廖茂林 毛梓年 王國峰

摘 要：基于Meta文獻(xiàn)分析方法，對清潔能源生產(chǎn)與消費(fèi)預(yù)測的既有研究成果進(jìn)行綜合分析，并對“雙碳”目標(biāo)背景下中國清潔能源發(fā)展目標(biāo)進(jìn)行再評估。研究結(jié)果表明，中國清潔能源平均生產(chǎn)量將在2025年、2030年、2035年、2050年、2060年分別達(dá)到8.94億噸標(biāo)準(zhǔn)煤（占比34.97%）、12.69億噸標(biāo)準(zhǔn)煤（占比44.24%）、16.45億噸標(biāo)準(zhǔn)煤（占比53.50%）、27.71億噸標(biāo)準(zhǔn)煤（占比81.29%）和35.22億噸標(biāo)準(zhǔn)煤（占比99.82%）。另外，未來中國清潔能源平均消費(fèi)量將從2025年的13.31億噸標(biāo)準(zhǔn)煤（占比26.71%）增長到2030年、2035年、2050年、2060年的17.06億噸標(biāo)準(zhǔn)煤（占比35.98%）、20.82億噸標(biāo)準(zhǔn)煤（占比45.24%）、32.08億噸標(biāo)準(zhǔn)煤（占比73.03%）和39.59億噸標(biāo)準(zhǔn)煤（占比91.56%）。為實(shí)現(xiàn)“雙碳”目標(biāo)，提出進(jìn)一步深化清潔能源預(yù)測與研究、加大系列綜合政策實(shí)施力度推進(jìn)清潔能源轉(zhuǎn)型、科學(xué)構(gòu)建清潔能源發(fā)展目標(biāo)的動態(tài)調(diào)整機(jī)制三個(gè)方面的政策建議。

關(guān)鍵詞：“雙碳”目標(biāo)；清潔能源；Meta分析

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目“碳中和目標(biāo)下清潔能源省域消納機(jī)理及路徑研究：基于多尺度空間視角”（72173133）。

［中圖分類號］ F426 ［文章編號］ 1673-0186（2024）006-0070-016

［文獻(xiàn)標(biāo)識碼］ A? ? ? ［DOI編碼］ 10.19631/j.cnki.css.2024.006.005

能源危機(jī)與氣候變化是當(dāng)前和今后一個(gè)時(shí)期全球重點(diǎn)關(guān)注的議題。在第28屆聯(lián)合國氣候變化大會（COP28）上，超過117個(gè)國家同意到2030年將全球可再生能源的裝機(jī)容量提升3倍。會議還指出采取公正、有序和公平的方式在能源系統(tǒng)轉(zhuǎn)型中脫離化石燃料的重要性，清潔能源大范圍開發(fā)與全球能源的清潔化轉(zhuǎn)型已是大勢所趨［1］。2020年，習(xí)近平總書記正式提出我國“碳達(dá)峰”“碳中和”（簡稱“雙碳”）目標(biāo)，并在黨的二十大報(bào)告中強(qiáng)調(diào)，要推動工業(yè)、建筑、交通等領(lǐng)域能源清潔高效利用，助力低碳轉(zhuǎn)型。中國能源的清潔化轉(zhuǎn)型將成為未來很長一段時(shí)期的重點(diǎn)工作。

一、中國清潔能源發(fā)展現(xiàn)狀與文獻(xiàn)綜述

當(dāng)前中國的能源生產(chǎn)和消費(fèi)模式正在發(fā)生劇烈變化。根據(jù)國家統(tǒng)計(jì)局統(tǒng)計(jì)，從生產(chǎn)側(cè)來看，2022年，中國的一次能源生產(chǎn)總量達(dá)到46.6億噸標(biāo)準(zhǔn)煤，清潔能源（包括天然氣、水電、核電、風(fēng)電和太陽能等）生產(chǎn)量（或發(fā)電量）占能源生產(chǎn)總量的14.1%。從消費(fèi)側(cè)來看，中國能源消費(fèi)總量為54.1億噸標(biāo)準(zhǔn)煤，其中清潔能源消費(fèi)量占能源消費(fèi)總量的25.9%①。清潔能源在總能源生產(chǎn)、消費(fèi)中的占比穩(wěn)步增長，中國高耗能行業(yè)也已經(jīng)進(jìn)入能源清潔化轉(zhuǎn)型的關(guān)鍵期［2］。2022年，國家發(fā)展改革委? 國家能源局發(fā)布《“十四五”現(xiàn)代能源體系規(guī)劃》，對“十四五”時(shí)期中國能源體系發(fā)展做出規(guī)劃。具體來看，中國現(xiàn)代化能源體系建設(shè)的主要目標(biāo)為：到2025年，國內(nèi)能源年綜合生產(chǎn)能力達(dá)到46億噸標(biāo)準(zhǔn)煤以上，天然氣年產(chǎn)量達(dá)到2 300億立方米以上，非化石能源消費(fèi)比重提高到20%左右；到2035年，非化石能源消費(fèi)比重在2030年達(dá)到25%的基礎(chǔ)上進(jìn)一步大幅提高，可再生能源發(fā)電成為主體電源②。

在學(xué)術(shù)研究領(lǐng)域，眾多學(xué)者致力于對中國的未來的能源生產(chǎn)、消費(fèi)結(jié)構(gòu)或總量進(jìn)行預(yù)測，部分學(xué)者如毛亞林利用CHINAGEM模型對2020—2040年間中國中短期能源消費(fèi)總量及其構(gòu)成進(jìn)行了預(yù)測［3］；王（Wang）等運(yùn)用改進(jìn)的灰色模型預(yù)測了2025年之前中國一次能源的生產(chǎn)總量［4］；曾（Zeng）等則利用支持向量模型對2030年以前中國的能源消費(fèi)結(jié)構(gòu)進(jìn)行預(yù)測模擬［5］。何則、蔡立亞、陳金祥還對政策情景進(jìn)行了區(qū)分，得出了不同政策驅(qū)動情景下的能源生產(chǎn)與消費(fèi)結(jié)構(gòu)［6-8］。還有學(xué)者對能源類別進(jìn)行了細(xì)化，任（Ren）等預(yù)測了中國2022—2025年的水能生產(chǎn)總量［9］；王（Wang）等對2020—2024年中國風(fēng)能、核能、生物質(zhì)能的生產(chǎn)量進(jìn)行預(yù)測［10］；程（Cheng）等預(yù)測了中國2025年以前的清潔能源消費(fèi)總量［11］；而肖和肖（Xiao and Xiao）則對中國2023—2030年的清潔能源的生產(chǎn)總量進(jìn)行預(yù)測［12］。還有學(xué)者對不同的區(qū)域內(nèi)未來的能源生產(chǎn)、消費(fèi)進(jìn)行預(yù)測，劉（Liu）等預(yù)測了2020—2030年山西省的煤炭需求總量［13］；苗安康等預(yù)測了2030年以前江蘇省的能源需求量［14］。預(yù)測方法方面，與清潔能源相關(guān)的預(yù)測方法模型主要包括灰色預(yù)測模型（Grey Forecasting Model）［10，12，15］、馬爾可夫模型（Markov? Model）［8，16］、支持向量模型（Support Vector Model）［17］、彈性系數(shù)法（Elasticity Coefficient Method）［18］等，這些預(yù)測方法模型各具特點(diǎn)，在不同的預(yù)測類別與數(shù)據(jù)類型上表現(xiàn)出有差異的適應(yīng)性。還有學(xué)者如孟、袁（Meng、Yuan）等綜合利用上述方法模型作為對單一模型的改進(jìn)進(jìn)行能源預(yù)測［16，19］?？傮w而言，學(xué)術(shù)界與清潔能源預(yù)測相關(guān)的文獻(xiàn)，其預(yù)測結(jié)果存在較大的差異性，難以形成統(tǒng)一口徑從而形成有效的政策指導(dǎo)。為此，本文將對現(xiàn)有同清潔能源生產(chǎn)、消費(fèi)預(yù)測相關(guān)的文獻(xiàn)進(jìn)行統(tǒng)計(jì)學(xué)再分析，對“雙碳”目標(biāo)下中國清潔能源目標(biāo)的差異性進(jìn)行再評估。

