全球尺度下的碳排放完全分解及其规律——基于LMDI修正模型的实证研究

原　嫄，李国平，孙铁山

(1.西北工业大学 人文与经法学院，西安　710072； 2.北京大学 政府管理学院，北京　100871)



全球尺度下的碳排放完全分解及其规律
——基于LMDI修正模型的实证研究

原嫄1，李国平2，孙铁山2

(1.西北工业大学 人文与经法学院，西安710072； 2.北京大学 政府管理学院，北京100871)

摘要：全球气候变暖形势日趋严峻，碳减排已成为各国需共同面对的责任。分解方法一直以来都是较为常见的经济对环境影响的分析工具，但由于完全分解法对于数据精细度的高度依赖，目前还尚未出现全球尺度下包含经济发展因素的碳排放分解研究。因此，对受到广泛认可的LMDI完全分解法进行修正，对全球碳排放进行关于人口规模、经济发展水平、产业结构和技术进步等影响因素的贡献分解，并在不同发展水平国家集团的视角下进行深入对比分析。研究认为：第一，全球整体碳排放中人口规模的贡献在逐步降低，而经济发展水平增长的贡献则日益强化。第二，人口规模变动贡献多为正效应，且随国家发展水平提高，对碳排放的影响逐步降低；产业结构贡献随国家发展水平的提高显示先上升后下降的影响作用；技术进步水平对各国均呈现负向效应。第三，随着国家发展水平的提升，经济发展水平对碳排放的影响将呈现倒U型趋势特征，在实证层面上佐证了环境库兹涅茨曲线的存在性。

关键词：碳排放；LMDI方法；经济发展水平；环境库兹涅茨曲线；影响因素

一、引言

全球气候变暖的形势日益严峻，对生态环境和经济发展的潜在威胁与日俱增。人类的经济行为是引起近百年来温室气体排放陡增的根本原因之一，说明深入探讨经济各方面演化过程对区域碳排放的影响机制、作用效应及其基本规律，将是寻求更为可行和高效减排路径的重要手段[1]。由现象上的相关性特征发现，控制区域碳排放的基本因素不外乎区域人口规模[2-3]、经济发展水平[4-7]、低碳相关技术[8-9]以及产业结构特征[10-11]等方面。

当前国内外有关人类经济活动对碳排放影响的研究主要依循计量实证分析和因素分解方法两条技术路线。其中，因素分解方法是当前较为常用的一种剥离研究对象各个影响要素变动贡献的分析方法，近年来被广泛应用于能源科学和气候变化经济学的研究之中。总体而言，因素分解方法大致可以分为两大类，一类为结构分解分析法(Structural Decomposition Analysis，即SDA)，另一类是指数分解分析法(Index Decomposition Analysis，即IDA)[12]。其中，结构分解法通常以投入产出表为基础，可以基于产业或产品分类，对直接消耗系数、最终需求等多种因素的影响进行剥离和测算。指数分解法主要利用基于产业类型划分的时间序列数据，对总量变化的原因进行分解。这两类分解方法在各自的领域中独立发展，并使用不同的思维范式和技术手段。总的来看，有关指数分解法的文献已经大量研究了指数理论的意义，而结构分解法的相关文献则集中在区分不同要素的影响上[12]。因此，本文对于产业结构和碳排放间关系的讨论更适合指数分解法[13]。

从20世纪80年代中期开始，国外学者即开始大量应用要素分解的思路研究能源与碳排放问题，并在实证研究的过程中不断改进和完善原始模型。Paul和Bhattacharya利用完全分解模型研究印度与能源相关的碳排放变化，其结果显示：多数产业类型的产值增长对碳排放变化具有最重要的正效应；同时，能源直接引起的碳排放对能源强度更为敏感[14]。Zhang等2013年的研究使用迪氏指数分解法发现中国发电业碳排放的高速增长主要来自于煤炭的使用，其中，经济活动的影响起了最重要的作用，但能源利用效率不高也是不可忽视的原因[15]。Ma和Stern对IDA模型进行改进，即利用迪氏指数分解法(LMDI:Logarithmic Mean Divisia Index)对1980—2003年的能源强度变化进行分解，证实了技术进步是降低能源强度最重要的因素[16]。在此基础上，Ang再次对大量IDA模型的应用进行了总结，认为LMDI是当时最好的分解公式[17]。总体而言，基于因素分解法的经济发展各要素与碳排放间关系的研究，由于在数学推导上更为精确，可作为继续探索两者本质联系的基本工具。在各类因素分解法中，LMDI 方法的分解公式对碳排放或能源消耗的计算最终无残余项，且具有坚实的理论基础、适应性强、易于操作和解释，因而LMDI已经成为公认的良好分解方法。

