碳排放的来源范文

导语：如何才能写好一篇碳排放的来源，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

1．1能源消费碳排放核算根据《2006年指南》关于能源消费碳排放核算公式和张兰［19］等学者的研究，能源消费主要考虑煤炭、石油、天然气，此外还包含少量的风能、生物质能、核能等，由于其他能源对环境影响较小，不予考虑。核算能源消费碳排放的公式。式中，E－C为能源消费碳排放量;Energyi为第i种能源的消费量;αi为第i种能源转换因子，即根据净发热值将燃料转换为能源单位(TJ)的转换因子;CCi为第i种能源碳含量(t/TJ)，即单位能源的含碳量;NCi为第i种能源的非燃烧碳，即排除在燃料燃烧以外的原料和非能源用途中的碳;10－3为单位转化系数;COFi为第种能源的碳氧化因子，即碳被氧化的比例，通常缺省值为1，表示完全氧化。将上述公式进一步简化，可得到计算中更为简便且实用的公式:。式中，βi为第i种能源的碳排放系数，即单位能源的碳排放量。国内外开展能源碳排放系数研究主要有国家科委气候变化项目、国家计委能源所、日本能源经济研究所、美国能源部、DOE/EIA等，本文研究中选取几项权威系数的均值作为计算系数，详细情况见表1。

1．2农业碳排放核算IPCC有关农业生产碳排放的论述多集中于生物活动产生、土壤碳和水稻的甲烷排放，而关于农业生产物质投入导致碳排放的研究不多。结合我国和湖南省农业生产特点，以《2006年指南》为主要参考，结合田云［2，22］等基于投入视角的农地碳排放测算研究，确定农业生产碳排放源包括:稻田、化肥、农药、农膜、牲畜活动。由于农业机械动力相关的碳排放已在能源消费碳排放核算中涵盖，为避免重复，此处不再涉及。构建农业物质投入碳排放核算公式为。式中，A－C为碳排放;i为第i种农业生产要素投入;εi为第种农业生产要素碳排放系数。农药等农业生产要素碳排放系数参考美国橡树岭国家实验室等机构和学者的研究成果，见表2。水稻生长过程中会释放大量甲烷，而甲烷是IPCC公布的六类温室气体之一。水稻是湖南省种植面积最大的农作物，因此核算湖南省农业生产碳排放需要考虑水稻生长的碳排放。Wang［23］、Cao［24］、Matthew［25］等学者测算了稻田甲烷排放系数，结果为0．44gCH4/(m2•d)、0．44gCH4/(m2•d)、0．50gCH4/(m2•d)，研究将三者的算数平均值作为计算系数，即0．46gCH4/(m2•d)。根据2007年IPCC第四次评估报告的相关内容，1单位甲烷与1单位二氧化碳温室效应比为25∶1，据此可确定甲烷与碳的转换系数为6．82，结合稻田甲烷排放系数，确定稻田碳排放系数为3．136gC/(m2•d)。湖南省水稻生长周期为120—150天，研究选取平均值135天为计算标准。稻田碳排放计算公式为。式中，R－C为稻田碳排放量;S为水稻播种面积。根据《2006年指南》第四卷第10章关于牲畜和粪便管理过程碳排放的相关论述，畜牧业尤其是诸如牛、羊等反刍动物生长过程中会产生大量的甲烷，具体而言包括肠道发酵和粪便管理两部分。参考田云［12］等学者的研究，我国畜牧业产生甲烷排放的主要牲畜品种有牛、马、驴、骡、猪、羊，以IPCC给出的排放系数为依据，运用上文所述的甲烷—碳转换系数，建立我国主要牲畜碳排放系数见表3。畜牧业碳排放计算公式为:。

1．3废弃物碳排放核算根据《2006年指南》第五卷有关废弃物的分类研究，温室气体排放源主要有四类:固体废弃物生物处理、废弃物的焚化与露天燃烧、固体废弃物填埋处理、废水处理与排放，固体废弃物填埋处理(即SWDS)是废弃物温室气体的主要来源。固体废弃物被掩埋后，甲烷菌可使废弃物所含有机物分解产生甲烷气体。由前文可知，甲烷是主要温室气体之一，且产生的温室效应比二氧化碳强。据IPCC相关研究估计，全球每年约3%—4%的温室气体来源于废弃物填埋处理产生的甲烷。《2006年指南》推荐使用一阶衰减法(FOD)，一阶衰减法能获得更好的测算精度。根据《2006年指南》和渠慎宁［3］等学者的研究，本研究给出固体废弃物填埋处置产生甲烷量的一阶衰减法的估算公式。

2数据来源与处理说明

2．1数据来源农业生产中涉及的水稻种植面积、化肥、农药、农膜数据来自2001—2011年《中国农村统计年鉴》和能源数据来自湖南省能源平衡表;农业生产中各类牲畜数量来自历年《湖南省统计年鉴》;工业废弃物和城市固体垃圾数据来自国研网统计数据库，确实部分运用插值法根据历年数据补充完整(限于篇幅，方法介绍略);土地利用数据来自国研网统计数据库，经济数据来自相关年份的《湖南省统计年鉴》，按2000年不变价格参与计算。

2．2处理说明根据《土地利用现状分类》和赵荣钦等学者的研究，承载碳排放的土地利用类型包括耕地、牧草地、农村居民点用地、城镇居民点及工矿用地、交通水利和其他用地。研究将根据碳排放发生载体，本文将其分解到具体的用地类型，畜牧业按照食物来源将牲畜活动分属于耕地和牧草地，用地类型与碳排放源对应关系见表4。

3结果分析

3．1碳排放总量与时序特征根据上述公式，我们对湖南省的碳排放总量进行了测算，结果见表5。2011年湖南省碳排放总量为10377．79万t，比2000年的3504．60万t增长了196．10%，远低于同时期GDP增速(500．21%)。从碳排放来源分析，2011年湖南省碳排放的主要来源仍然是能源消费，占总量的95．69%，达9930．06万t;其次是畜牧业碳排放，占总量的2．43%，达2523．01万t;种植业碳排放站总量的1．78%，达184．76万t;废弃物碳排放最少，仅为碳排放总量的0．10%。根据IPCC给出的《2006年指南》，全球能源消费占碳排放总量比例的平均水平为75%，湖南省能源消费碳排放占比远高于参考值，说明湖南省的能源消耗量较大，节能减排的形势严峻。本研究重点测算了湖南省2000—2011年的碳排放总量，通过分析其时序和结构变化特征探讨了湖南省新世纪初期经济发展对环境的影响。研究时序内湖南省碳排放逐年增加(表5)，且增速持续上升，年均增长率10．37%，低于GDP的年均增长率(17．69%)。湖南省碳排放的结构特征也发生了较大变化，2000年能源消费仅占碳排放总量的77．29%，随后逐年上升，直至2008年超过90%，2011年达到总量的95．69%，能源消费对碳排放的影响逐渐增强，湖南省经济发展对能源消费的依赖日益突出，暴露了较为严重的经济发展质量问题。种植业碳排放占比逐年下降，比2000年降低了4．12倍，对碳排放总量的影响逐渐变小。畜牧业碳排放在碳排放结构中处于第二位，2000占比高达13．36%。随着能源消费碳排放的迅猛增加和畜牧业自身的萎缩，畜牧业碳排放占比也逐年下降，比2000年降低了4．50倍;废弃物在总量中的比例一直较低，2000年占总量的0．23%，随后逐年下降，2011年仅为0．10%。

3．2土地承载结构特征与效应分析根据以上有关土地承载碳排放来源的描述，本研究将2011年湖南省碳排放根据其土地承载的属性进行分解，并进一步计算结构特征与碳排放强度，以期从土地利用的视角分析碳排放的来源及减排路径，具体见表6。结果显示，城镇居民点及工矿用地是最大的碳排放源，总量达7781．06万t，占总量的74．98%，且碳排放强度(碳排放与土地面积的比值，t/hm2)也最高，为263．94;交通水利及其他用地次之，碳排放强度为33．41，碳排放占总量的11．30%，为1172．40万t;其他用地类型的碳排放量较少，总计占比为13．73%;牧草地的碳排放总量虽然较少，但其强度较大，单位面积碳排放达32．22t，是仅次于城镇居民点及工矿用地和交通水利及其他用地的碳排放土地承载类型。

4结论与讨论

4．1结论从2011年湖南省碳排放测算的结果可知，能源消费碳排放是碳排放的主要来源，其次是畜牧业、种植业和废弃物。能源消费的高碳排放与湖南省产业结构不合理、产能过剩、能源过度消费有着直接的关系。尤其是新世纪初期，忽视环境问题和对资源的过度消耗是造成碳排放居高不下的重要原因。湖南省节能减排形势严峻，为配合国家碳减排的重大目标，在后续发展中应着重从优化产业结构、转变经济发展方式、淘汰落后差能、创新能源利用技术、大力发展现代农业等方面着手。研究时序内，湖南省碳排放总量逐年增加，且增速不断变快，碳排放结构中能源消耗碳排放占比逐年增加，说明湖南省在能源消耗方面存在浪费问题。畜牧业碳排放占比仅次于能源消耗碳排放，其次是种植业碳排放，废弃物碳排放最少。除能源消耗碳排放占比外，其他来源占总量的比例均逐年下降。能源消耗碳排放的迅猛增加与新世纪初期湖南省经济发展的特征有关，大量工业企业项目投入使用，产能过剩，造成了资源浪费，从而造成碳排放激增。在种植业方面，在研究时序内湖南省耕地种植面积没有明显增加，但碳排放却显著增加，这与近年来优越的农业政策有关。农业政策刺激农民积极种粮的同时也加重了农业物质的投入，如化肥、农药、薄膜等，这些都是农业碳排放的主要来源。畜牧业的碳排放降低与农业产业结构调整有很大关系，湖南省畜牧业萎缩，其产值在第一产业中的比重逐年下降，而技术创新等手段对畜牧业碳排放影响较小，因此碳排放量较最初降低。城镇居民点及工矿用地是碳排放强度最大的用地类型，其次分别是交通水利及其他用地、牧草地、农村居民点用地、耕地，城镇居民点及工矿用地集约利用度高，人口密集，且承载了主要的能源消耗碳排放，因此其碳排放强度较高。通过土地承载碳排放效应分析，可为控制碳排放提供一条新路径。即通过调控土地结构控制碳排放增加，保护其他碳排放强度较低且综合效益较高的用地类型，如林地、草地、牧草地等。

篇2

一、森林碳会计核算

（一）核算对象 碳库是森林碳会计的核算对象，是生态系统的组成部分，积累或释放碳。碳源是碳流出大于碳流入的碳库，由于腐烂、燃烧和呼吸过程，森林往往代表净排放源。 碳汇是碳流入大于碳流出的碳库，通过树木的生长和产生的生物固碳过程，森林可以是接收源。随着时间的推移，就森林组成成分所拥有的碳的绝对量而言，森林在某一时间点上是碳源，在另一时间点上是碳汇，森林可以在源泉和碳汇之间转换。汇总碳库决策主要依靠于现有数据的可用性、测量费用和所需的稳妥水平。 在收集数据时，森林碳库被分为五类：地上生物质（AGB）、地下生物质（BGB）、木材中的死有机质（DOM）、垃圾中的死有机质（DOM）和土壤中的有机质 （SOM）。碳库的分类不严格，分类的种数并不重要，重要的是分类的完整性。库不得重复计算和重大库不应被排除。存在于传统森林边界以外的伐木制品日益被视为一项额外的和潜在的碳库。 树常常代表一个林区总生物质的最大部分，其他碳库只有树生物质的一小部分，碳核算工作大多集中在树生物质。

（二）排放量核算方法 森林碳排放量核算是森林碳会计的重要内容。排放量核算的目的是量化大气、森林植被通过光合作用、呼吸作用、分解和燃烧而产生的温室气体变化。 排放量核算方法主要有库存方法和活动方法两种方法。这两种方法都得到联合国政府间气候变化专门委员会的支持和指导，潜在的基本假设都是：来自于大气和流向大气的温室气体流量等于生物质和土壤中碳储存量的变化。 库存方法也称为定期核算法，计量了两个时间点之间的碳库存量的差异。 该方法可以覆盖大面积和大量物种，适合不同条件下的碳库存量测量。 该库存方法系统还捕捉碳库存的非线性变化，如成长导致的生物质的积累。 然而， 该方法需要依靠碳库的增加和以该方法为基础进行的评估，往往遗漏叶生物质、地表植被和生物垃圾。该方法衡量碳库存量变化的公式为：C =（Ct2-Ct1）÷（t2-t1）， 其中， C表示碳储量变化； Ct1 表示时间t1的碳储量；Ct2表示时间t2的碳储量。相反，基于活动的方法估计了碳库增减后的净余额。该以活动为基础的方法，也称为损益或流量方法，适合于单个碳库难以衡量、碳储存的短期变化不易受到影响的情况。表示方法衡量碳库存量变化的公式为：C = A×（CI-CL），其中， C表示碳储量变化；A表示土地面积；CI 表示碳增益率；CL 表示碳损失率。一般来说，会计方法选择必须反映决策者的目的并得到决策者的接受，决策者可能依靠一国领土内现有森林数据的形式和可获得性考虑所采用的方法。面向未来的会计处理方法还没有达成一致同意，库存和活动为基础的会计方法仍然占主导地位。

（三）多层次报告森林碳会计可利用现有的国家、区域或全球数据。数据来源因领域不同而不同，来源的可靠性和不确定性也会变化。二手数据可能会影响会计核算的准确性，但降低了所需的时间成本和核算成本。二手数据和会计核算的准确性之间存在权衡关系。联合国政府间气候变化专门委员会认识到权衡的存在，所以提出了一种多层次的方法核算碳排放量。第一层报告只需要收集很少的原始数据，生成对森林生物质的估计。联合国政府间气候变化专门委员会指南报告了基于特定区域气候及植被数据的大量可利用参数和排放系数。第二层报告也采用默认森林生物质信息，但结合了国家的具体数据。第三层报告采用高度本地化的详细资料，往往需要对森林样本参数进行重新测量。随着要求的数据越来越多和从第一层到第三层分析复杂性的增加，碳估计的准确性和精确性也增加。为了验证或提高碳会计估计的质量，往往需要遥感数据和实地测量。

