全国碳交易系统下省际间碳强度减排目标分配
——来自公平与效率证据

常 凯

1（南京大学，南京 210093）2（浙江财经大学，杭州 310018）

全国碳交易系统下省际间碳强度减排目标分配
——来自公平与效率证据

常 凯1，2

1（南京大学，南京 210093）2（浙江财经大学，杭州 310018）

确定公平且经济有效的减排目标直接影响到不同区域的初始资源禀赋，同时影响到不同利益主体的减排资源再分配结果和社会公正问题。本文综合考虑到经济水平、累积碳排放量、工业碳强度和能耗强度4个重要指标，提出基于信息熵值法的跨省减排目标方案分配。2014～2020期间，拥有较重的累积碳排放量、较强的工业碳强度、较高的能耗强度和更好的经济水平的省份需要承担较重的减排负担。随着全国减排目标下降幅度增长，拥有较高的工业碳强度和能耗强度的省份面临着较弱的上调减排负担压力，而拥有较低的工业碳强度和能耗强度的省份面临着较强的上调减排负担压力。

碳交易 信息熵法 区域差异 权重 减排目标

2014年国务院印发关于 《2014～2015年节能减排低碳发展行动方案》和国家发改委发布 《碳排放权交易管理暂行办法》提出，碳排放配额分配在初期以免费分配为主，适时引入有偿分配，并逐步提高有偿分配的比例，逐步推进碳排放权交易试点，筹建全国碳排放权交易市场。北京、上海、天津、重庆、湖北、广东和深圳等7省市作为碳排放权交易试点进行先行先试，全国统一碳排放权交易市场计划于2016年试运行，配额由国家统一分配。由于各省、自治区和直辖市的资源禀赋、经济增长方式、能源消费模式、历史碳排放量和碳强度等因素存在很大的差异性，如何设计一套公平、高效、经济和市场可接受的二氧化碳减排分配方案是构建全国性碳排放交易市场的关键环节。

构建跨省碳配额交易市场所面临最有挑战性和争议的问题在于确定公平且经济有效的碳配额分配和初始碳减排配额，不同初始碳配额和减排目标直接影响到不同区域的经济产出和碳排放绩效［1］。国内外学者研究不同的碳配额分配标准及其方法，如祖父制法是基于历史的碳排放量进行免费配额分配，过量的碳配额容易造成价格波动和市场扭曲［2，3］。随着经济增长和社会产出逐步增加，越富裕的国家或地区应该承担较重的减排负担，以人均GDP指标确定初始碳减排配额［4－6］。在工业化进程中，随着累积碳排放量增加，释放大量碳排放量的国家需要承担较大的减排责任，以累积的碳排放量为指标确定初始碳配额［7－9］。Wei和Rose（2009）分别以能源消耗量、能源生产量、人口和经济产出等指标设计初始能源配额，设计区域性能源配额交易系统［10］。Yi等（2011），Yu等（2012）以GDP、碳排放量和碳强度指标为基准，设定3个指标固定的权重，确定不同区域的初始碳配额［11，12］。Zhou等（2014）选择 CO2、能源强度、GDP、人口和人均GDP作为碳额分配指标，实证结果显示以人口和GDP为基础碳额分配可以有效地降低总减排成本和成本节约效果［13］。

李陶等（2010）提出基于人口和GDP为基础非线性规划法的减排配额分配方法，获得中国各省市的减排配额分配方案［14］。王清华等运用碳强度分配方法制定了深圳市火电行业碳配额分配方案［15］。段茂盛和庞韬（2014）建议中央政府采用各省碳排放总量作为碳额分配基础，确定碳配额统一分配方法和差异化区域调整系数后由各省级政府实施碳配额分配［16］。令狐大智和叶飞（2015）提出按照历史碳排放量对企业进行碳额分配，激励企业改进低碳技术［17］。李钢和廖建辉（2015）建议根据物质资本蓄积量和碳排放系数测算碳资本存量，提出量化碳资本存量为基础设计全球新的碳排放权分配方案［18］。总之，不同碳配额分配方法和标准对跨省碳配额交易产生重要的经济影响，人均GDP、累积碳排放量、碳排放强度及能源消耗均是影响省级碳配额分配的重要指标。

