中國工業(yè)碳排放的因素分解與脫鉤效應(yīng)

馬曉君,陳瑞敏,董碧瀅,牛雪琪

中國工業(yè)碳排放的因素分解與脫鉤效應(yīng)

馬曉君*,陳瑞敏,董碧瀅,牛雪琪

(東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,遼寧 大連 116025)

采用廣義迪氏指數(shù)分解法(GDIM)分析2000~2016年中國工業(yè)碳排放的驅(qū)動(dòng)因素,并在此基礎(chǔ)上,創(chuàng)新性地結(jié)合DPSIR框架構(gòu)建脫鉤努力模型測(cè)度工業(yè)碳排放的脫鉤效應(yīng).研究結(jié)果表明:產(chǎn)出規(guī)模效應(yīng)、技術(shù)進(jìn)步效應(yīng)、能源消費(fèi)規(guī)模效應(yīng)和人均碳排放效應(yīng)是導(dǎo)致工業(yè)碳排放增加的主要因素,而產(chǎn)出碳強(qiáng)度效應(yīng)與技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)是減少工業(yè)碳排放的關(guān)鍵因素;工業(yè)碳排放的脫鉤效應(yīng)呈“未脫鉤~弱脫鉤~強(qiáng)脫鉤”的階段性特點(diǎn);產(chǎn)出碳強(qiáng)度效應(yīng)與技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)是工業(yè)碳排放實(shí)現(xiàn)強(qiáng)脫鉤的決定性因素,同時(shí)更需要調(diào)整能源結(jié)構(gòu)、降低能源強(qiáng)度與碳排放強(qiáng)度來實(shí)現(xiàn)工業(yè)碳排放強(qiáng)脫鉤.

工業(yè)；碳排放；廣義迪氏指數(shù)分解法；脫鉤努力模型

當(dāng)前世界各國均在采取各項(xiàng)措施降低二氧化碳排放來應(yīng)對(duì)氣候變化及其影響,中國承諾2030年單位GDP的二氧化碳排放比2005年下降60%~65%.其中,工業(yè)部門在實(shí)現(xiàn)碳減排目標(biāo)的過程中居于決定性地位.因此研究中國工業(yè)碳排放的驅(qū)動(dòng)因素與脫鉤效應(yīng),制定相應(yīng)減排政策與措施,對(duì)中國總體實(shí)現(xiàn)低碳目標(biāo)至關(guān)重要.

目前關(guān)于碳排放影響因素的研究較多,但對(duì)影響因素的分解方法多采用結(jié)構(gòu)分解法(SDA)和指數(shù)分解法.其中對(duì)數(shù)平均迪氏指數(shù)分解法(LMDI)最為常見[1-8].隨著學(xué)術(shù)界對(duì)指數(shù)分解法的深入研究, LMDI分解法的不足也逐漸顯露出來.Vaninsky[9]指出包括LMDI在內(nèi)的現(xiàn)有指數(shù)分解法均是以Kaya[10]恒等式為基礎(chǔ),將目標(biāo)變量分解成多個(gè)影響因素乘積的形式,使得各因素在形式上存在相互依賴性,而因素的選取又決定了分解結(jié)果,針對(duì)同一目標(biāo)變量選取不同影響因素進(jìn)行分解時(shí),可能會(huì)得出相悖的結(jié)論.此外,現(xiàn)有指數(shù)分解法只能分析一個(gè)絕對(duì)因素對(duì)碳排放的影響,無法衡量其他絕對(duì)因素與分解過程中可能隱含因素的影響,使得分解結(jié)果不可靠.在此基礎(chǔ)上,Vaninsky提出一種新的指數(shù)分解方法,即廣義迪氏指數(shù)分解法(GDIM),它克服了現(xiàn)有指數(shù)分解法的不足,能夠更加全面準(zhǔn)確地分析中國工業(yè)碳排放的影響因素.目前對(duì)該方法的運(yùn)用較少, Shao等[11]、Wang等[12]和Zhu等[13]采用GDIM分別研究了中國采礦業(yè)、交通運(yùn)輸業(yè)和電力行業(yè)碳排放的影響因素,得出產(chǎn)出規(guī)模是導(dǎo)致碳排放增加的首要因素,產(chǎn)出碳強(qiáng)度是減少碳排放的關(guān)鍵因素;邵帥等[14]和李治國等[15]先后考慮了投資因素對(duì)中國和山東省制造業(yè)碳排放的影響,發(fā)現(xiàn)投資規(guī)模促進(jìn)制造業(yè)碳排放增加,投資碳強(qiáng)度與產(chǎn)出碳強(qiáng)度引致碳排放減少;閆慶友等[16]運(yùn)用GDIM對(duì)京津冀地區(qū)碳排放影響因素進(jìn)行分解分析.在有關(guān)脫鉤分析的研究中,王崇梅[17]和Román[18]利用脫鉤彈性指數(shù)分別對(duì)中國和哥倫比亞能源消耗與經(jīng)濟(jì)增長的關(guān)聯(lián)進(jìn)行實(shí)證研究;Wu[19]、彭佳雯[20]、Freitas等[21]、Grand[22]和Roinioti等[23]通過構(gòu)建經(jīng)濟(jì)與碳排放脫鉤模型,分別探討了世界、中國、巴西、阿根廷和希臘經(jīng)濟(jì)增長與碳排放的脫鉤關(guān)系及程度;張娣[24]和劉惠敏[25]分別研究了中國蘇北地區(qū)和東部地區(qū)經(jīng)濟(jì)增長與能源消耗的脫鉤關(guān)系;徐盈之等[26]和賀愛忠等[27]通過基于DPSIR 框架構(gòu)建脫鉤努力指數(shù)模型分別對(duì)中國制造業(yè)和流通業(yè)碳排放的脫鉤效應(yīng)進(jìn)行分析.

盡管現(xiàn)有文獻(xiàn)對(duì)碳排放的研究視角日趨多樣化,且研究方法逐漸完善,但是仍存在一些不足:(1)因素分解方法欠缺.大多數(shù)文獻(xiàn)側(cè)重于使用LMDI分解法,但該方法使得各元素在形式上相互依賴,且僅考慮了單個(gè)絕對(duì)因素的影響,未考慮其他絕對(duì)因素與潛在因素的影響,使得分解結(jié)果不準(zhǔn)確.(2)脫鉤效應(yīng)分析不深入.單純地使用Tapio指數(shù)研究工業(yè)碳排放的脫鉤狀態(tài),未能深入分析各因素的脫鉤效應(yīng)以及各因素在脫鉤效應(yīng)中的貢獻(xiàn).(3)因素選取片面.在對(duì)碳排放進(jìn)行因素分解時(shí),由于所選分解方法固有的局限性,迫使因素選取不夠全面.雖然部分研究擴(kuò)展了Kaya恒等式,考慮了更多的影響因素,但其只是增加了相對(duì)因素的影響,其他絕對(duì)因素仍未被單獨(dú)考慮在內(nèi).

