中国居民消费碳排放的影响因素及发展路径分析

王会娟，夏 炎

(1. 中央财经大学统计与数学学院，北京 10081；2.中国科学院科技战略咨询研究院，北京 100190)

中国居民消费碳排放的影响因素及发展路径分析

王会娟1，夏 炎2

(1. 中央财经大学统计与数学学院，北京 10081；2.中国科学院科技战略咨询研究院，北京 100190)

在2030年碳排放“达峰”的减排压力下，中国面向工业领域的转型升级和居民消费领域的低碳化发展迫在眉睫。居民消费作为国内生产总值的重要组成部分，所引发的碳排放有可能成为新一轮碳排放的主要推动力。本文以居民消费碳排放为研究对象，利用非竞争型投入产出分析法(NCIOA)测算了中国1995-2009年居民消费碳排放量，采用结构分解分析模型(SDA模型)对碳排放量变动的影响因素进行分析，并考察2007年全民减排政策的实施效果，进一步通过回归方程预测到2030年我国居民消费碳排放的发展路径。实证研究表明，考察期内虽然中国居民消费引致的碳排放量总体呈现显著的上升趋势，但从结构和影响因素的维度来看中国居民消费仍在走低碳发展道路。特别是本文着重分析了2007年居民低碳政策的实施效果，表明全民减排政策并非失效，具体表现为碳排放强度、技术、消费结构、人口都在向减排方向发展，其中人均消费规模是居民消费引致的碳排放增长的关键性因素，说明中国减排工作并没有以牺牲居民需求为代价，是特殊的经济和消费发展阶段的所必然的低碳发展道路。

居民消费碳排放；投入产出分析；结构分解分析；低碳发展路径

1 引言

作为温室气体的排放大国，“低碳发展”已经成为我国制定经济和能源发展战略的核心。2015年底随着《巴黎协定》的签署和落实，我国面临着更为严苛的排放挑战，低碳发展路径已经从“相对强度减排”，变为“总量绝对减排”，并要求在2030年左右达到“碳排放总量峰值”。减排压力之大、转型时间之紧迫前所未有。一直以来，国内外对能源、碳排放的关注焦点一直停留在产业，尤其是工业生产领域，但是随着居民消费的不断扩大，由其所引发的能源消耗、碳排放在逐步提高。例如，法国居民消费所产生的碳排放已经是工业碳排放的90%，卢森堡也高达87%[1]。IPCC于2001年正式提出改变消费模式可能是减缓气候变暖的有效途径之一，各类碳排放的研究也从注重生产层面逐渐转向注重消费层面[2,3]，居民消费所引发的碳排放有可能成为新一轮碳排放的主要推动力[4]。

目前，我国居民消费占全国GDP的37%左右，且呈现逐年上升态势。尤其是在新常态背景下，我国经济发展需要更多地内生增长动力，扩大内需、提振消费是一直以来的政策着力点，居民消费及其结构的发展变动将对我国碳排放产生较大的影响[5]。从居民消费维度考察我国碳排放，分析居民消费碳排放的影响因素及变动趋势，有利于从低碳的个人需求维度引导企业生产进行变革，同时对于提高碳减排的政策决策的科学性、促进经济社会的低碳发展具有重要的现实意义。

其实，我国政府早就意识到居民消费对低碳发展的重要影响，而且已经积极引领居民消费低碳化产品[6]。自1998年开始，我国实施《节约能源法》，这就意味着节能减排工作正式进入法制化、规范化发展轨道。2000年，我国又颁布《大气污染防治法》，将碳排放正式纳入国家监管范围。2007年，国家发改委等部门发布了《关于印发节能减排全民行动实施方案的通知》，从上而下动员家庭、居民进行节能减排。2008年国务院还专门成里了节能减排工作小组，在全国范围内推广节能灯，国家给予财政补贴。那么这些作用于居民消费领域的减排政策效果如何，政策出台前后居民消费碳排放是否发生了显著变化，居民消费是否真的在进行低碳化发展？本文将利用非竞争型投入产出分析法(Non-competitive Input-output Analysis，NCIOA)进行我国居民消费碳排放的解析，采用结构分解分析模型(Structural Decomposition Analysis，SDA)寻求居民消费低碳发展的主要影响因素，并通过回归方程展望居民消费碳排放发展路径，为我国严峻压力下的减排策略提供量化支撑。

居民消费产生碳排放主要通过两种途径：其一是居民生活消费对能源直接消耗所引发的碳排放，如取暖、照明、出行等，该类碳排放更容易识别和计算，可以采用生活能源消耗量乘以相应的碳排放系数计算得到。第二个途径则是居民消费的产品所隐含的碳排放，称为“隐含碳”、“虚拟碳”，如居民消耗粮食虽然不直接产生碳排放，但粮食的生产过程中需要间接使用电力、煤炭等能源，从而产生碳排放。隐含碳排放是居民消费碳排放主要组成部分，是从消费侧考察产品生产领域的碳排放问题，是各部门相互消耗、相互依存的复杂经济联系的完全体现。居民消费隐含碳排放是居民消费规模、结构的集中体现，占居民消费碳排放合计的70%以上，也是制定政策的重要参考指标[6]。因此本文将以居民消费隐含碳排放作为研究对象，下文简称居民消费碳排放。

