







關鍵詞:碳減排政策;政策評價;PMC指數模型;長三角
中圖分類號:G203 文獻標識碼:A DOI:10.3969/j.issn.1003-8256.2024.06.009
截至2021年,全球已有超130個國家提出2050年實現碳中和,綠色低碳發展成為世界各國的普遍共識[1]。2020 年9 月,習近平總書記在第七十五屆聯合國大會一般性辯論的講話中提出“力爭于2030年前達到峰值,努力爭取2060 年前實現碳中和”。這是2015年巴黎氣候變化大會提出2030碳達峰目標以來,我國首次在國際社會上明確提出“雙碳”目標,標志著正式從“兩型社會”邁向“雙碳”時代。2021年10月,中共中央、國務院相繼印發《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》(簡稱《意見》)和《2030年前碳達峰行動方案》(簡稱《方案》),明確提出到2030年,單位國內生產總值二氧化碳排放比2005年下降65% 以上。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》首次將實現“雙碳”目標寫進國家發展規劃綱要,在“十四五”規劃期內,二氧化碳排放降低18%。這一系列黨和國家關于“雙碳”的政策論述,表明頂層設計層面對于碳減排問題的關注,同時也為關于碳減排政策評價的研究指明了方向。
中共中央、國務院印發的《意見》和《方案》中明確指出,京津冀、長三角、粵港澳大灣區等區域要在綠色低碳發展中發揮高質量發展動力源和增長極作用。可見城市群區域在國家碳達峰碳中和頂層設計中的重要戰略定位,成為了碳達峰碳中和的重點區和責任區。將低碳發展理念和區域發展戰略相融合,依托城市群的協同效應將有助于“雙碳”目標的實現[2]。雖然目前也有一些研究探討了城市群區域碳減排效應,但尚未對城市群碳減排政策本身的合理性和效果展開針對性研究,也未能使用科學、簡潔的評價方法來探討城市群碳減排政策的優缺點[3-4],尤其是在“雙碳”目標背景下,城市群區域碳減排政策存在哪些不足?下一步應該采取哪些更新和優化措施?這些問題需要進一步探索。
而長三角城市群是生態綠色一體化發展示范區,碳達峰、碳中和是其制度創新的重點領域。因此,本研究以“十二五”以來長三角三省一市碳減排政策文件為研究對象,運用內容分析法構建長三角城市群區域碳減排政策評價標準體系,借助PMC指數模型對長三角城市群區域碳減排政策展開多維度評價,以期豐富城市群碳減排政策評價的方法,更準確地發現已有政策中存在的問題,總結經驗為城市群碳減排政策優化提供參考。
1 文獻綜述
碳減排政策是關于減少二氧化碳等溫室氣體排放量的一系列政策,是應對全球氣候變化的重要手段,在保持經濟發展和減少碳排放平衡方面發揮著重要的指引作用。這類政策旨在通過運用各種政策工具消除阻礙二氧化碳排放降低的各種障礙,引導和支持相關主體積極采取措施響應碳減排政策推動“雙碳”目標的實現。現有關于政策評價、碳減排政策的相關文獻為本研究奠定了理論基礎。
1.1 政策評價研究
政策評價是政策運作過程中的關鍵環節,可以確認或推斷政策利弊,是合理配置政策資源、有效檢驗政策效果的依據,為政策調整提供重要參考[5-6]。實證本位的社會實驗和數理統計方法,以及規范本位的訪談、參與式觀察、內容分析,都是公共政策評價的常用方法[7-8]。例如,Martin 和Sanderson[9]以英國的最佳價值試點項目為例,說明了社會實驗政策評價方法在推動政策制定過程中發揮的作用及存在問題。黃萃等[10]運用內容分析方法對我國國家層面頒布的42份風能政策進行量化分析。
