碳排放影响因素分解研究方法述评

周笛 黄歌星 杨传明

摘 要：二氧化碳是最主要的温室气体，控制二氧化碳排放对于我国经济实现可持续发展目标具有重要意义。本文在综述已有碳排放影响因素分解研究的基础上，采集相關碳影响因素法分解研究方法，着重于指数分解法与结构分解法，依据研究主题归类综述研究文献，以提升碳影响因素分解研究水平。

关键词：碳排放;影响因素;指数分解法;结构分解法

改革开放以来，中国进入高速工业化时代，成为世界第二大经济体，人民生活水平显著提高，但随着城市化进程加快、工业的不断扩张，产生了大量的污染物，导致环境的不断恶化。国际能源总署称，2007年，我国的二氧化碳排放量已超过美国，占世界份额的25.1%，成为世界第一大二氧化碳排放国[1]。从全球环境绩效指标（EPI）来看，2012年中国的排名仅为116名，相对于2006年，下降了22位，这说明中国的环境污染问题并未得到有效的改善。而随着二氧化碳浓度急剧上升，各国都面临着日益严峻的环境问题，使得碳排放影响因素研究迅速成为环境学、地理学、经济学、社会学等各学科交叉研究热点。碳影响因素分解研究有效的划分了碳生产者和消费者的减排责任，具有重要的理论及实践意义。

一、文献筛选

本文以2018年12月31日为时间节点，检索SCI、SSCI、Springer、CNKI等中外文数据库，共搜索到485篇英文和323篇中文文献。由表1可见按年份整理的碳分解研究文献，相关文献数由2008年的38篇增长至2018年122篇，年均增长12.37%，可见近年碳影响因素分解相关研究总体增长速度较快，渐成热点。

表1 碳影响因素分解历年研究文献数

年份 2018 2017 2016 2015 2014 2013 2012 2011 2010 2009 2008

篇数 122 115 107 90 71 69 62 48 46 40 38

二、碳影响因素分解研究方法综述

（一）国内外的研究及发展状况

目前关于碳排放影响因素分析方法主要有：对数平均迪式指数法（Logarithmic Mean Divisia Index Method）、IO-SDA法（Input-Output Structural Decomposition Analysis）、STIRPAT模型、Kaya公式、Laspeyre指数法等，这些方法各有其特点与适用性，在国内相关领域取得了良好的应用。渠慎宁（2010）运用STIRPAT模型对中国未来的碳排放峰值进行了相关预测[2]。吴青龙、王建明（2018）等构建开放STIRPAT模型从山西省和全国两个层面预测2016年至2040年碳排放峰值[3]。黄敏（2010）、邢璐（2011）等基于KAYA分析框架、建立低碳经济模型，分析了1978至2009年我国CO2排放的影响因素[4-5]。邹钢涛等（2017）通过改进Kaya公式，设计碳排放计算模型，进而提出合理的低碳交通措施[6]。Park S H（1992）基于Laspeyre指数法分解研究了工业碳排放情况[7]。Zhang（2003）等运用Laspeyre指数法分析中国1990-1997年间工业碳排放影响因素的变化[8]。

（二）指数分解法

指数分解法是对于能源和与其相关的环境进行分析的一种有效可行的重要方法。其中，指数分解法可分为D氏分解法（Division index methods）与L氏分解法（laspeyres index methods），与AMDI分解法相比，LMDI分解法有效的解决了数据中存在的零值与负值和分解中的剩余问题，所以LMDI分解法是目前应用最为广泛的指数分解方法，最早的应用可追溯到Shrestha与Timilsina（1996）基于Divisia分解法对亚洲12国行业二氧化碳强度变化进行研究[9]。顾阿伦等（2016）运用LMDI方法分析了中国产业结构变动对于碳排放的影响[10]。史常亮等（2016）采用Tapio脱钩模型、Kaya恒等式和LMDI分解法构建了拓展的Tapio脱钩指数分解模型，对于2012年中国农业碳排放进行脱钩分析[11]。唐葆君等（2016）、李创等（2016）、陆菊春等（2017）、李跃等（2017）运用LMDI分解法分别对中国电力部门、运输行业、建筑业、煤炭行业的碳排放影响因素进行了研究[12-15]。Li J（2018）等利用LMDI分解法分析了传统能源使用过程中的碳排放[16]。Q Du（2018）等运用LMDI方法从地区、影响因素等方面分析了中国传统产业的碳排放[17]。

