辽宁省碳排放影响因素分析及达峰情景预测

毕 莹，杨方白

(1.东北财经大学统计学院，辽宁 大连 116025；2.辽宁师范大学数学学院，辽宁 大连 116029)



辽宁省碳排放影响因素分析及达峰情景预测

毕 莹1，杨方白2

(1.东北财经大学统计学院，辽宁 大连 116025；2.辽宁师范大学数学学院，辽宁 大连 116029)

基于中国实现2030年碳排放达到峰值的宏观目标为背景，本文以中国碳排放的主要地区辽宁省为研究对象，首先运用拓展的STIRPAT模型对辽宁省碳排放的影响因素进行筛选和分析，并建立起预测回归模型；其次根据建立的预测模型对辽宁省未来的碳排放达峰进行情景预测。研究结论显示:对辽宁省碳排放产生显著影响的因素分别为经济水平、能源结构、产业结构、开放程度和碳排放强度因素；低碳情景是实现辽宁省碳排放达峰的最佳发展模式，达峰时间最早(2034年)，且峰值最低，激进排放情景则是最不理想的发展模式，达峰时间最晚(2040年)，峰值也最高。

碳排放；低碳情景；激进排放情景；达峰预测；情景分析； STIRPAT模型

一、引 言

实现2030年碳排放达峰不仅是中国为应对全球气候变化向国际社会做出的郑重承诺，也是中国未来经济结构转型与可持续发展的必然选择。作为全球最大碳排放国家，为了积极应对全球气候变化，推动世界各国切实采取措施降低二氧化碳排放，中国政府在与美国政府联合发表的《气候变化联合声明》中做出承诺:“中国计划2030年左右二氧化碳排放达到峰值且将努力早日达峰，并计划到2030年非化石能源占一次能源消费比重提高到20%左右。”此后，中国又在多个国际场合中重申这一承诺，受到国际社会的广泛关注和好评。要想实现中国2030年碳排放达峰的目标，不仅需要先进的减排技术作支撑，更重要的是有高效的减排政策做指导，因而需要对实现碳排放达峰进行科学预测。作为中国东北地区的老工业基地，辽宁省的能源消耗较多，导致由能源消费产生的CO2排放量也比较大，因而辽宁省能否实现碳排放达峰对实现中国整体碳排放达峰具有重要意义，是决定中国能否兑现“达峰承诺”的关键环节。在此背景下，本文对影响辽宁省碳排放的因素进行筛选和研究，并对其达峰情景进行预测分析是有明确的现实意义的，有利于国家从促进辽宁省碳排放减弱的重要因素入手，针对性地提出建设辽宁省低碳发展及实现碳排放达峰的对策和措施。

二、国内外研究综述

在目前低碳发展的大趋势下，国内外有关地区或行业碳排放影响因素的研究成果逐渐丰富，其中指数分解法、Kaya恒等式、LMDI分解法和STIRPAT模型等是研究碳排放影响因素最有效的几种方法，因而得到了国内外学者的广泛应用。Ang和Pandiyan[1]运用因素分解法对中国、中国台湾和韩国制造业部门的碳排放强度进行研究，指出产品结构、燃料份额和部门能源强度等因素中对制造业部门的碳排放强度影响最大的是部门能源强度。Lin和Chang[2]对中国台湾1980—1992年主要经济部门二氧化硫、氮氧化物、二氧化碳排放进行Divisia指数分解，结论表明经济增长对有害气体排放影响最大。Ang等[3]在对不同指数分解方法进行比较研究的过程中，以中国为实例分析了工业CO2的排放，选取1985—1990年为样本期，考察了4种能源和8个工业部门，实证分析的结果表明工业增加值和行业能源强度降低分别对工业碳排放起到了最大的正效应和最大的负效应。国内也不乏关于CO2排放影响因素的分解研究，袁鹏和程施[4]采用对数平均Divisia指数分解法对辽宁省碳排放增加的驱动因素进行了分析，经济规模的扩大是辽宁碳排放增加的决定性因素，产业结构的重型化也起到了一定的增排作用；能源效率的提高在很大程度上抑制了碳排放增长。丛建辉等[5]以河南省济源市为例，基于改进的STIRPAT模型对中小城市工业碳排放影响因素进行分解，研究表明城市化水平、劳均产出、工业轻重结构等变量对济源市工业碳排放增加起到了正向作用，能源强度降低、公有制比例提高能够抑制碳排放增加，而工业固定资产投资、企业规模和外商投资变量在研究期间的影响并不显著。秦军和唐慕尧[6]基于Kaya恒等式，利用灰色关联分析法对2000—2011年江苏省统计数据进行了关联分析，结果显示：对碳排放影响最大的是煤炭消耗量，其次是原油消耗量、GDP以及人均GDP，人口及天然气消耗量对碳排放影响较小，说明改善以煤炭为主体的能源结构是降低江苏省碳排放的最有效途径。

