ACTA Scientiarum Naturalium Universitatis Pekinensis
Identifying the Impetus of Chinese Household Consumption of Carbon Emissions in Structural Path Analysis
ZHANG Qiongjing, TIAN Yushen, MA Xiaoming†
Environmental Finance Laboratory, School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055; † Corresponding authors, E-mail: xmma@pku.edu.cn
Abstract Based on environmental input-output analysis, the authors try to identify the impetus of Chinese household consumption of carbon emissions in structural path analysis (SPA). The results indicate that, in 2012, most of the carbon emissions of Chinese household are indirect emissions, mainly from power, services, agriculture, food, wholesale and retail, transportation, postal. Carbons emissions from fertilizer and pesticide production in chemistry contribute a lot to the agricultural sector, therefore agricultural policies should properly limit the use of those chemical productions to reduce the emission. In addition, the difference of the income and consumption structure between urban and rural residents is the key factors which lead to the gap between of their carbon emission. Key words environmental input-output analysis; structural path analysis; household consumption; carbon emissions
中国在 2009年取代美国成为全球最大的碳排放国, 经济发展带来的资源环境问题不容忽视, 碳排放量的持续增加也使得我国受到来自国际社会的巨大压力。2014年 11月 12 日, 中国与美国签订了《中美气候变化联合声明》。中国计划2030年左右CO2排放达到峰值, 且将努力早日达到峰值, 并计划到 2030年非化石能源占一次能源消费的比例提
高到20%左右。目前经济形势外需乏力, 靠出口驱动经济增长不可为继, 刺激消费和向内需转型是中国近年来的政策导向。2008年11月5日, 国务院部署进一步扩大内需, 促进经济平稳较快增长的措施; “十二五”规划对“坚持扩大内需战略, 保持经济平稳较快发展”给出具体论述; 2017年8月13日, 国务院正式发布《关于进一步扩大和升级信息消费, 持
续释放内需潜力的指导意见》。随着扩大内需的各项政策不断推进落实, 由消费产生的碳排放将进一步快速增长。2016 年, 中国社会消费品零售总额占GDP的比例为44.7%, 并呈现逐年上升的态势。根据《2016中国能源统计年鉴》, 2015 年中国能源消费量比 2014 年增加 1865 万吨标准煤, 增幅仅为0.47%, 但是 2015年中国居民生活能源消费量比2014年增加4498万吨标准煤, 增幅高达14.6%, 进一步证明居民生活能源消费量的增加对我国能源消费量的贡献不容忽视。因此, 从居民消费的角度研究如何减少碳排放, 对于降低能源消费量, 减少碳排放和建设节能减排环保型社会具有重要的现实意义。
1 相关工作
居民消费直接碳排放指居民直接消耗能源用于取暖、做饭、交通出行等产生的碳排放; 间接碳排放指由于衣、食、住、行的需要, 居民在消费商品和服务时, 生产和加工这些商品或提供服务时引起的碳排放, 即隐含碳排放。
目前, 国际上关于居民消费碳排放的研究中,对家庭碳排放的计算方法主要包括碳排放系数法、碳足迹计算模型、消费者生活方式法、投入产出法和生命周期评价法[1]。碳排放系数法是用家庭能源消耗量乘以相应的碳排放系数, 计算方法简单且数据易于获取, 广泛用于家庭直接碳排放的计算[2]; 家庭碳足迹计算模型是利用目前已开放的家庭(或个人)碳足迹计算器,针对生活用能和交通出行产生的直接碳排放。但是, 这两种方法都无法计算间接碳排放。
