时间：2023-08-02 17:17:04
碳税制度的确立对经济、能源环境产生的影响众说纷纭，部分专家认为碳税制度的确定会导致企业减少生产，从而影响到整个经济总量。例如Valeria等(2013)通过研究碳税制度对爱尔兰能源结构的影响，得出了碳税能够减弱二氧化碳排放的观点。但是每吨CO2征收41英镑的碳税，就会导致GDP下滑了0．21%，同时减少0．08%就业;并且碳税水平越高，对经济的反向作用越大。杨超(2011)等通过采用动态碳税调整机制，构建多目标最优碳税投入产出模型进行分析，得出不论是第一种约束条件，还是第二种约束条件，总产出会下降，CPI会提高的结论。当然也有学者认为，碳税制度的确定会减少二氧化碳的排放量，却不会对经济总量产生什么影响。例如HossaAlmutairi等(2013)通过研究基于排放因子的税收政策，结果表明，较高的碳税会影响到消费者剩余、生产量以及最低价格。但是其对经济的影响较小，对减少二氧化碳排放量非常有效。还有学者认为，碳税的制度的建立，不仅能够减缓二氧化碳的排放，而且还能够刺激就业，带动经济的发展。更有学者认为，碳税制度的确立对经济、能源、环境的影响应该跟碳税征收水平、碳税收入如何利用有直接关系，例如Lawrence等(2013)通过采用美国的数据，利用一般均衡模型测算碳税对经济的影响程度。结果表明，对经济的影响在于如何利用碳税收入。本文就从一般均衡理论出发，从长期和短期两个角度，对碳税收入的用途进行分析，并进一步探讨碳税制度的建立对经济发展水平、能源结构的影响，以期为碳税制度的研究提供一点新的思考。
二、碳税影响环境经济的主要途径
基于微观经济学的一般均衡理论，研究特定税种对经济的影响，主要是通过对成本、产量、价格、利润等一系列环节的分析来展开的，其影响可以从短期和长期两个角度来看待。
(一)碳税对经济总体的影响
1.短期内增加经营成本短期效应一般指的是直接影响。由于碳税主要是对燃煤和石油下游的汽油、航空燃油、天然气等化石燃料产品，根据所含碳量的比例进行征税，因而它对经济的影响是全方面的。具体来讲，开征碳税就是用征税的手段人为提高了资源的价格，使用资源变得更加昂贵，当商品价格不变即税负不能转嫁的情况下，势必会加重企业的生产成本，降低企业生产的积极性，从而带来利润的下降以及企业的减产。某个企业是这样，由此推及整个行业，乃至国民经济也是如此。另外，从产业发展的角度看，碳税通常会增加产业成本，降低相关产业的投资收益率，因而对投资会带来负面影响。例如在我国，征收碳税会使一些外资企业，尤其是某些高耗能企业撤回投资，进而寻找成本更低廉的地区进行投资，从而造成了外资的减少。究其实质，征收碳税就是对国民收入的一次重新分配，从理论上讲，势必给经济增长带来一定程度的冲击。
2.长期将提高生产效率尽管从短期来讲，征收碳税对消费需求、投资需求、经济增长等都会造成抑制作用，但从中长期来看，生产技术和效率的改进提高，会在很大程度上抵消掉增加能源成本带来的负面效应。一是有利于鼓励企业探索和利用可再生能源，加快淘汰高能耗、高排放的落后工艺，促进节能减排技术的研发，从而提高了产品的技术含量;二是有利于推进能源、资源领域以及财税体制的改革，通过提高资源利用效率、促进清洁能源开发，以及降低环境治理成本等，实现经济发展方式的转变和产业结构的优化调整;三是还能够增加财政收入，政府可以通过调整支出结构，加大对环保产业的扶持力度，加强对环境污染的综合治理，从而在整体上提高环境质量和生产效率。
(二)中国环境经济的CGE模型(AMOSENVI)
1.模型的一般属性特征AMOSENVI模型是一个涉及能源经济以及环境的可计算一般均衡模型。某一个国家在进行产品生产时，通常会投入人力、资本等。这些投入就会涉及到国家的内部与外部机构。通常而言，国家的内部机构主要包括企业、家庭以及政府行政部门。而外部机构的范围就相对广泛了很多，它主要由两部分构成，分别是本国内部除了三大部门以外的其他部门，以及世界的其他地区。我们说，如果一个国家的经济能力较弱，那么他就不会影响到国际价格和区域内部的市场，这时候的外部机构就成为了外生性因素。该模型的优点是能够对近期状况进行预测，也能够对远期进行预测。缺点是该模型比较单一，是一个单一的国家模型，无法从中获取外生性溢出效应。
2.模型视角下的生产结构生产的结构模型由多层次不变替代弹性(CES)生产函数构成。生产总值的总输出由附加值与中间投入构成，附加值由资本和劳动力构成，中间投入分为能源投入与非能源投入，而后会将能源投入或者是非能源投入分为石油、天然气、电力等。最终，我们会将这些能源分为高碳能源与低碳能源，区分这些能源的标准就是每单位能源所产生碳排放的高低程度。中间投入的获取途径有内部方式与外部方式，分别是当地采购或从他国进口。运用CES函数可以实现区域生产的货物与国外进口的货物的联系。总之，自主生产或者是进口的最终目的就是要达到成本最小化。
3.消费者效用与投资效用用效用函数来表述消费者一生的最大化效用消费如下，其中Ct指的是t时期的消费量，β指的是时间偏好的恒定速率，λ指的是边际效用弹性。居民在消费情况下，居民的消费情况不能超过家庭总财富的总预算。
三、碳税政策对经济与环境的影响分析
(一)数据来源与分析思路
文章的数据来自《中国统计年鉴2014》、《中国能源统计年鉴》，并通过整理获得。基于上述经济模型的相关分析，我们首先分析碳税政策的制定对经济的影响，其中涉及到11个变量，分别是二氧化碳排放量、国内生产总值、失业率就业总量、名义工资总额、税后实际工资、资产重置成本、劳动力供给、家庭消费、政府消费、所得税税率，分别测算了变量值在不同的碳税使用路径下的变化。其次，我们通过运用敏感性分析，测度出能源生产结构弹性的替代值。
(二)碳税政策对经济的影响分析
假设研究的基期水平确定在2005年，2020年要实现二氧化碳排放比2005年下降50个百分点。定义基期为2010年，2020年要实现二氧化碳排放比2010年下降35%左右。碳税为每吨二氧化碳排放征收100元。税收作为重要的财政政策，其用途也较为广泛。我们也假设了两种税收的使用方式，首先是将征得的碳税归政府所有，用于扩大财政支出，即财政用途;第二种方式就是用碳税收入来减少企业的所得税，即减税用途。并且我们从长期和短期两个角度来探讨，碳税对经济体的影响，结果见表1。通过上述分析，我们可以知道，碳税制度的建立对于经济的影响至关重要。碳税收取的用途方式不同对经济产生的影响也不尽相同。总的来讲，碳税制度建立之后，二氧化碳的排放量得到了大幅度下降，生产总值得到了大幅度提升。碳税收入用于财政支出，能够更好地帮助财政体制，提高国家的财富;碳税收入用于削减所得税方面，可以增加企业的竞争优势，解决更多的就业机会，并且能够促进家庭收入，提高家庭消费水平。具体而言，每吨二氧化碳排放征收100元做财政用途，预期到2020年，短期内会使得失业率上升2．42个百分点，但从长期看几乎没有影响，就业量会缩减。刨除通货膨胀的因素，居民的税后实际工资将会增加近4个百分点。不论长期或者短期，家庭消费大约缩减2个百分点，政府消费将会大幅度提升。如果将每吨二氧化碳排放征收100元做减税用途，短期内失业率会下降1．96个百分点，但是长期几乎没有影响，就业量会增加。居民的家庭消费短期内会增加6.77个百分点，长期内会增加8.15个百分点。
(三)碳税政策对能源的影响分析
企业都是寻求利益最大化，即成本最小化。增加了碳税制度，无疑增加了企业的生产经营成本。企业必然会采取措施，减少二氧化碳的排放量。由于不同能源的碳排放量不同，必定会对能源消费产生一定的影响。我们采用了敏感性分析来分析能源使用的不确定性，以及对企业经济利润造成的影响。通过敏感性分析，给出了能源生产结构弹性的替代值。能源与非能源、石油与非石油、风能和潮汐能的可再生能源行业的能源生产结构弹性替代值并没有发生显著变化，只有电力与非电力的弹性替代值发生变化，而且其结构弹性替代值下降很大，由默认值的1变为0．6。这表明，基于当前我国大部分电力来源于燃烧煤碳的火电厂的基本国情，碳税制度的建立对于电力能源生产有着重要的影响，即减少化石能源，降低碳排放还有很大的空间。当然企业也可以根据自身情况，也会通过适当调整能源利用结构，从而进一步减少二氧化碳排放量。
四、碳税制度的路径选择
(一)坚持制约与激励相结合
碳税作为一项复杂系统的制度设计，不应当是单方面的制约或控制，理应是制约和激励两方面的互动。所谓制约，就是通过对化石能源以及以化石能源为原材料的产品征税，限制“三高”产业的发展;所谓激励，就是通过减免税收和财政补贴等多重手段，激励太阳能、风能等可再生能源和清洁能源的利用，不断提高能源使用效率，促进经济、社会和生态环境可持续发展。
(二)采取差别税率
由于我国地区、产业发展的不平衡性，以及不同能源、不同行业碳排放的差异，在税率的设定上，不宜采取统一税率的方式，应当根据区域生态环境目标，实行多级税率。在征收初期实行低税率，然后分时间段逐级累进，这样可以给企业充分的时间加以应对。另外，针对差异税率可能带来的逃税行为，还要采取方法加以防范和规避。
(三)保持税收中性原则
与其他税种一样，碳税的征收不应当改变公平竞争的市场环境。它更应当是一场深刻的税制改革，也就是在开征碳税的同时，还应尽可能实现增值税的转型，并适度降低企业所得税的税率，以减轻企业的生产经营成本，最终实现税收中性的原则。另外，碳税收入还应对有志于低碳技术研发企业进行补贴，从而不断缩小因征收碳税而扩大的贫富差距。
(四)实施税制优惠政策
征收碳税并不意味着单方面的索取，还应注重给予必要的优惠或补贴。一是依据国际的通行做法，对于能源密集型产业或产品，实行较低税率，这样做有利于保持基础原材料价格的稳定，防止发生通货膨胀;二是对于碳排放量不超过政府统一标准，或采取先进技术保证排放量逐年下降的企业，给予一定程度的税收优惠;三是对科技型中小企业、低收入者或贫困群体，应当给予财政补贴。
(五)与碳交易的协调配合
基金项目：国家社会科学基金项目“开放经济条件我国碳减排责任动态研究”（11BJY066）；国家重大科技专项子课题“湖滨缓冲区生态建设综合效益评价”（2009ZX07101-009-01-03）；教育部人文社会科学研究一般项目“空间趋同视角下中国区域节能减排效率差异研究：理论、实证与对策”（10YJA790212）；江苏省教育厅高校哲学社会科学研究重大项目“江苏低碳经济发展战略、思路、模式、途径与政策研究”（2010ZDAXM002）
作者简介：徐盈之（1970―），女，浙江杭州市人，教授，博士生导师，博士，研究方向：计量经济学、环境经济学。
摘要：本文主要基于VAR模型，分析了不同类型能源对经济发展的影响，并结合各种能源的二氧化碳排放系数，测算了不同类型能源的二氧化碳排放对经济发展的影响，从而在能源消费结构优化的视角下估计出中国二氧化碳减排政策的减排成本。实证结果表明，能源消费对经济发展有显著影响，且不同类型能源实现同等减排效果的成本存在较大差异，所以对于中国这种节能技术水平较低的发展中国家来说，为实现二氧化碳减排和经济发展的双赢，能源消费结构优化是一个恰当的政策。
关键词：二氧化碳减排；能源消费；减排成本；能源消费结构优化
中图分类号：F206
文献标识码：A
文章编号：1671-0169(2011)06-0031-07
一、引言
随着全球能源的急剧消费，二氧化碳排放所引起的全球气候变化越来越为人们所重视。因此，如何在确保经济稳定发展的能源消费前提下减少二氧化碳排放量，已成为世界各国共同研究和探讨的焦点。而随着“后京都时代”的到来，中国作为最大的发展中国家将承担起更大的减排责任。根据世界银行的分析，1990年至2003年间，中国二氧化碳排放量增加了18亿吨，增幅超过77％。美国能源信息管理局（EIA）的《世界能源展望2008》称，2004年至2030年间，中国的煤炭消费将每年上涨3.2% 。而以煤为主的能源消费结构带来了严重的环境污染问题，据统计2008年我国的二氧化碳排放总量为6 896百万吨，二氧化硫排放量为2 321.2万吨，烟尘排放量为901.6万吨，工业粉尘排放量为484.9万吨。我国的能源消费以煤炭为主，虽然煤炭在我国能源消费总量中的比重由最高峰时的76％下降到了2008年的68.7％，但仍然占据了绝对地位，而且这一比重在近年还有上升的趋势。从国际比较来看，目前，世界大多数国家的能源消费都以石油和天然气为主，对环境污染压力相对较小，而煤炭对环境的污染要严重得多。我国油气能源，尤其是天然气的比重与发达国家相比相差很大，并且我国能源技术和能源加工与利用效率均低于OECD国家，能源强度和单位能耗的大气污染物排放量相对较高，因此能源消费结构优化对中国的节能减排具有重要理论和现实意义。
本文将基于VAR的分析框架，通过测算不同类型能源的减排成本来实现能源结构优化，以期为制定二氧化碳减排政策提供相应的理论指导。
二、文献综述
近年来国内外关于能源消费结构优化的研究文献主要分为两个方面：一是对能源消费结构的不合理性分析以及相应政策建议，多以定性分析和描述性统计分析为主。如王顺庆（2006）从环境污染、生态破坏、能耗高等方面分析了我国以煤炭为主的能源结构的不合理性[1]（P63-65）。高鹏飞等（2004）研究了碳减排对中国能源系统的影响，说明了能源消费结构结构优化对能源消费减少有重要影响[2]（P1192-1195）。郑新业（2010）研究了影响全球二氧化碳排放的相关因素，指出能源结构与能源效率对二氧化碳排放起了很大作用
[3]（P55-57）。张爱军（2010）在我国发展低碳经济的政策选择中提出应改变我国的能源结构，大力发展新能源产业[4]（P55-56）。王克强等（2009）分析了国际能源的发展趋势，认为能源结构短期变化不大，长期应由化石能源向可再生能源、新能源转换[5]（P57-64）。罗裴等（2010）分析了基于协同论的中国能源消费结构优化的问题，并提出对策[6]（P21-25）。
二是运用计量经济学模型对我国的能源消费结构与二氧化碳排放及经济发展之间关系进行测度，并提出相关建议，多为实证分析。主要分为三类：一是分析能源消费结构与二氧化碳排放之间的关系，如林伯强、蒋竺均（2009）采用对数平均迪式分解法（LMDI）和STIRPA模型，分析了影响中国人均二氧化碳排放的主要因素，指出除了人均收入外，能源消费结构会对二氧化碳排放有显著影响[7]（P27-36）。帅通等（2009）采用 IPCC 2006 年提出的各类能源排放二氧化碳量的计算方法，探讨了产业结构和能源结构变动对碳排放量的影响[8
]（P885-889）；二是分析能源消费结构与经济发展之间的关系，如Cho等（2004）使用 1981―1997年的季度数据，采用两阶段超对数成本函数对韩国的经济增长与能源间替代关系作出了估计[9]（P31-50）。李国章等（2010）使用 ARDL模型方法对能源消费、能源消费结构和经济增长三者之间的关系进行了实证研究，说明节能减排政策的一项重点应该是能源消费结构的优化调整[10]（P55-126）。邹璇（2010）计算中国1990―2007年能源消费弹性系数，指出能源与经济增长之间有相互促进的作用[11]（P33-39）；三是采用情景预测方法对经济发展、能源结构和二氧化碳排放进行综合分析，如Strachan等（2008）利用MARKAL-MACRO模型对英国长期减排方案进行情景预测，提出应当增加天然气、生物能源消费结构等的利用[12](P2947-2963)。王灿（2004）用一个综合描述中国经济、 能源、环境系统的递推动态可计算一般均衡（CGE）模型，分析了中国实施碳减排政策的经济影响[13](P1621-1624)。
中国地质大学学报(社会科学版)2011年11月
第11卷第6期徐盈之，等：如何实现二氧化碳减排和经济发展的双赢?――能源结构优化视角下的实证分析
从上述文献中可以看出，以往学者对能源消费结构优化的研究多数集中于从能源消费结构的不合理性分析角度切入，大都只考虑环境因素；且多数文献的定性分析难以反映一个国家能源消费结构优化政策的实际成本，导致得到的结论和相关政策建议不具有较强的可信性和可行性，难以起到指导实践的目的。而基于定量层面对能源消费结构的分析则多数没有全面考虑能源消费、经济发展与二氧化碳减排三者之间的关系，情景预测主要是针对未来的发展进行综合预测，措施较多，难以考虑每种措施的单独影响。所以本文综合考虑能源消费、经济发展和二氧化碳减排的共同作用，通过计量经济学模型考虑能源消费结构优化所带来的影响，从而证明能源消费结构优化政策能够实现二氧化碳减排和经济发展的双赢。
三、能源消费对经济发展影响的测度
（一）VAR模型的建立及数据获取
1.VAR模型的建立。通过构建一个包含产出、就业、资本与总能源消费（或分类型的总能源消费）的向量自回归（VAR）模型，可以测算能源消费对总产出的影响。这突出了不同变量之间的动态反馈机制，并且测度了能源消费对总产出的直接效应和间接效应，一方面，能源作为生产投入可以直接影响产出――规模效应；另一方面，投入可以通过影响其他投入（如资本和劳动）间接影响产出――替代效应。因此，VAR模型是估算能源消费对总产出影响的理想方法[14]（P89-95）。
本文总共估计4个VAR模型，每个模型都包含产出、就业和资本变量。此外，每个模型包括一个能源变量――能源消费总量或三种类型能源中的一种。根据VAR的建模原则，本文的VAR模型构建如下：
Y1t=(lnAE,lnGDP,lnE,lnK)
Y2t=(lnC,lnGDP,lnE,lnK)
Y3t=(lnP,lnGDP,lnE,lnK)
Y4t=(lnG,lnGDP,lnE,lnK)
Ykt=AkYkt-1+Et(k=1,…,4),Et~iid(0,Ω)（1）
其中，AE表示总能源消费，E表示就业人数，K表示资本，C表示煤消费，P表示石油消费，G表示天然气消费。Ak为4×4阶参数矩阵，Et为4×1阶随机误差向量,0是4×1阶零向量，Ω是4×4阶协方差矩阵。
