为避免混淆，下文所提及的碳排放均为CO₂排放。家庭碳排放占比是家庭碳排放量与国家碳排放量的比值。因此，为厘清家庭碳排放占比的含义，有必要对其分子和分母分别进行分析与界定。参考GHG protocol的划分方式，家庭碳排放可分为范围1、范围2和范围3碳排放。首先，范围1排放涵盖了家庭的直接碳排放，包括家庭使用煤、天然气、汽油和柴油等燃料用于取暖、烹饪和交通工具 (如私家车) 所产生的排放。其次，范围2排放属于家庭消费所间接引起的排放，主要来自家庭使用的外购电力、蒸汽、供热和制冷。尽管这些排放实际发生在能源生产过程中，但它们由家庭的能源需求引起。最后，范围3排放涵盖了家庭的其他间接碳排放，包括家庭消费的商品和服务在生产和运输过程中产生的排放，以及家庭废弃物处理引起的排放。

如图1所示，本研究将特定国家家庭范围1碳排放界定为家庭消费引致直接碳排放，将范围2和范围3碳排放之和界定为家庭消费引致间接碳排放^[21]。为了考察贸易的影响，将家庭消费引致间接碳排放进一步区分为特定国家家庭部门对全球商品的消费所间接引致的碳排放 (以下简称为家庭消费引致全球间接碳排放) 和特定国家家庭部门对在国内生产的商品的消费所间接引致的碳排放 (以下简称为家庭消费引致国内间接碳排放) 。家庭消费引致直接碳排放与家庭消费引致间接碳排放之和，即为家庭消费引致碳排放。为考察贸易对核算结果的影响，将家庭消费引致直接碳排放与家庭消费引致全球间接碳排放之和界定为家庭消费引致全球碳排放，将家庭消费引致直接碳排放与家庭消费引致国内间接碳排放之和界定为家庭消费引致国内碳排放。

国家碳排放可被划分为特定国家各行业活动中能源燃烧 (有时也会包括过程排放) 导致的生产端国家碳排放，以及由特定国家最终需求间接引起的消费端国家碳排放。对于消费端排放而言，又可以进一步区分为特定国家对全球产品的最终需求间接引起的碳排放 (以下简称消费端引致全球碳排放) 与特定国家对在国内生产的产品的最终需求间接引起的碳排放 (以下简称为消费端引致国内碳排放) 。

在投入产出分析框架下，家庭消费引致直接碳排放的核算逻辑与生产端国家碳排放一致，家庭消费引致间接碳排放的核算逻辑与消费端国家碳排放一致。因此，可将家庭消费引致全球碳排放与生产端国家碳排放的比值界定为家庭消费引致全球碳排放生产端占比，将家庭消费引致国内碳排放与生产端国家碳排放的比值界定为家庭消费引致国内碳排放生产端占比。根据是否涵盖与在国内生产但并未在国内消费的产品相关的碳排放，将家庭消费引致全球碳排放与消费端引致全球碳排放的比值界定为家庭消费引致全球碳排放消费端占比，将家庭消费引致国内碳排放与消费端引致国内碳排放的比值界定为家庭消费引致国内碳排放消费端占比。

本研究将对与家庭碳排放相关的媒体文本与学术论文进行系统性检索、筛选与分析，明确家庭碳排放占比的取值与分布，并分析家庭碳排放占比差异的来源。

1) 媒体报道溯源。由于媒体渠道广泛且数据量庞大，因此本研究使用互联网智能舆情监测与分析工具对包括微博、新闻 (如门户网站、主流媒体) 、自媒体 (如知乎、微信) 、纸媒和政务等所有主流媒体渠道进行了全面搜索。以2022年1月21日国家发展改革委等部门发布《促进绿色消费实施方案》为起点，选取该日到2022年11月22日这10个月作为检索时间。设置监控词为“CO₂排放”“碳足迹”“碳排放”“温室气体排放”，搭配词为“家庭”“家庭消费”“家庭生活消费”“居民生活”“居民生活消费”“居民消费”“生活”“生活消费”，并采用“AND”连接，初步检索出90 903篇文章。其中，微信和新闻渠道的相关信息量最大，分别占54%和36%；政务渠道占6%；头条和其他自媒体各占2%和1%。鉴于样本量较大，结合随机分层抽取与增补筛选方法，调高较为权威的政务渠道抽取比例，抽取1 290篇文章进一步筛选，最终得到48篇文章作为最终的分析样本。

