魯政委：碳排放的趨勢與結構 —以及我國「十三五」碳排放路徑預測

魯政委 興業研究首席分析師

湯維祺 興業研究分析師

深化節能減排、推動綠色低碳轉型，是落實生態文明建設、實現綠色發展的重要抓手。自「十一五」以來，在節能減排方面做了大量的努力，並取得了了舉世矚目的成就：「十二五」期間碳強度下降超過20%、非化石能源佔比達到12%、可再生能源裝機容量已佔全球的四分之一、新增可再生能源裝機容量佔全球的三分之一，為全球應對氣候變化做出了積極貢獻[1]。《「十三五」規劃》進一步設定了2020年前碳排放強度進一步下降18%的目標；而向《巴黎協議》遞交的《自主減排貢獻預案（INDC）》則承諾到2030年，碳排放強度將比2005年下降60～65%，節能減排工作還將進一步深入推進。

長期以來，推動高耗能產業節能，以及非化石能源開發利用，是落實減排目標的主要路徑。而進入「十三五」后，的減排形勢以及減排潛力的分佈，都發生了結構性的變化。要進一步實現大幅度減排的目標，尤其需要把握未來一段時期內碳排放總量與結構變化的趨勢特徵，優化工作部署、挖掘減排潛力。

為此，本報告擬首先歸納和對比全球及各主要發達經濟體的能耗與碳排放歷史變化趨勢，探究總量及結構變化背後的推動因素，並以此為參照，對未來碳排放的變化趨勢進行預測和分析。

化石能源的使用，是人類活動碳排放的主要來源。根據世界銀行《世界發展指數（WDI）》資料庫的統計，2013年全球來自化石能源的碳排放佔比達到了93.7%；國際能源署（IEA）的統計數據則顯示能源系統溫室氣體排放佔比為68%[2]。因此不難理解，全球碳排放的總體趨勢在很大程度上由能源系統決定。

全球碳排放自上世紀50年代持續、快速增長，僅在70到80年代全球石油危機和大蕭條期間出現增速略微放緩。但是從碳排放強度（單位經濟產出的排放量）來看，卻呈現出明顯的「倒U型」曲線特徵：先從較低的水平持續上升，於50年代達到峰值后，持續下降。

在相對較長的時間尺度上，我們可以將碳排放尤其是碳強度的變化趨勢，與能源技術革命、工業革命的進程聯繫起來。正如美國未來學家裡夫金在《第三次工業革命》中指出的，每一次工業革命都由能源系統的變革和生產技術的躍進共同推動，而每一次工業革命不僅伴隨著經濟的增長，同時也反過來形成了能源消費與碳排放的新格局：

• 1769年瓦特蒸汽機問世，恰逢鋼鐵產業大發展，推動人類社會進入大工業化發展的第一次工業革命進程，也使煤炭逐步替代木柴等原始生物質成為人類社會的主要能源。由於煤炭相對於木柴能源密度提高、能源可得性強，加上以鋼鐵為代表的重工業發展，極大地推升了能源消費，碳排放快速增長；

1870年後的第二次工業革命，電力系統的廣泛應用進一步提升了能源可得性，同時使一次能源與終端能源得以分離，為能源多元化發展提供了基礎。與此同時，石油勘探、開採以及石油化工產業迅速發展，配合汽車內燃機的出現，使的石油逐漸走上歷史舞台。儘管能源消費總量持續提升，但是由於電力系統集中、集約的能源轉化模式大幅提升了能源使用效率，使得這一時期碳排放強度的增速逐步放緩，並在20世紀上半頁第二次工業革命接近尾聲時達到峰值；

第三次科技革命在20世紀下半葉拉開帷幕，集中出現的一批科技進步成果推動了經濟產業想高技術、高附加值轉型，在一定程度上降低了經濟增長對物質資源的依賴。與此同時，1959年天然氣液化技術（LNG）的出現使天然氣得以遠距離運輸，以及從70年代開始的核電大發展[3]，都對能源系統帶來了深遠的影響，進一步提高了全球能源系統的多元化、清潔化程度。在產業與能源系統雙雙轉型的推動下，全球碳排放強度快速下降；

