第三节 研究设计：数据与方法

一、宏观数据的获取与分析

1．二氧化碳排放量和其他统计数据

二氧化碳排放量有不同的计算方法，而且不同方法之间差异不小。本书第二章将详细比较各种方法的异同，分一次能源输入量、终端消费量、实际能源消费总量等不同算法。

能源消耗数据来源于1998—2008年的《中国能源统计年鉴》。根据《IPCC国家温室气体清单指南》中能源部分所提供的基准方法，采用IPCC给出的基于能量值的排放系数，然后根据各国的燃料热值，计算出基于单位质量的燃料之碳排放的质量系数。能源消耗量采用热量值，根据《中国能源统计年鉴》中的低位发热量折算成能源消耗标准量。

化石燃料消费产生二氧化碳排放量的计算公式为：

虽然看起来简单，但在现有研究中却常犯错，甚至在现有的一流学术期刊上发表的文章中也有谬误。

（1）关于化石燃料消耗量的选取。有不少研究以《中国能源统计年鉴》中的九类主要能源的总消费量为基础计算，殊不知九大类能源中既有一次能源，也有二次能源，其中一次能源相当大的比例在城市中转化为二次能源。比如原油总共消耗了10000吨，其中8000吨转化为汽油。在《中国能源统计年鉴》中，九类统计中会显示原油消费10000吨，同时汽油消费8000吨。

显然，直接计算九类能源总消费量的碳排放会造成较大的重复计算。

（2）关于IPCC给出的碳排放系数。不少研究采用表1—1进行转换计算，但此表中的单位104t/104t实际上是二氧化碳碳排放量/标准煤发热量，后者还必须按照该能源的热量值转化为实际质量。

以原油为例。IPCC给出的官方碳排放数据是73300KG/TJ，通过《中国能源统计年鉴》给出的原油转标准煤的平均低位发热量系数（41816KJ/KG）可以得知，发热1TJ的原油的质量是1TJ/（41816KJ）=23914.291KG。将之代入IPCC官方数据，得到标准排放系数，即73300/23914.291=3.065KGCO2/KG原油，而不是在不少文献中使用的0.5857（彭觅等，2010）。因为这里的计量单位不是TJ，而是标准煤的质量。

经过计算，我国主要能源的碳排放系数如表1—2所示，单位是二氧化碳万吨/能源万吨（立方米）。其中电力的碳排放计算是比较复杂的问题，因为电力由其他一次甚至二次能源生产而来，而且各个区域电力生产的原料并不一致。参照国家发改委给出的建议值，综合考虑各个区域的发电能源构成比例，按照碳排放系数换算成碳排放总量，然后平均到每一千瓦时电力上，具体结果见表1—2。

其他在本书中所用的数据还包括城市人口、GDP、工业产值等，均来自国家统计局的《中国统计年鉴》以及北京市的《北京统计年鉴》。

2．分乡镇和主要街道的GIS图

北京市分区县的GIS图是显示和分析碳排放空间分布的基础，也是分析北京城市空间形态的基础。作者耗费了大量人力和物力，构建了一个较为完整的GIS数据库，内含北京市分区县、乡镇的边界（见图1—4），以及北京市的主要道路、轨道、绿地等各方面信息（见图1—5）。

二、微观家庭数据的获取与分析

问卷调查是本书最重要的数据来源。通过问卷调查了解北京市普通居民的碳排放的总量状况及其构成关系，联系其所在的区位和用地特征，探寻家庭碳排放和空间形态之间的关系是本书研究的核心问题。

在明确问卷设计和分析方法的基础上，作者经过与澳大利亚墨尔本大学、印度科学院、长安大学、武汉大学、华东理工大学、北京市城市规划设计研究院研究室、美国能源基金会等国内外机构的学者，以及家住北京市的中国人民大学数位学生的反复讨论和修改之后，最终形成了两次调研问卷（问卷详情见“附录二”和“附录三”）。

最后确定的研究调查方法和样本选取情况如下：

1．调查方法

从事调研的调查员全部为中国人民大学公共管理学院的教师、研究生和本科生，所有调查均采取调查员直接面对调查样本发放问卷、对问卷内容进行解释，并当场检验问卷有效性的方式，确保问卷填写质量。