2) 学术论文综述。通过在中国知网CNKI、Web of Science Core Collection™ (SCI-E) 和Scopus文献库进行关键词检索，筛选与中国家庭碳排放相关的中英文期刊论文。检索关键词串为：[TS = (“carbon footprint” OR“carbon emission*”OR GHG OR“greenhouse gas”OR“carbon dioxide”OR CO₂) AND TS = (household*) AND TS = (China) ]和[ (家庭OR家庭消费OR家庭生活消费OR居民生活OR居民生活消费OR居民消费OR生活OR生活消费) AND ((CO₂排放OR碳足迹OR碳排放OR温室气体排放) ]。初步检索和筛选出文献300余篇，随后通过浏览标题和摘要以及研读内容，提取得到分布在20多篇文献中的75条中国家庭碳排放占比相关结果。

为了提供占比的科学参照，本研究基于3个多区域投入产出数据库对中国家庭碳排放与国家碳排放进行了核算。投入产出法是估计消费间接碳排放的主要方法之一，为美国经济学家里昂惕夫于20世纪30年代提出^[22]。该方法主要依托于国家或地区的投入产出表，反映国民经济各部门间、产品生产与消费之间的数量依存关系^[23]。基于投入产出法计算家庭碳排放，即利用经济活动之间的投入产出关系，结合能源消耗数据来估算各个部门的碳排放量，再分摊到家庭消费中。投入产出分析的基本方程如式(1)所示。

式中：$ X $为经济总产出；$ {\left(I-A\right)}^{-1} $和$ B $为里昂惕夫逆矩阵，其中$ A $为反映部门间经济流动的技术系数矩阵；$ I $为单位矩阵；$ Y $为需求矩阵。基于投入产出基本方程可计算家庭间接碳排放，公式如式(2)所示。

式中：$ C $为家庭间接碳排放量；$ E $为直接碳排放强度向量，代表各部门单位产出的能源消耗碳排放；$ {Y}^{\text{'}} $代表家庭消费支出向量。

投入产出表可以分为多区域投入产出表和单区域投入产出表。前者考虑了不同国家或地区之间的贸易关系，能实现对国家碳排放的较准确评估，但需要更多数据和计算资源支撑。后者，如CEEIO^[24]和CEADs，则实现了核算与分析的简化，但不能完全涵盖国际贸易对碳排放的影响。本研究基于参考年份为2014年的WIOD表、参考年份为2017年的GTAP表和参考年份为2016年的EORA (26部门) 这三个多区域投入产出表计算中国家庭碳排放占比。

为全面理解上述3个应用最为广泛的多区域投入产出表数据库在家庭碳排放研究中的适用性和局限性，对其各自的特征分析和评估如下。其中，EORA数据库涵盖了最多的国家和地区，最能反映全球经济活动的结构，适用于针对全球性环境问题和可持续发展目标进行环境足迹分析^[25]。然而，EORA数据库不包括部分国家或地区的直接排放数据。WIOD数据库在国家账户结构方面具有优势，能够准确反映国民经济各部门之间的数量依存关系^[25-26]。此外，WIOD数据库提供了详细的时间序列数据，有助于分析碳排放的历史变化趋势。但是，WIOD数据库的数据更新频率较低，可能无法及时反映最新的经济和环境变化，且在处理国际贸易和供应链问题时可能不如其他数据库全面。GTAP数据库更多关注贸易结构，适用于研究全球贸易政策和供应链问题。目前，GTAP数据库被广泛用于政策模拟和经济分析，具有很高的适用性和灵活性。美中不足的是，GTAP数据库的碳排放数据主要侧重于能源数据，不完全包括工业过程的排放。总体而言，上述数据库在用于分析家庭碳排放时各有优缺点，将其综合起来分析有助于提高研究结果与结论的可靠性、稳健性和准确性。

