中国城乡居民生活碳排放驱动因素分析

曲建升+刘莉娜+曾静静+张志强+王莉+王勤花

收稿日期：2014-03-12

作者简介：曲建升，博士，研究员，主要研究方向为气候政策分析与温室气体排放评估。

基金项目：中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”（编号：XDA05140100）；国家自然科学基金项目“基于排放基准线的我国居民家庭碳排放需求与增长路径研究”（编号：41371537）。

摘要本文基于时间序列数据从生活消费视角定量评估居民人均生活碳排放的驱动因素。基于Kaya恒等式基本原理，采用LMDI分解法构建一个包括消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平和城乡结构在内的居民人均生活碳排放驱动因素分解模型，对我国1995-2012年的城乡居民人均生活碳排放影响因素进行分解分析。研究结果表明：消费水平、经济水平、消费结构、城乡结构、城乡消费比重各因素效应对我国城镇居民人均生活碳排放的影响均大于对我国农村居民人均生活碳排放的影响；消费水平、经济水平、消费结构因素对我国城乡居民人均生活碳排放的影响最为明显；城镇人口效应对城镇居民人均生活碳排放量的减排意义重大，而农村人口效应导致农村居民人均生活碳排放量的增加；城乡结构变化会带动居民人均生活碳排放的变化，随着时间推移，城乡结构达到一定程度，我国城乡居民人均生活碳排放的变化也相对稳定。在此基础上，提出我国家庭生活消费节能减排的对策及建议，引导居民低碳生活，绿色消费。

关键词碳排放；生活；驱动因素；LMDI；中国

中图分类号 X24; P476 文献标识码A文章编号1002-2104（2014）08-0033-09doi:103969/jissn1002-2104201408005

全球气候变暖是当前人类社会面临的十大环境问题之一。根据政府间气候变化专门委员会（IPCC）第五次评估报告，20世纪50年代以来的大部分（50%以上）全球地表平均气温的升高极可能（extremely likely，95%以上可能性）是由人类活动导致的［1］。基于以IPCC为代表的这一科学认识，国际社会积极推进以碳减排为核心的气候变化减缓行动。科学评估全球、区域和各国的碳排放量是实施气候变化减缓行动的基础性工作，对实现碳减排具有重要的研究意义。随着碳排放研究向低碳减排转变，家庭碳排放评估日益受到重视。对家庭碳排放的研究主要致力于揭示以家庭为单元的消费主体的碳排放行为特征、区域差异以及排放需求和影响因素分析［2-4］，进而支持节能减排、绿色消费和低碳发展战略的制定。

本文将LMDI分解模型应用到居民生活碳排放驱动因素分析当中，分解确定1995-2012年消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平、城乡结构等影响因素对我国城乡居民人均生活碳排放的累计贡献值，并对我国居民人均生活碳排放的城乡差异进行分析。

1文献回顾

碳排放的影响因素较为复杂，既涉及资源禀赋、气候条件等自然因素，也与产业结构、经济水平、消费习惯等社会因素紧密相关。早在20世纪70年代，Ehrlich ［5］等就对CO2排放的影响因素进行分解研究，并利用IPAT方程讨论人类活动与环境影响因素之间的关系［6］。1989年日本学者Yoichi Kaya［7］提出Kaya恒等式，用于对CO2排放影响因素的定量分析，并成为应用最广的模型之一。基于Kaya恒等式的使用，又有很多学者将CO2排放影响因素进行分解，最为常见的是结构分解分析法和指数分解分析法［8-11］，其中，LMDI分解模型可以进行完全分解、不产生残差，而且允许数据中包含零值，得到学术界的普遍认可，并广泛应用于各个领域。

国内也有较多学者应用LMDI模型从不同角度对碳排放的影响因素进行分析。王灿等［12］采用改进的LMDI分解模型对我国1957-1979年和1980-2000年两个样本区间的碳排放总量进行分解分析。徐国泉等［13］基于LMDI分解模型，定量分析能源结构、能源效率和经济发展等因素变化在1995-2004年对我国人均碳排放的影响。陈彦玲等［14］基于LMDI分解方法对我国能源人均碳排放量的变化进行分解，分析确定了近年来我国人均碳排放量增长的主要原因。王俊松等［15］基于LMDI分解模型对我国碳排放量的变化进行分解，探讨能源消费、经济增长与碳排放之间的关系。朱勤［16-17］、彭希哲等［18］应用LMDI分解模型分析我国人口、人口态势以及人口城镇化等因素对碳排放的影响。刘兰翠等［19］应用LMDI分解模型，对我国1992-2007年居民间接碳排放影响因素进行分析，得出人口、城市化扩张以及人均家庭消费增加是其重要影响因素。从省域层面上，郭运功［20］，王圣［21］，张伟［22］等分别对我国上海市，江苏沿海，陕西等省域的碳排放影响因素进行分析。

