基于因素分解模型的江苏碳排放影响因素分析

岳书敬,邹玉琳

(东南大学 经济管理学院，江苏 南京 211189)

一、问题的提出

近年来，随着经济总量的持续增长，中国已经成为全球第一大碳排放国，面临着日益严峻的碳减排压力。为实现中国经济的可持续发展，履行碳减排的国际责任，中国政府提出2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%的约束性目标。江苏作为经济总量和经济质量都走在全国前列的经济大省，对降低碳排放也承担着重要的责任，但鉴于目前能源消耗量大、环境承载力弱、资源自给率低、单位国土面积污染程度高的基本省情，江苏节能减排之路面临巨大的压力和严峻的挑战。因此深入研究江苏碳排放的影响因素，并在城市层面进行差异对比分析，对于从区域角度制定节能减排政策、发展低碳经济具有重要意义。

目前，测度碳排放量并研究分析碳排放的影响因素成为各国政府和学术界共同关注的焦点问题，而在碳排放变化影响因素分解分析领域，对数均值迪氏分解法(LMDI)因为具备诸多优点而被广泛运用。近年来，国内外学者利用LMDI分解方法研究中国碳排放问题已经取得不少成果。如国外学者Ang B.Wang et al[1]，他们比较分析不同指数因素分解方法后，选用LMDI 分解法对中国工业部门能源消费所产生的二氧化碳进行研究。Wang C.et al同样采用LMDI分解法对我国1957-2000年二氧化碳排放量进行分解，并综合分析能源结构、能源强度、经济增长和人口数量对碳排放量的影响作用[2]。Mraihi以突尼斯的二氧化碳排放数据为基础，采用LMDI方法对其影响因素进行分析，结果显示推动二氧化碳增长的主要成因是经济发展水平的提升，并且二氧化碳排放量变化趋势与化石燃料的平均排放量相吻合[3]。Gonzalez[4]同样利用LMDI方法对墨西哥1965—2010年工业二氧化碳排放量进行分析，得到结构效益、能源强度和二氧化碳排放系数是碳排放的主要影响因子。就国内学者而言，吴振信[5]等对北京市1995—2010年的碳排放量进行因素分解研究，发现北京地区能源强度变化、产业结构变化和能源结构变动均有效减少了碳排放。赵志耘和杨朝峰[6]全面测算了我国的碳排放量，通过对数均值迪氏指数(LMDI)分解模型，发现城市化和经济增长显著促进了碳排放，能源利用效率的提升则减少了碳排放量。赵欣和龙如银[7]对江苏1996和2007两年六部门终端能源利用碳排放量进行对比，定量分析经济规模、科技进步、能源强度和产业结构四个因素对碳排放的影响，发现经济规模效应是促进碳排放增长的决定性因素，能源强度与科技进步是减少碳排放的主要因素，而产业结构调整的对碳排放的影响较弱。王锋等[8]将能源消耗所产生的二氧化碳排放增长细分为11种影响因素的加权贡献，并且利用6个时间段进行对比分析，得到我国碳排放的变化规律。

以上国内外学者的研究揭示了碳排放的影响因素及其驱动作用，为我国节能减排和大气环境治理工作提供了一定的理论支撑。

随着研究我国碳排放文献数量的逐步增多，基于全国或各省份层面的分析日臻完善，但进行区域差异对比研究的文献较少，且多集中在省级层面，如邹秀萍和宋敦江[9]、杨骞和刘华军[10]、仲云云和仲伟周[11]、颜艳梅等[12]从我国省级区域角度出发，对碳排放特征和碳排放影响因素区域差异进行对比分析。此外，在使用因素分解方法时，多使用“两层分解模型”，从而减弱了研究结论的政策含义。因此，本文采用三层分解的LMDI方法，以江苏省为研究对象，探讨江苏碳排放的驱动因素以及江苏省内13个地级市的地区差异，为江苏节能减排和大气环境治理提供更具针对性的政策依据，也为其他省份的低碳发展提供参考借鉴。

二、模型构建与数据说明

本文使用江苏省各城市的统计数据，在王锋等的研究基础上，将“两层分解模型”扩展为“三层分解模型”，即把江苏总的碳排放分解为“13个城市”的“5个产业部门”消费的“6种燃料”产生的碳排放量的加总。用模型可表示如下：

