基于分解模型的碳生产率影响因素分析

黄元生，李 慧

（华北电力大学经管系，河北保定071003）



基于分解模型的碳生产率影响因素分析

黄元生，李 慧

（华北电力大学经管系，河北保定071003）

本文运用分解模型对中国碳生产率的变动情况进行分析，并以2002-2011年为样本期，定量研究了技术进步、产业结构调整等因素对中国碳生产率变动的影响。研究结果表明:与产业结构调整相比，技术进步因素更能促进碳生产率的提高；在产业结构中，工业和出口贸易对碳生产率的影响相对较大。因此，优化出口结构，淘汰落后企业产能，把控制碳排放量的任务分配给地方政府都能在可预见的未来提高碳生产率。

碳生产率；LMDI；分解模型

1999年Kaya和Yokobori提出了碳生产率的概念，将其定义为国内生产总值与碳排放量之比［1］。碳生产率的变化可以用来衡量一个国家对控制全球气候变化所做出的贡献［2］。目前，针对碳排放指标的分解，对数平均Divisia分解法（LMDI）［3］［4］和Laspeyres指数分解法［5］［6］是应用最广泛的分解方法。Ang B W从理论基础、适用范围、应用便利性、结果表达等方面比较了分解法的多种形式，认为LMDI方法更具有优势［7］。在过去的研究中，LMDI方法已经成功地被应用到能源消费［8］和二氧化碳排放的分解中［9］［10］，但是上述研究均针对总量型指标（如碳排放总量等）分解，该类型指标作为衡量标准进行国际比较有一定的局限性，而运用比例性指标（如碳生产率）可以进行更为清晰的分析。

本文运用以LMDI为基本算法的分解模型，在年份、产业和外部影响因素（包括技术进步和产业结构调整）三个维度上研究碳生产率在过去一段时间的变化趋势，揭示其变化的主要驱动因素和抑制因素，以便帮助决策者协调好经济发展与能源消费、CO2排放之间的矛盾。

一、分解模型

根据Kaya和Yokobori提出的碳生产率概念，碳生产率可以表示为:

其中，P表示碳生产率；Y和C分别整个国家或地区的GDP和碳排放量；Yi为第i个产业的GDP；Ci为第i个产业的碳排放量。

随着时间的变化和社会经济的发展，产业结构的调整或技术进步都会使碳生产率变动。将时间引入上式，并进行微分运算，可得碳生产率的瞬时增长率为:

等式右边第一部分表示由各产业碳生产率（Yti/Cti）的变化速度对国家或地区碳生产率变化速度的定量影响，该指标反应某产业技术进步对碳生产率的影响程度。等式右边第二部分表示各产业碳排放比例（Cti/Ct）的变化速度对国家或地区碳生产率变化速度的定量影响，该指标反应产业结构调整对碳生产率的影响程度。

以式（2）作为分解的起点，可以得到碳生产率的绝对分解模型。具体分解过程如下:

对式（2）进行时间区间［u，z］的积分，可以得到下式:

时刻u到时刻z碳生产率的变化量被分解为技术进步和产业结构调整的定量影响。由于Yti/Cti和Cti/Ct在时序内各时间点上是不断变化的，式（3）中的定积分无法算出确切的数值。采用Ang提出的对数平均Divisia指数分解法（LMDI），将时序内变量的两个端点值的对数平均函数作为分解权重。对数平均函数定义如下:

根据上述定义，Cti/Ct可以替换成:

Yti/Cti可以替换成:

式（3）等价于:

假定有m年的统计资料，根据式（7），相邻两期碳生产率的变化为:

将式（8）等号的左边和右边分别相加，可以得到从第1年到第m年的Pt的绝对分解结果，即碳生产率的路径分解:

至此，从第一年到第m年碳生产率的绝对变化量被分解到年份、产业和外部影响因素三个维度。如果分解结果某一项为正值，则说明该项促进了碳生产率的增加；反之则抑制了碳生产率的增加。

二、实证分析

（一）数据来源及处理方法

根据中华人民共和国统计局对产业结构的分类，本文选取农林牧渔业、工业、建筑业、交通运输仓储邮政业、批发零售住宿餐饮业五大产业作为典型产业。每个产业的GDP数据来源于《中国统计年鉴2004-2013》。为了消除价格波动的影响，采用以2002年为基准年调整的GDP数据。碳排放量的计算按照《2006年IPCC国家温室气体清单指南》方法一来计算。

