中国省域工业碳排放效率的空间马尔可夫链分析

徐 伟, 韩 璐

(沈阳工业大学 管理学院, 辽宁 沈阳 110870)

“十四五”时期是我国全面建成小康社会、实现第一个百年奋斗目标之后的第一个五年,也是开启全面建设社会主义现代化国家新征程的第一个五年。2021年是“十四五”开局之年,据国家统计局数据,我国GDP同比增长8.1%,达到1 143 670亿元,劳动人口达到74 652万人,比2020年末增长1.1%。其中,高技术制造业同比增长18.2%,占规模以上工业增加值比重为15.1%,清洁能源(包括天然气、水电、核能、风能和太阳能)占能源消费总量的25.5%,提高了1.2个百分点。数据显示,在中国共产党的领导下,我国成功构建了新的发展格局,向实现高质量发展的目标前进。作为世界工业大国,我国工业二氧化碳排放量占全国总排放量的83.1%,要实现“双碳”目标,测算行业碳排放效率,探索区域之间碳排放效率如何变化是关键。

一、文献综述

近年来,国内外学者对碳排放效率问题已经进行了大量研究。这些研究大多是从碳排放效率测度、不同行业的碳排放效率及碳排放效率的空间效应等角度进行探究。在全要素碳排放效率测度研究中,有以随机前沿法(SFA)为代表的参数法和以数据包络分析(DEA)为代表的非参数法。其中,平智毅等基于SFA测算了长江经济带11个省份的碳排放效率[1];张德钢利用固定效应面板SFA测算了省域碳排放效率[2];余敦涌等基于SFA研究了中国碳排放效率影响因素[3]。由于运用SFA方法测度存在随机前沿边界,多数学者采用DEA法。考虑到生产生活中大量的非期望产出,TONE提出了SBM模型[4];CHOI等采用SBM模型测算了碳排放效率[5-8]。从行业视角来看,刘英等对不同区域的工业碳排放进行分析并提出了合理化建议[9-11];陆宁等测算了建筑业碳排效率[12-13];周银香等测度了中国交通业的碳排放效率[14];史洁对中国航空运输业的碳排放效率进行了测算[15]。关于碳排放空间效应的研究,张胜利等发现中国省域工业碳排放效率在空间分布上表现出较强的正相关性和空间集聚特征[16-17];吴昊玥等发现农业碳排放效率具有显著的正向溢出效应[18];杨盛东等发现东北区域具有代表性的碳排放指标呈现正向空间自相关关系[19];张晨露等得出长江经济带流域的碳排放具有空间效应的结论[20]。

以上研究对于理解不同行业碳排放效率及其测度方法和空间相关性均具有重要启发和借鉴意义,大多文献聚焦于碳排放效率的测算,得出其具有正向空间效应的结论,或从不同行业的角度测算碳排放效率,却鲜有文献测算工业碳排放效率并研究近年来中国省域碳排放效率分布的演化发展情况。因此,本文立足于工业行业,基于工业生产中可能产生非期望产出而选择SBM模型测算工业碳排放效率,并通过莫兰指数和核密度展示碳排放效率分布的整体形态及动态演进,了解碳排放效率的发展趋势,最终利用传统马尔可夫、空间马尔可夫及加权空间马尔可夫模型来详细分析各地区相对位置动态变化及相应概率。

二、研究设计

1. 指标体系构建

本文选取DEA的改进模型——SBM模型对工业碳排放效率进行测算,因此需要选取合适的投入和产出指标。通过查阅相关文献发现,在碳排放效率研究中,输入变量一般包括能源消耗、资本和劳动力,而输出变量选择GDP作为期望产出、碳排放作为非期望产出。本文基于工业行业进行研究,投入变量中的劳动力用工业部门的就业人数表示,资本以固定资产净值年平均余额近似估算,能源消耗用规模以上工业企业主要化石燃料能源消费量表示;产出变量中的期望产出用各地区工业增加值表示,非期望产出用CO2排放总量来表示。具体的指标体系如表1所示。

表1 工业碳排放效率指标体系

2. 数据来源与测度分析方法

根据数据的可得性,本文选择中国30个省份(除西藏、港澳台外)2010—2020年的相关数据进行研究。数据来源于国家统计局、《中国统计年鉴》、中国碳核算数据库、《中国工业经济统计年鉴》,对于缺失的数据采用插值法进行补齐。数据描述性统计结果如表2所示。

