基于CLA模型家庭能耗直接碳排放量研究——以南京市浦口区为例

■ 陈文宇 CHEN Wenyu 朱隆斌 ZHU Longbin

0 引言

随着全球气候变暖成为全球关注的共同问题，低碳发展作为一种低能耗、低污染、可持续的发展模式，已得到国际社会的普遍认同。社区作为低碳社会和低碳城市建设的基本单元，是推进低碳发展的重要抓手，受到广泛重视。国际能源机构（IEA）数据显示，2014年在经合组织（OECD）国家总体碳排放中,居住部门直接碳排放占到8%，电力和热力部门的直接碳排放占42%；而在电力和热力的碳排放中，居住部门又占到12%。在欧美国家，城市碳排放的30%～40%与家庭有关,2008年，美国家庭碳排放占比达到38%[1]。在日本的多个城市，城市居民生活的碳排放比例占到城市总量的15%以上[2]。在我国，居民生活终端能源消费比例高居第二位，仅次于工业能源消费；2015年，居民生活能源消费占到能源消费总量的12%[3]。

家庭作为产品和服务消费的终端主体，其能源消耗及碳排放问题正日益引起国际社会和科学界的广泛关注[4]。为此，国内外学者展开了大量研究，研究内容主要包含家庭碳排放的影响因素、对环境的负面影响及碳排放计算方法等。一些研究结果表明，家庭能耗直接碳排放在家庭直接碳排放中占据很大比例[5-8]。

随着城镇化进程的持续推进，预计2030年，我国的城镇化率将达到70%，届时将新增2亿居民进入城镇，巨大的人口规模使社区成为减碳的关键领域。在此背景下，从家庭能耗直接碳排放入手，开展碳排放影响因素及节能减排措施的研究具有重要意义。本文基于CLA（消费者生活方式方法）模型，以问卷调查的方式获取第一手数据，定量分析家庭能耗直接碳排放分项，探求城市家庭能耗直接碳排放的影响机制，进而提出相应节能减排措施，以期为低碳社区发展做出贡献。

1 研究方法及数据基础

1.1 研究模型

消费者生活方式方法模型（Consumer Lifestyle Approach,CLA）是由Bin和 Dowlatabadi（2005）提出的一种能够预测家庭碳排放的方法，其在美国家庭碳排放的研究中首次运用了此方法，后被众多学者引用。该模型的实践意义在于通过理解消费者的个体行为从而制定出更好的公共政策。CLA模型中，“消费者”指为个人或家庭消费而购买和使用产品与服务的实体；“生活方式”指一种影响消费行为并反映出来的生活方式。模型构建了外部环境、个人选择、家庭特征、消费者选择及消费行为产生的后果之间的内在联系，并将居民家庭消费支出与工业中相关的行业部门对应起来，从而能够根据居民家庭的消费支出情况与相应部门的碳排放强度，计算出居民家庭碳排放量。但由于不同因素的交互作用，且其中许多因素会随着时间的推移而变化以适应新的环境，使得了解消费者行为变得复杂。CLA模型恰好提供了一个跨学科的框架，以理清众多相互作用的因素[9]（图1）。

1.2 数据获取与指标构建

本次研究数据主要通过访谈及问卷调查获得。调查样本分为居住区选择和住户选择：①居住区选择按照能够体现不同类型、不同规模、不同建设年代及不同居住人群等样本要求，涵盖了旧城老居住区、安置房、花园小区等多种类型；②住户选择则涵盖不同户型和家庭类型的住户。研究最终选取了南京市浦口区5个社区进行调查（图2），于2018年2～5月进行问卷调查，共发放问卷200份，其中有效问卷173份，问卷有效率为86.50%。

图1 CLA模型框架图

根据CLA模型的构建要求，研究的指标构建包括碳排放量（因变量）和影响因素（自变量）两部分。其中，因变量指家庭能耗直接碳排放量；自变量包括小区特征、住房特征、生活方式、家庭特征四部分（表1）。

1.3 碳排放计算方法

本研究的家庭直接用能指家庭范围内消费的化石燃料（天然气、液化石油气、煤气等）及电力、水力、热力（集中供暖）等能源产品[10]。根据社区现状调查，其家庭能源消耗方式主要是天然气、电力和水力。碳排放量的计算采用《IPCC温室气体碳排放清单指南》提出的排放系数法，基本公式为：

