范建雙周 琳

?

中國(guó)城鄉(xiāng)居民生活消費(fèi)碳排放變化的比較研究

范建雙1,2*周 琳1,2

(1.浙江工業(yè)大學(xué)經(jīng)貿(mào)管理學(xué)院,浙江 杭州 310023；2.浙江工業(yè)大學(xué)技術(shù)創(chuàng)新與企業(yè)國(guó)際化研究中心,浙江 杭州 310023)

基于碳排放系數(shù)法估算了1997~2015年中國(guó)城鎮(zhèn)、農(nóng)村和整體(包含城鎮(zhèn)和農(nóng)村)居民生活消費(fèi)引起的直接碳排放量,進(jìn)一步采用Dagum基尼系數(shù)和Kernel 密度函數(shù)估計(jì)方法對(duì)中國(guó)城鎮(zhèn)和農(nóng)村居民生活消費(fèi)碳排放的地區(qū)差距及分布動(dòng)態(tài)進(jìn)行實(shí)證研究.同時(shí),采用乘積式對(duì)數(shù)平均迪式指數(shù)模型(M-LMDI)分析了直接能源消費(fèi)強(qiáng)度、居民人均消費(fèi)水平和單位能源碳排放強(qiáng)度3大因素對(duì)居民消費(fèi)碳排放變化的影響,并重點(diǎn)考察了各省份相關(guān)變量對(duì)生活消費(fèi)碳排放影響的城鄉(xiāng)差異.結(jié)果表明:(1)中國(guó)城鎮(zhèn)和農(nóng)村居民人均生活消費(fèi)碳排放量在研究期內(nèi)呈現(xiàn)逐年遞增的趨勢(shì),在空間上均存在顯著非均衡特征.(2)中國(guó)居民人均生活消費(fèi)碳排放的地區(qū)總差異呈現(xiàn)波動(dòng)下降的趨勢(shì),從1997年的0.379下降到2015年的0.244.1997~1999年城鎮(zhèn)和農(nóng)村居民生活消費(fèi)碳排放的組間差距是城鄉(xiāng)差距的主要來(lái)源,其貢獻(xiàn)率超過(guò)50%.2000年后組內(nèi)差距成為城鄉(xiāng)差距的主要來(lái)源,其貢獻(xiàn)率均大于40%并超過(guò)了組間差距.(3)城鎮(zhèn)和農(nóng)村居民人均生活消費(fèi)碳排放均在增加,地區(qū)差異均在擴(kuò)大.(4)對(duì)全國(guó)居民生活消費(fèi)碳排放變動(dòng)貢獻(xiàn)最大的省區(qū)是內(nèi)蒙古,累計(jì)貢獻(xiàn)值達(dá)0.1005.貢獻(xiàn)最小的省區(qū)是云南,累計(jì)貢獻(xiàn)值為0.0125.(5)農(nóng)村的能源消費(fèi)強(qiáng)度和人均消費(fèi)水平的貢獻(xiàn)程度在研究期內(nèi)均大于城鎮(zhèn),單位能源碳排放強(qiáng)度在兩個(gè)地區(qū)的貢獻(xiàn)水平表現(xiàn)出了波動(dòng)性.

城鎮(zhèn)居民；農(nóng)村居民；生活消費(fèi)；碳排放；Dagum基尼系數(shù)；LMDI

隨著科技進(jìn)步和城鎮(zhèn)化進(jìn)程的加速,人們的生產(chǎn)和生活方式發(fā)生了改變,能源消耗結(jié)構(gòu)也發(fā)生改變,消耗數(shù)量不斷增加,給全球碳減排帶來(lái)了巨大壓力.隨著家庭能源需求的不斷上升,人們開始意識(shí)到居民生活消費(fèi)所引起的直接和間接碳排放,已經(jīng)或者即將成為新的碳排放增長(zhǎng)點(diǎn).在一些城鎮(zhèn)化水平較高的發(fā)達(dá)國(guó)家,家庭能源消費(fèi)已經(jīng)超過(guò)工業(yè)部門,成為重要的碳源[1].隨著中國(guó)刺激消費(fèi)和拉動(dòng)內(nèi)需政策的進(jìn)一步實(shí)施,我國(guó)未來(lái)居民消費(fèi)模式變化引起的能源消耗數(shù)量和結(jié)構(gòu)變化必將對(duì)碳排放產(chǎn)生越來(lái)越重要的影響[2].同時(shí),城鎮(zhèn)和農(nóng)村作為承載人類生活和生產(chǎn)的兩種不同空間載體,二者之間在諸多方面存在較大差異.而作為在城鎮(zhèn)和農(nóng)村從事生產(chǎn)和生活的主體,居民的消費(fèi)行為和消費(fèi)方式也截然不同,從而導(dǎo)致能源消耗結(jié)構(gòu)和數(shù)量存在較大差異.隨著城鎮(zhèn)化進(jìn)程的加速,不斷有農(nóng)村居民向城鎮(zhèn)轉(zhuǎn)移和集聚,這在導(dǎo)致能源消耗結(jié)構(gòu)和數(shù)量發(fā)生變化的同時(shí),也引起了碳排放的變化.中國(guó)的城鎮(zhèn)化率已經(jīng)由1978年的17.92%增加到2015年的56.10%,期間增長(zhǎng)了3倍多.城鎮(zhèn)人口增加的同時(shí)農(nóng)村人口在不斷減少,相應(yīng)的城鎮(zhèn)居民和農(nóng)村居民生活消費(fèi)也發(fā)生了巨大變化,勢(shì)必導(dǎo)致生活消費(fèi)碳排放發(fā)生重要變化.同時(shí)考慮到我國(guó)不同區(qū)域之間的經(jīng)濟(jì)發(fā)展水平差異較大,碳排放與區(qū)域經(jīng)濟(jì)發(fā)展之間存在長(zhǎng)期均衡關(guān)系[3].因此,從城鄉(xiāng)差異的視角考察居民消費(fèi)碳排放的規(guī)模和結(jié)構(gòu)特征,并基于歷史數(shù)據(jù)測(cè)算各省區(qū)相關(guān)變量與全國(guó)城鄉(xiāng)居民消費(fèi)碳排放之間的數(shù)量關(guān)系,并對(duì)城鄉(xiāng)差異進(jìn)行比較,對(duì)于綜合權(quán)衡城鄉(xiāng)和區(qū)域間的碳減排目標(biāo)具有重要的現(xiàn)實(shí)意義.

由于發(fā)達(dá)國(guó)家基本完成了城鎮(zhèn)化建設(shè),家庭部門是僅次于工業(yè)部門的第二大能源消耗主體.因此,早期對(duì)于居民消費(fèi)碳排放的研究更多集中在這些發(fā)達(dá)經(jīng)濟(jì)體,如美國(guó)[4]、英國(guó)[5]、丹麥[6-7]、西班牙[8]和希臘[9].這些文獻(xiàn)均認(rèn)為不同的家庭消費(fèi)模式和消費(fèi)水平均會(huì)對(duì)其碳排放產(chǎn)生影響.近年來(lái),針對(duì)中國(guó)居民生活消費(fèi)碳排放的相關(guān)研究逐漸增多.目前相關(guān)的研究主要集中在以下四個(gè)方面:

一是將城鎮(zhèn)和農(nóng)村作為整體進(jìn)行研究.如馮蕊等[10]、查建平等[11]、顧鵬等[12]采用碳排放系數(shù)法分別估算了天津市和全國(guó)城鄉(xiāng)整體居民生活消費(fèi)碳排放量.在對(duì)居民生活消費(fèi)碳排放進(jìn)行測(cè)度的基礎(chǔ)上,有學(xué)者開始關(guān)注其驅(qū)動(dòng)機(jī)制,如Feng等[13]采用灰關(guān)聯(lián)方法檢驗(yàn)了中國(guó)城鄉(xiāng)整體居民消費(fèi)對(duì)碳排放的影響.李艷梅等[1]采用面板數(shù)據(jù)模型重點(diǎn)考察了城鎮(zhèn)化對(duì)家庭直接和間接碳排放的影響,并考慮了省際間的區(qū)域差異.更多的學(xué)者采用因素分解方法對(duì)城鄉(xiāng)整體居民生活消費(fèi)碳排放的驅(qū)動(dòng)因素進(jìn)行分析,主要采用指數(shù)分解模型[14-17]和結(jié)構(gòu)分解模型[18-20]兩類方法.

二是重點(diǎn)關(guān)注城鎮(zhèn)居民生活消費(fèi)碳排放.如張艷等[21]測(cè)算了我國(guó)287個(gè)地級(jí)市的城市居民消費(fèi)碳排放及其空間分布,并探索其影響因素.萬(wàn)文玉等[2]對(duì)我國(guó)各省城市居民生活消費(fèi)碳排放的時(shí)空演變特征進(jìn)行分析,并利用面板數(shù)據(jù)模型分析了影響城市居民生活能源碳排放的主要因素.