通过以上研究分析发现，早期碳排放研究工作主要集中在能源、产业等领域碳排放总量及人均碳排放的影响因素分析，较少关注处于消费末端的家庭所产生的碳排放。本文将LMDI分解模型运用到居民人均生活碳排放研究中，可以更好地反映研究区域的碳排放变化，揭示研究区域碳排放驱动因素的贡献。

2数据来源与研究方法

2.1数据来源

本文在前期研究工作基础上［4,23］，获得我国居民人均生活碳排放影响因素分析的基础数据。居民人均生活碳排放计算及其影响因素分析中用到的生活消费、价格指数、城乡人口比例、国内生产总值（GDP）、人口等相关数据来自历年《中国统计年鉴》和《中国人口和就业统计年鉴》［24-26］。居民生活消费碳排放系数计算中用到的能耗、投入产出等相关数据来自《中国投入产出表2007》［27］和《中国能源统计年鉴2007》。为了使数据具有可比性、统一性，本文将1995- 2012年的现价家庭生活消费、国内生产总值换算为2006年的不变价，由此计算城乡居民人均生活碳排放基础数据，进而对其影响因素进行研究分析。

2.2LMDI分解方法

本文利用1995-2012年我国大陆31个省（直辖市、自治区）的宏观统计数据，首先计算我国城乡居民人均生活碳排放量，然后基于Kaya恒等式理论基础，将CO2排放的影响因素与人类活动产生的CO2排放量建立联系，并对我国居民人均生活碳排放的影响因素进行分解分析。常见的因素分解方法主要有Laspeyres因素分解法和Divisia因素分解法。对数平均Divisia因素分解法（LMDI）不产生无法解释的残差项，允许数据中包含零值，从而得到学术界的广泛应用，本文亦采用LMDI进行因素分解，将居民生活碳排放量分成消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平以及城乡结构几个因素的乘积。

家庭碳排放影响因素分解模型的基本公式如下:

Ci=∑ijCij=∑ijCijEij×EijEi×EiE×EG×GＰ×PPi×Pi（1）

式中，Ci为历年i类居民的生活碳排放量总量，单位：万t CO2；i为居民类别，即城镇和农村（当i=1时，代表城镇；当i=2时，代表农村）；j为消费支出类别，包括食品、衣着、居住、家庭设备、交通通讯、文教娱乐、医疗保健、其他商品及服务八类，j=1,2,…,8；Cij为历年i类居民的j类家庭生活消费的生活碳排放量，单位：万t CO2；Eij为历年i类居民的j类家庭生活消费，单位：万元；Ei为历年i类居民的家庭生活消费，单位：万元；E为历年家庭生活总消费，单位：万元；G为历年国内生产总值（GDP），单位：亿元；P为历年人口总量，单位：万人；Pi为历年城镇或农村人口，单位：万人。

i类（城市/农村）居民人均生活碳排放量可表示为：

Ai=CiPi=∑ijCijPi=∑Aij=∑ijCijEij×EijEi×EiE×EG

×GP×PPi （2）

式中：Ai为历年i类居民的人均生活碳排放量，单位：t CO2/人；Aij为历年i类居民j类消费的人均生活碳排放量，单位：t CO2/人；

消费碳排放强度因素，Iij=Cij/Eij，即i类居民j类家庭生活消费的居民生活碳排放强度；

消费结构因素，Sij=Eij/Ei，即i类居民j类家庭生活消费占i类家庭生活总消费的比例；

城乡消费比重因素，Qi=Ei/E，即i类家庭生活消费占家庭生活总消费的比例；

消费水平因素，T=E/G，即家庭生活总消费与国内生产总值的比例；

经济水平因素，R=G/P，即人均国内生产总值；

城乡结构因素，Ui=P/Pi，即城镇（农村）人口与总人口比例的倒数。

由此，城镇（农村）居民的人均生活碳排放量可表示为：

Ai=∑ijAij=∑ijIijSijQiTRUi（3）

根据对数平均权重Divisia分解法，用t代表年份，第t年相对于基期年（1995年）的居民人均生活碳排放量变化可以表示为：

ΔAij=Atij-A0ij

=∑ijItijStijQtiTtRtUti-∑ijI0ijS0ijQ0iT0R0U0i

=ΔAI+ΔAS+ΔAQ+ΔAT+ΔAR+ΔAU+ΔArsd（4）

式（4）中的ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU代表各因素变化对居民人均生活碳排放变化的累计贡献值。其中：ΔAI为消费碳排放强度效应；ΔAS为消费结构效应；ΔAQ为城乡消费比重效应；ΔAT为消费水平效应；ΔAR为经济水平效应；ΔAU为城乡结构效应；ΔArsd为分解余量。此模型比较全面地反应了消费结构、生活水平、经济水平、城乡结构因素对居民人均生活碳排放的影响。

