馬曉君,董碧瀅,于淵博,王常欣,楊 倩

?

東北三省能源消費(fèi)碳排放測(cè)度及影響因素

馬曉君1*,董碧瀅1,于淵博2,王常欣1,楊 倩1

(1.東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,遼寧 大連 116025；2.遼寧大學(xué)亞澳商學(xué)院,遼寧 沈陽(yáng) 110136)

將擴(kuò)展的Kaya恒等式與對(duì)數(shù)平均迪氏指數(shù)(LMDI)分解法相結(jié)合,以2005~2016年?yáng)|北三省主要能源消費(fèi)數(shù)據(jù)為研究對(duì)象,構(gòu)建優(yōu)化的碳排放分解模型,測(cè)度并分解其碳排放與碳排放強(qiáng)度.通過與中國(guó)同期能源消費(fèi)碳排放的定量對(duì)比分析,考察各產(chǎn)業(yè)(部門)能源結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟(jì)產(chǎn)出效應(yīng)和人口規(guī)模效應(yīng)對(duì)東北三省能源消費(fèi)碳排放的影響.結(jié)果顯示:2005~2016年,東北三省碳排放總量占中國(guó)碳排放總量的8.84%,碳排放強(qiáng)度普遍高于中國(guó)碳排放強(qiáng)度.經(jīng)濟(jì)產(chǎn)出效應(yīng)和人口規(guī)模效應(yīng)對(duì)東北三省碳排放增長(zhǎng)起拉動(dòng)作用,其中經(jīng)濟(jì)產(chǎn)出效應(yīng)貢獻(xiàn)最大為188%,經(jīng)濟(jì)發(fā)展和城市化進(jìn)程的加速不利于碳排放的降低.產(chǎn)業(yè)能源強(qiáng)度效應(yīng)、能源結(jié)構(gòu)效應(yīng)及產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)東北三省碳排放增長(zhǎng)起抑制作用,能源強(qiáng)度效應(yīng)的抑制作用最大為59%,產(chǎn)業(yè)能源強(qiáng)度的調(diào)整空間較大.降低能源消耗強(qiáng)度,調(diào)整產(chǎn)業(yè)內(nèi)部結(jié)構(gòu),完善經(jīng)濟(jì)政策體制是今后促進(jìn)東北三省低碳經(jīng)濟(jì)發(fā)展的重要手段.

東北三??；能源消費(fèi)碳排放；碳排放強(qiáng)度；Kaya-LMDI

在巴黎協(xié)定的框架下,到2030年中國(guó)單位GDP的CO2排放比2005下降60%~65%,推進(jìn)碳排放達(dá)峰,實(shí)現(xiàn)低碳經(jīng)濟(jì)發(fā)展,已成為學(xué)術(shù)界研究的熱點(diǎn),其關(guān)鍵問題之一在于對(duì)能源消費(fèi)碳排放的測(cè)度及影響因素分析.作為中國(guó)重要的老工業(yè)基地,東北三省在經(jīng)濟(jì)發(fā)展中仍延續(xù)傳統(tǒng)的粗放型經(jīng)濟(jì)發(fā)展方式——能源消耗大,高能耗行業(yè)密集,產(chǎn)業(yè)結(jié)構(gòu)不合理.基于此,對(duì)東北三省能源消費(fèi)碳排放的測(cè)度及影響因素實(shí)證研究十分必要.

現(xiàn)階段,在能源消費(fèi)碳排放及影響因素研究中,世界通行的分解方法有兩種:一是結(jié)構(gòu)分解法(SDA). SDA由印度學(xué)者Debesh Chakraborty等[1]于2006年首次提出,用來解決投入產(chǎn)出結(jié)構(gòu)分解問題;隨后,尚紅云等[2]首次將SDA引入到中國(guó)能源消耗結(jié)構(gòu)分解問題中;王麗麗等[3]、Xu等[4]和段玉婉等[5]利用SDA分別對(duì)中國(guó)國(guó)際貿(mào)易隱含碳排放和江蘇省CO2排放的增長(zhǎng)因素,及中國(guó)和日本的能源消費(fèi)碳排放進(jìn)行結(jié)構(gòu)分解與計(jì)量分析.但SDA需以投入產(chǎn)出表中的大量數(shù)據(jù)作為支撐,而中國(guó)一般每五年編制一次投入產(chǎn)出表,時(shí)間跨度較大,不利于深入研究,因此一般采用第二種方法:指數(shù)分解法(IDA).IDA基于部門加總數(shù)據(jù),適用于時(shí)間序列分析,因此在實(shí)際操作中更具有可行性.2004年,Ang[6]首次提出基于IDA的LMDI分解法,并將此方法引入能源消耗的分解中.這種方法不僅可以進(jìn)行多個(gè)因素分解,而且分解后的結(jié)果解決了殘差項(xiàng)、數(shù)據(jù)零值和負(fù)值的問題,因此被廣泛應(yīng)用于分解模型的建立和碳排放相關(guān)研究中.

在LMDI分解法基礎(chǔ)上,碳排放的測(cè)度及其影響因素可以基于國(guó)家、省、市級(jí)區(qū)域?qū)用婧托袠I(yè)層面來研究.由于國(guó)家統(tǒng)計(jì)數(shù)據(jù)獲得較為容易,因此,學(xué)術(shù)界對(duì)于國(guó)家層面碳排放影響因素研究較多.許士春等[7]、范丹[8]先后采用LMDI法對(duì)中國(guó)能源消費(fèi)碳排放的驅(qū)動(dòng)因素進(jìn)行分解分析,得出在中國(guó)碳排放中,經(jīng)濟(jì)產(chǎn)出貢獻(xiàn)率最大的結(jié)論;程葉青等[9]和Wang等[10]分別將LMDI與空間自相關(guān)方法和C-D生產(chǎn)函數(shù)結(jié)合,應(yīng)用于中國(guó)能源消費(fèi)研究;González等[11]、Chong等[12]、Mousavi等[13]和郭宇等[14]將LMDI分別運(yùn)用到歐盟、中國(guó)、伊朗、中東地區(qū)國(guó)家和一帶一路沿線國(guó)家中,并對(duì)其CO2排放量進(jìn)行跟蹤和分解研究.隨著區(qū)域經(jīng)濟(jì)發(fā)展,對(duì)于省、市級(jí)層面碳排放研究也逐漸成為熱點(diǎn).彭俊銘等[15]和田中華等[16]、劉源等[17]、韓紅珠等[18]、Chong等[19]和Carmona等[20]先后運(yùn)用LMDI分別對(duì)廣東省、珠三角、廈門市、陜西省及安達(dá)魯西亞(西班牙)的能源消費(fèi)碳排放影響因素進(jìn)行分解,并分析最終能耗的變化情況.隨著經(jīng)濟(jì)技術(shù)的發(fā)展和產(chǎn)業(yè)分工的細(xì)化,越來越多學(xué)者不再局限于區(qū)域?qū)用娴目v向研究,而是將碳排放分解著眼于行業(yè)部門.Jeong等[21]、潘雄鋒等[22]和戴小文等[23]分別采用LMDI法對(duì)韓國(guó)工業(yè)、中國(guó)制造行業(yè)及中國(guó)農(nóng)業(yè)的能源消費(fèi)碳排放進(jìn)行分解測(cè)度;馮博等[24]、宋金昭等[25]和杜強(qiáng)等[26]先后對(duì)中國(guó)及西安市建筑業(yè)能源消費(fèi)碳排放的驅(qū)動(dòng)因素進(jìn)行分解分析;張立國(guó)[27]則對(duì)中國(guó)物流業(yè)進(jìn)行了能耗研究.至此,國(guó)內(nèi)外關(guān)于能源消費(fèi)碳排放的研究在一定程度上得以完善.

