城乡家庭碳排放核算及驱动因素分析

导语：城乡家庭碳排放核算及驱动因素分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：文章在量化考察2013—2020年城乡居民生活直接碳排放和间接碳排放的基础上，对比分析城乡家庭单位碳排放差异，并基于不同的结构模型运用IPAT-LMDI方法对城乡家庭碳排放驱动因素进行识别。结果显示：城镇家庭生活碳排放远超农村，且差距存在继续扩大的趋势；城乡家庭生活间接碳排放远高于直接碳排放，无论城镇还是农村家庭控排的关键皆在于对间接碳排放的治理；在城乡家庭碳排放的驱动因素方面，人均住宅面积和人均消费支出是碳排放增加的主要驱动力，而家庭消费能源强度效应和家庭住宅能源强度效应则是抑制碳排放增加的主要原因。

关键词：家庭碳排放；城乡差异；驱动因素；LMDI模型

在2030年前碳达峰、2060年前碳中和的“双碳”目标约束下，明晰碳排放增长主要来源和关键部门，对我国发展低碳经济至关重要。据统计，2001年以来我国居民生活能源消费总量保持5.41%的年均增长水平，2018年能源消费总量达63628.5万吨标准煤，居民生活消费逐渐超过工业生产成为我国碳排放增长的最主要原因[1]，因此基于家庭单位研究碳排放演进特征及其驱动因素对落实减排目标意义重大。在资源浪费问题突出、环境负荷不断超载以及减排形势渐趋严峻的背景下，对于碳排放增长及其影响因素的研究的重点逐渐由工业部门转移至居民家庭。对于居民生活消费所带来的碳排放的研究主要集中于两个方面：一是居民生活消费碳排放总量的核算[2，3]。如范玲和汪东（2014）[4]基于消费者行为理论聚焦居民间接能源消费所带来的碳排放，同时在考虑城乡发展差异的基础上对比研究城市和农村居民生活碳排放；马晓薇等（2016）[5]采用表观消费量方法和能源部门投入产出模型对居民生活间接能源需求及其碳排放展开研究。二是居民生活消费碳排放影响因素的效应分解和识别。胡振等（2018）[6]通过分析日本家庭碳排放现状，利用IPAT-LMDI扩展模型对其影响因素进行识别。STIRPAT模型则较多地用于碳排放峰值预测和总量控制研究。任晓松和赵国浩（2014）[7]综合运用STIRPAT模型和灰色预测方法估算我国工业部门碳排放何时达峰；刘云鹏等（2017）[8]进一步将STIRPAT模型推广到家庭碳排放研究中，对我国2030年的居民生活消费碳排放进行模拟。由此可见，现有研究主要从人口因素[9，10]、消费水平[11—13]和技术水平[14，15]等维度考察家庭碳排放的影响因素。通过梳理不难发现，已有研究将居民个体作为排放主体考察整体碳排放量，忽略了居民生活消费行为的社会性、共享性和互补性。相比之下，以家庭作为基本单位分析居民生活消费碳排放更符合现实生活场景。同时，城乡在经济发展、人口结构以及消费模式等诸多方面存在显著差距，而当前的研究往往关注的是城镇或者乡村单方面的碳排放核算，忽略了城乡家庭生活消费碳排放的比较分析。针对以上不足，本文基于IPAT-LMDI扩展模型对家庭直接碳排放和间接碳排放展开分析，并将敏感性分析纳入碳排放驱动因素进行考察。

1研究方法与数据来源

1.1居民生活消费碳排放核算

居民生活中的碳排放核算主要依据家庭单位直接能源消耗和间接能源消耗。直接能源消耗即居民对于能源产品的直接购买和使用，间接能源消耗则是指居民生活中非能源商品消费和服务消费所间接形成的能源使用量。居民生活直接碳排放的核算可以通过将居民生活各类能源消费量折算为标准煤单位，基于各年份平均标准煤碳排放系数来计算直接碳排放。居民生活间接碳排放的核算则根据居住、食品、衣着以及交通通信等八类主要消费活动（见下页表1）的碳排放来核算。

