LMDI方法

LMDI方法（精选7篇）

LMDI方法 篇1

1 引言

碳排放问题伴随着经济持续发展需求和能源日益耗竭而生,已经成为人类面临的关系到生存和发展的重大问题。二氧化碳是温室气体的主要成分,矿物类能源(煤炭、石油、天然气)燃烧是人类活动排放二氧化碳的主要来源。我国能源消费结构目前仍以矿物类能源为主,在能源消费总量中占90%左右。根据世界资源研究所(WRI)的数据,中国二氧化碳气体排放总量在2007年已经超过72亿t,成为世界上第一大碳排放国。中国过去的高速经济发展是高能耗和高排放的发展,提高能源效率,控制和减少二氧化碳排放,已经成为影响我国经济和环境政策的重要因素。

广东是我国经济总量第一大省,已经连续20多年排名全国第一,但同时也是全国最大的石油消费区,近年多次遭遇油荒,电力也屡屡出现短缺,环境的承受能力也严重下降。能源和环境已经成为制约广东省经济持续发展的关键。能源碳排放是能源消耗的直接结果,可以反映人类活动对环境的损害。

本文对1995-2010年广东省能源消费碳排放进行计算和分析,建立LMDI分解模型,综合考量人口、经济规模、产业结构、能源强度和能源结构等因素对广东省能源碳排放的影响,以求全面和准确地量化各因素的作用,为有针对性地制定节能减排政策提供依据。

2 文献综述、分析方法和研究数据

2.1 目前国内外以国家层面的能源消费碳排放为对象的研究较多,而中观层面研究较少。

由于我国不同省份的社会经济和自然条件具有显著差异,碳排放区域差异明显。以省区作为研究区域进行碳排放研究的主要有:赵敏(2009)等从能源消费的角度研究上海市碳排放;帅通、袁雯(2009)从近10年来产业结构和能源结构的变动情况分析了上海市碳排放的变化;郭运功(2009)等先对人均GDP、人口和能源强度与CO2排放量进行相关性分析,再运用LMDI法,对上海市能源消费导致的碳排放强度和CO2排放量进行了分解分析;刘燕娜(2010)等用LMDI法分析了福建省碳排放影响因素;钱贵霞(2010)等分析了内蒙古碳排放影响因素;吴彼爱(2010)等着重分析了产业结构和能源结构对河南省碳排放的影响。目前对广东省能源碳排放的研究还不多,分析广东省碳排放的影响因素可以为有针对性地减排提供经验证据,并为区域分类管理和后续低碳研究提供参考。

2.2 能源碳排放影响因素研究是从经济发展、产业结构、能源结构、技术水平等方面,用定量方法分析碳排放量变化的原因。

指数分解分析是广泛采用的方法,其实质是将碳排放或能源消费表示为多个因素指标的乘积,然后根据不同的权重确定方法进行分解,以确定各指标对增量的贡献大小。指数分解分析方法主要有Laspesyres、Division、Paasche、Fisher、MarshallEdgeworth等。针对指数分解法结果出现残差问题,Sun(1998)基于Laspesyres分解法进行改进,ANG(1998)提出对数平均权重Division分解法(LM-DI),能有效解决残差和零值数据处理问题。

指数分解法的基本形式如下:

其中,C为研究对象,X为分解出来的对C有影响的因素,i代表不同产业部门、能源种类或地域等。

碳排放与影响因素的关系最初是Yoichi Kaya在IPCC研讨会上提出的Kaya恒等式,能够量化反映能源消费碳排放与能源、经济和人口的关系。研究发现能源消费碳排放还与产业结构、能源效率等因素密切相关,近年来采用指数分解法分析碳排放时均引入更多的变量,即扩展的Kaya恒等式。本文采用下式对碳排放进行分析:

其中,i为产业,j为能源消费种类,P为人口,Q表示经济总量,E为能源消费量(折合标准煤),Q为碳排放量,Y为人均产值,表示经济发展水平;S为产业比重,代表产业结构;I为能源强度,代表能源利用效率和技术水平;Mij为j能源占i行业消耗能源比例,代表各行业使用的能源结构;Uij为二氧化碳排放系数。

LMDI法是将时序变量的两端点值进行对数平均作为分解权重函数,定义:

权重函数表示为:

LMDI可以采用乘法和加法分解两种形式,两种方法最终分解结果是一致的,可以相互转化。乘法分解是将基期和报告期的碳排放之比表示为各影响因素相对贡献的乘积,加法分解则是分解碳排放量在一个时期内绝对数的变化,分解出各影响因素变化导致的碳排放增量。加法分解值大于零表明该效应造成了碳排放增加,小于零则造成碳排放减少,因此加法分解的结果显得更加直观,其形式如下:

其中,△Ctot为碳排放变化总量,△Ctot为人口效应,△Cact为规模效应,△Cstr为结构效应,△Cint为能源强度效应,△Cmix为能源结构效应,△Cemf为碳排放因子效应。

2.3 研究数据

历年能源消费数据和经济发展数据来自《中国能源统计年鉴》、《中国统计年鉴》和《广东统计年鉴》,GDP按1995年不变价格计算。热转换因子、含碳量采用《IPCC国家温室气体排放清单2006》提供的参考值,氧化率默认为1,各种燃料转换因子和折标准煤系数取自《中国能源统计年鉴2011》。

3 广东省能源消费碳排放量估算

3.1 估算方法

碳排放量的计算方法是根据IPCC国家温室气体清单指南(2006)的参考方法。由于能源统计年鉴中可获得的各省能源平衡表数据是分部门和种类能源实物量,能源供应和能源消费之间差异较大,表观消费量容易产生较大误差,实际估算碳排放量采用了调整的方法,采用分行业能源终端消费量及生产电力、热力的能源投入量,以反映能源消费碳排放的实际总量。具体算式为:

转换因子=根据净发热值将燃料转换为热量单位的系数,单位为TJ/104t(气体单位为TJ/108m3)。(即平均低位热值;TJ,Terajoule=1012焦耳)

CC:碳含量(t C/TJ),1t C/TJ=1000kg C/1000GJ

COF(碳氧化因子):碳被氧化的比例。通常该值为1,表示完全氧化。44/12=CO2和C的分子量比率

3.2 估算结果

根据(12)式计算结果,如图一,1995年到2010年,广东省能源消费导致的碳排放总量从1.93亿t增加到5.29亿t,年均增长6.92%,同期人均GDP增长率为9.68%。碳排放总量和人均量都有明显增长趋势,但碳强度则逐年下降。中国政府2009年在哥本哈根会议承诺,2020年碳强度要比2005年下降40~45%,广东省碳强度从2005年的1.95t/万元降低到2010年的1.59t/万元,下降幅度超过18%,但是,从发达国家碳强度下降的过程看,随着经济增速减缓,碳强度降低的速度也会不断减缓,因此,必须继续发掘减排潜力才能实现2020年碳强度降低40%~45%的目标。

4 数据处理结果及分析

4.1 LMDI分解结果

根据1995~2010广东省人口、GDP、能源终端消费(实物量),运用LMDI法计算整理后,得到广东省能源消费碳排放因素分解的结果(加法分解)。

(单位:t CO2)

4.2 影响因素分析

人口效应:1995年到2010年,广东省常住人口增加了3000万,人口增加对碳排放增加效应为8831万t,年均增长2.3%,各年对上年的增加率波动较大,原因在于广东省常驻人口中外来务工人员比例大,并且随经济波动变化。

