产业结构调整对北京市碳减排目标的影响

张宏艳　江悦明　冯婷婷

摘要：中国向世界承诺将能源消耗强度和CO2排放强度作为约束性指标，实现2020年单位国内生产总值碳排放强度较2005年下降40%-45%。北京作为中国的首都，对其他城市更具有“示范作用”。本文以北京市产业结构为基础，根据能源消耗种类、政府间气候变化委员会公布的折算系数和北京实际生产总值，计算1995-2012年北京市碳排放水平。文中首先运用基于环境影响评估的可拓展随机模型，检验出第一、二、三产业结构与CO2排放量之间存在显著关系，并计算出总体产业结构变动的相对贡献水平。而后重点把三大产业进行细分为7个产业，即第一产业、工业、建筑业、电力热力、交通运输仓储邮政业、批发零售住宿餐饮业和生活部门，验证了细分产业与CO2排放量之间存在显著关系，并计算出各个产业的相对贡献水平。随后利用对数权重平衡分析法先对三大产业的CO2排放水平进行绝对量分解，同时按7个产业进行绝对量分解，并结合随机拓展模型进行分析。最后研究北京市产业结构调整对碳减排的效应，提出要同时加快内部产业升级与产业间协调发展，加快提升第三产业能源利用效率的政策建议。

关键词：产业结构；CO2排放；STIRPAT模型；LMDI方法

中图分类号 F407.21 文献标识码 A 文章编号 1002-2104（2016）02-0058-10 doi：10-3969/j-issn-1002-2104-2016-02-008

2007年，政府间气候变化专门委员会（IPCC）的第四次评估报告中指出，当前世界范围内气温异常或特大洪灾、雪灾等极端气候连续出现，说明全球气候正在改变，而其中的主要原因则是温室气体的排放。2009年，我国在哥本哈根世界气候大会上向世界承诺，到2020年单位国内生产总值碳排放量较2005年下降40-45%。这一目标的达成需要中国各省市共同努力，北京作为中国的首都，对其他城市更具有“示范作用”。因此开展温室气体减排的研究，不仅是面对气候变暖的需要，更彰显了北京作为国际化大都市积极面对气候变化的态度。

1 相关文献综述

对于产业结构影响CO2排放的问题，学术界历来争论比较激烈，国内外的学者分别从不同的角度提出了自己的观点与主张。 Ang B.W.[1]等利用LMDI模型研究1985-1990年间中国的产业结构变化对碳排放的影响，分析结果显示我国工业部门的总产值变化与碳排放有很强的正向关系，而工业部门能源强度变化与碳排放有强烈的反向关系。Fisher Vanden[2]使用同样的方法分析了中国碳排放状况，认为我国企业降低碳排放最有效的手段为技术进步，其次是产业结构调整。Wu[3]等同样用LMDI方法研究了1980-2002年中国碳排放变化情况，结果显示碳排放的影响因素因时而异：在1996年以前影响CO2排放的主要因素是经济发展规模和能源强度，产业结构调整也起到了一定的作用；在1996年以后，导致碳排放下降的主要原因是能源加工转换效率提高。Zhang Youguo[4]运用结构分析法研究了中国1992-2006年CO2排放水平，认为拉动碳排放水平上涨的最重要因素为高碳消费。Wang D等[5]在IPAT模型的基础上对中国CO2排放水平进行分情景分析，结果显示中国降低碳排放的关键在于能源结构的调整，尤其是降低煤炭的使用率和增加新能源的使用。

目前国内对于碳排放与产业结构关系的研究有三个主要的切入点：不同产业的碳排放强度存在显著差异；产业结构的变动会影响能源消费和能源效率；不同发展阶段对碳排放的影响有所不同，以及技术水平的关键作用。在不同产业的碳排放强度方面，徐大丰[6]通过投入产出法分析，认为我国的碳排放强度在各产业间有显著差异。在产业结构变动会影响能源消费和能源效率方面，张雷和黄园淅[7]运用结构演进方法分析我国能源消费和结构变动的关系，并认为产业结构变动会加速能源消耗的变动。第三类研究强调不同发展阶段对碳排放的影响有所不同，以及技术水平的关键作用。林伯强和孙传旺[8]认为从产业结构因素看，现阶段经济发展（即城市化和工业化进程）不利于中国碳减排，因而中国的低碳经济转型战略应该以节能为主，发展清洁能源为辅。余泳泽[9]从全国整体范围来分析技术水平对我国碳排放的影响程度，认为技术因素超过了产业结构的作用，对碳减排的贡献最大。陈志建、王铮[10]的实证结论显示对于耗能产业相对密集、经济较为发达的东部地区来说，碳排放量对于技术水平变化的弹性较大，能源强度对碳排放驱动影响剧烈，因此以能源强度为代表的技术水平因素对碳排放影响最为关键。

