中國碳交易市場CO2排放權地區(qū)間分配效率研究

傅京燕　黃芬

摘要：由于我國地區(qū)間資源稟賦和經(jīng)濟發(fā)展水平存在差異，在碳排放總量一定的前提下，充分考慮地域間的差異以選取合理的地區(qū)間分配方式對實現(xiàn)2016年全國統(tǒng)一碳市場的建立至關重要。本文試圖通過零和DEA模型尋求一種新的碳排放權分配方式，在考慮地區(qū)間人口和經(jīng)濟差異的基礎上實現(xiàn)滿足DEA的效率性水平。本文首先通過零和DEA模型對歷史排放分配法的效率性水平進行評估，由于歷史排放分配法主要受能源消費模式和產業(yè)結構決定，不能全面的反映不同地區(qū)間的發(fā)展和資源稟賦等情況，導致減排成本分配的不合理，從而缺乏效率性；然后根據(jù)初次零和DEA的評估結果，通過多次迭代法進行投影，計算出效率性最大化的地區(qū)分配方案，從最終的分配結果來看，江蘇、山東和廣東三省的綜合產出因素值高于其他省市地區(qū)，最終的CO2排放權分配數(shù)量也最多，說明在零和DEA方法下，各地區(qū)排放權的分配數(shù)量與該地區(qū)的經(jīng)濟總量和人口數(shù)量成正比；最后，在影響CO2排放的因素中，能源強度和經(jīng)濟發(fā)展水平影響最為明顯。這說明從短期看，受經(jīng)濟發(fā)展要求和要素稟賦的限制，我國碳排放量的絕對值在未來一定時期內仍將處于上升階段。

關鍵詞：分配效率；碳排放配額；碳交易市場

中圖分類號 F328 文獻標識碼 A 文章編號 1002-2104（2016）02-0001-09 doi：10-3969/j-issn-1002-2104-2016-02-001

碳交易體系的基本環(huán)節(jié)主要包括總量限制制度、排放權分配制度、交易制度、柔性機制以及監(jiān)管和處罰機制等等。其中，排放權作為一種有價資產，所有者可以通過出售多余的排放權來提高自身福利水平，從而影響社會福利的再分配。即使分配方法不會直接影響總體的減排目標，但具體的分配方法能否充分考慮各地區(qū)或產業(yè)的生產需要、成本增加的合理性，卻是影響排放交易體系效率的關鍵。因此，排放權分配制度被認為是碳交易體系基本環(huán)節(jié)中最重要的環(huán)節(jié)。隨著我國碳交易機制試點的順利進行，加快建立全國碳排放交易市場也被提上了議事日程。全國碳交易市場的建立必須實現(xiàn)碳排放數(shù)據(jù)的精準，因為這將影響到企業(yè)參與的積極性和管制措施的有效性。這意味著全國各省市地區(qū)的排放總數(shù)不能超過一定數(shù)量的排放額。也就是說，各省市地區(qū)只能在確定的總碳排量內，通過一定的方式進行排放權的劃分。此外，在全國碳交易市場實現(xiàn)運行之后，要充分考慮現(xiàn)有的七個試點省市，實現(xiàn)全國碳市場與這幾個交易市場的兼容，這也是確保統(tǒng)一碳交易市場能夠順利建立和運行的必然要求。所謂“連接”，首先是指試點地區(qū)在核算方法上應按照國家統(tǒng)一標準進行調整；而全國碳市場與試點市場之間的連接同樣需要合理設置排放權的分配方法。因此本文對一定數(shù)量排放權在各省市地區(qū)間的分攤標準進行研究，為全國統(tǒng)一碳交易市場的建立和有效運行提供參考。

1 文獻綜述

1.1 初始分配對碳交易市場運行效率的影響

排放交易體系包含兩個步驟：首先是交易前的初始分配（一級市場），其次才是市場的構建或交易規(guī)則的制定（二級市場）。理論上來說，初始分配并不影響交易后的分配結果。根據(jù)科斯理論，在交易成本很小以至可以忽略不計的情況下，市場運行結果的效率性與產權初始分配無關。因此政府在設定初始分配方式時，就只考慮政策的可行性而不考慮市場的經(jīng)濟效率性。然而現(xiàn)實存在的不確定性，將導致市場運行產生實質性的交易成本，這使得經(jīng)濟學家開始研究初始分配對碳市場運行效率的影響。

