碳排放论文篇1

1.2聚类分析聚类分析是研究多要素事物分类问题的数量方法，其基本原理是根据样本自身的属性,按照某种相似性或差异性指标,定量确定样本之间的亲属关系,并按这种亲疏关系程度对样本进行聚类[25]。根据分类对象的不同，聚类分析又可以分为两类，一是在变量空间中根据变量特征或者指标性质对样品，即研究对象进行分类，叫做Q型聚类分析；二是在样品空间中根据变量在样品上的观测值对变量进行分类，叫做R型聚类分析[26]。本文着重对各产业进行分类，故采用Q型聚类分析。

1.3数据来源本文采用的数据广州市能源消费总量（万吨标准煤）、广州市国民生产总值GDP（万亿）和广州市年末常住人口数（万人）均来源于历年《广州市统计年鉴》（2004～2013）。

2结果分析

2.1广州市三次产业碳排放特征改革开放以来，广州加快了产业结构调整步伐，产业结构由改革开放初期的“一、二、三”调整为目前的“三、二、一”，第三产业占据了三次产业的主体地位。据统计，2012年广州市实现地区生产总值（GDP）13551.21亿元，按可比价格计算，比上年（下同）增长10.5%，三次产业对经济增长的贡献率分别为0.5%、35.2%和64.3%。形成了以汽车、石油化工、电子信息制造业以及生物医药等产业为支柱的国民经济体系。2012年，第一产业、第二产业和第三产业在碳排放总量中所占比重分别为1.95%、42.05%、42.49和13.50%左右。第一产业的碳排放量趋向稳定，近10年来一直维持在2%左右的低位，这说明第一产业并不是影响广州市碳排放总量的主要因素。另外，第三产业的碳排放量增长迅速，2012年第三产业的碳排放量首次超过第二产业。在广州市碳排放量比例中，以工业部门为主要构成的第二产业所占比重仍然较大，工业结构重型化，制造业仍然处于国际产业链的相对低端，先进制造业、现代服务业和战略性新兴产业发展相对不足。2012年广州规模以上工业总产值中轻重工业比例为32.02:67.98，重工业的能源消费占工业能源消费的71.72%。随着广州城市化、现代化不断发展，能源需求快速增长，碳排放需求将进一步释放。10年来，第三产业的碳排放比重迅速增加，2012年第三产业部门的碳排放量首次超过第二产业，这是由于交通运输业、仓储、邮政业等较耗能第三产业的迅速发展所致，第三产业比重所占比重加大。第一产业所占的比重最小，随着农业现代化水平的提高，农业能耗增加，碳排放比重有所提高。除第一产业外，其他部门碳排放强度呈现逐年下降趋势（图1），其中第二产业部门下降幅度最大，这是由于工业行业内部结构进行了优化调整，部分高能耗企业（印染、造纸等）关停或转移，高附加值低能耗行业（电器机械制造业、医药业等）比重上升。第三产业的碳排放强度最低，但同时应该看到，10年来第三产业碳排放强度下降速度缓慢，第三产业是未来广州经济增长的核心，金融、保险、物流等服务业是发展的重心，而这些行业的碳排放强度小，所以第三产业碳排放强度仍有较大下降空间。第一产业碳排放强度有所上升，这是农业机械化导致能耗上升的结果。

2.2广州工业内部各行业碳排放分析第二产业作为广州重要的支柱产业，低碳指标无疑是重要的，但不能因此而放弃一些碳排放较大，但对国民经济影响较大的部门。进一步优化广州工业结构的关键是甄别出碳排放量小、社会经济效益高的行业。本文将从经济、社会、生态效益三方面提取指标对工业内部各行业进行聚类分析，建立起广州工业内部的分类体系，该体系显示未来广州应该大力发展的行业和重点优化的行业。

2.2.1指标选取对经济、社会、生态效益的衡量分别选取增加值规模、就业系数、碳排放强度这三项指标。增加值规模代表该行业占工业比重，体现了该行业重要程度，增加值规模越大，则该行业对国民经济的拉动力越强。就业系数为行业的就业人数与该行业增加值的比值，反应行业对社会就业的吸纳能力，就业系数越大，则单位增加值吸纳劳动力越多，但同时也说明劳动生产率较低，在目前我国劳动力过剩的情况下需要辩证的看待这项指标。碳排放强度是单位增加值的碳排放量，该项指标反映行业对生态环境的影响程度。

2.2.2聚类分析本文采取聚类分析法对广州市工业内部行业进行聚类分析，根据《广州统计年鉴2013》查得规模以上工业各行业增加值、劳动生产率、单位增加值能耗等数据，从而计算出增加值规模、就业系数和碳排放强度等反应经济、社会和生态的指标（表2），依据指标对各行业进行聚类分区。本文采用的是系统聚类法，运用SPSS19选择ward聚类方法，采用平方Euclidean距离，聚类结果见图2。根据聚类结果，可以将广州的工业部门划分为五大类。第一类，2个，汽车制造业，化学原料及化学制品制造业。增加值规模占总增加值规模比例高达34.18%（为叙述简便，下述指标占比规模未作特别说明皆为该产业占规模以上工业比重），为增加值规模最大的两个产业，是广州的支柱产业，劳动生产率高，就业系数较低，但就业人数较多，就业人数规模为13.95%；同时也是碳排放强度较低的产业，碳排放强度仅为0.11，碳排放量占比为5.98%。上述产业为经济效益很高，同时碳排放强度较低的产业，就业人数较多，是广州今后优先发展的产业。第二类，14个，燃气生产和供应业，烟草制品业，有色金属冶炼和压延加工业，农副食品加工业，计算机、通信和其他电子设备制造业，电气机械及器材制造业，金属制品业，仪器仪表制造业，专用设备制造业，食品制造业，医药制造业，酒、饮料和精制茶制造业，铁路、船舶、航空航天和其他运输设备制造业，通用设备制造业。增加值规模37.09%，就业规模44.82%，碳排放规模8.37%，就业系数0.04234，碳排放强度0.15749，主要为先进制造业和饮食制造业，该类产业产值的增长对碳排放的依赖较小，增长速度快，科技含量较高，吸纳就业能力强的支柱产业，属于典型的低碳行业。造船业，各类设备制造业，通信电子以及生物医药应该作为广州重点发展的先进制造业；对于食品饮料，应健全监测与监控体系，提高产品质量标准，应用各项信息技术改善销售方式和渠道，依靠“广式食品”的传统美誉，做强做大“广式腊味”“广式月饼”，更好地体现岭南美食文化。第三类，8个，皮革、毛皮、羽毛及其制品和制鞋业，印刷业和记录媒介的复制，木材加工及木、竹、藤、棕、草制品业，纺织服装、服饰业，文教、工美、体育和娱乐用品制造业，家具制造业，其他制造业，橡胶和塑料制品业。增加值规模10.78%，就业规模30.93%，碳排放规模4.64%，就业系数0.10587，碳排放强度0.28035吨每万元，大部分属于轻工业，就业系数较高，碳排放强度较低，但经济效益偏低的产业，从现阶段来看，该类产业能够解决部分就业问题，对环境污染较小，关键在于加大研发投入，开发高端产品，提高经济效益，如高端服饰、体育用品、高尚家具品牌的建立。第四类，6个，纺织业，黑色金属冶炼和压延加工业，非金属矿物制品业，造纸及纸制品业，水的生产和供应业，化学纤维制造业。增加值规模4.75%，就业规模8.46%，碳排放规模12.89%，就业系数0.0595，碳排放强度1.37282，属于典型的高碳低效产业，是今后广州发展需要重点控制的产业，关停部分高碳产业，提高技术降低碳排放强度，如通过环保搬迁、园区集聚和技术升级，提高造纸工艺技术水平，开发各类高档新闻纸和高档文化用纸，进一步发展广州特色的高档印刷业。第五类，2个，电力、热力的生产和供应业，石油加工、炼焦和核燃料加工业。碳排放高达68.12%，是工业碳排放的主要来源，同时也是碳排放强度最大的两个产业，碳排放强度高达3.18吨/万元，为平均碳排放强度的5.3倍；增加值规模为13.20%，就业系数低，就业人数仅占1.84%。上述产业为经济效益较高，但碳排放较大的产业，对就业的拉动不大，产业的增长对碳排放的依赖较大，增长方式不够“低碳”，通过技术革新，大力降低碳排放强度的潜力还很大。

3结论与建议

碳排放论文篇2

①从碳源与碳汇两层面对安徽省1995—2011年碳排放进行测算；②运用因素分解模型，考察城镇化演进产生的碳排放量；③基于经济学边际理论，以城镇化演进产生的碳排放量作因变量，城镇化水平变化值作自变量，借助SPSS软件，采用最小二乘回归（OLS）分析方法，构建城镇化演进对碳排放影响的边际模型，对该模型求导，构建边际碳排放变化率测度模型，并据此测算出研究时序边际碳排放变化率；④借助Excel软件，对边际碳排放变化率时序数据作散点图，构建边际碳排放变化率多项式拟合曲线，运用二次曲线求极值方法，可对城镇化演进的碳排放极限影响进行判别。

1.2研究方法

1.2.1碳排放测算方法碳排放包括人为碳排放和自然碳排放，本文仅考察人为因素产生的碳排放。能源消耗及农作物生产为主要碳源，而林地和草地则为主要碳汇，其中，能源消费碳排放可通过能源消耗的碳排放系数计算，农作物生产的碳排放量及林地和草地的碳吸收量可以通过土地利用的碳排放及吸收系数计算1.2.2城镇化演进对碳排放贡献测度方法1）扩展Kaya恒等式构建Kaya于1989年提出了将碳排放与能源、经济和人口三个因素联系在一起的的Kaya恒等式。2）LMDI分解方法Ang等提出的对数平均权重Divisia分解法，是针对一段时期内能源需求或气体排放的因素分解方法，该方法具有技术成熟、形式多样、计算简单方便、分解无残差等优点，因而在能源消费及碳排放测算中得到了广泛应用，为此，本文采用LMDI分解法对碳排放变化进行分解，以揭示出城镇化演进对碳排放的贡献份额。1.2.3城镇化演进对碳排放影响极限测度方法1）边际模型构建经济学边际理论是指：假设在其他条件不变的情况下，每增加或减少一个单位数量产生的效应，将经济学边际理论引入城镇化演进的碳排放效应研究中，可界定为：城镇化水平每增加1个百分点所导致的碳排放量，以MCE表示，借鉴李效顺等研究方法，构建安徽省城镇化演进对碳排放影响的边际模型：LnΔCU=α+βLnΔU（8）式中：ΔU表示城镇化水平的变化量；α、β为待估参数。2）边际碳排放变化率测度对式（8）求导可得城镇化演进的边际碳排放影响表达式：MCE=d(ΔCU)d(ΔU)（3）碳排放影响极限测度依据式（10），可测算研究时序边际碳排放效应变化率，以此作因变量，时间序列作自变量，借助Excel软件，通过作散点图，添加趋势线，选取多项式类型进行拟合，可获取城镇化演进边际碳排放效应变化率拟合曲线，若该曲线二次项系数大于零，则该曲线为开口向上的U形抛物线，表明边际碳排放变化率存在极小值，依据二次曲线求极值方法，可测算出城镇化演进碳排放效应影响最小的极限时刻。

2数据来源与说明

为了保证数据可获取性与完整性，本研究选取安徽省1995—2011年数据考察城镇化演进对碳排放极限影响，数据来源及说明如下：（1）能源消费界定为：物质生产部门、非物质生产部门和生活消费的各种能源总和，包括原煤和原油及其制品、天然气，不包括低热值燃料、生物质能和太阳能等。能源消费数据来源于《中国能源统计年鉴》。（2）城镇化涉及人口、土地、产业、社会多方面因素[17]，表征城镇化水平有综合指标法、单一指标法两种[37]，单一指标度量方法，数据易取，计算简洁，得到了国际上大多数国家和地区的认同[17]，也为中国学者普遍采用[7-17,22-25,37]，因此，本文使用单一指标法来测度城市化水平，即用年末城镇人口占总人口比例表征，其数据来源于《安徽统计年鉴》。（3）GDP总量及人均GDP采用不变价格进行调整，方法为：实际指标=当年指标×100÷CPI价格指数（以1990年为100），数据来源于《安徽统计年鉴》。（4）耕地面积、林地面积来源于《安徽统计年鉴》，草地面积数据来源于《中国草地资源数据》。

3结果与分析

3.1碳排放分析

依据公式（1），运用《中国能源统计年鉴》、《安徽统计年鉴》及《中国草地资源数据》中原始数据及表1中碳排放与吸收系数，可得1995—2011年安徽省碳排放（图1），图1表明，安徽省碳排放量由1995年的2182.39×104t增至2011年的10120.20×104t，年平均增幅为10.06%，城镇化水平由1995年的19.09%提升至2011年的44.8%，年均增幅为5.48%，碳排放与城镇化水平均呈增长态势，但碳排放增幅快于城镇化水平升幅。将图1中碳排放与城镇化水平时序数据输入SPSS17.0软件进行关联分析，结果显示，在0.01水平（双侧）上，两者关联系数达0.945，由此表明，研究时序内，安徽省城镇化演进是导致碳排放持续增加的重要因素。

3.2城镇化演进对碳排放贡献测度

依据式（8），可对安徽省1995—2011年城镇化演进过程产生的碳排放进行测算，结果如表2。由表2可知，1995—2011年，安徽省城镇化产生的碳排放总量为3602.78×104t，年均225.17×104t，城镇化演进的碳排放增量效应明显，但不同年份间波动性较大，表明城镇化发展是导致安徽省碳排放持续增加的重要因素，究其原因，首先，城镇化发展驱动了工业经济腾飞，也加大了基础建设投资，从而带动了能源消费数量的增加；其次，农村人口迁移至城镇后生活水平得到了提升，也相应地提高了人均能源消费量；再次，城镇化演进意味着土地利用类型变化，当林地、草地转变为建设用地后，必然引致从“碳汇”到“碳源”的转变，由此也导致了碳排放量的增加。

