公平和效率维度下中国省际碳权分配原则分析

王倩+高翠云

摘要区域碳权分配原则决定了中国省际碳减排的压力，也是激励各地区转向清洁能源及减排技术创新的基础。本文运用非径向方向性距离函数（NDDF）测算了2011-2014年中国省际全要素碳排放效率（TFC）与技术差距比（CTGR），以分析各地区基于效率最优的碳减排潜力（CRC），进而确定中国区域碳权分配原则。结果表明，各地区减排潜力呈现出与经济发展水平相似的空间分布特征；“十二五”期间海南与安徽两地已处于减排的前沿面，但单一的公平原则挫伤了其持续减排的积极性，而其它低效率省市短时间内无法通过技术效率提升减排能力；无论是单一的公平原则还是单一的效率原则均无法保证各地区碳减排的合理性、稳定性与持久性；而兼顾公平与效率的原则在增加绝对碳排放效率的同时，减少了地区差异。公平与效率原则的动态混合机制更符合中国省际碳减排现状，初期应遵循“公平优先，兼顾效率”，随着经济企稳，应转向“效率优先，兼顾公平”。

关键词碳权分配；公平原则；效率原则；非径向方向性距离函数

中图分类号F062.2文献标识码A文章编号1002-2104（2016）07-0053-09doi：10.3969/j.issn.1002-2104.2016.07.007

随着中国工业化与城镇化的快速发展，温室气体排放造成的环境压力备受关注。哥本哈根气候大会上中国提出2020年单位国内生产总值碳排放量比2005年降低40%-45%的约束性指标。为完成这一目标，“十二五”规划确定了省际减排任务，并成功控制了国家层面与地区层面的碳排放。在巴黎气候大会上，中国又进一步做出了至2030年单位GDP的二氧化碳排放量比2005年下降60%-65%的减排承诺。为降低减排的经济成本，国家发改委已宣布2017年启动全国的碳排放交易市场。碳排放权的市场化以激励低耗能企业约束高耗能企业的方式推动减排，必然会使我国各省区市因产业结构与经济技术水平的差异而承担不同的减排压力。因此，在宏观经济整体增速放缓以及“北上广”集聚效应增强的大背景下，“十三五”期间中国省际碳权分配不仅涉及国家减排目标能否成功向区域分解落实，更涉及到区域经济平衡发展问题，甚至会影响到区域的社会与金融稳定。从区域碳权分配看，其重点在于公平性与效率性原则的选择。本文力图研究“十二五”期间中国省际碳排放效率，对比分析公平与效率原则在中国省际碳权分配中的适用性。这不仅有助于明确“十三五”期间中国省际碳权分配这一亟待解决的现实问题，亦将丰富低碳经济理论，助推中国的低碳发展战略。

1文献综述

国内外学者从多角度、多层次探讨了碳权分配中公平与效率原则的选择问题。相关文献可以分为单一公平原则、单一效率原则、公平原则与效率原则的结合三类。

Kverndokk S[1]认为依据人口规模分配碳权符合公平原则。Van Steenberghe V[2]采用合作博弈论分析各国在长期内依照公平原则的碳权分配，提出祖父原则下的碳权配额高于减排能力原则下的配额。De Brucker K et al.[3]认为利益相关者管理方法能够解决可持续发展困境问题。徐玉高等[4]计算了全球五大地区基于人口与GDP指标下的碳权配额，指出人口指标分配有利于多数发展中国家。祁悦等[5]在综述碳权分配原则、标准和模式的基础上，比较分析了不同原则的优劣，并提出中国基于历史公平与人均原则最为有利。邱俊永等[6]选取国土面积、人口、生态生产性土地面积与化石能源探明储量指标，基于基尼系数测算了G20主要国家碳权分配的公平性，并提出发达国家应承担更大的减排责任。戴君虎等[7]运用动态人口算法、静态人口算法与“人年”算法分别计算了人均历史累计碳排放，指出“人年”算法保证了每个人在每年拥有相同的碳权配额，更符合公平原则。朱潜挺等[8]提出最优的全球碳权分配模型应基于平等原则综合考虑世袭、支付能力与人均累计等因素。

