周笛 黃歌星 楊傳明

摘 要：二氧化碳是最主要的溫室氣體，控制二氧化碳排放對于我國經(jīng)濟(jì)實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)具有重要意義。本文在綜述已有碳排放影響因素分解研究的基礎(chǔ)上，采集相關(guān)碳影響因素法分解研究方法，著重于指數(shù)分解法與結(jié)構(gòu)分解法，依據(jù)研究主題歸類綜述研究文獻(xiàn)，以提升碳影響因素分解研究水平。

關(guān)鍵詞：碳排放;影響因素;指數(shù)分解法;結(jié)構(gòu)分解法

改革開放以來，中國進(jìn)入高速工業(yè)化時(shí)代，成為世界第二大經(jīng)濟(jì)體，人民生活水平顯著提高，但隨著城市化進(jìn)程加快、工業(yè)的不斷擴(kuò)張，產(chǎn)生了大量的污染物，導(dǎo)致環(huán)境的不斷惡化。國際能源總署稱，2007年，我國的二氧化碳排放量已超過美國，占世界份額的25.1%，成為世界第一大二氧化碳排放國[1]。從全球環(huán)境績效指標(biāo)（EPI）來看，2012年中國的排名僅為116名，相對于2006年，下降了22位，這說明中國的環(huán)境污染問題并未得到有效的改善。而隨著二氧化碳濃度急劇上升，各國都面臨著日益嚴(yán)峻的環(huán)境問題，使得碳排放影響因素研究迅速成為環(huán)境學(xué)、地理學(xué)、經(jīng)濟(jì)學(xué)、社會學(xué)等各學(xué)科交叉研究熱點(diǎn)。碳影響因素分解研究有效的劃分了碳生產(chǎn)者和消費(fèi)者的減排責(zé)任，具有重要的理論及實(shí)踐意義。

一、文獻(xiàn)篩選

本文以2018年12月31日為時(shí)間節(jié)點(diǎn)，檢索SCI、SSCI、Springer、CNKI等中外文數(shù)據(jù)庫，共搜索到485篇英文和323篇中文文獻(xiàn)。由表1可見按年份整理的碳分解研究文獻(xiàn)，相關(guān)文獻(xiàn)數(shù)由2008年的38篇增長至2018年122篇，年均增長12.37%，可見近年碳影響因素分解相關(guān)研究總體增長速度較快，漸成熱點(diǎn)。

表1 碳影響因素分解歷年研究文獻(xiàn)數(shù)

年份 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008

篇數(shù) 122 115 107 90 71 69 62 48 46 40 38

二、碳影響因素分解研究方法綜述

（一）國內(nèi)外的研究及發(fā)展?fàn)顩r

目前關(guān)于碳排放影響因素分析方法主要有：對數(shù)平均迪式指數(shù)法（Logarithmic Mean Divisia Index Method）、IO-SDA法（Input-Output Structural Decomposition Analysis）、STIRPAT模型、Kaya公式、Laspeyre指數(shù)法等，這些方法各有其特點(diǎn)與適用性，在國內(nèi)相關(guān)領(lǐng)域取得了良好的應(yīng)用。渠慎寧（2010）運(yùn)用STIRPAT模型對中國未來的碳排放峰值進(jìn)行了相關(guān)預(yù)測[2]。吳青龍、王建明（2018）等構(gòu)建開放STIRPAT模型從山西省和全國兩個(gè)層面預(yù)測2016年至2040年碳排放峰值[3]。黃敏（2010）、邢璐（2011）等基于KAYA分析框架、建立低碳經(jīng)濟(jì)模型，分析了1978至2009年我國CO2排放的影響因素[4-5]。鄒鋼濤等（2017）通過改進(jìn)Kaya公式，設(shè)計(jì)碳排放計(jì)算模型，進(jìn)而提出合理的低碳交通措施[6]。Park S H（1992）基于Laspeyre指數(shù)法分解研究了工業(yè)碳排放情況[7]。Zhang（2003）等運(yùn)用Laspeyre指數(shù)法分析中國1990-1997年間工業(yè)碳排放影響因素的變化[8]。

