基于投影寻踪模型碳锁定效应的测度与分析

牛鸿蕾 刘志勇

摘要：从固定投入、技术、制度、社会行为四个维度构建碳锁定效应综合评价指标体系，并建立投影寻踪模型评价模型。以江苏省为例，测度并分析总体碳锁定效应及固定投入、技术、制度和社会行为的碳锁定水平。结果表明：作为创新能力居前列的科技大省，江苏为实现碳解锁目标，应继续维持固定投入、制度与技术解锁效应的稳定发挥，并充分依托于技术解锁的先行优势，着力缓解社会行为的碳锁定效应显著增强的问题。

Abstract： The comprehensive evaluation index system of carbon lock-in effect is constructed from four dimensions of fixed investment， technique， institution and social behavior， and the projection pursuit evaluation model is established. Taking Jiangsu Province as a case study area，this paper measures and analyzes its overall carbon lock-in effect and carbon lock-in levels of fixed investment， technology， institution and social behavior. The results show that， as a leading science and technology province with innovative capabilities， in order to achieve the carbon unlocking goal， Jiangsu should continue to maintain a stable display of fixed investment， system and technology unlocking effects， fully rely on the leading advantages of technology unlocking， and focus on alleviating the problem of significantly enhanced carbon lock-in effects.

关键词：碳锁定效应;综合评价;投影寻踪模型;加速遗传算法

Key words： carbon lock-in effect;comprehensive evaluation;projection pursuit model;accelerating genetic algorithm

中图分类号：X322                                         文獻标识码：A                                  文章编号：1006-4311（2020）02-0179-02

0  引言

目前，我国已大力推进低碳化转型的战略措施，但收效不甚明显，主要由于经济发展锁定在以化石燃料为基础的能源体系格局中，即发生碳锁定效应。为解决高速发展与低碳的深层次矛盾，探索如何治理碳锁定效应已成为一项紧迫任务和重要课题，也是决策层在“十三五”期间的战略考虑焦点之一。作为经济大省与典型的能源输入型地区，江苏每年的石化能源消费量位居全国的前列。故本文以该省为例，运用基于实码加速遗传算法的投影寻踪模型，测度并分析碳锁定效应，以期为制定治理碳锁定的相关政策措施提供有价值的理论参考。

1  综合评价指标体系构建

本文从四个维度构建碳锁定效应的综合评价指标体系，并选取4个一级指标和17个二级指标。一级指标包括：固定投入锁定水平（A）、技术锁定水平（B）、制度锁定水平（C）和社会行为锁定水平（D），17个二级指标具体分别包括：属于固定投入锁定水平（A）的A1第二产业增加值占GDP的比重、A2高技术产业固定资产投资额占全社会固定资产投资额的比重、A3固定资产折旧占GDP的比重、A4固定资产碳排放强度（碳排放总量/全社会固定资产投资额）;属于技术锁定水平（B）的B1能源强度（能源消耗总量/GDP）、B2碳排放强度（碳排放总量/GDP）、B3技术市场成交额和B4研究与试验发展经费内部支出;属于制度锁定水平（C）的C1地方财政一般预算内科学支出、C2公有经济企事业单位科学研究专业技术人员数、C3环境污染治理投资占GDP的比重及C4国有经济煤炭采选业、石油和天然气开采业、石油加工及炼焦业、煤气生产和供应业固定资产投资额占能源工业总投资额的比重;属于社会行为锁定水平（D）的D1平均家庭户规模、D2人均国内或地区生产总值、D3.旅客周转量总计、D4城市天然气普及率和私人汽车拥有量。

2  方法选择及数据来源

作为处理与分析高维数据的一类方法，投影寻踪（Projection Pursuit，即PP）的思想史将高维数据投影至低维子空间上，寻求能够体现原数据结构及特征的投影，从而实现对于高维数据研究与分析的目的。该方法最早在1974年由美国斯坦福大学的Friedman和Tukey提出并命名。PP克服了高位点稀分布带来的困难——“维数祸根”，突破传统的证实性数据分析思维方法，且可用于解决一定程度的非线性问题。另一方面，用PP法处理问题时无须人为假设，具有较好稳健性，故本文采用投影寻踪模型。具体思路是：通过该模型求得反映多个碳锁定影响因素的综合指标特性的投影特征值，并构建特征值及因变量的投影指标函数，寻求确保函数最优的投影值。理论上，该值的大小与碳锁定水平呈正比，可据此判定碳锁定效应时空演变特征。

