中國(guó)城市碳達(dá)峰路徑分析報(bào)告目錄TOC\o"1-3"\h\u1141中國(guó)城市碳達(dá)峰路徑分析報(bào)告 1215961.1情景分析及參數(shù)設(shè)定 1196841.1.1情景分析 1215701.1.2參數(shù)設(shè)定 2118361.2城市碳達(dá)峰模擬結(jié)果分析 2182411.2.1動(dòng)態(tài)模擬方法選擇 2250291.2.2動(dòng)態(tài)模擬結(jié)果分析 446531.3未達(dá)峰城市路徑研究 8120441.3.1研究方法 811111.3.2變量設(shè)計(jì)與數(shù)據(jù)說(shuō)明 977251.3.3定性比較分析 10274491.3.4組態(tài)路徑分析 121.1情景分析及參數(shù)設(shè)定1.1.1情景分析本文將應(yīng)用情景分析法對(duì)不同類型城市碳排放峰值進(jìn)行預(yù)測(cè)。通過(guò)查閱相關(guān)文獻(xiàn)資料，并根據(jù)現(xiàn)有城市碳排放現(xiàn)狀和第四章有關(guān)碳排放影響影響因素分析結(jié)果，本文將人口規(guī)模因素、經(jīng)濟(jì)發(fā)展結(jié)構(gòu)因素、能源結(jié)構(gòu)、技術(shù)水平等因素考慮?；诖吮疚膶⒃O(shè)計(jì)基準(zhǔn)情景模式對(duì)城市2020-2030年的碳排放量進(jìn)行預(yù)測(cè)。在BAU情景中，根據(jù)國(guó)家“十四五”規(guī)劃確定2021-2025年期間因素的年變化率，大多數(shù)因素的趨勢(shì)略有下降。基準(zhǔn)情景模式將以低速情景模式的設(shè)定為基礎(chǔ)，在推行“十四五”節(jié)能減排政策過(guò)程中，繼續(xù)加大政策落實(shí)力度，逐步開(kāi)展低碳經(jīng)濟(jì)建設(shè)。初期階段能源消費(fèi)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、能源消耗強(qiáng)度等因素將以節(jié)能模式下的設(shè)定為參照。隨著時(shí)間推移，逐步強(qiáng)化低碳發(fā)展，比如改善能源消費(fèi)結(jié)構(gòu)、加快降低碳排放強(qiáng)度、注重可持續(xù)發(fā)展等，反映在節(jié)能模式基礎(chǔ)上深化低碳發(fā)展。1.1.2參數(shù)設(shè)定根據(jù)擴(kuò)展后的STIRPAT模型，分析各城市碳排放受能源消費(fèi)結(jié)構(gòu)、人均GDP、碳排放強(qiáng)度、人口數(shù)量、城市化率、能源強(qiáng)度等因素影響。本文將各影響因素未來(lái)發(fā)展趨勢(shì)設(shè)置基準(zhǔn)發(fā)展情景。以下將對(duì)各影響指標(biāo)參數(shù)設(shè)定做具體說(shuō)明：人均GDP因素。2011-2019年各城市人均GDP年均增長(zhǎng)1.4%，借鑒等研究將基準(zhǔn)設(shè)定GDP基準(zhǔn)速率為5%，人口因素。盡管2016年起我國(guó)陸續(xù)出臺(tái)“二孩”與“三孩”生育政策,但寬松生育政策甚至完全放開(kāi)生育對(duì)人口增長(zhǎng)作用不明顯,多重?fù)狃B(yǎng)壓力與新冠肺炎疫情影響下生育率將維持縮減態(tài)勢(shì)。依據(jù)2011-2019年中國(guó)人口數(shù)量年平均增長(zhǎng)0.51%,借鑒Chen等研究及預(yù)測(cè)，將基準(zhǔn)情形下城市人口增長(zhǎng)率設(shè)定為0.5%。