根据式（4），按照对数平均权重Divisia分解法进行分析，分解结果为：

ΔAI=∑ijW′ijlnItijI0ij;ΔAS=∑ijW′ijlnStijSI0ij;

ΔAQ=∑ijW′ijlnQtijQ0ij;ΔAT=∑ijW′ijlnTtT0;

ΔAR=∑ijW′ijlnRtR0;ΔAT=∑ijW′ijlnUtiU0i（5）

其中，W′ij=Atij-A0ijln(Atij)-ln(A0ij)

ΔArsd=ΔA-(ΔAI+ΔAS+ΔAS+ΔAT+ΔAR+ΔAU)

=Atij-A0ij-∑ijW′ij(lnItijI0ij+lnStijS0ij+lnQtiQ0i+lnTtT0+lnRtR0+lnUtiU0i)

=Atij-A0ij-∑ijW′ijlnAtijA0ij

=Atij-A0ij-∑ij(Atij-A0ij)=0

3城乡居民人均生活碳排放驱动因素分析根据LMDI分解模型，通过公式（3）-（5）将我国居民人均生活碳排放影响因素进行加和分解，得到城镇和农村居民人均生活碳排放各影响因素的累计贡献值。加和分解值ΔAI、ΔAS、ΔAQ、ΔAT、ΔAR、ΔAU分别代表消费碳排放强度效应、消费结构效应、城乡消费比重效应、消费水平效应、经济水平效应、城乡结构效应，即各影响因素变化对1995至1996-2012年城乡居民人均生活碳排放量变化的累计贡献值。模型分解后，加和分解值大于0，表示该效应对居民生活碳排放量的增加起推动作用；加和分解值小于0，表示该效应对居民生活CO2减排起积极作用。计算结果发现，消费碳排放强度效应恒等于0，出现这种情况，主要是因为在计算历年居民人均生活碳排放量过程中使用的碳排放因子是相同的，所以消费碳排放强度只决定于消费种类，对于同一类消费来说，消费碳排放强度是不变的。因此，定量分析消费结构效应、城乡消费比重效应、消费水平效应、经济水平效应及城乡结构效应对我国居民人均生活碳排放的影响，可以更真实地反映我国居民生活碳排放量的变化情况，从而为我国碳减排路径的选择及政策的制定提供理论依据。

3.1城镇居民人均生活碳排放驱动因素分析

如图1所示，从城镇居民人均生活碳排放各影响因素的累计贡献值可以看出，1995至1996-2012年，消费水平效应、城乡消费比重效应、消费结构效应对我国城镇居民人均生活碳排放的累计贡献值始终为正值，说明这三个因素对城镇居民生活碳排放增长主要起推动作用；城乡结构效应累计贡献值在1995至1996-2012年间始终为负值，这说明城乡结构因素的变化会对城乡居民人均生活碳排放的减排起到积极图1城镇居民人均生活碳排放的LMDI分解结果

Fig.1LMDI decomposition results of urban per capita

household carbon emissions作用，只是因为本文用城乡人口与全国人口比例的倒数来代表城乡结构，所以其累计贡献值为负值；经济水平效应贡献值在1995至1996-2003年间小于0，在1995至2004-2012年间大于0，这说明经济水平因素的变化在1995至1996-2003年间对城镇居民人均生活碳排放的减排起到积极作用，而1995至2004-2012年间对城镇居民人均生活碳排放的增长起推动作用。从图1中还可以看出，消费水平效应是城镇居民人均生活碳排放长期增长的主要驱动力因素，而且消费水平对人均生活碳排放量的贡献值呈现不断上涨趋势，尤其是2005年以后增速更为明显，这也是居民人均生活碳排放量在2005年后显著增长的主要原因。此外，城乡消费比重效应、消费结构效应对城镇居民人均生活碳排放所起的推动作用总体都随着时间呈上升趋势，但数值很小，其影响权重非常小。经济水平效应累计贡献值由负值转为正值，随着时间其增长幅度不断加大，这说明2004年以前，经济水平的变化对城镇居民人均生活碳排放的减排起推动作用，但其影响不明显；而2004年以后，经济水平的变化对城镇居民人均生活碳排放的增加起推动作用，并在2011年超过消费水平对居民人均生活碳排放的累计贡献值，成为最主要的驱动因素。城乡结构效应累计贡献值随时间的推移呈现负向上升变化，这说明城乡结构因素变化越大，对城镇居民人均生活碳排放的影响越大。

