中国工业行业碳强度的因素分析——基于超越对数生产函数

王韶华

（燕山大学　经济管理学院，河北 秦皇岛 066004）

中国工业行业碳强度的因素分析
——基于超越对数生产函数

王韶华

（燕山大学经济管理学院，河北 秦皇岛 066004）

为探究工业行业碳强度变化的成因，基于Kaya恒等式的碳强度分解，以碳强度表示产出，以经济增长、能源消费量、能源消费结构和技术进步为投入要素构建超越对数生产函数，通过各要素的碳强度产出弹性反映各要素对碳强度的贡献；并运用通径分析法进一步揭示各要素间的相互关系及其与碳强度的直接和间接关系。结果表明：能源消费结构的优化和技术进步抑制了工业行业碳强度的增长，能源消费量的增长和工业增加值的增长拉动了碳强度的增长，其中能源消费结构和能源消费量对工业行业碳强度的影响显著，因此降低工业行业碳强度的关键在于减少能源消费结构和能源消费量的碳强度产出弹性；能源消费量、工业增加值和能源消费结构对能源消费量的碳强度产出弹性起直接推动作用，技术进步起直接抑制作用；工业增加值和能源消费量对能源消费结构的碳强度产出弹性起直接推动作用，技术进步和能源消费结构起直接抑制作用。可见，工业行业对能源消费的依赖性较强，降低工业行业碳强度应主要依靠技术进步转变能源利用方式，提高能源效率，优化能源消费结构。

工业行业碳强度；碳强度产出弹性；超越对数生产函数；通径分析

中国的直接碳排放主要集中在工业部门，碳排放总量90%以上是由工业活动引起的［1］，降低工业部门的碳强度是减排的关键。

碳排放的驱动因素众多。研究者们通过拟合EKC曲线证实了经济增长与碳排放之间的密切关系［2-6］，但一般认为［7-8］，碳排放增长的主要成因是能源消耗而非经济增长。除此之外，许多其他因素，如能源结构、产业结构、技术进步等也会影响碳排放，学者们主要采用SDA（结构分解分析）方法或IDA（指数分解分析）方法研究各影响因素对碳排放的贡献，近年来取得了不少进展，有代表性的研究包括：徐国泉等（2006）［9］、林伯强和蒋竺均（2009）［10］、鲁万波等（2013）［11］、Vaninsky（2014）［12］389、范丽伟等（2014）［13］、肖皓等（2015）［14］、刘蔚等（2015）［15］；也有学者利用其他方法得出了有价值的结论，如，杨骞和刘华军（2012）［16］综合应用泰尔指数和多元回归方法解析中国碳排放区域差异的原因及不同碳排放水平的影响因素。王媛等（2013）［17］结合“全要素”碳排放绩效的思想，基于熵值法分析影响碳排放绩效区域差异的主要因素。董锋等（2015）［18］基于协整方程采用蒙特卡洛动态模拟方法模拟了2020年经济规模、产业结构、技术进步、能源结构等因素导致的碳排放量。何立华等（2015）［19］综合运用情景构造、灰色G（1，1）、多元回归预测、马尔可夫链模型分情景评估了能源结构优化对山东省碳强度目标的贡献潜力。贾登勋和黄杰（2015）［20］基于Hansen发展的门槛面板模型，利用2000—2011年中国省际面板数据样本，对经济增长与碳排放之间的非线性关系及其形成机制进行了实证研究。袁鹏（2015）［21］基于物质平衡原则，应用数据包络分析法构建了Malmaquist碳生产率指数，用以考察各因素对碳排放绩效动态变化的影响效应。吴常艳等（2015）［22］从细分行业的微观入手基于投入产出生命周期角度构建碳减排潜力模型探讨江苏省产业结构调整的碳减排潜力。Alshehry等（2015）［23］237将CO2排放作为控制变量采用Johansen多元协整检验分析了阿拉伯国家的能源消费、能源价格与经济活动间的动态因果关系。

