基于LMDI的区域产业碳排放脱钩努力研究

刘博文 张贤 杨琳

摘要 随着全球变暖形势的不断加剧以及能源的过度开发利用，人类迫切需要一种能满足能源环境可持续发展要求的新型经济模式，代替以高能耗高污染为特点的工业经济发展模式。低碳经济被广泛认为是继工业革命后改变全球经济的又一次革命浪潮。低碳产业不仅是低碳发展的重点内容，也是低碳经济转型的重要途径。我國终端能源消费的90%直接发生在产业部门，巨大的能源消费总量，加上中国以煤炭为主的能源结构，使得产业部门的碳排放管理势必成为中国低碳经济政策的重要内容之一。本文运用LMDI 分解法和Tapio脱钩指标分析了1996年到2015年间中国区域产业增长和CO₂排放的脱钩弹性和脱钩努力程度。结果表明：①各区域的产业碳排放都呈现显著增加趋势，其中增幅最大的是位于北部沿海的河北和山东。从排放结构来看，制造业在1996年所占比重最大，但部分地区的交通碳排放在2015年超过制造业，成为最大的碳排放源。②从全国层面看，“九五”、“十一五”和“十二五”时期呈现弱脱钩，“十五”时期呈现为扩张链接状态。尤其需要注意的是“十二五”时期，西北地区呈现出扩张负脱钩。③各地区都做出了脱钩努力，其中，北京做出的脱钩努力最大，青海和宁夏做出的脱钩努力最小。从各脱钩努力指标来看，能源强度的贡献比较大；产业结构和能源结构基本没有显著效果，甚至阻碍了部分地区脱钩的实现；人口规模一直未做出脱钩努力，尤其是在发达的人口密集区。由此可见，产业结构和能源结构调整依然是未来我国实现脱钩的重要途径。

关键词 区域产业增长；碳排放；脱钩；LMDI

中图分类号 F124.5；X196

文献标识码 A文章编号 1002-2104（2018）04-0078-09DOI：10.12062/cpre.20180106

能源消费引起的全球气候变暖问题已经引起了全球各国广泛关注。自 1992 年第一次气候大会通过的 《联合国气候变化框架公约》 开始，到 1997 年的 《京都议定书》，再到2015年的《巴黎协定》，国际社会不断为减少二氧化碳排放而努力。中国作为全球最大的发展中国家，经济增长虽然取得了举世瞩目的成就，但与此同时带来的二氧化碳排放问题已经不容忽视。面对着日益严峻的减排形势，我国政府已经承诺到 2020和2030 年单位 GDP 碳排放要比 2005 年分别下降 40%～45%和60%～65%，并已经将其作为约束性指标纳入国民经济和社会发展中长期规划。目前，我国还处在城镇化和工业化快速发展过程中，要达到既定的减排目标，就必须降低经济增长对能源消耗的依赖。因此，深入研究经济增长与二氧化碳排放的脱钩关系，对于制定合理的减排政策，按期实现 2020及2030 年的减排承诺具有重要的现实意义。

经济合作与发展组织（OECD）[1]在 《衡量经济增长对环境影响脱钩关系的指标》报告中首次从经济学的意义上提出了 “脱钩”的概念以及模型，探讨了如何降低甚至阻断经济增长与环境污染的关联性。目前，国外研究主要从节能和减排两个角度出发来进行研究。Juknys[2]对脱钩指标进一步细化，将经济增长与自然资源的脱钩称为初级脱钩，与环境污染的脱钩称为次级脱钩。Tapio[3]构建了完整的脱钩指标体系，并研究了欧洲交通业发展与运输量、CO₂之间的脱钩情况。随后Gray et al[4]、Diakoulaki和Mandaraka[5]、De Freitas和Kaneko[6]、Csereklyei和Stern [7]、Grand[8]应用Tapio 脱钩模型分析了世界部分国家的经济增长或者产业发展与碳排放之间的脱钩关系。国内关于脱钩理论的研究也集中在节能与温室气体减排领域。在节能领域， 赵一平等[9]和王崇梅[10]运用脱钩理论研究了中国经济增长与能源消费之间的相关性。Dong et al.[11]研究了辽宁省能源消费和经济增长的脱钩关系。在减排领域，彭佳雯等[12]和Wang et al.[13]通过构建经济与能源碳排放的脱钩分析模型，研究了我国经济增长与能源碳排放的脱钩关系及程度，并分析了二者脱钩发展的时间与空间演变趋势。岳立和李飞[14]、齐静和陈彬[15]、王蓉和邢俊玲[16]分别研究了从区域角度研究了某些省份（甘肃、重庆、陕西）经济增长与碳排放的脱钩关系。随后，Zhang和Wang[17]、Lu et al.[18]和Wang和Yang[19]在分析经济增长与碳排放的耦合关系的同时，构建了二氧化碳排放的影响因素模型。