3.3城镇化演进对碳排放影响极限探索

3.3.1关联分析将表2中ΔCU与ΔU时序数据输入SPSS17.0中进行双相关分析，结果显示，ΔCU与ΔU间相关系数为0.842，且在0.01水平上通过显著性检验（双侧），表明城镇化演进产生的碳排放与城镇化水平时序数据间具有较高相关性，具备进行回归分析的条件。3.3.2城镇化演进对碳排放影响模型构建以表2中1995—2011年ΔCU时序数据作被解释变量，ΔU时序数据作解释变量，将其输入SPSS17.0中进行最小二乘回归分析，所得结果如表3。由表3可知，模型回归的R2为0.892，F值为115.771，Sig值为0.000，表明模型拟合较好，由模型回归系数可得安徽省1995—2011年城镇化演进对碳排放影响模型：LnΔCU=4.908+1.05LnΔU（11）3.3.3城镇化演进边际碳排放变化率测算对式（11）两边求导，可得城镇化演进边际碳排放影响表达式：由图2可知，1995—2011年，安徽省城镇化演进边际碳排放变化率整体呈不规整、波动性较大的特征，其变异系数（标准差与均值的百分比）达79.18%，究其原因，与安徽省城镇化发展速度有关，2000年前，安徽省城镇化发展速度波动性较大（如1996、1999年分别净提升2.62、3.67个百分点，而1997、1998年仅年提升0.31个百分点），而2000年后，城镇化发展速度保持在年均提升1~2个百分点区间内，变化较平稳，城镇化演进速度的快慢导致了碳排放量增幅多少的同向变化，进而引致了边际碳排放变化率变化明显。3.3.4城镇化演进对碳排放影响极限探索以图2中边际碳排放变化率时序数据为因变量，时间为自变量，在Excel2003软件中作散点图（图3），通过对图3的边际碳排放变化率曲线添加趋势线，选取多项式类型进行拟合，所得拟合方程的R2为0.186，表明边际碳排放变化率在时间维度上变化不规整（即变化轨迹既非U型也非倒U型，可能为N型），显示出边际碳排放变化率与时间变量间不构成依存关系，即不存在边际碳排放变化率极限时刻，这表明，安徽省城镇化演进对碳排放极限影响未能显现。为了进一步考察安徽省城镇化发展对碳排放影响的趋势，以表2中1995—2011年ΔU数据作自变量，ΔCU数据作因变量，将其输入SPSS17.0软件中进行曲线回归分析，通过选择不同拟合类型的多次试验，结果以乘冪函数拟合最优，所得R2为0.892，F值为115.778，且在0.01水平上通过显著性检验（Sig值为0.000），回归所得系数如表4，拟合曲线如图4。

碳排放论文篇3

2碳排放强度

为了深入考察河南省物流企业的经济发展与能源消耗之间的关系，本文引入了碳排放强度。碳排放强度主要是指在一定的时间内单位产值增加所带来的CO2排放量，它通常反映了经济发展对能源消耗的依赖程度。当然，碳排放强度受到技术水平、能源结构、经济发展等多个因素的影响，碳排放强度越低并不直接表明物流企业发展得越好或是运作效率越高，它需要结合物流企业的碳排放总量、生产总值等共同分析才能决定。河南省物流企业的碳排放强度与段向云研究所得的全国物流企业的碳排放强度平均水平基本一致。从变化规律上看，河南省物流企业的可比产值呈现单调的递增趋势，而碳排放强度呈现出先下降后上升中间略有小幅度反复的不规则趋势。具体来说，河南省物流企业碳排放强度的变化同样是以2003年为分界点，这与本文碳排放总量研究中的阶段划分相一致。在河南省物流企业发展的平稳期(1995—2003年)，碳排放强度有较明显的缓慢下降趋势，而在物流企业发展的增长期(2004—2012年)，虽然在2007年时有小幅震动，但整体上仍保持了单调上升的趋势。从发展趋势看，碳排放强度的上升态势已逐渐放缓，到2012年已趋于稳定。此外，本文还借鉴环境库兹尼茨曲线理论，运用SPSS软件对1995—2012年河南省物流企业的碳排放与其可比产值进行了回归拟合。

3河南省物流企业的碳排放特征分析

通过前文中对河南省物流企业碳排放的发展历程和变化趋势分析，发现河南省物流企业碳排放具有以下几个特征:

①碳排放总量变化具有阶段性。结合统计数据，我们可以清晰地看到，除去价格变动因素的影响外，河南省物流企业可比产值呈现出平滑的单调递增趋势，而碳排放总量的变化却有着明显的阶段性特征。我们以2003年为界点将河南省物流企业的碳排放发展分为平稳期(1995—2003年)和增长期(2004—2012年)两个阶段。在平稳期内，河南物流企业的碳排放曲线较平缓，各年份碳排放总量相差不大，物流企业产值的增长不但没有带来碳排放的增加，甚至还有小幅度的降低，反映出这一阶段物流企业产值的增加更多地是依靠技术效率的提升和运作规范化;而在增长期，碳排放总量的递增速度已超过了物流企业产值的增加速度，此阶段物流企业的产值增加对碳排放有着明显的依赖性，物流企业快速发展带来的碳排放增加越来越明显。

②能源结构组成逐渐转变。从物流企业的能源消耗结构来看，平稳期物流企业发展重点依赖的是煤、焦炭等固体燃料，进入到增长期之后，能源结构中油品比重大幅度提升，已成为物流业碳排放的主要来源。在油品燃料的消耗总量中，柴油所占比重最大且还在进一步提升之中。此外，电力、天然气等目前在能源消耗比重中处于较低水平，但稳中有升。由此看出，河南省物流企业的能源消耗类型正处于转化过渡阶段。

③物流碳排放与经济发展严重不协调。根据EKC理论，回归方程的模拟结果显示河南省碳排放与经济发展之间明显不协调，物流企业为了追求发展并未兼顾到环境效益。物流企业的发展对碳排放有着很强的依赖性。模拟曲线还表明，目前河南省物流企业的碳排放正处于EKC曲线中的上升阶段，且短时间内不可能达到下降变化的拐点。随着物流需求的不断增长，物流企业的碳排放总量还将继续扩大，河南省物流企业将面临更大的低碳减排压力。因此，河南省物流企业必须平衡兼顾，协调共进，才能实现经济发展和环境保护的双赢。

碳排放论文篇4

二、山东省旅游交通碳排放量的估算方法

准确计算旅游碳排放量比较困难，在既有的关于旅游碳排放量估算的研究中，主要有“自上而下法”和“自下而上法”两种。“自上而下法”即直接估算一个国家或地区的旅游业碳排放量;而“自下而上法”则是以分析到达旅游目的地的游客数据入手，根据对旅游行为的分类统计，向上逐级统计各个部门的二氧化碳排放量。各种与旅游相关的交通方式的旅客运输规模则用相应交通方式旅客周转量的9%来表示。在发展中国家，每人每天大约出行6千米，其中与旅游休闲有关的出行占不到10%，即每人每天大约有0.6千米的出行是与旅游相关的。一般来说，某一区域的经济水平越发达，其居民的出游意愿和出游几率也就越高。山东省是我国的重要经济强省和旅游大省，其经济社会发展水平在全国各省份中名列前茅，以2013年为例，其旅游业收入占GDP的比重为9.48%，而当年我国旅游业收入占GDP的比重仅为5.18%，结合石培华(2011)的研究结果，本文使用旅客周转量的9%作为与旅游相关的旅客运输规模，而计算所需的2000—2013年山东省旅客周转量来自《山东统计年鉴》(2001—2014)。另外，由于居民旅游所选择的出行方式多样化，根据2009年《中国旅游城市网誉报告》中的数据显示，我国有35.6%的游客选择通过公路交通完成旅行，有32.7%的游客选择铁路交通，有25%的乘客选择航空交通，而选择自行车、水运等其他交通方式的旅客约占6.7%，本文使用以上数据作为游客选择各种交通方式出行的数据。

三、计算结果与分析

查阅历年《山东统计年鉴》获得2000—2013年山东省旅客周转量后，代入公式即可得到与旅游相关的各类交通方式的旅客运输规模，再根据公式，分别与相应的各种交通方式的二氧化碳排放系数相乘后，即可得到相应的旅游交通碳排放量，再将各种旅游交通方式的碳排放量进行加总处理，即可得到2000—2013年山东省旅游交通碳排放量，然后除以各年相应的山东省游客总数之后，即可得到2000—2013年山东省游客人均旅游交通碳排放量。游客人均旅游交通碳排放量、旅游交通碳排放结构进行分析之后，得出结果:

(一)山东省旅游交通碳排放量总体呈逐年增长态势

2000年山东省旅游交通碳排放量为0.848Mt，2013年增至2.924Mt，是2000年的3.45倍，年均增长9.99%。2000—2013年山东省旅游交通碳排放量的变化大致分为三个阶段，即2000—2003年和2010—2013年为缓慢增长阶段，2004—2009年为快速增长阶段。2000—2003年山东省旅游交通碳排放量增长缓慢，2001年旅游交通碳排放量增长率为8.31%，2002年为8.18%，2003年旅游业由于受到“非典”事件的影响，山东省旅游业收入和接待游客总数均出现一定程度的下降，旅游交通碳排放量同步下降3.93%。2004—2009年，山东省旅游业发展迅速，旅游交通碳排放量呈现快速增长态势，年增长率都在10个百分点以上。由于国务院在2009年提出要大力实施旅游节能节水减排工程，倡导低碳旅游方式，国家旅游局又在2010年进一步提出推进旅游行业节能减排工作的指导意见，山东省在发展旅游经济的同时响应国家号召，实施了旅游业节能减排政策，使得2010—2013年旅游交通碳排放增长较为缓慢，2013年仅增长3.32%，旅游业节能减排工作初见成效。

(二)山东省游客人均旅游交通碳排放量总体呈下降趋势

从游客人均旅游交通碳排放量来看，山东省游客人均旅游交通碳排放量总体呈下降趋势。进入21世纪以来，山东省旅游业无论是总体规模还是发展速度都位居全国前列，2000年山东省游客总数为7079万人，2013年增长到54714万人，是2000年的7.73倍，虽然山东省旅游交通碳排放量逐年上升，但山东省游客总数增长率总体上仍要大于旅游交通碳排放量增长率，这就使得游客人均旅游交通碳排放量总体上呈下降趋势。其中，2003年受“非典”事件影响山东省当年游客数量减少，2008年受国际金融危机影响，当年的游客人数增长率也出现一定程度的下滑，这就使2003年和2008年山东省游客人均旅游交通碳排放量出现短暂上升。

(三)航空交通和公路交通是山东省旅游交通碳排放的主要来源

为消除个别年份的数据对总体结果的影响，以2000—2013年各种交通方式累积的碳排放量来看，可发现各种交通方式中，公路交通碳排放占27.37%，铁路交通碳排放占12.38%，航空交通碳排放占57.67%，其他交通方式碳排放仅占2.58%;各种交通方式中，公路交通碳排放的年平均增长率最大，航空交通次之，说明航空交通和公路交通是山东省旅游交通碳排放的主要来源，这主要与山东省公路交通发达，航空运输发展迅速有关。以2013年为例，山东省8家运输机场完成旅客吞吐量2884万人次，同比增长13.4%，同时公路交通是山东省主要的交通运输方式，其公路建设遍布城乡，四通八达，截至2013年底，山东省已经初步完成了“五纵四横一环八连”的高等级公路网建设规划，形成了横连东西、纵贯南北、环连相通的大通道。

四、结论及对策建议

(一)结论

通过对2000—2013年山东省旅游交通碳排放量进行分析，得出以下结论:

1.旅游交通碳排放总体呈逐年上升态势。旅游交通碳排放量的变化可分为三个阶段，即2000—2003年和2010—2013年的缓慢增长阶段，2004—2009年的快速增长阶段。

2.除了2003年和2008年之外，山东省游客人均旅游交通碳排放量均呈现下降趋势。

3.旅游交通碳排放主要来源于航空交通和公路交通。

(二)对策建议

1.山东省可以借鉴国际上对交通业征收碳税的做法，适当提高燃油经济标准，对燃油、天然气等按含碳量的比例征收碳税，通过经济激励手段推动替代燃料技术的应用与发展，以达到旅游交通节能减排的目的。

2.加大资金投入力度，通过技术等手段降低航空旅游交通的碳排放。航空企业在确保安全的前提下，可通过优化航路、截弯取直缩短飞行距离、精确计算所需携带的能源量达到合理配载、尽量减少地面滑行、提高空管效率、推广桥载设备、鼓励使用生物燃料等一系列措施，最大限度地降低航空旅游交通碳排放量。

碳排放论文篇5

1.1人均年排放量趋同分配方法人均年排放量趋同分配方法[1]的主要思想是：发达国家逐渐减少其人均年碳排放量，而发展中国家慢慢增加其人均年碳排放量，到某一目标年两者趋同。本文认为该方法侵犯了发展中国家的人均排放权利，这不仅因为它未考虑发达国家与发展中国家历史排放责任的差异[13、15-16]，更为严重的是按照该方法实施，在实现趋同以前，发达国家的人均年排放量会始终高于发展中国家，这将导致两者人均历史累计排放量的差距进一步单调增加，这对发展中国家来说是极为不公平的。在人均年排放量趋同思想的基础上，发达国家提出了各种改进和变通方案，但这些方案在兼顾公平性方面仍存在一些不足，下面举一个例子进行剖析。CCCPST方案[7]由美国、荷兰和意大利的几位科学家共同提出，主要思想是由不同国家的高收入群体承担减排义务。笔者认为该方案既难以操作，又不公平。首先，对于一个国家来说，高低收入的比例结构不仅与化石能源带来的收益有关，还与其政治经济体制、财富分配机制相关，而后者起主导作用，关系更为密切。使用一个与化石能源CO2排放相关性不高的指标“高收入人数比例”作为全球各国间的排放权分配依据，很不合理，而且会使得发达国家轻易逃脱其碳排放的历史责任。其次，该方法的可操作性很低：富人与穷人，很难做出一个既合理又公平的界定，且发达国家与发展中国家的富人标准无疑是不一样的，难以统一；国家之间收入换算成统一标准是采用汇率还是采用购买力，也没有定论。最后，从公平性的角度来说，仅由富人承担减排责任也不合理。

