碳排放交易市场建立对提高我国碳排放效率影响研究——基于三阶段超效率SBM模型

李菲菲，钱魏冬，许正松

(亳州学院 经济与管理系，安徽 亳州 236800)

气候变暖引发的诸多环境问题已引起全球多个国家的重视。随着我国经济的高速发展，能源消耗和二氧化碳排放量大幅增长。为减少二氧化碳的排放，积极应对气候变化，我国政府在《巴黎协定》中承诺到2020年实现碳排放强度下降40%～45%的目标。为推进绿色低碳发展，自2013年起，我国碳排放交易试点从北京、上海和天津开始，至2014年，7个试点地区碳排放交易已全面上线。2017年12月，已启动全国碳排放交易市场。这些举措推动我国加快转变经济发展方式，标志着我国必然走低碳经济发展和增长的道路。碳排放效率作为衡量各要素投入、生产总值和二氧化碳排放量之间关系的重要指标之一，可以较好地评价低碳经济的发展质量。

一、文献综述

在考虑非期望产出的二氧化碳排放效率时，Scheel对非期望产出的处理是把它们的值都取倒数然后作为期望产出[1]。Seiford、Zhu把非期望产出值乘以一个负的转换变量，使之变成正值[2]。虽然这两种方法可以在一定程度上解决非期望产出的效率评价问题，但受到一些应用条件的限制。Fare、Grosskopf、Parurka用方向性距离函数将期望产出包含在内，但属于径向角度[3]。Tone在考虑非期望产出的同时使用非期望、非角度的SBM模型[4]。我国学者对二氧化碳的排放效率进行的研究主要集中在运用DEA模型、SBM模型、最小距离法、非参数方向距离函数等对我国省级区域或东、中、西部地区二氧化碳排放效率的研究。郭炳南、曹国勇运用非径向、非角度的SBM超效率模型测算了我国各省级区域CO2排放效率，发现半数省级区域CO2减排潜力超过50%，各省级区域减排潜力差异较大[5]。马大来、陈仲常、王玲采用强有效前沿的最小距离法测算我国省际CO2排放效率，发现省际碳排放效率表现出较大差异，全国及中西部地区的碳排放效率呈现出“U型”趋势[6]。高赢、冯宗宪采用US-SBM模型测评“一带一路”沿线32个国家的低碳发展效率，发现考察期内低碳发展效率偏低，差异的主要原因是纯技术效率[7]。孙秀梅、王格、董会忠、张慧采用DEA-SBM模型对106个资源型城市的碳排放效率进行研究，发现不同类型的资源型城市和同一类型城市的碳排放效率都有差异性[8]。蔡火娣采用非径向SBM模型分析了我国各省级区域的CO2排放效率，结论为我国的平均效率偏低，东部的碳排放效率高于中西部，技术进步是生产率增长的原因[9]。陈晓红、易国栋、刘翔采用三阶段SBM-DEA模型测算全要素碳排放效率，从2006年起碳排放效率上升明显，剔除随机因素和外部环境因素后，碳排放效率仍呈现东部>中部>西部的格局[10]。还有少数学者测度了我国某些城市的碳排放效率。孙秀梅、王格等采用DEA和SE-SBM模型研究我国106个资源型城市的碳排放效率，发现同一类型城市的碳排放效率在规模、技术、规模收益和综合效率等方面均存在差异[8]。王星、盖美、王嵩利用三阶段DEA方法测算了2005～2014年山东省17个地级市的碳排放绩效，结论是山东省地级市之间碳排放效率存在差异，纯技术效率和规模效率分别被低估或高估[11]。郭文慧、吴佩林、王玎采用非期望产出SBM模型测算了1995～2011年山东省的碳排放效率，发现自2000年起山东省的碳排放效率持续上升，研发投入不足和环境技术落后是山东省的碳排放效率低于东部省份的主要原因[12]。

笔者拟在以上已有研究的基础上，运用三阶段超效率DEA-SBM模型测算2011～2016年我国的30个省市(不含港、澳、台和西藏地区)的碳排放效率。与上述文献不同的是本研究对我国2011～2013年碳市场建立前和2014～2016年碳市场建立后的碳排放效率是否存在差异进行分析，并采用SFA方法探究碳排放效率的影响因素，最终给出减排路径建议。

