基于超效率DEA模型的中國省際碳排放效率研究

孫少勤,郭琴琴,邵 青

(南京信息工程大學(xué),南京 210044)

一、引 言

在全球氣候變暖的大背景下,人類活動因素引起的二氧化碳等溫室氣體排放的不斷增加、溫室效應(yīng)的不斷加劇是導(dǎo)致全球變暖的重要原因之一。中國作為目前世界上最大的碳排放國之一,碳排放情況具有明顯的地區(qū)差異。因此,準(zhǔn)確地把握區(qū)域碳排放效率特征,探究碳排放效率的影響因素,對于提高碳排放效率、實(shí)現(xiàn)新世紀(jì)的節(jié)能減排目標(biāo)具有重要意義。

根據(jù)碳排放效率的定義,目前應(yīng)用最為廣泛的測度碳排放效率的方法是數(shù)據(jù)包絡(luò)分析法(Data Envelopment Analysis,DEA),最早由Charnes、Cooper和Rhodes等學(xué)者于1978年提出,它是一種通過線性規(guī)劃構(gòu)造出生產(chǎn)前沿邊界的非參數(shù)方法。國外較多的學(xué)者將該方法運(yùn)用于能源績效的評價(jià),Zhou P和Ang B W、Mukherjee等利用該方法測度了開放經(jīng)濟(jì)條件下能源利用效率的情況。[1]Boyd和Pang從全要素角度測算能源利用效率,并提出了改善能源效率的方法。[2]在碳排放效率研究方面有相當(dāng)多的代表文獻(xiàn),如Zaim和Taskin、Claude Mandil、Zhou等學(xué)者以二氧化碳排放作為污染物,運(yùn)用不同的DEA模型對OECD國家、部分地區(qū)以及行業(yè)的二氧化碳排放績效進(jìn)行了評價(jià)。[3]Ramanathan R采用DEA模型研究GDP、能源消耗和碳排放量三者的關(guān)系，分析了碳排放效率的變動情況,結(jié)果顯示全球碳排放效率在樣本期內(nèi)呈波動性特征。[4]Lofgren和Muller通過研究某個產(chǎn)業(yè)能源效率與碳排放的關(guān)系,提出降低碳排放的方法,其中提高碳排放效率是有效的方法之一。[5]Zhou P等利用Malmquist指數(shù)法測算了全球碳排放量最高的18個國家的碳排放績效,并分析了導(dǎo)致碳排放效率變化的影響因素。[6]此外,部分學(xué)者還利用DEA方法對二氧化碳邊際減排成本進(jìn)行相關(guān)研究,Marklund和Samakovlis、Maradan和Vassiliev運(yùn)用不同的DEA模型估算了包括歐盟在內(nèi)的發(fā)達(dá)國家和發(fā)展中國家等共76個國家的二氧化碳邊際減排成本。[7]

國內(nèi)學(xué)者對碳排放效率的相關(guān)問題也有較多的研究。朱遠(yuǎn)、劉國平從全要素角度構(gòu)建碳排放效率的評價(jià)指標(biāo),對1990年—2007年“金磚四國”的碳排放效率進(jìn)行測算,研究發(fā)現(xiàn)巴西的碳排放效率最高,而中國最低,導(dǎo)致四國碳排放效率差異的最主要原因是經(jīng)濟(jì)規(guī)模、能耗、產(chǎn)業(yè)結(jié)構(gòu)和城市化水平。[8]姚西龍和于渤采用DEA方法對我國1998年—2008年二氧化碳排放效率的影響因素進(jìn)行研究后發(fā)現(xiàn),總體上,技術(shù)進(jìn)步會有效減少單位GDP的二氧化碳排放量,二氧化碳排放會因?yàn)橐?guī)模效率而有所增加。[9]檀勤良、張興平和魏詠梅等研究認(rèn)為,能源強(qiáng)度的降低對中國碳排放效率的提高有顯著的促進(jìn)作用。[10]此外,部分學(xué)者采用超效率DEA模型對效率值進(jìn)行測算。蔡曉春、肖小愛通過超效率DEA評價(jià)模型對比分析中國區(qū)域能源利用效率的具體情況,發(fā)現(xiàn)區(qū)域間能源效率差異較為顯著,部分省份的變化趨勢呈現(xiàn)階段性特征。[11]王恩旭、武春友運(yùn)用超效率DEA模型對中國30個省份的生態(tài)效率進(jìn)行了評價(jià),結(jié)果由高到低依次為東部、中部、東北和西部,其中東部地區(qū)的生態(tài)效率高于全國水平。[12]

