基于超效率SBM模型的江苏省碳排放效率时空差异

王肖玥 邓建高

王肖玥，邓建高. 基于超效率SBM模型的江苏省碳排放效率时空差异［J］. 湖北农业科学，2024，63（2）：8-12，18．

摘要：利用非期望产出超效率SBM模型和Malmquist全要素生产率指数，计算2011—2020年江苏省各地级市碳排放效率，并对时空差异进行分析。结果表明，各地级市碳排放效率差异显著，总体上呈苏中地区>苏南地区>苏北地区的特征；技术创新是江苏省碳排放效率提升的核心驱动因素，资源配置不合理、规模效率偏低是江苏省碳排放效率未达到生产前沿面的主要原因。

关键词：超效率SBM模型；碳排放效率；时空差异；江苏省

中图分类号：X321         文献标识码：A

文章编号：0439-8114（2024）02-0008-05

DOI：10.14088/j.cnki.issn0439-8114.2024.02.002 开放科学（资源服务）标识码（OSID）：

Spatial and temporal difference of carbon emission efficiency in Jiangsu Province based on super-efficiency SBM model

WANG Xiao-yuea，DENG Jian-gaoa，b

（a. Business School； b. Institute of Statistics and Data Science， Hohai University， Nanjing  210098， China）

Abstract：Through the super-efficient SBM model with non-expected output and Malmquist productivity index， the carbon emission efficiency of each city in Jiangsu Province from 2011 to 2020 was calculated and the spatial and temporal differences were analyzed. Results showed that there was a significant difference in carbon emission efficiency among the prefecture-level cities in Jiangsu Province， with the overall characteristics of higher carbon emission efficiency in central Jiangsu than in southern Jiangsu and higher carbon emission efficiency in southern Jiangsu than in northern Jiangsu. The innovation of technology was the core driving factor for the improvement of carbon emission efficiency in Jiangsu Province. Unreasonable resource allocation and low scale efficiency were the main reasons why the carbon emission efficiency in Jiangsu Province had not reached the production frontier.

Key words：super-efficient SBM model；carbon emission efficiency；temporal and spatial differences；Jiangsu Province

温室气体过度排放导致气候异常是一个全球性议题^［1］。为应对气候变化，中国积极承担碳减排责任，制定“双碳”国家战略，倡导绿色低碳发展道路。然而，中国地区间碳排放现状存在一定差异，因此从省级层面系统性地掌握碳排放现状、碳排放效率与时空差异和主要驱动因素，对中国碳减排战略实施意义重大。江苏省2021年地区生产总值突破11万亿元，经济发展水平高、总量大，面临巨大碳减排压力。提升碳排放效率是江苏省经济持续高质量发展的重要保障，也是江苏省缓解碳减排压力的重要方法。城市作为江苏省碳排放主要来源是碳减排的关注重点^［2］，而江苏省城市间经济发展存在一定的不均衡性，在进行碳减排配额分摊时，如果将公平作为分摊的惟一原则，容易给碳排放总量较少的城市带来过大压力，从而阻碍区域的协调发展，甚至影响全省碳减排进程^［3，4］。

因此，本研究讨论江苏省碳排放效率时空差异并统筹考虑碳排放公平和效率原则，为江苏省碳减排目标设定、政策制定提供依据，也为其他省份碳减排实现路径的设计提供参考。

1 文献分析

区域碳排放效率时空差异问题主要包含两方面研究内容：①碳排放效率计算；②碳排放效率时空差异研究。国内外学者在测算碳排放效率时，随机前沿分析法（SFA）是常用方法之一，钱浩祺等^［5］利用该方法探究了中国实行碳排放权交易政策对碳排放效率的影响；张成等^［6］應用该方法研究了设计合理碳排放权分配机制对碳排放效率的提升效果。此外，数据包络分析法（DEA）的应用也较广泛，Meng等^［7］利用DEA法探究区域能源消耗的碳排放效率。虽然两种模型均可测算碳排放效率，但SFA法在处理多产出问题时存在一定缺陷，当碳排放效率的测算目标具有多投入、多产出指标时，选择DEA法更合适。

