关键词：能源碳排放量万元GDP碳排放量人均碳排放量
中图分类号：X24文献标识码：A文章编号：1007-3973（2012）001-130-02
1引言
全球气候变暖对地球生态和人类生活构成了严重威胁,是全人类面临的共同挑战，这既是环境问题,也是发展问题，因此成为各国政府和人民共同关注的焦点。碳减排是国际社会尤其是发达国家及碳排放大国共同承担的责任，但要完成一国理应承担的减排责任，需要一国内部各区域协调联动，从而顺利实现减排目标，为自身以及人类可持续发展做出相应贡献。
本文以云南省为研究对象，对其1998～2008年的能源碳排放量、万元GDP碳排放量和人均碳排放量进行了估算，同时对估算结果进行了分析评价，以期得出富有参考价值的结论及减排措施。碳排放是温室气体排放的一个简称。温室气体中最主要的气体是二氧化碳，因此用碳一词作为代表。本文的碳排放特指的是二氧化碳的排放。
2估算方法
2.1能源碳排放量
由人类社会经济活动所产生的二氧化碳等温室气体的排放是致使全球气温变暖的最主要原因，而二氧化碳主要是来源于能源的消耗。我国是能源消费大国，特别是煤、石油和天然气等化石能源的消费比例较高，三者之和占我国能源消费总量的92.8%，因此二氧化碳的排放主要来自于化石能源的消耗。本文所说的能源碳排放量，特指煤炭、石油和天然气这三种化石能源的碳排放量。
注：数据来源于《中国能源统计年鉴2007》《中国可持续发展能源暨碳排放情景分析》。
确定的碳排放量计算方法来源于2050中国能源和碳排放研究课题组编写的《2050中国能源和碳排放报告》，计算公式为：
Ai=SiPiCi4/12（2-1）
式（2-1）中，Ai表示某种能源的年碳排放量，计算结果为碳的年排放量，需要乘以44/12换算成二氧化碳的年排放量，单位为万吨；Si表示某种能源折算标准煤参考系数，具体见表2-1；Pi表示某种能源的年消费量；Ci表示某种能源的碳排放系数，具体见表1；i表示能源种类，即原煤、原油和天然气这三种能源，取值为1、2、3。（在计算时根据数据的可获取性，煤炭和石油的数据，分别用原煤和原油的数据来代替）见表1。
2.2万元GDP碳排放量
万元GDP碳排放量的估算公式为：
AGDP=(A1+A2+A3)/GDP（2-2）
AGDP表示万元GDP年碳排放量，单位吨/万元；A1表示原煤的年碳排放量，单位为万吨；A2表示原油的年碳排放量，单位为万吨；A3表示天然气的年碳排放量，单位为万吨；GDP的单位为亿元。
2.3人均碳排放量
人均碳排放量的估算公式为：
AP=(A1+A2+A3)/P（2-3）
AP表示人均年碳排放量，单位为吨/人；P表示常住人口数，单位为万人。
3估算结果
云南省能源碳排量、万元GDP碳排放量和人均碳排放量，根据公式（2-1）可得估算结果见表2、图1、图2、图3和图4。
4分析评价
4.1原煤碳排放量最大，且三种能源碳排放量都呈现波动上升的趋势
根据表2和图1、图2和图3来看，11年中，云南省原煤、原油和天然气的碳排放量呈现上升的趋势，三大能源中原煤的碳排放量巨大。原煤累计碳排放量占能源累计碳排放总量的90.0%，原油累计碳排放量占能源累计碳排放总量的9.0%，天然气累计碳排放量只占能源累计碳排放总量的1.0%。巨大的原煤碳排放量对实现减排目标造成了很大的障碍。
原油在消费过程产生的二氧化碳远小于原煤产生的二氧化碳量，虽然原油产生的二氧化碳量不多，但在一定程度上对能源的年碳排放总量产生影响。
天然气的碳排放量从1998～2008年都有波动，但波动中变化的量并不太大。天然气较以上的原煤和原油来看，消费中产生的二氧化碳量最少。
4.2万元GDP碳排放量有波动，但总的趋势在下降
根据表2和图4来看，11年中，万元GDP碳排放量出现波动变化的状态，但总的趋势是在下降，出现波动的原因可能是与某些年份的产业结构调整，大量耗能工业的调整有关。在工业化的不同阶段，对能源的消费需求是不同的，导致了碳排放量的不同。但随着经济的发展，技术的进步，能源利用效率的提高，万元GDP碳排放量会逐渐呈现下降的态势。
4.3人均碳排放量呈现逐年上升的态势，且受人口消费习惯的影响较大
根据表2和图4可以看出，从1998年～2008年，云南省人均碳排放量逐年上升。人口因素对碳排放量的影响，主要从人口数量因素和人口消费习惯因素两个方面对其产生影响。11年中，云南省的常住人口变化不大，但人均碳排放量却逐年上升，可以看出人口消费习惯对二氧化碳排放产生了较大的影响，因为生产产品并消费其最终目的是为了满足人类的消费需求。由于在消费过程中缺乏合理引导,导致人们在消费过程中形成了很多不良的消费习惯,这些消费习惯和行为产生了一定的碳排放量。