城市化率因素。鑒于中國(guó)城市化進(jìn)程相對(duì)緩慢，通過(guò)計(jì)算設(shè)定碳排放強(qiáng)度因素。2011-2019年碳排放強(qiáng)度年平均下降約6%，“十四五”規(guī)劃明確指出考慮到發(fā)展低碳技術(shù)與節(jié)能減排在未來(lái)仍是各城市的重點(diǎn)工作任務(wù)，借鑒等研究設(shè)定基準(zhǔn)情況下速率為7%，碳排放強(qiáng)度變化速率逐步走低。能源結(jié)構(gòu)因素。2011-2019年煤炭所占一次能源比重年平均下0.5%，考慮目前正積極開(kāi)發(fā)天然氣、太陽(yáng)能、生物質(zhì)能等清潔能源并且在“十四五”規(guī)劃中強(qiáng)調(diào)加大能源結(jié)構(gòu)調(diào)整力度，設(shè)定低速率下能源結(jié)構(gòu)年平均下降0.5%能源強(qiáng)度因素。1.2城市碳達(dá)峰模擬結(jié)果分析1.2.1動(dòng)態(tài)模擬方法選擇蒙特卡洛方法相較于一般情況下的情景分析法，可以更加全面地反映隨機(jī)性的特點(diǎn)，無(wú)論是符合特定概率的離散分布，或是已知參數(shù)的連續(xù)分布，都能夠適用于蒙特卡洛方法，正是這一特點(diǎn)，符合碳排放量及峰值預(yù)測(cè)的需要，保證預(yù)測(cè)結(jié)果更加全面且精確。蒙特卡洛方法又稱隨機(jī)抽樣技巧或統(tǒng)計(jì)試驗(yàn)方法，它是用來(lái)解決數(shù)學(xué)和物理問(wèn)題的非確定性的（概率統(tǒng)計(jì)的或隨機(jī)的）數(shù)值方法。因此MonteCarlo法（MCM），也稱為統(tǒng)計(jì)試驗(yàn)方法。它是用一系列隨機(jī)數(shù)來(lái)近似解決問(wèn)題的一種方法，是通過(guò)尋找一個(gè)概率統(tǒng)計(jì)的相似體并用實(shí)驗(yàn)取樣過(guò)程來(lái)獲得該相似體的近似解的處理數(shù)學(xué)問(wèn)題的一種手段。運(yùn)用該近似方法所獲得的問(wèn)題的解更接近于物理實(shí)驗(yàn)結(jié)果，而不是經(jīng)典數(shù)值計(jì)算結(jié)果。其具體運(yùn)算步驟如圖5-1所示：圖5-1蒙特卡洛模擬的運(yùn)算步驟以蒙特卡洛為核心的未來(lái)各城市碳排放達(dá)峰的情景分析，其主要是基于考慮不確定的動(dòng)態(tài)排放模型，通過(guò)賦予動(dòng)態(tài)排放模型各變量變化不同的概率和函數(shù)分布，重復(fù)抽樣多次并重新代入排放模型，從而對(duì)城市碳排放的基準(zhǔn)情景進(jìn)行動(dòng)態(tài)模擬，最終確定不同城市碳排放峰值與達(dá)峰時(shí)間的區(qū)間分布。其具體模型設(shè)計(jì)如下：其中：G—人均GDPU—城鎮(zhèn)化率I—技術(shù)因素C—能源結(jié)構(gòu)因素F—實(shí)際利用外商投資額E—能源強(qiáng)度P—人口因素1.2.2動(dòng)態(tài)模擬結(jié)果分析本文運(yùn)用OracleCrystalBall軟件進(jìn)行蒙特卡洛模擬，預(yù)估在基準(zhǔn)情景（BAU）下不同城市的碳達(dá)峰時(shí)間。各影響變量動(dòng)態(tài)仿真參數(shù)設(shè)計(jì)運(yùn)行300萬(wàn)次蒙特卡洛數(shù)值模擬，然后利用碳排放量計(jì)算公式得到未來(lái)預(yù)測(cè)的碳排放量概率分布。