日本碳排放的地区差距及结构分解

张莹 洪凌华

摘 要：日本已经宣布将在2050年实现碳中和，本文基于CEADs数据库中的日本碳排放数据，对日本2007—2015年的县级碳排放总量、人均碳排放和碳排放强度的地区差距进行了Dagum基尼系数分解，并利用方差分解从碳源的角度探究了不同碳排放来源对碳排放地区差距的贡献。研究发现日本的各碳排放指标均呈现明显的地区差异特征，且随时间推移还有扩大趋势。这意味着尽管日本的低碳转型卓有成效，但在地区间低碳发展的进程并不平衡。碳排放总量的地区差距主要来自于八大地区间的差异，而不同地区中县域单位间不平衡的低碳发展水平是导致人均碳排放和碳排放强度地区差距的主要因素。

关键词：日本;碳排放;地区差距;Dagum基尼系数分解;方差分解

中图分类号：F13/17    文献标识码：A    文章编号：1004-2458-（2022）01-0019-12

DOI：10.14156/j.cnki.rbwtyj.2022.01.003

气候变化是21世纪全人类面临最大的挑战之一。人类社会已经对气候变化问题形成了明确的科学认知和政治共识，认同积极应对全球性的气候变化需要各国共同参与。中国国家主席习近平在2020年9月召开的第75届联合国大会一般性辩论上的发言中向世界郑重承诺，将提高国家自主贡献力度，采取更加有力的政策和措施，力争使二氧化碳排放于2030年前达到峰值，努力争取2060年前实现碳中和;并在12月的气候雄心峰会上明确宣布，到2030年，中国单位国内生产总值二氧化碳排放将比2005年下降65%以上。原日本首相菅义伟也紧随中国，在2020年10月向日本国会宣布，日本将在2050年实现碳中和。中日作为亚洲近邻，都将积极应对气候变化作为展现维护全球气候安全的责任感与提升国家竞争力的重要手段。

日本是《联合国气候变化框架公约》下重要的发达国家缔约方之一，也是《京都议定书》的缔结地和主要推动力量。作为一个高度工业化的国家，日本受制于本身的资源禀赋约束[1]，能源资源极度匮乏，基本依赖于进口[2]，因此也一直高度重视提高能源利用效率，通过积极调整经济政策和产业结构、大力发展节能技术和推广可再生能源，推动整个社会向低碳化方向发展[3]，并成为亚洲第一个宣布建设低碳社会的国家[4]。日本所经历的从高碳发展模式向低碳发展模式的成功转型，可以为中国推动节能减排和实现低碳转型提供有益的借鉴[5]。

以往关于日本碳排放的研究主要侧重于分析影响日本碳排放水平或碳排放强度的重要因素和驱动效应[5]，如根据状态空间模型分析日本碳排放影响因素[6]，分析主导产业碳排放、家庭碳排放的影响因素[7-8]，或具体探究工业化进程中人口因

素对日本碳排放的影响效果等[9]。也有一些文献对中日碳排放影响因素和发展特征进行了比较[3，10-12]，但鲜有文献去探究日本碳排放的地区差异。

近年来，国内外很多研究者针对不同国家或地区的碳排放总量、碳排放强度以及人均碳排放，利用基尼系数、泰尔系数或者变异系数等不同的度量指标去比较整体差距、地区内差距和地区间差距[13-19]。而本文将主要利用中国碳排放数据库（China Emission Accounts and Datasets， CEADs）提供的2007年到2015年间的日本县级碳排放清单[20]，采用Dagum基尼系数分解法和方差分解法，分析日本碳排放的地区差异和碳源差异贡献，并根据结果总结日本碳排放的空间分布和碳源结构特征，为中国区域碳排放达峰和减排政策制定及发展方向提供参考依据。