總體來看,世界上關(guān)于能源消費(fèi)碳排放的研究日益深入,分析方法日趨完善,但仍存在一些不足.首先,由于各省能源統(tǒng)計(jì)口徑存在一定差異,進(jìn)行能源消費(fèi)核算較為復(fù)雜,因此,鮮有文獻(xiàn)基于城市群層面進(jìn)行碳排放驅(qū)動(dòng)因素分析,導(dǎo)致在基于區(qū)域?qū)用娴目v向研究中有所缺失;其次,部分文獻(xiàn)在研究能源消費(fèi)碳排放時(shí),將煤炭數(shù)據(jù)與原煤數(shù)據(jù)混為一談.但在能源統(tǒng)計(jì)中,煤炭數(shù)據(jù)包括原煤數(shù)據(jù),且在進(jìn)行碳排放測(cè)算時(shí),相關(guān)文獻(xiàn)僅給出原煤的計(jì)算系數(shù),因此使用煤炭數(shù)據(jù)將在數(shù)據(jù)采集、測(cè)算與分析中出現(xiàn)誤差;此外,現(xiàn)有研究大多基于國(guó)家、地區(qū)或行業(yè)某一層面進(jìn)行碳排放驅(qū)動(dòng)因素分析,未能將三者結(jié)合展開討論,缺乏相對(duì)性與全面性.因此有必要建立更為全面的碳排放影響因素分解模型.

在現(xiàn)有基礎(chǔ)上,本文采用Kaya-LMDI分解法,研究東北三省2005~2016年能源消費(fèi)碳排放及影響因素,并試圖在以下方面進(jìn)行擴(kuò)展:一是基于城市群研究層面,將東北三省(黑龍江、吉林、遼寧)作為研究對(duì)象,并對(duì)其能源消耗碳排放及影響因素進(jìn)行討論;二是為避免重復(fù),采用原煤數(shù)據(jù)代替已有文獻(xiàn)中所用的煤炭數(shù)據(jù),以提高測(cè)度結(jié)果的準(zhǔn)確性;三是在分析東北三省碳排放情況的同時(shí),搜集國(guó)家層面數(shù)據(jù),測(cè)度中國(guó)CO2排放總量及碳排放強(qiáng)度,并將其與東北三省碳排放進(jìn)行區(qū)域?qū)用娴目v向?qū)Ρ群托袠I(yè)層面的橫向分析.旨在使研究更具相對(duì)性與全面性,進(jìn)而對(duì)東北地區(qū)的低碳經(jīng)濟(jì)發(fā)展建言獻(xiàn)策.

1 研究方法

本文主要研究東北三省7大產(chǎn)業(yè)部門(農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸和倉(cāng)儲(chǔ)郵政業(yè)、批發(fā)零售業(yè)和住宿餐飲業(yè)、其他行業(yè)以及居民生活消費(fèi)部門)對(duì)于9種主要能源(原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣以及電力)的消費(fèi)碳排放問題.首先根據(jù)能源消費(fèi)統(tǒng)計(jì)及經(jīng)濟(jì)社會(huì)發(fā)展的相關(guān)數(shù)據(jù)進(jìn)行碳排放測(cè)算;其次建立基于Kaya-LMDI的碳排放影響因素分解模型,測(cè)度并分析東北三省CO2排放與中國(guó)CO2排放情況.

1.1 碳排放相關(guān)測(cè)算方法

《省級(jí)溫室氣體清單編制指南》[28]規(guī)定,省級(jí)能源活動(dòng)CO2排放量可采用IPCC方法1,即碳排放總量分為化石燃料燃燒產(chǎn)生的碳排放和終端部門的電力消費(fèi)碳排放,計(jì)算公式為:

式中:為碳排放總量;C為化石燃料燃燒產(chǎn)生的碳排放量;C為終端部門消耗電力產(chǎn)生的碳排放.

化石燃料燃燒產(chǎn)生的碳排放基于各種化石燃料的表觀消費(fèi)量,各種燃料品種的單位發(fā)熱量、含碳量,以及燃燒各種燃料的主要設(shè)備的平均氧化率,扣除化石燃料非能源用途的固碳量等參數(shù)綜合計(jì)算得到的.計(jì)算公式為:

地區(qū)終端部門的電力能源消費(fèi)所產(chǎn)生的碳排放量等于各產(chǎn)業(yè)部門的終端用電量與該年度的CO2排放因子乘積之和,計(jì)算公式為:

1.2 碳排放影響因素分解模型

1.2.1 基于Kaya恒等式碳排放分解模型 Kaya恒等式由日本學(xué)者Kaya等[29]首次提出,用于解決溫室氣體排放的因素分解問題,但其僅適用于一國(guó)或一個(gè)地區(qū)的碳排放總量分解.為了更好地分產(chǎn)業(yè)分能源種類進(jìn)行碳排放驅(qū)動(dòng)因素分析,本文運(yùn)用Kaya恒等式的擴(kuò)展形式[39]:

式中:表示碳排放總量;C表示第產(chǎn)業(yè)對(duì)第種能源消耗時(shí)產(chǎn)生的碳排放量;E表示第產(chǎn)業(yè)對(duì)第種能源的消耗量;E表示第產(chǎn)業(yè)的能源消費(fèi)總量;GDP表示第產(chǎn)業(yè)的行業(yè)增加值, GDP表示東北三省地區(qū)總增加值;表示東北三省地區(qū)人口總數(shù);C/E,E/E,E/GDP,GDP/GDP, GDP/,分別表示碳排放系數(shù)、能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)產(chǎn)出、人口規(guī)模.