二、理论模型

(一)超效率DEA-SBM模型

传统径向和角度的DEA模型虽然不需要估计函数的具体形式，却忽略了变量的松弛问题，而且测算得到的效率值均位于[0,1]范围内。如果有多个决策单元的效率值均为1，就无法对它们进行比较。超效率DEA(SE-DEA)模型的效率测算结果可出现大于1的情形，这样就可以比较所有决策单元的效率水平。非期望产出的SBM模型解决了投入和产出变量的松弛性问题，使得效率的测算结果偏差更小。超效率SBM模型结合了超效率DEA模型和SBM模型，既可以清晰地测算所有决策单元的效率，又可以将投入和产出的松弛量纳入其中。设有n个决策单元，每个决策单元有m个投入，期望产出r1和非期望产出r2。其中，x∈Rm,yd∈Rs1,yu∈Rs2;X、Yd、Yu为矩阵，X=[x1,...,xn]∈Rm*n，Y=[yd1,...,ydn]∈Rr1*n。超效率SBM模型形式

(1)

其中，

λj≥0,j=1,...,n;j≠0 ；

(二)三阶段超效率DEA-SBM方法

Fried提出三阶段DEA模型，用来更好地评价决策单元的效率水平。此模型的优点是能够剔除效率中环境因素和随机因素的影响，使得决策单位内部真实的管理水平体现出来。其过程如下。

第一阶段 初始碳排放效率值的计算。应用超效率SBM模型，计算出各省级区域初始效率值和各投入松弛量、期望产出和非期望产出松弛量。

第二阶段 SFA模型的构建。SFA模型可以消除外部环境和随机因素对松弛量的影响。设有n个决策单元，每个决策单元有m个投入，环境变量的个数为P，对每个决策单元的松弛量作SFA回归分析。SFA回归方程为

Sik=fi(Zk;βi)+υik+uik，

(2)

上式中，i为投入变量的个数，i=1,2,...,m；k为决策单元数，k=1,2,...,n；Sik为第i个投入变量在第k个决策单元的松弛量。Zk为P个环境变量，βi为它们的待估计参数。υik为随机误差项，uik为管理无效率项。vik～N(0,σ2ik),uik～N+(μi,σ2iu)。令υ=σ2iu/σ2ik+σ2iu，若v值趋于0，表明随机误差项的影响大。若v值趋于1，表明管理无效率所占比重较大。未知参数βi的估计采用极大似然函数方法，之后对各决策单元的投入产出数据进行调整，调整公式为

(3)

第三阶段 剔除环境因素和随机误差的碳排放效率值的计算。将(3)调整后的投入量与产出量再次运用超效率SBM模型，得到消除随机误差和外部环境影响的各省碳排放效率值。

三、实证过程

(一)变量及数据来源

本研究所选取我国的30个省级区域的变量数据均来自于国家统计局网站或各省级区域地方统计年鉴。数据时间范围为2011～2016年。由于2014年我国的7个碳交易试点市场均已启动，因此将碳交易市场启动前的数据范围定为2011～2013年，而2014～2016年为碳交易市场启动后的数据时间。

(1)投入、产出变量K为各省市各年的资本存量，采用2008年单豪杰提出的永续盘存法[13]测算得到。L为各省市就业人口数，E为各省市能源消耗量，GDP为各省市地区生产总值，CO2为各省市二氧化碳排放量。L、E、GDP数据均来自国家统计局网站。二氧化碳排放总量数据是根据联合国政府气候变化专门委员会(IPCC)发布的方法粗略估算得到的。计算公式为

(4)

上式中，Ei为各能源的燃烧消费量；NCVi表示各能源的平均低位发热量；CEFi为各能源的二氧化碳排放因子。各省市的Ei数据来源于《中国能源统计年鉴2017》和IPCC(2006)，其数据如表1所示。

表1 二氧化碳计算方法中涉及的各种指标及系数

(2)环境变量 我国省级区域碳排放效率的影响因素很多，参考已有文献，选取可能对碳排放效率有显著影响的4个变量，分别是产业结构、城市化水平、能源结构和科技支撑水平等。