具体而言，整个问卷发放、调研与回收过程包括两轮：

第一轮的主要目的是对文献中现有基本观点与规律的验证。这主要是基于对2010年7—10月随机发放的1400份问卷进行分析。

第二轮是在第一轮基础上，进一步聚焦于社区，对选定的特定社区内居民行为进行深度调研。2012年8—10月，作者选定了15个社区，进一步收集了905份入户调查问卷，进行深度分析。

问卷所收集到的信息包括三类：第一类是碳排放信息，包括家庭的通勤信息，比如通勤量、距离、方式、次数等；房屋内能耗，包括电、气等。以上数据在模型分析中是因变量，可以拆分研究，比如单独研究交通，也可以综合研究整体能耗和碳排放。

第二类是家庭信息，包括基本信息，比如人数、年龄、收入等；个人信息，包括职业、收入、户口等。根据现有文献，家庭收入对能耗和碳排放具有显著的正影响，其他因素也有不同程度的影响。

第三类是规划信息，包括住宅特性、小区特征、城市特征。住宅特征包括住宅种类、年数、结构特征和朝向；小区特征包括土地利用混合度、公共交通设施可达性、商业中心可达性等；城市特征则包括到城市职能中心的距离等。

2．调研所得数据

（1）第一轮问卷数据。

第一轮调查问卷发放和收取时间为2010年7—10月，空间上大致涉及40～50个社区，尽量保证大概1/3的社区样本在市中心、近郊区、远郊区；保证有3～5个新城的社区；保证有传统单位型社区、商品房社区；社区中抽样同样需要注意广泛性和代表性，注意既有有车户，也有无车户。

本着城区全面覆盖、兼顾郊区的原则，本次抽样调查共发放了1400份问卷。合计有效问卷1227份，废卷率为14.1%。有效问卷的空间分布如图1—5所示，基本上和北京市人口分布相吻合。基于统计原理，1227份有效问卷可以保证在95%的置信水平上，最大抽样误差不超过2.5%。

表1—3显示了调查样本在北京市各区县的分布以及各区县的实际常住人口。参与问卷调查的家庭分布和各区县实际常住人口的分布比例大致吻合，16个区县问卷分布比重和人口分布比重的相关性为0.991。

将问卷录入后转化为量化数值，利用SPSS中的信度分析工具（Alpha信度系数）进行估算，问卷的整体信度值为0.77，不高，但基本可接受。基于可操作性，研究团队认为本数据还是具有较好的质量，之后微观层面的分析大多以此为基础。

两者分布差异比较大（超过5%）的包括东城（5.50%）、昌平（7.55%）和房山（-4.79%）、大兴（-5.14%）。这主要是因为整个问卷发放和回收过程是由中国人民大学的老师和学生完成的，受到个人联系和社会联系的局限（距昌平更近而离房山、大兴更远），问卷分布与实际人口分布有所出入。这可能会对一些分析结论产生影响。

利用入户调查的微观数据，可以建立家庭碳排放与家庭属性以及城市规划之间关系的定量模型。在控制家庭属性变量的基础上，计算出城市规划各个因素（容积率、土地利用混合度等）对碳排放的影响，从而构建空间规划对碳排放的影响机制框架图。

在这一轮数据收集的基础上，书中构建了较为基本的空间形态—碳排放模型，从而帮助计算城市空间的优化调整和规划修订能够减少多少碳排放。理论上，基于不同的规划理念、空间优化方案以及规划修订策略，以情景模拟为技术手段，改变土地利用混合度、容积率、公交网络等规划要素的值域和演变趋势，综合考虑北京市人口、经济和科技发展状况，估算碳排放的变化量，可以明确各种不同的规划思路调整、空间形态优化方案所减少的碳排放量，最终为规划方案比较和政策制定提供量化支撑。

（2）第二轮问卷数据。

第二轮调查问卷发放和收取时间为2012年8—10月，在北京市选取了15个社区，这些社区既有城中村、四合院，又有传统单位型社区、回迁社区、商品房社区。各社区的空间分布如图1—6所示。此外，为甄别“极端”情况以作为分析中的对比样本组，我们也对5户已知的高碳排放家庭进行问卷调查，并将其标记为“高碳家庭”。这5户高碳排放家庭并不在同一个社区，在空间上也没有集聚关系。如表1—4所示，本次抽样调查共发放了905份问卷，涉及2967人。

基于第二批问卷数据，本书可以更为深入地观察各个社区中，由于空间形态的不同，所造成的居民碳排放行为的相异或相似性。