碳排放达峰是近年来国际节能减排领域的关注重点，目前国内外学者预测中国碳排放峰值的主流方法有EKC曲线、IPAC模型、STIRPAT模型、LMDI分解法、LEAP模型、灰色预测法和神经网络模型等。朱永彬等[7]在内生经济增长模型Moon-Sonn的基础上对传统的环境库兹涅茨曲线进行了优化，研究认为中国如果在当前技术进步的速率下继续发展，将在2040年达到碳排放的顶峰，如果中国能源强度的下降速率达到4.5%—5.0%，中国碳排放很有可能在2040年之前达到峰值。姜克隽等[8]利用IPAC模型对中国未来中长期的能源与温室气体排放进行了情景预测，预测结果显示:在基准情景下，中国化石燃料产生的碳排放将于2040年达到峰值；在强化低碳情景下，将于2030年达到峰值。邓小乐和孙慧[9]利用STIRPAT模型对西北五省区未来碳排放峰值进行了预测，研究发现：技术与财富对峰值的影响较为重要。孙维等[10]利用LMDI分解技术先对广州市碳排放影响因素进行分解分析，结果表明，经济增长和能源强度分别是对广州市碳排放产生促进和抑制作用的最主要因素。王冰妍等[11]以上海市为例，利用LEAP模型对“零方案”情景(BAU)和低碳发展情景下的能源消耗和碳排放进行了预测，显示在低碳发展模式下，2020年上海的能源消费总量和大气污染物排放总量都将比基准发展模式下的减少很多。Lin等[12]利用GM(1,1)灰色预测模型预测了中国台湾2009—2012年的CO2排放趋势和达峰时间。纪广月[13]利用灰色关联分析原理，对中国碳排放影响因素进行了筛选，再利用BP神经网络模型对中国碳排放进行预测，从而大大地提高了神经网络的训练速度，并且达到了良好的预测效果，为中国碳排放预测提供了新的科学工具。

总体来说，已有研究极大地促进了碳排放影响因素及达峰的研究，为该领域的后续研究奠定了基础，尽管如此，当前研究还存在以下三点不足之处：(1)研究对象上，对地区碳排放达峰研究有所欠缺。目前，大多数文献只是对中国整体或某行业的碳排放影响因素或达峰预测进行分析，对中国具体省区的碳排放研究有待深入，尤其是碳排放较严重的省区。(2)在碳排放影响因素的选择上不够全面。大多数学者仅仅考虑了人均GDP、产业结构等公认因素，没有周全其他可能对碳排放产生影响的因素，这样得出的研究结论也许有失偏颇。(3)研究方法上，对碳排放的预测模型有待改进。例如，基于EKC曲线的研究是在这一曲线存在的假设下进行的，而碳排放与经济发展是否存在倒U型的曲线关系还有待商榷。

基于目前的研究现状，本文对辽宁省碳排放影响因素分析和达峰研究的主要工作体现在以下三个方面：(1)将研究对象定位于中国碳排放的主要地区——辽宁省，从而针对辽宁省的地方特征对其减排和达峰战略提出针对性意见。(2)在选择碳排放的影响因素时，从规模因素、结构因素、技术因素三个方面选取8个指标，对于可能影响辽宁省碳排放的因素给予较全面的分析和评估。(3)基于扩展的STIRPAT模型对辽宁省碳排放达峰进行预测研究，同时为了消除变量之间多重共线性的影响，选择岭回归法建立回归模型。