三是將研究視角聚焦到農(nóng)村地區(qū).如田宜水等[22]則采用LEAP模型對(duì)2020年中國(guó)農(nóng)村居民生活用能需求和碳排放情況進(jìn)行了情景模擬.Chen等[23]對(duì)中國(guó)農(nóng)村居民消費(fèi)的可再生能源產(chǎn)生的碳排放進(jìn)行了測(cè)算.Wu等[24]采用問(wèn)卷調(diào)查和多元線性回歸方法對(duì)麗江農(nóng)村居民生活消費(fèi)碳排放的驅(qū)動(dòng)因素進(jìn)行了研究.

四是對(duì)城鄉(xiāng)差異進(jìn)行比較.如李艷梅等[25]發(fā)現(xiàn),城鎮(zhèn)的戶均直接能源消費(fèi)和碳排放一直高于農(nóng)村,但差距正在縮小,原因在于城鎮(zhèn)直接能源消費(fèi)強(qiáng)度下降、直接能源消費(fèi)結(jié)構(gòu)優(yōu)化、家庭規(guī)?？s小所產(chǎn)生的節(jié)能減排效應(yīng)逐步增大,抵消了人均消費(fèi)水平提高所產(chǎn)生的增能增排效應(yīng).彭水軍等[26]采用投入產(chǎn)出和結(jié)構(gòu)分解方法進(jìn)行研究,發(fā)現(xiàn)居民消費(fèi)碳排放絕大部分都來(lái)自城鎮(zhèn)居民的消費(fèi)活動(dòng).除了城鄉(xiāng)之間碳排放量的差異,進(jìn)一步的有學(xué)者開始關(guān)注城鄉(xiāng)間碳排放驅(qū)動(dòng)因素的差異.如Zha等[27]通過(guò)對(duì)比研究,發(fā)現(xiàn)人口效應(yīng)是城鎮(zhèn)居民消費(fèi)碳排放的主要促增因素,但卻是農(nóng)村居民消費(fèi)碳排放的主要促減因素.張馨等[28]通過(guò)比較分析發(fā)現(xiàn),在不考慮其他因素的前提下,農(nóng)村居民轉(zhuǎn)化為城鎮(zhèn)居民會(huì)導(dǎo)致碳排放量的增加.這種變化反映了城鄉(xiāng)居民生活水平的差異,發(fā)展趨勢(shì)上表現(xiàn)為居民的消費(fèi)行為由生存型向發(fā)展型轉(zhuǎn)變.張友國(guó)[29]發(fā)現(xiàn)人口規(guī)模差異和人均消費(fèi)水平差異是縮小城鄉(xiāng)居民碳排放差異的重要因素.Zhang[30]進(jìn)一步發(fā)現(xiàn)城鎮(zhèn)間接生活消費(fèi)碳排放的增加源于消費(fèi)支出的增長(zhǎng),而農(nóng)村地區(qū)的增長(zhǎng)不顯著.城鎮(zhèn)直接生活消費(fèi)碳排放的下降源于能源結(jié)構(gòu)的變化,而農(nóng)村地區(qū)的下降不顯著.

上述研究對(duì)中國(guó)城鎮(zhèn)和農(nóng)村居民生活消費(fèi)碳排放進(jìn)行了系統(tǒng)的測(cè)算、比較和驅(qū)動(dòng)因素分析,并得出了有價(jià)值的結(jié)論.但是仍然存在兩點(diǎn)不足:一是對(duì)中國(guó)城鄉(xiāng)差異的比較研究均是以全國(guó)層面數(shù)據(jù)為研究樣本,目前還缺乏基于省域?qū)用娴某青l(xiāng)比較;二是對(duì)城鎮(zhèn)、農(nóng)村居民生活消費(fèi)碳排放的因素分解過(guò)程中未考慮分省貢獻(xiàn). 因此,本文基于中國(guó)30個(gè)省區(qū)1997~2015年的面板數(shù)據(jù),采用Dagum基尼系數(shù)和Kernel密度函數(shù)估計(jì)方法對(duì)中國(guó)城鎮(zhèn)和農(nóng)村居民生活消費(fèi)碳排放的空間差距及分布動(dòng)態(tài)進(jìn)行實(shí)證測(cè)度,將有助于我們掌握生活消費(fèi)碳排放城鄉(xiāng)差距的大小和演進(jìn)趨勢(shì).并且進(jìn)一步系統(tǒng)識(shí)別各省區(qū)相關(guān)變量對(duì)中國(guó)城鎮(zhèn)、農(nóng)村和整體居民生活消費(fèi)直接碳排放的影響機(jī)制,并對(duì)三者之間的差異進(jìn)行比較分析,這是現(xiàn)有文獻(xiàn)鮮有涉及的.本研究發(fā)現(xiàn)中國(guó)居民人均生活消費(fèi)碳排放的城鄉(xiāng)差距總體上呈現(xiàn)下降趨勢(shì),但是農(nóng)村居民人均生活消費(fèi)碳排放的增長(zhǎng)率要遠(yuǎn)高于城鎮(zhèn).該研究發(fā)現(xiàn)不僅是對(duì)現(xiàn)有文獻(xiàn)的有益補(bǔ)充,而且能夠更好的為環(huán)境政策制定和實(shí)施提供借鑒和參考.

1 模型構(gòu)建與數(shù)據(jù)選取

1.1 居民生活消費(fèi)引起的直接碳排放量測(cè)算模型

居民生活消費(fèi)引起的碳排放包括直接碳排放和間接碳排放兩部分.本文僅分析居民生活消費(fèi)直接碳排放,并根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒》地區(qū)能源平衡表中城鎮(zhèn)、農(nóng)村和整體生活消費(fèi)的20種能源消費(fèi)量進(jìn)行計(jì)算.由于20種能源包括了原煤、洗精煤、其他洗煤、型煤、焦炭、焦?fàn)t煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、其他石油制品、其他焦化產(chǎn)品和其他能源18種化石能源以及電力、熱力的二次能源消費(fèi)兩部分.因此,借鑒已有文獻(xiàn)的思路,本文采用如下公式對(duì)城鎮(zhèn)和農(nóng)村居民生活消費(fèi)碳排放量進(jìn)行測(cè)算:

式中:C表示第省區(qū)的城鎮(zhèn)/農(nóng)村/整體居民生活直接消費(fèi)碳排放總量;C表示第省區(qū)的城鎮(zhèn)/農(nóng)村/整體第種化石能源消費(fèi)碳排放量;=1,2,…,18 指18類化石能源類型;e和h分別表示第省區(qū)的城鎮(zhèn)/農(nóng)村/整體居民生活電力和熱力的二次能源消費(fèi)產(chǎn)生的碳排放量;E表示第省區(qū)的城鎮(zhèn)/農(nóng)村/整體居民生活第類化石能源終端消耗量;O表示第類化石能源的碳氧化率;CF表示第類化石能源的碳排放因子;LCV表示第類化石能源的平均低位熱值;e表示第省區(qū)的城鎮(zhèn)/農(nóng)村/整體居民生活電力消費(fèi)量;E表示熱力消費(fèi)量;e表示第省區(qū)電力消費(fèi)的碳排放系數(shù);h表示第省區(qū)熱力消費(fèi)的碳排放系數(shù).

1.2 居民人均生活直接消費(fèi)碳排放量空間差距測(cè)度模型

1.2.1 Dagum基尼系數(shù)及其分解方法 在對(duì)城鎮(zhèn)和農(nóng)村居民生活直接消費(fèi)碳排放量進(jìn)行有效測(cè)度的基礎(chǔ)上,本文進(jìn)一步采用Dagum 基尼系數(shù)來(lái)分析城鎮(zhèn)和農(nóng)村之間以及地區(qū)之間的差距.不同于傳統(tǒng)的基尼系數(shù),Dagum基尼系數(shù)不僅能夠有效識(shí)別地區(qū)間差距的來(lái)源,而且能夠描述子樣本的分布情況,并有效解釋子樣本之間交叉項(xiàng)的問(wèn)題[31].Dagum基尼系數(shù)[30]的表達(dá)式如下:

按照Dagum基尼系數(shù)的分解方法,可以將基尼系數(shù)分解為3個(gè)部分:地區(qū)內(nèi)差距的貢獻(xiàn)(G)、地區(qū)間差距的貢獻(xiàn)(G)和超變密度的貢獻(xiàn)(G).其中,超變密度是劃分子樣本時(shí)交叉項(xiàng)對(duì)總體差距()的影響,四者之間關(guān)系為:= G+ G+G.各部分的計(jì)算公式如下:

根據(jù)以上方法,測(cè)算和分解了全國(guó)30個(gè)省區(qū)之間以及城鎮(zhèn)和農(nóng)村之間1997~2015年居民人均生活直接消費(fèi)碳排放量空間分布的基尼系數(shù)并進(jìn)行了地區(qū)分解.

