碳排放的来源精选(九篇)
前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的碳排放的来源主题范文，仅供参考，欢迎阅读并收藏。
第1篇：碳排放的来源范文
关键词：碳强度；行业影响；完全分解模型；强度效应；结构效应
一、 引言
当前，全球气候变化问题已成为国际社会广泛关注的焦点，中国随着经济的快速发展，能源消费急剧增加，特别是化石能源消费快速增长，而全球温室气体增加的主要来源是化石能源消费，导致二氧化碳排放总量已位居全球前列。有研究表明，中国能源消费产生的二氧化碳占中国总排放量的75%，2008年中国能源碳排放首次超过美国成为二氧化碳排放大国。随着工业化和城市化进程的加快，我国二氧化碳排放量将持续快速增长。为应对经济社会发展中环境压力大的严峻挑战，2009年11月26日中国政府在哥本哈根世界气候变化大会上宣布二氧化碳减排的目标为到2020年我国单位国内生产总值（GDP）二氧化碳排放量比2005年下降40%～45%，将单位国内生产总值二氧化碳排放作为约束性指标纳入“十二五”及中长期国民经济和社会发展规划，要求单位国内生产总值二氧化碳排放降低17%。近年来，碳强度波动引起社会各界的关注，关于碳强度的文章相继在各种学术期刊出现。主要内容可以分为两类，一是对碳强度因素分解方法的研究，主要有拉式因素分解法（Greening等，1997）、迪氏因素分解法（Ang 等，2009）、完全因素分解模型（Sun，1998）；二是从多个角度对碳强度进行研究，如Greening等（2004）、Wang（2005）、徐国泉等（2006）、魏一鸣等（2008）、宋德勇等（2009）等运用因素分解从产业结构、人口、经济等角度分析碳强度变化的影响；王铮等（2008）、李国志等（2010）、仲云云等（2012）运用不同的因素分解方法从区域的角度对碳排放的驱动因素进行分析；邵帅等（2010）、何小钢等（2012）从工业行业的角度对碳排放进行分析。现有研究对揭示我国碳排放的行业特点和制定行业减排政策具有积极的参考价值，但是依然存在一定的局限性，如现有研究中较少体现工业行业碳排放的时间和空间变动等。本文将在现有研究的基础上，从三个角度和两个时期进行因素分解，三个角度——一是按工业行业小类划分的39个细分工业行业，二是按工业行业大类划分的采掘业、制造业、电力、煤气及水生产和供应业，三是按碳排放高中低划分的高碳排放行业、中等碳排放行业、低碳排放行业。两个时期是：“十五”和“十一五”。动态定量分析我国各类工业行业发展对碳强度变化的影响，为相关部门制定行业差异化碳减排政策提供参考依据，对于当前推进经济结构转变具有十分重要的指导作用，对促进经济长期平稳较快发展，具有重要的现实意义。
二、 碳强度分解模型
本文运用Sun（1998）提出的完全分解分析方法，将工业碳强度的影响因素分为强度效应和结构效应来进行剖析，结构效应是反映不同行业经济发展比重变化引起的工业碳强度变化量，而强度效应是反映不同行业碳强度变化引起的工业碳强度变化量。
三、 工业碳排放与工业增加值的测算
由于统计年鉴上没有各个工业行业的碳排放量数据，另外从2008年开始国家统计局不再公布行业工业增加值，只公布工业总产值，因此在进行碳强度分解之前，需对各个工业行业的碳排放量和工业增加值进行测算。
1. 工业行业碳排放量测算。根据2007年IPCC第四次评估报告，温室气体增加的主要来源是化石燃料燃烧，因此本文利用各个工业行业历年能源消费数据进行碳排放量测算。计算方法基于IPCC《2006年IPCC国家温室气体清单指南》，根据《中国能源统计年鉴》口径，将最终能源消费种类划分成9类，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力。9类能源的标准量转换系数和碳排放系数来源于中国科学院可持续发展战略研究组的《2009中国可持续发展战略报告——探索中国特色的低碳道路》。
2. 行业工业增加值测算。从2008年开始国家统计局不再公布行业工业增加值，只公布工业总产值，2008年之前既公布行业工业增加值，又公布工业总产值。通过2005年～2007年工业增加值占工业总产值的比重发现，各行业工业增加值占工业总产值的比重较为稳定，因此可以通过行业工业增加值占工业总产值的比重去测算2008年～2010年分行业工业增加值。运用2006年～2007年行业工业增加值占工业总产值比重的均值推算2008年分行业工业增加值，运用2007年～2008年行业工业增加值占工业总产值比重的均值推算2009年分行业工业增加值，以此类推，推算出2008年～2010年分行业工业增加值。
第2篇：碳排放的来源范文
随着中国经济的快速发展和工业化进程的不断加快，我们所面临的节能减排义务将十分艰巨。即便按照“十二五”期间确定的16%的节能目标，如果GDP仍维持10%以上高速增长的势头，到2015年能源消费总需求量将达45亿吨左右标煤，二氧化碳排放量将达100亿吨左右，相当于美国和欧盟的总和。［1］面对中国快速增长的经济和迅速上升的二氧化碳排放量，国际社会开始出现所谓中国“威胁气候安全”的说法，中国正受到越来越多的来自国际社会的关注和压力。
在推动中国碳排放不断增长的众多因素中，除了大规模的固定资产投资和庞大的国内消费需求之外，出口贸易的快速增长是最主要的推动因素。目前，已经有很多研究印证了“中国出口贸易导致温室气体排放增加”这一结论，表明中国温室气体排放量增加中相当一部分是发达国家消费需求拉动所致。包括世界自然基金会(WWF)全球政策研究中心、国际能源机构、日本京都大学在内的多家机构，均曾从不同角度对中国的出口贸易与碳排放的关系进行过研究。这些研究不管是从“内涵能源”的角度，还是从“出口碳”、“出口排放”与“碳连锁”等角度，都揭示了三个事实:第一，国际贸易会导致“碳泄漏”;第二，中国由于贸易顺差所导致的二氧化碳等温室气体排放增加是显著的;第三，发达国家的消费需求加剧了中国的碳排放增长。［2］2006年～2010年，我国进出口贸易的年均增长率为15．6%，其中出口贸易的年均增长率为14．6%。2010年我国的出口总额达到15779亿美元，比2009年增长31．3%。②作为“世界加工厂”，中国实现碳减排目标最主要的还是要从出口行业入手，而这些行业占我国GDP的三分之一。因此，有必要从客观的角度阐释我国碳排放的增长驱动力，分析出口贸易模式与碳排放量之间的关系，从贸易模式的角度探讨节能减排的新途径。
一、出口贸易模式与碳排放关系研究
在出口贸易模式与碳排放量的关系上，国外的研究主要有:Wyckoff等(1994)通过对6个经合组织国家贸易中的内涵碳排放量进行计算，发现制成品中内涵碳排放占到其排放量的13%左右。［3］
Machadoetal．(2001)分析了1970年～1992年巴西在对外贸易中的碳含量排放，结果表明发达国家通过外包的方式，把高碳产业转移到发展中国家。近年来，随着中国出口贸易的快速增长，出口贸易中的碳排放问题也越来越受到学术界的关注。［4］
Shui和Harriss(2006)计算了中美贸易中的隐含碳排放量，计算得出在中国对美国的出口贸易中所含的碳排放量占中国碳排放总量的7%～14%，这些碳排放最终被美国人消费。［5］Weberetal．(2008)认为导致中国碳排放增加的主要因素是碳泄漏和碳出口，这个观点印证了“污染天堂假说”。［6］
DaboGuanetal(2008)分析预测了1980年～2030年中国的碳排放趋势，结论显示造成中国碳排放增加的最主要因素分别是出口增长、内需消费和资本投资。［7］国内关于出口贸易与碳排放关系的研究起步相对较晚，宋涛、郑挺国等(2007)基于EKC假设，研究中国人均GDP与人均碳排放量之间的关系，结果显示两者之间存在倒U型的环境库兹涅茨曲线关系。［8］
齐晔等(2008)通过投入产出法计算我国进出口贸易中的碳排放量，研究显示从1997年到2002年间我国出口贸易中隐含的碳排放量占当年碳排放总量的12%～14%，这个比重到2006年已达29．28%。［9］刘强等(2008)和孙小羽、臧新(2009)分别对我国出口贸易中重点行业的碳排放量进行了研究和分析，研究结果表明，世界能源消耗、大气污染物和二氧化碳的排放越来越多地被转移到中国，在此基础上，他们提出了相应的政策建议。［10－11］
综上所述，国内外学者对出口贸易中的碳排放问题展开了大量的研究。但是绝大部分研究是基于全国范围数据的基础上展开的，很少有关于某一地区或区域范围内的研究。事实上，由于各地的出口状况各有不同，基于区域数据的研究可能更具有针对性和建议性。因此，根据以上的研究，借鉴相关文献，笔者对我国出口贸易中的区域碳排放问题展开进一步的研究，希望能揭示出口贸易活动中的区域碳排放情况与地区出口贸易模式中存在的问题及其原因，并针对高碳产品在出口贸易中的转移问题提出建议。
目前关于区域性的出口贸易模式与碳排放关系的研究还很少。长三角地区的对外贸易在改革开放以来极为活跃，贸易额约占到了全国总额的50%以上，长三角地区的浙江、江苏和上海的出口模式与能源利用各具特点，从贸易方式、出口企业类型和产品结构上来看，浙江省的出口以一般贸易为主，民营出口企业占主导地位，产品结构以劳动密集型制造业为主;江苏省以加工贸易出口为主，外资出口企业占比最高，产品以机电行业为主;而上海的出口产品层次较高，高新产业占主导地位。因此笔者拟在分析三地经济数据的基础上，探索出口贸易模式与碳排放的关系，以期为长三角地区发展低碳经济提供政策建议。
二、出口贸易模式对碳排放的影响
分析出口贸易模式对碳排放的影响，首先要确定各地区的碳排放量。碳排放量取决于能源消耗量及各种能源的碳转换系数，因此，笔者首先根据各地区能源消费量测算出相应的碳排放量，再以碳排放量为被解释变量来分析其与出口贸易模式之间的关系。
(一)碳排放的测算方法
碳排放可以分为人工排放和自然排放，人工排放主要包括化石燃料消耗和生物质燃烧等，其中化石燃料所排放的二氧化碳占95%以上。根据2007年IPCC第四次评估报告，温室气体增加的主要来源是化石燃料燃烧。由于目前我国没有碳排放量的直接监测数据，因此大部分的测算研究都是基于对能源消费量的测算得来的。［12］笔者对以化石燃料为主的工业行业的碳排放量进行计算:
燃煤的碳释放量=煤炭消耗量×煤炭消耗的碳排转换系数
石油的碳释放量=石油消耗量×石油消耗的碳排转换系数
天然气的碳释放量=天然气消耗量×天然气消耗的碳排转换系数
以上能源的碳排放转换系数是在2006年《IPCC国家温室气体清单指南》所确定的排放系数的基础上计算得来的(见表1)。
(二)数据来源
文中基础经济数据来源于《中国统计年鉴》，能源数据来源于《中国能源统计年鉴》，出口数据来源于国研网统计数据库。另外，《中国能源统计年鉴》最新数据目前到2009年，因此，本研究的起止年限为2000年～2009年。
根据《中国能源统计年鉴》和《中国统计年鉴》(2001—2010)上的能源消耗数据测算浙、沪、苏三地的碳排放量，具体测算结果如表2所示。