1.2考虑历史责任的分配方法巴西提案[9]认为全球气候变化主要是发达国家自工业革命以来200多年间温室气体排放的累积效应造成的，提出以“有效排放量”（即考虑气体在大气中的半衰期影响）为指标分配附件1国家的碳排放限额，从而体现“污染者付费”的原则（污染者付费原则要求根据各国温室气体排放造成的环境影响来分配碳排放限额）。巴西提案考虑了各国的历史碳排放责任，并提出发达国家应建立清洁发展基金帮助发展中国家减排的观点，比较有利于发展中国家。但有学者[18]指出巴西提案存在以下重大缺陷：由于附件1与非附件缔约方各国采用的计量方法不同，若仅根据有效排放来确定减排义务，非附件1缔约方将在其人均有效排放量远低于附件1缔约方的人均有效排放量时，就承担与附件1缔约方相同的减排义务。也有学者[11]提出巴西提案只强调了污染者要为历史付费，而没有考虑处于不同发展阶段的各国当前及未来的发展需求。如何将其更好地应用于全球碳排放权的分配，还需要进一步探讨。国内的碳排放权分配方案[10]基本是以“人均历史累计排放指标”为基点，来分配未来全球CO2排放限额。该方法强调发达国家与发展中国家历史排放责任的不同，显然，考虑历史责任的人均分配方法在一定程度上有利于发展中国家。不过，笔者认为，虽然从人权的角度来说，人均的碳排放权益是在进行碳减排指标分配时应该要考虑的首要指标，但不应是唯一的指标，仅考虑这一个指标尚不够公平，但遗憾的是，现有的绝大部分方案均未综合考虑各国的国家自然社会经济状况。潘家华等[11]提出的“满足人文发展基本需求的碳预算方案”，该方案考虑了历史排放责任的不同，首先运用人均原则确定评估期内满足全球长期目标的全球碳预算，然后以基准年人口为标准对各国碳预算进行初始分配，并根据各国气候、地理、资源禀赋等自然因素对各国初始碳预算作出调整，并通过基于实际需求的碳预算转移支付，以达到保持全球碳预算的总体平衡和各国碳预算平衡的目的。笔者认为碳排放权分配不仅需要纳入各国的自然社会环境要素，从多角度、多尺度综合考虑各相关指标，如能在分配中从公平性角度实现公平性最大化考量的话，可能更有利于被世界各国接受。另外值得一提的是，采用人均原则进行碳排放权分配的方法普遍存在这样2个缺陷：在分配方案中难以考虑未来人口的真实变化导致的影响，以及难以兼容未来全球碳容量变化（人类对全球碳容量的科学认识是不完备的，未来可能有巨大变化）对碳排放权分配结果的影响。这2个缺陷会导致现有的分配方法往往是站在现代人的角度，来限定未来人的排放需求，而且这种分配方案在理论上和数值上均未必是准确的，因此这类做法在某种程度上违背了可持续发展的要求，这也就意味着这一类分配方法的公平性和可持续性还有待提高。

1.3其他分配方法GDP碳排放强度分配原则[15]认为各国的碳排放限额与其GDP碳排放强度成反比。笔者认为无论碳排放强度与碳排放限额分配是正相关还是负相关，都是不合理的，理由如下：发达国家由于其较高的技术水平和较合理的能源和经济结构，具有较低的碳排放强度；而发展中国家由于经济技术相对落后，具有较高的碳排放强度。如果低排放强度的国家（如发达国家）分得较多的排放权，会造成“富则越富，穷则越穷”的现象，发达国家与发展中国家之间的差距越来越大。若高排放强度的国家（如发展中国家）分得较多的排放权，由于经济技术相对落后将会排放更多的温室气体，这就违背了全球碳减排的宗旨。所以国际碳排放权分配机制中难以采用GDP碳排放强度指标，采用这一指标分配只有在存在内部利益协调机制的体系中（比如同一个国家、同一个行政区域或同一个经济体系）才是比较便于实现的，也有利于提高该体系对碳排放权配额的整体利用效率。

1.4小结上述分配方法为全球碳排放配额的确定提供了很好的思路，但笔者认为在公平性兼顾方面还存在一些缺陷，各自缺陷已在上了详细陈述。总体来说，现有方法存在以下2个共同的重大缺陷：首先，现有分配方法中的绝大部分分配方案均未能综合考虑各个国家自然社会环境因素的差异，选取的分配指标单一，潘家华等[11]虽首次在碳排放权分配中综合考虑了这些方面的影响因素，但在具体分配方案的公平性考量上尚有待改进；其次，现有分配方案对未来全球碳容量变化、人口变化等不确定因素的定量化兼容性较差（未来长时间尺度的人口变化是难以准确预测的，全球碳容量究竟有多少也仍然是一个学术上悬而未决的事）。这些问题在一定程度上降低了碳减排分配方案的公平性和可操作性，使得各个国家之间一直难以达成减排共识，拖延了全球碳减排行动的实施。针对现有碳排放权分配方法在公平性和兼容性方面不太令人满意的现状，本文基于前期研究提出的“生存权平等，发展权有别”的思想和多角度衡量公平性的评价指标体系[19]，提出基于基尼系数法的全球CO2排放权优化分配方法（文中简称基尼系数法）和滚动规划的分配理念，并开发优化求解软件进行基尼系数优化分配模型的求解，以期最大可能地提高碳排放权分配方案的公平性和可操作性。

2基于基尼系数法的全球CO2排放权分配方法

2.1基本原则和滚动规划理念基尼系数是经济学中用来衡量居民收入分配公平程度的指标，近年来，基尼系数的应用领域越来越广泛，已经不仅仅局限于传统的经济领域。文献[19]中作者用基尼系数法对2006年G20主要国家的CO2现状排放公平性进行了分析，本文将其引用到碳排放权分配领域，期望得出一套较科学、合理、公平的分配方法。笔者认为全球碳排放权的分配要兼顾以下3个方面的公平[20]：（1）初始分配的公平：要求能对各国家CO2历史和现状排放做出准确合理的评价，分配指标的选取要尊重各国自然社会环境因素的差异、最具代表性、能尽最大可能保障每个国家和个体的排放权利。（2）分配结果的公平：要求减排责任的分担要在保障人类基本生存发展需求的基础之上，尽可能创造社会福利，既要保障当代人的排放权利，又要保证子孙后代的排放权利不受损害。（3）分配过程的公平：要求考虑未来不同时间段的变化，尽可能地减少和兼容不确定性因素。针对初始分配的公平，本文在碳减排分配指标选取时，遵循了文献[19]中提出的2个基本原则“生存权平等，发展权有别”。“生存权平等”是指人人生而平等，每个个体都应获得平等的维持自身生存和发展的碳排放权益，所以要体现公平性首先要考虑人口指标；“发展权有别”是指人权指标固然是首要考虑的指标，但仅考虑这一指标也是不公平的。国与国之间人口相同，但在其他指标上不同的话，在CO2允许排放量这个指标上的发展权也应是不同的。针对分配结果和分配过程的公平，本文试图通过滚动规划和基尼系数最优化的分配理念来解决。笔者认为碳排放权的分配过程应该是一个滚动规划的过程，因为人类对气候变化的认识是不断进步的，当新的认识出现时，未来全球CO2可排放总量将会变化。此外，未来主动愿意承担减排责任的地区和国家可能会越来越多。再者，未来人口也将会剧烈变化，仅以现代人的角度来分配未来某个长时间段的排放权，将会损害后代人的排放权益。滚动规划的分配理念是指基于规划期起始年现状排放的事实，对人们现有水平认识下的未来碳排放空间，以基尼系数总和最小为目标，进行碳排放权的优化分配，计算得出未来3~5年的排放配额（即3~5年为一个规划期）。具体计算方法为：以目前提出的较为合理的CO2浓度总量控制目标（体积浓度450×10-6、500×10-6或550×10-6等）为参考，得出一定时间尺度规划期内（如2009-2050年）全球公认的CO2允许排放总量，运用基尼系数法对该总量进行分配，得出当期世界各国的排放配额；每一规划期的自然社会环境指标数据以这一规划期的起始年为依据，下一规划期的允许排放总量根据全球最新公布的总量数据和上一规划期末各国家的实际排放状况（盈余或是赤字）重新给出，依次类推。期间如果出现全球性气候灾害、剧烈火山喷发等变化，导致自然界排放的碳增加或减少，或是学术界有关全球碳容量的科学认识和研究结果有较大更新变动，则可及时修正人类可排放总量；此外，如果出现某些国家主动承担减排责任，高于基尼系数法分配的份额，则也可修正分配方案；等等。

2.2指标体系的构建运用基尼系数法优化分配模型对全球CO2排放权进行分配，指标体系的构建是至关重要的一个环节。在文献[19]中，依据“生存权平等，发展权有别”的思想，已构建了一套相对合理的指标体系，认为除人权因素外，在与CO2允许排放量有关的发展空间上，还应考虑以下几个指标：国土面积、资源禀赋以及对全球碳汇的实际贡献。本文将沿用人口、国土面积、生态生产性土地面积、当前化石能源探明储量四个指标，具体理由文献[19]已详细分析，不再赘述。本文数据来源与文献[19]相同，但将数据进行了如下改进：（1）本文将数据更新至2008年；（2）完善了俄罗斯等前苏联国家历史排放数据，主要是将前苏联的历史排放数据分配至俄罗斯、乌克兰等前苏联国家，原朝鲜数据分配给韩国和朝鲜，补充德国分裂时期（东德和西德）数据和日本未管辖的琉球群岛时期数据，将蒙古的历史排放数据从中国分出去，原因是在美国橡树岭国家实验室的数据库中，并未对一些国家的历史责任进行分配整合，有必要进行重新计算，具体的分配计算方法是以该国分裂年的人口数据为基准，将该国历史累计排放量进行分配，得到该国的历史累计排放量；（3）改进了化石能源探明储量数据，将石油、天然气、煤储量按照热当量：1m3天然气=1.33kg标准煤，1kg原油=1.4286kg标准煤，1kg原煤=0.7143kg标准煤，统一转化为标准煤当量。（4）将G20国家扩充到全球所有国家，并根据数据的完备程度及分类方法，将全球所有国家整合成71个国家和地区。

2.3基尼系数法分配思路本文依据文献[19]评价结果，并参考文献[21]中的“基于基尼系数的水污染物总量分配方法”，来进行基尼系数法的优化分配。根据滚动规划分配理念，以5年为一个规划期：首先确定规划起始年至规划目标年的世界各国CO2新增排放总量，记为W1；然后计算各国自工业革命至规划起始年的实际排放总量，记为W2；用基尼系数法对各国自工业革命到规划目标年的CO2可排放总量（W1+W2）做出分配，再减去各国历史累计至规划起始年的实际排放量，即可得出该规划期各国的排放配额。分配过程的实质是基尼系数的优化调整过程，以基尼系数加权总和最小为目标函数进行优化调整，调整的同时保证4个自然社会环境指标中的任何一个的基尼系数都不变大，即基于各指标的总量分配公平性不能变差。在优化分配过程中，基于“生存权平等，发展权有别”的伦理学思想（文献[19]），人口指标是最重要的指标，应加大其权重。为了计算方便，本文将人口指标的权重设为0.4，其它3个指标等权对待，都为0.2。需要承认和注意的是，这种权重结构的设置是由本文研究者事先人为粗略给定的，肯定不是最佳的最终结果，本文建议在实际应用中可以采取群决策的技术方法进行处理，即邀请有关利益各方代表和学者根据计算结果的具体情况进行国际谈判来商定最终的赋值结果。

2.4基尼系数法计算步骤（1）确定可分配的CO2排放总量。（2）分别统计各个国家各相应指标和当期CO2现状排放量的数值，将前者分别除后者，即得各国在各基尼系数指标下的CO2排放强度（即斜率），对各基尼系数指标下的斜率进行排序后（从小到大），计算各基尼系数下各国在该指标中占该指标总和的百分比，并相应地计算出该基尼系数指标下的各国CO2排放量占总和的百分比数值（在初次计算各国在各指标中占总量的百分比数值之后，每次仅需按各基尼系数指标的斜率排序进行重排即可），进而计算基于各个指标的现状基尼系数之值。式（1）中，Xi为i国在国土面积、生态生产性土地面积、人口或化石能源储量指标上占所有国家总和的百分比；Yi为该国CO2排放量占所有国家总和的百分比；n为分配国家的个数，当i=1的时候，Yi-1为0。（3）以各指标对应的基尼系数加权总和最小为目标函数，各国家CO2排放配额为决策变量，在各指标现状基尼系数和CO2可分配总排放量的约束条件下利用C++语言编程进行优化求解，确定分配方案。目标函数计算如下。式（2）中，G1、G2、G3、G4分别为国土面积、生态生产性土地面积、人口和化石能源储量4个指标的基尼系数；F为国土面积、生态生产性土地面积、人口和化石能源储量4个指标的基尼系数加权总和。

3应用实例研究

本文首先运用前期研究的评价方法[19]衡量近年来各国CO2排放的公平性，然后在VC平台上设计开发了可以实现滚动规划分配理念和基于基尼系数法的全球CO2排放权优化分配模型的计算机算法和求解软件（因为现有优化求解软件均无法求解这一模型，包括Matlab、GAMS、SPSS和Excel软件中的优化求解模块等软件均无法直接求解这个模型，其主要原因是该模型在优化求解的过程中要不断地对世界各国在洛伦兹曲线中的名次进行重排序，而现有的优化软件均无法直接实现这一要求）。运用上述基尼系数法优化分配求解软件，对全球各国工业革命累积至2008年实际排放量和2009-2050年排放空间进行虚拟分配，并与虚拟IPCC方案2020年和2050年排放情景的基尼系数进行粗略对比，来探讨此方法的公平性效果。本文提出的基于基尼系数法的CO2排放权分配方法和滚动规划的分配理念，旨在进一步提高全球碳减排分配方案的公平性。本文首先运用基尼系数法优化分配模型对全球各国自工业革命至2008年的CO2实际排放总量进行优化分配，得出优化分配后基于各项指标的基尼系数之值，并以之与各国历史累计至2008年的实际排放现状作比较，从而定量化地评估基尼系数法对改善碳排放权分配公平性的效果。