Meta分析（Meta-analysis）又稱“薈萃分析”“元分析”，是一種對同一課題的多項(xiàng)獨(dú)立研究的結(jié)果進(jìn)行系統(tǒng)的、定量的綜合性分析的統(tǒng)計(jì)學(xué)研究方法，用于解決研究的不一致性［20］。最早由格拉斯（Glass）提出用于研究心理治療效果［21］，隨后在醫(yī)學(xué)界、教育學(xué)、經(jīng)濟(jì)學(xué)、管理學(xué)等研究領(lǐng)域得到廣泛運(yùn)用。不同于傳統(tǒng)文獻(xiàn)綜述對文獻(xiàn)的定性描述與總結(jié)，Meta分析利用統(tǒng)計(jì)學(xué)方法針對同一問題各種存在的不同研究結(jié)果進(jìn)行系統(tǒng)性定量分析，探究不同研究結(jié)果的異質(zhì)性［22］，從而得出具有穩(wěn)健性的結(jié)果和一般性結(jié)論。近年來，Meta分析在社會科學(xué)研究中應(yīng)用廣泛。許騫騫等利用Meta分析方法對森林的碳匯潛力與增匯成本的預(yù)測進(jìn)行了評估，討論了不同文獻(xiàn)中對中國森林碳匯潛力與增匯成本的預(yù)測結(jié)果及差異原因［23］；何勤和劉明澤探究了人工智能對就業(yè)規(guī)模的小幅度擴(kuò)大及勞動收入的降低等方面的影響［24］；孫瑤等從五個(gè)層面探索了農(nóng)業(yè)補(bǔ)貼政策對農(nóng)戶綠色生產(chǎn)存在的調(diào)節(jié)效應(yīng)［25］；顏儼等比較了不同文獻(xiàn)中對中國內(nèi)陸河流域生態(tài)系統(tǒng)服務(wù)價(jià)值及影響因素的研究結(jié)果，分析了研究結(jié)果異質(zhì)性的主要原因［26］。為了對“雙碳”目標(biāo)下中國清潔能源目標(biāo)差異進(jìn)行再評估，本文將對現(xiàn)有文獻(xiàn)進(jìn)行Meta分析，探究導(dǎo)致不同文獻(xiàn)預(yù)測結(jié)果差異化的因素，為更加科學(xué)地進(jìn)行清潔能源預(yù)測，并為在“雙碳”目標(biāo)下科學(xué)制定中國能源清潔化轉(zhuǎn)型相關(guān)政策提供科學(xué)依據(jù)。

二、研究方法與數(shù)據(jù)來源

本文將采用Meta回歸方法對來源于不同數(shù)據(jù)庫中提取文獻(xiàn)的相關(guān)信息進(jìn)行分析。

（一）Meta回歸分析

Meta回歸分析（Meta-Regression Analysis）是Meta分析在經(jīng)濟(jì)學(xué)方向的運(yùn)用分支，由美國學(xué)者斯坦利和賈雷爾（Stanley and Jarrell）于1989年提出，是將傳統(tǒng)Meta分析同計(jì)量經(jīng)濟(jì)學(xué)相結(jié)合，通過多元回歸模型分析不同的實(shí)證研究結(jié)果的差異性［27］。Meta回歸分析的被解釋變量通常選取為對同一問題的來自多個(gè)實(shí)證分析文獻(xiàn)的研究結(jié)果，解釋變量則為文獻(xiàn)來源、研究方法、數(shù)據(jù)選擇、模型設(shè)計(jì)等體現(xiàn)差異性的文獻(xiàn)特征，通過對文獻(xiàn)的編碼得到。Meta回歸分析的一般形式為：

Yi=α+βjXij+γkZik+εi，i=1，2，…M（1）

其中，Yi為第i篇文獻(xiàn)中的研究結(jié)果；Xij為第i篇文獻(xiàn)中諸如數(shù)據(jù)文獻(xiàn)來源、研究方法、模型設(shè)計(jì)等可能對研究結(jié)果產(chǎn)生影響的特征變量；βj為各指標(biāo)的邊際影響；Zik為控制變量；γk為控制變量的邊際影響；α為常數(shù)項(xiàng)；εi為隨機(jī)擾動項(xiàng)；M為樣本總數(shù)。

為了說明Meta回歸的有效性，參考許騫騫等［23］的做法，本文采取樣本觀測值同模型預(yù)測值之間的平均誤差進(jìn)行檢驗(yàn)。平均誤差的計(jì)算公式為：

Error=（2）

其中，Error為模型的平均誤差值；yi為樣本值，i為模型預(yù)測值。相關(guān)研究表明，Error在20%～40%內(nèi)屬于合理范圍［28-29］，此時(shí)Meta分析結(jié)果具有可信性。

（二）模型建立

綜合考慮文獻(xiàn)數(shù)據(jù)特征和Meta回歸方法，構(gòu)建中國未來清潔能源在能源生產(chǎn)、消費(fèi)總量中占比的Meta回歸模型如下：

