基于因素分解模型的江蘇碳排放影響因素分析

岳書敬,鄒玉琳

(東南大學 經濟管理學院，江蘇 南京 211189)

一、問題的提出

近年來，隨著經濟總量的持續(xù)增長，中國已經成為全球第一大碳排放國，面臨著日益嚴峻的碳減排壓力。為實現中國經濟的可持續(xù)發(fā)展，履行碳減排的國際責任，中國政府提出2020年單位國內生產總值二氧化碳排放比2005年下降40%～45%的約束性目標。江蘇作為經濟總量和經濟質量都走在全國前列的經濟大省，對降低碳排放也承擔著重要的責任，但鑒于目前能源消耗量大、環(huán)境承載力弱、資源自給率低、單位國土面積污染程度高的基本省情，江蘇節(jié)能減排之路面臨巨大的壓力和嚴峻的挑戰(zhàn)。因此深入研究江蘇碳排放的影響因素，并在城市層面進行差異對比分析，對于從區(qū)域角度制定節(jié)能減排政策、發(fā)展低碳經濟具有重要意義。

目前，測度碳排放量并研究分析碳排放的影響因素成為各國政府和學術界共同關注的焦點問題，而在碳排放變化影響因素分解分析領域，對數均值迪氏分解法(LMDI)因為具備諸多優(yōu)點而被廣泛運用。近年來，國內外學者利用LMDI分解方法研究中國碳排放問題已經取得不少成果。如國外學者Ang B.Wang et al[1]，他們比較分析不同指數因素分解方法后，選用LMDI 分解法對中國工業(yè)部門能源消費所產生的二氧化碳進行研究。Wang C.et al同樣采用LMDI分解法對我國1957-2000年二氧化碳排放量進行分解，并綜合分析能源結構、能源強度、經濟增長和人口數量對碳排放量的影響作用[2]。Mraihi以突尼斯的二氧化碳排放數據為基礎，采用LMDI方法對其影響因素進行分析，結果顯示推動二氧化碳增長的主要成因是經濟發(fā)展水平的提升，并且二氧化碳排放量變化趨勢與化石燃料的平均排放量相吻合[3]。Gonzalez[4]同樣利用LMDI方法對墨西哥1965—2010年工業(yè)二氧化碳排放量進行分析，得到結構效益、能源強度和二氧化碳排放系數是碳排放的主要影響因子。就國內學者而言，吳振信[5]等對北京市1995—2010年的碳排放量進行因素分解研究，發(fā)現北京地區(qū)能源強度變化、產業(yè)結構變化和能源結構變動均有效減少了碳排放。趙志耘和楊朝峰[6]全面測算了我國的碳排放量，通過對數均值迪氏指數(LMDI)分解模型，發(fā)現城市化和經濟增長顯著促進了碳排放，能源利用效率的提升則減少了碳排放量。趙欣和龍如銀[7]對江蘇1996和2007兩年六部門終端能源利用碳排放量進行對比，定量分析經濟規(guī)模、科技進步、能源強度和產業(yè)結構四個因素對碳排放的影響，發(fā)現經濟規(guī)模效應是促進碳排放增長的決定性因素，能源強度與科技進步是減少碳排放的主要因素，而產業(yè)結構調整的對碳排放的影響較弱。王鋒等[8]將能源消耗所產生的二氧化碳排放增長細分為11種影響因素的加權貢獻，并且利用6個時間段進行對比分析，得到我國碳排放的變化規(guī)律。

以上國內外學者的研究揭示了碳排放的影響因素及其驅動作用，為我國節(jié)能減排和大氣環(huán)境治理工作提供了一定的理論支撐。

隨著研究我國碳排放文獻數量的逐步增多，基于全國或各省份層面的分析日臻完善，但進行區(qū)域差異對比研究的文獻較少，且多集中在省級層面，如鄒秀萍和宋敦江[9]、楊騫和劉華軍[10]、仲云云和仲偉周[11]、顏艷梅等[12]從我國省級區(qū)域角度出發(fā)，對碳排放特征和碳排放影響因素區(qū)域差異進行對比分析。此外，在使用因素分解方法時，多使用“兩層分解模型”，從而減弱了研究結論的政策含義。因此，本文采用三層分解的LMDI方法，以江蘇省為研究對象，探討江蘇碳排放的驅動因素以及江蘇省內13個地級市的地區(qū)差異，為江蘇節(jié)能減排和大氣環(huán)境治理提供更具針對性的政策依據，也為其他省份的低碳發(fā)展提供參考借鑒。