3.1工业革命至2008年CO2排放虚拟分配方案及结果分析全球各国自工业革命至2008年CO2排放虚拟分配额如表1所示，变化比例是指用基尼系数法优化分配模型来分配各国历史累计到2008年可排放总量后，各国所得配额与各国累计至2008年实际排放量的差额比例，正数是指相对于实际排放方案各国可增加的碳排放量比例，负数则指要减少排放量的比例。需要说明的是正数或者负数代表的仅是各国自工业革命到2008年当期的盈余或赤字，代表各国潜在的减排压力，而并非实际的盈余与赤字，实际的盈余和赤字与未来全球的碳容量有关（未来的全球碳容量究竟有多少到目前为止并无定论，而碳容量不能确定的话世界各国的实际碳排放盈余和赤字也就无法确定）。表1说明用基尼系数法优化分配模型来虚拟优化分配全球各国自工业革命至2008年的CO2排放配额，与各国累计至2008年实际排放量相比，附件1国家美国、荷兰、法国、保加利亚、捷克、德国、希腊、匈牙利、波兰、西班牙、乌克兰、丹麦、意大利、罗马尼亚、俄罗斯、英国和日本的排放配额都有不同程度地减少，当期形成了排放赤字，除希腊、西班牙、乌克兰和俄罗斯以外赤字比例都在50%以上，而加拿大、挪威和澳大利亚由于地广人稀、历史较短等因素排放配额有所增加，其中澳大利亚可以增排133.26%。非附件1国家阿塞拜疆、乌兹别克斯坦、其他欧亚、科威特、卡塔尔、阿联酋、南非、朝鲜和韩国的排放配额出现赤字，赤字比例在64%以内，其他国家均有盈余，未来减排压力较小。基尼系数法优化分配模型分配结果显著地缩小了发达国家与发展中国家CO2排放量配额的差距，并使得发达国家相互间出现了较大的分异，公平性程度更高，通过基尼系数之值可进一步说明，如表2所示。由表2可以看出，用基尼系数法优化分配模型虚拟分配全球国家从工业革命累计至2008年的可排放总量，基于各项指标的基尼系数之值均比各国累计至2008年实际排放基尼系数之值小，其中基于国土面积和生态生产性土地面积指标的基尼系数值优化至相对公平区间，基于人口指标的基尼系数值优化至比较公平区间（基尼系数公平性衡量参照经济学领域的公平性区间：基尼系数低于0.2表示环境资源利用公平；0.2~0.3表示比较公平；0.3~0.4表示相对公平；0.4~0.5表示利用不公平；0.5~0.6表示利用非常不公平；0.6以上表示极度不公平），说明基于基尼系数法的分配方案更趋于公平。本文采用了4项有代表性的自然社会环境指标，它们可分别代表各国家的自然、社会和环境状况，因此，在此基础上进行的CO2总量指标分配结果的公平性也更好。

3.2不同目标浓度下全球各国的排放空间计算及分配

3.2.1碳排放空间的计算人类未来通过燃烧化石能源可排放碳总量计算方法是：首先，设定排放目标浓度；然后，根据向大气排放1Gt碳，大气CO2体积浓度会增加0.47×10-6[17]，全球碳循环过程中海洋和陆地等自然系统能够吸收54%，扣除土地利用所导致的排放（按年均1.5Gt碳）来计算碳排放空间。本文将目标年份设在2009-2050年，根据IPCC报告建议的控制温度的大气目标浓度范围，本文分别设定体积浓度450×10-6、500×10-6、550×10-63种目标浓度，分别计算3种情形下的化石能源碳排放空间，如表3所示。3.2.2不同情形下2009-2050年碳排放空间虚拟分配根据表3所得3种情况下工业革命至2050年碳排放空间，利用前文设计的基尼系数优化求解软件进行分配，得出各国工业革命至2050年的碳排放空间。然后减去各国历史累计至2008年的排放量，即得到各国2009-2050年碳排放配额，其中正数表示未来仍有排放空间，负数则表示该国已经将排放配额用完，并且出现赤字。同时计算未来排放空间较历史累计排放增排比例，正数代表未来排放空间较历史累计排放增加的比例，负数代表未来排放空间较历史累积排放减少的比例，如表4所示。由表4可以看出，附件1国家美国、荷兰、法国、捷克、德国、波兰、丹麦、英国和日本在3种情形下均有赤字，保加利亚、西班牙、乌克兰和罗马尼亚在体积浓度500×10-6和550×10-6情形下的排放配额尚有盈余，匈牙利和意大利在550×10-6浓度情形下有少量排放空间，而加拿大、希腊、挪威、俄罗斯、澳大利亚、新西兰在3种情形下均有一定量的剩余排放空间，总体上看，发达国家配额较人均历史累计趋同法的有所增加。非附件1国家仅部分国家有赤字出现，乌兹别克斯坦、卡塔尔、阿联酋、朝鲜和韩国在450×10-6浓度情形下赤字；其他欧亚和科威特在450×10-6和500×10-6浓度情形下出现赤字，大部分国家存在一定的发展空间。需要说明的是，3种情形下均未形成赤字的国家，并非一直不需要减排，如果这些国家继续以目前排放强度或更高强度排放，部分国家的排放配额将在2050年前消耗殆尽，届时可能也需要不同程度的减排，其具体的未来减排情况，需要根据未来的实际排放情况进行滚动规划方能确定。上述结果（盈余或是赤字）单纯是从公平性最大化角度所作的优化分配，在方案实际实施过程中，不仅要考虑CDM机制交易[22]各国的CO2排放量收支（即排放权购买国家要增加其排放配额，卖方国家要减去交易额），另外还要酌情考虑发达国家通过资金援助等手段对发展中国家碳减排提供的帮助。值得一提的是，依据基尼系数法的优化分配规则和滚动规划的分配理念，在各国历史排放和自然社会环境状况一定的基础上，以3~5年为一个规划期进行碳排放权的分配，全球CO2排放配额分配方案就可以进行实时的滚动，这种滚动规划就使得该方法能够定量化地兼容未来各种变化因素的同时又不失公平性（如人口的变化、碳源碳汇统计方法和口径的变化、全球碳容量研究结果的更新变动、各国的主动性承诺等），从而大大提高该方法的适用性。

3.3与IPCC方案基尼系数对比为了进一步验证方案的公平性，本文粗略计算了IPCC方案实施后的基尼系数，与基尼系数法的基尼系数进行对比。IPCC[17]（政府间气候变化专门委员会）提出附件1国家，2020年在1990年的基础上减排25%~40%，到2050年则要减排80%~95%；对非附件1国家中的拉美、中东、东亚以及“亚洲中央计划国家”，2020年要在“照常情景”（BAU）水平上大幅减排，到2050年所有非附件1国家都要在BAU水平上大幅减排。我们分别假定在2009年就实现2020年和2050年目标，其中2020目标设定为2009年附件1国家在1990年基础上减排30%，非附件1国家无需减排，2050年目标设定为2009年附件1国家在1990年基础上减排90%，非附件1国家减排20%，计算其基尼系数，如表5所示。由表5可知，按照IPCC方案进行实施的话，其分配后果仍然是不公平的，大部分指标仍处于不公平甚至极度不公平的区间。而与之相比，基尼系数法各项指标的基尼系数和基尼系数加权总和均有不同程度的减小，且基本都处于公平区间（仅在化石能源储量的指标上变化不大，这与寻求多指标加权总和最小有关），可见基尼系数法分配的公平性在本文所定义的公平性范畴下更优。

碳排放论文篇6

1.2数据来源与处理本文中的工业分行业增加值、分行业能源消耗量以及出口贸易总额数据均来源于2005年、2009年和2013年的《中国统计年鉴》，分行业出口贸易额数据来源于《中国工业经济统计年鉴》，要说明的是这里的分行业出口贸易额选取的是大中型工业企业的出口贸易额。为了剔除价格因素的影响，分别用居民消费价格指数和工业品出厂价格指数平减出口贸易额和工业增加值数据。鉴于统计口径的不一致及数据的可获得性，本文借鉴前人文献的分类方法，将中国主要工业分类归并调整为14个行业，具体如表1所示。

1.3行业碳排放量测算为计算各主要工业行业的碳排放强度数据，进而计算出口贸易影响碳排放的技术效应，有必要经测算获得各工业行业的行业碳排放量数据。本文将采用方程（3）所示的计算公式，通过一次能源消耗量及其碳排放系数来估算各主要工业行业一次能源消费活动的二氧化碳排放量。其中，C为行业碳排放量，E表示一次能源（煤炭、石油、天然气）的行业消费量，F为一次能源的碳排放系数。通过搜集不同机构研究确定的能源碳排放系数，取其平均值，确定煤炭、石油和天然气能源的碳排放系数F分别为0.728，0.549，0.416。

2出口贸易对碳排放量影响的因素分解分析

2.1结构效应根据模型（2）的计算方法，将2008年相对2004年、2012年相对2008年各主要工业行业的出口份额变化量，分别与2004年和2008年该行业的碳排放量相乘，加总后即得到出口规模和碳排放强度不变的情况下，在2004～2008年和2008～2012两个计算期内，主要工业行业由于出口结构变动而引起的碳排放量变化，计算结果如图1、图2和图3所示。由图1、图2和图3可以看出，在第一个计算期内，我国工业行业出口商品结构发生了很大的变化。其中，出口份额下降较多的行业有服装鞋帽制造业和纺织业，由此带来的碳减排量分别为142.002万吨和1536.27万吨。值得注意的是，煤炭、石油和天然气开采业出口份额的减少量虽然不是最多的，但其对我国工业碳排放量的增加发挥了最大的抑制作用，减排量为299.28万吨，此外，一些加工制造业出口份额的小幅降低也为碳减排起到了积极作用。出口份额增长较快的行业包括通信设备及其他电子设备制造业、交通运输设备制造业和金属冶炼及压延加工业。其中，通信设备及其他电子设备制造业与交通运输设备制造业属于技术密集型产业，这种行业的能源利用率高且碳排放量低，即使出口份额增长很快，带来的碳排放量占总量的比重并不大。而金属冶炼及压延加工业是加工制造行业，由该行业出口份额变动带来的碳排放增量最多，多达21006.23万吨。总的来看，在2003～2007年这一计算期内，出口商品结构的变化使碳排放量增加了20140.03万吨，结构效应为正。通过以上分析可以看出，我国工业行业的出口贸易结构处于从轻纺制品行业向机电产品和高新技术品行业转变的过渡阶段，出口商品结构已经在朝着清洁化的方向发展。从图4、图5和图6可以看出，在第二个计算期内，出口份额增长较快的行业有交通运输设备制造业、电气机械及器材制造业和通信设备及其他电子设备制造业，这主要是因为我国在这些年里逐步发展了机电产品和高新技术品的出口，由此带来的碳排放增量分别为819.425万吨、154.5555万吨和274.29万吨。由于这些行业本身属于技术密集型的低碳行业，所以由此引起的碳排放增量并没有对环境造成很大影响。出口份额减少的行业包括金属冶炼及压延加工业，金属制品业，金属、非金属矿采选业和煤炭、石油、天然气开采业，其中金属冶炼及压延加工业出口份额的调整对降低碳排放做出了巨大贡献，碳排放量减少了17810.1万吨。2007～2011年处于“十一五”规划期间，总的来看，在这一计算期内，工业行业出口结构不断向低碳低能耗转变，工业行业的碳减排起到了成效，减排量为167.81万吨，结构效应为负。由此可以说明，此计算期内，我国始终坚持以资本和技术密集型行业为主的出口结构，把减少资源密集型产品出口，作为优化出口产业结构的主要方向。结合这两个计算期来看，在第一个计算期内，我国初步确立了工业碳减排意识，但减排成效尚不明显。在第二个计算期内，各主要工业行业已基本实现了向高新技术产品出口的结构转变，并取得了较显著的碳减排成效。

2.2技术效应碳排放强度也称碳强度，是指单位国内生产总值的二氧化碳排放量。该指标主要是用来衡量一国经济同碳排放量之间的关系，如果一国在经济增长的同时，每单位国内生产总值所带来的二氧化碳排放量在下降，那么说明该国就实现了一个低碳的发展模式。鉴于本文的研究对象是各主要工业行业，因此这里的碳强度是指单位工业增加值中包含的二氧化碳排放量。根据模型（2）的计算方法，结合两个计算期各主要工业行业的行业出口额与碳排放强度变化量，二者相乘再加总便可得出主要工业行业出口对碳排放影响的技术效应，计算结果如图7、图8和图9所示。由图7、图8和图9中的碳强度数据可知，2004～2008年和2008～2012年两个计算期内，碳排放强度都较大的行业包括煤炭、石油和天然气开采业，金属冶炼及压延加工业，非金属矿物制品业，化学原料及其制品和造纸印刷及文体用品制造业，这些高碳排放行业以资源密集型和加工制造行业为主，其生产效率和排污处理水平较低，伴随着能源消耗而产生的碳排放量也较大。碳强度维持在较低水平的清洁型工业行业主要包括通信设备及其他电子设备制造业、电气机械及器材制造业，交通运输设备制造业，服装鞋帽制造业和金属制品业。总的来看，各主要工业行业的碳排放强度总体呈下降趋势，其中资源密集型和重度污染行业如煤炭、石油和天然气开采业，金属、非金属矿采选业，非金属矿物制品业和化学原料及其制品和医药制造业表现尤为显著。具体而言，第一个计算期内碳强度下降最多的行业依次为煤炭、石油和天然气开采业，非金属矿物制品业，金属、非金属矿采选业，金属冶炼及压延加工业和化学原料及其制品和医药制造业，由此带来的碳排放量分别减少了191.1万吨，215.83万吨，34.01万吨，295.23万吨和327.04万吨。在第二个计算期内，非金属矿物制品业仍保持着碳排放强度的大幅减少并跃居减幅量首位，给工业行业碳减排起到很大的推动作用。到第二个计算期结束，14个主要工业行业中有13个行业的碳强度水平已经降低到每亿元1万吨以下，表明我国在节能技术上的进步，使得工业行业获得了良好的减排效果，一些行业如各类机械、设备和器材制造行业的碳排放强度已经接近每万吨0万吨。综上所述，由于碳排放强度的变化，在第一个计算期内碳排放量减少了1233.08万吨，技术效应为负，在第二个计算期内碳排放量减少了1809.81万吨，技术效应为负。这说明在过去这两个计算期内，我国工业生产的环境保护意识明显增强了，工业生产的节能减排技术得到了大力的发展与应用，对国家的碳减排和环境保护起到了积极作用。

2.3规模效应根据模型（2）的计算方法，将2008年相对2004年、2012年相对2008年各主要工业行业的出口增长率，分别与2004年和2008年该行业的碳排放量相乘，加总后即得到出口结构和碳排放强度不变的情况下，在2004～2008年和2008～2012两个计算期内，主要工业行业由于出口规模变动而引起的碳排放量变化，计算结果如表2所示。在第一个计算期内，除金属、非金属矿采选业外，其余主要工业行业的出口规模都大幅增加，其中金属冶炼及压延加工业，交通运输设备制造业，电气机械及器材制造业，通信及其他电子设备制造业的出口增长率均超过了100%，通信及其他电子设备制造业更是高达730.01%。因而在该计算期内，由于出口规模的变动而带来的碳排放增量大大超过减排量，总计2230144.01万吨，规模效应为正，但一些机电产品和高新技术品行业的出口行业的出口规模显示出大幅度的增加。在2007～2011年也即第二个计算期间，各主要工业行业的出口规模均大幅缩小，其中，煤炭、石油和天然气开采业，金属、非金属矿采选业，金属制品业和金属冶炼及压延加工业，其出口增长率分别下降至-60.02%、-64.07%、-1.80%和-18.51%，由此带来的碳排放减量分别为792701.55万吨、37204.81万吨、352.78万吨和339860.07万吨，为工业碳减排做出了巨大贡献。在此计算期内，主要工业行业碳排放减少了204136.20万吨，规模效应为负，说明“十一五”期间，我国工业坚持走信息化道路，扩展机电产品和高新技术品行业的出口，提高了资源利用效率，加强了排污控制，工业碳减排取得了显著成效。3.4总效应综合来看，主要工业行业出口贸易的碳排放量变化是出口结构、生产技术和出口规模共同作用的结果。由表3可知，在第一个计算期内，主要工业行业出口对碳排放影响的总效应为正，其中出口规模的扩大是导致碳排放量上升的主要原因，技术进步给碳减排带来了积极作用，结构效应虽为正，但结合上述分析可知出口结构已经处于向低能耗、低碳排放的清洁化方向转型的过程中。在第二个计算期内，总效应为负，其中出口规模的减小是导致碳排放量下降的主要原因，而技术进步是减少碳排放的关键因素，出口结构的变化给碳减排起到了积极作用。

