趙明軒， 呂連宏*， 王 深， 白梓函， 張 楠， 羅 宏， 付加鋒

1.中國環(huán)境科學(xué)研究院環(huán)境管理研究中心， 北京 100012 2.中國環(huán)境科學(xué)研究院，環(huán)境基準(zhǔn)與風(fēng)險(xiǎn)評估國家重點(diǎn)實(shí)驗(yàn)室， 北京 100012

減少CO2排放是應(yīng)對氣候變化的重要抓手. 中國實(shí)施積極應(yīng)對氣候變化國家戰(zhàn)略，提高國家自主貢獻(xiàn)力度，提出2030年前碳達(dá)峰、2060年前碳中和的目標(biāo). 開展碳達(dá)峰路徑研究，對中國合理制定2030年碳達(dá)峰目標(biāo)和措施具有重大現(xiàn)實(shí)意義. 對中國碳達(dá)峰路徑的研究主要分為產(chǎn)業(yè)、區(qū)域2個層面. 產(chǎn)業(yè)研究結(jié)果表明，不同行業(yè)碳達(dá)峰難度不同，達(dá)峰時間在2026—2045年間. 第二產(chǎn)業(yè)尤其工業(yè)是CO2排放的主要來源，雖然產(chǎn)業(yè)發(fā)展模式逐漸轉(zhuǎn)變導(dǎo)致CO2排放增速變緩[1]，但未來依舊呈上漲態(tài)勢，提升工業(yè)能源研發(fā)強(qiáng)度和能源效率是有效降低CO2排放的重要手段，預(yù)測在2030年實(shí)現(xiàn)碳達(dá)峰[2-4]. 電力是控制CO2排放的關(guān)鍵工業(yè)行業(yè)，通過科學(xué)控制火電規(guī)模、提高可再生能源發(fā)電和技術(shù)節(jié)能等路徑，中國電力行業(yè)有望于2030年前碳達(dá)峰[5]. 相較于工業(yè)，建筑業(yè)碳達(dá)峰難度更大[6]，控制城鎮(zhèn)化發(fā)展質(zhì)量是實(shí)現(xiàn)碳達(dá)峰的重要路徑，中國建筑業(yè)將于2037年碳達(dá)峰[7]. 第三產(chǎn)業(yè)中，交通行業(yè)碳排放占比較高、增速較快，是僅次于工業(yè)的能源密集型行業(yè)，可通過提升機(jī)動車能源效率、增加燃油稅和碳稅、提高電動汽車使用量等路徑，于2040—2045年碳達(dá)峰[8]. 農(nóng)業(yè)易受氣候變化影響[9]，通過碳庫茲涅茨曲線預(yù)測中國農(nóng)業(yè)將于2026年碳達(dá)峰[10].

區(qū)域研究層面包括城市和全國. 典型城市碳達(dá)峰路徑研究對其余城市甚至全國均具有參考價值，已有研究[11]選取6個超大城市(北京市、上海市、廣州市、深圳市、天津市、重慶市)，綜合考慮人口規(guī)模、能源強(qiáng)度、能源結(jié)構(gòu)、技術(shù)進(jìn)步等路徑，發(fā)現(xiàn)不同路徑下碳達(dá)峰峰值及時間略有差異，在高能源強(qiáng)度下降率情景中，6個超大城市均將于2030年前碳達(dá)峰. 基于BP模型測算，通過優(yōu)化人口規(guī)模、降低煤炭消費(fèi)占比、提高第三產(chǎn)業(yè)GDP增速等路徑，預(yù)計(jì)試點(diǎn)低碳城市——保定市于2024年碳達(dá)峰，峰值為59.74 Mt CO2[12]. 全國研究路徑與城市相似，碳達(dá)峰路徑主要包含能源結(jié)構(gòu)、技術(shù)進(jìn)步、經(jīng)濟(jì)增速等. 通過能源結(jié)構(gòu)調(diào)整，運(yùn)用簡單分解模型和不同路徑下情景分析，預(yù)測低碳情景下中國將于2025年碳達(dá)峰，峰值約10.37 Gt CO2[13]. 雖然控制能源系統(tǒng)碳強(qiáng)度與非化石能源占比對碳達(dá)峰至關(guān)重要[14]，但能源效率和技術(shù)進(jìn)步對碳達(dá)峰更有效[15]. 在區(qū)域研究中，碳達(dá)峰路徑設(shè)定差異導(dǎo)致模型預(yù)測結(jié)果各異，因而選取路徑偏差會影響碳達(dá)峰峰值及時間[16-17].