经济规模效应:经济增长是碳排放增长的最主要因素,16年导致的碳排放增量为3.67亿t。各年均为正效应,但是增量波动较大,2000年增加0.14亿t,2007年达到峰值0.51亿t,相应的2000年地区生产总值指数为111.5(上年=100),2007年生产总值指数为114.7。广东省碳排放总量随经济规模扩大而扩大,人均碳排放绝对量也在增加,并且尚未出现增速减缓的迹象。

产业结构:样本期内广东省三次产业比例变化各有不同,第一产业总趋势持续下降,在地区总值中的构成由14.6%降低到4.6%;第二产业由46%增加到61.1%,呈现明显上升态势;第三产业占比变化较小。产业结构变化对碳排放的作用各年有正效应也有负效应,最后的总效应是使碳排放增长3916.6万t,比1995年提高6.7%。三次产业中第二产业碳排放量最大,占碳排放总量的80%以上,最高达到90.7%。第三产业碳排放占比在10%左右,第一产业最少,最低甚至不到总量的1%。

能源强度:能源强度效应使碳排放总量减少1.2亿t。能源强度降低代表能源效率提高,而能源效率主要取决于技术进步,新增产值尤其是工业增加值技术含量提高是能源强度下降的主因。多数年份能源强度效应为负,2004年负效应达到3148.9万t,使碳排放增加的趋势得到一定缓解。但2003年能源强度效应为正,引致碳排放增加1527万t,2005年的正效应达到1612万t,说明能源强度并非稳步下降,能源利用效率还不高,另一方面也说明仍有较大提升空间,在现有资产和技术基础上仍有提高潜力。

能源结构:能源结构效应从1995年到2010年共减少碳排放1.21亿t,是抑制碳排放增长的最主要因素。广东省化石能源基本依靠引进,其能源结构随能源市场价格的变化不断调整,但总的趋势是煤炭消耗越来越小,石油产品、天然气、电力消耗量越来越大。随着使用清洁能源的设备和技术不断推广和升级,预计广东能源结构还将处于一个渐进改善的长期过程中,从而使碳强度继续下降。图三、广东省1995-2010年各因素对碳排放的贡献

5 结论与政策建议

通过运用LMDI法对广东省能源碳排放进行分解,并进行实证分析,得出以下结论:

(1)广东碳排放增长的主要促进因素是经济规模增长,资源投入的增长使碳排放总量不断增加。

(2)碳排放增长速度低于经济规模增长速度,呈现相对脱钩效应,同时因为新技术投入和经济发展方式转变,能源效率、能源结构有所改善,碳排放强度呈持续下降趋势。

(3)能源结构是抑制碳排放增长的最主要因素,价格因素促进了含碳量较低的能源对含碳高能源的替代,但是石油价格的持续上涨可能在未来造成能源结构难以优化。

(4)能源强度下降是减少碳排放的重要原因,行业资源整合、技术进步和经济发展方式转变促进了能源效率提高,但是也存在能源利用效率下降的时段。

(5)产业结构变动因素对碳排放增长影响最小,常住人口的变化对碳排放影响很有限。

我国还处于工业化和城市化阶段,由于工业所占比例高,技术水平较低造成能源利用效率低,基础设施和工业基建需要投入更多的高耗能产品如钢铁、水泥、机械。但是必须清晰地认识到,“高能耗、高污染、高排放“的GDP增长付出的能源损耗、环境污染代价过于沉重,提高能源效率、降低碳排放已经刻不容缓。

广东省是全国最大的能源消费市场,而自身能源供应能力却几乎为零,能源价格的不断上升导致经济发展的成本越来越高。由于第二产业比重超过60%,同时第三产业比重自2002年之后呈现下降趋势,重工业发展还快于轻工业,房地产、汽车、电力等高能耗行业给能源和环境造成了很大压力。

广东降低碳排放虽然存在较大困难,但也存在有利条件。例如:(1)新增工业技术先进,能源效率高、排放低;(2)能源结构可以灵活调整,由于西南电力多为水力发电,西电东输是重要洁净能源,液化天然气(LNG)大力推广也是降低碳排放的重要路径;(3)第三产业发展潜力巨大。

减排应该重点对高能耗产业进行整合,坚决淘汰落后产能,限制高碳产业,扶植低碳产业,使高能效的新技术和新工艺及时地形成生产力。同时,政府应该将绿色GDP作为政府工作效率的考核指标之一,积极监测能源和碳排放相关数据,加强和完善初始碳排放权的分配,为建立和逐步完善碳排放交易市场做好准备。

参考文献

[1]SUN J W.Changes in energy consumption and energy intensity:Acomplete decomposition model[J].Energy Economics,1998,20(1):85-100

[2]ANG B W,ZHANG F Q,CHOI K H.Factorizing Changes in EnergyEnvironmental Indicators through Decomposition[J].Energy,1998,2(6):489-495

[3]ANG B W.Decomposition analysis for policymaking in energy:Which is the preferred Method?[J].Energy Policy,2004,32(9):1131-1139

[4]KAYA YOICHI.Impact of Carbon Dioxide Emission on GNP GrowthInterpretation of Proposed Scenarios[R].Paris:Presentation to theEnergy and Industry Subgroup,Response Strategies Working Group,IPCC,1989

[5]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[R/EB]volumeⅡEnergy,2006

[6]赵敏,张卫国,俞立中.上海市能源消费碳排放分析[J].环境科学研究,2009,22(8):1984-1989

[7]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,2009,18(10):885-889

[8]郭运功,林逢春,白义琴,等.上海市能源利用碳排放的分解研究[J].环境污染与防治,2009,31(9):34-37

[9]刘燕娜,洪燕真,余建辉.福建省碳排放的因素分解实证研究[J].技术经济,2010,29(8):58-61

[10]钱贵霞,张一品,邬建国内蒙古能源消费碳排放变化的分解分析[J].技术经济,2010,29(12):77-84

[11]吴彼爱,高建华,徐冲.基于产业结构和能源结构的河南省碳排放分解分析[J].经济地理,2010,11(30):1902-1907

LMDI方法 篇2

一、两种方法的基本原理

连环替代法和LMDI法均属于因素分析法。因素分析法是依据分析指标与其影响因素之间的关系, 按照一定的程序和方法, 确定各因素对分析指标差异影响程度的一种方法。连环替代法是将经济指标按其构成和不同的分析目标, 将各个因素标准值连锁地用分析值来替代, 计算出各因素变动对整个经济指标影响程度的方法。LMDI方法则是将经济指标总的变化量在各影响因素之间按照一定的系数进行分配, 其结果不因分解因素的顺序不同而发生变化, 并且拥有乘法和加法两种分解方式, 相对应地, 其结果也就有相对量和绝对量表现形式。下文将详细介绍这两种方法。

其一, 连环替代法的基本原理。假设某种产品的生产成本是由是由A、B、C三个因素相乘得到, 其基期成本与报告期成本的关系如下:

基期成本:V0=A0×B0×C0

报告期成本:VT=AT×BT×CT

基期成本与报告期成本之间总变化量为△VT=VT-V0, 这个总变化量同时受到A、B、C三个因素的影响, 分析方式如下:

