宋 健，趙怡芳

(天津大學 管理與經濟學部， 天津 300072)

中國一直以來是世界上高速發(fā)展的經濟大國,近年來隨著經濟的快速發(fā)展，能源消費碳排放也增長迅速、數量巨大,目前已成為世界上最大的碳排放國。國家層面在政策上大力推進去產能調結構，減少二氧化碳的排放，并將分解指標嚴格落實到各省市。在地方層面，積極響應國家的政策號召,一大批高能耗工業(yè)企業(yè)和工廠被關停整改,產業(yè)結構調整不斷優(yōu)化。國家對于碳減排的高度重視以及民眾對于碳減排的密切關注也促進了能源消耗碳排放方面的學術研究,尤其是最近幾年對于碳排放方面的研究越來越深入，也越來越成熟,為我國合理制定碳減排政策提供了眾多寶貴參考。

自改革開放以來,京津冀地區(qū)經濟一直迅速發(fā)展,以北京和天津為經濟增長的龍頭,帶動了京津冀地區(qū)經濟的騰飛，使京津冀地區(qū)成為中國區(qū)域經濟增長最快、經濟發(fā)展水平最高的地區(qū)增長極之一。近年來,特別是從2013年以來,京津冀地區(qū)頻發(fā)的嚴重霧霾天氣更是引起了中央政府對京津冀協(xié)同發(fā)展的高度關注。據環(huán)境保護部發(fā)布的2013年重點區(qū)域空氣質量狀況顯示,京津冀13個城市中,有7個城市排在污染最重的城市前10位,并且均在河北省。由于京津兩市周邊均被河北省包圍,大氣的廣域性、整體性特點使得相鄰地區(qū)的環(huán)境狀況可以互相影響，因此京津冀地區(qū)的協(xié)同減排就顯得尤為重要。本文致力于研究京津冀地區(qū)的能源消費碳排放分解,從而找出影響京津冀地區(qū)碳排放的主要因素,并為京津冀協(xié)同減排提供政策建議。

1 文獻綜述

對能源消耗碳排放的研究服務于碳減排政策的制定，研究的基本目的是找出影響碳排放的影響因素，進而為制定合理的碳減排政策提供理論依據。環(huán)境影響因子模型和LMDI分解是碳排放分解研究領域最常用的兩種方法[1]，環(huán)境影響因子模型能反映出各因素的影響程度，但是無法解釋殘差項的問題，LMDI分解不但能夠分解出各因素的影響程度而且能夠定量計算出數值，且其不存在無法解釋的殘差項問題[2]，因此LMDI分解一直以來是主流的研究方法。

碳分解方面的研究可以分為兩個層面：一個是總體的層面，即對我國碳排放總體的研究；另一個是個體層面，即對我國省市和部分地區(qū)的碳排放的研究。無論是總體層面的研究還是個體層面的研究都遵循碳分解的基本思路，對于我國碳分解成熟全面的研究最早見于Energy Policy上的兩篇文章[3-4]。在總體層面，國內的研究主要有：徐國泉，劉則等[5]運用LMDI分解的方法對中國人均碳排放進行研究，建立了測度人均碳排放的分解模型，定量分析了能源效率、能源結構和經濟發(fā)展的影響效果；朱勤等[6]則將研究更進一步細化，利用擴展的Kaya模型以及LMDI的分解方法，將我國碳排放的影響因素系統(tǒng)地分解為人口、人均GDP、產業(yè)結構、能源強度、能源消費結構等5個方面；宋德勇等[7]在原有研究的基礎上運用“兩階段”的LMDI分解方法，不但對能源消耗碳排放進行了分解研究，而且更進一步對減少碳排放的因素也進行了分解研究；郭朝先[8]在更大的框架下對中國的碳排放因素進行了分解，綜合運用了兩種分解方法；王棟等[9]基于LMDI模型對中國產業(yè)層面的碳排放進行了分解研究；涂正革等[10]則在研究方法和內容上進一步創(chuàng)新，基于“兩層完全分解法”的LMDI框架研究了碳排放的動態(tài)邊際。以上研究在總體上系統(tǒng)地闡述了我國碳排放的基本情況，為我國總體上進行碳減排提供了理論支持。