總體上看，中國碳達(dá)峰路徑、峰值及時間是近年來的研究熱點(diǎn)[10,18-26]，但鑒于數(shù)據(jù)選取、研究范圍、模型構(gòu)建以及經(jīng)濟(jì)增速、能源結(jié)構(gòu)、能源效率等路徑的設(shè)定差異，導(dǎo)致峰值和時間預(yù)測結(jié)果有所不同. 中國在制定2030年前碳達(dá)峰行動方案中，哪些因素對碳達(dá)峰過程影響較大？不同路徑對碳達(dá)峰峰值及時間是何影響程度？哪些碳達(dá)峰路徑更應(yīng)被政府重視？基于上述問題，該研究采用Meta回歸分析，就影響中國峰值與時間的重要路徑進(jìn)行定量分析，探析碳達(dá)峰路徑影響差異，以期為中國制定2030年前碳達(dá)峰行動方案、選擇碳達(dá)峰路徑、開展相關(guān)后續(xù)研究提供支撐.

1 研究方法與數(shù)據(jù)

1.1 Meta回歸分析方法

Meta回歸分析(Meta regression analysis, MRA)由Meta分析(Meta analysis)發(fā)展而來. Meta分析起初用于研究心理學(xué)、醫(yī)學(xué)等領(lǐng)域試驗(yàn)結(jié)果不一致的問題[27]，Meta回歸分析提出后開始應(yīng)用于經(jīng)濟(jì)學(xué)領(lǐng)域[28]，作為一種以回歸模型為基礎(chǔ)的數(shù)量型文獻(xiàn)分析方法，能夠辨析影響研究結(jié)果不一致性的因素，以及因素對結(jié)果不一致性的影響程度[29].

Meta回歸分析模型建立如式(1)所示：

(1)

式中：Y為效應(yīng)值；β0為截距項(xiàng)系數(shù)；βi為自變量系數(shù)；Xi為自變量，主要包括樣本特征、樣本變量和發(fā)表特征；ε為殘差項(xiàng)；i為研究特征變量類別；k為自變量個數(shù).

1.2 數(shù)據(jù)來源

以“碳達(dá)峰+中國+2030”“碳排放+中國+2030”“CO2排放+中國+2030”為關(guān)鍵詞，在中國知網(wǎng)(CNKI)數(shù)據(jù)庫進(jìn)行檢索，以“peak carbon emissions+China+2030”“peak CO2emissions+China+2030”“CO2emissions+China+2030”為關(guān)鍵詞，在Elsevier、Web of Science、Google scholar數(shù)據(jù)庫上檢索. 對收集到的文獻(xiàn)按如下標(biāo)準(zhǔn)篩選：①剔除綜述，僅保留定量研究文獻(xiàn). ②剔除以省(自治區(qū)、直轄市)為研究對象的文獻(xiàn)，僅保留以全國為研究對象的文獻(xiàn). ③剔除單一行業(yè)研究，僅保留全行業(yè)研究的文獻(xiàn). ④剔除結(jié)果為不可碳達(dá)峰的文獻(xiàn)，僅保留結(jié)果為可碳達(dá)峰的文獻(xiàn). ⑤剔除研究數(shù)據(jù)闡述不詳細(xì)的文獻(xiàn)，僅保留情景設(shè)定及情景結(jié)果表述清晰的文獻(xiàn). ⑥研究方法、結(jié)果相似，視為同一篇文獻(xiàn). ⑦為保證文獻(xiàn)結(jié)果的準(zhǔn)確性，降低因文獻(xiàn)選擇偏誤對研究結(jié)果的影響，剔除學(xué)位論文，保留中文期刊為中文核心期刊或CSSCI來源期刊，英文期刊為中國科學(xué)院JCR二區(qū)及以上期刊.

經(jīng)過嚴(yán)格篩選，最終得到18篇文獻(xiàn)，其中中文5篇、英文13篇，整理出36組樣本數(shù)據(jù)進(jìn)行分析，結(jié)果如表1所示.