Hahn[1]通過“單期單個企業(yè)單一價格”模型分析，指出存在市場勢力情況下，初始分配不僅影響公平性，也關系到減排成本的有效性。減排成本的大小將受排放權初始分配的影響，因為產權的最終分配發(fā)證在不完全競爭的市場環(huán)境中；信息不對稱和政策延遲等因素會使交易成本隨之上升，導致許可權交易市場的均衡受排放權的初始分配影響（Stavins[2]）；因而對排放權初始分配方法的設定和選擇，與碳交易市場的運行息息相關。基于此，Sorrell and Skea[3]指出碳市場的建立包括多個不同環(huán)節(jié)，其中排放權的初始分配是關鍵步驟之一，也是最具爭議的實施環(huán)節(jié)。事實上初始分配方式具有多樣性，其帶來的靈活性是一把雙刃劍。一方面，它給決策者足夠的維度去追求成本和收益的公平性和公正性；另一方面，可能使政策在使大多數(shù)團體獲益的同時，而讓少部分人承擔超額的成本。

1.2 不同初始分配方式的公平性與效率性的比較

排放權的分配在理論上有兩種方式：拍賣和免費分配，其中免費分配又主要有祖父制分配和基準制分配兩種。初始分配不僅對市場結果有影響，而且影響很大。這不僅是因為不同的分配方式影響減排成本在不同個體間的的分配的公平性，也因為存在雙重福利、企業(yè)的差別待遇、市場勢力和市場受限等情況下，成本效率性的實現(xiàn)程度將取決于具體的初始分配方式（Burtraw[4]等）。

（1）從公平性角度， Sijm、Neuhoff 和Chen[5]根據(jù)對荷蘭和德國電力批發(fā)市場的實證研究，發(fā)現(xiàn)電力生產者將配額的機會成本傳導給下游消費者的比例從60%到100%不等，這意味著在免費分配方式下，電力消費者成為企業(yè)“意外之財”的買單者。此外，在消費者中，低收入人群的能源消費占收入比重高于高收入人群，成本增加占收入比重，低收入人群也高于高收入人群。Smale[6]的研究發(fā)現(xiàn)，除電力行業(yè)的其他行業(yè)，包括水泥和鋼鐵等高能源強度行業(yè)，盡管具有更大的貿易暴露度和價格需求彈性，仍具有通過調節(jié)產業(yè)和價格來從免費分配方式下獲得“意外之財”的潛力。另外，從空間角度考慮，一定量排放權在不同地區(qū)間的分配方法要體現(xiàn)公平性，需要綜合考慮各地區(qū)的經(jīng)濟發(fā)展水平，確保經(jīng)濟及排放大的地區(qū)承擔更多的減排義務。而拍賣分配是最能體現(xiàn)市場機制作用的配額分配方式，將有限的排放指標通過公開競標的方式進行拍賣，可以保證配額分配給了最需要的企業(yè)；因此出于公平性考慮，應該將無償分配方式改為拍賣的分配方式。

（2）關于免費分配方法的效率性，Bohringer[7]提出，免費分配的基準原則下，企業(yè)缺乏有利于環(huán)境改善的創(chuàng)新和研究激勵。這是因為創(chuàng)新和研究的發(fā)展使得環(huán)境改善，從而降低排放權的價值，也就是降低排放權所有者的福利水平，所以企業(yè)缺乏技術創(chuàng)新動力；其次，祖父制可能對新進企業(yè)形成準入壁壘，因為已有的企業(yè)免費獲得排放權，而新進企業(yè)則必須向已有的企業(yè)購買（Howe[8]）。另外，在歷史分配法下，企業(yè)為盡可能多的獲得排放權，可能會在排放交易體系建立之初增加污染排放。而拍賣的分配方式雖然短時間內增加了企業(yè)的成本，但從長期效益看，企業(yè)成本增加將迫使其積極創(chuàng)新，加大投入低排放技術的研發(fā)，在不斷地技術積累下，企業(yè)將減少配額的需求量，同時也導致配額的市場價值下降，企業(yè)的利潤進一步擴大；反之，那些墮于技術創(chuàng)新的企業(yè)將會被不斷增加的成本拖累，最終影響企業(yè)地正常發(fā)展直至被市場淘汰。并且，政府通過拍賣的方式可以將獲得的收入進一步投入到減排的工程中，大力扶持減排技術的創(chuàng)新，加快行業(yè)的發(fā)展水平?？梢?，拍賣較之免費的分配方式更具效率性。