上述學(xué)者在研究碳排放效率問題時,從全要素角度利用超效率DEA模型研究碳排放效率的相關(guān)文獻(xiàn)十分鮮見;在測算方法上,現(xiàn)有文獻(xiàn)大多基于傳統(tǒng)DEA模型測度碳排放效率,其度量結(jié)果往往出現(xiàn)多個決策單元的效率值均為1而無法進(jìn)一步對其按效率值的大小進(jìn)行排序的情況。此外,一些文獻(xiàn)在研究碳排放效率問題時只是基于測算結(jié)果的現(xiàn)狀進(jìn)行分析,并未對其影響因素進(jìn)行深度剖析,因此,一定程度上缺乏實(shí)際的指導(dǎo)意義。

二、中國各省市及地區(qū)碳排放特征分析

受經(jīng)濟(jì)發(fā)展、地理位置等因素的影響,根據(jù)國家統(tǒng)計(jì)局劃分辦法將中國31個省(市、區(qū))劃分為四大區(qū)域:東部、中部、西部和東北綜合經(jīng)濟(jì)區(qū)。*東部地區(qū)包括北京、天津、上海、廣東、河北、浙江、江蘇、福建、山東和海南，中部地區(qū)包括山西、內(nèi)蒙古、湖南、安徽、江西、湖北、河南，西部地區(qū)包括新疆、云南、廣西、四川、重慶、甘肅、貴州、陜西、青海、寧夏、西藏(數(shù)據(jù)缺乏較多，暫未列入研究范圍)，東北綜合經(jīng)濟(jì)區(qū)包括遼寧、吉林和黑龍江。四大地區(qū)由于經(jīng)濟(jì)發(fā)展、人口規(guī)模、資源稟賦、能源消費(fèi)等因素的差異,碳排放情況顯著不同。

鑒于我國并沒有直接公布碳排放量的數(shù)據(jù),本文根據(jù)聯(lián)合國政府間氣候變化專門委員會(以下簡稱IPCC)《碳排放計(jì)算指南》(2006年版)公布的碳排放計(jì)算公式對我國各省的碳排放量進(jìn)行測算。測算公式為:

(1)

其中,C為碳排放量(噸);Ei為第i種能源的消費(fèi)量,按噸標(biāo)準(zhǔn)煤計(jì)算;Ki為第i種能源的碳排放系數(shù);i為能源種類。根據(jù)省際能源消耗特征,選取原煤、焦炭、天然氣等8個主要的能源品種進(jìn)行測算。考慮到數(shù)據(jù)的可獲得性,本文選用2000年—2011年各省市8種能源消費(fèi)量,數(shù)據(jù)源自《中國能源統(tǒng)計(jì)年鑒》。中國各種能源折標(biāo)準(zhǔn)煤系數(shù)來源于國家統(tǒng)計(jì)局發(fā)布的《能源統(tǒng)計(jì)報(bào)表制度(2010)》,碳排放系數(shù)來源于2006年IPCC《國家溫室氣體清單指南》。全國及各地區(qū)碳排放情況趨勢見圖1(數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》)。

圖1 2000年—2011年全國及各地區(qū)碳排放變化趨勢

由圖1可以明顯看出,2000年—2011年全國及各地區(qū)的碳排放總量呈持續(xù)上升趨勢,東部地區(qū)的碳排放總量領(lǐng)先于其他地區(qū),僅次于全國水平。中、西部地區(qū)碳排放量基本趨于一致,這與國家大力發(fā)展中部地區(qū)的政策傾向有很大的關(guān)系。作為老工業(yè)基地的東北地區(qū),由于大力發(fā)展經(jīng)濟(jì),消耗大量資源,加上政府的政策傾向,造成其碳排放量總體水平較高且有不斷攀升的趨勢。

三、中國省際碳排放效率的測算及地區(qū)差異分析

(一)超效率DEA模型簡介

傳統(tǒng)的DEA模型能夠區(qū)分決策單元是否有效,即哪些是效率值為1的處于效率前沿面的決策單元,哪些是小于1的無效率的決策單元。但是,在實(shí)際測算中有時會出現(xiàn)多個決策單元的效率值均為1的情況,因此,無法對有效的決策單元進(jìn)行效率比較,從而做進(jìn)一步分析。對于這種情況,Banker、Gifford及Bankeret等首次提出在測算有效決策單元的具體效率值時,將該決策單元排除在前沿面之外,在CCR模型的基礎(chǔ)之上構(gòu)建超效率DEA模型,按此模型計(jì)算出來的效率值可大于1,能夠?qū)崿F(xiàn)對所有效率值大于1的決策單元的排序。效率值大于1的意義在于它可以測算出各項(xiàng)投入指標(biāo)在同時按多大比例增加的情況下決策單元仍能保持DEA有效。相應(yīng)的模型具體形式如下:

(2)

其中,θ為效率值;Xj、Yj分別為第j個決策單元的投入、產(chǎn)出;ε是Charnes和Cooper為了解決分析中的技術(shù)和數(shù)量問題在1952年引入的非阿基米德無窮小量,其值大于0而小于任何正數(shù);e為元素為1的向量;s-、s+分別為松馳變量、剩余變量;λ是第j個決策單元的組合比例。

