中国煤炭行业动态碳减排效率研究

王宽　李永波　鞠萍

摘要：目前，中国仍以煤炭作为主要能源，推动煤炭行业低碳发展是实现双碳目标的必要环节。以全国19个省份2004—2019年间煤炭开采与洗选业的各项数据为样本，采用全域非径向Malmquist二氧化碳减排效率指数（GNMCPI）来衡量各省煤炭行业的动态全要素二氧化碳减排效率。研究结果表明，2004—2019年煤炭行业碳减排效率一直处于较低水平，动态全要素二氧化碳减排效率指数大致呈现先下降后上升的趋势，其中，2004—2015年间多数年份呈现下降趋势，主要原因是煤炭低碳生产技术效率持续走低；2016—2019年间呈快速上升态势，主导因素是科技进步的快速提升。建议政府对煤炭行业低碳高質量生产给予足够重视，通过政策约束和鼓励低碳生产科技进步等方式，提高各个省份煤炭行业碳减排效率，降低煤炭生产过程中的碳排放，助力中国顺利实现“双碳”目标。

关键词：煤炭行业；碳减排效率；非径向距离函数

中图分类号：F062.1

文献标识码：A

文章编号：1673-5595（2023）04-0042-08

一、引言与文献综述

全球气候变暖是当今世界面临的一个重大环境问题，如何减少二氧化碳的排放成为解决问题的关键。2020年，中国二氧化碳排放量为100亿吨，约占全世界二氧化碳排放总量的29%。［1］习近平在2020年第75届联合国大会一般性辩论上提出，中国力争于2030年前实现碳达峰，努力争取2060年前实现碳中和；2021年3月，中国在“十四五”规划中制定了“到2025年单位国内生产总值二氧化碳排放比2020年下降18%”的目标。煤炭作为中国的基础性能源，其在2020年的消费量占全国能源消费总量的56.8%。［2］除了煤炭消费会产生大量二氧化碳外，从煤炭勘测到开采再到洗选和储存，碳排放贯穿于煤炭生产的整个流程。［3］从煤炭生产和利用的整个产业链来看，煤炭利用过程中的碳排放量占比近90%，煤炭生产过程中的碳排放量仅占10%。［4］虽然煤炭生产过程中的碳排放总量占比不高，但是在基数较大的情况下也不容忽视。在“双碳”政策目标下，节能减排已经成为中国工业可持续发展的内在要求［5］，煤炭生产环节也面临着降低碳排放量的新发展要求。2016年《煤炭工业发展“十三五”规划》中首次明确提出煤炭行业低碳发展、加强煤炭绿色开采技术的应用等要求，显然控制二氧化碳排放在煤炭行业绿色发展中已经越来越重要。

在既有文献中，学者们针对中国工业各个行业碳排放进行了研究，既有行业整体发展的研究［6-10］，也有单个行业的探讨，如制造业［11］、电力行业［12］、交通行业［13］、旅游业［14］等。在煤炭行业碳排放的研究中，虽然大部分研究集中于煤炭资源利用过程中碳排放的测算［15-16］，但是也有不少学者聚焦煤炭生产过程中碳排放的测算。例如，揭俐等［17］分析了能源开采中的碳脱钩问题，发现产业规模效应对碳排放增长的贡献最大；王向前等［18］以1999—2018年安徽与河南两省工业作为研究对象，测算出两省工业煤炭生产侧和消费侧碳排放控制均取得一定成效，且消费侧要优于生产侧；Wang等［19］提出煤炭生产环节的碳排放来自于煤矿瓦斯排放和能源消耗两方面，低碳科技的进步是减少碳排放的有效路径；任世华等［20］利用全生命周期碳排放清单分析方法，计算发现煤炭生产过程中碳排放强度从2010年到2020年逐年下降，并提出煤炭生产过程中碳减排的技术途径。煤炭生产环节作为煤炭资源开发与利用的源头环节，其生产过程中排放的二氧化碳不容忽视，煤炭行业的低碳生产是实现双碳目标的重要一环。

