区域间工业碳排放绩效差异的再检验——基于中国30个省市面板数据的研究

刘玉飞 ，石 奇 ，刘 聪

(1.南京财经大学产业发展研究院，江苏南京210046；2.南京财经大学财税学院，江苏南京210046；3.南京财经大学产业发展研究院，江苏南京210046）

一、引言

工业能源碳排放在中国总碳排放中占据极其重要的位置,也是中国发展低碳经济，开展节能减排工作的重心所在。根据测算，1980～2005年年间，中国终端工业能源消费量占中国总能源消耗量的60%左右[1]，是碳排放的主要根源。考虑到我国地域广泛，且不同区域历史背景、经济条件存在很大差异，因而不同区域之间的工业碳排放绩效存在差异在所难免。基于此，笔者将中国分为东部沿海地区、中部地区、西南地区、西北地区、东北老工业基地等五大区域，探讨这些区域碳排放绩效水平，并在此基础上对影响这些区域碳排放绩效水平的因素进行评价和分析，以期为我国政府在各地区开展有差别的节能减排工作提供借鉴。

自20世纪70年代以来，环境的不断恶化引起了各国的广泛关注。近年来，关于碳排放绩效问题，国内外学者们也进行了不同程度的研究。纵观学者们的研究成果，用于评价碳排放绩效的指标有碳强度、碳排放系数、能源强度等。M i e l n i k与G o l d e m b e r g在对发展中国家的碳排放状况进行评价时，提出了碳化指数(C a r b o n i z a t i o n I n d e x)度量法[2]。S u n则认为，评价国家能源政策和节能减排效果的理想指标是单位二氧化碳排放量[3]。然而，深入研究就会发现，反映碳排放绩效的这些评价指标存在一定程度的片面性，从某种意义上来说，并不能真实测度碳排放绩效水平。由此可见，仅考虑单一能源要素的评价指标会忽视生产中其他投入要素的替代效应，无法对碳排放效率作出真实、有效的测度。

目前，测量碳排放绩效的主流方法是D E A(D a t a E n v e l o p m e n t A n a l y s i s),而且学者们认为将能源消费、经济发展以及碳排放纳入考虑范围，能使得碳排放绩效的评价更全面、更合理[4]。到目前为止，按照此种思路对碳排放绩效相关问题进行研究的学者们有已有Z a i m和 T a s k i n（2002）、 Z o f i o（2001）、 K o r t e l a i n e n，（2008） P.Z h o u（2010）、王群伟 （2010)等[5~8]。另外，在探讨碳排放绩效影响因素时，有学者以库茨涅茨曲线为载体，研究分析了经济发展与二氧化碳排放的倒U形关系。目前中国正在进入以重化工业快速发展为特征的工业化中期阶段，碳排放处在上升阶段,工业碳排放是我国政府节能减排工作的核心。基于此，笔者借鉴前人的研究方法，将我国进行五大区域划分，尝试在全要素分析框架下测度这五大区域工业的动态碳排放绩效水平，并在此基础上，探讨这五大区域工业碳排放绩效的影响因素，以期为各区域的节能减排工作提供借鉴。

二、工业碳排放绩效的测度方法

在生产过程中，产出越大，对社会的负面效应越大的一类产品，通常被我们称之为非合意性产出，碳排放就是工业生产中的一种非合意性产出(也可以称之为“坏产品”)。笔者以前人研究为基础，加入非合意性产出指标，测度了中国五大区域工业碳排放绩效水平。

（一）环境技术的测度

查阅相关文献会发现，合意性产出、非合意性产出和要素投入之间的技术结构关系通常被学者们称之为“环境技术”，例如F a r e等人[9]。分别令向量yd、yu与x表示合意性产出、非合意性产出与投入要素，矩阵X∈R+为投入矩阵，矩阵Y∈R+为产出矩阵，则产出矩阵Y可以表示为:

式（1） 中，合意性产出用O×N矩阵Yd代表，非合意性产出用S×N矩阵Yu代表。因而，环境技术可表示为 （2） 式：

式（2）中，闭合、有界、凸性特征及投入要素和期望产出的强可处置信（We a k D i s p o s a b i l i t y)及“零结合”性(N u l l－j o i n t n e s s)在环境技术中均成立[10]。设有N个决策单元，i=1,…，N，（xi,yid,yiu）为投入产出向量，参照Z h o u(2010)[11]可以构造出两种不同规模报酬特性下环境技术的表达式。

