中国区域碳生产率波动的因素分解

张成+王建科+史文悦+李远

摘要

本文以中国各省份1995-2011年的面板数据为样本，对碳生产率增长率进行了七重因素分解，分解时不仅考虑了能源结构变动的影响，还充分利用了全要素框架下的生产率信息，重点探讨资本、劳动和能源三要素之间的替代效应对碳生产率波动的影响，研究结果表明：①碳生产率增长率的变化主要受技术进步（正效应）、资本能源替代效应（正效应）和劳动能源替代效应（负效应）三个分解变量的影响，而技术效率（负效应）、随机偏差（负效应）、规模效率（正效应）和能源结构效应（正效应）的影响较为有限；②资本能源替代效应和劳动能源替代效应在样本期间的波动幅度最为明显，且两者在影响力度上呈现了此消彼长的角力格局，但两者在影响效果的变化方向上趋于一致；③技术进步和技术效率存在着区域负相关和年份正相关的共存现象，即从省份角度来看，技术进步较快的省份往往导致趋于恶化的技术效率；但从时间角度来看，省份内部的技术进步率趋于降低，而相应的技术效率亦趋于恶化。因此，要想有效提升我国的碳生产率水平，应当重点关注技术进步、资本能源替代效应和劳动能源替代效应的重要作用，一方面要均衡生产技术进步和节能减排技术进步的协调发展，另一方面应叫停当前能源过度深化的格局，不仅要注重发展低能源倾向的资本和技术密集型产业，扭断资本和能源高度相关的倾向，还应该适度提升低能源倾向的劳动密集型产业。

关键词 碳生产率；技术进步；技术效率；要素替代

中图分类号 F062.9 文献标识码 A 文章编号 1002-2104（2014）10-0041-07 doi：10.3969/j.issn.1002-2104.2014.10.007

随着全球气候的变暖和环保意识的增强，低碳经济开始取代传统经济，成为世界经济的潮流。研究低碳经济的必要性、可能性和现实性已经成为学术界和政界的焦点之一^[1]。低碳经济的核心就是力图实现“二氧化碳（CO2）减排和经济增长”的共赢，而“碳生产率”指标则成为连接经济增长和环境保护的重要桥梁。虽然我国政府没有直接提出应该在碳生产率上达到何种水平，但根据中国政府在哥本哈根会议及国民经济“十二五”规划中对单位国内生产总值CO2排放量上的承诺与目标，可以间接求得我国在碳生产率指标上的总体规划，如在“十二五”期间，我国计划让碳生产率能够提升20%左右。如何更为科学合理地将碳生产率目标在地区间和行业间进行合理分解，首先需要对我国碳生产率的演变规律有深刻的认识。

直接研究碳生产率演变规律的文献并不多见，概括地看，可以将其分成以下三类：①考察碳生产率的变化趋势。如潘家华、张丽峰^[2]和张成^[1]等使用收敛、Tapio脱钩和追赶脱钩指数方法研究了碳生产率的区域差距及动态演变轨迹。类似的研究只是从宏观层面对碳生产率的变动趋势进行了把握，未能对这些变动趋势进行进一步分解；②通过数理方法对碳生产率变动做因素分解。如张永军^[3]使用拉氏分解法将碳生产率变动分解成技术进步、产业结构变动和消费结构变动三因素，而Meng M & Niu D^[4]则使用对数平均迪氏指数法将碳生产率分解成各个产业的技术创新效应和产业结构调整效应。拉氏和迪氏分解法可以对碳生产率的变动进行初步解释，但忽略了全要素生产效率、投入要素之间的替代效应和随机因素的影响；③全要素碳生产率研究。通过数据包络（DEA）和随机前沿（SFA）方法，将CO2等污染物作为投入或坏产出引入全要素分析框架研究了全要素碳生产率的相关问题[5-8]，但全要素框架下的碳效率与国际公约及我国政府报告中的单要素减排责任安排难以有效对接，从而在实践中引致诸多不便^[9]。