5云南省减少碳排放量的措施
5.1将重心放在提高能源利用效率和改进能源利用结构上
云南目前正处于经济发展的关键时期，综合实力逐步增强的同时对能源的需求也与日俱增，与此相伴随的是二氧化碳等温室气体排放量的持续增加，但这恰恰是经济发展的必然现象，并不违背历史规律。然而，为了减轻环境压力和维护人类的生存安全，提高能源利用效率和改进能源消费结构是其不可推卸的责任和义务。
5.2提高经济增长的质量和促进产业结构升级可以有效抑制二氧化碳排放量的增长
粗放式经济增长的特点是高投入、高消耗、高污染和低产出，严重影响了区域经济发展的质量和内涵，与此相对应的低投入、低消耗、低污染和高产出的集约型的高质量的绿色发展模式便成为必然选择和追求目标，而这其中的关键又是产业结构的升级和效益的提高。
5.3转变消费观念
人口基数的大小与二氧化碳排放量之间并不存在必然的因果联系，反而消费习惯、消费结构对二氧化碳排放的影响更为直接，因此正确引导人们的消费习惯、倡导文明消费以及培养消费责任心就成为重点所在，只有坚持消费的低碳化和可循环,才能实现“高碳”经济向“低碳”经济的转变。
5.4政府政策的正确约束和引导
政府的政策在一个区域的发展中，起着重要的作用。所以政策的约束和引导作用无疑将促进低碳经济的发展，为二氧化碳减排提供政策保障作用。所以，各级政府应把碳减排政策放在突出地位，切实保障社会经济发展的成果，以实现经济又好又快发展。
参考文献：
[1]陈文颖,高鹏飞,何建坤.用中国MARKAL-MACRO模型研究碳减排对中国能源系统的影响[J].清华大学学报(自然科学版),2004,44(3):342-346.
[2]何建坤,刘滨.我国减缓碳排放的近期形势与远期趋势分析[J].中国人口资源与环境,2006,16(6):153-157.
关键词：SML指数；CO2排放绩效；技术进步；技术效率
中图分类号：F205文献标识码：A文章编号：1003-5192(2012)02-0057-05
SpatialDifferenceandCausesResearchonContinuousTotalFactorCO2EmissionPerformanceinChina――BasedonSequentialMalmquist-LuenbergerIndexAnalysis
YOUJian-xin1,CHENZhen1,ZHANGLing-hong1,MAJun-jie2
(1.SchoolofEconomicsandManagement,TongjiUniversity,Shanghai200092,China;2.SchoolofLaw,TongjiUniversity,Shanghai200092,China)
Abstract:Basedontheliterature,SML(SequentialMalmquist-Luenberger)IndexisadoptedtoestimatethecontinuousCO2emissionperformanceofprovincesinChinafrom1998to2009.And,theregionaldifferenceofthisperformanceandtheinfluentialfactorsareanalyzed.Astheresearchresults,wefoundthat:TheincreaseofCO2emissionperformanceofprovincesinChinaareallcontributedbytechnicalchange;RegardingtheinfluentialfactorstotheCO2emissionperformance,R&Dprofessionals,regionaleconomicdevelopment,industrialstructurealloffersasignificantpositiveeffect,whileenergyintensity,energystructurebothpresentsasignificantnegativeeffect,andtheintensityofR&Dplaysaninsignificantinfluenceasindirectmoderatingeffect.
