因素分解分析方法的应用与优势

在上面对模型分析方法的介绍中，可以了解到自20世纪80年代以来，随着对能源消费碳排放模型研究的不断发展，学者们对能源环境问题研究的深入，人们对能源消费所造成的温室效应有了更深刻的了解，随之便产生了对于减少温室气体排放，减缓全球变暖等问题的关注。在碳排放测算方法发展的基础之上，能源消费碳排放的因素分解方法应运而生并得到广泛应用。因素分解方法主要分为结构性因素分解方法(SDA)和指数因素分解方法(IDA)(RheeHae-chun，2006)。它们通常将影响碳排放变化的因素分解为不同的因素指标，针对实际研究条件，可以选择不同分解方法和因素指标。

1.结构性因素分解法

结构性因素分解法(SDA)是在投入产出表的基础上，对碳排放驱动因素进行定量分析的研究方法，所以又被称为投入产出分解法。该方法仍然以Leontief生产方程为基础，可以通过对产品的生产进行分解，紧紧依据投入产出相等的原则，通过层层汇编建立碳排放影响因素分析模型;也可以通过对中间消耗的分解，依据不同产品的中间消耗与中间投入相等的原则进行分析研究(罗杰·珀曼、马越等，2002)。

采用结构性因素分解模型研究碳排放问题时，影响因素一般会被分解表示成多个因素乘积的形式，而这些因素通常会包括投入产出系数、能源消费比例、碳排放系数等指标。由于采用结构性因素分解模型以能源消费的原始数据为基础，其分析碳排放问题具有较高的精确度，但因为投入产出法有时需要将部门的中间消耗重新划分和归类，其工作量会比较大。国内外运用结构性因素分析方法对碳排放的研究主要有:Chang等(1998)从投入产出的角度，运用结构性因素分解分析方法分解研究了台湾地区工业部门的碳排放影响因素;Nobuko(2004)对日本1985—1995年间能源消费碳排放量变化的影响因素进行了分析;Miguel等(2007)采用合并后的投入产出(I/O)分析方法对各经济部门二氧化碳排放及相互关系进行了研究。

2.指数因素分解法

日本教授YoichiKaya最早通过数学公式来研究分析经济、政策和人口等因素与CO2排放之间的相互关系，经过对数学模型的不断优化和完善，逐渐形成了指数因素分解法。指数因素分解法即用几个因素指标相乘的形式来表示碳排放量计算公式，为了确定各个因素指标的增量余额，对这些影响因素赋予不同权重，进而由不同的权重来判定这些因素指标在多大程度上影响着能源消费碳排放的变化(AngBW，2004)。由于该种方法充分考虑了不同因素指标的影响程度，逐渐被越来越多的研究学者所接受。指数因素分解法主要有三种:Laspeyres指数法、简单平均分解法(SAD)和自适应权重分解法(AWD)，其不同之处主要在于因素指标权重的确定方法不同。(www.xing528.com)

①Laspeyres指数法。Laspeyres指数法是由德国的Laspeyres提出的，它首先选取某一年份的因素数据作为基期的数量指标，假设各因素指标的统计单位是某一确定的值，以基期数量指标作为首次加权权重，各因素指标的影响情况可分开分析，即:如果要分析某种因素指标对总排放量变动的影响程度，只需要对该因素各个阶段的变化进行分析，计算该因素指标的权重数据变化了解相关变动趋势，其他因素变量及权重保持不变。Schipper等(2001)运用Laspeyres指数分解方法对包括美国在内的13个国际能源署国家1995年以来制造业能源消费的二氧化碳排放问题进行研究。Park(1992)通过对因素分解方法的研究，较为详细地描述总结了Laspeyres指数法，并应用这种方法对美国工业能源消费进行分解分析。

②简单平均分解法(SAD)。简单平均分解法(SAD)与Laspeyres指数法不同，将各因素指标权重由基期某数量指标替换为某个时间年限内始末年份的某个指标平均值，对各因素指标的变量也采用均值衡量的方法。Boyd等(1988)将这个指标的平均值确定为始末年份指标的算术平均值，各因素指标的增加量及权重采用对数计算方法确定。由于该计算方法中运用了对数公式，所以如果碳排放的基础数据中存在零数值，计算公式会出现无意义的情况。后来Ang等(2004)人又提出了对数平均权重分解法(LMDI)，该计算方法既不采用基期数量指标也不采用始末年份算数平均值作为因素权重，而是采用对数方法计算因素权重，通过这种方法来计算出来的因素权重不存在残差，计算结果更准确。

运用该种分解方法的主要研究成果有:Greening等(1999，2004)利用LMDI方法对美国天气变化原因进行研究，结果表明这种变化出现的主要原因是由于美国能源消费和碳排放强度的下降，另外他们还研究分析了多个经济合作发展组织国家的交通、运输、制造业的碳排放强度，认为这些国家能源结构调整、能源强度的变化对碳排放强度的作用有限;Bhattacharyya等(2004)对1981—2000年间泰国能源消费的影响因素进行了分析;吴立波等(2005、2006)对20世纪最后20年中国能源消费碳排放问题进行研究，发现在该世纪最后几年二氧化碳排放增长有所停滞，进而研究分析了造成这种变化的主要原因，结果表明出现此变化的主要原因是国有企业产权改革带来的劳动平均生产率下降，但这种影响是暂时的，21世纪头两年能源消费碳排放不再降低转而继续增长;王灿等(2005)分解研究了中国20世纪后半叶的CO2排放量变化的影响因素，结果表明在众多影响因素中，能源强度是最重要的减量因素，要使中国能源消费碳排放量减少，改善其能源结构、提高能源强度是关键;魏一鸣等(2008)通过对中国能源研究分析，得出与王灿等完全相反的意见，他认为在减少二氧化碳排放的途径中，提高能源利用效率、优化能源消费结构不一定就是正的积极作用;徐国泉等(2006)采用对数平均权重Divisia分解法定量分析了中国1995—2004年间人均碳排放量的影响因素，虽然能源效率的提高和能源结构的优化对减少二氧化碳的排放有积极作用，但这种抑制碳排放的作用正在减弱，且无法抵消由于经济增长产出规模的增加所带来的增量效应;Zhang(2000)对1990—1997年中国工业部门能源消费变化的研究认为，能源强度下降带来的能源节约量占整个工业部门能源节约量的87.8%。

③自适应权重分解法(AWD)。自适应权重分解法(AWD)首先假设各权重参数为单调函数，通过先求微分再求单项积分的计算方法来计算各因素变化率的权重，因为该方法采用的是一段时间内的函数微分，相比其他计算方法其残差最小更接近现实，但由于这种方法计算过程复杂，实用性并没有LMDI法广泛(LornaAG，1997)。范英等(2007)采用AWD法对中国1980—2003年间的碳排放强度进行了实证分析，研究认为实际能源强度的下降及能源结构变化是中国碳排放强度下降的主要原因。法国学者Schipper(2001)采用自适应权重分解法(AWD)对多个国际能源消费国家的CO2排放趋势影响因素进行了分解研究，认为能源强度的下降和能源消费结构的优化是碳排放强度变化的重要原因。