在總體上的研究也越來越成熟的情況下，個體層面的研究也越來越多。個體層面的研究更能反映出不同地區(qū)的碳排放和分解情況。個體層面的研究主要有：郭運功等[11]對上海市的研究；劉燕娜等[12]對福建省的研究；趙欣等[13]對江蘇省的研究；李磊等[14]對新疆的研究；史安娜等[15]對南京市的研究；宋杰錕等[16]對山東省的研究；劉翀等[17]對于安徽省的研究；張偉等[18]對于陜西省的研究；劉源等[19]對于廈門市的研究；楊紅娟等[20]對于云南省的研究；趙濤等[21]對于天津市的研究。上述文獻對區(qū)域碳排放影響因素、作用機理以及作用強度作了深入研究，有效地揭示了不同區(qū)域碳排放的特征及面臨的主要矛盾與問題，對合理制定區(qū)域節(jié)能減排政策具有重要的現實意義。

關于京津冀一體化方面的研究主要有：周兆媛等[22]基于京津冀地區(qū)氣象要素對空氣質量的影響進行研究，在氣象層面上對三地未來空氣質量的趨勢進行了分析；孫久文等[23]構建了新經濟地理學的分析框架，從產業(yè)空間轉移、地區(qū)專業(yè)化與協(xié)同發(fā)展三大方面對京津冀區(qū)域一體化進行了探討；龍如銀等[24]研究了我國長三角、珠三角和環(huán)渤海三大經濟圈的碳生產率差異，并對主要影響因素進行了分析；張俊榮等[25]基于系統(tǒng)動力學方法，構建了京津冀碳排放交易政策仿真模型，探索不同的碳交易機制設計對京津冀地區(qū)經濟和環(huán)境的影響。

已有的文獻從總體上和區(qū)域上系統(tǒng)研究了我國能源消費碳排放的分解。總結之前的研究可以發(fā)現：對于碳排放分解的研究，LMDI是一種成熟且廣泛采用的方法，但對于分解指標的選取和其背后的依據，已有的文章并沒有給出很好的論證，本文將在這方面對已有研究做一個補充。同時，之前的文獻只注重研究某一區(qū)域，對于區(qū)域之間的比較研究涉及較少，本文專注于對京津冀能源消費碳排放分解的比較研究，通過比較揭示三地不同的能源消費碳排放情況，并給出針對性建議。

2 研究設計

2.1 分解因素的選取

將京津冀的能源消費碳排放分解為人口因素、人均GDP因素、產業(yè)結構因素、能源強度因素和能源消費結構5個因素。選取北京、天津和河北2000—2014年的數據，數據來源于中國能源統(tǒng)計年鑒、國家統(tǒng)計局和Wind數據庫。

2.2 分解因素的檢驗

STIRPAT模型是拓展的環(huán)境影響因子模型，本研究先進行STIRPAT模型的回歸分析，將能源消耗碳排放量作為被解釋變量，將要研究的人口、經濟增長、產業(yè)結構和能源強度等因素作為解釋變量進行STIRPAT模型的回歸檢驗。通過STIRPAT模型的回歸結果可以得到各因素對能源消耗碳排放的影響程度和方向，為分析各因素的效果提供初步的結果，也為后續(xù)進行LMDI分解提供依據。

2.3 分解因素的量化

STIRPAT模型可以從總體上得出選取的各分解因素對能源消耗碳排放的影響，但其解釋非常有限，而且只是針對于總體上的總量研究。在STIRPAT模型對分解因素做好可行性的檢驗之后，將進行能源消費碳排放各影響因素的LMDI分解。LMDI分解能對影響碳排放的各個指標進行年度和累積的精確分解，從而得出各影響因素對能源消耗碳排放的定量影響。STIRPAT模型是對分解因素進行檢驗的一種方法，也是對能源消耗碳排放的一種定性研究，而LMDI模型是對京津冀三地能源消耗碳排放的具體因素的分解，也是各因素影響程度的定量研究。