表1 篩選獲取的文獻(xiàn)與樣本數(shù)據(jù)列表

1.3 數(shù)據(jù)處理

1.3.1效應(yīng)值選取

Stanley等[43]指出，經(jīng)濟(jì)學(xué)領(lǐng)域效應(yīng)值的選取應(yīng)能衡量變量變動關(guān)系，包含一定經(jīng)濟(jì)意義，如選取彈性、相關(guān)系數(shù)等為效應(yīng)值. 該研究情況有所不同：首先由于研究樣本在峰值處邊際彈性為零，且樣本文獻(xiàn)大多未使用計(jì)量模型進(jìn)行回歸分析，無法提取相應(yīng)統(tǒng)計(jì)量，不能按常規(guī)做法對碳達(dá)峰峰值進(jìn)行編碼；其次，以往文獻(xiàn)預(yù)測碳達(dá)峰時間基于模型峰值，不存在回歸統(tǒng)計(jì)關(guān)系. 該研究選取碳達(dá)峰峰值(peakCO2)、時間(time)作為效應(yīng)值，且所有樣本文獻(xiàn)CO2排放數(shù)據(jù)均基于能源消耗.

1.3.2自變量編碼

根據(jù)彭俞超等[29]研究，將自變量分為樣本特征、樣本變量兩類. 樣本特征包括發(fā)表時間(PT)、文獻(xiàn)類型(PTY)、影響因子(IF). 樣本特征編碼規(guī)則如下：根據(jù)文獻(xiàn)樣本特征，發(fā)表時間主要在2015年及以后，故將2015年設(shè)定為0；文獻(xiàn)類型設(shè)定為虛變量，中文設(shè)定為0，英文設(shè)定為1；影響因子為文獻(xiàn)來源期刊2020年的影響因子.

影響碳達(dá)峰的主要因素有經(jīng)濟(jì)增長、能源消耗、能源結(jié)構(gòu)、人口規(guī)模等[44-45]，該研究根據(jù)文獻(xiàn)數(shù)據(jù)結(jié)果選取樣本變量，包括碳達(dá)峰時煤炭占比分類變量(yblcoal)、碳達(dá)峰時煤炭占比(peakcoal)、碳達(dá)峰時非化石能源占比(pnf)、2030年非化石能源占比(nf)、非化石能源占比年均增長率(nonfossil)、碳排放強(qiáng)度年均下降率(CEI)、碳達(dá)峰時碳排放強(qiáng)度下降率(peakCEI)、2030年碳排放強(qiáng)度目標(biāo)(yblCEIG)、經(jīng)濟(jì)年均增長率(GDP)、經(jīng)濟(jì)增速分類變量(GDPY)等. 根據(jù)樣本數(shù)據(jù)特征，將碳達(dá)峰時煤炭占比分類變量(yblcoal)按以下標(biāo)準(zhǔn)分類：煤炭占比小于40%(不含40%)時，設(shè)定為0；煤炭占比為40%～49.99%時，設(shè)定為1；煤炭占比為50%～59.99%時，設(shè)定為2；煤炭占比大于60%(含60%)時，設(shè)定為3. 碳達(dá)峰時煤炭占比(peakcoal)、碳達(dá)峰時非化石能源占比(pnf)、2030年非化石能源占比(nf)數(shù)據(jù)選自樣本結(jié)果. 非化石能源占比年均增長率是測算到碳達(dá)峰時的年均變化率. 碳排放強(qiáng)度年均下降率是以2005年為基期，測算到碳達(dá)峰時的年均變化率. 碳達(dá)峰時碳排放強(qiáng)度下降率(peakCEI)是以2005年為基期，測算到碳達(dá)峰時的碳排放強(qiáng)度下降率. 2030年碳排放強(qiáng)度目標(biāo)(yblCEIG)：將實(shí)現(xiàn)了碳排放強(qiáng)度下降65%(含65%)以上設(shè)定為1；將未實(shí)現(xiàn)碳排放強(qiáng)度下降目標(biāo)設(shè)定為0. 經(jīng)濟(jì)年均增速(GDP)是測算到碳達(dá)峰時的年均變化率. 經(jīng)濟(jì)增速分類變量(GDPY)：根據(jù)樣本數(shù)據(jù)特征，將年均增速在3%(不含3%)以下設(shè)定為0；將年均增速在3%～3.99%之間設(shè)定為1；將年均增速在4%～4.99%之間設(shè)定為2；將年均增速在5%～5.99%之間設(shè)定為3；將年均增速在6%(含6%)以上設(shè)定為4. 樣本變量所有數(shù)據(jù)均選自樣本文獻(xiàn).

