论文部分内容阅读
摘要
随着我国经济的飞速发展，能源过度消耗引起的环境问题日益严重，二氧化碳排放量的增加导致的温室效应成为我国乃至国际广泛关注的焦点。我国在2007年超过美国成为世界第一大碳排放国，根据哥本哈根气候谈判会议对发展中国家承担减排义务的要求，我国作出2020年相较2005年单位GDP二氧化碳排放量下降40%-45%的减排目标承诺。本文基于这一减排目标在对我国终端能源利用碳排放情况进行分析对比基础上，应用LMDI分解模型将碳排放增量变化分解为经济规模、产业结构等四个效应，根据分解结果运用协整方法建立碳排放量与经济发展等四个变量的长期均衡协整关系模型，基于协整方程采用蒙特卡洛动态模拟方法模拟了我国2020年碳排放情况。研究结果为：LMDI分解表明经济规模是我国碳排放增长的主导因素，技术进步对碳排放产生明显的负效应，产业结构与能源结构的影响相对有限；协整模型表明GDP、煤炭消费比重、能源强度与碳排放正相关，第三产业比重与碳排放负相关，符合经济意义；蒙特卡洛模拟结果显示按照目前的发展方式2020年我国单位GDP二氧化碳排放相较2005年下降约36%-39%，与我国提出的下降40%-45%减排承诺目标十分接近，但下降幅度并不理想，表明按照目前的发展路径、节能降耗水平和能源利用技术，我国距离完成哥本哈根年会所确定的减排目标还有一定距离，为完成减排目标还需加大节能减排力度。最后文章从优化产业结构、提高能源效率、优化能源结构、运用法律手段限制排放和加强节能减排宣传等四方面提出对策建议，为我国完成“十二五”和2020年减排目标提供借鉴。
关键词碳排放；LMDI；协整检验；蒙特卡洛模拟
中图分类号F120文献标识码A文章编号1002-2104（2015）04-0001-08doi：10.3969/j.issn.1002-2104.2015.04.001
由于温室气体的大量排放带来的严重自然灾害，碳排放问题引起人们越来越多关注。我国经济增长迅速，能源消耗不断增加，以煤炭为主的能源消费结构，导致我国碳排放不断增长，根据IEA统计数据，从2007年起中国二氧化碳排放量超过美国，成为世界最大的碳排放国家。2009年哥本哈根气候谈判会议要求发展中国家承担减排义务，我国承诺2020年实现单位国内生产总值CO2排放比2005年下降40%-45%，我国“十二五”规划关于碳排放强度下降目标是“十二五”末年比“十一五”末年下降17%。积极寻求减排途径，发展低碳经济，实现可持续发展，是我国当前面临的重大问题。深入分析CO2排放的主要来源和影响因素，是我国节能减排、降低碳排放的重要前提，对我国发展低碳经济、实现碳减排目标具有重大意义。
梳理国内外关于碳排放影响因素研究的文献，分解方法是学者们较常使用的方法，如王俊松、贺灿飞[1]运用对数平均Divisa方法（LMDI）对我国1990-2007年间的CO2排放进行因素分解分析，发现经济增长是碳排放增加的主要因素，而能源强度效应是抑制碳排放的主要原因，人口效应和结构效应影响不大。而朱勤等[2]的研究区间扩大到1980-2007年，研究结论也较为一致：经济产出效应对我国碳排放贡献率最大，能源强度效应则是负向贡献率最大，人口规模、产业结构和能源结构等贡献率相对较小。之后的学者如李艳梅、孙建卫、郭朝先、赵奥、蒋金荷等[3-7]的研究也得到相似的结果，均表明经济规模是我国碳排放增长的最主要因素，而能源强度效应、技术进步对碳排放有明显的抑制作用。在这些文献所使用的分解方法中，Ang et al.[8] 提出的LMDI分解方法由于能够有效解决分解中的剩余问题和数据中的0值与负值问题被使用最多（王俊松，朱勤，郭朝先，赵奥，蒋金荷），其它使用的分解方法还有Laspeyres分解方法（孙建卫）和Sun方法（李艳梅）等，同时现有研究对于碳排放的分解更多是从三大产业部门角度，基于终端产业部门能源利用分解的研究较少。
对碳排放影响因素另一种常用的方法是传统计量经济学方法，如Lotfalipour et al. [9]采用TodaYamamoto模型分析了伊朗经济增长、二氧化碳排放和化石能源消耗之间的因果关系；Ang、Halicioglu、Chang、Hatzigeorgiou等[10-13]则运用协整检验和格兰杰因果关系分析方法研究了二氧化碳排放与能源消耗、经济增长、能源强度、国民收入和贸易等因素之间的关系；李国志、李宗植[14]基于STIRPAT模型运用面板计量模型分析了人口、经济、技术对世界各国CO2的影响，指出各个因素在不同发展水平国家对CO2的影响是不同的，但经济快速增长是CO2排放最主要的增长因素；李科[15]运用动态面板平滑转换模型研究了我国产业结构与碳排放量的关系，指出提高产业结构的高端化水平是实现碳减排的有效途径。在运用计量经济学方法分析的文献中，常基于环境库兹涅茨曲线（EKC）假说和STIRPAT模型展开研究。
从文献分析中可以发现在对碳排放影响因素分析的研究中，因素分解法是近年来最常用的方法，然而，分解方法中各因素每年所占权重均不同，需要进行逐年或分时段的分析[20]，因素分解法能够动态地显示各影响因素对碳排放的逐年影响，从而研究结果更清晰直观，这是其优点，但这也是其不足之处，因为研究中不仅要分析某些因素对碳排放的逐年影响，有时更需要研究碳排放变化与一些因素的长期均衡关系，分解方法与计量方法结合能够很好的解决这个问题。本文首先采用LMDI分解方法对我国碳排放影响因素进行动态的逐年分析，然后采用计量分析中协整检验的方法对碳排放与这些影响因素构建一个长期均衡模型，并在此基础上采用蒙特卡洛模拟分析方法动态模拟了2020年我国可能的碳排放情况，为我国实现减排承诺提供借鉴和参考。
1中国终端能源消费碳排放现状分析
1.1数据来源
本文对我国终端能源消费的碳排放量研究分为六个经济部门：一是农林牧渔水；二是工业部门；三是建筑业；四是交通运输、仓储邮政业；五是批发零售住宿餐饮业；六是人民生活和其他。经济数据—总产值及分部门产值来自《中国统计年鉴》，以2000年不变价格进行折算。选取《中国能源统计年鉴》“地区能源平衡表”中煤合计、油品合计、天然气三种能源消费量来计算各区域最终二氧化碳排放量。计算公式如下： C=∑iaiEi（1）
式中ai表示第i种能源的碳排放系数，Ei表示第i种能源消费量，三类能源碳排放系数借鉴徐国泉[16]、Hu et al.[17]、IPCC[18]的研究成果。
1.2我国终端能源利用碳排放情况
如图1所示，1991-2012年间，我国六个基本部门终端能源利用的CO2排放变化中，农林牧渔水部门总体上经历了先减少后增加的趋势，整体增加幅度微弱，2012年比1991年仅增加了9.89%，工业部门增长了111.38%，建筑业增加了352.18%，交运仓储邮政业增加501.59%，批发零售餐饮住宿业增加220.26%，人民生活及其他增加26.87%。第三产业各部门增长率最高，而第二产业中工业部门的碳排放量远大于其他五个部门，实际增排量也十分可观。从中可以看出我国终端能源利用的CO2排放量主要在于工业部门，每年的排放量占六部门CO2总排放量的60%左右。
与此同时，1991-2012年我国终端能源利用CO2排放强度（见图2）整体呈现下降趋势，原因主要来自于技术的进步、能源利用效率的提高与能源消费结构的变化。其中农林牧渔水部门下降66.10%，工业部门下降74.10%，人民生活及其他变化最为显著，下降90.57%；其余三个部门有降有升，整体变化并不明显。工业部门与交运仓储邮政业CO2排放强度明显高于其他部门，2012年，工业部门CO2排放强度为1.56 t/万元，交运仓储邮政业碳排放强度为3.69 t/万元，其余四个部门CO2排放强度均不超过0.6 t/万元。由于工业部门与人民生活及其他CO2排放量比例最大，因此我国终端能源碳排放强度的降低主要缘于二者碳排放强度的降低。
2中国终端碳排放的LMDI因素分解
2.1LMDI因素分解法