二、土壤碳会计核算

（一）土壤碳含量变化土壤碳会计核算可以使人们清楚目前土壤碳含量在碳增减的历史轨迹中所处的位置。土壤碳包括有机碳、无机碳和硅石碳。 从土壤中流失的每吨碳增加大气中3.67吨二氧化碳。而每公顷土壤增加1吨碳意味着从大气中吸收3.67吨二氧化碳，即：每2.7吨碳吸收到土壤中意味着10吨二氧化碳从大气中清除。将碳吸收到特定封存区或增加土壤碳含量是有意义的。

（二）土壤碳含量测量方法澳大利亚土壤碳认可计划将土层分为八类， 即0～5、 5～10、10～20、 20～30、 30～50、50～70、70～90和90～110厘米。每类土层的土壤样本将使用液压取心管来收集，并分析各自土壤碳含量。土壤碳含量的测量方法包括直接测量和间接测量。直接测量最悠久的形式是提取和分析土壤样品。在实验室中燃烧该样品， 分析其碳含量。这个过程不区分碳化硫和碳化硅。当需要测量碳化硫时， 必须通过酸的分解将碳化硅从分析样品中排除。 干燃烧是一个非常准确和广泛使用的技术，而湿燃烧已过时、不可靠， 现在很少使用。间接方法分为预测法和校准法。 预测法是指碳储存量可以通过使用模型来预测。这些模型考虑到了碳储量影响因素序列（如天气、植被类型和放牧制度），能提供对碳储量的预测或估计。校准法是指碳储存量变化估计可以使用与以前获得的数据的统计关系来“校准”。这些关系或方程使用更容易进行测量的变量值。 输入变量可以是定量的，如由土壤和植被在若干光谱带反射的辐射量，或者是定性的，如土壤系列。

三、碳排放会计核算

（一）碳排放标准随着气候变化，温室气体的排放越来越受到重视，随之而产生的温室气体排放计算工具中，在国际上使用最广泛的是温室气体议定书（GHG Protocol）。 温室气体议定书的倡议三是会计框架，由世界资源研究所（WRI）和世界可持续发展工商理事会（WBCSD）为了衡量、计算和报告温室气体排放量而构建。有两个ISO（国际标准组织）标准：一个是组织或实体标准，另一个是项目减排标准。国际标准化组织的ISO 14064系列标准是以温室气体议定书的框架为基础。 这些标准提供了衡量、计算和报告温室气体排放量的规范和指导，以及应当如何对以这些标准为基础的报告进行审计。1996年颁布的国际标准ISO 14001仅经过了短短十几年就已经成为全球环境管理体系的标准，在公共和私营部门的所有类型的机构中应用。该标准要求公司设定碳减排目标以减少对环境的影响，并经外部审计核实公司是否实现了自己所设的目标。ISO 140642是用来证明一个项目已减少或消除碳气体排放的国际标准。企业可以把排放量削减方案当作一个项目。

（二）碳排放核算范围 国际温室气体协议标准建议：企业应确保核算其温室气体清单包括范围一和范围二的排放，并鼓励企业核算范围三的排放量。范围一核算由报告公司拥有或控制的来源所产生的温室气体排放。这些也被称为直接排放，包括：生产电、热或蒸汽时产生的燃料燃烧排放；物理或化学处理过程排放；为了运送材料、产品、废物和员工而使用公司拥有或控制的运输设备所带来的排放；无常排放，如，有意或无意的从连接和密封设备、采矿设备和电气开关设备产生的泄漏。应用到农场或财产，范围一是指从来自于加热器、锅炉、拖拉机和农业企业使用的其他车辆的燃料直接燃烧后的排放量。农场还包括来自于牲畜及其垃圾、作物栽培与无机和有机氮肥应用产生的温室气体排放。范围二核算对进口或外购的电、热或蒸汽的消耗所带来的温室气体排放。这些被称为间接排放，因为其是报告公司消耗的结果，但由另一家公司拥有或控制的来源而发生。但用于再出售给最终用户目的而进口或购买的电、热或蒸汽所带来的温室气体排放应包括在范围三中。用于卖给中介机构目的而进口或购买的电、热或蒸汽所带来的温室气体排放应作为佐证资料单独报告。 为了提高数据的透明度，与范围一相关的排放量数据不应当从范围二中减去或遗漏。对许多公司来说， 外购电力代表了温室气体排放最大来源之一，也是减少排放的最重要的机会。但对于土地管理业务，这些排放量小得多。范围三核算所有其他间接排放，是企业业务活动的结果，但由非本企业拥有或控制的来源而产生。范围三中以土地为基础业务企业的排放量均与肥料和饲料生产所产生的相关排放量有关。公司可考虑报告对商业和目标来说重要并且能取得可靠的信息的作业所产生的排放。 范围三包括：所购买材料的生产排放；报告公司不拥有或控制的车辆运输排放；外包活动、合同制造和特许经营的排放；报告公司生产的产品和服务的使用阶段和终结阶段所产生的排放。

（三）控制方法与实体份额方法与温室气体议定书一致，温室气体排放资料应当采用透明的方式收集和编制报告，可以使用控制方法、实体份额方法，或并行两种方法。 实体份额是所有权百分比或运营中经济利益的百分比。实体份额方法增加了温室气体信息尽可能满足不同用户目的的可用性，并反映了财务会计和报告准则所采用的办法。 控制方法提供了一种简单的方法来确保已核算所有的排放并反映出商定的业务管理责任。 根据控制方法， 公司要百分之百核算所控制业务的温室气体排放量，不核算拥有利益但没有控制权业务的排放。多方拥有所有权的公司或联合公司可能有协议规定双方之间如何分配排放所有权（或排放管理责任）和相关风险。 如果这种协议存在，公司可以选择提供协议的描述， 包括关于温室气体相关的风险和义务的分配信息。

（四）碳排放权交易的核算世界各国在遵循《京都议定书》的规定控制和降低碳排放的过程中，逐步发展起碳排放权交易。按照国际会计准则37～38号的规定，购买碳排放权应作为无形资产处理，按历史成本原则计价，并定期进行减值测试。但碳排放权交易会计核算至今尚未形成统一的标准。

国际碳会计已形成了宏观与微观两个层面的会计核算体系。从微观层面看，碳排放会计涉及基期及以后年度的排放量概况、各年排放量的显著变化情况、计算所使用的方法、报告所涉期间等。从宏观层面看，森林植被、土壤的碳会计核算是由国家建立相关的碳核算账户和报告体系。

参考文献：

［1］World Resources Institute. 2004. Greenhouse Gas Protocol: A corporate accounting and reporting standard. Revised edition. WRI and World Business Council for Sustainable Development， Washington， DC.

［2］Gregg Marland，Kristy Fruit，and Roger Sedjo ，Accounting for sequestered carbon: the question of permanence［J］.Environmental Science & Policy，Volume 4， Issue 6，December 2001， Pages 259-268，doi:10.1016/S1462-9011(01）00038-7.

［3］Richard A. Birdsey，Carbon Accounting Rules and Guidelines for the United States Forest Sector［J］.Environ Qual，35:1518-1524 (2006），DOI: 10.2134/jeq2005.0193.

［4］Oscar Cacho，Robyn L. Hean，Russell M. Wise，Carbon-Accounting Methods and Reforestation Incentives［J］.Australian Journal of Agricultural and Resource Economics， Vol. 47， pp. 153-179， June 2003.

［5］M.省略mon， U.salma，Accounting for Australian Carbon Dioxide Emissions［J］.Economic Record，Volume 68 Issue 1， Pages 31 - 42，22 Oct 2007.

篇3

中国于2007年超过美国成为世界第一碳排放大国。2011年全球共排放CO2340亿吨，中国占世界总排放量的比重高达29%。①与此同时，中国从2003年开始，OFDI迅猛增长。《中国对外直接投资统计公报（2012）》显示，2011年中国OFDI实现了自2003年以来连续10年的高速增长，达到746.5亿美元，同比增长8.5%；2003~2011年，中国OFDI年均增长速度为44.6%。中国不断增加的OFDI是否如“污染天堂假说”所说，转移了高污染及高能耗产业，有助于减少本国的CO2排放，这是一个值得深思的问题，也是本文的主要议题。

二、计量模型设定及数据来源

（一）计量方程设定

地区污染通常受经济规模、技术水平、产业结构等因素的影响（熊立等，2012；周力和庞辰晨，2013）。本文使用上述变量来分析我国OFDI对CO2排放量的影响，因此本文的基本方程设定如下：2logCOlogOFDI+LogGDP+logTech+logStruc+LLLLL（1）为了更好地分析影响我国CO2排放量的影响因素，本文同时引入了其他控制变量，即科研经费（RD）、地区受教育程度（Edu）、绿地面积（Green）、环境治理投资（Environ）和能源消费结构（Coalratio），最终计量方程设计为：2ititititititititititLlogCOlogOFDI+LogGDP+logRD+logEdu+logStruc+logGreen+logEnviron+logCoalratio+LLLLLLL（2）其中，i代表区域，t代表时间（年份），采用对数形式是为了更好地控制异方差。

（二）变量设定及数据来源

本文选取了2003~2011年我国30个省市自治区（除）的省级面板数据，以下进行变量说明：1.被解释变量：CO2排放量。本文通过《中国能源统计年鉴（2012）》获得各省市自治区石油、煤、天然气3种能源的消费量数据，并通过《中国可持续发展能源暨碳排放情景分析》中给定的排放系数进行转换，其中：石油的碳排放系数为0.58吨碳/吨标煤、煤炭的碳排放系数为0.75吨碳/吨标煤，天然气的碳排放系数为0.44吨碳/吨标煤。2.核心解释变量：对外直接投资（OFDI）。本文参照许和连和邓玉萍（2012）的做法，选取各省市自治区OFDI存量进行估计。数据来源为2005年、2012年两个年度的《中国对外直接投资统计公报》。3.其他变量：（1）经济规模。参照He（2006）的做法，本文用各省市自治区GDP作为经济规模的衡量指标。通常情况下，经济规模越大意味着更高的工业化水平，因此也会带来更多的CO2排放，二者拟呈正相关关系。数据来源为《中国统计年鉴（2012）》。（2）技术水平。对于技术水平的衡量，学界较多采用单位工业产出CO2（或SO2）排放量，为避免解释变量与被解释变量的多重共线性，本文选用两个指标来共同衡量技术水平，即各省市自治区的科研经费和地区受教育程度（高中以上受教育人数）。科研经费投入的增多必然提高节能减排技术水平，而教育水平的提高也会增强个人的节能减排意识，因此上述两个指标的提高都有助于节能减排，其与碳排放拟呈负相关关系。数据来源为中国科技部网站。（3）产业结构。第二产业为高碳排放产业，对于产业结构的量化，本文沿用已有的方法，采用第二产业产出占GDP的比重进行量化，第二产业产出比重的上升，必然带来碳排放量的提高，二者拟为正相关关系。数据来源为《中国城市统计年鉴（2012）》。（4）绿地面积。绿地面积的增加必然带来我国碳排放量的减少，其与碳排放拟呈负相关关系。数据来源为《中国城市统计年鉴（2012）》。（5）环境治理投资。近年来，我国加大了对环境治理的投资，2010年与2011年我国的环境治理投资分别为6,554亿元和7,114亿元。环境治理投资的增加必然有利于我国CO2排放量的减少，二者拟呈负相关关系。数据来源为《中国城市统计年鉴（2012）》。（6）能源结构。我国的能源消费以煤炭为主，占总能源消费量的70%以上。因此，本文选用煤炭消费量占总能源消费量的比重作为能源结构的量化指标。煤炭消费比例的上升必然导致碳排放量的增多，二者拟呈正相关关系。数据来源为《中国能源统计年鉴（2012）》。

（三）数据相关特征分析

加入对数后，数据整体变小，但仍可看到OFDI的对数标准差达到2.16，说明了2003~2011年我国OFDI的巨大变化，而本文选择在此阶段研究OFDI的碳排放效应，也使得结果更有可信度。由表2的相关性分析可知，经济规模（LogGDP）与许多变量的相关系数都超过了0.7，疑存在多重共线性，因此对模型进行多重共线性检验，检验结果如表3所示。由表3可知，经济规模（LogGDP）的方差膨胀因子（VIF）大大超过了10，模型存在严重的多重共线性，因此，以下进行回归估计时，需对模型进行修正，并剔除具有多重共线性的变量。

三、计量结果分析

（一）全国层面分析

本文选取2003~2011年中国30个省级面板数据对计量方程进行回归。首先对模型进行Hausman检验，根据检验结果，采用固定效应对模型进行回归估计。此外，由于模型存在多重共线性，因此在回归估计时采用逐步回归法，从而剔除不显著变量。如表4所示，随着变量的加入，R2不断增大，且模型1~6所有变量均十分显著，但随着绿地面积与产业结构的加入，R2开始减小，且二者的估计值均不显著，因此将上述两个变量予以剔除。模型1~6均通过Wald检验，模型估计效果良好，选择模型6进行最终结果分析。数据显示：1.我国OFDI对国内碳排放呈显著正效应，OFDI每增加1%，国内CO2排放量将增加0.0914%。这说明，我国OFDI的增多显著提高了我国的CO2排放量。从全国层面来看，“污染天堂假说”不适用于中国。我国的对外直接投资并没有转移国内高能耗产业，将高碳排放转移至东道国。笔者认为，中国OFDI的增多通常会给本国带来产业结构调整效应，增加第二产业的比重，而第二产业为高碳排放产业，这也是OFDI使得我国CO2排放量增多的原因所在。2.经济规模扩大是我国碳排放增多的主要原因。数据显示，经济规模每扩大1%，我国的碳排放会显著增加1.2541%。长期以来，我国第二产业的比重远远高于第一、三产业，经济规模的扩大意味着工业化程度的提高，碳排放量必然显著增多。3.能源结构是增加国内碳排放的重要原因。结果显示，我国煤炭消费的比率每上升1%，我国的碳排放将增加0.5728%。这说明，如果增加其他化石能源的消费以替代煤炭消费，会有助于减少我国的碳排放，调整能源消费结构是节能减排的重要一环。4.我国的技术研发和受教育水平的提高均有助于减少国内碳排放。如果我国的技术研发经费与受教育水平分别增加1%，国内CO2排放量将分别显著减少0.1944%和0.4740%。5.我国的环境治理投资增加了国内的CO2排放量。数据显示，我国的环境治理投资每增加1%，国内碳排放量将显著增加0.0828%。这是由于我国的环境治理投资主要用于减少“三废”，对废气、废渣的处理采用“催化燃烧”等方法时将会增加CO2排放量，这就是加大环境治理投资反而提高国内碳排放的原因所在。