然而单一的公平原则忽略了效率因素，造成效益受损。林坦等[9]运用DEA模型测算出欧盟国家碳权分配效率较低，并基于效率原则利用ZSG-DEA模型调整碳权分配后提高了分配效率。与林坦类似的，郑立群[10]基于ZSG-DEA模型将DEA-BCC模型下的中国低效率碳权分配进行调整，获得统一DEA有效边界的分配方案，达到了碳权分配效率最优。为避免单独从效率角度考虑碳权分配会导致结果有偏，一些学者兼顾了公平原则与效率原则。Yuan et al.[11]基于聚类分析方法，运用单一公平原则、单一效率原则以及两者的结合，测度各区域在2020年的减排潜力，提出应在经济发展水平与减排潜力下，实现公平与效率的结合。陈文颖等[12]模拟了全球碳交易情况，提出按人口分配碳权是最优选择。郑立群[13]通过构造分配满意度与公平偏离指数，基于公平与效率的均衡，构建了从单要素角度对各地区碳减排责任进行分摊的模型。王倩等[14]指出当前碳配额免费分配的祖父原则貌似公平但却有违环境贡献的效率原则，提倡配额分配的拍卖方式与行业准则。于潇等[15]基于非参数化标准DDF模型，对2020年碳总量减排目标分解时，指出第一阶段应采用公平原则，第二阶段应采用效率原则。

王倩等：公平和效率维度下中国省际碳权分配原则分析中国人口·资源与环境2016年第7期现有文献对中国省际碳权分配效率与公平原则的选择提供了理论指导，但是未建立“单原则分析-双原则结合-确定原则选取”的研究范式，同时缺乏对中国现阶段区域碳减排情况的经验证据。

因此，本文接下来将对公平与效率原则进行理论分析，基于2011-2014年除西藏外中国30个省市区的数据，从全要素角度，运用双导向共同前沿非径向方向性距离函数法分别计算省际碳排放强度与碳排放总量效率值。通过测算相应的技术差距比，计算各地区基于效率最优的减排能力，分析公平与效率原则的适用性。最后分析公平与效率原则兼顾下的中国碳减排方法，为“十三五”减排目标设定及配额分配提供理论依据和数据支持。

2基于不同原则下的碳权分配：公平原则与效率原则省际碳减排指标的分配决定了各地区减排责任，不同减排方案对地区发展影响有显著差异。过高的减排指标会导致地区经济社会发展水平的倒退，造成本末倒置问题；过低的指标则对节能减排没有约束力，造成环境恶化问题。选择科学合理的分配方案才能实现国家与区域的全方位发展。现阶段中国区域碳排放控制目标纳入地区规划主要采用“自上而下”与“自下而上”相结合的方式。其中，“自上而下”指国家首先确定整体碳强度减排指标，进而分解到各省市区；“自下而上”指碳市场试点省市区在碳总量控制原则下进行碳权交易活动，从而降低二氧化碳排放量。而在“自上而下”过程中，政府主要依据经济发达地区减排责任更大、人均历史排放量等公平原则确定区域减排指标。然而随着碳市场构建的快速推进、减排力度的进一步加大，单一的公平原则很难保证减排活动的开展，效率原则却提供了解决这一问题的可能性。

公平原则指政府碳权管理部门依据平等合理无偏向标准将碳权分配给各地区。依照公平性的不同角度，可以分为：基于分配的原则、基于结果的原则与基于过程的原则。其中碳交易市场中免费分配与拍卖分别属于基于分配的原则与基于过程的原则。碳权分配方案一般选取公平原则。“十二五”期间，中国区域碳分配方案亦采用的公平原则，但并非“一刀切”的分配方式，而是基于“共同但有区别的责任”。省际碳排放额度按照行业排放额度进行分配，在考虑能源生产地区的高碳排放现状、避免挤压落后地区发展空间的基础上，确定区域减排指标。因此，该原则下的分配方案易被多数地区接受。但是，行业排放额度的确定易受人为控制，造成寻租行为。而且碳交易试点中采取的拍卖原则会导致企业生产成本因购买配额而升高，降低企业的竞争力。