效應(yīng)值和自變量描述性統(tǒng)計(jì)見表2.

表2 變量描述性統(tǒng)計(jì)結(jié)果

2 數(shù)據(jù)檢驗(yàn)與分析

2.1 異質(zhì)性檢驗(yàn)

由于樣本文獻(xiàn)存在多情景預(yù)測，可能會產(chǎn)生樣本數(shù)據(jù)的非獨(dú)立性，為保證研究假設(shè)的有效性，首先對樣本數(shù)據(jù)進(jìn)行異質(zhì)性檢驗(yàn)[46]. 選取統(tǒng)計(jì)量Q檢驗(yàn)法，若異質(zhì)性較小，采用固定效應(yīng)模型回歸分析；若異質(zhì)性較大，采用隨機(jī)效應(yīng)模型對效應(yīng)值修正，使結(jié)果偏向于無偏估計(jì)[47].

異質(zhì)性檢驗(yàn)結(jié)果如表3所示. 由表3可見，Q檢驗(yàn)的P值均大于0.05，且I2均為0.00，表明樣本數(shù)據(jù)不存在顯著異質(zhì)性，因此采用固定效應(yīng)模型進(jìn)行回歸. 最小二乘法(OLS)較為常用，但未考慮樣本量對效應(yīng)值的影響. 該研究采用Nelson[48]的方法，將樣本量平方根倒數(shù)作為自變量權(quán)重，對Meta回歸模型使用加權(quán)最小二乘法(WLS)，以修正數(shù)據(jù)非獨(dú)立性.

表3 樣本數(shù)據(jù)異質(zhì)性檢驗(yàn)結(jié)果

2.2 MRA估計(jì)結(jié)果

以36組樣本數(shù)據(jù)中碳達(dá)峰峰值(peakCO2)和時間(time)為因變量，分別檢驗(yàn)樣本特征、樣本變量對因變量的影響，模型構(gòu)建如下：

(2)

(3)

式中：Y1為CO2排放峰值，108t；Y2為碳達(dá)峰時間.

MRA模型估計(jì)結(jié)果如表4所示.

表4 MRA模型估計(jì)結(jié)果

2.3 MRA結(jié)果分析

2.3.1碳達(dá)峰峰值分析

a) 樣本特征. 文獻(xiàn)發(fā)表時間對CO2排放峰值具有顯著性，其每增加1個單位，CO2峰值提高0.67個單位，可能由于能源統(tǒng)計(jì)數(shù)據(jù)公布較晚，且2013—2016年CO2排放總量有所下降，導(dǎo)致早期文獻(xiàn)對峰值計(jì)算偏低. 文獻(xiàn)類型對CO2排放峰值具有顯著性，其每增加1個單位，峰值增加9.42個單位；影響因子對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低1.92個單位，可能由于英文文獻(xiàn)發(fā)表較晚，對未來峰值預(yù)測較高，且影響因子較高期刊對情景設(shè)定合理性的要求較高，路徑設(shè)定相對保守，峰值預(yù)測水平較低；從模型構(gòu)建來看，也可能由于英文樣本文獻(xiàn)主要采用自頂向下的能源模型，而中文樣本文獻(xiàn)主要采用混合能源模型，對能源系統(tǒng)擬合、模擬仿真結(jié)果或更貼合現(xiàn)實(shí)特征.

b) 煤炭占比. 碳達(dá)峰時煤炭占比分類變量對CO2排放峰值具有顯著性，其每增加1個單位，CO2峰值提高9.17個單位；碳達(dá)峰時煤炭占比對CO2排放峰值具有顯著性，其每增加1個單位，峰值提高1.19個單位.

c) 非化石能源占比. 碳達(dá)峰時非化石能源占比對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低1.27個單位；2030年非化石能源占比對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低1.68個單位；非化石能源占比年均增長率對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低5.02個單位. 從能源結(jié)構(gòu)看，應(yīng)提高非化石能源發(fā)展速度，擴(kuò)大非化石能源消費(fèi)規(guī)模，同時控制煤炭總量及煤炭占比，降低碳達(dá)峰峰值.

