前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的碳排放的影響因素主題范文，僅供參考，歡迎閱讀并收藏。
摘 要：兩會委員提出推動“碳期貨”市場建設使碳交易再一次成為了熱門話題。本文在介紹碳交易市場概況及其相關機制的基礎上，根據相關學者曾經提出的理論，以北京交易所碳交易價格為研究對象進行了碳排放權交易價格影響因素的實證分析，并結合模型和當下我國經濟形勢對我國碳市場的進一步發展提出了相關建議。
關鍵詞：碳交易市場;碳排放權定價;實證分析
1. 研究背景
隨著人類社會、科技的高速發展，環境、資源問題日益凸顯，尤其是溫室氣體大量排放引發的全球氣溫變暖，已成為當代人類社會發展的緊迫問題。我國對節能減排的重視程度與日俱增，在“十二五規劃”中明文提出，必須“樹立綠色、低碳發展理念，以節能減排為重點”，“積極應對全球氣候變化。把大幅降低能源消耗強度和二氧化碳排放強度作為約束性指標，有效控制溫室氣體排放”。并提出于2020年將實現碳排放強度降低40%-45%的減排目標。
世界上第一個為有效控制二氧化碳等溫室氣體排放從而減緩溫室效應影響的國際公約是1992年5月9 日合國政府間談判委員會制定的《聯合國氣候變化框架公約》（以下簡稱《聯合公約》），在此公約中便對發達國家和發展中國家采取了區別對待的態度。公約對發達國家和發展中國家規定的義務以及履行義務的程序有所區別，要求發達國家積極減少溫室氣體排放，而發展中國家只承擔提供溫室氣體源與溫室氣體匯的國家清單的義務，由發達國家為發展中國家提供履行公約的資金支持。其目標是將大氣中溫室氣體濃度穩定在不對氣候系統造成危害的水平上。
而1997年的《京都議定書》（以下簡稱《議定書》）可謂是《聯合公約》的進一步發展，使溫室氣體減排進一步成為發達國家的法律義務，要求從2008年到2012年間，主要工業發達國家的以二氧化碳為代表的六種溫室氣體的排放量要在1990年的基礎上減少5.2%。2009年12月7-18日召開的哥本哈根世界氣候大會是繼《議定書》后又一具有劃時代意義的全球氣候協議書，它商討了《議定書》一期承諾到期后于2012年至2020年的全球節能減排方案。我國對此一直表示積極的配合態度，中國政府代表表示，2016～2020年中國將把每年的二氧化碳排放量控制在100億噸以下。
碳交易市場是指碳排放權交易市場，為了進一步達到減少溫室氣體排放量，緩解全球變暖現狀，《議定書》實際上創造出了一種新的交易對象――碳減排額度，即把二氧化碳排放權作為一種商品，通過市場機制實現了對二氧化碳排放權配額的交易?！蹲h定書》建立了三種以市場機制為基礎的國際合作減排機制。其一是清潔發展機制（簡稱CDM）。即某一締約國（一般為發達國家）與某儀非締約國（一般為發展中國家）之間的在清潔發展登記處的減排單位的轉讓，在非締約國實施溫室氣體減排項目，協助締約國通過此機制項目獲得“核證減排量”也即CERs，以降低締約國履行兩河國框架公約的成本。
清潔發展機制賦予有減排義務的發達國家向不具有強制減排義務的發展中國家投資降低溫室氣體排放的減排項目，從而獲得CERs。其二是國際排放貿易機制（簡稱ET）。這一交易機制的核心是允許發達國家之間相互交易碳排放額度。賦予溫室氣體排放量超過其許可排放量的締約國從其他擁有剩余排放量的締約國購買CERs，其過程包括“分配數量單位”、“排放減量權證”、“排放減量單位”等減排單位核證的轉讓或獲得。一個發達國家將其超額完成減排義務的指標，以貿易的方式轉讓給另外一個未能完成減排義務的發達國家的同事，從轉讓方的允許排放限額上扣減相應的轉讓額度。其三是聯合履約機制（簡稱JI），其核心是締約國之間以項目為基礎的一種合作機制。所實現的減排單位可以轉讓給另一個發達國家締約方，但是同時必須在轉讓方的分配數量配額上扣減相應的額度。通過此機制實現了減排成本較高的締約國在減排成本較低的締約國實施溫室氣體排放項目。通過以上三種不同機制的對比可以看出，碳交易分為兩類，一類是以CDM和JI為代表的以項目為基礎的減排交易形式;另一類是以ET為代表的配額型交易，由管理者制定總的排放配額，并在參與者之間分配，參與者根據自身需要進行排放配額的買賣。由于我國是《京都議定書》的非締約國，因此不能直接開展配額型交易。我國碳排放交易的主要類型是基于項目的減排交易形式，最主要的是CDM機制。
目前世界上的碳交易所共有四個：歐盟的歐盟排放權交易制（EU ETS）英國的英國排放權交易制（ ETG）美國的芝加哥氣候交易所（CCX）澳大利亞的澳大利亞國家信托（NSW）其中EU ETS是世界上最大的碳排放交易市場，在世界碳 交易市場中具有示范作用。2012年1月13日，中國國家發展和改革委員會宣布在北京、上海、天津、重慶、深圳、廣東省、湖北省開展碳排放權交易試點，逐步建立起了國內碳排放交易市場，以實現低成本2020年中國溫室氣體排放的目標。由此可見，中國碳交易市場尚處于起步階段，交易大部分比較分散，多是企業之間的場外交易，缺乏價格機制，而且以CDM為主的品種較為單一，再加上市場和價格不夠公開、透明，因此還沒有建立成一套完整的定價、核證體系，導致我國碳交易成交價格明顯低于國際碳市場價格，不利于爭取國際價格決定權。
2.變量選取
關鍵詞：聚類分析 碳排放 低碳發展
引言
我國幅員遼闊，各地收入水平、消費水平、產業結構、資源稟賦等存在著很大的差異，因此在倡導節能環保、實施低碳發展時，必須要考慮到影響區域排放的因素差異，從而有目的、有針對性地制定不同的減排目標和策略。
一、相關文獻回顧
探索低碳發展的道路，既要注意到發展模式的普適性，也要考慮模式的適應性。在中國，從1980年開始CO2 的排放總量就不斷上漲。但是由于地區之間經濟發展水平、生活水平以及環境狀況之間存在很大差異，沿海與內陸、東中西部碳排放的驅動因素差異較大，因此在實施低碳發展時，必須考慮影響區域碳排放驅動因素的差異，從而有針對性地制定減排策略。張彬（2011）從環境經濟學角度出發，基于碳排放的驅動因素，利用Kaya模型研究分析例如影響中國碳排放的主要因素――人口、人均國民生產總值和單位國民生產總值碳排放量，并將此三項指標作為模糊聚類指標，將中國按碳排放驅動因素分為4大區域，并針對各區域提出實現低碳發展的相關政策建議，并對應用該方法將中國按照碳排放驅動因素進行區劃的優點與不足做了進一步的討論。張建民（2011）以2005年為基期，對我國2015年與2010年一次能源需求以及碳排放進行了預測。并在此基礎上，與美國、日本、英國、歐盟等國家和地區以及世界平均水平1971年～2005年期間的碳排放進行了比較。發現中國的二氧化碳排放低于發達國家，如果與日本相比，尚有50年的差距。馮蕊（2010）對當前國內外居民生活消費碳排放估算方法進行對比，從居民生活消費能源的界定和估算方式的選擇2 方面入手，分析各種估算方法的優缺點，為我國合理準確的估算居民生活消費碳排放提供參考借鑒。
前人研究碳排放問題存在三個問題：（1）研究多以定性研究為主，指標量化不完全，不能給人以直觀清晰的結果；（2）研究中個人主觀臆斷問題嚴重，對于各指標權重的決定不夠科學合理。（3）在進行聚類分析中，考慮的指標過少，內容略顯單薄，分析不具體不全面。本文在數據來源規范的情況下，從人均收入、人均支出、人均碳排放、能源強度、能源結構、產業結構等方面內容著手，運用聚類分析，更為全面地研究我國各省域的碳排放狀況。
二、各省份碳排放樣本和指標體系的建立
（一）評價指標的選取
（1）科學系統性，指標要能夠全面的反映低碳的發展狀況，數據處理要科學，目標設定要合理。（2）實用可操作性，評價指標的選取主要是為低碳的發展研究服務的，所以它必須能夠可以量化、準確獲得并能夠清晰的表明低碳的發展狀況。（3）客觀獨立性，指標數據的得來是不以人的意志為轉移的，它是客觀存在的，同時指標之間是相互獨立的，避免人為的擴大或者縮小研究內容的重要性。
（二）評價指標體系的建立
影響我國各省域碳排放包括人均收入、人均支出、人均碳排放、能源強度、能源結構、產業結構等方面，遵循以上的指標選取原則，本文特選取這6個方面為指標，具體如表1。
（三）樣本數據的來源與特別說明
樣本數據全部來自2001年―2012年的《中國統計年鑒》。
選取2011年我國內地30 個省市自治區的人均收入、人均支出、人均碳排放、能源強度、能源結構、產業結構作為指標來進行聚類分析。指標中的人均收入、人均支出、能源結構、產業結構、人口數據以及人均碳排放直接來源于2001年―2012年的《中國統計年鑒》。能源結構用煤炭消費占能源消費的比例表示，產業結構用第二產業占國民經濟的比重來表示，能源強度是用能源消費除以GDP 算出來的，能源消費和GDP 的數據也來源于《中國統計年鑒》。聚類分析中如果參與聚類的變量的量綱不同會導致錯誤的聚類結果。例如在本文分析中，能源結構和產業結構都是用百分比表示的，因而絕對值都不會超過1，而人均收入和人均支出的單位是元，具體數值在幾千到幾萬不等，如果不對數據進行無量綱化，那么在最終的聚類結果中，由于產業結構和能源結構的數值絕對值太小，就會完全起不了作用。因此在進行聚類分析之前必須對變量值進行標準正態化，消除量綱的影響。
三、對我國碳排放的具體分析
（一）聚類分析