目前测算碳排放的方法主要有三种，生命周期评价法(Life Cycle Assessment, LCA)、消费者生活方式法(Consumer Lifestyle Approach, CLA)和投入产出技术(Input-Output Analysis, IOA)。LCA针对家庭消费产品和服务的整个生命周期各阶段能源消耗所引起的碳排放情况进行分析[7]，为产品从生产到最终消费碳排放的测算提供了理论基础。LCA需要外部环境、个人决定因素、家庭特征、消费者行为选择以及消费者行为产生的对资源环境的影响五个要素汇总和评估一个产品(或服务)体系在其整个生命周期间的所有投入及产出对环境造成潜在影响的方法[8]。Finnveden等[9]讨论了LCA应用的新领域；李伯华等[10]应用LCA对测算了南岳风景区旅游交通系统碳足迹，且区分了公路、索道、人行道等产生的碳排放；Mohammad等[11]则对比分析了生物柴油、常规石油柴油在生命周期整个过程中对资源、环境的影响。Azarijafari等[12]测算了人行道整个生命周期的碳排放及影响因素，Noemi Arena等[13]以LCA量化了以椰子壳为原材料的活性炭生产过程中的碳排放问题。LCA当前在微观产品碳排放领域应用较为广泛，需要获取该产品在整个生命周期内各个环节的详细数据为支撑，对数据要求较高，研究多以调查数据为主，且无法设计经济、技术及社会效应分析。

CLA是以居民生活消费品为基本分析单位，分析该消费品在生产过程中产生的碳排放，根据家庭支出数据计算每类消费活动的碳排放强度，对比分析直接、间接碳排放及各类消费活动的碳排放差异。Bin Shui等[14]提出了CLA的具体测算方法，并将CLA与IOA相结合，测算了美国消费者活动所产生的直接、间接碳排放；Feng Zhenghua等[15]采用CLA测算了中国不同区域、不同收入层次的城乡居民消费的直接、间接能源消耗及碳排放；范玲等[16]用CLA测算了1993-2007年我国居民间接能源消费碳排放量，以及城镇和农村居民人均碳排放量的变化趋势。Xu Xinkuo等[17]采用CLA方法中国城市家庭碳排放问题，发现碳强度高低是家庭碳排放不平衡的主要原因，其次是食品消费、教育文化和娱乐服务消费的差异。CLA方法是以居民消费品为分析点，重在分析居民的个体特征对碳排放的影响，在计算间接影响时会结合IOA方法，需要假设消费支出数据与宏观投入产出数据高度契合。

IOA是在宏观维度上测度产品产生的碳排放。投入产出模型以棋盘式平衡表的形式反映了国民经济各部门间的投入、产出关系，将部门间无穷次叠加的消耗关系通过列昂惕夫逆矩阵加以呈现[18]，简单直接明了。李根等[19]以IOA为理论模型，对制造业完全能耗强度进行了情景分析；赵忠秀等[20]以改进的IOA测度了贸易所带来的碳排放的影响因素；周平等[21]测算中国居民碳间接排放量占居民碳排总量的70%以上，且居民最终需求总量、城乡消费比例及居民消费结构是影响碳间接排放量增加的首要因素；黄敏[22]采用2002-2009年的非竞争型投入产出模型测算了消费碳排放，指出2002年消费碳排放大于生产碳排放。Xu Yan等[23]利用世界投入产出表研究了出口隐含碳排放问题；Zhang Yuejun等[24]基于IOA测算了居民间接能耗占全部能耗的69-77%，间接碳排放占全部碳排放的77-84%。IOA则是宏观系统自上而下的分析，着重于宏观层面碳排放与经济、技术的关联关系，但无法适用于微观系统分析。

本文重点在于从宏观层次上分析中国居民消费的碳排放问题，研究居民消费碳排放的主要影响因素，因而选用投入产出技术(IOA)为分析工具，相较于之前的文献，本文的创新在于：第一、打破国内品与进口品的同质性假定。国内品与进口品在生产中发挥不同作用，消耗进口品不会有增加值、碳排放的增加。已有文献大多假设国内品与进口品同质，这将高估我国居民消费的碳排放[25]。第二、连续年份无间隔的动态研究。只有时间序列上的连续性才能真正反映居民消费碳排放的发展轨迹，才能判断是否、何时出现拐点，才能评判政策的有效性。已有文献多是采用五年、三年间隔的投入产出表，丢失过多信息。第三、利用结构分解分析(SDA)模型进行了政策的有效性分析，评估政策实施前后中国居民消费碳排放的变化。第四、IOA与回归模型结合，预测未来居民消费碳排放的发展轨迹。

