中國城鄉居民生活消費碳排放變化的比較研究

范建雙周 琳

?

中國城鄉居民生活消費碳排放變化的比較研究

范建雙1,2*周 琳1,2

(1.浙江工業大學經貿管理學院,浙江 杭州 310023；2.浙江工業大學技術創新與企業國際化研究中心,浙江 杭州 310023)

基于碳排放系數法估算了1997~2015年中國城鎮、農村和整體(包含城鎮和農村)居民生活消費引起的直接碳排放量,進一步采用Dagum基尼系數和Kernel 密度函數估計方法對中國城鎮和農村居民生活消費碳排放的地區差距及分布動態進行實證研究.同時,采用乘積式對數平均迪式指數模型(M-LMDI)分析了直接能源消費強度、居民人均消費水平和單位能源碳排放強度3大因素對居民消費碳排放變化的影響,并重點考察了各省份相關變量對生活消費碳排放影響的城鄉差異.結果表明:(1)中國城鎮和農村居民人均生活消費碳排放量在研究期內呈現逐年遞增的趨勢,在空間上均存在顯著非均衡特征.(2)中國居民人均生活消費碳排放的地區總差異呈現波動下降的趨勢,從1997年的0.379下降到2015年的0.244.1997~1999年城鎮和農村居民生活消費碳排放的組間差距是城鄉差距的主要來源,其貢獻率超過50%.2000年后組內差距成為城鄉差距的主要來源,其貢獻率均大于40%并超過了組間差距.(3)城鎮和農村居民人均生活消費碳排放均在增加,地區差異均在擴大.(4)對全國居民生活消費碳排放變動貢獻最大的省區是內蒙古,累計貢獻值達0.1005.貢獻最小的省區是云南,累計貢獻值為0.0125.(5)農村的能源消費強度和人均消費水平的貢獻程度在研究期內均大于城鎮,單位能源碳排放強度在兩個地區的貢獻水平表現出了波動性.

城鎮居民；農村居民；生活消費；碳排放；Dagum基尼系數；LMDI

隨著科技進步和城鎮化進程的加速,人們的生產和生活方式發生了改變,能源消耗結構也發生改變,消耗數量不斷增加,給全球碳減排帶來了巨大壓力.隨著家庭能源需求的不斷上升,人們開始意識到居民生活消費所引起的直接和間接碳排放,已經或者即將成為新的碳排放增長點.在一些城鎮化水平較高的發達國家,家庭能源消費已經超過工業部門,成為重要的碳源[1].隨著中國刺激消費和拉動內需政策的進一步實施,我國未來居民消費模式變化引起的能源消耗數量和結構變化必將對碳排放產生越來越重要的影響[2].同時,城鎮和農村作為承載人類生活和生產的兩種不同空間載體,二者之間在諸多方面存在較大差異.而作為在城鎮和農村從事生產和生活的主體,居民的消費行為和消費方式也截然不同,從而導致能源消耗結構和數量存在較大差異.隨著城鎮化進程的加速,不斷有農村居民向城鎮轉移和集聚,這在導致能源消耗結構和數量發生變化的同時,也引起了碳排放的變化.中國的城鎮化率已經由1978年的17.92%增加到2015年的56.10%,期間增長了3倍多.城鎮人口增加的同時農村人口在不斷減少,相應的城鎮居民和農村居民生活消費也發生了巨大變化,勢必導致生活消費碳排放發生重要變化.同時考慮到我國不同區域之間的經濟發展水平差異較大,碳排放與區域經濟發展之間存在長期均衡關系[3].因此,從城鄉差異的視角考察居民消費碳排放的規模和結構特征,并基于歷史數據測算各省區相關變量與全國城鄉居民消費碳排放之間的數量關系,并對城鄉差異進行比較,對于綜合權衡城鄉和區域間的碳減排目標具有重要的現實意義.

由于發達國家基本完成了城鎮化建設,家庭部門是僅次于工業部門的第二大能源消耗主體.因此,早期對于居民消費碳排放的研究更多集中在這些發達經濟體,如美國[4]、英國[5]、丹麥[6-7]、西班牙[8]和希臘[9].這些文獻均認為不同的家庭消費模式和消費水平均會對其碳排放產生影響.近年來,針對中國居民生活消費碳排放的相關研究逐漸增多.目前相關的研究主要集中在以下四個方面:

一是將城鎮和農村作為整體進行研究.如馮蕊等[10]、查建平等[11]、顧鵬等[12]采用碳排放系數法分別估算了天津市和全國城鄉整體居民生活消費碳排放量.在對居民生活消費碳排放進行測度的基礎上,有學者開始關注其驅動機制,如Feng等[13]采用灰關聯方法檢驗了中國城鄉整體居民消費對碳排放的影響.李艷梅等[1]采用面板數據模型重點考察了城鎮化對家庭直接和間接碳排放的影響,并考慮了省際間的區域差異.更多的學者采用因素分解方法對城鄉整體居民生活消費碳排放的驅動因素進行分析,主要采用指數分解模型[14-17]和結構分解模型[18-20]兩類方法.

二是重點關注城鎮居民生活消費碳排放.如張艷等[21]測算了我國287個地級市的城市居民消費碳排放及其空間分布,并探索其影響因素.萬文玉等[2]對我國各省城市居民生活消費碳排放的時空演變特征進行分析,并利用面板數據模型分析了影響城市居民生活能源碳排放的主要因素.

三是將研究視角聚焦到農村地區.如田宜水等[22]則采用LEAP模型對2020年中國農村居民生活用能需求和碳排放情況進行了情景模擬.Chen等[23]對中國農村居民消費的可再生能源產生的碳排放進行了測算.Wu等[24]采用問卷調查和多元線性回歸方法對麗江農村居民生活消費碳排放的驅動因素進行了研究.

