江苏工业电力消费CO2排放的地区差异分解

籍艳丽

（常熟理工学院 数学与统计学院，江苏 常熟 215500）

江苏工业电力消费CO2排放的地区差异分解

籍艳丽

（常熟理工学院 数学与统计学院，江苏 常熟 215500）

通过构建一个包括经济总量、地区结构、电力消费强度、碳排放系数四因素的分解模型，运用LMDI方法对2000-2011年江苏工业电力消费的CO2排放量进行了地区分解。结果发现，经济总量的扩张始终是导致地区碳排放增长的决定性因素；而其余三因素对不同地区的碳排放的作用方向不确定，具体表现为部分地区部分时段促使碳排放量增加，部分时段却导致碳排放量减少；且影响程度大小不一，相比较而言，地区结构的作用程度最小，碳排放系数最大，而电力消费强度介于两者之间。

工业电力消费；二氧化碳排放；分解

中国作为全球二氧化碳（Carbon Dioxide，CO2）排放量最大的发展中国家，控制和削减CO2排放形势十分严峻。有资料显示，CO2排放来源于所有的经济活动，包括企业和居民；但在某种意义上，CO2排放主要和能源消费有关。当我们注意能源消费的CO2排放量时，发现“电力消费过程中排放的CO2的比重很大”［1］；且在未来相当长一段时期内，电力消费仍处于上升阶段。同时，由于中国地区间经济发展不平衡，电力消费量地区分布不一，其排放的CO2量自然也存在差异。因此，研究电力消费的碳排放的地区差异，对我国CO2的减排具有重要的意义。作为经济发展和碳排放大省之一的江苏，当然也值得关注。

那么，正处于工业化中后期的江苏，怎样实现电力消费的CO2排放减少的目标？哪些因素造成了碳排放量的增加？且这些因素对碳排放量的影响在不同地区间有差异吗？为回答这些问题，本文拟对江苏工业电力消费的CO2排放展开研究。

一、文献回顾

关于CO2排放因素分解的研究比较多，尤其是近十几年来涌现出的文献越来越多。其中，多数文献采用的是对数均值迪氏指数分解法（logarithmic mean Divisia index method，LMDI）①该方法能够消除不能解释的残差项，且能够处理数据中的0值问题，计算过程简单，所得分解结果直观。。如主春杰等（2006）采用这一方法对中国省区能源消耗导致的CO2排放进行分析，围绕碳排放系数、能源消费结构、能源消费强度、人均GDP和人口总数五个因素展开［2］；王铮等（2008）以1995-2006年为研究时期，对我国碳排放进行分析，从平均碳排放系数、总排放量、人均排放量和碳排放强度四个指标进行研究［3］；郭朝先（2010）从经济规模、经济结构、能源利用效率、能源消费结构、碳排放系数五个因素对我国1995-2007年的碳排放从地区层面进行了实证分析［4］；与郭朝先（2010）不同，唐建荣等（2011）选取2000-2009年面板数据，并增加能源规模、城乡人口结构等因素的分解模型对之展开分析［5］。同时，除围绕碳排放量进行的分解外，也有对碳排放强度展开的因素分析，如张秋菊等（2012），其对中国1997-2007年的碳排放量和碳排放强度进行了三因素分解［6］。上述这些研究较好地揭示了我国碳排放的影响因素及其作用强度，并取得了较为一致的结果，均认为经济规模是拉动碳排放增长的主要因素，而能源使用效率则是阻碍碳排放增长的决定性因素。

另外，采用LMDI分解方法研究区域碳排放的文献也有一些。如郭运功等（2009）、汪宏韬（2010）以上海为研究对象［7-8］，刘燕娜、洪燕真等（2010）对福建进行研究［9］，李磊对新疆展开分析［10］，宋杰鲲（2012）和张伟等（2013）分别对山东和陕西展开分解分析［11-12］。这些文献对区域碳排放的影响因素、作用机理及作用强度做了深入分析，有效地揭示出不同区域碳排放的特征及面临的主要矛盾与问题，对区域减排政策的制定具有重要的指导意义。

从上述文献可以看出，LMDI分解法能较好地对中国（地区）碳排放量展开定量分析，且得到与实际相符的结论。这说明，该分析方法较为合理和成熟。但其中没有针对江苏电力消费进行的实证分析；考虑到江苏不同地市发展存在多方面、多层次的显著差异，因此本文采用LMDI法对江苏省工业电力消费①因为地区的电力消费数据的统计口径只涉及工业，因此本文选择工业电力消费的碳排放量为研究对象。的碳排放的区域特征进行深入研究，以期为江苏如何减少碳排放量提供方向性的启发。

需要说明的是，CO2排放因素分解的方法除了前文提到的LMDI分解法，结构分解法（Structural Decomposition Analysis，SDA）也常常采用，而该方法能够度量电力消费的完全碳排放量；不过，遗憾的是，目前江苏尚未编制地区间的投入产出表，导致结构分解法无法使用。因此，本文选用指数分解中的LMDI法对2000-2011年江苏电力消费的地区CO2排放量的变化进行分析②限于数据，这里的研究时期确定为2000-2011年。。

