全國(guó)碳交易系統(tǒng)下省際間碳強(qiáng)度減排目標(biāo)分配
——來(lái)自公平與效率證據(jù)

常 凱

1（南京大學(xué)，南京 210093）2（浙江財(cái)經(jīng)大學(xué)，杭州 310018）

全國(guó)碳交易系統(tǒng)下省際間碳強(qiáng)度減排目標(biāo)分配
——來(lái)自公平與效率證據(jù)

常 凱1，2

1（南京大學(xué)，南京 210093）2（浙江財(cái)經(jīng)大學(xué)，杭州 310018）

確定公平且經(jīng)濟(jì)有效的減排目標(biāo)直接影響到不同區(qū)域的初始資源稟賦，同時(shí)影響到不同利益主體的減排資源再分配結(jié)果和社會(huì)公正問(wèn)題。本文綜合考慮到經(jīng)濟(jì)水平、累積碳排放量、工業(yè)碳強(qiáng)度和能耗強(qiáng)度4個(gè)重要指標(biāo)，提出基于信息熵值法的跨省減排目標(biāo)方案分配。2014～2020期間，擁有較重的累積碳排放量、較強(qiáng)的工業(yè)碳強(qiáng)度、較高的能耗強(qiáng)度和更好的經(jīng)濟(jì)水平的省份需要承擔(dān)較重的減排負(fù)擔(dān)。隨著全國(guó)減排目標(biāo)下降幅度增長(zhǎng)，擁有較高的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的省份面臨著較弱的上調(diào)減排負(fù)擔(dān)壓力，而擁有較低的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的省份面臨著較強(qiáng)的上調(diào)減排負(fù)擔(dān)壓力。

碳交易 信息熵法 區(qū)域差異 權(quán)重 減排目標(biāo)

2014年國(guó)務(wù)院印發(fā)關(guān)于 《2014～2015年節(jié)能減排低碳發(fā)展行動(dòng)方案》和國(guó)家發(fā)改委發(fā)布 《碳排放權(quán)交易管理暫行辦法》提出，碳排放配額分配在初期以免費(fèi)分配為主，適時(shí)引入有償分配，并逐步提高有償分配的比例，逐步推進(jìn)碳排放權(quán)交易試點(diǎn)，籌建全國(guó)碳排放權(quán)交易市場(chǎng)。北京、上海、天津、重慶、湖北、廣東和深圳等7省市作為碳排放權(quán)交易試點(diǎn)進(jìn)行先行先試，全國(guó)統(tǒng)一碳排放權(quán)交易市場(chǎng)計(jì)劃于2016年試運(yùn)行，配額由國(guó)家統(tǒng)一分配。由于各省、自治區(qū)和直轄市的資源稟賦、經(jīng)濟(jì)增長(zhǎng)方式、能源消費(fèi)模式、歷史碳排放量和碳強(qiáng)度等因素存在很大的差異性，如何設(shè)計(jì)一套公平、高效、經(jīng)濟(jì)和市場(chǎng)可接受的二氧化碳減排分配方案是構(gòu)建全國(guó)性碳排放交易市場(chǎng)的關(guān)鍵環(huán)節(jié)。

構(gòu)建跨省碳配額交易市場(chǎng)所面臨最有挑戰(zhàn)性和爭(zhēng)議的問(wèn)題在于確定公平且經(jīng)濟(jì)有效的碳配額分配和初始碳減排配額，不同初始碳配額和減排目標(biāo)直接影響到不同區(qū)域的經(jīng)濟(jì)產(chǎn)出和碳排放績(jī)效［1］。國(guó)內(nèi)外學(xué)者研究不同的碳配額分配標(biāo)準(zhǔn)及其方法，如祖父制法是基于歷史的碳排放量進(jìn)行免費(fèi)配額分配，過(guò)量的碳配額容易造成價(jià)格波動(dòng)和市場(chǎng)扭曲［2，3］。隨著經(jīng)濟(jì)增長(zhǎng)和社會(huì)產(chǎn)出逐步增加，越富裕的國(guó)家或地區(qū)應(yīng)該承擔(dān)較重的減排負(fù)擔(dān)，以人均GDP指標(biāo)確定初始碳減排配額［4－6］。在工業(yè)化進(jìn)程中，隨著累積碳排放量增加，釋放大量碳排放量的國(guó)家需要承擔(dān)較大的減排責(zé)任，以累積的碳排放量為指標(biāo)確定初始碳配額［7－9］。Wei和Rose（2009）分別以能源消耗量、能源生產(chǎn)量、人口和經(jīng)濟(jì)產(chǎn)出等指標(biāo)設(shè)計(jì)初始能源配額，設(shè)計(jì)區(qū)域性能源配額交易系統(tǒng)［10］。Yi等（2011），Yu等（2012）以GDP、碳排放量和碳強(qiáng)度指標(biāo)為基準(zhǔn)，設(shè)定3個(gè)指標(biāo)固定的權(quán)重，確定不同區(qū)域的初始碳配額［11，12］。Zhou等（2014）選擇 CO2、能源強(qiáng)度、GDP、人口和人均GDP作為碳額分配指標(biāo)，實(shí)證結(jié)果顯示以人口和GDP為基礎(chǔ)碳額分配可以有效地降低總減排成本和成本節(jié)約效果［13］。