蒙特卡洛模擬動(dòng)態(tài)仿真分別給出了2020—2035年之間每隔5年各城市的碳排放量預(yù)測(cè)結(jié)構(gòu)及其概率分布。在仿真中，研究設(shè)置置信空間為90%，數(shù)據(jù)擬合趨近對(duì)陣正態(tài)分布，擬合平均標(biāo)準(zhǔn)誤差僅為0.01，擬合效果良好。受樣本數(shù)量影響，本文分別選取達(dá)峰年份位于2020-2025、2025-2030以及2030后的不同代表城市各選取4個(gè)城市為例，對(duì)蒙特卡洛模擬結(jié)果加以說(shuō)明。在2020—2025年實(shí)現(xiàn)碳達(dá)峰城市之中，以上海、南京、成都、廈門(mén)為例。在基準(zhǔn)情景設(shè)置下，根據(jù)蒙特卡洛動(dòng)態(tài)模擬結(jié)果顯示，上海于2025年實(shí)現(xiàn)碳排放達(dá)峰，其達(dá)峰總量為232.68萬(wàn)噸；南京于2021年實(shí)現(xiàn)碳排放達(dá)峰，其達(dá)峰總量為74.70萬(wàn)噸；成都位于2023年實(shí)現(xiàn)城市碳排放達(dá)峰，其達(dá)峰時(shí)碳排放總量為134.12萬(wàn)噸；廈門(mén)為2023年實(shí)現(xiàn)碳達(dá)峰，其達(dá)峰時(shí)總量為24.31萬(wàn)噸。圖5-1上海、南京成都、廈門(mén)碳排放趨勢(shì)模擬圖在2020—2025年實(shí)現(xiàn)碳達(dá)峰城市之中，以太原、合肥、珠海、嘉興為例。在基準(zhǔn)情景設(shè)置下，根據(jù)蒙特卡洛動(dòng)態(tài)模擬結(jié)果顯示，太原于2026年實(shí)現(xiàn)碳排放達(dá)峰，其達(dá)峰總量為43.82萬(wàn)噸；合肥于2028年實(shí)現(xiàn)碳排放達(dá)峰，其達(dá)峰總量為46.40萬(wàn)噸；珠海為2028年實(shí)現(xiàn)碳達(dá)峰，其達(dá)峰時(shí)總量為18.18萬(wàn)噸；蘭州位于2026年實(shí)現(xiàn)城市碳排放達(dá)峰，其達(dá)峰時(shí)碳排放總量為54.32萬(wàn)噸。圖5-2太原、合肥、珠海、蘭州碳排放趨勢(shì)模擬圖在2030年為未實(shí)現(xiàn)碳達(dá)峰的城市中，本文選取了沈陽(yáng)、烏魯木齊、包頭和唐山四個(gè)代表性城市為例，這幾類城市碳排放量一直處于波動(dòng)變化中，沒(méi)有明確的下降趨勢(shì)，其中如5-3（2）所示烏魯木齊雖然在2021年出現(xiàn)了峰值，但隨后幾年的未呈現(xiàn)明顯的下降趨勢(shì)，且在預(yù)測(cè)中，2030年左右，又有接近峰值的趨勢(shì)，因此烏魯木齊也未達(dá)到城市碳達(dá)峰的要求。圖5-3沈陽(yáng)、烏魯木齊、包頭、唐山碳排放趨勢(shì)模擬圖同理，本文基于蒙特卡洛動(dòng)態(tài)模擬結(jié)果分析，得出280個(gè)城市實(shí)現(xiàn)碳達(dá)峰的結(jié)果如表5-1所示如下，具體各城市的基準(zhǔn)情景下，2030年城市碳達(dá)峰空間分布狀況如圖5-4所示。