（二）地区层面分析

由于我国幅员辽阔，区域间经济发展程度不同、产业结构不一样，更为重要的是，我国的OFDI数量在区域分布上极不均衡（如表5所示），因此有必要分区域研究我国OFDI对不同地区CO2排放的影响。本文将沿用剔除了多重共线性变量的模型进行估计，分析区域间的差异。本文对地区层面的分析沿用前面的分析方法，首先通过Hausman检验选择固定效应模型，结果如表6所示，其中：东中西部3个模型均通过Wald检验，且较高的R2也显示，模型的解释度较高。以下对回归结果进行简要分析。1.OFDI对CO2排放量的影响呈正效应，这与全国层面的分析保持了一致。然而，在东部地区，OFDI对CO2排放量的影响并不显著，而二者的关系在中西部地区却十分显著。由表5可知，东部地区的OFDI远高于中西部地区，其与当地CO2排放量的关系却不成比例。笔者认为，我国正在将高污染和高能耗产业向中西部转移，庞大的对外投资代表着高速发展的经济水平，而这种经济高速发展却未带来相应比例的碳排放，这便是产业转移的直接效应。数据显示，在我国中西部地区，OFDI的增加均提高了上述地区的碳排放量：OFDI每增加1%，中部地区和西部地区的CO2排放量将分别增加0.1277%和0.1044%。2.经济规模仍然是我国高碳排放的主要原因。在地区分析中，经济规模仍然与我国的碳排放呈正相关关系，且在3个地区均十分显著，这与全国层面分析保持一致，且经济规模扩大所带来的碳排放正效应按东中西部依次递减。3.科研投入与受教育水平仍然是影响我国CO2排放的主要因素。二者在地区回归分析中均与我国碳排放呈负相关关系。科研投入在中西部地区的减排效应并不显著，这是由于我国的科研投入极不平衡，主要集中在东部发达地区，中西部则较少；受教育水平在我国东西部地区显示为显著的负效应，而在中部地区对碳排放的影响则不显著。4.能源结构依然是我国高碳排放的重要原因。在地区分析中，能源结构仍然显示为正效应，但在东部地区，能源结构的正效应并不如中西部地区显著，这再次说明了我国东部地区存在高能耗企业转移现象。5.环境治理投资被再次证明并不能减少反而会增加我国的碳排放量。在地区层面分析中，环境治理投资仍然对我国的碳排放呈正效应，由此进一步说明，我国对“三废”的处理反而增加了我国的CO2排放量，其处理方法有待改善。

四、结论与政策建议

本文选用2003~2011年中国30个省市自治区的省级面板数据研究分析了我国OFDI对本国CO2排放量的影响。实证结果表明，我国的OFDI每增加1%，国内CO2排放量将增加0.0914%，这说明我国的OFDI并没有减少国内碳排放，反而是增加本国碳排放的重要原因之一。作为碳排放大国，中国的节能减排工作刻不容缓，根据研究结果，笔者认为应从以下几个方面加以应对：

（一）调整对外直接投资流向，加强国际能源开发

研究结果显示，我国OFDI的增多会导致我国CO2排放量的增多，这说明我国并没有将高污染、高能耗产业转移至国外，因为我国OFDI主要流向了租赁服务业，①并不能减少国内的碳排放。笔者认为，我国的OFDI应加强对能源行业的投资比重，加强与他国在能源开发方面的合作，研究新能源，共同降低能耗和排放强度，从而一方面解决我国的能源安全问题，另一方面促进我国节能减排工作的开展。

（二）调整区域对外直接投资比重，促进中西部经济发展

在区域研究中，东部OFDI比重最大，中西部的投资比重则相差甚远，然而东部OFDI对CO2排放量的影响却不显著，而且不成比例，这再次证明了东部正在将高污染高能耗产业向中西部转移，中西部OFDI带来的正碳排放效应很可能是由于产业转移带来的，而造成上述现象的原因依然是经济水平发展的不平衡。因此，带动中西部经济发展是解决问题的关键，而加强OFDI则是促进地区经济发展的重要手段之一。对外直接投资的增多可能会增加我国的碳排放量，但会逐渐平衡我国区域的碳排放量，减少我国中西部的碳排放量。

（三）调整能源结构

本文虽然主要探讨OFDI与我国CO2排放量的关系，但是回归结果显示，能源消耗才是我国碳排放量增加的直接原因之一。这是由于我国的能源消费主要以煤炭为主，而煤炭的碳排放系数最高，也就造成了我国较高的碳排放量。目前，我国应加大清洁新能源的开发力度。与此同时，还要逐渐采用“以气代煤”和“以油代煤”的手段，调整能源消费结构，降低我国的CO2排放量。

（四）加大技术研发和教育力度

技术投入和教育水平与我国的CO2排放量呈负相关关系。这说明上述两个要素是降低我国碳排放的重要手段。因此，加大研发力度、提高个人教育水平和素质、强调节能减排从个人做起，将有利于降低我国的碳排放。

（五）调整环境治理手段，逐步改变使用高碳排换取低“三废”的治理手段

篇4

关键词 低碳经济；规模以上工业企业；能源消费；碳排放；碳排放强度

中图分类号 F206 文献标识码 A 文章编号 1002-2104（2011）01-0064-06 [WTHZ]doi:10.3969/j.issn.1002-2104.2011.01.012

纵观国内学者对碳排放方面的研究，多数从国家和省域层面研究碳排放与经济增长演进、碳排放与能源结构演进、碳排放估算与影响因素的实证分析、碳排放的影响因素分析与碳税减排政策设计、碳排放与工业可持续发展等方面。从市域角度来对碳排放进行测算和研究相关关系的不多，主要集中在对上海能源消费碳排放的研究等［1-14］。相关研究均未涉及到规模以上工业企业层面，市域碳排放量大部分来源于工业企业化石能源消耗和水泥生产过程的二氧化碳排放，而规模以上工业企业占所有工业企业碳排放量的绝大部分。本文对湘潭市规模以上工业企业能源消耗的碳排放进行实证分析，为湘潭市市政府和两型办制定湘潭市低碳经济示范市发展战略提供数据支持的同时，也可为其他省市如何降低规模以上工业企业碳排放强度提供借鉴。

1 湘潭市规模以上工业企业能源消耗碳排放特征与趋势分析1.1 1999-2008年湘潭市规模以上工业企业化石能源消耗的碳排放总体趋势分析按照国家统计局编制的《能源统计报表制度》的要求,能源消费量分为能源终端消费量、能源加工转换损失量(投入量－产生量) 和能源损失(包括运输和输配损失)量3个部分。能源终端消费产生的碳排放占重要地位，包括原煤、洗精煤、原油、天然气、焦炭、焦炉煤气、汽油、煤油、柴油、液化石油气、其他石油制品、其他焦化产品、热力、电力等。电力既有本区域内火力发电也有区域外来电，直接根据能源消费量或一次能源消费量计算碳排放有一定的误差［3］。湘潭市的电力消费既有本地火力发电也有市外来电，热力主要是本市供热，其碳排放是按火力发电和供热投入的能源计算，不再计算能源终端消费部门热力和电力的碳排放。湘潭市1999-2008年规模以上工业企业化石能源消耗量数据根据2000-2007年《湘潭统计年鉴》、《湘潭改革开放30年》和《湘潭经济社会发展60年》中的规模以上工业企业能源购进、消费与库存情况和能源加工转换工业企业能源购进、消费与库存附表情况表整理而来，规模以上工业企业的工业增加值数据来源于《湘潭经济社会发展60年》［7-8］。

能源消费碳排放量计算，根据联合国政府间气候变化专门委员（IPCC）碳排放计算指南，结合湘潭市能源统计数据的特点，采用以下公式计算：A =∑12i=1Bi×Ci 。式中，A 为碳排放量，单位t；Bi 为能源i消费量，按标准煤计算，单位吨；Ci为能源i碳排放系数，单位t/t；i为能源种类，取19类(见表1)。湘潭市主要消费能源的碳排放系数来源于IPCC碳排放计算指南缺省值，原始数据以J为单位，为与统计数据单位一致，将能量单位转化成标准煤，具体转化系数为1t标准煤等于21 930GJ。各种能源的碳排放系数见表1。碳排放强度的计算公式为：D=E/F，式中D为碳排放强度，E为碳排放量，F为规模以上工业增加值。湘潭市1999-2008年规模以上工业企业化石能源消费碳排放量和碳排放强度计算结果如表2所示。

邓明君：湘潭市规模以上工业企业能源消耗碳排放分析中国人口•资源与环境 2011年 第1期表1 各种能源的碳排放系数

从湘潭市规模以上工业企业能源数据上可以看出，未统计外来电力的情形下，总体上原煤、洗精煤、其他洗煤、型煤和焦炭的消耗占了所有化石燃料消耗（折合标准煤）的99%左右。湘潭市通过调整能源结构来削减二氧化碳排放量还存在很大空间。如图1所示，十年来湘潭市规模以上工业化石燃料消耗的碳排放量呈不断上升趋势。2003-2007年，湘潭市新型工业化加速推进，工业连续五年保持20%以上的增速，完成了湘钢600万t钢技改、电厂二期等重大项目建成投产，工业化进程使得2003-2007年湘潭市规模以上工业企业的碳排放量上升很快，到2008年趋于平稳。从图1可看出，湘潭市规模以上工业企业的碳排放强度不断下降，从2003年以来下降很快，2006-2008年碳排放强度从2.92降到了1.79，在碳排放量不断扩大的情况下，如此大的降幅非常难。这主要得益于：①2006年前，湘潭市围绕重点行业节能降耗，开展创新性技术攻关，突破了一批瓶颈技术，开发并应用了一批重大节能新技术、新工艺和新装备；②2007年初湘潭市制定了《节能减排科技支撑行动方案》，全面实施了“1126工程”，即：通过攻克10项关键技术和共性技术，推广10项持，重点打造了装备制造业、精品钢材、新能源设备、小轿车等四大产业基地，这使得电气机械及器材制造业、农副食品加工业、金属制品业、食品制造业、交通运输设备制造业和塑料制品业的能源消耗加快，碳排放量上涨较快。2008年，湘潭市煤炭开采和洗选业、石油加工、炼焦及核燃料加工业由于有新企业进入或原企业产能扩大导致该行业能源消耗量猛增，碳排放量变化大。根据国家相关政策，湘潭市进一步加快了淘汰落后产能的工作力度，在“上大压小”的原则指引下，2007年关闭了10户小火电，这使得电力、热力的生产和供应业的碳排放量在2008年下降较快。

1.3 2005-2008年湘潭市规模以上工业企业中重点企业碳排放特征及趋势分析根据湘潭市1999-2008年规模以上工业企业每吨标准煤的排放系数均值（0.7 648），本文测算得到湘潭市重点工业企业的碳排放量和碳排放强度数据，结果如表4所示。原数据有30家重点企业，由于有个别企业改制、停产、破产，本文只选择了其中的27家企业，分析其碳排放的特征及趋势。

从表4可以看出，2005至2008年，湘潭市重点企业中多数企业的碳排放强度均处于平稳下降的趋势，重点企业中的几大能源消耗大户，碳排放强度下降明显。这主要源于：①大力发展循环经济。湘潭电化集团有限公司建立热电联产项目，采用循环锅炉后，遵循能源梯级利用原则，年节省原煤1.1万t，节水60万t。湘潭钢铁有限公司先后投入10多亿元进行循环节能技术改造，基本实现了烧结、高炉、转炉、棒材等工序设备冷却水与废水的循环利用。为消化烟气脱硫装置所产生的废渣，湘潭电厂与其他企业合资兴建了一条利用废渣生产纸面石膏板的生产线，年产石膏板3 000万m2，使每年近20万t工业废渣得到综合利用，这使得湘潭电厂2008年的碳排放量明显下降；②大力推进科技创新。2006年在钢铁企业重点推广“三干三利用”（即焦炉、转炉和转炉煤气干式除尘技术及对水、煤气和固体废渣的综合利用技术），全市钢铁企业综合能耗下降了8.89%。2008年湖南韶峰建材有限责任公司完成了2 500 t/d干法窑熟料冷却机节能技术改造，建成了8 000 KW的余热发电系统，实现年发电5 343万KWh，节约标准煤18 829吨/年，减少二氧化碳排放47 072吨/年；③节能工程建设。2007年，湘潭市完成了30家重点能耗企业中6 700台老式电机与老式变压器80%的更新改造。2008年湘潭市狠抓工程减排，进行“以气代油”、“以气代煤”改造；④充分发挥企业重组改制的作用。引进中国五矿集团重组湖南铁合金厂，成立五矿（湖南）铁合金有限责任公司，公司能源消耗的碳排放强度在重组后发生戏剧性变化。湖南金宏泰肥业有限公司的碳排放强度在公司改制后变化显著。

2 结论与启示

理论上，工业碳排放强度包括行业结构、能源消费结构、能源强度和碳排放系数4个影响因素［9］，还有学者指出建立节能激励机制、加强能源技术领域研发力度与国际合作、优化外贸结构等措施也能够较好地降低区域碳排放强度。但现实中，深入贯彻实施这些政策、制度和措施却非易事，需要政府充分发挥主导作用，制定好规划，建立节能的长效机制。地处长株潭“两型社会”改革试验区的湘潭市通过实际行动高效可持续地降低了规模以上工业企业碳排放强度，碳排放强度变化驱动力主要来源于以下几方面：调整优化产业结构、加快节能工程建设、大力推进科技创新、发展循环经济和企业重组。同时，湘潭市规模以上工业企业降低碳排放强度还有很大空间，还需要进一步淘汰高能耗的设备和改进生产工艺，提高天然气、风能等清洁能源的使用比例。

