曲建升+劉莉娜+曾靜靜+張志強(qiáng)+王莉+王勤花

收稿日期：2014-03-12

作者簡(jiǎn)介：曲建升，博士，研究員，主要研究方向?yàn)闅夂蛘叻治雠c溫室氣體排放評(píng)估。

基金項(xiàng)目：中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)“應(yīng)對(duì)氣候變化的碳收支認(rèn)證及相關(guān)問(wèn)題”（編號(hào)：XDA05140100）；國(guó)家自然科學(xué)基金項(xiàng)目“基于排放基準(zhǔn)線的我國(guó)居民家庭碳排放需求與增長(zhǎng)路徑研究”（編號(hào)：41371537）。

摘要本文基于時(shí)間序列數(shù)據(jù)從生活消費(fèi)視角定量評(píng)估居民人均生活碳排放的驅(qū)動(dòng)因素?；贙aya恒等式基本原理，采用LMDI分解法構(gòu)建一個(gè)包括消費(fèi)碳排放強(qiáng)度、消費(fèi)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重、消費(fèi)水平、經(jīng)濟(jì)水平和城鄉(xiāng)結(jié)構(gòu)在內(nèi)的居民人均生活碳排放驅(qū)動(dòng)因素分解模型，對(duì)我國(guó)1995-2012年的城鄉(xiāng)居民人均生活碳排放影響因素進(jìn)行分解分析。研究結(jié)果表明：消費(fèi)水平、經(jīng)濟(jì)水平、消費(fèi)結(jié)構(gòu)、城鄉(xiāng)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重各因素效應(yīng)對(duì)我國(guó)城鎮(zhèn)居民人均生活碳排放的影響均大于對(duì)我國(guó)農(nóng)村居民人均生活碳排放的影響；消費(fèi)水平、經(jīng)濟(jì)水平、消費(fèi)結(jié)構(gòu)因素對(duì)我國(guó)城鄉(xiāng)居民人均生活碳排放的影響最為明顯；城鎮(zhèn)人口效應(yīng)對(duì)城鎮(zhèn)居民人均生活碳排放量的減排意義重大，而農(nóng)村人口效應(yīng)導(dǎo)致農(nóng)村居民人均生活碳排放量的增加；城鄉(xiāng)結(jié)構(gòu)變化會(huì)帶動(dòng)居民人均生活碳排放的變化，隨著時(shí)間推移，城鄉(xiāng)結(jié)構(gòu)達(dá)到一定程度，我國(guó)城鄉(xiāng)居民人均生活碳排放的變化也相對(duì)穩(wěn)定。在此基礎(chǔ)上，提出我國(guó)家庭生活消費(fèi)節(jié)能減排的對(duì)策及建議，引導(dǎo)居民低碳生活，綠色消費(fèi)。

關(guān)鍵詞碳排放；生活；驅(qū)動(dòng)因素；LMDI；中國(guó)

中圖分類號(hào) X24; P476 文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2014）08-0033-09doi:103969/jissn1002-2104201408005

全球氣候變暖是當(dāng)前人類社會(huì)面臨的十大環(huán)境問(wèn)題之一。根據(jù)政府間氣候變化專門委員會(huì)（IPCC）第五次評(píng)估報(bào)告，20世紀(jì)50年代以來(lái)的大部分（50%以上）全球地表平均氣溫的升高極可能（extremely likely，95%以上可能性）是由人類活動(dòng)導(dǎo)致的［1］。基于以IPCC為代表的這一科學(xué)認(rèn)識(shí)，國(guó)際社會(huì)積極推進(jìn)以碳減排為核心的氣候變化減緩行動(dòng)?？茖W(xué)評(píng)估全球、區(qū)域和各國(guó)的碳排放量是實(shí)施氣候變化減緩行動(dòng)的基礎(chǔ)性工作，對(duì)實(shí)現(xiàn)碳減排具有重要的研究意義。隨著碳排放研究向低碳減排轉(zhuǎn)變，家庭碳排放評(píng)估日益受到重視。對(duì)家庭碳排放的研究主要致力于揭示以家庭為單元的消費(fèi)主體的碳排放行為特征、區(qū)域差異以及排放需求和影響因素分析［2-4］，進(jìn)而支持節(jié)能減排、綠色消費(fèi)和低碳發(fā)展戰(zhàn)略的制定。

本文將LMDI分解模型應(yīng)用到居民生活碳排放驅(qū)動(dòng)因素分析當(dāng)中，分解確定1995-2012年消費(fèi)碳排放強(qiáng)度、消費(fèi)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重、消費(fèi)水平、經(jīng)濟(jì)水平、城鄉(xiāng)結(jié)構(gòu)等影響因素對(duì)我國(guó)城鄉(xiāng)居民人均生活碳排放的累計(jì)貢獻(xiàn)值，并對(duì)我國(guó)居民人均生活碳排放的城鄉(xiāng)差異進(jìn)行分析。

1文獻(xiàn)回顧

碳排放的影響因素較為復(fù)雜，既涉及資源稟賦、氣候條件等自然因素，也與產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)水平、消費(fèi)習(xí)慣等社會(huì)因素緊密相關(guān)。早在20世紀(jì)70年代，Ehrlich ［5］等就對(duì)CO2排放的影響因素進(jìn)行分解研究，并利用IPAT方程討論人類活動(dòng)與環(huán)境影響因素之間的關(guān)系［6］。1989年日本學(xué)者Yoichi Kaya［7］提出Kaya恒等式，用于對(duì)CO2排放影響因素的定量分析，并成為應(yīng)用最廣的模型之一?；贙aya恒等式的使用，又有很多學(xué)者將CO2排放影響因素進(jìn)行分解，最為常見的是結(jié)構(gòu)分解分析法和指數(shù)分解分析法［8-11］，其中，LMDI分解模型可以進(jìn)行完全分解、不產(chǎn)生殘差，而且允許數(shù)據(jù)中包含零值，得到學(xué)術(shù)界的普遍認(rèn)可，并廣泛應(yīng)用于各個(gè)領(lǐng)域。

國(guó)內(nèi)也有較多學(xué)者應(yīng)用LMDI模型從不同角度對(duì)碳排放的影響因素進(jìn)行分析。王燦等［12］采用改進(jìn)的LMDI分解模型對(duì)我國(guó)1957-1979年和1980-2000年兩個(gè)樣本區(qū)間的碳排放總量進(jìn)行分解分析。徐國(guó)泉等［13］基于LMDI分解模型，定量分析能源結(jié)構(gòu)、能源效率和經(jīng)濟(jì)發(fā)展等因素變化在1995-2004年對(duì)我國(guó)人均碳排放的影響。陳彥玲等［14］基于LMDI分解方法對(duì)我國(guó)能源人均碳排放量的變化進(jìn)行分解，分析確定了近年來(lái)我國(guó)人均碳排放量增長(zhǎng)的主要原因。王俊松等［15］基于LMDI分解模型對(duì)我國(guó)碳排放量的變化進(jìn)行分解，探討能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)與碳排放之間的關(guān)系。朱勤［16-17］、彭希哲等［18］應(yīng)用LMDI分解模型分析我國(guó)人口、人口態(tài)勢(shì)以及人口城鎮(zhèn)化等因素對(duì)碳排放的影響。劉蘭翠等［19］應(yīng)用LMDI分解模型，對(duì)我國(guó)1992-2007年居民間接碳排放影響因素進(jìn)行分析，得出人口、城市化擴(kuò)張以及人均家庭消費(fèi)增加是其重要影響因素。從省域?qū)用嫔?，郭運(yùn)功［20］，王圣［21］，張偉［22］等分別對(duì)我國(guó)上海市，江蘇沿海，陜西等省域的碳排放影響因素進(jìn)行分析。

