中国碳中和发展绩效及其内在驱动力研究.pdf

山东大学学报（哲学社会科学版）2023年第4期第112-124页中国碳中和发展绩效及其内在驱动力研究李爱军 张入川摘要：针对气候变化和全球变暖问题，党和国家提出了参与和推进全球生态文明建设的战略，明晰了碳达峰和碳中和的“双碳”目标，已成为全球生态文明建设的重要参与者。然而，2021 年多个省份出现了“拉闸限电”现象，暴露出一些地方存在诸多认知短板和执行不力等问题。在此背景下，应对中国各个省份的碳中和发展绩效进行定量评估，同时，要区分技术进步因素和效率改进因素对碳中和发展绩效的影响，并对阻碍技术传播的内在驱动因素进一步展开分析。实证结果表明，中国碳中和发展绩效拥有较大的提升空间，并且区域、省际之间依然存在着较为明显的绩效差异；技术进步因素和效率改进因素，均是提升碳中和发展绩效的重要因素，并且可以弥补一些省份在低碳资源上的禀赋劣势；此外，西部地区内部的技术差异，是重要的技术传播障碍。因此，促进区域内部的技术传播和效率改进是提升碳中和发展绩效的有效手段。关键词：碳中和发展绩效；优势赋权模型；评估绩效；方向距离函数；泰尔指数DOI：10.19836/ki.37-1100/c.2023.04.010一、引言当前，全球气候变化及相关可持续发展问题，成为国际社会关注的重要议题。为应对全球气候变暖问题，党和国家先后公布了 2030年“碳达峰”与 2060年“碳中和”目标（简称为“双碳”目标），这是中国主动应对气候变化、加快推动绿色低碳发展、成为全球生态文明建设重要参与者的庄严承诺。并且，党的二十大报告明确指出，中国主张“积极稳妥推进碳达峰碳中和”，主张“完善碳排放统计核算制度，健全碳排放权市场交易制度。提升生态系统碳汇能力。积极参与应对气候变化全球治理”。不容忽视的是，2021年，在实现能源消耗总量和强度“双控”目标的过程中，有 10个省份被国家发展和改革委员会提示“一级预警”，这暴露出相关省份在“双控”“双碳”等问题上存在认知短板和执行不力等问题。在此背景下，对各个省份碳中和发展绩效进行全面科学的系统评估，可以为决策部门提供完整准确且及时有效的信息，进而有助于稳妥推进碳达峰和碳中和工作的有序开展。在现有研究基础上，基于中国 20082019 年省际数据，采用改进的 BoD 模型（Benefit of the Doubt Model，优势赋权模型）、曼奎斯特指数（Malmquist index）分解和泰尔指数（Theil index）分解方法，对各个省份的碳中和发展绩效及其内在驱动因素进行系统性评估。在本文中，碳中和发展绩效，指的是各个决策单元实现“双碳”目标的远近程度的综合度量。为实现该度量，本文确定了多个具体基金项目：国家自然科学基金面上项目“多重市场扭曲下中国低碳转型战略研究”（项目编号 71873078）；山东省“泰山学者”青年专家项目；山东省自然科学基金面上项目“考虑技术异质性下可持续发展绩效测度及影响因素分析”（ZR2019MG020）；宣传思想文化青年英才项目“可持续发展视角下中国生态文明战略体系研究”。作者简介：李爱军，山东大学经济研究院教授，博士生导师（济南 250100；）；张入川（通讯作者），山东大学经济研究院博士研究生（济南 250100；）。杜之利、苏彤、葛佳敏等：碳中和背景下的森林碳汇及其空间溢出效应，经济研究 2021年第 12期。习近平：高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗在中国共产党第二十次全国代表大会上的报告，人民日报 2022年 10月 26日，第 1版。邬彩霞：中国低碳经济发展的协同效应研究，管理世界 2021年第 8期。胡雅蓓、邹蓉：新常态下碳减排与经济转型多目标投入产出优化研究，资源开发与市场 2018年第 8期。112中国碳中和发展绩效及其内在驱动力研究衡量指标。此处，本文根据党和国家关于“双碳”目标推出的一系列政策体系，尤其是碳达峰、碳中和“1+N”政策体系，从中选取了五个重要组成部分（能源强度、碳排放强度、非化石能源发展、森林碳汇与全民参与程度）作为具体衡量指标。在理论上，碳中和发展绩效应该包括所有影响因素。例如，2030年前碳达峰行动方案 提到的科技支撑、碳汇能力、能源保障、交通运输等，这些因素均会影响碳中和目标的实现进程，因此是碳中和发展绩效的重要影响因素。然而，在具体度量上，本文无法将所有因素一一量化，因此仅选择了其中的五个代表性领域进行具体量化分析。