1.2.2 基于Kaya-LMDI的碳排放因素分解模型 為研究碳排放中各驅(qū)動(dòng)因素的貢獻(xiàn)效應(yīng),本文將擴(kuò)展的Kaya恒等式運(yùn)用于LMDI分解法,并對(duì)碳排放驅(qū)動(dòng)因素進(jìn)行分解分析,以便討論其貢獻(xiàn)度.本文選取LMDI分解法中的加和分解方式,基于公式(4)對(duì)碳排放進(jìn)行如下分解:

式中: ?tot表示碳排放分解總效應(yīng), ?C表示碳排放因子效應(yīng),?C表示產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng),?CGDP表示產(chǎn)業(yè)能源強(qiáng)度效應(yīng),GDPGDP表示產(chǎn)業(yè)結(jié)構(gòu)效應(yīng),GDP/P表示經(jīng)濟(jì)產(chǎn)出效應(yīng),?C表示人口規(guī)模效應(yīng).根據(jù)Kaya-LMDI分解模型得到的各效應(yīng)分解結(jié)果如下:

式中:對(duì)于公式(6)~(11)中的(C(t),C(0))做出如下定義:

由于各種能源的碳排放系數(shù)固定,碳排放因子效應(yīng)恒為0,因此,可將公式(5)化簡(jiǎn)為:

至此,可以利用公式(6)~(13)對(duì)東北三省碳排放驅(qū)動(dòng)因素進(jìn)行分解和實(shí)證分析.

2 實(shí)證分析

2.1 數(shù)據(jù)來源

本文的化石燃料能源消費(fèi)數(shù)據(jù)基于《中國(guó)能源統(tǒng)計(jì)年鑒》[30]中的遼寧、吉林、黑龍江能源平衡表(實(shí)物量)以及中國(guó)能源平衡表(實(shí)物量);電力能源消費(fèi)數(shù)據(jù)來源于實(shí)物量平衡表中的終端消費(fèi)量[終端消費(fèi)量=可供本地區(qū)消費(fèi)能源量＋加工轉(zhuǎn)換投入(產(chǎn)出)量－損失量];2005年區(qū)域電網(wǎng)平均CO2排放因子取自《2007中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》[31], 2006~2008年區(qū)域電網(wǎng)平均CO2排放因子取自《2010中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》[32],2009和2010年區(qū)域電網(wǎng)平均CO2排放因子取自《2012中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》[33],2011~2013年區(qū)域電網(wǎng)平均CO2排放因子取自《2015中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》[34],2014和2015年區(qū)域電網(wǎng)平均CO2排放因子取自《2016中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子》(征求意見稿)[35];天然氣相關(guān)計(jì)算系數(shù)采用其區(qū)間上、下限的均值.各類能源相關(guān)計(jì)算系數(shù)數(shù)據(jù)及來源見表1.

表1 各類能源相關(guān)計(jì)算系數(shù)

注:低(位)發(fā)熱量等于29307(KJ)的燃料,稱為1kg標(biāo)準(zhǔn)煤(1kgce);前3列來源于《遼寧統(tǒng)計(jì)年鑒》(2016)[36];第4、5列來源于《省級(jí)溫室氣體清單編制指南》(發(fā)改辦氣候[2011]1041號(hào)).

2.2 東北三省碳排放總量

由圖1可見:2005年,東北三省能源消費(fèi)碳排放為4.8億t,占中國(guó)能源消費(fèi)碳排放的9.72%.截至2015年底,東北三省能源消費(fèi)產(chǎn)生的CO2總量達(dá)到8.52億t,占中國(guó)能源消費(fèi)CO2排放總量的8.84%,相較于2005年比重有所下降. 2005~2016年,東北三省能源消耗產(chǎn)生的CO2排放量與中國(guó)CO2排放總量的走勢(shì)大致相同,增長(zhǎng)速度略緩于國(guó)家增速.東北三省作為中國(guó)重要的老工業(yè)基地,經(jīng)濟(jì)活動(dòng)主要集中于重工業(yè),但其在CO2排放量的控制中能夠與國(guó)家低碳發(fā)展的經(jīng)濟(jì)政策規(guī)劃保持一致,在碳排放總量上基本達(dá)到階段性目標(biāo).

圖1 中國(guó)和東北三省2005~2016年碳排放總量

圖2 2005~2016年?yáng)|北三省與中國(guó)碳排放強(qiáng)度

在進(jìn)行地區(qū)間的碳排放比較分析時(shí),通常選取碳排放強(qiáng)度(單位GDP碳排放)這一指標(biāo).碳排放強(qiáng)度是指每單位國(guó)民生產(chǎn)總值的增長(zhǎng)所帶來的CO2排放量.該指標(biāo)主要是用來衡量一國(guó)經(jīng)濟(jì)同碳排放量之間的關(guān)系,如果一國(guó)在經(jīng)濟(jì)增長(zhǎng)的同時(shí),每單位國(guó)民生產(chǎn)總值所帶來的CO2排放量在下降,則說明該國(guó)(或地區(qū))基本實(shí)現(xiàn)一個(gè)低碳發(fā)展模式.因此,本文同時(shí)對(duì)東北三省和國(guó)家整體的碳排放強(qiáng)度進(jìn)行測(cè)度,并將兩者進(jìn)行比較.

從圖1和圖2可以看出,東北三省CO2排放總量增速逐漸變緩,碳排放強(qiáng)度逐年下降,但其碳排放強(qiáng)度仍高于中國(guó)碳排放強(qiáng)度.截至2015年底,東北三省單位GDP碳排放為1.47t/萬(wàn)元,高出中國(guó)單位GDP碳排放0.07t/萬(wàn)元.從側(cè)面表明,東北三省由于經(jīng)濟(jì)技術(shù)水平和經(jīng)濟(jì)產(chǎn)出落后使其GDP增速低于碳排放總量的增速,進(jìn)而導(dǎo)致碳排放強(qiáng)度偏高.

