中国能源消费碳排放变化的驱动因素研究——基于LMDI-PDA分解法

范 丹

(1.东北财经大学数学与数量经济学院,辽宁 大连 116025；2.中国科学院预测科学研究中心东北分中心,辽宁 大连 116025)

依据世界资源研究所(WRI)数据显示,2009年我国已经超过美国,成为世界第一大碳排放国家.中央政府在“十二五”规划中明确提出要降低温室气体排放强度、单位国内生产总值二氧化碳排放降低 17%的约束目标.要实现上述CO2的减排目标,就必须对影响我国CO2排放的关键因素进行科学提取,并根据关键影响因素制定相关政策及有效措施,从而实现绿色GDP的持续增长.

目前,使用指数分解法(IDA)进行碳排放变动的因素分解是研究碳排放变动的主要研究方法.指数分解法主要包括拉氏指数与 D氏指数.当指数分解存在残差项时,说明模型不能解释所有的碳排放的变动.拉氏指数法及D氏指数都存在这个缺陷[1].Sun[2]、Ang等[3]相继给出了改进方法,提出了限制的Laspeyres方法及LMDI(Log Mean Divisia Index)对数均值迪氏分解法.Ang等[4]对LMDI方法进行了因子互换检验、时间互换检验、比例检验、总量检验、零值稳健及负值稳健检验,检验结果显示LMDI方法分解法通过4种检验,相对其他的分解方法表现出很好的因素分解特性.国内外学者对碳排放的影响因素研究,从研究方法上来看主要分为 3类:一是利用LMDI分解法并基于Kaya恒等式对中国能源消费的二氧化碳排放的影响因素进行分解,多数研究结果分解为产出规模、能源结构、排放强度和能源强度[5-13].二是利用广义费雪指数方法(GFI)和采用适应性加权迪氏分解法(AWD),通过建立中国碳排放的因素分解模型来分析能源结构、能源效率和经济发展等因素的变化对中国碳排放的影响[14-15].三是利用非参数距离函数和环境生产技术的 PDA(A production-theoretical decomposition)方法将碳排放分解为若干贡献因素[16-18].

从目前研究成果来看,主要存在以下不足:多数文献研究的产业和能源种类数量较少,使用的能源种类一般是一次能源消耗为基准来测度碳排放,由于样本量较少不能真实地反映我国碳排放的实际情况.多数研究局限于考察产出规模、能源强度和能源消费结构,没有考察产业潜在能源强度效应、能源绩效效应、能源技术进步效应变化对碳排放的影响.

在现有研究的基础上,本文选取LMDI分解法作为碳排放的因素分解模型,试图在以下 2个方面进行拓展:(1)在研究对象上以1995年～2010年中国能源消费量及经济社会发展相关数据为基础,使用6个产业(农林牧渔业、工业、建筑业、交通运输仓储和邮政业、批发零售业和住宿餐饮业、其他行业)和8种能源(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气)的消耗量来分析我国碳排放的影响因素.(2)在研究方法上基于扩展的Johan恒等式,将DEA中基于能源投入的Shephard距离函数引入到LMDI分解模型中,该模型主要贡献之处是建立了 6大产业能源消费的碳排放7因素分解模型(即LMDI-PDA分解模型),并从抑制我国碳排放增长的关键因素出发,考察了潜在能源强度,能源绩效以及能源技术进步对我国碳排放下降的作用大小.

1 研究方法

1.1 基于能源投入的Shephard距离函数

基于环境生产技术的 PDA分解通过环境DEA分析,引入能源投入的Shephard距离函数来建立分解模型[15].考虑这样的生产模型:能源作为投入,产业增加值作为期望产出,碳排放作为非期望产出.首先定义带有时间序列参数的生产技术集:

式中:∈R+表示第i个产业的能源投入,∈R+表示第i个产业的期望产出,本研究用各产业的增加值表示.∈R+表示第i个产业的非期望产出,这里用各产业的碳排放量来表示.则第i产业在时期t的 Shephard距离函数可以表示为:

1.2 PDA分解模型恒等式

对于碳排放的因素分解问题,日本学者Yoichi Kaya[19]首次提出Kaya恒等式:

式中:C、PE、GDP和POP分别代表碳排放量、一次能源消费总量、国内生产总值以及国内人口总量.