本文的研究有以下两点贡献：第一，从优化模型视角，拓展了对不同维度指标科学赋予权重的研究思路。对于指标赋权问题，现有研究主要采用下列两种方法：第一种方法是主观赋予权重，即通过以往的经验判断反映决策者对各类指标的重视程度，这种方法主观性强，且难以彰显一定的科学性价值。第二种方法是通过优化模型客观赋予权重，这类模型（如 BoD模型）在目标方程最优化的求解过程中，可能得到不真实的极端权重，违反评价结果的合理性要求。为解决此类难题，采用基于前景理论的交叉效率模型，通过计算自身权重与其他决策单元权重的加权平均值，进而改进 BoD模型的权重赋予方式。因此，该权重赋予方法通过消除极端值获得合理、可信的评价结果，因而具有科学性。第二，在碳达峰和碳中和的“双碳”目标背景下，丰富了关于碳中和发展内在驱动力的研究。现有研究大多采用计量回归方法，定量评估绩效相关变量的影响，有助于理解外部驱动因素与核心变量的统计依存关系。为深刻剖析碳中和发展的内在驱动力问题，本文紧紧围绕技术进步和技术传播两个关键因素展开研究，采用曼奎斯特指数分解方法定量评估技术进步的差异水平，通过泰尔指数分解方法进一步剖析技术传播的内在驱动因素。因此，基于结构分析法和其对应的分解方法，协同剖析碳中和发展的内在驱动力，加深了对碳中和发展绩效演变规律的科学认识。二、相关文献综述随着碳达峰与碳中和目标的提出，学者们开始关注和分析中国碳排放或碳中和发展绩效及其变化。本部分将对碳排放或碳中和指标体系的相关研究和方法进行归纳和评述，这也是本文研究的主要出发点。（一）碳排放或碳中和指标体系的相关研究到目前为止，在关于中国碳排放或碳中和的相关研究中，部分从碳源碳汇角度展开分析。例如，刘骏等从减少碳源、增加碳汇的方向入手，构建基于低碳理论的碳源碳汇分析框架，将生产、交通、建筑与居民生活三大碳源及森林碳汇、绿地碳汇作为评估维度。王佐仁和马越在考虑工业、废弃物处理、农业、畜牧业碳排放及林业碳吸收的基础上，对主要碳源、碳汇的碳排放强度、增长速度等设置评价指标，形成相对完整的基础统计指标体系。Zhou L.，Zhang R.，Li A.，“New Concepts for Bootstrap-based Cross-efficiency and Relative Weight Analysis and an Application to China s Governance-finance-innovation-sustainability System”，Journal of Cleaner Production，2022，379，134549.Zhang R.，Wei Q.，Li A.，et al.，“Measuring Efficiency and Technology Inequality of China s Electricity Generation and Transmission System：A New Approach of Network Data Envelopment Analysis Prospect Cross-efficiency Models”，Energy，2022，246，123274.王欣媛、徐佳苗、刘健等：基于层次分析法的区域医疗中心评价指标体系构建研究，中国卫生政策研究 2023年第 2期。罗敏红、黄若楠、李慧敏：基于德尔菲法和层次分析法构建区域间居民健康素养综合评价指标体系额研究，中国健康教育 2023年第 1期。龚日朝、刘俞希、潘芬萍：带权重约束的 DEA超效率评价模型及其应用研究，中国管理科学 2020年第 4期。许诗源：基于 PCA-DEA模型的农产品流通效率分析，商业经济研究 2019年第 10期。刘骏、胡剑波、罗玉兰：低碳城市测度指标体系构建与实证，统计与决策 2015年第 5期。王佐仁、马越：关于碳排放评价指标体系构建的思考，统计与决策 2014年第 3期。113山东大学学报（哲学社会科学版）同时，部分研究对经济社会发展相关的各个子系统进行整合分析，考察环境与经济、社会系统的协同。例如邓荣荣与赵凯在综合考虑经济与社会的基础上，构建了由“三废”综合利用产品价值、低碳消费模式倡导等 14 项具体指标组成的低碳评价指标体系。连玉明在经济发展、社会进步、资源承载、环境保护与生活质量 5个一级指标的基础上，细分客观评价指标与导向性指标，构建低碳城市的评价指标体系。此外，还有研究基于低碳相关政策构建低碳发展指标。