鐘超　劉宇　汪明月　史巧玲

摘要 為探討實現(xiàn)強度減排目標的可能路徑及每種路徑下的可行性，在能源效率隨機前沿分析模型的基礎上，運用最大似然法對84個國家1971—2014年平均能源效率進行估計。并在此基礎上綜合考慮能源結構、經濟結構、人力資本、資本存量和潛在能源效率5個要素，結合權威機構對上述要素未來發(fā)展的預測數(shù)據(jù)及參數(shù)，構建單一要素和多要素組合的96種模擬情景，系統(tǒng)分析每種減排路徑下的中國碳強度減排情形及實現(xiàn)減排目標所要付出的減排努力。研究發(fā)現(xiàn)：①提高潛在能源效率對于實現(xiàn)減排目標的貢獻度最大，且僅通過調整能源結構、經濟結構、人力資本、資本存量或潛在能源效率的單一減排路徑難以實現(xiàn)中國強度減排目標。②中國若要實現(xiàn)減排目標，必須從能源結構（化石燃料占比要低于80%，且平均增速要降低2.2%），經濟結構（服務業(yè)占比要高于60.4%，且非服務業(yè)增速要降低2.4%），人力資本（持續(xù)穩(wěn)定），資本存量（持續(xù)穩(wěn)定）和潛在能源效率（提高1%）來優(yōu)化減排路徑。在上述研究的基礎上，給出如下政策建議：①通過技術創(chuàng)新和能源市場機制創(chuàng)新，不斷提高能源效率。②加快工業(yè)產業(yè)結構升級，降低生產生活碳排放量。③不斷優(yōu)化國家能源結構，促進源頭排放量降低。④給予人力資本和資本存量穩(wěn)定合理的發(fā)展空間，為碳減排提供要素支撐。

關鍵詞 ：碳強度減排；減排目標；路徑設計；可行性分析；隨機前沿分析

中圖分類號：F205； F201

文獻標識碼 A 文章編號 1002-2104（2018）10-0018-09 DOI：10.12062/cpre.20180421

工業(yè)化的快速發(fā)展，很大程度上改善了人民的生活水平，然而，大量化石能源的消耗也導致了CO2排放的劇增[1]。政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change， IPCC）評估報告指出，過去50年來的全球變暖很大程度上與溫室氣體排放有關[2]。國際能源署（International Energy Agency， IEA）統(tǒng)計數(shù)據(jù)表明，中國的碳排放總量于2007年超過美國，成為全球碳排放最大國，2016年碳排放量占全球總排放量的19.12%[3]。2015年的世界氣候大會上，中國向聯(lián)合國氣候變化框架公約秘書處提交了應對氣候變化國家自主貢獻報告，承諾到2030年的碳強度（單位GDP的CO2排放）比2005年下降60%～65%。這一目標的實現(xiàn)將加速我國綠色低碳轉型，也為實現(xiàn)全球溫升2℃的控制目標提供基礎和大國示范作用。盡管中國的碳強度呈現(xiàn)下降趨勢（2014年比2005年下降了33.8%），然而，總體碳強度仍處于較高水平且能源消費結構還有待優(yōu)化[4-5]。因此，在減排目標和減排壓力的雙重制約下，如何制定科學可行的碳減排路徑和策略是抑制碳排放和提前達峰的重要基礎[6]。

1 文獻綜述

區(qū)域經濟發(fā)展的不平衡性存在于所有的經濟體中，差異化發(fā)展必然會出現(xiàn)先發(fā)地區(qū)和后發(fā)地區(qū)[7]。區(qū)域發(fā)展的不平衡性既體現(xiàn)在經濟發(fā)展的不平衡性，還體現(xiàn)在產業(yè)結構、能源消費模式及其他要素等[8-9]?？茖W的減排政策和減排措施就是要從區(qū)域發(fā)展的實際出發(fā)，探尋適合本區(qū)域可持續(xù)發(fā)展的路徑和模式[10-11]。從已有的研究成果來看，lvaro López-Pea et al [12]研究發(fā)現(xiàn)在西班牙短中期碳減排措施中，提高能源效率比發(fā)展新能源更為有效和低成本；Chang et al[13]以臺灣1984—2014年的數(shù)據(jù)為基礎進行實證研究發(fā)現(xiàn)，高速交通、石化原料和鋼鐵行業(yè)是碳排放的重點行業(yè)，通過優(yōu)化能源需求結構可以有效降低碳排放量；Tian et al[14]認為北京實現(xiàn)碳減排的可靠路徑包括優(yōu)化能源結構、改善能源需求結構；Elliott et al[15]利用2005—2008中國地級市的樣本數(shù)據(jù)，對城市能源強度和外國公司的關系進行探討發(fā)現(xiàn)，外國直接投資（FDI）的流入和城市能源強度之間存在著顯著的負相關關系，同時，這種關系也受到城市地理位置的影響；Peters et al[16]研究發(fā)現(xiàn)選擇和優(yōu)化一國的貿易模式也是實現(xiàn)減排目標的一個措施；Zuberi et al[17]運用能效成本曲線研究了瑞士水泥行業(yè)的能效改進和二氧化碳減排潛力，并認為能效改進對碳減排有促進作用；Yang et al[18]通過構建超越對數(shù)生產函數(shù)來分析中國的能源結構及其轉變，研究發(fā)現(xiàn)人力資本投資、固定資本投資及化石能源技術進步有助于經濟增長和減排的雙贏；Al-Mulali et al[19]和Sheng et al[20]研究發(fā)現(xiàn)一定程度上的城鎮(zhèn)化進程可以有效改善能源效率，降低碳排放量。

