鐘超　劉宇　汪明月　史巧玲

摘要 為探討實(shí)現(xiàn)強(qiáng)度減排目標(biāo)的可能路徑及每種路徑下的可行性，在能源效率隨機(jī)前沿分析模型的基礎(chǔ)上，運(yùn)用最大似然法對(duì)84個(gè)國(guó)家1971—2014年平均能源效率進(jìn)行估計(jì)。并在此基礎(chǔ)上綜合考慮能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率5個(gè)要素，結(jié)合權(quán)威機(jī)構(gòu)對(duì)上述要素未來(lái)發(fā)展的預(yù)測(cè)數(shù)據(jù)及參數(shù)，構(gòu)建單一要素和多要素組合的96種模擬情景，系統(tǒng)分析每種減排路徑下的中國(guó)碳強(qiáng)度減排情形及實(shí)現(xiàn)減排目標(biāo)所要付出的減排努力。研究發(fā)現(xiàn)：①提高潛在能源效率對(duì)于實(shí)現(xiàn)減排目標(biāo)的貢獻(xiàn)度最大，且僅通過(guò)調(diào)整能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量或潛在能源效率的單一減排路徑難以實(shí)現(xiàn)中國(guó)強(qiáng)度減排目標(biāo)。②中國(guó)若要實(shí)現(xiàn)減排目標(biāo)，必須從能源結(jié)構(gòu)（化石燃料占比要低于80%，且平均增速要降低2.2%），經(jīng)濟(jì)結(jié)構(gòu)（服務(wù)業(yè)占比要高于60.4%，且非服務(wù)業(yè)增速要降低2.4%），人力資本（持續(xù)穩(wěn)定），資本存量（持續(xù)穩(wěn)定）和潛在能源效率（提高1%）來(lái)優(yōu)化減排路徑。在上述研究的基礎(chǔ)上，給出如下政策建議：①通過(guò)技術(shù)創(chuàng)新和能源市場(chǎng)機(jī)制創(chuàng)新，不斷提高能源效率。②加快工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，降低生產(chǎn)生活碳排放量。③不斷優(yōu)化國(guó)家能源結(jié)構(gòu)，促進(jìn)源頭排放量降低。④給予人力資本和資本存量穩(wěn)定合理的發(fā)展空間，為碳減排提供要素支撐。

關(guān)鍵詞 ：碳強(qiáng)度減排；減排目標(biāo)；路徑設(shè)計(jì)；可行性分析；隨機(jī)前沿分析

中圖分類(lèi)號(hào)：F205； F201

文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2018）10-0018-09 DOI：10.12062/cpre.20180421

工業(yè)化的快速發(fā)展，很大程度上改善了人民的生活水平，然而，大量化石能源的消耗也導(dǎo)致了CO2排放的劇增[1]。政府間氣候變化專(zhuān)門(mén)委員會(huì)（Intergovernmental Panel on Climate Change， IPCC）評(píng)估報(bào)告指出，過(guò)去50年來(lái)的全球變暖很大程度上與溫室氣體排放有關(guān)[2]。國(guó)際能源署（International Energy Agency， IEA）統(tǒng)計(jì)數(shù)據(jù)表明，中國(guó)的碳排放總量于2007年超過(guò)美國(guó)，成為全球碳排放最大國(guó)，2016年碳排放量占全球總排放量的19.12%[3]。2015年的世界氣候大會(huì)上，中國(guó)向聯(lián)合國(guó)氣候變化框架公約秘書(shū)處提交了應(yīng)對(duì)氣候變化國(guó)家自主貢獻(xiàn)報(bào)告，承諾到2030年的碳強(qiáng)度（單位GDP的CO2排放）比2005年下降60%～65%。這一目標(biāo)的實(shí)現(xiàn)將加速我國(guó)綠色低碳轉(zhuǎn)型，也為實(shí)現(xiàn)全球溫升2℃的控制目標(biāo)提供基礎(chǔ)和大國(guó)示范作用。盡管中國(guó)的碳強(qiáng)度呈現(xiàn)下降趨勢(shì)（2014年比2005年下降了33.8%），然而，總體碳強(qiáng)度仍處于較高水平且能源消費(fèi)結(jié)構(gòu)還有待優(yōu)化[4-5]。因此，在減排目標(biāo)和減排壓力的雙重制約下，如何制定科學(xué)可行的碳減排路徑和策略是抑制碳排放和提前達(dá)峰的重要基礎(chǔ)[6]。

1 文獻(xiàn)綜述

區(qū)域經(jīng)濟(jì)發(fā)展的不平衡性存在于所有的經(jīng)濟(jì)體中，差異化發(fā)展必然會(huì)出現(xiàn)先發(fā)地區(qū)和后發(fā)地區(qū)[7]。區(qū)域發(fā)展的不平衡性既體現(xiàn)在經(jīng)濟(jì)發(fā)展的不平衡性，還體現(xiàn)在產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)模式及其他要素等[8-9]?？茖W(xué)的減排政策和減排措施就是要從區(qū)域發(fā)展的實(shí)際出發(fā)，探尋適合本區(qū)域可持續(xù)發(fā)展的路徑和模式[10-11]。從已有的研究成果來(lái)看，lvaro López-Pea et al [12]研究發(fā)現(xiàn)在西班牙短中期碳減排措施中，提高能源效率比發(fā)展新能源更為有效和低成本；Chang et al[13]以臺(tái)灣1984—2014年的數(shù)據(jù)為基礎(chǔ)進(jìn)行實(shí)證研究發(fā)現(xiàn)，高速交通、石化原料和鋼鐵行業(yè)是碳排放的重點(diǎn)行業(yè)，通過(guò)優(yōu)化能源需求結(jié)構(gòu)可以有效降低碳排放量；Tian et al[14]認(rèn)為北京實(shí)現(xiàn)碳減排的可靠路徑包括優(yōu)化能源結(jié)構(gòu)、改善能源需求結(jié)構(gòu)；Elliott et al[15]利用2005—2008中國(guó)地級(jí)市的樣本數(shù)據(jù)，對(duì)城市能源強(qiáng)度和外國(guó)公司的關(guān)系進(jìn)行探討發(fā)現(xiàn)，外國(guó)直接投資（FDI）的流入和城市能源強(qiáng)度之間存在著顯著的負(fù)相關(guān)關(guān)系，同時(shí)，這種關(guān)系也受到城市地理位置的影響；Peters et al[16]研究發(fā)現(xiàn)選擇和優(yōu)化一國(guó)的貿(mào)易模式也是實(shí)現(xiàn)減排目標(biāo)的一個(gè)措施；Zuberi et al[17]運(yùn)用能效成本曲線(xiàn)研究了瑞士水泥行業(yè)的能效改進(jìn)和二氧化碳減排潛力，并認(rèn)為能效改進(jìn)對(duì)碳減排有促進(jìn)作用；Yang et al[18]通過(guò)構(gòu)建超越對(duì)數(shù)生產(chǎn)函數(shù)來(lái)分析中國(guó)的能源結(jié)構(gòu)及其轉(zhuǎn)變，研究發(fā)現(xiàn)人力資本投資、固定資本投資及化石能源技術(shù)進(jìn)步有助于經(jīng)濟(jì)增長(zhǎng)和減排的雙贏；Al-Mulali et al[19]和Sheng et al[20]研究發(fā)現(xiàn)一定程度上的城鎮(zhèn)化進(jìn)程可以有效改善能源效率，降低碳排放量。