2.3 Kaya-LMDI模型分解結(jié)果分析

應(yīng)用Kaya-LMDI分解模型對(duì)2005~2016年?yáng)|北三省的能源消費(fèi)碳排放進(jìn)行分解,由圖1和圖3可以看出: 2005~2016年,東北三省碳排放總量與分解后的東北三省碳排放總效應(yīng)趨勢(shì)基本一致,分為3個(gè)階段:(1)線性增長(zhǎng)階段:2005~2007年.碳排放總量與碳排放分解總效應(yīng)的斜率均為11年間最大值,分別為13.6%, 117.2%; (2)S型增長(zhǎng)階段:2008~2013年.2011年度碳排放總量增速為13.3%,碳排放總效應(yīng)增速為49.6%,均達(dá)到該階段最大值; (3)波動(dòng)階段: 2013~2015年.東北三省CO2排放增速波動(dòng)較大,呈快速下降后上升,最后趨于平穩(wěn),但碳排放總量和分解總效應(yīng)仍未超過2012年度(總量和分解效應(yīng)的最高峰).結(jié)果表明,由于“十五”環(huán)境保護(hù)指標(biāo)沒有全部實(shí)現(xiàn),在“十一五”初期,東北三省碳排放總量增速較快;“十一五”后期,東北三省碳排放總量增速逐漸變緩,但仍存在一定缺陷.“十二五”期間,在中國(guó)低碳發(fā)展的大環(huán)境下,東北三省通過對(duì)能源消費(fèi)的控制,一定程度上抑制了CO2排放.

表2 2005~2016年?yáng)|北三省碳排放積累效應(yīng)

圖3 2005~2016年?yáng)|北三省碳排放積累效應(yīng)

此外,東北三省分解結(jié)果與現(xiàn)有文獻(xiàn)[8-9]中能源消費(fèi)碳排放分解結(jié)果的趨勢(shì)大致相同:產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng)和產(chǎn)業(yè)能源強(qiáng)度效應(yīng)對(duì)東北三省的碳排放貢獻(xiàn)基本為負(fù),對(duì)碳排放有較大抑制作用;產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)碳排放的貢獻(xiàn)表現(xiàn)為先正后負(fù);經(jīng)濟(jì)產(chǎn)出效應(yīng)和人口規(guī)模效應(yīng)對(duì)碳排放的增長(zhǎng)表現(xiàn)為正向影響;碳排放總效應(yīng)近似正比于經(jīng)濟(jì)產(chǎn)出效應(yīng).由此可見,無(wú)論從區(qū)域還是國(guó)家層面測(cè)度,經(jīng)濟(jì)產(chǎn)出效應(yīng)都是碳排放增長(zhǎng)的最主要因素.

2.3.1 產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng)分析 圖4表明,產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng)對(duì)東北三省碳排放貢獻(xiàn)為負(fù),能源結(jié)構(gòu)變化對(duì)CO2排放有一定抑制作用.結(jié)合圖7可以看出,在產(chǎn)業(yè)能源結(jié)構(gòu)對(duì)CO2排放的抑制作用中,工業(yè)和交通運(yùn)輸部門的能源結(jié)構(gòu)效應(yīng)占主要作用.原因可能在于工業(yè)與交通運(yùn)輸業(yè)在能源消費(fèi)上主要依賴于原煤、焦炭等,其消耗比重與能源結(jié)構(gòu)效應(yīng)變動(dòng)的趨勢(shì)十分接近,這也與積累效應(yīng)中的結(jié)果相符合.而農(nóng)林牧漁業(yè)和居民生活消費(fèi)部門則對(duì)CO2排放起到拉動(dòng)作用,但拉動(dòng)強(qiáng)度遠(yuǎn)低于抑制強(qiáng)度,因此,產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng)總體對(duì)CO2排放仍起到抑制作用.

圖4 2005~2016年?yáng)|北三省產(chǎn)業(yè)能源結(jié)構(gòu)效應(yīng)

2.3.2 產(chǎn)業(yè)能源強(qiáng)度效應(yīng)分析 由圖3和圖5可以看出,東北三省產(chǎn)業(yè)能源強(qiáng)度效應(yīng)對(duì)碳排放總效應(yīng)的貢獻(xiàn)起到較大的抑制作用.其中,工業(yè)部門和居民生活消費(fèi)部門的能源強(qiáng)度效應(yīng)的抑制作用最大,約占總能源強(qiáng)度效應(yīng)的90%,交通運(yùn)輸業(yè)和第三產(chǎn)業(yè)的抑制作用逐年增強(qiáng),第一產(chǎn)業(yè)部門和建筑業(yè)的抑制作用最弱.由此可見, 2005~2016年,東北三省在工業(yè)、交通運(yùn)輸業(yè)和第三產(chǎn)業(yè)的經(jīng)濟(jì)產(chǎn)出規(guī)模迅速擴(kuò)大,居民生活消費(fèi)逐漸增多,第一產(chǎn)業(yè)和建筑業(yè)經(jīng)濟(jì)產(chǎn)出增長(zhǎng)平穩(wěn).能源強(qiáng)度指的是能源消耗量與經(jīng)濟(jì)產(chǎn)出的比值,因此在能源強(qiáng)度的控制上需加大節(jié)能改造力度,促進(jìn)節(jié)能技術(shù)進(jìn)步,通過提高舊能源利用效率和新能源使用效率來實(shí)現(xiàn)低碳發(fā)展.

2.3.3 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)分析 由表2和圖6可以看出,東北三省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)能源消費(fèi)碳排放的作用呈現(xiàn)先正后負(fù)的趨勢(shì).圖6表明, 2005~2013年,工業(yè)部門對(duì)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)一直起到拉動(dòng)作用,而其他部門均起到抑制作用;2013~2016年,工業(yè)部門由拉動(dòng)作用轉(zhuǎn)為抑制作用,且抑制強(qiáng)度較大,建筑業(yè)起到了一定拉動(dòng)作用,而其他5大部門的抑制作用有所減弱.結(jié)合圖3與圖6能夠看出,工業(yè)部門對(duì)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)與產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對(duì)碳排放的貢獻(xiàn)趨勢(shì)相同,且在產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)中起主導(dǎo)作用.2005~2016年,由于政策影響,東北三省通過產(chǎn)業(yè)轉(zhuǎn)型和結(jié)構(gòu)調(diào)整,使產(chǎn)業(yè)分工進(jìn)一步細(xì)化,在經(jīng)濟(jì)增長(zhǎng)速度、占經(jīng)濟(jì)總量比重等方面表現(xiàn)出產(chǎn)業(yè)結(jié)構(gòu)的高級(jí)化,即隨著經(jīng)濟(jì)發(fā)展水平逐漸增高,其對(duì)碳排放的作用方向由促進(jìn)變?yōu)橐种?