隨著公共政策研究的深入,政策評價的范圍更加全面和科學,方法論上也日漸強調定性和定量研究的綜合[7]。這推動了政策文本實證研究方法的發展,它結合了定性研究和定量研究的優勢,可以對政策文本內容進行全面客觀的評價,對于打開政策制定的“黑箱”具有重要意義[11]。早期的政策文本實證研究主要聚焦概念解讀,對政策文本中的高頻詞和主題詞進行量化分析[10,12]。雖然在評價內容、范圍、標準、方法等方面一直加以改進,試圖使其更加全面、科學和規范[13-14],但是大多數評價內容依舊是依托人為對政策文本本身加以判斷,具有主觀性。
2010年,Estrada[15-16]基于笛卡爾空間應用和Omni Mobis(萬事萬物都是運動的)假設提出了政策一致性(PMC)指數模型,創新了政策文本實證評價方法。該方法從多維的角度判斷政策的一致性,通過構建PMC曲面圖,可以直接觀察政策文本的優缺點[15]。2015年,張永安等將PMC 指數模型引入我國政策評價研究領域,根據中國的實踐情況對政策評價相關指標加以改進,初步構建起了一套適合中國國情的政策評價指標體系,并對我國的創新政策、房地產政策、網約車政策、新能源汽車補貼政策等展開探索性研究[17-21]。
綜上所述,關于政策評價的研究較為完善,提供了豐富的政策評價方法。與現有的綜合評價方法相比,PMC 指數模型更具針對性和可操作性,能較好地彌合其他政策定量評價方法的缺陷,總體上避免了政策評價過程中的主觀性,能提高政策評價的準確性。
1.2 碳減排政策研究
以往關于碳減排政策的研究主要集中在使用內容分析、雙重差分、合成控制等方法從政策工具視角對碳減排政策的減排效果進行定量定性分析。例如,羅敏和朱雪忠[22]嘗試將政策工具理論引入低碳政策領域,使用內容分析法對1992—2013年間的三類低碳政策工具(規制型、經濟激勵型、社會型)進行量化分析。王慧英和王子瑤[23]通過構建PSM-DID模型,探析了碳排放權交易試點政策的碳減排效應。劉傳明等[24]使用合成控制法,運用省級面板數據考察了碳排放權交易政策的減排效果,研究發現該政策實現了碳減排,但是在碳減排效果上存在差異。石敏俊等[25]使用CGE模型,模擬分析了碳排放交易、碳稅及二者復合政策情境下的減排效果差異。趙小凡等[26]評估了“十二五”以來行政命令控制政策(目標責任制和淘汰落后產能)的作用機制和有效性。
部分研究關注到畜牧業、能源、交通、消費等具體領域碳減排政策的演變過程和效果。陳秋紅和張園園[27]運用ROSTCM工具對我國改革開放以來的452份畜牧業碳減排政策進行量化分析,從政策定位、政策工具和政策內容等方面描述了其演進過程和內在邏輯。劉強等[28]通過構建政策模擬模型,從參考、低碳和強化低碳三種情景出發評估了我國電力行業碳減排政策的減排效應。馮相昭和蔡博峰[29]通過構建低碳政策矩陣,比較分析了新能源汽車、燃油稅等道路交通系統碳減排政策的減排效果。趙立祥和王麗麗[30]系統地比較分析了碳稅、個人碳交易和補貼三項消費領域碳減排政策的效果。
近年來,一些學者開始嘗試使用PMC 指數模型對國家層面的碳減排政策效果展開評價。趙立祥和湯靜[31]使用Python 和LDA 算法對三類碳減排政策(行政控制、碳排放權交易和碳稅)文本進行深度挖掘,通過構建PMC 指數模型,對三類政策手段進行量化比較,研究發現行政控制手段的結果不理想,碳排放權交易最優,碳稅良好。朱震和盧春天[32]運用PMC 指數模型對“十三五”以來國家層面的15 項單項碳減排政策進行量化分析,研究發現15 項政策可劃分為三個等級(完美、優秀、可接受),分別有1 項、6 項和8項。