1.3 DEA理論模型在環(huán)境效率方面的研究

DEA模型自提出以來，越來越多地被廣泛用于各個領域的效率性研究。很多學者試圖通過各種處理方式，將非期望產出納入數(shù)據(jù)包絡分析（DEA）模型分析框架中。EG Gomes[9]通過零和DEA模型將碳排放權作為投入變量，各國GDP、就業(yè)、出口額和能源使用量作為產出，得出了一定量排放權在歐盟各成員國間效率性的分配方法。Fare et al.[10]利用DEA模型就碳排放在歐盟28個國家在時間上的再分配進行了探討。林坦和寧俊飛[11]通過零和DEA模型將各國GDP、人口作為產出，CO2排放量作為投入對歐盟各成員國的原始分配進行了再分配，得出了具有DEA效率性水平的排放權分配結果。

綜上，目前對初始分配的研究，主要是從公平性和效率性的角度分析他們如何對碳市場和經(jīng)濟運行產生影響的及其程度，對不同的分配方式進行評價和優(yōu)劣的比較，而少有對新的分配方式的探討和分析。少數(shù)運用DEA模型進行初始分配方式效率進行評估的實證研究僅限于對歐盟或其他外國地區(qū)的排放權在時間和空間上的再分配，且僅考慮GDP、人口和能源消費的絕對值作為產出變量，忽略了產業(yè)結構和人口結構對CO2排放的影響。本文將碳排放權作為投入變量，通過零和DEA模型，計算具備DEA有效性的排放權分配結果。而這一分配方式不僅考慮了各地區(qū)的經(jīng)濟水平和人口總數(shù)，還綜合了產業(yè)結構和人口結構因素，更加全面地考慮了地區(qū)的差異性，為我國實現(xiàn)不同地區(qū)碳市場的連接以及全國統(tǒng)一碳市場的建立的碳排放權在各個省市地區(qū)間的分配提供參考。

2 模型描述與數(shù)據(jù)處理

2.1 零和DEA模型

本文選取投入導向型的DEA模型進行估計。即將CO2排放權作為投入變量，評估在一定的經(jīng)濟水平和社會結構下各地區(qū)的CO2排放的效率水平，然后根據(jù)非效率水平值對CO2排放權進行再分配，也就是在代表經(jīng)濟水平和社會結構的產出變量數(shù)值一定的前提下，通過投入變量CO2排放的變動進行效率最大化的分配。

值得注意的是，傳統(tǒng)的DEA模型假定各決策單元（DMU）之間相互獨立，一個決策單位的投入產出的變動不影響其他單位，但是在評估排放權分攤時，我們將總排放權數(shù)量作為投入，而這一投入作為一個具體常數(shù)，并不隨企業(yè)決策而增減。所以一個DMU的排放量增加（減少），必會使得其他DMU的排放量減少（增加）。在這種情況下，要計算排放權的效率性分攤結果需要對傳統(tǒng)的DEA模型的限制條件修改為零和DEA模型進行估算。

零和即指總排放量不變，DMU決策單位之間，一方所得為一方所失。在投入導向模型中，若0為非DEA有效，假設其零和DEA效率值為θi，為了實現(xiàn)DEA有效，必須減少CO2排放權的投入，減少量為ΔXi=Xji（1-θi），并將這一數(shù)額按其他各DMU的CO2投入比例分配給其他DMU。由于各DMU都根據(jù)自身效率情況進行再分配，所以初次結果可能仍存在部分DMU非DEA有效的情況。本文采用迭代法對CO2進行數(shù)次再分配，最終得到所有DMU都達到DEA效率性的結果。

