能源消費與碳排放之因素拆解法:方法論與挑戰

出處 核能研究所 作者 黃宗煌 年份 2018/12
報告類型 能源簡析 分類 總體能源 |能源經濟 資料時間 2018年12月
  • 前言

      能源消費量與碳排量的增長,一直是許多研究所關注的議題,特別是將各變量按可能的驅動力而拆解成幾項可以線性加總的因素[此即所謂的「因素拆解」(factor decomposition)],其中Kaya Identity[見式(1)[1]] 堪稱是最負盛名且廣被採用的拆解法。

其中CO2NYP分別代表CO2 排放量、能源消費量、GDP及人口數。

根據式(1),吾人可將CO2排放量拆解成4項組成因素的加總:能源的碳密集度(A)、GDP的能源密集度(B)、人均GDP(C)、及人口數(D);亦即:

    

       此一拆解方法有許多優點:(1)數學恆等式明確易懂;(2)線性加總的各項組成因素也接地氣,容易理解,而且堪稱合理。(3)各項因素可以完全解釋CO2排放量變動,因此可望為決策者提供減碳策略。(4)此一拆解方法普遍被國際組織採用,也常見於相關文獻,故拆解結果容易進行跨域的比較。(5)根據Kaya Identity的拆解結果,可進一步進行主成分(principal components)的「群聚分析」(cluster analysis)。[2]

       因此,Kaya Identity的應用盛極一時,被廣泛用於能源需求、人均碳排量等許多變數的因素拆解,例如:我國的溫室氣體排放清冊、IPCC Special Report on Emissions Scenarios、Nationally Determined Contributions(NDCs)、美國能源情報署(EIA)和國際能源總署(IEA)、以及用於拆解環境衝擊之驅動力的IPAT Identity[3]等,皆採用此一方法;國內外的相關研究更是不勝枚舉(吳榮華、黃玄洲(2001);周鳳瑛、李佳玲(2001);吳銘峰(2003);黃運貴、曹壽民(2005);吳榮華、陳彥尹、黃韻勳(2005);林素貞等人(2006);林佑蓉(2007);Liu (2007);李正豐、林勻淅(2008);陳治均, 葛復光(2013);單佩玲(2015);張志瑋等人(2016);黃韻勳(2018)等)。

舉例而言,Alcántara, Duarte and Obis (2008)將人均CO2排放量拆解如式(3);

 

Bruvoll and Medin (2003)將能源燃燒排放量(PSM)拆解如式(4):

式(3)的特色在於反映能源轉換率(N/F)的影響;式(4)則考慮了能源的燃燒方法(w)、能源種類(i)、及產業部門(s),因此,可反映燃燒技術()、能源結構()、產業結構()等因素的影響。

Bruvoll and Medin (2003)應用式(4)拆解挪威多種空氣污染物及CO2的組成因素,其結果如表1所示。

1. 挪威各污染物排放之組成因素的貢獻程度: 19801996

註:此處的貢獻程度係以1996年之排放量相對於1980年之排放量所增加的百分比計之。

(a)能源的碳密集度。

(b)中間製程的其他物質排放密集度。

資料來源:Bruvoll and Medin (2003)。

 

Li and Ou (2013) 也應用Kaya Identity而將GDP的碳密集度設定如式(5):

       其中代表第 i 部門所使用之第 j 種燃料的碳排係數;代表第 i 部門所使用之第 j 種燃料的占比(反映能源結構);代表第 i 部門之GDP的能源密集度;代表第 i 部門之GDP的占比(反映產業結構)。[4]

  • Kaya拆解法的挑戰

        應用Kaya Identity拆解法的相關文獻雖然極為豐富,但也引起許多質疑和批評;例如在「On The Kaya Identity」這個網頁上,就出現了許許多多五花八門的評論;有趣的是,Kaya是位工程學者,而留言批評者,也大多是工程學界的專家。

       整體而言,我認為Kaya Identity在方法上無可挑剔,畢竟任何批評都無法否認恆等式是成立的,但數學上的本質卻與實務經驗不盡相容,其政策意涵更是非我所願,因此,有人認為Kaya Identity 是 “USELESS”,故以之作為研擬節能減碳策略時,恐須倍加審慎。