二氧化碳的排放量大部分是来自于第二产业对能源的消耗，第二产业对碳排放强度的影响较大，故可用第二产业产值占GDP的比重表示产业结构。随着城市化进程的加快，城镇人口日益增多，改变了传统的能源消费构成，对碳排放量和碳排放强度的影响较大，故可用非农人口数占地区总人口数的比重来表示城市化水平。煤炭这一传统能源的较多使用会导致碳排放量的增加。如果增加清洁能源的使用量会减少二氧化碳的排放总量，故可用煤炭消耗量占能源消耗量的比重表示能源结构。科技进步会提高新能源的开发和能源使用效率，故可用地方财政科学技术支出占地方财政一般预算支出的比重来表示科技支撑水平。以上指标所需要的数值均来自于国家统计局网站。

(二)实证过程

1.第一阶段：超效率SBM模型下的碳交易市场建立前后效率值

本研究的投入变量为资本存量K、就业人口数L、能源消耗量E，期望产出变量为地区生产总值GDP，非期望产出变量为CO2。运用DEA-SOLVER Pro5 软件测算未剔除环境变量和随机误差影响的我国的30个省市碳排放效率平均值及排名(2011～2013年和2014～2016年)，结果列入表2中。调整前2011～2013年碳排放效率值大于等于1的省级区域有9个，分别为内蒙古、北京、宁夏、安徽、广东、上海、江苏、山西、贵州，其他省级区域的碳排放效率值均小于1，表明存在不同程度的效率提升空间，特别是青海和云南，碳排放效率值小于0.6，碳排放效率提升的潜力巨大。

表2 超效率SBM模型下的碳交易市场建立前后效率值

在碳交易市场建立后，2014～2016年碳排放效率值大于等于1的省级区域达到了13个，分别为北京、内蒙古、江苏、宁夏、上海、安徽、山西、河北、广东、天津、贵州、新疆、江西，比碳排放交易市场建立前增加了4个，且碳交易市场建立后的碳排放效率平均值比建立前提高了0.002。北京、天津、上海、湖北、广东、重庆等6个试点地区(深圳是试点地区，由于其属于广东省，因此未单独列出)在碳市场建立前后，北京、天津、上海、重庆的碳排放效率均有所提高，湖北和广东的碳排放效率略微下降。未调整前，所选取的全国30个省级区域中14个省级区域的碳排放效率在碳市场建立后上升，但是却有16个省级区域的碳排放效率在碳市场建立后是下降的。碳排放效率下降的原因可能是：2011～2013年平均效率值和2014～2016年平均效率值均未剔除环境变量和随机误差的影响，可能存在一定的测算误差。如果实证过程经历了第二阶段和第三阶段之后，仍然有半数以上的省级区域碳排放效率未增加，说明碳交易市场建立后确实未能提高全国碳排放效率。

2.第二阶段：SFA模型的建立

采用超效率SBM模型测算结果可知，各省级区域生产总值的冗余量都为0，这表明期望产出不足不是碳排放效率降低的原因。运用Frontier 4.1软件，分别以2011～2013年、2014～2016年的资本存量、就业人口数、能源消耗量和二氧化碳排放量等的冗余量为因变量，以产业结构、城市化水平、能源结构和科技支撑水平等为自变量，建立SFA相似回归模型，结果如表3和表4所示。