基于研究現(xiàn)狀,本文的改進(jìn)和創(chuàng)新如下:(1)在研究方法上,首次使用廣義迪氏指數(shù)分解法(GDIM)分析中國工業(yè)碳排放的驅(qū)動(dòng)因素.GDIM不僅考慮了各因素間的依賴性,同時(shí)兼顧到其他絕對(duì)因素與潛在因素對(duì)碳排放的影響.(2)在脫鉤效應(yīng)分析上,本文在GDIM的基礎(chǔ)上,基于DPSIR框架構(gòu)建脫鉤努力模型,分析政府減排努力的實(shí)際脫鉤效果以及各因素在脫鉤中的作用,全面反映當(dāng)前工業(yè)碳排放的脫鉤情況,為工業(yè)碳排放實(shí)現(xiàn)強(qiáng)脫鉤指明方向.(3)在因素選取上,充分考慮能源消費(fèi)規(guī)模、碳排放強(qiáng)度和技術(shù)進(jìn)步等10個(gè)關(guān)鍵性因素,同時(shí)測(cè)度了各個(gè)絕對(duì)因素的影響,將所有絕對(duì)因素和相對(duì)因素進(jìn)行同時(shí)研究,使得分析結(jié)果更加準(zhǔn)確可靠.

1 研究方法與數(shù)據(jù)說明

1.1 中國工業(yè)碳排放的估算方法

二氧化碳排放主要來源于化石燃料燃燒,世界上二氧化碳排放量多是通過化石能源消費(fèi)進(jìn)行推算.因此,本文以原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣8種能源為基準(zhǔn)估算中國工業(yè)部門的CO2排放量.

根據(jù)IPCC(2006)制定的國家溫室氣體清單指南第二卷(能源卷)第六章提供的參考方法和參數(shù),與中國已公布的相關(guān)參數(shù)相結(jié)合估算二氧化碳排放量.二氧化碳排放量是各種能源消費(fèi)導(dǎo)致的二氧化碳排放量的總加,具體公式如下:

式中:=1,2,…,8,表示能源種類;表示二氧化碳排放量,萬t標(biāo)準(zhǔn)煤;E為第種能源消費(fèi)量,萬t或m3; CV為第種能源平均低位發(fā)熱值,KJ/kg或KJ/m3; CCF為第種能源碳含量,表示單位熱量的含碳水平,kg/106kj;COF為第種能源碳氧化因子,即能源燃燒時(shí)的碳氧化率,%;44/12表示二氧化碳與碳分子量之比.

CV主要來源于《中國能源統(tǒng)計(jì)年鑒2017》附錄4,CCF來源于IPCC,COF來源于《中國溫室氣體清單研究》,其他能源消耗數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》與《中國能源統(tǒng)計(jì)年鑒》.

1.2 工業(yè)碳排放驅(qū)動(dòng)因素分解方法—GDIM

GDIM主要是通過Kaya恒等式的變形建立多維因素分解模型,揭示碳排放變化的動(dòng)因.基于GDIM的基本原理,工業(yè)碳排放及其相關(guān)影響因素的表達(dá)式如下:

CO2=(CO2/GDP)′GDP=(CO2/)′

=(CO2/)′=(CO2/)′(2)

GDP/=(CO2/)/(CO2/GDP) (3)

/GDP=(CO2/GDP)/(CO2/) (4)

為將上述公式簡(jiǎn)便化, 令=CO2,1=GDP,2= CO2/GDP,3=,4=CO2/,5=,6=CO2/,7=,8=CO2/,9=GDP/,10=/GDP.式中:CO2表示工業(yè)碳排放,萬t;GDP表示工業(yè)增加值,億元;CO2/GDP表示產(chǎn)出碳強(qiáng)度,t/萬元;表示工業(yè)能源消費(fèi),萬t標(biāo)準(zhǔn)煤;CO2/表示能源消費(fèi)碳強(qiáng)度,t/t標(biāo)準(zhǔn)煤;表示人口規(guī)模,萬人;CO2/表示人均碳排放,t/人;表示工業(yè)技術(shù)進(jìn)步,億元;CO2/表示技術(shù)進(jìn)步碳強(qiáng)度,t/萬元;GDP/表示人均工業(yè)增加值,萬元/人;/GDP表示能源強(qiáng)度,t標(biāo)準(zhǔn)煤/萬元.因此,公式(2)~(4)可以表示為:

=12=34=56=78(5)

9=6/2(6)

10=2/4(7)

為進(jìn)一步運(yùn)用GDIM方法,現(xiàn)將式(5)~(7)轉(zhuǎn)換成如下公式:

=12(8)

12-34=0(9)

12-56=0(10)

12-78=0(11)

1-59=0(12)

3-110=0(13)

對(duì)于因素,用函數(shù)()表示其對(duì)碳排放變化的貢獻(xiàn),由公式(9)~(13)構(gòu)造一個(gè)由各影響因素組成的雅可比矩陣Φ:

根據(jù)GDIM方法可知,工業(yè)碳排放變化量?可以被分解為各影響因素貢獻(xiàn)之和,具體見下式:

式中:表示時(shí)間跨度?=(210 0 0 0 0 0 0 0);表示單位矩陣;“+”表示廣義逆矩陣;若雅可比矩陣Ф中列向量線性無關(guān),則Ф+=(ФФ)-1Ф.

依據(jù)式(15),本文將工業(yè)碳排放的變化分解為10種因素的總和: ?C1,?C2,?C3,?C4,?C5, ?C6,?C7,?C8,?C9,?C10.其中:4個(gè)絕對(duì)影響因素?C1,?C3,?C5和?C7分別表示產(chǎn)出規(guī)模變化、能源消費(fèi)規(guī)模變化、人口規(guī)模變化和技術(shù)進(jìn)步變化對(duì)工業(yè)碳排放變化的影響;在相對(duì)影響因素中,?C2, ?C4,?C6,?C8,?C9和?C10分別表示工業(yè)發(fā)展的低碳程度(碳生產(chǎn)率)變化、工業(yè)能源消費(fèi)碳強(qiáng)度(能源結(jié)構(gòu))變化、人均碳排放變化、工業(yè)技術(shù)進(jìn)步碳強(qiáng)度變化、人均工業(yè)增加值變化和能源強(qiáng)度變化對(duì)工業(yè)碳排放變化的影響.

本文以2000~2016年中國工業(yè)部門數(shù)據(jù)為研究對(duì)象,分析工業(yè)碳排放的驅(qū)動(dòng)因素與脫鉤效應(yīng).其中中國工業(yè)增加值和總?cè)丝跀?shù)來源于《中國統(tǒng)計(jì)年鑒》,為消除市場(chǎng)價(jià)格的影響,以2000年為基期進(jìn)行價(jià)格平減;工業(yè)能源消費(fèi)數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》;工業(yè)技術(shù)進(jìn)步指標(biāo)選取參考文獻(xiàn)[28],并以“0.55*消費(fèi)價(jià)格指數(shù)+0.45*固定資產(chǎn)投資價(jià)格指數(shù)”[29]折算為2000年不變價(jià)格,數(shù)據(jù)來源于《中國科技統(tǒng)計(jì)年鑒》.

