京津冀能源消费碳排放分解比较研究

宋 健，赵怡芳

(天津大学 管理与经济学部， 天津 300072)

中国一直以来是世界上高速发展的经济大国,近年来随着经济的快速发展，能源消费碳排放也增长迅速、数量巨大,目前已成为世界上最大的碳排放国。国家层面在政策上大力推进去产能调结构，减少二氧化碳的排放，并将分解指标严格落实到各省市。在地方层面，积极响应国家的政策号召,一大批高能耗工业企业和工厂被关停整改,产业结构调整不断优化。国家对于碳减排的高度重视以及民众对于碳减排的密切关注也促进了能源消耗碳排放方面的学术研究,尤其是最近几年对于碳排放方面的研究越来越深入，也越来越成熟,为我国合理制定碳减排政策提供了众多宝贵参考。

自改革开放以来,京津冀地区经济一直迅速发展,以北京和天津为经济增长的龙头,带动了京津冀地区经济的腾飞，使京津冀地区成为中国区域经济增长最快、经济发展水平最高的地区增长极之一。近年来,特别是从2013年以来,京津冀地区频发的严重雾霾天气更是引起了中央政府对京津冀协同发展的高度关注。据环境保护部发布的2013年重点区域空气质量状况显示,京津冀13个城市中,有7个城市排在污染最重的城市前10位,并且均在河北省。由于京津两市周边均被河北省包围,大气的广域性、整体性特点使得相邻地区的环境状况可以互相影响，因此京津冀地区的协同减排就显得尤为重要。本文致力于研究京津冀地区的能源消费碳排放分解,从而找出影响京津冀地区碳排放的主要因素,并为京津冀协同减排提供政策建议。

1 文献综述

对能源消耗碳排放的研究服务于碳减排政策的制定，研究的基本目的是找出影响碳排放的影响因素，进而为制定合理的碳减排政策提供理论依据。环境影响因子模型和LMDI分解是碳排放分解研究领域最常用的两种方法[1]，环境影响因子模型能反映出各因素的影响程度，但是无法解释残差项的问题，LMDI分解不但能够分解出各因素的影响程度而且能够定量计算出数值，且其不存在无法解释的残差项问题[2]，因此LMDI分解一直以来是主流的研究方法。

碳分解方面的研究可以分为两个层面：一个是总体的层面，即对我国碳排放总体的研究；另一个是个体层面，即对我国省市和部分地区的碳排放的研究。无论是总体层面的研究还是个体层面的研究都遵循碳分解的基本思路，对于我国碳分解成熟全面的研究最早见于Energy Policy上的两篇文章[3-4]。在总体层面，国内的研究主要有：徐国泉，刘则等[5]运用LMDI分解的方法对中国人均碳排放进行研究，建立了测度人均碳排放的分解模型，定量分析了能源效率、能源结构和经济发展的影响效果；朱勤等[6]则将研究更进一步细化，利用扩展的Kaya模型以及LMDI的分解方法，将我国碳排放的影响因素系统地分解为人口、人均GDP、产业结构、能源强度、能源消费结构等5个方面；宋德勇等[7]在原有研究的基础上运用“两阶段”的LMDI分解方法，不但对能源消耗碳排放进行了分解研究，而且更进一步对减少碳排放的因素也进行了分解研究；郭朝先[8]在更大的框架下对中国的碳排放因素进行了分解，综合运用了两种分解方法；王栋等[9]基于LMDI模型对中国产业层面的碳排放进行了分解研究；涂正革等[10]则在研究方法和内容上进一步创新，基于“两层完全分解法”的LMDI框架研究了碳排放的动态边际。以上研究在总体上系统地阐述了我国碳排放的基本情况，为我国总体上进行碳减排提供了理论支持。

在总体上的研究也越来越成熟的情况下，个体层面的研究也越来越多。个体层面的研究更能反映出不同地区的碳排放和分解情况。个体层面的研究主要有：郭运功等[11]对上海市的研究；刘燕娜等[12]对福建省的研究；赵欣等[13]对江苏省的研究；李磊等[14]对新疆的研究；史安娜等[15]对南京市的研究；宋杰锟等[16]对山东省的研究；刘翀等[17]对于安徽省的研究；张伟等[18]对于陕西省的研究；刘源等[19]对于厦门市的研究；杨红娟等[20]对于云南省的研究；赵涛等[21]对于天津市的研究。上述文献对区域碳排放影响因素、作用机理以及作用强度作了深入研究，有效地揭示了不同区域碳排放的特征及面临的主要矛盾与问题，对合理制定区域节能减排政策具有重要的现实意义。

