基于城市評價的碳配額分配機(jī)制研究

姜文超，孫然，張赟

（江蘇省生產(chǎn)力促進(jìn)中心，江蘇 南京 210003）

0 引言

1997年世界各國締結(jié)《京都議定書》，歐盟委員會承諾將溫室氣體排放量削減8%，并隨后提出碳排放權(quán)交易制度（ETS機(jī)制）。目前，歐盟超半數(shù)企業(yè)已進(jìn)入ETS機(jī)制，計劃在2020年，整體CO2排放量較1990年的標(biāo)準(zhǔn)基礎(chǔ)上再下降20%[1]。中國作為CO2排放第二的國家，同樣面臨巨大的減排壓力，2015年中國向聯(lián)合國提交《聯(lián)合國氣候變化框架公約》，承諾2030年單位GDP的CO2排放量較2005年至少下降60%[2]。

2011年10月，國家選擇北京、上海、天津、重慶、廣東、湖北和深圳7個城市作為碳排放權(quán)交易試點(diǎn)地區(qū)。2014年12月，國家出臺《碳排放權(quán)交易管理暫行辦法》，正式開展碳市場建設(shè)工作。2016年1月，國家發(fā)布《關(guān)于切實做好全國碳排放權(quán)交易市場啟動重點(diǎn)工作的通知》，開始進(jìn)行碳交易市場的啟動工作[3]。

目前對于碳配額的分配機(jī)制尚處于研究階段[4-6]，本文以江蘇省13個地市為研究對象，通過研究國內(nèi)外相關(guān)研究成果，選取城市發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)三個一級指標(biāo)，并借助德爾菲法對于各指標(biāo)賦權(quán)重，構(gòu)建形成碳配額分配指標(biāo)評價體系。繼而選取江蘇省2018年數(shù)據(jù)進(jìn)行分析，得出各地市的碳配額分配系數(shù)，可作為城市碳排放控制效果的評價標(biāo)準(zhǔn)。

1 指標(biāo)選擇

1.1 城市發(fā)展水平

1.1.1 國內(nèi)生產(chǎn)總值GDP

眾多學(xué)者的研究均表明，經(jīng)濟(jì)增長是影響碳排放量的重要因素。Sheinbaum等人運(yùn)用LMDI分解法分析了墨西哥1970～2006年間的碳排放數(shù)據(jù)，發(fā)現(xiàn)經(jīng)濟(jì)增長對于鋼鐵工業(yè)CO2排放的貢獻(xiàn)率高達(dá)134%[7]。Li等人利用STIRPAT模型對南京市2000～2016年間的碳排放數(shù)據(jù)進(jìn)行模擬，也發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展與CO2排放量增加間存在明顯的正相關(guān)關(guān)系[8]。

時兆會的研究與上述結(jié)論一致，他發(fā)現(xiàn)北京市人均GDP每提高1%，整體的CO2排放量會增加1.81%。但是城市碳排放總量并不是隨經(jīng)濟(jì)增長而無限制增加[9]。Grossman等人對此進(jìn)行深入研究，提出經(jīng)濟(jì)增長與CO2排放量的環(huán)境庫茲涅茨曲線假設(shè)，指出經(jīng)濟(jì)增長與碳排放量間呈現(xiàn)倒“U”字型的曲線關(guān)系[10]。譚靜等人的研究得出相似的結(jié)論，認(rèn)為經(jīng)濟(jì)增長與CO2排放間存在“綠色悖論”、“倒逼減排”的規(guī)律[11]。

1.1.2 外商直接投資

朱亞軍等人利用SDM模型研究西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)與碳排放間關(guān)系時，發(fā)現(xiàn)外商直接投資與城市碳排放量之間，在動態(tài)SDM模型中呈負(fù)相關(guān)關(guān)系，而在靜態(tài)SDM模型中則呈相反趨勢，并將其歸因于西部地區(qū)區(qū)域發(fā)展不平衡[12]。王壘等借助動態(tài)面板系統(tǒng)GMM模型，實證分析2000～2015年中國30個省份外商直接投資與CO2排放量的動態(tài)關(guān)系，結(jié)果表明外商直接投資對于碳排放有顯著的動態(tài)促進(jìn)作用，這是因為外資企業(yè)擁有高效能的設(shè)備與先進(jìn)的節(jié)能技術(shù)[13]。彭紅楓等人得出類似的結(jié)論，并且發(fā)現(xiàn)直接外商投資的碳減排效應(yīng)呈現(xiàn)一定的區(qū)域差異，中西部地區(qū)并不明顯，東部地區(qū)則較為典型[14]。