二、模型構建與數據說明

本文使用江蘇省各城市的統計數據，在王鋒等的研究基礎上，將“兩層分解模型”擴展為“三層分解模型”，即把江蘇總的碳排放分解為“13個城市”的“5個產業(yè)部門”消費的“6種燃料”產生的碳排放量的加總。用模型可表示如下：

(1)

(1)式可進一步表示為：

AHIij×HNij

(2)

(1)和(2)式中i=1,2,1,13分別表示江蘇13個地級市，i=1,2,31,5分別表示農林牧漁業(yè)、工業(yè)、建筑業(yè)、商業(yè)和居民生活部門，k=1,2,31,6分別表示原煤、汽油、煤油、柴油、燃料油和天然氣6種主要能源種類。等式中各變量的具體含義詳見表1，其中碳排放數據根據2006年聯合國政府間氣候變化專門委員會(IPCC)制定的《國家溫室氣體清單指南》的方法計算得出。

表1 模型中各變量的含義

(3)

可以把(3)式簡寫如下：

GG=[DClDESDEIPDISDPCGDP]

(4)

(4) 式的含義是碳排放的增長可以分解為13個地區(qū)生產部門6種因素：能源碳排放系數(CI)、能源結構(ES)、生產部門能源強度(EIP)、產業(yè)結構(IS)、人均GDP(PCG)和人口數量(P)，居民生活部門3種因素：生活部門能源強度(EIR)、家庭年均收入(AHI)、家庭數量(HN)的貢獻。其中，碳排放的增長用DG表示，各因素的貢獻用I表示。由(4)式可知，若D>1，則該因素對江蘇二氧化碳的增長起驅動作用，并且D值越大，驅動作用越大；若D=1，則該因素對二氧化碳的排放無明顯作用；若0

三、計算結果分析

將模型(3)式計算出的結果換算成碳排放量的增長率，再詳細列出各影響因素對江蘇碳排放增長的貢獻度。以三年為1個時段，把2005—2014年劃分為3個時段，在每一時段分別計算。結果如表2所示。

表2 2005—2014年不同時期江蘇碳排放量

(一)對各時期二氧化碳排放的驅動因素分析

首先，2005—2008年，江蘇碳排放量增長了30.62%，促進碳排放增加的驅動因素主要有：人均GDP、人口數量、家庭平均年收入和家庭數量的變動，其貢獻度分別為48.29%、7.88%、2.02%和0.05%，其中人均GDP的變化對江蘇2005—2008年碳排放量增長貢獻度最大，表明隨著人均GDP的增加，江蘇碳排放量逐漸增大，這是因為雖然經濟發(fā)展水平的提高能帶來更先進的生產技術，提高生產效率，減少大氣中二氧化碳的排放量，但是江蘇經濟結構仍以工業(yè)為主，經濟高速發(fā)展的同時也帶來了能源大量消耗，進而產生了更多的二氧化碳。與之相反，家庭數量變動對碳排放的貢獻度僅為0.05%，遠低于1%，這主要與江蘇家庭數量較穩(wěn)定有關，2005—2008年江蘇家庭數量增長率僅為0.76%，數量穩(wěn)定，無明顯增長趨勢，因此貢獻度較低。促進碳排放減少的因素有能源結構、生產和生活部門的能源強度、產業(yè)結構的變動，其貢獻度分別為-1.22%、-25.09%、-0.48%和-0.84%，其中生產部門能源強度的貢獻率最高，表示在四個因素中生產部門能源強度的變化對減少碳排放量的影響最大，這是因為生產部門中除建筑業(yè)變化不大以外，農林牧漁業(yè)、工業(yè)和商業(yè)能源強度均出現顯著下降，其中工業(yè)下降幅度最大，由于工業(yè)在江蘇整個生產部門中的比重最大，所以總能源強度降低幅度明顯，是此期間江蘇碳排放減少的最主要影響因素。能源結構變化的貢獻率也較高，明顯降低了江蘇碳排放量，由于江蘇能源消費結構中煤炭占比明顯下降，汽油、煤油、柴油和燃料油變化不大，而天然氣占比明顯上升，以煤炭為主的高能耗、高污染、高排放消費模式得到有效改善，緩解了此期間江蘇碳排放狀況。產業(yè)結構和居民生活部門能源強度變動對減少碳排放量影響較小，貢獻度均低于1%。

