下面首先对有关CO2排放量变动驱动因素分析的现行研究作一概述，然后利用Kaya恒等式[11]对中国整体的CO2排放量变化的驱动因素进行分解，再利用Divisia分解法对中国各部门的单位GDP的CO2排放量变化的驱动因素进行分解，最后对其包含的政策意义作出解释。

（一）CO2排放量变化驱动因素分解的先行研究

目前，国内外关于CO2排放量的影响因素的研究基本上是通过建立模型进行分解分析。这种分解方法一般被称为因素分解法。

1.因素分解法

所谓因素分解法，是指将某一变数的变化现象（结果）分解为若干个影响因素的分析方法。其实质是将碳排放的计算公式表示为几个因素指标的乘积，并根据不同的确定权重的方法进行分解，以确定各个指标的增量份额。目前在碳排放分析中主要应用指数分解法（index decomposition analysis，IDA），其中又以Liu和Ang等（1992）提出的自适应权重分解法（adaptive-weighting division，AWD）[12]、Ang等（1998）提出的对数平均权重分解法（logarithmic mean weight division index method，LMDI）[13]以及Chung H S，Rhee H C（2001）提出的平均增长率指数法（mean rate-of-change index，MRCI）[14]的应用较为普遍。

上述各种分解方法最初多用来研究能源消费问题，近年来，国内外学者将其扩展到环境研究方面，研究模型有IPAT方程[15]、Kaya恒等式[11]等。

IPAT方程是由Ehrlich P.R et al（1970）提出的环境影响方程，它把环境影响归结为人口、富裕度和技术三个关键驱动力乘积的结果。作为人类活动对环境影响的基本分析工具，IPAT方程的具体表达式为I＝P×A×T，其中I代表环境影响，P代表人口，A代表富裕度，T代表广义的技术水平，影响碳排放的因素包括人口、人均GDP和碳排放强度[15]。

Kaya等式（Kaya Identity）是由日本学者Yoichi Kaya（1989）在政府间气候变化专门委员会的一次研讨会上正式提出的，是在分析CO2排放影响因素中应用最广的模型之一，它通过一种简单的数学公式将人口、能源、经济等因子与人类活动产生的CO2联系起来。即CO2＝（CO2/能源需要）×（能源需要/GDP）×GDP，将上式两边微分，可得ΔCO2＝Δ（CO2/能源需要）＋Δ（能源需要/GDP）＋ΔGDP，如此可将CO2排放变化的影响因素分解为能源强度、能源效率和经济增长等几个因素的和。Kaya等式本身也可以进一步分解为更多的影响因素。

此后，国外不少学者和机构利用Kaya等式或将其加以扩展，对各个国家的CO2排放变化因素进行了分解计算，取得了不少进展。

2.利用因素分解法的先行研究

在对世界各国碳排放变化进行因素分析的研究方面，可以举出的研究有：Torvanger（1991）对1973—1987年间9个OECD国家的制造业部门的研究[16]；Stephen D.Casler，Adam Rose（1998）对美国1972—1982年间的研究[17]；Schipper L（2001）采用AWD法对13个IEA国家的研究[18]；Chung，Rhee（2001）运用Divisia指数法对韩国工业部门的研究[14]；J.W.Tester等（2005）运用Kaya公式对中、日、欧、美和世界1980—1999年间的研究[19]；Ratnakar Pan等（2010）对全球114个国家1992—2004年间的研究[20]等。

较早对中国碳排放进行因素分解分析的研究者是张宏武（2002），其分析结果表明，导致我国CO2排出量增加的最大原因是由于经济的增长，其次还有人口的增加，而能源消费效率的改善是抑制CO2排出的最有效方式，能源消费结构因素则对CO2排出量的变化几乎没有什么作用[21]。张宏武（2003）将Ang，Lee（1994）对产业能源消费的分解手法扩展到碳排放分解，在定义了Parametric Divisia Method（PDM）的基础上，对“乘积分解”和“加和分解”两种要因分解式（PDM1法和PDM2法）根据各种分解法参数确定的不同又细分为7种方法，并利用上述各种方法对中国和日本1987—1997年间的CO2排出量变化的影响因素进行了比较分析。结果表明，虽然不管用哪种方法计算的结果都没有太大的差别，但残差值最小的是AVE-PDM1法（Average Parametric Divisia Method），其次是AVE-PDM2法（Average Parametric Divisia Method），再次是AWT-PDM法（Adaptive-Weighting Parametric Divisia Method）[22]。