[3] Bin 等 阐述了不同生活方式对能源的消费与碳排放之间的关系, 即消费者生活方式法(consumer lifestyle approach, CLA)。此方法的优势是从消费者的角度分析能源需求和碳排放, 提供“消费者导向”的政策制定意见。Ding等[4]利用 CLA法对中国能源消费的直接和间接影响的研究表明, 2012年中国家庭消费活动引起的能源消费占全部能源消费总量的 24.7% , 家庭消费活动的间接能源消耗是直接能源消费的1.35倍。范玲等[5]采用CLA法测算1993— 2007年我国居民间接能源消费的碳排放量以及城
[6]镇和农村居民人均碳排放量的变化趋势。Xu等将CLA法计算的家庭碳排放量归为若干消费类别,发现导致家庭碳排放不平衡的主要原因是高碳强度的住宅消费, 其次是食品、文化、教育、娱乐和服务消费。投入产出法从宏观尺度评价最终需求的商品和服务需要的各个部门总投入量。对居民消费碳排放的特征和影响因素的研究多以投入产出法为基础[7–9]。Lenzen 等[10]利用投入产出法, 评估巴西家庭消费对碳排放的影响。Sommer等[11]利用宏观经济投入产出模型, 计算欧盟不同收入的5组家庭的消费碳足迹, 结果显示不同边际消费倾向家庭的碳足迹存在差异, 间接排放在底层收入家庭中扮演更
[12]重要的角色。朱勤等 利用可比价的投入产出模型, 研究1993—2005年我国居民消费品载能碳排放的变化趋势, 认为通过优化消费结构带动产业结构调整以及降低排放强度, 能有效地减缓消费排放。叶震[13]利用投入产出模型, 分析中国城乡居民消费的碳排放差异, 提出应当引导居民消费向低碳拉动部门转移。利用多区域投入产出(quasi-multi-regional input-output)模型, Druckman等[14]分析英国 1990— 2004年的家庭碳排放, 姚亮等[15]计算中国8 个区域的居民消费碳足迹的数量、构成、分布和转移, Alamantila
[16]等 研究芬兰家庭规模、城市结构与生活方式对温室气体的影响。生命周期评价法(life cycle assessment, LCA)主要用于可持续消费的研究, 针对消费产品和服务的整个生命周期在各个阶段的能源需求和碳排放情况进行分析。该方法因需要较完整的产品生命周期数据而受到限制。刘晶茹等[17]采用 LCA法得到城镇居民单位货币消费量产生的碳排放远高于农村, 电力部门对居民消费环境影响的贡献率最大。姚亮等[18]利用 LCA法测算我国1992—2007年居民消费的隐含碳排放。Wang等[19]发现, 2007年居民消费最大的碳排放部门从农业部门转入服务部门。以上方法局限于对碳排放有明显拉动作用的部门或居民活动研究, 没有对这些部门之间相互支持研究的生产活动产生的碳排放做进一步的分析。
结构路径分析法(structure path analysis, SPA)可以追踪部门之间相互影响的复杂关系, 能够分解整个生产链条中, 对产品或组织具有重要影响的因子之间层层影响的路径[20]。王芳[21]利用 SPA分析人口年龄结构对居民消费的影响。袁小慧等[22]以江苏为案例, 分析收入对居民消费影响的结构性路
[23] [24]径。Meng 等 和 Nagashima 等 利用 SPA, 研究居民消费对PM2.5 排放的影响。前者发现消费者对
电力和交通的需求主要因导致直接排放, 对建筑业、工业和服务业的需求主要因推动其上游部门的生产活动而导致排放; 后者发现四川、山东、广西和安徽等地从事“其他服务业”、“农业”和“建筑业”等高收入行业的家庭主要贡献了自己的住宅PM2.5排放量。Yang 等[25]研究了中国基于CO2排放的化石能源结构路径, 其中涉及居民消费, 但分析较为粗略。
本文基于投入产出模型, 对 2012年居民消费碳排放进行初步分析, 然后利用SPA, 分析拉动居民消费碳排放的部门路径及其拉动效应。由于中国存在明显的城乡差别和收入差异, 因此, 采用结构性路径分析方法时, 结合城乡居民家庭的收入变化、消费支出结构差异, 分别探究城乡居民消费产生碳排放的特点以及部门拉动作用的异同。
2 方法与数据2.1 环境投入产出分析法
环境投入产出分析法(Environmental Inputoutput Analysis)[26–27]可以将终端的商品和服务的消费与生产链上各部门的温室气体排放量联系起来。本文使用的投入产出模型为
(1)
f F ( I A ) y,
1 f表示满足最终需求y的生产链上各部门排放的温室气体总量, 也称隐含排放量; 行向量F为温室气体排放强度, 用各部门单位货币产出的直接温室气体排放量表示; I为单位矩阵; A为直接消耗系数矩阵; (I–A)–1为列昂惕夫逆矩阵, 表示增加某一部门单位最终需求时, 对各部门产品的完全消耗量; 列向量y为对各部门产品的最终需求。f仅表示各部门在产品生产过程中排放的温室气体, 不包括各类消费者在最终需求使用过程中产生的排放。
2.2 结构路径分析法
一个经济系统可以理解为由多个相互依存的因子组成的庞大复杂的网络。当一个因子的最终需求发生变化时, 会对生产网络的其他因子产生影响,被影响因子的变化又影响其他因子或反馈回最初的部门, 如此循环往复, 层层影响。Defourny等[28]提出的SPA法在环境问题中的应用, 就是将一个经济体的整体排放量在其生产系统中分解为无穷多条路径, 按照每条路径的直接排放量对路径排序, 识别出气体排放量的关键驱动因素。