其次，2008—2011年，江蘇碳排放量增長了10.16%，增幅明顯低于前三年，表明江蘇大氣環(huán)境正逐步改善。驅動碳排放增長的因素除人均GDP、人口數量、家庭平均年收入和家庭數量變動外，還包括居民生活能源強度的變動，雖然與2005—2008年相比正向驅動因素增加了一項，但是對碳排放量增長貢獻度最高的仍是人均GDP變動，貢獻度排在第二位的同樣是人口數量變動；家庭平均年收入變動貢獻率略低于前一期，對增加江蘇碳排放狀況具有2.08%的促進作用；居民生活能源強度和家庭數量變動的貢獻度均小于1%，未對江蘇碳排放量的增加產生明顯作用。促進碳排放減少的因素為能源結構、產業(yè)結構和生產部門能源強度的變動，其中能源結構貢獻度僅為-0.23%，在2008—2011年期間不能顯著減少江蘇碳排放量；產業(yè)結構貢獻度由-0.84%變?yōu)?3.85%，顯著促進碳排放減少，這是因為與前期相比，2008—2011年工業(yè)產值占比出現顯著下降，有利于緩解碳排放狀況；生產部門能源強度變動的貢獻率由-25.09%變?yōu)?34.32%，表明隨著生產技術水平的提高，各產業(yè)單位產值需要消耗的能源數量逐步減少，對二氧化碳的減少起到明顯的促進作用，因此進一步控制生產部門的能源強度是未來江蘇發(fā)展低碳經濟的戰(zhàn)略重點。

再次，2011—2014年，江蘇碳排放量不同于前兩個時間段，首次出現下降，降幅達到12.92%，表明江蘇大氣質量進一步提高。驅動碳排放增長的因素與2005—2008年相同，包括人均GDP、人口數量、家庭平均年收入和家庭數量的變動，貢獻度分別為25.41%、0.70%、1.22%和0.06%，絕對值相對于前兩個時間段均有所下降，其中人均GDP變動的貢獻率達到25.41%，遠遠小于前兩個時期的貢獻度；家庭平均年收入超過人口數量，排在第二位，但其貢獻度也遠遠小于前兩個時期；人口數量貢獻度下降至0.7%；家庭數量貢獻度仍低于1%，與前兩個時期相同，對江蘇碳排放量的影響作用較??；促進碳排放減少的因素包括能源結構、生產和生活部門的能源強度、產業(yè)結構的變動，其貢獻度分別為-1.43%、-33.83%、-1.11%和-3.94%，在2005—2014年間不同時期生產部門能源強度變動的貢獻度一直遠遠高于其他影響因素，表明江蘇生產部門中的各產業(yè)能源強度下降幅度較大，尤其是比重較大的工業(yè)，對促進江蘇碳排放減少有舉足輕重的影響；能源結構變動的貢獻度也明顯增加，這可能是因為近幾年江蘇積極開發(fā)新技術，提高生產效率和能源利用率，顯著改變能源消耗中煤炭等高污染能源的占比，所以有效減少了碳排放量。

