论文部分内容阅读
摘要
引入对数平均迪式分解模型及其归因分析（LMDIAttribution）方法，从细分行业角度对2000-2012年天津市工业部门的碳排放强度变化进行研究，首先对碳排放强度作产业结构、能源强度和排放因子三因素LMDI乘法分解，其后，基于三个分解因素在2000-2006年和2006-2012年两个时间段对碳排放强度下降的影响效应，对其作归因分析，量化36个细分行业对分解因素影响效应的贡献。得到以下主要结论：天津市工业部门的碳排放强度从2000-2012年累计下降了66.87%，产业结构和能源强度是其下降的主导因素，累计影响值分别为-44.53%和-47.39%，排放因子对其下降起抑制作用，累计影响值为15.39%；产业结构对碳排放强度的影响主要依赖于高耗能行业产值占比的变化，化工行业和黑色金属行业产值的占比越高，产业结构的减排效应越差， 因此在调整产业结构时，应大力发展服务业和高新技术产业，严格控制高耗能行业发展；黑色金属行业和非金属矿物制品业是能源强度效应变化的主导行业，由于技术进步和能源效率的提高，黑色金属行业的负值贡献在2006-2012年相对前七年增大了2.56倍，非金属矿物制品业从最大的正值贡献行业转为第二大负值贡献行业，使得2006-2012年能源强度对碳排放强度的拉低影响相对前七年增大了近1倍；排放因子对碳排放强度下降的抑制作用在2006年之后呈现减弱的趋势，主要是因为“十一五”期间化工行业能源结构优化与能源再利用体系的建立，有效抑制了排放因子对碳排放强度的拉升作用。综上可见，黑色金属行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素变化的主要贡献行业，以这些高耗能行业为主要研究对象， 根据行业特点及其所处的发展阶段，严格控制其粗放型发展、鼓励新技术研发、循环利用资源及优化用能结构等措施，针对性的制定节能减排办法，才能在保持经济快速发展的同时做到碳排放强度的降低。
关键词工业；碳排放强度；LMDIAttribution；天津
中图分类号X24文献标识码A文章编号1002-2104（2015）07-0040-08doi：10.3969/j.issn.1002-2104.2015.07.006
气候变化异常已经引起全球广泛关注，依据IPCC4报告，二氧化碳增排是影响气候变化的关键因素。中国作为当前二氧化碳排放第一大国，如何切实可行的促进节能减排，降低碳排放量已经成为当前热点问题。
学术领域对我国的二氧化碳排放进行了大量研究，其中一个主要研究热点是碳排放因素分解。徐国泉等[1]采用LMDI（Log Mean Divisia Index，对数平均迪氏指数分解方法）方法，定量分析了1995-2004 年间能源结构、能源效率及经济发展等因素变化对中国人均碳排放影响，提出经济发展是拉动碳排放的关键因素。张友国[2]基于投入产出结构分解方法分析了1987-2007年经济发展方式变化对中国碳排放强度的影响，得到生产部门能源强度降低是导致碳排放强度下降的最主要因素。郭朝先[3]通过构建碳排放恒等式，运用LMDI方法对中国1995-2007年的碳排放从产业层面和地区层面进行了分解，提出经济总量是影响碳排放增长的最主要因素，而能源效率因素是影响碳排放的主要抑制因素。陈诗一[4]应用LMDI方法对改革开放以来中国工业行业碳排放强度变化进行分解，得到能源强度降低是碳排放强度波动性下降的决定因素。Ren et al[5]将中国划分为九大地区，运用两阶段LDMI方法对能源工业碳排放的影响因素进行分析，表明经济产出是拉升碳排放的主要因素，而能源强度变化是降低碳排放的重要途径。
天津市的综合经济竞争力在我国34个省级区域排名第七[6]，工业仍是其经济发展的支柱产业。谢华生等[7]结合天津的区位、产业等优势，对天津市经济社会发展、能源消费、碳排放发展进行了分析，认为走低碳发展道路是天津市未来经济发展的必然选择。郭彩霞等[8]采用LMDI方法对天津市工业能源消费碳排放量作四因素分解分析，结果表明经济规模是碳排放增长的主导因素，能源利用效率提高是工业节能减排的主要贡献因素。Shao C et al[9]采用LMDI方法和聚类分析对天津市工业部门碳排放特征进行分析，表明高排放和低效率行业在经济发展中起重要作用，提高能源利用效率是节能减排的主要措施。Kang J D et al[10]对天津市温室气体排放作分解分析，结果表明经济增长是产业部门排放增加的主要原因，而能源效率的提高是排放降低的主导因素。
综上可见：当前针对碳排放（碳排放强度）变化的分解研究主要集中于地区或部门层面，通过各种分解方法寻求各影响因素对总量变化的贡献值，从不同的角度得到结论：经济总量是拉升碳排放总量的最主要因素，能源强度或能源利用效率是碳减排的主要贡献因素。但是，当前研究均止步于因素分解，在分解因素的层面解释总量变化的原因，并未进一步追溯到驱动分解因素变化的终端细分行业，研究结果没有具体量化指向，政策指导可操作性有限。
本文引入Choi & Ang[11]提出的LMDIAttribution分析方法并将其拓展至碳排放领域，以2000-2012年天津市工业部门二氧化碳排放强度（以下简称碳排放强度）为研究对象，对其总的碳排放强度进行LMDI乘法分解，再进一步应用归因分析量化36个细分行业对分解因素影响效应变化的贡献，从分解因素的角度给出各行业对碳排放强度变化的间接影响，为评价政策的实施成效提供更为细致的依据，也为将来相关政策的制定提供参考。