本文旨在合理量化中国居民消费碳排放的发展轨迹，重点分析了2007年实施的减排政策的作用效果，从碳强度、技术、人口、消费结构、消费规模等五大因素对居民消费碳排放的变动寻根问源，结合回归模型预测了2020、2030年的中国居民消费碳排放量。模型上选择了非竞争型连续投入产出模型、结构分解分析模型、线性回归模型，三者相辅相成。本文将按如下结构展开研究：首先介绍数据来源及量化模型，其次刻画中国居民消费碳排放的发展轨迹，第三研究碳排放变动的影响因素，第四结合回归模型预测未来居民消费碳排放的发展，最后给出结论及政策建议。

2 数据与方法

2.1 数据说明

目前我国投入产出表主要由国家统计局主持编制，逢2、7年份发布基础表，逢5、0年份发布延长表。由于时间上的不连续性和部门统计的不一致性，我国公布的投入产出表并不适于研究宏观经济问题在时间序列上的比较分析。

世界投入产出数据库(World Input-Ouput Data, WIOD)，是由欧盟11个机构共同编制，具有较高的可信度。该数据库提供了1995-2011年全球范围投入产出表，并且该数据库的资源账户提供了各国各部门的CO2排放量(1995-2009)，CO2排放量是按照IPCC提供的碳排放估计方法计算得到，测算中用到了各国各部门的化石能源消费量数据。WIOD数据已经在很多学者的研究中得到了应用[26-28]。

本文采用了WIOD数据库提供的中国投入产出表，该表式具有如下优点：第一、基础表为非竞争型投入产出表式，区分了国内产品与进口品；第二、连续年份的表式，无时间间隔，便于时间序列比较分析；第三、各年份间表式统一、部门统一，利于从部门维度进行对比分析；第四、碳排放数据可得，计算方法一致，可比性较强。因此，结合本文研究的居民消费碳排放问题，WIOD数据的表式是较好的数据基础。考虑数据可得性，本文选取1995-2009年共15年的数据进行分析。

2.2 理论方法

2.2.1 基于非竞争型投入产出模型的居民消费碳排放测算方法

居民消费碳排放，是指考虑了产品间完全消耗关系的完全碳排放，比如消费粮食，虽然消费过程没有直接产生碳排放，但是该类非能源产品在生产过程中要间接的消耗能源从而产生碳排放，如此将所有间接产生的碳排放加和，就形成了居民消费完全碳排放。居民完全碳排放是对产品生命周期中所消耗能源产生的碳排放综合，是测度居民消费碳排放最为全面的指标。

(1)直接碳排放

(1)

(2)居民消费碳排放

根据非竞争型投入产出模型，列昂惕夫模型表示如下：

X=(I-Ad)-1F

(2)

其中X为各部门的总产出构成的列向量；I为单位矩阵，Ad为国内产品的中间消耗矩阵，又称为国内技术系数矩阵，反映的是生产过程中各部门之间的相互消耗关系，(I-Ad)-1为列昂惕夫逆矩阵，反映了产品间的完全消耗关系，是生产技术的体现，叙述方便起见，下文令L=(I-Ad)-1；F为最终需求列向量，可以进一步分解为居民消费和其他，F=FC+FR。

在式(2)两边同时乘以直接碳排放系数，本文只考虑居民消费所带来的碳排放，于是得到居民消费碳排放T计算公式如下：

(3)

居民消费FC为本文重点分析对象，可以进一部分解为人口规模、消费结构以及人均消费，具体表达式如下：

(4)

将分解的式(4)代入式(3)，即可得到本文的居民消费碳排放计算公式：

(5)

2.2.2 居民消费碳排放的结构分解分析模型

结构分解分析(SDA)模型是探寻影响因素、量化各因素贡献率的主要模型之一，已经在能源消费、碳排放等多个领域得到广泛应用[29-33]。SDA模型的核心思想即为将某个因变量的变动通过投入产出的关联关系分解成若干自变量的变动合计，以此计量各自变量变动对因变量变动的影响大小。

令基期以0表示，报告期表示为1，Δ表示变量的变化，则居民消费碳排放从0期到1期的变动可分解为：

(6)

注意到，式(6)所列的分解只是众多分解方法中的一种，是从最右侧的Y向量开始分解得到的。SDA分解的结果具有不确定性，Dietzenbacher 和 Los[34]表明当考察变量分解为n个因素时，就会有n!种可能的分解方式，n!中可能的分解方式的平均值是可以非常近似地用两级分解的平均值来估计的。de Boer 等[35]也表示任何两个对称分解式的平均值都是很好的近似结果。因此本文采用两极分解法对居民消费碳排放进行分解分析，对式(5)从最左侧C开始分解，如下：

(7)

采用两极分解法，结合式(6)、(7)，居民消费碳排放在0期和1期的变动可以表示为：

ΔT=(1.1)+(1.2)+(1.3)+(1.4)+(1.5)

(8)

式(8)右侧各项依次反映了其他因素不变，某一因素变动对消费碳排放变动的影响，式(8)右侧各项的具体表达式如表1所示。

3 居民消费碳排放发展变化实证研究

3.1 居民消费碳排放量的发展历程

通过非竞争型连续投入产出模型式(3)测算得到，我国居民消费碳排放量总体呈现上升趋势，且阶段性发展特点显著，如图1的折线所示。1995年我国居民消费碳排放量为832百万吨，2009年则增长到1309百万吨，年均增速为3.29%。分阶段来看，