鉴于碳生产率演变规律的重要地位及已有研究的不足，本文尝试构建改进的随机前沿模型，将中国各省份基于单要素的碳生产率波动做七因素分解，该研究的创新之处在于：分解时不仅考虑了能源结构变动的影响，还充分利用了全要素框架下的生产率信息，重点探讨资本、劳动和能源三要素之间的替代效应对碳生产率波动的影响。本文在理论上有利于我们更全面和深刻地认识碳生产率的演变规律，在实践上则能为我国科学制定CO2减排政策提供参考价值。

和0.049 9降低至0.046 1和0.047 2，这种普遍的逐年降低现象，实际上也从另一个层面支撑了绝对β收敛现象的存在性。

正如Kander & Schn^[15]指出的那样，资本与能源之间的替代会体现产业结构的变化，不同的产业结构变化会对碳生产率带来不同的影响，相对而言，某地区的资本能源比越低，说明该地区越倾向于能源密集型产业，不可避免地会消耗更多的能源、排放更多的CO2。总体而言，我们发现资本能源替代效应对碳生产率引致了正向提升作用，这也和原始数据中资本能源比总体逐步提升的事实吻合。资本能源替代效应在全国整体会对碳生产率带来0.027 8的正向促进作用，且中部的促进作用最大，高达0.036 6，西部次之（0.026 1），东部反居末位（0.023 0），说明中部在资本密集型产业的推进速度上远高于其他地区。进一步地考察各地区资本能源替代效应在样本年间的逐年变化，发现东部和西部除2003年呈现负向抑制作用（分别为-0.009和-0.023 3）以外均呈现了正向促进作用，且分别在1998和1999年的促进作用最为明显，中部则全部呈现正向促进作用，峰值位于2009年的0.065 4。总体而言，东中西部的资本能源替代效应在2002至2005年及2011年，普遍呈现了低位徘徊的格局。

劳动能源替代效应的作用机理和资本能源替代效应类似，亦可以通过产业结构由能源密集型产业转型至劳动密集型产业来提升碳生产率水平，但现实中的产业结构总体未呈现这一趋势，从而导致劳动能源替代效应对碳生产率总体导致负向影响，在全国和东中西部分别取值-0.032 7，-0.031 0，-0.025 9和-0.040 0。虽然总体为负向影响，但东中西部均在个别年份呈现了正向影响，这和它们在这些年份的劳动能源比有所提高完全吻合。进一步考察东中西部劳动能源替代效应的逐年演化轨迹，发现东部在年份间的波动相对较小，谷峰和谷底分别为2008年的0.001 1和2003年的-0.062 2，中部分别位于1997年的0.016 6和2005年的-0.069 2，西部则为1999年的0.009 5和2003年的-0.098 4。若结合资本能源替代效应，发现样本期间资本能源替代效应和劳动能源替代效应的波动幅度最为明显，且两者具备两个典型的特征：一是在影响力度上，两者呈现了此消彼长的角力格局，即资本能源替代的正向效应越大，劳动能源替代的负向效应越小，若资本能源替代的正向效应越小，劳动能源替代的负向效应越大；二是在影响力度的变化方向上，两者趋于一致，即资本能源替代效应若趋于增强，则劳动能源替代效应亦趋于改良（即劳动能源替代的负向效应趋于减少）。这两个特征说明：劳动密集型产业相对于资本密集型产业和能源密集型产业会使用更少的能源，因此，负向的劳动能源替代效应告诉我们劳动密集型产业在逐步被资本密集型产业和能源密集型产业替代，而正向的资本能源替代效应则进一步展示了资本密集型产业对能源密集型产业的替代趋势。

技术效率、规模效率、随机偏差和能源结构效应对碳生产率增长率的影响相对较小。其中，技术效率的变化对碳生产率增长率普遍带来了阻碍作用，这可能是由于各省份普遍都呈现了较高的技术进步态势，导致各省份在技术的利用效率上明显滞后，呈现了一定的“落后效应”，即离综合能源技术前沿面的距离越来越大，且技术效率的退步程度和技术进步程度呈现负相关趋势，即在技术进步上最快的西部，反而在技术效率的退步上亦相对最快。因此，如何进一步提高各地区的技术效率水平来更好地呈现技术进步的成果，应是未来工作的重点之一。