有关区域碳排放效率时空分异性的研究成果主要包括：李金铠等^［8］探究了东北、西南、长江中游以及其他五大综合经济区的能源碳排放效率空间分异性；袁长伟等^［9］研究了中国省域交通运输业碳排放效率的时空分异性以及空间关联特征；Xie等^［10］分析了不同发展水平59个国家的碳排放效率差异；Shi等^［11］探究了各地区不同畜牧业结构对畜牧业碳排放效率的影响。

现有研究大多聚焦于经济带、多省域或行业，且结果表明碳排放效率在不同时空存在差异。如果将研究范围聚焦于区域经濟带、多省域或行业，可加强省域或行业的比较，但不利于各省域制定更加合理的碳减排目标和政策。江苏省碳排放总量大，是全国碳减排重点区域，统筹考虑江苏省域内碳排放效率时空差异、公平和效率因素，对江苏省相关政策的拟定和目标完成具有至关重要的作用。因此，本研究应用非期望产出超效率SBM模型测算江苏省13个地级市的碳排放效率，并利用Malmquist指数模型探究其时空分异性，最后针对实证结果为江苏省碳减排工作提出对策建议，对促成江苏省碳减排阶段性目标实现具有重要意义。

2 数据来源与研究方法

2.1 数据来源及指标选取

2.1.1 数据来源 研究数据来自2011—2020年《江苏统计年鉴》以及江苏省各地级市的统计年鉴和统计公报，建立回归方程进行补充。资本、能源消耗量、经济产出、碳排放总量指标数据在原始数据的基础上计算得到。

2.1.2 指标选取 城市碳排放效率测算既要考虑城市发展过程中的投入，也要考虑城市资源消耗所产生的经济效益以及碳排放量。城市在发展过程中的投入既包括各行业的能源消耗、劳动力消耗，也包括社会各界投资所形成的资本总量。

数据包络分析法测算的是相对效率，所选取的模型指标需要保证在各地级市之间相对一致且具有可比性。资本指标不仅需要涵盖城市建造、产业结构转型，还要包括技术研发投入等方面，因此以各城市的固定资产投资额（I）计算得到的资本存量（K）代表，计算公式为K_it=K_it-1（1-σ）+I_it，σ取9.6%。劳动力指标选取各城市的就业人数。各行业的能源消耗以转换为标准煤的城市综合能源消耗量代表。城市产生的经济效益需要消除价格水平的影响，选择各地级市的GDP。碳排放量相关数据难以直接获取，利用各地级市的能源消耗总量转换得到。其中，标准煤的碳排放系数取2.499  tCO₂/tce。具体指标如表1所示。

2.2 研究方法

2.2.1 非期望产出超效率SBM模型 DEA法是对不同个体间相对效率进行评判的方法^［12］。由于传统DEA模型假定输入输出成比例变化，忽略了松弛性等问题，Tone等^［13］对原模型改进，提出了SBM模型，但SBM模型的效率值最小为0，且最大不能超过1，故在比较效率值同为1的不同个体时存在困难。因此，Tone等^［14］于2002年提出超效率SBM模型，消除了模型最大效率值的限制。随后，考虑到实际生活中除期望产出外，还存在非期望产出，Tone等^［15］对初始SBM模型进行了拓展，充分考虑非期望产出因素，完善了模型的指标体系。非期望产出超效率SBM模型综合了原先模型的优点，既考虑了非期望产出因素，也实现了任意两者间的比较，在效率测算研究方面应用广泛。

对于碳排放效率问题，不仅要考虑碳排放量，还要关注能源消耗所带来的经济效益，同时需要保证效率值在城市间具有可比性，因此建立了共n个城市，且各城市在发展过程中分别有m个投入，拥有期望产出m1以及非期望产出m2的超效率SBM模型^［16］，并最终求得碳排放效率值[ρ]。其中，第k个城市的效率计算公式如下。