效率原则指资源配置最优原则，表示有限的投入获取最大可能的产出。为此，我们分别从碳排放总量和碳排放强度两个方面计算各个省市与最优减排单位相比的碳排放效率。从全要素角度，以各省最小碳排放量/各省实际碳排放量与各省最小碳强度/各省实际碳强度来测算各地区碳减排能力。这两个指标越小，说明碳排放效率越低，减排空间越大。以碳排放强度效率指标为例，比值越大的地区，实际碳强度较其它地区越小。从而，因单位GDP的二氧化碳排放量较低而享有单位二氧化碳排放量的GDP贡献更大的优势。因此，从有利于资源配置的角度，碳排放效率较高的地区，其减排空间小，碳排放的经济贡献大，因此应该享有更多的碳排放配额。只要有人、只要有生产活动就会有碳排放。因此，我们追求的减排并不是二氧化碳排放量绝对降低至零，而是有效率的碳排放。效率是促使碳减排的基础，没有效率，公平原则下的分配方案也就没有意义。然而单纯的效率原则下的分配方案，会极大的提高该地区的减排成本，压缩经济落后地区的发展空间，使得该地区面临经济发展与节能减排的双重压力。特别是煤炭、原油加工产业密集的地区，若较低的碳排放效率使得减排压力过大，最终会导致关停等行政干预而使得经济发展水平下滑。

因此，在碳减排方案制定中，单一的公平原则与单一的效率原则均无法实现各地区经济与碳减排的均衡发展。现阶段应采用公平与效率原则的动态混合机制，在前期“公平原则为主，效率原则为辅”，随着各地区碳排放效率的提升，应转向“效率优先，兼顾公平”。

3省际效率、技术差距比与基于效率最优的减排潜力测算3.1研究方法

碳减排潜力指各地区在达到全要素碳排放绩效最优的情况下，碳排放量（碳强度）降低的最大可能程度，为测算这一指标，本文基于环境生产技术进行研究。依据Zhou et al.[16]提出的非径向方向性距离函数（NDDF），构建包含期望产出与非期望产出的生产可能性组合。该投入产出双导向的非径向方法，弥补了径向方法中投入产出同比例变化的缺陷，从而为测算全要素生产效率中的碳排放效率提供依据和可能。同时，为分析区域间技术差异，研究各地区技术效率增长的潜力，结合Chiu et al.[17]提出的共同前沿方法，构建组前沿与共同前沿函数。

非径向方向性距离函数的定义为：D（x，y，b；g）=sup{wTβ∶（（x，y，b）+g×diag（β））∈T}。其中，x，y，b分别表示投入、期望产出与非期望产出；w=（wx，wy，wb）T为标准化的权重向量，g=（gx，gy，gb）为方向向量，β=（βx，βy，βb）T投入减少和期望产出增加、非期望产出减少的变化比例。将全部被评价决策单元（DMU）分为R组，则组前沿非径向方向性距离函数定义为：DGTE（x，y，b；g）=sup{wTβ∶（（x，y，b）+g×diag（β））∈Tr}，r=1，2，3…R；共同前沿包含全部被评价DMU，且包络所有组前沿的技术前沿包络面，其非径向方向性距离函数为：DMTE（x，y，b；g）=sup{wTβ∶（（x，y，b）+g×diag（β））∈T}。其中，基于数据包络分析模型，共同前沿非径向方向性距离函数的数学规划如下：