1.2.2 Kernel密度估計(jì) 本文進(jìn)一步將各省份的居民人均生活直接消費(fèi)碳排放量的空間特征引入到時(shí)間坐標(biāo)軸上進(jìn)行動(dòng)態(tài)評(píng)價(jià),并采用Kernel密度估計(jì)來(lái)分析時(shí)間特征.Kernel密度估計(jì)方法能夠?qū)θ珖?guó)居民人均生活直接消費(fèi)碳排放量的整體空間差異進(jìn)行分析,并且通過(guò)觀測(cè)核密度函數(shù)曲線峰值和寬度的變化,能夠?qū)θ珖?guó)、城鎮(zhèn)和農(nóng)村居民人均生活直接消費(fèi)碳排放量的總體差異的分階段動(dòng)態(tài)變化進(jìn)行可視化表達(dá).假設(shè)隨機(jī)變量的密度函數(shù)為() ,則在點(diǎn)的概率密度可以由下式進(jìn)行估計(jì):

結(jié)合核密度函數(shù)圖,就可以對(duì)居民人均生活直接消費(fèi)碳排放量的取值在不同觀察期的變化進(jìn)行有效判斷,進(jìn)而刻畫其動(dòng)態(tài)特征.

1.3 居民人均生活直接消費(fèi)碳排放量變化的因素分解模型

目前對(duì)碳排放進(jìn)行因素分解的指數(shù)分解方法主要有算術(shù)平均 Divisia 指數(shù)分解法(AMDI)和對(duì)數(shù)平均 Divisia指數(shù)分解法(LMDI).AMDI 取兩個(gè)端點(diǎn)值的算術(shù)平均數(shù)為權(quán)數(shù),簡(jiǎn)單易行,但分解結(jié)果存在殘差.LMDI方法分解無(wú)殘差,對(duì)零值與負(fù)值數(shù)據(jù)能進(jìn)行有效的技術(shù)處理,并且對(duì)于乘法和加法的分解結(jié)果具有總和一致性的優(yōu)點(diǎn).同時(shí),考慮到加法模型更適合排放數(shù)量指標(biāo),而乘法模型更適合排放效率指標(biāo)(如碳排放強(qiáng)度、人均碳排放量等).由于本文采用居民人均生活消費(fèi)碳排放量(以下簡(jiǎn)稱CP)作為分解指標(biāo),即排放效率指標(biāo),因此采用乘積式LMDI(M-LMDI)方法進(jìn)行分析,首先將中國(guó)城鎮(zhèn)、農(nóng)村和整體CP分解為30個(gè)省區(qū)3個(gè)變量的乘積之和的形式:

式中:CP()表示全國(guó)城鎮(zhèn)/農(nóng)村/整體居民時(shí)期的人均生活直接消費(fèi)碳排放量;()和C()分別表示全國(guó)和第省區(qū)城鎮(zhèn)/農(nóng)村/整體居民生活直接消費(fèi)碳排放總量;()和P()分別表示全國(guó)和第省區(qū)城鎮(zhèn)/農(nóng)村/整體人口數(shù)量;=1,2,…,30指30個(gè)省區(qū);E()表示第省區(qū)城鎮(zhèn)/農(nóng)村/整體居民生活直接能源消費(fèi)總量;T()表示第省區(qū)城鎮(zhèn)/農(nóng)村/整體居民生活消費(fèi)支出總額.式(14)可以進(jìn)一步表達(dá)為:

式中:CE()=C()/E()表示單位能源碳排放強(qiáng)度; ET()=E()/T()表示能源直接消費(fèi)強(qiáng)度,即單位消費(fèi)支出的直接生活能源消費(fèi)量;TPk()=T()/ P()表示人均消費(fèi)支出,表征人均消費(fèi)水平.根據(jù)M-LMDI方法對(duì)式(3)進(jìn)一步分解,則可以得到相鄰2個(gè)時(shí)段(期~+1期)居民人均生活直接消費(fèi)碳排放量的變化可以表達(dá)為:

1.4 數(shù)據(jù)來(lái)源與處理

基于上述理論模型,本文選取中國(guó)30個(gè)省區(qū)1997~2015年的面板數(shù)據(jù)為研究樣本.主要搜集4組數(shù)據(jù):30個(gè)省區(qū)城鎮(zhèn)、農(nóng)村和整體的居民生活直接能源消費(fèi)數(shù)據(jù)、生活消費(fèi)支出數(shù)據(jù)、人口數(shù)據(jù)和居民生活直接消費(fèi)碳排放數(shù)據(jù).其中,城鎮(zhèn)、農(nóng)村和整體的居民生活能源消費(fèi)數(shù)據(jù)來(lái)源于1998~2016年《中國(guó)能源統(tǒng)計(jì)年鑒》中各省區(qū)的地區(qū)能源平衡表.平衡表中的20類能源的統(tǒng)計(jì)單位不統(tǒng)一,本文按照《中國(guó)能源統(tǒng)計(jì)年鑒》2016中所附的各類能源的折標(biāo)準(zhǔn)煤參考系數(shù)將20類能源的單位統(tǒng)一轉(zhuǎn)化成萬(wàn)t標(biāo)準(zhǔn)煤;城鎮(zhèn)、農(nóng)村和整體人口數(shù)據(jù)來(lái)源于1998~2016年《中國(guó)統(tǒng)計(jì)年鑒》;城鎮(zhèn)、農(nóng)村和整體居民生活消費(fèi)支出總額數(shù)據(jù)來(lái)源于1998~2016年《中國(guó)統(tǒng)計(jì)年鑒》,由于年鑒中僅公布了各省區(qū)城鎮(zhèn)和農(nóng)村的人均生活消費(fèi)支出數(shù)據(jù),本文結(jié)合該數(shù)據(jù)和人口數(shù)據(jù)推算出城鎮(zhèn)和農(nóng)村地區(qū)的居民生活消費(fèi)支出總額數(shù)據(jù),二者加總后得到整體居民生活消費(fèi)支出總額數(shù)據(jù),并進(jìn)一步將數(shù)據(jù)以1997年為基期進(jìn)行了平減.平減采用的國(guó)內(nèi)生產(chǎn)總值價(jià)格指數(shù)來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》;城鎮(zhèn)、農(nóng)村和整體居民生活直接消費(fèi)碳排放數(shù)據(jù)采用碳排放系數(shù)法進(jìn)行間接測(cè)算(具體測(cè)算過(guò)程參見1.1節(jié));18種化石能源的碳排放系數(shù)來(lái)自IPCC;各省電力的碳排放系數(shù)來(lái)自于《關(guān)于公布2009年中國(guó)區(qū)域電網(wǎng)基準(zhǔn)線排放因子的公告》;熱力的碳排放系數(shù)參考了李艷梅等[1]的數(shù)據(jù).

2 結(jié)果分析

2.1 中國(guó)城鄉(xiāng)CP值特征的比較分析

1997~2015年期間中國(guó)城鄉(xiāng)CP值均呈現(xiàn)逐年遞增的趨勢(shì),且城鎮(zhèn)CP值明顯高于農(nóng)村,為了進(jìn)一步分析地區(qū)差異,本文利用ArcGIS的自然點(diǎn)斷法繪制了1997年、2015年中國(guó)城鎮(zhèn)和農(nóng)村CP值變化的空間分布圖,如圖1所示,城鎮(zhèn)和農(nóng)村CP值在空間上均存在顯著非均衡特征.1997年城鎮(zhèn)CP值東部和西部差異較大,中部地區(qū)較為集聚,山東、江蘇、安徽、湖南和貴州一帶城鎮(zhèn)CP值最低;2015年北部地區(qū)城鎮(zhèn)CP值增加較快,呈現(xiàn)向東北地區(qū)集聚的趨勢(shì),各碳排放水平的集聚區(qū)域明顯,總體看來(lái)東北和西部地區(qū)大于中部地區(qū)和東部地區(qū).1997年中部地區(qū)農(nóng)村CP值較高且較為集聚,東部地區(qū)相對(duì)最低;2015年農(nóng)村CP值逐漸呈現(xiàn)出較大的東西集聚差異,東部地區(qū)農(nóng)村CP值明顯高于北部地區(qū),并呈現(xiàn)向東南地區(qū)集聚的趨勢(shì).