1.1.3 人口

朱亞軍等人在研究西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)與碳排放間關(guān)系的同時，發(fā)現(xiàn)人口數(shù)量與碳排放量間存在正相關(guān)關(guān)系，其將原因歸結(jié)于西部人才引進(jìn)對于環(huán)境的改善[12]。潘偉等人利用LMDI法對不同行業(yè)的CO2排放量的影響因素進(jìn)行分解，發(fā)現(xiàn)人口規(guī)模效應(yīng)在不同行業(yè)均體現(xiàn)出明顯的促進(jìn)作用，尤其是工業(yè)和建筑業(yè)中，人口規(guī)模效應(yīng)對于碳排放量的拉動作用僅次于經(jīng)濟(jì)產(chǎn)出效應(yīng)[15]。楊帆等人利用時間序列VAR模型來研究人口變量對江蘇省碳排放量的影響程度，發(fā)現(xiàn)城鎮(zhèn)人口數(shù)量與總體CO2排放量間呈現(xiàn)倒“U”型變化規(guī)律，并且人口的年齡、性別和城鄉(xiāng)結(jié)構(gòu)等因素對于結(jié)果存在不同程度的影響[16]。

1.2 產(chǎn)業(yè)結(jié)構(gòu)

虞義華等人借助可行性廣義估計模型，研究第二產(chǎn)業(yè)與碳排放量的線性關(guān)系，發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)中第二產(chǎn)業(yè)比重越高，CO2排放總量越高，因此認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對碳排放量降低有正向推進(jìn)作用[17]。張琳杰等人通過分析1997～2016年間31個城市的產(chǎn)業(yè)數(shù)據(jù)，進(jìn)而構(gòu)建面板數(shù)據(jù)模型，發(fā)現(xiàn)第二產(chǎn)業(yè)對碳排放的影響高于第一、三產(chǎn)業(yè)[18]。Jia等人的研究結(jié)果表明產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對于2011～2015年工業(yè)CO2排放的貢獻(xiàn)率為-9.46%[19]。Chen等人研究認(rèn)為，大連市通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，降低高能耗產(chǎn)業(yè)比重，有效降低了整體CO2排放量[20]。

1.3 能源結(jié)構(gòu)

毋庸置疑，煤炭、石油、天然氣等化石能源占比的增加將嚴(yán)重影響城市碳排放總量。如曹甲威等人發(fā)現(xiàn)，2013年能源結(jié)構(gòu)變化對貴陽市整體碳排放的貢獻(xiàn)率為26.3%[21]。曲健瑩等以湖南省為例，利用LMDI模型分析了能源結(jié)構(gòu)變化對碳排放強(qiáng)度的影響。結(jié)果表明：能源強(qiáng)度的影響強(qiáng)于能源結(jié)構(gòu)，并且與能源強(qiáng)度相關(guān)度最高的產(chǎn)業(yè)為化學(xué)原料及化學(xué)制品制造業(yè)、非金屬礦物制造業(yè)以及電力熱力生產(chǎn)和供應(yīng)業(yè)[22]。黃光球等人使用類似的方法分析了陜西省能源消費(fèi)和CO2排放量的關(guān)聯(lián)性，結(jié)果表明煤炭和石油的消耗比例每上升1個百分點(diǎn)，整體碳排放量會分別提高0.31%和0.13%，而天然氣和可再生能源的消耗比例每上升1個百分點(diǎn)，整體碳排放量則分別下降0.39%和0.44%[23]。

