差别责任视角下碳排放权区域分配方法研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇差别责任视角下碳排放权区域分配方法研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：碳排放权交易作为节能减排和低碳经济转型的重要机制之一，是我国实现减排承诺和构建全国碳市场的必由之路，其中现阶段的首要任务是在差别责任界定的基础上解决各省市初始碳排放权的分配问题。基于熵权法确定指标的权重矩阵，并采用“垂直距离”替代“欧氏距离”对TOPSIS模型进行改进以衡量方案的理想度，据此构建出包含效率和公平在内的碳排放权区域分配方法。在此基础上，结合我国政府哥本哈根气候峰会的减排承诺对2020年的碳排放权进行模拟分配，并采用和谐度函数模型对分配结果进行检验，证实了该分配方法的合理性与科学性。
关键词：碳排放权；差别责任；熵权法；TOPSIS
DOI：10.13956/j.ss.1001-8409.
中图分类号：F205
Abstract：As one of the important mechanisms of energy conservation and low carbon economy transformation， carbon emissions trading is the only way to implement the commitments and build the national carbon markets， the priority task at this moment is to address the initial allocation problem of carbon emissions in various provinces based on the demarcation of distinct responsibility. To determine the index weight matrix based on the entropy weight method， and using vertical distance instead of Euclidean distance to measure the approach degree to the ideal solution， so as to build an area allocation method of carbon emission rights including efficiency and fairness. On this basis， have a simulated distribution of carbon emissions of 2020 according to our country's emission reduction commitment in Copenhagen climate summit， then have a test to the result of the distribution by the harmonious degree of function model， confirmed the scientific rationality of this allocation methods.
Key words： carbon emission rights； variant responsibility； entropy method； TOPSIS
引言
以CO2为代表的温室气体的过度排放引发的温室效应日益威胁着人类的生活和生存，迫使人们不得不摒弃传统的粗放经济增长模式，实现经济的低碳发展已成为全人类的共识。作为负责任的大国，中国政府早在哥本哈根气候峰会上宣布到2020年我国碳排放强度较2005年下降40%～45%，并于2011年制订了《关于开展碳排放权交易试点工作的通知》。至今，我国已有京、津、沪、渝、鄂、粤、深共“两省五市”确定为碳排放权交易试点，已成为继欧盟之后的第二大碳交易体系，并预测将于2017年全面启动全国碳交易市场。碳排放权交易的出现使全球稀缺资源的环境公共产品获得了产权，碳排放权逐渐成为继石油等大宗商品交易后又一崭新的价值符号[1]。作为解决碳排放产权纠纷的重要市场调节手段，碳排放权分配必将成为碳交易市场机制的基石和重要构成。因此，如何恰当衡量不同区域的差别责任，寻求公平与效率并举的碳排放权初始分配方式是我国政府面临的阶段性难题。
1 文献综述
碳排放权交易是由排污权交易概念衍生而来的，其建立和推进涉及到政治、经济和社会生活的方方面面，同时还包含排放权的划分、设定、存储和管理等一系列技术难题，是制约碳排放权交易发展的重要原因[2]。碳排放权交易以碳排放空间的限制使用为基础，通过确定排放总量和分配标准，以碳配额方式分配给相关地区和企业，使排放主体带动排放权的自由交易，并以市场为主导促进碳资源的优化配置。目前，在世界诸国的低碳经济实践中，构建以碳交易为基础的市场经济体制已成为控制碳排放和实现低碳发展的重要手段[3]。
