批发零售和住宿餐饮行业(批零住餐业)是传统服务行业,分布广泛、意义重大。随着我国产业结构优化,该行业发展迅速,其碳排放现已达到很大规模,超过部分传统高耗能行业,而且增速明显高于全国平均增速。如果不强化对该行业碳排放的控制,将对我国达成碳减排承诺造成一定影响。通过文献检索发现,尚无专门研究此行业碳排放的文献。因此,本文将针对我国批零住餐业碳排放进行单独研究,明确其影响因素及区域差异,为该行业碳减排工作提供理论支持。基于对电力碳排放和热力碳排放计算方法,本文将已有碳排放核算方法定义为分摊法和不分摊法。两种方法均有各自特点。而当前绝大多数文献仅采用其中一种核算方法。为减少使用单一方法所造成相关信息疏漏或结论片面性,本文利用这两种方法对我国国家和省域的批零住餐业碳排放进行核算;在其基础上,使用LMDI模型定量解析我国该行业国家和省级两个层面碳排放的驱动因素;同时,根据主要影响因素,使用K-Means方法,对我国30个省份进行聚类分析,找出他们的特点。本文主要研究结果如下:(1)在分摊法下,国家层面和多数省份批零住餐业的碳排放总体上显著增加;不分摊法下,国家层面和多数省份该行业的碳排放总体上也有较大幅度的增长,2013年后略有下降,但有少数省份仍呈上升趋势。在国家层面和多数省份,该行业的能源结构中,电力占比较高、且仍在提升。2016年国家层面该行业的电力消费量超过煤炭、成为最主要能源(也有黑龙江、贵州等个别省份,该行业的能源结构中电力占比很小)。(2)因素分解结果中,对于国家层面,无论哪种方法,经济水平和能耗强度都是批零住餐业碳排放增长的主要拉动因素和抑制因素,而在不同核算方法下,能源结构的驱动作用相反。对省域层面,多数省份的影响因素与国家层面相似,但逐渐由单一的经济水平或能耗强度因素影响转变为多元影响。而在不同核算法方法下,能源结构和排放系数的影响,在各省之间差别较大。(3)基于主要的驱动因素,本文使用K-Means聚类分析法将我国30个省份划分五类。基于各类地区的特点,将各类地区分别命名为低碳-均电-低效-低速地区、高碳-高电-高效-均速地区、低碳-低电-低效-均速地区、低碳-高电-高效-均速地区和高碳-低电-低效-均速地区,并分别提出了碳减排对策。其中低碳-均电-低效-低速地区和低碳-低电-低效-均速地区应着力提高电力占比,而高碳-高电-高效-均速地区应适当降低电力占比。低碳-均电-低效-低速地区、低碳-低电-低效-均速地区和高碳-低电-低效-均速地区应提高当地能耗效率。同时,低碳-均电-低效-低速地区应结合自身的特点积极发展批零住餐业,适当提高增速。本文同时使用两种核算方法计算该行业的碳排放,能够避免使用单一方法造成信息的疏漏;本文将LMDI与K-Means方法联用,将国家和省级两层面连贯起来,不仅提出了加强和优化国家层面该行业碳排放控制的建议,而且明确了国家层面的各项减排策略应当如何在省级层面落实、以哪些省份为重点。与当前常见的一种方法、一个层面的研究相比,本文的研究更全面、所得到的对策建议更有针对性、更便于操作。