长江经济带省际碳排放的区域差异及因素贡献度研究

胡登峰， 闵静静

(1.安徽社会经济发展研究院 智库中心，安徽 蚌埠 233030; 2.安徽财经大学 工商管理学院,安徽 蚌埠 233030)



长江经济带省际碳排放的区域差异及因素贡献度研究

胡登峰1,2， 闵静静2

(1.安徽社会经济发展研究院 智库中心，安徽 蚌埠 233030; 2.安徽财经大学 工商管理学院,安徽 蚌埠 233030)

长江经济带是横跨东中西三大区域的巨型经济带，探究其能源碳排放差异特征及原因对实现低碳发展与产业升级有重要意义。采用2001-2014年中国能源消耗与社会经济数据，通过数理统计，得出长江经济带(9省2市)历年碳排放总量、人均碳排放、碳排放增速等特征指标。结合运用LMDI与tapio指标方法，探究长江经济带碳排放特征驱动因素。得出结论：(1)长江经济带碳排放总量、人均碳排放量不断增长，碳排放增速、单位GDP碳排放量明显放缓。各基本量在省际差异上呈现东多西少、东快西慢的趋势。(2)经济规模与技术水平分别是长江经济带的最强正负向驱动因素。能源品种结构、人口规模、产业结构驱动不明显。(3)经济规模脱钩弹性指标为弱脱钩关系，技术水平弹性指标为弱负脱钩关系。最后针对分析结果，提出相应低碳减排措施。

长江经济带； 碳排放特征； LMDI模型； 脱钩效应

中国政府提出2020年每单位国民生产总值碳排放的目标定在每年比现在减少大概百分之四十五左右。长江经济带包括上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州、云南九省二市，面积占全国国土总面积的21.3%，人口占全国总人口的44%，碳排放总量约占全国碳排放总量一半，2015年长江经济带地区总GDP约30万亿，是世界上人口最多、产业规模最大、城市体系最为完善的流域之一，也是中国横跨东中西三大不同类型区域的巨型经济带。探究长江经济带地区的能源碳排放区间差异特征，并对碳排放量进行因素贡献度研究，对长江经济带生态发展战略制定及地区有效减少碳排放政策实施都具有较好的参考意义。

国内外学者从不同方法、不同尺度探究了碳排放问题。国外对碳排放差异及驱动因素研究较早，如AngBw和Pandiyan(1997)[1]采用 PDM1和PDM2法分析了1980-1993年中国大陆、韩国和中国台湾的时间段数据，将碳排放量的变化分解为排放系数效应、结构效应、能源效应、碳排放强度效应。Hamilton和Turton[2]研究了OECD国家1982-1997年的二氧化碳排放，发现人口和人均GDP的增长提高了整体污染水平；能源消耗强度、化石能源使用以及污染排放密度是污染排放减少的主要影响因素。国内能源碳排放因素区域差异的研究文献起步晚但发展较快。如郭朝先(2010)[3]以历年数据作为样本，得出经济规模总量的扩张推动了中国碳排放继续高速增长，而能源利用效率的提高则是抑制碳排放增长最主要的因素。李国志(2010)[4]基于STIRPAT模型和面板数据方法分析了人口、经济和技术对不同区域二氧化碳排放的影响，表明不同省级区域差异存在不断扩大趋势。研究方法上，学者们主要采用KAYA分解模型、LMDI分解技术、对数平均Divisia指数分解法、STIRPAT模型和空间计量面板数据等[4][6]。我们在CNKI中利用“长江经济带+碳排放”关键词开展检索，仅有3篇研究文献，其中李建豹(2015)[7]定量分析了1998-2012年长江经济带二氧化碳的时空格局特征，并构建碳排放影响因素的空间面板模型，分析了产业结构、人口总量、经济水平、技术水平与城市化水平对长江经济带碳排放的影响，研究结果表明人口总量是影响长江经济带碳排放时空格局演化的决定性因素，其次依次为经济水平、技术水平和城市化水平；胡尧(2015)[8]从区域和行业两方面对长江经济带低碳发展水平进行实证分析，借助Kaya分解模型考察了人均 GDP、能源强度以及碳足迹系数对差异的贡献情况，发现人均 GDP 对碳足迹的影响最大，能源强度其次，而碳足迹总差异主要来自组间差异；黄国华(2016)[8]分析了2005～2013年长江经济带的历年碳排放量、人均碳排放、能源强度、产业结构多元水平的具体数值及变化率，结合运用弹性计算和矩阵分类法，发现长江经济带碳排放存在空间与结构差异。