V0=A0×B0×C0

VT=AT×BT×CT

第一次替代:V1=AT×B0×C0

第二次替代:V2=AT×BT×C0

第三次替代:VT=AT×BT×CT

A因素变动的影响为VA=V1-V0;

B因素变动的影响为VB=V2-V1;

C因素变动的影响为VC=VT-V2;

最终三因素变动产生的总变化量为:

△R=VA+VB+VC= (V1-V0) + (V2-V1) + (VT-V2) =VT-V0;

其二, LMDI方法 (对数平均迪氏指数法) 的基本原理。LMDA1方法首先由新加坡学者B.W.Ang在能源经济研究领域, 在改进迪氏指数方法的基础上提出并运用, 其基本原理如下:假设V是一个总的变化量, 而影响V的因素有n个, V=∑ix1, i, x2, i…xn, t并且Vi=x1, i, x2, i…xn, t。下标i表示影响总变化量的一个子部门, 如在总成本变化中, i可以表示i种产品。再假设基期为O, 报告期为T, 那么总量变化就是从基期的V0=∑ix01, i, x02, i…x0n, t变化到报告期的VT=∑ixT2, i, xT2, i…xTn, t。

加法方式下的分解如下:

乘法方式下的分解如下:

Dtot=VT/V0=Dx1Dx1…Dxn Drsd

其中, △Vrsd和Drsd为分解残余值。如果分解因素选得好, 分解得完全, 则可能不存在残余值, 也即残余值△Vrsd=0或者Drsd=1, 这是理想状态。△Vrsd和Drsd的大小也可以作为分解因素选择得是否科学的依据, △Vrsd越接近于0, 或者Drsd越接近于1, 则分解因素选择得越合理。 , 当a=b时, L (a, b) =a。当只有一种产品时, 公式中的i可以省略, 或者视为i=1。两种分解形式之间存在如下关系:

二、两种方法在成本分析中的应用及比较

现在以不同年份产品成本的变化进行举例说明。假设产品成本的变化量由产品产量Q, 单位产品耗材量U与单位材料的价格P三个因素组成。

其一, 假设某场只生产一种产品甲, 基本资料如表1所示:

连环替代法 (为了方便起见, 单位略, 下同) :

V0=100×10×10=10000

VT=150×12×15=27000

第一次替代:V1=150×10×10=15000

第二次替代:V2=150×12×10=18000

第三次替代:VT=150×12×115=27000

产品产量的影响为:VQ=V1-V0=15000-10000=5000

单位产品耗材量的影响为:VU=V2-V1=18000-15000=3000

单位材料的价格的影响为:VP=VT-V2=27000-18000=9000

总的变化量为:

LMDA1法:

生产一种产品, 即i=1。这里仅用加法分解进行举例。i=1, 则第K种因素对总成本变化产生的影响计算公式为: , 在成本分析中, 各具体因素的影响因素为:

将本例中的数值带入计算, 结果如表2所示:

其二, 假设将成本变动的因素分解为单位材料的价格、单位产品耗材量和产量 (尽管我们知道在连环替代法下, 这样的分解顺序是不合理的, 这里仅仅是为了说明连环替代法的局限性而举例) , 按照在此基础上形成的新的替代顺序, 连环替代法下分解的结果表3所示。

由表3可知, 对于同一种因素, 如单位材料的价格, 原来的影响份额为9000, 而现在为5000, 发生了变化。而LMDA1法的分解结果不受分解顺序的影响, 结果仍然不变, 同表2。

其三, 假设该厂在运营一段时间后, 发现由于市场原因等因素, 生产情况调回到原来的水平, 于是在T1期又恢复到原来0期的生产状况, 具体如表4所示:

根据连环替代法, 计算结果如表5所示:

根据LMDI法, 计算结果如表6所示:

综合以上计算结果, 如表7所示 (由于△Vrsd=0a本表不再列出) :

其四, 假设某厂生产A、B两种产品, 其基期 (0) 和报告期 (T) 生产及成本情况如表8所示。

则两种方法下的分析结果如表9和表10所示:

三、连环替代法和LMDI法两方法的比较

由以上案例及其计算结果, 可以发现, 相比于连环替代法, LMDI方法具有以下优点:

第一, 各因素分析的独立性强。由第一个算例可看出, 连环替代法下, 对后一因素的分析是建立在前一因素的基础上的, 前后各因素之间, 环环相扣, 若是前一因素的分析出错, 必然影响后一因素分析的正确性。LMDI方法则不同, 各个因素的分析相对独立, 与其他因素不存在直接的依赖关系。

第二, 计算过程中对分解因素的顺序无要求。由第二个算例可知, 在连环替代法下, 替代顺序的变化会导致对同一因素的分析结果发生变化。按照产量、单位产品耗材量、单位材料的价格顺序分解时, 由产量变动导致的成本变动为5000元, 而按照单位材料的价格、单位产品耗材量和产量的顺序进行替代分解时, 由产量变动导致的成本变动为9000元。这是因为, 连环替代法在进行每一步替代时, 要求前一个因素的变动是引起后一个因素变动的原因, 在进行替代时要合理确定各因素被替代的顺序, 保持计算程序的连环性。这样, 分析的结果在很大程度上取决于分析人员的主观判断, 因为不同的分析人员在因素的替代顺序上可能会存在不同的判断, 从而造成不同分析人员之间的分析结果不具有可比性。这就要求在选取与成本变动相关的各影响因素时要认真分析影响成本变动的内在原因, 找出影响其变动的各影响因素并确定其先后顺序, 在此基础上建立分解因式, 这样才能对企业进行成本分析和控制起到指导作用。而在LMDI法下则完全不必担心因分解顺序的差异而造成计算结果的变化。对各个因素的分析采用独立的公式, 对其他因素不构成影响。

第三, 计算结果的可逆性强。由第三个算例可知, 在连环替代法下, 同一组数字, 由于基期和报告期的顺序不同, 计算出的结果之间不存在明显的对比关系, 甚至同一种影响因素对总成本的变化产生的影响在绝对量上存在明显差异, 不具有可逆性。这也反映出连环替代法不科学的一方面。而LMDI法下, 调换时期的算例得出的结果仅是符号的差异, 二者互为相反数, 计算结果存在可逆性。

第四, 对多种产品成本变化分析的适应性强。由第四个算例可知, 在计算多种产品成本时, 连环替代法是按照单个产品成本变化的分析方法分别分析各种产品的成本变化影响因素, 若要计算某个因素对总成本变化的影响额则还需进一步的处理工作。而LMDI法可直接根据公式得出某种因素的影响额, 在处理多产品成本分析时应用起来更为方便。随着产品种类越来越多, 连环替代法的计算将会越来越复杂, 并且对某种因素的分析需要将各种产品中该因素的影响额加总方可得到, 而LMDI法可以根据公式直接得出。由此可见, LMDI法在实际分析中适应性更强。