王迪等（2012）运用泰尔熵Kaya因子分解技术，测度并分解1990～2009年我国人均CO2排放区域不平等程度［19］。郑立群（2013）在减排责任分摊的公平性准则基础上，确定了各省区碳减排责任分摊的公平性区间，构造了分配满意度和公平偏离指数［20］。王秋贤等（2014）综合考虑碳排放的生态、公平和效率前提下，基于2010年碳排放水平尝试性地构建了碳排放区域差异的3E模型体系［21］。吴贤荣等（2015）利用人均农业碳排放、人均农业生产总值、农业碳排放强度与农业碳排放影子价格4个指标，构建农业碳减排潜力指数，基于公平与效率双重视角，对各省区农业碳减排潜力水平进行评估［22］。王荧（2015）构建了多目标导向的DEA模型解决这个问题，该模型在6个硬性目标约束下，分4个步骤分别解决4个求解尽可能接近公平分配下应得的非期望产出分配额［23］。各省、自治区和直辖市在产业结构、能源消费模式、历史碳排放、碳强度等方面存在显著的差异性，以单指标为基础碳额分配难以体现减排资源配置的公平性。

不同碳配额分配模式实际上赋予了各利益主体参与碳配额交易系统的初始减排资源禀赋，直接影响到不同利益主体的减排资源再分配结果和社会公正问题，同时也影响各省、自治区和直辖市等利益主体的经济效益和社会福利。国内外关于碳配额分配研究存在以下不足之处：由于不同区域具有不同的资源禀赋、经济水平、能源效率及能源消费模式，现有文献分别解决人均GDP、碳强度和碳排放量为标准的区域性碳配额分配，碳配额分配尚未统筹考虑经济水平、能源消费模式、碳强度和碳排放量等因素，缺乏客观性和系统性的区域性碳配额分配途径。本文提出跨省减排目标设计方案综合考虑将各省、自治区和直辖市人口、经济发展水平、能源消费模式、累积的历史碳排放量及其工业碳强度等因素，运用信息熵方法构建跨省减排目标模型，确定各省、自治区和直辖市的减排目标分配，为中国政府决策部门设计跨省减排目标设计方案提供了理论支撑。

1 数据处理与研究方法

公平合理地分配碳排放配额不仅直接影响到碳排放市场供需均衡状况和市场效率，还间接影响到区域性碳配额市场流动及其社会福利。2014年12月，国家发改委发布的 《碳排放权交易管理暂行办法》提出：国务院碳交易主管部门根据国家控制温室气体排放目标的要求，综合考虑国家和各省、自治区和直辖市温室气体排放、经济增长、产业结构、能源结构，以及重点排放单位纳入情况等因素，确定国家以及各省、自治区和直辖市的排放配额总量。

1.1 数据处理

根据联合国气候框架协议，配额分配是共同但有区别的责任，应考虑到各地区排放历史责任、减排能力、减排义务和减排潜力等因素，本文选择人均GDP、累积碳排量、碳强度和能耗强度分别代表减排能力、历史责任、减排义务和能源效率4个指标［11－13］。

1.1.1 减排能力

人均GDP是一个有效地衡量各区域减排能力的量化指标。越富裕的区域拥有更大经济能力实施减排活动，需要承担更重的减排负担，人均GDP代表一个地区的经济发展水平和人民生活富裕程度，因此本文选择人均GDP代表碳减排能力。各省、自治区和直辖市人口和GDP数据均来自 《2014年中国统计年鉴》，中国政府提出到2020年碳强度比2005年要下降40%～45%，此处GDP采用2005年不变价格指数进行折算。