从有关文献可以看出过去的研究主要集中于长江经济带区域经济及能源结构等方面研究，借助结构性指标，例如经济产出、能源使用强度和技术水平等研究长江经济带碳排放相关研究相对较少，本文在对长江经济带地区的碳排放区域差异开展统计研究同时，结合区域碳排放量时间序列数据进行区间研究分析，并从结构性指标和规模性指标出发，研究碳排放因素贡献度及其成因和影响。相关的研究结果有助于我们进一步思考经济发展速度、能源结构等特征和碳排放之间内在关联，同时研究结论有助于从人口、经济总量等多方面观察不同地区碳排放问题，为科学调整区域能源结构，提高能源利用效率，走低碳经济发展道路提供了理论和实证支持。

一、长江经济带碳排放区域差异分析

分析长江经济带省际碳排放差异特征，从碳排放总量、碳排放增长速度、人均碳排放与单位GDP碳排放四方面入手，据国家统计局数据，中国能源统计年鉴数据，查询得出全国各省份2000-2014年的八种一次能源的碳排放量。包括煤炭、焦炭、汽油、煤油、原油、柴油、燃料油，天然气，根据能源折标系数算出其标准消费量，采用IPCC(2006)[11]给出的能源的碳排放系数计算出其标准碳排放量，在此基础上计算其他指标。由于省际面板数据庞大，采用2000、2004、2009、2014四个年份作为典型年份观察其变化趋势。

(一)碳排放总量与增速差异分析

表1反映了长江经济带地区各省份的碳排放典型年份总量与增速。数据显示，对于长江经济带地区所有省份，其碳排放总量随时间发展其总量规模不断扩大，具体到各个地区，其总量变化存在差异。江苏省在2014年碳排放总量达到22145万吨的历史高点；且各典型年份碳排放量都较其他省份更高，是高碳排放大省。相对于其它地区，江西、重庆两地是整个长江经济带地区碳排放量较低的地区。此外浙江、安徽、四川和湖北等地区的碳排放总量也相对较高。从增长速度看，2004年长江经济带整体碳排放增速明显高于其他年份，江苏省增速为23%，达到历史最高水平，而到2014年长江经济带地区增速相对回落，云南省碳增速变为-10.29%。从历年数据及增速看，2000年碳排放量较低，可能的原因是工业化水平低造成其碳排放增速不高的重要原因，而2014年许多省份碳排放增速甚至已经为负增长，可能是国家低碳政策宏观调控的结果。

表1长江经济带2000-2014年碳排放总量与增速分析 单位：万吨

(二)人均碳排放与单位GDP碳排放差异分析

本文人均碳排放量和单位GDP碳排是基于长江经济带各省际的碳排放总量和各省份常住人口数量和各省份折算后GDP值计算的。其中碳排放量如上文所指出的利用标准能源消费量和碳排放系数折算而成，人口数量是由年初和年尾的平均数量计算得到的。表2给出了长江经济带典型年份人均碳量和单位GDP碳量。

表2 人均碳排放量与单位GDP碳排放量的差异 单位：吨/人

从选取的典型年份看，长江经济带地区的人均碳排放量随时间而增长。从地域上看，长江经济带发达地区，例如上海、浙江和江苏等省份明显高于其他省份，其中上海人均碳排放量长期处于高位，贵州省人均碳排放量到2014年也跃居前列。从单位GDP碳排放看，表现出与人均量不同的地域特征，例如四川、贵州等成渝地区的单位GDP碳排放量明显高于长江经济带其他地区。同时从单一数据看，上海、浙江等地区GDP基数大，但碳排放基数相对于其他身份并不是很大，反映到单位GDP碳排放量上则低于全长江经济带平均水平。从单位GDP碳排放量历史数据看，上海、江苏等地表现为相对降低趋势，到2014年单位GDP碳量则创下新低。