已有的研究表明，針對(duì)如何實(shí)現(xiàn)碳減排目標(biāo)，國(guó)內(nèi)外學(xué)者分別從不同角度提出了不同的策略和措施，包括提高能源效率、優(yōu)化能源需求結(jié)構(gòu)、外商直接投資、貿(mào)易模式、環(huán)境創(chuàng)新及提高城鎮(zhèn)化率等。然而，這些策略并非完全獨(dú)立，且存在一定的差異。同時(shí)，也包含一系列的共性要素。例如，經(jīng)濟(jì)結(jié)構(gòu)的升級(jí)會(huì)通過(guò)作用于居民消費(fèi)和技術(shù)進(jìn)步等途徑來(lái)影響碳排放，而資本存量投資和人力資本的增加是影響經(jīng)濟(jì)發(fā)展的重要因素[21-23]；城鎮(zhèn)化率將主要通過(guò)改善人力資本存量、能源消費(fèi)結(jié)構(gòu)及能源效率等條件來(lái)降低能源使用量和碳排放量[24-26]；環(huán)境創(chuàng)新屬于創(chuàng)新大類(lèi)的范疇，而創(chuàng)新活動(dòng)與人力資本和資本存量是密不可分的，這也已經(jīng)是學(xué)術(shù)界公認(rèn)的法理[27-28]。同時(shí)，OECD發(fā)達(dá)國(guó)家的發(fā)展實(shí)踐表明，實(shí)現(xiàn)減排的關(guān)鍵在于提高技術(shù)、優(yōu)化能源結(jié)構(gòu)和經(jīng)濟(jì)結(jié)構(gòu)[29-31]。在已有研究的基礎(chǔ)上，我們將優(yōu)化減排路徑的要素歸納為能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率5類(lèi)，認(rèn)為減排政策和措施的制定都是圍繞這其中一個(gè)或者幾個(gè)來(lái)開(kāi)展減排活動(dòng)。

綜上所述，中國(guó)作為一個(gè)負(fù)責(zé)任的大國(guó)，給出了明確的減排目標(biāo)和任務(wù)，設(shè)計(jì)并論證減排路徑的科學(xué)性和可行性是學(xué)界和政界普遍關(guān)注的問(wèn)題。區(qū)域發(fā)展的不平衡性決定減排路徑和減排措施要從區(qū)域發(fā)展的實(shí)際出發(fā)，國(guó)外成熟的減排政策不一定適合中國(guó)的減排實(shí)際。已有的研究中，學(xué)者們從分別提高能源效率、優(yōu)化能源需求結(jié)構(gòu)等路徑來(lái)推進(jìn)減排目標(biāo)實(shí)現(xiàn)。然而，這些減排路徑要么是基于國(guó)外的發(fā)展實(shí)踐，要么是對(duì)幾個(gè)路徑進(jìn)行簡(jiǎn)單整合，對(duì)于可行的減排路徑的分析還不夠完善和系統(tǒng)。我們將在上述研究的基礎(chǔ)上，試圖回答以下3個(gè)問(wèn)題：①單一要素的減排路徑能否實(shí)現(xiàn)減排和達(dá)峰目標(biāo)？②如果單一要素的減排路徑不能實(shí)現(xiàn)減排目標(biāo)，如何通過(guò)要素整合方式來(lái)構(gòu)建多要素整合的減排路徑？③每種減排路徑的可行性怎么樣，需要付出怎樣的減排努力？為此，本文將立足中國(guó)發(fā)展實(shí)際，綜合考慮經(jīng)濟(jì)結(jié)構(gòu)、能源結(jié)構(gòu)、人力資本、資本存量及潛在能源效率5個(gè)要素，分別構(gòu)建單一要素和多要素組合的模擬情景，系統(tǒng)地研究中國(guó)實(shí)現(xiàn)強(qiáng)度減排目標(biāo)的可能路徑及每種路徑下的可行性分析。

2 模型設(shè)置

在借鑒Stern[32]構(gòu)建的能源強(qiáng)度隨機(jī)前沿模型及參數(shù)的基礎(chǔ)上，運(yùn)用最大似然法對(duì)84個(gè)國(guó)家1971—2014年的平均的能源效率進(jìn)行估計(jì)，具體如公式（1）所示，能夠很好地規(guī)避因時(shí)間變化所帶來(lái)的結(jié)構(gòu)性影響。

