我国30省份碳达峰能力综合评价研究

付加锋，刘倩，马占云，营娜

（中国环境科学研究院，北京 100012）

2020 年9 月，习近平主席在第七十五届联合国大会上宣布：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和。”2021 年习近平总书记在中央财经第九次会议中强调，要把碳达峰、碳中和纳入生态文明建设整体布局，拿出抓铁有痕的劲头，如期实现2030 年前碳达峰、2060 年前碳中和的目标。2021 年国务院印发《2030 年前碳达峰行动方案》，随后中共中央、国务院联合发布了《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》。由此可见，加快落实国家碳达峰行动方案，已成为我国碳中和目标引领下推动经济高质量发展的关键任务。各地区亟须加快制定碳达峰方案，开展达峰行动，助力中国实现碳达峰与碳中和目标。

众多学者对碳达峰问题开展了广泛的研究[1]，如碳达峰政策、碳达峰路径、碳达峰时间以及碳达峰趋势等。这些研究的研究区域涉及东部地区[1-3]、中部地区[4-5]、东北地区[6]、西部地区[7]，研究行业涉及道路交通行业[8]、电力行业[9]、钢铁行业[10]、铝冶炼行业[11]、石化化工行业[12]、建筑行业[13-14]、工业和农业部门[15]。

1 碳达峰问题研究现状

1.1 碳达峰政策研究

已有研究表明，葛杨[16]通过比较分析国际碳税制度实践，尝试指出国际碳税制度经验对我国达成碳减排目标的启示，并根据国内实际情况提出相关政策建议，为2030 年前实现碳达峰、2060 年前实现碳中和提供了借鉴；刘伟京[17]提出江苏要把降碳作为源头治理的“牛鼻子”，倒逼重点排污企业从源头上控制化石能源消耗，着力实现CO2与大气污染物的协同减排，助力实现碳达峰；姜华等[18]指出在原二氧化碳排放强度控制的基础上，统筹建立并实施二氧化碳总量控制是实现控碳特别是有序有力降碳的关键。以上碳达峰政策理论能够为碳达峰提供政策指导。

1.2 碳达峰路径研究

有学者应用模型方法从碳达峰的影响因素及路径分析角度探索了多种CO2的达峰情景，如STIRPAT 模型、迪氏指数模型、蒙特卡洛模拟方法、三系统耦合模型和系统耦合协调度模型。尽管这些建模方法在构建理论、构建思路和影响因素上有差别，但是，这些研究都聚焦于CO2排放的主要驱动因素的识别，提出了达峰路径和关键举措。如马宇恒[19]运用LMDI 分解法，分析了东北地区碳排放的影响因素，应用扩展后的STIRPAT 模型以及情景分析法对东北地区碳排放峰值进行预测，得出碳排放受人口规模、经济发展、能源结构、技术进步因素的影响，强节能情景是实现东北地区2030 年碳排达峰最佳情景，峰值为298.2×107吨；陈丽君等[2]采用LEAP 模型，认为浙江省在激进式达峰情景下，经济在高碳的产业结构下快速增长，预计在2023 年左右碳排放达到峰值，届时碳排放总量达5 亿吨左右，在渐进式达峰情景下，适当控制经济发展速度，逐渐控制碳排放总量增加，逐步实施减碳技术应用，预计在2025 年左右碳排放达到峰值，届时碳排放总量为4.8 亿吨左右；刘彦迪[20]基于IPAT 模型设计了48 个碳排放发展情景，使用Centralized-DEA 方法来评价48 个情景下二氧化碳排放路径的分配效率，提出能源结构以基准情景的预测为方向发展（C2 情景）时是48 个情景中最优的二氧化碳排放达峰情景；王勇等[21]用广义迪氏指数（GDIM）模型分别考察了2005—2016 年五种交通运输方式碳排放的影响因素，在此基础上使用蒙特卡洛模拟对2017—2030 年五大交通运输方式碳排放的年平均变化率进行动态情景分析，结果表明投资规模是影响铁路、公路、航空及管道运输碳排放量的首要因素，运输规模是影响水路运输碳排放量的首要因素；于孟君[22]运用碳排放系数法测算了2000—2017 年我国石化行业及其子行业的二氧化碳排放量，以此为基础采用广义迪氏指数法对二氧化碳排放量进行影响因素分解，并探究了影响化石行业二氧化碳排放量增长的主要因素和关键促降因素；邵帅等[23]使用广义迪氏指数分解法考察了1995—2014 年制造业碳排放演变的驱动因素，并基于蒙特卡洛模拟对2015—2030 年制造业碳排放的潜在演化趋势进行了动态情景分析，研究认为投资规模是制造业碳排放增加的首要因素，而投资碳强度和产出碳强度则是引致碳排放减少的关键因素；李治国等[24]通过建立三系统耦合模型和系统耦合协调度模型，总结出制造业“压力—倒逼”机制下的达峰机理，规划了山东省具体的碳排放达峰路径。