綜上所述,目前關于碳減排政策的相關研究已經取得了豐富成果。現有研究多從政策手段和政策領域等角度出發,綜合運用內容分析、雙重差分、合成控制、層次分析等定性定量方法對碳減排政策進行實證研究,主要集中在行政控制、經濟激勵和社會動員等政策工具對碳減排的政策效應、碳減排政策演進規律和內在邏輯、碳減排影響效果差異等內容。但是關于碳減排政策效果評價的研究還處于初步探索階段,較少有文獻從政策本身出發去比較其內部的優缺點,更鮮有文獻對城市群區域碳減排政策進行量化研究。
基于此,本研究試圖從政策制定本身出發,將PMC指數模型與政策內容分析方法相結合,對“雙碳”目標背景下的長三角城市群區域碳減排政策本身的合理性和一致性進行分析,既可以發現城市群推動碳減排的政策整體設計情況,又可以從比較分析視角探析城市群區域內部各省市碳減排政策的優缺點,使評價更具針對性和有效性,以期為區域協同降碳增效政策優化和創新提供理論參考,為長三角城市群協同合作助推“雙碳”目標實現提供政策建議。
2 研究設計
2.1 政策文本選擇與篩選
本研究主要搜集了“十二五”以來長三角三省一市的碳減排政策。為了確保政策樣本選取的全面性和科學性,遵循以下步驟:首先在城市群所含4個省市的政府官方網站以“碳達峰”“碳中和”“低碳”“減碳”“降碳”“碳排放”“氣候變化”“溫室氣體”“節能減排”“生態環境”“循環經濟”作為關鍵詞進行檢索;與此同時在“北大法寶”政策數據庫中以相同關鍵詞再次進行檢索,作為政策數據的補充;政策檢索時間截至2022年5月26日。然后通過政策文本研讀對政策文本進行篩選,剔除目錄類、評審類、技術征集與推廣類等政策內容過于單一的政策文本,得到與碳減排主題最相關且現行有效的42份政策文本,建立了“長三角城市群區域碳減排政策文獻數據庫”。
2.2 模型構建
PMC指數是一個評價政策模型研究論文一致性的單一指標。近年來,PMC 指數模型在我國政策評價研究領域得到廣泛應用,在碳減排政策研究領域也出現探索性研究,為本研究提供了堅實的方法論基礎。該指數模型主要包括四個基本步驟[15]:變量和參數的選擇及設置;多投入產出表的建立;PMC指數的測算及PMC曲面圖的繪制。
2.2.1 變量選取與參數設置
將42份政策文件導入ROSTCM6.0軟件,通過政策文本合并、分詞處理、詞頻統計等步驟提取出前500個高頻詞匯,再剔除“加快、強化、大力”等沒有實際意義的干擾性詞匯,最終得到412個有效高頻詞,整理出前40個高頻詞匯(見表1)。
變量選取和參數設置是構建PMC 指數模型的關鍵環節,需深度挖掘政策文本內容。因此,本研究借助Nvivo11 軟件對412 個有效高頻詞進行編碼,結合碳減排政策相關文獻和政策文本內容提取二級變量,為一級變量的設置提供依據,形成編碼表(見表2)。
現有根據高頻詞提取的變量尚不足以對城市群區域碳減排政策展開量化評價,有的變量無法從高頻詞中提取,比如政策性質、政策時效這類變量就較難通過詞頻加以判斷。因此參考趙立祥等[31]、張永安等[21]的研究增設4個一級變量,最終形成9個一級變量和41個二級變量,構建碳減排政策評價標準體系(見表3)。為客觀反映不同省市存在的差異,對部分二級變量的評估標準進行了差異化設置,如政策類型變量中的3個二級變量存在明顯的效力層次差異,有的碳減排政策屬于發展規劃類,有的則是實施意見或通知,就不能簡單地用0、1 變量進行區分,參考成全等[33]、宋瀟等[34]、杜寶貴等[35]的研究對其進行賦值。
