導語：如何才能寫好一篇能源及碳排放管理，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

1．1能源消費碳排放核算根據《2006年指南》關于能源消費碳排放核算公式和張蘭［19］等學者的研究，能源消費主要考慮煤炭、石油、天然氣，此外還包含少量的風能、生物質能、核能等，由于其他能源對環境影響較小，不予考慮。核算能源消費碳排放的公式。式中，E－C為能源消費碳排放量;Energyi為第i種能源的消費量;αi為第i種能源轉換因子，即根據凈發熱值將燃料轉換為能源單位(TJ)的轉換因子;CCi為第i種能源碳含量(t/TJ)，即單位能源的含碳量;NCi為第i種能源的非燃燒碳，即排除在燃料燃燒以外的原料和非能源用途中的碳;10－3為單位轉化系數;COFi為第種能源的碳氧化因子，即碳被氧化的比例，通常缺省值為1，表示完全氧化。將上述公式進一步簡化，可得到計算中更為簡便且實用的公式:。式中，βi為第i種能源的碳排放系數，即單位能源的碳排放量。國內外開展能源碳排放系數研究主要有國家科委氣候變化項目、國家計委能源所、日本能源經濟研究所、美國能源部、DOE/EIA等，本文研究中選取幾項權威系數的均值作為計算系數，詳細情況見表1。

1．2農業碳排放核算IPCC有關農業生產碳排放的論述多集中于生物活動產生、土壤碳和水稻的甲烷排放，而關于農業生產物質投入導致碳排放的研究不多。結合我國和湖南省農業生產特點，以《2006年指南》為主要參考，結合田云［2，22］等基于投入視角的農地碳排放測算研究，確定農業生產碳排放源包括:稻田、化肥、農藥、農膜、牲畜活動。由于農業機械動力相關的碳排放已在能源消費碳排放核算中涵蓋，為避免重復，此處不再涉及。構建農業物質投入碳排放核算公式為。式中，A－C為碳排放;i為第i種農業生產要素投入;εi為第種農業生產要素碳排放系數。農藥等農業生產要素碳排放系數參考美國橡樹嶺國家實驗室等機構和學者的研究成果，見表2。水稻生長過程中會釋放大量甲烷，而甲烷是IPCC公布的六類溫室氣體之一。水稻是湖南省種植面積最大的農作物，因此核算湖南省農業生產碳排放需要考慮水稻生長的碳排放。Wang［23］、Cao［24］、Matthew［25］等學者測算了稻田甲烷排放系數，結果為0．44gCH4/(m2•d)、0．44gCH4/(m2•d)、0．50gCH4/(m2•d)，研究將三者的算數平均值作為計算系數，即0．46gCH4/(m2•d)。根據2007年IPCC第四次評估報告的相關內容，1單位甲烷與1單位二氧化碳溫室效應比為25∶1，據此可確定甲烷與碳的轉換系數為6．82，結合稻田甲烷排放系數，確定稻田碳排放系數為3．136gC/(m2•d)。湖南省水稻生長周期為120—150天，研究選取平均值135天為計算標準。稻田碳排放計算公式為。式中，R－C為稻田碳排放量;S為水稻播種面積。根據《2006年指南》第四卷第10章關于牲畜和糞便管理過程碳排放的相關論述，畜牧業尤其是諸如牛、羊等反芻動物生長過程中會產生大量的甲烷，具體而言包括腸道發酵和糞便管理兩部分。參考田云［12］等學者的研究，我國畜牧業產生甲烷排放的主要牲畜品種有牛、馬、驢、騾、豬、羊，以IPCC給出的排放系數為依據，運用上文所述的甲烷—碳轉換系數，建立我國主要牲畜碳排放系數見表3。畜牧業碳排放計算公式為:。

1．3廢棄物碳排放核算根據《2006年指南》第五卷有關廢棄物的分類研究，溫室氣體排放源主要有四類:固體廢棄物生物處理、廢棄物的焚化與露天燃燒、固體廢棄物填埋處理、廢水處理與排放，固體廢棄物填埋處理(即SWDS)是廢棄物溫室氣體的主要來源。固體廢棄物被掩埋后，甲烷菌可使廢棄物所含有機物分解產生甲烷氣體。由前文可知，甲烷是主要溫室氣體之一，且產生的溫室效應比二氧化碳強。據IPCC相關研究估計，全球每年約3%—4%的溫室氣體來源于廢棄物填埋處理產生的甲烷?！?006年指南》推薦使用一階衰減法(FOD)，一階衰減法能獲得更好的測算精度。根據《2006年指南》和渠慎寧［3］等學者的研究，本研究給出固體廢棄物填埋處置產生甲烷量的一階衰減法的估算公式。

2數據來源與處理說明

2．1數據來源農業生產中涉及的水稻種植面積、化肥、農藥、農膜數據來自2001—2011年《中國農村統計年鑒》和能源數據來自湖南省能源平衡表;農業生產中各類牲畜數量來自歷年《湖南省統計年鑒》;工業廢棄物和城市固體垃圾數據來自國研網統計數據庫，確實部分運用插值法根據歷年數據補充完整(限于篇幅，方法介紹略);土地利用數據來自國研網統計數據庫，經濟數據來自相關年份的《湖南省統計年鑒》，按2000年不變價格參與計算。

2．2處理說明根據《土地利用現狀分類》和趙榮欽等學者的研究，承載碳排放的土地利用類型包括耕地、牧草地、農村居民點用地、城鎮居民點及工礦用地、交通水利和其他用地。研究將根據碳排放發生載體，本文將其分解到具體的用地類型，畜牧業按照食物來源將牲畜活動分屬于耕地和牧草地，用地類型與碳排放源對應關系見表4。

3結果分析

3．1碳排放總量與時序特征根據上述公式，我們對湖南省的碳排放總量進行了測算，結果見表5。2011年湖南省碳排放總量為10377．79萬t，比2000年的3504．60萬t增長了196．10%，遠低于同時期GDP增速(500．21%)。從碳排放來源分析，2011年湖南省碳排放的主要來源仍然是能源消費，占總量的95．69%，達9930．06萬t;其次是畜牧業碳排放，占總量的2．43%，達2523．01萬t;種植業碳排放站總量的1．78%，達184．76萬t;廢棄物碳排放最少，僅為碳排放總量的0．10%。根據IPCC給出的《2006年指南》，全球能源消費占碳排放總量比例的平均水平為75%，湖南省能源消費碳排放占比遠高于參考值，說明湖南省的能源消耗量較大，節能減排的形勢嚴峻。本研究重點測算了湖南省2000—2011年的碳排放總量，通過分析其時序和結構變化特征探討了湖南省新世紀初期經濟發展對環境的影響。研究時序內湖南省碳排放逐年增加(表5)，且增速持續上升，年均增長率10．37%，低于GDP的年均增長率(17．69%)。湖南省碳排放的結構特征也發生了較大變化，2000年能源消費僅占碳排放總量的77．29%，隨后逐年上升，直至2008年超過90%，2011年達到總量的95．69%，能源消費對碳排放的影響逐漸增強，湖南省經濟發展對能源消費的依賴日益突出，暴露了較為嚴重的經濟發展質量問題。種植業碳排放占比逐年下降，比2000年降低了4．12倍，對碳排放總量的影響逐漸變小。畜牧業碳排放在碳排放結構中處于第二位，2000占比高達13．36%。隨著能源消費碳排放的迅猛增加和畜牧業自身的萎縮，畜牧業碳排放占比也逐年下降，比2000年降低了4．50倍;廢棄物在總量中的比例一直較低，2000年占總量的0．23%，隨后逐年下降，2011年僅為0．10%。

3．2土地承載結構特征與效應分析根據以上有關土地承載碳排放來源的描述，本研究將2011年湖南省碳排放根據其土地承載的屬性進行分解，并進一步計算結構特征與碳排放強度，以期從土地利用的視角分析碳排放的來源及減排路徑，具體見表6。結果顯示，城鎮居民點及工礦用地是最大的碳排放源，總量達7781．06萬t，占總量的74．98%，且碳排放強度(碳排放與土地面積的比值，t/hm2)也最高，為263．94;交通水利及其他用地次之，碳排放強度為33．41，碳排放占總量的11．30%，為1172．40萬t;其他用地類型的碳排放量較少，總計占比為13．73%;牧草地的碳排放總量雖然較少，但其強度較大，單位面積碳排放達32．22t，是僅次于城鎮居民點及工礦用地和交通水利及其他用地的碳排放土地承載類型。

4結論與討論

4．1結論從2011年湖南省碳排放測算的結果可知，能源消費碳排放是碳排放的主要來源，其次是畜牧業、種植業和廢棄物。能源消費的高碳排放與湖南省產業結構不合理、產能過剩、能源過度消費有著直接的關系。尤其是新世紀初期，忽視環境問題和對資源的過度消耗是造成碳排放居高不下的重要原因。湖南省節能減排形勢嚴峻，為配合國家碳減排的重大目標，在后續發展中應著重從優化產業結構、轉變經濟發展方式、淘汰落后差能、創新能源利用技術、大力發展現代農業等方面著手。研究時序內，湖南省碳排放總量逐年增加，且增速不斷變快，碳排放結構中能源消耗碳排放占比逐年增加，說明湖南省在能源消耗方面存在浪費問題。畜牧業碳排放占比僅次于能源消耗碳排放，其次是種植業碳排放，廢棄物碳排放最少。除能源消耗碳排放占比外，其他來源占總量的比例均逐年下降。能源消耗碳排放的迅猛增加與新世紀初期湖南省經濟發展的特征有關，大量工業企業項目投入使用，產能過剩，造成了資源浪費，從而造成碳排放激增。在種植業方面，在研究時序內湖南省耕地種植面積沒有明顯增加，但碳排放卻顯著增加，這與近年來優越的農業政策有關。農業政策刺激農民積極種糧的同時也加重了農業物質的投入，如化肥、農藥、薄膜等，這些都是農業碳排放的主要來源。畜牧業的碳排放降低與農業產業結構調整有很大關系，湖南省畜牧業萎縮，其產值在第一產業中的比重逐年下降，而技術創新等手段對畜牧業碳排放影響較小，因此碳排放量較最初降低。城鎮居民點及工礦用地是碳排放強度最大的用地類型，其次分別是交通水利及其他用地、牧草地、農村居民點用地、耕地，城鎮居民點及工礦用地集約利用度高，人口密集，且承載了主要的能源消耗碳排放，因此其碳排放強度較高。通過土地承載碳排放效應分析，可為控制碳排放提供一條新路徑。即通過調控土地結構控制碳排放增加，保護其他碳排放強度較低且綜合效益較高的用地類型，如林地、草地、牧草地等。

篇2

關鍵詞 發展；碳計量；綠色低碳經濟環境

中圖分類號 X196 文獻標識碼 A 文章編號 1673-9671-（2012）092-0240-01

在經濟發展帶動下，各行各業快速發展同時大量消耗能源及污染環境，構建綠色低碳經濟環境成為了全世界人們奮斗的目標。但是如何促進各個企業質量管理及能源管理，這就需要相關計量的法律法規，即是碳計量。隨著低碳經濟環境號召增強，碳計量應該如何發展成為了人們關注重要課題。

1 碳計量的現狀

最近幾年才新出現了碳計量新詞，而且使用上也越來越廣泛。自從2005年開始，許多計量技術機構都成立“能源計量中心”，采用了現代的計量手段為節能減排服務。但是從其發展現狀中可以看出來，如今的碳計量發展上依然存在許多問題，其發展上并不是那么樂觀。

1.1 碳計量缺乏統一的計量標準、方法和平臺

隨著碳排放工作的不斷深入，將減少碳排放進行區域性分解是控制碳排放的必然選擇，而在各區域碳排放的標準上，尚缺乏統一的計量標準、方法和平臺。碳計量是碳排放考核與交易的基礎。但是，由于不同地區的經濟發展程度和自然環境不同，區域性碳排放標準自然就不相同。在這種情況下，不同的區域就需要制定不同的計量標準、方法和平臺，以便進行碳計量。但是由于我國尚未出臺區域性碳排放的標準，并且和碳排放標準相匹配的計算方法正處于開發研究階段，因此，建立在區域性碳排放標準以及正確計量方法之上的碳排放的計量標準、方法和平臺也就無法實現。

1.2 缺乏社會認可的計量權威機構

盡管我國各地區都建立了和碳計量相關的機構，但是由于缺乏明確的計量標準、方法和平臺，就導致了不同地區的碳計量的標準、方法各不相同，甚至還出現了地區之間互相矛盾的現象。在這種情況下，要想建立能夠對各個地區進行碳計量的機構，不但需要消耗大量的人力、物力和財力，而且在計量過程中也相當繁瑣，在計量過程中也常常會出現各種問題。

2 綠色低碳經濟環境下碳計量的發展

事實上，對于溫室氣體（GHG）的排放統稱為碳排放，而溫室氣體中排放最多最為重要的氣體為二氧化碳。所以，國際上通常將碳的排放量計量稱為碳計量，即是碳排放權的核查、交易及排放所涉及到的數據計量問題統一歸納到一起。例如在IPCC中，某排放源碳排放量=∑能源排放系數×能源消費量；依據BP碳排放的計量計算：1 L汽油經過充分燃燒之后能夠排放出2.3 KG二氧化碳。而構建綠色低碳經濟環境眼下是各大企業最基本要求，也是全世界人類共同的目標。在該目標之下碳計量的發展主要體現在如下幾個方面：

2.1 努力創建全國統一的計量標準、方法和評價體系

為了達到碳排放的總體目標，必須創建全國統一的計量標準、方法和評價體系，并在全國統一的標準、方法和評價體系的前提下建立各地區的計量標準、方法和評價體系。為了達到這個目標，必須解決以下幾個方面的問題。

2.1.1 創新碳計量技術

在進行碳計量過程中，各個項目的初始、中期、末期計量監測，不同的能源所產生的特點或者減排機理有差異，因此對對應的安裝或者合適使用計量裝備都有不同之處，如果還是使用傳統單臺計量器極難解決這些問題，必然要依據不同數據信息、處理功能配置專門的計算與處理軟件。因此，只有創新碳計量技術，才能有效解決碳排放中的計量問題，才能創新計量標準、方法和評價體系。

2.1.2 實施數據管理

無論是全國統一的計量標準、方法，還是評價體系，要想發揮碳計量技術最大作用，就要轉變過去那種單純管理的計量器具，引導企業實施數據管理。只有在企業實施數據管理的前提下，才能夠使碳排放在全國統一的計量標準、方法下穩定運行，才能夠對碳排放進行量化管理，才能將企業的碳排放納入到全國性的評價體系之中，確保評價體系真正發揮作用。

2.1.3 大力加強碳認證、碳足跡及碳核查的研究

碳足跡不確定，在創建全國統一的計量標準、方法和評價體系就存在著一定的難題，這就需要大力加強碳認證、碳足跡及碳核查的研究，依據IPCC相關文件提出核查報告及產品碳足跡，再通過通用的計算方法與轉換系數，采用計量手段對高耗工藝、高耗企業及高耗產品進行量化，解決存在的問題，提升搞數據的質量，進而排除碳足跡中不確定性的問題。

2.2 建立全國性社會認可的公共計量平臺

目前，我國在碳排放上尚沒有在全國范圍內建立能夠得到社會認可的公共計量平臺，這就使得在碳排放上的監督上難以得到準確的數據，使得針對碳排放的監督成為一紙空文。這就需要建立全國性社會認可的公共計量平臺，為碳排放企業進行碳排放的指導、標準計量器具管理方面的服務；為碳排放計量管理部門進行決策提供依據，幫助碳排放管理部門制定能夠真正發揮作用的政策，引導碳計量行業的穩定而健康的發展；為廣大人民群眾提供碳排放計量方面的知識，使人民群眾真正明白碳排放中存在的問題與改進方法；為廣大人們群眾對碳排放進行監督、反饋和交流提供平臺。

3 結束語

總之，構建綠色低碳經濟環境是環保最終目標。碳計量要緊跟著現代化環保需求，成為低碳經濟環境的基礎條件，這樣才具有持續的發展勢頭。

參考文獻

篇3

關鍵詞：碳減排；治理機制創新；利益相關者；界定與分類

中圖分類號：F062.2

文獻標識碼：A 文章編號：16721101（2014）05001708

如何進行環境治理，減少碳排放，實現可持續發展，是我國當前亟待解決的重要問題。

從目前我國碳排放治理的實踐來看，存在著企業投資動力不足，科研機構創新精神不夠；政府管理部門多、雜，權利交織導致調控力下降，治理成本高；管理方式行政化，與其他利益相關者的利益沖突嚴重等問題。本文對碳減排利益相關者界定為對碳減排負有責任、擁有相應的權力和減排手段，對碳減排目標實現具有較大影響，與碳減排利益關系較大的組織。

這些問題表明了我國碳排放治理中政府單方治理的高成本、低效益，同時利益相關者的力量未得到有效利用。針對存在的這些問題，作者將從利益相關者共同治理角度對碳減排治理模式進行創新研究，為我國碳排放治理開辟新的途徑。本文將對我國碳減排的利益相關者進行界定和分類，回答誰是利益相關者，并對其進行分類，明確其在碳減排中的角色地位。

