我国省域碳排放绩效差异及影响因素研究

摘   要：不同地区人口、经济和技术等发展水平和特征呈现出较大差异，这使得碳排放绩效以及影响碳排放绩效的因素也存在差异。本文在评估2001—2019年全国各省区碳排放绩效基础上，深入分析碳排放绩效的结构和差异，研究分析其影响因素，并提出完善碳绩效考核机制、制定差异化碳减排政策、完善碳减排管理制度、加快能源结构转型等政策建议。

关键词：碳排放绩效;Malmquist指数;碳减排

DOI：10.3969/j.issn.1003-9031.2022.09.004

中图分类号：F124.6;F062.1        文献标识码：A       文章编号：1003-9031（2022）09-0042-16

一、引言

目前，全球已经有54个国家的碳排放实现达峰，其中大部分属于发达国家。我国碳减排的难度远远高于发达国家，由于经济发展仍处于上升期，当前阶段发展对化石能源消耗仍具有较高的需求，碳排放仍处在一个平稳增长的趋势。“双碳”目标意味着广泛而深刻的社会经济系统性变革，只有采取科学、严苛的减排机制才能确保“双碳”目标如期实现。碳排放权意味着发展权，由于我国不同地区人口、经济和技术等发展水平和特征呈现出较大差异，碳排放不平衡问题尤其突出，造成不同地区在碳减排任务分配时存在较大的利益冲突，这就需要在碳减排过程中平衡好地区间发展，避免因碳减排进一步扩大不同区域发展差异。在碳减排过程中实现区域协调发展有赖于科学的碳减排机制，而评估各地区间的碳排放差异，准确识别造成这种差异的因素，是进一步制定和明确各地区碳减排任务的基础，也是完善碳补偿机制并制定差异化政策措施、开展各类减排活动的重要前提。

二、文献综述

有关碳排放研究对象主要有碳排放量、碳排放强度、人均碳排放、碳排放效率以及碳排放绩效等。碳排放量依据碳核算方法测算得出，较为成熟的国际碳排放核算体系以联合国政府间气候变化专门委员会（IPCC）的《国家温室气体清单指南》为代表。碳排放强度、人均碳排放量等变量是基于碳排放总量计算出来的。碳排放效率是一种考虑了碳排放生产技术的环境效率，环境效率被定义为考虑污染排放等非期望产出的经济单位的实际产出和潜在产出的比值，主要通过使用随机前沿分析（SFA）和数据包络分析（DEA）等方法构建生产前沿面测算得出（周五七和聂鸣，2012）。

碳排放绩效与碳排放效率具有相似之处，但碳排放绩效更加强调能源消费、经济发展、生产要素等多个因素共同作用的结果，因此在测算中要突出“全要素”特点，基于此，大量学者使用DEA模型对碳排放绩效进行测算，将能源消费、生产要素作为投入，形成GDP期望产出和碳排放非期望产出。如Zhou等（2006）利用DEA方法从宏观角度上测算并评价了OECD国家和部分地区碳排放绩效。王群伟等（2010）利用含有非期望产出的DEA模型构建可用于研究碳排放绩效动态变化的Malmquist指数，测度了1996—2007年我国28个省区市二氧化碳的排放绩效。韩晶等（2015）利用DEA-Malmquist指数对2005—2011年全国各省的工业碳排放绩效进行测算。王少剑等（2020）基于DEA超效率SBM模型对中国各城市碳排放绩效进行测定。

碳排放差异研究方面，大部分研究认为尽管我国碳排放强度有所下降、碳排放绩效有所改善，但人均碳排放量仍处于增长阶段，减排整体任务仍较重，省域碳排放存在显著的区域差异，发展极不平衡。任志娟（2014）研究发现，2003—2010年全国碳减排总量的均值持续上升，但碳排放强度稳中有降，人均碳排放量温和上升，全国各省份的碳排放强度和人均碳排放差异较大。王群伟等（2010）的研究表明，我国碳排放绩效主要因技术进步而不断提高，东、中、西以及东北四大区域碳排放绩效有所差异，但差异性有下降趋势。张珍花等（2011）根据年均碳排放量将全国各省划分为重度、中度以及轻度排放区，发现重度与中度排放区域的碳排放水平差异在扩大，而中度与轻度排放区域的碳排放水平差异在缩小。