我国产业部门的能源消费占能源消费总量的80%以上，而且能源结构仍然以煤炭为主，这就使得产业部门的碳排放管理成为低碳经济发展的重中之重[20]。我国已经实施节能减排多年，并且制定了多项政策措施，但到底是否实现经济增长与碳排放的脱钩，为了脱钩又做出了多大努力，而哪些因素又是实现脱钩的重要因素，这些问题都值得探讨。通过文献梳理不难发现，目前大多数研究只停留在对脱钩或复钩状态的评判层面上，而对脱钩因子影响力和脱钩稳定性的分析并不多。考虑到我国各地区的经济发展以及碳排放存着明显的区域差异，本文以全国各省份的五大产业为研究对象，通过构建产业碳排放的脱钩努力模型，定量测算能源结构、能源强度、产业结构、经济产出和人口规模对于区域产业碳排放变化和脱钩努力的影响程度，进而得出脱钩努力进程中的关键影响因素，以期为区域性产业低碳发展提供建议。

1 研究方法和数据

1.1 产业碳排放

本文依据IPCC[21]国家温室气体清単计算指南提供的方法，对能源活动有关的产业CO₂排放进行测算，公式如下：

1.2 LMDI指数分解

指数分解法是根据 Kaya 恒等式的基本原理，通过构造链式乘积的形式分解出多个影响因素。该等式是由日本学者Yoichi Kaya[22]提出的，将人类活动产生的CO₂排放与人口、GDP、能耗强度等因素联系起来，具体的分解公式如下：

式中：CO₂、E、G、PE分别表示二氧化碳排放量、能源消费量、国内生产总值和人口总量。Kaya恒等式揭示了影响CO₂排放的主要因素：Ci表示单位能源消耗的CO₂排放量，即碳排放强度；Ei表示单位GDP的能源消耗量，即能源强度；Yi表示人均GDP，反映了社会经济水平。

因素分解法是对Kaya恒等式的进一步延伸，主要包括拉氏指数分解法、迪氏指数分解法和费雪理想指数法等。其中，Ang[23-24]提出的对数平均迪氏指数分解法（Logarithmic Mean Divisia Index method，简称 LMDI 法） 解决了指数分解分析法固有的残值和零值问题，具有完全分解和结果唯一性的优势。因此，LMDI模型已经成为了能源环境领域的主流研究工具。本文从区域产业层面建立了两层的LMDI分解模型，具体公式如下，各变量的含义解释见表1。

脱钩指标可细分为三大状态和八种等级，即连接状态（扩张连接和衰退连接）、脱钩状态（弱脱钩、强脱钩和衰退脱钩）、负脱钩状态（弱负脱钩、强负脱钩和扩张负脱钩），如图1所示。

在碳排放总量中剔除经济增长因素而导致的碳排放可进一步评价产业脱钩努力，即产业发展中一切直接或间接使得产业CO₂排放下降的努力措施，具体表现为提高能源效率、促进产业结构升级和能源结构优化以及控制人口等减排措施的实施效果。因此，碳排放的脱钩努力指标具体为

式中：ΔE表示现期相对于基期剔除经济增长因素后碳排放的变动，D 为剔除经济增长效应后的脱钩努力指标。DES、DEI、DSI、DP分别表示能源结构、能源强度、产业结构和人口规模的变化对脱鉤的努力程度。当脱钩努力导致CO₂排放变化量大于或等于0，D≤0 为“无脱钩努力”；当脱钩努力导致CO₂排放变化量小于0时，0

1.4 数据来源

本文选择了9种主要的能源消费品种来核算碳排放，分别是原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气和天然气，对应的能源消费量的数据均来源于《中国能源统计年鉴》；燃烧热值系数、含碳量等均采用IPCC于2006年公布的数据；分行业增加值、产值数据和人口数据来源于《中国统计年鉴》，1996—2015年的分行业增加值、产值等都换算为1996年的不变价。因数据可得性原因，本研究未包括港、澳、台地区。