在北京市碳减排问题的研究方面，邢芳芳[11]认为北京市的能源结构仍以碳消费为主，这一稳定趋势在短期内无法通过产业结构的调整得到明显改善，而且现阶段的能源结构微调也未能抵消能源消费增加带来的碳消费增量。唐志鹏[12]等人将关注点投向能源约束角度下的产业结构调整，通过利用投入产出优化模型和灰色关联度分析法研究后认为，北京市产业结构调整的突破口在于发展以批发和零售业、金融保险业和社会服务业部门为主的第三产业，以此促进能源的高效利用。

综上所述，国内外学者普遍认为产业结构变动与能源消费、能源强度与碳排放存在相关关系，但对这种相关关系是线性或非线性、正向或反向的具体形式则存在异议。究其原因一方面是由于产业结构数据选取、产业细化标准的不同，另一方面则是产业结构数据选取的时间跨度不一致。本文将在现有研究基础上结合碳排放特点，对北京市三大产业结构进行细化整理，分析七个碳排放重点产业对北京市碳排放总量的相对贡献水平，进一步细分为11个产业，运用LMDI方法深入分析北京市产业结构对CO2排放的影响，提出有利于北京市碳减排的相应对策。

2 研究方法与数据来源

由于北京统计局和国家统计局网站并没有直接给出北京碳排放量、能源强度等数据，为了确保实证分析结果的准确性，本文所使用的数据均来源于国家级数据库、未经过任何计算的原始数据，北京碳排放量、能源强度等数据均由初始数据计算得出。货币指标以 1978年为基年进行价格平减。

2.1 北京市碳排放总量核算

本文计算的CO2排放总量主要是基于燃烧煤炭、汽油、煤油、柴油、液化石油气、天然气6种能源所排放的CO2的数量，所用公式如下：

根据北京各类能源消费终端的历年实际消耗，乘以CO2排放系数获得各能源的实际CO2排放水平，同时，为了便于统计与计算，将能源消耗的实物量换算成标准量（标准煤）的形式，即能源消费标准量=能源消费实物量*折标煤系数。IPCC公布的CO2排放系数与《中国能源统计年鉴》2012年公布的折标煤系数见表1。运用公式（1）可以得到1995-2012年北京市CO2年排放量（见图1）。根据计算，北京市CO2排放总量在1995-2012年总体上升81.76%。其中1995-2004年期间，CO2排放趋势增长较为平缓，从5 761.74万t上升到7 701.96万t，上升了33.67%，年平均增长率为3.37%。2004-2005年CO2排放量的增长出现异常，2005年比上一年增长率高达25.51%。此后除2006年有短暂下降外，增长均趋于平缓，2007-2012年CO2排放量增长了5.98%，年平均增长率为0.99%，说明北京已经开始注意到CO2排放对于环境的污染，节能减排措施已取得了初步的成效。

2.2 相关变量介绍

本研究以中外学者文献作为参考基础，主要选取了能源强度效应、结构效应、经济发展效应、规模效应4个部分，作为初步探究北京碳排放的影响因素。

（1）能源强度效应。

1995-2012年，北京市能源消费总量上升了103.14%，实际生产总值上升了476.11%，能源强度下降了64.76%。1995-2008年，北京市能源强度年平均下降4%，2008-2012年，年平均下降6.99%。

（2）结构效应。

改革开放以来，北京市无论是产业结构的调整还是工业发展的进程都有快速的发展，三大产业占比从1995年的5∶43∶52调整到2012年的1∶23∶76。其中第一产业在1995-2012年期间下降了80%，第二产业下降了46.5%，第三产业上升了46.1%。从2006年起，北京市第三产业占比稳定在70%以上。

