基于CLA模型家庭能耗直接碳排放量研究
——以南京市浦口區為例

■ 陳文宇 CHEN Wenyu 朱隆斌 ZHU Longbin

0 引言

隨著全球氣候變暖成為全球關注的共同問題，低碳發展作為一種低能耗、低污染、可持續的發展模式，已得到國際社會的普遍認同。社區作為低碳社會和低碳城市建設的基本單元，是推進低碳發展的重要抓手，受到廣泛重視。國際能源機構（IEA）數據顯示，2014年在經合組織（OECD）國家總體碳排放中,居住部門直接碳排放占到8%，電力和熱力部門的直接碳排放占42%；而在電力和熱力的碳排放中，居住部門又占到12%。在歐美國家，城市碳排放的30%～40%與家庭有關,2008年，美國家庭碳排放占比達到38%[1]。在日本的多個城市，城市居民生活的碳排放比例占到城市總量的15%以上[2]。在我國，居民生活終端能源消費比例高居第二位，僅次于工業能源消費；2015年，居民生活能源消費占到能源消費總量的12%[3]。

家庭作為產品和服務消費的終端主體，其能源消耗及碳排放問題正日益引起國際社會和科學界的廣泛關注[4]。為此，國內外學者展開了大量研究，研究內容主要包含家庭碳排放的影響因素、對環境的負面影響及碳排放計算方法等。一些研究結果表明，家庭能耗直接碳排放在家庭直接碳排放中占據很大比例[5-8]。

隨著城鎮化進程的持續推進，預計2030年，我國的城鎮化率將達到70%，屆時將新增2億居民進入城鎮，巨大的人口規模使社區成為減碳的關鍵領域。在此背景下，從家庭能耗直接碳排放入手，開展碳排放影響因素及節能減排措施的研究具有重要意義。本文基于CLA（消費者生活方式方法）模型，以問卷調查的方式獲取第一手數據，定量分析家庭能耗直接碳排放分項，探求城市家庭能耗直接碳排放的影響機制，進而提出相應節能減排措施，以期為低碳社區發展做出貢獻。

1 研究方法及數據基礎

1.1 研究模型

消費者生活方式方法模型（Consumer Lifestyle Approach,CLA）是由Bin和 Dowlatabadi（2005）提出的一種能夠預測家庭碳排放的方法，其在美國家庭碳排放的研究中首次運用了此方法，后被眾多學者引用。該模型的實踐意義在于通過理解消費者的個體行為從而制定出更好的公共政策。CLA模型中，“消費者”指為個人或家庭消費而購買和使用產品與服務的實體；“生活方式”指一種影響消費行為并反映出來的生活方式。模型構建了外部環境、個人選擇、家庭特征、消費者選擇及消費行為產生的后果之間的內在聯系，并將居民家庭消費支出與工業中相關的行業部門對應起來，從而能夠根據居民家庭的消費支出情況與相應部門的碳排放強度，計算出居民家庭碳排放量。但由于不同因素的交互作用，且其中許多因素會隨著時間的推移而變化以適應新的環境，使得了解消費者行為變得復雜。CLA模型恰好提供了一個跨學科的框架，以理清眾多相互作用的因素[9]（圖1）。

1.2 數據獲取與指標構建

本次研究數據主要通過訪談及問卷調查獲得。調查樣本分為居住區選擇和住戶選擇：①居住區選擇按照能夠體現不同類型、不同規模、不同建設年代及不同居住人群等樣本要求，涵蓋了舊城老居住區、安置房、花園小區等多種類型；②住戶選擇則涵蓋不同戶型和家庭類型的住戶。研究最終選取了南京市浦口區5個社區進行調查（圖2），于2018年2～5月進行問卷調查，共發放問卷200份，其中有效問卷173份，問卷有效率為86.50%。

圖1 CLA模型框架圖

根據CLA模型的構建要求，研究的指標構建包括碳排放量（因變量）和影響因素（自變量）兩部分。其中，因變量指家庭能耗直接碳排放量；自變量包括小區特征、住房特征、生活方式、家庭特征四部分（表1）。

1.3 碳排放計算方法

本研究的家庭直接用能指家庭范圍內消費的化石燃料（天然氣、液化石油氣、煤氣等）及電力、水力、熱力（集中供暖）等能源產品[10]。根據社區現狀調查，其家庭能源消耗方式主要是天然氣、電力和水力。碳排放量的計算采用《IPCC溫室氣體碳排放清單指南》提出的排放系數法，基本公式為：