2 各地区产业碳排放以及影响因素分析

各地区分行业的碳排放如图2a所示，可以看出各区域的碳排放都显著增加，并且区域差异呈现扩大趋势。1996年，北部沿海地区的碳排放最大（30 049×10⁴t），其次是黄河中下游地区（27 265×10⁴t）和长江中下游地区（26 781×10⁴t），西北地区最小（7 578×10⁴t）。2015年，北部沿海区域的碳排放量依旧最大（84 083×10⁴t），然后是黄河中游地区（70 447×10⁴t）、长江中游（60 618×10⁴t）和西南地区（57 857×10⁴t），西北地区的排放量最小（25 459×10⁴t）。从增长幅度来看：西北地区的增幅最大，为235.96%；其次是南部沿海和北部沿海地区，分别为192.07%和179.82%；东北地区和长江中游地区的增幅最小，分别为123.57%和126.35%。从省际分行业的碳排放情况来看（图2b）：各区域都是制造业碳排放所占比重最大，建筑业和农业碳排放较小；其次，除了西北地区，其他地区的交通碳排放都显著增加。从省际层面看：各省份在1996年的碳排放差异较小，但在2015年却显著扩大，尤其是位于北部沿海地区的河北和山东的排放量和增幅都远远高于其他省份和全国平均水平；江苏、辽宁、广东、湖北、河南、山西、内蒙和四川的排放量也较大，高于全国平均水平；海南、青海和北京的碳排放量较小，并且一直低于全国平均水平，其中北京是唯一一个碳排放下降的地区。从省际的排放结构来看：在1996年，各省份都是制造业所占比重最大，但是到2015年，北京的交通碳排放超过制造业，成为该地区最大的碳排放源，并且北京是唯一的制造业碳排放下降的地区；上海、山东、广东、辽宁、江苏、浙江等发达地区的交通碳排放也有显著增加。

综合分析，北部沿海的排放总量和增加幅度都较大；西北地区和南部沿海地区的排放量相对较小，但是增幅较大；东北地区和东部沿海地区的控排做的相对较好。尤其需要注意的是北部沿海的碳排放呈现巨大的区域内部差异，北京和天津的排放量以及增幅远远低于河北和山东，这非常不利于京津地区的协同发展。京津冀地区一直在大力推行节能减排，采取措施治理燃煤、机动车、工业和扬尘污染，淘汰落后产能，推动空气质量持续改善。但除了北京和天津，周边的地区包括辽宁、山西和内蒙，碳排放都增幅较大，非常不利于雾霾的治理。除此之外，各地区的交通碳排放，尤其是发达地区，增长幅度较为明显，必须予以重视。商业碳排放虽然比重较小，但是部分地区已经出现快速增长的势头，未来随着我国产业结构的调整和经济形势的回暖，增长的空间还是很大，今后也将成为节能减排的重点行业。各分解效应对各地区产业碳排放的累计贡献值如图3所示。可以看出经济产出是产业碳排放增长的决定性因素，人口规模也一定程度上增加了碳排放，能源强度是抑制碳排放增长决定性因素，能源结构和产业结构对碳排放的抑制作用还不显著，甚至在部分地区促进了碳排放增长。

经济产出增加是碳排放增长的主要因素，说明我国经济发展依赖于能源消费。能源强度下降是抑制碳排放的最有力因素，这是因为我国一直十分重视节能减排工作，技术效率和资源利用效率大幅提高，使得能源强度特别是第二产业的能源强度不断降低。人口规模效应对碳排放的正向影响正在逐渐显现，成为仅次于经济效应的第二大碳排放增长推动力，尤其是在广东和上海等人口稠密地区，拉动作用正在增强。Birdsall[25]认为人口增长对碳排放的影响主要有两方面：一是人口增加，通过需求引导生产扩大，进而导致碳排放增长；二是人口增长破坏生态平衡，改变土地利用方式。虽然我国人口增速已经放缓，但由于人口基数巨大，即使是少量的人口增加，引起的碳排放增加量也相当可观。未来随着我国城镇化进程的进一步加快，一线城市的常住人口规模还将继续加大，所以未来控制人口对减少碳排放的作用不容忽视。能源结构效应和产业结构效应并没有对碳排放起到明显的抑制作用，这与部分研究的结果相似[26-29]。由于在1996—2015年间，除了北京、上海和海南以外，我国大部分地区第二产业比重始终在45%～60%之间，并且煤炭为主要能源，这表明各地区经济增长对第二产业的依赖还比较强，所以未来调整产业结构和能源结构依然任重道远。

