我国工业CO2排放影响因素差异性研究

摘 要：采用改进的指数分解法LMDI对我国1994―2003年工业高耗能行业与中低耗能行业CO2排放影响因素的差异性进行比较研究，结论表明：工业经济增长效应和子行业结构效应对两类行业CO2排放分别起到加剧和减缓的作用；高耗能能源强度效应经历了从加剧CO2排放到抑制CO2排放的转变，而中低耗能行业相应值在整个样本期都起到减排的作用；子行业能源消耗结构效应对高耗能行业起较小的减排作用，对中低耗能行业起加剧的作用且有不断扩大的趋势；CO2排放系数效应对两者影响都较小。

关键词：高耗能行业；中低耗能行业；CO2排放；指数分解

中图分类号：F205文献标识码：A文章编号：1001-6260（2008）01-0013-07

一个经济体要取得发展进步，就要扩大再生产，能源作为一种稀缺资源，在社会可持续发展中必不可少，能源政策和环境政策之间存在着双重的决定机制。如何解决这个矛盾？到底是什么因素可能影响到工业CO2的排放？目前我国正处于重化工业阶段，其显著的特征是重工业发展迅速，不少学者针对重工业或高耗能等相关领域作了深入研究并提出了相应的政策措施。但从耗能的层面看，中低耗能行业同样消耗了能源，而正因为该类行业被归为了中低耗能类，往往成了被忽略的边缘，事实上该类行业在中国工业经济增长中占有重要的比例，我国的排放强度远远高出发达国家同类行业，这些中低耗能行业是否真正做到低耗能和有效利用能源，还有待于进一步深入研究。IPCC报告提出，在非高耗能行业中可能采用的节能措施比高耗能行业更多。从直观的角度来看，高耗能行业意味着更多的能源消耗和高的CO2排放，在以减排CO2为目的的前提下，是否要抑制高耗能行业的增长？从哪些方面采取措施方能最快达到降低CO2排放的目的？厘清这些问题显然具有重要的现实意义。

一、文献回顾

目前较前沿的研究国内外能源及能源相关环境问题的方法是指数分解法，该方法的最大优点在于通过子行业有意义的分解能追溯总指标（能源效率或能源相关的环境）变化趋势的原因，找出间接影响总指标的深层次因素，从而提供切实可靠的政策措施。Hulten（1973）对该法作了详细的说明，利用指数分解分析能源问题的研究也最早开始于这个时期，以后的研究一般基于Hulten的方法。随着实际问题的需要和理论研究的深入，一些学者对原有方法进行了改进。 Boyd等（1987、1988）分别提出了算数平均的Divisia指数法（AMDI）的乘法和加法形式，Howarth等（1991）和Park（1992）对该方法进行了标准化的改进。Ang和Liu（2000）提出了对数平均的Divisia指数法（LMDI）。根据Ang（2004）对1978―2003年文献的综述表明，1995年后Laspeyres指数法就很少被使用，其主要原因是该方法未通过时间可逆测试，运算结果残差过大，可能会导致分解效果的无效，如Park等（1993）对日本研究结果的残差高达1322%。另外Divisia指数法解释的是相对数的变动效应，而Laspeyres解释的是绝对值的变动效应，在以时间序列为样本的前提下后者更加具有可比性，近期的国外文献较多地运用Divisia指数法。究竟哪一种方法更科学，到20世纪90年代学术界还未达成一致的看法。直到Ang（2004）对不同指数分解方法和应用实例作了比较，得到的结论是LMDI指数分解方法是所有方法中最好的。在Ang的文献发表后，相关实证文献通常采用LMDI指数分解法，该方法同时也在新西兰、美国和加拿大等官方报告中被广泛使用。Liu和Ang（2007）给出了有效处理零值和负值的方法，消除了LMDI法唯一在运用中的不足。因此改进的LMDI法目前被认为是较精确的指数分析法。