從能源系統發展的歷史中可以看到，能量密度不斷提高、碳密度逐步下降，以及整體多元化逐步提升是能源系統發展的趨勢。照此趨勢，高能量密度、無碳的核能，以及可再生能源將通過電力系統的整合，成為的未來主導能源，而這也將進一步降低碳排放強度。

分國別看，由於能源資源稟賦、產業結構以及發展階段的差異，不同經濟體碳排放的變化路徑也存在一定的差異——主要的區別存在於發達經濟體與發展中經濟體之間。對大部分發達經濟體而言，在進入21世紀之前大多已經出現了較明顯的碳排放峰值，而碳排放強度則早在20世紀初甚至更早就出現了峰值。從發達經濟體的經驗看，進入工業化進程越早，則碳排放峰值出現的時間也越早。如英國得得益於19實際中後期電力技術的發展，率先達到了排放峰值，此後持續下降。而美國、德國、法國等經濟體經過了碳強度的快速上升后，在20世紀初急劇下降，並持續至今。第一次世界大戰的爆發、20年代末期開始的大蕭條，以及緊接著的二戰，都對全球經濟造成了巨大的創傷，這些因素解釋了發達經濟體碳排放強度在20世紀初出現的尖銳的峰值。而進入工業化最短的日本則是到20世紀末才達到峰值。

但是發達經濟體碳排放強度的變化規律，在發展中經濟體卻難以適用。多數發展中經濟體則尚處在總能耗持續上升的階段。碳排放強度的變化也沒有出現明顯的降趨勢特徵。的碳排放強度儘管在上世紀70年代到上世紀末之間出現了持續的、較大幅度的下降，但本世紀以來卻又重新出現了增長；南非和巴西的碳排放強度在歷史上也出現過多次上升和下降；印度儘管在90年代後期碳排放強度有所下降，但2006年以後同樣出現了回升。總體來看，發展家碳排放增長的路徑並不存在統一的模式或者規律。

值得注意的是，在所有發達經濟體的歷史中，美國1918年到1943年期間的碳排放強度下降最快，但即便是在這一階段，25年時間裡的碳強度降幅也僅為40%左右。相比之下，承諾的2030年碳排放強度比2005年下降60～65%的目標可謂雄心勃勃，實現難度不容忽視。

圖2所示的碳排放強度「倒U型」曲線，被稱為「碳排放庫茲涅茨曲線（CKC）」。將全球的CKC套用到單個經濟體，即認為隨著經濟的增長，碳排放（或者碳排放強度）會先上升，再下降。1991年美國經濟學家Grossman和Krueger首次提出污染排放與人均收入間存在「污染在低收入水平上隨人均GDP增加而上升，高收入水平上隨GDP增長而下降」的關係。1992年世界銀行的《世界發展報告》援引了Grossman和Krueger的研究，使其受到了國際社會的關注；1996年Panayotou首次提出「環境庫茲涅茨曲線（EKC）」，並被沿用至各種污染物的分析。有大量研究對CKC的假設做了驗證，但結論卻非常模糊[4]。事實上如果分國別對CKC進行分析不難發現，發達經濟體大多形成了完美的CKC圖形，而發展中經濟體則同樣難以找到明顯的趨勢特徵。

如圖5所示，和印度的碳排放強度隨著經濟增長出現了先上升後下降的過程，但當人均經濟產出達到一定水平時，碳強度重又出現上升的趨勢，或者進入平台期，難以進一步下降；而巴西、南非等發展中經濟體的碳強度卻持續波動，沒有明顯的趨勢。

按照傳統理論，隨著經濟增長，經濟生產的規模效應會降低資源投入，從而減少污染；此外，經濟增長往往對應著技術水平的提高，導致生產效率提高、污染下降；第三，隨著經濟增長，經濟結構往往向輕型化、高附加值轉型，服務業佔比提升。而服務業大多為低污染、低排放產業，因此隨著產業結構的升級，污染物排放強度也會相應下降；最後，收入的提高會導致民眾對生活質量的要求提升，進而提高對環境治理的社會意識和要求、強化環境規制、增加減排和污染治理投資。這些因素共同作用，便會導致污染物排放出現「先升后降」的趨勢特徵。