通過(guò)以上研究分析發(fā)現(xiàn)，早期碳排放研究工作主要集中在能源、產(chǎn)業(yè)等領(lǐng)域碳排放總量及人均碳排放的影響因素分析，較少關(guān)注處于消費(fèi)末端的家庭所產(chǎn)生的碳排放。本文將LMDI分解模型運(yùn)用到居民人均生活碳排放研究中，可以更好地反映研究區(qū)域的碳排放變化，揭示研究區(qū)域碳排放驅(qū)動(dòng)因素的貢獻(xiàn)。

2數(shù)據(jù)來(lái)源與研究方法

2.1數(shù)據(jù)來(lái)源

本文在前期研究工作基礎(chǔ)上［4,23］，獲得我國(guó)居民人均生活碳排放影響因素分析的基礎(chǔ)數(shù)據(jù)。居民人均生活碳排放計(jì)算及其影響因素分析中用到的生活消費(fèi)、價(jià)格指數(shù)、城鄉(xiāng)人口比例、國(guó)內(nèi)生產(chǎn)總值（GDP）、人口等相關(guān)數(shù)據(jù)來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》［24-26］。居民生活消費(fèi)碳排放系數(shù)計(jì)算中用到的能耗、投入產(chǎn)出等相關(guān)數(shù)據(jù)來(lái)自《中國(guó)投入產(chǎn)出表2007》［27］和《中國(guó)能源統(tǒng)計(jì)年鑒2007》。為了使數(shù)據(jù)具有可比性、統(tǒng)一性，本文將1995- 2012年的現(xiàn)價(jià)家庭生活消費(fèi)、國(guó)內(nèi)生產(chǎn)總值換算為2006年的不變價(jià)，由此計(jì)算城鄉(xiāng)居民人均生活碳排放基礎(chǔ)數(shù)據(jù)，進(jìn)而對(duì)其影響因素進(jìn)行研究分析。

2.2LMDI分解方法

本文利用1995-2012年我國(guó)大陸31個(gè)?。ㄖ陛犑?、自治區(qū)）的宏觀統(tǒng)計(jì)數(shù)據(jù)，首先計(jì)算我國(guó)城鄉(xiāng)居民人均生活碳排放量，然后基于Kaya恒等式理論基礎(chǔ)，將CO2排放的影響因素與人類活動(dòng)產(chǎn)生的CO2排放量建立聯(lián)系，并對(duì)我國(guó)居民人均生活碳排放的影響因素進(jìn)行分解分析。常見的因素分解方法主要有Laspeyres因素分解法和Divisia因素分解法。對(duì)數(shù)平均Divisia因素分解法（LMDI）不產(chǎn)生無(wú)法解釋的殘差項(xiàng)，允許數(shù)據(jù)中包含零值，從而得到學(xué)術(shù)界的廣泛應(yīng)用，本文亦采用LMDI進(jìn)行因素分解，將居民生活碳排放量分成消費(fèi)碳排放強(qiáng)度、消費(fèi)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重、消費(fèi)水平、經(jīng)濟(jì)水平以及城鄉(xiāng)結(jié)構(gòu)幾個(gè)因素的乘積。

家庭碳排放影響因素分解模型的基本公式如下:

Ci=∑ijCij=∑ijCijEij×EijEi×EiE×EG×GＰ×PPi×Pi（1）

式中，Ci為歷年i類居民的生活碳排放量總量，單位：萬(wàn)t CO2；i為居民類別，即城鎮(zhèn)和農(nóng)村（當(dāng)i=1時(shí)，代表城鎮(zhèn)；當(dāng)i=2時(shí)，代表農(nóng)村）；j為消費(fèi)支出類別，包括食品、衣著、居住、家庭設(shè)備、交通通訊、文教娛樂(lè)、醫(yī)療保健、其他商品及服務(wù)八類，j=1,2,…,8；Cij為歷年i類居民的j類家庭生活消費(fèi)的生活碳排放量，單位：萬(wàn)t CO2；Eij為歷年i類居民的j類家庭生活消費(fèi)，單位：萬(wàn)元；Ei為歷年i類居民的家庭生活消費(fèi)，單位：萬(wàn)元；E為歷年家庭生活總消費(fèi)，單位：萬(wàn)元；G為歷年國(guó)內(nèi)生產(chǎn)總值（GDP），單位：億元；P為歷年人口總量，單位：萬(wàn)人；Pi為歷年城鎮(zhèn)或農(nóng)村人口，單位：萬(wàn)人。

i類（城市/農(nóng)村）居民人均生活碳排放量可表示為：

Ai=CiPi=∑ijCijPi=∑Aij=∑ijCijEij×EijEi×EiE×EG

×GP×PPi （2）

式中：Ai為歷年i類居民的人均生活碳排放量，單位：t CO2/人；Aij為歷年i類居民j類消費(fèi)的人均生活碳排放量，單位：t CO2/人；

消費(fèi)碳排放強(qiáng)度因素，Iij=Cij/Eij，即i類居民j類家庭生活消費(fèi)的居民生活碳排放強(qiáng)度；

消費(fèi)結(jié)構(gòu)因素，Sij=Eij/Ei，即i類居民j類家庭生活消費(fèi)占i類家庭生活總消費(fèi)的比例；

城鄉(xiāng)消費(fèi)比重因素，Qi=Ei/E，即i類家庭生活消費(fèi)占家庭生活總消費(fèi)的比例；

消費(fèi)水平因素，T=E/G，即家庭生活總消費(fèi)與國(guó)內(nèi)生產(chǎn)總值的比例；

經(jīng)濟(jì)水平因素，R=G/P，即人均國(guó)內(nèi)生產(chǎn)總值；

城鄉(xiāng)結(jié)構(gòu)因素，Ui=P/Pi，即城鎮(zhèn)（農(nóng)村）人口與總?cè)丝诒壤牡箶?shù)。

由此，城鎮(zhèn)（農(nóng)村）居民的人均生活碳排放量可表示為：

Ai=∑ijAij=∑ijIijSijQiTRUi（3）

根據(jù)對(duì)數(shù)平均權(quán)重Divisia分解法，用t代表年份，第t年相對(duì)于基期年（1995年）的居民人均生活碳排放量變化可以表示為：

ΔAij=Atij-A0ij

=∑ijItijStijQtiTtRtUti-∑ijI0ijS0ijQ0iT0R0U0i

=ΔAI+ΔAS+ΔAQ+ΔAT+ΔAR+ΔAU+ΔArsd（4）

式（4）中的ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU代表各因素變化對(duì)居民人均生活碳排放變化的累計(jì)貢獻(xiàn)值。其中：ΔAI為消費(fèi)碳排放強(qiáng)度效應(yīng)；ΔAS為消費(fèi)結(jié)構(gòu)效應(yīng)；ΔAQ為城鄉(xiāng)消費(fèi)比重效應(yīng)；ΔAT為消費(fèi)水平效應(yīng)；ΔAR為經(jīng)濟(jì)水平效應(yīng)；ΔAU為城鄉(xiāng)結(jié)構(gòu)效應(yīng)；ΔArsd為分解余量。此模型比較全面地反應(yīng)了消費(fèi)結(jié)構(gòu)、生活水平、經(jīng)濟(jì)水平、城鄉(xiāng)結(jié)構(gòu)因素對(duì)居民人均生活碳排放的影響。