已有的研究表明，針對如何實現(xiàn)碳減排目標，國內外學者分別從不同角度提出了不同的策略和措施，包括提高能源效率、優(yōu)化能源需求結構、外商直接投資、貿易模式、環(huán)境創(chuàng)新及提高城鎮(zhèn)化率等。然而，這些策略并非完全獨立，且存在一定的差異。同時，也包含一系列的共性要素。例如，經濟結構的升級會通過作用于居民消費和技術進步等途徑來影響碳排放，而資本存量投資和人力資本的增加是影響經濟發(fā)展的重要因素[21-23]；城鎮(zhèn)化率將主要通過改善人力資本存量、能源消費結構及能源效率等條件來降低能源使用量和碳排放量[24-26]；環(huán)境創(chuàng)新屬于創(chuàng)新大類的范疇，而創(chuàng)新活動與人力資本和資本存量是密不可分的，這也已經是學術界公認的法理[27-28]。同時，OECD發(fā)達國家的發(fā)展實踐表明，實現(xiàn)減排的關鍵在于提高技術、優(yōu)化能源結構和經濟結構[29-31]。在已有研究的基礎上，我們將優(yōu)化減排路徑的要素歸納為能源結構、經濟結構、人力資本、資本存量和潛在能源效率5類，認為減排政策和措施的制定都是圍繞這其中一個或者幾個來開展減排活動。

綜上所述，中國作為一個負責任的大國，給出了明確的減排目標和任務，設計并論證減排路徑的科學性和可行性是學界和政界普遍關注的問題。區(qū)域發(fā)展的不平衡性決定減排路徑和減排措施要從區(qū)域發(fā)展的實際出發(fā)，國外成熟的減排政策不一定適合中國的減排實際。已有的研究中，學者們從分別提高能源效率、優(yōu)化能源需求結構等路徑來推進減排目標實現(xiàn)。然而，這些減排路徑要么是基于國外的發(fā)展實踐，要么是對幾個路徑進行簡單整合，對于可行的減排路徑的分析還不夠完善和系統(tǒng)。我們將在上述研究的基礎上，試圖回答以下3個問題：①單一要素的減排路徑能否實現(xiàn)減排和達峰目標？②如果單一要素的減排路徑不能實現(xiàn)減排目標，如何通過要素整合方式來構建多要素整合的減排路徑？③每種減排路徑的可行性怎么樣，需要付出怎樣的減排努力？為此，本文將立足中國發(fā)展實際，綜合考慮經濟結構、能源結構、人力資本、資本存量及潛在能源效率5個要素，分別構建單一要素和多要素組合的模擬情景，系統(tǒng)地研究中國實現(xiàn)強度減排目標的可能路徑及每種路徑下的可行性分析。

2 模型設置

在借鑒Stern[32]構建的能源強度隨機前沿模型及參數(shù)的基礎上，運用最大似然法對84個國家1971—2014年的平均的能源效率進行估計，具體如公式（1）所示，能夠很好地規(guī)避因時間變化所帶來的結構性影響。

3 數(shù)據(jù)來源

能源結構數(shù)據(jù)來自國家統(tǒng)計局的《中國能源統(tǒng)計年鑒》，本文將能源結構分為煤炭、石油、天然氣、基礎電力和生物質能源（限于數(shù)據(jù)可得性，本研究不涉及港、澳、臺等省區(qū)）。本研究中石油為剩余項，各項比值加總之和為1。經濟結構方面，本文將一國經濟總產值劃分為以下四個方面：農業(yè)、采礦業(yè)及公共事業(yè)、制造業(yè)和服務業(yè)。其中，為保證數(shù)據(jù)的可運算性，本研究選取采礦業(yè)及公共事業(yè)為剩余項，其余三項數(shù)據(jù)均來自World Development Indicators，各項比值加總之和為1。GDP以2011年為基期，單位106美元，數(shù)據(jù)來自Penn World Table。資本存量數(shù)據(jù)來自Penn World Table。碳排放量為化石燃料燃燒后產生的二氧化碳排放數(shù)據(jù)，來自國際能源署數(shù)據(jù)庫。氣溫方面，本研究僅使用冬季年平均氣溫，默認每年冬季平均氣溫為-5.8℃[32]。