根据公式（1），可以计算出2002-2011年各产业部门的碳生产率和所有产业的总体碳生产率，如表1所示。从表1可以看出，各个产业的碳生产率均呈逐年上升趋势，说明五大产业都有不同程度的技术进步。但是，不同产业的碳生产率差异很大，说明我国可以通过调整产业结构（主要是降低高碳产业比例、优化产业结构）来提高碳生产率。

表1　各产业GDP（亿元）和碳排放量（亿吨）

表1中，TG为所有产业总产出；TC为所有产业总碳排放量；PG为农林牧渔业产出；PC为农林牧渔业碳排量；IG为工业产出；IC为工业碳排放量；CG为建筑业产出；CC为建筑业碳排放量；TSG为交通仓储邮政业出:TSC为交通仓储邮政业碳排放量；WG为批发零售住宿餐饮业产出；WC为批发零售住宿餐饮业碳排放量。

为了深入分析技术进步和产业结构调整对碳生产率变化的具体影响程度，运用分解模型分解碳生产率。

（二）定量分解结果

将表1中的数据代入碳生产率绝对分解模型中的式（9），得到我国碳生产率变化在年份、产业和外部影响因素三个维度的定量分解结果。见表2。

表2　绝对分解结果

（三）分解结果分析

1.年份维度分析

将表2各列数据分别相加，可得到定量的每年技术进步和产业结构调整对所有产业总碳生产率变化。如图1所示。

图1　历年总体碳生产率变化的分解结果

由图1看出，只有2003-2004年我国总体碳生产率的变化量为负值。其中，最主要的原因是工业部门的技术进步（-147.96）。中国出口贸易的变化在很大程度上可以解释这种现象，出口贸易是我国经济增长的重要组成部分，1997年东南亚国家爆发了大规模的金融危机，造成1997-2002年我国出口总额的增长速度极低，由于出口产品绝大多数都是工业制成品，受到冲击的主要是工业部门，很多生产效率低、竞争力差的中小企业生产停滞。从2003年起，东南亚危机消退，出口需求剧增，中小型企业恢复生产。相对于大型企业，中小企业由于规模、设备、技术等原因碳生产率比较低。随着中小型企业在总体工业企业中所占比例增加，整个工业部门的碳生产率降低。在分解结果中表现为工业部门的技术进步因素为负值。

因此，出口对于我国碳生产率的提高影响很大，优化出口结构式提高碳生产率的关键。

2.产业维度分析

将表2中各行数据分别相加，得到2002-2011年各产业对碳生产率的影响程度，如图2所示。

由图2看出，工业对碳生产率的影响程度远高于其他产业。2002-2011年，工业部门的GDP和碳排放量在所有产业中的平均比重分别为55.05%和92.38%，但是工业部门的平均碳生产率为4994.3，远远低于其他产业以及全国碳生产率。工业对碳生产率的影响主要表现在技术进步因素（1339.6），产业结构调整因素（78.4）几乎不起作用。为了更好地评价工业部门对碳生产率的影响程度，对工业部门碳生产率弹性系数（E）做如下定义:

式中:△IG代表工业部门GDP的变化量；△P代表由工业部门GDP变化引起的碳生产率的变化量；IG为工业部门GDP的平均值；P为碳生产率的平均值。弹性系数计算结果见表4。除了03-04年、08-09年，其他年份的弹性系数均为正数，这表明每年新增工业产能的碳生产率高于所有产业整体的碳生产率，但是每年工业部门的碳生产率远远低于全国。工业部门新增产能的碳生产率较高，旧产能的碳生产率较低。因此，淘汰落后工业产能可以有效提高碳生产率。

图2　各产业对碳生产率的影响

表4　工业部门碳生产率弹性系数

3.外部影响因素维度分析

根据表2可以计算出，技术进步对碳生产率的贡献值为3605.8，产业结构调整的贡献值为-1404.3。我国碳生产率的提高主要依赖于技术进步因素，产业结构调整因素在我国不能发挥作用的原因需要分析。