1.1.2 历史减排责任

释放碳排放量越多的地区需要承担更大的减排责任，本文选择各省、自治区和直辖市的累积的历史碳排放量代表碳减排责任。此处各省、自治区和直辖市的累积碳排放量是根据2006年IPCC碳排放计算指南，分别参考各省、自治区和直辖市的终端能源统计数据估算出相应的碳排放量。本文估算出各省、自治区和直辖市的2005～2012年历史的碳排放量，2013年碳排放量是先根据近三年碳排放强度平均下降和2012年碳强度估算出2013年碳强度，然后乘上各省、自治区和直辖市2013年GDP计算所得，此处各省累积的碳排放量是各省的2005～2013年碳排放量累积总和。

1.1.3 减排义务

中国仍处于工业化进程时期，工业二氧化碳排放占据主导地位，因此工业部门仍具有很大的减排义务。拥有越强碳强度的地区需要承担较大的减排义务，承担较重的减排负担。本文选择工业碳强度代表工业部门的减排潜力，选择2013年各省、自治区和直辖市的单位工业增加值碳排放量，即工业碳强度。各省工业碳强度是根据各省的工业部门碳排放量除以工业附加值（以2005年不变价格折算），工业部门碳排放量计算方法跟上面各省碳排放总量计算方法相同。2013年工业碳强度是以近三年工业碳强度平均下降情况和2012年工业碳强度估算所得。

1.1.4 减排潜力

能源终端消费产生的碳排放占据重要地位，其中包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、其他石油制品和天然气等。由于煤炭、石油和天然气是各省、自治区和直辖市广泛使用化石能源终端消费，工业部门需要消费大量的一次能源。减排潜力来自于优化产业结构和能源结构，提高能源使用效率，增加可再生能源使用比例，因此本文选择工业能耗强度代表减排潜力指标。此处减排潜力是以能源消耗强度替代，是根据2013年各省、自治区和直辖市标准煤消费量和GDP估算出2013年能耗强度（以2005年不变价格折算）。

影响碳配额分配主要因素包括经济水平、累积碳排放量、碳强度和能源效率等因素，由于许多指标之间存在着非常显著的关联性，各指标之间的相互作用导致最终碳配额分配结果的不确定性。

1.2 信息熵值法

权重是反映各个指标在指标体系中的重要程度变量，合理的权重分配要从整体优化目标出发，能够客观地反映各个指标重要程度的不同。根据信息熵理论，熵值法是一种在综合考虑各因素所提供信息量的基础上评价客观权重的数学方法，主要根据各个指标所传递给决策者的信息量大小来确定客观的权重［25］。信息熵是信息不确定性的度量，熵值越小，所蕴涵的信息量越大，若某个信息属性下的熵值越小，则说明该信息属性在配额分配决策时所起的作用越大，应赋予该信息属性较大的权重，否则相反［26］。根据信息熵方法，我们提出一个四因素决策矩阵。

此处i（i＝1，2，…，11）代表浙江省各地市，j（j＝1，2，…，4）代表4个决策指标。将每个指标xij进行标准化处理。

四因素决策矩阵X转换：

然后，计算第j项指标的信息熵H（xj），将信息熵的取值范围修订在0～1之间，如果各个区域之间完全没有差异，即，如果只有一个区域的值，其他区域全部为0，pij＝1，H（xj）＝0。

指标j最终权重为［26，27］：

。因此各省、自治区和直辖市碳配额综合分配比例为：

1.3 碳强度减排目标分配

假设中国政府计划在2014～2020年进行跨省碳配额市场试点，碳强度CI定义为：

此处Ct为碳排放总量，GDPt为国内生产总值（相对于2005年价格水平）。相比于2005年碳强度水平，2020年全国碳强度总减排目标为40%～45% ，因此2020年碳强度为：

此处 CI2005为 2005年碳强度水平，CI2020为2020年碳强度水平。若减排目标为40%，此处α＝0.60，当减排目标为45%时，α＝0.55。因此各省、自治区和直辖市2020年碳强度为：

此处αi为中央政府给省份i分配减排目标，CIi2005、CIi2020分别为2005年和2020年省份i的碳强度水平。

此处αi随着该省的碳配额综合分配比例Ri上升，减排负担越重，该省碳强度可以保持在较低的水平，反之，αi随着Ri下降，其减排负担越轻。到2020年全国碳排放总量可以由方程（11）和（12）表达。