四是對城鄉差異進行比較.如李艷梅等[25]發現,城鎮的戶均直接能源消費和碳排放一直高于農村,但差距正在縮小,原因在于城鎮直接能源消費強度下降、直接能源消費結構優化、家庭規?？s小所產生的節能減排效應逐步增大,抵消了人均消費水平提高所產生的增能增排效應.彭水軍等[26]采用投入產出和結構分解方法進行研究,發現居民消費碳排放絕大部分都來自城鎮居民的消費活動.除了城鄉之間碳排放量的差異,進一步的有學者開始關注城鄉間碳排放驅動因素的差異.如Zha等[27]通過對比研究,發現人口效應是城鎮居民消費碳排放的主要促增因素,但卻是農村居民消費碳排放的主要促減因素.張馨等[28]通過比較分析發現,在不考慮其他因素的前提下,農村居民轉化為城鎮居民會導致碳排放量的增加.這種變化反映了城鄉居民生活水平的差異,發展趨勢上表現為居民的消費行為由生存型向發展型轉變.張友國[29]發現人口規模差異和人均消費水平差異是縮小城鄉居民碳排放差異的重要因素.Zhang[30]進一步發現城鎮間接生活消費碳排放的增加源于消費支出的增長,而農村地區的增長不顯著.城鎮直接生活消費碳排放的下降源于能源結構的變化,而農村地區的下降不顯著.

上述研究對中國城鎮和農村居民生活消費碳排放進行了系統的測算、比較和驅動因素分析,并得出了有價值的結論.但是仍然存在兩點不足:一是對中國城鄉差異的比較研究均是以全國層面數據為研究樣本,目前還缺乏基于省域層面的城鄉比較;二是對城鎮、農村居民生活消費碳排放的因素分解過程中未考慮分省貢獻. 因此,本文基于中國30個省區1997~2015年的面板數據,采用Dagum基尼系數和Kernel密度函數估計方法對中國城鎮和農村居民生活消費碳排放的空間差距及分布動態進行實證測度,將有助于我們掌握生活消費碳排放城鄉差距的大小和演進趨勢.并且進一步系統識別各省區相關變量對中國城鎮、農村和整體居民生活消費直接碳排放的影響機制,并對三者之間的差異進行比較分析,這是現有文獻鮮有涉及的.本研究發現中國居民人均生活消費碳排放的城鄉差距總體上呈現下降趨勢,但是農村居民人均生活消費碳排放的增長率要遠高于城鎮.該研究發現不僅是對現有文獻的有益補充,而且能夠更好的為環境政策制定和實施提供借鑒和參考.

1 模型構建與數據選取

1.1 居民生活消費引起的直接碳排放量測算模型

居民生活消費引起的碳排放包括直接碳排放和間接碳排放兩部分.本文僅分析居民生活消費直接碳排放,并根據《中國能源統計年鑒》地區能源平衡表中城鎮、農村和整體生活消費的20種能源消費量進行計算.由于20種能源包括了原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、其他石油制品、其他焦化產品和其他能源18種化石能源以及電力、熱力的二次能源消費兩部分.因此,借鑒已有文獻的思路,本文采用如下公式對城鎮和農村居民生活消費碳排放量進行測算:

式中:C表示第省區的城鎮/農村/整體居民生活直接消費碳排放總量;C表示第省區的城鎮/農村/整體第種化石能源消費碳排放量;=1,2,…,18 指18類化石能源類型;e和h分別表示第省區的城鎮/農村/整體居民生活電力和熱力的二次能源消費產生的碳排放量;E表示第省區的城鎮/農村/整體居民生活第類化石能源終端消耗量;O表示第類化石能源的碳氧化率;CF表示第類化石能源的碳排放因子;LCV表示第類化石能源的平均低位熱值;e表示第省區的城鎮/農村/整體居民生活電力消費量;E表示熱力消費量;e表示第省區電力消費的碳排放系數;h表示第省區熱力消費的碳排放系數.

1.2 居民人均生活直接消費碳排放量空間差距測度模型

1.2.1 Dagum基尼系數及其分解方法 在對城鎮和農村居民生活直接消費碳排放量進行有效測度的基礎上,本文進一步采用Dagum 基尼系數來分析城鎮和農村之間以及地區之間的差距.不同于傳統的基尼系數,Dagum基尼系數不僅能夠有效識別地區間差距的來源,而且能夠描述子樣本的分布情況,并有效解釋子樣本之間交叉項的問題[31].Dagum基尼系數[30]的表達式如下:

按照Dagum基尼系數的分解方法,可以將基尼系數分解為3個部分:地區內差距的貢獻(G)、地區間差距的貢獻(G)和超變密度的貢獻(G).其中,超變密度是劃分子樣本時交叉項對總體差距()的影響,四者之間關系為:= G+ G+G.各部分的計算公式如下:

根據以上方法,測算和分解了全國30個省區之間以及城鎮和農村之間1997~2015年居民人均生活直接消費碳排放量空間分布的基尼系數并進行了地區分解.

1.2.2 Kernel密度估計 本文進一步將各省份的居民人均生活直接消費碳排放量的空間特征引入到時間坐標軸上進行動態評價,并采用Kernel密度估計來分析時間特征.Kernel密度估計方法能夠對全國居民人均生活直接消費碳排放量的整體空間差異進行分析,并且通過觀測核密度函數曲線峰值和寬度的變化,能夠對全國、城鎮和農村居民人均生活直接消費碳排放量的總體差異的分階段動態變化進行可視化表達.假設隨機變量的密度函數為() ,則在點的概率密度可以由下式進行估計:

結合核密度函數圖,就可以對居民人均生活直接消費碳排放量的取值在不同觀察期的變化進行有效判斷,進而刻畫其動態特征.