第五, 分析结果的表现方式多样化。LMDI法的乘法分解形式还为因素分析法提供了相对量的指数表现形式, 如表10中的最后一列, 并且加法形式与乘法形式的结果之间存在对应关系, 可用于相互验证。相对量表现形式便于对不同时期和不同产品之间进行比较, 从而为成本分析和成本决策提供了进一步的参考价值。连环替代法下, 分析结果以绝对量的方式表现, 使得在基期和报告期不同基准下, 相互间的对比意义不显著, 在实践中指导意义不明显。而若要把绝对量的表现方式转化成指数表现方式则面临着同度量因素的基准选择问题 (主要是拉氏指数和帕氏指数) 。不同的基准下, 计算结果存在差异。如, 以第二个算例的数字为例, 从基期成本10000元变化到报告期成本27000元, 则基期到报告期增长了 , 而报告期比基期下降了 , 不同的基准下, 结果表示方式存在差异。而用对数的表示方法则可以避免这个问题, 基期到报告期增加了 , 报告期比基期减少了 。

四、结论

从以上分析可以看出, 实质上, LMDI法是将总的变化量在各影响因子之间以对数均值为权重进行分配, 从而从源头上克服了连环替代法的一些局限性, 比连环替代法具有更强的独立性、可逆性、适应性、可验证性和更丰富的表现形式, 为成本分析提供了新的工具。需要注意的是, 与连环替代法一样, LMDI法分析的各影响因素的影响额, 往往仍然是综合因素;所不同的是, LMDI法可以对某个因素进行继续分解, 即二阶段分解、三阶段分解等等, 以将影响因素不断细化。例如可以对本文中的产量因素进一步分解为总产量因素 (两产品产量合计) 和结构因素 (A、B产品各自的比重) , 分析各自的影响份额, 限于篇幅, 本文在此不做进一步研究。因而, 如果产品总类较广、比较年份较多、对将要分析的影响因素要求比较具体和细致, 则应选用LMDI法。

参考文献

[1]万寿义、任月君:《成本会计》, 东北财经大学出版社2010版。

[2]B.W.Ang.Decomposition analysis for policymaking in energy:which is the preferred method?[J].Energy Policy.2004, 32:1131-1139

[3]B.W.Ang.The LMDI approach to decomposition analysis:a practical guide[J].Energy Policy.2005, 33:867-871

LMDI方法 篇3

1 我国能源消费与能源强度

1.1 我国能源消费

我国能源消费总量增长很快(图1),能源进口量不断增加。2011年全年能源消费总量34.8亿t标准煤,比上年增长7.0%。其中,煤炭消费量增长9.7%,原油消费量增长2.7%,天然气消费量增长12.0%,电力消费量增长11.7%[11]。2011年,我国进口原油2.54亿t,比上年增长6%,对外依存度达55%,成为仅次于美国的第二大石油进口国和消费国。根据行业统计,2011年全年我国进口天然气310亿m3,同比增长了82.3%,天然气对外依存度超过20%[12]。国家发展和改革委员会发布的相关数据表明,我国已成为世界上煤炭、钢铁、铁矿石、氧化铝、铜、水泥消耗最大的国家,是世界上能源消耗的第二大国。

1996—2010年,我国能源消费总量保持较快的增长速度(图2)。“九五”期间,能源消费总量增加10339万t标准煤,年均增速为1.53%。“十五”期间,能源消费总量增加85591万t标准煤,年均增速为11.38%,“十一五”期间,能源消费总量增加66263万t标准煤,年均增速为5.1%。主要原因是“十五”与“十一五”期间,我国工业生产规模继续扩大,能源消耗快速增长所致。在我国产业能源消费结构中,工业能源消费占能源消费总量的绝对比重一直保持在71%左右。1996—2001年我国工业能源消费基本保持年均2%的低速增长,从2002年开始工业能源消费急速上升。2002—2010年我国工业能源消费年均增速为11.49%,是我国能源总量消费剧增的主要原因。其它能源消费产业如交通运输、建筑业、仓储和邮政业及农林牧渔业的能源消费也呈一定的增长趋势,但与工业能源消费相比其变化并不明显,对能源消费的带动作用能力有限。

1.2 我国能源强度

能源强度即单位能耗,是指生产单位国内生产总值所消耗的能源量。能源消耗强度=能源消费量/国内生产总值(t标准煤/万元)。能源强度是度量能源效率的常用指标,能源强度下降表示能源效率的提高[13]。我国能源消费强度从2000年的11.15t标准煤/万元上升到2010年的16.68t标准煤/万元,增长了49.6%,年均增长4.96%。1996—2010年我国能源消费强度大致可分为4个阶段(图3):①1996—1998年为基本平稳阶段,能源强度保持在10.40—10.50t标准煤/万元;②1999—2001年为缓慢上升阶段,能源强度的平均值为10.93t标准煤/万元;③2002—2006年为加速上升阶段,能源消费强度年均增速9.3%;④2007—2010年为回落波动阶段,2008年比上年下降3.6%,2009年又逆转上升,达到历史高点,2010年稍有回落。

2 我国能源消费因素分解分析

2.1 模型建立

分解能源消费效应常用的方法有指数分解分析法和结构分解分析法。指数分解分析法中主要有Laspeyres、Divisia、Pa-asche、Fisher等10多种,在研究中被广泛采用的是前两种。Ang B W 等的研究表明,对数平均迪式指数法(LMDI)可对所有因素进行无残差分解,并可运用到部分残缺数据集的分解上[14,15]。对数平均迪氏指数法有加法形式和乘法形式,显示的结果具有较好的一致性[16]。本文采用LMDI加法形式来计算我国能源消费主要行业的生产效应、结构效应和强度效应。

定义第t年(目标年)与第0年(基准年)的能源消费变动为总效应,用△Etot表示。采用加和分解,即将能源消费变动用相加的方法分成3个部分:生产效应(△Epdn),表示在产业结构和产业能源强度不变的情况下,仅由生产变动所引起的能源消费量的变动;结构效应(△Estr),表示在生产水平和产业能源强度不变的情况下,仅由产业结构变动引起的能源消费量的变动;强度效应(△Eint),表示在生产水平和产业结构不变的情况下,仅由能源强度的变化所引起的能源消费量的变动。LMDI模型为[17]:△Etot=Et-E0=△Epdn+△Estr+△Eint。利用LMDI计算各个行业(i)的生产效应、结构效应和强度效应:undefined;undefined;undefined。式中,L(Ei,t,Ei,0)=(Ei,t-Ei,0)/ln(Ei,t/Ei,0);undefined。式中,Yi为第t年国家或地区生产总值;Yi,t为第i行业第t年的产出水平;Et为第t年能源消费总量;Ei,t为第i行业第t年的能源消费量;Si,t为第i行业第t年的产出占总产出的比重(Yi,t/Yt);Ii,t为第i行业第t年的能源消费强度(Ei,t/Yi,t)。第i行业的3种效应计算表达式为: △Ei,pdn=L(Ei,tEi,0)ln(Yi/Y0)=Ei,tln(Yi/Y0);△Ei,str=L(Ei,t,Ei,0)ln(Si,t/Si,0)=Ei,tln(Si,t/Si,0);△Ei,int=L(Ei,t,Ei,0)ln(Ii,t/Ii,0)=Ei,tln(Ii,t/Ii,0)。

2.2 数据来源

本文研究所使用的基础数据来源于1995—2011年《中国统计年鉴》和1996年、2011年《中国能源统计年鉴》,并将 GDP及各行业产值以1978年为不变价格进行了折算。在进行能源消费效应分解时,根据《中国能源统计年鉴》的划分,将能源消费总量分为农林牧渔水利业、工业、建筑业、交通运输仓储及邮电通讯业、批发零售贸易餐饮业、其他第三产业六大行业。由于生活消费能源无相对应的生产产值,为了说明GDP与能耗的关系,本文的总能耗中不包含生活消费的能耗部分。