LMDI因素分解法由Ang[8]于1998年提出，相比于其他分解方法，LMDI方法能有效解决分解中的残余问题，因此自提出以来被中外学者广泛运用和完善。本文借鉴此方法，将我国终端能源消费排放量分解为经济增长、产业结构、技术进步、能源结构四个因素，综合分析各因素对我国六大经济部门终端能源碳排放变化的影响。
2.2LMDI因素分解结果
基于LMDI因素分解模型与所搜集数据，将我国终端CO2变化量分解为经济规模效应、产业结构效应、技术进步效应与能源结构效应，用各效应值除以总变化量即得到各因素在总变化量中所占份额，如表1所示。
通过表1数据可知，在1991-2012年间碳排放变化量中，经济规模效应贡献份额高达240%，产业结构效应贡献份额为3%，技术进步通过提高能源利用效率减少碳排放，贡献份额为-135%，减排效果显著，同时，能源消耗结构变化对控制碳排放增加也起到一定的作用，贡献份额为-8%。综上，1991-2012年间，经济规模效应与产业结构效应对碳排放量变化作用为正，技术进步效应与能源结构效应作用为负，其中经济规模效应与技术进步效应作用显著，而产业结构效应与能源结构效应作用微弱。
经济规模扩大是我国碳排放量增长的最主要因素。由图3可以看出，1991-2012年间规模效应引起的碳排放变化比重全部保持在40%以上，个别年份甚至超过60%，这与我国正处于经济的飞速发展阶段密不可分。1991-2012年间我国GDP增长了276 142.32亿元（以2000年不变价计算），增加约6.88倍，经济的快速发展必然刺激能源的大量消费，导致碳排放量逐年增加。
产业结构效应对我国碳排放量的影响始终非常微弱，2006年以前作用基本为正，说明这段时间内我国产业结构的调整并没有起到降低碳排放的作用。2007年之后产业结构为负效应并且逐年增强，说明我国近年来开始逐步重视调整经济产业结构，并取得了一定的效果。当前我国正处于工业化和城市化快速发展的阶段，第二产业始终在我国经济中占绝对地位，产业结构调整尽管已取得一定成效，但仍面临很大难度。
技术进步效应对我国碳排放变化整体呈现明显的负效应，说明我国通过采用新技术提高了能源利用效率促进碳减排，这主要体现在工业部门碳排放强度的降低（见图2）。但是，2003年与2004年技术进步出现了正的效应，导致此段时间我国碳排放量增长显著，分析其中原因，我国第二产业比重自2002年后逐年增长，化工企业、设备制造企业、金属冶炼业等高碳排放行业所占比例较大，人工煤气、液化石油气等居民能源消费逐年增长，家用电器、汽车等生活用品的使用增加导致了碳排放的增长。
能源结构效应对我国碳排放的影响作用微弱，且整体上呈现负影响，但是这种负增长并未呈现逐步放大的趋势。这说明我国能源结构优化已取得一定效果，但是并没有突破性的变化。我国目前粗放型的发展模式，以煤炭等高碳排放能源为主的能源结构，是导致出现这种情况的主要原因。所以，我国应积极开发应用新型能源，扩大推广太阳能、风能、水能、核电等能源比例，降低煤炭等高碳能源比例。
3协整检验
3.1变量选择
前文采用LMDI方法将我国的碳排放变化分解为经济规模、产业结构、技术进步和能源结构四个效应，图3显示了1991-2012年间四种效应对我国碳排放变化的逐年影响，但无法系统地描述碳排放与四种效应的长期均衡影响，因此本文采用协整分析方法构建我国碳排放影响因素的长期均衡关系。协整检验中自变量的选取与前文LMDI分解的四个效应一一对应，因变量碳排放用我国CO2排放（Qt）表征，用国内生产总值（Gt）表征经济规模，用第三产业比重（St）表征产业结构，用煤炭占能源消费比重（Ct）表征能源结构，在前文因素分解中，用能源强度变化表示技术进步效应引起的碳排放变化，因此在协整分析中本文借鉴李国志等的研究[14]，继续用能源强度表征技术进步。
3.2单位根检验
对于不平稳的时间序列数据，首先要检验变量的平稳性，对变量Qt与Gt取自然对数，分别记为LQt、LGt，而变量St、Ct与It为比率形式，不取对数。采用单位根检验（ADF）方法检验各变量的平稳性，结果如表2所示，所有变量在1%的显著性水平下达到二阶单整，满足构造协整方程的条件。3.3协整检验 由于涉及多个自变量，Johasen方法优于E-G两步法，因此本文采用Johasen协整检验方法进行分析，根据迹检验结果，在1%的显著性水平下，五个变量之间存在4个协整关系，从中选取最合理的协整方程如下所示：
由（8）可知，我国二氧化碳排放量与GDP、第三产业比重、能源强度、煤炭占能源消费比重四个变量之间存在着长期稳定的均衡关系。协整方程中，LGt的系数为正，说明GDP对我国二氧化碳的排放产生促进作用；It系数为正，表示能源强度越低，我国二氧化碳排放量越小，而能源强度的降低来自于技术的进步，说明技术效应对二氧化碳排放量为抑制作用；Ct系数为正，表明能源消费中煤炭比重的降低有利于降低二氧化碳排放量；St系数为负，说明第三产业比重的提高会使二氧化碳排放量降低。
协整检验分析结果与前文LMDI分解结果吻合，与现有文献如朱勤[2]、孙建卫[4]、唐建荣[20]等的研究结论基本一致，且均符合其经济意义。
4碳排放蒙特卡洛动态模拟
前文通过协整分析研究了我国CO2排放与经济规模、产业结构、技术效应以及能耗结构的关系，发现CO2与四个变量之间存在长期稳定的均衡关系，因此通过分析我国GDP、产业结构、技术效应和能耗结构未来几年的可能变化情况，可以预测我国二氧化碳排放量的增长情况。情景分析常用来预测CO2排放的变化情况，但此种方法是静态研究，本文采用蒙特卡洛模拟方法，动态模拟2020年我国的CO2排放变化情况。蒙特卡洛作为一种风险分析方法，不仅可以解决各变量分布特征不同的问题，为各变量分别设置概率，而且与计算机相结合，使预测结果更为精确，因此蒙特卡洛方法相较于其他研究方法具有一定优势。
进行蒙特卡洛模拟，首先要对模型中各变量的分布进行假设，因为不同的分布假设会对预测结果产生不同的影响，所以对各变量的假设非常重要。本文参考林伯强[21]的设定方法，假设4个自变量均符合离散分布，并分别为每个变量赋予5个取值及相应概率，中间取值为各项指标最有可能的取值，并赋予最高概率，其余取值呈对称分布。每个变量的预测取值参考相关文献和国家政策规划。
GDP取值的确定：根据我国近两年的GDP增长速度，2012年为7.8%，2013年为7.7%，而《2014年政府工作报告》中将2014年GDP增长目标设定为7.5%，结合国家政策，并综合考虑赵息[22]与范德成[23]的研究，本文将GDP年增长率中间取值设定为7.5%，由此可推算出我国2020年的GDP。
煤炭比重的确定：林伯强[21]预测2020年煤炭占能源消费比重约为63.90%；陈正[24]则对我国能源需求结构进行了趋势预测和规划预测，根据我国发展规划预测得出2020年我国煤炭需求比重约为61.41%；而范德成[23]则采用岭回归方法预测出低碳经济目标下，2020年煤炭消费比重为65.99%-66.72%。由于各学者研究中数据来源有所差异，以及预测方法与角度的不同，预测结果有所出入为正常现象。本文结合国家发展政策与学者们的研究，将2020年煤炭消费比重的中间取值设定为63%。
第三产业比重的确定：刘卫东等[25]认为，基准情景下2020年我国第三产业比重达到47%，而在加快结构调整的情景下，第三产业比重将达到50%；朱永彬等[26]预测我国2020年第三产业比重为46.4%，基本可以达到前者的基准情景。因此，综合考虑我国经济发展趋势，将47%设定为我国2020年第三产业比重的取值。
能源强度的确定：经计算，我国2010年能源强度比
2005年下降19.1%，基本完成“十一五”规划中20%的目标；参考我国“十二五”规划中提出的“2015年能源强度在2010年的基础上下降16%”的目标，将2020年能源强度目标设定为“在2015的基础上下降16%”，可以推算出2020年能源强度为0.85万t标准煤/亿元。