根據(jù)式（4），按照對(duì)數(shù)平均權(quán)重Divisia分解法進(jìn)行分析，分解結(jié)果為：

ΔAI=∑ijW′ijlnItijI0ij;ΔAS=∑ijW′ijlnStijSI0ij;

ΔAQ=∑ijW′ijlnQtijQ0ij;ΔAT=∑ijW′ijlnTtT0;

ΔAR=∑ijW′ijlnRtR0;ΔAT=∑ijW′ijlnUtiU0i（5）

其中，W′ij=Atij-A0ijln(Atij)-ln(A0ij)

ΔArsd=ΔA-(ΔAI+ΔAS+ΔAS+ΔAT+ΔAR+ΔAU)

=Atij-A0ij-∑ijW′ij(lnItijI0ij+lnStijS0ij+lnQtiQ0i+lnTtT0+lnRtR0+lnUtiU0i)

=Atij-A0ij-∑ijW′ijlnAtijA0ij

=Atij-A0ij-∑ij(Atij-A0ij)=0

3城鄉(xiāng)居民人均生活碳排放驅(qū)動(dòng)因素分析根據(jù)LMDI分解模型，通過(guò)公式（3）-（5）將我國(guó)居民人均生活碳排放影響因素進(jìn)行加和分解，得到城鎮(zhèn)和農(nóng)村居民人均生活碳排放各影響因素的累計(jì)貢獻(xiàn)值。加和分解值ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU分別代表消費(fèi)碳排放強(qiáng)度效應(yīng)、消費(fèi)結(jié)構(gòu)效應(yīng)、城鄉(xiāng)消費(fèi)比重效應(yīng)、消費(fèi)水平效應(yīng)、經(jīng)濟(jì)水平效應(yīng)、城鄉(xiāng)結(jié)構(gòu)效應(yīng)，即各影響因素變化對(duì)1995至1996-2012年城鄉(xiāng)居民人均生活碳排放量變化的累計(jì)貢獻(xiàn)值。模型分解后，加和分解值大于0，表示該效應(yīng)對(duì)居民生活碳排放量的增加起推動(dòng)作用；加和分解值小于0，表示該效應(yīng)對(duì)居民生活CO2減排起積極作用。計(jì)算結(jié)果發(fā)現(xiàn)，消費(fèi)碳排放強(qiáng)度效應(yīng)恒等于0，出現(xiàn)這種情況，主要是因?yàn)樵谟?jì)算歷年居民人均生活碳排放量過(guò)程中使用的碳排放因子是相同的，所以消費(fèi)碳排放強(qiáng)度只決定于消費(fèi)種類，對(duì)于同一類消費(fèi)來(lái)說(shuō)，消費(fèi)碳排放強(qiáng)度是不變的。因此，定量分析消費(fèi)結(jié)構(gòu)效應(yīng)、城鄉(xiāng)消費(fèi)比重效應(yīng)、消費(fèi)水平效應(yīng)、經(jīng)濟(jì)水平效應(yīng)及城鄉(xiāng)結(jié)構(gòu)效應(yīng)對(duì)我國(guó)居民人均生活碳排放的影響，可以更真實(shí)地反映我國(guó)居民生活碳排放量的變化情況，從而為我國(guó)碳減排路徑的選擇及政策的制定提供理論依據(jù)。

3.1城鎮(zhèn)居民人均生活碳排放驅(qū)動(dòng)因素分析

如圖1所示，從城鎮(zhèn)居民人均生活碳排放各影響因素的累計(jì)貢獻(xiàn)值可以看出，1995至1996-2012年，消費(fèi)水平效應(yīng)、城鄉(xiāng)消費(fèi)比重效應(yīng)、消費(fèi)結(jié)構(gòu)效應(yīng)對(duì)我國(guó)城鎮(zhèn)居民人均生活碳排放的累計(jì)貢獻(xiàn)值始終為正值，說(shuō)明這三個(gè)因素對(duì)城鎮(zhèn)居民生活碳排放增長(zhǎng)主要起推動(dòng)作用；城鄉(xiāng)結(jié)構(gòu)效應(yīng)累計(jì)貢獻(xiàn)值在1995至1996-2012年間始終為負(fù)值，這說(shuō)明城鄉(xiāng)結(jié)構(gòu)因素的變化會(huì)對(duì)城鄉(xiāng)居民人均生活碳排放的減排起到積極圖1城鎮(zhèn)居民人均生活碳排放的LMDI分解結(jié)果

Fig.1LMDI decomposition results of urban per capita

household carbon emissions作用，只是因?yàn)楸疚挠贸青l(xiāng)人口與全國(guó)人口比例的倒數(shù)來(lái)代表城鄉(xiāng)結(jié)構(gòu)，所以其累計(jì)貢獻(xiàn)值為負(fù)值；經(jīng)濟(jì)水平效應(yīng)貢獻(xiàn)值在1995至1996-2003年間小于0，在1995至2004-2012年間大于0，這說(shuō)明經(jīng)濟(jì)水平因素的變化在1995至1996-2003年間對(duì)城鎮(zhèn)居民人均生活碳排放的減排起到積極作用，而1995至2004-2012年間對(duì)城鎮(zhèn)居民人均生活碳排放的增長(zhǎng)起推動(dòng)作用。從圖1中還可以看出，消費(fèi)水平效應(yīng)是城鎮(zhèn)居民人均生活碳排放長(zhǎng)期增長(zhǎng)的主要驅(qū)動(dòng)力因素，而且消費(fèi)水平對(duì)人均生活碳排放量的貢獻(xiàn)值呈現(xiàn)不斷上漲趨勢(shì)，尤其是2005年以后增速更為明顯，這也是居民人均生活碳排放量在2005年后顯著增長(zhǎng)的主要原因。此外，城鄉(xiāng)消費(fèi)比重效應(yīng)、消費(fèi)結(jié)構(gòu)效應(yīng)對(duì)城鎮(zhèn)居民人均生活碳排放所起的推動(dòng)作用總體都隨著時(shí)間呈上升趨勢(shì)，但數(shù)值很小，其影響權(quán)重非常小。經(jīng)濟(jì)水平效應(yīng)累計(jì)貢獻(xiàn)值由負(fù)值轉(zhuǎn)為正值，隨著時(shí)間其增長(zhǎng)幅度不斷加大，這說(shuō)明2004年以前，經(jīng)濟(jì)水平的變化對(duì)城鎮(zhèn)居民人均生活碳排放的減排起推動(dòng)作用，但其影響不明顯；而2004年以后，經(jīng)濟(jì)水平的變化對(duì)城鎮(zhèn)居民人均生活碳排放的增加起推動(dòng)作用，并在2011年超過(guò)消費(fèi)水平對(duì)居民人均生活碳排放的累計(jì)貢獻(xiàn)值，成為最主要的驅(qū)動(dòng)因素。城鄉(xiāng)結(jié)構(gòu)效應(yīng)累計(jì)貢獻(xiàn)值隨時(shí)間的推移呈現(xiàn)負(fù)向上升變化，這說(shuō)明城鄉(xiāng)結(jié)構(gòu)因素變化越大，對(duì)城鎮(zhèn)居民人均生活碳排放的影響越大。