表1 居民消费品碳排放各分解因素的具体形式

1995-1997年间居民消费碳排放均在900百万吨以内，在1997年出现了下降；1998年强力反弹以11.0%的增速跃升为970百万吨，然后呈现缓慢的增长趋势直至2006年，1999-2006年间年均增速仅为1.54%；但2007年之后碳排放量呈现显著的线性增长模式，年均增速高达6.08%。

图1 居民消费碳排放量变化趋势图

分产业来看，居民消费第一产业产品所引致的碳排放呈现缓慢的下降趋势，由1995年的158百万吨降低为2009年的111百万吨，在居民消费碳排放中所占比例也由19.0%下降为8.5%，尤其是2007-2009年三年间由于消费第一产业产品所产生的碳排放量基本稳定在110百万吨左右；消费第二产业产品所引致的碳排放是居民消费碳排放的最主要来源，所占比例一直在50%以上，较为稳定，1995-2002年呈现缓慢的增长态势，年均增速为3.05%，2002则从613百万吨缓慢下降到2006年的578百万吨，进入2007年进入快速增长区间，年均增速为5.26%，碳排放增长较为快速的产品是纺织及纺织制品业、机械电子制造业等产品；消费第三产业产品所引致的碳排放呈现显著的直线上升趋势，年均增速高达8.04%，在排放总量中的占比也由21.3%提升到39.9%，且有继续上升的趋势，是居民消费碳排放增加的主要贡献力量。

由居民消费碳排放总量及分产业排放量来看，虽然我国政府大力倡导低碳消费，但是效果甚微，我国居民消费碳排放量仍然在稳步上涨。同时，结果显示2007年是居民消费碳排放总量开始快速上升的年份，这也表明从碳排放量数据上来看，我国2007年实施的节能减排全民行动方案，实施效果至少滞后三年以上。本文将进一步对居民消费碳排放量变化的原因进行研究分析，探寻到底是何种因素在推动居民消费碳排放量的增长。

3.2 居民消费碳排放量变化的影响因素探究

表1给出了结构分解分析模型下分解得到的居民消费碳排放的影响因素，通过逐年进行比较的方法，计算得到各相邻年份居民消费碳排放的变化情况，如表2所示。表2中年份表示当年相对于上年，横栏则是相对应年份碳排放量的变化，以1996-1995这一行为例，就表示了1996年相对于1995年居民消费碳排放的变化量，包括了碳排放强度、技术、人口规模、消费结构以及消费规模等五项因素的共同影响，五项因素数据加和就是1996年相对于1995年居民消费碳排放。

表2 居民消费碳排放各影响因素分解结果 单位：百万吨

由表2所示的分解结果可以看出，碳排放强度变化对总碳排放量的影响基本为负效应(2006年除外)，也就意味着生产领域的节能减排非常有利于居民消费碳排放量的减少，是居民消费低碳发展的最有利因素；消费规模的变动则对居民消费碳排放呈现持续正效应，消费规模的增加居民消费碳排放增长的最为重要的推动因素；人口规模效应亦表现为持续正效应，但是人口规模增加所带动的碳排放量的增加有逐年减少的趋势；技术和消费结构效应没有呈现稳定的变化趋势，技术效应多数年份为正效应，说明生产技术的变化并没有促进居民消费碳排放下降，消费结构2005年以来基本表现为负效应，说明近些年的消费结构变动利于碳排放的减少。

分产业来看，碳排放强度效应、消费规模效应依然是影响居民消费各产业产品产生碳排放的主要负向、正向影响因素，但是消费结构效应却在三大产业间呈现不同的特点，如图2所示。消费结构效应对居民消费第一、二产业产品所带来的碳排放在大多数年份上呈现负效应，而对居民消费第三产业产品所引致的碳排放呈现出持续显著的正向效应。这也是对我国消费结构发展历程的验证，1995年我国居民消费三大产业产品的结构为31.09%、40.33%及28.58%，而到2009年该结构调整为12.78%、33.26%及53.96%，第三产业产品所占比重急剧提升，成为居民消费的主力，尤其是居民对教育、卫生及社会工作、其他社区服务的消费，所占比重有四个百分点以上的提升。

图2 消费结构效应对居民消费不同产业产品碳排放的影响差异

3.3 全民减排政策“失效”的原因分析

因为2007年是全民节能减排政策的实施年份，本文以2007年为断点，研究2007年之前、之后居民消费碳排放影响因素的变化情况。如总量分析所示，2007年之后的居民消费碳排放并没有因为政策的实施出现下降，反而以较快速度增长，政策没有达到预想效果。具体来看，2007年居民消费碳排放较2006年增加69.96百万吨，2008较2007则有68.57百万吨的增加，没有显著差异。从影响碳排放的五大因素来看(见表2)，碳排放强度负效应显著，表明生产领域的减排效果较好，人均消费规模效应正效应较强，消费需求旺盛，但是技术效应、消费结构效应分别在前后两个年份呈现了反向效应。具体分析如下。

