基于组合赋权法的我国CO2排放量影响因素的评价研究

孟凡生， 李美莹

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)

0 引言

工业化进程使得人类社会经济活动从农业文明时代迅速发展为以化石能源为基础的现代化工业文明时代，这种依靠自然资源大量消耗和温室气体大量排放的“高碳”式经济发展严重危及人类生存和发展。中国的现代化发展正处在重工业高速发展和城市化进程加快的关键转型时期，以煤为主的高能耗粗放型经济增长方式，使中国能源消费由“高碳”向“低碳”转变任务艰巨。在国际和国内双重压力下，探讨我国CO2排放量影响因素，寻找最优路径实现低碳排放，构建低碳发展模式迫在眉睫。

要实现能源消费的低碳化发展需了解影响CO2排放的关键影响因素，国内外学者对影响因素进行了研究。Choi等通过实证分析得到工业增加值和行业能源强度是工业CO2排放量的主要影响因素［1］。York等利用STIRPAT模型分析人口增长对CO2排放的促进作用［2］。Paul和Bhattacharya总结了印度碳排放的影响因素，主要包括:GDP变化、产业结构、能源强度等［3］。徐国泉等运用对数平均权重Divisia分解法定量分析了1995～2004年能源结构、能源效率和经济发展三个因素对中国人均碳排放的影响，分析结果显示:经济发展对中国人均碳排放的贡献率呈指数增长，能源效率和能源结构对抑制中国人均碳排放的贡献率都呈现倒“U”型关系［4］。Okushima和Tamura运用多元校准分解分析方法研究1970～1995年日本能源利用以及CO2排放的变动情况，研究结果表明:技术进步在降低日本CO2排放方面起关键作用［5］。Tunc等将土耳其碳排放的影响因素分解成:经济增长、结构、能源利用效率、能源种类以及各能源碳排放系数［6］。Ang基于宏观时间序列数据分析我国CO2排放的影响因素，研究结果表明:CO2排放量与研究强度、技术转移和技术吸收能力负相关，与收入水平、能源使用量及贸易开放程度呈现正相关关系［7］。唐志鹏等基于突变级数法分析一次能源消费结构、产业结构、能耗技术以及管理水平等因素对我国CO2排放水平的影响［8］。雷钊运用STIRPAT模型分析人口、财富和技术三个因素对CO2排放的影响，研究结果表明:经济增长和人口增加与CO2减排负相关，而技术水平的提高与CO2减排正相关［9］。杨骞和刘华军基于STIRPAT模型实证分析能源强度、能源结构、人均GDP、产业结构是造成CO2排放水平差异的重要因素［10］。

学者们从不同视角阐述了CO2排放量的影响因素，但纵观国内外关于CO2排放量影响因素的分析，鲜有将这些因素纳入一个系统进行全面、综合的研究;学者们均采用单一的评价方法对CO2排放量影响因素进行分析，鲜有运用组合赋权法对我国CO2排放量影响因素进行评价分析的。单一的赋权方法计算同一个评价对象得到的评价得分和排序往往存在不一致的问题，且各评价对象之间的差异不大，不能很好地反映评价对象之间的区别。鉴于此，本文归纳和总结相关文献，构建我国CO2排放量影响因素指标体系，并将绿色植被用地面积作为关键影响因素之一纳入指标体系中;采用组合赋权法对评价对象进行赋权，构建我国CO2排放量影响因素评价模型，在此基础上，选取时间跨度2000～2011年对我国CO2排放量影响因素进行实证分析。本文采用的主客观相结合的赋权方法充分突出了各评价对象之间的差异，并对各评价对象的权重进行合理调整，既克服了单一赋权方法评价同一对象得分和排序不一致的不足，又克服了主观评价方法评价结果受主观因素影响显著、随意性大，客观评价方法评价结果受指标样本随机误差影响的问题，得到更为科学合理的评价结果。