1.3 碳达峰时间及趋势研究

还有一部分学者从国家和地方两个维度开展了关于CO2排放达峰时间及峰值水平的研究。如国家尺度，马丁和陈文颖[25]以能源优化模型为基础，以2030 年CO2排放达峰为目标设计不同情景，认为要想实现2030 年达峰，只有通过发展可再生能源、推广高耗能产业的节能减排技术，使得电力、工业部门及高耗能部门分阶段率先达峰；姜克隽等[26]利用IPAC 模型进行模拟，认为在技术进步的强化低碳情景下，中国将于2030 年达到峰值；地方尺度，李惠民等[1]提出从能源燃烧相关的CO2排放来看，北京市在2010 年已经达峰；王健夫[5]通过探索适用于城市层面碳排放达峰研究的模型方法学，提出低碳情景和达峰情景下，武汉市CO2排放分别于2030 年和2025 年达到峰值的前提条件是工业部门CO2排放需要提前5 年达峰；毕莹和杨方白[6]运用预测模型，得出辽宁省低碳情景下达峰时间最早为2034 年，激进情景下达峰时间为2040 年；王春春等[3]运用情景分析法预测江苏省在快速、慢速达峰情景下分别在2025年和2029 年达到CO2排放峰值，慢速达峰情景下未能实现2030 年CO2达峰目标；蒋含颖等[27]通过构建基于条件判断函数和Mann-Kendall 趋势分析检验法的城市CO2排放达峰判断模型，结果表明昆明、深圳与武汉3 个城市已达峰，8 个城市处于平台期，其余25 个城市综合来看尚未达峰；崔修祯等[28]利用DTW 算法实现了SO2和CO2在时间轴上的匹配关系，得出中国绝大部分城市都可以在2030 年前实现碳达峰。除了国家和地方层面，还有一些学者以部门为研究对象，探索电力[29]、交通[30]、工业[31]等行业CO2排放达峰时间、峰值水平及促进碳排放尽早达峰的控制措施和这些措施实施带来的经济成本。此外，也有学者采用统计分析方法研究碳达峰趋势，如郭芳等[32]采用蒙特卡洛方法与K 均值聚类算法将中国286 个样本城市的达峰趋势划分为5 类。

上述研究围绕碳达峰的政策、时间、影响因素及路径以及趋势开展了大量工作，这些研究对于深化对碳达峰、碳中和目标的认识有重要意义。然而，这些研究中并未给出我国的碳达峰能力如何，对于落实“有条件的地方率先达峰”的地区还不明确。在助力碳达峰和碳中和目标实现的进程中，我国各地区的碳达峰能力评估是重要的研究议题。因此，本文拟开展我国不同地区碳达峰能力评价，选取我国30 个省份（不包括西藏自治区及港澳台地区，下同）2008—2017 年的面板数据，运用因子分析法确定各地区的因子综合得分及排序，并运用TOPSIS 综合评价法计算出每个地区因子综合得分与理想解的贴近度，解析不同地区碳达峰能力的时序和空间差异性，并提出差异化达峰建议供决策者和研究者参考。

2 模型构建

2.1 因子分析法

因子分析法是1904 年由Charles Spearman 对学生考试成绩的研究而提出的，是对主成分分析的扩展。 其基本思想是根据相关性的大小将原始变量分组，使得同组内变量间的相关性较高，不同组变量间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公共因子。对于所研究的某一具体问题，原始变量可以分解成两部分之和的形式，一部分是少数几个不可测的所谓公共因子的线性函数，另一部分是与公共因子无关的特殊因子。

其构建方法为：设有n个样本品，每个样本品观测有p个指标，p个指标之间有较强的相关性（要求p个指标相关性较强的理由是很明确的，只有相关性较强才能从原始变量中提出公共因子）。为便于研究，消除由于观测量纲的差异及数量级不同所造成的影响，需要将样本观测数据进行标准化处理，使标准化后的变量均值为0，方差为1。原始变量及标准化后的变量向量均用X表示，X=(X1,X2, …,Xp)是可观测随机向量，F=(F1,F2,…,Fm)(m＜p)是不可观测的变量。ε=(ε1,ε2, …,εm)与F相互独立，则模型为Xi=αi1F1+αi2F2+…+αimFm+εi，其矩阵形式可以表示为X=AF+ε，其中，F为公共因子，A=αij为因子载荷矩阵，ε为特殊因子，公共因子可根据公式Fi=bi1X1+bi1X1+…+binXn利用回归方法求得因子得分模型，进而利用F=(AF1+BF2+CF3+…)/(A+B+C+…)可以求得因子分析综合得分，其中，A为成分1 的方差贡献率，B为成分2 的方差贡献率，C为成分3 的方差贡献率，以此类推，而分母则是累计方差贡献率。