当前受到公认的碳排放影响因素主要包括人口规模、经济发展水平、产业结构和技术进步等因素。但是，由于LMDI方法的计算对细分产业碳排放数据的要求，导致全球各国尺度下很难进行针对碳排放的包含产业结构变迁的完全因素分解测算。因此，本文将对传统的LMDI方法进行修正，填补当前国内外研究尚未出现的全球尺度下含有产业信息的碳排放因素分解研究，力图揭示碳排放更加具有普适性的特征和规律。

二、数据与方法

(一)数据和样本介绍

燃料燃烧产生的碳排放与区域经济发展过程基本能够对应，对于区域碳排放总量及其变动趋势与特征具备足够的代表性和解释力。因此，在同时考虑到数据可得性和能源相关碳排放所占的绝对重要性地位的背景下，本文将有关碳排放部分的讨论对象局限在由燃料燃烧所产生的碳排放部分。本文所使用的全球及各国的燃料燃烧产生碳排放数据来源于国际能源署(IEA)于2000—2013年出版的《燃料燃烧产生碳排放年鉴》系列，故基本研究时段为1998—2011年。其中，燃料燃烧产生总排放量按照不同产业类型的排放又被进一步划分为电力和热力供应*在1998—2007年的指标体系中，电力和热力供应行业被分割为公共电力和热力供应(Public electricity and heat production)、自运营的电力和热力供应(Unallocated auto-producers)。、其他能源工业使用、制造业及建筑业、交通运输业、其他产业*在此基本5类型划分之下，交通运输业(Transport)之内单列出公路行业(of which: road)，其他行业(Other sectors)之内单列出居住排放(of which: residential)。等5类。

同时，本文使用由联合国官方数据库*本文数据来源于United Nations Statistics Division(UNSD)中的Global Indicator Database数据库http://data.un.org/DataMartInfo.aspx(指标名称：Gross Value Added by Kind of Economic Activity at constant 2005 prices)。获取全球各国的分产业增加值数据(2005年美元不变价)和人口规模数据。分产业增加值数据中包含的产业类型有：农林牧渔业、采矿业、制造业、建筑业、批发零售及餐饮住宿业、交通运输和仓储业、其他产业等6类。其中，第二类和第三类有制造业部分重叠，可经过简单剔除得到采矿业、制造业两大产业类型的增加值。根据样本最大化原则，同时为了维持样本稳健性，本文剔除人口百万以下和经济落后地区，最终获取的样本数量为100个。

(二)经过修正的LMDI分解方法

本文将沿袭传统认知，选用人口规模、经济发展水平、产业结构和技术进步等作为碳排放的影响因素。现有研究尚未出现包括产业结构因素的全球尺度下的各国碳排放的完全分解实证研究。这主要是由于区域碳排放数据较为庞杂，其中仅有燃料燃烧碳排放部分具有对应产业分类，且这一分类系统与产业增加值分类所使用的国际标准产业类型划分体系无法一一对应。以上客观限制导致当前相关的实证研究几乎全部集中在两个方面：第一，若是选择以碳排放和产业结构的相关关系作为研究目标，通常研究区域会选择在一个国家或地区之内，甚至是更小尺度的空间，以利于产业类型划分的一致性；第二，若是选择在全球各国家和地区的空间尺度，则研究目标通常会转换为能源消耗与区域产业的相关关系及影响强度，这是由于能源消耗的类型划分与产业增加值类型能够对应。本研究将通过对全球各国碳排放的产业类型划分与国际标准产业分类的重新组合，并对LMDI分解方法进行修正，达到产业门类的一一对应。