3 各地区产业碳排放的脱钩情况分析

根据式（13），1996—2015年各地区碳排放脱钩情况见表2。从全国层面看：“九五”期间（1996—2000）脱钩弹性指标为0.3，呈现弱脱钩；“十五”期间（2001—2005）脱钩弹性指标增长到0.94，呈现为扩张链接状态；“十一五”期间（2006—2010）和“十二五”初期（2011—2015）又改善为弱脱钩，脱钩弹性指标显著下降。这表明“十五”期间，在排出大量二氧化碳的同时并没有带来同比例的生产总值增加，进入“十一五”以后，随着国家节能减排力度的加大，又出现了二氧化碳和经济发展的弱脱钩。从区域层面看：“九五”期间，黄河中游地区和长江中游地区呈现强脱钩状态，西南地区呈现扩张链接状态，其他地区都为弱脱钩；“十五”时期，除了西北地区，其他地区的脱钩指标都显著增加，北部沿海地区、东部沿海地区和长江中游地区呈现扩张连接状态，而南部沿海地区和西南地区甚至出现扩张负脱鉤；“十一五”时期，各区域的脱钩指标有了显著改善，均呈现弱脱钩状态；而进入“十二五”时期，东部沿海地区则呈现强脱钩，而西北地区又呈现出扩张连接状态，其他地区均为弱脱钩。由此可以看出，发达地区正在逐步改善粗放的经济增长模式，尤其是东部沿海地区，减排成果显著，而欠发达地区（西北地区）却依然过度依赖能源资源投入支撑经济增长。从省际层面看：北京地区的脱钩情况最好，这主要是因为北京市出台了大量减排措施，淘汰落后产能；其他地区的脱钩指标都呈现出较大的波动，尤其是在“十五”期间，河北、山东、吉林、江苏、湖北、湖南、福建、贵州和云南等多地呈现出扩张连接和扩张负脱钩状态，但随后又显著改善；进入“十二五”以后，多地开始呈现负脱钩的状态，但是西北地区的甘肃、青海和新疆却呈现出扩张负脱钩的状态，表明该地区需要注意经济增长方式，不能盲目扩大投资，注重经济增长质量。

根据式（14）和公示式（15），剔除经济增长效应后的脱钩努力情况如图4所示。可以看出，在剔除经济增长效应后，所有地区都做出了脱钩努力。其中，北京做出的脱钩努力最大，其次为河南、吉林、山西、湖北、湖南和天津，青海和宁夏做出的脱钩努力最小。从各脱钩努力指标来看，能源强度的贡献比较大；产业结构效应在上海、北京、广东和天津做出一定的脱钩努力，但在其他地区并没显著效果，甚至阻碍了脱钩的实现；人口规模一直未做出脱钩努力，尤其是在上海、广东、北京和天津等发达的人口密集区，但除了上海和广东，其他地区人口的负向脱钩努力值并不是很大，这说明人口控制政策还是有效的；能源结构除了在山东、河北、青海、陕西等地表现出较为明显负向脱钩努力，在其他地区并未起到明显作用，说明1996年到2015年间我国的能源结构调整政策并没有取得显著成效，未来依旧是节能减排的重中之重。

4 结论与讨论

本文利用LMDI和Tapio指标分析1996—2015 年间各地区产业碳排放的脱钩情况。结果表明：①各区域的产业碳排放都呈现显著增加趋势，其中河北和山东的排放量和增幅远远高于其他地区和全国平均水平。从排放结构来看，1996年各省份都是制造业所占比重最大，但是2015年北京的交通碳排放超过制造业，成为该地区最大的碳排放源，并且北京是唯一的制造业碳排放下降的地区。此外，上海、山东、广东、辽宁、江苏、浙江等发达地区的交通碳排放也有显著增加。②经济产出效应是产业碳排放快速增长的最主要因素，人口增长也一定程度上增加了碳排放，能源强度效应则是抑制碳排放增长最为重要的原因，能源结构和产业结构的调整没有起到明显的抑制作用，在部分地区甚至增加了碳排放。③“九五”期间，各地区都呈现弱脱钩；“十五”时期，除了西北地区，其他地区的脱钩指标都显著增加，北部沿海地区、东部沿海地区和长江中游地区呈现扩张连接状态，而南部沿海地区和西南地区甚至出现扩张负脱钩；“十一五”时期，各区域的脱钩指标有了显著改善，均呈现弱脱钩状态；而进入“十二五”时期，东部沿海地区则呈现强脱钩，而西北地区又呈现出扩张连接状态，其他地区均为弱脱钩。由此可以看出，发达地区正在逐步改善粗放的经济增长模式，尤其是东部沿海地区，减排成果显著，而欠发达地区（西北地区）却依然过度依赖能源资源投入支撑经济增长。④所有地区都做出了脱钩努力，其中，北京做出的脱钩努力最大，青海和宁夏做出的脱钩努力最小。从各脱钩努力指标来看：能源强度的贡献比较大；产业结构在上海、北京、广东和天津做出一定的脱钩努力，在其他地区并没显著效果，甚至阻碍了脱钩的实现；人口规模一直未做出脱钩努力，尤其是在上海、广东、北京和天津等发达的人口密集区；能源结构除了在山东、河北、青海、陕西等地表现出较为明显负向脱钩努力，在其他地区并未起到明显作用，说明“九五”到“十二五”期间，我国的能源结构调整政策并没有取得显著成效，未来依旧是节能减排的重中之重。