然而在開放經濟的系統中，發達經濟體的能源技術效率提升會對其他經濟體形成溢出，對各經濟體的碳強度都會產生統一的下降趨勢。從圖5中可見，在已經出現了碳排放強度階段性峰值的和印度等發展中經濟體，峰值出現時相應的經濟發展水平（人均GDP）也顯著低於發達經濟體碳排放歷史峰值的水平。這從側面印證了能源技術溢出帶來的效應。與此同時，在全球化產業轉移的過程中，發展中經濟體承接了發達經濟體大量高能耗、高排放的重化工業（「兩高產業」），並依託產業轉移帶來的技術和生產力溢出，實現經濟的快速增長。但這在客觀上也使得發展中經濟體的發展路徑嚴重地倚重工業增長，使碳排放強度與經濟增長出現同向變化的趨勢。另外，隨著汽車等耗能設備的全球普及，也使得發展中經濟體的交通、生活方式有別於發達經濟體歷史上自發、原生的增長路徑。如果這一推斷成立，則我們可以預期在承接發達經濟體產業轉移的中等及中高收入發展中經濟體中，由於與發達經濟體有較多的經濟、社會與文化溝通，導致一方面經濟增速較快，但同時另一方面由於承接產業轉移、模仿生活方式等因素，導致碳強度下降幅度較低；而相反，低收入經濟體由於沒有工業移入，同時接受了能源技術溢出，因而碳強度降幅則相對較高（圖6）。對比同處於中高收入的發展中經濟體平均水平而言，在過去十年中不僅取得了較高的經濟增長，同時在碳排放強度下降方面，也取得了顯著高於平均水平的成績。

如前文所述，開放經濟體下技術、產業和社會文化等多方面因素，加上各經濟體自身資源稟賦、發展路徑的差異，都會導致碳排放變化路徑出現變異。因此，對各經濟體碳排放增長進行歸因分析，能夠為我們提供更為深入、系統的視角，探析碳排放及強度變化背後的推動因素，並為預測未來碳排放情況提供參考。

歸因分析是將目標變數的變化，分解為各影響因素的貢獻度。對於由多個分量線性加總構成的總量，或者連續嵌套的影響傳導方式，都可以直觀地進行歸因。以碳排放為例，排放總量可以分解各部門排放的構成：碳排放總量=農業排放+工業排放+服務業排放+居民部門排放；同時也可以分解為連續嵌套的影響因素：碳排放總量=（碳排放總量/一次能源消費量）×（一次能源消費量/GDP）×（GDP/人口）×人口[5]，對上式兩邊取對數並對時間求偏倒，即可將碳排放量的變化分解為碳排放係數、能源消費強度、人均收入，以及人口增長等四個因素變化的貢獻度。然而在大部分情況下，並列與嵌套的影響因素並存，同時部分影響因素與目標變數之間的關係非線性，甚至存在不確定性，因此就需要更為複雜、系統化的方法，對不同因素的貢獻度進行分解，包括「對數平均迪維薩指數因子分解法（Log Mean Divisia Index, LMDI）」、投入—產出法、回歸分析法，以及全球價值鏈分析等，適用於不同的研究目標。其中，LMDI法因其使用簡單、分解完全（無殘差）、經濟意義直觀等特點，成為相關研究中最常用的方法[6]。

2015年7月21日刊發的《自然（Nature）》雜誌電子刊物Nature Communications刊文對美國在1997-2013年間的碳排放變化進行了LMDI歸因分析[7]。結果表明，在1997-2007年間，收入增長帶動的人均消費的增加，在很大程度上推高了總排放量（圖7a）；而隨著2008年全球金融危機爆發，收入和消費大幅下降，加上持續作用的能源效率提升（圖7b）、產業結構與消費結構的輕型化升級（圖7c），以及能源結構低碳化轉型（圖7d），使得碳排放總量快速下降。