李陶等（2010）提出基于人口和GDP為基礎(chǔ)非線性規(guī)劃法的減排配額分配方法，獲得中國(guó)各省市的減排配額分配方案［14］。王清華等運(yùn)用碳強(qiáng)度分配方法制定了深圳市火電行業(yè)碳配額分配方案［15］。段茂盛和龐韜（2014）建議中央政府采用各省碳排放總量作為碳額分配基礎(chǔ)，確定碳配額統(tǒng)一分配方法和差異化區(qū)域調(diào)整系數(shù)后由各省級(jí)政府實(shí)施碳配額分配［16］。令狐大智和葉飛（2015）提出按照歷史碳排放量對(duì)企業(yè)進(jìn)行碳額分配，激勵(lì)企業(yè)改進(jìn)低碳技術(shù)［17］。李鋼和廖建輝（2015）建議根據(jù)物質(zhì)資本蓄積量和碳排放系數(shù)測(cè)算碳資本存量，提出量化碳資本存量為基礎(chǔ)設(shè)計(jì)全球新的碳排放權(quán)分配方案［18］。總之，不同碳配額分配方法和標(biāo)準(zhǔn)對(duì)跨省碳配額交易產(chǎn)生重要的經(jīng)濟(jì)影響，人均GDP、累積碳排放量、碳排放強(qiáng)度及能源消耗均是影響省級(jí)碳配額分配的重要指標(biāo)。

王迪等（2012）運(yùn)用泰爾熵Kaya因子分解技術(shù)，測(cè)度并分解1990～2009年我國(guó)人均CO2排放區(qū)域不平等程度［19］。鄭立群（2013）在減排責(zé)任分?jǐn)偟墓叫詼?zhǔn)則基礎(chǔ)上，確定了各省區(qū)碳減排責(zé)任分?jǐn)偟墓叫詤^(qū)間，構(gòu)造了分配滿意度和公平偏離指數(shù)［20］。王秋賢等（2014）綜合考慮碳排放的生態(tài)、公平和效率前提下，基于2010年碳排放水平嘗試性地構(gòu)建了碳排放區(qū)域差異的3E模型體系［21］。吳賢榮等（2015）利用人均農(nóng)業(yè)碳排放、人均農(nóng)業(yè)生產(chǎn)總值、農(nóng)業(yè)碳排放強(qiáng)度與農(nóng)業(yè)碳排放影子價(jià)格4個(gè)指標(biāo)，構(gòu)建農(nóng)業(yè)碳減排潛力指數(shù)，基于公平與效率雙重視角，對(duì)各省區(qū)農(nóng)業(yè)碳減排潛力水平進(jìn)行評(píng)估［22］。王熒（2015）構(gòu)建了多目標(biāo)導(dǎo)向的DEA模型解決這個(gè)問(wèn)題，該模型在6個(gè)硬性目標(biāo)約束下，分4個(gè)步驟分別解決4個(gè)求解盡可能接近公平分配下應(yīng)得的非期望產(chǎn)出分配額［23］。各省、自治區(qū)和直轄市在產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)模式、歷史碳排放、碳強(qiáng)度等方面存在顯著的差異性，以單指標(biāo)為基礎(chǔ)碳額分配難以體現(xiàn)減排資源配置的公平性。

不同碳配額分配模式實(shí)際上賦予了各利益主體參與碳配額交易系統(tǒng)的初始減排資源稟賦，直接影響到不同利益主體的減排資源再分配結(jié)果和社會(huì)公正問(wèn)題，同時(shí)也影響各省、自治區(qū)和直轄市等利益主體的經(jīng)濟(jì)效益和社會(huì)福利。國(guó)內(nèi)外關(guān)于碳配額分配研究存在以下不足之處：由于不同區(qū)域具有不同的資源稟賦、經(jīng)濟(jì)水平、能源效率及能源消費(fèi)模式，現(xiàn)有文獻(xiàn)分別解決人均GDP、碳強(qiáng)度和碳排放量為標(biāo)準(zhǔn)的區(qū)域性碳配額分配，碳配額分配尚未統(tǒng)籌考慮經(jīng)濟(jì)水平、能源消費(fèi)模式、碳強(qiáng)度和碳排放量等因素，缺乏客觀性和系統(tǒng)性的區(qū)域性碳配額分配途徑。本文提出跨省減排目標(biāo)設(shè)計(jì)方案綜合考慮將各省、自治區(qū)和直轄市人口、經(jīng)濟(jì)發(fā)展水平、能源消費(fèi)模式、累積的歷史碳排放量及其工業(yè)碳強(qiáng)度等因素，運(yùn)用信息熵方法構(gòu)建跨省減排目標(biāo)模型，確定各省、自治區(qū)和直轄市的減排目標(biāo)分配，為中國(guó)政府決策部門設(shè)計(jì)跨省減排目標(biāo)設(shè)計(jì)方案提供了理論支撐。

