灰色关联分析在中国农村家庭碳排放影响因素分析中的应用

刘莉娜，曲建升, ，曾静静，李燕，邱巨龙，王莉

1. 兰州大学西部环境教育部重点实验室，西部环境与气候变化研究院，甘肃 兰州 730000；

2. 中国科学院资源环境科学信息中心，国家科学图书馆兰州分馆，甘肃 兰州 730000

近百年来的全球气候变暖现象，被认为是以二氧化碳为主的温室气体在大气中的浓度大幅度上升引起的。主要来自美国橡树岭国家实验室（ORNL/Oak Ridge National Laboratory）CO2信息分析中心（CDIAC/ Carbon Dioxide Information Analysis Center）的数据显示，1751—2010年全球累计CO2排放量高达13365.85 亿t[1]。正确评估和分析人类活动对全球气候变化的影响，最基本的任务是计算人类活动向大气排放的温室气体排放量，最重要的任务是对碳排放的影响因素进行分析。至今，对温室气体的研究往往重视工业领域的碳排放而忽略家庭的碳排放，因此对于家庭生活方式及个人消费行为产生的碳排放进行评估尤为重要。

近年来，国内外许多学者针对影响二氧化碳排放的因素进行研究。主要包括因素分解法、指数分解法、投入产出法、灰色关联分析法等。其中，因素分解法主要起源于国外学者Ehrlich[2]于1971年提出的IPAT模型。随着IPAT模型广泛的应用，一些学者对IPAT模型提出了质疑，认为该模型适用范围较窄，不少学者提出了一些改进的方法，最具代表性的是国外学者Thomas等[3]提出的STIRPAT模型，该模型比IPAT模型适用范围更广，近年来被国内外许多学者采用。指数分解法最先是由日本学者Kaya[4]提出来的，其核心思想是建立经济、人口、政策等因素与二氧化碳排放之间的关系。投入产出法是一种定量研究的方法，利用投入产出表来分析碳排放的影响因素。Rhee[5]使用投入产出法对韩国二氧化碳的影响因素进行了实证研究。灰色关联分析是灰色系统理论的一种分析方法，弥补了采用其他数理统计方法作系统分析所导致的一些缺憾，比如统计数据有限、现有数据灰度较大、人为因素较大等。我国许多学者利用灰色关联分析法对我国二氧化碳影响因素进行分析。如谭丹等[6]对我国东、中、西部地区经济发展与碳排放进行关联分析及比较；王卉彤等[7]对中国30省区碳排放影响因素进行灰色关联分析，认为在造成碳排放量急速增长、碳排放类型发生显著变化的三因素(人均消费、人口总数、碳排放强度)中，人均消费与碳排放量的关联度最大，对碳排放量的解释作用最大，人口总数、碳排放强度次之；李健等[8]运用灰色关联分析方法，研究了我国碳排放强度与第一产业、第二产业和第三产业之间的关联性，得出第二产业是影响地区碳排放强度的主要因素的结论；李炎丽等[9]、陈建宏等[10]、李想等[11]分别运用灰色关联分析方法对河南、湖南、江苏的碳排放因子进行研究。

与发达国家相比，我国的工业化和城市化水平相对较低，经济发展也相对落后，在此背景下，如何实现碳减排就显得更加紧迫而重要。研究我国碳排放与哪些因素有关，尤其是研究农村家庭碳排放的驱动因素，对于更好地理解碳排放问题，更有效地解决农村碳排放问题提供了参考。因此，对我国农村家庭碳排放现状进行研究分析，评价影响农村家庭碳排放各因素的关联性，在当前阶段具有重大的理论意义和现实意义，对于农村家庭消费现状的改善、农村发展战略的制定、以及农村居民生活质量的提高提供基础。

本文根据生活碳排放研究方法，计算了1995—2010年中国大陆31省区农村人均家庭碳排放量。首先，对农村人均家庭碳排放量的影响因素进行因子分析，剔除不显著相关因素；其次，利用灰色关联分析得出不同驱动因子对碳排放的关联度，以确切分析各因素对农村人均家庭碳排放量的关联程度；最后，对影响农村家庭碳排放的主要因素进行分析，提出符合我国国情的政策建议。

