中国经济和能源政策对碳排放强度的影响

蒋金荷

(中国社会科学院 数量经济与技术经济研究所，北京　100732)



中国经济和能源政策对碳排放强度的影响

蒋金荷

(中国社会科学院 数量经济与技术经济研究所，北京100732)

摘要：经济政策和能源政策是影响中国能源消费和碳排放的主要政策因素。从一次能源人均碳排放量和终端碳排放强度也即单位GDP终端碳排放强度两个视角分析中国碳排放强度，采用Divisia指数分解模型对碳排放强度进行分解，研究结果表明：经济政策因素和能源政策因素在不同时期对碳排放强度变化的作用和贡献率是不同的。从人均碳排放而言，起主要作用的因素是经济发展和能源效率的提高，1980—2012年人均碳排放量提高了309%，增加了4.7t CO2，其中经济发展水平的提高促进了人均碳排放增加，贡献率为215.7%，而能源效率的提高起到了降低人均碳排放的作用，贡献率为-113%。从终端碳排放强度分析，1996—2012年，碳排放强度降低了52%，其中能源效率的提高作用最大，贡献率为106%，其次是能源结构的改变，而产业结构的变化则提高了碳排放强度。

关键词：碳排放强度；人均碳排放；终端碳排放；能源政策；Divisia指数分解

一、概述

应对气候变化是当今国际社会面临的最大挑战之一，中国也不例外。经过30多年的经济快速发展，中国的能源消费不断增加，并已成为世界上碳排放量最大的国家。2013年中国化石能源碳排放95.24亿t CO2，比2012年增加4.2%，占全球碳排放的27.1%，而同期美国占全球碳排放的16.9%*BP Statistical Review of World Energy June 2014, http://www.bp.com/statisticalreview。因此，除了能源的供需矛盾，中国还面临严峻的环境问题和应对气候变化的压力。目前，中国处于城镇化、工业化的发展阶段，能源需求和二氧化碳排放量不可避免地持续增长。另一方面，为了应对全球气候变暖，中国政府一直致力于发展低碳经济，积极推进经济结构调整，加快经济发展模式转变。2014年中美两国政府达成温室气体减排协议，中国政府提出“2030年中国碳排放有望达到峰值，并将于2030年将非化石能源在一次能源中的比重提升到20%”*http://news.sina.com.cn/c/2014-11-12/141331132610.shtml，2014年11月12日。。既要完成一定的经济社会发展目标，提高人民的生活水平，又要使二氧化碳排放减缓到可接受的水平，这是一个巨大的挑战。因而，研究影响中国碳排放增长的驱动因子是很有必要的。

国内外学者对中国能源消费、碳排放影响因素分解做过一些研究，比较有代表性的研究成果有：徐国泉等建立了影响中国人均碳排放的LMDI分解模型，分析了1995—2004年经济发展对人均碳排放呈指数型增长贡献，而能源效率和能源结构对抑制人均碳排放增长都呈倒“U”型曲线[1]；王峰等基于LMDI法把驱动1995—2007年中国能源消费的CO2排放增长率分解为11种经济相关因素并对其加权贡献进行了研究[2]；宋德勇等分析了我国碳排放周期性波动特征，基于两阶段LMDI模型结果表明，不同经济增长方式的差异是碳排放波动的重要原因[3]；Ang等对中国工业部门能源消费碳排放进行了LMDI分解研究[4]；Liu等用LMDI法对中国工业部门36个行业的CO2排放量进行了研究，认为终端能源强度和工业经济发展是推动CO2排放量变化的主要因素[5]；Wang Can通过对我国1957—2000年的CO2排放进行LMDI分解，研究了技术因素对碳排放量的影响[6]。以上研究大部分仅考虑方法应用及结果的初步分析，缺乏对能源数据的合理选择以及对结论从政策层面的系统分析；其次，缺少对最近几年中国经济发展过程中引起能源消费、碳排放特征变化的系统分析。

为了更精确地反映中国碳排放强度，本文从两个视角定义碳排放强度，即一次能源人均碳排放量和单位产业增加值终端碳排放量也即产业碳排放强度。前者利用一个国家或地区所消耗的能源总消费引起的碳排放总量除以全社会总人口，即人均碳排放量，这是一种从广义上定义的碳排放强度，可反映全社会活动的碳排放强度大小；后者基于产业部门活动所消耗的终端能源消费引起的碳排放量，这是狭义上的终端碳排放强度定义，由于碳排放量仅包含产业部门，不包括能源转换部门(如电力工业)和居民生活消费，因此，终端碳排放强度能够真实反映产业部门的碳排放效率。为了分析影响碳排放强度变化的主要因子，本文采用指数分解模型对不同定义的碳排放强度进行分解，对近20年来中国的经济政策、能源政策对碳排放强度变化的影响进行综合分析。

