2007～2020年税调企业碳排放面板数据（分省份电网排放因子）

2117 字 约 7 分钟 数据资料 面板数据企业数据碳排放

今天给大家分享一份 2007～2020 年税调企业碳排放面板数据（分省份电网排放因子）。该数据基于全国税收调查数据（税调）中的企业层面能源消费信息，采用排放因子法直接估算各税调企业的碳排放量。与 RStata 数据中心此前发布的「全国统一电力因子（7.5 吨CO₂/万千瓦时）」版本不同，本版将电力碳排放因子替换为各企业所在省份的电网平均二氧化碳排放因子后重新计算（煤炭、石油、天然气系数不变）。

之前统一用 7.5 吨CO₂/万千瓦时的版本在这里：

2007～2020 年税调企业碳排放面板数据：https://rstata.duanshu.com/#/brief/course/3c397a6dd3054d688d3bd8f4ed7bd053

该碳排放测算方法来自吴超鹏等（2025）发表于《中国工业经济》的论文《高管股权激励与企业碳排放：绿色发展背景下的企业激励机制研究》。论文原文中对碳排放测算方法的描述（第144页脚注②）如下：

本文的碳排放量指标参考现有文献（Lee et al., 2022; 周泽将等, 2022）的做法，根据全国税收调查数据中的企业用电量、煤炭、石油和天然气的消费量数据，利用排放系数法计算得到。

排放系数

论文中使用的煤炭、石油、天然气碳排放系数与论文一致；电力排放因子改为按企业所在省份的电网平均值取值（本版相对原版的唯一方法学改动）：

能源品种 碳排放系数 消费量单位
电力 按企业所在省份电网平均二氧化碳排放因子（吨CO₂/万千瓦时）① 万千瓦时
煤炭 1.89 吨CO2/吨 吨
石油 3.02 吨CO2/吨 吨
天然气 21.68 吨CO2/万标立方米 万标立方米

① 电力排放因子取自生态环境部《2023 年电力二氧化碳排放因子》表3（省级），原始单位为 kgCO₂/kWh，换算为吨CO₂/万千瓦时 = kgCO₂/kWh × 10（例如北京 0.5554 → 5.554）。覆盖 30 个省级行政区（不含西藏、香港、澳门、台湾）；未匹配到地理位置或表3未覆盖的观测回退全国均值 7.5。

分省份电网排放因子说明（与全国统一因子版本的差异）

本数据集是 RStata 数据中心在原始「全国统一电力因子 7.5」版本基础上，将电力因子替换为各企业所在省份电网平均排放因子重新计算的版本。各企业所在省份的判定依据如下：

  • 税调企业（sdid）：按 sdid 关联 地理位置/2007~2020年税调经纬度及其所处的省市区县数据.dta 的省代码（税调企业地理位置）。

重算后各数据集的覆盖情况与碳排放总量变化（对比全国统一 7.5 版本）如下：

数据集 观测值 使用省级因子 回退 7.5 碳排放总量变化
税调企业（sdid）2007–2020 8,526,612 96.21% 3.79% (322,744) −0.0013%（≈0）

税调企业总量变化接近 0，是因为该数据集中电力碳排放仅占总碳排放的 0.0045%（大量能耗为煤炭），因此即便电力因子整体下调约 29%，对总量影响也可忽略。其电力部分实际已正确按省份下调（加权平均电力因子由 7.5 降至约 5.35）。

数据处理流程

整个测算流程分为以下几个步骤：

  1. 读取税调企业能源消费数据（2007～2020 年各税调企业电力、煤炭、燃油、天然气消费量面板数据）
  2. 按 sdid 关联地理位置获取企业所在省份，并以省级电网排放因子计算电力碳排放（其余能源按固定系数）
  3. 对税调企业层面的碳排放进行缩尾处理（1% 和 99% 分位数），总碳排放下限取 0
  4. 从 sdid 中提取年份信息，计算对数和反双曲正弦变换变量
  5. 生成最终的税调企业碳排放面板数据

税调企业地理位置数据在这里：

2007~2020 年税调企业地理信息数据（含经纬度及其所处的省市区县）：https://rstata.duanshu.com/#/brief/course/39f5d95ad58841628fa4d935371bf3fd

