低碳经济发展的必要性及路径选择

低碳经济发展的必要性及路径选择

一、国内外学者对低碳经济发展水平测评的研究现状随着2009年反恐气候大会的召开，低碳经济的发展逐渐成为世界的共识。我国国民经济和社会发展“十二五”规划纲要首次将低碳经济的发展目标、措施等纳入其中,凸显出这一议题的重要性。鉴于我国幅员辽阔,地区差异性明显的事实,研究不同省市区低碳经济发展水平的量化和比较,从省域角度寻找低碳经济发展的突破口,对于打破我国当前低碳经济发展的瓶颈,促进其长足发展具有重要的意义。目前,针对低碳经济发展水平的测评,国内外学者进行了大量研究并取得了显著成果。从国外研究来看,学者往往选取碳减排绩效与路径选择、能源替代与能效提高、低碳科技应用等特定角度,运用各类数量模型进行相关评估分析。国内学者多关注构建指标体系进行一个或多个区域低碳经济发展水平的测评,选用的方法首先有层次分析法,如郑林昌等选择诸多指标并运用层次分析法对其进行凝练,构建了一套涵盖目标层、准则层和指标层的低碳经济评价指标体系,据此对2007年我国各省低碳经济发展水平进行综合评价;唐笑飞等运用层次分析和聚类方法,构建低碳经济发展水平指数,评估大陆30个省市区低碳经济发展水平,对其进行类型划分,并分析了影响这一结果的相对优势指标和相对劣势指标。其次是因子分析法,如白雪勤等运用因子分析方法对2010年河北省11个城市的低碳经济发展水平进行了评价。此外还有模糊可变评价方法、德尔斐法等。总体来说,国外学者偏重对低碳经济发展某一特定方面的研究,综合评价相对较少;国内文献中综合水平的测度较多见,但主要是针对截面数据的研究,鲜有动态分析,且所选方法既带有一些主观性又较复杂。可见,要得到区域低碳经济发展水平测度的理想结果,关键是实现有信服力的指标体系与有效方法的结合。二、研究方法和计算过程(一)ts的动态综合评价函数当通过理论分析不能确定各指标权重时,可以转换思路,基于数据自身特性来解决这一问题。“纵横向”拉开档次法,就是一种针对面板数据集求解多指标对应权重的有效方法,其基本思想是最大限度地从横向和纵向两个方面体现评价对象的差异性。假设在时间过程T1,T2…Tk中,有p个评价对象,记作O1,O2…Op,另有q个评价指标,记作M1,M2…Mq。对原始数据进行标准化处理,于是得到一个面板数据集,记作()。某一时刻TS的动态综合评价函数为:可以用整个时间过程的总离差平方和来表示q个对象之间的整体差异性,取最大值时评价对象间的差异性最大:数据集里的数据已经进行过标准化处理,因此有:令W为代表指标权重的q维向量,,其中Ms指s时刻由p个对象和q个指标组成的p×q阶矩阵。于是TSS可以表示如下:限定,则当W取矩阵H最大特征值对应的特征向量时,TSS取得其最大值,满足最大限度体现评价对象差异性的要求。TSS是数据集的总离差平方和,从横向和纵向两方面刻画了评价对象的差异,“纵横向”拉开档次法的名称由此而来。用这种方法进行上述体系各指标权重的确定,逻辑简洁明晰,不掺杂主观色彩,比较合理。(二)指标体系和数据来源根据低碳经济的内涵与“十二五”规划关于推进绿色低碳发展的指导思想,并借鉴国内外相关研究成果,构建评价低碳经济发展水平的指标体系,见表1。选取具有代表性的13个省市区为研究对象,数据来源于20022011年中国统计年鉴、中国环境统计年鉴、中国能源统计年鉴以及各省统计年鉴。对从上述统计资料中得到的数据集进行指标正向化和数据无量纲化处理。