表2 数据描述性统计结果

本文测度分析步骤如下:

(1) 对中国省域碳排放效率进行测度。2002年TONE提出了SBM模型(Slacks-based Measure-ment)[20],这是一种非径向、非角度模型,不仅增加了非期望的输出,而且避免了径向和角度选择引起的偏差。考虑到工业发展过程中不可避免地会产生非期望产出,本文采用SBM模型来测算工业碳排放效率。

设有n个决策单元(DMU)需要进行碳排放效率的测算,则记DMUj(j=1,2,…,n)。每个决策单元有m种投入a,A=(a1,a2,…,an),ak=(a1k,a2k,…,amk);每个决策单元有q1种期望产出b,B=(b1,b2…,bn),bk=(b1k,b2k,…,bq1k);每个决策单元有q2种非期望产出c,C=(c1,c2,…,cn),ck=(c1k,c2k,…,cq2k);s为松弛变量。

SBM模型具体形式为

(1)

(2) 检验工业碳排放效率的空间效应。全局Moran′sI指数计算公式为

(2)

(3)

式中,dij为根据两省经纬度测得的地表距离。

(3) 研究工业碳排放效率的演进特征。采用核密度估计模型,计算公式如式(4)所示:

(4)

式中:N为样本数量;h为带宽;K为核函数;Xi为独立同分布的样本值;x为平均值。

(4) 采用传统马尔可夫模型和加权空间马尔可夫模型,比较分析不同区域碳排放分布相对位置动态变化发生的概率。

根据研究对象的演化规律,将研究对象分为K个类型,不同类型之间在不同时间的转移可以用转移概率矩阵K×K表示,转移概率Mij为时间t类型i转移到j的概率,其计算公式如式(5)所示:

(5)

式中:Nij为时间t类型i转移到j的样本数量;Ni为时间t所有样本的数量。

计算各阶自相关系数rnk,对自相关系数进行规范化,表示为wnk,具体过程如下:

(6)

(7)

式中:rnk为第n个省份第k阶自相关系数;xnt为第n个省份第t年的工业碳排放效率值;T为时间跨度;wnk为各阶滞时马尔可夫链权重。

在此基础上加入邻域对本地区的影响作用,用空间滞后来计量。综合各省份的时间权重和空间权重,构建时空滞后算子,具体公式如下:

(8)

式中:Lag为时空滞后算子;yi为研究对象值;Wij为空间滞后算子的权重。

三、测算结果分析

1. 工业碳排放效率测算与分析

基于DEA-Solver Pro 5.0软件构建规模报酬不变的非径向SBM模型,测算2010—2020年中国省域工业碳排放效率。为了初步判断碳排放效率是否与区域相关,根据国家统计局及中国统计年鉴的划分标准,将我国划分为六大区域,对测算的碳排放效率值进行区域统计,数据整理如表3所示,其发展基本动态如图1所示。

图1 全国及各区域碳排放效率走势

表3 碳排放效率区域测算结果

由表3可知,观测期内华东及中南地区的碳排放效率均值高于全国及西部、北部地区,除2011年、2017—2020年华北地区的碳排放效率均值高于全国外,其余年份华北、东北、西北及西南区域碳排放效率均值均低于全国水平;而西北区域除2010—2012年,其余年份的碳排放效率均值为六大区域内最低。究其原因,主要与区域技术创新环境、经济整体发展水平、产业结构等内外因素密切相关。从其变化过程来看,全国碳排放效率的整体走势呈现先下降后稳步递增的态势。2011年碳排放效率为一次小峰值,效率值在0.8左右,2011年后逐年下降,2013—2016年在0.7～0.75的范围小幅度波动,2016—2020年呈现出逐步攀升的态势,2020年达到样本期间碳排放效率峰值,即全国碳排放效率均值在0.9附近。本文认为造成上述变化的原因为:2010年处于“十一五”规划末年,我国的经济总量扩大,工业化、城市化的加速虽带来了扩大发展空间的新机遇,但也伴随形成了高投入、高消耗的粗放型经济增长方式,由于碳排放具有时间滞后效应,因此这种发展方式使得工业碳排放效率在2011年出现第一个峰值后呈下降趋势。“十二五”期间,仍存在产业结构不合理、资源配置不当、创新能力不足、工业部门创造增加值能力减弱等现象,因此该阶段工业碳排放效率平稳过渡乃至下降。“十三五”时期,我国在应对国内外复杂形势的同时,推进了“三去一降一补”五大任务,在优化结构、增强动力、化解矛盾以及补齐短板等方面取得了突破性进展,随着经济发展,2016年起我国工业碳排放效率逐年升高。