(三)模型与实证结果
根据本文的研究重点，本文模型参考马凯、李娟、陈岩(2010)的模型，［11］该模型是在ColeandElliott(2003)的基础上演变得到的:
lnCE=c+β1lnE+β2lnEL+β3lnF+β4lnM+β5lnT+ε
其中，CE表示三个地区的碳排放量;E代表以1952年不变价表示的出口额，其数据来源于《中国统计年鉴》;EL代表三个地区的资本劳动比率，该比值用资本存量与就业人数的比值来表示。从理论上讲，这个比值的增加表示资本密集型产品的出口比重上升，也就是说产业结构由劳动密集型产业向资本密集型产业转化。F、M、T分别代表三个地区的外资企业、机电产品和加工贸易占出口贸易的比重，其数据来源于各地统计年鉴。另外，在不影响各个经济序列之间的协整关系的前提下，将所有数据取自然对数，借此消除数据中可能存在的异方差。模型估算结果见表3。
(四)实证分析
表3显示了以碳排放量为被解释变量的浙、沪、苏三地的面板数据回归结果。模型显示碳排放量对出口额的弹性系数为0．099，也就是说，出口额每增加1美元，碳排放量增加0．099吨。这说明，出口额对碳排放量有显著的正面影响。其中，资本密集型产品的出口占比对碳排放量的影响系数为－0．86，这说明出口总额中，资本密集型产品出口的占比每提高1个百分点，相应的碳排放量就减少0．86吨。此外，外资企业和加工贸易的出口占比对碳排放量的影响系数分别是1．02和0.37，这说明出口额中外资企业和加工贸易的出口比重的提高，都会导致碳排放量的增加。在模型估算结果中，机电产品出口占比的系数为－1．35，说明出口额中机电产品出口额比重的提高，会使碳排放量有显著下降。
从三地各自的情况来看，2010年浙江省每万美元出口额碳排放量为6．17吨，在浙、沪、苏三地中仅低于江苏，远远高于上海。这和浙江省的出口贸易方式有关。浙江省是民营经济最发达的省份，出口产品结构层次最低，以劳动密集型的传统制造业为主体，这些行业的资源转化效率相对较差，单位碳排放量较高。所以，造成浙江省单位出口额碳排放量较高的最主要因素在于密集的民营出口制造企业，这些企业的单位产品能耗比较高。而来自外资企业和加工企业的影响较小，因为从外资企业出口和加工贸易出口占出口总量的比值来看，浙江省是比较低的，因此从“环境成本转移”的角度来看，这方面的效应较小。
2010年上海市每万美元出口额碳排放量为2．8吨，表明上海的贸易模式环保效率最高。上海市的碳排放规模为三地中最小，但是上海市2010年的出口规模和浙江相近，使单位出口额碳排放量降低，这表明上海市的出口品结构较高。上海市机电产品出口占比保持在六成左右，高新技术产品出口增势相当迅猛。较高的机电产品出口占比减缓了碳排放的速度，其影响大于外资企业出口高占比带来的“高碳排放”效应。
2010年江苏省每万美元出口额碳排放量为6．25吨，为三地中最高。这和江苏省能源消费结构有关。在江苏省的能源消费结构中，煤炭的消费占一次能源消费量的80%左右，而煤炭的二氧化碳排放强度在三种化石燃料中是最高的，这就使江苏省在经济发展过程中显示出非常明显的“高碳”特征。这样单一的能源结构在短期内很难改变。此外，江苏省外资企业出口占比很高，尽管江苏省高层次产品比重也很高，但其对环境污染的减弱作用仍不能抵消外资企业对环境的影响。
三、研究结论与建议
浙、沪、苏三地的面板数据分析显示，近年来三地出口贸易产生的碳排放量呈现迅速增长的态势，其主要原因在于该地区的能源结构仍以煤炭为主，造成出口行业中高碳产品所占的比重较高。从出口贸易模式的角度来看，资本密集型产品出口比重、机电产品出口比重的增加有利于碳排放量的减少，而加工贸易、外资企业出口占比的提高会增加碳排放量。因此，出口贸易模式与碳排放量之间有着密切的关系。基于本文的研究结论，对长三角地区提出以下建议。
(一)提高出口产品结构层次，减少碳排放量
对于出口中“两高一资”(高污染、高能耗、资源性的初级产品)的产业，应该有针对性地改变其出口数量。例如提高企业的自主创新意识和创新能力，通过引进国外的先进技术和经验，促使出口企业转型升级;在制订出口退税政策时应体现差别性，通过退税政策鼓励低耗能产品的出口;对于那些高层次的、具有核心竞争力的出口产品应给予一定的鼓励和扶持;鼓励资本密集型、技术密集型产品的出口等等。
(二)完善外商投资准入制度，禁入高碳产业
目前，欧盟已对其能源、机械制造、钢铁、造纸、水泥及建材等行业的碳排放量实行了限制。瑞典、芬兰、丹麦、意大利与荷兰等欧洲国家已在其国内实施了碳税政策。日本对能耗较高的企业进行了限制与整改，对整改后仍不达标的实行曝光、罚款等处罚。一些发达国家企业为了逃避本国的环境规制，正在以对外直接投资或加工贸易的方式，将高碳排放行业转移到发展中国家。［13］针对这样的局面，我国在承接发达国家的投资项目时，必须有相关的政策制定，对高碳排放项目的投资应严格限制，防止外资出口企业以投资手段进行“环境成本转移”，确保我国经济的可持续发展。
第3篇：碳排放的来源范文
关键词：碳排放；碳配额；分配预测；情景模式
DOI：10.13956/j.ss.1001-8409.2016.10.16
中图分类号：F1245；C934 文献标识码：A 文章编号：1001-8409（2016）10-0075-04
Abstract： This paper establishes the carbon allocation model by selecting from the proportions of the population， economy and historical emissions， according to three distribution perspective of equity principle， efficiency principle and grandfathering rule. In addition， it forcastes Chinese carbon emissions in 2020 distribution by nine different scenarios. Results show that， the perspective of grandfathering rule will result in increasing the total distribution of Chinese carbon emissions. Besides， it will play a big difference to the resourceful and huge emission provinces. The perspective of efficiency principle makes the smaller influence to the carbon emissions compared with grandfathering rule and mainly influences the carbon quota allocation of eastern developed area. And the perspective of equity principle has little impact on distribution of carbon quotas. In the end， it puts forward some policy recommendations， which is related to accelerate the pace of technology development， to eliminate backward production capacity through the supplyside reform， to improve the allocation of carbon rights mechanisms recommendations， etc.
Key words： carbon emissions； carbon quotas； distribution prediction； simulation model
1引言
全球气候变暖引发的二氧化碳减排争议已经成为各国经济发展面临的一个“矛盾”抉择问题。中国作为最大的发展中国家明确表示，无论未来国际减排形势如何变化，中国将持续走节能减排发展道路；并主动做出承诺到2020年单位GDP二氧化碳排放比2005年下降40%～45%。为实现该目标，中国将实行碳排放总量控制；但在总量控制下如何合理分配碳配额将成为一大难题。合理分配碳配额，对于有效建立碳排放交易市场，通过经济手段引导各省市走低耗减排的产业升级之路具有重要的意义。
目前国际上还没有公认的碳配额分配原则，但公平原则和效率原则视角已得到学者的广泛关注，而溯往原则视角却争议很大、研究很少。针对公平原则视角，Kverndokk[1]、Janssen和Rotmans[2]、丁仲礼[3]等研究发现人口规模对公平分配碳排放权有重要影响。对于效率原则视角，Zhou等[4]、李小胜和宋马林[5]、郑立群[6]等学者都基于DEA投入产出效率模型进行研究。在溯往原则研究上，Yi Wenjing[7]、查冬兰和周德群[8]、宋德勇和刘习平[9]等从人均累计碳排放视角出发对碳权分配问题进行分析。而针对中国实际情况，国内学者多围绕碳排放空间和效率展开研究。马大来等[10]基于至强有效前沿的最小距离法分析了省际碳排放效率，及其区域差异性和空间相关性；孙立成等[11]、王秋贤等[12]利用不同模型方法进一步分析了碳排放空间分布特征和空间差异性。
当前研究主要有以下不足：首先，鲜有学者将历史累计碳排放量作为一个独立的整体进行分析。作为碳排放分配的基本原则，公平原则与效率原则主要考虑了当期数据的现实性，而溯往原则重点考查了往期数据的历史性。其次，很少有学者基于我国实际情况，综合不同的分配原则针对具体省份展开研究。而我国碳配额分配主要以省为分配对象，彭鹃等[13]研究也指出中国碳配额分配需考虑各省的发展实际；因此，具体省份的碳配额分配研究对我国实现节能减排目标具有重要的意义。鉴于此，本文综合公平原则、效率原则和溯往原则分配视角建立碳排放分配模型，并设立九种不同的分配情景对我国2020年各省碳配额分配进行预测研究。
2模型构建和数据来源
21碳排放总量测算模型
本文基于IPCC清单法构建了碳排放总量测算模型，具体形式如下：
23数据来源
23.1总量数据来源
本文使用的是2005年和2020年的有关数据。2005年能源消费量、人口总数和GDP取自《中国统计年鉴（2014）》，2020年相关数据通过预测得到，能源碳排放系数取自IPCC《国家温室气体排放清单指南》。