1.3 居民人均生活直接消費碳排放量變化的因素分解模型

目前對碳排放進行因素分解的指數分解方法主要有算術平均 Divisia 指數分解法(AMDI)和對數平均 Divisia指數分解法(LMDI).AMDI 取兩個端點值的算術平均數為權數,簡單易行,但分解結果存在殘差.LMDI方法分解無殘差,對零值與負值數據能進行有效的技術處理,并且對于乘法和加法的分解結果具有總和一致性的優點.同時,考慮到加法模型更適合排放數量指標,而乘法模型更適合排放效率指標(如碳排放強度、人均碳排放量等).由于本文采用居民人均生活消費碳排放量(以下簡稱CP)作為分解指標,即排放效率指標,因此采用乘積式LMDI(M-LMDI)方法進行分析,首先將中國城鎮、農村和整體CP分解為30個省區3個變量的乘積之和的形式:

式中:CP()表示全國城鎮/農村/整體居民時期的人均生活直接消費碳排放量;()和C()分別表示全國和第省區城鎮/農村/整體居民生活直接消費碳排放總量;()和P()分別表示全國和第省區城鎮/農村/整體人口數量;=1,2,…,30指30個省區;E()表示第省區城鎮/農村/整體居民生活直接能源消費總量;T()表示第省區城鎮/農村/整體居民生活消費支出總額.式(14)可以進一步表達為:

式中:CE()=C()/E()表示單位能源碳排放強度; ET()=E()/T()表示能源直接消費強度,即單位消費支出的直接生活能源消費量;TPk()=T()/ P()表示人均消費支出,表征人均消費水平.根據M-LMDI方法對式(3)進一步分解,則可以得到相鄰2個時段(期~+1期)居民人均生活直接消費碳排放量的變化可以表達為:

1.4 數據來源與處理

基于上述理論模型,本文選取中國30個省區1997~2015年的面板數據為研究樣本.主要搜集4組數據:30個省區城鎮、農村和整體的居民生活直接能源消費數據、生活消費支出數據、人口數據和居民生活直接消費碳排放數據.其中,城鎮、農村和整體的居民生活能源消費數據來源于1998~2016年《中國能源統計年鑒》中各省區的地區能源平衡表.平衡表中的20類能源的統計單位不統一,本文按照《中國能源統計年鑒》2016中所附的各類能源的折標準煤參考系數將20類能源的單位統一轉化成萬t標準煤;城鎮、農村和整體人口數據來源于1998~2016年《中國統計年鑒》;城鎮、農村和整體居民生活消費支出總額數據來源于1998~2016年《中國統計年鑒》,由于年鑒中僅公布了各省區城鎮和農村的人均生活消費支出數據,本文結合該數據和人口數據推算出城鎮和農村地區的居民生活消費支出總額數據,二者加總后得到整體居民生活消費支出總額數據,并進一步將數據以1997年為基期進行了平減.平減采用的國內生產總值價格指數來自歷年《中國統計年鑒》;城鎮、農村和整體居民生活直接消費碳排放數據采用碳排放系數法進行間接測算(具體測算過程參見1.1節);18種化石能源的碳排放系數來自IPCC;各省電力的碳排放系數來自于《關于公布2009年中國區域電網基準線排放因子的公告》;熱力的碳排放系數參考了李艷梅等[1]的數據.

2 結果分析

2.1 中國城鄉CP值特征的比較分析

1997~2015年期間中國城鄉CP值均呈現逐年遞增的趨勢,且城鎮CP值明顯高于農村,為了進一步分析地區差異,本文利用ArcGIS的自然點斷法繪制了1997年、2015年中國城鎮和農村CP值變化的空間分布圖,如圖1所示,城鎮和農村CP值在空間上均存在顯著非均衡特征.1997年城鎮CP值東部和西部差異較大,中部地區較為集聚,山東、江蘇、安徽、湖南和貴州一帶城鎮CP值最低;2015年北部地區城鎮CP值增加較快,呈現向東北地區集聚的趨勢,各碳排放水平的集聚區域明顯,總體看來東北和西部地區大于中部地區和東部地區.1997年中部地區農村CP值較高且較為集聚,東部地區相對最低;2015年農村CP值逐漸呈現出較大的東西集聚差異,東部地區農村CP值明顯高于北部地區,并呈現向東南地區集聚的趨勢.

2.2 城鄉CP差距的測度及分解

2.2.1 城鎮和農村居民兩組人群之間差距及其來源分解 根據Dagum基尼系數分解方法,對城鎮和農村CP進行測算和分解,結果如表1所示.1997~2015年期間中國整體CP的城鄉差距總體上呈現波動下降趨勢,具體而言,1998~2005年城鄉差距縮小速度較快,2006~2011年城鄉差距縮小速度較為緩慢, 2012年以后城鄉差距縮小速度又開始加快,2015年達到最小值0.235.從組內差距(指城鎮或者農村居民人群內部區域之間的差距)來看,研究期間內城鎮居民組內差距變動呈現波動狀態, 1998~2004年呈現“U”型態勢,2005年之后呈現出緩慢的增長趨勢.農村地區組內差距在1997~2015年呈現逐年縮小的發展態勢.相比較而言, 1997~2011年農村地區的組內差距總是大于城鎮地區,2012年以后則出現了反轉,城鎮地區組內差距大于農村地區.從組間差距(指城鎮居民和農村居民兩組人群之間的差距)來看,1997~2015年其變動趨勢與總體差距類似,均呈現波動下降趨勢,CP差距在縮小.從兩組人群差距的來源看,1997~2015年CP的組內差距和超變密度的貢獻率呈現上升趨勢,而組間差距的貢獻率則呈現下降趨勢.具體來說,1997~ 1999年期間,城鎮和農村CP的組間差距貢獻率最大,是城鄉差距的主要來源;2000年后,組內差距的貢獻率超過了組間差距,成為城鄉差距的主要來源.