1.3 脫鉤效應(yīng)分析—構(gòu)建脫鉤努力模型

GDIM主要用于研究工業(yè)碳排放變化的驅(qū)動(dòng)因素,但此方法僅限于從表面上分析工業(yè)碳排放的情況,難以衡量政府節(jié)能減排努力所導(dǎo)致碳排放變化的實(shí)際效果.因此,本文在GDIM的基礎(chǔ)上,構(gòu)建了工業(yè)碳排放脫鉤努力模型.脫鉤理論常被用于衡量經(jīng)濟(jì)增長與物質(zhì)消耗投入及生態(tài)環(huán)境保護(hù)不同步變化的關(guān)系,這種不同步關(guān)系主要源自于經(jīng)濟(jì)增長驅(qū)動(dòng)力作用下,政府基于環(huán)境成本壓力的反應(yīng).其理論基礎(chǔ)是1993年經(jīng)濟(jì)合作與發(fā)展組織(OECD)提出的DPSIR框架~驅(qū)動(dòng)力、壓力、狀態(tài)、影響和反應(yīng).其中,“驅(qū)動(dòng)力”是指對(duì)環(huán)境造成破壞的根本動(dòng)力和潛在原因,是一種經(jīng)濟(jì)驅(qū)動(dòng)因子;“壓力”是指人類活動(dòng)對(duì)環(huán)境造成的直接影響,如本文的二氧化碳排放;“狀態(tài)”是指環(huán)境在壓力因子作用下所處的狀態(tài),如氣候變化狀況;“影響”是指研究主體在所處狀態(tài)下對(duì)人類及社會(huì)發(fā)展的影響;“反應(yīng)”是指人類為限制環(huán)境惡化實(shí)現(xiàn)可持續(xù)發(fā)展所作出的努力或積極政策[26-27].

在本文中,政府節(jié)能減排努力是直接或者間接減少碳排放所采取的政策或措施,具體是降低能源強(qiáng)度、提高能源利用效率、調(diào)整能源結(jié)構(gòu)和提高低碳技術(shù)發(fā)展水平等.因此,依據(jù)GDIM分解結(jié)果,政府的減排努力()可以間接表示為:

?=?tot-?=?tot-?C1=?C2+?C3+?C4+

?C5+?C6+?C7+?C8+?C9+?C10(16)

由式(16)可知,產(chǎn)出規(guī)模效應(yīng)?(?C1)與政府減排努力?呈負(fù)相關(guān)關(guān)系. ?表示人類為限制碳排放所采取的政策或措施,可以理解為“反應(yīng)”因子, ?表示碳排放的經(jīng)濟(jì)驅(qū)動(dòng)因子, ?tot表示環(huán)境的直接壓力因子.根據(jù)上述分析與DPSIR框架的原理,本文在分解模型的基礎(chǔ)上構(gòu)建了如下脫鉤努力模型:

t=/(17)

式中:t表示碳排放的總脫鉤效應(yīng).當(dāng)t31時(shí),表示強(qiáng)脫鉤效應(yīng);當(dāng)0

t=?tot-?C1=(?C2+?C3+?C4+?C5+?C6+

?C7+?C8+?C9+?C10)/?(18)

=D2+D3+D4+D5+D6+D7+D8+D9+D10

式中:D2、D3、D4、D5、D6、D7、D8、D9與D10分別表示產(chǎn)出碳強(qiáng)度、能源消費(fèi)規(guī)模、能源碳強(qiáng)度、人口規(guī)模、人均碳排放、技術(shù)進(jìn)步、技術(shù)進(jìn)步碳強(qiáng)度、人均增加值與能源強(qiáng)度的脫鉤效應(yīng).

2 實(shí)證結(jié)果及分析

2.1 工業(yè)碳排放的驅(qū)動(dòng)因素分析

2.1.1 工業(yè)碳排放驅(qū)動(dòng)因素的階段性分析 本文基于GDIM方法,利用R語言對(duì)2000~2016年中國工業(yè)碳排放的驅(qū)動(dòng)因素進(jìn)行分解,得出產(chǎn)出規(guī)模效應(yīng)(GDP),能源消費(fèi)規(guī)模效應(yīng)(),人口規(guī)模效應(yīng)(),技術(shù)進(jìn)步效應(yīng)(),產(chǎn)出碳強(qiáng)度效應(yīng)(CO2/GDP),能源消費(fèi)碳強(qiáng)度效應(yīng)(CO2/),人均碳排放效應(yīng)(CO2/),技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)(CO2/),人均增加值效應(yīng)(GDP/),能源強(qiáng)度效應(yīng)(/GDP)和總效應(yīng)(CO2).為了便于分析,將研究時(shí)間2000~2016年劃分為3個(gè)階段:2000~2005年、2005~2010年與2010~2016年,根據(jù)公式(10)和(15)計(jì)算得出因素分解結(jié)果,如圖1所示.

通過圖1可以看出,2000~2016年,產(chǎn)出規(guī)模效應(yīng)、能源消費(fèi)規(guī)模效應(yīng)、人口規(guī)模效應(yīng)、技術(shù)進(jìn)步效應(yīng)和人均碳排放效應(yīng)對(duì)工業(yè)碳排放變化起正向驅(qū)動(dòng)作用,產(chǎn)出碳強(qiáng)度效應(yīng)、技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)、人均增加值效應(yīng)和能源強(qiáng)度效應(yīng)起負(fù)向驅(qū)動(dòng)作用,能源消費(fèi)碳強(qiáng)度效應(yīng)的正負(fù)驅(qū)動(dòng)作用均有出現(xiàn).

在工業(yè)碳排放變化的正向驅(qū)動(dòng)因素中,產(chǎn)出規(guī)模的驅(qū)動(dòng)效應(yīng)從2000~2005年的3.96億t增加到2005~2010年的6.84億t,再減少到2010~2016年的6.03億t,其驅(qū)動(dòng)作用在后2個(gè)時(shí)間段內(nèi)均是最強(qiáng)的,這意味著中國目前經(jīng)濟(jì)增長方式對(duì)能源需求的剛性較大,如果此時(shí)實(shí)行強(qiáng)制性減排政策勢(shì)必會(huì)以犧牲工業(yè)經(jīng)濟(jì)發(fā)展為代價(jià).能源消費(fèi)規(guī)模的正向驅(qū)動(dòng)作用不斷減弱,由2000~2005年的3.63億t降低到2005~2010年的2.88億t再到2010~2016年的1.12億t,分別下降了20.78%與61.14%,主要是由于中國在“十一五”規(guī)劃中首次提出“節(jié)能減排”作為約束性指標(biāo),賦予節(jié)能減排重大戰(zhàn)略決策地位,以及在“十二五”時(shí)期由于工業(yè)化進(jìn)程加快和消費(fèi)結(jié)構(gòu)升級(jí),中國經(jīng)濟(jì)發(fā)展面臨的能源消費(fèi)瓶頸約束更加突出,中國政府提出了加快轉(zhuǎn)變能源發(fā)展方式、合理控制能源消費(fèi)總量的發(fā)展戰(zhàn)略,工業(yè)部門也相應(yīng)地制定了節(jié)能減排措施,減少工業(yè)能源消費(fèi).人口規(guī)模效應(yīng)的正向驅(qū)動(dòng)作用最弱,其原因可能在于中國人口規(guī)模不斷擴(kuò)大以及城市化進(jìn)程加快,帶動(dòng)工業(yè)等行業(yè)的經(jīng)濟(jì)發(fā)展,增加能源消費(fèi),導(dǎo)致工業(yè)碳排放增加.技術(shù)進(jìn)步效應(yīng)對(duì)工業(yè)碳排放起正向驅(qū)動(dòng)作用,這主要是由于技術(shù)進(jìn)步減少碳排放的程度尚不足以抵消技術(shù)進(jìn)步推動(dòng)經(jīng)濟(jì)增長帶來的碳排放增加,最終導(dǎo)致碳排放量的增加.這一結(jié)論與申萌[30]、金培振[31]的研究結(jié)論基本一致.因此,為了實(shí)現(xiàn)經(jīng)濟(jì)增長與碳排放減少的雙重目標(biāo),未來中國工業(yè)部門應(yīng)加快工業(yè)技術(shù)升級(jí),鼓勵(lì)高新技術(shù)產(chǎn)業(yè)發(fā)展,引進(jìn)以節(jié)能減排為導(dǎo)向的低碳技術(shù),同時(shí)加大力度降低技術(shù)進(jìn)步碳強(qiáng)度.人均碳排放效應(yīng)對(duì)工業(yè)碳排放變化起正向驅(qū)動(dòng)作用,但其驅(qū)動(dòng)作用有較大的波動(dòng),從2000~2005年的3.66億t增加到2005~2010年的3.62億t,然后迅速降至2010~2016年的0.58億t,較2005~2010年相比下降了83.93%.這主要是由于2011年中國政府在“十二五”規(guī)劃綱要中明確提出低碳目標(biāo),同時(shí)不斷增強(qiáng)對(duì)節(jié)能減排的重視程度,逐漸完善節(jié)能減排激勵(lì)約束機(jī)制,低碳概念深入民心,全民節(jié)能減排意識(shí)不斷提高,從而導(dǎo)致人均碳排放效應(yīng)的正向驅(qū)動(dòng)作用減弱.