在规模报酬不变(C R S)条件下的环境技术：

在规模报酬变化(V R S)条件下的环境技术：

(二)碳排放的S h e p h a r d投入距离函数与碳排放绩效指数

由于碳排放为非合意性产出，在用D E A测算其排放绩效时，需要在传统方法的基础上取倒数，借鉴T y t e c a的方法，碳排放绩效指数即为非合意性产出的S h e p h a r d投入距离函数的倒数[12]。由此，碳排放的S h e p h a r d投入距离函数定义为：

式(5)中，x、yd分别表示投入要素与合意性产出，c为碳排放(即非合意性产出yu）。此时，就可以用碳排放的S h e p h a r d投入距离函数来估算绩效指数。碳排放绩效的变动进度依据M a l m q u i s t碳排放绩效指数(M C P I)来测度：

式（6） 中，t与t+1为两个时间段，D M U t在t，(t+1)时期相对于当期技术前沿的碳排放的S h e p h a r d投入距离函数分别为，D M Ui在t，（t+1） 时期相对于t+1(t)技术前沿的碳排放的S h e p h a r d投入距离函数分别为。M C P Ii(t,t+1)测度了D M Ui以时期t为基期t+1期的碳排绩效变化率。根据以上测量方法，若M C P Ii(t,t+1)>1，表示D M Ui的碳排放绩效在提升，反之，若M C P Ii(t,t+1)<1，则表示D M U i的碳排放绩效在下降。M C P I i(t,t+1)与M a l m q u i s t生产率指数相同，可以分解为技术效率变化（effchi(t，t+1)）与技术进步

式(7)与式(8)是在规模报酬不变情况下对M C P I i(t，t+1)的分解结果。因此，最终技术效率与技术进步的乘积表示碳排放绩效变化率。

三、区域工业碳排放绩效结果及分析

(一)数据来源及变量界定

笔者在评价与分析中国五个区域工业碳排放绩效时，以全要素分析框架为基础，以2005~2010年中国30个省市（不包括西藏、香港、澳门和台湾）的工业为样本。考虑到能源消耗是一种中间投入，最终，合意性产出指标用区域工业总产值（以2005年为基期进行了平减）表示，非合意性产出指标用工业能源碳排放量表示，劳动投入指标用当年工业从业人员年平均数表示，资本投入指标用固定资产净值年平均余额（以2005年为基期平减）表示，能源投入指标用终端能源消费量表示。以上各指标数据均来源于《中国统计年鉴》、《中国能源统计年鉴》以及中经网和国研网的统计数据库。另外，区域工业能源碳排放量指标数据是依据公式：

折算而来，（9）式中,C单位为万吨，表示碳排放量；Ej单位为万吨标准煤，表示能源消费量；Kj单位为吨/吨标准煤，表示第j种能源的碳排放系数。

根据能源消费量测算碳排放量,最关键的是确定碳排放系数。从现有的研究来看,确定碳排放系数较为常见的方法是使用I P C C的数据。本文中的碳排放系数是借鉴《低碳经济发展中的碳排放驱动因素实证研究——以浙江省为例》 （叶晓佳，2011）中的数据，以此为基础测算各种能源的工业碳排放量[13]。

（二）实证结果与分析

表1 能源碳排放系数 吨/吨标准煤

表2 投入导向下2005～2010年中国区域工业碳排放效率DEA评价结果

由于静态碳排放绩效不能很好地说明问题，因而笔者以规模报酬不变为基础，测度M a l m q u i s t碳排放绩效指数，以反映区域工业动态碳排放绩效水平。笔者在规模报酬不变的情况下，以投入产出指标数据为基础，依据方程（5～8）计算出中国区域工业碳排放的绩效变化值，最终得到的结果如表2所示。

图1 中国30个省市工业碳排放绩效变化均值

图1为中国30个省市工业碳排放绩效在2006~2010年共5年时间内的绩效变化均值。根据图1可知，全国大多数省区市的工业碳排放绩效都呈上升势头，其中海南省最为突出，增长幅度最大，增长率超过14%；另外，北京、天津、江苏、江西和四川增长幅度也较大，增长率超过9%；此外，山西、内蒙古、山东、贵州、云南和甘肃5省工业碳排放呈下降趋势。图中还可以看出，上海、浙江的节能减排工作初具成效。

