“双碳”目标下我国煤炭减量化使用的压力指数测度研究

叶青海 楚鸿健 张慧莹 张 梅

1（河南科技大学商学院，洛阳 471023） 2（郑州大学管理学院，郑州 450001）3（山东科技大学经济管理学院，青岛 266000）

引 言

2020年9月，习近平总书记宣布中国将采取更加有力的政策和措施，实现 “3060”双碳目标，我国煤炭排放的二氧化碳排放量占整个排放量的80%以上，煤炭减量化使用是双碳目标实现的关键。中国正处于工业化和城市化加速发展阶段，能源消费不断增长，中国温室气体排放总量大、并且继续增长。近十年来，煤炭在中国能源消费结构中占比持续降低，已从占比70.2%下降到2021年的56.8%，但仍处于较高位置，相比于全球煤炭消费占比的27.2%，中国煤炭消费水平是世界水平的2倍还要多。按照2030年碳达峰的碳排放管理目标，预计在2025年前后，煤炭消费必须达到峰值；2025～2030年前后，仍将处于煤炭消费总量峰值平台期但会逐渐回落；2033年后，煤炭减量使用进入大规模推进阶段；2050年后，煤炭逐渐转为应急与调峰能源，可再生清洁能源大幅提高。

探索中国各地区煤炭消费减量化使用的现状和治理途径具有重大意义。面对中央下达的能源消费结构调整、减少煤炭使用比重的硬性压力和约束目标，中国各个省（区、市）都要有具体的行动路线、规划图和方案实施时间表。但各个地区经济发展状况、能源资源拥有量、人口规模、低碳技术水平、产业结构、能源结构等影响因素的水平不同，面临的煤炭减量使用压力也必然存在差异，有必要解析中国各个省域在碳中和目标下煤炭减量使用的压力程度，并进行比较分析，以促进各个省域因地制宜、精准施策，控制煤炭消费总量，推动绿色循环低碳发展。

1 研究综述

全球主要国家几乎都提出了碳中和的目标，但碳中和依然是遥远的目标，因为大家都承受着减碳的巨大压力。 “BP能源统计2022”［1］认为：2021年世界能源转型和能源体系面临强烈的冲击，从2021年的数据来看，全球还依然处在碳排放增长的周期里。在未来一段时间内，全球的碳排放将延续持续增长的状态，甚至2022年的全球化石能源消费量和比例都会上升。能源体系转型需要满足 “足够的能源安全”、“实现气候变化目标的低碳环保”、“经济上可承受”3个约束［2］的减碳路径，煤炭减量使用也一样，需要在承受巨大压力中负重前行。

张宏 （2022）［3］认为实现碳达峰碳中和的重要途径有4点，即加快能源消费结构调整、提高可再生能源比重、控制能源消费总量以及减少化石能源消费比重。 Duan （2018）［4］通过建立随机能源经济-环境综合模型，重点关注碳强度降低、碳排放峰值和非化石能源发展。蒋茂荣等 （2021）［5］指出我国煤炭消费减量化使用的前提是做到低成本替代和不产生能源电力安全问题，兼顾煤炭依赖型地区长期发展。从地区减煤举措来看，王林平 （2016）［6］以上海市为例，研究了煤炭减量替代方案的实施情况，得出具体领域具体的煤炭减量替代方案。刘佳佳 （2021）［7］则以安徽省为例研究煤炭消费总量控制的对策，认为重视煤炭消费对经济增长作用的同时更要重视经济与环境、资源、生态的协调发展。山西省作为中国煤炭产量第一大省，是重点关注的减煤对象，秦艳 （2021）［8］就以山西省为研究对象，运用情景分析法发现 “十四五”期间，加快产业结构调整力度及深度，促进能源生产系统性变革，紧抓重点行业绿色低碳转型是关键减煤路径。许悦和翟大宇 （2021）［9］基于北上广和深圳、湖北五个碳市场的交易数据，综合考虑了碳市场的纵向压力情况和横向相关性，构建了日度中国碳市场压力指数（CCMSI），反映出了中国碳市场总体风险的表现。