在工業(yè)碳排放變化的負(fù)向驅(qū)動(dòng)因素中,產(chǎn)出碳強(qiáng)度效應(yīng)的促降作用最強(qiáng),且其作用逐漸增強(qiáng),從2000~2005年的0.22億t增加到2005~2010年1.94億t再到2010~2016年的3.59億t,這可歸因于中國政府在十一五時(shí)期做出承諾,爭(zhēng)取到2020年實(shí)現(xiàn)碳強(qiáng)度降低40%~45%的目標(biāo),而在2017年中國碳強(qiáng)度比2005年下降約46%,已經(jīng)超額完成2020年碳強(qiáng)度目標(biāo).因此,隨著碳生產(chǎn)率的提高與工業(yè)低碳型經(jīng)濟(jì)發(fā)展模式,預(yù)計(jì)未來產(chǎn)出碳強(qiáng)度效應(yīng)的驅(qū)動(dòng)作用將進(jìn)一步增強(qiáng).技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)的負(fù)向驅(qū)動(dòng)作用僅次于產(chǎn)出碳強(qiáng)度效應(yīng),由從2000~2005年的1.43億t減少到2005~2010年1.03億t,再迅速增至2010~2016年的2.48億t,增長幅度最大,為139%,這主要是隨著應(yīng)對(duì)氣候變化措施的落實(shí),技術(shù)進(jìn)步將更多地偏向于節(jié)能減排,加大減排技術(shù)的研發(fā)與創(chuàng)新投入,從而引導(dǎo)技術(shù)進(jìn)步朝著有利于資源節(jié)約、環(huán)境保護(hù)及其與社會(huì)、經(jīng)濟(jì)、環(huán)境3E系統(tǒng)之間的良性循環(huán)方向協(xié)調(diào)發(fā)展,技術(shù)進(jìn)步對(duì)減排的影響也逐漸凸顯,因此技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)對(duì)二氧化碳減少的影響效應(yīng)相對(duì)更大.人均增加值效應(yīng)驅(qū)動(dòng)工業(yè)碳排放減少,這個(gè)結(jié)果看似不符合常理.

Vaninsky[9]指出人均增加值是一個(gè)相對(duì)量指標(biāo),是兩個(gè)絕對(duì)量指標(biāo)工業(yè)增加值與人口規(guī)模之比,這兩個(gè)指標(biāo)的變化將會(huì)影響它們各自的碳化,而這種碳化很可能是不同步的;其次是工業(yè)人均增加值與其他若干個(gè)指標(biāo)相關(guān)聯(lián),通過式(8)~(13)的計(jì)算作用于所有指標(biāo),同時(shí)以這種方式將其自身變化分配到其他指標(biāo)中,而在計(jì)算對(duì)碳排放變化的影響中,只有其自身變化的一部分被計(jì)入在內(nèi),其余部分被計(jì)入到其他指標(biāo)的影響中.因此,人均增加值的這種互聯(lián)性質(zhì)使得其可能表現(xiàn)為負(fù)向驅(qū)動(dòng)作用.人均增加值的促降作用暗示著人們福利的動(dòng)力滯后于國家工業(yè)經(jīng)濟(jì)的發(fā)展.在2000~2005年與2005~2010年兩個(gè)時(shí)間段內(nèi),能源強(qiáng)度效應(yīng)的作用最弱,僅占1.1%,但在2010~2016年已增加到0.35億t,相當(dāng)于2000~2005年的17.5倍,這是由于中國首次在“十一五”規(guī)劃中明確提出“能源強(qiáng)度”這一約束指標(biāo),并在不同時(shí)期制定了能源強(qiáng)度下降目標(biāo),促使工業(yè)企業(yè)轉(zhuǎn)型,提高能源利用效率,減排效果顯著,可以預(yù)期在未來一段時(shí)間內(nèi)降低能源強(qiáng)度是節(jié)能減排的重要舉措.

能源消費(fèi)碳強(qiáng)度效應(yīng)的驅(qū)動(dòng)作用是雙向的,在2005~2010年增加碳排放0.20億t,在2000~2005年和2010~2016年促使碳排放減少0.42億t和0.33億t.表明在2005~2010年中國再次出現(xiàn)重工業(yè)化傾向與粗放型經(jīng)濟(jì)增長,而在2010~2016年中國能源結(jié)構(gòu)低碳化調(diào)整,同時(shí)提出能源結(jié)構(gòu)低碳目標(biāo),到2020年,非化石能源占一次能源消費(fèi)比重達(dá)到15%,天然氣比重達(dá)到10%以上,煤炭消費(fèi)比重控制在62%以內(nèi),石油比重為剩下的13%.因此,調(diào)整能源結(jié)構(gòu)、降低能源消費(fèi)碳強(qiáng)度對(duì)工業(yè)實(shí)現(xiàn)節(jié)能減排目標(biāo)至關(guān)重要.

2.1.2 工業(yè)碳排放驅(qū)動(dòng)因素的累積貢獻(xiàn)分析 為了更加全面地分析各驅(qū)動(dòng)因素對(duì)工業(yè)碳排放變化的動(dòng)態(tài)影響,本文以2000年為基期,計(jì)算了各驅(qū)動(dòng)因素的累積貢獻(xiàn)值,結(jié)果如圖2所示.