国际标准产业分类中的采矿业、制造业、交通运输业的增加值份额与碳排放来源产业的划分能够一一对应；而国际标准产业分类中农林牧渔业、建筑业、批发零售和餐饮住宿业、其他服务业等产业类型的份额则只能与碳排放中的“其他产业”类型相对应。在此背景下，其具体的计算方法如下文所示，假设研究对象区域i的碳排放为Ci，该排放量可按式(1)进行分解：

(1)

(2)

对于[T,T+1]年来说，则有如下关系：

那么，定义wij(t*)如下式：

对于本文的数据情况，连续年份间的碳排放变动情况可以分解为式(3)：

(3)

(4)

其中，CMining为采矿业碳排放，gMining为采矿业增加值占区域经济总量的份额，CManufacturing为制造业碳排放，gManufacturing为制造业增加值占区域经济总量的份额，CTransport为交通运输业碳排放，gTransport为交通运输业增加值占区域经济总量的份额，COtherInCarbon为碳排放分类中“其他产业”的碳排放，gAgriculture为农林牧渔业增加值占区域经济总量的份额，gConstruction为建筑业增加值占区域经济总量的份额，gWholesales为批发零售及餐饮住宿业增加值占区域经济总量的份额，gOthers为其他产业增加值占区域经济总量的份额。而区域技术水平变动贡献计算方法与产业结构变动贡献的方法相似。

本文修正后的LMDI分解方法有以下优势：第一，该方法能够将区域碳排放随时间的变动量进行完全分解，不存在任何残余值；第二，在分产业类型的层面上，观察产业结构变动贡献量的计算方法可以发现，此方法使复杂的经济结构性特征和碳排放间的关系转化为一个简明数量，易于理解和比较。而区域技术水平变动贡献量的计算方法与之同理。因此，基于LMDI方法的区域碳排放变化分解计算公式既可以达到数学算法上的无残余值，其各项分解量更能够促使复杂经济现象简明化，并使之具备在经济学理论上进行解释的客观条件和合理性。

三、全球碳排放各影响因素的贡献及强度

表1　1999—2011年全球尺度碳排放变化各影响要素变动贡献的分解量

注：表中“份额”指各影响要素变动贡献值占当年碳排放变动总效应的份额。

第一，人口规模贡献始终为正值，且在研究时段内微弱下降，说明人口规模对于碳排放的增长具有相对稳定的正向效应；更高的人口规模贡献对应着较低的碳排放变动总效应，但这一规律并不显著。

第二，经济发展水平贡献几乎全部为正值，仅有2009年因金融危机的影响转为负值，且这一贡献值明显高于人口规模的正向贡献，总体上表现稳定。研究时段内全球经济发展水平贡献与碳排放总效应的对应关系显示：当前全球整体仍处在经济发展过程中碳排放不断爬升的阶段当中，与排放顶峰尚有距离。

第三，产业结构贡献值整体较低，徘徊于零值附近，且多有负值出现，总体上呈现微弱下降的趋势。相关信息显示：虽然产业结构对碳排放的贡献水平较低，但相关关系显著，说明产业结构的变迁对碳排放具有明显的影响作用，且强度较高。

第四，技术水平贡献*技术水平变化以单位GDP碳排放为基量进行计算，故与技术进步方向呈现负相关关系。整体较低，多出现负向贡献，且在碳排放总效应的份额亦多为负值，这说明技术水平对于碳排放的增长具有波动式的抑制作用。在全球尺度上来看，技术水平变动的贡献仍是研究时段内促使区域碳排放降低的最主要原因。

总的来看，经过LMDI方法的完全分解，发现在全球碳排放稳定增长的大背景下，各影响因素的变化对区域碳排放的变动均呈现不同的影响特征和强度。其中，随着人口规模的增长，其对碳排放的贡献已经保持相对稳定。经济发展水平变动的贡献值显示全球经济发展对碳排放的控制尚处在倒U型关系的正相关阶段。产业结构变动贡献有一定波动，且部分显示出负效应，在一定程度上说明该效应具有碳汇作用。技术水平变动则是当前抑制碳排放不断增长的主要因素。