现有文献研究聚焦于煤炭减量使用的具体举措和实施路径，但缺少地域层面的纵向和横向比较研究；研究聚焦于为煤炭减量和煤炭替代提出对策建议，但缺乏对煤炭减量使用压力的实证分析和论证，缺乏对全国各个省域的减煤压力研究。本文试图以全国和地区的减煤压力为研究对象，借鉴运用等方差加权法构建煤炭减量化的全国和地区压力指数，不仅聚焦宏观的国家层面，而且聚焦中观层面各地区的煤炭减量压力，并进行异质性对比分析，将研究内容具体化，以便更有针对性的提出政策建议。

2 数据、变量说明与压力指数构造方法

2.1 数据来源

本文以2009～2020年我国30个省（区、市）为研究对象，数据来源于2009～2020年的 《中国统计年鉴》、我国各个省（区、市）的统计年鉴以及 《中国能源统计年鉴》，其中西藏自治区及港、澳、台地区的相关数据缺失，故去除。

2.2 指标选取标准与含义

煤炭减量化使用的压力指数的指标要符合以下原则：（1）指标能够反映煤炭工业能源生产建设情况，在供给侧结构性改革中，能源供给端层面数量的提升与质量的优化尤为重要［10］；（2）指标能够反映煤炭工业能源消费与结构合理性情况，在供给侧结构性改革中，能源消费端需要与供给端保持有效对接。本文选用7个指标，把它们划分为煤炭能源使用的供需端及煤炭减量使用变化的特征反映变量体系端，测度我国整体及我国不同省域的煤炭减量化使用压力指数，评估煤炭减量化使用风险与评价措施成效，具体的指标和计算方法如表1所示。为使得指标与数据在量纲上统一，本文参考城市低碳经济指数构建的指标标准化处理方法，把指标划分为正负向类型，使它们在处理后处于0～1之间［11］。

表1 变量指标及其释义

2.3 煤炭减量化使用压力指数的构造方法

本文参考相关文献，采用修正后的等方差加权法（正向指标X1～X6的数量多于负向指标X7，且未来在推进煤炭减量化使用措施进程中更注重可再生能源的利用及传统能源对环境的影响，故在计算压力指数时给予X1～X6共40%的权重，X7为60%的权重进行压力指数的构造，其中基础构造公式的方法如下所示：

式 （1）代表第p个省（区、市）的煤炭减量化使用压力值，Xip表示第i个变量在第p个省（区、市）的值，μi是第i个变量的样本均值，δi是第i个变量的标准差，n是指标的个数 （其中p＝1，2，…，30，数字的顺序根据中国经济社会大数据研究平台设置的省（区、市）来标记）。

式 （2）代表第t年煤炭减量化压力值，Xit表示第i个变量在第t期的值，μi是第i个变量的样本均值，δi是第i个变量的标准差，n是所选指标的个数（其中t＝1，2，…，11）。

3 全国煤炭减量化使用压力指数的定量分析

本文拟从时序变化、ARIMA模型与ARMAEGARCH（1，1）模型对全国煤炭减量化使用压力进行测度。

3.1 全国煤炭减量化使用压力指数的时序变化分析

依据本文提出修正后的测算公式计算，并考虑到煤炭减量化使用压力指数的可比性（为了使全国层面与地区视角下的煤炭减量化使用压力指数尽量不为负数且省域间的平均数差异不能悬殊），故将计算出的减量化使用压力指数数值给予ln（1＋exp（））的方法予以处理，可得如表2所示的2009～2020年全国煤炭减量化使用压力指数，并通过Stata15软件绘制图1所示的时序变化图。

表2 2009～2020年各指标与全国煤炭减量化使用压力指数的相关数据

图1是根据正向指标（X1～X6）、负向指标（X7）与通过给予不同指标不同权重修正的等方差加权法公式计算出的全国煤炭减量化使用压力指数之间的关系绘制的，其中3条虚线以2009年金融危机（本文近似看作2009年）、2014年过剩产能淘汰实施、2015年供给侧结构性改革深度推进为依据进行标注。图中所示全国煤炭减量化使用压力指数的波动情况、下降趋势与X5（煤炭消费量占能源消费量的比重）、X7（可再生能源发电量占总发电量）最为接近，暂不考虑权重问题的情况下，现阶段全国工业经济发展离不开煤炭的投入与消费［12］，同时在居民日常生活中，尤其是冬天取暖中烧煤、火力发电等仍然为一部分地区所使用；另外在双碳目标引导下传统能源转型的需求，清洁与可再生能源的开发与利用有助于赋能我国煤炭减量［13］。