湘潭市降低规模以上工业企业碳排放强度的成功经验在于：湘潭市通过“以政府为主导、以企业为主体、产学研结合”的节能减排模式，很好地运用了“结构节能、技术技能和制度（或管理）节能”三种节能途径，解决了当前节能工作普遍存在的“政府动员多、企业和消费者行动少，号召多、具体措施少，行政性手段多、经济与法律手段少”三多三少问题［10］。对于其它省市来说，未来为了实现区域规模以上工业企业碳排放强度降低目标，必须制定完善的区域节能减排规划，还需要政府加强产学研知识转移的渠道建设和维护――即政府在宏观上调控和指导大学与科研机构以及产业的发展和研究方向，成立产业基金和科研基金来促进企业和大学科研机构的合作，建立产业和大学科研机构的信息交互平台［11］，使区域节能减排科技发展获得高校与科研院所等相关专家的支持。同时，在招商引资和承接产业转移时，目标必须着力促进经济结构调整，在合作支点上，突出传统产业改造升级，打造低碳经济园区，减少化石能源消费。最后，建议建立并实施碳排放强度考核制度，探索市域温室气体排放控制机制，在特定区域或行业内探索性开展碳排放交易，兑现我国在碳排放强度控制上对全世界的承诺。

参考文献（References）

［1］钱杰,俞立中.上海市化石燃料排放二氧化碳贡献量的研究［J］.上海环境科学,2003,22(11):836-839.［Qian Jie,Yu Lichong. Study on Contribution of CO2 Emissions from Fossil Fuel in Shanghai［J］.Shanghai Environmental Sciences, 2003,22(11):836-839.］

［2］何建坤，刘滨．我国减缓碳排放的近期形势与远期趋势分析［J］．中国人口•资源与环境，2006,(6)．［He Jiankun,Liu Bin．Andysis on the Situation in the Near Future and the Trends in the Long Term with Regard of Mitigating Carbon Emissions in China［J］．China Population Resources and Environment，2006,(6)．］

［3］梁朝晖.上海市碳排放的历史特征与远期趋势分析［J］.上海经济研究,2009,(7):79-87.［Liang Zhaohui.The Historical Characteristics and Longterm Trend of Carbon Emissions in Shanghai［J］.Shanghai Journal of Economics,2009,(7):79-87.］

［4］赵敏,张卫国,俞立中.上海市能源消费碳排放分析［J］.环境科学研究,2009,22(8):984-989.［Zhao Min,Zhang Weiguo, Yu Lizhong.Carbon Emissions from Energy Consumption in Shanghai City［J］.Research of Environmental Sciences,2009,22(8):984-989.］

［5］邓晓．基于LMDI方法的碳排放的因素分解模型及实证研究［D］．武汉：华中科技大学,2009．peng Xiao．Decomposition Model and Empirical Study of Carbon Emission Base on LMDI Technique［D］．Wuhan：Huazhong University of Science and Technology,2009．］

［6］岳超，王少鹏，朱江玲，等．2050年中国碳排放量的情景预测：碳排放与社会发展Ⅳ［J］．北京大学学报：自然科学版，2010,(4)．［Yue Chao，Wang Shaopeng,Zhu Jianling,et al．2050 Carbon Emissions Projecfion for China：Carbon Emissions and Social Development(Ⅳ)［J］．Acta Scientiarum Naturalium Universitatis Pekinensis，2010，(4)．］

［7］郭运功,林逢春等.上海市能源利用碳排放的分解研究［J］.环境污染与防治,2009,31(9):68-72.［Guo Yungong,Lin Fengchun,Bai Yiqin,Wu Meimei.The Decomposition Research on Energy-related Carbon Emissions of Shanghai［J］. Environmental Pollution & Control,2009,31(9):68-72.］

［8］帅通,袁雯.上海市产业结构和能源结构的变动对碳排放的影响及应对策略［J］.长江流域资源与环境,2009,18(10):885-889.［Shuai Tong,Yuan Wen. Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies for Response ［J］. Resources and Environment in the Yangtze Basin,2009,18(10):885-889.］

［9］梁巧梅,Nofio Okada,魏一鸣．能源需求与二氧化碳排放分析决策支持系统［J］．中国能源，2005,(1)．［Liang Qiaomei，Nofio Okada,Wei Yiming．Decision Support System for Energy Demands and Related CO2 Emissions Analysis［J］．Energy of China，2005,(1)．］

［10］胡初枝，黄贤金，钟太洋，等．中国碳排放特征及其动态演进分析［J］．中国人口•资源与环境，2008,(3)．［Hu Chuzhi，HuangXianjin,Zhong Taiyang,et al．Character of Carbon Emission in China and Its Dynamic Development Analysis［J］．China Population Resources and Environment，2008,(3)．］

［11］王小亭,高吉喜.张家港碳排放人类驱动分析［J］.生态经济,2009,(1):55-58.［Wang Xiaoting,Gao Jixi. Driving the Human Carbon Emission of Zhangjiagang［J］.Ecological Economy,2009,(1):55-58.］

［12］湘潭市统计局,湘潭市统计学会.湘潭改革开放30年［R］.统计出版社,2008. ［Xiangtan Bureau of Statistics,The National Statistical Statistical of Xiangtan. Xiangtan Reform and Open Policy 30 Years ［R］. Statistical Publishing House,2008.］

［13］湘潭市统计局.湘潭经济社会发展60年［R］.统计出版社,2009.［Xiangtan Bureau of Statistics. The Xiangtan Economic Society Develops for 60 Years ［R］.Statistical Publishing House,2009.］

［14］吴滨.工业碳排放及能源消耗研究［J］.南京工业大学学报(社会科学版),2010,9(1):25-29.［Wu Bin.On Industrial Carbon Emission and Enerev Consumption［J］.Journal of Nanjing University of Technology(Social Science Edition),2010,9(1):25-29.］

［15］《中国可持续能源实施”十一五”20%节能目标的途径与措施研究》课题组.中国可持续能源实施”十一五”20%节能目标的途径与措施研究［M］.北京:科学出版社,2008:142-158.［《A Study of Approaches and Methods to Meet China’s 20% Energy Efficiency Target for 2010》Topicbased Group.A Study of Approaches and Methods to Meet China’s 20% Energy Efficiency Target for 2010［M］.Beijing: Science Press,2008:142-158.］

Analysis on the Carbon Emission of Municipalscale Industrial Enterprises in Xiangtan City

DENG MingJun

(Business School，Hunan University of Science and Technology, Xiangtan Hunan 411201,China)

篇5

论文关键词：低碳经济,恒等式,排放,能源消费

引言

近年来，以低能耗、低污染、低排放为基础的低碳经济发展模式日益受到各国重视。目前，能源和环境问题已经成为中国经济快速发展的瓶颈，节能减排和低碳发展，将会是中国未来发展道路的必然选择。本文借助Kaya恒等式对我国1990年～2007年能源消费碳排放进行实证分析，力求比较精确地量化各因子的贡献率，并在此基础上探讨我国低碳经济的的可行性策略。

1Kaya模型及分析方法

1.1Kaya恒等式及其涵义

Kaya恒等式由日本学者YoichiKaya提出，它揭示了CO2排放与经济、政策、人口之间的联系，可以表述为：

式中：CO2、PE、GDP和POP分别代表CO2排放量、一次能源消费总量、国内生产总值以及国内人口总量。此外,CO2/PE、PE/GDP、GDP/POP又可以分别被称为能源结构碳强度、单位GDP能源强度、人均国内生产总值。

在影响CO2排放的四个因子中，碳强度与能源种类有关，化石能源中,煤的碳含量最高,石油次之,天然气较低。可再生能源中,生物质能有一定的碳含量,而水能、核能、风能、太阳能、地热能、潮汐能等都是零碳能源。产业结构和技术水平共同影响能源强度，工业通常比农业、服务业更耗能，技术水平高则能耗低。同等条件下，人口增长、GDP增长，碳排放不可避免增加。

1.2分析方法—因素分析法

因素分析法是指数法原理在经济分析中的应用和发展。这种方法的分析思路是，当有若干因素对分析指标产生影响时，在假设其他各因素不变的情况下，顺序确定每个因素单独变化对分析指标产生的影响。针对Kaya恒等式,假定基年和T年CO2排放总量为C1和CT,ΔC代表T年相对于基年CO2排放总量的变化，则有：

ΔC=CT-C1(2)

假定CO2/PE=CP，PE/GDP=E，GDP/POP=G，碳强度对CO2排放的影响可用ΔCP表示，能源强度效应可用ΔE表示，GDP(经济规模)效应可用ΔG表示，人口效应可用ΔP表示,则：

ΔC=CT-C1=ΔCP+ΔE+ΔG+ΔP(3)

ΔCP=(CPT-CP1)×E1×G1×P1(4)ΔE=CPT×(ET-E1)×G1×P1(5)

ΔG=CPT×ET×(GT-G1)×P1(6)ΔP=CPT×ET×GT×(PT-P1)(7)

从上式也可得出：

ΔC=CT-C1=CPT×ET×GT×PT-CP1×E1×G1×P1(8)

这与我们的习惯思维是相符的。

2实证分析

2.1数据来源与计算

计算所用的CO2排放数据来源于国际能源总署（IEA）的统计，能源消费、GDP、人口数据来源于我国国家统计局的《中国统计年鉴2009》。此外，需要说明的是，在考察经济规模(GDP)效应时,在假定其他条件不变的情况下，GDP的名义增长并不会带来能源消费实物量的增长，也就不会导致CO2排放增加，因此，为了保证前后数据的可比性，GDP数据均按1990年不变价格折算。计算所得各因子贡献率如表1所示：

表11990年～2007年中国能源消费碳排放因子分析结果（基期：1990,万吨CO2）

年份

碳强度效应

能源强度效应

经济规模效应

人口效应

总效应

1991

94.80

-8291.07

16808.64

3036.65

11649.02

1992

-1243.59

-25267.12

42953.63

5978.27

22421.19

1993

2772.12

-39358.27

69727.85

9424.73

42566.42

1994

-748.22

-50630.29

92287.07

12802.17

53710.74

1995

2972.07

-57893.71

115763.69

16934.98

77777.03

1996

2591.10

-64077.44

135597.30

21033.38

95144.34

1997

8.05

-78268.04

143603.05

23550.40

88893.47

1998

14279.19

-100377.81

154689.84

26722.99

95314.21

1999

3509.26

-103698.09

156673.32

28136.91

84621.41

2000

-5159.00

-105157.27

163538.29

30133.88

83355.90

2001

-9018.95

-108424.94

172972.37

32548.59

88077.08

2002

-6686.89

-112649.45

192956.62

36805.26

110425.54

2003

-6012.72

-107966.04

232133.33

44624.19

162778.76

2004

-1647.79

-103933.21

284586.01

55236.16

234241.17

2005

-398.87

-104381.14

326240.23

64044.26

285504.48

2006

1855.76

-107588.16

372352.27

73502.98

340122.85

2007

1234.63

-112694.44

412411.12

81771.35

382722.66

总效应

-1599.05

-1390656.47

3085294.63

篇6

作者简介：王智新，博士生，讲师，主要研究方向为资源环境经济。

基金项目：2013年教育部人文社会科学研究青年基金项目“创新绩效、企业生产率与国际市场进入模式选择研究”(编号：13YJC790155)；2012年西北大学“十二五”“211工程”研究生自主创新资助项目“创新、企业生产率与出口贸易行为选择”（编号：YZZ12045）；2010年国家自然科学基金项目“寡头垄断企业R&D博弈模式及其动力学问题研究”（编号：71072160）。

（1.西北大学经济管理学院，陕西 西安 710127；2.中央司法警官学院信息管理系，河北 保定 071000）摘要本文在省域层面上测度了科技投入效率、产学合作研发与全要素碳排放绩效三者之间的关系。结果表明，无论在绩效层面还是在技术层面，2000-2009年间我国科技投入效率和产学合作研发都显著影响全要素碳排放绩效，而市场发育程度、企业联盟研发和企业研发投入三者则不太显著。值得一提的是，经济发展程度与全要素碳排放绩效之间存在显著的正向关系。原因是，一方面我国加大科技投入力度，鼓励、支持、引导产学研合作研发创新，明显地提高了全要素碳排放绩效；另一方面我国市场发育不太完善，企业研发投入不够，企业联盟研发进展缓慢，降低了我国全要素碳排放绩效。我国应加大企业科技经费投入幅度，合理安排科技经费投入结构，实现节能减排的科技经费投入多元化、立体化和动态化，继续发挥产学研的互补优势，建立健全产学研合作的体制机制，营造良好的政策环境和服务氛围，地区间应在要素、技术、监管等层面扩展合作范围，实现不同区域、产业和企业间空间联动。

关键词全要素碳排放绩效；产学合作研发；科技投入效率；企业联盟研发

中图分类号F062.1文献标识码A文章编号1002-2104(2013)07-0100-04doi:10.3969/j.issn.1002-2104.2013.07.015

全球气候变暖已经成为不争的事实，严重影响着人类的生存和发展。为了拯救气候危机，我国政府高度重视节能减排，不断加大节能减排的科技投入力度，积极支持节能减排的技术研发与转让。据《2011年全国科技经费投入统计公报》显示，2011年，我国研究与试验发展经费投入比上年增长23%，全国单位国内生产总值能耗下降19.1%，SO2、化学需氧量排放总量分别下降14.29%和12.45%，基本实现了“十一五”规划纲要确定的节能减排目标，为保持经济平稳较快发展提供了有力支撑。

影响碳排放的主要因素包括产业结构、能源结构、工业化率等［1］。近些年，我国全要素碳排放绩效呈现下降趋势［2］，投资规模与碳排放显著正相关［3］，潜在能源结构碳强度对工业CO2排放强度下降的贡献要小于潜在能源强度［4］。这些研究虽涉及到影响我国碳排放的因素，但是一定程度上忽略了科技投入效率、产学合作研发对我国全要素碳排放绩效的影响［5-7］。本文从规模和技术两个层面细分碳排放绩效，重点研究了科技投入效率、产学合作研发对我国全要素碳排放绩效的影响，有利于企业通过技术研发、产品研发和工艺研发，加速企业技术进步和产业转型升级，实现减低能源消耗和减少污染物排放。

1测度方法

测度生产率的主要方法是参数法和非参数法。参数法以随机前沿分析为代表。它消除了白噪声，体现了样本的统计特征和样本计算的真实性。非参数法以数据包络分析为代表，它是以相对效率概念为基础，以凸分析和线性规划为工具的一种确定性前沿方法，具有以下优点：间接对指标数据进行综合分析，因此在构建模型前不需要对数据采用无量纲化处理；可以根据多投入、多产出的观察值估计有效生产前沿面而无需明确生产函数的具体形式；内生地确定投入要素的最优权重，适合复杂经济系统的效率评估。所以，本文选用数据包络分析方法测度全要素碳排放绩效。