研究碳排放影响因素是解决碳排放问题的关键，20世纪70年代，美国生态学家Ehrlich和Comnoner提出IPAT模型，认为环境的三个直接因素是人口、人均财富、技术及这些因素之间的相互作用。Dietz T等在IPAT模型基础上进一步发展STIRPAT模型，将区域环境的影响因素分解为人口、经济发展水平和技术因素三大类，为分析碳排放影响因素提供一个较为实用的框架，之后大量研究中，对碳排放影响因素的选取都建立在该模型基础上（吴青龙等，2018）。大部分研究认为经济水平是造成碳排放增长的最主要因素，能源强度等是抑制碳排放量增长的重要因素，人口规模、城市化水平、居民收入、贸易水平也是影响碳排放增长的重要因素，但对于产业结构、能源结构对碳排放是否存在确切影响尚未达成共识。潘家华和张丽峰（2011）研究认为碳生产率反映经济增长与碳排放之间的依存关系，影响碳排放因素包括经济发展水平、产业结构、能源消费结构、能源利用效率、消费方式等。周杰琦和韩颖（2016）证实人均实际 GDP 是碳强度省际差异形成的首要因素，其他因素按照贡献由高到低依次是能源结构、人口结构、技术水平、产业结构，对外开放的贡献较低。

已有研究中主要存在以下不足。从研究对象来看，大部分采用碳排放量、人均碳排放量、碳排放强度、碳排放效率等作为研究对象，这些指标是静态的，未能全面反映经济发展水平、技术进步等外在因素动态变化对碳排放效率改善的影響，一般只适合地区间同一时期的横向比较而不利于不同时期地区间的纵向比较。在分析碳排放区域差异上，研究碳排放指标的效率变化、技术进步角度分析的较少，缺乏多要素共同作用的综合分析，且在区域划分上较多直接采用行政地理区域划分，忽略同一区域内不同省区经济发展水平、技术水平的差异。从研究时期来看，文献重点关注2010年以前的碳排放情况，党的十八大以来，我国越来越重视低碳经济发展，积极采取措施促进节能减排，2020年全国碳排放强度较2015年降低18.8%，已有研究无法全面反映我国在碳减排领域所取得的成效。结合已有研究的不足，本文综合考虑能源、资本、劳动力等要素，使用包含非期望产出的SBM模型测度碳排放生产效率，并基于生产技术前沿面的距离函数，构造一种可考察动态变化的Malmquist碳排放绩效指数，从动态的角度研究碳排放区域差异性，并利用2001—2019年我国28个省区的面板数据对影响碳排放绩效的因素进行实证研究，并根据实证结果提出建议，以期为促进完善碳减排政策体系、促进各地区协调发展提供有益参考。

三、我国省域碳排放绩效区域差异分析

（一）我国碳排放总体情况

中国碳排放数据库CEADs显示，我国碳排放总量不断增长，但增长趋势有所减缓，各省区碳排放总量从2001年32.25亿万吨上升至2019年108.82亿万吨，增速从2003、2005年约18%的高位下降至2019年的3%左右，表明我国碳排放增长趋势得到初步控制（见图1）。

碳排放强度方面，若GDP价格以2000年为基期计算，我国每单位实际GDP碳排放强度下降明显，从2001年的3.0036下降至2019年的1.7720，19年间累计降幅达41%，表明我国碳减排取得了积极成效。然而，我国碳减排仍面临着严峻形势，由于经济体量大、能源消费需求仍处于上升阶段，我国人均碳排放量仍呈现出稳步上升态势，人均碳排放量从2001年的2.55吨/人上升至2019年7.75吨/人。国际能源署数据显示，中国碳排放量总量排全球第一，人均碳排放量超过发达经济体的平均水平，2020年发达经济体的人均碳排放量降至8.2吨，低于中国8.4吨的水平，可以预见，“双碳”目标实现过程中，我国碳排放空间将越来越小。