例如，陈楠和庄贵阳以宏观层面的国家自主贡献目标、国家应对气候变化目标、IPCC 报告提出的重点减排领域为主要依据，构建层次结构模型。厉以宁等将低碳发展纳入宏观经济目标，即以低碳发展目标与经济增长、充分就业、物价稳定、国际收支平衡一起作为一国宏观经济的发展、调控和管理的目标。经过梳理这些文献可知，低碳发展指标的研究，难以形成统一标准的评估指标体系。对此，不同文献往往从不同视角出发，丰富了碳排放或碳中和指标体系的研究内容。（二）碳排放或碳中和发展绩效评估的相关研究在绩效评估领域，数据包络分析模型属于非参数模型，因而不需要事先假定投入与产出变量的具体函数关系，也不需要对各个指标主观赋予权重。由于该模型的这些优点，数据包络分析模型在碳排放等多个领域得到了广泛的应用与发展。其中，有些学者将资本、劳动力和能源作为投入要素，将地区生产总值和二氧化碳排放分别作为合意与非合意产出，评估不同地区的全要素二氧化碳减排效率。并且，有些研究基于数据包络分析模型，拓展现有指标分解方法，分析各省二氧化碳排放效率的内在驱动因素。例如，仲云云和仲伟周考察纯技术效率和规模效率因素对碳排放效率的影响。Sueyoshi等认为经济活动效应、合意产出技术进步效应和潜在能源强度变化效应是降低二氧化碳排放效率的主要指标，合意产出运营效率效应和节能技术进步效应是促进二氧化碳排放效率提升的两类分解指标。然而，上述文献尚未探讨影响碳中和发展绩效的内在驱动因素。此外，有些研究采用BoD模型构建绿色制度环境绩效指数、行业发展绩效指数或营商指数。其中，BoD模型区别于传统的数据包络分析模型，可以处理只有产出没有投入的情形。从研究方法来看，BoD模型属于非参数模型和确定性模型。该类模型具有一些显著优点，例如非参数（不需要事先假定函数形式）、线性模型（求解简便）；同时，该模型也存在一些不足，例如假定所有数据不具有随机性特征，因而无法处理不确定性问题。邓荣荣、赵凯：中国低碳试点城市评价指标体系构建思路及应用建议，资源开发与市场 2018年第 8期。连玉明：城市价值与低碳城市评价指标体系，城市问题 2012年第 1期。陈楠、庄贵阳：中国低碳试点城市成效评估，城市发展研究 2018年第 10期。厉以宁、朱善利、罗来军等：低碳发展作为宏观经济目标的理论探讨基于中国情形，管理世界 2017年第 6期。Li L.，Cai Y.，Liu L.，“Research on the Effect of Urbanization on China s Carbon Emission Efficiency”，Sustainability，2019，12（1），163.张伟、朱启贵、李汉文：能源使用、碳排放与我国全要素碳减排效率，经济研究 2013年第 10期。韩晶、王赟、陈超凡：中国工业碳排放绩效的区域差异及影响因素研究基于省域数据的空间计量分析，经济社会体制比较 2015年第 1期。仲云云、仲伟周：中国区域全要素碳排放绩效及影响因素研究，商业经济与管理 2012年第 1期。Sueyoshi T.，Li A.，Liu X.，“Exploring Sources of China s CO2 Emission：Decomposition Analysis under Different Technology Changes”，European Journal of Operational Research，2019，279（3），pp.984-995.Liu Y.，Chen S.，Zhang R.，et al.，“Understanding the Efficiency Changes of Green Institutional Environment：An Application of Two New Cross-efficiency Benefit-of-the-Doubt Models to China”，Journal of Cleaner Production，2022，380，134864.Zanella A.，Camanho A.，Dias T.，“Undesirable Outputs and Weighting Schemes in Composite Indicators Based on Data Envelopment Analysis”，European Journal of Operational Research，2015，245（2），pp.517-530.Rogge N.