姜文超,孙然,张赟
(江苏省生产力促进中心,江苏 南京 210003)
1997年世界各国缔结《京都议定书》,欧盟委员会承诺将温室气体排放量削减8%,并随后提出碳排放权交易制度(ETS机制)。目前,欧盟超半数企业已进入ETS机制,计划在2020年,整体CO2排放量较1990年的标准基础上再下降20%[1]。中国作为CO2排放第二的国家,同样面临巨大的减排压力,2015年中国向联合国提交《联合国气候变化框架公约》,承诺2030年单位GDP的CO2排放量较2005年至少下降60%[2]。
2011年10月,国家选择北京、上海、天津、重庆、广东、湖北和深圳7个城市作为碳排放权交易试点地区。2014年12月,国家出台《碳排放权交易管理暂行办法》,正式开展碳市场建设工作。2016年1月,国家发布《关于切实做好全国碳排放权交易市场启动重点工作的通知》,开始进行碳交易市场的启动工作[3]。
目前对于碳配额的分配机制尚处于研究阶段[4-6],本文以江苏省13个地市为研究对象,通过研究国内外相关研究成果,选取城市发展水平、产业结构、能源结构三个一级指标,并借助德尔菲法对于各指标赋权重,构建形成碳配额分配指标评价体系。继而选取江苏省2018年数据进行分析,得出各地市的碳配额分配系数,可作为城市碳排放控制效果的评价标准。
1.1.1 国内生产总值GDP
众多学者的研究均表明,经济增长是影响碳排放量的重要因素。Sheinbaum等人运用LMDI分解法分析了墨西哥1970~2006年间的碳排放数据,发现经济增长对于钢铁工业CO2排放的贡献率高达134%[7]。Li等人利用STIRPAT模型对南京市2000~2016年间的碳排放数据进行模拟,也发现经济发展与CO2排放量增加间存在明显的正相关关系[8]。
时兆会的研究与上述结论一致,他发现北京市人均GDP每提高1%,整体的CO2排放量会增加1.81%。但是城市碳排放总量并不是随经济增长而无限制增加[9]。Grossman等人对此进行深入研究,提出经济增长与CO2排放量的环境库兹涅茨曲线假设,指出经济增长与碳排放量间呈现倒“U”字型的曲线关系[10]。谭静等人的研究得出相似的结论,认为经济增长与CO2排放间存在“绿色悖论”、“倒逼减排”的规律[11]。
1.1.2 外商直接投资
朱亚军等人利用SDM模型研究西部地区产业结构与碳排放间关系时,发现外商直接投资与城市碳排放量之间,在动态SDM模型中呈负相关关系,而在静态SDM模型中则呈相反趋势,并将其归因于西部地区区域发展不平衡[12]。王垒等借助动态面板系统GMM模型,实证分析2000~2015年中国30个省份外商直接投资与CO2排放量的动态关系,结果表明外商直接投资对于碳排放有显著的动态促进作用,这是因为外资企业拥有高效能的设备与先进的节能技术[13]。彭红枫等人得出类似的结论,并且发现直接外商投资的碳减排效应呈现一定的区域差异,中西部地区并不明显,东部地区则较为典型[14]。
1.1.3 人口
朱亚军等人在研究西部地区产业结构与碳排放间关系的同时,发现人口数量与碳排放量间存在正相关关系,其将原因归结于西部人才引进对于环境的改善[12]。潘伟等人利用LMDI法对不同行业的CO2排放量的影响因素进行分解,发现人口规模效应在不同行业均体现出明显的促进作用,尤其是工业和建筑业中,人口规模效应对于碳排放量的拉动作用仅次于经济产出效应[15]。杨帆等人利用时间序列VAR模型来研究人口变量对江苏省碳排放量的影响程度,发现城镇人口数量与总体CO2排放量间呈现倒“U”型变化规律,并且人口的年龄、性别和城乡结构等因素对于结果存在不同程度的影响[16]。