图1 2009～2020年各指标与全国煤炭减量化使用压力指数的时序变化图

图2的变化趋势与周期反映出的信息有两点：从变化趋势上看，压力值的下降几乎呈现线性，与上文时序变化的分析差不多；从变化周期上看，压力值的起伏基本上能反映煤炭行业与市场的情况。2009～2010年受到金融危机的短期冲击，社会经济基本面包括煤炭行业处于下行周期，社会对煤炭的需求较低，减量压力处于下行周期，降速加快。2010～2013年，伴随相关政策文本支持煤炭行业的复苏及社会经济基本面的逐渐向好，处于复苏周期，市场对煤炭的需求逐渐增多但容易受到干扰、处于不稳状态，表现为减量压力的变动较大。2014～2016年，经济增长速度有所降低，煤炭需求较大幅度下降、煤炭企业利润降低［14］，社会对煤炭的需求较低，减量压力处于下行周期，降速加快。2016年后，经济增长进入新一轮景气周期，房地产和基建两大行业发力，拉动传统行业对能源需求的高增长，煤炭消费规模有较大幅度增加，伴随而来的煤炭减量压力处于上升周期，压力降速放缓。2019年末爆发的新冠肺炎疫情虽然对煤炭行业产生一定的冲击，但疫情后基建行业的复工复产对煤炭的需求大于疫情的冲击，2020年的煤炭减量压力的降速仍然呈现放缓状态［15］。

图2 基于HP滤波法对煤炭减量化使用压力序列的分解图

3.2 基于ARIMA模型的煤炭减量化使用压力指数的预测与对比分析

3.2.1 ARIMA模型介绍及序列的单位根检验

预测煤炭相关问题可以采用ARIMA模型、灰色预测GM模型以及机器学习法（杨英明等，2018）。本文采用ARIMA模型进行煤炭减量化使用压力的预测。ARMA模型针对平稳时间序列建模，但现实中大部分的经济数据是不平稳的，直接用于建模可能会使模型预测失真，常常需要通过差分操作并经ADF单位根检验使其变得平稳。经差分变换后的ARMA模型称为单整自回归移动平均模型。若与变量本身、影响时间序列变化的随机扰动项滞后期等存在一定的线性关系，则原序列更适合用ARIMA模型。ARIMA模型常用于长期追踪资料的研究，它将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。本文模型设定AR（p）、MA（q）过程的模型为：

压力值原序列的ADF值小于1%临界值，P值为0.0012＜0.01，说明序列通过平稳性检验，有99%把握说明其为平稳时间序列，可进行ARIMA模型预测以反映出压力指数变化。

3.2.2 ARIMA模型的定阶分析

ARIMA模型的定阶往往需要通过序列相关图进行判别，通过Eviews软件对原序列进行相关性检验，以此达到ARIMA模型定阶的目标。

序列相关性检验数据中（表略），pressvalue的自相关函数与偏自相关系数均呈现拖尾现象。从第2阶开始，Q统计量的P值均小于0.01，说明在1%水平上为非白噪声序列，表明各个滞后期之间存在相关关系，可对pressvalue序列定阶，设定的模型为 ARIMA（1，0，3）。

3.2.3 ARIMA（1，0，3）模型的参数估计分析

对具有ARIMA过程的序列进行参数估计，具体的数据如表3所示。

表3 全国煤炭减量化使用压力指数原序列的ARIMA（1，0，3）模型参数估计数据表

表3中所示模型中的参数估计全部通过t检验，模型拟合优度为0.99，方差线性拟合度良好；方程整体估计F的P值为0.00＜0.01，即方程在1%水平上整体显著。

3.2.4 ARIMA（1，0，3）模型的平稳性检验

图3所示 ARIMA（1，0，3）模型的特征根全部落在单位圆内，模型稳定。

图 3 ARIMA（1，0，3）模型的序列自相关模型的单位根过程检验图

3.2.5 ARIMA（1，0，3）模型的适应性检验

在参数估计后，需要进行模型的适应性检验。通过检验模型的残差序列是否为白噪声，即不存在自相关关系来判断模型是否合适。若不存在自相关关系，则模型是适应的，可以进行预测。

表4所示残差序列各滞后阶数自相关函数的检验结果均落在虚线之内，表明ARIMA（1，0，3）模型的残差序列不存在自相关，ARIMA（1，0，3）模型是适应的，可作拟合与预测。