二、碳排放强度指数分解模型

(一)人均碳排放量分解模型

首先我们根据著名的Kaya恒等式建立碳排放量关系式，设C为全国一次能源消费引起的总碳排放量，Ci为能源i(i=1,2,3,4;分别表示煤炭、石油、天然气、水电核电等其他电能)的碳排放量，则有

(1)

对式(1)两边同时除以人口总量，即可得到人均碳排放量U分解公式：

(2)

其中，G为经济产出，用国内生产总值表示；ki为能源i碳排放系数，即单位能源i消费的CO2排放量，一般认为在研究期内碳排放系数不变；ei表示能源i占能源总消费的比，即能源i的消费结构；I表示能源消费强度(=E/G)，即单位GDP的能源消费量，是能源经济效率的倒数；P为全国人口总量；Y为人均GDP。可见人均碳排放量与经济发展水平、经济结构、能源使用效率、能源结构等因素有关。

类似于能源效率，根据研究的需要，碳生产率(即碳排放强度倒数)可以采用不同的测度方法。为了探讨经济政策、能源政策对碳排放的影响，以及可利用的数据，本文没有直接利用式(1)中的C/GDP这种常规碳排放强度的定义，而是利用总人口去除碳排放总量，这种对碳排放强度的度量可以总体反映出一个国家或地区的碳排放强度。这是由于一次能源消费量，既包括终端能源消费量，也包括能源中间加工转换和损失量，因而，由此引起的碳排放量除以GDP不能准确反映出经济活动引起的碳排放效率。

分析引起碳排放强度变化的驱动因素及其贡献率，目前解决这一问题的最普遍方法是应用指数分解方法[7]。根据Divisia指数分解法的原理[4,7]，可以得到人均碳排放变化量Δc*为了统一标记，本文用c表示碳排放强度，也即是说其既可以表示人均碳排放量也可以表示单位增加值碳排放量。加法形式的LMDI分解公式：

Δc=cT-c0=ΔCout+ΔCstr+ΔCEint

(3)

对于a﹥0,b﹥0，对数平均数L(a,b)定义为：

其中，cT、c0分别表示第T期和基期的人均碳排放量，ΔCout、ΔCstr、ΔCEint分别表示经济水平效应、能源结构效应、能源强度效应。LMDI指数分解方法是一种完全分解分析方法，即分解的残差项值为零。

(二)终端碳排放强度的分解模型

为了比较准确度量产业部门的碳排放强度，我们利用终端能源消费引起的碳排放量来定义碳排放强度。用Cj表示部门j终端碳排放量*由于居民生活消费没有直接经济产出，因而本文的终端消费不包括生活能源消费。,i(=1,2,3)表示能源种类，包括煤炭、油品、天然气*终端电力消费，不考虑计入碳排放量。。类似式(1)，有

(4)

其中，Eij表示部门j消耗能源i的终端消费量，Ej表示部门j终端能源消耗的加总量，eij表示部门j能源i的消费量占Ej的比例，即部门j的能源消费结构，Ij表示部门j的能源强度，Vj表示部门j的增加值，Sj表示部门j的产业结构，其余符号含义同式(1)。将式(4)两边同除以G，则得终端碳排放强度

(5)

(6)

其中

其中，式(6)中各指标的含义同式(5)。可见，终端碳排放强度既与经济结构有关，也与能源结构、部门能源效率有关，其变化包含以下4种指数效应：碳排放系数效应(DCkt)反映终端能源消费结构中的低碳化程度，由于各部门的用能结构是不同的，导致终端用能的碳排放系数也是变化的；能源消费结构效应(DCet)反映终端消耗的能源种类变化；能源强度效应(DCIt)反映各部门的终端用能效率，体现用能方面的技术进步；经济结构效应(DCSt)反映各产业的比例变化。