关于京津冀一体化方面的研究主要有：周兆媛等[22]基于京津冀地区气象要素对空气质量的影响进行研究，在气象层面上对三地未来空气质量的趋势进行了分析；孙久文等[23]构建了新经济地理学的分析框架，从产业空间转移、地区专业化与协同发展三大方面对京津冀区域一体化进行了探讨；龙如银等[24]研究了我国长三角、珠三角和环渤海三大经济圈的碳生产率差异，并对主要影响因素进行了分析；张俊荣等[25]基于系统动力学方法，构建了京津冀碳排放交易政策仿真模型，探索不同的碳交易机制设计对京津冀地区经济和环境的影响。

已有的文献从总体上和区域上系统研究了我国能源消费碳排放的分解。总结之前的研究可以发现：对于碳排放分解的研究，LMDI是一种成熟且广泛采用的方法，但对于分解指标的选取和其背后的依据，已有的文章并没有给出很好的论证，本文将在这方面对已有研究做一个补充。同时，之前的文献只注重研究某一区域，对于区域之间的比较研究涉及较少，本文专注于对京津冀能源消费碳排放分解的比较研究，通过比较揭示三地不同的能源消费碳排放情况，并给出针对性建议。

2 研究设计

2.1 分解因素的选取

将京津冀的能源消费碳排放分解为人口因素、人均GDP因素、产业结构因素、能源强度因素和能源消费结构5个因素。选取北京、天津和河北2000—2014年的数据，数据来源于中国能源统计年鉴、国家统计局和Wind数据库。

2.2 分解因素的检验

STIRPAT模型是拓展的环境影响因子模型，本研究先进行STIRPAT模型的回归分析，将能源消耗碳排放量作为被解释变量，将要研究的人口、经济增长、产业结构和能源强度等因素作为解释变量进行STIRPAT模型的回归检验。通过STIRPAT模型的回归结果可以得到各因素对能源消耗碳排放的影响程度和方向，为分析各因素的效果提供初步的结果，也为后续进行LMDI分解提供依据。

2.3 分解因素的量化

STIRPAT模型可以从总体上得出选取的各分解因素对能源消耗碳排放的影响，但其解释非常有限，而且只是针对于总体上的总量研究。在STIRPAT模型对分解因素做好可行性的检验之后，将进行能源消费碳排放各影响因素的LMDI分解。LMDI分解能对影响碳排放的各个指标进行年度和累积的精确分解，从而得出各影响因素对能源消耗碳排放的定量影响。STIRPAT模型是对分解因素进行检验的一种方法，也是对能源消耗碳排放的一种定性研究，而LMDI模型是对京津冀三地能源消耗碳排放的具体因素的分解，也是各因素影响程度的定量研究。

3 京津冀消费碳排放STIRPAT模型

3.1 模型描述

式(1)的IPAT方程最早由Ehrlich于1971年提出，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。

(1)

拓展的IPAT模型(式(2))即STIRPAT，其中：a为模型系数；b、c、d分别表示人口因素、经济因素和技术因素的弹性；e为残差项。

(2)

在STIRPAT拓展模型的基础上加入产业结构变量S和人均收入水平变量Y。对式(2)两边同时取对数，利用OLS最小二乘法对碳排放总量的多元线性方程进行拟合，进一步探索人口规模、经济水平、能源强度、产业结构与生活水平对于影响碳排放总量的显著性水平，并得到各影响因素对二氧化碳排放总量的相对贡献。

3.2 回归结果

初步回归结果显示：人口、经济水平、能源强度、产业结构与生活水平均是影响二氧化碳排放量的显著因素，产业结构解释变量中第一产业和第三产业结构不显著。模型整体上拟合效果非常好，但根据方差膨胀因子的数值发现解释变量之间的共线性十分明显。进一步考虑运用逐步回归法和共线性诊断。经过逐步回归得到如表1所示的最优的回归方程结果，可见模型整体拟合效果非常显著，共线性诊断DW值为1.534，在合理范围之内。