在既有研究中，学者们利用多种方法来衡量各行业的二氧化碳减排效率、碳强度等，包括成本函数［5-6］、数据包络分析（DEA）［8，9，21-23］、随机前沿分析（SFA）［1，24］等。在DEA框架下，距离函数（directionaldistancefunction，DDF）也被国内外学者广泛使用，如Zhou等［25］使用距离函数提出全要素二氧化碳减排效率指数（TCPI）的方法进行碳排放效率的测算。全要素二氧化碳减排指数是一种测算二氧化碳排放下降最大可能性的方法。Zhou等［26］随后提出了用Malmquist二氧化碳减排效率指数（MCPI）来衡量TCPI的动态变化。在此基础上，非径向距离函数（NDDF）逐渐开始被使用［27-29］，其优点是可以测量非径向效率，且能够在非零松弛变量存在时进行正确估计，其结果经过换算可以使用Malmquist指数进行分解。例如，Zhang等［30］使用共同前沿面（Metafrontier）和NDDF构建MNMCPI指数测量全要素二氧化碳动态减排效率变化，解决了组间异质性和径向距离函数中Slack的问题；Zhang等［31］通过NDDF构建NMCPI指数，并进行bootstrap检验，对中国交通行业的碳排放效率进行估算。

本文在已有研究成果的基础上，将NDDF函数与GlobalMalmquist指数相结合，构建动态碳减排效率指数，进行煤炭行业碳减排效率的测算。本文的贡献主要有两点。第一，在研究对象上，本文聚焦于煤炭行业，将煤炭生产过程中全要素纳入其中，分析煤炭行业的全要素二氧化碳减排效率指数。第二，在研究方法上，本文将NDDF函数与GlobalMalmquist指数相结合，构建全域非径向Malmquist二氧化碳减排效率指数GNMCPI（Globalnon-radialMalmquisttotalfactorCO2emissionperformanceindex），在保证最大化生产的同时测量最大程度碳排放降低的可能性，兼顾经济效益与碳排放效率，在此基础上测量各省煤炭行业全要素二氧化碳动态减排效率的变化，对中国煤炭行业碳排放效率进行分析，评估中国自2004年以来煤炭行业碳减排政策的有效性，为煤炭低碳高效生产提供对策建议。

二、研究方法

（一）环境生产技术

环境生产技术是指将生产活动对生态环境的影响考虑在内的生产技术。本文使用非径向方向函数模型，借鉴Fre等［32］的研究来构建煤炭行业同时生产期望产出与非期望产出的环境生产技术。投入要素包括资本、劳动力和能源；产出要素包括期望产出和非期望产出。生产技术可以表示为

（二）非径向距离函数

（三）全域非径向Malmquist二氧化碳减排效率指数

三、实证分析

（一）数据来源

在样本选择方面，本文选择2004—2019年间全国省级面板数据，同时样本还需要满足两个条件：一是该省份的煤炭产量在全国煤炭总产量中占比超过1%，二是该省份煤炭开采和洗选过程中的二氧化碳排放量年平均超过100万吨。基于此，本文共选取19个省份为样本，分别是：安徽、贵州、河北、河南、黑龙江、湖南、吉林、江苏、江西、辽宁、内蒙古、宁夏、山东、山西、陕西、四川、新疆、云南、重庆。

投入变量包括资本、劳动力和能源。劳动力变量用煤炭行业年平均从业人数表示，资本变量采用煤炭开采与洗选业折旧后的固定资产净额，以上数据来自于中国工业统计年鉴；能源用煤炭开采与洗选业消耗各类能源量核算的消费总量表示，单位为万吨标准煤，数据来源于各省的统计年鉴。

产出变量包括期望产出与非期望产出。本文采用各省原煤产量作为期望产出，煤炭开采与洗选业年均二氧化碳排放量作为非期望产出。其中，原煤产量数据来自于各省统计年鉴；二氧化碳排放量数据取自中国碳核算数据库（CEADS）中煤炭开采与洗选业年均排放量，核算方法参照刘峰等［38］的研究，部分缺失数据用相邻年份数据的均值填充。变量数据描述如表1所示。

（二）全要素二氧化碳减排效率指数分析

本文对TCPI进行求解，得到2004—2019年全国各个省份煤炭行业的TCPI。为直观地观察TCPI的变化趋势，将各个省份的数据求平均值来表示样本期间全国煤炭行业的TCPI指数（见图1）。0

从图1可知，我国煤炭行业平均二氧化碳减排效率一直处于较低的水平，而且在2005—2016年间持续降低，2016年开始上升，但直到2019年为止，全国煤炭行业碳减排指数依然低于0.1。