2.2 數(shù)據(jù)描述及變量處理

（1）CO2排放量。本文首先根據(jù)2005年各地區(qū)能源消費情況，選取包括煤炭、焦炭、原油在內的消費數(shù)量最多的九種能源的統(tǒng)計數(shù)據(jù)，分別對應IPCC于2006年公布的各種能源CO2的排放系數(shù)，得到各地區(qū)2005年的CO2歷史排放數(shù)量，再根據(jù)2005年歷年各地區(qū)GDP，得到2005年各地區(qū)碳排放強度，并且，為消除價格因素影響，本文所有涉及GDP數(shù)值的變量或指標均以2005年不變價格水平計算。其次，根據(jù)我國2020年碳排強度較2005年下降40%至50%的碳減排目標，本文選取中間值45%，得到2020年目標碳排強度。再次，根據(jù)2020年GDP預計值，得出2020年的碳排放權總量，即配額總數(shù)。最后，選取各地區(qū)2012年分別占當年總排放量的比例作為歷史分配的依據(jù)，從而得到作為投入變量XCO的各地區(qū)2020年的碳排放權數(shù)量。

（2）GDP及人口數(shù)量。首先，考慮各地區(qū)經(jīng)濟發(fā)展和人口增長的差異性，假定GDP和人口數(shù)量分別按各地區(qū)自2005年至2012年的平均速率環(huán)比增長，得到各地區(qū)2020年預期GDP和人口數(shù)量。其次，考慮到GDP總量與第二產業(yè)GDP之間，總人口與城鎮(zhèn)人口之間存在一定的相關性，本文用綜合指標法將各地區(qū)總人口、城鎮(zhèn)人口、總GDP和第二產業(yè)GDP四個基礎變量歸為兩項綜合變量（人口變量YPOP和GDP變量YGDP）作為產出變量。即將總人口和城鎮(zhèn)人口兩個變量通過綜合指標法歸為人口綜合變量YPOP，將總GDP和第二產業(yè)GDP歸為GDP綜合變量YGDP。其中綜合指標法步驟如下：

3 實證過程與結果分析

3.1 歷史分配的效率性水平

運用零和DEA模型對歷史分配方法下的各地區(qū)效率性水平進行評估，結果如圖1。從圖1中可以看出：歷史分配方法下，各地區(qū)零和DEA的效率性水平普遍較低，平均效率水平為0.65。僅江西和廣東兩省為DEA有效，效率水平值為1。有14個地區(qū)的效率值低于平均水平，其中山西、內蒙古、青海、寧夏和新疆等地效率性水平均不足0.4。造成效率值偏低的原因主要為以下三種情況：產出一致或相近時，投入大于其他決策者。

例如山西與吉林在GDP和人口數(shù)量上雖然相去不多，但是前者的CO2排放量卻是后者的2.7倍；投入一致或相近時，產出卻不如其他決策者。例如內蒙古與遼寧相比，前者CO2數(shù)量是后者的90%，但其GDP和人口僅為后者的60%左右；產出低于其他地區(qū)，投入?yún)s高于后者。以青海和寧夏為例，相較于海南，前兩者在產出低于后者的同時，投入?yún)s大于后者。

3.2 迭代過程及效率性分配結果

從以上初始分配的效率評估結果可知，歷史性分配方法并不具有DEA有效性，因而需要采用按比例調整法對以上分配進行調整，并基于調整后的效率性評估結果再進行分配的調整，如此重復數(shù)次，直至所有地區(qū)達到DEA有效水平，這一過程稱之為迭代方法。例如評估得第i個地區(qū)的效率性水平為θi<1，為提高其效率水平，需減少CO2排放權X′i=Xi（1-θi），其余地區(qū)則分別按各自的CO2排放占總CO2排放的比例增加CO2的排放權。

