中国区域碳排放绩效评估及减碳潜力研究

曹珂+屈小娥

收稿日期：2014-03-21

作者简介：曹珂，博士生，主要研究方向为统计学。

基金项目：国家社会科学基金项目“基于能源和环境约束的我国工业全要素生产率研究”（编号：13BJY073）；教育部人文社会科学研究规划基金项目“考虑环境效应的中国省际能源效率问题研究”（编号：11YJA790121）；西安交通大学人文社科“学科综合交叉类”基金项目“节能、低碳、环保背景下两型社会建设研究”（编号：sk2014033）。

摘要文章以1995-2010年我国30个省级经济单元为研究对象，在全要素框架下测算并分析了我国各省份的CO2排放绩效、减碳潜力和减碳规模，并研究了CO2排放绩效变动的驱动因素。结论认为，我国各省区CO2排放绩效差异较大，CO2排放绩效较高的省份主要集中在东部沿海经济发达地区，CO2排放绩效较低的省份主要以中西部板块的落后省份为主。减碳潜力和减碳规模测算结果表明，完成2020年单位产值CO2排放比2005年下降40%-50%的行动目标，只有上海、北京、广东、海南、福建、黑龙江、湖南等少数省份能够完成该目标，山西、河北、内蒙、辽宁、贵州、云南、陕西、甘肃、青海、宁夏、新疆等省区是重点监控省份，中西部板块的落后地区是重点监控地区。CO2排放绩效影响因素的回归结果表明，加大政府环保力度、提高研发投入水平、优化产业结构和能源消费结构，对于CO2排放绩效提高将会起到积极作用；工业增加值所占比重、资本/劳动比上升和进出口贸易所占比重增加不利于CO2排放绩效的改善。

关键词CO2排放绩效；减碳潜力；影响因素；结论和启示

中图分类号F124.6文献标识码A文章编号1002-2104（2014）08-0024-09doi:10.3969/j.issn.1002-2104.2014.08.004

随着全球气候变暖，由于CO2排放导致的温室效应已引起世界各国的普遍关注。减少温室气体排放，发展低碳经济，已成为全球性共识。中国是世界上最大的发展中国家，改革以来，中国的国内生产总值从1978年的3 645亿元增加到2012年的518 942.1亿元（按当年价计算），年均增长率稳定在9.8%左右。但持续快速的经济增长也带来了严重的资源环境压力，德国可再生能源研究所的一份报道显示，2011年全球CO2排放量为340亿t，创历史新高。其中，中国以89亿t位居榜首，远超CO2排放量60亿t的美国。为了应对气候变化带来的压力，我国政府制定了到2020年单位GDP的CO2排放比2005年下降40%-50%的行动目标，“十二五”规划也提出了未来五年碳强度下降17%的行动目标，CO2减排已成为政府和学术界共同关注的焦点。然而，由于我国地域辽阔，地区之间异质性特征显著，因此，碳减排政策措施的制定，应充分考虑地区差异。鉴于此，本文以中国省级经济单元为研究对象，以CO2排放绩效及减碳潜力为中心展开研究，研究的根本目的在于，为根据省际实际制定科学的CO2减排目标及政策措施提供经验支持。

1文献综述

国外早期关于碳排放绩效的研究主要集中于两个方面：一是计算单要素指标，即碳强度或碳生产率。Ang将能源强度作为碳指数对气候变化进行研究［1］；Mielnik and Goldemberg提出了用碳指数作为发展中国家应对气候变化的主要评价标准［2］；Sun则用碳强度指标来衡量碳排放绩效［3］；Zhang等认为工业化累计人均排放量和人均单位GDP排放量等新的评价指标是测度碳排放效率的有效指标［4］。Greening等针对OECD国家的碳强度变化特征，应用AWD方法对不同部门的碳排放强度进行了研究［5］。以上研究都以CO2排放总量与某一变量（如GDP、能源消费）的比值来表示碳排放效率，具有“单要素”的特征。随着研究的深入，一些学者开始对数据包络模型（DEA）进行扩展，并将其应用到碳排放绩效的计算和分析中，如Zaim和Taskin［6］、Zofio和Prieto［7］、Zhou et al［8］等学者利 用 不 同 的DEA模型对OECD国家和部分地区碳排放绩效进行了评价。

国内研究中，刘兰翠较早采用AWD方法分析了能源结构、能源强度等对中国初级能源利用碳排放强度以及物质生产部门终端能源利用碳排放强度的影响［9］；张友国基于投入产出结构分解方法分析了1987-2007年经济发展方式变化对中国GDP碳排放强度的影响［10］。潘家华和张丽峰［11］、魏梅和曹明福等［12］对我国碳生产率的区域差异及影响因素进行了分析；孙敬水［13］、刘华军和赵浩［14］等对我国地区碳强度的差异及驱动因素进行了分析。以上研究都是基于单要素指标的计算和分析。杜克锐和邹楚沅［15］、王群伟和周德群等［16］将CO2作为非期望产出，基于非参数方法对我国各地区CO2排放效率进行了研究；李涛、傅强则将CO2排放作为投入，基于非意愿变量的Ruggiero三阶段模型对1998-2008年我国各省区的碳排放效率进行了评价［17］。

可以看出，国内研究起步较晚。①从研究方法看，国内研究多以单要素指标（碳排放强度、碳生产率）为主，在全要素框架下研究中国省际碳排放效率的文献极为少见。②从研究思路看，有限的研究一是将CO2排放作为有害投入引入研究框架，如李涛和傅强［17］；二是将CO2排放作负产出引入研究框架，如王群伟和周德群等［16］。把CO2排放作为投入处理的第一种研究思路与“物质平衡法”相悖［18］；且对于“好”产出与“坏”产出的非对称处理也扭曲了对生产绩效和社会福利水平变化的评价，从而会误导政策建议［19］。③已有文献缺乏对我国各省份减碳潜力的测算与分析，这很难对制定现阶段我国CO2减排的有效环境政策选择提供重要借鉴，也为后续研究提供了较大的探索空间。