1研究方法
IDA（指数分解分析）方法的思想在于量化藏在总量变化背后的推动因素，经Sun[12]修正过的Laspeyres分解方法和Ang[13]提出的LMDI方法是当前主要的两种分解方法。LMDI方法由于其完全分解和一致性等优点，被认为是目前最理想的分解方法[5，16-18]。基于LMDI乘法分解，Choi & Ang[11]对其提出进一步的拓展分析——归因分析，将分解因素影响效应的变化值加法分解至构成总量的所有终端行业。本文将这两种方法的结合称为LMDIAttribution，并将其拓展至碳排放领域，对碳排放强度作三因素LMDI乘法分解，分析各因素对总量变化的贡献值，并计算构成总量的各行业对分解指数影响效应变化比例的贡献。 2.2天津市工业部门碳排放强度因素分解及拓展分析
基于以上对天津市2000-2012年13年间产业部门碳排放量的初步分析，工业部门对这一时间段内天津市五大产业部门碳排放变化趋势起绝对主导作用，所以选取工业部门作为研究对象，进一步分解工业碳排放强度变化的影响因素，以及细分行业对这些因素影响效应变化的贡献，最终将碳排放强度变化的推动力量从因素分解的角度追溯到36个细分行业。
2.2.1碳排放强度因素分解
使用LMDI乘法分解模型，将天津市2000-2012年间工业部门36个细分行业碳排放强度分解为产业结构、能源强度、排放因子三个影响因素，以2000年为基年，给出工业部门碳排放强度及其分解因素影响效应变化的时间序列结果，如图2所示。碳排放强度从2001年开始逐年
下降，至2012年，累计下降66.87%，产业结构和能源强度是导致其下降的主要因素，全时期累计影响效应分别为-44.53%和-47.39%，排放因子对其下降起轻微抑制作用，全时期累计影响效应为15.39%。2000-2001年能源强度与产业结构共同发挥拉升作用，使得碳排放强度出现短暂上升，2001-2002年能源强度因素拉升作用趋于缓和，排放因子因素拉升作用逐渐增大，但受产业结构因素拉低作用的影响，二氧化碳排放强度开始回落，至2006年，碳排放强度受产业结构和能源强度两因素拉低作用影响，克服排放因子影响效应逐步走高的趋势，相对2011年累计下降55.72%。2006-2009年由于产业结构效应停止下降，碳排放强度降势也随即变缓，直至2009年开始产业结构效应再次进入下降趋势，与能源强度共同作用使碳排放强度再次大幅下降。2.2.2分解因素归因分析
基于以上2000-2012年天津市工业部门碳排放强度LMDI乘法分解结果，根据公式（10）对分解因素影响效应变化比例作归因分析，分析结果以2000年和2006年为基年，给出2000-2006年、2006-2012年两个时间段工业细分行业对分解因素影响效应变化比例的累计贡献值（见表1）。（1）产业结构因素归因分析。
上节对天津市工业行业碳排放强度的分解结果显示，产业结构对碳排放强度变化的影响在2000-2006年占主导地位，由于2006-2009年出现影响效应减弱的情形，导致其后期的表现比较一
般。由表1可以看出：2000-2006年，产业结构对碳排放强度下降的累计影响值为-35.36%，对这一值的负值贡献排名前5的行业有化学原料及化学制品制造业、纺织业、石油和天然气开采业、石油加工炼焦及核燃料加工业和非金属矿物制品业，这五个行业贡献值总和为-28.27%。这5个行业中有3个行业被列为高耗能行业，多属能源密集型行业，垄断性高，CO2排放量大，对整个工业部门碳排放强度趋势的走向有举足轻重的作用。
2006-2012年，产业结构对碳排放强度下降的累计影响值为-14.19%，对这一值的负值贡献排名前5的行业有黑色金属冶炼及压延加工业，石油加工炼焦及核燃料加工业、化学原料及化学制品制造业、电力热力的生产和供应业、石油和天然气开采业，其贡献值总和为-14.12%。
相比2000-2006年，2006-2012年有27个行业对产业结构影响效应的贡献值呈现出负值贡献能力降低或负值贡献转为正值贡献情况，仅有9个行业的负值贡献能力进一步加强，其中化学原料及化学制品制造业是负值贡献能力大幅缩减的典型代表，累计负值贡献从-17.35%缩小至-2.39%，而黑色金属冶炼及压延加工业情况正相反，前后两个时间段中，累计贡献值从正值1.19%转为负值-4.73%，成为后期影响产业结构拉低效应的主力。这主要是受2008年经济危机爆发影响，2009年中国政府出台一系列应对措施，大量资金涌入基础设施建设领域，使得化工、钢铁等重工业生产总值大幅上升，产业结构在短期内发生较大变化所致。随着经济情况好转，2010年后中央财政政策相对前两年逐步收紧，使得钢铁行业在2009年产能激增后迅速回落并持续下降，对产业结构影响效应的贡献也由正转负。可以看出，产业结构对碳排放强度影响值的变化主要依托于天津市支柱产业中高耗能行业的产值变化。
（2）能源强度因素归因分析。
结合图2可以看出，能源强度在2002年后对碳排放强度发挥拉低作用，并在2009年开始对碳排放强度下降的拉低效应赶超产业结构，成为主导因素。由表1可以看出，2000-2006年能源强度对碳排放强度下降的累计影响值为-18.61%，其负值贡献者主要包括交通运输设备、通信及电子设备、通用设备等设备制造业、黑色及有色金属冶炼及压延加工业、石油和天然气开采业、非金属矿物制品业，这些行业的贡献值总和为-14.70%。 2006-2012年能源强度对碳排放强度下降的累计影响值增大为-3537%，主要受到黑色金属冶炼及压延加工业、石油加工炼焦及核燃料加工业、非金属矿物制品业、通用设备和通信电子设备制造业、饮料制造业的影响，这些行业贡献值总和为-25.01%。
