譚靈芝

(重慶工商大學(xué)人口發(fā)展與政策研究中心，重慶 4000672)

長期以來，我國經(jīng)濟(jì)增長多依靠低成本環(huán)境要素投入和高耗能產(chǎn)業(yè)發(fā)展模式驅(qū)動，以需求側(cè)為主的產(chǎn)能過剩所引致的碳排放高企現(xiàn)狀一直未得到改善。在這一背景下， “供給側(cè)結(jié)構(gòu)性改革”為我國經(jīng)濟(jì)轉(zhuǎn)型和碳減排提供了新思路。通過供給側(cè)改革促進(jìn)有效供給，改善高碳經(jīng)濟(jì)結(jié)構(gòu)，才能達(dá)到基于需求側(cè)與供給側(cè)的增長質(zhì)量和效益雙提升，實(shí)現(xiàn)經(jīng)濟(jì)低碳發(fā)展。

我國針對經(jīng)濟(jì)增長與碳排放量之間關(guān)系研究由來已久。陳詩一等[1]、劉華軍等[2]等證實(shí)GDP增長是我國碳排放增長的主要原因。林伯強(qiáng)等發(fā)現(xiàn)人均 GDP 和能源強(qiáng)度是影響碳排放最主要因素[3]。武紅等則認(rèn)為，高碳排放推動了我國經(jīng)濟(jì)增長，但經(jīng)濟(jì)增長并未導(dǎo)致明顯的碳排放增加[4]。王娟等證明我國人均碳排放增長率與人均GDP增長率正相關(guān)，且省區(qū)間排放差距的關(guān)鍵因素是工業(yè)化進(jìn)程與貿(mào)易開放度[5]。邵帥等發(fā)現(xiàn)投資規(guī)模是導(dǎo)致制造業(yè)碳排放增加的首要因素，投資碳強(qiáng)度和產(chǎn)出碳強(qiáng)度是引致碳排放減少的關(guān)鍵因素[6]。

近年來，一些研究者對我國未來碳排放趨勢進(jìn)行了預(yù)測，以期制定更為有效的碳減排政策。姜克雋等借助IPAC(Integrated Policy Assessment Model in China，中國政策綜合評價模型)對中國2050年前碳排放進(jìn)行預(yù)測，認(rèn)為碳排放在2025年之前達(dá)到峰值，2030年開始下降，2050年時則回到2005年的排放水平[7]。劉朝等認(rèn)為到2050年三種情境下(BS,LCS,FLCS)，我國碳排放總量將達(dá)到31.93、25.92和36.08億噸[8]。滕欣等應(yīng)用離散二階差分方程，預(yù)測中國2020年碳排放量將達(dá)133.4億噸[9]。代如鋒等預(yù)測了低排放、基準(zhǔn)和高排放3種情景下，2030年我國碳排放量將分別達(dá)到142.68、155.41和170.09億噸[10]。

上述研究多從需求側(cè)角度分析經(jīng)濟(jì)增長等對碳排放量影響，并提出解決思路。但從現(xiàn)實(shí)結(jié)果看，從需求側(cè)出發(fā)的碳減排政策難以從根源上降低碳排放量，與供給效率脫節(jié)的過度投資、過度消費(fèi)在部分地區(qū)反而出現(xiàn)越管制排放量越高的現(xiàn)象。加之碳排放的歷史累積性，即使經(jīng)濟(jì)增長放緩，上一期碳排放依然對下一期產(chǎn)生正向影響。由此可知，基于需求側(cè)視角發(fā)展經(jīng)濟(jì)，又希冀降低碳排放量在現(xiàn)實(shí)中難以奏效。

另一方面，我國每一次經(jīng)濟(jì)復(fù)蘇刺激計(jì)劃，多是在政府干預(yù)下完成。這種市場和政府的錯配極易造成低效投資和產(chǎn)能過剩。新增產(chǎn)能在缺乏有效碳排放監(jiān)管和GDP導(dǎo)向的考核體制下，碳排放量高速增長。較為典型如2008年的四萬億經(jīng)濟(jì)刺激計(jì)劃。金融危機(jī)之后，由于更為嚴(yán)重的產(chǎn)業(yè)過剩，我國工業(yè)領(lǐng)域的碳排放量并未因經(jīng)濟(jì)增速放緩而降低。