碳排放论文篇7

2我国纺织业温室气体排放分析

近几年，随着纺织产业高速发展，能源消费也显著增长。纺织工业能源消费总量由1995年的3531万吨标准煤增加到2013的6357万吨标准煤，增长了44%。纺织工业的能源消费主要集中在煤、电、热力的消耗上，占到90%左右。从工业企业生产成本构成看，纺织企业能源资源消耗占成本的比重超过70%。“十二五”时期，国家对纺织工业提出了新的要求，主要产品单耗值增加为新的约束性指标，并对单耗下降值提出了明确要求。纺织工业先后出台了《纺织工业“十二五”发展规划》和《建设纺织强国纲要（2011-2020）》两个纲领性文件。文件中明确提出了：“十二五”期间纺织工业节能发展目标：单位增加值能源消耗比2010年降低20%；工业二氧化碳排放强度比2010年降低20%。

3纺织工业的温室气体减排

我国经济发展进入新常态，正从高速增长转向中高速增长，经济发展方式正从规模速度型粗放增长转向质量效率型集约增长，经济结构正从增量扩能为主转向调整存量、做优增量并存的深度调整，经济发展动力正从传统增长点转向新的增长点。从资源环境约束看，过去能源资源和生态环境空间相对较大，现在环境承载能力已经达到或接近上限，必须推动形成绿色低碳循环发展新方式。在经济新常态的态势下，纺织行业也面临生产增速全面下降，出口形势严峻，资源环境承载压力大等情况，节能减排将成为纺织行业发展的突破口。纺织行业必须改变粗放增长方式，通过改变能源结构、提高能源利用效率、采用节能低碳技术来达到温室气体减排目的。纺织工业改变能源结构的方法有利用生物质能及太阳能。提高能源利用效率则可以通过采用厂房节能灯的使用、新型变压器的使用、变频器的使用、新型疏水阀、锅炉过量空气系数控制技术、耗热设备的保温技术、高温废水余热回收技术、热定形机尾气余热回收技术、节能风机等方法。节能低碳技术则包括低浴比印染技术、常温染整技术、无水染整技术、机械整理技术、数码印花技术、短流程印染技术等。

碳排放论文篇8

(二)实证分析先通过计算各变量之间的相关系数对影响因素进行筛选，然后在此基础上建立MS－VAR模型对碳排放权价格波动的影响因素进行研究。1．相关分析。相关分析主要用于研究现象之间是否存在某种相关关系，并探讨这种相关关系的方向和相关程度，而衡量变量相关程度的指标通常用相关系数进行度量，因而本文通过计算由表1可知:Dec12与道琼斯欧洲金融指数和道琼斯欧洲公用事业指数的相关关系比较大，且都呈现正向的相关关系，相关系数大于0.6;Dec13与道琼斯欧洲公用事业指数的相关系数大于0.7，且呈正向相关关系，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec14与道琼斯欧洲公用事业指数呈正向相关关系，相关系数大于0.6，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec15与道琼斯欧洲金融指数呈正向相关关系，相关系数大于0.7;而与道琼斯欧洲工业指数和富时100指数呈负向相关关系，相关系数大于0.7。

为了更好的探究这些变量与碳期货之间的影响程度及背后的原因，本文将通过马尔科夫机制转换模型对这些关系进行分析。2．马尔科夫机制转换模型(MS)的建立与分析。由于计量模型通常要求时间序列数据具有平稳性，因而本章采取了和第二章相同的处理数据的方法:yt=100×(ln(pt)－ln(pt－1))，其中，pt为碳期货合约在t时刻的价格，在本章，其中碳期货价格为y，道琼斯欧洲工业指数为x1，道琼斯欧洲公用事业指数为x2，道琼斯欧洲金融指数为x3，富时100指数为x4。本节利用OX－METRICS软件对马尔科夫机制转换向量自回归模型进行估计，并对各碳期货的模型结果单独列出，根据模型的估计结果结合平滑概率图得出了主要状态发生机制转换的时间，以下是模型结果:由表2可以看出，Dec12价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec12价格;道琼斯金融指数指数负向影响Dec12价格。对比状态0和1时的参数的绝对值可以看出，在状态1时，道琼斯欧洲公用事业指数和道琼斯欧洲金融指数对Dec12价格的影响比在状态0时大，且道琼斯欧洲金融指数对Dec12价格影响更大、更强势，这些特征表明:总体而言Dec12价格呈现下跌趋势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天Dec12价格下跌继而下跌的概率为0.50082，即整体上Dec12价格下跌。图1是Dec12模型在状态一的平滑概率图，从图1可以看出，Dec12在整个交易期间发生了两次比较大的机制转换，时间大概是2009年9月和2011年11月。在2009年9月，欧洲的失业率创下近10年来历史最高，欧元区经济开始呈现通胀紧缩状态，金融危机对欧元区的影响仍在深化;2011年11月欧债危机正不断恶化，造成欧洲经济更加低迷，这些不利的条件促使Dec12价格模型发生了机制转换，发生机制转换后，μ0为负值，这也证明了欧洲碳排放权市场的不景气。和1时，道琼斯欧洲公用事业指数负向的影响Dec13价格;富时100指数正向影响Dec13价格。对比状态0和1时的参数的绝对值可以看出，这些参数的绝对值在大小上相差不是很大，总体而言:在状态1时，道琼斯欧洲公用事业指数和富时100指数对Dec13价格的影响比在状态0时大，且富时100指数对Dec13价格影响更大、更强势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec13价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，碳期货Dec13价格下跌继而下跌的概率为0.50082。从图2Dec13的平滑概率图可以看出，Dec13在整个交易期间发生机制转换的时间大概是2012年7月和2012年11月。Dec13交易的时间正好处于欧债危机的发生期间，受到金融大环境的影响，整个欧洲经济并不景气，这也促使了碳排放权市场的低迷。而在2012年3月欧盟春季峰会上，欧盟领导人明确表示欧洲多国经济形势开始出现好转，欧债危机逐步得到改善，出现了积极的变化，在这样的经济利好形势下，低碳市场开始好转。发生机制转换后的这两个时间段，μ0为正值，这在另一方面证明欧洲经济出现好转，低碳市场开始活跃。由表4可以看出，Dec14价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec14价格;富时100指数负向影响Dec14价格。

状态0和1下参数的绝对值大小相差不是很大，在状态0时道琼斯欧洲公用事业指数和富时100指数对Dec14价格影响大于状态1，且α的绝对值大于β的值绝对值，说明道琼斯欧洲公用事业指数对Dec14价格影响比较大。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.50082。图3是Dec14模型在状态一下的平滑概率图，由这些图形可知，Dec14在整个交易期间发生的比较明显的两次机制转换的时间是2011年12月和2013年2月。欧盟在过去20年实行了持续的气候变化政策，在这一期间，欧盟的经济增长与碳排放“脱钩”的目标基本实现，为了继续对全球气候变化政策发挥决定行的作用，2011年11－12月的联合国德班气候大会通过了2015年建立全球气候变化政策的法律框架和排放目标建议。同时欧盟在这一期间将航空运输纳入碳排放交易配额体系，这在一定程度上会进一步影响欧盟碳排放权市场，也体现了欧盟在应对气候变化方面的坚定信心和不懈努力。由表5可以看出，Dec15价格收益率在状态为0时，道琼斯欧洲工业指数负向的影响Dec15价格;道琼斯欧洲金融指数正向影响Dec15价格;富时100指数负向影响Dec15价格。在状态为1时，道琼斯欧洲工业指数正向的影响Dec15价格;道琼斯欧洲金融指数负向影响Dec15价格;富时100指数正向影响Dec15价格。与状态0相比，道琼斯欧洲工业指数、道琼斯欧洲金融指数和富时100指数对Dec15价格的影响在状态1比较大，而道琼斯金融指数对Dec15价格的影响最大。两种转换机制的转换概率都小于1，p00=0.976656，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.976656;p11=0.99619，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.99619。由图4可以得知:Dec15在2013年2月发生了机制转换，在这一期间，欧盟委员会同意所有欧盟成员国向工业发放2013年排放的免费碳配额。从2012年开始欧盟延迟发放碳配额，这表明会有越来越多的碳配额供应量金融碳排放权市场，由于碳排放权市场一直都是供过于求的市场，欧盟委员会同意碳配额的发放将对碳价格带来更大的降价压力。

碳排放论文篇9

1．2理论假说城镇化进程通过影响生产生活方式和土地利用类型，进而影响生活碳排放的变化，原因如下：①城镇化粗放型扩张导致大量农村人口向城市迁移，城市人口密度增大，新增加的城市人口在改善环境的同时因自身生活方式和消费方式（如住宅、交通、娱乐等）发生改变而消耗掉了更多的化石能源，这将带来更高的生活碳排放水平；但同时人口集聚又使得人均化石能源利用效率提高，进而影响生活碳排放。如家用小汽车的普及无疑将造成碳排放的增加，而大规模公共交通的发展也将大大降低人均生活碳排放量［19］。②城镇化进程始终伴随着农村地域向非农村地域转化、农业活动向非农业活动转化。随着城市规模的扩张，一方面，非农活动增加、大量城市建筑与公共基础设施建设都将带来大量的碳排放；另一方面，城镇化产生的规模经济效应将促进产业、要素等快速集聚，有利于知识溢出和技术进步，这些进步与创新会促进清洁技术和新能源的发明和应用，从而为生活碳排放的集中控制和治理提供了方便和可能。③城镇化意味着由农业为主的传统乡村社会向以现代工业和服务业为主的高质量城市社会转变，随着城镇化的深层次演进，城市多元化的劳动力市场有利于降低长期的人口膨胀速度，城市文明将更广泛传播，技术水平将进一步提高，这些也将对生活碳排放产生抑制作用。通过以上分析，可以看出城镇化对生活碳排放的影响是双重的，即城镇化“规模效应”所带来的促进作用和城镇化“质量效应”所带来的抑制作用。城镇化过程中，当“质量效应”占主导时，城市的生活能源消耗与生活碳排放将随之降低，促进城市朝着更加“绿色”的方向发展；反之，当“规模效应”占主导时，城市生活能源消耗与生活碳排放将不断增加。因此，城镇化对生活碳排放的影响取决于两者共同作用的结果。城镇化水平低，经济发展水平低，意味着较低的生产率水平，粗放型生产方式占主导，对应的城镇化可能只是简单的人口集聚，从而在促进了居民各项能源消费的同时，增加了生活碳排放；高城镇化水平所带来的高经济社会发展水平意味着较高的生产率水平、资源利用水平和城市居民更加绿色、低碳的生活方式和消费方式，城市集约发展模式将得到较好体现，从而实现生活碳排放下降。基于此，提出如下假设：假设1城镇化对生活碳排放的影响存在门槛效应，当城镇化水平处于较低水平区间时，其对生活碳排放的影响主要表现为促进作用；当城镇化水平越过发展门槛，向较高水平区间迈进时，其对生活碳排放的影响主要表现为抑制作用。此外，宏观经济变量往往都具有不同程度的路径依赖特征，当期生活碳排放也可能会受到前期生活碳排放的影响，为此，提出假设：假设2城镇化进程引致的居民生活碳排放具有路径依赖特性，前期生活碳排放显著影响当期生活碳排放。

2实证模型构建与数据说明

2．1实证模型构建本研究以环境经济领域广泛应用的STIR－PAT模型［20］为基础，构建检验城镇化与生活碳排放之间关系的实证模型。STIRPAT模型的基本形式。由于碳排放具有路径依赖的惯性特征，是一个连续的动态调整过程［21］，即上期生活碳排放将会显著影响本期生活碳排放，模型中应反映这个动态调整过程。此外，式（2）中的自变量与因变量之间的关系是线性的，而环境库兹涅茨假说认为经济发展与环境污染之间存在倒U型的非线性关系，因此本研究借鉴YORK等［2］的做法，进一步对STIRPAT模型进行拓展，在考虑动态调整过程的式（2）基础上中加入收入的二次项（lnP2git），以检验生活碳排放与收入是否存在环境库兹涅茨曲线关系。

2．2数据来源与处理（1）生活碳排放量测算世界银行报告指出，化石能源消费产生的碳排放占主要碳排放源燃烧产生的碳排放总量的70％以上；而我国对煤炭资源依赖性很大，煤炭燃烧产生的碳排放总量占总排放的85％以上［25］。因此本研究的生活碳排放依据化石能源消费估算得到，不包括其他有机植物燃烧所产生的二氧化碳。具体依据IPCC提供的计算方法估算《中国能源统计年鉴》的能源消费分类在煤炭、石油和天然气栏目仅对各二次能源的消费量进行了简单加总，并未做相应的等量调整，因此无法依据3种汇总能源的消费量准确估算生活碳排放，应依据对应的二次能源的具体分类按各自的碳排放系数计算碳排放量。为确保尽可能准确估算生活碳排放，选取原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、原油、汽油、煤油、柴油、燃料油、天然气、液化天然气等19种化石能源计算生活碳排放，对应的碳排放系数来自于相应的文献和机构给出的参数值。其中，原煤、洗精煤、其他洗煤的碳排放系数参考财政部财政科学研究所课题组［26］，并依据《中国温室气体清单研究》对碳氧化率进行相应调整；转炉煤气的碳排放系数以焦炉煤气的碳排放系数代替；其他煤气的碳排放系数以《中国温室气体清单研究》中“其他气体”的碳排放系数代替；其他化石能源的碳排放系数结合IPCC和《中国温室气体清单研究》计算得到［27］。本研究估算了1997～2011年除以外的30个省市的生活碳排放，个别省份缺失的能源消费数据用插值填补。图1为各地区生活碳排放的时间趋势图。由图1可见，大部分的省市生活碳排放总量均有增长，其中广东、内蒙古、山东的增长幅度较为明显，说明这些地区居民生活较为依赖化石能源；宁夏、青海、海南等地区的生活碳排放量增长则较为平缓，说明这些地区的居民生活对化石能源的依赖程度较低。（2）其他变量选取及来源本研究所涉及的变量共4个，其中因变量为生活碳排放，自变量为城镇化水平（C）、人口总量（Po）和人均地区生产总值（Pg）。其中Ci采用非农业人口占总人口比重计算得到，数据来源于历年《中国统计年鉴》、《新中国六十年统计资料汇编》和各地区统计年鉴，Po和地区生产总值（G）数据来源于历年《中国统计年鉴》，GDP以2000年为基期进行价格调整。各指标的描述性统计见表1。