1 我国CO2排放量影响因素评价指标体系的构建

(1)技术投入

技术投入的多少直接影响CO2排放治理的研究投入，R＆D人员、R＆D投入和技术引进经费支出的增加促进我国节能减排技术的发展，可有效降低我国CO2排放量，对CO2排放量具有重要意义［5］。选取R＆D人员、R＆D投入和技术引进经费支出作为技术水平的指标［11］。

(2)对外贸易开放程度

经济全球化和国际产业分工日益深化，发展中国家处于产业链条“微笑曲线”底部，发达国家将高耗能、高污染和高排放的产业转移到发展中国家，发展中国家背负了更多的CO2排放，对外贸易开放程度是影响我国CO2排放量的关键因素［7］。选取进口额占GDP比重、出口额占GDP比重、外商投资比重作为对外贸易开放程度的指标［12］。

(3)产业结构

以工业为代表的第二产业能耗较多，相对而言，以服务业为主的第三产业能源消耗较低，第二产业在产业结构中比重的增加对我国CO2排放量具有促进作用，第三产业在产业结构中比重的增加对我国CO2排放量具有抑制作用，产业结构的变化对我国CO2排放量具有显著的影响［13］。分别选取第二产业产值占国内生产总值比重、第三产业产值占国内生产总值比重作为产业结构的指标［10］。

(4)能源消费结构

和清洁能源相比，煤炭的热效应偏低，资源消耗大，且煤和石油是我国消耗的主要化石燃料，在能源消费结构中比重越大，我国CO2排放量越大;可再生能源比重的增加将明显改善我国CO2排放量，能源消费结构对我国CO2排放量的变化具有重要的意义［4］。分别选取煤炭、石油和水、核、风消费量占能源消费总量比重作为能源消费结构的指标［14］。

(5)经济增长水平

我国经济的增长依赖于以大量能源消耗为代价的重工业，经济增长水平是决定CO2排放量的关键因素［3］。选取第二产业增长值比重、重工业占工业产值比重作为经济增长水平的指标［15］。这两个比重的增加对我国经济的增长具有显著的促进作用，同时CO2排放量也迅速增加。

(6)人口规模

Birdsall指出人口增长通过两种方式影响CO2排放量:一种方式是人口数量的增长导致能源消费的增加，从而增加CO2的排放;另一种方式是人口的增加导致土地利用方式改变等，进而增加大气中CO2的浓度［13］。因此，人口规模影响大气中CO2浓度。选取中国总人口数量作为人口规模的指标［17］。

(7)绿色植被用地面积

光合作用是地球碳氧循环的重要媒介［18］，是减少CO2排放量的重要途径之一，由于绿色植被是光合作用的主体，本文将绿色植被用地面积作为关键影响因素之一。选取林地面积、城市绿地面积、草原面积作为绿色植被用地面积的指标［19］。林地面积、城市绿地面积、草原面积的增加，将有效缓解我国CO2排放量。

基于上述分析，参考和借鉴相关文献，并遵循数据可获得性、系统性和科学性等原则，选取技术投入、对外贸易开放程度、产业结构、能源消费结构、经济增长水平、人口规模、绿色植被用地面积7个评价依据，17个指标构建我国CO2排放量影响因素指标体系。如图1所示。图1中，字母T表示技术投入、O表示对外贸易开放程度、I表示产业结构、E表示能源消费结构、D表示经济增长水平、P表示人口规模、G表示绿色植被面积。

图1 我国CO2排放量影响因素指标体系

2 基于组合赋权的我国CO2排放量影响因素评价模型

2.1 我国CO2排放量影响因素评价模型的构建思路

(1)规范化处理我国CO2排放量影响因素指标数据;

(2)分别运用G1法、G2法、熵值法和离差最大化法单一赋权方法对指标进行赋权;

(3)计算不同赋权方法的权重系数，得到组合权重;