求得X1BJ值為-14 564 t，調整量為負數(shù)說明北京地區(qū)自身減少的排放權數(shù)量低于其他地區(qū)使之增加的數(shù)量，因此第一次調整后北京市的排放權較初始分配增加14 567 t。由于每個地區(qū)都根據(jù)自身的效率水平調整排放權，所以一次調整的結果可能仍無法使所有地區(qū)達到DEA有效水平，因而需要進行多次迭代。圖2為2020年各地區(qū)的迭代過程中，效率水平θ值的變動情況、排放權的調整數(shù)量及其占初始排放權數(shù)量的比重。其中X軸上方柱狀圖為地區(qū)減少排放權數(shù)量，下方為排放權增加數(shù)量，每個地區(qū)對應的三條柱形分別對應第一次迭代、第二次迭代和第三次迭代結果。折虛線為θ值的變動情況，折實線為排放權總調整數(shù)量占初始分配數(shù)量的比重。

從θ值的變動情況可以看出，歷史分配方法下，即初始分配方案下，除去廣東和江西，各地區(qū)初始效率值均低于1，未達到DEA有效。因此，根據(jù)初始分配效率值進行第一次排放權調整，然后對分配結果進行第二次零和DEA評估，評估結果顯示各個地區(qū)的效率值均比初始分配效率值更高，但是大部分地區(qū)仍未達到效率性水平，進行第二次、第三次迭代后各地區(qū)θ值不斷上升，但上升幅度逐漸下降，所

有地區(qū)經(jīng)過三次迭代后，都基本達到DEA有效水平，即θ值皆近似為1，因此得到排放權效率性的分配結果。

從CO2的調整量可以看出，各地區(qū)CO2排放權均作出了一定程度的調整，且超過半數(shù)地區(qū)在增加排放權的同時，效率值水平實現(xiàn)了上升。這是因為在零和DEA 模型中，任何一個地區(qū)為提高效率值所減少的碳排放權，都以一定的比例增加到其余的地區(qū)，即其他地區(qū)在產出不變的情況下，增加了投入值，因此造成零和DEA的生產可能性邊界位于原始邊界的下方， 且隨著迭代的進行不斷下降。因而即使排放權增加使得地區(qū)的絕對效率水平下降，但由于生產可能性邊界的下降，其相對效率水平仍然上升。例如江西和廣東兩省在效率性水平始終為1的情況下，CO2排放權數(shù)量卻有所增加。而X軸上方柱狀圖所代表的地區(qū)則通過減少排放權實現(xiàn)了效率值的上升，例如河北、山西和內蒙古。這些省市地區(qū)的原始排放量均不同程度的超過效率性水平所對應的排放數(shù)量，因此根據(jù)歷次評估的效率性水平，不斷削減CO2的排放權數(shù)量以達到效率性水平。在三次迭代過程中，全國CO2排放總量保持不變，說明各地區(qū)增加與減少的CO2數(shù)量總和為零。

從排放權總調整數(shù)量占初始分配數(shù)量的比重看，廣東、江西、山西和內蒙四個地區(qū)的調整幅度最大。其中廣東省的排放權增加數(shù)量相當于原始排放量的62%。這是因為廣東地區(qū)經(jīng)濟總量和人口基礎都遠超全國平均水平，憑借其產業(yè)結構和技術水平方面的優(yōu)勢，其絕對效率性水

平都遠高于大部分地區(qū)，因而在排放權大量增加的情況下，仍能保持DEA相對有效。而山西省的排放權減少量相當于原始排放量的約60%。這說明山西省在GDP及人口數(shù)量全國排名并不靠前的情況下，由于資源稟賦特征，

導致能源消費結構，即煤炭占能源消費的比重過大，從而使得CO2排放量存在過多的情況。

表2為迭代過程中CO2排放權的分配方案及調整數(shù)量。從歷次調整總量和排放權總量可以看出，迭代過程中，各地區(qū)配額總量保持不變，調整總數(shù)量均為零。從最