表1 逐步回归最优方程回归结果

3.3 实证分析

通过STIRPAT模型分析可知：人口、经济水平、能源强度、产业结构和生活水平确实是影响二氧化碳排放总量的显著因素，可以作为后续进行LMDI分解的实证基础。

从回归结果可以看出：各因素对于二氧化碳排放总量的影响程度从高到低依次是人口、经济增长、能源强度、产业结构和生活水平；第一产业能源强度与第二产业结构占比与二氧化碳排放量是负向影响；其余解释变量对于二氧化碳排放量都是正向影响。人口与二氧化碳的排放量的关系的系数为0.914，即人口每上升1%，二氧化碳排放总量上升0.91%。人均生产总值与二氧化碳排放量关系的系数为0.771，三大产业的能源消费强度与二氧化碳排放量关系的系数分别为-0.031，0.748，0.259，产业结构占比与二氧化碳排放量关系的系数为0.555，生活水平与二氧化碳排放量关系的系数为0.339。

4 京津冀能源消费碳排放LMDI模型

4.1 模型描述

基于拓展的Kaya模型可以将碳排放进行分解，将碳排放影响因素设定为人口、经济增长、产业结构、能源强度、能源消费结构和能源排放因子六大因素。根据LMDI模型可以将碳排放总的变化量分解为人口效应引起的变化量、经济增长效应引起的变化量、产业结构效应引起的变化量、能源强度效应引起的变化量、能源结构效应引起的变化量。

4.2 分解结果

以2000年为基期，运用扩展的kaya模型和LMDI分解方法对北京、天津和河北以及京津冀总体的2000—2014年的能源消费碳排放进行分解，计算出各分解因素的逐年效应和累积效应结果。分解结果详见表2～4。

表2 北京能源消费碳排放增量效应因素分解分析表

表3 天津能源消费碳排放增量效应因素分解分析表

表4 河北能源消费碳排放增量效应因素分解分析表

4.3 实证分析

图1 京津冀能源消费碳排放累积效应对比

根据图1京津冀能源消费碳排放累积效应对比结果表明：通过对京津冀三地得能源消费碳排放的分解因素进行比较研究，可以发现三地在碳排放贡献率的分解因素上整体上具有相似的分解结果。人口因素以及经济增长因素均对三地的碳排放增加具有正向的贡献率，能源强度因素对3地的碳排放增长均具有明显的抑制作用；产业结构和能源消费结构对于碳排放的累积效果影响相对微弱。

对于能源强度效应再进行更进一步的分解研究。如图2所示，将总的能源强度效应再细分为第一产业能源强度效应、第二产业能源强度效应和第三产业能源强度效应。再按照5年为1个期间将分析期间划分为3个区间。从图2中可以看出：第二产业和第三产业能源强度对碳减排有显著的影响，而第一产业能源强度对于碳排放量的增长则影响十分微弱；对于北京市来说，第二产业能源强度对于碳减排的贡献率具有递减的趋势，而第三产业能源强度的贡献率则不断提升；天津市第三产业能源强度对于碳排放的抑制作用一直优于北京市，且在2011—2014年贡献率快速增长；河北省在2000—2005年第二产业能源强度对于碳排放的增长具有明显的正向作用，而在2006年之后转为了负向的显著影响；河北省的第三产业能源强度对于碳减排的贡献度相对来说小于北京和天津。

5 主要结论与政策建议

5.1 主要结论

图2 京津冀碳能源强度产业细分效应年度对比

通过STIRPAT模型的实证结果，可以得到：人口因素、经济增长因素、产业结构因素、能源强度因素均是影响二氧化碳排放总量的显著因素。通过LMDI模型得出各因素对于北京、天津和河北三地的碳排放具体的影响结果：人口、人均GDP对北京市碳排放总体上表现为增碳效应，产业结构、能源强度、能源消费结构对北京市碳排放总体上表现为减碳效应；对于天津市来说人口、人均GDP、能源消费结构在碳排放总体上表现为增碳效应，产业结构、能源响度在碳排放总体上表现为减碳效应；对于河北省来说人口、人均GDP、产业结构、能源消费结构在碳排放总体上均表现为增碳效应，能源强度在碳排放总体上表现为减碳效应。

5.2 政策建议

分析研究京津冀的能源消费碳排放影响因素，目的是从源头上找出影响碳排放变化的各因素及其作用效果，挖掘其深层次的原因，并为政府更好地推进碳减排提供理论支撑。根据上述结论，本文的政策建议是：