根據政策評價標準體系構建如圖1所示的長三角城市群區域碳減排政策評價框架,旨在說明政策評價工具的可行性和變量間關系。不同的變量在城市群碳減排政策中有不同的含義,但變量間密切相關,共同影響某一項碳減排政策。長三角城市群碳減排政策支持和引導著區域低碳發展,政策的有效性和適用性將受到政策性質、政策時效、政策主體、作用對象的影響。在評價政策執行實施效果之前,更重要的是評價政策本身的依據是否充分、目標是否明確、內容是否詳實,是否使用了多樣化的政策工具提供保障。一項結構合理的碳減排政策為政策實施提供行動指南,有助于政策目標實現。
2.2.2 多投入產出表的建立
多投入產出表是一個數據分析框架,可以從多個維度設置數量不限的二級變量來量化一級變量,通過存儲大量數據從整體上反映一項政策的演變[15]。本研究結合長三角城市群區域碳減排政策的特點和相關變量構建了由9個一級變量和41個二級變量組成的多投入產出表(見表4)。
2.2.3 PMC指數計算
PMC指數等于所有一級變量結果之和。計算步驟如下:首先,將一級變量、二級變量放入多投入產出表中;其次,根據公式(1)(2)計算二級變量的具體數值;然后,根據公式(3)計算一級變量的具體數值;最后,根據公式(4)對各項政策的一級變量求和得到最終的PMC指數。
由于本文設置的一級變量有9個,所以計算得到的PMC 取值在0~9 之間,根據Estrada[15]的評價標準,將PMC指數計算的結果劃分為4個等級。若PMC指數得分區間為[0,4),則政策評價等級為不良;PMC 指數得分區間為[4,6),則政策評價等級為可接受;PMC 指數得分區間為[6,8),則政策評價等級為優秀;若PMC指數得分區間為[8,9],則政策評價等級為完美。PMC指數的數值越大則政策評級越高。
2.2.4 PMC曲面繪制
PMC曲面建立在PMC指數基礎上,以立體圖像的形式將PMC指數可視化,可以更為直觀地呈現各項政策在各個變量維度上的優缺點。構建PMC曲面首先需要根據所得的PMC指數構建PMC矩陣。本文設定了9個一級變量,因此可以形成一個3×3的矩陣,然后根據公式(5)計算繪制PMC曲面。
3 基于PMC指數模型的量化評價
3.1 樣本政策的選取
基于以上政策評價標準體系,從42份政策文件中,篩選出8 項政策作為評價樣本(表5)。篩選的標準如下:首先,由于研究的是“雙碳”背景下的城市群碳減排政策評價,因此政策文本的選取遵循兩個原則,一是在內容上與碳減排、“雙碳”相關性較高,二是在時間上需是在“雙碳”目標提出之后,也就是政策頒布時間需是2020年9月22日之后;其次,研究區域是長三角三省一市,從每個省市各選取2份代表性政策文件。綜合以上標準,最終確定8份樣本政策。
3.2 PMC指數計算
根據城市群區域碳減排政策評價標指標體系(表3)對評價對象的二級變量進行賦值,建立多投入產出表(表6)。按照以下步驟計算城市群區域碳減排政策的PMC指數:首先,對于X1到X7七個一級指標的測算,根據二級指標的評價標準,凡政策文本信息符合該項評價標準的為1,否則為0;其次,由于X8和X9兩個一級指標下的二級指標存在程度差異和具有排他性,因此這兩個一級指標則根據程度差異進行賦值,如上海市碳減排政策由上海市人民政府以實施意見形式下發,因此上海市在這兩項一級指標的值分別等于表3中的X8:2和X9:1 ;最后,計算完一級變量之后,對所有一級變量值求和得到某一項碳減排政策的PMC指數,見表7。