1 數(shù)據(jù)處理與研究方法

公平合理地分配碳排放配額不僅直接影響到碳排放市場(chǎng)供需均衡狀況和市場(chǎng)效率，還間接影響到區(qū)域性碳配額市場(chǎng)流動(dòng)及其社會(huì)福利。2014年12月，國(guó)家發(fā)改委發(fā)布的 《碳排放權(quán)交易管理暫行辦法》提出：國(guó)務(wù)院碳交易主管部門根據(jù)國(guó)家控制溫室氣體排放目標(biāo)的要求，綜合考慮國(guó)家和各省、自治區(qū)和直轄市溫室氣體排放、經(jīng)濟(jì)增長(zhǎng)、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)，以及重點(diǎn)排放單位納入情況等因素，確定國(guó)家以及各省、自治區(qū)和直轄市的排放配額總量。

1.1 數(shù)據(jù)處理

根據(jù)聯(lián)合國(guó)氣候框架協(xié)議，配額分配是共同但有區(qū)別的責(zé)任，應(yīng)考慮到各地區(qū)排放歷史責(zé)任、減排能力、減排義務(wù)和減排潛力等因素，本文選擇人均GDP、累積碳排量、碳強(qiáng)度和能耗強(qiáng)度分別代表減排能力、歷史責(zé)任、減排義務(wù)和能源效率4個(gè)指標(biāo)［11－13］。

1.1.1 減排能力

人均GDP是一個(gè)有效地衡量各區(qū)域減排能力的量化指標(biāo)。越富裕的區(qū)域擁有更大經(jīng)濟(jì)能力實(shí)施減排活動(dòng)，需要承擔(dān)更重的減排負(fù)擔(dān)，人均GDP代表一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平和人民生活富裕程度，因此本文選擇人均GDP代表碳減排能力。各省、自治區(qū)和直轄市人口和GDP數(shù)據(jù)均來(lái)自 《2014年中國(guó)統(tǒng)計(jì)年鑒》，中國(guó)政府提出到2020年碳強(qiáng)度比2005年要下降40%～45%，此處GDP采用2005年不變價(jià)格指數(shù)進(jìn)行折算。

1.1.2 歷史減排責(zé)任

釋放碳排放量越多的地區(qū)需要承擔(dān)更大的減排責(zé)任，本文選擇各省、自治區(qū)和直轄市的累積的歷史碳排放量代表碳減排責(zé)任。此處各省、自治區(qū)和直轄市的累積碳排放量是根據(jù)2006年IPCC碳排放計(jì)算指南，分別參考各省、自治區(qū)和直轄市的終端能源統(tǒng)計(jì)數(shù)據(jù)估算出相應(yīng)的碳排放量。本文估算出各省、自治區(qū)和直轄市的2005～2012年歷史的碳排放量，2013年碳排放量是先根據(jù)近三年碳排放強(qiáng)度平均下降和2012年碳強(qiáng)度估算出2013年碳強(qiáng)度，然后乘上各省、自治區(qū)和直轄市2013年GDP計(jì)算所得，此處各省累積的碳排放量是各省的2005～2013年碳排放量累積總和。

1.1.3 減排義務(wù)

中國(guó)仍處于工業(yè)化進(jìn)程時(shí)期，工業(yè)二氧化碳排放占據(jù)主導(dǎo)地位，因此工業(yè)部門仍具有很大的減排義務(wù)。擁有越強(qiáng)碳強(qiáng)度的地區(qū)需要承擔(dān)較大的減排義務(wù)，承擔(dān)較重的減排負(fù)擔(dān)。本文選擇工業(yè)碳強(qiáng)度代表工業(yè)部門的減排潛力，選擇2013年各省、自治區(qū)和直轄市的單位工業(yè)增加值碳排放量，即工業(yè)碳強(qiáng)度。各省工業(yè)碳強(qiáng)度是根據(jù)各省的工業(yè)部門碳排放量除以工業(yè)附加值（以2005年不變價(jià)格折算），工業(yè)部門碳排放量計(jì)算方法跟上面各省碳排放總量計(jì)算方法相同。2013年工業(yè)碳強(qiáng)度是以近三年工業(yè)碳強(qiáng)度平均下降情況和2012年工業(yè)碳強(qiáng)度估算所得。

1.1.4 減排潛力

能源終端消費(fèi)產(chǎn)生的碳排放占據(jù)重要地位，其中包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣、其他石油制品和天然氣等。由于煤炭、石油和天然氣是各省、自治區(qū)和直轄市廣泛使用化石能源終端消費(fèi)，工業(yè)部門需要消費(fèi)大量的一次能源。減排潛力來(lái)自于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)，提高能源使用效率，增加可再生能源使用比例，因此本文選擇工業(yè)能耗強(qiáng)度代表減排潛力指標(biāo)。此處減排潛力是以能源消耗強(qiáng)度替代，是根據(jù)2013年各省、自治區(qū)和直轄市標(biāo)準(zhǔn)煤消費(fèi)量和GDP估算出2013年能耗強(qiáng)度（以2005年不變價(jià)格折算）。