2.2 城鄉(xiāng)CP差距的測(cè)度及分解

2.2.1 城鎮(zhèn)和農(nóng)村居民兩組人群之間差距及其來(lái)源分解 根據(jù)Dagum基尼系數(shù)分解方法,對(duì)城鎮(zhèn)和農(nóng)村CP進(jìn)行測(cè)算和分解,結(jié)果如表1所示.1997~2015年期間中國(guó)整體CP的城鄉(xiāng)差距總體上呈現(xiàn)波動(dòng)下降趨勢(shì),具體而言,1998~2005年城鄉(xiāng)差距縮小速度較快,2006~2011年城鄉(xiāng)差距縮小速度較為緩慢, 2012年以后城鄉(xiāng)差距縮小速度又開始加快,2015年達(dá)到最小值0.235.從組內(nèi)差距(指城鎮(zhèn)或者農(nóng)村居民人群內(nèi)部區(qū)域之間的差距)來(lái)看,研究期間內(nèi)城鎮(zhèn)居民組內(nèi)差距變動(dòng)呈現(xiàn)波動(dòng)狀態(tài), 1998~2004年呈現(xiàn)“U”型態(tài)勢(shì),2005年之后呈現(xiàn)出緩慢的增長(zhǎng)趨勢(shì).農(nóng)村地區(qū)組內(nèi)差距在1997~2015年呈現(xiàn)逐年縮小的發(fā)展態(tài)勢(shì).相比較而言, 1997~2011年農(nóng)村地區(qū)的組內(nèi)差距總是大于城鎮(zhèn)地區(qū),2012年以后則出現(xiàn)了反轉(zhuǎn),城鎮(zhèn)地區(qū)組內(nèi)差距大于農(nóng)村地區(qū).從組間差距(指城鎮(zhèn)居民和農(nóng)村居民兩組人群之間的差距)來(lái)看,1997~2015年其變動(dòng)趨勢(shì)與總體差距類似,均呈現(xiàn)波動(dòng)下降趨勢(shì),CP差距在縮小.從兩組人群差距的來(lái)源看,1997~2015年CP的組內(nèi)差距和超變密度的貢獻(xiàn)率呈現(xiàn)上升趨勢(shì),而組間差距的貢獻(xiàn)率則呈現(xiàn)下降趨勢(shì).具體來(lái)說(shuō),1997~ 1999年期間,城鎮(zhèn)和農(nóng)村CP的組間差距貢獻(xiàn)率最大,是城鄉(xiāng)差距的主要來(lái)源;2000年后,組內(nèi)差距的貢獻(xiàn)率超過(guò)了組間差距,成為城鄉(xiāng)差距的主要來(lái)源.

圖1 1997年、2015年中國(guó)城鎮(zhèn)和農(nóng)村CP空間分布

表1 基尼系數(shù)及其分解結(jié)果(按城鎮(zhèn)居民和農(nóng)村居民人群進(jìn)行分組)

續(xù)表1

年份總體組內(nèi)差距組間差距貢獻(xiàn)率(%) 城鎮(zhèn)農(nóng)村城鎮(zhèn)VS農(nóng)村組內(nèi)組間超變密度 20090.3060.2490.3050.34144.2935.7219.99 20100.3150.2690.3210.34145.9231.6122.47 20110.3070.2700.3180.32347.3625.2627.38 20120.2810.2800.2410.29747.0834.7918.13 20130.2780.2700.2760.28448.9916.7234.29 20140.2510.2590.2150.26147.9028.1024.00 20150.2440.2570.2050.25348.1526.4725.39

從基尼系數(shù)分解結(jié)果來(lái)看(圖2),1997~2015年組內(nèi)差距呈現(xiàn)輕微波動(dòng)狀態(tài),總體有輕微的下降趨勢(shì),從1997年的0.139下降到2015年的0.117,說(shuō)明研究期內(nèi)的組內(nèi)差距變動(dòng)不明顯;組間差距呈現(xiàn)波動(dòng)下降趨勢(shì),從1997年的0.202下降到2015年的0.064,這說(shuō)明組間差距對(duì)城鎮(zhèn)與農(nóng)村CP差距的影響在逐漸變?nèi)?并且以2002年為分界線,之前年份組間差距為總體差距的主導(dǎo)因素,而之后年份主導(dǎo)因素則變?yōu)榻M內(nèi)差距;超變密度在研究期內(nèi)呈現(xiàn)出波動(dòng)上升的發(fā)展態(tài)勢(shì),從1997年的0.038上升到2015年的0.062.除了2011和2013年之外,其取值始終低于組內(nèi)差距和組間差距,不難得出,組內(nèi)差距和組間差距的交互作用使得總體差距呈現(xiàn)出波動(dòng)下降的趨勢(shì),從1997年的0.379下降到2015年的0.244.即組內(nèi)差距和組間差距的同時(shí)下降是導(dǎo)致總體差距下降的主要原因.即城鎮(zhèn)和農(nóng)村之間的總體CP差距呈現(xiàn)出縮小的發(fā)展態(tài)勢(shì),這與李艷梅等[23]的研究結(jié)論保持一致.但是城鄉(xiāng)差距縮小的原因并不在于城鎮(zhèn)地區(qū)CP值的下降,而是農(nóng)村CP值的增長(zhǎng)速度遠(yuǎn)高于城鎮(zhèn)地區(qū)導(dǎo)致的.

圖2 中國(guó)城鎮(zhèn)和農(nóng)村CP差距演變趨勢(shì)

2.2.2 地區(qū)差距及其來(lái)源分解 本文進(jìn)一步依次對(duì)全國(guó)整體、城鎮(zhèn)和農(nóng)村CP的地區(qū)差異分別按東部、中部和西部地區(qū)進(jìn)行測(cè)算和分解,其中東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南;西部地區(qū)包括四川、重慶、貴州、云南、陜西、甘肅、寧夏、新疆、廣西、內(nèi)蒙古.結(jié)果如表2、表3和表4所示.

從表2可知,東部地區(qū)的地區(qū)內(nèi)差距最大(均值0.257),其次是西部地區(qū)(均值0.253),中部的地區(qū)內(nèi)差距最小(均值0.206);東部和中部地區(qū)整體CP值的地區(qū)間差距最大(均值0.276),其次是東部和西部地區(qū)(均值0.275),中部和西部的地區(qū)間差距最小(均值0.248).從發(fā)展趨勢(shì)來(lái)看,東部地區(qū)的地區(qū)內(nèi)差距呈現(xiàn)出明顯的下降趨勢(shì),從1997年的0.308下降到2015年的0.164,說(shuō)明東部地區(qū)內(nèi)部的各省區(qū)之間的差距在不斷縮小;中部地區(qū)的地區(qū)內(nèi)差距在研究期內(nèi)表現(xiàn)出了波動(dòng)狀態(tài),但是波動(dòng)幅度不大,基本穩(wěn)定在0.2左右波動(dòng),并呈現(xiàn)輕微的下降趨勢(shì),從1997年的0.202下降到2015年的0.179,這說(shuō)明中部地區(qū)內(nèi)部各省區(qū)之間的差距變化不大;西部地區(qū)的地區(qū)內(nèi)差距同樣呈現(xiàn)出了波動(dòng)中下降的發(fā)展趨勢(shì),但是波動(dòng)的幅度要明顯高于中部地區(qū),從1997年的0.262下降到2015年的0.224.從中國(guó)城鄉(xiāng)整體東部、中部和西部地區(qū)差距的來(lái)源和貢獻(xiàn)率來(lái)看,研究期內(nèi)超變密度的貢獻(xiàn)率取值均最高,研究期內(nèi)保持在40%左右波動(dòng),說(shuō)明CP的地區(qū)內(nèi)差距和地區(qū)間差距的交互作用是總體差距的主要來(lái)源;貢獻(xiàn)率次之的是地區(qū)內(nèi)差距,研究期內(nèi)維持在30%以上的區(qū)間內(nèi)小幅波動(dòng);貢獻(xiàn)率最低的是地區(qū)間差距,并且在研究期內(nèi)呈現(xiàn)出劇烈波動(dòng),總體上呈現(xiàn)出一定的上升趨勢(shì).

表2 中國(guó)城鄉(xiāng)整體基尼系數(shù)及其分解結(jié)果

表3展示的是城鎮(zhèn)CP的基尼系數(shù)及其分解結(jié)果.從基尼系數(shù)可知,西部地區(qū)城鎮(zhèn)CP的地區(qū)內(nèi)差距最大(均值0.269),其次是東部地區(qū)(均值0.254),中部的地區(qū)內(nèi)差距最小(均值0.222);東部地區(qū)和西部地區(qū)城鎮(zhèn)CP的地區(qū)間差距最大(均值0.279),其次是中部地區(qū)和西部地區(qū)(均值0.270),東部和中部的地區(qū)間差距最小(均值0.262).從發(fā)展趨勢(shì)來(lái)看,中部地區(qū)和西部地區(qū)城鎮(zhèn)CP的地區(qū)內(nèi)差距在研究期內(nèi)呈現(xiàn)出波動(dòng)中上升的發(fā)展態(tài)勢(shì),分別從1997年的0.135和0.200上升到2015年的0.260和0.279;東部地區(qū)則呈現(xiàn)出波動(dòng)中下降的發(fā)展態(tài)勢(shì),從1997年的0.241下降到2015年的0.208;三大區(qū)域城鎮(zhèn)CP的地區(qū)間差距均表現(xiàn)出波動(dòng)中上升的發(fā)展趨勢(shì).從城鎮(zhèn)CP地區(qū)差距的來(lái)源和貢獻(xiàn)率來(lái)看,除了2004年以外,研究期內(nèi)超變密度的貢獻(xiàn)率取值均最高,并在2007年達(dá)到最高值(63.06%),并在研究期內(nèi)呈現(xiàn)出波動(dòng)上升的發(fā)展態(tài)勢(shì),這說(shuō)明超變密度是總體差距的主要來(lái)源;貢獻(xiàn)率次之的是地區(qū)內(nèi)差距,其取值在研究期內(nèi)始終保持在30%以上,波動(dòng)幅度較低,基本維持在32%~34%的區(qū)間內(nèi)波動(dòng);貢獻(xiàn)率最低的是地區(qū)間差距,在研究期內(nèi)波動(dòng)劇烈,2007年的最低值(3.16%)和2004年的最高值(33.90%)之間差距較大,并且從時(shí)間趨勢(shì)上呈現(xiàn)出了明顯的波動(dòng)下降態(tài)勢(shì).