综合以上分析，各变量2020年预测值及概率分布如表3所示。
根据表3数据以及前文所得到协整方程，采用Oracle Crystal Ball软件进行蒙特卡洛模拟，进行50万次模拟产生随机数据，从而得到我国2020年CO2排放量的分布情况图，如图4所示。
由运行结果可知，2020年我国CO2排放量为1 225 808万t的概率最高，而概率最大的范围在1 200 000万t与1 250 000万t之间。根据前文的GDP预测值，可以计算出我国2020年CO2排放强度即单位GDP二氧化碳排放约为2.13-2.22 t/万元，与2005年3.49 t/万元的强度相比，降低了约36%-39%，这与汤玲等[27]的研究结论相似。蒙特卡洛模拟得出的2020年我国碳强度值与我国提出的下降40%-45%的减排承诺目标十分接近，但是显然下降幅度并不理想，这表明按照目前的发展路径、节能降耗水平和能源利用技术，我国距离完成哥本哈根年会所确定的减排目标还有一定距离，在今后的发展过程中我国还需要加大节能减排力度，通过多种手段降低我国二氧化碳排放强度，以顺利达到所承诺的减排目标。
5结论与建议
通过分析，我国终端能源利用碳排放量的增加量主要在于工业部门；碳排放强度的下降主要在于工业部门与人民生活及其他。LMDI因素分解与协整检验结果显示，经济规模效应是我国碳排放量增加的最主要因素；产业结构变化对碳排放变化近三年呈现微弱的负效应，并有逐年增大的趋势；技术进步对我国碳排放量的影响呈现较为明显的负效应；能源结构的变化对我国碳排放的影响为负效应，但始终影响有限。而蒙特卡洛模拟结果显示，我国2020年CO2排放强度为2.13-2.22 t/万元的可能性最大，减排幅度十分接近我国提出的减排承诺。根据分析结果，本文提出以下几点节能减排建议：
（1）优化产业结构，由粗放型向集约型转变。产业结构效应对我国终端能源碳排放变化影响微弱，在2007年以前基本呈现出正效应，与我国调整产业结构推动节能减排的目标有一定差距。但是，自2007年后，产业结构呈现负效应，且逐年增加。说明自2007年起，我国的产业结构优化取得了一定的成效，但是影响仍然较弱。一方面，应努力在高排放的重工业领域进行资源整合，淘汰落后产能，促进产品升级换代；另一方面，应大力发展高新技术产业，鼓励扶持绿色产业的开发，提高第三产业在国民经济中的比重，使我国经济尽快从粗放型向集约型转变。 （2）促进节能技术研究，提高能源利用效率。技术进步对我国碳排放量变化的的负效应十分显著，提高能源利用效率已成为我国推进节能减排的重要手段。所以，我国应该加大对先进节能技术的投资，加强与发达国家的技术交流，引进国外先进的节能技术，推动能源开采、转换及利用环节的创新技术的研发与推广，包括洁净煤技术、清洁发展机制等。
（3）大力发展新能源，优化能源消耗结构。能源结构效应对我国碳排放变化影响微弱，但意义重大。我国能源结构以煤炭为主，要加强能源结构对碳排放变化的影响，主要在于发展非化石能源。所以，我国应充分利用核电、太阳能、风能、水能等新型能源，努力保持并提高这些非化石能源在我国能源消费中的比重。此外三大能源中天然气碳排放相对较少，我国天然气储量丰富，但目前在我国能源消费中所占比例过低，通过调整产业政策等手段促进天然气的推广也是一个值得重视的途径。
（4）运用法律手段限制排放，加强节能减排的宣传工作。众多高排放、高污染企业的存在是导致我国碳排放增长迅速的原因之一，所以我国应尽快针对各行业出台并完善节能法律法规，加大节能法的贯彻力度，同时实施新能源配套政策，从法律层面促进节能减排。另一方面，加强节能减排宣传工作，提高公民对低碳生活与保护环境重要性的认识。目前公民对低碳减排的重要性认识有限，可以通过政府部门以及各方面公益团体、民间组织的作用，加强节能减排宣传力度，增强公民对此方面知识的认识，提高公众的参与积极性，使之在消费观念与方式上，逐步做到消费行为的低碳化，提升全社会的节能水平。
（编辑：田红）
参考文献（References）
[1]王俊松，贺灿飞. 能源消费、经济增长与中国CO2排放量变化：基于LMDI方法的分解分析[J].长江流域资源与环境，2010，19（1）：18-23. [Wang Junsong， He Canfei， Energy Consumption. Economic Growth and CO2 Emissions in China：Analysis Based on LMDI Method [J]. Resources and Environment in the Yangtze Basin， 2010， 19 （1）： 18-23.]
[2]朱勤，彭希哲，陆志明，等. 中国能源消费碳排放变化的因素分解及实证分析[J].资源科学，2009，31（12）：2072-2079.[Zhu Qin， Peng Xizhe， Lu Zhiming， et al. Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China [J].Resources Science， 2009， 31 （12）： 2072-2079.]
[3]李艳梅，张雷，程晓玲. 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.[LI Yanmei，Zhang Lei，CHENG Xiaoling. A Decomposition Model and Reduction Approaches for Carbon Dioxide Emissions in China [J].Resources Science， 2010， 32 （2）： 218-222.]
[4]孙建卫，赵荣钦，黄贤金，等. 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， Huang Xianjin， et al. Research on Carbon Emission Estimation and Factor Decomposition of China from 1995 to 2005 [J]. Journal of Natural Resources， 2010， 25 （8）： 1284-1295.]
[5]郭朝先. 中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：4-9.[Guo Chaoxian， Decomposition of China’s Carbon Emissions： Based on LMDI Method [J]. China Population，Resources and Environment， 2010， 20 （12）： 4-9.]
[6]赵奥，武春友. 中国CO2排放量变化的影响因素分解研究：基于改进的Kaya等式与LMDI分解法[J].软科学，2010，24（12）：55-59.[Zhao Ao， Wu Chunyou. Analysis of Decomposition of Influencing Factors of Variation in CO2 Emission of China：Based on Improved Kaya Identity and LMDI Method [J]. Soft Science， 2010， 24 （12）： 55-59.]
[7]蒋金荷. 中国碳排放量测算及影响因素分析[J].资源科学，2011，33（4）：597-604. [Jiang Jinhe. An Evaluation and Decomposition Analysis of Carbon Emissions in China [J]. Resources Science， 2011， 33 （4）： 597-604.]