（3）经济发展效应。

北京市地区生产总值一直呈现快速发展的趋势，2012年的地区生产总值为1995年的5.1倍，但同时也引致了CO2排放量的显著增长—2012年北京市CO2排放水平为1995年的1.82倍。但在2005年以后，CO2排放量的增长速度显著放缓，2005-2012年，CO2排放量共上涨8.33%，而同时期北京地区实际生产总值上涨了99.76%，说明北京控制CO2排放效果显著（见图1）。

（4）规模效应。

截至2012年，北京市常住人口为2 069.3万人，较1995年增长了65.4%，城镇人口增长了88.51%，农村人口减少了6.33%。不难发现北京近二十年城市化的迅猛推进，城市产业和功能不断向郊区扩散，并逐渐使郊区的城镇化进程与北京的城市郊区化进程合流，加快了北京城乡统筹协调发展和城乡一体化的进程。

3 CO2排放与产业结构变动关系的实证分析

本文主要应用两种环境测评模型来分析碳排放影响因素以及各影响因素的贡献强度，一种是随机性可拓展的环境影响评估模型（STIRPAT），用于分析产业结构与碳排总量之间是否存在显著关系以及其显著程度；另外一种是迪氏对数指标法（LMDI），用于分析各因素对于碳排放总量的绝对贡献水平。

3.1 基于STIRPAT模型的相对贡献分析

3.1.1 模型理论基础

STIRPAT模型是对IPAT方程式的扩展，IPAT方程最早由Ehrlich在1971年提出，其一般表达式为：

I=P×A×T（2）

其中，I为环境中被影响的变量，P为人口数量因素，A 为人均经济水平，T为技术水平。因技术水平很难量化，因此一般用碳排放强度代替，CO2排放强度T = CO2排放量/地区实际生产总值。由于该方程考察的变量数目有限，仅能得到变量宏观上的关系。所以本文采用其扩展模型，即STIRPAT模型。具体表达式为：

3.1.2 基于一二三产业模型变量检验

本文选取的数据为1995-2012年北京碳排放总量、人口总数、人均生产总值、能源强度、产业结构与生活收入水平的年度数据。鉴于人均生产总值与碳排放总量之间的图形呈现较为明显的线性关系，因此人均生产总值选用一次项更为合适。

若时间序列是非平稳的，会降低检验功效，增加拒绝零假设的概率。从表2可以看出，数列在一阶差分后，在5%的水平下是平稳的，从而满足协整检验的前提条件。

从表2可以看出，CO2排放总量I、人口因素P、人均生产总值A、能源强度T、第一产业占北京地区生产总值比重S1、第二产业占北京地区生产总值比重S2、第三产业比重S3、人均收入Y的对数值，在一阶差分后都是平稳数列，均为一阶单整数列，可以进行协整检验（见表3）。

如表3所示，残差序列ADF值为-3.391，大于1%、5%和10%的临界值，且概率为0.002 2，小于0.05，说明残差序列是平稳的，即CO2排放总量I与人口因素P、人均生产总值A、能源强度T、第一产业比重S1、第二产业比重S2、第三产业比重S3、人均收入水平Y之间存在协整关系。

本文使用EViews6.0为参数统计工具，使用OLS最小二乘法对碳排放总量的多元线性方程进行拟合（见表4）。

表4显示，决定系数和修正的决定系数分别为0.997 5和0.996 2，拟合程度很好，DW值为2.13，说明没有自相关，变量都通过了5%的显著性水平检验。

通过STIRPAT模型分析可知，人口、经济水平、能源强度、产业结构与生活水平确实是影响CO2排放总量的显著性解释变量，其中产业结构的影响程度最为显著。

从回归结果看出，与CO2排放量有同向关系的各因素的影响程度从最高到最低排列依次是能源强度、经济水平、人口因素、人均收入水平。一、二、三产业的占比都与CO2排放量存在反向关系。能源强度与CO2排放量关系的系数为0.984，即技术水平每上升1%，CO2排放总量下降0.98%。人均生产总值与CO2排放量关系的系数为0.71。人口因素与CO2排放量关系的系数为0.22。

在产业结构影响因素中，第三产业占比影响最大，其与CO2排放量关系的系数为-1.94，第二产业与CO2排放量关系的系数为-0.83，第一产业与CO2排放量关系的系数为-0.22。