圖5 2005~2016年?yáng)|北三省產(chǎn)業(yè)能源強(qiáng)度效應(yīng)

2.3.4 經(jīng)濟(jì)產(chǎn)出效應(yīng)分析 由表2和圖3可以看出, 2005~2016年?yáng)|北三省的經(jīng)濟(jì)產(chǎn)出效應(yīng)一直為正,而且呈逐年上升趨勢(shì),對(duì)東北三省能源消費(fèi)碳排放增長(zhǎng)的貢獻(xiàn)度最大,因此,經(jīng)濟(jì)發(fā)展因素是東北三省這一時(shí)期碳排放增長(zhǎng)的最主要因素. 2005~2016年,東北三省GDP總量增長(zhǎng)了2.36倍,人均GDP總量增長(zhǎng)了2.357倍(以2005年不變價(jià)格計(jì)算).根據(jù)環(huán)境庫(kù)茲涅茨曲線,當(dāng)一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平較低時(shí),環(huán)境污染程度較輕.隨著經(jīng)濟(jì)發(fā)展,環(huán)境污染由低趨高,環(huán)境惡化程度隨經(jīng)濟(jì)增長(zhǎng)而加劇;當(dāng)經(jīng)濟(jì)發(fā)展達(dá)到拐點(diǎn)后,隨著經(jīng)濟(jì)的進(jìn)一步發(fā)展,環(huán)境污染又由高趨低,其環(huán)境污染程度逐漸減緩,環(huán)境質(zhì)量得到改善.在2009年和2014年,東北地區(qū)經(jīng)濟(jì)產(chǎn)出效應(yīng)和總效應(yīng)分別出現(xiàn)兩段短暫的下降,主要是受到了2009年哥本哈根氣候大會(huì)和2014年APEC峰會(huì)的影響,而經(jīng)濟(jì)發(fā)展的拐點(diǎn)值并未出現(xiàn).因此,可以推測(cè)出東北三省CO2排放量的增長(zhǎng)是東北區(qū)域現(xiàn)階段經(jīng)濟(jì)發(fā)展中的必然結(jié)果.

2.3.5 人口規(guī)模效應(yīng)分析 從表2和圖3可以看出,東北三省的人口規(guī)模效應(yīng)對(duì)碳排放總效應(yīng)的貢獻(xiàn)一直為正;2005~2013年,人口規(guī)模效應(yīng)與總效應(yīng)增長(zhǎng)速度呈現(xiàn)同步增長(zhǎng)趨勢(shì),2013~2015年,二者又呈同步下降趨勢(shì).這表明,東北地區(qū)人口的增加會(huì)導(dǎo)致碳排放量上升.原因可能在于,隨著人口規(guī)模的擴(kuò)大,東北地區(qū)城市化進(jìn)程的步伐加快,對(duì)碳排放造成一定程度的影響,如加大城市規(guī)模、修建水利設(shè)施、建設(shè)鐵路運(yùn)輸,從而帶動(dòng)工業(yè)、建筑業(yè)、交通運(yùn)輸業(yè)和第三產(chǎn)業(yè)等迅速發(fā)展,使得相應(yīng)需求擴(kuò)大,能源消耗量增加,導(dǎo)致東北三省碳排放總量增大.這與范丹[9]的研究結(jié)論相似,人口規(guī)模增加對(duì)碳排放的增加起到一定拉動(dòng)作用.但不同的是,其測(cè)算的中國(guó)人口規(guī)模效應(yīng)貢獻(xiàn)度大于東北三省人口規(guī)模效應(yīng)貢獻(xiàn)度.原因可能在于,東北三省地廣人稀,城市化進(jìn)程相對(duì)于全國(guó)速度較慢,相應(yīng)需求引起的能耗低于全國(guó)平均水平等.

2.4 各產(chǎn)業(yè)(部門)能源消費(fèi)碳排放分析

2.4.1 各產(chǎn)業(yè)(部門)能源消費(fèi)碳排放量 由表3可以看出:2005~2006年,東北三省工業(yè)部門能源消費(fèi)碳排放占碳排放總量的比重最大,為68%,農(nóng)林牧漁業(yè)、建筑業(yè)、交通運(yùn)輸和倉(cāng)儲(chǔ)郵政業(yè)、批發(fā)零售和住宿餐飲業(yè)、其他行業(yè)、居民生活消費(fèi)部門消耗的碳排放分別占總量的4%, 1%, 9%, 3%, 5%, 10%. 2015~2016年,農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸和倉(cāng)儲(chǔ)郵政業(yè)、批發(fā)零售和住宿餐飲業(yè)、其他行業(yè)、居民生活消費(fèi)部門消耗的碳排放分別占碳排放總量的3%, 63%, 1%, 10%, 5%, 7%, 10%.各部門碳排放總量相較于2005~2006年分別下降1%, 5%, 0%, -1%, -2%, -2%, 0%.

結(jié)果顯示,東北三省能源消費(fèi)碳排放的主要來源依然是工業(yè)部門,交通運(yùn)輸業(yè)和居民生活消費(fèi)部門所占比重也比較大.近年來,隨著東北經(jīng)濟(jì)轉(zhuǎn)型的進(jìn)一步深入推進(jìn),以交通運(yùn)輸和倉(cāng)儲(chǔ)郵政業(yè)、批發(fā)零售和住宿餐飲業(yè)等為主的第三產(chǎn)業(yè)在能源消耗上占比逐漸增多,其碳排放量也呈現(xiàn)增長(zhǎng)的趨勢(shì).這從側(cè)面反映出在“十一五”、“十二五”期間,第三產(chǎn)業(yè)的政策支持力度之大,發(fā)展之迅速.可見調(diào)整行業(yè)結(jié)構(gòu),打造低碳產(chǎn)業(yè)體系已經(jīng)逐漸成為經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和發(fā)展方式調(diào)整的重要方向和途徑.

