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

刘丙泉, 王 月, 孟令奇, 聂博洋, 高 政

(中国石油大学(华东)经济管理学院,山东 青岛 266580)

一、引言

2015年6月,我国政府向联合国气候变化框架公约秘书处提交的《强化应对气候变化行动——中国国家自主贡献》中明确提出，到2030年左右二氧化碳排放达到峰值并争取尽早达峰,单位国内生产总值二氧化碳排放比2005年下降60%～65%。2017年4月,国家发展改革委、国家能源局印发《能源生产和消费革命战略(2016—2030)》,进一步强调了碳减排承诺。2020年9月22日,习近平在第七十五届联合国大会上再一次重申了力争于2030年碳达峰、争取2060年前实现碳中和的目标。为快速实现碳达峰、碳中和目标(简称“双碳目标”),除增加碳汇、实施碳捕获、碳封存等被动措施外,积极推进碳减排依然是重要的主动手段。公平有效地将碳排放权分配到各省份,明确各区域的碳减排责任,因地制宜地制定各区域减排策略,是快速实现碳减排的重要步骤。

二、文献综述

如何科学分配碳排放权、高效推进碳减排,业已引起学界的广泛关注。[1]已有学者基于公平准则、效率准则以及公平与效率双准则开展了卓有成效的研究。

基于公平准则的研究多依据历史公平、人均分配、支付能力等对碳排放权分配开展研究。如祁悦等[2]提出必须坚持人均分配及历史公平原则;Pan等[3]基于人均累积排放原则对全球碳排放量进行了公平性分配;欧元明[4]则通过碳基尼系数研究发现，基于单年度世袭、GDP排放强度、人均排放的不同分配原则，各省份的配额差距很大,由此提出不能基于单一指标进行碳分配,且分配结果应与各省份的减排责任、减排潜力相适应;杨超等[5]利用等人均、等产出、等空间等5个单一原则实现从全国总额到地方配额的分配,并基于相对剥夺系数构建权重,最终形成多原则综合加权的公平性分配方案。以上研究充分考虑了我国各省份在资源禀赋、发展水平、人口规模等方面的差异,结合各地区实际情况给出公平合理的碳排放权分配方案，但单纯考虑公平的分配方式忽视了对分配效率的考量,这与我国现阶段的发展需求并不相符。

基于效率准则的研究多以区域碳排放效率为碳排放权分配基础。[4]Lins等[6]、Gomes等[7]构建ZSG-DEA模型,实证分析了《京都议定书》框架下各国二氧化碳排放权分配问题。Wang等[8]利用ZSG-DEA模型对2020年我国碳排放量进行分配,发现宁夏、内蒙古、青海等省份需要承担更重的减排责任,与2005年相比碳排放强度需下降60%;苗壮等[9]将环境生产技术与ZSG-DEA模型相结合,预测了“十二五”时期我国各个省份的碳排放量配额;王庆山等[10]则提出了WDZSG-DEA 模型,关注弱关联性约束下区域碳排放权分配问题。以上分配方法可以使各省份全要素能源效率达到有效前沿,实现分配方案的效率最优,但忽视了各地区减排责任和减排潜力的差异,易拉大落后地区与发达地区的差距,得到的分配方案有失公平性,不利于碳排放交易市场的建立。