二、模型、数据及其处理

（一）CO2排放量的分解模型

一般地，结构分解可用（1）式表示：

然而，加法分解不同，可以分解（2）式：

式（2）中，下标tot表示变量V的变化量，上标t和0分别表示报告期和基期。

具体到LMDI方法中，式（2）第k因素的影响效应可以写为：

式（3）中，

本文我们采用Ang，B.W.（2005）［13］分解CO2排放量的公式：

最后，将（3）和（4）组合，得到CO2排放量的加法分解模型：

式（5）中方程右方的下标，O、S、E、R分别表示经济规模、地区结构、电力消费强度和碳排放系数的影响效应。具体而言有：

（二）数据来源与处理

本文需要的数据可以分为三类，第一类是经济规模数据（Oi），用江苏各地市工业增加值表示。2000-2011年的工业增加值来自历年《江苏统计年鉴》，但均是当年价格度量的工业增加值。为了消除价格因素的影响，需将可变价格的工业增加值转换为不变价格的工业增加值，这里以2005年价格为基期进行调整。具体而言，2004-2011年和2000-2002年数据由地区生产总值指数表中的工业增加值指数换算得到；而《江苏统计年鉴》（2004年）无法查到2003年的工业增加值指数，但它提供了该年份的地区生产总值指数，据此也可估算得到不变价格的工业增加值。具体而言，根据工业增加值所占比重与地区生产总值（可比价格）相乘计算得到2003年的不变价工业增加值。根据此类数据，可进一步计算地区结构数据（Si）。将不同年份13个地市地区工业增加值加总，然后与地区工业增加值相除，则获得地区结构数据。

第二类是各地市的工业用电量（Ni），来自于历年《江苏统计年鉴》（2001-2012年）。结合工业增加值数据，可进一步计算得到电力消费强度（Ei）。

第三类是CO2排放量数据（Ri）。该类数据无法直接搜集，需要估算。由于没有更详细的数据资料，故无法准确衡量江苏13个地市的电力碳排放系数，因此均用江苏电力碳排放系数代替。由相关研究［1］可知，该指标随时间推移发生变化。而且，电力碳排放系数的高低反映了电力加工过程中消耗的各种能源的对比关系以及发电技术的改进，也即是一种能源结构和技术进步的反映。本文直接采用相关研究的测算数据。

三、实证结果及分析

表1　江苏工业电力能源消费的CO2排放4因素分解表 单位：百万吨

对整理的变量Oi、Si、Ni和Ri采用式（5）和式（6）进行分析，并对其结果整理汇总，详见表1。

表1显示，2000-2011年，江苏工业用电量的CO2排放增加了26079.38百万吨。其中，地区工业经济总量扩张导致其CO2排放增加了33547.46百万吨，地区结构的变化、电力强度的下降（电力利用效率的提高）和碳排放系数的变动导致其CO2排放分别减少了125.47百万吨、2282.12百万吨和5060.48百万吨。就四个因素对碳排放增量影响的作用程度来看，经济规模影响最大，接下来依次为碳排放系数、电力消费强度和地区结构；具体而言，经济规模的影响程度为碳排放增量的1.28倍，其余三因素仅仅占其19.40%、8.75%和0.48%。由这组数据对比可以发现，工业经济规模扩张是导致江苏工业电力碳排放增长的决定性因素，而碳排放系数、电力强度和地区结构却是促使江苏工业电力消费的碳排放量下降的三种因素，不过后两种因素的作用程度相对较小。

具体分时段来说，经济规模这一因素均导致江苏CO2排放量的增加，且其增加幅度远远超过其他三个因素所带来的影响。对于地区结构而言，11时段中除了2002-2003年和2003-2004年两个时段，剩余9个时段均表现为地区结构的“优化”带来CO2排放量的减少。而电力消费强度却不同，11个时段中6个时段表现为导致江苏CO2排放量的增加，剩余5个时段表现为减少。电力消费强度反映电力利用效率的高低，这也意味着，2000-2011年期间，江苏地区间的电力利用效率不总是在提高，而是在反复波动中逐渐提高的。而碳排放系数与地区结构带来的影响相似，其中除了2003-2004年和2010-2011年两个时段之外其余的9个时段，均导致江苏电力CO2排放量的下降。电力碳排放系数实质是反映发电过程中所消耗的能源结构及技术进步。由此可见，这一时期，江苏发电过程中使用的能源消费趋向于“清洁化”或者是发电技术的进步，也或者是两者共同作用，当然这只是一种趋势。总而言之，经济总量扩张是导致碳排放增长的决定性因素，地区结构和碳排放系数对CO2排放量的下降起促进作用，但地区结构的影响程度较小。电力消费强度的作用方向不确定，其影响程度介于电力碳排放系数和地区结构之间。

