2.3　居民碳排放影响机理研究

2.3.1　主要研究方法

居民碳排放影响机理的研究方法在研究视角上可以划分为宏观、中观和微观三个层面，宏观是指城市（城镇）、省域或者国家的居民碳排放的影响机理研究；中观是指社区层面居民碳排放的影响机理研究；微观是指家庭成员个体生活碳排放的影响机理研究。在影响因素作用对象上可以聚焦于对居民行为的锁定性和能源效率的改善两方面，后者更多地涉及能源类或环境科学领域，地理学尤其是人文地理领域的诸多学者在前者的研究基础上进行了大量的探索。

城市能源消费CO₂排放驱动因素分析的模型方法包括统计分析模型、因素分解模型和结构分解模型等几类，这些居民影响机理的研究方法有各自的优越性，但同时也有方法本身或者应用的缺陷。

统计分析模型包括最小二乘回归、多层线性回归、分位数回归、面板数据分析、结构方程模型等统计分析模型，回归分析从方法本身来讲，运用于居民碳排放的有分位数回归等。首先，在研究居民行为决策时的一种常用模型是Logit模型，它是最早的离散选择模型，在很多领域应用广泛，其特点是求解速度快、应用方便，可以考察不同情况下事件发生的可能性，但解释因子数量较为有限。其次，因为居民用能行为或生活方式的复杂性也表现在决策的多层次结构特质上，多层建模（Hierarchical Modeling）方法就被学者所采用，这种方法能够充分考虑多层次嵌套结构的数据特性，区别出不同层次下自变量对因变量的影响程度和自变量之间的相互作用，将因变量的异质分解为两类：一类是组内变异，即同一空间范围内的个体差异；另一类是组间变异，即不同空间中的个体差异。此外，Koenker和Bassett于1978年提出的分位数回归（Quantile Regression）在最近几年也被应用于居民碳排放研究中，分位数回归相对于最小二乘回归有以下几个方面的优势：第一，分位数回归不假定矩量函数的存在（Zhu et al.，2016a、2016b）；第二，最小二乘法的估计结果是非常稳固的，也就是不受异常观察值的影响（Bera et al.，2016）；第三，分位数回归模型并不作任何分布的假设（Sherwood and Wang, 2016）。最小二乘法要服从独立分布和正态分布，但是在现实的社会经济生活方面，这些假设是很难满足的，而分位数回归可以克服这一缺陷，从而获得更准确的评估结果。

从回归模型的数据获取角度来讲，一种是揭示意向法，即根据已经实际发生的真实情况建立居民碳排放与行为习惯、居住区建成环境、城市空间形态等方面的数学关系（Cervero et al.，2010）；另一种是阐述意向法，即根据问卷或访谈的方式获取居民对某些假定条件下的空间形态、居住环境，或者根据用能政策的改变而做出的用能行为选择、出行模式的转变或消费行为的改变（Loo et al.，2002；丁川，2014）。回归分析的方法可以较好地解释和验证各影响因素对居民碳排放的影响方向和大小，但是回归分析并不能解释不同影响因素的作用时间和路径，这是回归方法的局限性。

结构方程模型是一门基于统计分析技术的研究方法，用于处理复杂的多变量研究数据的探索与分析，一般归类于高等统计学范畴，因为有效整合了统计学的因素分析和路径分析两大主流技术而被广泛应用。该模型的特点有：理论的先验性、同时处理变量与分析问题、以共变异数的运用为核心同时可处理平均数估计、适用于大样本分析、包含多个不同的统计技术、重视多重统计指标的运用（邱皓政，2003）。在居民碳排放研究中，较为常见的是路径分析方法，国内较有影响力的北京大学城市与环境学院根据北京市居民活动日志的微观调查数据分析了居民出行碳排放的系列问题，还关注了老年人、女性和郊区社区及居民等不同群体（马静等，2011；柴彦威等，2011；柴彦威等，2014；塔娜等，2015）。

IPAT、LMDI、STIRPAT等因素分解模型和SDA等结构分解模型多被用于宏观层面的分析，这些方法的基本思想就是将目标变量的变化分解成若干个影响因素的组合，从而辨别各个因素影响程度的大小。其中，分解的方式有两种：一种是时间分解法；另一种是区间分解法（见表2-9）。

表2-9　居民碳排放影响机理的定量研究方法

续表

此外，从众多的实证研究可以发现，由于研究的空间尺度、案例城市的自身发展历史、空间结构特点和被调查对象样本多少等的不同，其实证分析结果存在明显的差别，同时，因为居民消费、出行、生活用能等本身是较为复杂的问题，其研究结果因地而异的特点也非常突出。

从以上研究方法的实证研究和学者们的机理分析中可以看出：居民碳排放涉及的影响因素主要可以归为两大类，即社会经济因素和空间形态因素，下文将对这两大部分展开具体阐述。