2模型设定与变量选取2.1模型设定

在STIRPAT模型的基础上，本文通过改变或引入其他变量，尝试测度科技投入效率、产学合作研发对全要素碳排放绩效的影响。扩展后的回归模型表达式为

lnYit=β0+β1lnSTIEit+β2lnMIit+β3lnAGDPit+β4lnRRDit

+β5lnRDEit+β6lnLMEit+β7lnCEDit+εit（1）

其中，i表示省份，t表示年份，Yit表示第t年第i省份的全要素碳排放绩效，指标有全要素碳排放绩效TCE、全要素碳排放技术绩效TCTE和全要素碳排放规模绩效，TCSE，其中TCE=TCTE×TCSE［2］；STIE代表科技投入效率；MI代表市场发育程度；AGDP代表经济发展状况；RRD代表政府科技经费投入；RDE代表研发机构中企业经费投入；LME代表大中型工业企业研发经费投入；CED代表产学合作研发经费投入，βi分别表示这些因素对全要素碳排放绩效影响的程度。

王智新等：科技投入效率、产学合作研发与全要素碳排放绩效中国人口・资源与环境2013年第7期2.2变量选择与来源说明

本文选择面板数据模型进行回归分析。由于、港澳台数据缺失予以剔除，最终的样本为2000－2009年中国30个省域的数据，模型中所选变量、计算方法和数据来源等见表1。

表1变量计算方法与数据来源说明

Tab.1The explanation on calculation method and data

source of variable变量

Variable计算方法

Calculation method数据来源

Data source全要素碳排放绩效BC2DEA模型《中国统计年

鉴》、《中国能

源统计年鉴》、

仲云云等［2］科技投入效率随机前沿分析王智新等［1］市场发育程度樊纲等［8］樊纲等［8］经济发展状况利用地区生产

总值来代替《中国统计年鉴》政府科技经费利用科技经费筹集

总额中政府资金来

代替《中国科技统计

年度数据》企业研发投入利用研究与开发机

构中企业资金筹集

总额来代替同上企业联盟研发利用大中型工业

企业中企业资金

总额来代替同上产学合作研发利用高等学校科研

经费筹集额中企业

资金来代替同上

3估计结果分析

由于各个省份全要素碳排放绩效的差异主要在于技术效率的差异，规模效益差异较小［2］，因此，本文主要报告

表2全要素碳排放绩效回归结果

Tab.2The regression results of total factor carbon

emission performance（1）（2）（3）（4）（5）（6）C0.952 0***

（49.026 1）0.664 1***

（7.902 4）0.434 1**

（2.098 1）0.444 5**

（2.142 5）0.456 5*

（1.841 8）0.561 9**

（2.226 0）Ln

（STIE）0.004 6***

（-3.166 5）0.017 6**

（2.273 8）0.018 4**

（2.405 7）0.018 5**

（2.356 3）0.018 4**

（2.319 3）0.018 0**

（2.401 0）Ln

篇7

[关键词]青岛市；碳排放；影响因子

[中图分类号]F0622[文献标识码]A[文章编号]

2095-3283（2013）03-0080-04

作者简介：徐崇灏（1988-），男，山东枣庄人，山东师范大学人口・资源与环境学院硕士研究生，研究方向：可持续发展战略与管理；田红（1967-），女，山东济宁人，山东师范大学山东省可持续发展研究中心副研究员，硕士生导师，研究方向：可持续发展战略与管理。

基金项目：“山东省低碳生态软科学项目”支持。

一、引言

进入20世纪后全球气候出现了明显的变暖趋势，碳排放量的不断增加是引起全球气候变暖的主要原因，人类活动尤其是对化石燃料的无节制使用，导致大气中二氧化碳浓度上升，对全球的气候变暖有显著的影响，并已经对人类的经济发展和生活产生了负面影响。

2009年11月我国政府就宣布了控制温室气体排放的行动目标，到2020年，单位GDP二氧化碳排放量要比2005年下降40%～45%，并将之作为约束性指标纳入国民经济和社会发展中长期规划。2011年在《国民经济和社会发展第十二个五年规划纲要》中提出单位GDP能源消耗降低16%，单位GDP二氧化碳排放量降低17%，进一步明确了我国要走低碳经济的发展道路。

据山东省统计局预测，到2015年山东城市群GDP将增长50%以上，能源消费总量将增长30%以上，由于短期内能源消费仍以传统的化石能源为主，所以能源消费总量的增长会导致碳排放量的增加。作为山东城市群的核心城市之一，而且是我国东部沿海重要的旅游城市，青岛市理应加快实施碳减排的步伐，力争成为地区低碳经济发展的引领者。但是现在青岛市的产业结构还是以第二产业为主，导致能源消费量居高不下，碳排放量也没有得到有效减少，这不符合党的十提出的生态文明建设的要求。因此，控制碳排放总量应成为青岛市“十二五”时期发展的重要目标之一，对其碳排放影响因子进行分析研究，不仅可以分析该地区的碳排放水平，而且能够为减少该地区碳排放提供针对性很强的解决方法和对策，有利于青岛市低碳生态城市的建设，对贯彻落实十精神，大力推进生态文明建设，加快构建美丽中国具有重要意义。

二、数据来源和研究方法

本文所用数据都来源于《山东统计年鉴（2005―2010）》和《青岛统计年鉴（2005―2010）》。

（一）青岛市碳排放量的计算

根据IPCC2006第四次评估报告，化石燃料燃烧释放的气体是温室气体的主要来源，因此可使用能源消费释放的碳来近似地估算碳排放量。本文采用IPCC指定的《2006年IPCC国家温室气体清单指南》中推荐的碳排放系数法，按照能源碳排放系数法计算能源消费的碳排放量，其公式为：

在式（1）中，C代表碳排放量；Ci代表第i种能源的碳排放量；Ei代表第i种能源消费数量（折算成标准煤的标准量）；Fi代表第i种能源的碳排放系数，各种能源的碳排放系数见表1。能源品种包括原煤、洗精煤、其他洗煤、焦炭、焦炉煤气、其它煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、其他石油制品、天然气、其他焦化产品共16类。

（二）基于LMDI模型的碳排放公式分解

C表示青岛市碳排放总量；Ci表示各种化石能源的碳排放量；A表示化石能源的总消耗量；Ai表示某一种化石能源的消耗量；Ai/A表示某种化石能源在总能源消费中的比重，也就是能源结构；Ci/ Ai表示单位化石能源引起的碳排放量，即各种能源的碳排放系数ei；Y表示青岛市的GDP；A/Y表示单位GDP的能源消耗量，即能源强度I；P表示青岛市人口数（常住人口）；Y/P表示人均GDP，即人均产出，用R表示。基于LMDI方法，分解公式如下：

三、青岛市碳排放影响因子的实证分析

根据上述方法对2005―2010年青岛市能源消耗进行计算可得每年的碳排放量（如图1）。2005年碳排放量为121956万吨，2010年上升到236782万吨，6年增加了114826万吨，总的增长率为9415%，年平均增长1569%。

通过LMDI方法计算的各因素的碳排放量贡献值如表2所示。可以看出人口增长、人均GDP的增长对碳排放有正的影响，贡献值分别为23649万吨和110607万吨。能源结构的优化、能源强度的下降对碳排放有负的影响，贡献值分别为-6542万吨和-12888万吨。

（一）能源结构因子对青岛市碳排放量的影响

能源结构即能源消费中各种能源占能源消费总量的比重。从图2中可以看出，2005年青岛市能源消费中原煤消费比重超过了70%，原油比重为87%；而到了2010年原煤所占比重降为344%，原油升为544%。其他种类能源在总能源消费中所占比重很小，2005―2010年消费量没有明显变化。因此，能源消费结构的变化即为原煤原油在能源消费中所占比重的变化。原煤的碳排放系数为07559，原油的碳排放系数为05857，相对原煤较低。所以，能源消费结构的优化对碳排放的影响是负的，有利于减少碳排放。

图2 2005―2010年青岛市各种

能源消费占能源总消费的比重

（二）能源强度因子对青岛市碳排放量的影响

能源排放因子是另一个让碳排放量下降的因子。青岛市的能源强度从2005年的04524吨/万元下降到2010年的04179吨/万元。导致能源强度下降的主要原因是产业结构的优化，即第三产业比重上升，第二产业比重下降。第二产业是典型的高碳产业，而第三产业是典型的低碳产业，所以产业结构的优化使得碳排放下降。因此，能源强度的下降对青岛市碳排放量有负的影响，即减少碳排放。

图3 2005―2010年青岛市能源强度变化

（三）生产效率因子对青岛市碳排放量的影响

本文采用人均GDP作为衡量生产效率的指标。从图4中可以看出青岛市的人均GDP从2005年的329万元/人上升到650万元/人。从表2中可以看出人均产出对碳排放的影响是正的，即人均产出的增加促进了碳排放的增加。人均产出的增加意味着经济活动的增加、劳动生产效率的提高以及工业化水平的提升，工业活动的增加必然导致碳排放的增加。

图4 2005―2010年青岛市人均GDP变化

（四）人口变化因子对青岛市碳排放的影响

青岛市2005年的常住人口为81955万人，2010年上升到87190万人，而且从图5中可以看出，2005―2010年青岛市人口变化趋势是持续上升的。人口的增加意味着经济活动量和生活活动量的增加，这些活动量的增加必然会导致碳排放的增加。因此，人口的增加对碳排放的影响是正的，增加了碳排放的总量。

图5 2005―2010年青岛市常住人口变化

三、结论和对策

（一）结论

从以上分析可以看到，青岛市2010年的碳排放量大约是2005年的2倍，年均增长1569%，短短6年时间碳排放量增长如此迅速。虽然碳排放增加是城市化、工业化进程中的必然，但是作为我国东部沿海重要的旅游城市，青岛市需要结合自身发展的特点，积极探索低碳经济发展的模式，从经济、社会、环境的可持续发展角度不断推动低碳生态型城市建设。

计算结果显示，经济的发展、人口数量的增加是导致青岛市碳排放量增加的主要原因。而能源消费结构的变化、能源强度的下降有利于减少碳排放。这说明青岛的经济发展还是以能源消耗拉动，虽然能源强度有下降的趋势，能源结构也有一定程度优化，但是这些因素还不足以扭转青岛市碳排放的整体趋势。

（二）对策

青岛市作为东部沿海著名的旅游城市，建设低碳生态城市应该成为青岛市未来的发展方向。减少碳排放量应从以下几个方面着手：

1加快发展现代服务业，以促进产业结构的调整

现代服务业是向社会提供高附加值、高层次、知识型的生产服务和生活服务的服务业，具有智力要素密集度高、产出附加值高、资源消耗少、环境污染少等特点。青岛市应该大力发展现代服务业，而旅游业又是现代服务业中的重要产业，尤其对于青岛市这样的著名旅游城市来说，可以依靠其旅游资源和旅游产业优势以旅游业带动现代服务业的发展。旅游业虽然是青岛现在的支柱产业，但是旅游业与现代服务业的融合度还不算很高，青岛应该健全现代旅游产业体系，不断延长旅游产业链，形成对现代服务业发展的推动力。

2开发利用新能源以促进能源结构优化

青岛市的新能源种类丰富，新能源的开发和利用有巨大的潜力。尽管现阶段青岛市的能源消费仍以煤和石油这些传统的化石能源为主，新能源还只起到补充作用。但是从长远来看，在发展低碳经济的大环境下，新能源的发展速度必将加快。青岛市作为太阳能丰富的城市，在今后的低碳发展中应加大对太阳能企业的扶持，拓宽利用太阳能的渠道，另外还要发展太阳能核心技术，提高对太阳能的利用效率；青岛市位于东部沿海，海洋是其巨大的财富，可以重点发展海洋能源、可再生能源、新能源材料等绿色产业。比如青岛市可以考虑生物质能、潮汐能等新能源的开发，这些清洁能源的使用一方面可以减少利用化石能源产生的碳排放量，另一方面，这些能源属于可再生能源，具有可持续利用性，可以进行长久的利用，为青岛市经济的可持续发展提供能源支撑。

3提高能源的利用效率

现阶段青岛市的能源消费仍然以煤和石油为主，要加强煤的清洁高效综合利用，因为煤的碳排放系数很高，所以煤的清洁利用对于减少碳排放有重要意义，通过引进先进的清洁煤技术，促进洁净煤技术的推广和应用，减少煤燃烧的碳排放量。青岛市这些年对于石油的消费占总能源消费的比重越来越高，因此，石油的高效清洁利用对低碳减排有重要意义，应鼓励炼油企业对原油进行深加工和精细化提炼，提高石油的利用效率。

4发展碳汇项目，增加碳吸收

青岛市政府应该加大投资以促进草地、森林、城市绿地等碳汇项目的建设，同时扩大现有的森林草地面积，增强生态系统的固碳能力以增加碳贮存；另外，应加快“碳中和”技术的研发，通过二氧化碳的捕捉和埋存等方法将二氧化碳吸收掉。此外，尝试建立“绿色碳基金”，吸引企业和个人参与造林绿化，把绿化面积或者植树量作为获取碳信用的指标，碳信用再跟企业或者个人的商业信用挂钩，通过这一举措在提高国民环保意识、减排意识的同时，拓展森林草地建设的筹资渠道。

[参考文献]

[1]张伟，孙燕玲，朱萌区域性中心城市的碳排放测定及影响因素分析――以青岛市为例[J]区域经济研究，2012（4）：150-156

[2]杨建云基于LMDI方法的河南省碳排放分析[J]经济论坛，2012，505（08）：21-24

[3]山东省统计局山东统计年鉴[M]北京：中国统计出版社，2005―2010

[4]青岛市统计局青岛市统计年鉴[M]北京：中国统计出版社，2005―2010

[5]田云，李波，张俊飚武汉市碳排放的测算及影响因素分解研究[J]地域研究与开发，2011，30（5）：88-92

[6]李艳梅，张雷，程晓凌中国碳排放变化的因素分解与减排途径分析[J]资源科学，2010，32（2）：218-222

[7]田立新，张蓓蓓中国碳排放变动的因素分解分析[J]中国人口・资源与环境2011，21（11）：1-7

篇8

关键词：碳排放 LMDI模型 西北五省

一、前言

西部大开发实施以来，西北五省经济进入快速增长阶段，但是给环境带来了负面效应，如CO2排放逐年增加。在全球变暖引起整个世界关注前提下，如何控制和消减这种趋势，显得尤为必要和迫切。