1.2基于家庭碳排放的IPAT拓展模型

IPAT经典模型刻画了人口规模（P）、经济水平（A）以及技术水平（T）对环境压力（I）的综合影响，本文基于居民能源消费研究的内容，建立以家庭为单位的城乡居民生活碳排放分解模型，并进一步将户数、家庭规模、住宅面积等要素纳入考量。根据家庭碳排放研究中的IPAT扩展模型，进一步基于LMDI方法对居民生活碳排放动态变化特征及驱动因素进行结构分析。LMDI分解方法基于碳排放路径的差异可分为加法模式和乘法模式，假定报告期（t期）的碳排放相对于基期（0期）的变化量为∆C，则基于加法模式的居民生活消费直接碳排放和间接碳排放因素分解如下。其中，∆CDCI、∆CDRE、∆CPCA、∆CDFS、∆CDH反映了各因素对于基期与报告期之间居民生活消费直接碳排放增量的贡献值，依次表示碳排放系数、家庭住宅能源强度、住房水平、家庭规模、户数对家庭碳排放增量变动的影响程度；与之相对应，∆CICI、∆CIEO、∆CPCO、∆CIFS、∆CIH则反映了各因素对于居民生活消费间接碳排放增量的贡献值，分别刻画了碳排放系数、家庭消费能源强度、消费水平、家庭规模、户数的影响程度。考虑到碳排放系数短期内相对稳定，设定∆CDCI=∆CICI=0。因素分解模型刻画了不同因素对于家庭碳排放增加的累积效应和整体贡献率，但无法揭示家庭碳排放边际变化效应，缺乏对驱动因素敏感性的有效识别。其中，DC和DX分别表示基期和目标期之间家庭碳排放量和影响因素的变化值，EL表示家庭碳排放弹性系数值。EL0说明影响因素对于家庭碳排放增加具有正向促进作用，EL0则刚好相反，说明相关因素对于碳排放增加具有负向抑制作用。一般而言，EL的绝对值越大，表明对家庭碳排放变动的影响效果越强，即家庭碳排放对于相关因素的敏感程度越高。

1.3数据来源

基于数据可得性和统计口径一致性，本文选取2013—2020年居民生活八类主要消费支出及其所包含的工业部门产值和城乡居民的户数、家庭规模、住房面积、生活直接能耗以及工业生产间接能耗等数据。相关数据主要来自《中国统计年鉴》《中国工业统计年鉴》《中国人口和就业统计年鉴》《中国能源统计年鉴》等。其中，工业部门分行业增加值数据以当期工业增加总值为基数通过分行业工业部门规模占比估计得到，并以2013年为基期，利用工业生产者出厂价格指数和消费者价格指数分别对工业增加值及居民消费支出进行平减，缺失值数据则通过插值法补充完整。

2城乡家庭消费现状与碳排放核算

得益于人均可支配收入的增加，城乡居民消费支出均保持较快的增长态势。其中，城镇人均消费支出由18488元上升至26112元，平均年增长率为8.25%；乡村人均消费支出亦由7485元增加至12124元，平均年增长率为12.4%。从消费结构来看，在城乡居民八类消费中，食品类、居住类消费支出约占整体消费的50%左右。其中，城乡家庭消费中食品类支出基本维持在30%的水平，这一比重渐趋下降的态势初显；居住类支出则稳定在20%左右，这反映了在房价居高不下的经济背景下，居住问题成为城乡居民生活负担的重要来源。其次，交通通信类、文教娱乐类也是城乡居民消费支出的重要组成部分，约占总支出20%左右。这与居民生活水平改善条件下家庭轿车的普及、教育投资增加以及娱乐方式多元化等密切相关。对应地，城乡家庭能源消费中居住类占比最高，食品类、交通通信类以及衣着类能源消费次之。从总量来看，城乡家庭碳排放虽然均呈递增态势，但城镇家庭生活碳排放总量远超农村，且差距有不断扩大的趋势。其中2020年城镇碳排放总量相较于2013年整体增长近40%；与之相反，农村居民生活碳排放总量则保持着缓慢的上升态势，增幅仅为15%左右。进一步地，从增长率变化来看，城乡家庭碳排放保持着相类似的增长变化趋势，自2014年以来呈现“N”型变化，具有变化趋势相似、变化范围波动大以及反弹趋势明显的特征。其中，城乡家庭碳排放增长率均在2016年达到峰值，又在2017年触底反弹。同时，城镇家庭碳排放增长率水平整体高于农村。城乡家庭碳排放差异显著的主要原因为：一方面，城市化进程不断加快，农村人口大量涌入城市，基础设施建设不断完善；另一方面，城镇消费水平高于农村，消费能力更强、消费选择更多元化以及消费模式更综合，使得城镇家庭的能源消费不断增加。