三、分解结果和讨论

(一)数据准备

首先我们基于可利用的最新能源统计数据，对碳排放量进行估算*最新出版的《中国能源统计年鉴2015》公布的数据对全国终端分品种能源数据(实物量、标准量)从2000到2012年进行了数据修正，但2000年以前的数据未作修正，为了尽可能利用更多的统计数据，故本文利用的能源统计数据参考《中国能源统计年鉴》(2009—2014年)中公布的统计数据。。由于可利用的终端能源数据只包含6个部门，本文也只对这6个部门进行分析，包括农业、工业、建筑业、交通运输业、商业、服务业。碳排放估算方法以及各种参数的取值参见文献[8-9]，可以得到各部门分品种能源消费量和碳排放量，由于篇幅限制，表1、表2和表3仅列出各部门加总得到的能源消费量和碳排放量，以及一次能源消费量(按电热当量估算)和碳排放量。本文涉及到的GDP和各部门的产业增加值都按照2005年不变价格计算。

由表1和表3可以发现，终端能源强度远低于一次能源估算的能源强度，如2005年终端能源强度为每万元GDP 0.58tce，而一次能源消费强度为每万元GDP 1.22tce，前者不到后者的一半。

(二)人均碳排放量分解结果和讨论

根据模型(3)对人均碳排放量进行Divisia指数分解，为了比较分解结果，我们分别做了加法和乘法分解，结果如图1和图2、表4和表5(相邻年代之间的分解结果未列出)所示。

图1　1980—2012年人均碳排放Divisia指数(加法)分解值(tCO2)

图2　1980—2012年人均碳排放Divisia分解指数(乘法)的变化趋势(令指数1980=1)

总体上，1980—2012年中国人均碳排放增加了4.7t CO2，由1980年的1.52tCO2增加到2012年的6.22tCO2，扩大了309%，其中经济发展水平影响最大，经济水平的提高导致人均碳排放量增加了10.14tCO2,贡献率为215.7%，而能源效率的提高、能源结构的改变都起着抑制人均碳排放量增加的作用，分别降低了5.33tCO2和0.12tCO2，贡献率分别为113%、2.5%。这种关系也从图2清晰地展示出来。由此，可以初步推断，中国30多年来碳排放量的增加主因是经济发展，能源政策总体起到了降低碳排放的作用，尤其是能源效率的作用非常明显。

表1　1996—2012年6部门终端能源消费量(Mtce,tce/万元GDP)

数据来源:《中国统计年鉴》(2014)、《中国能源统计年鉴》(2009—2014)及作者计算。

表2　1996—2012年6部门终端碳排放量(MtCO2,tCO2/万元GDP)

数据来源:《中国统计年鉴》(2014)、《中国能源统计年鉴》(2009—2014)及作者计算。

表3　1980—2012年一次能源消费量、碳排放量

数据来源:《中国统计年鉴》(2014)、《中国能源统计年鉴》(2009—2014)及作者计算。

表4　1980—2012年人均碳排放变化LMDI加法分解

表5　1980—2012年人均碳排放变化Divisia乘法分解

但从不同时期分析，这几个因素的作用表现相差显著。首先，从人均碳排放量自身来说，从1980年到2002年的22年，增加相当平缓，仅增加了1.46tCO2，但从2003年开始，人均碳排放量呈快速增长趋势，2002—2012年期间，增加了3.25tCO2，增长了109%，扩大了1倍多。那么这3种因素如何导致这种结果呢？

1.经济发展水平的作用

1980—2012年，中国人均经济(即人均GDP)增长率为年均10.0%，其中1980—2002年的年均增长率为8.40%，2002—2012年为13.4%。可见，后10年的增长率整整高出前22年5个百分点(图3)，从而带来了后十年人均碳排放的快速增长。根据表5，后10年因经济发展水平提高引起的人均碳排放增加了5.53tCO2，高于前22年带来的人均碳排放4.61tCO2的贡献量。

图3　3个不同时期人均GDP、能源消费量的增长率和能源结构变化(%)

2.能源效率的作用

能源效率指单位能源使用过程的有用产出，在测算表达式上是能源消费强度的倒数。表5和图3都告诉我们，能源效率在研究期内都是提高的，即能源强度是下降的，后10年与前22年的下降速率几乎相等，对人均碳排放所起的作用分别为-2.21tCO2、-3.12tCO2，即降低了人均碳排放量。提高能源效率对降低碳排放的作用是十分明显的，所以要重视技术进步在减缓CO2中的作用。

3.能源结构的作用

通过改变能源结构来降低碳排放，实质就是降低一次能源中高碳能源的比例，提高清洁能源比例。图3的能源结构指一次能源中煤炭、石油所占比例之和，因为这两者是一次能源中的主要碳排放源，改变能源结构就是要降低这两者的比例，尤其是煤炭的比例。图3给出了这两者比例之和在3个时期的变化，显然，该比例值是减少的，2012年煤炭与石油所占的比例仅比1980年降低了7.5个百分点。由于比例减少的数值不是很明显，因而对降低人均碳排放所起的作用也较小。