Torvanger（1991）首次利用指数分解法研究能源相关的环境问题，之后出现了一些以我国为背景的文献。Shrestha和Timilsina（1996）选择亚洲12个国家和地区（包括中国大陆和香港）1980―1990年电力部门的CO2强度进行实证分析，结论表明电力部门能源强度的变化起主导作用。Ang和Pandiyan（1997）分别选取中国大陆、韩国和中国台湾1980―1991年、1981―1993年和1980―1993年为样本数据，采用PDM1和PDM2法将CO2排放量变动分解成排放系数效应、结构效应、能源结构效应和能源强度效应，得出中国部门能源强度下降是该阶段CO2排放下降的主要原因，而其他三种影响相对较小。Ang等（1998）选取中国工业能源消耗及其CO2排放为实例，以1985―1990年为样本期，考察了4种能源（煤、石油、天然气和电力）和8个工业部门，得到的结论是，工业增加值和行业能源强度降低分别对工业CO2排放起到了最大的正效应和最大的负效应。Ramirez等（2005）对非高耗能行业能源强度进行分解分析，结论是结构效应起的作用较小，而能源强度的下降又导致了对能源新的需求。

上述文献的研究结果表明，不同历史时期中国CO2的减排主要归功于工业自身能源强度的下降，即工业能源利用效率的提高。但已有的文献将工业行业作为一个整体来研究，而对中低耗能行业则关注较少，事实上对于不同的行业，影响其能源消耗和CO2排放的因素可能有所不同，政策导向也会有区别。另外中国统计年鉴有详细的子行业划分种类，原有对六部门或八部门的研究是不够深入的，所得的结论在实施层面上往往缺乏操作性。以往文献在能源消耗分类的选取上一般基于一次能源，而实际根据IPCC能源排放系数的划分，能源消耗应划分更多的种类才能更准确地计算出部门的实际CO2排放量。特别是在电力排放系数的选取上采用固定的数值，不符合实际情况，得出的结论也就受到质疑。因此对子行业分类的研究并划分高耗能行业和中低耗能行业可以提供更有针对性的可行方案，缺点是计算过程比较繁琐。基于中国特有的背景和新的统计数据，结合改进的指数分解方法，有必要深入研究以提供政策指导。

二、概念界定和模型建立

（一）概念界定

目前对高耗能行业和中低耗能行业的界定还没有明确的划分方法。本文总结了以往的研究成果，将方法归总为三类：（1）划分出一些行业为高耗能行业，剩余行业为中低耗能行业。如将中低耗能行业定义为能耗成本未超过行业总产值的2%（Rohdin and Thollander，2006）。

（2）确定行业的内涵与外延，根据行业加工特点来划分。如将高耗能行业视为重工业，中低耗能行业归为轻工业(Tang and Criox，1993; Schipper，et al,2001)。

（3）明确定量界限，划分的标准有基于能源强度或能源消耗比例。被引用较多的Mongia等（2001）划分法，将耗能超过10亿PS（米制马力），且行业能耗占总能耗6%以上的行业定义为高耗能产业。

第一种方法的划分带有明显的主观性。第二种方法重工业和轻工业的划分基础是生产的加工过程，即重工业倾向于资本密集型，轻工业倾向于劳动密集型。实际上一个工业行业可分为多个子生产部门，不同部门的生产过程和消耗的能源种类是不同的。本文作了如下的定量比较，对2003年时间选在研究样本期内。36个工业子行业的能源消费（E）、资产合计（K）和年均劳动力（L）作双侧person相关性检验，结果如表1所示，E与K和L的相关系数分别为0.6362和0.4335，数值均为正且在0.01置信水平下显著，也就表明劳动密集型行业并非就是低耗能行业，因而第二种划分法就受到质疑。

本文采用第三种界定方法，主要参考两类指标，一是子行业能源消费总量，二是子行业能源强度，两者均为正向指标，即指标值越大，越倾向于高耗能行业。先按能源消费总量进行排序，然后按能源强度排序，由于随着年份的变化，不同行业能源强度会发生改变，因此对样本期每年都进行一次排序。为统一口径，首先剔除了其他矿采购业、木材及竹材采运业（在2003年的统计数据中将两者合为一起）和其他制造业（涵盖范围模糊）3个子行业，剩余36个行业。其次根据能源消费的绝对量进行排序，有10个子行业在各个年份都被列在前18种，食品制造业、石油和天然气开采业和纺织业分别有8年、7年和6年被列入前18。最后按照能源强度依次从高到低排序，结合已排出的能源消费量前18的行业，求出交叉结果列为高耗能行业，它们分别是纺织业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、造纸及纸制品业、化学纤维制造业、煤炭采选业、石油加工业及炼焦业、食品制造业、石油和天然气开采业和纺织业，剩余27个行业视为中低耗能行业。

通过公式（2）可得到工业增加值变化对行业CO2排放的影响；应用公式（3）可得到两类行业子行业内部结构的调整，即各个子行业工业增加值的变化对CO2排放的影响；应用公式（4）可得到子行业能源强度的变化对CO2排放的影响；应用公式（5）可求出子行业利用不同种类能源的变化对CO2排放的影响；应用公式（6）可找出CO2排放系数变化对CO2排放的影响。