(1)“高减排、高消费”负正效果大部分相互抵消

碳排放强度，即单位产出碳排放，衡量的是各行业生产中碳排放，是测度生产侧的节能减排效果的主要指标。2007-2006阶段碳排放强度效应带来了275百万吨碳的减少，2008-2007阶段亦有235百万吨碳的减少，是1996年以来减排力度最大的两个年份，说明2007年实施的全民减排政策从生产侧产生了较好减排效果，居民消费所有行业产品的碳排放量在碳排放强度效应影响下均没有增加，尤其是体现在电力热力水的生产供应业、食品饮料和烟草制造业、农业、卫生社会工作等行业产品在前后两个阶段减少的碳排放量均排名在前五位(共35个行业)。

人均消费规模效应，体现的是消费总量的变动。前后两个阶段人均消费规模效应分别带来了296百万吨、295百万吨的居民消费碳排放的增加，这是1996年以来消费规模效应所带来的碳排放增加最多的两个年份。全民减排的政策没有阻止消费增加的步伐，反而使得消费规模达到了前所未有的高度，进一步说明了实施全民减排政策与扩大消费政策并不冲突，减排不意味着减少消费。

2007-2006阶段、2008-2007阶段所呈现出来的“高减排、高消费”的特征，说明减排政策对生产侧的减排产生了很好的促进效果，对扩大消费也有很大的提高作用，两者效应负正抵消掉大部分。

(2)政策对技术效应的减排效果具有滞后性

技术效应是模型中列昂惕夫逆矩阵L=(I-A)-1变动的体现，列昂惕夫逆矩阵反映的是各行业在生产过程中产生的复杂关联关系，其变动则反映了生产技术的变动。技术效应在2007-2006阶段带来了64.33百万吨的碳排放增加，而在2008-2007阶段则使得碳排放量降低了0.96百万吨。具体来看，相对于2006年，2007年各行业的技术效应基本为正值，即产品生产技术不利于居民消费碳排放的降低，但是2008年近半数的行业技术效应呈现负值，体现了政策对技术效应的减排效果出现了滞后性。技术效应的变动引致的各行业产品碳排放如图3所示，2007-2006阶段技术效应碳排放作为横坐标，2008-2007阶段技术效应碳排放作为纵坐标。以第一产业为例，在图3中坐标是(4.75，-1.02)，表示了技术效应的变动在2007-2006阶段对第一产业碳排放影响为4.75百万吨，而在2008-2007阶段使得碳排放降低了1.02百万吨。食品饮料和烟草制品业、电力热力水的生产供应业、石油冶炼加工业以及纺织业等第二产业部门，住宿餐饮、内陆运输业、辅助运输业等第三产业部门位于横轴下方，说明这几个部门在2008-2007阶段技术变动为负效应，降低了碳排放量。技术效应在前后两个阶段的差异性表现，说明我国技术改革对居民消费减排效果具有滞后有效性，2007年政策的实施没有及时在2007年当年予以体现。但是纵观整个样本期间技术效应变动的影响，技术改革对居民消费减排没有持续的稳定影响，继续推进生产领域的技术创新是引领未来居民消费低碳发展潜在动能。

图3 2007年前后技术效应变动对居民消费碳排放影响的对比图 单位：百万吨

(3)政策对消费结构效应的减排没有持续性

消费结构效应，即居民消费不同产品形成的消费结构的变动对居民消费碳排放的影响。消费结构效应在2007-2006阶段使得碳排放量降低了21.57百万吨，但是后一阶段却带来了3.64百万吨的增加，可以看出政策对消费结构效应影响没有持续性。

2006-2008年三年间，我国居民消费中第一产业产品占比逐年下降，由2006年的14.76%降低为2008年的13.28%；第二产业产品占比却呈现了逐年上升的趋势，年均有0.34个百分点的上升，前一阶段是交通设备制造业、建筑业、电气化学设备制造业等产品占比有显著提升，后一阶段主要是纺织业、皮革制品业、化学工业产品占比提升；第三产业产品占比则先上升后下降，主要体现在前一阶段批发业、金融、房地产等行业产品占比上升明显，后一阶段主要是受到房地产产品下降显著影响。

消费结构效应在前后两个阶段对不同行业产品碳排放影响如图4所示，居民消费中不同行业产品碳排放量的变化散落在四个象限中，第二产业产品碳排放量的变化集中在横轴以左，说明在前一阶段居民消费中第二产业产品碳排放量有所下降，但后一阶段则却有一半的产品呈现碳排放增加，说明2008较2007年居民消费的纺织、皮革、化学、塑料橡胶等产品比重的提升带来了较多的碳排放；居民消费第三产业产品碳排放变化较为显著的是批发零售业(坐标为(-14.79，0.60))，由前一阶段碳排放下降14.79万吨变为后一阶段提高0.60万吨，其次是教育(-5.56，2.91)、卫生社会工作(-4.24，4.04)，也是由前一阶段的消费结构效应利于居民消费减排变为阻碍，使得2008-2007阶段的消费结构效应带来了碳排放的增加。