通过对碳排放总量、增速、人均碳量和单位GDP碳量四个指标的典型年份描述性统计，得出长江经济带碳排放省际差异具有以下特点：

1.碳排放总量随时间不断波动增长。江苏、浙江、安徽等地相对高于其他省份，江西、重庆两地低于其他省份。

2.碳排放增速明显放缓。从时间序列看碳排放增速在2004年达到最高，到2014年碳排放增速相对降低。从省际差异看，长江经济带各省份增速趋势相对差异不大。

3.长江经济带地区人均碳量各省份均表现出不断增长的趋势。从历年数据看，长三角地区明显高于长江经济带其他省份。

4.单位GDP碳排放量相对于人均碳排放量表现出较大差异。长三角地区低于全带平均水平；而云南四川等成渝地区显著高于全带水平。

从上述数据看，存在两个问题，一是长三角地区人均碳排放量相对高于其他地区，而单位GDP碳排放量又相对较低；二是历年碳排放量总量及增速变化难以反映各个地区碳排放量控制及其技术进步。因而探究长江经济带碳排放因素贡献度是非常有必要的。

二、碳排放驱动因素分解及贡献度

(一)碳排放分解模型与因素选择

指数分解方法(Index Decomposition Analysis,IDAI)是较为常用的因素分解方法。指数分解方法通过对总变化量进行模型分解，分解出不同驱动因素对总变化量的贡献值，依据其贡献值可分出主要驱动因素与次要驱动因素。常见的因素分解方法有Lespeyres指数分解法、IPAT 模型、STIRPAT 模型、Kaya公式、对数平均迪氏指数分解法(LMDI)等。LMDI分解法是AngBw[1]等在1998年提出的，LMDI 分解法有效解决了因素分解中的残值问题，且分解方法简单易操作，有利于能源消费碳排放因素分解研究。其具体分解过程如下：

(1)

则?C=?Cα+?CX1i+?CX2+?CX3+?CX4+?CX5+?Crsd

(2)

其中α基本不变，故不考虑，对公式(4-7)左右两边对t求导，有

(3)

(4)

等式两边分别对[0，t]积分，则有：

(5)

必存在一个权重Wi使得：

(6)

为了确定Wi,引入对数平均函数，如下：

(7)

则ΔCrsd=ΔC-(ΔCX1+ΔCX2+ΔCX3+ΔCX4+ΔCX5)

(8)

以上分解过程就是LMDI指数分解法的加法分解过程，乘法分解过程与之类似。从以上公式可以看出碳排放变动量在LMDI加法分解模型下被完全分解，没有残差。分解结果如下：

碳排放系数因素：ΔC∝=0.

上述各因素如果为正值，则表示该因素在变动期内使得碳排放增加，即对碳排放起到正向推动作用；如果为负值，则有利于减少碳排放量，即对碳排放起抑制作用。

(二)数据收集与处理

我们选取了2001-2014年长江经济带省区时间序列数据，实证分析所采用的指数分解模型如上文所示，数据的收集包括：2001-2014年长江经济带九省二市的一次能源消费总量、各种能源消费量、各省份第二产业增加值数据、第二产业增加值指数、各省份地区生产总值数据、地区生产总值指数、以及各省份的人口数量。其中，能源消费总量是采用不同省份统计局给出的统计年鉴中的原始数据，再进行能源折标系数的折算成标准消费量，能源折标系数是指将不同能源品种消费量折合成标准煤的折算系数，来源于《综合能耗计算通则》(GB/T2589—2008)。碳排放量在能源标准消费量的基础上进行碳排放系数的折算，能源碳排放系数来源于IPCC(2008)，见下表3。

表3 能源折标系数和碳排放系数

能源种类原煤焦炭原油燃料油汽油柴油煤油天然气折标系数(104tce/104t)0.71430.97101.4291.4291.4711.4751.4711.330碳排系数(104t/104tce)0.75590.8550.5860.6190.5540.5920.5710.448

表4 长江经济带碳排放分解结果 单位：万吨

不同种类能源如煤炭、石油，天然气等消费量数据主要根据各省历年一次能源消费量和各种能源消费占一次能源消费的比例算得，地区生产总值和产业增加值折算为 2000年不变价，人口数据采用年初与年尾的平均数，一次能源涉及煤炭，焦炭，原油，汽油，煤油，柴油，燃料油，天然气等8种能源消费量。由于目前大多数省份发电主力依然是火力发电，而清洁能源如风能发电潮汐发电等引起的碳排放量非常少，考虑能源消费的重复计算问题，故而没有将电力计入其中。