聚類分析指將物理或抽象對象的集合分組成為由類似的對象組成的多個類的分析過程。聚類分析的目標就是在相似的基礎上收集數據來分類。聚類分析是一種很常見的數據挖掘技術，它的主要作用是用于揭示數據庫中未知的對象類。簡單地說，就是對大量的數據進行分類，使得同一類別的數據之間的相似度盡可能大、相異度盡可能小，而不同類別之間的數據的相似度要盡可能小、相異度盡可能大。聚類分析的本質特征就是按照事物的所有特征來構建組，每組的成員應該顯示出盡可能類似的結構。聚類分析來的目的是為了在眾多對象中確定對象的同質性。
（二）實證分析過程
標準正態化 由于各項數據指標統計時采取的測量單位不同，不可能直接運用因子分析法，故在分析前要對原始數據進行標準化處理（均值為0，方差為1），消除量綱帶來的干擾。用Xi（i=1，2…9）表示標準化后的指標數據。四、總結
通過聚類分析，按照和低碳經濟相關的6 個因素――人均收入、人均支出、人均碳排放、能源強度、能源結構和產業結構，可將中國內地（除外）分為五個區域。
第一個區域為北京和上海。該區域是中國最發達的地區，經過這么多年的產業結構調整和升級，該地區已經形成以現代服務業為主的產業結構模式。這些地區人均收入和生活水平較高，促使該地區碳排放增長的主要動力是城市居民消費方式的轉變。該類地區實施低碳發展模式的重點在于轉變傳統工業文明的消費觀念，倡導低碳消費方式。具體的舉措有：大力推廣建筑節能，鼓勵使用節能電器，降低單位產品生產和使用的能耗，提倡公交、步行以及騎自行車等綠色出行方式。
第二類區域是廣東、天津、浙江、福建、江蘇，這些地區的主要特點是能源結構中煤炭的比例非常低，而石油、天然氣和電力等比重較大；產業結構中工業比重不大，人均排放量少。廣東省一直都是中國改革開放的前沿陣地，經過這么多年的發展，產業逐漸轉型升級，逐漸從以前的資源、勞動密集型向技術、智力密集型轉換。
第三類有陜西、甘肅、青海，這些地區位于我國的西北地區，經濟相對落后，產業結構工業比重非常小，人口密度相對較小，所以人均碳排放也比較少。
第四類有吉林、黑龍江、新疆、湖南、湖北、重慶、安徽、江西、河南、廣西、四川、云南、海南 14個省區，它囊括了中國絕大多數省區。這些地區人均收入比較低，正在承接東部發達地區的產業轉移，第二產業的比重在將來還會逐漸增加，工業耗能和工業碳排放也將會有較大的增長，這類省區應通過技術進步來調整產值的能源強度，充分發揮科學技術在減排中的作用，同時注意調整優化產業結構，轉變生產模式，注重可再生能源的開發和利用，不能重走發達地區先污染再治理的老路。海南作為一個旅游強省和生態農業大省，工業經濟比重在全國是最小的省份之一。
第五類有內蒙古、寧夏、遼寧、山東、河北、山西、貴州。這些省份是我國煤炭資源的主要產地，煤炭在能源結構中的比重非常大，同時工業在該地區產業結構中比重非常高，導致這些省份的能源強度非常高。這些地區也是我國減排壓力最大的地區，在低碳減排方面最關鍵的是要努力提升煤炭資源的利用效率、降低能源強度、加大科技投入力度、使資源得到充分利用。通過以上聚類分析可以看出，中國省域間的差異很大，這種差異必然要求采取不同的減排政策和措施。
參考文獻：
[1]克勞斯?巴克豪斯，本德?埃里克森，伍爾夫?普林克等.多元統計分析方法―――用SPSS 工具[M].上海：格致出版社、上海人民出版社，2009.
[2]張彬，姚娜，劉學敏.基于模糊聚類的中國分省碳排放初步研究[J].中國人口資源與環境，2011（1）.
[3]Johan Albrecht，Delphine Francois，Koen Schoors. A shapleydecomposition of carbon emissions without residuals [J]. EnergyPolicy，2002（30）.
關鍵詞：黑龍江省；農業碳排放；脫鉤理論；LMDI模型
中圖分類號：F320 文獻標志碼：A 文章編號：1673-291X（2013）26-0058-03
全球持續變暖成為制約經濟社會可持續發展的重要因素，20世紀世界平均氣溫上升了0.72℃，而目前全球的經濟社會發展方式若不發生調整，21世紀世界平均氣溫將會上升1.78―4℃[1-2]。農業作為基礎產業，不斷走向現代化、化學化和機械化，大量化肥、農藥等農業化學物資和農業柴油等的使用造成農業源的碳排放持續增加。IPCC（2007）報告顯示，農業是人為溫室氣體第二大排放源，占人為溫室氣體排放的13.5%。FAO指出，農業CH4的排放占人為CH4排放總量的47%，農業N2O排放占到人為排放的58%。我國耕地少、人口多造成我國農業生產嚴重依賴化肥等化學農業生產資料，農業源溫室氣體排放占全國人為排放量的17%，其中，CH4（動物反芻、動物糞便和稻田）、N2O（動物糞便和農田）和CO2（放牧、秸稈燃燒、化肥和農藥等）的排放當量分別為4.2億噸、3.0億噸和2.3億噸CO2當量[3]。黑龍江省作為重要的商品糧基地為保障國家糧食安全做出了重要貢獻，但是由于化肥、農藥等的過度使用土地的不合理耕作和黑土流失，在造成農業面源污染日趨嚴峻的同時，還農業源的碳排放持續增加。本文運用脫鉤理論，量化分析黑龍江省糧食產量和農業碳排放之間的關系，并計量其影響因素和實現方式，以期對黑龍江省控制農業源碳排放，實現農業低碳化、可持續發展，進而推動區域整體經濟的低碳化發展提供政策參考。
一、研究方法與理論
（一）農業碳排放的測算方法
結合前人研究成果并結合黑龍江省實際，黑龍江省農業碳排放主要為種植業生產過程中所引起的碳排放。本文選取了化肥施用量、農藥使用量、農用薄膜和農用柴油消耗量、農業灌溉面積作為測算黑龍江省農業碳排放的主要碳源，其計算公式為：
式中，CE為農業總碳排放量，CEi為第類農業碳源的碳排放量，Ni為第類農業碳源量，δi為第類農業碳源的碳排放系數，化肥的碳排放系數為0.895 6t/t [4]，農膜的碳排放系數為5.18t/t，農藥的碳排放系數為4.934 1t/t，農業灌溉的碳排放系數為20.476kg/hm2[2]。
（二）脫鉤理論
工業革命以來，經濟增長尤其是工業發展帶來了嚴峻的環境問題，使得經濟增長與環境狀況之間的關系成為學術界重要的研究課題。Kuznets S（1955）認為經濟發展和環境質量之間呈現“倒U型曲線”，即隨著經濟的發展環境質量將會下降，但是發展到一定階段后環境質量就會逐漸提升[5]。OECD（2002）提出了脫鉤理論，用脫鉤指數來衡量經濟發展的水平，以期打斷經濟發展與環境質量下降之間的耦合關系[6]。Tapio（2005）在脫鉤理論的基礎上提出彈性脫鉤理論，構建經濟發展與環境質量的關系鏈，并將脫鉤指標細化，在克服OECD脫鉤理論的誤差大等缺陷的同時，使得脫鉤理論更具可操作性[7]。國內相關專家和學者在OECD脫鉤理論和彈性脫鉤理論的基礎上分析了國內各個產業和區域經濟的脫鉤狀況。Tapio的彈性脫鉤指標根據彈性值t細化為8個指標，即擴張負脫鉤、強負脫鉤、弱負脫鉤、強脫鉤、弱脫鉤、衰退脫鉤、增長連結和衰退連結[8]。
其中彈性值（t）的具體算法為：
（三）農業CO2排放的LMDI分解法
為了探尋黑龍江省農業CO2排放的影響因素，本文利用對數平均權重Divisia指數法（LMDI）從經濟發展水平、產出效率和勞動力等因素量化分解影響黑龍江省農業碳排放的相關因素[9]。結合前人研究成果，本文對黑龍江省農業碳排放進行如下分解：
式中，C表示農業源碳排放量，本文采用農業CO2排放，Ci表示第i類碳源的碳排放量，GOT表示糧食產量，MPi表示第類碳源的消耗量，SG表示農業播種面積，P為農業勞動力數量。SCi=Ci/GOT表示第i類碳源的糧食產量碳排放強度，EMi=GOT/MPi表示生產效率，SMi=MPi/SG表示單位面積第類碳源的使用強度，SP=SG/P表示農業生產規模，P表示農業勞動力投入量。
鑒于LMDI的“和分解”和“乘積分解”最終結果的一致性[2]，本文在計算過程中采用“和分解”，即分部門的效應的加和等于總體的效應[10]，分部門的效應分別為農業碳排放強度、生產效率、投入強度、生產規模和勞動力五個部分，其表達式為：
二、數據來源與碳排放測算結果
（一）數據來源
本文使用的數據包括黑龍江省農業生產資料消耗、糧食產量和播種面積的相關數據，具體的數據來自于《黑龍江省統計年鑒2012》。農業生產資料消耗的數據主要包括黑龍江省1993―2011年的化肥、農藥、農用柴油、農用薄膜和農田灌溉面積相關數據。
（二）碳排放測算結果
本文運用式（1），根據前文（一）的數據測算了黑龍江省1993―2011年的農業各類碳源的CO2排放量。具體數據見圖1。
參考文獻：
[1] Jeff S，Holly H.Agriculture，Climate Change and Carbon Sequestration[J/OL].http：//attran.cat .org：2009.
[2] 李俊杰.民族地區農地利用碳排放測算及影響因素研究[J].中國人口?資源與環境，2012，（22）：42-44.
[3] 胡啟山.低碳農業任重而道遠[J].農藥市場信息，2010，（2）.
[4] West T O，Marland G.A Synthesis of Carbon Sequestration，Carbone Missions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States[J].Agriculture Ecosystems and Environment，2002，（9）：117-232.
[5] Kuznets S.Economic Growth and Income Equality[J].American Economic Review，1955，45（1）：1-28.