(二)評價(jià)指標(biāo)的選取及數(shù)據(jù)說明

在超效率DEA模型中,碳排放作為污染物表現(xiàn)為負(fù)產(chǎn)出,而該模型要求評價(jià)指標(biāo)為非負(fù),因此必須對碳排放這種非期望產(chǎn)出進(jìn)行處理。目前,污染物作為投入處理法(INP法)、加法逆轉(zhuǎn)換法(ADD法)和乘法逆轉(zhuǎn)換法(MLT法)等是主要處理方法。本文采用INP方法對碳排放進(jìn)行相關(guān)處理。根據(jù)以上指標(biāo)選定的原則,本文主要選取以下兩個產(chǎn)出指標(biāo)和三個投入指標(biāo)。

1. 產(chǎn)出指標(biāo)包括各省市GDP和碳排放量

關(guān)于各省市GDP,本文使用的是1978年不變價(jià)格計(jì)算的省際生產(chǎn)總值數(shù)據(jù),所使用的現(xiàn)價(jià)GDP及其指數(shù)來源于《中國統(tǒng)計(jì)年鑒》,進(jìn)行價(jià)格調(diào)整后得到1978年為基期*以1978年為基期是為了與資本存量基期一致,這樣處理也保證了投入—產(chǎn)出變量統(tǒng)計(jì)口徑的一致性。的各省市GDP序列,單位為億元。關(guān)于碳排放量,采用已測算出的2000年—2011年我國各省市碳排放量的結(jié)果。

2. 投入指標(biāo)包括資本存量、城市化水平和能源消費(fèi)量

本文主要研究固定資本存量,鑒于目前我國還沒有官方的資本存量調(diào)查數(shù)據(jù),因此,本文采用Goldsmith開創(chuàng)的永續(xù)盤存法來進(jìn)行估算,其基本公式為:Kt=It+(1-δt)Kt-1。其中，Kt為各省市第t年的固定資本存量,It為各省市第t年投資額,δt為第t年的固定資產(chǎn)折舊率。本文參考張軍的方法,[13]選擇9.6%的固定資產(chǎn)折舊率,估算出各省2000年—2011年的資本存量。關(guān)于城市化水平的衡量,目前較多的做法是采用人口總量作為投入之一。然而,人口總量是一個相對穩(wěn)定的值,僅依靠它并不能反映城市化的人口轉(zhuǎn)移所帶來的能源需求和碳排放影響。因此,要準(zhǔn)確描述現(xiàn)階段城市化對中國碳排放的影響,尤其需要把握城市人口的變化。本文參考林伯強(qiáng)的做法,[14]用人口結(jié)構(gòu)變量即城市化水平代替原先的人口總數(shù)變量,更具有科學(xué)性和針對性。由于我國各地區(qū)能源消費(fèi)類別不同,所以在該研究中使用的能源消費(fèi)數(shù)據(jù)是將各地區(qū)各種一次能源統(tǒng)一折算為“噸標(biāo)準(zhǔn)煤”得到的能源消費(fèi)總量。

鑒于數(shù)據(jù)的可獲得性,本文所使用的數(shù)據(jù)是2000年—2011年我國各省(西藏?cái)?shù)據(jù)缺失較多,故未列入研究范圍之內(nèi))的GDP、資本存量、城市化水平、能源消耗量和碳排放量。表1為各指標(biāo)數(shù)據(jù)描述性統(tǒng)計(jì)特征,基本數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《新中國60年統(tǒng)計(jì)資料匯編》及各省歷年統(tǒng)計(jì)年鑒等。

表1 2000年—2011年中國30省市區(qū)碳排放效率投入產(chǎn)出指標(biāo)數(shù)據(jù)特征

(三)碳排放效率測算結(jié)果及地區(qū)差異分析

根據(jù)超效率DEA模型,以表1中的投入產(chǎn)出指標(biāo)為依據(jù),利用matlab7.0軟件對以上數(shù)據(jù)進(jìn)行處理,可以計(jì)算得到中國各省市及四大地區(qū)在2000年—2011年的能源效率值及區(qū)域排名情況,結(jié)果如表2所示。