由图1可知,华东、华北、东北、西南这四个区域的整体走势与全国较为相似,中南区域在2013年开始碳排放效率均值逐年稳步升高,未有其他区域的稳定波动时期。较为明显的是,2012—2015年间,其余区域碳排放效率的下降程度处于平稳水平,而西北地区下降幅度较为明显。究其原因,西北地区有着自然资源丰富的特征,但也存在着生态脆弱、开发难度大等问题。根据碳排放效率的测算原则,从各区域的主要能源消费量方面看,西北地区所包含的几个省份中,甘肃2015年的汽油消费量同比2012年增长了140.43%,柴油消费增长量达到30.06%;新疆的煤炭消费量从2012年的12 028万吨增长至2015年的17 359.28万吨,三年内汽油和柴油的消费量均增加了100万吨以上,而宁夏、陕西、甘肃的主要能源消费量也呈现出不同程度的增长态势。从各区域的产业结构看,中国各省份工业增加值占比逐年下降,西北地区的平均下降幅度为7%;而除西北地区的其他区域,主要能源消费量虽在增长,但却比较平稳。关于各地区的政策制度,2011年我国启动碳交易试点(北京、上海、天津、重庆、深圳、广东、湖北)建设,至2013年我国碳交易试点建成,而西北地区未开展试点建设,未产生空间效应。

西北与中南的区域间差异最大且呈现出先扩大后缩小的演变态势,其余区域虽有数值上的差异,但其演变趋势的差异较小。主要原因是近年来国家采取的一系列经济高质量发展的重要举措以及因为对碳减排重视而发布的政策,推动了企业技术创新、产业结构改革,促进碳排放效率的提高,以达到碳减排的目的。此外,中南和西北区域还受益于“中部崛起”“西部大开发”等战略的实施和推进,贯彻落实了更多的政策支持、物质补贴等有利条件,带动了区域碳排放效率的快速提高。

2. 工业碳排放效率空间相关性

基于碳排放效率均值的走势,已初步判断出工业碳排放变化的空间相关性,为进一步确定该相关性,运用Stata软件构建反距离空间权重矩阵,测算我国2010—2020年碳排放效率的全局莫兰指数,结果如图2所示。

图2 全局莫兰指数

由图2可知,2010—2012年的Moran′sI值为负数,其P值均大于0.1,未能通过显著性检验,从2013年起Moran′sI值在0～0.1范围内且均通过了5%的显著性检验,说明该时期内我国碳排放效率在省域空间内呈现显著的空间正相关性。2013年为转折点,I值由负变正,从非显著至显著,原因可能是国务院2013年发布的《空气污染行动计划》确定了十项具体措施,包括大力开展综合治理、优化产业结构、技术改造创新、健全法律体系、实施区域协作机制等。分别针对2013年、2020年进行局部莫兰指数测算,其散点图如图3所示,我国大部分地区的碳排放效率水平分布在第一、三象限,2013年和2020年位于第一、三象限的地区分别占63.33%和70.00%,表明2020年的碳排放效率空间集聚度高于2013年。

当前智能楼宇综合管理系统大多从建筑物业后勤管理的角度进行投资建设，如何对建筑运行的海量数据进行统计分析并发掘数据潜在的价值，值得进一步研究。随着大数据技术的应用发展，可以借助数据分析和挖掘等技术，进一步分析建筑运行的规律，降低建筑运行成本，实现建筑运维的精益化管理和增值化服务[5]。

四、动态特征分析

1. 核密度估计

对各省域工业碳排放效率的莫兰指数测算结果说明省域碳排放效率的空间相关性,利用核密度估计对碳排放效率进行动态刻画,结果如图4所示。

图4 核密度分布

由图4可以得出以下结论:

(2) 工业碳排放效率的地域差异明显且开始出现两极化现象。从核密度曲线的波形来看,波峰总体呈垂直高度下降、水平宽度增大、波峰数量由1变成2,表明省域工业碳排放效率的地区差距呈增大态势,两极分化现象开始出现。