表4 ARIMA（1，0，3）模型的残差序列Q-statistic检验结果表

3.2.6 基于 ARIMA（1，0，3）模型的 2035 年前的拟合与预测

图4中所示全国的煤炭减量化使用压力指数的预测值在2021～2035年之间有一定幅度的下降。排除模型设定与拟合的误差后，压力值的预测与现实的情况还是比较符合。2009～2011年，全球性金融危机爆发后，大规模固定资产的投资使得煤炭消费旺盛，压力指数在高位徘徊；2012～2014年，经济高增长背景下，单位GDP的煤炭消费在迅速下降，使压力指数也快速下降。2015～2016年，国家推进供给侧结构性改革，过剩产能淘汰持续推进，伴随高耗能产业的转型，全国的煤炭减量化使用压力指数在有序地波动下降。2017～2019年，房地产行业的强势复苏推动了对煤炭的高需求，压力指数递减速度放缓，2020年虽爆发了新冠肺炎疫情，为对冲疫情冲击，国家出台了一系列鼓励基建投资的政策，带动了煤炭需求的回升，但煤炭压力指数下降进一步放缓。本文预计，2021～2023年，伴随煤炭需求旺盛态势持续，煤炭减量化使用的压力指数会反弹，2024年后，煤炭减量压力指数将逐步下降，并且随着可再生能源在能源体系中比重的大幅度提高，煤炭减量压力指数将持续下降［16］，在实现双碳目标过程中不仅需要实现低碳，更重要的是兼顾经济高质量发展及保障地区能源有效供给，特别是在2030年实现碳达峰目标后，我国经济对煤炭的依赖将深度降低，可再生能源在能源供给体系中的比例大幅度提高，我国煤炭减量化使用的压力将逐步降低，煤炭消费大规模减量将逐渐开启。

图4 全国的煤炭减量化使用压力指数原始与预测值图

4 地区视角下煤炭减量化使用压力指数的定量比较分析

前文分析了全国煤炭减量化使用压力指数的时序变化、预测趋势及风险波动等问题。时序变化与预测趋势变化均表明伴随在碳中和开始深入发展，压力指数虽然存在一定的风险，但总体上还是呈下降趋势，压力较小。同时，另一个问题即每个省（区、市）或具有某种相似特征组成的区域是否也有下降趋势，这些区域相互之间是否具有联系与影响等也相伴而生。为了进一步验证这一问题是否为真，本文以具有某种相似特征组成的区域为切入点，将全国30个省（区、市）划分为4类，分别为煤炭输出大省、能源输入大省、经济总量大省、其他地区与可再生能源比重高的省，基于时序变化趋势分析、ARIMA模型对同一区域的纵向变化、不同区域的横向变化等进行对比分析，拟达到验证具有某种相似特征组成的区域是否也有下降趋势以及相互之间是否有联系、影响等的目标，从而更好地为下文提出对策建议提供一些可参考的依据。

4.1 地区视角下研究区域压力指数概述

如图5，整体来看，山西、宁夏、内蒙古、陕西、新疆这五大产煤大省（区）压力指数占据前五名，煤炭减量化使用首当其冲的地区是煤炭主产区，这些地区会面临煤采掘和下游煤产业收缩的局面；河北、安徽、黑龙江这些煤炭产量供给偏大的地区也存在较大的压力；山东、河南、江苏、浙江这四大煤炭需求较大的经济大省减煤压力均值是比较大的；北方的煤炭减量化压力指数大于南方，中东部的压力指数大于西部。而西南、华南地区的四川、云南、湖北、广西等省（区）压力值较小，主要由于这些地区生产和消费煤炭都较少，西南地区的水能、西部的太阳能是可再生能源开发的主力，这些地区可再生能源比重高，在煤炭减量化使用背景下，这些地区的可再生能源投资和产能将大幅增长，这些地区将是煤炭减量化使用的间接受益者。从2010～2020的10年间，太阳能光伏发电和风能发电量增长分别为25倍和4倍，在碳中和目标下，未来可再生能源的发展还将加速，因此，这些地区煤炭减量压力值较低。