3.2农村居民人均生活碳排放驱动因素分析

如图2所示，从农村居民人均生活碳排放各影响因素的累计贡献值可以看出，1995至1996-2012年，消费水平效应、城乡结构效应、消费结构效应对我国农村居民人均生活碳排放的累计贡献值始终为正值，说明这三个因素对农村居民人均生活碳排放的增长主要起推动作用；城乡消费比重效应累计贡献值在1995至1996-2012年间始终为负值，这说明城乡消费比重因素的变化对农村居民生活碳排放的减排起积极作用；经济水平效应累计贡献值在1995至1996-2003年间小于0，在1995至2004-2012年间大于0，这说明经济水平因素的变化在1995至1996-2003年间对农村居民人均生活碳排放的减排起到积极作用，但数值很小，其影响权重比较小，而1995至2004-2012年间对农村居民人均生活碳排放的增长起推动作用，数值不断增大，其影响权重也不断增长。

3.3城乡居民人均生活碳排放驱动因素的差异分析

3.3.1消费水平因素

从城乡消费水平来看，1996年消费指数为0.15，至2008年达到最大值0.32，2012年又下降为0.26，1996-2012年间，消费指数呈现先上升后下降的趋势。本文的消费指数是由国内消费总值与国内生产总值的比值来表示，2008年以前，国内生产总值的上升幅度较小，而2008年以后，国内生产总值的上升幅度剧增，从而以2008年为转折年，呈现消费指数先升后降的趋势。

图2农村居民人均生活碳排放的LMDI分解结果

Fig.2LMDI decomposition results of rural per capita

household carbon emissions

把消费水平累计贡献值分解为年贡献值（见图3）。研究期间，城乡消费水平效应一直为正值，年贡献值比较大，且2011年以前，消费水平效应的年贡献值远远大于其他各影响因素的年贡献值，说明消费水平的变化是城乡居民人均生活碳排放增长的主要驱动力。此外，城乡消费水平的贡献值随时间呈现出与消费指数同样变化的先上升后下降的趋势。1996年城镇消费水平对居民人均生活碳排放的年贡献值为0.02 t CO2/人；至2009年，城镇消费水平效应的年贡献值上涨为0.64 t CO2/人，上涨了30.67倍；至2012年，城镇消费水平效应的年贡献值为0.56 t CO2/人，与2009年相比下降了12.46%，与1996年相比，上涨了26.73倍。1996年农村消费水平对居民人均生活碳排放的年贡献值为0.01 t CO2/人；至2008年，农村消费水平效应的年贡献值上涨为0.23 t CO2/人，上涨了27.69倍；至2012年，城镇消费水平效应的年贡献值为0.21 t CO2/人，与2008年相比下降了7.28%，与1996年相比，上涨了25.60倍。城镇消费水平对居民人均生活碳排放的年贡献值远远大于农村消费水平产生的年贡献值，因此，我国居民消费对碳排放的影响主要来自城镇居民人均生活碳排放的不断增加。

3.3.2经济水平因素

从城乡经济水平来看，1996-2012年间的人均GDP呈现波动上升趋势，其中，1996年人均GDP为1.62万元，至2003年缓慢下降为1.58万元，下降了2.51%，2012年人均GDP为3.45万元，与2003年相比，上涨了1.19倍，其中2009年之后上涨幅度最为明显。

把经济水平因素的累计贡献值分解为年贡献值（见图4）。1996-2003年间，城乡经济水平效应为负值，且年贡献值较小，2004-2012年间，城乡经济水平效应为正值，且

图3消费水平效应对城乡居民人均生活碳

排放的年贡献值

Fig.3Contributions of consumption level effect for

urban/rural per capita household carbon emissions

年贡献值较大。说明经济规模的变化对于城乡居民人均生活碳排放的增减具有重要影响。经济水平效应的变化趋势可分为两个阶段。第一阶段，1996-2003年，经济效应年贡献值保持缓慢负向增长，这与该阶段全国人均GDP增长率缓慢增加有直接关系。第二阶段，2004-2012年，经济水平效应年贡献值保持持续快速正向增长，增长速度非常明显，这一阶段实际上是经济水平效应最典型的体现。尽管“十一五”、“十二五”规划纲要中都明确提出降低单位国内生产总值能源消耗、减少污染物排放等约束性指标，但是经济水平效应迅速增长的事实不容忽视。尽管，经济增长带来大量的物质财富，但也消耗大量的物质能源，产生大量的温室气体，因此，要引导城乡居民人均生活碳排放的增长，就必须提升经济增长的质量。

3.3.3城乡结构因素

从城乡结构因素来看，我国城镇化进程不断加快，1996-2012年间的人口城镇化率呈现持续上升趋势。1996年，城镇人口从3.73亿增长至2012年的7.12亿；人口城镇化率从1996的30.48%，升至2012的52.57%，上涨了72.47%。

把城乡结构因素的累计贡献值分解为年贡献值（见图5）。城镇人口效应年贡献值的变化与城镇化率的变化基本是一致的，人口城镇化率越高，城镇人口效应的年贡献值越大，对城镇居民人均生活碳排放的影响越大。从图5还可以看出，城镇人口效应的负向年贡献值远远大于农村人口效应的正向年贡献值，这说明城乡结构变化越大，对城乡居民人均生活碳排放的影响越大，城乡结构变化越小，对城乡居民人均生活碳排放的影响越小。城乡结构因素对居民人均生活碳排放的影响主要有两方面：一是城乡