Yi=α0+α1X1+α2X2+α3X3+α4X4+α5X5+εi（3）

其中，被解釋變量Yi為中國未來清潔能源在能源生產(chǎn)、消費(fèi)總量中的占比（用百分?jǐn)?shù)表示）；解釋變量X1為文獻(xiàn)中進(jìn)行預(yù)測的方法；X2為預(yù)測類別；X3為文獻(xiàn)特征；X4為預(yù)測情景；X5為預(yù)測時(shí)段；α1-α5分別為解釋變量系數(shù)；α0為常數(shù)項(xiàng)；εi為隨機(jī)擾動項(xiàng)。

構(gòu)建中國未來清潔能源生產(chǎn)、消費(fèi)量的Meta回歸模型如下：

Zi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+i（4）

其中，Zi為中國未來清潔能源生產(chǎn)、消費(fèi)總量；X1為文獻(xiàn)中進(jìn)行預(yù)測的方法；X2為預(yù)測類別；X3為文獻(xiàn)特征；X4為預(yù)測情景；X5為預(yù)測時(shí)段；β1-β5分別為解釋變量系數(shù)；β0為常數(shù)項(xiàng)；i為隨機(jī)擾動項(xiàng)。

（三）數(shù)據(jù)獲取

進(jìn)行Meta分析需要對現(xiàn)有研究結(jié)果進(jìn)行收集整理，并編碼成為可供回歸分析的數(shù)據(jù)。數(shù)據(jù)獲取部分通過文獻(xiàn)初篩、文章次選、數(shù)據(jù)提取、變量編碼四個(gè)部分進(jìn)行。

1.文獻(xiàn)初篩

本文選取文獻(xiàn)主要來源于Springer Link、Elsevier Science、Google Scholar、Web of Science、CNKI、萬方數(shù)據(jù)庫等六個(gè)中英文數(shù)據(jù)庫。本文所選定的清潔能源的范圍包括：天然氣、水電、核電、風(fēng)電、太陽能和生物質(zhì)能。由于“雙碳”政策的提出時(shí)間為2020年，考慮到文獻(xiàn)發(fā)表周期，本文從上述數(shù)據(jù)庫中選取2017年以來對中國未來清潔能源生產(chǎn)、消費(fèi)和能源結(jié)構(gòu)預(yù)測的公開發(fā)表文獻(xiàn)作為文獻(xiàn)檢索范圍。為提升Meta分析的可信度，本文以“能源（energy）”“清潔能源（clean energy）”“可再生能源（renewable energy）”“能源結(jié)構(gòu)（energy structure）”“生產(chǎn)（generation）”“消費(fèi)（consumption）”“供給（supply）”“需求（demand）”“預(yù)測（forecasting、prediction）”等詞語組合作為中英文關(guān)鍵詞、主題詞進(jìn)行檢索。初步檢索到與主題相關(guān)的中文文獻(xiàn)725篇，英文文獻(xiàn)1 207篇。

2.文章次選

為了獲取本研究所需要的數(shù)據(jù)，本文對初步檢索的文章依照以下規(guī)則進(jìn)行再次篩選。首先，文獻(xiàn)的研究對象必須是對中國2023年以后能源生產(chǎn)、消費(fèi)進(jìn)行的預(yù)測。其次，能源預(yù)測結(jié)果中至少包含除天然氣外的其他清潔能源生產(chǎn)、消費(fèi)總量或清潔能源在能源生產(chǎn)、消費(fèi)總量中占比的預(yù)測。此外，文獻(xiàn)必須有對應(yīng)年份的明確數(shù)據(jù)預(yù)測結(jié)果。依據(jù)以上規(guī)則，通過對理論、綜述研究等定性研究文獻(xiàn)以及無法提取準(zhǔn)確預(yù)測數(shù)值的示意圖、圖表報(bào)告等文獻(xiàn)的剔除，最終獲取49篇中英文相關(guān)文獻(xiàn)，共131個(gè)觀測樣本。

3.數(shù)據(jù)提取

再篩選文獻(xiàn)之后，按照標(biāo)準(zhǔn)提取相關(guān)數(shù)據(jù)信息，提取標(biāo)準(zhǔn)包括預(yù)測對象、預(yù)測數(shù)值、預(yù)測方法、文章發(fā)表年份、能源生產(chǎn)及消費(fèi)情況、中英文數(shù)據(jù)庫、作者發(fā)文特征、預(yù)測時(shí)間等。在此基礎(chǔ)上，建立Meta回歸數(shù)據(jù)庫，具體過程見圖1。

（四）變量編碼

在建立Meta回歸數(shù)據(jù)庫后，需要將相關(guān)數(shù)據(jù)轉(zhuǎn)化為虛擬變量用于回歸分析。本節(jié)將對用于模型回歸的解釋變量進(jìn)行編碼，將其轉(zhuǎn)化為控制變量。以清潔能源生產(chǎn)、消費(fèi)占比作為被解釋變量進(jìn)行回歸分析的描述性統(tǒng)計(jì)，結(jié)果見表1-a。

1.清潔能源占比

對清潔能源預(yù)測的文獻(xiàn)主要分為兩類：第一類，是對中國未來清潔能源生產(chǎn)、消費(fèi)量在能源生產(chǎn)、消費(fèi)總量中的占比進(jìn)行預(yù)測。第二類，是直接對清潔能源生產(chǎn)、消費(fèi)量進(jìn)行預(yù)測。本文首先將清潔能源在一次能源生產(chǎn)、消費(fèi)總量中的占比（下稱清潔能源占比，單位：%）作為被解釋變量進(jìn)行Meta回歸。

2.預(yù)測方法

數(shù)據(jù)庫中對清潔能源占比的預(yù)測方法主要分為灰色預(yù)測模型、馬爾可夫模型、支持向量模型和其他模型。其中灰色預(yù)測方法是對清潔能源的相關(guān)預(yù)測最常用的方法。數(shù)據(jù)庫中的文獻(xiàn)多是對傳統(tǒng)灰色預(yù)測模型GM（1，1）的優(yōu)化與改進(jìn)，故將此類文獻(xiàn)統(tǒng)一歸類為灰色預(yù)測模型。在此之外，相關(guān)文獻(xiàn)中還提及一些其他預(yù)測模型，這些模型難以在統(tǒng)計(jì)學(xué)意義上進(jìn)行差異比較，故將其歸納為其他模型作為對照組。針對上述不同的方法，構(gòu)造虛擬變量如下：灰色預(yù)測模型（1=預(yù)測方法為灰色預(yù)測模型，0=預(yù)測方法為其他模型）、馬爾可夫模型（1=預(yù)測方法為馬爾可夫模型，0=預(yù)測方法為其他模型）、支持向量模型（1=預(yù)測方法為支持向量模型，0=預(yù)測方法為其他模型）。

3.預(yù)測類別

本文將不同文獻(xiàn)中清潔能源的預(yù)測類別進(jìn)行分類，構(gòu)建虛擬變量：清潔能源生產(chǎn)（1=預(yù)測類別為生產(chǎn)，0=預(yù)測類別為消費(fèi)）。