圖1 1997年、2015年中國城鎮和農村CP空間分布

表1 基尼系數及其分解結果(按城鎮居民和農村居民人群進行分組)

續表1

年份總體組內差距組間差距貢獻率(%) 城鎮農村城鎮VS農村組內組間超變密度 20090.3060.2490.3050.34144.2935.7219.99 20100.3150.2690.3210.34145.9231.6122.47 20110.3070.2700.3180.32347.3625.2627.38 20120.2810.2800.2410.29747.0834.7918.13 20130.2780.2700.2760.28448.9916.7234.29 20140.2510.2590.2150.26147.9028.1024.00 20150.2440.2570.2050.25348.1526.4725.39

從基尼系數分解結果來看(圖2),1997~2015年組內差距呈現輕微波動狀態,總體有輕微的下降趨勢,從1997年的0.139下降到2015年的0.117,說明研究期內的組內差距變動不明顯;組間差距呈現波動下降趨勢,從1997年的0.202下降到2015年的0.064,這說明組間差距對城鎮與農村CP差距的影響在逐漸變弱,并且以2002年為分界線,之前年份組間差距為總體差距的主導因素,而之后年份主導因素則變為組內差距;超變密度在研究期內呈現出波動上升的發展態勢,從1997年的0.038上升到2015年的0.062.除了2011和2013年之外,其取值始終低于組內差距和組間差距,不難得出,組內差距和組間差距的交互作用使得總體差距呈現出波動下降的趨勢,從1997年的0.379下降到2015年的0.244.即組內差距和組間差距的同時下降是導致總體差距下降的主要原因.即城鎮和農村之間的總體CP差距呈現出縮小的發展態勢,這與李艷梅等[23]的研究結論保持一致.但是城鄉差距縮小的原因并不在于城鎮地區CP值的下降,而是農村CP值的增長速度遠高于城鎮地區導致的.

圖2 中國城鎮和農村CP差距演變趨勢

2.2.2 地區差距及其來源分解 本文進一步依次對全國整體、城鎮和農村CP的地區差異分別按東部、中部和西部地區進行測算和分解,其中東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南;西部地區包括四川、重慶、貴州、云南、陜西、甘肅、寧夏、新疆、廣西、內蒙古.結果如表2、表3和表4所示.

從表2可知,東部地區的地區內差距最大(均值0.257),其次是西部地區(均值0.253),中部的地區內差距最小(均值0.206);東部和中部地區整體CP值的地區間差距最大(均值0.276),其次是東部和西部地區(均值0.275),中部和西部的地區間差距最小(均值0.248).從發展趨勢來看,東部地區的地區內差距呈現出明顯的下降趨勢,從1997年的0.308下降到2015年的0.164,說明東部地區內部的各省區之間的差距在不斷縮小;中部地區的地區內差距在研究期內表現出了波動狀態,但是波動幅度不大,基本穩定在0.2左右波動,并呈現輕微的下降趨勢,從1997年的0.202下降到2015年的0.179,這說明中部地區內部各省區之間的差距變化不大;西部地區的地區內差距同樣呈現出了波動中下降的發展趨勢,但是波動的幅度要明顯高于中部地區,從1997年的0.262下降到2015年的0.224.從中國城鄉整體東部、中部和西部地區差距的來源和貢獻率來看,研究期內超變密度的貢獻率取值均最高,研究期內保持在40%左右波動,說明CP的地區內差距和地區間差距的交互作用是總體差距的主要來源;貢獻率次之的是地區內差距,研究期內維持在30%以上的區間內小幅波動;貢獻率最低的是地區間差距,并且在研究期內呈現出劇烈波動,總體上呈現出一定的上升趨勢.

表2 中國城鄉整體基尼系數及其分解結果

表3展示的是城鎮CP的基尼系數及其分解結果.從基尼系數可知,西部地區城鎮CP的地區內差距最大(均值0.269),其次是東部地區(均值0.254),中部的地區內差距最小(均值0.222);東部地區和西部地區城鎮CP的地區間差距最大(均值0.279),其次是中部地區和西部地區(均值0.270),東部和中部的地區間差距最小(均值0.262).從發展趨勢來看,中部地區和西部地區城鎮CP的地區內差距在研究期內呈現出波動中上升的發展態勢,分別從1997年的0.135和0.200上升到2015年的0.260和0.279;東部地區則呈現出波動中下降的發展態勢,從1997年的0.241下降到2015年的0.208;三大區域城鎮CP的地區間差距均表現出波動中上升的發展趨勢.從城鎮CP地區差距的來源和貢獻率來看,除了2004年以外,研究期內超變密度的貢獻率取值均最高,并在2007年達到最高值(63.06%),并在研究期內呈現出波動上升的發展態勢,這說明超變密度是總體差距的主要來源;貢獻率次之的是地區內差距,其取值在研究期內始終保持在30%以上,波動幅度較低,基本維持在32%~34%的區間內波動;貢獻率最低的是地區間差距,在研究期內波動劇烈,2007年的最低值(3.16%)和2004年的最高值(33.90%)之間差距較大,并且從時間趨勢上呈現出了明顯的波動下降態勢.

表4展示的是農村CP的基尼系數及其分解結果.從基尼系數可知,東部地區農村CP的地區內差距最大(均值0.340),其次是西部地區(均值0.251),中部的地區內差距最小(均值0.224);東部地區和中部地區農村CP地區間差距最大(均值0.399),其次是東部地區和西部地區(均值0.369),中部地區和西部地區的地區間差距最小(均值0.263).從發展趨勢來看,東部、中部和西部地區農村CP的地區內差距均呈現出了波動降的態勢,分別從1997年的0.511、0.352和0.299下降到2015年的0.172、0.092和0.133;從地區間差距來看,東部與中部、東部與西部、中部與西部在研究期內均呈現下降趨勢,分別從1997年的0.509、0.447和0.366下降到2015年的0.258、0.283和0.119,降幅明顯,說明中國農村CP的地區間差距有明顯的縮小.

表3 城鎮基尼系數及其分解結果

表4 農村基尼系數及其分解結果

從中國農村東部、中部和西部地區差距的來源和貢獻率來看,研究期內地區間差距的貢獻率最高(均值為45.81%),說明地區間差距是總體差距的主要來源;貢獻率次之的依次是地區內差距(30.24%)和超變密度(23.95%).從三者的發展趨勢來看,地區內差距和超變密度的貢獻率在研究期內呈現出了明顯的下降趨勢,分別從1997年的32.96%和38.70%下降到2015年的24.63%和10.56%;地區間差距在研究期內則呈現出了顯著的上升趨勢,從1997年的28.34%上升到2015年的64.82%,增幅達到了128.69%.