基于此,公平与效率双准则下碳排放权分配问题成为学界关注的焦点。其中,为了兼顾公平与效率,大多数学者采取自主构建指标体系与分配模型相融合的方式进行碳排放权的分配。例如,Chen等[11]基于模拟的碳中和路径,从公平和效率两个方面选取了人口规模、经济发展、历史累计碳排放和碳排放效率四个指标,利用熵权法构建了碳排放权配额分配模型;郑立群[12]通过分配满意度和公平偏离指数,构建了各省份碳减排责任分摊的公平与效率权衡模型;宋杰鲲等[13]在环境FCAM基础上计算了基于世袭制、平等主义和支付能力三种公平性分配原则的分配结果,通过加权组合,获得综合公平原则下的分配方案;钱浩祺等[14]利用随机前沿模型估计了各地区碳排放效率,并对我国各地区碳排放权分配进行了数值模拟。在碳排放权分配过程中,部分学者结合了聚类分析方法。例如，Yang等[15]利用聚类分析方法,从经济发展、碳排放和减排潜力三个维度选取了人均GDP、工业增加值、人均碳排放量、累计碳排放量等7个指标对我国各省份进行聚类,并为每个集群分配碳排放强度目标;Feng等[16]利用聚类分析和加权投票双层方法,提出了综合考虑公平和效率的分配办法,并对中国碳排放权分配进行了实证分析;王勇等[17]应用聚类分析将中国各省份划分为六大区域,首先将碳排放权在六大区域内划分, 然后在各区域内按省份进行分配。此外,部分学者采用了动态或多阶段的分配思路。例如，于潇等[18]采用非参数化方向性距离函数模型测算了我国各省份的碳排放绩效,并基于两阶段模型对我国2020年减排目标进行了省份分配,其中第一阶段基于历史公平性指标侧重分配公平,第二阶段基于碳排放效率指标侧重分配效率;Cheng等[19]基于平等主义、历史责任、减排能力和排放效率四个标准,设计了动态的多标准碳排放权分配模型,并利用DEA模型、环境基尼系数及其分组分解方法,评价了碳排放权分配方案的有效性和公平性。除了公平与效率准则外,部分学者还考虑了可行性、可持续性等其他准则。例如,方恺等[20]基于公平性、效率性、可行性、可持续性四项分配准则,选取了GDP、历史累积碳排放量、R&D支出占比、第三产业比重等指标,构建省级碳排放权分配模型;Fang等[21]则以我国各省份2030年预测碳排放量作为投入,将反映分配公平、效率、可行性和可持续性四项原则的指标作为产出,对ZSG-DEA模型进行了改进,并应用于2030年我国碳排放权省级分配问题;张浩然等[22]基于6种分配原则建立了区域碳排放权减排机制,并对比分析了基于平等原则、累计排放原则的分配方案与基于考虑效率的综合原则、偏公平原则和偏有效原则的分配方案,认为在制定碳减排机制时应在优先考虑公平性的基础上强调效率,从而促进区域协同发展；宋杰鲲等[23]则认为节能、减排和降碳目标同等重要,并基于ZSG-DEA模型对能耗、大气污染物排放和碳排放控制目标进行了联合分配。综合考虑使用广泛性和指标独立性、兼顾公平和效率准则的分配方法能够满足碳排放权分配方案的合理性和科学性要求,具有更强的指导意义。

综上,目前对碳排放权分配的研究已经由单纯考虑公平准则或效率准则,转向对上述两种准则的融合。但是,一方面，现有研究在考虑公平准则时大都以历史排放量为核心指标来确定区域碳排放权分配系数,忽视了区域碳减排的潜力,而我国各地区减排潜力存在明显差异[24],忽视这种差异会影响碳排放权分配方案的可行性；另一方面,已有学者注意到,伴随区域一体化发展的不断深入,将碳排放权首先分配到各区域,再分配到各省份,将有助于推进区域协同发展,但域内省份间碳排放权的分配须以区域整体效率的最大化为基础,即应考虑域内省份间的合作关系,无视这种关系将导致区域碳排放权的错配。

基于此,本文在已有研究基础上,一方面，将区域碳减排潜力纳入考量体系,重构分配系数,提高碳排放权分配方案的可行性;另一方面,将我国分为东部、中部和西部三大区域,首先完成碳排放权的区域间分配,进而考虑域内省份间合作关系,合理分配域内各省份碳排放权,为我国快速实现双碳目标提供决策支持。

三、模型构建

(一)考虑区域减排潜力的碳排放权分配系数设计

为了更全面地衡量各地区当前应承担的减排任务,本文将从减排责任和减排潜力两个维度确定碳排放权分配系数。其中,在减排责任方面,综合已有研究,经济发展水平越高、历史排放越多的地区减排责任越大,因此本文选取人均国内生产总值、人均历史累计二氧化碳排放量两个指标,共同表征各地区减排责任差异;综合减排潜力方面的研究成果[25-28],技术水平越高、低碳产业越发达的地区,其经济发展和碳排放呈现出脱钩趋势,减排潜力越大,故本文选取规模以上工业企业R&D经费、第三产业产值比重两个指标,共同表征各地区减排潜力差异。碳排放权分配系数评估指标体系如表1所示。