表2 2000年—2011年省際碳排放效率值測算結(jié)果及排名

1. 全國總體分析

由表2可知,在樣本考察期內(nèi),中國各省的碳排放效率存在差異且呈現(xiàn)階段性特征。大部分省份總體變化幅度不大,以2005年為轉(zhuǎn)折點(diǎn)呈現(xiàn)先上升后下降的趨勢。碳排放效率均值排在前五位的分別是上海、廣東、北京、福建、海南。其中,上海、北京和廣東三省在研究時序內(nèi)每年的碳排放效率均能保持有效,處在效率前沿面上；而福建和江蘇在2004年以前碳排放效率的決策單元一直保持有效且大于1,2005年以后效率值均小于1,逐漸退出前沿面。以旅游業(yè)為代表的第三產(chǎn)業(yè)是海南經(jīng)濟(jì)發(fā)展的主要驅(qū)動力,因此,結(jié)構(gòu)減排是海南碳排放效率較高的主要因素。湖南、安徽等省初期的碳排放效率并不高,但近年來在中部崛起戰(zhàn)略的推動下,加上大量的資金、技術(shù)支持,可持續(xù)發(fā)展能力不斷增強(qiáng),碳排放效率逐漸提升。碳排放效率較低的省份是陜西、內(nèi)蒙古、貴州、甘肅、青海、寧夏和新疆等,無明顯升高的趨勢,該研究結(jié)果與李濤、傅強(qiáng)關(guān)于碳排放效率的計(jì)算結(jié)果部分一致。[15]這些省份經(jīng)濟(jì)發(fā)展水平相對較低,個別省份如陜西、內(nèi)蒙古以經(jīng)濟(jì)的快速增長為目的,利用自身的資源優(yōu)勢,大力開發(fā)利用煤炭等礦產(chǎn)資源,發(fā)展以第二產(chǎn)業(yè)為主的高能耗、重污染行業(yè),碳排放效率難以提升;青海、寧夏、貴州、新疆等省較低的碳排放效率很大程度上與粗放的經(jīng)濟(jì)增長方式、缺乏節(jié)能減排技術(shù)等因素有關(guān)。

2. 地區(qū)差異分析

從地區(qū)之間的差異看(參見圖2),東部地區(qū)年平均碳排放效率最高,達(dá)到1.038,超過全國平均水平(0.812)。其他地區(qū)從高到低依次為中部地區(qū)(0.799)、東北綜合經(jīng)濟(jì)區(qū)(0.725)和西部地區(qū)(0.677),均低于全國平均水平。在研究時序內(nèi),東部地區(qū)平均碳排放效率在2001年有較大提升,2002年—2011年呈V型。中部地區(qū)雖然曲線變動幅度不明顯,但仍可以看出呈N型的變化過程。而東北地區(qū)的平均碳排放效率則經(jīng)歷了一個明顯的倒V型變化過程。西部地區(qū)并無明顯的形狀特征,在考察年份內(nèi)有小幅度的上下波動。該研究結(jié)果與屈小娥的年省際碳排放效率地區(qū)差異分析結(jié)果類似。

圖2 2000年—2011年全國及各地區(qū)碳排放效率均值變化趨勢

四、中國省際碳排放效率影響因素的實(shí)證分析

(一)模型建立

根據(jù)生產(chǎn)率的決定理論以及前人研究成果,本文的基礎(chǔ)計(jì)量模型設(shè)定為:

effectit=β0+β1effectit-1+β2Serit+β3Indit+

β4Urbit+β5Opeit+β6Eneit+δi+εit+μit。

(3)

其中,effectit表示第i省第t年的碳排放效率;β1—β6為回歸系數(shù);Serit為第i省第t年的產(chǎn)業(yè)結(jié)構(gòu);Indit為第i省第t年的工業(yè)結(jié)構(gòu);Urbit為第i省第t年的城市化水平;Opeit為第i省第t年的對外依存度;Eneit為第i省第t年的能源結(jié)構(gòu);δi表示地區(qū)虛擬變量,用以確定不隨時間變化的固定效應(yīng);εit表示年份虛擬變量,用于確定各省份共同的時間趨勢;μit表示隨機(jī)誤差項(xiàng)。

(二)變量選取及數(shù)據(jù)來源

碳排放效率不僅取決于投入要素等變量,也受到經(jīng)濟(jì)發(fā)展等其他因素的影響。因此,根據(jù)已有研究并結(jié)合我國經(jīng)濟(jì)發(fā)展特點(diǎn),兼顧數(shù)據(jù)的可得性,我們以30個省份2000年—2011年的碳排放效率(effect)作為因變量,產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)結(jié)構(gòu)、城市化、對外依存度和能源結(jié)構(gòu)作為自變量。數(shù)據(jù)來源于《新中國統(tǒng)計(jì)資料60年匯編》、歷年《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》以及各省歷年統(tǒng)計(jì)年鑒。

1. 產(chǎn)業(yè)結(jié)構(gòu)(Ser)

Grossman認(rèn)為,隨著工業(yè)化進(jìn)程的不斷加深,大量資源被快速消耗。[16]長此以往,資源消費(fèi)速率將逐漸超過資源的再生速率,環(huán)境也將不堪重負(fù)。然而,當(dāng)經(jīng)濟(jì)發(fā)展達(dá)到一定水平時,以工業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)會逐漸將重心轉(zhuǎn)向以服務(wù)業(yè)為主的第三產(chǎn)業(yè),對碳排放量也將產(chǎn)生一定的影響。本文參考李濤、傅強(qiáng)的做法,選用某省第三產(chǎn)業(yè)與當(dāng)年地區(qū)生產(chǎn)總值之比來衡量產(chǎn)業(yè)結(jié)構(gòu),這個指標(biāo)表示經(jīng)濟(jì)結(jié)構(gòu)的服務(wù)化演進(jìn)程度,指標(biāo)數(shù)值越大,經(jīng)濟(jì)結(jié)構(gòu)的服務(wù)化程度越深,產(chǎn)業(yè)結(jié)構(gòu)升級就越快。