本文利用人口自然增长率方法预测2020年各区域人口总数为1408亿人；国家人口发展研究战略课题组公布的国家人口发展的战略目标，2020年人口总量控制在145亿人；证明本研究预测结果可行。针对经济增长预测，本研究假定2014～2020年间GDP维持稳定增长趋势，即年均增长率为2008～2013年五年的平均增长率。其中2008～2013年中国各地区人口总数和GDP来源于《中国统计年鉴（2014）》。在预测2020年各省级区域历史碳排放量时，首先利用式（1）测算2007～2012年中国各省级区域碳排放量，然后以2012年碳排放量为基数，利用平均增长率法预测2019年碳排放量，并以此作为2020年溯往原则视角下的分配指标。本研究中2007～2012年各地区能源消耗量数据取自《中国能源统计年鉴（2013）》。各省区2020年预测值如表1所示。
23.2碳排放分配数据来源
中国2020年节能减排目标为单位GDP二氧化碳排放比2005年下降40%～45%。鉴于此，本文把降低40%设定为中国2020年的减排目标；再结合式（1）测算得2020年单位GDP碳排放限额为049吨/万元，将其作为中国2020年单位GDP碳排放总额。
3情景设计和预测分析
31情景设计
为深入分析公平原则、效率原则和溯往原则分配视角对我国碳配额分配的影响程度，将选取的典型指标权重进行了代表性取值，并设定9种不同的分配情景，分别是：
32各省份碳排放预测分析
由表2可见，S1情景下我国碳排放分配总额与2020年碳排放限额差值最小；S3情景下各省所需的碳权分配总额最大，远超过国家限额；S7、S8、S9处于中间水平；与S4、S5、S6三种情景分配结果相对比发现，三个分配视角的贡献度从大到小依次为溯往原则视角、效率原则视角、公平原则视角。下面分别就3个分配视角的影响效果进行具体分析。
（1）溯往原则视角
S3、S5、S6、S9情景下，溯往原则分配视角所占权重最大，所需分配的碳配额总量最多。从省际角度来看，河北、山西、内蒙古等15个资源丰富、历史排放量大的省市受溯往原则分配视角的影响较大；而内蒙古、山西、陕西等省市虽然能源消耗量较大，但经济增长速度较慢，说明这些地区能源利用效率低。由上可见，溯往原则视角对中国大多数省份及东西部地区碳排放分配的影响很大，这是因为中国的能源结构和消费结构以煤炭为主，能源的过度消耗排放了大量的二氧化碳。虽然短期内不可能通过调整能源结构降低碳排放量，但是不洁净煤炭的碳排放量远高于石油和天然气等其他能源消耗产生的碳排放量；因此，最简单易行的减排方法是加强煤炭的清洗等工作。
（2）效率原则视角
效率原则视角占比较大的是S2、S4、S6、S8情景。S2和S8情景下分配的碳配额总量相差不大，分别为0584吨/万元、0585吨/万元；S4和S6情景下碳配额相差较大，为0539吨/万元和0631吨/万元，这进一步说明溯往原则视角在碳排放分配中起主要推动作用。整体来看，效率原则分配视角对于北京、上海、江苏等发达地区的影响很大，经济的发展耗费了大量的能源，直接导致碳排放量的升高。中国作为发展中国家，发展仍是第一要务，若大幅度限制发达省份的碳排放量必定会减缓我国经济发展的脚步。因此，即刻显著降低二氧化碳排放量是不现实的，各地应该根据实际情况在发展经济的同时积极调整产业结构。
（3）公平原则视角
S1情景仅根据公平原则视角分配碳配额，为0493吨/万元，最接近我国2020年碳排放限额。S4、S5、S7情景下公平原则视角所占比重最大，结果分配的碳配额总额比其他情景少，说明公平原则视角对碳排放分配的影响很小。将S7、S8、S9 三种情景的分配结果相对比，进一步说明公平原则分配视角有利于降低我国碳排放分配总额。由分析可知，人口比例分配指标对碳配额分配的影响较小，但人口公平性问题仍值得推敲。政府若要以公平原则分配视角为主进行碳配额分配，需要考虑人口流动情况，因为像北京、上海、广东等经济发达地区每年都会有大量的外来人员流入，会直接造成二氧化碳排放量的增加，只有将这些地区的人口数进行调整才能保证较公平分配。
4结论和建议
本文基于公平原则、效率原则和溯往原则分配视角建立碳排放分配模型，对我国2020年各省碳排放初始权进行分配预测。从分配结果来看，溯往原则视角会增加我国碳排放分配总额，效率原则视角的影响紧随其后，而公平原则视角的影响程度较小。针对以上分析，本文提出以下几点建议：
（1）加快技术开发速度，在提高能源利用效率的同时，积极改变能源结构。溯往原则视角在碳排放分配中占主要地位，短期内可以提高煤炭的清洁等工作；长远来看，要加快技术开发速度，提高能源利用效率，同时加强核电、水电等可再生能源的开发利用并积极推进产业化。
（2）调整经济结构，通过供给侧改革大力淘汰落后产能，提升产业竞争力。效率原则视角对碳配额分配的影响略小，但却直接影响着我国经济的发展脚步，为此在发展经济的同时，要努力调整其结构。通过供给侧结构性改革，大力淘汰煤炭、化工、钢铁等领域的僵尸型企业，通过新型领域的创新发展，大幅度降低碳排放量。
（3）完善碳权分配机制，创建国家层面的碳排放权交易平台。从我国实际国情出发，制定“共同但有区别”的碳权分配机制及相应的法律政策，保证碳权分配机制的有效实施。在有效分配碳配额的前提下，部分省份碳配额会有剩余，而个别省份的碳配额会不足，进行二级市场交易有利于碳配额的有效配置，同时利用价格杠杆提高碳配额不足省份的减排积极性，从而降低碳排放量。
参考文献：
[1]Kvemdokk S. Tradable CO2 Emission Permits： Initial Distribution as a Justice Problem [J].Environmental Values，1995，4（2）：129-148.
[2]Janssen M ，Rotmans J. Allocation of Fossil CO2 Emission Rights Quantifying Cultural Perspectives [J].Ecological Economics，1995，13：65-79.
[3]丁仲礼，付博杰，韩国兴，等.中国科学院“应对气候变化国际谈判的关键科学问题”项目群简介[J].中国科学院院刊， 2009，24（1）：8-17.
[4]Zhou P， Z R Sun， D Q Zhou.Optimal Path for Controlling CO2 Emissions in China： A Perspective of Efficiency Analysis [J].Energy Economics， 2014， （45）：99-110.
[5]李小胜，宋马林.“十二五”时期中国碳排放额度分配评估――基于效率视角的比较分析[J].中国工业经济，2015，9：99-113.
[6]郑立群.中国各省区碳减排责任分摊――基于零和收益DEA模型的研究[J]. 资源科学， 2012， 34（11）：2087-2096.
[7]Yi Wenjing， Zou Lele，Guo Jie，et al.How Can China Reach Its CO2 Intensity Reduction Targets by 2020――A Regional Allocation Based on Equity and Development [J].Energy Policy，2011（39）：2407-2415.
[8]查冬兰，周德群.地区能源效率与二氧化碳排放的差异性――基于Kaya因素分解[J].系统工程， 2007，11：65-71.
[9]宋德勇，刘习平.中国省际碳排放空间分配研究[J].中国人口・资源与环境，2013，5：7-13.
[10]马大来，陈仲常，王玲.中国省际碳排放效率的空间计量[J].中国人口・资源与环境，2015，1：67-77.
[11]孙立成，程发新，李群.区域碳排放空间转移特征及其经济溢出效应[J].中国人口・资源与环境， 2014，8：17-23.
[12]王秋贤，高志强，宁吉才.基于公平的中国省域碳排放差异模型构建探讨――以中国2010年碳排放为例[J].资源科学，2014，5：998-1004.
第4篇：碳排放的来源范文
1.1计算范围
所谓碳排放，即指温室气体排放。温室气体主要包括二氧化碳(CO2)、甲烷(CH4)、氧化亚氮(N2O)、氢氟碳化物(HFC5)、全氟碳化物(PFCS)和六氟化硫(SF6)。由于CO2在温室气体中比重较大，故大多数研究中采用CO2当量来表示温室气体的排放量。环境管理生命周期评价标准(ISO14040)将生命周期评价方法分为四个步骤:研究目标和范围确定、生命周期清单分析、生命周期的影响评价以及生命周期结果解析。碳排放计量的首要工作是确定计算的目标和范围。工程建设阶段是建设产品的形成阶段，这一阶段产生的碳排放来源有三个方面，分别是建材生产碳排放、建材和机械运输碳排放和工程施工碳排放，需要确定每一部分碳排放的边界范围。
(1)建材生产碳排放，主要由建材生产时消耗的各种能源产生。由于原材料和生产工艺不同，不同建材的碳排放量有很大差别，选择合适的建材是减少碳排放的一个重要措施。另外，人的因素产生的碳排放量相对很小，在测算建材生产碳排放时可以忽略不计。
(2)建材和机械运输碳排放(以下简称运输碳排放)，主要由运输过程消耗的燃油资源产生。其碳排放量与所运输的物品种类、数量、运输工具以及运输距离等因素有关。在工程造价文件中，运输碳排放数据体现在运输车辆的机械台班消耗上，根据机械台班消耗量可估算出运输碳排放量。
(3)施工过程较建材生产和运输过程更加复杂，碳排放范围也更广泛。施工生产要素消耗包括人工、材料、机械三类，其中，人工碳排放量相对很少，可以忽略不计;建材生产过程已经计算过材料碳排放，不必重复计算。故施工碳排放主要考虑施工机械和施工工艺因素，通过对施工方案和施工组织设计的优化可有效减少碳排放量。
1.2计算方法
目前，工程建设碳排放计量尚无通用的国际或国家标准，可参考产品碳计量标准进行工程建设碳排放的计算。如ISO/CD14067、英国PAS2050:2008规范以及IPCC国家温室气体(GHG)排放清单指南等，这些规范在碳排放的范围核算和计量方法上都较为成熟，具有很大的参考价值。对现有规范和参考文献进行总结，得到工程建设领域可借鉴的几种碳排放量计算方法:
(1)实测法。通过标准连续计量设施对现场燃烧设备有关参数进行实际计量，得到排放气体的流速、流量和浓度数据，据此计算碳排放。实测法结果较为准确，但耗费的人工和费用成本较高，一般应用于量大面广的碳排放测量。
(2)投入产出法。投入产出法又称物料衡算法，它的原理是遵循质量守恒定律，即生产过程投入某系统或设备的燃料和原料中的碳等于该系统或设备产出的碳。投入产出法可用于计算整个或局部生产过程的碳足迹，但其无法区别出不同施工工艺和技术的差异，且获得结果的准确性有偏差。
(3)过程法。过程法在工程建设领域又叫作施工工序法。它是基于产品生命周期整个过程的物质和能源流动消耗来测算碳排放量，其思路是将施工阶段进行划分，列出分部分项工程的机械清单，然后用单位量乘以量就得到各分部分项工程的施工碳排放。过程法简便易行、精确性较高，但基于过程的物质和能源消耗数据不易获得，在一定程度上限制了该方法的应用。