Johan等[20]在Kaya恒等式的基础上进行了拓展,提出碳排放的分解公式为:

式中:C为碳排放量;Ci为第i种能源的碳排放量;E为一次能源的消费量;Ei为第i种能源的消费量;Y为国内生产总值;P为人口.对比上述2个碳排放公式,Kaya恒等式结构比较简单,研究变量的个数仅限于碳排放与能源结构、经济发展及人口规模在宏观上的量化关系.但就目前中国能源消费的特点,能源结构、能源强度、产业规模,产业结构等已成为影响碳排放量的重要影响因素.因此本文对 Johan等提出的碳排放分解公式进行扩展,以全面分析中国能源消费人均碳排放的影响因素.扩展后的Johan恒等式表达为:

式中:Y与P含义同式(5);C表示碳排放总量,用i区分不同的产业类型,用j区分不同的能源类型,则Cij表示第i种产业中第j种能源产生的碳排放;Eij表示第i种产业中第j种能源的消费量;Ei表示第i种产业的能源消费量;Yi表示第i种产业的国内生产总值.

根据Zhou等[16]的PDA分解方法,将公式(3)利用能源投入的Shephard距离函数转化为生产技术的分解模型.为了避免主观性,参考t期和t+ 1期两种生产技术的几何均值建立分解模型,建立t期和t+1期的生产技术分解模型如下:

1.3 LMDI分解法

为了测量产业能源消费的碳排放的 8个因素效应,本文基于Ang等[1]提出的LMDI分解法对产业能源消耗的碳排放进行分解, LMDI方法采用“乘积分解”和“加和分解”2种方法进行分解,2种方法最终分解结果一致.因此,本研究采用加和分解,LMDI加和分解法如下:

式中:ΔCCEFE、ΔCESE、 ΔCPEIE、ΔCSE、ΔCEOE、ΔCPSE、 ΔCEFFCH、 ΔCETECH分别表示排放因子效应、产业能源结构效应、产业潜在能源强度效应、产业结构效应、经济产出效应、人口规模效应、能源绩效效应及能源技术进步效应.由于各能源碳排放系数是固定的,因此碳排放因子效应ΔCCEFE=0,其他7种效应的逐年分解结果如下:

由于某些产业的某年度某种能源消费量为0,所以该产业该种能源消耗的碳排放为 0.本文采用Ang等[21]给出了处理零值的方法,将零值用很小的正数替代.可定义各因素效应贡献率如下:

2 实证分析

2.1 数据来源与测算

基于 6个产业部门能源消耗的直接碳排放进行因素分解,6个产业部门分别为农林牧渔业、工业、建筑业、交通运输、仓储和邮政业、批发、零售业和住宿、餐饮业及其他行业.并以煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气 8种能源消耗为基准来测算直接碳排放,而对电力、热力等消耗带来的隐形排放或间接排放由于相关数据缺乏在本研究中暂不予计算.碳排放估算中用到的各种能源消费、各产业增加值、人口等相关数据均来源于历年《中国统计年鉴》及《中国能源统计年鉴》.为了剔除经济发展中价格变化的影响,故本文各产业增加值采用1995年不变价计算.

2.2 LMDI-PDA分解结果的总体分析

根据公式测算出 1995～2010年我国产业能源消费碳排放的产业能源结构效应、产业潜在能源强度效应、产业结构效应、经济产出效应、人口规模效应、能源绩效效应、能源技术进步效应及总效应如图1所示,其中,FCC表示实际碳排放累积变化.