图1　1999—2011年全球整体各影响因素变动贡献与碳排放总效应的对应散点图

四、全球各国碳排放各影响因素的贡献及强度

区域碳排放与各影响要素间的关系是一个动态变化的连贯性过程，而各个国家和地区在任何一个时间截面上所表现的都是瞬时特征。在这个意义上，同一区域在不同时间截面的表现可反映该区域碳排放受到其影响因素所产生效应的基本趋势，而相同时间截面不同区域的表现则能够反映这些区域所共同构成的国家集团类型碳排放各影响因素的演进特征和规律。因此，本研究在对全球各国碳排放完全分解值的贡献分析部分将从不同发展水平类型的视角入手，并选取研究时段的起止两个年份进行对比，以期显示全球各国碳排放所受影响强度及其规律的更细致信息。

(一)极高发展水平国家类型

基于LMDI分解法，极高发展水平国家碳排放变化总效应得到完全分解(图2)。第一，不同于全球整体情况，人口规模对于极高发展水平国家碳排放的贡献值整体较低且部分为负值，说明人口规模的变化已经不是碳排放比较重要的影响因素。随着人口规模变动贡献的增长，区域碳排放的增长较为缓和，说明极高发展水平国家人口规模对碳排放的正向影响强度的弹性较低，且该弹性在研究时段内有所降低。

第二，经济发展水平变化对极高发展水平国家碳排放的贡献值整体较低，说明该因素对于该类型国家碳排放的影响强度较低或为负向影响。上述现象从横向和纵向两个时间的维度共同证明了环境库兹涅茨曲线(EKC)中当经济增长到一定阶段时会对碳排放产生负反馈作用的部分，即倒U型结构的峰值右侧。

第三，产业结构变动对极高发展水平国家类型影响强度的分布跨度较大，说明该影响因素对于碳排放的影响随地理空间的变化呈现显著的差异。上述现象均暗示，对于极高发展水平国家，产业结构变动幅度与对碳排放的贡献并无直接关系，总体表现为贡献较小、影响较弱。

第四，对极高发展水平国家来说，技术水平变化对碳排放的正负反馈均有，整体上明显呈现随技术水平贡献上升区域碳排放逐步下降的趋势。这说明技术水平变动对于碳排放的抑制作用并未随时间的推进而增强，而是由于技术创新的周期性而不断发生反复性的波动。

因此，极高发展水平类型各国碳排放变动与各影响要素变化的贡献之间均表现出相对显著的规律性特征。其中，人口规模变化对碳排放为微弱正影响，技术水平在不断变动中亦有波动性的抑制作用。值得注意的是，极高发展水平国家经济发展水平的提高对碳排放产生负反馈，从侧面证实了EKC的存在性。

图2　1999年和2011年极高发展水平国家基于LMDI法的各分解量与碳排放变化总效应散点图

(二)高等发展水平国家类型

高等发展水平国家碳排放受到各因素的影响规律具有新的特征(图3)。第一，人口规模对高等发展水平国家碳排放总体呈现正向效应，特别是1999年的影响强度高于极高发展水平国家，说明人口规模要素变动产生的作用对于高等发展水平国家碳排放来说具有更重要的意义，高等发展水平国家的人口规模对于碳排放的正向效应在逐步降低。

第二，经济发展水平对高等发展水平国家碳排放的影响总体呈现正向影响作用，但影响强度弱、弹性较低。上述现象说明在EKC存在的情况下，高等发展水平国家正在接近或越过经济发展水平对区域碳排放的贡献峰值阶段。

第三，产业结构变动对于高等发展水平国家碳排放的贡献值较低且分布范围较窄，但在所有该类型国家数据的基础上仍然显示出随产业结构贡献值上升区域碳排放下降的基本趋势。这说明产业结构的演进已经成为该类型国家进行减排的可能性，只要沿着该趋势发展，产业结构会成为带动区域减排的重要因素。

第四，技术水平对各高等发展水平国家碳排放贡献所共同形成的趋势较为显著，技术水平越高，其碳排放越低。

因此，高等发展水平类型各国所表现的碳排放与各影响因素贡献间的规律亦较为显著。其中，与极高发展水平国家差异较大的主要是高等发展水平的经济发展水平变化对区域碳排放的贡献显示为正效应，进一步佐证了EKC的存在性。同时，人口规模变动对区域碳排放呈现正向变化趋势，而产业结构与技术水平变动均对碳排放产生负向变化趋势，说明对于该类型国家来说，产业结构和技术水平贡献值的提升所带动的区域碳减排量很有可能会高于该影响因素自身贡献的增长量，最终实现减排目标。