(4)清单估算法。清单估算法采用IPCC政府间气候变化专门委员会公布的《IPCC温室气体排放清单》计算碳排放，主要原理是用各种能源的实际消耗量乘以碳排放因子加总得到总的碳排放量。碳排放因子指生产单位产品所排放的CO2的当量值，根据正常作业及管理条件，生产同一产品的不同工艺和规模下温室气体排放量加权平均得到，可在相关数据库中查得。清单估算法简单可行、应用面广，关键是要确定温室气体的排放清单并选择适当的碳排放因子。本文的工程建设碳排放量计算是基于生命周期评价理论，将过程法和清单估算法有机结合而成的混合计算方法。具体过程为:首先，采用过程法，按照工程图样列出材料机械消耗清单，也可直接采用清单计价时的分部分项工程材料机械清单;其次，采用清单估算法，将各个材料和机械的消耗量进行汇总并选择合适的碳排放因子;最后，将消耗量数据与对应碳排放因子相乘并加总，即得到整个工程建设阶段的碳排放量。
2案例实证
本文选取铁路工程某建设项目进行工程建设阶段碳排放实例分析，由于该工程的特殊性质，在此不便对工程概况进行介绍，只运用工程造价数据进行计算分析。
2.1清单汇总
根据工程造价文件中的机械台班消耗量和2005年《铁路工程机械台班费用定额》中的单位台班消耗指标，二者相乘即得到总的机械能源消耗量。
2.2碳排放因子确定
碳排放因子(CarbonEmissionFactor)是计算碳排放的基础数据，指消耗单位质量能源所产生的温室气体转化为二氧化碳的量。能源的碳排放因子包括了单位质量能源从开采、加工、使用各个环节中排放的温室气体量转化为二氧化碳量的总和。目前，关于碳排放因子的选用尚无统一标准，不同国家、组织和地区算得的碳排放因子往往有很大差别，在一定程度上影响到计算结果的准确性。本文总结并借鉴了现有碳排放因子，选择其常用值或平均值作为工程建设阶段碳排放计算的参考，各能源或材料的碳排放因子用F表示。
3结语
第5篇：碳排放的来源范文
关键词：碳排放；因素分解；产业结构；四川省
中图分类号：F124.5 文献标志码：A 文章编号：1673-291X（2013）21-0292-02
自2001年政府间气候变化委员会（IPCC）第三次气候评估报告以来，气候变暖问题逐渐成为重要的国际政治议题。为了应对气候变化，世界各国均将发展低碳经济提上议事日程。中国政府亦于2009年向国际社会承诺到2020年单位GDP碳排放强度比2005年下降40%～45%。因此，研究中国碳排放的变化趋势及影响因素具有重要的现实意义。本文利用四川省的相关数据来分析四川省三大产业二十年来碳排放的变化趋势，并从产业结构、能源结构、能源强度、经济发展等因素来分析导致四川省碳排放增长的主要原因。
一、研究方法和数据整理
（一）研究方法
产业碳排放量，是指产业活动燃烧化石能源（主要包括煤炭、石油及天然气等）释放出的二氧化碳量。本文将Kaya恒等式表述为碳排放强度、能源结构、能耗强度、产业结构、生产总值5个因素的乘积。根据Ang提出的LMDI法可将碳排放总量分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应等因素的乘积，则碳排放由0期到T期的变化可以分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应五种驱动因素，由于各类能源的碳排放系数通常较为固定，在实际应用中一般取常量，因此，排放因子效应始终等于0，可以不作为考虑因素。则碳排放的变化就表示为能源结构效应、能源效率效应、产业结构效应及产出规模效应四种驱动因素。能源结构对碳排放变化的影响主要体现在不同的能源在碳排放系数方面具有差别，如果用高碳能源替代低碳能源，在其他因素不变的情况下，会导致碳排放的增加，反之，则会减少碳排放。能源强度反映了对能源利用的节约程度。由于不同产业在能源消耗上具有差别，因此，产业结构在一定程度上决定着能源需求和碳排放。从理论上讲，调整产业结构可以降低总体能源消耗及碳排放。产出规模效应反映了经济规模的变化对碳排放的影响，多数研究认为，碳排放与经济增长之间存在长期平稳的正相关关系，即在其他条件不变的情况下，经济规模的扩张会引起更多的能源消耗和碳排放。
（二）数据来源和整理
本文将国民经济分为第一产业、第二产业和第三产业，能源品种分为煤炭、石油、天然气三类来进行研究。能源消费数据、各产业增加值及比重均来源于1990—2011年《四川省统计年鉴》，其中，产业增加值均按照1978年不变价进行了调整。由于目前中国没有碳排放量的直接监测数据，当前大部分的碳排放量研究都是基于能源消费量、能源碳排放系数进行估算，即碳排放量等于第i种化石能源的消费量乘以第i种化石能源对标准煤的折算系数乘以第i种化石能源的碳排放系数。化石能源对标准煤的折算系数采用《中国能源统计年鉴》（2009）规定的数值，即1kg原煤折0.7143kg标煤，1kg原油折1.4286kg标煤，1m3天然气折1.333kg标煤。碳排放系数目前各国采用的数值并不完全相同，本文选用国家发展和改革委员会能源研究所的数据：煤炭、石油、天然气的碳排放系数分别为0.7476kg碳/kg标煤、0.5825 kg碳/kg标煤、0.4435 kg碳/kg标煤。由于本文主要考察产业结构演变对碳排放量的影响，再加上中国碳排放的主要来源是生产领域而非消费领域，故而本文在研究时省略掉了消费领域的碳排放，只考察三大产业的碳排放。此外，由于受到统计数据的限制，1999—2004年的相关数据缺失，但不影响本文的研究结论。
二、数据分析和研究结果
（一）四川省碳排放的增长趋势
1990—2011年四川省碳排放量大幅增加，从1990年的3 689.488t增加到2010年的13 057.19t，增幅达253.9%。1990—1998年三大产业碳排放增幅较大，达58.48%，2005—2010年增幅有所下降，达38%。其中，第一产业的碳排放从1990年的26.96t增加到2010年的130.898t，增幅达385.5%。1990—1998年碳排放增幅达56.8%，2005—2010年增幅下降到40%；第二产业的碳排放从1990年的2 284.156t增加到2010年的8 151.758t，增幅达256.88%。1990—1998年碳排放增幅较大，达59.26%，2005—2010年增幅有所下降，达38.13%；第三产业的碳排放从1990年的1 378.371t增加到2010年的4 774.531t，增幅达246.39%。1990—1998年三大产业碳排放增幅达57.2%，2005—2010年增幅下降到37.7%。总起来看，碳排放增幅最大的是第一产业，其次是第二产业，增幅最小的是第三产业。碳排放量最大的是第二产业，最少的是第一产业。
（二）采用LMDI法对碳排放分解表明，产业结构是导致四川省碳排放增长的正向因素
1990—2010年是四川省工业向重型化发展的阶段，工业比重从1990年的35.1%提高到2010年的50.5%，工业重型化特征必然导致对化石能源的消耗量增大，进而加大碳排放量。这和国内其他的一些研究成果存在着一定的分歧，部分研究认为，产业结构的调整和优化对碳排放量的增长起负面效应，从理论上讲，产业结构的调整和优化，意味着产业结构对资源和能源的依赖程度下降，经济发展更多的依靠科技进步，因而碳排放量会下降。但是，由于中国目前正处于工业化中期阶段，产业结构正在由重工业化阶段向高加工度方向发展，因此，产业结构对碳排放量的贡献率为正且较大。因此，在遵循产业结构演进的客观规律的基础上，采取有效措施促进四川省产业结构的进一步高度化，将会导致产业结构对碳排放的贡献率下降直至变为负。
能源结构也是导致四川省1990—2010年碳排放增长的重要促进因素，表明四川省在发展过程中仍然是维持着高碳能源的消耗比重。1995—2010年，煤炭和石油的消费比例在三大类能源的消费中占了98.86%，其中煤炭的比重高达88%，如果继续维持目前的高碳能源消费结构，将对四川省节能减排的目标实现带来很大的困难。因此，转变能源消费结构，用低碳能源替代高碳能源，对于四川省完成节能减排任务具有重要的意义。
能耗强度的下降即能源利用效率的提高对1990—2010年四川省碳排放量的增长发挥着积极的负面效应，且其抑制效应在逐年增大。1990年四川省的能耗强度为6.66吨标煤/万元，到2010年能耗强度降为2.75吨标煤/万元，表明四川省综合能源利用效率得到了稳步提升，而能源效率的提高又主要得益于各产业的技术进步，今后应当进一步鼓励企业技术创新，继续发挥能耗强度对碳排放的抑制效应。
经济增长对四川省碳排放量的增长发挥着积极的负面效应。1990—2010年四川省实际GDP的增长率达到8.5%，同期碳排放的增长率达到253.9%。经济的快速发展刺激了能源消费，进而导致了碳排放的增长。这一结论和国内其他的研究成果的结论是一致的，表明经济增长与碳排放之间存在着直接的正相关关系。
三、结论和建议
本文采用1990—2010年四川省分行业能源消费数据，计算了四川省三大产业的碳排放量，并采用LMDI法将引起四川省1990—2010年碳排放增长的因素分解为四种效应。通过对结果的分析，我们发现：（1）在1990—2010年间，四川省碳排放增长了2.5倍，年均增长率达到12%，高于同期实际GDP的增长率，反映出在四川省工业结构重型化的趋势下，碳排放总量增长的态势。分阶段来看，2005—2010年各产业碳排放增长的速度比较起1990—1998年均有不同幅度的下降，表明由于抑制因子的作用，四川省碳排放增长的趋势有所放缓。（2）产出规模和产业结构是导致四川省碳排放增长的正向因素。经济规模的扩大，及产业结构重型化的发展，都对四川省碳排放起到了积极的促进作用。因此，在经济发展的同时，应该积极调整产业结构，促进产业结构的高度化，推动低能耗、低排放的高新技术产业及服务业的发展，同时也要重视利用高新技术对传统工业部门进行更新改造。在这一过程中，要注意尊重产业结构演进的客观规律性。（3）能源结构亦是导致四川省碳排放增长的正向因素。因此，当前四川省应该加快发展太阳能、风能、核能等清洁能源，用低碳能源替代高碳能源，优化能源结构，发挥能源替代效应对减排的积极作用。（4）能源利用效率是导致四川省碳排放增长的负面因素。而能源利用效率的提高主要得益于各产业的技术进步，因此应当继续重视发挥技术进步对提高能源利用效率的积极作用。
参考文献：
[1] 佟新华.中国工业燃烧能源碳排放影响因素分解研究[J].吉林大学社会科学学报，2012，（7）：151-160.
[2] 袁鹏，程施.辽宁省碳排放增长的驱动因素分析——基于LMDI分解法的实证[J].大连理工大学学报：社会科学版，2012，（3）：35-40.
[3] 张庆民，葛世龙，等.三次产业结构演化与碳排放机制研究——基于面板数据模型的实证分析[J].科技与经济，2012，（1）：101-105.