一、文獻綜述

目前與碳排放利益相關者分類直接相關的研究文獻尚未檢索到。

碳排放方面的研究主要集中在碳排放的驅動因素及其影響程度，碳排放與經濟增長、能源消費等的關系及碳排放的因素分解等方面[1-4]。學者研究認為我國碳排放增長的主要原因在于產業結構、能源結構、能源效率、人口因素、城鎮化建設等方面，據此提出了調整產業結構、提高非化石能源比重、能源效率和人口素質等方面的建議[5-7]。這些豐碩的研究成果是本文進一步研究的基礎。碳排放治理的文獻側重于政府單向治理，如碳減排政策的制定、取向分析和政府在碳減排中的職能等[8-11]。李欣研究認為環境治理中政府管制手段的優點是強制性高，效果明顯，缺點是簡單粗暴，經濟效益差以及深層次的無法回避的制度缺陷[12]。學者在碳排放權市場交易機制、碳稅、碳金融政策等方面也有大量研究成果[13-15]。如樊綱為代表的學者明顯傾向于碳稅政策[16]，而國務院發展研究中心課題組則明確建議采用碳市場制度[17]。財政稅收手段屬于雙刃劍，一方面會帶來碳排放量的下降，另一方面其對能源產業、收入分配、就業、國際貿易及公平性等方面的影響難以確定[18-19]。碳排放市場交易手段在國際層面的問題是如何確定初始碳排放的國際分配及界定方面，難以達成國際共識，在國家層面其關鍵問題是碳排放總量控制制度及市場機制的完善問題，也難以發揮利益相關者的推動力和積極性。

碳減排政策建議從客觀上來看是降低碳排放的有效途徑，而政策的實施要依賴于利益相關者去執行，其實施效果取決于利益相關者群體的執行程度和積極性。同時，目前的治理模式不能發揮利益相關者的積極性和推動力量。因此，提高碳減排效果還需要研究利益相關者及其在碳減排中的角色地位、利益要求等。

利益相關者治理理論早期主要應用于公司治理的研究，近年來擴展到了生態旅游和可持續能源等領域，得到了廣泛應用。本文將利益相關者理論引入碳排放治理領域，試圖突破目前的碳稅治理和碳排放權治理模式的研究，為我國碳排放治理研究新的途徑，提供新的選擇。

二、方法與數據

（一）研究方法

根據本文對我國碳減排利益相關者的界定，選擇政府、生產企業、銀行、碳排放權交易機構、研發機構、能源供應行業、新聞媒體、公眾團體、投資者、中介機構等10個組織進行調查研究。需要說明的是，中國管理碳減排的部門有國家各級政府部門、國家及各級環保部門和各級節能減排部門，在控制碳排放事務方面他們屬于互補關系和上下級關系，共同為治理碳排放任務工作。因此，在本文中中國政府管理碳排放的部門統稱為政府，以下不在說明。

借鑒學者提出的“多維細分法”和“米切爾評分法”的分析思路[20-22]，本文從利益相關者的合法性、權利屬性和利益要求的緊急性三個維度對中國碳排放的利益相關者進行界定和分類。

根據界定與分類方法，本文編寫了調查問卷，要求調查對象分別從合法性、權利屬性、緊急性等三個維度對所給出的10種利益相關者與碳減排的相關程度按著從大到小進行排序，排名第一用1分表示，排名第二用2分表示，依次類推。因此，1分表示相關程度最大，2分表示相關程度第二大，依次類推，10分表示相關程度最小。

其中，合法性，表示該組織是否在法律或道德或特定的被賦予了減少碳排放的義務、責任，或承擔了碳減排風險；權力屬性，表示該組織是否擁有影響我國碳減排的能力、地位和相應的手段，對碳減排目標實現影響力的重要性程度；緊急性，表示該組織與碳減排的利益相關程度和實現碳減排目標的迫切性程度。

（二）數據來源

通過對調查對象的分析、選擇，本次調查共計發放調查問卷750份，實際回收586份，回收率78.13%，回收的問卷中有效問卷529份，回收問卷有效率90.27%。調查對象的分布情況如表1所示。

表1 調查對象的分布情況

分類頻數百分比（%）

性別男29655.95

女23344.05

年齡30歲及以下18534.97

30-40 歲16431.00

40歲以上18034.03

學歷本科24345.94

碩士研究生 19436.67

博士研究生9217.39

工作行業大學417.75

研發機構499.26

政府部門6311.91

生產企業6913.04

金融業438.13

中介組織529.83

能源供應行業489.07

新聞媒體519.64

碳排放權交易機構529.83

公眾團體6111.53

從調查對象的分布情況來看，調查對象性別、年齡結構分布合理，學歷為本科以上層次，對碳減排能有較為準確的認識和理解，從工作行業來看分布在大學等10個行業，包含了碳減排的利益相關者行業，調查對象來源較為廣泛。從調查樣本數量來看，除其它行業外最少的分類變量數據大于40個，數據量可以滿足統計分析的基本要求。

三、實證結果與分析

對回收的有效問卷利用SPSS16.0軟件進行統計分析，包括調查數據描述性統計、配對樣本T檢驗。

（一）描述性統計

首先，對調查結果從合法性、權利屬性和緊急性三個維度進行描述性統計。三個維度的描述性統計結果分布如表2、表3和表4所示：

表2 利益相關者合法性維度上評分的描述性統計

（N）（Min）（Max）（Mean）Std D.

政府529172.155 30.703 6

生產企業529181.135 90.931 2

銀行5292105.935 01.410 4

碳排放權

交易機構5291108.841 71.160 6

研發機構5292103.791 31.468 1

能源供應行業5293104.660 21.531 4

新聞媒體5291105.201 01.240 1

公眾團體5291107.188 30.857 6

機構投資者5292108.233 00.988 4

中介機構5294106.730 10.703 6

注：根據調查問卷的按相關程度大小排序要求，1分表示相關程度最大，2分表示相關程度第二大，依次類推，10分表示相關程度最小。表2、表3的含義相同。

如表2所示，從碳減排的合法性維度上來看，按平均得分的大小，合法性程度從高到底依次為：生產企業、政府、研發機構、能源供應行業、新聞媒體、銀行、中介機構、公眾團體、機構投資者、碳排放權交易機構。

表3 利益相關者權利性維度上評分的描述性統計

（N）（Min）（Max）（Mean）Std D.

政府529151.679 60.542 2

生產企業529192.18641.088 4

銀行5292105.820 42.106 1

碳排放權

交易機構529198.956 32.093 2

研發機構5291104.272 81.285 3

能源供應行業5292105.101 91.310 0

新聞媒體5291103.252 41.596 6

公眾團體529187.762 11.506 1

機構投資者5291106.757 31.091 7

中介機構5294107.168 01.251 3

如表3所示，從碳減排的權利屬性維度來看，權利大小從高到底依次為：政府、生產企業、新聞媒體、研發機構、能源供應行業、銀行、機構投資者、中介機構、公眾團體、碳排放權交易機構。

表4 利益相關者緊急性維度上評分的描述性統計

（N）（Min）（Max）（Mean）Std D.

政府529151.626 21.727 0

生產企業529192.132 01.448 2

銀行5292107.077 71.655 6

碳排放權交易機構5291108.664 81.3798

研發機構5292105.193 21.580 8

能源供應行業5293104.889 30.928 8

新聞媒體5291103.786 42.269 8

公眾團體5291104.089 31.462 9

機構投資者5291106.359 21.942 8

中介機構5293107.972 80.807 0

如表4所示，從碳減排的利益要求被關注的緊急性維度來看，從高到底依次為：政府、生產企業、新聞媒體、公眾團體、能源供應行業、研發機構、機構投資者、銀行、中介機構、碳排放權交易機構。

（二）配對樣本T檢驗

利用配對樣本T檢驗（Paired-Samples Test）進一步判斷上述利益相關者每兩個變量均值之差與0是否具有顯著性差異。

合法性維度利益相關者評分均值差異的配對樣本T檢驗結果如表5所示。

表5 合法性維度評分均值差異的配對樣本T檢驗結果

123456789

1.政府

2.生產企業0.98**（7.77）

3.銀行7.18**（7.36）6.20**（4.83）

4.碳排放權交易機構5.29*（4.32） 4.31**

（6.91）1.89（2.71）

5.研發機構5.64*

（4.25）4.66**

（7.51）1.54**

（5.35）0.35**（5.52）

6.能源供應行業4.50**

（5.40）3.52**

（8.79）2.67**

（4.77）0.78**

（5.80）1.13**

（6.37）

7.新聞媒體7.65**

（5.25）6.67**

（8.01）0.47**

（4.84）2.36**

（6.04）2.01**

（7.75）3.14

（2.09）

8.公眾 團體3.73**

（6.52）2.75**

（9.24）3.45**

（8.52）1.55**

（4.72）1.90**

（8.02）0.77**

（9.70）3.91**

（8.54）

9.機構投資者5.08**

（4.48）4.10**

（4.79）2.10**

（8.25）0.21**

（5.44）0.56**

（7.38）0.57

（1.25）2.57**

（7.75）1.34**

（3.69）

10.中介機構6.17**

（4.38）5.19**

（9.15）1.00**

（4.10）0.89**

（3.82）0.54**

（5.31）1.67**

（5.87）1.47**

（4.88）2.44**

（6.15）1.10**

（8.01）

注：未加括號的數據表示某兩類利益相關者在該維度上評分的均值的差，括號內的數據為配對樣本T 檢驗值。*表示均值之差通過了95%置信度的檢驗，**表示均值之差通過了99%置信度的檢驗。均

值之差的數據下方有橫線者，表示未通過檢驗。表6、表7含義相同。

從表5可以看出，從合法性維度來看，除個別利益相關者未通過配對樣本檢驗外，絕大部分檢驗結果具有非常顯著的統計意義上的差別，表明絕大部分利益相關者的排序都具有顯著的統計意義上的差別。因此，合法性維度上利益相關者的評分均值可以反映其在碳減排中合法性程度的大小關系。

權利維度利益相關者評分均值差異的配對樣本T檢驗結果如表6所示。

表6 權力維度評分均值差異的配對樣本T檢驗結果

123456789

1.政府

2.生產企業0.89**

（4.24）

3.銀行7.03**

（4.16）6.14*

（5.36）

4.碳排放權交易機構2.17**

（5.02）1.28**

（6.29）4.86**

（5.81）

5.研發機構1.79**

（4.53）0.89**

（5.22）5.25**

（4.96）0.38**

（6.20）

6.能源供應行業3.82**

（6.33）2.92**

（7.27）3.22**

（7.13）1.65**

（7.96）2.03

（1.23）

7.新聞媒體6.47**

（4.95）5.57**

（5.72）0.5**7

（6.36）4.30**

（7.81）4.68**

（7.63）2.65

（1.92）

8.公眾團體0.02**

（4.26）0.92**

（5.28）7.06**

（5.94）2.19**

（5.22）1.81**

（6.73）3.84**

（5.85）6.49**

（4.24）

9.機構投資者3.97**

（6.24）3.08**

（7.22）3.06**

（7.58）1.80**

（7.91）2.18**

（6.34）0.16**

（6.21）2.50**

（6.39）4.00**

（7.03）

10.中介機構5.78**

（5.08）4.89**

（7.19）1.25**

（7.06）3.61**

（6.10）4.00**

（6.76）1.97**

（6.18）0.68**

（7.25）5.81**

（6.89）1.81**

（7.82）

從表6可以看出，從權力維度來看，仍然是絕大部分檢驗結果具有非常顯著的統計意義上的差別，表明絕大部分利益相關者的排序都具有顯著的統計意義上的差別。因此，權利維度上利益相關者的評分均值可以反映其在碳減排中權利的大小關系。

緊急性維度利益相關者評分均值差異的配對樣本T檢驗結果如下頁表7所示。

從表7可以看出，從權力維度來看，大部分檢驗結果具有非常顯著的統計意義上的差別，表明絕大部分利益相關者的排序都具有顯著的統計意義上的差別。因此，緊急性維度上利益相關者的評分均值可以反映其在碳減排中緊急性程度的大小關系。

（三）分類結果

根據各個利益相關者在三個維度上的得分均值及配對樣本T檢驗結果，我們可以得到中國碳減排的利益相關者分類情況，如表8所示。

根據表8中的各個利益相關者的在三個維度的評分分布情況，本文對我國碳減排的利益相關者分類如下：

核心利益相關者，至少在2個維度的得分在4分以下。他們在中國減少碳排放的作用不可或缺，承擔著碳減排的責任和義務，與減少碳排放具有緊密的利害聯系，在碳減排活動中，有一定的利益要求和權利，在很大程度上可以決定碳減排目標的實現與否。 他們包括政府、生產企業、新聞媒體。

重要利益相關者，至少在兩個維度上的得分在4分以上和6分以下。他們已經與碳減排形成了較為密切的關系，付出了專用性投資，在實踐中承擔者一定的風險。在正常狀態下，他們一般表現為一種顯性契約人，而一旦其利益要求沒有得到很好的滿足或受到損害時，他們可能從潛在狀態變為活躍狀態，從而直接影響我國碳減排目標的實現。他們包括研發機構、能源供應行業、銀行。

一般利益相關者，至少在兩個維度上的得分在6分以上。他們對我國碳減排目標的實現發揮輔助作用，往往被動的受到碳減排活動的影響，不能對減少碳排放直接施加影響，對實現減少碳排放目標的重要性程度較低，其實現利益要求的緊迫性也不強，他們包括中介機構、公眾團體、機構投資者、碳排放權交易機構。

表7 緊急性維度評分均值差異的配對樣本T檢驗結果

123456789

1.政府

2.生產企業1.31**

（5.04）

3.銀行6.15**

（5.49）7.45

（1.08）

4.碳排放權交易機構3.74**

（5.07）5.05*

（4.51）2.40**

（8.06）

5.研發機構0.54**

（3.84）0.77**

（8.30）6.68**

（4.13）4.28**

（5.87）

6.能源供應行業3.26*

（4.95）4.56**

（3.64）2.89*

（4.33）0.49**

（5.24）3.80**

（4.86）

7.新聞媒體4.85**

（6.26）6.16**

（3.12）1.29**

（4.23）1.11**

（5.26）5.39

（1.98）1.60**

（4.24）

8.公眾團體1.26**

（6.98）2.56**

（6.08）4.89**

（7.18）2.49**

（6.36）1.80**

（5.24）2.00**

（5.82）3.60**

（6.33）

9.機構投資者5.93**

（3.92）7.23**

（4.08）0.22**

（3.89）2.18**

（4.32）6.47**

（5.16）2.67**

（4.91）1.07**

（4.56）4.67

（0.12）

10.中介機構5.14**

（3.75）6.45**

（4.32）1.00*

（4.78）1.40**

（3.81）5.68**

（3.97）1.88**

（5.01）0.29**

（4.61）3.88**

（5.58）0.79

（0.69）

表8 中國碳減排利益相關者三維分類結果

評分[1，4][4，6][6，10]

合法性生產企業、政府、研發機構能源供應行業、新聞媒體、銀行中介機構、公眾團體、機構投資者、

碳排放權交易機構

權力性政府、生產企業、新聞媒體研發機構、能源供應行業、銀行機構投資者、中介機構、公眾團體、碳排放權交易機構

緊急性政府、生產企業、新聞媒體公眾團體、能源供應行業、研發機構機構投資者、銀行、中介機構、碳排放權交易機構

四、結論與展望

通過廣泛的問卷調查和分析，本文將我國碳減排的利益相關者劃分為核心利益相關者、重要利益相關者和一般利益相關者。不同的利益相關者在不同領域對我國碳減排發揮作用。

從核心利益相關者來看，控制及減少碳排放具有公共事務的性質，因此調查對象普遍認為政府在碳減排中應發揮主導作用，包括政策制定、管理機制、利益關系調節等政府均應發揮領導作用。生產企業是主要碳排放者和減少碳排放的直接執行者，因此是實現減排目標的關鍵。生產企業在生產中擔負著加強節能環保技術開發、引進技術設備減少碳排放、提高產品的環保性能等重要作用。同時，減少碳排放在一定時期上將增加企業生產成本，提高產品價格，因此，生產企業實現減少碳排放需要外部力量的介入及資金支持。新聞媒體在碳減排中具有強大的輿論宣傳優勢及監督能力，被調查對象給予了厚望。政府、生產企業及新聞媒體分別在領導、執行、監督三個方面對我國實現碳減排目標中發揮核心主導作用。

從重要利益相關者來看，研發機構一方面為減少碳排放提供政策建議、決策支持，另一方面提供技術支持，提高我國能源的利用效率，從而減少碳排放。能源消費是碳排放的主要來源，能源供應行業可以通過控制能源供應的種類、數量及價格來影響能源的消費數量及種類，促使消費者加大節能投入，同時，可以開發新的綠色能源，從而減少碳排放。銀行在政府的領導下通過對融資項目進行環保評價控制資金的供給和使用方向來引導節能減排行為，也在客觀上承擔了減排責任和風險。但目前其作用還非常有限。研發機構、能源供應行業和銀行分別在技術支持、能源供給種類及數量、資金供給等方面對我國碳減排發揮重要作用。

從一般利益相關者來看，中介機構在碳減排中負責檢測、檢驗認證、咨詢策劃等，可以幫助和促進碳排放交易的順利進行，降低交易成本和費用。公眾團體可以通過舉辦活動向社會宣傳能源、氣候及環境狀況等，提高社會公眾的節能減排的認識，也會通過一些活動向污染較大的生產企業進行抗議，對其施加壓力，督促其減少碳排放。機構投資者可以為企業實現減排目標提供資金支持，但其以盈利為目標，其投資活動將以其預期盈利目標為前提。碳排放權交易機構是解決碳排放的問題的市場機制，促進具有成本效率的碳減排?，F階段由于碳排放治理是市場機制還處于起步階段，他們能發揮的作用還非常有限或尚未發揮作用。隨著市場機制的成熟和完善，這些利益相關者在碳減排中從碳檢測認證、投融資、市場交易等角度對我國碳減排發揮重要的輔助作用。

明確了利益相關者在碳減排中的角色地位可以為我們構建合理的利益相關者共同治理機制，促進利益相關者在碳減排中發揮積極作用和推動力量提供指導。參考文獻：

[1] 孫作人，周德群，周鵬.工業碳排放驅動因素研究：一種生產分解分析新方法[J]. 數量經濟技術經濟 ，2012（5）：63-74.