2.3 CP的動態演進

為了進一步描述CP的整體形態,并通過不同時期的形態變化來把握CP的動態演進特征,本文采用Kernel密度估計方法以1997、2006和2015年為測度對象,選取高斯核密度函數分別繪制出全國整體、城鎮、農村CP的Kernel密度估計二維圖,并對不同年份CP的空間分布及動態演進進行對比分析(圖3).

圖3 中國城鄉CP的動態演進

2.3.1 全國整體CP的Kernel密度估計 圖3(a)描繪了全國整體CP的情況,整體來看全國CP的地區差異發生了明顯的變化,地區差距先縮小后擴大.具體而言,與1997年相比,2006年CP的密度函數波峰右移,說明研究期間CP增加,波峰高度變高,寬度變窄,雙峰現象減弱,CP地區差距在縮小;2015年與2006年相比,波峰變矮,曲線扁平化,說明該時期內CP地區差距有擴大趨勢.

2.3.2 城鎮CP的Kernel密度估計 圖3(b)描繪了城鎮CP的情況,整體來看,城鎮CP的地區差距逐漸擴大.具體而言,與1997年相比,2006年密度函數波峰左移,說明城鎮CP在減少,波峰高度變矮,寬度變寬,說明地區差異在逐步擴大;2015年與2006年相比,波峰右移,且超過了1997年的位置,說明該時期城鎮CP增加迅速,波峰變矮,寬度變寬,右拖尾抬高,變化區間變大,說明該時期城鎮CP地區差異進一步擴大,且出現較為明顯的兩級分化現象.

2.3.3 農村CP的Kernel密度估計 圖3(c)描繪了農村CP的情況,整體來看,農村CP的地區差距也在逐漸擴大.具體而言,與1997年相比,2006年密度函數波峰右移,說明農村CP在逐年增加,波峰變矮,寬度變寬,說明地區間差距在增大;2015年與2006年相比,波峰右移,農村CP進一步增加,與城鎮發展趨勢類似,2015年,農村CP密度函數波峰變矮,寬度變寬,右拖尾抬高,變化區間變大,說明該時期農村地區差異進一步擴大,且出現較為明顯的兩級分化現象.

2.3.4 城鎮和農村CP的對比分析 圖3(d)、(e)和(f)是城鎮和農村1997年、2006年和2015年CP的對比圖.1997年城鎮CP的密度函數比較平滑,而農村居民人均生活直接消費碳排放的密度函數比較陡峭,說明1997年城鎮地區CP差距較大.相比于1997年,2006年和2015年城鎮CP的地區差異依然大于農村,且城鎮與農村地區的密度函數波峰均右移,峰值在減小,波峰寬度在增加,說明該期間,城鎮和農村的CP均在不斷增加,且地區內差異都在進一步擴大,值得注意的是城鎮和農村CP均值的差距在逐漸縮小.

2.4 全國整體、城鎮和農村CP的分省貢獻及其變化

2.4.1 全國整體CP變動的因素分解 按照各省區對全國整體CP變動的貢獻大小由低到高進行排序如表5所示.從表5可知,對全國CP變動貢獻最大的省區是內蒙古、黑龍江、天津、遼寧和北京,累計貢獻值依次為0.1005,0.0634,0.0591,0.0555和0.0446,源于北方地區的居民消費對能源性消費結構的依賴程度比較高,5個地區人均消費水平(TP)變動的貢獻值都較高,尤其是內蒙古和天津地區由于人口基數較大,煤炭資源價格低獲取便利,隨著居民生活水平的提高,消費能力增強,從而加快了碳排放的增加.對全國CP變動貢獻最小的省區是云南、陜西、青海、貴州、寧夏,累計貢獻值依次為0.0125,0.0170, 0.0175,0.0183,0.0194,主要得益于能源直接消費強度(ET)變動貢獻對TP變動貢獻的抵消效應.從3個分解因素的結果來看,除了海南、重慶、四川、山東以外,各省區單位能源碳排放強度(CE)的貢獻值均為正,表明大部分省區CE是CP變動的促增因素,但相對于TP的影響要小,其變動對CP變動貢獻最大的省份依次為內蒙古、云南、黑龍江、寧夏、福建,貢獻值分別為0.0223,0.0166,0.0118,0.0113,0.0109;除海南以外,各省區ET的貢獻值均為負值,各省份ET是CP變動的主要促減因素,其中ET變動對CP增加抑制作用最大的省份依次是云南、寧夏、天津、吉林和新疆,其貢獻值分別是-0.0767,-0.0563, -0.0549,-0.0493和-0.0480;各省區的TP變動取值均為正,即各省區TP變動均是CP變動的主要促增因素.其中,TP變動對CP變動促進作用最大的5個省份依次是內蒙古、天津、遼寧、北京和云南,其貢值分別是0.1251,0.1115,0.0933,0.0825和0.0726.