图2 调查选点分布图

CE=EF×AD

式中， CE—单项活动碳排放量；

EF —碳排放系数；

AD—能源消耗量。

家庭能耗直接碳排放量为各单项能源消耗碳排放之和。本文使用的碳排放系数主要来源于中国科技部2007年发布的《全民节能减排手册》[11]及台湾“经济部能源局”数据（表2）。

1.4 研究方法与数据预处理

根据问卷设计，家庭常住人口数等连续的数量指标可直接使用，其他变量如年龄、家庭收入、受教育程度等需用虚拟变量测度[7]，进行数据的虚拟变量赋值及基本特征分析（表3）。

在影响因素的分析上，本文主要采用SPSS17.0中的单因素方差分析、一元线性回归及多元线性回归等方法。首先，通过单因素方差分析以确定对家庭能耗直接碳排放有影响的有效因子；其次，在进行多元回归之前，对各因子进行一元线性回归分析，以确定每一个自变量与因变量呈现线性关系，在此基础上才能构建多元线性回归；最后，通过多元分析确定各个因子对家庭能耗直接碳排放的综合效应及各自对碳排放影响的显著程度。

表1 城市家庭能耗直接碳排放调查指标体系

表2 碳排放类别与碳排放系数

2 家庭能耗碳排放量特征及影响因素分析

2.1 家庭能耗直接碳排放量特征分析

对南京浦口区5个社区家庭能耗碳排放的调查结果显示，户均年家庭能耗直接碳排放量为2 489.36kg，人均年能耗直接碳排放量为796.73kg。家庭用电、气、水的碳排放量比例为82:17:1，可见家庭用电是影响家庭能源消耗直接碳排放量的最主要方面。

2.2 影响因子判断

采用单因素方差分析以确定单一因素是否对因变量产生显著影响。进行单因素方差分析的前提是样本整体要满足正态分布，因此，在进行分析之前，需进行方差齐性检验，只有方差齐性检验中的Sig值＞0.05（即通过检验），才可进行单因素方差判断。若显著性水平P ＜ 0.05，则表明该因子对家庭能耗直接碳排放量存在显著影响，应拒绝零假设。

分析结果表明，家庭作息时段及平均年龄未通过方差齐性检验（ Sig=0.000），小区建设规模（F=1.051，P=0.352）、建设年代（F=4.982，P=0.008）、建筑类型（F=6.998，P=0.009）、楼层（F=1.323，P=0.169），未通过0.05的显著性水平检验，表明以上6个因子对家庭能耗直接碳排放没有显著影响。其他8个因子（容积率、住房面积、房间数、空调使用习惯、家庭常住人口数、家庭结构、家庭年收入、成人平均受教育水平）均是家庭能耗直接碳排放量的有效影响因子。

表3 主要调查数据虚拟变量赋值及基本特征表

2.3 影响因子主次及其影响特征

当研究的问题涉及两个及两个以上因素时，需建立多元回归方程，以确定各个自变量对因变量的单独效应和综合效应。多元回归分析能够评定各个自变量对因变量的相对重要性程度，以便抓取最显著影响因子。依据单因素方差分析的分析结果，对8个具有显著性影响的因子进行各自的一元线性分析，结果显示：各因子均满足与因变量间呈线性关系的要求，能够进行下一步多元线性回归。

为筛选影响程度最大的因子，本次研究主要采用Backward回归法，将回归分析中P＞0.02的因子容积率、家庭结构、成人平均受教育程度、住房面积逐步剔除，保留主要因子。结果（表4）显示，显著性P值为0.000，各因子回归系数t均通过了（P＜0.02）的检验，说明筛选出的因子与家庭能耗直接碳排放相关性显著[12]。F值越大表明回归效果越好，数据显示F值为114.575，回归效果较好。 R2表示因变量总体变异中被所有自变量所解释的比例，表明整个方程能够解释家庭能耗碳排放量的73.2%。根据回归系数可知，4个因子与家庭能耗直接碳排放均呈正相关。标准系数栏的标准化回归系数的绝对值可以用于比较各个因子对家庭能耗碳排放量的影响程度，即家庭收入情况（0.425）＞家庭常住人口数（0.327）＞房间数（0.239）＞空调使用习惯（0.132）。可见，家庭特征对家庭能耗直接碳排放量影响最为显著。

