中国居民家庭碳排放动态演进及驱动因素研究

尚梅，徐紫瑞，闫晓霞，杨晴

（西安科技大学 管理学院，陕西 西安 710054）

0 引言

全球气候变暖问题是当今人类面临的重大挑战。自工业化时代起，人类活动引起的温室气体排放量急剧增加，逐渐成为导致气候变暖的重要因素[1]。随着生活水平的提高与生活方式的改变，家庭作为人类生活的基本单位，其碳排放量在总量中的比重不断上升[2]。居民消费对我国碳排放增长的促进作用越发明显，1999—2009年居民消费行为所致碳排放在总量中的占比由19%上升至30%，该类碳排放量对总量的贡献显著增加[3]。因此，研究家庭单位碳排放演进情况及其影响机理对实现节能减排有重要作用。学者们对此展开了广泛研究，与本研究相关的文献可分两方面综述。

居民家庭碳排放的动态演进方面。大量研究表明，居民家庭碳排放的动态演进情况随家庭类型变化。张馨等[4]研究发现，2000—2007年城乡家庭能耗及其碳排放量保持增长，但家庭直接、间接能源消费及其碳排放结构演进情况存在城乡差异。Golley & Meng[5]发现，2005年中国城镇居民收入水平促进人均直接、间接碳排放增长。刘莉娜等[6]发现，1997—2012年中国人均居民生活碳排放在各分类标准下保持增长，但其变化趋势存在区域差异。

居民家庭碳排放驱动因素方面。现有研究多采用统计数据、问卷或机构调查数据。采用统计数据的文献多从宏观视角研究人口总量、人口结构和能源消费强度等因素对居民家庭碳排放的影响。黄经南等[2]的研究表明，家庭私家车拥有量、收入水平及成员年龄与2010年武汉市出行碳排放显著正相关。计志英等[7]的研究表明，人口、居民消费水平和能源消费强度对家庭碳排放影响显著，但影响程度存在城乡差异。周嘉等[8]发现，家庭规模和劳动人口比例等因素在2003—2015年对人均居民家庭直接碳排放的影响随时间变化且存在省域差异。采用问卷及机构调查数据的研究多从微观视角探究家庭规模、收入水平、受教育程度和年龄结构等因素对家庭碳排放的影响。郑凡[9]的研究指出，家庭规模小型化和结构简化使家庭碳排放下降，人口老龄化使碳排放增长。李军等[10]的研究发现，收入增长一方面通过规模效应导致家庭间接碳排放增长；另一方面又通过优化消费结构减少间接碳排放。上述研究表明，驱动因素对家庭碳排放的影响随着家庭类型以及时间变化产生差异。

综上可以看出，学者们从不同视角对家庭碳排放进行了广泛研究，但仍存在不足。首先，居民家庭碳排放的动态演进受地区[6]、城乡[4-5]和收入水平[5]等因素的影响，但现有文献在研究时多从单一维度分析，缺少多维度的系统研究。其次，由于自组织问卷存在问卷设计欠全面、发放范围小和抽样随机性弱等缺点，导致现有研究对家庭碳排放微观驱动因素存在选取片面、数据缺乏概括性等不足。最后，限于数据的可得性，多数学者从宏观视角研究家庭碳排放的驱动因素，忽略了家庭微观特征对碳排放的影响[4-6]。因此，本文基于样本覆盖全国且采用概率抽样法的中国家庭调查数据（CFPS），一方面，从城乡、区域及不同收入阶层居民家庭视角分析碳排放量及其结构的动态演进情况；另一方面，借鉴广义最小二乘法和逐步回归分析技术，系统分析城乡、区域及不同收入阶层家庭碳排放的驱动因素，为地方政府有针对性地制定居民家庭节能减排激励政策提供理论支持。本文将它们视为居民直接碳排放来源。

由于研究期间中国水电、核电等“零碳”排放的电力不断增加，本文将直接碳排放与电力、热力、燃气及水生产供应业相对应，引用胡振等[1]的碳排放强度计算公式，得到2012—2018年微观居民家庭直接碳排放系数：