（三）结构分解法

结构分解法（SDA）的应用最早可追溯到Leontief（1953），而Leontief and Ford（1972）最早运用了SDA模型对于空气污染影响因素进行了分析[18]。其本质是一种比较静态分析方法，其核心思想是将经济系统中目标变量的变动分解为不同独立变量各类形式变动的和以测算各自变量对于目标变量变动贡献的大小。赵晓丽等（2010）基于SDA法分析了影响中国能源消费的关键因素为能源强度变化与技术系数变化[19]。张旺等（2014）在SDA法的基础上构建了竞争型经济碳排放投入产出模型，对北京市1997年至2007年能源消费的碳排放增量进行了结构分解[20]。但使用结构分解法对于中国案例的研究大多采用竞争型投入产出表作为基础数据进行分析，其缺点在于没有进一步区分进口品，考虑到进口品的生产地在国外，生产期间产生的碳排放也在国外，因此采用该类投入产出表研究时，会在一定程度上高估各自变量对于因变量的影响。近年来，随着SDA法与投入产出分析法相结合，逐渐出现了IO-SDA法，在一定程度上弥补了结构分解法的劣势。顾阿伦等（2016）运用IO-SDA方法分析了经济结构变动因素对于中国碳排放的影响[21]。宋爽等（2013）、张海行（2017）基于IO-SDA法与投入产出模型从低碳视角分析了产业结构与最终需求间的碳排放关系[22-23]。李玲等（2017）基于SDA分解技术，绘制实物价值型能源投入产出可比价序列表，指出影响我国能源强度变动的因素为能源消耗系数、最终需求、最终能源消耗等[24]。

参考文献：

[1]INTERNATIONAL ENERGY AGENCY（IEA）.CO2 emissions from fuel combustion 2008 edition [R]. Paris： OECD/IEA，2009.

[2]渠慎寧.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口·资源与环境， 2010，20（12）：10-15.

[3]开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例[J].资源科学， 2018（5）.

[4]黄敏，廖为明，王立国，等.基于KAYA公式的低碳经济模型构建与运用——以江西省为例[J]. 生态经济（中文版）， 2010（12）：51-55.

[5]邢璐，单葆国.基于Kaya公式的中国CO2排放影响因素分解[J].能源技术经济，2011，23（10）：46-50.

[6]邹刚涛，刘翀昊，陆键，等.城市客运交通碳排放模型及场景分析[J].现代交通技术，2017，14（1）：79-84.

[7]Park S H. Decomposition of industrial energy consumption：  An alternative method [J]. Energy Economics， 1992， 14（4）： 265-270.

[8]Zhang Z X. Why did the energy intensity fall in China's industrial sector in the 1990s？ The relative importance of structural change and intensity change[J]. Energy Economics， 2003， 25（6）：625-638.

[9]Shrestha R M， Timilsina G R. Factors affecting CO 2 intensities of power sector in Asia： A Divisia decomposition analysis[J]. Energy Economics， 2004， 18（4）：283-293.

[10]顾阿伦，何崇恺，吕志强.基于LMDI方法分析中国产业结构变动对碳排放的影响[J].资源科学，2016，38（10）：1861-1870.

[11]中国农业能耗碳排放脱钩的影响因素解析[J].产经评论，2016，7（4）：116-126.

[12]唐葆君，李茹.基于LMDI模型的北京市电力部门碳排放特征研究[J].中国能源， 2016， 38（3）：38-43.

[13]李创，昝东亮.基于LMDI分解法的我国运输业碳排放影响因素实证研究[J].资源开发与市场，2016，32（5）：518-521.

[14]陆菊春，钟珍，黄晓晓.我国建筑业碳排放演变特征及LMDI影响因素分解[J].建筑经济，2017，38（3）：81-88.

[15]李跃，张士强，张翼.考虑非能耗的煤炭产业碳排放驱动因素研究——基于LMDI模型的实证分析[J].江苏社会科学，2017（1）：23-31.

[16]Li J， Chen Y， Zhi L， et al. Quantitative analysis of the impact factors of conventional energy carbon emissions in Kazakhstan based on LMDI decomposition and STIRPAT model[J]. Journal of Geographical Sciences， 2018， 28（7）：1001-1019.

[17]Du Q， Lu X， Li Y， et al. Carbon Emissions in China's Construction Industry： Calculations，Factors and Regions.[J]. International Journal of Environmental Research & Public Health， 2018， 15（6）：1220.

[18]LEONTIEF，WASSILY，FORD D N. Air pollution and the economic structure：empirical results of input-output computations，in Leontief，Wassily，Input-Output Economics（Second Edition）[C]. Oxford：Oxford University Press，1972.

[19]赵晓丽，洪东悦.基于SDA法的能源消费影响关键要素分析[J].技术经济，2010，29（9）：42-49.

[20]张旺，申玉铭，周跃云.基于结构分解法的北京能源碳排放增量分析[J].Journal of Resources and Ecology，2014，5（2）：115-122.

[21]顾阿伦，吕志强.经济结构变动对中国碳排放影响——基于IO-SDA方法的分析[J]. 中国人口资源与环境，2016，26（3）：37-45.

[22]宋爽，樊秀峰.最终需求模式演变、产业结构变迁与CO_2排放——基于投入产出模型和SDA方法的分析[J].山西财经大学学报，2013（9）：78-88.

[23]张海行.产业结构、最终需求与碳排放关系的研究——基于IO-SDA方法的实证分析[J].统计与管理，2017（6）：62-65.

[24]李玲，张俊荣，汤铃等.我国能源强度变动的影响因素分析——基于SDA分解技术[J].中国管理科学，2017（09）：129-136.