2.变量确定及数据说明。基于数据的可得性和实证研究的需要，本文的分析期间确定为1990―2008年。所使用原始数据主要来源于1990―2008年《中国统计年鉴》、《中国能源统计年鉴》以及《新中国五十五年统计资料汇编》。其中，经济发展以产出、就业和资本来衡量。各变量的选择及数据处理如下所示：（1）产出，以各年份的国内生产总值来表示，单位为亿元；（2）就业，以各年份的就业人员总数来表示，单位为万人；（3）资本，以各年份总资本固定形成表示，单位为亿元；（4）能源消费，其中总能源消费直接采用各年份的能源消费总量来表示，统计口径为终端能源消费量、能源加工转换损失量和能源损失量之和，单位为万吨标准煤。煤、石油和天然气的消费量为总能源消费量与各类型能源所占比例相乘计算得出，单位为万吨标准煤。由于电力只包括水电、风电和核电，而水电、风电和核电的排放系数均为0，所以本文不考虑电力。
（二）实证分析
1.平稳性检验。由于现实中的许多经济变量往往不是平稳的时间序列，采用传统的计量经济学方法进行分析容易产生伪回归问题。因此首先应对变量的平稳性进行检验，确定各序列的单整阶数。单整阶数是序列中单位根的个数，检查序列平稳性的方法是单位根检验。如果含有单位根的非平稳序列通过d次差分成为一个平稳序列，而这个序列差分d-1次时却不平稳，那么称序列为 d 阶单整序列，记作 I（d ）。本文采用ADF对样本进行平稳性检验。在5%的显著性水平下，变量lnGDP、lnE、lnK、lnAE、lnC、lnP和lnG的ADF统计值都大于相应的临界值，接受存在单位根的结论，这表明八个序列都是非平稳的。而在其二阶差分中，lnGDP、lnE、lnK、lnAE、lnC、lnP和lnG的ADF统计值都小于相应的临界值，拒绝原假设，表明八个变量的二阶差分序列都不存在单位根，是平稳序列，即这些变量均为二阶单整序列。
2.协整检验。如果各个变量序列是非平稳的单整序列，但它们的某种线性组合是平稳的，则说明变量之间是协整的。由于时间序列具有相同的单整阶数，均为二阶单整序列，因此可以对它们进行协整关系的分析。本文使用 Johansen 多变量系统极大似然估计法来检验各变量序列之间是否存在协整关系，这是一种基于向量自回归的检验方法，在进行协整检验之前，必须先确定VAR 模型的滞后阶数。为了保持合理的自由度使模型参数具有较强的解释能力，同时又要消除误差项的自相关，使用 AIC、SC信息准则和LR统计量作为选择最优滞后阶数的检验标准，并用其他各项检验方法来检验模型的统计性能，最后确定用于协整检验的 VAR模型滞后阶数为 2。对能源消费决定的2阶 VAR 实施 Johansen 检验，统计结果显示，经过自由度调整的最大特征值和迹特征值显著地拒绝了不存在协整关系的原假设，并证明至少存在一个协整关系。
3.脉冲响应函数的分析。经过以上协整检验可知，模型中的变量均具有长期的均衡关系，但短期由于会受到随机干扰的影响，这些变量有可能偏离均衡值，但这种偏离是暂时的，最终会回到均衡状态。脉冲响应函数能够比较直观地刻画出变量之间的这种动态交互作用及效应，它是指在随机误差项上施加一个标准差大小的冲击后对内生变量的当期值和未来值所带来的影响，显示任意一个变量的扰动如何通过模型影响其他变量，最终反馈到自身的过程。
在脉冲响应函数分析之前，应对 VAR模型的平稳性进行检验。如果VAR 模型不稳定，脉冲响应函数分析将不是有效的。为避免数据的剧烈波动并消除时间序列中存在的异方差现象，在不改变原始变量间关系基础上，对变量进行自然对数变换。经检验，4个模型全部根的倒数值都小于1，表明建立的4个VAR模型的结构是稳定的，因而满足脉冲响应函数分析的条件。
其中产出、就业和资本对能源消费单位信息冲击的脉冲响应曲线如图1所示。鉴于篇幅所限，本文只给出总能源消费的脉冲响应曲线，依次类推。图1中，横轴表示滞后期数，纵轴表示内生变量对冲击的响应程度，虚线表示响应函数值两倍标准差范围的置信带。从图1可以看出能源消费与资本、就业、产出之间的动态反馈。
（三）能源消费对经济发展影响的分析
首先对资本、就业和产出等经济发展变量关于不同类型能源的长期弹性进行估计。累积弹性代表当能源消费长期累积变化一个百分点时，考虑到所有动态反馈效应时其他变量长期累积变化的百分率。累积弹性定义为：
η=经济发展水平变量的长期累积脉冲响应能源变量的长期累积脉冲响应（2）
相应地，用边际产品来衡量当能源消费增加相当于一顿标煤时资本和产出的变化（单位：千元）以及长期就业人数的变化，计算公式如下：
边际产品=Δ经济发展水平变量Δ能量变量
=η110∑2008i=1999经济发展水平变量能源变量（3）
将1999―2008年资本、产出、就业与能源消费的平均比率与相应的弹性相乘就可以得到边际产品，考虑过去十年的平均比率是为了消除周期性影响。估计的边际产品如表1所示。
1.总能源消费冲击对经济发展的影响。从图1中可以看出，对总能源消费施加1单位的正的冲击后，产出、就业和资本均有明显的增加，总能源消
图1产出、就业、资本对总能源消费冲击产生的影响
数据来源：根据1990―2008年《中国统计年鉴》、《中国能源统计年鉴》以及《新中国五十五年统计资料汇编》数据整理计算得出。
表1能源消费的边际产品
产出就业资本
弹性边际产品弹性边际产品弹性边际产品
总能源消费0.863 96 764.261 00.065 00.027 11.496 8085 537.361 0
煤0.790 49 125.217 00.047 60.029 51.294 5657 043.421 0
石油1.446 252 327.460 00.091 30.167 02.432 30742 128.510 0
天然气0.370 6102 079.700 00.056 80.879 30.758 60796 774.200 0
数据来源：根据1999―2008年《中国能源统计年鉴》及脉冲响应结果共同计算得出，边际产品单位为元。
费的增加对经济发展变量的效应为正。同时表1给出了给予总能源消费1个冲击后产出、就业和资本的具体效应：产出关于总能源消费的弹性为0.86，边际产品为6 764意味着每增加一吨总能源消费，产出增加6 764元；就业关于总能源消费的弹性为0.06，从长期来看，一吨总能源消费的增加会创造出0.027个就业机会，即增加1个就业需要增加37吨总能源消费；长期来看总能源消费对资本有一显著的影响，其弹性为1.50，相应的每吨能源消费的边际产品为5 537元。
同时可以测算出能源消费响应中劳动产出比率的弹性为0.08，因此，长期来看产出的响应大于就业的响应。总能源消费冲击对产出和就业的影响结果表明，能源消费对经济中长期的劳动生产率有积极的影响。
2.不同类型能源消费冲击对经济发展的影响。通过以上分析，可以确定总能源消费对经济发展有较显著的影响。但由于不同类型的能源消费对产出、就业、资本的影响有较大差异，以下分别测算不同类型能源消费对经济发展的影响。
各种类型的能源消费冲击对资本的影响均有较大影响。其中最大为天然气，弹性为0.76，边际产品为96 774元，亦即每增加一吨天然气消费，资本增加96 774元。究其原因，主要是目前天然气广泛用于诸如工业燃烧、化工燃烧等第二产业和家庭、餐饮等第三产业，而且固定资产投资方向主要为第二和第三产业，所以其单位消费引起的资本增加量最大。接下来依次是石油和煤，弹性分别为2.43和1.29，边际产品分别为42 128元和7 043元。能源消费的外生冲击对就业水平也有重要影响，天然气的影响最大，弹性为0.06，边际产品为0.88，接着依次为石油和煤。
鉴于每种类型能源对资本和就业的影响，它们对产出影响的重要性不言而喻。对产出影响最大的是天然气，其边际产品为102 079元，即增加一吨天然气消费，产出增加102 079元。接着依次是石油和煤，其边际产品分别为52 327元和9 125元。煤的边际产品较低和我国能源利用效率较低有关，实证结果也表明天然气为高效能源，单位能源消费的产出明显高于煤和石油。
综合以上分析结果可知，能源消费会对经济发展产生显著影响，并且不同类型的能源对经济发展的影响存在较大差异。通过能源消费结构优化政策实现二氧化碳减排的减排成本取决于调控目标能源的类型。因此，考虑每种类型的能源对经济发展变量的影响在估计能源消费结构优化政策的经济成本时至关重要。
四、不同类型能源二氧化碳减排成本的计算
为了得到能源消费结构优化政策的二氧化碳减排成本，本文接下来通过结合不同能源的二氧化碳排放系数与上述能源消费对经济发展的影响，估计各类能源的二氧化碳边际减排成本，从而探讨能源消费、二氧化碳减排和经济发展三者之间的关系。
（一）不同类型能源的二氧化碳排放系数
本文考虑的二氧化碳排放主要是由化石能源燃烧所引起的，不包括废弃物、林业和土地利用的变化产生的二氧化碳。根据IPCC（2006），当石油燃烧时碳的释放率为99%，天然气与煤燃烧时碳的释放率为94%和98%，碳遇到氧气氧化为二氧化碳，因此可以通过考虑二氧化碳中碳分子的比重计算二氧化碳的排放量。与联合国气候变化小组采取方法相一致，本文运用能源消费量、碳因子、氧化率以及碳因子与二氧化碳的比率来计算不同类型能源的二氧化碳排放量。首先确定不同类型能源的碳排放系数，然后通过氧化率调整不完全燃烧，确定释放到大气中的碳总量，最后将碳总量乘以二氧化碳（12+16×2）与碳分子（12）的比重44/12，得到大气中的二氧化碳排放量。不同类型能源的二氧化碳排放系数[15]（P227-242）如表2所示。
表2各种化石能源消费结构的二氧化碳排放系数
能源消费结构转化系数碳排放系数碳含量氧化系数CO2∶C的比率二氧化碳排放系数
总能源0.041 8683.468 6
石油0.041 86820.00.837 40.9903.666 73.039 6
煤0.041 86826.81.040 90.9803.666 74.031 9
天然气0.041 86814.30.640 60.9943.666 72.337 1
资料来源：IPCC（2006），其中总能源二氧化碳排放系数是根据1999―2008年中国数据计算得出的均值。
表2表明不同类型能源的二氧化碳排放存在较大差异，从而证明了能源消费结构优化政策的可行性。从表2可以得出：
1.煤的含碳量最高，每吨煤燃烧产生4.04吨二氧化碳。为减少煤燃烧导致的二氧化碳排放，可以通过大力发展煤炭的清洁利用技术和先进燃煤发电技术，提高煤炭转化效率；推进热电、热电冷联供等多联产技术，提高煤炭资源的综合利用效率，从而集约、清洁、高效地利用煤炭，降低煤的二氧化碳排放系数。
2.石油的含碳量居中，每吨石油燃烧产生3.04吨二氧化碳。为减少石油燃烧导致的二氧化碳排放量，同时为适应新形势的需要，应逐步提高成品油的环境标准，发展清洁油品资源，从而降低石油的二氧化碳排放系数。
3.天然气的含碳量最低，所以其排放系数最低，为2.34，即每吨天然气产生2.34吨二氧化碳。总能源由煤、石油、天然气以及风电等组成，且煤炭所占比例较大，所以综合1999―2008年数据，得出总能源消费的二氧化碳排放系数较高，为3.46。
（二）不同类型化石能源消费结构减排的边际成本
表3列示了煤、石油和天然气的二氧化碳减排的边际成本，反映了不同类型能源的二氧化碳排放量对经济发展的影响。边际成本为边际产品与排放系数的比值，表示各种类型能源每排放一吨二氧化碳对产出、就业和资本的影响。
表3能源的二氧化碳边际减排成本
排放系数产出就业资本
边际成本边际成本边际成本
总能源3.468 61 950.141 00.007 81 596.425 0
煤3.039 63 002.111 00.009 72 317.220 0
石油4.031 912 978.360 00.042 110 448.800 0
天然气2.337 143 677.920 00.376 241 407.810 0
注：边际成本单位为元。
从表3可以看出，总能源消费的边际减排成本为1 950元，每减少一吨二氧化碳排放，产出减少1 950元，资本减少1 596元，长期来看工作岗位会减少0.007 8个。但是从总能源消费中不能得出具体某种类型能源的减排成本，而各种类型能源的边际减排成本存在较大差异。下面根据实证结果逐一分析每种类型能源的边际减排成本：
1.煤的边际减排成本最低，为3 002元，意味着减少煤的消费量实现减少一吨二氧化碳排放，会导致产出减少3 022元，资本减少1 596元，长期来看工作岗位会减少0.007 8个。因为煤为高污染能源，二氧化碳排放系数最高，与此同时，我国煤能源利用效率较低导致单位能源消费的边际产品较低，所以其边际减排成本最低。所以在政策制定时，可以降低煤消费占总能源消费的比例，从而实现二氧化碳减排且对经济发展的负面影响最低。
2.石油的边际减排成本居中，通过减少石油的消费减少一吨二氧化碳排放，产出会减少12 978元，资本减少10 448元，同时工作岗位减少0.042 1个。在政策制定时，亦可酌情降低石油消费占总能源消费的比例，降低二氧化碳减排政策的经济成本。
3.天然气的边际减排成本最高，通过减少天然气消费减少一吨二氧化碳排放，产出会减少43 677元，资本减少41 407元，同时工作岗位减少0.376 2个。主要原因是天然气相对煤和石油而言为清洁能源，二氧化碳排放系数较小，且为高效能源，单位能源消费的边际产品较高。所以在保持经济增长的同时实现同样的减排效果，更为合适的将是减少煤与石油的消费而增加天然气的消费，为此可以通过提高国内天然气资源的开发利用以及进口周边国家天然气，增加天然气对煤炭和石油的替代，提高天然气在能源消费中所占比重。
4.由于本文所采用电力统计口径为水电、核电与风电，其排放系数为0，所以没有计算其二氧化碳减排成本。在政策制定时，应更多地考虑提高水电、风电与核电的比例，从而实现二氧化碳减排与经济发展的双赢。
五、政策启示
本研究表明，能源消费对经济发展有显著影响，且不同类型能源实现同等减排效果的成本存在较大差异，对于中国这种节能技术水平较低的发展中国家来说，通过能源消费结构优化可以实现二氧化碳减排和经济发展的双赢。据此提出以下政策建议：
第一，降低煤炭类和石油类能源所占比例。煤炭和石油的消费量最高，对二氧化碳排放的贡献率最大，是名副其实的排碳大户，且其边际减排成本较低，因此应该减少能源消费结构中煤炭类和石油类能源所占份额。与此同时，应大力发展煤炭清洁利用技术和先进燃煤发电技术，提高煤炭转化效率；推进热电、热电冷联供等多联产技术，提高煤炭资源的综合利用效率。对石油类能源应加大投入力度，推广采用新技术、新工艺，逐步提高成品油的环境标准，发展清洁油品。
第二，增加天然气等其他形式能源的消费。相对于煤和石油而言，天然气的边际减排成本最高，所以如果在保持经济增长的同时要实现相同的减排效果，增加天然气消费将更为合适。因此一应加快对塔里木、鄂尔多斯、柴达木和四川盆地等地区的天然气开发，积极开展战略选区工作，扩大国内天然气资源的开发利用；二应加强国际合作，打通国际贸易通道，确保国际市场供应畅通，加大进口周边国家天然气以及LNG的力度；三应大力开发和使用天然气替代、天然气水合物替代等技术，提高天然气替代石油的比重，进一步优化能源消费结构。
第三，大力发展无碳能源和新能源。由于目前电力主要依靠煤炭和热能转换，导致整个电力行业效率较低，所以应该着力提高无碳能源和新能源的比例，实现能源结构的多元化。我国无碳能源和新能源开发利用的重点主要是太阳能、风能、核能、水能和生物质能等，因此，一方面应加大对风电、核电等无碳能源和新能源技术的投入力度，如扩大建设大中型风力发电项目、大力发展核电水电工程等；另一方面应大力推广对太阳能、生物质能等无碳能源和新能源的系统利用，如扩大太阳能热水器、太阳能暖房、太阳能暖棚、太阳能暖圈、太阳能聚焦、聚热等热利用，推广农户沼气池和沼气综合利用，推广农作物秸秆气化，开展生物质能源种植与开发利用等。
参考文献：
［1］ 王顺庆.我国能源结构的不合理性及对策研究[J].生态经济，2006，（11）.
[2]高鹏飞，陈文颖，何建坤.中国的二氧化碳边际减排成本[J].清华大学学报（自然科学版），2004,（9）.
[3]郑新业.全球二氧化碳减排形势和策略[J].前线.2010,（6）.
[4]张爱军.我国发展低碳经济的政策选择[J].宏观经济管理，2010,（1）.
[5]王克强.国际能源发展趋势分析[J].上海财经大学学报，2009,（11）.
[6]罗斐，罗婉婉.中国能源消费结构优化的问题与对策[J].中国煤炭，2009,（7）.
[7]林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009,（4）.
[8]帅通，袁雯.上海市产业结构和能源结构的变动对碳排放的影响及应对策略[J].长江流域资源与环境，2009,（4）.
[9]Cho, W.G.,K.Nam,J.A.Pagán.Economic growth and interfactor/interfuel substitution in Korea[J].Energy Economics,2004,(26).
[10]李国璋，霍宗杰.中国能源消费、能源消费结构与经济增长[J].当代经济科学，2010,(3).
[11]邹璇.能源结构优化与经济增长[J].经济问题探索，2010,（7）.
[12]Strachan, N.,R.Kannan.Hybrid modelling of long-term carbon reduction scenarios for the UK[J].Energy Economics,2008,(30).
[13]王灿，陈吉宁.基于CGE 模型的CO2减排对中国经济的影响[J].清华大学学报(自然科学版)，2004,(12).
[14]彭国富，蔡扬扬.基于OR分析框架的人民币汇率评估[J].统计研究，2010,（4）.
[15] Pereira,A.M, R.M.M. Pereira.Is fuel-switching a no-regrets environmental policy ?VAR evidence on carbon dioxide emissions，energy consumption and economic performance in Portugal[J].Energy Economics，2010,(2).
How to Achieve Double Wins of Carbon Dioxide Emissions
and Economic Development?