(4)对我国CO2排放量进行评价分析。如图2所示。

图2 我国CO2排放量影响因素评价模型的构建思路

如图2所示，若2000～2011年我国CO2排放量评价指标相关数值缺失，则采用基于多重替代法的NORM统计软件对缺失数据进行替换。如果指标数据不存在缺失，则直接进入规范化处理阶段。查阅2000～2011年相关统计年鉴，均找出了2000～2011年我国CO2排放量评价指标相关数值，未有缺失值，所以在各评价指标原始数值的基础上直接进行规范化处理。

2.2 指标的规范化处理

设tlh表示第h个对象第k个指标规范化后的值，Slh表示第h个对象第k个指标的值，n表示评价对象的个数。根据正、负向打分公式得［20］:

2.3 单一评价方法赋权

2.3.1 G1法确定权重

G1法充分体现了专家的意见，通过主观排序反映指标的重要程度，重要指标赋予较大权重。

(1)用G1法确定评价指标的序关系，并由专家给出相邻评价指标xk-1与xk重要性程度之比rk的理想赋值，则第i个指标的G1法权重wi为［21］:

(2)由权重 wi得第 i-1，…，3，2 个指标的权重［21］:

其中:wk-1表示第k-1个指标的G1法权重;rk表示专家给出的理性赋值;k=i，i-1，…，3，2。

2.3.2 G2法确定权重

G2法反映了专家的意见，通过主观排序反映指标的重要程度，赋予重要指标较大的权重。

(1)用G2法确定评价指标的序关系，专家给出最不重要的一个指标xi和其余评价指标xk与xi重要性程度之比dk的理想赋值;

(2)若专家给出dk的理想赋值，则准则层下第k个指标对该准则层的G2法权重［22］:

其中:wk表示第k个评价指标的G2法权重;dk表示专家给出的理性赋值;i表示评价指标个数。

2.3.3 熵值法确定权重

熵值法通过计算同一指标的数值差客观反映指标的重要性程度，差值越大赋予的权重越大。

(1)计算指标比重 rhk［23］:

其中:thk为第 h 个对象第 k 个指标的原始值;h=1，2，…，n;k=1，2，…，m。

(2)根据熵值计算公式［23］，计算第k个评价指标的熵值ek:

(3)设wk为第k个指标的权重，则wk的计算公式为［23］:

(4)对于多层结构的评价体系，将下层指标的效用值相加，得到相应上层指标的效用值，进而得到上层指标的权重。

2.3.4 离差最大化法确定权重

离差最大化法通过计算第k个指标的离差占所有指标总离差的比重客观反映指标的重要程度，比重越大指标越重要，赋予的权重越大［24］。

(1)设thk(h=1，2，…，n;k=1，2，…，m)为第h个对象第k个指标规范化得到的值。设wk为第k个指标的权重，wk≥0。对于指标k，用Hhk(w)表示对象 h与其他所用对象指标值的离差(i=1，2，…，n)，则有［25］:

对于指标k，所有对象与其他对象的总离差为［25］:

根据离差最大化原理，构造最优化模型［25］:

解此优化模型并进行归一化处理，得离差法权重［25］:

其中:分子表示n个评价对象第k个指标规范化后的值两两相减取绝对值，再求和得到的离差，记为Hk;分母表示m个指标的离差Hk之和。

2.4 组合权重的确定

设pi，qi分别是基于“差异驱动”原理和“功能驱动”原理生成的指标xi的权重，若

其中:k1＞0，k2＞0，=1。

则称式(13)是具有同时体现主客观信息集成特征的权重［26］。被评价对象Zi的综合评价值为［26］:

其中:i=1，2，…，n。

基于被评价对象之间差异最大的思想，建立目标函数［26］:

应用Lagrange条件极值原理，确定权重系数k1，k2［26］:

2.5 基于组合赋权的我国CO2排放量影响因素评价方程

设Qn为第n个评价对象的评价得分，wm为第m个指标的组合权重，xmn为第m个指标第n个评价对象的得分，则评价方程为［27］:

得到被评价年份我国CO2排放量综合评价得分和各影响因素准则层得分。

3 实证分析

本文选取2000～2011年作为时间跨度，通过各年《中国统计年鉴》获取各指标原始数据，将各指标数值进行规范化处理，得到第h个对象第k个指标规范化后的值thk，其中(h=1，2，…，n;k=1，2，…，m)。由于数据较多，篇幅有限，在此不一一列出。

3.1 G1法确定权重的计算

(1)根据专家的主观意见，得到7个影响因素的影响顺序排列:T＞E＞I＞D＞O＞G＞P，和相邻影响因素的重要性程度之比rh的理性赋值分别为r2=X1/X2=1.3，r3=X2/X3=1.1，r4=X3/X4=1.1，r5=X4/X5=1.2，r6=X5/X6=1.3，r7=X6/X7=1.2;

(2)将rh的理性赋值带入式(3)和(4)，得到技术投入、能源消费结构、产业结构、经济增长水平、对外贸易开放程度、绿色植被用地面积和人口规模的G1法权重分别为(0.23391，0.17993，0.16357，0.14870，0.12392，0.09532，0.07943)。

同理，可得指标层相邻指标重要性程度之比rk的理想赋值，求得各指标的G1法权重，如表1所示。

3.2 G2法确定权重的计算

(1)专家给出最不重要的影响因素为人口规模(P)，其余影响因素与人口规模的重要程度之比dh的理想赋值为 d1=E/P=1.5，d2=I/P=1.4，d3=D/P=1.3，d4=T/P=1.6，d5=O/P=1.2，d6=G/P=1.2，d7=P/P=1.0;

(2)将dh的理想赋值带入式(5)，得到能源消费结构、产业结构、人口规模、经济增长水平、技术投入、对外贸易开放程度和绿色植被用地面积的 G2法权重分别为(0.16304，0.15217，0.14130，0.17391，0.13043，0.13043，0.10970)。

同理，可得指标层相邻指标的重要性程度之比dk的理想赋值，求得指标层对目标层的各指标G2法权重，如表1所示。

3.3 熵值法确定权重的计算

(1)将规范化数值带入式(6)，得到指标权重 rhk(i=1，2，…，7;j=1，2，…，19);

(2)将指标权重依次带入式(7)和(8)，得出指标层各指标的权重，如表1所示。

3.4 离差最大化法权重的计算

将规范化数值带入式(12)，得到指标层各指标的权重，如表1所示。

3.5 组合权重的计算

将各指标运用单一赋权方法所得的权重带入式(16)和(17)，得组合权重系数为(0.24619，0.24580，0.26036，0.25328)。

将单一赋权方法得到的各权重与组合权重系数k1，k2，k3，k4带入式(13)得到组合权重，如表1所示。

表1 我国CO2排放量影响因素指标权重赋值

将表1中的组合权重和各指标标准化得分带入式(18)，得到各评价对象综合评价得分和各准则层得分，如表2所示。分析表2中综合评价得分与各准则层得分趋势，如图3和图4所示。由图3可以看出，我国CO2排放量2000～2003年间逐年增加，2003～2007年持续减少，2007～2009年又呈现显著的上升趋势，2009年以后降低幅度明显。从图4可以得出，技术投入、产业结构、经济增长水平和绿色植被用地面积影响因素对我国CO2排放量的影响趋势变化幅度较大，对外贸易开放程度、能源消费结构和人口规模影响因素对我国CO2排放量的影响趋势变化幅度比较平缓。图3和图4明确了2000～2011年我国CO2排放量的发展趋势以及各影响因素对我国CO2排放量的影响趋势，为了进一步说明我国CO2排放量的主要影响因素，使用Eviews软件对我国CO2排放量和各影响因素之间的关系进行最小二乘法OLS回归，以便找出我国CO2排放量的主要影响因素。