[8]Ang B W， Zhang F Q， Choi K H. Factorizing Changes in Energy and Environmental Indicators Through Decomposition [J].Energy， 1998， 23 （6）： 489-495. [9]Lotfalipour M R， Falahi M A， Ashena M. Economic Growth， CO2 Emissions， and Fossil Fuels Consumption in Iran [J].Energy， 2010， 35 （12）： 5115-5120.
[10]Ang J B. CO2 Emissions， Energy Consumption， and Output in France [J]. Energy Policy， 2007， 35 （10）： 4772-4778.
[11]Halicioglu F. An Econometric Study of CO2 Emissions， Energy Consumption， Income and Foreign Trade in Turkey [J].Energy Policy， 2009， 37 （3）： 1156-1164.
[12]Chang C C， Soruco Carballo C F. Energy Conservation and Sustainable Economic Growth： The Case of Latin America and the Caribbean [J]. Energy Policy， 2011， 39 （7）： 4215-4221.
[13]Hatzigeorgiou E， Polatidis H， Haralambopoulos D. CO2 Emissions， GDP and Energy Intensity： A Multivariate Co-Integration and Causality Analysis for Greece， 1977-2007 [J]. Applied Energy， 2011， 88 （4）： 1377-1385.
[14]李国志，李宗植. 二氧化碳排放决定因素的实证分析：基于70个国家（地区）面板数据[J].数理统计与管理，2011，30（4）：585-593.[Li Guozhi， Li Zongzhi. Empirical Analysis on Determinants of Carbon Dioxide Emissions：Based on the Panel Data of 70 Countries （Regions） [J]. Application of Statistics and Management， 2011， 30 （4）： 585-593.]
[15]李科. 中国产业结构与碳排放量关系的实证检验：基于动态面板平滑转换模型的分析[J].数理统计与管理，2014（3）：381-393.[Li Ke. An Empirical Test on the Relationship Between Industrial Structure and Carbon Emission in China ：An Study Based on Dynamic Panel Smooth Transition Regression Model [J]. Application of Statistics and Management， 2014 （3）： 381-393.]
[16]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.[Xu Guoquan， Liu Zeyuan， Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China，1995-2004 [J]. China Population， Resources and Environment， 2006， 16 （6）：158-161.]
[17]Hu C， Huang X J. Characteristics of Carbon Emission in China and Analysis on Its Cause[J]. China Population， Resources and Environment， 2008，18（3）：38-42.
[18]IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories： Volume Ⅱ[EB/OL]. http： //www.ipcc.ch / ipccrepaorts / Methodology reprots.htm.
[19]Malla S. CO2 Emissions from Electricity Generation in Seven Asia Pacific and North American Countries： A Decomposition Analysis [J]. Energy Policy， 2009， 37 （1）： 1-9.
[20]唐建荣，张白羽，王育红. 基于LMDI的中国碳排放驱动因素研究[J].统计与信息论坛，2011，26（11）：19-25.[Tang Jianrong， Zhang Baiyu， Wang Yuhong. Research on Driving Factors of Carbon Emissions in China Based on LMDI [J]. Statistics & Information Forum， 2011， 26 （11）：19-25.]
[21]林伯强，刘希颖. 中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）：66-78. [Lin Boqiang， Liu Xiying. China’s Carbon Dioxide Emissions under the Urbanization Process： Influence Factors and Abatement Policies [J]. Economic Research Journal， 2010 （8）： 66-78.] [22]赵息，齐建民，刘广为. 基于离散二阶差分算法的中国碳排放预测[J].干旱区资源与环境，2013，27（1）：63-69. [Zhao Xi， Qi Jianmin， Liu Guangwei. China Carbon Emission Forecast Based on the Discrete Difference Equation Prediction Model [J]. Journal of Arid Land Resources and Environment， 2013， 27 （1）： 63-69.]
[23]范德成，王韶华，张伟. 低碳经济目标下一次能源消费结构影响因素分析[J].资源科学，2012，34（4）：696-703.[Fan Decheng， Wang Shaohua， Zhang Wei. Analysis of the Influence Factors of the Primary Energy Consumption Structure under the Target of LowCarbon Economy [J]. Resources Science， 2012， 34 （4）： 696-703.]
[24]陈正. 中国能源需求结构预测分析[J].统计与信息论坛，2010，25（11）：81-86. [Chen Zheng. Forecast on Energy Demand Structure in China [J]. Statistics & Information Forum， 2010， 25 （11）： 81-86.]
[25]刘卫东，张雷，王礼茂，等. 我国低碳经济发展框架初步研究[J].地理研究，2010，29（5）：778-788. [Liu Weidong， Zhang Lei， Wang Limao， et al. A Sketch Map of Lowcarbon Economic Development in China [J]. Geographical Research， 2010， 29 （5）： 778-788.]
[26]朱永彬，刘昌新，王铮，等. 我国产业结构演变趋势及其减排潜力分析[J].中国软科学，2013，（2）：35-42.[Zhu Yongbin， Liu Changxin， Wang Zheng， et al. Projection of Industrial Structure Evolution and Its Carbon Abatement Potential for China [J]. China Soft Science， 2013， （2）： 35-42.]
[27]汤铃，鲍勤，王明喜.核电项目暂停审批与我国减排目标的实现：基于CGE模型分析[J].系统工程理论与实践，2014，34（2）：349-356.[Tang Ling， Bao Qin， Wang Mingxi. Stopping Approving Nuclear Power Projects and China’s Commitment of Emissions Mitigation： An Analysis Based on Computable General Equilibrium Model [J].Systems EngineeringTheory & Practice， 2014， 34 （2）：349-356.]
Abstract
With the boom in China’s economy， the issues related with environmental degradation arising from excessive consumption of energy and with the greenhouse effect incurred owing to soaring CO2 emissions have already drawn an extensive attention in the nation and even around the world. In 2007， China replaced the U.S and became the country that had emitted the largest volume of carbon in the world. As committed in the Copenhagen Climate Negotiation Conference， China’s government declared to implement the carbonreduction plan， specifically decreasing CO2 emissions by 40-45% each unit GDP till 2020， compared with that in 2005. Referring to the abovementioned target and comparative analysis of terminal energy consumption in six economic sectors in China， this article applies LMDI decomposition model and decomposes the increment change of carbon emissions into four effects， represented by economy scale and industrial structure. In accordance with the decomposition result， a longterm cointegration equilibrium equation is built to clarify four variables such as carbon emission and economic growth， which is followed by a MonteCarlobased simulation for China’s carbon emission in 2020. As shown from LMDI decomposition， with respect to impact on the increase in carbon emissions， the country’s economy scale really dominates； technological progress influences negatively； and industrial structure and energy structure have limited effect. Besides， the cointegration model demonstrates that these three factors of GDP， the proportion of coal consumption， and energy intensity are positively related to carbon emissions， while the proportion of the tertiary industry is negatively related. In addition， as explained by the MonteCarlobased simulation result， it is estimated that carbon intensity will reduce by 36% to 39% till 2020， very close to the target of a decline of 40% to 45% proposed previously but unsatisfactory actually. This result also implies the fact that there is a long way for China to achieve the target under the current conditions of development path， energysaving level， and energyusing technologies. Therefore， further efforts are needed to strengthen energy conservation and emission reduction. In the end， suggestions are proposed to help accomplish carbonreduction targets stated in the 12th FiveYear Plan as well as in Copenhagen Conference， covering four areas of idealizing industrial structure， improving energy efficiency， optimizing energy structure， and limiting carbon emissions legally and strengthening propaganda for energy conservation and carbon reduction.