[6] OECD.Indicators to measure decoupling of environmental pressure from economic growth.[R].paris.OECD.2002.
[7] Tapio P.Towards a Theory of Decoupling：Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J].Journal of Transport Policy，2005，（12）.
[8] 肖宏偉，易丹輝，周明勇.中國區域碳排放與經濟增長脫鉤關系研究[J].山西財經大學學報，2011，34（11）.
[關鍵詞]物流業；碳排放；影響因素
[DOI]10.13939/ki.zgsc.2017.15.239
1 引 言
近年來，河北物流業企業數量不斷增加，規模不斷擴大，服務水平不斷提升。物流業的快速發展緣于河北省經濟的迅猛發展，兩者之間互相促進。然而，河北省物流業發展較為粗放，2014年前三季度社會物流總費用為4.136億元，同比增長3.41%；社會物流總費用占GDP的比重為19.05%，物流成本明顯偏高。《河北省現代物流業“十二五”發展規劃》明確提出，要著眼發展低碳經濟，以降低物流業資源消耗為重點，構建節能高效、綠色環保的現代物流服務體系。到2015年，物流業碳排放量有所下降，初步建立起節能高效的物流運作模式，但物流業相關行業能耗依然巨大。[1]本文對河北省物流業碳排放量進行測算，并對其影響因素進行分析，為河北省相關部門制定物流業節能減排政策提供理論支持，同時為河北省物流企業的低碳化發展決策提供依據。
2 河北省物流業能源消費分析
物流業是一個復合型的產業，其作為一個生產業，由于其跨行業、跨部門、跨區域和滲透性強等特點。目前，國家尚未建立成熟、統一的指標體系和統計核算方法。根據河北省統計普查中心的統計方法，交通運輸、倉儲和郵政業可用于代表物流業[2]，本文利用河北省交通運輸、倉儲和郵政業能源消耗數據進行相關分析與計算。表1給出河北省物流業2005―2014年的能源消費量及比重。
由表1可以看出，2005―2014年，河北省物流業能源消耗總量整體上具有波動性上升的變化特征，除2008年、2009年和2014年外，河北省其余8年的能源消費總量均有所增長，2013年河北省能源消耗總量達到811.76萬噸標準煤，為2005年能源消耗量的1.37倍。三種能源中，石油的消耗量一直最大，煤炭的消耗量次之，電力的消耗量最小，其中，石油的消耗量總體呈上升趨勢，從2005年的544.85萬噸標準煤增長至2014年的705.77萬噸標準煤，增長了160.92萬噸標準煤，比重由92.12%增加到95.58%；煤炭的消耗量總體上處于下降趨勢，從2005年的42.19萬噸標準煤減少到2014年的21.92萬噸標準煤，減少近一半，比重由7.13%降低到2.97%；電力消耗量比重雖然最低，但一直處于穩定上升趨勢，從2005年的4.39萬噸標準煤增長到2014年的10.68萬噸標準煤，實現了2.43倍的增長，比重由0.74%上升到1.45%。
3 河北省物流業碳排放測算
目前，我國還沒有建立統一完善的碳排放監測體系，直接的碳排放量的監測數據還有待測算體系的形成。而根據政府間氣候變化專門委員會（IPCC）的評估報告，碳排放量主要來源于化石燃料的燃燒。因此，國內外的碳排放量測算都是由能源消耗量估算而來[3]，估算公式為：
由表2可以看出，2005―2014年，河北省物流業的碳排放總量與能源消費總量變化趨勢相似，呈現波動性增長趨勢，除2008年、2009年和2014年外，其余8年的碳排放總量均有所增長；分階段來看，碳排放總量在2008―2010年增長較快，2007―2009年略有下降，2013―2014年下降比較明顯，其他時期處于略有增長狀態。三種能源中，石油的碳排放量最大，占碳排放總量的90%以上；煤炭的碳排放量次之，碳排放比重由2005年的9.20%減少到2014年的3.87%；電力的碳排放量最少，呈現逐年增長趨勢，2014年其碳排放比重增長到1.74%。
4 河北省物流業碳排放影響因素分析
4.1 直接影響因素
由物流業能源消耗碳排放的形成與計算過程可知，河北省物流業碳排放量的直接影響因素是物流業各類能源的消耗量及比重。由表1可以看出，河北省物流業能源消耗量最大的是石油，且石油的碳折算系數較高，所以碳排放最高的是石油。在油類能源消耗中，河北省物流業對柴油消耗量所占比重最大，另外是汽油，它們的消耗主要來自物流運輸活動。此外，河北省物流業需求增長和運輸方式不均衡是導致碳排放大的原因。[4]物流需求的增長能夠推動碳排放量的增長，河北省的貨物周轉量從2005年的4750.64億噸公里增長到2014年的12968.8億噸公里，增長了近3倍。貨物周轉量的上升勢必會帶動物流業運輸里程與能源消耗的增加，從而提高了物流業的碳排放量，運輸方式的不均衡也會影響到物流業的碳排放量。多年來，河北省物流業一直以公路運輸為主，相比鐵路運輸、水運運輸，公路運輸具有單位里程碳排放大、能源消耗多等特點，進一步促進了河北省物流業碳排放量的增長。
4.2 間接影響因素
物流業是服務業，屬于第三產業，服務于人們生產、生活的需要，生產規模的擴大、生活水平的提高都會增大物流服務的需求量，三次產業結構差異導致物流服務需求量和服務結構上的差異。比如，第一產業和第二產I對物流服務中的干線運輸與倉儲需求量大，而零售業對配送和末端運輸服務需求量大，這些結構上的差異都會影響物流業的碳排放量。另外，人口的增長可以引起能源及各種資源的消耗，從而導致碳排放的增加。河北省人口的增長推動了物流行業的發展，增加了對物流的需求，促使物流業的碳排放量增加。
5 結 論
本文測算了河北省物流業的碳排放量，并分析了影響河北省物流業碳排放的因素。結果表明，河北省物流業的碳排放量與能源消費量的變化趨勢相似，具有波動性增長特征，其中，石油的碳排放量最大，煤炭的碳排放量次之，電力的碳排放量最少；直接因素與間接因素共同影響著河北省物流業的碳排放量。
參考文獻：
[1]趙松嶺.河北省物流業節能減排對策研究[J].合作經濟與科技，2015（5）.
[2]劉楠.城市物流業碳排放測算及影響因素分析――以天津市為例[D].西安：長安大學，2013.
［關鍵詞］城市化；二氧化碳排放；協整分析；Kaya恒等式
［中圖分類號］F293 ［文獻標識碼］A?。畚恼戮幪枺?671-8372（2012）04-0012-04
一、引言
城市化作為一種全球性的經濟社會現象，主要發生在工業革命以后。伴隨著世界城市化的快速發展，城市人口急劇膨脹，城市規?？焖贁U張，能源消費迅猛增加，工業污染迅速蔓延，生態環境問題日益嚴重。在全球十大環境問題中，氣候變暖居首位，而全球氣候變化主要是由于溫室氣體排放量的不斷增加，尤其以二氧化碳排放的增加為主。近200年來，世界城市化水平和二氧化碳排放量保持同步上升，目前二者均有加速的趨勢。產業革命以來，世界城市化水平在5%左右，大氣中二氧化碳濃度在280ppm左右（ppm是氣體濃度單位，表示百萬分之一），到了2007年，世界城市化水平達到了50%，二氧化碳濃度值上升到了383ppm，而其危險臨界值為385 ppm，全球平均地表溫度也比工業革命時期升高了0.74℃［1］。
我國城市化進程快速發展的同時帶動了以化石燃料為主的能源消耗迅猛增長，使得二氧化碳等環境污染物的排放量逐年增加。根據國際能源署（IEA）公布的統計數據顯示，2007年我國化石能源消費產生的二氧化碳排放已經超過美國，成為目前世界上二氧化碳排放總量最大的國家［2］。然而伴隨著我國城市化、工業化發展的不斷快速推進，以煤為主的能源消費量還將不斷增加，由此產生的二氧化碳排放量也會進一步上升，這意味著，我國碳減排面臨的國際壓力將會日益增加。
隨著全球氣候變暖問題的日益嚴峻，越來越多的研究開始關注如何在城市化進程中緩解溫室氣體排放問題。徐國泉等運用LMDI分解法對中國碳排放進行了因素分解研究，定量分析了經濟發展和能源強度對我國碳排放的影響，指出經濟發展拉動我國碳排放呈指數增長，而能源強度的貢獻率則表現為倒“U”形［3］。王鋒對1995-2007年中國碳排放量增長的驅動因素進行了研究，認為人均GDP增長是二氧化碳排放量增加的最大驅動因素［5］。何吉多關于1978-2008年中國城市化與碳排放關系的協整分析表明，我國碳排放量與城市化水平之間存在長期動態均衡關系，且這種長期均衡關系對當前碳排放偏離均衡水平的調整力度較大［5］。日本學者Yoichi Kaya于IPCC的一次研討會上提出Kaya恒等式，指出人類活動產生的溫室氣體排放與經濟發展、人口等因素存在聯系［6］。Duro和Padilla認為Kaya因素中引起不同國家碳排放差異的重要因素為人均收入、能源消費碳強度和能源強度［7］。林伯強等通過對Kaya恒等式的分解，認為1978-2008年對中國碳排放影響較為顯著的因素包括經濟發展、能源強度、能源消費碳強度和城市化水平［8］。
人類活動與溫室氣體排放之間的關系已經成為國際熱點之一，研究二者之間的關系有著重要的現實意義。山東省作為我國的人口、經濟大省，一直是高能耗、高碳排放區，魏一鳴指出，2005年山東省終端能源消費產生的二氧化碳排放總量居全國首位［9］。同時，山東省城市化進程快速推進，2010年山東省城市化水平為40.04%，正處于諾瑟姆曲線劃分的城市化發展階段中的中期加速發展階段［10］。雖然山東省城市化發展已取得了可喜的成績，但與我國49.95%的城市化水平相比還是相差較遠。研究山東省城市化進程中的碳排放，不僅對于把握山東省碳減排政策、城市化發展戰略、保持經濟持續快速發展具有現實意義，而且對于更好地理解我國的整體狀況也有重要意義?；诖?，本文運用協整分析方法借助VECM模型對山東省城市化水平和二氧化碳排放量之間的長短期關系進行實證分析，并利用Kaya恒等式對山東省城市化進程中的碳排放影響因素進行分解分析，最后提出相應的政策建議。