2.2.2 DEA_Malmquist指数模型 如果仅使用超效率SBM模型计算城市的碳排放效率，最终结果是将不同年份的城市放在统一标准下比较得到静态相对效率，以该值为依据研究江苏省碳排放效率的时空分异性，忽略技术进步对碳排放效率的贡献，需要对各决策单元进行动态效率分析。因此，应用DEA_Malmquist指数模型^［17］对江苏省各地级市2011—2020年碳排放效率进行分析。

DEA_Malmquist指数是借助DEA方法所求解的距离函数值得到，充分考虑了城市持续的技术创新对碳排放效率的影响，可用于衡量效率的动态变化，计算公式如下。

Malmquist指数可以进一步分解，具体表现城市的技术应用水平（pech）、当前生产规模的提升空间（sech）、技术创新进步水平（techch）以及技术的总体效率（effch）四个因素对碳排放效率的影响，分解后的公式如下。

技术总体效率由城市生产规模的提升空间以及技术创新进步水平共同决定，若sech大于1，说明城市碳排放的规模不断优化，若pech大于1，说明城市碳排放相关资源配置优化。techch体现城市的技术创新水平，若techch大于1，说明城市的绿色化技术不断进步。

3 结果与分析

对江苏省各地级市2011—2020年的碳排放效率进行实证分析，效率值如表2所示。江苏省各地级市10年间的碳排放效率不断波动，不同地级市的碳排放效率均值也各不相同，存在明显的时空分异性。

3.1 江苏省碳排放效率时空差异分析

3.1.1 空间差异分析 根据2011—2020年碳排放效率均值对各地级市进行排序，结果如图1所示。根据效率值可将13个地级市划分成4个类型：①示范型城市，包含苏州市、泰州市、无锡市。该类城市2011—2020年碳排放效率均值超过1，处在最优生产状态。从稳定性角度分析，无锡市和苏州市在高水平碳排放效率保持方面表现得更为突出，所有年份的碳排放效率均超过1。②领先型城市，包含南通市、扬州市、盐城市、常州市。江苏省2011—2020年碳排放效率的均值为0.83。领先型城市的碳排放效率虽未达生产前沿面，但超过全省均值，处于领先位置。③居中型城市，包含镇江市、南京市、徐州市、淮安市。这4个城市的碳排放效率虽然低于全省均值，但是与均值差距较小，且高于0.60。通过分析南京市碳排放效率发现，2011—2020年南京市碳排放总量约占全省的15%，说明南京市在发展过程中对环境的关注需要加强，碳排放总量过大是南京市碳排放效率在全省排名相对靠后的重要原因。④落后型城市，包括宿迁市、连云港市。该类城市2011—2020年碳排放效率的均值偏低，相对落后于其他城市，需要给予重点关注。

为了更直观地展现江苏省各地级市现有技术水平以及实际生产规模对碳排放效率的影响，对碳排放效率均值小于1的城市进行细化比较，结果如图2所示。该类地级市碳减排工作的现存短板不同，提高碳排放效率需要重点关注的领域也不同。南通市、扬州市、盐城市、常州市的技术应用水平偏低，生产规模存在优化空间，需要在提高技术水平的同时注重改善生产规模。镇江市、淮安市、宿迁市、连云港市的技术应用程度较高，多数已处在最优生产状态，而生产规模有待改善。南京市、徐州市的生产规模较为理想，而技术应用水平偏低，说明不断研发新技术、推动传统工业绿色化转型是其未来提高碳排放效率的发展方向。

3.1.2 时间差异分析 江苏省10年间的碳排放效率表现出明显差异。2011—2020年江苏省碳排放的3种效率值呈不断波动的态势，具体变化情况如图3所示。江苏省2011—2020年的3种效率值均未处在最优生产状态，且当前生产规模影响了全省碳排放效率的提升，存在碳减排的提升空间，不断优化生产规模是现阶段全面提高全省碳排放效率的关键。