Key wordscarbon emission； LMDI； cointegration test； Monte Carlo method
随着我国经济的飞速发展，能源过度消耗引起的环境问题日益严重，二氧化碳排放量的增加导致的温室效应成为我国乃至国际广泛关注的焦点。我国在2007年超过美国成为世界第一大碳排放国，根据哥本哈根气候谈判会议对发展中国家承担减排义务的要求，我国作出2020年相较2005年单位GDP二氧化碳排放量下降40%-45%的减排目标承诺。本文基于这一减排目标在对我国终端能源利用碳排放情况进行分析对比基础上，应用LMDI分解模型将碳排放增量变化分解为经济规模、产业结构等四个效应，根据分解结果运用协整方法建立碳排放量与经济发展等四个变量的长期均衡协整关系模型，基于协整方程采用蒙特卡洛动态模拟方法模拟了我国2020年碳排放情况。研究结果为：LMDI分解表明经济规模是我国碳排放增长的主导因素，技术进步对碳排放产生明显的负效应，产业结构与能源结构的影响相对有限；协整模型表明GDP、煤炭消费比重、能源强度与碳排放正相关，第三产业比重与碳排放负相关，符合经济意义；蒙特卡洛模拟结果显示按照目前的发展方式2020年我国单位GDP二氧化碳排放相较2005年下降约36%-39%，与我国提出的下降40%-45%减排承诺目标十分接近，但下降幅度并不理想，表明按照目前的发展路径、节能降耗水平和能源利用技术，我国距离完成哥本哈根年会所确定的减排目标还有一定距离，为完成减排目标还需加大节能减排力度。最后文章从优化产业结构、提高能源效率、优化能源结构、运用法律手段限制排放和加强节能减排宣传等四方面提出对策建议，为我国完成“十二五”和2020年减排目标提供借鉴。
关键词碳排放；LMDI；协整检验；蒙特卡洛模拟
中图分类号F120文献标识码A文章编号1002-2104（2015）04-0001-08doi：10.3969/j.issn.1002-2104.2015.04.001
由于温室气体的大量排放带来的严重自然灾害，碳排放问题引起人们越来越多关注。我国经济增长迅速，能源消耗不断增加，以煤炭为主的能源消费结构，导致我国碳排放不断增长，根据IEA统计数据，从2007年起中国二氧化碳排放量超过美国，成为世界最大的碳排放国家。2009年哥本哈根气候谈判会议要求发展中国家承担减排义务，我国承诺2020年实现单位国内生产总值CO2排放比2005年下降40%-45%，我国“十二五”规划关于碳排放强度下降目标是“十二五”末年比“十一五”末年下降17%。积极寻求减排途径，发展低碳经济，实现可持续发展，是我国当前面临的重大问题。深入分析CO2排放的主要来源和影响因素，是我国节能减排、降低碳排放的重要前提，对我国发展低碳经济、实现碳减排目标具有重大意义。
梳理国内外关于碳排放影响因素研究的文献，分解方法是学者们较常使用的方法，如王俊松、贺灿飞[1]运用对数平均Divisa方法（LMDI）对我国1990-2007年间的CO2排放进行因素分解分析，发现经济增长是碳排放增加的主要因素，而能源强度效应是抑制碳排放的主要原因，人口效应和结构效应影响不大。而朱勤等[2]的研究区间扩大到1980-2007年，研究结论也较为一致：经济产出效应对我国碳排放贡献率最大，能源强度效应则是负向贡献率最大，人口规模、产业结构和能源结构等贡献率相对较小。之后的学者如李艳梅、孙建卫、郭朝先、赵奥、蒋金荷等[3-7]的研究也得到相似的结果，均表明经济规模是我国碳排放增长的最主要因素，而能源强度效应、技术进步对碳排放有明显的抑制作用。在这些文献所使用的分解方法中，Ang et al.[8] 提出的LMDI分解方法由于能够有效解决分解中的剩余问题和数据中的0值与负值问题被使用最多（王俊松，朱勤，郭朝先，赵奥，蒋金荷），其它使用的分解方法还有Laspeyres分解方法（孙建卫）和Sun方法（李艳梅）等，同时现有研究对于碳排放的分解更多是从三大产业部门角度，基于终端产业部门能源利用分解的研究较少。
对碳排放影响因素另一种常用的方法是传统计量经济学方法，如Lotfalipour et al. [9]采用TodaYamamoto模型分析了伊朗经济增长、二氧化碳排放和化石能源消耗之间的因果关系；Ang、Halicioglu、Chang、Hatzigeorgiou等[10-13]则运用协整检验和格兰杰因果关系分析方法研究了二氧化碳排放与能源消耗、经济增长、能源强度、国民收入和贸易等因素之间的关系；李国志、李宗植[14]基于STIRPAT模型运用面板计量模型分析了人口、经济、技术对世界各国CO2的影响，指出各个因素在不同发展水平国家对CO2的影响是不同的，但经济快速增长是CO2排放最主要的增长因素；李科[15]运用动态面板平滑转换模型研究了我国产业结构与碳排放量的关系，指出提高产业结构的高端化水平是实现碳减排的有效途径。在运用计量经济学方法分析的文献中，常基于环境库兹涅茨曲线（EKC）假说和STIRPAT模型展开研究。
从文献分析中可以发现在对碳排放影响因素分析的研究中，因素分解法是近年来最常用的方法，然而，分解方法中各因素每年所占权重均不同，需要进行逐年或分时段的分析[20]，因素分解法能够动态地显示各影响因素对碳排放的逐年影响，从而研究结果更清晰直观，这是其优点，但这也是其不足之处，因为研究中不仅要分析某些因素对碳排放的逐年影响，有时更需要研究碳排放变化与一些因素的长期均衡关系，分解方法与计量方法结合能够很好的解决这个问题。本文首先采用LMDI分解方法对我国碳排放影响因素进行动态的逐年分析，然后采用计量分析中协整检验的方法对碳排放与这些影响因素构建一个长期均衡模型，并在此基础上采用蒙特卡洛模拟分析方法动态模拟了2020年我国可能的碳排放情况，为我国实现减排承诺提供借鉴和参考。
1中国终端能源消费碳排放现状分析
1.1数据来源
本文对我国终端能源消费的碳排放量研究分为六个经济部门：一是农林牧渔水；二是工业部门；三是建筑业；四是交通运输、仓储邮政业；五是批发零售住宿餐饮业；六是人民生活和其他。经济数据—总产值及分部门产值来自《中国统计年鉴》，以2000年不变价格进行折算。选取《中国能源统计年鉴》“地区能源平衡表”中煤合计、油品合计、天然气三种能源消费量来计算各区域最终二氧化碳排放量。计算公式如下： C=∑iaiEi（1）
式中ai表示第i种能源的碳排放系数，Ei表示第i种能源消费量，三类能源碳排放系数借鉴徐国泉[16]、Hu et al.[17]、IPCC[18]的研究成果。
1.2我国终端能源利用碳排放情况
如图1所示，1991-2012年间，我国六个基本部门终端能源利用的CO2排放变化中，农林牧渔水部门总体上经历了先减少后增加的趋势，整体增加幅度微弱，2012年比1991年仅增加了9.89%，工业部门增长了111.38%，建筑业增加了352.18%，交运仓储邮政业增加501.59%，批发零售餐饮住宿业增加220.26%，人民生活及其他增加26.87%。第三产业各部门增长率最高，而第二产业中工业部门的碳排放量远大于其他五个部门，实际增排量也十分可观。从中可以看出我国终端能源利用的CO2排放量主要在于工业部门，每年的排放量占六部门CO2总排放量的60%左右。
与此同时，1991-2012年我国终端能源利用CO2排放强度（见图2）整体呈现下降趋势，原因主要来自于技术的进步、能源利用效率的提高与能源消费结构的变化。其中农林牧渔水部门下降66.10%，工业部门下降74.10%，人民生活及其他变化最为显著，下降90.57%；其余三个部门有降有升，整体变化并不明显。工业部门与交运仓储邮政业CO2排放强度明显高于其他部门，2012年，工业部门CO2排放强度为1.56 t/万元，交运仓储邮政业碳排放强度为3.69 t/万元，其余四个部门CO2排放强度均不超过0.6 t/万元。由于工业部门与人民生活及其他CO2排放量比例最大，因此我国终端能源碳排放强度的降低主要缘于二者碳排放强度的降低。