影響碳配額分配主要因素包括經(jīng)濟(jì)水平、累積碳排放量、碳強(qiáng)度和能源效率等因素，由于許多指標(biāo)之間存在著非常顯著的關(guān)聯(lián)性，各指標(biāo)之間的相互作用導(dǎo)致最終碳配額分配結(jié)果的不確定性。

1.2 信息熵值法

權(quán)重是反映各個(gè)指標(biāo)在指標(biāo)體系中的重要程度變量，合理的權(quán)重分配要從整體優(yōu)化目標(biāo)出發(fā)，能夠客觀地反映各個(gè)指標(biāo)重要程度的不同。根據(jù)信息熵理論，熵值法是一種在綜合考慮各因素所提供信息量的基礎(chǔ)上評(píng)價(jià)客觀權(quán)重的數(shù)學(xué)方法，主要根據(jù)各個(gè)指標(biāo)所傳遞給決策者的信息量大小來(lái)確定客觀的權(quán)重［25］。信息熵是信息不確定性的度量，熵值越小，所蘊(yùn)涵的信息量越大，若某個(gè)信息屬性下的熵值越小，則說(shuō)明該信息屬性在配額分配決策時(shí)所起的作用越大，應(yīng)賦予該信息屬性較大的權(quán)重，否則相反［26］。根據(jù)信息熵方法，我們提出一個(gè)四因素決策矩陣。

此處i（i＝1，2，…，11）代表浙江省各地市，j（j＝1，2，…，4）代表4個(gè)決策指標(biāo)。將每個(gè)指標(biāo)xij進(jìn)行標(biāo)準(zhǔn)化處理。

四因素決策矩陣X轉(zhuǎn)換：

然后，計(jì)算第j項(xiàng)指標(biāo)的信息熵H（xj），將信息熵的取值范圍修訂在0～1之間，如果各個(gè)區(qū)域之間完全沒(méi)有差異，即，如果只有一個(gè)區(qū)域的值，其他區(qū)域全部為0，pij＝1，H（xj）＝0。

指標(biāo)j最終權(quán)重為［26，27］：

。因此各省、自治區(qū)和直轄市碳配額綜合分配比例為：

1.3 碳強(qiáng)度減排目標(biāo)分配

假設(shè)中國(guó)政府計(jì)劃在2014～2020年進(jìn)行跨省碳配額市場(chǎng)試點(diǎn)，碳強(qiáng)度CI定義為：

此處Ct為碳排放總量，GDPt為國(guó)內(nèi)生產(chǎn)總值（相對(duì)于2005年價(jià)格水平）。相比于2005年碳強(qiáng)度水平，2020年全國(guó)碳強(qiáng)度總減排目標(biāo)為40%～45% ，因此2020年碳強(qiáng)度為：

此處 CI2005為 2005年碳強(qiáng)度水平，CI2020為2020年碳強(qiáng)度水平。若減排目標(biāo)為40%，此處α＝0.60，當(dāng)減排目標(biāo)為45%時(shí)，α＝0.55。因此各省、自治區(qū)和直轄市2020年碳強(qiáng)度為：

此處αi為中央政府給省份i分配減排目標(biāo)，CIi2005、CIi2020分別為2005年和2020年省份i的碳強(qiáng)度水平。

此處αi隨著該省的碳配額綜合分配比例Ri上升，減排負(fù)擔(dān)越重，該省碳強(qiáng)度可以保持在較低的水平，反之，αi隨著Ri下降，其減排負(fù)擔(dān)越輕。到2020年全國(guó)碳排放總量可以由方程（11）和（12）表達(dá)。

2 碳強(qiáng)度減排目標(biāo)設(shè)計(jì)

2.1 各省份CO2排放數(shù)據(jù)估算

與二氧化硫、粉塵、水污染等其它環(huán)境污染不同，中國(guó)及各省市統(tǒng)計(jì)機(jī)構(gòu)并沒(méi)有直接公布CO2排放數(shù)據(jù)，CO2排放主要來(lái)源于化石能源燃燒排放二氧化碳。化石能源消費(fèi)的碳排放量包括能源終端消費(fèi)碳排放與二次能源消費(fèi)碳排放兩部分，其中電力、焦炭、熱能等二次能源消費(fèi)的碳排放均來(lái)自于其生產(chǎn)過(guò)程中化石能源的能量轉(zhuǎn)換與能量損失。因此能源消費(fèi)碳排放總量即為各類化石能源的終端消費(fèi)、能源轉(zhuǎn)換及能源損失所產(chǎn)生的相應(yīng)碳排放量。由于煤炭、石油和天然氣一次化石能源，本文將考慮這3種化石能源所對(duì)應(yīng)的碳排放量。

2005～2013年碳排放量估算主要參考IPCC（2006）和國(guó)家發(fā)改委能源研究所（2003）的方法，通過(guò)相關(guān)公式專門估算各省、自治區(qū)和直轄市的CO2排放量。本文所有一次終端消費(fèi)煤炭、石油和天然氣能源消費(fèi)實(shí)物量數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)均來(lái)自2006～2013年 《中國(guó)能源統(tǒng)計(jì)年鑒》中的“地區(qū)能源平衡表”，能源實(shí)物量數(shù)據(jù)的標(biāo)準(zhǔn)量折算采用 《中國(guó)能源統(tǒng)計(jì)年鑒》所附錄的 “各種能源折算標(biāo)準(zhǔn)煤參考系數(shù)”。煤炭、石油和天然氣3種一次能源的二氧化碳排放系數(shù)分別為2.7412、2.1358和1.6262萬(wàn)噸/萬(wàn)噸標(biāo)準(zhǔn)煤。

