中国碳排放的因素分解模型及实证分析:1995-2004

能源消费是碳排放的主要来源。随着中国经济的快速发展,能源消费的急剧增长以及以煤为主的能源结构在短期内很难改变,因此,碳排放不可避免地会出现一定幅度的增加。本文基于碳排放量的基本等式,采用对数平均权重Divisia分解法（Logarithmic mean weight Divisia method,LMD）,建立中国人均碳排放的因素分解模型,定量分析了1995-2004年间,能源结构、能源效率和经济发展等因素的变化对中国人均碳排放的影响,结果显示经济发展对拉动中国人均碳排放的贡献率呈指数增长,而能源效率和能源结构对抑制中国人均碳排放的贡献率都呈倒“U”。这说明能源效率对抑制中国碳排放的作用在减弱,以煤为主的能源结构未发生根本性变化,能源效率和能源结构的抑制作用难以抵销由经济发展拉动的中国碳排放量增长。     

基于Divisia分解法的江苏沿海地区碳排放影响因素研究

能源消费是碳排放的主要来源。随着江苏沿海经济的快速发展，能源消费的增长以及以煤为主的能源结构在短期内难以改变，因此碳排放呈增长趋势。为了研究影响江苏沿海地区碳排放的因素，采用对数平均权重Divisia分解法，建立江苏省沿海地区人均碳排放量的影响因素分解模型，分析了2000～2008年经济发展、能源结构和能源效率对江苏省沿海地区人均碳排放的影响。研究结果表明：经济发展对江苏省沿海地区人均碳排放的贡献值和贡献率均呈指数增长趋势，能源效率的提高和能源结构的改善对人均碳排放的抑制作用比较有限，经济发展是造成江苏省沿海地区人均碳排放量快速增长的主要因素。通过研究，为江苏沿海地区控制和减少碳排放提供一些针对性的措施     

四川省能源消费碳排放影响因素分解研究

结合《省级温室气体清单编制指南(试行)》,对四川省2005-2013年能源消费碳排放量进行测算,表明该阶段四川省能源消费碳排放量呈稳定增长态势。利用LMDI(对数平均迪氏指数)分解方法,将能源消费碳排放分解为人口、人均GDP、产业结构、能耗强度、能源消费结构五方面效应,对四川省2006-2013年碳排放增量进行分解研究,表明该阶段人均GDP对四川省碳排放量具有强烈拉动作用,其次为产业结构,能耗强度对四川省能源消费碳排放具有强烈抑制作用,而人口、能源消费结构逐年效应有正有负,贡献度绝对值较小。根据上述结论,针对性地对四川省"十三五"期间控制碳排放提出了建议。     

中国电力碳排放动态特征及影响因素研究

电力碳排放占中国碳排放总量比重较大,因此研究电力碳排放的影响因素并制定针对性减排政策对中国节能减排有重要意义。基于我国1991-2012年电力相关数据,分析了电力碳排放的动态特征,发现电力消费及其碳排放与GDP同步变化,中国电力生产的能源转换效率在提高,电力碳排放主要来源于煤炭的使用;运用对数平均迪氏指数分解方法,不仅考虑电力生产过程,而且考虑电力输配环节和电力终端消费活动对碳排放的影响,从而把中国电力碳排放增长分解为排放因子、能源结构、电力结构、转换效率、输配损耗、经济规模、人口规模、产业结构、电力强度、生活消费等10个影响因素。分解结果表明,经济规模是促使电力碳排放增长的最大因素,意味着中国电力碳排放与经济社会发展密切相关;以工业为主的产业结构使得电力消费增加,驱动了电力碳排放增长;生活消费也是电力碳排放增加的重要影响因素;人口规模、输配损耗、能源结构、电力结构、排放因子等因素也是正向效应,但影响程度较小;产业部门电力强度下降和能源转换效率提高是抑制电力碳排放增长的最重要因素;电力结构也抑制了电力碳排放增长,但影响程度较小。基于以上结论,中国需要从电力生产、输配、消费等环节入手控制电力碳排放。     

江苏省交通运输业能源消费碳排放及脱钩效应

通过自上而下的计算方法，测算了江苏省1995～2010年交通运输行业能源消费碳排放量和人均碳排放量，并结合行业自身发展特点，扩展了Kaya恒等式，运用LMDI分解法进行分解分析。同时，在上述基础上采用Tapio模型对江苏省交通碳排放与交通运输业经济发展的脱钩关系进行了探讨。研究发现:(1)江苏省交通碳排放量与人均碳排量均呈明显上升趋势，其中石油制品类能源消费碳排放表现突出;(2)正向驱动交通碳排放量增加的因素为经济产出、人口规模和产业结构，负向驱动因素为交通能源结构和交通能源强度。其中，拉动碳排放量增长的决定性因素是经济产出规模的扩大，而促使碳排放减少的主要因素是交通能源强度的降低，相对于正向驱动因素，负向驱动因素抑制交通碳排放增加作用有限;(3)交通碳排放量变化与运输业经济发展之间的脱钩状态以扩张负连接、扩张负脱钩和弱脱钩为主，脱钩关系总体呈先恶化后改善的趋势，但要完全实现两者的绝对脱钩，依然任重道远     