3 數(shù)據(jù)來(lái)源

能源結(jié)構(gòu)數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局的《中國(guó)能源統(tǒng)計(jì)年鑒》，本文將能源結(jié)構(gòu)分為煤炭、石油、天然氣、基礎(chǔ)電力和生物質(zhì)能源（限于數(shù)據(jù)可得性，本研究不涉及港、澳、臺(tái)等省區(qū)）。本研究中石油為剩余項(xiàng)，各項(xiàng)比值加總之和為1。經(jīng)濟(jì)結(jié)構(gòu)方面，本文將一國(guó)經(jīng)濟(jì)總產(chǎn)值劃分為以下四個(gè)方面：農(nóng)業(yè)、采礦業(yè)及公共事業(yè)、制造業(yè)和服務(wù)業(yè)。其中，為保證數(shù)據(jù)的可運(yùn)算性，本研究選取采礦業(yè)及公共事業(yè)為剩余項(xiàng)，其余三項(xiàng)數(shù)據(jù)均來(lái)自World Development Indicators，各項(xiàng)比值加總之和為1。GDP以2011年為基期，單位106美元，數(shù)據(jù)來(lái)自Penn World Table。資本存量數(shù)據(jù)來(lái)自Penn World Table。碳排放量為化石燃料燃燒后產(chǎn)生的二氧化碳排放數(shù)據(jù)，來(lái)自國(guó)際能源署數(shù)據(jù)庫(kù)。氣溫方面，本研究?jī)H使用冬季年平均氣溫，默認(rèn)每年冬季平均氣溫為-5.8℃[32]。

人力資本方面，本研究參考 Caselli[33]和Jones[34]，按照公式（7）和（8）計(jì)算出人力資本情況。其中，假定θ為0.07，workers為工人數(shù)目，s為平均受教育年限。工人數(shù)目來(lái)源于Penn World Table， version 9.0，受教育年限參考Barro and Lees[35]的數(shù)據(jù)。公式如下：

4 碳強(qiáng)度減排目標(biāo)實(shí)現(xiàn)的路徑設(shè)計(jì)

目前為止，世界上很多國(guó)家已經(jīng)向《聯(lián)合國(guó)氣候變化框架公約》（UNFCCC）提交了自己的自主減排貢獻(xiàn)方案，但是這些國(guó)家減排目標(biāo)能否如期達(dá)成？本文研究以中國(guó)為例，從能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率5個(gè)角度來(lái)計(jì)算分析中國(guó)碳強(qiáng)度減排的情況。其中，能源結(jié)構(gòu)設(shè)置了CPS、NPS和450S三種情景；經(jīng)濟(jì)結(jié)構(gòu)設(shè)置了LEC和HEC兩種情景；人力資本設(shè)置了Kruger和HC14兩種情景；資本存量設(shè)置了EIU和HCS兩種情景；潛在能源效率設(shè)置了β-USA、U4、U5和U6四種情景。

4.1 能源結(jié)構(gòu)

國(guó)際能源署就當(dāng)前政策、新形勢(shì)政策和空氣中平均CO2濃度450 ml/m3三種設(shè)定下，分別給出我國(guó)能源消費(fèi)結(jié)構(gòu)情況，記為CPS、NPS和450S三種情景（見(jiàn)表1）。

從表1可以看出，這三種情景設(shè)置下，主要變化在于化石燃料的增速問(wèn)題，越積極的能源結(jié)構(gòu)，化石燃料增速越低。以煤炭為例，若執(zhí)行以上3種情景，我國(guó)必須將煤炭消費(fèi)平均增速由當(dāng)前的3.02%調(diào)整為0.87%～2.37%。此外，石油和天然氣等能源消費(fèi)的增速也均要降低到之前水平的一半左右。

4.2 經(jīng)濟(jì)結(jié)構(gòu)

經(jīng)濟(jì)結(jié)構(gòu)是本文研究碳排放強(qiáng)度變化的重要分析角度之一。在這一角度下，本研究參照李善同[36]的 DRC-CGE 模型預(yù)測(cè)結(jié)果，設(shè)置低經(jīng)濟(jì)情景（LEC情景）；參照李平等[37]CN3ET-DCGE 模型預(yù)測(cè)結(jié)果，設(shè)置高經(jīng)濟(jì)情景（HEC情景）。需要說(shuō)明的是，本研究參考2014年經(jīng)濟(jì)結(jié)構(gòu)，按3∶7的比例將第二產(chǎn)業(yè)分成采礦業(yè)及公共事業(yè)和制造業(yè)。此外，GDP增長(zhǎng)率參考世界銀行預(yù)測(cè)，2016—2020年經(jīng)濟(jì)增長(zhǎng)率為6.9%，2012—2025年，經(jīng)濟(jì)增長(zhǎng)率為6%，2026—2030年，經(jīng)濟(jì)增長(zhǎng)率為5.1%。

由表2可知，隨著中國(guó)經(jīng)濟(jì)增速的放緩，執(zhí)行低經(jīng)濟(jì)情景時(shí)，我國(guó)各產(chǎn)業(yè)的平均增速不斷下降。其中，農(nóng)業(yè)平均增速降幅最大，由當(dāng)前的6.36%的平均增速降為-0.07%。第二產(chǎn)業(yè)增速變化較小，服務(wù)業(yè)平均增速由9.67%降為6.47%。高經(jīng)濟(jì)情景下，非服務(wù)業(yè)平均增速由當(dāng)前的6.62%下降為4.24%。相對(duì)低經(jīng)濟(jì)情景，高經(jīng)濟(jì)情景非服務(wù)業(yè)平均增速降低明顯。因?yàn)橹饕奶寂欧艁?lái)自非服務(wù)業(yè)，所以高經(jīng)濟(jì)情景對(duì)減排具有較好的抑制作用。

4.3 人力資本

人力資本包含了工人數(shù)目和受教育年限，一定程度上代表了技術(shù)的變化。研究參考Kruger[38]對(duì)人力資本的預(yù)測(cè)，計(jì)算得出2030年的中國(guó)人力資本狀況，記為Kruger情景。此外，在這一角度下，研究假定人力資本保持2014年的增速1.47%不變，給出HC14情景。HC14情景相對(duì)Kruger情景增速更高，因此Kruger情景相對(duì)更為客觀。