图2为样本期间我国煤炭行业二氧化碳排放量的曲线图。

对比图1与图2可以发现，我国煤炭行业二氧化碳排放量从2012年开始逐渐走低，但是碳减排效率却是从2016年开始提升，原因可能是煤炭行业发展和改革政策主要集中在煤炭行业结构调整、淘汰落后产能上，大量不合格的小煤礦被取缔，煤炭减产导致碳排放降低。2016年起，二氧化碳减排效率开始由持续下降转为上升，这可能与2015年颁布的《中国煤炭工业“十三五”发展规划》有关，其中在预防和减轻环境影响的对策部分明确提出了，加强碳减排等绿色开采技术应用、推动创新成果的推广和产业化应用等，实现了碳减排与高效生产相结合。

（三）动态二氧化碳减排指数分析

为观测中国煤炭行业的二氧化碳减排效率的动态变化趋势，本文计算了各省份GNMCPI指数，如表2所示。GNMCPI结果显示了二氧化碳减排效率指数的动态变化的过程，其中，GNMCPI＞1代表二氧化碳减排效率在该区间内是提升的，GNMCPI＜1代表是下降的，GNMCPI=1则代表无变化。

由表2可以看出，全国平均全要素二氧化碳减排指数在2004—2015年间多数年份低于1，表明2004—2015年间大部分时间全国煤炭行业碳减排效率是下降的。2016—2019年间GNMCPI均高于1，说明自2016年起，煤炭行业的二氧化碳减排效率由降转升。2016—2019年间全国煤炭行业平均碳减排效率不断提升，主要归功于吉林、内蒙古和新疆GNMCPI的爆发性提升。

（四）EC、BPC分解结果分析

为了分析二氧化碳减排效率改变的原因，将GNMCPI分解为EC和BPC，结果如表3所示。可以看出，2004—2019年全国平均EC=0.897，表示样本区间内全国二氧化碳减排效率技术效率指数平均每年降低10.3%；全国平均BPC=1.015，表示综合来看，样本区间内全国煤炭行业二氧化碳减排效率的科技进步指数平均每年增长1.5%。

在19个省份中，二氧化碳减排效率平均技术效率进步的省份只有2个，保持不变的省份有2个，而技术效率下降的省份有15个。其中，吉林省的综合技术效率增长率最高为3.5%，湖南的技术效率最低仅为-22.6%。科技进步平均增长率上升的省份14个，下降的有5个，其中，最高的为内蒙古，增长率为9.1%；最低为云南，增长率为-7%，这说明我国大部分省份煤炭行业的碳减排效率的前沿面是不断外移的。

（五）分时段综合分析

为使数据分析更加直观，将GNMCPI、EC、BPC的折线图放在一起进行比较，结果如图3所示。同时，结合表2—表4的信息，进行时间分解。

2006—2010年（“十一五”规划时期），中国煤炭行业的二氧化碳减排效率持续下降，平均下降速率为15.5%，其中，科技进步平均提升速率为52%，技术效率进步平均下降速率19.7%。然而图3中GNMCPI呈小幅度上升趋势，代表二氧化碳减排效率下降速度减缓，这主要归功于科技的进步。而在2008—2009年，科技进步出现了负增长，增长率降低22.2%，可能是受2008年金融危机的影响，煤炭企业用于先进技术的投资大幅下降所导致的。《国际科技支撑计划“十一五”发展纲要》将煤碳的洁净高效开发利用确立为优先主题，将煤燃污染物综合控制和利用确定为重点研究内容。总体而言，此阶段虽然中国煤炭产业快速发展，但是对于碳排放的关注度不足。

2011—2015年（“十二五”规划时期），中国煤炭行业二氧化碳减排效率总体不断下降，平均下降速率为17.8%，其中技术效率进步下降速率为10%，科技进步下降速率为8.7%。“十二五”期间，虽然国家对各个行业控制温室气体排放的政策约束逐渐增多，但是对煤炭行业二氧化碳减排方面并没有高度关注。而且煤炭行业节能减排政策多关注于关闭落后产能、产业结构革新、控制污染物排放等方面，对低碳高效生产的关注度依旧不足。

2016—2019年（“十三五”时期），煤炭行业二氧化碳减排效率大幅度上升，年均上升速率为226%。此阶段技术效率下降速率为0.6%，但是科技进步提升速率大幅度增长，为23.4%。2016年煤炭行业的二氧化碳减排效率指数由小于1变为大于1，且在2016—2019年间一直保持大于1，意味着二氧化碳减排效率从2016年开始由负转正，而且逐年提升，这表明从2016年开始控制碳排放的政策或者企业规范做法开始发挥作用，明显减少了生产过程中的碳排放。《煤炭工业发展“十三五”规划》中首次明确提出煤炭行业低碳发展的要求，煤炭行业开始由总量型去产能转向系统性去产能［39］，开始更多关注高质量发展。众多专家提出的碳减排系列技术，如超低排放限值的煤电机组、大型重介质旋流器选煤、负碳固碳技术等，研发成功并发挥作用，与本文中科技进步因素大幅度提升的结论相符。