二、山東省城市化與碳排放關系的協整分析
2．變量的平穩性檢驗
四、結論及政策建議
本文運用協整分析方法借助VECM模型對山東省城市化水平和二氧化碳排放量之間的長短期關系進行了實證分析，并利用Kaya恒等式對山東省城市化進程中的碳排放影響因素進行了分解分析，從而得出以下結論：
（1）山東省城市化水平和二氧化碳排放量之間的協整方程說明，二者之間存在長期均衡關系，長期彈性系數為1.7120，即城市化水平每提高1%，碳排放量將同步增長1.7120%，這說明城市化是導致山東省碳排放量增長的一個重要因素。
（2）由VECM模型可知，在短期內，山東省碳排放量的波動受到城市化水平和自身滯后量的影響，其中，滯后1期和2期的城市化水平對當期碳排放量變動的影響比較明顯，城市化水平提高將導致碳排放量的增加；滯后1期的碳排放量對當期碳排放也有比較顯著的影響，然而滯后2期的碳排放量對當期的碳排放有抑制作用，這是因為碳排放持續快速增長會促使政府采取碳減排措施。另外，短期誤差項的修正作用并不很強，模型的修正系數僅為-0.0576，表明在短期內山東省碳排放量和城市化水平之間的長期均衡關系對當前碳排放量偏離均衡水平的調整力度不大，說明山東省碳排放量的變動除了受城市化水平影響之外，還受到其他因素的影響。
關鍵詞：微電子；碳減排；影響因素；結構方程
中圖分類號：F0621 文獻標識碼：B
20世紀90年代以來，全球變暖在國際社會受到越來越多的重視。我國作為全球CO2第一大排放國，面臨的國際碳減排壓力越來越大。為此，國家在“十二五”規劃中提出2011-2015年單位國內生產總值能源消耗降低16個百分點，單位國內生產總值二氧化碳排放降低17個百分點；黨的十更是將生態文明建設同經濟建設、政治建設、文化建設、社會建設一道，納入中國特色社會主義事業總體布局。
在政策層面上，中央及北京市政府對高碳產業制定了一系列的淘汰和控制發展的政策，對低碳且高附加值產業的企業則制定了一系列的鼓勵和扶持政策。如2011年1月28日頒發的《國務院關于鼓勵軟件和集成電路產業發展的通知》中規定，對微電子業在財稅、投融資、研究開發、進出口、人才、知識產權以及市場方面給予鼓勵和支持。
微電子技術是以大規模集成電路為基礎發展起來的新技術領域，是指從晶體管開始的固體原件微型化電子的總稱，包括半導體材料及器件物理、集成電路及系統設計原理和技術、芯片加工工藝、功能和特性的測試技術等重要組成部分，其核心是集成電路技術。微電子制造業屬于低碳產業。在我國能源結構中煤炭和石油仍占很大比例的情況下，能源消耗水平能夠反映碳排放的水平。根據我們對2012年《中國統計年鑒》中微電子制造業和制造業總體的能耗和產值的數據計算發現，2010年我國微電子制造業萬元產值能耗僅為00459噸標準煤，而同時期制造業總體萬元產值能耗卻高達03092噸標準煤。但這并不是說碳減排與微電子制造業無關，美國、日本和加拿大的萬元產值能耗在2007年就均已低于002噸標煤[1]，說明該產業仍存在碳減排空間。隨著微電子制造業的快速發展，其碳排放問題不容忽視。如何控制微電子制造企業的碳排放，首先需要確定影響企業實施碳減排的因素。為此，本文以北京市微電子制造企業為例，分析影響企業實施碳減排的主要因素，以期為相關決策提供有價值的參考。
一、文獻綜述與研究假設
（一）文獻回顧
在Web of Science文摘數據庫中通過檢索關鍵詞“carbon emission & influence factor”，發現2005年至今的相關文獻924篇，其中制造業60篇。在CNKI數據庫中通過檢索“碳排放”和“影響因素”兩個關鍵詞，發現2008年至今的相關文獻426篇，其中制造業14篇。通過對文獻的閱讀和梳理，我們發現研究者普遍認為政府因素、市場因素、技術因素和結構因素是企業層面的碳減排影響因素。
第一，政府因素與企業實施碳減排的關系。Matthew（2005）通過對英國制造業碳排放情況的分析發現，法律法規對碳排放起到抑制作用[2]；Qinghua Zhu、James Cordeiro和Joseph Sarkis（2013）對蘇州、大連和天津的377家制造企業的研究發現，制度壓力是發展中國家制造企業實施環境管理的驅動力[3]。
第二，市場因素與企業實施碳減排的關系。Bansal和Roth（2000）認為企業環境管理態度和環境管理行為受市場機會的影響，是企業環境管理的外部動因[4]；秦穎（2008）對大中型工業企業的調研分析發現，企業環境管理是規則因素、市場因素及企業自身屬性綜合作用的結果[5]。
第三，技術因素與企業實施碳減排的關系。Gavin（2005）分析了1970-1990年英國的14個制造業數據，將技術創新分為本國科技創新與國外技術引進兩個指標，發現二者均能抑制碳排放[6]。
第四，結構因素與企業實施碳減排的關系。張傳平（2012）分析了人口、城鎮化水平、能源結構、產業結構、能源強度、經濟發展水平（GDP）和能源價格對我國碳排放的影響，結果表明，能源結構和產業結構均對碳排放有影響，但產業結構的影響在逐漸削弱[7]。
（二）研究假設
根據以上的分析，我們結合文獻研究和專家訪談，確定了政府因素、市場因素、結構因素和技術因素作為北京微電子制造企業碳減排的四大影響因素，探討各影響因素之間的作用路徑。本研究提出了以下九個假設。
二、調研設計與研究結果
（一）問卷設計與變量測量
本研究采用問卷調查方法對北京微電子制造企業碳減排影響因素的理論模型進行實證研究。根據文獻研究法和專家訪談法，對理論模型中的四大影響因素設計了27個度量指標并由此組成了調查問卷，具體變量所對應的度量指標詳見表1。問卷主要通過0-1賦值法和李克特5點量表法（0和1賦值法中0表示沒有，1表示有；李克特量表法中，從低到高依次排列，1表示很低或很小，5表示很高或很大）測量政府因素、市場因素、技術因素、結構因素和企業碳減排實踐這五個變量。
（二）數據收集
本研究采用了實地調研、對從事微電子制造企業的MBA學生調研、郵件調研和專業的調查公司調研等多種方式，自2012年12月開始發放問卷，截止到2013年4月，歷時5個月，共發放問卷345份，回收274份，回收率為794%，其中有效問卷231份，有效率為843%。
關鍵詞 碳排放強度；煤炭消耗；EG協整檢驗；VAR模型；脈沖響應函數
中圖分類號 X24 文獻標識碼 A文章編號 1002-2104（2011）08-0107-06doi:10.3969/j.issn.1002-2104.2011.08.017
自上世紀90年代初期開始，中國經濟經歷了一個持續的高速發展階段，隨著國內生產總值的逐年增加，一系列資源消耗、環境污染、生態惡化等問題讓中國的經濟發展與環境問題陷入矛盾局面。進入21世紀以來，中國城市化和工業化發展帶來了化石能源，特別是煤炭資源的大量消耗，由“黑色能源”引發的碳排放問題成為溫室效應、全球變暖的代名詞。相較于天然氣、水電、風電消耗而言，煤炭消耗所釋放的CO2量平均要高出近50%，雖自1990年以來，我國煤炭消耗比重呈下降態勢，然而碳排放總量卻逐年上升，由高速經濟增長所抵消的環境負面增長促使碳排放強度緩慢降低，但碳排放強度的降低究竟源于煤炭消耗比重的下降還是源于GDP的分母拉動性值得我們為之思考。因此，考察一定年份區間內煤炭消耗與碳排放強度之間的交互沖擊效應，有助于從深層次挖掘二者的作用機理，為未來高效控制碳排放量乃至碳排放強度，降低對化石能源的依賴性，提供措施借鑒。
1 文獻綜述
從已有的研究文獻來看，考察碳排放量以及排放強度變化的影響因素的研究較多。其中，徐國泉等人［1］采用Divisia分解法定量分析了能源結構、能源效率和經濟發展等因素的變化對中國人均碳排放的影響；馮相昭等人［2］對1971-2005年期間影響中國CO2排放量的因素展開分析，研究發現經濟發展、人口增長、能源強度、能源消費結構是影響CO2排放量的主要因素；宋德勇、盧忠寶［3］采用“兩階段”LMDI方法，將能源消費產生的CO2排放的相關影響因素分解為產出規模、能源結構、排放強度和能源強度四個方面；Stephen D-Casler 和 Adamrose［4］運用兩階段KLEM模型對影響美國碳排放量的諸多因素進行實證分析；Christopher Yang和Stephen H- Schneider［5］認為CO2排放量的影響因素可以分解為人口規模、富裕程度、能源強度和單位能源消耗的排碳強度。以上研究只能大體計算出影響因素之間的重要程度，而無法顯示單一因素或者某幾個重要因素的變動，特別是能源消費結構、能源強度的變動對碳排放量的影響，盡管國內外一些學者已經嘗試進行相應的研究，例如帥通、袁雯［6］計量分析了上海市產業結構和能源結構的變動對碳排放量的影響，蘇方林等人［7］采用加權最小二乘法與向量自回歸方法建立廣西碳排放量及影響因素間關系的實證模型，杜官印等人［8］測算了1997-2007年中國分省化石能源碳排放強度變化趨勢，邵帥等人［9］基于STIRPAT模型的上海分行業動態面板數據得出煤炭消費比重對碳排放規模和強度均具有顯著的促進作用。然而，碳排放量是建立在能源消耗和經濟發展基礎上產生的，單純考察碳排放量值的高低或僅僅通過影響因素的模型構建無法更好地將碳排放量與能源消耗和經濟發展聯系起來。
綜上所述，本研究嘗試將碳排放量進行數值轉換處理，換算成碳排放強度，采用VAR模型與脈沖響應函數方法，對能源消費結構中的煤炭消耗比重與碳排放強度之間的動態沖擊關系進行計量研究，進一步考察能源消費中煤炭消耗對碳排放強度的影響，從而為未來如何降低碳排放量乃至碳排放強度提供措施路徑導向。
2 實證研究
2-1 模型數據