目前關(guān)于供給側(cè)改革仍存一些誤區(qū)，例如，一些地區(qū)認(rèn)為供給側(cè)改革就是關(guān)閉相關(guān)產(chǎn)業(yè)，為改革而改革。實(shí)際上，供給側(cè)結(jié)構(gòu)性改革的核心是經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變，通過提高供給結(jié)構(gòu)的適應(yīng)性和靈活性，提高全要素生產(chǎn)率[11]。這也意味著我國碳減排必須結(jié)合經(jīng)濟(jì)增長方式的轉(zhuǎn)變而實(shí)現(xiàn)，必須立足于有效供給才能真正降低碳排放量。

此外，鑒于經(jīng)濟(jì)發(fā)展水平和資源稟賦的差異，不同地區(qū)在供給側(cè)結(jié)構(gòu)性改革目標(biāo)下，碳排放總量也有所差異。因此，本文估算了全國層面碳排放量變化，還分別從省級層面對潛在碳排放增長率進(jìn)行估算，嘗試尋找適合不同區(qū)域特征的碳減排路徑。

1 碳排放潛在增長率估算方法及數(shù)據(jù)來源

1.1 估算方法

從現(xiàn)有文獻(xiàn)看，潛在增長率估算多以經(jīng)濟(jì)潛在增長率分析為主。目前針對經(jīng)濟(jì)潛在增長率的方法主要有濾波分析、生產(chǎn)函數(shù)法和菲利普斯曲線法[12]。本文根據(jù)產(chǎn)業(yè)結(jié)構(gòu)、GDP核算方法和我國供給側(cè)結(jié)構(gòu)性改革重點(diǎn)，采用生產(chǎn)函數(shù)法進(jìn)行估算。

首先構(gòu)建擴(kuò)展的柯布-道格拉斯生產(chǎn)函數(shù)：

Y=ACα(t)Iβ(t)Eδ(t)eμ

(1)

其中，Y為第t年i地區(qū)碳排放總量，A代表技術(shù)發(fā)展水平，C、I和E分別表征消費(fèi)、投資和凈出口的碳排放量。α(t)、β(t)和δ(t)分別為消費(fèi)碳排放邊際產(chǎn)出彈性，投資碳排放邊際產(chǎn)出彈性和凈出口碳排放邊際產(chǎn)出彈性。進(jìn)一步，對生產(chǎn)函數(shù)進(jìn)行擴(kuò)展：

(2)

式(2)可以較好地將結(jié)構(gòu)特征內(nèi)生于生產(chǎn)函數(shù)中，分析碳排放結(jié)構(gòu)變動對產(chǎn)出彈性影響。其中，αi為i類消費(fèi)碳排放產(chǎn)出彈性，ci為i類消費(fèi)碳排放占全部消費(fèi)碳排放的比重。βi為j類投資中的碳排放產(chǎn)出彈性，ij代表j類投資碳排放量在全部投資碳排放量比例。δq為q類凈出口碳排放產(chǎn)出彈性，eq表示q類凈出口碳排放占全部凈出口碳排放量比重。

按照統(tǒng)計(jì)口徑，消費(fèi)部門劃分為居民消費(fèi)(農(nóng)村居民消費(fèi)和城鎮(zhèn)居民消費(fèi))及政府消費(fèi)。投資分為固定資本投入和存貨變動。根據(jù)以上分類，式(2)調(diào)整為：

Y=AλCα1c1+α2c2Iβ1i1+β2i2Eδe

(3)

式中，c1和c2分別為兩類消費(fèi)的碳排放量比重，i1和i2為兩類投資的碳排放量比重。對式 (3)求導(dǎo)：

δqeqlogE+μ

(4)