一、方法与数据

（一）研究方法

Dagum基尼系数分解。在对地区发展水平差距的分析中，很多研究都通过测算绝对差异（标准差、极差）和相对差异（基尼系数、泰尔系数和变异系数等）指标来度量地区间的差距，但是除了泰尔指数外，这些度量指标都无法进一步对区域细分子集的差距情况进行分解，泰尔指数虽然可以进一步对区域内部和区域间的差距进行分解，却无法分解区域中每个区域对总体差距的贡献。为了解决这些问题，Dagum进一步提出新的公式对基尼系数进行分解[21]。相较于传统的基尼系数法，Dagum基尼系数能够分解出某一项指数的差异的来源，将地区整体的差异分解为地区内差异、地区间差异和超变密度三个部分，从而能对地区差异的来源进行解释和分析。目前，Dagum基尼系数分析方法已被广泛应用于研究地区差异的各类研究中，例如针对经济发展差距[22]、高等教育差距[23-24]、人口老龄化的地区差异[25]、区域间区域创新能力差距[26]等问题的分析。

（二）数据来源与处理

以日本的县级单位为研究对象，并按照地理位置将47个县域单位划分为北海道地方、东北地方、关东地方、中部地方、近畿地方、中国地方、四国地方以及九州地方八大地区，具体的地区划分见表1。

日本环境省和国家环境研究所每年都会公布日本的温室气体排放数据，国际能源机构（IEA）和二氧化碳信息分析中心（CDIAC）也在各自的数据库中提供了日本全国范围的温室气体排放数据，但这些机构只能提供日本的二氧化碳排放总量，却没有提供其区域排放细节。由英国研究理事会、牛顿基金会、中国国家自然科学基金委员会、中国科学院等多家机构共同支持建立的CEADs数据库于2020年公布了日本2007年到2015年间47个都、道、府、县的碳排放和社会经济数据集[20]。其中社会经济数据集所提供的GDP指标均换算为2011年的不变价。

为了研究日本的碳排放地区差异及来源，本文根據CEADs中的原始数据，计算获得日本县域单位的碳排放总量、人均碳排放和碳排放强度，并作为研究指标。碳排放总量由日本县级能源消费统计数据中25个部门使用3种化石燃料所产生的二氧化碳排放清单加上电力部门单独的碳排放清单加总获得;人均碳排放用各县碳排放总量除以其人口总量获得;碳排放强度用各县碳排放总量除以换算成2011年不变价的各县GDP获得。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

二、日本碳排放水平的时空分析

（一）碳排放总量的地区分布

利用地理信息系统（GIS）可视化方法及软件，绘制出日本县域二氧化碳排放总量的地区分布图（图1）。数据显示，到2015年，日本

排放水平最高的5个县分别为千叶县、神奈川县、爱知县、冈山县和山口县;排放水平最低的5个县分别为鸟取县、山梨县、奈良县、高知县和山形县。从2007年到2015年间，日本所有县域单位的碳排放总量都有所下降。排放水平越低的县，这些年的平均下降幅度也相对较高：排放水平最低的鸟取县，2015年相比较于2007年碳排放总量下降了36.8%，下降幅度也是最大。从地区划分来看，2015年排放水平最高的地区为关东地方，总排放达到339.4 Mt;排放水平最低的中国地方，碳排放总量约为39.77 Mt。

（二）人均碳排放的地区分布

由于碳排放总量受经济规模影响较大，而人均碳排放水平和碳排放强度能更好地反映社会、经济和技术发展水平的特征与差异性。根据CEADs数据库提供的数据，日本全国人均碳排放水平从2007年的11.14吨/人下降为2015年的9.99吨/人，但人均碳排放水平的地区间差异非常明显（图2）。2015年，人均碳排放水平最高的山口县高达45.94吨/人，而排放水平最低东京都仅为1.66吨/人。日本约有31.25%的县碳排放水平高于全国平均水平，剩下则等于或低于平均水平。

从人均碳排放的时间变化趋势来看，绝大多数县的人均碳排放水平都在考察时期范围内有所下降，只有三个县的人均碳排放略有提高，分别是大分县、和歌山县与佐贺县（图3）。而数据同时也显示，日本各地的人均碳排放数据从2007年开始稳步下降，但在2013年和2014年均有不同程度的反弹，直到2015年才开始继续显著下降。