1.4 指標(biāo)體系

綜上所述，本文構(gòu)建基于城市評價的碳配額指標(biāo)體系如表1所示：

表1 基于城市評價的碳配額指標(biāo)體系

2 權(quán)重分析

2.1 指標(biāo)判斷矩陣

為了實現(xiàn)各指標(biāo)合理賦權(quán)重，本文選用德爾菲法進(jìn)行指標(biāo)權(quán)重分析[24]，經(jīng)過組織多輪專家打分，確定各指標(biāo)元素間的重要性程度，得到各指標(biāo)的判斷矩陣。然后通過層次分析法[25]計算各級指標(biāo)的權(quán)重，并對于矩陣的一致性進(jìn)行分析，確定指標(biāo)權(quán)重的合理性和滿意度。

各指標(biāo)的判斷矩陣如下所示：

2.2 指標(biāo)權(quán)重計算

本文根據(jù)德爾菲法與層次分析法相應(yīng)計算方法，根據(jù)上述各級指標(biāo)建立的判斷矩陣，計算各個指標(biāo)的相對權(quán)重值，并對矩陣進(jìn)行一致性檢驗，確保指標(biāo)權(quán)重可信。

（1）一級指標(biāo)。

表2 一級指標(biāo)權(quán)重分析表

經(jīng)計算求得λmax=3.0023，C.I.=0.00115，R.I.=0.89，C.R.=0.0013＜0.1，說明矩陣具有滿意一致性，結(jié)果可接受。從相對權(quán)重值可以發(fā)現(xiàn)，對于城市碳配額的數(shù)據(jù)貢獻(xiàn)程度從大到小依次為經(jīng)濟(jì)水平＞能源結(jié)構(gòu)＞產(chǎn)業(yè)結(jié)構(gòu)。

（2）二級指標(biāo)。

表3 城市發(fā)展二級指標(biāo)權(quán)重分析表

經(jīng)計算求得λmax=3，C.I.=0，R.I.=0.89，C.R.=0＜0.1，說明矩陣具有完全一致性，結(jié)果可接受。

產(chǎn)業(yè)結(jié)構(gòu)二級指標(biāo)僅服務(wù)業(yè)占比，因此其權(quán)重為20.0%。

能源結(jié)構(gòu)二級指標(biāo)中的煤炭占一次能源消費(fèi)比重和非化石能源占比兩個評價要素經(jīng)過數(shù)據(jù)判斷重要性一致，因此權(quán)重均為15%。

3 碳配額分配體系

3.1 歷史數(shù)據(jù)

本文選用江蘇省2018年統(tǒng)計年鑒與能源年鑒中相關(guān)數(shù)據(jù)，根據(jù)各一級、二級指標(biāo)要求繪制形成表4。

表4 江蘇省各地市指標(biāo)評價表

續(xù)表

表5 江蘇省各地市碳配額分配系數(shù)表

3.2 碳配額分配系數(shù)

根據(jù)上述指標(biāo)數(shù)據(jù)進(jìn)行歸一化評分，并按照各指標(biāo)權(quán)重進(jìn)行加權(quán)計算，形成江蘇省各地市碳配額調(diào)整指標(biāo)得分，指標(biāo)得分/100作為江蘇省13各地市的碳配額分配系數(shù)。結(jié)果表明，基于城市評價的碳配額分配系數(shù)從大到小依次為蘇州＞南京＞無錫＞鹽城＞南通＞徐州＞常州＞揚(yáng)州＞宿遷＞連云港＞泰州＞淮安＞鎮(zhèn)江。

4 結(jié)語

本文結(jié)合文獻(xiàn)調(diào)研，分析出影響城市整體碳排放的三個主要因素作為一級指標(biāo)，即城市發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)，并借助德爾菲法和層次分析法對于各指標(biāo)賦權(quán)重，從而構(gòu)建完成碳配額分配指標(biāo)評價體系。結(jié)合江蘇省2018年各地市統(tǒng)計數(shù)據(jù)，計算得出各地市的碳配額分配系數(shù)，蘇州、南京、無錫分別列前三位。該方法可用于城市的碳配額分配計算，同時也可以作為城市碳排放控制效果的評價標(biāo)準(zhǔn)，從而進(jìn)一步完善全國碳排放權(quán)交易市場機(jī)制研究。