本節論述Kaya拆解法的一些問題如下:

  • 因素的選擇及涵蓋的面向流於主觀認知

一如式(1)、式(3)和式(4)所示,各等式所涵蓋的因素可因研究目的和研究者主觀認知而增減;換言之,建立恆等式時雖有所本(例如能源轉換率、能源的燃燒技術、能源結構、產業結構、人均GDP、人口數等因素皆是關鍵性的驅動力),但絕非必然如此,況且因素之間重複交錯,相互不獨立,因素的選擇及涵蓋的面向(因素個數)也受制於研究者的主觀認定。

  • 數學恆等式難獲實證分析的支持

雖然Kaya Identity並不是一條迴歸式,但式(1)隱含:

 換言之,CO2排放量的各因素彈性()均等於1;這樣的隱性假設顯然很難與實證模型的推估結果相容。

  • 各組成因素與應變數的因果關係不明,也不具有預測功能

       雖然Kaya Identity是恆等式,但無法據以說明各因素與應變數之間的因果關係(causality)。因此,Briggs (2014)認為,如欲刻劃彼此間的因果關係,還是有必要建立適當的經濟計量模型,並進行因果關係的檢定,以確保模型的可接受性。

此外,Briggs (2014)也指出,Kaya的拆解方式不具有預測能力,因此,應用此一拆解方法的結果來預測應變數的未來趨勢,是無法接受的。

  • 拆解結果與政策意涵的問題

      由表1可以看出,人口或經濟規模(即人均GDP)對於各種污染物的貢獻度完全相同,其於不同部門之間也完全相同。這正是Kaya Identity下的必然結果,但這樣的結果委實難以接受。[5]

       此外,Kaya 的拆解模式雖然甚為廣用,惟文獻上所有的分析結果,幾乎一致顯示人均GDP係構成各部門排放增量的最主要因素(見圖1和圖2),因此隱含減碳的最有效策略首重於降低人均GDP。這樣的政策意涵顯然極不實際,對於減量政策的制定毫無助益。因此,有必要根據拆解結果,建立其與各項政策工具之間的關聯,始能掌握政策制訂的有效方向。

  • Kaya拆解法忽略了許多影響應變數的自變數

       在Kaya Identity的設定下,無論是能源消費量、碳排量、還是人均碳排量,往往無法容納若干極為重要又具影響力的因素,例如政策變數(能源價格、總量管制、碳權交易等)、時間、技術進步、不確定性(uncertainty)等。因此,此一拆解方法既無法傳遞有用的政策意涵,也無法解釋重要政策變數的影響,更有學者指出:“if the time-dependencies were inadvertently left out, then Kaya is most certainly not an identity.”

 

1. 全球碳排量的驅動力及其貢獻度:1970-1995

 

 

 

Source: Peters et al. (2017).

2. 全球碳排量的驅動力及其貢獻度:1990-2015

 

  • 改善作法

(一)建立並推估政策變數與各因素之貢獻量的關聯模式

       因素拆解的終極目的,既是為了掌握應變數變動的驅動力及其貢獻度之外,更重要的是,為了釐清政策變數對應變數的影響程度,以作為研擬因應策略參考。因此,即便吾人可以根據不同的思維而根據Kaya Identity拆解出多項因素,應該更進一步建立各因素之貢獻量與政策變數之間的關聯。

為此,Shan and Huang (2011)首先考慮各部門之勞動力及其生產力的差異,應用Kaya Identity估算各因素對部門CO2的貢獻量(見表2),然後建立各因素貢獻量與相關政策變數的seemingly unrelated regression model如式(7)所示:

  

 

其中政策變數包括:能源相關之環境稅收入(EV)、各部門在第t期的關稅收入(TAR)、及各部門在第t期的貿易條件(TOT)。推定結果如表3所示。[6] 由此可以看出政策變數對各項因素之貢獻量的影響,這對政策工具的擬定提供更有意義的參考。

2. 各部門CO2排放變動量之各組成因素平均貢獻值:1992-2008

資料來源:Shan and Huang (2011)

 

 

3. 政策變數對各因素之部門CO2排放之貢獻量的影響

括弧內數值為p-value。

資料來源:Shan and Huang (2011)。

 

(二)建置完整的巢式結構(nested structure)改善拆解的方式

       為改善Kaya Identity拆解的限制和問題,Peters et al. (2017)提出一個拆解的巢式結構如圖3所示,其中第3層為Kaya Identity的擴充(此即Li and Ou (2013)的作法),第4層反映技術(包括燃料轉換、CCS、發電技術等),第5層反映其他的特定因素(例如裝置容量、價格因素等)。

Source: Peters et al. (2017).