已有研究主要通过EKC曲线、分解技术、统计分析方法、计量经济方法等对碳排放的影响因素进行了较细致的研究，就经济增长、能源消费总量、能源结构、碳排放因子等对碳排放的影响达成了共识，但缺乏对各影响因素间相互关系的定量分析。本文基于Kaya恒等式分解碳强度，结合超越对数生产函数通过产出弹性论证各分解因素对碳强度的贡献；并在此基础上，运用通径分析方法探究各因素间的内在关系及其对产出弹性的影响效应，将进一步明确减排重点，为中国制定有针对性的减排政策提供参考。

一、研究方法与数据来源

（一）碳强度分解模型

基于Kaya恒等式，能源消费导致的碳排放可表示为［9］

其中，i表示能源消费品种；Ei表示第i种能源消费量；Ci表示第i种能源消费导致的碳排放；E表示能源消费总量；Y表示经济增长。则，Ci/Ei表示单位第i种能源消费产生的碳排放，即碳排放系数；Ei/E表示第i种能源占能源消费总量的比重，即能源消费结构；令=S，S表示单位能源消费的碳排放，考虑到技术、成本等的限制，假定各能源消费的碳排放系数在短期内固定不变，S主要反映能源消费结构的变动，则式（2）可表示为

（二）超越对数生产函数建立

学者Berndt等（1975）［24］259、Griffin等（1976）［25］845、Pindyck（1979）［26］169、杨中东（2007）［27］、樊茂清等（2009）［28］等的成果均证实了超越对数生产函数在研究要素产出弹性方面的可行性与优越性，即，在结构上属于平方反应面模型，具有易估计、强包容性等特点，为有效分析生产函数中各投入要素之间的交互影响差异等提供了支撑点。在此基础上，本文主要借鉴郑照宁、刘德顺（2004）的研究成果［29］，以碳强度表示产出，以单位能源消费的碳排放、能源消费总量和经济增长作为投入要素，考虑技术进步对碳强度的影响，引入时间趋势变量（δ=T-T0）反映技术进步随时间的变化，建立的碳强度超越对数生产函数如下

则经济增长、能源消费总量、单位能源消费的碳排放和技术进步的碳强度产出弹性分别为

（三）数据收集与整理

本文以1985—2012年为研究区间（由于《中国统计年鉴》对1993年“按行业分能源消费量”没有统计，基于数据可得性，去除1993年）。工业增加值（1985年不变价）、能源消费量等数据可通过历年《中国统计年鉴》获得，如表2所示。

碳排放量的计算则参照IPCC国家温室气体清单指南中关于碳排放基本公式

其中，AD表示活动水平；EF表示碳排放因子；p表示能源品种。

本文利用能源消费量表示活动水平，能源品种包括煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然气、电力等，各能源品种的消费量数据可通过历年《中国统计年鉴》获得；碳排放因子采用IPCC国家温室气体清单指南中碳排放因子缺省值，如表1所示。由于缺省值是以热值为标准的，因此需将能源消费实物量转化为热值，各种能源的热值转化值取IPCC国家温室气体清单指南中的缺省净发热值，如表1所示。电力的排放因子取缺省值0.001吨/1千瓦·时。根据式（12）可以得到1985—2012年中国工业行业碳排放，碳强度即为碳排放与相应年份的工业增加值比值，如表2所示。

表1　各种能源的排放因子及净发热值

表2　1985—2012年中国工业行业碳强度、碳排放、工业增加值（1985年不变价）、能源消费量、单位能源消费的碳排放等统计数据

二、因素分析

（一）超越对数生产函数拟合

由于各变量间的相关系数基本在0.9以上，存在高度相关关系，为避免多重共线性给回归结果带来的影响，选取岭回归分析方法拟合方程（4）。岭回归分析方法放弃了部分精确度以换取更具现实意义的回归结果，在解决共线性问题上效果显著［30］。

为便于书写，分别令δ=X1，δ2=X2，lnYt=X3，lnEt=X4，lnSt=X5，lnYt·lnEt=X6…，利用SPSS16.0统计软件对全部变量做岭迹分析，岭迹图和不同K值决定系数的变化情况，如图1和图2所示。

根据图1，当K=0.15，各自变量的变动开始趋于平稳；根据图2，当K＞0.15时，可决系数RSQ不再剧烈的波动，呈现稳定的下降趋势。因此，取K= 0.15，根据1985—2012年时间序列数据，可得岭回归估计结果，如表3所示。