(3) 工业碳排放效率总体上呈现增长趋势。从核密度曲线的平移来看,曲线先向左平移后向右平移,说明工业碳排放效率先降低后升高的情况。

2. 空间马尔可夫链分析

表4 传统马尔可夫链转移概率矩阵

由表4可知:77.5%的省份仍然维持较低的工业碳排放效率,21.67%的省份从低水平的工业碳排放效率转移至中水平,而从低水平工业碳排放效率转移至高水平的概率仅有0.83%。随着年份的变化,分别有58.42%、78.48%的省份维持原碳排放效率水平,14.85%的省份从工业碳排放效率中水平转移至低水平,26.73%的省份从中水平转移到高水平,而分别有3.80%、17.72%的工业碳排放效率高水平省份转移至工业碳排放效率低、中水平。

上述结果表明,对于大多数省份来说,维持同样工业碳排放效率水平的可能性比转移至更低或更高水平的概率更大,即对角线概率均大于非对角线概率,存在相对明显的马太效应。同时,所有省份碳排放效率发生间隔水平转移的概率小于相邻水平转移的概率,存在惯性特征。对于处于中水平碳排放效率的省份,其向更高水平转移的概率大于向更低水平转移的概率,工业碳排放效率呈现出明显的增长趋势。该模型在探究各省份的长期趋势时,将其视为单独个体,未考虑空间效应,因此本文利用空间马尔可夫链模型对其长期发展趋势进行研究,其空间转移概率矩阵如表5所示。

表5 空间马尔可夫链转移概率矩阵

由表5可知,当邻近的区域为碳排放效率低水平时,低水平省份维持原水平的概率为85.00%,向中水平转移的概率为15.00%;当邻近的区域为碳排放效率中水平时,低水平省份维持原水平的概率为60.53%,向碳排放效率中水平转移的概率为36.84%;当邻近的区域为高水平时,低水平省份虽均维持在原水平,但背景下处于工业碳排放效率低水平的省份仅2个。由此可知,中水平和高水平省份对于低水平省份保持工业碳排放效率低水平有着促进作用。对于中水平的省份,在区域背景分别为低水平、中水平和高水平时,中水平省份维持原水平状态不变的概率分别为52.63%、65.38%、45.45%,向碳排放效率低水平转移的概率分别为21.05%、13.46%、0,可见当邻近区域为更低水平时,会增加向低水平碳排放效率转移的概率。从对比角度分析,对于中水平省份,当其邻域为高水平时,其向高水平转移的概率为54.55%,高于传统马尔可夫转移概率26.73%,高于邻域为低水平时的转移概率21.05%。由此可见,碳排放效率具有空间效应。

为了合理利用时间信息,在考虑空间效应的基础上充分利用时间自相关系数,采用加权空间马尔可夫链模型对2021年工业碳排放效率发展趋势进行预测。分别计算中国省域一阶至三阶的自相关系数,并整理出规范后的各阶权重,如表6所示。

由表6可知,滞后一期的工业碳排放效率与当期工业碳排放效率的自相关程度最高,一阶的各省份碳排放效率自相关系数基本都在0.5以上。随着滞后期的推移,工业碳排放效率的自相关性逐步减弱,各省份的三阶自相关系数多降到0.3以下。这充分说明了省域工业碳排放效率的变动呈现出某种程度的路径依赖,前一阶段的碳排放效率会促进或制约后续的碳排放效率,在影响区域碳排放的同时,在时间上表现出一定的自相关性。碳排放效率处于前沿面的省份会借助这种自相关性不断优化自身的碳排放效率,并领先于其他省份优先锁定优质资源的配置方式,从而优先实现碳减排目标。初始工业碳排放效率的不同在各种因素(如资源禀赋[21]、产业结构[22-23]、技术创新[24-25]等)的影响下,会加剧地区工业碳排放效率分布的非均衡性。

基于工业碳排放效率的空间依赖性和时间自相关性,在计算其空间转移概率矩阵时综合考虑时空效应对工业碳排放效率的影响,选择滞后一期的自相关权重,计算所得中国省域加权马尔可夫链转移矩阵如表7所示。