武汉市能源消费碳排放因素分解与低碳发展研究

本文以2010—2015年武汉市三次产业和居民生活能耗碳排放数据为基础,运用LMDI模型从人口规模、经济水平、三次产业结构、能耗强度、能源结构、碳排放系数六个方面对武汉市能源消费的碳排放进行因素分解。分解结果表明,人口扩张和经济增长是促进武汉市碳排放增长的主要因素,贡献率为38.7%和198.52%;能耗强度降低、能源结构优化和能源碳排放系数变化是抑制武汉市碳排放增长的主要因素,贡献率为-99.14%、-24.22%和-14.13%。经分析发现,人口扩张和经济增长在未来一段时间内将继续成为促进武汉市碳排放增长的最大贡献点;产业结构调整在经过2012-2013年间出现的碳排放效应促进-抑制转折点后将逐步成为抑制武汉市碳排放增长的重要影响因素;在继续保持第二产业能耗强度下降的同时,加大对第三产业能耗强度控制力度是武汉市现阶段碳排放控制工作的重点方向。     

基于LMDI方法的中国国际贸易隐含碳分解

对国际贸易产生环境影响的定量研究正日益受到关注,特别是对隐含碳的研究.以中国2005年为例,对中国国际贸易隐含碳进行估算,应用对数平均D氏指数法(LMDI)对影响隐含碳净转移的因素进行分解分析.结果显示中国因生产排放碳量远大于其消费需要排放的碳量,从国外净转移到中国的隐含碳为395.66MtC;净转移隐含碳影响因素中强度效应(进出口商品完全碳排放系数差异)贡献率为60%,规模效应(进出额差异)贡献率为55%,结构效应(进出口结构差异)贡献率为-14%,此结果表明中国相比国外的高碳排放强度是造成目前碳转移额外增加的主要因素,分析结构效应发现中国主要净出口行业大部分不是高碳排放强度行业,而净进口行业却主要由高碳排放强度行业构成,特别是与碳排放密切相关的能源行业居净进口行业首位.     

江苏省沿海地区经济发展与碳排放相关性研究

与能源结构和能源效率因素相比,经济发展对人均碳排放的影响最为显著.以江苏省沿海地区能源消费情况为基础,研究得出地区碳排放、人均碳排放,并且1999-2008年该地区碳排放量与人均碳排放量的增加趋势一致.选取人均GDP来代表经济增长数据,人均CO2排放代表碳排放数据,借助环境库兹涅茨曲线(EKC)模型来分析江苏省沿海地区经济发展与CO2排放之间的关系和演变态势.根据环境库兹涅茨曲线研究江苏省沿海地区经济发展与人均碳排放之间的关系,相关性研究结果表明,最优拟合模型中参数α0为0.245 7,α1为3.658 14e-5,α2为1.318 32e-8,α3为-3.298 09e-13,所以根据模型设定判断得出:1999-2008年间江苏省沿海地区人均碳排放置和人均GDP并不符合标准的环境库兹涅茨曲线(倒U型)关系,而是表现为三次方曲线模型.同时,依据人均碳排放量的变化特征,将江苏省沿海地区人均碳排放分为两个阶段:1999-2006年,人均碳排放量随着经济的增长持续增加;2006-2008年人均碳排放量随经济增加趋势变缓.     

中国城乡居民生活碳排放驱动因素分析

本文基于时间序列数据从生活消费视角定量评估居民人均生活碳排放的驱动因素。基于Kaya恒等式基本原理,采用LMDI分解法构建一个包括消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平和城乡结构在内的居民人均生活碳排放驱动因素分解模型,对我国1995-2012年的城乡居民人均生活碳排放影响因素进行分解分析。研究结果表明:消费水平、经济水平、消费结构、城乡结构、城乡消费比重各因素效应对我国城镇居民人均生活碳排放的影响均大于对我国农村居民人均生活碳排放的影响;消费水平、经济水平、消费结构因素对我国城乡居民人均生活碳排放的影响最为明显;城镇人口效应对城镇居民人均生活碳排放量的减排意义重大,而农村人口效应导致农村居民人均生活碳排放量的增加;城乡结构变化会带动居民人均生活碳排放的变化,随着时间推移,城乡结构达到一定程度,我国城乡居民人均生活碳排放的变化也相对稳定。在此基础上,提出我国家庭生活消费节能减排的对策及建议,引导居民低碳生活,绿色消费。     