图4 2007年前后消费结构效应变动对居民消费碳排放影响的对比图 单位：百万吨

4 居民消费碳排放的发展预测分析

本文在对居民消费碳排放发展历程进行深入剖析的基础上，拟对居民消费碳排放未来的发展轨迹予以预测，以期做好提前规划，提出更有针对性的政策建议。以投入产出模型测算得到的居民消费碳排放量为因变量Y，与结构分解分析模型中分解的影响因素相对应，选取单位产出碳排放carbon、技术tec、人口peo、居民消费中第三产业产品所占比重ser以及人均消费规模com作为自变量，时间区间为1995-2009。回归结果如式(5)所示，方程调整后的判定系数Adj-R2为0.983，拟合优度很高，方程的整体线性关系显著，以p=0.000的概率通过显著性检验。

t=3.09t=2.61t=-0.25t=3.53t=-3.00t=3.77

R2=0.988Adj-R2=0.982F=151.33

(5)

回归方程(5)中各自变量系数方向均符合预期，但是技术tec以p=0.809没有通过显著性检验，说明技术tec对居民消费碳排放没有显著性影响，可以在模型中剔除。这也与结构分解分析中的结果类似，技术效应所带来的居民消费碳排放没有持续的稳定影响，因此在方程(5)中删除技术变量得到回归方程(6)，自变量均通过显著性检验，方程线性关系及拟合优度都很好，且不违背异方差、自相关等线性回归方程的假设。

t=-4.23t=2.89t=4.62t=-4.06t=6.82

R2=0.988Adj-R2=0.983F=208.73

(6)

以回归方程(6)为基础，预测我国居民消费碳排放的发展轨迹。

单位产出碳排放：2014年11月国家发展改革委员会发布的《国家应对气候变化规划(2014-2020)》提出到2020年单位GDP碳排放比2005年下降40-45%；2015年6月30日，中国向联合国气候变化框架公约秘书处提交了应对气候变化国家自主贡献文件《强化应对气候变化行动——中国国家自主贡献》，提出了到2030年，单位国内生产总值二氧化碳排放比2005年下降60%-65%等目标。我们假定2020、2030年我国单位产出碳排放也能够实现较2005年下降40-45%、60%-65%，2005年我国单位产出碳排放为7.18吨/万元，那么本文取2020、2030年单位产出碳排放为3.95吨/万元、2.51吨/万元。

人口：人口的预测需要考虑中国人口政策的影响，本文采用易富贤和苏剑[36]的预测结果，其论文中对我国人口政策的走向进行了合理预测，给定高中低三种方案，结合当前的宏观形势，本文采用中方案，2020年为13.89亿人，2030年为13.71亿人。2010-2015年数据为中国国家统计局公布的真实数据，其余年份数据以2020、2030年人口为目标，按照年均增速计算得到。

消费规模及第三产业产品所占比重：2009年我国居民消费为166.35亿元，是1995年的5.49倍，其中第三产业产品占比为53.96%，较1995年提高了25个百分点，呈现较为显著的线性增长趋势。采用时间回归法对人均消费规模及第三产业产品占比进行拟合预测，趋势线选择二项式形式，拟合优度分别为R2=0.96、R2=0.99，经预测得到人均消费规模2020年、2030年分别为3587.50美元、7069.65美元，总消费规模分别为49830.31亿美元、96924.85亿美元，第三产业产品占比分别为68.78%、74.08%。对比参考美国1995年消费规模为47896.49亿美元、第三产业产品消费占比为80.01%，2009年分别为95309.06亿美元、83.12%，日本1995年消费规模为26828.67亿美元，第三产业产品消费占比为74.13%，2009年分别为27017.31亿美元、78.01%，因此可以认为时间回归法预测结果在合理的区间范围内。

将自变量的预测值带入方程(6)中得到预测结果如图5所示，可以看出居民消费碳排放量呈现直线上升趋势。2020年我国居民消费碳排放2081百万吨，较2009年增长59%，2030年达到2610百万吨，较2020年增长25%，预测期后十年的增速明显放缓，主要原因是单位产出的碳排放强度下降速度加快且人口出现了负增长。如果在2030年其他因素不变，第三产业产品消费占比提高为2009年美国的水平84.11%(比预测值提高10个百分点)，则居民消费碳排放将为2389百万吨，减少了221百万吨。如果单位产出碳排放强度进一步下降，降低为2吨/万元，其他因素不变的情景下，碳排放降低为2588百万吨，仅较预测值降低22百万吨，远小于消费结构调整带来的碳排放减小。

图5 我国居民消费碳排放的发展轨迹

5 结语

本文以WIOD的中国1995-2009年非竞争型连续投入产出表为数据基础，采用投入产出模型、结构分解分析模型及回归模型，研究了中国居民消费碳排放的发展及变化的原因，重点分析了2007年实施的减排政策效果，结论如下：

1)中国居民消费践行低碳发展的力度不够。1995-2009年，中国居民消费碳排放以年均3.29%的速度增长，且在2007年之后呈现出快速线性增长模式，主要体现在居民消费中第二产业占比的坚挺及第三产业产品的快速增长。建议相关部门重视居民消费所带来的碳排放量增长，多方位引导居民进行低碳消费。