圖2 調查選點分布圖

CE=EF×AD

式中， CE—單項活動碳排放量；

EF —碳排放系數；

AD—能源消耗量。

家庭能耗直接碳排放量為各單項能源消耗碳排放之和。本文使用的碳排放系數主要來源于中國科技部2007年發布的《全民節能減排手冊》[11]及臺灣“經濟部能源局”數據（表2）。

1.4 研究方法與數據預處理

根據問卷設計，家庭常住人口數等連續的數量指標可直接使用，其他變量如年齡、家庭收入、受教育程度等需用虛擬變量測度[7]，進行數據的虛擬變量賦值及基本特征分析（表3）。

在影響因素的分析上，本文主要采用SPSS17.0中的單因素方差分析、一元線性回歸及多元線性回歸等方法。首先，通過單因素方差分析以確定對家庭能耗直接碳排放有影響的有效因子；其次，在進行多元回歸之前，對各因子進行一元線性回歸分析，以確定每一個自變量與因變量呈現線性關系，在此基礎上才能構建多元線性回歸；最后，通過多元分析確定各個因子對家庭能耗直接碳排放的綜合效應及各自對碳排放影響的顯著程度。

表1 城市家庭能耗直接碳排放調查指標體系

表2 碳排放類別與碳排放系數

2 家庭能耗碳排放量特征及影響因素分析

2.1 家庭能耗直接碳排放量特征分析

對南京浦口區5個社區家庭能耗碳排放的調查結果顯示，戶均年家庭能耗直接碳排放量為2 489.36kg，人均年能耗直接碳排放量為796.73kg。家庭用電、氣、水的碳排放量比例為82:17:1，可見家庭用電是影響家庭能源消耗直接碳排放量的最主要方面。

2.2 影響因子判斷

采用單因素方差分析以確定單一因素是否對因變量產生顯著影響。進行單因素方差分析的前提是樣本整體要滿足正態分布，因此，在進行分析之前，需進行方差齊性檢驗，只有方差齊性檢驗中的Sig值＞0.05（即通過檢驗），才可進行單因素方差判斷。若顯著性水平P ＜ 0.05，則表明該因子對家庭能耗直接碳排放量存在顯著影響，應拒絕零假設。

分析結果表明，家庭作息時段及平均年齡未通過方差齊性檢驗（ Sig=0.000），小區建設規模（F=1.051，P=0.352）、建設年代（F=4.982，P=0.008）、建筑類型（F=6.998，P=0.009）、樓層（F=1.323，P=0.169），未通過0.05的顯著性水平檢驗，表明以上6個因子對家庭能耗直接碳排放沒有顯著影響。其他8個因子（容積率、住房面積、房間數、空調使用習慣、家庭常住人口數、家庭結構、家庭年收入、成人平均受教育水平）均是家庭能耗直接碳排放量的有效影響因子。

表3 主要調查數據虛擬變量賦值及基本特征表

2.3 影響因子主次及其影響特征

當研究的問題涉及兩個及兩個以上因素時，需建立多元回歸方程，以確定各個自變量對因變量的單獨效應和綜合效應。多元回歸分析能夠評定各個自變量對因變量的相對重要性程度，以便抓取最顯著影響因子。依據單因素方差分析的分析結果，對8個具有顯著性影響的因子進行各自的一元線性分析，結果顯示：各因子均滿足與因變量間呈線性關系的要求，能夠進行下一步多元線性回歸。

為篩選影響程度最大的因子，本次研究主要采用Backward回歸法，將回歸分析中P＞0.02的因子容積率、家庭結構、成人平均受教育程度、住房面積逐步剔除，保留主要因子。結果（表4）顯示，顯著性P值為0.000，各因子回歸系數t均通過了（P＜0.02）的檢驗，說明篩選出的因子與家庭能耗直接碳排放相關性顯著[12]。F值越大表明回歸效果越好，數據顯示F值為114.575，回歸效果較好。 R2表示因變量總體變異中被所有自變量所解釋的比例，表明整個方程能夠解釋家庭能耗碳排放量的73.2%。根據回歸系數可知，4個因子與家庭能耗直接碳排放均呈正相關。標準系數欄的標準化回歸系數的絕對值可以用于比較各個因子對家庭能耗碳排放量的影響程度，即家庭收入情況（0.425）＞家庭常住人口數（0.327）＞房間數（0.239）＞空調使用習慣（0.132）。可見，家庭特征對家庭能耗直接碳排放量影響最為顯著。