表5-1基準(zhǔn)情境下不同城市實(shí)現(xiàn)碳達(dá)峰的時(shí)間分布達(dá)峰時(shí)間樣本數(shù)量樣本城市2020—2025年98個(gè)上海、廣州、廈門(mén)、南京、成都、青島、邯鄲、淄博、無(wú)錫、濟(jì)寧、吉林、柳州、蘇州、中山、金華、煙臺(tái)、吳忠、伊春、鶴崗、撫順、雞西、呼和浩特、天水、寧波、常州、嘉興、湖州、鎮(zhèn)江、揚(yáng)州、泰州、鹽城、淮安、麗水、惠州、佛山、東莞、泉州、福州、漳州、南昌、池州、金門(mén)、懷化、益陽(yáng)、永州、溫州、紹興、黃山、宣城、麗水、舟山、德陽(yáng)、瀘州…2026—2030年137個(gè)臨沂、珠海、杭州、合肥、濟(jì)南、煙臺(tái)、太原、蘭州、貴陽(yáng)、西安、西寧、哈爾濱、貴陽(yáng)、普洱、三亞、長(zhǎng)沙、湘潭、?？凇⑧嵵荨?030年后45個(gè)烏魯木齊、沈陽(yáng)、呂梁、烏海、六盤(pán)水、淮北、銀川、濱州、包頭、唐山、聊城、濰坊、晉城、鄂爾多斯、阜新、棗莊、撫順、臺(tái)州、榆林、連云港、江門(mén)、肇慶、蚌埠、徐州、阜陽(yáng)、南充、眉山、宜春、撫州、大理、德宏、大同、濮陽(yáng)、平頂山、商洛、宿州、泰安、通遼、菏澤、朔州、忻州、焦作、百色、防城港、新鄉(xiāng)圖5-4基準(zhǔn)情境下各城市實(shí)現(xiàn)碳達(dá)峰的空間分布1.3未達(dá)峰城市路徑研究基于蒙特卡洛模擬方法選擇，本文選取280個(gè)城市樣本中，有235個(gè)城市能在國(guó)家2030年碳達(dá)峰的目標(biāo)基準(zhǔn)前提下，實(shí)現(xiàn)城市碳達(dá)峰目標(biāo)。但對(duì)于該45個(gè)城市而言，在已有城市發(fā)展的基礎(chǔ)上，積極尋求城市碳達(dá)峰路徑成為該類城市迫切而現(xiàn)實(shí)的重大問(wèn)題。本文關(guān)于城市碳達(dá)峰的路徑研究將運(yùn)用定性比較分析方法(QCA)對(duì)基準(zhǔn)情景下未實(shí)現(xiàn)碳達(dá)峰路徑的城市的碳達(dá)峰路徑加以分析。1.3.1研究方法（1）QCA方法基本分析邏輯定性比較分析方法(QCA)是一種以案例研究為導(dǎo)向，以集合論和布爾代數(shù)運(yùn)算為基礎(chǔ)，探究多重并發(fā)條件下的因果復(fù)雜性現(xiàn)象。QCA方法是Ragin于1987年首次提出的一種以案例研究為導(dǎo)向的定性與定量相結(jié)合的研究方法。相較于傳統(tǒng)定量研究，它主要關(guān)注社會(huì)現(xiàn)象多重條件并發(fā)的誘因，且假定條件與結(jié)果變量之間存在非線性和可替代關(guān)系。QCA方法運(yùn)用的主要邏輯如下：定性比較分析基于不對(duì)稱關(guān)系。不對(duì)稱的關(guān)系在我們周圍很普遍。變量之間的不對(duì)稱通常被稱為邏輯“充分非必要”和“必要非充分”。相比于傳統(tǒng)回歸分析所描述的對(duì)稱關(guān)系，不對(duì)稱關(guān)系的適用范圍更廣；同時(shí)，不對(duì)稱性關(guān)系更能體現(xiàn)社會(huì)科學(xué)的特點(diǎn)。定性比較分析是關(guān)注路徑。大多數(shù)傳統(tǒng)的社會(huì)科學(xué)研究方法都集中在個(gè)體因素的影響上。比較定性分析有助于打破僵局—僅分析個(gè)別因素。因?yàn)樵谏鐣?huì)科學(xué)中，不可能將單個(gè)結(jié)果歸因于單個(gè)因子影響。在大多數(shù)情況下，這是由于幾個(gè)因素的綜合作用。定性比較分析的邏輯基于路徑分析，檢查產(chǎn)生結(jié)果的素的組合。當(dāng)然，這個(gè)邏輯特征還包括越來(lái)越大的因素，可分類為核心和輔助元素。（2）fsQCA方法的選擇QCA根據(jù)變量類型可分為csQCA(清晰集定型比較分析)、mvQCA(多值集定型比較分析)和fsQCA(模糊集定性比較分析)。csQCA分析用于一些可直接進(jìn)行二元?jiǎng)澐值母拍?