总而言之，各省市碳排放脱钩指数值均有明显差异，节能减排政策的制定应适当考虑区域经济发展水平、能源消耗及碳排放的差异性，制定“共同但有区别”的减排责任。大部分经济发达省份的脱钩指数呈现倒U型的变动趋势，但仍处于弱脱钩或者增长连接状态，这意味着尽管我国能源消耗强度以及碳排放强度不断下降，但是经济发展与碳排放、能源消耗之间仍然存在较强的关联性。经济相对落后的省份虽然碳排放较小，但脱钩指数呈上升趋势，说明经济发展还是延续了以往粗放型的模式，不利于我国可持续发展的整体战略布局。脱钩因素的分解表明当前不合理的能源结构和产业结构可能是导致经济增长与碳排放、能源之间未实现脱钩的重要因素，随着能源效率的天花板效应逐渐显现，未来产业结构的调整还将是节能减排的重要途径。

参考文献（References）

[1]OECD. Indicators to measure decoupling of environmental pressure from economic growth [R]. Paris： OECD，2002.

[2]JUKNYS R. Transition period in lithuania：do we move to sustainability？[J]. Environmental research， engineering and management， 2003， 4（26）： 4-9.

[3]TAPIO P. Towards a theory of decoupling： degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport policy， 2005， 12（2）： 137-151.

[4]GRAY D， ANABLE J， IIIINGWORTH L， et al. Decoupling the link between economic growth， transport growth and carbon emissions in Scotland[R]. Aberdeen： The Centre for Transport Policy， Robert Gordon University， 2006.

[5]DIAKOULAKI D， MANDARAKA M. Decomposition analysis for assessing the progress in decoupling industrial growth from CO₂ emissions in the EU manufacturing sector[J]. Energy economics， 2007， 29（4）： 636-664.

[6]FREITES L C D， KANEKO S. Decomposing the decoupling of CO₂ emissions and economic growth in Brazil[J]. Ecological economics， 2011， 70（8）： 1459-1469.

[7]CSEREKLYEI Z， STERN D I. Global energy use： decoupling or convergence？[J]. Energy economics， 2015， 51： 633-641.

[8]GRAND M C. Carbon emission targets and decoupling indicators[J]. Ecological indicators， 2016， 67： 649-656.

[9]赵一平， 孙启宏， 段宁. 中国经济发展与能源消费响应关系研究——基于相对“脱钩”与“复钩”理论的实证研究[J]. 科研管理， 2006， 27（3）：128-134. [ZHAO Yiping， Sun Qihong， DUAN Ning. Responsive relationship between economic development and energy consumption in China： a practical research based on comparative de-link and re-link theory[J]. Science research management， 2006， 27（3）：128-134.]

[10]王崇梅. 中国经济增长与能源消耗脱钩分析[J]. 中国人口·资源与环境， 2010， 20（3）：35-37. [WANG Chongmei. Decoupling analysis of China economic growth and energy consumption[J]. China population， resources and environment， 2010， 20（3）：35-37.]

[11]DONG B， ZHANG M， MU H L， et al. Study on decoupling analysis between energy consumption and economic growth in Liaoning Province[J]. Energy policy， 2016， 97： 414-420.