调整后的拟合优度达到0.927 9，F值和T值均通过了α=0.05的显著性检验，方程的拟合效果较好。

（二）结果分析

根据式（5）～式（11），可得到1985—2012年中国工业行业工业增加值、能源消费量、能源消费结构、技术进步等的碳强度产出弹性 （图3），以及工业增加值与能源消费量、工业增加值与能源消费结构、能源消费量与能源消费结构间的碳强度替代弹性（图4）。

根据图3，中国工业行业各因素的碳强度产出弹性由大到小依次为能源消费结构、能源消费量、工业增加值和技术进步，表明中国工业行业碳强度主要受能源消费结构和能源消费量的影响。其中，能源消费结构的优化和技术进步对中国工业行业碳强度的增长起抑制作用，且能源消费结构优化的抑制效应呈逐年上升趋势，2012年约达0.4，而技术进步的抑制效应较微弱，一直维持在0.016以下，且呈缓慢下降趋势，2012年已降至0.003 4；能源消费量的增长和工业增加值的增长拉动了中国工业行业碳强度的增长，二者的拉动效应分别稳定在0.23 和0.082附近，变化较平缓。

根据图4，各因素之间的碳强度替代弹性均为正值，说明各因素之间存在替代关系而非互补关系。其中能源消费量与能源消费结构之间的碳强度替代弹性高于1，可见如果通过优化能源消费结构降低工业行业碳强度，主要依靠减少能源消费量；如果通过减少能源消费量降低工业行业碳强度，主要依靠优化能源消费结构；但是1997年以来，能源消费量与能源消费结构之间的碳强度替代弹性呈现明显下降趋势，且工业增加值分别与能源消费量和能源消费结构之间的碳强度替代弹性均低于1，表明中国工业行业对能源消费的需求弹性依然较大，且能源消费习惯牢固，碳强度进一步降低还需要结合生产工艺水平的提高、工业增加值的优化等。

表3　岭回归估计参数结果

三、各因素对碳强度的影响机理分析

根据中国工业行业碳强度因素分析，能源消费结构和能源消费量的碳强度产出弹性 （绝对值）均在0.2以上，对碳强度的贡献较为显著；而工业增加值的增长和技术进步对碳强度的贡献较微弱。可见，降低工业行业碳强度的关键在于减少能源消费结构和能源消费量的碳强度产出弹性。在此，本文主要探究各因素间的相互关系及其分别与能源消费结构的碳强度产出弹性和能源消费量的碳强度产出弹性之间的直接和间接关系。

通径分析是简单相关分析的继续，在多元回归的基础上将相关系数加以分解，通过直接通径、间接通径及总通径系数分别表示某一变量对因变量的直接作用效果，通过其他变量对因变量的间接作用效果和综合作用效果［31-32］。本文通过通径分析法揭示工业增加值、能源消费量、能源消费结构、技术进步等因素分别对能源消费量的碳强度产出弹性和能源消费结构的碳强度产出弹性的影响机理。

设y为因变量；x1，x2，x3，…，xk为自变量；则xi与y的总通径系数为皮尔逊相关系数riy；直接通径系数等于xi的标准化后的偏相关系数piy；xi通过xj对y的间接通径系数为rij×pjy（rij为xi与xj的皮尔逊相关系数，pjy为xj的直接通径系数）。

（一）各因素对能源消费量的碳强度产出弹性的影响机理分析

根据表3，能源消费量的碳强度产出弹性方程（6）可拟合为

ηE=0.093 560 22+0.001 586 5lnYt+0.008 264 66lnSt+ 0.009 509lnEt-0.000 465 26δ

利用SPSS16.0统计软件可得到各自变量间及其与因变量之间的皮尔逊相关系数和标准化后的偏相关系数，如表4所示。

表4　能源消费量的碳强度产出弹性的通径分析结果

由表4可知，工业增加值、能源消费量、能源消费结构和技术进步对能源消费量的碳强度产出弹性的直接效应分别为0.466、1.585、0.242、-1.307，其绝对值依次为|E|＞|δ|＞|Y|＞|S|，可见能源消费量的增长、工业增加值的增长和能源消费结构的优化对能源消费量的碳强度产出弹性起直接推动作用，技术进步起直接抑制作用；各因素的总效应分别为0.928、0.989、0.857、0.924，其绝对值依次为|E|＞|Y|＞| S|＞|δ|，说明能源消费量的增长、工业增加值的增长、能源消费结构的优化和技术进步对能源消费量的碳强度产出弹性均起推动作用，具体来说：

