結論

本研究利用拉氏指數法和迪氏指數法，以加法型態作為分解農業、工業、服務業 和運輸業之CO2排放變動之5 種因素貢獻值，前者採固定基期，後者採變動基期。

綜合以上研究結果顯示：(1)各項組成因素對於 CO2排放之貢獻值因部門別而異；(2)

因素對於各部門的影響方向大抵相同。²⁷再者，本研究利用拉氏指數的拆解結果，採 取SUR 模型估計政策工具變數對於工業與服務業部門 CO2排放量之影響效果，俾提 出相關建議。茲將實證研究所獲得之初步結果歸納如下：

一、CO₂排放因素拆解結果

（一）經濟規模

由拉氏指數法和迪氏指數法分析結果顯示，經濟規模係構成農業、工業、服務 業及運輸業等部門排放增量之關鍵因素，原因是經濟規模成長會帶動上開部門能源消 費量的提升，並進一步導致 CO2 排放量增加，但服務業則以部門結構的貢獻程度最 大。在4 個部門中，經濟規模以固定基期年計算之增量效果，以工業部門最為顯著，

其增量達11.23 百萬公噸；其次，依序為運輸業(7.76 百萬公噸)、農業(1.82 百萬公噸) 及服務業(0.37 百萬公噸)。依變動基期年計算之增率（增量）方面，則以運輸部門的 1.93% (1.58 百萬公噸)最為顯著，其次依序為工業的 1.73%(1.36 百萬公噸)、服務業的 2.744%(0.092 百萬公噸)及農業的 0.261% (0.20 百萬公噸)。（見表 2-19～表 2-21）

表2-19. 各部門 1992-2008 年 CO2排放變動量各組成因素平均貢獻值：

拉氏指數法(以 1992 年為基期年)

（單位：百萬公噸）

組成因素 農業 工業 服務業 運輸業

碳密集度 -0.39 -13.27 -1.97 -1.62

部門結構 -1.42 -3.57 0.90 -4.77

能源密集度 0.17 6.00 -0.07 2.18

經濟規模 1.82 11.23 0.37 7.76

人口 -0.75 0.95 0.83 -0.25

總變動 -0.57 1.34 0.06 3.3

27 僅有運輸部門的能源密集度因素，對於 CO2排放之影響效果，以拉氏指數法估算之平均貢獻值為正 向影響，但利用迪氏指數法估算之結果則為負向影響。

表2-20. 各部門 1992-2008 年 CO2排放成長率各組成因素平均貢獻值：

迪氏指數法(以前 1 期為基期年)

（單位：%）

組成因素 農業 工業 服務業 運輸業

碳密集度 -0.067 -1.983 -0.088 -0.228 部門結構 -0.173 -0.163 0.052 -0.643 能源密集度 0.021 0.541 -0.019 -0.173 經濟規模 0.261 1.727 0.034 1.930

人口 -0.129 0.373 0.115 -0.189

總變動 -0.087 0.495 0.094 0.697

表2-21. 各組成因素對各部門 CO2排放之平均貢獻值：

迪氏指數法(以前 1 期為基期年)

（單位：百萬公噸）

組成因素 農業 工業 服務業 運輸業

碳密集度 -0.05 -1.59 -0.062 -0.17 部門結構 -0.14 -0.09 0.036 -0.49 能源密集度 0.02 0.79 -0.016 -0.21 經濟規模 0.20 1.36 0.026 1.58

人口 -0.04 0.29 0.092 -0.18

總變動 -0.01 0.76 0.076 0.53

據此可知，各部門的經濟規模對於採用拉氏指數法與迪氏指數法計算之排放變動 同時具有增量效應，而各部門亦具有不同的貢獻程度，此與文獻上推論各污染物或各 部門可獲得相同貢獻值的結果完全不同。是以，未來若欲維持高水準的經濟成長，則 各部門CO2排放減量目標勢必面臨極嚴峻的挑戰。

（二）就業人口

一般而言，就業人口數增加或降低，與能源消費量增加或減少成正比，由拉氏 指數法與迪氏指數法計算各部門歷年平均就業人口因素的貢獻值，可以發現，此因素 係導致農業部門及運輸部門的減量因素之一，顯示該2 部門的就業人口有減少趨勢，