3 京津冀消費碳排放STIRPAT模型

3.1 模型描述

式(1)的IPAT方程最早由Ehrlich于1971年提出，其中：I為環(huán)境中被影響的變量；P為人口數量因素；A為人均經濟水平；T為技術水平。

(1)

拓展的IPAT模型(式(2))即STIRPAT，其中：a為模型系數；b、c、d分別表示人口因素、經濟因素和技術因素的彈性；e為殘差項。

(2)

在STIRPAT拓展模型的基礎上加入產業(yè)結構變量S和人均收入水平變量Y。對式(2)兩邊同時取對數，利用OLS最小二乘法對碳排放總量的多元線性方程進行擬合，進一步探索人口規(guī)模、經濟水平、能源強度、產業(yè)結構與生活水平對于影響碳排放總量的顯著性水平，并得到各影響因素對二氧化碳排放總量的相對貢獻。

3.2 回歸結果

初步回歸結果顯示：人口、經濟水平、能源強度、產業(yè)結構與生活水平均是影響二氧化碳排放量的顯著因素，產業(yè)結構解釋變量中第一產業(yè)和第三產業(yè)結構不顯著。模型整體上擬合效果非常好，但根據方差膨脹因子的數值發(fā)現解釋變量之間的共線性十分明顯。進一步考慮運用逐步回歸法和共線性診斷。經過逐步回歸得到如表1所示的最優(yōu)的回歸方程結果，可見模型整體擬合效果非常顯著，共線性診斷DW值為1.534，在合理范圍之內。

表1 逐步回歸最優(yōu)方程回歸結果

3.3 實證分析

通過STIRPAT模型分析可知：人口、經濟水平、能源強度、產業(yè)結構和生活水平確實是影響二氧化碳排放總量的顯著因素，可以作為后續(xù)進行LMDI分解的實證基礎。

從回歸結果可以看出：各因素對于二氧化碳排放總量的影響程度從高到低依次是人口、經濟增長、能源強度、產業(yè)結構和生活水平；第一產業(yè)能源強度與第二產業(yè)結構占比與二氧化碳排放量是負向影響；其余解釋變量對于二氧化碳排放量都是正向影響。人口與二氧化碳的排放量的關系的系數為0.914，即人口每上升1%，二氧化碳排放總量上升0.91%。人均生產總值與二氧化碳排放量關系的系數為0.771，三大產業(yè)的能源消費強度與二氧化碳排放量關系的系數分別為-0.031，0.748，0.259，產業(yè)結構占比與二氧化碳排放量關系的系數為0.555，生活水平與二氧化碳排放量關系的系數為0.339。

4 京津冀能源消費碳排放LMDI模型

4.1 模型描述

基于拓展的Kaya模型可以將碳排放進行分解，將碳排放影響因素設定為人口、經濟增長、產業(yè)結構、能源強度、能源消費結構和能源排放因子六大因素。根據LMDI模型可以將碳排放總的變化量分解為人口效應引起的變化量、經濟增長效應引起的變化量、產業(yè)結構效應引起的變化量、能源強度效應引起的變化量、能源結構效應引起的變化量。

4.2 分解結果

以2000年為基期，運用擴展的kaya模型和LMDI分解方法對北京、天津和河北以及京津冀總體的2000—2014年的能源消費碳排放進行分解，計算出各分解因素的逐年效應和累積效應結果。分解結果詳見表2～4。

