中国低碳经济发展绩效评价及影响因素分析

摘要：“双碳”目标下，我国对于低碳发展的重视程度不断提高。本文采用熵权-DEA-BCC方法和熵权-Malmquist指数对低碳经济发展绩效进行静态和动态分析，并对低碳经济发展绩效的影响因素进行了分析。研究显示：2006-2022年整体低碳经济发展较好，但仍存在提升空间。从时间上来看，2005-2010年和2021-2022年的低碳经济发展绩效的增长是由技术进步引起的，2011-2015年和2016-2020年低碳经济发展绩效的下降是由技术衰退引起的；从区域来看，2006-2010年与2021-2022年东部和东北地区的低碳经济发展绩效保持稳定，而中西部地区在2021-2022年呈现增长趋势。国内专利申请授权量、出口额占GDP比重与低碳经济发展绩效呈负相关：城镇居民人均收入、城市绿地面积、单位GDP能耗、第二产业增加值占GDP比重与低碳经济发展绩效呈正相关。基于以上结论提出相应的政策建议。

关键词：绩效评价；低碳经济发展；DEA；Malmquist；面板回归

基金项目：山西省哲学社会科学专项课题“产业振兴带动乡村振兴的制度基础和实现路径研究”（2022YD129）；大同市科技计划项目“大同市县域产业多元化发展样板研究”（2022072）

中图分类号：F327 文献标识码：A

文章编号：1674-537X（2024）08.0109-10

一、引言

21世纪以来，全球过度的能源消耗和高碳排放导致的气候和生态环境问题日益凸显，发展低碳经济成为当务之急。2007年，我国在APEC领导人会议中提出“发展低碳经济”的建议。新世纪初，习近平总书记在浙江安吉余村考察时提出“绿水青山就是金山银山”，首次阐述了经济发展与生态保护协同发展的辩证统一关系，强调经济发展不得以破坏环境为代价，需要进行低碳转型。

面对气候问题，国际组织也作出相应的行动。2015年在巴黎气候大会上一致通过《巴黎协定》，该协定旨在减少全球温室气体排放，将全球平均气温较工业化前水平上升幅度控制在2℃以内，并努力将温度上升幅度限制在1.5℃以内。全球各国为实现这一目标，均提出了符合自己国情的碳中和目标。2020年，在第七十五届联合国大会上，我国提出了实现“碳达峰、碳中和”的目标：“二氧化碳的排放量力争于2030年前达到峰值，努力争取在2060年前实现‘碳中和’。”2024年《政府工作报告》中指出，要大力发展绿色低碳经济，积极稳妥推进碳达峰碳中和。

“双碳”目标下，我国关于低碳发展的重视程度不断提高。自2010年以来，我国陆续开展低碳经济试点体系，并取得积极进展与成效。数据显示：在2003-2022年，我国GDP呈稳步增长趋势，年均增长率为8.5%，碳排放量由2.85亿吨增长到10.12亿吨。但万元GDP能耗率连续六年均为负增长，表明我国资源能源利用效率、集约化程度大幅度提升。由此可见，通过采取一系列措施，碳排放量是可以有效降低的，逐步实行低碳是可行的。

本文运用熵权-DEA（数据包络分析）-BCC模型以及Malmquist（曼奎斯特）指数评价低碳经济的绩效水平，运用面板回归模型研究低碳经济的影响因素。衡量低碳经济发展绩效，有利于政府做出更加合理、科学的决策，激励企业在低碳技术方面的技术创新，提升公众对低碳经济的认知和重视。对低碳经济的影响因素从多角度进行分析，使结果更加客观准确，有利于政府和企业进行结构调整和转型发展，共同促进经济社会的进步。

二、文献综述

对于低碳经济，资料显示，2003年英国政府在《能源白皮书》中首次提出“低碳经济”，主要含义是在可持续发展的思想下，通过发展绿色新能源，研究低碳技术，促使产业结构得到优化，实现低污染、低能耗、低排放、高能效的经济发展方式。朱媛（2017）认为，低碳经济主要是指在可持续发展理念的指导之下，通过一系列技术创新、制度创新等手段，尽可能减少碳排放，从而达到促进经济发展与社会环境保护的双赢局面。