4.文獻(xiàn)特征

Meta分析中的文獻(xiàn)分析是重要的組成部分，并且文章發(fā)表偏差是Meta分析研究中普遍存在的問題［30］。關(guān)于清潔能源預(yù)測的文獻(xiàn)中，來自中、英文數(shù)據(jù)庫的文獻(xiàn)在文章結(jié)構(gòu)、預(yù)測方法、預(yù)測結(jié)果等方面都存在差異性。因此構(gòu)造虛擬變量：英文文獻(xiàn)（1=文獻(xiàn)來源于英文數(shù)據(jù)庫，0=文獻(xiàn)來源于中文數(shù)據(jù)庫）作為識別文獻(xiàn)特征的變量。同時(shí)，為了區(qū)分不同作者的文獻(xiàn)以及同一作者的不同預(yù)測結(jié)果，將文獻(xiàn)與作者編號作為控制變量進(jìn)行回歸分析。

5.預(yù)測時(shí)段

由于研究背景、預(yù)測方法存在差異，過往研究成果清潔能源預(yù)測的時(shí)間段不同。一方面，由于能源系統(tǒng)的復(fù)雜性，大多數(shù)模型只進(jìn)行中短期預(yù)測，預(yù)測時(shí)間通常截至2030年，而長期則傾向于不預(yù)測或不匯報(bào)具體結(jié)果。另一方面，由于大多數(shù)文獻(xiàn)在“雙碳”背景下進(jìn)行研究，因而文獻(xiàn)會傾向于報(bào)告2035年、2050年和2060年等關(guān)鍵時(shí)間節(jié)點(diǎn)的預(yù)測結(jié)果。因此本文將2024—2030年間各年以及2035年、2050年、2060年作為控制變量，研究不同年份清潔能源占比預(yù)測值的差異性。

以清潔能源生產(chǎn)、消費(fèi)總量作為被解釋變量進(jìn)行回歸分析的描述性統(tǒng)計(jì)結(jié)果如表1-b所示。

1.清潔能源總量

與清潔能源占比類似，本文將清潔能源的生產(chǎn)、消費(fèi)總量（下稱清潔能源總量）的預(yù)測值分別作為被解釋變量進(jìn)行Meta回歸?？紤]不同種類的能源可比性，本文將用于回歸分析的所有能源的預(yù)測值轉(zhuǎn)化為萬噸標(biāo)準(zhǔn)煤當(dāng)量（10 000 tons of standard coal equivalent， 10 000 tce）。

2.預(yù)測方法

數(shù)據(jù)庫中對清潔能源總量的預(yù)測方法主要為灰色預(yù)測模型、彈性系數(shù)法和其他模型。本文將其他不便分類的方法作為對照組，構(gòu)造虛擬變量為灰色預(yù)測模型（1=預(yù)測方法為灰色預(yù)測模型，0=預(yù)測方法為其他模型）、彈性系數(shù)法（1=預(yù)測方法為彈性系數(shù)法，0=預(yù)測方法為其他模型）。

3.預(yù)測類別

本文將不同文獻(xiàn)中清潔能源的預(yù)測類別進(jìn)行分類，構(gòu)建虛擬變量：清潔能源生產(chǎn)（1=預(yù)測類別為生產(chǎn)，0=預(yù)測類別為消費(fèi)）。

4.文獻(xiàn)特征

除中外文數(shù)據(jù)庫差異外，研究表明期刊類文獻(xiàn)存在發(fā)表的偏倚性，期刊偏好于接收和發(fā)表更顯著的統(tǒng)計(jì)結(jié)果，而對能源總量進(jìn)行預(yù)測的文獻(xiàn)中存在部分學(xué)位論文，可能存在文章發(fā)表的偏倚［30-31］。因此，本文構(gòu)造虛擬變量：英文文獻(xiàn)（1=英文數(shù)據(jù)庫，0=中文數(shù)據(jù)庫）、期刊文獻(xiàn)（1=期刊文獻(xiàn)，0=非期刊文獻(xiàn)）作為識別文獻(xiàn)特征的變量。同時(shí)將文獻(xiàn)與作者編號作為控制變量進(jìn)行回歸分析，考察不同樣本來源的差異性。

5.預(yù)測時(shí)段

將2024—2030年間各年以及2035年、2050年、2060年作為解釋變量，研究不同年份清潔能源總量預(yù)測值的差異性。

三、結(jié)果分析

回歸結(jié)果依據(jù)清潔能源占比和總量分別進(jìn)行分析。

（一）清潔能源占比回歸結(jié)果

圖2為基于已有文獻(xiàn)對清潔能源占比預(yù)測的估計(jì)結(jié)果，即中國未來清潔能源占比將持續(xù)提升，逐漸改變現(xiàn)有能源生產(chǎn)、消費(fèi)格局。根據(jù)擬合結(jié)果預(yù)測，中國清潔能源生產(chǎn)平均占比預(yù)計(jì)在2025年將達(dá)到34.97%，清潔能源消費(fèi)占比26.71%。預(yù)計(jì)到2030年“碳達(dá)峰”時(shí)期清潔能源生產(chǎn)平均占比達(dá)到44.24%，消費(fèi)占比35.97%。隨后清潔能源占比將迅速擴(kuò)大，預(yù)計(jì)到2035年清潔能源生產(chǎn)占比達(dá)到53.50%，消費(fèi)占比45.24%。2050年清潔能源生產(chǎn)預(yù)計(jì)占比為81.82%，消費(fèi)占比為73.03%。到2060年“碳中和”時(shí)期，預(yù)計(jì)清潔能源生產(chǎn)占比將達(dá)到99.82%，消費(fèi)占比為91.57%，基本實(shí)現(xiàn)清潔能源全覆蓋。

1.現(xiàn)有文獻(xiàn)對清潔能源占比預(yù)測差異明顯

具體而言，預(yù)計(jì)2025年清潔能源占比區(qū)間為17.64%到40.6%，差幅22.96%；2035年清潔能源占比區(qū)間為27.23%到49.99%，差幅22.76%；2060年清潔能源占比區(qū)間為85.6%到92.9%，差幅7.3%?？傮w而言，隨著預(yù)測時(shí)期的向后推移，不同文獻(xiàn)對清潔能源占比的預(yù)測差異性也在縮小?；貧w結(jié)果如表2所示，可決系數(shù)R^2=0.9498，表明模型對被解釋變量的擬合程度良好，且在1%顯著性水平上通過了模型檢驗(yàn)，說明模型所選擇解釋變量對清潔能源占比預(yù)測結(jié)果的差異性解釋在統(tǒng)計(jì)學(xué)上顯著。