表4展示的是農(nóng)村CP的基尼系數(shù)及其分解結(jié)果.從基尼系數(shù)可知,東部地區(qū)農(nóng)村CP的地區(qū)內(nèi)差距最大(均值0.340),其次是西部地區(qū)(均值0.251),中部的地區(qū)內(nèi)差距最小(均值0.224);東部地區(qū)和中部地區(qū)農(nóng)村CP地區(qū)間差距最大(均值0.399),其次是東部地區(qū)和西部地區(qū)(均值0.369),中部地區(qū)和西部地區(qū)的地區(qū)間差距最小(均值0.263).從發(fā)展趨勢(shì)來(lái)看,東部、中部和西部地區(qū)農(nóng)村CP的地區(qū)內(nèi)差距均呈現(xiàn)出了波動(dòng)降的態(tài)勢(shì),分別從1997年的0.511、0.352和0.299下降到2015年的0.172、0.092和0.133;從地區(qū)間差距來(lái)看,東部與中部、東部與西部、中部與西部在研究期內(nèi)均呈現(xiàn)下降趨勢(shì),分別從1997年的0.509、0.447和0.366下降到2015年的0.258、0.283和0.119,降幅明顯,說(shuō)明中國(guó)農(nóng)村CP的地區(qū)間差距有明顯的縮小.

表3 城鎮(zhèn)基尼系數(shù)及其分解結(jié)果

表4 農(nóng)村基尼系數(shù)及其分解結(jié)果

從中國(guó)農(nóng)村東部、中部和西部地區(qū)差距的來(lái)源和貢獻(xiàn)率來(lái)看,研究期內(nèi)地區(qū)間差距的貢獻(xiàn)率最高(均值為45.81%),說(shuō)明地區(qū)間差距是總體差距的主要來(lái)源;貢獻(xiàn)率次之的依次是地區(qū)內(nèi)差距(30.24%)和超變密度(23.95%).從三者的發(fā)展趨勢(shì)來(lái)看,地區(qū)內(nèi)差距和超變密度的貢獻(xiàn)率在研究期內(nèi)呈現(xiàn)出了明顯的下降趨勢(shì),分別從1997年的32.96%和38.70%下降到2015年的24.63%和10.56%;地區(qū)間差距在研究期內(nèi)則呈現(xiàn)出了顯著的上升趨勢(shì),從1997年的28.34%上升到2015年的64.82%,增幅達(dá)到了128.69%.

2.3 CP的動(dòng)態(tài)演進(jìn)

為了進(jìn)一步描述CP的整體形態(tài),并通過(guò)不同時(shí)期的形態(tài)變化來(lái)把握CP的動(dòng)態(tài)演進(jìn)特征,本文采用Kernel密度估計(jì)方法以1997、2006和2015年為測(cè)度對(duì)象,選取高斯核密度函數(shù)分別繪制出全國(guó)整體、城鎮(zhèn)、農(nóng)村CP的Kernel密度估計(jì)二維圖,并對(duì)不同年份CP的空間分布及動(dòng)態(tài)演進(jìn)進(jìn)行對(duì)比分析(圖3).

圖3 中國(guó)城鄉(xiāng)CP的動(dòng)態(tài)演進(jìn)

2.3.1 全國(guó)整體CP的Kernel密度估計(jì) 圖3(a)描繪了全國(guó)整體CP的情況,整體來(lái)看全國(guó)CP的地區(qū)差異發(fā)生了明顯的變化,地區(qū)差距先縮小后擴(kuò)大.具體而言,與1997年相比,2006年CP的密度函數(shù)波峰右移,說(shuō)明研究期間CP增加,波峰高度變高,寬度變窄,雙峰現(xiàn)象減弱,CP地區(qū)差距在縮小;2015年與2006年相比,波峰變矮,曲線扁平化,說(shuō)明該時(shí)期內(nèi)CP地區(qū)差距有擴(kuò)大趨勢(shì).

2.3.2 城鎮(zhèn)CP的Kernel密度估計(jì) 圖3(b)描繪了城鎮(zhèn)CP的情況,整體來(lái)看,城鎮(zhèn)CP的地區(qū)差距逐漸擴(kuò)大.具體而言,與1997年相比,2006年密度函數(shù)波峰左移,說(shuō)明城鎮(zhèn)CP在減少,波峰高度變矮,寬度變寬,說(shuō)明地區(qū)差異在逐步擴(kuò)大;2015年與2006年相比,波峰右移,且超過(guò)了1997年的位置,說(shuō)明該時(shí)期城鎮(zhèn)CP增加迅速,波峰變矮,寬度變寬,右拖尾抬高,變化區(qū)間變大,說(shuō)明該時(shí)期城鎮(zhèn)CP地區(qū)差異進(jìn)一步擴(kuò)大,且出現(xiàn)較為明顯的兩級(jí)分化現(xiàn)象.

2.3.3 農(nóng)村CP的Kernel密度估計(jì) 圖3(c)描繪了農(nóng)村CP的情況,整體來(lái)看,農(nóng)村CP的地區(qū)差距也在逐漸擴(kuò)大.具體而言,與1997年相比,2006年密度函數(shù)波峰右移,說(shuō)明農(nóng)村CP在逐年增加,波峰變矮,寬度變寬,說(shuō)明地區(qū)間差距在增大;2015年與2006年相比,波峰右移,農(nóng)村CP進(jìn)一步增加,與城鎮(zhèn)發(fā)展趨勢(shì)類似,2015年,農(nóng)村CP密度函數(shù)波峰變矮,寬度變寬,右拖尾抬高,變化區(qū)間變大,說(shuō)明該時(shí)期農(nóng)村地區(qū)差異進(jìn)一步擴(kuò)大,且出現(xiàn)較為明顯的兩級(jí)分化現(xiàn)象.

2.3.4 城鎮(zhèn)和農(nóng)村CP的對(duì)比分析 圖3(d)、(e)和(f)是城鎮(zhèn)和農(nóng)村1997年、2006年和2015年CP的對(duì)比圖.1997年城鎮(zhèn)CP的密度函數(shù)比較平滑,而農(nóng)村居民人均生活直接消費(fèi)碳排放的密度函數(shù)比較陡峭,說(shuō)明1997年城鎮(zhèn)地區(qū)CP差距較大.相比于1997年,2006年和2015年城鎮(zhèn)CP的地區(qū)差異依然大于農(nóng)村,且城鎮(zhèn)與農(nóng)村地區(qū)的密度函數(shù)波峰均右移,峰值在減小,波峰寬度在增加,說(shuō)明該期間,城鎮(zhèn)和農(nóng)村的CP均在不斷增加,且地區(qū)內(nèi)差異都在進(jìn)一步擴(kuò)大,值得注意的是城鎮(zhèn)和農(nóng)村CP均值的差距在逐漸縮小.