1 中国31省区农村人均家庭碳排放现状

1.1 计算方法与数据来源

家庭碳排放主要包括家庭取暖、照明、烹饪以及私人交通等能源消费过程中产生的直接碳排放以及家庭中衣食住行所需的电力、食品、衣着、医疗卫生、教育、交通、通信和文化娱乐等消费活动所产生的间接碳排放[12]。本文研究的农村人均家庭碳排放主要指中国农村居民在家庭生活消费过程中所产生的间接人均碳排放量。

农村人均家庭碳排放量主要根据IPCC参考方法，生活碳排放研究方法和投入产出基本分析方法[13-15]进行计算，首先根据投入产出基本方法获得家庭消费各项内容在生产过程中对其他部门的能源消耗量以及该部门总的能源消耗量及其碳排放系数，然后根据农村居民的家庭间接碳排放内容的消费支出量计算得到各省区农村人均家庭间接碳排放量，如式：

其中：CEi为居民家庭间接碳排放量，单位为t C；CIi为居民家庭各项内容的年消费支出量，单位为千元；CCi为各项内容的CO2排放系数，单位为kg∙元-1（以C计）。

农村人均家庭碳排放计算数据主要包括1995—2010年农村家庭平均每天生活消费支出、地区总人口、农村人口比例、居民消费价格指数。除农村人口比例来自《中国人口统计年鉴1996—2010》[16]（2007年《中国人口统计年鉴》改名为《中国人口和就业统计年鉴》）外，其他各类数据均来自《中国统计年鉴1996—2011》[17]，其中，2010年农村人口比例数据是通过各省1995—2009年农村人口比例线性趋势预测计算而得。农村人均家庭碳排放相关影响因素数据主要来自《中国统计年鉴1996—2011》[17]。本文在计算农村各项居民家庭碳排放时，为了使数据具有可比性，将1995—2010年的现价家庭生活消费换算为1995年的不变价，由此计算出可比碳排放强度。

1.2 计算结果

1.2.1 农村家庭碳排放现状

图1所示，从时间看，1995—2010年，城市、农村人均家庭碳排放均呈上升趋势；从空间看，农村对家庭碳排放的贡献相对较小，城市是家庭碳排放的主要贡献者[18]。1995年，城市人均家庭碳排放为C 0.402 t∙人-1，而农村人均家庭碳排放为C 0.170 t∙人-1，占城市人均家庭碳排放的42.15%。1996年，城市人均家庭碳排放为C 0.417 t∙人-1，而农村人均家庭碳排放为C 0.186 t∙人-1，1995—2010年间，占城市人均家庭碳排放的比例最大，为44.72%。2004年，城市人均家庭碳排放为C 0.899 t∙人-1，而农村人均家庭碳排放为C 0.275 t∙人-1，占城市人均家庭碳排放的比例在1995—2010年间最小，仅为30.61%。2005—2010年间，农村人均家庭碳排放占城市人均家庭碳排放的比例趋于稳定趋势，所占比例范围均在34.8%左右。2010年，城市人均家庭碳排放为C 1.436 t∙人-1，而农村人均家庭碳排放为C 0.504 t∙人-1，占城市人均家庭碳排放的35.07%，与1995年相比，城市人均家庭碳排放同比增长256.83%，农村人均家庭碳排放同比增长196.90%。

1.2.2 农村家庭碳排放区域特征

图2所示，从时间看，中国东部、中部、西部、东北（按照《中国统计年鉴》进行划分）地区农村人均家庭碳排放均呈上升趋势，1995—2004年间上升趋势平缓，2005—2010年间上升趋势明显；从空间看，中国东部地区农村人均家庭碳排放明显高于东北、中部和西部地区的农村人均家庭碳排放。1995年中国东部、中部、西部、东北地区农村人均家庭碳排放分别为C 0.243、0.139、0.121、0.183 t∙人-1；2004年中国东部、中部、西部、东北地区农村人均家庭碳排放分别为C 0.409、0.227、0.197、0.235 t∙人-1，与1995年相比，同比增长分别为68.62%、63.49%、63.33%、28.66%；2010年中国东部、中部、西部、东北地区农村人均家庭碳排放分别为C 0.733、0.417、0.360、0.486 t∙人-1，与1995年相比，同比增长分别为202.12%、200.77%、197.89%、165.32%，与2004年相比，同比增长分别为79.17%、83.97%、82.38%、106.22%。