工业增加值的增长对能源消费量的碳强度产出弹性的直接效应为0.466，起直接推动作用，通过能源消费量的增长 （1.539）和能源消费结构优化（0.229）的间接推动效应之和（1.768）完全抵消了通过技术进步的间接抑制作用（-1.306），强化了工业增加值增长的推动作用，总效应为0.928。中国工业行业发展的粗放式特征明显，高耗能行业对工业增加值的贡献较大，但由于碳强度的降低以不影响工业增加值为前提，因此必须通过技术改造传统耗能行业、延伸产业链和产品价值链、增加高附加值产业份额等方式优化工业增加值结构，在保证工业增加值的同时减少能源消费量，从而降低能源消费量的碳强度产出弹性。

能源消费量的增长对能源消费量的碳强度产出弹性的直接效应为1.585，起直接推动作用，通过工业增加值的增长 （0.452）和能源消费结构优化（0.216）的间接推动作用之和（0.668），抵消了部分通过技术进步的间接抑制作用（-1.264），总的推动作用有所降低，为0.989。工业行业能源消费量的降低，一方面应优化能源结构，降低煤炭消费量，提高石油、天然气等高效能源比重；转变能源利用方式，增大煤炭转化为电力的比例，提高能源利用效率；另一方面应尽快淘汰落后产能，利用技术创新推动经济增长方式的转变。

能源消费结构的优化对能源消费量的碳强度产出弹性的直接效应为0.242，起直接推动作用，通过工业增加值增长 （0.441）和能源消费量增长（1.418）的间接推动作用之和（1.859），完全抵消了通过技术进步的间接抑制作用（-1.244），强化了能源消费结构优化的推动作用，总效应为0.857。可见，在不影响工业增加值的前提下，能源消费结构的优化，一方面应通过产业结构升级改变传统用能习惯；另一方面应重点依靠技术创新，借助政府扶持，加强技术外交，降低技术成本和技术缺陷，突破能源发展的技术瓶颈，促进技术推广。

技术进步对能源消费量的碳强度产出弹性的直接效应为-1.307，起直接抑制作用，通过工业增加值增长（0.466）、能源消费量增长（1.535）和能源消费结构优化（0.23）的间接推动作用达2.231，完全抵消了技术进步的直接抑制作用，总效应为0.924，起推动作用。可见，技术进步必须通过降低能源消费、优化能源消费结构等才能够降低能源消费量的碳强度产出弹性。中国能源资源禀赋以及工业行业特征决定了能源技术创新必须聚焦于替代技术、洁净煤技术、可再生能源开发技术、高碳能源的高效利用技术等。

（二）各因素对能源消费结构的碳强度产出弹性的影响机理分析

根据表3，能源消费结构的碳强度产出弹性方程（7）可拟合为

ηS=-0.356 333 27+0.020 157 67lnYt+ 0.008 264 66lnEt-0.144 159lnSt-0.003 329 86δ

利用SPSS16.0统计软件可得到各自变量间及其与因变量之间的皮尔逊相关系数和标准化后的偏相关系数，如表5所示。

由表5可知，工业增加值、能源消费量、能源消费结构和技术进步对能源消费量的碳强度产出弹性的直接效应分别为0.940、0.219、-0.669、-1.483，其绝对值依次为|δ|＞|Y|＞|S|＞|E|，可见工业增加值的增长和能源消费量的增长对能源消费结构的碳强度产出弹性起直接推动作用，技术进步和能源消费结构的优化起直接抑制作用；各因素的总效应分别为-0.964、-0.903、-0.996、-0.969，其绝对值依次为| S|＞|δ|＞|Y|＞|E|，说明能源消费量增长、工业增加值增长、能源消费结构优化和技术进步对能源消费结构的碳强度产出弹性均起抑制作用，具体来说：