第6篇：碳排放的来源范文
1、研究方法及数据来源
1.1模型设定为探讨城市化、经济增长、能源消费、贸易开发水平对浙江省碳排放的影响，本文借鉴Dietz等在IPAT模型基础上建立并得到广泛应用的STIRPAT模型。上式中，PCO2为人均碳排放量，EC为能源消费强度代表技术进步，PGDP为人均GDP代表经济发展水平，EX为进出口总额占GDP比例以表示贸易开放水平，UR表示城市化水平；δ为常数项，α1、α2、α3、α4为估计系数，ε为随机误差项，t为年份。
1.2数据来源与处理方法本文样本区间为1995-2013年。GDP、人口和进出口数据来源于历年《中国省统计年鉴》，其中，为消除价格因素带来的误差，本文把历年GDP数据折算成1995年价；为真实反映浙江作为我国吸纳外来人口大省的客观实际，在计算人均碳排放量、人均能源消耗、人均GDP时采用常住人口；进出口数据用同期的美元汇率进行折算，汇率数据来源于《中国统计年鉴》由于官方统计机构还没有碳排放的数据，本文采用《省级温室气体清单编制指南》所提供的参考方法和历年《中国能源统计年鉴》数据对浙江碳排放进行估算。具体方法为，先根据《中国能源统计年鉴》公布的八种化石能源(包括煤炭、柴油、汽油、煤油、原油、燃料油、焦炭、天然气)的折标煤系数将各种能源消费量折算成标准统计量，再乘以《省级温室气体清单编制指南》提供的碳排放系数，得到八种能源消费的碳排放量，加总后即为浙江碳排放总量。本文所使用的计量分析软件为Eviews6.0。
2、浙江省城市化和碳排放的特点分析
2.1城市化发展特点浙江城市化进程自1995年以来持续快速推进，城市化率从1995年的32.6%增长到2013年的64.0%，高于全国平均水平53.73%的10.27个百分点，年均提高约3.82个百分点。城市建设日新月异，城市功能不断得到发挥，城市化发展已进入从中期加速阶段向城乡统筹协调发展的后期阶段，城市在浙江经济社会发展中的重要作用日益显著。图1描述了1995-2013年浙江省城市化发展变化情况。从图中可以看出，1995-2005年是浙江省城市化快速提升阶段，城市化率从32.6%提升至55.0%，年均提高5.98%；2006-2010年城市化持续快速提升，城市化率从55.0%提升到61.6%，年均提高2.29%；2011年后，仍以每年接近1个百分点的速度提升。
2.2碳排放特点图2描述了浙江省1995-2013年人均碳排放变化情况。从图中可以看出，浙江省人均碳排放总体呈现快速增长态势，年均增长6.9%。从不同时间看，人均碳排放大致可分为3个阶段：第一个阶段为1995-2003年人均碳排放缓慢增长阶段，年均增长5.6%；第二阶段2004-2011年人均碳排放快速增长阶段，年均增长11.0%；第三阶段2012-2013人均碳排放呈现下降趋势，这一现象是否说明浙江省的人均碳排放开始拐点性下降，仍需进一步分析探讨。
3、实证研究
3.1单位根检验在实证研究过程中，一些非平稳的经济时间序列可能存在虚假回归或伪回归现象。本文构建的是面板数据模型，包含时间序列数据。为避免伪回归现象的发生，确保估计结果的有效性，必须对各面板序列的平稳性进行检验。为提高检验结果的稳健性，本文采用ADF检验方法对各时间序列进行单位根检验，以判断各序列的平稳性。根据变量序列的折线图，本文选择检测方程类型包括常数项和趋势项，得到单位根检验结果如表1所示。检验结果表明，浙江碳排放量、人均GDP、能源强度、城市化和外贸开放的水平序列在5%的显著水平下均存在单位根，不是稳定序列。进行一阶差分后的服从I(1)过程，满足构建协整模型必要条件。
3.2协整检验本文涉及多个变量之间协整关系的检验，因此采用Johansen检验法。Johansen协整检验是一种基于向量自回归模型的检验，检验之前必须确定VAR模型的结构，最为重要的是确定最优滞后期。本文就lnPEC、lnPGDP、lnUR、lnEX对lnPCO2检验并进行判断，并依据AIC最小值原则，最终确定VAR模型的最优滞后期为2。在此基础上，得到协整检验结果见表2。由表2可知，采用迹统计量检验在5%的显著性水平下，接受变量间存在2个协整关系的原假设，由此可判断各变量之间存在长期均衡关系。从协整方程看，能源强度系数为正且最大，说明浙江省能源消费是刺激二氧化碳排放增长的重要因素。这一结论与周葵等、董美辰[13]的研究结论一致。本文认为，这与浙江长期以来以化石能源为主的能源结构特点相吻合。根据中国能源统计年鉴，从1995年至2013年浙江省碳排放系数最大的煤炭长期占一次能源消费的60%以上，其中2003年之前更是维持在65%以上的高位。同时，浙江省能源效率虽然居我国前列，但能源强度却是同期德、日、韩、美等发达国家的1.73~4.63倍，能源效率仍需进一步提升。城市化水平系数为负，说明浙江省城市化水平与碳排放呈现均衡的负相关，赵红和陈雨蒙研究一致。这可能与城市化水平的提升形成了环境保护规模效应，有利于建立起对环境保护的激励与约束机制，使碳排放水平得到一定程度上的抑制有关。人均GDP系数为正，说明浙江省经济增长与碳排放存在均衡的正向关系。根据统计年鉴计算，浙江省在研究期内的人均GDP年均增长率为9.98%，而人均二氧化碳排放年均增长率为6.95%，两者相差3.03个百分点，说明浙江省碳排放与经济增长在一定程度上呈现“弱脱钩”的发展特点，这与刘其涛、员开奇和董捷等的研究结论一致。贸易开放水平的系数为正值，说明浙江省经济增长与碳排放存在均衡的正向关系，这与张友国研究结论一致，也与浙江出口以纺织、家具、服装、机电等劳动密集型商品为主和进口以原材料资源性商品为主，以及在国际分工体系中处于比较低端的加工环节的客观实际相符。
3.3Granger因果检验在确定上述变量之间均衡关系的基础上，进一步用Granger因果检验确定各变量之间的因果关系，本文用“≯”表示符号前面的变量，不是引起符号后面变量变化的Granger原因。检验结果见表4。从表4可以看出，能源强度、贸易开放、城市化水平和经济发展是引起碳排放变化的Granger原因，但碳排放不是引起能源强度、城市化水平、经济增长和出口贸易变化的Granger原因。
4、结论与政策建议
本研究根据1995-2013年间的统计数据，通过协整分析与Granger因果检验，对浙江省城市化进程与碳排放之间的关系进行了定量观察。经研究发现，浙江省碳排放（被解释变量）与能源强度、人均GDP、贸易开放等四个解释变量之间存在均衡的正向相关，而与城市化水平存在均衡的负相关。从Granger因果检验看，能源强度、城市化发展水平、经济增长和对外贸易是引起浙江省碳排放变化的Granger原因，且仅存在单向影响机制。针对上述研究结论，本文提出以下对策建议：在能源方面，针对浙江现阶段能源结构不尽合理和使用效率仍有较大提升空间的特点，要实施煤炭消费总量控制，推进煤炭的清洁高效利用，积极开发海洋能、太阳能等可再生能源，安全发展核电，推进一次能源结构、电力装机结构清洁化、低碳化。同时，加大低碳技术研发和推广，构建低碳技术评价认定体系，形成低碳技术遴选、示范和推广动态管理机制，提高能源使用效率，从源头上控制因能源结构不合理和能源效率不高引起的碳排放。
在经济发展方面，尽管浙江省经济增长与碳排放之间呈现一定程度的“弱脱钩”现象，但经济增长依然是推进碳排放增长的重要因素，尚未实现碳排放负增长和经济增长的“强脱钩”，因此，在保持经济稳定增长的条件下，要发展新能源、高端装备制造、节能环保、新能源汽车、物联网、新材料、海洋新兴以及核电关联产业等碳排放强度低、产业带动强的战略性新兴产业和现代服务业，同时严格控制高碳行业发展，加快淘汰落后产能，进一步调整和优化产业结构，减少生产过程碳排放。在城市化发展方面，要实现《浙江省城镇体系规划（2011-2020）》提出的到2020年城市化水平为72%左右目标，浙江在2020年前每年需提升城市化率1.14个以上百分点，继续推进城市化仍将是今后的重点任务。因此，尽管城市化水平是浙江省碳排放的负向驱动因素，但在今后推进城市化的进程中，要继续以新型城市化战略和主体功能区战略为指导，构筑以省域中心城市建成区为中心、县城和中心镇为节点、综合交通为骨架的城市空间形态，深入推进城镇结构的低碳化。同时，要在城市基础设施、公共服务设施等建设方面坚持绿色低碳理念，推广绿色建筑，优化交通组织，提高城市建设质量，进一步减少城市碳排放。
第7篇：碳排放的来源范文
摘要：在测算30 个省市1997-2011年的二氧化碳排放量的基础上，运用空间DURBIN 模型分析了我国区域碳排放的空间聚敛性，量化分析了5 个变量对碳排放的影响以及5 个空间滞后变量在相邻区域碳排放之间形成的溢出或挤出效应。研究发现城镇化率、能源强度、建筑业总产值及规模以上工业产值等指标均对碳排放有显著影响；城镇化率、能源强度及规模以上工业产值的空间溢出或挤出效应对相邻区域碳排放产生了不同程度的影响。
关键词 ：碳排放；空间DURBIN 模型；溢出效应；挤出效应
城市化、工业化是我国改革开放以来最显著的经济现象，城镇化率由1997年29.92%升到2011年51.27%，2013年超过54%。如此快速的城市化带来的是巨大的资源耗费及碳排放量，这也使得我国当前的二氧化碳减排工作压力不断增大。
关于城市化、工业化与碳排放的研究，主要体现在它们之间关系研究以及形成区域碳排放差异影响因素研究方面。
关于城市化、工业化与碳排放关系的研究，Cole & Neumayer（2004）以及林伯强（2010）认为城市化及工业化直接会对能源消费和碳排放带来增加压力。Liddle（2004）认为城市化和工业化会提高公共基础设施效率，可以降低能源浪费和碳排放。在形成区域碳排放差异影响因素研究方面，李卫兵（2011）采用STIRPAT 模型研究发现能源强度与碳排放存在正相关的关系。
对于城市化对碳排放的影响研究，使用方法等方面存在异质性，因此仍存在一定研究空间。本文采用空间DURBIN 模型来实证分析城市化、工业化对中国区域碳排放的影响，通过研究我们可以发现我国区域碳排放的空间聚敛性、不同因素对碳排放的影响程度、空间滞后变量在相邻区域碳排放之间形成的溢出或挤出效应程度。
一、变量选择与模型构建
1.数据来源
各省市二氧化碳排放量根据一定的公式进行测算，所需具体数据来源于《中国能源统计年鉴》、《中国统计年鉴》，西藏自治区的数据缺失较多，予以剔除。
2.二氧化碳排放量的测算
二氧化碳排放量的测算参照相关学者关于各省市二氧化碳排放量的计算公式来进行具体计算，公式如下：
式（1）中Cit为i省t年的二氧化碳排放量，Eijt为i省t年第j种能源的消费量，θj为第j种能源的碳排放系数。在具体测算二氧化碳排放量时需要将实物统计量转换为标准统计量，这需要参照能源统计年鉴中给出的各能源的标准煤换算标准和碳排放系数。最后计算得出30个省市1997到2011年的二氧化碳排放量。
3.变量选择
考虑到实体经济与碳排放影响的关系，本文选取以下经济指标来衡量城市化工业化水平。城镇化率；采取非农人口占总人口比重来度量，记为city。人均GDP；在模型中取人均GDP 的对数形式，记为pgdp。建筑业总产值；模型中采用对数形式的总产值，记为building。规模以上工业产值；为便于统计，模型采用规模以上工业产值，同时取对数形式，记为in?dustry。能源强度；即每一单位GDP产出的能源消费量，值越高，表示经济活动的能源效率越低，碳排放量相对越多，记为energy。
4.模型引用
空间DURBIN 模型是近几年发展起来的空间计量经济模型。模型考虑了因变量和自变量的滞后影响，能较好地反映空间外部性和溢出性，对空间经济集聚与扩散研究有较大解释能力(Anselin,1988 )。模型形式：
式（2）中yit 是i 省t 年二氧化碳排放量；W是0-1空间邻接矩阵；xit是解释变量向量，xit指i省t年数值；In是n阶单位矩阵；ρ ，β，θ，α是待估参数, μ 是随机误差项。
二、实证分析
实证部分主要运用空间DURBIN 模型对我国区域碳排放的影响进行量化分析。模型中，以co2为被解释变量，以city，energy，pgdp，building，industry 为解释变量，利用STATA 软件进行编程计算。具体模型如下：
模型估计结果见下表1。
可决系数R2 为0.3530，反映模型在变量的选择上及模型整体构建上基本上符合预期。因变量的空间滞后回归系数为0.1264，在0.01的水平上不显著为正，这反映了我国相邻的各省市间碳排放存在空间依赖性，但并不十分显著。
我国区域碳排放的空间影响因素分析：
城镇化率对碳排放的回归系数显著为正，在其他因素不变的情况下，城镇化率每提高1%，碳排放增加5.4%；城镇化率的空间滞后项系数为-0.072，显著为负，表明城镇化率对区域间碳排放存在显著的挤出效应，这表明相邻省市相同的城镇化率会形成竞争态势，使相邻区域碳排放量受到影响。
能源强度对碳排放的回归系数显著为正，能源强度每降低1 吨标准煤/万元GDP，碳排放降低11.5%；能源强度的空间滞后项系数为0.0337，显著为正，表明能源强度对区域间碳排放存在显著的溢出效应。
人均GDP的对数对碳排放的回归系数不显著为负，人均GDP的对数每增加1个单位，碳排放降低4.1%；人均GDP的对数形式的空间滞后项系数为-0.1735，但不显著，这表明人均GDP对相邻区域间碳排放不存在显著的挤出效应，这也表明人均GDP增加并不意味着相邻区域碳排放会增加。
建筑业总产值对碳排放的回归系数显著为正，建筑业总产值的对数每增加一个1个单位，碳排放增加0.74%；建筑业总产值的空间滞后项系数为0.102，但不显著，这表明建筑业总产值对相邻区域间碳排放存在不显著的溢出效应。
规模以上工业产值对碳排放的回归系数显著为正，规模以上工业产值的对数每增加一个1个单位，碳排放增加0.24%；规模以上工业产值的空间滞后项系数显著为负，表明规模以上工业产值对区域间碳排放存在显著的挤出效应，这表明相邻省市相同的规模以上工业产值会形成竞争态势，资本等生产要素要流向更有利于增值的地方。
三、结论与建议
本文通过测算1997-2011年30个省市的二氧化碳排放量，运用空间DURBIN模型对区域碳排放做了较深入的分析，研究表明城镇化率、能源强度、建筑业总产值及规模以上工业产值均对碳排放有显著影响；城镇化率、能源强度及规模以上工业产值的空间溢出或挤出效应对相邻区域碳排放产生了不同程度的影响。
因此，针对上述因素影响效果，当前应积极采取措施提高经济发展质量，加快技术革新、鼓励高新技术发展，引导社会资金向可以增加整体社会福利的现代产业领域投资，从产业结构转型的视角降低能源强度，实现产业结构更为优化合理发展。与此同时，从空间的角度、区域经济协调发展的角度出发，建议各地政府在制定相关产业发展政策时注重相邻区域的溢出效应，合理进行产业布局，使资源、生产要素达到最优化配置，且对相邻区域产生正向溢出效应，以提升我国的整体经济实力。
参考文献
[1] Anselin，L.Spatial econometrics :methodsand models[M].Dordrecht：Kluwer Academic，1988.