（二）指數(shù)分解法

指數(shù)分解法是對于能源和與其相關(guān)的環(huán)境進(jìn)行分析的一種有效可行的重要方法。其中，指數(shù)分解法可分為D氏分解法（Division index methods）與L氏分解法（laspeyres index methods），與AMDI分解法相比，LMDI分解法有效的解決了數(shù)據(jù)中存在的零值與負(fù)值和分解中的剩余問題，所以LMDI分解法是目前應(yīng)用最為廣泛的指數(shù)分解方法，最早的應(yīng)用可追溯到Shrestha與Timilsina（1996）基于Divisia分解法對亞洲12國行業(yè)二氧化碳強(qiáng)度變化進(jìn)行研究[9]。顧阿倫等（2016）運(yùn)用LMDI方法分析了中國產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對于碳排放的影響[10]。史常亮等（2016）采用Tapio脫鉤模型、Kaya恒等式和LMDI分解法構(gòu)建了拓展的Tapio脫鉤指數(shù)分解模型，對于2012年中國農(nóng)業(yè)碳排放進(jìn)行脫鉤分析[11]。唐葆君等（2016）、李創(chuàng)等（2016）、陸菊春等（2017）、李躍等（2017）運(yùn)用LMDI分解法分別對中國電力部門、運(yùn)輸行業(yè)、建筑業(yè)、煤炭行業(yè)的碳排放影響因素進(jìn)行了研究[12-15]。Li J（2018）等利用LMDI分解法分析了傳統(tǒng)能源使用過程中的碳排放[16]。Q Du（2018）等運(yùn)用LMDI方法從地區(qū)、影響因素等方面分析了中國傳統(tǒng)產(chǎn)業(yè)的碳排放[17]。

（三）結(jié)構(gòu)分解法

結(jié)構(gòu)分解法（SDA）的應(yīng)用最早可追溯到Leontief（1953），而Leontief and Ford（1972）最早運(yùn)用了SDA模型對于空氣污染影響因素進(jìn)行了分析[18]。其本質(zhì)是一種比較靜態(tài)分析方法，其核心思想是將經(jīng)濟(jì)系統(tǒng)中目標(biāo)變量的變動(dòng)分解為不同獨(dú)立變量各類形式變動(dòng)的和以測算各自變量對于目標(biāo)變量變動(dòng)貢獻(xiàn)的大小。趙曉麗等（2010）基于SDA法分析了影響中國能源消費(fèi)的關(guān)鍵因素為能源強(qiáng)度變化與技術(shù)系數(shù)變化[19]。張旺等（2014）在SDA法的基礎(chǔ)上構(gòu)建了競爭型經(jīng)濟(jì)碳排放投入產(chǎn)出模型，對北京市1997年至2007年能源消費(fèi)的碳排放增量進(jìn)行了結(jié)構(gòu)分解[20]。但使用結(jié)構(gòu)分解法對于中國案例的研究大多采用競爭型投入產(chǎn)出表作為基礎(chǔ)數(shù)據(jù)進(jìn)行分析，其缺點(diǎn)在于沒有進(jìn)一步區(qū)分進(jìn)口品，考慮到進(jìn)口品的生產(chǎn)地在國外，生產(chǎn)期間產(chǎn)生的碳排放也在國外，因此采用該類投入產(chǎn)出表研究時(shí)，會在一定程度上高估各自變量對于因變量的影響。近年來，隨著SDA法與投入產(chǎn)出分析法相結(jié)合，逐漸出現(xiàn)了IO-SDA法，在一定程度上彌補(bǔ)了結(jié)構(gòu)分解法的劣勢。顧阿倫等（2016）運(yùn)用IO-SDA方法分析了經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)因素對于中國碳排放的影響[21]。宋爽等（2013）、張海行（2017）基于IO-SDA法與投入產(chǎn)出模型從低碳視角分析了產(chǎn)業(yè)結(jié)構(gòu)與最終需求間的碳排放關(guān)系[22-23]。李玲等（2017）基于SDA分解技術(shù)，繪制實(shí)物價(jià)值型能源投入產(chǎn)出可比價(jià)序列表，指出影響我國能源強(qiáng)度變動(dòng)的因素為能源消耗系數(shù)、最終需求、最終能源消耗等[24]。

參考文獻(xiàn)：

[1]INTERNATIONAL ENERGY AGENCY（IEA）.CO2 emissions from fuel combustion 2008 edition [R]. Paris： OECD/IEA，2009.

[2]渠慎寧.基于STIRPAT模型的中國碳排放峰值預(yù)測研究[J].中國人口·資源與環(huán)境， 2010，20（12）：10-15.

[3]開放STIRPAT模型的區(qū)域碳排放峰值研究——以能源生產(chǎn)區(qū)域山西省為例[J].資源科學(xué)， 2018（5）.