3.3 PMC曲面圖繪制
為進一步直觀立體地呈現各項政策在各個變量維度的優缺點,將9個一級變量導入3×3的矩陣,繪制長三角城市群區域碳減排政策的曲面圖。根據PMC指數得分,除展示8項政策的平均PMC曲面(圖2),另從三省一市中分別選取一項政策進行曲面圖展示(圖3),分別是評級為可接受的P2、評級為完美的P4、評級為優秀的P5、評級為不良的P8。曲面的凸面表示相對應的一級變量得分較高,凹面表示相對應的一級變量得分較低。曲面越平滑則政策的一致性水平越高,政策在內容結構各方面的設置較為均衡;曲面越崎嶇則政策的一致性水平越低,政策的內容和結構差異化水平越高。據此可以通過曲面的凹凸情況,判斷某項政策的內部一致性水平和結構合理程度。
4 評價結果分析
表7中展示了八項“雙碳”目標背景下長三角城市群區域碳減排政策的PMC指數、排序和政策評級,可以從縱向和橫向比較分析各項政策的一級指標得分和各一級指標在各項政策中的分布。圖2是長三角三省一市碳減排政策的平均PMC曲面圖,可以考察城市群區域內部整體的碳減排政策的合理性和效果。圖3是三省一市不同評級代表性碳減排政策的PMC曲面圖,可以直觀地比較出各評價政策的優缺點。
4.1 政策整體特征
根據PMC指數,“雙碳”目標背景下長三角城市群的8份碳減排政策可劃分為4個等級:1份完美級政策,5份優秀級政策,1份可接受政策,1份不良政策。從平均水平來看,PMC指數均值為6.46,政策整體處于優秀水平,質量較好。
從各一級變量的平均值來看,政策依據(X1)、政策目標(X2)和政策時效(X7)3 個一級變量的得分均值較低,變量的性能較差;政策工具(X3)、政策內容(X4)、作用對象(X5)、政策性質(X6)、政策類型(X8)和政策主體(X9)6 個一級變量得分均值較高,變量的性能相對較好。其中,作用對象(X5)和政策性質(X6)兩個一級變量得分均值最高。前者有4項政策取得滿分,包含針對區域、園區、產業、政府、企業和社會對象的政策內容;后者有5項政策取得滿分,涵蓋了預測、監督、建議、支持和引導方面的內容。政策目標(X2)和政策時效(X7)兩個一級變量得分均值低于平均值,從政策目標(X2)來看,各項政策的得分從0到1不等,從二級變量來看,較多政策未涉及“循環經濟發展”和“能源低碳轉型”。在政策時效(X7)上,由于“雙碳”目標2020年才提出,大多數地方都處于初步探索服務于“雙碳”目標實現的碳減排政策,大部分政策都尚未涉及中長期內容。政策依據(X1)、政策目標(X2)、政策工具(X3)、政策內容(X4)、政策時效(X7)和政策類型(X8)這6個一級變量的得分差異較大,是評價“雙碳”目標背景下長三角城市群區域碳減排政策的主要指標。
根據PMC曲面圖,“雙碳”目標背景下長三角城市群區域碳減排政策的一致性水平較高,總體結構較為合理,而且政策評級越低曲面的凹凸幅度越大。從圖2可知,長三角城市群區域碳減排政策的平均PMC曲面較為平滑,表明長三角三省一市碳減排政策整體上內部的一致性水平較高,結構比較合理。由圖3可知,長三角城市群內部各省市之間的碳減排政策差異較大,隨著政策評級的降低,政策曲面的凹凸幅度增大,政策的內部一致性水平呈下降趨勢,結構的不合理程度也越高。
4.2 各省市的政策評價