2006-2012年相对2000-2006年，有15个行业对碳排放强度影响效应的贡献值呈现负值贡献缩小或转为正值的趋势，有21个行业呈现正值贡献向负值转变或负值贡献能力加强的趋势。金属制品、各种设备制造业是负值贡献缩小的主要行业，而黑色金属冶炼和压延加工业以及非金属矿物制品业是负值贡献加强或正值贡献转正的典型代表行业，前者负值贡献值在后半时间段相比前半时间段增长了2.56倍，后者更是从前期的主要正值贡献行业逆转为后期的第二大负值贡献行业。 “十一五”期间，天津市通过制定百余项能源监测、企业能耗等地方标准，基本形成了覆盖主要用能设备和重点耗能行业的节能标准体系，着重提升高耗能行业能源利用效率，在这两大高耗能行业中产生了最为显著的正面效果。
（3）排放因子因素归因分析。 从2000-2006年到2006-2012年，排放因子对碳排放强度下降的累计影响值从正值16.4%转变为负值-2.46%，影响效应在后期发生逆转，从抑制变为拉动。这主要由于化学原料及化学制品制造业在后半段时间的累计贡献值大幅下降并由正值贡献转为负值贡献所致，这样的结果部分受益于“十一五”期间，政府鼓励化工企业实施余热余压利用、能量系统优化项目建设所取得的成果。
3结论与建议
本文基于LMDIAttribution方法——迪氏指数乘法分解模型及其归因分析，将天津市2000-2012年工业细分行业能源消费碳排放强度分解为产业结构、能源强度和排放因子三个因素，并对各影响因素作进一步归因分析，得到如下结论：
（1）2000-2012年天津市工业部门碳排放强度主要呈现下降趋势，全时期累计下降66.87%。其中，产业结构在2001-2009年时碳排放强度下降的主导因素，2009年后能源强度赶超产业结构，成为碳排放强度下降的主要影响因素，排放因子对碳排放强度的下降主要起抑制作用，影响值较为轻微。
（2）产业结构对碳排放强度影响值的变化主要依托于天津市支柱产业中高耗能行业的产值变化。产业结构影响效应在2006-2012年相对2000-2006年期间增长较小，主要是受2008年经济危机和政府以投资拉动内需的政策影响，化工、钢铁等与基础设施建设紧密相关的高耗能行业产值大幅上升，对产业结构效应的负值贡献能力相应大幅减弱所致，而随着经济情况好转，2010年财政政策相对收紧，使得钢铁行业在2009年产能激增后迅速回落并持续下降，对产业结构影响效应的贡献值也由正转负。可以看出，对于高耗能行业，产值在工业部门中占比的增加相应会通过产业结构效应导致碳排放强度的上升，因此未来调结构相关的减排措施可以将重点放在继续加快发展能源消耗少的服务业和高新技术产业，严格控制高耗能产业的粗放型发展。
（3）能源强度在2006-2012年对碳排放强度的累计影响效应相对前七年增大了近1倍，对这一变化贡献最大的行业是黑色金属行业和非金属矿物制品业，前者在2006-2012年的累计贡献值相对前七年增大了2.56倍，成为后期能源强度影响效应的最大负值贡献行业；而后者对能源强度效应的贡献值更是发生逆转，从最大的正值贡献行业转为第二大负值贡献行业。表明天津市针对重点用能设备和高耗能行业节能标准体系的建设取得了丰硕的成果，相关政策可以依据重点耗能行业生产特点，引入更具针对性的节能标准，将节能指标完成情况纳入经济社会发展综合评价和年度考核体系，通过提高高耗能行业的能源效率，使得天津市减排成效再上一个台阶。
（4）化工行业作为排放因子影响效应变化的主导行业，在“十一五”期间能源结构的优化与能源再利用体系的建立，使其对排放因子的贡献值从正值转为负值，抑制排放因子对碳排放强度的拉升作用。未来政策制定可以借鉴化工行业所取得的成果，依托行业生产特点，制定相应的能源结构优化办法，通过用能结构的优化及新能源的引入，降低碳排放强度。
钢铁行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素的主要贡献行业，以这些高耗能行业为重点关注对象，根据行业特点及其所处的发展阶段，结合本文研究结果，可以通过控制高耗能产业的粗放型发展、提高非能源型行业比重、鼓励科技研发、循环利用资源、优化用能结构及引入新能源等措施，针对性的制定节能减排政策，同时大力发展服务业和高新技术产业，提升低能耗产业在经济结构中的比重，才能在保持经济快速发展的同时做到碳排放强度的降低。
（编辑：王爱萍）
参考文献（References）
[1]徐国泉， 刘则渊. 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. Decomposition Model and Empirical Study of Carbon Emissions for China， 1995- 2004[J].China Population， Resources and Environment，2006，16（6）：158-161.]
[2]张友国. 经济发展方式变化对中国碳排放强度的影响[J]. 经济研究， 2010， 45（4）： 120-133.[Zhang Youguo. Economic Development Pattern Change Impact on Chinas Carbon Intensity[J]. Economic Research Journal，2010，45（4）：120-133.]