2. 工業(yè)結(jié)構(gòu)(Ind)

工業(yè)是國民經(jīng)濟(jì)的主導(dǎo)產(chǎn)業(yè),其碳排放量比重達(dá)到80%以上,尤其以石油加工、煉焦及核燃料加工業(yè)為代表的重工業(yè)行業(yè)最為明顯。這類行業(yè)具有高能耗、高排放的特征,若實(shí)行節(jié)能減排,將對整個工業(yè)低碳化發(fā)展具有重大意義。因此,本文選用地區(qū)重工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的比重來衡量工業(yè)結(jié)構(gòu)。

3. 城市化(Urb)

城市化初期的大規(guī)模城市建設(shè)會帶來二氧化碳大量排放的問題。但較高的城市化水平會促進(jìn)技術(shù)進(jìn)步,改善產(chǎn)業(yè)結(jié)構(gòu),有利于改變以高碳能源消耗為主的生產(chǎn)方式,降低碳排放量。因此,城市化對碳排放的影響具有兩面性,本文在模型中引入這一重要因素進(jìn)行討論,參考上文,用人口結(jié)構(gòu)變量表示城市化水平。

4. 對外依存度(Ope)

隨著貿(mào)易的深入,環(huán)境問題隨之而來,以二氧化碳為代表的溫室氣體排放的大量增加逐漸引起了各國的關(guān)注。Matthew A.Cole認(rèn)為不合理的對外貿(mào)易會增加能源消費(fèi)量,必然會加劇碳排放的增長。[17]本文采用地區(qū)進(jìn)出口總額/GDP表示省際對外依存度。

5. 能源結(jié)構(gòu)(Ene)

我國經(jīng)濟(jì)發(fā)展消耗的主要能源包括煤炭、石油、天然氣和電力等,不同能源造成的碳排放量存在差異,煤炭燃燒產(chǎn)生的碳排放量最大,是天然氣的1.6倍。杜克銳等發(fā)現(xiàn)煤炭占能源消費(fèi)總量的比重越大,對碳排放效率的負(fù)向影響越顯著。[18]因此,考慮到數(shù)據(jù)的可獲得性及現(xiàn)階段省際能源消費(fèi)特征,本文采用地區(qū)煤炭消費(fèi)量占能源消費(fèi)總量的比重作為能源結(jié)構(gòu)的衡量指標(biāo)。

(三)回歸方法

根據(jù)以上模型及數(shù)據(jù),建立了一個面板數(shù)據(jù)模型,使用STATA12.0軟件進(jìn)行回歸分析,方法如下。首先,采用普通最小二乘法(Ordinary Least Squares,OLS)回歸,OLS利用最小化誤差的平方與目標(biāo)數(shù)據(jù)實(shí)現(xiàn)最佳函數(shù)匹配,并使得所求數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和最小。同時,采用White提出的異方差穩(wěn)健性標(biāo)準(zhǔn)誤差方法解決面板數(shù)據(jù)可能存在的異方差和自相關(guān)問題。此外,經(jīng)過相關(guān)性檢驗(yàn),對外依存度和城市化的相關(guān)系數(shù)相對較高,可能存在多重共線性,采用剔除變量法進(jìn)行回歸。

其次,面板數(shù)據(jù)最常用的估計(jì)方法是固定效應(yīng)模型和隨機(jī)效應(yīng)模型,這可以通過Hausman檢驗(yàn)來判斷。經(jīng)檢驗(yàn),P值小于0.05,拒絕原假設(shè),因此選取固定效應(yīng)模型。同時,由于本文測算的省際碳排放效率值均為大于等于0,這類數(shù)據(jù)屬于受限因變量,故建立專門處理受限因變量的面板Tobit模型進(jìn)行回歸。需要指出的是,我國地區(qū)間發(fā)展水平參差不齊,東部地區(qū)經(jīng)濟(jì)發(fā)展水平最高(由于東北地區(qū)樣本容量較小,做回歸時將其并入東部地區(qū)),中部地區(qū)次之,西部地區(qū)最低。省際碳排放效率也存在較大差異,各省市個體間的誤差項(xiàng)可能存在異方差或自相關(guān)。從時間維度上看,各省市的碳排放效率隨著時間的推移發(fā)生了較大的變化,可能是經(jīng)濟(jì)、政策、能源等隨時間變化的因素在起作用。因此,我們在模型中加入地區(qū)、時間虛擬變量來解決上述遺漏變量問題。