終排放權分配數(shù)量的絕對值看，廣東、江蘇和山東三個省份CO2排放權數(shù)量最多，海南、寧夏和青海三個地區(qū)的排放權數(shù)量則最少。這都是由各省的經(jīng)濟總量、產業(yè)結構、人口因素決定的。其中廣東、山東和江蘇三省總GDP、第二產業(yè)GDP和城鎮(zhèn)人口數(shù)分別占全國省市地區(qū)排名第一、二、三名，總人口數(shù)量分別為第一、二、五名；而青海、寧夏和海南的總人口數(shù)、城鎮(zhèn)人口數(shù)及GDP總數(shù)在全國各地區(qū)間屬倒數(shù)第一、二、三位。第二產GDP的排名為倒數(shù)第二、第三和第一位。因而，從零和DEA的效率性角度，排放權分配數(shù)量與地區(qū)經(jīng)濟總量和人口數(shù)量成正比，即相對效率大致相同的各地區(qū)，產出變量值越大，投入量也越大。

4 影響CO2排放效率因素的實證分析

4.1 指標選取及數(shù)據(jù)描述

（1）經(jīng)濟發(fā)展水平。用人均GDP的對數(shù)LNGDP來表示。大量研究表明，經(jīng)濟增長是CO2排放的主要原因。王峰等[13]對1995-2007年間中國CO2排放增長率的驅動因素加以分解，并對每一種驅動因素進行了研究，發(fā)現(xiàn)在對CO2排放具有正向影響力的因素當中，相對于人口和經(jīng)濟結構等因素，人均GDP的影響程度最大，達到15%以上。同時，薛勇等[14]采用投入產出結構分解方法，對1997-2004年間的CO2排放量變動進行了因素的分解測算，得出的結論同樣是經(jīng)濟增長為CO2排放上升的主要驅動力。這說明在我國，CO2的排放數(shù)量跟我國的經(jīng)濟發(fā)展水平密切相關。

（2）城市化進程。本文將這一因素納入考察范圍，用產業(yè)結構、人口結構和固定資產投資結構三個指標衡量。其中，第二產業(yè)GDP占GDP的比重RAGDP代表產業(yè)結構；城鎮(zhèn)人口數(shù)占總人口數(shù)的比重RAPOP代表人口結構；城鎮(zhèn)固定資產投資占全社會固定資產投資比重RAINV代表固定資產投資結構。之所以選取這三個指標，首先，是因為城市化進程的加快勢必帶來城市規(guī)模的進一步擴大，而相應的水泥建材等能源強度高的行業(yè)發(fā)展也將進一步發(fā)展，由此相應的產業(yè)結構也將發(fā)生變動，為碳減排帶來壓力；其次，城市的建設必然伴隨著農村人口向城市的轉移，導致人口結構的變化；最后城鎮(zhèn)固定投資比例也代表了城鎮(zhèn)化建設進程的速度。

（3）能源消費結構。用原煤消費占能源總消費的比重RAPOW來表示。大量實證研究顯示，能源消費結構、產業(yè)結構的優(yōu)化和能源利用效率，與CO2排放數(shù)量存在反向變動關系。馬曉鈺等[15]綜合了靜態(tài)和動態(tài)的面板數(shù)據(jù)模型，根據(jù)1999-2010年我國各省市地區(qū)的面板數(shù)據(jù)，對影響中國 CO2排放數(shù)量的因素進行了實證研究，結果發(fā)現(xiàn)能源消費結構的上升將促進我國 CO2的排放。

（4）技術水平。用能耗強度即能源總消費占GDP的比重RAENE表示。陳詩一[16]指出，從上世紀末到本世紀初，中國的能耗和排放增長得到了顯著抑制，單位GDP的能耗和碳排放也持續(xù)下降。然而2003年以后中國的重工業(yè)化趨勢再度顯現(xiàn)，隨著基礎設施建設、房地產汽車行業(yè)高速發(fā)展、機電化工業(yè)出口激增，帶來石油金屬、建材化工、大型機械設備等重工業(yè)的快速成長，能耗的上升帶來了CO2排放量的上升。同時，也發(fā)現(xiàn)能源強度的降低是CO2排放強度下降的主要直接原因，CO2排放強度減排根本上取決于能源強度的降低或者說能源生產率的提高，與節(jié)能減排密不可分。