本文把一、二、三产业再进一步细分为第一产业、工业（本文主要指加工工业和制造业）、建筑业、电力热力业、交通运输仓储邮政业、批发零售住宿餐饮业和第三产业，根据其分别占北京地区生产总值比重，再进行一次检验。设工业占比为S4，建筑业占比为S5，电力热力业占比为S6，交通运输仓储邮政业的占比为S7，批发零售住宿餐饮业的占比为S8，相关检验变量及结果见表5-7。

3.1.3 基于细分产业的模型变量检验

表7显示，决定系数和修正的决定系数分别为0.998 6和0.997 1，且均高于之前检验的决定系数0.997 5和修正的决定系数0.996 2，拟合程度提高，DW值为2.11，低于之前的DW值2.13，每个变量都通过了5%的显著性水平。整体来看，产业细分后的模型解释性更好。

在第二次检验中，能源强度、经济水平、人口因素和人均收入水平依旧与CO2排放量有同向关系的，且影响程度也大致相同。

在产业结构中，对于CO2排放量减少贡献最大的为批发零售住宿餐饮业，其占比与CO2排放量关系的系数为-69.33，即批发零售住宿餐饮业占比每上升1%，CO2排放量减少69.33%；其次为工业，工业占比与CO2排放量关系的系数为-0.27，即工业占比每上升1%，CO2排放量减少0.27%。第一产业与CO2排放量关系的系数为-0.19，与前次检验相差无几。交通运输仓储邮政业占比在增加CO2排放量上影响最大，其与CO2排放量关系的系数为69.43，即交通运输仓储邮政业占比每上升1%，CO2排放量增加69.43%。其次为电力热力占比，该产业占比与CO2排放量关系的系数为0.21，即电力热力占比每上升1%，CO2排放量增加0.21%。最后，建筑业占比与CO2排放量关系的系数为0.11，即建筑业占比每上升1%，CO2排放量增加0.11%。

3.2 基于LMDI模型的绝对贡献分析

3.2.1 模型理论基础

本文使用分解模型对影响碳排放的因素进行绝对贡献的分析，因为分解模型可以对所有因素进行无残差分解。Kaya恒等式建立起了人类活动与产生的CO2之间的关系恒等式：

C=CE×EY×YP×P（6）

其中，C表示特定区域特定时期的碳排放总量，P表示总人口数，YP表示人均GDP，EY表示能源强度，CE表示能源结构碳强度。

本文采用指数分解方法中的迪氏对数指标法（LMDI）对北京市碳排放因素进行分解分析。

设V为能源相关因变量，假设有n个因素影响V，分别是X1iX2i…Xni。

3.2.2 模型变量选取

为保证CO2排放量计算的准确性，首先把有关的经济活动分为生产部门与生活部门。其次，把生产部门进一步分为第一产业、工业、建筑业、电力热力、交通运输仓储邮政业和住宿餐饮批发零售业6种产业。在能源种类上选取了北京市主要的能源品种：煤炭、汽油、煤油、柴油、液化石油气和天然气6种能源来构建模型，得到碳排放恒等式见公式（10），变量定义如表8所示。

3.2.3 模型分析

本文以五年为一阶段（2010-2012年不满五年），利用公式（11）计算得到1995-2012年北京市分行业CO2排放 LMDI 分解结果，相关分解结果见图2。

在对北京碳排放绝对贡献进行分段分析后，得出以下结论：

在CO2排放总量方面，北京碳排放变化量在1995-2000年、2000-2005年、2005-2010年、2010-2012年四个阶段依次为1 441.54万t、3 154.78万t、1 692.04万t和430.66万t，呈现先升后降的趋势。增长最快的阶段为2000-2005年，CO2排放变化量大约是1995-2000年的2.18倍。2005-2010年CO2排放变化量大约是2000-2005年变化量的46%。这说明北京市注重治理环境的一系列政策措施效果显著。

在人口规模方面，七个效应中只有两个一直对CO2的排放起到正向作用，其中影响最大的为人口规模。北京市常住人口从1995年的1 251.1万增长到2012年的2 069.3万，2012年人口是1995年的1.65倍，平均年增长3.8%。人口规模在2000-2005年间影响最显著，使CO2排放增长了5 382.59万t。随后增长率逐年下降。