(1)

(1)式可进一步表示为：

AHIij×HNij

(2)

(1)和(2)式中i=1,2,1,13分别表示江苏13个地级市，i=1,2,31,5分别表示农林牧渔业、工业、建筑业、商业和居民生活部门，k=1,2,31,6分别表示原煤、汽油、煤油、柴油、燃料油和天然气6种主要能源种类。等式中各变量的具体含义详见表1，其中碳排放数据根据2006年联合国政府间气候变化专门委员会(IPCC)制定的《国家温室气体清单指南》的方法计算得出。

表1 模型中各变量的含义

(3)

可以把(3)式简写如下：

GG=[DClDESDEIPDISDPCGDP]

(4)

(4) 式的含义是碳排放的增长可以分解为13个地区生产部门6种因素：能源碳排放系数(CI)、能源结构(ES)、生产部门能源强度(EIP)、产业结构(IS)、人均GDP(PCG)和人口数量(P)，居民生活部门3种因素：生活部门能源强度(EIR)、家庭年均收入(AHI)、家庭数量(HN)的贡献。其中，碳排放的增长用DG表示，各因素的贡献用I表示。由(4)式可知，若D>1，则该因素对江苏二氧化碳的增长起驱动作用，并且D值越大，驱动作用越大；若D=1，则该因素对二氧化碳的排放无明显作用；若0

三、计算结果分析

将模型(3)式计算出的结果换算成碳排放量的增长率，再详细列出各影响因素对江苏碳排放增长的贡献度。以三年为1个时段，把2005—2014年划分为3个时段，在每一时段分别计算。结果如表2所示。

表2 2005—2014年不同时期江苏碳排放量

(一)对各时期二氧化碳排放的驱动因素分析

首先，2005—2008年，江苏碳排放量增长了30.62%，促进碳排放增加的驱动因素主要有：人均GDP、人口数量、家庭平均年收入和家庭数量的变动，其贡献度分别为48.29%、7.88%、2.02%和0.05%，其中人均GDP的变化对江苏2005—2008年碳排放量增长贡献度最大，表明随着人均GDP的增加，江苏碳排放量逐渐增大，这是因为虽然经济发展水平的提高能带来更先进的生产技术，提高生产效率，减少大气中二氧化碳的排放量，但是江苏经济结构仍以工业为主，经济高速发展的同时也带来了能源大量消耗，进而产生了更多的二氧化碳。与之相反，家庭数量变动对碳排放的贡献度仅为0.05%，远低于1%，这主要与江苏家庭数量较稳定有关，2005—2008年江苏家庭数量增长率仅为0.76%，数量稳定，无明显增长趋势，因此贡献度较低。促进碳排放减少的因素有能源结构、生产和生活部门的能源强度、产业结构的变动，其贡献度分别为-1.22%、-25.09%、-0.48%和-0.84%，其中生产部门能源强度的贡献率最高，表示在四个因素中生产部门能源强度的变化对减少碳排放量的影响最大，这是因为生产部门中除建筑业变化不大以外，农林牧渔业、工业和商业能源强度均出现显著下降，其中工业下降幅度最大，由于工业在江苏整个生产部门中的比重最大，所以总能源强度降低幅度明显，是此期间江苏碳排放减少的最主要影响因素。能源结构变化的贡献率也较高，明显降低了江苏碳排放量，由于江苏能源消费结构中煤炭占比明显下降，汽油、煤油、柴油和燃料油变化不大，而天然气占比明显上升，以煤炭为主的高能耗、高污染、高排放消费模式得到有效改善，缓解了此期间江苏碳排放状况。产业结构和居民生活部门能源强度变动对减少碳排放量影响较小，贡献度均低于1%。