图3中曲线显示，在2004—2019整个样本区间，除2008年与2011年外，GNMCPI曲线与BPC曲线的变化趋势基本相同，而EC曲线与BPC曲线呈现相背离的运动趋势，EC曲线基本起到了对冲BPC曲线对GNMCPI曲线的影响的作用。可以认为，二氧化碳减排指数变化的主导因素是科技进步效应。因此，如果想要提升煤炭行业在开采与洗选过程中的二氧化碳减排效率，那么还需要煤炭行业和政府加大对低碳生产技術科技创新的投入和关注。

四、结论与建议

本文在数据包络分析架构下，将非径向距离函数与GlobalMalmquist指数相结合构建GNMCPI指数，测量动态全要素二氧化碳减排效率，并将GNMCPI指数分解为EC和BPC来探究二氧化碳减排效率变化的原因。通过分析得到以下结论。（1）在整个样本区间内我国煤炭行业全要素二氧化碳减排效率指数整体处于较低的水平，2004—2015年煤炭行业碳减排效率不断下降，2016年为拐点，2016—2019年碳减排效率开始逐渐上升。（2）从动态全要素二氧化碳减排效率指数来看，样本区间内全国煤炭行业总体碳减排效率下降约8.9%，其中2004—2015年期间处于持续下降状态，平均降速约为155%；而2016—2019年碳减排效率转为上升状态，平均上升速度约为22.6%。整体来看，虽然中国自2009年起就将控制二氧化碳排放纳入约束性指标，但是2004—2015年间中国煤炭行业二氧化碳减排效率持续降低，直至2016年《煤炭工业发展“十三五”规划》中明确提出低碳发展计划后，我国煤炭行业碳减排效率才大幅度提升。（3）从碳减排效率的分解结果来看，EC曲线与BPC曲线呈现相背离的趋势，其中，科技进步因素在碳减排效率的提升中占主导地位。（4）在分省份数据中，新疆和内蒙古两省份的平均GNMCPI指数大于1，说明这两个省份煤炭行业碳减排效率是提高的，而其他省份均为降低；在EC与BPC分解方面，安徽、河北、河南、黑龙江、湖南、江苏、江西、辽宁、内蒙古、山东、陕西、四川、新疆、重庆14个省份都属于平均科技进步的省份，吉林与新疆属于平均技术效率进步的省份。

中国低碳科技创新不断加快，煤炭行业面临着低碳转型的新趋势。根据以上分析，提出以下几条建议。（1）煤炭行业应加大科研投入来提升低碳科技进步，特别是贵州、吉林、宁夏、山西、云南5个省份，需要积极开发低碳生产技术以及负碳固碳技术，大力发展低碳能源技术创新，在高效生产的同时进一步提升二氧化碳减排效率。（2）安徽、贵州、河北、河南、黑龙江、湖南、江苏、江西、辽宁、宁夏、山东、山西、陕西、四川14省份的煤炭行业需要借鉴吉林、新疆、内蒙古、云南4省份煤炭行业的低碳发展模式，引进先进管理方法与低碳科学技术，探索低碳发展道路。（3）政府对煤炭行业的碳减排效率要足够重视，煤炭行业碳减排效率整体还是处于很低的水平，政府需要继续关闭落后产能，同时引导煤炭行业技术投资，以提高低碳生产和二氧化碳排放控制方面的科技进步水平。在政策实施方面，国家可以进一步出台政策对煤炭行业二氧化碳排放进行约束，完善低碳生产的相关法律与政策体系，鼓励和支持煤炭行业低碳高效发展，满足煤炭行业高质量发展的新要求。

参考文献：

［1］张宁，刘青君.碳交易对碳达峰、碳中和目标的成本效益机制研究——基于试点省市高耗能行业的模拟［J］.广东社会科学，2022（2）：46-58

［2］国家统计局.中国能源统计年鉴2020［M］.北京：中国统计出版社，2021.

［3］李全生，方杰，曹志国.碳约束条件下国外主要采煤国煤炭开发经验［J］.煤炭工程，2017，49（S1）：12-15.