碳排放強度：本研究采用碳排放量與GDP的比值來衡量，記為CI。其中，碳排放量數據來自于中國統計年鑒（1990-2008）、中國能源統計年鑒（1990-2008）公布的1990-2008年中國能源消費構成中按照萬噸標準煤折合計算的煤炭、石油、天然氣消耗量，經各類能源的碳排放系數折算而得到的碳排放量；GDP數據來源于中國統計年鑒（1990-2008），根據以1990年為基期的GDP指數和1990年GDP數據計算獲得，得到的GDP數據均為1990年不變價格的實際GDP。
煤炭消耗：本研究采用中國統計年鑒（1990-2008）中能源消費構成表中的煤炭消耗比重數據作為煤炭消耗的衡量指標，記為CP。
能源的碳排放系數是在查閱有關權威結構的文件的基礎上，取各類機構官方公布的排放系數的平均值作為本研究中能源的碳排放折算系數，具體模型數據經過換算整理后如表1所示。
2-2 ADF單位根檢驗
在建立VAR模型和進行協整分析之前需要對變量的平穩性進行檢驗，即沒有隨機趨勢或確定性趨勢，否則在進行最小二乘回歸時易產生“偽回歸”現象，單位根檢驗是判斷數據序列是否平穩的常用方法，例如ADF檢驗、PP檢驗等。本研究采用ADF檢驗法對模型數據的原始
中國人口•資源與環境 2011年 第8期序列進行單位根檢驗，具體的平穩性檢驗報告如表2所示。
從表2可知，在5%的顯著水平上，零假設(時間序列非平穩)被拒絕，Prob值也遠遠小于0-05，由此說明，CI、CP兩個時間序列都是平穩的。
2-3 序列的EG協整檢驗
協整檢驗是通過多個變量的線性組合關系來驗證變
量之間具有長期的穩定均衡關系，協整檢驗的經濟意義在于對若干個具有各自長期波動規律的變量，如果它們之間存在協整關系，則也同時具有長期均衡關系。因此，本研究在已經驗證模型數據序列具有平穩性的基礎上，進一步采用Engle和Granger提出的兩步協整方法，對CI、CP兩變量序列進行最小二乘回歸，然后對模型殘差進行平穩性檢驗，如果殘差通過平穩性檢驗，則證明兩變量在長期內存在均衡關系。具體回歸方模型殘差的單位根檢驗報告如下所示：
如表3所示，殘差序列的ADF單位根檢驗值小于5%水平上的臨界值，由此說明殘差序列是平穩的，CI、CP兩變量是協整的，碳排放強度與煤炭消耗比重雖在短時間內呈現出逐年波動變化態勢，但二者存在長期均衡關系，即煤炭消耗比重變化的一次沖擊會使協整變量暫時偏離平衡位置，但煤炭消耗比重變化的長期沖擊會使協整變量自動歸于平衡位置。
2-4 VAR模型構建
向量自回歸模型(VAR)是由西姆斯于1980年提出的，是在模型的每一個方程中用當期內生變量對模型中全部內生變量的滯后值進行回歸，從而將單個變量的自回歸模型推廣至多元時間序列變量組成的“向量”自回歸模型。
VAR模型的數學表達式為：
Yt是內生變量向量，Xt是外生變量向量，n是滯后階數，T是樣本數，α1到αn以及β是待估計的系數矩陣，εt是隨機擾動向量。通過運用Eviews 6-0計量軟件，構建出如下VAR模型。
從表4可知，CI、CP方程的調整后R2值分別為0-916 554、0-888 738，由此說明此向量回歸模型方程具有較強的解釋力，F檢驗通過，AIC與Sc值的大小也符合模型基本要求，因而該VAR模型在理論上成立，但需要進一步進行模型的平穩性檢驗，具體檢驗結果如圖1所示。由圖1可知，VAR模型全部特征根在單位圓曲線之內，說明模型是一個平穩系統，可以進行脈沖響應分析。綜上所述，建立碳排放強度與煤炭消耗比重的互動關系的VAR模型整體擬合情況較好，解釋力較強。
因此，碳排放強度CI與煤炭消耗比重向量CP自回歸
由方程（2、（3）可知，碳排放強度受CI其自身滯后一階變化影響較大，煤炭消耗比重CP受CI滯后一階變化影響較大，但這種影響關系無法顯示出未來變化時期內CI、CP兩變量的沖擊影響，因而需要借助脈沖響應函數進行具體分析。
2-5 脈沖響應函數分析
脈沖響應函數描述的是系統對沖擊擾動在不同滯后期的的動態反應，以衡量來自隨機擾動項的一個標準差沖擊對內生變量當前和未來取值的影響，即在隨機誤差項上施加一個標準差大小的新息沖擊后對內生變量的當期值和未來值帶來的影響，由此來判斷變量間的動態關系［10,11］。在VAR模型中，第i個變量的沖擊不僅直接影響到第i個變量本身，而且會通過VAR模型的滯后結構傳遞到其它內生變量。
由于VAR模型的估計系數難以解釋，需要根據脈沖響應函數來衡量來自隨機擾動項的一個標準差變動是如何影響變量現值以及未來值。因此，在上述檢驗及模型構建基礎上，本研究采用脈沖響應函數，分析煤炭消耗比重與碳排放強度的變化對變量自身以及對對方變量的動態沖擊影響。具體沖擊函數曲線以及分析如下：
從圖2可以看出，碳排放強度對其自身的一個標準差立刻有較強反應，影響率達60%，第二期達到最大值78%，之后呈現出逐漸減弱的趨勢。碳排放強度對來自于煤炭消耗比重的波動對碳排放強度的影響在第一期沒有響應，第二期則迅速反應，達到最大正影響值18%，從第三期開始呈現出負影響趨勢，并于第六期達到最低值。由此可見，煤炭消耗比重的變化對碳排放強度的沖擊影響具有滯后性和波動性，煤炭消耗比重的降低短期內不會造成碳排放強度迅速下降，但長期會產生較好的減排效應。
從圖3可以看出，對于煤炭消耗來說，煤炭消耗比重對其自身的一個標準差立刻有較強反應，影響率達80%，此后期間逐漸下降，并于第六期開始呈現出負影響態勢，之后趨于穩定。煤炭消耗比重對來自于碳排放強度的波動對煤炭消耗比重的影響在第一期就迅速達到62%，此后呈逐漸下降趨勢，
并于第六期達到最低值。由此可見，
注：橫軸表示沖擊的滯后期間（單位：年），縱軸表示響應數，實線表示脈沖響應函數，虛線表示兩倍標準差的偏離線。
煤炭消耗比重的變化在初始階段會受碳排放強度變化的沖擊影響，但隨著周期推移，這種沖擊會逐漸減弱，即擴大GDP的分母拉動性或強制減排措施產生的減排效應在短期可以對能源消費結構產生微調，但持久性較差。
由圖4可知，碳排放強度發生增加變化沖擊后，煤炭消耗比重的增加也開始出現明顯的正向反應，并于第二期達到最大值，此后沖擊力度開始衰退，隨后煤炭消耗比重的增長率開始出現明顯的負向反應，并于第六期達到負向反應最大值。由此說明：碳排放強度對煤炭消耗比重的沖擊影響在短期內較劇烈，但不具有長記憶，碳排放強度發生增加變化的初期，煤炭消耗比重也會出現明顯的增加反應，但隨著沖擊周期的推移，在碳排放強度增加的同時，煤炭消耗比重可能出現降低的負向反應，這也驗證了模型原始數據中某些年份碳排放強度下降的同時卻對應著煤炭消耗比重的增加，因而碳排放強度變化對煤炭消耗比重的沖擊影響不明顯。
由圖5可知，煤炭消耗比重的增長發生沖擊后，碳排放強度的增加也開始出現明顯的正向反應，并于第一期就達到最大值80%，此后一直保持著較強的沖擊力度，直到第六期開始才逐漸轉為負向影響，并逐漸趨于穩定。這說明給煤炭消耗比重一個正向沖擊，會造成對碳排放強度在很長時間內的同向沖擊，即煤炭消耗比重對碳排放強度的影響作用是長期持久的，因而在較長周期變動中，可以通過降低煤炭消耗比重來達到降低碳排放強度的目的。
3 研究結論及啟示
與已有的對碳排放影響因素研究的不同，本文將碳排放量轉換成萬元GDP的強度值，即碳排放強度，基于VAR模型與脈沖響應函數，對我國1990-2008年期間的煤炭消耗比重與碳排放強度之間的相互動態影響進行考察。具體研究結果如下：①碳排放強度與煤炭消耗比重的時間序列數據是平穩協整的，盡管二者在1990-2008年間呈現波動變化態勢，但仍舊存在長期均衡關系；②煤炭消耗比重的變化對碳排放強度的沖擊影響具有一定滯后性和波動性，但沖擊作用長期持久，煤炭消耗比重在一定時期內的變化會帶來碳排放強度同方向的沖擊變化，即煤炭消耗比重的降低會促使碳排放強度下降；③碳排放強度對煤炭消耗比重的沖擊影響在短期內較劇烈，但長期沖擊影響不明顯，煤炭消耗比重的變化沖擊多是來自于變量自身，因而長期內依靠降低碳排放強度來達到降低煤炭消耗比重的目標是不可行的。綜上所述，煤炭消耗比重與碳排放強度有很強的關聯性，煤炭消耗比重的變化沖擊會在長期內帶來碳排放強度的同方向變化，并且這種沖擊效應是長期持久的，因而降低碳排放強度的有效途徑就是降低煤炭消耗比重。
鑒于以上結論，本研究認為降低中國碳排放強度的關鍵在于降低煤炭消耗比重，在能源剛性需求難以降低的背景下，煤炭消耗比重的下降可以通過結構性降低、產業傳導性降低、技術性降低來實現。具體措施如下：①結構性降低：能源消費結構的優化調整對工業碳減排，特別是絕對量的減排具有重要意義，政府部門應該積極鼓勵發展構建多樣、安全、清潔、高效的能源供應和消費體系，優化能源消費結構，改善傳統的以煤為主的能源消費結構，降低煤炭消耗比重，提高風電、水電和核電等清潔能源的替代性消費比重，大力開發生物質能、太陽能、潮汐能等可再生能源，由依靠傳統化石能源向新能源和清潔能源轉變；②產業傳導性降低：推動產業結構演進由增加碳排放向減少碳排放的方向轉化，是中國碳減排的產業潛力所在，推進第三產業發展，促進第二產業高耗能部門向低耗能部門轉化，重視人為產業政策干預，制定相關政策措施，促使高耗能產業內部煤炭消耗和環境成本內部化，從而達到控制高耗能行業比重、降低煤炭消耗強度的目的；③技術性降低：重視技術植入，大力發展潔凈煤技術，貫徹采選源頭的優選控制、燃燒過程的潔凈控制和污染物排放的達標處理控制等機制，降低開采、生產、消費整個全生命周期鏈條過程中的煤炭消耗量和損失量，提高單位耗煤的利用效率，從而達到減少耗煤數量、降低碳排放量的最終目的。
參考文獻（References）
［1］徐國泉,劉則淵,姜照華-中國碳排放的因素分解模型及實證分析:1995-2004［J］-中國人口•資源與環境,2006,16(6):158-161-［Xu Guoquan, Liu Zeyuan, Jiang Zhaohua- Decomposition Model and Empirical Study of Carbon Emissions for China, 1995-2004［J］-China Population，Resources and Environment, 2006,16(6):158-161-］