事实上，中央政府十分重视产业结构调整，比如《十二五节能减排综合性工作方案》明确提出要进行产业结构调整，这些方案需要地方政府的配合执行才能得到有效实施，但是地方政府出于地方保护主义不愿意进行产业结构调整，因为产业结构调整需要限制一些产业，会影响当地经济的提高，而经济发展是衡量政府业绩的核心核心指标。因此，中央政府可以通过财政补贴等措施帮助地方政府实施产业结构调整。

三、结论

运用碳生产率分解模型，将我国碳生产率分解到年份、产业、外部影响因素三个维度，分解结果表明:与产业结构调整相比，技术进步因素更能促进碳生产率的提高；工业和出口贸易对碳生产率的影响很大。

为了提高我国碳生产率，可以采取以下措施:第一，优化出口结构，将出口商品向技术含量高的产业转移，鼓励科技兴贸及扶持出口农林牧副渔产品的政策，重视科技力量，推动高新技术产品出口。第二，淘汰落后工业产能，制定重点工业企业“十二五”淘汰落后产能实施方案，完善落后产能退出机制。第三，明确地方政府节能减排的责任，中央政府给与地方政府财政支持，地方政府可以采用抑制高耗能、高排放行业过快增长，提高服务业、战略性新兴产业在当地经济中比重等措施。

［1］Kaya Y，Yokobori K.Environment，energy and economy:Strategies for sustainability［M］.Delhi:Bookwell Publications，1999.

［2］He J，Deng J，Su M.CO2emission from China’s energy sector and strategy for its control［J］.Energy，2010（11）.

［3］Ang BW.Decomposition methodology in industrial energy demand analysis［J］.Energy，1995（11）.

［4］Ang BW，Choi KH.Decomposition of aggregate energy and gas emission intensities for industry:a refined Divisia index method［J］.The Energy Journal，1997（3）.

［5］Park SH，Dissmann B，Nam KY.A cross-country decomposition analysis of manufacturing energy consumption［J］. Energy，1993（8）.

［6］Albrecht J，François D，Schoors K.A Shapley decomposition of carbon emissions without residuals［J］.Energy Policy，2002（9）.

［7］Ang BW.Decomposition analysis for policymaking in energy:which is the preferred method？［J］Energy Policy，2004（9）.

［8］Wachsmann U，Wood R，Lenzen M，Schaeffer R. Structural decomposition of energy use in Brazil from 1970 to 1996［J］.Applied Energy，2009（4）.

［9］Lee K，Oh W.Analysis of CO2emissions in APEC countries:a time-series and a cross-sectional decomposition using the log mean Divisia method［J］.Energy Policy，2006（17）.

［10］Hatzigeorgiou E，Polatidis H，Haralambopoulos D. CO2emissions in Greece for 1990-2002:a decomposition analysis and comparison of results using the arithmetic mean Divisia index and logarithmic mean Divisia index techniques［J］Energy，2008（3）.

［11］Ming Meng，Dongxiao Niu.Three-dimensional decomposition models for carbon productivity［J］.Energy，2012（46）.

［12］张丽峰.碳生产率的经济学背景及其内涵分析［J］.经济问题探索，2013（5）.

［13］沙文冰.美国金融危机对中国出口贸易的影响［J］.财经科学，2010（8）.

［14］王永龙.我国高碳发展模式下的碳生产率增长分析［J］.经济学家，2011（9）.

（责任编辑：李潇雨）

Research on the Decomposition Model of Carbon Productivity Factors Analysis

HUANG Yuan-sheng，LI Hui
（Department of Economic Management North China Electric Power University，Baoding 071003，China）

This article selects Decomposition model to analyse the change of China’s Carbon productivity，and takes 2002-2011 as a simple，quantitiatively study the effect of technological progress，industrial structure adjustment and other factors on the China carbon productivity.The research results show that，compared with the adjustment of industrial structure，technological progress factor can promote the carbon productivity；in the industrial structure，industrial and export trade impact on carbon productivity are relatively large.Therefore，the optimization of export structure，eliminate backward production capacity of enterprises，the task assigned to control carbon emissions to local governments can increase carbon productivity in the foreseeable future.

carbon productivity；LMDI；decomposition model

F205

A

1008-2603（2016）03-0013-05

2015-10-22

黄元生，男，华北电力大学（保定）经管系副主任，教授，博士生导师；李慧，女，华北电力大学（保定）经济管理系硕士研究生。