最后,處理內(nèi)生性問題?；貧w模型中的解釋變量中有被解釋變量的滯后項(xiàng),因此模型的內(nèi)生性問題不可避免。雖然前面所述的回歸方法和添加時間、地區(qū)虛擬變量可以解決異方差和遺漏變量等問題,但并不能解決內(nèi)生性的問題(如反向因果關(guān)系)。因此,我們采用由Arellano和Bover、Bond提出的系統(tǒng)廣義矩估計(jì)方法即系統(tǒng)GMM(System Generalized Method of Moments)[19]進(jìn)行動態(tài)面板的參數(shù)估計(jì)。此外,GMM估計(jì)方法還可以解決模型中存在的異方差和相關(guān)性問題,因此無需再運(yùn)用剔除變量法進(jìn)行回歸。所有模型的回歸結(jié)果如表3所示。

表3 省際碳排放效率影響因素回歸結(jié)果

(四)回歸結(jié)果分析

1. 碳排放效率的滯后一期變量。由表3可以看出,在考慮了模型的內(nèi)生性問題后,省際碳排放效率的滯后項(xiàng)在1%的水平上顯著為正,說明各省市初始階段的碳排放效率會影響未來碳排放效率的提高。因此,通過技術(shù)轉(zhuǎn)移等方法提升相對落后地區(qū)的碳排放效率是未來政策調(diào)整的方向之一。

2. 產(chǎn)業(yè)結(jié)構(gòu)對碳排放效率體現(xiàn)為正向影響,且均在1%的水平上顯著,在處理了內(nèi)生性問題后表現(xiàn)出顯著的積極作用。第三產(chǎn)業(yè)主要以高科技產(chǎn)業(yè)和服務(wù)業(yè)為主,具有高附加值、低能耗的特征。當(dāng)產(chǎn)業(yè)結(jié)構(gòu)的重心從以高能耗的重工業(yè)為主向以低能耗、高產(chǎn)出、污染少的第三產(chǎn)業(yè)為主轉(zhuǎn)移時,有利于碳排放效率的提高。

3. 不管是否處理內(nèi)生性,重型化的工業(yè)結(jié)構(gòu)對碳排放效率的提高有明顯的負(fù)面影響。根據(jù)模型回歸結(jié)果,系數(shù)值均為較大的負(fù)值,說明我國工業(yè)結(jié)構(gòu)的重型化會大大降低碳排放效率。2000年—2011年,工業(yè)重型化比重上升1%,碳排放效率顯著下降88%左右。如圖3所示,2003年以來我國重工業(yè)便處于快速發(fā)展階段,占工業(yè)總產(chǎn)值的比重超過64%,平均每年以25.5%的速度增長,標(biāo)志著我國正式進(jìn)入重工業(yè)化階段。

圖3 2000年—2011年我國重、輕工業(yè)發(fā)展情況

4. 城市化的回歸系數(shù)分別為0.172、0.232,并在10%和5%水平上顯著,處理內(nèi)生性問題之后在1%的水平上顯著為正向影響,這一結(jié)果說明城市化水平的提高對碳排放效率的提高有積極的作用。一般認(rèn)為,城市化既可能提升環(huán)境效率,也可能對環(huán)境產(chǎn)生負(fù)面影響。本文的研究結(jié)果更傾向于前者。城市化水平較高的東部地區(qū)大力發(fā)展第三產(chǎn)業(yè),為響應(yīng)國家政策要求,在發(fā)展生產(chǎn)過程中更傾向于采用高新技術(shù),以此來提高碳排放效率。而正處于城市化過程中的中西部地區(qū),仍需大力發(fā)展第二產(chǎn)業(yè)帶動經(jīng)濟(jì)的增長。

5. 對外依存度對碳排放效率的影響(包括處理內(nèi)生性問題之后)均為正向影響,在1%的水平上顯著。2000年以來我國出口結(jié)構(gòu)逐步優(yōu)化,出口貿(mào)易結(jié)構(gòu)中資源性強(qiáng)、高能耗產(chǎn)品比重增速逐漸放緩,而高科技產(chǎn)品的進(jìn)出口增速卻有所提高,說明我國逐漸重視進(jìn)出口貿(mào)易的結(jié)構(gòu)調(diào)整問題。經(jīng)濟(jì)發(fā)達(dá)地區(qū)如上海、北京、廣東等地的進(jìn)口以高新技術(shù)等資本密集型產(chǎn)品為主,由此帶來的技術(shù)溢出效應(yīng)提升了中國的生產(chǎn)技術(shù)水平,在一定程度上減少了碳排放量。