［2］馮相昭,王雪臣,陳紅楓-1971-2005年中國CO2排放影響因素分析［J］-氣候變化研究進展,2008,4(1):42-47-［ Feng Xiangzhao,Wang Xuechen,Chen Hongfeng- Analysis of Factors Impacting China’s CO2 Emissions During 1971-2005［J］- Advances in Climate Change Research, 2008,4(1):42-47-］
［3］宋德勇,盧忠寶-中國碳排放影響因素分解及其周期性波動研究［J］- 中國人口•資源與環境, 2009,19(3):18-24-［ Song Deyong, Lu Zhongbao, The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］- China Population,Resources and Environment, 2009,19(3):18-24-］
［4］Stephen D, Adam R- Carbon Dioxide Emissions in the U-S- Economy: A Structural Decomposition Analysis ［J］- Environmental and Resource Economics,1998,11(34): 349-363-
［5］Christopher Y, Stephen H S- Global Carbon Dioxide Emissions Scenarios: Sensitivity to Social and Technological Factors in Three Regions［J］-Mitigation and Adaptation Strategies for Global Change, 1997,2( 4):373-404-
［6］帥通,袁雯-上海市產業結構和能源結構的變動對碳排放的影響及應對策略［J］-長江流域資源與環境, 2009,18(10):885-888-［ Shuai Tong, Yuan Wen- Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies Response ［J］- Resources and Environment in the Yangtze Basin, 2009,18(10):885-888-］
［7］蘇方林,宋幫英,侯曉博-廣西碳排放量與影響因素關系的VAR實證分析［J］-西南民族大學學報：人文社會科學版,2010,9:140-144-［Su Fanglin, Song Bangying, Hou Xiaobo- VAR Analysis about Relations of Carbon Emission and Influencing Factors in Guangxi ［J］-Journal of Southwest University for Nationalities:Humanities and Social Sciences Edition, 2010,31(9):140-144-］
［8］杜官印,蔡運龍,李雙成-1997-2007年中國分省化石能源碳排放強度變化趨勢分析［J］- 地理與地理信息科學,2010,26(5):76-81-［Du Guanyin,Cai Yunlong,Li Shuangcheng- FossilFuel Carbon Emission Intensity Change of Each Province in China during 1997-2007［J］- Geography and GeoInformation Science,2010,26(5):76-81-］
［9］邵帥,楊莉莉,曹建華-工業能源消費碳排放影響因素研究――基于STIRPAT模型的上海分行業動態面板數據實證分析［J］- 財經研究,2010-36(11):16-27-［ Shao Shuai,Yang Lili,Cao Jianhua- Study on Influencing Factors of CO2Emissions from Industrial Energy Consumption:An Empirical Analysis Based on STIRPAT Model and Industrial Sectors’Dynamic Panel Data in Shangha［J］- Journal of Finance and Economics, 2010-36(11):16-27-］
［10］王舒健,李釗-中國地區經濟增長互動關系的脈沖響應分析［J］-數理統計與管理,2007,26(3):385-390-［ Wang Shujian, Li Zhao- A Pulseresponding Analysis on Mutual Effect of Regional Economic Growth in China ［J］- Application of Statistics and Management, 2007,26(3):385-390-］
［11］王先柱-VAR模型框架下房地產業與經濟增長關系的實證檢驗［J］-經濟問題,2007,(7):31-34-［Wang Xianzhu- The Empirical Tests of the Relationship between Real Estate Industry and Economic Growth Based on VAR Model ［J］-On Economic Problems,2007,(7):31-34-］
Analysis of Impact Effect Imposed on Carbon Emission
Intensity and Coal Consumption of China
ZHAO Ao WU Chunyou
(Faculty of Management and Economics,Dalian University of Technology, Dalian Liaoning 116024, China)
【關鍵詞】 城鎮化 碳排放 STIRPAT模型 地區差異
一、引言
如今，自然資源日趨緊張，生態環境日趨惡劣，發展低碳經濟已成為全世界人民關注的焦點。加速城鎮化和促進低碳發展是我國目前經濟發展的重點。城鎮化不同階段經濟發展水平不同，不同經濟發展水平下的能源消費對碳排放量的影響也不同。江蘇省不同區域經濟發展水平差異顯著，蘇南、蘇中、蘇北目前正處于不同的城鎮化階段，因此對比研究具有代表性的三個區域的能源消費碳排放量對我國在城鎮化進程中發展低碳經濟具有現實的指導意義。
已有學者對城鎮化和碳排放之間的關系做了相關研究。盧祖丹基于1995―2008年省域面板數據，通過建立STIRPAT模型對城鎮化和碳排放之間的關系進行了相關研究，得出城鎮化發展有利于實現碳減排，但未探討不同的城鎮化水平對碳排放的影響因素。林伯強、劉希穎用協整法探討城市化對碳排放的影響程度，但只針對中國這一主體進行研究，并未對不同區域進行對比分析。宋德勇、徐安采用STIRPAT模型分析了區域差異對碳排放的影響，并未對經濟發展水平和碳排放的內在聯系進行探討。
二、研究方法
經濟發展是碳排放增長的首要因素，本文結合York等提出的STIRPAT隨機回歸模型，來分析研究產業結構對碳排放的影響。該模型主要分析P（人口）、A（富裕度）、T（技術）、I（環境影響）之間的關系，公式為：
I■=？琢P■■A■■T■■e■ （1）
其中：？琢是常數項，b、c、d是人口、富裕度、技術的指數，e是誤差項。
在實際分析時，將模型先進性對數化處理：
lnIi=ln？琢+blnPi+clnAi+dlnTi+lnei （2）
式（2）中，P代表城鎮化水平，用城鎮人口占總人口的比重表示（%），用來反映人口向城鎮聚集的程度；A代表人均工業生產總值，用工業生產總值與常住人口的比值表示（元/人）；T代表工業能耗強度，選取工業能源消費量與工業生產總值的比重即工業能耗強度來表示（噸標準煤/萬元）；I表示工業碳排放量（噸）。相關經濟數據均以2000年為基期做了不變價處理。
根據國家統計局編制的《能源統計報表制度》，本文的能源消費指能源的終端消費量。在計算碳排放量時，首先將能源消費量折算成標準煤，然后根據國家發改委能源研究所給出的標準煤的碳排放系數為2.4567噸CO2/噸標準煤進行計算。
文中的能源數據來自江蘇省13市各自歷年的《統計年鑒》；經濟社會數據來自歷年《江蘇省統計年鑒》。
三、結果與分析
1、研究區域
江蘇省位于我國大陸東部沿海中心，地處長江三角洲，經濟發展位于全國前列，地區生產總值占全國10%以上。江蘇省經濟發展區域差異大，蘇南、蘇中、蘇北的城鎮化發展處于不同的發展階段，因此選擇江蘇省為研究樣本，研究其城鎮化發展對碳排放的影響，探究城鎮化進程中碳排放的影響因素具有很好的代表性。
蘇南地區（南京、蘇州、無錫、鎮江、常州）與上海相鄰，經濟發展較快，是江蘇省經濟發展的主力，城鎮化發展水平較高，2013年城鎮化率已達到73.5%；蘇中地區（揚州、泰州、南通）與蘇南地區隔江相望，位于長江中下游，經濟發展速度適中，城鎮化發展水平較落后，2013年城鎮化率為59.7%；蘇北地區（徐州、宿遷、淮安、連云港、淮安）相對蘇南和蘇中雖然自然資源豐富，但是接近內陸，經濟發展落后，城鎮化水平與蘇中地區較接近，城鎮化率在2013年已達到56.1%。