本文主要从以下几个方面对已有研究进行扩展：①综合考虑资本、劳动和能源投入，在全要素框架下构建Malmquist CO2排放绩效动态指数，将CO2排放作为“坏”产出纳入研究框架，对我国30个省市区的CO2排放绩效进行测算和分解，探讨CO2排放绩效变动的源泉；②测算分析各省份的CO2减排潜力和减排规模，为制定科学的碳减排政策措施提供依据；③碳排放绩效变动的驱动因素研究，为采取措施提高碳排放绩效提供经验支持；最后是本文的研究结论及政策启示。

2研究方法

假设每个省份使用资本（K）、劳动（L）和能源（E）三种投入要素，生产出一种期望产出地区生产总值（Y）,同时排放出一种非期望产出CO2（C）,则这一生产过程可描述为：f(K,L,E)={(Y,C):(K,L,E,Y,C)∈T}，T表示生产技术集，f(K,L,E)为产出集。本文的研究目的是保持投入要素(K,L,E)不变，各省份在实现期望产出增加的同时，非期望产出CO2排放同比例减少。根据 Fare等［20］，基于产出导向的距离函数可定义为：

D0(K,L,E,Y,C)

=inf{θ:(K,L,E,Y,C)/θ∈f(K,L,E)}（1）

其中:θ表示面向产出的效率指标。根据Caves等［21］，相对于单一技术，基于产出导向的Malmquist CO2排放绩效指数可定义为：MCP0t=D0t(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)

/Dt0(Kt,Lt,Et,Yt,Ct)（2）MCP0t+1=D0t+1(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)

/Dt+10(Kt,Lt,Et,Yt,Ct)（3）式（2）、（3）中：(Kt,Lt,Et,Yt,Ct)和(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)分别表示t时期和t+1时期的投入产出向量；Dt0和Dt+10分别表示以t时期和t+1时期的技术为参照的CO2距离函数。为了避免参照技术选择的随意性而导致的差异，根据Fare等（1994），将Malmquist二氧化碳排放绩效指数（MCP）定义为t时期和t+1时期的几何平均值，即：

MCPt,t+10=D0t(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)Dt0(Kt,Lt,Et,Yt,Ct)×D0t+1(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)Dt+10(Kt,Lt,Et,Yt,Ct)12（4）在规模报酬不变的假设下，将距离函数重新组合，（4）式可进一步分解为技术效率指数（TEF）和前沿技术进步指数（TCP），如（5）式所示：

MCPt,t+10=D0t+1(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)Dt0(Kt,Lt,Et,Yt,Ct)×D0t(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)Dt+10(Kt+1,Lt+1,Et+1,Yt+1,Ct+1)×D0t(Kt,Lt,Et,Yt,Ct)Dt+10(Kt,Lt,Et,Yt,Ct)12

=TEF×TCP（5）（5）式中，技术效率变化指数度量从t+1时期到t时期决策单元实际生产点与前沿面的最大逼近程度，度量的是一种“追赶效应”；技术进步指数度量的是生产前沿面从t+1时期到t时期的移动。全要素CO2排放绩效指数及其分解成的技术效率指数和技术进步指数的变化可能大于1、等于1和小于1，分别表示CO2排放绩效有改进、没有变化和倒退。

因为CO2排放等非期望产出表现为负产出，而DEA模型要求产出向量为非负，因此必须对其进行合理转换。目前的处理方法有：污染物作为投入处理法、加法逆转换法、乘法逆转换法和数据转换函数处理法等。本文主要选取乘法逆转换法（MLT）对负产出CO2排放进行转换，根据MLT法的思路，选取转换函数fki(c)=1/cki，将转换后的数据在技术不变的条件下作为期望产出添加到模型中，经过乘法逆转换后就可以实现期望产出增加的同时，非期望产出CO2排放的减少。

3CO2排放绩效的测算与分析

3.1指标选取及数据说明

本文研究对象为1995-2010年全国30个省市区（台湾、西藏数据不全，不在分析范围之内），涵盖“九五”、“十五”、“十一五”三个时期。基础数据来源于《中国统计年鉴》、《中国能源统计年鉴》和各省份相应年份的统计年鉴，各变量均以1995年为基期进行平减。各投入产出变量说明如下：

（1）投入变量。包括资本、劳动力和能源。①资本投入，采用物质资本存量表示，1995-2000年采用张军［23］的估算结果，2000年以后按照同样方法将资本存量序列扩展到2010年，单位为亿元。②劳动力投入，以人力资本存量表示，具体用居民年均受教育程度衡量，总人力资本存量为从业人员数与平均受教育年限的乘积，单位为万人.年。③能源投入，用各省能源消费总量表示，单位为万吨标准煤。

（2）产出变量。①期望产出，以各省生产总值（GDP）表示，单位为亿元。②非期望产出，主要指CO2的排放，由于我国没有公布CO2排放数据，已有文献主要根据煤炭、石油、天然气三种能源消费量估算，估算结果不够精确。本文CO2排放量根据原煤、原油、天然气、焦炭、汽油、柴油、燃料油、煤油等八种能源终端消费量计算。根据IPCC提供的参考方法，CO2排放量由各种能源导致的CO2排放估算量加总得到。具体计算公式为：

∑ni=1CO2i=∑ni=1Ei×NCVi×CEFi×COFi×(44/12)（6）

其中：n表示各行业能源消费种类，Ei第i种能源终端消费量，NCVi为第i种能源的平均发热量，CEFi为第i种能源单位发热量的含碳量，COFi为第i种能源的氧化水平，44和12分别是CO2和碳的分子量。首先计算出第n种能源的CO2排放量，将所有n种能源的CO2排放量加总就得到各行业CO2排放总量。

3.2CO2排放绩效的测算与分析

根据DEAMalmquistCO2排放绩效指数模型，运用DEAP2.1软件，计算出1995-2010年全国30个省份的全要素CO2排放绩效指数，计算结果见表1。

（1）从区域差异看，八大经济区CO2排放绩效差异较大。样本考察期内，北部沿海最高，东部沿海第二，东北综合经济区第三，南部沿海第四，依次为大西北综合经济区、黄河中游、长江中游和大西南综合经济区。其中，北部沿海、东部沿海和南部沿海CO2排放绩效一直呈持续改进趋势，但增长率自2006年以后趋缓。东北综合经济区、黄河中游和大西南CO2排放绩效自2006年以后出现负增长，这反映出这些地区与最优生产边界的距离有进一步拉大的趋势。长江中游CO2排放绩效自2003年开始出现下降，大西北CO2排放绩效则一直呈持续改善。全国范围内，CO2排放绩效年均增长1.92%，其原因在于前沿技术进步和技术效率的共同推动，但自2006年以后，CO2排放绩效出现一定程度的退化，效率衰退是根本原因。