(三)模型计算结果分析

从时间序列和省际分布两种视角探察长江经济带地区2001-2014年碳排放因素分解结果。表4给出了长江经济带地区2001-2014年碳排放各驱动因素的贡献量。

系统操作简单，如果需要扩充检测温室数量，只需要在相应温室内布置无线采集节点和传感器，并且在人机界面上进行简单设置，便可实现系统的扩展。综上所述，本系统具有可扩展性强、测量结果准确、操作简单和运行稳定等优点。

从时间序列看，2001-2007是整个长江经济带地区碳排放增长较快的年份，2008-2009年碳排放增量短暂减少，随之2010-2012年碳排放增量又不断增加，2013-2014年整个长江经济带地区的碳排放增量为负数，即在过去的两年内实现了碳排放的负增长。

图1 长江经济带2001-2014年碳排放驱动因素变化趋势

图1表明了引起长江经济带地区碳排放变化量的各主要驱动因素的贡献变化。由图知能源品种结构对碳排放增量的贡献最小，几乎不变；人口规模与产业结构对碳排放增量的贡献也不大，但主要表现为正向驱动因素；经济规模水平引起的碳排放量在变动期内不断增加，即对碳排放具有正向推动作用；能源行业技术水平对碳排放量的贡献为负值，有利于减少碳排放量，即对碳排放起抑制作用。

图2 长江经济带碳排放驱动因素省际差异分布

图2是将2001-2014年份时间序列数据汇总，从省际分布分析碳排放贡献因素在长江经济带的省际差异。由图3-2省际分布发现：对于长江经济带几乎所有省份，经济规模都是最强的正向驱动因素，但省际差异表现较明显，其中江苏、浙江、湖北、四川等地区受经济规模的影响超过其他省份；技术水平作为最强的负向驱动因素，在江苏、湖北、四川等省份表现出较大的负向抑制作用，而在江西、云南、贵州等省份抑制不明显；产业结构对碳排放的贡献相对较小，省际差异表现在长三角地区产业结构碳排放贡献值低于长江中游地区和成渝经济区；与产业结构驱动表现相反的是人口规模因素的省际差异，其在长三角地区的贡献值高于长江中游地区和成渝经济区；能源结构水平对整个长江经济带碳排放的贡献很小，且各省区几乎没有差别。

综合时间序列和省际差异两视角的分析结果，得出结论：

1.能源品种结构可表现为正向驱动可表现为负向驱动，且对碳排放的贡献值较小。

2.行业技术水平为强烈负向驱动因素，有利于减少碳排放量，即对碳排放起抑制作用。

3.产业结构、经济规模水平和人口规模水平均表现为碳排放变化量的正向驱动因素，即对碳排放起到正向推动作用，其中经济规模水平为最强正向驱动。

4.从时间序列看，由经济规模和技术水平对碳排放量的贡献在变动期内不断增加；而人口规模、能源品种结构以及产业结构对碳排放量的贡献相对较小。

5.从省际分布看，长三角地区经济规模对碳排放量的正向贡献高于长江中游地区和成渝经济地区；技术水平对碳排放量的抑制贡献长三角地区和长江中游地区高于成渝经济区。

(四)碳排放与主要贡献因素脱钩分析

通过上述对碳排放分解模型的实证分析可知经济规模是对碳排放变化的最强正向驱动因素而能源行业技术水平是最强的负向驱动因素。利用Tapio脱钩模型，对2001-2014年长江经济带碳排放量与技术水平、经济规模之间的脱钩关系进行测度，深入分析其相关关系[12]。

碳排放量与行业技术水平因素的脱钩弹性指标构建：C为碳排放量；ΔCX2为行业技术水平对碳排放量的贡献值；X2是能源行业技术水平量；ΔX2为现期相对于基期的行业技术水平变化量。同理，碳排放量与经济规模因素的脱钩弹性指标构建有，ΔCX4为经济规模对碳排放量的贡献；X4为经济规模水平；ΔX2为现期相对于基期的经济规模变化量。

根据Tapio对弹性指数的划分，本文将弹性指标根据脱钩或未脱钩划分为六种类型：强脱钩、弱脱钩、强负脱钩、弱负脱钩、扩张性负脱钩、衰退性负脱钩。其中，强脱钩是可持续发展状态，也是实现低碳经济的最佳状态；强负脱钩为最不利状态；弱脱钩为相对乐观状态，其余均为不可持续状态。