从时间序列角度分析，3种效率在2011—2020年的变化趋势相对一致，初步分为两个阶段，2011—2015年为第一阶段，3种效率总体呈下降趋势，碳减排工作成效不明显；2016—2020年为第二阶段，3种效率总体呈波动趋势，碳减排工作效果不稳定。由3种效率之间的关系可知，前一阶段碳排放效率的下降，与资本、劳动力以及能源投入的冗余有关；技术水平、生产规模效益等多种因素的共同变化导致了第二阶段碳排放效率的波动。多种因素的同时变化可能与江苏省正处于碳减排工作的推进与调整阶段有关。

3.2 Malmquist指数计算及效率变化趋势分析

为充分考虑技术创新因素，分析江苏省碳排放效率偏低的原因，明确未来的改进方向，应用Malmquist指数从动态角度研究了江苏省2011—2020年碳排放效率的变化趋势，结果如表3所示。

2011—2020年江苏省的全要素生产率处于增长状态，2016—2017年增长幅度最大，达9.3%。2011—2020年技术水平不断提高，是推动全要素生产率连年增长的重要原因，说明10年来江苏省生产技术不断创新，促进了碳排放效率的提高。对技术效率指数进行分解后发现，纯技术效率在2012—2014年、2016—2018年、2019—2020年呈下降趋势，说明江苏省需要重点关注资源配置与利用情况并及时调整。与纯技术效率类似，规模效率仅在2016—2017年以及2018—2019年有所提升，说明江苏省需要加强对生产规模改善和优化工作的关注度并积极推动现有生产规模向最优生产状态改进。

江苏省碳排放的全要素生产率也呈明显的空间分异性，结果如表4所示。江苏省各地级市的Malmquist指数大于1，说明各城市的碳减排工作不断推进。其中，部分城市在碳减排工作的推进过程中注重全面发展，既不断优化生产规模，也坚持技术创新，改善资源配置，如南通市、扬州市、无锡市、徐州市、苏州市。从技术进步角度而言，13个地级市生产技术不断改进创新，在节能减排方面成效显著，对江苏省碳排放总量的减少发挥了极大的促进作用。其中，常州市的表现最为突出，技术水平提高了10.2%。但在技术使用效率方面，大多数城市存在优化空间。为快速提高碳排放效率，各城市可针对短板领域进行重点提升，如常州市可着重提升资源配置及利用效率；南京市、淮安市、镇江市可着重优化生产规模；宿迁市、泰州市、盐城市、连云港市可着重关注资源的配置以及生产规模的优化。

4 结论与建议

通过对江苏省各地级市的碳排放效率时空分异性进行实证分析得到下述结论。

1）从时间序列角度看，2011—2020年江苏省碳排放效率发展较为平稳，绿色技术持续进步与创新是效率提升的主要驱动因素，同时优化生产规模可快速提高碳排放效率。

2）从空间分异角度看，江苏省13个地级市的碳排放效率差别明显且呈一定的规律性，具体表现为苏中地区>苏南地区>苏北地区。

此外，江苏省各地级市碳排放效率存在差距，碳减排工作成效较好的苏州市碳排放效率达1.120，而连云港市的碳排放效率仅为0.549。其中，部分城市由于碳排放总量大使得碳排放效率偏低，具有较大的碳减排潜力。

针对上述结论，对江苏省未来碳减排的發展路线和方向提出以下对策建议。

1）江苏省在推进碳减排工作过程中，加大节能减排技术研发的投入，保持技术优势。同时，加速传统行业转型升级，加大清洁能源的使用比例，助力生产规模效率的提高。各地级市可根据现存短板进行重点提升，加速全省碳减排的进程。

2）碳减排分摊方案制定不仅需注重公平原则，同时要综合考虑各地级市的碳排放量和效率，对于碳排放总量大且效率高或碳排放总量小且效率低的城市可适度调低碳减排配额，应将碳减排重心放在碳排放总量大且效率低的城市。