三、碳排放的核算方法及数据来源

本文将辽宁省碳排放分为两部分：一部分是化石燃料燃烧带来的直接碳排放，另一部分是电力消耗带来的间接碳排放。直接碳排放的测算采用《2006年IPCC国家温室气体清单指南》(以下简称《IPCC指南》)中介绍的基准方法，即从各种化石燃料的消耗角度对辽宁省碳排放进行测算。因此，辽宁省碳排放的计算公式为:

C=C1+C2

(1)

(2)

C2=QE×DE×EE

(3)

式(1)中，C1表示直接碳排放，C2表示间接碳排放。

式(2)中，j表示第j种能源种类，本文根据IPCC的能源划分选取了8种能源种类，分别为原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然气；Ej表示第j种能源的消费量，数据来源于1995—2016年《中国能源统计年鉴》；NCVj表示第j种能源的低位发热量，数据来源于《IPCC指南》；CCj表示第j种能源的碳含量，数据来源于《IPCC指南》；COFj表示第j种能源的碳氧化因子，根据《IPCC指南》通常该值取100%，表示完全氧化；44/12表示CO2与碳的分子量之比，即碳转化成CO2的转化系数。

式(3)中， QE表示电力总消费量，数据来源于1995—2016年《中国能源统计年鉴》；DE表示电力碳排放系数，本文取不同研究计算的平均值0.7173t/tce；EE表示供电煤耗，每年具体的数值取自国家电网发布的新闻数据。

四、辽宁省碳排放影响因素分析

(一)辽宁省碳排放的STIRPAT模型构建

STIRPAT(Stochastic Impacts by Regression on PAT)模型是York等人在IPAT模型和ImPACT模型的基础上重新提出的预测模型，针对以上两个模型无法反映模型中各个因素非均衡与非单调的函数关系的缺陷进行了修正。目前，STIRPAT模型已被广泛用于碳排放达峰的预测研究中。

在变量选择上：(1)被解释变量为辽宁省碳排放。(2)解释变量的规模因素中选取地区经济水平和企业规模。(3)解释变量的结构因素从更深层次对影响辽宁省碳排放的因素进行剖析，本文选择的4个结构因素分别是城市化率、能源结构、产业结构和开放程度。(4)此外，本文还引入技术因素作为解释变量，用能源利用效率和碳排放强度来体现减排技术水平对碳排放的影响。具体的指标及说明如表1所示。

表1 辽宁省碳排放预测模型中的变量描述

注：各指标的数据来源于1995—2016年《中国能源统计年鉴》和1995—2016年《辽宁省统计年鉴》。

首先采用最小二乘法进行多元线性逐步回归来拟合模型，但通过共线性检测的结果发现，模型VIF值显著大于10，说明自变量之间存在严重的多重共线性，为消除其对研究结果的影响，本文选择使用岭回归方法对模型重新进行回归分析。岭回归分析法是基于最小二乘法改进的一种统计方法，它可以通过在自变量标准化矩阵的主对角线上加入非负因子的方法消除多重共线性对分析结果的干扰，从而使回归推断的结果得到显著提高[14]。

辽宁省碳排放的初始STIRPAT模型为:

C=β0QPβ1CMβ2URβ3ESβ4ISβ5ODβ6EEUβ7TSβ8e

(4)

实际应用中常常将式(4)两边取对数，即:

lnC=lnβ0+β1ln(QP)+β2ln(CM)+β3ln(UR)+β4ln(ES)+β5ln(IS)+β6ln(OD)+β7ln(EEU)+β8ln(TS)+lne

(5)