（2）分省区看，CO2排放绩效最高的五个省市依次为北京、上海、广东、天津、江苏，这五个省市CO2排放绩效年均增长率几乎都在4.0%以上，特别是北京，15年间CO2排放绩效一直呈持续增长趋势，“九五”、“十五”、“十一五”期间，CO2排放绩效年均增长率分别为3.2%，18.1%和0.28%，这几个省市除江苏外，大部分时间技术效率保持不变（为1），CO2排放绩效的持续增长主要来源于前沿技术进步的贡献。江苏、黑龙江、辽宁、山东、山西、陕西、新疆、吉林、浙江、河北等省份CO2排放绩效年均增长率介于2.0%-4.0%之间；云南、海南、湖南、重庆、甘肃、福建、江西、青海、宁夏、内蒙等省份CO2排放绩效年均增长率介于1.0%-2.0%之间；广西、四川、湖北、贵州、河南、安徽等省份CO2排放绩效出现恶化，年均增长率为负，技术退步和效率恶化是主要原因。

（3）从动态演变趋势看，CO2排放绩效呈明显改善的省市包括上海、江苏、浙江、北京、天津、青海、宁夏、新疆、云南，这些省市的CO2排放绩效随时间推移经历了一个明显的“正J型”变化过程。CO2排放绩效呈明显恶化的省份包括山西、陕西、内蒙、吉林、黑龙江、安徽、江西、河南、湖南、甘肃，这些省区的CO2排放绩效经历了一个明显的“反J型”变化过程，CO2排放绩效下降趋势明显。广西、海南、贵州CO2排放绩效呈现“先改善、后恶化”的“倒U型”变化趋势，转折点出现在2002年。广东、河北、辽宁、福建、山东、湖北、重庆、四川等省份的CO2排放绩效保持不变，上升趋势并不明显。2000年以前，地区之间CO2排放绩效呈东—中—西的演变格局；2000年以后，地区之间CO2排放绩效呈现出明显的东—西—中演变格局，“中部塌陷”应该引起高度重视。

表1全要素CO2排放绩效指数及其分解结果

Tab.1Results of total factor emission performance of CO2 index

地区

Region全要素CO2排放效率

Total factor CO2

emissions efficiency前沿技术进步指数

Forefront of technological

advances index技术效率指数

Technical efficiency index1996/

20002001/

20052006/

2010平 均1996/

20002001/

20052006/

2010平 均1996/

20002001/

20052006/

2010平 均辽宁1.081 01.040 20.984 81.034 11.019 61.077 21.011 41.031 81.060 50.976 80.973 91.002 3吉林1.078 81.053 90.949 51.025 51.022 61.073 51.010 41.031 61.055 60.994 10.940 10.994 1黑龙江1.052 41.090 90.975 71.035 31.018 81.078 50.975 71.015 41.033 61.027 31.000 01.019 6东北综合1.070 71.061 70.970 01.031 61.020 41.076 40.999 21.026 31.049 90.999 40.971 31.005 3北京1.032 01.181 01.102 81.099 61.039 61.104 31.102 81.080 30.992 71.064 31.000 01.017 9天津1.020 91.093 21.028 01.045 21.0051.064 41.041 31.035 81.016 41.027 40.986 71.009 1河北1.020 51.053 91.027 11.020 41.026 81.067 61.000 41.029 70.994 10.991 31.038 50.991 0山东1.050 01.046 30.999 11.030 71.016 21.100 51.004 41.022 81.033 90.997 60.994 11.007 8北部沿海1.030 91.093 61.039 31.045 01.021 91.063 81.037 31.042 21.009 31.020 21.004 91.006 5上海1.084 81.083 81.059 51.075 11.069 81.083 81.059 51.075 11.000 01.000 01.000 01.000 0江苏1.030 91.060 81.023 91.038 11.032 61.061 11.021 21.035 51.004 71.001 71.003 01.002 5浙江0.984 91.044 91.033 81.020 61.023 11.046 51.051 51.038 90.966 40.998 80.983 20.982 4东部沿海1.033 51.063 21.039 01.044 61.041 81.063 81.044 01.049 80.990 41.000 10.995 40.995 0福建1.042 00.977 31.020 91.012 21.042 01.010 21.036 91.029 31.000 00.968 10.984 70.983 4广东1.077 81.070 61.009 41.051 11.073 81.062 81.009 41.047 21.004 81.007 21.000 01.003 8海南1.015 71.128 10.988 11.005 81.015 71.114 01.021 91.017 41.000 01.012 10.967 30.988 6南部沿海1.045 21.058 71.006 11.023 01.043 81.062 31.022 71.031 31.001 60.995 80.984 00.991 9陕西1.052 11.044 90.988 91.026 90.979 11.017 50.985 20.996 71.062 51.027 51.004 11.030 3山西1.012 91.102 30.984 91.029 01.013 31.063 00.995 21.025 20.984 81.051 50.988 01.003 7河南1.023 11.010 20.935 50.988 00.979 21.034 60.984 50.995 21.036 00.995 60.950 00.992 8内蒙1.055 91.066 20.953 21.017 81.018 81.059 51.012 31.031 51.027 11.014 70.937 00.986 7黄河中游1.036 01.055 90.965 71.015 40.997 61.043 70.994 31.012 21.027 61.022 40.969 81.003 4湖北0.990 50.972 90.998 60.986 30.979 81.015 30.979 30.994 11.000 00.959 01.021 20.992 2湖南1.075 20.985 61.004 51.008 40.972 51.012 50.981 40.991 51.093 70.974 00.963 91.017 0江西1.037 91.008 20.999 71.013 90.976 91.0170.990 50.997 51.051 80.993 51.009 71.016 4安徽1.004 41.002 90.987 70.997 70.978 11.018 60.988 10.997 01.018 00.986 31.001 71.000 8长江中游1.027 00.992 40.982 60.999 10.976 81.015 90.984 80.995 01.040 90.978 20.999 21.004 1云南1.008 81.032 50.968 41.001 70.972 31.0220.972 40.990 51.027 91.013 00.998 01.011 3贵州0.956 60.9961.013 60.987 30.929 41.022 80.957 70.969 21.015 30.989 61.033 31.018 6四川0.960 41.006 30.992 50.982 40.959 91.020 00.982 40.989 30.979 30.987 31.010 90.993 0重庆1.000 71.002 21.022 41.006 80.977 50.988 01.030 61.001 31.013 31.015 60.975 31.005 5广西0.940 11.006 20.957 60.967 10.957 01.023 51.001 20.995 70.974 40.977 50.956 30.971 3大西南0.973 41.008 60.990 90.989 10.959 21.053 30.988 90.989 21.002 00.996 60.994 80.999 9甘肃1.042 81.020 30.967 01.008 30.951 21.022 80.961 70.979 01.079 61.012 91.008 31.030 0青海0.999 71.018 21.028 01.014 11.008 41.054 91.002 21.024 70.980 60.967 31.024 70.989 7宁夏1.024 21.065 20.987 61.000 41.012 31.067 81.004 21.030 11.001 01.004 91.032 31.010 1新疆1.027 11.042 51.016 01.026 81.007 91.067 61.010 81.029 61.012 40.978 31.004 60.997 2大西北1.023 51.036 61.012 21.022 40.995 01.053 30.994 81.015 91.018 40.990 91.017 51.006 8全国平均1.026 11.043 60.999 91.019 21.002 61.049 11.006 21.017 31.017 41.000 50.993 01.001 94CO2减排潜力的测算与分析