― The Positive Analysis under the View of Optimizing the Energy Structure
XU Ying-zhi, DONG Lin-lin
(School of Economics and Management, Southeast University, Nanjing 210096, China)
【关键词】 城镇化 碳排放 STIRPAT模型 地区差异
一、引言
如今，自然资源日趋紧张，生态环境日趋恶劣，发展低碳经济已成为全世界人民关注的焦点。加速城镇化和促进低碳发展是我国目前经济发展的重点。城镇化不同阶段经济发展水平不同，不同经济发展水平下的能源消费对碳排放量的影响也不同。江苏省不同区域经济发展水平差异显著，苏南、苏中、苏北目前正处于不同的城镇化阶段，因此对比研究具有代表性的三个区域的能源消费碳排放量对我国在城镇化进程中发展低碳经济具有现实的指导意义。
二、研究方法
经济发展是碳排放增长的首要因素，本文结合York等提出的STIRPAT随机回归模型，来分析研究产业结构对碳排放的影响。该模型主要分析P（人口）、A（富裕度）、T（技术）、I（环境影响）之间的关系，公式为：
I■=？琢P■■A■■T■■e■ （1）
其中：？琢是常数项，b、c、d是人口、富裕度、技术的指数，e是误差项。
在实际分析时，将模型先进性对数化处理：
lnIi=ln？琢+blnPi+clnAi+dlnTi+lnei （2）
式（2）中，P代表城镇化水平，用城镇人口占总人口的比重表示（%），用来反映人口向城镇聚集的程度；A代表人均工业生产总值，用工业生产总值与常住人口的比值表示（元/人）；T代表工业能耗强度，选取工业能源消费量与工业生产总值的比重即工业能耗强度来表示（吨标准煤/万元）；I表示工业碳排放量（吨）。相关经济数据均以2000年为基期做了不变价处理。
根据国家统计局编制的《能源统计报表制度》，本文的能源消费指能源的终端消费量。在计算碳排放量时，首先将能源消费量折算成标准煤，然后根据国家发改委能源研究所给出的标准煤的碳排放系数为2.4567吨CO2/吨标准煤进行计算。
文中的能源数据来自江苏省13市各自历年的《统计年鉴》；经济社会数据来自历年《江苏省统计年鉴》。
三、结果与分析
1、研究区域
江苏省位于我国大陆东部沿海中心，地处长江三角洲，经济发展位于全国前列，地区生产总值占全国10%以上。江苏省经济发展区域差异大，苏南、苏中、苏北的城镇化发展处于不同的发展阶段，因此选择江苏省为研究样本，研究其城镇化发展对碳排放的影响，探究城镇化进程中碳排放的影响因素具有很好的代表性。
2、模型回归结果
苏中：lnI=0.4607lnP+0.2379lnA-0.2074lnT （4）
苏北：lnI=0.1846lnP+0.3516lnA+0.4007lnT （5）
对岭回归拟合结果进行检验（见表1），结果显示拟合结果能够通过显著性检验。
（1）工业能耗对碳排放的影响。根据回归方程可以看出，城镇化水平和工业生产总值与碳排放量都呈正相关，与实际相符合。工业发展越快，能源消耗越多，碳排放量越大。而城镇化水平的提高并没有导致碳排放的减少，很大程度上是因为城镇化发展仍然离不开工业产业的发展。
苏北地区城镇化发展较快，至2013年，苏北地区的城镇化水平已达到56.1%，超过苏中地区。相对而言，苏北地区的生产力水平较低，经济发展潜力较大。对苏北地区碳排放量影响较显著的因素是工业能耗强度，弹性系数为0.40，说明该地区节能减排的关键是降低工业能耗强度。城镇化水平弹性系数为0.18，对碳排放影响较弱，说明该地区大力提高城镇化水平不会造成碳排放量的大量增加。
对比三个回归方程，苏南和苏中的能耗强度与碳排放呈负相关，而苏北地区能耗强度与碳排放呈正相关，且能耗强度每增加1%，碳排放量将增加0.4007%，比人均工业生产总值对碳排放量的影响更大，原因在于，苏南和苏中地区的工业技术先进，能源利用效率高，而苏北地区经济落后，对传统化石能源的依赖性较强，能源利用效率较低。
（3）能源政策。应综合考虑三个地区不同城镇化发展水平下的能源政策对碳排放的影响。从三个地区的经济发展状况和资源禀赋可以看出，苏南地区的能源主要依靠进口，但苏南地区经济发展速度较快，苏中、苏北地区较多人口流入苏南地区，推动苏南地区的城镇化发展。在“十二五”期间，苏南地区基本已经实现能源消耗增长速度低于经济发展速度。苏南地区对于新能源产品和技术的研究和开发，使得苏南地区的碳排放量基本得到了控制。相对于苏南地区，苏中地区城镇化发展速度较慢，且正处于工业化中期向后期过渡阶段，高耗能产业发展较快，在推动新能源发展的同时，重点发展石油化工产业的衍生产品，能源消耗高出全省平均水平，碳排放量持续增长。苏北地区虽然城镇化水平超过苏中地区，但却是江苏省经济发展最落后的地区，能源消耗高，对煤炭等传统能源的依赖性高。但是苏北地区利用自身的地理优势，致力于新能源开发，主要研发太阳能和风能，在大力发展经济的同时注重减少碳排放量。独特的地理优势和能源优势，使苏北地区的城镇化建设发展较快，但同时也抑制了苏北地区的经济发展，促使苏北地区仍停留在重工业为主导的经济发展阶段。
四、结论和建议
1、结论
本文以处于城镇化发展不同阶段的苏南、苏中和苏北三个地区为例，利用STIRPAT模型探讨城镇化发展进程和经济发展水平对碳排放量的影响因素，研究结果表明，不同的城镇化发展进程和经济发展水平对碳排放量的影响不同。城镇化发展和经济发展速度均较快的苏南地区，碳排放量的增长速度（25.8%）已经低于工业经济增长速度（156%），碳排放量基本得到了控制；城镇化发展和经济发展速度适中平稳的苏中地区，城镇化发展是现阶段的发展重点，碳排放量增长速度与经济增长速度一致，持续稳步增长；城镇化发展速度较快但经济发展落后的苏北地区，对传统能源依赖性大，碳排放量增长速度超过经济发展速度。
（1）优化产业结构，促进产业优化升级。虽然苏南地区正在逐步实现产业转型，但是苏中和苏北地区的经济发展仍旧以重工业为主，而且江苏新能源资源匮乏，对传统能源依赖程度大，仅盐城地区风能资源较为丰富。因此加快产业结构优化升级，是减少碳排放量最直接的方法。
关键词：碳排放；经济增长；空间效应；空间滞后模型；空间误差模型
中图分类号：F061.5 文献标识码：A 文章编号：1004-1494（2013）01-0040-06
一、引言
20世纪90年代以来，世界经济迅猛发展，能源需求量逐年增加。能源消费所导致的二氧化碳排放在人为温室气体排放总量中占有绝对优势。碳排放问题正日益受到国际社会的广泛关注，对其测算及影响因素问题，国内外很多学者从不同角度、应用不同方法进行了大量实证研究。国内碳排放研究方面，宋德勇等用“两阶段”LMDI方法，从全国层面将一次性能源消费产生的二氧化碳排放相关影响因素分解并进行了周期性波动研究［1］。李国志等利用状态空间模型构造可变参数数据模型，分析了出口贸易结构对二氧化碳排放的影响［2］。胡初枝等通过经验数据对江苏区域碳排放进行估算，分析了苏南、苏中、苏北三大区域产业结构的碳排放效应差异［3］。马军杰等测算了1990年—2006年我国省域一次能源CO2排放量并对其影响因素进行了空间计量经济分析［4］。姚亮等采用结构分解分析（SDA）方法对影响居民消费碳排放量变化的驱动因素进行了分析［5］。可见，现有关于碳排放的研究多以传统的时间序列数据分析为基础，主要集中在测算碳排放量及其因素分解方面，忽略了截面数据包含的空间效应。事实上，在多区域的经济和环境系统中，一个区域由于能源消费导致的碳排放行为不仅受该地区内部决定因素的影响，而且越来越多地受到周边地区碳排放量的关联作用，区域之间的能源消费及碳排放活动呈现出明显的空间自相关性［4］。可见，在理论和实证研究中忽略空间邻近效应，势必会影响传统OLS模型参数的无偏估计，导致研究结论的可靠性受到质疑。
为此，本文在考虑空间效应的前提下，利用“十一五”规划期间的碳排放数据，研究中国省域碳排放量的驱动因素，分析省域碳排放的空间依赖及邻近省域碳排放量的空间溢出效应，从而为国家和各省域制定节能减排政策提供决策支持依据。
二、省际碳排放的决定因素及理论假说
现有对碳排放决定因素模型的研究主要有EKC模型和IPAT模型。但是大多研究仅考虑了人口、经济发展、能源消费强度等因素的影响，忽略了技术创新和城市化因素的作用。根据有关经验研究，本文对IPAT模型进行改进，重点考虑人口、经济发展水平、能源消费强度、产业结构、技术创新及城市化等六个决定因素，使用空间计量经济模型研究其对中国省域碳排放量的作用。
1. 人口规模（POP）。中国作为人口大国，为满足广大人民群众日益提高的生活水平，刚性的能源消费需求必然会导致区域碳排放量的不断增大。因此，人口是影响碳减排压力的一个重要变量，本文预期其与碳排放之间呈正相关关系。
2. 经济发展水平（PGDP）。在经济快速发展的同时，也必然伴随着相应的能源消耗及其碳排放。本文选用人均GDP衡量一个地区的富裕度和经济发展水平，用以检验其对碳排放的影响。一般来说，区域经济发展水平越高，能源消费量相对越大，由此产生的碳排放量也就相应越多，二者之间应为正相关关系。
3. 能源消费强度（ENERGY）。能源消费强度定义为生产单位GDP所消耗的能源数量，能源强度越低，意味着能源利用效率越高。能源利用效率的不断提高，使得单位GDP所消耗的能源减少，从而减少碳排放量。因此，本文将能源消费强度纳入影响碳排放的驱动因素之一，并预计两者呈正相关关系。
4. 产业结构（STRU）。经济增长方式的转变同样影响着能源消耗和碳排放量的大小。长期以来，中国经济增长方式粗放，直接影响以煤碳为主的能效的提高，使得碳排放增长的态势难以遏制。实现经济方式由粗放式向集约式的转变是减少碳排放的必然选择。本文以第二产业与第三产业产值之比刻画产业结构对碳排放的作用。鉴于我国目前正处于产业结构转型过程中，预期其对碳排放的作用尚未充分发挥。
5. 城市化（URB）。近年来，中国城市化过程中的人口迁移对能源消耗和碳排放产生冲击，大规模城市基础设施和住房建设所需要的大量水泥与钢铁生产，导致高能耗高排放。城市化进程也是影响碳排放量的重要因素。本文选用城镇人口占总人口的比重衡量城市化［6］，初步预期其对碳排放产生正向作用。
6. 技术创新（RD）。中国每年巨大的能源消耗支撑着经济的快速增长，而经济迅速发展的同时，也带来了开发新技术新工艺的大量投入。但是，对于生产工艺和设备的引进，以及各种研发活动，到底对地区企业的节能减排产生了何种影响，目前的研究结果并不确定。本文选用各省域研究与试验发展（R&D）经费内部支出来衡量技术创新对碳排放的影响，其作用还有待检验。
三、模型设定与数据来源
（一）模型设定
基于以上解释变量，利用柯布—道格拉斯生产函数形式的双对数经验形式，建立如下碳排放影响因素模型：
（1）
其中，i表示30个省级地区，LnCARBON为被解释变量各地区碳排放量；LnPOP表示各地区人口数量；LnPGDP表示人均GDP；LnENERGY表示能源消费强度；LnSTRU表示第二产业产值占第三产业比重；LnURB表示城市化水平，LnRD表示技术创新。参数β分别反映了六个解释变量对被解释变量碳排放的影响。
假定模型（1）为没有考虑邻近地区空间效应的碳排放影响因素模型，可用OLS方法估计。但是，如果地区碳排放存在着空间自相关性，则有必要采用纳入了空间相关性效应的空间滞后模型、空间误差模型等空间计量经济模型。
空间滞后模型（Spatial Lag Model，SLM）主要探讨地区碳排放变量是否存在邻近地区碳排放溢出效应的情况。其模型表达式为：
（2）
式中，WlnCARBON为空间滞后被解释变量，反映邻近地区的碳排放对区域碳排放行为的作用大小和程度；ρ为空间滞后回归系数；W为n×n阶的空间权值矩阵，w表示W中的元素，一般用空间邻接矩阵；ε为随机误差项向量。
当一些决定地区间碳排放的因素没有被考虑到解释变量中时，则需要采用空间误差模型（Spatial Error Model，SEM）。空间误差模型的形式为：
（3）
式中，ε为随机误差项向量，λ为n×1阶的被解释变量向量的空间误差系数，μ为正态分布的随机误差向量。参数λ为存在于扰动误差项之中的空间依赖变量，衡量相邻地区忽略的具有空间依赖性的碳排放被解释变量的误差冲击对地区碳排放的影响方向和程度。
（二）数据来源
实证研究中所用到的空间样本为除了外（缺少能源数据）的中国大陆30个省、自治区和直辖市（简称省域或地区）。作为我国国民经济和社会发展“十一五”规划的基数年份，2005年是中国经济发展的一个关键年份，国家致力于通过宏观调控促进经济增长方式转变，力图在结构调整方面取得实质性进展。本文重点考察2005年—2010年之间我国各省域碳排放的决定因素，所用数据来源于2006年—2011年的《中国统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》和《中国区域经济年鉴》，实证变量数据取算术平均数，以消除年度波动影响。在碳排放行为研究中的一个基础工作是测算各种类型能源消耗的碳排放系数。虽然国内外各种能源研究机构和相关学者对各类能源消耗的碳排放系数进行了测算研究，但是大家获得的结果略有差异。国际机构使用的碳排放系数据其所在国情况测算，直接用来计算中国能源消耗碳排放是有问题的。本文综合考察了国内外相关研究，最终确定采用国家发展和改革委员会能源研究所在《中国可持续发展能源暨碳排放情景分析》中推荐的碳排放系数：即煤炭的碳排放系数为0.7476、石油为0.5825、天然气为0.443。
四、实证估计与结果分析
为了描述中国30个省级地区碳排放量的空间分布情况，本文首先采用空间自相关的Moran’s I测算各省碳排放量是否存在聚群现象［4］。在做空间相关分析时，选择了常用的描述地区间邻近关系的一阶、二阶和三阶rook权值矩阵进行比较分析，最终再确定阶数。表1报告了三类rook权值矩阵的省际碳排放量空间自相关性的计算结果。
表1显示，基于rook一阶空间权值矩阵W1计算的30个省域碳排放的Moran’s I为0.2227，在0.19%的水平上显著，表明中国省域之间的碳排放量在空间分布上并非分散（随机）分布，具有明显的正自相关关系（空间依赖性），表现出某些省域碳排放量的相似值之间在空间上趋于集群的现象。同时计算发现，rook邻近从低阶到高阶，全域Moran’s I值逐阶下降，表明地区间碳排放量的空间相关性随着其空间距离的增大而衰减。由此，选择rook一阶空间权值矩阵符合现实，在研究区域碳排放问题时有必要考虑空间效应，否则得到的结果可能存在较大偏差。
表1 Moran’s I检验结果
注：表中W1为rook一阶空间权值矩阵，W2为rook二阶空间权值矩阵，W3为rook三阶空间权值矩阵。
由于全域Moran’s I有很大的局限性：如果一部分省域的碳排放增长存在正相关（溢出效应），而另一部分省域存在负相关（回流效应），二者将会抵消，则可能显示省域间的碳排放不存在空间相关性。此外，省际碳排放溢出与回流效应也未必局限于有共同边界的相邻省域间。因此，本文还进行了基于W1的空间关联局域指标LISA检验Moran散点图（略）分析，结果表明：位于第I象限的省域有黑龙江、内蒙古、辽宁、河北、山西、陕西、江苏、山东、河南和安徽，表现为高碳排放量的省域被高排放量的省域所包围（High—High，高—高集聚）；位于第II象限的省域有吉林、北京、天津、宁夏、重庆、江西、福建和广西，为低碳排放量的省域被高排放量的省域所包围（Low—High，低—高集聚）；位于第III象限的省域有新疆、甘肃、青海、贵州和云南，为低碳排放量的省域被低排放量的省域所包围（Low—Low，低—低集聚）；位于第IV象限的有广东、湖南和四川，为高碳排量的省域被低排放量的省域所包围（High—Low，高—低集聚）；其中上海跨越了第I、Ⅱ象限，海南跨越了第Ⅱ、IV象限，湖北和浙江同时跨越了第IV、I象限。显见，各省域碳排放量的空间集聚性非常明显，正向局域相关和集聚的典型特征非常显著，存在一个明显的空间趋同。省域碳排量在地理空间分布上呈非均衡，15个省域（50%）显示了相似的空间关联，其中10个（33.33%）的省域在第I象限（HH：高碳排放量—高空间滞后），5个（16.67%）的省域在第III象限（LL：低碳排放量—低空间滞后）。另外，对空间不稳定性和非典型区域偏离了全域正向空间自相关的省域识别结果显示：2005年—2010年平均来看，11个省域（36.67%）显示了非相似值的空间关联，其中8个省域在第Ⅱ象限（LH），3个省域在第IV象限（HL）。这表明各省域的碳排量行为的空间局域依赖性和差异性是同时存在的。
以上空间统计分析结果证明，中国省域碳排放量存在着较强的空间依赖性，有必要建立空间计量经济学模型来分析，将空间效应的省域碳排放量纳入影响因素。经典计量经济学模型假设空间是均质的，没有考虑到空间依赖效应，由于空间自相关性的存在，使得普通最小二乘估计无效，假若忽视空间自相关性，则可能无法得到稳健的回归结果。因此，需要建立空间计量经济学模型来克服OLS无法解决的空间依赖效应。为了与空间计量经济学模型的结果进行比对，本文先采用OLS进行估计，以显示空间计量经济模型估计结果的效果。
表2中六个解释变量的地区碳排放OLS估计结果显示，调整后的R2高达0.9193，模型的解释能力很强，F统计量为56.0299，通过了1%的方程显著性水平检验，因此模型的拟合程度很好。DW值为1.9197，表明模型残差不存在序列相关问题。变量的t检验结果显示，LnPOP、LnENERGY、LnPGDP均至少可通过0.28%显著性水平的检验，而LnSTRU、LnURB和LnRD均没有通过10%的显著性水平检验，表明这三个变量的作用不明显。进一步对解释变量的多重共线性检验发现，LnPGDP和LnUrban的方差膨胀因子（VIF）分别为12.9358和12.9453，大于10的临界值，表明这两个变量存在较高的共线性，不能同时进入回归模型，lnRD的VIF为9.7701，也存在一定程度的共线性。逐步回归分析获得的表2中三个解释变量的回归结果表明，当剔除不显著的LnSTRU、LnURB和LnRD三个变量后，VIF检验发现模型不存在共线性，而且三个解释变量的t统计量均至少能通过小于0.01%的变量显著性检验，因此三解释变量省域碳排放模型是更为可取的模型。
实际上，空间统计的Moran指数检验已经证明了我国30个省域的碳排放具有明显的空间自相关性，经典线性回归模型的OLS估计可能存在忽略空间效应的模型设定不当问题。为了进一步验证空间自相关性的存在，本文进行了省域碳排放的空间滞后和空间误差模型检验，结果如表3所示。
表3中的六个解释变量和三个解释变量模型Moran指数检验、两个拉格朗日乘数的空间依赖性检验结果显示：Moran指数（误差）检验证明经典回归OLS估计误差在4.98%和1.35%的显著性水平下具有显著的的空间依赖性（相关性）；区分内生空间滞后还是空间误差自相关的拉格朗日乘子滞后、误差及其稳健性检验表明：LMLAG和R-LMLAG分别在2.92%和3.78%、2.08%和2.37%的水平上较显著，而LMERR和R-LMERR则均不显著，显见空间滞后模型SLM应是更加恰当的模型形式。
最后，比较表2中的检验结果发现，空间滞后模型（SLM）中拟合优度的值（94.16%）、对数似然值LOGL（8.1831）都大于空间误差模型（SEM）和经典回归估计模型（OLS）的估计值，而SLM的AIC值（-0.3662）、SC值（10.8434）则均小于SEM和OLS的估计值。综合以上检验结果，SLM为最优模型。因此，本文以下的分析以SLM结果为主。表2中的三个解释变量省域碳排放模型的拉格朗日乘子误差和滞后及其稳健性检验显示，引入空间效应的模型较之OLS模型均有明显改善，SLM较之SEM是更为可取的模型形式，更好地反映了省域碳排放行为。
表2的空间计量分析结果显示，SLM的空间滞后估计参数ρ通过了1.22%和2.03%的显著性水平检验，表明省际碳排放存在空间集聚（回流）效应，即临近地区的碳排放量每增加1%，本地区碳排放量减少0.0782%和0.0618%；SEM的空间误差估计参数λ为0.4854和0.5250，通过了1.11%和0.40%的显著性水平检验，表明省际碳排放存在较强的空间依赖作用，忽略掉的一些因素如资源配置、劳动者素质、管理水平和市场化程度等也可能通过误差项对该地区碳排放产生着一定的作用。
最后，三解释变量模型估计结果显示：能源消费强度对省域碳排放的回归系数最大，为1.4433，表明在不考虑其他因素的情况下，地区能源消费强度每增加1%，碳排放总量平均增加1.4433%；其次是人均GDP的回归系数为1.1591，人均GDP每增加1%，碳排放量平均增加1.1591%；人口增长的回归系数为1.1088，人口每增加1%，碳排放量平均增加1.1088%；这三个决定因素的作用与理论预期一致。而城市化、产业结构及技术创新的回归系数均不显著，原因主要是：我国东中西部处于不同城市化发展阶段，“十一五”规划的宏观调控目标及经济增长方式转变对地区碳排放的作用还不够明显，各个地区的企业在生产和工艺环节方面还有待采用更为有效的节能减排技术，需要继续增强技术创新对消减地区碳排放的作用。
五、结论与启示
本文构建了省域碳排放量决定因素实证模型，对碳排放决定因素及其空间溢出效应进行了空间计量分析，得到如下主要结论及启示。
1. 中国30个省域相邻地区的碳排放行为普遍存在着正相关性，省域之间的碳排放行为存在空间集聚（回流）效应，制定省域碳排放政策时需要考虑碳排放行为的空间效应。
2. 能源消费强度是影响碳排放的最主要驱动因素。碳排放的实质是能源消耗，驱动中国经济增长的能源消费主要以煤炭为主。长期以来，低下的能源利用效率使得单位GDP的碳排放量较高。从长远利益考虑，中央及各级地方政府应在技术资金政策上鼓励新能源开发，实现节能减排，各省域要增加清洁能源如水能、风能、核能等的使用，各企业单位要提高能效、降低碳排放。
3. 人均GDP和人口规模的影响仅次于能源消费强度。虽然“十一五”期间的宏观调控与促进经济增长方式转变取得了一些成绩，但效果比较有限。提高经济增长质量和经济效益势在必行。同时，鉴于各省域人口总量增长惯性仍在持续，在继续严格执行计划生育政策的同时，提倡和鼓励居民理性消费、绿色消费，逐步促进城镇和农村居民消费向“绿色低碳”模式转变，构建资源节约型和环境友好型社会。
4. 产业结构对碳排放的影响不显著。1995年以来，我国大多数省域的产业结构变动并不大，第二产业比重基本上保持了小幅上升趋势，有些省域甚至出现了较大幅度下降（如北京、上海、云南）。优化产业结构，促进绿色产业发展是当下各省域实现产业升级的关键。各地方政府要淘汰高能耗、高污染的落后产业，大力发展高新技术产业和现代服务业，尤其是高产出低能耗的产业，如信息产业、生态旅游、新能源开发等，不断提高第三产业在国民经济中的比重，以降低能源消耗和碳排放量。
5. 城市化对碳排放的影响不显著。城市化既可能提升环境效率，也可能对环境产生负面影响。由于东部地区城市化水平较高，提升了第三产业、优化了产业结构，同时不完全竞争条件下的规模收益递增、人口和经济要素的集聚以及相应的知识、技术溢出，提高了整个东部地区的能源利用效率，减少了碳排放；中部地区还处于初级城市化阶段，建设项目主要集中在生活基础设施以及工业化基础设施方面，经济发展水平及能源利用效率相对较低，因而其城市化的提升反而带来了碳排放的增加；西部地区城市化进程缓慢，对碳排放的影响并不显著，导致全国省域城市化水平平均效应对碳排放的影响不显著。
6. 技术创新的作用不显著。由于技术创新虽然改善了能源效率而节约了能源，但技术创新同样促进了经济的快速发展，这又将导致对能源需求的增加，出现效率提高所节约的能源被因经济快速增长带来的额外能源消耗（部分地）抵消，即能源的回弹效应，最终导致各省域的研发投资对减少其碳排放数量的作用没有显现出来。为此，各省域的工业企业应该进一步加大清洁能源的研发资金投入，中央政府和各级地方政府要出台鼓励节能技术研发和推广的支持政策，重点提高节能减排投资的效率。
参考文献：
［1］宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究［J］.中国人口·资源与环境，2009（3）：18-24.
［2］李国志，王群伟.中国出口贸易结构对二氧化碳排放的动态影响——基于变参数模型的实证分析［J］.国际贸易问题，2011（1）：82-89.
［3］胡初枝，黄贤金.区域产业结构变化的碳排放效应研究——以江苏省为例［C］.//中国地理学会2007年学术年会论文摘要集，2007：34-39.
［4］马军杰，陈震，尤建新.省域一次能源CO2排放的空间计量经济分析［J］.技术经济，2010（12）：62-67.
［5］姚亮，刘晶茹，王如松.中国城乡居民消费隐含的碳排放对比分析［J］.中国人口·资源与环境，2011（4）：25-29.
［6］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）：66-78.