近年来，国内外学者对中国CO2排放的影响因素进行了很多研究，其中国外代表性研究成果有Wang（2005）等指出能源强度是减少CO2排放的最重要因素 [1]。Zhang（2000）等指出政府通过政策和技术手段大大降低了能源强度[2]。国内代表性研究成果有：徐国泉（2006）等指出经济发展拉动了中国人均碳排放量增长，能源效率和能源结构具有抑制作用，但是难以抵消经济发展的拉动作用，导致中国碳排放量增长[3]。宋德勇（2009）等指出我国4个阶段不同经济增长方式的差异是碳排放波动的重要原因，切实转变增长方式是减少碳排放的根本途径[4]。

目前还没有对中国西北五省碳排放因素进行定量分解并相互比较的研究。本文基于指数分解法中的对数平均方法，以西北五省2000 —2010年的数据资料为基础，分析西北五省碳排放量的影响因素，以期探求出减少西北五省碳排放有针对性的对策建议。

二、研究方法

（一）西北五省碳排放量的测算和基于LMDI模型的碳排放公式分解

本文利用各种化石能源的消费量，粗略地估算化石能源（煤炭、石油、天然气）使用所产生的碳排放量。

借助B.W.Ang（2005）的LMDI方法，将西北五省碳排放分解为能源结构、能源强度、碳排放系数、人均产出、人口数量五个因素。

（二）数据来源

本文中的数据都来源于《中国能源统计年鉴》（2000—2011年）和《中国统计年鉴》（2000—2011年）。

三、实证分析

（一）西北五省的碳排放量概况

2000—2010年10年间，西北五省的碳排放量总共增加了15025.64万吨，增长率为206.62%。其中，碳排放量增速最快的是宁夏，其次为陕西，第三位是新疆，第四位是青海，最后一位是甘肃。

（二）各分解因素对西北五省碳排放量影响

2000—2010年，能源结构因素促使西北五省碳排放量增加。具体来说，能源结构因素导致陕西、甘肃、新疆这三个地区碳排放量上升，其贡献值分别为464.34、61.40、4.85；但却导致青海、宁夏碳排放量下降，其贡献值分别为-50.49、-185.59。

能源强度因素是西北五省各地区碳排放下降的主导因素。能源强度因素对陕西、甘肃、青海、宁夏、新疆碳排放的贡献值分别-2729.25、-5551.57、-1510.17、-12684.89、-4267.18，其中第二产业和第三产业的调整与变化是导致西北五省碳排放量下降的关键因素。由于西北五省产业结构不完善，仍然以工业为主，服务业欠发达，因此西北五省的能源强度与全国水平相比要高。调整产业结构也就成为西北五省节能减排的核心政策。

经济发展因素导致西北五省碳排放量增加，其对陕西、甘肃、青海、宁夏、新疆碳排放的贡献值分别为11539.70、6880.87、2030.08、6516.44、7670.99。因此，如何发展经济又对环境产生较小影响成为西北五省面临的重要课题。

人口数量变化因素也导致西北五省碳排量增加，但相对经济发展因素来说对西北五省产生的影响较小，其对陕西、甘肃、青海、宁夏、新疆碳排放的贡献值分别为324.77、38.48、123.70、423.37、695.01。

四、结论和政策建议

（一）结论

2000年至2010年西北五省各地区的碳排放量总体上呈现上升的趋势，而且自2002年实施西部大开发计划以来，碳排放量增速变快。仅在2010年，碳排放量从大到小的顺序依次是陕西、新疆、甘肃、宁夏、青海。

按照各因素对碳排放量贡献程度的不同，这里将陕西、甘肃、新疆归为一类，将青海和宁夏归为一类。

对于陕西、甘肃、新疆，各因素的贡献值中正指标有能源结构、经济发展、人口数量变化因素，负指标只有能源强度因素，其中经济发展因素是主要因素。

对于青海和宁夏，各因素的贡献值中正指标有经济发展、人口数量变化因素，负指标有能源结构、能源强度因素。

（二）政策建议

1、针对陕西、甘肃、新疆的政策建议

由于经济发展因素是造成陕西、甘肃、新疆碳排放增加的主要因素，所以这三个地区应该制定发展低碳经济政策。政府需要研究出台促进低碳经济发展的财政税收、金融信贷等相关政策和措施，改善有利于低碳产业发展的宏观环境，通过政策引导，鼓励各地区加大低碳产业的投入，逐步推进低碳产业发展。

2、针对青海、宁夏的政策建议

能源结构因素是青海、宁夏区别于其他三省碳排放因素分解的主要因素，这主要是由于这些地区的能源消费结构较为单一，主要依靠煤、原油、天然气等为主。这些一次能源是不可再生能源，过渡依赖一次能源消费必然会造成一次能源的浪费。在没有高效的开采技术条件下，应该加大对一次能源的保护。借鉴西方发达国家如何开发利用清洁能源的方法，通过清洁能源的开发，提升新能源在能源消费中的比重。

3、针对西北五省各地区总体的特点，提出以下几点减少碳排放量的建议

（1）加快产业结构调整，发展第三产业

在分解碳排放量的四个因素中，能源强度因素是导致西北五省各地区碳排量减少的因素。产业结构的不合理，是导致西北五省碳排量基数大、增速高的根源。应加快产业结构调整的步伐，培育和发展一批科技含量高、综合效益好、极有可能成为西北五省新经济增长点的战略性新兴产业，例如旅游业。旅游业发展可以带动一系列相关产业发展，例如物流配送服务业等西北五省具有潜在优势的第三产业中的新兴行业，加强产业结构的调整。

（2）加强能源的合理开发，重点开发太阳能、风能

结合西北五省自身的环境特点，如日照充足、高原风力资源充沛，通过招商引资在日照充足的沙漠地区建立太阳能工业区，利用环境优势来发展工业。西北五省不仅太阳能能源丰富，风力资源也十分丰富。应充分利用自身风力资源储量丰富的优势，加大对风力资源的开发与投入，优化能源消费结构。

参考文献：

[1]Wang C，Chen J N，Zou J. Decomposition of energy related CO2 emission in China：1957—2000 [J]. Energy，2005，30：73—83

[2]Zhang Z X. Decoupling China's carbon emissions increase from economic growth：An economic analysis and policy implications [J]. World Development，2000，28（4）： 739—752

[3]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995-2004 [J].中国人口资源与环境，2006，16（6）：158-161

篇9

关键词 碳排放；环境库兹涅茨曲线（EKC）；分解分析模型；效应

中图分类号 X196 文献标识码 A 文章 编号 1002-2104(2008)03-0038-05

改革开放以来，中国经济发展取得了显著的绩效，快速的经济增长不可避免带来了资源消 耗、碳排放增加等问题。1990-2003年间，中国二氧化碳排放量增加了17亿t，增幅超过73％ ，已成为世界第二大碳排放国［1］。尤其是2005年的《京都协定书》的生效，虽然 没有对中国 提出减排任务，但却给中国经济发展带来了严峻的挑战，如何有效地减少碳排放成为国际政 治经济及学术研究关注的热点之一，更是中国国际政治交往中的重要内容。针对碳排放与经 济增长关系研究，具有代表性的是环境库兹涅茨曲线（EKC）的检验和拐点阈值的预测， 类似于经济发展与环境质量之间的倒“U”型关系［2～3］。但倒“U”型并非两者唯 一的关系，经 济发展不是解决环境问题唯一的办法［4～6］。除了经济发展之外，许多其他社会因 素也会影响 环境质量［7］。分解分析法能够揭示各种可能的影响因素对碳排放的贡献度。在生 态、环境领 域分解分析方法已成为一种重要的分析工具［8～10］。为此，本研究在EKC模型分析 的基础上，引入分解分析法分析中国碳排放变化的机制。

1 研究方法与数据来源

1.1 碳排放的环境库兹涅茨曲线模型[BT)]为解释经济增长与碳排放之间的关系，本文采用经济增长―环境质量的简约式回归方程进行 分析，以直接模拟经济发展与碳排放之间的关系，进而根据经济发展水平估算出污染排放的 变化趋势。在分析过程中，假定除经济发展以外的其他因素对碳排放影响不变，用方程中的 截距项表示，得出经验方程［11～12］：

式中：yi表示第i年碳排放量；x表示经济发展变量（常用人均GDP表示）；εi为截距项（包括技术 、贸易、制度等影响因素）。对于不同的βi，i＝1、2、3，模型具有不同的意义。具体 来讲， 当β3≠0时，模型刻画了人均碳排放量与人均GDP之间呈现N型或倒N型曲线关系 ；当β2≠0且β3＝0时 ，人均碳排放量与人均GDP之间呈现U型或倒U型曲线关系；而当β1≠0 、β2＝0且β3＝0时，模型反映出人均碳排放量与人均GDP单调变化特征。

1.2 碳排放的分解分析

EKC模型揭示经济增长与环境质量方面存在着理论上的局限性［13］。为此，在EKC模 型难以全面 解释碳排放机制的情况下，分解分析的方法被引入EKC研究中，以定量分析碳排放变化过程 中各种影响因素的相对重要性。将碳排放的变化看作经济规模（以GDP表示）、产业结构（ 七大细分产业分别占GDP的比例Sit）和碳排放强度这3个因素共同作用的结果，即碳 排放变化分解为3种不同的变化效应：规模效应、结构效应和技术效应。

碳排放分解模型可用下式表示：

式中：Et为碳排放量；Yt为t年GDP，代表规模效应；Sit(S it=Yit/Yt)为t年i行业GDP占全国GDP 的份额，代表行业结构效应；Iit(Iit=Eit/Yit)为t年i 行业污染排放强度，代表广 义技术效应。本研究采用平均分配余量的方法计算碳排放各类效应的贡献率［10,14］ 。

式中：gx=(xt-x0)x0为t年变量x相对于基年的变化率，x代表r，Iit，Sit，Yt;ei0=Ei0/E0为基年各行业i的碳排放比例。若 三要素变化相应引起的碳排放效应为正值，表示各因素的变化对碳排放的冲击在增长，其变 化值为碳排放量变化的增量效应；反之，为减量效应。

1.3 数据来源与说明

本研究数据来源于中国能源统计年鉴(1996-1999年，2006年)和中国统计年鉴(2006年)，包 括全国31省、自治区和直辖市(由于资料限制没有考虑中国香港、澳门和台湾3个 地区)。行业划分采用世界上通用的产业结构分类，并结合中国统计年鉴所划分产业结构，具体为第 一产业（农、林、牧、渔业）；工业；建筑业；交通运输、邮政和通讯业；商业、批发与零 售业；其他服务业。由于能源数据统计为实物消耗量，为此对能源消耗数据作了相 应的换算， 统一折算成标准煤，其中煤炭的标准煤系数为0.714 3 kg标准煤/kg，石油换 算系数为1.428 6 kg标准煤/kg，天然气换算系数为1.33 kg标准煤/m3(中国能源年 鉴，2006)。

2 中国碳排放特征及其成因分析

2.1 碳排放量的估算及其特征

中国碳排放量采用以下公式进行估算：

C=∑imi×δi

其中， C为碳排放量；mi为中国一次能源的消费标准量；δi为i类能源的碳排放系数。 通过 查阅有关文献，收集有关能源消耗的碳排放系数并进行比较计算，最终取平均值确定为各能 源消耗碳排放系数（见表 1），通过整理以上数据得到中国不同行业的碳排放量(见表2)。

从我国碳排放总量以及行业碳排放量来看，具有以下特征：

（1）碳排放量的阶段性。在研究时序内，碳排放总量具有明显的阶段性，1980-1996年是 碳排放量的迅速增长阶段，1996-1999年是碳排放的平稳阶段，2000-2005年是碳排放的急速 增长阶段(见图1)。

（2）行业碳排放具有明显的差异性。总的碳排放量中，第一产业、工业、建筑业、交 通运 输邮电业、批发等服务业、其他服务业碳排放所占比重分别约为2.5%、80％、1％、5％、1 ％、10％左右，其中工业碳排放占绝大部分比重，为71％～84％之间，并且有不断上升的趋 势，这说明快速工业化过程推动了碳排放量的增长。

（3）行业碳排放差异逐渐扩大。在研究时序内，碳排放量变异系数在不断扩大，碳排放量 在行业之间的差异不断的扩大，1980年行业之间的差异系数为0.62，至2005年为0.74（见图 2）。

2.2碳排放的动态演进分析

（1）碳排放与经济增长的关系。Grossman等学者依据实证分析［17］，认为这种随 收入水平提 高环境质量先恶化再好转的演变与诺贝尔奖获得者Kuznets提出的收入与经济增长的相依关 系类似，均呈现出“倒U型”变化趋势，故称之为“环境库兹涅茨(Kuznets) 曲线”。为进 一 步验证碳排放与收入水平之间的关系，本文选取1980－2005年的数据进行回归分析得出：

y=1.13×10-7x3-0.002x2+18.24x+38793.55

（R2=0.966，F＝133.59，sig.=0.000）

模型中系数都显著异于零，且拟合程度很高，β1>0 ,β20，呈现不太明 显 的N型趋势，即碳排放量随经济的发展先上升，再保持一定的水平，而后又上升，这区别于 一般意义上的倒“U” 型特征，说明我国的碳排放与经济发展之间处在非均衡、难以协同的 发 展阶段。从曲线特征来看，人均GDP达到6 000左右时（即1996年），曲线有所下降。当 达到7 000左右时（即2000年）曲线迅速上扬。我国经济增长与碳排放之间不具备严格的倒 “ U”型关系，这也验证了我国碳排放具有波动性，与经济增长之间具有不协调性，为此在下 面分解模型中对碳排放背后的机制进行研究，初步探讨经济规模、产业结构和碳排放强度分 别在不同时期对碳排放变化影响的程度、特点和规律。