在生活部门方面，与规模效应一样一直对CO2排放量增加有着正向影响。与人口因素不同的是，生活部门的影响有增加的趋势。在2005-2010年达到顶峰，比2000-2005年多排放1 559.17万tCO2。可见，生活部门已经成为影响CO2排放的重要因素。

在能源强度方面，北京市的能源强度一直是负效应，技术进步的提升使得CO2减少量在四分阶段依次是1 071.71万t、3 439.05万t、4 561.04万t和1 519万t。因技术进步而使CO2减少量在逐年递增，仅2010-2012年CO2减少量就已经超过1995-2000年五年的减少量，说明技术进步使CO2排放减少的力度在持续加强。

在能源结构方面，北京能源结构一直是负效应，说明北京的能源使用情况持续改善，煤炭比例从1995年的82.71%减少到2012年的36.66%。北京市2001年推行的“煤改电”措施效果在2005-2010年最为明显，五年累计减少CO2排放量765.12万t。

在产业结构上，北京市产业结构效应在2000-2005年对于CO2减排量为2 843.6万t。2005年之后，产业结构效应逐渐减小。2005-2010年，产业结构效应对于CO2减排量为255.98万t。比前一阶段减少2 587.62万t，减少了约91%，由此说明北京市产业结构调整对抑制CO2排放起到了重要作用。

在经济发展方面，CO2排放变化量在四个阶段分别为-1 508.74万t、2 367.26万t、-509.13万t和-179.49万t。除2000-2005年之外，北京市的经济发展对于CO2排放均呈现抑制作用，主要由于这段时间北京正在经历产业升级改造与奥运设施建设，北京实际GDP平均增长率维持在12%左右，也是1995-2012年间最快的。随着北京市经济的发展，经济效应对CO2排放的影响由正转负，说明北京市从一味追求粗放型经济增长逐步转向建设“资源集约型、环境友好型”社会。

3.3 产业进阶分析

北京市三大产业结构虽已接近完备，但产业间的优化升级之路仍在继续，需要了解各产业对于CO2排放的影响程度和因素。利用STIRPAT模型和LMDI方法计算可得第一产业、工业、建筑业、电力热力、交通运输仓储邮政业、批发零售住宿餐饮业和生活部门七个细化产业对于CO2排放的各自影响程度。不同行业的碳排放水平见表9。

可以看出，电力热力排放的CO2最多，占到CO2排放总量的40%左右。第二是工业，1995年工业排放占排放总量的28%，经历了1995-1999年的小幅上升后在1999年时达到峰值35%，随后一直呈下降趋势，2012年仅占排放总量的14%。第三是交通运输仓储邮政业，该行业CO2排放量增长最迅速，从1995年占CO2排放总量的5.65%，上升到2012年的21.23%，17年增长了275.75%。第四是生活部门，其CO2排放贡献率经历了先下降后上升的过程，1995年的占比为20.63%，2002年降至14.76%，而在2012年时又上升到18%。第五是批发零售住宿餐饮业，该行业CO2排放量占比增长明显，从1995年的0.68%上升到2007年的5.16%，随后从2008年开始下降维持在4%左右。第六是第一产业，CO2排放量占比从1995年的4%下降到2012年的1.9%。第七是建筑业，一直稳定在1.5%左右。

3.3.1 第一产业减排效应分析

LMDI模型的分析结果显示，第一产业对CO2排放的影响因素中，产业结构变动对于减少CO2排放贡献最大且趋势稳定，共减少CO2排放263.08万t。其次为生产能源强度，即技术进步因素，1995-2012年间在技术进步的影响下，第一产业的CO2排放量减少120.96万t。但在2000-2005年，技术进步并未有效减少CO2排放，说明第一产业的技术水平有待提升。第一产业的能源结构中，总体趋势振幅较大，且煤炭占比从1995年的54%上升到2012年的70%，说明第一产业能源结构亟需改进。

北京市第一产业已经开始运用现代化科技手段转变传统农业功能，提升农业综合生产力，其内部结构在文化创意产业的促进下向高端产业发展。

3.3.2 工业减排效应分析

工业对CO2排放的影响因素中，产业结构变动对于减少CO2排放的贡献最大且效果日益显著，观测期内共减少CO2排放量1 984.81万t。其次是生产能源强度，共减少CO2排放1 141.96万t。这两大因素变动最大的期间为2005-2010年间，说明北京市从2005年提出“首钢”搬迁，到2011年首钢彻底停产，并利用现代技术与现代组织管理来提高工业的技术含量、打造高附加值和高技术含量的现代工业这条路走得非常成功。

