2.3　居民碳排放影響機理研究

2.3.1　主要研究方法

居民碳排放影響機理的研究方法在研究視角上可以劃分為宏觀、中觀和微觀三個層面，宏觀是指城市（城鎮）、省域或者國家的居民碳排放的影響機理研究；中觀是指社區層面居民碳排放的影響機理研究；微觀是指家庭成員個體生活碳排放的影響機理研究。在影響因素作用對象上可以聚焦于對居民行為的鎖定性和能源效率的改善兩方面，后者更多地涉及能源類或環境科學領域，地理學尤其是人文地理領域的諸多學者在前者的研究基礎上進行了大量的探索。

城市能源消費CO₂排放驅動因素分析的模型方法包括統計分析模型、因素分解模型和結構分解模型等幾類，這些居民影響機理的研究方法有各自的優越性，但同時也有方法本身或者應用的缺陷。

統計分析模型包括最小二乘回歸、多層線性回歸、分位數回歸、面板數據分析、結構方程模型等統計分析模型，回歸分析從方法本身來講，運用于居民碳排放的有分位數回歸等。首先，在研究居民行為決策時的一種常用模型是Logit模型，它是最早的離散選擇模型，在很多領域應用廣泛，其特點是求解速度快、應用方便，可以考察不同情況下事件發生的可能性，但解釋因子數量較為有限。其次，因為居民用能行為或生活方式的復雜性也表現在決策的多層次結構特質上，多層建模（Hierarchical Modeling）方法就被學者所采用，這種方法能夠充分考慮多層次嵌套結構的數據特性，區別出不同層次下自變量對因變量的影響程度和自變量之間的相互作用，將因變量的異質分解為兩類：一類是組內變異，即同一空間范圍內的個體差異；另一類是組間變異，即不同空間中的個體差異。此外，Koenker和Bassett于1978年提出的分位數回歸（Quantile Regression）在最近幾年也被應用于居民碳排放研究中，分位數回歸相對于最小二乘回歸有以下幾個方面的優勢：第一，分位數回歸不假定矩量函數的存在（Zhu et al.，2016a、2016b）；第二，最小二乘法的估計結果是非常穩固的，也就是不受異常觀察值的影響（Bera et al.，2016）；第三，分位數回歸模型并不作任何分布的假設（Sherwood and Wang, 2016）。最小二乘法要服從獨立分布和正態分布，但是在現實的社會經濟生活方面，這些假設是很難滿足的，而分位數回歸可以克服這一缺陷，從而獲得更準確的評估結果。

從回歸模型的數據獲取角度來講，一種是揭示意向法，即根據已經實際發生的真實情況建立居民碳排放與行為習慣、居住區建成環境、城市空間形態等方面的數學關系（Cervero et al.，2010）；另一種是闡述意向法，即根據問卷或訪談的方式獲取居民對某些假定條件下的空間形態、居住環境，或者根據用能政策的改變而做出的用能行為選擇、出行模式的轉變或消費行為的改變（Loo et al.，2002；丁川，2014）。回歸分析的方法可以較好地解釋和驗證各影響因素對居民碳排放的影響方向和大小，但是回歸分析并不能解釋不同影響因素的作用時間和路徑，這是回歸方法的局限性。

結構方程模型是一門基于統計分析技術的研究方法，用于處理復雜的多變量研究數據的探索與分析，一般歸類于高等統計學范疇，因為有效整合了統計學的因素分析和路徑分析兩大主流技術而被廣泛應用。該模型的特點有：理論的先驗性、同時處理變量與分析問題、以共變異數的運用為核心同時可處理平均數估計、適用于大樣本分析、包含多個不同的統計技術、重視多重統計指標的運用（邱皓政，2003）。在居民碳排放研究中，較為常見的是路徑分析方法，國內較有影響力的北京大學城市與環境學院根據北京市居民活動日志的微觀調查數據分析了居民出行碳排放的系列問題，還關注了老年人、女性和郊區社區及居民等不同群體（馬靜等，2011；柴彥威等，2011；柴彥威等，2014；塔娜等，2015）。

IPAT、LMDI、STIRPAT等因素分解模型和SDA等結構分解模型多被用于宏觀層面的分析，這些方法的基本思想就是將目標變量的變化分解成若干個影響因素的組合，從而辨別各個因素影響程度的大小。其中，分解的方式有兩種：一種是時間分解法；另一種是區間分解法（見表2-9）。

表2-9　居民碳排放影響機理的定量研究方法

續表

此外，從眾多的實證研究可以發現，由于研究的空間尺度、案例城市的自身發展歷史、空間結構特點和被調查對象樣本多少等的不同，其實證分析結果存在明顯的差別，同時，因為居民消費、出行、生活用能等本身是較為復雜的問題，其研究結果因地而異的特點也非常突出。

從以上研究方法的實證研究和學者們的機理分析中可以看出：居民碳排放涉及的影響因素主要可以歸為兩大類，即社會經濟因素和空間形態因素，下文將對這兩大部分展開具體闡述。