基于城市評價的碳配額分配機制研究

姜文超，孫然，張赟

（江蘇省生產力促進中心，江蘇 南京 210003）

0 引言

1997年世界各國締結《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交易制度（ETS機制）。目前，歐盟超半數企業已進入ETS機制，計劃在2020年，整體CO2排放量較1990年的標準基礎上再下降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年中國向聯合國提交《聯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交易試點地區。2014年12月，國家出臺《碳排放權交易管理暫行辦法》，正式開展碳市場建設工作。2016年1月，國家發布《關于切實做好全國碳排放權交易市場啟動重點工作的通知》，開始進行碳交易市場的啟動工作[3]。

目前對于碳配額的分配機制尚處于研究階段[4-6]，本文以江蘇省13個地市為研究對象，通過研究國內外相關研究成果，選取城市發展水平、產業結構、能源結構三個一級指標，并借助德爾菲法對于各指標賦權重，構建形成碳配額分配指標評價體系。繼而選取江蘇省2018年數據進行分析，得出各地市的碳配額分配系數，可作為城市碳排放控制效果的評價標準。

1 指標選擇

1.1 城市發展水平

1.1.1 國內生產總值GDP

眾多學者的研究均表明，經濟增長是影響碳排放量的重要因素。Sheinbaum等人運用LMDI分解法分析了墨西哥1970～2006年間的碳排放數據，發現經濟增長對于鋼鐵工業CO2排放的貢獻率高達134%[7]。Li等人利用STIRPAT模型對南京市2000～2016年間的碳排放數據進行模擬，也發現經濟發展與CO2排放量增加間存在明顯的正相關關系[8]。

時兆會的研究與上述結論一致，他發現北京市人均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濟增長而無限制增加[9]。Grossman等人對此進行深入研究，提出經濟增長與CO2排放量的環境庫茲涅茨曲線假設，指出經濟增長與碳排放量間呈現倒“U”字型的曲線關系[10]。譚靜等人的研究得出相似的結論，認為經濟增長與CO2排放間存在“綠色悖論”、“倒逼減排”的規律[11]。

1.1.2 外商直接投資

朱亞軍等人利用SDM模型研究西部地區產業結構與碳排放間關系時，發現外商直接投資與城市碳排放量之間，在動態SDM模型中呈負相關關系，而在靜態SDM模型中則呈相反趨勢，并將其歸因于西部地區區域發展不平衡[12]。王壘等借助動態面板系統GMM模型，實證分析2000～2015年中國30個省份外商直接投資與CO2排放量的動態關系，結果表明外商直接投資對于碳排放有顯著的動態促進作用，這是因為外資企業擁有高效能的設備與先進的節能技術[13]。彭紅楓等人得出類似的結論，并且發現直接外商投資的碳減排效應呈現一定的區域差異，中西部地區并不明顯，東部地區則較為典型[14]。

1.1.3 人口

朱亞軍等人在研究西部地區產業結構與碳排放間關系的同時，發現人口數量與碳排放量間存在正相關關系，其將原因歸結于西部人才引進對于環境的改善[12]。潘偉等人利用LMDI法對不同行業的CO2排放量的影響因素進行分解，發現人口規模效應在不同行業均體現出明顯的促進作用，尤其是工業和建筑業中，人口規模效應對于碳排放量的拉動作用僅次于經濟產出效應[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，發現城鎮人口數量與總體CO2排放量間呈現倒“U”型變化規律，并且人口的年齡、性別和城鄉結構等因素對于結果存在不同程度的影響[16]。

1.2 產業結構

虞義華等人借助可行性廣義估計模型，研究第二產業與碳排放量的線性關系，發現產業結構中第二產業比重越高，CO2排放總量越高，因此認為產業結構調整對碳排放量降低有正向推進作用[17]。張琳杰等人通過分析1997～2016年間31個城市的產業數據，進而構建面板數據模型，發現第二產業對碳排放的影響高于第一、三產業[18]。Jia等人的研究結果表明產業結構效應對于2011～2015年工業CO2排放的貢獻率為-9.46%[19]。Chen等人研究認為，大連市通過優化產業結構，降低高能耗產業比重，有效降低了整體CO2排放量[20]。

1.3 能源結構

毋庸置疑，煤炭、石油、天然氣等化石能源占比的增加將嚴重影響城市碳排放總量。如曹甲威等人發現，2013年能源結構變化對貴陽市整體碳排放的貢獻率為26.3%[21]。曲健瑩等以湖南省為例，利用LMDI模型分析了能源結構變化對碳排放強度的影響。結果表明：能源強度的影響強于能源結構，并且與能源強度相關度最高的產業為化學原料及化學制品制造業、非金屬礦物制造業以及電力熱力生產和供應業[22]。黃光球等人使用類似的方法分析了陜西省能源消費和CO2排放量的關聯性，結果表明煤炭和石油的消耗比例每上升1個百分點，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，整體碳排放量則分別下降0.39%和0.44%[23]。

1.4 指標體系

綜上所述，本文構建基于城市評價的碳配額指標體系如表1所示：

表1 基于城市評價的碳配額指標體系

2 權重分析

2.1 指標判斷矩陣

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

各指標的判斷矩陣如下所示：

2.2 指標權重計算

本文根據德爾菲法與層次分析法相應計算方法，根據上述各級指標建立的判斷矩陣，計算各個指標的相對權重值，并對矩陣進行一致性檢驗，確保指標權重可信。

（1）一級指標。

表2 一級指標權重分析表

經計算求得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，結果可接受。從相對權重值可以發現，對于城市碳配額的數據貢獻程度從大到小依次為經濟水平＞能源結構＞產業結構。

（2）二級指標。

表3 城市發展二級指標權重分析表

經計算求得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，結果可接受。

產業結構二級指標僅服務業占比，因此其權重為20.0%。

能源結構二級指標中的煤炭占一次能源消費比重和非化石能源占比兩個評價要素經過數據判斷重要性一致，因此權重均為15%。

3 碳配額分配體系

3.1 歷史數據

本文選用江蘇省2018年統計年鑒與能源年鑒中相關數據，根據各一級、二級指標要求繪制形成表4。

表4 江蘇省各地市指標評價表

續表

表5 江蘇省各地市碳配額分配系數表

3.2 碳配額分配系數

根據上述指標數據進行歸一化評分，并按照各指標權重進行加權計算，形成江蘇省各地市碳配額調整指標得分，指標得分/100作為江蘇省13各地市的碳配額分配系數。結果表明，基于城市評價的碳配額分配系數從大到小依次為蘇州＞南京＞無錫＞鹽城＞南通＞徐州＞常州＞揚州＞宿遷＞連云港＞泰州＞淮安＞鎮江。

4 結語

本文結合文獻調研，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，即城市發展水平、產業結構、能源結構，并借助德爾菲法和層次分析法對于各指標賦權重，從而構建完成碳配額分配指標評價體系。結合江蘇省2018年各地市統計數據，計算得出各地市的碳配額分配系數，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準，從而進一步完善全國碳排放權交易市場機制研究。