图1 1995～2010年我国能源消费碳排放分解的累积效应Fig.1 Accumulated effect contributions of CO2 emissions from energy consumption in China from 1995 to 2010

由图1来看,由LMDI-PDA分解模型测算的能源消费的碳排放的累积总效应与实际能源消费的碳排放的累积增长重合,这也验证了 LMDI分解在总量分解上具有很好的稳健性.1995年～2010年我国产业能源消费的碳排放总体呈增长趋势,碳排放上升157%,年均增长为6.6%.以1995年为基期,碳排放的累积效应可分为 3个阶段:1995～2000年能源消费的碳排放缓慢增长阶段,共增长13.3%,平均增长率为2.5%;2000～2005年能源消费的碳排放呈现快速增长阶段,共增长65%,年均增长为9.5%;2005～2010年能源消费的碳排放相对“十一五”阶段的增长放缓,共增长19%,年均增长为7.5%.此外,我国能源结构效应、潜在能源强度的累积效应及能源技术进步效应为负值,这表明,按照累积效应,能源结构、潜在能源强度变动及能源技术进步的变化对碳排放增加具有一定的抑制作用.产业结构效应、经济产出效应、人口规模效应、能源绩效效应累积效应均为正值.这表明,按照累积效应,产业结构、经济产出、人口规模、能源绩效这4项因素变动对能源消费碳排放量的增加具有拉动作用.从贡献率来看,经济产出的累积效应贡献率最大,对碳排放累积增量有135%的贡献;产业结构、人口规模、能源绩效累积效应贡献率相对较小,对碳排放累积贡献分别为10.74%、9.39%、0.65%.值得注意的是,能源绩效的对碳排放的累积效应为正,但碳排放的拉动作用较微弱.潜在能源强度的累积效应对碳排放下降的贡献率最大为 54.6%,能源技术进步的累积效应对碳排放下降的贡献率仅为1.04%.

2.3 LMDI-PDA分解的各影响因素

从LMDI-PDA分解结果的总体分析来看,对碳排放增加最重要的影响因素是经济产出,对碳排放减少的最重要影响因素是潜在能源强度,能源技术进步影响较小,在不同时期影响程度不同.

能源结构效应:能源结构效应对我国碳排放增加具有一定的抑制作用,累积贡献率为0.2%.能源结构的变化可以分为个 3阶段:第 1阶段从1996～2000年,我国碳排放的能源结构效应均为负值,能源结构效应导致我国碳排放逐年减少,这表明这期间我国能源结构逐渐改善趋势;第2阶段从2000～2005年,我国能源结构效应变为正值,能源结构效应导致我国碳排放逐年增加,这表明我国在“十五”期间产业能源结构不够合理.第3阶段从2006～2010年能源结构又转为负值,这表明是“十一五”期间我国能源结构得到了优化调整.值得注意的是,我国能源结构的变化的3个阶段与碳排放变化的3个阶段一致.由于不同种类的化石能源具有不同的碳排放系数,因此能源构成类型的不同也将导致碳排放的差异.煤炭类能源消耗的碳排放因子最大,如果其他因素不变,能源结构中的煤炭类能源消耗比重下降,碳排放量将减少.我国碳排放的能源结构效应与煤炭消耗比重的变动趋势非常接近,在其他因素不变的情况下,我国煤炭消耗比重直接决定我国碳排放量.

表1 1995～2010年中国能源消费的碳排放分解结果(万t)Table 1 Decomposition results of CO2emissions from energy consumption in China from 1995 to 2010(×104t)