工业增加值的增长对能源消费结构的碳强度产出弹性的直接效应为0.940，起直接推动作用，主要是由于中国工业化所处的阶段特征以及煤炭的廉价、可得性，使得工业增加值增长对煤炭需求弹性较高；但总效应为-0.964，起抑制作用，原因在于工业增加值增长通过能源消费结构优化（-0.634）和技术进步（-1.483）的抑制效应之和（-2.117）完全抵消了工业增加值增长的直接推动效应和通过能源消费量增长的间接推动效应（0.213）之和（1.153），这是因为：一方面培育发展了战略性新兴产业，减少了对高碳能源的消耗，对能源消费的需求趋于多元化、低碳化；另一方面依靠技术进步和制度创新，优化了能源结构，提高了能源效率。

表5　能源消费结构的碳强度产出弹性的通径分析结果

能源消费量的增长对能源消费结构的碳强度产出弹性的直接效应为0.219，起直接推动作用，主要是由于中国以煤为主的资源禀赋特征以及工业增加值对能源投入的依赖性，使得中国煤炭消费比重居高不下，能源消费量增长加剧了能源消费结构的进一步恶化；但总效应为-0.903，起抑制作用，原因在于能源消费量的增长通过能源消费结构的优化（-0.598）和技术进步（-1.437）的抑制效应之和（-2.035）完全抵消了能源消费量增长的直接推动效应和通过工业增加值的间接推动效应（0.913）之和（1.132）。一方面能源消费结构得以改善，低碳能源消费比重逐步提高，能源效率也随着提高；另一方面，高新技术产业比重的增加在一定程度上降低了能源需求弹性，在实现工业增加值目标的前提下降低了能源消费结构的碳强度产出弹性。

能源消费结构的优化对能源消费结构的碳强度产出弹性的直接效应为-0.669，起直接抑制作用，主要是由于中国把降低煤炭消费比重作为调整能源消费结构的重点，高碳能源比重的降低使得单位能源消费的碳排放明显降低；通过技术进步的间接抑制作用（-1.413）完全抵消了通过工业增加值增长（0.890）和能源消费量增长（0.196）的间接推动作用之和（1.086），强化了能源消费结构的抑制作用，总效应为-0.996，这是由于工业行业的技术创新聚焦于洁净煤技术、能源替代技术等实用技术并实现了关键技术的突破，能源效率得以明显改善，在降低能源消耗的同时，保障了工业增加值的增长。

技术进步对能源消费结构的碳强度产出弹性的直接效应为-1.483，起直接抑制作用。主要是由于技术进步一方面降低了单位能源消费的碳排放；另一方面提高了能源效率，产值增长速度远远高于碳排放增长速度。通过能源消费结构优化的间接抑制作用为-0.637，低于通过工业增加值增长（0.939）和能源消费量增长 （0.212）的间接推动效应之和（1.151）。因此，总的抑制效应有所降低，为-0.969，这是由于工业行业落后的生产工艺水平及管理水平、牢固的用能习惯等使得在利用技术进步优化能源结构时造成了极大的能源浪费，能源消费量的增加必然抑制碳强度的降低。

四、研究结论

基于Kaya恒等式，本文将碳强度分解为经济增长、能源消费量和能源消费结构3个影响因子，并以碳强度表示产出，以经济增长、能源消费量、能源消费结构和技术进步作为投入要素构建超越对数生产函数，通过各要素的碳强度产出弹性反映各要素对碳强度的贡献。本文以工业行业碳强度为研究对象，结果表明：能源消费结构增长和技术进步抑制了工业行业碳强度的增长，能源消费量增长和工业增加值增长拉动了碳强度的增长，其中能源消费结构和能源消费量对工业行业碳强度的影响显著。因此，降低工业行业碳强度的关键在于减少能源消费结构和能源消费量的碳强度产出弹性。本文通过通径分析法揭示工业增加值、能源消费量、能源消费结构、技术进步等因素分别对能源消费量的碳强度产出弹性和能源消费结构的碳强度产出弹性的影响机理。结果表明：能源消费量增长、工业增加值增长和能源消费结构优化对能源消费量的碳强度产出弹性起直接推动作用，技术进步起直接抑制作用；工业增加值增长和能源消费量增长对能源消费结构的碳强度产出弹性起直接推动作用，技术进步和能源消费结构的优化起直接抑制作用。可见，工业行业对能源消费的依赖性较强，降低工业行业碳强度，一是必须通过技术创新优化工业增加值结构，加快培育发展战略性新兴产业，在保证工业增加值的同时减少能源消费量。二是面应优化能源结构，降低煤炭消费量，提高石油、天然气等高效能源比重；转变能源利用方式，提高能源利用效率。三是要加大能源技术创新的投入力度，突破替代技术、洁净煤技术、可再生能源开发技术、高碳能源的高效利用技术等关键技术瓶颈，促进技术推广。