[3]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， 2011， 20（12）： 4-9.[Guo Chaoxian. Decomposition of Chinas Carbon Emissions： Based on LMDI Method[J]. China Population， Resources and Environment，2011，20（12）：4-9.]
[4]陈诗一. 能源消耗， 二氧化碳排放与中国工业的可持续发展[J]. 经济研究， 2009， （4）： 006.[Chen Shiyi. Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry[J]. Economic Research Journal，2009，（4）：006.]
[5]Ren Shenggang， Fu Xiang， Chen XiaoHong. Regional Variation of EnergyRelated Industrial CO2 Emissions Mitigationin China [J]. China Economic Review，2012，23： 1134-1145. [6]“十一五”期间中国省域经济综合竞争力发展报告[M].北京：社会科学文献出版社， 2012.[ Report on Overall Competitiveness Chinas Provincial Economy During the Eleventh Fiveyear Program [M]. Beijing： Social Science Academic Press， 2012.]
[7]谢华生， 杨勇， 虞子婧， 等. 天津市低碳发展路径探讨[J]. 中国人口·资源与环境， 2010，（S2）： 211-214. [Xie Huasheng， Yang Yong， Yu Zijing， et al. LowCarbon Development Path of Tianjin [J]. China Population， Resources and Environment，2010，（S2）： 211-214.]
[8]郭彩霞， 邵超峰，等. 天津市工业能源消费碳排放量核算及影响因素分解[J]. 环境科学研究， 2012， 25（2）： 232-239.[Guo Caixia， Shao Chaofeng， et al. Carbon Emission Accounting and Decomposition Analysis of Energy Consumption in the Industrial Subsectors of Tianjin City[J]. Research of Environmental Sciences，2012，25（2）：232-239.]
[9]Shao C， Guan Y， Wan Z. Performance and Decomposition Analyses of Carbon Emissions from Industrial Energy Consumption in Tianjin， China[J]. Journal of Cleaner Production， 2014， 64： 590-601.
[10]Kang J D， Zhao T， Liu N， et al. A Multisectoral Decomposition Analysis of Citylevel Greenhouse Gas Emissions： Case Study of Tianjin， China[J]. Energy， 2014， 68： 562-571.
[11]Choi K H， Ang B W. Attribution of Changes in Divisia Real Energy Intensity Index： An Extension to Index Decomposition Analysis[J]. Energy Economics， 2012， 34（1）： 171-176.
[12]Sun J W. Changes in Energy Consumption and Energy Intensity： A Complete Decomposition Model[J]. Energy Economics， 1998， 20（1）： 85-100.
[13]Ang B W， Liu F L. A New Energy Decomposition Method： Perfect in Decomposition and Consistent in Aggregation[J]. Energy， 26，537-548.
[14]Ang B W.Decomposition Analysis for Policymaking in Energy：Which Is the Preferred Method[J].Energy Policy，2004，32：1131-1139.
[15]He J. What Is the Role of Openness for Chinas Aggregate Industrial SO2 Emission？： A Structural Analysis Based on the Divisia Decomposition Method[J]. Ecological Economics， 2010，69（4）：868-886.
[16]Mendiluce M，Pe’rezArriaga I，Ocana C.Comparison of the Evolution of Energy Intensity in Spain and in the EU15.Why Is Spain Different[J].Energy Policy，2010，38：639-645.
[17]王栋，潘文卿，刘庆，等.中国产业CO2排放的因素分解：基于LMDI模型[J].系统工程理论与实践，2012，32（6）：1193-1203.[Wang Dong， Pan Wenqing， Liu Qing，et.al. Factors Decomposition of CO2 Emission in China’s Industries：Based on LMDI Model [J].Systems EngineeringThoery & Practice，2012，32（6）：1193-1203.]
[18]孙赵勇，任保平.能源消费影响因素分解方法的比较研究[J].资源科学，2013，35（1）：102-108.[Sun Zhaoyong，Ren Baoping.A Comparative Study of Energy Consumption Decomposition Methods[J].Resources Science，2013，35（1）：102-108.] [19]Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios[R]. Paris： IPCC Energy and Industry Subgroup， Response Strategies Working Group， 1990： 76.
[20]Ang B W， Choi K H. Decomposition of Aggregate Energy and Gas Emission Intensities for Industry： A Refined Divisia Index Method [J]. The Energy Journal， 1997，18（3）：59-73.
[21]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories： Volume[EB /OL]. Http： //www. Ipcc. ch /ipccreports /Methodologyreports.htm.
[22]徐成龙，张晓青，任建兰.山东省低碳发展下的碳排放情景研究[J].经济与管理评论，2013， （5）：133-139.[Xu Chenglong， Zhang Xiaoqing， Ren Jianlan. A Scene Study on the Carbon Emission under the Condition of the Low Carbon Development in Shandong Province[J]. Review of Economy and Management， 2013， （5）：133-139.]
[23]操小娟. 气候政策中激励政策工具的组合应用： 欧盟的实践及启示[J]. 中国地质大学学报：社会科学版， 2014， 14（4）：60-66.[Cao Xiaojuan. Combination of Incentive Policy Instrument in Climate Policy： EU Practices and Its Inspiration [J]. Journal of China University of Geosciences： Social Sciences Edition， 2014， 14（4）：60-66.]
[24]秦昌才，刘树林.碳排放影响因素研究的现状、比较与启示[J].经济与管理评论，2012，（3）：29-33.[Qin Changcai， Liu Shulin. Current Situation， Comparison and Enlightenment of the Study on the Influencing Factors of Carbon Emissions [J]. Review of Economy and Management， 2012， （3）：29-33.]