DMTE（x，y，b；g）=maxwxmβxm+wysβys+wbjβbj

s.t.∑Rr=1∑Nrnr=1zrnxmn≤xm-βxmgxmm=1，2，3…M

∑Rr=1∑Nrnr=1zrnysn≥ys+βysgyss=1，2，3…S

∑Rr=1∑Nrnr=1zrnbjn=bj-βbjgbjj=1，2，3…J

zrn≥0，nr=1，2，3…N，r=1，2，3…R，βxm，βys，βbj≥0（1）

如图1所示，存在组前沿面a、b和c表示该组现有最高技术水平达到的前沿包络面，共同前沿面d表示依据潜在最高技术水平组成的包络面。对比组前沿与共同前沿的指标为技术差距比（TGR），反映决策单元实际技术水平与潜在技术水平的差距。假设组前沿面b中某一DMU的投入产出组合为C，则组前沿技术效率为DC/DB，共同前沿技术效率为DC/DA，技术差距比（TRG）为：

TGR（x，y）=MTE（x，y）GTE（x，y）=DMTE（x，y）DGTE（x，y）

=DC/DADC/DB=DBDA（2）

Fig.1Group frontier， common frontier and

technology gap ratio

因此，本文依据区域碳减排强度控制原则与碳交易市场总量控制原则，构建两个碳排放效率指标：

TFCi=（CO2-βbCO2）/（GDP+βyGDP）CO2/GDP=1-βb1+βy（3）

其中，TFCi指基于碳强度的全要素碳排放效率，表示最小碳强度与实际碳强度的比。

TFCt=CO2-βbCO2CO2=1-βb（4）

其中：TFCt指基于碳总量的全要素碳排放效率，表示最小碳排放量与实际碳排放量的比。

因此，根据TFCi、TFCt的构建与公式（2）技术差距比的定义确定基于碳总量与碳强度两种指标的碳排放效率技术差距比：

CTGRi=（（1-βbMTE）·CO2）/（（1+βyMTE）·GDP）（（1-βbGTE）·CO2）/（（1+βyGTE）·GDP）

=（1-βbMTE）/（1+βyMTE）（1-βbGTE）/（1+βyGTE）（5）

其中：CTGRi为基于碳强度的碳排放效率技术差距比，表示共同前沿面碳排放量与地区生产总值的比值和组前沿面碳排放量与地区生产总值的比值的比，MTE表示共同前沿，GTE表示组前沿。

①ERT以负数表示，例如：北京在十二五期间碳强度下降18%，则年均碳强度减排指标ERT/5为-3.6%。

②选取单豪杰（2008）的方法，以1978年为基期进行计算，后文中地区生产总值也采用1978年为基期进行转换。

③选取原煤、洗精煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品十五种化石能源测算。其中，CTGRt为基于碳总量的碳排放效率技术差距比，表示共同前沿面碳排放量与组前沿面碳排放量的比值。技术差距比表示组前沿与共同前沿面的相对距离，数值增大表示决策点从组前沿面向共同前沿面移动。由于组前沿面不能越过共同前沿面，因此CTGRi与CTGRt均小于等于1。

同时，为分析“十二五”期间中国各地区碳减排完成能力，进而确定碳权分配原则，本文构建基于效率最优的碳减排潜力指标，其公式为：

式中：CEImin表示2011-2014年各地区基于效率最优假设下的碳强度，即实现全部减排潜力下的最小碳强度，由于“十二五”减排指标以2010年为基期，因此CEI′act表示2010年各地区实际碳强度。ERT表示“十二五”规划确定的各地区碳强度下降指标①，βbi与βbt分别表示2011-2014年基于TFCi最优与TFCt最优的碳减排比（βb=碳减排量实际碳排放量），βyi表示2011-2014年基于TFCi最优的GDP变动比值（βy=GDP增长量实际GDP）。当CRC<0时，该地区有完成“十二五”碳减排指标的潜力；当CRC=0时，该地区只有处于前沿面时才能够完成减排指标；当CRC>0时，该地区达到理论上的共同前沿面，无法完成碳减排指标。

3.2数据来源

为分析各地区的碳排放效率和减排潜力，首先需确定衡量效率值的投入与产出要素。本文选取三类投入要素，即各地区资本存量、劳动力与能源消耗量，其中以物质资本存量②代表资本存量的投入、以就业人数代表劳动力投入、以能耗代表能源投入；选取地区生产总值与CO2排放量分别表示期望产出与非期望产出，其中CO2排放量③计算公式如下：