式(5)中，β0为模型的比例常数项，β1—β8为指数项，e表示误差项。

以辽宁省1994—2015年的相关数据进行岭回归建模，根据输出结果中不同k值下标准自回归系数可以看出，在岭参数k从0到1的变化过程中，城市化率和能源利用效率变量的标准化岭回归系数绝对值一直很小且很稳定，从岭回归分析的变量检验结果来看，这两个变量以及企业规模的p值大于显著性水平0.05，说明三者对辽宁省碳排放的影响不显著，应剔除掉这三个变量再重新进行岭回归分析。最终以经济水平、能源结构、产业结构、开放程度、碳排放强度为自变量，辽宁省碳排放为因变量的岭回归结果如表2所示。

表2 辽宁省碳排放STIRPAT模型的岭回归结果

变 量系 数t值sig.t常数项9.94433.6230.000经济水平0.13014.4290.000能源结构0.8692.4780.016产业结构0.6152.0680.024开放程度-0.170-10.5410.000碳排放强度0.0963.0520.008R20.981F值154.715sig.F0.000

从表2可以看出，各变量的t值对应的p值均小于显著性水平0.05，且模型的拟合优度R2值为0.981，说明该模型的建立效果比较理想。最终建立的辽宁省碳排放岭回归方程为：

lnC=9.944+0.130ln(QP)+0.869ln(ES)+0.615ln(IS)-0.170ln(OD)+0.096ln(TS)

(6)

为了证明该预测模型的有效性，基于辽宁省各年度数据通过模型计算得到碳排放的方程回归值，然后对碳排放实际值与回归值进行两配对样本T检验，检验结果显示p值为0.617，大于显著性水平0.05，说明根据上述模型计算的辽宁省碳排放与实际情况没有显著差异，方程预测效果较好。

(二)辽宁省碳排放影响因素分析

依据辽宁省碳排放STIRPAT回归模型中各变量回归系数的显著性检验结果，对辽宁省碳排放产生显著影响的解释变量有经济水平、能源结构、产业结构、开放程度和碳排放强度。分析各变量对碳排放的影响效果，可以得出以下结论：

第一，经济水平对碳排放产生了显著的正向影响。在其他影响因素不变时，经济水平每提高一个单位，辽宁省碳排放将增长0.130个单位*指碳排放和经济水平变量对数变换后的系数关系，下同。，这与袁鹏和程施[4]的分析结果基本一致。经济水平之所以对辽宁省碳排放产生显著影响，主要是因为经济水平的提高能够有效推动地区发展，提升辽宁省内的产品需求和生产供给，进而导致地区碳排放增加。

第二，能源结构也在一定程度上促进了辽宁省碳排放。从回归系数来看，煤炭占一次能源消耗的比重每提高一个单位，辽宁省碳排放将相应提高0.869个单位。煤炭是辽宁省的主要消耗能源，在1995—2015年期间每年的煤炭消耗比重为60%—70%，然而煤炭是所有燃料中碳排放因子最大的能源，煤炭消耗比重的上升势必引起碳排放增加[5]，因此，辽宁省政府应加快对天然气、风能、太阳能等清洁能源的开发和基础设施建设，鼓励企业使用绿色能源，降低煤炭等化石能源的消费比重，从而实现全省能源消费结构的“绿色化”发展。

第三，产业结构的重型化也会对辽宁省碳排放起到一定的增排作用，但相对其他因素的影响程度较小。改革开放以前，东北地区尤其是辽宁省是中国最重要的重工业基地，虽然产业结构的重型化使辽宁省经济发展取得不小成就，但是粗放型能源消耗模式势必会导致CO2排放量的增多，这意味着辽宁省经济发展仍建立在对环境污染和资源消耗的基础上。因此，在不影响辽宁省经济发展的前提下逐渐降低第二产业在地区总产值中的比重，优先发展高增加值、低能耗、低碳排放的高新技术产业和服务业，从而实现产业结构的升级优化是辽宁省必须面临的严峻考验，否则将阻碍节能减排及达峰目标的实现。

第四，开放程度是对辽宁省碳排放起抑制作用的最主要因素。其在预测模型中的回归系数为-0.170，说明港澳台及外商投资企业比重的提高能够对辽宁省碳排放起到不小的抑制作用，主要原因在于外资企业在节能减排方面的技术水平比较先进，拉动了省内企业减排技术的变革和进步，因而减缓了辽宁省碳排放趋势。