，即無(wú)論條件變量還是結(jié)果變量，都是按照布爾邏輯0/1法則進(jìn)行賦值。該方法雖在一定程度上克服傳統(tǒng)定性研究較為主觀的缺陷，但其適用范圍非常有限。對(duì)于統(tǒng)計(jì)分析中經(jīng)常采用的定距變量，csQCA顯得束手無(wú)策；基于上述現(xiàn)實(shí)，通過(guò)引入隸屬度概念演化出了fsQCA，它突破csQCA局限，依據(jù)各個(gè)變量與理想值之間的相對(duì)位置在0-1之間進(jìn)行賦值；與fsQCA將變量的數(shù)值處理成隸屬度分?jǐn)?shù)不同，mvQCA則是在csQCA基礎(chǔ)上對(duì)變量數(shù)值進(jìn)行多分，該方法類似于量化研究中的定類變量。本文運(yùn)用fsQCA方法研究促使城市碳達(dá)峰的前因條件組合，找出促使某種結(jié)果發(fā)生的充分條件和必要條件，進(jìn)而尋求促進(jìn)城市碳碳達(dá)峰的核心因素和非核心因素，最重要的是得出影響因素對(duì)城市碳達(dá)峰的作用路徑。1.3.2變量設(shè)計(jì)與數(shù)據(jù)說(shuō)明(1)變量設(shè)計(jì)變量設(shè)計(jì)是QCA方法分析的關(guān)鍵步驟，研究以城市碳達(dá)峰作為結(jié)果變量，考到?jīng)]有直接指標(biāo)對(duì)城市碳達(dá)峰加以測(cè)度，因此本文借鑒林伯強(qiáng)等相關(guān)研究，以“減排效率”作為結(jié)果變量，減排效率越高，說(shuō)明其實(shí)現(xiàn)碳達(dá)峰的能力越強(qiáng)，越早能夠?qū)崿F(xiàn)碳達(dá)峰的目標(biāo)。由此，結(jié)合理論模型與第四章研究結(jié)果，本研究得出的條件變量和結(jié)果變量的說(shuō)明如表5-3所示。表5-3條件變量和結(jié)果變量說(shuō)明變量類別變量名稱變量說(shuō)明指標(biāo)結(jié)果變量減排效率碳排放強(qiáng)度年降低率SE條件變量城市化水平城鎮(zhèn)人口數(shù)量/城市總?cè)丝跀?shù)量UR城市綠化率城市綠地面積/城市總面積GC綠色創(chuàng)新能力有效發(fā)明專利數(shù)EI能源消費(fèi)效率工業(yè)增加值/能源消費(fèi)總量EP能源消費(fèi)結(jié)構(gòu)煤炭消耗量/能源總消費(fèi)量ERS貿(mào)易開(kāi)放程度外商直接投資額FDI（2）數(shù)據(jù)說(shuō)明本文研究的城市樣本為基于基準(zhǔn)情形預(yù)測(cè)下未實(shí)現(xiàn)2030年碳達(dá)峰的45個(gè)城市，數(shù)據(jù)來(lái)源主要為各城市統(tǒng)計(jì)年鑒?？紤]到fsQCA方法更適用于處理連續(xù)變量，本文借鑒江華、王曉靜等研究，根據(jù)2005-2019年各城市于樣本總體碳排放均值的大小比較結(jié)果，將樣本城市劃分為高、低城市碳排放組，具體包含樣本城市如5-4所示：表5-4高低碳排放城市組劃分結(jié)果組別城市數(shù)目包含城市高碳排放城市組19唐山、沈陽(yáng)、鄂爾多斯、濰坊、榆林、包頭、呂梁、榆林、銀川、大同、新鄉(xiāng)、東營(yíng)、濱州、六盤(pán)水、臺(tái)州、菏澤、聊城、平頂山、泰安低碳排放城市組26忻州、通遼、晉城、連云港、江門(mén)、阜陽(yáng)、焦作、撫順、烏海、濮陽(yáng)、烏魯木齊、宿州、朔州、阜新、宜春、肇慶、大理、蚌埠、南充、淮北、百色、撫州、眉山、德宏、商洛、防城港1.3.3定性比較分析（1）樣本描述性統(tǒng)計(jì