基于LMDI的中国碳排放量影响因素分解

武晓斌

（天津科技大学天津300222）

基于LMDI的中国碳排放量影响因素分解

武晓斌

（天津科技大学天津300222）

根据LMDI法，结合Kaya方程，对我国2000-2012年的碳排放量因素分解，结论表明，人均GDP和单位GDP能耗分别是导致碳排放正向、负向增长的重要因素。

碳排放；Kaya；LMDI

1　引言

日前，研究碳排放因素分解的方法多种多样。Kaya方程是国际上较为认可的一种，指出碳排放量受人口、人均GDP、能源消费结构和经济结构的综合影响，研究表明其优点是明确影响碳排放的主要影响因素，简单易用。但有局限性，有关碳排放的影响因素仅限人口、能源和经济在宏观层面的量化关系。而我国目前经济结构和能源结构复杂，能源强度和能源效率的影响越发明显，因此，结合Kaya方程，同时运用另一种研究碳排放的影响因素及驱动力的对数平均迪氏指数法（LMDI）。

LMDI是不产生残差、完全的一种分析分解方法。同时在理论基础、操作性、适应性、结果呈现等多方面相比其它分解法都有优势，除了可以有效分析总体指标，同时保持指标之间高度一致性。结果不会出现不能解释的残差项，模型本身进行较为合理的因素分解，近些年是碳排放分解的最广泛应用方法之一[1]。

与碳排放量相关的影响因素主要有人口规模、经济水平、能源结构、和技术等方面的原因。依据LMDI分解方法，结合Kaya方程，排放贡献因子定为以GDP表征经济水平、能源消耗强度表征经济结构、能源排放量表征能源结构等，求驱动因子对碳排放的贡献度。通常情况下，省域技术越先进，单位能源产生的GDP较高，也就是说大内产值能耗较低，产业结构更合理，第二产业单位能源的碳排放量就越低，本文以碳排放强度和能源强度表示碳排放量的效率性，即技术水平。

2　模型与数据

依据LDMI模型，结合Kaya等式，以人均经济效应、人口效应、单位GDP能源消耗量效应、单位能源碳排放量效应等影响CO2排放量的因素分解不同因素对于全国碳排放的贡献度[2]。

本文选取2000～2012年13年间的省域面板数据，其中，各省域历年GDP和人口统计量来源于《中国统计年鉴》，GDP以2005年为不变价，人口数据为各地常住人口数量[3]。能源品种的消费数据自《中国能源统计年鉴》中能源平衡表。能源消费量采用“通用单位”（万吨标准煤）。根据IPCC（2006）等方法构建碳排放量核算方法，估算了各省域2000～2012年碳排放量。

表1　中国2000～2012年经济能源碳排放数据（部分）

3　模型结果与分析

经过LMDI分解计算，2000～2012年间，我国CO2排放总量增长了676288×104t，其中人口规模、生活水平、经济结构和能源结构对碳排放增加的贡献因子分别为：6.80%、117.94%、-34.17%、9.43%。

13年间，有117%的CO2排放增量是由于人均GDP因素带来的，意味着经济总量的增长对于CO2排放量的排放贡献是驱动因子中最显著的，并且逐年递增的趋势。而人口因素对于碳排放增量的贡献占6.8%，虽然对于排放增加有影响，但影响不大，且变化幅度不大。单位GDP能耗是抑制碳排放量的增加的主要因素。

4　结语

近年来能源强度对碳排放的抑制作用加大，说明国家碳排放强度下降的政策已经初见成效，经济发展向“碳脱钩”的方向发展，应继续调整改革能源消费结构。发展GDP是碳排放增加的重要因素，因此各地发展经济制定政策应考虑绿色低碳，产业升级。优化能源结构，发展低碳经济可以降低碳排放增长的速度，甚至达到碳排放峰值。

[1]Ang B W，Na Liu．Handling zero values in the logarithmic mean Divisia index decomposition approach[J].Energy Policy,2007,35: 238-246.

[2]邓晓.基于LMDI方法的碳排放的因素分解模型及实证研究[D].武汉:华中科技大学,2009.

[3]朱勤.中国人口、消费与碳排放研究[M].复旦大学出版社,2011: 58-59.