全国规模效率的变化对碳生产率增长率的影响在样本年间的均值为0.000 8，说明呈现了微弱的正向促进作用。在东中西分组考察中，东部和西部的均值分别为0.001 3和0.001 5，而中部的取值则为-0.000 6，意味着中部普遍存在着规模不经济现象。深入到东部内部，发现北京、上海、广东、天津和辽宁亦总体存在规模不经济现象，而其余6个省份特别是海南则呈现了一定规模经济现象。西部内部，除甘肃外均整体处于规模经济阶段，而中部内部除安徽外整体处于规模不经济阶段。

能源结构效应的变化展示了能源消费的偏好变化对碳生产率增长率的影响，相对而言，天然气和汽油的生产效率最高，每万亿J热值的CO2排放量分别仅为55.612 t和67.914 t，而煤炭和焦炭的生产效率则最低，对应取值分别高达92.325 t和100.072 t。因此，各省份在消费能源时，低碳能源比例趋于升高能够促进碳生产率增长率的提升。其中，东部除河北和山东外普遍获得了正向的能源结构效应，总体均值为0.002 1，西部除云南、宁夏和新疆外普遍取得能源结构优化，在总体呈现了0.001 3的正向促进作用，而中部虽仅有黑龙江为负影响，但其余省份的能源结构优化趋势并不明显，总体效果仅为0.000 5。

至于随机偏差效应对碳生产率增长率的总体影响相对最小，仅为-0.000 2，东中西则分别为-0.001 0、0.001 2和-0.000 5。说明运气等随机因素对碳生产率增长率的影响极为有限，但亦有例外，在陕西和湖南等省份的总体影响甚至超过了能源结构效应。因此，通过考虑随机偏差效应的影响，能够更为准确地对碳生产率增长率进行因素分解。

4 结论与政策建议

本文以中国29个省份1995-2011年的面板数据为基础，使用改进的随机前沿生产函数模型将碳生产率增长率分解成技术进步变化率、技术效率变化率、随机偏差变化率、规模效率变化率、资本能源替代效应变化率、劳动能源替代效应变化率和能源结构效应变化率七种效应，得到了如下结论：①碳生产率增长率的变化主要受技术进步（正影响）、资本能源替代效应（正影响）和劳动能源替代效应（负影响）三个分解变量的影响，技术效率（负影响）、随机偏差（负影响）、规模效率（正影响）和能源结构效应（正影响）的影响较为有限；②资本能源替代效应和劳动能源替代效应在样本期间的波动幅度最为明显，且两者在影响力度上呈现了此消彼长的角力格局，但两者在影响效果的变化方向上趋于一致；③技术进步和技术效率存在着区域负相关和年份正相关的共存现象，即从省份角度来看，技术进步较快的省份往往导致趋于恶化的技术效率；但从时间角度来看，省份内部的技术进步率趋于降低，而相应的技术效率亦趋于恶化。

如何提高我国的碳生产率水平，在未来实现既要经济有增长又要环境有改善的绿色经济，需要做到：①均衡生产技术进步和节能减排技术进步的协调发展，保持总体技术进步在提升碳生产率水平上的中流砥柱作用；②加强对先进技术的利用水平，提高技术效率，扭转当前总体趋于恶化的技术效率贡献率；③处理好垄断和竞争的关系，有针对性地推进横向、纵向一体化和打破垄断、引入竞争，杜绝规模过小和规模过大引致的危害，实行规模经济；④不仅要注重发展低能源倾向的资本和技术密集型产业，扭断资本和能源高度相关的倾向，还应该适度提升低能源倾向的劳动密集型产业，叫停当前能源过度深化的格局；⑤一方面要降低高碳能源的使用比重，大力发展新能源，另一方面要深化电力企业改革，实现输配分离，从根本上解决新能源产业的阶段性和瓶颈性产能过剩问题，力图做到能从能源格局优化中获取更大效益，以此来不断提升我国碳生产率的水平。

（编辑：常 勇）

参考文献（References）

[1]张成， 蔡万焕， 于同申. 区域经济增长与碳生产率 [J]. 中国工业经济， 2013， （5）： 18-30. [Zhang Cheng， Cai Wanhuan， Yu Tongshen. Regional Economic Growth and Carbon Productivity [J]. China Industrial Economy， 2013， （5）：18-30.]