其次，2008—2011年，江苏碳排放量增长了10.16%，增幅明显低于前三年，表明江苏大气环境正逐步改善。驱动碳排放增长的因素除人均GDP、人口数量、家庭平均年收入和家庭数量变动外，还包括居民生活能源强度的变动，虽然与2005—2008年相比正向驱动因素增加了一项，但是对碳排放量增长贡献度最高的仍是人均GDP变动，贡献度排在第二位的同样是人口数量变动；家庭平均年收入变动贡献率略低于前一期，对增加江苏碳排放状况具有2.08%的促进作用；居民生活能源强度和家庭数量变动的贡献度均小于1%，未对江苏碳排放量的增加产生明显作用。促进碳排放减少的因素为能源结构、产业结构和生产部门能源强度的变动，其中能源结构贡献度仅为-0.23%，在2008—2011年期间不能显著减少江苏碳排放量；产业结构贡献度由-0.84%变为-3.85%，显著促进碳排放减少，这是因为与前期相比，2008—2011年工业产值占比出现显著下降，有利于缓解碳排放状况；生产部门能源强度变动的贡献率由-25.09%变为-34.32%，表明随着生产技术水平的提高，各产业单位产值需要消耗的能源数量逐步减少，对二氧化碳的减少起到明显的促进作用，因此进一步控制生产部门的能源强度是未来江苏发展低碳经济的战略重点。

再次，2011—2014年，江苏碳排放量不同于前两个时间段，首次出现下降，降幅达到12.92%，表明江苏大气质量进一步提高。驱动碳排放增长的因素与2005—2008年相同，包括人均GDP、人口数量、家庭平均年收入和家庭数量的变动，贡献度分别为25.41%、0.70%、1.22%和0.06%，绝对值相对于前两个时间段均有所下降，其中人均GDP变动的贡献率达到25.41%，远远小于前两个时期的贡献度；家庭平均年收入超过人口数量，排在第二位，但其贡献度也远远小于前两个时期；人口数量贡献度下降至0.7%；家庭数量贡献度仍低于1%，与前两个时期相同，对江苏碳排放量的影响作用较小；促进碳排放减少的因素包括能源结构、生产和生活部门的能源强度、产业结构的变动，其贡献度分别为-1.43%、-33.83%、-1.11%和-3.94%，在2005—2014年间不同时期生产部门能源强度变动的贡献度一直远远高于其他影响因素，表明江苏生产部门中的各产业能源强度下降幅度较大，尤其是比重较大的工业，对促进江苏碳排放减少有举足轻重的影响；能源结构变动的贡献度也明显增加，这可能是因为近几年江苏积极开发新技术，提高生产效率和能源利用率，显著改变能源消耗中煤炭等高污染能源的占比，所以有效减少了碳排放量。

最后，总体来看，2005—2014年江苏碳排放量增长率逐年递减，2011—2014年碳排放量出现负增长。促进江苏碳排放增长的主要因素为：人均GDP、人口数量、家庭平均年收入和家庭数量的变动，其中人均GDP变动的贡献度最高，远超人口数量、家庭平均年收入和家庭数量贡献度之和，表明经济增长仍然是江苏近几年碳排放的主要驱动力，需要继续优化经济结构，发展绿色经济。减少碳排放的驱动因素包括能源结构、生产和生活部门的能源强度、产业结构的变动，其中2005—2014年间生产部门能源强度变动的贡献度始终高于其他影响因素，表明江苏生产部门能源强度的降低对其减少碳排放有举足轻重的影响，控制不同产业的能源强度是江苏治理大气污染的重要方向；同时，近几年来能源结构变动对碳排放减少的贡献度明显增加。

(二)不同区域二氧化碳排放的驱动因素分析

将公式(3)得到的9种二氧化碳的驱动因素划分为四类：强度效应、结构效应、收入效应和规模效应。

1.强度效应

本文把能源强度分为两类：生产部门的能源强度和居民生活部门的能源强度。若某一部门能源强度上升，说明该部门能源利用率下降，则其他因素保持不变，该部门因利用能源产生的碳排放必定增加，能源强度上升会促进碳排放量的增加。