進一步根據政策評級結果,結合長三角三省一市的PMC投入產出表,對碳減排政策的具體情況分析如下。
P1和P2是上海發布的政策,PMC指數分別是6.21和5.49,PMC指數評級為優秀和可接受,在8項政策中分別排名第六和第七。如圖3(a)所示,P2的曲面圖呈“山脊”形狀,曲面的凹凸幅度比較大,政策的一致性水平較低和結構差異水平較高。雖然上海出臺了金融領域服務“雙碳”目標的政策,但是缺乏頂層設計政策,整體上看對碳減排、循環發展、能源低碳轉型方面的政策目標覆蓋不足,行政規制、經濟激勵和社會動員方面的政策工具都尚不全面,由此拉低了PMC指數,導致整體得分偏低,排名靠后。
P3和P4是浙江發布的政策,PMC指數分別是7.75和8.03,PMC指數評級為優秀和完美,在八項政策中分別排名第三和第一。如圖3(b)所示,P4的曲面圖較為平滑,而且整體上處在得分較高的位置,政策的內部一致性水平非常高,結構也較為合理。P3和P4在政策內容(X4)、作用對象(X5)、政策性質(X6)、政策時效(X7)4個一級變量上都表現突出。此外,P4在政策目標(X2)和政策主體(X9)兩個一級變量上取得滿分,從頂層設計層面為今后短期、中期和長期的全省碳達峰、碳中和工作制定了明確的目標、詳實的內容和科學的方案,從整體上拔高了PMC指數。
P5和P6是江蘇發布的政策,PMC指數分別是7.92和6.46,PMC指數評級均為優秀,在八項政策中分別排名第二和第五。排名第二的P5和排名第一P4的PMC指數得分十分接近,而且從圖3(c)和圖3(b)也可看出,P5和P4的曲面形態十分類似,說明二者的政策一致性水平都十分高。差別體現在政策內容(X4),P5缺少“區域合作”的內容。長三角城市群有其獨特的區位優勢和資源稟賦,相較于單個城市而言,城市群跨區域間的交流合作能夠更有效推動碳減排[36]。因此區域合作應該成為“雙碳”背景下長三角城市群碳減排政策中的一項重要內容。
P7和P8是安徽發布的政策,PMC指數分別是6.82和3.01,PMC指數評級為優秀和不良,在八項政策中分別排名第四和第八。P8除了政策依據(X1)得分為1,其余8個一級變量得分分布在0~0.5之間,變量性能較差。尤其是在政策目標(X2)上得分為0。如圖3(d)所示,P8的曲面呈“丘陵”形狀,而且整體處于得分較低位置,表明政策結構不合理,具有較大的改善空間。具體而言,安徽省目前只從組織領導層面對服務“雙碳”目標實現作出統籌,尚未出臺頂層設計政策,針對具體領域(例如金融、科技、電力等)的碳減排政策也尚未制定,拉低了安徽省的PMC指數,整體得分是三省一市中最低的。
5 結論與建議
5.1 研究結論
長三角城市群是國家區域發展重大戰略,是生態綠色一體化發展示范區,評價長三角三省一市碳減排政策效果對“雙碳”目標背景下區域協同降碳具有重要參考價值。本研究基于“十二五”以來三省一市的碳減排政策,從政策依據、政策目標、政策工具、政策內容、作用對象、政策性質、政策時效、政策類型和政策主體9個維度構建了長三角城市群區域碳減排政策評價標準體系,運用內容分析法和PMC指數模型計算得出長三角城市群區域碳減排政策評價PMC指數,選取具有代表性的政策繪制PMC曲面圖,分析了這些政策的優缺點。