CDEn=∑ni=1ECi×ESi×293×CECi（8）

其中：CDE表示二氧化碳排放量，EC表示能源消耗量，计算方法如式（9）所示，293表示每千克标准煤中含293 kj，CEC表示IPCC规定的能源CO2排放系数，i表示能源种类。EC的测算方式如下，基于《中国能源统计年鉴》地区能源平衡表，选取能够产生碳排放的项目进行计算：

ECi=TECi+LAi+TPi+HEi+COi（9）

其中：TEC表示各地区终端能源消耗量，LA表示损耗量，TP、HE与CO分别表示加工转换投入产出量项目中火力发电、供热与炼焦三部分。各数据来源于《中国统计年鉴》《中国能源统计年鉴》与《2006年IPCC国家温室气体清单指南》。

“十二五”碳强度下降指标ERT来源《国务院关于印发“十二五”控制温室气体排放工作方案的通知》。因数据的可得性，本文以2011-2014年的碳排放效率代表各省市“十二五”的碳排放效率。

4从碳排放效率看中国省际碳权分配原则的确定与选取为分析中国省际碳权分配原则中公平性与效率性的选取，本部分基于TFCi与TFCt最优假设，测算“十二五”期间中国省际碳减排潜力，分析潜力差距的空间特征与发展原因，从减排潜力与碳排放效率两个角度为中国低碳经济发展提供实证依据。

曲线CRC2011-CRC2014分别表示基于TFCi最优的2011-2014年碳减排指标完成潜力。在各省市区均达到共同前沿包络面的假设下，位于X轴上方的地区表明全要素碳排放效率最优的情况下，无法完成“十二五”碳强度下降指标；位于X轴下方的省市区通过提高技术效率以提升碳减排潜力，能够完成碳减排指标。图2可知，各省市四条碳减排潜力趋势线没有显著背离，这说明各省市在2011-2014年间的碳减排潜力变化并不大。

从TFCi最优的角度来看，2011年的海南、2012年的海南与安徽、2013年的海南与安徽位于X轴上方；2014年的安徽位于X轴上。由表1可知，海南于2011-2012年、安徽于2012-2013年在组前沿与共同前沿下均达到效率最优，技术差距比为1，表明两者在全国范围内具有较高的节能减排技术。海南作为旅游大省，2003-2014年二氧化碳排放量始终处于最低水平，2014年全省环境空气优良天数比例为98.9%。这表明在“十二五”碳减排目标确定之前，海南在大力发展第三产业的同时，已经很好地控制了碳排放。然而根据《2014年度各省（区、市）单位地区图2基于TFCi最优的各地区“十二五”碳强度减排完成潜力

Fig.2Potential carbon intensity reduction of each region in ‘the 12th Five Year Plan based on the best TFCi

生产总值二氧化碳排放降低目标责任考核评估结果》可知，海南等级为良好，仅优于西藏和新疆的合格等级。可见，海南虽然低碳竞争力排名第一[18]，环境友好程度也较高，但是完成基于历史排放确定的减排计划也较为困难。安徽作为农业大省，通过打造“农业改革试验特区”等手段促进农业的现代化，有效控制化石能源的消耗。2012年安徽能源强度排名第二十二位。由此可见，在减排指标确定之前，两个地区的碳排放已经得到有效控制。“十二五”期间减排指标的确定时已经考虑了经济发展水平的差距，经济发达地区的减排指标普遍高于全国的平均水平（17%），而经济落后地区的减排指标低于全国的平均水平，以体现公平分配的原则。但是，减排指标的确定仍忽略了各地区在减排技术效率层面（可减排空间）的差距。虽然海南与安徽能够在已经达到前沿面的基础上通过其他手段进一步减排，从而完成规定目标，但相比其它减排空间大的省市，这两个省承担了更大的减排压力，削弱了这两个省维持碳排放效率与控制碳排放量的意愿。