（三）碳排放强度的地区分布

与人均碳排放数据类似，日本碳排放强度的地区分布也呈现出显著的非均衡特征（图4）。

东京都2015年的单位GDP碳排放强度仅为0.25吨/万美元，碳生产效率水平相当高，也明显高出碳排放强度居于第二位的埼玉县，后者约为0.73吨/万美元。但碳排放强度较高的大分县、山口县和冈山县都高于10吨/万美元。

日本全国平均碳排放强度从2007年的3.15吨/万美元下降为2015年的3.00吨/万美元，总体呈稳定下降态势。与人均碳排放数据的变化趋势类似，日本整体在2013年到2014年间也出现了碳排放强度的反弹趋势，到2015年才开始再次显著下降。大部分地区的碳排放强度总体下降，但在47个都、道、府、县中，仍有8个地区的碳排放强度有所提高，分别为秋田县、新潟县、三重县、大阪

府、兵库县、和歌山县、佐贺县与大分县。其中，近畿地方的7个县、府单位中有4个碳排放强度都提高了（图5）。

三、日本碳排放的地区差距及分解

（一）日本碳排放的地区差距

上述分析已经揭示出日本的碳排放指标呈现明显的地区差异特征，为了更好地刻画和分析日本各碳排放指标的地区差距和差距来源，采用Dagum建立的基尼系数子群分解方法学，使用定量分析软件QBOXES对2007年到2015年间日本碳排放各指标的基尼系数进行测算，如下图所示。

根据计算结果可见，日本碳排放总量、人均碳排放和碳排放强度的演变趋势基本一致，但总体变化趋势并不平稳，在2007—2015年期间出现了反复上升和下降，但与2007年相比，考察时间终点的2015年的3个碳排放指标的基尼系数都呈增大趋势，分别从0.549、0.441和0.455提高到0.567、0.491和0.480，这意味着日本碳排放的地区差异性不断在变大，因此应当引起决策者的重视;但三项碳排放指標的基尼系数最高水平均为2011年，分别达到0.582、0.510和0.496，随后该系数有所下降。三个碳指标中，排放总量的基尼系数最大，意味着日本各地区间的碳排放总规模具有较大的差距;人均碳排放和碳排放强度的基尼系数略小一点，在考察期内的均值分别为0.476和0.464，也仍然呈现差距较大的特征（图6）。

除了总体基尼系数之外，根据定量分析软件QBOXES还能对日本7大地区内的碳排放差距进行计算 在日本的八大分区中，北海道地区只辖北海道一个一级行政单位，因此无法对该地区进一步做组内基尼系数分解。。结果显示各地区内3个碳排放指标的基尼系数变化趋势比较类似，也均呈现先提高后降低的趋势，但总体而言该指标仍在提高，其中碳排放总量数据的地区内差距依然是最大的。人均碳排放和碳排放强度的地区内差距大致相当。在分析的7个地区中，从碳排放总量来看，地区内排放差距最大的是中部地方，组内基尼系数年均值高达0.55;其次是关东地方，年均值也超过了0.5，约为0.53;组内基尼系数最低的是东北地方，该地区内部总排放的基尼系数年均值约为0.29（图7）。从

人均碳排放指标来看，人均碳排放基尼系数年均值较低的是东北地方和四国地方，分别为0.23和0.18，这也意味着这两个地区下辖各地的人均排放水平比较接近，除了这两个地区之外，其他5个地区的人均碳排放基尼系数年均值均超过了0.4，该指标组内差距最大的地区是九州地方，其次是关东地方，基尼系数年均值分别为0.49和0.48（图8）。碳排放强度指标能够反映各地的碳生产率高低，从实际数据看，该指标与人均碳排放的地区差异特征比较接近，东北地方与四国地方的基尼系数年均值最低，其他地区均超过0.4（图9）。