关于低碳经济发展绩效评价及影响因素的研究，学者们针对不同区域，采用不同的方法进行了相关研究。在实证分析方面，柳键（2019）采用三阶段DEA模型分析了全要素低碳经济发展绩效，去除外部环境因素和随机噪声的影响，得到更准确的客观绩效值。谢志祥（2017）采用DEA模型和Malmquist全要素生产率指数对2000-2014年我国31个省区的低碳经济发展绩效进行了静态和动态评价，同时采用Tobit回归模型对我国低碳经济发展绩效的影响因素进行了分析。何键（2024）采用三阶段DEA-Malmquist模型研究2010 - 2021年中国30个省区的低碳经济发展绩效。周泽炯（2013）运用考虑了非期望产出的Super-SBM模型对中原经济区2008-2011年低碳经济的发展绩效进行了评价，找出低碳化道路所面临的困境与挑战，同时揭示了影响低碳经济发展的因素。

从目前来看，国内众多学者对中国低碳经济发展绩效评价方面的研究较少，2019年后的同类研究鲜有。随着低碳经济的发展，经济、环境等方面的指标和数据可能发生变化，本文对这些年的研究进行补充并深入探讨，同时在一定程度上完善研究方法，为实现可持续发展的目标提供更全面和有效的支持。

在目前的研究中，对低碳经济发展绩效的评价几乎都直接采用DEA模型或其他模型，DEA模型默认所有变量是等权重的，忽略了不同指标具有不同的重要性。本文在运用DEA-BCC模型和Malmquist指数之前，用熵权法对各个指标进行赋权，熵权法赋权不仅具有客观性，同时可以反映不同指标对中国低碳经济发展绩效的影响深浅。最后进一步采用面板回归模型深入分析影响中国低碳经济发展绩效的因素。

三、中国低碳经济发展绩效评价

（一）低碳经济发展绩效指标体系的构建

为了全面发展低碳经济，我国持续推进产业结构和能源结构转型，开发低碳技术，尽可能地减少煤炭，石油等高碳能源的消耗。参考国内学者的研究报告，结合我国的碳排放实际，同时根据DEA模型的概念，主要有两大类指标：本文从碳排放量、能源、交通、人力投入等方面选取投入指标；从就业机会、经济增长，居民生活水平、环境等方面选取产出指标。具体指标见表1。

根据图l，可以发现二氧化碳排放量这一指标的时序图都有趋势并且无季节性，其余省份的时序图均是有趋势并且无季节性，所以本文选用线性插值的方法填补缺失值。

本文选取DEA模型对中国低碳经济发展绩效进行分析。DEA模型中各个投入指标和产出指标之间，需要满足正相关的关系，即“同向性”假设。因此，本文选用最简单并且有效的Pearson检验，结果见表2。

根据表2可以看出，各个投入指标和产出指标之间存在正相关关系并且都通过了1%的显著性检验。说明投入和产出指标之间满足“同向性”，体现出指标选取的合理性。

（二）数据来源与模型说明

本文将中国30个省市自治区（不包括西藏自治区）作为研究对象；数据来源于中国统计年鉴、各省的统计年鉴、中国第三产业统计年鉴、林业统计年鉴、中国环境统计年鉴和中国知网的大数据研究平台。碳排放量的数据来源于中国碳核算数据库。获取的所有数据均为2006-2022年。

1．熵权法

熵权法用于确定各个指标在决策中的权重，是一种非常客观地对指标赋予权重的方法，可以有效减少评价过程中的主观性。基本原理是将数据标准化以后，计算各个指标的信息熵来确定权重，信息熵越大，表明该指标越重要，权重也就越大。