表3 2011～2013年SFA回归结果

表4 2014～2016年SFA回归结果

由表3可知，2011～2013年碳排放交易市场建立前，产业结构与资本存量、能源消耗和二氧化碳排放量等均呈显著的正向关系。这表明第二产业占GDP的比值越高，资本存量、能源消耗相应增加，二氧化碳排放量也会增多，碳排放效率会降低，但对就业人口的影响不显著。因此，调整产业结构，减少第二产业在GDP中所占的比重，加强低碳绿色产业的发展会提高碳排放效率。城市化水平与资本存量、能源消耗和二氧化碳排放呈显著的正相关，与就业人口数的负相关关系不显著。这表明对于城市化水平越高的省级区域，随着资本和能源的消耗增多，碳排放量就会相应地增加。城市化水平的程度高低对就业人口方面的影响作用微弱。在我国的城市化进程中，会有初期的碳排放效率的增加，但最终城市化的程度加深会抑制碳排放效率[14]，2011～2013年可能就是城市化进程的初期。能源结构对资本存量、就业人口数、能源消耗量及二氧化碳排放量等均有显著的正向影响。这说明煤炭在能源消耗中所占的比重增大会增加资本、劳动力人口和能源的消耗，使碳排放量增多，碳排放效率下降。因此，减少煤炭类“肮脏能源”(燃烧排放二氧化碳的能源)的使用，增加风能、电能等清洁能源的投入，是降低碳排放效率的有效途径。科技支撑水平对能源和二氧化碳排放均有显著的负向影响，对资本存量和就业人口的正向和负向影响不显著。这说明地方政府财政支出中对科学技术的支出越多，能源的消耗越少，碳排放效率也会提高。只有加大科技投入、提高科研经费的开支比例，才能有效降低碳排放效率。

表4显示：2014～2016年碳排放交易市场建立后，相比表3的碳排放交易市场建立前，4个环境变量对投入和产出冗余量的影响，其不同之处在于：产业结构和城市化水平对能源消耗的影响不再显著。这表明2013年以来，随着碳排放交易市场的建立以及我国绿色低碳发展和生态文明建设的推进，第二产业的增加和城市化进程的加快已不再增加对能源的消耗，这会减少碳排放量，提高碳排放效率。科技支撑水平对资本和劳动力人口的影响由不显著变为负向显著的影响，说明科技支出的增加可以减少资本和劳动力的投入和消耗，科技支出的效果日益显现。

3.第三阶段：调整后的碳交易市场建立前后效率值

虽然表3、表4中的环境变量和个别投入变量的系数不显著，但LR单边误差检验均通过5%的临界水平值。所以在调整时仍把资本存量、就业人口数、能源消耗量和二氧化碳排放量等都考虑进去。由公式(3)，求出投入产出数据，再代入超效率SBM模型中，得到剔除环境因素和随机误差影响的调整后的碳交易市场建立前后效率值，其结果如表5所示。

表5 调整后2011～2013年和2014～2016年碳排放效率值和排名

2014～2016年调整后的碳排放效率的平均值与2011～2013年平均值相比，除河北、山西、江苏等3个省份外，碳排放效率均有所提高，这表明碳排放交易市场的建立有助于提高绝大部分省级区域的碳排放效率值。2011～2013年的碳排放效率平均值中，位于生产前沿面的省级区域有5个，分别为河北、山西、江苏、山东、广东。2014～2016年碳交易市场建立后，在碳排放效率的平均值中，效率值大于或等于1的省级区域有10个，分别为河北、山西、黑龙江、江苏、浙江、福建、山东、广东、云南和青海。碳交易市场建立后，2011～2013年有14个省级区域的碳排放效率值小于0.6，而2014～2016年仅有6个省级区域的碳排放效率值小于0.6，分别是天津、内蒙古、海南、贵州、宁夏、新疆。这表明碳排放交易市场的建立有助于提高绝大部分省级区域的碳排放效率值。2014～2016年平均碳排放效率大于1的省级区域中，河北、江苏、浙江、福建、山东和广东均位于东部地区，这些地区产业结构更加合理，科技支撑力度更大，能源结构更加优化，经济发展较快，资源禀赋较好及政府支持度高，产业结构转型升级更加迅速，因此低碳经济发展较好，碳排放效率处于较高水平。山西碳排放高效率的可能原因是较少的劳动投入，而黑龙江的能源消耗和碳排放量均较少，使得黑龙江的碳排放效率大于1。青海的能源结构优势显著，云南在2010年获批低碳试点省级区域之一，形成了以低碳排放为特征的产业体系和消费模式。内蒙古、贵州、宁夏和新疆属于我国西部地区，经济相对落后。天津虽然地处东部，产业集聚，生产总值位居前列，但投资拉动形成的产业结构固化造成碳排放效率不高。云南由于历史和自然地理因素的制约，经济开发较晚，经济发达地区淘汰的浪费资源、污染环境的企业较多，因此碳排放效率全国排名靠后。