关键词：气候变化经济学；气候变化的经济影响；温室气体减排成本
一、引言
政府间气候变化委员会(ipcc)第四次评估报告指出(2007a)，近百年来，全球表面的气温升高了0.74℃。如果在2000年到2030年间依然保持目前的能源消费结构，全球温室气体的排放将增加25—90％，预计未来20年间，气温将每10年增加0.2℃。科学证据表明燃烧化石燃料排放的二氧化碳的累积以及人类活动排放的其他温室气体如甲烷和氧化亚氮等是导致气候变化的重要原因。气温升高可能导致极端气候事件(如热浪)发生的频率加大、风暴的密集度增加、大气降水模式的改变以及海平面上升等。这些自然系统的变化反过来又会对生态系统的功能产生根本的影响，从而威胁生物的生存能力和人类财富的安全。
经济学家williams nordhaus1982发表了题为“how fast shall we graze the global commons”的文章，开始应用经济学研究气候变化，从此气候变化经济学就将焦点落在分析气候变化的影响和提供积极的针对面临的气候问题的政策分析。虽然和环境经济学的其他领域有重叠，但气候变化经济学更多的是利用气候变化的鲜明特点，即温室气体影响的长期性、气候问题产生和影响范围的全球化、政策的效益和成本的不平衡的分布等，来理解气候变化问题的多个侧面。通过模拟经济发展和温室气体排放增长的趋势，检验和分析技术选择对气候变化进程和减排成本的影响，选择控制气候变化的具体措施(如碳税和碳交易等)。
气候变化经济学已经建立了其研究领域和基础要素，并在经济学界达成了共识。1997年，美国2500名经济学家，包括9位诺贝尔经济学奖得主共同发表了一项声明，指出最有效的减缓气候变化的方法是通过基于市场的政策。他们认为如果没有控制措施，温室气体继续排放将导致世界随着气候系统的变化经历根本性的变革。他们相信经济学家和决策者能够利用大量的证据和量化的风险评估提供的信息来帮助形成应对气候变化的措施。
二、气候变化的损失和减缓的效益
气候变化可能导致一系列的后果，如平均气温升高、极端天气现象频率发生、降水模式的变化、海平面上升和生态系统的改变等，这些生物物理系统要素的变化将对人类的福利产生不同程度的影响。经济学家通常将气候变化对人类福利的影响分为两类：市场和非市场的损失。
市场的损失(market damages)来源于气候变化导致的市场产品的价格波动和数量的变化给福利带来的影响，主要是因为生产量的变化受气候变化要素的约束。研究者通常应用气候依赖型的生产函数来模拟气候变化的福利影响。例如，小麦的产量是气候要素气温和降水的函数，因此可以直接估算由于气候要素变化导致的小麦产量的变化。生产函数法还被用在森林、能源服务、水资源利用以及海平面上升导致的洪水等产生的经济损失。有学者认为生产函数法忽视了产品之间替代的可能性。于是享乐价格法(hedonic approach)则成为估算气候变化损失的另一选择。例如mendelsohn et al.(1994)将享乐价格法应用到农业，基于选择最大化地租的假设，利用跨部门的数据检验自然、物理和气候变量对土地价格的影响。
非市场的损失(no—market damages)包括由于不利的气候变化导致的直接效用的损失、损失的生态系统的服务以及生物多样性减少导致的福利的减少。这些损失的价值不能够在市场上直接观察到。例如，生物多样性的损失没有和价格的变化有任何明显的直接联系，也观测不到需求的变化。条件价值评估法(contingent valuation method)是最有争议也是最为广泛被采用的评估非市场损失的方法。berk and fovell(1998)利用支付意愿法研究了美国加州不同地域的公众为阻止当地的气候变化每月愿意支付的价格。结果表明冬季人们为阻止当地气候变得暖湿／暖干的支付意愿分别是每月9.74和16.70美元，而为阻止气候变得冷湿／冷干的支付愿意分别是每月11.10和18.18美元。
评估气候变化的经济影响，更多的研究利用包括市场和非市场部门的经济模型，估算全球或是区域气候变化的经济损失。总体上，基于模型的实证性研究报告了三种不同的气候变化经济影响的评估和结果。第一种是计算在特定的全球平均气温升高的情况下，气候变化的影响占gdp的百分比。mendelsohn et al.(2003)估算了气候变化对农业、林业、水、能源和海岸地带五个市场部门的影响，结果表明全球气候变化的影响非常的小。如果气温比工业化前升高4℃或是以上，在此情况下气候变化对上述五个部门的影响都是正的。tol(2002)的估算包括市场(农业、林业、水、能源、海岸地带)和非市场的部门(生态系统以及疾病造成的健康影响)，结果发现如果气温比工业化前升高0.5℃时，气候变化带来的效益占全球gdp的2.5％。如果全球气温升高2-2.5℃，气候变化的损失占全球gdp的0.5-2％。dordhaus(2000)除了考虑更多的市场部门、与气候相关的疾病、污染造成的死亡以及生态系统外，其模型还包括了气候变化导致的灾害的经济损失。
第二种研究气候变化的经济影响则是按照特定的排放情景，在特定的经济发展、技术变化和适应能力的假设前提下，经济影响被按照时间的发展综合，然后被贴现到现在的值。一些估算是在全球的尺度上进行的，有些估算是综合一系列地区或是当地的影响以得到全球的总和。stern(2006)应用综合评估模型，设计了基准和高气候变化的不同情景。模型估算的结果表明，在“照常营业”(business—as—usual)的情景下，即如果我们现在不采取措施或是行动的话，气候变化对市场部门的影响加上灾害的风险损失，每年至少占全球gdp的5％；如果将市场部门、灾害的风险和非市场的损失都计算在内的话，气候变化影响的损失估计每年占全球gdp的20％或是更多，而且损失将一直持续。jorgenson et al.(2004)应用一般均衡模型(cge)估算气候变化对美国投资、资本的存量、劳动力和消费的影响。结果显示，如果温室气体排放导致气温升高3℃，在最佳的适应状态和潜在的危害较低的情况下，气候变化的净收益为gdp的1％；如果很少采用适应气候变化的措施，损失为gdp的3％。不管是哪种情景，70-80％的气候变化影响是由农业产品的价格变化引起的，少部分是由能源价格和死亡率的变化导致的。
第三种气候变化影响研究的是估算社会碳成本(social cost of carbon，scc)。在任何时间段或是任何时间内，scc是每增加一个单位的碳排放(co2)造成的以经济价值来估算的额外(边际)影响或是损害，也可以理解为每减少一个单位的碳排放的边际效益。scc的计算尽可能将每一吨额外保存在大气中的co2的边际影响加起来，此过程需要一个温室气体在大气中停留的时间模型和将经济价值贴现到排放年限的方法。2005年社会碳成本的平均估算值为每吨碳(tc)43美元(即每吨二氧化碳12美元)，但该平均值的变化范围很大，如在100个估算中，每吨碳从10美元(每吨二氧化碳3美元)到高达每吨碳350美元(每吨二氧化碳95美元)(ipcc，2007c)。社会碳成本大幅度的变化在很大程度上是由于估算的假设上存在的差异造成的，如气候敏感性、响应时间滞后、风险和公平的处理方式、经济的和非经济的影响、是否包含潜在灾难损失和贴现率选择等。
三、温室气体减排成本的估算
美国国家环保局的研究(us epa，2006)分析了全球和不同地区以及不同部门的非二氧化碳温室气体的减排成本，指出如果减排成本是$10／tco2eq，2020年全总的非二氧化碳的减排潜力大于2000mtco2eq(二氧化碳当量)；如果减排成本为$20／tco2eq，则减排潜力为2，185mtco2eq。由于二氧化碳是最大的温室气体来源，而且其在大气中的累积对气候系统产生巨大的影响，目前国内外主要的研究大都集中讨论二氧化碳的减排成本。
1、减排成本估算的方法和模型
二氧化碳的减排成本取决于多种边际替代的可能性，例如不同燃料的替代以及替代能源密集型产品的能力等。替代的潜力越大，则满足特定的减排目标的成本也就越低。研究者主要应用的模型采用两种不同的方法来评估可替代性的选择和减排成本：“自上而下”和“自下而上”的模型。
“自下而上”的能源技术模型，提供了非常详细的有关具体的能源过程或是产品的技术信息。模型趋于集中在一个部门或是一组部门，对于一般能源替代的能力提供较少的信息，也不能反映能源密集型产品价格的变化对这些产品的中期和最终需求的影响。自下而上的研究一般是针对行业的研究，所以将宏观经济视为不变。比较常用的模型有斯德哥尔摩环境研究所开发的leap，日本环境研究所的aim／enduse以及在国际能源署框架的markal模型等。许多研究机构都根据研究需要和解决的问题开发不同的模型。
“自上而下”的研究是从整体经济的角度评估减排成本的经济模型，包括“可计算一般均衡”(computable general equilibrium，cge)模型。这些模型的优势在于能够追踪燃料的价格、生产方式以及消费者选择之间的关系。然而，这类模型包涵了较少的具体的能源过程或是产品的信息，能源之间的替代通过平稳的生产函数来体现，而不是详细的可选择的不连续过程。自上而下的研究是从整体经济的角度评估减排成本，使用全球一致的框架和有关减排的综合信息，并抓住宏观经济反馈和市场反馈。自上而下的结果很大程度上依赖于模型建造的假设。repetto & duncan(1997)的综合分析发现，广泛应用的估算气候变化减排成本的模型，都包括了以下主要假设：低碳或是无碳技术的可得性以及成本，经济对于价格变化反应的有效性，能源和能源产品可替代性程度，达到具体的二氧化碳减排目标需要的年限。是否减少二氧化碳排放就可以避免一些气候变化的经济成本，是否减少化石燃料的燃烧就可以避免其他的空气污染的损害，碳税税收如何在一个经济体内循环等。如果假设条件不同，得出的减排成本的差异是比较大的。
综合评估模型(integrated assessment models，iam)模拟人类活动导致的气候变化的过程，从温室气体的排放到气候变化的社会经济影响进行综合的分析。这类模型将温室气体排放、温室气体在大气中的集中程度、气温、降水等要素联系起来，同时还考虑这些要素的变化如何反馈到生产和效用系统。综合模型也多为优化模型，以解决随着时间的变化如何将减排的利益最大化。综合模型利用气候变化经济分析的方法，比较减缓温室气体排放的政策成本和消除或是减弱气候变化的效益。这类模型如麻省理工学院的igms模型和stern报告中应用的page2002等。
2、减排成本的实证研究
ipcc(2007c)第四次评估报告指出，实现中期减排(2030年)，全球将温室气体稳定在445和710ppm co2-eq之间的宏观经济成本处于全球gdp降低3％和gdp增长0.6％这一范围内。实现长期减排目标(2050年)，大气中温室气体稳定在710和445ppm co2-eq之间，全球平均的宏观经济成本是gdp增加1％到gdp损失5.5％。大多数研究的结论是随着温室气体稳定目标的严格，减排成本加大。模拟也表明，假设排放交易体系下的碳税收入或拍卖许可证的收入用于促进低碳技术或现有税制的改革，将会大幅度降低减排成本。全球减排二氧化碳的宏观经济成本的估算主要是利用自上而下的模型，模型的总体假设是在全球排放交易的前提下，寻找全球最低的减排成本。
区域减排成本在很大程度上取决于假设的温室气体的稳定水平和基准情景。对于相同地区减排成本的估算，由于采用了不同的模型和假设，最后得出的结果也有很大的差异。虽然计算结果在具体的数据上有所不同，但是模型所解释的总体特征还是具有一致性。chen(2004)利用中国的markal—macro模型，预测中国2050年的一次能源的消费为4818mtee，碳的排放量为2395mtc，从2000到2050年之间，中国单位gdp的碳强度将平均每年降低3％。在此情景下，如果co2的减排幅度为基准水平的5-45％，估算的碳的边际减排成本在12美元／吨碳到216美元／吨碳，减排的经济成本相当于在基准基础上损失0.1％到2.54％的gdp。王灿等(2005)采用综合描述中国经济、能源、环境系统的动态cge模型，分析了2010年实施碳税政策的减排情景。结果发现，在基准排放水平下co2减排率为0-40％时，gdp损失率在0-3.9％之间，减排边际社会成本是边际技术成本的2倍左右。当在基准排放水平下co2削减10％时，碳排放的边际成本约99元／吨，gdp仅下降0.1％左右，如果减排率上升到30％时，碳排放的边际成本约475元／吨，gdp将下降1％左右。
英国公共政策研究所(lockwood et al.，2007)报告了一项基于不同模型对于英国减排成本的估算。其中，anderson的自下而上的模型结果表明，在2050年，如果减排目标是在1990水平上减排80％，在基准没有控制飞行的排放的情境下，减排的成本为gdp的2.49％；如果控制飞行的排放，减排成本是gdp的1.06％；在能效提高的情景下，减排成本为gdp的0.76％；而如果有新核能的投入，则减排成本为gdp的0.94％。markal—macro模型的结果显示，在2050年，基准的情景下减排成本为gdp的2.81％；加速技术革新的减排成本为gdp的2.58％；高燃料价格的情景下，减排成本为gdp的2.64％；而能源效率加速提高的减排成本为gdp的2.04％。不管哪类模型，结果均显示提高能源效率是降低减排成本的关键因素。这两个模型的结果也被用在英国能源白皮书中，强调提高能源效率是英国的能源政策的优先考虑。
研究还发现估算co2的减排成本，基于不同的理论和方法的变量是关键的要素，例如贴现率的选择、市场有效性的假设、外部性的处理、价值评估的问题和技术、气候变化相关的政策的影响、交易成本等，这些经济要素的不同都会导致估算成本的差异。
3、技术变化与减排成本
气候是由存储在大气中的温室气体决定的。有些温室气体在大气中能够存在上百年，使得气候变化成为一个长期性的问题，因此技术条件的假设对于减排成本的估算就非常的重要。温室气体的减排成本和技术变化的速率、技术替代以及新技术的应用是直接相关的。和没有考虑技术进步的模型比较，将技术变化包括在模型中估算出来的温室气体减排成本明显的减低(ipcc，2007c)。这些成本下降的幅度关键取决于减缓气候变化的技术研发支出的回报率、行业和地区之间的溢出效应、其它研发的推广以及边干边学的模式和学习的速度等。
目前应用的技术进步模型已经有了极为显著的改进，超越了早期的传统模型中将技术看作是外部变化因子的模式。最近的几个模型允许技术进步的速率或是方向对内在的政策干预做出反应。一些模型(如popp，2004；nordhaus，2002)则集中在研究和开发基础上的技术变化，结合政策干预、激励研发的政策以及知识的进步。其他的模型则强调基于学和做的技术变化，考虑累积的产出是和学习相关的，随着产出的不断累积而降低生产成本。相对于那些将技术认为是外部因素的模型，政策介入所产生的技术变化的模型能以比较低的减排成本达到规定的减排目标。
四、气候变化经济学与不确定性
气候变化最大的特点是不确定性，在科学上和经济学上均具有不确定性。科学上的不确定性表现在我们还缺乏对一些科学问题的认识，例如排放的温室气体在大气中积累的量，温室气体集中程度的改变对全球气候的影响，气候变化在全球范围内分布以及出现的速度，区域气候变化对海平面、农业、林业、渔业、水资源、疾病和自然系统的影响等。经济上的不确定性表现为我们不确定世界人口和经济的增长速度，人类活动的能源强度和土地强度，控制温室气体排放或是鼓励技术发展政策对温室气体在大气中累积的影响以及政策的成本等。
1、不确定性与气候政策的选择
不确定性分析的目的一是辨别出一系列可管理的变量，二是估计每一个重要的参数可能的分布，三是估计参数的不确定性对所解决的重要问题的影响。一些成熟的数学模型已经被学者用来分析和成本效益相关的不确定性，如一些学者采用monte carlo模拟分析减排模型输出的不确定性，决定那些缺乏知识的随机的参数或是误差如何影响被模拟的系统的敏感性和可信度。此方法提供了给定政策的一系列结果或是一系列的优化政策。王灿等(2006)利用monte carlo模型对cge的二氧化碳减排模型的不确定性进行了分析，他们对cge模型的50个自由参数进行随机采样，考察模型输出的不确定性。敏感性分析也被用来确定减排成本评估中对估算结果产生重要影响的因素。还有一些研究者利用其他的模型来处理不确定性。例如nordhaus(2007)利用综合的气候-经济模型dice同时分析不确定性。
2、不确定性与贴现率的选择
温室气体在大气中的存在要持续一个世纪或是更长的时间，因此减缓气候变化的效益必须在不同的时间尺度上被度量，这样就提出了贴现率在气候变化研究中的重要作用。通常讨论两种贴现的方法，但这两种方法均存在明显的不确定性。一种是应用社会时间偏好率，即纯粹的时间偏好率和福利的增长率之和。另外的方法考虑市场的投资回报率，使项目的投资能够得到这种回报。也有专家指出，应该选择比预期价值低的贴现率，以反映贴现的要素以及贴现率和贴现的时间间隔之间的关系。针对减缓气候变化的行动，一个国家必须将其决策建立在让贴现率能够反映资本的机会成本的基础上。发达国家一般采用4-6％的贴现率是合理的(这个贴现水平被欧盟国家用来评价公共部门的项目)，而发展中国家的贴现率可能会高达10-12％(ipcc，2001)。在stern的报告中，基于对气候变化公平性的强调，选择了近似于零的0.1％的贴现率，致使其气候变化影响的估算受到了经济学界的批评。nordhaus(2007)用相似的方法和3％的贴现率重新模拟stern的估算，发现气候变化的经济影响远远低于stern的结果。
3、不确定性与减缓气候变化的行动
除了对减缓气候变化的成本估算有影响，不确定性同时也提出了非常重要的问题：是否应该现在就采取行动减缓气候变化?现在行动应该投入多少?还是等待至少是一些不确定性得到解决?经济学原理建议，在缺乏固定的成本和不可逆转性的情况下，社会现在就应该采取减缓气候变化的行动，温室气体的减排量应该是在预期的边际成本和边际效益相等的那个点。然而，无论是在成本侧的低碳技术的投资还是在效益侧的温室气体排放的累计，气候变化和固定成本和不可逆的决策存在着固有的联系。这些特征导致或是采取更为积极的行动来减缓气候变化或是没有行动，分别取决于各自沉没成本的大小。实证性的分析和数学模型建议现在就应该开始采取措施减缓温室气体的排放，以获得显著的环境效益。stern的研究报告(2006)显示，如果现在采取行动控制温室气体的排放，气候变化的损失会控制在每年损失全球1％的gdp。所以他呼吁世界应该立即行动，大幅度的削减温室气体的排放，以避免气候变化带来的严重损失。
五、结语
【关键词】碳排放强度 产业结构升级 STIRPAT模型
一、引言
低碳经济发展道路的选择不仅源于科学认识水平的推动，更重要的还要基于对其博弈过程及影响效果的技术考量。2009年底，我国承诺将在2020年实现单位GDP二氧化碳排放比2005年降低40%―45%，我们必须从源头上抓住重点发展低碳经济。产业集群对于提高能源利用效率、带动区域经济增长发挥着十分重要的作用；但是传统产业集群多是高能耗、高碳排放、高污染类型，因此，有必要尽快对现有产业集群进行低碳化升级，以实现低碳经济发展目标。
二、文献综述
理论研究方面，冯之浚、牛文元（2009）[1]指出，我国低碳经济发展需要在观念、结构、科技、消费和管理五个方面推进创新，而产业结构调整是推进我国结构创新的重要举措之一；张丽峰（2011）认为，目前我国工业尤其是重化工业仍是经济发展的重要支柱，节能减排的重要任务应以调整三次产业的内部结构和提高技术水平来实现；陈永国等（2013）提出了产业结构与碳排放强度演进的“开口型曲线”假说，正处于“开口型曲线”的拐弯阶段，产业结构仅有个别年份对碳排放强度起结构红利贡献，整体上是结构负担贡献。实证研究方面，陈诗一（2011）分析对上海而言更要特别注重第三产业中的交通运输业减排、切实进行国企改革、改变政府主导和投资驱动的增长模式。王薇（2014）选取我国1978～2011年城市化水平、产业结构及碳排放量的数据，表明城市化水平、第二产业对碳排放的影响具有滞后效应，且长期的影响显著。
学者基于不同角度研究了产业结构升级对碳排放的影响作用，但学术界对产业结构升级和低碳经济融合的研究并不成熟，文章利用我国1995―2012 年间的面板数据，对其影响进行定量分析。
三、产业结构升级对碳排放强度影响的实证分析
STIRPAT随机性环境影响模型： 。其中，i、t分别代表地区与年份，P、A、T分别代表人口、经济、技术对碳排放的影响。其中，I是用碳排放强度（GOT）来衡量，采用碳排放系数法对东部地区碳排放量T进行测度， ；A以工业增加值占GDP比重来衡量，表示为IS；技术指标T通常用单位GDP比能源消耗来表示能源强度表示为EP。
（二）单位根检验
本文使用IPS、LLC、Fisher-ADF和Fisher-PP面板据的单位根检验，所有变量的原值均为非平稳序列，经一阶差分后所有变量变为平稳，表明变量为一阶单整。
（三）协整检验
文章研究采用了面板协整的Johansen 协整检验和Kao检验。检验结果中我们可以显著拒绝“面板不存在协整关系”的原假设在长期发展中有均衡关系。
（四）面板协整模型的估计
为研究IS、IND、EP对GOT的影响，构建如下模型：
根据固定效应模型估计的结果如表所示：
产业结构在10% 的统计水平上显著为正，系数为-0.407；EP 对碳排放的影响为正，而且在1%的置信水平上维持在较高水平，能源强度每增加1%，将会造成碳排放增加1.239%；工业占比对一个地区的碳排放也有着重要作用，东部地区工业比重每增加1%，碳排放强度增加1.79%。
四、政策建议
（一）引进高新技术，实现高碳产业低碳化：我国传统产业呈现粗放式增长模式，能源利用率低、高消耗、高污染、高排放的特点[6]，应利用低碳技术对其进行改进，引导传统产业进行技术创新和产品开发，逐步摆脱对高碳能源的依赖。
（二）推进第二产业低碳化升级：第二产业是控制碳排放总量的核心所在，但总量控制压力很大。目前我国正处于工业化和城市化快速推进的阶段，“二、三、一”的产业发展格局在 2020 年前不大可能发生变化[7]，要积极采取措施推进工业低碳、绿色发展，使我国进入又好又快的协调经济增长和低碳排放的道路。
（三）发展低碳金融，助力新型低碳产业：我国金融部门应加大对低碳经济及低碳行业的研究，把握低碳行业的发展前景。为实现节能减排目标，政府要鼓励银行业金融机构支持低碳行业的发展，积极建立有关绿色信贷指引及绿色银行的激励措施。
参考文献：
[1]冯之浚，牛文元.低碳经济与科学发展 [J].中国软科学，2009（8）：13 ～19
[2]张丽峰.我国产业结构、能源结构和碳排放关系研究 [J] .中国工业经济，2011（ 5）：1～7.