d) 碳排放強(qiáng)度. 碳排放強(qiáng)度年均下降率對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低1.38個單位；碳達(dá)峰時碳排放強(qiáng)度下降率對CO2排放峰值不具有顯著性；2030年碳排放強(qiáng)度目標(biāo)對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低5.88個單位.

e) 經(jīng)濟(jì)增速. 經(jīng)濟(jì)年均增長率對CO2排放峰值具有顯著性，其每增加1個單位，峰值降低4.33個單位，但經(jīng)濟(jì)增速不宜過快，經(jīng)濟(jì)增速分類變量結(jié)果顯示，其對CO2排放峰值具有顯著性，且每增加1個單位，峰值提高4.86個單位；當(dāng)能源結(jié)構(gòu)調(diào)整過慢，可能會增加高碳能源消費(fèi)，擴(kuò)大高耗能產(chǎn)業(yè)規(guī)模，提高碳排放峰值，因而應(yīng)重視經(jīng)濟(jì)發(fā)展質(zhì)量，不應(yīng)盲目追求經(jīng)濟(jì)增速.

2.3.2碳達(dá)峰時間分析

a) 樣本特征. 文獻(xiàn)發(fā)表時間對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間縮短0.32個單位，可能由于文獻(xiàn)發(fā)表時間越晚，對未來經(jīng)濟(jì)發(fā)展水平、能源消費(fèi)結(jié)構(gòu)、人口規(guī)模等預(yù)測更合理，達(dá)峰時間預(yù)測提前；也可能由于能源統(tǒng)計(jì)體系和溫室氣體清單不斷完善，使得基于歷史數(shù)據(jù)預(yù)測未來更加合理. 文獻(xiàn)類型對碳達(dá)峰時間不具有顯著性；影響因子對碳達(dá)峰時間不具有顯著性.

b) 煤炭占比. 碳達(dá)峰時煤炭占比分類變量對碳達(dá)峰時間不具有顯著性.

c) 非化石能源占比. 碳達(dá)峰時非化石能源占比對碳達(dá)峰時間不具有顯著性，可能由于能源結(jié)構(gòu)對達(dá)峰時間具有一定滯后期，碳達(dá)峰時煤炭占比對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間增加0.31個單位；2030年非化石能源占比對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間縮短0.6個單位；非化石能源占比年均增長率對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間縮短8.46個單位.

d) 碳排放強(qiáng)度. 碳排放強(qiáng)度年均下降率對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間縮短0.74個單位；碳達(dá)峰時碳排放強(qiáng)度下降率對碳達(dá)峰時間具有顯著性，其每增加1個單位，達(dá)峰時間縮短0.12個單位；2030年碳排放強(qiáng)度降低目標(biāo)對碳達(dá)峰時間具有顯著性，其每增加1個單位，碳達(dá)峰時間縮短3.49個單位. 從能源強(qiáng)度與能源結(jié)構(gòu)來看，提高2030年碳強(qiáng)度下降目標(biāo)，加快非化石能源發(fā)展，有利于縮短達(dá)峰時間.

e) 經(jīng)濟(jì)增速. 經(jīng)濟(jì)年均增長率對碳達(dá)峰時間具有顯著性，其每增加1個單位，碳達(dá)峰時間縮短1.71個單位，但經(jīng)濟(jì)增速分類變量結(jié)果顯示，其每增加1個單位，達(dá)峰時間增加1.97個單位，經(jīng)濟(jì)增速不僅影響碳達(dá)峰峰值，也會影響碳達(dá)峰時間，且經(jīng)濟(jì)增速過快會推遲碳達(dá)峰時間，應(yīng)控制經(jīng)濟(jì)發(fā)展速度，使其與產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、能源結(jié)構(gòu)轉(zhuǎn)變相適應(yīng).