（二）日本碳排放碳源地区差距

除了各地的碳排放指标之外，CEADs数据库还提供了日本的碳排放来源数据，包括煤炭、原油、天然气3种一次能源产生的碳排放和电力部门独立产生的碳排放，因此可以从碳源的角度分析日本各地的碳排放差距和演变特征。总体来说，从碳源的角度看，日本的地区差距更大，煤炭、天然气、原油使用产生的碳排放基尼系数在考察期内的均值分别为0.67、0.54和0.63，使用电力产生的碳排放基尼系数均值高达0.66。尽管各种碳源排放的地区差距都基本大于碳排放总量的地区差距，但是在3种化石能源中，天然气的地区差距最小，原油次之，这表明清洁能源也在成为日本现代能源体系的主体，所以各地区之间的差距也相对较小。从时变特征来看，煤炭、天然气和电力的地区差距逐渐在缩小（图10），尤其是天然气，从2007年的0.60降至2015年的0.46，因此天然气产生的碳排放在日本各地区之间的差距趋于收敛。而原油产生的碳排放在各地区之间差距还在扩大，从0.56提高为0.65，这表明日本各地的能源清洁化进程并不同步。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

根据各种碳源的地区差异计算结果可知，煤炭、原油和电力产生的碳排放地区差距均高于总体碳排放，只有天然气产生的碳排放地区差异低于总体碳排放。这意味着从碳源的角度看，日本碳排放总体地区差异主要来自于含碳量较高的化石能源消费的影响。

（三）日本碳排放的地区差距分解

针对碳排放各指标进行Dagum基尼系数的子群分解可以进一步揭示出日本碳排放的地区差异和动态变化特征。通过分解，可以将各碳排放指标的地区差距分解为地区内差距、地区间差距和超变密度，从中可以窥见各碳排放指标的地区差距来源和贡献率的演变趋势（表2和表3）。根据分解结果可以看出日本的不同碳排放指标的地区差距来源存在一定的差异性。从碳排放总量指标来看，主要的差距来源是地区间差异，在考察期内，地区间差异的贡献率始终超过地区内差异和超变密度的贡献，贡献率超过50%;但是随着时间推移，地区间差异对于总体差距的贡献率略有下降。超变密度的贡献率次之，稳定在32%到35%之间，且呈缓慢上升趋势。地区内部的碳排放总量对于总体差距的贡献率相对较小，历年贡献率稳定在12%左右。但是日本人均碳排放和碳排放强度指标的地区差距则主要来源于超变密度的贡献：在考察期内，超变密度对这两项碳指标的贡献率都基本保持在一半以上。其次是地区间的差异性，为32%到39%之间。而地区内部的差异性对总体差距的贡献率也较低，基本都在12%到13%之间。

（四）日本碳源的贡献分解

根据CEADs数据库，日本的碳排放主要源自各部门使用煤炭、天然气、原油消费产生的碳排放，以及电力部门所产生的碳排放;因此，可以采用方差分解的方法来分析不同碳源对于总体排放地区差距的影响和贡献，结果如表4所示。

从不同碳源对地区差距的贡献率分解结果来看，原油使用产生的碳排放是导致碳排放总量地区差距的主要影响要素，年均贡献率超过了50%;其次是电力行业产生的碳排放，贡献率约为22.7%;煤炭使用产生的碳排放贡献率约为18.2%;而天然气使用产生的碳排放贡献率较小，年均值约为5.3%。这意味着日本不同地区的原油使用产生的碳排放水平存在较大的差异性，而且是影响碳排放总量地区差距的主要来源。尽管原油是导致碳排放地区差距的主要碳源因素，但从时间变化趋势来看，贡献率是逐渐降低的;电力和天然气导致的碳排放贡献略有提高;煤炭排放的贡献率虽有波动，但在考察期内基本稳定。综合静态和动态分析结果，可以发现日本的天然气和电力与原油消费之间可能存在一定的相互替代关系。