2中国终端碳排放的LMDI因素分解
2.1LMDI因素分解法
LMDI因素分解法由Ang[8]于1998年提出，相比于其他分解方法，LMDI方法能有效解决分解中的残余问题，因此自提出以来被中外学者广泛运用和完善。本文借鉴此方法，将我国终端能源消费排放量分解为经济增长、产业结构、技术进步、能源结构四个因素，综合分析各因素对我国六大经济部门终端能源碳排放变化的影响。
2.2LMDI因素分解结果
基于LMDI因素分解模型与所搜集数据，将我国终端CO2变化量分解为经济规模效应、产业结构效应、技术进步效应与能源结构效应，用各效应值除以总变化量即得到各因素在总变化量中所占份额，如表1所示。
通过表1数据可知，在1991-2012年间碳排放变化量中，经济规模效应贡献份额高达240%，产业结构效应贡献份额为3%，技术进步通过提高能源利用效率减少碳排放，贡献份额为-135%，减排效果显著，同时，能源消耗结构变化对控制碳排放增加也起到一定的作用，贡献份额为-8%。综上，1991-2012年间，经济规模效应与产业结构效应对碳排放量变化作用为正，技术进步效应与能源结构效应作用为负，其中经济规模效应与技术进步效应作用显著，而产业结构效应与能源结构效应作用微弱。
经济规模扩大是我国碳排放量增长的最主要因素。由图3可以看出，1991-2012年间规模效应引起的碳排放变化比重全部保持在40%以上，个别年份甚至超过60%，这与我国正处于经济的飞速发展阶段密不可分。1991-2012年间我国GDP增长了276 142.32亿元（以2000年不变价计算），增加约6.88倍，经济的快速发展必然刺激能源的大量消费，导致碳排放量逐年增加。
产业结构效应对我国碳排放量的影响始终非常微弱，2006年以前作用基本为正，说明这段时间内我国产业结构的调整并没有起到降低碳排放的作用。2007年之后产业结构为负效应并且逐年增强，说明我国近年来开始逐步重视调整经济产业结构，并取得了一定的效果。当前我国正处于工业化和城市化快速发展的阶段，第二产业始终在我国经济中占绝对地位，产业结构调整尽管已取得一定成效，但仍面临很大难度。
技术进步效应对我国碳排放变化整体呈现明显的负效应，说明我国通过采用新技术提高了能源利用效率促进碳减排，这主要体现在工业部门碳排放强度的降低（见图2）。但是，2003年与2004年技术进步出现了正的效应，导致此段时间我国碳排放量增长显著，分析其中原因，我国第二产业比重自2002年后逐年增长，化工企业、设备制造企业、金属冶炼业等高碳排放行业所占比例较大，人工煤气、液化石油气等居民能源消费逐年增长，家用电器、汽车等生活用品的使用增加导致了碳排放的增长。
能源结构效应对我国碳排放的影响作用微弱，且整体上呈现负影响，但是这种负增长并未呈现逐步放大的趋势。这说明我国能源结构优化已取得一定效果，但是并没有突破性的变化。我国目前粗放型的发展模式，以煤炭等高碳排放能源为主的能源结构，是导致出现这种情况的主要原因。所以，我国应积极开发应用新型能源，扩大推广太阳能、风能、水能、核电等能源比例，降低煤炭等高碳能源比例。
3协整检验
3.1变量选择
前文采用LMDI方法将我国的碳排放变化分解为经济规模、产业结构、技术进步和能源结构四个效应，图3显示了1991-2012年间四种效应对我国碳排放变化的逐年影响，但无法系统地描述碳排放与四种效应的长期均衡影响，因此本文采用协整分析方法构建我国碳排放影响因素的长期均衡关系。协整检验中自变量的选取与前文LMDI分解的四个效应一一对应，因变量碳排放用我国CO2排放（Qt）表征，用国内生产总值（Gt）表征经济规模，用第三产业比重（St）表征产业结构，用煤炭占能源消费比重（Ct）表征能源结构，在前文因素分解中，用能源强度变化表示技术进步效应引起的碳排放变化，因此在协整分析中本文借鉴李国志等的研究[14]，继续用能源强度表征技术进步。
3.2单位根检验
对于不平稳的时间序列数据，首先要检验变量的平稳性，对变量Qt与Gt取自然对数，分别记为LQt、LGt，而变量St、Ct与It为比率形式，不取对数。采用单位根检验（ADF）方法检验各变量的平稳性，结果如表2所示，所有变量在1%的显著性水平下达到二阶单整，满足构造协整方程的条件。3.3协整检验 由于涉及多个自变量，Johasen方法优于E-G两步法，因此本文采用Johasen协整检验方法进行分析，根据迹检验结果，在1%的显著性水平下，五个变量之间存在4个协整关系，从中选取最合理的协整方程如下所示：
由（8）可知，我国二氧化碳排放量与GDP、第三产业比重、能源强度、煤炭占能源消费比重四个变量之间存在着长期稳定的均衡关系。协整方程中，LGt的系数为正，说明GDP对我国二氧化碳的排放产生促进作用；It系数为正，表示能源强度越低，我国二氧化碳排放量越小，而能源强度的降低来自于技术的进步，说明技术效应对二氧化碳排放量为抑制作用；Ct系数为正，表明能源消费中煤炭比重的降低有利于降低二氧化碳排放量；St系数为负，说明第三产业比重的提高会使二氧化碳排放量降低。
协整检验分析结果与前文LMDI分解结果吻合，与现有文献如朱勤[2]、孙建卫[4]、唐建荣[20]等的研究结论基本一致，且均符合其经济意义。
4碳排放蒙特卡洛动态模拟
前文通过协整分析研究了我国CO2排放与经济规模、产业结构、技术效应以及能耗结构的关系，发现CO2与四个变量之间存在长期稳定的均衡关系，因此通过分析我国GDP、产业结构、技术效应和能耗结构未来几年的可能变化情况，可以预测我国二氧化碳排放量的增长情况。情景分析常用来预测CO2排放的变化情况，但此种方法是静态研究，本文采用蒙特卡洛模拟方法，动态模拟2020年我国的CO2排放变化情况。蒙特卡洛作为一种风险分析方法，不仅可以解决各变量分布特征不同的问题，为各变量分别设置概率，而且与计算机相结合，使预测结果更为精确，因此蒙特卡洛方法相较于其他研究方法具有一定优势。
进行蒙特卡洛模拟，首先要对模型中各变量的分布进行假设，因为不同的分布假设会对预测结果产生不同的影响，所以对各变量的假设非常重要。本文参考林伯强[21]的设定方法，假设4个自变量均符合离散分布，并分别为每个变量赋予5个取值及相应概率，中间取值为各项指标最有可能的取值，并赋予最高概率，其余取值呈对称分布。每个变量的预测取值参考相关文献和国家政策规划。
GDP取值的确定：根据我国近两年的GDP增长速度，2012年为7.8%，2013年为7.7%，而《2014年政府工作报告》中将2014年GDP增长目标设定为7.5%，结合国家政策，并综合考虑赵息[22]与范德成[23]的研究，本文将GDP年增长率中间取值设定为7.5%，由此可推算出我国2020年的GDP。
煤炭比重的确定：林伯强[21]预测2020年煤炭占能源消费比重约为63.90%；陈正[24]则对我国能源需求结构进行了趋势预测和规划预测，根据我国发展规划预测得出2020年我国煤炭需求比重约为61.41%；而范德成[23]则采用岭回归方法预测出低碳经济目标下，2020年煤炭消费比重为65.99%-66.72%。由于各学者研究中数据来源有所差异，以及预测方法与角度的不同，预测结果有所出入为正常现象。本文结合国家发展政策与学者们的研究，将2020年煤炭消费比重的中间取值设定为63%。
第三产业比重的确定：刘卫东等[25]认为，基准情景下2020年我国第三产业比重达到47%，而在加快结构调整的情景下，第三产业比重将达到50%；朱永彬等[26]预测我国2020年第三产业比重为46.4%，基本可以达到前者的基准情景。因此，综合考虑我国经济发展趋势，将47%设定为我国2020年第三产业比重的取值。
能源强度的确定：经计算，我国2010年能源强度比
2005年下降19.1%，基本完成“十一五”规划中20%的目标；参考我国“十二五”规划中提出的“2015年能源强度在2010年的基础上下降16%”的目标，将2020年能源强度目标设定为“在2015的基础上下降16%”，可以推算出2020年能源强度为0.85万t标准煤/亿元。