1.2 數(shù)據(jù)來源

鑒于碳排放的多源性和自下而上統(tǒng)計(jì)的復(fù)雜性，我國尚無官方統(tǒng)計(jì)數(shù)據(jù)。參考IPCC給出的碳排放計(jì)算方法，以我國主要能源(煤炭、石油和天然氣)消耗量為基礎(chǔ)計(jì)算所得。計(jì)算公式為[13]：

(5)

式中，TCit為第t年i類碳排放總量，ECit代表煤炭、石油和天然氣等不同類型能源消費(fèi)量。NCVit、CCit和COFit分別為第i類能源的平均低發(fā)熱量、含碳量和氧化因子。44/12為CO2分子與C元素質(zhì)量比。通常而言，碳排放系數(shù)=CVit×CCit×COFit，則碳排放系數(shù)為碳排放系數(shù)的3.67倍(44/12)。采用牛海霞對碳排放系數(shù)估算結(jié)果，煤炭、石油、天然氣的碳排放系數(shù)分別為0.733、0.557和0.423[14]。

根據(jù)式(5)計(jì)算所得碳排放量總指數(shù)計(jì)算碳排放量平減指數(shù)。總碳排放量指數(shù)(上一年指數(shù)=100)計(jì)算公式為：

(6)

其中，TCI為總碳排放量指數(shù)，TC為名義碳排放總量，TCD為碳排放總量的平減指數(shù)，t代表年度。此時，碳排放總量平減指數(shù)環(huán)比指數(shù)公式為：

(7)

以2000年為基期年，將各時期環(huán)比指數(shù)連乘可得定基指數(shù)。最終以名義碳排放總量除以碳排放量平減指數(shù)(2000=100)可得實(shí)際碳排放總量。

技術(shù)投入選取各地區(qū)不變價格的技術(shù)市場成交額進(jìn)行計(jì)算[15]。數(shù)據(jù)主要來自于2000—2016年 《中國能源統(tǒng)計(jì)年鑒》 《中國統(tǒng)計(jì)年鑒》，并均以2000年為基期進(jìn)行平減。

2 碳排放量潛在增長率估算：全國層面

2.1 面板數(shù)據(jù)回歸

根據(jù)式(1)，采用面板固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸分析。由于計(jì)算最終碳排放量可能會產(chǎn)生一定效率損失，同時借助面板隨機(jī)前沿模型進(jìn)行討論(見表1)。

表1 面板數(shù)據(jù)回歸結(jié)果

續(xù)表1

注：***1%水平上顯著；**5%水平上顯著；*10%水平上顯著。括號內(nèi)為標(biāo)準(zhǔn)差,下文亦同。

由Hausman無偏檢驗(yàn)結(jié)果可知，P值為0，拒絕了隨機(jī)效應(yīng)模型，因此，最終采用固定效應(yīng)模型進(jìn)行分析。此外，R2為0.929，各變量系數(shù)均顯著(存貨變動影響極小，可以忽略)，說明模型擬合效果較好。SFA模型與固定效應(yīng)模型估計(jì)結(jié)果接近，即估計(jì)結(jié)果是穩(wěn)健的。

由表1可知：技術(shù)投入對碳排放量變動呈負(fù)向顯著性影響，但其產(chǎn)出彈性相對較小。說明與產(chǎn)業(yè)發(fā)展和環(huán)境保護(hù)相關(guān)的技術(shù)進(jìn)步能較好地降低碳排放量，但依靠技術(shù)進(jìn)步促進(jìn)碳減排仍顯不足。其次，三個要素投入變化對碳排放量影響為正，其中，固定資本投入對碳排放產(chǎn)出彈性影響最為顯著，消費(fèi)影響最小。且在消費(fèi)構(gòu)成中，政府消費(fèi)的影響高于居民消費(fèi)。