2.預(yù)測模型方法差異對清潔能源占比的預(yù)測結(jié)果有顯著影響

使用灰色預(yù)測模型與馬爾可夫模型進(jìn)行預(yù)測的結(jié)果較其他作為對照組的模型預(yù)測結(jié)果顯著降低；在其他條件不變時(shí)，預(yù)測文獻(xiàn)在使用灰色預(yù)測模型時(shí)，預(yù)測結(jié)果平均降低4.53%；使用馬爾可夫模型的平均預(yù)測結(jié)果差異較大，為降低12.96%；使用支持向量模型的預(yù)測結(jié)果平均降低1.72%，但沒有表現(xiàn)出統(tǒng)計(jì)學(xué)上的顯著差異?？赡艿脑?yàn)?，灰色預(yù)測模型的運(yùn)行機(jī)理是通過對離散數(shù)據(jù)進(jìn)行動態(tài)的微分方程變換［32］；馬爾可夫模型則是利用狀態(tài)轉(zhuǎn)移的概率建立的隨機(jī)型時(shí)序模型［33］；而支持向量模型的運(yùn)行機(jī)理是通過機(jī)器學(xué)習(xí)訓(xùn)練對樣本進(jìn)行凸二次規(guī)劃問題的求解［34］；三種模型在機(jī)理上都存在明顯的異質(zhì)性，故可能表現(xiàn)出較大的預(yù)測結(jié)果差異。

3.清潔能源的生產(chǎn)與消費(fèi)的預(yù)測結(jié)果具有顯著差異

清潔能源生產(chǎn)占能源總生產(chǎn)量的比率較其消費(fèi)量占總能源消費(fèi)量的比率平均高出8.26%。預(yù)測結(jié)果說明未來中國能源系統(tǒng)在生產(chǎn)端的清潔化程度可能較消費(fèi)端更高，與“雙碳”目標(biāo)下火電安全保供的戰(zhàn)略定位相符。

4.不同的文獻(xiàn)作者和同一作者的不同預(yù)測組合對預(yù)測結(jié)果差異明顯

這種差異可能來源于不同作者對數(shù)據(jù)來源、模型選擇、研究目的等方面的差異性以及同一作者對情景設(shè)定、模型參數(shù)、方法改進(jìn)等方面的調(diào)整。

5.文獻(xiàn)的發(fā)表年份、文獻(xiàn)來源、預(yù)測年份等特征對預(yù)測結(jié)果存在顯著差異

在其他條件不變時(shí)，文章的發(fā)表年份每增加一年，清潔能源占比的預(yù)測結(jié)果便會降低4.18%。這可能是由于新發(fā)表的文獻(xiàn)獲取了更新的數(shù)據(jù)從而帶來預(yù)測結(jié)果的差異性。同時(shí)，文獻(xiàn)來源于外文數(shù)據(jù)庫的文獻(xiàn)預(yù)測結(jié)果要平均高出國內(nèi)數(shù)據(jù)庫14.56%。另外，預(yù)測年份每增加一年，中國清潔能源占比平均增加1.85%。這說明不同文獻(xiàn)對中國清潔能源占比的平均估計(jì)結(jié)果逐年上升。

6.建立的 Meta模型是有效的

從平均誤差來看，Error=0.101<0.4，根據(jù)前文說明回歸模型的預(yù)測值同諸文獻(xiàn)對清潔能源占比的預(yù)測結(jié)果（觀測值）之間存在動態(tài)一致性，模型擬合結(jié)果良好，結(jié)果可信。

（二）清潔能源總量回歸結(jié)果

總體而言，中國未來清潔能源總量將持續(xù)上升。如圖3所示，根據(jù)擬合結(jié)果預(yù)測，中國清潔能源生產(chǎn)總量預(yù)計(jì)在2025年將達(dá)到8.94億噸標(biāo)準(zhǔn)煤，消費(fèi)總量13.31億噸標(biāo)準(zhǔn)煤。預(yù)計(jì)到2030年“碳達(dá)峰”時(shí)期清潔能源生產(chǎn)總量平均達(dá)到12.69億噸標(biāo)準(zhǔn)煤，消費(fèi)總量17.06億噸標(biāo)準(zhǔn)煤。隨后，清潔能源總量將持續(xù)上升，到2035年清潔能源生產(chǎn)總量預(yù)計(jì)達(dá)到16.48億噸標(biāo)準(zhǔn)煤，消費(fèi)總量20.82億噸標(biāo)準(zhǔn)煤。2050年預(yù)期清潔能源生產(chǎn)總量為27.71億噸標(biāo)準(zhǔn)煤，消費(fèi)總量32.08億噸標(biāo)準(zhǔn)煤。到2060年“碳中和”時(shí)期，預(yù)計(jì)清潔能源生產(chǎn)占比平均將達(dá)到35.22億噸標(biāo)準(zhǔn)煤，消費(fèi)總量為39.59億噸標(biāo)準(zhǔn)煤。模型總體程度良好（表3），在1%顯著性水平上通過了模型檢驗(yàn)，表明模型所選擇解釋變量對清潔能源總量預(yù)測結(jié)果的差異性解釋在統(tǒng)計(jì)學(xué)上顯著。

1.預(yù)測模型方法差異對清潔能源總量的預(yù)測結(jié)果不存在顯著差異

在其他條件不變時(shí)，利用彈性系數(shù)法與使用灰色預(yù)測模型的文獻(xiàn)在預(yù)測結(jié)果上沒有表現(xiàn)出與對照組預(yù)測結(jié)果在統(tǒng)計(jì)學(xué)意義上的顯著差異。說明對于清潔能源生產(chǎn)、消費(fèi)總量的預(yù)測結(jié)果不會因模型選擇而出現(xiàn)較大的偏差。

2.清潔能源的生產(chǎn)與消費(fèi)量的預(yù)測結(jié)果具有顯著差異

不同于能源結(jié)構(gòu)預(yù)測，清潔能源生產(chǎn)量的預(yù)測結(jié)果較消費(fèi)量更低，在平均水平上低4.37億噸標(biāo)準(zhǔn)煤?？赡艿脑蛟谟?，在統(tǒng)計(jì)能源生產(chǎn)時(shí)，通常以清潔能源的發(fā)電量作為清潔能源生產(chǎn)量，發(fā)電過程中會出現(xiàn)能源損耗從而導(dǎo)致清潔能源消費(fèi)量大于生產(chǎn)量的情況。結(jié)合事實(shí)來看，近年來中國一次能源總量表現(xiàn)出能源生產(chǎn)大于能源消費(fèi)的狀態(tài)，在對清潔能源的預(yù)測上表現(xiàn)出類似的結(jié)果是合理的。

