安徽省金融支持碳中和效率评估

□文/王泽凡 吴雪莹 王心睿

（安徽大学经济学院 安徽·合肥）

［提要］在“碳达峰、碳中和”与绿色可持续发展双重大背景下，本文基于投入产出视角，采用数据包络分析方法测算安徽省8个典型城市金融支持碳中和的发展效率，并为提高安徽省金融支持碳中和效率提出建议。

由温室气体二氧化碳排放引起的全球气候变暖已成为当下全球人民关注的焦点问题。而实现碳中和是应对气候变化最根本的解决方式。实现碳中和意味着我们要从能源、科技、产业结构与经济发展等各方面向绿色高效模式转型。它要求能源消费从传统的开采高碳含量的化石能源（原煤、液化石油等）为主导的能源结构体系向净排放（碳的提取与封存）转型；要求关键科技的创新与发展，使得以第二产业为主的科技领域取得重大突破，以实现碳的减排与中和；它还要求经济的发展不能过度浪费资源，合理利用自然的载荷，以环境保护与经济发展并存的方式向前稳步推进。

无论是能源体系的转型还是科技的突破，亦或是产业优化、经济发展，碳中和的达成都离不开金融体系的支持，金融领域直接或间接影响着碳的排放。同时，碳中和目标将带来巨大的绿色低碳投资需求，绿色低碳正是金融领域高效持续发展的新方向。绿色金融的核心是成熟机构借助较为完善的金融工具手段，为以碳中和为核心的绿色环保事业可持续稳定发展提供高效、稳定的金融支持推动力。大力发展相关绿色金融，是推动经济高质量发展的必然举措，也是实现碳中和最有效的方式。所以，高效的金融支持体系建设对“碳达峰、碳中和”的达成具有关键推进作用。然而，金融虽然能够通过影响地区经济发展、产业结构和科技水平来间接推动碳中和的进程，但是金融支持碳中和的各项影响因素都面临不同程度的金融支持力度不均衡、资金投入的不持续性（资金短缺）以及金融利用效率低下的情况，同时地区金融业发展存在差异，而地方政府对于金融支持碳中和目标的重视程度不一，从而导致各地区金融支持力度与碳中和发展程度之间匹配度存在较大差异。

目前，已有大量学者对碳中和与绿色金融进行了深入研究。孙振清等通过对区域碳减排和环境治理水平进行空间相关性分析，并通过动态空间杜宾模型来检验碳排放量对环境协同治理能力的空间溢出效应，从而证实了碳排放的降低与区域环境治理水平及绿色科技创新等因素有关。而周国富、胡慧敏（2007）从宏观和微观角度设计了16个指标解释金融效率，考虑我国特殊的经济体制，详细、准确地建立了符合我国国情的金融效率指标体系。其指标构建帮助我们更好地理解了金融效率的含义，对我们的金融指标构建具有借鉴意义。

现有文献的重点在于探索分析“碳达峰、碳中和”体系的构建，或是碳减排的有效影响因素，而对于金融对碳中和的内在联系机理及其支持力度和效率的研究文献相对较少，但研究构建金融对碳中和支持体系以及碳中和目标下的实证分析的相关文献仍然能为本文提供有益的思考与借鉴。

安徽省作为传统能源大省，碳排放高的粗放型经济发展模式已经在一定程度上阻碍了经济发展。因此，大力发展绿色经济，实现碳中和目标势在必行。而金融支持手段对于碳减排是行之有效的。鉴于此，本文按照“投入-产出”的效率评价思路，运用数据包络分析中的DEABCC模型对安徽省内具有典型代表性的8个城市进行综合评估，以分析安徽省金融支持碳中和的实际发展状况，为发展绿色金融和碳中和目标的推进提供决策参考。

一、金融支持碳中和效率评估

（一）研究方法。数据包络分析方法（DEA）是一种基于线性规划的用于评价同类型组织工作绩效相对有效性的工具手段。它通过对生产决策单元输入与输出数据的研究，从相对有效性的角度出发来评价相同类型的多投入、多决策单元的技术与规模有效性。

衡量某一决策单元j0是否有效，即是否处于由包络线组成的生产前沿面上。先构造一个由n个决策单元线性组合成的假想决策单元。该假想决策单元的第i项投入且该假想决策单元的第r项产出为且若这个假想单元的各项产出均不低于j0决策单元的各项产出，各项投入均不高于j0决策单元的各项投入，即j0决策单元不处于生产前沿面上。

在DEA-BCC模型理论公式中BCC模型即当θ＝1时，决策单元弱DEA有效；而当θ＜1时，DEA无效，即j0决策单元的投入技术效率与产出效率通常不相等。

为了分析安徽8座城市金融支持碳中和效率的状况，采用美国学者Charnes等在“相对效率评价”概念基础上发展起来的一种评价方法，即数据包络分析。常用的DEA模型是BCC模型和CCR模型，但是CCR模型强调固定规模报酬不变，BCC模型则在CCR模型的基础上引入了规模报酬可变（VRS）。本文主要分析金融投入对碳中和治理效率管理全要素影响的实际行为，因此选取BCC模型。