通过上述改造，北京市工业CO2的排放量从2005年开始出现明显下降趋势，共下降41.05%，同时期工业增加值共上升86.44%，说明技术进步和产业结构内部升级并未阻碍北京市工业的发展，反而促使工业向低碳化成功转型（见图3）。

3.3.3 建筑业减排效应分析

建筑业中生产能源强度在减排上贡献最大，1995-2012年因技术进步共减少87.57万tCO2的排放量，在2005-2010年效果尤为显著，并且持续加强。由于建筑业会直接拉动以非金属矿物制品业和金属冶炼作为主要建材行业的碳排放水平，因此北京在2000-2005年对冶金、石化及建材等传统制造业进行了大幅改造，使得产业结构变动对减少CO2排放效果显著。在能源结构上，建筑业的能源结构变动效果最显著的时期为1995-2000年，这期间建筑业煤炭占该行业资源消耗比重从46.9%减少到19.4%，共减少58.64%。由于北京的建筑和基础设施基本稳定，建筑业今后调整的重点应放在技术进步和清洁能源的利用方面。

3.3.4 电力热力业减排效应分析

对电力热力业排放CO2产生负效应最大的因素是技术进步，其贡献值约为7 017万tCO2。其次是能源结构，1995-2012年控制CO2排放量约1 183.94万t。1995年煤炭占该行业能源消耗的比重为99.71%，2001年北京市倡导“煤改电”活动，能源结构改进效果在此后五年开始逐步显现，到2012年煤炭占比为65.58%，2001-2012年煤炭占比共下降30.1%。煤炭消耗占比虽然下降很多，但占比依旧过半，因此能源结构调整潜力很大。据统计，目前北京自产电量占比从1995年的49.24%下降到31.31%，共下降36.41%，而外省输入电量占比从56-76%上涨到68.69%。由于电力热力业的技术进步周期较长，所以该行业应着重调整产业结构，同时加大从外省输入电力的比例。

3.3.5 交通运输仓储邮政业减排效应分析

交通运输仓储邮政业的发展对于CO2排放的增加效应远高于减少效应。目前对交通运输仓储邮政业CO2排放产生负效应最大的因素是能源结构，主要是因为煤油和柴油消耗的减少与天然气使用的增加。而技术进步效应则在2005年开始显著增加，北京从2009年开始在公共交通上推动新能源使用，有效控制了该行业的CO2排放量，据测算，2005-2012年北京市的交通运输仓储邮政业共减少CO2排放380.1万t。

随着经济水平的提高，旅游和电子商务迅速兴起，直接拉动了交通运输仓储邮政业的产值增加和CO2排放量急剧上升。2006-2012年，该行业的CO2排放量上涨了67.13%，而同时期产值仅上涨了23.02%，说明交通运输仓储邮政业还处于低端产业链、高排放、低产出的阶段。

3.3.6 批发零售住宿餐饮业减排效应分析

对批发零售住宿餐饮业排放CO2产生负效应最大的因素是技术进步，观测期间内共减少82.17万tCO2，尤其是在2000-2005年期间效果最为显著。其次是能源结构，1995-2012年间共引致减少CO2排放33.31万t。

2004-2007年北京市批发零售住宿餐饮业的行业增加值年平均增长率只有21.48%。但与此同时，该行业的CO2排放量的年平均年增长率却高达46.68%。但2008-2012年该产业增加值上升的同时CO2排放排放量则明显下降，四年间共下降了37.54%，说明批发零售住宿餐饮业在经过最初的粗放型增长后，开始逐步重视调整产业结构和优化升级的集约式发展。

3.3.7 生活部门减排效应分析

据统计，北京市汽车拥有量从1995年的58.9万辆增加到2012年的495.7万辆，增长了741.59%，私人汽车保有量占比从1995年的21.73%上升到2012年的82.21%。2010年北京开始实行的车牌摇号政策明显抑制了私人汽车拥有量的增长速度，但减排效果不显著。生活部门方面，技术进步带来的CO2减排效果最为显著，2009年北京开始推广新能源汽车，能源结构效应因此由正转负。北京市的煤炭占比在1995-2012年期间共下降70.97%，汽油消耗占比由1995年的5.36%上升到2012年的50.1%，已成为北京居民消费中的第一大能源。