1) 重新认识经济发展。京津冀地区应积极将现有的以牺牲环境为代价的粗放式经济发展方式转变为节约型和环境友好型的集约式经济增长方式。

2) 产业结构优化升级。产业结构变化对京津冀的能源消耗碳排放增长具有微弱的负效应，表明三地的产业结构在不断地优化升级。未来三地应继续努力发展能效技术和可再生能源技术，大力培育低耗能、战略性新兴产业，大力优化调整产业结构，逐步提高低能耗产业占比，加快产业结构向能源节约型和集约化转变。

3) 提高能源使用效率。能源强度下降是抑制京津冀地区能源消耗碳排放增长的主要因素，主要是第二产业和第三产业的能源强度。一方面，技术进步是能源效率提高的主要驱动力，应该大力推动能源开采、利用及转换环节的技术创新和开展清洁生产。另一方面，应完善节能减排相关法律法规的制定和实施，从法律层面上推动能源效率的有效提高。

[1] ANG B W，ZHANG F Q，CHOI K．Factorizing changes in energy and environmental indicators through decomposition[J].Energy Policy，1998，23(6):489-495．

[2] ANG B W．Decomposition analysis for policy making in energy:Which is the preferred Model [J].Energy Policy，2004，32(9):1131-1139.

[3] WANG C，CHEN J，ZOU J．Decomposition of energy-related CO2emission in China:1957—2000[J].Energy Policy，2005，30(1):73-83.

[4] LIU L，FAN Y，et al．Using LMDI method to analyze the change of China’s industrial CO2emissions from final fuel use:An empirical analysis[J].Energy Policy，2007，35(11):5892-5900.

[5] 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.

[6] 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):2072-2078．

[7] 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.

[8] 郭朝先.中国碳排放因素分解:基于LMDI分解技术[J].中国人口资源与环境,2010(12):4-9.

[9] 王栋,潘文卿,刘庆,等.中国产业CO2排放的因素分解:基于LMDI模型[J].系统工程理论与实践,2012(6):1193-1203.

[10] 涂正革,谌仁俊.工业化、城镇化的动态边际碳排放量研究——基于LMDI“两层完全分解法”的分析框架[J].中国工业经济,2013(9):31-43.

[11] 郭运功，林逢春，白义琴，等.上海市能源利用碳排放的分解研究[J].环境污染与防治，2009，31(9):68-72.

[12] 刘燕娜，洪燕真，余建辉，等.福建省碳排放的因素分解实证研究[J].技术经济，2010，29(8):58-61.

[13] 赵欣，龙如银.江苏省碳排放现状及因素分解实证分析[J].中国人口资源与环境，2010，20(7):25-30.

[14] 李磊．新疆经济发展中碳排放变动的因素分析[J].干旱区资源与环境，2011，25(8):7-11.

[15] 史安娜,李淼.基于LMDI的南京市工业经济能源消费碳排放实证分析[J].资源科学,2011(10):1890-1896.

[16] 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.

[17] 刘翀,柏明国.安徽省工业行业用水消耗变化分析——基于LMDI分解法[J].资源科学,2012(12):2299-2305.

[18] 张伟,张金锁,邹绍辉,等.基于LMDI的陕西省能源消费碳排放因素分解研究[J].干旱区资源与环境,2013(9):26-31.

[19] 刘源,李向阳,林剑艺,等.基于LMDI分解的厦门市碳排放强度影响因素分析[J].生态学报,2014(9):2378-2387.

[20] 杨红娟,胡静,刘红琴.云南少数民族农户生产及生活能源碳排放测评[J].中国人口资源与环境,2014(11):9-16.

[21] 赵涛,田莉,许宪硕.天津市工业部门碳排放强度研究:基于LMDI-Attribution分析方法[J].中国人口资源与环境,2015(7):40-47.

[22] 周兆媛,张时煌,高庆先，等.京津冀地区气象要素对空气质量的影响及未来变化趋势分析[J].资源科学,2014(1):191-199.

[23] 孙久文,姚鹏.京津冀产业空间转移、地区专业化与协同发展——基于新经济地理学的分析框架[J].南开学报(哲学社会科学版),2015(1):81-89.

[24] 龙如银,邵天翔.中国三大经济圈碳生产率差异及影响因素[J].资源科学,2015(6):1249-1257.

[25] 张俊荣,王孜丹,汤铃,等.基于系统动力学的京津冀碳排放交易政策影响研究[J].中国管理科学，2016(3):1-8.