图5 2009～2020年29省（区、市）煤炭减量化使用平均压力指数排序

4.2 地区视角下重点地区能源消费结构的时序变化及原因分析

地区视角下的研究区域煤炭减量化2009～2020年平均压力指数如图6～8所示。

图6 2009～2020年煤炭输出大省的减量化使用压力指数的时序变化图

图7 2009～2020年可再生能源比重高省的减量化使用压力指数的时序变化图

图8 2009～2020年能源输入及经济总量大省煤炭减量化使用压力指数的时序变化图

4.3.1 煤炭输出大省（山西、陕西、内蒙古、宁夏、新疆）的压力指数分析

山西、内蒙古、陕西、宁夏是中国煤炭产量和输出最大的4个地区，约占全国煤炭资源输出量的80%。由图可知，山西减煤压力略降低，但总体压力指数仍然在高位运行，仍然是压力指数最大的省份，2014年之后，内蒙古的减煤压力在2016年后持续上升，成为5个煤炭输出大省（区）中减煤压力第二的省（区），内蒙古煤炭供给持续上升，供给总量已接近山西。宁夏的减煤压力指数变化不大，由于宁夏经济总量较小，煤炭经济占经济比重较高，因此其减煤压力指数稳居第三，新疆的减煤压力指数持续攀升，新疆丰裕的煤炭资源和煤炭运输能力的提升使新疆的煤炭输出持续攀升，煤炭经济的比重亦在持续攀升。陕北煤炭持续增产令陕西的减煤压力指数也有所上升。五大煤炭输出省（区）减煤压力指数持续高位运行，与全国煤炭压力指数持续降低的态势形成鲜明对比，资源型地区在供给端煤炭减量化使用的压力的降低将是推动煤炭减量使用的难点［17］。

4.3.2 可再生能源比重高省（湖北、云南、青海、四川）的压力指数分析

四川、云南和湖北是中国水电最丰富的3个省。四川省地势起伏大，全省水能资源理论蕴藏量达1.43亿千瓦，是全国最大的水电开发和西电东送基地；云南省水能资源可开发量近1亿千瓦，居全国第二；湖北省水电发电量在2019年居全国第三，三峡水电站是世界上规模最大的水电站。2012年之前，四川、云南省的压力指数相对处于高位，从2013年开始，两省的压力指数一路走低，而湖北省和青海省在2018年之前持续波动上升，由于湖北省的水利发电大部分都输送到了能源匮乏区，而青海省则由于经济发展水平不高，能源开发技能和科技创新水平一时难以提升，2019年之后，两省均呈现压力指数下降的趋势。整体而言，可再生能源大规模开发对全国煤炭减量压力的降低做出了巨大贡献，未来随着可再生能源的生产规模持续扩大以及在能源结构中占比持续提升，我国煤炭减量压力将继续降低，为煤炭大规模减量奠定基础。

4.3.3 能源输入大省及经济总量大省（广东、江苏、山东、浙江、河南）的压力指数分析

经济总量大省的能源需求量大，同时能源外省调入比例高，这些大省的电力结构中火力发电仍然占据很高的比例。山东和河南的煤炭减量压力在经济总量大省里面是较大的，由于这两个省份都是人口经济大省，重化工业占经济总量比重较高，两省的电解铝、钢铁、煤炭化工、有色金属、水泥等高耗能、高耗煤产业规模都较大，对能源和煤炭需求量大［18］；2017年之后压力指数波动下降，表明煤炭减量的举措取得了一定成效。接下来是压力位于中间的江苏省，压力指数在0.8上下波动，2012～2019年高于0.8，但有波动下降的趋势；5个经济总量大省中煤炭减量压力指数相对较小的浙江省和广东省，指数在0.5～0.7之间波动，总体呈现积极下降的态势，广东和浙江虽然是能源消费大省，但经济总量盘子大，单位GDP煤炭消费相对较少［19］，高新技术产业比重较高，因此压力指数较低。

4.3 基于ARIMA模型的研究区域煤炭减量化使用压力指数预测与全国的异质性分析

在分析了研究区域横纵向变化趋势后，基于平均法合并研究区域的压力指数值，并借助ARIMA模型对区域2020年的压力值进行预测，拟达到通过对比以往年度的数值反映其变化趋势的目标。表5为经过给予同一区域内的省（区、市）相同权重的平均压力指数值；图9为通过构建ARIMA模型的预测序列与原序列的变化趋势对比图。