虞义华等人借助可行性广义估计模型,研究第二产业与碳排放量的线性关系,发现产业结构中第二产业比重越高,CO2排放总量越高,因此认为产业结构调整对碳排放量降低有正向推进作用[17]。张琳杰等人通过分析1997~2016年间31个城市的产业数据,进而构建面板数据模型,发现第二产业对碳排放的影响高于第一、三产业[18]。Jia等人的研究结果表明产业结构效应对于2011~2015年工业CO2排放的贡献率为-9.46%[19]。Chen等人研究认为,大连市通过优化产业结构,降低高能耗产业比重,有效降低了整体CO2排放量[20]。
毋庸置疑,煤炭、石油、天然气等化石能源占比的增加将严重影响城市碳排放总量。如曹甲威等人发现,2013年能源结构变化对贵阳市整体碳排放的贡献率为26.3%[21]。曲健莹等以湖南省为例,利用LMDI模型分析了能源结构变化对碳排放强度的影响。结果表明:能源强度的影响强于能源结构,并且与能源强度相关度最高的产业为化学原料及化学制品制造业、非金属矿物制造业以及电力热力生产和供应业[22]。黄光球等人使用类似的方法分析了陕西省能源消费和CO2排放量的关联性,结果表明煤炭和石油的消耗比例每上升1个百分点,整体碳排放量会分别提高0.31%和0.13%,而天然气和可再生能源的消耗比例每上升1个百分点,整体碳排放量则分别下降0.39%和0.44%[23]。
综上所述,本文构建基于城市评价的碳配额指标体系如表1所示:
表1 基于城市评价的碳配额指标体系
为了实现各指标合理赋权重,本文选用德尔菲法进行指标权重分析[24],经过组织多轮专家打分,确定各指标元素间的重要性程度,得到各指标的判断矩阵。然后通过层次分析法[25]计算各级指标的权重,并对于矩阵的一致性进行分析,确定指标权重的合理性和满意度。
各指标的判断矩阵如下所示:
本文根据德尔菲法与层次分析法相应计算方法,根据上述各级指标建立的判断矩阵,计算各个指标的相对权重值,并对矩阵进行一致性检验,确保指标权重可信。
(1)一级指标。
表2 一级指标权重分析表
经计算求得λmax=3.0023,C.I.=0.00115,R.I.=0.89,C.R.=0.0013<0.1,说明矩阵具有满意一致性,结果可接受。从相对权重值可以发现,对于城市碳配额的数据贡献程度从大到小依次为经济水平>能源结构>产业结构。
(2)二级指标。
表3 城市发展二级指标权重分析表
经计算求得λmax=3,C.I.=0,R.I.=0.89,C.R.=0<0.1,说明矩阵具有完全一致性,结果可接受。
产业结构二级指标仅服务业占比,因此其权重为20.0%。
能源结构二级指标中的煤炭占一次能源消费比重和非化石能源占比两个评价要素经过数据判断重要性一致,因此权重均为15%。
本文选用江苏省2018年统计年鉴与能源年鉴中相关数据,根据各一级、二级指标要求绘制形成表4。
表4 江苏省各地市指标评价表
续表
表5 江苏省各地市碳配额分配系数表
根据上述指标数据进行归一化评分,并按照各指标权重进行加权计算,形成江苏省各地市碳配额调整指标得分,指标得分/100作为江苏省13各地市的碳配额分配系数。结果表明,基于城市评价的碳配额分配系数从大到小依次为苏州>南京>无锡>盐城>南通>徐州>常州>扬州>宿迁>连云港>泰州>淮安>镇江。
本文结合文献调研,分析出影响城市整体碳排放的三个主要因素作为一级指标,即城市发展水平、产业结构、能源结构,并借助德尔菲法和层次分析法对于各指标赋权重,从而构建完成碳配额分配指标评价体系。结合江苏省2018年各地市统计数据,计算得出各地市的碳配额分配系数,苏州、南京、无锡分别列前三位。该方法可用于城市的碳配额分配计算,同时也可以作为城市碳排放控制效果的评价标准,从而进一步完善全国碳排放权交易市场机制研究。