2.2 TOPSIS综合评价法

TOPSIS 法是由C. L. Hwang 和K. Yoon 在1981 年首次提出的，其基本原理是通过检测评价对象与最优解、最劣解的距离来进行排序，若评价对象最靠近最优解同时又最远离最劣解，则为最好；否则不为最优。其中最优解的各指标值都达到各评价指标的最优值，最劣解的各指标值都达到各评价指标的最差值。具体步骤如下：

（1）建立指标体系。假设所研究的对象为Gti(i=1, 2,…,n)，指标为Xij(i=1, 2, …,n)，其中为评价对象的个数，如果评价区间为m年，则t2-t1=m。

（2）对对象集Gti(i=1, 2, …,n)的横截面数据进行因子分析，得出对象集Gti(i=1, 2, …,n)的ft,k因子（k≤p）及每个对象集的因子综合得分yt1, …,ytn，其中t表示时间点，即得到矩阵(Yti)n×m。

（3）采用TOPSIS 法对Gti(i=1, 2, …,n)的综合因子得分Yti进行最终的评价。步骤一是把每一年截面数据的因子分析得分作为一个新的指标，由此面板数据便形成了一个新的指标体系，即有m个指标，n个评价对象，Yti个数据；步骤二是对m个指标进行归一化处理，具体见式（1）；步骤三是从处理后的数据矩阵中找出各列的最大值、最小值构成理想解，见式（2），负理想解见式（3）；步骤四是计算第i个对象与理想解、负理想解的距离接近程度，分别见式（4）、（5）；步骤五是计算第i个对象与最优因子的贴近度，见式（6），Cj+结果越大，说明i地区2008—2017 年碳达峰水平越高。

2.3 指标选取

目前还没有碳达峰能力指标体系，故需要对碳减排的核心指标进行探索，综合考虑能源、工业、交通、建筑等碳排放领域，针对碳达峰能力的整体性、可比性、科学性、可操纵性，对已有文献中的多项指标进行筛选，选取具有代表性、可量化的要素和因子，最后筛选确定了人均GDP 指标（反映经济发展水平）、绿电供应（反映能源结构）和单位GDP 碳排放（反映碳排放状况）3 个指标。在双碳背景下，碳标签制度能够缓解气候变化，减少温室气体排放，推广低碳排放技术，优先选择能够代表居民购买绿色产品倾向和意愿的人均可支配收入指标，对于本文的研究至关重要。碳达峰本身是一个政策驱动的过程，自然情况下各个省份在2030 年是很难达峰的，研究碳达峰能力必然少不了政策驱动指标。本文为了全面、客观、科学地评价我国各地区的碳达峰能力，开始时选取了人均GDP、绿电供应、单位GDP 碳排放、人均可支配收入及政策驱动、单位GDP 水耗、工业GDP 比重、技术市场成交额、大学以上占受教育人口比重等指标，综合评价我国各地区的碳达峰能力，但是由于用SPSS 软件做出来的拟合结果以及用Execl 做出来的TOPSIS 结果跟实际不符合，经过多次尝试，剔除其他指标，最后选取人均GDP、绿电供应、单位GDP 碳排放、人均可支配收入及政策驱动来评价我国各地区的碳达峰能力。

（1）人均GDP（X1）。该指标反映了经济发展水平和人民生活水平，根据库兹涅茨曲线，随着经济发展水平的变化，碳排放水平会先增加后降低，指标计算采用各地区的生产总值/各省市总人口数。

（2）绿电供应（X2）。该指标反映了各地区的低碳发展水平，由水能、生物质能、太阳能、风能等可再生能源组成绿色的能源结构，指标计算采用（发电量-火力发电量）/电力消费量。

（3）单位GDP 碳排放（X3）。该指标反映了经济发展的碳排放情况，是指每单位国民生产总值的增长所带来的CO2排放量，表示各地区碳排放的整体水平，指标计算采用各地区的碳排放量/各地区的生产总值。