设Y为2000～2011年我国CO2排放量综合评价得分，Xi为各影响因素准则层得分，其中，X1表示技术投入准则层得分、X2表示对外贸易开放程度准则层得分、X3表示产业结构准则层得分、X4表示能源消费结构准则层得分、X5表示经济增长水平准则层得分、X6表示人口规模准则层得分、X7表示绿色植被用地面积准则层得分。以 Y 为因变量，X1、X2、X3、X4、X5、X6、X7为自变量，回归结果显示:X1与 Y 之间的回归系数为-0.298(p＜0.001)，表明技术投入对我国CO2排放量存在显著负作用;X2与Y之间的回归系数为0.107(p＞0.05)，表明对外贸易开放程度对我国CO2排放量影响不显著;X3与Y之间的回归系数为-0.222(P＜0.05)，表明产业结构升级对我国CO2排放量存在显著负作用;X4与Y之间的回归系数为-0.149(P＜0.01)，表明能源消费结构优化对我国CO2排放量存在显著负作用;X5与Y之间的回归系数为0.265(P＜0.001)，表明经济增长水平对我国CO2排放量存在显著正作用;X6与Y之间的回归系数为0.109(p＞0.05)，表明人口规模对我国CO2排放量影响不显著;X7与Y之间的回归系数为-0.278(P＜0.01)，表明绿色植被用地面积对我国CO2排放量存在显著负作用。基于上述分析可知，技术投入、产业结构、能源消费结构、经济增长和绿色植被用地面积是我国CO2排放量的关键影响因素。

表2 2000～2011年我国CO2排放量影响因素准则层和综合评价得分

图3 我国CO2排放量影响因素综合评价得分趋势图

图4 我国CO2排放量影响因素各准则层得分趋势图

4 结论与启示

本文归纳总结了影响CO2排放量的主要因素，并将绿色植被用地面积纳入指标体系中，构建我国CO2排放量影响因素指标体系。以评价指标间差异最大化为原则，运用组合赋权方法评价我国CO2排放量影响因素，既体现了评价对象之间的差异，又克服了单一评价方法的不足。研究结果表明，技术投入、产业结构、能源消费结构、绿色植被用地面积和经济增长是影响我国CO2排放量的5个主要因素。

基于实证分析结论得出影响我国CO2排放量的5个主要因素，我国应高度重视技术投入、产业结构、能源消费结构、绿色植被用地面积和经济增长5个关键因素对我国CO2排放量的影响。技术投入方面:加大技术资金投入，引进、消化和吸收国外先进的节能减排技术，积极开展国际先进低碳技术和可再生能源技术的交流与合作;形成以政府引导，高校、研究机构和企业合作的“官产学研”模式;大力研发减碳技术和消碳技术，从根本上减少CO2排放量。产业结构方面:运用适当政策限制高碳产业的发展，大力推进服务业和高新技术等低碳产业，加大第三产业在国内生产总值的比例;运用先进技术推动传统产业的升级，并积极发展太阳能、风电、生物质能等新能源产业，促进产业结构的低碳化发展。能源消费结构方面:积极改善现存不合理的以煤炭为主的能源消费结构。通过可行的政策扶持风能、水能、生物质能等清洁能源的应用，并加大太阳能、风能等可再生能源的研发和使用力度;构建以利用清洁高效能源为主的结构体系，增加无碳能源使用的比例，从而有效降低化石能源在消费结构中的比例。绿色植被用地面积方面:加强和改进绿色植被特别是森林面积的建设和管理，加大植树造林工作;大力发展生态农业，提高农田的碳汇能力，绿色植被的碳汇作用是降低大气中CO2浓度的有效措施。经济增长方面:在保证经济稳步增长的前提下，加快传统经济增长方式的转变，并高度重视将我国经济从“量的增长”过渡为“质的提高”，全面实现我国的可持续发展。

［1］Choi K H，Zhang F Q，Ang B W.Factorizing changes in energy and environmental indicators through decomposition［J］.Energy，1998，23(6):489-495.