设评价指标xij为第j个指标在第i年的指标值（i=1，2，…，m；j=1，2，…，n），评价指标构成矩阵X=（xij）m×n。

基本步骤为：对于负向指标，我们会期望它的均值减少；反之，对于正向指标，我们会期望它的均值增加。对正、负向指标分别进行无量纲处理：

xij=（xij -min xij）/（max xij -min xij）（1）

xij=（max xij - xij）/（max xij - min xij）（2）

求各项指标的概率：Pij=xij/∑xij；约束条件为：∑ m i=1 pij=1；接着求各指标的熵值：Hj=-k∑ m i=1 （Pij×lnPij）；信息熵系数：k=1/lnm；信息熵冗余度：dj=1 - Hj；指标权重：ωj=d/∑n j=1 dj。

2．数据包络分析模型

DEA是一种利用非参数技术进行效率分析的方法，该方法基于被评价对象之间的相对比较。DEA的基本原理如下：

DEA将效率测度的对象称为决策单元（DMU），在本文中，DMU指中国各个省份。本文测量中国30个省、市、自治区（不包括台湾省、香港特别行政区和澳门特别行政区）的低碳经济发展绩效，记为DMUj（j=l，2，…，30）;每个DMU有4种投入，记为xi（i=1，2，3，4），投入的权重表示为vi（i=1，2，3，4）；有3种产出，yk（k=1，2，3）表示3种产出，产出的权重用uk（k=1，2，3）表示。当前效率测度的对象记为DMU。，它的产出投入比可表示为：

接着要将所有DMU采用上述公式得出的效率值θj的取值范围限制在[0，1]内，即

BCC模型可表示为：

3．曼奎斯特指数

曼奎斯特（Malmquist）指数由瑞典经济学家Malmquist首次提出，Caves，Christensen和Diewert于1982年开始将Malmquist指数应用于生产效率变化的测算。1994年Fare等人将这一指数与DEA理论相结合，使得Malmquist生产率指数被广泛应用。Malmquist指数是一种表示DMU全要素生产率增长的指数，以此来评价效率的跨期变动。通俗来讲，是一个比较常用的生产率的指数，用来衡量效率的动态变动。Malmquist指数有助于更深入地了解低碳经济投入产出效率的动态变化。本文将采用全局Malmquist指数，其计算公式见式（8）。

式（8）中，MGc（xt，yt，xt+1，yt+1）为Mahuquist生产率指数，（xt，yt）为t时期的投入和产出向量，（xt+1，yt+1）为t+1时期的投入和产出向量；DGc（xt，yt）为t时期以技术为参照的距离函数，DGc（xt+1，yt+1）为t+1时期以技术为参照的距离函数。

Mahuquist全要素生产率指数通常分解为两种指数，即综合效率变化指数（EC）与技术进步效率指数（TC）。分解公式：

式（9）中，MGc ＞1，表明在t到t+1时期区块的生产效率提升；MGc＜1，表明t在t+1时期区块的生产效率下降；MGc=1，表明t在t+1时期区块的生产效率没有变化。

4．面板回归模型

面板数据也叫平行数据，包括时间序列和横截面上两个维度的数据。通常面板回归模型分为混合模型、固定效应模型和随机效应模型。

不同时点和不同个体之间都不存在显著性差异，即截距和斜率都是相同的，就可以把时间序列和横截面两个维度的数据混合在一起，这样的模型称为混合回归模型。一般形式如下：

式（12）中，i=1，2，…，N，表示Ⅳ个不同的个体（如国家，省，企业等），t=1，2，…，T，表示T个时点，k=1，2，…，K，表示第k个解释变量。Yit为因变量，表示在时点t上第i个个体的观测值；Xkit是自变量，表示第k个解释变量在时点t上对于个体i的观测值；βk为待估参数，εit真为随个体和时间而改变的随机扰动项。

固定效应与随机效应模型。面板回归模型中，不同截面或不同时点上，模型的斜率系数是相同的，但模型的截距项是不同的。基本模型形式为：

式（13）中，λi是不可观测的随机扰动项，随个体变化但不随时间变化，代表个体异质性的截距项，即“个体固定效应”。个体效应也可能以随机效应的形式存在，判断的关键是入，和某个解释变量是否相关。如果λi和某个解释变量相关，则该模型称为“固定效应模型”，否则为“随机效应模型”。此外，还可以考虑时间的异质性，γt是不可观测的随机变量，随时间变化但不随个体变化，代表时间异质性，即“时间固定效应”。如果同时包含个体效应和时间效应，则为双向固定效应。