值得注意的是，儘管2009年後經濟逐步企穩，人均消費量回升，但是由於天然氣和可再生能源的開發利用不斷加快的趨勢繼續保持，以及各行業能源效率的不斷提升，使得碳排放總量並未回升。作者將之稱為碳排放趨勢的「鎖定效應（Lock in Effect）」。鎖定效應在很大程度上是由於傳統技術和落後產能逐步被先進、清潔技術與設備替代，則即便總消費提升，碳排放總量卻因為效率的提升而不會重新出現增長。對而言，在經濟「三期疊加」、供給側改革任務緊迫的時期，依託去產能的推進加快先進、清潔產能的替代，有助於儘早鎖定低碳發展路徑，推動綠色發展。

歐盟委員會組織ICF諮詢公司、歐洲經濟研究中心（ZEW）等多家研究機構，於2016年開展的一項研究對歐盟27個成員國1995～2012年間的碳排放進行了因素分解[8]。結果表明，經濟活動總規模的增長同樣是推動歐洲碳排放上升的主要動力，但能源效率的在過去十年中大幅提升，使得碳排放強度顯著下降；同時各國國內產業結構的輕型化，以及低碳能源的佔比提升，也都在一定程度上阻止了碳排放總量的上升。綜合來看，歐洲的碳排放總量變化路徑與美國相近，在2007年以前小幅上升，2008年後大幅下降並於2009年之後達到平台期開始小幅下降。

對發展中經濟體的碳排放分解的系統性研究並不多，較為全面的分析可以參見2014年歐洲經濟研究中心（ZEW）的一項研究，主要結果如圖7所示[9]。對比發達經濟體與發展中經濟體可以看到，碳排放強度以及能源結構變化帶來的有限的減排效果，不足以遞補經濟總量增長帶來的規模效應，導致總排放的上升。

值得注意的是，如前文所述在經濟全球化背景下，國際貿易規模的擴大也對地區碳排放的增長路徑造成了影響。全球碳行動（GCP）在2016開展了一項研究，對全球貿易中隱含的碳排放進行了度量，結果表明和印度是全球最大的隱含碳[10]輸出方，而歐盟與美國則是最大的輸入方[11]。而全球化的生產分工是造成貿易隱含碳失衡的重要原因。由於發展中經濟體普遍能源技術水平較低、能源結構碳密度高，因此在發展中經濟體生產同樣的產品，導致的碳排放反而會高於在發達經濟體直接生產[12]，導致「碳泄漏」的問題。

本節利用LMDI方法，對1990年到2015年間能源消費與碳排放總量變化的驅動因素進行分解分析。如前文所述，LMDI因素分解分析的特徵在於可以同時分析並列與嵌套形式並存的影響因素，即可以從橫向與縱向兩個角度，分析碳排放的影響因素：從橫向看，我們可以將總能耗分解為經濟生產部門（又可以進一步分解為農業、工業、商業與服務業）能耗、交通能耗，以及居民能耗；從縱向看，可以分析各規模、結構，和技術（能源效率）等因素對各部分能耗的影響。

因素分解分析為我們提供了更為細化的視角，依據分析結果不僅能夠了解碳排放歷史變化的驅動力，更便於我們「自下而上」地對未來的排放總量、結構以及減排潛力做出合理的預估。

1.歷史趨勢分解

本節分析能源碳排放總量。根據能源平衡表的結構，從終端能源消費品種的角度可以將總能排放分為煤炭、焦炭、石油、天然氣、熱力和電力排放六部分[13]；而從行業角度，則可以將總排放分解為農業（農、林、牧、漁、水利業）、工業、建築業、其他服務業，以及交通部門（交通運輸、倉儲和郵政業）、生活部門的排放六個部分。各個部門的碳排放由能源結構、部門規模、產業結構、能源效率等因素共同決定。從上述思路出發，我們可以構建擴展的Kaya恆等式，將總排放表示為：

其中C表示碳排放；E表示能耗；Y表示經濟產出；TD表示公路客運周轉量，等於乘用車保有量（VN）與平均周轉量（VTD）的乘積；DI表示可支配收入總額，等於人口（P）乘以人均可支配收入（PDI）；下標i表示部門，i = 1,2,…6分別表示農業、工業、建築業、服務業、交通、生活部門；j = 1,2,…6分別表示煤炭、焦炭、石油、天然氣、熱力和電力。