(1)生产部门能源强度变动。首先，生产部门能源强度下降是减少碳排放量的最大驱动因素。根据2005—2014年江苏13个地级市二氧化碳影响因素的贡献度分析，生产部门能源强度恒为负向，2005—2018年、2008—2011年和2011—2014年平均贡献度分别为-46.91%、-38.19%和-53.51%，而且在研究的每一时间段的不同城市里，生产部门能源强度都是减少碳排放量的最大驱动因素，远超其他因素，如能源结构和产业结构。其次，不同地区间生产部门能源强度下降对碳排放减少的贡献度差异逐步增大。2005—2008年地区贡献度大于平均值的有徐州、南通、淮安和宿迁，最大值为宿迁的-72.31%，最小值为南京的-24.71%，两者相差近50%；2008—2011年超过平均值的城市有徐州、连云港、淮安、盐城、泰州和宿迁，最大值城市仍为宿迁，贡献度达到-90.70%，最小值城市是苏州，贡献度仅达到-3.56%，城市间贡献度差值进一步增大；2011—2014年贡献度较大的城市有无锡、苏州、南通、镇江和泰州，最大值为无锡的-125.17%，最小值为宿迁的-2.38%，贡献值差额继续增大。最后， 2005—2014年三个时期中，生产部门能源强度变动的贡献度先增大后减小的城市有南京、连云港、淮安、盐城和宿迁，剩余城市基本上表现为先减少后增大，表明在未来一定时期内，生产部门能源强度的调控仍然是江苏各地级市大气污染治理工作的重点。

(2)生活部门能源强度变动。由计算结果表明：生活部门能源强度变动对碳排放的贡献度较小。2005—2008年贡献度绝对值超过2%的城市只有宿迁，大部分地区都在1%上下波动；2008—2011年贡献度大于1%的仍仅有宿迁，贡献度达到1.20%，2011—2014年除无锡、常州、苏州和南通外，其余城市贡献度均小于2%。三个时期的年均贡献度分别为-1.31%、0.51%和-1.82%，与生产部门贡献度相比，绝对值较小。此外，生活部门能源强度变动对碳排放的贡献度方向不固定。在2005—2008年生活部门能源强度贡献度表现为负向，即生活部门能源强度有利于减少城市二氧化碳排放量，2008—2011年生活部门能源强度贡献度表现为正向，表明随着生活能源强度的增加，城市二氧化碳排放量逐年增多，而2011—2014年生活部门能源强度贡献度再次表现为负向，且绝对值远大于第一时期，但平均值仍远低于2%，说明生活部门能源强度虽然贡献度较低，但与之前相比，近几年对减少碳排放量发挥了更显著的作用。

2.结构效应

本文把能源结构变动和产业结构变动对碳排放变动所产生的影响统称为结构效应。若能源结构变动促进了碳排放量减少，表明能源结构中高污染、高排放型能源如煤炭占比下降，能源结构出现显著改善；若产业结构变化减缓了碳排放，表明各产业中碳排放量较大的产业如工业占比下降，产业结构得到优化。

(1)能源结构变动。把各产业部门所消耗的能源区分为原煤、汽油、煤油、柴油、燃料油和天然气6个品种，其碳排放因子的大小次序为：原煤>柴油>燃料油>煤油>汽油>天然气，因此若其他能源占比保持不变，燃料中原煤比重上升，而原油及其产品和天然气的占比下降，则碳排放量必然增加，反之，则碳排放量减少。具体分析各城市能源结构变化对二氧化碳排放量贡献度有以下特征。第一，能源结构变动对碳排放的贡献度平均值较小且方向均为负。2005—2008年贡献度平均为-2.32%，2008—2011年为-0.30%，2011—2014年为-2.16%，三个时期江苏13个城市能源结构的变化对二氧化碳排放量的增长均起到负向作用，这表明与能源强度相比，江苏原煤所占比重在短期内虽然出现下降但是降幅不大，政府部门应继续加大资金支持，促进科技研发，优化能源结构。第二，能源结构变动对碳排放的贡献度绝对值差距较小。通过对比分析2005—2014年三个时期能源结构平均贡献度发现：仅无锡和苏州贡献度绝对值超过2%，剩余城市均低于2%，其中南京平均贡献度仅为-0.96%，为江苏各地级市中贡献度最低的城市，需要加大其对能源结构的整治力度。

(2)产业结构变动。产业结构用农林牧渔业、工业、建筑业和商业各产业产出占总产出比重表示，其对不同城市二氧化碳排放量的贡献度差异主要有以下特点。一方面，不同城市间产业结构变动的贡献度差异明显增大。2005—2008年产业结构变动贡献度最高为宿迁的-9.62%，最低为南京的-3.29%，两者相差6.33%，2008—2011年贡献度最高仍为宿迁，最低值为苏州，贡献度差额缩小为4.30%，2008—2014年城市贡献度差距持续扩大为13.79%，远远高于前两个时期差值之和；另一方面，不同城市间产业结构变动对碳排放的贡献度排序不稳定。2005—2008年江苏13个地级市中贡献度排名前五位的城市分别为宿迁、南通、盐城、徐州和连云港，2008—2011年排名靠前的除了宿迁、盐城、徐州、连云港外，还包括淮安，但在2011—2014年产业结构贡献排名变动较大，前五位分别为无锡、苏州、常州、南通和镇江。不同城市产业结构变动对碳排放量的贡献度虽然其贡献度在不停变化，无明显规律，但恒为负值，即有助于减少二氧化碳排放量，这表明江苏各城市均在加大产业优化力度，促进产业结构升级，转型经济发展方式。