最后，總體來看，2005—2014年江蘇碳排放量增長率逐年遞減，2011—2014年碳排放量出現負增長。促進江蘇碳排放增長的主要因素為：人均GDP、人口數量、家庭平均年收入和家庭數量的變動，其中人均GDP變動的貢獻度最高，遠超人口數量、家庭平均年收入和家庭數量貢獻度之和，表明經濟增長仍然是江蘇近幾年碳排放的主要驅動力，需要繼續(xù)優(yōu)化經濟結構，發(fā)展綠色經濟。減少碳排放的驅動因素包括能源結構、生產和生活部門的能源強度、產業(yè)結構的變動，其中2005—2014年間生產部門能源強度變動的貢獻度始終高于其他影響因素，表明江蘇生產部門能源強度的降低對其減少碳排放有舉足輕重的影響，控制不同產業(yè)的能源強度是江蘇治理大氣污染的重要方向；同時，近幾年來能源結構變動對碳排放減少的貢獻度明顯增加。

(二)不同區(qū)域二氧化碳排放的驅動因素分析

將公式(3)得到的9種二氧化碳的驅動因素劃分為四類：強度效應、結構效應、收入效應和規(guī)模效應。

1.強度效應

本文把能源強度分為兩類：生產部門的能源強度和居民生活部門的能源強度。若某一部門能源強度上升，說明該部門能源利用率下降，則其他因素保持不變，該部門因利用能源產生的碳排放必定增加，能源強度上升會促進碳排放量的增加。

(1)生產部門能源強度變動。首先，生產部門能源強度下降是減少碳排放量的最大驅動因素。根據2005—2014年江蘇13個地級市二氧化碳影響因素的貢獻度分析，生產部門能源強度恒為負向，2005—2018年、2008—2011年和2011—2014年平均貢獻度分別為-46.91%、-38.19%和-53.51%，而且在研究的每一時間段的不同城市里，生產部門能源強度都是減少碳排放量的最大驅動因素，遠超其他因素，如能源結構和產業(yè)結構。其次，不同地區(qū)間生產部門能源強度下降對碳排放減少的貢獻度差異逐步增大。2005—2008年地區(qū)貢獻度大于平均值的有徐州、南通、淮安和宿遷，最大值為宿遷的-72.31%，最小值為南京的-24.71%，兩者相差近50%；2008—2011年超過平均值的城市有徐州、連云港、淮安、鹽城、泰州和宿遷，最大值城市仍為宿遷，貢獻度達到-90.70%，最小值城市是蘇州，貢獻度僅達到-3.56%，城市間貢獻度差值進一步增大；2011—2014年貢獻度較大的城市有無錫、蘇州、南通、鎮(zhèn)江和泰州，最大值為無錫的-125.17%，最小值為宿遷的-2.38%，貢獻值差額繼續(xù)增大。最后， 2005—2014年三個時期中，生產部門能源強度變動的貢獻度先增大后減小的城市有南京、連云港、淮安、鹽城和宿遷，剩余城市基本上表現為先減少后增大，表明在未來一定時期內，生產部門能源強度的調控仍然是江蘇各地級市大氣污染治理工作的重點。

(2)生活部門能源強度變動。由計算結果表明：生活部門能源強度變動對碳排放的貢獻度較小。2005—2008年貢獻度絕對值超過2%的城市只有宿遷，大部分地區(qū)都在1%上下波動；2008—2011年貢獻度大于1%的仍僅有宿遷，貢獻度達到1.20%，2011—2014年除無錫、常州、蘇州和南通外，其余城市貢獻度均小于2%。三個時期的年均貢獻度分別為-1.31%、0.51%和-1.82%，與生產部門貢獻度相比，絕對值較小。此外，生活部門能源強度變動對碳排放的貢獻度方向不固定。在2005—2008年生活部門能源強度貢獻度表現為負向，即生活部門能源強度有利于減少城市二氧化碳排放量，2008—2011年生活部門能源強度貢獻度表現為正向，表明隨著生活能源強度的增加，城市二氧化碳排放量逐年增多，而2011—2014年生活部門能源強度貢獻度再次表現為負向，且絕對值遠大于第一時期，但平均值仍遠低于2%，說明生活部門能源強度雖然貢獻度較低，但與之前相比，近幾年對減少碳排放量發(fā)揮了更顯著的作用。