表5 2015年中國整體CP分省貢獻(1997年為基期)

2.4.2 城鎮CP變動的因素分解 按照各省區對城鎮CP變動貢獻大小由低到高進行排序如表6所示.從表6不難發現,對城鎮CP變動貢獻最大的5個省區是內蒙古、黑龍江、遼寧、北京和天津,累計貢獻值依次為0.1017,0.0675,0.0421,0.0382和0.0342.這些地區城鎮的表現跟全國整體情況基本一致.對城鎮CP變動貢獻最小的省區是浙江、河北、福建、河南和新疆,累計貢獻率均為負值,即這5個省區對全國城鎮CP增長起到了抑制作用.這主要源于ET變動的貢獻同時抵消了TP變動和CE變動對CP增長的貢獻.從3個分解因素的結果來看,除了海南、湖南、重慶、四川和山東以外,各省區CE的貢獻值均為正,表明大部分省區CE是CP變動的促增因素,但相對于TP影響較小,其變動對CP增加貢獻最大的5個省份依次為內蒙古、寧夏、云南、福建和甘肅,其貢獻值分別為0.0295,0.0214,0.0211,0.0114和0.0109;除海南以外,各省區ET的貢獻值均為負值,各省份ET是CP變動的主要促減因素,其中ET變動對CP增加抑制作用最大的省份依次是吉林、寧夏、河北、內蒙古和遼寧,其貢獻值分別是-0.0714, -0.0622,-0.0502,-0.0432和-0.0397;各省區的TP變動取值均為正,即各省區TP變動均是CP變動的主要促增因素.其中,TP變動對CP增長促進作用最大的5個省區依次是內蒙古、吉林、黑龍江、遼寧和天津,其貢值分別是0.1154、0.0849、0.0769、0.0738和0.0711.

表6 2015年中國城鎮CP分省貢獻(1997年為基期)

2.4.3 農村CP變動的因素分解 按照各省區對農村CP變動貢獻大小由低到高進行排序如表7所示.從表7不難發現,對農村CP變動貢獻最大的5個省區依次是浙江、廣東、福建、天津和北京,累計貢獻值依次為0.1005,0.0634,0.0591,0.0555,0.0446.對于浙江、廣東和福建,由于新農村建設成效顯著,農民收入和生活水平顯著提高,其消費結構中用于小汽車等高排放商品的需求上升導致了其相關碳排放增加.天津和北京作為直轄市,城鄉一體化程度較好,農村居民的生活方式和消費結構與城鎮較為接近,因此導致了對CP變動的高貢獻率.對農村CP變動貢獻最小的省區是貴州、云南、上海、陜西和甘肅,累計貢獻值依次為0.0093,0.0158,0.0178,0.0197和0.0211,主要源于這些省區ET變動部分抵消了TP變動的貢獻.上海比較特殊,ET變動和CE變動共同抵消了TP變動的貢獻,這是導致其貢獻率不高的主要原因.從3個因素分解結果來看,除了上海、重慶、四川、吉林、山東和安徽以外,各省區CE的貢獻值均為正,表明大部分省區CE是CP變動的促增因素,但相對于TP影響較小,其變動對CP增加貢獻最大的5個省份依次為黑龍江、北京、新疆、云南和福建,貢獻值分別為0.0267,0.0167,0.0124,0.0111和0.0097;除海南以外,各省區ET的貢獻值均為負值,即ET是CP變動的主要促減因素,其中ET變動對CP增加抑制作用最大的省份依次是北京、上海、云南、天津和山西,其貢獻值分別是-0.1983, -0.1071,-0.1018,-0.0904和-0.0743;各省區的TP變動均為正值,即各省區TP變動均是CP變動的主要促增因素.其中,TP變動對CP變動促進作用最大的5個省份依次是北京、天津、上海、云南和內蒙古,其貢獻值分別是0.2418,0.1505,0.1398,0.1000和0.0963.

表7 2015年中國農村CP分省貢獻(1997年為基期)

2.4.4 城鎮和農村CP變化的因素分解結果對比分析 首先,從分省貢獻的角度,對城鎮CP變化貢獻最大的5個省區有內蒙古、黑龍江、遼寧、北京和天津,而同期對農村CP變化貢獻最大的5個省區有浙江、廣東、福建、天津和北京的東南沿海地區和直轄市,二者之間存在較大的差異.其次,從綜合貢獻大小的角度,城鎮地區的全國綜合貢獻為0.4936(見表6),而農村地區則達到了1.1323(表7).農村的綜合貢獻率要遠高于城鎮,同時也高于全國整體(0.9691).說明農村地區的生活水平大幅度提高、消費結構和模式發生了較大變化,發展趨勢上表現為居民消費行為由生存型向發展型的轉變[28].最后,從分解要素及其變化趨勢的角度(圖4),城鎮CP在1999~2003年期間持續下降,Zhang[30]將這種下降歸因于城鎮地區能源消費結構的優化.2003年以后呈波動上升趨勢.農村CP在研究期間內持續平穩上升,這與Zhang[30]的研究結論基本一致.

從3個分解因素來看,CE對城鎮和農村CP均產生了正面影響,1999~2004年期間CE對農村CP的貢獻大于城鎮,2005年以后CE對城鎮CP的貢獻反超農村.究其原因,2005年之前城鎮生活能源消費多以熱力和電力為主,并且居民集中居住則能夠集中供熱和供暖,能源使用效率較高.而農村居民生活能源多以煤炭和柴火為主,加之居住分散,無法集中供熱供暖,并且受到技術設備等因素限制,導致煤炭和熱力等能源利用的低效率和污染的高排放,因此2005年之前的城鎮居民的人均碳排放低于農村地區.隨著城鎮居民生活水平的不斷提高,生活消費中各類化石能源的消費量增加尤其是私家車數量的爆炸式增長引起石油能源消費的大幅度增長,而同一時期農村居民生活水平的提高速度遠低于城鎮地區,從而導致碳排放呈現快速增長趨勢并在2005年之后超過了農村地區.不難看出,城鎮和農村居民在生活消費中對各類能源的消耗量和消耗結構的巨大差異是導致二者碳排放變化的主要原因.ET是減少城鎮和農村CP的主要動力,且研究期間持續下降,這與米紅等[15]的研究結論一致.城鎮ET對城鎮CP的累計貢獻值為-0.8526,農村ET對農村CP的累計貢獻值為-1.2171,這意味著ET在農村的貢獻程度大于城鎮.傳統形式的能源在農村地區使用較為廣泛,特別是農村原煤的使用遠高于城鎮,隨著電力的發展,這些年農村能源消費結構以及用能水平有了大幅度的提升.TP導致研究期間城鎮和農村CP持續快速增加,是CP增加的主要貢獻因素,同ET一樣,TP在農村(累計貢獻值為2.1697)的貢獻程度大于城鎮(累計貢獻值為1.1426).在整個研究期間,中國經濟持續高速發展,城鄉居民收入水平不斷提高,對生活能源消費的需求也不斷增加,家用電器越來越普及,越來越多的家庭購買了汽車.對于農村而言,為了降低農村稅費,國家實施了積極的財政政策,另一方面大力支持農村基礎設施建設,農業技術進步和扶貧開發,農村居民消費水平因此得到了質的飛躍,這些都說明,居民生活水平的提高,可能會導致農村居民消費更多的能源來適應舒適的生活.對于城鎮而言,隨著生活水平的提高,居民的消費能力大幅度提升,但是其生活方式和消費結構也發生轉變,人們會更傾向于消費碳排放更少的低碳產品,因此在一定程度上有利于減少碳排放.