碳排放效率较低的地区减排潜力较高，即其减排能力提升的空间较大。如图2所示，河北、山西、内蒙古、河南、广西、贵州、宁夏、新疆等地2011-2014年间的碳排放效率点均处于X轴的下方，说明他们的碳减排潜力较大。由表1可知，这些省市区技术差距比较低。组前沿表示 东、中、西部地区的碳排放效率前沿，基于组前沿计算的各省市排放效率仅体现了某一省市与同一地区其它省市相比的碳排放效率，而共同前沿则是全国的碳排放效率前沿，基于共同前沿计算各省市碳排放效率体现了某一省市与全国其它省市相比的碳排放效率，也间接反映了若采用全国最优的碳排放技术，其效率提升的可能。由于效率测度都是以某一群体的最优者作为前沿面，再通过各省市与最优者的距离测算效率，因此可以通过组前沿与共同前沿的均值判断各区域碳排放效率的差异。例如，内蒙古、陕西、青海与新疆等地，组前沿效率较高，而共同前沿均低于0.5。这表明黄河中游与大西北区域由于经济发展水平、地理位置与资源禀赋等原因与东部沿海、南部沿海等碳排放效率较高区域存在差距，导致组前沿效率被高估。由此可见，与经济发展水平的区域差距相似，碳排放效率也存在较大的区域差距。以2011年青海为例，组前沿与共同前沿下TFCi分别为0.740与0.305，表示采用大西北的最优碳排放技术，效率能够提升0.260，而采用全国最优碳排放技术，则能够提升0.695。区域碳排放技术是该区域的产业结构、资源禀赋以及经济发展水平等因素的综合体现，短期内难以快速提升，因此各地区虽然具有在共同前沿面下的潜力，但是“十三五”碳减排指标不能完全依照文中计算的最大潜力确定，而应充分考虑区域差异，在一定程度上依靠“行业排放额度”等公平原则进行分配。特别是，自1993年实施西电东送以来，贵州、甘肃与内蒙古等西部地区由于“西电东送”工程，将电力资源输送至电力紧缺的广东、浙江等地区，从而导致西部产生碳排放，而东部经济获得发展，形成“能源东送，污染西移”问题[19]。单纯的考虑效率原则，又会忽略东西部地区碳排放与经济产出不匹配问题。而中国电价未实现完全的市场化，更加重了“西电东送”工程下，西部地区对东部地区的利益转移。因此考虑到环境破坏的后果，获得收益的东部地区应对西部地区进行生态补偿，或者针对“西电东送”工程实现碳排放的豁免，以实现“公平”与“效率”的结合。

分别表示基于TFCt最优的各省市2011-2014年碳减排指标完成潜力。从TFCt最优的角度来看，X轴上方地区仍为海南和安徽；X轴下方云南与青海的减排潜力降低，其原因是两地的经济发展水平增长潜力较大，可见在碳强度减排指标的要求下，提高经济发展水平也是完成碳减排指标的措施之一。

由此可见，确定区域碳减排指标时，既应考虑海南、安徽碳排放效率较高地区的情况，又应关注碳排放效率较低的山西、陕西与新疆等地。为解决高效率地区与低效率地

年的效率值和技术差距比。

区的减排冲突，在省际碳减排指标的制定中应兼顾公平与效率原则，同时提升低效率地区的技术创新与进步，缩小各区域组前沿与共同前沿的效率差距，提升各地区减排能力。

5兼顾公平与效率的碳权分配

基于上文对各地区减排潜力测算，为解决安徽、海南等高效率地区与新疆、陕西等低效率地区的指标设定矛盾，本文提出了兼顾公平与效率的双原则。在我国减排的最终落脚点是企业，因此本部分详细研究减排省市区与减排企业碳权分配的双原则，为中国“十三五”省际减排目标的设定与全国碳市场的构建提供理论依据和数据支持。