2.結構效應

本文把能源結構變動和產業(yè)結構變動對碳排放變動所產生的影響統稱為結構效應。若能源結構變動促進了碳排放量減少，表明能源結構中高污染、高排放型能源如煤炭占比下降，能源結構出現顯著改善；若產業(yè)結構變化減緩了碳排放，表明各產業(yè)中碳排放量較大的產業(yè)如工業(yè)占比下降，產業(yè)結構得到優(yōu)化。

(1)能源結構變動。把各產業(yè)部門所消耗的能源區(qū)分為原煤、汽油、煤油、柴油、燃料油和天然氣6個品種，其碳排放因子的大小次序為：原煤>柴油>燃料油>煤油>汽油>天然氣，因此若其他能源占比保持不變，燃料中原煤比重上升，而原油及其產品和天然氣的占比下降，則碳排放量必然增加，反之，則碳排放量減少。具體分析各城市能源結構變化對二氧化碳排放量貢獻度有以下特征。第一，能源結構變動對碳排放的貢獻度平均值較小且方向均為負。2005—2008年貢獻度平均為-2.32%，2008—2011年為-0.30%，2011—2014年為-2.16%，三個時期江蘇13個城市能源結構的變化對二氧化碳排放量的增長均起到負向作用，這表明與能源強度相比，江蘇原煤所占比重在短期內雖然出現下降但是降幅不大，政府部門應繼續(xù)加大資金支持，促進科技研發(fā)，優(yōu)化能源結構。第二，能源結構變動對碳排放的貢獻度絕對值差距較小。通過對比分析2005—2014年三個時期能源結構平均貢獻度發(fā)現：僅無錫和蘇州貢獻度絕對值超過2%，剩余城市均低于2%，其中南京平均貢獻度僅為-0.96%，為江蘇各地級市中貢獻度最低的城市，需要加大其對能源結構的整治力度。

(2)產業(yè)結構變動。產業(yè)結構用農林牧漁業(yè)、工業(yè)、建筑業(yè)和商業(yè)各產業(yè)產出占總產出比重表示，其對不同城市二氧化碳排放量的貢獻度差異主要有以下特點。一方面，不同城市間產業(yè)結構變動的貢獻度差異明顯增大。2005—2008年產業(yè)結構變動貢獻度最高為宿遷的-9.62%，最低為南京的-3.29%，兩者相差6.33%，2008—2011年貢獻度最高仍為宿遷，最低值為蘇州，貢獻度差額縮小為4.30%，2008—2014年城市貢獻度差距持續(xù)擴大為13.79%，遠遠高于前兩個時期差值之和；另一方面，不同城市間產業(yè)結構變動對碳排放的貢獻度排序不穩(wěn)定。2005—2008年江蘇13個地級市中貢獻度排名前五位的城市分別為宿遷、南通、鹽城、徐州和連云港，2008—2011年排名靠前的除了宿遷、鹽城、徐州、連云港外，還包括淮安，但在2011—2014年產業(yè)結構貢獻排名變動較大，前五位分別為無錫、蘇州、常州、南通和鎮(zhèn)江。不同城市產業(yè)結構變動對碳排放量的貢獻度雖然其貢獻度在不停變化，無明顯規(guī)律，但恒為負值，即有助于減少二氧化碳排放量，這表明江蘇各城市均在加大產業(yè)優(yōu)化力度，促進產業(yè)結構升級，轉型經濟發(fā)展方式。

3.收入效應

本文把人均GDP和家庭平均年收入變動對不同城市二氧化碳變動所產生的影響統稱為收入效應。

(1)人均GDP變動。人均GDP增長是不同城市二氧化碳增長的主要因素。首先，人均GDP增長是促進碳排放增長的最大影響因素。2005—2008年各城市平均貢獻度為70.52%，2008—2011年為45.13%，2011—2014年為49.76%，遠超其他幾個正向驅動碳排放因素的貢獻值，是各城市二氧化碳排放最主要的驅動因素。其次，隨著時間的變化，人均GDP增長對碳排放的貢獻度顯著減少。除無錫和蘇州外，其余城市后兩個時期的人均GDP貢獻度明顯低于第一個時期，如淮安在2005—2008年貢獻度為80.74%，2008—2011年減少為69.25%，2011—2014年進一步下降為21.70%，這表明雖然經濟增長是江蘇各城市二氧化碳排放的主要驅動因素，但隨著經濟發(fā)展水平的持續(xù)提高，其驅動作用正逐步遞減。