3.不同的文獻(xiàn)作者和同一作者的不同預(yù)測組合對預(yù)測結(jié)果差異明顯

與能源結(jié)構(gòu)預(yù)測的回歸結(jié)果類似，這種差異可能來源于不同作者的對數(shù)據(jù)來源、模型選擇、研究目的的差異以及同一作者對情景設(shè)定、模型參數(shù)、方法改進(jìn)等方面的調(diào)整。

4.文獻(xiàn)的發(fā)表年份對預(yù)測結(jié)果不存在顯著差異

在其他條件不變時(shí)，文章的發(fā)表年份每延后一年，文獻(xiàn)對清潔能源生產(chǎn)、消費(fèi)量的預(yù)測結(jié)果便會平均-5 138.29萬噸標(biāo)準(zhǔn)煤，但在統(tǒng)計(jì)學(xué)上不顯著。這說明不同年份發(fā)表的文獻(xiàn)對未來中國清潔能源生產(chǎn)、消費(fèi)總量預(yù)測結(jié)果存在一致性。

5.文獻(xiàn)來源、預(yù)測年份等特征對預(yù)測結(jié)果存在顯著影響

一方面，文獻(xiàn)來源于外文數(shù)據(jù)庫的預(yù)測結(jié)果要顯著高于國內(nèi)數(shù)據(jù)庫，平均高出21.31億噸標(biāo)準(zhǔn)煤。另一方面，文獻(xiàn)是否是期刊文獻(xiàn)并沒有表現(xiàn)出對回歸結(jié)果的顯著影響，這可能因?yàn)樵诜椒ㄟx定時(shí)，清潔能源生產(chǎn)、消費(fèi)量的預(yù)測結(jié)果很少受主觀因素所影響，從而不受期刊發(fā)表傾向的影響。同時(shí)，回歸結(jié)果表明，預(yù)測年份每增加一年，中國清潔能源生產(chǎn)、消費(fèi)量平均增加7 510.06萬噸標(biāo)準(zhǔn)煤。這說明不同文獻(xiàn)對中國清潔能源生產(chǎn)、消費(fèi)量的平均估計(jì)結(jié)果逐年上升。

6.建立的Meta模型是有效的

從平均誤差來看，Error=0.172<0.4，說明回歸模型的預(yù)測值同諸文獻(xiàn)對清潔能源生產(chǎn)、消費(fèi)量的預(yù)測結(jié)果（觀測值）之間存在動態(tài)一致性，模型擬合結(jié)果良好，結(jié)果具有可信性。

（三）清潔能源目標(biāo)

根據(jù)Meta回歸結(jié)果，可以得出“雙碳”目標(biāo)下特定年份清潔能源占比及總量的歷年平均預(yù)測結(jié)果及95%置信區(qū)間的上、下限。

根據(jù)模型計(jì)算中國未來清潔能源生產(chǎn)將持續(xù)上升（表4）。2025年中國清潔能源預(yù)計(jì)生產(chǎn)8.94億噸標(biāo)準(zhǔn)煤，約占一次能源生產(chǎn)總量的34.97%。到2030年“碳達(dá)峰”時(shí)期，中國清潔能源預(yù)計(jì)生產(chǎn)12.69億噸標(biāo)準(zhǔn)煤，約占一次能源生產(chǎn)總量的44.24%。2035年中國清潔能源預(yù)計(jì)生產(chǎn)16.45億噸標(biāo)準(zhǔn)煤，約占一次能源生產(chǎn)總量的53.50%。2050年中國清潔能源預(yù)計(jì)生產(chǎn)27.71億噸標(biāo)準(zhǔn)煤，約占一次能源生產(chǎn)總量的81.29%。2060年“碳中和”時(shí)期，中國清潔能源預(yù)計(jì)生產(chǎn)35.22億噸標(biāo)準(zhǔn)煤，約占一次能源生產(chǎn)總量的99.82%。

根據(jù)模型計(jì)算中國未來清潔能源消費(fèi)也將穩(wěn)步提高（表5）。2025年中國清潔能源預(yù)計(jì)消費(fèi)13.31億噸標(biāo)準(zhǔn)煤，約占一次能源消費(fèi)總量的26.71%。到2030年“碳達(dá)峰”時(shí)期，中國清潔能源預(yù)計(jì)消費(fèi)17.06億噸標(biāo)準(zhǔn)煤，約占一次能源消費(fèi)總量的35.98%。2035年中國清潔能源預(yù)計(jì)消費(fèi)20.82億噸標(biāo)準(zhǔn)煤，約占一次能源消費(fèi)總量的45.24%。2050年中國清潔能源預(yù)計(jì)消費(fèi)32.08億噸標(biāo)準(zhǔn)煤，約占一次能源消費(fèi)總量的73.03%。2060年“碳中和”時(shí)期，中國清潔能源預(yù)計(jì)消費(fèi)39.59億噸標(biāo)準(zhǔn)煤，約占一次能源消費(fèi)總量的91.56%。

四、結(jié)論與政策建議

通過對中國清潔能源目標(biāo)差異再評估，本文得出以下結(jié)論與政策建議：

（一）結(jié)論

本文基于對中國未來能源生產(chǎn)、消費(fèi)量與占比進(jìn)行研究預(yù)測的中英文文獻(xiàn)，通過Meta回歸分析，對中國中短期內(nèi)清潔能源發(fā)展目標(biāo)進(jìn)行了再評估，對有關(guān)中國未來清潔能源預(yù)測結(jié)果的文獻(xiàn)進(jìn)行的Meta回歸分析的模型選定效果良好：中國未來清潔能源在能源總生產(chǎn)、消費(fèi)中的占比和生產(chǎn)、消費(fèi)總量的Meta回歸模型的擬合優(yōu)度分別為0.95和0.91，平均誤差分別為0.101和0.172。說明Meta回歸分析有效，結(jié)論具有參考意義。

具體來看，中國未來清潔能源發(fā)展穩(wěn)定迅速，能源結(jié)構(gòu)清潔化態(tài)勢良好。根據(jù)模型預(yù)測結(jié)果，未來中國清潔能源生產(chǎn)量將平均從2025年的8.94億噸標(biāo)準(zhǔn)煤（占比34.97%），穩(wěn)步上升至2030年的12.69億噸標(biāo)準(zhǔn)煤（占比44.24%）、2035年的16.45億噸標(biāo)準(zhǔn)煤（占比53.50%），在2050年和2060年將分別達(dá)到27.71（占比81.29%）和35.22（占比99.82%）億噸標(biāo)準(zhǔn)煤。未來中國清潔能源消費(fèi)量將平均從2025年的13.31億噸標(biāo)準(zhǔn)煤（占比26.71%）增長到2030年的17.06億噸標(biāo)準(zhǔn)煤（占比35.98%）、2035年的20.82億噸標(biāo)準(zhǔn)煤（占比45.24%），且在2050年和2060年將分別達(dá)到32.08（占比73.03%）和39.59（占比91.56%）億噸標(biāo)準(zhǔn)煤，基本實(shí)現(xiàn)全覆蓋。此外，對于中國未來清潔能源生產(chǎn)、消費(fèi)占比及總量的諸多預(yù)測結(jié)果是存在差異性的。不同的文獻(xiàn)、作者、文獻(xiàn)的發(fā)表年份、文獻(xiàn)來源、預(yù)測方法、接收年份等因素都是對中國清潔能源的預(yù)測產(chǎn)生顯著影響的關(guān)鍵因素。