图1 1995—2010年城市、农村人均家庭碳排放比较 Fig.1 Comparison on the per capita household carbon emissions between urban and rural from 1995 to 2010

图2 1995—2010中国东部、中部、西部、东北地区农村人均家庭碳排放比较 Fig.2 Comparison on the rural per capita household carbon emissions among East、Middle、West and Northeast part from 1995 to 2010

1.2.3 农村家庭碳排放地区差异

以历年平均人均家庭碳排放为指标，分别选取4个区域最高人均家庭碳排放的省/市（上海、湖南、内蒙古、辽宁4省/市平均人均家庭碳排放分别为C 0.801、0.280、0.267、0.287 t∙人-1）作比较（图3），上海、湖南、内蒙古、辽宁农村人均家庭碳排放均呈上升趋势。1995年上海、湖南、内蒙古、辽宁农村家庭碳排放分别为C 0.454、0.169、0.145、0.178 t∙人-1，2003年上海、湖南、内蒙古、辽宁农村家庭碳排放分别为C 0.745、0.252、0.222、0.232 t∙人-1。与1995年相比，2003年各省农村家庭碳排放量上升幅度分别为64.10%、48.83%、52.69%、30.45%，上升趋势平缓。2010年上海、湖南、内蒙古、辽宁农村家庭碳排放分别为C 1.351、0.426、0.498、0.502 t∙人-1，与2003年相比，2010年各省农村家庭碳排放量上升幅度分别为81.35%、69.22%、124.44%、116.49%，上升趋势增强。从地区差异看，均值位于东部的上海农村人均家庭碳排放量最大，而且远远高于分别位于中部、东北、西北地区的湖南、辽宁、内蒙各省农村人均家庭碳排放量。

图3 1995—2010上海、湖南、内蒙古、辽宁4省农村人均家庭碳排放比较 Fig.3 Comparison on the rural per capita household carbon emissions among Shanghai, Hunan, Inner Mongolia and Liaoning Province from 1995 to 2010

2 农村家庭碳排放影响因素的灰色关联分析

2.1 农村家庭碳排放影响因素的因子分析

基于统计数据，计算1995—2010年中国农村家庭碳排放量，各影响因素指标和各年数据分别见图4、表1。以农村家庭碳排放量为因变量（Y），以X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12、X13为自变量，利用SPSS 17.0软件进行因子分析，最终提取1个综合因子，结果显示，主成分的特征值为11.195，主成分累积方差贡献率为86.114%。农村家庭碳排放影响因素的因子成分矩阵见表2。

由表2可知，主成分低载荷的分别为农林牧渔总产值指数（X11）、居民消费水平指数（X12）、年底总人口（X3）、人均生产总值（X6），主要反映了这4个因素对农村人均家庭碳排放的影响呈不显著相关。其他因素的相关性均大于0.95，成了农村人均家庭碳排放的主要影响因素。

2.2 灰色关联分析的基本原理

灰色关联分析是用灰关联顺序来描绘因素间相关程度的方法，强调了因素间相关程度的顺序，属于灰色系统理论提出的一种系统分析方法[19]。二氧化碳排放量主要受自然、社会、经济、技术等多方面的影响，是一个随机变化的灰色量，非常适合灰色关联分析。基于此，对农村人均家庭碳排放的主要影响因素进行灰色关联分析。

图4 农村人均家庭碳排放相关驱动因素指标 Fig.4 Indicators for the related driving factors of the rural per capita household carbon emissions

2.3 灰色关联分析数学模型

2.3.1 初始化操作（确定参考序列和比较序列）

把农村的人均家庭碳排放量（单位：t∙人-1·a-1）作为参考序列，用X0（k）表示，以家庭人均纯收入X1（k）/元、家庭平均每天消费支出X2（k）/元、农村人口比例X4（k）/%、地区平均生产总值X5（k）/元、农村固定资产X7(k)/元、农林牧渔总产值X8(k)/亿元、生活消费结构多元化指数X9（k）、产业结构多元化指数X10（k）、碳排放强度X13（k）/[t∙万元-1（以CO2计）]作为比较序列，用Xi（k）表示。