2.3 结果分析

利用LMDI法对我国1996—2010年能源消费的增长因素进行分析,得出产出效应、结构效应和强度效应对能源消费增长的影响结果,见图4。

总效应:从图4可见,自2000年之后我国经济发展的强劲动力带动了能源消耗快速增长。2004—2007年是我国能源消费总量增长最快的阶段,能源消费总效应从1100.45万t标准煤增加到4034.38万t标准煤,3年内增长了2.67倍,总量净增长2933.93万t标准煤。从能源分解效应图上看,生产效应一直处于稳步上升趋势,能源结构效应具有明显的波动起伏特点。2000年之前,结构效应对能源消费作用不明显,之后结构效应凸显。我国能源强度效应呈先下降后上升的发展趋势。1996—2003年为下降阶段,对能源总效应起到明显的抑制作用;2004—2010年呈快速上升阶段,上升速度与能源效应基本一致,也是导致我国能源消费总效应迅速增长的重要因素。可以看出,生产效应、结构效应和强度效应共同决定着我国能源消费总效应的发展。

生产效应:我国能源消费增长与生产规模的扩大具有显著正相关,是造成我国能耗增长的主要因素(图5)。生产规模扩大、产能增加使我国能源消费的生产效应在2000年后呈明显的上升趋势。生产效应从2000年的164.94万t标准煤上升到2010年的2965.04万t标准煤,是2000年的17.98倍。在各产业的能源消费生产效应中,工业占绝对主导地位。“十五”期间我国工业产能规模不断扩大,许多高耗能产业所造成的生产效应迅速扩大,如电力、热力生产和供应业,黑色金属冶炼及压延加工业,化学原料及化学制品制造业,有色金属冶冻及压延加工业,非金属矿物制品业等[18]。众多高耗能产业的生产效应是促使我国总效应上升的决定性因素。其次,交通运输、仓储和邮政业的迅猛发展,造成该行业能源消费总量迅速增加,在“十五”与“十一五”期间增长明显。

结构效应:我国能源结构效应区间波动特征显著(图6)。“九五”期间结构效应对总效应作用并不明显;“十五”期间结构效应助长了能源消耗的增长,2002年达区间历史最高值1123.54万t标准煤,2000—2004年能源结构效应和能源强度效应呈反方向发展态势,相互抵消,能源总效应与生产效应基本保持一致的发展趋势。说明“十五”期间工业结构的调整没有降低能源消耗,主要原因是在此期间重耗能的重工业产业投资增长很快,带动了工业能源消耗增长。“十一五”期间结构效应有下降趋势,2004—2007年能源结构效应稳定200—340万t标准煤;2008—2010年一直呈负增长趋势,结构效应凸显,说明产业结构、投资结构的调整对能源总效应起到明显的抑制作用。在具体产业能源结构中,工业能源结构效应下降最明显,是能源结构效应的主导。

强度效应:我国能源强度效应呈现出先下降后上升变化趋势(图7)。1996年强度效应为正值,推动能源总效应的增长。1997—2002年结构效应作用逐渐增强,2003年稍有回落,在一定程度上抵消了结构效应影响,整体上抑制了能源总效应增长。主要原因是20世纪90年代初大量外资涌入中国,国外先进设备、先进制造技术等开始在国内广泛使用,同时也带动了国内相关行业的产业技术升级改造[19]。2004年能源消费开始快速增长,对我国能源消费的总效应有着突出的拉动效应;2001—2010年呈急速上升趋势,是影响我国能源消费总效应的重要因素。2008年在国家宏观政策调控下略有下降,2009年又逆转上升。在具体的产业能源强度上,交通运输、仓储和邮政业在“十五”和“十一五”期间有明显的上升趋势;工业能源强度变化突出。主要原因是进入21世纪我国经济加速发展,重工业化过程加快,高耗能行业发展迅速,能源消耗巨大。在使用和分配上过多关注加工、开采、冶炼等工业领域,同时与20世纪90年代末相比,技术进步的作用在减弱,一方面受研发能力的制约,技术进步空间缩小;另一方面,可能受高新技术设备成本较高的影响,高新节能技术的需求仍然有限[20]。

3 对策建议

LMDI方法 篇4

近年来，碳排放研究成为相关学科领域的热点问题。[4]一些学者将我国碳排放分解为经济规模、人口规模、能源强度等影响因素，[5,6,7]经济增长对我国碳排放的贡献率最大，[8,9]煤炭能源消费对碳排放也有较大影响，[10]能源强度是我国碳排放主要的抑制因素，[11]产业结构负向作用的潜力还有待开发。[12]经济增长和产业结构是东部发达地区最主要的影响因素，而产业结构和人均收入水平对西部地区的影响程度远高于东部地区。[13]目前，国内多数研究均集中于国家以及省域尺度，对城市碳排放的研究明显不足。

杭州是长江三角洲的中心城市之一，浙江省经济发展的核心，也是能源碳排放的主要地区，更是国家控制温室气体排放的类型区。该地区的碳排放量的控制直接关系到区域低碳经济发展、环境保护、温室气体排放以及居民生活水平的提高。基于2001-2011年杭州市能源消费数据，分析其碳排放动态演变过程，并运用对数平均迪式指数法(LMDI)对其碳排放影响因素进行分解分析，从而对杭州市碳排放变化和影响因素有一个总体规律的认识，以期为杭州市低碳城市建设提供科学参考。

一、数据来源与研究方法

（一）数据来源

2000-2011年杭州市煤炭、石油、天然气等能源消费量，地区生产总值，人口总数等数据直接来源于《杭州统计年鉴》(2001-2012)。三次产业能源消费量数据依据《杭州统计年鉴》中的能源消费平衡表整理计算。

（二）碳排放量估算

主要能源的碳排放系数来源于IPCC碳排放计算指南(2006年)缺省值，采用如下公式估算杭州市碳排放总量[14]：

公式(1)中，CQ为碳排放量 (104t) ，Mi为第i种能源碳排放系数(各能源种类的碳排放系数来源于《能源工作统计手册》);Ei为第i种能源的消费量(以标准煤的数据计算)，此处的n值为3。

（三）碳排放影响因素分解

利用LMDI将杭州市碳排放影响因素分解为第二产业能源结构、人口规模、人均GDP、第二产业能源强度以及第二产业结构比例。各影响因素的表征方法如下：

将碳排放总量计算公式按照下列的公式(2)进行分解：

公式(2)中：Ci为第i种能源的碳排放量，单位(万吨);Ei为第i种能源的消耗量，单位(万吨);E2为第二产业的能源消耗总量，单位(万吨);Y2为第二产业的总产值，单位(万元);Y为总产值，单位(万元);P为人口总量，单位(万人);Fi为第i种能源的碳排放系数;K2i为第i种能源占第二产业总能源消耗的比例;S2第二产业的能源强度;N2为第二产业结构比例;G为人均GDP。

本文设定2000年为基年，利用其余年份各碳排放因素相对于基年的增长量将公式(2)分解为：

公式(3)中：△C为第T年碳排放量的增长值;CT为第T年的碳排放总量;CO为基年的碳排放总量(本文采用杭州市2000年数据);△Fi为碳排放系数变化量;△K2i为第二产业能源消耗结构变化量;△S2为第二产业能源强度变化量;△N2为第二产业结构比例变化量;△G为人均GDP变化量;△P为人口变化量。