引入对数平均迪式分解模型及其归因分析（LMDIAttribution）方法，从细分行业角度对2000-2012年天津市工业部门的碳排放强度变化进行研究，首先对碳排放强度作产业结构、能源强度和排放因子三因素LMDI乘法分解，其后，基于三个分解因素在2000-2006年和2006-2012年两个时间段对碳排放强度下降的影响效应，对其作归因分析，量化36个细分行业对分解因素影响效应的贡献。得到以下主要结论：天津市工业部门的碳排放强度从2000-2012年累计下降了66.87%，产业结构和能源强度是其下降的主导因素，累计影响值分别为-44.53%和-47.39%，排放因子对其下降起抑制作用，累计影响值为15.39%；产业结构对碳排放强度的影响主要依赖于高耗能行业产值占比的变化，化工行业和黑色金属行业产值的占比越高，产业结构的减排效应越差， 因此在调整产业结构时，应大力发展服务业和高新技术产业，严格控制高耗能行业发展；黑色金属行业和非金属矿物制品业是能源强度效应变化的主导行业，由于技术进步和能源效率的提高，黑色金属行业的负值贡献在2006-2012年相对前七年增大了2.56倍，非金属矿物制品业从最大的正值贡献行业转为第二大负值贡献行业，使得2006-2012年能源强度对碳排放强度的拉低影响相对前七年增大了近1倍；排放因子对碳排放强度下降的抑制作用在2006年之后呈现减弱的趋势，主要是因为“十一五”期间化工行业能源结构优化与能源再利用体系的建立，有效抑制了排放因子对碳排放强度的拉升作用。综上可见，黑色金属行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素变化的主要贡献行业，以这些高耗能行业为主要研究对象， 根据行业特点及其所处的发展阶段，严格控制其粗放型发展、鼓励新技术研发、循环利用资源及优化用能结构等措施，针对性的制定节能减排办法，才能在保持经济快速发展的同时做到碳排放强度的降低。
关键词工业；碳排放强度；LMDIAttribution；天津
中图分类号X24文献标识码A文章编号1002-2104（2015）07-0040-08doi：10.3969/j.issn.1002-2104.2015.07.006
气候变化异常已经引起全球广泛关注，依据IPCC4报告，二氧化碳增排是影响气候变化的关键因素。中国作为当前二氧化碳排放第一大国，如何切实可行的促进节能减排，降低碳排放量已经成为当前热点问题。
学术领域对我国的二氧化碳排放进行了大量研究，其中一个主要研究热点是碳排放因素分解。徐国泉等[1]采用LMDI（Log Mean Divisia Index，对数平均迪氏指数分解方法）方法，定量分析了1995-2004 年间能源结构、能源效率及经济发展等因素变化对中国人均碳排放影响，提出经济发展是拉动碳排放的关键因素。张友国[2]基于投入产出结构分解方法分析了1987-2007年经济发展方式变化对中国碳排放强度的影响，得到生产部门能源强度降低是导致碳排放强度下降的最主要因素。郭朝先[3]通过构建碳排放恒等式，运用LMDI方法对中国1995-2007年的碳排放从产业层面和地区层面进行了分解，提出经济总量是影响碳排放增长的最主要因素，而能源效率因素是影响碳排放的主要抑制因素。陈诗一[4]应用LMDI方法对改革开放以来中国工业行业碳排放强度变化进行分解，得到能源强度降低是碳排放强度波动性下降的决定因素。Ren et al[5]将中国划分为九大地区，运用两阶段LDMI方法对能源工业碳排放的影响因素进行分析，表明经济产出是拉升碳排放的主要因素，而能源强度变化是降低碳排放的重要途径。
天津市的综合经济竞争力在我国34个省级区域排名第七[6]，工业仍是其经济发展的支柱产业。谢华生等[7]结合天津的区位、产业等优势，对天津市经济社会发展、能源消费、碳排放发展进行了分析，认为走低碳发展道路是天津市未来经济发展的必然选择。郭彩霞等[8]采用LMDI方法对天津市工业能源消费碳排放量作四因素分解分析，结果表明经济规模是碳排放增长的主导因素，能源利用效率提高是工业节能减排的主要贡献因素。Shao C et al[9]采用LMDI方法和聚类分析对天津市工业部门碳排放特征进行分析，表明高排放和低效率行业在经济发展中起重要作用，提高能源利用效率是节能减排的主要措施。Kang J D et al[10]对天津市温室气体排放作分解分析，结果表明经济增长是产业部门排放增加的主要原因，而能源效率的提高是排放降低的主导因素。
综上可见：当前针对碳排放（碳排放强度）变化的分解研究主要集中于地区或部门层面，通过各种分解方法寻求各影响因素对总量变化的贡献值，从不同的角度得到结论：经济总量是拉升碳排放总量的最主要因素，能源强度或能源利用效率是碳减排的主要贡献因素。但是，当前研究均止步于因素分解，在分解因素的层面解释总量变化的原因，并未进一步追溯到驱动分解因素变化的终端细分行业，研究结果没有具体量化指向，政策指导可操作性有限。
本文引入Choi & Ang[11]提出的LMDIAttribution分析方法并将其拓展至碳排放领域，以2000-2012年天津市工业部门二氧化碳排放强度（以下简称碳排放强度）为研究对象，对其总的碳排放强度进行LMDI乘法分解，再进一步应用归因分析量化36个细分行业对分解因素影响效应变化的贡献，从分解因素的角度给出各行业对碳排放强度变化的间接影响，为评价政策的实施成效提供更为细致的依据，也为将来相关政策的制定提供参考。