图4经济水平效应对城乡居民人均生活碳排放

的年贡献值

Fig.4Contributions of economic level effect for urban/

rural per capita household carbon emissions

结构改变，深刻影响并改变城乡居民的生活方式、消费方式、生活水平、消费水平，进而改变城乡消费结构，从而对城乡居民人均生活碳排放的增加起到积极的推动作用；二是城乡结构改变，深刻影响并改变城乡土地利用方式，城镇过度扩建以及“空心村”导致森林土地破坏，改变土地利用方式，同时也给碳减排带来了巨大的压力。由此可见，合理控制人口规模，有效控制城乡结构对控制城乡居民人均生活排放具有积极的意义。

3.3.4消费结构因素

如图6所示，1995年，城镇居民八项消费支出比重由高至低依次为：食品（51.90%）、衣着（11.27%）、家庭设备（8.63%）、交通通讯（8.37%）、其他消费（6.54%）、文教娱乐（5.84%）、居住（5.12%）及医疗保健（3.15%）； 农村居民八项消费支出比重由高至低依次为：食品（60.23%）、居住（11.09%）、衣着（6.26%）、家庭设备（5.86%）、交通通讯（5.14%）、教育文化（5.13%）、医疗保健（3.35%）、及其他商品服务（2.94%）。至2012年，城镇食品支出比重以3.59%的比率持续下降至27.40%，下降了46.37%；文教娱乐、医疗保健支出比重分别以5.83%、6.02%的比率持续上升，上涨为14.85%、8.16%，排行分别为第二、第六位；交通通讯、衣着、居住支出的比重呈现波动变化，分别上涨为14.76%、13.69%、9.95%，其比重分别排行第三、第四、第五位；家庭设备、及其他消费比重的变化不大，变化率在1%左右，排序分别为第七、第八位。农村食品支出比重以4.51%的比率持续下降至25.84%；居住、交通通讯、医疗保健、文教娱乐支出比重分别以3.94%、5.69%、7.94%、4.69%的比率波动上涨为20.85%、12.64%、11.65%、10.68%，排行分别为第二、第三、第四、第五位；衣着、家庭设备、及其他消费比重的变化不大，变化率在2%左右，排序分别为第六、第七、第八位。

图5城乡结构效应对居民人均生活碳排放的年贡献值

Fig.5Contributions of urban/rural structure effect for per

capita household carbon emissions

图6我国城乡居民生活消费结构（%）

Fig.6Structure of urban/rural per capita household consumption in China

把消费结构的累积贡献值分解为年贡献值，即把每年累积贡献值减去前一年累积贡献值，得到当年贡献值（见图7）。城乡消费结构对居民人均生活碳排放的年贡献值随时间呈上升趋势，总体上呈现积极的推动作用，且城镇消费结构对城镇居民人均生活碳排放的年贡献值图7消费结构效应对城乡居民人均生活碳

排放的年贡献值

Fig.7Contributions of consumption structure effect for

urban/rural per capita household carbon emissions远远大于农村消费结构对农村居民人均生活碳排放的年贡献值。其中，至1996年，城镇消费结构的贡献值为0.005 t CO2/人，农村消费结构的贡献值为0.003 t CO2/人，至2012年，城镇消费结构的贡献值上涨为0.191 t CO2/人，农村消费结构的贡献值上涨为0.090 t CO2/人。这主要是因为城镇和农村居民在基本生活消费类型、消费水平和消费观念方面上存在差异，两者消费结构不同，从而产生的碳排放结构不同。

1995-2012年，城镇居民生活消费结构变化较大，从以食品、衣着、家庭设备消费类型为主转化为以食品、文教娱乐、交通通讯消费类型为主；而农村地区居民生活消费结构变化不太明显，食品、居住消费依旧是农村主要的生活消费类型。总体来看，食品消费是城乡居民的主导消费类型，成为居民生活碳排放的主要来源，而文教娱乐、交通通讯主要成为城镇的主要碳排放源，居住、交通通讯主要成为农村的主要碳排放源，因此在制定碳减排措施时要综合考虑城乡居民消费结构因素对居民生活碳排放的影响。

3.3.5城乡消费比重因素

从城乡消费比例来看，1996-2012年间，城镇消费比例呈波动上升趋势，而农村消费比例呈波动下降趋势。1996年，城镇与农村消费比较接近，城镇消费比例为52.26%，农村消费比例为47.74%，城镇消费比例仅是农村消费比例的1.09倍；至2012年，城镇消费比例上涨为75.19%，上涨了43.87%，农村消费比例下降为24.81%，下降了48.03%，此时，城镇消费比例是农村消费比例的3.03倍，与1996年相比几乎高了2倍。