［2］York R，Rosa E A，Dieta T.STIRPAT，IPAT and IMPACT:analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economics，2003，46(3):351-365.

［3］Paul S，Bhattacharya R N.CO2emission from energy use in india:a decomposition analysis［J］.Energy Policy，2004，32(5):585-593.

［4］徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析:1995～2004［J］.中国人口·资源与环境，2006，16(6):158-161.

［5］Okushima S，Tamura M.Multiple calibration decomposition analysis:energy use and carbon dioxide emissions in the japanese economy，1970 ～1995［J］.Energy Policy，2007，35(10):5156-5170.

［6］Tunc G，Türüt-Asik S，Akbostanci E.A decomposition analysis of CO2emissions from energy use:turkish case［J］.Energy Policy，2009，37(11):4689-4699.

［7］Ang J B.CO2emissions，research and technology transfer in China［J］.Ecological Economics，2009，68(10):2658-2665.

［8］唐志鹏，刘卫东，周国梅等.基于突变级数法的中国CO2减排的影响要素指标体系及其评价研究［J］.资源科学，2009，31(11):1999-2005.

［9］雷钊.我国碳排放影响因素分析与减排政策思考［J］.统计与决策，2011，(16):56-158.

［10］杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素—基于1995～2009年省际面板数据的研究［J］.数量经济技术经济研究，2012，(5):36-49.

［11］Keller W.Geographic localization of international diffusion［J］.American Economic Review，2002，92(1):120-142.

［12］徐士元.技术进步对能源效率影响的实证分析［J］.科研管理，2009，30(6):16-24.

［13］米国芳，刘广为.中国碳排放强度影响因素相关性研究—基于VAR与SVAR模型分析［J］.中国科技论坛，2012，(10):110-115.

［14］史丹.中国能源效率的地区差异与节能潜力分析［J］.中国工业经济，2006，(10):49-58.

［15］王俊松，贺灿飞.能源消费、经济增长与中国CO2排放量变化—基于LMDI方法的分解分析［J］.长江流域资源与环境，2010，19(1):18-23.

［16］Birdsall N.Another look at population and global warming:population，health and nutrition policy research［M］.Washington DC:World Bank，1992.

［17］申笑颜.中国碳排放影响因素的分析与预测［J］.统计观察，2010，(19):90-92.

［18］王传玲，贾勇.浅谈对“探究二氧化碳是否是光合作用的原料”实验的改进［J］.生物学通报，2012，47(3):58.

［19］中华人民共和国国家统计局.中国统计年鉴［J］.北京:中国统计出版社，2011.

［20］李美娟，陈国宏，陈衍泰.综合评价中指标标准化方法研究［J］.中国管理科学，2004，12(6):45-48.

［21］王学军，郭亚军.基于G1法的判断矩阵的一致性分析［J］.中国管理科学，2006，14(3):65-70.

［22］李刚，周立斌，曹宏举.基于理想排序的群组G2赋权方法研究［J］.数理统计与管理，2012，31(2):316-324.

［23］杨惠敏，付萍.基于熵权的多级模糊综合评价的应用［J］.华北电力大学学报，2005，32(5):104-107.

［24］王育新，刘晓冰，曹志诚.基于产业集群的高新区竞争力评价及实证研究［J］.科学学与科学技术管理，2009，(11):6-15.

［25］杨红平，马大川，漆贤军.信息系统投资的最优组合赋权法研究［J］.科学学与科学技术管理，2004，(2):48-51.

［26］郭亚军.综合评价理论、方法及应用［M］.北京:科学出版社，2002:44-51.

［27］迟国泰，李刚，程砚秋.级差最大的人的全面发展评价模型及省份实证［J］.运筹与管理，2011，20(1):102-110.