3. Kaya Identity的巢式結構

 

Peters et al. (2017)的巢式結構雖然可以讓拆解的結果更為精準和細緻,但並無法解決上一節所提出的許多問題。因此,如要讓拆解的結果更具政策意涵,應該建立在個體基礎(microfoundation)上,然後根據理論模型推定相關的函數,並據以估算各政策變數對應變數的潛在貢獻。

(三)因循適當的拆解原則

  1. 確立拆解的目的;例如:只為估算各因素的貢獻度,抑或對環境的衝擊、抑或根據估算結果進行群聚分析(cluster analysis),以針對不同國家或地區、或產業部門進行群組歸類。
  2. 各拆解的因素需與應變數(如CO2)有關,而且是通過檢定的主成分(principal component),故須藉由因素分析找出主成分,以減少拆解的面向。
  3. 各因素須相互獨立,不能有高度的相關性(故須進行獨立性檢定)。
  4. 各因素需有確實可靠的資料與之對應。
  5. 估算各因素的貢獻度時,宜選用適當的推估方法(如迴歸分析法、拉氏拆解法、迪氏拆解法等)。
  6. 貢獻度的估算結果(特別是在不同時點的變動狀況)可以合理解釋,尤其是與政策工具(或管制策略)之間的關聯性。

(四)立基於完善的個體基礎,並採用適當的推定方法

圖4是一個可行的個體基礎的巢式結構(nested structure),建立在一個國家的投入、產出與最終消費的物質流基礎上。茲說明如下:

4. 個體基礎的模型架構:投入、產出、消費與排污之物質流的巢式結構

 

  1. 原始要素配置與生產轉換

       投入面的生產要素歸納為能源(N)與非能源(H)兩類複合投入,前者包括化石能源(F)與再生能源(R),後者包括勞動(L)、資本(K)等原始投入。[7] 複合投入可用於生產出口導向與內銷導向的兩類產品,分別以DX表示之。假設社會所擁有之原始投入的總量固定,惟其配置均具柏拉圖效率(Pareto efficiency),則DX 可以一生產轉換函數(production transformation function, PTF)刻劃之。因此,產出轉換曲線(product transformation curve, PTC)向外移動的驅動力包括:原始投入的擴增(如人口增長、人力資本累積、化石能源進口、再生能源發展等)、要素組合的結構變動(如因人工智慧、大數據、互聯網的發展而提高資本密集度,或因節能減排而促成產業轉型)、或技術進步等。

  1. GDP

       國內總產出(D + X)即為國內生產毛額(gross domestic product, GDP),亦即:                                                                                                    

國內的總消費來自內銷的國產品(D)和進口品(M),而最終消費可分為私人消費(C)、民間投資(I)、政府支出(G)等3項,因此:

根據式(8)和式(9)可知,傳統上所界定的GDP如式(10)所示:

                                                                                            

  1. 環境污染物的類別與排放量

       環境污染物可區分為地方污染物(local pollutants)、跨境污染物(transboundary pollutants)、及全球污染物(global pollutants)[8],均可來自生產面和最終消費面,故地方污染物的總排污量()與全球污染物的總排污量()分別如式(11)和式(12)所示:

其中:

式(13)表明:(1)生產面排放之傳統污染物總排污量()和溫室氣體總排放量()均與GDP呈正相關,其排污係數(eip,代表國內產出的污染密集度)受各該污染物之環境政策工具[9] 和政府的環保支出()和節能減碳支出()等因素的影響。[10] 值須一提的是,環保支出()和節能減碳支出()之所以同時影響排放係數,係為反映溫室氣體減量和傳統污染物減量具有相輔相成的功效;換言之,在節能減碳的同時,也有助於傳統空氣污染物的減量,反之亦然。[11]