1研究方法
IDA（指数分解分析）方法的思想在于量化藏在总量变化背后的推动因素，经Sun[12]修正过的Laspeyres分解方法和Ang[13]提出的LMDI方法是当前主要的两种分解方法。LMDI方法由于其完全分解和一致性等优点，被认为是目前最理想的分解方法[5，16-18]。基于LMDI乘法分解，Choi & Ang[11]对其提出进一步的拓展分析——归因分析，将分解因素影响效应的变化值加法分解至构成总量的所有终端行业。本文将这两种方法的结合称为LMDIAttribution，并将其拓展至碳排放领域，对碳排放强度作三因素LMDI乘法分解，分析各因素对总量变化的贡献值，并计算构成总量的各行业对分解指数影响效应变化比例的贡献。 2.2天津市工业部门碳排放强度因素分解及拓展分析
基于以上对天津市2000-2012年13年间产业部门碳排放量的初步分析，工业部门对这一时间段内天津市五大产业部门碳排放变化趋势起绝对主导作用，所以选取工业部门作为研究对象，进一步分解工业碳排放强度变化的影响因素，以及细分行业对这些因素影响效应变化的贡献，最终将碳排放强度变化的推动力量从因素分解的角度追溯到36个细分行业。
2.2.1碳排放强度因素分解
使用LMDI乘法分解模型，将天津市2000-2012年间工业部门36个细分行业碳排放强度分解为产业结构、能源强度、排放因子三个影响因素，以2000年为基年，给出工业部门碳排放强度及其分解因素影响效应变化的时间序列结果，如图2所示。碳排放强度从2001年开始逐年
下降，至2012年，累计下降66.87%，产业结构和能源强度是导致其下降的主要因素，全时期累计影响效应分别为-44.53%和-47.39%，排放因子对其下降起轻微抑制作用，全时期累计影响效应为15.39%。2000-2001年能源强度与产业结构共同发挥拉升作用，使得碳排放强度出现短暂上升，2001-2002年能源强度因素拉升作用趋于缓和，排放因子因素拉升作用逐渐增大，但受产业结构因素拉低作用的影响，二氧化碳排放强度开始回落，至2006年，碳排放强度受产业结构和能源强度两因素拉低作用影响，克服排放因子影响效应逐步走高的趋势，相对2011年累计下降55.72%。2006-2009年由于产业结构效应停止下降，碳排放强度降势也随即变缓，直至2009年开始产业结构效应再次进入下降趋势，与能源强度共同作用使碳排放强度再次大幅下降。2.2.2分解因素归因分析
基于以上2000-2012年天津市工业部门碳排放强度LMDI乘法分解结果，根据公式（10）对分解因素影响效应变化比例作归因分析，分析结果以2000年和2006年为基年，给出2000-2006年、2006-2012年两个时间段工业细分行业对分解因素影响效应变化比例的累计贡献值（见表1）。（1）产业结构因素归因分析。
上节对天津市工业行业碳排放强度的分解结果显示，产业结构对碳排放强度变化的影响在2000-2006年占主导地位，由于2006-2009年出现影响效应减弱的情形，导致其后期的表现比较一
般。由表1可以看出：2000-2006年，产业结构对碳排放强度下降的累计影响值为-35.36%，对这一值的负值贡献排名前5的行业有化学原料及化学制品制造业、纺织业、石油和天然气开采业、石油加工炼焦及核燃料加工业和非金属矿物制品业，这五个行业贡献值总和为-28.27%。这5个行业中有3个行业被列为高耗能行业，多属能源密集型行业，垄断性高，CO2排放量大，对整个工业部门碳排放强度趋势的走向有举足轻重的作用。
2006-2012年，产业结构对碳排放强度下降的累计影响值为-14.19%，对这一值的负值贡献排名前5的行业有黑色金属冶炼及压延加工业，石油加工炼焦及核燃料加工业、化学原料及化学制品制造业、电力热力的生产和供应业、石油和天然气开采业，其贡献值总和为-14.12%。
相比2000-2006年，2006-2012年有27个行业对产业结构影响效应的贡献值呈现出负值贡献能力降低或负值贡献转为正值贡献情况，仅有9个行业的负值贡献能力进一步加强，其中化学原料及化学制品制造业是负值贡献能力大幅缩减的典型代表，累计负值贡献从-17.35%缩小至-2.39%，而黑色金属冶炼及压延加工业情况正相反，前后两个时间段中，累计贡献值从正值1.19%转为负值-4.73%，成为后期影响产业结构拉低效应的主力。这主要是受2008年经济危机爆发影响，2009年中国政府出台一系列应对措施，大量资金涌入基础设施建设领域，使得化工、钢铁等重工业生产总值大幅上升，产业结构在短期内发生较大变化所致。随着经济情况好转，2010年后中央财政政策相对前两年逐步收紧，使得钢铁行业在2009年产能激增后迅速回落并持续下降，对产业结构影响效应的贡献也由正转负。可以看出，产业结构对碳排放强度影响值的变化主要依托于天津市支柱产业中高耗能行业的产值变化。
（2）能源强度因素归因分析。
结合图2可以看出，能源强度在2002年后对碳排放强度发挥拉低作用，并在2009年开始对碳排放强度下降的拉低效应赶超产业结构，成为主导因素。由表1可以看出，2000-2006年能源强度对碳排放强度下降的累计影响值为-18.61%，其负值贡献者主要包括交通运输设备、通信及电子设备、通用设备等设备制造业、黑色及有色金属冶炼及压延加工业、石油和天然气开采业、非金属矿物制品业，这些行业的贡献值总和为-14.70%。 2006-2012年能源强度对碳排放强度下降的累计影响值增大为-3537%，主要受到黑色金属冶炼及压延加工业、石油加工炼焦及核燃料加工业、非金属矿物制品业、通用设备和通信电子设备制造业、饮料制造业的影响，这些行业贡献值总和为-25.01%。