作为碳交易顺利推进的基础与核心，碳排放权分配的科学性与合理性促使当下理论研究和具体实践的不断深入。对于分配原则的确定，普遍认为碳排放权交易原则的核心是设计出合理的分配方式，保证公平和效率的统一，然而如何将分配原则合理嵌套于分配模型中，依旧是当前研究的难点[4]。在碳排放权分配实践的研究中，Kverndokk[5]以人口规模作为分配指标对碳排放权的初始分配进行早期尝试，但该种方法忽略了经济发展程度等因素的影响，在实际应用中受到了限制。Janssen等[6]对此进行了改进，加入了人均GDP、能源使用量等指标，并对世界发达国家的碳排放权进行模拟分配。Miketa等[7]依照人均排放机制和碳排放强度等指标，将全球划分为9大区域进行初始碳排放权分配。然而，这些研究均聚焦于国家层面的碳排放权分配，近年来，伴随着中国碳减排形势的愈加严峻，关于国内碳排放区域分配的研究亦逐渐兴起。史记[8]基于碳排放总量控制的目标，采用DEA-CAF方法对省际碳排放权进行模拟分配，并通过效率分析证实其研究方法优于传统分配方法。Chang等[9]通过对我国区域的碳减排潜力、经济发展及减排责任进行衡量，对区域碳排放权分配方法做出了深入考量，并提出了减排潜能的聚类分析方法。郑立群[10]对我国区域碳排放权分配的效率性和公平性进行了评述，对责任分摊下存在的问题予以阐释，并基于投入导向的零和DEA模型对我国省际碳排放权分配问题进行研究，提出了公平偏离指数最小的分配方案。刘晓[11]以经济总量和碳排放需求量为依据，采用层次分析法分别对不同原则下我国各省市的碳排放权进行分配，并通过分配效率检验证实了前瞻性原则下分配效率的最优。
综上，随着国内外学者对于碳排放权分配研究的不断深入，已逐步意识到公平与效率在碳排放初始权分配中的基础作用。然而，对于碳排放权分配公平性的测度，大部分研究以碳排放总量或人均碳排放量为依据，不足以衡量区域碳排放的历史责任，且对于分配结果有效性的衡量仅仅以碳排放效率为测算依据，导致分配原则与分配方法的脱钩。在研究方法上，层次分析法因受专家的知识水平及经验的影响，存在一定的人为性，特别是在权重矩阵的确定时，主观因素的缺陷尤为明显；DEA方法由于将随机干扰项都视为效率因素，在测算中容易忽略分配的公平性原则，同时，该方法的评价易受到极值的影响。本文在前人研究的基础上，尝试将改进的TOPSIS模型引入到碳排放权区域分配中，即采用“垂直距离”替代“欧氏距离”以衡量方案的理想度，并采用熵权法确定指标的权重矩阵，消除了权重分配的主观片面性，在此基础上结合我国哥本哈根气候峰会上的减排承诺，对2020年区域碳排放权分配进行尝试。
2 分配路径与指标构建
鉴于我国幅员辽阔加之区域差异明显，复杂的经济结构和异样的发展模式决定了区域间的经济、文化、消费等诸方面存在差异，由此造成不同省份间的历史碳排放、减排现状和潜力等方面的明显差距，从而形成了对碳减排的不同诉求。因此在区域碳排放权分配过程中，必须充分考虑其“差别责任”，即在总体减排目标的基础上，根据地区经济发展水平、历史碳排放量、产业类型等诸多要素有差别的承担责任。倘若碳排放权分配不均衡，可能导致区域间“碳转移”现象的发生，从而不利于整体减排。在充分考虑区域碳排放权分配的公平性和合理性的基础上，以充分体现区域间的“差别责任”，本文在分配准则上按照地区减排责任、减排能力、减排潜力和经济发展四个维度，根据指标差异予以区别对待，并将这种差异化以不同的分配准则来体现。
为了保证区域间“差别责任”的公平和有效，本文在指标选取上兼具全面性和代表性、系统性和主导性的基本原则，同时充分考虑指标定量特征及数据可获得性，选取4个维度8个指标构建一个多属性、多层次的碳排放权分配指标体系，如表1所示。
从分配结果来看，山东、河南和河北的碳排放权分配比例最大，分配比例依次为：7.83%、6.90%、6.53%。这主要是源于这些省份的人口相对较多，经济亟待发展，由此造成一方面历史排放量、人均累积碳排量相对较大，另一方面经济发展较为迫切，从而导致较高的分配比例。而青海、海南和宁夏的碳排放权比例最低，分配比例依次为：0.36%、0.55%、0.76%。这主要归因于其经济发展相对缓慢，历史排放水平较低，加之碳排放强度较高，从而获得相对较少的碳排放权分配。从剩余系数来说，在差别责任视角下，2020年完成较2005年碳排放强度降低40%到45%的目标，不同省份的责任不尽相同，碳排放强度降低40%以下的省份有福建、甘肃、黑龙江、河南、重庆、广西、山西、四川、安徽、江西、海南等11省市，说明这些省市的减排责任略低于全国平均水平。而碳排放强度降低45%以上的省份有北京、天津、宁夏、辽宁、内蒙古、上海、青海、贵州、吉林、山东、陕西、江苏、新疆、浙江、广东等15个省市，这些地区在碳减排过程中承担的责任较大。