由圖2可知,2000~2014年工業(yè)碳排放量不斷增加,但增速減緩,2014年是碳排放量的極大值點(diǎn),為29.96億t,年均增長率為32.66%,而在2014年后開始出現(xiàn)下降的趨勢(shì),2015年與2016年碳排放累積量分別下降了1.8%和4.4%.這說明節(jié)能減排政策卓有成效,其主要由于中國在“十二五”以來,淘汰落后產(chǎn)能、推廣先進(jìn)節(jié)能減排技術(shù)、實(shí)施減排技改項(xiàng)目、加大投資對(duì)太陽能、風(fēng)能以及水電等清潔能源的開發(fā)、提高工業(yè)能源效率和能源利用率,在保持工業(yè)經(jīng)濟(jì)增長的情況下,減少能源消費(fèi)和二氧化碳排放.如中國在2014年的可再生能源投資領(lǐng)先全球,895億美元的規(guī)模相當(dāng)于全球清潔能源投資的三分之一.因此,加快工業(yè)經(jīng)濟(jì)低碳轉(zhuǎn)型和能源低碳轉(zhuǎn)型,加大低碳技術(shù)創(chuàng)新,落實(shí)節(jié)能減排政策,開發(fā)清潔能源,將是中國工業(yè)碳排放減少的關(guān)鍵舉措.

圖2 工業(yè)碳排放驅(qū)動(dòng)因素的累積貢獻(xiàn)

從各驅(qū)動(dòng)因素的累積貢獻(xiàn)可以看出,產(chǎn)出規(guī)模效應(yīng)的驅(qū)動(dòng)作用最強(qiáng),占總貢獻(xiàn)的51.64%,其次是技術(shù)進(jìn)步效應(yīng),然后是能源消費(fèi)規(guī)模效應(yīng)與人均碳排放效應(yīng),再次是產(chǎn)出碳強(qiáng)度效應(yīng)和技術(shù)進(jìn)步碳強(qiáng)度效應(yīng).其中產(chǎn)出規(guī)模效應(yīng)起正向驅(qū)動(dòng)作用,從2001年的0.46億t增加到2016年的14.53億t,年均增長率為25.88%;技術(shù)進(jìn)步效應(yīng)促進(jìn)工業(yè)碳排放增加,但其邊際驅(qū)動(dòng)增量遞減, 2001~2016年的年均增長率為23.43%;能源消費(fèi)規(guī)模效應(yīng)與人均碳排放效應(yīng)同樣對(duì)工業(yè)碳排放變化起正向驅(qū)動(dòng)作用,促進(jìn)碳排放增加,并且兩者的增長趨勢(shì)相同,年均增長率分別為24.53%和28.01%.在碳排放負(fù)向驅(qū)動(dòng)作用中,產(chǎn)出碳強(qiáng)度效應(yīng)和技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)是促進(jìn)碳排放減少的關(guān)鍵因素,產(chǎn)出碳強(qiáng)度效應(yīng)的驅(qū)動(dòng)作用在2002~ 2005年明顯下降,年均增長率為43.24%,于2005年之后開始穩(wěn)步增長,年均增長率為29.34%;技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)的促降作用逐漸增強(qiáng),年均增長率為20.02%.人口規(guī)模的促增作用和人均增加值的負(fù)向驅(qū)動(dòng)作用均不顯著,分別引致碳排放累積變化0.73億t與0.70億t;能源消費(fèi)碳強(qiáng)度效應(yīng)的負(fù)向驅(qū)動(dòng)作用起伏波動(dòng),2007年為累積碳排放最多的轉(zhuǎn)折點(diǎn),為0.60億t,自2015年后開始大幅度回升,2016年累積碳排放0.47億t是2015年的2.09倍;能源強(qiáng)度效應(yīng)的負(fù)向驅(qū)動(dòng)作用相對(duì)最弱,至2016年累積減少碳排放0.15億t,約占碳排放累積總量的1%,這主要是由于中國能源結(jié)構(gòu)單一以及可替代的低碳型能源發(fā)展緩慢.

以上分析結(jié)果表明,中國通過調(diào)整能源結(jié)構(gòu)、降低產(chǎn)出碳排放強(qiáng)度和技術(shù)進(jìn)步碳強(qiáng)度、提高經(jīng)濟(jì)增長質(zhì)量以及降低能源強(qiáng)度等方式落實(shí)節(jié)能減排政策卓有成效,但遠(yuǎn)未達(dá)到預(yù)期的減排目標(biāo),說明中國工業(yè)部門碳減排之路任重道遠(yuǎn).由于中國是發(fā)展中國家,把發(fā)展作為執(zhí)政興國的第一要?jiǎng)?wù),目前正處于工業(yè)化、城鎮(zhèn)化快速發(fā)展階段,能源消耗巨大,如果實(shí)施以犧牲經(jīng)濟(jì)增長為代價(jià)的強(qiáng)制減排措施并不符合中國當(dāng)前的國情.因此,未來中國應(yīng)加快推動(dòng)經(jīng)濟(jì)低碳轉(zhuǎn)型和能源低碳轉(zhuǎn)型,就工業(yè)而言,其具體的碳減排措施應(yīng)著重于調(diào)整能源消費(fèi)結(jié)構(gòu)、降低能源強(qiáng)度、加大低碳技術(shù)創(chuàng)新與推廣應(yīng)用、提高能源利用效率、開發(fā)與使用清潔能源等,爭(zhēng)取早日實(shí)現(xiàn)中國工業(yè)碳減排的長遠(yuǎn)目標(biāo).

2.2 工業(yè)碳排放的脫鉤效應(yīng)分析

通過構(gòu)建脫鉤努力模型分析工業(yè)經(jīng)濟(jì)增長與減排雙贏的實(shí)際情況以及中國政府落實(shí)減排政策的實(shí)際效果,如表1所示.中國工業(yè)碳排放的脫鉤效應(yīng)呈現(xiàn)出“未脫鉤~弱脫鉤~強(qiáng)脫鉤”的階段性特點(diǎn).其中2000~2011年表現(xiàn)為未脫鉤效應(yīng),2011~ 2014年表現(xiàn)為弱脫鉤效應(yīng),2014~2016年表現(xiàn)為強(qiáng)脫鉤效應(yīng).

