引言社会经济不断向前发展的同时伴随着大量能源消耗，造成碳排放量快速增加。党的二十大报告中强调“加快发展方式绿色转型，推动形成绿色低碳的生产方式和生活方式”，能源强度[1-2]作为碳减排的关键因素，经济增长是碳排放增长的主要因素[3]，产业结构、人口规模[4-5]、技术等也是影响碳排放的重要因素。人均GDP、人均建设用地面积、第二产业占比[6]、人均消费、人均收入等也在不同情境下被考虑为影响碳排放的因素。分解碳排放的影响因素常使用IPAT或STIRPAT模型、Kaya恒等式与对数平均迪氏分解法(Logarithmic Mean Divisia Index method，LMDI)、地理加权回归和环境库兹涅茨曲线[3]。利用STIRPAT模型可以分析劳动生产率、资本效率对碳排放的影响[7]，或分析固定投资、对外贸易等因素对碳排放的驱动效果和减排贡献[8]。社会生产生活一方面是劳动、资本等要素的投入和物质服务的产出，一方面伴随着能源的使用消耗。有研究提出一种广义LMDI方法，并用其研究固定资产与劳动力投入等因素对能源消耗的影响[9]，采取此方法研究辽宁省的能源消耗[10]，虽然忽略了技术因素，但可以沿用此思路探究碳排放的影响因素。基于已有研究，文中将C-D生产函数嵌入Kaya恒等式，采用要素投入的视角利用LMDI，针对我国30个省级行政区的8种主要能源消费，分解能源消费碳排放影响因素，分析各影响因素对碳排放影响的时空差异，探讨资本投入、劳动力投入等对碳减排的作用，进而提出相应建议。1研究方法1.1柯布-道格拉斯生产函数柯布-道格拉斯(Cobb-Douglas，C-D)生产函数能够体现产出与要素投入即劳动力和资本之间的关系[11]。Y=A⋅Kα⋅Lβ (1)式中：Y——产量；A——技术水平；K——资本投入；L——劳动力投入；α、β——分别为资本产出和劳动力产出的弹性系数。文中使用规模报酬不变(α+β=1)情况下的生产函数及2008~2017年30个省级行政区的地区生产总值、地区城镇单位就业人数和根据永续盘存法计算的每年各地区的资本存量进行计量，得出α=0.443 4，β=0.556 6，此值经过F检验。1.2投入要素扩展的Kaya恒等式Kaya恒等式数学形式简单、分解无残差、解释力强，是分析碳排放影响因素的重要方法，在1989年由学者Yoichi Kaya提出[12]。Kaya恒等式最初的表达形式为：GHG=GHGTOE⋅TOEGDP⋅GDPPOP⋅POP=f⋅e⋅g⋅p (2)式中：GHG——温室气体排放总量；TOE——一次能源消费总量；GDP——国内生产总值；POP——总人口；GHGTOE、TOEGDP和GDPPOP——分别为能源碳强度(f)、单位GDP能源强度(e)和人均GDP(g)，加上人口(p)，将碳排放影响因素分解为了4个驱动因子。各研究对此等式进行了改写[13-14]。文中将恒等式中的国内生产总值GDP进一步用C-D生产函数展开，去掉人口所代表的规模效应，得到新的碳排放恒等式。Ci=∑jCijEij⋅EijEi⋅EiGDPi⋅Kiα⋅Liβ⋅wi=f⋅h⋅m⋅k⋅l⋅w (3)式中：Ci——i地区碳排放总量，i=1,2,⋯,30；Cij——i地区第j种能源消费碳排放；Eij——i地区第j种能源消费；Ei——i地区总能源消费；GDPi——i地区生产总值；Ki——i地区资本投入；Li——i地区劳动力投入；f、h、m、k、l和w——分别为碳排放系数、能源结构、单位GDP能源强度、资本投入、劳动力投入和索洛残值。1.3对数平均迪氏分解法ANG[15]等提出了LMDI，既没有残差也允许数据集里含有负值和零值，无须借助投入产出表数据，适用于少变量、时间序列度性质的情况。基于改进的Kaya恒等式，运用LMDI，报告期t期和上一期0期的碳排放变化量加法分解的形式为：ΔC=Ct-C0=ΔCf+ΔCh+ΔCm+ΔCk+ΔCl+ΔCw (4)式中：ΔCf——能源碳强度效应；ΔCh——能源结构效应；ΔCm——单位GDP能源强度效应；ΔCk——资本投入效应；ΔCl——劳动力投入效应；ΔCw——索洛残值效应。各因素碳排放贡献值的通用计算公式为：ΔCx=Ct-C0ln Ct-lnC0⋅lnxtx0,x∈{f,h,m,k,l,w} (5)2数据来源与处理2.1碳排放测算以2008~2017年我国30个省级行政区的8种能源消费作为研究对象。能源消费数据源自《中国能源统计年鉴》，碳排放的测算参考IPCC。Ci=∑jEij⋅ηj (6)式中：ηj——第j种能源的碳排放系数。碳排放系数如表1所示。