人力資本方面，本研究參考 Caselli[33]和Jones[34]，按照公式（7）和（8）計算出人力資本情況。其中，假定θ為0.07，workers為工人數(shù)目，s為平均受教育年限。工人數(shù)目來源于Penn World Table， version 9.0，受教育年限參考Barro and Lees[35]的數(shù)據(jù)。公式如下：

4 碳強度減排目標實現(xiàn)的路徑設計

目前為止，世界上很多國家已經向《聯(lián)合國氣候變化框架公約》（UNFCCC）提交了自己的自主減排貢獻方案，但是這些國家減排目標能否如期達成？本文研究以中國為例，從能源結構、經濟結構、人力資本、資本存量和潛在能源效率5個角度來計算分析中國碳強度減排的情況。其中，能源結構設置了CPS、NPS和450S三種情景；經濟結構設置了LEC和HEC兩種情景；人力資本設置了Kruger和HC14兩種情景；資本存量設置了EIU和HCS兩種情景；潛在能源效率設置了β-USA、U4、U5和U6四種情景。

4.1 能源結構

國際能源署就當前政策、新形勢政策和空氣中平均CO2濃度450 ml/m3三種設定下，分別給出我國能源消費結構情況，記為CPS、NPS和450S三種情景（見表1）。

從表1可以看出，這三種情景設置下，主要變化在于化石燃料的增速問題，越積極的能源結構，化石燃料增速越低。以煤炭為例，若執(zhí)行以上3種情景，我國必須將煤炭消費平均增速由當前的3.02%調整為0.87%～2.37%。此外，石油和天然氣等能源消費的增速也均要降低到之前水平的一半左右。

4.2 經濟結構

經濟結構是本文研究碳排放強度變化的重要分析角度之一。在這一角度下，本研究參照李善同[36]的 DRC-CGE 模型預測結果，設置低經濟情景（LEC情景）；參照李平等[37]CN3ET-DCGE 模型預測結果，設置高經濟情景（HEC情景）。需要說明的是，本研究參考2014年經濟結構，按3∶7的比例將第二產業(yè)分成采礦業(yè)及公共事業(yè)和制造業(yè)。此外，GDP增長率參考世界銀行預測，2016—2020年經濟增長率為6.9%，2012—2025年，經濟增長率為6%，2026—2030年，經濟增長率為5.1%。

由表2可知，隨著中國經濟增速的放緩，執(zhí)行低經濟情景時，我國各產業(yè)的平均增速不斷下降。其中，農業(yè)平均增速降幅最大，由當前的6.36%的平均增速降為-0.07%。第二產業(yè)增速變化較小，服務業(yè)平均增速由9.67%降為6.47%。高經濟情景下，非服務業(yè)平均增速由當前的6.62%下降為4.24%。相對低經濟情景，高經濟情景非服務業(yè)平均增速降低明顯。因為主要的碳排放來自非服務業(yè)，所以高經濟情景對減排具有較好的抑制作用。

4.3 人力資本

人力資本包含了工人數(shù)目和受教育年限，一定程度上代表了技術的變化。研究參考Kruger[38]對人力資本的預測，計算得出2030年的中國人力資本狀況，記為Kruger情景。此外，在這一角度下，研究假定人力資本保持2014年的增速1.47%不變，給出HC14情景。HC14情景相對Kruger情景增速更高，因此Kruger情景相對更為客觀。

4.4 資本存量

資本存量包含投資變量，投資的變化既會影響到能源消耗又會對總產值的變化具有重要作用。本研究參考EIU數(shù)據(jù)庫對我國2014—2030年資本存量的增長率的預測，給出了EIU情景。該預測認為我國2014—2030年年均增速為7.07%，該速度相對緩和，符合我國目前的經濟形勢。此外，數(shù)據(jù)顯示，2004—2014年，我國的資本存量增長速度較為穩(wěn)定，平均增速約為12.47%。研究假定，自2014年，資本存量每隔三年降低1個百分點，給出HCS情景。

4.5 潛在能源效率

我們把預測的能源強度與真實的能源強度比值的對數(shù)值稱為潛在能源效率。該部分的預測主要是基于假定中國與美國之間的潛在能源效率滿足β收斂。美國是全球最大的經濟體和技術領導者，因此將美國潛在能源效率作為中國潛在能源效率的收斂對象。在這一角度下，本研究給出了β-USA情景。