[2] 何小鋼，張耀輝. 中國工業碳排放影響因素與CKC重組效應―基于STIRPAT模型的分行業動態面板數據實證研究 [J]. 中國工業經濟，2012（1）：26-35.

[3] Ang J B.CO2 Emissions， Research and Technology Transfer in China[J]. Ecological Economics， 2009， 68： 2658-2665.

[4] Betül zer， Erdem G rgün， Selahattin ncecik. The scenario analysis on CO2 emission mitigation potential in the Turkish electricity sector： 20062030 [J]. Energy， 2013（49）： 395-403.

[5] 林伯強，蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J].管理世界，2009（4）： 27-36.

[6] 陳詩一. 中國碳排放強度的波動下降模式及經濟解釋[J]. 世界經濟，2011（4）： 124 143 .

[7] 王小魯，樊綱，劉鵬. 中國經濟增長方式轉換和增長可持續性[J]. 經濟研究，2009（1）：4-16.

[8] Apergis N，J. E. Payne. CO2 emissions， energy usage and output in central America [J]. Energy Policy， 2009， 37（8）：3 282-3 286.

[9] Thanh Cong Nguyen， Jackie Robinson， Shinji Kaneko， et.al. Estimating the value of economic benefits associated with adaptation to climate change in a developing country： A case study of improvements in tropical cyclone warning services [J]. Ecological Economics， 2013， 86 （2）： 117-128.

[10] 途正革.中國的碳減排路徑與戰略選擇-基于行業部門碳排放量的指數分解分析 [J].中國社會科學，2012（3）：78-94.

[11] Henri L. F. de Groot， Erik T. Verhoef and Peter Nijkamp.Energy saving by firms： decision-making， barriers and policies [J]. Energy Economics， 2001， 23 （6）：717-740.

[12] 李欣. 環境政策研究[D].北京：財政部財政科學研究所，2012.

[13] 李昊，趙道致. 基于多Agent 的碳排放權交易機制建模與仿真[J].計算機工程與應用，2012，48（25）：9-14.

[14] T. Callan， S. Lyons， S. Scott， et al. The distributional implications of a carbon tax in Ireland [J]. Energy Policy， 2009， 37（2）：407-412.

[15] Philip James. Overcoming barriers to low carbon dwellings： the need for innovative models of finance and service-provision [J]. Environmental Development， 2012， 2（4）： 6-17.

[16] 樊綱. 走向低碳發展：中國與世界-中國經濟學家的建議[M]. 北京：中國經濟出版社，2010.

[17] 國務院發展研究中心課題組. 全球溫室氣體減排：理論框架和解決方案[J]. 經濟研究，2009（3）：4-13.

[18] 沈滿紅，吳文博，魏楚. 近二十年低碳經濟研究進展及未來趨勢[J]. 浙江大學學報：人文社會科學版，2011，41（3）：28-39.

[19] Chuanyi Lu， Qing Tong， Xuemei Liu. The impacts of carbon tax and complementary policies on Chinese economy[J]. Energy Policy， 2010， 38（11）： 7 275-7 278.

[20] Freeman R E. Response： Divergent Stakeholder Theory [J]. Academy of Management Review， 1999， 24（2）： 233-236.

篇4

關鍵詞：低碳經濟；能源計量；碳計量

1引言

伴隨著人口的不斷增長、環境日益惡化以及溫室效應的持續增強，“高能耗、高污染、能源消耗巨大”的發展模式已經成為全球各國面臨的共同問題。節約能源、減少碳排放、發展低碳經濟，已經成為實現經濟可持續發展和保護生態環境的重要途徑，低碳環保經濟模式已經成為全球經濟發展的新模式。該模式的特征為低能耗、低污染和低排放。低碳經濟的起因來自兩個方面：一是能源約束，二是氣候變化，就計量而言，能源約束體現在能源計量，氣候變化體現在碳計量。因此，發展低碳經濟，必須大力推進能源計量與碳計量的工作，二者在落實發展低碳經濟中起著基礎性和關鍵性的作用。

2低碳經濟下的能源計量

所謂能源計量是指在煤炭、原油、天然氣、電力、焦炭、熱力、煤氣、成品油、生物智能和其他直接或者通過加工、轉換而獲取的有用能的各種能源過程中，對用能單位各個環節的數量、性能參數、相關的特征參數進行檢測、度量和計算。能源計量是為了確定用能對象的能源完善程度而對能源及相關量的計量。2．1能源計量在發展低碳經濟中的作用能源計量是用能單位節能的基礎。發展低碳經濟首先要做的就是減少碳排放、有效合理的利用能源資源，因而對能源的計量工作就顯得尤為重要。要想節約能源，就應該找到用能單位節能降耗的關鍵環節，因此必須有準確和必要的計量數據，有了計量數據才能真實體現用能單位的能源消耗，從而提高能源的綜合利用率。能源計量為節能監管提供了依據。在《節約能源法》中第五十三、五十四條中明確了用能單位的節能義務，強化了監督和管理；同時國務院出臺了《國務院關于節能工作的決定》，要求督促用能單位開展能源計量工作。因此只有做好能源計量工作，提供準確可靠的能源計量數據才能編制出反應用能單位內部真實的用能情況，為各級節能部門對能源監管提供數據支持。能源計量是減少排放、解決環境問題的有效措施。能源計量能夠對廢棄物排放進行實時全程測量監控，對測量的數據進行匯總、整理、歸檔、分析，從而發現污染問題并提出有效的解決方法，可極大的提高廢物的利用率，減少對環境產生有害影響廢棄物的排放，改善環境問題。2．2能源計量措施（1）加強宣傳，營造氛圍。能源計量本身不產生直接的經濟效益，從而導致部分用能單位不太重視該工作，因此要加強國家能源形勢、能源政策和能源計量重要性的宣講，宣傳節能計量知識，提高用能單位的能源計量意識，使用能單位特別是重點用能單位將被動接受變為主動狠抓落實。（2）執法監督，強化力度。首先根據JJF1356－2012《重點用能單位能源計量審查規范》及GB17167－2006《用能單位能源計量器具配備和管理通則》對用能單位計量器具的配備、檢定、使用和管理情況進行檢查，其次加強實施能源效率標識管理，擴大能效標識的應用，促進用能單位加快高效節能產品的應用。（3）加強培訓，提供保障。舉辦能源計量技術培訓班，邀請能源計量方面技術專家為用能單位特別是重點用能單位的能源計量管理人員講解能源計量、能源平衡測試等方面的知識，宣傳貫徹能源計量相關法律法規，制定人員培訓計劃，指導用能單位能源計量人員的培訓，從而提高用能單位能源計量技術水平。

3低碳經濟下的碳計量

碳計量是對碳排放量的測量計算，又稱碳核查或編制溫室氣體排放清單。碳計量在我國低碳經濟發展中起著“眼鏡”和“尺子”的作用，通過計量碳排放量獲得數據，用來評價低碳經濟的發展情況，反應節能減排的效果。因此發展碳計量是建設低碳經濟、實現減排目標和減小溫室效應的關鍵和前提。3．1碳計量在發展低碳經濟中的作用溫室氣體核查過程的基礎。進行溫室氣體量化、核查工作，編制溫室氣體排放量清單和碳排放量報告，組織核查工作等一系列活動的基礎是活動水平數據的收集和排放因子的確定，因此，無論是直接獲得碳數據還是間接測量碳數據都離不開碳計量。溫室氣體排放清單編制的前提。低碳經濟發展的重要數據就是碳排放清單。排放清單從理論上說可以通過對各類碳排放的連續監測和計量獲得，但由于碳排放源繁多且排放總量大，氣體排放成分復雜，使得對氣體排放實現連續監測計量變得不太可能，因此目前國內外均采用通過直接能源消耗和間接消耗的數量統計，再通過量化得到排放因子，編制排放清單。碳計量主要體現在對水、煤、電等用量計量上，通過對這些數據的測量可以估算排放量，為編制對應的清單打下基礎。為企業節能減排提供依據。通過溫室氣體排放核查以及清單編制工作，可以確定企業的排放源和高能耗設備，企業可以根據這些計量數據有針對性、有目的性地開展節能減排工作，進行用能情況實時、動態分析等，這些節能減排措施的運用都離不開碳計量。3．2碳計量方法目前，我國對于經濟活動生產的碳排放如何進行量化，還沒有形成比較完善的體系和方法，需要進一步研究。然而國際上關于碳計量的方法很多，主要包括：系數法、IPCC推薦缺省法、部門分類核算法以及卡亞公式等。（1）系數法主要用于能源碳排放量的計算，其公式為：E＝k×N其中，E為碳排放量，k為碳排放因子（中國CO2的排放因子系數為0．67，日本為0．68，美國為0．69），N為某一能源使用數量。（2）缺省法是根據能源消耗量估算碳排放量，是一種粗略的估算，其公式為：CO2排放量＝（燃料消費量×單位碳含量－固碳量）×氧化率×3．7（3）部門分類核算法是以部門為基礎，使用更加微觀的數據，通過對每個部門使用每種燃料進行單獨計算并進行匯總得到每個部門總排放量，然后利用同種方法將每個部門的碳排放量進行相加得到總排放量。該方法缺點是計算起來比較繁瑣，但是與缺省法比，其計算結果更接近真實排放量。（4）卡亞公式由日本學者yoichikaya提出，反映了碳排放與GDP和人口間的關系。其公式為：CO2排放量＝人口×人均GDP×單位GDP能耗量×單位能耗碳排量從該公式可以看出，我國經濟高速發展階段，GDP高速增長，要減少排放量就必須降低單位GDP能耗量和單位能耗碳排量。

4能源計量與碳計量的關系

能源計量主要工作是節能，其重點是減少能耗、有效使用能源；而碳計量主要工作是減排，其重點是減少碳排放、控制溫室氣體效應，這是兩者的不同點。同時兩者又是相輔相成的、相互促進的，兩者都是以計量數據為基礎，碳計量是能源計量的一部分，又是能源計量發展的分支，兩者是實現低碳環保可持續發展的重要前提和基礎，缺一不可。

5結語

中國目前處于經濟發展的關鍵時期，長年粗放型的增長模式造成了能源緊張、環境污染、氣候變化等問題，這就要求必須走低碳經濟的可持續發展道路。因此必須大力倡導開展能源計量、碳計量工作，為節能減排提供技術保障。

參考文獻：

［1］鄧思齊．低碳經濟背景下碳計量工作的思考［J］．中國計量，2013（12）：103～105．

［2］張春鵬，唐蓉，王昌玲．碳計量的國際經驗和實際做法［J］．未來與發展，2015（10）：45～47．

［3］陳衛斌，曾鑒三．碳計量：由概念到技術支撐［J］．中國計量，2012（2）：39～40．

［4］胡建棟，劉繼兵．重點用能單位能源計量審查規范［M］．北京：中國質檢出版社，2012．

［5］張昌州．淺析能源計量在低碳環保經濟建設中的作用［J］．現代營銷，2011（6）：228．

［6］吳斌．狠抓能源計量，助推低碳經濟［J］．福建質量技術監督，2011（5）：26～27．

［7］趙海鳳，閆昱霖，張大紅．低碳經濟計量模式［J］．生態學報，2015，35（4）：1249～1257．

［8］楊蕾．沒有碳計量就沒有碳交易［J］．質量探索，2014，11（Z1）：63～64．

［9］呂學都，王艷萍，黃超．低碳經濟指標體系的評價方法研究［J］．中國人口．資源與環境，2013，23（7）：27～33．

［10］周娟．低碳工業園區評價指標體系研究［D］．武漢：華中科技大學，2013．

［11］方大春，張敏新．低碳經濟的理論基礎及其經濟學價值［J］．中國人口．資源與環境，2011，21（7）：91～95．

篇5

關鍵詞：碳排放;LMDI;驅動因素;深圳

一、 引言

隨著世界人口的不斷增長和經濟規模的日益擴張，能源使用帶來的環境問題及大氣CO2濃度升高引起的全球氣候變暖，已對人類的生存和發展形成了嚴峻的挑戰。在2015年11月的《聯合國氣候變化框架公約》第21次締約方巴黎會議上，中國政府承諾中國將在2030年左右二氧化碳排放達到峰值，并爭取盡早實現，以履行世界上最大排放國的責任。作為全國首批低碳試點城市之一，已作出承諾，力爭于2022年達到碳排放峰值。近年來，深圳市的節能減排工作雖取得了一定的成績，單位GDP能耗均已處于全國和全省的較低水平，但深圳市能耗強度持續下降的空間有多大，碳排放是否會持續的增長，2022年達到峰值的約束條件在哪里，這些問題目前還沒有一個清晰的答案，而回答這些問題就需要對深圳市過去影響碳排放變化的驅動因素做出詳細分析。

分析影響碳排放增長的驅動因素的研究中，目前較為常見是采用對數平均迪氏指數法（LMDI， Logarithmic Mean Divisia Index）。該方法其具有全分解、無殘差、易使用以及乘法分解與加法分解的一致性、結果的唯一性、易理解等優點。B.W.Ang （2005）比較了不同的指數分解方法，認為LMDI指數分解法是最有效的方法，并對LMDI在能源領域的應用進行了分析指導。Jiao和Qi等（2013）基于LMDI法，從產業結構、能源結構等方面構造情景，預測了中國2020年前的碳排放量，并針對中國的2020年減排目標進行了策略分析。本文將碳排放影響因素分為結構性因素和技術性因素，結構性因素包括能源結構、產業結構、制造業結構，技術性因素包括低碳技術的應用、能源利用方式的轉變和能源供給效率的提升等，基于LMDI法對2008年～2013年深圳市碳排放驅動因素進行分析，以期為深圳市制定碳減排政策、早日達到碳排放峰值提供科學參考。

二、 深圳市能源消費量及碳排放分析

1. 深圳市能源消費量分析。根據《深圳市統計年鑒》、《深圳市能源平衡表》以及我國國民經濟現行的部門劃分體系，按終端用能消費口徑，2013年深圳市能源消費總量為4 131萬噸標準煤，其中能源消費占比排名前三的分別為制造業、交通運輸倉儲和郵政業以及生活消費3個部門，占比分別為32.31%、21.90%、16.59%。2008年～2013年，深圳市能源消費量總體上呈逐年上升趨勢，歷年各部門能源消費量中，能耗最大的部門為制造業，能源消費量年平均占比為36%，其次為交通運輸、倉儲和郵政業21%，生活消費15%，批發、零售業和住宿、餐飲業11%，其他第三產業11%。2013年較2008年相比，能源消費量處于上升趨勢的行業――交通運輸、倉儲和郵政業的能源消費量年平均占比21%，其能源消費量累計上升了43%。在處于下降趨勢的行業中，制造業雖然年平均能源消費量占36%，但其累計能源消費量卻下降了10%。

2. 深圳市碳排放量現狀分析。采用《省級溫室氣體清單編制指南（試行）》中化石燃料燃燒活動的參考法計算深圳市碳排放。核算范圍為深圳市行政邊界內能源燃燒產生的碳排放，以及因凈調入電力而引起的間接碳排放。

根據計算，2013年深圳市碳排放總量為8 189萬噸CO2，其中碳排放量占比排名前三的分別為制造業、交通運輸倉儲和郵政業以及生活消費3個部門，分別為32.04%、22.77%和16.37%。2008年～2013年，深圳市碳排放量總體上呈逐年上升趨勢，歷年各部門碳排放量中，碳排最大的部門為制造業，碳排放量年平均占比為36%，其次為交通運輸、倉儲和郵政業22%，生活消費14%，批發、零售業和住宿、餐飲業11%，其他第三產業11%，電力、燃氣及水的生產和供應業3%。由于深圳市產業結構中第一產業比重較小，農林牧漁業和采礦業年均能源消耗量僅占2%。2013年較2008年相比，交通運輸、倉儲和郵政業碳排放量年平均占比22%，其碳排放量累計上升了43%。值得注意的是，制造業雖然年平均碳排放量36%，但其累計碳排放量下降了13%。

三、 深圳市碳排放驅動因素的定量分析

1. 基于調整的LMDI碳排放驅動因素分解方法。本文參考Ang等（1998）的方法，利用LMDI從結構性因素及技術性因素兩個層面，對影響深圳市2008年～2013年碳排放變化的驅動因素進行分析。

以上各部門化石能源消費、電力消費數及GDP等數據均取自歷年《深圳市能源平衡表》及《深圳市統計年鑒》?；剂咸寂欧乓蜃尤∽浴妒〖墱厥覛怏w清單編制指南（試行）》，調入電碳排放因子（南方區域電網平均碳排放因子）取自國家發改委氣候司2013年份的《2010年中國區域及省級電網平均二氧化碳排放因子》。

2. 驅動因素的總體影響分析。GDP增長對碳排放具有線性正向驅動作用，本文重點分析行業結構、能源結構（用單位能耗碳排放指標表征）、制造業內部結構性因素等驅動作用。圖1表明， 2011年以來，行業結構、單位能耗碳排放及制造業內部結構等結構性因素正逐步成為重要的減緩深圳市碳排放的因素。其中，2011年～2013年結構因素占深圳市經濟部門碳排放年均減緩量的51%（見圖2），年均減緩量249萬噸CO2;此外，技術性因素（單位增加值能耗下降）占年均減緩量的49%（見圖2），年均減緩量237萬噸CO2。