2、模型回歸結果
由于蘇中和蘇北地區2006年以前能源消費量數據缺失，故本文將主要研究2006―2013年間各區域的碳排放量。對式（2）利用SPSS進行線性回歸分析時，首先將數據進行Zscore一致性處理，避免各變量數量級不同對數據分析的影響，然后將處理后的數據帶入模型進行分析。結果顯示，模型整體通過了一致性檢驗，但是在95%的置信區間，所有變量的t值都不顯著。進一步計算各變量的方差膨脹因子（VIF），三個變量的VIF均遠大于10，證明模型中的城鎮化水平、人均工業生產總值和工業能耗強度三個變量之間存在嚴重的多重共線性，因此不適合運用最小二乘法進行無偏估計。
為克服自變量之間的多重共線性問題，本文采用SPSS軟件中的有偏估計嶺回歸函數對模型進行擬合。嶺回歸是一種改良的最小二乘估計法，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價獲得回歸系數更為符合實際、更可靠的回歸方法。其中k=0時，即為普通最小二乘估計。將式（2）進行嶺回歸分析，當k=0.1時，蘇南模型中各自變量回歸系數變化趨于穩定，當k=0.2時，蘇中和蘇北的模型中各自變量回歸系數變化趨于穩定，從而擬合方程分別為：
蘇南：lnI=0.2813lnP+0.4407lnA-0.2424lnT （3）
蘇中：lnI=0.4607lnP+0.2379lnA-0.2074lnT （4）
蘇北：lnI=0.1846lnP+0.3516lnA+0.4007lnT （5）
對嶺回歸擬合結果進行檢驗（見表1），結果顯示擬合結果能夠通過顯著性檢驗。
根據模擬結果可以看出，蘇南、蘇中和蘇北的模型在5%的置信區間都能通過顯著性檢驗，所有變量的t值都大于1.96，R2值和調整的R2值都大于86%，說明P（人口）、A（富裕度）、T（技術）三個變量解釋了86%以上的碳排放量變動。
3、結果分析
（1）工業能耗對碳排放的影響。根據回歸方程可以看出，城鎮化水平和工業生產總值與碳排放量都呈正相關，與實際相符合。工業發展越快，能源消耗越多，碳排放量越大。而城鎮化水平的提高并沒有導致碳排放的減少，很大程度上是因為城鎮化發展仍然離不開工業產業的發展。
蘇南是江蘇省經濟最發達地區，是江蘇地區經濟發展的主力。結合表2和圖1可以看出，2006年以來，蘇南地區的城鎮化水平較高，至2013年城鎮化水平已達到73.50%，且一直持續穩步增長。蘇南城鎮化水平對碳排放影響的彈性系數為0.28，說明該地區較高水平的城鎮化并沒有使碳排放量得到減少。相比蘇中和蘇北地區，蘇南地區的工業生產對碳排放的影響更大，彈性系數達0.44，說明該地區在發展工業的同時應提高生產技術水平，提高能源利用效率。
蘇中地區的經濟發展速度較慢，城鎮化水平由2006年的47.3%增長為2013年的59.7%，變動幅度是三個區域中最小的?；貧w結果顯示，蘇中地區工業發展對碳排放量的影響較小，彈性系數為0.24，說明該地區工業發展并未造成碳排放量的大幅度增加。但是城鎮化對碳排放量影響較大，彈性系數達到0.46，說明該地區在大力發展城鎮化的同時必須注重減少碳排放量。
蘇北地區城鎮化發展較快，至2013年，蘇北地區的城鎮化水平已達到56.1%，超過蘇中地區。相對而言，蘇北地區的生產力水平較低，經濟發展潛力較大。對蘇北地區碳排放量影響較顯著的因素是工業能耗強度，彈性系數為0.40，說明該地區節能減排的關鍵是降低工業能耗強度。城鎮化水平彈性系數為0.18，對碳排放影響較弱，說明該地區大力提高城鎮化水平不會造成碳排放量的大量增加。
對比三個回歸方程，蘇南和蘇中的能耗強度與碳排放呈負相關，而蘇北地區能耗強度與碳排放呈正相關，且能耗強度每增加1%，碳排放量將增加0.4007%，比人均工業生產總值對碳排放量的影響更大，原因在于，蘇南和蘇中地區的工業技術先進，能源利用效率高，而蘇北地區經濟落后，對傳統化石能源的依賴性較強，能源利用效率較低。
（2）能源消費模式。2010年之前江蘇省的家庭能源消費主要是煤氣和液化石油氣，從2010年開始其家庭能源消費主要是天然氣。到2013年，除蘇州地區，全省其他12個市都已經不使用煤氣。根據IPCC《國家溫室氣體排放清單指南》提供的碳排放系數可知，天然氣的碳排放系數為0.4483×104，煤氣的碳排放系數為0.3548×104，液化石油氣的碳排放系數為0.5042×104。
由圖2可知，隨著經濟的發展，蘇南、蘇中、蘇北城鎮居民家庭消費的碳排放強度都在逐步減弱，且變動趨勢接近一致。這主要是由于煤氣和液化石油氣消費量的減少和天然氣消費量的增加，使得能源消耗導致的碳排放增長速度小于經濟發展的增長速度。2006―2013年，僅家庭能源消費，蘇南地區的碳排放強度下降38.27%，蘇中地區的碳排放強度下降38.04%，蘇北地區的碳排放強度下降50.46%。
至2007年，天然氣還尚未投入使用，而江蘇省13市中除蘇北的連云港和宿遷兩地外，其它各市氣化率均達到90%以上。到2013年，江蘇省13市的燃氣普及率已經達到95%以上，天然氣的使用使三大地區家庭能源消費模式趨于一致。不同的城鎮化發展水平對于家庭能源消費模式的影響并不顯著，從2007年開始，三大地區的能源消費強度就逐漸接近，因此改善能源消費模式也可以大大減少碳排放量。
（3）能源政策。應綜合考慮三個地區不同城鎮化發展水平下的能源政策對碳排放的影響。從三個地區的經濟發展狀況和資源稟賦可以看出，蘇南地區的能源主要依靠進口，但蘇南地區經濟發展速度較快，蘇中、蘇北地區較多人口流入蘇南地區，推動蘇南地區的城鎮化發展。在“十二五”期間，蘇南地區基本已經實現能源消耗增長速度低于經濟發展速度。蘇南地區對于新能源產品和技術的研究和開發，使得蘇南地區的碳排放量基本得到了控制。相對于蘇南地區，蘇中地區城鎮化發展速度較慢，且正處于工業化中期向后期過渡階段，高耗能產業發展較快，在推動新能源發展的同時，重點發展石油化工產業的衍生產品，能源消耗高出全省平均水平，碳排放量持續增長。蘇北地區雖然城鎮化水平超過蘇中地區，但卻是江蘇省經濟發展最落后的地區，能源消耗高，對煤炭等傳統能源的依賴性高。但是蘇北地區利用自身的地理優勢，致力于新能源開發，主要研發太陽能和風能，在大力發展經濟的同時注重減少碳排放量。獨特的地理優勢和能源優勢，使蘇北地區的城鎮化建設發展較快，但同時也抑制了蘇北地區的經濟發展，促使蘇北地區仍停留在重工業為主導的經濟發展階段。
四、結論和建議
1、結論
本文以處于城鎮化發展不同階段的蘇南、蘇中和蘇北三個地區為例，利用STIRPAT模型探討城鎮化發展進程和經濟發展水平對碳排放量的影響因素，研究結果表明，不同的城鎮化發展進程和經濟發展水平對碳排放量的影響不同。城鎮化發展和經濟發展速度均較快的蘇南地區，碳排放量的增長速度（25.8%）已經低于工業經濟增長速度（156%），碳排放量基本得到了控制；城鎮化發展和經濟發展速度適中平穩的蘇中地區，城鎮化發展是現階段的發展重點，碳排放量增長速度與經濟增長速度一致，持續穩步增長；城鎮化發展速度較快但經濟發展落后的蘇北地區，對傳統能源依賴性大，碳排放量增長速度超過經濟發展速度。
蘇南地區，城鎮化水平由2006年的67.1%增長為2013年的73.5%，工業生產對碳排放的影響最大，彈性系數達0.44；城鎮化水平對碳排放影響的彈性系數僅為0.28，城鎮化建設的推動對碳排放量影響較小。蘇中地區，城鎮化水平由2006年的47.3%增長為2013年的59.7%，與蘇南地區相反，工業發展對碳排放量的影響較小，彈性系數為0.24，工業發展并未造成碳排放量的大幅度增加。但是城鎮化對碳排放量影響較大，彈性系數達到0.46，推動城鎮化發展的基礎設施建設對蘇中地區的碳排放影響較大。蘇北地區，雖然經濟增長速度是三個地區中最快的，2013年蘇北地區工業生產總值是2006年的6.31倍，但是蘇北地區的城鎮化水平和工業生產的彈性系數分別只有0.18和0.35，而能耗強度對碳排放的影響最大，彈性系數為0.40，提高能源利用效率、降低能耗強度才是蘇北地區節能減排的關鍵。
2、政策建議
（1）優化產業結構，促進產業優化升級。雖然蘇南地區正在逐步實現產業轉型，但是蘇中和蘇北地區的經濟發展仍舊以重工業為主，而且江蘇新能源資源匱乏，對傳統能源依賴程度大，僅鹽城地區風能資源較為豐富。因此加快產業結構優化升級，是減少碳排放量最直接的方法。
（2）提高能源利用效率，優化能源消費模式。提高能源利用效率、降低能耗強度有助于節能減排。家庭能源消費對碳排放的影響體現在衣食住行各方面，應改變能源結構，使用碳排放量較少的新能源替代傳統能源。例如，大力發展太陽能、風能發電，減少火力發電；早日實現江蘇省13市100%的燃氣普及率，減少煤氣和液化石油氣的使用。
（3）大力實施節能減排政策。政策與實踐相結合，在接下來的“十三五”期間，進一步降低碳排放強度，努力實現經濟與碳減排的同步發展。結合蘇南、蘇中和蘇北地區不同的地理優勢和資源稟賦，制定不同的發展政策，因地制宜，使地區在經濟穩步發展的同時減少碳排放。
（注：基金項目：江蘇省實踐創新指導項目“城鎮化不同階段對區域碳排放影響研究――以江蘇省為例”201410299088X。）
【參考文獻】
[1] 盧祖丹：我國城鎮化對碳排放的影響研究[J].中國科技論壇，2011（7）.
[2] 林伯強、劉希穎：中國城市化階段的碳排放：影響因素和減排策略[J].經濟研究，2010（8）.
[3] 宋德勇、徐安：中國城鎮碳排放的區域差異和影響因素[J].中國人口?資源與環境，2011（11）.
[4] York R，Rosa E A，Dietz T.STIRPAT，IPAT and ImPACT；Analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics，2003（23）.