表7 中国省域加权空间马尔可夫链转移概率矩阵

根据加权空间马尔可夫转移原理,选择时间滞后年限为一年,对空间马尔可夫转移概率进行时间权重加权,即可预测中国省域工业碳排放效率的大致转移趋势。可以看出,我国2021年工业碳排放效率水平的转移和2020年大致相同,当邻近区域工业碳排放水平高于自身时,其向更低水平转移的概率较低甚至为零。例如:邻近高水平地区时,中水平地区和高水平地区向低水平转移概率均为0,高水平地区向中水平地区转移的概率仅为7.69%,而低水平地区可以跃迁成为工业碳排放效率高水平地区。对比空间马尔可夫链转移矩阵,通过时间自相关权重的加权,可以看出2021年总体上工业碳排放效率高水平地区的数量在空间效应的作用下有所增多(从低水平、中水平转移至高水平及维持原高水平不变)。可见,加权空间马尔可夫模型验证了中国省域工业碳排放效率不断提高且存在空间效应的结论。

五、影响因素分析

中国省域工业碳排放效率的空间效应是指不同区域的工业碳排放效率通过直接或间接的形式进行交流,由此所产生的区域间相互影响、相互作用关系。日益严峻的全球气候变化使得国家对于工业(碳排放严重行业)的关注日益频繁密切,而各区域差异化的空间距离、技术创新、资源禀赋、产业结构等因素,在经过长期的演变后逐渐导致地区异质化水平提高,从而形成工业碳排放效率复杂的空间分布状态[26]。

(1) 空间距离:相邻省份间在经济发展水平、产业结构和地区政策等方面存在某种程度的相似性,且相邻地区间的资源运输成本相对较低,从而容易实现与周围区域的持续转移和连接,最终形成由多个节点和多个连接构成的空间工业碳排放效率网络。

(2) 技术创新:当一个地区引进先进科学技术和管理创新人才时,必将促进效率水平的提升,其他地区为了降低公司的运营成本和能耗强度也将学习模仿,加强相邻区域之间的空间联系是不可避免的。技术水平先进的省份可以通过空间溢出效应促进其他省份技术水平的提高,从而影响其他地区的工业碳排放效率。鉴于技术创新的空间影响,区域间的联系正在逐步克服地域和行政壁垒,从而在更大范围内促进工业碳排放效率的提高。

(3) 资源禀赋:我国是一个地大物博的国家,每个地区不同的地形地势、文化发展等因素导致其所拥有的资源(包括劳动力、资本、土地、技术、管理等生产要素)截然不同,经济水平较高地区拥有先进的技术和管理人才,而相比较来说,偏远地区拥有更多的土地、各种自然资源(风能、太阳能、煤矿等),相邻地区资源类型相似,工业碳排放效率相近。

(4) 产业结构:产业结构对能源、劳动力、资本等要素配置效率有着重要影响,而要素的配置情况直接影响着工业碳排放效率,产业结构水平较高的地区要素配置效率相对较高,工业碳排放效率处于前沿面上,可向其他区域溢出要素,而产业结构水平低的地区要素配置效率相对较低,既无法向其他相邻省份溢出要素,也难以有效吸纳其他省份的资源。

六、结论与启示

(1) 对各省份工业碳排放效率进行测算后,依据国家统计局对地域的划分,将全国30个省份(除西藏、港澳台外)分为六个区域,观察各区域的发展趋势可知,除西北、中南外其余四个区域的工业碳排放效率与全国的趋势基本一致,呈现先升高后降低的走势,其中西北地区在2013年后的工业碳排放效率明显小于其他区域,但其后期的工业碳排放效率迅速提升。

(3) 通过传统马尔可夫、空间马尔可夫及加权空间马尔可夫模型的对比发现:工业碳排放效率存在明显的时间滞后效应及马太效应;预计工业碳排放效率水平将进一步提升;空间因素对省域工业碳排放效率的增长有着显著的影响,存在明显的空间溢出效应,工业碳排放效率高水平省份对低水平省份有明显的推动作用,而当邻域为低水平省份时,也会阻碍该省份碳排放效率水平的提升。

(4) 本文主要对中国省域的工业碳排放效率进行测算,并分析其演化趋势和空间溢出效应,根据国家经济动态及碳排放相关政策,对工业碳排放效率发展态势及省域空间溢出效应进行了深入分析。但文章还存在不足之处,如样本及指标选取本身存在一定的限制,时间跨度不够长,考虑数据易得性指标选取偏于理想化,这将是今后的改进方向。