关键词：低碳绩效 碳排放强度 企业价值 托宾Q
一、引言
全球气候变暖已经对地球生态和人类生活构成严重威胁，日益成为各国政府和人民共同关注的问题。随着中国经济的迅速发展，国际能源署（IEA）初步估计中国已经成为世界第一大能源消费国，第二大温室气体排放国。能源危机与全球气候变暖，使中国面临着巨大的节能与碳减排压力，为此中国政府提出了到2020年单位产值碳排放强度比2005年减少40%-45%的目标。在气候问题备受关注的国际大背景下，以“低能耗、低污染、低排放和高效能”为核心的低碳经济模式迅速受到世界各国的关注。对于我国来说，粗放型的经济增长方式将会严重影响我国的工业化进程，要在工业化要求和环境能源要求之间保持平衡，发展低碳经济成为必然的战略选择。
据统计，我国每年工业类企业能源消耗量占总能源消耗的60%以上，尤其是煤炭的消耗比重很大，毋庸置疑工业类企业成为碳排放的主要制造者。因此，在发展低碳经济的道路上，工业类企业扮演着重要的角色，成为我国低碳发展的关注点和切入点。本文构建低碳绩效与企业价值关系的理论模型，对企业低碳绩效在提升企业价值中的作用进行实证检验，并根据检验结果进行描述性分析、相关性分析、回归分析，力图为企业主动实施低碳经营提供明确的实证依据，并为发展低碳经济提供具有针对性的政策建议。
二、研究设计
（一）研究假设
价值创造学派将环境投资看作是增加竞争性优势以及改善投资者财务回报的途径，环境绩效和市场价值间呈正相关的关系。企业通过实行节能减排，提高能源利用效率，减少碳排放的举措是企业提高自身低碳绩效的一个方面。低碳绩效的提高，不仅有可能获得政府奖励，还有助于改善企业的社会形象，提高企业在顾客中的信誉，而顾客愿意为绿色产品支付更多。新技术的应用减少了能源的消耗和废物的排放，进一步降低了环境治理成本和费用。企业还可能使用环境友好技术建立行业标准并成为行业领导者，低碳绩效的提高会带来企业经济利益的增加。由此，本文提出假设1。
假设1：低碳绩效与企业价值具有正相关关系。
此外，企业追求环境绩效，需要增加环保投入，这与企业普遍追求的财富最大化的理财目标可能存在冲突。某些学者认为，在一些特殊的产业层次上，环境成本会大大降低企业的边际利润，使企业在竞争中处于劣势，因此他们往往会把环境投资当作企业的额外成本。企业如果要获得较好的环境绩效，例如企业实行节能减排政策，就必定要发生某些额外的成本支出，这可能使企业在激烈的竞争中处于劣势。为此，本文提出假设2。
假设2：低碳绩效与企业价值具有负相关关系。
低碳绩效对企业价值的最终影响取决于所带来的收益和费用的数量关系，而有些影响涉及到未来期间，在短时间内这种影响可能显现不出来。为此，本文提出假设3。
假设3：低碳绩效与企业价值没有显著相关关系。
（二）样本选取、数据来源及数据处理
本文选取的样本数据全部来自2007-2010年上交所上市的A股制造业行业中能源消耗量较大的14类行业，对于每个行业按照上市公司的资产规模对其所有公司进行降序排列，每个行业中选出前5家公司，由于部分数据缺失等原因最后共抽选出258个有效样本。
本文中所筛选出的258家样本企业的相关财务数据来自国泰安研究服务中心的财务报表数据库。各类能源统计年鉴上能源消耗量是按照工业分行业终端能源消费量进行划分的，由于目前很难找到具体的各个企业能源消耗量的数据，因此本文采取用行业的能源消耗数据代替企业能源消耗数据，用行业的碳排放强度代替样本企业碳排放强度数据的处理方法；各个行业的能源消耗量、行业工业总产值来自于中国能源统计年鉴和中国统计年鉴。数据处理采用Microsoft Excel软件和SPSS16.0软件。
碳排放强度即单位GDP碳排放量，用来衡量经济成果和相应的碳排放之间的比例关系，公式如下所示：
碳排放强度=碳排放总量/工业总产值 （1）
根据联合国政府间气候变化专门委员会（IPCC）碳排量计算指南，上述公式（1）中，碳排总量采用如下公式计算：
C=∑EiFi （2）
式中，C：能源碳排总量；Ei：第i类能源的消费量，单位为吨标准煤，数据可通过中国能源统计年鉴获得，各类能源折标准煤参考系数如表1所示；Fi：第i类能源的碳排放系数，是基于IPCC（2006）《国家温室气体排放清单指南》，通过能源热值乘以碳氧化因子得来，各类能源的碳排放系数如表2所示，其中热力的碳排放系数根据国际能源署（IEA）2009年碳排放报告所选取的近似值取得。
（三）模型构建及变量定义
根据研究假设，本文将企业价值作为被解释变量，将上市公司碳排放强度作为解释变量，公司规模、资产负债率、盈利能力、成长性作为控制变量，构建多元回归模型如下：
ev=β0+β1cei+β2size+β3lev+β4roa+β5grow+ε
各变量定义如下：（1）低碳绩效计量：通常情况下衡量低碳绩效指标采用碳排放强度与能源消耗效率两个指标，考虑到消耗能源所占用的费用会作为一种成本影响到企业利润，进而影响企业价值，而本文中的控制变量盈利能力已作为一个影响企业价值的因素考虑在内，因此本文在评价低碳绩效时采用减排指标，行业碳排放强度（cei）表示。（2）企业价值（ev）计量：用托宾Q值表示。（3）控制变量：公司规模（size），用公司资产总额的自然对数表示；成长性（grow），用总资产增长率表示；财务杠杆（Lev），用资产负债率表示；盈利水平（roa），用资产报酬率表示。
三、实证结果与分析
（一）描述性统计（见表3）
表3显示了各个研究变量的描述性统计结果，从总体上看，被解释变量企业价值（ev）的均值为1.47，最大值为4.57，最小值为0.48，说明所选取的样本不同行业不同上市公司之间的企业价值存在较大的差距。解释变量碳排放强度（cei）均值为0.6662，最小值为0.0518，最大值为2.98，从中可以看出碳排放强度也存在较大差异，原因可能在于所选取样本行业的差异，例如2007年非金属矿物制品业碳排放强度达到2.27吨/万元，黑色金属冶炼及压延加工业碳排放强度达到2.98吨/万元，而对于通信设备、计算机及其他电子设备制造业而言，2007年碳排放强度仅为0.0547吨/万元。另外，随着低碳经济在我国的深入发展，一些高耗能行业开始关注低碳经济，以黑色金属冶炼及压延加工业为例，2007-2010年工业总产值分别为33 703.01，44 727.96， 42 636.15，51 833.58（单位均为亿元），虽然工业总产值有上升趋势，但碳排放强度逐年降低，分别为2.98，2.32，2.64，2.26（单位均为吨/万元），反映出我国企业逐步认识到环境问题的重要性，愈来愈重视企业的碳排放问题。
（二）相关性分析（见表4）
表4是主要变量的相关性分析。相关性分析结果显示，被解释变量企业价值（ev）与解释变量碳排放强度（cei）在5%的水平上显著负相关，说明碳排放强度确实会影响到企业的价值；另外，公司规模、资产负债率、盈利水平与企业价值也呈现正相关关系。一般认为，解释变量之间的系数只要小于0.8或者0.9，就不会对多元回归分析产生影响，因此本文回归模型中各变量之间的相关关系不会对回归结果产生严重影响。
（三）回归分析
本文采用SPSS16.0软件进行模型参数估计和检验。从表5模型摘要中可以看出，R2=0.69，说明回归方程拟合原始数据ev的观测值的效果比较好，回归方程显著。从表6方差分析表中可以看出，F=18.06，P=0.000（近似值），表明回归方程高度显著。我们可以以99.9%以上的概率说明碳排放强度、公司规模、资产负债率、盈利能力、成长性指标变量对企业价值有高度显著的线性影响。表7的回归结果显示了碳排放强度与企业价值在5%的显著性水平上负相关（系数=-0.11，P=0.04，T=-1.98）。说明碳排放强度对于所选取的企业的价值确实产生了显著影响。即碳排放强度高的企业（低碳绩效水平低），企业价值较低，即低碳绩效与企业价值正相关，本文的假设1得到检验。原因可能在于，随着低碳经济模式的深入和我国粗放型经济发展模式的转变，我国政府开始将焦点放在碳排放量大的工业企业上，并制定出一系列的政策措施鼓励企业进行节能减排，投资者在对企业进行投资决策时也会将企业的环境行为考虑在内，从而使注重节能减排的企业备受投资者的喜爱，带动其企业价值的提升。另外，公司规模、资产负债率、盈利能力对于企业价值也在5%的显著性水平上产生影响。即上市公司的规模越大，企业价值也越大；一般情况下资产负债率在低于40%的时候，资产负债率与企业价值正相关，负债融资能够起到提高企业价值的作用，体现出负债治理的有效性；随着企业的成长，企业的价值也在逐渐变大。但是成长性与企业价值的关系却不显著（P=0.29）。
四、结论
本文研究结论表明：我国上市公司碳排放强度的高低对企业价值产生显著影响，碳排放强度高的企业，其企业价值低，碳排放强度低的企业，企业价值高。对此，我们的解释是：首先，低碳绩效的提高，不仅有可能获得政府奖励，还有助于改善企业的社会形象，提高企业在顾客中的信誉，而顾客愿意为绿色产品支付更多， 提高产品的市场价值。其次，说明投资者对企业是否进行环境保护行为比较关心，投资者在进行投资时开始将企业的环境行为考虑在内。另外，我们从表7中可以发现，虽然碳排放强度会对企业价值产生影响，但sig值比较接近0.05，说明随着低碳经济的深入发展，碳减排的效果对一些对能源依赖较大的行业来说效果不是很明显，这可能一方面归因于行业本身的性质，另一方面可能是政府颁布的法律法规和采取奖惩措施的力度不够。由此，政府相关部门应该加大节能减排奖惩力度，同时加大宣传力度提高投资者环境保护意识，促进低碳经济在我国制造业行业中的深入发展。同时还发现，公司的不同规模、资产负债率、盈利水平也会对企业价值产生显著影响，而公司的成长性虽然与企业价值正相关但不显著。本文由于数据的限制，并未进一步找到具体的各个企业的碳排放强度，而是用行业数据代替企业数据，这也可能会影响到本文的研究结论。因此，本文得出的结论是初步的，以上问题还有待于在未来的研究中进一步加以解决。
参考文献：
1.王群伟，周德群，周鹏.区域二氧化碳排放绩效及减排潜力研究[J].科学学研究，2011，（6）：868-875.
2.查建平，唐方方.中国工业碳排放绩效：静态水平及动态变化[J].产业经济，2012，（3）：71-80.
3.Hughe Romine.Process for producing clean distillate pitch and/or mesophase pitch for use in the production of carbon filters[J].Journal of Operations Management，Volume 29，Issues 4，2000，2（14）：423-430.
作者简介：
[关键词]低碳经济；DPSIR模型；支撑体系
[中图分类号]F127.65 [文献标识码]A [文章编号]1002-736X(2012)02-0113-03
一、前言
2003年英国能源白皮书《我们能源的未来：创建低碳经济》首次提出“低碳经济”一词。低碳经济是以低能耗、低排放、低污染为特征的经济发展模式，其核心是新能源的开发和能源利用效率的提高。工业革命以来，随着科技的发展，人类的生产力水平得到极大的提升；我们在得到丰富的物质产品的同时，也付出了资源消耗、环境污染的代价。尤其是人类使用了大量的化石能源，向大气中排放了大量的温室气体，造成全球气候变暖。全球气候变暖会导致海平面上升，也会使得极端自然灾害增多，严重影响人类的可持续发展。发展低碳经济体现了人类对高投入、高能耗、高污染发展模式的反思，是人类寻求可持续发展途径的积极探索。
纵观世界各国，低碳经济发展方兴未艾。英国和欧盟都确定了自己的温室气体减排目标，英国到2050年将C02的排放量削减60％；欧盟到2020年减少20％的温室气体排放，2050年将温室气体削减60％至80％。德国注重提高能源效率和研发新能源，实施气候保护高技术战略。在2007年亚太经合组织第15次领导人会议上明确主张发展低碳经济。广东启动了发展低碳经济路线图研究，力图走出一条低碳发展之路。
本文首先介绍在分析人类活动与自然环境之间关系中得到广泛应用的DPSIR模型，然后结合广东实际情况，运用该模型具体分析广东发展低碳经济的原因及政策。
二、DPSIR模型及其应用
驱动力一压力一状态一影响一反应(DPSIR)框架是从经合组织(OECD)的压力一状态一反应(PSR)模型发展而来，被认为是系统考察人类活动与自然环境之间因果关系流的一个基本但有效的工具。该模型认为，人类的生产和消费等行为给自然环境施加了压力，进而会导致自然环境状态发生变化；自然环境有相应的功能，其状态的变化会给人类带来一定的影响，因此人类会做出相应的反应。DPSIR模型在分析资源环境问题方面得到了广泛的运用：M.D.A.Rounsevell等(2010)基于广泛使用的DPSIR模型提出了生态系统服务供给(FESP)框架，并将该框架用于评价环境变化驱动因素对生态系统服务供给和政策及管理反应的影响；Stfile Knudsen等(2010)运用修改的DPSIR模型来组织调查和分析了导致萨姆松捕鱼压力的驱动因素；Lorenzo Benini等(2010)运用DPSIR模型评价了Lamone河流域(意大利北部的亚平宁山脉)的土地使用变化及环境影响；Karen Ann Bianet Jago-on等(2009)应用DPSIR模型考察了亚洲一些城市的城市化和地下环境问题。可见，国外学者近年来运用DPSIR模型或改进的DPSIR模型广泛地分析各类资源环境问题，表明DPSIR模型具有很强的适用性。基于此，本文试图运用该模型来分析广东发展低碳经济的问题。
三、广东发展低碳经济的DPSIR模型分析
(一)广东大气质量变化的驱动因素(D)
改革开放30多年来，广东经济增长很快。2008年广东地区生产总值已达，3.5696万亿元，其中第二产业为1.8403万亿元。与此同时，广东的工业化和城市化也不断推进。根据中国社会科学院《中国地区工业化进程》课题组的研究，在“十五”末期，广东已经进入工业化后期的后半阶段。广东人口的增加，加上外来务工人员的大量涌入，对交通的需求也随之迅速增加。此外，居民收入增长以后，越来越多的家庭拥有私家车。这些都是广东大气质量变化的驱动因素。
(二)广东大气质量面临巨大压力(P)
广东经济的增长消耗了大量的化石能源，1990年广东能源消费总量、煤炭消费量和原油消费量分别为4065万吨标准煤、2991万吨和912.94万吨；2007年这三项数据分别为2.1912亿吨标准煤、1.2594亿吨和2940.10万吨。能源的大量消耗，不可避免地向大气中排放了大量的温室气体。2008年，广东二氧化硫排放总量为113.59万吨，氮氧化物排放总量为148.4万吨。广东还将继续推进工业化和城市化进程，相对落后的东西两翼等地区的工业也将得到较快的增长。因此，广东的经济发展还需要使用大量能源，广东的大气质量面临巨大的压力。此外，消费具有“示范效应”。居民收入的增加使得一部分人先拥有私家车，这必将对其他人的消费行为产生影响。私家车消费具有负外部性，如拥挤、空气污染等。2008年广东机动车总计1683.5051万辆，其中广州为183.8796万辆。机动车排放造成的空气污染已成为影响广东大气质量的一个不可忽视的因素。
(三)广东大气质量变化(S)
经济的快速增长和机动车数量的增加导致的能源消耗会影响广东的大气质量，这也是广东经济增长所付出的代价之一。广东省环境保护与生态建设“十一五”规划指出：2005年全省二氧化硫排放量达129.4万吨，比2000年增加43％。与“九五”期末相比，空气中主要污染物浓度上升，部分城市轻微污染天数增加，局部地区空气质量下降明显，在珠江三角洲地区多次出现灰霾天气。换言之，广东“十五”期间空气质量继续下降。虽然广东关闭了很多污染严重的小企业，但目前广东的大气质量仍不容乐观。
(四)广东大气质量变化的影响(I)
大气质量的变化对广东的经济社会发展影响是多方面的。改革开放以来，广东经济增长过程中累积的环境污染等问题使得目前广东经济增长面临严峻的环境约束。为了实现广东经济的可持续发展，广东省政府提出了“双转移战略”。此举是为了缓解珠三角地区的资源环境压力，为珠三角地区引进高技术的产业腾出环境空间。可见，包括大气在内的环境容量成为广东制定经济增长战略时需要关注的重要因素，如何在保持经济持续增长的同时维持甚至改善大气质量，成为广东必须面临的现实问题。周启星(2006)分析了气候变化对大气环境、水环境、土壤环境、生态系统及人体健康的影响。广东大气质量的下降同样会影响广东的环境及居民健康。
(五)广东应对大气质量变化的政策(R)
面对全球发展低碳经济的浪潮和广东的大气状况，广东也需要转变经济发展方式，努力促进低碳经济发展。
1 进一步调整优化产业结构，建立以低碳排放为特征的产业体系。在广东经济总量不断增加的同时，广东的产业结构也不断优化升级。目前，广东立足建立现代产业体系，大力发展先进制造业和现代服务业。2010年三次产业结构为5.0：50.4：44.6。可见，虽然广东的第三产业得到了很大的发展，但还没有超过第二产业，仍然有很大的发展潜力。在全球气候变暖的背景下，低碳排放理应是现代产业体系的应有之义。这就要求我们对广东的碳排放进行分解，明确各产业的碳排放贡献。在广东产业结构优化升级过程中，我们要密切关注各产业的碳排放状况，努力采用先进技术，减少碳排放；逐步淘汰那些高能耗、高污染的落后的生产能力。
2 提高能源利用效率。能源利用效率的提高可以降低能源消耗量，进而减少能源使用过程中排出的温室气体。1981年广东能源效率为0.164万元／吨标准煤(以1978年不变价GDP计算)，2002年达到0.352万元／吨标准煤，但2005年又降至0.338万元／吨标准煤。广东应看到与发达国家能源效率的差距，借鉴发达国家的先进做法，大力提高能源效率。
3 优化能源结构，发展新能源。2005年，广东一次能源消费量中原煤、原油、电力、天然气比例分别为52.8％、26.1％、20.8％和0.3％。广东应进一步优化能源结构，大力发展和推广清洁能源的使用。政府可以对新能源的研发与推广提供支持，逐步加大清洁能源的使用比例。能源结构的优化，必将对广东减排温室气体起到积极的促进作用。
4 加强对私家车的管理。随着经济发展和人民生活水平的提升，广东的私家车也急剧增加。私家车在方便居民出行的同时，也进一步恶化了广东的大气质量。广东应大力发展公交、地铁系统，方便居民出行；同时，应加大私家车的使用成本，如对高峰时段进入市区的车辆收税。当使用私家车的成本较高，而公共交通系统又很发达的时候，会促使居民更多地选择公共交通系统，从而减少拥堵，也降低温室气体排放。
5 建立以低碳排放为特征的消费模式。在全球气候变暖的背景下，建立低碳消费模式也引起了人们的关注。政府可以加大宣传，让消费者认识到低碳消费的意义，养成节约能源的习惯。企业作为产品的供给者，在建立低碳模式的过程中具有重要作用。企业应认识到低碳消费是大势所趋，率先掌握低碳技术，生产低碳产品的企业能够抢占先机，在激烈的市场竞争中取得有利地位。政府应支持生产低碳产品的企业，在政府采购中优先选择低碳产品，引导整个社会的消费取向。
6 筹建广东碳排放交易体系。为了将大气中温室气体的浓度控制在某一目标水平，必须控制向大气中排放的温室气体总量。不同经济主体减排温室气体的成本不同，不论是哪个企业减排一定量的温室气体，对大气中温室气体浓度的影响是相同的。因此，由减排成本最低的经济主体减排温室气体是最有效率的。广东碳排放交易体系的建立，能够为有意进行碳排放交易的经济主体提供交易平台，在既定的温室气体减排额度之下，实现减排成本最小化。