Keywords:SMLindex;CO2emissionperformance;technicalchange;technicalefficiency
1引言
全球气候变化是当今社会最严峻的问题之一。随着世界经济社会的不断发展，温室气体（以CO2为主）排放持续上升，环境气候问题凸现，从科学角度出发，必须大幅度减少全球二氧化碳排放。经济增长与碳减排之间的矛盾日趋尖锐。但是，中国目前仍是一个发展中的国家，在确保经济稳步发展的同时如何实现2022年碳排放强度相比2005年减少40%～45%的减排目标是摆在面前的又一难题，根本出路只有大力发展低碳经济，有效提高能源使用效率和二氧化碳排放绩效。因此，科学精确地评估我国二氧化碳排放绩效现状，深入分析我国二氧化碳排放的历史、空间差异，是挖掘其主要影响因素的首要条件，是进一步开展各类减排活动和制定各种政策的基础。
迄今为止，国内外对碳排放绩效的研究尚仍处于起步阶段，从要素投入角度可以将现有研究划分为单要素碳排放绩效研究和全要素碳排放绩效研究。Ramanathan认为应该从整体的角度，将所有相关的变量，如经济活动、能源消耗和CO2排放放在一起构建绩效评价指数更为合适［1］，即“全要素”的思想。环境DEA技术即Malmquist-Luenberger指数被广泛应用于评价的全要素环境绩效和二氧化碳绩效。Chungetal.首次将Malmquist-Luenberger技术应用到宏观层面［2］，随后，Kortelainen运用ML技术估算了欧盟20个国家的动态环境绩效(CO2)［3］；Zhouetal.首次将CO2排放绩效作为一个独立于环境绩效的概念进行研究，通过运用ML指数估算了1997~2004年期间18个国家动态的CO2排放绩效［4］；陈诗一通过构建动态(节能减排)行为分析模型对我国工业节能减排损失和收益进行了预测［5］；王群伟等应用Zhouetal.的环境DEA方法对中国二氧化碳排放绩效进行评估并分析了区域差异和其影响因素［6］；王兵等运用SBM方向性距离函数和ML指数测度了考虑资源环境因素下中国1998~2007年30个省份的环境效率、环境全要素生产率及其成分［7］；刘明磊等运用非参数距离函数方法对能源消费结构约束下的我国省级地区碳排放绩效水平和二氧化碳边际减排成本进行了研究［8］。
综上文献，在测度全要素环境绩效和二氧化碳排放绩效时都是运用了基于方向性距离函数的Malmquist指数或ML指数，在计算距离函数时均以当期观测值来构造生产边界，每一年的投入和产出是被割裂开的，是一种割裂的非连续的绩效测算方法。一般来说，在宏观经济视角下技术总是进步的，至少维持在原有水平不会倒退，传统的ML指数计算方法通常会得出长期的技术退步［9］。为了防止出现技术退步这一缺陷，本文通过借鉴DonghyunandAlmas［10］序列DEA的思想，基于省际面板数据，运用SML指数方法对我国1999~2009年各省市二氧化碳排放绩效指数进行估算，同时降解为技术进步指数和技术效率指数进行深入分析，根据结果讨论其空间差异并通过运用面板数据模型探索其差异形成的主要成因。
2变量、数据及方法
2.1变量选取与数据处理
假设投入指标为资本（K）、劳动力（L）和能源（E），产出指标为期望产出地区生产总值（y）和非期望产出二氧化碳（b），则生产过程可描述为
P（K，L，E）={（y，b）∶（K，L，E；y，b）∈T}（1）
样本及数据选取考虑实证的需要和数据的可得性，观测区间为1999~2009年面板数据，由于和海南数据缺失过多将其剔出，而计算资本存量时重庆与四川一起方便统计，故样本为中国28个省市自治区。资本存量计算是在单豪杰［11］基础上根据其资本存量计算方法测算补充了2008~2009年数据。劳动力是各地区年初、年末就业人数的算术平均值。能源投入是分别将各地区消耗的煤炭、石油、天然气根据各自能源标准煤折算系数统一换算为标准煤加总。各省市GDP是根据各省区市GDP平减指数将名义GDP转化为以1952=100的价格。CO2分别将煤炭、石油、天然气换算成标准煤，借鉴徐国泉［12］碳排放折算系数再分别将其转换为后加总。相关数据来源于《中国统计年鉴》和《中国能源统计年鉴》。投入产出数据描述性统计见表1。