三、数据来源和处理

本文基于数据的相对真实性、可得性和子行业划分的一致性张雷、蔡国田（2006）的研究表明，“九五”期间中国的能源消费数据做了修正，其失真程度相对较小，而“十五”期间失真程度相对较大。2004年起工业子行业划分种类与以往年份不同。，选取1993―2003年的工业部门二位码子行业为研究样本，各子行业能源消费指标数据来自《中国能源统计年鉴》（1991―1996、1997―1999和2006），行业增加值指标来自历年《中国统计年鉴》。

为深入研究，在能源种类划分上避免采用简单的一次能源划分法，根据《中国能源统计年鉴》中工业分行业终端能源消费量的分类，将工业分行业能源消费种类分为汽油、天然气、煤油、燃料油、电力、焦炭、煤炭、原油、柴油共9类。计算CO2排放量采用一次能源消费总量乘以各自的排放系数。排放系数的选取对CO2总排放量影响较大。在Torvanger（1991）、Ang和Pandiyan（1997）的研究中，煤炭、石油和天然气的排放系数分别是2.6、2和1.5万吨碳每拍焦耳。Zhang和Ang（2001）以每吨石油排放为标准，煤炭、石油和天然气的排放系数分别是3.99、3.07和2.35。本文中的9种化石燃料的排放系数均来自IPCC2006年版，由于能源消耗与排放系数单位的不统一，先要经过标准量电热当量计算法对单位进行换算。值得注意的是，电力排放系数随着能源消费种类的变化而发生改变，不能直接获得，因此我们根据中国能源平衡表火力发电指标中各种能源的投入量（如图1）电力行业排放的CO2主要来自火力发电，水力发电不作考虑范围。，乘以各自的CO2排放系数加总求出总的CO2排放量，再除以总的能耗量作为电力部门每年的排放系数（如图2）。火力发电以煤炭为主，且呈逐年上升的趋势，而原油、汽油、柴油和燃料油的投入相对较少。样本期间，电力CO2排放系数在2.38~2.72之间波动。

根据公式（1）运算得出我国工业高耗能行业和中低耗能行业CO2排放时序变化（如图3）。从图3可以看出，2001年前27个中低耗能行业CO2排放量大于9个高耗能行业，1996年两者差值最大，前者比后者多排放了41410.90万吨，但之后差值逐年缩小，到2000年仅相差664.51万吨。从2001年出现了相反的态势，高耗能行业比中低耗能行业多排放了3868.41万吨，这一趋势迅速扩大，到2003年前者比后者多排放了22986.22万吨，9个高耗能行业占到了36个行业总排放量的54.61%。进一步分解两类行业，就可以看出不同种类能源CO2排放的差异来源（见图4和图5）。

比较图4和图5可以看出，高耗能行业电力、原油和柴油三类能源占据主导地位，共占到了CO2总排放量的约93%。从纵向看，三者之间的结构出现了调整，电力CO2排放量从1994年的36.92%下降到了2003年的23.39%，原油呈增长的趋势，从26.88%上升到31.43%，而增长最快的是柴油，增长了31.73%，2003年CO2排放量占到了总排放量的38.90%，位居首位。中低耗能行业CO2排放一直以电力为主，但也出现了下降的趋势，从1994的108563.78万吨下降到了2002年的68277.51万吨，2003年有所上升，占到CO2总排放量的71.07%。原油和煤炭CO2排放量在样本期间出现小幅上升的趋势，与1994年相比分别上升了2.64%和2.32%，其他能源CO2排放量波动较小。可以看出高耗能行业比中低耗能行业多排放的CO2主要来自原油和柴油。

四、模型求解和讨论

根据公式（2-6），分别对两类行业影响效应进行求解，得到的结果见图6和图7，表现在：

工业经济增长效应。高耗能行业Dact在整个样本期间呈快速上升趋势（除1998年），且均大于1，2003年比1995年增长了145.88%，表明高耗能行业经济增长是CO2排放增加的主要原因。同样中低耗能行业Dact在整个样本期内都大于1，从1995年起一直上升，2003年达到2.5940，增长了140.53%，略低于高耗能行业在整个样本期间的增长。