（二）政策建議

結(jié)合上述研究結(jié)論，本文提出如下建議：

首先，進(jìn)一步深化清潔能源預(yù)測與研究。一是在清潔能源政策的研究與制定過程中，積極借鑒國際上成功的案例和經(jīng)驗(yàn)，綜合經(jīng)濟(jì)學(xué)分析，深化清潔能源成本—效益研究，尤其是關(guān)注清潔能源發(fā)展的成本效益、長期經(jīng)濟(jì)影響以及市場動態(tài)變化。二是加強(qiáng)同清潔能源相關(guān)的基礎(chǔ)數(shù)據(jù)庫的建設(shè)，確保數(shù)據(jù)的可獲得性與質(zhì)量，為學(xué)術(shù)研究與政策制定提供扎實(shí)的數(shù)據(jù)支撐。

其次，加大系列綜合政策實(shí)施力度推進(jìn)清潔能源轉(zhuǎn)型。一是盡快實(shí)施綜合政策，推動能源結(jié)構(gòu)向清潔能源轉(zhuǎn)型，為清潔能源相關(guān)基礎(chǔ)設(shè)施加大投資力度和政策扶持，對太陽能板、風(fēng)力、水力發(fā)電機(jī)組的購置和安裝給予直接補(bǔ)貼和政策關(guān)照，為投資清潔能源項(xiàng)目的企業(yè)和個(gè)人提供明確的稅收減免優(yōu)惠，激勵(lì)清潔能源投資。二是制定清潔能源標(biāo)準(zhǔn)和配額制度，鼓勵(lì)清潔能源的使用和發(fā)展，對相關(guān)企業(yè)予以獎(jiǎng)懲，確保傳統(tǒng)能源企業(yè)逐步減少污染排放。三是加大對清潔能源技術(shù)創(chuàng)新的支持力度，促進(jìn)能源技術(shù)的技術(shù)進(jìn)步，建立與高校和研究機(jī)構(gòu)的合作項(xiàng)目，推動理論研究向?qū)嶋H應(yīng)用的轉(zhuǎn)化。

最后，科學(xué)構(gòu)建清潔能源發(fā)展目標(biāo)的動態(tài)調(diào)整機(jī)制。一是清潔能源發(fā)展的短期和長期發(fā)展目標(biāo)可立足“雙碳”目標(biāo)，考慮結(jié)合前沿研究成果進(jìn)行動態(tài)調(diào)整，全面考慮宏觀經(jīng)濟(jì)增長模式、能源市場需求預(yù)測以及氣候目標(biāo)等條件變化，構(gòu)建一個(gè)綜合多維度考量的目標(biāo)設(shè)定框架，確保能源發(fā)展目標(biāo)的全面性和前瞻性。二是建立清潔能源發(fā)展的動態(tài)評估機(jī)制，定期綜合分析清潔能源的發(fā)展進(jìn)度、市場變化以及相關(guān)技術(shù)的演進(jìn)，從而在經(jīng)濟(jì)發(fā)展與氣候變化關(guān)鍵節(jié)點(diǎn)，根據(jù)實(shí)際情況靈活調(diào)整發(fā)展目標(biāo)和策略，建立目標(biāo)實(shí)現(xiàn)的監(jiān)測和反饋機(jī)制，確保清潔能源政策的靈活性和長期有效性。三是確保清潔能源目標(biāo)的實(shí)際可操作性與適用性，立足真實(shí)行業(yè)背景和市場環(huán)境，引入可行性評估環(huán)節(jié)，健全與政府部門、企業(yè)界、科研機(jī)構(gòu)以及公眾等的溝通機(jī)制，增加政策的接受度和實(shí)施的有效性。

參考文獻(xiàn)

［1］? 崔守軍.全球清潔能源轉(zhuǎn)型與中國技術(shù)標(biāo)準(zhǔn)話語權(quán)建構(gòu)［J］.人民論壇，2022（9）：50-54.

［2］? 魯賀玉，吳宗法.用能權(quán)政策與能源消費(fèi)結(jié)構(gòu)低碳化轉(zhuǎn)型的關(guān)系［J］.資源科學(xué)，2023（6）：1181-1195.

［3］? 毛亞林.碳中和背景下中國能源中短期預(yù)測研究［J］.技術(shù)經(jīng)濟(jì)，2021（8）：107-115.

［4］? WANG Y， YANG Z， YE L， ET AL. A novel self-adaptive fractional grey Euler model with dynamic accumulation order and its application in energy production prediction of China［J］. Energy， 2023， 265： 126384.

［5］? ZENG S， SU B， ZHANG M， ET AL. Analysis and forecast of China's energy consumption structure［J］. Energy Policy，2021，159： 112630.

［6］? 何則，周彥楠，劉毅.2050年中國能源消費(fèi)結(jié)構(gòu)的系統(tǒng)動力學(xué)模擬——基于重點(diǎn)行業(yè)的轉(zhuǎn)型情景［J］.自然資源學(xué)報(bào)，2020（11）：2696-2707.

［7］? 蔡立亞，郭劍鋒，石川，等.“雙碳”目標(biāo)下中國能源供需演變路徑規(guī)劃模擬研究［J］.氣候變化研究進(jìn)展，2023（5）：616-633.

［8］? 陳金祥，鄭銳鋒，王彬.基于情景分析改進(jìn)馬爾可夫的能源消費(fèi)結(jié)構(gòu)預(yù)測［J］.科技創(chuàng)新與應(yīng)用，2022（36）：1-8.

［9］? REN Y， XIA L， WANG Y. Forecasting China's hydropower generation using a novel seasonal optimized multivariate grey model［J］. Technological Forecasting and Social Change， 2023， 194： 122677.

［10］? WANG Y， CHI P， NIE R， ET AL. Self-adaptive discrete grey model based on a novel fractional order reverse accumulation sequence and its application in forecasting clean energy power generation in China［J］. Energy， 2022， 253： 124093.

［11］? CHENG M， LI J， LIU Y， ET AL. Forecasting clean energy consumption in China by 2025： using improved grey model GM （1，N）［J］. Sustainability，2020（2）： 698.