此外，因為μ的特殊性，在本研究中，μ越小，則技術進步越快。研究發(fā)現(xiàn)2009—2014年我國μ的降速為4%，本文假定保持該速度不變，設置了U4情景。此外，研究假定該指標平均速度分別在此基礎上降低1%和2%時，設置了U5和U6兩種情景。

潛在能源效率方面，為了更好展示增速情況，本研究特意選取1/μ變化率作為能源效率增速指標。1/μ代表我國單位能耗產值與世界單位能耗產值之比。該值增速越高，代表我國能源效率進步越快。我國2009—2014年，1/μ增速為4.19%，根據(jù)β收斂法算出的結果與之相似，但若我國2030年達到U5、U6情景時，該指標需要分別增加約1.1和2.2個百分點（見圖1）。

基于以上5個角度，研究設定了3×2×2×2×4=96個情景組合來預測中國未來2030年目標達成情況。

5 減排目標達成路徑分析

5.1 BAU情景組合

首先假定中國不會因為氣候變化采取任何改變能源結構的行動，能源結構保持當前政策不變，經濟結構、人力資本和資本存量等均按照正常經濟軌跡運行，不考慮外部經濟沖擊的影響。即能源結構執(zhí)行CPS情景，經濟結構執(zhí)行LEC情景，人力資本和資本存量分別執(zhí)行Kruger情景和EIU情景，潛在能源效率按收斂于美國計算。以上情景組合視為基準情景組合（或BAU情景組合）。

BAU情景組合下，至2030年我國碳排放強度相對2005年大約降低32.43%，遠遠低于我國在INDC報告上提出的60%～65%的減排目標。

5.2 單項情景調整分析

BAU情景組合下，2030年我國碳排放強度降低約32.43%。經計算，若想達成60%的強度減排目標，其他情景組合要在此基礎上提升約27.57%的貢獻度?，F(xiàn)以BAU為基準情景，分析其他單維度情景調整對整個碳排放的貢獻度（見圖2）。

從能源結構角度看，我國若只調整能源結構情景，NPS、450S情景分別能降低2.31%和8.4%的碳排放強度。因此，能源結構的調整，最多僅能帶來8.4%的強度減排。從經濟結構角度看，高經濟情景組合能降低5.98%的碳排放強度，即高經濟情景的貢獻依然很可觀。從人力資本角度看，我國若只調整人力資本情景為HC14，該組情景能降低35.36%的碳排放強度，即HC14情景的貢獻度僅為2.93%。這說明人力資本的情景改變所帶來的貢獻度非常有限。從資本存量角度看，我國若只調整資本存量情景為HCS，該組情景能降低34.55%的碳排放強度，即HCS情景的貢獻度為34.55%。資本存量對碳排放的貢獻度依然有限，僅為2.12%。從潛在能源效率角度看，我國若只調整潛在能源效率情景為U4情景、U5情景和U6情景，則分別帶來37.72%、47.33%和55.54%的碳排放強度。其中，U4情景的貢獻度為5.3%，U5情景的貢獻度為14.91%，U6情景的貢獻度為23.11%。單一情景調整雖然均達不到強度減排目標，但相比其他情景的單一調整，潛在能源效率的調整存在巨大優(yōu)勢。

綜合來看，單項情景調整過程中，潛在能源效率U6情景的貢獻度最高，達到23.11%；資本存量HCS情景貢獻度最低，僅2.12%。結果看出，僅通過能源結構、經濟結構、人力資本、資本存量或潛在能源效率的單一調整難以達成我國強度減排目標。

5.3 多項情景調整組合分析

根據(jù)前文分析結果，僅通過單一維度的變化，難以達到減排目標。因此，本研究對96種情景組合進行分類分析，并對能源結構、經濟結構，潛在能源效率進行分類：

能源結構方面，研究將CPS歸為基準的能源結構情景，NPS歸為穩(wěn)健的能源結構情景，450S情景歸為積極的能源結構情景。經濟結構方面，將HEC歸為積極的經濟結構情景，LEC歸為穩(wěn)健的經濟結構情景。潛在能源效率方面，β-USA歸為基準的能源效率情景，U4為穩(wěn)健的能源效率情景，U5為積極的能源效率情景，U6為超積極的能源效率情景。本研究將對基準情景組合和目標達成情景組合做出分析（見表3）。

5.3.1 基準的能源結構+穩(wěn)健的經濟結構+基準的能源效率

表3中1～4情景組合，為基礎情景組合。此時，我國執(zhí)行基準的能源結構與效率、穩(wěn)健的經濟政策。碳強度降低幅度在32.43%～37.39%之間。其中貢獻度最低的是情景組合1，其碳強度降低幅度為32.43%，貢獻度為0，即為基準情景組合。貢獻度最高的為情景組合4，其碳強度降低幅度為37.39%，即當其他情景保持不變，人力資本和資本存量同時執(zhí)行最高情景時，二者組合的貢獻度僅為4.96%，遠低于我國碳強度減排要求。