根據PMC指數評級結果可知,“雙碳”目標背景下長三角城市群三省一市碳減排政策可劃分為4個等級,平均水平為優秀。整體上看政策一致性水平較高,政策結構總體設計合理,政策體系較為成熟。但是區域內部各省市間差距較大,浙江和江蘇在長三角城市群“碳達峰”“碳中和”中走在前列,上海缺乏頂層設計政策,安徽還存在較大改善空間。而且由于每項政策是從不同的層面和領域關注碳減排,因此評價分析過程比較困難。從PMC指數的9個一級變量的平均水平來看,呈現作用對象(X5)=政策性質(X6)gt;政策主體(X9)gt;政策工具(X3)gt;政策內容(X4)gt;政策類型(X8)gt;政策依據(X1)gt;政策時效(X7)gt;政策目標(X2)的特征,整體上看政策在作用對象(X5)和政策性質(X6)方面的內容是最完備的。
長三角城市群碳減排政策也存在一些共同的弱點。一是政策目標方面,表現為循環發展和能源低碳轉型目標尚未完全覆蓋;二是政策工具方面,表現為對經濟激勵型政策工具和社會動員型政策工具的忽視;三是政策內容方面,尚未能表現出對區域合作的重視;四是政策時效方面,表現為較少涉及5年以上的長期內容。
5.2 政策建議
研究結論對長三角城市群區域碳減排政策更新和優化具有重要指導意義,考慮從區域協同合作、政策網絡、政策工具等方面提出優化“雙碳”目標背景下長三角城市群區域碳減排政策的建議。
一是加強區域間協同合作。首先,加快構建長三角城市群碳達峰碳中和協同合作管理體系,加強三省一市在低碳能源、低碳產業、低碳交通、低碳市場、低碳社會等方面的一體化發展,促進城市間的低碳資源流動和要素配置,發揮城市群區域的集聚效應,統籌城市群區域內的碳流動、碳平衡和碳合作。其次,根據全國統一大市場決策部署,加快推進上海全國碳排放交易機構建設,開展長三角區域碳市場一體化建設工作。然后,在碳金融領域,一方面,充分利用上海的國際金融中心地位,加快推動三省一市政府共同發起設立“長三角綠色發展基金”;另一方面,推動長三角城市群碳普惠機制建設和互認對接,探索區域內相互認可的核證減排量,借助低碳金融協同合作助力長三角城市群區域“雙碳”目標實現。
二是優化碳減排政策工具組合。碳減排政策工具是實現“雙碳”目標的重要手段。一方面,積極推動以目標責任制和淘汰落后產能為主的行政控制型政策工具向碳稅和碳市場為主的經濟激勵型政策工具轉變,在政策制定過程中充分彰顯碳交易(碳排放權交易、自愿減排交易)在碳減排中的核心政策工具作用,進一步發揮稅收、財政等政策工具的調節支持作用,形成碳減排長效機制。另一方面,要更多地使用社會動員型政策工具,完善自愿減排措施,形成政府牽頭、企業主導的協同降碳局面,盡可能多地吸引社會力量(社會組織、行業協會、基金會等)參與自愿減排;與此同時,加大綠色低碳理念的宣傳力度,增強公眾的節能降碳意識,踐行低碳生活行為。
5.3 研究展望
本研究從長三角城市群區域碳減排政策文本本身出發構建評價標準體系,較為客觀地分析了“雙碳”目標背景下長三角城市群三省一市碳減排政策的優缺點,但還存在一定的局限性。首先,從研究方法來看,雖然PMC 指數模型在一定程度上減少了評價的主觀性,但是在政策篩選、變量設置和參數識別的過程中不可避免摻雜個人偏好。其次,從研究內容來看,本文主要研究的是長三角城市群區域碳減排政策,嘗試通過評價長三角三省一市的碳減排政策來綜合看待區域內碳減排政策效果,評估結果的針對性和效果可能存在爭議。因此,在未來的研究中,可以通過擴大政策選取范圍,對多個城市群的碳減排政策效果進行比較分析,進一步明晰城市群區域碳減排政策差距,據此提出更為全面的改進措施。此外,還可以在本文政策文本評價得出的一般結論下,重點關注政策實施后實踐中低碳案例的特殊性,結合本文提煉出的長三角城市群區域碳減排評價變量,運用多案例比較方法,進一步考察政策實施效果。