表2 北京能源消費碳排放增量效應因素分解分析表

表3 天津能源消費碳排放增量效應因素分解分析表

表4 河北能源消費碳排放增量效應因素分解分析表

4.3 實證分析

圖1 京津冀能源消費碳排放累積效應對比

根據圖1京津冀能源消費碳排放累積效應對比結果表明：通過對京津冀三地得能源消費碳排放的分解因素進行比較研究，可以發(fā)現三地在碳排放貢獻率的分解因素上整體上具有相似的分解結果。人口因素以及經濟增長因素均對三地的碳排放增加具有正向的貢獻率，能源強度因素對3地的碳排放增長均具有明顯的抑制作用；產業(yè)結構和能源消費結構對于碳排放的累積效果影響相對微弱。

對于能源強度效應再進行更進一步的分解研究。如圖2所示，將總的能源強度效應再細分為第一產業(yè)能源強度效應、第二產業(yè)能源強度效應和第三產業(yè)能源強度效應。再按照5年為1個期間將分析期間劃分為3個區(qū)間。從圖2中可以看出：第二產業(yè)和第三產業(yè)能源強度對碳減排有顯著的影響，而第一產業(yè)能源強度對于碳排放量的增長則影響十分微弱；對于北京市來說，第二產業(yè)能源強度對于碳減排的貢獻率具有遞減的趨勢，而第三產業(yè)能源強度的貢獻率則不斷提升；天津市第三產業(yè)能源強度對于碳排放的抑制作用一直優(yōu)于北京市，且在2011—2014年貢獻率快速增長；河北省在2000—2005年第二產業(yè)能源強度對于碳排放的增長具有明顯的正向作用，而在2006年之后轉為了負向的顯著影響；河北省的第三產業(yè)能源強度對于碳減排的貢獻度相對來說小于北京和天津。

5 主要結論與政策建議

5.1 主要結論

圖2 京津冀碳能源強度產業(yè)細分效應年度對比

通過STIRPAT模型的實證結果，可以得到：人口因素、經濟增長因素、產業(yè)結構因素、能源強度因素均是影響二氧化碳排放總量的顯著因素。通過LMDI模型得出各因素對于北京、天津和河北三地的碳排放具體的影響結果：人口、人均GDP對北京市碳排放總體上表現為增碳效應，產業(yè)結構、能源強度、能源消費結構對北京市碳排放總體上表現為減碳效應；對于天津市來說人口、人均GDP、能源消費結構在碳排放總體上表現為增碳效應，產業(yè)結構、能源響度在碳排放總體上表現為減碳效應；對于河北省來說人口、人均GDP、產業(yè)結構、能源消費結構在碳排放總體上均表現為增碳效應，能源強度在碳排放總體上表現為減碳效應。

5.2 政策建議

分析研究京津冀的能源消費碳排放影響因素，目的是從源頭上找出影響碳排放變化的各因素及其作用效果，挖掘其深層次的原因，并為政府更好地推進碳減排提供理論支撐。根據上述結論，本文的政策建議是：

1) 重新認識經濟發(fā)展。京津冀地區(qū)應積極將現有的以犧牲環(huán)境為代價的粗放式經濟發(fā)展方式轉變?yōu)楣?jié)約型和環(huán)境友好型的集約式經濟增長方式。

2) 產業(yè)結構優(yōu)化升級。產業(yè)結構變化對京津冀的能源消耗碳排放增長具有微弱的負效應，表明三地的產業(yè)結構在不斷地優(yōu)化升級。未來三地應繼續(xù)努力發(fā)展能效技術和可再生能源技術，大力培育低耗能、戰(zhàn)略性新興產業(yè)，大力優(yōu)化調整產業(yè)結構，逐步提高低能耗產業(yè)占比，加快產業(yè)結構向能源節(jié)約型和集約化轉變。

3) 提高能源使用效率。能源強度下降是抑制京津冀地區(qū)能源消耗碳排放增長的主要因素，主要是第二產業(yè)和第三產業(yè)的能源強度。一方面，技術進步是能源效率提高的主要驅動力，應該大力推動能源開采、利用及轉換環(huán)節(jié)的技術創(chuàng)新和開展清潔生產。另一方面，應完善節(jié)能減排相關法律法規(guī)的制定和實施，從法律層面上推動能源效率的有效提高。

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

[2] ANG B W．Decomposition analysis for policy making in energy:Which is the preferred Model [J].Energy Policy，2004，32(9):1131-1139.