3.4 产业结构细分为11个产业的进阶分析

为了深入研究北京市产业结构对CO2排放的影响作用，本文将原有产业进一步细化为11个。除了电力热力、建筑业、交通运输仓储邮政业和住宿餐饮批发零售业，依据《中国统计年鉴》和《北京统计年鉴》在2005年以后的产业划分，新增7个细分产业分别为能源工业、轻制造业、重制造业、其他制造业、金融房地产租赁信息等服务业、教育文化科研和公共设施与福利保障。考虑到数据获取等因素，7个细分产业的数据从2005年开始，表10为2005-2012年11个细分产业CO2排放的LMDI分析结果。

各个细分产业的碳减排结果显示，第二产业对CO2排放起到抑制作用的产业分别为重制造业、能源工业、轻制造业、其他制造业，减排量依次为1 166.15万t、522.48万t、74.81万t和22.75万t。

在第三产业中，公共设施与福利保障产业的CO2排放量减少96.93万t，而其余产业的CO2排放量均在增加，其中交通运输仓储邮政业最为显著，排放量高达1 113.62万t。其余产业对CO2排放贡献量分别为：住宿餐饮批发与零售业60.58万t、金融房地产租赁信息等服务业48.48万t，教育文化与科研40.55万t。

从影响因素角度分析，经济发展与规模效应都导致了CO2排放的增加，技术进步与能源结构均发挥了抑制CO2排放的作用。产业结构方面，除电力热力水供应业以外，其他产业的结构调整均抑制了CO2排放。

4 研究结论

4.1 加快技术进步在产业间的渗透

科技创新和技术进步无疑是减少污染的主要手段。在降低CO2排放方面不应该只局限于发展高端制造业，从产业进阶分析结果可以看到，技术进步对各个产业的效应表现各异，在工业、电力热力业和生活部门最为明显，而第三产业的效果并不显著，说明技术进步的渗透并不平均。同时，产业内部的技术变化也影响着产业结构的升级，科技革命推动产业革命就是最好的佐证。北京在发展科技创新的同时，应该加速高新技术的转化，推进专业技术产业化，加快用高新技术改造传统行业，尤其是改造和提升服务业的发展质量，这将进一步强化北京市在京津冀协同发展中的“科技创新中心”的核心功能，也是落实节能减排政策的必经之路。

4.2 提高各产业的能源使用效率

北京能源效率的提升主要表现在第二产业，尤其是工业能源使用效率的大幅提升，这不仅抵消了其他产业能源消费波动，特别是第三产业和生活消费中能源消费上升的影响，而且推动了全市能源强度的持续下降。因此，下一阶段北京市要着重提高服务业和生活部门的能源效率，关闭污染大的服务业，在生活消费中推广新能源的使用，把第三产业打造成环境友好的低碳产业。

4.3 促进产业内部升级与协调发展

北京市的三次产业中，第一产业率先完成了从单一农业向多功能农业的转变，且内部升级效果显著。第二产业正在进行调整升级。全球金融危机后，各发达国家将产业调整的重点再次对准工业与制造业，为了能在新的一轮国际竞争中抢占科技竞争制高点，北京必须加快第二产业尤其是高端制造业的产业升级。高端制造业拥有“高产值、低污染、强竞争力”的特点，非常适合以北京为代表的资源紧张型城市作为重点发展行业，既能保证经济增长，又能达到CO2减排的目标。

（编辑：刘照胜）

参考文献（References）

[1]Ang B W，Zhang F Q，Choi K H. Factorizing Changes in Energy and Environmental Indicators Through Decomposition[J]. Energy， 1998， 23（6）：489-495.

[2]Fisher V. What Is Driving Chinas Decline in Energy Intensity？[J].Resource and Energy Economics， 2004， 26（1）：77-97.

[3]Wu L， Kaneko S， Matsuoka S. Dynamics of Energy Related CO2 Emissions in China During 1980 to 2002： The Relative Importance of Energy Supply Side and Demand Side Effects[J]. Energy Policy， 2004，34（18）： 3549-3572.