（三）中国低碳经济发展绩效分析

1．静态分析

为了在对中国低碳经济发展绩效进行评价时能够客观反映出各个指标的重要性，本文采用熵权法对投入指标进行赋权，结果见表3。对于投入指标，通常认为民用汽车拥有量和第三产业就业人数属于正向指标，二氧化碳排放量和煤炭消耗量属于负向指标。

首先将投入指标乘以相应的权重（即表3），产出指标保持不变，采用以投入为导向的模型，即DEA-BCC模型，通过DEAP 2.1软件进行分析，得到30个省份2006-2022年的综合技术效率（TE）、纯技术效率（PTE）、规模效率（SE）、规模报酬（RTS）。其中，TE= SE×PTE。

通过BCC的结果，本文发现，综合技术效率、纯技术效率、规模效率每一年的最大值都达到了最优，即DEA有效。最小值都在0．61 -0．81之间，这些效率值也都相对高效。

从表4可以发现，综合技术效率、纯技术效率以及规模效率的方差都很小，分布在[0．002，0．0171这个区间，说明这三个效率值波动在均值附近且波动不大。为了更好地了解中国整体低碳经济发展绩效的趋势，本文做出了2006-2022年综合技术效率、纯技术效率、规模效率的均值变化图，见图2。

根据图2，可以发现总体的综合技术效率除了2010年以外均在0．9以上，2010的综合技术效率也大于0．86，这说明投入指标的利用率都达到了86%以上，利用率较高。2022年的综合技术效率大于0．92。综上，当前中国整体低碳经济发展较好。

根据图2，可以发现纯技术效率除2010年大于0．92，其余年份均处于0．94 -0．96之间，总体波动不大，整体都处于较高水平。2006-2022年，中国低碳经济的投人中，有92%以上都得到了充分利用，但仍然存在8%的提升空间。2020、2021、2022年的纯技术效率大于0．96，表明这三年中国低碳经济发展绩效处于最优状态。

根据图2，可以发现规模效率均大于0.94，距离最优生产规模差距都较小，表明中国低碳经济发展很大程度地利用了其生产规模。2014-2022年的规模效率呈上升趋势，在未来，中国低碳经济发展绩效有望达到最优规模。

各年的规模报酬（RTS）分布情况见表5。

规模报酬不变的仅有241个，占总数的47%，可见在2006-2022年中国低碳经济整体的发展水平并不是很高。在2006-2011年，规模报酬递增个数小于规模报酬递减的，造成了资源的浪费，需要扩大规模增加资源的利用率：但在调控过程中，可能由于某些因素，使得以至于在2014、2021和2022年规模报酬递减的个数远小于规模报酬递增的，致使成本增加。

2．动态分析

上述采用熵权-DEA-BCC模型研究低碳经济发展的静态效率评价，为避免静态分析的局限性和片面性，本文将利用熵权-Malmquist指数模型构建更加较为全面的低碳经济发展绩效评价体系。

本文采用熵权法对投入指标和产出指标综合进行赋权，正向指标有民用汽车拥有量、第三产业就业人数、就业人数、国内生产总值、城市绿地面积；负向指标有二氧化碳消耗量、煤炭消耗量。得到综合权重，结果见表6。

本文将投入指标和产出指标乘以相应的权重（即表6），利用DEAP2.1软件进行分析。首先从时间序列的角度来分析。针对低碳经济发展的历程，将其分为四个阶段：

认识阶段：2006-2010年，政府、科研机构和社会宣传促进低碳意识，发布相关政策，引导各行业参与，奠定低碳经济发展的基础。试点阶段：2011-2015年，政府支持低碳技术研发，建设示范区，推广低碳生活成功，为全国低碳经济发展提供经验。推广阶段：2016-2020年，政府扶持低碳产业，促进产业转型，取得显著成效，为可持续发展贡献重要力量。第四阶段：2021-至今，政府提出“碳达峰”和“碳中和”目标，加大对低碳技术研发和应用投入，全面推动经济环保可持续发展。