图3　1999年和2011年高等发展水平国家基于LMDI法的各分解量与碳排放变化总效应散点图

(三)中等发展水平国家类型

中等发展水平国家碳排放经过分解后的各影响因素总体上分布较前两类国家更为零散，在一定程度上暗示了这类国家的固定属性和特征属性均参差不齐(图4)。第一，人口规模变动对中等发展水平国家碳排放的贡献几乎全部显示为正值，但所有该类型国家的数据并未显示出明显的趋势性特征。在人为拟合的背景下，初步观察发现人口规模变动对中等发展水平国家的影响弹性较低，且在研究时段内逐步转化为负向影响。

第二，经济发展水平变动对中等发展水平国家碳排放的贡献亦多数显示为正值，所有国家的数据总体上也表现出随着经济发展水平贡献上升区域碳排放增加的基本趋势，但是在趋势与高等发展水平国家相似的情况下，中等发展国家的经济发展水平变动贡献的弹性更强，亦即相同的该影响因素变动贡献增加量，会引起中等发展水平国家更高的碳排放增长量。

第三，产业结构变动对中等发展水平国家的贡献中正负值均有，总体分布零散。这说明产业结构变动对于中等发展水平类型各个国家区域碳排放的贡献作用不具备跨越地理区位的共同规律，即该类型国家产业类型的变动所引起的碳排放变化具有极强的不确定性。

第四，技术水平变动对于中等发展水平国家碳排放的贡献值多为负值或在零值附近，说明对于该类型国家来说，技术水平同样是对碳排放起到抑制作用的重要因素。由此表明中等发展水平国家通过提高低碳相关技术发展水平应是可行并且关键的减排路径。

图4　1999年和2011年中等发展水平国家基于LMDI法的各分解量与碳排放变化总效应散点图

总体而言，中等发展水平国家碳排放与各主要影响因素变动贡献间的关系不及前两个国家类型显著，但仍显示了诸多细节性的信息。人口规模对于该类型国家碳排放的贡献值几乎均为正值，说明区域固定属性对于该类型国家仍具有重要的意义，而经济发展水平变动贡献的增加则会引起区域碳排放的增长，这一现象与前两类国家共同为EKC的存在性提供了多方面的佐证。产业结构变动贡献的波动对碳排放的影响存在很强的不确定性，这可能是由于产业结构对碳排放的影响存在间接性，是通过改变区域经济发展水平和发展方式等特征属性而起作用。同时，技术水平变动的贡献对碳排放产生显著的抑制作用。

五、结论

当前，国内外的环境相关分解研究并未出现全球尺度下包含产业变迁信息的碳排放完全分解研究。本文通过对LDMI分解法进行修正，有一定的创新性。基于修正后的LMDI完全因素分解法对全球尺度下各国1999—2011年的燃料燃烧产生碳排放中人口规模、经济发展水平、产业结构和技术进步变动产生的贡献进行剥离，并对各要素贡献在研究时段内的变化特征与规律进行深入分析。本文主要有以下结论与启示：

第一，全球整体碳排放的LMDI分解结果显示：人口规模的贡献在逐步降低，而经济发展水平增长的贡献则日益明显。同时，以产业结构为代表的产业变迁虽然对碳排放的贡献尚不显著，但趋势较为明确。技术进步水平的贡献与碳排放呈现负相关关系，但趋势并不显著，可能说明了技术创新的偶然性。

第二，不同发展水平国家集团的分解结果分析说明：人口规模变动的贡献多为正效应，且随国家发展水平提高对碳排放的影响逐步降低。这一信息暗示了相较于极高和高等发展水平国家集团，中等发展水平国家相同水平的人口增长将引起更大幅度的碳排放增长。

第三，各个发展水平国家集团的经济发展水平因素贡献的综合对比分析显示：随着国家发展水平的提升，经济发展水平对碳排放的影响将呈现先上升、后下降的倒U型趋势特征。因此，本文基于修正后的LMDI分解法结果在实证层面上佐证了环境库兹涅茨曲线的存在。