第五，碳排放强度作为评估地区或行业减排技术的替代指标，其对辽宁省碳排放的促进作用是不容小觑的。从回归系数看，辽宁省碳排放强度每增加一个单位，其碳排放量大约增加0.096个单位。一般认为，碳排放强度的降低主要是由技术进步提高所带动，碳排放强度越小说明地区减排技术也比较发达。在研究时限内，辽宁省碳排放强度一直处于不断下降趋势，说明技术因素对于抑制辽宁省碳排放有所贡献。

总体来说，各因素对于辽宁省碳排放的影响程度和方向都有所差别，首先经济水平的进步是导致辽宁省碳排放规模加重的决定性因素，其次是开放程度的扩大，煤炭消耗比重和重工业比重的提高在一定程度上也有增排作用，碳排放强度的降低则对辽宁省碳排放起到不容小觑的抑制增长作用，而城市化率、企业规模、能源利用效率对辽宁省碳排放的影响效果并不显著。

五、辽宁省碳排放达峰的情景预测

(一)情景设计

情景分析法中各指标预测值的设置都要参考相关政策规划及发达国家发展规律，并与以往不同阶段的变化率进行对照，确保数据的设置符合地区或行业经济发展的实际情况[14]。本文将2016—2050年平均划分为七个时间段，辽宁省碳排放预测模型中的各个指标均分为“强”和“中”两个取值。

根据各参数的不同组合最终设计出辽宁省碳排放的四种情景模式，如表3所示。考虑到碳排放过程中增碳与减碳因素的实际变化，并结合辽宁省未来经济社会发展中的经济、能源和产业等发展政策[14]，本文将经济水平、能源结构、产业结构、碳排放强度四个变量归为积极因素(促进碳排放因素)，将开放程度变量归为消极因素(抑制碳排放因素)。

表3 辽宁省碳排放的情景模式

(二)辽宁省碳排放预测及达峰分析

利用辽宁省碳排放STIRPAT模型可计算出辽宁省2016—2050年碳排放预测值，根据预测结果可以看出，辽宁省在不同情景模式下的达峰时间分布在2034—2040年之间，并且在不同碳排放模式下达峰时间和峰值大小都有差异。辽宁省在四种情景模式下的碳排放达峰预测情景如表4所示。

表4 辽宁省碳排放峰值的情景预测 单位：亿t

注：*表示碳排放在某种情景模式下达到峰值。

对辽宁省在各情景模式下碳排放达峰预测的具体分析如下：

第一，基准模式下，辽宁省碳排放不仅无法实现2030年按时达峰，且差距较大。基准模式是所有指标的影响力度都为“中”的情景模式，即不采取任何减碳措施的基准发展模式。由表4可知，在这种模式下，辽宁省将在2036年实现碳排放达峰，峰值为116.626亿t，显然该模式无法满足中国2030年碳排放达峰的要求，且延后较长时间，因而需要外部政策的干预。

第二，低碳模式是辽宁省碳排放达峰的最佳发展模式。低碳模式是在基准模式的基础上，将消极因素的影响力度改为“强”的情景发展模式，由于消极因素对碳排放抑制作用的加强，该模式下的达峰时间比基准模式有所提前，峰值也相应降低。由表4可知，在低碳模式下，辽宁碳排放达峰时间为2034年，峰值为112.741亿t。虽然与中国2030年的达峰目标相比延后了4年，但考虑到辽宁省与北京市等较发达地区的发展现状相比要相对落后，所以还是在可接受范围内的。

第三，激进排放模式是辽宁省碳排放达峰预测中最不理想的发展模式。激进排放模式是指消极因素的影响力度为“中”，而所有积极因素的影响力度为“强”的情景模式。由表4可知，在这个模式下，辽宁省碳排放的达峰情景与达峰目标相差甚远，不仅达峰时间严重推迟(2040年)，峰值也偏高(121.387亿t)。中和模式是在激进排放模式的基础上将消极因素的影响力度调为“强”的模式，可以看出由于中和模式有消极因素的碳排放抑制效果，所以达峰时间比激进排放模式提前2年，峰值也降低3.938亿t。