關鍵詞：城市；能源消耗；碳足跡
中圖分類號：X703
文獻標識碼：A文章編號：16749944（2016）12006802
1引言
隨著社會經濟的快速發展，城市化與工業化建設不斷加快，大量的能源消耗產生了大量的溫室氣體，這些溫室氣體的排放加快了全球氣候變暖的進程，引發了諸多環境問題，海平面上升、冰川面積減小、極端天氣等，對人類的生產生活構成嚴重威脅。CO2等溫室氣體的產生主要源于城市的能源消耗，大量的化石能源消耗碳排放成為了溫室效應的主要貢獻者。因此，城市能源消耗對溫室效應的貢獻引發了學術界的廣泛關注[1，2]。
當前，中央和地方對生態環境提出了新要求，旨在實現綠色發展，建設美麗中國。要想實現城市的可持續發展，就必須走一條低碳發展的道路，也就是碳足跡要小，衡量其低碳發展的重要指標就是城市碳足跡。而城市碳足跡主要來自能源消耗碳排放，通過對能源消耗碳排放的測算便可得到該城市的能源消耗碳足跡。因此，城市能源消耗碳足跡的相關問題成了時下研究的熱點[3，4]。
2碳足跡的定義與解釋
碳足跡[4]一詞最早源于生態足跡，是由哥倫比亞大學的Rees 和 Wackernagel[5]提出。很快碳足跡這一概念在學界、政界和新聞界得到了廣泛關注。對碳足跡的概念而言，國外的學者看法就不一樣。Energetics[6]認為碳足跡是人們日?；顒赢a生的全部直接或間接的CO2 排放量；ETAP[7]把碳足跡視為人類活動對環境影響的度量；Druckman[8]則把碳足跡定義為由某種活動直接或間接產生的 CO2 排放量；Post[9]認為碳足跡是指產品從生產到消亡整個生命周期內排放的 CO2 及其他溫室氣體的總量。綜合國外學者對碳足跡的定義，不難看出他們都把最終的研究焦點落在了 CO2 等溫室氣體上，通過對產生的 CO2 排放量進行分析測算得出相應的碳足跡。
3研究進展與文獻綜述
2007 年，聯合國環境規劃署/國際環境毒理學與化學學會召開了主題為“生命周期倡議”的大會，大會設立了碳足跡專項研究小組，旨在討論碳足跡的具體計算方法 （生命周期法、投入產出法、IPCC 法等）與研究應用[10-11]。就碳足跡的研究程度來看，歐美地區較為深入。美國自然保護協會通過對各州居民平均碳排量的計算，開發出了測算個人碳足跡的計算器。英國愛丁堡大學的巴斯敏和莫里斯對社區的碳足跡計量開展了研究，基于對日常生活圈頻繁使用的產品生產與分解過程中碳排放量的分析，建立了評估社區碳排放量大小和主要組成部分的碳足跡模型，指出交通出行方面的碳排放是社區碳足跡的主要組成部分。所以，國外對碳足跡的研究逐步從宏觀走向微觀，從整體走向局部，測算碳足跡的方法也越來越多樣化，應用的領域也越來越廣泛，研究的程度也在不斷的深入。
我國碳足跡研究始于20世紀90 年代，且研究的理論與方法多借鑒國外的碳足跡研究。就目前國內碳足跡的研究現狀來看，彭俊銘、朱嬋瓔、張約翰等人[12-14]對區域能源消耗碳足跡做了相關研究，構建了碳足跡的計算模型，引入了能源消耗碳足跡產值（VCF值），闡述了能源消耗碳足跡發生動態變化并提出了建議，為區域的低碳發展提供了科學依據；宋宇辰[15]等人對做了能源消耗碳足跡的實證研究，運用 IPCC 法計算了該自治區的能源消耗碳足跡，新引入了能源消耗碳足跡強度指數等相關指標，并基于環境庫茲涅茨曲線探究了能源消耗碳足跡與經濟發展水平之間的關系，據此得出相關結論；趙濤、鄭丹[16，17] 等人對中國能源消耗碳足跡的生態壓力做了相關研究，借鑒了IPCC 法[18] 測算了中國能源消耗碳排放量、碳足跡、碳足跡生態壓力指數等，又引入經濟學中的脫鉤理論來研究能源消耗碳足跡與人均GDP二者的關系，據此得出相關結論。盧俊宇、黃賢金[19～24]等人對一些行政區能源消費碳足跡、碳足跡產值、碳足跡強度進行了分析；然后在此基礎上，采用嶺回歸函數對STIRPAT模型進行擬合，研究了人口與人均GDP與能源消費碳足跡的關系及其驅動因素分析。鄭丹[25]引入能源碳足跡生態壓力（EPICF）的概念，并對區域能源碳足跡生態壓力的時空變化進行了定量分析，以測度現有森林和草地的面積是否能夠滿足區域日益增加的能源碳足跡?？v觀我國碳足跡的研究進展，理論與方法正在不斷豐富與完善，研究的指標也不斷的多樣化，多學科的交叉也日益明顯，但有關區域差異的相關研究顯得有些不足，今后有待加強。
4結語
城市的能源消耗已不再是單純的能源利用問題，它還關系到整個城市的社會、經濟、環境的發展，能源的利用效率反應該地區的科技發展水平，能源的利用結構關系到該地區產業結構的優化及從事不同產業的人口調整，能源的消耗更是對該地區的生態環境造成巨大的壓力，危及到城市的生態安全，不利于城市的低碳發展。為了實現城市的低碳發展，走一條低能耗、低污染、高增長的生態城市道路，勢必要弄清城市的能源消費狀況，測算出城市的能源消耗碳排放量及碳足跡，分析城市的能源碳足跡強度、能源碳足跡產值、能源碳足跡生態壓力指數，找出產生能源碳足跡生態壓力的原因并提出合理化建議，為城市的生態文明建設提供科學的依據與方法。研究能源消耗碳足跡及其影響因素，計算碳排放指標，總體和人均碳足跡，通過脫鉤分析以及灰色關聯法等數學模型摸清區域現階段的能源消費狀況及能源利用效率，看清城市能源消耗碳排放、碳足跡的動態變化趨勢，有助于我們對城市碳匯的生態壓力大小及產生壓力的原因有比較清醒地認識，為此我們可以提出相應的對策為城市未來的低碳發展創造有利條件。本文綜述了國內外最新的研究成果，可以作為其他城市研究相關問題的借鑒。
參考文獻：
[1]
段孟辰，薛科社，薛璐，等.城市能源消耗碳足跡動態變化及影響因素分析――以西安市為例[J].河南科學，2013，31（6）：837～841.
[ 2 ]焦文獻，陳興鵬，賈卓，等.甘肅省能源消費碳足跡變化及影響因素分析[J].資源科學，2012，34（3）：559～565.
[ 3 ]桓漢青，陳冬冬，陳超凡等，.四川省能源消耗碳足跡的分析[J].環境污染與防治， 2014，36（4）：96～101.
[ 4 ]郭運功，汪冬冬，林逢春.上海市能源利用碳排放足跡研究[J].中國人口?資源與環境，2010，20（2）：103～108.
[ 5 ]Wackemagel M， Rees W E. Our Ecological Footprint： Reducing Human Impact on the Earth[R]. Gabriola island （Canada）： New Society Publishers，1995.
[ 6 ]Energetics. Carbon footprint of different hdustrial spaces base on energy cansupmtion in China[R].The reality of carbon neutrality.2007.
[ 7 ]ETAP.The carbon trust helps UK businesses reduce their environmental impact[R].The rcality of carbon neutrality，2007.
[ 8 ]Druckman A，Jackson T. The carbon footprint of UK households 1990― 2004 a socio economically disaggregated，quasi-multi-regional input-output model[J]. Ecological Economics，2009，68（7）：2066―2077.
[ 9 ]POST. Carbon Footprint of Electricity Generation[R].London： Parliam entary Office of Science and Technology， 2006.
[10]IPCC. 氣候變化報告 2007[EB/OL].ipcc.ch.
[11]宋宇辰，張靜，孟海東.內蒙古能源消費碳足跡研究[J].寧夏大學學報（自然科學版），2013，34（2）：177-181.
[12]彭俊銘， 吳仁海. 基于LMDI的珠三角能源碳足跡因素分解[J]. 中國人口?資源與環境， 2012， 22（2）：69-74.
[13] 張約翰， 張平宇. 長吉都市區能源碳足跡測度及影響因素研究[J]. 地理科學， 2012， 32（9）：1099-1105.
[14] 朱嬋瓔. 江蘇省能源消費的碳足跡特征分析[D]. 南京：南京信息工程大學， 2013.
[15] 宋宇辰，張靜，孟海東.內蒙古能源消費碳足跡研究[J].寧夏大學學報（自然科學版），2013，34（2）：177-181.
[16] 趙濤，鄭丹.1996-2010 年中國能源碳足跡生態壓力研究[J].干旱區資源與環境，2014，28（2）：1-6.
[17] 張清，鄭丹，許憲碩.中國能源碳足跡生態壓力變動的因素分解研究[J]. 干旱區資源與環境，2015，29（4）：41-46.
[18] IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories - Volume 2 Energy[R].IPCC，2006.
[19]盧俊宇， 黃賢金， 陳逸，等. 基于能源消費的中國省級區域碳足跡時空演變分析[J]. 地理研究， 2013， 32（2）：326-336.
[20]Xiaowei C， Li L， Huang X， et al. Temporospatial changes of carbon footprint based on energy consumption in China[J]. 地理學報（英文版）， 2012， 22（1）：110-124.
[21]Zhao R， Huang X， Liu Y， et al. Urban carbon footprint and carbon cycle pressure： The case study of Nanjing[J]. Journal of Geographical Sciences， 2014， 24（1）：159-176.
[22]盧娜， 曲福田， 馮淑怡，等. 基于STIRPAT模型的能源消費碳足跡變化及影響因素――以江蘇省蘇錫常地區為例[J]. 自然資源學報， 2011（5）：814-824.
[23]盧娜， 馮淑怡， 曲福田. 基于STIRPAT模型的能源消費碳足跡變化及影響因素分析―― 以無錫市為例[C]∥中國生態經濟建設2010太原論壇， 2010.