4.1测算方法

本文测算CO2减排潜力，将CO2排放作为负产出，利用乘法逆转法（MLT）对负产出CO2进行转换。根据Banker et al［22］,定义生产技术集为：T={(x,y)｜λTX≤x,λTY≥y,λTe=1}，选取转换函数fki(C)=1/cki，对CO2排放进行转换，则包含污染物CO2的技术集可定义为：T［MLT］:Twith Y=［f(C),v］。根据生产技术集，定义地区i在时期t的CO2减排潜力为CPPit，则：

CPPit=(ACPit-TCPit)/ACPit（7）

（7）式中，ACPit表示i地区t时期实际CO2排放量，TCPit表示前沿面上目标点的CO2排放量。（7）式的值越大，表明该地区相对于最优生产前沿，过度排放的CO2越多，该地区的减碳潜力和减碳规模就越大。

4.2减碳潜力的测算与分析

减碳潜力指该地区可减碳量占实际碳排放量的比重，该值越大，表明该地区的减碳空间和减碳潜力越大。减碳量指如果该地区按照最优前沿模式运行，在既定投入和产出条件下，可以减少的碳排放量。根据（7）式，首先计算出各省区的目标碳排放量TCPit，结合实际碳排放量ACPit，就可以计算出i地区在t时期的可减碳量和减碳潜力，计算结果见表2。

（1）从省际差异看，我国各省区减碳潜力差异较大。样本考察期内，年减碳潜力均超过30%的地区包括河北、山西、内蒙、辽宁、安徽、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆等重化工业比重较大和经济落后的中西部板块各省区，其中，山西每年的减碳潜力都达到了70%以上，意味着这些地区有30%以上的CO2属于过度排放，这些省区同时也是CO2减排的重点监控地区。从可减碳量和减碳规模看，河北、山西、内蒙、辽宁四省区每年可减碳量占全国的比重均超过了5%，属于减碳大户，仅2010年这四个省区可减少的CO2排放量就占到全国的41.18%。河北、山西、内蒙、辽宁、山东、河南等6省区2010年可减碳量所占比重也超过了5%，占全国可减碳量的61.06%，是需要进一步关注与监控的重点。河北、山西、内蒙、辽宁、山东、河南等省区为全国减碳规模最大的省区，对全国可减碳量具有较强的拉动力。上海除1995年和1996年外，其余14年的减碳潜力和减碳规模均为0，北京、黑龙江、湖南、广东等省自2005年以来减碳潜力也为0，福建、湖北、海南等省份2004年以前减碳潜力和减碳规模为0。

（2）从区域差异看，黄河中游减碳潜力最大，年均减碳潜力为68.42%；大西北综合经济区第二，年均减碳潜力为60.12%。依次为北部沿海（43.57%）、东北综合（43.16%）、大西南（41.68%）、东部沿海（28.79%）、长江中游（26.44%），南部沿海最小（10.62%）。东部板块除河北、山东外，其余8省份可减碳量和减碳规模都较小，可减碳量占全国的比重都在10%以下；中部板块、西部板块和东北板块（除黑龙江外）的绝大多数省份均表现为较大的减碳空间和减碳规模，在目前技术和产出水平下可以实现CO2排放的进一步减少。

（3）从动态变化趋势看（见图1），八大经济区减碳潜力呈现明显的“U型”变化趋势，转折点出现在2002年。即各经济区减碳潜力经历了1995-2002年的逐步减小和2002年以后的逐步上升。其原因可能在于，从2003年开始，随着我国新一轮经济高速增长时期的到来，投资急剧扩张，经济出现过热势头，煤炭、钢铁、水泥等高能耗、重污染行业过度发展，各省能源消耗和CO2排放量急剧增加而环保净化设施缺失，使得包括CO2排放在内的污染物排放有进一步加剧的趋势。从全国范围看，到“十一五”末，全国可减少的CO2排放量约为639 854.4万t，减碳潜力为48.80%。图11995-2010年区域减碳潜力趋势图