潜在能源强度效应:产业潜在能源强度变化对我国该阶段碳排放的变化表现出显著的抑制效应,且抑制效应逐年增强.潜在能源强度表示在规模报酬不变的条件下,以单位GDP的潜在能源消费量来表征能源系统的投入产出特性,反映了能源经济活动的整体效率.1995年～2010年,我国各产业潜在能源强度成逐年下降的趋势,如图 2所示,其中潜在能源强度工业最高,批发、零售业和住宿、餐饮业最低.1995年～2010年间,我国除了交通运输、仓储和邮政业潜在能源强度出现有增有减的情形,其余 5种产业的潜在能源强度都呈下降趋势,农林牧渔业、工业、建筑业、批发、零售业和住宿、餐饮业及其他行业潜在能源强度的下降分别为45%、46%、11%、59%、67%.全行业的能源强度从7.3t标煤/万元降至4.6t标煤/万元(以1995年不变价计算),降幅为36.7%.从整体上来看,除了2003年、2004年、2005年我国碳排放的潜在能源强度效应较上年有所增加,其余年份我国潜在能源强度效应对碳排放的贡献均为负,这表明,整体上我国能源利用效率提高了.进一步研究发现,我国潜在能源强度效应受我国工业能源强度的影响最大,工业能源强度的变化直接决定我国能源消耗碳排放的变化.

图2 1995～2010年中国各产业潜在能源强度变化Fig.2 The change of industrial potential energy intensity in China from 1995 to 2010

产业结构效应:产业结构的变化对我国1995～2010年碳排放的增长表现为10.7%贡献比例.由图4可知,工业始终占据碳排放的主导地位,其排放比重变化很小,平均保持在 91%左右.在1995～2010年间,农林牧渔业、建筑业、交通运输仓储和邮政业、批发零售和住宿餐饮业、其他行业的碳排放占比分别为1.1%、0.4%、5.1%、0.7%、1.6%,所以工业碳排放的变化直接影响我国能源消耗碳排放的变化.从产业结构变化来看,1995～2010工业占GDP比重基本保持在45%左右,产业结构整体变化对碳排放增长表现出拉动效应,其主要原因是工业的碳排放呈现长期增长态势,其贡献率抵消了其他产业对碳排放增长的抑制效应.值得注意的是,1995～2010年期间我国的第三产业比重增加 11%,而同期第三产业碳排放比重只增加了 1%,这与第三产业(交通运输仓储和邮政业、批发零售和住宿餐饮业、其他行业)的低能耗产业特征相符合.

图3 1995～2010年中国各产业碳排放变化Fig.3 The change of industrial CO2 emissions in China from 1995 to 2010

经济产出效应:从表 1和图 1可以看出,1995～2010年我国经济产出效应一直为正,经济发展对中国能源消费碳排放增长的贡献率最大(135%),所以经济发展因素是我国该阶段碳排放增长的主导因素.1995～2010年我国的GDP总量增长了3倍,人均GDP总量增长了1.34倍(均按1995年不变价格折算),同期能源消费的碳排放总量增长了 1.56倍.根据环境库兹涅茨曲线(EKC),碳排放与经济增长存在倒U型曲线关系,林伯强等[22]认为中国的城市化、工业化进程大致将在2020年才会基本结束.在2020年前,中国经济将保持高速增长.所以我国正处于曲线的左端,目前拐点并未出现.虽然在1997～1998年我国碳排放出现短暂的下降,其原因是受到亚洲经济危机的影响.到 1999年后碳排放又持续上升.能源作为最基本的生产要素,支撑了中国经济的持续发展,以工业化和城市化为特征的经济发展又反过来带动了能源的大量消费和大量的碳排放.因此,中国碳排放量的增长是经济发展所带来的伴随结果.

人口规模效应:由表1可以看出,人口规模效应对我国碳排放的贡献一直是正值,且对碳排放增长的贡献比例为6.8%,这表明我国人口规模的增加会对碳排放量的增加具有一定的拉动作用.原因可能在于随着我国人口规模的增加,我国城市化进程的步伐也在加快,城市化进程会带动建筑业,交通运输业的迅速发展.只要大规模的城市建设、铁路运输体系建设的需求存在,相应的能源消费和环境压力就会持续上升.