［4］LiuJunling，WangKe，ZouJi，eta1.TheImplicationsofCoalConsumptioninthePowerSectorforChinasCO2PeakingTarget［J］.AppliedEnergy，2019，253：113518.

［5］陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展［J］.经济研究，2009，44（4）：41-55.

［6］张宁，赵玉.碳排放约束下中国要素配置是否有效？——来自广义成本函数的估计［J］.计量经济学报，2022，2（1）：164-178.

［7］李金铠，马静静，魏伟.中国八大综合经济区能源碳排放效率的区域差异研究［J］.数量经济技术经济研究，2020，37（6）：109-129.

［8］陈诗一.中国碳排放强度的波动下降模式及经济解释［J］.世界经济，2011，34（4）：124-143.

［9］刘丙泉，王月，孟令奇，等.公平与效率双准则下我国区域碳排放权分配研究——基于改进的ZSG-DEA模型［J］.中国石油大学学报（社会科学版），2022，38（5）：10-19.

［10］陈诗一.中国各地区低碳经济转型进程评估［J］.经济研究，2012，47（8）：32-44.

［11］李新安，李慧.外资引入、技术进步偏向影响了制造业的碳排放吗？——来自我国27个制造行业面板数据模型的实证检验［J］.中国软科学，2022（1）：159-170.

［12］张宁.碳全要素生产率、低碳技术创新和节能减排效率追赶——来自中国火力发电企业的证据［J］.经济研究，2022，57（2）：158-174.

［13］周银香，洪兴建.中国交通业全要素碳排放效率的测度及动态驱动机理研究［J］.商业经济与管理，2018（5）：62-74.

［14］韩元军，吴普，林坦.基于碳排放的代表性省份旅游产业效率测算与比较分析［J］.地理研究，2015，34（10）：1957-1970.

［15］高晓燕.我国能源消费、二氧化碳排放与经济增长的关系研究——基于煤炭消费的视角［J］.河北经贸大学学报，2017，38（6）：70-77.

［16］ZhangY，YuanZ，MargniM，etal.IntensiveCarbonDioxideEmissionofCoalChemicalIndustryinChina［J］.AppliedEnergy，2019，236：540-550.

［17］揭俐，王忠，余瑞祥.中国能源开采业碳排放脱钩效应情景模拟［J］.中國人口·资源与环境，2020，30（7）：47-56.

［18］王向前，夏丹.工业煤炭生产—消费两侧碳排放及影响因素研究——基于STIRPAT-EKC的皖豫两省对比［J］.软科学，2020，34（8）：84-89.

［19］WangB，CuiCQ，ZhaoYX，etal.CarbonEmissionsAccountingforChinasCoalMiningSector：InvisibleSourcesofClimateChange［J］.NaturalHazards，2019，99：1345-1364.

［20］任世华，谢亚辰，焦小淼，等.煤炭开发过程碳排放特征及碳中和发展的技术途径［J］.工程科学与技术，2022，54（1）：60-68.

［21］郗永勤，吉星.我国工业行业碳排放效率实证研究——考虑非期望产出SBM超效率模型与DEA视窗方法的应用［J］.科技管理研究，2019，39（17）：53-62.

［22］胡剑波，闫烁，韩君.中国产业部门隐含碳排放效率研究——基于三阶段DEA模型与非竞争型I-O模型的实证分析［J］.统计研究，2021，38（6）：30-43.

［23］刘海英，刘晴晴.中国省际能源和CO2效率评价及技术差距研究［J］.统计与决策，2019，35（19）：116-120.

［24］张宁，赵玉.中国能顺利实现碳达峰和碳中和吗？——基于效率与减排成本视角的城市层面分析［J］.兰州大学学报（社会科学版），2021，49（4）：13-22.

［25］ZhouP，AngBW，HanJY.TotalFactorCarbonEmissionPerformance：AMalmquistIndexAnalysis［J］.EnergyEcon，2010，32：194-201.

［26］ZhouP，AngBW，WangH.EnergyandCO2EmissionPerformanceinElectricityGeneration：ANon-radialDirectionalDistanceFunctionApproach［J］.EuropeanJournalofOperationalResearch，2012，221（3）：625-635.

［27］WangW，XieH，ZhangN，etal.SustainableWaterUseandWaterShadowPriceinChinasUrbanIndustry［J］.ResourcesConservation&Recycling，2018，128：489-498.