Fig.1Tendency of carbon reduction potentialfrom 1995-2010

表21995-2010年各省减碳潜力和减碳规模

Tab.2Carbon reduction potential and scale of each province from 1995-2010

地区

Region减碳潜力（%）

Carbon reduction potentia可减碳量（万t）

Reduction ability减碳规模（%）

Scale of carbon reduction200020052008201020002005200820102000200520082010辽宁036.3266.8565.49019 434.743 638.548 314.807.058.407.55吉林27.5725.5664.9964.883837.75 462.317 792.020 264.22.801.983.423.17黑龙江17.540003 707.10002.71000东北综合10.2523.9647.5647.047 544.8024 897.061 430.568 579.05.569.0311.8210.72北京26.140002 935.30002.16000天津14.6224.7324.6130.721 394.93 509.13 909.36 134.31.021.270.750.96河北29.6841.2664.4071.4911 594.930 390.057 672.373 149.88.4611.0211.1011.43山东15.2616.7461.3060.774 681.814 723.271 143.979 278.13.425.3413.6912.39北部沿海22.7625.8156.7159.7720 606.948 622.3132 725.5158 562.215.1817.6425.5424.78上海000000000000江苏22.0532.4632.2734.306 520.519 122.322 652.927 758.44.766.944.364.34浙江15.9620.5138.6838.843 047.47 074.917 514.519 197.62.222.573.373.00东部沿海14.1222.3428.5429.809 567.926 197.240 167.446 956.07.059.507.737.34福建019.2924.2134.3603 093.65 221.28 919.001.121.001.39广东3.49000877.20000.64000海南0030.9430.72001 106.31 317.0000.210.21南部沿海2.605.318.2211.09877.23 093.66 327.510 236.00.661.121.221.60陕西48.0529.2146.3654.844 647.96 119.514 249.421 987.03.392.222.743.44山西79.6272.5878.6179.8634 299.556 434.867 503.272 400.625.0420.4712.9911.32河南26.2723.6857.1160.017 106.113 271.541 481.447 924.45.194.817.987.49内蒙57.9863.4985.8886.4010 170.226 629.857 654.969 644.07.429.6611.1010.88黄河中游57.7652.0970.5572.7856 223.7102 455.6180 888.9211 956.041.4237.1734.8133.13湖北019.4712.6611.1105 800.44 485.34 983.502.100.860.78湖南1.75000206.60000.15000江西14.4417.3025.1829.351 223. 12 520.24 488.321 525.50.890.910.863.36安徽40.5733.9758.3358.547 698.38 776.720 652.924 176.15.623.183.973.78长江中游13.1817.5024.2634.987 904.917 097.329 626.550 685.15.826.205.707.92云南32.4328.7924.1534.973 178.66 581.56 509.310 834.42.322.391.251.69贵州68.9955.0441.2743.5710 326.712 521.511 806.313 810.27.544.542.272.16四川20.9625.9712.9621.893 248.27 166.94 592.58 585.12.372.600.881.34重庆46.2137.0629.8329.104 105.74 902.84 856.15 652.32.991.780.930.88广西12.3619.1632.1236.73882.72 371.15 138.77 835.80.640.860.991.22大西南38.6233.9426.6932.7521 741.933 543.832 902.946 717.816.0212.196.337.30甘肃52.6931.5523.6723.965 106.44 603.34 232.44 771.93.731.670.810.75青海50.0958.0266.5465.16848.11 799.03 006.72 933.90.620.650.580.46宁夏54.7372.4586.9387.791 769.97 012.211 337.115 095.41.292.542.182.36新疆33.6440.8776.2178.343 561.26 344.716 959.923 360.92.602.303.263.65大西北44.7846.0661.5964.6211 285.619 759.235 536.146 162.18.317.176.847.21全国27.1630.5045.5648.80136 975.9275 666.1519 605.3639 854.4————注：由于版面所限，本表只给出了部分年份的测算结果；减碳规模指各省可减碳量占全国可减碳量的比重。

我国政府已明确规定到2020年单位GDP碳排放比2005年降低40%-45%的行动目标，要完成该目标，年均碳强度必须降低3%左右。结合碳排放绩效和减碳潜力测算结果，只有上海、北京、广东、海南、福建、黑龙江、湖南等少数省份能够完成该目标，其余大部分省份仍有一定的难度，需要进一步挖掘碳减排潜力。山西、内蒙、宁夏、贵州、青海、新疆、河北、陕西、吉林、辽宁、甘肃、安徽、河南、山东等省区是重点监控省份，中、西部板块的落后省份是重点监控地区。

5CO2排放绩效的影响因素分析

5.1影响因素的选择

本文分析碳排放绩效的影响因素，选取变量如下：①政府环境保护力度（Cov），用各省工业污染治理投资总额占GDP的比重表示；②技术进步（R&D），用各省研发经费支出占GDP的比重表示；③产业结构（Str），用各省第三产业增加值占GDP的比重表示；④能源结构（Eng），用各省煤炭消费量占能源消费总量的比重表示；⑤工业化水平（Idl），用各省工业增加值占GDP的比重表示；⑥资本深化（K/L），用各省资本-劳动比表示；⑦对外开放度（Open），用人民币表示的进出口贸易总额占GDP的比重表示。对所有以货币表示的变量均以1999年为基期平减。

5.2回归结果及分析

以各省CO2排放绩效作为被解释变量，以上述各影响因素为解释变量，建立面板数据计量模型如下：

MCPit=α0+α1Conit+α2R&Dit

+α3Strit+α4Engit+α5Idlit+α6(K/L)it

+α7Openit+εit（8）

式（8）中，i表示地区，t表示时期，α0是不可观测的地区效应，εit为不可观测的时间效应，用以解释没有包含在模型中的其它随机干扰项的影响，α1-α7为回归系数。

首先对模型（8）进行检验，Hausman检验结果显示，χ2统计值为14.03，相对应的概率值为0.012 8，检验结果显著地拒绝了原假设，因此应建立固定效应模型。这里我们以固定效应模型估计结果为说明对象，随机效应模型估计结果作为参考，回归结果见表3。

（1）表3显示，政府环境保护力度、技术进步和产业结构优化有助于CO2排放绩效的改善。环境污染治理投资占GDP的比重每增加一个百分点， CO2排放绩效将会提高0.302 2个百分点，这意味着政府实行严厉的环境管制，增加污染治理投资，对减少污染物排放，提高CO2排放绩效将会起到显著地推动作用。研发投资所占比重回归系数显著为正（0.257 8），说明增加研发投资，特别是能源环境领域的研发投资，对于降低生产过程中的污染物排放，