最终筛选得到的48篇媒体报道中的中国家庭碳排放占比介于30%到65%之间，且报道间存在一定的引用关系。如表1所示，在提及53%这一核心数据的21篇文章中，有2种不同的表述：①“居民消费产生的碳排放量占53%”，被18篇文章提及；②“消费端如工业过程、居民生活等占53%”，被3篇文章提及。本研究溯源后发现，53%首次出现是在2021年5月30日中国科学院学部第七届学术年会上，由中国科学院院士丁仲礼在《中国“碳中和”框架路线图研究》专题报告中提出。报告中的描述与表述②相符，即消费端 (包括工业过程、居民生活等) 碳排放占总排放的53%，而与大多数媒体文章引用的表述①存在明显差异。由于消费端涵盖的方面比居民消费更广，因此经过简化的表述②夸大了中国家庭碳排放占比。此外，还有6篇媒体文章提及核心数据52%，并明确指出数据来源为中国社会科学院和中国气象局发布的《应对气候变化报告 (2020) ：提升气候新动力》。经核查，该数据出自该报告的《2020年全球净零碳排放动向与中国战略选择》章节，原文直接给出了52%的数据，但未详细阐述其计算逻辑与数据来源。在48篇媒体报道中出现的其它家庭碳排放占比大多无明确的数据来源。

为深入分析媒体报道中占比结果差异产生的原因，本研究从以下几个方面进行了深入分析。首先，进一步考虑了数据时间代表性的影响。然而，如表1所示，仅包含“我国居民碳排放占全国总体排放的40%”表述的报道之一明确说明其为1992—2007年期间家庭消费的直接和间接CO₂排放占一次能源利用的碳排放总量的比例，其余报道均无明显的时间代表性信息。然后，受限于版面等因素，媒体在报道家庭碳排放占比时会忽略核算边界、假设条件等关键信息，导致占比的具体含义模糊不清。最后，部分报道在引述数据时，对原始数据进行了简化、概括或解读，这可能导致数据失真。例如，部分报道对“消费端”的定义过于宽泛，导致得出较高的家庭碳排放占比。基于上述分析，我们发现媒体报道中家庭碳排放占比数据的可靠性存在疑问，有必要对相关学术文献进行更详细的分类和分析，更清晰地展示数据差异的原因。

如表2所示，中国家庭碳排放在总体上呈现明显的上升趋势。基于投入产出延长表和年鉴数据核算得到家庭碳排放量估计值在2007到2011年间从16.6×10⁸ t上升到23.8×10⁸ t，增幅为43.37% ^[9]。同时，基于投入产出表和年鉴数据核算得到家庭碳排放量估计值在2010到2014年间从26.8×10⁸ t上升到33.0×10⁸ t，增幅仅为23.13%，增速趋于放缓^[31]。受限于数据可得性，许多研究采用同一年份的投入产出表进行若干年份的家庭碳排放核算。在这种情况下，同一研究中不同年份核算结果的差异主要来自于宏观经济指标与能源消耗量的变化。

不同研究对同一年份中国家庭碳排放的估计结果之间也存在较大差异，首要原因在于所使用的核算方法不同 (表2) 。部分研究并未基于投入产出分析法、而是基于消费者生活方式分析法 (CLA) 计算家庭碳排放，从而较为精准地反映出不同类型家庭在食物、交通、能源等具体消费领域的碳足迹^[30]。CLA方法的优势在于可以细化到具体的家庭消费行为，但会受调查数据所涵盖家庭消费行为类型的影响。与之类似，结合调查数据进行投入产出分析，与基于投入产出表进行投入产出分析，也会导致结果出现差异。