第四，对比基准模式、低碳模式和中和模式可以得出结论：积极因素对碳排放的促进作用要比消极因素的抑制作用明显，更容易使碳排放达峰时间延后、峰值增高。首先，在基准模式的基础上将消极因素对碳排放的抑制力度调为“强”后，使辽宁省碳排放达峰时间提前了两年，峰值也降低了3.885亿t。其次，在低碳模式的基础上将积极因素对碳排放的促进力度全部调为“强”后，使辽宁省碳排放达峰时间又滞后了4年，峰值增加了4.708亿t。因此可以看出，积极因素对辽宁省碳排放达峰的负面影响比消极因素对辽宁省碳排放达峰的正面影响更加严重，不过也有可能是由影响因素数量上的差距造成的，但仍不排除以上结论的可能性。

由以上预测结果分析可以看出，如果辽宁省在减排和达峰过程中能够合理控制自身经济的发展速度、减少煤炭等化石能源的消耗占比、积极扩大对外开放程度，并且通过升级减排技术等方式来降低碳排放强度，同时在不影响经济发展的情况下加快产业结构的升级调整，那么辽宁省碳排放有望在2034年实现较为理想的达峰局面。

六、结论与政策建议

本文采用辽宁省1995—2015年的相关数据，分别在结构因素、规模因素和技术因素中选取了8个可能对辽宁省碳排放产生显著影响的指标，进而基于改进的 STIRPAT模型和岭回归分析法建立起辽宁省碳排放的预测模型，并对其影响因素进行了筛选和评估，最后依据建立的预测模型对辽宁省碳排放达峰进行了情景预测和分析。主要得出以下研究结论：

第一，在所有考虑的影响因素中有5个变量对辽宁省碳排放有显著影响，分别为经济水平、能源结构、产业结构、开放程度和碳排放强度，其中开放程度变量能够对辽宁省碳排放起到抑制效果，其余4个变量则起到或多或少的增排效果。

第二，在所有碳排放达峰情景模式中，低碳模式是辽宁省实现碳排放达峰的首选发展模式，因为在该模式下的达峰时间最早，且峰值最低。而激进排放模式则是最差的发展模式，不仅达峰时间最晚，且峰值也最高。

上述结论对于促进辽宁省节能减排策略的制定、推动辽宁省尽快实现较低的碳排放峰值，以及积极响应国家节能减排号召具有重要意义。因此，本文提出如下四点政策建议：

第一，稳定经济发展，加快技术进步，加强地区间交流合作。辽宁省碳排放达峰管理工作应该既能够保证地区经济发展、能源结构、产业结构和对外开放程度稳定在合理水平，又能够兼顾减排技术的升级，尤其是碳排放强度的降低，因为一旦忽略了科技的进步，不仅会使辽宁省碳排放达峰时间延后，还会令峰值上升。由此看来，国家应当加大在节能减排技术方面的资金和人员投入，鼓励各行业研究人员不断探索、勇于创新，淘汰落后技术，推进新兴技术。同时，地方政府应加强省区间甚至国际间的交流合作，积极引进先进思想和技术，并尽快应用到日常减排工作中。

第二，开发低碳能源，加快调整能源消费结构。目前，煤炭等化石能源仍然是辽宁省最主要的消耗能源，占全省一次能源消费总量的70%左右，实现能源结构的清洁化是辽宁省实现达峰目标的关键步骤。因此，应提升天然气、水电、风能、太阳能等清洁能源和可再生能源的使用比重，加快建设清洁能源的基础设施，由此推动地区能源消费结构向低碳化、绿色化方向发展。另外，适当扩大煤炭等化石能源的资源税征收范围，提高资源税的收费标准，纠正煤炭等化石能源的成本制度(如将在使用能源过程中带来的环境治理成本加入到能源的使用成本中)，建立完善的环境保护税收制度，从而降低中国工业对化石能源的依赖程度，提升可再生能源在市场价格中的竞争力。