表3CO2排放绩效影响因素回归结果

Tab.3Result of regression of influencing factors of

emission performance of CO2

项目

Item固定效应模型

Fixed effects model随机效应模型

Random effects model回归系数

Coefficientt统计值

t value回归系数

Coefficientt统计值

t value常数项0.114 7*1.645 20.125 81.403 7α10.302 2**2.103 80.208 3**2.005 4α20.257 8*1.904 40.236 7*1.833 1α30.215 5***4.625 30.301 9***3.924 3α4-0.631 9***-5.602 8-0.591 3***4.781 9α5-0.170 8-1.542 3-0.165 5*-1.904 4α6-0.341 6***-3.657 5-0.463 6**-2.876 9α7-0.063 8***-3.548 3-0.045 1***-3.053 8R20.785 40.602 5F统计值278.43183.64注：由于数据所限，本文回归区间为1999-2010年。***为1%显著，**为5%显著，*为10%显著。

提高CO2排放绩效作用明显。第三产业所占比重每提高一个百分点，CO2排放绩效将会提高0.215 5个百分点，说明产业结构的调整与优化对提高CO2排放绩效将会起到显著的推动作用。

（2）能源结构、工业化水平、资本深化和对外开放回归系数为负。煤炭消费所占比重增加不利于CO2排放绩效的提高，回归结果在1%水平上高度显著为负（-0.631 9）。工业化水平回归结果为负，在固定效应模型中不具有统计显著性，在随机效应模型中10%显著，说明现阶段重工业产值所占比重增加不利于CO2排放绩效的提高。资本深化回归系数在1%水平上显著为负（-0.341 6），说明现阶段过早过快的资本深化偏离了我国劳动力资源相对丰裕、资本稀缺的要素禀赋结构，不利于CO2排放绩效的提高。进出口贸易所占比重与CO2排放绩效显著负相关（-0.063 8），这是因为我国处于全球产业链分工的低端位置，国际贸易中隐含的CO2排放对环境的恶化效应大于对外开放带来的技术溢出效应，本文的实证结论支持自由贸易可能导致投资国环境恶化的“污染天堂假说”。

6结论与启示

6.1主要研究结论

本文将CO2排放作为非期望产出纳入研究框架，测算并分析了我国各省区的CO2排放绩效、减碳潜力和减碳规模，并研究了CO2排放绩效变动的影响因素。研究结果表明，①我国各省区CO2排放绩效、减碳潜力和减碳规模差异较大，东部板块的各区域和东北综合经济区CO2排放绩效较高，减碳潜力和减碳规模都较小；中西部板块的落后省份CO2排放绩效较低，减碳潜力和减碳规模较大。②增加环境污染治理投资、提高研发投入水平、增加第三产业所占比重，将有利于CO2排放绩效的改善；煤炭消费所占比重、工业增加值所占比重、资本深化和进出口贸易所占比重增加不利于CO2排放绩效的改善。

6.2启示

以上结论的重要启示在于：

（1）我国各省份CO2排放绩效、减碳潜力和减碳规模差异较大，因此应根据地区之间的异质性特征，制定并实施差异化的碳减排政策。对于CO2排放绩效较低、减碳潜力和减碳规模较大的中西部板块各区域，应继续提高环境规制强度和标准，在现有基础上设定较为严格的减碳目标，通过政府的外部约束力量促进清洁生产技术的使用，并给予技术、资金等方面的扶持，使其成为全国碳减排的主要贡献者。对于CO2排放绩效较高，减碳潜力和减碳规模较小的东部板块各区域，在现有技术条件下挖掘减碳潜力的空间不大，可以着重鼓励这些地区进行低碳技术的开发和推广研究，使这些地区逐步成为我国低碳技术开发与应用和国际先进水平接轨的主要贡献者。

（2）CO2排放绩效的分解结果表明，前沿技术进步和技术效率改善是CO2排放绩效变动的根本原因，但区域之间二者表现并不协调。东部板块各区域和东北综合经济区CO2排放绩效的提高主要在于技术进步和技术效率的共同作用，而中西部板块各区域CO2排放绩效的变动主要在于技术效率的推动。因此，中西部板块各区域需要大力加强碳减排领域的技术创新和管理制度等方面的创新，既要重视提高碳排放绩效、挖掘减碳潜力的“硬”技术创新，也要注重“软”技术水平的提高。同时，中西部板块的各区域应抓住“中部崛起”、“西部大开发”战略实施的重大机遇，大力发展高科技产业和发展前景广阔的优势产业及特色产业，培育形成新的经济增长点，加速低碳技术创新以及高碳产业的低碳化改造。

（3）影响碳排放绩效变动的因素涉及政府环境保护力度、技术进步、结构变动、工业化进程、对外贸易等多个方面。结合目前我国经济发展阶段的特殊性，提高CO2排放绩效，挖掘减碳潜力，一是要逐步加大环境保护力度，增加环境污染治理投资，特别是加强低碳技术、清洁生产技术的开发。二是重视科技进步对CO2减排的支撑作用，积极构建低碳科技创新体系，健全推动低碳科技创新的激励机制和保障机制。三是优化产业结构、能源消费结构和贸易结构。逐步建立低碳产业发展模式和低碳能源消费模式，大力发展低碳环保型的贸易产业，加快对外贸易的低碳转型。四是把经济发展阶段、工业化发展水平和资本/劳动禀赋结构结合起来，有的放矢地制定与特定发展阶段相关的政策及相应措施。

（编辑：徐天祥）

参考文献（References）

［1］Ang B W．Is the Energy Intensity a Less Useful Indicator than the Carbon Factor in the Study of Climate Change［J］. Energy Policy,1999,27(5):943-946.

［2］Mielnik O，Goldemberg J. The Evolution of the ‘Carbonization Index in Developing Countries［J］.Energy Policy,1999,27(5):307-308.

［3］Sun J W．The Decrease of CO2 Emission Intensity Is Decarbonization at National and Global Levels［J］.Energy Policy,2005,33(8):975-978.

［4］Zhang Z Q，Qu J S，Zeng J J.A Quantitative Comparison and Analysis on the Assessment Indicators of Greenhouse Gases Emission［J］.Journal of Geographical Sciences,2008,18(4):387-399.