在具体测算过程中，已有研究均是通过运用方向距离函数对期望产出和非期望产出进行主观处理，如Zhouetal.［4］和王群伟［6］采用了基于二氧化碳为导向的方向距离函数，而刘明磊等是通过将方向向量定义为g(gy，gb)=(0，-b)，表示假设在保持经济产量不变的前提下，通过减少碳排放总量的增长率使评价达到有效，然而，我国目前的状况是经济在增长的同时碳排放量在增加，但是，主观上我们希望的是不断提高期望产出GDP增长率，同时尽可能减少非期望产出CO2排放量的增长率，因此，本文采用直接产出距离函数，即将DDF定义为D(x,y,b)=max{(1+β)y,(1-β)b∈P(x)}，表示寻求经济产值增长率最大化的同时使得二氧化碳排放量增长率尽可能减少。旧经济模式是高增长、高消耗、高排放的模式，低碳经济是追求保证经济增长过程中尽可能地减少碳排放量的低碳、高增长的发展模式。而基于直接方向距离函数的SML指数正是主观上反映了经济增长的质量，期望实现真正的高效、环保的低碳经济发展模式。Zhouetal.认为这种方法可以用来估算某一个特定时期的各区域二氧化碳排放绩效［4］，即为全要素生产率框架下的二氧化碳排放绩效。
3中国省际全要素碳排放绩效测算及结果分析
SML计算方法与传统的ML测算方法相同，可以测算出我国各省市碳排放绩效指数（SMLCPI）并分解为技术进步指数(STE)和效率变化指数(SEF)，由于篇幅所限，详细技术可参见Chungetal.［2］和DonghyunandAlmas［10］的文章。
3.1我国CO2排放绩效总体趋势分析
从全国平均来看，SML指数估算CO2排放绩效指数、技术进步指数、效率变化指数总体平均值为1.00732、1.008874、0.998511，表明1999~2009年中国二氧化碳排放绩效增长率为0.732%，技术进步率为0.8874%，效率变化率为-0.149%；总体碳绩效平均值大于1，说明近10年来，我国碳排放绩效总体上是不断提高的；效率变化指数平均值小于1，说明随时间推移各省市之间追赶效应在弱化，经济差距在拉大；技术进步指数平均值大于1，显示技术进步是我国各地区碳排放绩效增长的主要动力。计算结果总体变化趋势如图1所示。
从图1可见，绩效降低的年份只有2004、2005年，与王群伟等［6］估算结果2003~2005碳排放绩效都有所下降不同，此处2003年技术进步规避了效率降低带来的负面效应，碳排放绩效总体有所提高，2004、2005年二氧化碳排放绩效总体下降的主要原因是技术效率的降低。究其原因可能是因为“十一五规划”中后期显示出过度重工业化特征，特别是2003年后，我国的重化工业化趋势再度显现，中国的能耗和排放再次大幅增长［13］。
3.2我国各省市碳排放绩效空间差异分析
根据估算结果，为了方便分析，将我国各省市大致分成三类。
第一类，碳排放绩效大于1，且主要是由于技术进步和效率提高的共同作用，如北京、天津、山西、黑龙江、上海、安徽、湖北、湖南、广西、包含重庆在内的四川、贵州；第二类，碳排放绩效大于1，但主要原因是技术进步的作用抵消掉了效率降低的影响而使得碳排放绩效提升，如河北、内蒙古、吉林、江苏、浙江、山东、广东、陕西和甘肃；第三类，碳排放绩效小于1，如辽宁、河南、云南，但是三者成因各不相同，辽宁主要是技术进步指数降低导致，河南绩效降低是效率降低的影响大于技术进步的作用，而云南则是由于技术退步和效率降低共同导致。
从各省市变化情况来看，多数省份效率较低，可能存在只重视技术进步这一硬性因素而忽视了影响效率变化的管理机制等软性因素所造成的，因此，接下来将以SML指数运算结果对各省份碳排放差异进行分析。
4中国省际全要素碳排放绩效空间差异成因分析
通过运用SML指数方法估算了我国各省市二氧化碳排放绩效（SMLCPI），从时间和空间两个纬度对其进行了深入分析，但是，我们更想知道导致其差异的主要原因有哪些。如上所述，省际间的技术进步对碳排放绩效贡献影响很大，众所周知，R&D投入是衡量技术进步水平的关键指标，而本国的R&D投入是一种受商业或国家利益驱使的广义上的人力资本投资［14］，在本文特指R&D人员RD和R&D强度RG。除此之外，综合考虑前人的研究，考虑二氧化碳排放的主要影响因素，选取经济发展、能源强度、产业结构和能源结构四个指标，因此，分别从技术进步水平、经济发展水平、能源强度和结构因素四个方面六个指标对我国省际二氧化碳排放绩效差异的成因进行考察诠释。在此基础上选取我国各省市1999~2009数据构建了我国二氧化碳排放绩效影响因素研究的面板模型（3），表3给出了计量模型相关变量的数据来源与处理方法。