依據上式，可以利用LMDI指數法將一定時間段內的碳排放變化量（DC）表示為：

等式右邊分別表示能源結構、經濟產出、產業結構、產業能效、交通能效、汽車保有量、汽車使用強度、生活能效、人口以及人均可支配收入對總能耗的貢獻度[14]。

圖12列示了1990年以來碳排放各個影響因素的貢獻度。從中不難發現在所有的影響因素中，規模效應，包括經濟產出規模、汽車保有量，以及收入的增長，都是推動碳排放增加的主要動因。尤其是經濟產出規模的貢獻度，在所有正向影響因素中佔比始終在70%以上。這也反映出碳排放、能源消費量等與經濟產出之間的密切的相關性，凸顯出目前總體的產業結構儘管逐步輕型化，但高能耗、高排放的工業部門佔比依然較大，提升了碳排放與經濟增長「脫鉤」的難度。而要在保持較高經濟增長速度的同時，實現節能減排目標，就必須在產業結構、能源效率等方面作出大幅度的調整。經濟生產部門的能源效率提升是限制碳排放增長的主要因素。但同時，從歷史變化趨勢中也可以看到，生產能效的變化具有階段性的特徵。90年代隨著對外開放與外資的進入，先進生產技術的引進在很大程度上提升了工業生產的技術水平，也提升了能源效率。但是這種效果很快便趨於收斂。一直到「十一五」起，隨著節能減排政策逐步收緊，並且將工業節能作為主要的推動手段，使得生產部門的能效又一次出現集中的提升。但是對比「十一五」和「十二五」期間，能效提升的幅度卻在逐步收斂，表明工業部門節能減排潛力逐步衰減、難度加大。由此可見，繼續延續此前的減排政策路徑，將難以進一步推動大幅度減排、實現碳減排承諾目標，需要在產業結構、能源結構等方面作出更大程度的調整，發掘出新的減排潛力。

從能源消費部門結構的歷史變化趨勢中可以很明顯地看到，儘管工業能耗始終佔據絕對主導地位（2015年佔比達到68.0%），但是交通能耗和生活能耗在2010年後佔比迅速提升。這一方面得益於產業結構升級、服務業快速發展，帶來交通物流需求的提升；另一方面，居民收入的提高，以及城鎮化水平的不斷提高，也在很大程度上提升了交通需求以及生活用能的水平。隨著供給側改革與產業結構升級的進一步深化，以及城鎮化背景下生活、交通方式的不斷變化，未來能源消費結構中，居民部門和交通部門的佔比還將進一步提升。而由於這兩個部門在此前並沒有受到節能減排政策的干預，因此依然存在較大的節能減排空間，有望成為減排行動新的重點領域。

2.未來發展預測

根據「十三五」規劃目標，以及歷史數據的變化趨勢，我們可以對經濟總體及分部門的規模、產業結構、能源結構，以及交通周轉量、人均收入等變數進行預測，由此得到各部門的規模增長情況。此外，「十三五」能源發展相關規劃中對可再生能源佔比、化石能源結構，以及發電能源結構等設定了明確的目標；《「十三五」節能減排綜合工作方案》則對交通節能（包括新能源汽車總量及佔比、交通能效提升）以及建築節能（建築能效提升）等目標做出了規劃，我們可以據此修正各部門的能效以及能源結構。碳排放預測的結果如圖15所示。

從預測結果中可以看到，「十三五」期間碳排放總體增幅相較於「十二五」顯著放緩，能源密集型進一步下降。特別值得注意的是「十三五」期間工業排放的佔比在「十五」到「十二五」期間的十五年間持續下降之後，重新出現了增長。儘管如圖14所示，工業增加值佔比持續下降，但是由於工業能效進一步大幅下降的空間有限，因此由於其他部門能效進步的速度相對於工業部門更高，導致工業排放佔比的提升。這也提示我們在經過長達十五年的工業減排之後，進一步挖掘減排空間的難度加大，而其他部門，包括服務業、交通，以及生活能耗成為新的重點。