第四，产业结构变迁的贡献随国家发展水平的提高，亦呈现先上升、后下降的对碳排放的影响作用，但这一规律并不显著。而技术进步水平对各国均呈现负向效应，且随国家发展水平提高，该负向强度逐步增加。

总体而言，本文对LMDI完全分解法的修正填补了国内外相关研究的空白，并在全球尺度下揭示了1999—2011年各传统影响因素对碳排放的贡献规律，显示了随着区域经济的发展，人口规模的正向贡献逐步降低，经济发展水平和产业结构的贡献呈现倒U型趋势，而技术进步的负向效应则有一定浮动。

参考文献:

[1]LI G,YUAN Y.Impact of regional development on carbon emission:empirical evidence across countries[J].Chinese geographical science,2014,24(5):499-510.

[2]HOUGHTON J T.Climate change 1995:the science of climate change:contribution of working group I to the second assessment report of the intergovernmental panel on climate change[M].Cambridge：Cambridge university press,1996.

[3]SOMMER U.World energy outlook[R].International energy agency,1996.

[4]SHAFIK N,BANDYOPADHYAY S.Economic growth and environmental quality:time-series and cross-country evidence[R].Policy research working paper,1992.

[5]GROSSMAN G M,KRUEGER A B.Environmental impacts of a North American Free Trade Agreement,Garber P.The US-Mexico Free Trade Agreement[M].Cambridge：MIT Press,MA,1993.

[6]SELDEN T M,SONG D.Environmental quality and development:is there a Kuznets curve for air pollution emissions?[J].Journal of environmental economics and management,1994,27(2):147-162.

[7]邹秀萍,陈劭锋,宁淼,等.中国省级区域碳排放影响因素的实证分析[J].生态经济,2009(3):34-37.

[8]DURO J A,ALCNTARA V,PADILLA E.International inequality in energy intensity levels and the role of production composition and energy efficiency:an analysis of OECD countries[J].Ecological economics,2010,69(12):2468-2474.

[9]SUN J W.The decrease in the difference of energy intensities between OECD countries from 1971 to 1998[J].Energy policy,2002,30(8):631-635.

[10]张雷.经济发展对碳排放的影响[J].地理学报,2003(4):629-637.

[11]FRIEDL B,GETZNER M.Determinants of CO2emissions in a small open economy[J].Ecological economics,2003,45(1):133-148.

[12]HOEKSTRA R,VAN DEN BERGH J C J M.Comparing structural decomposition analysis and index[J].Energy economics,2003,25(1):39-64.

[13]LIU X Q,ANG B W,ONG H L.The application of the divisia index to the decomposition of changes in industrial energy consumption[J].The energy journal,1992(4):161-178.

[14]PAUL S,BHATTACHARYA R N.CO2emission from energy use in India:a decomposition analysis[J].Energy policy,2004,32(5):585-593.

[15]ZHANG M,LIU X,WANG W,et al.Decomposition analysis of CO2emissions from electricity generation in China[J].Energy policy,2013,52:159-165.

[16]MA C,STERN D I.China’s changing energy intensity trend:a decomposition analysis[J].Energy economics,2008,30(3):1037-1053.

[17]ANG B W.Decomposition analysis for policymaking in energy::which is the preferred method?[J].Energy policy,2004,32(9):1131-1139.

[18]ANG B W,ZHANG F Q.A survey of index decomposition analysis in energy and environmental studies[J].Energy,2000,25(12):1149-1176.

[19]向其凤.中国碳排放总量产业间分配研究[D].北京：首都经济贸易大学,2013.

[20]SUN J W.Changes in energy consumption and energy intensity:a complete decomposition model[J].Energy economics,1998,20(1):85-100.

[21]ANG B W,LIU F L.A new energy decomposition method:perfect in decomposition and consistent in aggregation[J].Energy,2001,26(6):537-548.

[22]SUN J W,MERISTO T.Measurement of dematerialization/materialization:a case analysis of energy saving and decarbonization in OECD countries:1960—1995[J].Technological forecasting and social change,1999,60(3):275-294.