子行业结构效应。高耗能行业Dact在整个样本期间均小于1，表明高耗能行业内部结构的调整有利于CO2的减排，特别是从1995年的0.8726一直下跌至2000年的0.7322，但从2001年开始上升，到2003年为0.9045。可能的原因是2001年钢铁、有色、化工、电力、石油加工及炼焦、建材等高耗能部门的快速增长，该年8个高耗能行业的单位产品能耗平均比世界先进水平高47％，而这8个行业的能源消费占工业部门能源消费总量的73％8个高耗能行业与本文的高耗能行业划分范围和方法有所不同。数据来自国家发展和改革委员会网站（www.sdpc.省略/mtbd/t20060721_77094.htm）。。中低耗能行业Dact总体上呈下降的趋势，从1995的0.9827下降至2003年的0.6931，下降了29.47%，且从2001年起均低于高耗能行业Dact值，表明中低耗能行业内部结构在不断优化，趋向于低耗能的态势。

能源强度效应。高耗能行业Dint从1995年的1.2371下降至2003年的0.57761，下降了53.31%，其中Dint最高出现在1996年，从2000起就小于1，表明以2000年为分界点，在这之前能源强度的变化加剧了CO2的排放，之后能源强度的降低又缓解了CO2的排放。中低耗能行业Dint从1995年的1.0331下降至2003年的0.4525，下降了56.20%。在整个样本期间中低耗能行业的Dint值均小于高耗能行业的Dint值，表明中低耗能行业能源强度效应对CO2减排所起的作用要大于高耗能行业。

子行业能源消耗结构效应。高耗能行业Dmix总体上呈下降趋势且数值均小于1，只是波动比较小，2003年与1995年相比，下降了2.91%。中低耗能行业Dmix表现出相反的变化状况，从1995年0.9887上升至2003年的1.0377，1997年起均大于1，充分表明中低耗能行业能耗结构趋向高排放能源的投入。

CO2排放系数效应。Demf的变化主要来自电力排放系数，由于缺少36个行业的电力消耗不同能源的数据，因此视高耗能行业和低耗能行业CO2排放系数表现一致。Demf在整个样本期间波动较小，振幅为0.0306，最低的年份为2002年的0.9990，最高的年份是1999年的1.0284，对CO2排放影响相对较小。原因在于电力发电以煤炭投入为主，且煤炭所占的份额呈上升的趋势。

图6 高耗能行业CO2排放分解图7 中低耗能行业CO2排放分解

五、结论和建议

如何有效地利用能源，减少CO2排放成为经济增长与环境保护的核心问题。本文将工业36个子行业划分为高耗能行业和中低耗能行业两类，利用LMDI指数分解法对1994―2003年间两类行业的CO2排放影响因素差异性进行了分析，得到以下结论：

第一，工业经济增长效应是高耗能行业和中低耗能行业CO2排放增长的主要原因。

第二，子行业结构效应有效地促进了两类行业CO2的减排，但中低耗能行业所起的作用要大于高耗能行业，且呈逐年上升的趋势，而高耗能行业Dact值下降到2002年，2003年又开始回升，即对CO2的减排作用有所减弱。

第三，高耗能行业能源强度效应从2000年开始有效地降低了CO2的排放，而之前是起加剧的作用。中低耗能行业能源强度效应在整个样本期对CO2都起到减排的作用，且所起的作用都大于高耗能行业。

第四，子行业能源消耗结构效应对高耗能行业影响较小，但总体上对CO2起减排的作用。而中低耗能行业Dmix值不断上升，从1997年起开始加剧CO2的排放。

第五，CO2排放系数效应在两类行业中表现一致，在整个样本期间作用表现较小。

研究结论给我们重要的启示：一是不管是高耗能行业还是低耗能行业，工业经济增长是CO2排放的主要原因，因此为实现社会的可持续发展，要积极调整产业结构，鼓励低耗能的第三产业的发展。二是工业子行业结构的调整对CO2起到了减排的作用，但要继续加强高耗能行业内部结构的优化，防止出现2003年反弹后的延续。三是在行业能源强度的控制上，历史证实已取得了巨大的进步，但还有待于技术进步或科技创新等来进一步降低能源强度，目前我国在能源强度的控制上与国际水平相比还存在着很大的差距，利用汇率法折算的2004年我国单位GDP能耗分别是日本的11.5倍，意大利的8.6倍，法国和德国的7.7倍，美国的4.3倍。四是要优化中低耗能行业能源的结构，现阶段高排放能源的投入有增长的趋势，要在充分利用各种不同能源的基础上及时调整中低耗能行业能源投入的比例。五是降低CO2排放系数效应，这一效应的降低归根结底还是要依靠不同能源投入结构的调整，特别是对火力发电能源投入的优化。

参考文献：

ANG B W. 2004. Decomposition analysis for policy making in energy: which is the preferred method ［J］. Energy Policy, (32):1131-1139.