表5 技术水平、经济规模与碳排放脱钩弹性指标(典型年份为例)

年份上海江苏浙江安徽江西湖北湖南重庆四川云南贵州技术水平20010.940.950.950.950.940.950.940.850.970.970.9620050.950.920.940.920.000.930.940.930.920.960.9520090.990.940.970.930.920.930.920.920.920.940.0020140.980.960.970.960.950.960.960.940.960.960.94经济规模20010.950.950.940.940.940.970.910.900.940.930.9720050.930.820.880.910.000.880.810.770.950.890.9420090.970.920.950.900.920.910.920.900.880.910.0020141.020.960.970.940.950.950.970.920.941.020.97

能源行业技术水平与碳排放变化的脱钩弹性指标值0

经济规模水平与碳排放变化的脱钩弹性指标值00,ΔX2>0,所以经济规模水平脱钩弹性指标为弱脱钩状态。由弱脱钩的含义知经济规模水平与碳排放变化量趋于长期稳定关系，两者呈正相关。其数值大部分落在0.8-0.95的区间里，说明经济规模水平每增长1%，由此引起的碳排放变化量约为0.8%-0.95%。

通过对经济规模水平和行业技术水平的脱钩指标分析，得经济规模为弱脱钩关系，行业技术水平为弱负脱钩关系，两者指标在时间和空间上存在的差异较小，表现稳定。其中存在的0指标为缺失数据，不对整体造成影响。

三、结论与对策

(一)结论与讨论

本文在分析当前长江经济带低碳形势和研究意义基础上，对相关碳排放问题进行了文献综述与模型解析，得出结论：1)对长江经济带九省二市的碳排放总量、碳排放增速、人均碳排放、单位GDP碳排放量等进行了区域特征分析，得出长江经济带九省二市的碳排放基本特征分布特点是碳排放总量、人均碳排放量在变动期内保持不断增长的趋势，碳排放增速、单位GDP碳排放量明显放缓。各基本量在省际差异上呈现东中西部阶梯性分布特点，东部地区的特征指标高于长江中下游地区。即东多西少，东快西慢。对于长三角地区人均碳排放指标高于西部地区，而单位GDP碳排放量低于其他地区，我们认为可能是常住人口统计存在数据差异，没有考虑到流动人口数量。因此单一指标不能合理反映长江经济带的碳区域特征，应当将不同指标结合起来更为科学全面。2)通过建立长江经济带地区的碳排放驱动因素分解模型，将长江经济带地区的碳排放变化量分解为能源品种结构、能源行业技术水平、产业结构、经济规模、人口规模等五个驱动因素，从时间序列和省际分布差异两视角分析，得出技术水平是强负向驱动因素，经济规模水平是强正向驱动因素，能源品种结构表现平稳贡献小。产业结构和人口规模引起的碳排放贡献值数值不大，但是波动较大。3)在实证基础上选取经济规模和技术水平两个强驱动因素做tapio脱钩弹性指标分析，发现经济规模脱钩弹性指标为弱脱钩关系，即经济规模与碳排放呈长期稳定正相关；能源行业技术水平弹性指标为弱负脱钩关系，即行业技术水平指标增长将引起碳排放量负增长。

(二)政策建议

1.整体看，能源品种结构因素对人均碳排放的驱动作用目前还很小，影响也不显著。煤炭、石油等高碳排放能源长期在能源消耗中占据约90%，这种极不合理的能源结构是未来减排一大障碍，但也为未来的能源结构调整留下了很大的空间，需要能源科技创新、大力发展清洁能源来完成能源结构调整。

2.经济发展规模是碳排放量增加的主要因素，尤其是长三角地区，经济规模对碳排放量的贡献高于长江中游城市群与成渝经济区。实现减排目标一方面需要改变经济发展模式，大力发展服务业、高科技产业、新兴产业和节能环保产业；另一方面需要优化调整产业结构，通过改造、调整高耗能行业，促进产业结构与能源消费的良性互动与协调一致。

3.提高技术水平是降低碳排放量增长的有效途径。因为技术水平高低对碳排放量的负向驱动效应比较显著，但是省际差异也比较大，长三角地区和长江中游地区的技术水平要高于成渝经济区地带。成渝经济区应当提高能源行业技术水平、发展绿色能源、因地制宜。