图2 中国五大区域工业碳排放绩效变化均值

从图2可以看出，工业碳排放在中国五大区域1分布存在差异。其中，东北老工业地区碳排放绩效增幅高于东部沿海地区、西北地区、西南地区以及中部地区。中部地区工业碳排放绩效增幅最弱。

图3 全国各省市区平均工业碳排放绩效指数

从时间层面上来看，2006~2010年全国各省区市平均工业碳排放绩效指数分别为1.075、1.060、1.031、1.040、0.985。由图可见，我国整体工业碳排放变化在波动中呈逐渐下降状态，说明节能减排工作发挥了一定的作用。

四、各区域工业碳排放绩效的影响因素分析

上文评价分析了中国五大区域工业碳排放绩效的动态变化情况，接下来，笔者将进一步探讨影响区域工业碳排放绩效的因素，这也是我国各区域工业碳减排工作的基础。笔者借鉴相关学者的研究文献，以相关理论为基础，总结提炼了可能影响我国区域工业碳排放绩效的因素，最终得到可能的影响指标及对应含义如表3所示。

表3 工业碳排放绩效影响因素变量定义与说明

为了保证数据的完整性与可靠性，笔者以2005～2010年为样本区间。与此同时，将上述的可能影响因素指标作为自变量，因变量则采用M a l m q u i s t工业碳排放绩效指数的累计值，最终得到回归方程如下:

表4 全国范围内Malmquist工业碳排放绩效影响因素回归结果

表5 中国五大区域Malmquist工业碳排放绩效影响因素回归结果

式(10)中，M a l m q u i s t工业碳排放绩效指数的累计值用J X Z H L J表示；G Y F Z、G Y G M、G Y C Q、Q Z G Y、N Y J G、N Y Q D和S Z G Y分别表示地区工业发展水平、工业规模结构、工业产权结构、轻重产业结构、能源结构、能源强度和“三资”工业企业份额。为缓解异方差性和序列相关性，笔者选用广义最小二乘法(G L S)对模型进行估计。另外，根据H a u s m a n检验结果，采用固定效应模型对M a l m q u i s t工业碳排放绩效进行回归更有效。最终得到的回归结果如表4、表5所示。

五、研究结论及启示

从动态绩效变化上看，样本期间全国工业碳排放绩效大体上处于上升状态，平均增幅为3.9%，与2003~2008年的数据相比有所下降。就区域层次而言，东北老工业地区工业碳排放绩效增幅高于东部沿海地区、西北地区、西南地区以及中部地区，其中中部地区工业碳排放绩效最弱。东部沿海地区、东北老工业地区、西北地区、西南地区以及中部地区技术进步累计增加值分别为80.3%、19.8%、10.3%、9.4%、9.7%，而五大区域的技术效率累计增幅分别为-25.3%、-2.1%、7.7%、2.4%、5.9%。由此可见，技术进步对各区域工业碳排放绩效有一定的推动作用，其中西北地区表现得最为明显。而技术效率对各区域的推动作用相对较小，其中东部沿海地区以及东北老工业地区的技术效率累计值为负。因而，在进行节能减排的过程中，应注意经验、制度安排等方面的交流扩散，以提升节能减排的效率，从而实现节能减排的整体目标。

在全国范围内，工业碳排放绩效影响因素中工业产权结构（即地区国有及国有控股工业比重）、“三资”工业企业份额（即地区“三资”工业比重）有显著的正面影响，即在其他因素相对不变的情况下，国有及国有控股工业企业总产值与工业总产值的比值、“三资”工业企业总产值与工业总产值的比值每增加一个百分点，将导致工业碳排放绩效分别提高0.9227、0.7609个百分点。而工业规模结构（即地区大型工业企业比重）、轻重工业结构（即地区重型工业企业比重）具有显著的负面影响，即在其他因素相对不变的情况下，大型工业企业总产值与工业总产值的比值、重型工业企业总产值与工业总产值的比值每增加一个百分点，将使得工业碳排放绩效分别降低0.0043、1.1058个百分点。