第三，优化产业结构，促进高新技术产业发展。辽宁省是东北地区的老工业基地，同时也是全国有名的工业输出大省，其第二产业产值每年占地区生产总值的50%左右，说明辽宁省经济规模的扩大仍然大部分依赖重工业产业的发展，但这种依赖性将对资源和环境造成不小的负面影响。因为重工业的发展无疑会消耗更多的能源消耗，尤其是煤炭等化石能源的消费，而煤炭燃烧会导致大量CO2气体等环境污染物的排放。因此辽宁省应该加快转变产业结构的重型化趋势，降低重工业等重污染行业在地区生产总值中的比重，限制高污染、高耗能、低产出产业的盲目扩张，同时大力发展高新技术产业和服务业，加大对低污染、低能耗、高产出产业的投入，确保在不影响辽宁省经济发展的前提下完成地区产业结构的转型和优化，从而推动节能减排和达峰目标的顺利实现。另外，利用高新低碳技术对传统高污染产业进行低碳改造和重工业转移也不失为一种优化产业结构的好方式。

第四，充分发挥市场机制的调节作用。将市场手段应用到低碳经济中不仅可以降低减排成本，推动产业结构优化升级，还能够充分挖掘地区内部的减排潜力。因此，应重视建立区域碳交易市场，依靠市场手段，促进地方政府扩大对节能减排工作的投入，并加大减排技术研发的力度。另外，中国政府在2011年提出的碳排放权交易试点工作也应该受到推崇。

[1] Ang,B.W., Pandiyan,G. Decomposition of Energy-Induced CO2Emissions in Manufacturing[J]. Energy Economics, 1997, 19(3): 363-374.

[2] Lin,S.J., Chang,T.C. Decomposition of SO2, NOXand CO2Emissions From Energy Use of Major Economic Sectors in Taiwan[J]. Energy Journal, 1996, 17(1): 1-17.

[3] Ang,B.W., Zhang,F.Q., Choi,K.H. Factorizing Changes in Energy and Environmental Indicators Through Decomposition[J]. Energy, 1998, 23(6): 489-495.

[4] 袁鹏,程施. 辽宁省碳排放增长的驱动因素分析——基于LMDI分解法的实证[J]. 大连理工大学学报(社会科学版), 2012, (1): 35-40.

[5] 丛建辉,刘学敏,朱婧,等. 中小城市工业碳排放：核算方法与影响因素——以河南省济源市为例[J].资源科学, 2013, (11): 2158-2165.

[6] 秦军,唐慕尧. 基于Kaya恒等式的江苏省碳排放影响因素研究[J]. 生态经济, 2014,(11): 53-56.

[7] 朱永彬,王铮,庞丽,等. 基于经济模拟的中国能源消费与碳排放高峰预测[J]. 地理学报, 2009, (8): 933-944.

[8] 姜克隽,胡秀莲,庄幸,等. 中国2050年低碳情景和低碳发展之路[J]. 中外能源, 2009, (6): 1-7.

[9] 邓小乐,孙慧. 基于STIRPAT模型的西北五省区碳排放峰值预测研究[J]. 生态经济(中文版), 2016, (9): 36-41.

[10] 孙维,余卓君,廖翠萍. 广州市碳排放达峰值分析[J]. 新能源进展, 2016, (3): 246-252.

[11] 王冰妍,陈长虹,黄成,等. 低碳发展下的大气污染物和CO2排放情景分析——上海案例研究[J]. 能源研究与信息, 2004, (3): 137-145.

[12] Lin,C.S., Liou,F.M., Huang,C.P. Grey Forecasting Model for CO2Emissions: A Taiwan Study[J]. Applied Energy, 2011, 88(11): 3816-3820.

[13] 纪广月. 基于灰色关联分析的BP神经网络模型在中国碳排放预测中的应用[J]. 数学的实践与认识, 2014, (14): 243-249.