（二）碳排放績效测度

为更好反映经济水平、能源、技术等因素的综合作用及其动态变化，本文深入研究碳排放绩效的变动情况与区域差异。首先使用含有非期望产出的超效率SBM模型计算碳排放生产效率，再使用碳排放生产效率构造Malmquist指数，以衡量碳排放绩效。

1.构建含有非期望产出的超效率SBM模型

当经济系统的环境效率考虑了碳排放等非期望产出，就称之为碳排放生产效率。碳排放生产效率的测算和评价通常需要使用DEA模型，DEA模型将资本、劳动力、能源等作为投入指标，将GDP和碳排放量作为产出指标。但当决策单元（DMU）存在投入过度或产出不足时，经典DEA模型会高估决策单元的效率值，使得所计算结果不符合客观实际。为此，Tone（2001）基于DEA构建一个SBM（Slacks-Based Measure）模型克服了上述问题。减少污染物排放成为经济系统的重要目标，在考虑非期望产出情况下，不管投入多少，都期望产出更少的废弃物。为更好评估含有非期望产出经济系统的效率，Tone（2003）在基于SBM模型，构建含有非期望产出 SBM 模型，具体为：

2.构造及分解Malmquist指数

Malmquist由瑞典经济学家Sten Malmquist在1953年首先提出并得到不断丰富发展，Malmquist指数本身已经得到了学术界的广泛认可，但对M指数分解形式仍存在分歧。碳排放绩效本质上是衡量碳排放生产率的变动水平，因此碳排放Malmquist指数必然涉及DMU两个不同时期的碳排放效率值的比较。Malmquist 指数本质上是两个距离函数值的比值，通过线性规划方法（如DEA）测度技术效率后，然后将其转化为距离函数值。借鉴成刚（2014）做法，本文使用含有非期望产出的超效率SBM模型测度得出的生产效率作为距离函数值，计算Malmquist指数，以此来衡量碳排放绩效。Fare 等（1992）根据投入导向的 CCR 模型构建了几何平均的综合Malmquist指数并分解为 EC 效率变化和TC技术变化（技术进步），也称为FGLR（1992）分解。根据 Malmquist指数的公式也可以直接推导出规模报酬可变的Malmquist指数，并分解为PEC纯技术效率变动和 PTC纯技术变动，分解公式如下所示：

（三）碳排放绩效总体情况及区域差异分析

1.投入产出指标选取及数据来源

基于上述思路，结合数据的可得性和实证研究需要，本文以我国28个省2000—2019年的数据为样本，海南、西藏、宁夏的数据缺失严重，予以剔除。投入数据选取劳动力、资本和能源等指标，产出数据选取实际GDP和碳排放总量。劳动力投入选取平均从业人员。资本投入使用资本存量来衡量，借鉴单豪杰（2008）的做法，以2000年为基期，采用永续盘存法基于历年固定资产投入、固定资产价格指数等数据计算得到资本存量。能源投入采用能源消费总量来衡量。实际GDP以2000年为基期，基于地区生产总值指数、名义GDP等指标计算得出。以上原始数据均来源于历年《中国统计年鉴》《中国能源统计年鉴》以及国家统计局。碳排放总量来源于中国碳排放数据库CEADs。相关数据的描述性统计如表1所示。

2.碳排放绩效动态变化总体情况分析

基于以上数据，本文使用含有非期望产出的超效率SBM模型测算碳排放绩效。由于碳排放绩效反映了两个不同时期碳排放效率值的比较，因此碳排放绩效计算结果将减少1个。在规模报酬不变假设下，根据上述模型公式使用Matlab测算得到2001—2019年28个省的具体碳排放排放绩效指数。表2给出了历年平均的Malmquist碳排放绩效指数及其分解值，图2是累计的Malmquist碳排放绩效指数及其分解的变动情况。