2.2 要素產(chǎn)出彈性變化與增長因素分析

進(jìn)一步將表1估計(jì)結(jié)果與各要素結(jié)構(gòu)比重相乘，可得年度要素彈性變化程度(見表2)。

表2 2000—2016年各要素產(chǎn)出彈性變動情況

根據(jù)表2，F(xiàn)E和SFA模型在整個研究期呈現(xiàn)較為一致的變化趨勢：第一，在2000—2005年，凈出口和投資產(chǎn)出彈性差距并不顯著。2005年之后，投資產(chǎn)出彈性增長迅速，逐漸遠(yuǎn)超凈出口和消費(fèi)。從三個要素間巨大差別基本可以判斷，投資是長期以來我國碳排放量增長的主要來源；第二，消費(fèi)產(chǎn)出彈性逐年增加。凈出口和投資產(chǎn)出彈性出現(xiàn)緩慢下降態(tài)勢。2009年之后，在國家消費(fèi)刺激和國際經(jīng)濟(jì)危機(jī)尚未緩解的背景下，消費(fèi)產(chǎn)出彈性開始高于凈出口。

結(jié)合要素產(chǎn)出彈性變化程度和要素增長率能較好獲知我國碳排放量增減變化情況(見圖1)。從圖1可知，投資產(chǎn)生的碳排放量自2011年后出現(xiàn)下降，但仍高于消費(fèi)和凈出口之和。其中2008年金融危機(jī)之后，源于政府一系列經(jīng)濟(jì)刺激措施，投資對經(jīng)濟(jì)增長貢獻(xiàn)率達(dá)到新高[16]。2008—2011年投資對碳排量貢獻(xiàn)率則為114%，高于對經(jīng)濟(jì)增長貢獻(xiàn)率(101%)。凈出口碳排放量自2008年后逐步下降，但2015年略有回升。這與我國2015年外貿(mào)凈出口大幅增長有關(guān)，已超過2007年最高值，但碳排放量卻遠(yuǎn)低于該年度。表明我國出口貿(mào)易結(jié)構(gòu)更為優(yōu)化，傳統(tǒng)低附加值、高碳排放產(chǎn)品出口減少，高技術(shù)含量的低碳產(chǎn)品出口增加。消費(fèi)則以相對較高的增速促進(jìn)了碳排放量增長。特別是2008年后，消費(fèi)引致的碳排放量增速明顯，但仍遠(yuǎn)小于投資。事實(shí)上，消費(fèi)對碳排放量的貢獻(xiàn)并不在于消費(fèi)增加，根本仍源于消費(fèi)結(jié)構(gòu)和消費(fèi)效率兩方面：消費(fèi)人口從農(nóng)村向城市遷移的城市化，從消費(fèi)結(jié)構(gòu)與資源配置角度提高了消費(fèi)的碳排放量；其次，政府消費(fèi)在總消費(fèi)比例不高，但對碳排放量的貢獻(xiàn)率較高，說明政府消費(fèi)效率相對較低，導(dǎo)致消費(fèi)對碳排放量的貢獻(xiàn)率增加。此外，從我國GDP構(gòu)成可知，盡管消費(fèi)對GDP的貢獻(xiàn)高于投資，但其對碳排放量的貢獻(xiàn)率遠(yuǎn)小于投資。上述結(jié)果再次確定了我國是投資驅(qū)動型的碳排放增長，經(jīng)濟(jì)結(jié)構(gòu)不盡合理。

圖1 2000—2016年各要素碳排放增長率變化趨勢

2.3 潛在碳排放量增長率估算結(jié)果：2000—2016年

進(jìn)一步估算潛在碳排放增長率結(jié)果可知(見表3)，整個研究期潛在經(jīng)濟(jì)增長率與潛在碳排放量增長率為同步性，但潛在碳排放增長率遠(yuǎn)高于潛在經(jīng)濟(jì)增長率。其中，2000—2011年潛在碳排放增長率增長明顯，由2000—2007年均13.11%升至2008—2011年的33.97%，遠(yuǎn)超同期潛在經(jīng)濟(jì)增長率。2011年后，潛在碳排放增長率呈下降態(tài)勢，2012—2016年，已降至年均11.1%，但仍高于潛在GDP增長率。表明我國經(jīng)濟(jì)增長結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)不合理性在相當(dāng)長時間內(nèi)會導(dǎo)致潛在碳排放量增長率與潛在經(jīng)濟(jì)增長率的較大差距。這也意味著，我國長期采用的需求側(cè)管理政策解決經(jīng)濟(jì)周期出現(xiàn)的碳排放量波動并非合適。