，Archer G.，“Measuring and Analyzing Country Change in Establishing Ease of Doing Business Using a Revised Version of World Banks Ease of Doing Business Index”，European Journal of Operational Research，2021，290（1），pp.373-385.114中国碳中和发展绩效及其内在驱动力研究综上所述，相对于现有文献，本文贡献主要体现在两个方面。第一，在研究方法上，对优势赋权模型进行了拓展，通过引入交叉效率方法增强了效率区分度，并通过引入基于前景理论的二次目标模型，解决了各个维度指标权重不唯一的难题。第二，在研究内容上，基于五个维度的指标体系，对中国各个省份碳中和发展绩效进行综合评估，并基于优势赋权模型展开研究，进而厘清技术进步因素和效率改进因素对碳中和发展绩效的影响，并对阻碍技术传播的内在驱动因素展开进一步分析，从而为碳中和及相关政策的科学决策提供参考依据，因而具有较强的现实意义和政策意义。三、研究设计研究设计主要包括两个部分，分别是测度碳中和发展绩效和探究绩效演变的内在驱动力。对于碳中和发展绩效，采用拓展的优势赋权模型，对各个省份的碳中和发展绩效展开定量评估。对于内在驱动力，本文采用了下列两种方法：第一种方法是曼奎斯特指数及分解方法，该方法通过区分技术进步和效率改进因素，考察碳中和发展绩效的驱动因素；第二种方法是泰尔指数及分解方法，该方法可以用于确定技术传播的阻碍因素，从技术传播角度考察区域间绩效差异的原因。（一）碳中和发展绩效评估模型构建1.碳中和发展绩效测度模型。本文基于 Zanella等提出的线性优化方法，建立如下 BoD 方向距离函数模型：Max +()i=1Isi-+r=1Rsr+s.t.j=1Juijj+si-=uik-gik(i=1，.，I)，j=1Jyrjj-sr+=yrk+grk(r=1，.，R)，j 0 (j=1，.，J).（1）其中，uij与yrj分别表示第j个决策单元的第i类负向指标和第r类正向指标，uik与yrk表示待评估决策单元k的负向指标与正向指标的原始数量。g表示效率改进的方向向量，则表示两类指标的改进比例。为阿基米德无穷小量，s表示松弛变量，在模型中被用来测算弱有效决策单元无法被值捕捉到的改进程度。另外，本研究基于传统径向方法会高估被评估决策单元绩效的不足，选取被评估决策单元可改进的范围为其方向向量，即(grk，gik)=(maxyrj-yrk，uik-minuij)。同时，综合绩效值（CIk）用 1/（1+）表示，它的取值范围在 01内。其中，1表示该决策单元完全有效。为了更直观地得到正向指标与负向指标的相对权重，本文引入模型（1）的对偶形式，具体如下所示：Min =i=1Ivikuik-r=1Rwrkyrks.t.i=1Ivikgik+r=1Rwrkgrk=1(r=1，.，R)，i=1Ivikuij -r=1Rwrkyrj 0(i=1，.，I)，vik，wrk .（2）其中，v和 w 分别表示第 k个被评估决策单元负向指标与正向指标的相应权重，表示模型（2）的目标Zanella A.，Camanho A.，Dias T.，“Undesirable Outputs and Weighting Schemes in Composite Indicators Based on Data Envelopment Analysis”，European Journal of Operational Research，2015，245（2），pp.517-530.115山东大学学报（哲学社会科学版）函数值，测算了被评估决策单元的总体无效程度。基于已有的 BoD 方向距离函数模型，本文引入前景理论，考察决策者收益感知和损失规避行为对决策的影响。为此，本文以绩效最优的决策单元（正向指标最大，负向指标最小）与绩效最差的决策单元（正向指标最小，负向指标最大）作为参考点，在集中决策的情形下，将决策者对于收益感知和损失规避的态度纳入优势赋权模型，通过目标函数最大化其感知的“主观价值”。具体而言，基于前景理论的 BoD模型形式如下：Max r=1Rwrk()yrk-y-r+i=1I vik()u-i-uik-(1-)r=1R wrk()y+r-yrk+i=1I vik ()uik-u+i（3）与模型（2）的相同约束 i=1Ivikuik-r=1Rwrkyrk=*，y+r =max yrk，u+i =min uik，y-r =min yrk，u-i =maxuik.