表2和图2显示碳排放绩效的纯技术效率（PEC）呈现下降趋势，在19年间从0.9944下降至0.7257，累计降幅达27.01%，平均年降幅1.42%;碳排放绩效的纯技术变动（PTC）累计增长65.77%，年均增长3.46%。由于PEC的下降幅度小于PTC的增长幅度，使碳排放绩效指数（Malmquist）保持稳步增长趋势，19年间累计增长20.98%，碳排放绩效年平均改进效率保持1.10%水平。

从图2可知，2001—2005年碳排放绩效的累计变动值有所下降，表示碳排放绩效出现一定程度的退化，主要由于碳排放技术效率下降过快所致（在4年间累计降低11.82%），其中2004、2005年碳排放绩效也一定程度受碳排放纯技术变动下降的影响，这可能与该时期我国高耗能、高排放行业发展过快有关，2005年我国呈现出过度工业化特征（王群伟等，2010），呈现出一定程度的规模不经济，导致我国碳排放总量快速上升、碳排放绩效下降。

3.碳排放绩效动态变化区域差异分析

受诸多因素影响，我国碳排放绩效可能呈现出区域差异。一般而言，省区的人均碳排放量越小，表明碳排放生产效率越高。本文利用28省区2001—2019年人均碳排放量的年平均值作为划分依据，将28省区划分为低排放区（12个）、中排放区（11个）、高排放区（5个），分别考察各个区域内的碳排放绩效动态变化情况（见表3）。表4给出了低、中、高排放区域的排放绩效Malmquist指数及其分解的历年均值和累计值。

表4显示，低、中排放区域的Malmquist平均指数大于1，表明这些区域的平均碳排放绩效均得到改善，累计改善的幅度分别达19.05%、50.79%，主要得益于纯技术改进的平均幅度大于技术效率退化的幅度，中排放区域的纯技术改进累计增幅高达86.44%。高排放区域Malmquist指数指数小于1，表明其碳排放绩效存在退化，退化幅度累计接近30%，主要原因是技术效率退化的幅度较大，累计超过50%，说明高排放省区的技术效率存在较大的改善空间。

为进一步揭示全国及各类排放区域内部的碳排放绩效改善进程，本文运用绝对？茁收敛理論对碳排放绩效进行收敛性分析。设yi，0和yi，t分别表示基期和第t期的碳排放绩效指数，则？茁收敛检验模型为：

1n（yi，t / yi，0）=？琢+？茁1n（yi，0）+？滋i，t    （11）

1n（yi，t / yi，0）表示从基期到第t期碳排放绩效的平均增长率，当系数？茁为负，则表明i省区的碳排放增长率与基期呈现反向变动关系，存在收敛性。利用全国28省及分区域的碳排放面板数据对上述模型进行检验，检验结果见表5。表5显示，全国28省、低排放区、高排放区系数分别在5%、10%、5%显著水平下为负数，存在绝对？茁收敛，中排放区的收敛性则不明显。？茁系数的大小反映出碳排放绩效平均增长率与基期碳排放绩效的背离程度，低排放区碳排放绩效的收敛速度和趋同性要快于中、高排放区，表明低排放区的碳减排绩效进程更快。为加强这种趋同性，有必要增强区域间的碳减排技术交流和碳补偿机制合作。

四、我国碳排放绩效影响因素实证研究

（一）模型构建与指标选取

为进一步揭示全国28省碳排放绩效及其组成部分差异的原因，本文对相关变量做进一步分析。IPAT模型被广泛应用于分析环境效率，其随机形式为STIRPAT模型：I=？琢Pa1Aa2 Ta3e，其中，I为碳排放指标，P为人口因素，A表示经济发展情况，T表示技术水平，e为随机误差。STIRPAT模型允许驱动因素进行适当分解。为更深入探究我国碳排放绩效的驱动因素，结合我国碳排放影响因素实际情况，本文对STIRPAT模型进行扩展和延伸，构建如下模型：