表3 2005~2016年各產(chǎn)業(yè)(部門)能源消費(fèi)碳排放(萬(wàn)t)

2.4.2 各產(chǎn)業(yè)(部門)能源消費(fèi)碳排放強(qiáng)度 由圖7可以看出,2005~2016年?yáng)|北三省工業(yè)部門和交通運(yùn)輸業(yè)能源消費(fèi)碳排放強(qiáng)度的變化趨勢(shì)與總體碳排放強(qiáng)度相同,均呈逐年下降趨勢(shì),但其一直高于東北三省總碳排放強(qiáng)度;其他部門碳排放強(qiáng)度的變化趨勢(shì)相對(duì)穩(wěn)定,一直控制在0~1之間.各部門碳排放強(qiáng)度相較于2005~2006年分別下降了49%, 42%, 54%, 32%, 24%, 34%, 48%,東北三省總碳排放強(qiáng)度下降47%.

結(jié)果顯示,工業(yè)與交通運(yùn)輸儲(chǔ)運(yùn)業(yè)和郵政業(yè)在東北三省碳排放強(qiáng)度中占據(jù)較高的比重.原因可能在于,作為三大產(chǎn)業(yè)的重要分支,工業(yè)與交通運(yùn)輸儲(chǔ)運(yùn)業(yè)和郵政業(yè)具有能源利用率較低,能源結(jié)構(gòu)不完善,高能耗等特點(diǎn).該結(jié)論與許士春等[8]研究結(jié)果相似.其測(cè)算的中國(guó)行業(yè)能源消費(fèi)碳排放中,工業(yè)與交通運(yùn)輸儲(chǔ)運(yùn)業(yè)和郵政業(yè)貢獻(xiàn)度占比高達(dá)100.23%.由此可見,無(wú)論是國(guó)家還是東北三省政府,都需從能源利用效率、研發(fā)清潔能源、推動(dòng)技術(shù)進(jìn)步等方面采取有效手段來遏制二、三產(chǎn)業(yè)能源消費(fèi)碳排放.

圖7 2005~2016年各產(chǎn)業(yè)(部門)碳排放強(qiáng)度

3 政策建議

東北三省能源強(qiáng)度效應(yīng)在11里均為負(fù)值,表明其對(duì)碳排放的增長(zhǎng)起到抑制作用,因此,降低能源強(qiáng)度是促進(jìn)碳排放減少的重要途徑,具體可從以下兩方面著手:從行業(yè)層面來看,應(yīng)加大對(duì)先進(jìn)能源技術(shù)的引入,推廣使用優(yōu)質(zhì)煤、潔凈型煤,推進(jìn)煤改氣、煤改電,降低對(duì)化石能源的消費(fèi)依賴度.積極研發(fā)清潔能源,有序發(fā)展水電工程,推進(jìn)風(fēng)電場(chǎng)建設(shè),推動(dòng)太陽(yáng)能多元化利用,促進(jìn)光伏發(fā)電規(guī)?；瘧?yīng)用,大力發(fā)展節(jié)能與新能源技術(shù),提高能源利用效率;從政府層面來看,應(yīng)對(duì)各產(chǎn)業(yè)部門尤其是工業(yè)部門的技術(shù)進(jìn)步給予適當(dāng)?shù)恼邘头?如對(duì)應(yīng)用先進(jìn)節(jié)能技術(shù)的產(chǎn)業(yè)減免部分稅額、為研發(fā)新型節(jié)能技術(shù)企業(yè)發(fā)放財(cái)政補(bǔ)貼,擴(kuò)大企業(yè)優(yōu)惠貸款額度等,以此鼓勵(lì)各部門促進(jìn)節(jié)能技術(shù)進(jìn)步.

東北三省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)在11年里多為負(fù)值,對(duì)能源消費(fèi)碳排放的影響多為負(fù)向影響,且行業(yè)分化明顯,表明優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是實(shí)現(xiàn)能源消費(fèi)強(qiáng)度下降的重要手段.從東北三省的目前發(fā)展來看,工業(yè)部門所占比重較大,重工業(yè)仍然是東北三省發(fā)展的支柱產(chǎn)業(yè).因此,需要嚴(yán)格控制工業(yè)領(lǐng)域碳排放,積極推廣低碳新工藝、新技術(shù),推進(jìn)工業(yè)領(lǐng)域碳捕集,依法依規(guī)有序淘汰落后產(chǎn)能和過剩產(chǎn)能.同時(shí),應(yīng)合理調(diào)整產(chǎn)業(yè)結(jié)構(gòu)布局:大力發(fā)展低碳農(nóng)業(yè),實(shí)施化肥使用量零增長(zhǎng)行動(dòng),改善水分和肥料管理,控制農(nóng)作物秸稈燃燒,以降低農(nóng)業(yè)領(lǐng)域溫室氣體排放;強(qiáng)化建筑節(jié)能,實(shí)施綠色建筑發(fā)展計(jì)劃,推廣可再生能源在建筑上的應(yīng)用;建設(shè)低碳交通運(yùn)輸體系,加快發(fā)展低碳物流,鼓勵(lì)使用節(jié)能、清潔能源和新能源運(yùn)輸工具;促進(jìn)以工業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)向第三產(chǎn)業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)化,倡導(dǎo)低碳理念,避免能源消費(fèi)快速增長(zhǎng),減少生活能源消費(fèi),實(shí)現(xiàn)理性消費(fèi),綠色消費(fèi),逐步向低碳經(jīng)濟(jì)發(fā)展方式過渡.

東北三省目前行業(yè)分化明顯,工業(yè)、交通運(yùn)輸業(yè)等碳排放所占比重較大,有關(guān)部門需針對(duì)這一特征,制定支持各行業(yè)低碳發(fā)展的差別化扶持政策,形成適合不同行業(yè)的差異化低碳發(fā)展模式.同時(shí)落實(shí)國(guó)家低碳發(fā)展配套政策,加大財(cái)政資金對(duì)各行業(yè)低碳發(fā)展的支持力度,加強(qiáng)運(yùn)用政府和社會(huì)資本合作(PPP)模式,發(fā)揮政府引導(dǎo)作用,完善涵蓋節(jié)能、環(huán)保、低碳等要求的政府制度,積極響應(yīng)國(guó)家供給側(cè)結(jié)構(gòu)性改革的政策號(hào)召,促進(jìn)東北三省各行業(yè)經(jīng)濟(jì)步入低碳發(fā)展新階段,形成供需兩側(cè)共同發(fā)力的老工業(yè)基地振興新格局.