式中：λd表示直接碳排放系数（kgC/元）；ωi表示第i种能源消费实物量（kg）；λi表示第i类能源的碳排放系数（kgC/kg）；Δ表示电力、热力、燃气及水生产供应业的行业增加值（元）。碳排放系数引用张馨等[4]的研究成果，计算结果见表1。

表1 2012—2018年直接能源消费碳排放系数

1 居民家庭碳排放测算

1.1 居民家庭碳排放测算

本文将家庭碳排放分为直接、间接碳排放。直接碳排放指直接购买和消费能源商品，包括居民用于取暖、制冷、照明、炊事等项目所消耗的煤炭、原油、汽油和煤油等化石燃料，对它们的消费过程所产生的二氧化碳。居民在电力、热力和水的使用过程中虽未直接燃烧化石燃料，但其上游生产过程对化石燃料的消耗很大。因此，

间接碳排放指居民对各种非能耗产品及服务的消费所引发的碳排放，根据国家统计局《居民消费支出分类》可将其分为食品烟酒、衣着、居住、生活用品、交通和通信、教育文化和娱乐、医疗保健及其他共八类。由于研究期内中国能源结构变化不明显，本文将八类间接能源消费项目的碳排放系数视为常数，同时参考郑凡[9]对间接能源碳排放系数的测算值进行计算，具体见表2。

表2 2012—2018年间接能源消费碳排放系数

1.2 数据来源

直接能源消费中2012—2018年电力、热力、燃气及水生产供应业的行业增加值选自2010—2018年《中国统计年鉴》。汽油、原煤、原油和柴油的实物量数据和能源折标煤系数来源于2010—2017年《中国能源统计年鉴》。

2010—2018年中国家庭追踪调查（CFPS），样本覆盖全国除台湾地区以外的33个省级行政区，占全国总人口的95%。其调查内容包含水电费、燃料费以及家庭总资产和家庭户规模、收支细项、打工人数和住房面积等数据，包含计算直接、间接碳排放所需的居民家庭消费数据，以及驱动因素指标变量的相关数据。其中，直接、间接能源消费中包含的各项支出如表3所示。下文将直接能源消费项目与八类间接能源消费项目共称为九类消费项目。

表3 家庭能源消费支出构成明细

2 居民家庭碳排放演进

本文从城乡、四大区域和收入阶层三个方面对居民家庭碳排放量和各类生活消费碳排放量进行分析。依据《中国统计年鉴》的分类，将全国各省份划分为东部、中部、西部和东北地区共四个部分。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、安徽、江西、河南、湖南和湖北；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；东北地区包括辽宁、吉林和黑龙江。同时根据CFPS中人均家庭纯收入的变量，将家庭分为四个收入阶层。人均家庭纯收入从低到高排序划分为：0～25%低收入户；25%～50%中等偏低收入户；50%～75%中等偏高收入户；75%～100%高收入户。

2.1 居民家庭碳排放总量演进分析

就各类家庭而言，居民家庭碳排放在2012—2018年的增幅普遍较大，如图1所示。不同分类标准下居民家庭碳排放变化趋势相似，即样本期内居民家庭碳排放保持增长，但涨幅逐年减小。由图1可知，四大区域居民家庭碳排放在2012—2018年增长最显著，平均涨幅84.76%；同期的城乡居民家庭碳排放平均增幅次之，达到74.64%；而各收入阶层的碳排放涨幅在样本期内最小，仅有70.25%。

图1 2012—2018年居民家庭碳排放总量

同时，居民家庭碳排放在各分类标准下呈现两极化，城市居民家庭碳排放显著高于乡村，东部地区居民家庭碳排放显著高于其他区域，高收入户居民家庭碳排放显著高于其他收入阶层，且上述差异在样本期内先增大后减小并同时于2016年达到最大值。其中，收入水平导致的居民家庭碳排放差异最大，其次是城乡和区域差异。由CFPS数据测算可知，各分类标准下的居民家庭消费支出在变化趋势和分布态势上与家庭碳排放相似。居民消费支出增长及差异可能是居民家庭碳排放增长并呈两极化的主要原因。