Mali，t=？琢1+？琢2lnpgdpi，t+？琢3（lnpgdpi，t）2+？琢3lnPi，t+？琢4lnTi，t+？琢5EIi，t+？琢6ISi，t+？琢7ESi，t+？滓i，t+？滋i，t       （12）

PECi，t=？琢1+？琢2lnpgdpi，t+？琢3（lnpgdpi，t）2+？琢3lnPi，t+？琢4lnTi，t+？琢5EIi，t+？琢6ISi，t+？琢7ESi，t+？滓i，t+？滋i，t   （13）

PTCi，t=？琢1+？琢2lnpgdpi，t+？琢3（lnpgdpi，t）2+？琢3lnPi，t+？琢4lnTi，t+？琢5EIi，t+？琢6ISi，t+？琢7ESi，t+？滓i，t+？滋i，t   （14）

Mal表示i省区t时期的碳排放绩效Malmquist指数，PEC、PTC为Malmquist指数分解而来的纯技术效率变动、纯技术变动，核心解释变量为经济发展水平（lnpgdp）、人口因素（lnP）、技术水平（lnT），控制变量为能源强度（EI）、能源结构（ES）、产业结构（IS）。？滓i表示未观察到的固定效应，表示区域特征对碳排放绩效的影响。库兹涅茨假说认为经济发展水平与环境影响存在倒U型关系，本文在全国28省面板数据回归中设置对照组（即是否加入二次项）考察这种关系是否存在。变量的指标选取说明如下（见表6）。

经济发展水平（lnpgdp）。根据库兹涅茨假设，环境效率与经济发展水平可能存在倒U型关系，本文使用人均实际GDP的对数值来衡量经济发展水平变量，并引入二次项。

人口因素（lnP）。参考已有文献，本文考虑人口规模变化对碳排放绩效的影响，人口规模使用年末常住人口的对数值来表示。

技术水平（lnT）。已有研究认为，由于科技创新、技术进步能提升能源效率，优化能源结构，有助于提升碳排放绩效，结合数据可得性，本文使用国内专利申请授权量的对数值衡量技术水平。

能源强度（EI）和能源结构（ES）。能源强度反映了每单位GDP所消耗能源量，因此能源强度越高，碳排放绩效越低，本文使用能源消费总量和实际GDP的比值来表示。在一次能源中，煤炭燃烧产生的碳排放量占比最大，本文将煤炭消费占终端能源消费总量的比值指代能源结构。

产业结构（IS）。产业结构的变化对碳排放绩效有显著的影响，第二产业尤其是高耗能、高排放的产业占比越高，碳排放量越大，产业结构的变动也会影响能源效率，从而影响碳排放总量，本文选取第二产业占GDP比重代表产业结构。

城市化水平（UL）。为考察城市化进程中人口迁移至城镇对环境的影响，本文将城市化水平纳入模型，使用城镇人口与年末常住人口的比值来衡量。

对外开放水平（OL）。地区进出口额增加，意味着对外开放水平提高，对外开放水平提高不但会增加碳密集地区的碳减排压力，而且减排技术外溢性带来了先进技术、设备和管理经验，从而带来碳排放绩效的变化。本文选取进出口总额与GDP的比值衡量对外开放水平。

以上指标的原始数据来源于国家统计局以及《中国统计年鉴》《中国能源统计年鉴》《中国人口与就业统计年鉴》。为确保数据可比性，统一以2000年为基期进行计算，以剔除价格因素影响。样本数据经原始数据计算得到，28省2001—2019年共得到532个观测值，各变量描述性统计量见表7。