表1 1995—2010年农村人均家庭碳排放原始数据 Table 1 Source data of the rural per capita carbon emissions from 1995—2010

表2 农村人均家庭碳排放影响因素成分矩阵 Table 2 The feature matrix of the rural per capita carbon emissions influence factors

式（2）为参考序列；式（3）为比较序列；i为比较序列个数，i=1，2，...，m；k为观测值数，k=1，2，...，n。

2.3.2 序列的初值像（指标值规范化处理）

由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，必须对它们进行指标值规范化处理，加强各因素间的接近性，增强可比性[10]。指标值规范化处理的方法通常用的是初值化与均值化方法。本文采用初值化法，即用每列数据除以第一个数据，得到一组定基发展速度序列。指标值规范化处理后对应新的参考序列为X0'(k)，比较序列为Xi'(k)(i=1，2，...，m；k=1，2，...，n)。1995—2010年中国农村家庭碳排放与各因素指标规范化处理后的数据如表3所示。

2.3.3 序列的始点零化像（求各比较序列与参考序列的绝对差）

由计算式

得出各比较序列与参考序列的绝对差。计算结果如表4所示。

2.3.4 计算|s0'|,|si'|,|si'-s0'|

表3 1995—2010年中国农村家庭碳排放与各因素指标规范化处理数据 Table 3 The data of the rural per capita household carbon emissions and different factors for standardization of data processing from 1995 to 2010

表4 各比较序列与参考序列的绝对差 Table 4 The absolute difference between the compare sequence and reference sequence

2.3.5 求相关度

根据公式：

有oir为X0与Xi的灰色相对关联度。经计算，农村家庭碳排放与各影响因子的关联度如表5。

r01、r02、r04、r05、r07、r08、r09、r10、r13分别为1995—2010年参考序列农村人均家庭碳排放与比较序列家庭人均纯收入、家庭平均每天生活消费支出、农村人口比例、地区平均生产总值、农村固定资产、农林牧渔总产值、生活消费结构多元化指数、产业结构多元化指数、碳排放强度的关联度。

根据关联度大小，如表5所示，经济水平指标中的农林牧渔总产值与农村人均家庭碳排放的关联度最大，为0.9824，对其农村家庭碳排放的影响最大；生活水平指标中的家庭平均每天生活消费支出与农村人均家庭碳排放的关联度为0.9465，对其农村家庭碳排放的影响次之；接下来为结构规划指标中的碳排放强度，与农村人均家庭碳排放的关联度为0.8649；人口指标中的农村人口比例与农村人均家庭碳排放的关联度最小，为0.5703，对其农村家庭碳排放的影响最小。

3 结论与建议

3.1 主要结论

（1）1995—2010年，城市、农村人均家庭碳排放均呈上升趋势；中国东部、中部、西部、东北地区及代表省份农村人均家庭碳排放均也上升趋势。

（2）中国东部地区农村人均家庭碳排放明显高于东北、中部和西部地区的农村人均家庭碳排放。

（3）城市家庭碳排放要高于农村家庭碳排放；位于东部地区的上海市农村人均家庭碳排放量要远远高于分别位于中部、东北、西北地区的湖南、辽宁、内蒙古各省农村人均家庭碳排放量。

表5 1995—2010年农村家庭碳排放与各影响因子的关联度 Table 5 The relational degree between the rural per capita household carbon emissions and each factor

（4）利用灰色关联分析，对农村人均家庭碳排放的显著相关因素进行分析表明：经济水平指标中的农林牧渔总产值对农村人均家庭碳排放的影响最大，生活水平指标中的家庭平均每天生活消费支出对农村人均家庭碳排放的影响次之，人口指标中的农村人口比例对农村人均家庭碳排放的影响最小。

3.2 对策建议

（1）生活方式低碳化。建设两型社会是构建和谐社会的重要内容，是贯彻落实科学发展观的内在要求。这就需要社会共同参与，政府部门应该倡导这种适应人口、自然与环境协调发展的消费模式，将低碳文化引入生活，逐步实现生活方式低碳化。

