤炭和石油等仍占較高比值。而清潔能源和可再生能源如天然氣等所占終端能源消費(fèi)的比例依舊很低，因此控制高碳能源和鼓勵(lì)清潔能源成為必然。

4 結(jié)論和政策建議

本文基于LMDIAttribution方法，研究中國京津冀地區(qū)溫室氣體排放強(qiáng)度的變化問題。首先，將京津冀地區(qū)1996—2014年能源消費(fèi)相關(guān)的溫室氣體排放強(qiáng)度分解為產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和排放因子三個(gè)因素；其次對各影響因素作進(jìn)行歸因分析，探索三個(gè)因素中四大經(jīng)濟(jì)部門對總體溫室氣體排放強(qiáng)度的貢獻(xiàn)。得到如下結(jié)論：

1996—2014年京津冀地區(qū)溫室氣體排放強(qiáng)度主要呈現(xiàn)下降趨勢，累計(jì)下降23.05%。其中，能源強(qiáng)度是溫室氣體排放強(qiáng)度下降的主導(dǎo)因素，產(chǎn)業(yè)結(jié)構(gòu)和排放因子對溫室氣體排放強(qiáng)度的增加起到促進(jìn)作用，其中排放因子的促進(jìn)作用更為明顯。

產(chǎn)業(yè)結(jié)構(gòu)對溫室氣體排放強(qiáng)度影響值的變化主要依托于主要經(jīng)濟(jì)部門行業(yè)增加值占比的變化。產(chǎn)業(yè)結(jié)構(gòu)影響效應(yīng)在1996—2014年期間對溫室氣體排放強(qiáng)度增加的影響值為23.53%，對產(chǎn)業(yè)結(jié)構(gòu)的分析說明京津冀地區(qū)能耗較高行業(yè)的行業(yè)增加值占比仍然過高，例如工業(yè)和交通運(yùn)輸業(yè)。因此進(jìn)一步促進(jìn)商業(yè)與服務(wù)業(yè)等低耗能產(chǎn)業(yè)的發(fā)展，對于未來京津冀地區(qū)溫室氣體排放強(qiáng)度的降低至關(guān)重要。endprint

能源強(qiáng)度在1996—2014年對溫室氣體排放強(qiáng)度的累計(jì)影響效應(yīng)為-61.18%，表明能源強(qiáng)度的降低是溫室氣體排放強(qiáng)度降低的關(guān)鍵。因此，國家應(yīng)從提高能源效率入手，相關(guān)政策可以依據(jù)各行業(yè)生產(chǎn)特點(diǎn)，引入具有針對性的節(jié)能標(biāo)準(zhǔn)，將節(jié)能指標(biāo)完成情況納入經(jīng)濟(jì)社會(huì)發(fā)展綜合評價(jià)和年度考核體系，通過提高各行業(yè)的能源效率降低碳排放。

碳排放因子在1996—2014年間對溫室氣體排放強(qiáng)度增加的貢獻(xiàn)最為明顯（60.47%）。考慮到排放因子這一因素，中國政府應(yīng)當(dāng)更進(jìn)一步地推進(jìn)能源結(jié)構(gòu)的優(yōu)化和改善，實(shí)行控煤政策，爭取在保證企業(yè)盈利的情況下實(shí)現(xiàn)煤炭消費(fèi)量的負(fù)增長，推廣煤炭清潔利用，并降低高排放能源的消費(fèi)比例，提倡使用低排放能源和可再生能源如風(fēng)能、太陽能、核能和生物質(zhì)能等。

參考文獻(xiàn)（References）

[1]IEA. CO2 emissions from fuel combustion highlights[R]. Paris： International Energy Agency，2012.

[2]趙志耘，楊朝峰.中國碳排放驅(qū)動(dòng)因素分解分析[J].中國軟科學(xué)， 2012 （6）： 175-183. [ZHAO Zhiyun， YANG Chaofeng. The decomposition analysis on the driving factors of Chinas carbon emission[J]. China soft science， 2012 （6）： 175-183.]

[3]XU-X， ZHAO T， LIU N， et al. Changes of energyrelated GHG emissions in China： an empirical analysis from sectoral perspective [J]. Applied energy， 2014， 132（11）：298-307.

[4]郭朝先.中國碳排放因素分解：基于 LMDI 分解技術(shù)[J]. 中國人口·資源與環(huán)境， 2011， 20（12）： 4-9.[GUO Chaoxian. Decomposition of Chinas carbon emissions： based on LMDI method[J]. China population， resources and environment， 2011， 20（12）： 4-9.]