3.2農(nóng)村居民人均生活碳排放驅(qū)動(dòng)因素分析

如圖2所示，從農(nóng)村居民人均生活碳排放各影響因素的累計(jì)貢獻(xiàn)值可以看出，1995至1996-2012年，消費(fèi)水平效應(yīng)、城鄉(xiāng)結(jié)構(gòu)效應(yīng)、消費(fèi)結(jié)構(gòu)效應(yīng)對(duì)我國(guó)農(nóng)村居民人均生活碳排放的累計(jì)貢獻(xiàn)值始終為正值，說(shuō)明這三個(gè)因素對(duì)農(nóng)村居民人均生活碳排放的增長(zhǎng)主要起推動(dòng)作用；城鄉(xiāng)消費(fèi)比重效應(yīng)累計(jì)貢獻(xiàn)值在1995至1996-2012年間始終為負(fù)值，這說(shuō)明城鄉(xiāng)消費(fèi)比重因素的變化對(duì)農(nóng)村居民生活碳排放的減排起積極作用；經(jīng)濟(jì)水平效應(yīng)累計(jì)貢獻(xiàn)值在1995至1996-2003年間小于0，在1995至2004-2012年間大于0，這說(shuō)明經(jīng)濟(jì)水平因素的變化在1995至1996-2003年間對(duì)農(nóng)村居民人均生活碳排放的減排起到積極作用，但數(shù)值很小，其影響權(quán)重比較小，而1995至2004-2012年間對(duì)農(nóng)村居民人均生活碳排放的增長(zhǎng)起推動(dòng)作用，數(shù)值不斷增大，其影響權(quán)重也不斷增長(zhǎng)。

3.3城鄉(xiāng)居民人均生活碳排放驅(qū)動(dòng)因素的差異分析

3.3.1消費(fèi)水平因素

從城鄉(xiāng)消費(fèi)水平來(lái)看，1996年消費(fèi)指數(shù)為0.15，至2008年達(dá)到最大值0.32，2012年又下降為0.26，1996-2012年間，消費(fèi)指數(shù)呈現(xiàn)先上升后下降的趨勢(shì)。本文的消費(fèi)指數(shù)是由國(guó)內(nèi)消費(fèi)總值與國(guó)內(nèi)生產(chǎn)總值的比值來(lái)表示，2008年以前，國(guó)內(nèi)生產(chǎn)總值的上升幅度較小，而2008年以后，國(guó)內(nèi)生產(chǎn)總值的上升幅度劇增，從而以2008年為轉(zhuǎn)折年，呈現(xiàn)消費(fèi)指數(shù)先升后降的趨勢(shì)。

圖2農(nóng)村居民人均生活碳排放的LMDI分解結(jié)果

Fig.2LMDI decomposition results of rural per capita

household carbon emissions

把消費(fèi)水平累計(jì)貢獻(xiàn)值分解為年貢獻(xiàn)值（見圖3）。研究期間，城鄉(xiāng)消費(fèi)水平效應(yīng)一直為正值，年貢獻(xiàn)值比較大，且2011年以前，消費(fèi)水平效應(yīng)的年貢獻(xiàn)值遠(yuǎn)遠(yuǎn)大于其他各影響因素的年貢獻(xiàn)值，說(shuō)明消費(fèi)水平的變化是城鄉(xiāng)居民人均生活碳排放增長(zhǎng)的主要驅(qū)動(dòng)力。此外，城鄉(xiāng)消費(fèi)水平的貢獻(xiàn)值隨時(shí)間呈現(xiàn)出與消費(fèi)指數(shù)同樣變化的先上升后下降的趨勢(shì)。1996年城鎮(zhèn)消費(fèi)水平對(duì)居民人均生活碳排放的年貢獻(xiàn)值為0.02 t CO2/人；至2009年，城鎮(zhèn)消費(fèi)水平效應(yīng)的年貢獻(xiàn)值上漲為0.64 t CO2/人，上漲了30.67倍；至2012年，城鎮(zhèn)消費(fèi)水平效應(yīng)的年貢獻(xiàn)值為0.56 t CO2/人，與2009年相比下降了12.46%，與1996年相比，上漲了26.73倍。1996年農(nóng)村消費(fèi)水平對(duì)居民人均生活碳排放的年貢獻(xiàn)值為0.01 t CO2/人；至2008年，農(nóng)村消費(fèi)水平效應(yīng)的年貢獻(xiàn)值上漲為0.23 t CO2/人，上漲了27.69倍；至2012年，城鎮(zhèn)消費(fèi)水平效應(yīng)的年貢獻(xiàn)值為0.21 t CO2/人，與2008年相比下降了7.28%，與1996年相比，上漲了25.60倍。城鎮(zhèn)消費(fèi)水平對(duì)居民人均生活碳排放的年貢獻(xiàn)值遠(yuǎn)遠(yuǎn)大于農(nóng)村消費(fèi)水平產(chǎn)生的年貢獻(xiàn)值，因此，我國(guó)居民消費(fèi)對(duì)碳排放的影響主要來(lái)自城鎮(zhèn)居民人均生活碳排放的不斷增加。

3.3.2經(jīng)濟(jì)水平因素

從城鄉(xiāng)經(jīng)濟(jì)水平來(lái)看，1996-2012年間的人均GDP呈現(xiàn)波動(dòng)上升趨勢(shì)，其中，1996年人均GDP為1.62萬(wàn)元，至2003年緩慢下降為1.58萬(wàn)元，下降了2.51%，2012年人均GDP為3.45萬(wàn)元，與2003年相比，上漲了1.19倍，其中2009年之后上漲幅度最為明顯。

把經(jīng)濟(jì)水平因素的累計(jì)貢獻(xiàn)值分解為年貢獻(xiàn)值（見圖4）。1996-2003年間，城鄉(xiāng)經(jīng)濟(jì)水平效應(yīng)為負(fù)值，且年貢獻(xiàn)值較小，2004-2012年間，城鄉(xiāng)經(jīng)濟(jì)水平效應(yīng)為正值，且

圖3消費(fèi)水平效應(yīng)對(duì)城鄉(xiāng)居民人均生活碳

排放的年貢獻(xiàn)值

Fig.3Contributions of consumption level effect for

urban/rural per capita household carbon emissions

年貢獻(xiàn)值較大。說(shuō)明經(jīng)濟(jì)規(guī)模的變化對(duì)于城鄉(xiāng)居民人均生活碳排放的增減具有重要影響。經(jīng)濟(jì)水平效應(yīng)的變化趨勢(shì)可分為兩個(gè)階段。第一階段，1996-2003年，經(jīng)濟(jì)效應(yīng)年貢獻(xiàn)值保持緩慢負(fù)向增長(zhǎng)，這與該階段全國(guó)人均GDP增長(zhǎng)率緩慢增加有直接關(guān)系。第二階段，2004-2012年，經(jīng)濟(jì)水平效應(yīng)年貢獻(xiàn)值保持持續(xù)快速正向增長(zhǎng)，增長(zhǎng)速度非常明顯，這一階段實(shí)際上是經(jīng)濟(jì)水平效應(yīng)最典型的體現(xiàn)。盡管“十一五”、“十二五”規(guī)劃綱要中都明確提出降低單位國(guó)內(nèi)生產(chǎn)總值能源消耗、減少污染物排放等約束性指標(biāo)，但是經(jīng)濟(jì)水平效應(yīng)迅速增長(zhǎng)的事實(shí)不容忽視。盡管，經(jīng)濟(jì)增長(zhǎng)帶來(lái)大量的物質(zhì)財(cái)富，但也消耗大量的物質(zhì)能源，產(chǎn)生大量的溫室氣體，因此，要引導(dǎo)城鄉(xiāng)居民人均生活碳排放的增長(zhǎng)，就必須提升經(jīng)濟(jì)增長(zhǎng)的質(zhì)量。