3 对低碳社区规划设计的启示

通过对家庭能耗直接碳排放量特征及影响因素的研究，明确了碳排放的主要影响因素，在此基础上，针对低碳社区建设，我们提出改进直接可控因子，影响间接可控因子[12]，激发公众参与三类策略。

3.1 通过规划改进直接可控因子，建设低碳社区

直接可控因子包括小区特征和住房特征，其容积率、住房面积及房间数均是家庭能耗直接碳排放量的影响因子。其中，住房面积及房间数与碳排放量呈正相关，容积率与碳排放量呈负相关。研究表明，低碳社区的理想模式是住房面积小、户型房间数少、容积率低，但低碳模式往往是多个因子综合作用，且在满足居民需求下的共同结果，往往更为复杂。因此，结合本文研究结论，建议可采取以下措施：

（1）高效紧凑的户型设计。在明确居住对象并了解其生活需求的基础上，以更小的面积及更能高效利用房间的户型设计，辅以低碳技术设计，将有助于减少居民对用电来满足供暖制冷的依赖。

表4 多元线性回归结果

（2）合适的容积率。尽管低的容积率可能意味着居住区更好的通风环境，可使居民的能源使用需求减少，但在城市发展建设需求下，低容积率难以实现，一味地追求过低或过高的容积率都不科学。王伟强等通过对上海54个小区的研究发现，家庭能耗碳排放量在住区容积率中具有区段波动特征，得出不同容积率住区家庭能耗碳排放差异是由于家庭人口、收入水平等社会因素叠合作用的结果[13]。本次研究表明，低容积率有利于低碳社区建设，但考虑城市建设现状等物质原因、居住人口等社会原因，合适的居住区容积率才应是低碳社区建设需要详细进行模拟研究、综合考虑的选择。

3.2 通过规划影响间接可控因子，引导低碳生活

已有研究表明，城市规划的减碳机制是：通过规划组织合理的城市空间结构，并以此来引导和转变市民的生活习惯和观念认知，逐步培育城市居民低碳的行为模式和生活方式，最终达到碳减排的目的[7、14]。本研究表明家庭收入情况、家庭常住人口数、空调使用习惯、家庭结构、成人平均受教育程度是家庭能耗直接碳排放的影响因素，这些因子虽然不能以规划直接控制，但可以通过规划策略进行引导。例如，可以通过户型设计影响常住人口数、通过提高室内通风、使用恒温恒湿等低碳技术来改变居民的空调使用习惯等。

3.3 激发公众参与，多方合力共同塑造低碳社区

研究表明，居民的生活方式选择及家庭特征是影响碳排放最重要因素，尽管可以通过规划进行引导，但其中如家庭收入情况等，规划难以影响，因此，公众的积极参与至关重要。低碳意识的培养和居民的参与作为社区工作的创新领域，一方面需要社区管理人员主动组织；另一方面，也需要借助专家、社会团体等外部力量的支持，引导居民参与到低碳社区建设的决策、规划设计、实施及运营的全过程中。与此同时，政府的经济支持和政策保障也必不可少，应加强政策和资金整合，由街道或社区层面主导，在对社区碳排放充分了解的基础上，因地制宜地设定减碳目标与措施，激发公众参与，共同塑造低碳社区。

4 结语

本文基于CLA模型定量分析了家庭能耗直接碳排放量的特征，并通过SPSS数据分析提炼出家庭能耗直接碳排放的显著性影响因子，得出以下结论：

（1）户均年能耗直接碳排放量为2 489.36kg，人均年能耗直接碳排放量为796.73kg，家庭用电、家庭用气、家庭用水碳排放量之比约为82∶17∶1。

（2）家庭收入情况、家庭常住人口数、房间数、空调使用习惯依次是影响家庭能耗直接碳排放量最显著的4个因子。

（3）容积率、家庭结构、成人平均受教育程度、住房面积也是影响家庭能耗直接碳排放的有效因子。由于数据获取的难度，本次研究数据仅从问卷调查获取，缺少与供电、供水、供气部门数据的校核，若能进一步对数据进行校核和扩充，将更有利于结论的完善。

家庭生活碳排放是碳排放的主要来源之一。我国各地气候、生活习惯、经济发展水平各不相同，需针对不同的地区和家庭类型，分别研究家庭碳排放的影响因素，并依此制定出国家、区域及社区层面和微观家庭住户不同层面的减排对策[12]，实现对家庭生活碳排放的有效调控，从而实现最佳的低碳建设目标。