2.2 各指標(biāo)權(quán)重比例

根據(jù)方程（1）～（5）得知，人均GDP、累積碳排放量、工業(yè)碳強(qiáng)度和能耗強(qiáng)度4個(gè)指標(biāo)客觀權(quán)重分別為 0.1665、0.2520、0.2778和0.3036。從熵值法確定的實(shí)際權(quán)重?cái)?shù)值看，能耗強(qiáng)度是跨省碳配額分配影響最大的指標(biāo)，其次是工業(yè)碳強(qiáng)度和累積碳排放量，人均GDP對(duì)區(qū)域配額分配影響最小。由于中國(guó)各區(qū)域仍處于工業(yè)化進(jìn)程時(shí)期，各省、自治區(qū)和直轄市的產(chǎn)業(yè)結(jié)構(gòu)和資源稟賦的差異性較大，對(duì)煤炭、石油和天然氣化石能源擁有較強(qiáng)的依賴性。迅速增長(zhǎng)的化石能源消費(fèi)推進(jìn)各區(qū)域累積碳排放量和工業(yè)碳強(qiáng)度迅速上升，因此累積碳排放量、能耗強(qiáng)度和工業(yè)碳強(qiáng)度在各區(qū)域碳配額分配擁有較強(qiáng)的權(quán)重。人均GDP越高的地區(qū)意味著擁有較強(qiáng)的經(jīng)濟(jì)能力實(shí)施環(huán)保實(shí)踐活動(dòng)，諸如購(gòu)買脫硫脫碳設(shè)備和引進(jìn)IGCC和CCS等減排技術(shù)，因此人均GDP在各區(qū)域碳配額分配同樣占有較重要的比重。

2.3 碳強(qiáng)度減排目標(biāo)方案設(shè)計(jì)

表1 各省、自治區(qū)和直轄市碳減排目標(biāo)分配方案（相對(duì)于2005碳強(qiáng)度水平）

基于4個(gè)指標(biāo)的客觀綜合權(quán)重，本文估算到2020年各省、自治區(qū)和直轄市的減排分配綜合權(quán)重比例如表1所示。相對(duì)于2005年工業(yè)碳強(qiáng)度水平，到2020年河北、山西、山東、貴州、青海、寧夏和新疆減排分配的綜合權(quán)重比例超過(guò)4%。河北、山西和山東擁有最重的累積碳排放量和較強(qiáng)的工業(yè)碳強(qiáng)度，而貴州、青海、寧夏和新疆擁有最強(qiáng)的工業(yè)碳強(qiáng)度和最高的能耗強(qiáng)度，這些地區(qū)應(yīng)該分配較高的權(quán)重比例。內(nèi)蒙古、遼寧、江蘇、河南、湖北、廣東、四川、云南和甘肅減排目標(biāo)分配的權(quán)重比例介于3%～4%之間，其中內(nèi)蒙古、遼寧、江蘇、河南、湖北和廣東擁有較重的累積碳排放量和較強(qiáng)的工業(yè)碳強(qiáng)度，而云南和甘肅擁有較強(qiáng)的工業(yè)碳強(qiáng)度和較高的能耗強(qiáng)度。北京、天津、吉林、黑龍江、上海、浙江、安徽、福建、江西、湖南、廣西、海南、重慶和陜西減排目標(biāo)的權(quán)重比例低于3%，這些地區(qū)擁有較輕的累積碳排放量、較弱的碳強(qiáng)度和較低的能耗強(qiáng)度。

如表1所示，中國(guó)政府計(jì)劃到2020年全國(guó)碳強(qiáng)度比2005年碳強(qiáng)度水平下降40%，河北、山西、山東、貴州、青海、寧夏和新疆到2020年需要承擔(dān)超過(guò)45%的減排目標(biāo)負(fù)擔(dān)，內(nèi)蒙古、遼寧、江蘇、河南、湖北、廣東、四川、云南和甘肅到2020年需要承擔(dān)減排目標(biāo)介于40%～45%之間，這些地區(qū)分配減排目標(biāo)均高于全國(guó)碳強(qiáng)度平均40%減排目標(biāo)，擁有較重的累積碳排放量、較強(qiáng)的工業(yè)碳強(qiáng)度和較高的能耗強(qiáng)度。其他地區(qū)需要承擔(dān)減排目標(biāo)均低于全國(guó)40%減排目標(biāo)水平，這些地區(qū)擁有較低的累積碳排放量、較弱的工業(yè)碳強(qiáng)度和較低的能耗強(qiáng)度，其中寧夏承擔(dān)最高的減排負(fù)擔(dān)，江西承擔(dān)最低的減排負(fù)擔(dān)。如表1所示，若中國(guó)政府計(jì)劃到2020年全國(guó)碳強(qiáng)度下降45% ，河北、山西、內(nèi)蒙古、遼寧、江蘇、山東、河南、湖北、廣東、四川、貴州、云南、甘肅、青海、寧夏和新疆需要承擔(dān)超過(guò)45%的減排負(fù)擔(dān)，而其他地區(qū)承擔(dān)低于全國(guó)45%的減排負(fù)擔(dān)。