把城乡消费比重累计贡献值分解为年贡献值（见图8）。研究期间，城镇消费比重效应一直为正值，说明了城镇消费比重因素对城镇居民人均生活碳排放的增加起到推动作用，农村消费比重效应一直为负值，说明了农村消费比重因素对减少农村居民人均生活碳排放起到了积极作用。此外，城乡消费比重的贡献值随着时间分别呈现正向和负向的波动增长趋势，其中，1996年城乡消费比重的贡献值接近于0 t CO2/人，至2012年，城镇消费比重的贡献值上涨为0.354 t CO2/人，农村消费结构的贡献值上涨为-0.24 t CO2/人，城镇消费比重效应的正向上升趋势大于农村消费比重效应的负向上升趋势。因此，我国居民消费对碳排放的影响主要来自城镇居民人均生活碳排放的不断增加。

通过对城乡居民人均生活碳排放各影响因素的年贡献值进行比较发现，消费水平、经济水平、消费结构因素对我国城乡居民人均生活碳排放的影响最为明显；城乡结构即城乡人口比重的不同对城镇和农村的居民人均生活碳排放的影响不同，城镇人口效应对城镇居民人均生活碳排放量的减排意义重大，而农村人口效应导致农村居民人均生活碳排放量的增加；城镇消费比重因素对城镇居民人均生活碳排放的负向年贡献值要远大于其对农村居民人均生活碳排放的正向贡献值。总之，消费水平、经济水平、消费结构、城乡结构、城乡消费比重各因素效应对我国城镇居民人均生活碳排放的影响均大于对我国农村居民人均生活碳排放的影响。我国城乡居民人均生活碳排放量在1995-2012年间的变化主要是由于我国城乡的消费水平、经济水平及消费结构因素驱动的。此外，无论是城乡消费比重还是城乡结构因素均对我国城乡居民人均生活碳排放的变化产生影响，随着时间推移，城乡结构达到一定程度，我国城乡居民人均生活碳排放的变化也相对稳定。

4讨论与建议

利用LMDI分解模型，可以更好地阐述消费结构、城乡消费比重、消费水平、经济水平以及城乡结构与居民人均生活碳排放之间的关系。对城乡居民人均生活碳排放的驱动因素进行深入分析，有助于为我国节能减排、绿色消费和低碳发展战略的制定提供重要的科学参考。依据

图8城乡消费比重效应对居民人均生活

碳排放的年贡献值

Fig.8Contributions of urban/rural consumption ratio effect

for per capita household carbon emissions

本文的分析结果，政府部门应在制定碳减排政策时，关注城乡居民生活碳排放的动态变化，并统筹考虑人口、消费、经济、社会和环境等诸多因素的综合影响。

（1）城乡居民生活碳排放的快速增长趋势需加强关注。研究期间，我国居民人均生活碳排放呈现由缓慢增长到迅速增长的变化趋势，由1995年的0.27 t CO2/人增加到2012年的1.15 t CO2/人，增加了3.31倍。1995年，城镇居民人均生活碳排放量为0.49 t CO2/人，农村居民人均生活碳排放量为0.18 t CO2/人；至2012年，城镇居民人均生活碳排放量上涨为1.80 t CO2/人，农村居民人均生活碳排放量上涨为0.69 t CO2/人。预计在能源结构和消费结构等因素不发生较大变化的情况下，城乡居民的人均生活碳排放量均将呈现持续上升趋势，居民生活排放需作为节能减排工作的重要领域予以关注。

（2）研究期间，消费水平效应对中国城乡居民人均碳排放的年贡献值最大，城镇消费水平效应远大于农村消费水平效应，我国居民消费对碳排放的影响主要来自城镇居民人均生活碳排放的不断增加。此外，城乡消费结构的年贡献值呈现波动上涨趋势，其中，城镇消费结构效应的年贡献值由0.005 t CO2/人，上涨为0.191 t CO2/人，上涨了36.90倍；农村消费结构效应的年贡献值由0.003 t CO2/人，上涨为0.090 t CO2/人，上涨了34.64倍。城乡居民生活消费结构发生很大变化，主要以食品、文教娱乐、交通通讯、居住消费类型为主。因此，从城乡消费及城乡消费结构来看，应持续引导低碳消费模式，降低家庭生活的能源资源消耗强度。