以上分析可用图－1简要表述。由图－1可以看出，随着广东工业、交通业等的发展，广东也消耗了大量的能源。能源的大量消耗必将排放大量的温室气体，从而对广东大气质量带来负面影响。节能减排、低碳发展是广东实现可持续发展的必然选择。广东应对大气质量变化的政策(R)要涵盖广东气候变化的驱动因素(D)、广东大气质量面临的压力(P)、广东大气质量变化(s)以及广东大气质量变化的影响(I)。因此，发展低碳经济是一项系统工程，广东不仅要着力建立以低碳排放为特点的产业体系和消费模式，也要大力发展公共交通，加强对私家车的控制；还需采取措施缓解大气质量变化给广东经济增长、生态环境和居民健康带来的不利影响等。
四、广东发展低碳经济的支撑体系
基于以上DPSIR模型分析，我们认为广东向低碳发展方式转型需要建立广东发展低碳经济的支撑体系。这个支撑体系应该包括以下三个方面。
(一)广东发展低碳经济的主体
广东发展低碳经济的主体包括政府、城市、企业和居民。广东省政府首先应通过网络、电视、报纸等加强低碳发展的宣传，培育广东低碳发展的意识。低碳技术是发展低碳经济的中心环节，而新技术的研发时间长，风险较大，因此，政府可以制定相应的财政和金融政策予以扶持。广东可以设定低碳建筑标准，大力发展公共交通，力争打造若干低碳城市。企业在生产的过程中排放废气，这种行为属于生产的负外部性。作为追求利润的市场主体，如果缺乏外在的监督和惩罚机制，企业将忽视生产对环境的破坏。因此，广东须出台相应规章，强化企业环境责任。此外，随着低碳意识的形成，居民也将养成低碳消费的习惯。
(二)广东发展低碳经济的技术支撑体系
广东发展低碳经济，需大力发展节能减排技术、新能源技术等。节能减排是广东需要长期坚持的方针，关系到广东经济的竞争力与可持续发展。发展太阳能等清洁能源，逐步提高新能源的使用比例，可以缓解广东碳排放压力，为广东经济发展预留碳排放空间。鉴于广东目前仍使用大量的原煤，原煤清洁使用技术的研发也显得尤为必要。
(三)广东发展低碳经济的评价指标体系
广东发展低碳经济的过程中必须建立相应的评价指标体系，以期反映出低碳经济发展的状况及存在的问题。广东低碳经济评价指标应包括碳汇建设、碳排放、低碳产出等。不仅要关注碳排放总量，还要关注单位GDP的碳排放。2009年11月25日国务院常务会议上，中国政府提出到2020年全国单位国内生产总值二氧化碳排放比2005年下降40％～45％；广东作为改革开放的排头兵，应努力达到或低于全国单位国内生产总值二氧化碳排放的平均水平。这要求广东加大植树造林力度，努力提高低碳产出。
五、结束语
前文运用DPSIR模型对广东发展低碳经济进行了分析，指出了广东发展低碳经济面临的压力及应对策略，同时指出广东需建立发展低碳经济的支撑体系。实际上，发展低碳经济也面临巨大的机遇。汇丰银行的研究表明，2008年全球气候变化行业的上市企业(包括可再生能源发电、核能、能源管理、水处理和垃圾处理企业)的营业总额达到了5340亿美元，超过5300亿美元的航天与国防业。。既然发展低碳经济已成为世界潮流，掌握低碳技术的国家和地区就能够站在低碳经济的制高点。因此，广东如果能够以发展低碳经济为契机，大力发展新能源和节能减排技术，建立以低碳排放为特征的产业体系和消费模式，就有可能走出一条新的工业化和城市化道路，不仅能够实现广东经济与资源环境的协调发展，而且能够改变广东“世界工厂”的地位，提升广东在国际分工中的地位。广东的经济增长将由依靠高投入、高能耗逐步转到依靠科技进步和劳动者技术提高的轨道；广东高科技产品的出口比重也将相应增加；广东经济将走上内涵式发展道路，从而实现经济的可持续发展。
注释：
①任力《国外发展低碳经济的政策及启示》，载于《发展研究》2009年第2期第23页。
②⑤⑥2009年广东社会统计年鉴第21、409、225页。
③赵玲玲《高成本时代广东的工业发展》，载于《广东社会科学》2008年第4期第57页。
④参见《中国能源统计年鉴2008》，第108至111页。
⑦2011年1月22日广东省省长黄华华所作政府工作报告。
关键词：碳排放；区域划分；面板数据；聚类分析
中图分类号：F1245
文献标识码：A
文章编号：16710169（2012）06000707
一、文献综述
近年来，我国碳排放问题，尤其是区域碳排放问题，越来越受到学者关注。他们基于不同的研究视角，采用不同的研究方法，对我国区域碳排放问题进行研究，试图探寻出一条适合我国现阶段经济发展现状的碳减排路径。考虑到我国省市地区较多，而且人均碳排放量在部分地区间存在“俱乐部收敛”[1]（P31-42）[2]（P35-46），即地区间碳排放存在一定的相似性，大部分学者在研究我国区域碳排放问题时，一般会在一定的标准下，对我国30个省市地区①进行分类，这也在一定程度上方便了我国区域碳排放问题的研究和相关政策的制定。从目前的碳排放区域划分方法来看，大致可以分为两大类：一类是直接使用国家已有的区域划分结果，一类是基于某些与碳排放相关的指标进行区域划分。
我国已有的区域划分主要有三种，部分学者选择其中一种，对区域碳排放问题进行研究。（1）东中西区域划分②。使用该区域划分的学者较多，且研究视角丰富。其中，陈诗一等[3]（P111-119）、雷厉等[4]（P59-65）和仲云云等[5]（P123-133）使用LMDI方法，研究了我国区域碳排放量及其因素效应的差异性问题；李国志等[6]（P32-39）利用STIRPAT模型，研究了人口、经济和技术对各区域碳排放的影响；许广月等[7]（P37-47）、张为付等[8]（P14-23）研究了全国及各区域碳排放环境库兹涅茨曲线的存在性问题；许广月[1]（P31-42）、林伯强等[2]（P35-46）研究了我国区域碳排放的“俱乐部收敛”问题。（2）国务院发展研究中心在《地区协调发展的战略和政策》中所提出的经济区域划分③。使用该区域划分的学者较少，王文举等[9]（P442-447）使用该区域划分结果，利用对应分析，对碳税政策效应的区域差异特征问题进行了分析研究。（3）《中国区域间投入产出表》中的经济区域划分④。使用该区域划分的，主要是因为要用到中国区域间投入产出表进行相关研究。其中，刘红光等[10]（P129-135）建立我国区域产业结构调整的碳减排模型，对各区域各行业的减排效果进行了分析。姚亮等[11]（P16-19）利用投入产出技术的生命周期评价方法，对我国区域间产品（服务）以及隐含的碳排放在区域之间流动和转移总量进行了相关核算与分析。以上这三种区域划分结果，均是基于各地区经济发展状况及地域分布特点，并未充分考虑到区域间的碳排放特征。使用这三种区域划分结果去研究区域碳排放问题，均缺少较强的针对性。因此，大部分学者在研究区域碳排放问题时，基于其研究视角，采用不同的分类指标和方法，进行碳排放区域划分。这里也可以分为三种分类方式：（1）单指标分类方式，由于这种方法较为简便，大部分学者选择了该方法。比如，李国志等[12]（P22-27）、宋德勇等[13]（P8-14）选择碳排放量年度均值指标，设置一定的大小区间，均将我国划分为高排放、中排放和低排放等三个地区，并在此基础上采用STIRPAT模型分析了全国及不同地区城镇化对碳排放的影响；张雷等[14]（P211-217）根据2005年碳排放量的截面数据，将我国分成超重碳排放型、重碳排放型I、重碳排放型II、一般碳排放型I、一般碳排放型II和轻碳排放型等六个地区；肖黎姗等[15]（P21-27）选择1990—2007年的碳排放强度（即单位GDP碳排放量）年度均值，将我国划分为三类地区；曲如晓等[16]（P10-17）为验证中国省级收入排放的不一致性，选择1997—2010年的人均GDP年度均值，将我国划分为高收入、较高收入、低收入和最低收入等四个地区。（2）双指标分类方式，部分学者选择了该方法。比如，何建武等[17]（P9-16）在研究统一碳税对各区域的经济影响时，选择2002年人均GDP和碳排放强度两个指标，将中国划分为三大地区，即第一类地区（人均GDP水平很高，碳排放强度较低）、第二类地区（经济发展水平较为落后，碳排放强度却很高）和第三类地区（经济发展水平较低，碳排放强度也较低）。许泱等[18]（P1 304-1 309）根据2008年城镇化水平和1995—2008年的城镇化年均增长率，将我国划分为四个地区。（3）聚类分析分类方式。前面两种分类方式，均是采取数据间简单大小排序，此种分类方式则全然不同。张彬等[19]（P53-56）通过Kaya恒等式得到人口、人均GDP和碳排放强度等三个碳排放区域划分的模糊聚类指标，然后基于截面数据，将我国按碳排放驱动因素分为四大地区，即北京、上海完全城镇化地区、东部沿海地区、西部地区和天津。
综上，已有文献在碳排放区域划分方面各具特色，但仍存在尚可完善的地方：（1）由于影响区域碳排放的重要因素不止一两个，所以采用单指标和双指标的分类方式，指标选取过于单一，未能充分反映区域间的碳排放特征，且其选取也尚未统一；（2）张彬等[19]（P53-56）采用模糊聚类分析，虽然较为全面地考虑到了区域间的碳排放特征，但是并未充分结合我国区域经济发展阶段的碳排放特点，同时由于使用截面数据，仅考虑区域碳排放在截面上的特征，而忽略了其在时序变化上的特征。因此，是否存在一种有效的分类方式，对碳排放区域进行划分呢？多指标面板数据的聚类分析方法在进行分类时，不仅能充分考虑指标在时间和截面两个维度上的特征，而且能一次容纳多个指标。这恰恰为碳排放区域划分提供了一个全新的解决思路。聚类分析是多元统计分析中的重要方法，也是处理分类问题的主要方法。近年来，面板数据的聚类分析成为了热点研究领域。Bonze和Hermosilla[20]（P339-360）首次将聚类分析引入到面板数据中，运用概率连接函数和遗传算法改进聚类分析算法，从而提出面板数据的聚类分析方法。Ren和Shi[21]（P253-258）基于费舍尔次序集群理论，通过Frobenius准则重建Ward函数，提出了多指标面板数据的聚类分析方法。这两种方法较为复杂，且李因果等[22]（P73-79）指出他们都没有详细考察面板数据的动态分类统计特征。朱建平等[23]（P11-14）提出了单指标面板数据的聚类分析方法，但是单指标所包含的信息量太少，且在现实应用中多为多指标问题，因此具有一定的局限性，未能解决面板数据的聚类分析问题。郑兵云[24]（P265-270）对多指标面板数据的聚类分析做了一些基础性的研究，对时间进行了“降维”，即每个指标在时间维度上取均值，消去时间维度，退化为截面数据的聚类分析问题。但这种处理方法存在两个缺陷：一是信息损失问题，均值只能表现平均变动情况，不能反映其他分布特征，如离散程度等；二是存在一个隐形假设，即各样品的每一相同指标在时间维度上同方向变化，否则会得出不准确或错误的结论。在上述研究基础上，李因果等[22]（P73-79）选取面板数据的绝对量、增长速度、变异系数三个统计指标，分别建立测度相似性的欧式距离函数，将其赋权构建综合距离函数，并重构Ward聚类算法，从而提出了面板数据的聚类分析方法。虽然其研究综合考虑了面板数据的时序和截面特征，但仍存在一定问题。其一，综合距离函数权重的选择带有一定的主观因素，如果选取的权重不一样，可能会导致不同的聚类结果；其二，增长速度和变异系数均可能远远小于绝对量，尤其是增长速度，这样如果综合到一起来构建Ward聚类算法，即便选取较大的权重，也很容易忽略增长速度和变异系数的影响。
鉴于此，本文在已有研究的基础上，提出一种较为简单、可操作性强的方法，即综合各指标的年度均值和年均增长率的聚类结果，来解决多指标面板数据的聚类分析。在这样的思路下，基于我国30个省市1995-2010年与碳排放直接相关的相对指标数据，对我国进行碳排放区域划分。相比已有文献，本研究有以下特色与拓展：（1）分类指标的选择。结合我国工业化、城镇化高速发展阶段的区域碳排放特点，基于涂正革等⑤⑥的LMDI“两层完全分解法”，提取影响区域碳排放的指标，在分类指标选择上不仅较为全面合理，而且首次区分了生产和生活两大部门的影响因素；（2）分类方法的选择。选取多指标面板数据的聚类分析进行区域分类，在分类时不仅考虑到区域碳排放的截面特征，而且也考虑到区域碳排放的时序变化特征。
二、理论方法框架
（一）多指标面板数据的聚类分析
由于对各指标进行时间“降维”再聚类分析，可以体现面板数据的截面特征；取各指标的年度平均增长率进行聚类分析，可以显示面板数据的时序特征。那么综合这两个指标，便能较全面地说明面板数据的时序和截面特征。于是，本文提出以下思路，进行多指标面板数据的聚类分析。第一步，计算各指标的年度均值，在时间上对各指标“降维”，并对其进行聚类分析。第二步，计算各指标的年均增长率，并对其进行聚类分析。第三步，综合第一步和第二步的聚类结果，将其作为最终的聚类分析结果。如第一步的聚类结果将北京划为第一类，而第二步的聚类结果北京被划到了第二类，但其他省市均没变化，那么便可以将北京单独划为一类。
本文选用欧氏距离，选取系统聚类法中的离差平方和法（或称Ward法）进行聚类分析。相比已有的多指标面板数据的聚类分析，该聚类思路操作较为简单，操作性强，较为全面地反映了面板数据的时序和截面特征。此外，在进行第二步，即对各指标的年均增长率进行聚类分析时，若相异性取到较小的值，仍未获得良好的分类结果，那么便说明各个体的每一相同指标在时间维度上同方向变化。此时，便可以不考虑面板数据的时序特征，即不进行第二步操作，此时本文的方法便退化为郑兵云[24]（P265-270）所提出的多指标面板数据的聚类分析。
（二）碳排放区域聚类的指标选取
为了得到较为科学的碳排放区域划分结果，必须选取合理的分类指标。从已有研究文献来看，碳排放量、碳排放强度、人均GDP、城镇化水平和人口等指标先后被用于进行碳排放区域划分。
关键词：电动汽车；交通工具；低碳经济；碳减排潜力；影响因素；节能减排 文献标识码：A
中图分类号：X22 文章编号：1009-2374（2015）04-0095-02 DOI：10.13535/ki.11-4406/n.2015.0329
现如今全球变暖已经成为国际性的问题，温室效应已经引起了国际社会的普遍关注。从国际社会对环境相关问题进行讨论与签订的协议中不难看出，碳减排已经成为各国政府事务中重要的议题。从国际实际情况来看，交通运输的能源的消耗与碳排放量是重点行业。无论是发达国家还是欠发达地区，交通运输能源消耗量与碳排放量首居前列。交通运输能源的消耗与碳排放是造成全球温室效应的主要因素。而从交通部门的统计结果中不难看出，汽车、火车、轮船以及飞机所排放的燃料气体是造成温室效应的主要原因之一。近年来，全球碳排放量持续增加，而交通运输工具的碳排放量的增长率超过了二氧化碳的总排放量。在全球经济不断完善与建设的过程中，控制交通工具碳排放量已经是一项刻不容缓的工作。但是，找出交通工具碳排放量的因素已经显得非常急迫。
1 碳减排量与影响因素
在我国节能减排不断推行的过程中，发展电动汽车具有重要的意义。在交通工具选择方面，电动汽车利用能源率较传统燃油汽车高出许多，并且具有20%～70%的二氧化碳减排潜力。在电动汽车使用的过程中，影响碳减排潜力的因素有多种。在节能减排措施推行中，分析影响电动汽车碳减排潜力具有重要的意义。
1.1 发电能源结构影响碳减排潜力
在经济结构不断发生变化的过程中，发电能源结构也在不断地发生变化。发电能源不断发生变化，人们生产生活中使用能源的结构也在不停变换。使用能源的不断变化导致二氧化碳的排放系数也在变化。从我国2010年能源结构可知，在2015年我国能源结构的使用情况更完善，同时二氧化碳的排放系数也在不断减少。从这就可以看出，发电能源结构在一定程度上已经决定了单位电量二氧化碳的排放。我国大部分的电力由火力发电产生，但是，区域能源结构主要取决于其地理位置。纵观我国各大中小城市能源情况可知，发电结构主要由新能源、煤炭以及天然气与可再生能源等多种能源组成。以北京城市为例，在采取相应的改进措施后，2010年北京单位碳排放量系数正逐渐降低。在此情况下，推广纯电动汽车的使用，并对其碳排放量与减排潜力进行比较。在对相关模型改进后，电网能源结构更合理，所计算的碳排放量更具科学性。由此可知，纯电动汽车运行时生命周期碳排放空间比电网能源结构的影响较为明显，电网能源结构是影响电动汽车碳排放以及减排潜力的主要因素之一。
1.2 车用燃料的影响
将北京作为本次实验研究的城市，将北京投运的纯电动汽车为主要的研究对象。依据本次研究活动，促使在城区参与本次活动的纯电动出租汽车达到500辆。对汽车运行的里程、百公里内能源的消耗进行控制，对计算出纯电动汽车行驶的生命周期和碳减排潜力数据分析。在众多车用燃料中，相关的燃料所排出的二氧化碳各不相同。依据本次的实验结果可知，车用燃料直接影响单位燃料二氧化碳的排放系数。对于使用燃油的汽车而言，其碳排放量系数大于汽油碳排放量系数。在对相关的数据进行修正后，可以发现其减排的空间有所
减少。
1.3 汽车类型的影响
现如今，在居民生活水平不断提高的过程中，人们的追求越来越高。在此过程中，由于城市发展的趋势与城市发展的进程不同。因而每个城市所用的汽车类型也不相同。二氧化碳是汽车碳排放量的主要气体之一。不同类型的汽车其碳排放量的情况也不相同。
在将纯电动汽车作为研究对象的过程中，同时将出租汽车与公交车作为对比，估算几种不同类型汽车平均行驶里程、二氧化碳排放系数的变化。通过这样的方法就能够对纯电动汽车消耗典型是生命周期碳排放量以及减排潜力。依据几种不同类型汽车的比较可知，纯电动汽车减排率显著低于另外的两种汽车类型。在对减排率较小的汽车进行修改后，碳减排率有所降低。
1.4 城市交通运输状况的影响
现如今，城市汽车拥堵已经成为一种较为常见的现象。在交通运输出现拥堵现象的情况下，汽车运行的速度就会降低。在汽车运行速度降低时，汽车碳排放量随之增加。纯电动汽车与出租汽车运行速度相类似的情况下，纯电动汽车碳减排潜力明显强于出租汽车。在交通运输状况良好的情况下，相同速度的纯电动汽车与出租汽车二氧化碳排放系数存在一定差异。纯电动汽车的二氧化碳排放系数明显低于出租汽车。
1.5 不同煤电技术供电线路的影响
在纯电动汽车运行中，煤电技术对减排效果起着关键性影响。利用相关的模型分析燃料技术线路生命周期能源消耗与排放量进行定量分析和比较。各个煤电技术路线节能减排所体现出的优势较为明显。在实际应用的过程中，采用CCS技术对减排率的影响达到80%左右。在研究电动汽车运行相同历程的情况，对相关影响因素进行改进，就能够改变二氧化碳的排放情况。由此可知，不同煤电技术对线路造成影响，进而会影响二氧化碳的排放情况。
2 相关影响因素分析
在研究低碳交通汽车碳减排潜力的影响因素方面。通过对相关影响因素的分析，在了解具体情况的基础上，为改善这种状况，对相关的模型进行优化处理后，应当考虑燃料的利用效率以及能源的运输效率，就能够有效降低碳的排放量。笔者在前文中就已经对相关的影响因素进行了分析。纯电动汽车与传统的汽车相比较，在汽车行驶里程、汽车保有量以及使用年限相同的情况下，各个城市的清洁能源发电比重不一。单位电能的二氧化碳排放系数小于其他的燃料，进而导致纯电动汽车具有较大的减排空间。在电动汽车碳排放量的影响因素中，汽车的类型、煤电技术供电路线、城市交通运行状况、车用燃料类型等多种因素共同影响，致使纯电动汽车碳排放量在一定的影响区间内波动，这对城市节能减排具有重要的影响。电动汽车在试用期间碳的排放量主要来自于电能的损耗，因而对环境的影响主要集中在电能发电阶段。由此可知，发电能源结构与煤电技术供电线路对电动汽车生命周期碳排放空间范围起着决定性的作用。
3 结语
总而言之，电动汽车以及新能源汽车的推广对解决能源危机与控制温室气体排放具有重要的影响。依据本文研究的结果，可以很清楚地知道影响碳减排量的因素，针对其中的影响因素提出有效的改善措施，就能够改善这种情况，促进环境的可持续保护。
参考文献
[1] 李中杰，郑一新，陈云波，等.昆明交通运输碳排放特征与问题解析[J].中国人口・资源与环境，2011，21（3）.
[2] 徐大丰.碳生产率、产业关联与低碳经济结构调整―――基于我国投入产出表的实证分析[J].软科学，2011，25（3）.
[3] 于晓英，李亚峰，王玉兵，等.汽车生命周期全过程存在的环境问题及解决措施[J].环境科学与管理，2009，34（7）.