由于深圳市終端能源消費引起的碳排放主要來源于制造業，因此本文將進一步對這制造業碳排放進行定量分析。

3. 制造業碳排放驅動因素分析。依據2013年深圳市制造業單位增加值能耗，將深圳市的制造業分為低、中、高能耗三大類。

（1）低、中、高能耗制造業碳排放減緩量比較。2008年至2013年，深圳市低、中、高能耗制造業單位增加值碳排放（碳強度）均呈下降趨勢，分別累計下降41%、60%及9%（見圖3）。由于中、低能耗制造業碳強度下降幅度較大，且合計增加值占制造業的94%，因此兩者對制造業碳強度下降的影響最為顯著。

（2）制造業內部各驅動因素對深圳市碳排放變化的影響。制造業結構因素包括制造業增加值占GDP比重、低中高能耗制造業增加值占制造業比重、低中高能耗制造業能源結構。2008年～2013年，制造業結構因素對深圳市經濟部門碳排放減緩量的累計貢獻率為25%，低、中、高能耗制造業單位增加值能耗的累計貢獻率為81%（見圖4）。

四、 結論與政策建議

運用LMDI法對深圳市碳排放變化的影響因素進行分解，通過對各影響因素的實證分析，本文主要得出以下結論：

1. 2008年～2013年減緩深圳市碳排放的主要因素來源于技術性因素，包括技術和管理等的改進與提升，但2011年后，結構性因素逐漸成為減緩深圳市碳排放的重要原因。2008年～2013年總體來看結構性因素減緩深圳市碳排放的年平均貢獻率已超過由技術性因素對減緩深圳市碳排放的年平均貢獻率，行業結構、能源結構、制造業內部結構貢獻分別達到了28%、12%、11%，相信2013年以后結構性因素也會占主導地位。

2. 制造業結構性因素對深圳市減緩碳排放貢獻總體上達到了11%，說明深圳市產業結構調整、制造業內部結構調整已經卓有成效。制造業中高中低能耗產業的單位增加值碳排放也在不斷下降，顯示出制造業節能工作已經取得很好效果。

深圳市為早日達到碳排放峰值，需要繼續重視碳減排的結構性因素，需要大力調整產業機構、能源消費結構特別是要持續推動制造業的優化升級，推進產業結構“退二進三”，優化制造業內部結構、進一步淘汰制造業中高能耗、低增加值的行業，如塑料制品業、非金屬礦物制品業、化學原料及化學制品制造業等，同時深入挖掘以互聯網金融等現代服務業等第三產業發展的巨大潛力。

深圳市在重視碳減排結構性因素的同時，也要充分考慮技術性減排因素，政府要出臺要相應的政策規范，加大節能減排的強制性要求和提供適當的財政優惠，刺激引導和要求企業應用節能減排技術，逐步擴大覆蓋范圍;要大力推動屋頂太陽能光伏發電等新能源技術的應用;充分利用深圳市碳交易體系，考慮將更多的制造業企業納入深圳市碳交易體系，完善碳核查和交易體系，達到正向刺激的目的。

參考文獻：

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

[2] B W ANG. The LMDI approach to decomposition analysis： a practical guide[J]. Energy Policy，2005，33（7）：867-871.

[3] Jiao J L， Qi Y Y， Cao Q， et al.China's targets for reducing the intensity of CO2 emissions by 2020[J].Energy Strategy Reviews， 2013，2（2）：176-181.

篇6

（華中農業大學土地管理學院，武漢 430070）

摘要：采用武漢市1996－2010年的土地利用變更數據、能源數據以及相關經濟數據，通過構建碳排放、碳足跡模型，測算近15年來武漢市土地利用的碳排放量和碳足跡，并分析其碳排放量、碳足跡的變化及影響因素。結果表明，武漢市建設用地碳排放量占碳排放總量的98％以上，在1996－2010年處于逐年增加的狀態，2010年已達到1996年的1．4倍；武漢市的總碳足跡和人均碳足跡也在逐年增加，碳赤字較為嚴重。碳排放總量的不斷增加主要是由武漢市建設用地不斷擴大以及經濟增長方式和能源結構不合理造成。為此，武漢市不僅要控制建設用地的擴張，同時還應改變經濟增長方式、調整能源消費結構。

關鍵詞 ：碳排放；碳足跡；建設用地；能源結構；武漢市

中圖分類號：F301．24 文獻標識碼：A 文章編號：0439－8114（2015）02－0313-05

DOI:10.14088/j.cnki.issn0439-8114.2015.02.015

氣候變暖是全世界公認的環境問題，造成氣候變暖的原因主要是溫室氣體排放量的大幅增加。2005年2月16日《京都議定書》正式生效，給CO2排放量居世界第二位的中國帶來了嚴峻和現實的壓力與挑戰［1］，掀起學術界有關碳排放研究的熱潮。有學者對經濟增長與碳排放的關系進行了研究。彭佳雯等［2］利用脫鉤模型探討了中國經濟增長與能源碳排放的脫鉤關系及程度；杜婷婷等［3］則以庫茨涅茲環境曲線及衍生曲線為依據，對中國CO2排放量與人均收入增長時序資料進行統計擬合得出中國經濟發展與CO2排放的函數關系。也有學者對土地利用類型轉變引起的碳排放效應變化進行了研究。如蘇雅麗等［4］對陜西省土地利用變化的碳排放效益進行了研究。對于土地利用碳排放影響因素的研究也有了一定的成果，主要是利用指數分解法對影響土地利用碳排放效應的因素進行分解分析，如蔣金荷［5］運用對數平均Divisia指數法（LMDI法）定量分析了中國1995－2007年碳排放的影響因素及貢獻率。對于碳足跡的研究，趙榮欽等［6］計算和分析了江蘇省不同土地利用方式能源消費碳排放與碳足跡。還有其他學者通過碳足跡計算模型，從碳足跡核算和碳足跡評價的角度進行了有意的探討［7－9］。研究不同土地利用方式的碳排放效應，有助于從土地利用調控的角度控制碳排放。本研究以武漢市為例，分析武漢市土地利用碳排放和碳足跡，探討武漢市碳排放變化的影響因素，為武漢市調控土地利用以減少碳排放提供科學依據，對武漢市構建“兩型社會”具有重要的理論與現實意義。

1 研究區域概況

武漢市位于中國的中部地區、江漢平原的東部，地處東經113°41′－115°05′，北緯29°58′－31°22′。地形以平原為主，擁有豐富的自然資源。截至2010年，全市土地面積為8 494．41 km2，農用地面積為4 270．45 km2，其中耕地面積為3 174．05 km2，林地面積為975．81 km2， 建設用地1 596．51 km2，未利用地面積2 627．45 km2。本年全市國民生產總值達到6 762．20億元，同比增長12．5％，位居15個副省級城市第五位。第一、第二、第三產業分別為198．70億、3 254．02億、3 303．48億元，比重為2．94％、48．12％、48．94％。人均GDP為68 286．24元，城鎮居民人均可支配收入23 738．09元，農村居民人均純收入9 813．59元。全市全年社會消費品零售總額達2 959．04億元。

2 研究方法與數據來源

2．1 碳排放測算模型

根據李穎等［10］、蘇雅麗等［4］的研究，本研究基于各種用地類型的碳排放／碳吸收系數計算碳排放量，主要涉及耕地、林地、草地、建設用地。其中建設用地具有碳源效應，耕地上的農作物雖然能夠吸收二氧化碳，但是在很短的時間內又會被分解釋放到空氣中，因此將耕地視為碳源［11］，林地和草地為碳匯。

碳排放測算公式［10］：

CL＝∑Si·Qi （1）

其中，CL為碳排放總量；Si為第i種土地利用類型的面積；Qi為第i種土地利用類型的碳排放（吸收）系數，吸收為負，其中耕地、林地、草地的碳排放系數分別為0．422、－0．644、－0．02 tC／hm2［12］。

建設用地的碳排放主要通過計算其建設過程消耗能源所產生的碳排放間接得到。這里的能源主要是指煤炭、石油和天然氣。

建設用地碳排放估算公式［10］：

CP＝∑ni＝∑Mi·Qi （2）

其中，CP為碳排放量；ni為第i種能源的碳排放量；Mi為第i種能源消耗標準煤；Qi為第i種能源的碳排放系數，其中煤、石油、天然氣的碳排放系數分別為0．747 6 tC／t標準煤、0．582 5 tC／t標準煤、0．443 4 tC／t標準煤［12］。

2．2 不同土地利用類型的碳足跡

碳足跡是指吸收碳排放所需的生產性土地（植被）面積，即碳排放的生態足跡［13］。凈生態系統生產力即NEP是指1 hm2植被一年的碳吸收量，用來反映植被的固碳能力［13］，采用NEP指標反映不同植被的碳吸收量，并以此計算出消納碳排放所需的生產性土地的面積（碳足跡）。森林和草原是主要的陸地生態系統，因此本文主要考察這兩種植被類型的碳吸收［13］。根據趙榮欽等［6］、謝鴻宇等［13］的方法，首先計算出化石能源碳排放量，再根據森林和草地的碳吸收量計算出各自的碳吸收比例，最后由各自的NEP計算出吸收化石能源消耗碳排放所需的森林和草地的面積?；茉刺甲阚E計算公式為：

其中，A為總的化石能源碳足跡，Ai為第i類能源的碳足跡，Ci為第i種能源的消耗量（萬噸標準煤），Qi為第i種能源的碳排放系數，Perf與Perf分別為森林與草原吸收碳的比例；NEPerf與NEPerf分別為森林和草地的凈積累量。吸收1 t的CO2所需的相應生產用地土地面積計算結果見表1。

2．3 數據來源

能源數據與經濟數據來源于《武漢市統計年鑒（1996－2010）》，武漢市土地利用結構數據來源于武漢國土資源和規劃局。

3 結果與分析

3．1 武漢市碳排放量

根據公式（1）、（2）和《武漢市統計年鑒》所查詢的武漢市能源消耗量，以及武漢市歷年土地變更數據，計算武漢市1996－2010年的碳排放量見表2。

從不同土地利用類型的碳排放量來看（表2），建設用地的碳排放量占碳排放總量的98％以上， 由此可以說明建設用地為主要的碳源。同時可以看到，武漢市的建設用地碳排放量增加較快， 1996到2010年間，武漢市建設用地碳排放量增加了1 091．6萬t，增幅為88．58％，碳排放總量也增加了87．21％。通過SPSS 19對建設用地面積與碳排放總量進行雙側檢驗，結果表明，在0．01水平下顯著相關，可見武漢市的碳排放總量與建設用地的碳排放量走勢保持同步。

在建設用地面積增加的同時，耕地面積在不斷減少，但是耕地面積的減少對碳排放總量并沒有起到明顯的影響，原因可能有兩個方面，一是耕地的碳排放量相對于建設用地來講數量太小，最高也只占碳源排放總量的1．6％；二是耕地轉變為建設用地不僅沒有降低碳排放量，反而會增加碳排放量。

另一方面，武漢市的碳吸收總量也在不斷增加，1996到2010年間增加了2．09萬t，增幅為49．76％，其中占碳匯吸收比例較小的草地碳吸收量在逐年下降，但是林地的碳吸收量占總吸收量的90％以上，甚至有些年份達到了99％以上，且林地面積在不斷擴大，林地的固碳量在增加，從而使得武漢市碳吸收量15年間不斷增加。

3．2 武漢市建設用地碳足跡分析

由公式（3）計算武漢市1996－2010年的能源消耗碳足跡間接得到建設用地碳足跡，如表3所示。由表3中可以看出，武漢市的建設用地碳足跡逐年增加，在此期間，雖然武漢市的林地與草地的總面積有所增加，但是遠遠不足總碳足跡的增加速度，同時人均碳足跡由0．63 hm2增加為0．74 hm2，由此表明武漢市的生態系統不足以彌補能源消費的碳足跡。不同能源的碳足跡表明，煤炭的消費是引起總碳足跡增加的主要原因。表3也表明，森林的碳吸收能力比草地要強，碳足跡以森林為主。

3．3 影響因素分析

3．3．1 土地利用結構 不同的土地利用結構對碳排放量與碳吸收量都會產生影響。1996－2010年武漢市土地利用結構變化見表4。由表4可以看出，武漢市的林地面積不斷增加，草地面積在減少，但是由于林地是主要的碳匯，因此武漢市的碳匯量隨林地面積的增加而增加。耕地面積在減少，建設用地面積不斷增加，且增加速度較快，一部分面積的增加是由于耕地的非農化，即耕地轉為了建設用地，而建設用地是主要碳源，因此，武漢市的碳排放量隨建設用地面積增加而增加。

3．3．2 經濟增長方式 現有的研究表明［10］，國家工業化，能源消費碳排放是最主要的排放類型，可占二氧化碳排放的90％以上。從上述武漢市碳排放量測算結果來看，能源碳排放占碳排放總量的98％以上。由此，應分析經濟發展中能源消費帶來的碳排放變化。

碳排放強度是碳排放量與國內生產總值（GDP）的比值，是衡量溫室氣體排放的指標，可以作為發展中國家承認和反映其對減緩氣候變化的貢獻指標［14］。計算可知，1996－2010年武漢市碳排放強度總體上呈下降趨勢，由1996年的1．88 t／萬元下降到2010年的0．53 t／萬元，下降了71．81％，年平均下降4.79％。根據何建坤等［14］的研究，要實現二氧化碳的絕對減排，碳排放強度的下降率要大于GDP的增長率。而武漢市1996－2010年碳排放強度下降率遠小于14．54％的GDP增長率，這遠遠不能實現碳減排。

經濟增長既需要資本的投入，也需要土地、能源等物資投入，若經濟增長使得土地、能源等物資消耗加劇，碳排放量加大，則資源利用效率降低，對環境的不利影響加劇，顯然這種經濟增長方式不可取。為評判經濟增長對碳排放變化的影響，可選用能源碳排放系數，即能源碳排放增長速度與國內生產總值的比值來反映經濟增長對碳排放的影響，其與能源消費彈性系數具有同樣的測量意義［15］。已有研究表明，發展中國家能源消費彈性系數一般都大于或接近于1，而發達國家則小于或接近0．5［15］。其值越大，說明能源碳排放增長快于經濟增長速度。計算發現，武漢市能源碳排放系數達到了0．76，遠遠大于0．5。由此說明，武漢市的經濟增長促進了碳排放量的增加。

3．3．3 能源結構 不同的能源其碳排放系數不同，三大能源中，煤炭的碳排放系數最大，天然氣最小，石油居中。因此，煤炭的消耗量越大，則能源碳排放量越大。根據公式（2）可測算各種能源碳排放量，并得出三大能源碳排放量趨勢圖（見圖1）。由于各能源的碳排放量與能源消費量之間呈正比，因此，能源碳排放量的趨勢與能源消費量的趨勢一致。由圖1可知，石油和天然氣的消費量在1996－2010年間較為平穩，煤炭的消費量在1996－2002年間保持穩定，2002－2006年快速上升，2006－2009出現微小下降，2010年又開始上升，與武漢市碳源排放總量變化走勢一致，煤炭消耗量占總能源的67％以上?？梢钥闯?，武漢市是以煤炭為主的能源結構。

平均碳排放系數是指能源碳排放總量與能源消耗總量的比值，其變化能夠反映能源結構變動對碳排放量的影響。當低碳能源比例的增加時，平均碳排放系數將會變小。從圖1來看，武漢市1996－2010年的平均碳排放系數較為平穩，在0．707~0．717之間浮動。以上分析表明，武漢市能源消費結構不合理。

3．3．4 碳足跡影響因素分析 武漢市能源消耗總量在15年間由1 790．13萬t增長到了3 352．96萬t，與此同時，其碳足跡也由328．13萬hm2增長到了618．78萬hm2。能源消耗總量與碳足跡走勢圖（圖2）表明，碳足跡隨著能源消耗總量的變動而變動，兩者呈現出高度一致的走勢。

采用回歸分析可以定量分析能源消耗總量與碳足跡的關系。本文以95％的置信度通過有關檢驗，其相關性如表5所示，能源消耗量與碳足跡的相關系數達到了0．999 5，說明碳足跡受能源消耗總量影響較大。

4 小結與討論

1）建設用地是主要的碳源，其碳排放量占總碳排放總量的98％以上。建設用地面積的增加是武漢碳排放量增加的一個重要原因。發展低碳經濟，建設“兩型社會”，武漢需控制建設用地面積的不斷擴大。同時，提高土地利用集約度，通過集約利用緩解建設用地供求矛盾，實現低碳集約利用。

2）武漢市的總碳足跡和人均碳足跡在不斷增加，雖然武漢市的林地與草地的總面積有所增加，但是遠遠不足總碳足跡的增加速度，表明武漢市碳赤字較為嚴重。其中，森林碳足跡和煤炭碳足跡為碳足跡的主要“碳匯”和“碳源”，煤炭的消耗是引起總碳足跡增加的主要原因。因此，增強生產性土地，特別是森林的固碳能力，改善能源消費結構，減少煤炭消費量，提高石油、天然氣等能源的消費比例，可以較好地降低碳排放水平。

3）1996－2010年，武漢市碳排放量總體上升。主要原因除了建設用地面積不斷增加外，還受經濟增長方式與能源結構的影響。較高的能源碳排放系數反映出武漢市目前的經濟增長方式不利于低碳經濟的發展。建立低碳的能源體系，調整產業結構和能源消費結構，是發展低碳經濟社會的關鍵。

4）通過土地利用變化以及能源消費量的變化分析了武漢市的碳排放以及碳足跡的變化，但是在計算能源消費碳排放時，因數據的限制，僅考慮了化石能源消費所帶來的碳排放，未計算農村生物質能燃燒帶來的碳排放。同時，由于目前對碳足跡的概念和計算邊界缺乏統一的定義，計算數據獲取難度較大，碳足跡的研究需要進一步深入探討與完善。