表5 给予同一区域内的省（区、市）相同权重的平均压力指数值

图9为对比预测序列与原序列的变化趋势图，其反映出模型的预测效果大部分是良好的。所示的4个区域压力指数2021～2035年中，煤炭输出大省与其他地区预测值有一定程度的上升，但预测的增长速度都较慢，说明在未来可能存在一定的煤炭减量压力，但仍处于可控范围。同时可以看出，在2027年煤炭总量达峰之际，煤炭输出大省的压力趋于平缓，说明区域内煤炭减量措施取得一定成效，并开始调整能源结构以转向可再生能源与清洁能源的开发与利用。能源输入及经济总量大省的煤炭减量化使用压力指数有小幅度的下降，说明预测未来几年这些地区凭借经济发展水平和技术创新能力进行煤炭减量的压力会不断下降。而其他地区的煤炭减量化使用压力指数有小幅度的上升，在2034年左右开始稍微大于能源输入及经济总量大省的压力指数，因为其他地区涉及的省份、区域较为分散，资源禀赋差异也较大，而能源输入大省除河南以外，其它省份经济发展基础好、科技创新能力强、经济转型升级动能强。而可再生能源比重高省的煤炭减量化使用压力指数处于持续下降过程，说明在未来实现双碳目标的过程中，该区域的可再生能源与清洁能源将发挥较为重要的减排促低碳的作用。

图9 2009～2035年研究区域煤炭减量化使用压力指数的原始与预测值的时序变化

未来煤炭输出大省的压力指数下降不明显，而可再生能源大省压力下降指数下降可观，反映了未来煤炭减量化压力将集中在煤炭输出大省，因此要高度关注煤炭输出大省在煤炭减量化进程中面临的巨大挑战，需要制定系统的应对方案和对策。

图10所示2009～2014年全国与地区视角下研究区域的煤炭减量化使用压力指数的异质性是波动较大的，曲率也较大。说明重大的经济事件对于我国能源安全、煤炭减量措施实施等造成了重大的冲击，而且在经济疲软的时候，从全国到地方层面的政策执行力度以及市场保障都存在时滞和差异性，使得全国层面的煤炭减量压力与地区层面的煤炭减量压力异质性波动较大，曲率也较大。2014年之后，由于供给侧结构性改革大力推动，从全国层面的政策支持到地方层面的政策执行都逐步深入推进，全国与地区层面煤炭减量压力的异质性变化波动较小，趋于平缓，而且异质性的变化率持续下降。2021～2035年往后的预测中全国与地区层面的煤炭减量压力异质性变化率基本上趋于0，异质性波动越来越小，说明全国与地区层面煤炭减量措施的执行力度、执行效率逐步呈现同步性，且时滞性减小，随着我国及地区层面更加重视可再生能源和清洁能源的开发和利用，煤炭减量压力将呈现单边下降趋势。

图10 2009～2035年全国与地区煤炭减量化使用压力指数的异质性大小变化趋势

4.4 基于灰色关联度模型的对研究区域的煤炭减量化使用压力指数关联性分析

灰色关联度理论是通过测算每一个系统内的各要素灰色关联度，进而达到分析每一个子系统中各要素的相关关系的目标。本节通过煤炭减量化使用压力指数的相互影响来侧面反映重点区域之间煤炭减量措施实施的关联性。以1个区域特征作为参考序列，另外3个区域特征作为比较序列来计算灰色关联度数值，具体结果如表6所示。

表6 分类视角下区域煤炭减量化使用压力指数灰色关联度分析

由表6可知，除了以可再生能源比重高的省为参考序列的其他区域特征灰色关联度较低外（可再生能源比重高的省由于现有清洁能源开发力度不大，除湖北省外其他省份的地理位置相对偏远，故受到其他区域特征的煤炭减量措施实施的影响较少），灰色关联度系数的平均值总体而言相差不大，反映出区域特征压力指数间关联较大，对参考序列煤炭减量化使用的引导作用较强。

以煤炭输出大省为参考序列可以看出，对煤炭输出大省的灰色关联度及依赖度最高的依次为能源输入大省及经济总量大省（0.829）、其他地区（0.524）、可再生能源比重高的省（0.506），灰色关联度平均值为0.682；对能源输入大省及经济总量大省的灰色关联度及依赖度最高的依次为煤炭输出大省（0.830）、其他地区（0.786）、可再生能源比重高的省（0.524）；可再生能源比重高的省的灰色关联度及依赖度最高的依次为其他地区（0.617）、能源输入大省及经济总量大省（0.524）、煤炭输出大省（0.507），灰色关联度平均值为0.550。可以看出能源输入经济总量大省与煤炭输出大省有显著的关联性。在煤炭减量化的结构升级过程中，需要从供给和需求两端联合实施推进煤炭减量化，应更加重视能源输入及经济总量大省的能源产业结构调整的引领作用，同时在煤炭输出大省进行供给侧的供给减量化［20］，才能使煤炭减量化实施更高效。