2.4 穩(wěn)健性檢驗(yàn)

對自變量碳達(dá)峰時煤炭占比分類變量(yblcoal)及經(jīng)濟(jì)增速分類變量進(jìn)行啞變量編碼時，依據(jù)樣本特征設(shè)定存在一定主觀性. 為減少人為評判因素影響而對其重新編碼以檢驗(yàn)變量穩(wěn)健性. 碳達(dá)峰時煤炭占比分類變量(yblcoal)：煤炭占比在45.00%(不含45.00%)以下，設(shè)定為0；煤炭占比在45.00%～49.99%之間設(shè)定為1；煤炭占比在50.00%～54.99%之間設(shè)定為2；煤炭占比在55.00%(含55.00%)以上設(shè)定為3. 經(jīng)濟(jì)增速分類變量(GDPY)：年均增速在4.50%(不含4.50%)以下設(shè)定為1；年均增速在4.50%～4.99%之間設(shè)定為2；年均增速在5.00%～5.49%之間設(shè)定為3；年均增速在5.50%(含5.50%)以上設(shè)定為4. 穩(wěn)健性檢驗(yàn)結(jié)果(見表5)表明，當(dāng)碳達(dá)峰時煤炭占比分類變量及經(jīng)濟(jì)增速分類變量重新編碼后，回歸擬合程度和各變量系數(shù)、顯著性結(jié)果與編碼前回歸具有一定相似性，啞變量縮小編碼范圍導(dǎo)致回歸系數(shù)呈不同程度降低，變量顯著性特征相似，證實(shí)研究結(jié)論具有穩(wěn)健性.

表5 穩(wěn)健性檢驗(yàn)結(jié)果

3 結(jié)論與建議

3.1 結(jié)論

a) 從樣本統(tǒng)計(jì)分析結(jié)果來看，在36組情景樣本中，83%的研究情景均預(yù)測中國碳達(dá)峰時間不晚于2030年，有12組情景是2030年前碳達(dá)峰，18組情景是2030年達(dá)峰，6組情景是2030年后碳達(dá)峰，其中達(dá)峰時間最早在2020年，最晚是在2040年. 不同情景預(yù)測的峰值范圍為9.4～12.5 Gt CO2，平均值為10.9 Gt CO2. 達(dá)峰時非化石能源占比不低于22.4%，碳排放強(qiáng)度下降率不低于54.0%.

b) 從樣本特征來看，文獻(xiàn)發(fā)表時間、文獻(xiàn)類型、影響因子對CO2排放峰值具有顯著影響，文獻(xiàn)發(fā)表時間對碳達(dá)峰時間具有顯著性，且對CO2排放峰值具有正向顯著性，對碳達(dá)峰時間具有負(fù)向顯著性，說明文獻(xiàn)發(fā)表時間越晚，CO2排放峰值水平越高，同時縮短碳達(dá)峰時間，與能源統(tǒng)計(jì)口徑不斷完善及對未來發(fā)展預(yù)測更貼合實(shí)際有關(guān). 文獻(xiàn)類型對CO2排放峰值具有正向顯著性，說明英文文獻(xiàn)對峰值預(yù)測較高，與英文期刊模型參數(shù)設(shè)定及模型構(gòu)建類型有關(guān)；影響因子對CO2排放峰值具有負(fù)向顯著性，說明影響因子較高的期刊對峰值預(yù)測較低，因高影響因子期刊情景設(shè)定相對合理與保守，峰值預(yù)測水平較低.

c) 從碳達(dá)峰峰值來看，碳達(dá)峰時煤炭占比分類變量、碳達(dá)峰時煤炭占比對CO2排放峰值具有正向顯著性，碳達(dá)峰時煤炭占比每下降1%，峰值降低0.119 Gt CO2. 碳達(dá)峰時非化石能源占比、2030年非化石能源占比、非化石能源占比年均增長率對CO2排放峰值具有負(fù)向顯著性，碳達(dá)峰時非化石能源占比每提高1%，CO2排放峰值降低0.127 Gt CO2；2030年非化石能源占比每增加1%，CO2排放峰值會降低0.168 Gt CO2. 碳排放強(qiáng)度年均下降率、2030年碳排放強(qiáng)度目標(biāo)對CO2排放峰值具有負(fù)向顯著性，碳排放強(qiáng)度年均下降率每提高1%，CO2排放峰值降低0.138 Gt CO2. 經(jīng)濟(jì)年均增長率對CO2排放峰值具有負(fù)向顯著性，但經(jīng)濟(jì)增速分類變量對CO2排放峰值具有負(fù)向顯著性，經(jīng)濟(jì)年均增長率每提高1%，CO2排放峰值會降低0.433 Gt CO2，經(jīng)濟(jì)增速分類變量每提高1類，CO2排放峰值會提高0.486 Gt CO2.