其中，为前景理论的损失规避系数，、分别表示决策者对待收益和损失的风险规避系数，表示收益和损失对决策者而言的相对重要程度，*表示根据模型（2）计算得到的目标函数值。通过求解模型（3），得到不同决策单元各个正向指标与负向指标的最优权重，并将该权重纳入交叉效率评价矩阵，从而对各个决策单元合理赋权，以消除极端权重对绩效的影响。具体而言，决策单元（k）的交叉效率定义如下：CI*k=j=1J()1()1+()i=1Iv*ijuik -r=1Rw*rjyrkJ，(j=1，.，J).（4）其中，CIk表示综合自我评价效率与（J-1）个同类被评估单元评价效率的加权平均数值，即第 k个决策单元的交叉效率。2.曼奎斯特生产率耦合指数分解。本文基于 Rogge和 Archer所采用的曼奎斯特分解方法，引入曼奎斯特（Malmquist）生产率耦合指数，以测度碳中和发展绩效的动态演变规律。具体而言，该指数及其分解形式如下所示：PCk=(ECk*CUk)1/2，ECk=()CI*k()vt，wt，ut+1，yt+1CI*k()vt+1，wt+1，ut+1，yt+11/2()CI*k()vt，wt，ut，ytCI*k()vt+1，wt+1，ut，yt1/2，CUk=()CI*k()vt+1，wt+1，ut+1，yt+1CI*k()vt，wt，ut，yt =PTCk*SECk，PTCk=()CIVRS*k()vt+1，wt+1，ut+1，yt+1CIVRS*k()vt，wt，ut，yt ，SECk=()CI*k()vt+1，wt+1，ut+1，yt+1/CIVRS*k()vt+1，wt+1，ut+1，yt+1CI*k()vt，wt，ut，yt /CIVRS*k()vt，wt，ut，yt .（5）Liu H.，Song Y.，Yang G.，“Cross-efficiency Evaluation in Data Envelopment Analysis Based on Prospect Theory”，European Journal of Operational Research，2019，273（1），pp.364-375.Rogge N.，Archer G.，“Measuring and Analyzing Country Change in Establishing Ease of Doing Business Using a Revised Version of World Banks Ease of Doing Business Index”，European Journal of Operational Research，2021，290（1），pp.373-385.116中国碳中和发展绩效及其内在驱动力研究其中，PC 为二者的曼奎斯特生产率耦合指数，该指数反映了 EC 和 CU 两个指标的协调程度，其值越大，意味着协调度越高，即碳中和发展状况越佳。EC 代表技术进步指数，测度从 t期到 t+1期生产技术前沿面的变化，该指数反映了各个省份（决策单元）碳中和政策环境的变化。如果 EC1，则表示该省份碳中和政策环境不断改善，反之则不断恶化。同时，CU 表示效率改进指数，测度从 t期到 t+1期某个省份与生产技术前沿面差距的变化。如果 CU1，则表示该省份碳中和绩效与最优决策单元之间的差距不断减少，反之则不断增加。为了深入探究效率改进的来源，效率改进指数还可以进一步分解为纯技术效率指数（PTC）和规模效率指数（SEC）。其中，纯技术效率指数测度的是当规模报酬可变时，t期到 t+1期某个省份与生产技术前沿面距离的变化。如果 PTC1，表示在规模报酬可变的条件下，生产资源要素的配置效率得到提升，决策单元与生产技术前沿面距离进一步缩小，反之则增加。而规模效率指数则是衡量从t期到 t+1期，规模报酬不变时的生产前沿面与规模报酬变化时的生产前沿面之间距离的变化程度。3.技术不平等与泰尔指数分解。本文基于胡萌和宫晓芹所采用的泰尔指数分解方法，测度技术传播状况，并通过分解方法剖析技术传播的内在驱动因素。具体而言，泰尔指数的计算公式如下：Tt=j=1J()CItjCItln()CItjCIt1 J.