不同研究采用的核算边界与数据来源的异质性，也会导致同一年份中国家庭碳排放估计结果之间的差异 (图2) 。首先，核算边界对家庭碳排放的估计结果影响巨大。对于家庭消费引致直接碳排放而言，核算所涵盖的能源类型可能为18种^[43]、17种^[42]、16种^[33]、14种^[44]、11种^[34]、10种^[45]或3种^[46]等。此外，需要说明的是，部分研究并未明确核算所涵盖的能源类型^[38]。对于家庭消费引致间接碳排放而言，直接与间接碳排放边界的界定方式会对其造成较大影响。在所调研的学术论文中，约32.14%将范围1和2的排放界定为直接碳排放，四分之一的将范围2和3的排放界定为间接碳排放。界定方式不明确的学术论文占比达到了17.86%，界定方式不规则的学术论文占比也达到了四分之一。不同研究的界定方式差异，也进一步加剧了家庭消费引致直接碳排放与间接碳排放估计结果之间的差异。

数据来源差异也是引起家庭间接碳排放估计结果差异的重要原因。首先，在计算家庭消费引致间接碳排放时，约57.14%的论文基于投入产出表展开，约17.86%的论文基于调查数据展开^[41]，其估计结果存在明显的分异特征。另一方面，基于投入产出表展开的研究使用投入产出表的类型与时间代表性也不尽相同^[32,37,39]。例如，在核算2012年的家庭碳排放时，不同研究分别使用了2007年和2010年的投入产出表。此外，与排放系数等相关的数据来源差别也会引起估计结果差异。排放系数指每单位活动水平的温室气体排放量，直接影响碳排放的计算精度。例如，同样是估算煤炭消耗的碳排放，不同研究可能会使用IPCC提供的国际通用排放系数或国家统计局发布的本地排放系数，这将直接导致最终碳排放估算的不同。

目前，学术研究通常更关注家庭碳排放绝对量，缺少对占比的讨论。为考察其中隐含的占比趋势，本研究利用中国历年国家碳排放进行粗略估算，仅作为对比参考。CAIT、PIK、UNFCCC、GCP、CEADs和World Bank来源的国家碳排放均为生产端排放。CAIT、PIK和UNFCCC仅涵盖与能源消耗相关的排放，其余多考虑了水泥生产过程排放。综合考虑核算范围的全面性和对中国生产活动的代表性，选取CEAD_S数据库中的中国历年国家碳排放作为分母，家庭碳排放占比如图3所示。在使用投入产出分析方法计算家庭碳排放的文章中，占比介于25.34%与32.09%之间，且呈现明显的先上升后稳定的趋势；在所有相关文章中，占比介于26.04%与38.09%之间，但未见明显趋势。

1) 中国家庭碳排放总量。如表3所示，基于不同投入产出表数据源的中国家庭碳排放估计值存在一定差异 (Eora-2016数据源并未直接给出与家庭消费相应的直接碳排放，为避免误差在此不考虑) 。基于WIOD-2014数据源得到的中国家庭消费引致直接碳排放估计值为5.82×10⁸ tCO₂当量，基于GTAP-2017数据源得到的估计值仅为0.31×10⁸ tCO₂当量。两者之间的巨大差异可能归因于WIOD数据表涵盖了化石燃料燃烧和工业过程排放，而GTAP数据表则更多侧重于能源数据，未完全包括工业过程排放^[47]。