中国能源消费增长原因分析与节能途径探讨

中国正处于工业化和城市化快速发展的中期阶段,能源消费迅猛增长,节能减排任务艰巨。分析近年来能源消费增长原因，可为未来寻找节能途径提供参考。论文在构建能源投入产出表的基础上，利用结构分解分析方法，将促使能源消费增长因素分解为经济规模、产业结构、经济增长方式和节能技术变化4个因素。并以1997-2002年为样本期,定量测度了各因素变化对中国能源消费增长的贡献值及贡献率。结果表明：促使能源消费增加的因素中，贡献率最大的是经济规模的增加。其次是产业结构变化和经济增长方式变化。而减少能源消费的因素只有节能技术变化，但由于其贡献值的绝对值小于前3个因素的贡献值之和，因此能源消费总量仍呈增加趋势。可见，技术进步已被证明是节能的有效途径，而未来通过调整产业结构和转变经济增长方式节能的任务还任重而道远。     

中国碳排放库兹涅茨曲线实证研究——基于Gregory-Hansen协整分析

中国反复、多次出现大范围持续性雾霾天气使碳排放与经济增长问题成为理论界研究的热点,选取1978~2012年中国历年相关统计数据,采用Gregory-Hansen协整检验方法结合结构突变分析,实证检验我国碳排放与能源消费、经济增长及产业结构的关系。研究结果显示,中国碳排放环境库兹涅茨曲线为正U型,且该曲线存在结构突变;经济增长、能源消费、产业结构对碳排放都具有显著的增排效应。因此,建议在保证经济可持续的中高速增长前提下,通过提高能源利用效率、推进产业结构调整等措施来降低碳排放量,使"APEC蓝"能够成为一种"新常态"。     

中部六省低碳发展水平测度及发展潜力分析

人为的碳排放导致气候变化的加剧，低碳经济已成为人类的共识，向低能耗、低污染、低排放的低碳发展模式转型已成为世界各国可持续发展的必经之路。以我国中部六省作为研究区域，通过碳排放总量、人均碳排放量、地均碳排放量、碳生产率、碳能源排放系数等一系列指标对中部地区的低碳发展水平进行测度，对比各指标空间差异，认为中部地区目前还处于高碳发展阶段，碳排放总量大，碳生产率低，碳能源排放系数高，山西、河南尤为严重；在此基础上，采用产业 能源关联模型和能源 碳排放关联模型分析中部地区的低碳发展潜力，认为中部地区产业结构多元化水平和能源结构多元化水平低，且演化速率极其缓慢，致使碳排放增长速率无法减缓；中部地区虽然碳减排难度大，但减排潜力也大。〖     

江苏省人口规模、结构对碳排放的影响分析

将人口结构因素纳入STIRPAT模型,利用江苏省1982~2010年的相关数据运用统计和计量方法对影响碳排放的人口总量、人口城市化、老龄人口比重、家庭规模、人均消费额、碳排放强度等相关因素进行实证分析。结果表明：家庭规模具有显著的负效应;在显著的正向影响因素中,老龄人口比重弹性最大,其它依次为人均消费额、人口总量、人口城市化水平、碳排放强度。在考虑人口结构情况下,碳排放的人口规模弹性小于1,缺乏弹性,说明人口总量对江苏碳排放的影响开始放缓;人口年龄结构对碳排放的影响逐渐显现,特别是老龄人口比重已经超过人口规模,成为促进碳排放的第一驱动因素;人口城市化进程和人均消费额直接加剧了碳排放,以碳排放强度表示技术进步对抑制碳排放有一定的作用,但不显著。针对分析结果,探讨了江苏省未来低碳发展的应对之策     

无锡市能源消费、碳排放与经济增长关系分析

经济增长对资源消耗存在很大的依赖性,研究能源消费、碳排放与经济增长关系,可为经济增长方式转变和低碳城市建设提供重要科学依据。基于IPCC国家温室气体排放清单指南中的方法估算了无锡市能源消费碳排放,并建立“脱钩”模型探讨能源消费、碳排放与经济增长之间的关系。结果表明：（1）2000~2010年,无锡市碳排放从84335万t增加到2 52804万t,总量不断增加,但趋势有所减缓,且各县市碳排放特征差异显著;（2）无锡市碳排放与经济增长整体处于弱脱钩状态,且脱钩状态有不断增强的趋势,市区经济发展已不依赖于能源消费,朝着环境友好方向发展,江阴和宜兴节能减排压力仍然很大;（3）优化产业结构、调整工业结构和提高能源利用效率是改善无锡市能源消费、碳排放和经济增长关系的有效途径,各县市根据具体情况,侧重点有所不同     