(三)终端碳排放强度分解结果和讨论

根据模型(6)对终端碳排放强度进行AMDI乘法分解，由于终端能源可利用的数据只有1996—2012年，故对终端碳排放强度的研究期只有16年。模型分解结果如图4、表6。

图4　1996—2012年终端碳排放强度的Divisia分解指数(设指数值1996=1)

1996—2012年，终端碳排放强度由1996年1.91tCO2/万元GDP下降到2012年的0.92tCO2/万元GDP(表2)，降低了51.8%，年均下降率为4.45%，其中部门能源效率贡献最大，贡献率为106.3%，几乎与终端碳排放强度保持同一变化态势；其次是能源结构和碳排放系数改变引起的碳排放强度的降低，贡献率分别为3%和0.9%，而产业结构的改变则起到了增大碳排放强度的作用，贡献率达到18.3%。因而，在研究期内，终端能源政策总体上是有利于降低碳排放强度的，而产业的发展变化却促进了碳排放强度的升高，也就意味着“高耗能”产业还处于成长发展期。

但在不同时期，这4种因子所起的作用是不同的，下面分析这种变化的原因。

表6　1996—2012年终端碳排放强度比值AMDI分解

注：括号内的百分值表示终端碳排放强度比值的变化率。

1.终端用能效率的影响

终端用能效率可以理解为终端能源强度的倒数，终端能源强度的下降意味着终端用能效率的提高。1996—2012年，终端用能效率大致经历了3个变化期(图5)：第一阶段1996—2002年能效上升期，年均增长率为5.7%；第二阶段2002—2005年能效下降期，年均下降率为5.3%；第三阶段2005—2012年能效上升期。这种变化趋势反映到碳排放强度的影响上，在2002—2007年促进了碳排放强度的增长。在其余时期，终端能效的提高都是降低碳排放强度的主要驱动力。

图5　1996—2012年4大部门和终端能源总强度(tce/万元增加值，按2005年不变价格)

从各部门能源强度分析(图5)，除了农业能源强度略有上升外，其余部门的能源强度总体上都是下降的，尤其最高的交通运输业和工业，这两者的变化基本决定了终端能源强度的变化趋势。因而，提高交通运输业和工业部门的用能效率对于总能效的影响是非常明显的。

2.终端用能结构分析

终端用能结构和碳排放系数都是对能源终端消费结构的反映，但着重点稍有不同，前者只反映各种能源的比例变化，后者则是对能源结构中低碳能源的直接反映。因而这两者对碳排放强度的影响基本一致，除了2002—2007年，能源结构的变化促进了碳排放强度的升高，而碳排放系数是有利于降低碳排放强度的。图6、图7分别给出了终端用能结构和碳排放系数的变化趋势。

图6　1996—2012年终端能源消费结构(%)

可见，除了煤炭比例是降低的，其余包括石油、天然气、电力的比例都是增加的。煤炭比例由1996年的60.6%下降到2012年的42.1%，但2002—2005年该比例略有增加，由46.8%增加到50.5%。由于用能结构的改变，碳排放系数是波动的(图7)，总体呈下降趋势，即能源结构的低碳化，但2009—2012年碳排放系数是增加的，因而，2007—2012年碳排放系数和能源结构都促进了碳排放强度的增加。

图7　1996—2012年终端能源碳排放系数(kgCO2/kgce)

3.产业结构分析

按照2005年不变价格，将各产业的增加值统一换算，得到产业结构变化趋势(图8)。总体上，除了农业比例下降，建筑业、交通运输业比例基本不变外，其余产业的比例都是增加的，尤其包含高能耗产业的工业比例增加了近6个百分点。产业结构的这种变化趋势意味着单位经济产出需要消耗更多的能源，所以在研究期内产业结构的改变促进了碳排放强度的增加。

图8　1996—2012年6部门产业结构变化(%)

四、结论和政策评价

政策的影响结果评价可以反映两个问题：政策的合理性以及政策的可执行性，本文从能源政策和经济政策对碳排放强度的影响效果来分析研究期内政策的合理性。为了更准确地度量碳排放强度，文章提出了一次能源人均碳排放量和终端碳排放强度两种测度方法，并用Divisia指数分解方法分析碳排放强度的影响因子和贡献率。结果表明：经济发展水平是促进人均碳排放量增加的主要驱动因子，能源效率的提高、能源结构的改变都有利于人均碳排放量和终端碳排放强度的降低，但能源效率具有较大的贡献率，而产业结构的改变总体上促进了碳排放强度的增加。故基于本文的初步研究结论，对研究期内中国的经济能源政策提出以下几点评价和反思：