表1 碳排放权分配系数评估指标体系

表1的四项指标均与碳排放权配额呈负向关系,即经济发展水平越高、历史排放越多、技术水平越高以及产业结构越向低碳产业倾斜的地区,减排责任与潜力越大,在当前全国减排进程中应承担更多的减排任务,碳排放权配额应适当减少,即碳排放权分配系数越小。碳排放权分配系数具体计算方法如下所述。

(1)指标标准化。假设共有N个地区,其中i地区的第j项指标数据用αij(i=1,2,…,N;j=1,2,3,4)表示。为保证各指标均衡地确定碳排放权分配系数,先通过式(1)对各指标数据进行标准化处理。

(1)

(3)计算碳排放权分配系数。由于碳排放权配额与减排责任和减排潜力呈负相关,因此对综合指标级别作倒数处理得到各地区碳排放权分配系数βi=1/αi。

(二)考虑区域合作关系的碳排放权分配模型

(2)

(3)

域内省份碳排放权分配须保证其所在区域在给定碳排放权配额下效率不能降低,否则区域碳排放权分配将失去意义。因此,借鉴已有研究思路[29],域内省份效率评价模型如式(4)所示。

(4)

(三)敏感性分析

本文利用敏感性指数(Coefficient of Sensitivity, CS)[30],来确定碳排放权分配结果对分配系数的依赖程度。如果敏感性指数绝对值大于1,说明碳排放权分配结果对分配系数是富有弹性的,结果可信度较差;反之,说明碳排放权分配结果对分配系数是缺乏弹性的,结果可信度良好。敏感性指数计算方法如式(5)所示。

(5)

式中:CCi和CCj分别表示碳排放权分配系数初始值和调整后的值;Ci和Cj分别表示碳排放权分配初始结果和分配系数调整后的结果。

四、实证分析

(一)数据来源与说明

本文以《能源生产和消费革命战略(2016—2030)》所提出的“单位国内生产总值二氧化碳排放比2005年下降60%～65%”为基础,借鉴Gomes等[7]、郑立群等[12]的研究思路,将碳排放作为唯一投入变量,将能源消耗、人口数量和国内生产总值作为产出变量处理。本研究以我国东、中、西部三大地区共28个省份作为研究对象(考虑数据可得性,重庆、海南、台湾、香港、澳门、西藏不包括在内),所需数据主要来源于《中国统计年鉴》或由相关公式推导而来。

(1)碳排放量。由于我国没有官方公布的碳排放数据,参考王勇等[17]、于潇等[18]的研究,本文采用碳排放系数法进行碳排放量计算。以煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气8种一次能源为基础,根据《2006年IPCC国家温室气体清单指南》估算2005年碳排放量,并按照2030年我国单位国内生产总值二氧化碳排放比2005年下降60%～65%的总体目标,预测2030年碳排放数据,单位为万吨。

(2)能源消耗。以各地区消耗的各类能源为基础,按照能源标准煤系数统一换算得到2005年各省份能耗情况,并根据何建坤[31]的研究,假设2005—2030年我国单位GDP能源强度平均年下降率为3%，并以此来预测2030年各省份能源消耗量,单位为万吨。

(3)人口数量。刘钦普[32]预测了我国2030年各省份人口数量,且对比其预测的2020年各省份人口和2020年实际人口数据可以看出其误差整体小于3%,数据相对可靠,因此采用该研究预测我国各省份2030年的人口数据,单位为万人。

(4)国内生产总值。考虑到我国经济发展进入新常态,碳排放权分配领域相关研究中,田云等[33]假设2017—2030年我国GDP预期增速为5%～6%;方恺等[19]将我国2016—2030年GDP年均增速设为6%;李标等[34]研究预测2021—2025年我国GDP增速为6.02%,2026—2030年增速为5.52%。本文假设2019—2030年我国GDP年平均增长率为前两者平均值5.82%,并由2019年GDP统计数据预测得到2030年各省份GDP,单位为亿元。

本文碳排放权分配系数评估指标体系中减排责任和减排潜力指标的数据来源及处理方法分别为:人均国内生产总值、规模以上工业企业R&D经费、第三产业产值比重均由国家统计局2019年数据下载或计算得到;则是根据宋德勇等[35]的研究成果,得到1978—2010年我国各省份人均历史累计二氧化碳排放量,单位为万吨。