2)各行业单位产出碳排放强度的下降是有效抑制居民消费碳排放增长的最重要影响因素。从结构分解分析的结果来看，碳排放强度变化的负效应很大程度上抵消了消费规模扩大所带来的碳排放量增加。建议继续加大生产领域的减排力度，降低碳排放系数，促进居民消费碳排放量的减少。

3)技术、消费结构对居民消费碳排放的影响不稳定。样本期内技术效应、消费结构效应或正或负，没有持续稳定的变化，但后期消费结构效应基本为负，说明消费结构的变动有利于碳排放的减少，消费结构在向利于减排的方向发展。建议减排政策应兼顾居民消费水平的整体提高，着力优化消费结构，降低居民消费碳排放量的增速。

4)2007年实施的全民减排政策在样本期内有效。2007年后居民消费碳排放量的快速增长主要是由消费规模急剧提升带动的，减排政策主要作用于消费结构的调整。政策效果从结构分解模型的五个方面来看，体现在：“高减排、高消费”效应抵消、技术响应的滞后性以及消费结构效应的不可持续性。建议保障减排政策的连续性，稳定居民的消费习惯以及充分考虑减排政策效果的滞后性。

5)居民消费碳排放将持续稳定增大，但在2020-2030年间，在碳强度系数及人口下降的影响下居民消费碳排放增速将会放缓。

[1] World Input-Output Database. WIOD data,2013 release[EB/OL].[2013-11].http://www.wiod.org/new_site/data.htm.

[2] 樊纲，苏铭，曹静. 最终消费与碳减排责任的经济学分析[J]. 经济研究，2010，(1)：4-13.

[3] 彭水军，张文城，孙传旺. 中国生产侧和消费侧碳排放量测算及影响因素研究[J]. 经济研究，2015，(1)：168-182.

[4] Zhang Xiaoling, Luo Lizi, Skitmore M. Household carbon emission reserach: An analytical review of measurement, influencing factors and mitigation prospects[J]. Journal of Cleaner Production, 2015, 103: 873-883.

[5] Dai Hancheng, Masui T, Matsuoka Y, et al. The impacts of China’s household consumption expenditure patterns on energy demand and carbon emissions towards 2050[J]. Energy Policy, 2012, 50(11): 736-750.

[6] Qu Jiansheng, Maraseni T, Liu Lina, et al. A comparison of household carbon emission patterns of urban and rural China over the 17 year period(1995-2011)[J]. Energy, 2015, 8(9): 10537-10557.

[7] Nissinen A, Gronroos J, Heiskanen E,et al. Developing benchmarks for consumer-oriented life cycle assessment-based environmental information on products, services and consumption patterns[J]. Journal of Cleaner Production, 2007, 15(6): 538-549.

[8] International Organization for Standard(ISO). Environmental management-Life cycle assessment: Principles and framework[R]. International Organization for Standardation. 1998.

[9] Finnveden G, Hauschild M Z, Ekvall T, et al. Recent developments in Life Cycle Assessment[J]. Journal of Environmental Management, 2009, 91(1):1-21.

[10] 李伯华，刘云鹏，窦银娣. 旅游风景区旅游交通系统碳足迹评估及影响因素分析-以南岳衡山为例[J]. 资源科学，2012，34(5)：956-963.

[11] Rajaeifar M A, Ghobadian B, Safa M, et al. Energy life-cycle assessment and CO2emissions analysis of soybean-based biodiesel: A case study[J]. Journal of Cleaner Production, 2014, 66:233-241.

[12] Azarijafari H, Yahia A, Amor M B. Life cycle assessment of pavements: Reviewing research challenges and opportunities[J]. Journal of Cleaner Production, 2016, 112: 2187-2197.

[13] Arena N, Lee J, Clift R. Life cycle assessment of activated carbon production from coconut shells[J]. Journal of Cleaner Production, 2016, 125(1): 68-77.

[14] Bin Shui, Dowlatabadi H. Consumer lifestyle approach to US energy use and the related CO2emissions[J]. Energy Policy, 2005, 33(2):197-208.

[15] Feng Zhenghua, Zou Lele, Wei Yiming. The impact of household consumption on energy use and CO2emissions in China[J]. Energy, 2011, 36(1): 656-670

[16] 范玲,汪东. 我国居民间接能源消费碳排放的测算及分解分析[J]. 生态经济，2014，30(7)：28-32.

[17] Xu Xinkuo, Han Liyan, Lv Xiaofeng. Household carbon inequality in urban China, its sources and determinants[J]. Ecological Economics, 2016, 128: 77-86.

[18] Leontief W. Environmental repercussions and the economic structure: An input-output approach[J]. Review of Economics and Statistics, 1974,56(1):109-110.

[19] 李根，刘家国，赵金楼. 基于投入产出非线性的制造业完全能耗强度情景分析[J]. 中国管理科学，2016，24(3)：31-40.