參考文獻：

［1］ 莊貴陽．低碳經濟：中國之選［J］．中國石油石化，2007，7（13）：32－34．

［2］ 彭佳雯，黃賢金，鐘太洋，等．中國經濟增長與能源碳排放的脫鉤研究［J］．資源科學，2011，33（4）：626－633．

［3］ 杜婷婷，毛 鋒，羅 銳．中國經濟增長與CO2排放演化探析［J］．中國人口資源與環境，2007，17（2）：94－99．

［4］ 蘇雅麗，張艷芳．陜西省土地利用變化的碳排放效益研究［J］．水土保持學報，2011，25（1）：152－156．

［5］ 蔣金荷．中國碳排放量測算及影響因素分析［J］．資源科學， 2011，33（4）：597－604．

［6］ 趙榮欽，黃賢金．基于能源消費的江蘇省土地利用碳排放與碳足跡［J］．地理研究，2010，29（9）：1639－1649．

［7］ SOVACOOL B K， BROWN M A． Twelve metropolitan carbon footprints： A preliminary comparative global assessment［J］． Energy Policy， 2010， 38（9）：4856－4869．

［8］ KENNY T， GRAY N F． Comparative performance of six carbon footprint models for use in Ireland［J］． Environmental Impact Assessment Review， 2009， 29（1）：1－61．

［9］ 黃賢金，葛 楊，葉堂林，等．循環經濟學［M］．南京：東南大學出版社，2009．

［10］ 李 穎，黃賢金，甄 峰．江蘇省區域不同土地利用方式的碳排放效應分析［J］．農業工程學報，2008，24（S2）：102－107．

［11］ 肖紅艷，袁興中，李 波，等．土地利用變化碳排放效應研究—以重慶市為例［J］．重慶師范大學學報（自然科學版），2012，29（1）：38－43．

［12］ 2006 IPCC Guidelines for National Greenhouse Gas Inventories ［R］． Geneva：IPCC，2006．

［13］ 謝鴻宇，陳賢生，林凱榮，等．基于碳循環的化石能源及電力生態足跡［J］．生態學報，2008，28（4）：1729－1735．

［14］ 何建坤，劉 濱．作為溫室氣體排放量衡量指標的碳排放強度分析［J］．清華大學學報（自然科學版），2004，44（6）：740－743．

［15］ FANG J Y， CHEN A P， PENG C H， et al． Changes in forest biomass carbon storage in China between 1949 and 1998［J］． Science， 2001， 292：2320－2322．

篇7

基金項目：國家自然科學基金“能源價格波動視角下的產業發展、碳排放效應及間接減排政策研究”（編號：71203219）；教育部人文社會科學基金“碳減排約束下能源價格波動與產業發展的系統性作用機理及政策研究” （編號：11YJCZH050）；全國統計科研計劃項目“能源價格及結構對我國工業產業碳排放影響的測度研究” （編號：2010LC15）。

摘要 新時期節能減排的中心問題圍繞能源價格展開，內外能源價差對碳排放影響效應反映國內能源市場化變遷下價格扭曲對碳排放的作用。我國內外部能源價差一直為負，且具有非線性和階段性特征。基于此，將內外能源價差與其他碳影響因素納入直接、調節及狀態空間模型中進行分階段實證檢驗對比，結果表明：在1978-1993年小價差階段，碳排放總量隨著負向價格扭曲增加而有小幅減少；而在1994-2011年大價差階段，負向價格扭曲碳拉動效用明顯，因此國內外能源價差對我國碳排放總量的非對稱效應顯著。結合我國實際，認為：能源市場化改革應從煤炭向石油、電力、天然氣逐步推進，尤其要加強能源企業體制改革，減少國家控股及行政干預，將政府補貼轉向能源消費主體以實現市場化的穩定過渡。

關鍵詞 能源價格；能源價差；碳排放；非對稱效應

中圖分類號 F062.1 文獻標識碼 A 文章編號 1002-2104（2013）11-0014-07 doi：10.3969/j.issn.1002-2104.2013.11.003

直接影響碳排放的因素均受市場配置功能影響，而能源價格是最基本有效的資源配置手段，因此有效地發揮間接減排政策，尤其是能源價格的作用提到了重要日程。從我國的實際情況看，內外部能源價差反映了開放經濟條件下能源商品價格扭曲和價格機制變遷，因此研究其對能耗乃至碳排放的影響，對于有效推進能源價格市場化改革以及節能減排更具有現實意義。

1 內外能源價差與碳排放的關系

國內外學者[1-3]將CO2排放總量進行因素分解，發現技術和產業能源效率提高是抑制碳排放最重要的因素，能源消費結構和工業結構優化的節能減排效應明顯，但受到一國要素稟賦和總體發展目標影響，作用小于能源效率。由于經濟總量、產業結構、技術效率、能源強度及能源消費結構等因素均受到市場價格的調節，能源價格逐漸成為節能的中心問題[4]?，F有相關文獻集中研究了各層面能源價格與碳排放影響因素之間的關系[5-8]，總體來看，能源價格的上漲對經濟增長及行業產出有一定的負面沖擊[9]，且不同行業反應效力具有差異性，因而對產業及工業結構優化有引導作用。另一方面，從能源效率的角度出發，國內外研究大都肯定能源價格對能源效率的顯著影響[10-17]，能源價格上升促進能源效率提高，從而對抑制碳排放產生重要作用，但也有學者認為能源價格對能源效率的影響存在非線性及動態性，不同類型能源價格變動對能源效率有差異性影響?？紤]到更加復雜多變的能源市場環境，有學者開始對內外能源相對價格進行研究，魏一鳴[18]指出國家對能源價格的控制使內外部能源價格存在扭曲，能源消費與能源價格不掛鉤。柴建、郭菊娥等[19]提出了“能源價格扭曲度”概念，認為能源比價關系的調整比單種能源價格的國際接軌更重要，我國能源商品價格扭曲提高了中國的能耗強度。楊繼生[20]使用STR模型指出維持國內外能源價格相對調整的基本一致是提高能源配置和使用效率，減少污染排放的客觀要求，因此內外部能源價差更能反映國內能源市場定價機制變遷下價格變動對碳排放的影響。

理論上講，若內外部能源價差>0，企業為保證生產和成本控制而轉向能源進口，碳排放總量變動不明顯；行政干預下的企業接受國內高能價，生產成本上升，產業收益及產出總量縮減，刺激企業技術創新，提高能源效率，多渠道影響碳排放。若內外部能源價差

目前我國行政干預和國有企業壟斷能源定價，國內現行能源價格無法反映市場供求雙方的真實意愿及能源使用成本，碳減排視角下價格資源配置功能難以發揮[21]，內外部能源價格扭曲成為我國能源領域面臨的重大挑戰[22]。本文旨在分析內外部能源價差對我國碳排放總量的影響，基于內外部能源價差的變動特征，將價差、碳排放總量與其他碳排放影響因素統一納入實證分析中，研究不同階段價格扭曲度對碳排放的影響效應，并尋求基于環境效益的內外部能源價差變動區間，以此細化市場和行政分工，為我國完善市場化能源定價機制提供補充和支持。

2 內外部能源價差變動特征

根據能源消費結構（煤炭、石油、天然氣、電力消費占比），按工業品出廠價格指數（1978年=100）折算，剔除通貨膨脹影響，構建國內能源價格變動的綜合指數；選擇國際Brent原油FOB現貨價格作為替代指標，按照當年匯率折算得到國外能源價格指數（1978年=100），內外部能源價差反映內外部能源價格扭曲程度。

根據圖1可以看到：

（1）1978-2011年內外部能源價差均為負值，內部政府指導能源價格一直低于外部市場化能價，我國長期的計劃經濟體制和明顯的行政干預使國內能價無法充分反映我國現行工業化過程中能源資源的稀缺性，不同市場化程度下內部能源價格扭曲方向未變，但價格扭曲程度變化明顯。

（2）整體來看內外能源價差呈擴大趨勢，且在1994年負差突破500點后明顯增加。1978-2011年間內部能源價格爬行式上升，而國外能價波動明顯，內部能源價格漲幅明顯低于國外，這說明市場化緩慢進程下的價格扭曲日益嚴重，內部能價仍缺乏彈性，這與我國政府主導能源定價，國家控股壟斷能源企業，忽視國內能源稀缺性及能源市場供求有直接關系。

由于內外部能源價差不存在正負交替，本文著重研究不同階段內價差變動對我國碳排放影響效應。

1978-1993年內外部能源價差范圍在（-451.18，-116.35），價格扭曲程度小。此間能源要素價值有限，國內外能源價格均小幅增長。1992年國家逐步放開煤炭價格均推動國內能源價格上升，內外部能源價差有明顯縮小。1994-2011年價差范圍在（-3 064.90，-358.31），價差擴大接近10倍，價格扭曲程度明顯大于前一階段。此間能源地位日益凸顯，2004年后世界經濟的全面增長推動石油需求增加，國際能源價格大幅上升；國內能源價格得益于一系列市場化改革，包括放開電煤指導價格、煤炭價格由市場定價以及1998年后國內原油價格與國際市場接軌等，價格漲幅大于前一時期，但電力、天然氣價格仍采用“政府指導價”，內外部能源價格扭曲度進一步增加。按內外部能源價差值大小將其劃分為1978-1993年小價差和1994-2011年大價差兩階段，研究不同價差變動范圍內對碳排放影響的非對稱性。

3 價差變動對碳排放影響的非對稱性

3.1 變量定義及數據預處理

變量包括內外部能源價差、產業總值、產業結構、產業內能源效率和碳排放總量。對內外部能源價差（P）取絕對值以避免負值檢驗不便，產業總量（Y）選取以1978為基期的GDP指數，產業結構（S）為第二產業與第三產業的

GDP比例（%），產業能源效率（E）使用GDP與能源消費總量比值表示。CO2排放量（C）來自世界銀行公布數據，單位108 t。樣本區間在1978-2011年，相關變量數據來自1993-2011年《中國統計年鑒》、《中國能源統計年鑒》、中經網產業數據庫和中國資訊行數據庫。

根據圖2可以看出：

（1）我國碳排放總量、內外部能源價差、產業總值、產業效率在樣本區間內均呈現上升趨勢，而產業結構則呈下降趨勢。具體來看，1978-1993年小價差階段，碳排放總量小，上升幅度小；內外部能源價差擴大對應的碳排放增速放緩，而價差縮小對應碳排放增幅明顯，產業結構在此階段下降明顯，與內外部能源價差和碳排放量之間的負向相關關系需要進一步驗證。1994-2011年大價差階段，碳排放總量明顯增加，內外部能源價差的增加與減少對應著碳排放的拉動和抑制。產業內的能源效率在小價差階段變動極小，能源產業領域內技術水平的提升和新能源的開采運用使產業能源效率在20世紀90年代中后期明顯提高，局部來看我國碳排放增速在能源效率增加時有所減緩。不同階段內價差與碳排放總量變動關系呈非對稱。

（2）原序列取對數以避免異方差影響，CO2排放量、產業總量、產業結構、產業效率和內外部能源價差分別記為lnC、lnY、lnS、lnE和lnP。使用ADF對變量序列進行平

穩性檢驗，各時間序列均為I（1）序列。針對同階非平穩序列進行協整檢驗，結果證實變量之間存在均衡關系，在長期內外部能源價差變動影響我國碳排放總量。使用AIC和SC確定最佳滯后期為4，對差分后序列進行格蘭杰因果檢驗，結果顯示變量中只有產業效率的前期變化能有效解釋我國碳排放量變動，但這種解釋只是從先后時序上，且滯后4期后的小樣本容量影響了因果關系的顯著性[23]，我國碳排放量的變動是各類因素綜合作用的結果，需要進一步實證分辨。

3.2 直接效力比較

結合理論分析，價差對碳排放的作用也是間接的，內外部能源價差以價格形式通過產業內能源供需總量、結構及效率等路徑間接影響我國碳排放總量。首先將中間路徑黑箱化，內外能源價差和產業三維度變量一同納入碳排放因素中，構建直接效應模型：

基于不同階段內價差與碳排放變動關系的非對稱描述，將價差對碳排放影響效應研究按照兩個階段劃分，對比相關變量變動對碳排放總量的影響，見表1、表2。

（1）在1978-1993年區間內，E沒有通過顯著性檢驗，結合圖2可以看到，產業效率變動極小，反映敏感度低，對碳排放總量作用不明顯。將E剔除后模型及解釋變量均通過顯著性檢驗，擬合優度99.23%，Y、S及P的碳排放變動系數分別為0.464 4、-0.158 0和-0.012 9，在小價差階段Y與碳排放變動同向，S與碳排放變動反向，即經濟結構優化促進碳減排的實現。1978-1993年我國第二、三產業產值均有所上升，重工業的穩定占比導致我國經濟結構優化進程緩慢，碳排放總量仍保持增長。內外部能源價差與碳排放總量存在負向關系，但效力小于Y和S，將能源價格控制在此范圍并適度增加價格扭曲度有利于碳抑制。

（2）在1994-2011年區間內，各變量中除P外均通過檢驗，但是DW=0.98表明模型存在自相關，因此檢驗系數有效性喪失。消除自相關后S沒有通過顯著性檢驗，將S剔除后模型及解釋變量均通過顯著性檢驗，擬合優度仍在60%以上。此時Y與碳排放總量仍保持同向變動，E對碳排放的負向作用明顯。P與碳排放總量存在正相關關系，此階段價格扭曲過度，政府為穩定國內物價而加大能源定價干預，使國內能價升幅落后于國外，或與國外能價相對調整方向相悖，拉動碳排放量，能源價格倒掛現象出現，國內能源過度消費，局部地區因企業限制能源供給出現“能荒”。

3.3 調節效力比較

能源價格必須通過供需總量調整對經濟總量、結構和效率產生影響，因此與碳排放總量呈遠程調節關系。去黑箱化后，內外部能源價差對碳排放僅有間接影響，調節效力的比較更符合實際意義，構建內外能源價差對我國碳排放影響的調節效應模型：

仍基于兩個階段的劃分將其調節作用進行比較，1978-1993年直接效應模型中E沒有通過顯著性檢驗，產業效率在小價差階段內存在阻滯，將內外能源價差傳遞

途徑限于產業總量及結構，1994-2011年直接效應模型中S沒有通過顯著性檢驗，產業結構在此階段內存在阻滯，將內外能源價差傳遞途徑限于產業總量及效率，結果見表3、表4。

（1）在調節效應模型中Y、S和E的作用方向與直接效應一致。能源是企業生產要素之一，企業生產帶動能源消費增加，Y對碳排放有正向作用，且彈性系數大于其他變量。高能耗集中在鋼鐵、水泥等工業產業，80年代中后期產業結構優化，碳排放增速放緩，90年代中后期產業效率上升，單位產值下能源成本降低，碳抑制作用明顯。

（2）在1978-1993年區間內，內外能源價差分別通過Y和S實現的碳排放調節效力為0.162 9和0.014 6，價格負向扭曲，能源消費成本低，包括重工業在內的產業生產恢復，能耗增加。同時納入Y和S，價差調節效力分別為0.161 8和-0.081，通過S實現的調節效力增大，且在S碳抑制作用中有接近25%的貢獻。低能源消費成本推動產業總值增加，社會消費水平上升，產業結構轉向低能耗。而在1994-2011年區間內，內外能源價差分別通過Y和

E實現的碳排放調節效力為0.455 9和0.630 4，同時通過Y和E實現的調節效力為0.303 7和0.338 1，皆為正效應。在此階段，E成為價差影響碳排放的最主要路徑，能源價格負向扭曲顯著，企業技術研發動力不足，能源效率整體提升受阻，內外能源價差擴大會抵消產業效率的碳抑制作用。

（3）對比兩階段的調節效力看到前期效力明顯小于后期，計劃體制主導下價格對碳排放的影響效力有限，小幅價差的碳抑制效力也較??；而市場化程度提高后價格對碳排放的影響效力增強，價格扭曲過度對碳排放的拉動效應會更大。因此現階段通過市場化改革將內外能源價差控制在合理范圍內，縮小內外價差是逐步實現碳抑制，控制碳排放總量及增速的多重選擇。

4 非對稱性進一步考察

直接和調節效力模型只是從平均意義上分析國內外能源價差對碳排放影響的非對稱性，需要采用狀態空間模型SSM從時變意義上進一步考察能源價格扭曲度對碳排放影響的非對稱效應。不同階段內的碳排放影響因素不同，價差變動對碳排放的時變影響模型也需要分階段調整，結果如表5、圖3、圖4所示。

（1）剔除1978-1980年作用效力的異常波動，1981-1993年區間內，Y和S影響效力一直大于內外能源價差，S在1981-1983年的正效應極有可能受1980年異常負向波動的滯后影響回升，除此之外Y與S的效力彈性系數基本穩定。在此階段內，內外能源價差變動對碳排放有負向

影響，效力范圍在（-0.020 9，-0.012 1），彈性系數變動平穩，此時國內外能源開發使用有限，能源要素稀缺性高，能源計劃價格體制發揮了價格調節抑制碳排放的作用。

（2）剔除1994-1996年技術倒掛下作用效力的異常波動，

1997-2011年區間內， Y和E影響效力一直大于價差，效力范圍在

（0.682 7，1.368 0）和（-0.051 6，-1.129 8），彈性系數均呈擴大后縮減變動，E對碳排放負向影響從1996年開始明顯，2002年后效力逐年減小，結合調節效應分析認為價差擴大弱化了產業效率的碳抑制作用。在此階段內，內外能源價差變動對我國碳排放總量的影響是正向的，效力范圍在