如表1所示，相對(duì)于2005年全國(guó)碳強(qiáng)度水平，到2020年中國(guó)減排目標(biāo)上調(diào)5%的增幅，北京、天津、吉林、黑龍江、上海、浙江、安徽、福建、江西、湖南、廣西、重慶和陜西到2020年減排目標(biāo)調(diào)整幅度均高于全國(guó)平均5%增幅水平，這些地區(qū)均具有較好的經(jīng)濟(jì)條件、較輕的累積碳排放量、較弱的工業(yè)碳強(qiáng)度和較低的能耗強(qiáng)度，其中減排目標(biāo)增幅最大是北京，北京是全國(guó)最低的工業(yè)碳強(qiáng)度和能耗強(qiáng)度，減排義務(wù)和減排潛力均面臨巨大的減排空間壓力。其他地區(qū)減排調(diào)整幅度均低于全國(guó)平均的5%調(diào)整幅度，擁有較高的工業(yè)碳強(qiáng)度和能耗強(qiáng)度，其中減排目標(biāo)增幅最小是寧夏，寧夏是全國(guó)最高的工業(yè)碳強(qiáng)度和能耗強(qiáng)度，減排義務(wù)和潛力相對(duì)于其他地區(qū)擁有較大的減排空間。由此可見(jiàn)，隨著全國(guó)減排目標(biāo)下降幅度增長(zhǎng)，擁有較高的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的省份具備較高的減排潛力，上調(diào)減排目標(biāo)負(fù)擔(dān)壓力會(huì)逐步減弱，而擁有較低的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的省份具備較低的減排潛力，上調(diào)減排目標(biāo)負(fù)擔(dān)壓力會(huì)逐步增強(qiáng)。

3 結(jié)論及其政策建議

中國(guó)計(jì)劃到2020年碳強(qiáng)度比2005年碳強(qiáng)度消減40%～45%的減排目標(biāo)，根據(jù)國(guó)家發(fā)改委發(fā)布 《碳交易權(quán)交易管理暫行辦法》，本文綜合考慮到經(jīng)濟(jì)水平、累積碳排放量、工業(yè)碳強(qiáng)度和能耗強(qiáng)度4個(gè)指標(biāo)，提出基于信息熵值法下跨省減排目標(biāo)分配方案設(shè)計(jì)。

實(shí)證結(jié)果顯示，經(jīng)濟(jì)發(fā)展水平、累積碳排放量、工業(yè)碳強(qiáng)度、工業(yè)能耗強(qiáng)度對(duì)各省自治區(qū)和直轄市的減排目標(biāo)分配方案設(shè)計(jì)有顯著的差異性影響，能耗強(qiáng)度對(duì)區(qū)域減排目標(biāo)分配的差異性影響最大，工業(yè)碳強(qiáng)度和累積碳排放量對(duì)區(qū)域差異性影響力次之，經(jīng)濟(jì)水平對(duì)區(qū)域差異性影響力是最小。從表1的研究成果看，擁有較好的經(jīng)濟(jì)條件、較重的累積碳排放量、較強(qiáng)的碳強(qiáng)度和較高的能源消耗強(qiáng)度的河北、山西、山東、內(nèi)蒙古、遼寧、江蘇、河南、湖北、廣東、四川、貴州、云南、甘肅、青海、寧夏和新疆承擔(dān)減排目標(biāo)分配權(quán)重比例均超過(guò)3%，均高于全國(guó)平均的減排負(fù)擔(dān)水平，而擁有較輕的累積碳排放量、較弱的工業(yè)碳強(qiáng)度和較低的能耗強(qiáng)度的其他省份承擔(dān)低于3%減排目標(biāo)權(quán)重比例。若中國(guó)政府實(shí)現(xiàn)碳強(qiáng)度消減40%～45%的減排目標(biāo)，河北、山西、山東、內(nèi)蒙古、遼寧、江蘇、河南、湖北、廣東、四川、貴州、云南、甘肅、青海、寧夏和新疆省份擁有較重的累積碳排放量、較強(qiáng)的工業(yè)碳強(qiáng)度和較高的能耗強(qiáng)度，需要承擔(dān)減排目標(biāo)均高于全國(guó)碳強(qiáng)度平均40%減排目標(biāo)。其他省份需要承擔(dān)減排目標(biāo)均低于全國(guó)40%減排目標(biāo)水平，這些地區(qū)擁有較低的累積碳排放量、較弱的工業(yè)碳強(qiáng)度和較低的能耗強(qiáng)度，其中寧夏承擔(dān)最高的減排負(fù)擔(dān)，江西承擔(dān)最低的減排負(fù)擔(dān)。