5 结论与建议

5.1 结论

5.1.1 关于全国煤炭减量化使用压力指数的分析结论

本文选取2009～2020年代表煤炭减量化使用的指标，通过修正后的等方差加权法构造煤炭减量化使用压力指数。通过时序变化、ARIMA模型分析发现，在2014碳达峰、碳中和理念提出与被广泛讨论，2020年碳中和目标付诸实践之后的2020～2022年，煤炭减量化使用压力指数有上升的趋势，而在2023～2035年则有下降趋势。这种下降趋势反映出在供需层面可能是由于供大于求，价格下降，进而有可能导致以利润最大化为目标的高耗能企业不愿意投入研究经费进行能源结构转型，造成一定的市场风险。在2030年碳达峰实现之际，从国家层面政策调整更加鼓励清洁能源的使用到中观层面煤炭产业结构调整以淘汰过剩产能到微观层面新能源汽车保有量的提高。伴随双碳进目标的深度推进，经济高质量发展的同时对煤炭的依赖程度会逐步降低，煤炭减量化压力波动会有序降低。

5.1.2 关于地区煤炭减量化使用压力指数的分析结论

基于ARIMA模型分析地区视角下研究区域，煤炭输出大省与其他地区预测值有一定程度的上升，但预测的增长速度都较慢；能源输入及经济总量大省的煤炭减量化使用压力指数有小幅度的下降；可再生能源比重高的省的煤炭减量化使用压力指数则处于持续下降过程，说明在未来实现双碳目标的过程中，该区域的可再生能源与清洁能源将发挥较为重要的减排促低碳的作用。同时，对比全国与研究区域间关于煤炭减量化使用压力指数的异质性分析可以看出，伴随可再生能源的大规模发展，以及GDP总量规模的提升，全国与地区层面的煤炭减量压力的异质性变化波动较小，趋于平缓，而且异质性的变化率持续下降，全国和地区层面同步推进煤炭减量化使用后，在2030年实现碳达峰目标后异质性变化率基本上趋于0，异质性波动越来越小，时滞性也减小，表明经济发展质量提高背景下，经济对煤炭的依赖度将逐步降低，煤炭减量化使用压力和阻力将更小。基于灰色关联度模型可以看出，能源输出大省压力指数与能源输入大省压力指数的相关性较强，反映煤炭减量进程中二者的协同性强，需要在供给和需求两端联合实施推动煤炭减量化使用。

5.2 政策建议

根据上文研究，提出相关政策建议如下：

（1）进一步加快可再生能源发展，平衡我国煤炭减量化使用压力。可再生能源的大规模发展是煤炭减量化使用的前提，没有可再生能源比例的持续提高，就没有煤炭减量使用的空间，因此要积极实施可再生能源发展支持政策，实现可再生能源的超常规发展。

（2）赋能煤炭企业走复合式能源生产之路。煤炭企业在高价煤环境下获取了高额利润，国家应该出台更多优惠与利好政策，推动煤炭企业主动投资可再生能源，走复合式能源生产之路，以应对煤炭给企业和煤资源型地区带来的压力，并发挥财政补贴科研经费的作用，配套完善的措施，鼓励企业积极创新。

（3）完善煤炭减量化使用措施升级过程中的风险保障机制。维持压力指数在合适区间是非常有必要的，国家要建立煤炭减量使用的综合预案，在推动煤炭减量使用中通过财政、金融等手段支持煤炭企业和煤资源型地区，助力煤产业链和煤资源型地区实现经济转型。

（4）降低煤资源型地区的煤炭依赖度、实现地区经济多元化发展、促进地区经济增长动能转换。要更加注重煤炭使用效率，防止衍生风险与关联产业风险的出现。近年来，煤价的高涨让煤资源型地区获取了巨额的煤炭 “红利”，煤资源区域的压力指数有一定程度的上升趋势，要引起警惕。应提前做好煤资源型地区的经济转型规划，未雨绸缪，尽快走上经济转型之路。