3.3.3城鄉(xiāng)結(jié)構(gòu)因素

從城鄉(xiāng)結(jié)構(gòu)因素來(lái)看，我國(guó)城鎮(zhèn)化進(jìn)程不斷加快，1996-2012年間的人口城鎮(zhèn)化率呈現(xiàn)持續(xù)上升趨勢(shì)。1996年，城鎮(zhèn)人口從3.73億增長(zhǎng)至2012年的7.12億；人口城鎮(zhèn)化率從1996的30.48%，升至2012的52.57%，上漲了72.47%。

把城鄉(xiāng)結(jié)構(gòu)因素的累計(jì)貢獻(xiàn)值分解為年貢獻(xiàn)值（見圖5）。城鎮(zhèn)人口效應(yīng)年貢獻(xiàn)值的變化與城鎮(zhèn)化率的變化基本是一致的，人口城鎮(zhèn)化率越高，城鎮(zhèn)人口效應(yīng)的年貢獻(xiàn)值越大，對(duì)城鎮(zhèn)居民人均生活碳排放的影響越大。從圖5還可以看出，城鎮(zhèn)人口效應(yīng)的負(fù)向年貢獻(xiàn)值遠(yuǎn)遠(yuǎn)大于農(nóng)村人口效應(yīng)的正向年貢獻(xiàn)值，這說(shuō)明城鄉(xiāng)結(jié)構(gòu)變化越大，對(duì)城鄉(xiāng)居民人均生活碳排放的影響越大，城鄉(xiāng)結(jié)構(gòu)變化越小，對(duì)城鄉(xiāng)居民人均生活碳排放的影響越小。城鄉(xiāng)結(jié)構(gòu)因素對(duì)居民人均生活碳排放的影響主要有兩方面：一是城鄉(xiāng)

圖4經(jīng)濟(jì)水平效應(yīng)對(duì)城鄉(xiāng)居民人均生活碳排放

的年貢獻(xiàn)值

Fig.4Contributions of economic level effect for urban/

rural per capita household carbon emissions

結(jié)構(gòu)改變，深刻影響并改變城鄉(xiāng)居民的生活方式、消費(fèi)方式、生活水平、消費(fèi)水平，進(jìn)而改變城鄉(xiāng)消費(fèi)結(jié)構(gòu)，從而對(duì)城鄉(xiāng)居民人均生活碳排放的增加起到積極的推動(dòng)作用；二是城鄉(xiāng)結(jié)構(gòu)改變，深刻影響并改變城鄉(xiāng)土地利用方式，城鎮(zhèn)過(guò)度擴(kuò)建以及“空心村”導(dǎo)致森林土地破壞，改變土地利用方式，同時(shí)也給碳減排帶來(lái)了巨大的壓力。由此可見，合理控制人口規(guī)模，有效控制城鄉(xiāng)結(jié)構(gòu)對(duì)控制城鄉(xiāng)居民人均生活排放具有積極的意義。

3.3.4消費(fèi)結(jié)構(gòu)因素

如圖6所示，1995年，城鎮(zhèn)居民八項(xiàng)消費(fèi)支出比重由高至低依次為：食品（51.90%）、衣著（11.27%）、家庭設(shè)備（8.63%）、交通通訊（8.37%）、其他消費(fèi)（6.54%）、文教娛樂(lè)（5.84%）、居?。?.12%）及醫(yī)療保?。?.15%）； 農(nóng)村居民八項(xiàng)消費(fèi)支出比重由高至低依次為：食品（60.23%）、居?。?1.09%）、衣著（6.26%）、家庭設(shè)備（5.86%）、交通通訊（5.14%）、教育文化（5.13%）、醫(yī)療保?。?.35%）、及其他商品服務(wù)（2.94%）。至2012年，城鎮(zhèn)食品支出比重以3.59%的比率持續(xù)下降至27.40%，下降了46.37%；文教娛樂(lè)、醫(yī)療保健支出比重分別以5.83%、6.02%的比率持續(xù)上升，上漲為14.85%、8.16%，排行分別為第二、第六位；交通通訊、衣著、居住支出的比重呈現(xiàn)波動(dòng)變化，分別上漲為14.76%、13.69%、9.95%，其比重分別排行第三、第四、第五位；家庭設(shè)備、及其他消費(fèi)比重的變化不大，變化率在1%左右，排序分別為第七、第八位。農(nóng)村食品支出比重以4.51%的比率持續(xù)下降至25.84%；居住、交通通訊、醫(yī)療保健、文教娛樂(lè)支出比重分別以3.94%、5.69%、7.94%、4.69%的比率波動(dòng)上漲為20.85%、12.64%、11.65%、10.68%，排行分別為第二、第三、第四、第五位；衣著、家庭設(shè)備、及其他消費(fèi)比重的變化不大，變化率在2%左右，排序分別為第六、第七、第八位。

圖5城鄉(xiāng)結(jié)構(gòu)效應(yīng)對(duì)居民人均生活碳排放的年貢獻(xiàn)值

Fig.5Contributions of urban/rural structure effect for per

capita household carbon emissions

圖6我國(guó)城鄉(xiāng)居民生活消費(fèi)結(jié)構(gòu)（%）

Fig.6Structure of urban/rural per capita household consumption in China

把消費(fèi)結(jié)構(gòu)的累積貢獻(xiàn)值分解為年貢獻(xiàn)值，即把每年累積貢獻(xiàn)值減去前一年累積貢獻(xiàn)值，得到當(dāng)年貢獻(xiàn)值（見圖7）。城鄉(xiāng)消費(fèi)結(jié)構(gòu)對(duì)居民人均生活碳排放的年貢獻(xiàn)值隨時(shí)間呈上升趨勢(shì)，總體上呈現(xiàn)積極的推動(dòng)作用，且城鎮(zhèn)消費(fèi)結(jié)構(gòu)對(duì)城鎮(zhèn)居民人均生活碳排放的年貢獻(xiàn)值圖7消費(fèi)結(jié)構(gòu)效應(yīng)對(duì)城鄉(xiāng)居民人均生活碳