2 碳强度减排目标设计

2.1 各省份CO2排放数据估算

与二氧化硫、粉尘、水污染等其它环境污染不同，中国及各省市统计机构并没有直接公布CO2排放数据，CO2排放主要来源于化石能源燃烧排放二氧化碳。化石能源消费的碳排放量包括能源终端消费碳排放与二次能源消费碳排放两部分，其中电力、焦炭、热能等二次能源消费的碳排放均来自于其生产过程中化石能源的能量转换与能量损失。因此能源消费碳排放总量即为各类化石能源的终端消费、能源转换及能源损失所产生的相应碳排放量。由于煤炭、石油和天然气一次化石能源，本文将考虑这3种化石能源所对应的碳排放量。

2005～2013年碳排放量估算主要参考IPCC（2006）和国家发改委能源研究所（2003）的方法，通过相关公式专门估算各省、自治区和直辖市的CO2排放量。本文所有一次终端消费煤炭、石油和天然气能源消费实物量数据、转换数据均来自2006～2013年 《中国能源统计年鉴》中的“地区能源平衡表”，能源实物量数据的标准量折算采用 《中国能源统计年鉴》所附录的 “各种能源折算标准煤参考系数”。煤炭、石油和天然气3种一次能源的二氧化碳排放系数分别为2.7412、2.1358和1.6262万吨/万吨标准煤。

2.2 各指标权重比例

根据方程（1）～（5）得知，人均GDP、累积碳排放量、工业碳强度和能耗强度4个指标客观权重分别为 0.1665、0.2520、0.2778和0.3036。从熵值法确定的实际权重数值看，能耗强度是跨省碳配额分配影响最大的指标，其次是工业碳强度和累积碳排放量，人均GDP对区域配额分配影响最小。由于中国各区域仍处于工业化进程时期，各省、自治区和直辖市的产业结构和资源禀赋的差异性较大，对煤炭、石油和天然气化石能源拥有较强的依赖性。迅速增长的化石能源消费推进各区域累积碳排放量和工业碳强度迅速上升，因此累积碳排放量、能耗强度和工业碳强度在各区域碳配额分配拥有较强的权重。人均GDP越高的地区意味着拥有较强的经济能力实施环保实践活动，诸如购买脱硫脱碳设备和引进IGCC和CCS等减排技术，因此人均GDP在各区域碳配额分配同样占有较重要的比重。

2.3 碳强度减排目标方案设计

表1 各省、自治区和直辖市碳减排目标分配方案（相对于2005碳强度水平）

基于4个指标的客观综合权重，本文估算到2020年各省、自治区和直辖市的减排分配综合权重比例如表1所示。相对于2005年工业碳强度水平，到2020年河北、山西、山东、贵州、青海、宁夏和新疆减排分配的综合权重比例超过4%。河北、山西和山东拥有最重的累积碳排放量和较强的工业碳强度，而贵州、青海、宁夏和新疆拥有最强的工业碳强度和最高的能耗强度，这些地区应该分配较高的权重比例。内蒙古、辽宁、江苏、河南、湖北、广东、四川、云南和甘肃减排目标分配的权重比例介于3%～4%之间，其中内蒙古、辽宁、江苏、河南、湖北和广东拥有较重的累积碳排放量和较强的工业碳强度，而云南和甘肃拥有较强的工业碳强度和较高的能耗强度。北京、天津、吉林、黑龙江、上海、浙江、安徽、福建、江西、湖南、广西、海南、重庆和陕西减排目标的权重比例低于3%，这些地区拥有较轻的累积碳排放量、较弱的碳强度和较低的能耗强度。

