论文部分内容阅读
随着全球人口规模和经济的不断增长，化石燃料消耗所产生的大量温室气体排放，使得全球变暖成为全人类一个亟待解决的问题。碳减排成为全世界共同的任务，中国也应尽快制定相应政策与解决方案来与世界各国一起共同应对此次挑战。本文的主要研究目的就是利用不同的方法对我国30个省市的初始碳配额进行分配，以求找到更适合我国的初始碳配额分配方法。 本文主要以2010年为基准年，预测估计2020年我国碳排放配额总量，并且将其合理分配给全国30个省市。本文主要应用了三种分配方法，分别是零和收益DEA方法、信息熵值方法以及沙普利值方法，利用三种方法将预估出来的2020年碳排放配额分配给全国30个省市。计算2020年碳排放配额总量的数据来源基本相同，但是三种方法因为采取的侧重点不同因而也产生了不同的分配结果。零和收益DEA方法主要将总额不变的配额公平有效的分配给30个省市，主要侧重于分配的有效性;信息熵方法包含大量参考指标并依据这些指标计算出权重从而进行分配，这种方法比较注重历史数据以及现有数据对分配的影响;沙普利值方法是在信息熵方法的基础上，更加重点考虑到地区之间的相互影响作用。虽然三种方法的分配结果不完全一致，但是大体上还是趋同，只是在部分地区的分配结果存在差异，究其主要原因是三种方法的侧重点不同，重点考量的指标不同造成的。此外，本文还对三种分配方法进行了比较研究，三种方法各有利弊，不能单纯的进行好坏的衡量。 本文采用的零和收益DEA方法在模型设定上面更加符合中国碳配额分配的基本情况，与我国制定的减排目标密切联系;信息熵方法和沙普利值方法目前较少的被应用于碳配额分配研究上来，而且本文采用的信息熵方法包含了10个指标，更加全面、综合的包含了各类影响因素，从多方面考察影响碳配额分配的指标，并在此基础上进行分配;沙普利值方法也是比较了30个省市相互之间的影响作用，再综合信息熵值方法使得分配考虑更加全面。 这三种方法都很好的对我国2020年碳配额进行了分配，三种方法不仅仅考虑了每个省市各自有效的分配方案，同时也有考虑到省市之间相互作用的分配方案。这就为政府进行碳配额分配提供了多种解决方案，并且也为政府推广地区间碳减排合作提供了很好的借鉴作用。