← 論文一覧に戻る

再現パッケージ：産業排出分解におけるスコープ1バイアス — 拡張LMDIスコープ1+2エンジン、ポーランド2008–2022年

Replication package: The Scope 1 Bias in Industrial Emission Decomposition — Extended LMDI Scope 1+2 engine, Poland 2008–2022 (原題)

Dominiak, Adam, Rusowicz, Artur

Zenodoプレプリント2026-09-19#炭素会計Origin: EU対象セクター: cross_sector
DOI: 10.5281/zenodo.22844938
原典: https://zenodo.org/records/22844938

🤖 gxceed AI 要約

日本語

本再現パッケージは、産業排出量の要因分解においてスコープ1のみを対象とすると生じるバイアスを、スコープ1+2を統合した拡張LMDI-I手法で検証する。ポーランド2008–2022年のデータを用い、電力消費×グリッド排出係数によるスコープ2を組み込み、モンテカルロとブートストラップで不確実性を評価する。コード・データ・出力・138項目の自動整合性チェックを公開し、炭素会計の透明性と再現性を高める。

English

This replication package provides an extended LMDI-I engine that decomposes industrial emissions into Scope 1 and Scope 2, correcting the bias from Scope 1-only analyses. Using Polish data (2008–2022), it integrates electricity consumption × grid emission factor, with Monte Carlo and bootstrap uncertainty quantification. It includes code, data, outputs, and 138 automated consistency checks, enhancing transparency and reproducibility in carbon accounting.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本ではSSBJ基準や有報でのScope 3開示が進む中、Scope 1のみの分解が誤った削減要因評価を招くリスクを示唆する。本パッケージの手法は、日本企業の排出量分解や政策評価におけるScope 2の重要性を裏付ける。

In the global GX context

As global disclosure frameworks (ISSB, CSRD) increasingly require Scope 1+2 reporting, this work highlights the methodological bias in Scope 1-only decomposition, offering a reproducible tool for accurate attribution. It supports the transition to more comprehensive carbon accounting in policy and corporate reporting.

👥 読者別の含意

🔬研究者:LMDI分解におけるScope 2統合の必要性と再現可能な手法を提供する。

🏢実務担当者:自社の排出削減要因分析でScope 2を無視すると誤った結論を導く可能性がある。

🏛政策担当者:排出量分解に基づく政策評価ではScope 2を含めることで精度が向上する。

📄 Abstract（原文）

Replication package for the manuscript "The Scope 1 Bias in Industrial Emission Decomposition: Extended LMDI Evidence from Six European Economies" (Dominiak & Rusowicz; submitted to Journal of Industrial Ecology , September 2026). Contents: code/ — lmdi_engine_v6.py (two-part LMDI-I Scope 1+2 decomposition, eq. 5–13; produces Tables 1–2 and Online Resource 1 Tables A.1, A.2, S1), lmdi_v6_uncertainty_figs.py (Monte Carlo on the grid emission factor, N = 10,000, three uncertainty specifications; parametric bootstrap, N = 5,000; Table 3, Table S3, Figs. 3–4, Figs. S1, S3), make_figures_from_tables_v6.py (Figs. 2, 5, S2, S4), qa_gate.py (138 automated equality checks between the manuscript tables and the engine output), plus the manuscript and Online Resource 1 in Markdown; data/processed/ — Master_Data_PhD.xlsx (Eurostat nrg_bal_c, env_ac_ainah_r2, nama_10_a64 for Poland, Germany, Czechia, Spain) and EF_grid_PL_2005_2022.csv (Polish grid emission factor: 2005–2013 two-source triangulation as published in Dominiak & Rusowicz 2026, MethodsX 17, 104103; 2014–2022 KOBiZE end-user factor); output/ — result workbooks and all figures. Specification: Scope 1 = Eurostat Air Emissions Accounts (combustion plus process, residence principle); Scope 2 = electricity consumption × grid emission factor; logarithmic-mean weights, year-on-year chaining, residual < 10⁻¹³ Mt. Information cutoff of all inputs: Eurostat and KOBiZE releases as of June 2026. Python ≥ 3.10; requirements.txt included. Code: MIT; data under the terms of the original providers.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。