4.3 分配模型评价
上式中， 表示分配结果与理想排放量的欧氏距离， 表示分配结果与最低排放量的欧氏距离， 表示理想排放量与最低碳排放量的欧氏距离。通过代入数据计算可得，分配模型的最终总体和谐度 ，表明分配方法合理，分配结果能够在实现总体减排目标的前提下尽可能满足不同区域的碳排放权需求，体现了分配的公平性和合理性。
5 结语
在碳排放权分配原则梳理的前提下，构建了我国区域碳排放权分配的4个准则层以及下分的8个指标体系，并对相应指标的含义进行界定。将TOPSIS模型引入到碳排放权分配方法的研究中来，针对“欧式距离”存在的缺陷，采用“垂直距离”予以改进，在指标权重的度量中，采用熵权法予以测算。然后针对中国政府2020年预完成的减排承诺，在区域差别责任的视角下，采用上述模型对区域间的碳排放权进行模拟分配。同时，采用和谐管理理论的方法对总体分配的结果进行和谐度检验，结果显示，总体和谐度为0.8256，证实了分配结果的合理性和科学性。同时，在全国碳市场建立的大背景下，针对当前我国面临的减排压力，结合本文研究提出如下建议：
（1）碳排放权分配方法仅仅是对一定限度的碳配额划分比例的过程，因此配额总量对分配结果的贴合度具有重要的关系。作为发展中国家，我国对外要争取更多的碳排放权，一方面便于减排任务的完成，另一方面可以最低限度降低碳约束对经济发展的影响。
（2）在碳试点建立的基础上，尽快建立全国统一碳市场，完善碳排放权分配模式，避免仅在部分地区开展碳交易而导致的“碳转移”现象的发生。此外，依照差别责任的原则，在碳排放权指标选取上应充分体现地区的基本情景，通过分配数量合理明晰区域职责，保证经济阻尼作用最小状态下减排目标的顺利达成。
（3）为了保证碳排放权分配工作的顺利实施，必须尽快建立相关配套管理机制，完善信息采集、交易管理、排放监督以及检测计量等工作，保证碳排放权分配的公平、公正与公开。完善的分配流程可以提高交易效率，降低成本，并且可以甄别出碳排放权的过度囤积，有效避免价格的异常波动，保证排放权分配的合理性与真实性。
参考文献：
[1]李志学，张肖杰，董英宇. 中国碳排放权交易市场运行状况、问题和对策研究[J]. 生态环境学报，2014（11）：1876-1882.
[2]何晶晶. 构建中国碳排放权交易法初探[J]. 中国软科学，2013（09）：10-22.
[3]王庆山，李健. 弱关联性约束下中国试点省市碳排放权分配效率研究[J]. 软科学，2016（03）：81-84+107.
[4]令狐大智，叶飞. 基于历史排放参照的碳配额分配机制研究[J]. 中国管理科学， 2015（06）：65-72.
[5] Kverndokk S. Tradeable CO2Emission Permits： IntialDistribution as a Justice Problem[J]. Environmental Values， 1995，4（2）：129-148.
[6] Janssen M， Rotmans J. Allocation of Fossil CO2Emissions Rights Quantifying Cultural Perspectives[J]. Ecological Economics， 1995（13）：65-79.
[7] Miketa A， Schrattenholzer L. Equity Implications of Two Burden-sharing Rules for Stabilizing Greenhouse Gas Concentrations[J]. Energy Policy， 2006（34）：877-891.
[8] 史记. 碳排放强度控制下区域碳排放权分配研究[D]. 吉林大学， 2015.
[9] Chang K， Chang H. Cutting CO2 Intensity Targets of Interprovincial Emissions Trading in China[J]. Applied Energy， 2016，16（3）：211-221.
[10]郑立群. 中国各省区碳减排责任分摊――基于零和收益DEA模型的研究[J]. 资源科学，2012（11）：2087-2096.
[11] 刘晓. 基于公平与发展的中国省区碳排放配额分配研究[J]. 系统工程， 2016（02）：64-69.
[12]余雁，梁. 多指标决策TOPSIS方法的进一步探讨[J]. 系统工程，2003（02）：98-101.
[13]Zhou S H， Liu W. An Improved TOPSIS with Weighted Hesitant Vague Information[J]. Chaos， Solitons & Fractals， 2016， 89（2） ：47-53.