2006-2012年相对2000-2006年，有15个行业对碳排放强度影响效应的贡献值呈现负值贡献缩小或转为正值的趋势，有21个行业呈现正值贡献向负值转变或负值贡献能力加强的趋势。金属制品、各种设备制造业是负值贡献缩小的主要行业，而黑色金属冶炼和压延加工业以及非金属矿物制品业是负值贡献加强或正值贡献转正的典型代表行业，前者负值贡献值在后半时间段相比前半时间段增长了2.56倍，后者更是从前期的主要正值贡献行业逆转为后期的第二大负值贡献行业。 “十一五”期间，天津市通过制定百余项能源监测、企业能耗等地方标准，基本形成了覆盖主要用能设备和重点耗能行业的节能标准体系，着重提升高耗能行业能源利用效率，在这两大高耗能行业中产生了最为显著的正面效果。
（3）排放因子因素归因分析。 从2000-2006年到2006-2012年，排放因子对碳排放强度下降的累计影响值从正值16.4%转变为负值-2.46%，影响效应在后期发生逆转，从抑制变为拉动。这主要由于化学原料及化学制品制造业在后半段时间的累计贡献值大幅下降并由正值贡献转为负值贡献所致，这样的结果部分受益于“十一五”期间，政府鼓励化工企业实施余热余压利用、能量系统优化项目建设所取得的成果。
3结论与建议
本文基于LMDIAttribution方法——迪氏指数乘法分解模型及其归因分析，将天津市2000-2012年工业细分行业能源消费碳排放强度分解为产业结构、能源强度和排放因子三个因素，并对各影响因素作进一步归因分析，得到如下结论：
（1）2000-2012年天津市工业部门碳排放强度主要呈现下降趋势，全时期累计下降66.87%。其中，产业结构在2001-2009年时碳排放强度下降的主导因素，2009年后能源强度赶超产业结构，成为碳排放强度下降的主要影响因素，排放因子对碳排放强度的下降主要起抑制作用，影响值较为轻微。
（2）产业结构对碳排放强度影响值的变化主要依托于天津市支柱产业中高耗能行业的产值变化。产业结构影响效应在2006-2012年相对2000-2006年期间增长较小，主要是受2008年经济危机和政府以投资拉动内需的政策影响，化工、钢铁等与基础设施建设紧密相关的高耗能行业产值大幅上升，对产业结构效应的负值贡献能力相应大幅减弱所致，而随着经济情况好转，2010年财政政策相对收紧，使得钢铁行业在2009年产能激增后迅速回落并持续下降，对产业结构影响效应的贡献值也由正转负。可以看出，对于高耗能行业，产值在工业部门中占比的增加相应会通过产业结构效应导致碳排放强度的上升，因此未来调结构相关的减排措施可以将重点放在继续加快发展能源消耗少的服务业和高新技术产业，严格控制高耗能产业的粗放型发展。
（3）能源强度在2006-2012年对碳排放强度的累计影响效应相对前七年增大了近1倍，对这一变化贡献最大的行业是黑色金属行业和非金属矿物制品业，前者在2006-2012年的累计贡献值相对前七年增大了2.56倍，成为后期能源强度影响效应的最大负值贡献行业；而后者对能源强度效应的贡献值更是发生逆转，从最大的正值贡献行业转为第二大负值贡献行业。表明天津市针对重点用能设备和高耗能行业节能标准体系的建设取得了丰硕的成果，相关政策可以依据重点耗能行业生产特点，引入更具针对性的节能标准，将节能指标完成情况纳入经济社会发展综合评价和年度考核体系，通过提高高耗能行业的能源效率，使得天津市减排成效再上一个台阶。
（4）化工行业作为排放因子影响效应变化的主导行业，在“十一五”期间能源结构的优化与能源再利用体系的建立，使其对排放因子的贡献值从正值转为负值，抑制排放因子对碳排放强度的拉升作用。未来政策制定可以借鉴化工行业所取得的成果，依托行业生产特点，制定相应的能源结构优化办法，通过用能结构的优化及新能源的引入，降低碳排放强度。
钢铁行业、化工行业和非金属矿物制品业是天津市碳排放强度分解因素的主要贡献行业，以这些高耗能行业为重点关注对象，根据行业特点及其所处的发展阶段，结合本文研究结果，可以通过控制高耗能产业的粗放型发展、提高非能源型行业比重、鼓励科技研发、循环利用资源、优化用能结构及引入新能源等措施，针对性的制定节能减排政策，同时大力发展服务业和高新技术产业，提升低能耗产业在经济结构中的比重，才能在保持经济快速发展的同时做到碳排放强度的降低。
（编辑：王爱萍）
参考文献（References）
[1]徐国泉， 刘则渊. 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. Decomposition Model and Empirical Study of Carbon Emissions for China， 1995- 2004[J].China Population， Resources and Environment，2006，16（6）：158-161.]
[2]张友国. 经济发展方式变化对中国碳排放强度的影响[J]. 经济研究， 2010， 45（4）： 120-133.[Zhang Youguo. Economic Development Pattern Change Impact on Chinas Carbon Intensity[J]. Economic Research Journal，2010，45（4）：120-133.]