（二）实证结果分析

本文首先使用28省2001—2019年面板数据进行回归分析。hausman检验显示使用固定效应模型对模型进行估计更佳。表8报告了全国28省分别以碳排放绩效（Mal）及其分解因素（技术效率变动PEC、纯技术变动PTC）的模型估计结果。模型（1）中，在全国层面，经济发展水平、产业结构对碳排放绩效具有显著正向影响，这些因素每增长1单位分别能使碳排放绩效改善0.089、0.223单位;然而，技术水平、人口规模、能源结构等因素抑制了碳排放绩效的改善。模型（2）显示，人均实际GDP的二次项系数为正，表明碳排放绩效与经济发展水平存在显著U型关系。模型（3）—（6）分别以PEC、PTC为被解释变量，同时加入人均实际GDP的二次项进行检验，结果显示，经济发展水平与纯技术效率变动存在U型关系，而与纯技术变动不存在此关系;相比之下，能源强度对技术效率变动具有显著的负面影响，但对纯技术变动无明显影响，能源结构则反之，对外开放水平对纯技术变动存在显著的负面影响。

上述结论具有较强的政策含义。第一，碳排放绩效与经济发展水平存在从负相关向正相关转变的关系，当前经济发展阶段中，两者更多是呈现出显著负相关，表明经济发展中存在过于追求经济效益而忽视环境效益的现象，特别是存在忽视环境技术效率的现象。第二，技术效率和技术进步的影响因素存在差异，使二者呈现出不协调现象，总体技术进步对碳排放绩效没有发挥出应有的正向影响作用，表明要进一步处理好管理制度的“软”实力创新和科技进步“硬”实力创新的关系，既要注重碳减排技术创新，也要加强环境管理制度创新，提高碳减排技术管理的效率。第三，产业结构、能源因素等对碳排放绩效有显著的影响，表明既要支持绿色产业发展，加快发展风电、光伏等清洁能源产业，又要加大对高耗能产业的升级改造力度，严格控制高耗能高排放行业的新增和发展。

为进一步考察上述因素对低、中、高排放区域的影响，本文对各区域的样本数据进行回归分析（见表9）。结果显示，上述因素对各区域的影响呈现出较大差异。总体来看，低排放区碳排放绩效主要受产业结构正向影响，中排放区域同时显著受到经济发展水平和产业结构的正向影响以及人口规模、能源结构的负向影响，高排放区域受技术创新、对外开放水平的一定影响。经济发展水平与碳排放绩效的U型关系仅在中、高排放区域成立，在低排放区域中不成立，但低排区域碳排放纯技术变动与经济发展水平呈现出一定的倒U型关系，低排放区域的碳排放绩效纯技术进步明显，主要得益于经济快速发展、产业结构改善以及对外开放水平提升。结果表明在不同区域制定和实施统一的碳减排政策和碳补偿机制具有较大难度。

上述结论说明不同人均碳排放量区域碳排放绩效的影响因素呈现出显著的结构差异，碳减排、碳补偿政策制定和实施必须考虑这些差异。第一，低排放区域的技术效率具有一定的改善空间，碳减排政策制定应以改善技术效率为目标，在产业结构升级、对外交流合作中应注重加強碳减排技术、制度安排的交流和扩散。第二，中排放区域碳排放绩效技术效率受能源结构、人口规模的负面影响较大，碳减排政策应注重人口规模因素，加快推进节能低碳建筑和低碳设施，引导居民消费向绿色低碳消费转变，加强对清洁能源的开发使用。第三，高排放区域能源结构以煤炭为主，其技术效率退化严重拖累碳排放绩效改善，短期内碳排放绩效难以改善，要合理设置减排目标，避免强减排约束引起经济发展的剧烈波动，加大地区的转型风险，同时应注重逐步完善煤炭领域碳排放控制管理机制，提高煤炭清洁高效利用效率。