但卻構成工業與服務業部門排放增量因素。此一結果顯示，人口因素對於各部門的排 放影響，並非如文獻上認為具有相同的影響程度。

在能源密集度方面，拉氏指數法計算的結果，僅有服務業部門為其減量因素，

其減量達 0.07 百萬公噸，其餘部門皆為增量效應，其中以工業部門最為顯著，增量 達6 百萬公噸；其次依序為運輸業 2.58 百萬公噸、農業 0.17 百萬公噸。此一結果顯 示，除服務業以外，各部門的能源密集度仍有大幅改善空間，尤以工業部門的能源密 集度居各部門別之冠。據此可知，大部分部門要進一步改善其能源效率頗為困難，是 以未來致力於減排的努力，應著重於使用乾淨能源，尤其是以再生能源作為替代能源 (Liaskas et al., 2000)。依拉氏指數法計算之能源密集度，對於運輸部門排放量雖有增 量效果，但其增量幅度自 1998 年起逐漸呈現下降趨勢，推論其主要原因在於雖然受 到 1997 年亞洲金融風暴的影響，但該部門產值仍持續上升，其增加的幅度大於能源 消費量，因而使能源密集度略有改善；至 2008 年受到全球金融風暴的影響，使其能 源消費量降低的幅度大於產值減少的幅度，乃使能源密集度之貢獻值轉為負值，惟其 對運輸部門歷年（1992-2008）的平均影響程度仍為正面貢獻，但幅度已趨下降。

應用迪氏指數法計算的結果，運輸部門則為顯著的減量因素（降低率0.173%、

減量0.21 百萬公噸），其主要原因在於受到上揭經濟因素之影響，乃使得 1999 年相 對前1 期的貢獻值大幅下降，而 2008 年之貢獻值乃轉為負值，惟其對運輸部門的歷 年的平均影響程度仍為正面貢獻，但幅度已趨下降。由此可見，運輸部門以固定基期 年為基礎計算之影響效果，雖為增量效果，但以前1 期為基期年計算之成長率及變動 量已見改善。就服務業而言，則是構成減量的次要因素（降低率0.019%、減量 0.016 百萬公噸）。

（四）碳密集度

在碳密集度方面，已成為各部門之減量因素，尤以工業部門的減量效果最佳，

以1992 年為基期年計算之減量達13.27 百萬公噸；其次，依序為服務業 1.97 百萬 公噸、運輸業1.62 百萬公噸、農業 0.39 百萬公噸；以變動基期年計算之減量效應 方面，亦以工業部門最為顯著，降低率為1.98%，減量達 1.59 百萬公噸，其次依 序為運輸業（降低率0.23%、減量 0.17 百萬公噸）、服務業（降低率 0.088%、減 量0.062 百萬公噸）、農業（降低率 0.067%、減量 0.05 百萬公噸）。由此可見，各

部門由於使用能源種類不同，導致 CO2 排放量下降程度不同，但由以上實證結果，

可以發現，各部門的能源結構已有改善。

（五）部門結構

在部門結構因素方面，採固定基期年計算的結果，除服務業以外，其餘各部門 均有改善的效果。服務業的增量達 0.90 百萬公噸，而其餘各部門之減量效果，以運 輸業改善效果最佳，減量達4.77 百萬公噸；其次為工業 3.57 百萬公噸、農業 1.42 百萬公噸。採變動基期年計算的減量效應方面，除服務業增量達0.036 百萬公噸，增 加率為0.052%以外，其餘各部門的減量效應，以運輸業的改善效果最佳，減量達0.49 百萬公噸（降低率為-0.64），其次依序為農業（減量為0.14 百萬公噸、降低率為  0.17%）及工業（減量為0.09 百萬公噸、降低率為 0.16%）。

二、政策工具對各組成因素之貢獻度的影響

本文利用混合橫斷面資料與時間序列資料的模型，以近似無相關迴歸(SUR)分析 法，檢測工業與服務業部門之 CO2 排放受到政策工具變數的影響效果，俾提出相關 建議。

由 SUR 估計結果得知（見表 2-22），環境稅實質稅率對於工業與服務部門各項 組成因素（包括碳密集度、部門結構、能源密集度及經濟規模等）的影響效果，呈現 正、負不同的方向，其主要原因在於不同部門別所使用的能源種類不完全相同，因而 課徵環境稅乃導致各部門CO2排放量、能源需求及GDP 的下降程度不同，是以環境 稅實質稅率對於不同部門排放變動之各項組成因素，呈現相異的影響效果。再者，貿 易自由化的結果，雖不利於工業部門產業的發展，也使得工業與服務業的部門結構縮 小，卻使上開部門達成減排的效果，但對於服務業而言，須付出國內失業率上升的代 價；貿易條件的改善對於工業部門的經濟規模有正向顯著效果，但對於部門結構與就 業人口則有負向顯著的影響效果，而其對於服務部門的部門結構與能源密集度呈現負 向顯著效果，有利於降低該部門的排放量，而對於服務部門就業人口則是正向顯著效

技術進步對於工業與服務業部門的經濟規模與就業人口，皆呈現正向顯著關係，但碳