排放的年貢獻(xiàn)值

Fig.7Contributions of consumption structure effect for

urban/rural per capita household carbon emissions遠(yuǎn)遠(yuǎn)大于農(nóng)村消費(fèi)結(jié)構(gòu)對(duì)農(nóng)村居民人均生活碳排放的年貢獻(xiàn)值。其中，至1996年，城鎮(zhèn)消費(fèi)結(jié)構(gòu)的貢獻(xiàn)值為0.005 t CO2/人，農(nóng)村消費(fèi)結(jié)構(gòu)的貢獻(xiàn)值為0.003 t CO2/人，至2012年，城鎮(zhèn)消費(fèi)結(jié)構(gòu)的貢獻(xiàn)值上漲為0.191 t CO2/人，農(nóng)村消費(fèi)結(jié)構(gòu)的貢獻(xiàn)值上漲為0.090 t CO2/人。這主要是因?yàn)槌擎?zhèn)和農(nóng)村居民在基本生活消費(fèi)類型、消費(fèi)水平和消費(fèi)觀念方面上存在差異，兩者消費(fèi)結(jié)構(gòu)不同，從而產(chǎn)生的碳排放結(jié)構(gòu)不同。

1995-2012年，城鎮(zhèn)居民生活消費(fèi)結(jié)構(gòu)變化較大，從以食品、衣著、家庭設(shè)備消費(fèi)類型為主轉(zhuǎn)化為以食品、文教娛樂(lè)、交通通訊消費(fèi)類型為主；而農(nóng)村地區(qū)居民生活消費(fèi)結(jié)構(gòu)變化不太明顯，食品、居住消費(fèi)依舊是農(nóng)村主要的生活消費(fèi)類型?？傮w來(lái)看，食品消費(fèi)是城鄉(xiāng)居民的主導(dǎo)消費(fèi)類型，成為居民生活碳排放的主要來(lái)源，而文教娛樂(lè)、交通通訊主要成為城鎮(zhèn)的主要碳排放源，居住、交通通訊主要成為農(nóng)村的主要碳排放源，因此在制定碳減排措施時(shí)要綜合考慮城鄉(xiāng)居民消費(fèi)結(jié)構(gòu)因素對(duì)居民生活碳排放的影響。

3.3.5城鄉(xiāng)消費(fèi)比重因素

從城鄉(xiāng)消費(fèi)比例來(lái)看，1996-2012年間，城鎮(zhèn)消費(fèi)比例呈波動(dòng)上升趨勢(shì)，而農(nóng)村消費(fèi)比例呈波動(dòng)下降趨勢(shì)。1996年，城鎮(zhèn)與農(nóng)村消費(fèi)比較接近，城鎮(zhèn)消費(fèi)比例為52.26%，農(nóng)村消費(fèi)比例為47.74%，城鎮(zhèn)消費(fèi)比例僅是農(nóng)村消費(fèi)比例的1.09倍；至2012年，城鎮(zhèn)消費(fèi)比例上漲為75.19%，上漲了43.87%，農(nóng)村消費(fèi)比例下降為24.81%，下降了48.03%，此時(shí)，城鎮(zhèn)消費(fèi)比例是農(nóng)村消費(fèi)比例的3.03倍，與1996年相比幾乎高了2倍。

把城鄉(xiāng)消費(fèi)比重累計(jì)貢獻(xiàn)值分解為年貢獻(xiàn)值（見圖8）。研究期間，城鎮(zhèn)消費(fèi)比重效應(yīng)一直為正值，說(shuō)明了城鎮(zhèn)消費(fèi)比重因素對(duì)城鎮(zhèn)居民人均生活碳排放的增加起到推動(dòng)作用，農(nóng)村消費(fèi)比重效應(yīng)一直為負(fù)值，說(shuō)明了農(nóng)村消費(fèi)比重因素對(duì)減少農(nóng)村居民人均生活碳排放起到了積極作用。此外，城鄉(xiāng)消費(fèi)比重的貢獻(xiàn)值隨著時(shí)間分別呈現(xiàn)正向和負(fù)向的波動(dòng)增長(zhǎng)趨勢(shì)，其中，1996年城鄉(xiāng)消費(fèi)比重的貢獻(xiàn)值接近于0 t CO2/人，至2012年，城鎮(zhèn)消費(fèi)比重的貢獻(xiàn)值上漲為0.354 t CO2/人，農(nóng)村消費(fèi)結(jié)構(gòu)的貢獻(xiàn)值上漲為-0.24 t CO2/人，城鎮(zhèn)消費(fèi)比重效應(yīng)的正向上升趨勢(shì)大于農(nóng)村消費(fèi)比重效應(yīng)的負(fù)向上升趨勢(shì)。因此，我國(guó)居民消費(fèi)對(duì)碳排放的影響主要來(lái)自城鎮(zhèn)居民人均生活碳排放的不斷增加。

通過(guò)對(duì)城鄉(xiāng)居民人均生活碳排放各影響因素的年貢獻(xiàn)值進(jìn)行比較發(fā)現(xiàn)，消費(fèi)水平、經(jīng)濟(jì)水平、消費(fèi)結(jié)構(gòu)因素對(duì)我國(guó)城鄉(xiāng)居民人均生活碳排放的影響最為明顯；城鄉(xiāng)結(jié)構(gòu)即城鄉(xiāng)人口比重的不同對(duì)城鎮(zhèn)和農(nóng)村的居民人均生活碳排放的影響不同，城鎮(zhèn)人口效應(yīng)對(duì)城鎮(zhèn)居民人均生活碳排放量的減排意義重大，而農(nóng)村人口效應(yīng)導(dǎo)致農(nóng)村居民人均生活碳排放量的增加；城鎮(zhèn)消費(fèi)比重因素對(duì)城鎮(zhèn)居民人均生活碳排放的負(fù)向年貢獻(xiàn)值要遠(yuǎn)大于其對(duì)農(nóng)村居民人均生活碳排放的正向貢獻(xiàn)值?？傊M(fèi)水平、經(jīng)濟(jì)水平、消費(fèi)結(jié)構(gòu)、城鄉(xiāng)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重各因素效應(yīng)對(duì)我國(guó)城鎮(zhèn)居民人均生活碳排放的影響均大于對(duì)我國(guó)農(nóng)村居民人均生活碳排放的影響。我國(guó)城鄉(xiāng)居民人均生活碳排放量在1995-2012年間的變化主要是由于我國(guó)城鄉(xiāng)的消費(fèi)水平、經(jīng)濟(jì)水平及消費(fèi)結(jié)構(gòu)因素驅(qū)動(dòng)的。此外，無(wú)論是城鄉(xiāng)消費(fèi)比重還是城鄉(xiāng)結(jié)構(gòu)因素均對(duì)我國(guó)城鄉(xiāng)居民人均生活碳排放的變化產(chǎn)生影響，隨著時(shí)間推移，城鄉(xiāng)結(jié)構(gòu)達(dá)到一定程度，我國(guó)城鄉(xiāng)居民人均生活碳排放的變化也相對(duì)穩(wěn)定。

4討論與建議

利用LMDI分解模型，可以更好地闡述消費(fèi)結(jié)構(gòu)、城鄉(xiāng)消費(fèi)比重、消費(fèi)水平、經(jīng)濟(jì)水平以及城鄉(xiāng)結(jié)構(gòu)與居民人均生活碳排放之間的關(guān)系。對(duì)城鄉(xiāng)居民人均生活碳排放的驅(qū)動(dòng)因素進(jìn)行深入分析，有助于為我國(guó)節(jié)能減排、綠色消費(fèi)和低碳發(fā)展戰(zhàn)略的制定提供重要的科學(xué)參考。依據(jù)