4 結(jié)論

4.1 截至2015年底,東北三省能源消耗產(chǎn)生的CO2排放量約為8.52億t,占中國(guó)能源消費(fèi)CO2總量的8.84%;東北三省碳排放強(qiáng)度達(dá)1.47t/萬(wàn)元,高出中國(guó)碳排放強(qiáng)度0.07t/萬(wàn)元.2005~2016年間,東北三省碳排放強(qiáng)度持續(xù)高于中國(guó)碳排放強(qiáng)度;能源消耗CO2走勢(shì)與中國(guó)CO2排放總量走勢(shì)大致相同;但排放總量占國(guó)家CO2排放總量比重呈下降趨勢(shì),且增長(zhǎng)速度略緩于國(guó)家增速.

4.2 2005~2016年,能源強(qiáng)度效應(yīng)的下降明顯促進(jìn)東北三省能源消費(fèi)碳排放強(qiáng)度降低;能源結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)在一定程度上推動(dòng)碳排放強(qiáng)度降低;經(jīng)濟(jì)產(chǎn)出效應(yīng)與人口規(guī)模效應(yīng)的變化抑制碳排放總量的下降.因此,東北三省相關(guān)部門在未來制定與落實(shí)低碳減排政策時(shí),既要關(guān)注行業(yè)內(nèi)部結(jié)構(gòu)優(yōu)化與調(diào)整,更要注重在節(jié)能技術(shù)上的創(chuàng)新與突破.

4.3 截至2015年底,農(nóng)林牧漁業(yè)、建筑業(yè)、交通運(yùn)輸和倉(cāng)儲(chǔ)郵政業(yè)、批發(fā)零售和住宿餐飲業(yè)、其他行業(yè)、居民生活消費(fèi)部門對(duì)東北三省碳排放強(qiáng)度的貢獻(xiàn)率相對(duì)于2005年分別下降了49%, 42%, 54%, 32%, 24%, 34%, 48%. 2005~2016年,東北三省能源消費(fèi)碳排放主要來源于工業(yè)部門;居民生活消費(fèi)部門和交通運(yùn)輸業(yè)所占比重也比較大;第三產(chǎn)業(yè)在能源消耗上占比增多.

[1] Sikdar C, Raa T T, Mohnen P, et al. Bilateral trade between India and Bangladesh: a general equilibrium approach [J]. Economic Systems Research, 2006,18(3):257-279.

[2] 尚紅云,蔣 萍.中國(guó)能源消耗變動(dòng)影響因素的結(jié)構(gòu)分解 [J]. 資源科學(xué), 2009,31(2):214-223.

[3] 王麗麗,王 媛,毛國(guó)柱,等.中國(guó)國(guó)際貿(mào)易隱含碳SDA分析 [J]. 資源科學(xué), 2012,34(12):162-169.

[4] Xu S C, Zhang L, Liu Y T, et al. Determination of the factors that influence increments in CO2, emissions in Jiangsu, China using the SDA method [J]. Journal of Cleaner Production, 2016,142(4):3061- 3074.

[5] 段玉婉,楊翠紅.中國(guó)與日本能源消耗和CO2排放差異的空間結(jié)構(gòu)分解 [J]. 系統(tǒng)工程理論與實(shí)踐, 2017,37(8):2083-2090.

[6] Ang B W. Decomposition Analysis for policymaking in energy: which is the preferred method? [J]. Energy Policy, 2004,32(9):1131-1139.

[7] 許士春,習(xí) 蓉,何正霞.中國(guó)能源消耗碳排放的影響因素分析及政策啟示 [J]. 資源科學(xué), 2012,34(1):2-12.

[8] 范 丹.中國(guó)能源消費(fèi)碳排放變化的驅(qū)動(dòng)因素研究—基于LMDI-PDA分解法 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(9):1705-1713.

[9] 程葉青,王哲野,張守志,等.中國(guó)能源消費(fèi)碳排放強(qiáng)度及其影響因素的空間計(jì)量 [J]. 地理學(xué)報(bào), 2013,68(10):1418-1431.

[10] Wang W, Liu X, Zhang M, et al. Using a new generalized LMDI (logarithmic mean Divisia index) method to analyze China's energy consumption [J]. Energy, 2014,67:617-622.

[11] González P F, Landajo M, Presno M J. Tracking European Union CO2, emissions through LMDI (logarithmic-mean Divisia index) decomposition. The activity revaluation approach [J]. Energy, 2014, 73(7):741-750.

[12] Chong C H, Ma L, Li Z, et al. Logarithmic mean Divisia index (LMDI) decomposition of coal consumption in China based on the energy allocation diagram of coal flows [J]. Energy, 2015,85:366-378.

[13] Mousavi B, Stephen N, Lopez A, et al. Driving forces of iran's CO2emissions from energy consumption: An LMDI decomposition approach [J]. Applied Energy, 2017,206:804-814.

[14] 郭 宇,趙長(zhǎng)紅,袁家海,等.一帶一路沿線國(guó)家碳排放的LMDI分解研究 [N]. 氣候變化研究快報(bào), 2018,7(1):32-43.

[15] 彭俊銘,吳仁海.基于LMDI的珠三角能源碳足跡因素分解 [J]. 中國(guó)人口·資源與環(huán)境, 2012,22(2):69-74.

[16] 田中華,楊澤亮,蔡睿賢.廣東省能源消費(fèi)碳排放分析及碳排放強(qiáng)度影響因素研究 [J]. 中國(guó)環(huán)境科學(xué), 2015,35(6):1885-1891.

[17] 劉 源,李向陽(yáng),林劍藝,等.基于LMDI分解的廈門市碳排放強(qiáng)度影響因素分析 [J]. 生態(tài)學(xué)報(bào), 2014,34(9):2378-2387.

[18] 韓紅珠,王小輝,馬 高.陜西省能源消費(fèi)碳排放及影響因素分析 [J]. 山東農(nóng)業(yè)科學(xué), 2015,47(1):82-87.

[19] Chong C H, Liu P, Ma L, et al. LMDI decomposition of energy consumption in Guangdong Province, China, based on an energy allocation diagram [J]. Energy, 2017,133:525-544.