2.2.1 未脫鉤效應(yīng)分析 2000~2011年工業(yè)碳排放表現(xiàn)未脫鉤效應(yīng),而這種效應(yīng)呈先減弱后增強(qiáng)再減弱再增強(qiáng)的“W”型階梯增長.2000~2004年未脫鉤效應(yīng)逐年下降,2004~2005年后未脫鉤效應(yīng)不斷增長,而在2008~2009年未脫鉤效應(yīng)開始突然下降,在2009~2010年后未脫鉤效應(yīng)又回彈為逐年增強(qiáng),出現(xiàn)這種現(xiàn)象的原因可能在于:2000~2004年中國經(jīng)濟(jì)增長的方式還處于由粗放低效型向集約高效型轉(zhuǎn)變的初級(jí)階段,經(jīng)濟(jì)增長的同時(shí)必定會(huì)消耗能源排放二氧化碳,而工業(yè)經(jīng)濟(jì)增長的方式又多是“高能耗、高污染、低效率”的粗放型增長,因此會(huì)導(dǎo)致碳排放的增加;2004年以后國家開始關(guān)注經(jīng)濟(jì)增長所帶來的負(fù)面效應(yīng),出臺(tái)了多項(xiàng)政策法規(guī),如2004年和2005年出臺(tái)的《節(jié)能中長期專項(xiàng)規(guī)劃》與《可再生能源法》,以及2006年首次提出建設(shè)“資源節(jié)約型和環(huán)境友好型”社會(huì),這些法規(guī)的實(shí)施促使工業(yè)碳排放的減少,引致未脫鉤效應(yīng)不斷上升;從脫鉤努力指數(shù)值來看,2008年的脫鉤努力指數(shù)值出現(xiàn)拐點(diǎn),這主要是受2007年底美國金融危機(jī)影響,經(jīng)濟(jì)形勢(shì)嚴(yán)峻,作為中國國民經(jīng)濟(jì)主導(dǎo)行業(yè)的工業(yè)在所難免,中國政府于2008年末出臺(tái)四萬億經(jīng)濟(jì)刺激計(jì)劃,推動(dòng)工業(yè)經(jīng)濟(jì)復(fù)蘇和經(jīng)濟(jì)增長,而在國家出臺(tái)的經(jīng)濟(jì)刺激計(jì)劃下,工業(yè)很可能出現(xiàn)盲目的粗放型經(jīng)濟(jì)增長和經(jīng)濟(jì)結(jié)構(gòu)不合理,導(dǎo)致未脫鉤效應(yīng)下降;隨后由于經(jīng)濟(jì)逐漸復(fù)蘇,同時(shí)又受制于國家節(jié)能減排政策,低碳化技術(shù)與清潔能源的開發(fā)與利用,煤炭等化石能源消耗減少,工業(yè)碳排放脫鉤效應(yīng)相應(yīng)逐漸上升.

表1 2000~2016年中國工業(yè)碳排放的脫鉤效應(yīng)

2.2.2 脫鉤效應(yīng)分析 從2008~2009年后未脫鉤效應(yīng)逐年增強(qiáng),2011~2012年開始出現(xiàn)脫鉤效應(yīng).其中2011~2014年呈“√”型增長的弱脫鉤效應(yīng), 2014~2016年呈遞增型增長的強(qiáng)脫鉤效應(yīng),這是由于“十一五”時(shí)期,國家把降低能源強(qiáng)度和減少主要污染物排放量作為國民經(jīng)濟(jì)和社會(huì)發(fā)展的約束性指標(biāo),把節(jié)能減排作為調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的重要抓手和突破口,“十一五”時(shí)期節(jié)能減排工作取得了顯著成效.中國政府認(rèn)識(shí)到實(shí)施節(jié)能減排政策的效果較好,在“十二五”和“十三五”時(shí)期中國政府更大力度地實(shí)施節(jié)能減排政策,“十二五”時(shí)期的節(jié)能減排目標(biāo)是到2015年全國萬元GDP能耗下降到0.869t標(biāo)準(zhǔn)煤,比2010年下降16%(比2005年下降32%),實(shí)際在“十二五”時(shí)期,全國單位GDP能耗降低了18.4%,超額完成節(jié)能減排預(yù)定目標(biāo);“十三五”時(shí)期的節(jié)能減排目標(biāo)是到2020年,全國萬元GDP能耗比2015年下降15%,單位GDP二氧化碳排放降低18%.目前中國工業(yè)部門加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí),減少能源消費(fèi),支持低碳技術(shù)創(chuàng)新與推廣,減少資源性、高耗能、高排放產(chǎn)業(yè),同時(shí)嚴(yán)格按照國家規(guī)劃的要求,結(jié)合實(shí)際制定具體實(shí)施方案,明確目標(biāo)責(zé)任,狠抓貫徹落實(shí),強(qiáng)化考核問責(zé),確保實(shí)現(xiàn)節(jié)能減排目標(biāo)和碳排放強(qiáng)脫鉤.

從各驅(qū)動(dòng)因素的脫鉤貢獻(xiàn)得出,技術(shù)進(jìn)步效應(yīng)對(duì)總脫鉤貢獻(xiàn)最大,占總貢獻(xiàn)的91.68%,阻礙工業(yè)碳排放實(shí)現(xiàn)脫鉤;其次是能源消費(fèi)規(guī)模效應(yīng)與人均碳排放效應(yīng)對(duì)總脫鉤效應(yīng)的抑制作用,分別占總貢獻(xiàn)的49.48%與45.91%,且兩者脫鉤努力指數(shù)與工業(yè)總脫鉤努力指數(shù)的變動(dòng)趨勢(shì)相一致,即減少能源消費(fèi)與人均碳排放是實(shí)現(xiàn)脫鉤效應(yīng)的重要途徑.產(chǎn)出碳強(qiáng)度效應(yīng)與技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)均促進(jìn)工業(yè)碳排放實(shí)現(xiàn)脫鉤效應(yīng),分別占總貢獻(xiàn)的43.81%與42.41%,對(duì)實(shí)現(xiàn)工業(yè)碳排放的強(qiáng)脫鉤效應(yīng)起著決定性作用,因此,工業(yè)部門應(yīng)加大力度降低產(chǎn)出碳強(qiáng)度以及加大投入以節(jié)能減排為導(dǎo)向的低碳技術(shù)進(jìn)步.能源消費(fèi)碳強(qiáng)度效應(yīng)的脫鉤貢獻(xiàn)比例為0.12%,且呈波動(dòng)狀態(tài),時(shí)而促進(jìn)時(shí)而抑制碳排放實(shí)現(xiàn)脫鉤,這主要是由于當(dāng)前中國工業(yè)經(jīng)濟(jì)快速發(fā)展,仍是以消耗高碳能源為主,新清潔能源供不應(yīng)求;人口規(guī)模效應(yīng)、人均增加值效應(yīng)與能源強(qiáng)度效應(yīng)的脫鉤貢獻(xiàn)較小,前者阻礙工業(yè)實(shí)現(xiàn)脫鉤效應(yīng),后兩者驅(qū)動(dòng)工業(yè)實(shí)現(xiàn)脫鉤效應(yīng),人口規(guī)模效應(yīng)的微上升抑制作用反映出隨著中國人口規(guī)模的不斷增加,人們的生活消費(fèi)需求與就業(yè)需求也相應(yīng)增加,而這些都與工業(yè)息息相關(guān),均直接或間接阻礙著工業(yè)實(shí)現(xiàn)強(qiáng)脫鉤,而人均增加值效應(yīng)因其特殊性促進(jìn)工業(yè)實(shí)現(xiàn)脫鉤,同時(shí)能源強(qiáng)度的微弱促進(jìn)脫鉤作用也暗示著中國應(yīng)加快調(diào)整能源強(qiáng)度,減少對(duì)化石能源的消耗,加大對(duì)清潔能源的使用與低碳化技術(shù)的投入使用,為環(huán)境改善、應(yīng)對(duì)全球氣候變化作出應(yīng)有的貢獻(xiàn).