在得到减排责任、减排潜力指标的初始数据后,利用前文考虑区域减排潜力的碳排放权分配系数的处理方法计算得到碳排放权分配系数,结果如表2所示。

表2 碳排放权分配系数表

(二)我国碳排放权分配

根据式(2)—(5),各地区迭代六次的效率如图1所示。据图1可知,第一次迭代结果可保证中部地区DEA效率最优,且东、西部DEA效率相比其他分配方案的效率差值最大不超过2%,故可选择第一次迭代结果作为最终分配方案,分配结果如表3所示。根据最终分配方案,2030年在28个省份中,预期DEA效率达到0.97和0.95的省份数分别有9和13个,经过碳排放权重分配后效率值达到相应层次的省份数分别提升到了18和20个,有22个省份的DEA效率都得到了不同程度的提升。

图1 三大地区随迭代DEA效率变化

表3 2030年我国各省份碳排放权配额

为了在后续分析中更全面地分析本文模型给出的分配方案以及各地区的减排压力大小,将28个省份按照预期DEA效率和碳权变化量分为4类,具体分类标准如表4所示。

表4 省份分类

图2对比了考虑区域碳减排潜力以及域内省份合作关系的碳排放权分配方案与传统分配方案的差异。

图2 改进ZSG-DEA与传统ZSG-DEA碳排放权分配方案对比

通过对比分析可知,改进ZSG-DEA模型考虑了三大区域内省份之间的合作关系,从而在实现全国减排目标前提下保证区域整体DEA效率均得到提升;此外,改进ZSG-DEA模型考虑了省份间减排责任和减排潜力的差异,适当降低了江苏、山东、广东等减排责任和减排潜力较大省份的碳排放权配额,而传统分配方案则会将更多的减排压力施加给如广西、青海、宁夏等初始碳排放量小的省份,传统分配方式忽略了各省份实际发展情况,不利于经济落后地区的发展进步,容易导致各省份差距不断拉大,缺乏实际指导意义。

(三)敏感性分析

为了分析碳排放权分配结果对分配系数的依赖程度,本文将28个省份的碳排放权分配系数依次调整50%,由此得到的敏感性指数如表5所示。

表5 敏感性分析

从表5可以看出，各地区敏感性指数均小于1,且绝大部分小于0.2,说明碳排放权分配结果较为稳健。此外,通过敏感性分析可知,由于碳排放权分配系数与减排责任、减排潜力为负相关关系,调高某省份的碳排放权分配系数,其碳排放权配额会以一定幅度上升,其他省份碳排放权配额则以一定幅度下降,符合“减排责任与减排潜力越小,碳排放权越多”的公平性分配原则。

(四)实证结果分析

(1)在全国层面,2030年全国预期碳排放量为732 532万吨,其中有51 575万吨碳排放需要参与重分配,占预期碳排放量的7%。在重分配过程中预期碳排放量越大、预期DEA效率越低的地区释放的碳量越多,减排责任和减排潜力越小的地区分得的碳排放权配额越多,且碳释放环节侧重效率,碳分配环节侧重公平。

(2)在区域层面,东部地区2030年预期碳排放量最多,高达313 463万吨,预期DEA效率也最高,为0.937。在重分配过程中,东部地区需释放碳量为17 819万吨,约占全国需释放碳量总额的35%，但由于东部地区具有较高的减排责任和减排潜力,其分配得到的配额最少,仅为11 973万吨,占全国需分担碳量的23%。最终,东部地区碳权变化量为-5 846万吨,说明东部地区碳权排放配额低于预期碳排放量,整体上具有较大减排压力。此外,根据表4的省份分类标准,东部地区有北京、天津等5个省份属于DEA效率高且碳排放权配额充裕的A类地区,当前减排压力较小;与此同时,东部地区的河北、山东、江苏3个省份则属于减排压力较大的D类地区,碳权变化量总额为-10 624万吨,说明东部地区不同省份未来减排压力具有较大差异。