[2]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， 2011， （5）： 47-57.[Pan Jiahua， Zhang Lifeng. Research on the Regional Variation of Carbon Productivity in China[J]. China Industrial Economy， 2011， （5）：47-57.]

[3]张永军. 技术进步， 结构变动与碳生产率增长[J]. 中国科技论坛， 2011， （5）： 114-120.[Zhang Yongjun. Technical Progress， Industrial Structure and Carbon Productivity Growth[J]. Forum on Science and Technology in China， 2011， （5）：114-120.]

[4]Meng M， Niu D. Threedimensional Decomposition Models for Carbon Productivity[J]. Energy， 2012， 46（1）： 179-187.

[5]Nakano M， Managi S. Productivity Analysis with CO2 Emissions in Japan[J]. Pacific Economic Review， 2010， 15（5）： 708-718.

[6]匡远凤， 彭代彦. 中国环境生产效率与环境全要素生产率分析[J]. 经济研究， 2012， （7）： 62-74.[Kuang Yuanfeng， Peng Daiyan. Analysis of Environmental Production Efficiency and Environmental Total Factor Productivity in China[J]. Economic Research Journal， 2012， （7）：62-74.]

[7]刘瑞翔， 安同良. 资源环境约束下中国经济增长绩效变化趋势与因素分析 [J]. 经济研究， 2012， （11）： 34-47.[Liu Ruixiang， An Tongliang. Trend and Factor Analysis of Chinese Economic Growth Performance under Restrictions of Resource and Environment [J]. Economic Research Journal， 2012， （11）：34-47.]

[8]Marin G. Closing the Gap？ Dynamic Analyses of Emission Efficiency and Sector Productivity in Europe[M]. Netherlands： Springer， 2013： 159-177.

[9]孙广生， 黄祎， 田海峰， 等. 全要素生产率、投入替代与地区间的能源效率[J]. 经济研究， 2012， （9）： 99-112. [Sun Guangsheng， Huang Yi， Tian Haifeng， et al. Total Factor Productivity， Inputs Substitution and Regional Energy Efficiency Disparity[J]. Economic Research Journal， 2012， （9）：99-112.]

[10]Henderson D J， Russell R R. Human Capital and Convergence： A Productionfrontier Approach [J]. International Economic Review， 2005， 46（4）： 1167-1205.

[11]Beinhocker， Oppenheim， Irons， et al. The Carbon Productivity Challenge： Curbing Climate Change and Sustaining Economic Growth[EB/OL].2008-7. http：//www.mckinsey.com/mgi/publications/CarbonProductivity.

[12]Kumbhakar S C， Lovell C. Stochastic Frontier Analysis[M]. New York： Cambridge University Press， 2000：20-43.

[13]单豪杰. 中国资本存量 K 的再估算： 1952-2006年[J]. 数量经济技术经济研究， 2008， 25（10）： 17-31.[Shan Haojie. Reestimating the Capital Stock of China：1952-2006[J].The Journal of Quantitative & Technical Economics， 2008， 25（10）：17-31.]

[14]杜立民. 我国二氧化碳排放的影响因素：基于省级面板数据的研究[J]. 南方经济， 2010， （11）： 20-33.[Du Limin. Impact Factors of Chinas Carbon Dioxide Emissions： Provincial Panel Data Analysis[J]. South China Journal of Economics， 2010， （11）：20-33.]

[15]Kander A， Schn L. The Energycapital Relation：Sweden 1870-2000[J]. Structural Change and Economic Dynamics， 2007， 18（3）： 291-305.