（4）人均可支配收入（X4）。居民可支配收入越高，居民可能会有更高的倾向要去购买绿色产品，对碳减排起到积极推动作用。

（5）政策驱动（X5）。选取各地区低碳发展相关的包括应对气候变化、节能减排温室气体控制、绿色交通、绿色建筑、碳排放核算、绿色金融、碳交易、碳汇建设等方面的法律法规、规范指南、标准等政策性文件表征政策驱动，然后赋值。

3 实证研究

构建基于因子分析法的TOPSIS 综合评价法对我国30个省份2008—2017 年的碳排放情况进行实证研究，分析各地区碳达峰水平的差异性，综合评价我国各地区的碳达峰能力，并根据各地区的实际情况提出政策和建议，为政府有针对性地制定碳排放及碳减排策略提供依据和参考。

3.1 因子分析

运用统计计量分析软件对我国2008—2017 年30 个省份碳达峰水平综合评价指标的截面数据分别进行因子分析。

3.1.1 数据检验

在运用因子分析法前需要对数据间的相关性进行检验，如果变量之间彼此独立，则无法提取公共因子进行因子分析；并且，需要用KMO 检验变量间的偏自相关系数，一般认为统计量的结果接近以及大于0.6 效果较好。由2008—2017 年截面数据的检验结果（表1）可知，每一年度的截面数据KMO 结果均接近0.6 且Bartlett 检验概率值均为0.000，拒绝原假设，说明选取的指标数据比较适合因子分析。

表1 2008—2017年截面数据KMO检验和Bartlett检验结果

3.1.2 截面数据公共因子提取及综合得分的计算

表2是基于2008—2017 年30 个省份的样本数据采用因子分析法得到的2 个成分特征值大于1 且旋转后的累计方差贡献率大于70%的数据结果，说明通过该方法提取的前2 个公共因子可以很好地解释碳排放水平，其他因子的影响可以忽略不计。

表2 2008—2017截面数据因子分析的总方差贡献率

为了能够合理地解释各公共因子的含义，对2008—2017 年每年的截面数据初始因子载荷矩阵进行方差最大化旋转，虽然每年各指标的具体载荷量不同，但每年载荷量的不同并不影响各公共因子的具体分类和解释，以2017 年的数据进行解释。由表3 可以看出，第一个公共因子在X1、X4即在人均GDP、人均可支配收入上具有较大的因子载荷量，这2 个指标反映了一个省市的经济发展水平和绿色能源结构以及消费水平；第二个公共因子在X2、X5即在绿电供应、政策驱动上具有较大的因子载荷量，这2 个指标反映了一个省市的绿色能源结构和政策驱动。

表3 2017年各指标旋转后在公共因子上的载荷量

3.1.3 因子分析结论

由表4 可以看出，我国30 个省份年度的综合因子的最高分与最低分差距较大，说明各地区的碳达峰能力差异性明显，其中超过一半的地区（16 个）综合因子得分为负值，表明我国整体碳达峰能力较低。具体地，北京、天津等东部经济发达地区以及浙江、山东、广东等沿海地区碳达峰能力较强，而西部经济偏弱地区的碳达峰能力较弱。同时，从表4 中还可以看出，我国30 个省份年度的碳达峰水平综合因子得分存在差异且高低排序在样本期间也不尽相同。这说明不同地区综合评价碳达峰能力时，不能简单地将每年的综合因子得分加总进行评价，需要采用一个综合评价方法来解决因子分析在面板数据中的缺陷。因此，该文采取TOPSIS 方法对不同地区的碳达峰能力进行综合评价。

3.2 TOPSIS综合评价

由TOPSIS 综合评价结果及排名（表5）可以看出，我国碳达峰排名前10 的省份主要位于东部地区，还有1个位于华中地区，1 个位于西南部地区。整体来看，各省份的碳达峰综合发展能力差异较大，东部经济发达地区贴近度Ci*较高，综合评价结果靠前，东北地区发展程度次之。这一结论与因子分析法的结果一致，反映的是整个样本期间各省份碳达峰情况的综合排名。

3.3 碳达峰能力分类

根据上述结果，结合各地区发展水平，按照达峰能力大小顺序，将我国30 个省份的碳达峰能力分为三组。

第一组：率先达峰区域，这类区域有明显的碳达峰优势，包括上海、北京、天津、江苏、浙江、广东6 个省市。这些省市的顺序与2017 年全国各省份人均GDP 排名中北京、上海、天津、江苏、浙江的排序基本一致，尽管广东的人均GDP 低于福建，但仍处于全国第7 位，说明碳达峰优势明显的区域经济较为发达。另外，北京、上海、天津、广东这4 个省市属于碳排放权交易试点省市，这些省市自2013 年以来碳排放相关的政策性文件就相对完善，对于碳减排有一定引领作用。因此，这4 个省市的碳达峰能力强与这些省市的政策有一定的关系。江苏碳达峰能力强与该省风力发电有关，该省绿电供应具有相对优势。