3 結論

基于碳排放系數法估算了1997~2015年中國城鎮、農村和整體(包含城鎮和農村)CP值,進一步采用Dagum基尼系數和Kernel 密度函數估計方法對中國城鎮和農村CP的地區差距及分布動態進行實證研究.同時,采用M-LMDI模型分析了CE、TP和ET3大因素對CP變化的影響,并重點考察了各省份相關變量對CP影響的城鄉差異.研究結果表明:

3.1 1997~2015年期間中國城鄉CP呈現逐年遞增的趨勢,在空間上均存在顯著非均衡特征.城鎮CP呈現向東北地區集聚的趨勢,農村CP呈現向東南地區集聚的趨勢.

3.2 Dagum基尼系數測算與分解結果顯示,中國CP的城鄉差距總體上呈現波動下降的趨勢,1997~ 1999年期間,城鎮和農村居CP的地區間差距貢獻率是城鄉差距的主要來源;2000年后,地區內差距貢獻率超過地區間差距貢獻率,成為城鄉差距的主要來源.

3.3 Kernel密度函數估計結果顯示,中國城鄉CP增加,地區差異在擴大,城鎮地區CP差距大于農村地區.

3.4 因素分解結果顯示,中國30個省區碳排放量1997~2015年累計增加了96.91%,TP是CP增長的主要貢獻因素,導致碳排放量增加168.77%;CE導致CP增加19.65%;ET對CP增加具有抑制作用,使碳排放量減少了92.41%.對全國CP變動貢獻最大的省區是內蒙古、黑龍江、天津、遼寧、北京,累計貢獻值依次為0.1005,0.0634,0.0591,0.0555,0.0446;對全國CP變動貢獻最小的省區是云南、陜西、青海、貴州、寧夏,累計貢獻值依次為0.0125,0.0170, 0.0175,0.0183,0.0194.

3.5 農村CP綜合增長率要遠高于城鎮地區,也高于全國平均水平.CE對城鎮和農村CP具有正面影響,1999~2004年期間CE對農村CP的貢獻大于城鎮,2005年以后CE對城鎮CP的貢獻反超農村;ET是減少城鎮和農村CP的主要動力,其在農村的貢獻程度大于城鎮;TP是CP增加的主要貢獻因素,其在農村的貢獻程度也大于城鎮.

[1] 李艷梅,張紅麗.城市化對家庭CO2排放影響的區域差異[J]. 資源科學, 2016,38(3):0545-0556.

[2] 萬文玉,趙雪雁,王偉軍.中國城市居民生活能源碳排放的時空格局及影響因素分析[J]. 環境科學學報, 2016,36(9):3445-3455.

[3] 趙 哲,陳建成,白羽萍,等.二氧化碳排放與經濟增長關系的實證分析[J]. 中國環境科學, 2018,38(7):2785-2793.

[4] Bin S, Dowlatahadi H. Consumer Lifestyle Approach to U.S. Energy Use and the Related CO2Emission [J]. Energy Policy, 2005,33(2): 197-208.

[5] Michael GOladokun, Isaac AOdesola. Household energy consumption and carbon emissions for sustainable cities: A critical review of modelling approaches [J]. International Journal of Sustainable Built Environment, 2015,4(2):231-247.

[6] Jesper Munksgaard, Klaus Alsted Pedersena,Mette Wier. Impact of household consumption on CO2emissions [J]. Energy Economics, 2000,22(4):423-440.

[7] Mette Wier, Manfred Lenzen, Jesper Munksgaard, et al. Effects of household consumption patterns on CO2requirements [J]. Economic Systems Research, 2001,13(3):259-274.

[8] Rosa Duarte, Alfredo Mainar, Julio Sánchez-Chóliz. The impact of household consumption patterns on emissions in Spain [J]. Energy Economics, 2010,32(1):176-185.

[9] Eleni Papathanasopoulou. Household consumption associated fossil fuel demand and carbon dioxide emissions: The case of Greece between 1990 and 2006 [J]. Energy Policy, 2010,38(8):4152-4162.

[10] 馮 蕊,朱 坦,陳勝男,等.天津市居民生活消費CO2排放估算分析[J]. 中國環境科學, 2011,31(1):163-169.

[11] 查建平,唐方方,傅 浩.中國直接生活能源碳排放因素分解模型與實證[J]. 山西財經大學學報, 2010,32(9):9-15.

[12] 顧 鵬,馬曉明.基于居民合理生活消費的人均碳排放計算[J]. 中國環境科學, 2013,33(8):1509-1517.

[13] Feng Z H, Zou L L, Wei Y M. The impact of household consumption on energy use and CO2emissions in China [J]. Energy, 2011,36(1): 656-670.

[14] 張小洪,彭小龍,全龐羽,等.家庭生活用能對二氧化碳排放的影響分析[J]. 資源科學, 2011,33(9):1668-1673.

[15] 米 紅,張田田,任正委,等.城鎮化進程中家庭CO2排放的驅動因素分析[J]. 中國環境科學, 2016,36(10):3183-3192.

