周笛 黃歌星 楊傳明

摘 要：二氧化碳是最主要的溫室氣體，控制二氧化碳排放對于我國經(jīng)濟實現(xiàn)可持續(xù)發(fā)展目標具有重要意義。本文在綜述已有碳排放影響因素分解研究的基礎上，采集相關碳影響因素法分解研究方法，著重于指數(shù)分解法與結構分解法，依據(jù)研究主題歸類綜述研究文獻，以提升碳影響因素分解研究水平。

關鍵詞：碳排放;影響因素;指數(shù)分解法;結構分解法

改革開放以來，中國進入高速工業(yè)化時代，成為世界第二大經(jīng)濟體，人民生活水平顯著提高，但隨著城市化進程加快、工業(yè)的不斷擴張，產(chǎn)生了大量的污染物，導致環(huán)境的不斷惡化。國際能源總署稱，2007年，我國的二氧化碳排放量已超過美國，占世界份額的25.1%，成為世界第一大二氧化碳排放國[1]。從全球環(huán)境績效指標（EPI）來看，2012年中國的排名僅為116名，相對于2006年，下降了22位，這說明中國的環(huán)境污染問題并未得到有效的改善。而隨著二氧化碳濃度急劇上升，各國都面臨著日益嚴峻的環(huán)境問題，使得碳排放影響因素研究迅速成為環(huán)境學、地理學、經(jīng)濟學、社會學等各學科交叉研究熱點。碳影響因素分解研究有效的劃分了碳生產(chǎn)者和消費者的減排責任，具有重要的理論及實踐意義。

一、文獻篩選

本文以2018年12月31日為時間節(jié)點，檢索SCI、SSCI、Springer、CNKI等中外文數(shù)據(jù)庫，共搜索到485篇英文和323篇中文文獻。由表1可見按年份整理的碳分解研究文獻，相關文獻數(shù)由2008年的38篇增長至2018年122篇，年均增長12.37%，可見近年碳影響因素分解相關研究總體增長速度較快，漸成熱點。

表1 碳影響因素分解歷年研究文獻數(shù)

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

篇數(shù) 122 115 107 90 71 69 62 48 46 40 38

二、碳影響因素分解研究方法綜述

（一）國內外的研究及發(fā)展狀況

目前關于碳排放影響因素分析方法主要有：對數(shù)平均迪式指數(shù)法（Logarithmic Mean Divisia Index Method）、IO-SDA法（Input-Output Structural Decomposition Analysis）、STIRPAT模型、Kaya公式、Laspeyre指數(shù)法等，這些方法各有其特點與適用性，在國內相關領域取得了良好的應用。渠慎寧（2010）運用STIRPAT模型對中國未來的碳排放峰值進行了相關預測[2]。吳青龍、王建明（2018）等構建開放STIRPAT模型從山西省和全國兩個層面預測2016年至2040年碳排放峰值[3]。黃敏（2010）、邢璐（2011）等基于KAYA分析框架、建立低碳經(jīng)濟模型，分析了1978至2009年我國CO2排放的影響因素[4-5]。鄒鋼濤等（2017）通過改進Kaya公式，設計碳排放計算模型，進而提出合理的低碳交通措施[6]。Park S H（1992）基于Laspeyre指數(shù)法分解研究了工業(yè)碳排放情況[7]。Zhang（2003）等運用Laspeyre指數(shù)法分析中國1990-1997年間工業(yè)碳排放影響因素的變化[8]。

（二）指數(shù)分解法

指數(shù)分解法是對于能源和與其相關的環(huán)境進行分析的一種有效可行的重要方法。其中，指數(shù)分解法可分為D氏分解法（Division index methods）與L氏分解法（laspeyres index methods），與AMDI分解法相比，LMDI分解法有效的解決了數(shù)據(jù)中存在的零值與負值和分解中的剩余問題，所以LMDI分解法是目前應用最為廣泛的指數(shù)分解方法，最早的應用可追溯到Shrestha與Timilsina（1996）基于Divisia分解法對亞洲12國行業(yè)二氧化碳強度變化進行研究[9]。顧阿倫等（2016）運用LMDI方法分析了中國產(chǎn)業(yè)結構變動對于碳排放的影響[10]。史常亮等（2016）采用Tapio脫鉤模型、Kaya恒等式和LMDI分解法構建了拓展的Tapio脫鉤指數(shù)分解模型，對于2012年中國農業(yè)碳排放進行脫鉤分析[11]。唐葆君等（2016）、李創(chuàng)等（2016）、陸菊春等（2017）、李躍等（2017）運用LMDI分解法分別對中國電力部門、運輸行業(yè)、建筑業(yè)、煤炭行業(yè)的碳排放影響因素進行了研究[12-15]。Li J（2018）等利用LMDI分解法分析了傳統(tǒng)能源使用過程中的碳排放[16]。Q Du（2018）等運用LMDI方法從地區(qū)、影響因素等方面分析了中國傳統(tǒng)產(chǎn)業(yè)的碳排放[17]。