[5]LIU-N， MA Z， KANG J. Changes in carbon intensity in Chinas industrial sector： decomposition and attribution analysis[J]. Energy policy， 2015， 87： 28-38.

[6]國涓， 劉長信， 孫平. 中國工業(yè)部門的碳排放：影響因素及減排潛力[J]. 資源科學(xué)， 2011， 33（9）：132-140. [GUO Juan， LIU Changxin， SUN Ping. Carbon emissions of industrial sectors in China： influencing factors and emission reduction potential[J]. Resources science， 2011， 33（9）： 132-140.]

[7]董軍， 張旭. 中國工業(yè)部門能耗碳排放分解與低碳策略研究[J]. 資源科學(xué)， 2010， 32（10）：1856-1862. [DONG Jun， ZHANG Xu. Decomposition of carbon emissions and low carbon strategies for industrial sector energy consumption in China[J]. Resources science， 2010， 32（10）： 1856-1862.]

[8]REN-S， FU X， CHEN X. Regional variation of energyrelated industrial CO2 emissions mitigation in China[J]. China economic review， 2012， 23（4）： 1134-1145.

[9]王喜平， 孟明， 劉劍， 等. 碳排放約束下京津冀都市圈全要素能源效率研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2013（1）：11-19. [WANG Xiping， MENG Ming， LIU Jian， et al. Study on total factor energy efficiency of BeijingTianjinHebei metropolitan region under the constraint of carbon emission[J]. Industrial technology & economy， 2013（1）： 11-19.]

[10]WANG-Z， YANG L. Delinking indicators on regional industry development and carbon emissions： BeijingTianjinHebei economic band case[J]. Ecological indicators， 2015， 48： 41-48.

[11]YANG-Y， ZHAO T， WANG Y， et al. Research on impacts of populationrelated factors on carbon emissions in Beijing from 1984 to 2012[J]. Environmental impact assessment review， 2015， 55： 45-53.endprint

[12]CHOI-K H， ANG B W. Attribution of changes in Divisia real energy intensity index ：an extension to index decomposition analysis[J]. Energy economics， 2012， 34（1）： 171-176.

[13]YANG-M， PATIOECHEVERRI D， YANG F， et al. Industrial energy efficiency in China： achievements， challenges and opportunities[J]. Energy strategy reviews， 2015， （6）： 20-29.

[14]IPCC. IPCC fourth assessment report[R]. 2007-02-10. http：//www.ipcc.ch/publications_and_data /publications_and_data_reports.htm.

[15]ANG-B W， CHOI K H. Boundary problem in carbon emission decomposition[J]. Energy policy， 2002， 30（13）： 1201-1205.

[16]MA-C. A multifuel， multisector and multiregion approach to index decomposition： an application to Chinas energy consumption 1995-2010[J]. Energy economics， 2014， 42： 9-16.

[17]ANG-B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）： 1131-1139.

[18]ANG-B W， CHOI K H. Decomposition of aggregate energy and gas emission intensities for industry： a refined Divisia index method[J]. Energy， 1997， 18 （3）： 59-73.

[19]國家統(tǒng)計(jì)局. 中國能源統(tǒng)計(jì)年鑒（1997—2015）[M]. 北京：中國統(tǒng)計(jì)出版社， 1997-2015. [China Statistical Bureau. China energy statistical yearbook （1997-2015） [M]. Beijing： China Statistics Press， 1997-2015.]

[20]國家統(tǒng)計(jì)局. 中國統(tǒng)計(jì)年鑒（1997—2008）[M]. 北京：中國統(tǒng)計(jì)出版社， 1997-2015. [China Statistical Bureau. China statistical yearbook （1997-2008） [M]. Beijing： China Statistics Press， 1997-2015.]

[21]國家統(tǒng)計(jì)局.中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒（2009-2015）[M]. 北京：中國統(tǒng)計(jì)出版社， 2009-2013. [China Statistical Bureau. China industrial economic statistical yearbook （2009-2015） [M]. Beijing： China Statistics Press. 2009-2015.]

[22]ZHAO-X， MA C， HONG D. Why did Chinas energy intensity increase during 1998-2006： decomposition and policy analysis[J]. Energy policy， 2010， 38（3）： 1379-1388.endprint