此处，对回归模型（3）采用固定效应模型运用一般最小二乘法进行估计，结果显示，调整后R2为0.74816，拟合度较高。R&D强度对二氧化碳排放绩效影响不显著，表明近阶段研发投入没有显著向能源环境研究领域侧重；R&D人员对二氧化碳排放绩效有很大促进作用，系数为0.190109，且在5%显著水平下显著，表明在很大程度上R&D人员对降低碳排放绩效作用很大，主要原因可能在于R&D人员可以促进技术进步，通过知识溢出提高当地技术水平，从而促进碳排放绩效的提高；经济发展水平对二氧化碳排放绩效亦有正效应，系数为0.020228，且在1%显著水平下显著，即表明经济发展水平越高，相应的碳排放绩效越高；能源强度和能源结构对碳排放绩效呈现负效应，系数分别为-0.024007和-0.052750，且分别在1%和10%显著水平下显著，即表明能源强度越高、煤炭消耗占能源消耗比重越高，相应的二氧化碳排放绩效越低；产业结构对二氧化碳排放绩效影响也是正向效应，系数为0.295127，在1%显著水平下显著，表明产业结构调整对碳排放绩效提高也有显著影响。此外，笔者将R&D强度与其它解释变量做了面板回归检验，R&D强度分别对经济发展水平、能源强度和能源结构影响显著，表明现阶段我国R&D投入是通过不断提高经济发展水平、降低能源强度、优化能源结构来间接促进二氧化碳绩效的提高，呈现间接调节作用。
5结论及政策建议
通过运用基于直接距离函数的SML指数对1999~2009年我国各省市碳排放绩效进行估算，并将其降解为技术进步指数和效率变化指数，从时间和空间两个纬度对运算结果进行深入分析，进而通过运用面板数据构建了我国碳排放绩效影响因素计量模型挖掘其差异形成的主要原因。
研究结果表明：第一，从总体发展趋势上看，我国1999~2009年二氧化碳排放绩效指数SML平均值大于1，效率变化指数SEF平均值小于1，技术进步指数STE平均值大于1，表明过去10年我国碳排放绩效呈改善趋势，技术进步是我国各省市碳排放绩效增长的主要动力；第二，根据各省市碳排放绩效、技术进步指数和效率变化指数的空间差异将我国各省市大致分成三类进行研究，可以看出我国各省市需要继续强化技术进步外更应该重视软实力研究；第三，我国二氧化碳排放绩效主要影响因素中，R&D人员、经济发展水平、产业结构显示显著正的效应，每增加一个单位将导致二氧化碳的排放绩效分别提高0.190109、0.020228、0.295127个单位；而能源强度、能源结构对碳排放绩效影响呈现逐负效应，每增加一个单位将导致二氧化碳的排放绩效分别降低0.024007和0.052750个单位；此外，R&D强度对二氧化碳影响不显著，但是R&D强度分别对经济发展水平、能源强度和能源结构影响显著，存在间接调节作用。
上述结论对于政策的制定有一定的启示：针对第二类地区，存在效率降低的问题，需要不断提高自身“软”性因素，在未来的发展中应该更加重视鼓励技术效率的提高，不断提高人员素质和管理水平，重视“软”实力的提升；针对第三类地区，仍然要下大力气在技术进步上，技术进步是提高碳排放绩效的关键，此外，也要注重“软”实力的提升。另外，各省市都应该持续加大研发资源投入，在R&D投入方面，将R&D人才的引进作为发展的前提，做好相关配套，要做到引得进、留得住；应该持续不断提高R&D强度，同时在未来的工作中对能源环境领域的R&D投入要有所侧重，不断创新改善能源环境技术，从正面促进二氧化碳排放绩效的提高；应该保证经济稳步增长，迅速转变经济增长方式，注重技术投资，尤其是能源环境技术。不断优化产业结构，提高第三产业的比重，鼓励发展服务业。但是，我们在扩大第三产业比重的同时需要注意提高服务人员的素质，普及低碳理念、增强低碳意识。加快能源结构调整，尽可能降低一次能源的使用率。
参考文献：
［1］RamanathanR.CombiningindicatorsofenergyconsumptionandCO2emissions:across-countrycomparison［J］.InternationalJournalofGlobalEnergyIssues,2002,17(3):214-227.