能源绩效效应:1995～2010年六大产业能源效率的变化如图 4所示.能源绩效(EFFCH)对我国碳排放的贡献在不同阶段有正有负,累积贡献比例为 0.65%.主要可分为 3个阶段:第 1阶段1995～2000年,除1998年外,我国碳排放的能源利用的绩效效应均为正值,这表明“九五”期间我国年能源效率并没有得到改善,尤其是工业行业占主导行业,并处于高能耗、低效率状态.第一产业及第二产业发展缓慢,节能减排并没有达到预期的目标;第2阶段2000～2005年,我国能源绩效效应变为负值,平均贡献比例为 2.2%,这意味着在“十五”期间我国的能源利用效率得到提高,从而对我国碳减排起到了积极作用.这也表明我国在“十五”期间我国产业结构得到了优化调整,工业行业逐渐向低能耗,高效率的生产模式过渡,高效率、低排放的第三产业比例有所上升,节能减排的目标初步实现.第3阶段2006～2010年,能源结构又转为正值,平均贡献比例为 2.3%,这表明“十一五”期间能源效率偏低对我国碳减排产生了消极影响.可能的原因是在“十一五”期间我国经济一度投资过热,高能耗工业行业又从新占据主导地位,虽然第三产业中交通运输仓储和邮政业、批发零售和住宿餐饮业、其他行业在“十一五”期间能到了迅速发展,但无法抵消工业行业能源利用效率偏低所带来的负面影响,从而对节能减排起负向作用.

图4 1995～2010年中国各产业能源效率变化Fig.4 The change of industrial energy efficiency in China from 1995 to 2010

能源技术进步效应:能源利用绩效(ETECH)对我国碳排放的贡献一直为负,累积贡献比例为1.04%.这意味着能源技术进步对我国碳排放的增长起到了一定的抑制作用.在1995～2010年间,由图5可知,在样本区间内,6大产业的能源技术进步的指数均大于 1,这说明 6大产业不同程度地推进了最优生产前沿面的外移.其中批发、零售业和住宿、餐饮业的能源技术进步的平均增长率最高(2.1%),其次为农、林、牧、渔、水利业(1.6%)、建筑业(0.5%)、其他行业(0.46%)、交通运输、仓储和邮政业(0.07%),工业行业的能源技术进步的平均增长率率最低(0.04%).由前文分析,工业行业是我国 6大产业中的主导产业,虽然在1995～2010年期间,工业存在着能源的技术进步,但调整幅度不大.相比之下,虽然批发、零售业和住宿、餐饮业、农、林、牧、渔、水利业这些低能耗,低排放产业具有较高的能源技术进步率,但由于这几个行业的产业增加值占GDP不到1/3,因此,我国 6大产业的能源技术进步效应对我国碳排放的增长有抑制作用,但受工业能源技术进步率偏低影响,所以整体的贡献比例不高.

图5 1995～2010年中国各产业能源技术进步变化Fig.5 The change of industrial energy technology in China from 1995 to 2010

3 结论

3.1 能源结构效应对我国碳排放增加具有一定的抑制作用,累积贡献率为0.2%.产业结构效应、经济产出效应及人口规模效应对我国碳排放增长表现出拉动效应,其中经济产出的累积贡献率(135%)最大,人口规模的累积贡献率(9.39%)相对较小.从产业层面来看,农林牧渔业、工业、建筑业、交通运输仓储和邮政业、批发零售和住宿餐饮业、其他行业的碳排放占比分别为 1.1%、90.8%、0.4%、5.1%、0.7%、1.6%,工业始终是我国碳排放的主要来源.

3.2 潜在能源强度效应对我国该阶段碳排放的贡献率表现出显著的抑制效应,且对碳排放下降的累积贡献率最大为 54.6%,且抑制效应逐年增强.从整体上来看,我国能源利用效率提高了,且调整空间较大.从产业层面来看,潜在能源强度工业最高,批发、零售业和住宿、餐饮业最低.考察期内农林牧渔业、工业、建筑业、批发、零售业和住宿、餐饮业及其他行业潜在能源强度分别下降了45%、46%、11%、59%、67%.工业潜在能源强度的变化直接决定我国能源消耗碳排放的变化.