数据概览

该数据为税调企业层面的碳排放面板数据（2007～2020 年），包含以下变量：

  • sdid：税调企业 ID
  • 年份：观测年份
  • total_co2_ton：总碳排放量（吨 CO2）
  • ln_total_co2：总碳排放量加 1 取自然对数
  • asinh_total_co2：总碳排放量的反双曲正弦变换
  • total_co2_ton_winsor：缩尾处理后的总碳排放量（吨 CO2）
  • ln_total_co2_winsor：缩尾后总碳排放量加 1 取自然对数
  • asinh_total_co2_winsor：缩尾后总碳排放量的反双曲正弦变换
  • electricity_co2：电力消费产生的碳排放量（吨 CO2）
  • coal_co2：煤炭消费产生的碳排放量（吨 CO2）
  • oil_co2：石油消费产生的碳排放量（吨 CO2）
  • gas_co2：天然气消费产生的碳排放量（吨 CO2）
  • 各能源消费量（电力：万千瓦时；煤炭、石油：吨；天然气：万标立方米）
  • 其他气体燃料_万标立方米：其他气体燃料消费量

数据预览如下：

图表展示

下图展示了 2007～2020 年税调企业平均碳排放量的时间趋势：

下图展示了税调企业碳排放量的分布情况：

下图展示了税调企业各能源碳排放的结构：

处理代码

下面展示使用 R 语言计算税调企业碳排放（分省份电网排放因子）的核心代码：

# 加载包
library(haven)
library(dplyr)
library(tidyr)
library(readxl)
library(labelled)

# 1. 读取省级电力排放因子（生态环境部 2023 年表3），kgCO2/kWh → 吨CO2/万千瓦时
prov_factor <- read_xlsx("表3_省级电力平均二氧化碳排放因子.xlsx") %>%
  mutate(电力因子 = `电力排放因子(kgCO2/kWh)` * 10)  # ×10 换算

# 2. 读取税调企业能源消费数据（含 sdid）
energy_data <- read_dta("2007～2020年各税调企业电力、煤炭、燃油、天然气消费量面板数据.dta")

# 3. 税调企业：按 sdid 关联地理位置获取省代码
geo <- read_dta("地理位置/2007~2020年税调经纬度及其所处的省市区县数据.dta") %>%
  select(sdid, 省代码)
energy_data <- energy_data %>%
  left_join(geo, by = "sdid") %>%
  left_join(prov_factor, by = "省代码")

# 4. 计算各能源碳排放：电力改用省级因子，缺失回退 7.5；总量下限取 0
carbon_emission <- energy_data %>%
  mutate(
    电力因子_实际 = if_else(is.na(电力因子), 7.5, 电力因子),
    electricity_co2 = `电力消费量_万千瓦时` * 电力因子_实际,
    coal_co2 = `煤炭消费量_吨` * 1.89,
    oil_co2  = `油消费量_吨` * 3.02,
    gas_co2  = `天然气_万标立方米` * 21.68,
    total_co2_ton = pmax(coal_co2 + oil_co2 + gas_co2 + electricity_co2, 0)
  )

# 5. 缩尾处理（1%和99%分位数）
q01 <- quantile(carbon_emission$total_co2_ton, 0.01, na.rm = TRUE)
q99 <- quantile(carbon_emission$total_co2_ton, 0.99, na.rm = TRUE)
carbon_emission <- carbon_emission %>%
  mutate(total_co2_ton_winsor = case_when(
    total_co2_ton < q01 ~ q01,
    total_co2_ton > q99 ~ q99,
    TRUE ~ total_co2_ton
  ))

# 6. 从 sdid 提取年份并计算变换变量
carbon_emission <- carbon_emission %>%
  mutate(
    年份 = as.integer(substr(sdid, 1, 4)),
    ln_total_co2 = log(total_co2_ton + 1),
    ln_total_co2_winsor = log(total_co2_ton_winsor + 1),
    asinh_total_co2 = asinh(total_co2_ton),
    asinh_total_co2_winsor = asinh(total_co2_ton_winsor)
  )

# 保存结果
write_dta(carbon_emission, "2007～2020年税调企业碳排放面板数据（分省份电网排放因子）.dta")

附件中也提供了该数据的处理代码供参考：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 2007～2020年税调企业碳排放面板数据（分省份电网排放因子）. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Panel Data on Carbon Emissions of Tax-Survey Enterprises (by Province Grid Emission Factors), 2007–2020. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

中国各省市碳排放量是如何计算的？R 语言栅格数据转面板数据：https://rstata.duanshu.com/#/course/75de598dcfcc4ad0b9ff28bff27f6b83

使用 R 语言整理中国省份碳排放面板数据：https://rstata.duanshu.com/#/course/3c2e9404d17243a9b9e5ce51046675cd

使用 Stata 分析世界各国人为碳排放量数据（1990～2020 年）：https://rstata.duanshu.com/#/course/b7f155d2fee0405b8c7d62a9b41a2921

点击这里跳转到 RStata 短书平台获取附件：2007～2020年税调企业碳排放面板数据（分省份电网排放因子）

相关文章

评论