4.发展低碳产业与区域产业结构调整是直接关联的，重工业在GDP中的比重高，是碳排放持续上升的重要原因。各地区重工业化发展方向应该坚持走新型工业化道路转变，加大技术创新力度，改进生产方式，强化资源综合利用效率。

5.经济发达地区，如长三角地区，最好的方法是以技术进步和产业结构调整加大减排力度，并利用发达地区的经济与资源优势，改良能源品种结构，大力发展可再生能源等。次发达地区，如长江中游城市群和成渝经济区，人们对于重工业的能源需求和产品需求仍然在不断增加中，应当提高居民的保护环境意识，发展清洁能源；这些地区正处于经济快速发展或产业结构优化升级阶段，要促进这些地区的新能源新产业发展，淘汰能源消耗较大的产业。

[1]LiuXQ,AngBW,OngHL.TheapplicationoftheDivisiaIndextotheDecompositionofListJA,GalletCA. 1991.TheEnvironmentalKuznetscurve:Doesonesizefitall? [J].EcologicalEconomics, 1992(31): 409-423.

[2]Hamilton,C.andTurton,H.DeterminantsofEmissionsGrowthinOECDCountries[J].EnergyPolicy, 2002(30): 63-71.

[3] 郭朝先，中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010(12)：4-9.

[4] 李国志，李宗植，中国二氧化碳排放的区域差异和影响因素研究[J].中国人口·资源与环境，2010(5)：22-27.

[5] 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(6):158-161.

[6] 杨骞，刘华军. 中国二氧化碳排放的区域差异分解及影响因素[J].数量经济技术经济研究,2012(5):36-49.

[7] 李建豹，黄贤金，基于空间面板模型的碳排放影响因素分析—以长江经济带为例[J].长江流域资源与环境，2015(10):1665-1671..

[8] 胡尧，基于碳足迹测定的长江经济带低碳发展水平省际差异研究[D].重庆：重庆工商大学，2015.

[9] 黄国华，刘传江，赵晓梦.长江经济带碳排放现状及未来碳减排[J].长江流域资源与环境，2016(4):638-644.

[10] 中华人民共和国国家统计局.中国能源统计年鉴[Z].北京:中华人民共和国国家统计局，1999-2015.

[11]IPCC,OECE,IEA.Revised1996IPCCGuidelinesforNationalGreenhouseGasInventories[R].IPCC,BraKnell, 1996(2).

[12] 仲伟周，孙耀华.经济增长、能源消耗与二氧化碳排放脱钩关系研究[J].审计与经济研究,2012(6):99-105.

(责任编辑：李潇雨)

Differences and Factors Contribution of Inter-provincial Carbon Emissions for the Yangtze River Economic Belt

HU Deng-feng1,2, MIN Jing-jing2

(1.Think-tank of Anhui Socioeconomic Development Research Cener, Bengbu 233030,China; 2.College of Business Administration, Anhui University of Finance and Economics, Bengbu 233030,China)

Yangtze River Economic Belt is a giant economic zone across the three major regions. To explore differences in carbon emissions and causes of low-carbon development is important for industrial upgrading. This paper analyzes 2000—2014 China′s energy consumption and socio-economic data through mathematical statistics, and draws the conclusion of carbon emissions, per capita carbon emissions, carbon emissions and other growth characteristics of indicators of Yangtze River Economic Belt (9 provinces and 2 cities) over the years. Combined with the method LMDI and tapio index to explore the Yangtze River Economic Belt carbon emission from drivers, it is concluded that: (1) The Yangtze River Economic Belt East Dorsey less carbon emissions, east west fast slow, and substantially scale exhibited declining or flat to down trend characteristics. (2) The level of technology and economies of scale are the strongest positive and negative Yangtze River economic belt to the driver. Energy product structure, population size and industrial structure drive are not obvious. (3) Economies of scale decoupling elasticity index is weak decoupling relations, technical level of the elastic decoupling indicators are weak negative relationship. Finally, results of the analysis prouide the corresponding carbon emission reduction measures.

Yangtze river economic belt; characteristics of carbon emissions; LMDI model; effect of decoupling

F127

A

1008-2603(2017)03-0021-08

2017-02-11

国家社会科学基金项目“欠发达地区‘产业碳锁定’的形成机制及解锁路径研究”(14CJL033)。

胡登峰，男，安徽财经大学工商管理学院教授，博士；闵静静，女，安徽财经大学工商管理学院硕士研究生。