2.4 全國(guó)整體、城鎮(zhèn)和農(nóng)村CP的分省貢獻(xiàn)及其變化

2.4.1 全國(guó)整體CP變動(dòng)的因素分解 按照各省區(qū)對(duì)全國(guó)整體CP變動(dòng)的貢獻(xiàn)大小由低到高進(jìn)行排序如表5所示.從表5可知,對(duì)全國(guó)CP變動(dòng)貢獻(xiàn)最大的省區(qū)是內(nèi)蒙古、黑龍江、天津、遼寧和北京,累計(jì)貢獻(xiàn)值依次為0.1005,0.0634,0.0591,0.0555和0.0446,源于北方地區(qū)的居民消費(fèi)對(duì)能源性消費(fèi)結(jié)構(gòu)的依賴程度比較高,5個(gè)地區(qū)人均消費(fèi)水平(TP)變動(dòng)的貢獻(xiàn)值都較高,尤其是內(nèi)蒙古和天津地區(qū)由于人口基數(shù)較大,煤炭資源價(jià)格低獲取便利,隨著居民生活水平的提高,消費(fèi)能力增強(qiáng),從而加快了碳排放的增加.對(duì)全國(guó)CP變動(dòng)貢獻(xiàn)最小的省區(qū)是云南、陜西、青海、貴州、寧夏,累計(jì)貢獻(xiàn)值依次為0.0125,0.0170, 0.0175,0.0183,0.0194,主要得益于能源直接消費(fèi)強(qiáng)度(ET)變動(dòng)貢獻(xiàn)對(duì)TP變動(dòng)貢獻(xiàn)的抵消效應(yīng).從3個(gè)分解因素的結(jié)果來(lái)看,除了海南、重慶、四川、山東以外,各省區(qū)單位能源碳排放強(qiáng)度(CE)的貢獻(xiàn)值均為正,表明大部分省區(qū)CE是CP變動(dòng)的促增因素,但相對(duì)于TP的影響要小,其變動(dòng)對(duì)CP變動(dòng)貢獻(xiàn)最大的省份依次為內(nèi)蒙古、云南、黑龍江、寧夏、福建,貢獻(xiàn)值分別為0.0223,0.0166,0.0118,0.0113,0.0109;除海南以外,各省區(qū)ET的貢獻(xiàn)值均為負(fù)值,各省份ET是CP變動(dòng)的主要促減因素,其中ET變動(dòng)對(duì)CP增加抑制作用最大的省份依次是云南、寧夏、天津、吉林和新疆,其貢獻(xiàn)值分別是-0.0767,-0.0563, -0.0549,-0.0493和-0.0480;各省區(qū)的TP變動(dòng)取值均為正,即各省區(qū)TP變動(dòng)均是CP變動(dòng)的主要促增因素.其中,TP變動(dòng)對(duì)CP變動(dòng)促進(jìn)作用最大的5個(gè)省份依次是內(nèi)蒙古、天津、遼寧、北京和云南,其貢值分別是0.1251,0.1115,0.0933,0.0825和0.0726.

表5 2015年中國(guó)整體CP分省貢獻(xiàn)(1997年為基期)

2.4.2 城鎮(zhèn)CP變動(dòng)的因素分解 按照各省區(qū)對(duì)城鎮(zhèn)CP變動(dòng)貢獻(xiàn)大小由低到高進(jìn)行排序如表6所示.從表6不難發(fā)現(xiàn),對(duì)城鎮(zhèn)CP變動(dòng)貢獻(xiàn)最大的5個(gè)省區(qū)是內(nèi)蒙古、黑龍江、遼寧、北京和天津,累計(jì)貢獻(xiàn)值依次為0.1017,0.0675,0.0421,0.0382和0.0342.這些地區(qū)城鎮(zhèn)的表現(xiàn)跟全國(guó)整體情況基本一致.對(duì)城鎮(zhèn)CP變動(dòng)貢獻(xiàn)最小的省區(qū)是浙江、河北、福建、河南和新疆,累計(jì)貢獻(xiàn)率均為負(fù)值,即這5個(gè)省區(qū)對(duì)全國(guó)城鎮(zhèn)CP增長(zhǎng)起到了抑制作用.這主要源于ET變動(dòng)的貢獻(xiàn)同時(shí)抵消了TP變動(dòng)和CE變動(dòng)對(duì)CP增長(zhǎng)的貢獻(xiàn).從3個(gè)分解因素的結(jié)果來(lái)看,除了海南、湖南、重慶、四川和山東以外,各省區(qū)CE的貢獻(xiàn)值均為正,表明大部分省區(qū)CE是CP變動(dòng)的促增因素,但相對(duì)于TP影響較小,其變動(dòng)對(duì)CP增加貢獻(xiàn)最大的5個(gè)省份依次為內(nèi)蒙古、寧夏、云南、福建和甘肅,其貢獻(xiàn)值分別為0.0295,0.0214,0.0211,0.0114和0.0109;除海南以外,各省區(qū)ET的貢獻(xiàn)值均為負(fù)值,各省份ET是CP變動(dòng)的主要促減因素,其中ET變動(dòng)對(duì)CP增加抑制作用最大的省份依次是吉林、寧夏、河北、內(nèi)蒙古和遼寧,其貢獻(xiàn)值分別是-0.0714, -0.0622,-0.0502,-0.0432和-0.0397;各省區(qū)的TP變動(dòng)取值均為正,即各省區(qū)TP變動(dòng)均是CP變動(dòng)的主要促增因素.其中,TP變動(dòng)對(duì)CP增長(zhǎng)促進(jìn)作用最大的5個(gè)省區(qū)依次是內(nèi)蒙古、吉林、黑龍江、遼寧和天津,其貢值分別是0.1154、0.0849、0.0769、0.0738和0.0711.

表6 2015年中國(guó)城鎮(zhèn)CP分省貢獻(xiàn)(1997年為基期)

2.4.3 農(nóng)村CP變動(dòng)的因素分解 按照各省區(qū)對(duì)農(nóng)村CP變動(dòng)貢獻(xiàn)大小由低到高進(jìn)行排序如表7所示.從表7不難發(fā)現(xiàn),對(duì)農(nóng)村CP變動(dòng)貢獻(xiàn)最大的5個(gè)省區(qū)依次是浙江、廣東、福建、天津和北京,累計(jì)貢獻(xiàn)值依次為0.1005,0.0634,0.0591,0.0555,0.0446.對(duì)于浙江、廣東和福建,由于新農(nóng)村建設(shè)成效顯著,農(nóng)民收入和生活水平顯著提高,其消費(fèi)結(jié)構(gòu)中用于小汽車等高排放商品的需求上升導(dǎo)致了其相關(guān)碳排放增加.天津和北京作為直轄市,城鄉(xiāng)一體化程度較好,農(nóng)村居民的生活方式和消費(fèi)結(jié)構(gòu)與城鎮(zhèn)較為接近,因此導(dǎo)致了對(duì)CP變動(dòng)的高貢獻(xiàn)率.對(duì)農(nóng)村CP變動(dòng)貢獻(xiàn)最小的省區(qū)是貴州、云南、上海、陜西和甘肅,累計(jì)貢獻(xiàn)值依次為0.0093,0.0158,0.0178,0.0197和0.0211,主要源于這些省區(qū)ET變動(dòng)部分抵消了TP變動(dòng)的貢獻(xiàn).上海比較特殊,ET變動(dòng)和CE變動(dòng)共同抵消了TP變動(dòng)的貢獻(xiàn),這是導(dǎo)致其貢獻(xiàn)率不高的主要原因.從3個(gè)因素分解結(jié)果來(lái)看,除了上海、重慶、四川、吉林、山東和安徽以外,各省區(qū)CE的貢獻(xiàn)值均為正,表明大部分省區(qū)CE是CP變動(dòng)的促增因素,但相對(duì)于TP影響較小,其變動(dòng)對(duì)CP增加貢獻(xiàn)最大的5個(gè)省份依次為黑龍江、北京、新疆、云南和福建,貢獻(xiàn)值分別為0.0267,0.0167,0.0124,0.0111和0.0097;除海南以外,各省區(qū)ET的貢獻(xiàn)值均為負(fù)值,即ET是CP變動(dòng)的主要促減因素,其中ET變動(dòng)對(duì)CP增加抑制作用最大的省份依次是北京、上海、云南、天津和山西,其貢獻(xiàn)值分別是-0.1983, -0.1071,-0.1018,-0.0904和-0.0743;各省區(qū)的TP變動(dòng)均為正值,即各省區(qū)TP變動(dòng)均是CP變動(dòng)的主要促增因素.其中,TP變動(dòng)對(duì)CP變動(dòng)促進(jìn)作用最大的5個(gè)省份依次是北京、天津、上海、云南和內(nèi)蒙古,其貢獻(xiàn)值分別是0.2418,0.1505,0.1398,0.1000和0.0963.

表7 2015年中國(guó)農(nóng)村CP分省貢獻(xiàn)(1997年為基期)

2.4.4 城鎮(zhèn)和農(nóng)村CP變化的因素分解結(jié)果對(duì)比分析 首先,從分省貢獻(xiàn)的角度,對(duì)城鎮(zhèn)CP變化貢獻(xiàn)最大的5個(gè)省區(qū)有內(nèi)蒙古、黑龍江、遼寧、北京和天津,而同期對(duì)農(nóng)村CP變化貢獻(xiàn)最大的5個(gè)省區(qū)有浙江、廣東、福建、天津和北京的東南沿海地區(qū)和直轄市,二者之間存在較大的差異.其次,從綜合貢獻(xiàn)大小的角度,城鎮(zhèn)地區(qū)的全國(guó)綜合貢獻(xiàn)為0.4936(見表6),而農(nóng)村地區(qū)則達(dá)到了1.1323(表7).農(nóng)村的綜合貢獻(xiàn)率要遠(yuǎn)高于城鎮(zhèn),同時(shí)也高于全國(guó)整體(0.9691).說(shuō)明農(nóng)村地區(qū)的生活水平大幅度提高、消費(fèi)結(jié)構(gòu)和模式發(fā)生了較大變化,發(fā)展趨勢(shì)上表現(xiàn)為居民消費(fèi)行為由生存型向發(fā)展型的轉(zhuǎn)變[28].最后,從分解要素及其變化趨勢(shì)的角度(圖4),城鎮(zhèn)CP在1999~2003年期間持續(xù)下降,Zhang[30]將這種下降歸因于城鎮(zhèn)地區(qū)能源消費(fèi)結(jié)構(gòu)的優(yōu)化.2003年以后呈波動(dòng)上升趨勢(shì).農(nóng)村CP在研究期間內(nèi)持續(xù)平穩(wěn)上升,這與Zhang[30]的研究結(jié)論基本一致.