国际气候谈判中，美国等发达国家把中国承诺强制减排目标作为其加入全球减排协定的前提，那么如果我国加入全球碳交易市场，将会对我国产生怎样的影响呢？本文基于Ramsey最优增长模型和博弈论思想，构建世界诱导技术变化混合（WITCH）模型，模拟评估全球碳交易市场对我国经济-能源-气候系统的影响，结果表明：①2014年（GCM2014情景）和2020年（GCM2020情景）加入全球碳交易市场，到2100年我国GDP比常规情景（BAU情景）下分别减少6.42%和10.22%，说明加入全球碳市场将会对我国经济增长产生较大的负面影响，越早加入负面影响越小;②BAU、GCM2014和GCM2020三种情景下，2100年我国总投资分别达到98.48亿美元、85.59亿美元和85.13亿美元，其中我国能源研发投资预计分别为32.9亿美元、82.5亿美元和96亿美元，说明对我国总投资的影响差异不是很大，但对能源技术研发投资却有快速而显著的促进作用;③BAU、GCM2014和GCM2020三种情景下，2100年我国一次能源消费分为270 EJ、247 EJ和254 EJ，说明全球碳交易市场可以减少我国一次能源的总消费，但总量减少不是太显著，却能显著减少我国的煤炭等化石能源的消费量，因为GCM2014和GCM2020情景下，2100年煤炭消费仅占到我国一次能源消费的10%左右，而BAU情景下煤炭仍占59%;④全球碳交易市场可以比较显著的降低我国能源强度和碳排放强度;⑤全球碳交易市场的建立能有效降低全球气温，但不能将气温升幅控制在2℃范围以内。因此，我国要结合本国国情和实际，先建立国内碳交易市场，避免在国际压力下盲目承诺加入全球碳交易市场，至少2020年前我国不应该加入全球碳交易市场。
关键词碳交易;经济-能源-气候系统;影响评估;世界诱导技术变化混合（WITCH）模型
中图分类号F74文献标识码A文章编号1002-2104（2015）01-0032-08
doi：103969/jissn1002-2104201501005
气候变化是一个全球性的问题。来自世界各地人类活动排放的温室气体是导致气候变化的主要原因。温室气体混合在大气中，全世界的所有国家不管是否接近排放来源，都容易受到气候变化的影响。稳定大气中温室气体的浓度，从而缓解气候变化的不利影响，需要世界各国共同努力降低其温室气体排放。因此，减缓气候变化的政策措施必须从全球视角进行讨论分析。随着各国相继实施或准备实施碳交易，各交易市场的链接甚至是建立全球碳交易市场成为许多学者讨论的问题。中国作为全球第一大CO2排放国，2011年CO2排放达8.69 Gt，占全球的27%。要将全球平均气温上升控制在2 ℃范围内，到2050年全球碳排放必须比2005年减少50%，而要达到这一减排目标，中国的碳排放需要在2020年达到峰值。目前中国的经济发展水平，仍低于人均5 000美元的碳排放高峰阈值，这说明中国能源消费还会继续增长、碳排放量还会继续增加，但这同时也表明在碳密集型投资前中国还有重要的减排机会，拥有巨大的减排潜力。
目前国际气候谈判中，美国等发达国家把中国承诺减排目标作为其加入承诺减排的前提，那么如果中国加入全球碳交易市场，将会对中国产生什么影响？关于碳交易对一国经济影响的研究，主要是通过模型构建，对不同国家或地区的碳交易机制进行政策情景模拟，如对美国[1-2]、欧盟[3]、亚洲[4]、中国[5]的模拟，分析碳交易对经济增长、能源消费以及收入分配等的影响，并与碳税等其他气候政策的经济效应和环境效应进行比较[6-7]，或从中、微观的角度分析碳交易的行业影响[8]和企业影响[9]。还有些学者比较关注开放经济下的“碳泄漏”问题，研究碳交易对产业国际竞争力的影响[10-11]。由于可计算一般均衡（CGE）模型能够较真实的刻画经济体中不同产业、不同消费者对气候政策冲击的反应，所以上述研究大多采用了CGE模型进行模拟，研究结果表明碳交易对各国整体经济运行、行业发展和企业创新、竞争力的影响有限。这些研究表明，由于碳交易这一政策正在实施或尚未实施，需要通过情景设置，采用一定的模型工具，模拟假定情况下政策对经济、环境系统的中长期影响。
本文采用世界诱导技术变化混合（World Induced Technical Change Hybrid，WITCH）模型，分析全球碳交易市场的建立对我国经济-能源-环境系统的影响。贡献在于：一是WITCH模型的建立，WITCH融合了“自上而下”和“自下而上”两模型的优势，在博弈论框架内，通过详细描绘能源效率提高和内生技术进步来分析最优气候缓解策略，能够较真实地反映能源使用、技术变化、资金投入等多种因素对未来气候变化和经济的影响;二是从全球视角模拟分析中国在不同时间加入全球碳交易市场下，中国的经济、能源和气候变化，为决策者提供参考。
闫云凤：全球碳交易市场对中国经济-能源-气候系统的影响评估
中国人口・资源与环境2015年第1期
1模型与数据
用于气候政策分析的模型应该能够反映技术变化及其动态性，能够反映主要经济政策变量之间的关系。WITCH模型结合了“自上而下”宏观经济模型和“自下而上”技术演化模型的优势，能够较真实地反映能源的使用、技术变化、资金投入等多因素对未来气候变化和经济影响。WITCH模型是由FEEM（Fondazione Eni Enrico Mattei）气候变化研究中心开发的[12-14]，它是一个“自上而下”的新古典主义最优增长模型，模型中嵌套一个“自下而上”的能源投入变量，并在博弈论框架内，通过详细描绘能源技术进步和内生技术进步来分析最优气候缓解策略。
WITCH模型是Ramsey型新古典最优增长模型，将经济、能源和气候变化纳入一个统一的分析框架，可以模拟评估气候政策对全球和地区经济系统的影响，并为这些经济系统如何应对气候变化提供信息。按照地理位置、收入水平和能源结构的差异，该模型将全球分为12个区域（见表1）。每一个区域的中心决策者都可以通过模型选择控制变量（包括对不同的股票、研发项目、能源技术和化石燃料消费等的投资）的最优路径来实现社会福利最大化。
WITCH模型是一个完全动态模型，因为决策者的每次决策都可以在战略上和其他决策制定者同步实现福利最大化，并通过同时考虑到经济和环境的外部效应使得这
些投资策略总是最优。因此，能够对不同技术的投资作出动态决策方案是WITCH模型的一大优点。每项技术的投资方案是12个区域内部短期博弈的结果。而且，这12个区域在战略选择上是考虑了通过开放的纳什博弈确定的
所有决策变量。从自上而下的角度来看，这能够让我们分析制定不同地域维度（富裕地区与贫困地区）和不同时间
维度（当代人和未来几代人）的气候政策，得到所有地区依据气候恶化程度来决定实现社会福利最大化的最优战略。
WITCH模型把电能和非电能区别开来，指出了七种能源生产技术，而且包含了复合燃料（石油、天然气、煤、铀，传统生物质能燃料和新生物能源）的使用。对能源的详细分类让我们能够合理分析未来的能源、技术和以稳定大气中温室气体浓度为目标来推断它们的一致性。同时，通过模型内生燃料价格和二氧化碳减排成本，我们能够估计对能源系统内部所有组成部分制定的缓解政策的指标。
总之，WITCH模型有两大特点：首先，它是一个综合评估模型（IAMs），通过运用区域损害函数（反映气候变化对经济系统的影响）明确地推断出以阻止气候变化为目的而减排得到的收益。其次，WITCH模型有一个博弈理论的架构。12个区域通过考虑所有经济决策变量，进行非合作纳什博弈之后来制定自己的战略，而不是依靠最低排放标准来制定。因此，各个国家在决定对温室气体排放控制合作时，会考虑本国的决策对其他地区的影响，以及其他地区是否会采取合作行为。
1.1经济-能源-气候模块
根据Ramsey最优增长模型，在社会福利最大化目标约束下，WITCH模型分为经济、能源、气候三大模块，具体结构如图1所示。
图1WITCH模型三大模块构成图
Fig.1 Three modules in the WITCH Model
WITCH模型中，每一个区域的决策者，以跨期社会福利最大化为目标，其社会福利函数表示为：
W（n）=∑tU[C（n，t），L（n，t）]R（t）
=∑tL（n，t）{log[c（n，t）]}R（t） （1）
其中，L（n，t）为人口总数，R（t）为贴现率，t的时间跨度为5年，c（n，t）=C（n，t）L（n，t）为人均消费。
1.1.1经济模块
某种产品的消费预算约束可表示为净产出减去投资：
C（n，t）=Y（n，t）-Ic（n，t）-∑jIR&D，j（n，t）
-∑jIj（n，t）-∑jO&Mj（n，t）（2）
其中，j表示不同的能源技术。Y（n，t）是指净产出，Ic（n，t）是指对产品C的资金投入，IR&D，j（n，t）和Ij（n，t）是指技术j的研发投入和一般投入，O&Mj（n，t）是指技术j的运营和维修费用。
WITCH模型中的总产出是由一个嵌套的不变替代弹性（CES）生产函数决定的，它由资本、劳动力和能源三个变量决定。资本和劳动之间是CD生产函数，它们与能源是CES生产函数。净产出可表示为总产出减去燃料成本和CCS的成本（见公式3）。
Y（n，t）=TFP（n，t）[α（n）・（K1-β（n）C（n，t）Lβ（n）（n，t））ρ+（1-α（n））・ES（n，t）ρ]1/ρΩ（n，t）
-∑f（pf（n，t）Xf，extr（n，t）+pintf（t）Xf，netimp（n，t））
-pccs（n，t）CCS（n，t）（3）
其中，Y（n，t）是指区域n在时间t内时的净产出;TFP（total factor productivity）是指全要素生产效率;K、L和ES（energy services）分别是指资本，劳动力和能源部门;Ω是气候损害函数，指因气候变化对产出的影响;Xf，extr（n，t）是指得到燃料f的额外成本，xf，netimp（n，t）是指一国净进出口燃料f的花费，ccs是指碳捕获和储存量。pf是国内燃料f的开采成本，pintf是燃料f的国际市场出清价格。
1.1.2能源模块
WITCH的能源模块中包含了多种能源使用技术和发电技术可供选择。能源总量ES（n，t）由能源实物投入EN（n，t）与能源技术投入HE（n，t）的CES函数形式决定，技术可以代替实物投入。
ES（n，t）=[αHHE（n，t）ρES+αENEN（n，t）ρES]1/ρES（4）
能源技术可表示为新技术与技术存量的和：
HE（n，t+1）=Z（n，t）+HE（n，t）（1-δR&D）（5）
其中，新技术Z（n，t）是国内研发投资IR&D、技术存量和国际技术溢出效应的柯布-道格拉斯生产函数（C-D函数），这一函数说明能源技术是内生的，它随着技术研发投资的增加、技术存量的增加、国际技术溢出效应而提高。
Z（n，t）=αIR&D（n，t）bHE（n，t）cSPILL（n，t）d（6）
通过技术投资和经验积累的学习过程不仅局限于一个地区内部，也可以外溢到其他地区，所以在综合评价模型中应加技术溢出效应。WITCH模型特别适合此类分析，因为博弈结构可以区分最优和次优策略，找出解决由全球性问题所引起外部性的最优策略组合。本文假定存在技术国际溢出效应，某一地区溢出效应的大小取决于获得技术的量与其吸收能力的大小。
SPILL（n，t）=HE（n，t）∑HIHE（n，t）（∑HIHE（n，t）-HE（n，t））（7）
能源实物投入包括电能和非电能的使用。
EN（n，t）=[αELEL（n，t）ρEN+αNELNEL（n，t）ρEN]1/ρEN（8）
1.1.3气候模块
WITCH中模型采用由一个气候模块描述气候损害和经济系统的相互影响。气候模块将经济系统中产生的二氧化碳排放量转化为大气浓度、辐射强迫和最终温度高于工业化前的上升水平。全球气温上升最终影响每个地区的产出，通过一个气候损害函数将全球气候变化效应转化为在每个地区的货币损失或收益。
化石燃料的使用会带来二氧化碳的排放，某种特定的化石燃料f的碳排放量则可以通过该燃料的化学计量系数ωf，CO2来计算出来。其中，通过二氧化碳捕获和储存技术捕获的二氧化碳要从整个碳平衡中排除。
CO2（n，t）=∑fωf，CO2Xf（n，t）-CCS（n，t）（9）
再通过运用程式化的气候动态模型，计算出t时期碳排放量带来的相对前工业时期温度上升的程度。
T（t+1）=T（t）+σ1{F（t+1）-λT（t）-σ2[T（t）-
TLO（t）]}-cool（t+1）（10）
最后通过区域损害模型计算出由于某种化石燃料的使用产生的二氧化碳造成气温上升带来的损失Ω。
Ω（n，t）=1+（θ1，nT（t）+θ2，nT（t）2）（11）
1.2数据说明与情景设置
人口数量的增加是温室气体排放增加的主要原因之一。在WITCH模型中，人口增长率是外生变量，本文使用联合国人口司（UN Population Division）的人口数据库的数据。该数据库不仅涵盖了1995-2010年全球及主要国家和地区的人口总数，而且还估算了在中等生育率、高生育率、低生育率、不变生育率等多种情形下2010-2100年全球和各国家的人口数量。本文采用其中的中等生育率人口数量计算12个地区的人口总量及人口增长率。
本文将2010年作为基期，2010年全球、各个国家和地区的GDP来源于世界银行。WITCH模型中，GDP是内生变量，各地区的GDP增长率主要由全要素生产率的增长率校准获得。各区域的经济增长率及其收敛水平决定了能源需求进而影响温室气体排放量。本文假定劳动生产率收敛，即假定OECD国家的经济增长相对较为稳定和缓慢，而随着非OECD国家劳动生产率提高，其的GDP增长率较快，所以到本世纪末全球各区域GDP呈收敛态势，但是人均GDP的收敛却很慢，因为非OECD国家人口增长率较快。
WITCH中将电力部门和非电力部门的使用情况进行了区分，以便能更好的分析非电力部门的减排。假设电力部门的三种投入要素（投资、运营和维修成本、资源消耗）是按照固定比例生产，其参数如表2所示。
非电力部门使用传统生物质能、生物燃料、煤、天然气、石油等多种能源。其中天然气和石油占非电力部门能源消耗的70%以上。本文非电力部门能源消耗数据通过从能源总消耗减去电力部门能源消耗获得，数据来源于联合国数据统计司能源统计数据（UN，2013）。2010年各种燃料的价格和排放系数来自国际能源署（IEA）。
根据政府间气候变化专门委员会（IPCC）的第5次评估报告，2010年全球大气中CO2的浓度为389 ppm，全球气温比工业革命前上升0.85 ℃（IPCC，2013），本文将其作为基期CO2浓度和气温衡量指标。
为考查建立全球碳交易市场对我国的影响，本文模拟对比BAU（常规情景，即无碳交易市场）、GCM2014（2014年建立全球碳交易市场）和GCM2020（2020年建立全球碳交易市场）三种情景下的情况。本文采用软件GAMS（The General Algebraic Modeling System，一般线性代数模拟系统）对模型进行数值模拟和求解。
2模拟结果
2.1全球碳交易市场对我国经济系统的影响
2.1.1全球碳交易市场对我国GDP的影响
碳交易市场将影响个人和企业的行为、影响资源的分配、进而影响一个国家的经济发展。图2比较了GCM2014、GCM2020两种情景与BAU相比我国GDP的变化量和变化率。从图中可以看出全球碳交易市场将会对我国经济增长产生负面影响，但2014年建立全球碳交易市场的负面影响远远少于2020年建立碳市场的负面影响。与BAU相比，2014年建立碳排放市场对我国GDP的负面影响最高发生在2075年，将导致GDP损失3.56万亿美元（比BAU情景下少7.55%），但2075年以后，对GDP的负面影响将逐渐减弱，到2100年GDP损失比BAU少6.42%。但是如果2020年建立全球碳市场，对我国的负面影响最高发生在2085年，将导致我国GDP比BAU减少11.55%，到2100年GDP损失比BAU少10.22%。
图2全球碳交易市场对我国GDP增长带来的损失
Fig.2Impact of global carbon market on China’s GDP
2.1.2全球碳交易市场对我国投资的影响
从模拟结果来看，与BAU相比，我国加入全球碳交易市场的总投资减少，但2014年和2020年加入全球碳市场对我国总投资的影响差异不大。这可能意味着加入全球碳交易市场对高耗能排放的投资项目起到一定程度的抑制作用。在BAU情景下，2100年我国总投资将达到9.85万亿美元，而2014年和2020年加入全球碳交易市场情景下，预计我国2100年的总投资分别为8.56万亿美元和8.51万亿美元。
从能源研发投资尤其是旨在提高能源效率的研发投资来看（见图3），与BAU相比，加入全球碳交易市场对我国旨在提高能源效率的研发投资有快速显著的影响。如果2014年加入全球碳交易市场，2015年我国的能源研发投资将从BAU情景下的3.3亿美元增加到GCM2014情景下的5.1亿美元;如果2020年加入全球碳交易市场，当年我国的能源研发投资将从BAU情景下的4.2亿美元增加到GCM2020情景下的7.4亿美元。到2100年，BAU、GCM2014和GCM2020三种情景下，我国能源研发投资预计分别为32.9亿美元、82.5亿美元和96亿美元，这说明加入全球碳交易市场有能效刺激我国能源研发投资。GCM2020情景下的能源研发投资一直高于GCM2014情景下的能源研发投资，说明越晚构建全球碳交易市场，要达到一定减排目标需要的能源研发投资可能越多。
图3全球碳交易市场下我国的能源研发投资
Fig.3Impact of global carbon market on
China’s investment in energy R&D
图4三种情景下我国一次的能源消费量
Fig.4China’s primary energy consumption in three scenarios
2.2全球碳交易市场对我国能源和碳排放的影响
2.2.1全球碳交易市场对我国一次能源消费的影响
从图4可以看出，在BAU情景下，我国一次能源消费从2010年的84EJ增加到2100年的270 EJ，而在GCM2014和GCM2020情景下，到2100年我国的一次能源消费分别为247 EJ和254 EJ，可见加入全球碳交易市场可以减少我国一次能源的总消费，但总量减少不是太显著。
但对化石能源和非化石能源的消费的影响却有很大差异，比较图5和图6可以看出，加入全球碳交易市场会
减少我国对化石能源的消费，增加对非化石能源的消费。BAU情景下，我国对化石能源的消费一直处于上升态势，从2010年的69 EJ上升到2070年的212 EJ，2070年以后上升的速度放缓，到2100年的化石能源消费为235 EJ，但其占我国一次能源总消费的比例一直在80%-90%之间。与BAU情景相比，2014年和2020年加入全球碳市场我国对化石能源的消费都有显著下降。在GCM2014和GCM2020情景下，2100年我国化石能源消费仅分别为42 EJ和35 EJ，占我国一次能源消费的比例分别为17%和
图5三种情景下我国化石能源消费
Fig.5China’s fossil energy consumption in three scenarios
图6三种情景下我国非化石能源消费
Fig.6China’s nonfossil energy consumption in
three scenarios
14%。而且2055年之前GCM2014情景下我国的化石能
源消费比GCM2020情景下少，但2055年以后发生逆转，
GCM2020情景下我国的化石能源消费比GCM2014情景下少。
与之形成鲜明对比的三种情景下是我国非化石能源的消费情况（见图8），加入全球碳交易市场后，我国对非化石能源的需求显著增加，从2010年的15 EJ增加到2100年的205 EJ（GCM2014）和219EJ（GCM2020），分别占我国一次能源总消费的83%和86%，而在BAU情景下，我国非化石能源消费一直保持在占全国能源消费的13%-18%左右。
具体到占我国一次能源消费最多，也是碳排放最多的化石燃料煤炭来讲，加入全球碳市场更能显著减少我国对煤炭的需求（见图7）。在BAU情景下，2010-2100年我国煤炭消费占一次能源总消费的比例在50%-60%，而加入全球碳交易市场后，我国煤炭消费的总量及占一次能源消费的比例都显著下降，到2100年，煤炭消费仅占到我国一次能源消费的10%左右。
图7三种情景下我国煤炭消费
Fig.7China’s coal consumption in three scenarios
2.2.2全球碳交易市场对我国碳排放量的影响
能源消费量和能源消费结构对我国碳排放量有重要的影响，通过WITCH的模拟结果图8可以看出：在BAU情景下，由于继续使用化石燃料导致中国碳排放继续增长，本世纪末将处于稳定时期，到2100年达到24.93 Gt。与BAU相比，全球碳交易市场能够很好的发挥减排作用，2014年和2020年建立全球碳交易市场后中国的碳排放都显著下降。在GCM2014情景下，中国的碳排放从2015年就开始下降，到2060年下降到4.01Gt，然后会出现稳中有降的态势。在GCM2020情景下，中国的碳排放从2020年开始下降，到2065年下降到3.58Gt，然后会出现稳中有降的态势，到2010年能下降到2.63 Gt。就减排量而言，2055年之前，GCM2014情景下的减排量大于GCM2020情景，但2055年以后GCM2020情景下的减排量超过GCM2014情景。2010-2100年，GCM2014情景的累计减排量为245.2 Gt，GCM2020情景下的累计减排量为243.5 Gt，即两种情景的累计减排量几乎相当。
加入全球碳交易市场能显著降低我国能源强度和碳排放强度。在BAU情景下，2010年我国的能源强度和碳排放强度分别为23.82 MJ/USD和1.97 t/USD，到2100年分别降低到3.91 MJ/USD和0.35 t/USD;在GCM2014情景下，到2100年分别降低到2.42 MJ/USD和0.49 t/USD;在GCM2014情景下，到2100年分别降低到2.58 MJ/USD和0.41 t/USD。
图8三种情景下我国碳排放量与减排量的预测值
Fig.8China’s CO2 emissions in three scenarios
图9三种情景下全球平均气温比工业革命前上升℃
Fig.9Global average temperature increase（comparing to
preindustry） in three scenarios
2.3全球碳交易市场对气候系统的影响
从图9可以看出，三种情景下，全球气温相对于工业前水平都会一直升高，但上升的幅度有很大差异，全球碳交易市场的建立能有效降低全球气温。在BAU情景下，到2100年全球平均气温将比工业前上升3.69℃，GCM2014和GCM2020情景下分别上升2.41℃和2.44℃，但不论现在还是2020年建立全球碳交易市场，到2100年都不能将全球气温升幅控制在2℃范围以内。要想达到这一减排降温目标，还需要进一步采用更为有效的减排措施。
3结论与启示
气候变化是一个全球性的问题。稳定大气中温室气体的浓度，从而缓解气候变化的不利影响，需要世界各国共同努力降低其温室气体排放。因此，减缓气候变化的政
策措施必须从全球视角进行讨论分析。本文基于Ramsey最优增长模型和动态博弈论的思想，构建世界诱导技术变化混合（WITCH）模型，模拟分析构建全球碳交易市场对我国经济-能源-气候系统的影响，并与碳税的影响进行比较。研究设置了无碳交易市场（BAU）、2014年建立全球碳交易市场（GCM2014）和2020年建立全球碳交易市场（GCM2020）三种碳交易市场情景，通过模拟分析得到以下结论：
（1）全球碳交易市场将会对我国经济增长产生较大的负面影响，GCM2014情景和GCM2020情景下，到2100年我国GDP比BAU情景下分别减少6.42%和10.22%。而且GCM2014情景下我国的GDP损失小于GCM2020情景下的损失，这说明虽然加入全球碳交易市场会影响我国的经济增长，但越早加入负面影响越小。
（2）与BAU相比，2014年和2020年加入全球碳市场对我国总投资的影响差异不是很大。在BAU情景下，2100年我国总投资将达到98.48亿美元，而GCM2014情景和GCM2020情景下，预计2100年我国的总投资分别为85.59亿美元和85.13亿美元，这可能意味着加入全球碳交易市场对高耗能排放的投资项目起到一定程度的抑制作用。但全球碳交易市场对我国的提高能源技术研发投资却有快速而显著的影响。到2100年，BAU、GCM2014和GCM2020三种情景下，我国能源研发投资预计分别为32.9亿美元、82.5亿美元和96亿美元，而且越晚构建全球碳交易市场，要达到一定减排目标我国需要投入的能源研发投资可能越多。
（3）加入全球碳交易市场可以减少我国一次能源的总消费，但总量减少不是太显著。BAU、GCM2014和GCM2020三种情景下，2100年我国一次能源消费分为270 EJ、247 EJ和254 EJ。但对化石能源和非化石能源的消费的影响却有很大差异，BAU、GCM2014和GCM2020三种情景下，2100年我国化石能源消费仅占一次能源消费的比例分别为68%、17%和14%，相应的非化石能源占比分别为32%、83%和86%。而且，加入全球碳交易市场能显著减少我国的煤炭消费量，GCM2014和GCM2020情景下，2100年煤炭消费仅占到我国一次能源消费的10%左右，而BAU情景下煤炭仍占59%。因为能源消费量和能源消费结构对碳排放量有重要的影响，与BAU相比，加入全球碳交易市场能够很好的发挥减排作用，2014年和2020年建立全球碳交易市场后中国的碳排放都显著下降。虽然加入全球碳交易市场，可以同时降低我国经济增长速度、能源消耗总量和碳排放总量，但由于碳市场能促进能源研发投资，降低碳排放密集型能源的消耗，改善能源结构，从而可以比较显著的降低我国能源强度和碳排放强度。
（4）三种情景下，全球气温相对于工业前水平都会一直升高，但上升的幅度有很大差异，全球碳交易市场的建立能有效降低全球气温，但全球碳市场的建立并不能将气温升幅控制在2℃范围以内。
综上所述，加入全球碳交易市场能减少能源消耗、减少碳排放，从而降低全球气温升高的幅度，但对我国经济增长却有很大的负面影响，没有国家愿意接受解决气候变化问题需要以牺牲经济增长为代价，所以面对国际减排压力，我国要结合本国国情和实际，先建立国内碳交易市场，避免在国际压力下盲目承诺加入全球碳交易市场。从本文模拟结果来看，至少2020年前我国不应该加入全球碳交易市场。
参考文献（References）
[1]Paltsev S， Reilly J M，Jacoby H D， et al. Assessment of US GHG Capandtrade Proposals [J]. Climate Policy， 2008，8（4）： 395-420.