6. 能源結(jié)構(gòu)對碳排放效率的影響穩(wěn)定,效應(yīng)值均為負(fù),在1%的水平上顯著。但在考慮內(nèi)生性問題后,回歸系數(shù)在1%的水平上顯著為正,這意味著我國能源消費(fèi)結(jié)構(gòu)的改善將帶來碳排放效率的提升,與已有研究結(jié)果一致。據(jù)統(tǒng)計(jì),1995年—2011年間煤炭、石油類能源消耗整體上有所下降,而天然氣等清潔能源的消耗占比有所上升,說明近年來我國的能源消費(fèi)結(jié)構(gòu)已開始逐步優(yōu)化。在全部能源消費(fèi)量中,第二產(chǎn)業(yè)能源消費(fèi)所占比重始終保持在70%左右,并有逐漸下降的趨勢。第三產(chǎn)業(yè)能源消耗變化趨勢不明顯,基本維持在24%左右。因此,要想實(shí)現(xiàn)能源、經(jīng)濟(jì)的可持續(xù)發(fā)展,必須提高能源利用效率,逐漸降低第二產(chǎn)業(yè)能源消耗量,但也不能忽視第三產(chǎn)業(yè)的作用。

五、結(jié)論與政策建議

本文分析了全國及各地區(qū)的碳排放特征,運(yùn)用超效率DEA模型測算了其碳排放效率,借助2000年—2011年的省際面板數(shù)據(jù)研究了碳排放效率的影響因素,得到了以下主要結(jié)論,在此基礎(chǔ)上提出相應(yīng)的政策建議。

(一)結(jié)論

首先,中國的碳排放總量呈持續(xù)增長趨勢,其中,山東、廣東、山西、內(nèi)蒙古和遼寧等省的碳排放量較大且增速較快,東部地區(qū)的碳排放總量大于中部、西部及東北地區(qū)。就地區(qū)排放增速來看,西部地區(qū)的碳排放量年均增速領(lǐng)先于其他地區(qū)。

其次,本文利用超效率DEA模型測算了2000年—2011年全國及地區(qū)的碳排放效率,中國各省碳排放效率存在差異且呈階段性特征。處在效率前沿面的基本為上海(1.379)、廣東(1.221)和北京(1.151)等東部省市,而碳排放效率較低的均為陜西(0.651)和貴州(0.652)等西部省份,其中北京、廣東、云南、陜西等省市的碳排放效率在樣本期內(nèi)隨著時間的推移明顯改善。區(qū)域碳排放效率也存在較大差異,由高到低依次為東部(1.038)、中部(0.799)、東北(0.725)和西部(0.677)。

再次,利用面板數(shù)據(jù)模型采用多種回歸方法對全國碳排放效率的影響因素進(jìn)行分析,結(jié)果表明初始階段的碳排放效率會影響未來碳排放效率的改善,產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化、城市化水平的提高、對外貿(mào)易結(jié)構(gòu)的改善對碳排放效率的提高均有積極作用。能源結(jié)構(gòu)在考慮內(nèi)生性問題之后回歸系數(shù)顯著為正,意味著我國能源消費(fèi)結(jié)構(gòu)的改善將帶來碳排放效率的提升。而對于重型化工業(yè)結(jié)構(gòu),不管是否處理內(nèi)生性問題,其對碳排放效率的影響均為明顯的負(fù)面影響。

(二)政策建議

首先,政府應(yīng)以科學(xué)發(fā)展觀為指導(dǎo)全面評估各地區(qū)的發(fā)展績效,引導(dǎo)各地區(qū)的產(chǎn)業(yè)配合與協(xié)調(diào)發(fā)展,將碳排放較高的產(chǎn)業(yè)適當(dāng)轉(zhuǎn)移到那些能夠提供相應(yīng)能源,與當(dāng)?shù)刭Y源稟賦相匹配的地區(qū)。比如,東部沿海地區(qū)可以重點(diǎn)發(fā)展高新技術(shù)產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè),以降低碳排放的壓力,緩解各省、直轄市和自治區(qū)碳排放嚴(yán)重失衡的局面。

其次,采取引導(dǎo)和治理同步推進(jìn)、“雙管齊下”的措施。一方面根據(jù)各地區(qū)獨(dú)特的自然資源、技術(shù)資源和人力資源甄別地區(qū)發(fā)展的比較優(yōu)勢,引導(dǎo)有利于碳減排的產(chǎn)業(yè)發(fā)展;另一方面采取有針對性的措施,治理碳排放問題。東部地區(qū)、中部地區(qū)、西部地區(qū)以及東北地區(qū)的碳排放特征具有較大的差異,在治理過程中各地區(qū)應(yīng)當(dāng)有所為有所不為。