[16] Zhang Y J, Bian X J, Tan W P, et al. The indirect energy consumption and CO2emission caused by household consumption in China: an analysis based on the input-output method [J]. Journal of Cleaner Production, 2017,163(1):69-83.

[17] 郭 文,孫 濤.城鎮化對中國區域能源消費及居民生活能源消費的影響[J]. 中國環境科學, 2015,35(10):3166-3176.

[18] 朱 勤,彭希哲,吳開亞.基于結構分解的居民消費品載能碳排放變動分析[J]. 數量經濟技術經濟研究, 2012,29(1):65-77.

[19] 王雪松,任勝鋼,袁寶龍,等.城鎮化、城鄉消費比例和結構對居民消費間接CO2排放的影響[J]. 經濟理論與經濟管理, 2016,(8):79-88.

[20] 王會娟,夏 炎.中國居民消費碳排放的影響因素及發展路徑分析[J]. 中國管理科學, 2017,25(8):1-10.

[21] 張 艷,陳太政,秦耀辰.中國城市居民直接能耗碳排放的空間格局及影響因素[J]. 河南大學學報(自然科學版), 2013,43(2):161-167.

[22] 田宜水,趙立欣,孫麗英,等.中國農村居民生活用能及CO2排放情景分析[J]. 農業工程學報, 2011,27(10):206-211.

[23] Chen Y, Zhu Y L. Analysis on the environmental effect of renewable energy consumption by rural residents in daily life in China: from the perspectives of carbon emissions [J]. Energy Procedia, 2011,(5):1642- 1646.

[24] Wu G, Liu T, Tang M F. Analysis of household energy consumption and related CO2emissions in the disregarded villages of Lijiang City, China [J]. International Journal of Sustainable Development & World Ecology, 2012,19(6):500-505.

[25] 李艷梅,楊 濤.城鄉家庭直接能源消費和CO2排放變化的分析與比較[J]. 資源科學, 2013,35(1):115-124.

[26] 彭水軍,張文城.中國居民消費的碳排放趨勢及其影響因素的經驗分析[J]. 世界經濟, 2013,(3):124-142.

[27] Zha D L, Zhou D Q, Zhou P. Driving forces of residential CO2emissions in urban and rural China: An index decomposition analysis [J]. Energy Policy, 2010,38(7):3377-3383.

[28] 張 馨,牛叔文,趙春升,等.中國城市化進程中的居民家庭能源消費及碳排放研究[J]. 中國軟科學, 2011,(9):65-75.

[29] 張友國.農民消費的碳排放影響:基于與城市居民的差異比較分析[M]. 北京:中國社會科學出版社, 2012:143-163.

[30] Zhang Y G. Impact of urban and rural household consumption on carbon emissions in China [J]. Economic Systems Research, 2013, 25(3):287-299.

[31] 劉華軍,何禮偉,楊 騫.中國人口老齡化的空間非均衡及分布動態演進:1989-2011 [J]. 人口研究, 2014,38(2):71-82.

[32] Dagum C. A new approach to the decomposition of the gini income inequality ratio [J]. Empirical Economics, 1997,22(4):515-531.

A comparative study on the changes of residential living consumption carbon emissions in urban and rural China.

FAN Jian-shuang1,2*, ZHOU Lin1,2

(1.College of Economics and Management, Zhejiang University of Technology, Hangzhou 310023, China；2.Research Center of Technological Innovation and Enterprise Internationalization, Zhejiang University of Technology, Hangzhou 310023, China)., 2018,38(11)：4369~4383

Based on the carbon emission coefficient method, this paper estimated the direct carbon emissions caused by the residential living consumption of urban, rural and overall (including urban and rural) in China from 1997 to 2015. Further, the Dagum Gini coefficient and Kernel density function estimation method were used to test the regional disparities and distribution dynamics of residential living consumption carbon emissions in urban and rural China. At the same time, the Multiplicative Logarithmic Mean Divisia Decomposition Index (M-LMDI) method was used to analyze the effects of direct energy consumption intensity, per capita consumption level and unit energy carbon emission intensity on the changes of residential living consumption carbon emissions, and further we examined the urban-rural differences in the impact of relevant variables on residential living consumption carbon emissions in each province. The results suggested that: (1) the residential per living consumption carbon emissions in urban and rural China both showed an increasing trend year by year, and there were significant non-equilibrium characteristics in space. (2) The total regional disparities of residential per living consumption carbon emissions showed a downward trend from 0.379 in 1997 to 0.244 in 2015. The inter-group gap between urban and rural residents' consumption carbon emissions was the main source of urban-rural disparity from 1997 to 1999, and its contribution rate exceeded 50%. The intra-group gap became the main source of urban-rural disparity after 2000, and its contribution rate was greater than 40% that exceeded the inter-group gap. (3) The residential per living consumption carbon emissions of urban and rural both increased and the reginal differences enlarged as well. (4) The province that contributed the most to the changes in residential per living consumption carbon emissions in China was Inner Mongolia, with a cumulative contribution value of 0.1005. The province with the smallest contribution was Yunnan, with a cumulative contribution of 0.0125. (5) The contribution of rural energy consumption intensity and per capita consumption level were greater than the urban areas during the study period, and the contribution level of unit energy carbon emission intensity in in rural and urban showed volatility.

urban residents；rural residents；living consumption；carbon emissions；dagum gini coefficient；LMDI

X24

A

1000-6923(2018)11-4369-15

范建雙(1980-),男,遼寧省蓋州市人,副教授,博士,主要從事土地經濟與政策、城鎮化與碳排放績效等方面的研究.發表論文30余篇.

2018-04-18

國家自然科學基金資助項目(71774142);教育部人文社科項目(17YJAZH022);浙江省哲學社會科學重點研究基地項目(16JDGH045);浙江省自然科學基金資助項目(LY16G030029);杭州市科技計劃軟科學研究重點項目(20160834M23)

* 責任作者, 副教授, fjshmy@zjut.edu.cn