中部地区2030年预期碳排放量为227 288万吨,但预期DEA效率最低,仅为0.887。在重分配过程中,由于预期DEA效率较低,中部地区需释放碳量达到18 019万吨,约占全国需释放碳量总额的35%,需分担碳量为16 190万吨,占全国需分担碳量的31%。最终,中部地区碳权变化量为-1 829万吨,碳排放权配额略低于预期碳排放量,减排压力适中,但未来需严格按照“2030年碳排放强度比2005年下降60%～65%”的减排目标落实减排任务。而根据表4的省份分类标准,中部地区中D类省份最多,有山西、河南和安徽3个省份,因此对于中部地区而言,这三个省份的低碳转型之路至关重要。

西部地区2030年预期碳排放量为191 781万吨,预期DEA效率为0.903。在重分配过程中,由于预期碳排放量较少且预期DEA效率较高,西部地区需释放碳量仅为15 736万吨;而由于西部地区减排责任和减排潜力较低,碳权变化量为7 675万吨,碳排放权配额多于预期碳排放量,有利于西部地区稳扎稳打、逐步提高经济发展水平。此外,西部地区中有广西、四川、青海、新疆4个A类地区以及内蒙古、贵州、云南、陕西4个减排压力较大的D类地区,说明西部地区不同省份未来减排压力差异同样较为悬殊。

(3)在省份层面,从需释放碳量来看,山西、河北需要释放的碳量最多,均超过5 000万吨,合计约占全国需释放碳量总额的24%,其原因在于这两个省份预期碳排放量较大,约占总排放量的12%,且DEA初始预测效率均低于0.88。即在同样的人口、能源消费与GDP背景下,山西、河北等省份有更高的碳排放量,故基于效率考虑,需要降低这些低效率省份的碳排放权配额,将更多配额分给其他效率更高的省份。

从需分担碳量来看,碳排放权分配系数越大的省份分得的碳排放权配额越多。由表3可知,广西、甘肃、黑龙江和云南4个省份分配得到的碳排放量最多,均大于2 500万吨。考察其原因在于以上4个省份的碳排放权分配系数均大于10,属于碳排放权分配系数最高的省份。如广西的减排责任级别和减排潜力级别分别为0.04,其中历史责任级别、技术水平级别均小于0.02,与其他省份相比属于减排责任小且减排潜力小的地区，按照公平性原则,即由减排责任大、减排潜力大的区域分担更多的减排任务,因此广西现阶段则会分配到较多的碳排放权配额。

从最终分配结果上看,结合省份分类进行分析,A类地区DEA效率较高,且碳排放权配额较多,总体减排压力较小。具体来说,A类地区中的广西、黑龙江、江西等省份碳排放权配额均大于预期碳排放量,这类地区均属于减排责任与减排潜力较小的地区,碳排放权分配系数较高,且预期DEA效率都等于1。碳排放权配额向这类地区倾斜,不仅保障了公平性且有利于利用更少的碳排放量获取更大的期望产出,所以在公平和效率两方面,都需要分配给这些地区更多的碳排放权配额。此外,北京、上海等也属于A类地区,其虽有着较高的预期DEA效率,但由于经济实力和较高的历史排放,减排责任与潜力大,因而其碳排放权配额只会适度增加,相比预期碳排放量,这类地区最终碳权变化量不超过1 000万吨。

B类地区DEA效率较高,但碳排放权配额较少,有一定的减排压力。如浙江省2030年预期DEA效率为0.964,但碳排放权配额仅比预期碳排放量高43万吨,究其原因在于浙江省减排潜力级别高达0.13,减排责任级别较高为0.09,减排责任和减排潜力均较高,因此会承担更多减排任务。

C类地区DEA效率较低,但碳排放权配额较多,减排压力适中。其中甘肃、吉林的预期DEA效率仅处于全国中等水平,但由于减排责任和减排潜力较小,为保证分配公平性,这类地区仍会获得较高的碳排放权配额,因此C类地区的碳排放权配额也较为充裕。

D类地区DEA效率较低,且承担着较重的减排责任,未来十年减排压力较大。当前我国华北、华东的多数省份属于D类地区,D类地区多存在产能落后、产业结构落后等问题,如河北、山西碳排放权配额比预期碳排放量要低3 500万吨以上,在未来十年内属于减排压力最大的省份。究其原因,在公平性方面,河北省的减排责任级别和减排潜力级别均比较高,分别为0.06和0.07,应当承担更多的减排任务;在效率方面,河北、山西预期DEA效率值均低于0.88,所以在公平和效率两方面,都需要降低这些省份的碳排放权配额。