［28］FujiiH，ManagiS，MatousekR.IndianBankEfficiencyandProductivityChangeswithUndesirableOutputs：ADisaggregatedApproach［J］.JournalofBanking&Finance，2014，38：41-50.

［29］ZhangN，XieH.TowardGreenIT：ModelingSustainableProductionCharacteristicsforChineseElectronicInformationIndustry，1980-2012［J］.TechnologicalForecastingandSocialChange，2015，96：62-70.

［30］ZhangN，ZhouP，ChoiY.EnergyEfficiency，CO2EmissionPerformanceandTechnologyGapsinFossilFuelElectricityGenerationinKorea：AMeta-frontierNon-radialDirectionalDistanceFunctionAnalysis［J］.EnergyPolicy，2013，56：653-662.

［31］ZhangN，ZhouP，Chih-ChunKung.Total-factorCarbonEmissionPerformanceoftheChineseTransportationIndustry：ABootstrappedNon-radialMalmquistIndexAnalysis［J］.ScienceDirect，2015，41：584-593.

［32］FreR，GrosskopfS，LovellCAK.MultilateralProductivityComparisonsWhenSomeOutputsAreUndesirable：ANonparametricApproach［J］.TheReviewofEconomicsandStatistics，1989，71（1）：90-98.

［33］ChambersR，ChungY，FreR.BenetandDistanceFunctions［J］.JournalofEconomicTheory，1996，70（2）：407-419.

［34］ChungY，FreR，GrosskopfS.ProductivityandUndesirableOutputs：ADirectionalDistanceFunctionApproach［J］.JournalofEconomicManagement，1997，51（3）：229-240.

［35］FukuyamaH，WeberWL.ADirectionalSlacks-basedMeasureofTechnicalEfficiency［J］.Socio-EconomicPlanningSciences，2009，43（4）：274-287.

［36］CavesDW，ChristensenLR，DiewertWE.MultilateralComparisonsofOutput，InputandProductivityUsingSuperlativeIndexNumbers［J］.TheEconomicJournal，1982，365（92）：73-86.

［37］PastorJT，LovellC.AGlobalMalmquistProductivityIndex［J］.EconomicsLetters，2005，88（2）：266-271.

［38］GuanYR，ShanYL，HuangQ，etal.AssessmenttoChinasRecentEmissionPatternShifts［J］.EarthsFuture，2021，e2021EF002241.

［39］刘峰，郭林峰，赵路正.双碳背景下煤炭安全区间与绿色低碳技术路径［J］.煤炭学报，2022，47（1）：1-15.

责任编辑：曲红

DynamicTotalFactorCarbonEmissionReductionPerformanceofCoalIndustryinChina

WANGKuan LIYongbo JUPing

（1.InternationalBusinessSchool，QingdaoHuanghaiUniversity，Qingdao266427，Shandong，China;

2.SchoolofEconomicsandManagement，ChinaUniversityofPetroleum（EastChina），Qingdao266580，Shandong，China）

Abstract：CoalremainstheprimaryenergysourceinChina，andpromotingthelow-carbondevelopmentofthecoalindustryisanecessarysteptowardsachievingthedualcarbongoals.Usingdatafromthecoalminingandwashingindustryin19provincesacrossChinafrom2004to2019assamples，thestudyemploysthenon-radialglobalMalmquistcarbondioxideemissionperformanceindex（GNMCPI）tomeasurethedynamictotalfactorcarbondioxideemissionreductionefficiencyofcoalindustryineachprovince.Theempiricalresultsshowthatthecarbonemissionefficiencyofthecoalindustryremainedatarelativelylowlevelfrom2004to2019，andthedynamictotalfactorcarbondioxideemissionreductionefficiencyindexgenerallyshowedadownwardtrendfollowedbyanupwardtrend.Inmostyearsfrom2004to2015，itshowedadownwardtrend，mainlyduetothecontinuousdeclineintheefficiencyoflow－carbonproductioninthecoalindustry.From2016to2019，therewasarapidupwardtrend，drivenbytherapidadvancementoftechnology.Itisrecommendedthatthegovernmentshouldpaysufficientattentiontolow-carbonandhigh-qualityproductionofthecoalindustry，improvethecarbonemissionefficiencyofthecoalindustryineachprovince，reducecarbonemissionsduringthecoalproductionprocessthroughpolicyconstraintsandincentivesforlow-carbonproductiontechnologies，andassistChinainsmoothlyachievingthe"dualcarbon"goals.

Keywords：coalindustry;carbonemissionreductionefficiency;NDDF.

英文編校：马志强