名师讲堂|使用 Python 根据上市公司及其子公司与税调匹配结果测算碳排放

由于借助 AI 工具学习编程已经变得非常容易了，因此之后的课程就不再默认进行视频讲解了，如果特别需要视频讲解也可以联系李老师预约讲解～讲义材料学习过程中遇到的问题也可以及时与李老师联系。

购买 RStata 名师讲堂会员即可参加该课程啦（之前的和未来的都可以参加）！

价格：2800/年 或者 4800/长期

购买会员可以从这里下单：https://rstata.duanshu.com/#/card/list/

名师讲堂会员权益：

1. 参加每个月 3～4 次的名师讲堂课程；
2. 参加平台上的其他 R 语言和 Stata 的课程；
3. 以会员折扣价购买我们分享的数据资料（10 元/份）；
4. 课程内外的提问解答服务（课程外的尽量帮忙解决）。

* 如果发票可添加小编微信 r_stata2 （RStata 李老师）开具。如需数据资料，购买后可添加小编微信免费领取数据折扣卡。

更多关于 RStata 会员的更多信息可添加微信号 r_stata2 咨询：

课程主页（点击文末的阅读原文即可跳转）：https://rstata.duanshu.com/#/brief/course/4f17013021be4a2d88a310ad6fbceb98

指标来源

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》。该论文采用排放因子法，基于全国税收调查数据（税调）中企业层面的能源消费信息来估算上市公司的碳排放量。

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。

核心思路是：上市公司自身的能源消费数据通常不可直接获取，但通过将上市公司及其子公司与税调企业进行名称匹配，可以间接获得这些企业的能源消费数据，再利用各能源品种的碳排放系数计算出碳排放量。

计算过程

排放系数

论文中使用的各能源品种碳排放系数如下：

论文中提到的 “每兆瓦时电力的碳排放因子为 7.5 吨” 应该是笔误，10兆瓦时 = 1万kwh，按照《节能低碳技术推广管理暂行办法》里面的描述 0.75kgCO2/kWh = 7.5吨CO2/万千瓦时。

碳排放量的计算公式为：

其中 E 为各能源的消费量，α 为对应的碳排放系数。

数据匹配与汇总流程

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. 计算各税调企业的碳排放量（消费量 × 碳排放系数）
3. 对税调企业层面的碳排放进行缩尾处理（1%和99%分位数）
4. 计算上市公司碳排放（母公司层面）：将税调与上市公司匹配结果合并，按上市公司-年份汇总
5. 计算全资子公司碳排放：筛选持股比例为100%的全资子公司，与税调匹配后汇总
6. 合并母公司和子公司碳排放数据，生成最终面板数据

关于全资子公司的筛选

论文中特别指出，对于子公司的碳排放，仅保留持股比例为100%的全资子公司。总持股比例的计算方式为：

仅保留总持股比例等于100%的子公司，这是为了确保对子公司碳排放的归因准确性。

变量说明

最终生成的数据包含以下变量：

• total_carbon_emission_ton：总碳排放量（母公司 + 全资子公司），单位：吨CO2
• ln_carbon_emission：总碳排放量加1取自然对数
• asinh_carbon_emission：总碳排放量的反双曲正弦变换
• total_carbon_emission_ton_winsor：缩尾处理后的总碳排放量
• parent_carbon_emission_ton：母公司层面碳排放量
• sub_carbon_emission_ton：全资子公司碳排放量
• 各能源碳排放明细（煤炭、石油、天然气、电力）
• 各能源消费量（原始单位）

使用 reticulate 创建与管理 Python 虚拟环境

在 R 中通过 reticulate 包来调用 Python，最好的实践是为项目创建一个专属的 Python 虚拟环境，将所需依赖隔离到独立空间，避免与系统 Python（如 Anaconda）发生版本冲突。

重要说明（避免"已初始化"报错）：reticulate 在 R 会话中只能绑定一次 Python——一旦某个 {python} 代码块运行，Python 解释器就被锁定，之后再调用 use_virtualenv() 会报错：

ERROR: The requested version of Python cannot be used, as another version has already been initialized.

因此，虚拟环境的激活必须在所有 {python} 代码块之前完成。本文档的解决方案是在 setup chunk 中通过 Sys.setenv(RETICULATE_PYTHON = ...) 提前锁定 Python 路径，这是 reticulate 选取 Python 的最高优先级入口。

安装 reticulate（仅首次）

虚拟环境初始化原理（已在 setup chunk 中完成）

本文档的 setup chunk（隐藏运行）包含如下逻辑：

这样做的关键在于：knitr 在处理第一个 {python} chunk 时，reticulate 已经通过 RETICULATE_PYTHON 环境变量知道要使用 .venv，不会再去碰 Anaconda。

在虚拟环境中安装 Python 包（仅首次）

验证激活状态

计算代码

下面使用 Python 完成整个测算过程。需要安装 pandas 和 numpy 两个包。

第一步：读取数据文件

第二步：定义排放系数

第三步：计算各税调企业的碳排放量

第四步：缩尾处理

第五步：计算上市公司碳排放（母公司层面）

第六步：筛选全资子公司并计算碳排放

第七步：合并母公司和子公司碳排放数据

第八步：查看结果

第九步：各年份样本分布

第十步：添加变量标签并保存结果

如何参加课程？

购买 RStata 名师讲堂会员即可参加该课程啦（之前的和未来的都可以参加）！

价格：2800/年 或者 4800/长期

购买会员可以从这里下单：https://rstata.duanshu.com/#/card/list/

名师讲堂会员权益：

1. 参加每个月 3～4 次的名师讲堂课程；
2. 参加平台上的其他 R 语言和 Stata 的课程；
3. 以会员折扣价购买我们分享的数据资料（10 元/份）；
4. 课程内外的提问解答服务（课程外的尽量帮忙解决）。

* 如果发票可添加小编微信 r_stata2 （RStata 李老师）开具。如需数据资料，购买后可添加小编微信免费领取数据折扣卡。

更多关于 RStata 会员的更多信息可添加微信号 r_stata2 咨询：

课程主页（点击文末的阅读原文即可跳转）：https://rstata.duanshu.com/#/brief/course/4f17013021be4a2d88a310ad6fbceb98