应用LMDI的加法分解法对碳排放的影响因素进行分解分析：

其中表示V的第i类第n个影响因素;用T表示第T年的数据，O则表示基年的数据。当时，

根据公式(5)，将公式(3)分解为：

CiT为第T年第i种能源的碳排放总量，单位(万吨);CiO为基年第i种能源的碳排放总量，单位(万吨);FiT为第T年第i种能源的碳排放系数;FiO为基年第i种能源的碳排放系数;KiT为第T年第i种能源消耗占第二产业总能源消耗量的比例;KiO为基年第i种能源消耗占第二产业总能源消耗的比例;SiT为第T年第二产业的能源强度;SiO为基年第二产业的能源强度;N2T为第T年第二产业产业结构系数;N2O为基年第二产业产业结构系数;GT为第T年人均GDP，单位(万元);GO为基年人均GDP，单位(万元);PT为第T年人口数;PO为基年人口数。

二、杭州市能源碳排放演进过程分析

2001-2011年，杭州市碳排放总量呈现先增长后下降的态势，平均年增长率为6.07%，同期杭州市人均GDP总量平均年增长率为14.59%。人均GDP增长率曲线与碳排放量增长率曲线具有很高的相似度，说明杭州市碳排放总量与经济增长具有较强的相关性。由杭州市碳排放总量增长率曲线可知(图1)，杭州市碳排放总量增长率大致可以分为三个阶段：2001-2004年，碳排放的高增长期，平均年增长率达到12.46%。主要因为“十五”期间杭州市第二产业快速发展，2004第二产业产值相对于2001年增加了66.1%，而相对于第一、第三产业，第二产业的发展对碳排放量的影响最大;[3][16]2005-2007年，碳排放增长速度相对有所下降，平均碳排放年增长率为6.86%。这一时期浙江省对产业结构的优化提出了新的要求，将杭州、宁波作为全省产业结构优化升级的核心地区。产业结构的优化调整是杭州市碳排放量增长率下降的主要因素。2008-2011年，碳排放处于负增长阶段，2007年杭州市碳排放首次出现负增长。“十一五”期间浙江省严格执行节能减排政策，尤其是对高能耗，高污染的企业进行全面的整治，与此同时，杭州市对产业结构的优化再次提出了新的要求。政府采取多元化的宏观调控政策，尤其是在科学技术方面财政支出的大幅度提高促进了产业结构升级，是碳排放出现负增长的关键因素。

三、杭州市碳排放影响因素分析

利用表1中的计算公式得到杭州市碳排放影响因素LMDI分解结果(图2)。由图2可知，杭州市碳排放量的主要驱动因素为经济增长(人均GDP)，第二产业能源结构呈现倒“U”型的变化，人口规模和第二产业分别有微弱的拉动和抑制作用，而第二产业能源强度是杭州市碳排放的主要抑制因素。其中，经济增长的拉动作用最大，对杭州市碳排放有89.5%的正向贡献。2001-2011年，杭州市人均GDP平均年增长率为15.98%，经济水平的快速增长刺激能源消费，从而导致碳排放量的提高。2007-2011年，虽然杭州市人均GDP平均年增长率有所下降，但经济增长依然是杭州市碳排放的最主要推动因素。

第二产业能源结构对杭州市碳排放也有正向拉动作用，并且呈现倒“U”型的变化趋势。这一变化与杭州市原煤消耗量的变化趋势基本一致。原煤作为杭州市最主要的能源消费类型，占到总能源消费的85%左右。2001-2011年，杭州市原煤碳排放比例仅下降了2.26%。虽然自2007年以来，原煤需求量不断下降，但依然有将近80%的碳排放来自于原煤消耗。杭州市清洁能源的利用并不理想，天然气的碳排放系数仅为原煤的58.4%，2011年杭州市天然气使用量仅占到总能源使用量的1%。2007-2011年第二产业能源结构效应逐年降低，源于天然气使用量的上升以及原煤和总能源使用量的下降。虽然第二产业能源结构对碳排放依然有50.1%的贡献度，但是下降趋势明显，杭州市可以通过技术更新，进一步挖掘第二产业能源结构的潜力。

第二产业能源强度对杭州市碳排放的抑制作用明显，并且有逐年加强的趋势。2011年第二产业能源强度碳排放贡献率达到-100.7%。2007-2011年第二产业能源强度效果明显加强，平均年增长率为32.3%，快速降低的第二产业能源强度抵消了部分因经济增长而产生的碳排放，这也是2007-2011年杭州市碳排放总量下降的主要原因。技术进步是能源强度降低的关键，“十一五”期间杭州市加大了科技方面的财政支出，为能源强度的提高提供了基础。能源强度除了与资金投入有关外，还与科技创新，产业结构以及能源利用效率有着密切联系。因此，从长远来看，杭州市应当通过鼓励科技创新，积极优化产业结构，提高能源利用效率，进而促使第二产业能源强度的进一步降低，到达降低碳排放的目的。

第二产业的结构效应虽然较小，对碳排放的贡献率仅为-3.5%，但一直保持抑制作用并有逐年增强的趋势。这表明杭州一直在强调产业结构的优化调整，重点工作就是降低第二产业所占比重，大力发展高端服务业，但效果并不明显。2011年，杭州市第一，第二，第三产业比例为3.3:47.4:49.3，相对于2010年第二产业比例仅下降了0.4个百分点。第二产业还有很大的调整空间。所以，产业结构的合理优化应当是杭州市碳排放控制的长期手段。

从逐年贡献率趋势分析，人口规模对碳排放一直保持有正向的微弱拉动作用，贡献率为7.1%。2001-2011年，杭州市新增人口达到66万，人口数量的增加必然会刺激能源消费，增加碳排放。因人口而增长的碳排放，除了居民自身的能源消费外，还包括城市扩张建设所消耗的能源。人口增长不可能在短期内得到缓解，所以通过控制人口数量来降低碳排放应是杭州市的长期措施。

四、结论与对策

基于2001-2011年杭州市能源消费数据，计算其碳排放总量，并利用LMDI对其碳排放影响因素进行分解分析，结果表明：杭州市能源消费结构整体上以煤为主的格局没有改变，煤炭消费仍然是CO2排放的主要来源;经济增长是CO2排放量增加的主要推动因素;第二产业能源强度是碳排放的主要抑制因素。杭州市产业结构仍有待优化，通过优化产业结构降低碳排放量还有很大的潜力。

LMDI方法 篇5

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、0.4435kg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.

[4]朱聆, 张真.上海市碳排放强度的影响因素解析[J].环境科学研究, 2011, (1) :20-26.