五、结论及政策建议

（一）结论

本文主要深入分析2001—2019年全国28省区碳排放绩效差异和影响因素，主要结论如下：第一，尽管碳减排对经济发展的约束作用日益明显，然而，我国碳排放绩效指数保持稳步增长趋势，主要得益由于碳排放绩效的纯技术改善的速度快于纯技术效率。第二，不同人均碳排放量区域的碳排放绩效改善存在显著差异，低、中排放区域的平均碳排放绩效均得到改善，主要得益于纯技术改进的平均幅度大于技术效率退化的幅度，高排放区碳排放绩效存在退化，主要是技术效率退化幅度较大所致;？茁收敛检验表明低排放区碳排放绩效的收敛速度和趋同性要快于中、高排放区。第三，实证结果显示，在全国层面，经济发展水平、产业结构对碳排放绩效具有显著正向影响，技术水平、人口规模、能源结构等因素抑制碳排放绩效改善，碳排放绩效技术效率和技术进步呈现出不协调现象。第四，不同人均碳排放量区域碳排放绩效的影响因素呈现出显著差异，低排放区碳排放绩效受产业结构正向影响，中排放区显著受到经济发展水平和产业结构的正向影响，以及人口规模、能源结构的负向影响，高排放区受技术创新、对外开放水平的一定影响。

（二）政策建议

1.完善碳绩效考核机制

碳排放绩效能动态、全面反映出地区碳减排的潜力和能力，建议建立以Malmquist指数为基础的碳排放绩效评估体系，并作为衡量地区碳减排成效的依据。在实现“双碳”目标过程中，遵循“共同但有区别”的原则，科学、公平分配各地区碳减排任务，完善差别化的碳排放绩效改善考核机制，既要加大对碳排放绩效高的重点地区加强环境规制，实行更严格的减排政策，又要动态监测对碳排放绩效具有退化势头的地区。探索建立以碳排放绩效为基础的省域横向碳补偿机制，建立区域碳收支账户，完善碳排放成本、碳吸收价值核算体系，设立区域碳补偿基金，深化区域碳补偿的路径及方式，加大对后发展地区的生态补偿转移支付力度，推动受偿地区和补偿地区加强经济联系，协同打造绿色产业链，促进各区域公平低碳发展。

2.制定差异化碳减排政策

碳减排政策制定和实施要充分考虑不同区域碳排放绩效的影响因素的差异。低排放区域要兼顾优化产业结构、改善减排技术效率双重目标，在加大对碳减排制度创新力度的同时，要加快淘汰落后产能，培育发展战略性新兴产业，加快发展现代服务业。中排放区域碳减排绩效显著受人口规模影响，人口增加将导致更多的能耗和碳排放量，要合理布局城市空间结构、人口分布，把握好城市适度规模和人口阈值，保持人口规模和产业集聚程度与环境承载力相匹配。高排放区域能源结构仍以煤炭为主，其技术效率严重拖累碳排放绩效改善，要注重完善碳排放管理制度，严格控制煤炭消费总量，加快引入和推广应用清洁能源生产技术，依托丰富的风能和太阳能发展清洁能源，逐步完善可再生能源产业体系，降低地区整体能源强度和碳排放强度。

3.完善碳减排管理制度

碳排放绩效技术效率和技术进步呈现出不协调现象表明要处理好管理制度的“软”实力创新和科技进步“硬”实力创新的关系，既要注重碳减排技术创新，完善低碳技术创新体系，也要加强环境管理制度创新，提高碳减排技术管理的效率。一方面要鼓励有条件的地区加大碳减排技术、清洁能源利用技术、清洁生产技术等的研发投入，支持高耗能企业积极引入低排放生产设备，推广应用碳捕集、利用与封存等技术，降低工艺生产过程和燃料燃烧碳排放量;另一方面要建立健全碳减排制度体系，进一步完善碳市场、碳税、碳信用等市场化碳减排政策工具，建立碳减排补贴制度，发挥专项碳减排基金促进绿色低碳技术创新、科技成果转化作用，引导社会资本加大对低碳技术领域的投入。同时，由于不同区域碳排放绩效的收敛速度和趋同性不一致，因此要建立不同区域间的碳减排管理合作机制，建立不同区域间的碳减排项目合作机制，经济发展较好地区通过购买碳配额或进行碳减排项目合作的方式从经济发展落后地区获取碳排放信用以缓解碳减排压力。