5.3.2 穩(wěn)健的能源結構+穩(wěn)健的經濟結構+超積極的能源效率

表3中5～8情景組合，此方式為我國能源結構和經濟結構執(zhí)行穩(wěn)健情景，能源效率執(zhí)行超積極情景。2030年我國減排強度降低幅度在57.06%～60.21%之間。其中，情景組合8的碳強度降低幅度是60.21%，達到減排目標。即若其他條件保持不變，NPS、U6、HC14、HCS的情景組合貢獻度為27.79%。若按照情景組合8的路徑執(zhí)行，要求我國必須在能源結構上做出穩(wěn)健調整，而且能源效率上，我國要相對世界能效進步速度水平基礎上進一步提升約2%增速。

5.3.3 積極的能源結構+穩(wěn)健的經濟結構+超積極的能源效率

表3中9～12情景組合，我國能源結構、經濟結構和能源效率分別執(zhí)行積極、穩(wěn)健和超積極的情景。2030年我國能源強度降低幅度將在61.06%～ 63.92%之間。以上四種情景組合均可達到減排目標，其共同特點是能源結構為積極情景，能源效率為超積極情景，這對我國的能源結構調整和能效進步均提出較大挑戰(zhàn)。

5.3.4 積極的能源結構+積極的經濟結構+積極的能源效率

表3中13～16情景組合，我國能源結構、經濟結構和能源效率分別執(zhí)行積極情景。2030年我國碳強度降低幅度在57.96%～61.05%之間。其中，情景組合16的碳強度降低幅度是61.05%，達到減排目標。若其他條件保持不變，450S、U5、HC14、HCS的情景組合貢獻度為28.62%。若按照情景組合16的路徑執(zhí)行，要求我國必須要在能源結構、經濟結構和能源效率上分別做出積極調整，非化石能源占比和服務業(yè)占比要進一步提升；潛在能源效率上，我國要相對世界能效進步速度水平基礎上進一步提升約1%增速。

5.3.5 基準的能源結構+積極的經濟結構+超積極的能源效率

表3中17～20情景組合，我國能源結構、經濟結構和能源效率分別執(zhí)行基準、積極和超積極的情景。2030年我國碳強度降低幅度在59.48%～62.45%之間。其中，情景組合18、19、20的碳強度降低幅度均達到減排目標。若其他條件保持不變，HEC、U6、HC14、HCS的情景組合貢獻度為30.03%。按照此路徑執(zhí)行，則要求我國必須要在經濟結構和能源效率上做出積極和超積極調整，能源結構可以保持基準不變；經濟結構上，執(zhí)行高經濟情景，服務業(yè)占比要進一步提升；潛在能源效率上，我國要相對世界能效進步速度水平上提升約2%增速。

5.3.6 穩(wěn)健的能源結構+積極的經濟結構+超積極的能源效率

表3中21～24情景組合，我國能源結構、經濟結構和能源效率執(zhí)行穩(wěn)健、積極和超積極情景。2030年我國碳強度降低幅度在60.86%～63.74%之間。以上四種情景組合的強度降低幅度均達到減排目標，同時也可以判斷出，若其他條件保持不變，NPS、HEC、U6、HC14、HCS的情景組合貢獻度為31.33%。若我國按照此路徑執(zhí)行，要求我國必須要在經濟結構和能源效率上做出積極和超積極調整。相對“基準的能源結構+積極的經濟結構+超積極的能源效率”的路徑，該組合在能源結構上要求更高，因此并非最佳路徑。

5.3.7 積極的能源結構+積極的經濟結構+超積極的能源效率

表3中24～28情景組合，我國能源結構、經濟結構均執(zhí)行積極的情景，能源效率執(zhí)行超積極情景。此時，至2030年我國碳強度降低幅度將在64.51%～67.12%之間。以上四種情景組合的強度降低幅度均達到減排目標，同時也可以判斷出，若其他條件保持不變，450S、HEC、U6、HC14、HCS的情景組合貢獻度為34.69%。若我國按照此路徑執(zhí)行，這要求我國必須要在經濟結構和能源效率上做出積極和超積極調整，能源結構也要做出積極調整。相對“基準的能源結構+積極的經濟結構+超積極的能源效率”的路徑，經濟結構和能源效率要求均一樣，但能源結構上要求更高，因此也并非最佳路徑。