3.3 能源绩效对我国碳排放的贡献在不同阶段有正有负,累积贡献比例为0.65%.从“九五”到“十一五”期间,我国年能源效率得到一定改善,尤其是工业行业由高能耗、低效率逐渐向低能耗,高效率的生产模式过渡.交通运输仓储和邮政业、批发零售和住宿餐饮业、其他行业发展迅速,但仍然无法抵消工业能源效率偏低所带来的负面影响,从而对节能减排起负向作用.

3.4 能源技术进步效应对我国碳排放的增长起到了一定的抑制作用,累积贡献比例仅为1.04%.6大产业的能源技术进步的指数均大于1,其中批发、零售业和住宿、餐饮业的能源技术进步的平均增长率最高(2.1%),工业行业最低(0.04%),受工业能源技术进步率偏低影响,能源技术进步效应的贡献比例不高,亟待提高.

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

[2] Sun J W.Accounting for energy use in china 1980～1994 [J].Energy, 1998,23(1):835-849.

[3] Ang B W, Na Liu. Energy Decomposition analysis: IEA model versus other methods [J]. Energy Policy, 2007,35(3):1426-1432.

[4] Ang B W, Liu F L, Hyun-Sik Chung. A Generalized Fisher Index approach to energy decomposition analysis [J]. Energy Economics, 2004,(26):757-763.

[5] Wang Can, Chen Jining, Zou Ji. Decomposition of energy-related CO2emission in China:1957～2000 [J]. Energy, 2005,30(1):73-83.

[6] 徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析:1995-2004 [J]. 中国人口.资源与环境, 2006,16(6):158-161.

[7] 冯相昭,邹 骥.中国 CO2排放趋势的经济分析 [J]. 中国人口·资源与环境, 2008,18(3):43-47.

[8] 朱 勤,彭希哲,陆志明,等.中国能源消费碳排放变化的因素分解及实证分析 [J]. 资源科学, 2009,31(12):2072-2079.

[9] 胡初枝,黄贤金,钟太洋,等.中国碳排放特征及其动态演进分析[J]. 中国人口·资源与环境, 2008,18(3):38-42.

[10] 宋德勇,卢忠宝.中国碳排放影响因素分解及其周期性波动研究[J]. 中国人口·资源与环境, 2009,19(3):18-24.

[11] Liu L,Fan Y,Wu G et al . Using LMDI method to analyze the change of Chin’s industrial CO2emissions from final fuel use: an empirical analysis [J]. Energy Policy, 2007,35(11):5892-5900.

[12] 宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解 [J]. 资源科学, 2012,34(1):35-41.

[13] 许士春,习 蓉,何正霞.中国能源消耗碳排放的影响因素分析及政策启示 [J]. 资源科学, 2012,34(1):2-12.

[14] Fan Ying, Liu Lan-cui, Wu Gang, et al. Changes in carbon intensity in China: empirical findings from 1980-2003 [J].Ecological Economics, 2007,62(3):683-691.

[15] 田立新,张蓓蓓.中国碳排放变动的因素分解分析 [J]. 中国人口·资源与环境, 2011,21(11):1-7.

[16] Zhou P, Ang B W, Decomposition of aggregate CO2emissions: A production theoretical approach [J]. Energy Economics, 2008(30):1054-1067.

[17] Kyunam Kim, Yeonbae Kim. International comparison of industrial CO2emission trends and the energy efficiency paradox utilizing production-based decomposition [J]. Energy Economics,2012(34):1724-1741.

[18] 孙作人,周德群,周 鹏.工业碳排放驱动因素研究:一种生产分解分析新方法 [J]. 数量经济技术经济研究, 2012(5):63-74.

[19] Kaya Yoichi. Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios [R]. Paris:Presentation tothe Energy and Industry Subgroup, Response Strategies WorkingGroup, IPCC, 1989.

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

[21] Ang B W, Pandiyan G. Decomposition of energy-induced CO2emissions in manufacturing [J]. Energy Economics, 1997(19):363–374.

[22] 林伯强,蒋竺均,何晓萍.中国城市化进程中的能源需求和消费结构预测 [R]. 厦门:厦门大学能源经济研究中心, 2008.