另一方面，2015年之后，化解產(chǎn)能過剩成為供給側(cè)結(jié)構(gòu)性改革的首要任務(wù)，這些都對潛在碳排放增長率變動產(chǎn)生了顯著影響。表2、表3顯示，2012—2016年潛在碳排放增長率較2008—2011年相比年均下降近20%，但根據(jù)郭豫媚等估算，同期潛在經(jīng)濟(jì)增長率降幅僅為1.4%。說明我國經(jīng)濟(jì)結(jié)構(gòu)有向好趨勢。從構(gòu)成結(jié)構(gòu)看，碳排放量潛在增長率下降較為顯著的直接原因在于投資所導(dǎo)致的碳排放量下降明顯。盡管投資量仍在增加，但投資結(jié)構(gòu)趨向合理，又因再生能源科技進(jìn)步，加上政策翻轉(zhuǎn)，能源市場對碳排放量的變化也產(chǎn)生顯著影響。例如2012年后，新電力供應(yīng)中接近半數(shù)來自再生能源，使得來自能源供給領(lǐng)域的碳排放總量顯著下降。

盡管消費(fèi)對碳排放量增長貢獻(xiàn)率增加，但內(nèi)部結(jié)構(gòu)發(fā)生改變。十八大之后的持續(xù)反腐和一系列對公權(quán)的限制，政府消費(fèi)增長率低于居民消費(fèi)增長率，且消費(fèi)結(jié)構(gòu)向低碳化、綠色化發(fā)展，都促進(jìn)了潛在碳排放量的減少。另外，凈出口貿(mào)易逐漸向好，但潛在碳排放量并未顯著增長，表明我國凈出口貿(mào)易逐漸向中高端發(fā)展。

此外，2012—2016年碳排放量實(shí)際增長率與潛在增長率并未呈現(xiàn)完全同步變化態(tài)勢。說明該階段實(shí)際增長率是潛在增長率和多種因素共同作用的結(jié)果。意味著該階段，一系列要素市場改革對提高經(jīng)濟(jì)增長中碳要素供給效率和優(yōu)化碳源配置是合適的。而碳排放潛在增長率下降速度小于投資潛在增速，除因?yàn)橥顿Y產(chǎn)出彈性較高之外，還因?yàn)橄M(fèi)的增加在相當(dāng)程度上抵消了固定投資增速對碳排放量增速下降的正向影響。

表3 2000—2016年中國潛在碳排放增長率的估算與預(yù)測(%)

2.4 潛在增長率預(yù)測結(jié)果：2017—2025年

結(jié)合郭豫媚等對經(jīng)濟(jì)潛在增長率的三種情景分析，預(yù)測2017—2025年我國潛在碳排放量增長率。根據(jù)表3，若經(jīng)濟(jì)增長維持基準(zhǔn)水平，碳排放年均潛在增長率較之2008—2011年和2012—2016年分別下降31%和10%。在樂觀情境下，潛在碳排放增長率分別約下降30%和9%。即潛在經(jīng)濟(jì)增長率的變化并非必然導(dǎo)致碳排放潛在增長率劇烈變化。我們?nèi)哉J(rèn)為這是在持續(xù)性供給側(cè)改革背景下，依靠技術(shù)進(jìn)步和制度變革等使經(jīng)濟(jì)結(jié)構(gòu)更為健康，碳排放量穩(wěn)步下降。