3 對低碳社區規劃設計的啟示

通過對家庭能耗直接碳排放量特征及影響因素的研究，明確了碳排放的主要影響因素，在此基礎上，針對低碳社區建設，我們提出改進直接可控因子，影響間接可控因子[12]，激發公眾參與三類策略。

3.1 通過規劃改進直接可控因子，建設低碳社區

直接可控因子包括小區特征和住房特征，其容積率、住房面積及房間數均是家庭能耗直接碳排放量的影響因子。其中，住房面積及房間數與碳排放量呈正相關，容積率與碳排放量呈負相關。研究表明，低碳社區的理想模式是住房面積小、戶型房間數少、容積率低，但低碳模式往往是多個因子綜合作用，且在滿足居民需求下的共同結果，往往更為復雜。因此，結合本文研究結論，建議可采取以下措施：

（1）高效緊湊的戶型設計。在明確居住對象并了解其生活需求的基礎上，以更小的面積及更能高效利用房間的戶型設計，輔以低碳技術設計，將有助于減少居民對用電來滿足供暖制冷的依賴。

表4 多元線性回歸結果

（2）合適的容積率。盡管低的容積率可能意味著居住區更好的通風環境，可使居民的能源使用需求減少，但在城市發展建設需求下，低容積率難以實現，一味地追求過低或過高的容積率都不科學。王偉強等通過對上海54個小區的研究發現，家庭能耗碳排放量在住區容積率中具有區段波動特征，得出不同容積率住區家庭能耗碳排放差異是由于家庭人口、收入水平等社會因素疊合作用的結果[13]。本次研究表明，低容積率有利于低碳社區建設，但考慮城市建設現狀等物質原因、居住人口等社會原因，合適的居住區容積率才應是低碳社區建設需要詳細進行模擬研究、綜合考慮的選擇。

3.2 通過規劃影響間接可控因子，引導低碳生活

已有研究表明，城市規劃的減碳機制是：通過規劃組織合理的城市空間結構，并以此來引導和轉變市民的生活習慣和觀念認知，逐步培育城市居民低碳的行為模式和生活方式，最終達到碳減排的目的[7、14]。本研究表明家庭收入情況、家庭常住人口數、空調使用習慣、家庭結構、成人平均受教育程度是家庭能耗直接碳排放的影響因素，這些因子雖然不能以規劃直接控制，但可以通過規劃策略進行引導。例如，可以通過戶型設計影響常住人口數、通過提高室內通風、使用恒溫恒濕等低碳技術來改變居民的空調使用習慣等。

3.3 激發公眾參與，多方合力共同塑造低碳社區

研究表明，居民的生活方式選擇及家庭特征是影響碳排放最重要因素，盡管可以通過規劃進行引導，但其中如家庭收入情況等，規劃難以影響，因此，公眾的積極參與至關重要。低碳意識的培養和居民的參與作為社區工作的創新領域，一方面需要社區管理人員主動組織；另一方面，也需要借助專家、社會團體等外部力量的支持，引導居民參與到低碳社區建設的決策、規劃設計、實施及運營的全過程中。與此同時，政府的經濟支持和政策保障也必不可少，應加強政策和資金整合，由街道或社區層面主導，在對社區碳排放充分了解的基礎上，因地制宜地設定減碳目標與措施，激發公眾參與，共同塑造低碳社區。

4 結語

本文基于CLA模型定量分析了家庭能耗直接碳排放量的特征，并通過SPSS數據分析提煉出家庭能耗直接碳排放的顯著性影響因子，得出以下結論：

（1）戶均年能耗直接碳排放量為2 489.36kg，人均年能耗直接碳排放量為796.73kg，家庭用電、家庭用氣、家庭用水碳排放量之比約為82∶17∶1。

（2）家庭收入情況、家庭常住人口數、房間數、空調使用習慣依次是影響家庭能耗直接碳排放量最顯著的4個因子。

（3）容積率、家庭結構、成人平均受教育程度、住房面積也是影響家庭能耗直接碳排放的有效因子。由于數據獲取的難度，本次研究數據僅從問卷調查獲取，缺少與供電、供水、供氣部門數據的校核，若能進一步對數據進行校核和擴充，將更有利于結論的完善。

家庭生活碳排放是碳排放的主要來源之一。我國各地氣候、生活習慣、經濟發展水平各不相同，需針對不同的地區和家庭類型，分別研究家庭碳排放的影響因素，并依此制定出國家、區域及社區層面和微觀家庭住戶不同層面的減排對策[12]，實現對家庭生活碳排放的有效調控，從而實現最佳的低碳建設目標。