分地区看，各地区工业经济规模的增长无一例外地导致其电力CO2排放量的增长。而地区结构、电力消费强度和碳排放系数对相应地区的碳排放的影响，情形比较复杂，这一特征与全省的分析并不一致。就13个地市而言，部分时段表现为促进其电力消费的CO2排放的减少，某些时段表现为阻碍CO2排放的减少，且其带来的变化幅度大小不一。与经济规模相比较，这三因素的作用程度小很多。具体见2000-2011年江苏工业用电量的CO2排放量地区分解图（图1-11）。

四、结论与启示

本文构建了一个包括经济总量、地区结构、电力消费强度、碳排放系数四因素的恒等式，运用LMDI方法对2000-2011年江苏工业用电量的CO2排放量进行了地区层面的因素分解，结果发现：经济总量的增加是江苏CO2排放持续高速增长的主导性因素；碳排放系数的下降是抑制CO2排放量增长的主要因素，但个别时段做得并不好，存在电力碳排放系数增大的情况。电力利用效率的提高促进了CO2排放量的下降，但有部分时段某些地区却相反，存在电力利用效率下降导致CO2排放增长的情况。地区结构的变化对碳排放增长有影响作用，但总体而言，作用程度相对较小，潜力还没有发挥出来。

图1　2000-2001年

图2　2001-2002年

图3　2002-2003年

图4　2003-2004年

图5　2004-2005年

图6　2005-2006年

图7　2006-2007年

图9　2008-2009年

在全省和地区两个层面的研究均表明经济规模扩张是拉动碳排放增长的决定性因素，这意味着妥善解决经济增长与碳排放之间的矛盾是江苏经济社会低碳化发展的关键所在。作为发展中的江苏，其碳排放既有经济增长引发的合理增长，也有因经济增长方式不合理而导致的过快增长。因此，结构化的减排策略更符合江苏的实际，即当前乃至今后较长时期内，江苏碳排放的主要任务是抑制碳排放的不合理增长。同时，继续提高电力利用效率，并调整优化电力结构，提升发电技术也是未来一个可努力的方向。更为重要的是，不同地区应区别对待，需要具体问题具体分析，不能一刀切，如对近年来电力消费强度出现反弹的徐州等苏北地区尤其要注重其电力利用效率的提升。

图10　2009-2010年

图11　2010-2011年

［1］籍艳丽.中国能源消费的二氧化碳排放的实证研究［D］.厦门：厦门大学经济学院，2010：78-80.

［2］主春杰，马忠玉，王灿，等.中国能源消费导致的CO2排放量的差异特征分析［J］.生态环境，2006（5）：1029-1034.

［3］王铮，朱永彬.我国各省区域碳排放量状况及减排对策研究［J］.中国科学院院刊，2008（2）：109-115.

［4］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（12）：4-9.

［5］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（11）：19-25.

［6］张秋菊，王平，朱帮助.基于LMDI的中国能源消费碳排放强度变化因素分解［J］.数学的实践与认识，2012（13）：79-86.

［7］郭运功，林逢春，白义琴，等.上海市能源利用碳排放的分解研究［J］.环境污染与防治，2009（9）：8-72.

［8］汪宏韬.基于LMDI的上海市能源消费碳排放实证分析［J］.中国人口·资源与环境，2010（5）：143-146.

［9］刘燕娜，洪燕真，余建辉.福建省碳排放的因素分解实证研究［J］.技术经济，2010（8）：58-61.

［10］李磊.新疆经济发展中碳排放变动的因素分析［J］.干旱区资源与环境，2011（8）：7-11.

［11］宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解［J］.资源科学，2012（1）：35-41.

［12］张伟，张金锁，邹绍辉，等.基于LMDI的陕西省能源消费碳排放因素分解研究［J］.干旱区资源与环境，2013（9）：26-31.

［13］Ang B W.The LMDI Approach to Decomposition Analysis:A Practical Guide［J］.Energy Policy，2005（33）:867-871.

Abstracts:Electricity consumption of carbon dioxide emissions has increased significantly.This paper builds a four-factor model including the economic scale，the regional structure，the intensity of power consumption and the coefficient of carbon emissions.By using LMDI method and the data of Jiangsu's industrial electricity consumption from 2000 to 2011，it makes a regional decomposition.The conclusions indicate that the economic development has always been the decisive factor，while the other three factors are uncertain about the effect of carbon emissions in different regions.For some regions，carbon emissions increase at certain periods，while they reduce at other periods and the influence degrees are different.In comparison，the minimum extent is the regional structure，the largest is the carbon emission factor，and the intensity of power lies between them.

A Decomposition of Industrial Electricity Consumption of CO2Emissions of Jiangsu Province

JI Yan-li
（School of Mathematics and Statistics，Changshu Institute of Technology，Changshu 215500，China）

industrial electricity consumption；carbon dioxide emissions；decomposition

F062.2

A

1008-2794（2015）05-0048-05

2014-06-08

江苏省教育厅2012年度高校哲学社会科学研究基础资助项目“江苏能源消费的二氧化碳排放研究”（2012SJB790001）

籍艳丽（1978— ），女，山西长治人，副教授，博士，主要研究方向为统计理论与方法。