3 潛在增長率的區(qū)域分解

3.1 估算方法

鑒于我國各地區(qū)經(jīng)濟(jì)發(fā)展基礎(chǔ)和資源環(huán)境稟賦差異，為更好地分析區(qū)域間潛在碳排放增長率變化情況，采用自回歸平均模型(ARMA)對30個省(西藏?cái)?shù)據(jù)缺失)2017—2025年潛在碳排放增長率進(jìn)行預(yù)測。

ARMA(p,d,q)模型是經(jīng)過d階差分變換的ARMA(p,q)模型，包含有自回歸模型AR(p)、和移動平均模型MA(q)。該模型可以根據(jù)該序列過去值和現(xiàn)在值預(yù)測短期時間序列的動態(tài)性和發(fā)展規(guī)律。

其中，AR(p)是預(yù)測過去的觀測值和現(xiàn)在的干擾值的線性組合：

Yt=h1Yt-1+h2Yt-2++hpYt-p+et

(8)

式中，Y為時間序列，p為自回歸模型階數(shù)。h(1，2,,p)為模型待定系數(shù)，表示上一期序列對當(dāng)期時間序列的影響程度，et為隨機(jī)擾動項(xiàng)。

MA(q)通過前期干擾值對當(dāng)期干擾值的線性組合進(jìn)行預(yù)測：

Yt=et-θ1et-1-θ2et-2--θqet-q

(9)

其中，Yt為觀測值，q是模型階數(shù)，θj(j=1,2,,q)為移動平均系數(shù)，是待估系數(shù)。

ARMA模型由AR和MA兩個模型組合而成：

Yt=h1Yt-1+h2Yt-2++hpYt-p+et-θ1et-1-θ2et-2--θqet-q

(10)

3.2 預(yù)測結(jié)果

通過計(jì)算不同省份q和p取值范圍，確定模型階數(shù)，識別模型和參數(shù)估計(jì)。具體分析過程參考文獻(xiàn)[17]。表4是預(yù)測結(jié)果，結(jié)果證實(shí)各省Q統(tǒng)計(jì)量和p值均無法拒絕其對應(yīng)殘差自相關(guān)系數(shù)為0的假設(shè)，說明結(jié)果是穩(wěn)定的。借助ARMA模型，根據(jù)2000—2016年歷史數(shù)據(jù)預(yù)測2017—2025年各省碳排放量潛在增長率(見表5)。由表5可知，各省碳排放量呈下降態(tài)勢，但各省間潛在碳排放量存較大差異。其中北京、上海等東部地區(qū)，潛在碳排放量下降較為迅速。這可能和地區(qū)產(chǎn)業(yè)結(jié)構(gòu)向高新技術(shù)、服務(wù)行業(yè)等轉(zhuǎn)化有關(guān)[18]。福建、河南、四川、湖南和河北等中東部地區(qū)及部分西部省份其碳排放量降幅并不十分顯著，這些地區(qū)多是我國高碳行業(yè)集中區(qū)，加之快速城市化引致的城市擴(kuò)張和人口集聚，短期內(nèi)難以實(shí)現(xiàn)碳排放量的迅速減少。遼寧、吉林和黑龍江等老重工業(yè)基地碳排放量下降速度較快，這種下降并非完全是供給側(cè)改革的結(jié)果，更多的是舊有產(chǎn)業(yè)發(fā)展動力不足而引致的。新疆、內(nèi)蒙古、山西等地多為煤炭、石油等化石能源輸出區(qū)，隱含碳排放量較高，但受益于大規(guī)模的新能源使用，上述地區(qū)潛在碳排放增速下降同樣較為顯著。

表4 2000—2016年各省碳排放增長率ARMA模型

表5 2017—2025年各省潛在碳排放增長率預(yù)測結(jié)果

根據(jù)預(yù)測結(jié)果可知，在我國供給側(cè)結(jié)構(gòu)性改革過程中，一些省份會迅速獲益，一些省份則需要較長時間才能實(shí)現(xiàn)碳排放量的減少。因此，供給側(cè)改革即有頂層設(shè)計(jì)的需求，也有區(qū)域?qū)用嫫?。各地?yīng)制定不同特征的供給側(cè)改革目標(biāo)，促使經(jīng)濟(jì)發(fā)展和碳減排目標(biāo)的實(shí)現(xiàn)。