2006-2010年低碳经济发展绩效全要素生产率值为1.006，增幅为0．6%，分解来看，其中技术进步增长了1.8%，综合技术效率下降了1.3%，而综合技术效率的下降是由于纯技术效率下降（0．6%）和规模效率的下降（0．6%）导致的，可以看出，2006-2010年低碳经济发展绩效的增长主要是由于技术进步引起的。

2011-2015年低碳经济发展绩效全要素生产率值0．976，降幅为2.4%，分解来看，其中技术进步下降了2.5%，综合技术效率增长了0．1%，细致来看，纯技术效率增长了0．2%，规模效率下降了0．1%，由此可见，2011-2015年低碳经济发展绩效的下降主要是由于技术衰退引起的。

2016-2020年低碳经济发展绩效全要素生产率值为0．981，其中，纯技术效率增长了0．4%，规模效率增长了0．1%，因此2016-2020年低碳经济发展绩效的下降主要是由于技术衰退引起的。2021-2022年低碳经济发展绩效全要素生产率值为1.098，其中纯技术效率下降了0．2%，规模效率下降了0．1%，由此可见，2021-2022年低碳经济发展绩效的提高主要是技术进步推动的。

为进一步分析，将全国30个省（市）按经济区域划分为东部，西部，中部，东北四大地区来观察。结果见表8。

根据表8，东部地区和东北地区在2006-2022年间全技术效率水平基本保持稳定，中部地区和西部地区在2006-2020年间全技术效率水平一直保持低势态，而在2021-2022年间全技术效率水平一改之前的颓势，变为增长势态，中部地区全技术效率值为1.059，即增幅为5.9%：西部地区全技术效率值为1.714，即增幅为71.4%。

2006-2010年我国东部地区的全要素生产率为1.053，中部地区为0.944，西部地区为0.993，东北地区为1.038。可见，我国东部地区和东北地区的全要素生产率值大于1，即两地区的低碳经济发展绩效均实现了增长，而中部地区和西部地区的全要素生产率值小于1，即两地区的低碳经济发展效率整体呈下降趋势。分解来看，东部地区和东北地区低碳经济发展绩效的增长源于技术进步的推动，而造成中部地区和西部地区低碳经济发展绩效下降的原因主要是受到了综合技术效率的制约。从综合技术效率的角度看，又受到纯技术效率水平降低和运营规模不济的影响。

与2015年相比，2016-2020年间，东部、西部、中部、东北地区的低碳经济发展绩效的变化趋势基本一致。2021-2022年间，东部、西部、中部、东北地区的低碳经济发展绩效都有了很大程度的提高，同样得益于技术的进步。

四、低碳经济发展绩效的影响因素分析

（一）影响因素的确定

碳排放主要源于化石燃料的消耗，但碳排放量的多少不能简单地归结于化石燃料的消耗，因为低碳经济是国民经济和社会一系列经济形态的总称，涉及政策、经济、环境、技术和管理等诸多领域。经查阅相关文献后，影响低碳经济发展绩效有以下6个因素：经济发展水平、生态环境、能源强度、科学技术水平、产业结构和国际贸易分工，从这6个准则层中各选取了一个指标层作为自变量，因变量为低碳经济发展绩效综合技术效率（TE）（由前一部分计算所得），具体指标见表9。

（二）低碳经济发展绩效的面板回归分析

以低碳经济发展绩效综合技术效率序列为因变量，其他指标变量对数序列为自变量，利用最小二乘法进行回归模型估计，通过F检验来进一步确定模型的形式是混合效应模型还是固定效应模型，结果见表10。

由表10可知，F检验的尸值为o．000，在5%的显著性水平下是显著的，说明拒绝了选用混合效应模型的原假设，因此选用固定效应模型。接下来通过豪斯曼（Hausman）检验来进一步确定模型的形式是随机效应模型还是固定效应模型，结果见表11。