[12]彭佳雯， 黃贤金， 钟太洋， 等. 中国经济增长与能源碳排放的脱钩研究[J]. 资源科学， 2011， 33（4）：626-633. [PENG Jiawen， HUANG Xianjin， ZHONG Taiyang， et al. Decoupling analysis of economic growth and energy carbon emissions in China[J]. Resources science， 2011， 33（4）：626-633.]

[13]WANG W W， LI M， ZHANG M. Study on the changes of the decoupling indicator between energy-related CO₂， emission and GDP in China[J]. Energy， 2017， 128：11-18.

[14]岳立， 李飞. 西部经济增长与二氧化碳脱钩关系的实证分析——以甘肃省为例[J]. 北京理工大学学报（社会科学版）， 2011， 13（2）：19-22. [YUE Li， LI Fei. Empirical analysis of the Tapio decoupling of western provincial economic growth and carbon dioxide with Gansu Province as a case[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2011， 13（2）：19-22.]

[15]齐静， 陈彬. 城市工业部门脱钩分析[J]. 中国人口·资源与环境， 2012， 22（8）：102-106. [QI Jing， CHEN Bin. Decoupling analysis for urban industrial sectors[J]. China population， resources and environment， 2012， 22（8）：102-106.]

[16]王蓉， 邢俊玲. 陕西经济增长与二氧化碳排放量脱钩关系研究——基于Tapio脱钩模型[J]. 西安财经学院学报， 2013（6）：48-52. [WANG Rong， XING Junling. Study on decoupling relationship between economic growth and carbon dioxide emissions： based on the Tapio model[J]. Journal of Xian Institute of Finance & Economics， 2013（6）：48-52.]

[17]ZHANG M， WANG W E. Decouple indicators on the CO₂ emission-economic growth linkage： the Jiangsu Province case[J]. Ecological indicators， 2013， 32： 239-244.

[18]LU Q L， YANG H， HUANG X J， et al. Multi-sectoral decomposition in decoupling industrial growth from carbon emissions in the developed Jiangsu Province， China[J]. Energy， 2015， 82： 414-425.

[19]WANG Z， YANG L. Delinking indicators on regional industry development and carbon emissions： Beijing-Tianjin-Hebei economic band case[J]. Ecological indicators， 2015， 48： 41-48.

[20]王君华，李霞. 中国工业行业经济增长与CO₂ 排放的脱钩效应[J].经济地理， 2015，35（5）：105-110. [WANG Junhua， LI Xia. The effect of sector decoupling between Chinas industrial economic growth and carbon dioxide emissions[J]. Economic geography， 2015， 35（5）：105-110.]

[21]IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[R]. 2006.

[22]KAYA Y. Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios[R]. Paris：IPCC， 1990.

[23]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.

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

[25]BIRDSALL N. Another look at population and global warming[R]. 1992.

[26]WU L B， KANEKO S， MATSUOKA S. Driving forces behind the stagnancy of Chinas energy-related CO₂ emissions from 1996 to 1999： the relative importance of structural change， intensity change and scale change[J]. Energy policy， 2005， 33（3）： 319-335.

[27]郭朝先. 中國碳排放因素分解：基于 LMDI 分解技术[J]. 中国人口·资源与环境， 2010， 20（12）：4-9. [GUO Chaoxian. Decomposition of Chinese carbon emissions： based on LMDI method[J]. China population， resources and environment， 2010， 20（12）：4-9.]

[28]赵奥， 武春友. 中国CO₂排放量变化的影响因素分解研究——基于改进的Kaya等式与LMDI分解法[J]. 软科学， 2010， 24（12）： 55-59. [ZHAO Ao， WU Chunyou， 2010. Analysis of decomposition of influencing factors of variationin CO₂ emission of China： based on improved Kaya identity and LMDI method[J]. Soft science， 2010， 24（12）： 55-59.]

[29]涂红星， 肖序， 许松涛. 基于LMDI的中国工业行业碳排放脱钩分析[J]. 中南大学学报（社会科学版）， 2014（4）：31-36. [TU Hongxing， XIAO Xu， XU Songtao. An analysis of carbon dioxide emission by Chinese industires based on LMDI method[J]. Journal of Central South University（social sciences edition），2014（4）：31-36.]

[30]王云. 低碳经济“脱钩”量化分解模型研究——基于IPAT方程的分析[J]. 经济问题， 2012， 5：8-13. [WANG Yun. The study of the decomposition model to quantify low-carbon economy‘decoupling based on Kaya identity[J]. On economic problems， 2012， 5：8-13.]