由式(14)可知,消費面之傳統污染物的總排污量()和溫室氣體總排放量()則與國內總消費呈正相關,而消費國產品之排污係數()與消費進口品之排放係數()未必相等,且,藉以反映國產品和進口品之污染密集度未必相同。[12]

 

  1. 環境污染的產量損失和消費者福利損失

       傳統污染物與溫室氣體的排放所造成的損害成本(damage cost),在性質上有很大差別,特別是對個別國家而言。傳統污染物屬於地方性污染物,與地方環境品質()息息相關;過量的排放一方面造成生產者的產量損失(PDL)(如式(15)所示),另一方面也造成消費者的福利損失(CWL)(如式(16)所示)。

 

       其中,用以反映環境品質變動對消費者效用的影響,則代表其貨幣價值(λ代表所得的邊際效用)。

       國內溫室氣體排放量對全球溫升的貢獻微乎其微(見圖5)[14],卻可能引起國際社會的關注,從而影響國家聲譽,[15] 也可能受到相關產業(如鋼鐵、半導體等產業)之國際組織的規範而影響產品的出口;不過,這些損害成本在現段尚難逐項掌握,有效可靠的推估數據至為罕見。故可以政府的節能減碳支出()經由產業關聯所創造的社會淨效益(net social benefit, NSB[16] 來衡量(見式(17)):

 

Source: Global Carbon Project; Carbon Dioxide Information Analysis Center (CDIAC)

https://ourworldindata.org.

5. 各國CO2累積排放量:1751-2014

                                               

       其中代表國內從事溫室氣體減排的效益,扣除政府推動節能減排的支出()後,即為節能減排的淨效益。如果,表示國內溫室氣體排放對國內造成經濟損失,反之則不然。

 

  • 結論與建議

       Kaya Identity雖然是國際上極為普遍的一種因素拆解方式,但卻存在著許多問題和限制。本文說明了其中多項問題,並就可行的改善方法,提出四點建議,其中個體基礎的模型建構雖然較為複雜,卻是最為周延合理的方式。退而求其次的方式,則可根據本文所提出的拆解原則及Peters et al. (2017)的巢式結構進行拆解,如此至少可使拆解結果更為精準和細緻。

 

 

 

參考文獻

黃韻勳(2018),「我國住宅部門電力消費趨勢及其驅動力」。綠能發展與社經互動學術研討會,核能研究所主辦,2018.11.23,台北。

Alcántara, Vicent, Rosa Duarte, and Teresa Obis (2008). “Regional decomposition of CO2 emissions in the world: a cluster analysis.” REVISTA SOCIEDAD Y ECONOMIA – CIDSE, Universidad Del Valle.

Borghesi, Simone and Alessandro Vercelli (2010). “Greenhouse gas emissions and the energy system: decomposition analysis and the environmental Kuznets curve.” MPRA Paper No. 27438.

Christoph Rothe (2012). “Decomposing the Composition Effect.” IZA Discussion Paper No. 6397.

Dalia Štreimikienė and TomasBalezentis (2016). “Kaya identity for analysis of the main drivers of GHG emissions and feasibility to implement EU “20–20–20” targets in the Baltic States.” Renewable and Sustainable Energy Reviews 58: 1108-1113.

Gürer, N., and J. Ban, (1997). “Factors affecting energy-related CO2 emissions: past levels and present trends.” OPEC Review, 21(4): 309-350.

Hong, Cheng-Yih, Chung-Huang Huang, and Jian-Fa Li (2017). “Investment, Energy Consumption and CO2 Emissions: An Analysis on the Strategy of Industry Development.” International Journal of Energy Economics and Policy 7(4): 138-143.

Hong, Cheng-Yih, Chung-Huang Huang, and Jian-Fa Li. (2017). “Factor Decomposition of Responsiveness of the Domestic Price to Crude Oil Price.” International Journal of Energy Economics and Policy, 7(6): 136-140.

Kaya, Yoichi (1990). “Impact of carbon dioxide emission control on GNP growth: interpretation of proposed scenarios.” In Proceedings of the IPCC Energy and Industry Subgroup, Response Strategies Working Group, Paris, France.

Kaya, Yoichi and Yokoburi, Keiichi (1997). Environment, energy, and economy: strategies for sustainability. Tokyo: United Nations Univ. Press.