)本研究采用SPSS軟件對(duì)樣本數(shù)據(jù)進(jìn)行了描述性統(tǒng)計(jì)分析，結(jié)果如表5-5所示：表5-5樣本描述性統(tǒng)計(jì)結(jié)果分析變量高碳排放城市組低碳排放城市組均值標(biāo)準(zhǔn)差均值標(biāo)準(zhǔn)差減排效率0.0420.3260.0530.436城市化水平0.5790.4480.6340.338城市綠化率0.3080.4610.3670.305綠色創(chuàng)新能力2676.5764547.3703247.4535782.669能源消費(fèi)效率0.7310.4260.7720.504能源消費(fèi)結(jié)構(gòu)0.6380.3130.5840.422貿(mào)易開(kāi)放程度1611.4262481.3642027.7333721.94從表3-2可以看出，本研究數(shù)據(jù)中減排效率、城市化水平、城市綠化率、綠色消費(fèi)效率、能源消費(fèi)結(jié)構(gòu)個(gè)變量分布較為均勻，綠色創(chuàng)新能力和貿(mào)易開(kāi)放程度在案例間分布不均勻，需要進(jìn)一步對(duì)數(shù)據(jù)加以校準(zhǔn)。（2）數(shù)據(jù)校準(zhǔn)QCA方法分析的是集合關(guān)系而非變量，QCA模糊集分析要求數(shù)據(jù)是0到1之間的連續(xù)值，需要對(duì)原始數(shù)據(jù)進(jìn)行校準(zhǔn)，評(píng)估變量在“完全隸屬”和“完全不隸屬”之間的隸屬程度。結(jié)合已有研究，本文選取每組變量數(shù)據(jù)的次最大值、剔除最大值和最小值后的均值、次最小值作為校準(zhǔn)“錨點(diǎn)”。本文“錨點(diǎn)”的選擇以及校準(zhǔn)后數(shù)據(jù)如表5-6、5-7所示。表5-6高碳排放組變量數(shù)據(jù)校準(zhǔn)結(jié)果變量名稱高碳排放城市組完全不隸屬點(diǎn)最大模糊點(diǎn)完全隸屬點(diǎn)減排效率0.0240.0530.175城市化水平0.0380.6980.936城市綠化率0.280.4260.564綠色創(chuàng)新能力2731.00013716.000102574.000能源消費(fèi)效率0.0840.8600.937能源消費(fèi)結(jié)構(gòu)0.1381.3386.903貿(mào)易開(kāi)放程度32.859160.9221568.665表5-7低碳排放組變量數(shù)據(jù)校準(zhǔn)結(jié)果變量名稱低碳排放城市組完全不隸屬點(diǎn)最大模糊點(diǎn)完全隸屬點(diǎn)減排效率0.0060.0540.074城市化水平0.0250.5850.626城市綠化率0.0160.4370.581綠色創(chuàng)新能力2447.50006367.500032243.000能源消費(fèi)效率0.1590.6010.815能源消費(fèi)結(jié)構(gòu)2.8781.31428.493貿(mào)易開(kāi)放程度0.29551.0302449.443（3）必要性分析定性比較分析方法是一種集合分析方法，主要分析條件變量或其組合是否構(gòu)成結(jié)果的必要條件或充分條件。在這里，本研究借鑒Fiss的研究，以一致性0.9作為檢驗(yàn)標(biāo)準(zhǔn)對(duì)單一變量進(jìn)行必要條件檢測(cè)。運(yùn)用fsQCA3.0軟件分別對(duì)兩組樣本數(shù)據(jù)進(jìn)行必要條件分析。