LMDI方法 篇6

以上文章都达成共识：即肯定教育支出对经济增长的促进作用，这对有助于我们进一步认了解识教育支出对经济增长的促进作用。本文基于LMDI模型，构建GDP增长的分解模型，把2001—2011年全国31个省市区的GDP总量变动总效应分解为教育支出的活动效应、结构效应和效率效应，分析其对GDP增长的影响，并据此提出优化教育支出的投入、促进经济可持续增长的建议。

1 模型建立与数据来源

(1)LMDI模型即对数平均迪氏指数法是一种完全的、不产生残差的分解分析方法。该方法首次由Ang等人提出，并有效解决了分解中的剩余问题和数据汇总的零值与负值问题，从而相较于其他因素分解法具有了路径独立、残差为零以及聚合一致等独特优势。Ang(2004)对LMDI分解法能否用于发展中国家总量分解作了探讨，结果表明在所有分解方法中，LMDI是较为合适的方法。

LMDI加法分解公式如下：

当a≠b时，L(a,b)=(a-b)/(ln a-ln b);当a=b时，L(a,a)=a。

(2)基于以上方法，本文将教育支出对经济增长影响的总效应分解为三个因素即教育支出的活动效应、结构效应、效率效应。这里的活动效应是指在教育支出的投入结构和教育支出的产出效率不变的情况下，仅由于教育支出的投入量的变动而引起的GDP产出的变动;结构效应是指在教育支出的投入量和教育支出的产出效率不变的情况下，仅由于教育支出投入结构变动而引起的GDP产出的变动;效率效应是指在教育支出投入量和教育支出投入结构不变的情况下，仅由于教育支出产出效率变动而引起的GDP产出的变动。模型构建如下:

其中，G为全国GDP总量;i为各观测地区;iG为i地区的国内生产总值;E为教育支出的总额;iE为i地区的教育支出;(E str)i为i地区教育支出在全国教育支出中所占的份额，也称教育支出的地区结构;(E efc)i为i地区的教育支出的产出效率。

基于LMDI模型对GDP从基准年0年到t年分解成三个因素，即：

其中，∆Gact、∆Gstr、∆Gefc分别为加法分解下的活动效应、结构效应、效率效应。其具体表达式如下：

用指数形式可以表示成如下形式：

其中，数据来源为《中国统计年鉴》2001～2012。GDP转换数据为1995年不变价格。

2 结果分析

根据LMDI模型，以相邻两年数据为样本计算得到的结果如表1所示。

根据表1，我们可以做出图1及图2，图1表示2000—2010年GDP变动总效应加法分解结果的变动趋势图，图2表示各分解效应的贡献率。

2.1 总效应

2000—2010年间,我国GDP持续不断的增长，其年均增速达到16.3%,GDP的高速增长与教育支出投入的增加有着密切的联系，全国31个省份的教育支出总额从2000年的3849.08058亿元增长到2010年的19561.84707亿元。在2008年出现了一个拐点，表明GDP的增速有下降的趋势，这因为我国传统经济增长方式以出口拉动主，2008年的国际金融危机对世界范围都产生了比较大的冲击，需求量大大减少，这对我国的出口造成了很大的冲击。这一冲击同时也加快促进了我国产业结构调整的步伐，是经济增长的着力点开始转向扩大内需。

2.2 活动效应

根据表1和图2，教育支出的活动效应对经济增长起到促进作用，2000—2010年间，教育支出的活动效应年均贡献值为36586.24、年均贡献率为1.32，活动效应的贡献率远远大于其他效应。即在教育支出对GDP的驱动因素中，活动效应具有显著的正效应。2007年，活动效应出现了明显的上升点，而2003年和2008年分别出现了两次略微的下降。我们认为教育支出的活动效应变化与国家政策层面对教育的重视程度有关。金融危机过后，政府加大力度投资基础设施建设，这在一定程度上挤出了教育支出的投资。但不会改变教育支出总体上升的大的趋势。

2.3 结构效应

从图1中观察，结构效应并不明显。即教育支出的结构效应对经济增长总效应影响不显著。2000—2010年间，结构效应年均贡献值为-242.9，贡献率值为-0.0097。从图2中可以看出，2001,2006,2008,2009年的结构效应为负值。结构效应表示地区间教育支出投资存在的差异，结构效应为负值表明教育支出地区间分配不合理。2008年以后这一不合理现象更加显著，而且继续延续。2010年的结构效应为正，说明教育支出的地区间结构不断得到改善。但仍需要进一步优化。

2.4 效率效应

从图2中可以看出，教育支出的效率效应是负的，即效率效应抑制经济增长。2000—2010年，教育支出的效率效应年均值为5383.69，效率效应的年均贡献率值为-0.3069。效率效应表示单位教育支出所需要的GDP，这表明单位教育支出所需要GDP越高，教育支出对GDP的抑制效应越大。

3 政策建议

根据本文的实证结果显示，教育支出的活动效应对GDP变动总效应的贡献最大，并且总体呈上升趋势;结构效应对GDP变动的总效应影响较为稳定，但不够显著;效率效应与GDP增长显著负相关关系。我们的政策建议就是，我国首先应把加大教育支出投入作为提升经济增长科技含量的关键抓手，同时也要兼顾教育支出经费在地区间的合理配置和提升教育支出经费投入的产出效率，这将有助于实现经济增长的可持续性。

(1)提高教育支出占GDP的比重。2010年，我国教育支出占GDP比重只有3%，经调整以后教育支出占GDP比例仅为2.4%，这仅相当于法国的39%、德国的44%、美国的50%。国际经济合作和发展组织国家教育支出占GDP比重平均值为4%。由此可看出我国教育支出占GDP比重远远低于世界平均水平。近些年来我国的人均教育支出额虽然有着一定的增长，但仍远远低于发达国家，在可获得的发达国家人均教育支出数据中，我国人均教育支出相当于美国的1/7，相当于日本的1/3。这些状况与我国长期以来没有切实落实科教兴国战略有关。所以，在我国财政收入近年来大幅增长的情况下，应大力提高教育支出在总财政支出中的份额。

(2)调整教育支出在各地区的配置，加大中西部教育支出投入。目前，我国各地区在教育支出投入上的水平很不均衡。教育支出投入按东、中、西部地区分，东部地区8433.25亿元，占48.46%;中部地区4573.68亿元，占26.28%;西部地区4396.58亿元，占25.26%。中西部地区教育支出所占比重远远低于东部地区。所以国家可以在政策上适当向中西部地区倾斜，加大中西部地区教育支出投入，进一步激活中西部地区的资源，提高区域间发展的融合度和可持续性。

(3)提高教育支出的产出效率，优化教育支出经费使用结构。在教育经费的支出中，OCED国家平均基建经费所占比例为8%，事业性经费支出所占比例为92%。而在我国，基建经费所占比例为20%左右，事业性经费支出所占比例为80%左右。这在一定程度上反映了我国教育经费支出中更多的关注基础设施等硬件建设,而对提高教师待遇的人员经费、使高等教育得以有效运营的基本条件的公用经费,即软件建设的投入不够充足。未来我国高等教育要实现内涵式发展,则必须提高事业性经费所占比例,对人员和公用经费给予优先保障。为提高我国高等教育经费的使用效益,除关注建立相对合理的教育经费支出结构以外,还应高度关注建立科学、规范的高等教育支出绩效评价体系和制度,将教育支出结构与支出效率相联系,切实提高经费使用效率。

参考文献

[1]梁来存,刘子兰.教育投资对我国三次产业影响的实证研究[J].教育与经济,2011⁽2⁾:8-13.

[²]^甘建辉.^{教育支出对经济增长影响的实证分析[J].}财政监督,2012⁽6⁾:68-70.

[3]单学勇,董长伟.教育支出对我国经济增长影响的实证分析[J].洛阳理工学院学报:社会科学版,2012(4):17-19.

[4]靳丽丽.我国财政性教育支出与经济增长关系实证分析[J].中国证券期货,2012(9):181-182.