3参数估计与结果分析

3．1动态面板门槛模型估计结果由于大多数回归模型中的收入分组基于特定分组条件得到，具有一定的主观性，可能导致系数估计结果产生偏误；而收入分组门槛值由样本数据决定，可以内生的决定存在异质性差异的“高收入”和“低收入”组别，且相比于按一定标准的收入分组，其对异质性的识别更有效，再加上宏观变量多具有时间依赖性，因此，本研究最终在动态面板门槛模型框架下估计碳排放与城镇化之间的非线性关系。估计结果见表2，其中模型1并未加入收入二次项，模型2则考虑了收入的二次项影响。两个模型的估计均显示，城镇化对生活碳排放的影响存在门槛效应：当收入低于门槛值时，影响为正，城镇化发展将促进生活碳排放增加；当收入越过门槛值时，影响为负，城镇化发展对生活碳排放具有负向抑制作用，两个模型的估计结果均验证了假设2。按照模型设定从一般到特殊的准则，本研究仅就模型2的估计结果进行解释。模型2中的收入门槛值为25720．098，说明在这个门槛值区分的两个收入水平区间中，城镇化对生活碳排放的影响存在显著差异，具体表现为：①当收入水平小于门槛值时，城镇化与生活碳排放之间的关系为正，系数估计大小为0．146，说明城镇化上升1个百分点时，平均而言会使得生活碳排放减少约0．15个百分点，低收入地区城镇化的集聚效应所产生的生活碳增排效应大于资源利用效率提高所带来的减排效应，城镇化发展并不能抑制生活碳排放；②当收入水平越过门槛值时，城镇化对生活碳排放的影响效应显著为负，具体表现为当城镇化上升一个百分点时，平均而言碳排放减少约0．5个百分点，高收入条件下城镇化的集聚效应所产生的碳增排效应小于资源利用效率提高所带来的减排效应，城镇化发展的同时能够抑制生活碳排放。此外，其他系数中，生活碳排放滞后项的系数估计结果显著为正，表明生活碳排放具有显著的时间依赖性，支持假设1。人口变量的系数估计结果不显著，人均GDP及其二次项系数估计表明，碳排放与收入之间存在正U型关系曲线。本研究还基于全国样本条件和世界银行收入分组①标准条件分别对城镇化与生活碳排放之间的关系进行了估计，以便与本研究的估计结果进行对比。表3为对应的估计结果，其中第1～3列为全样本条件下的估计结果，后6列为收入分组条件下的估计结果；OLS为混合最小二乘估计，FE为固定效应的估计结果，IV为工具变量估计结果。全样本条件下的估计结果显示城镇化对生活碳排放的影响效应为正，城镇化进程将会对生活碳排放产生正的冲击效应，但只有OLS估计框架下显著，说明这种正向冲击效应并不明显。在收入分组条件下，城镇化对生活碳排放的冲击效应正负交替，且多数不显著，说明主观收入分组并不能识别城镇化与生活碳排放之间的非线性关系，甚至可能出现参数估计偏误。此外，在全样本和收入分组条件下，人均GDP的二次项均显著为正，说明生活碳排放与收入之间的U型曲线关系比较稳健。人口变量的参数估计在OLS估计框架下显著为正，而在固定效应和IV估计框架下并不显著，说明人口变量对应的参数估计结果并不稳健，这可能是多重共线性所引起的②。

3．2门槛效应地区差异统计分析表4为1997～2011年全国30个省市每年的人均GDP大于门槛值的省市与地区门槛越过率（越过门槛的省市数／总数）。由表4可知，1997年没有一个省份的人均GDP超过门槛值（25720元），说明就当年的样本而言，所有省市的城镇化发展对生活碳排放均具有促进作用，城镇化发展的集聚效应所产生的巨大增排效应大于资源利用效率提高所带来的减排效应，所以，城镇化在发展的同时伴随着生活碳排放的增加。此后，随着上海率先于1998年跨越门槛值，北京于2001年跨越门槛值，接下来的年份均有部分省市相继跨越门槛值，进入城镇化发展质量提升行列，这些省市由于资源利用效率提高所带来的减排效应大于城镇化聚集效应所引起的增排效应，使得城镇化对生活碳排放产生抑制作用，即城镇化发展伴随碳排放减少。但截至到2011年，全国跨越门槛值的省市还只有12个，仅占考察地区总数的40％，这一方面表明我国生活碳排放还有很大的抑制空间；另一方面，也意味着我国各地区城镇化进程大部分还处于规模粗放型扩张阶段。因此，可以预见的是，在当前或今后相当长的一段时期内，我国城镇化的快速发展还将伴随着生活碳排放的增长。进一步比较发现，跨过门槛值的省市多分布在东部地区，说明城镇化发展的减排效应最先从东部地区开始，这也符合我国经济发展特点，即东部经济发展水平普遍高于中西部，从而最先跨过门槛值。

4结论与政策建议

碳排放论文篇10

1．2数据来源及处理本文所用数据来自1994—2012年《甘肃农村统计年鉴》，考虑到农业生产中林牧渔业碳汇的影响，为了使数据更具有合理性，文中农业GDP数据用当年年末种植业总产值代替；农业碳排放总量为计算所得。根据甘肃省的实际情况，农业碳排放主要来源于：①农业机械使用消耗柴油导致的碳排放；②化肥、农膜、农药等农用物资的生产和施用过程中直接或间接导致的碳排放；③农业灌溉过程中使用电能或其他化石能源所产生的碳排放；④土地翻耕过程中产生的碳排放。本文依据《IPCC2006国家温室气体清单指南》提供的温室气体排放测算方法，将其引用到农业碳排放领域，估算模型为。式中，C为农用地排放总量；Ct为第t年的碳排放总量；Eit为第t年第i种碳排放源的量；δi为第i种碳排放源的系数；i表示各碳排放源，分别是农用柴油、化肥、农膜、农药、有效灌溉、翻耕等6种。参考李波、王才军的研究成果，农用柴油的碳排放系数为0．5927kg／kg、化肥的碳排放系数为0．8956kg／kg、农药的碳排放系数为4．9341kg／kg、农膜的碳排放系数为5．18kg／kg、有效灌溉的碳排放系数为20．476kg／hm2、翻耕的碳排放系数为3．126kg／hm2。根据式（7），利用甘肃省1993—2011年农业投入的相关数据，可计算出甘肃省农业碳排放总量，进一步计算出甘肃省农业碳排放强度，结果见表2．从表2可见，研究期内甘肃省农业碳排放总量整体呈现上升态势，从1993年的66．37万t增加到了2011年的207．92万t，增长了213．30％；化肥为最大的碳排放源，19年来累计碳排放量达到1167．82万t，年均增速为4．01％，农用柴油、农膜、农药、有效灌溉、翻耕累计碳排放量分别为228．37万t、709．07万t、196．46万t、40．43万t、22．41万t，年均增速分别为5．57％、10．82％、2．11％、0．65％、16．26％。农业仍以高消耗、高排放的粗放式生产为主，农民的低碳农业意识不强，政策导向不明，在农业碳排放总量增长的同时，碳排放强度也在不断增加，从1993年的182．40kg。hm2增加到了2011年的510．93kg／hm2，增长了280．11％。

2结果及分析

依据式（7）测算和式（6）得到甘肃省农业碳排放与经济发展的相互关系，见表3。1994—2011年甘肃农业碳排放与经济增长关系主要呈现弱脱钩、强负脱钩、扩张连接、扩长负脱钩、强脱钩5种状态（表3）。研究期内，农业碳排放与经济增长脱钩弹性指标出现最多的是弱脱钩状态，共9次，占统计期数的50％；其次为强负脱钩和扩张连接，各出现了3次，占统计期数的16．67％；扩长负脱钩出现了2次，占统计期数的11．11％；最少的是强脱钩，出现了1次，占统计期数的5．56％。总体上，脱钩状态占统计期数的55．56％，说明甘肃省农业碳排放增长速度慢于农业经济的增长速度，呈现良好的态势。甘肃省的农业碳减排工作取得了初步成效，这与甘肃省的实际情况相一致。从图1、图2可见，甘肃省农业碳排放与经济增长总体上呈现周期性的“较理想状态—畸形状态—较理想状态”的“W”型变化。依据脱钩指标变化态势（图2），可将研究期分为三个阶段，分别是1994—1995年、1996—2002年、2003—2011年。第一阶段（1994—1995年）呈现“弱脱钩—弱脱钩”特征，脱钩弹性指数介于0—0．8，脱钩弹性指数分别为0．11、0．31，呈较理想的弱脱钩状态，即农业碳排放增长速度慢于农业GDP的增长速度。从表2可见，两年间农业碳排放总量仅为136．70万t，碳排放强度平均值仅186．27kg／hm2；农业GDP从1993年的99．14亿元增长到1994年的157．91亿元，增速为59．28％，农业GDP40％／hm2的增加值随着农业碳排量5．4％的值增加。原因主要是：①20世纪90年代初，甘肃省农业技术欠发达、农业生产力相对落后，农作物种植主要依赖人力和畜力，对农用机械和灌溉机械的使用相对较少，相应的农用柴油使用量较小，加之农药、化肥等农用资料投入意识相对较弱，碳排放总量不大。②该时段农村劳动力还未大规模向城镇转移，外出务工人员相对较少，农民的主要收入来源于农业经济作物生产变卖所得，农业GDP得到了较快发展。第二阶段（1996—2002年）经历了“不可取状态—较理想状态—不可取状态”的W型变化过程，并出现了两个扩长负脱钩状态的高峰值，农业碳排放增长速度整体上快于农业GDP的增长速度。1996年为第一个高峰值，脱钩弹性值为1．32，农业GDP17．78％／hm2的增加值伴随着农业碳排量23．44％的值增加。

主要原因是，1996年甘肃省实施了科技推广服务活动和新农业管理措施的推广，农田基本建设得到加强，发展了一系列的基础工程，如地膜覆盖工程、带状种植农业种植工程等。此外，随着农业技术的进步，农户更倾向依靠农业机械以克服人力的不足，不可避免地增加了对柴油、电力等能源的消耗，使农业碳排放量居高不下。农民大多依靠种植农作物来维持家庭生活，收入来源相对单一，为了获取更多的经济收入，农民往往会加大对化肥、农药、农膜等农用资料的投入力度。与1995年相比，该时段在农作物种植面积持平的情况下，农业GDP增长了14．05％，但仅农用薄膜的投入就增加了82．15％，农业碳排放增长了23．13％。2002年为第二个高峰，脱钩弹性指标达到6．17，农业GDP2．37％／hm2的增加值伴随着农业碳排量9．09％的值增加。主要原因是，农民负担过重，“三农”问题进一步凸显。越来越多的农民放弃务农转向城市务工，农民从事农作物种植的积极性下降。与2001年相比，导致1．06％的耕地闲置，农业经济增速放缓，增长速度仅为1．29％，但农业碳排放年均增速仍为12．85％。在此期间，1997年、1999年、2000年表现为强负脱钩状态，脱钩弹性值分别为－1．27、－0．56、－0．36。由图1可见，在农业GDP减少的同时农业碳排放总量仍在增长，1997年与1996年相比、1999年与1998年相比、2000年与1999年相比，农业经济增长速度分别为－5．17％、－3．90％、－1．54％，而农业碳排放增速分别为6．59％、2．17％、0．56％，农业GDP在平均减少3．23％／hm2的情况下农业碳排放仍然增加了3．41％。下降的主要原因是，受1997年亚洲金融危机、特大洪涝灾害和国家整体经济形势的影响，公共财政涉农支出减少，农业公共设施投入停滞，加之农民从事农作物生产的积极性不高，导致农作物生产总值下降。1998年脱钩弹性值为0．44，表现为弱脱钩状态，农业GDP12．91％／hm2的增加值伴随着农业碳排放5．58％的值增加。主要原因是，1998年新《土地管理法》的颁布实施使耕地的数量得到了一定恢复，加之国家政策对农业的倾斜，农民对农业生产的积极性增强，农业生产效率得到了一定提高，以致农业经济的增速为13．21％，而农业碳排放总量的增速仍停留在5．86％。第三阶段（2003—2011年）整体态势良好，农业碳排放增长速度呈递减态势，而农业经济增长速度呈增长态势，经历了“强脱钩—弱脱钩—扩张连接—弱脱钩—扩张连接”的“L”型变化趋势（图2）。其中，2003年脱钩弹性值为－0．08，表现为最理想的强脱钩状态，农业GDP8．07％／hm2的增加值伴随着农业碳排放0．21％的值增加。主要原因是，2003年1月《退耕还林条例》在全国的颁布实施，部分耕地变成了林地和草地，农膜、农药等农业生产物资投入相对减少，以及农业科技的进步使农业生产力得到提高，套种、间种等技术得到进一步推广。与2002年相比，农业GDP增加。

2004—2008年脱钩弹性值小于0．8，表现为弱脱钩状态，农业碳排放增长速度慢于农业GDP的增长速度，脱钩弹性值分别为0．21、0．45、0．27、0．61、0．34；农业平均GDP12．50％／hm2的增长值随着农业碳排量3．75％的值增长。主要原因是，2004年“中央一号文件”的颁布实施，“两减免，三补贴”惠农政策极大地鼓舞了农民的生产积极性，农业生产力得到了快速提高；加上农业科技的进步，产业结构调整的进一步推进，农业GDP得到了较快增长，而循环农业、绿色生态农业等种植模式的推广，使农业碳排放增长速度减缓。2009—2011年甘肃省经历了“扩张连接—弱脱钩—扩张连接”的由耦合到脱钩再到耦合的动态变化，脱钩弹性值分别为0．88、0．21、0．11。主要原因是，在经历了较长时间的农业低碳化管理之后，农业碳排放结构发生了变化，农业技术进步、耕地的科学化管理虽然使农业经济总量得到了快速提高，但碳排放总量却居高不下。该段时间，甘肃省农业GDP平均增长率为9．65％，而农业碳排放的平均增长率为17．30％，农业经济平均增长速度慢于农业碳排放的平均增长速度。