10.3969/j.issn.1004-7948.2024.02.026.T001表1碳排放系数能源种类碳排放系数煤炭1.900焦炭2.860原油3.020汽油2.925柴油3.096煤油3.018燃料油3.170天然气3.014kg CO2/kg2.2社会经济数据以永续盘存法测算资本存量[16]。Kti=Kt-1i(1-δ)+ItiPt (7)式中：t——年份；K——资本存量；I——当年投资；δ——资本折旧率，取9.36%[17]；P——投资价格指数。基期资本存量根据2005年对各行政区进行估算。I0=I2005δ+g (8)式中：I2005——2005年固定资产投入；g——2005~2017年固定资产投资增长率平均值。每年的固定资产投资增长率数据源自《中国固定资产投资统计年鉴》，固定资产投资价格指数由《中国统计年鉴》得到，劳动力投入数据源自《中国统计年鉴》。3实证分析3.1各地区碳排放量变化和碳排放驱动因素分析将30个省级行政区划分为四大地区，地区划分结果如表2所示。观察四大地区在2008~2017年10年间碳排放量趋势变化，各地区碳排放总量的变化趋势如图1所示。2011年后各大地区碳排放量增速放缓。东部地区与西部地区省级行政区数量相当，但东部地区的碳排放量级明显高于西部地区。在2008~2017年，东部地区平均GDP为307 689亿元/a，西部地区平均GDP为114 742亿元/a，碳排放量与经济发展程度有关。10.3969/j.issn.1004-7948.2024.02.026.T002表2地区划分结果地区省（自治区、直辖市）东部北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省中部山西省、安徽省、江西省、河南省、湖北省、湖南省西部内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区东北辽宁省、吉林省、黑龙江省10.3969/j.issn.1004-7948.2024.02.026.F001图1各地区碳排放总量的变化趋势分解各地区碳排放量的影响因素，分析能源结构、单位GDP能源强度、资本投入、劳动力投入及索洛残值对各地区碳排放量变化的影响，进而分析各影响因素的碳减排效应，并进行时间序列的记录。各地区能源结构、单位GDP能源强度、资本投入、劳动力投入及索洛残值效应的变化趋势如图2~图6所示。10.3969/j.issn.1004-7948.2024.02.026.F002图2各地区能源结构效应的变化趋势10.3969/j.issn.1004-7948.2024.02.026.F003图3各地区单位GDP能源强度效应变化趋势10.3969/j.issn.1004-7948.2024.02.026.F004图4各地区资本投入效应变化趋势10.3969/j.issn.1004-7948.2024.02.026.F005图5各地区劳动力投入效应变化趋势10.3969/j.issn.1004-7948.2024.02.026.F006图6各地区索洛残值效应变化趋势由图2可知，在2010~2011年，能源结构效应对四大地区的碳减排效应呈负贡献值，水电、风电、太阳能在能源结构调整中的作用更加突出，能源结构对碳减排具有积极的促进作用。2011年后能源结构效应对东部地区碳排放量呈正的贡献值，且呈现增长趋势。2016~2017年能源结构在东部地区造成的碳排放是全国的108.8%。2013年后能源结构在中部地区对碳排放量增长的影响逐渐减弱。由图3可知，单位GDP能源强度对四大地区的碳减排效应几乎全呈现负贡献值，在2015~2016年东北地区单位GDP能源强度对碳排放量起到增长作用。2014~2015年各地区单位GDP能源强度的减排作用相较于前几年稍弱，东部地区单位GDP能源强度效应的减排效果最明显，较高的能源利用效率对碳减排具有积极作用。西部地区单位GDP能源强度碳减排的作用有逐渐减弱的趋势。由图4可知，在2008~2017年资本投入对各地区的碳排放量贡献值均呈正值，是各大地区碳排放量增长的主要驱动因素。2011年后资本投入效应有减弱趋势但数值仍较大，仍对各地区的碳排放量起增排作用。由图5可知，劳动力投入对各个地区碳排放量的影响在2012~2013年达到极值，2013年后劳动力投入效应逐渐转为负的贡献值，劳动力投入在未来可能成为各地抑制碳排放量增长的重要因素。由图6可知，索洛残值对各地区碳排放量的效应较为相似，各地区索洛残值出现正、负贡献值及极值几乎是在同一时间段。技术因素对各地碳排放量的影响具有不同的效果。