依據(jù)表5-8對(duì)碳減排效率的必要條件分析結(jié)果顯示，高碳排放城市組一致性水平得分高于0.9以上的變量有能源消費(fèi)效率和能源消費(fèi)結(jié)構(gòu)，而對(duì)于低碳排放組來(lái)說(shuō)，尚未有一致性水平達(dá)到0.9以上的變量，這也說(shuō)明對(duì)該組城市而言，實(shí)現(xiàn)是多方面因素協(xié)同作用的結(jié)果，而非單一某要素所能決定的，因此需要進(jìn)一步探究條件變量之間的協(xié)同效應(yīng)。表5-8必要性分析高碳排放城市組低碳排放城市組一致性覆蓋度一致性覆蓋度SE0.48310.45570.61270.7094~SE0.72450.58410.52460.4645UR0.51840.41750.58240.5642~UR0.42980.39280.53070.7615GC0.60370.58320.49230.4689~GC0.71260.67990.66400.5827EI0.67040.61970.63040.5273~EI0.70350.52580.69460.4889EP0.90410.82190.81630.7937~EP0.64870.64870.64980.4395ERS0.91350.79680.88360.9217~ERS0.49730.53780.54870.4693FDI0.86280.87790.73650.6981~FDI0.59060.72540.66490.7356注：“~”表示邏輯運(yùn)算中的“非”。1.3.4組態(tài)路徑分析（1）高碳排放城市組態(tài)路徑分析根據(jù)必要性分析相關(guān)結(jié)果，在條件組態(tài)分析中，為避免必要條件對(duì)結(jié)果變量產(chǎn)生影響，因此篩選異質(zhì)性不小于0.9，覆蓋率不低于0.65，且組合數(shù)為2-3的條件組合分析，結(jié)果如下表5-9所示：表5-9條件組態(tài)分析結(jié)果條件組合一致性覆蓋度能源利用效率*能源消費(fèi)結(jié)構(gòu)1.00.7658能源利用效率*貿(mào)易開(kāi)放程度0.96540.6971能源消費(fèi)結(jié)構(gòu)*貿(mào)易開(kāi)放程度1.00.7403能源消費(fèi)效率*能源消費(fèi)結(jié)構(gòu)*貿(mào)易開(kāi)放程度1.00.8452高碳排放組中，能源利用效率、能源消費(fèi)結(jié)構(gòu)與貿(mào)易開(kāi)放程度均以核心條件出現(xiàn)，說(shuō)明三者是城市碳減排不可或缺的重要支撐條件。故本文依據(jù)構(gòu)型中核心條件之間的邏輯關(guān)系，將上述三條組態(tài)路徑歸納為“能源驅(qū)動(dòng)”型、“能源利用-外商投資協(xié)同驅(qū)動(dòng)”型和“能源利用-其它要素協(xié)同驅(qū)動(dòng)”型。具體分析如下：=1\*GB3①“能源驅(qū)動(dòng)”型該路徑條件構(gòu)型為“能源利用效率×能源消費(fèi)結(jié)構(gòu)”。其中能源利用效率發(fā)揮核心作用，能源消費(fèi)結(jié)構(gòu)起著重要的影響，該路徑可以解釋76%的城市樣本的高碳排放組碳減排效率提升。表示城市在選擇自身發(fā)展道路之時(shí)，要高度重視能源利用效率，通過(guò)綠色技術(shù)成果轉(zhuǎn)化等，在提高資源利用效率的同時(shí)也會(huì)減少二氧化碳的排放，加快綠色化改造，協(xié)同推進(jìn)低碳經(jīng)濟(jì)轉(zhuǎn)型，促進(jìn)城市碳減排。