基于ARDL模型长三角碳排放、能源消费和经济增长关系研究

碳排放量、能源消费量和经济增长间存在着密切的关系。长三角地区(研究该区域为上海、浙江、江苏,简称长三角,下同）碳减排措施的实施是否会影响长三角地区的经济增长,能源消费量、能源结构和碳排放量间存在何种联系,这些均是在长三角碳减排政策制定中亟待考虑的问题。利用1990~2010年,长三角的能源经济样本数据,使用ARDL模型和格兰杰因果检验模型（Granger）定量的研究了上述几个因素之间的关系。研究发现：当碳排放量、能源消费和经济增长分别为回归变量时,均存在其它解释变量和每个回归变量间的长期稳定的协整关系。在长期关系中,存在经济增长对碳排放量的负向弹性影响。能源消费对经济增长的影响为正,能源消费每增长1%,经济增长0.67%。碳排放量对经济增长的长期影响为负,碳排放量每增长1%,经济则减少0.49%。Granger因果关系的研究表明：滞后长度分别为3,4时,存在从经济增长到能源消费和碳排放量倒的单向因果关系。不存在从能源消费和碳排放量到经济增长的单向因果关系,且亦不存在碳排放量和能源消费的双向因果关系。在长三角,制定和实施适当的节能减排政策将不会阻碍该地区经济增长。节能减排政策的制定,应首先考虑能源结构优化,降低长三角高碳能源的消费比重     

Decomposition of factors influencing carbon emissions in the region of Beijing–Tianjin–Hebei,based on the perspective of terminal energy consumption

In order to analyze the factors influencing carbon emissions in the region of Beijing–Tianjin–Hebei and to explore the pathways to developing a low-carbon economy, this paper begins with the terminal energy consumption of three industries and residential consumption, and constructs an identical equation which is composed of population size, level of economic development, energy intensity, the proportion of energy consumption, energy structure, and the coefficient of carbon emissions. Based on the data of terminal energy consumption during 2000–2012, various factors are analyzed and their contribution is measured by Logarithmic Mean Divisia Index (LMDI). The results show that the levels of population and economy have a positive driving effect while energy intensity, energy structure, and carbon intensity have a negative driving effect; the proportion of energy consumption had a negative driving effect prior to 2006, then changed to positive. Among suggestions for a low-carbon economy are controlling population size, improving the quality of economic development, supporting research into new energy technology, accelerating regional integration and optimizing industrial structure, and enhancing environmental protection and spreading the concept of a low-carbon economy.     

我国减缓碳排放的近期形势与远期趋势分析

近3年来我国面临GDP能源强度呈上升趋势，能源消费及相应CO2排放增长对世界减缓碳排放的形势产生了更大影响的新的形势，从长远发展趋势看，我国当前由于工业特别是重化工业在国民经济结构中急剧增加引起的GDP能源强度阶跃性增长将随产业结构的稳定两平缓，并且随产业结构的优化和产业技术升级及高附加值产品比例提高而再度呈持续稳定下降的趋势。我国在现代化道路中与发达国家的历程相比，可以走更为节约能源和减少CO2排放的道路。但由于中国人口众多，和平发展的规模大、速度快，而且时间比发达国家滞后半个世纪以上，我国为实现现代化所必需的能源消费和CO2排放的增长会对全球的碳排放增长产生重大影响。这将使我国未来经济发展面临极为不利的外部环境。     

产业结构变动对中国碳排放的影响

采用LMDI分解方法,对中国1996-2009年的碳排放进行分解,定量分析产业结构变动对碳排放变动的影响。在此基础上,依据对未来中国产业结构变动的预测,估算了2020年之前产业结构变动对中国碳减排的贡献。基本情况是,1996-2009年中国碳排放增长464 678万t,其中,经济总量效应531 337万t,产业结构效应49 887万t,能源消费强度效应-223 940万t,能源消费结构效应107 395万t,诸因素对碳排放增长的贡献度分别为114.3%,10.7%,-48.2%和23.1%。产业结构变动驱动了碳排放增长,尽管它不是最主要因素。进一步研究发现,高耗能产业上升或下降1个百分点所对应的CO2排放量增加或减少2.2-2.9亿t。依据对高耗能产业结构变动值的预测,到2020年,产业结构变动效应约为-5亿t,占期间碳排放增量的-15%。这表明,与此前产业结构变动导致碳排放量增加情形相反,未来产业结构变动将有助于减少碳排放。