4.4 資本存量

資本存量包含投資變量，投資的變化既會(huì)影響到能源消耗又會(huì)對(duì)總產(chǎn)值的變化具有重要作用。本研究參考EIU數(shù)據(jù)庫(kù)對(duì)我國(guó)2014—2030年資本存量的增長(zhǎng)率的預(yù)測(cè)，給出了EIU情景。該預(yù)測(cè)認(rèn)為我國(guó)2014—2030年年均增速為7.07%，該速度相對(duì)緩和，符合我國(guó)目前的經(jīng)濟(jì)形勢(shì)。此外，數(shù)據(jù)顯示，2004—2014年，我國(guó)的資本存量增長(zhǎng)速度較為穩(wěn)定，平均增速約為12.47%。研究假定，自2014年，資本存量每隔三年降低1個(gè)百分點(diǎn)，給出HCS情景。

4.5 潛在能源效率

我們把預(yù)測(cè)的能源強(qiáng)度與真實(shí)的能源強(qiáng)度比值的對(duì)數(shù)值稱(chēng)為潛在能源效率。該部分的預(yù)測(cè)主要是基于假定中國(guó)與美國(guó)之間的潛在能源效率滿(mǎn)足β收斂。美國(guó)是全球最大的經(jīng)濟(jì)體和技術(shù)領(lǐng)導(dǎo)者，因此將美國(guó)潛在能源效率作為中國(guó)潛在能源效率的收斂對(duì)象。在這一角度下，本研究給出了β-USA情景。

此外，因?yàn)棣痰奶厥庑?，在本研究中，μ越小，則技術(shù)進(jìn)步越快。研究發(fā)現(xiàn)2009—2014年我國(guó)μ的降速為4%，本文假定保持該速度不變，設(shè)置了U4情景。此外，研究假定該指標(biāo)平均速度分別在此基礎(chǔ)上降低1%和2%時(shí)，設(shè)置了U5和U6兩種情景。

潛在能源效率方面，為了更好展示增速情況，本研究特意選取1/μ變化率作為能源效率增速指標(biāo)。1/μ代表我國(guó)單位能耗產(chǎn)值與世界單位能耗產(chǎn)值之比。該值增速越高，代表我國(guó)能源效率進(jìn)步越快。我國(guó)2009—2014年，1/μ增速為4.19%，根據(jù)β收斂法算出的結(jié)果與之相似，但若我國(guó)2030年達(dá)到U5、U6情景時(shí)，該指標(biāo)需要分別增加約1.1和2.2個(gè)百分點(diǎn)（見(jiàn)圖1）。

基于以上5個(gè)角度，研究設(shè)定了3×2×2×2×4=96個(gè)情景組合來(lái)預(yù)測(cè)中國(guó)未來(lái)2030年目標(biāo)達(dá)成情況。

5 減排目標(biāo)達(dá)成路徑分析

5.1 BAU情景組合

首先假定中國(guó)不會(huì)因?yàn)闅夂蜃兓扇∪魏胃淖兡茉唇Y(jié)構(gòu)的行動(dòng)，能源結(jié)構(gòu)保持當(dāng)前政策不變，經(jīng)濟(jì)結(jié)構(gòu)、人力資本和資本存量等均按照正常經(jīng)濟(jì)軌跡運(yùn)行，不考慮外部經(jīng)濟(jì)沖擊的影響。即能源結(jié)構(gòu)執(zhí)行CPS情景，經(jīng)濟(jì)結(jié)構(gòu)執(zhí)行LEC情景，人力資本和資本存量分別執(zhí)行Kruger情景和EIU情景，潛在能源效率按收斂于美國(guó)計(jì)算。以上情景組合視為基準(zhǔn)情景組合（或BAU情景組合）。

BAU情景組合下，至2030年我國(guó)碳排放強(qiáng)度相對(duì)2005年大約降低32.43%，遠(yuǎn)遠(yuǎn)低于我國(guó)在INDC報(bào)告上提出的60%～65%的減排目標(biāo)。

5.2 單項(xiàng)情景調(diào)整分析

BAU情景組合下，2030年我國(guó)碳排放強(qiáng)度降低約32.43%。經(jīng)計(jì)算，若想達(dá)成60%的強(qiáng)度減排目標(biāo)，其他情景組合要在此基礎(chǔ)上提升約27.57%的貢獻(xiàn)度?，F(xiàn)以BAU為基準(zhǔn)情景，分析其他單維度情景調(diào)整對(duì)整個(gè)碳排放的貢獻(xiàn)度（見(jiàn)圖2）。

從能源結(jié)構(gòu)角度看，我國(guó)若只調(diào)整能源結(jié)構(gòu)情景，NPS、450S情景分別能降低2.31%和8.4%的碳排放強(qiáng)度。因此，能源結(jié)構(gòu)的調(diào)整，最多僅能帶來(lái)8.4%的強(qiáng)度減排。從經(jīng)濟(jì)結(jié)構(gòu)角度看，高經(jīng)濟(jì)情景組合能降低5.98%的碳排放強(qiáng)度，即高經(jīng)濟(jì)情景的貢獻(xiàn)依然很可觀。從人力資本角度看，我國(guó)若只調(diào)整人力資本情景為HC14，該組情景能降低35.36%的碳排放強(qiáng)度，即HC14情景的貢獻(xiàn)度僅為2.93%。這說(shuō)明人力資本的情景改變所帶來(lái)的貢獻(xiàn)度非常有限。從資本存量角度看，我國(guó)若只調(diào)整資本存量情景為HCS，該組情景能降低34.55%的碳排放強(qiáng)度，即HCS情景的貢獻(xiàn)度為34.55%。資本存量對(duì)碳排放的貢獻(xiàn)度依然有限，僅為2.12%。從潛在能源效率角度看，我國(guó)若只調(diào)整潛在能源效率情景為U4情景、U5情景和U6情景，則分別帶來(lái)37.72%、47.33%和55.54%的碳排放強(qiáng)度。其中，U4情景的貢獻(xiàn)度為5.3%，U5情景的貢獻(xiàn)度為14.91%，U6情景的貢獻(xiàn)度為23.11%。單一情景調(diào)整雖然均達(dá)不到強(qiáng)度減排目標(biāo)，但相比其他情景的單一調(diào)整，潛在能源效率的調(diào)整存在巨大優(yōu)勢(shì)。