再次,根據(jù)中國的經(jīng)濟(jì)發(fā)展階段、產(chǎn)業(yè)結(jié)構(gòu)特征以及企業(yè)競爭能力確定碳減排的步驟和進(jìn)度,避免過快過強(qiáng)的措施使經(jīng)濟(jì)付出難以承受的代價(jià)。我國“高投入、高消耗、高污染、低產(chǎn)出”的粗放型發(fā)展模式在很大程度上阻礙了經(jīng)濟(jì)的快速轉(zhuǎn)型升級,碳減排的工作任重而道遠(yuǎn)。以工業(yè)為主的產(chǎn)業(yè)及各個省、直轄市和自治區(qū)的產(chǎn)業(yè)結(jié)構(gòu)雷同現(xiàn)象嚴(yán)重等問題使得我國的碳排放量難以在短期之內(nèi)減少到理想水平,只有各地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)協(xié)同發(fā)展、全面提升,技術(shù)得到全面更新之后,碳減排工作的成效才能凸顯。從微觀層面來看,國內(nèi)企業(yè)的技術(shù)水平與國外發(fā)達(dá)國家相比依然存在較大的差距,亟待追趕,為數(shù)較多的企業(yè)其生存與發(fā)展主要靠低勞動力成本和高資源投入,而且企業(yè)從事技術(shù)創(chuàng)新、升級生產(chǎn)流水線確實(shí)受到自身實(shí)力的限制,并存在風(fēng)險(xiǎn)。因此,企業(yè)的碳減排工作應(yīng)當(dāng)遵從循序漸進(jìn)的原則,管理部門對企業(yè)的要求應(yīng)當(dāng)符合客觀情況,并給企業(yè)留下碳減排的“寬限期”。

參考文獻(xiàn)：

[1] Zhou P,Ang B W.Linear programming models for measuring economy-wide energy efficiency performance[J].Energy Policy,2008,(8):2911-2916.Mukherjee K.Energy use efficiency in the Indian manufacturing sector:an interstate analysis[J].Energy Policy,2008,(2):662-672.

[2] Boyd G A,Pang J X.Estimating the linkage between energy efficiency and productivity[J].Energy policy,2000,(5):289-296.

[3] Zaim O,Taskin F.Environmental efficiency in carbon dioxide emissions in the OECD:a non-parametric approach[J].Journal of Environmental Management,2000,(2):95-107.Claude Mandil.Tracking Industrial Energy Efficiency and CO2Emissions[R]. Paris:International Energy Agency,2007.Zhou P,Ang B W,Poh K L.Slacks-based efficiency measures for modeling environmental performance[J].Ecological Economics,2006, (1):111-118.

[4] Ramanathan R.A multi-factor efficiency perspective to the relationships among world GDP,energy consumption and carbon dioxide emissions[J].Technological Forecasting and Social Change,2006,(5):483-494.

[5] L?fgren ?,Muller A.The effect of energy efficiency on Swedish carbon dioxide emissions 1993-2004[R].Gothenburg: University of Gothenburg Working Paper,2008,(311).

[6] Zhou P,Ang B W,Han J Y.Total factor carbon emission performance:a Malmquist index analysis[J].Energy Economics,2010,(1):194-201.

[7] Marklund P O,Samakovlis E.What is driving the EU burden-sharing agreement:Efficiency or equity?[J].Journal of Environmental Management,2007, (2):317-329.Maradan D,Vassiliev A.Marginal costs of carbon dioxide abatement: empirical evidence from cross-country analysis[J].Revue Suissed Economic et de Statistique,2005,(3):332-350.

[8] 朱遠(yuǎn),劉國平.“金磚四國”碳排放績效比較研究[J].亞太經(jīng)濟(jì),2011,(5):78-83.

[9] 姚西龍,于渤.規(guī)模效率和技術(shù)進(jìn)步對CO2排放影響的實(shí)證[J].中國人口資源與環(huán)境,2012, (12):22-26.

[10] 檀勤良,張興平,魏詠梅.考慮技術(shù)效率的碳排放驅(qū)動因素研究[J].中國軟科學(xué),2013,(7):154-163.

[11] 蔡曉春,肖小愛.基于超效率DEA的中國區(qū)域能源利用效率研究[J].統(tǒng)計(jì)與信息論壇,2010, (4):33-40.

[12] 王恩旭,武春友.基于超效率DEA模型的中國省際生態(tài)效率時空差異研究[J].管理學(xué)報(bào),2011, (3):443-450.

[13] 張軍,吳桂英,張吉鵬.中國省際物質(zhì)資本存量估算:1952—2000[J].經(jīng)濟(jì)研究,2004,(10):35-44.

[14] 林伯強(qiáng),劉希穎.中國城市化階段的碳排放:影響因素和減排策略[J].經(jīng)濟(jì)研究,2010,(8):66-78.

[15] 李濤,傅強(qiáng).中國省際碳排放效率研究[J].統(tǒng)計(jì)研究,2011, (7):62-70.

[16] Grossman G M, Krueger A B.Environmental impacts of the North American Free Trade Agreement[R].Gambridge:National Bureau of Economic Research Working Paper,1991:NO.W3914.

[17] Matthew A.Cole,Does trade liberalization increase national energy use?[J].Economics Letter,2006,(92):877-908.

[18] 杜克銳,鄒楚沅.我國碳排放效率地區(qū)差異、影響因素及收斂性分析——基于隨機(jī)前沿模型和面板單位根的實(shí)證研究[J].浙江社會科學(xué),2011, (11):32-44.

[19] Arellano M,Bover O.Another look at the instrumental variable estimation of error-components models[J].Journal of econometrics,1995, (1):29-51.Blundell R,Bond S.Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometrics,1998, (1):115-143.