ANG B W, LIU F L. 2000. A new energy decomposition method: perfect in decomposition and consistent in aggregation ［J］. Energy, 26(6): 537-548.

ANG B W, PANDIYAN G. 1997. Decomposition of energyinduced CO2 emissions in manufacturing ［J］. Energy Economics, 19 (3): 363-374.

ANG B W, ZHANG F Q, CHOI KI-HONG. 1998. Factorizing changes in energy and environmental indicators through decomposition ［J］. Energy, 23(6):489-495.

BOYD G, et al. 1987. Separating the changing composition of US manufacturing production from energy efficiency improvements: a Divisia Index approach ［J］. Energy Journal, 8 (2):77-96.

BOYD G A, HANSON D A, STERNER T. 1988. Decomposition of changes in energy intensity：a comparison of the Divisia Index and other Methods ［J］. Energy Economics, 10 (4): 309-312.

HOWARTH R B,et al. 1991. Manufacturing energy use in eight OECD countries［J］. Energy Economics, 13(2): 135-42.

HULTEN C R. 1973. Divisia Index numbers ［J］. Econometrica, 41(6): 1017-1025.

LIU N A,ANG B W. 2007. Factors shaping aggregate energy intensity trend for industry: energy intensity versus product mix［J］. Energy Economics, in press.

MONGIA P, SCHUMACHER K, SATHAYE J. 2001. Policy reforms and productivity growth in India′s energy intensive industries ［J］. Energy Policy, 2(9): 715-724.

PARK S H. 1992. Decomposition of industrial energy consumption：an alternative method［J］. Energy Economics, 14(4): 265-270.

PARK S H, et al. 1993. A crosscountry decomposition analysis of manufacturing energy consumption ［J］. Energy, 18(8): 843-858.

RAMIREZ C A, PATEL M, BLOK K. 2005. The nonenergy intensive manufacturing sector: an energy analysis relating to the Netherlands ［J］. Energy, 30(5):749-767.

ROHDIN P, THOLLANDERP.2006. Barriers to and driving forces for energy efficiency in the nonenergy intensive manufacturing industry in Sweden ［J］. Energy, 31(12):1836-1844.

SCHIPPER L,et al.2001. Carbon emissions from manufacturing energy use in 13 EIA countries: long trends through 1995［J］. Energy Policy, (29):667-668.

SHRESTHA R, TIMILSINA G R. 1996. Factors affecting CO2 intensities of power sector in Asia: a Divisia decomposition analysis［J］. Energy Economics, 18(4): 283-293.

TANG C,CROIX S LA . 1993. Energy consumption and economic activity in China ［J］. Energy, 14 (4):21-37.

TORVANGER A. 1991. Manufacturing sector carbon dioxide emissions in nine OECD countries: 1973-1987 ［J］. Energy Economics, 13(3): 168-186.

ZHANG F Q, ANG B W. 2001. Methodological issues in crosscountry/region decomposition of energy and environment indicators ［J］. Energy Economics, 23(2):179-190.

Ｒesearch on the Differences of CO2 Emission from Industries in China

――Based on EnergyIntensive and NonEnergyIntensive Industries

ZHA Donglan ZHOU Dequn

(School of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210016)

Abstract: The influencing elements of different consuming energy industries of CO2 emission are different, we compare, by implying the improved index decomposition method LMDI, the differences of influencing factors of CO2 emission between energy-intensive and non energyintensive industries from 1994 to 2003. Our findings are as follows. Firstly, the economic and structural effects separately increase and alleviate CO2 emission. Secondly, the energy intensity effect experiences a transition from increasing CO2 emission to restraining CO2 emission, while it shows the CO2 emission declining trend from non energyintensive industries during the whole sampling times. Thirdly, the alleviating function of structural effect on CO2 emission is relatively low in non energyintensive industries but is quite high and maintains a trend of consistent enlargement in non energyintensive industries. Fourthly, the impact of coefficient effect of CO2 emission is not obvious on both energy intensive and non energy intensive industries.

Keywords: energyintensive industries; non energyintensive industries; CO2 emission; index decomposition

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”