四、结论与启示

（一）研究结论

目前，全球已有很多国家和地区都相继提出温室气体中和或碳中和目标。中国和日本作为亚洲经济体量最大的两个国家，相继提出了实现碳中和的目标年份。为了切实兑现碳中和目标，应进一步对碳排放变化趋势和特征进行研究。过往对日本的研究往往关注于碳排放的时变规律，本文基于CEADs数据，对日本2007—2015年的县级碳排放清单进行分析，对碳排放总量、人均碳排放和碳排放强度的地区差距进行了Dagum基尼系数分解，并利用方差分解从碳源的角度探究了不同碳排放来源对碳排放地区差距的贡献。

通过定量实证分析，发现尽管总体来看日本的碳排放总量、人均碳排放和单位GDP碳排放强度指标都在考察时期内随时间推移呈波动下降趋势，但却同时呈现明显的地区差异特征，且各碳排放指标的地区差距随时间推移还有扩大趋势。这意味着尽管日本的低碳转型卓有成效，但在地区间低碳发展的进程并不平衡。在3个碳排放指标中，人均碳排放水平和碳排放强度相对而言能更好地反映社会、经济和技术发展水平的特征与差异性，但这两个指标的地区间差异也很明显：东京都高度的经济发展水平和紧凑集约的城市形态推动该地区的人均碳排放和碳排放强度都位于全球领先水平，但日本部分其他地区的这两项指标与之相比存在极大的差异，甚至还有少数地区的这两项相对碳排放指标呈提高趋势，这些地区将成为未来日本继续推进低碳转型和实现碳中和的重点地区。

除了各碳排放指标的总体差距之外，本研究还通过Dagum基尼系数分解，将日本47个都、府、道、县从地理上划分为8大地区，并分析碳排放地区差距的来源与贡献率。结果显示日本碳排放总量的地区差距主要来自于8大地区间的发展差异;但日本人均碳排放和碳排放强度指标的地区差距则主要是来源于超变密度的贡献。超变密度反映的是分组后跨群交叉程度的互相影响，从地理上的地區划分标准看，日本不同地区的县域单位间不平衡的低碳发展水平是导致人均碳排放和碳排放强度地区差距的主要因素。

此外，本研究还从碳源的角度分析了不同的碳排放来源对造成碳排放总量地区差距的影响，研究发现原油使用是影响日本碳排放总量地区差距的主要来源，而日本的天然气和电力使用与原油消费之间可能存在一定的相互替代关系。

（二）启示

日本作为已经完成工业化进程的国家，其低碳发展进程对我国的低碳转型和实现碳达峰与碳中和目标有着重要的参考和借鉴意义。过往针对日本碳排放的研究多侧重于探究碳排放的驱动因素和未来变化趋势展望，而本研究则试图分析日本碳排放的地区差距特征，通过实证分析发现日本的各碳排放指标均呈现比较明显的地区差距;因此，要实现碳中和目标，必须要采取差异化的地区低碳转型和碳减排政策。

受制于自身的能源资源禀赋，日本较早就意识到低碳转型的重要性和必要性，并通过发展低碳经济推动了整体经济转型，但本研究也发现，尽管从人均碳排放和碳排放强度指标看，日本部分地区的低碳发展水平已经居于全球领先地位，但由于地区间的发展不平衡，导致部分地区的低碳发展水平仍不及预期，并成为未来制约实现积极碳减排目标的不利因素。日本的发展模式昭示，发达地区应该发挥经济和技术发展的优势，力争实现较高的低碳发展水平。但与之相比，我国一些经济发展水平较高的城市和地区人均碳排放水平要明显高于发展水平相对较低的城市与地区。因此，应该推动发达地区优化城市规划，推动产业转型升级，加速低碳转型进程。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

中国应立足本国实际情况，参考日本的经验，探索实现碳达峰和碳中和的可行路径。结合不同地区经济发展水平、地理位置以及产业结构等时机情况，制定差异化和针对性的碳减排政策与路径。同日本不同，中国要在工业化、城镇化仍在推进的过程中去尽快实现碳达峰和碳中和，因此相关的政策需要兼顾推动经济可持续发展、改善民生以及实现共同富裕等目标，需要进行精细化设计，尤其是对于经济欠发达地区，要考虑设定既能促进区域合理发展又能避免重复高碳锁定的碳排放指标指导标准，防止成为低碳发展后期影响碳排放目标实现的瓶颈和困难。推进各地区实现相对平衡的低碳发展，实现低碳的区域间和区域内协调发展。同日本不同，中国要在工业化、城镇化仍在推进的过程中去尽快实现碳达峰和碳中和，因此相关的政策需要兼顾推动经济可持续发展、改善民生以及实现共同富裕等目标，需要进行精细化设计。

[参 考 文 献]

[1]孟浩，陈颖健.日本能源与CO_2排放现状、应对气候变化的对策及其启示[J].中国软科学，2012（9）：12-26.