由於碳排放預測採用的是「自下而上」的方式，因此我們同樣可以利用LMDI法對預測的碳排放增長進行因素分解，進一步揭示「十三五」期間碳減排的重點領域。從圖16可以看到，規模因素依然是推動碳排放增長的主要力量，但除此之外，「產業結構」因素卻由負轉正成為推動增長的因素。

這一方面反映了工業碳排放強度相對的變化，另一方面也受到其他產業能源密集性變化的影響。如圖17所示，由於交通運輸方式的變化，單位客運周轉量（人×公里）的能源耗量持續上升。儘管根據我們的預測，由於公共交通、低碳交通、新能源汽車等低碳交通模式的大力發展，「十三五」期間交通部門的能源與排放強度增速放緩，但相比於其他部門能效水平的不斷提升，交通部門已經成為不折不扣的「高耗能、高排放產業」，而交通需求的快速增長，一定程度上促成了產業結構對總排放的正向影響。

最後，需要指出的是，考慮了目前已經發布的各項能源、產業減排規劃，結合各部門規模增長、能源強度變化和能源結構變化，「自下而上」地對「十三五」期間的能耗與碳排放進行預測，結果表明在「十三五」期間能源與碳排放強度（單位GDP能耗與排放量）分別下降13.4%和17.6%，接近但依然沒有能夠實現「十三五」規劃提出的15%和18%的減排目標。因此，「十三五」期間一方面要切實落實相關規劃提出的各項低碳發展目標，同時也需要進一步擴大視野，開拓新的減排領域。

注意到2017年3月1日住建部印發《建築節能與綠色建築發展「十三五」規劃》，提出了「十三五」建築節能領域的主要目標，包括城鎮新建建築能效水平將比2015年提升20%，部分地區及建築門窗等關鍵部位建築節能標準達到或接近國際現階段先進水平；城鎮新建建築中綠色建築面積比重超過50%，綠色建材應用比重超過40%；完成既有居住建築節能改造面積5億平方米以上，公共建築節能改造1億平方米，全國城鎮既有居住建築中節能建築所佔比例超過60%；城鎮可再生能源替代民用建築常規能源消耗比重超過6%；經濟發達地區及重點發展區域農村建築節能取得突破，採用節能措施比例超過10%等。

建築節能的大力推進，有望為總體的節能減排目標提供新的動力。近年來社會各界對建築節能的關注與日俱增，但具體落實的措施卻非常有限。主要原因在於建築能耗與建築使用者的其他生產、經營與生活行為密不可分，因而沒有納入傳統的能源與碳排放統計口徑中，導致推進建築節能缺乏必要的抓手。另外，建築節能涉及上游的建材、構建，以及中游的設計、建造，和下游的使用、管理所有的環節，相關標準體系尚不完備。然而建築能耗不論是在農業、工業、服務業，還是居民部門，都佔據了相當可觀的比重。據統計，在發達國家建築能耗在總能耗中的佔比約為33%左右[15]，而由於建築能效標準較低，導致建築能耗較高，約佔總能耗近一半（47%）[16]。隨著「十三五」期間進一步大力推進城鎮化建設，新增建築與既有建築改造的需求規模均較大，為推進建築節能與綠色建築提供了難得的契機。

LMDI分析模型是一種完全的，不產生殘差的分解分析方法，是分析能源消費量、CO2排放量的相關研究中最為成熟、常用的分析方法之一。該方法假定能耗的變化可以分解為數個互相關聯的影響因子，通過構建擴展的Kaya恆等式，並相應變形，可以將關係結構複雜的各個因子各自的貢獻度分離出來，從而為進一步分析研究以及政策決策提供依據。

本報告主要分析能源碳排放，根據能源平衡表的結構，我們在行業維度上將總排放分解為農業（農、林、牧、漁、水利業）、工業、建築業、服務業（批發、零售業和住宿、餐飲業，及其他非交通運輸服務業），以及交通（交通運輸、倉儲和郵政業）和生活六個部門；在能源品種維度上，則分為煤炭、焦炭、石油、天然氣、熱力和電力六種。各部門排放由規模、產業結構、能源結構、能源技術效率等因素決定。據此，我們可以構建如下的擴展Kaya恆等式：