五、结论与建议

本研究在公平与效率准则基础上,考虑区域碳减排潜力及域内省份间的合作关系,改进ZSG-DEA模型,根据“单位国内生产总值二氧化碳排放比2005年下降60%～65%”的总体目标,对2030年我国28个省份进行了碳排放权的分配,并与传统ZSG-DEA模型分配结果进行比较。研究发现,改进后的ZSG-DEA模型能够弥补传统ZSG-DEA模型单纯追求效率的不足,较好地实现了碳排放权分配过程中公平与效率的平衡。研究结果表明:

(1)全国层面,共有7%的碳排放量需要参与重分配。在重分配过程中,碳释放环节侧重效率,即预期碳排放量越大、预期DEA效率越低的省份释放的碳量越多;碳分配环节侧重公平,即减排责任与潜力越小的地区分得的碳排放权配额越多。

(2)区域层面,三大区域分别具有各自区域整体特征,但区域内部仍存在差异。其中,东部地区未来整体减排压力较大,且不同省份未来减排压力具有较大差异;中部地区2030年碳排放权配额略低于预期碳排放量,减排压力适中,但需严格按照“2030年碳排放强度比2005年下降60%～65%”的减排目标落实减排任务;西部地区碳排放权配额较为充足,有利于西部地区实现稳步发展。

(3)省份层面,能源效率高、减排责任和减排潜力越小的省份最终碳排放权配额越多。具体可按照DEA效率高低和碳排放权配额多少将所有省份分为4类地区,其中,A类地区特点是DEA效率高且碳排放权配额多,总体减排压力较小,如广西、黑龙江等省份减排责任与减排潜力较小,能分得更多的碳排放权配额;B类地区特点是DEA效率高而碳排放权配额少,有一定的减排压力,如浙江省减排潜力较高,未来需要严格按照2030年碳排放强度比2005年下降60%～65%的总体目标落实减排责任;C类地区特点是DEA效率低而碳排放权配额多,减排压力适中,如甘肃、吉林等省份虽然预期DEA效率较低,但减排责任和减排潜力不高,因此仍会获得较多碳排放权配额;D类地区特点是DEA效率低且碳排放权配额少,我国华北、华东地区的多数省份属于减排压力较大的D类地区。

根据上述结论,本研究提出如下政策建议。

(1)全国层面,为实现“双碳”目标,要不断加强应对气候变化等政策体系创新,建立行政机制与市场机制相结合的低碳政策体系,通过行政机制明确低碳标准,通过市场机制加强减排活力。其中,为充分发挥市场机制作用,要加快推进全国碳排放权市场建设,强化各市场主体减排责任意识,从而在全国范围内形成低碳化协同发展的多赢格局,共同推动全国长期减排目标的实现。

(2)区域层面,要实现“双碳”目标,必须加强区域合作,促进优势互补。各地区要通力合作,积极破除区域壁垒,实现资源流通。通过建立跨区域大规模低碳产业链和产业集群等多种方式,加强各地区在人才、技术、制度等多方面的合作交流,实现区域协同减排的整体性跨越,在更大范围内实现全社会绿色低碳转型。

(3)省份层面,各省份应基于自身资源禀赋,量体裁衣,科学制定减排路径。北京、上海等A类地区应以国际视野借助经济、政策、科技等多种途径进一步保持发展活力和减排潜力,并积极参与碳排放权交易市场建设,通过碳权市场等平台加强区域协作,树立全国减排标杆;浙江、湖北等B类地区需进一步淘汰落后产能,依托自身独特资源优势、人才优势、技术优势弥补碳排放权配额劣势,综合考虑地区发展阶段、发展特点等实际情况制定多元化的减排方案;甘肃、吉林等C类地区则亟需解决能源效率低的问题,可通过碳权市场发挥碳排放权配额优势,加快引进先进科研成果,有效运用于减排领域,稳步提升能源效率;山西、河北等D类地区有着较大的减排压力,亟待整合资源,挖掘减排潜力,攻克减排难关,可通过发展新兴产业等方式,转变发展模式,转换增长动力。