[2]Gurgel A C， Paltsev S， Reilly J， et al. An Analysis of US Greenhouse Gas Capandtrade Proposals Using a ForwardLooking Economic Model [J]. Environment and Development Economics， 2011， 16（2）： 155-176.
[3]Zhang Y J， Wei Y M. An Overview of Current Research on EU ETS： Evidence from Its Operating Mechanism and Economic Effect [J]. Applied Energy， 2010， 87（6）： 1804-1814.
[4]Massetti E， Tavoni M. A Developing Asia Emission Trading Scheme （Asia ETS） [J]. Energy Economics， 2012， 34： 436-443.
[5]崔连标， 范英， 朱磊， 等. 碳排放交易对实现我国 “十二五”减排目标的成本节约效应研究[J]. 中国管理科学， 2013，21 （1）： 37-46.[Cui Lianbiao，Fan Ying， Zhu Lei， et al. The Cost Saving Effect of Carbon Markets in China for Achieving the Reduction Targets in the “12th FiveYear” Plan [J]. Chinese Journal of Management Science， 2013， 21（1）： 37-46.]
[6]Zhang Z X. Crossing the River by Feeling the Stone： the Case of Carbon Trading in China [J]. Environmental Economics and Policy Studies， 2014，（16） ：78-92.
[7]石敏俊， 袁永娜， 周晟吕， 等. 碳减排政策： 碳税， 碳交易还是两者兼之？ [J]. 管理科学学报， 2013， 16（9）： 9-19. [Shi Minjun，Yuan Yongna， Zhou Shenglv， et al. Carbon tax， Capandtrade or Mixed Policy： Which is Better for Carbon Mitigation？ [J]. Journal of Management Sciences in China， 2013， 16（9）： 9-19.]
[8]Golombek R， Kittelsen S A C， Rosendahl K E. Price and Welfare Effects of Emission Quota Allocation [J]. Energy Economics， 2013， 36： 568-580.
[9]Taylor M R. Innovation Under Capandtrade Programs [J]. Proceedings of the National Academy of Sciences， 2012， 109（13）： 4804-4809.
[10]Monjon S， Quirion P. Addressing Leakage in the EU ETS： Border Adjustment or Outputbased Allocation？ [J]. Ecological Economics， 2011， 70（11）： 1957-1971.
[11]Fischer C， Fox A K. The Role of Trade and Competitiveness Measures in US Climate Policy [J]. The American Economic Review， 2011， 101（3）： 258-262.
[12]Bosetti V， Carraro C， Galeotti M， et al. A World Induced Technical Change Hybrid Model [J]. The Energy Journal， 2006， 27： 13-38.
[13]Bosetti V， Massetti E， Tavoni M. The WITCH Model：Structure， Baseline， Solutions [R]. Nota di Lavoro， Fondazione Eni Enrico Mattei， 2007.
[14]Bosetti V， Tavoni M， De Cian E， et al. The 2008 WITCH Model： New Model Features and Baseline [R]. Nota di Lavoro//Fondazione Eni Enrico Mattei： Sustainable Development， 2009.
Impact of Global Carbon Trading Market on China’s
Economicenergyclimate System
YAN Yunfeng
（School of Economics， Capital University of Economics and Business， Beijing 100070，China）
Abstract
关键词：碳排放;碳足迹;建设用地;能源结构;武汉市
中图分类号：F301.24 文献标识码：A 文章编号：0439-8114（2015）02-0313-05
DOI：10.14088/ki.issn0439-8114.2015.02.015
Land Use Patterns of Carbon Emissions and Carbon Footprint of Wuhan City
BAI Cui-mei， MEI Yun， ZHANG Miao
（Land Management College， Huazhong Agriculture University，Wuhan 430070， China）
Abstract： In order to build a “two sides society” and develop the low-carbon economy， the carbon emission and energy carbon footprint of Wuhan city during past 15 years were estimated. The changes and the impact factors were analyzed with carbon emission model and carbon footprint model based on data of land use patterns， data of energy and data of economic of Wuhan city from 1996 to 2010. The results showed that the carbon emission of construction land accounted for more than 98% of total carbon emissions， and gradually increased from 1996 to 2010. Carbon emission of construction land in 2010 was 1.4 times more than that in 1996. The total carbon footprint and per capita carbon footprint of Wuhan city increased constantly. Carbon deficit in Wuhan city was severe. The increase of total carbon emission was mainly caused by the increase of construction land and the growth way of the economic and the irrational energy structure in Wuhan. The expansion of construction land must be controlled. The growth mode of economy and the structure of the energy consumption should by adjusted.
Key words： carbon emission; carbon footprint; construction land; energy structure; Wuhan city
气候变暖是全世界公认的环境问题，造成气候变暖的原因主要是温室气体排放量的大幅增加。2005年2月16日《京都议定书》正式生效，给CO2排放量居世界第二位的中国带来了严峻和现实的压力与挑战[1]，掀起学术界有关碳排放研究的热潮。有学者对经济增长与碳排放的关系进行了研究。彭佳雯等[2]利用脱钩模型探讨了中国经济增长与能源碳排放的脱钩关系及程度;杜婷婷等[3]则以库茨涅兹环境曲线及衍生曲线为依据，对中国CO2排放量与人均收入增长时序资料进行统计拟合得出中国经济发展与CO2排放的函数关系。也有学者对土地利用类型转变引起的碳排放效应变化进行了研究。如苏雅丽等[4]对陕西省土地利用变化的碳排放效益进行了研究。对于土地利用碳排放影响因素的研究也有了一定的成果，主要是利用指数分解法对影响土地利用碳排放效应的因素进行分解分析，如蒋金荷[5]运用对数平均Divisia指数法（LMDI法）定量分析了中国1995-2007年碳排放的影响因素及贡献率。对于碳足迹的研究，赵荣钦等[6]计算和分析了江苏省不同土地利用方式能源消费碳排放与碳足迹。还有其他学者通过碳足迹计算模型，从碳足迹核算和碳足迹评价的角度进行了有意的探讨[7-9]。研究不同土地利用方式的碳排放效应，有助于从土地利用调控的角度控制碳排放。本研究以武汉市为例，分析武汉市土地利用碳排放和碳足迹，探讨武汉市碳排放变化的影响因素，为武汉市调控土地利用以减少碳排放提供科学依据，对武汉市构建“两型社会”具有重要的理论与现实意义。
1 研究区域概况
武汉市位于中国的中部地区、江汉平原的东部，地处东经113°41′-115°05′，北纬29°58′-31°22′。地形以平原为主，拥有丰富的自然资源。截至2010年，全市土地面积为8 494.41 km2，农用地面积为4 270.45 km2，其中耕地面积为3 174.05 km2，林地面积为975.81 km2， 建设用地1 596.51 km2，未利用地面积2 627.45 km2。本年全市国民生产总值达到6 762.20亿元，同比增长12.5%，位居15个副省级城市第五位。第一、第二、第三产业分别为198.70亿、3 254.02亿、3 303.48亿元，比重为2.94%、48.12%、48.94%。人均GDP为68 286.24元，城镇居民人均可支配收入23 738.09元，农村居民人均纯收入9 813.59元。全市全年社会消费品零售总额达2 959.04亿元。
2 研究方法与数据来源
2.1 碳排放测算模型
根据李颖等[10]、苏雅丽等[4]的研究，本研究基于各种用地类型的碳排放/碳吸收系数计算碳排放量，主要涉及耕地、林地、草地、建设用地。其中建设用地具有碳源效应，耕地上的农作物虽然能够吸收二氧化碳，但是在很短的时间内又会被分解释放到空气中，因此将耕地视为碳源[11]，林地和草地为碳汇。
碳排放测算公式[10]：
CL=∑Si■・Qi （1）
其中，CL为碳排放总量;Si为第i种土地利用类型的面积;Qi为第i种土地利用类型的碳排放（吸收）系数，吸收为负，其中耕地、林地、草地的碳排放系数分别为0.422、-0.644、-0.02 tC/hm2[12]。
建设用地的碳排放主要通过计算其建设过程消耗能源所产生的碳排放间接得到。这里的能源主要是指煤炭、石油和天然气。
建设用地碳排放估算公式[10]：
CP=∑ni=∑M■・Qi （2）
其中，CP为碳排放量;ni为第i种能源的碳排放量;Mi为第i种能源消耗标准煤;Qi为第i种能源的碳排放系数，其中煤、石油、天然气的碳排放系数分别为0.747 6 tC/t标准煤、0.582 5 tC/t标准煤、0.443 4 tC/t标准煤[12]。
2.2 不同土地利用类型的碳足迹
碳足迹是指吸收碳排放所需的生产性土地（植被）面积，即碳排放的生态足迹[13]。净生态系统生产力即NEP是指1 hm2植被一年的碳吸收量，用来反映植被的固碳能力[13]，采用NEP指标反映不同植被的碳吸收量，并以此计算出消纳碳排放所需的生产性土地的面积（碳足迹）。森林和草原是主要的陆地生态系统，因此本文主要考察这两种植被类型的碳吸收[13]。根据赵荣钦等[6]、谢鸿宇等[13]的方法，首先计算出化石能源碳排放量，再根据森林和草地的碳吸收量计算出各自的碳吸收比例，最后由各自的NEP计算出吸收化石能源消耗碳排放所需的森林和草地的面积。化石能源碳足迹计算公式为：
A=∑A■=■+ ■ （3）
其中，A为总的化石能源碳足迹，Ai为第i类能源的碳足迹，Ci为第i种能源的消耗量（万吨标准煤），Qi为第i种能源的碳排放系数，P■与P■分别为森林与草原吸收碳的比例;NEP■与NEP■分别为森林和草地的净积累量。吸收1 t的CO2所需的相应生产用地土地面积计算结果见表1。
2.3 数据来源
能源数据与经济数据来源于《武汉市统计年鉴（1996-2010）》，武汉市土地利用结构数据来源于武汉国土资源和规划局。
3 结果与分析
3.1 武汉市碳排放量
根据公式（1）、（2）和《武汉市统计年鉴》所查询的武汉市能源消耗量，以及武汉市历年土地变更数据，计算武汉市1996-2010年的碳排放量见表2。
从不同土地利用类型的碳排放量来看（表2），建设用地的碳排放量占碳排放总量的98%以上， 由此可以说明建设用地为主要的碳源。同时可以看到，武汉市的建设用地碳排放量增加较快， 1996到2010年间，武汉市建设用地碳排放量增加了1 091.6万t，增幅为88.58%，碳排放总量也增加了87.21%。通过SPSS 19对建设用地面积与碳排放总量进行双侧检验，结果表明，在0.01水平下显著相关，可见武汉市的碳排放总量与建设用地的碳排放量走势保持同步。
在建设用地面积增加的同时，耕地面积在不断减少，但是耕地面积的减少对碳排放总量并没有起到明显的影响，原因可能有两个方面，一是耕地的碳排放量相对于建设用地来讲数量太小，最高也只占碳源排放总量的1.6%;二是耕地转变为建设用地不仅没有降低碳排放量，反而会增加碳排放量。
另一方面，武汉市的碳吸收总量也在不断增加，1996到2010年间增加了2.09万t，增幅为49.76%，其中占碳汇吸收比例较小的草地碳吸收量在逐年下降，但是林地的碳吸收量占总吸收量的90%以上，甚至有些年份达到了99%以上，且林地面积在不断扩大，林地的固碳量在增加，从而使得武汉市碳吸收量15年间不断增加。
3.2 武汉市建设用地碳足迹分析
由公式（3）计算武汉市1996-2010年的能源消耗碳足迹间接得到建设用地碳足迹，如表3所示。由表3中可以看出，武汉市的建设用地碳足迹逐年增加，在此期间，虽然武汉市的林地与草地的总面积有所增加，但是远远不足总碳足迹的增加速度，同时人均碳足迹由0.63 hm2增加为0.74 hm2，由此表明武汉市的生态系统不足以弥补能源消费的碳足迹。不同能源的碳足迹表明，煤炭的消费是引起总碳足迹增加的主要原因。表3也表明，森林的碳吸收能力比草地要强，碳足迹以森林为主。
3.3 影响因素分析
3.3.1 土地利用结构 不同的土地利用结构对碳排放量与碳吸收量都会产生影响。1996-2010年武汉市土地利用结构变化见表4。由表4可以看出，武汉市的林地面积不断增加，草地面积在减少，但是由于林地是主要的碳汇，因此武汉市的碳汇量随林地面积的增加而增加。耕地面积在减少，建设用地面积不断增加，且增加速度较快，一部分面积的增加是由于耕地的非农化，即耕地转为了建设用地，而建设用地是主要碳源，因此，武汉市的碳排放量随建设用地面积增加而增加。
3.3.2 经济增长方式 现有的研究表明[10]，国家工业化，能源消费碳排放是最主要的排放类型，可占二氧化碳排放的90%以上。从上述武汉市碳排放量测算结果来看，能源碳排放占碳排放总量的98%以上。由此，应分析经济发展中能源消费带来的碳排放变化。
碳排放强度是碳排放量与国内生产总值（GDP）的比值，是衡量温室气体排放的指标，可以作为发展中国家承认和反映其对减缓气候变化的贡献指标[14]。计算可知，1996-2010年武汉市碳排放强度总体上呈下降趋势，由1996年的1.88 t/万元下降到2010年的0.53 t/万元，下降了71.81%，年平均下降4.79%。根据何建坤等[14]的研究，要实现二氧化碳的绝对减排，碳排放强度的下降率要大于GDP的增长率。而武汉市1996-2010年碳排放强度下降率远小于14.54%的GDP增长率，这远远不能实现碳减排。
经济增长既需要资本的投入，也需要土地、能源等物资投入，若经济增长使得土地、能源等物资消耗加剧，碳排放量加大，则资源利用效率降低，对环境的不利影响加剧，显然这种经济增长方式不可取。为评判经济增长对碳排放变化的影响，可选用能源碳排放系数，即能源碳排放增长速度与国内生产总值的比值来反映经济增长对碳排放的影响，其与能源消费弹性系数具有同样的测量意义[15]。已有研究表明，发展中国家能源消费弹性系数一般都大于或接近于1，而发达国家则小于或接近0.5[15]。其值越大，说明能源碳排放增长快于经济增长速度。计算发现，武汉市能源碳排放系数达到了0.76，远远大于0.5。由此说明，武汉市的经济增长促进了碳排放量的增加。
3.3.3 能源结构 不同的能源其碳排放系数不同，三大能源中，煤炭的碳排放系数最大，天然气最小，石油居中。因此，煤炭的消耗量越大，则能源碳排放量越大。根据公式（2）可测算各种能源碳排放量，并得出三大能源碳排放量趋势图（见图1）。由于各能源的碳排放量与能源消费量之间呈正比，因此，能源碳排放量的趋势与能源消费量的趋势一致。由图1可知，石油和天然气的消费量在1996-2010年间较为平稳，煤炭的消费量在1996-2002年间保持稳定，2002-2006年快速上升，2006-2009出现微小下降，2010年又开始上升，与武汉市碳源排放总量变化走势一致，煤炭消耗量占总能源的67%以上。可以看出，武汉市是以煤炭为主的能源结构。
平均碳排放系数是指能源碳排放总量与能源消耗总量的比值，其变化能够反映能源结构变动对碳排放量的影响。当低碳能源比例的增加时，平均碳排放系数将会变小。从图1来看，武汉市1996-2010年的平均碳排放系数较为平稳，在0.707～0.717之间浮动。以上分析表明，武汉市能源消费结构不合理。
3.3.4 碳足迹影响因素分析 武汉市能源消耗总量在15年间由1 790.13万t增长到了3 352.96万t，与此同时，其碳足迹也由328.13万hm2增长到了618.78万hm2。能源消耗总量与碳足迹走势图（图2）表明，碳足迹随着能源消耗总量的变动而变动，两者呈现出高度一致的走势。
采用回归分析可以定量分析能源消耗总量与碳足迹的关系。本文以95%的置信度通过有关检验，其相关性如表5所示，能源消耗量与碳足迹的相关系数达到了0.999 5，说明碳足迹受能源消耗总量影响较大。
4 小结与讨论
1）建设用地是主要的碳源，其碳排放量占总碳排放总量的98%以上。建设用地面积的增加是武汉碳排放量增加的一个重要原因。发展低碳经济，建设“两型社会”，武汉需控制建设用地面积的不断扩大。同时，提高土地利用集约度，通过集约利用缓解建设用地供求矛盾，实现低碳集约利用。
2）武汉市的总碳足迹和人均碳足迹在不断增加，虽然武汉市的林地与草地的总面积有所增加，但是远远不足总碳足迹的增加速度，表明武汉市碳赤字较为严重。其中，森林碳足迹和煤炭碳足迹为碳足迹的主要“碳汇”和“碳源”，煤炭的消耗是引起总碳足迹增加的主要原因。因此，增强生产性土地，特别是森林的固碳能力，改善能源消费结构，减少煤炭消费量，提高石油、天然气等能源的消费比例，可以较好地降低碳排放水平。
3）1996-2010年，武汉市碳排放量总体上升。主要原因除了建设用地面积不断增加外，还受经济增长方式与能源结构的影响。较高的能源碳排放系数反映出武汉市目前的经济增长方式不利于低碳经济的发展。建立低碳的能源体系，调整产业结构和能源消费结构，是发展低碳经济社会的关键。
4）通过土地利用变化以及能源消费量的变化分析了武汉市的碳排放以及碳足迹的变化，但是在计算能源消费碳排放时，因数据的限制，仅考虑了化石能源消费所带来的碳排放，未计算农村生物质能燃烧带来的碳排放。同时，由于目前对碳足迹的概念和计算边界缺乏统一的定义，计算数据获取难度较大，碳足迹的研究需要进一步深入探讨与完善。
参考文献：
[1] 庄贵阳.低碳经济：中国之选[J].中国石油石化，2007，7（13）：32-34.
[2] 彭佳雯，黄贤金，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.
[3] 杜婷婷，毛 锋，罗 锐.中国经济增长与CO2排放演化探析[J].中国人口资源与环境，2007，17（2）：94-99.
[4] 苏雅丽，张艳芳.陕西省土地利用变化的碳排放效益研究[J].水土保持学报，2011，25（1）：152-156.
[5] 蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学， 2011，33（4）：597-604.
[6] 赵荣钦，黄贤金.基于能源消费的江苏省土地利用碳排放与碳足迹[J].地理研究，2010，29（9）：1639-1649.
[7] SOVACOOL B K， BROWN M A. Twelve metropolitan carbon footprints： A preliminary comparative global assessment[J]. Energy Policy， 2010， 38（9）：4856-4869.
[8] KENNY T， GRAY N F. Comparative performance of six carbon footprint models for use in Ireland[J]. Environmental Impact Assessment Review， 2009， 29（1）：1-61.
[9] 黄贤金，葛 杨，叶堂林，等.循环经济学[M].南京：东南大学出版社，2009.
[10] 李 颖，黄贤金，甄 峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报，2008，24（S2）：102-107.
[11] 肖红艳，袁兴中，李 波，等.土地利用变化碳排放效应研究―以重庆市为例[J].重庆师范大学学报（自然科学版），2012，29（1）：38-43.
[12] 2006 IPCC Guidelines for National Greenhouse Gas Inventories [R]. Geneva：IPCC，2006.
[13] 谢鸿宇，陈贤生，林凯荣，等.基于碳循环的化石能源及电力生态足迹[J].生态学报，2008，28（4）：1729-1735.
[14] 何建坤，刘 滨.作为温室气体排放量衡量指标的碳排放强度分析[J].清华大学学报（自然科学版），2004，44（6）：740-743.