4.加快能源结构转型

产业结构、能源结构是影响碳排放绩效的重要因素，因此，产业政策要将优化产业结构、加快能源转型作为实现“双碳”目标工作重点。一是因地制宜开发水电和其他可再生能源，增强清洁能源供给能力，构建新型电力系统，促进新能源占比逐步提高。二是推动能源产业链加大碳减排力度，降低能源开发生产、加工储运等各环节能源利用水平，建立新能源产业协同体制机制，加快构建零碳新工业体系。三是推动交通、建筑等重点行业和领域转变能源利用方式，加快发展新能源交通，在城市公交等公共服务领域推广新能源汽车，发展绿色建筑、绿色生态住宅，推行绿色化、信息化、集约化的新型绿色建造方式。四是加大对传统高耗能产业升级改造支持力度，探索拓展煤炭清洁高效利用专项再贷款、碳减排支持工具等货币政策工具支持范围，引导金融机构积极积极支持具有显著碳减排效应的项目发展，促进煤电产业技术改造，逐步降低煤炭在一次能源消费中的比重。

（责任编辑：孟洁）

参考文献：

[1]AGU.Journals Assessment to China's recent emission pattern shifts[EB/OL].[2021-10-21].https：//agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2021EF002241.

[2]Kaoru Tone.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001（130）：498-509.

[3]Kaoru Tone.Dealing with Undesirable Outputs in DEA：A Slacks-based Measure（SBM）Approach[EB/OL].[2003-12-03].https：//www.researchgate.net/publication/284047010_Dealing_with_undesirable_outputs_in_DEA_a_Slacks-Based_Measure_SBM_approach.

[4]R Fare，S Grosskopf，B Lindgren，P Roos.Productivity Changes in Swedish Pharamacies 1980-1989[J].The Journal of Productivity Analysis，1992（3）：85-101.

[5]Seidman L，Lewis K.Compensations and contributions under an international carbon treaty[J].Journal of Policy Modeling，2009，31（3）：341-350.

[6]Zhou P，Ang B W，Poh K L.Slacks-based Efficiency Measures for Modeling Environmental Performance[J].Ecological Economics，2006，60（1）.

[7]成剛.数据包络分析方法与 MaxDEA 软件[M].北京：知识产权出版社，2014.

[8]韩晶，王赟，陈超凡.中国工业碳排放绩效的区域差异及影响因素研究——基于省域数据的空间计量分析[J].经济社会体制比较，2015（1）：113-124.

[9]潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）：47-57.

[10]任志娟.中国碳排放区域差异与减排机制研究[D].北京：首都经济贸易大学，2014.

[11]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010（1）：45-54.

[12]王少剑，高爽，黄永源，史晨怡.基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测[J].地理学报，2020，75（6）：1316-1330.

[13]吴青龙，王建明，郭丕斌.开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例[J].资源科学，2018，40（5）：1051-1062.

[14]张珍花，方勇，侯青.我国碳排放水平的区域差异及影响因素分析[J].经济问题探索，2011（11）：90-97.

[15]周五七，聂鸣.中国工业碳排放效率的区域差异研究——基于非参数前沿的实证分析[J].数量经济技术经济研究，2012，29（9）：58-70+161.

[16]陈煌鑫，陈毅晰.环境规制对中国工业绿色发展的影响研究——基于碳排放权交易政策的准自然实验[J].海南金融，2022（3）：26-41.

[17]徐智浩，石懿，陈煌鑫.碳金融相关外文文献研究及对双碳目标的建议[J].海南金融，2022（1）：47-63.

[18]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008，25（10）：17-31.

[19]周杰琦，韩颖.中国碳排放强度的区域差异与驱动因素——基于1995-2013年省际面板数据的实证分析[J].财经理论研究，2016（1）：18-26.

[20]管河山，王培，王谦.我国碳排放权交易市场的有效性研究[J].金融经济，2020（11）：8-17.

收稿日期：2022-06-19

作者简介：陈燕和（1992-），女，广西玉林人，现供职于中国人民银行南宁中心支行。本文仅代表作者个人观点，不代表所在单位意见。