3 結(jié)論

3.1 通過分析工業(yè)碳排放變化的驅(qū)動(dòng)因素可知,產(chǎn)出規(guī)模效應(yīng)的正向驅(qū)動(dòng)作用最強(qiáng),其次是技術(shù)進(jìn)步效應(yīng)、能源消費(fèi)規(guī)模效應(yīng)和人均碳排放效應(yīng)的正向驅(qū)動(dòng)作用;而產(chǎn)出碳強(qiáng)度效應(yīng)是驅(qū)動(dòng)工業(yè)碳排放減少的首要因素,隨之是技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)與人均增加值效應(yīng)的負(fù)向驅(qū)動(dòng)作用;其他因素的驅(qū)動(dòng)作用均較弱,其中人口規(guī)模效應(yīng)促進(jìn)工業(yè)碳排放的增加,而能源強(qiáng)度效應(yīng)與能源消費(fèi)碳強(qiáng)度效應(yīng)減少工業(yè)碳排放,且減排趨勢(shì)逐漸增強(qiáng),碳減排潛力巨大.

3.2 在工業(yè)碳排放各驅(qū)動(dòng)因素的累積貢獻(xiàn)中發(fā)現(xiàn),工業(yè)碳排放的累積量不斷增加,但累積增速減緩, 2014年為極大值點(diǎn),達(dá)到29.96億t.產(chǎn)出規(guī)模效應(yīng)的累積貢獻(xiàn)最大,占碳排放總量的51.64%,技術(shù)進(jìn)步效應(yīng)的貢獻(xiàn)次之,為42.46%,隨后是能源消費(fèi)規(guī)模效應(yīng)與人均碳排放效應(yīng).在碳排放負(fù)向驅(qū)動(dòng)累積貢獻(xiàn)中,產(chǎn)出碳強(qiáng)度效應(yīng)與技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)是碳排放減少的決定性因素.

3.3 在工業(yè)碳排放脫鉤效應(yīng)分析中得知,中國工業(yè)碳排放的脫鉤效應(yīng)呈現(xiàn)出“未脫鉤~弱脫鉤~強(qiáng)脫鉤”的階段性特點(diǎn).2000~2011年間工業(yè)碳排放呈“W”型階梯增長的未脫鉤效應(yīng),2011~2014年間呈“√”型增長的弱脫鉤效應(yīng),2014~2016呈遞增型增長的強(qiáng)脫鉤效應(yīng).技術(shù)進(jìn)步效應(yīng)、能源消費(fèi)規(guī)模效應(yīng)與人均碳排放效應(yīng)阻礙工業(yè)碳排放實(shí)現(xiàn)脫鉤,產(chǎn)出碳強(qiáng)度效應(yīng)與技術(shù)進(jìn)步碳強(qiáng)度效應(yīng)促進(jìn)工業(yè)碳排放實(shí)現(xiàn)脫鉤,人口規(guī)模效應(yīng)、能源消費(fèi)碳強(qiáng)度效應(yīng)、人均增加值效應(yīng)與能源強(qiáng)度效應(yīng)對(duì)總脫鉤的貢獻(xiàn)較小.

[1] Malla S. CO2emissions from electricity generation in seven Asia- Pacific and North American countries: A decomposition analysis [J]. Energy Policy, 2009,37(1):1-9.

[2] 王 鋒,吳麗華,楊 超.中國經(jīng)濟(jì)發(fā)展中碳排放增長的驅(qū)動(dòng)因素研究[J]. 經(jīng)濟(jì)研究, 2010,45(2):123-136. Wang Feng, Wu Li-hua, YANG Chao. Driving factors for growth of carbon dioxide emissions during economic development in China [J]. Economic Research Journal, 2010,45(2):123-136.

[3] 范 丹.中國能源消費(fèi)碳排放變化的驅(qū)動(dòng)因素研究——基于LMDI-PDA分解法[J]. 中國環(huán)境科學(xué), 2013,33(9):1705-1713. Fan Dan.Driving factors of carbon emissions from energy consumption in China- based on LMDI-PDA method [J]. China Environmental Science, 2013,33(9):1705-1713.

[4] 孟彥菊,成蓉華,黑韶敏.碳排放的結(jié)構(gòu)影響與效應(yīng)分解 [J]. 統(tǒng)計(jì)研究, 2013,30(4):76-83. Meng Yan-ju, Cheng Rong-hua, Hei Shao-min. Structure influence and effect decomposition of cardon emissions [J]. Statistical Research, 2013,30(4):76-83.

[5] González P F, Landajo M, Presno M J. Tracking European Union CO2emissions through LMDI (logarithmic-mean Divisia index) decomposition. The activity revaluation approach [J]. Energy, 2014,73(7):741-750.

[6] Cansino J M, Sánchez-Braza A, Rodríguez-Arévalo M L. Driving forces of Spain’s CO2emissions: A LMDI decomposition approach [J]. Renewable and Sustainable Energy Reviews, 2015,48:749-759.

[7] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費(fèi)碳排放測(cè)度及影響因素 [J]. 中國環(huán)境科學(xué), 2018,38(8):3170-3179. Ma Xiao-jun, Dong Bi-ying, Yu Yuan-bo, et al. Measurement of carbon emissions from energy consumption in three northeastern provinces and its driving factors [J]. China Environmental Science, 2018,38(8):3170-3179.

[8] 范建雙,周 琳.中國城鄉(xiāng)居民生活消費(fèi)碳排放變化的比較研究[J]. 中國環(huán)境科學(xué), 2018,38(11):4369-4383. Fan Jian-shuang, Zhou Lin. A comparative study on the changes of residential living consumption carbon emissions in urban and rural China [J]. China Environmental Science, 2018,38(11):4369-4383.

[9] Vaninsky A. Factorial decomposition of CO2emissions: A generalized Divisia index approach [J]. Energy Economics, 2014,45:389-400.

[10] Kaya Y. Impact of carbon dioxide emission on GNP growth: interpretation of proposed scenarios [R]. Paris:Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, 1989.

[11] Shao S, Liu J, Geng Y, et al. Uncovering driving factors of carbon emissions from China’s mining sector [J]. Applied Energy, 2016: S0306261916300277.

[12] Wang Y, Zhu Y, Zhu L, et al. Influencing factors and decoupling elasticity of china’s transportation carbon emissions [J]. Energies, 2018,11(5):1157-1186.

[13] Zhu L, He L, Shang P, et al. Influencing factors and scenario forecasts of carbon emissions of the Chinese power industry: based on a generalized divisia index model and monte carlo simulation [J]. Energies, 2018,11:2398.

[14] 邵 帥,張 曦,趙興榮.中國制造業(yè)碳排放的經(jīng)驗(yàn)分解與達(dá)峰路徑——廣義迪氏指數(shù)分解和動(dòng)態(tài)情景分析[J]. 中國工業(yè)經(jīng)濟(jì), 2017,(3):44-63. Shao Shuai, Zhang Xi, Zhao Xing-rong. Empirical decomposition and peaking pathway of carbon dioxide emissions of China’s manufacturing sector- generalized divisia index method and dynamic scenario analysis [J]. China Industrial Economics, 2017,(3):44-63.

[15] 李治國,朱永梅,吳 茜.山東省制造業(yè)碳排放驅(qū)動(dòng)因素研究——基于GDIM方法 [J]. 華東經(jīng)濟(jì)管理, 2019,33(4):30-36. Li Zhi-guo, Zhu Yong-mei, WU Xi. GDIM-based research on driving factors of carbon emissions from manufacturing industry in Shandong province [J]. East China Economic Management, 2019, 33(4):30-36.