当前，蚁群算法、遗传算法、粒子群算法等多种智能优化算法已广泛用于求解投影指标函数，但普遍存在一些弊端，主要体现在早熟收敛、易困于局部最优、运算速度慢等方面。本文选取基于实数编码的加速遗传算法（Real-coded Accelerating Genetic Algorithm，RAGA），能够一定程度上缓解这些问题。因为该种算法是一种改进的遗传算法，借助决策变量真实值编码，并增加一个加速运算程序，使优秀个体区间迅速缩小并接近最优点，在运算精度、效率及寻优性能方面具有明显优势。因此，下文将采用基于实数编码加速遗传算法的投影寻踪模型，测度江苏省的碳锁定效应水平并分析其演变趋势。

本文选取2003-2016年江苏省的评价指标数据为样本，数据来源是2004-2017年的《江苏统计年鉴》、《中国统计年鉴》、《中国能源统计年鉴》、《中国固定资产统计年鉴》、《中国高技术产业统计年鉴》、《中国科技统计年鉴》、《工业企业科技活动统计年鉴》等。

3  碳锁定效应的评价与分析——以江苏省为例

如图1 所示，2003年以来，江苏碳锁定效应投影值呈现总体下降的趋势，由2003年的1.315降至2016年的1.118，年均增速为-1.241%。社會行为锁定效应投影值的年均值为1.181，接近总锁定效应的投影均值（1.19），两者始终处于高位水平，且远大于制度锁定、固定投入锁定及技术锁定的投影值。从投影值的年均值水平来看，上述4类一级指标反映的锁定水平按由大到小排序，依次为：社会行为锁定、制度锁定、固定投入锁定和技术锁定。其中，技术锁定效应具有大幅下降的变化趋势，年均降速高达10.60%，这说明：江苏省多年来实施创新驱动战略，在很大程度有利于通过技术创新带动经济社会发展的低碳化转型。而固定投入锁定与制度锁定水平的年均降速均处于6-8%之间的较高水平，也能说明该省在制度方面为低碳发展创造了良好的条件。与之形成对比，社会行为锁定水平以年均1.36%的速度上升，主要是由于城镇化步伐加快，人们收入水平提升，生活条件改善。尽管一直提倡并践行绿色生活及行为方式，但随着人均收入的提升，社会精神物质产品的日益丰富，在生活领域碳锁定形势很难迅速被打破。可见，固定投入、技术和制度方面的碳解锁效果日益显现，对总体碳锁定效应的减轻起到积极的促进作用，而对于社会行为方面的碳锁定问题应更为妥善的加以解决，以缓解其对实现碳解锁目标产生的不利影响。

4  结论

通过构建碳锁定效应综合评价指标体系，本文运用实数编码加速遗传算法的投影寻踪模型，以江苏省为例测度并分析各维度的碳锁定效应水平。结果表明：该省总体碳锁定效应呈现平稳、小幅下降的趋势，固定投入、技术和制度方面的碳锁定水平在减弱，其中，技术锁定的年均水平最低，且以最快的速度下降。由此可知，为了实现碳解锁目标，在保证固定投入、制度与技术解锁效应充分发挥的前提下，依托于技术解锁的先行优势作用，应着力于缓解由社会行为所带来的碳锁定加剧问题。

参考文献：

[1]Unruh， G. C. Understanding Carbon Lock-in[J].Energy Policy， 2000， 28（12）：817-830.

[2]Unruh， G. C. Escaping Carbon Lock-in[J].Energy Policy， 2002， 30（4）：317-325.

[3]王志强，蒲春玲.新疆区域碳锁定形成机制与判定研究[J].环境科学与技术，2018，41（03）：168-172，185.

[4]蔡海亚.中国碳锁定的行业差异分解与解锁路径分析[J].北京交通大学学报（社会科学版），2018，17（02）：44-51.

[5]李宏伟.“碳锁定”与“碳解锁”研究：技术体制的视角[J].中国软科学，2013（4）：39-48.

[6]梁中.“产业碳锁定”的内涵、成因及其“解锁”政策-基于中国欠发达区域情景视角[J].科学学研究，2017，35（1）：54-62.

[7]金菊良，杨晓华，丁晶.基于实数编码的加速遗传算法[J].四川大学学报工程科学版，2000，32（4）：20-24.