綜合來(lái)看，單項(xiàng)情景調(diào)整過(guò)程中，潛在能源效率U6情景的貢獻(xiàn)度最高，達(dá)到23.11%；資本存量HCS情景貢獻(xiàn)度最低，僅2.12%。結(jié)果看出，僅通過(guò)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量或潛在能源效率的單一調(diào)整難以達(dá)成我國(guó)強(qiáng)度減排目標(biāo)。

5.3 多項(xiàng)情景調(diào)整組合分析

根據(jù)前文分析結(jié)果，僅通過(guò)單一維度的變化，難以達(dá)到減排目標(biāo)。因此，本研究對(duì)96種情景組合進(jìn)行分類(lèi)分析，并對(duì)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)，潛在能源效率進(jìn)行分類(lèi)：

能源結(jié)構(gòu)方面，研究將CPS歸為基準(zhǔn)的能源結(jié)構(gòu)情景，NPS歸為穩(wěn)健的能源結(jié)構(gòu)情景，450S情景歸為積極的能源結(jié)構(gòu)情景。經(jīng)濟(jì)結(jié)構(gòu)方面，將HEC歸為積極的經(jīng)濟(jì)結(jié)構(gòu)情景，LEC歸為穩(wěn)健的經(jīng)濟(jì)結(jié)構(gòu)情景。潛在能源效率方面，β-USA歸為基準(zhǔn)的能源效率情景，U4為穩(wěn)健的能源效率情景，U5為積極的能源效率情景，U6為超積極的能源效率情景。本研究將對(duì)基準(zhǔn)情景組合和目標(biāo)達(dá)成情景組合做出分析（見(jiàn)表3）。

5.3.1 基準(zhǔn)的能源結(jié)構(gòu)+穩(wěn)健的經(jīng)濟(jì)結(jié)構(gòu)+基準(zhǔn)的能源效率

表3中1～4情景組合，為基礎(chǔ)情景組合。此時(shí)，我國(guó)執(zhí)行基準(zhǔn)的能源結(jié)構(gòu)與效率、穩(wěn)健的經(jīng)濟(jì)政策。碳強(qiáng)度降低幅度在32.43%～37.39%之間。其中貢獻(xiàn)度最低的是情景組合1，其碳強(qiáng)度降低幅度為32.43%，貢獻(xiàn)度為0，即為基準(zhǔn)情景組合。貢獻(xiàn)度最高的為情景組合4，其碳強(qiáng)度降低幅度為37.39%，即當(dāng)其他情景保持不變，人力資本和資本存量同時(shí)執(zhí)行最高情景時(shí)，二者組合的貢獻(xiàn)度僅為4.96%，遠(yuǎn)低于我國(guó)碳強(qiáng)度減排要求。

5.3.2 穩(wěn)健的能源結(jié)構(gòu)+穩(wěn)健的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率

表3中5～8情景組合，此方式為我國(guó)能源結(jié)構(gòu)和經(jīng)濟(jì)結(jié)構(gòu)執(zhí)行穩(wěn)健情景，能源效率執(zhí)行超積極情景。2030年我國(guó)減排強(qiáng)度降低幅度在57.06%～60.21%之間。其中，情景組合8的碳強(qiáng)度降低幅度是60.21%，達(dá)到減排目標(biāo)。即若其他條件保持不變，NPS、U6、HC14、HCS的情景組合貢獻(xiàn)度為27.79%。若按照情景組合8的路徑執(zhí)行，要求我國(guó)必須在能源結(jié)構(gòu)上做出穩(wěn)健調(diào)整，而且能源效率上，我國(guó)要相對(duì)世界能效進(jìn)步速度水平基礎(chǔ)上進(jìn)一步提升約2%增速。

5.3.3 積極的能源結(jié)構(gòu)+穩(wěn)健的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率

表3中9～12情景組合，我國(guó)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)和能源效率分別執(zhí)行積極、穩(wěn)健和超積極的情景。2030年我國(guó)能源強(qiáng)度降低幅度將在61.06%～ 63.92%之間。以上四種情景組合均可達(dá)到減排目標(biāo)，其共同特點(diǎn)是能源結(jié)構(gòu)為積極情景，能源效率為超積極情景，這對(duì)我國(guó)的能源結(jié)構(gòu)調(diào)整和能效進(jìn)步均提出較大挑戰(zhàn)。

5.3.4 積極的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+積極的能源效率

表3中13～16情景組合，我國(guó)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)和能源效率分別執(zhí)行積極情景。2030年我國(guó)碳強(qiáng)度降低幅度在57.96%～61.05%之間。其中，情景組合16的碳強(qiáng)度降低幅度是61.05%，達(dá)到減排目標(biāo)。若其他條件保持不變，450S、U5、HC14、HCS的情景組合貢獻(xiàn)度為28.62%。若按照情景組合16的路徑執(zhí)行，要求我國(guó)必須要在能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)和能源效率上分別做出積極調(diào)整，非化石能源占比和服務(wù)業(yè)占比要進(jìn)一步提升；潛在能源效率上，我國(guó)要相對(duì)世界能效進(jìn)步速度水平基礎(chǔ)上進(jìn)一步提升約1%增速。

5.3.5 基準(zhǔn)的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率

表3中17～20情景組合，我國(guó)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)和能源效率分別執(zhí)行基準(zhǔn)、積極和超積極的情景。2030年我國(guó)碳強(qiáng)度降低幅度在59.48%～62.45%之間。其中，情景組合18、19、20的碳強(qiáng)度降低幅度均達(dá)到減排目標(biāo)。若其他條件保持不變，HEC、U6、HC14、HCS的情景組合貢獻(xiàn)度為30.03%。按照此路徑執(zhí)行，則要求我國(guó)必須要在經(jīng)濟(jì)結(jié)構(gòu)和能源效率上做出積極和超積極調(diào)整，能源結(jié)構(gòu)可以保持基準(zhǔn)不變；經(jīng)濟(jì)結(jié)構(gòu)上，執(zhí)行高經(jīng)濟(jì)情景，服務(wù)業(yè)占比要進(jìn)一步提升；潛在能源效率上，我國(guó)要相對(duì)世界能效進(jìn)步速度水平上提升約2%增速。