圖8城鄉(xiāng)消費(fèi)比重效應(yīng)對(duì)居民人均生活

碳排放的年貢獻(xiàn)值

Fig.8Contributions of urban/rural consumption ratio effect

for per capita household carbon emissions

本文的分析結(jié)果，政府部門應(yīng)在制定碳減排政策時(shí)，關(guān)注城鄉(xiāng)居民生活碳排放的動(dòng)態(tài)變化，并統(tǒng)籌考慮人口、消費(fèi)、經(jīng)濟(jì)、社會(huì)和環(huán)境等諸多因素的綜合影響。

（1）城鄉(xiāng)居民生活碳排放的快速增長(zhǎng)趨勢(shì)需加強(qiáng)關(guān)注。研究期間，我國(guó)居民人均生活碳排放呈現(xiàn)由緩慢增長(zhǎng)到迅速增長(zhǎng)的變化趨勢(shì)，由1995年的0.27 t CO2/人增加到2012年的1.15 t CO2/人，增加了3.31倍。1995年，城鎮(zhèn)居民人均生活碳排放量為0.49 t CO2/人，農(nóng)村居民人均生活碳排放量為0.18 t CO2/人；至2012年，城鎮(zhèn)居民人均生活碳排放量上漲為1.80 t CO2/人，農(nóng)村居民人均生活碳排放量上漲為0.69 t CO2/人。預(yù)計(jì)在能源結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)等因素不發(fā)生較大變化的情況下，城鄉(xiāng)居民的人均生活碳排放量均將呈現(xiàn)持續(xù)上升趨勢(shì)，居民生活排放需作為節(jié)能減排工作的重要領(lǐng)域予以關(guān)注。

（2）研究期間，消費(fèi)水平效應(yīng)對(duì)中國(guó)城鄉(xiāng)居民人均碳排放的年貢獻(xiàn)值最大，城鎮(zhèn)消費(fèi)水平效應(yīng)遠(yuǎn)大于農(nóng)村消費(fèi)水平效應(yīng)，我國(guó)居民消費(fèi)對(duì)碳排放的影響主要來(lái)自城鎮(zhèn)居民人均生活碳排放的不斷增加。此外，城鄉(xiāng)消費(fèi)結(jié)構(gòu)的年貢獻(xiàn)值呈現(xiàn)波動(dòng)上漲趨勢(shì)，其中，城鎮(zhèn)消費(fèi)結(jié)構(gòu)效應(yīng)的年貢獻(xiàn)值由0.005 t CO2/人，上漲為0.191 t CO2/人，上漲了36.90倍；農(nóng)村消費(fèi)結(jié)構(gòu)效應(yīng)的年貢獻(xiàn)值由0.003 t CO2/人，上漲為0.090 t CO2/人，上漲了34.64倍。城鄉(xiāng)居民生活消費(fèi)結(jié)構(gòu)發(fā)生很大變化，主要以食品、文教娛樂(lè)、交通通訊、居住消費(fèi)類型為主。因此，從城鄉(xiāng)消費(fèi)及城鄉(xiāng)消費(fèi)結(jié)構(gòu)來(lái)看，應(yīng)持續(xù)引導(dǎo)低碳消費(fèi)模式，降低家庭生活的能源資源消耗強(qiáng)度。

（3）城鄉(xiāng)消費(fèi)比重效應(yīng)對(duì)我國(guó)城鎮(zhèn)居民人均生活碳排放的年貢獻(xiàn)值為正值、對(duì)我國(guó)農(nóng)村居民人均生活碳排放的年貢獻(xiàn)值為負(fù)值。城鄉(xiāng)結(jié)構(gòu)效應(yīng)正好相反，對(duì)我國(guó)城鎮(zhèn)居民人均生活碳排放的年貢獻(xiàn)值為負(fù)值，對(duì)我國(guó)農(nóng)村居民人均生活碳排放的貢獻(xiàn)值為正值。此外，兩種效應(yīng)對(duì)城鎮(zhèn)居民人均生活碳排放的年貢獻(xiàn)值均大于農(nóng)村。因此，要更加注重城鄉(xiāng)消費(fèi)比重與城鄉(xiāng)結(jié)構(gòu)對(duì)城鄉(xiāng)居民人均生活碳排放的影響，這兩個(gè)因素不僅對(duì)居民人均生活碳排放的增加起到積極的推動(dòng)作用，同時(shí)，對(duì)居民生活的碳減排也有重要影響。在制定節(jié)能減排政策的過(guò)程中，要考慮城鄉(xiāng)二元結(jié)構(gòu)、城鎮(zhèn)化和城鄉(xiāng)一體化政策等動(dòng)態(tài)變化因素對(duì)生活碳排放格局的影響，并采取有針對(duì)性的政策安排，降低城鎮(zhèn)化進(jìn)程對(duì)碳排放增長(zhǎng)帶來(lái)的壓力。

（4）此外，近年來(lái)的經(jīng)濟(jì)增長(zhǎng)會(huì)帶動(dòng)居民人均生活碳排放的增長(zhǎng)，而經(jīng)濟(jì)增長(zhǎng)達(dá)到一定程度，城鄉(xiāng)消費(fèi)水平趨于穩(wěn)定時(shí)，對(duì)我國(guó)居民人均生活碳排放的貢獻(xiàn)也將趨于穩(wěn)定。近年來(lái)，經(jīng)濟(jì)迅猛增長(zhǎng)對(duì)居民生活碳排放的影響具有較大沖擊力，其中發(fā)揮主要作用的是經(jīng)濟(jì)增長(zhǎng)的質(zhì)量，需要關(guān)注經(jīng)濟(jì)增長(zhǎng)方式、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)等對(duì)碳排放增長(zhǎng)的影響，通過(guò)提高經(jīng)濟(jì)增長(zhǎng)質(zhì)量，逐步實(shí)現(xiàn)社會(huì)進(jìn)步的去碳化。

(編輯：劉照勝)

參考文獻(xiàn)（References）

［1］IPCC. Summary for Policymakers. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change ［R］. Cambridge, United Kingdom and New York, NY, USA：Cambridge University Press, 2013.

［2］Bin S, Dowlatabadi H. Consumer Lifestyle Approach to US Energy Use and the Related CO2 Emissions ［J］. Energy Policy, 2005, 33(2): 197-208.

［3］Qu Jiansheng, Zeng Jingjing, Li Yan, et al. Household Carbon Dioxide Emissions from Peasants and Herdsmen in Northwestern Aridalpine Regions, China ［J］. Energy Policy, 2013, 57: 133-140.

［4］劉莉娜, 曲建升, 曾靜靜, 等. 灰色關(guān)聯(lián)分析在中國(guó)農(nóng)村家庭碳排放影響因素分析中的應(yīng)用［J］. 生態(tài)環(huán)境學(xué)報(bào), 2013, 22(3): 498-505. ［Liu Lina, Qu Jiansheng, Zeng Jingjing, et al. Application of Gray Relational Analysis Method in the Influencing Factor Analysis of Chinas Rural Household Carbon Emissions ［J］. Ecology and Environmental Sciences, 2013, 22(3): 498-505.］

［5］Ehrlich PR, Holdren J P. Impact of Population Growth ［J］. Science, 1971,171: 1212-1217.