基于EORA-2016数据源得到的中国家庭消费引致间接碳排放最高，家庭消费引致国内间接碳排放为34.53×10⁸ tCO₂当量，家庭消费引致全球间接碳排放为35.14×10⁸ tCO₂当量。相比之下，基于WIOD-2014数据源，这两个数值分别为21.85×10⁸与22.69×10⁸ tCO₂当量；基于GTAP-2017数据源，这两个数值分别为24.66×10⁸与25.47×10⁸ tCO₂当量。基于EORA数据源得到的工业排放数据量显著大于其他数据源，这可能是其估计值较高的主要原因^[48]。基于EORA-2016数据源得到的家庭消费引致间接碳排放最高，甚至高于基于其他数据源得到的家庭消费引致碳排放量。基于GTAP-2017数据源得到的家庭消费引致碳排放量最低，部分原因在于其未完全包括工业过程排放。基于WIOD-2014数据源得到的家庭消费引致国内碳排放和家庭消费引致全球碳排放分别为27.67×10⁸与28.51×10⁸ tCO₂当量。总体而言，家庭消费引致间接碳排放是家庭消费引致碳排放的主要组成部分，占80%以上。

2) 中国国家碳排放总量。由于不同投入产出表在参考年份、数据结构、覆盖范围和数据类型等方面存在不同，中国国家碳排放量估计值波动范围较大。生产端国家碳排放估计值介于74.16×10⁸到106.90×10⁸ tCO₂当量之间；消费端引致国内碳排放估计值介于64.74×10⁸到95.04×10⁸ tCO₂当量之间；消费端引致全球碳排放估计值介于66.27×10⁸到99.37×10⁸ tCO₂当量之间。如图4所示，生产端国家碳排放估计值均高于消费端国家碳排放估计值，主要原因在于由对外贸易引起的碳排放转移。21世纪前20年，中国均有近三分之一的碳排放服务于来自国外的最终需求，尤其是来自美国、欧盟和日本的需求^[49-50]。

3) 中国家庭碳排放占比。如图5所示，基于WIOD-2014数据源得到的家庭直接碳排放占生产端排放的5.86%，而基于GTAP-2017数据源的占比结果则仅为0.42%。图5还展示了家庭间接排放占消费端排放的比例。其中，基于WIOD-2014数据源得到的家庭消费全球商品引起的间接排放占比最低，为26.37%；基于EORA-2016和GTAP-2017数据源得到的结果较为接近，分别为36.09%和37.96%。家庭消费国内商品引起的家庭间接排放占比也呈现相似的趋势，分别为26.00% (WIOD-2014) 、36.34% (EORA-2016) 、37.61% (GTAP-2017) 。值得注意的是，基于EORA-2016数据源得到的家庭消费国内商品引起的家庭间接排放占比高于全球商品引起的间接排放占比，而基于WIOD-2014和GTAP-2017数据源的结果则相反。

由于EORA-2016数据源并未直接给出与家庭消费相应的直接碳排放数据，图5呈现了基于WIOD-2014和GTAP-2017数据源得到的家庭碳排放占比结果。两者在不同占比含义下的数值特征基本相同，但前者结果均小于后者。当生产端国家碳排放作为基数时，基于WIOD-2014数据源得到的家庭消费引致碳排放占比估计结果为27.83%~28.67%，基于GTAP-2017数据源得到的占比估计结果为33.26%~34.25%。当以消费端国家碳排放为基数时，基于GTAP-2017数据源得到的家庭消费引致碳排放占比最高达38.43%，即使不考虑对国外产品的消费，占比略低，为38.09%；基于WIOD-2014数据源得到的家庭消费引致碳排放占比较低，在33%左右。总体而言，基于不同数据源得到的中国家庭消费引致碳排放占比介于27.83%到38.43%之间，与文献中的占比平均取值相当，但普遍低于媒体报道的水平，也远低于发达国家80%的水平。一方面，这表明媒体报道对家庭碳排放重要性的高估倾向。另一方面，也表明中国的国家碳排放目前在很大程度上仍主要集中于工业生产和出口，而非家庭消费^[37]。相比之下，欧美等发达国家的碳排放则更多依赖于服务业和以高消费为特征的生活方式^[51]。