[2] 林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010(8)：66 -77．
[3] Cole M．，Neumayer E.Examining the Im?pact of Demographic Factors on Air Pollu?tion ［J］.Population and Environment，2004(1) ：5 -21．
[4] Liddle B.Demographic Dynamics and Percapita Environmental Impact:：Using PanelRegressions and Household Decompositionsto Examine Population and Transport［J］.Population and Environment，2004( 26) ：23 -39．
[5] 李卫兵，陈思.中国东中西部二氧化碳排放的驱动因素研究[J].华中科技大学学报，2011(3)．
第8篇：碳排放的来源范文
[关键词]碳交易 企业 利益 策略
一、 企业考虑碳交易策略必要性分析
我国从2008年开始，先后在北京，天津和上海建立了三个自愿性的环境交易所，形成了碳交易市场三足鼎立的格局，其中天津排放权交易所已经进行二氧化硫排放交易，北京环境交易所开启了企业自愿减排市场，此外十二五规划也要求大力推广节能减排技术，努力提高资源使用效率，可见碳减排也成了政府的目标之一。尤其2012是京都议定书对我国没有强制性减排义务的最后一年，直到目前我国在碳减排上所做的，主要是与西方企业合作，通过CDM机制来进行碳交易，我国企业主要扮演单一的卖方，但从2013年起，我国将会有一定配额进行碳减排，这些配额最终会分配到相关我国的企业进行，无论其对环保持何种态度，政府都要求企业进行参与，企业在碳交易过程中采取恰当策略，无疑是在减低企业成本，同时也可在新市场中获取利益。
当二氧化碳排放成为一种产权时，拥有它，便是资源，资源是企业能力的来源，企业能力是竞争力的来源，竞争力是核心竞争力的来源，核心竞争力是持续竞争力的来源，持续竞争力是优势的来源，企业优势是超额利润的来源，故在这样的低碳理念的大背景下，在碳排放权交易市场不断壮大的现状下，企业摸索制胜的碳交易参与的策略其必要性和重要性已显而易见。
二、企业碳交易策略分析
1.企业开发技术自我减排和购买减排权的策略衡量
碳排放权交易和其他商品交易其本质是一样的，低买高卖，现在的情况，已知政府会在不久的将来要求企业碳减排，或许是通过配额形式，或许是税收形式，我们先来做这样一个假设：未来排放二氧化碳将会须要支付成本。该假设意味未来盈余二氧化碳排放权企业可以卖该产品，而缺少的可以买。企业所面临的策略，何时买，何时卖，企业获得利润最大。
首先我们先引入影子价格这个理论，影子价格是一种边际价值，设B 是{ max Z = CX | AX ≤ b，X ≥0 }的最优基矩阵，由强对偶定理知Z* =CX*= CBB-1b=Y*b=W* 由此，影子价格CBB一1实质上是资源的边际收益或边际成本。
具体企业可以根据该边际成本的衡量来进行策略选择，当然从经济发展的一般规律以及中国越来越巨大的减排压力角度出发。因此，在当前碳排放权交易价格还处于低位时选择自主开发，不失为一种很好的策略。
2.从企业战略层面考虑策略
据世界银行统计分析从2007年到2030年世界一次能源需求的增长中，化石燃料占77%，其中，石油需求从2008年的8500万桶/天增长到2015年的8800万桶/天, 2030年增长到1.05亿桶/天，石油需求的高速增长势必会导致石油需求的枯竭。
企业如果依赖碳排放较多的石油作为主要燃料，石油枯竭和国家战略性储藏将是指日可待，对于这些企业而言，研发使用新能源，开发利用燃料替代技术，已然超越了环保的话题，而是真正涉及企业自身生存与否的一个重大要素。现在的世界竞争格局已经进入了超级竞争格局，市场的假设已经被不稳定性和变化的观念所取代，在环保观念日益盛行的今天，二氧化碳等温室气体的过多排放，不仅会增加企业未来的有形成本，同时也对企业品牌构建造成冲击，所以对于那些能源消耗大，对于石油需求大的企业，即便在计算边际成本上，开发技术的成本高于碳减排后的交易价格，从长远战略角度考虑，企业也应当进行自我减排，开发减排技术，开发新能源，毕竟这一部分的经济利益损失，将会在未来获得补偿，并且增强企业软实力。
3.企业之间博弈考虑碳交易策略
假设政府为企业A、B的配额都是100吨，A、B都需要再减100吨。A的减排技术比B要先进，A的减排成本是每吨50元，而B却需要每吨150元(该数值是以欧盟减排成本和中国减排成本相近)。A、B都有两个选择：自减或者购买。市场价格（m）有三种可能性，大于150元，小于50元和处于两者之间。
（1）m>150,我们取200为例：
表1 A和B企业碳交易决策情况（当市场排放权价格大于150元）
由于m>150，故100m>15000,当市场价格比减排技术低的企业进行自减的价格都要高时，AB企业都会选择进行自减。
（2）50< m
表2 A和B企业碳交易决策情况（当市场排放权价格为100元）
该情况下，A企业选择自减，而B企业选择购买
（3）m
表3 A和B企业碳交易决策情况（当市场排放权价格为40元）
当市场价格低于A、B当中较低一方的自减成本时，两企业都不会选择自减。因而，(4000，4000)是AB的最优策略，即双方都选择购买。
由于表1和表3的这两种情况比较极端，而且在目前的背景下，已经不存在，我们就来考虑当价格介于50元和150元之间，(5 000，10 000)是AB的最优策略，但容易发现，B始终比A多付出5 000元的成本代价。
假设AB互相敌视，实现减排目标，最理想的一种状态B和A一样需要付出5000元的成本。而AB合作共同实现减排目标，双方都只需付出3000元成本，与(5000，5000)相比，(3000，3000)更具有帕累托优势，它使双方共同的成本降低，也不损害任何一方的利益。落后企业会不断学习先进企业的方式，以及寻求和先进企业合作，极力改变自己的竞争地位，在这样的碳交易市场上，合作比独立研究更快有成果，并且能运用于市场，而先进技术企业可以通过与落后企业的合作，在合作过程中，相应地获得碳减排量。目前，碳项目市场主要包含两个子市场,一是技术换资源市场,另一个是联合减排市场。企业可通过分析外部的环境和企业自身状况，选择其中一种，对于技术换资源，一般适用于合作双方在技术上差别比较大，对于联合减排比较适用企业性质类似，甚至是上下游企业之间。
4.企业参与碳交易领域选择策略
对于企业来说，最直接参与参与碳交易一方面可以减排，另一方面，可以购买减排权，除此之外，还可以间接参与，通过投资碳交易来参与与开发这片浩瀚的蓝海。
投资领域主要有六大方式，一种是直接投资碳交易相关资产，作为股东或是合伙人；其次是投资以碳交易为主要获利来源的碳基金――截止2006年，全球已有64亿美元被投入50个碳基金用于购买碳减排。再次是自行设立碳基金，成为国际买家；或是经营CDM项目咨询公司，咨询公司致力于可开发减排的工厂项目，项目主要产生CER(核证减排量)卖给需要的企业或基金公司；也可以直接开发CDM项目。最后一种是主导或参与发起新的碳交易所。世界银行统计2010年全球碳交易市场超过1500亿美元，超过石油期货市场成为世界第一大市场。
对于以上这些选择跟企业的财力，发展业务，人才储备等都是息息相关的，例如发起交易所一般的企业是很难企及的，不能觉得有利润就盲目跟从。
三、结束语
参与碳交易，对于企业而言，可预见的利益有很多，诸如，新能源开发，技能技术提高，企业品牌打造，技术的提高，这些带来的是有形资源，而品牌打造，社会形象的塑造，带来的是无形资产，然而，不可忽视的是碳排放权交易市场与全球的经济发展密不可分。席卷全球的金融危机, 曾使许多活跃于碳排放权交易市场的投资机构由于现金流紧缩而退出碳市, 部分买家为了套现而抛售持有的排放额度, 使碳排放权市场供大于求。固企业在考虑参与碳交易市场，必须考虑全球经济复苏情况。
参考文献：
[1]袁庆明.产权确定性及其对投资和经济增长的价值[J].江西财经大学学报，2009(5):5-9
第9篇：碳排放的来源范文
碳排放所引起的气候变化问题已经成为国际社会高度关注的热点。据iea的推算，2007年全球能源消耗产生的碳排放量中有23%是来源于交通部门［1］，预计到2030年这一比例还将提高到41%，交通碳减排已成为发达国家碳减排的重点领域［2］。中国碳排放总量当前位居全球第一①。由于中国经济社会正处于发展阶段，交通部门的碳排放量占全社会碳排放量的比重相对发达国家来说较低，但交通部门也是中国碳排放的主要来源之一，中国道路交通碳排放更是占了交通部门的86.32%［3］，而且随着城市化进程的加快，城市道路交通碳排放量的上升空间十分巨大。城市道路交通碳排放主要是因消耗化石能源而产生的，它正成为中国政府关注的重点。
中国城市化进程中的碳排放具有增长快速的特征。中国城市正处于快速发展时期，经济的快速发展，人民生活水平日益提高，城镇居民人均交通消费支出占总消费性支出的比重不断增长（2009年比1990年就增加了十多倍②），居民出行需求和强度越来越大。城市人口的迅速膨胀，居民出行需求总量又会快速增加，将导致城市交通客运量的快速上涨。随着城镇化进程的加快，城市建成区面积不断扩大由此带来我国城镇居民出行距离的加大。私人汽车增长率居高不下（1999-2009年年均增长率为23.96%），使居民出行结构发生显著变化，越来越多私人汽车的出现，导致城市道路交通能源消耗越来越多。随着城市道路交通需求的不断增加，即使城市交通人均能耗目前仍远低于发达国家水平，但是增量快，增幅大，由此而产生的碳排放量将迅速增长。
许多学者对交通部门碳排放问题进行了研究。江玉林、姜克隽等指出如果不采取有效措施，2020年城市交通的终端能源消耗将占交通行业能耗量的46%［4］。吴文化预计交通领域将成为能源消费增长最快的终端用能领域［5］。国家发展和改革委员会能源研究所课题组的研究结论是交通部门将逐渐成为未来能源需求和碳排放增长的主要贡献者［6］。张陶新等的研究表明，2002-2007 年中国城市交通部门碳排放量的年均增长率明显高出高于同期全国碳排放量；中国各城市人均碳排放增长速度快慢不一，但总体上，中国城市交通碳排放量的增加很快，碳减排形势不容乐观［7］。牛文元认为中国应该在交通领域坚持走低碳发展之路［8］。蔡博峰等呼吁在清晰把握全国和区域碳排放水平的基础上，针对交通模式、燃料类型、发动机效率等方向提出交通领域的系统减排方案［3］。张陶新等对城市低碳交通的概念进行了剖析，并提出了中国城市低碳交通建设的三大战略方向和五项主要措施［7］。本文在已有文献基础上，进一步对中国城市化进程中影响城市道路交通碳排放的机制进行深入的考察，并对不同经济社会发展情景下城市道路交通碳排放进行预测分析，为政府制定城市交通碳减排政策提供理论依据。
