国际碳排放约束下碳生产率路径分解及预测模型研究

The change of carbon productivity can be used as the indicator to measure a country's efforts in controlling green house gas emissions in the past several years, and therefore it can also be used as the evidence to ascertain the future reduction share of that country. This project will research on the road map decomposition and forecasting models of carbon productivity. Composed by monomer and multibody algorithms, the decomposition models will decompose the change of a country's carbon productivity into the quantitative influence of each drive factor in each dimension (e.g. industrial sector, time, and industrial transfer in multibody algorithm). The decomposition results will offer evidences for a country in international reduction share negotiation. The forecasting models include early small sample nonlinearized Logistic model and multivariable cooperative influence analysis model. They will offer the natural development results of a country's carbon productivity and the results under several policy cooperative adjustments, which will help a country to learn its bottom line of reduction share in the international negotiation. The research results of this project will help to perfect the international carbon emission control system. Furthermore, as the demand of China will be considered in the project, the research results will also help China to end the passive situation it faced in the international carbon emission control and improve China's carbon productivity.

碳生产率的变化可以衡量一个国家在过去一段时间内对控制温室气体排放所做出的贡献，进而作为确定该国在未来应承担的减排份额的依据。本项目研究碳生产率路径分解模型和预测模型。路径分解模型包括单体模型和多体模型，可以把一个国家在过去一段时间内碳生产率的变化分解为各驱动因素在产业部门、时间及产业转移（限多体模型）等多个维度的定量影响的和，从而为国际减排份额谈判提供依据。预测模型包括早期小样本非线性化Logistic模型和多变量协同影响力分析模型，提供一个国家碳生产率在未来一段时间内的自然变化以及多个政策协同调整时的定量影响，为确定一个国家的减排份额底线提供依据。本项目的研究成果，将有助于完善新的国际碳排放控制体系。此外，由于研究内容考虑了我国的需要，研究成果将有助于我国摆脱国际碳排放控制中的被动局面，为提高我国的碳生产率提供借鉴。

本项目对碳生产率等指标的分解及预测模型进行研究，对于我国能源政策调整，以及在国际碳排放控制协议中承担合理责任，具有重要的基础意义。项目组按照项目申请书和任务书的内容开展工作，完成了全部四个方面的研究任务。第一，建立了单体路径分解系列模型，主要包括三维比例性指标完全分解模型组和GDP产出与碳生产率关系的Laspeyres分解模型。前者以碳生产率、碳密度和人均碳排放量等比例性指标的导数形式为起点，通过设计不同的积分算法和中值算法，最终得到该指标的相对分解模型和绝对分解模型。后者以GDP作为被分解变量，以碳排放量、碳生产率和碳排放结构作为影响因素，通过Laspeyres分解算法实现完全分解。第二，建立了多体路径分解系列模型，包括全球、单个国家和单个省份三个层次的比例性指标分解模型。该系列模型重点将一个经济体碳生产率等比例性指标的变化，完全定量的分解为各个子区域的 影响。第三，建立了早期小样本非线性化Logistic系列模型。对于长期碳排放趋势预测，项目组提出了Logistic曲线方程及5种参数估计方法。对于年度碳排放量预测，项目组提出了包括一个非齐次指数增长项和一个线性项的小样本自适应混合预测模型。对于月度碳排放量预测，项目组提出了基于多窗口移动平均算法的趋势拆分预测模型。第四，建立了多变量协同影响力分析系列模型，包括多变量小样本因果关系分析模型以及基于平滑连接的Kuznets曲线拟合模型。前者以偏最小二乘（Partial Least Squares, PLS）算法为基础，对能源消费与其影响因素的因果关系及贡献度进行测算；后者以三个方程的平滑连接，对Kuznets曲线进行了精细拟合。上述模型均曾用于对我国的实证分析，得到了大量的能源政策建议。共出版SCI/SSCI收录的论文13篇，另有一篇已被《中国管理科学》录用；在科学出版社出版《中国能源消费低碳化发展模型与政策》专著1部；获得“2014年中国管理科学学术年会优秀论文奖”1项；已培养毕业2名博士生。