從3個(gè)分解因素來(lái)看,CE對(duì)城鎮(zhèn)和農(nóng)村CP均產(chǎn)生了正面影響,1999~2004年期間CE對(duì)農(nóng)村CP的貢獻(xiàn)大于城鎮(zhèn),2005年以后CE對(duì)城鎮(zhèn)CP的貢獻(xiàn)反超農(nóng)村.究其原因,2005年之前城鎮(zhèn)生活能源消費(fèi)多以熱力和電力為主,并且居民集中居住則能夠集中供熱和供暖,能源使用效率較高.而農(nóng)村居民生活能源多以煤炭和柴火為主,加之居住分散,無(wú)法集中供熱供暖,并且受到技術(shù)設(shè)備等因素限制,導(dǎo)致煤炭和熱力等能源利用的低效率和污染的高排放,因此2005年之前的城鎮(zhèn)居民的人均碳排放低于農(nóng)村地區(qū).隨著城鎮(zhèn)居民生活水平的不斷提高,生活消費(fèi)中各類化石能源的消費(fèi)量增加尤其是私家車數(shù)量的爆炸式增長(zhǎng)引起石油能源消費(fèi)的大幅度增長(zhǎng),而同一時(shí)期農(nóng)村居民生活水平的提高速度遠(yuǎn)低于城鎮(zhèn)地區(qū),從而導(dǎo)致碳排放呈現(xiàn)快速增長(zhǎng)趨勢(shì)并在2005年之后超過(guò)了農(nóng)村地區(qū).不難看出,城鎮(zhèn)和農(nóng)村居民在生活消費(fèi)中對(duì)各類能源的消耗量和消耗結(jié)構(gòu)的巨大差異是導(dǎo)致二者碳排放變化的主要原因.ET是減少城鎮(zhèn)和農(nóng)村CP的主要?jiǎng)恿?且研究期間持續(xù)下降,這與米紅等[15]的研究結(jié)論一致.城鎮(zhèn)ET對(duì)城鎮(zhèn)CP的累計(jì)貢獻(xiàn)值為-0.8526,農(nóng)村ET對(duì)農(nóng)村CP的累計(jì)貢獻(xiàn)值為-1.2171,這意味著ET在農(nóng)村的貢獻(xiàn)程度大于城鎮(zhèn).傳統(tǒng)形式的能源在農(nóng)村地區(qū)使用較為廣泛,特別是農(nóng)村原煤的使用遠(yuǎn)高于城鎮(zhèn),隨著電力的發(fā)展,這些年農(nóng)村能源消費(fèi)結(jié)構(gòu)以及用能水平有了大幅度的提升.TP導(dǎo)致研究期間城鎮(zhèn)和農(nóng)村CP持續(xù)快速增加,是CP增加的主要貢獻(xiàn)因素,同ET一樣,TP在農(nóng)村(累計(jì)貢獻(xiàn)值為2.1697)的貢獻(xiàn)程度大于城鎮(zhèn)(累計(jì)貢獻(xiàn)值為1.1426).在整個(gè)研究期間,中國(guó)經(jīng)濟(jì)持續(xù)高速發(fā)展,城鄉(xiāng)居民收入水平不斷提高,對(duì)生活能源消費(fèi)的需求也不斷增加,家用電器越來(lái)越普及,越來(lái)越多的家庭購(gòu)買了汽車.對(duì)于農(nóng)村而言,為了降低農(nóng)村稅費(fèi),國(guó)家實(shí)施了積極的財(cái)政政策,另一方面大力支持農(nóng)村基礎(chǔ)設(shè)施建設(shè),農(nóng)業(yè)技術(shù)進(jìn)步和扶貧開發(fā),農(nóng)村居民消費(fèi)水平因此得到了質(zhì)的飛躍,這些都說(shuō)明,居民生活水平的提高,可能會(huì)導(dǎo)致農(nóng)村居民消費(fèi)更多的能源來(lái)適應(yīng)舒適的生活.對(duì)于城鎮(zhèn)而言,隨著生活水平的提高,居民的消費(fèi)能力大幅度提升,但是其生活方式和消費(fèi)結(jié)構(gòu)也發(fā)生轉(zhuǎn)變,人們會(huì)更傾向于消費(fèi)碳排放更少的低碳產(chǎn)品,因此在一定程度上有利于減少碳排放.

3 結(jié)論

基于碳排放系數(shù)法估算了1997~2015年中國(guó)城鎮(zhèn)、農(nóng)村和整體(包含城鎮(zhèn)和農(nóng)村)CP值,進(jìn)一步采用Dagum基尼系數(shù)和Kernel 密度函數(shù)估計(jì)方法對(duì)中國(guó)城鎮(zhèn)和農(nóng)村CP的地區(qū)差距及分布動(dòng)態(tài)進(jìn)行實(shí)證研究.同時(shí),采用M-LMDI模型分析了CE、TP和ET3大因素對(duì)CP變化的影響,并重點(diǎn)考察了各省份相關(guān)變量對(duì)CP影響的城鄉(xiāng)差異.研究結(jié)果表明:

3.1 1997~2015年期間中國(guó)城鄉(xiāng)CP呈現(xiàn)逐年遞增的趨勢(shì),在空間上均存在顯著非均衡特征.城鎮(zhèn)CP呈現(xiàn)向東北地區(qū)集聚的趨勢(shì),農(nóng)村CP呈現(xiàn)向東南地區(qū)集聚的趨勢(shì).

3.2 Dagum基尼系數(shù)測(cè)算與分解結(jié)果顯示,中國(guó)CP的城鄉(xiāng)差距總體上呈現(xiàn)波動(dòng)下降的趨勢(shì),1997~ 1999年期間,城鎮(zhèn)和農(nóng)村居CP的地區(qū)間差距貢獻(xiàn)率是城鄉(xiāng)差距的主要來(lái)源;2000年后,地區(qū)內(nèi)差距貢獻(xiàn)率超過(guò)地區(qū)間差距貢獻(xiàn)率,成為城鄉(xiāng)差距的主要來(lái)源.

3.3 Kernel密度函數(shù)估計(jì)結(jié)果顯示,中國(guó)城鄉(xiāng)CP增加,地區(qū)差異在擴(kuò)大,城鎮(zhèn)地區(qū)CP差距大于農(nóng)村地區(qū).

3.4 因素分解結(jié)果顯示,中國(guó)30個(gè)省區(qū)碳排放量1997~2015年累計(jì)增加了96.91%,TP是CP增長(zhǎng)的主要貢獻(xiàn)因素,導(dǎo)致碳排放量增加168.77%;CE導(dǎo)致CP增加19.65%;ET對(duì)CP增加具有抑制作用,使碳排放量減少了92.41%.對(duì)全國(guó)CP變動(dòng)貢獻(xiàn)最大的省區(qū)是內(nèi)蒙古、黑龍江、天津、遼寧、北京,累計(jì)貢獻(xiàn)值依次為0.1005,0.0634,0.0591,0.0555,0.0446;對(duì)全國(guó)CP變動(dòng)貢獻(xiàn)最小的省區(qū)是云南、陜西、青海、貴州、寧夏,累計(jì)貢獻(xiàn)值依次為0.0125,0.0170, 0.0175,0.0183,0.0194.

3.5 農(nóng)村CP綜合增長(zhǎng)率要遠(yuǎn)高于城鎮(zhèn)地區(qū),也高于全國(guó)平均水平.CE對(duì)城鎮(zhèn)和農(nóng)村CP具有正面影響,1999~2004年期間CE對(duì)農(nóng)村CP的貢獻(xiàn)大于城鎮(zhèn),2005年以后CE對(duì)城鎮(zhèn)CP的貢獻(xiàn)反超農(nóng)村;ET是減少城鎮(zhèn)和農(nóng)村CP的主要?jiǎng)恿?其在農(nóng)村的貢獻(xiàn)程度大于城鎮(zhèn);TP是CP增加的主要貢獻(xiàn)因素,其在農(nóng)村的貢獻(xiàn)程度也大于城鎮(zhèn).

[1] 李艷梅,張紅麗.城市化對(duì)家庭CO2排放影響的區(qū)域差異[J]. 資源科學(xué), 2016,38(3):0545-0556.

[2] 萬(wàn)文玉,趙雪雁,王偉軍.中國(guó)城市居民生活能源碳排放的時(shí)空格局及影響因素分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2016,36(9):3445-3455.

[3] 趙 哲,陳建成,白羽萍,等.二氧化碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系的實(shí)證分析[J]. 中國(guó)環(huán)境科學(xué), 2018,38(7):2785-2793.