（2）碳排放变化的分解分析。为分析中国碳排放变化背后的机制，对1990-2005年的 碳排放每年分别进行了分解(见表3)。

碳排放的规模效应均为正值（6％～33％）,年平均值为15.76％，表明经济规模的扩 大 导致了碳排放的增加，但随着经济增长规模效应呈下降的趋势。我国在1990-2005年GDP以每 年10%左右的速度递增，尤其是1992-1994年经济增长速度达到了14%左右，1996-1999年 经济增长速度大幅度下降，1999年跌至7.6%，此后经济保持10%左右的速度高速增长。1990- 1995年的快速上升阶段，经济 增长规模明显印证了碳排放规模效应的变化规律；1996-199 9年这一效应大幅度下降，这可能是因为1996年我国采取措施淘汰、关闭了一批技术落后、 污染严重、浪费资源的小企业和1997年的亚洲金融危机及其滞后效应所致；2000-2005年 规模效应又在波动中上升，这可能是由于扩大内需和增加投资的宏观政策导致大批高能耗、 重 复性的基础设施项目和工业项目盲目上马，导致经济发展对碳排放贡献保持高位。所以说中 国经济规模的不断增长，导致经济活动副产品（碳排放）的不断增加。在可以预见的未来， 中国仍然面临经济增长与碳排放的压力。

结构效应比较平稳，其值在-8％～2％之间，多数年份为负效应，年平均值为-0.8％，中国 经济结构变动对降低碳排放具有一定的作用，但贡献不是很大。在时序1990-2005年内 ，第 一产业由26%下降至12.5%；第三产业持续上升了8个百分点，低碳经济的第三产业能降低碳 排放；第二产业虽然出现了一定的波动性，但仍保持在46%左右，其中工业比重维持在40%左 右。 从我国产业结构变动规律来看，中国作为发展中国家，工业化仍是我国经济发展的主要特征 ，在工业结构和服务业比重不断上升的背景下，结构效应是经济结构在竞争中的结果。在降 低碳排放量的角度，我国经济结构仍有待优化。

技术效应在研究时序也比较平稳，其值在-3％～32％之间，技术效应值波动较大，年平均值 为4.65％，这说明技术效应对碳排放量的贡献不是很大，且具有一定的随意性

3 结论与政策性建议

3.1 结 论

（1）碳排放的非均衡状态。EKC曲线模拟结果显示我国碳排放量呈现“N”型，并没有呈现 严格的倒“U”型特征，这与规模效应具有一致性。说明我国经济增长并不会自发导致碳排 放量的减少，经济增长也并不一定引发碳排放的增加，关键是我国的环境治理的机制、市场 和政策不完善，若不施行合理有效的控制措施，未来在降低碳排放方面面临着许多风险。

（2）环境经济政策对碳排放的配置效应。我国碳排放政策的缺失，节能减排政策实施滞后 是导致我国碳排放持续上升的又一重要因素。环境经济政策的实施改变了不同碳排放单位与 国家、排放单位之间、区域与区域之间的关系，在政府、企业与消费者之间进行有效配置。

（3）经济结构调整在降低碳排放中的作用。在规模效应、结构效应和技术效应中，只有结 构效应的平均值为负，表明经济结构优化能降低碳排放，是减少碳排放的有效手段。

（4）碳排放与技术的分离。从理论上讲，技术效应对碳排放具有负效应， 然而实际上我国 碳排放技术效应具有随意性。这说明技术在降低碳排放方面并未发挥优势，现行技术应用主 要目的是提高劳动生产率，许多技术进步并非与提高环境质量有关，尽管技术进步非常快， 但对降低碳排放的作用并不大。

3.2 控制碳排放的政策性建议

（1）建立和实施不同时间尺度上的环境调控政策。控制经济发展过程中的碳排放，应建立 实施碳排放法律法规、技术标准、碳交易、碳排放的企业准入门槛、节能减排等政策措施降 低碳排放量。

（2）积极推进产业结构向节能型、高级化发展，并大力发展环保产业。按照“减量化、再 利用、资源化”原则和走新型工业化道路的要求，采取各种有效措施，进一步改进产业结构 和能源结构从而降低碳排放。调整产业结构就要大力发展第三产业和高新技术产业，尤其是 要大力发展环保产业。

（3）推行削减碳排放的技术，提高能源利用效率；发展低碳能源和可再生能源，改善能源 结构。（编辑：王兴杰）

参考文献（References）

［1］世界银行的CO2排放报告〔EB/OL〕.省略.省略/billasx/bl og/p_2/.省略.省略/billasx/blog/p_ 2/.］

［2］王中英,王礼茂. 中国经济增长对碳排放的影响分析［J］. 安全与环境学报, 2006 :6（5）：88～91. ［Wang Zhongying，Wang Limao. Economic Growth and Its Effects o n Carbon Emission in China ［J］，Journal of Safety and Environment，2006，6（5 ）：88～91.］

［3］Magnus Lindmark. An EKC-pattern in Historical Perspective : Carbon DioxideEmissions, Technology, Fuel Prices and Growth in Sweden(1870 -1997) ［J］. Ecol ogical Economics,2002,42(2):333～347.

［4］Birgit Friedl, Michael Getzner. Determinants of CO2 Emissions in a Smal l Open Economy［J］ . Ecological Economics,2003,45(1):133～148.

［5］Douglas HoltzEakin, Thomas M. Selden. Stoking the fires? CO2 Emissionsand Economic Growth［J］. Journal of Public Economics, 1995,57(1): 85～10 1.

［6］杜婷婷, 毛锋, 罗锐. 中国经济增长与CO2排放演化探析［J］. 中国人口•资源与 环境, 2007,17(2):94～99. ［Du Tingting, Mao Feng, Luo Rui. Study on China's Econ omic Growth and CO2 Emissions ［J］. China Population Resources and Environme nt，2007,17(2):94～99.］

［7］李玉文，徐中民，王勇. 环境库兹涅茨曲线研究进展［J］., 2005,15（5）：7～14.［Li Yuwen, Xu Zhongmin, Wang Yong. Study on the Environmental Kuznets Curve ［J ］. China Population, Resources and Environment，2005，15（5）：7～14.］

［8］SM. de Bruyn. Explaining the Environmental Kuznets Curve:Structural Chang e and International Agreements in Reducing Sulphur Emissions［J］. Environmentand Development Economics, 1997, 2(4):485.

［9］David I. Stern. Explaining Changes in Global Sulfur Emissions: An Economet ric Decomposition Approach［J］. Ecological Economics, 2002（42）：201～22 0.

［10］陈六君, 王大辉, 方福康. 中国污染变化的主要因素――分解模型与实证分 析［J］.北京师范大学学报(自然科学版)， 2004,40(4):561～568.［Chen Liujun, Wang Da hui , Fang Fukang. The Main Factors of Pollution Change in China: DecompositionModel and Econometric Analysis ［J］. Journal of Beijing Normal University(Natu ral Science)，2004,40(4):561～568.］

［11］彭水军, 包群. 经济增长与环境污染――环境库兹涅茨曲线假说的中国检验［J］. 财经问题研究, 2006,（8）：3～17. ［Peng Shuijun, Bao Qun. Economic Growth and En vironmental Pollution: An Empirical Test for the Environmental Kuznets Curve Hyp othesis in China ［J］.Research on Financial and Economic Issues，2006,（8）：3 ～17.］

［12］S.M. de Bruyn, J.C.J.M. van den Bergh, J.B. Opschoor. Economic Growth andEmissions:Reconsidering the Empirical Basis of Environmental Kuznets Curves［J ］. Ecological Economics, 1998，(25):161～175.

［13］佘群芝. 环境库兹涅茨曲线的理论批评综论［J］. 中南财经政法大学学报， 2008, （1）：20～26.［She Qunzhi. Study on the Environmental Kuznets Curve Criticism［J］. Journal of Zhongnan University of Economics and Law，2008,（1）：20～26. ］

［14］Sun J W. Changes in Energy Consumption and Energy Intensity:a CompleteDecomposition Model ［J］ . Energy Economics, 1998, 20(1):85.

［15］徐国泉, 刘则渊, 姜照华. 中国碳排放的因素分解模型及实证分析:1995-2004［J］., 2006,16(6):158～161.［Xu Guoquan, Liu Zeyuan, Jiang Z haohua. Decomposition Model and Empirical Study of Carbon Emissions for China,19 95-2004［J］. China Population Resources and Environment, 2006,16(6):158～161.］

［16］汪刚，冯霄.基于能量集成的CO2减排量的确定［J］. 化工进展, 2006， 25 （12 ）：1467～1470.［Wang Gang, Feng Xiao. CO2 Emission Reduction Through Energy I ntegration ［J］. Chemical Industry and Engineering Progress, 2006.25 （12）：1 467～1470.］

［17］Grossman GM,Krueger A B. Environmental Impacts of the NorthAmericanFree Trade Agreement ［M］ . NBER, Working Paper, 1991.3914.

Character of Carbon Emission in China and Its Dynamic Development Analysis

HU Chuzhi HUANG Xianjin ZHONG Taiyang TAN Dan

(School of Geographic and Oceanographic Sciences of Nanjing University, NanjingJiangsu 210093, China)

篇10

关键词 能源禀赋；技术进步；碳排放强度；空间计量

中图分类号 F061.5 文献标识码 A

文章编号 1002-2104（2015）09-0037-07

doi：10.3969/j.issn.1002-2104.2015.09.006

根据国际能源署 （IEA，2009）统计数据，2007年中国二氧化碳排放量已超过美国，成为全球第一大二氧化碳排放国。在未来较长时期内，中国的经济仍将以较快的速度增长，加之城市化和工业化进程的推动将会加剧经济增长与能源环境之间的矛盾[1]，使我国面临更大的减排压力。就此，中国政府于2009年首次提出具体温室气体减排目标，即到2020年，我国单位国内生产总值（GDP）CO2排放量（碳强度）比2005年下降40%-45%，并将约束性指标纳入国民经济和社会发展中长期规划中。由于区域经济发展和资源禀赋的不均衡性，我国碳排放存在显著的省际和区域差异。为实现减排目标，中国必须充分考虑碳排放的空间特征，针对性地出台相应的产业和能源政策，才能公平有效地降低社会经济成本，实现减排目标[2-4]。

在此背景下，深入研究中国区域碳排放的空间特征，揭示碳排放变化的主要影响因素具有重大现实意义。国内学者对于碳排放影响因素的研究，主要集中于经济发展、产业结构、能源消费结构、人口规模和城市化等，同时，技术进步也受到越来越多的关注。一些学者认为技术进步能有效提高能源效率并减少碳排放量，是降低碳排放的重要手段和主导因素[5-7]。也有学者认为由于能源消费“回弹效应”的存在，导致技术进步对降低碳排放量的作用并不明显[8-9]。赵楠[10]发现追随型技术进步对中国能源效率呈现显著正向影响，而前沿型技术进步作用并不明显。李凯杰[11]认为长期内技术进步可以减少碳排放，但在短期内则不明显。

丰裕的能源禀赋使区域发展具有比较优势，理应推动经济增长并带动就业，然而在现实却并非如此。现有研究显示，能源禀赋会推高地区能源强度[12-13] ，抑制就业增长[14]，影响产业结构调整和优化[15]，最后导致“资源诅咒”的形成。蔡荣生[16]认为我国碳强度“资源诅咒”的产生机理为：在能源丰裕的地区，能源短缺与使用的压力较小，技术进步的动力不足，惯性地依赖传统高能耗产业、层次低产业，最终形成 “高碳”经济发展路径。

上述研究已将能源禀赋或技术进步作为解释变量分析其对碳排放的影响，但往往忽略领域单元间的空间联系和相关性，只注重对地区碳排放的直接影响，缺乏对能源禀赋和技术进步的空间外溢效应和辐射作用的研究。实际上，地区能源禀赋越高会使该地区以及周边地区的能源使用成本降低，推动能源的使用量进而拉动该地区的碳排放强度。同样，技术进步的外溢作用也会辐射到周边地区。因此，本文将通过空间面板计量模型，就能源禀赋和技术进步对碳排放强度的空间效应展开实证分析。

1 变量选取及数据来源

1.1 碳排放强度的估算

本文根据IPCC《国家温室气体排放清单指南》2006版（IPCC，2006）推荐的方法估算碳排放数据，选取煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然气8种主要化石能源。计算方法如式（1）所示。最后，采用以1997年为基准年进行调整的GDP数据，根据碳排放强度的定义（即单位GDP的碳排放量，CI）计算全国30个省份1997-2012年的碳排放强度。由于自治区、台湾省、香港和澳门特别行政区的相关数据缺失，因此本研究所有源数据和计算结果均不包括这些地区。

C=∑8i=1Ci=∑8i=1Ei×SCCi×CEFi（1）

其中，Ci表示估算的碳排放量；i表示各能源；Ei代表能源的消费量，来自于《中国能源统计年鉴》中能源终端消费数据；SCCi为各种能源的折标煤系数；CEFi为IPCC（2006）提供的碳排放系数（见表1）。

1.2 自变量的选择

参考已有的研究文献，本文选取的解释变量分为能源禀赋变量和技术进步变量两类。

能源禀赋用能源生产量（EP）和能源自给度（SR）来表征，其中能源生产量由地区各种能源生产量折算为标准煤相加得来。能源自给度，是指某一区域内能源的消费由区域内自身供给的比例，计算公式为区域能源生产量除以能源消费量，据此来测度各区域内能源的充裕程度。以上数据均来自于《中国能源统计年鉴》。

技术进步变量则由外商直接投资（FDI）、R&D投入（RD）、人力资本（HC）和专利授权量（PAT）表征。其中，外商直接投资用各地区年末登记的外商投资企业投资额表示，数据来源于《中国贸易外经统计年鉴》。R&D投入用各地区研究与实验发展内部经费支出数据表示，来源于《中国统计年鉴》。人力资本用各地区研究与开发机构从事科技活动人员数表征，数据来源于各年《中国科技统计年鉴》，由于2009-2012年与以往年份统计口径不一致，本文参考各省统计年鉴作为补充，缺乏的年份按照加权平均的方法计算得出。用3种专利授权数代表各省地区的专利授权数，数据来源于《中国科技统计年鉴》。

2 实证结果分析

2.1 中国能源碳排放强度相关性检验

我国碳排放强度在样本区间内总体呈下降的趋势，从1997年的1.49 t/万元下降为2012年的0.89 t/万元（见图1）。利用matlab软件计算的1997-2012年中国碳排放强度全域Moran’s I指数显示均为正值，且其正态统计量z值均通过5%水平的显著性检验，表明全国各省区碳排放强度的空间分布并非是完全随机的状态，而是呈现出显著的空间自相关特征，即碳排放强度较高的省区和较低的省区均趋于相邻。同时，观察的Moran’s I的走势发现，中国省区碳排放强度的全域Moran’s I指数在整个研究期间呈现波动性上升的趋势。其中，1997-2005年间Moran’s I指数在0.226 8-0.295 9之间，在2006-2012年Moran’s I指数显著上升，均在0.3以上，且z值均满足1%的显著性检验，表明中国省区碳排放强度的集聚程度加强，即碳排放强度相似的省区在空间上趋于集中。