Decomposition on the Fluctuation of Chinas Regional Carbon Productivity Growth

ZHANG Cheng1，2 WANG Jianke1 SHI Wenyue3 LI Yuan1

（1.School of Economics， Nanjing University of Finance and Economics， Nanjing Jiangsu 210023， China；

2.Institute of Industrial Economics of CASS， Beijing 100836， China；

3.School of Public Economics & Administration， Shanghai University of Finance & Economics， Shanghai 200433， China）

Abstract Taking statistics of Chinas provinces during 1995-2011 as samples， this paper disintegrates carbon productivity growth rate into seven factors. This paper mainly discusses the substitution effects between capital， labor and energy， not only considering the impact of changes in the energy structure， also making full use of the information under the framework of total factor productivity， and the results turn out to be as follows： ① The growth rate of carbon productivity is determined by variables as technological progress （positive effect）， substitution effect between capital and energy （positive effect）， and substitution effect between labor and energy （negative effect）， and the effects of technical efficiency （negative effect）， random difference （negative effect）， scale efficiency （positive effect） and energy structure （positive effect） are limited. ② The fluctuation ranges of substitution effect between capital and energy and substitution effect between labor and energy are biggest than other variables in the sample period， and there are trading off between them in the angle of impact strength， however， the changing direction of impact effect of both are the same. ③ Theres the coexisting phenomenon of regional negative correlation and year positive correlation between technological progress and technological efficiencys effects to growth rate of carbon productivity， which means a quick technology progress would keep company with a worsen technical efficiency from the angle of provinces， and the falling rate of technological progress always keeps company with falling rate of technical efficiency.

Key words carbon productivity growth； technological progress； technical efficiency； substitution effect

Abstract Taking statistics of Chinas provinces during 1995-2011 as samples， this paper disintegrates carbon productivity growth rate into seven factors. This paper mainly discusses the substitution effects between capital， labor and energy， not only considering the impact of changes in the energy structure， also making full use of the information under the framework of total factor productivity， and the results turn out to be as follows： ① The growth rate of carbon productivity is determined by variables as technological progress （positive effect）， substitution effect between capital and energy （positive effect）， and substitution effect between labor and energy （negative effect）， and the effects of technical efficiency （negative effect）， random difference （negative effect）， scale efficiency （positive effect） and energy structure （positive effect） are limited. ② The fluctuation ranges of substitution effect between capital and energy and substitution effect between labor and energy are biggest than other variables in the sample period， and there are trading off between them in the angle of impact strength， however， the changing direction of impact effect of both are the same. ③ Theres the coexisting phenomenon of regional negative correlation and year positive correlation between technological progress and technological efficiencys effects to growth rate of carbon productivity， which means a quick technology progress would keep company with a worsen technical efficiency from the angle of provinces， and the falling rate of technological progress always keeps company with falling rate of technical efficiency.

Key words carbon productivity growth； technological progress； technical efficiency； substitution effect

Abstract Taking statistics of Chinas provinces during 1995-2011 as samples， this paper disintegrates carbon productivity growth rate into seven factors. This paper mainly discusses the substitution effects between capital， labor and energy， not only considering the impact of changes in the energy structure， also making full use of the information under the framework of total factor productivity， and the results turn out to be as follows： ① The growth rate of carbon productivity is determined by variables as technological progress （positive effect）， substitution effect between capital and energy （positive effect）， and substitution effect between labor and energy （negative effect）， and the effects of technical efficiency （negative effect）， random difference （negative effect）， scale efficiency （positive effect） and energy structure （positive effect） are limited. ② The fluctuation ranges of substitution effect between capital and energy and substitution effect between labor and energy are biggest than other variables in the sample period， and there are trading off between them in the angle of impact strength， however， the changing direction of impact effect of both are the same. ③ Theres the coexisting phenomenon of regional negative correlation and year positive correlation between technological progress and technological efficiencys effects to growth rate of carbon productivity， which means a quick technology progress would keep company with a worsen technical efficiency from the angle of provinces， and the falling rate of technological progress always keeps company with falling rate of technical efficiency.

Key words carbon productivity growth； technological progress； technical efficiency； substitution effect