将表2和表5对比发现，2011～2013年和2014～2016年全国碳排放效率平均值分别由0.842和0.844下降到0.728和0.818，表明碳排放效率值确实受到环境变量的影响。调整前后碳排放效率明显下降的省级区域有9个，分别为北京、天津、内蒙古、上海、安徽、江西、贵州、宁夏和新疆。这说明这些省级区域调整前碳排放效率较高的很大一部分原因是受外部环境因素的影响。碳排放效率在调整后上升明显的有黑龙江、浙江、福建、山东、河南、湖南、广西、四川、云南、青海等10个省级区域。这表明这些省级区域的碳排放效率受外部环境的不利因素影响较大，而内部管理效率不一定很低。

在碳排放交易市场建立前后，6个试点省级区域中广东、重庆的碳排放效率值排名不变，北京排名从第26提升到第20。天津、上海和湖北的排名虽下降，但这3个省级区域的碳排放效率都是增加的。广东的碳排放效率一直处于领先地位，说明广东的产业结构调整良好，创新发展摆脱了“高污染高能耗”的老路子，经济发展方式值得其他省级区域借鉴。天津的碳排放效率较低，应重点发展低碳产业，减少对能源消耗的依赖。北京的碳排放效率在碳交易市场建立后有所提升，但存在改进的空间。积极布局雄安的副首都功能，将重工业从北京迁出，减轻北京的环境承载负荷。重庆、上海和湖北的碳排放效率仍有较大的提升可能。重庆的产业结构以汽车产业等制造业为主，资源消耗多，环境污染重，应向战略新兴产业和旅游业转移，提升碳排放效率。上海工业企业的二氧化碳排放量比较高，环境问题的负效应超过了经济增长的正效应，应增加科学技术投入，提高污染应对能力，解决碳排放效率不高的问题[15]。湖北工业煤炭消耗量高，产出效率低，能源消费的碳排放占碳排放总量的90%以上。湖北应提高经济发展质量，加快经济转型，促进绿色经济发展[16]。

四、结 语

在经济转型的当下，我国走低碳发展之路已成为必然，而掌握各省级区域碳排放效率是制定碳减排策略的关键。本研究运用三阶段超效率SBM-DEA模型测算了我国碳排放交易市场建立前2011～2013年和碳排放交易市场建立后2014～2016年平均碳排放效率值，以此检验各省市低碳经济的发展情况及碳交易市场的建立是否有助于提高我国碳排放效率。得到如下结论及建议。

(一)结 论

第一，不管是在碳排放交易市场建立前还是建立后，剔除环境因素和随机误差影响的全国平均碳排放效率值均呈下降态势，其中，北京、天津、内蒙古等9个省级区域的碳排放效率明显下降，说明碳排放效率值受到了环境变量的影响。

第二，调整后，碳交易市场建立前的碳排放效率(2011～2013年平均值)大于1的有河北、山西、江苏等5个省级区域。碳交易市场建立后碳排放效率(2014～2016年平均值)大于1的省市又增加了7个。碳交易市场建立前有13个省级区域的碳排放效率小于0.6，碳交易市场建立后减少了7个，仅剩6个省市的碳排放效率小于0.6。这表明碳排放交易市场的建立提高了绝大部分省级区域的碳排放效率值。

第三，城市化进程的初期会抑制碳排放效率，但碳排放交易市场建立后，城市化进程的加快都不会显著增加能源的消耗，科技支撑水平也会减少对资本和劳动力人口的消耗，这些都会提高碳排放效率。

(二)政策建议

第一，加快推进全国碳排放交易市场建设。我国已于2017年12月启动了全国碳排放交易体系建设，但因各试点地区间存在较大差异，全国市场无经验参照，碳金融产品单一，试点市场碳交易的有效性不足，碳交易价格的发现机制尚未形成。应在考察全国各地区，各行业不同发展水平的基础上进行碳市场顶层设计和各类配套制度建设。增强碳排放交易促进企业减排的作用，提高碳排放效率。

第二，积极调整产业结构，减少第二产业占比，加快城市化进程步伐，加大科技支撑水平，减少碳排放量，提升碳排放效率。