（二）结果分析

1、指标确定与数据来源。碳中和效率的主要思想是在金融效率最高的同时，使碳排放量达到最小，即以最小的资源投入和最小的碳排放量获得最高的金融使用率，这与DEA数据包络分析的方法要求基本一致。本文选取合肥、芜湖、马鞍山、铜陵、阜阳、宣城、黄山等安徽八座城市的相关数据，将金融支持方向选为投入指标，碳中和水平作为投入指标来处理，构建如表1所示的金融支持碳中和效率指标评价体系。金融支持方向具体为：金融相关率（FIR），包括金融机构人民币各项存款余额和金融机构人民币各项贷款余额；产业优化（ISO），包括规模以上工业总产值和金融业就业人员数；经济发展，包括人均GDP。碳中和水平具体表现为碳排放量，包括液化石油气供气总量和人工煤气、天然气供气总量。本文的指标数据来源于《安徽省统计年鉴》以及各地区统计年鉴，部分数据由安徽省统计局和中经网数据库直接获得。（表1）

表1 金融支持碳中和效率指标评价体系一览表

2、数据分析。将处理后的投入和产出指标数据代入投入导出型的DEA-BCC模型之中，计算2010～2019年安徽省金融支持碳中和的效率，其中包括金融支持的综合技术效率（TE）、纯技术效率（PET）、规模效率（SE），如表2和表3所示。（表2、表3）

为了分析安徽省8座城市金融支持碳中和效率的变化趋势，本文选取了各城市2010～2019的面板数据，取各城市年均效率指数进行分析，结果如表2所示。从综合技术效率角度来看，安庆10年来保持在1，说明10年间安庆的投入产出达到DEA有效，生产效率维持在较高水平。这是因为安庆市一直大力推广污染防治，优化传统产业结构，努力构建生态强市，同时安庆市金融发展水平较高，这些都为碳中和提供良好的发展环境。芜湖与宣城略高于其他城市，铜陵与阜阳较低。其中，铜陵为安徽省铁矿煤矿所在地，煤炭使用量与排放量均较高，且铜陵市经济发展相对一般，因此铜陵市金融支持碳中和的效率较低。8座城市综合技术效率均值为0.981，生产效率有待提高，需要加快推进企业转型升级，持续推进节能减排工作。不考虑规模报酬的影响，即从纯技术效率角度来看，8座城市的金融支持碳中和效率保持在较高水平的0.951附近。其中，黄山的纯技术效率最高，为0.985，说明在目前的技术水平上，黄山的金融利用率较高；合肥最低，为0.885，说明合肥对金融的投入没有充分利用，应使用科学的管理模式以及先进的科学技术。考虑规模报酬的影响，8座城市的规模效率均大于1，说明8市均处于规模报酬递增阶段，增加金融支持规模可以有效提高产出率。

表2 2010～2019年安徽省8座城市金融支持碳中和效率一览表

为分析安徽省8座城市10年来各年份的金融支持碳中和效率变化趋势，预测安徽省未来碳中和走向，本文取各年份8座城市的面板数据计算均值并进行分析，得到的数据如表3所示。从综合技术效率角度分析，2010年、2012年和2019年效率值为1，DEA有效，其他年份呈现围绕均值0.980上下波动趋势。从纯技术效率角度分析，10年来效率值均未达到1，说明8市由于管理模式和技术水平存在问题，投入利用率不足。由表3数据可知，2011～2018年安徽省DEA不高，未达到高效，这与安徽省近年来工业发展过快，粗放的传统产业模式没有得到优化，高碳化的经济结构导致安徽省经济与环境发展不平衡有密切关系。

表3 8座城市分时期各年份金融支持碳中和效率一览表

二、结论及建议

作为传统能源大省，安徽省应加快碳中和进程，尽快接近碳达峰目标，促进经济绿色高质量可持续发展。本文基于2010～2019年安徽省8座城市的面板数据，利用模型进行安徽省金融支持碳中和效率评估分析，以金融支持方向为投入指标，碳排放水平为产出指标，结果显示：安徽省总体金融支持效率较高，但各地区直接存在一定差距。从时间序列数据来看，安徽省目前及未来一段时间内将继续处于规模报酬递增阶段，但在技术水平与管理模式等方面仍存在问题，需要解决。基于以上分析，给出建议如下：

第一，科技发展。根据以上研究，对表2和表3的纯技术效率值进行综合分析，不难得出安徽省金融支持碳中和在技术水平上存在问题，需要得到改进，使效率值尽可能接近1。相关部门可以加大对技术设备的资金投入，改进创新碳中和技术，优化碳中和资源配置，提高技术水平，将技术转化为生产力，提高金融投入利用率，提高纯技术效率对碳中和效率的贡献。

第二，产业优化。由上文可知，目前安徽省正处于规模报酬递增阶段，应抓住时机，给予碳中和更多的资金支持，调整产业结构，合理规划，尽量降低资源浪费及冗余现象。同时，加大金融支持碳中和的力度，扩大碳中和规模，完善碳中和体系，增加投入产出的效率，使规模效应最大化。只有当金融支持方向的投入要素与碳排放强度方向的产出要素规模相匹配时，才能使规模效应最佳。

第三，政策支持。安徽省碳中和正处于起步阶段，未来还有很长的路要走，需要政府制定有利于碳中和目标实现的相关政策，宣传普及碳中和概念，推广创新绿色金融产品，同时企业要贯彻碳中和相关要求，创新管理模式，推进碳中和目标稳步实现。