4 結(jié)論及政策啟示

主要研究結(jié)論：技術(shù)進(jìn)步較好地降低了碳排放量，但技術(shù)進(jìn)步推進(jìn)碳減排仍有較大空間；固定資本投資對碳排放量變動影響最為顯著；三種經(jīng)濟(jì)發(fā)展情景下，潛在碳排放增長率差異均不明顯；不同地區(qū)碳排放量潛在增長率有較大差異，這和地區(qū)產(chǎn)業(yè)及能源結(jié)構(gòu)等密切相關(guān)。

本文提出如下政策建議：首先，碳減排政策制定的核心仍是要緊緊抓住供給側(cè)結(jié)構(gòu)性改革契機(jī)，化解我國一系列基于需求側(cè)的經(jīng)濟(jì)政策中積累的大量過剩產(chǎn)能和過度投資。其次，政府應(yīng)遵守市場規(guī)則，借助價格、稅收等經(jīng)濟(jì)手段促使碳排放量減少。最后，碳減排需充分考慮區(qū)域間差異性。對潛在碳排放量下降較為迅速的地區(qū)，應(yīng)通過供給側(cè)結(jié)構(gòu)性改革進(jìn)一步釋放區(qū)域內(nèi)碳減排潛力。對于我國西部能源地區(qū)，短期內(nèi)仍需同時考慮需求側(cè)和供給側(cè)雙向政策。注重在保持經(jīng)濟(jì)增長和促進(jìn)民生發(fā)展的同時，推進(jìn)產(chǎn)業(yè)和能源領(lǐng)域的供給側(cè)結(jié)構(gòu)性改革。

此外，預(yù)測結(jié)果還證明，碳排放潛在增長率較高的地區(qū)是未來碳減排重點(diǎn)地區(qū)。這些地區(qū)供給側(cè)結(jié)構(gòu)性改革因此較之其他地區(qū)更為緊迫和復(fù)雜，迫切需要一攬子政策加以調(diào)整。首先，除了中央的頂層設(shè)計(jì)之外，地方政府應(yīng)通過重新科學(xué)評估本地區(qū)經(jīng)濟(jì)產(chǎn)出和碳排放效率之間的關(guān)系，以碳產(chǎn)出績效為導(dǎo)向優(yōu)化產(chǎn)業(yè)布局。其次，理性認(rèn)識承接?xùn)|部地區(qū)產(chǎn)業(yè)轉(zhuǎn)移過程中所帶來的經(jīng)濟(jì)增長以及與之相隨的碳減排壓力，對轉(zhuǎn)入的高碳產(chǎn)業(yè)進(jìn)行有限引進(jìn)，并通過節(jié)能提效和技術(shù)改造降低產(chǎn)出能耗比。再次，高碳排放地區(qū)降低碳排放的根本仍需發(fā)展低碳產(chǎn)業(yè)，因此應(yīng)分類、分型加快產(chǎn)業(yè)結(jié)構(gòu)性調(diào)整，漸次形成新的支柱產(chǎn)業(yè)。如中部地區(qū)可以依靠人口優(yōu)勢和教育優(yōu)勢，發(fā)展技術(shù)密集型和資金密集型產(chǎn)業(yè)，逐步擺脫對高碳產(chǎn)業(yè)的依賴。四川、重慶和河北等地，應(yīng)借助政策或地域優(yōu)勢進(jìn)行產(chǎn)業(yè)升級優(yōu)化，形成適合本地人口結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域輻射的低碳型產(chǎn)業(yè)結(jié)構(gòu)。最后，碳排放潛在增長率高的地區(qū)也是我國城市化發(fā)展?jié)摿ψ畲蟮牡貐^(qū)，應(yīng)采取更為集約的土地利用方式和低碳化交通方式，優(yōu)化土地產(chǎn)出。