气候变化问题是当今世界关注的热点问题,尤其是二氧化碳排放增加引起的全球变暖问题,已经威胁到人类的生存和发展,是当今世界亟需解决的重大问题之一。作为最大的发展中国家,我国经济正处于转型期,后工业化进程的持续推动会进一步加剧我国经济增长和污染排放之间的矛盾,从而我国面临的减排压力更加严峻。近年来,我国积极发展低碳经济,大力倡导节能减排,社会对碳减排问题关注度日益提升,如何在经济稳定发展的同时,有效利用能源并减少二氧化碳排放,完成碳减排目标,实现经济与环境的协调发展,是我国发展低碳经济和绿色经济、走可持续发展道路的关键命题。本文以碳排放效率角度为切入点,基于全国及30个省市的碳排放数据,结合超越对数生产函数,构建基于随机前沿分析法(SFA)的碳排放效率模型,测算分析我国及各省市的碳排放效率情况。通过核密度估计和空间分布分析,得出我国各省市的碳排放效率总体呈一定的上升和趋同态势,东、中、西和东北部地区之间存在较大差异。在此基础上,综合选取经济发展水平、产业结构、能源消费结构、城市化水平、外贸依存度和所有制结构7个影响因素,利用SFA模型定量分析各影响因素与碳排放效率的关系。基于碳排放效率及影响因素的实证分析结果,从碳排放效率测算模型的实质和碳强度概念的定义出发,结合三大区域碳排放效率和碳强度的实际变化趋势以及两者在空间分布上的特点,找出碳强度和碳排放效率之间的关联,并利用SPSS验证碳排放效率筛选得出的影响因子对碳强度也产生作用。分析结果表示我国及各省市的碳排放效率和碳强度在数量上呈反向变动关系,在空间分布上相似性极高,且筛选得出的因素对二者的影响方向一致,证实了碳排放效率和碳强度之间存在关联。分析确定碳强度的影响因素后,本文提出了基于改进粒子群优化的极限学习机算法(IPSO-ELM),利用IPSO算法优化ELM的输入权值和隐含层阈值,充分发挥改进PSO算法的全局寻优能力和ELM模型的快速学习能力,对全国及9个典型省市的碳强度进行实证预测,结果显示该模型具有良好的拟合性能,进一步验证了本文提出的IPSO-ELM模型和碳强度影响因素选择方法是可行且有效的。最后,针对各影响因素,相应地提出了全国及区域碳减排的建议。