［2］ChungYH,FreR,GrosskopfS.Productivityandundesirableoutputs:adirectionaldistancefunctionapproach［J］.JournalofEnvironmentalManagement,1997,51(3):229-240.
［3］KortelainenM.Dynamicenvironmentalperformanceanalysis:amalmquistindexapproach［J］.EcologicalEconomics,2008,64(4):701-715.
［4］ZhouP,AngBW,HanJY.Totalfactorcarbonemissionperformance:amalmquistindexanalysis［J］.EnergyEconomics,
2010,32(1):194-201.
［5］陈诗一.节能减排与中国工业的双赢发展:2009-2049［J］.经济研究,2010,(3):129-143.
［6］王群伟,周鹏,周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素［J］.中国工业经济,2010,(1):45-54.
［7］王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长［J］.经济研究,2010,(5):95-109.
［8］刘明磊,朱磊,范英.我国省级碳排放绩效评价及边际减排成本估计：基于非参数距离函数方法［J］.中国软科学,2011,(3):106-114.
［9］ShestalovaV.Sequentialmalmquistindicesofproductivitygrowth:anapplicationtoOECDindustrialactivities［J］.JournalofProductivityAnalysis,2003,19(2):211-226.
［10］DonghyunO,AlmasH.Asequentialmalmquist-luenbergerproductivityindex:environmentallysensitiveproductivitygrowthconsideringtheprogressivenatureoftechnology［J］.EnergyEconomics,2010,32(9):1345-1355.
［11］单豪杰.中国资本存量K的再估算：1952-2006年［J］.数量经济技术经济研究,2008,(10):17-31.
［12］徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析：1995-2004［J］.中国人口资源与环境,2006,16(6):158-161.
【关键词】中国工业能源消耗导致的碳排放减排
【Abstract】Thispaperanalyzestheindustrialenergy-relatedCO2（carbondioxide）emissionsofChinafrom2001to2011.ThetotalindustrialenergyconsumptionofChinaincreasedby130.02%，andtheindustrialenergy-relatedCO2（carbondioxide）emissionsgrewby157.49%from2001to2011.TheCO2emissionsdecompositionillustratedthatthescaleofproductionfactorplaysamajorroleinthegrowthofChinaindustrialenergy-relatedCO2（carbondioxide）emissionsandtheaveragecontributionofcarbonemissionsisupto221.24%inthestatisticalperiod；theintensityofenergyfactorplaysamajorroleintheslowdownforthegrowthofindustrialenergy-relatedCO2（carbondioxide）emissionsofChinaandtheaveragecontributionofcarbonemissionsis-116.03%inthestatisticalperiod.Meanwhile，Chinaenergyconsumptionperunitindustrialaddedvaluein2011fellby46.75%comparedto2001，carbonemissionintensityfell71.15%.ThisillustratestheenergyconservationandemissionreductionworkinChinabetween2001and2011achievedacertaineffect，anditsindustrialstructuregotabetterimprovement.