若到2020年中國(guó)政府減排目標(biāo)從40%上調(diào)到45%時(shí)，擁有最高的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的北京、天津、吉林、黑龍江、上海、浙江、安徽、福建、江西、湖南、廣西、重慶和陜西到2020年減排目標(biāo)調(diào)整幅度均高于全國(guó)平均5%增幅水平，減排潛力均面臨巨小的減排空間。擁有最低的工業(yè)碳強(qiáng)度和能耗強(qiáng)度的河北、山西、山東、內(nèi)蒙古、遼寧、江蘇、河南、湖北、廣東、四川、貴州、云南、甘肅、青海、寧夏和新疆到2020年減排目標(biāo)上調(diào)幅度均高于全國(guó)平均5%增幅水平，減排潛力面臨著較大的減排空間。

基于上述研究成果，在設(shè)計(jì)碳額分配及其減排目標(biāo)時(shí)，我們提出以下政策建議：（1）設(shè)計(jì)碳額分配及其減排目標(biāo)需要綜合考慮到經(jīng)濟(jì)水平、累積的歷史碳排放量、工業(yè)碳強(qiáng)度及其能耗強(qiáng)度等因素在各省、自治區(qū)和直轄市減排目標(biāo)分配占有的客觀權(quán)重比例，然后估算出各省、自治區(qū)和直轄市減排目標(biāo)分配方案，擁有越重的累積碳排放量、越強(qiáng)的工業(yè)碳強(qiáng)度和越高的能耗強(qiáng)度的省份需要承擔(dān)越重的減排負(fù)擔(dān)。（2）中央政府需要設(shè)計(jì)一個(gè)合理的總減排目標(biāo)，擁有越重的累積碳排放量、越強(qiáng)的工業(yè)碳強(qiáng)度及其能耗強(qiáng)度和越好的經(jīng)濟(jì)水平需要承擔(dān)更重的減排負(fù)擔(dān)，承受較高的減排空間壓力。

［1］Grimm.V，Ilieva.L..An Experiment on Emissions Trading：The Effect of Different Allocation Mechanisms［J］.Journal of Regulatory Economics，2013，（44）：308～338

［2］Bohringer.C，Lange.A..On the Design of Optimal Grandfathering Schemes for Emission Allowances［J］.European Economic Review，2005，（49）：2041～2055

［3］Lai.Y.B..Auctions or Grandfathering：The Political Economy of Tradable Emission Permits［J］.Public Choice，2008，（136）：181～200

［4］Beckerman.W，Pasek.J..The Equitable International Allocation of Tradable Carbon Emission Permits［J］.GlobalEnvironmental Changes，1995，5（5）：405～413

［5］Rose.M.A..Allocating Carbon Dioxide Emissions From Cogeneration Systems：Descriptions of Selected Output－based Methods［J］. Journal of Cleaner Production，2008，（16）：171～177

［6］Lennox.J.A，Nieuwkoop.R.V..Output－based Allocations and Revenue Recycling：Implication for the New Zealand Emissions Trading Scheme［J］.Energy Policy，2010，（38）：7861～7872

［7］Ellerman.A.D，Wing.I.S..Absolute Versus Intensity－based E－mission Caps［J］.Climate Policy，2003，（3）：7～20

［8］Pan.X.Z，Teng.F，Wang.G.H..Sharing Emission Space at an Equitable Basis：Allocation Scheme Based on the Equal Cumulative Emission per Capita Principle［J］.Applied Energy，2014，（113）：1810～1818

［9］Raupach.M.R，Davis.S.J，Peters.G.P.et al.Sharing a Quota on Cumulative Carbon Emissions［J］.Nature Climate Change，2014，5（10）：873～879

［10］Wei.D，Rose.A..Interregional Sharing of Energy Conservation Targets in China：Efficiency and Equity［J］.Energy，2009，30（4）：81～111

［11］Yi.W.J，Zou.L.L，Guo.J，et al.How Can China Reach its CO2Intensity Reduction Targets by 2020？A Regional Allocation Based on Equity and Development［J］.Energy Policy，2011，（39）：2407～2415

［12］Yu.S.W，Wei.Y.M，F(xiàn)an.J.L，et al.Exploring the Regional Characteristics of Inter－provincial CO2Emissions in China：An Improved Fuzzy Clustering Analysis Based on Particle Swarm Optimization［J］.Applied Energy，2012，（92）：552～562

［13］Zhou.P，Zhang.L，Zhou.D.Q.et al.Modelling Economic Performance of Interpro－vincial CO2Emission Reduction Quota Trading in China［J］.Applied Energy，2013，（112）：1518～1528

［14］李陶，陳林菊，范英 .基于非線性規(guī)劃的我國(guó)省區(qū)碳強(qiáng)度減排配額研究 ［J］.管理評(píng)論，2010，22（6）：54～60

［15］王清華，許敬涵，馬曉明 .深圳火電行業(yè)碳排放現(xiàn)狀、減排成本與配額分配 ［J］.開(kāi)發(fā)導(dǎo)報(bào)，2013，3（168）：88～93

［16］段茂盛，龐韜 .全國(guó)統(tǒng)一碳排放權(quán)交易體系中的配額分配方式研究 ［J］.武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2014，67（5）：5～12