3）江苏省碳排放效率表现出明显的空间分异性，为均衡省内碳减排工作进程，应增强各地级市间交流、互助强度。充分发挥苏州市等碳减排成效较好城市的带头作用，共享技术发展、传统产业转型升级经验。政府也应重点关注连云港市等碳减排成效尚不突出城市的工作进展，及时提供专项政策与资金扶持，助力区域间协调发展。

参考文献：

［1］ 朱冬元，纪 磊.基于STIRPAT模型的长江经济带碳排放驱动因素研究［J］.湖北农业科学，2021，60（11）：50-54，61.

［2］ 徐英启，程 钰，王晶晶，等.中国低碳试点城市碳排放效率时空演变与影响因素［J］.自然资源学报，2022，37（5）：1261-1276.

［3］ 王文举，陈真玲.中国省级区域初始碳配额分配方案研究——基于责任与目标、公平与效率的视角［J］.管理世界，2019，35（3）：81-98.

［4］ 周 迪，郑楚鹏，华诗润，等.公平与效率协调视角下的中国碳减排潜力与路径［J］.自然资源学报，2019，34（1）：80-91.

［5］ 钱浩祺，吴力波，任飞州.从“鞭打快牛”到效率驱动：中国区域间碳排放权分配机制研究［J］.经济研究，2019，54（3）：86-102.

［6］ 张 成，史 丹，李鹏飞.中国实施省际碳排放权交易的潜在成效［J］.财贸经济，2017，38（2）：93-108.

［7］ MENG F Y， SU B， THOMSON E， et al. Measuring China's regional energy and carbon emission efficiency with DEA models： A survey ［J］. Applied energy， 2016， 183： 1-21.

［8］ 李金铠，马静静，魏 伟.中国八大综合经济区能源碳排放效率的区域差异研究［J］.数量经济技术经济研究，2020，37（6）：109-129.

［9］ 袁长伟，张 帅，焦 萍， 等.中国省域交通运输全要素碳排放效率时空变化及影响因素研究［J］.资源科学，2017，39（4）：687-697.

［10］ XIE Z，WU R，WANG S.How technological progress affects the carbon emission efficiency？ Evidence from national panel quantile regression［J］. Journal of cleaner production， 2021， 307（1）：127-133.

［11］ SHI R B， IRFAN M， LIU G L， et al. Analysis of the impact of livestock structure on carbon emissions of animal husbandry： A sustainable way to improving public health and green environment ［J］. DOI： 10.3389/fpubh.2022.835210.

［12］ CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units［J］. European journal of operational research， 1978， 2（6）： 429-444.

［13］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001， 130（3）： 498-509.

［14］ TONE K. A slacks-based measure of super-efficiency in data envelopment analysis［J］. European journal of operational research， 2002， 143（1）：32-41.

［15］ TONE K， SAHOO B K. Degree of scale economies and congestion： A unified DEA approach［J］. European journal of operational research， 2004， 158（3）： 755-772.

［16］ 李 健，馬晓芳，苑清敏.区域碳排放效率评价及影响因素分析［J］.环境科学学报，2019，39（12）：4293-4300.

［17］ ZHOU P， ANG B W， HAN J Y. Total factor carbon emission performance： A Malmquist index analysis［J］. Energy economics， 2010， 32（1）：194-201.

收稿日期：2022-10-20

基金项目：江苏省软科学研究项目（BR2021056）；中央高校基本科研业务费项目（B220207021）；河海大学大学生创新创业项目（2022102941341）

作者简介：王肖玥（2001-），女，安徽蚌埠人，本科生，主要从事碳核算研究，（电话）17730055970（电子信箱）2529013421@qq.com；通信作者，

邓建高（1974-），男，江西余江人，副教授，主要从事碳资产管理、大数据管理与应用研究，（电话）13961498379（电子信箱）

djgwmdkx@hhu.edu.cn。