（3）城乡消费比重效应对我国城镇居民人均生活碳排放的年贡献值为正值、对我国农村居民人均生活碳排放的年贡献值为负值。城乡结构效应正好相反，对我国城镇居民人均生活碳排放的年贡献值为负值，对我国农村居民人均生活碳排放的贡献值为正值。此外，两种效应对城镇居民人均生活碳排放的年贡献值均大于农村。因此，要更加注重城乡消费比重与城乡结构对城乡居民人均生活碳排放的影响，这两个因素不仅对居民人均生活碳排放的增加起到积极的推动作用，同时，对居民生活的碳减排也有重要影响。在制定节能减排政策的过程中，要考虑城乡二元结构、城镇化和城乡一体化政策等动态变化因素对生活碳排放格局的影响，并采取有针对性的政策安排，降低城镇化进程对碳排放增长带来的压力。

（4）此外，近年来的经济增长会带动居民人均生活碳排放的增长，而经济增长达到一定程度，城乡消费水平趋于稳定时，对我国居民人均生活碳排放的贡献也将趋于稳定。近年来，经济迅猛增长对居民生活碳排放的影响具有较大冲击力，其中发挥主要作用的是经济增长的质量，需要关注经济增长方式、产业结构、能源结构等对碳排放增长的影响，通过提高经济增长质量，逐步实现社会进步的去碳化。

(编辑：刘照胜)

参考文献（References）

［1］IPCC. Summary for Policymakers. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change ［R］. Cambridge, United Kingdom and New York, NY, USA：Cambridge University Press, 2013.

［2］Bin S, Dowlatabadi H. Consumer Lifestyle Approach to US Energy Use and the Related CO2 Emissions ［J］. Energy Policy, 2005, 33(2): 197-208.

［3］Qu Jiansheng, Zeng Jingjing, Li Yan, et al. Household Carbon Dioxide Emissions from Peasants and Herdsmen in Northwestern Aridalpine Regions, China ［J］. Energy Policy, 2013, 57: 133-140.

［4］刘莉娜, 曲建升, 曾静静, 等. 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［J］. 生态环境学报, 2013, 22(3): 498-505. ［Liu Lina, Qu Jiansheng, Zeng Jingjing, et al. Application of Gray Relational Analysis Method in the Influencing Factor Analysis of Chinas Rural Household Carbon Emissions ［J］. Ecology and Environmental Sciences, 2013, 22(3): 498-505.］

［5］Ehrlich PR, Holdren J P. Impact of Population Growth ［J］. Science, 1971,171: 1212-1217.

［6］王云, 张军营, 赵永椿, 等. 二氧化碳排放因素分解实证研究［J］. 水电能源科学, 2010, 28(11): 161-165. ［Wang Yun, Zhang Junying, Zhao Yongchun, et al. Empirical Study of Decomposition of CO2 Emission Factors ［J］. Water Resources and Power, 2010, 28(11): 161-165.］

［7］Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth: Interpretation of Proposed Scenarios ［R］. Paper Presented to the IPCC Energy and Industry Subgroup, Response Strategies Working Group Pairs, 1990.

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

［10］Liu Na, Ang B W. Factors Shaping Aggregate Energy Intensity Trend for Industry: Energy Intensity Versus Product Mix ［J］. Energy Economics, 2007,(26): 609-635.

［11］邢璐, 单葆国. 基于Kaya公式的中国CO2排放影响因素分解［J］. 能源技术经济, 2011, 23(10): 46-50. ［Xing Lu, Shan Baoguo. Empirical Analysis of Chinas Carbon Emission Based on Kaya Identity and Decomposition Model ［J］. Energy Technology and Economics, 2011, 23(10): 46-50.］

［12］Wang Can, Chen Jining, Zou Ji. Decomposition of Energy Related CO2 Emission in China: 1957-2000 ［J］. Energy, 2005, 30(1): 73-83.

［13］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.］

［14］陈彦玲, 王琛. 影响中国人均碳排放的因素分析［J］. 北京石油化工学院学报, 2009, 17(2): 54-58. ［Chen Yanling, Wang Chen. The Correlation Analysis of Carbon Emission and Economic Growing in China ［J］. Journal of Beijing Institute of Petrochemical Technology, 2009, 17(2): 54-58.］

［15］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 Logarithm Mean Divisa Decomposure Method ［J］. Resources and Environment in the Yangtze Basin, 2010, 19(1): 18-23.］

［16］朱勤, 彭希哲, 陆志明, 等. 人口与消费对碳排放影响的分析模型与实证［J］. 中国人口·资源与环境, 2010, 20(2): 98-102. ［Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions ［J］. China Population, Resources and Environment, 2010, 20(2): 98-102.］

［17］朱勤, 魏涛远. 居民消费视角下人口城镇化对碳排放的影响［J］. 中国人口·资源与环境, 2013, 23(11): 21-29. ［Zhu Qin, Wei Taoyuan. Impacts of Urbanization on Carbon Emissions from Perspective of Residential Consumption ［J］. China Population, Resources and Environment, 2013, 23(11): 21-29.］

［18］彭希哲, 朱勤. 我国人口态势与消费模式对碳排放的影响分析［J］. 人口研究, 2010, 34(1): 48-58. ［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China ［J］. Population Research, 2010, 34(1): 48-58.］

［19］Liu L C, Wu G, Wang J N, et al. Chinas Carbon Emissions from Urban and Rural Households During 1992-2007 ［J］. Journal of Cleaner Production, 2011, 19(15): 1754-1762.