［17］令狐大智，葉飛.基于歷史排放參照的碳配額分配機(jī)制研究 ［J］.中國(guó)管理科學(xué)，2015，（6）：65～72

［18］李鋼，廖建輝 .基于碳資本存量的碳排放權(quán)分配方案 ［J］.中國(guó)社會(huì)科學(xué)，2015，（7）：66～81

［19］王迪，聶銳，王勝洲 .中國(guó)二氧化碳排放區(qū)域不平等的測(cè)度與分解——基于人際公平的視角 ［J］.科學(xué)學(xué)研究，2012，（12）：1662～1670

［20］鄭立群 .中國(guó)各省區(qū)碳減排責(zé)任分?jǐn)偂诠脚c效率權(quán)衡模型的研究 ［J］.干旱區(qū)資源與環(huán)境，2013，（5）：1～6

［21］王秋賢，高志強(qiáng)，寧吉才 .基于公平的中國(guó)省域碳排放差異模型構(gòu)建探討——以中國(guó)2010年碳排放為例 ［J］.資源科學(xué)，2014，36（5）：998～1004

［22］吳賢榮，張俊飚，田云，等 .基于公平與效率雙重視角的中國(guó)農(nóng)業(yè)碳減排潛力分析［J］.自然資源學(xué)報(bào)，2015，30（7）：1172～1182

［23］王熒.兼顧效率與公平的碳排放額分配的DEA建模與運(yùn)用［J］.資源科學(xué)，2015，37（7）：1434～1443

［24］邵燕斐，王小斌 .中國(guó)省域碳強(qiáng)度的空間相關(guān)性及其驅(qū)動(dòng)因素研究 ［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2014：118～128

［25］Yuan.Y.N，Shi.M.J，Li.N，et al.Intensity Allocation Criteria of Carbon Emissions Permits and Regional Economic Development in China：Based on 30 Provinces/Autonomous Region Computable General Equilibrium Model［J］.Advanced Climate Change 2012，3（3）：154～62

［26］Shamon.C..A Mathematical Theory of Communication［J］.Bell System Technical Journal，1948，（27）：379～423

［27］王媛，程曦，殷培紅 .影響中國(guó)碳排放績(jī)效的區(qū)域特征研究——基于熵值法的聚類分析［J］.自然資源學(xué)報(bào)，2013，28（7）：1106～1116

［28］Sun.T，Zhang.H.W，Wang.Y..The Application of Information Entropy in Basin Level Water Waste Permits Allocation in China［J］. Resources，Conservation and Recycling，2013，（70）：50～54

Interprovincial Reduction Targets Allocation of Emission Intensity in Nationwide Carbon Emission Trading System——Evidence from Equity and Efficiency

Chang Kai1，2
（1.Nanjing University，Nanjing 210093，China；2.Zhejiang University of Finance&Economics，Hangzhou 310038，China）

Determining equal，economic and effective carbon emission－reduction targets directly affect the initial resource endowments of different regions，meanwhile affect emission－reduction redistribution and social justice among different stakeholders.This paper comprehensively considers four important factors such as economic level，cumulative carbon emissions，industrial carbon intensity and energy－consuming intensity，and then proposes interprovincial carbon emission－reduction targets allocation based on entropy value method. Those provinces with heavier cumulative CO2emissions，stronger carbon intensity，greater energy consumers and better economic level may undertake greater share of carbon intensity reduction targets by 2020.Those provinces with greater industrial carbon intensity and energyconsuming intensity may face weaker emission－reduction pressures with an increase of incline adjustment of emission intensity targets，while other provinces with lower industrial carbon intensity and energy－consuming intensity may face stronger emission－reduction pressures.

carbon emission trading；information entropy method；regional divergences；weight；emission－reduction target

10.3969/j.issn.1004－910X.2016.12.012

F124.5；F206

A

（責(zé)任編輯：史 琳）

2016—06—27

浙江省哲學(xué)社會(huì)科學(xué)規(guī)劃課題 “浙江省碳額分配、能源效率與碳排放市場(chǎng)有效性的研究”（項(xiàng)目編號(hào)：15NDJC123YB）；教育部人文社會(huì)科學(xué)研究青年基金 “基于尋租行為和利益沖突博弈下碳額分配作用機(jī)理研究” （項(xiàng)目編號(hào) ：14YJC790007）；浙江省統(tǒng)計(jì)科學(xué)規(guī)劃項(xiàng)目 “全國(guó)碳交易機(jī)制下浙江省宏觀經(jīng)濟(jì)沖擊與減排效率的影響”；浙江財(cái)經(jīng)大學(xué)地方財(cái)政金融協(xié)同創(chuàng)新中心 “浙江省碳金融市場(chǎng)機(jī)制設(shè)計(jì)及其市場(chǎng)有效性的研究”。

常凱，南京大學(xué)經(jīng)濟(jì)學(xué)院博士后，浙江財(cái)經(jīng)大學(xué)金融學(xué)院副教授，浙江財(cái)經(jīng)大學(xué)中國(guó)政府管制研究院兼職研究員。研究方向：環(huán)境經(jīng)濟(jì)學(xué)。