（6）其中，T 代表泰尔指数，CIjt表示第 j个省份（决策单元）在 t时期的碳中和发展交叉效率，CI t表示 t时期各个省份的交叉效率之和。为了考察技术传播的内在驱动因素，本文采用基于分组的泰尔指数分解法。关于分组，依据国家统计局的划分标准，将各个省份分为西部、中部与东部区域。关于泰尔指数分解，将泰尔指数分解为区域间差异（Tb）和区域内差异（Tw），其计算公式如下：Tt=Ttw+Ttb，Ttb=(CItECItln(CItECItJEJ)+CItCCItln(CItCCItJCJ)+CItWCItln(CItWCItJWJ)，Ttw=CItECItTtE+CItCCItTtC+CItWCItTtW.（7）其中，下标 W、C和 E分别表示西部、中部与东部区域，JW、JC和 JE分别代表相关区域内的省份个数。通过公式（7），可以度量各个分解因素及其对技术传播的贡献率。（二）碳中和发展绩效指标体系在五个阶段性目标（详见表 1）基础上，构建碳中和发展绩效评价指标体系，包括能源强度、碳排放强度、非化石能源发展、森林碳汇与全民参与程度五个维度，具体指标及含义如表 2 所示。在指标选取上，注重正向与负向性质指标的相对平衡，采用 20082020 年 中国统计年鉴 中国环境统计年鉴 中国能源统计年鉴 电力工业统计年鉴 以及国家统计局等有关部门统计公报中的数据。碳中和发展绩效评价指标体系包括五个维度：（1）能源强度，该维度指标反映了经济活动中对能源的利用程度，因而降低能源强度是助力实现“双碳”目标的重要方式；（2）碳排放强度，该维度指标是表征碳中和发展绩效的最核心变量，也是“双碳”目标的首要任务；（3）非化石能源发展，该维度指标可以促进能源替代和保障经济社会发展，因而是助力实现“双碳”目标的重要途径；（4）森林碳汇，该维度徐胜：中国陆海系统协调度及经济互动效率评价研究，山东大学学报（哲学社会科学版）2019年第 6期。胡萌、宫晓芹：都市圈尺度下区域经济差距的测度和分解，统计与决策 2022年第 7期。陈凯、刘筱慧、王雪等：商业银行不良贷款地区差异的泰尔指数分解及影响因素分析，工业技术经济 2021年第 10期。柯宗俊、邓汉慧：中国人口老龄化地区差异和收敛性分析，统计与决策 2021年第 19期。117山东大学学报（哲学社会科学版）指标反映了生态系统固碳能力，是促进“双碳”目标的重要参与者；（5）全民参与程度，该维度指标是助力实现“双碳”目标的最终途径。为了消除指标之间的量纲影响，采用均值法对正向指标与负向指标分别进行处理，具体方法如下：Yrk(无量纲)=Yrk-Yr，Uik(无量纲)=Uik-Ui.（8）此外，以所有年份数据为基础构建前沿面，以保证评估结果的纵向可比性。四、实证分析（一）碳中和发展绩效分析本小节考察中国各个区域和各个省份的碳中和发展绩效水平。经过观察表 3和表 4可知，中国碳中和发展绩效值从 2008 年的 0.6903 上升至 2019 年的 0.7246，总体呈现上升态势。其中，东部区域的绩效值最高，且省份之间的差异程度最小，其次是中部区域，最后是西部区域，其内部省份之间的差别程度最大。从五个维度指标来看，东部区域在能源强度、碳排放强度和全民参与度方面均处于领先地位，表明东部区域能够较好地协调能源、环境与经济之间的关系，但其在非化石能源发展方面具有相对劣势，结果表明现阶段东部区域非化石能源发电装机容量占比较低，且在提高清洁能源的替代比率方面仍存在较大的上升空间。同时，中部区域在能源强度、碳排放强度、非化石能源发展和全民参表 1碳达峰与碳中和的五个阶段性目标阶段性目标碳排放规模能源强度碳排放强度非化石能源发展森林碳汇2025年单位国内生产总值能源消耗比 2020年下降 13.5%单位国内生产总值二氧化碳排放比 2020年下降 18%非化石能源消费比重达到20%左右森林覆盖率达到 24.1%，森林蓄积量达到 180亿立方米2030年二氧化碳排放量达到峰值并实现稳中有降单位国内生产总值能源消耗大幅度下降单位国内生产总值二氧化碳排放比 2005年下降 65%以上非化石能源消费比重达到 25%左右，风电、太阳能发电总装机容量达到 12亿千瓦以上森林覆盖率达到 25%左右，森林蓄积量达到190亿立方米2060年碳中和目标顺利实现非化石能源消费比重达到 80%以上资料来源：2030年前碳达峰行动方案 和 关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见。