[16] 閆慶友,尹潔婷.基于廣義迪氏指數(shù)分解法的京津冀地區(qū)碳排放因素分解 [J]. 科技管理研究, 2017,37(19):239-245. Yan Qing-you, Yin Jie-ting. Factor decomposition of carbon emissions in Beijing, Tianjin, Hebei: a study based on generalized divisia index method [J]. Science and Technology Management Research, 2017,37(19):239-245.

[17] 王崇梅.中國經(jīng)濟(jì)增長與能源消耗脫鉤分析[J]. 中國人口?資源與環(huán)境, 2010,20(3):35-37. Wang Chong-mei. Decoupling analysis of China economic growth and energy consumption [J].China Population, Resources and Environment,2010,20(3):35-37.

[18] Román R, Cansino J M, Botia C. How Far is colombia from decoupling? Two-level decomposition analysis of energy consumption changes [J]. Energy, 2018,148:687-700.

[19] Wu Y, Zhu Q, Zhu B. Decoupling analysis of world economic growth and CO2emissions: a study comparing developed and developing countries [J]. Journal of Cleaner Production, 2018,190:94-103.

[20] 彭佳雯,黃賢金,鐘太洋,等.中國經(jīng)濟(jì)增長與能源碳排放的脫鉤研究 [J]. 資源科學(xué), 2011,33(4):626-633. Peng Jia-wen, Huang Xian-jin, Zhong Tai-yang, et al. Decoupling analysis of economic growth and energy carbon emissions in China [J]. Resources Science, 2011,33(4):626-633.

[21] Freitas L C D, Kaneko S. Decomposing the decoupling of CO2emissions and economic growth in Brazil [J]. Ecological Economics, 2011,70(8):1459-1469.

[22] Grand M C. Carbon emission targets and decoupling indicators [J]. Ecological Indicators, 2016,67:649-656.

[23] Roinioti A, Koroneos C. The decomposition of CO2emissions from energy use in Greece before and during the economic crisis and their decoupling from economic growth [J]. Renewable & Sustainable Energy Reviews, 2017,76:448-459.

[24] 張 娣.蘇北地區(qū)能源消耗與經(jīng)濟(jì)增長的脫鉤研究[D]. 江蘇:中國礦業(yè)大學(xué), 2014. Zhang Di. The decoupling study between energy consumption and economic growth in the northern Jiangsu area [D]. Jiangsu: China University of Mining and technology, 2014.

[25] 劉惠敏.中國經(jīng)濟(jì)增長與能源消耗的脫鉤——東部地區(qū)的時(shí)空分異研究[J]. 中國人口?資源與環(huán)境, 2016,26(12):157-163. Liu Hui-min. Can economic growth decouple with energy consumption: a temporal and spatial study of Eastern China [J]. China Population, Resources and Environment, 2016,26(12):157-163.

[26] 徐盈之,徐康寧,胡永舜.中國制造業(yè)碳排放的驅(qū)動(dòng)因素及脫鉤效應(yīng)[J]. 統(tǒng)計(jì)研究, 2011,28(7):55-61. Xu Ying-zhi, Xu Kang-ning, Hu Yong-shun. Driving factors and decoupling effect of carbon emissions: evidence from China's manufacturing sector [J]. Statistical Research, 2011,28(7):55-61.

[27] 賀愛忠,劉 盼.中國流通業(yè)CO2排放的因素分解和脫鉤分析[J]. 中國環(huán)境科學(xué), 2015,35(3):953-960. He Ai-zhong, Liu Pan. Factor decomposition and decoupling analysis on CO2emissions: evidence from China's circulation sector [J].China Environmental Science,2015,35(3):953-960.

[28] 錢 娟.能源節(jié)約偏向型技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長的影響研究[J]. 科學(xué)學(xué)研究, 2019,37(3):436-449. Qian Juan. The impact of energy- saving biased- oriented technological progress on economic growth [J].Studies in Science of Science, 2019,37(3):436-449.

[29] 朱平芳,徐偉民.政府的科技激勵(lì)政策對(duì)大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響——上海市的實(shí)證研究[J]. 經(jīng)濟(jì)研究, 2003,(6):45-53+94. Zhu Ping-fang, Xu Wei-min. On the impact of governments S&T incentive policy on the R&D input and its patent output of large and medium-sized industrial enterprises in Shanghai [J].Economic Research Journal, 2003,(6):45-53+94.

[30] 申 萌,李凱杰,曲如曉.技術(shù)進(jìn)步、經(jīng)濟(jì)增長與二氧化碳排放:理論和經(jīng)驗(yàn)研究[J]. 世界經(jīng)濟(jì), 2012,35(7):83-100. Shen Meng, li Kai-jie, Qu Ru-xiao. Technological progress, economic growth and carbon dioxide emissions: Theoretical and empirical research [J]. The Journal of World Economics, 2012,35(7):83-100.

[31] 金培振,張亞斌,彭 星.技術(shù)進(jìn)步在二氧化碳減排中的雙刃效應(yīng)——基于中國工業(yè)35個(gè)行業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 科學(xué)學(xué)研究, 2014, 32(5):706-716. Jin Pei-zhen, Zhang Ya-bin, Peng Xing. The double-edged effect of technological progress in carbon dioxide emissions reduction: Empirical evidence from 35sub-industrial sectors in China [J]. Studies in Science of Science, 2014,32(5):706-716.

Factor decomposition and decoupling effect of China's industrial carbon emissions.

MA Xiao-jun*, CHEN Rui-min, DONG Bi-ying, NIU Xue-qi

(School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2019,39(8)：3549~3557

In this paper, a generalized divisia index decomposition method (GDIM) was used to analyze the driving factors of China's industrial carbon emissions from 2000 to 2016. On this basis, a decoupling effort model was innovatively constructed combing with the DPSIR framework to measure the decoupling effect of industrial carbon emissions. The empirical results showed that output scale effect, technological progress effect, energy consumption scale effect and per capita carbon emissions effect were the main factors leading to increased industrial carbon emissions, while output carbon intensity effect and technological progress carbon intensity effect were the key factors which reduce industrial carbon emissions. The decoupling effect of industrial carbon emissions was characterized by “negative decoupling~weak decoupling~strong decoupling”. The output carbon intensity effect and technological progress carbon intensity effect were the decisive factors to achieve strong decoupling of industrial carbon emissions. At the same time, it was necessary to adjust energy structure, reduce energy intensity and carbon intensity to realize the strong decoupling of industrial carbon emissions.

industry；carbon emissions；generalized divisia index decomposition method；decoupling effort model

X24

A

1000-6923(2019)08-3549-09

馬曉君(1978-),女,遼寧撫順人,副教授,博士,研究方向?yàn)榄h(huán)境能源統(tǒng)計(jì)、無形資產(chǎn)統(tǒng)計(jì)、信用評(píng)級(jí)等.發(fā)表論文40余篇.

2019-02-20

國家社會(huì)科學(xué)基金資助項(xiàng)目(19BTJ054);遼寧省經(jīng)濟(jì)社會(huì)發(fā)展研究資助項(xiàng)目(2019lslktwzz-01801)

* 責(zé)任作者, 副教授, maxiaojun@dufe.edu.cn