本文使用的SPA基于式(1)直接消耗系数矩阵A, 用幂级数逼近方法, 将式(1)中的列昂惕夫逆矩阵展开: f F ( I A )–1 y FIY FAY FA y FA y , (2)
2 3其中, Fany表示来自第n层次生产部门的影响。例如, 当y代表对生产一辆汽车的需求时, FIY就是生产过程中生产厂商的直接温室气体排放; 为了生产这辆汽车, 需要其他部门投入Ay, 从而产生FAY的温室气体排放; 其他部门的投入增加进一步要求A2y的生产投入从而继续产生FA2Y的温室气体排放。这个过程通过幂级数的无限展开继续下去, 最终, 一辆汽车生产过程中产生的温室气体排放总量被层层分解, 得到所有的排放路径。排名靠前的若干条路径引起的碳排放占温室气体排放总量的绝大部分。同时, 在每个层次中, 有限数量的节点和路径产生的影响也占据大部分。“节点”上的温室气体排放是该节点的部门为了满足最终需求的直接排放以及由该节点展开的所有分路径温室气体排放的总和, 每个节点下方各条“路径”的温室气体排放是该节点影响的分解。
本文在利用SPA研究居民消费对碳排放的拉动作用时, 在前4个层级中选取影响大的节点和路径进行分析。
2.3 数据来源
本文中 2012 年 CO2气体排放量来自各部门统计年鉴的基础数据, 根据《2006年 IPCC国家温室
[29]气体清单指南》 的参考方法进行估算。我们使用以 2000年为价格基年的2012年可比价投入产出表,
[30]根据刘起运等 在《中国 1992—2005年可比价投入产出序列表及分析》中提供的方法编制, 编制过程中使用的价格指数来自历年《中国价格统计年鉴》及《工业统计年报》。本文采用根据竞争型投入产出表调整的非竞争进口型投入产出表。中国目前编制的投入产出表均为包括国内产品和进口产品的竞争型投入产出表。为避免计算过程中假设进口产品的碳排放强度与中国国内相同产品引起的中国最终需求碳排放误差,我们参考Weber等[31]的方法, 按比例将进口产品从各部门产品的中间使用和最终使用中减掉。
3 结果与分析3.1 城乡居民消费的碳排放总量构成
从表1可以发现, 2012年城乡居民的直接碳排
放量分别约为185.86 和 160.16 Mt CO2, 占碳排放总量的比例较低, 仅 11.4%和 27.89%, 同时相应的人均直接碳排放差异不大。由此可知, 居民生活消费碳排放的减排潜力和重点集中在间接碳排放上。2012年城镇的居民消费间接碳排放约为农村的3.5倍, 而城镇人均碳排放约为农村的3.14 倍, 远远高于农村居民的间接碳排放。这种差异主要是由于消费水平和消费结构的不同造成的, 在一定程度上也反映城乡居民在生活水平和生活方式上的差距, 因此减排的侧重点有所不同。
3.2 城乡居民间接碳排放构成
2012年城镇和农村居民家庭人均可支配收入分别为 24565 和 7917 元(3.10 倍), 相应的人均消费支出分别为16674 和 5908 元(2.82 倍)[32], 可见城镇的高消费水平使得居民碳排放远远高于农村居民,不断扩张的消费需求是我国居民消费碳排放不断增长的重要来源。
3.2.1 部门拉动作用
2012年, 城乡居民消费的碳排放均主要集中在6个部门, 只是比例有所不同, 分别是电力、热力生产和供应业, 其他服务业, 农、林、牧、渔、水利业, 食品制造业, 批发、零售业和住宿、餐饮业,交通运输、仓储和邮政业, 如图1所示。这些部门对城乡居民碳排放的拉动作用分别占其总排放量的70%和67%。
“其他服务业”和传统的碳排放主要来源“电力、热力生产和供应业”已经并驾齐驱, 成为碳排放最主要的两大来源。城镇居民消费中“其他服务业”占比(20.4%)已经超过“电力、热力生产和供应业”(19.8%), 成为拉动影响最大的部门。农村居民“其他服务业”占比为17.2%, 紧随“电力、热力生产和供应业”(20.2%), 位列第二。由此可见, 尽管“其他服务业”历来被认为是更加节能环保的行业, 但从对碳排放的拉动作用看, 其负面影响应充分重视。
3.2.2 按照类别测算的构成根据国家统计年鉴中对居民消费八大类别测算
的居民消费碳排放来源占比(图 2), 居民消费的碳排放主要来自“食”、“行”和“其他商品和服务”三大类, 但城镇和农村的消费方式不完全相同。“食品”依然是农村居民碳排放最大的类别, 其次是“其他商品和服务”和“交通和通信”, 分别为 30.46%, 17.74%和10.42%。对于城镇居民, 这三大类的占比也位列前三, 但占比最大的类别是“其他商品和服务”(21.33%), 超过“食品”(19.13%)。“衣着”是三大类以外占比最大的, 城乡的占比分别为 5.73%和5.17%。“家庭设备用品及服务”、“医疗保健”和“居住”的碳排放相差不大, 为1%~4%。拉动城乡碳排放类别差异的原因来自城乡居民生活方式、生活质量的差距, 这一差距可以进一步在城乡居民不同收入水平家庭的消费支出构成中得到体现。
3.2.3 不同收入水平家庭的间接碳排放
收入水平是影响居民消费碳排放的重要因素之一, Weber 等[33]利用多区域 LCA, 并结合居民消费支出, 研究美国家庭碳足迹, 评价教育、交通、能耗、休闲娱乐、服装和饮食等13个消费种类, 发现低收入家庭碳排放集中在基本需求消费, 且随收支水平增加, 娱乐等高级消费种类的碳排放比例上升。我国城镇居民和农村居民生活消费间接碳排放随收入水平的变化见图3。按照中国统计年鉴的分类,