[2]李国志.基于状态空间模型的日本碳排放影响因素分析及启示[J].资源科学，2013，35（9）：1847-1854.

[3]王苒，武胤，陈迎.中日两国完全碳生产率比较优势研究[J].国际经济合作，2013（12）：50-53.

[4]施锦芳.日本的低碳经济实践及其对我国的启示[J].经济社会体制比较，2015（6）：136-146.

[5]佟新华，杜宪.日本碳排放强度影响因素及驱动效应测度分析[J].现代日本经济，2015（5）：87-94.

[6]李国志.基于状态空间模型的日本碳排放影响因素分析及启示[J].资源科学，2013，35（9）：1847-1854.

[7]段海燕，王寒凝，王宪恩.日本主导产业碳排放影响因素及驱动效应的分解研究[J].现代日本经济，2016（4）：70-82.

[8]胡振，何晶晶，王玥.基于IPAT-LMDI扩展模型的日本家庭碳排放因素分析及启示[J].资源科学，2018，40（9）：1831-1842.

[9]段海燕，刘红琴，王宪恩.日本工业化进程中人口因素對碳排放影响研究[J].人口学刊，2012（5）：39-48.

[10]唐杰英.基于环境规制效应的中日碳排放比较[J].日本研究，2017（2）：41-47.

[11]施锦芳，吴学艳.中日经济增长与碳排放关系比较——基于EKC曲线理论的实证分析[J].现代日本经济，2017（1）：81-94.

[12]王倩，何少琛.中日碳排放库兹涅茨曲线对比研究[J].社会科学辑刊，2015（5）：108-113.

[13]段玉婉，杨翠红.中国与日本能源消耗和CO_2排放差异的空间结构分解[J].系统工程理论与实践，2017，37（8）：2083-2090.

[14]JUAN ANTONIO DURO，EMILIO PADILLA.International inequalities in per capita CO2 emissions： A decomposition methodology by Kaya factors[J].Energy Economics，2006，28（2）：170-187.

[15]WANG Y，ZHAO T.Impacts of energy-related CO2 emissions： Evidence from under developed，developing and highly developed regions in China[J].Ecological Indicators，2015，50： 186-195.

[16]陈前利，蔡博峰，胡方芳，王金南，曹丽斌.新疆地级市CO_2排放空间特征研究[J].中国人口·资源与环境，2017，27（2）：15-21.

[17]CLARKE-SATHER A，QU J，WANG Q，et al.Carbon inequality at the sub-national scale： A Case study of provincial-level inequality in CO2 emissions in China 1997-2007[J].Energy Policy，2011，39（9）： 5420-5428.

[18]GRUNEWALD N，JAKOB M，MOURATIADOU I.Decomposing inequality in CO2 emissions： The role of primary energy carriers and economic sectors[J].Ecological Economics，2014，100： 183-194.

[19]杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995～2009年省际面板数据的研究[J].数量经济技术经济研究，2012，29（5）：36-49+148.

[20]LONG Y，YOSHIDA Y，ZHANG H，et al.Japan prefectural emission accounts and socioeconomic data 2007 to 2015[J].Scientific data，2020，7（1）： 1-8.

[21]DAGUM C.A new approach to the decomposition of the gini income inequality ratio[C]//Income inequality，poverty，and economic welfare.Physica-Verlag HD，1998： 47-63.FA068E7F-0A17-4406-A7BF-537C3F8A3D3C

[22]刘志杰.中国地区经济差距时空演变：基于Dagum基尼系数分解[J].统计与决策，2011（2）：103-105.