近年来，由于碳减排问题在中国日益受到重视，有关中国CO2排放影响因素分解的研究逐渐增多，特别是2009年以来这一问题颇受学者的关注。可以列举的有Wang Can等（2005）对我国1957—2000年间的研究[23]；Wu L.等（2006）对我国1980—2002年间的研究[24]；徐国泉等（2006）采用Divisia分解法对我国1995—2004年间的研究，结果显示经济发展对中国人均CO2排放的贡献率呈指数增长，而能源效率和能源结构对抑制中国人均CO2排放的贡献率都呈倒U形[25]；Liu Lan cui，et al.（2007）对1998—2005年我国工业最终消费能源导致的CO2排放量变化因子的研究[26]；Yi-Ming Wei等（2007）采用AWD方法对我国1980—2003年间的研究[27]；冯相昭等（2008）基于Kaya等式对1971—2005年间的研究[28]；胡初枝等（2008）基于环境库兹涅茨曲线（EKC）模型对1990—2005年间的研究[3]；朱勤等（2009）基于扩展的Kaya恒等式，并应用LMDI分解方法对中国1980—2007年间的研究[29]；陈佳瑛等（2009）运用STIRPAT修正模型的研究[30]，宋德勇、卢忠宝（2009）采用“两阶段”LMDI方法，对我国1990—2005年间的研究[31]；刘红光、刘卫东（2009）借助LMDI分解法对我国1992—2005年工业燃烧能源导致碳排放的影响因素的研究[32]；王俊松、贺灿飞（2010）采用对数平均的Divisa法对我国1990—2007年间的研究[33]；王锋等（2010）运用对数平均Divisia指数分解法，对1995—2007年间的研究[34]；陈劭锋等（2010）基于IPAT方程的研究[35]；赵奥、武春友（2010）基于改进的Kaya等式和LMDI分解法，对1990—2008年间的研究[36]；李艳梅等（2010）对1980—2007年间的研究[37]；蒋金荷（2011）基于对数平均Divisia指数（LMDI法）对中国1995—2007年间的研究[38]等。

上述研究虽然各自研究的年份阶段不同，基础数据的取得不相同，计算结果也各异，不过所得结论大都一致，各种因素施加影响的趋势大致相同，即造成碳排放增加的最大因素是经济总量增长，产生碳减排效应的最大因素是碳排放强度降低，而其他因素的作用相对较小。

纵观上述各位学者的研究，目前虽然对碳排放分解的研究日趋成熟，研究方法日趋合理，对于碳减排政策的制定起到了重要作用，但也存在一些不足之处。首先，大多数研究在计算碳排放时采用的能源种类只有简单的煤炭、石油、天然气三种，部门分类甚少，这种方法虽然简单、容易操作，但很粗糙，影响分析结果的准确性。其次，上述研究大多着眼于国家层面的宏观视角，对分部门、分区域的影响因素研究较少。再次，大多数研究是以数年间隔（例如每五年等）为单位来展开分析，根据笔者的计算，只采用首末两年的数据与每年累加计算比较会造成很大偏差，影响计算结果的准确性。