1) 政策层面。随着人民生活水平的提高，中国家庭碳排放的绝对量的确有明显的增长趋势。但是，为降低实现碳中和目标的全局成本，决策者需要客观看待家庭碳减排的相对重要性，不应该赋予其过高的地位。此外，为实现高效率的家庭碳减排，政策制定应尤其具有前瞻性和针对性。本研究表明，间接碳排放是家庭碳排放的主体，其减排需要依赖系统性变革，是决策者需要重点关注的方向。对此，应进行深入有效的供应链减排机制设计，引导消费者个人选择，促进行业低碳转型。在当前的信息时代，媒体报道对公众的认知和态度塑造具有重要作用。然而，部分媒体报道的中国家庭碳排放量及占比数据或缺乏明确来源，或对背景信息过度简化。这可能追求新闻效应的结果，在一定程度上导致了对家庭碳减排信号的误读和误传。政府需要引导媒体，确保其引用或使用占比数据具有可靠的来源于规范的说明，避免部分媒体沦为特定商业利益群体的吹鼓手。最后，对于数据来源不明的媒体报道，大众与决策者应保持警惕，不可轻信。

2) 核算层面。在计算家庭碳排放占比时，需要采取科学的核算方法，明确其分子与分母的定义与范围，避免因范围差异而导致的数据偏差。对于分子即家庭碳排放而言，建议参考温室气体协议，按照范围1、2、3及其组合的形式进行核算，不仅可以避免直接与间接碳排放之间的边界模糊，还可以与IPCC推荐的组织碳排放核算方法接轨^[52]。对于范围1碳排放，研究者应明确所涵盖的能源类型；对于范围2&3碳排放，研究者应明确核算所依据的方法。如果研究基于调查数据开展，还需阐明所涵盖的家庭行为类型。对于分母即国家碳排放而言，需要明确其是生产端排放还是消费端排放，及其对贸易的处理方式。此外，家庭碳排放的核算方式与范围需要与国家碳排放相匹配。例如，当分子为中国家庭需求所驱动的全球碳排放时，分母也应该是中国消费端需求所驱动的全球碳排放，而非其所驱动的国内碳排放。最后，报告碳排放时，研究者应明确估计值代表温室气体还是CO₂。如果是温室气体，必须明确包括哪些温室气体。

此外，投入产出方法的优势在于其宏观性和系统性，但是用于考察家庭碳排放时可能会忽略具体的家庭消费细节，以及同类消费品之间的质量差别。例如，投入产出方法基于平均生产技术和消费模式，忽略了家庭在实际消费过程中的个体差异和行为变化。此外，行业内同类消费品的质量差别在投入产出表中往往被平均化处理，导致对高质量或低质量产品的碳排放估算不准确。为了弥补这些不足，需要结合以生命周期评价为代表的自下而上的核算方法。生命周期评价能够深入到产品的具体使用阶段，捕捉到家庭消费行为的微观细节，提供更为细致的碳排放估算，在细化产品碳足迹方面具有独特优势。因此，需要完善将两者优点结合在一起的家庭碳排放综合分析框架，既能保持宏观系统分析的优势，又能细化到具体产品和服务的生命周期，能提供更全面的碳排放分析。

3) 数据层面。在使用投入产出分析方法计算家庭碳排放占比时，基于不同数据库得到的占比估计结果差异较大，可比性不强。因此，在报道占比结果时，应该说明所使用和参考的数据库，以便提供科学参照。此外，鉴于国际贸易对于家庭消费与碳排放愈来愈重要的影响，基于多区域投入产出表核算家庭碳排放占比更加合适。然而，当前研究所使用的主流多区域投入产出表数据库多由国外机构建设，其与中国相关的数据难免会有不全面和不准确之处。因此，相关机构应支持高校等中国本土机构，以中国视角优化投入产出分析方法论、从中国实际情况出发建设多区域投入产出表数据库。这不仅能为家庭碳排放占比估计提供更加坚实的数据基础，增强数据的参考价值，还有助于我国在气候问题对话中掌握更多话语权。