1 研究方法
1.1 模型
1.1.1 基本模型
从城市化、经济发展、技术进步（广义）三方面选取城市化率、人均gdp、城市居民消费水平及交通能源强度（平均每车的化石能源消费量）等指标为自变量，以城市道路交通碳排放（后文简称碳排放）量为因变量，并分别以字母p、a、x、t、i表示，建立模型进行研究。
ehrlich等人提出ipat模型来分析人类活动对环境的影响［9］，随后又被进一步扩展为stirpat模型用于对碳排放影响的研究［10］：
i=apbactde（1）
式中：a是模型系数， b、c和d分别为参数，e表示误差项，误差项包含了除p、a和t等自变量外的所有影响碳排放量的因素（如贸易能力、管理制度、消费行为等）。
在实际应用中，可根据需要在stirpat模型中增加社会或其它控制因素来分析它们对环境的影响［11］。因此，本文将模型（1）扩展为下面的形式：
i=apαaβxγtδe
对上式两边取自然对数后就得到如下的基本模型：
li=αlp+βla+γlx+δlt+m+u（2）
其中：li、lp、la、lx、lt、m、u分别是变量i、p、a、x、t及系数a与误差项e的自然对数，α、β、γ、δ分别为长期均衡状态下城市化率、人均gdp、城市居民消费水平及交通能源强度对碳排放的弹性或生态弹性［11］。
1.1.2 变量选择说明
（1）城市化率。城市化本质上是农村人口向城市转移集聚。第六次人口普查显示，2010年中国城市人口达到66 557.5万人，城市化率为49.68%，同2000年相比，城镇人口增加20 713.7万人，乡村人口减少13 323.7万人，相当于新产生了10.56个北京市大小的城市。人口大规模地迁入城市后,对城市交通运输需求快速增加，从而要消耗更多的化石燃料，导致碳排放量增加。本文将城市化率作为反映中国城市化进程的量的指标纳入模型。
（2）城市居民消费水平。2009年城市居民消费水平是2000年的1.8倍多，随着城市居民消费水平的提高，越来越多的汽车进入家庭，对碳排放产生了直接的促进作用。
（3）人均gdp。人均gdp可以代表一个经济体的经济规模，大致反映经济体的经济发展水平。本文将人均gdp作为一个表征经济发展的指标纳入模型之中。
（4）交通能源强度。城市道路车辆每人公里或每吨公里化石能源消耗是用来度量城市道路交通化石能源强度较好的方法，但是目前获取中国城市道路车辆行驶里程、能耗、载客量或载货量等基础数据非常困难，本文用城市道路交通部门平均每车的化石能源消费量来度量城市道路交通能源强度，简称交通能源强度。同样数量的车辆，平均每车消耗的化石能源越少，相应的碳排放量就越少。降低道路交通领域碳排放的技术进步都能使交通能源强度降低，本文将它作为表征广义的技术进步的指标纳入模型。
1.2 碳排放影响因素分析方法
本文运用协整方法考察碳排放量与各变量之间的长期均衡关系：
it=f(pt,at,xt,tt)
以研究在长期均衡状态下各经济与社会因素对碳排放的影响。其中, 各变量的数据期间为1978-2008年，各变量的计算方法为：
第t年的碳排放it=ct×n1t。这里ct表示第t年中国化石能源消耗产生的co2排放量，其数据来源于cdiaccdiac.ornl.gov/trends/emis/tre_coun.html；n1t表示第t年中国城市道路交通能源消耗占中国总能耗的百分比，其数据来源于世界银行
data.worldbank.org/indicator/is.rod.engy.zs。由于到目前为止，中国城市道路交通所消耗的非化石能源数量相对极小，本文将城市道路交通的能源消耗量等同于化石能源消耗量，本文碳排放仅考虑城市道路交通部门因化石能源消耗产生的碳排放。
第t年的交通能源强度tt=ft×（1-n2t）×n1t÷vt。这里，ft表示第t年中国总能耗量，n2t表示第t年中国化石能源消耗占总能耗的比例，vt表示第t年中国城市民用车辆数（由于数据资料的难以获得，用民用车辆数代替城市道路车辆数），ft、n2t和vt的各年数据来源于《中国统计年鉴2010》。
其它数据来源于《中国统计年鉴2010》
除了特别说明之外，gdp、人均gdp、城市居民消费水平等均以1978年的不变价格计算。。
本文采用向量自回归和向量误差修正理论，利用脉冲响应函数考察各经济与社会因素对碳排放的影响机制，并对碳排放进行预测。采用情景分析的方法，通过设定不同的经济社会发展情景，分析不同政策选择对城市交通部门未来碳排放的影响。
本文采用的分析软件为eviews6.0、spss17.0和matlab2009。为使行文简便，后文中变量符号的下标均省略不写。
2 实证分析
2.1 数据处理
变量间的相关性。用spss17.0软件计算各变量之间的pearson相关系数，结果表明，碳排放量与各变量之间都呈极强正线性相关。
变量间的因果关系。为防止出现伪相关问题，用eviews6.0软件进行granger因果关系检验，检验结果表明在5%的显著性水平上，p、a、x、t都是i的granger原因。
由此可知，如下的函数关系式成立：
i=f(p, a, x, t)
2.2 弹性分析
本部分依据基本模型（2），对各变量之间的长期均衡关系进行考察，为了避免出现伪回归，应用协整方法进行分析。
利用eviews6.0软件,采用单位根检验法对变量i、a、p、t、x进行1阶和2阶平稳性检验，检验发现各变量并不都是1阶单整，但在1%的显著水平下，各变量都是2阶单整变量。采用johansen协整检验方法，迹统计量与最大特征值统计量显示，在5%的显著性水平下，一阶差分li、la、lt、lx、lp之间有一个协整关系，因此可以用eg两步法建立相应的协整方程［12］。
使用spss17.0软件对自变量la、lt、lx、lp进行共线性诊断，结果显示自变量之间存在严重的共线性。为了解决变量之间共线性问题，用因子分析法提取两个主成分z1和z2（z1和z2特征值的累积贡献率达到99.694%），代替原有4个指标变量进行回归，得到：
li＾=0.824z1+0.14z2+10.032+u（3）
r2=0.995，调整的r2=0.995，f=2 951.211，方差分析概率值为0.000。因此，模型（3）整体拟合很好，有统计学意义。对序列z1和z2以及模型（3）的残差用eniews6.0进行单位根检验，检验的结果表明在1%的检验水平下，序列z1和z2以及模型（3）的残差是平稳的，方程（3）是协整方程。
将主成分z1和z2以及标准自变量还原为原自变量得到如下协整方程：
li=0.734 1lt+0.928 8lp+0.675 6lx+0.441 8la-5.320 2+u（4）
从建模的各种检验结果可知模型（4）的模拟能力十分强，模型中各自变量回归系数均符合经济学意义检验，能够比较客观地反映碳排放与城市化率、人均gdp、交通能源强度、城市居民消费水平之间的长期均衡关系。
由方程（4）可知，在长期均衡状态下，各因素对碳排放的影响最为显著的是城市化率，其次是交通能源强度，再次是城市居民消费水平，最后为人均gdp。在长期均衡状态下，城市化率每变动1%，其它因素不变时，碳排放量会同向变动0.928 8%；同样地，交通能源强度、城市居民消费水平、人均gdp分别变动1%，而其它因素不变时，碳排放量会分别同向变动0.734 1%、0.675 6%、0.441 8%。
方程（4）表明，在长期均衡路径上要减少碳排放量，着力点首先应放在控制城市化的发展速度上，其次是降低交通能源强度，再就是降低城市居民消费水平增长和经济发展的速度。
转贴于
尽管控制某一因素的增长速度可能显著减少碳排放量，但这并不意味着碳排放量一定会减少，还要取决于其它因素对碳排放量所起的作用。城市道路交通碳减排的战略制定或政策调整不能仅关注个别因素的静态影响，还应从动态的角度统筹考虑。
2.3 影响碳排放的机制
2.3.1 var模型
由前面对变量li、la、lt、lx、lp的有关检验可知，可以建立有意义的var模型，因篇幅所限，下面仅列出var模型中li的方程：
li=-1.22la(-1)-0.573 1la(-2)+0.990 2li(-1)
+0.750 4li(-2)+2.469 5lp(-1)-1.261 5lp(-2)
-0.557 1lt(-1)-0.605 7lt(-2)+0.742 7lx(-1)-0.414 3lx(-2)+6.057 6+ui（5）
var模型估计结果的特征根都位于单位圆内，因此模型是稳定的。aic与sc都很小，滞后阶数恰当。方程的r2以及调整的r2都在0.996以上，另外，对var模型的滞后排除检验结果表明，var模型里的每一个方程中，所有的第1阶滞后内生变量是联合显著的，而且var模型5个方程（另外4个方程未能列出）中，所有的第1阶滞后内生变量也是联合显著的。从建模的各种检验结果可知，模型模拟能力非常强。
2.3.2 碳排放影响机制
通过var模型，利用脉冲响应函数来了解各因素的动态作用机制。由于本文主要分析各因素对碳排放量的作用机制，因此下面重点讨论各因素对碳排放的作用机制。
图1显示了li对变量lx、lp、la、lt、li的冲击的响应，其横轴表示冲击作用的滞后期数（单位：年），纵轴表示脉冲响应函数值的大小（单位：%）。
城市化率与碳排放。图1显示，如果给城市化率一个
图1 li对变量li、lp、lt、la、lx的一个cholesky标准差新息的响应①
fig.1 response for li to cholesky s.d.innovations of li, lp, lt, la, lx
正向冲击，将导致城市化率对碳排放量的弹性在随后2年内上升，接下来的2年有所下降，然后是逐年上升。因此，随着城市化进程的加快，碳排放也会快速上升。
交通能源强度与碳排放。从图1可以看出，对来自lt的冲击，li的响应首先是逐渐减弱的，在第6年后趋于稳定。这一结果的经济含义是，如果给交通能源强度增长率一个正向冲击，会导致交通能源强度对碳排放量的弹性在随后三年内上升，但上升幅度是逐渐降低的，在第4年不升反降，随后碳排放量的增长率有所上升并逐渐保持稳定。因此，交通能源强度增长率的提高，其效果是使碳排放有较大的即时提高，但持续性较弱。降低交通能源强度的长期战略的总体效果将使其对碳排放的弹性降低，使碳排放量增长速度得到抑制。
城市居民消费水平与碳排放。图1显示，对来自lx的冲击，li期初的响应是正向增强的，以后逐渐减弱。这表明给城市居民消费水平一个正向冲击，将会导致开始两年内城市居民消费水平对碳排放量的弹性上升，但从第2年开始，城市居民消费水平对碳排放量的弹性将会逐年下降。作为使城市居民消费水平增长率提高的政策调整，短期内对碳排放量的增长率有较为明显的提高，但长期内使碳排放增长率提高的效果并不明显。