如表1所示，中国政府计划到2020年全国碳强度比2005年碳强度水平下降40%，河北、山西、山东、贵州、青海、宁夏和新疆到2020年需要承担超过45%的减排目标负担，内蒙古、辽宁、江苏、河南、湖北、广东、四川、云南和甘肃到2020年需要承担减排目标介于40%～45%之间，这些地区分配减排目标均高于全国碳强度平均40%减排目标，拥有较重的累积碳排放量、较强的工业碳强度和较高的能耗强度。其他地区需要承担减排目标均低于全国40%减排目标水平，这些地区拥有较低的累积碳排放量、较弱的工业碳强度和较低的能耗强度，其中宁夏承担最高的减排负担，江西承担最低的减排负担。如表1所示，若中国政府计划到2020年全国碳强度下降45% ，河北、山西、内蒙古、辽宁、江苏、山东、河南、湖北、广东、四川、贵州、云南、甘肃、青海、宁夏和新疆需要承担超过45%的减排负担，而其他地区承担低于全国45%的减排负担。

如表1所示，相对于2005年全国碳强度水平，到2020年中国减排目标上调5%的增幅，北京、天津、吉林、黑龙江、上海、浙江、安徽、福建、江西、湖南、广西、重庆和陕西到2020年减排目标调整幅度均高于全国平均5%增幅水平，这些地区均具有较好的经济条件、较轻的累积碳排放量、较弱的工业碳强度和较低的能耗强度，其中减排目标增幅最大是北京，北京是全国最低的工业碳强度和能耗强度，减排义务和减排潜力均面临巨大的减排空间压力。其他地区减排调整幅度均低于全国平均的5%调整幅度，拥有较高的工业碳强度和能耗强度，其中减排目标增幅最小是宁夏，宁夏是全国最高的工业碳强度和能耗强度，减排义务和潜力相对于其他地区拥有较大的减排空间。由此可见，随着全国减排目标下降幅度增长，拥有较高的工业碳强度和能耗强度的省份具备较高的减排潜力，上调减排目标负担压力会逐步减弱，而拥有较低的工业碳强度和能耗强度的省份具备较低的减排潜力，上调减排目标负担压力会逐步增强。

3 结论及其政策建议

中国计划到2020年碳强度比2005年碳强度消减40%～45%的减排目标，根据国家发改委发布 《碳交易权交易管理暂行办法》，本文综合考虑到经济水平、累积碳排放量、工业碳强度和能耗强度4个指标，提出基于信息熵值法下跨省减排目标分配方案设计。

实证结果显示，经济发展水平、累积碳排放量、工业碳强度、工业能耗强度对各省自治区和直辖市的减排目标分配方案设计有显著的差异性影响，能耗强度对区域减排目标分配的差异性影响最大，工业碳强度和累积碳排放量对区域差异性影响力次之，经济水平对区域差异性影响力是最小。从表1的研究成果看，拥有较好的经济条件、较重的累积碳排放量、较强的碳强度和较高的能源消耗强度的河北、山西、山东、内蒙古、辽宁、江苏、河南、湖北、广东、四川、贵州、云南、甘肃、青海、宁夏和新疆承担减排目标分配权重比例均超过3%，均高于全国平均的减排负担水平，而拥有较轻的累积碳排放量、较弱的工业碳强度和较低的能耗强度的其他省份承担低于3%减排目标权重比例。若中国政府实现碳强度消减40%～45%的减排目标，河北、山西、山东、内蒙古、辽宁、江苏、河南、湖北、广东、四川、贵州、云南、甘肃、青海、宁夏和新疆省份拥有较重的累积碳排放量、较强的工业碳强度和较高的能耗强度，需要承担减排目标均高于全国碳强度平均40%减排目标。其他省份需要承担减排目标均低于全国40%减排目标水平，这些地区拥有较低的累积碳排放量、较弱的工业碳强度和较低的能耗强度，其中宁夏承担最高的减排负担，江西承担最低的减排负担。

若到2020年中国政府减排目标从40%上调到45%时，拥有最高的工业碳强度和能耗强度的北京、天津、吉林、黑龙江、上海、浙江、安徽、福建、江西、湖南、广西、重庆和陕西到2020年减排目标调整幅度均高于全国平均5%增幅水平，减排潜力均面临巨小的减排空间。拥有最低的工业碳强度和能耗强度的河北、山西、山东、内蒙古、辽宁、江苏、河南、湖北、广东、四川、贵州、云南、甘肃、青海、宁夏和新疆到2020年减排目标上调幅度均高于全国平均5%增幅水平，减排潜力面临着较大的减排空间。