（0.014 1，0.251 7），彈性系數呈下降后回升趨勢，其中1994-1999年彈性系數均在0.1以上，價差范圍在（500，700）之間，碳拉動效應明顯。2000-2011年價差在（800，300 0）之間時，彈性系數變動在（0.014 1，0.092 1）范圍內，碳拉動效力小于前期，但2006年價差進一步突破200 0點后拉動效力回升明顯，如何快速全面控制內外部能源價格扭曲亟待解決。

（3）對比兩階段價差彈性系數，1978-1993年價差對碳排放影響為負向且效力平穩，能源要素不顯著情形下，價差對碳排放有低抑制作用。1994-2011年價差的效力為正，效力及其波動明顯大于前期，能源要素價值顯著情形下，低市場化下價差對碳排放的拉動作用會一直處于較高水平，價格扭曲度變化也會增加效力的不確定性。全面的市場化改革勢在必行。

5 結論及建議

內外部能源價差對我國碳排放總量影響存在非對稱效應，不同價格扭曲程度對碳排放影響的效力方向、大小、路徑和效力變動幅度均有所不同。①1978-1993年間能源要素地位不顯著，產業總量、產業結構對碳排放作用明顯，強計劃定價下，內外部能源價差對碳排放存在負效應，并且通過產業結構調整路徑實現，效力小且變動平穩。碳減排視角下，此范圍內存在的能源價格扭曲是可接受的。②1994-2011年間能源要素地位凸顯，產業總量、產業能源效率對碳排放作用明顯，低市場化定價下，內外部能源價差對碳排放有明顯正向拉動作用，效力大于前期，并主要通過產業效率調整路徑實現，正效力波動性大。緩慢的能源市場化進程對國內節能產生阻礙，減少碳排放需要縮小內外部能源價差，而將價差控制在某時點范圍內可以減少碳拉動效力?；谏鲜鼋Y論，提出如下政策建議：

第一，自上而下推進國內能源產品市場化改革，以市場定價為主，與國外能源價格相對調整保持一致，發揮價格資源配置作用。目前我國煤炭價格已經基本實現了市場化，在石油、電力、天然氣價格方面也應該逐步開放，減少行政定價，由能源消費主體自行選擇?，F行能源企業的國家控股或主導性質直接限制了能源價格變動的靈活性，非國有化能源企業，將民間資本引入能源行業，減少行政對能源企業補貼也成為能源價格市場化的重要方面。

第二，行政干預在現階段市場化進程中需要全面的配合調整，在掌握能源價格的適時變動下針對性地引導國內能源價格變動，完善股市、期市中能源相關交易，轉移行政補貼方向，引導能源消費主體定價。

第三，現階段產業結構的碳抑制作用弱化，產業效率提高成為降低碳排放的最有效手段。而目前我國產業效率仍處于較低水平，調整能源消費結構，降低能源消費總量，尤其是減少煤炭、石油等傳統能源的低價消費及出口，增加新能源的開發與使用，是實現產業總量的高效化，減少總體能耗及碳排放量的必然選擇。

參考文獻（References）

[1]James B A. CO2 Emission， Energy Consumption， and Output in France[J]. Energy Policy，2007，25（10）：4772-4778.

[2]林伯強，孫傳旺. 如何在保障中國經濟增長前提下完成碳減排目標[J]. 中國社會科學，2011，（1）：64-76.[Lin Boqiang，Sun Chuanwang. How Can China Achieve Its Carbon Emission Reduction Target while Sustaining Economic Growth？[J]. Social Sciences in China，2011，（1）：64-76.]

[3]陳詩一. 中國碳排放強度的波動下降模式及經濟解釋[J]. 世界經濟，2011，（4）：124-143.[Chen Shiyi. Down Change Mode and Economic Explaining of China’s Carbon Emission Intensity[J]. The Journal of World Economy，2011，（4）：124-143.]

[4]林伯強. 中國能源政策思考[M]. 北京：中國財政經濟出版社，2009.[Lin Boqiang. China’s Energy Policy Thoughts[M]. Beijing：China Financial & Economic Publishing House，2009.]

[5]魏巍賢，林伯強. 國內外石油價格波動性及其互動關系[J]. 經濟研究，2007，（12）：130-141.

[Wei Weixian，Lin Boqiang. Volatility and Inter Relationship of Domestic and Foreign Petroleum Price[J]. Economic Research Journal，2007，（12）：130-141.]

[6]鄧祥周，田立新，段希波. 能源價格的動態模型分析[J]. 統計與決策，2007，（1）：9-10.[Deng Xiangzhou，Tian Lixin，Duan Xibo. Dynamic Analysis Model of Energy Price[J]. Statistics and Decision，2007，（1）：9-10.]

[7]Birol F， Keppler J H. Prices，Technology Development and the Rebound Effect[J]. Energy Policy，2000，（28）：437-469.

[8]何凌云，林祥燕. 能源價格變動對我國碳排放的影響機理及效應研究[J]. 軟科學，2011，25（11）：94-98.[He Lingyun，Lin Xiangyan. Research on the Mechanism and Effect of Energy Price Shocks on China’s Carbon Emission[J]. Soft Science，2011，25（11）：94-98.]

[9]胡宗義，蔡文彬. 能源要素價格改革對我國經濟發展的影響分析――基于一個動態可計算一般均衡（CGE）模型[J]. 系統工程，2009，27（11）：91-95.[Hu Zongyi，Cai Wenbin. Analysis of Effect of Energy Factor Price Reform on China’s Economic Development：Based on a Demonstrational an Calculated CGE Model[J]. Systems Engineering，2009，27（11）：91-95.]

[10]Vanden K F，Jefferson G H. What Is Driving China’s Decline in Energy Intensity？[J]. Resourse and Energy Economics，2004，26（1）：77-97.

[11]楊冕，楊福霞，陳興鵬. 中國能源效率影響因素研究：基于VEC模型的實證檢驗[J]. 資源科學，2011，33（1）：163-168.[Yang Mian，Yang Fuxia，Chen Xingpeng. Research on Factors of China’s Energy Efficiency：Empirical Test Based on VEC Model[J]. Resources Science，2011，33（1）：163-168.]

[12]譚忠富，張金良. 中國能源效率與其影響因素的動態關系研究[J]. 中國人口?資源與環境，2010，20（4）：43-49.[Tan Zhongfu，Zhang Jinliang. Demonstrational Analysis of the Relationship Between Energy Efficiency and Its Influential Factor in China[J]. China Population，Resources and Environment，2010，20（4）：43-49.]

[13]史丹. 中國的經濟結構、增長速度與能源效率[J]. 國際石油經濟，2007，（7）：7-15.[Shi Dan. China’s Economic Structure，Growth Pace and Energy Efficiency[J]. International Petroleum Economics，2007，（7）：7-15.]

[14]成金華，李世祥. 結構變動、技術進步以及價格對能源效率的影響[J]. 中國人口?資源與環境，2010，20（4）：35-42.[Cheng Jinhua，Li Shixiang. Structural Shift，Technological Progress，Energy Price and Energy Efficiency[J]. China Population，Resources and Environment，2010，20（4）：35-42.]

[15]王治平. 我國能源價格與能源效率變動關系研究[J]. 價格理論與實踐，2011，（3）：31-32.[Wang Zhiping. Research on Changeable Relationship between Energy Price and Energy Efficiency in China[J]. Price：Theory & Practice，2011，（3）：31-32.]

[16]張宗益，咼小明，汪峰. 能源價格上漲對中國第三產業能源效率的沖擊――基于VAR模型的實證研究[J]. 管理評論，2010，22（6）：61-70.[Zhang Zongyi，Wo Xiaoming，Wang Feng. Impulse of Energy Price Rising on Chinese Third Industrial Energy Efficiency：Empirical Research on VAR Model[J]. Management Review，2010，22（6）：61-70.]

[17]杭雷鳴，屠梅曾. 能源價格對能源強度的影響――以國內制造業為例[J]. 數量經濟技術經濟研究，2006，（12）：93-100.[Hang Leiming，Tu Meiceng. Effect of Energy Price on Energy Efficiency：Example as Domestic Manufacturing Industry[J]. The Journal of Quantitative & Technical Economics，2006，（12）：93-100.]

[18]魏一鳴. 中國能源報告（2011）――能源安全研究[M]. 北京：科學出版社，2011.[Wei Yiming. China Energy Report（2011）：Energy Safety Research[M]. Beijing：Science Press，2011.]

[19]柴建，郭菊娥，汪壽陽. 能源價格變動對我國節能降耗的影響效應[J]. 中國人口?資源與環境，2012，22（2）：33-40.[Chai Jian，Guo Ju’e，Wang Shouyang. Saving Energy and Energy Price Adjustment[J]. China Population，Resources and Environment，2012，22（2）：33-40.]

[20]楊繼生. 國內外能源相對價格與中國的能源效率[J]. 經濟學家，2009，（4）：90-97.[Yang Jisheng. Chinese and Overseas Relative Energy Prices and Chinese Energy Efficiency[J]. Economist，2009，（4）：90-97.]

[21]孔婷，孫林巖. 能源價格對制造業能源強度調節效應的實證研究[J]. 管理學報，2008，（3）：2-8.[Kong Ting，Sun Linyan. Empirical Research on Adjusted Effect of Energy Price on Manufacturing Industrial Energy Intensity[J]. Chinese Journal of Management，2008，（3）：2-8.]

篇8

中部地區是我國重要的能源原材料基地，本文采用2001—2014年的面板數據，運用隨機前沿模型對我國中部地區的碳排放效率進行了測算，并根據計算結果對中部地區的碳排放效率進行了收斂性檢驗和預測。主要結論是:(1)中部地區2001—2014年的碳排放效率呈逐年上升的趨勢，且內部省份的碳排放效率差距不斷縮小;(2)中部地區的碳排放效率存在σ收斂和β收斂。在對碳排放效率作出評價基礎上，論文最后提出了相應的因地制宜對策建議。

關鍵詞:

碳排放效率;隨機前沿模型;中部地區;收斂性檢驗

據統計，2013年中國碳排放總量超過歐美總和，人均碳排放首次超過歐盟，我國的碳排放總量已占到世界碳排放量的29%。我國政府在2009年提出了在2020年單位GDP的碳排放量要在2005年的基礎上下降40%～45%的自主減排目標，但我國的能源結構中煤炭占一次能源的70%以上，而且從技術因素和結構性因素來看，我國的能源轉換和利用效率均低于發達國家，從而導致了我國的碳排放強度與發達國家有很大的差距。在全球生態氣候環境快速惡化的情況下，發展低碳經濟且保護環境氣候，解決可持續發展的有效手段之一就是提高碳排放效率。早期部分學者采用單要素指標研究碳排放效率，但是楊紅亮等［1］卻認為單要素指標雖然簡單易懂但會存在許多的不足之處，例如只用碳排放強度這個單一的要素指標來衡量碳排放效率，最終無法反映各要素之間的替代關系，因為能源只有在與其他的要素結合后才能進行生產，并且碳強度還與產業結構、經濟發展水平和地區環境資源等相關，產業結構等的變化都會導致碳強度發生一定的變化，然而碳排放效率可能不發生變化;近年來大量的文獻從全要素的角度出發，采用數據包絡分析法(DEA)對碳排放效率進行了評價，比如屈小娥［2］從全要素的角度運用DEA測算了1995—2010年我國30個省份的二氧化碳排放效率。數據包絡分析法是一種運用方程組求極值的方法，對碳排放效率前沿進行估算時很容易受到一些數據質量的影響，且研究我國碳排放效率的數據一般為宏觀統計數據，有一定的較大誤差，所以運用數據包絡分析法得到的測算需要進行嚴格的檢驗，但是數據包絡分析模型不但沒有將隨機因素的影響考慮在內，而且不具有統計的特性導致不能對模型進行一定的檢驗。隨著隨機干擾項的引入，隨機前沿模型更準確地描述生產者的行為，它首先假設偏離前沿的因素來源于兩個方面，其中一個是非負隨機誤差項，表示技術無效，另外一個是隨機誤差項，表示噪聲的系統［3］。RistoHerrala等［4］基于前沿邊界模型(SFA)方法對世界170個國家1997—2007年二氧化碳排放效率進行了測算，結果表明中國的碳排放效率低于世界其他國家。杜克銳等［5］利用隨機前沿模型和面板數據測算了我國的碳排放效率，最終得出我國碳排放效率存在地區差異，且這種差異在不斷的擴大。趙國浩等［6］基于隨機前沿模型測算了山西省1995—2010年的碳排放效率，并且對山西省碳排放效率的影響因素進行了深入的分析研究。我國中部地區處于中原地帶，是東西南北地區互通的必經之路。雖然資源比較豐富，工業基礎相對較好，但是由于產業結構層次不高，二元經濟有大的反差，增加經濟產值需要消耗大量的資源。再加上生產管理水平、污染治理投入不足等原因，經濟增長所帶來的環境負面影響不能被生態環境完全消化和吸收，從而碳排放量較大。但目前有關我國中部地區碳排放效率評價的相關文獻不多，本文以中國中部地區為研究對象，基于隨機前沿模型測算出碳排放效率，對中部地區碳排放效率進行研究分析，最后提出因地制宜的對策建議，為中部地區提高能源利用效率和節能減排提供決策參考。

1研究方法

1．1計量模型隨機前沿方法(SFA)是考慮問題比較全面的效率估計方法。它主要是基于宏觀層面的相關統計數據(對最基礎的數據進行計算獲得)，從投入產出的角度來測算效率。從該方法的基本原理來看，對碳排放效率的定義會更加直觀，更能貼切的評價生產活動中CO2的排放績效，這也是本文選擇該模型作為研究方法的重要原因。在有關效率估算的定量研究中，一般運用生產函數模型，來反映生產投入與產出函數量之間的關系。Aigner，Lovell和Schmidt(1977)［7］以及Meeusen和VanDenBroeck(1977)［8］分別獨立提出了隨機前沿生產函數。起初該模型并沒有處理綜列數據的能力，但是Battese和Coelli(1995)［9］在1992年提出了一個針對那些綜列數據的隨機生產模型，通過極大似然估計的方法來確定前沿邊界，使該模型在處理跨時間段的數據成為了可能，極大的提升了應用范圍。本文基于隨機前沿模型，采用了較為靈活的超越對數函數，通過極大似然估計的方法來確定前沿邊界。

1．2數據來源本文的樣本選擇了山西、安徽、江西、河南、湖北和湖南等中部地區的6個省際的面板數據集，考慮到數據的可得性與可比性，樣本觀測區間設定為2001—2014年。生產投入指標選取能源碳排放量、從業年均人數和資本存量，產出指標選取地區生產總值。相關數據來源于《中國能源統計年鑒》、《中國統計年鑒》和中部6省歷年統計年鑒。相關指標及其數據處理說明如下:(1)各省的GDP(Y)。各省的國內生產總值數據直接來源于《中國統計年鑒》，然后在此基礎上以2001年作為基準，將各省歷年的GDP按照2001年的可比價格進行折算。(2)各省的固定資本存量(K)。資本投入以資本存量數據表示地區的資本投入量，采用永續盤存法來進行估算。在方法上本文將借鑒單豪杰等［10］的估算方法，以2001年的不變價格換算2001—2014年的數據，單位為億元。(3)各省的從業人員(L)。從業人員直接選取了中國統計年鑒中中部地區各省的2001—2014的年末從業人數。(4)各省的碳排放量(TC)。統計年鑒中沒有直接的碳排放量的數據，要用一定的測算的方法對能源消費進行處理，能源消費數據來源于《中國能源統計年鑒》，在對碳排放量的測算上，本文采用了IPCC《國家溫室氣體清單指南》的測算方法，以下是能源消費的碳排放量計算公式。

2實證結果與分析

2．1模型計算結果和分析基于隨機前沿模型，采用2001—2014年的面板數據，測算了中國中部地區2001—2014年的碳排放效率，由Frontier4．1程序運用其中的最大似然法來估算得出各項參數，參數估算結果如表1所示，碳排放效率的計算結果如表2所示。從表1可以看出，碳排放效率和勞動力的系數為正，資本的系數為負，即前兩者與產出呈正相關，資本與產出GDP呈負相關;勞動力、碳排放量和資本三者之間的相互影響皆約等于0，說明對產出的影響都不明顯。從表2中可以看出，2001—2014年我國中部地區的碳排放效率穩步上升。從中部地區六省近3年碳排放效率的平均值來看，河南的碳排放效率最高，湖南次之;安徽的碳排放效率最低，山西次之;中部地區的碳排放效率平均水平達到0.738。從樣本期間各地碳排放效率的演變趨勢來看，中部地區的碳排放效率變動趨勢大體一致，整體上呈現上升的趨勢。中部地區6省的碳排放效率的差距在逐漸縮小，而河南的碳排放效率一直處于最高水平，碳減排任務最為艱巨。我國中部地區的碳排放效率平均值在2001—2014年間呈現緩慢上升的趨勢，中部各省區的碳排放效率差距正在縮小。

2．2收斂性檢驗收斂性分析在于檢驗不同地區碳排放效率的趨同與發散情況，收斂一般分為3種類型，即σ收斂、絕對β收斂和條件β收斂。(1)σ收斂性檢驗對于σ收斂，測度的方法通常有標準差、變異系數、基尼系數和泰爾指數等。為了更進一步考察地區內部的差異，本文使用變異系數來對中部地區碳排放效率進行σ收斂性檢驗，結果如圖1所示。中部碳排放效率的變異系數隨著年份的增加不斷的下降，且這種下降比較穩定，說明中部地區各省碳排放效率的差異在不斷縮小，顯示出明顯的σ收斂特征，沒有發散的趨勢。(2)絕對β收斂檢驗采用Sala－i－Martin(1996)［11］的方法進行絕對β收斂檢驗，構造回歸模型如下。其中ɑ是常數項，β是待估的收斂參數，ε為隨機誤差項，Eit、Ei0分別表示第i地區在第t年和初始年的地區碳排放效率，git表示t年間第i地區碳排放效率的平均增長速度。采用最小二乘法進行回歸，若β顯著為負，表明存在絕對β收斂。