[3]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， 2011， 20（12）： 4-9.[Guo Chaoxian. Decomposition of Chinas Carbon Emissions： Based on LMDI Method[J]. China Population， Resources and Environment，2011，20（12）：4-9.]
[4]陈诗一. 能源消耗， 二氧化碳排放与中国工业的可持续发展[J]. 经济研究， 2009， （4）： 006.[Chen Shiyi. Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry[J]. Economic Research Journal，2009，（4）：006.]
[5]Ren Shenggang， Fu Xiang， Chen XiaoHong. Regional Variation of EnergyRelated Industrial CO2 Emissions Mitigationin China [J]. China Economic Review，2012，23： 1134-1145. [6]“十一五”期间中国省域经济综合竞争力发展报告[M].北京：社会科学文献出版社， 2012.[ Report on Overall Competitiveness Chinas Provincial Economy During the Eleventh Fiveyear Program [M]. Beijing： Social Science Academic Press， 2012.]
[7]谢华生， 杨勇， 虞子婧， 等. 天津市低碳发展路径探讨[J]. 中国人口·资源与环境， 2010，（S2）： 211-214. [Xie Huasheng， Yang Yong， Yu Zijing， et al. LowCarbon Development Path of Tianjin [J]. China Population， Resources and Environment，2010，（S2）： 211-214.]
[8]郭彩霞， 邵超峰，等. 天津市工业能源消费碳排放量核算及影响因素分解[J]. 环境科学研究， 2012， 25（2）： 232-239.[Guo Caixia， Shao Chaofeng， et al. Carbon Emission Accounting and Decomposition Analysis of Energy Consumption in the Industrial Subsectors of Tianjin City[J]. Research of Environmental Sciences，2012，25（2）：232-239.]
[9]Shao C， Guan Y， Wan Z. Performance and Decomposition Analyses of Carbon Emissions from Industrial Energy Consumption in Tianjin， China[J]. Journal of Cleaner Production， 2014， 64： 590-601.
[10]Kang J D， Zhao T， Liu N， et al. A Multisectoral Decomposition Analysis of Citylevel Greenhouse Gas Emissions： Case Study of Tianjin， China[J]. Energy， 2014， 68： 562-571.
[11]Choi K H， Ang B W. Attribution of Changes in Divisia Real Energy Intensity Index： An Extension to Index Decomposition Analysis[J]. Energy Economics， 2012， 34（1）： 171-176.
[12]Sun J W. Changes in Energy Consumption and Energy Intensity： A Complete Decomposition Model[J]. Energy Economics， 1998， 20（1）： 85-100.
[13]Ang B W， Liu F L. A New Energy Decomposition Method： Perfect in Decomposition and Consistent in Aggregation[J]. Energy， 26，537-548.
[14]Ang B W.Decomposition Analysis for Policymaking in Energy：Which Is the Preferred Method[J].Energy Policy，2004，32：1131-1139.
[15]He J. What Is the Role of Openness for Chinas Aggregate Industrial SO2 Emission？： A Structural Analysis Based on the Divisia Decomposition Method[J]. Ecological Economics， 2010，69（4）：868-886.
[16]Mendiluce M，Pe’rezArriaga I，Ocana C.Comparison of the Evolution of Energy Intensity in Spain and in the EU15.Why Is Spain Different[J].Energy Policy，2010，38：639-645.
[17]王栋，潘文卿，刘庆，等.中国产业CO2排放的因素分解：基于LMDI模型[J].系统工程理论与实践，2012，32（6）：1193-1203.[Wang Dong， Pan Wenqing， Liu Qing，et.al. Factors Decomposition of CO2 Emission in China’s Industries：Based on LMDI Model [J].Systems EngineeringThoery & Practice，2012，32（6）：1193-1203.]
[18]孙赵勇，任保平.能源消费影响因素分解方法的比较研究[J].资源科学，2013，35（1）：102-108.[Sun Zhaoyong，Ren Baoping.A Comparative Study of Energy Consumption Decomposition Methods[J].Resources Science，2013，35（1）：102-108.] [19]Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios[R]. Paris： IPCC Energy and Industry Subgroup， Response Strategies Working Group， 1990： 76.
[20]Ang B W， Choi K H. Decomposition of Aggregate Energy and Gas Emission Intensities for Industry： A Refined Divisia Index Method [J]. The Energy Journal， 1997，18（3）：59-73.
[21]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories： Volume[EB /OL]. Http： //www. Ipcc. ch /ipccreports /Methodologyreports.htm.
[22]徐成龙，张晓青，任建兰.山东省低碳发展下的碳排放情景研究[J].经济与管理评论，2013， （5）：133-139.[Xu Chenglong， Zhang Xiaoqing， Ren Jianlan. A Scene Study on the Carbon Emission under the Condition of the Low Carbon Development in Shandong Province[J]. Review of Economy and Management， 2013， （5）：133-139.]
[23]操小娟. 气候政策中激励政策工具的组合应用： 欧盟的实践及启示[J]. 中国地质大学学报：社会科学版， 2014， 14（4）：60-66.[Cao Xiaojuan. Combination of Incentive Policy Instrument in Climate Policy： EU Practices and Its Inspiration [J]. Journal of China University of Geosciences： Social Sciences Edition， 2014， 14（4）：60-66.]
[24]秦昌才，刘树林.碳排放影响因素研究的现状、比较与启示[J].经济与管理评论，2012，（3）：29-33.[Qin Changcai， Liu Shulin. Current Situation， Comparison and Enlightenment of the Study on the Influencing Factors of Carbon Emissions [J]. Review of Economy and Management， 2012， （3）：29-33.]