2.2 模型选择策略

本文分别采用传统混合面板模型SLM、SEM和SDM模型进行分析，模型的检验过程按照：OLS（SLM或SEM）SDM是顺序展开。验证方法如下：首先，基于无空间交互效应的传统面板模型的残差，对个体固定效应和时间固定效应进行LR检验，然后利用两个拉格朗日乘数（Lagrange Multiplier）形式LMlag、LMerror和稳健（Robust）的RLMlag、LMerror进行检验，检验标准为：如果LMlag在LM检验中显著性优于LMerror，同时RLMlag也优于RLMerror，选择SLM模型。反之，选择SEM模型。LM检验结果若支持其中之一或两者同时成立，则需要通过Wald统计量和LR统计量对SDM进行检验，若不能同时支持原假设H0：θ=0和H0：θ+ρβ=0，则表示SDM不能简化为SLM或SEM，应在模型中同时包含被解释变量和解释变量的空间滞后项，来考察解释变量的空间交互作用[17-18]。

2.3 估计结果分析

2.3.1 总样本估计结果分析

根据空间计量模型的选择策略，首先检验传统混合模型，得到结果（见表2）：①LM关于空间滞后与空间误差存在性的绝大多数检验均拒绝了原假设，由此确定了模型估计的残差空间自相关的存在，SLM和SEM模型均优于无空间效应传统混合面板模型。②LR检验均拒绝原假设，其结果分别为（804.154 5，0.000 0）和（636.444 6，0.000 0），即模型存在双边固定效应。③LMlag、RLMlag和LMerror分别通过了1%、5%和10%的显著性检验， RLMerror没有通过显著性检验，即空间滞后模型的检验统计量更为显著。综合以上结果，可以认为双边固定效应的空间滞后模型更符合模型设定。

接下来需要进一步分析空间杜宾模型以确定最优模型（见表3），Wald和LR检验结果均支持选择空间杜宾模型，另外Hausman的检验不能拒绝原假设，即应采纳随机效应模型进行分析。由此确定分析能源禀赋和技术进步对碳排放强度影响的模型：随机效应的空间杜宾模型。

从表3中随机效应的空间杜宾模型估计来看，表征能源禀赋和技术进步变量对碳排放强度的系数在统计上较为显著。其中，①ln EP和ln SR系数显著为正，表明在样本期间内能源产量和能源自给度与碳排放强度呈显著正相关关系，能源禀赋高的区域能源使用成本具有比较优势，

更倾向于依靠能源密集型产业来推动经济发展，导致这些地区单位能耗和碳排放强度都较高。②表征技术创新的lnFDI、lnRD和lnPAT的弹性系数均显著为负，表明外商直接投资、R&D经费投入和专利授权量均有利于抑制区域碳排放强度，而lnHC的估计结果则显示为不显著的正效应，也就是说人力资本对促进节能减排效应不足。③W・lnPAT和W・lnFDI的系数在1%水平上显著，W・lnEP在5%水平上显著，W・lnSR在10%水平上显著，表明因变量的空间滞后项和自变量的空间交互项均存在空间溢出效应，即能源禀赋和技术进步在空间上对其他地区碳排放强度产生影响。

进一步地，就能源禀赋和技术进步对碳排放强度的空间效应进行分解，以便了解不同变量变动对系统中各部分影响的冲击。这里分别用空间杜宾模型下的直接效应、间接效应和总效应来检验各变量对本地区、其他地区以及全国所有地区碳排放强度的影响（见表4），发现大部分变量对地区的辐射作用在统计上表现显著。①能源生产量和能源自给度的直接效应、间接效应和总效应均显著为正，说明能源禀赋对本地区以及其他地区均显示出明显的刺激作用。②外商直接投资直接效应、间接效应和总效应均显著为负，从而肯定了外商直接投资降低本地区和其他地区碳排放强度的溢出效应。③R&D投入的直接效应和总效应显著为负，而间接效应则为不太显著的微弱负效应，说明研究与实验经费的投入对降低其他地区碳排放强度的效果不佳。④人力资本的直接效应、间接效应和总效应均不显著，即人力资本投资还没有产生足够的空间外溢效应。⑤专利授权量的直接效应显著为负，但间接效应和总效应则均表现为正效应。说明由于我国区域差异明显，一些技术的研发成果可能仅仅适用于本地区，无法在更大范围内推广，导致技术进步受惠的局限性。

2.3.2 分阶段样本估计结果分析

基于不同时间阶段技术进步的特点和方法存在较大的差异，接下来将划分两个时间阶段1997-2004年和2005-2012年，来考察能源禀赋和技术进步对碳排放强度的影响趋势。首先，根据前述的模型选择策略，最后确定两个阶段均选定固定效应的空间杜宾模型，如表5所示。可以看出，在经济发展的不同阶段上，各变量对碳排放强度的影响呈现不同的特征。①能源生产量和能源自给度在两个阶段均表现出显著的正效应，且其效应都有所收敛；另外，两个变量的空间交互效应在前一阶段显著，后一阶段不显著。表明随着时间的推移，能源储存量的减少以及国家调控政策的推动，能源的效率有所提高，能源产量丰富的地区也开始注重节约能源，促使能源禀赋对碳排放强度的影响有所减弱。②后一阶段中技术进步对碳排放强度的显著作用明显低于前一阶段，说明由于节能技术缺失以及存在技术推广困难等问题，现有的技术手段越来越不适应低碳需求，无法有效地指导节能减排。其中，lnFDI和 lnHC的符号出现了由负转正情况。说明以现有的技术手段，外商直接投资和人力资本投资无法发挥降低碳排放强度的作用；lnRD和 lnPAT两阶段的系数都为负号，但显著程度都有所下降，也就是说资金投入和技术产出促进低碳转型的效果也在下降。

从两阶段分解的空间效应来看（见表6），后一阶段的显著程度明显低于前一阶段。①能源生产量的直接效应变化不大，而间接效应和总效应出现了大幅的下降。说明能源生产量对其他地区和全国的辐射作用有所减少，而对本地区仍然具备显著的正向效应。②能源自给度的直接效应、间接效应和总效应符号依然为正，但其影响作用有所减弱，尤其是间接效应变化明显，即能源自给度对其他地区的碳排放强度的影响趋于减弱。③在后一阶段技术进步各变量的影响作用都趋于减弱，甚至出现推高碳排放强度的效应。变量中只有专利授权量的直接效应存在微弱负效应，外商直接投资、R&D投入的直接效应、间接效应和总效应均不显著，而人力资本的间接效应和总效应则出现显著的正效应。

3 结论与政策建议

本文选取了1997-2012年我国30个省区的数据，利用空间计量模型，实证考察了能源禀赋和技术进步对地区碳排放强度的作用机制。研究结果显示，在样本区间内，碳排放强度呈现出显著的空间外溢效应，能源丰裕的地区不仅会推高当地的碳排放强度，还会辐射到其他地区，并进一步影响全国的数据。

（1）能源禀赋与碳排放强度呈正相关状态。在能源丰裕地区可供利用的能源比较丰富，能源密集性产业具有比较优势，更倾向于提高能耗来谋求经济发展，最终形成了高碳发展路径。

（2）技术进步对碳排放强度的影响路径各不相同。外商直接投资和R&D投入在空间上对碳排放强度形成了有效的外溢作用，而人力资本对碳排放强度不存在显著的影响。专利授权量可以抑制本地区的碳排放强度，却推高了其他地区的碳排放强度。

（3）近年来，能源过度开发严重，能源丰裕地区可开采能源受到限制，国家及地方节能减排调控政策也相继出台，能源禀赋丰裕的地区通过调整产业结构等方式以降低对能源的依赖，使得能源产量和能源自给度对碳排放强度的影响都有所弱化。

（4）随着时间的推移，技术进步各变量对碳排放强度

的显著程度都有所减弱，甚至出现由负效应转为正效应的情况。这可能是由于在市场利益的驱使下，人们将更多的精力着眼于提高生产力等方面的技术，忽视了节能需求，造成节能减排技术的缺失。同时，提高的生产力带来的经济增长又进一步推动更多能源的使用，即“回弹效应”。以上结论对于国家制定节能减排政策提供了启示，第一，政府在制定节能减排策略时，应关注能源禀赋的扩散作用，出台相应的政策措施促进能源良性流动。第二，更加重视能源丰裕地区的低碳政策引导，改变其过分依赖能源的经济增长方式。第三，地方政府应适时调整外资准入门槛，优化投资结构，主动剔除能耗较高，污染严重的外商投资。第四，加大研发和教育的投入，鼓励节能技术的研发及推广，以充分发挥技术进步的溢出效应。

参考文献（References）

[1]林伯强，蒋竺均.中国二氧化碳的环境库茨涅茨曲线预测及影响因素分析[J].管理世界，2009，（4）：27-36.[Lin Boqiang， Jiang Zhujun. China’s Carbon Dioxide Environment Coontz Kuznets Curve to Predict and Influence Factors Analysis[J].Management World，2009，4（4）：27-36.]

[2]林伯强，黄光晓.梯度发展模式下中国区域碳排放的演化趋势-基于空间分析的视角[J].金融研究，2011，（12）：35-46.[Lin Boqiang， Huang Guangxiao. Evolution Trend of China’s Regional Carbon Emissions Under the Gradient Development Pattern from the Spatial Analysis Perspective [J].Journal of Financial Research， 2011，（12）：35-46.]

[3]Chuai Xiaowei，Huang Xianjin. Spatial Econometric Analysis of Carbon Emissions from Energy Consumption in China[J].Journal of Geographical Sciences，2012，22（4）：630-642.

[4]程叶青，王哲野.中国能源消费碳排放强度及其影响空间计量[J].地理学报，2012，68（10）：1418-1431.[Cheng Yeqing，Wang Zheye. Spatial Econometric Analysis of Carbon Emission Intensity and Its Driving Factors from Energy Consumption in China[J].Acta Geographica Sinica，2012，68（10）：1418-1431.]

[5]张兵兵，徐康宁，陈庭强.技术进步对二氧化碳排放强度的影响研究[J].资源科学，2014，36（3）：567-576.[Zhang Bingbing，Xu Kangning，Chen Tingqiang.The Influence of Technological Progress on Carbon Dioxide Emission Intensity[J].Resorces Science，2014，36（3）：567-576.]

[6]孙建卫，赵荣钦.1995-2005年中国碳排放核算及其因素分解研究[J].自然资源学报，2010，25（8）：1284-1295.[Sun Jianwei，Zhao Rongqin.Research on Carbon Emission Estimation and actor Decomposition of China from 1995 to 2005[J]. Journal of Resorces，2010，25（8）：1284-1295.]

[7]魏巍贤.技术进步对中国二氧化碳排放的影响[J].统计研究，2010，（7）：36-44.[Wei Weixian.Impact of Technology Advance on Carbon Dioxide Emission in China[J]. Statistical Research， 2010（7）：36-44.]

[8]申萌，李凯杰.技术进步、经济增长与二氧化碳排放：理论和经验研究[J].世界经济，2012，（7）：83-100.[Shen Meng，Li Kaijie. Theory and Empirical Research on Technological Progress， Economic Growth and Carbon Dioxide Emissions[J].The Journal of World Economy，2012，（7）：83-100.]

[9]吴玉鸣，吕佩蕾.空间效应视角下中国省域碳排放总量的驱动因素分析[J].桂海论丛，2013，（1）：40-45.[Wu Yuming， Lv Peilei. Analysis of Driving Factor of Chinese Provincial Overall Carbon Emissions from a Spatial Effects Persepective[J].Guihai Tribune，2013，（1）：40-45.]

[10]赵楠，贾丽静.技术进步对中国能源利用效率影响机制研究[J].统计研究，2013，30（4）： 63-69.[Zhao Nan，Jia Lijing. Analysis of Effect Mechanism of Technical Progrss on Energy Efficiency[J].Statistical Research， 2013，30（4）： 63-69.]

[11]李凯杰，曲如晓.技术进步对中国碳排放的影响：基于向量误差修正模型的实证研究[J].中国软科学，2012，（6）：51-58.[Li Kaijie，Qu Ruxiao.The Effect of Techological Change on China’s Carbon Dioxide Emisson：an Empirical Based on the Vector Error Correction Model[J].China Soft Science Magazine， 2012，（6）：51-58.]

[12]王军，仲伟周.中国地区能源强度差异研究：要素禀赋的分析视角[J].产业经济研究，2009，6（43）：44-51.[Wang Jun， Zhong Weizhou. The Research of Regional Energy Intensity Difference in China from the Factor Endowment Perspctive[J].Industrial Econimics Research，2009，6（43）：44-51.]

[13]仲伟周，王军.基于能源禀赋的地区能源消费强度差异研究[J].山西财经大学学报，2009，31（3）：42-50.[Zhong Weizhou， Wang Jun. Research on the Energy Intensity Difference[J].Journal of Shanxi Finance and Economics University，2009，31（3）：42-50.]

[14]赵领娣，杨明晔，张磊.能源禀赋与就业增长：基于省际面板数据的实证研究[J].资源科学，2013，35（9）：1801-1811.[Zhao Lingdi，Yang Mingye，Zhang Lei.Energy Endowment and Employment Growth Based on Provincial Panel Date[J].Resources Science，2013，35（9）：1801-1811.]

[15]吴海兵，肖地楚，王欣欣，等.基于固定效应模型的能源资源禀赋与产业结构关系研究[J].宏观经济研究，2013，（10）：59-66.[Wu Haibing，Xiao Dichu，Wang Xinxin， et al. Research on Energy Resources and the Industrial Structure Based on Fixed Effects Model[J].Macroeconomics，2013，（10）：59-66.]

[16]蔡荣生，刘传阳.碳排放强度差异与能源禀赋的关系：基于中国省级面板数据的实证分析[J].烟台大学学报：哲学社会科学版，2013，26（1）：104-110.[Cai Rongsheng，Liu Chuanyang.The Relationship Between Carbon Emission Intensity Difference and Energy Endowment：An Empirical Based on the Interprovincial Panel Date in China[J].Journal of Yantai University：Philosophy and Social Science Edition，2013，26（1）：104-110.]