［1］刘红光，刘卫东.中国工业燃烧能源导致碳排放的因素分解［J］.地理科学进展，2009（2）：285-292.

［2］WAGNER M.The carbon Kuznets curve：a cloudy picture emitted by bad econometrics？［J］.Resource and Energy Economics，2008，30（3）：388-408.

［3］范丹.中国二氧化碳EKC曲线扩展模型的空间计量分析［J］.宏观经济研究，2014（5）：83-91.

［4］邹庆，陈迅，吕俊娜.经济与环境协调发展的模型分析与计量检验［J］.科研管理，2014，35（12）：175-182.

［5］王敏，黄滢.中国的环境污染与经济增长［J］.经济学（季刊），2015（2）：557-578.

［6］NICHOLAS A，ILHAN O.Testing environmental Kuznets curve hypothesis in Asian countries［J］.Ecological Indicators，2015（52）：16-22.

［7］MAGAZZINO C.Economic growth，CO2emissions and energy use in Israel［J］.International Journal of Sustainable Development and World Ecology，2015，22（1）:89-97.

［8］HASSAN H，KATIRCOGLU S，SAEIDPOUR L.Economic growth，CO2emissions，and energy consumption in the five ASEAN countries［J］.International Journal of Electrical Power&Energy Systems，2015（64）：785-791.

［9］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（6）：158-161.

［10］林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］.管理世界，2009（4）：27-36.

［11］鲁万波，仇婷婷，杜磊.中国不同经济增长阶段碳排放影响因素研究［J］.经济研究，2013（4）：106-118.

［12］VANINSKY A.Factorial decomposition of CO2emissions：a generalized Divisia index approach［J］.Energy Economics，2014（45）：389-400.

［13］范丽伟，潘晨，赵锡波.出口贸易隐含碳变化驱动因素分析模型及应用［J］.北京理工大学学报（社会科学版），2014，16（6）：34-40.

［14］肖皓，杨佳衡，乔晗.需求侧全球碳排放强度的度量及分解［J］.系统工程理论与实践，2015，35（3）：1-11.

［15］刘蔚，郭彩云，陈纪瑛.中国城市居民出行CO2排放特征及影响因素［J］.北京理工大学学报（社会科学版），2015，17（1）：32-39.

［16］杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素［J］.数量经济技术经济研究，2012（5）：36-49.

［17］王媛，程曦，殷培红，等.影响中国碳排放绩效的区域特征研究［J］.自然资源学报，2013（7）：1106-1116.

［18］董锋，杨庆亮，龙如银，等.中国碳排放分解与动态模拟［J］.中国人口·资源与环境，2015，25（4）：1-8.

［19］何立华，杨盼，蒙雁琳，等.能源结构优化对低碳山东的贡献潜力［J］.中国人口·资源与环境，2015，25（6）：89-97.

［20］贾登勋，黄杰.门槛效应、经济增长与碳排放［J］.软科学，2015，29（4）：67-70.

［21］袁鹏.基于物质平衡原则的中国工业碳排放绩效分析［J］.中国人口·资源与环境，2015，25（4）：9-20.

［22］吴常艳，黄贤金，揣小伟，等.基于EIO-LCA的江苏省产业结构调整与碳减排潜力分析［J］.中国人口·资源与环境，2015，25 （4）：43-51.