（2）经济结构合理化。合理发展农村经济，促进经济的可持续发展，提高农村居民的生活水平，充分考虑经济发展和人均收入水平，兼顾区域和省级碳排放的特征，引导农户合理利用各类能源，制定合理有效的减排目标和计划[21-23]，大力发展绿色经济、循环经济和低碳经济，走高效率、低能耗之路。

（3）消费结构最优化。“十二五”期间，提高居民消费能力、扩大内需是我国调整经济结构的首要任务，居民消费对碳排放的影响力必然将进一步增大，这就要求我们树立低碳消费理念，抑制消费主体的高消费方式，实现消费结构最优化。

[1] BODEN T A, MARLAND G, ANDRES R J. Global, regional and national fossil-fuel CO2emissions[R]. Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, US Department of Energy, Oak Ridge, Tenn., USA. 2011.

[2] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science, 1971(171): 1212-1217.

[3] Thomas Dietz, Eugene A Rosa. Effects of population and affluence on CO2 emissions[J]. Ecology, 1997(94): 175-179.

[4] Kaya Yoichi. Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios [R]. Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, Paris, 1989.

[5] Rhee hae-chun, Chung Hyun-sik. Change in CO2emissions and its transmission between Korea and Japan using international input-output analysis[J]. Ecological Economics, 2006, 58: 788-800.

[6] 谭丹, 黄贤金. 我国东、中、西部地区经济发展与碳排放的关联分析及比较[J]. 中国人口·资源与环境, 2008, 18(3): 54-57.

[7] 王卉彤, 王妙平. 中国30省区碳排放时空格局及其影响因素的灰色关联分析[J]. 中国人口·资源与环境, 2011, 21(7): 140-145.

[8] 李健, 周慧. 中国碳排放强度与产业结构的关联分析[J]. 中国人口·资源与环境, 2012, 22(1): 7-14.

[9] 李炎丽, 梁浩, 梁保松. 河南省碳排放因素分解及关联分析[J]. 河南农业大学学报, 2011, 45(5): 605-610.

[10] 陈建宏, 王文哲, 熊汉富. 湖南省CO2排放因素的灰色关联分析[J]. 地域研究与开发, 2010, 29(4): 131-134.

[11] 李想, 王仲智. 基于灰色关联分析的江苏省碳排放驱动研究[J]. 中国人口·资源与环境, 2010( 20): 149-153.

[12] 王琴, 曲建升, 曾静静. 生存碳排放评估方法与指标体系研究[J].开发研究, 2010(146): 17-21.

[13] 徐建华. 现代地理学中的数学方法[M]. 北京: 高等教育出版社, 2002: 179-182.

[14] 魏一鸣, 刘兰翠, 范英, 等. 中国能源报告(2008): 碳排放研究[M]. 北京: 科学出版社, 2008.

[15] 刘启运, 陈璋, 苏汝稢. 投入产出分析[M]. 北京: 中国人民大学出版社, 2006: 5.

[16] 中国社会科学院《中国人口年鉴》编辑部. 1995—2009中国人口统计年鉴[M]. 北京: 中国社会科学出版社, 1996—2010.

[17] 中华人民共和国统计局. 1995—2010年中国统计年鉴[M]. 北京: 中国统计出版社, 1996—2011.

[18] 刘莉娜, 曲建升, 邱巨龙, 等. 1995—2010年居民家庭生活消费碳排放轨迹[J]. 开发研究, 2012(4) : 117-121.

[19] 刘思峰, 郭天榜, 党耀国等.灰色系统理论及其应用[M]. 北京: 科学出版社, 1999: 33-5.

[20] 国家统计局. 2007年中国投入产出表[M]. 北京: 中国统计出版社, 2008.

[21] 国家统计局能源统计司. 中国能源统计年鉴2008[M]. 北京: 中国统计出版社, 2009.

[22] 王琴, 曲建升. 1999—2009年我国不同收入水平下的碳排放差异分析[J]. 生态环境学报, 2012, 21(4): 635-640.

[23] 曾静静, 张志强, 曲建升, 李燕, 刘莉娜, 董丽苹. 家庭碳排放计算方法分析评价[J]. 地理科学进展, 2012, 31(10):1341-1352.