6 結論與討論

6.1 研究結論

中國的碳排放量和能源消耗量位居世界首位，作為一個負責任的大國，在許多公眾場合表明了參與全球氣候治理的態(tài)度，并提出了明確的碳強度減排目標。當前，中國正處于工業(yè)化時期，為了減緩因控制碳排放量對經濟發(fā)展的沖擊，勢必要設計科學可行的減排路徑。從以往的碳減排實踐和減排理論研究發(fā)現(xiàn)，能源結構、經濟結構、人力資本、資本存量和潛在能源效率5個要素是減排路徑構成的重要因素。在能源效率隨機前沿分析模型的基礎上，綜合考慮上述5個要素，并結合權威機構對上述要素未來發(fā)展的預測數(shù)據(jù)，構建單一要素和多要素組合的96種模擬情景，系統(tǒng)分析每種減排路徑下的中國碳強度減排情形及實現(xiàn)減排目標所要付出的減排努力。

通過以上分析，可以得到如下結論：①僅通過優(yōu)化能源結構、經濟結構、人力資本、資本存量和潛在能源效率等單一要素所構建的減排路徑難以實現(xiàn)2030年的碳強度減排目標（60%的碳強度減排目標），即潛在能源效率U6情景的貢獻度最高，僅為23.11%，資本存量HCS情景貢獻度最低，僅為2.12%。②從多要素組合構成的減排路徑來看，如果要實現(xiàn)碳強度減排目標，大部分需要改善潛在能源效率，即實施超積極的能源效率是最有效的減排方式，然而，這對于正處于工業(yè)化中后期的中國而言，挑戰(zhàn)較大（潛在能源效率改善的增速比世界能效改善速度要高出2%的技術水平）。③如果我國只能采取積極的能源效率，要實現(xiàn)減排目標，在能源結構、經濟結構、人力資本和資本存量等方面必須均達到最高情景設置，即要求中國在能源結構方面，化石燃料占比要低于80%，化石燃料平均增速（相對目前需要）降低約2.2%；在經濟結構方面，服務業(yè)占比要達到60.4%以上，非服務業(yè)平均增速要降低2.4%；在人力資本方面，要求中國最少保持2014年的增速；在資本存量方面，要求中國按照當前的經濟發(fā)展方式進行，或較為緩和地降低。總體而言，中國要實現(xiàn)碳強度減排目標只有通過要素組合優(yōu)化的方式來實現(xiàn)，即只有綜合調整能源結構、經濟結構、人力資本、資本存量和潛在能源效率才能達到積極的減排情景。

6.2 政策建議

基于上述研究結論，為進一步優(yōu)化減排路徑，提出如下幾點建議：

（1）通過技術創(chuàng)新和能源市場機制創(chuàng)新，不斷提高能源效率。單純地依靠低碳技術或能源技術創(chuàng)新并不一定能夠顯著改善能源效率，還需要相應的能源市場機制來優(yōu)化要素的配置方式。能源市場扭曲一定程度上阻礙能源要素在全局范圍內的配置效率，阻礙了技術進步對能源效率的促進效應。相對應地，能源市場可以保證能源要素的優(yōu)化配置，進而促使低碳（能源）技術進步，提升能源效率。

（2）加快工業(yè)產業(yè)結構升級，降低生產生活碳排放量。產業(yè)結構的升級，不能只盯著第三產業(yè)的發(fā)展，還需要工業(yè)發(fā)展作為支撐，否則必將導致過度投資、重復建設、惡性競爭等問題。充分發(fā)揮產業(yè)結構升級的碳減排效應，即在鼓勵第三產業(yè)發(fā)展的同時，進一步促進第二產業(yè)從低端制造業(yè)向高技術產業(yè)、裝備制造業(yè)轉型升級，從勞動密集型、資本密集型產業(yè)向技術密集型和知識密集型產業(yè)過渡，加快工業(yè)結構的轉型升級，使產業(yè)規(guī)模的擴大與質量的提升相匹配。

（3）不斷優(yōu)化國家能源結構，促進源頭排放量降低?？紤]到中國煤炭資源豐富、油氣資源相對不足與對外依存度大、可再生能源發(fā)展面臨多重瓶頸，應根據(jù)資源稟賦特征，從長遠戰(zhàn)略的角度確定能源轉型方向。從調整能源結構、保障能源安全及應對氣候變化出發(fā)，中國能源轉型路徑應將發(fā)展清潔低碳能源作為調整能源結構的主攻方向，同時，要堅持發(fā)展非化石能源與清潔高效利用化石能源并舉。

（4）給予人力資本和資本存量穩(wěn)定合理的發(fā)展空間，為碳減排提供要素支撐。中國若要實現(xiàn)碳強度減排目標，應通過政策保障措施實現(xiàn)人力教育投資和國內資本投資穩(wěn)步增長。人力教育的發(fā)展和國內資本投資對技術創(chuàng)新發(fā)展至關重要，人才及技術的擴散效應在一定程度上也將帶來能源結構、經濟結構以及能源效率的優(yōu)化改善。

（編輯：李 琪）

參考文獻（References）

[1]LIU Y， TAN X J， YU Y， et al. Assessment of impacts of Hubei Pilot emission trading schemes in China： a CGEanalysis using TermCO2 Model[J]. Applied energy， 2017， 193：762-769.