(2)家庭平均年收入變動。在經濟持續(xù)高速增長的背景下，家庭平均年收入也不斷攀升，收入的提高帶動城鄉(xiāng)居民的消費水平，對不同城市二氧化碳的排放狀況造成了一定影響。首先，各地級市家庭平均收入變動對碳排放的貢獻度逐年遞減，2005—2014年三個時期內，江蘇包括徐州、連云港、淮安、鹽城、揚州、泰州和宿遷在內的7個城市的家庭平均年收入貢獻度均出現明顯下降，其中宿遷降幅最大，貢獻度由5.81%降至0.08%。其次，各地級市家庭平均收入變動對碳排放的貢獻值雖然較小，但方向恒為正：2005—2008年家庭平均收入貢獻度為3.77%，2008—2011年為2.34%，2011—2014年僅為1.71%，遠遠小于人均GDP的貢獻率。

4.規(guī)模效應

人口數量和家庭數量的變動對碳排放量變動所產生的影響統稱為規(guī)模效應。一方面，人口數量變動促進了碳排放增長，但貢獻度逐年遞減。2005—2008年貢獻率為16.87%，2008—2011年降為7.29%，2011—2014年進一步減少為1.87%，其中下降幅度較大的城市包括徐州、南通、連云港、淮安、泰州和宿遷等，而南京下降幅度較小，無錫和蘇州貢獻值在2011—2014年出現回升，這表明江蘇各城市人口數量正逐漸趨于穩(wěn)定，人口數量的變化對碳排放的正向驅動作用逐漸減??；另一方面，家庭數量變動對城市碳排放變動的貢獻度最小，不同城市貢獻度不同，最高值僅為0.86%，這可能是因為近幾年江蘇各城市家庭數量較為穩(wěn)定，沒有出現顯著變化，故家庭數量變動并非江蘇碳排放的主要驅動因素。

四、研究結論與政策建議

本文使用“三層完全分解法”，從江蘇及其內部各地級市層面建立LMDI模型，分析江蘇碳排放影響因素在不同時期的驅動作用，并就13個城市的影響因素差異進行對比分析，研究結論如下。

(一)從總體來看，2005—2014年江蘇碳排放量逐年遞減，2011—2014年碳排放量首次出現負增長

促進江蘇碳排放增加的主要驅動因素為：人均GDP、人口數量、家庭平均年收入和家庭數量的變化等，其中人均GDP增長的貢獻度最高，遠超人口數量、家庭平均年收入和家庭數量貢獻度之和。減少江蘇碳排放的主要因素包括能源結構、生產和生活部門的能源強度、產業(yè)結構的變動等，其中生產部門能源強度變化的貢獻度始終高于其他影響因素。

(二)從不同城市差異角度來解決如何降低碳排放量

首先，13個城市生產部門能源強度變化的貢獻度均為各驅動因素中最大值，但在不同地區(qū)間該驅動因素貢獻度差異逐年增大；生活能源強度變化雖然也能在一定程度上減少各城市碳排放量，但受其自身局限性，作用力較小且方向不固定。其次，13個城市的能源結構變動均能減少碳排放量，但貢獻度低且不同城市間貢獻度差距較?。桓鞒鞘挟a業(yè)結構的變動有助于降低碳排放量，但城市間貢獻度差距逐年增大且排序不穩(wěn)定。再次，13個城市的人均GDP增長都是碳排放增長的最主要的推動因素，但其貢獻度正逐年遞減；家庭平均收入變動在不同城市的驅動作用較小且貢獻度也逐年遞減。最后，13個城市的人口數量趨于穩(wěn)定，貢獻度逐年降低，家庭數量變動對城市碳排放變動貢獻度最小，家庭數量不是各城市碳排放的主要驅動因素。