实现责任分摊的公平性是公平原则设定的基础，国家设定省市区减排任务的最终责任为企业，因此减排的公平性主要体现在企业减排配额设定的公平性上，现阶段我国公平原则下的碳权配额设定满足条件如式（10），

q=Q×nNn=1，2，3…N（10）

其中：Q表示根据各行业先进水平的单位GDP排放量设置的全国行业排放额度，基于每个省市区拥有的该水平企业数n占全国企业数N比值进行分配，各省市区的配额为q。王科[20]针对全国碳市场构建，提出欠发达地区、行业利润率较低的企业，设置较高基准线；而发达地区与利润率高的企业设置较低基准线的公平原则。然而，公平原则并非利润原则，利润率受到行业发展的影响，行业发展又受到产业结构与宏观经济的影响，依照利润进行分配，可能鼓励的是僵尸企业，导致出现“劣币驱逐良币”的现象。僵尸企业除阻碍生产率提高、加剧产能过剩的危害外，会导致劣胜优汰[21]。李克强提出“推动企业兼并重组，抓紧处置‘僵尸企业”[22]，以及“加快落后产能淘汰和‘僵尸企业退出”[23]。因此，中国碳权配额的公平原则要改变劣势地区的碳排放惯性，防止地区间减排的差距进一步扩大。碳减排指标的设定，一方面需要考虑各地区与企业的减排效率，以提升绝对效率为目的，而不再顾及地区现阶段的减排能力。同时，提高效率较低地区的减排指标，迫使其进行结构调整，使得产业结构“由重变轻”、能源结构“由黑变绿”，以断臂式改革化解中国高碳排放的困境，从而解决地区间减排能力差异；并考虑到“西电东送”工程引起的西部效率低下问题，遵循“谁受益谁补偿”原则，以东部地区获得的经济收益对西部地区进行补偿。另一方面，在“奖优罚劣”的同时，引导欠发达地区的CCER项目，加大投资力度，同时加强生态环境的综合治理，推进天然草原保护与建设、退耕还林还草等工程的建设，从而实现扶贫开发与生态补偿的结合。此外，应尽快图3基于TFCt最优的各地区“十二五”碳强度减排完成潜力

Fig.3The potential carbon intensity reduction for each region in “the 12th fiveyear plan”based on the best TFCt

推进电价的市场化，赋予中西部化石能源丰富的省份和企业自己定价的权力。从而，通过将碳排放权价格转移至电价中，实现对碳排放责任的公平分担。

由于碳强度指标与经济发展脱钩[24]，省际减排初期应采取强度标准，以保证中国经济增长，避免碳排放总量标准下，减排目标与经济增长的冲突。碳减排与交易体系的设计需平衡经济增长和节能减排的关系，遵循“总量刚性、结构柔性”原则[25]。在新常态下，当投入要素驱动转变为技术创新驱动，就可以通过提高效率实现减排与经济发展的共赢。因此，随着经济企稳，碳权分配初期遵循的“公平优先，兼顾效率”，应转向“效率优先，兼顾公平”。

6结论和建议

区域碳权分配以省际碳减排约束性指标为基础，也是进行减排活动的先决条件。本文依照全要素角度，基于非径向方向性距离函数（NDDF）构建各地区“十二五”减排完成潜力指标，研究了中国省际碳权分配中公平与效率原则的适用性，提出了兼顾公平与效率的碳权分配方案。研究发现，在效率最优的假设下，海南与安徽碳减排压力较大，随着区域间经济发展差距扩大，技术差距比扩大，多数省市区需要依靠技术效率推进减排活动。公平与效率“双原则”的采用，则可以有效缓解中国碳减排与经济发展的冲突，降低各省市区减排能力两极分化。