[2]EDENMOR E， OTTOMA N， et al. IPCC special report on renewable energy sources and climate change mitigation [M]. Cambridge， UK： Cambridge University Press， 2011.

[3]QUIRE C L， MORIARTY R， ANDREW R M， et al. Global carbon budget 2014[J]. Earth system science data discussions， 2015， 7（2）：521-610.

[4]XU F， XIANG N， NIJKAMP P， et al. Dynamic simulation of Chinas carbon intensity and energy intensity evaluation focusing on industry and energy structure adjustments by 2020[J]. Environmental engineering & management journal， 2013， 12（10）：1897-1901.

[5]ZHANG X P， CHENG X M. Energy consumption， carbon emissions， and economic growth in China[J]. Ecological economics， 2009， 68（10）：2706-2712.

[6]ZHANG Y J， PENG Y L， MA C Q， et al. Can environmental innovation facilitate carbon emissions reduction？ evidence from China[J]. Energy policy， 2017， 100：18-28.

[7]LIU L C， LIANG Q M， WANG Q. Accounting for Chinas regional carbon emissions in 2002 and 2007： productionbased versus consumptionbased principles[J]. Journal of cleaner production， 2015， 103：384-392.

[8]JIANG J J， YE B， XIE D J， et al. Provinciallevel carbon emission drivers and emission reduction strategies in China： combining multilayer LMDI decomposition with hierarchical clustering[J]. Journal of cleaner production， 2017， 169：178-190.

[9]YU V K， KOLOSOVSKY A M， TIKHONOVA A A. The assessment of research and technical potential in the framework of the innovative model of development of regional economy[J]. Baltic region， 2012， 1（1）：89-96.

[10]WEI J， HUANG K， YANG S， et al. Driving forces analysis of energyrelated carbon dioxide （CO2 ） emissions in Beijing： an inputoutput structural decomposition analysis[J]. Journal of cleaner production， 2017， 163： 58-68.

[11]WEN L， ZHANG E N. Regional allocation of carbon emissions in China based on zero sum gains data envelopment analysis model[J]. Environmental engineering research， 2016， 21（1）：91-98.

[12]LVARO L P， PEREZARRIAGA I， LINARES P. Renewables vs. energy efficiency： the cost of carbon emissions reduction in Spain[J]. Energy policy， 2012， 50（11）：659-668.

[13]CHANG Y F， LEWIS C， LIN S J. Comprehensive evaluation of industrial CO2 emission （1989-2004） in Taiwan by inputoutput structural decomposition[J]. Energy policy， 2008， 36（7）：2471-2480.

[14]TIAN X， CHANG M， TANIKAWA H， et al. Structural decomposition analysis of the carbonization process in Beijing： a regional explanation of rapid increasing carbon dioxide emission in China[J]. Energy policy， 2013， 53（1）：279-286.

[15]ELLIOTT R J R， SUN P Y， CHEN S Y. Energy intensity and foreign direct investment： a Chinese citylevel study[J]. Energy economics， 2013， 40（2）：484-494.

[16]PETERS G P， MARLAND G， QUERE C L， et al. Rapid growth in CO2 emissions after the 2008-2009 global financial crisis[J]. Nature climate change， 2011， 2（1）：2-4.

[17]ZUBERI M J S， PATEL M K. Bottomup analysis of energy efficiency improvement and CO2， emission reduction potentials in the Swiss cement industry[J]. Journal of cleaner production， 2017， 142：4294-4309.

[18]YANG L， WANG J， SHI J. Can China meet its 2020 economic growth and carbon emissions reduction targets？[J]. Journal of cleaner production， 2016， 142：993-1001.

[19]ALMULALI U， FEREIDOUNI H G， LEE J Y M， et al. Exploring the relationship between urbanization， energy consumption， and CO2， emission in MENA countries[J]. Renewable & sustainable energy reviews， 2013， 23（4）：107-112.

[20]SHENG P F， GUO X H. The longrun and shortrun impacts of urbanization on carbon dioxide emissions[J]. Economic modelling， 2016， 53：208-215.

[21]PAN X F， YANG Y， ZHANG W. Spatial effect analysis of foreign direct investment （FDI） on carbon intensity in China[J]. Environmental engineering & management journal， 2014， 13（5）：1251-1255.

[22]VOON J P， CHEN E K Y. Contributions of capital stock quality improvement to economic growth： the case of Hong Kong[J]. Journal of Asian economics， 2003， 14（4）：631-644.