基于上述研究成果，在设计碳额分配及其减排目标时，我们提出以下政策建议：（1）设计碳额分配及其减排目标需要综合考虑到经济水平、累积的历史碳排放量、工业碳强度及其能耗强度等因素在各省、自治区和直辖市减排目标分配占有的客观权重比例，然后估算出各省、自治区和直辖市减排目标分配方案，拥有越重的累积碳排放量、越强的工业碳强度和越高的能耗强度的省份需要承担越重的减排负担。（2）中央政府需要设计一个合理的总减排目标，拥有越重的累积碳排放量、越强的工业碳强度及其能耗强度和越好的经济水平需要承担更重的减排负担，承受较高的减排空间压力。

［1］Grimm.V，Ilieva.L..An Experiment on Emissions Trading：The Effect of Different Allocation Mechanisms［J］.Journal of Regulatory Economics，2013，（44）：308～338

［2］Bohringer.C，Lange.A..On the Design of Optimal Grandfathering Schemes for Emission Allowances［J］.European Economic Review，2005，（49）：2041～2055

［3］Lai.Y.B..Auctions or Grandfathering：The Political Economy of Tradable Emission Permits［J］.Public Choice，2008，（136）：181～200

［4］Beckerman.W，Pasek.J..The Equitable International Allocation of Tradable Carbon Emission Permits［J］.GlobalEnvironmental Changes，1995，5（5）：405～413

［5］Rose.M.A..Allocating Carbon Dioxide Emissions From Cogeneration Systems：Descriptions of Selected Output－based Methods［J］. Journal of Cleaner Production，2008，（16）：171～177

［6］Lennox.J.A，Nieuwkoop.R.V..Output－based Allocations and Revenue Recycling：Implication for the New Zealand Emissions Trading Scheme［J］.Energy Policy，2010，（38）：7861～7872

［7］Ellerman.A.D，Wing.I.S..Absolute Versus Intensity－based E－mission Caps［J］.Climate Policy，2003，（3）：7～20

［8］Pan.X.Z，Teng.F，Wang.G.H..Sharing Emission Space at an Equitable Basis：Allocation Scheme Based on the Equal Cumulative Emission per Capita Principle［J］.Applied Energy，2014，（113）：1810～1818

［9］Raupach.M.R，Davis.S.J，Peters.G.P.et al.Sharing a Quota on Cumulative Carbon Emissions［J］.Nature Climate Change，2014，5（10）：873～879

［10］Wei.D，Rose.A..Interregional Sharing of Energy Conservation Targets in China：Efficiency and Equity［J］.Energy，2009，30（4）：81～111

［11］Yi.W.J，Zou.L.L，Guo.J，et al.How Can China Reach its CO2Intensity Reduction Targets by 2020？A Regional Allocation Based on Equity and Development［J］.Energy Policy，2011，（39）：2407～2415

［12］Yu.S.W，Wei.Y.M，Fan.J.L，et al.Exploring the Regional Characteristics of Inter－provincial CO2Emissions in China：An Improved Fuzzy Clustering Analysis Based on Particle Swarm Optimization［J］.Applied Energy，2012，（92）：552～562

［13］Zhou.P，Zhang.L，Zhou.D.Q.et al.Modelling Economic Performance of Interpro－vincial CO2Emission Reduction Quota Trading in China［J］.Applied Energy，2013，（112）：1518～1528