根據上述研究結論，本文提出以下政策建議。第一，提高能源利用效率，減少能源消費強度。減少區(qū)域能源強度將是江蘇各城市未來節(jié)能減排工作調控的重點，鼓勵能源強度貢獻度較高和較低的城市進行區(qū)域能源資源合作利用開發(fā)機制，前者如無錫、蘇州、常州，后者包括淮安、鹽城、南京，對江蘇城市能源開發(fā)利用的模式和規(guī)模進行合理規(guī)劃，提高能源使用效率，減少資源浪費，降低能源強度和碳排放強度。第二，提升經濟發(fā)展質量，促進經濟結構轉型。過度注重經濟發(fā)展速度、忽略經濟發(fā)展質量的經濟粗放式增長是江蘇13個城市碳排放最主要來源。政府機構應實施低碳經濟發(fā)展政策，同時對經濟增長貢獻度升高的城市如無錫和蘇州，實施更嚴格的碳排放預算，促使其高碳排放產業(yè)進一步升級，優(yōu)化產業(yè)結構，提升經濟發(fā)展質量。第三，發(fā)展低碳產業(yè)，調整區(qū)域產業(yè)結構。大力發(fā)展先進的高技術型產業(yè)，培育有競爭性和戰(zhàn)略性的新興產業(yè)，減少高碳產業(yè)在江蘇省各城市經濟總量中的比重，實現經濟發(fā)展低碳化、綠色化。第四，控制人口數量，提高人口素質。在江蘇目前穩(wěn)定的低自然增長率下，堅持落實和執(zhí)行計劃生育政策，單一的控制人口數量并不是節(jié)能減排的唯一有效途徑，也不是最優(yōu)選擇。政府應尊重人口發(fā)展的內在規(guī)律，合理調控地區(qū)人口總數，并加大教育力度，全面提升人口質量和素質，統籌解決人口與碳排放的問題。第五，加強環(huán)保觀念，推廣低碳消費方式。家庭年均收入和家庭數量提高了居民的購買力和生活消費水平，也同時促進了碳排放量的增長，表明各城市低碳消費的氛圍尚未形成，政府應加大對區(qū)域低碳消費的宣傳力度，讓每個家庭，甚至每個居民都能行動起來，從自身做起，踐行低碳生活方式，為節(jié)能減排做出自己的貢獻。

參考文獻：

[1]ANG B W,CHOI K.Decompositon of Aggregate Energy and Gas Emission Intensities for Industry:A Refined Divisia Index Method[J].Energy,1997,18(6):59-73.

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

[3]MRAIHI R,MRAIHI T,HARIZI R,etc.Carbon Emissions Growth and Road Freight:Analysis of the Influencing factors in Tunisia[J].Transport Policy,2015(42):121-129.

[4]GONZALEZ D,MARTINEZ M.Changes in CO2emission Intensities in the Mexican Industry[J].Energy Policy,2012(51):149-163.

[5]吳振信,石佳,王書平.基于LMDI分解方法的北京地區(qū)碳排放驅動因素分析[J].中國科技論壇,2014(2):85-91.

[6]趙志耘,楊朝峰.中國碳排放驅動因素分解分析[J].中國軟科學,2012(6):175-183.

[7]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(7):25-30.

[8]王鋒,吳麗華,楊超.中國經濟發(fā)展中碳排放增長的驅動因素研究[J].經濟研究,2010(2):123-136.

[9]鄒秀萍,宋敦江.中國碳排放的區(qū)域差異及驅動因素分解分析[J].生態(tài)經濟,2013(1):52-55.

[10]楊騫,劉華軍.中國二氧化碳排放的區(qū)域差異分解及影響因素：基于1995—2009年省際面板數據的研究[J].數量經濟技術經濟研究,2012(5):36-49,148.

[11]仲云云,仲偉周.我國碳排放的區(qū)域差異及驅動因素分析：基于脫鉤和三層完全分解模型的實證研究[J].財經研究,2012(2):123-133.

[12]顏艷梅,王錚,吳樂英,等.中國碳排放強度影響因素對區(qū)域差異的作用分析[J].環(huán)境科學學報,2016(9):3436-3444.