[4] Bin S, Dowlatahadi H. Consumer Lifestyle Approach to U.S. Energy Use and the Related CO2Emission [J]. Energy Policy, 2005,33(2): 197-208.

[5] Michael GOladokun, Isaac AOdesola. Household energy consumption and carbon emissions for sustainable cities: A critical review of modelling approaches [J]. International Journal of Sustainable Built Environment, 2015,4(2):231-247.

[6] Jesper Munksgaard, Klaus Alsted Pedersena,Mette Wier. Impact of household consumption on CO2emissions [J]. Energy Economics, 2000,22(4):423-440.

[7] Mette Wier, Manfred Lenzen, Jesper Munksgaard, et al. Effects of household consumption patterns on CO2requirements [J]. Economic Systems Research, 2001,13(3):259-274.

[8] Rosa Duarte, Alfredo Mainar, Julio Sánchez-Chóliz. The impact of household consumption patterns on emissions in Spain [J]. Energy Economics, 2010,32(1):176-185.

[9] Eleni Papathanasopoulou. Household consumption associated fossil fuel demand and carbon dioxide emissions: The case of Greece between 1990 and 2006 [J]. Energy Policy, 2010,38(8):4152-4162.

[10] 馮 蕊,朱 坦,陳勝男,等.天津市居民生活消費(fèi)CO2排放估算分析[J]. 中國(guó)環(huán)境科學(xué), 2011,31(1):163-169.

[11] 查建平,唐方方,傅 浩.中國(guó)直接生活能源碳排放因素分解模型與實(shí)證[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào), 2010,32(9):9-15.

[12] 顧 鵬,馬曉明.基于居民合理生活消費(fèi)的人均碳排放計(jì)算[J]. 中國(guó)環(huán)境科學(xué), 2013,33(8):1509-1517.

[13] Feng Z H, Zou L L, Wei Y M. The impact of household consumption on energy use and CO2emissions in China [J]. Energy, 2011,36(1): 656-670.

[14] 張小洪,彭小龍,全龐羽,等.家庭生活用能對(duì)二氧化碳排放的影響分析[J]. 資源科學(xué), 2011,33(9):1668-1673.

[15] 米 紅,張?zhí)锾?任正委,等.城鎮(zhèn)化進(jìn)程中家庭CO2排放的驅(qū)動(dòng)因素分析[J]. 中國(guó)環(huán)境科學(xué), 2016,36(10):3183-3192.

[16] Zhang Y J, Bian X J, Tan W P, et al. The indirect energy consumption and CO2emission caused by household consumption in China: an analysis based on the input-output method [J]. Journal of Cleaner Production, 2017,163(1):69-83.

[17] 郭 文,孫 濤.城鎮(zhèn)化對(duì)中國(guó)區(qū)域能源消費(fèi)及居民生活能源消費(fèi)的影響[J]. 中國(guó)環(huán)境科學(xué), 2015,35(10):3166-3176.

[18] 朱 勤,彭希哲,吳開亞.基于結(jié)構(gòu)分解的居民消費(fèi)品載能碳排放變動(dòng)分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2012,29(1):65-77.

[19] 王雪松,任勝鋼,袁寶龍,等.城鎮(zhèn)化、城鄉(xiāng)消費(fèi)比例和結(jié)構(gòu)對(duì)居民消費(fèi)間接CO2排放的影響[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2016,(8):79-88.

[20] 王會(huì)娟,夏 炎.中國(guó)居民消費(fèi)碳排放的影響因素及發(fā)展路徑分析[J]. 中國(guó)管理科學(xué), 2017,25(8):1-10.

[21] 張 艷,陳太政,秦耀辰.中國(guó)城市居民直接能耗碳排放的空間格局及影響因素[J]. 河南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013,43(2):161-167.

[22] 田宜水,趙立欣,孫麗英,等.中國(guó)農(nóng)村居民生活用能及CO2排放情景分析[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2011,27(10):206-211.

[23] Chen Y, Zhu Y L. Analysis on the environmental effect of renewable energy consumption by rural residents in daily life in China: from the perspectives of carbon emissions [J]. Energy Procedia, 2011,(5):1642- 1646.

[24] Wu G, Liu T, Tang M F. Analysis of household energy consumption and related CO2emissions in the disregarded villages of Lijiang City, China [J]. International Journal of Sustainable Development & World Ecology, 2012,19(6):500-505.

[25] 李艷梅,楊 濤.城鄉(xiāng)家庭直接能源消費(fèi)和CO2排放變化的分析與比較[J]. 資源科學(xué), 2013,35(1):115-124.

[26] 彭水軍,張文城.中國(guó)居民消費(fèi)的碳排放趨勢(shì)及其影響因素的經(jīng)驗(yàn)分析[J]. 世界經(jīng)濟(jì), 2013,(3):124-142.

[27] Zha D L, Zhou D Q, Zhou P. Driving forces of residential CO2emissions in urban and rural China: An index decomposition analysis [J]. Energy Policy, 2010,38(7):3377-3383.

[28] 張 馨,牛叔文,趙春升,等.中國(guó)城市化進(jìn)程中的居民家庭能源消費(fèi)及碳排放研究[J]. 中國(guó)軟科學(xué), 2011,(9):65-75.

[29] 張友國(guó).農(nóng)民消費(fèi)的碳排放影響:基于與城市居民的差異比較分析[M]. 北京:中國(guó)社會(huì)科學(xué)出版社, 2012:143-163.

[30] Zhang Y G. Impact of urban and rural household consumption on carbon emissions in China [J]. Economic Systems Research, 2013, 25(3):287-299.

[31] 劉華軍,何禮偉,楊 騫.中國(guó)人口老齡化的空間非均衡及分布動(dòng)態(tài)演進(jìn):1989-2011 [J]. 人口研究, 2014,38(2):71-82.

[32] Dagum C. A new approach to the decomposition of the gini income inequality ratio [J]. Empirical Economics, 1997,22(4):515-531.

A comparative study on the changes of residential living consumption carbon emissions in urban and rural China.

FAN Jian-shuang1,2*, ZHOU Lin1,2

(1.College of Economics and Management, Zhejiang University of Technology, Hangzhou 310023, China；2.Research Center of Technological Innovation and Enterprise Internationalization, Zhejiang University of Technology, Hangzhou 310023, China)., 2018,38(11)：4369~4383

Based on the carbon emission coefficient method, this paper estimated the direct carbon emissions caused by the residential living consumption of urban, rural and overall (including urban and rural) in China from 1997 to 2015. Further, the Dagum Gini coefficient and Kernel density function estimation method were used to test the regional disparities and distribution dynamics of residential living consumption carbon emissions in urban and rural China. At the same time, the Multiplicative Logarithmic Mean Divisia Decomposition Index (M-LMDI) method was used to analyze the effects of direct energy consumption intensity, per capita consumption level and unit energy carbon emission intensity on the changes of residential living consumption carbon emissions, and further we examined the urban-rural differences in the impact of relevant variables on residential living consumption carbon emissions in each province. The results suggested that: (1) the residential per living consumption carbon emissions in urban and rural China both showed an increasing trend year by year, and there were significant non-equilibrium characteristics in space. (2) The total regional disparities of residential per living consumption carbon emissions showed a downward trend from 0.379 in 1997 to 0.244 in 2015. The inter-group gap between urban and rural residents' consumption carbon emissions was the main source of urban-rural disparity from 1997 to 1999, and its contribution rate exceeded 50%. The intra-group gap became the main source of urban-rural disparity after 2000, and its contribution rate was greater than 40% that exceeded the inter-group gap. (3) The residential per living consumption carbon emissions of urban and rural both increased and the reginal differences enlarged as well. (4) The province that contributed the most to the changes in residential per living consumption carbon emissions in China was Inner Mongolia, with a cumulative contribution value of 0.1005. The province with the smallest contribution was Yunnan, with a cumulative contribution of 0.0125. (5) The contribution of rural energy consumption intensity and per capita consumption level were greater than the urban areas during the study period, and the contribution level of unit energy carbon emission intensity in in rural and urban showed volatility.

urban residents；rural residents；living consumption；carbon emissions；dagum gini coefficient；LMDI

X24

A

1000-6923(2018)11-4369-15

范建雙(1980-),男,遼寧省蓋州市人,副教授,博士,主要從事土地經(jīng)濟(jì)與政策、城鎮(zhèn)化與碳排放績(jī)效等方面的研究.發(fā)表論文30余篇.

2018-04-18

國(guó)家自然科學(xué)基金資助項(xiàng)目(71774142);教育部人文社科項(xiàng)目(17YJAZH022);浙江省哲學(xué)社會(huì)科學(xué)重點(diǎn)研究基地項(xiàng)目(16JDGH045);浙江省自然科學(xué)基金資助項(xiàng)目(LY16G030029);杭州市科技計(jì)劃軟科學(xué)研究重點(diǎn)項(xiàng)目(20160834M23)

* 責(zé)任作者, 副教授, fjshmy@zjut.edu.cn