由表11可知，Hausman检验的P值为0．0001，在5%的显著性水平下是显著的，说明拒绝了选用随机效应模型的原假设，所以本文最终选取了固定效应模型。

根据表12和表13的结果，时点固定效应模型和双向固定效应模型的回归系数结果不显著，所以最终选用个体固定效应模型。结果见表14。

由表14可知，各变量在5%的显著性水平下是显著的，说明个体固定效应模型是比较显著的。

国内专利申请授权量、出口额占GDP比重与低碳经济发展综合技术效率成负相关关系。这可能是我国的出口型产业仍是以制造业为主，这些产业通常涉及高能耗和高排放的生产过程。另一方面创新方向可能偏离低碳领域，专利数量的增加可能主要集中在非低碳领域，尽管专利数量增加，但与低碳经济发展综合技术效率的关系可能并不明显，甚至成负相关。

城镇居民人均收入、城市绿地面积与低碳经济发展绩效综合技术效率成正相关关系。随着收入水平的提高，城镇居民的消费结构可能逐渐向环保和低碳方向转变，他们更有能力购买节能环保产品，选择低碳出行方式。城市绿地面积的增加可以提高城市的碳吸收能力，从而间接地提高低碳经济发展绩效综合效率。

单位GDP能耗、第二产业增加值占GDP比重与低碳经济发展绩效综合技术效率成正相关关系。制造业通常需要大量的化石燃料，燃烧会导致碳排放量的增加，但随着技术的进步，制造业可能会更加注重技术创新和清洁生产技术的应用，高能耗、高排放的产业逐渐被低能耗、清洁生产的产业所替代，从而降低了单位GDP能耗，进一步促进低碳经济的发展。

五、结论与建议

（一）结论

在静态分析方面，2006年至2022年的分析表明，这些效率指标整体表现良好。综合技术效率、纯技术效率和规模效率的最大值均为最优水平，每年波动较小。然而，仅有241个年份的规模报酬不变，占总数的47%，表明整体发展水平仍有提升空间。尤其在2006年至2011年间，规模报酬递增的情况多于递减，可能导致资源浪费，需要加强规模扩大以提高资源利用率。但是在后续年份中规模报酬递减的个数较少，可能导致成本增加。

在动态分析方面，从时间序列的角度分析低碳经济发展的四个阶段，2006-2010年的绩效增长主要是由技术进步引起的，2011-2015年的下降主要是由技术衰退引起的，2016-2020年的下降同样主要是由技术衰退引起的，而2021-2022年的提高主要是由技术进步推动的。另外，从不同区域的角度分析低碳经济发展，东部和东北地区在全技术效率上基本保持稳定，中部和西部地区在2006-2020年间技术效率保持低水平，但在2021-2022年间呈增长趋势，其中中部地区增幅为5.9%，西部地区增幅为71.4%。

从绩效影响因素来看，呈负相关的因素有国内专利申请授权量、出口额占GDP比重；呈正相关的因素有城镇居民人均收入、城市绿地面积、单位GDP能耗和第二产业增加值占GDP比重。其中，城镇居民人均可支配收入是低碳经济发展绩效的主要影响因素。

（二）建议

第一，提高城镇居民人均收入。鼓励城镇地区发展高新技术产业，提高产值和城镇居民的就业水平，增加居民的职业培训机会来提高其技能水平，进而提高人均收入。

第二，优化产业结构。在积极推动第二产业发展的同时，要鼓励采用低碳的生产技术。引导企业采用绿色技术和实施绿色制造，减少环境污染。

第三，改善生态环境。在政府的引导下，制定更绿色科学和可持续的城市规划和建设政策，优化城市交通布局，增加城市绿化面积。鼓励绿色出行，增强环保意识，积极响应政府决策，共同推动城市生态文明的建设。

第四，鼓励技术创新、投资和支持研发清洁能源技术，减少对高碳能源的依赖；制定低碳经济专利保护的政策，鼓励企业、科研机构和各大高校等在低碳领域进行研究，力争在低碳领域的前沿技术上进行突破与创新。

第五，调整经济结构，从传统制造业向更加智能化和绿色化的转型，用绿色经济逐步替代传统能源；减少对高碳产业的出口，降低出口额占GDP比重：在国际贸易方面吸收和借鉴发达国家的先进技术和经验，引进国外先进的低碳技术并进行内化。