為消除經濟周期或經濟波動的異常影響，我們將2001—2014年劃分為3個時期，以2001—2004年工業碳排放效率平均值作為初始值，以2011—2014年工業碳排放效率平均值作為期末值，兩個時間段的時間差距為10年，即式(4)中的t=10，絕對β收斂檢驗結果見表3。從表3可看出，中部地區的β=－0．68為負數且在1%的水平下顯著，所以碳排放效率具有絕對β收斂趨勢，即中部各地的碳排放效率趨于同一穩定狀態，初始值低的地區碳排放效率平均增長速度高于初始值高的地區，存在落后地區追趕先進地區的發展趨勢。(3)條件β收斂檢驗進行條件β收斂檢驗需要加入控制變量，為了更好地對中部地區碳排放效率進行分析，在此選碳排放效率的直接影響因素作為控制變量，主要包括能源消費結構、技術進步、產業結構和城市化水平等4方面。本文使用如下回歸方程式進行檢驗。利用面板數據固定效應模型進行條件β收斂檢驗(見表4)，中部地區的β值為負，且達到了1%顯著水平。結果表明，中部地區碳排放效率存在條件β收斂，收斂于自己的穩態水平，由于又呈絕對收斂特征，表明中部內部各省份碳排放效率趨向于一個共同的穩態水平。產業結構對碳排放效率的提高起到了促進作用，第二產業占比越大，越有利于碳排放效率的提升;而在城市化進程中，碳排放量也會隨著城市的發展有一定程度的增長，同時，城市化進程中的技術創新和資源優化配置，對碳排放效率存在一定的促進作用;中部地區的城市化進程水平還不是很好，工業化進程相對緩慢，對能源的大量使用還是有很強的依賴性，特別是河南和山西，是煤炭的能源大省，因此在能源結構中煤炭的消耗量也是最大的，從而導致煤炭在整個能源消費總量中占的比重比較大，碳排放相對于其他能源也比較高，因此它對整個碳排放效率的提高起到了阻礙作用;技術進步的系數為負值，對整個效率的提高具有一定的阻礙，但不明顯，由此可見技術進步還需要進一步的加強，引進能夠減少碳排放量的先進技術。

3結論和政策建議

本文采用SFA模型測算了碳排放效率值，在2001—2014年期間，中部地區的能源碳排放效率均呈不斷增長趨勢，且內部省份的碳排放效率差距較小。在樣本期間，中部地區的碳排放效率平均值為0．738，說明我國中部地區能源仍有一定的減排潛力有待挖掘。碳排放效率越高的省份，能源碳減排的成本越高，碳減排政策的制定與實施，需要考慮不同省份碳排放效率的差異，測算與比較地區碳排放效率，可以為各地碳減排目標的設定提供參考。從碳排放效率的收斂性來看，中部碳排放效率存在σ收斂和β收斂，說明中部碳排放效率存在追趕效應與趨同態勢，碳排放效率的差距呈現不斷縮小的趨勢。我國節能減排的任務要根據不同地區碳排放效率的差異來實施因地制宜的政策措施，從而能夠更好地利用各地區節能減排的潛力，來實現我國在2009年提出的節能減排目標。因此根據本文對中部地區碳排放效率進行的測算和分析，得出中部地區可以從以下方面來減少碳排放量:(1)提高中部地區的能源利用效率。從傳統能源的清潔利用和新能源的發展兩方面著手，從而提高能源的碳排放效率，降低中部各省的碳排放量。中部地區主要以煤炭為主的能源結構，應該積極引進一些新的先進技術，實現煤炭等傳統能源的清潔利用。同時加快煤制天然氣產業發展，降低二氧化碳的排放，可通過利用煤炭大量生產無碳氣體氫氣，從而減少煤炭在燃燒過程中排放的各種環境污染物。(2)優化中部地區的產業結構。中部地區經濟增長主要依靠第二產業帶動，第三產業發展相對落后。調整產業結構，積極引導高耗能行業健康發展，關閉一些耗能大、污染重的企業，控制高耗能行業的過快增長，運用低碳環保技術對煤炭、鋼鐵、冶金等傳統產業進行技術改造，推動煤炭等資源型企業向規模化、集約化、可持續化的方向發展，促進第三產業的快速發展。(3)調整中部地區的能源消費結構，改變部分省能源結構單一的局面，向清潔能源轉化。中部地區各省的現狀是以煤炭為主的能源結構，且煤炭又是中部地區碳排放的主要來源，因而調整能源結構對提高碳排放效率非常重要。隨著科學技術的快速發展，各省應結合自身的發展情況和各自的資源優勢，通過開發水電、發展風電、推進核電就地轉化，與其他清潔能源相比，核電的供應相對比較穩定，且不受氣候變化的影響，可以用來滿足基礎用電的供應。轉化核電的原材料用料相對比較少，不但減少了成本費用，而且也減少了運輸產生的資源費，為交通工作減少了壓力。在這些有限的不可再生資源開發中，還應該積極開發可以循環利用，特別是可再生能源。太陽能是一個新生能源，可稱得上是綠色能源，太陽能具有成本低、無污染和可再生的特點，符合保護環境的理念，我們目前可使用的各種清潔能源中，太陽能的轉換效率比較高，并且經濟實惠具有很大的發展空間，是未來新能源發展的必然選擇。

參考文獻

［1］楊紅亮，史丹．能效研究方法和中國各地區能源效率的比較［J］．經濟理論與經濟管理，2008(3):12－20．

［2］屈小娥．中國省際全要素CO2排放效率差異及驅動因素—基于1995－2010年的實證研究［J］．南開經濟研究，2012(3):128－141．

［3］蒂莫西•J•科埃利，D•S•普拉薩德•拉奧，克里斯托弗•J•奧唐奈，等．效率與生產率分析引論(第二版)［M］．王忠玉，譯．北京:中國人民大學出版社，2008．

［4］HerralaR，GoelRK．GlobalCO2efficiency:Countrywiseestimatesusingastochasticcostfrontier［J］．EnergyPoli-cy，2012，45(6):762－770．

［5］杜克銳，鄒楚沅．我國碳排放效率地區差異、影響因素及收斂性分析［J］．浙江社會科學，2011(11):32－43．

篇9

基金項目：國家自然科學基金項目（70773027）；教育部人文社會科學研究規劃基金項目（12YJA790010）；黑龍江省哲學社會科學規劃項目（11A004）；東北大學秦皇島分校校內科研基金項目（XNB201316）

作者簡介：張 偉（1983-），女，河北灤南人，講師，研究方向為管理系統工程；王韶華（1986-），男，河北邢臺人，講師，研究方向為管理系統工程。

摘要：運用通徑分析明確了三次產業比例的相互關系及與碳強度的關系，在此基礎上計算三次產業比例對碳強度和GDP的貢獻，據此分析產業結構變動對碳強度影響的靈敏度。研究結論表明：第三產業比例、灰因素等是碳強度增長的主要抑制因素，第一產業比例、第二產業比例等是碳強度增長的主要推動因素。在目前灰因素水平下，降低第一產業比例，增加第三產業比例對降低碳強度的貢獻最大，優化產業結構可以降低碳強度1725個百分點，對實現“十二五”規劃碳強度目標的貢獻為1015%。

關鍵詞：產業結構；碳強度；貢獻；靈敏度矩陣

中圖分類號：F1213；F205 文獻標識碼：A 文章編號：1001-8409（2013）08-0046-04

1 引言

隨著世界范圍內工業化進程的加快，經濟發展與能源、環境之間的矛盾也日益突出。為應對氣候變化，改善環境惡化狀況，低碳經濟這一經濟發展模式被提出。為踐行低碳經濟的發展模式，我國政府提出了節能減排戰略，并在“十二五”規劃綱要中明確了節能減排的具體目標，即“十二五”期間碳排放強度降低17%，并將列為具有法律約束力的約束性指標，我國的節能減排開始進入攻堅階段。

實現碳強度目標可采取一系列對策，其中，產業結構優化作為加快轉變我國經濟發展方式的主攻方向，也是有效降低碳強度的重要手段。李艷等[1]通過計量1980～2007年我國經濟總量、產業結構和碳排放強度與碳排放之間的關系，認為碳減排的重點應是調整產業結構及降低各產業的碳排放強度；劉衛東等[2]認為影響我國碳排放強度的主要因素包括發展模式、產業結構、節能技術、一次能源結構、生活方式與節約意識、生態系統的碳匯效應等，并將結構減排作為降低碳排放強度的重要手段；林伯強等[3]通過一般均衡模型評估能源結構變化導致的能源成本對宏觀經濟的影響，認為現階段通過能源結構減排的空間不大，應該重視產業結構節能減排的效力；孫建衛等[4]按部門核算碳排放量，并將碳排放強度及總量分解成總產出、產業結構和技術進步，探討各分解因素對其的影響；籍艷麗、郜元興[5]基于投入產出模型的結構因素分解法對碳排放強度進行因素分析，認為生產模式的轉變是其降低的主要原因；虞義華等[6]利用面板數據計量分析了二氧化碳排放強度同經濟發展水平以及產業結構之間的關系，分析表明，沒有產業結構的變化，單靠經濟增長速度無法大幅度降低碳排放強度；孫敬水[7]通過實證研究發現，產業結構變動對降低碳排放強度的負向貢獻率較?。荒茉聪M結構變動對降低碳排放強度的正向貢獻率較小。李健、周慧[8]從產業結構角度探討了碳排放強度問題，運用灰色關聯分析方法，研究了我國碳排放強度與第一產業、第二產業和第三產業之間的關聯性。

以上文獻主要是將產業結構作為一個驅動因素分析對碳強度的貢獻，但并沒有對產業結構內部變動對碳強度影響的靈敏度做深入研究。本文利用通徑分析明確了三次產業產值比例的相互關系及對碳強度的直接與間接影響，據此分析產業結構變動對碳強度影響的靈敏度，從而就優化產業結構對實現“十二五”規劃碳強度目標的貢獻潛力進行評估。

2 三次產業比例對碳強度的影響機理

通徑分析是簡單相關分析的繼續，在多元回歸的基礎上將相關系數加以分解，通過直接通徑、間接通徑及總通徑系數分別表示某一變量對因變量的直接作用效果、通過其他變量對因變量的間接作用效果和綜合作用效果[9，10]。本文主要利用通徑分析探究三次產業產值比例的相互關系及對碳強度的直接與間接影響。

管理水平、技術水平等非物質因素對碳強度的影響比較顯著，這些因素不具備清晰的輪廓、確定的內涵和明確的數值關系，稱之為灰要素[11～15]。為便于分析，將其歸結為隨時間變化的變量，設碳強度為y，xi（i=1，2，3）為第i產業產值占GDP的比重，x4為灰因素（x4=t）?；?994～2009年統計數據，可得到各自變量的直接通徑系數為：

通過t檢驗，得到各自變量的t值分別為t1=2710，t2=2649，t3=2330，t4=-6279，當α=005，t0025（11）=2201，可見各自變量t值絕對值均大于208，說明各自變量對因變量的通徑系數均極顯著。由表1可得：各因素對碳排放強度的直接影響（按絕對值大小）排序為x3>x1>x4>x2，而總影響大?。ò唇^對值大小）排序為x4>x3>x1>x2，通過表1可計算得出各自變量的決策系數分別為R（1）2=0552048，R（2）2=-0173715，R（3）2=-5130144，R（4）2=0954504，按絕對值大小排序為R（3）2>R（4）2>R（1）2>R（2）2，說明第三產業比例、灰因素等是碳強度增長的主要抑制因素，第一產業比例、第二產業比例等是碳強度增長的主要推動因素。

產業結構及灰因素對碳強度的影響機理分析結果如下：

（1）第一產業比例對碳強度的直接影響為1484，總影響為0928，通過第二產業比例（-0026）和第三產業比例（-1425）間接抵消了1451，而通過灰因素間接增加0895。這說明，在管理水平、技術水平等灰因素水平較高時，降低第一產業比例，反而會增加碳強度。

（2）第二產業比例對碳強度的直接影響為0555，總影響為0121，通過第一產業比例（-0069）和第三產業比例（-0432）間接抵消了0501，而通過灰因素間接增加0067。可見，降低第二產業比例，增加第三產業比例可以降低碳強度，而在管理水平、技術水平等灰因素水平較高時，降低第二產業比例，反而會增加碳強度。

（3）第三產業比例對碳強度的直接影響為1516，而總影響為負相關的-0934，通過第一產業比例、第二產業比例和灰因素等間接抵消了2450?？梢?，在管理水平、技術水平等提升至較高程度時，降低第三產業比例，增加第一產業比例，可以降低碳強度。

（4）灰因素對碳強度的直接影響為-0972，通過第一產業比例和第二產業比例對其的間接影響為-1404，而通過第三產業比例正面抵消了1399，總影響為-0977。可見，提高灰因素水平，增加第一產業比例，可以降低碳強度。

3 三次產業比例對碳強度及GDP的貢獻

31 三次產業比例對碳強度的貢獻

設碳強度為y，xi（i=1，2，3）為第i產業產值占GDP的比重，x4為灰因素，隨時間變化，因此x4=t，ε為隨機誤差項，由于自變量和因變量之間的非線性關系[16]，建立模型y=εxβ11xβ22xβ33xβ04，兩邊同時取對數得：

從通徑分析的結果可以看出：各因素在很大程度上主要通過其他因素對碳強度產生間接作用，如第三產業比例對碳強度的直接通徑系數為1516，是碳強度增長的主要推動因素，但通過第一產業比例、第二產業比例、灰因素等對碳強度的間接通徑系數高達-2450，對碳強度增長的間接抑制作用大于直接推動作用，總影響為負?？梢姡饕蛩刂g存在著較嚴重的共線性現象。為消除所選變量共線性對回歸結果的影響，本文選取嶺回歸分析方法進行擬合。嶺回歸分析是一種專門用于共線性數據分析的有偏估計方法，它實際上是一種改良的最小二乘法，是以放棄最小二乘的無偏性，放棄部分精確度為代價來尋求效果稍差但更符合實際的回歸過程[17]。

利用SPSS160軟件對全部變量做嶺跡分析，嶺跡圖和不同K值時決定系數的變化情況如圖1和圖2所示。

從嶺跡圖上可以看出：當K值到達015附近，各參數開始趨于穩定，圖1也顯示K值超過015后可決系數呈現穩定的下降趨勢，沒有呈現劇烈的波動。取K=015，根據1994～2009年時間序列數據，擬合得到的標準化嶺回歸方程為式（1）：

對模型進行顯著性檢驗的結果是R2=0952282，調整后的擬合度為093493，在α=005的顯著性水平下，F=5488048>F005（4，11）=336。通過對模型預測值與實際值誤差進行比較發現，此模型相對誤差的絕對值均值僅為241%，標準差為00002，預測精度較高。說明線性回歸擬合程度較好。

三次產業比例對碳強度的彈性系數分別為02496、00309、-0226，表示第一產業比例每提高一個百分點，碳強度會上升02496個百分點，第二產業比例每提高一個百分點，碳排放強度會上升00309個百分點，而第三產業比例每提高一個百分點，碳強度則會降低0226個百分點。因此，為實現碳強度下降的目標，應降低第一、二產業比例，提高第三產業比例。但考慮到我國保增長目標，產業結構調整并不能一味地降低第一產業或者第二產業的比例，應進一步分析三次產業比例對GDP增量的貢獻。

32 三次產業比例對GDP的貢獻

設GDP增量為G，xi（i=1，2，3）為第i產業產值占GDP的比重，x4為灰因素，隨時間變化，因此x4=t，ε′為隨機誤差項，由于自變量和因變量之間的非線性關系，建立模型G=ε′xβ′11xβ′22xβ′33xβ′4，兩邊同時取對數，得：

根據1994～2009年時間序列數據，估計得到的標準化方程：

（3）

對應的回歸方程為：

（4）

對式（4）進行顯著性檢驗，如表2所示。

對式（4）進行顯著性檢驗的結果是R2=0987，調整后的擬合度為0982，在α=005的顯著性水平下，F=208024>F005（4，11）=336，當α=005，t0025（11）=2201，各回歸系數均大于臨界值，通過了顯著性檢驗，方程的擬合效果較好。

三次產業比例對GDP的彈性系數分別為-2433、-0499、-2052，表示第一產業比例、第二產業比例、第三產業比例分別降低一個百分點，可分別使GDP增加2433個百分點、0499個百分點、2052個百分點，可見第一產業比例對GDP的影響最大，第三產業比例次之，第二產業比例最小。

4 產業結構變動對碳強度影響的靈敏度矩陣

假定第i（i=1，2，3）產業比例每降低一個百分點可以使碳強度降低βi個百分點，但同時也必須要增加第j（j=1，2，3，i≠j）產業的比例，設第i（i=1，2，3）產業比例對GDP的貢獻率為β′i（i=1，2，3），第i產業比例與第j產業比例的替代彈性σij=β′iβ′j，則需要增加σij個百分點的第j產業比例，那么碳排放強度將降低（βi-β′iβ′j·βj）個百分點。據此可得出三次產業結構變動對碳強度影響的靈敏度矩陣，如表3所示。

設三次產業結構變動矩陣為ΔV=ΔF，ΔS，ΔTT（ΔF、ΔS、ΔT分別為第一產業比例、第二產業比例、第三產業比例變動量，且有ΔF+ΔS+ΔT=0），考慮三次產業結構的增減，為便于計算，令ΔV′=12ΔF+ΔFΔS+ΔSΔT+ΔTT，三次產業結構變動對碳強度影響的靈敏度矩陣為P，則三次產業結構變動對碳強度影響矩陣為：