2.2 居民家庭九类消费项目碳排放量演进分析

随着经济发展与家庭规模及结构的改变，城乡、区域和各收入水平居民家庭各类能源消费的碳排放量也随之改变，如图2～图4所示。

图2 2012—2018年城乡居民九类消费项目碳排放量

图3 2012—2018年四大区域居民九类消费项目碳排放量

图4 2012—2018年四大收入阶层居民九类消费项目碳排放

从总体趋势来看，居民家庭九类消费项目碳排放在各分类标准下多随时间增长，且多数消费项目的碳排放增幅逐年减小。在2012—2018年的九类居民消费项目中，食品烟酒、生活用品和居住类碳排放的城乡、区域和收入水平间的差异始终最大，即上述消费项目是造成家庭碳排放差异的主要原因。

食品烟酒和生活用品类碳排放方面。从城乡视角来看，城市居民家庭上述两类碳排放水平高于乡村。这与城市居民消费水平偏高有关。根据统计资料测算发现：2012—2018年，城市居民年消费金额始终大于乡村。从区域视角来看，东部地区居民家庭的上述两类碳排放高于中西部地区，这与东部地区经济发达、居民收入和消费水平高有关。据统计资料测算，样本期内人均生产总值始终高于全国平均值的11个省份中有8个位于东部地区；而居民收入水平一定程度上也反映出居民生活水平差异。从收入阶层视角来看，随着收入阶层的提升，家庭碳排放增加，这与高收入阶层中构成生活用品类消费的汽车、古董、高档乐器等非生活必需品消费构成较高有关。

城乡、区域和收入分类标准下居住类碳排放产生差异的原因不同。据CFPS数据测算，2012—2018年城市租房率保持增长，而乡村居民的租房率波动下降，因此居住类碳排放的城乡差异尤为显著。据CFPS数据测算，四大区域居民居住类消费中房租和住房按揭支出平均占比达到80%以上。据统计数据测算，东部地区居民居住类消费价格指数在样本期内的平均值为102.19，高于中部、西部和东北地区的102.03、99.98和101.71，进一步扩大了居民居住类消费差异，使该类碳排放的区域差异扩大。同时，居民的租房需求和物业费也随收入水平提升而逐步增长，且涨幅随收入水平上升显著增大，导致居住类碳排放在收入阶层间的差异随收入水平上升而增大。

3 居民家庭碳排放驱动因素分析

3.1 研究机理及研究框架

家庭碳排放可划分为包括一次、二次能源消费等的直接碳排放和包括八类能源消费的间接碳排放。因此，家庭碳排放一方面与家庭经济特征紧密相关；另一方面又与住宅特征、家庭户特征、交通出行、城乡差异等相关。本文将家庭经济特征之外的家庭特征统称为“家庭物理特征”，如图5所示。结合CFPS中现有调查数据以及学者们的研究结论，本文甄选出家庭碳排放的驱动因素，如表4所示。其中，家庭城乡差异、家庭户类型、交通出行和收入水平变量由虚拟变量表征，其基础类型与比较类型的选取如表5所示。

表5 虚拟变量定义

3.2 研究假设

根据图5，本文结合理论分析及学者们的研究成果，对表征家庭物理及经济特征诸变量对家庭碳排放的影响提出假设（表4）。

表4 居民家庭碳排放驱动因素的选取及假设

3.3 实证分析

3.3.1 模型构建

目前学术界定量分析家庭特征对家庭碳排放影响的方法多为因素分析法和回归分析法。前者驱动因素选择理论依据充分；后者变量的选择往往带有一定的主观性，但可供选择的变量范围广。本文结合二者的优点，在理论分析的基础上提出影响家庭碳排放的理论框架（图5），从而较客观地选择家庭碳排放驱动因素，构建线性回归模型Y=β+∑βiXi+u，其中Xi代表图5中不同的驱动因素，而βi则代表对应的弹性系数，见式（2）。

图5 研究框架

3.3.2 数据处理及回归方法选择

为分析不同家庭微观特征对居民家庭碳排放的贡献，同时消除变量的多重共线性，本文对驱动因素变量取对数处理。在对数据进行取对数时发现，某些年份的某区域数据存在异方差性，因此，采用可行广义最小二乘法（FGLS）对模型进行修正以得到具有BLUE性质的参数[18]。同时，由于某些数据经取对数后仍存在多重共线性，本文采用逐步回归分析进一步消除模型的多重共线性，即每阶段筛选出对碳排放量影响较显著的因素，确定变量间的定量关系和作用大小；每引入一个自变量就对此前引入的自变量进行重新检验，直到选入的自变量都显著为止[19]。该方法比较传统，此处不再赘述。