d) 從碳達(dá)峰時間來看，碳達(dá)峰時煤炭占比對碳達(dá)峰時間具有正向顯著性，碳達(dá)峰時煤炭占比每下降1%，碳達(dá)峰時間會提前4個月. 2030年非化石能源占比、非化石能源占比年均增長率對碳達(dá)峰時間具有負(fù)向顯著性，2030年非化石能源占比每提高1%，碳達(dá)峰時間會提前8個月. 碳排放強(qiáng)度年均下降率、碳達(dá)峰時碳排放強(qiáng)度下降率、2030年碳排放強(qiáng)度目標(biāo)對碳達(dá)峰時間具有負(fù)向顯著性，碳排放強(qiáng)度年均下降率每提高1%，碳達(dá)峰時間會縮短近9個月. 經(jīng)濟(jì)年均增長率對碳達(dá)峰時間具有負(fù)向顯著性，經(jīng)濟(jì)增速分類變量對碳達(dá)峰時間具有正向顯著性，經(jīng)濟(jì)年均增長率每增加1%，碳達(dá)峰時間會縮短近21個月，經(jīng)濟(jì)增速變量每提高1類，碳達(dá)峰時間會延長2年.

3.2 建議

a) 研究篩選的樣本對碳達(dá)峰路徑預(yù)測結(jié)果與中國2030年前碳達(dá)峰目標(biāo)基本一致，具有一定的理論研究基礎(chǔ)及參考價值，未來亦應(yīng)開展不同能源結(jié)構(gòu)達(dá)峰路徑下的成本效益研究，探尋成本效益最優(yōu)路徑.

b) 早期研究對中國達(dá)峰峰值預(yù)估偏低、達(dá)峰時間滯后，隨著中國社會向綠色低碳方向轉(zhuǎn)型，雖然對達(dá)峰時間預(yù)測有所提前，但達(dá)峰峰值卻有所增加. 未來應(yīng)進(jìn)一步建立以國家、省、市、區(qū)縣以及行業(yè)能源平衡表為基礎(chǔ)的能源統(tǒng)計(jì)體系，實(shí)施溫室氣體清單核算排放因子本地化工作，建立不同核算主體差異化的清單審核與公開機(jī)制.

c) 能源技術(shù)進(jìn)步對建設(shè)“清潔低碳、安全高效能源體系”尤為重要，未來應(yīng)提高對清潔能源技術(shù)的研發(fā)力度，擴(kuò)大清潔能源使用規(guī)模，實(shí)現(xiàn)碳排放強(qiáng)度加快下降. 要使2030年非化石能源占比達(dá)到25%以上，克服可再生能源大比例進(jìn)入能源電網(wǎng)而導(dǎo)致的電力系統(tǒng)安全穩(wěn)定運(yùn)行風(fēng)險(xiǎn)，加大對可再生能源并網(wǎng)的投入力度，提高清潔能源大規(guī)模有效供應(yīng)，充分運(yùn)用市場機(jī)制倒逼行業(yè)低碳技術(shù)提升，推動全社會電氣化發(fā)展規(guī)模與水平，逐步擺脫對煤炭的高度依賴，力爭實(shí)現(xiàn)2030年煤炭占比低于50%的水平.

d) 要實(shí)現(xiàn)2030年前碳達(dá)峰目標(biāo)，既要保持經(jīng)濟(jì)增長速度，又要控制經(jīng)濟(jì)發(fā)展質(zhì)量，使經(jīng)濟(jì)增長維持在合理區(qū)間，繼續(xù)保持以創(chuàng)新引領(lǐng)經(jīng)濟(jì)發(fā)展的增長模式. 同時仍需從產(chǎn)業(yè)結(jié)構(gòu)、地區(qū)合作、消費(fèi)觀念等方面降低碳排放： ①加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，實(shí)現(xiàn)產(chǎn)業(yè)向高端智能化、數(shù)字化方向發(fā)展；②加強(qiáng)東西部地區(qū)之間經(jīng)濟(jì)交流合作，引導(dǎo)西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，避免粗放型經(jīng)濟(jì)增長模式；③積極引導(dǎo)居民消費(fèi)模式轉(zhuǎn)變，建立公眾低碳消費(fèi)觀念，打破當(dāng)前能源消費(fèi)慣性，逐步實(shí)現(xiàn)深度脫碳發(fā)展.