3结论与建议

碳排放论文篇11

2相关文献回顾

学界有关对外直接投资的环境效应方面的研究最早要追溯到“污染避难所假说”的提出[13]。“污染避难所假说”又称“污染天堂假说”（pollutionheavenhypothesis），是指由于发展中国家的环境治理标准和管理水平都显著低于发达国家，在经济全球化的背景下，发达国家倾向于将自己的高污染产业或者企业转移到发展中国家，进而对发展中国家的生态施加负面影响。关于“污染避难所”假说的验证，学界众说纷纭。Jaffe等率先挑战了上述假说[14]，其关于美国制造业外资进入的研究表明，外资并没有给东道国带来更多的污染；Eskeland和Harrison在拉丁美洲的研究也同样证明，外资企业较之于本土企业更懂得运用清洁能源与提高能源利用效率[15]；这些研究为其后的“污染光环假说”（pollutionhalohypothesis）的提出打下了基础[16]。后者认为，外资的进入实际上带来了更高效的技术和更先进的管理，将有助于东道国环境的改善和可持续发展[17～18]。诚然，“污染避难所假说”也在一些研究中得到验证，如杨英将研究范围集中在中国东部沿海地区，结论同样证明，外商直接投资的进入，增加了中国的三废排放量，造成了部分省份福利的减少[19]；同样的结论在沙文兵关于外商直接投资与SO2排放量的研究中也得到了验证，他认为外资流入的增多显著增加了我国SO2的排放量[8]。“污染避难所假说”毫无定论的验证，也使得其成为了整个国际经济领域中最容易引起争论的问题之一[20]。然而，随着CO2排放量的不断增多，国内外学者依旧运用此假说讨论外商直接投资与CO2的关系。Talukdar和Meisner运用1987～1995年44个发展中国家的面板数据研究了私人部门CO2排放量的原因，其研究认为，外资的进入降低了CO2的排放，然而在高收入国家二者没有因果关系[21]；Khalil等选用1972～2002年的时间序列数据，研究了巴基斯坦外商直接投资与CO2排放量的关系，通过协整检验证明了外商投资与CO2排放量之间存在着的正相关关系[22]；国内学者熊立等运用1985～2007年的时间序列数据研究了中国外商直接投资与CO2排放量的关系，认为外资的进入增加了中国的碳排放，这是由于80%以上的外资进入了第二产业，即高能耗产业，其效应超过了外资进入带来的技术效应[23]；刘华军和闫庆悦运用1995～2007年省级面板数据分析贸易、外资与碳排放的关系，其研究结论表明，外商直接投资对CO2排放具有负的效应，但不显著[24]；王道臻和任荣明运用1980～2008年的时间序列数据研究了中国外商直接投资、经济规模与CO2排放量的关系，认为外商直接投资是我国经济规模增长的格兰杰原因，而经济规模是二氧化碳排放的格兰杰原因，即外国直接投资的增加可以通过经济规模导致我国CO2排放量的上升[25]；刘倩和王遥[5]将金砖国家1985～2007年人均收入平均水平划分为两个样本组，并分别对两组面板数据进行了实证分析，回归结果表明，无论人均收入水平高低，外资流入均在一定程度上缓解了CO2排放的压力；肖明月和方言龙重点分析了环渤海地区、长三角地区和珠三角地区外资与碳排放的关系，他们认为外资的进入在一定程度上降低了上述地区的人均碳排放量，但对此三地区的碳排放影响效果有所不同，经济发展水平和能源强度是影响东部地区碳排量的最重要因素[26]。综上所述，国内外学者关于外商直接投资的环境效应以及与CO2排放量关系的研究结论不一、各有见地，但以上文献均只关注到外商直接投资对东道国环境及CO2排放量的影响，鲜有关注到外商直接投资对母国环境效应的影响，而有关“走出去”对本国CO2排放量的影响研究更是寥寥无几。周力和庞辰晨[6]研究了中国对外直接投资的母国环境效应，认为中国的OFDI有利于母国产业升级和技术回流，进而有利于母国的环境提升；Liu等研究了日本对外直接投资对本国CO2排放量的影响，结论指出，日本加大对外投资是日本减少碳排放的格兰杰原因，从母国背景证明了“污染避难所假说”的存在[1]。至今，关于中国OFDI对本国CO2排放影响的研究依旧缺乏。然而，从2003年开始，中国的对外直接投资迅猛增长，各类企业的海外设立是否有利于减少国内的碳排放已因此成为一个值得深思和研究的议题。本文选用2003～2011年中国30个省份（除外）的面板数据，拟研究中国OFDI对本国CO2排放量的影响及其影响机制。

3计量模型设定及数据来源简介

3.1计量模型设定

本文沿用Grossman和Krueger分解NAFTA的环境效应的方法来研究我国OFDI与CO2排放量的关系，将OFDI对CO2排放量的影响分为三种效应：规模效应、技术效应和产业结构效应，采用联立方程组模型对三种效应进行分别估计，最终得出其总效应[27]，影响CO2排放量的方程为：CO2=STC其中：S代表规模效应（scale），T代表技术效应（tech），C代表产业结构效应（composition），方程两边加上对数，等式变为：logCO2=logS+logT+logC我国OFDI的变化将会带来以上三种效应，而通过这三种效应最终影响到我国CO2的排放量，现加上OFDI对三种效应的作用。

3.2变量设定及数据来源

本文选取2003～2011年30个省份（除外）的面板数据进行实证分析，以下将分别对每个效应的变量和数据选取进行解释。3.2.1规模效应logScaleit=a1logOFDIit+a2Kit+a3logLit+a4logCO2it+εit（1）变量设定。①被解释变量（Scale）：经济规模。本文参照前人的做法[28]，选取各省份的国内生产总值（GDP）作为量化指标用于衡量经济规模的大小。②核心解释变量（OFDI）：对外直接投资。对于OFDI的衡量，前人较多采用对外直接存量作为量化指标[18]。本文也选取各省份对外直接投资的存量进行估计，对外直接投资量越大说明了地区经济发展水平和发展程度越高[11]，二者拟估计为正相关关系。③控制变量。资本存量（K）。各省份的资本存量是衡量该地区经济规模的重要指标[29]，其与经济规模拟估计为正相关关系；劳动力（L），劳动力人口的多少代表着地区工业化程度的规模以及经济规模的可容纳度[20]，劳动力已成为影响一国经济的重要指标，本文选取各省份每年底的就业人数进行量化，二者拟估计为正相关关系。二氧化碳排放量（CO2）。作为本文的核心变量，该变量是影响经济规模的控制变量之一。既有研究证明，CO2排放受经济发展的影响，同样也影响经济，环境的恶化将会降低经济发展速度[23]，二者拟成负相关关系。但笔者认为，一省CO2排放量越高，说明该地区的工业化程度和经济发展水平相对较高，虽然恶劣的环境会在一定程度上影响经济发展，却也是衡量一省经济规模大小的重要指标，因此二者的关系有待回归估计。（2）数据来源。经济规模、资本及劳动力相关数据均源于《中国统计年鉴》，对外直接投资数据源于2005年以及2011年《中国对外直接投资统计公报》。CO2排放量数据各省份目前并未公开，必须通过化石能源的消费进行转换估算而得。因此，本文通过2012年《中国能源统计年鉴》获得各省区石油、煤、天然气三种能源的消费量数据，并通过《中国可持续发展能源及碳排放情景分析》中给定的排放系数进行转换（石油碳排放系数为0.58吨碳每吨标煤、煤炭为0.75吨碳每吨标煤、天然气为0.44吨碳每吨标煤）。控制变量中GDPit-1与GDPit-2分别表示GDP滞后1期和2期的价值，这里主要是考虑一个宏观环境对资本积累的影响，流入国内的外商直接投资一般存在“挤入效应”和“挤出效应”，而流出的对外直接投资对国内资本的影响有待回归估计。3.2.2技术效应（1）变量设定。①被解释变量（Tech）：技术程度。该指标用于代表一省节能减排的技术程度。由于第二产业是CO2高排放量产业，一个地区节能减排的技术，可以通过该地区工业产出对碳排放的控制水平来衡量，因此本文选用单位工业产出CO2排放量进行衡量[4]。②核心解释变量（OFDI）：对外直接投资。量化同上。既有研究表明，部分OFDI的动因即为技术寻求型[30]，同样也有研究证明了OFDI逆向技术溢出的存在[7]，而这将有利于提高母国的企业生产技术和管理水平，同样也能提高母国企业降低能耗的水平[12]，因此二者拟估计为负相关关系。③控制变量。绿地面积（Green）。一个地区的绿地面积的增加将必然导致该地CO2排放的减少，二者拟估计为负相关关系。治理环境总投资额（Environ）。一省的CO2排放量会随其环境治理投入的提高而减少，二者拟估计为负相关关系。能源消费结构（Coalratio）。本文选用煤炭消费总量占总能源消费量的比率作为能源消费结构的量化指标，这是由于煤炭的碳排放系数较之其他能源最高。长期以来，我国的能源消费以煤炭为主，占到70%以上，此变量也在既有研究中用于量化能源消费结构[7]，二者拟为正相关关系。研发水平（RD）。此变量即为各省份的R&D经费投入，一省的科研经费将显著提升地区的技术水平，包括节能减排的效率，因此工业碳排放会因此减少，所以二者拟为负相关关系。人均国内生产总值（Pergdp）。较高的人均GDP通常会导致人们对生活质量要求的提高，相应会提高对环境的要求，因此会要求污染和排放的降低[29]，当然亦有学者认为，人均GDP与工业化程度具有正相关关系[20]，因此二者的实际关系有待回归估计。（2）数据来源。工业产出、绿地面积、环境投资均源于2003～2012年《中国城市统计年鉴》；技术程度源于笔者对CO2与工业产出进行的换算；用煤总量源于《中国能源统计年鉴》；R&D研发经费数据源于中国科技部网站。3.2.3产业结构效应（1）变量设定。①被解释变量（Comp）：产业结构。承前所述，第二产业为高碳排放产业，本文参考前人做法，选取第二产业占GDP的比重作为产业结构的量化指标[20]。②核心解释变量（OFDI）：对外直接投资存量。Cantewell和Tolentino早在1990年便从动态化的角度研究了发展中国家的OFDI行为，提出了OFDI所带来的技术创新和产业结构升级理论。他们认为，发展中国家的OFDI过程即是“技术学习”的过程，技术的提高相应会带来国内产业结构的升级，这一理论也在后来学者的研究中得到证实[31]。王英和刘思峰更直接的证明，OFDI会增加我国二三产业的就业人数，从而增加我国二三产业的比重，降低第一产业的比重[7]。而周力和庞辰晨的研究也表明，OFDI会使得我国产业结构向轻工业偏移，但是总体会增加第二产业的比重，因此笔者拟估计二者成正相关关系。③控制变量。人口总量（People）。地区人口越多，城市化水平越高，同时也会提高工业化程度，二者拟估计为正相关关系。要素投入率（K/L）。此处主要指人均资本量。一般情况下，资本/劳动比例较高，将导致经济中的工业产值较大的份额，当然也会因此导致更多的排放[23]。人均国内生产总值（Pergdp）。同技术效应原理一致，高人均GDP与高工业化挂钩，但人们却渴望高的生活质量，因此二者的实际关系有待估计。（2）数据来源。第二产业比重及人口总量源于《中国城市统计年鉴》，其余数据均来自于《中国统计年鉴》。

3.3数据特征分析

为了更好地分析样本信息，首先进行数据的描述性统计，如表1所示。由于加入了对数，统计性描述中所有数据都相对变小，但仍然可以看出这些数据的变化。值得注意的是，logOFDI的标准差达到2.156108，说明这一时间段我国对外直接投资的变化，而本文选取的2003～2011年也正好是我国OFDI开始迅速增多的时间段（图1）。此外，人均GDP（logPergdp）的变化也较大，在产业结构模型中可以关注其变化对产业结构的影响。

4计量结果分析

4.1三大效应估计

本文选取2003～2011年中国30个省份的面板数据分析了中国OFDI对本国CO2排放量的影响。本文首先分别对OFDI所带来的规模效应、技术效应以及产业结构效应进行了估计。根据Hausman检验结果，对三大效应的估计均采用固定效应模型，表2给出了通过逐步回归法，OFDI所带来的三大效应的估计结果。4.1.1模型的拟合随着变量的不断加入，三个效应模型的R2值都不断提高，这说明了所加入变量的有效性，其中技术效应及产业结构效应的R2值不是很高，但均超过了40%，解释变量的解释力仍然可以接受。根据检验结果，本文对于三大效应分别选用模型4、模型11及模型14进行分析，模型均通过Wald检验，说明方程整体估计效果良好。4.1.2规模效应结果分析核心变量OFDI与我国经济规模呈显著正相关关系，即我国的OFDI有助于推动我国经济发展，扩大我国经济规模，此结论也与前人的研究保持一致[18]。数据显示，我国的OFDI每增加1%，我国的经济总量将会提高0.292%；控制变量中CO2排放量与经济规模保持了正相关关系，这与熊立等的结论相悖[23]，但也在情理之中，CO2排放量增多会一定程度上影响经济发展，但其同时也是工业化扩大的指标，碳排放的增多也反映了我国经济规模的不断扩大；其余变量资本与劳动与本文之前的预测保持了一致。间接效应中（见模型5），我国的OFDI与国内资本积累呈正相关关系，这说明我国增加对外直接投资，国内资本存量会增多，这与外商直接投资的“挤出效应”相一致，国内的外资增多，引致国内投资的减少，而外资退出则会为国内资本创造空间，同理，我国增加了对外投资，自然会有其余资本弥补这些空间，甚至超过原有投资。4.1.3技术效应结果分析OFDI与技术程度呈负相关关系，即OFDI的增多会降低我国工业产出的单位碳排放，这一结果与前文预测一致，外商直接投资的增多带回了先进的技术水平，降低了我国的工业能耗，结果也再次证明了OFDI逆向技术溢出的存在。数据显示，我国OFDI每增加1%，会使我国单位工业产出碳排放降低0.092%。其余控制变量的相关系数也与本文预测保持一致，绿地面积、环境治理投资以及科研经费的投入都将降低工业单位产出的碳排放量，而能源消费结构则与其保持正相关关系。4.1.4产业结构效应结果分析由于被解释变量是第二产业占GDP的比重，而解释变量均为以万计的计量单位，因此本文为保持估计的准确性，对数据进行了“标准化处理”。研究结果显示，OFDI与产业结构呈正相关，即OFDI的增多会增大我国第二产业的比重，从而带来产业结构的变动，这也与前人的结论保持一致[6]。数据显示，我国的OFDI每增加1%，我国第二产业比重会增加0.243%。其余控制变量人口、人均GDP和人均资本与定的预期保持一致，除人口外均与产业结构呈显著正相关关系。