3.收入效应

本文把人均GDP和家庭平均年收入变动对不同城市二氧化碳变动所产生的影响统称为收入效应。

(1)人均GDP变动。人均GDP增长是不同城市二氧化碳增长的主要因素。首先，人均GDP增长是促进碳排放增长的最大影响因素。2005—2008年各城市平均贡献度为70.52%，2008—2011年为45.13%，2011—2014年为49.76%，远超其他几个正向驱动碳排放因素的贡献值，是各城市二氧化碳排放最主要的驱动因素。其次，随着时间的变化，人均GDP增长对碳排放的贡献度显著减少。除无锡和苏州外，其余城市后两个时期的人均GDP贡献度明显低于第一个时期，如淮安在2005—2008年贡献度为80.74%，2008—2011年减少为69.25%，2011—2014年进一步下降为21.70%，这表明虽然经济增长是江苏各城市二氧化碳排放的主要驱动因素，但随着经济发展水平的持续提高，其驱动作用正逐步递减。

(2)家庭平均年收入变动。在经济持续高速增长的背景下，家庭平均年收入也不断攀升，收入的提高带动城乡居民的消费水平，对不同城市二氧化碳的排放状况造成了一定影响。首先，各地级市家庭平均收入变动对碳排放的贡献度逐年递减，2005—2014年三个时期内，江苏包括徐州、连云港、淮安、盐城、扬州、泰州和宿迁在内的7个城市的家庭平均年收入贡献度均出现明显下降，其中宿迁降幅最大，贡献度由5.81%降至0.08%。其次，各地级市家庭平均收入变动对碳排放的贡献值虽然较小，但方向恒为正：2005—2008年家庭平均收入贡献度为3.77%，2008—2011年为2.34%，2011—2014年仅为1.71%，远远小于人均GDP的贡献率。

4.规模效应

人口数量和家庭数量的变动对碳排放量变动所产生的影响统称为规模效应。一方面，人口数量变动促进了碳排放增长，但贡献度逐年递减。2005—2008年贡献率为16.87%，2008—2011年降为7.29%，2011—2014年进一步减少为1.87%，其中下降幅度较大的城市包括徐州、南通、连云港、淮安、泰州和宿迁等，而南京下降幅度较小，无锡和苏州贡献值在2011—2014年出现回升，这表明江苏各城市人口数量正逐渐趋于稳定，人口数量的变化对碳排放的正向驱动作用逐渐减小；另一方面，家庭数量变动对城市碳排放变动的贡献度最小，不同城市贡献度不同，最高值仅为0.86%，这可能是因为近几年江苏各城市家庭数量较为稳定，没有出现显著变化，故家庭数量变动并非江苏碳排放的主要驱动因素。

四、研究结论与政策建议

本文使用“三层完全分解法”，从江苏及其内部各地级市层面建立LMDI模型，分析江苏碳排放影响因素在不同时期的驱动作用，并就13个城市的影响因素差异进行对比分析，研究结论如下。

(一)从总体来看，2005—2014年江苏碳排放量逐年递减，2011—2014年碳排放量首次出现负增长

促进江苏碳排放增加的主要驱动因素为：人均GDP、人口数量、家庭平均年收入和家庭数量的变化等，其中人均GDP增长的贡献度最高，远超人口数量、家庭平均年收入和家庭数量贡献度之和。减少江苏碳排放的主要因素包括能源结构、生产和生活部门的能源强度、产业结构的变动等，其中生产部门能源强度变化的贡献度始终高于其他影响因素。