本文对2012—2018年的驱动因素取对数，并利用简单相关法检验多重共线性并据此结果选择逐步回归法或广义最小二乘法进行处理，如表6所示。本文采用广义最小二乘法和逐步回归法对2012—2018年四大区域的驱动因素进行分析。

表6 2012—2018年驱动因素的多重共线性检验

由表6结果可知，东部地区2012年和2014年采用逐步回归法，2016年和2018年采用广义最小二乘法；中部地区2012—2018年采用逐步回归法；西部地区2012年和2018年采用广义最小二乘法，2014年和2016年采用逐步回归法；东北地区2012—2018年采用逐步回归法。

3.4 驱动因素时空差异分析

3.4.1 东部地区

由图6可知，在2012—2018年，城乡差异、收入水平和转移性收入占比对东部地区居民家庭碳排放的影响始终显著。在上述三种驱动因素中，城乡差异方面，在样本期内城乡属性始终促进家庭碳排放且对家庭碳排放的影响较稳定，弹性系数在样本期内先下降后上升，在0.45～0.7间波动，H9成立。收入水平方面，在样本期内始终抑制家庭碳排放，本文以高收入户为基准变量，2012—2018年各收入阶层对家庭碳排放的抑制作用先增大后减小，且不同收入阶层的抑制作用差异随收入水平提升而减小，H19成立。转移性收入方面，转移性收入占比的弹性系数值随时间先增大后减小，仅2014年促进家庭碳排放，即转移性收入占比对家庭碳排放的影响多为负效应，H18成立。转移性收入对居民家庭碳排放的影响在正负间波动的现象可能与转移性收入的不确定性有关。

图6 2012—2018年东部地区居民家庭碳排放驱动因素演进情况

如表7所示，是否拥有私家车在2012年、2014年和2018年对居民碳排放影响显著。如表5所示，由于该虚拟变量以有私家车为基础，弹性系数为正则说明：相对无私家车的家庭，拥有私家车的家庭碳排放量更高；弹性系数为负时则相反。因此，2012—2018年拥有私家车对家庭碳排放的影响由负转正并随时间增强，H8成立。

表7 2012—2018年东部地区居民家庭碳排放驱动因素估计结果

3.4.2 中部地区

由图7可知，2012—2018年交通出行、城乡差异、家庭户类型和收入水平始终对中部地区居民家庭碳排放影响显著。在上述四种驱动因素中，交通出行方面，2012—2014年由于居民大量购买汽车且更愿意使用私家车出行，交通出行的弹性系数在2012—2016年由负转正并缓慢增长；当私家车拥有量趋于饱和，能源结构逐渐优化后，交通出行对家庭碳排放的促进作用减小，弹性系数在2016—2018年逐渐下降。城乡差异方面，样本期内家庭城乡差异对家庭碳排放始终呈促进作用且影响较稳定，弹性系数在0.2～0.35间波动，H9成立。家庭户类型方面，该变量在样本期内始终促进家庭碳排放且影响稳定，弹性系数先下降后上升，H10成立。收入水平方面，该变量在样本期内始终抑制家庭碳排放，同收入阶层间的弹性系数差异随时间的变化较小，且各收入阶层变化趋势相似。

图7 2012—2018年中部地区居民家庭碳排放驱动因素演进情况

其余驱动因素对中部地区居民家庭碳排放的影响情况如表8所示。由此可知，除上述四种变量外，其余变量仅在零星年份对中部地区居民家庭碳排放影响显著，因此，本文不多做赘述。

表8 2012—2018年中部地区居民家庭碳排放驱动因素估计结果

3.4.3 西部地区

如表9所示，2012—2018年，仅交通出行变量对西部居民家庭碳排放始终影响显著。该变量的弹性系数在样本期内由负转正，整体呈上升趋势，有私家车与无私家车的家庭碳排放差距随时间增大。