第一，1996年以来，中国产业结构中“高碳排放”行业比例是增大的，产业的“清洁化”不明显，未来产业结构的升级优化还要加强，需大力支持“低碳”产业的发展，产业结构调整任重道远。

第二，1996年以来，一次能源消费结构和终端能源消费结构中的清洁能源比例尽管有所增加，但仍然过低，不足以对碳排放的改变带来显著的影响，未来应加强对低碳能源，包括新能源和可再生能源的投资力度和政策扶持。

第三，能源效率在不同时期都有所提高，对碳排放量降低起到了主要的促进作用。这就从侧面证明了“节能减排”政策是有效果的。但与发达经济体比较，中国目前能源效率仍比较低，未来还需要加强，尤其在低碳能源技术的创新和市场开发方面。

第四，突出技术进步在碳减排中的作用，包括能源系统的技术进步和用能设备的改进、提高。

参考文献：

[1]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.

[2]王峰，吴丽华，杨超.中国经济发展中碳排放增长的驱动因素研究[J].经济研究，2010(2)：123-136.

[3]宋德勇，卢中宝.中国碳排放影响因素分解及其周期性波动研究[J].中国人口·资源与环境，2009(3)：18-24.

[4]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.

[5]LIU L,FAN Y,WU Y,et al.Using LMDI method to analyze the change of China’s industrial CO2emissions from final fuel use an empirical analysis[J].Energy policy,2007,35(11):5892-5900.

[6]WANG C,CHEN J N,ZHOU Ji.Decomposition of energy-related CO2emission in China:1957—2000 [J].Energy,2005,30:73-83.

[7]ANG B W.The LMDI approach to decomposition analysis:a practical guide[J].Energy policy,2005,33:867-871.

[8]蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学，2011，33(4):612-619.

[9]ZHANG Z X.The economics of energy policy in China:Implications for global climate change，cheltenham[M].UK:Edward Elgar Publishing Limited，l998:279.

(责任编辑魏艳君)

收稿日期：2016-05-10

基金项目：中国社会科学院创新工程基础研究学者项目“能源效率、竞争力与低碳发展”(2014—2018)，国家重点基础研究发展计划(973计划)“气候变化经济过程的复杂性机制、新型集成评估模型簇与政策模拟平台研发”(2012CB955801)

作者简介：蒋金荷(1968—)，女，浙江台州人，副研究员，博士，研究方向：气候变化影响综合评估、低碳政策分析。

doi:10.3969/j.issn.1674-8425(s).2016.07.005

中图分类号：F205

文献标识码：A

文章编号：1674-8425(2016)07-0028-09

Impacts of Chinese Economic and Energy Policies on Carbon Emission Intensity

JIANG Jin-he

(Institute of Quantitative and Technical Economics, CASS, Beijing 100732, China)

Abstract:Economic policy and energy policy are two major factors of energy consumption and carbon emission. This paper analyzes carbon emission intensity from the perspectives of primary energy per capita carbon emission and the terminal carbon emission intensity (terminal unit GDP carbon intensity).By using the Divisia index decomposition model to decompose the intensity of carbon emission, it shows that economic policy and energy policy’s impacts on carbon emission intensity are changing with time. In terms of per capita carbon emissions, the main factors are economic development and the improvement of energy efficiency. Per capita carbon emission had increased 309%from 1980 to 2012, and added 4.7t CO2, in which the raise of economic development level promotes the increase of per capita carbon emission in a rate of 215.7% and the raise of energy efficiency decreases per capita carbon emission in a rate of -113%. In terms of the terminal carbon emission intensity, it decreased 52% from 1996 to 2012, in which the raise of energy efficiency is the main factor contributing to the decrease in a rate of 106%. Furthermore, the change of energy structure also contributed to the decrease of carbon emission intensity, while the change of industrial structure increased the carbon emission intensity.

Key words:carbon emission intensity; per capita carbon emission; final carbon emission; energy policy; Divisia index decomposition

引用格式：蒋金荷.中国经济和能源政策对碳排放强度的影响[J].重庆理工大学学报(社会科学)，2016(7):28-36.

Citation format：JIANG Jin-he.Impacts of Chinese Economic and Energy Policies on Carbon Emission Intensity[J].Journal of Chongqing University of Technology(Social Science)，2016(7):28-36.