[4]黃敏，廖為明，王立國，等.基于KAYA公式的低碳經(jīng)濟(jì)模型構(gòu)建與運(yùn)用——以江西省為例[J]. 生態(tài)經(jīng)濟(jì)（中文版）， 2010（12）：51-55.

[5]邢璐，單葆國.基于Kaya公式的中國CO2排放影響因素分解[J].能源技術(shù)經(jīng)濟(jì)，2011，23（10）：46-50.

[6]鄒剛濤，劉翀昊，陸鍵，等.城市客運(yùn)交通碳排放模型及場景分析[J].現(xiàn)代交通技術(shù)，2017，14（1）：79-84.

[7]Park S H. Decomposition of industrial energy consumption：? An alternative method [J]. Energy Economics， 1992， 14（4）： 265-270.

[8]Zhang Z X. Why did the energy intensity fall in China's industrial sector in the 1990s？ The relative importance of structural change and intensity change[J]. Energy Economics， 2003， 25（6）：625-638.

[9]Shrestha R M， Timilsina G R. Factors affecting CO 2 intensities of power sector in Asia： A Divisia decomposition analysis[J]. Energy Economics， 2004， 18（4）：283-293.

[10]顧阿倫，何崇愷，呂志強(qiáng).基于LMDI方法分析中國產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對碳排放的影響[J].資源科學(xué)，2016，38（10）：1861-1870.

[11]中國農(nóng)業(yè)能耗碳排放脫鉤的影響因素解析[J].產(chǎn)經(jīng)評論，2016，7（4）：116-126.

[12]唐葆君，李茹.基于LMDI模型的北京市電力部門碳排放特征研究[J].中國能源， 2016， 38（3）：38-43.

[13]李創(chuàng)，昝東亮.基于LMDI分解法的我國運(yùn)輸業(yè)碳排放影響因素實(shí)證研究[J].資源開發(fā)與市場，2016，32（5）：518-521.

[14]陸菊春，鐘珍，黃曉曉.我國建筑業(yè)碳排放演變特征及LMDI影響因素分解[J].建筑經(jīng)濟(jì)，2017，38（3）：81-88.

[15]李躍，張士強(qiáng)，張翼.考慮非能耗的煤炭產(chǎn)業(yè)碳排放驅(qū)動(dòng)因素研究——基于LMDI模型的實(shí)證分析[J].江蘇社會科學(xué)，2017（1）：23-31.

[16]Li J， Chen Y， Zhi L， et al. Quantitative analysis of the impact factors of conventional energy carbon emissions in Kazakhstan based on LMDI decomposition and STIRPAT model[J]. Journal of Geographical Sciences， 2018， 28（7）：1001-1019.

[17]Du Q， Lu X， Li Y， et al. Carbon Emissions in China's Construction Industry： Calculations，F(xiàn)actors and Regions.[J]. International Journal of Environmental Research & Public Health， 2018， 15（6）：1220.

[18]LEONTIEF，WASSILY，F(xiàn)ORD D N. Air pollution and the economic structure：empirical results of input-output computations，in Leontief，Wassily，Input-Output Economics（Second Edition）[C]. Oxford：Oxford University Press，1972.

[19]趙曉麗，洪東悅.基于SDA法的能源消費(fèi)影響關(guān)鍵要素分析[J].技術(shù)經(jīng)濟(jì)，2010，29（9）：42-49.

[20]張旺，申玉銘，周躍云.基于結(jié)構(gòu)分解法的北京能源碳排放增量分析[J].Journal of Resources and Ecology，2014，5（2）：115-122.

[21]顧阿倫，呂志強(qiáng).經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)對中國碳排放影響——基于IO-SDA方法的分析[J]. 中國人口資源與環(huán)境，2016，26（3）：37-45.

[22]宋爽，樊秀峰.最終需求模式演變、產(chǎn)業(yè)結(jié)構(gòu)變遷與CO_2排放——基于投入產(chǎn)出模型和SDA方法的分析[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013（9）：78-88.

[23]張海行.產(chǎn)業(yè)結(jié)構(gòu)、最終需求與碳排放關(guān)系的研究——基于IO-SDA方法的實(shí)證分析[J].統(tǒng)計(jì)與管理，2017（6）：62-65.

[24]李玲，張俊榮，湯鈴等.我國能源強(qiáng)度變動(dòng)的影響因素分析——基于SDA分解技術(shù)[J].中國管理科學(xué)，2017（09）：129-136.