表 2碳中和发展绩效评价指标体系领域层能源强度碳排放强度非化石能源发展森林碳汇全民参与程度指标层单位国内生产总值能耗（吨标准煤/万元）GDP碳排放（吨/万元）非化石能源发电装机容量占比（%）森林覆盖率（%）林业投资占比（%）人均生活用电量（千瓦时/人）每万人口绿色专利拥有量（个/万人）指标含义地区每生产一个单位的地区生产总值所消耗的能源数量单位 GDP的二氧化碳排放量非化石能源发电装机容量/该地区发电装机容量森林面积占土地总面积的比率林业本年完成投资/当年国内生产总值居民家庭平均每人每年消耗的电量该地区获得的绿色专利数量/常住人口数性质负向负向正向正向正向负向正向118中国碳中和发展绩效及其内在驱动力研究与度四个方面处于中等水平，在森林碳汇方面处于劣势地位。此外，西部区域拥有相对丰富的煤电、水电和油气资源，其产业结构升级主要依赖于将自然资源、地理区位等要素优势转化成社会生产力这一途径，导致西部区域技术创新转化为生产力的效率过低，使其在能源强度、碳强度和全民参与度三个方面均处于劣势地位。由表 4 可知，不同省份之间的碳中和发展绩效水平存在显著差异。从绩效值来看，江西省、广西壮族自治区、四川省和云南省四个省份绩效值最高。相比而言，宁夏回族自治区、山西省、内蒙古自治区和新疆维吾尔自治区效率值最低，这些省份多数是能源生产大省，具有明显的高碳特征，具体体现在能源强度、碳排放强度绩效值较低，且森林碳汇投入不足三个方面。此外，许多东部省份（如北京市、广东省、江苏省、浙江省等）在能源强度与碳排放强度方面优势明显，在非化石能源或森林碳汇方面往往具有相对劣势。表 3各个区域碳中和发展绩效年份200820092010201120122013201420152016201720182019东部区域0.71040.71050.71550.72120.71540.72840.73660.73950.73500.72880.72900.7294中部区域0.68930.69220.70300.70870.71090.72140.73220.73670.73330.73680.72810.7222西部区域0.66460.66570.68310.69050.69160.70270.71210.72350.72530.72330.72630.7206中国平均0.69030.69160.70210.70820.70690.71860.72790.73390.73160.72960.72780.7246表 4各个省份碳中和发展绩效东部区域北京市天津市河北省辽宁省上海市江苏省浙江省福建省山东省广东省广西壮族自治区海南省均值0.80980.69220.62310.63600.66610.70930.75180.73740.67030.76600.85620.78160.7250优秀合格改进改进合格中等良好中等合格良好优秀良好优秀中等改进合格优秀优秀优秀优秀中等优秀中等良好优秀中等改进改进优秀良好优秀优秀中等优秀良好中等合格优秀合格良好改进中等中等改进改进中等良好改进良好良好良好良好改进良好中等改进合格优秀优秀改进中等优秀中等中等优秀中等合格合格良好合格改进良好区域省份绩效值绩效档次 能源强度 碳排放强度 非化石能源发展 森林碳汇 全民参与程度119山东大学学报（哲学社会科学版）（二）技术进步与效率改进指数的变动分析基于曼奎斯特指数分解方法，本小节分别测算了技术进步指数与效率改进指数对碳中和发展绩效的促进作用。经过观察表 5和表 6可知，从 2008至 2019年，中国省份的平均技术进步指数（EC）和效率改进指数（CU）均大于 1，且年均增长率分别为 3.12%和 8.83%，表明这两类指数有效促进了中国碳中和的持续改善和技术水平的显著提升。此外，相较技术进步指数而言，效率改进指数是推动曼奎斯特生产率指数提升的重要驱动因素。中部区域西部区域山西省内蒙古自治区吉林省黑龙江省安徽省江西省河南省湖北省湖南省均值重庆市四川省贵州省云南省陕西省甘肃省青海省宁夏回族自治区新疆维吾尔自治区均值0.53030.53960.72870.69480.75610.85780.72870.80910.81600.71790.80360.85020.65630.84220.71320.69430.66180.50440.59600.7024改进改进中等中等良好优秀中等良好优秀良好优秀合格优秀中等合格合格改进改进改进改进合格合格良好良好中等良好良好良好中等合格合格中等合格改进改进改进改进改进合格合格中等良好中等良好良好优秀良好合格中等合格合格合格改进改进优秀中等良好合格改进优秀合格良好中等良好改进良好优秀优秀优秀合格中等合格中等合格中等优秀合格改进中等中等合格中等合格优秀优秀改进优秀良好改进合格良好改进中等改进合格优秀良好中等良好合格良好改进改进合格改进优秀优秀优秀续表 