人均gdp与碳排放。图1显示，对来自la的冲击，li的响应首先是负向逐渐增强，在第4期达到负向最大，然后负向减少。这一结果表明，如果给人均gdp一个正向冲击，那么人均gdp对碳排放量的弹性在随后各年逐年下降，这有利于保持较高的人均gdp增长率而不使碳排放增长率增加。
各变量的冲击不仅对碳排放量会产生即期和后期的影响，而且不同冲击的重要性也不一样。下面通过方差分解的方法来分析各因素对碳排放量变动的贡献大小。
图2中，横轴表示方差分解的时期数（单位：年），纵轴表示各变量对li变化的贡献率。图2显示，除了碳排放自身外，交通能源强度对碳排放量的贡献最大。此外，在前5期，城市居民消费水平较大，第6期开始，城市化率的贡献仅次于交通能源强度，人均gdp对碳排放的贡献率总体来说较小。由此可知，短期内，城市化率并不是导致碳排放增长的主要因素，但在长期将对碳排放产生最为重要的影响。因此，如何稳步推进城市化从而有利于中国城市道路交通碳减排战略目标的实现，值得人们思考。交通能源强度虽然是碳排放的重要影响因素，但从长期来看没有超过碳排放本身所起的作用，意味着在没有外界冲击的情况下，碳排放在长期内将会按其自身规律发展，产生碳排放量增加的强化效应，这说明选择什么样的宏观政策将对中国城市道路碳减排起重要的作用。
2.3.3 各因素对碳排放的短期动态影响
根据前面的有关检验可知，由var模型可以导出有意义的vec模型，在vec模型的5个方程中提取li方程如下:
li=0.947 5ecm-1-0.824 1li-1+0.862 1lp-1+0.524 7lt-1-0.041 8lx-1+0.710 3la-1+0.095 1+u(6)
碳排放的短期变动分为两部分：一部分是由于短期滞后1期的各变量变动的影响；另一部分是由前一期碳排放偏离长期均衡关系（即ecm(-1)）的影响。
方程（6）右边各变量的系数可以理解为相应变量滞后1期的波动对当期碳排放的弹性或者短期生态弹性。由方程（6）可知，各变量滞后1期的波动对当期碳排放的正向影响大小依次为：城市化率、人均gdp、交通能源强度，而负向影响依次为碳排放、城市居民消费水平。其中，城市化率滞后1期的波动对当期碳排放的弹性为0.861 2，即滞后1期的城市化率每增加1%，其它因素不变时，当期碳排放量将增加86.21%。因此，前期通过施加降低城市化率增长速度的干预措施，有利于当期碳排放量的下降，与长期均衡下降低城市化速度的效果相差不到7个百分点。
城市居民消费水平滞后1期的波动对当期碳排放的弹性为-0.041 8，说明前期通过政府干预，调整城市居民消费结构而降低城市居民消费水平将会提高当期碳排放量，这与长期均衡下能明显降低碳排放的效果不同。
人均gdp滞后1期的波动对当期碳排放的弹性为0.710 3，比起其长期均衡弹性0.441 8，人均gdp滞后1期对当期碳排放极富弹性，前一期人均gdp增长率的提高，将极大地促使当期碳排放量的上升。
交通能源强度滞后1期的波动对当期碳排放的弹性为0.524 7，比长期均衡弹性小，说明前一期交通能源强度增长率的提高，将使当期碳排放增长率上升，但低于长期均衡效果。
3 预测与情境分析
3.1 预测
以2005年的实际数据为基础， 根据模型（5），运用matlab软件编写相应的程序对2006-2008年的中国城市道路交通碳排放量及其影响因素的值进行模拟，并对2009-2030年的值进行预测。由一切照常情景（bau）下预测的结果碳排放量预测值见图3，其它因素的预测值未能详细列出（仅在后文需要时用到），读者可向作者索取。可知，如果继续延续中国2008年以前的经济社会发展模式（bau情景），碳排放及其影响因素按其原有规律发展，那么，到2030年，中国城市道路交通碳排放量达到7.72亿 t，是2008年的7.54倍，而且其增长趋势十分强劲。显然，这是不可持续的。下面根据前文的分析，对碳排放的各影响因素进行设定，考察在外力干预下的中国城市道路交通碳排放变化情况。
3.2 情景分析
与文献［6］类似，将情景设为节能、低碳、强化低碳三种。节能情景反映这样一种保守的情景：当前节能减排政策继续实施，经济社会稳步发展，技术特别是城市交通技术进步得到发展，经济发展方式转变受到重视，但无应对气候变化的特别政策措施。低碳情景反映了经济发展模式的改变，技术进步得到强化，但城市居民消费增长保持在一定水平，代表了低碳发展的一种未来趋势。强化低碳情景反映了以内涵式的增长为主的发展方式，科技进步进一步强化，gdp增长较缓，代表了中国应对气候变化为全球碳减排所作出的贡献。下面将考察时段分为2010-2015年、2016-2020年、2021-2030年、2031-2040年、2041-2050年五个区间。
人均gdp。根据实证分析结果，综合已有的研究［6,13］，设定节能情形下各区间人均gdp的年均增长率分别为7.84%、7.19%、6.95%、5.0%、3.67%。与文献［14］类似，为使计算简便，在此基础上分别向下浮动1与1.5个百分点得到低碳与强化低碳情景下的人均gdp的年均增长率。
城市化率。一般认为，城市化率在30%-70%之间尤其是在50%左右时增长率提高最快，因此，根据实证分析，并参考有关的研究［6,15-16］，设定节能情景下，2015年、2020年中国城市化率达到54.26%、61.33%，以后城市化率增速变慢，2030年、2040年、2050年分别达到70.07%、74.09%、78.11%的水平。在此基础上，向下浮动2.2个百分点作为低碳情景中相应年份的城市化率，向下浮动4.6个百分点作为强化低碳情景中相应年份的城市化率，由此得到各区间的城市化率年均增长率。
交通能源强度。1978-2008年的交通能源强度年均降低3%，根据bau下的预测结果，bau情形中2010-2015年的交通能源强度年均降低4.9%，2016-2020年的交通能源强度年均降低3.8%，结合前面的实证分析，设定节能情景下，各区间的交通能源强度年均下降率分别为5.9%、5.4%、4.9%、4.5%、4.0%。在此基础上，分别向下浮动1与2个百分点作为低碳与强化低碳情景中相应年份的交通能源强度年均下降率。
城市居民消费水平。1978-2008年的城市居民消费水平年均增长率为6.34%，根据bau下的预测结果，bau情景下2010-2020年的城市居民消费水平年均增长率将为8.39%。考虑到中国将在2020年基本实现工业化，2021年以后，中国进入后工业化时期，投资率将下降，消费率会不断提高。因此，结合实证分析，设定节能情景下，各区间的城市居民消费水平年均增长率分别为8%、7.78%、8%、8.22%、8.44%，在此基础上，2010-2015年向下浮动0.5个百分点作为低碳情景中相应年份的城市居民消费水平增长率，向下浮动0.7个百分点作为强化低碳情景中相应年份的城市居民消费水平增长率。
根据上面对各因素增长率的设定，以及协整模型（4），运用matlab软件编写相应的程序运算，得到各情景中2009-2050年各年的中国城市道路交通碳排放量（见图3）。
图3显示， 2030年，节能、低碳、强化低碳情景下的中国城市交通碳排放量分别为3.596 2、2.587 7、1.867 8亿t，分别比一切照常情景（bau）减少53.42%、66.48%、75.8%。考虑到美国公路运输消费的非化石能源比重很小［17］，如果也将美国道路交通消耗的能源看作是化石能源，那么分别比美国2007年的城市道路交通少排放0.06、1.06、1.79亿t以上的co2。在2050年，节能、低碳、强化
低碳情景下的中国城市交通碳排放量分别为9.015 8、4.812 6、2.787 1亿t碳，强化低碳情景下的中国城市交通碳排放量大约相当于美国1989年的碳排放量。
在bau、节能、低碳、强化低碳四种情景下，中国人均gdp达到1万美元（2008年美元）以上的时间节点分别为2022、2024、2026、2028年。由图3可知，其时的城市交通碳排放量分别为3.42、2.55、2.15、1.75亿t。节能、低碳、强化低碳情景下2050年人均gdp将分别为3.646 4、2.447 5、2.002 4万美元（2008年美元），达到世界中等发达国家水平，基本实现现代化目标。
转贴于
4 结论与启示
本文以1978年以来的数据为基础，运用协整与var及vec方法分析了中国人均gdp、城市化率、城市居民消费水平、交通能源强度及碳排放等变量之间的长期均衡关系和动态作用机制，并进行模拟预测和碳排放情景分析。在没有外界冲击的情况下，碳排放将遵循自身的发展规律，中国经济社会无法可持续地发展；外界冲击的强弱不同，中国道路交通碳排放水平差异很大。基于本文的研究，可以得到如下结论与启示：
（1）技术进步（以交通能源强度表征）、经济发展、城市化方面的多种因素共同作用的结果决定了中国城市道路交通碳排放持续增长的趋势难以避免。一切照常情景（bau）下，2009-2030年的中国城市道路交通碳排放年均增长率达到10.63%；2010-2050年，节能、低碳、强化低碳情景下的中国城市道路交通碳排放量年均增长率分别减弱为为5.51%、3.96%、2.66%。在相当长的时期里，中国城市道路交通碳排放量的拐点难以出现。
（2）不同的发展理念和政策与技术的组合，可以使城市道路交通碳排放发生重大变化。本文通过对城市化率、交通能源强度、城市居民消费水平和人均gdp的增长幅度作不同的组合，强化低碳情景下的中国城市道路交通碳排放量年均增长率不到节能情形下的一半。
（3）政府的主导，广大居民的碳减排意识及其行动是城市道路交通碳减排的关键。城市化率、交通能源强度、城市居民消费水平和人均gdp是影响城市道路交通碳排放的主要因素，靠市场本身的发展来转变这些因素的发展方式从而达到碳减排，其过程漫长代价巨大，需要发挥政府的主导作用，进行积极干预和调整。从各因素对碳排放量变动的贡献来看，中短期政策调整的重点应放在交通能源强度对碳排放的影响上，长期战略调整的重点应放在城市化率和交通能源强度对碳排放量的影响上。
政府通过城乡统筹稳步推进城市化，适当控制城市化发展速度，城市化率每变动1%，就可以使城市道路交通碳排放同向变动0.928 8%。实施使城市化增长率降低的长期战略，将使城市化率对城市交通碳排放的弹性下降，城市化率对碳排放量的提升作用得到有效抑制。
政府通过加大政策创新力度和推进技术进步，采取提高燃油经济性标准、开发车用替代燃料、融合协调城市土地利用与交通规划、发展智能交通系统、引导私人汽车使用等等基于机动车、燃料、道路和出行需求的政策措施，可以有效降低城市道路交通车均化石能源消耗量（交通能源强度），交通能源强度每变动1%，城市道路交通碳排放会同向变动0.734 1%。