［5］Greening L A. Effects of Human Behavior on Aggregate Carbon Intensity of Personal Transportation: Comparison of 10 OECD Countries for the Period 1970-1993［J］.Energy Economics, 2004,26(1): 1-30.

［6］Zaim O,Taskin F. Environmental Efficiency in Carbon Dioxide Emmissions in the OECD:A Nonparametric Approach［J］.Journal of Environmental Management,2000,58(2):95-107.

［7］Zofio J L,Prieto A Ｍ. Environmental Efficiency and Regulatory Standards: The Case of CO2 Emissions from OECD Industries［J］.Resource and Energy Economics, 2001,23(1):63-83.

［8］Zhou P, Ang B W, Poh K L. Slacksbased Efficiency Measures for Modeling Environmental Performane［J］.Ecological Economics,2006,60(1):111-118.

［9］刘兰翠.我国二氧化碳减排问题的政策建模与实证研究［D］.合肥：中国科学技术大学，2006:59-72.［Liu Cuilan. Research on Reducing the Emission of CO2 in China［D］,Hefei: University of Science and Technology of China, 2006:59-72.］

［10］张友国.经济发展方式变化对中国碳排放强度的影响［J］.经济研究, 2010,（4）: 120-133.［Zhang Youguo. Research on Influence of Economic Development Mode to Carbon Intensity［J］. Economic Research Journal, 2010, (4):120-133.］

［11］潘家华，张丽峰.我国碳生产率区域差异性研究［J］.中国工业经济，2010,（5）：47-57.［Pan Jiahua, Zhang Fengli. Research on Regional Differentiation of Carbon Productivity in China［J］. China Industrial Economics. 2010,(5): 47-57.］

［12］魏梅，曹明福，江金荣. 生产中碳排放效率的长期决定及其收敛性分析［J］.数量经济技术经济研究，2010,（9）：43-52.［Wei Mei, Cao Mingfu, Jiang Jinrong. Determinants of Longrun Carbon Emission Performance［J］. The Journal of Quantitative & Technical Economics. 2010, (9):43-52.］

［13］孙敬水.中国碳排放强度驱动因素实证研究［J］.贵州财经学院学报，2011,（3）：1-6.［Sun Jingshui. Empirical Research on Driving Factors of Carbon Emission Strength in China［J］.Journal of Guizhou College of Finance and Economic. 2011, (3):1-6.］

［14］刘华军，赵浩.中国二氧化碳排放强度的地区差异分析［J］.统计研究，2012，29（6）：46-50.［Liu Huajun, Zhao Hao. Empirical Analysis of the Regional Differences of Chinas Carbon Dioxide Emission Intensity［J］. Statistical Research. 2012, 29（6）：46-50.］

［15］杜克锐，邹楚沅. 我国碳排放效率地区差异、影响因素及收敛性分析：基于随机前沿模型和面板单位根的实证研究［J］.浙江社会科学，2011,（11）：32-43.［Du Kerui, Zou Chuyuan. Zhejiang Regional Disparity, Affecting Factors and Convergence Analysis of Carbon Dioxide Emission Efficiency in China: On Stochastic Frontier Model and Panel Unit Root［J］. Zhejiang Social Sciences Social Science, 2011,（11）：32-43.］

［16］王群伟，周德群，周鹏. 中国全要素二氧化碳排放绩效的区域差异［J］.财贸经济，2010，（9）：112-117.［Wang Qunwei, Zhou Dequn, Zhou Peng. Research on Regional Differences of Total Factor Performance of CO2 Emission［J］. Finance & Trade Economics, 2010,（9）：112-117.］

［17］李涛，傅强.中国省际碳排放效率研究［J］.统计研究，2011，28（7）：62-70.［Li Tao, Fu Qiang. Study on Chinas Carbon Dioxide Emissions Efficiency［J］. Statistical Research, 2011，28（7）：62-70.］

［18］Murty S, Russell R. On Modeling Pollution Generating Technologies University of ColiforniaRiverside［Z］.Working Paper Series,2002, (14) .

［19］Hailu A, Veeman T S. Nonparametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry［J］. American Journal of Agricultural Economics, 2001,83(3):605-616.

［20］Fare R,Grosskopf S,Norris M，et al．Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries［J］．American Economic Review,1994,84(1):66-83．

［21］Caves D W，Christensen L R，Diewert W E．The Economic Theory of Index Numbers and the Measurement of Input,Output and Productivity［J］.Econometrics,1982,50(6):1393-1414.

［22］Banker R D, Charnes A, Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］.Management Science, 1984,30(9):1078-1092.

［23］张军，吴桂英，张吉鹏中国省际物质资本存量估算：1952-2000［J］经济研究，2004，（10）：35-44［Zhang Jun, Wu Guiying, Zhang Jipeng. The Estimation of Chinas provincial capital stock: 1952-2000［J］. Economic Research Journal. 2004,(10):35-44.］

Research on Regional Carbon Emissions Performance Evaluation andCarbon Reduction

Potential in China

CAO KeQU Xiaoe

(Economy and Financial Institute, Xian Jiaotong University, Xian Shaanxi 710061, China）

AbstractThis paper studies 30 Chinese provincial economic units from 1995 to 2010. Under the concept of Total Factor, we analyze the emission performance of CO2, the carbon reduction potential and scale of each province. Theresults show that: The emission performanceof CO2significantly differs in different provinces.The main concentration of high performance is in the developed eastern coastal cities, and the provinces with poor performance are mainly in Midwest of China. The calculating result of reduction potential and scale shows that only few provinces, like Shanghai, Beijing, Guangdong, Hainan, Fujian, Heilongjiang, and Hunan, can accomplish the goal of reduce the emission of CO2 by 40%-50% in 2020 compared with 2005. Shanxi, Hebei, Inner Monglia Liaoning, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai, Ningxia and Xinjiang are special monitoring provinces. The regression of factors affecting the emission performance shows that enhancing environmental legal enforcement, increasing the investmen of R&D and optimizing the structure of industry and consumption will play positive roles in improving the performance of CO2 emission. On the other hand, increasing the industrial added value proportion and capital/labor ratio and import and export trade proportion are three ways that against improving the performance of CO2 emission.