[4]Zhang Youguo. Structural Decomposition Analysis of Sources of Decarbonizing Economic Development in China： 1992-2006[J].Ecological Economics， 2009， 68（8-9）：2399-2405.

[5]Wang Di， Nie Rui， Shi Haiying. Scenario Analysis of Chinas Primary Energy Demand and CO2 Emissions Based on IPAT Model[J]. Energy Procedia， 2011， 5：365-369.

[6]徐大丰.碳生产率、产业关联与低碳经济结构调整：基于我国投入产出表的实证分析[J]. 中国软科学，2011，25（3）：42-56. [Xu Dafeng. Carbon Productivity，Industrial Correlation and Lowcarbon Economic Structure Adjustment：Empirical Analysis Based on Inputoutput Table in China[J]. Soft Science，2011， 25（3）：42-56.]

[7]张雷，黄园淅.中国产业结构节能潜力分析[J].中国软科学，2008，23（5）： 27-29. [Zhang Lei， Huang Yuanxi. Potential Analysis on Structural Energysaving in China[J]. China Soft Science，2008，23（5）： 27-29.]

[8]林伯强，孙传旺.如何在保障中国经济增长前提下完成碳减排目标[J].中国社会科学，2011，（1）：64-77. [Lin Boqiang，Sun Chuanwang.How Can China Achieve Its Carbon Emission Reduction Target While Sustaining Economic Growth？[J]. Chinese Social Science， 2011，（1）：64-77.]

[9]余泳泽，杜晓芬.技术进步、产业结构与能源效率：基于省域数据的空间面板计量分析[J].产业经济评论，2011，10（4）：36-68.[Yu Yongze， Du Xiaofen. Technological Progress，Industrial Structure and Energy Efficiency：Based on Spatial Econometrics of Panel Data with Provincial Data[J]. Review of Industrial Economics， 2011，10（4）：36-68.]

[10]陈志建，王铮.中国地方政府碳减排压力驱动因素的省际差异：基于STIRPAT模型[J].资源科学，2012，34（4）：718-724.[Chen Zhijian， Wang Zheng. The Differences of Driving Factors of Local Governments Pressure on Carbon Emission Reduction in China Based on STIRPAT Model[J]. Resources Science， 2012，34（4）：718-724.]

[11]邢芳芳，欧阳志云，王效科，等. 北京终端能源碳消费清单与结构分析[J].环境科学，2007，34（4）：1919-1923.[Xing Fangfang，Ouyang Zhiyun，Wang Xiaoke. Inventory of Final Energycarbon Consumption and Its Structure in Beijing[J]. Environmental Science， 2007，34（4）：1919-1923.]

[12]唐志鹏，刘卫东，付承伟，等. 能源约束视角下北京市产业结构的优化模拟与演进分析[J].资源科学，2012，34（1）：29-34. [Tang Zhipeng， Liu Weidong， Fu Chengwei. Optimization Modeling and Evolution Analysis of Beijings Industrial Structure under Energy Constraints[J]. Resources Science， 2012，34（1）：29-34.]

Abstract China has committed to the world to reduce the intensity of energy consumption and carbon emission by 40%-50% in 2020， compared with its carbon emission per GDP of 2005. As the capital city， Beijing would set the model for the rest of the country. Based on the industrial structure of Beijing， we measured its carbon emission from 1995 to 2012 according to the energy resources， IPCC （Intergovernmental Panel on Climate Change） coefficients and the real output value of Beijing. The Expandable Stochastic Model of Environment Effect Appraisal testifies the significant coefficient between carbon emission and industrial structure. It also measures the contribution of changes on the overall industrial structure. Then we divide the industry into seven sections， i.e.， the first industry， industry， construction， power and heating industry， transportation storage and postage， wholesale and retail trade， hotels and catering services， and life department. The coefficients are significant between the sub sectors and carbon emission， and the contribution of each sub sector is calculated respectively. Then the carbon emission level of each sector is measured through the Logarithmic Weight Balance Analysis and the Expandable Stochastic Model. The influence of industrial structure adjustments is studied on the reduction of carbon emission. Suggestions are put forward on the internal upgrade of industries and the coordinated development between them. For the tertiary industry， the efficiency of energy consumption should be improved.

Key words industrial structure； carbon emissions； STIRPAT Model； LMDI Method