[20] Carmona M J C, Collado R R. LMDI decomposition analysis of energy consumption in Andalusia (Spain) during 2003-2012: the energy efficiency policy implications [J]. Energy Efficiency, 2016,9(3):1-17.

[21] Jeong K, Kim S. LMDI decomposition analysis of greenhouse gas emissions in the Korean manufacturing sector [J]. Energy Policy, 2013,62(9):1245-1253.

[22] 潘雄鋒,舒 濤,徐大偉.中國(guó)制造業(yè)碳排放強(qiáng)度變動(dòng)及其因素分解 [J]. 中國(guó)人口·資源與環(huán)境, 2011,21(5):101-105.

[23] 戴小文,何艷秋,鐘秋波.中國(guó)農(nóng)業(yè)能源消耗碳排放變化驅(qū)動(dòng)因素及其貢獻(xiàn)研究*--基于Kaya恒等擴(kuò)展與LMDI指數(shù)分解方法 [J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2015,23(11):1445-1454.

[24] 馮 博,王雪青.中國(guó)各省建筑業(yè)碳排放脫鉤及影響因素研究 [J]. 中國(guó)人口·資源與環(huán)境, 2015,25(4):28-34.

[25] 宋金昭,苑向陽(yáng),王曉平.中國(guó)建筑業(yè)碳排放強(qiáng)度影響因素分析 [J]. 環(huán)境工程, 2018,(1):178-182.

[26] 杜 強(qiáng),馮新宇,孫 強(qiáng).市域建筑業(yè)碳排放與經(jīng)濟(jì)發(fā)展關(guān)系及影響因素研究——以西安市為例 [J]. 環(huán)境工程, 2017,35(2):174-179.

[27] 張立國(guó).物流業(yè)能源消耗與碳排放研究進(jìn)展 [J]. 技術(shù)經(jīng)濟(jì)與管理研究, 2016,(1):119-123.

[28] 國(guó)家發(fā)展和改革委員會(huì)辦公廳.省級(jí)溫室氣體清單編制指南(試行) [Z]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2011.

[29] Kaya Yoichi. Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios [R]. Paris:Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, 1989.

[30] 國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司,中國(guó)能源統(tǒng)計(jì)年鑒. 2006-2016 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2016.

[31] 國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司. 2007中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子 [R]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2007.

[32] 國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司. 2010中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子 [R]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2010.

[33] 國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司. 2012中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子 [R]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2012.

[34] 國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司. 2015中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子 [R]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2015.

[35] 國(guó)家發(fā)展和改革委員會(huì)應(yīng)對(duì)氣候變化司. 2016中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子 [R]. 北京:國(guó)家發(fā)展和改革委員會(huì), 2017.

[36] 遼寧省統(tǒng)計(jì)局,遼寧統(tǒng)計(jì)年鑒2006~2016 [M].北京:中國(guó)統(tǒng)計(jì)出版社, 2016.

[37] Johan A, Delphine F, Koen S. A shapely decomposition of carbon emissions without residual [J]. Energy Policy, 2002,30(2):727-736.

[38] 孫玉環(huán),李 倩,陳 婷.中國(guó)能源消費(fèi)強(qiáng)度行業(yè)差異及影響因素分析——基于指數(shù)分解 [J]. 調(diào)研世界, 2016,(4):28-34.

[39] 遼寧省人民政府,遼寧省“十三五”節(jié)能減排綜合工作實(shí)施方案[EB/OL]. http://www.ln.gov.cn/zfxx/zfwj/szfwj/zfwj2011_119230/ 201704/t20170427_2883215.html 2017-4-21.

[40] 吉林省人民政府辦公廳,吉林省“十三五”控制溫室氣體排放工作方案 [EB/OL].http://xxgk.jl.gov.cn/szf/gkml/201702/t20170217_2473483. html 2017-1-25/2017-2-10.

[41] 黑龍江省人民政府辦公廳,關(guān)于做好“十三五”控制溫室氣體排放工作的意見 [EB/OL]. http://www.hlj.gov.cn/wjfg/system/2017/ 10/27/010852303.shtml 2017-7-16/2017-10-27.

Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors.

MA Xiao-jun1*, DONG Bi-ying1, YU Yuan-bo2, WANG Chang-xin1, YANG Qian1

(1.Department of statistics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Asia Australia Business College, Liaoning University, Shenyang 110136, China)., 2018,38(8)：3170~3179

To find the key factors of the carbon emissions from energy consumption in three northeastern provinces, a hybrid approach was applied by combining the extended Kaya identity method and the logarithmic mean Divisia index (LMDI) decomposition method. Firstly, an optimized carbon emission decomposition model was developed to measure and decompose the carbon emissions and carbon emission intensity of three northeastern provinces during 2005~2016. Then, by performing a comparative analysis of three northeast provinces and the whole China, the impacts of the following factors on the carbon emissions were examined: the energy structure, the energy intensity, the industrial structure, the economic output and the population. The empirical results showed that, during 2005~2016, the total carbon emissions of three northeastern provinces accounted for 8.84% of the total carbon emissions of China, and the average carbon emission intensity of these three provinces was higher than that of China. Moreover, both economic output and population had significant positive effects on the carbon emissions; meanwhile, the largest contribution of economic reached 188%. The economic development and urbanization did not reduce the carbon emissions in these three provinces. In addition, the industrial energy intensity, energy structure and industrial structure had significant negative effects on carbon emission in which the maximum effect of energy intensity reached 59%. It was also found that there exists a large adjustment space in the industrial energy intensity. In summary, to promote the development of low-carbon economy, we suggested to reduce energy consumption, adjust the internal structure of the industry and improve the economic policy system in three northeastern provinces.

three northeastern provinces；carbon emissions from energy consumption；carbon intensity；Kaya-LMDI

X24

A

1000-6923(2018)08-3170-10

馬曉君(1978-),女,遼寧撫順人,副教授,博士,研究方向?yàn)楹暧^經(jīng)濟(jì)統(tǒng)計(jì).發(fā)表論文30余篇.

2018-01-20

國(guó)家社會(huì)科學(xué)基金資助項(xiàng)目(17BTJ020);國(guó)家自然科學(xué)基金資助項(xiàng)目(71772113,71272010);遼寧省教育廳資助項(xiàng)目(LN2016YB026);遼寧省社會(huì)科學(xué)規(guī)劃基金資助項(xiàng)目(L17BTJ003,L16BTJ001)

* 責(zé)任作者, 副教授, maxiaojun@dufe.edu.cn