[5]郭玉清,刘红,郭庆旺.中国财政科教支出动态经济效应分析[J].财经研究,2006(5):94-107.

[6]李强.基础设施投资、教育支出与经济增长基础设施投资“挤出效应”的实证分析[J].财经理论与实践,2012(3):72-7 7.

[7]ANG B W.2004.Decomposition analysis for policymaking in energy:which is the pref erred method[J].E nergy Policy,32(9):1131-1139.

LMDI方法 篇7

新疆作为我国西部较落后的一个省份, 目前, 正处于快速工业化进程中, 经济的发展离不开对能源的消耗。2010年, 新疆的主要能源 (煤、石油、天然气) 消耗达到7131.23万吨标准煤, 相对于1991年增加了5294.51万吨。随之而来的二氧化碳的排放量也保持快速增加态势, 从1991年的1283.40万吨增加到2010年的4848.95万吨。碳排放量的不断增加, 不但严重影响到了我省经济可持续发展, 还在一定程度上影响了人民的健康生活。因此, 控制和削减二氧化碳排放形势十分严峻。那么到底是什么原因促进了碳排放持续快速增长, 哪些因素又可以抑制碳的排放, 值得深入探讨。本文基于LMDI模型将碳排放分解为各因素的作用, 定量分析了各因素变动对排放量的影响, 旨在为改善我省环境提供理论依据。

二、LMDI模型介绍

(一) Kaya恒等式及其扩展

Kaya恒等式是由日本教授Yoichi Kaya于IPCC的一次研讨会上提出的, 它用简单的乘积形式将一国或地区的碳排放量与经济, 人口和能源的消耗联系了起来。但近年的研究表明碳排放量除了与上述因素有关, 还与能源结构与能源强度有关, 鉴于此, 在原模型基础上引入能源结构和能源效率两个变量。扩展后的Kaya恒等式形式如下;

式中E、Y、P、C分别表示一次能源消费量、一国或地区生产总值、人口数、CO2排放量, i表示能源种类, 则:X1, i表示单位i种能源的碳排放量, 即能源排放强度;X2, i表示第i种能源在一次能源中所占的比重, 即能源结构;X3表示单位生产总值所消耗的一次能源量, 即能源强度;X4表示人均gdp。由此, 碳排放量变化可以分解为能源排放强度、能源结构、能源效率、经济发展和人口数量5个因素共同作用结果。

(二) LMDI分解

ANG的研究指出, LMDI相对于其它分解方法它满足因素可逆, 能消除残差项的优点, 其所得模型更具说服力。鉴于此, 选用LMDI方法对碳排放进行因素分解。其具体方法如下所示:

三、碳排放因素分解

(一) 数据来源与说明

计算一次能源的数据、新疆生产总值、各年份人口以及各产业产值均由新疆历年统计年鉴整理而来, 而二氧化碳的计算则是由各化石燃料的消费量与其对应的碳排放系数的乘积而来。化石燃料的碳排放系数如表1所示:

资料来源:国家发展和改革委员会能源研究所。

(二) LMDI因素分解

1. 第一阶段的LMDI因素分解

首先, 根据扩展后的Kaya恒等式, 将影响碳排放量变化的5个因素进行LMDI分解。结果表明:在1991年-2010年期间, 经济发展是导致CO2排放增加最主要的原因;其次是人口因素, 能源强度因素则在相当程度上减缓了CO2排放, 能源结构因素较能源强度因素次之。这表明, 在发展低碳经济时要实现发展与减排的双赢目标, 未来新疆降低碳排放的主要路径在于一方面着力控制人口增长, 另一方面增加能源强度, 转变能源消费结构, 开发核、风等新能源。

2. 第二阶段的LMDI分解

通过阶段一可知, 提高能源强度是减排的重要途径, 为此, 我们在第一阶段的基础上, 从产业结构角度对能源强度进行分解, 来探索影响能源强度的内在因素。用X3表示能源强度, Ei表示第i产业的能源消耗量, Y表示新疆生产总值, Yi表示的i产业产值, 则Ii=Ei/Yi表示i产业的能源强度, Qi=Yi/Y表示产业结构。则:

对上式进行LMDI分解, 结果表明:新疆能源强度在近十年经历了3个阶段, 分别为2000-2002年为缓慢上升阶段, 2002-2008年缓慢下降阶段, 2008-2010年的上升阶段。并且产业能源强度效应有助于降低新疆能源的总体强度。

为深入期间, 我们将分产业进行分析, 探讨可降低能源强度的具体产业。在分析产业能源强度时为和能源强度 (单位GDP的能耗) 这一定义相匹配, 我们在此构建消费比/产出比的指标, 用来表示各产业的能源强度。

由表2可以看出:工业的消费比例/产出比例最高, 即在工业中, 每生产占新疆生产总值1个百分点的产量, 要消耗占新疆能源生产总量1.757的能源。因此, 工业是降低能源强度最有潜力的产业, 在今后从降低能源强度方面应加以限制, 同理, 交通运输业也是应该限制的产业;而建筑业、农林牧渔业的消费比例/产出比较低, 因此就环境角度而言应是大力发展的产业。

四、主要结论及建议

本文以LMDI模型为方法, 对新疆的二氧化碳的排放因素进行因素分解, 研究表明经济发展是导致CO2排放增加的主要原因, 其次是人口因素, 能源强度因素则在相当程度上减缓了CO2排放量的增长, 能源结构驱动因素较能源强度因素次之。在对能源强度进行以产业结构为基础的因素分解时, 我们发现, 工业是影响二氧化碳排放增加的最主要的产业, 其次是交通运输、仓储及邮电通信业, 因此在考虑环境压力方面应抑制其发展;而批发零售贸易业、餐饮业和除去第一产业、第二产业和第三产业中的交通运输、仓储及邮电通信业以外的其他产业则是降低二氧化碳排放量最有潜力的产业之一, 应该大力发展。根据研究结果我们可以提出以下建议:1.控制人口增长、降低人均能耗强度。2.加快推进技术进步, 提高能源的使用效率。3.调整产业结构, 避免过度的重化工业化。

摘要：本文以LMDI为研究方法, 研究了新疆能源结构、能源效率、经济发展和人口数量分别对新疆碳排放的贡献力度;并在第一阶段的基础上以能源强度为基础, 研究了不同产业的碳排放强度, 研究表明第三产业中交通运输业是影响我省碳排放的主要因素, 第二产业中工业是影响我国碳排放的主要因素, 并据此提出了有关产业调整的具体方案。

关键词：LMDI模型,能源强度,影响因素,产业类型

参考文献

[1]IPCC Fourth Assessment Report[EB/OL].http://www.ipcc.ch/ipccreports/ar4-wg3.htm, 2009-05-17.

[2]李志强, 王宝山.基于因素分解模型的二氧化碳排放影响因素分析[J].生产力研究, 2010 (12) .

[3]郭朝先.中国碳排放因素分解:基于LMDI分解技术[J].中国人口资源环境, 2010., 12 (20) .

[4]伦丹, 张军以.基于低碳经济的碳排放与经济发展的研究[J].重庆师范大学学报, 2011, 7, 28 (4) .

[5]Ang B W.Decomposition analysis for policymaking in energy:Which is the preferred Method[J].Energy Policy, 2004, 32 (9) .