[20] 赵忠秀，裴建锁，闫云凤. 贸易增长、国际生产分割与CO2排放核算：产业VS.产品[J]. 中国管理科学，2014，23(12)：11-17.

[21] 周平，王黎明. 中国居民最终需求的碳排放测算[J]. 统计研究，2011，28(7)：71-78.

[22] 黄敏. 中国消费碳排放的测度及影响因素研究[J]. 财贸经济，2012，(3)：129-135.

[23] Xu Yan, Dietzenbacher E. A strutural decomposition analysis of the emissions embodied in trade[J]. Ecological Economics, 2014, 101: 10-20.

[24] Zhang Yuejun, Bian Xiaojuan, Tan Weiping, et al. The indirect energy consumption and CO2emission caused by household consumption in China: An analysis based on the input-output method[J]. Journal of Cleaner Production, 2015:1-15.

[25] Su Bin, Ang B W. Input-output analysis of CO2emissions embodied in trade: Competitive versus non-competitive imports[J]. Energy Policy, 2013, 56(5): 83-87.

[26] Dietzenbacher E, Los B, Stehrer R, et al. The construction of world input-output tables in the WIOD project[J]. Economic Systems Research, 2013, 25(1): 71-98.

[27] Voigt S, De Cian E, Schymura M, et al. Energy intensity developments in 40 major economies: Structural change or technology improvement?[J]. Energy Economics, 2014, 41(1): 47-62.

[28] Andreoni V, Galmarini S. Drivers in CO2emissions variation: A decomposition analysis for 33 world countries[J]. Energy, 2016, 103: 27-37.

[29] Hoekstra R, van der Bergh J J C J M. Comparing structural and index decomposition analysis[J]. Energy Economics, 2003, (25): 39-64.

[30] Xu Ming, Li Ran, Crittenden J C, et al. CO2emissions embodied in China’s exports from 2002 to 2008: A structural decomposition analysis[J]. Energy Policy, 2011, 39(11): 7381-7388.

[31] Su Bin, Ang B W. Structural decomposition analysis applied to energy and emissions: Some methodological developments[J]. Energy Economics, 2012, 34(1): 177-188.

[32] 蒋雪梅，刘轶芳. 全球贸易隐含碳排放格局的变动及其影响因素[J]. 统计研究，2013，30(9)：29-36.

[33] Li Duoqi, Wang Duanyi. Decomposition analysis of energy consumption for an freeway during its operation period: A case study for Guangdong, China[J]. Energy, 2016, 97: 296-305.

[34] Dietzenbacher E,Bart L. Structural decomposition analyses with dependent determinants[J]. Economic Systems Research, 2000, 12(4): 497-511.

[35] de Boer P. Additive structural decomposition analysis and index number theory: An empirical application of the montgomery decomposition[J]. Economic Systems Research, 2008, 20(1): 97-109.

[36] 易富贤，苏剑. 从单独二孩实践看生育意愿和人口政策-2015-2080年中国人口形势展望[J].中国发展观察，2014,(12)：60-76.

Influence Factors VS. Developments of China’s Household Carbon Emissions

WANG Hui-juan1, XIA Yan2

(1.School of Statistic and Mathematics, Central Universtiy of Finance and Economics, Beijing 100081, China;2.Institutes of Science and Development,Chinese Academy of Sciences, Beijing 100190, China)

Due to the pressure of “carbon emission peak” target in 2030, it’s extremely urged to industrial transform and upgrade and residential low carbon development. As a vital component in gross domestic product, household consumption will cause carbon emission that can give impetus to new round carbon emission in the future. Based on the international input-output tables, carbon emission of Chinese household consumption in 1995-2009 is calculated by using the method of non-competitive input-output analysis. Secondly, by using structural decomposition model, the influencing factors of carbon emission variation are analyzed and the effect of national emission reduction policy in 2007 is investigated. Furthermore, how consumption carbon emissions should develop until 2030 is forecasted by using regression model. Empirical results show that even though the carbon emission of household consumption causes a remarkable increasing trend on total national carbon emission during the study period, it still on the way of low carbon emission development under structural and factors influencing perspective. Especially, though analyzing the implementation effect of low carbon policy in 2007, it is found find that the policy doesn’t fail to reduce emissions, it leads the carbon intensity, technology, consumption structure and popularity to an emission reduction way. Also, consumption scale per capita is the critical factor in carbon emission increasing which caused by household consumption. In conclusion, our emission reduction efforts do not decrease at the expense of residents’ demand, which is necessary for our low carbon development during the special economy and consumption development phase.

carbon emission of household consumption; input-output technique; structural decomposition analysis; low carbon development.

1003-207(2017)08-0001-10

10.16381/j.cnki.issn1003-207x.2017.08.001

2016-06-30；

2017-01-23

国家重点研发计划项目(2016YFA0602804)；国家自然科学基金资助项目(71573248)

夏炎(1981-)，女(汉族)，河北唐山人，中国科学院科技战略咨询研究院，副研究员，研究方向：宏观经济预测与气候变化政策分析，E-mail:xiayan@caipm.ac.cn.

F223

A