其中，DF表示第一產業比例降低ΔF個百分點對碳強度的影響，DS表示第二產業比例降低ΔS個百分點對碳強度的影響，DT表示第三產業比例降低ΔT個百分點對碳強度的影響。

根據“十二五”規劃關于產業結構調整的指導思想，加強農業基礎地位，提升制造業核心競爭力，發展戰略性新興產業，加快發展服務業以及主要目標，服務業增加值占國內生產總值比重提高4個百分點，參考賽爾奎因、錢納里的“三次產業結構演變的國際標準模式”，本文在2010年三次產業結構現狀基礎上，將2015年三次產業結構變動矩陣設為ΔV=-32，-08，40T，則可計算得到產業結構調整可以降低碳強度1725個百分點，對實現“十二五”規劃碳強度目標（碳強度降低17%）的貢獻潛力為1015%。

5 研究結論

通過研究可以發現：第三產業比例、灰因素等是碳強度增長的主要抑制因素，第一產業比例、第二產業比例等是碳強度增長的主要推動因素。在管理水平、技術水平等灰因素水平較高時，增加第一產業比例，降低第三產業比例，可以有效降低碳強度；而在現階段灰因素水平下，應主要通過增加第三產業比例實現碳強度目標。

綜合三次產業比例對降低碳強度以及國民經濟的貢獻，可以得到三次產業結構變動對碳強度影響的靈敏度矩陣。據此可看出：在現階段的管理水平、技術水平等灰因素水平下，降低第一產業比例，增加第三產業比例對降低碳強度的貢獻最大。其次依次是：降低第一產業比例，增加第二產業比例；降低第二產業比例，增加第三產業比例。根據“十二五”規劃關于產業結構調整的指導思想以及主要目標，產業結構調整可以降低碳強度1725個百分點，對實現“十二五”規劃碳強度目標的貢獻潛力為1015%。因此，“十二五”規劃節能減排目標的實現，除了優化產業結構，還應大力提高管理水平、技術水平等灰因素水平，有效發揮節能、能源結構優化和碳匯作用。

參考文獻：

[1]李艷等中國碳排放變化的因素分解與減排途徑分析[J]資源科學，2010（2）：218-221

[2]劉衛東等我國低碳經濟發展框架與科學基礎[M]商務印書館，2010

[3]林伯強等 節能和碳排放約束下的中國能源結構戰略調整[J]. 中國社會科學，2010（01）：58-71

[4]孫建衛等1995-2005年中國碳排放核算及因素分解研究[J].自然資源學報，2010，25（8）：1284-1295

[5]籍艷麗，郜元興二氧化碳排放強度的實證研究[J]統計研究，2011，28（7）：37-44

[6]虞義華等經濟發展水平、產業結構與碳排放強度—中國省級面板數據分析[J]經濟理論與經濟管理，2011（3）：72-91

[7]孫敬水中國碳排放強度驅動因素實證研究[J]貴州財經學院學報，2011（3）：1-6

[8]李健，周慧中國碳排放強度與產業結構的關聯分析[J] 中國人口·資源與環境，2012，22（1）：7-14

[9]郭菊娥等我國能源消費需求影響因素及其影響機理分析[J].管理學報，2008（5）：651-654

[10]郭菊娥等 一次能源消費結構變化對我國單GDP能耗影響效應研究[J] 中國人口·資源與環境，2008，18（4）：38-43

[11]徐國泉等中國碳排放的因素分解模型及實證分析：1995-2004[J]中國人口·資源與環境，2006（6）：158-161

[12]林伯強，蔣竺均中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J]管理世界，2009（4）：27-36

[13]劉紅光，劉衛東中國工業燃燒能源導致碳排放的因素分解[J]地理科學進展，2009（2）：285-292

[14]朱勤等 中國能源消費碳排放變化的因素分解及實證分析[J]資源科學，2009，31（12）：2072-2079

[15]范德成，張偉基于灰色變結構控制的中國產業結構優化模型及分析研究[J]統計與信息論壇，2010，25（10）：55-60

篇10

關鍵詞：碳排放 因素分解法 能源結構 能源效率

中圖分類號：F124.5 文獻標志碼：A文章編號：1673－291X（2011）26－0144－04

在經濟社會發展日益受到能源和環境制約的背景下，低碳經濟作為應對全球氣候變化、保障能源安全的基本途徑和戰略選擇，正在全球范圍內得到廣泛認同。黑龍江省是能源大省，其要素稟賦結構決定了產業結構。以煤和石油為主的資源稟賦決定了其產業為以煤、石油等資源為主的重工業為支柱的產業，煤炭和石油在其能源消費結構中占有很大的比重。而且長期以來，能源生產以石油為主、能源消費以煤碳為主的能源結構以及煤炭能源的低效利用，使得黑龍江省無論是碳排放總量，還是人均碳排放量和單位GDP碳排放量在全國都處于較高位置。因此，結合黑龍江省情，系統分析碳排放影響因素、尋求減排之策顯得尤為重要。

本文通過建立因素分解模型，采用對數平均權重Divisia分解法（Logarithmic Mean Weight Divisia Method，LMD），以碳排放量為研究對象，定量分析經濟增長、能源結構以及能源效率對黑龍江省1990―2009年碳排放量的影響，剖析黑龍江省碳排放與其影響因素間的演化規律和可能態勢，以便為黑龍江省經濟可持續發展提供相應的理論支撐。

一、因素分解模型

因素分解法是研究碳排放的一個比較常用的方法。Ang BW[1]將中國工業部門碳排放分解成經濟增長影響、產品結構影響以及能源利用效率影響三個影響因素；Shyamal Paula[2]將印度碳排放分解成GDP變化影響、產業結構影響、能源強度影響以及各能源碳排放影響四個因素；Malla Sunil [3]采用LMDI方法將終端能源消費相關的各部門碳排放量分解成經濟增長、產業結構變動、技術進步、能源消耗結構變動四個影響因素。

本文借鑒Johan A[4]使用的碳排放量基本公式來分析黑龍江省碳排放量的影響因素，其基本公式如下：

C＝■iCi＝■i■×■×■×■×P （1）

其中C為碳排放總量；Ci為i種能源的碳排放量；E為一次能源的消費量；Ei為i種能源的消費量；Y為國內生產總值（GDP）；P為人口數量。

下面分別定義，各類能源排放強度Fi＝■，即消費單位i種能源的碳排放量；能源結構因素Si＝■，即第i種能源在一次能源消費中的份額；能源效率因素I＝■，即單位GDP的能源消耗；經濟發展因素R＝■。由此，人均碳排放量可以寫為：

A＝■＝■iFiSiIR （2）

式（2）顯示，人均碳排放量A的變化來自于Fi（能源排放強度）的變化、Si（能源結構）的變化、I（能源效率）的變化和R（經濟規模）的變化。

故第t期相對于基期的人均碳排放量的變化可以表示為：

ΔA＝At－A0＝■iFitSitItRt （3）

D＝■＝DFDSDIDRDrsd （4）

其中，ΔAF、DF為能源排放強度因素，ΔAS、DS為能源結構因素，ΔAI、DI為能源效率因素，ΔAR、DR為經濟發展因素，ΔArsd、Drsd為分解余量。

式（3）中的ΔAF、ΔAS、ΔAI、ΔAR分別為各因素變化對人均碳排放量變化的貢獻值，它們是有單位的實值。而式（4）中的DF、DS、DI、DR分別為各因素變化對人均碳排放量變化的貢獻率。

對式（3）運用Ang BW[1]等人在1998年提出的對數平均權重Divisia分解法（Logarithmic Mean Weight Divisia Method，LMD）進行分解，各因素的分解結果如下：

ΔAF＝■iWiIn■；ΔAS＝■iWiIn■；

ΔAI＝■iWiIn■；ΔAR＝■iWiIn■；（5）

其中Wi＝■

所以：

ΔArsd＝ΔA－（ΔAF+ΔAS+ΔAI+ΔAR）

＝At-A0-■iWiIn■＝At－A0-■i（Ait -Ai0）＝0

對式（4）兩邊取對數，得到

InD＝InDF+InDS+InDI+InDR+InDrsd （6）

這里，對照式（3）和（6），可假設各項相應成比例，即

■＝■＝■＝■＝■＝■

假設■＝■＝M，則

DF＝exp（MΔAF），DS＝exp（MΔAS），

DI＝exp（MΔAI），DR＝exp（MΔAR）， Drsd＝1 （7）

二、黑龍江省碳排放的因素分析

（一）數據收集、估算與整理

國際原子能機構（IAEA）相關研究表明，在整個能源鏈的溫室氣體排放中，煤、石油和天然氣等一次能源消費產生的溫室氣體最多。因此，結合公式（1）、（2）中各類能源排放強度Fi＝■和能源結構Si＝■，本文對黑龍江省總的碳排放量可采用以下公式進行估算：

C＝■iCi＝■i■×■×E＝■iFi×Si×E（8）

其中一次能源的碳排放強度系數 如表1所示，能源結構Si和一次能源的消費量E可參考黑龍江省統計年鑒能源與消費篇取得相關數據。

故根據公式（8）結合表1一次能源的碳排放強度系數 以及黑龍江省的一次能源消費的相關數據，可以估算出黑龍江省一次能源消費的碳排放量，如表2所示。

（二）因素分析

由于各類一次能源的碳排放強度系數 是固定值，即 =0， =1，故影響人均碳排放量的主要因素為能源結構變化、能源效率變化和經濟發展變化。這三個主要影響因素按照公式（5）和公式（7）計算，結果見表3和圖1。

從圖1可以看出，黑龍江省人均碳排放量總體保持平穩增長，其中經濟發展因素對人均碳排放的貢獻值成正增長，說明長期以來黑龍江省的粗放型經濟發展模式和以高能耗、高污染、高排放的重工業為主導的產業結構是人均碳排放量增長的主要因素；能源效率因素對人均碳排放的貢獻值成負增長，說明黑龍江省近年來能源效率有所提高，成為抑制人均碳排放量增長的主要因素；能源結構因素對人均碳排放的貢獻值變化不明顯。特別指出的是：經濟發展因素和能源效率因素對人均碳排放的貢獻值趨勢圖和黑龍江省人均碳排放的曲線呈階段性吻合狀態。

黑龍江省人均碳排放量總體在不斷增長，在1995―2003年呈現穩中有降的趨勢，但2003年以后數值猛增。造成黑龍江人均碳排放量快速增長的主要因素是黑龍江經濟的快速發展，特別是2004年年增長率接近了20%。在2002年之前，能源效率對人均碳排放的抑制作用貢獻值小于經濟發展對人均碳排放的貢獻值，所以人均碳排放呈現不斷上升趨勢。在2003年以后，隨著能源效率因素對抑制人均碳排放增長的速度明顯趕不上經濟發展因素對人均碳排放貢獻值的快速增長，黑龍江省人均碳排放量大幅度上升。

人均碳排放曲線與能源結構變化曲線基本重合，說明能源結構的抑制作用對碳減排的貢獻不大。主要因為黑龍江省在能源結構中仍以煤炭為主，煤炭在黑龍江一次能源中占67%以上，黑龍江人均碳排放量的能源結構對減少人均碳排放量的貢獻值雖然在不斷增加，但其貢獻值不大。能源效率曲線一直處于基線以下且總體呈下降趨勢，說明能源效率對碳排放有持續的抑制作用。因而，黑龍江人均碳排放的抑制作用主要來自能源效率的提高。但近年來，能源效率對降低黑龍江人均碳排放的貢獻值與經濟發展對增加人均碳排放的貢獻值相比，其增長趨勢明顯趨緩，這直接導致近年來黑龍江人均碳排放的急劇增長。

為了強化各因素的可比性并且深入地分析各因素的作用，將其分為拉動因素和抑制因素，將抑制因素對黑龍江人均碳排放增加的貢獻率（小于1）取倒數，成為對黑龍江人均碳排放降低的貢獻率，然后比較拉動因素對拉動黑龍江省人均碳排放的貢獻率與抑制因素對抑制黑龍江省人均碳排放的貢獻率的變化趨勢（見圖2）。拉動因素是經濟發展因素，抑制因素是能源結構因素和能源效率因素。

從圖2中可以看出，經濟發展因素對拉動黑龍江人均碳排放的貢獻率呈現指數增長的趨勢，并且拉動因素的貢獻率曲線明顯高于抑制因素曲線，說明經濟發展的拉動貢獻率遠大于抑制因素的抑制貢獻率，從而成為黑龍江省人均碳排放增長的主要因素。1995―2003年能源效率的抑制貢獻率與經濟發展拉動貢獻率之間的差距逐漸縮小，使得黑龍江省人均碳排放量在2000年達到最小的0.992 6噸，但隨后由于能源效率的抑制貢獻率的減小和經濟發展的拉動貢獻率的增大，使得2003年以后，抑制貢獻率與拉動貢獻率之間的差距又不斷擴大，導致了黑龍江省人均碳排放明顯增長。

通過分析，1995―2003年間黑龍江人均碳排放的平穩增長主要是因為能源效率的提高引起的，但是隨著2003年以后黑龍江省經濟的高速發展，黑龍江省人均碳排放量在2003年后急劇增長，說明僅依靠能源效率的提高難以抑制經濟發展引起的黑龍江人均碳排放。因此要大力優化黑龍江的能源結構，充分發揮能源結構因素對黑龍江人均碳排放的抑制作用。

三、結論及對策

通過以上的分析，本文得出以下結論：

1.1990―2009年，黑龍江省人均碳排放量整體大幅增長，其中1995―2003年增速趨緩，2003年以后呈快速增長態勢。

2.經濟增長因素是拉動黑龍江省人均碳排放量增長的主要因素，其作用效應遠遠大于能源效率和能源結構的抑制作用。伴隨著黑龍江省經濟的快速增長，其對人均攤排放量的拉動作用會逐步增大，這將使黑龍江省面臨著巨大的減排壓力。

3.能源效率因素是抑制黑龍江省人均碳排放量增長的主要因素，雖然在1990―2009年間對黑龍江省人均碳排放量的抑制作用明顯，但在2003年以后與經濟增長因素對黑龍江省人均碳排放量的拉動作用相比還遠遠不夠。

4.能源結構因素對黑龍江省人均碳排放量的抑制作用不明顯，主要因為長期以來黑龍江省能源消費結構以煤炭為主，而且煤炭消費在能源消費結構中的占比還有增長的趨勢。

因此，黑龍江省要減少碳排放，還需要實行以下針對性的措施：

第一，優化產業結構，促進綠色產業發展。要在重化工領域進行資源整合，限制高碳產業發展，包括強制淘汰落后產能，完善主要工業耗能設備、機動車能效標準等，同時加快產品升級換代步伐。大力發展高新技術產業和現代服務業，不斷提高第三產業在國民經濟中的比重，以促進黑龍江省經濟向內涵集約型轉變。適當運用財政政策引導，鼓勵并扶持綠色產品開發，包括信息產業、生態旅游、生態農業、新能源開發等產業，逐漸增大黑龍江省綠色產業的比重。

第二，優化能源結構，大力發展替代能源和可再生能源。低碳經濟的實現形式是合理調整能源結構，提高能源利用效率，積極開發替代能源和可再生能源。開拓煤炭資源優質開發利用，提高天然氣、水能、核能等清潔能源、優質能源和可再生能源的比重是提升能源結構的重要途徑。要推動可再生能源發展的機制建設，培育增長穩定的可再生能源市場，改善健全可再生能源發展的市場環境與制度創新。要推進能源體制改革，建立有助于實現能源結構調整和可持續發展的價格體系。加大利用煤層氣，大力普及天然氣，高效地利用焦爐煤氣。大力發展風能、太陽能、水電、生物質能等清潔能源，提高可再生能源的比例。積極開發新能源和可再生能源產品，如開發太陽能熱水器、空氣熱水器、沼氣熱水器和沼氣灶具等。

第三，提高能源效利用率，推廣節能減排技術。低碳經濟的發展需要低碳技術的支撐。加大節能技術的開發、引進、推廣和應用，依靠科技進步，提高煤炭、石油、天然氣等能源資源的利用率。重點推進高耗能領域的技術改造，將能源強度指標作為產業發展政策的重要量化指標，落實到產業發展戰略、規劃和工程設計、驗收指標體系中。在能源生產和消費領域推廣使用節能設備，提高能源轉化效率，降低中間環節的消耗和浪費。開發推廣節能技術，推進重點節能工程。對現有的中小燃煤鍋爐實施技術改造，著重推進區域熱電聯產、節約和替代石油、建筑節能、綠色照明等節能工程。引導和支持企業研究開發節能工藝、設備和技術，建立和完善“產、學、研”相結合的科技創新體系，增強自主創新能力；鼓勵節能公司的發展，推行合同能源管理和節能投資擔保機制，為企業實施節能改造創造良好的政策環境。

收稿日期：2011-07-20

基金項目：黑龍江省自然科學基金項目（A201003）

作者簡介：田立（1965-），男，山東萊陽人，副教授，管理學博士，從事金融市場、金融工程研究；郭舟洪（1987-），男，湖北洪湖人，碩士研究生，從事金融市場、金融工程研究。

參考文獻：

[1] Ang B W，zhang F Q，Choi Ki-Hong.Factorizing Changes in Energy and Environmental Indicators through Decomposition，Energy[J].1998.（23）：489-495.

[2] Shyamal Paula.Rabindra Nath Bhattacharya.C02 Emission from Energy Use in India：A Decomposition Analysis[J].Energy Policy，2004，（32）：585-593.