［12］? XIAO J， XIAO X. Forecast of clean energy generation in China based on new information priority nonlinear grey Bernoulli model［J］. Environmental Science and Pollution Research， 2023（51）：110220-110239.

［13］? LIU Y， DU R， NIU D. Forecast of Coal Demand in Shanxi Province Based on GA—LSSVM under Multiple Scenarios［J］. Energies， 2022（17）： 6475.

［14］? 苗安康，袁越，吳涵，等.中國省域碳達(dá)峰路徑與政策［J］.環(huán)境科學(xué)，2023（8）：4623-4636.

［15］? YE L， YANG D， DANG Y， ET AL. An enhanced multivariable dynamic time-delay discrete grey forecasting model for predicting China's carbon emissions［J］. Energy， 2022， 249： 123681.

［16］ MENG Z， SUN H， WANG X. Forecasting Energy Consumption Based on SVR and Markov Model： A Case Study of China［J］. Frontiers in Environmental Science， 2022， 10： 883711.

［17］? XU L， HOU L， ZHU Z， ET AL.Mid-term prediction of electrical energy consumption for crude oil pipelines using a hybrid algorithm of support vector machine and genetic algorithm［J］. Energy， 2021， 222： 119955.

［18］? 劉衛(wèi)東，仲偉周，石清.2020年中國能源消費(fèi)總量預(yù)測——基于定基能源消費(fèi)彈性系數(shù)法［J］.資源科學(xué)，2016（4）：658-664.

［19］? YUAN C， LIU S， FANG Z. Comparison of China's primary energy consumption forecasting by using ARIMA（the autoregressive integrated moving average） model and GM（1，1） model［J］. Energy， 2016， 100： 384-390.

［20］? 王永貴，張言彩.元分析方法在國內(nèi)外經(jīng)濟(jì)管理研究中的應(yīng)用比較［J］.經(jīng)濟(jì)管理，2012（4）：182-190.

［21］? GLASS G V. Primary， secondary， and meta-analysis of research. Educational Researcher， 1976（10）： 3-8.

［22］? 張敏，石磊.Meta回歸模型的異常值識別及其修正［J］.數(shù)理統(tǒng)計(jì)與管理，2023（3）：449-462.

［23］? 許騫騫，曹先磊，孫婷，等.中國森林碳匯潛力與增匯成本評估——基于Meta分析方法［J］.自然資源學(xué)報(bào)，2022（12）：3217-3233.

［24］? 何勤，劉明澤.人工智能對就業(yè)規(guī)模及勞動收入的影響——來自Meta分析的證據(jù)［J］.首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2023（4）：54-68.

［25］? 孫瑤，馬睿澤，梁亞文，等.基于Meta分析的農(nóng)業(yè)補(bǔ)貼政策對綠色生產(chǎn)的影響問題［J/OL］.系統(tǒng)管理學(xué)報(bào)：1-21［2024-06-28］.http：//gfagzcadd5f6184ce4461hvcokx9xk66fc6vvf.fzfy.oca.swupl.edu.cn/kcms/detail/31.1977.N.20240126.1847.004.html.

［26］? 顏儼，姚柳楊，郎亮明，等.基于Meta回歸方法的中國內(nèi)陸河流域生態(tài)系統(tǒng)服務(wù)價(jià)值再評估［J］.地理學(xué)報(bào)，2019（5）：1040-1057.

［27］? STANLEY T D， JARRELL S B. Meta-regression analysis： a quantitative method of literature surveys［J］. Journal of economic surveys， 1989， 3（2）： 161-170.

［28］? 朱曉磊，張建軍，程明芳，等.基于Meta分析的礦業(yè)城市生態(tài)服務(wù)價(jià)值轉(zhuǎn)移研究［J］.自然資源學(xué)報(bào)，2017（3）：434-448.

［29］? READY R，NAVRUD S.International benefit transfer： Methods and validity tests［J］. Ecological economics，2006（2）：429-434.

［30］? HARBORD R M，WHITING P. Metandi： Meta-analysis of diagnostic accuracy using hierarchical logistic regression［J］. The Stata Journal， 2009（2）： 211-229.

［31］? CHAIKUMBUNG M， DOUCOULIAGOS H， SCARBOROUGH H. The economic value of wetlands in developing countries： A meta-regression analysis［J］. Ecological Economics 2016， （124）： 164-174.

［32］? 劉思峰.灰色系統(tǒng)理論的產(chǎn)生與發(fā)展［J］.南京航空航天大學(xué)學(xué)報(bào)，2004（2）：267-272.

［33］? 谷秀娟，李超.基于馬爾科夫鏈的房價(jià)預(yù)測研究［J］.消費(fèi)經(jīng)濟(jì)，2012（5）：40-42+48.

［34］? 陳垚，毛保華，柏赟，等.基于支持向量回歸的地鐵牽引能耗預(yù)測［J］.系統(tǒng)工程理論與實(shí)踐，2016（8）： 2101-2107.

Reassessment of China's Clean Energy Objectives under the "Dual Carbon" Goal — Based on the Meta-analysis Method

Liao Maolin? ? MaoZinian? ?Wang Guofeng

（Institute of Ecological Civilization， Chinese Academy of Social Sciences， Beijing 100006; Institute of Regional Economy， Sichuan Academy of Social Sciences; School of International Trade， Shanxi University of Finance and Economics， Taiyuan， Shanxi 030006）

Abstract： Based on the Meta-Analytical Method， this paper conducts a comprehensive analysis of research outcomes related to the prediction of clean energy production and consumption， and reassesses the development objectives of China's clean energy under the context of the “Dual Carbon” goal. The research results show that China's average clean energy production is expected to reach 894 million tce （accounting for 34.97%）， 1.269 billion tce （accounting for 44.24%）， 1.645 billion tce （accounting for 53.50%）， 2.771 billion tce （accounting for 81.29%）， and 3.522 billion tce （accounting for 99.82%） in 2025， 2030， 2035， 2050， and 2060， respectively. Additionally， the future average consumption of clean energy in China is expected to grow from 1.331 billion tce （accounting for 26.71%） in 2025 to 1.706 billion tce （accounting for 35.98%）， 2.082 billiontce （accounting for 45.24%）， 3.208 billiontce （accounting for 73.03%）， and 3.959 billion tce （accounting for 91.56%） in 2030， 2035， 2050， and 2060， respectively. To achieve the "Dual Carbon" targets， the paper proposes policy recommendations in three areas： further deepening the forecast and research on clean energy， intensifying the implementation of a series of comprehensive policies to advance the clean energy transition， and scientifically constructing a dynamic adjustment mechanism for clean energy development objectives.

Key Words： "Dual Carbon" targets; Clean energy; Meta-analysis