综合以上分析，各变量2020年预测值及概率分布如表3所示。
根据表3数据以及前文所得到协整方程，采用Oracle Crystal Ball软件进行蒙特卡洛模拟，进行50万次模拟产生随机数据，从而得到我国2020年CO2排放量的分布情况图，如图4所示。
由运行结果可知，2020年我国CO2排放量为1 225 808万t的概率最高，而概率最大的范围在1 200 000万t与1 250 000万t之间。根据前文的GDP预测值，可以计算出我国2020年CO2排放强度即单位GDP二氧化碳排放约为2.13-2.22 t/万元，与2005年3.49 t/万元的强度相比，降低了约36%-39%，这与汤玲等[27]的研究结论相似。蒙特卡洛模拟得出的2020年我国碳强度值与我国提出的下降40%-45%的减排承诺目标十分接近，但是显然下降幅度并不理想，这表明按照目前的发展路径、节能降耗水平和能源利用技术，我国距离完成哥本哈根年会所确定的减排目标还有一定距离，在今后的发展过程中我国还需要加大节能减排力度，通过多种手段降低我国二氧化碳排放强度，以顺利达到所承诺的减排目标。
5结论与建议
通过分析，我国终端能源利用碳排放量的增加量主要在于工业部门；碳排放强度的下降主要在于工业部门与人民生活及其他。LMDI因素分解与协整检验结果显示，经济规模效应是我国碳排放量增加的最主要因素；产业结构变化对碳排放变化近三年呈现微弱的负效应，并有逐年增大的趋势；技术进步对我国碳排放量的影响呈现较为明显的负效应；能源结构的变化对我国碳排放的影响为负效应，但始终影响有限。而蒙特卡洛模拟结果显示，我国2020年CO2排放强度为2.13-2.22 t/万元的可能性最大，减排幅度十分接近我国提出的减排承诺。根据分析结果，本文提出以下几点节能减排建议：
（1）优化产业结构，由粗放型向集约型转变。产业结构效应对我国终端能源碳排放变化影响微弱，在2007年以前基本呈现出正效应，与我国调整产业结构推动节能减排的目标有一定差距。但是，自2007年后，产业结构呈现负效应，且逐年增加。说明自2007年起，我国的产业结构优化取得了一定的成效，但是影响仍然较弱。一方面，应努力在高排放的重工业领域进行资源整合，淘汰落后产能，促进产品升级换代；另一方面，应大力发展高新技术产业，鼓励扶持绿色产业的开发，提高第三产业在国民经济中的比重，使我国经济尽快从粗放型向集约型转变。 （2）促进节能技术研究，提高能源利用效率。技术进步对我国碳排放量变化的的负效应十分显著，提高能源利用效率已成为我国推进节能减排的重要手段。所以，我国应该加大对先进节能技术的投资，加强与发达国家的技术交流，引进国外先进的节能技术，推动能源开采、转换及利用环节的创新技术的研发与推广，包括洁净煤技术、清洁发展机制等。
（3）大力发展新能源，优化能源消耗结构。能源结构效应对我国碳排放变化影响微弱，但意义重大。我国能源结构以煤炭为主，要加强能源结构对碳排放变化的影响，主要在于发展非化石能源。所以，我国应充分利用核电、太阳能、风能、水能等新型能源，努力保持并提高这些非化石能源在我国能源消费中的比重。此外三大能源中天然气碳排放相对较少，我国天然气储量丰富，但目前在我国能源消费中所占比例过低，通过调整产业政策等手段促进天然气的推广也是一个值得重视的途径。
（4）运用法律手段限制排放，加强节能减排的宣传工作。众多高排放、高污染企业的存在是导致我国碳排放增长迅速的原因之一，所以我国应尽快针对各行业出台并完善节能法律法规，加大节能法的贯彻力度，同时实施新能源配套政策，从法律层面促进节能减排。另一方面，加强节能减排宣传工作，提高公民对低碳生活与保护环境重要性的认识。目前公民对低碳减排的重要性认识有限，可以通过政府部门以及各方面公益团体、民间组织的作用，加强节能减排宣传力度，增强公民对此方面知识的认识，提高公众的参与积极性，使之在消费观念与方式上，逐步做到消费行为的低碳化，提升全社会的节能水平。
（编辑：田红）
参考文献（References）
[1]王俊松，贺灿飞. 能源消费、经济增长与中国CO2排放量变化：基于LMDI方法的分解分析[J].长江流域资源与环境，2010，19（1）：18-23. [Wang Junsong， He Canfei， Energy Consumption. Economic Growth and CO2 Emissions in China：Analysis Based on LMDI Method [J]. Resources and Environment in the Yangtze Basin， 2010， 19 （1）： 18-23.]
[2]朱勤，彭希哲，陆志明，等. 中国能源消费碳排放变化的因素分解及实证分析[J].资源科学，2009，31（12）：2072-2079.[Zhu Qin， Peng Xizhe， Lu Zhiming， et al. Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China [J].Resources Science， 2009， 31 （12）： 2072-2079.]
[3]李艳梅，张雷，程晓玲. 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.[LI Yanmei，Zhang Lei，CHENG Xiaoling. A Decomposition Model and Reduction Approaches for Carbon Dioxide Emissions in China [J].Resources Science， 2010， 32 （2）： 218-222.]
[4]孙建卫，赵荣钦，黄贤金，等. 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， Huang Xianjin， et al. Research on Carbon Emission Estimation and Factor Decomposition of China from 1995 to 2005 [J]. Journal of Natural Resources， 2010， 25 （8）： 1284-1295.]
[5]郭朝先. 中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：4-9.[Guo Chaoxian， Decomposition of China’s Carbon Emissions： Based on LMDI Method [J]. China Population，Resources and Environment， 2010， 20 （12）： 4-9.]
[6]赵奥，武春友. 中国CO2排放量变化的影响因素分解研究：基于改进的Kaya等式与LMDI分解法[J].软科学，2010，24（12）：55-59.[Zhao Ao， Wu Chunyou. Analysis of Decomposition of Influencing Factors of Variation in CO2 Emission of China：Based on Improved Kaya Identity and LMDI Method [J]. Soft Science， 2010， 24 （12）： 55-59.]
[7]蒋金荷. 中国碳排放量测算及影响因素分析[J].资源科学，2011，33（4）：597-604. [Jiang Jinhe. An Evaluation and Decomposition Analysis of Carbon Emissions in China [J]. Resources Science， 2011， 33 （4）： 597-604.]