［20］郭运功, 林逢春, 白义, 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, 31(9): 68-81. ［Guo Yungong, Lin Fengchun, Bai Yi, et al. The Decomposition Research on Energyrelated Carbon Emissions of Shanghai ［J］. Environmental Pollution and Control, 2009, 31(9): 68-81.］

［21］王圣, 王慧敏, 陈辉, 等. 基于Divisia分解法的江苏沿海地区碳排放影响因素研究［J］. 长江流域资源与环境, 2011，(10): 1243-1247. ［Wang Sheng, Wang Huimin, Chen Hui, et al. Study on Influence Factors of Carbon Emissions in Jiangsu Province Coastal Areas Based on Divisa Decomposition Method ［J］. Resources and Environment in the Yangtze Basin, 2011，(10): 1243-1247.］

［22］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, 27(9): 26-31. ［Zhang Wei, Zhang Jinsuo, Zou Shaohui, et al. Factor Decomposition of Carbon Emissions from Energy Consumption of Shaanxi Province Based on LMDI ［J］. Journal of Arid Land Resources and Environment, 2013, 27(9): 26-31.］

［23］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. ［Liu Lina, Qu Jiansheng, Qiu Julong, et al. Household Consumption Carbon Emissions Trajectory form 1995 to 2010 ［J］. Development and Research, 2012,(4): 117-121.］

［24］国家统计局．中国统计年鉴1996-2012［M］．北京：中国统计出版社，2012．［National Bureau of Statistics of China．China Statistical Yearbook 1996-2012［M］．Beijing：Chinese Statistics Press，1997-2013］

［25］国家统计局人口和就业统计司．中国人口统计年鉴1996-2006［M］．北京：中国统计出版社，1997-2007．［Department of Popultion and Employment Statistics，National Bureau of Statistics of China．China Population Statistics Yearbook 1996-2006 ［M］．Beijing：Chinese Statistics Press，1997-2007．］

［26］国家统计局人口和就业统计司．中国人口和就业统计年鉴2007-2012［M］．北京：中国统计出版社，2008-2013．［Department of Population and Employment Statistics，National Bureau of Statistics of China．China Popultion & Employment Statistics Yearbook 2008-2012［M］．Beijing：Chinese Statistics Press，2008-2013．］

［27］国家统计局能源统计司．中国能源统计年鉴2007［M］．北京：中国统计出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］国家统计局能源统计司．中国能源统计年鉴2007［M］．北京：中国统计出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China

［27］国家统计局能源统计司．中国能源统计年鉴2007［M］．北京：中国统计出版社，2008．［Department of Energy Statistics，National Bureau of Statistics of China．China Energy Statistics Yearbook 2007［M］．Beijing：Chinese Statistics Press，2008．］

An Analysis on Driving Factors of Chinas Urban and Rural Household Carbon Emissions

QU Jiansheng1,2LIU Lina2ZENG Jingjing1,2ZHANG Zhiqiang1WANG Li2WANG Qinhua1

(1. China Information Center for Global Change Studies, Lanzhou Library of Chinese Academy of Sciences,

Lanzhou Gansu 730000, China;2. MOE Key Laboratory of Western Environmental Systems,

Lanzhou University, Lanzhou Gansu 730000, China)

AbstractUsing time series data, the driving factors of household carbon emissions were estimated from consumption perspective. Based on the basic principles of Kaya identity, a decomposition model on the driving factors of household carbon emissions per capita using the Logarithmic Mean Divisia Index (LMDI) method was established, which included the carbon intensity of consumption, consumption structure, urbanrural consumption ratio, consumption level, economic level and urbanrural structure. The affecting factors of per capita carbon emissions from urban and rural households from 1995 to 2012 were analyzed. The results indicated that the contributions of the consumption level, economic level, consumption structure, urbanrural structure and the urbanrural consumption ratios effect to urban household carbon emissions per capita were greater than that of rural household carbon emissions per capita. Consumption level, economic level and consumption structure had the most obvious impact on the urban and rural household carbon emissions per capita. Urban populations effect had great significance on the urban household carbon emissions per capita reduction, rural populations effect led to the increase of rural household carbon emissions per capita. Changes in urbanrural structure would result in changes in household carbon emissions per capita. Over time, urbanrural structure will reach a certain level that the changes in Chinas urban and rural household carbon emissions per capita tend to relatively stable. On this basis, the countermeasures and suggestions for energy conservation and pollution reduction from household consumption were put forward to guide residents towards lowcarbon living, green consumption.

Key wordscarbon emissions; household; driving factors; LMDI; China