[23]PELINESCU E. The impact of human capital on economic growth [J]. Procedia economics & finance， 2015， 22（20）：184-190.

[24]POUMANYVONG P， KANEKO S， DHAKAL S. Impacts of urbanization on national transport and road energy use： evidence from low， middle and high income countries[J]. Energy policy， 2012， 46（3）：268-277.

[25]WANG Z M， ZANG Z. Strategic human resources， innovation and entrepreneurship fit： a crossregional comparative model[J]. International journal of manpower， 2005， 26（6）：544-559.

[26]LIDDLE B. Impact of population， age structure， and urbanization on carbon emissions/energy consumption： evidence from macrolevel， crosscountry analyses[J]. Population & environment， 2014， 35（3）：286-304.

[27]LI Y H， CHEN C， WANG Y F， et al. Urbanrural transformation and farmland conversion in China： the application of the Environmental Kuznets Curve[J]. Journal of rural studies， 2014， 36：311-317.

[28]BOSMAN P， BUYS P W， PLESSIS J L D. The impact of human capital development on economic growth[J]. Studia universitatis babesbolyai， 2010（1）：21.

[29]YUAN J H， HOU Y， XU M. Chinas 2020 carbon intensity target： consistency， implementations， and policy implications[J]. Renewable & sustainable energy reviews， 2012， 16（7）：4970-4981.

[30]GUAN D， KLASEN S， HUBACEK K， et al. Determinants of stagnating carbon intensity in China[J]. Nature climate change， 2014， 4（11）：1017-1023.

[31]CANSINO J M， ROMAN R， RUEDACANTUCHE J M. Will China comply with its 2020 carbon intensity commitment？[J]. Environmental science & policy， 2015， 47：108-117.

[32]STERN D I， JOTZO F. How ambitious are China and Indias emissions intensity targets？[J]. Energy policy， 2010， 38（11）：6776-6783.

[33]CASELLI F. Accounting for crosscountry income differences[J]. LSE research online documents on economics， 2005， 1（5）：679-741.

[34]JONES C I. Sources of US economic growth in a world of ideas[J]. American economic review， 2002， 92（1）：220-239.

[35]BARRO R J， LEE J W. International data on educational attainment： updates and implications[J]. Oxford economic papers， 2001， 53（3）：541-563.

[36]李善同. “十二五”時期至2030年我國經濟增長前景展望[J]. 經濟研究參考， 2010（43）：2-27. [LI Shantong. Prospect of Chinas economic growth from the ‘Twelfth FiveYear Plan to 2030[J].Review of economic research， 2010（43）：2-27.]

[37]李平， 婁峰， 王宏偉. 2016—2035年中國經濟總量及其結構分析預測[J]. 中國工程科學， 2017， 19（1）：13-20. [LI Ping， LOU Feng， WANG Hongwei. Analysis and forecast of Chinas total economy and its structure from 2016-2035[J] Engineering sciences， 2017， 19（1）：13-20.]

[38]KRUGER M. How fast can China grow？ the Middle Kingdoms prospects to 2030[R]. 2016.

[39]SRERN D I. Modeling international trends in energy efficiency and carbon emissions[D]. Sydney： Australian National University， 2010.

Abstract To explore the possible paths for achieving intensity reduction targets and the feasibility of each route， based on the stochastic frontier analysis model of energy efficiency， the maximum likelihood method was used to estimate the average energy efficiency of 84 countries from 1971 to 2014. In view of this model， we comprehensively considered five factors： energy structure， economic structure， human capital， capital stock， and potential energy efficiency. Using forecast data on the factors from authoritative sources， we have modeled 96 scenarios on the effects of each single factor and their combinations， and systematically analyzed the results of carbon intensity reduction in China along each possible path， and the efforts required to achieve the reduction target. It is found： first， increasing the potential energy efficiency makes the greatest contribution to the target， which are unlikely to be achieved through adjusting any single one of the five factors； second， to hit its target， China needs to optimize its energy structure （the fossil fuel ratio must be lower than 80%， and its average growth rate must be decreased by 2.2%）， economic structure （the service sector GDP ratio must be higher than 60.4%， while the growth rate of nonservice sectors must be lowered by 2.4%）， human capital and capital stock （both of which must maintain stable growth）， and potential energy efficiency （which needs 1% increase）. Based on the above studies， the following policy recommendations are given： first， continuously improving energy efficiency through technological innovation and innovation in energy market mechanisms； second， accelerating the upgrading of the industrial structure and reducing the carbon emissions from production and living； third， continuously optimizing the national energy structure and promoting the reduction of source emissions； fourth， providing a stable and reasonable development space for human capital and capital stock， and providing essential support for carbon emission reduction.

Key words carbon intensity reduction； emission reduction target； path design； feasibility study； stochastic frontier analysis