4区域省份绩效值绩效档次 能源强度 碳排放强度 非化石能源发展 森林碳汇 全民参与程度表 5碳中和发展绩效指数2008-20092009-20102010-20112011-20122012-20132013-20142014-20152015-20160.78850.82420.77480.79310.82950.80850.79960.81540.88340.99741.03141.16120.92301.34150.99490.90411.23431.19461.02080.95001.30740.85461.12701.28990.98970.99490.99560.98771.00551.00721.00560.99261.24841.20211.02620.96181.30450.84831.12081.2994年份曼奎斯特生产率耦合指数技术进步指数效率改进指数效率改进指数分解纯技术效率指数规模效率指数120中国碳中和发展绩效及其内在驱动力研究表 6各个省份碳中和发展绩效指数测算结果区域东部区域中部区域西部区域省份北京市天津市河北省辽宁省上海市江苏省浙江省福建省山东省广东省广西壮族自治区海南省均值山西省内蒙古自治区吉林省黑龙江省安徽省江西省河南省湖北省湖南省均值重庆市四川省贵州省云南省陕西省甘肃省青海省宁夏回族自治区新疆维吾尔自治区均值曼奎斯特生产率耦合指数0.65110.65300.64180.64490.70100.68320.64400.64040.64850.64750.64440.65120.65420.73030.64470.67790.68160.64730.64470.65540.66750.64110.66560.65470.66710.72130.67130.69390.74930.66820.96260.83890.7364技术进步指数1.00760.98630.99600.98591.09181.04750.99310.99990.96711.00420.97931.00091.00501.10580.93901.01071.05330.97220.99830.96590.99281.00191.00440.98401.00841.14720.99350.95291.02020.98521.61171.13411.0930效率改进指数1.01201.04010.99481.01481.08281.07191.00460.98661.04611.00431.02001.01911.02481.16021.06481.09391.06101.03681.00161.06981.07970.98671.06161.04791.06181.09111.09121.21541.32381.09031.38291.49261.1997效率改进指数分解纯技术效率指数1.01621.01000.99230.99511.00850.99791.00511.00200.99211.00940.99201.00051.00170.98870.99050.99920.99421.00141.00000.99570.99991.00070.99671.00651.00110.98491.00050.98560.99471.00040.99580.98900.9954规模效率指数0.99561.02981.00261.01981.08101.07630.99870.98461.05440.99531.02781.01761.02361.17301.07511.09651.06821.03671.00161.07531.08150.98611.06601.04131.06051.10551.09271.23501.33151.09031.38431.50911.20562016-20172017-20182018-2019均值0.75230.78530.76080.79381.01401.13710.95551.03120.97900.95111.06251.08830.99941.00201.00130.99830.97960.94871.06041