因此，下面以笔者自身推算的中国CO2排放量数据为基础数据，从宏观角度对一年间隔的CO2排放量变化的驱动因素进行分解计算。

（二）基于宏观视角下的中国CO2排放变化的驱动因素分解

1.Kaya等式的分解模型

前述的从宏观的角度来分析CO2排放影响因素的思路就是基于下面的Kaya等式：

CO2排放量＝（CO2排放/能源消费）×（能源消费/GDP）×（GDP/人口）×人口

如果用C表示CO2排放，E表示能源消费，G表示国内生产总值（GDP），P表示人口，则可以得到下式：

此处：

C/E：单位能源消费的CO2排放量；

E/G：单位GDP的能源消费量；

G/P：人均GDP。

等式右边的第一项（C/E）称为单位能源消费的CO2排放量，也称为碳强度，它表示每消费一单位能源产生的CO2排放量，其值越小，说明含碳较少或不含碳的能源利用率越高。要实现CO2减排就要尽可能地将能源利用结构从化石能源转向自然能源（风能、太阳能等）。

等式右边的第二项（E/G）称为单位GDP产出的能源消费量，也称为能源强度，它是表示能源消费的指标，其值越小，说明生产同样产品消耗的能源越少。从CO2减排的观点来看，要尽量提高能源的利用效率。

等式右边的第三项（G/P）是指人均附加价值，表示国家或地区的经济发展水平，其值越高，生产活动和消费活动的规模越大。经济发展与CO2排放量经常是正相关的关系，但这是在假定产业构造和技术进步一定的前提下而言的；如果产业构造或技术进步发生变化，即使经济规模扩大，也会出现CO2排放量不随其相应增加的情况。

等式右边的最后一项（P）是人口因素，在其他条件不变的情况下，其值越大，对CO2排放量的影响就越大。

这一等式表示的意思就是，某一国家或地区的CO2排放量受到能源消费种类、能源利用效率、生活水准和人口等因素的影响。(www.daowen.com)

如果取上述因子的变化率（增量），可以有下式：

从上式可以将某一地区CO2排放量变化的影响因素分为能源转换因素、节能因素、经济规模因素和人口规模因素。也就是说，为了实现CO2减排，可以采取改善CO2排放强度（能源的低碳化）、降低单位生产额的能源消费量（节能）、减少人均国民生产总额（变得贫穷）、减少人口等措施中的任意一种或若干种的组合等方法和措施。

在因素分解的过程中，采用了偏微分的手法。具体来说，就是将中国的CO2排放量分解为若干因素的乘积，通过偏微分计算，得出各个因素对CO2排放变化的驱动力。

第一项的能源转换因素的计算式为：

第二项的能源效率因素的计算式为：

第三项的经济规模因素的计算式为：

第四项的人口因素的计算式为：

本计算方法的优点是残差几乎为零。

2.分解结果

利用上面的计算式，可对中国CO2排放量增减变化的驱动因素进行分解。在计算中采用的CO2排放量系笔者的推算值，能源消费、GDP和人口数据均来自《中国统计年鉴》（各年版），这里的GDP数值按2005年价格进行了换算。

（1）从每年来看的分解结果

图2-18表示的是以一年为间隔进行的因素分解的结果。首先可以明显看出的是，经济规模因素和能源效率因素是两个较大的驱动因素，而且其作用力呈相反的方向。其中经济规模因素驱动力最大，而且整个期间每年的影响都是正的，说明经济规模变动是推动CO2排放增加的最大影响因素；而能源效率因素是驱动力仅次于经济规模的影响因素，除了个别年份（2002—2004年）外，其余年份均为负的作用，说明能源效率变动是我国CO2减排的主要影响因素。

图2-18　中国CO2排放量变化的因素分解（一年间隔）

资料来源：笔者作成。

如果将注意力集中到经济规模因素和能源效率因素的变化过程上来看，我们可以发现，驱动力最大的经济规模因素作为CO2排放的增加因素，虽然各年的驱动力大小有所不同，但从2003年以后驱动力明显增大，从而使得2003—2012年成为CO2增排作用最大的时期。这一时期的平均驱动力大大高于整个期间的平均驱动力，这意味着经济发展对CO2排放的增加作用没有出现减弱的势头，还仍然呈现上升的趋势。另一方面，虽然能源效率因素的驱动力的方向在一般情况下与经济规模因素是相反的，但其驱动力的大小则有随着经济规模的驱动力同步变化的趋势。也就是说，一般情况下，经济规模因素的驱动力较大的年份能源效率的驱动力也较大；反之亦然。当然，这种驱动方向相反、驱动力相互依随的情况也有例外，如2004—2005年虽然经济规模因素的正向驱动力较大，而能源效率因素的驱动方向则与经济规模因素相反，但其驱动力则较小；再如2002—2004年连续两年这两个影响因素的驱动方向都是正的，都成为CO2增排因素。