Key wordsthe emission performance of CO2; carbon reduction potential; influencing factors; conclusion and enlightment

［16］王群伟，周德群，周鹏. 中国全要素二氧化碳排放绩效的区域差异［J］.财贸经济，2010，（9）：112-117.［Wang Qunwei, Zhou Dequn, Zhou Peng. Research on Regional Differences of Total Factor Performance of CO2 Emission［J］. Finance & Trade Economics, 2010,（9）：112-117.］

［17］李涛，傅强.中国省际碳排放效率研究［J］.统计研究，2011，28（7）：62-70.［Li Tao, Fu Qiang. Study on Chinas Carbon Dioxide Emissions Efficiency［J］. Statistical Research, 2011，28（7）：62-70.］

［18］Murty S, Russell R. On Modeling Pollution Generating Technologies University of ColiforniaRiverside［Z］.Working Paper Series,2002, (14) .

［19］Hailu A, Veeman T S. Nonparametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry［J］. American Journal of Agricultural Economics, 2001,83(3):605-616.

［20］Fare R,Grosskopf S,Norris M，et al．Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries［J］．American Economic Review,1994,84(1):66-83．

［21］Caves D W，Christensen L R，Diewert W E．The Economic Theory of Index Numbers and the Measurement of Input,Output and Productivity［J］.Econometrics,1982,50(6):1393-1414.

［22］Banker R D, Charnes A, Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］.Management Science, 1984,30(9):1078-1092.

［23］张军，吴桂英，张吉鹏中国省际物质资本存量估算：1952-2000［J］经济研究，2004，（10）：35-44［Zhang Jun, Wu Guiying, Zhang Jipeng. The Estimation of Chinas provincial capital stock: 1952-2000［J］. Economic Research Journal. 2004,(10):35-44.］

Research on Regional Carbon Emissions Performance Evaluation andCarbon Reduction

Potential in China

CAO KeQU Xiaoe

(Economy and Financial Institute, Xian Jiaotong University, Xian Shaanxi 710061, China）

AbstractThis paper studies 30 Chinese provincial economic units from 1995 to 2010. Under the concept of Total Factor, we analyze the emission performance of CO2, the carbon reduction potential and scale of each province. Theresults show that: The emission performanceof CO2significantly differs in different provinces.The main concentration of high performance is in the developed eastern coastal cities, and the provinces with poor performance are mainly in Midwest of China. The calculating result of reduction potential and scale shows that only few provinces, like Shanghai, Beijing, Guangdong, Hainan, Fujian, Heilongjiang, and Hunan, can accomplish the goal of reduce the emission of CO2 by 40%-50% in 2020 compared with 2005. Shanxi, Hebei, Inner Monglia Liaoning, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai, Ningxia and Xinjiang are special monitoring provinces. The regression of factors affecting the emission performance shows that enhancing environmental legal enforcement, increasing the investmen of R&D and optimizing the structure of industry and consumption will play positive roles in improving the performance of CO2 emission. On the other hand, increasing the industrial added value proportion and capital/labor ratio and import and export trade proportion are three ways that against improving the performance of CO2 emission.

Key wordsthe emission performance of CO2; carbon reduction potential; influencing factors; conclusion and enlightment

［16］王群伟，周德群，周鹏. 中国全要素二氧化碳排放绩效的区域差异［J］.财贸经济，2010，（9）：112-117.［Wang Qunwei, Zhou Dequn, Zhou Peng. Research on Regional Differences of Total Factor Performance of CO2 Emission［J］. Finance & Trade Economics, 2010,（9）：112-117.］

［17］李涛，傅强.中国省际碳排放效率研究［J］.统计研究，2011，28（7）：62-70.［Li Tao, Fu Qiang. Study on Chinas Carbon Dioxide Emissions Efficiency［J］. Statistical Research, 2011，28（7）：62-70.］

［18］Murty S, Russell R. On Modeling Pollution Generating Technologies University of ColiforniaRiverside［Z］.Working Paper Series,2002, (14) .

［19］Hailu A, Veeman T S. Nonparametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry［J］. American Journal of Agricultural Economics, 2001,83(3):605-616.

［20］Fare R,Grosskopf S,Norris M，et al．Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries［J］．American Economic Review,1994,84(1):66-83．

［21］Caves D W，Christensen L R，Diewert W E．The Economic Theory of Index Numbers and the Measurement of Input,Output and Productivity［J］.Econometrics,1982,50(6):1393-1414.

［22］Banker R D, Charnes A, Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis［J］.Management Science, 1984,30(9):1078-1092.

［23］张军，吴桂英，张吉鹏中国省际物质资本存量估算：1952-2000［J］经济研究，2004，（10）：35-44［Zhang Jun, Wu Guiying, Zhang Jipeng. The Estimation of Chinas provincial capital stock: 1952-2000［J］. Economic Research Journal. 2004,(10):35-44.］

Research on Regional Carbon Emissions Performance Evaluation andCarbon Reduction

Potential in China

CAO KeQU Xiaoe

(Economy and Financial Institute, Xian Jiaotong University, Xian Shaanxi 710061, China）

AbstractThis paper studies 30 Chinese provincial economic units from 1995 to 2010. Under the concept of Total Factor, we analyze the emission performance of CO2, the carbon reduction potential and scale of each province. Theresults show that: The emission performanceof CO2significantly differs in different provinces.The main concentration of high performance is in the developed eastern coastal cities, and the provinces with poor performance are mainly in Midwest of China. The calculating result of reduction potential and scale shows that only few provinces, like Shanghai, Beijing, Guangdong, Hainan, Fujian, Heilongjiang, and Hunan, can accomplish the goal of reduce the emission of CO2 by 40%-50% in 2020 compared with 2005. Shanxi, Hebei, Inner Monglia Liaoning, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai, Ningxia and Xinjiang are special monitoring provinces. The regression of factors affecting the emission performance shows that enhancing environmental legal enforcement, increasing the investmen of R&D and optimizing the structure of industry and consumption will play positive roles in improving the performance of CO2 emission. On the other hand, increasing the industrial added value proportion and capital/labor ratio and import and export trade proportion are three ways that against improving the performance of CO2 emission.

Key wordsthe emission performance of CO2; carbon reduction potential; influencing factors; conclusion and enlightment