［6］王云, 張軍營(yíng), 趙永椿, 等. 二氧化碳排放因素分解實(shí)證研究［J］. 水電能源科學(xué), 2010, 28(11): 161-165. ［Wang Yun, Zhang Junying, Zhao Yongchun, et al. Empirical Study of Decomposition of CO2 Emission Factors ［J］. Water Resources and Power, 2010, 28(11): 161-165.］

［7］Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth: Interpretation of Proposed Scenarios ［R］. Paper Presented to the IPCC Energy and Industry Subgroup, Response Strategies Working Group Pairs, 1990.

［8］Ang B W, Zhang F Q, Choi K H. Factorizing Changes in Energy and Environmental Indicators through Decomposition ［J］. Energy, 1998, 23(6): 489-495.

［9］Ang B W. The LMDI Approach to Decomposition Analysis: A Practical Guide ［J］. Energy Policy, 2005,(33): 867-871.

［10］Liu Na, Ang B W. Factors Shaping Aggregate Energy Intensity Trend for Industry: Energy Intensity Versus Product Mix ［J］. Energy Economics, 2007,(26): 609-635.

［11］邢璐, 單葆國(guó). 基于Kaya公式的中國(guó)CO2排放影響因素分解［J］. 能源技術(shù)經(jīng)濟(jì), 2011, 23(10): 46-50. ［Xing Lu, Shan Baoguo. Empirical Analysis of Chinas Carbon Emission Based on Kaya Identity and Decomposition Model ［J］. Energy Technology and Economics, 2011, 23(10): 46-50.］

［12］Wang Can, Chen Jining, Zou Ji. Decomposition of Energy Related CO2 Emission in China: 1957-2000 ［J］. Energy, 2005, 30(1): 73-83.

［13］徐國(guó)泉, 劉則淵, 姜照華. 中國(guó)碳排放的因素分解模型及實(shí)證分析: 1995-2004 ［J］. 中國(guó)人口·資源與環(huán)境, 2006, 16(6): 158-161. ［Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China, 1995-2004 ［J］. China Population, Resources and Environment, 2006, 16(6): 158-161.］

［14］陳彥玲, 王琛. 影響中國(guó)人均碳排放的因素分析［J］. 北京石油化工學(xué)院學(xué)報(bào), 2009, 17(2): 54-58. ［Chen Yanling, Wang Chen. The Correlation Analysis of Carbon Emission and Economic Growing in China ［J］. Journal of Beijing Institute of Petrochemical Technology, 2009, 17(2): 54-58.］

［15］王俊松, 賀燦飛. 能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)與中國(guó)CO2排放量變化:基于LMDI 方法的分解分析［J］. 長(zhǎng)江流域資源與環(huán)境, 2010, 19(1): 18-23. ［Wang Junsong, He Canfei. Energy Consumption, Economic Growth and CO2 Emissions in China:Analysis Based on Logarithm Mean Divisa Decomposure Method ［J］. Resources and Environment in the Yangtze Basin, 2010, 19(1): 18-23.］

［16］朱勤, 彭希哲, 陸志明, 等. 人口與消費(fèi)對(duì)碳排放影響的分析模型與實(shí)證［J］. 中國(guó)人口·資源與環(huán)境, 2010, 20(2): 98-102. ［Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions ［J］. China Population, Resources and Environment, 2010, 20(2): 98-102.］

［17］朱勤, 魏濤遠(yuǎn). 居民消費(fèi)視角下人口城鎮(zhèn)化對(duì)碳排放的影響［J］. 中國(guó)人口·資源與環(huán)境, 2013, 23(11): 21-29. ［Zhu Qin, Wei Taoyuan. Impacts of Urbanization on Carbon Emissions from Perspective of Residential Consumption ［J］. China Population, Resources and Environment, 2013, 23(11): 21-29.］

［18］彭希哲, 朱勤. 我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析［J］. 人口研究, 2010, 34(1): 48-58. ［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China ［J］. Population Research, 2010, 34(1): 48-58.］

［19］Liu L C, Wu G, Wang J N, et al. Chinas Carbon Emissions from Urban and Rural Households During 1992-2007 ［J］. Journal of Cleaner Production, 2011, 19(15): 1754-1762.

［20］郭運(yùn)功, 林逢春, 白義, 等. 上海市能源利用碳排放的分解研究［J］. 環(huán)境污染與防治, 2009, 31(9): 68-81. ［Guo Yungong, Lin Fengchun, Bai Yi, et al. The Decomposition Research on Energyrelated Carbon Emissions of Shanghai ［J］. Environmental Pollution and Control, 2009, 31(9): 68-81.］

［21］王圣, 王慧敏, 陳輝, 等. 基于Divisia分解法的江蘇沿海地區(qū)碳排放影響因素研究［J］. 長(zhǎng)江流域資源與環(huán)境, 2011，(10): 1243-1247. ［Wang Sheng, Wang Huimin, Chen Hui, et al. Study on Influence Factors of Carbon Emissions in Jiangsu Province Coastal Areas Based on Divisa Decomposition Method ［J］. Resources and Environment in the Yangtze Basin, 2011，(10): 1243-1247.］

［22］張偉, 張金鎖, 鄒紹輝, 等. 基于LMDI的陜西省能源消費(fèi)碳排放因素分解研究［J］. 干旱區(qū)資源與環(huán)境, 2013, 27(9): 26-31. ［Zhang Wei, Zhang Jinsuo, Zou Shaohui, et al. Factor Decomposition of Carbon Emissions from Energy Consumption of Shaanxi Province Based on LMDI ［J］. Journal of Arid Land Resources and Environment, 2013, 27(9): 26-31.］

［23］劉莉娜, 曲建升, 邱巨龍, 等. 1995-2010年居民家庭生活消費(fèi)碳排放軌跡［J］. 開發(fā)研究, 2012,(4): 117-121. ［Liu Lina, Qu Jiansheng, Qiu Julong, et al. Household Consumption Carbon Emissions Trajectory form 1995 to 2010 ［J］. Development and Research, 2012,(4): 117-121.］

［24］國(guó)家統(tǒng)計(jì)局．中國(guó)統(tǒng)計(jì)年鑒1996-2012［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2012．［National Bureau of Statistics of China．China Statistical Yearbook 1996-2012［M］．Beijing：Chinese Statistics Press，1997-2013］

［25］國(guó)家統(tǒng)計(jì)局人口和就業(yè)統(tǒng)計(jì)司．中國(guó)人口統(tǒng)計(jì)年鑒1996-2006［M］．北京：中國(guó)統(tǒng)計(jì)出版社，1997-2007．［Department of Popultion and Employment Statistics，National Bureau of Statistics of China．China Population Statistics Yearbook 1996-2006 ［M］．Beijing：Chinese Statistics Press，1997-2007．］

［26］國(guó)家統(tǒng)計(jì)局人口和就業(yè)統(tǒng)計(jì)司．中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒2007-2012［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2008-2013．［Department of Population and Employment Statistics，National Bureau of Statistics of China．China Popultion & Employment Statistics Yearbook 2008-2012［M］．Beijing：Chinese Statistics Press，2008-2013．］

［27］國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司．中國(guó)能源統(tǒng)計(jì)年鑒2007［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司．中國(guó)能源統(tǒng)計(jì)年鑒2007［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司．中國(guó)能源統(tǒng)計(jì)年鑒2007［M］．北京：中國(guó)統(tǒng)計(jì)出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China