技术的进步提高了能源利用效率，促进了生产转型，从而促进了碳减排，但企业因效率提高从碳增排获得的收益超过成本，技术则激励其增加碳排放。3.2各地区碳排放量影响因素分解及对比依据碳排放量影响因素分解模型，将2008~2009年、2010~2011年、2012~2013年、2014~2015年、2016~2017年各地区碳排放量各影响因素贡献值可视化，各地区碳排放量影响因素分解及对比如图7所示。图7各地区碳排放量影响因素分解及对比10.3969/j.issn.1004-7948.2024.02.026.F7a1（a）2008~2009年10.3969/j.issn.1004-7948.2024.02.026.F7a2（b）2010~2011年10.3969/j.issn.1004-7948.2024.02.026.F7a3（c）2012~2013年10.3969/j.issn.1004-7948.2024.02.026.F7a4（d）2014~2015年10.3969/j.issn.1004-7948.2024.02.026.F7a5（e）2016~2017年在数值方面，与其他因素相比，能源结构效应对各地区碳增排和碳减排的影响不大，其对碳减排的作用较为有限。各地区单位GDP能源强度效应均为负值，且绝对值相对其他因素而言较大，单位GDP能源强度对碳减排具有相当重要且稳定的作用。2008~2009年东部地区单位GDP能源强度效应带来的碳减排量是总碳排放量的89.5%。资本投入效应的贡献值均为正值，绝对值较大，是拉动碳排放增长的重要因素。在中、西部地区，资本投入带来了绝大部分的碳排放总量。各地的资本投入拉动生产水平发展，促进市场进步及经济发展，导致碳排放增长。劳动力是促进生产的重要因素。劳动力投入效应对各个地区的碳排放有先拉动增长后逐渐抑制增长的趋势。2010~2011年、2012~2013年劳动力投入对东、中、西部地区碳增排有较大影响；2016~2017年，劳动力投入为东部地区带来-10 808.58万t的碳减排，是当年仅次于单位GDP能源强度的碳减排因素。技术进步是技艺的改进、革新，也是提高能源利用效率的关键因素。东部、中部地区交通发达、工农业基础好、技术基础高、能力强、管理经验丰富。2008~2009年、2012~2013年技术进步带来了良好的碳减排作用。在西部、东北地区，技术同样也能起到抑制碳排放的作用。3.3要素投入对碳排放量的影响分析以3年为一个阶段，计算2008~2011年、2011~2014年、2014~2017年间资本投入和劳动力投入对我国各省级行政区碳排放的影响，发现资本投入效应是碳排放增长的重要影响因素。在东部和中部地区，资本投入效应对碳排放量贡献值偏大。新疆碳排放量增长受资本投入效应影响较大。资本投入带来高增排地方主要集中在山东、河北和辽宁一带。随着时间进展，资本投入效应对碳增排的作用减弱，高增排的辐射面积缩小。劳动力投入效应先呈现正贡献值，在2011~2014年间对广东、山东和江苏的碳增排作用明显，2014年后陆续出现负贡献值，成为抑制碳排放增长的因素。2014~2017年间，河北、山东和辽宁等地劳动力投入效应呈现较大的负贡献值，四川和陕西等地的劳动力效应也呈现碳减排的作用。我国的产出与投入要素符合C-D生产函数的基本假设，资本与劳动力都是促进生产的重要因素。从碳排放量贡献绝对值的角度分析，资本投入对碳排放量的贡献值普遍高于劳动力投入对碳排放量的贡献值，说明与劳动力投入相比，资本投入对碳排放量具有更大的影响。部分地区资本与劳动力投入与经济增长不平衡，使得二者减排效果并不理想。社会发展持久的动力在于良好的资本环境下技术和人才协同进步，积极的政策和措施才能使资本、劳动力投入在碳减排上产生良好效果。4结语能源结构效应对碳排放量的影响有限，但部分地区的能源结构能够对碳排放量增长产生抑制作用；单位GDP能源强度效应对各个地区碳减排具有关键作用，是碳减排最为稳定的因素，反映了产业能源效率的减排潜力，需进一步提升和发展产业能源效率；资本投入是各地区碳增排的重要影响因素，但资本投入效应对碳增排的作用在减弱；劳动力投入有减排作用，人力资本的发展、劳动力质量的提高对碳减排逐渐产生积极影响；技术因素对碳排放量的影响存在两面性，不可以忽略技术带来的减排作用。在GDP增速放缓后，应积极调整产业结构，缓解能源资源压力；改善、优化人力资源结构，注重人才质量，引导绿色投融资，鼓励高质量人才结合高质量资本投入，提升社会运转效率；长期来看，科技创新技术升级仍然是促进低碳循环发展的重要因素。