【Keywords】China；industryenergy-relatedCO2（carbondioxide）emissions；emissionreduction
1引言
在过去的一个世纪，特别是最近三十年，全球气候发生了显著地变化，全球气温上升就是最大的警告。面对国际上减少温室气体排放量以及日趋严峻的能源危机的压力，中国节能减排、降耗任务迫在眉睫。
通过对于文献的检索发现，目前的文献对中国工业能源消费因素分解研究的较多，而对于中国工业能源消费导致的二氧化碳排放量因素分解的相较少，因此本文通过一系列的模型和数据来分析中国工业能源消费导致的二氧化碳排放量的变化及影响它的主要因素，并就目前所存在的问题提出一定的意见与建议。
2模型的建立和数据来源
2.1碳排放量的测算
式中QT：第t年工业总产值；EiT：第i行业t年能源消费量；：第i行业j种能源第t年的碳排放量；SiT：第i行业第t年的产出占总产出水平的比重（QiT/QT）；IiT：第i行业第t年的能源消费强度（EiT/QiT）；：第i行业j种能源第t年的能源消耗占该行业能源消耗的比重（：第i行业j种能源第t年的碳排放量与能源消耗量的比值（。
2.3数据来源及说明
本文主要基础数据来源于中国工业经济统计年鉴[2]和中国能源统计年鉴[3]。能源消费量中，煤炭、油品、燃气折标系数使用企业上报数据，电力折标系数采用4.04，各项数据均采用当量值（特殊情况将给予说明）。
在LMDI模型中工业产值以2001年为不变价格。
3结果和分析讨论
3.1中国工业能源消耗
3.1.1中国工业能源消耗总量和增加值能耗
图1所示为中国近8年来工业能源消耗总量和单位增加值能耗的变化情况，从中可以反映出中国的能源整体利用状况。
3.1.2中国工业终端能源消费结构
图2为中国2001-2011年工业终端能源消费变化图。
3.2中国工业能源消费的碳排放量
图3所示为中国近年来工业能源消耗所导致的二氧化碳排放量和碳排放强度的变化情况，从中可以反映出中国工业能耗碳排放量的总体状况。
3.3中国工业能源消费导致的碳排放量的因素分解
为了更好地分析中国工业能源消费导致的二氧化碳排放量的变化，本文利用了LMDI模型对中国工业碳排放量进行了分解分析。根据碳排放量分解的LMDI模型，将数据带入公式（7）-（13），将得到的结果表示在图4、5中。因为碳排放系数在实际应用中取常数，所以，碳排放系数效应为0。
图5采用与图4不同的折线图可以更好地反映出能源消费导致的碳排放效应值的变化趋势。
耐5中可以看出，中国2001-2011年的工业能源消费导致的二氧化碳排放量变化可以分为三个阶段。
第一个阶段：2001-2002年，中国工业能源消费导致的二氧化碳排放量增长较慢，四种效应的影响程度较小。
第二个阶段：2003-2005年，相比于第一个阶段，中国的工业能源消费导致的二氧化碳排放量加速增长，增速明显要明显高于第一阶段。之所以出现这种情况，是因为中国经济的飞速发展导致经济规模的不断扩大，因此经济规模效应增速明显，而经济规模因素效应占总效应比例非常高，因此带动着总效应的显著增大。
第三个阶段：2006-2011年，中国工业能源消费导致的二氧化碳排放量增速相对于前两个阶段比较缓慢，这是因为中国在“十一五”和“十二五”初期颁布了多项节能减排政策、采取了大量节能技术改造措施，因此能源强度效应比较明显，能源消费强度效应增加值较大，各种因素共同作用的结果，使得总效应的增速相对于第二阶段有所放缓。说明能源强度因素对总的能源消费导致的二氧化碳排放量起到了较为明显的抑制作用。
4结论与建议
4.1结论
（1）由于经济的快速发展，中国2011年的工业能耗比2001年增长了130.02%；而由于节能减排政策的落实和节能技术措施的应用，中国2011年工业单位增加值能耗比2001年下降了46.75%。
（2）中国工业能源消费导致的二氧化碳排放量逐年升高，从2001年到2011年其年平均增长率10.03%；而2011年中国工业碳排放强度比2001年下降了71.15%。
（3）在能源消费导致的二氧化碳排放分解出的因素中，经济规模因素对能源消费导致的二氧化碳排放促进作用最为明显。
4.2政策建议
为了推进节能减排、实现绿色低碳发展个进一步调整能源结构这一目标，依据本文实证结果和中国工业发展现况，本文提出如下建议：
（1）提高优质能源的使用比例。
（2）进一步优化产业结构，加快推进高科技低能耗行业的发展，走以集约型、节约型、环保型为特色的新型工业化道路。
（3）充分利用类似于好碳排放权交易所这一类机构，运用市场机制以较低成本实现绿色低碳发展。
（4）各级政府有关职能部门要协调配合，各负其责，齐抓共管，加强监督，使节能政策落到实处。
参考文献：
[1]IPCC，2006.The2006IPCCGuidelinesforNationalGreenhouseGasInventories（2006Guidelines）.