(三)称矩阵h基于前述“纵横向”拉开档次法,对经处理过的数据用VB6.0软件编程计算,得到正对称矩阵H;然后利用MATLAB7.0软件算出该矩阵的最大特征值为653.9225,其对应的14维特征向量经归一化处理后结果如下(向量中各元素分别代表上述各指标权重):按照公式(1)求得20012010年13省市区低碳经济发展水平的得分,见表2。三、结果分析(一)各地区的划分和各指标发育情况原始数据经过了标准化处理,得到的低碳经济发展水平得分含有非正数,不符合余期望系数的计算要求,因此将数据平移和扩大,然后对结果进行聚类分析。观察聚类结果,13省市区可分成四组,其中:第一组是“最强组”,其个体北京除2001年外的九年中低碳经济发展水平得分都是最高的,且与其他省区的差距有扩大的趋势,到2010年已达到第二名上海的3.5倍。第二组是“次强组”,其个体上海、广东、海南几乎一直处于二到四名的靠前位置,低碳经济发展总得分较高,但部分指标发育不理想,与第一组之间存在一定的差距。第三组是“中间组”,其个体黑龙江、辽宁、山东、湖北、江西和四川得分排名居中下段,即低碳经济发展水平属中游及中下游。从指标发育情况来说,6个省区参差不齐,相当多的指标值过低,亟需改善。第四组是“最弱组”,其个体山西、甘肃和宁夏的排名一直处于最末端,而且几乎各项指标值都很靠后,鲜有发育良好的指标。这三省区低碳经济未来的努力方向不单单是某一个或某一小部分指标的改善,任务还是相当艰巨的。(二)sw与sb的聚类分析本文的数据样本涉及若干省市区和若干指标,年份跨度也较大,选用余期望系数进行实证分析较为合理。此法的显著优点在于自身的可分解性,可从组间和组内两个层次比较数据的差异性,保证了分析的客观与完整。余期望系数的计算公式如下:上式中Pi表示第i个组低碳经济水平得分在所有组得分中的比重。总体差异ST可表示为组间差异SB和组内差异SW之和,而SW又是组内各对象间差异的加权和,于是有:基于上述聚类情况,利用公式(5)和(6)得到余期望系数情况,见图1。首先,从总体看,各省市区低碳经济发展水平的差距前五年持续下降,后五年在波动中有小幅回升。ST在前五年的下降幅度“先快后慢又加快”,到2005年已比2001年下降了13.1个百分点;然而后五年经历了一番波动后ST上升至0.09162,比2001年下降了11.6个百分点。以上分析说明,10年间,各省市区低碳经济发展水平的差距整体上是缩小了,但回升势头不容忽视。其次,反映组间差距的SB变动特征与ST基本一致;反映组内差距的SW波动幅度先大后小,到2010年已基本回落到2001年的水平。具体到各组,除S1一直为0外,其余三组的组内差距波动幅度从大到小依次为第二组、第四组和第三组。再次,Sw与SB差距悬殊(最高时后者是前者的400多倍),说明各省市区低碳经济发展水平总体差异基本是由组间差异造成的,组间差异极大,组内差异极小。未来各省市区低碳经济发展应重点进行组与组之间的相互学习、借鉴。四、低碳发展水平应进一步提升本文以所构建的低碳经济发展水平评价指标体系为基础,运用“纵横向”拉开档次法对13省市区20012010年的低碳经济发展水平进行了综合量化,然后运用聚类分析和余期望系数法对结果进行分析,得到如下结论:1.对13省市区低碳经济发展水平的聚类分析得到最强组、次强组、中间组和最弱组四组。从总体来看,20012010年13省市区低碳经济发展水平的差距时有波动,整体来说是缩小了,这是值得肯定的,然而要警惕缓慢回升的趋势。2.各省市区低碳经济发展水平总体差异基本是由组间差异造成的,应将重点放在组与组之间的相互交流、学习与借鉴。各地应拓宽交流渠道,经常性地互派领导、专家考察团,进