表9 2012—2018年西部地区居民家庭碳排放驱动因素估计结果

此外，城乡、中等偏下收入户、中等偏上收入户、家庭成年人口占比、福利性支出占比、购房建房支出占比和转移性收入占比在多数年份对西部地区居民家庭碳排放影响显著。其中，家庭城乡属性对家庭碳排放的弹性系数在2014—2018年大幅上升。除2012年外，中等偏上收入户的弹性系数的绝对值小于中等偏下收入户。家庭成年人口占比的弹性系数随时间的变化较大，仅2014年弹性系数为正。这可能是由于节能减排教育的深入使成年人口的节能减排意识增强，碳排放量因此减少，H6成立。

3.4.4 东北地区

如图8所示，2012—2018年交通出行、城乡差异、收入水平和家庭户类型对家庭碳排放影响显著。交通出行方面，经济发展使居民购买私家车的意愿增强，交通出行的弹性系数增长；但由于地铁和轻轨等公共交通设施在东北地区的建设，交通出行弹性系数快速减小。城乡差异方面，该变量在样本期内始终促进家庭碳排放，弹性系数在0.2～0.7之间先减小后增大。收入水平方面，该变量的负效应随居民收入水平的降低逐渐增大，中等偏上收入户的弹性系数波动上升，中等偏下收入户的弹性系数先减小后增大，低收入户的弹性系数小于中等偏下收入户且波动较大。家庭户类型方面，该变量在样本期内始终促进家庭碳排放，弹性系数在0.07～0.35之间先上升后下降。

图8 2012—2018年东北地区居民家庭碳排放驱动因素演进情况

由表10可知，除家庭老年人口和购房建房支出占比外，多数呈显著的驱动因素均符合前文提出的假设。其中，家庭老年人口占比对家庭碳排放呈负效应，可能是由于老年人口对交通出行需求和消费性支出的减少抵消了对住房取暖和空调需求的增加，导致家庭碳排放的减少；而购房建房支出占比的增大可能表征家庭户的经济状况较好，居民的能源消费倾向较大，进而导致家庭碳排放的增长。

表10 2012—2018年东北地区居民家庭碳排放驱动因素估计结果

4 结论与建议

本文从城乡、区域和收入阶层三个维度对居民家庭碳排放进行统计分析；其后基于微观视角，利用多元回归法分析了家庭微观特征对东部、中部、西部、东北地区居民家庭碳排放的影响随时间的演进情况，得出以下结论：

（1）家庭碳排放及其结构方面。在城乡、区域和收入阶层的分类标准下，居民家庭碳排放量随时间逐渐增大，但涨幅逐年减小，在呈现两极化分布的同时其差异先增大后减小。同时，城乡、区域及不同收入阶层视界的九类消费项目碳排放量同样保持随时间增长但涨幅逐年减小的趋势。在各分类标准下，食品烟酒、生活用品和居住类碳排放是造成家庭碳排放差异的主要原因。其中，各类居民家庭生活水平差异是食品烟酒和生活用品类碳排放不同的主要原因，而不同类型家庭的住房贷款、租房率和租金的变化情况则导致了居住类碳排放产生差异。

（2）影响因素方面。东部、中部、西部、东北地区的居民城乡差异、收入水平和交通出行变量在2012—2018年的大多数时间对家庭碳排放的影响显著。城乡属性在样本期内始终促进东部、中部和东北地区家庭碳排放，其影响随时间小幅波动，其中，中部地区的变化幅度最小，西部地区的变化幅度最大。由于收入阶层以高收入户为基准，因此所有表征收入阶层的变量均呈现负效应；各收入阶层对家庭碳排放的抑制作用存在区域差异，其中，东部地区的差异最大，东北地区的差异最小。在三种分类标准下，是否拥有私家车对碳排放的影响均存在由负转正的现象，总体上来说该变量在西部地区对碳排放的影响最大，这可能与西部地区的特殊地形有关。

针对上述实证研究结果，提出几点政策建议：（1）针对不同收入阶层居民家庭碳排放差异大的特点，在大力缩小居民收入差距的同时，将住房、教育、交通等民生条件的改善工作纳入节能减排的总体框架下进行。（2）居民家庭碳排放总量、结构及驱动因素存在较大差异，因此，在制定针对家庭消费部门的节能减排政策时，应该考虑到居民的区域、城乡和收入阶层差异。