[23]刘华军，张权.中国高等教育资源空间非均衡研究[J].中国人口科学，2013（3）：77-84+127-128.

[24]刘华军，张权，杨骞.中国高等教育资源空间分布的非均衡与极化研究[J].教育发展研究，2013，33（9）：1-7.

[25]刘华军，何礼伟，杨骞.中国人口老龄化的空间非均衡及分布动态演进：1989—2011[J].人口研究，2014，38（2）：71-82.

[26]杨明海，张红霞，孙亚男，李倩倩.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究，2018，35（4）：3-19.

[27]HEIL M T，WODON Q T.Inequality in CO2 emissions between poor and rich countries[J].The Journal of Environment & Development，1997，6（4）： 426-452.

[28]PADILLA E，SERRANO A.Inequality in CO2 emissions across countries and its relationship with income inequality： A distributive approach[J].Energy Policy，2006，34（14）： 1762-1772.

[29]GROOT L.Carbon lorenz curves[J].Resource and Energy Economics，2010，32（1）： 45-64.

[30]CANTORE N，PADILLA E.Equality and CO2 emissions distribution in climate change integrated assessment modelling[J].Energy，2010，35（1）： 298-313.

[31]刘华军，石印，雷名雨.碳源视角下中国碳排放的地区差距及其结构分解[J].中国人口·资源与环境，2019，29（8）：87-93.

[32]刘华军，赵浩.中国二氧化碳排放强度的地区差异分析[J].统计研究，2012，29（6）：46-50.

[33]刘华军，鲍振，杨骞.中国农业碳排放的地区差距及其分布动态演进——基于Dagum基尼系数分解与非参数估计方法的实证研究[J].农业技术经济，2013（3）：72-81.

[34]日本總务省.市町村コード一覧表[EB/OL].（2013-08-23）[2021-01-08].http：//www.tt.rim.or.jp/～ishato/tiri/code/code.htm.

[35]刘华军，李超，彭莹.中国绿色全要素生产率的地区差距及区域协同提升研究[J].中国人口科学，2018，187（4）：32-43+128.

[责任编辑 王雅坤]

Regional Disparity and Structural Decomposition of Carbon Emissions in Japan

ZHANG Ying1， HONG Ling-hua2

（1. Research Institute for Eco-civilization， Chinese Academy of Social Sciences， Beijing， 100710; 2. School of International Relations & Public Affairs， Fudan University， Shanghai， 200433， China）

Abstract： Japan has announced that it will achieve carbon neutrality in 2050. Based on the data of Japans carbon emissions in CEADs database， this paper decomposes regional disparities in Japans total county-level carbon emissions， per capita carbon emissions， and carbon emission intensity from 2007 to 2015 by Dagum Gini coefficient， and explores the contribution of different carbon emission sources to the regional gap of carbon emissions from the perspective of carbon sources by using Variance Analysis. It is found that the carbon emission indicators of Japan show obvious regional differences， and there is an expanding trend over time. This means that although Japans low-carbon transformation is effective， the processes of low-carbon development of regions are not harmonious. The regional gap of total carbon emissions mainly comes from the differences among the eight regions， and the unbalanced low-carbon development level among county units in different regions is the main factor leading to the regional gap of per capita carbon emissions and carbon emission intensity.

Key words： Japan; carbon emissions; regional disparity; Dagum Gini coefficient decomposition; variance decomposition

收稿日期：2021-05-20

基金项目：国家应对气候变化专项经费项目，中国社会科学院创新工程重大科研规划项目“国家治理体系和治理能力现代化研究”（2019ZDGH014）;中国社会科学院生态文明研究所创新工程项目“碳达峰碳中和目标下的绿色发展战略研究”（2021STSB01）

作者简介：张 莹，女，经济学博士，中国社会科学院生态文明研究所副研究员，主要从事环境经济学、能源经济学、可持续发展经济学研究。FA068E7F-0A17-4406-A7BF-537C3F8A3D3C