4.2我国对外直接投资对CO2排放量的总效应计算

以上对我国OFDI所带来的三大效应进行了分别估计，但得到的是单独的个体效应，而本文的目的是通过估计我国OFDI所带来的规模效应、技术效应以及产业结构效应的变化，进而分析OFDI对我国CO2排放量的影响，所需要估计的是OFDI对CO2排放量变化带来的总效应。由表3可知，我国OFDI所带来的规模总效应和产业结构总效应为正，而技术总效应为负。数据显示，我国的OFDI每增加1%，我国的经济总量将增加0.3053%，每单位工业产出碳排放降低0.0877%，第二产业比重增加0.2833%，三者综合起来得出我国OFDI对CO2排放量的总影响为显著的正效应。数据表明，我国OFDI每增加1%，我国国内的CO2排放量将会提高0.5009%，我国的OFDI并没有减少反而增加了国内的碳排放。数据表明，“污染避难所假说”并不属于中国。对于此结果，笔者认为有据可循。首先，OFDI所带来的正向规模总效应和产业结构总效应超过了负向的技术总效应，这是由于OFDI的技术回流存在一定的时滞[31]，并不能马上生效，而通过OFDI所学习的国外技术主要为先进的生产技术，用于提高生产率，对于减少节能减排的技术还相对较少，这使得OFDI所带回的技术总效应也相对最弱；其次，中国的对外投资猛增说明了中国经济水平的提升，而经济规模的扩大必然意味着更大规模的工业化和生产，碳排放也必然增多，我国从2007年超过美国成为第一碳排放大国，究其根本原因，仍然是经济水平提高所致，这使得OFDI所带来的规模效应绝对值超过了其他两个效应；最后，虽然我国近年来对国外石油以及采矿等高能耗产业投资逐渐增多，我国的OFDI主体部分并未流向高能耗产业，而主要流向了租赁和商务服务业（图2）。因此，对外直接投资并没有转移国内高能耗产业，反而因为对外直接投资调整了产业结构，增加了第二产业比重，这也带来了显著为正的产业结构总效应，进而增加了国内的CO2排放。

碳排放论文篇12

碳排放核算的关键是进行碳盘查，将碳排放加以量化。总体而言，碳排放的核算包括边界的设定、排放源的识别、排放量的计算以及排放报告的编制四个阶段。（1）设定组织边界与运行边界。组织边界的设定是组织层次的碳排放核算与碳排放管理的第一步。组织可由一个或多个设施组成，组织应采用下列方法之一来归总其设施层级温室气体排放或消除：控制权法，组织对其拥有财务或运营控制权的设施承担所有量化的温室气体排放或消除；股权份额法，组织依股权比例分别承担设施的温室气体排放或消除。运行边界包括直接排放、能源间接排放和其他间接排放。直接排放指组织拥有或控制的温室气体源所产生的碳排放。能源间接排放指组织从外部购入的电力、热力或蒸汽在使用中所产生的间接碳排放。其他间接排放是除直接排放和能源间接排放以外的排放，如外购原材料所包含的碳排放、产品交付用户在使用或处置期间所产生的排放。直接排放和能源间接排放应予以量化，其他间接排放因量化及查证存在困难，通常只定性盘查，不进行量化。（2）识别排放源。从排放源角度看，排放包括固定源燃烧排放、移动源燃烧排放、过程排放、逸散排放。如锅炉产生的排放属于固定源燃烧排放，运输工具产生的排放属于移动源燃烧排放，生产或提供服务过程中由于物理或化学变化而产生的排放属于过程排放，煤堆、冷却塔产生的自然泄露，设备接合部、装卸料过程中发生的泄露排放，设备事故或检测发生的排放等属于逸散排放。（3）量化碳排放。针对排放源及其种类，寻找一种能使不确定性最小化且结果准确的排放量化方法。其中，排放因子法应用最广泛，具体公式为：二氧化碳排放量=∑活动数据×第i种温室气体排放因子×第i种温室气体的GWP。其中，GWP为全球变暖潜能值，即单位某温室气体相当于二氧化碳的量。量化方法确定后，收集活动数据，进而选择排放因子，计算和汇总排放量，结果按吨二氧化碳当量表示。如某期汽油的使用量为5万升（活动数据），汽油的燃烧会产生三种温室气体：二氧化碳（CO2）、甲烷（CH4）、氧化亚氮（N2O），CO2的排放因子为2.26kg/L，CH4的排放因子为9.8×10-5kg/L，N2O的排放因子为1.96×10-5kg/L，依据政府间气候变化专门委员会（IPCC）《第四次评估报告（2007）》给出的GWP值，CH4和N2O的GWP值分别为25、298。则5万升汽油的二氧化碳排放量为：50000×2.26+50000×9.8×10-5×25+50000×1.96×10-5×298=113414.54kg（4）编制碳排放清单和报告。依据一定的核算标准的要求，生成企业碳排放清单和报告。清单主要包括排放源识别表、活动数据收集表、排放因子选择表、排放量计算表和温室气体排放汇总表等。

（二）碳排放核算标准选择

从标准的开发主体来看，主要包括以下几类：第一类是国际标准化组织（ISO）的温室气体系列标准；第二类是世界能源研究所及世界可持续发展工商理事会（WRI/WBCSD）联合开发的温室气体核算体系；第三类是英国标准协会（BSI）的“公众可用规范（PAS）”；第四类是其他机构开发的自愿碳减排标准，如世界自然基金会开发的黄金标准（GS）和气候组织开发的自愿碳标准（VCS）等。从标准的应用范围来看，主要有以下几类：第一类是国家层面的核算标准，如国家温室气体清单指南IPCC2006；第二类是组织或项目层面的核算标准，如WRI/WBCSD的《温室气体议定书：企业核算与报告准则》(GHGProtocol)；第三类是产品或服务层面的核算标准，如ISO14067《产品碳足迹标准》、英国标准协会的PAS2050《商品或服务生命周期温室气体排放评估规范》。其中，比较成熟、应用较为广泛的核算标准是GHGProtocol与ISO14064。ISO14064具体由三部分组成：ISO14064-1“组织层次上对温室气体排放和消除的量化与报告的规范及指南”，ISO14064-2“项目层次上对温室气体减排和消除增加的量化、监测和报告的规范及指南”，ISO14064-3“温室气体声明审定与核查的规范及指南”。国内目前尚没有统一的核算标准，但碳排放交易试点城市已开始拟定相应的标准。如深圳借鉴GHGProtocol与ISO14064，于2012年11月了《组织的温室气体排放量化和报告规范及指南》以及《组织的温室气体排放核查规范及指南》，自2012年12月起实施。

二、企业碳排放内部控制框架构建

内部控制是一系列制度、程序和控制措施的总称，为实现企业经营活动的效率和效果、资产安全完整、经营合规等目标提供合理保证。2008年财政部等五部委联合的《企业内部控制基本规范》中提出我国企业内部控制的五要素：内部环境、风险评估、控制活动、信息与沟通、内部监督。随后，又陆续了内部控制的配套指引，包括应用指引和评价指引。笔者结合《企业内部控制基本规范》和《企业内部控制应用指引》，围绕企业的碳排放和碳管理进行内部控制系统的设计。

（一）内部环境

内部环境是企业进行内部控制的基础，包括企业的组织架构、发展战略、企业文化、社会责任、全体员工的内控意识等。（1）制定低碳发展战略。企业应制定低碳战略，将碳管理和碳排放交易的开展融入企业的中长期发展战略中。根据《企业内部控制应用指引第2号———发展战略》，对未来碳排放市场进行科学预测，结合企业的实际能力，制定低碳战略发展规划，明确在不同阶段减排的具体目标，使企业在未来的低碳发展中形成竞争优势。短期来看，减少碳排放，需要引进环保设备、进行技术升级和改造，增加经济成本；但从长远来看，在环境要求日益严格的趋势下，碳排放权将变成一种稀缺资源，其交易价格将逐步攀升，因此要在未来碳交易中占有一席之地，必须从战略角度加以重视，不丧失发展机遇和动力。（2）成立碳管理委员会，专人负责碳管理工作。按照《企业内部控制应用指引第1号———组织架构》的要求，应明确企业内部各层机构设置、职责权限、人员编制、工作程序和相关要求的制度安排。为了适用低碳战略，保证机构运行的效率，企业应在董事会下设一个专门的委员会———“碳管理委员会”，直接对董事会负责。具体职责既可以由现有的环境保护职能部门来承担，指定相应的人员来负责，也可以成立单独的部门———碳管理部，配备专业人员来进行碳排放的管理工作，包括企业碳排放源的核查、碳排放信息的搜集、碳排放量的计算、碳排放配额的使用以及碳信息披露等。（3）营造低碳发展的企业文化，切实承担减排的社会责任。《企业内部控制应用指引第4号———社会责任》中规定“企业应建立环境保护与资源节约制度，认真落实节能减排责任，积极开发和使用节能产品，发展循环经济，降低污染物排放，提高资源综合利用效率。”为此，本着全员参与的原则，全体员工应逐渐树立碳减排的理念和意识，通过宣传、培训等活动形成“减少碳排放，人人有责”的一种氛围，使全体员工能结合自身的工作岗位来进行碳减排的具体行动，使文化的影响力转换为减排的行动力。

（二）风险评估

风险评估是内部控制中不可缺失的一个环节，包括风险识别、风险分析、风险应对等。在识别企业内部风险和外部风险的基础上，采用定性和定量的方法，对识别的风险进行度量，确定关注重点，进而结合企业的风险承受度，确定风险应对策略。（1）培养危机意识。企业应具有危机意识，主动识别气候变化给企业带来的风险，包括市场风险、财务风险、法律风险以及体现在参与碳排放交易中各环节的具体风险等。如企业现有的非节能产品不符合国家政策而滞销引发的市场风险；高能耗项目不能获得贷款审批的风险；企业海外分公司的所在国推出更为严格的碳排放政策，提高了产品进入壁垒；目标出口国推出碳排放的新政，企业产品因不满足其排放标准，而引发法律风险等。（2）在风险中识别机遇。未来的碳排放交易中，包含风险的同时也蕴含着无限的机会。碳信息披露项目(CDP)2011年中国报告显示，100家样本企业中有71家公司了CSR（企业社会责任）报告，87%的报告明确提及气候变化。但对气候变化的认知仍停留在概念陈述层面，对风险和机遇的认识普遍不足，只有7%的报告提到了气候变化带来的机遇。2013年3月，发改委和国家认证认可监督管理委员会印发了《低碳产品认证管理暂行办法》，在我国建立统一的低碳产品认证制度。因此，企业生产的产品如果能获得该认证，良好的市场标签带来的将是机遇而不是风险。

（三）控制活动

为了使企业在未来的碳排放交易中处于有利地位，应加强产品生命周期的低碳管理，建立供应链全过程的管理和控制。具体而言，体现在以下几个方面：（1）绿色设计的内部控制。产品的碳排放水平很大程度上取决于设计环节，根据《企业内部控制应用指引第10号———研究与开发》，企业应从低碳战略出发，研究与开发节能产品和减排技术，使传统的“面向服务的设计”转变为“面向环境的设计”，在成果的研究与立项、开发与保护方面加强内部控制，加速研发成果的转化，提高企业的自主创新能力，获得低碳竞争优势。（2）供应链的低碳管理。基于《企业内部控制应用指引第7号———采购业务》和《企业内部控制应用指引第9号———销售业务》，企业应推行绿色采购、绿色制造、绿色营销。从供应商的选择、原料的采购、仓储，到生产、包装、运输，以及营销策略与销售渠道的选择等都应注意低碳的标识，减少排放。如，2011年3月，宝钢就已中国钢铁行业首个《绿色采购指南》。（3）基于项目的碳排放控制。《企业内部控制应用指引第11号———工程项目》规定项目立项时应进行经济效益和社会效益的评估，在低碳战略下，企业还应在项目选址、立项论证、结构设计、建设管理等环节考虑减少碳排放的要求，强化对环境影响的评估。国际上，建筑物碳排放的核算与审计已经发展得较为成熟，目前香港已经编制了一套完整的审计指引。因此，企业可以参照这些已有的规则对工程项目在设计和建设阶段进行碳排放控制。（4）碳资产的管理控制。《企业内部控制应用指引第8号———资产管理》中主要对存货、固定资产、无形资产等资产的管理作出了规范。当企业的实际排放量低于政府核发的排放配额时，就可以将多出的排放配额在碳排放市场上进行出售，获得经济利益，因此，碳排放配额符合“资产”的确认特征。通过减少碳排放，企业可以形成碳资产，并通过有效地管理，为企业带来价值。此外，从碳排放一级市场上获得的碳排放权或当排放配额不足从二级市场上购得的碳排放权，也需要作为一种资产加以管控，使得碳排放权能够合理地被使用。（5）交易环节的控制。企业应未雨绸缪，按照不相容职务相分离的原则，设计碳排放交易和碳金融投资中具体环节的控制。碳排放交易的授权、执行与记录属于不相容职务，应由不同的人员来进行，防止舞弊风险的发生。基于碳交易衍生出的金融品种（如碳期货、碳期权）投资交易中，也要遵循一般的投资交易的内控原则。

（四）信息与沟通

信息与沟通作为内部控制体系的保障机制，主要从内部信息传递与信息系统建设两个方面予以体现。（1）建立碳排放的内部信息传递与报告制度。根据《企业内部控制应用指引第17号———内部信息传递》的要求，企业应建立碳排放的内部信息传递机制和沟通方法，防范内部信息传递不通畅、不及时而引发的决策失误甚至泄露商业机密的风险，围绕碳管理的决策程序与内部信息传递、内部报告的使用等方面作出控制，并强调危机管理和应急预案的制定。（2）建立碳排放数据管理系统。我国企业普遍存在碳排放数据缺失的问题，为应对未来的低碳竞争，参与碳排放市场，企业应根据《企业内部控制应用指引第18号———信息系统》的要求，在碳排放数据监测与搜集的基础上，建立碳排放数据管理系统，提高管理的科学化，为碳排放的核算与管控奠定基础。