3城乡家庭碳排放驱动因素分解分析

3.1城乡家庭直接碳排放的因素分解对比

如表2和表3所示，城乡家庭直接碳排放的变化量总效应渐趋增加，其中城镇家庭直接碳排放的总碳排放效应远高于农村，2019—2020年城乡家庭直接碳排放效应分别为8942.3015万吨和2847.6937万吨。从驱动因素分解结果来看，2012—2016年，人均住宅面积、家庭规模以及家庭人均能源消费对城乡家庭碳排放均存在正向促进效应，而2016—2020年，人均住宅面积因素对于城乡家庭碳排放的驱动效应由正转负，成为抑制碳排放增加的主要因素。值得注意的是，户数因素在城乡家庭直接碳排放中驱动作用完全不同。2012—2020年，城镇户数对家庭直接碳排放始终表现为正向驱动效应，且在整体正向驱动效应中占据较高比重。与之相反，户数因素在农村家庭直接碳排放中则长期表现为负向效应，是碳排放增加的最主要抑制性因素。户数因素在城乡家庭碳排放中的差异化影响与城乡人口流动密切相关。整体来看，城镇家庭直接碳排放中户数效应、家庭规模效应、住宅面积效应以及家庭住宅能源强度效应在2012—2020年的累积效应均表现为正向效应（见下页图2）。其中，住宅面积效应在城镇家庭直接碳排放增长中起到最主要的推动作用，贡献率达41%。家庭住宅能源强度效应和户数效应次之，贡献率分别为29.7%和24.7%。相比之下，家庭规模效应在促进城镇家庭直接碳排放增加中的作用较小，贡献率仅为4.2%。值得注意的是，家庭规模效应虽然对碳排放增加的驱动作用有限，2016年以来更是表现为负值，但我国计划生育政策的放宽和三孩政策的出台在一定程度上会刺激家庭规模的扩大，进而拉升其在家庭直接碳排放中的促进作用。农村家庭直接碳排放中家庭规模效应、住宅面积效应以及家庭住宅能源强度效应在2012—2020年的累积效应均表现为正向效应（见图3）。其中，人均住宅面积是农村家庭直接碳排放增量变化的最关键因素，贡献率高达73.8%，家庭规模效应和家庭能耗效应贡献率分别为8%和18%，而户数因素则是农村家庭直接碳排放增加的关键抑制性因素，累积减排量约为5275.7万吨，较大程度地抵消了其他驱动因素对碳排放的拉升效应。

3.2城乡家庭间接碳排放的驱动因素分解对比

在城乡家庭间接碳排放方面，城镇家庭间接碳排放累

积增量远高于农村（见表4和表5）。从各驱动因素累积效应（见图4和图5）来看，人均消费支出是导致城乡家庭间接碳排放增量和增速居高不下的最主要原因，而户数效应和家庭消费能源强度效应则均是主要的负向效应，对抑制碳排放增速起到了重要作用。除此之外，户数效应和家庭规模效应对于城镇家庭间接碳排放的作用同直接碳排放基本一致。

3.3城乡家庭碳排放变动敏感性分析

根据城乡家庭直接和间接碳排放驱动因素分解结果和弹性分析模型，可以得到我国城乡家庭碳排放对不同驱动因素的敏感程度，如图6和图7所示。直接碳排放弹性指数结果显示，家庭碳排放对于不同驱动因素的敏感性波动程度差异较大。其中，城乡家庭直接碳排放对于家庭规模和住宅面积的敏感程度变化最为明显。不同的是，城镇家庭碳排放对于住宅面积的敏感性不断降低，而农村家庭直接碳排放对于住宅面积因素的敏感性程度则相对较高。城镇家庭直接碳排放对于相关驱动因素的敏感程度由强到弱依次为家庭规模、户数、家庭能耗强度和住宅面积，而农村家庭则依次为家庭规模、户数、住宅面积和家庭消费能源强度。

4结论与建议

本文通过对城乡家庭要素和碳排放现状的研究，基于IPAT-LMDI分解方法对2013—2020年城乡家庭直接碳排放、间接碳排放的形成机理、结构差异、驱动因素及减排路径展开分析。结果表明：（1）城乡家庭碳排放总量差距较大，城镇家庭碳排放总量约为农村家庭2~3倍；在碳排放结构中，城乡家庭直接碳排放比重远低于间接碳排放。（2）人均住宅面积累积效应是导致城乡家庭直接碳排放增量变化的最主要正向驱动力，且这一效应呈不断减弱甚至由正转负的态势，而家庭住宅能源强度在城乡家庭直接碳排放，特别是农村家庭碳排放中正向驱动作用不断凸显。（3）人均消费支出效应是城乡家庭间接碳排放增长的关键之所在，其所带来的碳排放增量变化超过家庭实际间接碳排放；而家庭消费能源强度则是主要的家庭间接碳排放抑制性因素。本文提出如下建议：优化居民住宅区布局，充分开发家庭住宅利用空间，基于家庭能源共享、碳排放分摊的家庭规模效应特征降低单位住宅面积碳排放。引领绿色消费模式，以财政补贴和税收减免等形式鼓励低碳消费行为和低碳生产活动，在倡导城乡居民培养绿色消费观念的同时，积极推广低碳产品，构建社会绿色生产体系。优化产业结构，改造、关停传统高能耗产业，扶持绿色创新型产业发展；同时大力引进和推广低碳技术，鼓励创新节能行为，提高生产过程中的能源利用效率。

作者：李治国 王杰 单位：中国石油大学（华东）经济管理学院