[23]SUN J W.Accounting for energy use in China,1980—1994[J].Energy,1998,23(10):835-849.

[24]ANG B W,ZHANG F Q.A survey of index decomposition analysis in energy and environmental studies[J].Energy,2000,25(12):1149-1176.

[25]CHOI K,ANG B W.Decomposition of aggregate energy intensity changes in two measures:ratio and difference[J].Energy economics,2003,25(6):615-624.

[26]DE CIAN E,SCHYMURA M,VERDOLINI E,et al.Energy intensity developments in 40 major economies:structural change or technology improvement?[R].Fondazione Eni Enrico Mattei,2013.

[27]ANG B W,LIU F L,CHUNG H.A generalized fisher index approach to energy decomposition analysis[J].Energy economics,2004,26(5):757-763.

[28]ANG B W,ZHANG F Q,CHOI K.Factorizing changes in energy and environmental indicators through decomposition[J].Energy,1998,23(6):489-495.

[29]GREENING L A,DAVIS W B,SCHIPPER L.Decomposition of aggregate carbon intensity for the manufacturing sector:comparison of declining trends from 10 OECD countries for the period 1971—1991[J].Energy economics,1998,20(1):43-65.

[30]SUN J W,MALASKA P.CO2emission intensities in developed countries 1980—1994[J].Energy,1998,23(2):105-112.

[31]VIGUIER L.Emissions of SO2,NOxand CO2in transition economies:emission inventories and divisia index analysis[J].The energy journal,1999(2):59-87.

(责任编辑魏艳君)

Complete Decomposition of Global Carbon Emissions Based on Modified LMDI Equation

YUAN Yuan1, LI Guo-ping2, SUN Tie-shan2

(1.School of Humanities, Economics and Laws, Northwestern Polytechnical University,Xi’an 710072, China; 2.School of Government, Peking University, Beijing 100871, China)

Abstract:Globalwarming has become a serious problem, and carbon mitigation is the common responsibility of all countries. Decomposition methods have been the common environment analysis tools on the economic impact, but due to the complete decomposition method’s highly dependent on data precision, there is not research of carbon decomposition contain factors of economic development of global scale. Based on LMDI equation which is widely used, this paper decomposed the carbon emission under global scale into population, development, economic structure and technology and carried out a comparative analysis in the context of different developing levels of countries. This research modified the traditional LMDI equation and decomposed the carbon emission under the global scale including economic structure. Thus, the main conclusions are as followed: firstly, under the global scale, the contribution of population is declining and the contribution of regional development is gradually strengthened; secondly, under the background of different developing levels of countries, the contribution of population is always positive, and its impact is reducing with developing of countries; Contribution of industrial structure shows up and then drop impact along with the improvement of national development; The advances in technology level has a significant negative effect on all countries; thirdly, the comparative analysis of the contributions of development shows its impact on carbon emission represents inverted-U trend with the increasing of regional development, proving the existence of Environmental Kuznets Curve on the empirical level.

Key words:carbon emission; LMDI method; economic development level; environment Kuznets curve; impacting factor

文章编号：1674-8425(2016)04-0024-11

中图分类号：F719

文献标识码：A

doi:10.3969/j.issn.1674-8425(s).2016.04.005

作者简介：原嫄(1986—)，女，陕西西安人，讲师，博士，研究方向：区域经济学、气候经济学； 通讯作者：李国平(1961—)，男，黑龙江拜泉人，教授，博士生导师，研究方向：经济地理学、区域经济学、城市与区域规划。

基金项目：国家自然科学基金项目“我国区域空间结构演化机理、影响因素及其优化研究”(41171099)；国家重大科研计划973项目“气候变化与气候保护中的全球经济问题”(2012CB955802)

引用格式：原嫄，李国平，孙铁山.全球尺度下的碳排放完全分解及其规律——基于LMDI修正模型的实证研究[J].重庆理工大学学报(社会科学)，2016(4):24-34.

Citation format：YUAN Yuan, LI Guo-ping, SUN Tie-shan.Complete Decomposition of Global Carbon Emissions Based on Modified LMDI Equation[J].Journal of Chongqing University of Technology(Social Science)，2016(4):24-34.