另外，人口规模因素一直是CO2排放增加的因素，不过其驱动力较之经济规模因素不是很大，最大的为2011—2012年，但也不超过0.5亿吨，而且整个期间的波动也不大，这表明中国的人口控制政策对CO2排放起到了一定的、连续的抑制作用；与此相对，能源转换因素的驱动方向有正有负，方向变动颇为频繁，但总体而言驱动力较小，除了少数年份（1990—1991年和2009—2011年）外，其他年份的驱动力都在1亿吨以下，这说明中国能源结构在这一期间没有发生变化，通过能源转换来减少CO2排放并没有取得进展。

（2）从分阶段来看的分解结果

如果将中国的各个“五年规划”联系起来分阶段来看（图2-19），基本结论与上述每年的分析一样，经济规模因素在各个阶段都一直是推动CO2排放增加的最大影响因素，而能源效率因素除了个别时期（2000—2005年的“十五”规划时期）外，则一直是CO2排放减少的最大因素，且这两个因素的影响力大小都相互依随，最大值都出现在2005—2010年的“十一五”规划时期；人口规模因素在各个阶段都是推动CO2排放增加的因素，不过影响力不大，且波动幅度也不大，徘徊在1亿～1.6亿吨；能源转换因素总的来看影响力很小，但驱动方向很不稳定，特别是在2000年以后的三个阶段，不仅没有驱动CO2减排，反而一直都是CO2排放增加的因素。

图2-19　中国CO2排放量变化的因素分解（分阶段，每年累加计算）

资料来源：笔者作成。

上述分析结果可以从图2-20中得到再一次确认。图2-20表示的是以1980年为基准、将以一年为间隔的因素分解结果累积以后的情况。经济因素一贯是CO2排放增加的驱动因素，是CO2排放增加的最重要推手；能源效率因素在2002年之前一直是CO2减排的驱动因素，而2002—2004年间却转向增加驱动；相对于人口因素缓慢的增加驱动力，能源转换因素则几乎对CO2减排没有起到什么效果。

图2-20　中国CO2排放变化的因素分解（各年累积）

资料来源：笔者作成

（3）从整个对象期间来看的分解结果

1980—2012年的整个期间，中国CO2排放量从14.03亿t-CO2增加到84.66亿t-CO2，净增排放量70.62亿t-CO2。在增加的部分中，经济规模因素增排99.70亿t-CO2（这里表示的数据是在不考虑其他因素的情况下，理论上会净增的数量，下同），人口规模因素增排9.17亿t-CO2，能源转换因素增排2.17亿t-CO2，而能源效率因素则减排40.41亿t-CO2。四者正负相抵，正好等于净增加排放的70.62亿t-CO2（图2-21）。从这里可以清楚地看出，经济因素的正向（增排）驱动力与能源效率因素（节能因素）的负向（减排）驱动力是两项主要的增减因素，能源转换因素与人口因素则是较次要的驱动因素。

这里有一点需要说明的是，影响CO2排放变化的因素是多方面的，并不是这里列举的几项所能穷尽的，而且影响方式和影响力也是十分复杂的，并不像这里说得那么简单，也不像这里说得那么清楚，能够有如此具体的数字。但这些并不能完全否定因素分解法的作用。作为一种科学研究方法，因素分解法虽然并不能万全地包揽所有因素，但笔者坚定地认为，这种方法所提供的思路、揭示的事物之间的内在联系以及和事物运行的大致方向是有相当大的借鉴作用的。

图2-21　中国CO2排放变化的因素分解（1980—2012年，每年累加计算）

资料来源：笔者作成。