此外，从全国五大区域来看，各变量的影响效应存在很大差异。例如，在西部地区和东部地区，工业结构对工业碳排放具有显著的正效应。在东部沿海地区、东北老工业基地和中部地区，工业规模对工业碳排放具有显著的负效应，尤其，对于东北老工业基地而言，工业规模每增加一个百分点，工业碳排放就减少3.54个百分点，由此可见，规模效益得到充分发挥。工业产权结构在西南地区对工业碳排放有显著的负效应，而在东部沿海地区则对工业碳排放具有显著的正效应。三资工业比重在西南地区和中部地区对工业碳排放具有显著的正效应，而在东部沿海地区对工业碳排放具有显著地负效应。能源结构在东北老工业基地和西南地区对工业碳排放具有显著的正效应。

从区域差距来看，不同地区变量的显著性不同，说明在实行节能减排政策时，不能一概而论，而应该根据地区间的差异有区别地实施。近年来，我国的节能减排工作重心在重型工业，由以上分析知，重型工业比重对碳排放绩效有负面影响，这说明了节能减排初见成效，此外，还应在同样对工业碳排放绩效有负面影响的大型工业企业上下工夫，从而在低碳经济背景下走工业经济可持续发展之路。

利用统计数据的实证结果，分析在不同地区间实行有差别的节能减排政策，将是笔者未来的研究方向。

[1]Liu L C，Fan Y，Wu G.Using LMDIMethod to Analyze the Change of China’s Industrial CO2Emissions from Final Fueluse:An Empirical Analysis［J］.Energy Policy，2007，35(11):892－900.

[2]Michio Watanabe，Katsuya Tanaka.Efficiency Analysis of Chinese Industry:A Directional Distance Function Approach［J］.Energy Policy，2007，35:6323－6331.

[3]Sun JW.The Decrease of CO2 Emission Intensity is Decarbonization at National and Global Levels［J］.Energy Policy，2005，33:975－978.

[4]Ramanathan R.Combining IndicatorsofEnergyConsumption and CO2Emissions:Across Country Comparison［J］.International Journal of Global Energy Issues，2002，17:214-227.

[5]Zaim O，Taskin F.A Kuznets Curve in Environmental Efficiency:An Application on OECD Countries［J］.Environmental and Resource Economics， 2000， 17:2-36.

[6]Zofio J L，Prieto A M.Environmental Efficiency and Regulatory Standards:the Case of CO2Emissions from OECD Industries［J］.Resource and Energy Economics，2001，23:63－83.

[7]Zhou P,Ang BW,Poh K L.Measuring Environmental Performance under Different Environmental DEA Technologies［J］.Energy Economics，2008，30:1－14.

[8]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素［J］.中国工业经济，2010，1:45－54.

[9]Fare R，S Grosskopf，A Carl，Pasurka.Environmental Production Functions and Environmental Directional Distance Functions［J］.Energy，2007，32:1055－1066.

[10]MichioWatanabe，Katsuya Tanaka. Efficiency Analysisof Chinese Industry:A Directional Distance Function Approach[J].Energy Policy，2007，35:6323－ 6331.

[11]Zhou P，Ang BW，JY Han.Total Fator Carbon Emission Performance:A Malmquist Index Analysis［J］. Energy Economics，2010，32:194－201.

[12]Tyteca D.Linear ProgramingModels for theMeasurementof Environmental Performance of Firms－concepts and Empirical Results[J].Journal of Productivity Analysis，1997，8:183－197.

[13]叶晓佳，孙敬水，董立锋.低碳经济发展中的碳排放驱动因素实证研究——以浙江省为例[J].经济理论与经济管理,2011(4):13-23

[14]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories,Vol.2 Energy［EB/OL］.http://www.ipccnggip.iges.or.jp/public/2006gl/pdf/2_volume2/v2_1_Ch1_Introduction_pdf,2006－12－17.

[15]查建平，唐方方，傅浩.产业视角下的中国工业能源碳排放Divisia指数分解及实证分析［J］.当代经济科学，2010，32(5):88－94.

[16]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长［J］.经济研究，2010(5):95-109.

[17]庞瑞芝，李鹏.中国新型工业化增长绩效的区域差异及动态演进［J］.经济研究，2011(11):36-47.

[18]杨俊,邵汉华.环境约束下的中国工业增长状况研究——基于Malmquist-Luenberger指数的实证分析[J].数量经济技术经济研究，2011（9）:64-78.

[19]刘瑞祥.资源环境约束下中国经济效率的区域差异及动态演进[J].产业经济研究，2012（4）：43-52.

[20]查建平，郑浩生，唐方方.中国区域工业碳排放绩效及其影响因素实证研究[J].软科学，2012，26（4）：1-6.