第二组：正常达峰区域，这类区域能够在规定时限内完成碳达峰，包括湖北、福建、山东、重庆、辽宁、广西、吉林、江西、四川、海南、安徽、河南、河北、内蒙古。在风电方面，内蒙古和河北为全国十大风电装机省区，并且山东、辽宁、福建的风力发电优势在全国也比较明显；在核电方面，截至2018 年9 月，广西（81.5%）、辽宁（50.5%）和福建（43.3%）的大型发电集团核电市场化率在各地区排名前三；在生物质方面，吉林的生物质资源优势比较明显；在政策性驱动方面，湖北、辽宁、山东、重庆的优势比较明显，说明正常达峰地区大部分都是绿电供应优势比较明显的区域，部分地区政策驱动有一定的推动作用。

第三组：滞后达峰区域，这类区域碳达峰优势不明显，并有可能滞后于规定达峰时限，包括云南、黑龙江、陕西、青海、新疆、甘肃、贵州、山西、宁夏，这些省份主要集中在黄河流域。尽管滞后达峰区域大部分在能

源结构方面优势比较明显，单位GDP 碳排放不高，但是由于这些地区的经济发展水平相对滞后，碳排放相关的政策文件相对缺乏以及人们有倾向地去购买绿色产品的意愿不高等方面的影响，导致这些地区在碳达峰的进程中进度相对滞后。

4 结论与建议

本文使用2008—2017 年我国30 个省份的面板数据，运用因子分析法和TOPSIS 综合评价法，研究各地区的碳达峰能力。我国大部分地区与理想解的贴近度较大，经济发展水平、能源结构、消费水平与政策驱动等因素导致各地区的达峰水平存在差异，有16 个地区的得分为负值，表明我国整体碳达峰水平较低。具体地，北京、天津等东部经济发达地区以及浙江、山东、广东等沿海地区的碳达峰能力较强，而西部经济偏弱地区的碳达峰能力较弱。按照达峰能力大小顺序，将我国30 个省份碳达峰能力分为率先达峰区域、正常达峰区域和滞后达峰区域三组。

我国各地区的经济发展水平会影响碳达峰时间，要实现2030 年前碳达峰目标，既要保持经济增长速度，又要保障经济发展质量，避免粗放型经济增长模式。经济新常态下，经济发展方向应逐渐向绿色低碳方向转型，同时积极引导居民转变消费模式，树立公众低碳消费观念。

鉴于经济发展水平、能源结构、消费水平、政策驱动对碳达峰的关键作用，建议不同达峰区域采取以下差异化达峰措施：

（1）率先达峰区域主要包括两个方面，一方面是经济发达以及政策驱动优势比较明显的省市（如北京、上海、天津、广东、浙江），前4 个省市还属于碳排放权交易试点城市，政策驱动优势更加明显，建议这5 个省市在未来碳达峰过程中继续发挥经济、政策驱动优势，降低煤炭占比，提高可再生能源占比，提高电气化发展水平，倡导低碳生活；另一方面是经济发达以及能源结构优势比较明显的地区（如江苏），建议江苏在未来碳达峰过程中继续发挥经济、能源结构的联合优势，提高政策引领助推力，提升消费者对低碳产品的认知度，低碳生活。

（2）正常达峰区域大部分经济发展水平一般，能源结构调整优势比较明显，如山东、辽宁、福建、广西、内蒙古、河北、吉林，建议在未来碳达峰过程中继续发挥能源结构优势，提高经济发展质量的同时，避免粗放型经济增长模式，逐渐向绿色低碳方向转型，引导地方政府紧跟国家及部级单位的气候变化及节能方面的政策，提高政策驱动在碳达峰过程中的助推力。政策性驱动优势比较明显的省市，如湖北、辽宁、山东、重庆，建议在未来碳达峰过程中继续发挥政策驱动优势，努力优化能源结构，构建清洁低碳、安全高效的能源体系。

（3）碳达峰优势不明显的区域经济发展水平比较落后，政策文件比较缺乏，但是能源结构优势比较明显，建议该区域在碳达峰过程中继续发挥能源结构优势，推动经济高质量发展，努力提高政策驱动乏力现象。

（4）后续研究中应建立完善的指标体系，使其更细致详实地反映各地区的碳达峰能力和达峰时间。