[8]Ang B W， Zhang F Q， Choi K H. Factorizing Changes in Energy and Environmental Indicators Through Decomposition [J].Energy， 1998， 23 （6）： 489-495. [9]Lotfalipour M R， Falahi M A， Ashena M. Economic Growth， CO2 Emissions， and Fossil Fuels Consumption in Iran [J].Energy， 2010， 35 （12）： 5115-5120.
[10]Ang J B. CO2 Emissions， Energy Consumption， and Output in France [J]. Energy Policy， 2007， 35 （10）： 4772-4778.
[11]Halicioglu F. An Econometric Study of CO2 Emissions， Energy Consumption， Income and Foreign Trade in Turkey [J].Energy Policy， 2009， 37 （3）： 1156-1164.
[12]Chang C C， Soruco Carballo C F. Energy Conservation and Sustainable Economic Growth： The Case of Latin America and the Caribbean [J]. Energy Policy， 2011， 39 （7）： 4215-4221.
[13]Hatzigeorgiou E， Polatidis H， Haralambopoulos D. CO2 Emissions， GDP and Energy Intensity： A Multivariate Co-Integration and Causality Analysis for Greece， 1977-2007 [J]. Applied Energy， 2011， 88 （4）： 1377-1385.
[14]李国志，李宗植. 二氧化碳排放决定因素的实证分析：基于70个国家（地区）面板数据[J].数理统计与管理，2011，30（4）：585-593.[Li Guozhi， Li Zongzhi. Empirical Analysis on Determinants of Carbon Dioxide Emissions：Based on the Panel Data of 70 Countries （Regions） [J]. Application of Statistics and Management， 2011， 30 （4）： 585-593.]
[15]李科. 中国产业结构与碳排放量关系的实证检验：基于动态面板平滑转换模型的分析[J].数理统计与管理，2014（3）：381-393.[Li Ke. An Empirical Test on the Relationship Between Industrial Structure and Carbon Emission in China ：An Study Based on Dynamic Panel Smooth Transition Regression Model [J]. Application of Statistics and Management， 2014 （3）： 381-393.]
[16]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.[Xu Guoquan， Liu Zeyuan， Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China，1995-2004 [J]. China Population， Resources and Environment， 2006， 16 （6）：158-161.]
[17]Hu C， Huang X J. Characteristics of Carbon Emission in China and Analysis on Its Cause[J]. China Population， Resources and Environment， 2008，18（3）：38-42.
[18]IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories： Volume Ⅱ[EB/OL]. http： //www.ipcc.ch / ipccrepaorts / Methodology reprots.htm.
[19]Malla S. CO2 Emissions from Electricity Generation in Seven Asia Pacific and North American Countries： A Decomposition Analysis [J]. Energy Policy， 2009， 37 （1）： 1-9.
[20]唐建荣，张白羽，王育红. 基于LMDI的中国碳排放驱动因素研究[J].统计与信息论坛，2011，26（11）：19-25.[Tang Jianrong， Zhang Baiyu， Wang Yuhong. Research on Driving Factors of Carbon Emissions in China Based on LMDI [J]. Statistics & Information Forum， 2011， 26 （11）：19-25.]
[21]林伯强，刘希颖. 中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）：66-78. [Lin Boqiang， Liu Xiying. China’s Carbon Dioxide Emissions under the Urbanization Process： Influence Factors and Abatement Policies [J]. Economic Research Journal， 2010 （8）： 66-78.] [22]赵息，齐建民，刘广为. 基于离散二阶差分算法的中国碳排放预测[J].干旱区资源与环境，2013，27（1）：63-69. [Zhao Xi， Qi Jianmin， Liu Guangwei. China Carbon Emission Forecast Based on the Discrete Difference Equation Prediction Model [J]. Journal of Arid Land Resources and Environment， 2013， 27 （1）： 63-69.]
[23]范德成，王韶华，张伟. 低碳经济目标下一次能源消费结构影响因素分析[J].资源科学，2012，34（4）：696-703.[Fan Decheng， Wang Shaohua， Zhang Wei. Analysis of the Influence Factors of the Primary Energy Consumption Structure under the Target of LowCarbon Economy [J]. Resources Science， 2012， 34 （4）： 696-703.]
[24]陈正. 中国能源需求结构预测分析[J].统计与信息论坛，2010，25（11）：81-86. [Chen Zheng. Forecast on Energy Demand Structure in China [J]. Statistics & Information Forum， 2010， 25 （11）： 81-86.]
[25]刘卫东，张雷，王礼茂，等. 我国低碳经济发展框架初步研究[J].地理研究，2010，29（5）：778-788. [Liu Weidong， Zhang Lei， Wang Limao， et al. A Sketch Map of Lowcarbon Economic Development in China [J]. Geographical Research， 2010， 29 （5）： 778-788.]
[26]朱永彬，刘昌新，王铮，等. 我国产业结构演变趋势及其减排潜力分析[J].中国软科学，2013，（2）：35-42.[Zhu Yongbin， Liu Changxin， Wang Zheng， et al. Projection of Industrial Structure Evolution and Its Carbon Abatement Potential for China [J]. China Soft Science， 2013， （2）： 35-42.]
[27]汤铃，鲍勤，王明喜.核电项目暂停审批与我国减排目标的实现：基于CGE模型分析[J].系统工程理论与实践，2014，34（2）：349-356.[Tang Ling， Bao Qin， Wang Mingxi. Stopping Approving Nuclear Power Projects and China’s Commitment of Emissions Mitigation： An Analysis Based on Computable General Equilibrium Model [J].Systems EngineeringTheory & Practice， 2014， 34 （2）：349-356.]
Abstract
With the boom in China’s economy， the issues related with environmental degradation arising from excessive consumption of energy and with the greenhouse effect incurred owing to soaring CO2 emissions have already drawn an extensive attention in the nation and even around the world. In 2007， China replaced the U.S and became the country that had emitted the largest volume of carbon in the world. As committed in the Copenhagen Climate Negotiation Conference， China’s government declared to implement the carbonreduction plan， specifically decreasing CO2 emissions by 40-45% each unit GDP till 2020， compared with that in 2005. Referring to the abovementioned target and comparative analysis of terminal energy consumption in six economic sectors in China， this article applies LMDI decomposition model and decomposes the increment change of carbon emissions into four effects， represented by economy scale and industrial structure. In accordance with the decomposition result， a longterm cointegration equilibrium equation is built to clarify four variables such as carbon emission and economic growth， which is followed by a MonteCarlobased simulation for China’s carbon emission in 2020. As shown from LMDI decomposition， with respect to impact on the increase in carbon emissions， the country’s economy scale really dominates； technological progress influences negatively； and industrial structure and energy structure have limited effect. Besides， the cointegration model demonstrates that these three factors of GDP， the proportion of coal consumption， and energy intensity are positively related to carbon emissions， while the proportion of the tertiary industry is negatively related. In addition， as explained by the MonteCarlobased simulation result， it is estimated that carbon intensity will reduce by 36% to 39% till 2020， very close to the target of a decline of 40% to 45% proposed previously but unsatisfactory actually. This result also implies the fact that there is a long way for China to achieve the target under the current conditions of development path， energysaving level， and energyusing technologies. Therefore， further efforts are needed to strengthen energy conservation and emission reduction. In the end， suggestions are proposed to help accomplish carbonreduction targets stated in the 12th FiveYear Plan as well as in Copenhagen Conference， covering four areas of idealizing industrial structure， improving energy efficiency， optimizing energy structure， and limiting carbon emissions legally and strengthening propaganda for energy conservation and carbon reduction.
Key wordscarbon emission； LMDI； cointegration test； Monte Carlo method