=2\*GB3②“能源利用-貿(mào)易開(kāi)放協(xié)同驅(qū)動(dòng)”型該路徑條件構(gòu)型為“貿(mào)易開(kāi)放程度×能源利用效率~能源消費(fèi)結(jié)構(gòu)×貿(mào)易開(kāi)放程度”。本路徑可以解釋74%城市樣本的高碳排放組碳減排效率，提升其中貿(mào)易開(kāi)放程度與能源利用效率為核心支撐條件，能源消費(fèi)結(jié)構(gòu)為邊緣輔助條件。貿(mào)易開(kāi)放程度可以改善投資結(jié)構(gòu)，可以通過(guò)示范效應(yīng)、競(jìng)爭(zhēng)效應(yīng)促進(jìn)能源利用效率的提高。能源消費(fèi)和利用效率的提升，可以有效推進(jìn)城市碳減排。=3\*GB3③“能源利用-其它要素協(xié)同驅(qū)動(dòng)”型該路徑條件構(gòu)型為“能源利用效率×能源消費(fèi)結(jié)構(gòu)×貿(mào)易開(kāi)放程度”，本路徑可以解釋84%的高碳排放組城市樣本碳減排效益提升。其中能源利用效率、技術(shù)創(chuàng)新與貿(mào)易開(kāi)放程度為核心條件，城市通過(guò)改善能源利用效率，發(fā)揮貿(mào)易開(kāi)放程度中的投資結(jié)構(gòu)轉(zhuǎn)變，同時(shí)發(fā)揮貿(mào)易結(jié)構(gòu)的調(diào)節(jié)作用，減少高耗能的化石能源消費(fèi)倒逼綠色技術(shù)創(chuàng)新進(jìn)而推動(dòng)城市碳減排。同時(shí)，該路徑也積極發(fā)揮其它要素的作用，增加城市綠地面積、推進(jìn)綠色創(chuàng)新能力的提升等，共同推進(jìn)城市碳減排。（2）低碳排放城市組態(tài)路徑分析研究運(yùn)用fsQCA3.0軟件分別對(duì)低碳排放城市樣本數(shù)據(jù)進(jìn)行碳減排效率的條件組態(tài)分析。參照Ragin的觀點(diǎn)，本文將組態(tài)分析的一致性閾值設(shè)定為0.8，PRI一致性閾值設(shè)定為0.5，案例閾值設(shè)定為1。而后對(duì)真值表進(jìn)行標(biāo)準(zhǔn)化分析，得到復(fù)雜解、中間解和簡(jiǎn)約解。相比于復(fù)雜解和簡(jiǎn)約解，僅中間解包含了具有實(shí)際意義的邏輯余項(xiàng)，故本文選用中間解作為最終解釋構(gòu)型，并通過(guò)對(duì)比中間解和簡(jiǎn)約解之間的嵌套關(guān)系，識(shí)別出構(gòu)型中的核心條件和邊緣條件：即同時(shí)出現(xiàn)在中間解和簡(jiǎn)約解中的條件變量為核心條件，僅出現(xiàn)在中間解的條件變量為邊緣條件。參照Fiss的結(jié)果呈現(xiàn)形式，“”表示該條件存在，“”表示該條件缺失，符號(hào)大小區(qū)分核心條件與邊緣條件。表5-10低碳排放城市組條件組態(tài)結(jié)果分析條件變量低碳排放組123城市化水平●●綠地面積●●綠色創(chuàng)新能力●●●能源利用效率●●●貿(mào)易開(kāi)放程度●●一致性0.96541.00.9118原始覆蓋度0.40590.35480.3687唯一覆蓋度0.15400.10540.2572整體構(gòu)型的一致性0.9271整體構(gòu)型的覆蓋度0.7045結(jié)果如表5-8所示：數(shù)據(jù)條件組態(tài)分析得到的條件構(gòu)型中單個(gè)構(gòu)型的一致性均高于臨界值0.75，整體構(gòu)型的一致性分別為0.9271，覆蓋度分別為0.7045，整體構(gòu)型所能解釋的樣本案例也均大于70%，表明組態(tài)分析有效，結(jié)果可靠。低碳排放城市組中，僅能源利用效率作為核心條件出現(xiàn)，城市化水平、