5.3.6 穩(wěn)健的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率

表3中21～24情景組合，我國(guó)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)和能源效率執(zhí)行穩(wěn)健、積極和超積極情景。2030年我國(guó)碳強(qiáng)度降低幅度在60.86%～63.74%之間。以上四種情景組合的強(qiáng)度降低幅度均達(dá)到減排目標(biāo)，同時(shí)也可以判斷出，若其他條件保持不變，NPS、HEC、U6、HC14、HCS的情景組合貢獻(xiàn)度為31.33%。若我國(guó)按照此路徑執(zhí)行，要求我國(guó)必須要在經(jīng)濟(jì)結(jié)構(gòu)和能源效率上做出積極和超積極調(diào)整。相對(duì)“基準(zhǔn)的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率”的路徑，該組合在能源結(jié)構(gòu)上要求更高，因此并非最佳路徑。

5.3.7 積極的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率

表3中24～28情景組合，我國(guó)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)均執(zhí)行積極的情景，能源效率執(zhí)行超積極情景。此時(shí)，至2030年我國(guó)碳強(qiáng)度降低幅度將在64.51%～67.12%之間。以上四種情景組合的強(qiáng)度降低幅度均達(dá)到減排目標(biāo)，同時(shí)也可以判斷出，若其他條件保持不變，450S、HEC、U6、HC14、HCS的情景組合貢獻(xiàn)度為34.69%。若我國(guó)按照此路徑執(zhí)行，這要求我國(guó)必須要在經(jīng)濟(jì)結(jié)構(gòu)和能源效率上做出積極和超積極調(diào)整，能源結(jié)構(gòu)也要做出積極調(diào)整。相對(duì)“基準(zhǔn)的能源結(jié)構(gòu)+積極的經(jīng)濟(jì)結(jié)構(gòu)+超積極的能源效率”的路徑，經(jīng)濟(jì)結(jié)構(gòu)和能源效率要求均一樣，但能源結(jié)構(gòu)上要求更高，因此也并非最佳路徑。

6 結(jié)論與討論

6.1 研究結(jié)論

中國(guó)的碳排放量和能源消耗量位居世界首位，作為一個(gè)負(fù)責(zé)任的大國(guó)，在許多公眾場(chǎng)合表明了參與全球氣候治理的態(tài)度，并提出了明確的碳強(qiáng)度減排目標(biāo)。當(dāng)前，中國(guó)正處于工業(yè)化時(shí)期，為了減緩因控制碳排放量對(duì)經(jīng)濟(jì)發(fā)展的沖擊，勢(shì)必要設(shè)計(jì)科學(xué)可行的減排路徑。從以往的碳減排實(shí)踐和減排理論研究發(fā)現(xiàn)，能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率5個(gè)要素是減排路徑構(gòu)成的重要因素。在能源效率隨機(jī)前沿分析模型的基礎(chǔ)上，綜合考慮上述5個(gè)要素，并結(jié)合權(quán)威機(jī)構(gòu)對(duì)上述要素未來(lái)發(fā)展的預(yù)測(cè)數(shù)據(jù)，構(gòu)建單一要素和多要素組合的96種模擬情景，系統(tǒng)分析每種減排路徑下的中國(guó)碳強(qiáng)度減排情形及實(shí)現(xiàn)減排目標(biāo)所要付出的減排努力。

通過(guò)以上分析，可以得到如下結(jié)論：①僅通過(guò)優(yōu)化能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率等單一要素所構(gòu)建的減排路徑難以實(shí)現(xiàn)2030年的碳強(qiáng)度減排目標(biāo)（60%的碳強(qiáng)度減排目標(biāo)），即潛在能源效率U6情景的貢獻(xiàn)度最高，僅為23.11%，資本存量HCS情景貢獻(xiàn)度最低，僅為2.12%。②從多要素組合構(gòu)成的減排路徑來(lái)看，如果要實(shí)現(xiàn)碳強(qiáng)度減排目標(biāo)，大部分需要改善潛在能源效率，即實(shí)施超積極的能源效率是最有效的減排方式，然而，這對(duì)于正處于工業(yè)化中后期的中國(guó)而言，挑戰(zhàn)較大（潛在能源效率改善的增速比世界能效改善速度要高出2%的技術(shù)水平）。③如果我國(guó)只能采取積極的能源效率，要實(shí)現(xiàn)減排目標(biāo)，在能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本和資本存量等方面必須均達(dá)到最高情景設(shè)置，即要求中國(guó)在能源結(jié)構(gòu)方面，化石燃料占比要低于80%，化石燃料平均增速（相對(duì)目前需要）降低約2.2%；在經(jīng)濟(jì)結(jié)構(gòu)方面，服務(wù)業(yè)占比要達(dá)到60.4%以上，非服務(wù)業(yè)平均增速要降低2.4%；在人力資本方面，要求中國(guó)最少保持2014年的增速；在資本存量方面，要求中國(guó)按照當(dāng)前的經(jīng)濟(jì)發(fā)展方式進(jìn)行，或較為緩和地降低?？傮w而言，中國(guó)要實(shí)現(xiàn)碳強(qiáng)度減排目標(biāo)只有通過(guò)要素組合優(yōu)化的方式來(lái)實(shí)現(xiàn)，即只有綜合調(diào)整能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、人力資本、資本存量和潛在能源效率才能達(dá)到積極的減排情景。

6.2 政策建議

基于上述研究結(jié)論，為進(jìn)一步優(yōu)化減排路徑，提出如下幾點(diǎn)建議：

（1）通過(guò)技術(shù)創(chuàng)新和能源市場(chǎng)機(jī)制創(chuàng)新，不斷提高能源效率。單純地依靠低碳技術(shù)或能源技術(shù)創(chuàng)新并不一定能夠顯著改善能源效率，還需要相應(yīng)的能源市場(chǎng)機(jī)制來(lái)優(yōu)化要素的配置方式。能源市場(chǎng)扭曲一定程度上阻礙能源要素在全局范圍內(nèi)的配置效率，阻礙了技術(shù)進(jìn)步對(duì)能源效率的促進(jìn)效應(yīng)。相對(duì)應(yīng)地，能源市場(chǎng)可以保證能源要素的優(yōu)化配置，進(jìn)而促使低碳（能源）技術(shù)進(jìn)步，提升能源效率。