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

[4] LIU L，FAN Y，et al．Using LMDI method to analyze the change of China’s industrial CO2emissions from final fuel use:An empirical analysis[J].Energy Policy，2007，35(11):5892-5900.

[5] 徐國泉，劉則淵，姜照華．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(huán)境，2006，16(6):158 -161.

[6] 朱勤，彭希哲，陸志明，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):2072-2078．

[7] 宋德勇，盧忠寶．中國碳排放影響因素分解及其周期性波動研究[J].中國人口資源與環(huán)境，2009，19(3):18-24.

[8] 郭朝先.中國碳排放因素分解:基于LMDI分解技術[J].中國人口資源與環(huán)境,2010(12):4-9.

[9] 王棟,潘文卿,劉慶,等.中國產業(yè)CO2排放的因素分解:基于LMDI模型[J].系統(tǒng)工程理論與實踐,2012(6):1193-1203.

[10] 涂正革,諶仁俊.工業(yè)化、城鎮(zhèn)化的動態(tài)邊際碳排放量研究——基于LMDI“兩層完全分解法”的分析框架[J].中國工業(yè)經濟,2013(9):31-43.

[11] 郭運功，林逢春，白義琴，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):68-72.

[12] 劉燕娜，洪燕真，余建輝，等.福建省碳排放的因素分解實證研究[J].技術經濟，2010，29(8):58-61.

[13] 趙欣，龍如銀.江蘇省碳排放現狀及因素分解實證分析[J].中國人口資源與環(huán)境，2010，20(7):25-30.

[14] 李磊．新疆經濟發(fā)展中碳排放變動的因素分析[J].干旱區(qū)資源與環(huán)境，2011，25(8):7-11.

[15] 史安娜,李淼.基于LMDI的南京市工業(yè)經濟能源消費碳排放實證分析[J].資源科學,2011(10):1890-1896.

[16] 宋杰鯤．基于 LMDI 的山東省能源消費碳排放因素分解[J].資源科學，2012，34(1):35-41.

[17] 劉翀,柏明國.安徽省工業(yè)行業(yè)用水消耗變化分析——基于LMDI分解法[J].資源科學,2012(12):2299-2305.

[18] 張偉,張金鎖,鄒紹輝,等.基于LMDI的陜西省能源消費碳排放因素分解研究[J].干旱區(qū)資源與環(huán)境,2013(9):26-31.

[19] 劉源,李向陽,林劍藝,等.基于LMDI分解的廈門市碳排放強度影響因素分析[J].生態(tài)學報,2014(9):2378-2387.

[20] 楊紅娟,胡靜,劉紅琴.云南少數民族農戶生產及生活能源碳排放測評[J].中國人口資源與環(huán)境,2014(11):9-16.

[21] 趙濤,田莉,許憲碩.天津市工業(yè)部門碳排放強度研究:基于LMDI-Attribution分析方法[J].中國人口資源與環(huán)境,2015(7):40-47.

[22] 周兆媛,張時煌,高慶先，等.京津冀地區(qū)氣象要素對空氣質量的影響及未來變化趨勢分析[J].資源科學,2014(1):191-199.

[23] 孫久文,姚鵬.京津冀產業(yè)空間轉移、地區(qū)專業(yè)化與協(xié)同發(fā)展——基于新經濟地理學的分析框架[J].南開學報(哲學社會科學版),2015(1):81-89.

[24] 龍如銀,邵天翔.中國三大經濟圈碳生產率差異及影響因素[J].資源科學,2015(6):1249-1257.

[25] 張俊榮,王孜丹,湯鈴,等.基于系統(tǒng)動力學的京津冀碳排放交易政策影響研究[J].中國管理科學，2016(3):1-8.