［23］ALSHEHRY A，BELLOUMI M.Energy consumption，carbon dioxide emissions and economic growth：the case of Saudi Arabia ［J］.Renewable&Sustainable Energy Reviews，2015（41）：237-247.

［24］BERNDT E R，WOOD D O.Technology，prices，and the derived demand for energy［J］.The Review of Economics and Statistics，1975，57（3）：259-268.

［25］GRIFFIN J M，GREGORY P R.An intercountry translog model of energy substitution responses［J］.The American Economics Review，1976，66（5）：845-857.

［26］PINDYCK R S.Interfuel substitution and the industrial demand for energy：an international comparison［J］.The Review of Economics and Statistics，1979，61（2）：169-179.

［27］杨中东.对中国制造业的能源替代关系研究［J］.当代经济科学，2007，29（3）：1-6.

［28］樊茂清，任若恩，陈高才.技术变化、要素替代和贸易对能源强度影响的实证研究［J］.经济学（季刊），2009，9（1）：237-257.

［29］郑照宁，刘德顺.考虑资本—能源—劳动投入的中国超越对数生产函数［J］.系统工程理论与实践，2004（5）：51-54.

［30］张文彤.SPSS11统计分析教程：高级篇［M］.北京：北京希望电子出版社，2002.

［31］郭菊娥，柴建，席酉民.一次能源消费结构变化对中国单GDP能耗影响效应研究［J］.中国人口·资源与环境，2008，18（4）：38-43.

［32］王韶华，于维洋.一次能源消费结构变动对碳强度影响的灵敏度分析［J］.资源科学，2013（7）：1438-1446.

［责任编辑：孟青］

The Factor Analysis of China’s Carbon Intensity in the Industry —Based on Trans-log Production Function

WANG Shaohua
（School of Economics and Management，Yanshan University，Qinhuangdao Hebei 066004，China）

To explore the cause of carbon intensity change in the industry，this paper takes carbon intensity as the output，treated economic growth，energy consumption，energy consumption structure and technological progress as the input factors，and built translog production function to calculate the output elasticity，which could be regarded as the contribution of each factor to carbon intensity，based on the decomposition model of Kaya identity.Then，path analysis was used to reveal the relationship between each factor and its direct and indirect influence on carbon intensity.Results show that the optimization of energy consumption structure and technological progress inhibit the growth of carbon intensity in the industry，while the increase of energy consumption and the increase of the industrial added value stimulate the growth of carbon intensity.Because energy consumption structure and energy consumption have the significant impact on carbon intensity，it’s the key to reducing carbon intensity in the industry to cut down the carbon intensity output elasticity of energy consumption structure and energy consumption.Furthermore，energy consumption，industrial added value and energy consumption structure increase carbon intensity output elasticity of energy consumption，whereas technological progress has the direct inhibiting effect.Industrial added value and energy consumption accelerate the carbon intensity output elasticity of energy consumption structure directly，but technological progress and energy consumption structure have the opposite effect.Hence，in view of the industry with a strong reliance on energy consumption，to reduce carbon intensity in the industry should rely mainly on technological progress to transform energy utilization，improve energy efficiency and optimize energy consumption structure.

carbon intensity in the industry；carbon intensity output elasticity；trans-log production function；path analysis

F206

A

1009-3370（2016）03-0022-08

10.15918/j.jbitss1009-3370.2016.0303

2015-09-10

燕山大学青年教师自主研究计划课题“基于灵敏度分析的河北省能源结构调整的碳减排效应研究”（14SKA003）；河北省高等学校人文社会科学重点研究基地项目“京津冀能源消耗碳足迹的演化路径与情景模拟研究”；河北省自然科学基金资助项目“灵敏度视角下河北省能源结构变动对碳排放的影响及其优化研究”（G2016203011）；河北省自然科学基金资助项目“京津冀一体化下河北省承接产业转移与产业结构动态演化升级研究”（G2015501064）；河北省社会科学基金资助项目“京津冀区域产业结构与环境质量耦合机理及模拟调控研究”（HB14YJ009）

王韶华（1986—），男，博士，讲师，E-mail：wangshaohua0813@126.com