(二)从不同城市差异角度来解决如何降低碳排放量

首先，13个城市生产部门能源强度变化的贡献度均为各驱动因素中最大值，但在不同地区间该驱动因素贡献度差异逐年增大；生活能源强度变化虽然也能在一定程度上减少各城市碳排放量，但受其自身局限性，作用力较小且方向不固定。其次，13个城市的能源结构变动均能减少碳排放量，但贡献度低且不同城市间贡献度差距较小；各城市产业结构的变动有助于降低碳排放量，但城市间贡献度差距逐年增大且排序不稳定。再次，13个城市的人均GDP增长都是碳排放增长的最主要的推动因素，但其贡献度正逐年递减；家庭平均收入变动在不同城市的驱动作用较小且贡献度也逐年递减。最后，13个城市的人口数量趋于稳定，贡献度逐年降低，家庭数量变动对城市碳排放变动贡献度最小，家庭数量不是各城市碳排放的主要驱动因素。

根据上述研究结论，本文提出以下政策建议。第一，提高能源利用效率，减少能源消费强度。减少区域能源强度将是江苏各城市未来节能减排工作调控的重点，鼓励能源强度贡献度较高和较低的城市进行区域能源资源合作利用开发机制，前者如无锡、苏州、常州，后者包括淮安、盐城、南京，对江苏城市能源开发利用的模式和规模进行合理规划，提高能源使用效率，减少资源浪费，降低能源强度和碳排放强度。第二，提升经济发展质量，促进经济结构转型。过度注重经济发展速度、忽略经济发展质量的经济粗放式增长是江苏13个城市碳排放最主要来源。政府机构应实施低碳经济发展政策，同时对经济增长贡献度升高的城市如无锡和苏州，实施更严格的碳排放预算，促使其高碳排放产业进一步升级，优化产业结构，提升经济发展质量。第三，发展低碳产业，调整区域产业结构。大力发展先进的高技术型产业，培育有竞争性和战略性的新兴产业，减少高碳产业在江苏省各城市经济总量中的比重，实现经济发展低碳化、绿色化。第四，控制人口数量，提高人口素质。在江苏目前稳定的低自然增长率下，坚持落实和执行计划生育政策，单一的控制人口数量并不是节能减排的唯一有效途径，也不是最优选择。政府应尊重人口发展的内在规律，合理调控地区人口总数，并加大教育力度，全面提升人口质量和素质，统筹解决人口与碳排放的问题。第五，加强环保观念，推广低碳消费方式。家庭年均收入和家庭数量提高了居民的购买力和生活消费水平，也同时促进了碳排放量的增长，表明各城市低碳消费的氛围尚未形成，政府应加大对区域低碳消费的宣传力度，让每个家庭，甚至每个居民都能行动起来，从自身做起，践行低碳生活方式，为节能减排做出自己的贡献。

参考文献：

[1]ANG B W,CHOI K.Decompositon of Aggregate Energy and Gas Emission Intensities for Industry:A Refined Divisia Index Method[J].Energy,1997,18(6):59-73.

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

[3]MRAIHI R,MRAIHI T,HARIZI R,etc.Carbon Emissions Growth and Road Freight:Analysis of the Influencing factors in Tunisia[J].Transport Policy,2015(42):121-129.

[4]GONZALEZ D,MARTINEZ M.Changes in CO2emission Intensities in the Mexican Industry[J].Energy Policy,2012(51):149-163.

[5]吴振信,石佳,王书平.基于LMDI分解方法的北京地区碳排放驱动因素分析[J].中国科技论坛,2014(2):85-91.

[6]赵志耘,杨朝峰.中国碳排放驱动因素分解分析[J].中国软科学,2012(6):175-183.

[7]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(7):25-30.

[8]王锋,吴丽华,杨超.中国经济发展中碳排放增长的驱动因素研究[J].经济研究,2010(2):123-136.

[9]邹秀萍,宋敦江.中国碳排放的区域差异及驱动因素分解分析[J].生态经济,2013(1):52-55.

[10]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：基于1995—2009年省际面板数据的研究[J].数量经济技术经济研究,2012(5):36-49,148.

[11]仲云云,仲伟周.我国碳排放的区域差异及驱动因素分析：基于脱钩和三层完全分解模型的实证研究[J].财经研究,2012(2):123-133.

[12]颜艳梅,王铮,吴乐英,等.中国碳排放强度影响因素对区域差异的作用分析[J].环境科学学报,2016(9):3436-3444.