（2）加快工業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，降低生產(chǎn)生活碳排放量。產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)，不能只盯著第三產(chǎn)業(yè)的發(fā)展，還需要工業(yè)發(fā)展作為支撐，否則必將導(dǎo)致過(guò)度投資、重復(fù)建設(shè)、惡性競(jìng)爭(zhēng)等問(wèn)題。充分發(fā)揮產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的碳減排效應(yīng)，即在鼓勵(lì)第三產(chǎn)業(yè)發(fā)展的同時(shí)，進(jìn)一步促進(jìn)第二產(chǎn)業(yè)從低端制造業(yè)向高技術(shù)產(chǎn)業(yè)、裝備制造業(yè)轉(zhuǎn)型升級(jí)，從勞動(dòng)密集型、資本密集型產(chǎn)業(yè)向技術(shù)密集型和知識(shí)密集型產(chǎn)業(yè)過(guò)渡，加快工業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級(jí)，使產(chǎn)業(yè)規(guī)模的擴(kuò)大與質(zhì)量的提升相匹配。

（3）不斷優(yōu)化國(guó)家能源結(jié)構(gòu)，促進(jìn)源頭排放量降低。考慮到中國(guó)煤炭資源豐富、油氣資源相對(duì)不足與對(duì)外依存度大、可再生能源發(fā)展面臨多重瓶頸，應(yīng)根據(jù)資源稟賦特征，從長(zhǎng)遠(yuǎn)戰(zhàn)略的角度確定能源轉(zhuǎn)型方向。從調(diào)整能源結(jié)構(gòu)、保障能源安全及應(yīng)對(duì)氣候變化出發(fā)，中國(guó)能源轉(zhuǎn)型路徑應(yīng)將發(fā)展清潔低碳能源作為調(diào)整能源結(jié)構(gòu)的主攻方向，同時(shí)，要堅(jiān)持發(fā)展非化石能源與清潔高效利用化石能源并舉。

（4）給予人力資本和資本存量穩(wěn)定合理的發(fā)展空間，為碳減排提供要素支撐。中國(guó)若要實(shí)現(xiàn)碳強(qiáng)度減排目標(biāo)，應(yīng)通過(guò)政策保障措施實(shí)現(xiàn)人力教育投資和國(guó)內(nèi)資本投資穩(wěn)步增長(zhǎng)。人力教育的發(fā)展和國(guó)內(nèi)資本投資對(duì)技術(shù)創(chuàng)新發(fā)展至關(guān)重要，人才及技術(shù)的擴(kuò)散效應(yīng)在一定程度上也將帶來(lái)能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)以及能源效率的優(yōu)化改善。

（編輯：李 琪）

參考文獻(xiàn)（References）

[1]LIU Y， TAN X J， YU Y， et al. Assessment of impacts of Hubei Pilot emission trading schemes in China： a CGEanalysis using TermCO2 Model[J]. Applied energy， 2017， 193：762-769.

[2]EDENMOR E， OTTOMA N， et al. IPCC special report on renewable energy sources and climate change mitigation [M]. Cambridge， UK： Cambridge University Press， 2011.

[3]QUIRE C L， MORIARTY R， ANDREW R M， et al. Global carbon budget 2014[J]. Earth system science data discussions， 2015， 7（2）：521-610.

[4]XU F， XIANG N， NIJKAMP P， et al. Dynamic simulation of Chinas carbon intensity and energy intensity evaluation focusing on industry and energy structure adjustments by 2020[J]. Environmental engineering & management journal， 2013， 12（10）：1897-1901.

[5]ZHANG X P， CHENG X M. Energy consumption， carbon emissions， and economic growth in China[J]. Ecological economics， 2009， 68（10）：2706-2712.

[6]ZHANG Y J， PENG Y L， MA C Q， et al. Can environmental innovation facilitate carbon emissions reduction？ evidence from China[J]. Energy policy， 2017， 100：18-28.

[7]LIU L C， LIANG Q M， WANG Q. Accounting for Chinas regional carbon emissions in 2002 and 2007： productionbased versus consumptionbased principles[J]. Journal of cleaner production， 2015， 103：384-392.

[8]JIANG J J， YE B， XIE D J， et al. Provinciallevel carbon emission drivers and emission reduction strategies in China： combining multilayer LMDI decomposition with hierarchical clustering[J]. Journal of cleaner production， 2017， 169：178-190.

[9]YU V K， KOLOSOVSKY A M， TIKHONOVA A A. The assessment of research and technical potential in the framework of the innovative model of development of regional economy[J]. Baltic region， 2012， 1（1）：89-96.

[10]WEI J， HUANG K， YANG S， et al. Driving forces analysis of energyrelated carbon dioxide （CO2 ） emissions in Beijing： an inputoutput structural decomposition analysis[J]. Journal of cleaner production， 2017， 163： 58-68.

[11]WEN L， ZHANG E N. Regional allocation of carbon emissions in China based on zero sum gains data envelopment analysis model[J]. Environmental engineering research， 2016， 21（1）：91-98.

[12]LVARO L P， PEREZARRIAGA I， LINARES P. Renewables vs. energy efficiency： the cost of carbon emissions reduction in Spain[J]. Energy policy， 2012， 50（11）：659-668.

[13]CHANG Y F， LEWIS C， LIN S J. Comprehensive evaluation of industrial CO2 emission （1989-2004） in Taiwan by inputoutput structural decomposition[J]. Energy policy， 2008， 36（7）：2471-2480.

[14]TIAN X， CHANG M， TANIKAWA H， et al. Structural decomposition analysis of the carbonization process in Beijing： a regional explanation of rapid increasing carbon dioxide emission in China[J]. Energy policy， 2013， 53（1）：279-286.

[15]ELLIOTT R J R， SUN P Y， CHEN S Y. Energy intensity and foreign direct investment： a Chinese citylevel study[J]. Energy economics， 2013， 40（2）：484-494.

[16]PETERS G P， MARLAND G， QUERE C L， et al. Rapid growth in CO2 emissions after the 2008-2009 global financial crisis[J]. Nature climate change， 2011， 2（1）：2-4.