[14] 刘晴川,李强,郑旭熙. 基于化石能源消耗的重庆市二氧化碳排放峰值预测[J]. 环境科学学报, 2017, (4)：1582-1593.

(责任编辑：尚培培)

东北财经大学经济运行与财政政策研究基地

东北财经大学经济运行与财政政策研究基地(以下简称基地)成立于2015年4月，是经财政部批准设立的、纳入部省共建框架的首家智库建设试点基地。基地依托于东北财经大学国家重点学科财政学和东北财经大学经济与社会发展研究院的雄厚研究力量，致力于解决宏观经济运行、财政改革与发展的重大需求和重大科学问题，不断提升为国家决策提供服务的能力。同时，基地通过体制机制创新，先行先试，积累经验，探索推进部省共建研究工作长期化、制度化的新模式。

一、基地优势

基地依托东北财经大学国家重点学科财政学，该学科在财税体制改革和财经决策领域具有较强的学术理论底蕴，长期跟踪研究宏观经济重大问题和热点难题，为财政部相关司局提供了大量的高水平咨政成果，已形成较强的学术影响力和决策影响力。

基地以东北财经大学经济与社会发展研究院为平台开展各项工作。经济与社会发展研究院是东北财经大学下设的跨学科、综合性专职科研机构，拥有一支高水平专职科研团队，具备广泛调动、组织、整合多方科研力量的能力。近年，经济与社会发展研究院的研究人员中标1项国家社会科学基金重大招标项目，以及12项国家自然科学基金项目和国家社会科学基金项目，获得国家和省领导批示、国家级和省级内参发表的决策咨询成果20余项，在高端学术与政策研究上已形成雄厚的科研实力。

基地现有专职科研人员20人，全部拥有博士学位，研究人员学科领域包括财政学、产业经济学、国际经济学、金融学和统计学等多个学科。基地还积极整合、吸纳了一批校内外高水平学者参与研究团队建设，通过特聘与合作的方式，与多位国内外知名专家学者建立了合作联系。

二、建设目标

基地以“三个一”建设为目标：一个阵地——围绕宏观经济运行、财税体制改革、财政政策等领域的重大决策，打造面向财政部相关司局的智力支持阵地；一个平台——打造宏观经济、财政税收、计量经济等多学科交融的高端学术交流和成果发布平台，促进学术界和决策部门间的信息交流；一个基地——整合校内外优秀财经研究人才，引进高端学术人才，培养财经后备人才，建设财经政策领域创新型人才培养基地。最终将本基地打造成为服务财税体制改革重大决策的国内一流新型智库。

三、建设进展

基地通过体制机制创新，已形成例行会议、委托研究、信息交流和成果报送等四大运行机制。基地以宏观经济形势分析与预测、宏观经济运行专题分析、财政体制与政策分析等三个领域为主要抓手，开展了一系列具有前瞻性、实效性的预测分析和专题研究。相关成果通过本基地创办的《预测专报》直接报送给财政部领导及相关司局，得到了财政部相关领导的充分肯定，为国家宏观经济决策提供了重要参考。截至2017年第一季度，《预测专报》共上报15期，已成为基地为国家提供宏观经济预测分析与财政政策决策智力支撑的主要服务渠道。2017年，基地成功承办“共建工作联席会议”，并向财政部和所有共建高校介绍了基地建设经验，为推进全国部省共建工作和完善部省共建研究机制做出了应有的贡献。

2017-04-15

国家社会科学基金重大项目“社会主义与市场经济深度融合研究”(2015YZD08)；中国博士后科学基金项目“中国碳排放达峰的情景预测、路径规划与经济影响研究”(2016M601318)；国家自然科学基金项目“贸易产品消耗的全口径水资源：区域评估、影响因素及流动特征”(71573034)；辽宁省教育厅科研平台项目“中国对外贸易隐含碳排放及其外贸结构调整研究”(LN2016JD020)

毕 莹(1994-)，女，辽宁丹东人，硕士研究生，主要从事投入产出分析、国民经济核算和宏观经济研究。E-mail:bixiaoying1215@163.com

F124.5；X321

A

1008-4096(2017)04-0091-07