基于此，为促进国家与省际碳减排，解决减排高效率地区与低效率地区的冲突，在“十三五”期间，应采取以下对策：①在公平原则的基础上，考虑效率原则分配碳权，达成“公平优先，兼顾效率”，以“奖优罚劣”的激励保证优势省市区和企业减排的积极性，约束劣势省市区和企业碳排放的低效行为，进而实现减排与经济发展的双赢。同时，应配合清理僵尸企业的改革，积极淘汰高排放、高污染高能耗的产能。②在全国碳市场构建中，弱化历史排放因素，避免减排企业将减排压力后移，并在充分考虑各地区产业结构与经济发展水平差异的基础上构建全国统一的碳排放权交易体系。③随着经济企稳，碳权分配原则应从“公平优先，兼顾效率”转向“效率优先，兼顾公平”。避免“鞭打快牛”，以碳排效率为导向，以碳排放的行业标准形成高效减排的激励与约束机制。④提高各地区技术效率，通过技术创新与进步，提升各地区能源利用效率、加快产业结构转型等，增加低效率区域的碳排放绩效，以保证减排潜力转变为实际减排能力。⑤加快推进电价改革和资源品定价的市场化，赋予企业根据成本自主定价的权力，从而降低“西电东送”工程中西部地区对东部地区的利益转移，减少资源禀赋较高（高耗能产业密集）的西部地区所承担的减排压力，实现减排压力在区域间的公平分担。

（编辑：徐天祥）

参考文献（References）

[1]KVERNDOKK S. Tradeable CO2 emission permits： initial distribution as a justice problem[J]. Environmental values， 1995， 4（2）： 129-148.

[2]VAN S V. Corestable and equitable allocations of greenhouse gas emission permits[R]. 2004.

[3]DE B K， MACHARIS C， VERBEKE A. Multicriteria analysis and the resolution of sustainable development dilemmas： a stakeholder management approach[J]. European journal of operational research， 2013， 224（1）： 122-131.

[4]徐玉高， 郭元. 碳权分配： 全球碳排放权交易及参与激励[J]. 数量经济技术经济研究， 1997 （3）： 72-77. [XU Yugao， GUO Yuan. Carbon distribution： global carbon emissions trading and participation motivation[J]. The Journal of quantitative & technical economics， 1997 （3）： 72-77.]

[5]祁悦， 谢高地. 碳排放空间分配及其对中国区域功能的影响[J]. 资源科学， 2009， 31（4）： 590-597. [QI Yue， XIE Gaodi. The carbon emission permits allocation and its impact on regional functions in China [J]. Resources science， 2009， 31（4） ： 590-597.]

[6]邱俊永， 钟定胜， 俞俏翠， 等. 基于基尼系数法的全球 CO2 排放公平性分析[J]. 中国软科学， 2011 （4）： 14-21. [QIU Junyong， ZHONG Dingsheng， YU Qiaocui， et al. Equity analysis of global CO2 emissios based on gini coefficient [J]. China soft science， 2011 （4）： 14-21.]

[7]戴君虎， 王焕炯， 刘亚辰， 等. 人均历史累积碳排放 3 种算法及结果对比分析[J]. 第四纪研究， 2014， 34（4）： 823-829. [DAI Junhu， WANG Huanjiong， LIU Yachen， et al. The concept of historical cumulative carbon emissions per capita and comparisons among different algorithms [J]. Quaternary sciences， 2014， 34（4）： 823-829.]

[8]朱潜挺， 吴静， 洪海地， 等. 后京都时代全球碳排放权配额分配模拟研究[J]. 环境科学学报， 2015， 35（1）：329-336 [ZHU Qianting， WU Jing， HONG Haidi， et al. Simulation on carbon permits allocation in the postkyoto era[J]. Acta scientiae circumstantiae， 2015， 35（1）： 329-336.]

[9]林坦， 宁俊飞. 基于零和 DEA 模型的欧盟国家碳排放权分配效率研究[J]. 数量经济技术经济研究， 2011， 28（3）： 36-50. [LIN Tan， NING Junfei. Study on allocation efficiency of carbon emission permit in EUETS based on ZSGDEA model[J]. Journal of quantitative & technical economics， 2011， 28（3）： 36-50.]

[10]郑立群. 中国各省区碳减排责任分摊——基于零和收益DEA模型的研究 [J]. 资源科学， 2012， 34（11）： 2087-2096. [ZHENG Liqun. Sharing the carbon emission reduction responsibility across Chinese provinces： a zero sum gains DEA Model [J]. Resources science， 2012， 34（11）： 2087-2096.]