[17]ZUBERI M J S， PATEL M K. Bottomup analysis of energy efficiency improvement and CO2， emission reduction potentials in the Swiss cement industry[J]. Journal of cleaner production， 2017， 142：4294-4309.

[18]YANG L， WANG J， SHI J. Can China meet its 2020 economic growth and carbon emissions reduction targets？[J]. Journal of cleaner production， 2016， 142：993-1001.

[19]ALMULALI U， FEREIDOUNI H G， LEE J Y M， et al. Exploring the relationship between urbanization， energy consumption， and CO2， emission in MENA countries[J]. Renewable & sustainable energy reviews， 2013， 23（4）：107-112.

[20]SHENG P F， GUO X H. The longrun and shortrun impacts of urbanization on carbon dioxide emissions[J]. Economic modelling， 2016， 53：208-215.

[21]PAN X F， YANG Y， ZHANG W. Spatial effect analysis of foreign direct investment （FDI） on carbon intensity in China[J]. Environmental engineering & management journal， 2014， 13（5）：1251-1255.

[22]VOON J P， CHEN E K Y. Contributions of capital stock quality improvement to economic growth： the case of Hong Kong[J]. Journal of Asian economics， 2003， 14（4）：631-644.

[23]PELINESCU E. The impact of human capital on economic growth [J]. Procedia economics & finance， 2015， 22（20）：184-190.

[24]POUMANYVONG P， KANEKO S， DHAKAL S. Impacts of urbanization on national transport and road energy use： evidence from low， middle and high income countries[J]. Energy policy， 2012， 46（3）：268-277.

[25]WANG Z M， ZANG Z. Strategic human resources， innovation and entrepreneurship fit： a crossregional comparative model[J]. International journal of manpower， 2005， 26（6）：544-559.

[26]LIDDLE B. Impact of population， age structure， and urbanization on carbon emissions/energy consumption： evidence from macrolevel， crosscountry analyses[J]. Population & environment， 2014， 35（3）：286-304.

[27]LI Y H， CHEN C， WANG Y F， et al. Urbanrural transformation and farmland conversion in China： the application of the Environmental Kuznets Curve[J]. Journal of rural studies， 2014， 36：311-317.

[28]BOSMAN P， BUYS P W， PLESSIS J L D. The impact of human capital development on economic growth[J]. Studia universitatis babesbolyai， 2010（1）：21.

[29]YUAN J H， HOU Y， XU M. Chinas 2020 carbon intensity target： consistency， implementations， and policy implications[J]. Renewable & sustainable energy reviews， 2012， 16（7）：4970-4981.

[30]GUAN D， KLASEN S， HUBACEK K， et al. Determinants of stagnating carbon intensity in China[J]. Nature climate change， 2014， 4（11）：1017-1023.

[31]CANSINO J M， ROMAN R， RUEDACANTUCHE J M. Will China comply with its 2020 carbon intensity commitment？[J]. Environmental science & policy， 2015， 47：108-117.

[32]STERN D I， JOTZO F. How ambitious are China and Indias emissions intensity targets？[J]. Energy policy， 2010， 38（11）：6776-6783.

[33]CASELLI F. Accounting for crosscountry income differences[J]. LSE research online documents on economics， 2005， 1（5）：679-741.

[34]JONES C I. Sources of US economic growth in a world of ideas[J]. American economic review， 2002， 92（1）：220-239.

[35]BARRO R J， LEE J W. International data on educational attainment： updates and implications[J]. Oxford economic papers， 2001， 53（3）：541-563.

[36]李善同. “十二五”時(shí)期至2030年我國(guó)經(jīng)濟(jì)增長(zhǎng)前景展望[J]. 經(jīng)濟(jì)研究參考， 2010（43）：2-27. [LI Shantong. Prospect of Chinas economic growth from the ‘Twelfth FiveYear Plan to 2030[J].Review of economic research， 2010（43）：2-27.]

[37]李平， 婁峰， 王宏偉. 2016—2035年中國(guó)經(jīng)濟(jì)總量及其結(jié)構(gòu)分析預(yù)測(cè)[J]. 中國(guó)工程科學(xué)， 2017， 19（1）：13-20. [LI Ping， LOU Feng， WANG Hongwei. Analysis and forecast of Chinas total economy and its structure from 2016-2035[J] Engineering sciences， 2017， 19（1）：13-20.]

[38]KRUGER M. How fast can China grow？ the Middle Kingdoms prospects to 2030[R]. 2016.

[39]SRERN D I. Modeling international trends in energy efficiency and carbon emissions[D]. Sydney： Australian National University， 2010.

Abstract To explore the possible paths for achieving intensity reduction targets and the feasibility of each route， based on the stochastic frontier analysis model of energy efficiency， the maximum likelihood method was used to estimate the average energy efficiency of 84 countries from 1971 to 2014. In view of this model， we comprehensively considered five factors： energy structure， economic structure， human capital， capital stock， and potential energy efficiency. Using forecast data on the factors from authoritative sources， we have modeled 96 scenarios on the effects of each single factor and their combinations， and systematically analyzed the results of carbon intensity reduction in China along each possible path， and the efforts required to achieve the reduction target. It is found： first， increasing the potential energy efficiency makes the greatest contribution to the target， which are unlikely to be achieved through adjusting any single one of the five factors； second， to hit its target， China needs to optimize its energy structure （the fossil fuel ratio must be lower than 80%， and its average growth rate must be decreased by 2.2%）， economic structure （the service sector GDP ratio must be higher than 60.4%， while the growth rate of nonservice sectors must be lowered by 2.4%）， human capital and capital stock （both of which must maintain stable growth）， and potential energy efficiency （which needs 1% increase）. Based on the above studies， the following policy recommendations are given： first， continuously improving energy efficiency through technological innovation and innovation in energy market mechanisms； second， accelerating the upgrading of the industrial structure and reducing the carbon emissions from production and living； third， continuously optimizing the national energy structure and promoting the reduction of source emissions； fourth， providing a stable and reasonable development space for human capital and capital stock， and providing essential support for carbon emission reduction.

Key words carbon intensity reduction； emission reduction target； path design； feasibility study； stochastic frontier analysis