（三）結構分解法

結構分解法（SDA）的應用最早可追溯到Leontief（1953），而Leontief and Ford（1972）最早運用了SDA模型對于空氣污染影響因素進行了分析[18]。其本質是一種比較靜態(tài)分析方法，其核心思想是將經(jīng)濟系統(tǒng)中目標變量的變動分解為不同獨立變量各類形式變動的和以測算各自變量對于目標變量變動貢獻的大小。趙曉麗等（2010）基于SDA法分析了影響中國能源消費的關鍵因素為能源強度變化與技術系數(shù)變化[19]。張旺等（2014）在SDA法的基礎上構建了競爭型經(jīng)濟碳排放投入產(chǎn)出模型，對北京市1997年至2007年能源消費的碳排放增量進行了結構分解[20]。但使用結構分解法對于中國案例的研究大多采用競爭型投入產(chǎn)出表作為基礎數(shù)據(jù)進行分析，其缺點在于沒有進一步區(qū)分進口品，考慮到進口品的生產(chǎn)地在國外，生產(chǎn)期間產(chǎn)生的碳排放也在國外，因此采用該類投入產(chǎn)出表研究時，會在一定程度上高估各自變量對于因變量的影響。近年來，隨著SDA法與投入產(chǎn)出分析法相結合，逐漸出現(xiàn)了IO-SDA法，在一定程度上彌補了結構分解法的劣勢。顧阿倫等（2016）運用IO-SDA方法分析了經(jīng)濟結構變動因素對于中國碳排放的影響[21]。宋爽等（2013）、張海行（2017）基于IO-SDA法與投入產(chǎn)出模型從低碳視角分析了產(chǎn)業(yè)結構與最終需求間的碳排放關系[22-23]。李玲等（2017）基于SDA分解技術，繪制實物價值型能源投入產(chǎn)出可比價序列表，指出影響我國能源強度變動的因素為能源消耗系數(shù)、最終需求、最終能源消耗等[24]。

參考文獻：

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

[2]渠慎寧.基于STIRPAT模型的中國碳排放峰值預測研究[J].中國人口·資源與環(huán)境， 2010，20（12）：10-15.

[3]開放STIRPAT模型的區(qū)域碳排放峰值研究——以能源生產(chǎn)區(qū)域山西省為例[J].資源科學， 2018（5）.

[4]黃敏，廖為明，王立國，等.基于KAYA公式的低碳經(jīng)濟模型構建與運用——以江西省為例[J]. 生態(tài)經(jīng)濟（中文版）， 2010（12）：51-55.

[5]邢璐，單葆國.基于Kaya公式的中國CO2排放影響因素分解[J].能源技術經(jīng)濟，2011，23（10）：46-50.

[6]鄒剛濤，劉翀昊，陸鍵，等.城市客運交通碳排放模型及場景分析[J].現(xiàn)代交通技術，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]顧阿倫，何崇愷，呂志強.基于LMDI方法分析中國產(chǎn)業(yè)結構變動對碳排放的影響[J].資源科學，2016，38（10）：1861-1870.

[11]中國農業(yè)能耗碳排放脫鉤的影響因素解析[J].產(chǎn)經(jīng)評論，2016，7（4）：116-126.

[12]唐葆君，李茹.基于LMDI模型的北京市電力部門碳排放特征研究[J].中國能源， 2016， 38（3）：38-43.

[13]李創(chuàng)，昝東亮.基于LMDI分解法的我國運輸業(yè)碳排放影響因素實證研究[J].資源開發(fā)與市場，2016，32（5）：518-521.

[14]陸菊春，鐘珍，黃曉曉.我國建筑業(yè)碳排放演變特征及LMDI影響因素分解[J].建筑經(jīng)濟，2017，38（3）：81-88.

[15]李躍，張士強，張翼.考慮非能耗的煤炭產(chǎn)業(yè)碳排放驅動因素研究——基于LMDI模型的實證分析[J].江蘇社會科學，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，F(xiàn)actors and Regions.[J]. International Journal of Environmental Research & Public Health， 2018， 15（6）：1220.

[18]LEONTIEF，WASSILY，F(xiàn)ORD 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]趙曉麗，洪東悅.基于SDA法的能源消費影響關鍵要素分析[J].技術經(jīng)濟，2010，29（9）：42-49.

[20]張旺，申玉銘，周躍云.基于結構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]顧阿倫，呂志強.經(jīng)濟結構變動對中國碳排放影響——基于IO-SDA方法的分析[J]. 中國人口資源與環(huán)境，2016，26（3）：37-45.

[22]宋爽，樊秀峰.最終需求模式演變、產(chǎn)業(yè)結構變遷與CO_2排放——基于投入產(chǎn)出模型和SDA方法的分析[J].山西財經(jīng)大學學報，2013（9）：78-88.

[23]張海行.產(chǎn)業(yè)結構、最終需求與碳排放關系的研究——基于IO-SDA方法的實證分析[J].統(tǒng)計與管理，2017（6）：62-65.

[24]李玲，張俊榮，湯鈴等.我國能源強度變動的影響因素分析——基于SDA分解技術[J].中國管理科學，2017（09）：129-136.