中国低碳发展:理论、路径与政策
上QQ阅读APP看书,第一时间看更新

第二节 中国碳排放数据来源与因素分解方法

一 数据来源

中国的二氧化碳排放数据。中国统计机构没有公布二氧化碳排放数据,文献的一般来源有以下四类:二氧化碳信息分析中心(Carbon Dioxide Information Analysis Center,CDIAC)公布的年度数据;美国能源情报署(Energy Information Administration,EIA)公布的年度数据;国际能源总署(International Energy Agency,IEA)公布的数据,该数据仅有20世纪90年代后期以来的数据;根据IPCC指导目录和其他方法计算的数据。图2-2是CDIAC和EIA最新公布的年度数据。通过对比发现,二者之间仅有细微的差别,由于本章仅考虑与能源消费相关的二氧化碳排放,所以选择EIA公布的数据。在CDIAC公布的数据中还包括其他人类活动产生的二氧化碳。EIA还公布了煤、石油和天然气三种化石能源二氧化碳排放分组数据(见图2-2)。

能源消费数据。本节在分解过程中采用三种化石能源即煤、石油和天然气的消费量,能源消费总量数据来自历年《中国能源年鉴》、《中国统计年鉴》和中国国家统计局官方网站(见图2-3)。

国内生产总值及历年人口数据,均来自历年《中国统计年鉴》,值得说明的是GDP采用了以1978年为基期的不变价格计算,以剔除价格波动的影响。

img

图2-2 中国1990—2005年煤、石油和天然气燃烧碳排放量

说明:EM-G、EM-O、EM-C分别表示天然气、石油和煤碳燃烧的产生的碳排放量。

img

图2-3 中国1990—2005年煤、石油和天然气消费量

六部门能源消费及产业增加值。本节采用通行的分类方法,将产业部门分为六类:农林牧副渔(以第一产业数据代替)、工业、建筑业、交通运输、贸易餐饮和其他服务业,各产业增加值及能源消费情况见图2-4和图2-5。

img

图2-4 中国1990—2005年六部门产业增加值

img

图2-5 中国六部门及生活能源消费

二 因素分解方法

环境和能源经济学常用的因素分解法大体分为两类:一类是基于投入产出表的结构性因素分解方法(Structrual Decomposition Analysis,SDA);另一类是指数因素分解方法(Index Decomposition Analysis,IDA)。后者更为简单易行,20世纪七八十年代,拉氏分解是主流;20世纪90年代以来,迪氏分解占主导。综合起来看,指数因素分解基本形式如下(Ang,2004,2005;Liu,2005):

img

其中,V表示被分解的对象,如碳排放量、能源消费量或能源强度等指标;X1i,X2i,…,Xni则表示对V有影响的n种因素,i则是表示不同产业门类、不同能源品种或不同地域的指标。

指数分解一般是以时间序列数据为对象,考察不同期变量变化背后的影响因素,如img表示基期的值,而img表示t期的值。

对于目标V一般有两种分解方式:一种是乘法形式;另一种是加法形式,分别如下:

img

其中,D和ΔV分别表示变量从0期到第t期的变化值,RD表示分解的残差。

由于残差是无法解释的部分,因此在应用过程中发展起来的各种分解方法,通过附加一定的权重而将RD再次分解,以尽可能消除不可解释因素的影响。不同分解方法附加的权重不同,因此计算D和ΔV的方式也不同。一些常见的方法如表2-1所示。

表2-1 常见迪氏因素分解方法比较

img

说明:PDM的乘法形式与之类似。

实证研究表明,不同方法得出的结论十分类似,而Ang(2004)提出了不同的四条准则:有理论基础、适用性、运用简单和容易理解。基于这样的考虑,本章采用LMDI方法。此方法还有一个优点,乘法形式和加法形式易于转换。因此选择任何一种都是无差异的,从易于理解的角度本章采用乘法形式。同时,本章采用两阶段的LMDI分解,在两个阶段使用相同的方法对目标因变量和决定性自变量分解。