［14］李陶，陈林菊，范英 .基于非线性规划的我国省区碳强度减排配额研究 ［J］.管理评论，2010，22（6）：54～60

［15］王清华，许敬涵，马晓明 .深圳火电行业碳排放现状、减排成本与配额分配 ［J］.开发导报，2013，3（168）：88～93

［16］段茂盛，庞韬 .全国统一碳排放权交易体系中的配额分配方式研究 ［J］.武汉大学学报（哲学社会科学版），2014，67（5）：5～12

［17］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，（6）：65～72

［18］李钢，廖建辉 .基于碳资本存量的碳排放权分配方案 ［J］.中国社会科学，2015，（7）：66～81

［19］王迪，聂锐，王胜洲 .中国二氧化碳排放区域不平等的测度与分解——基于人际公平的视角 ［J］.科学学研究，2012，（12）：1662～1670

［20］郑立群 .中国各省区碳减排责任分摊——基于公平与效率权衡模型的研究 ［J］.干旱区资源与环境，2013，（5）：1～6

［21］王秋贤，高志强，宁吉才 .基于公平的中国省域碳排放差异模型构建探讨——以中国2010年碳排放为例 ［J］.资源科学，2014，36（5）：998～1004

［22］吴贤荣，张俊飚，田云，等 .基于公平与效率双重视角的中国农业碳减排潜力分析［J］.自然资源学报，2015，30（7）：1172～1182

［23］王荧.兼顾效率与公平的碳排放额分配的DEA建模与运用［J］.资源科学，2015，37（7）：1434～1443

［24］邵燕斐，王小斌 .中国省域碳强度的空间相关性及其驱动因素研究 ［J］.工业技术经济，2014：118～128

［25］Yuan.Y.N，Shi.M.J，Li.N，et al.Intensity Allocation Criteria of Carbon Emissions Permits and Regional Economic Development in China：Based on 30 Provinces/Autonomous Region Computable General Equilibrium Model［J］.Advanced Climate Change 2012，3（3）：154～62

［26］Shamon.C..A Mathematical Theory of Communication［J］.Bell System Technical Journal，1948，（27）：379～423

［27］王媛，程曦，殷培红 .影响中国碳排放绩效的区域特征研究——基于熵值法的聚类分析［J］.自然资源学报，2013，28（7）：1106～1116

［28］Sun.T，Zhang.H.W，Wang.Y..The Application of Information Entropy in Basin Level Water Waste Permits Allocation in China［J］. Resources，Conservation and Recycling，2013，（70）：50～54

Interprovincial Reduction Targets Allocation of Emission Intensity in Nationwide Carbon Emission Trading System——Evidence from Equity and Efficiency

Chang Kai1，2
（1.Nanjing University，Nanjing 210093，China；2.Zhejiang University of Finance&Economics，Hangzhou 310038，China）

Determining equal，economic and effective carbon emission－reduction targets directly affect the initial resource endowments of different regions，meanwhile affect emission－reduction redistribution and social justice among different stakeholders.This paper comprehensively considers four important factors such as economic level，cumulative carbon emissions，industrial carbon intensity and energy－consuming intensity，and then proposes interprovincial carbon emission－reduction targets allocation based on entropy value method. Those provinces with heavier cumulative CO2emissions，stronger carbon intensity，greater energy consumers and better economic level may undertake greater share of carbon intensity reduction targets by 2020.Those provinces with greater industrial carbon intensity and energyconsuming intensity may face weaker emission－reduction pressures with an increase of incline adjustment of emission intensity targets，while other provinces with lower industrial carbon intensity and energy－consuming intensity may face stronger emission－reduction pressures.

carbon emission trading；information entropy method；regional divergences；weight；emission－reduction target

10.3969/j.issn.1004－910X.2016.12.012

F124.5；F206

A

（责任编辑：史 琳）

2016—06—27

浙江省哲学社会科学规划课题 “浙江省碳额分配、能源效率与碳排放市场有效性的研究”（项目编号：15NDJC123YB）；教育部人文社会科学研究青年基金 “基于寻租行为和利益冲突博弈下碳额分配作用机理研究” （项目编号 ：14YJC790007）；浙江省统计科学规划项目 “全国碳交易机制下浙江省宏观经济冲击与减排效率的影响”；浙江财经大学地方财政金融协同创新中心 “浙江省碳金融市场机制设计及其市场有效性的研究”。

常凯，南京大学经济学院博士后，浙江财经大学金融学院副教授，浙江财经大学中国政府管制研究院兼职研究员。研究方向：环境经济学。