Li, Wei and Qing-Xiang Ou (2013). “Decomposition of China’s Carbon Emissions Intensity from 1995 to 2010: An Extended Kaya Identity.” Mathematical Problems in Engineering Volume 2013, Article ID 973074.

Peters, G.P., Andrew, R.M., Canadell, J.G., Fuss, S., Jackson, R.B., Korsbakken, J.I., Le Quéré, C., Nakicenovic, N. (2017). “Key indicators to track current progress and future ambition of the Paris Agreement.” Nature Climate Change 7, 118-122.

Shan, Pei-Ling and Chung-Huang Huang (2011). “Decomposition of Sectoral CO2 Emission and Its Linkage to Policy Instruments.” Selected paper presented at the 4th IC-EpsMsO Conference, July 6-9, Athens, Greece.

Waggoner, P. E. and J. H. Ausubel (2002). “A framework for sustainability science: A renovated IPAT identity.” PNAS 99(12):7860-7865.



[1] Kaya Identity由日本經濟學家 Yoichi Kaya (1989, 1997) 提出,用以拆解 CO2 排放量的組成因素,並解釋各國碳排量的差異來源。

[2] 見Alcántara, Duarte and Obis (2008)。

[3] IPAT Identity也是一個方程式如下:,其中IPAT分別代表環境衝擊、人口數、影響因子(affluence,如人均GDP)、及技術。

[4] 其實Li and Ou (2013) 的拆解只能算是Bruvoll and Medin (2003)簡化後的特例之一。

[5] 即因此故,Shang and Huang (2011)將CO2排放量拆解                                                                       

[6] 各因素的貢獻量係以拉氏指數法估算之,並以1992年為基期年。

[7] 原始投入的分類可以更為詳盡,尤其是在可計算一般均衡(computable general equilibrium, CGE)模型的架構下,惟本文的重點不在於此,故簡化示意之。

[8] 雖然這三種污染物又有流量(flow pollutants)與存量(stock pollutants)之別,但本模型係屬靜態,故不考慮污染物累積的存量效果。此外,為簡化分析,此處也僅考慮地方污染物與全球污染物兩種,前者以傳統污染物為代表(如NOx, SOx, BOD, COD 等),後者以溫室氣體為代表(如CO2)。

[9] 地方性污染物之環境政策工具如排污費費率和排放標準,全球性污染物之環境政策工具如碳稅、效能標準。

[10] 此處所謂「環保支出」係指用於防制傳統空氣污染物(地方性污染物)的支出,而「節能減碳支出」係指用於防制溫室氣體(全球性性污染物)的支出。

[11] 此一互動關聯是文獻上經常忽視的一環,因此對於政策工具的制訂恐有誤導之虞。

[12] e1e2 的差別設定,一則為反映國產品與進口品之排放密集度的差異,二則反映進口品的排放密集度不全然受控於國內的環境政策。

[13] 此處假設生產與最終消費的排污量相互獨立,對環境品質的影響可完全分隔(completely separable);但在實務上,二者可能相互影響。例如,生產面若能加強產品的綠色設計,最終消費面的排污量(或廢棄物)可望減少;反之,最終消費若能落實綠色消費,也可望誘導綠色生產,從而減少生產面的排污量。

[14] 由圖4可知,我國CO2年排放量與澳大利亞相當,約各佔全球年度排放量的1%,但比起其他排放大國,歷史累積排放量則微乎其微,從減排的責任分擔及成本效益的角度來說,目前國內自訂的短、中、長期減碳目標是否是社會最適(socially optimal),實有檢討空間。

[15] 環保團體「德國看守協會」(Germanwatch)每年公布全球氣候變遷績效指標排名,其於聯合國氣候變化綱要公約第24次締約方會議(COP24)發布2019年氣候變遷績效指標排名,結果顯示:台灣2018年之評比分數僅獲28.8分,不如去年29.43分,在56國和歐盟間的排名,也從54名退居56名,被列為「非常糟糕」等級,只贏南韓、伊朗、美國及沙烏地阿拉伯。

[16] NSB係以政府節能減排支出()增加所衍生之就產量效果、所得效果及就業效果的總和,換言之,。

 

檔案下載:能源消費與碳排放之因素拆解法:方法論與挑戰.pdf