其中C表示碳排放；E表示能耗；Y表示經濟產出；TD表示公路客運周轉量，等於乘用車保有量（VN）與平均周轉量（VTD）的乘積；DI表示可支配收入總額，等於人口（P）乘以人均可支配收入（PDI）；下標i表示部門，i = 1,2,…6分別表示農業、工業、建築業、服務業、交通、生活部門；j = 1,2,…6分別表示煤炭、焦炭、石油、天然氣、熱力和電力。

EFSij=emfj×Eij/Ei =emfj×FSij表示i部門的能源結構對部門碳排放的影響；ISi=Yi/Y表示產業結構，EIi=Ei/Yi表示能源效率，EIT=E5/TD表示汽車能效水平；EIR=E6/DI表示生活能效，則上式可以表示為：

對上式兩邊取對數，然後對時間t求全微分，再對要分解的目標時段0～T期求積分，可以得到：

其中ωij=Cij/C。上式可以進一步近似地表示為：

其中uij=[(Cij,T-Cij,0)/ (lnCij,T-lnCij,0)]/[(CT-C0)/(lnCT-lnC0)]。將上式進一步簡化，可以表示為

，等式右邊分別表示能源結構、經濟總產出、產業結構、產業能效、交通能效、汽車保有量、汽車行駛里程、生活能效、人口以及人均可支配收入對總能耗的貢獻度。

註：

[1]http://huanbao.bjx.com.cn/news/20160629/746673.shtml

[2] IEA統計的佔比低於世界銀行，主要原因在於IEA納入了非CO2溫室氣體。此外，這一數字近年來隨著能源系統的去碳化而顯著下降。2006年以前該佔比超過80%。具體請參見IEA (2016): CO2Emissions from Fuel Combustion. (https://www.iea.org/publications/freepublications/publication/

CO2EmissionsfromFuelCombustion_Highlights_2016.pdf)

[3] http://www.askci.com/news/chanye/2016/03/17/16754bsct.shtm

[4] Itkonen. JVA, 2012: Problems estimating the carbon Kuznets curve, Energy, 2012, 39 (1): 274–280.

[5]這一分解式即為著名的Kaya恆等式，有日本經濟學家Yoichi Kaya與1997年提出，用以分析碳排放變化的推動力，具體請參見Kaya, Yoichi; Yokoburi, Keiichi (1997). Environment, energy, and economy: strategies for sustainability.Tokyo: United Nations Univ. Press. ISBN 9280809113.

[6] Ang, B.W. (2015). LMDI decomposition approach: A guide forimplementation, Energy Policy, Vol. 86,Pp. 233–238

[7] Feng, K.S., Davis, S.J. Sun, L.X. and Hubacek, K. (2015). Driversof the US CO2 emissions 1997–2013, NatureCommunications, 21 Jul. 2015.

[8] ICF, (2016). Decomposition analysis of the changes in GHG emissionsin the EU and Member States,

[9] Schymura, M. & Voigt, S. (2014). What Drives Changes in CarbonEmissions? An Index Decomposition Approach for 40 Countries. ZEW Working PaperNo. 14-038.

[10]隱含碳排放是由價值鏈理論延伸出的概念，即指生產、消費或者貿易的商品，其生產過程中的直接排放，加上其投入中間品生產所致的排放，以及中間品生產所需中間品生產所需排放，以此類推。具體數值可以通過投入產出表計算得到。

[11] Le Quéré, C. et al. (2016). Global Carbon Budget 2016. Earth System Science Data. 8, 605-649

[12] Jakob, M. & Marschinski, R. (2013). Interpreting trade-relatedCO2 emission transfers. Nature ClimateChange, 3, 19–23

[13]電力與熱力的排放為隱含排放，即根據全國發電、供暖的平均排放折算隱含碳排放係數。相應的，熱力與電力供應部門用於能源轉化的排放沒有直接計入「工業排放」部分。

[14]推到方式與說明，請參見本報告的技術附錄。

[15] http://www.chinairn.com/news/20140505/190538292.shtml

[16] http://mt.sohu.com/20151208/n430227903.shtml