我国连续性全要素排放绩效空间差异及成因研究.docx
《我国连续性全要素排放绩效空间差异及成因研究.docx》由会员分享，可在线阅读，更多相关《我国连续性全要素排放绩效空间差异及成因研究.docx（11页珍藏版）》请在冰点文库上搜索。
我国连续性全要素排放绩效空间差异及成因研究
我国连续性全要素排放绩效空间差异及成因研究
——基于SequentialMalmquist-Luenberger指数分析
尤建新陈震张玲红马军杰
2012-09-1715:
46:
55 来源：
《预测》（合肥）2012年2期第57～61页
【作者简介】尤建新，同济大学经济与管理学院，上海200092；陈震，同济大学经济与管理学院，上海200092；张玲红，同济大学经济与管理学院，上海200092；马军杰，同济大学法学院，上海200092
【内容提要】综合国内外文献，本文通过运用SML指数对我国1998-2009年省域连续性排放绩效进行测算，进而对其区域空间差异和影响因素进行分析。
研究结果显示：
我国各省市排放绩效总体上呈增长态势，主要是源于技术进步的贡献；影响因素方面，R&D人员、经济发展、产业结构对排放绩效呈显著的正效应，能源强度、能源结构负效应显著，R&D强度影响不显著，存在间接调节作用。
【关键词】SML指数/排放绩效/技术进步/技术效率
1引言
全球气候变化是当今社会最严峻的问题之一。
随着世界经济社会的不断发展，温室气体（以为主）排放持续上升，环境气候问题凸现，从科学角度出发，必须大幅度减少全球二氧化碳排放。
经济增长与碳减排之间的矛盾日趋尖锐。
但是，中国目前仍是一个发展中的国家，在确保经济稳步发展的同时如何实现2020年碳排放强度相比2005年减少40%～45%的减排目标是摆在面前的又一难题，根本出路只有大力发展低碳经济，有效提高能源使用效率和二氧化碳排放绩效。
因此，科学精确地评估我国二氧化碳排放绩效现状，深入分析我国二氧化碳排放的历史、空间差异，是挖掘其主要影响因素的首要条件，是进一步开展各类减排活动和制定各种政策的基础。
迄今为止，国内外对碳排放绩效的研究尚仍处于起步阶段，从要素投入角度可以将现有研究划分为单要素碳排放绩效研究和全要素碳排放绩效研究。
Ramanathan认为应该从整体的角度，将所有相关的变量，如经济活动、能源消耗和排放放在一起构建绩效评价指数更为合适[1]，即“全要素”的思想。
环境DEA技术即Malmquist-Luenberger指数被广泛应用于评价的全要素环境绩效和二氧化碳绩效。
Chungetal.首次将Malmquist-Luenberger技术应用到宏观层面[2]，随后，Kortelainen运用ML技术估算了欧盟20个国家的动态环境绩效（）[3]；Zhouetal.首次将排放绩效作为一个独立于环境绩效的概念进行研究，通过运用ML指数估算了1997-2004年期间18个国家动态的排放绩效[4]；陈诗一通过构建动态（节能减排）行为分析模型对我国工业节能减排损失和收益进行了预测[5]；王群伟等应用Zhouetal.的环境DEA方法对中国二氧化碳排放绩效进行评估并分析了区域差异和其影响因素[6]；王兵等运用SBM方向性距离函数和ML指数测度了考虑资源环境因素下中国1998-2007年30个省份的环境效率、环境全要素生产率及其成分[7]；刘明磊等运用非参数距离函数方法对能源消费结构约束下的我国省级地区碳排放绩效水平和二氧化碳边际减排成本进行了研究[8]。
综上文献，在测度全要素环境绩效和二氧化碳排放绩效时都是运用了基于方向性距离函数的Malmquist指数或ML指数，在计算距离函数时均以当期观测值来构造生产边界，每一年的投入和产出是被割裂开的，是一种割裂的非连续的绩效测算方法。
一般来说，在宏观经济视角下技术总是进步的，至少维持在原有水平不会倒退，传统的ML指数计算方法通常会得出长期的技术退步[9]。
为了防止出现技术退步这一缺陷，本文通过借鉴DonghyunandAlmas[10]序列DEA的思想，基于省际面板数据，运用SML指数方法对我国1999-2009年各省市二氧化碳排放绩效指数进行估算，同时降解为技术进步指数和技术效率指数进行深入分析，根据结果讨论其空间差异并通过运用面板数据模型探索其差异形成的主要成因。
2变量、数据及方法
2.1变量选取与数据处理
假设投入指标为资本（K）、劳动力（L）和能源（E），产出指标为期望产出地区生产总值（y）和非期望产出二氧化碳（b），则生产过程可描述为
样本及数据选取考虑实证的需要和数据的可得性，观测区间为1999-2009年面板数据，由于西藏和海南数据缺失过多将其剔出，而计算资本存量时重庆与四川一起方便统计，故样本为中国28个省市自治区。
资本存量计算是在单豪杰[11]基础上根据其资本存量计算方法测算补充了2008-2009年数据。
劳动力是各地区年初、年末就业人数的算术平均值。
能源投入是分别将各地区消耗的煤炭、石油、天然气根据各自能源标准煤折算系数统一换算为标准煤加总。
各省市GDP是根据各省区市GDP平减指数将名义GDP转化为以1952=100的价格。
分别将煤炭、石油、天然气换算成标准煤，借鉴徐国泉[12]碳排放折算系数再分别将其转换为后加总。
相关数据来源于《中国统计年鉴》和《中国能源统计年鉴》。
投入产出数据描述性统计见表1。
3中国省际全要素碳排放绩效测算及结果分析
SML计算方法与传统的ML测算方法相同，可以测算出我国各省市碳排放绩效指数（SMLCPI）并分解为技术进步指数（STE）和效率变化指数（SEF），由于篇幅所限，详细技术可参见Chungetal.[2]和DonghyunandAlmas[10]的文章。
3.1我国排放绩效总体趋势分析
从全国平均来看，SML指数估算排放绩效指数、技术进步指数、效率变化指数总体平均值为1.00732、1.008874、0.998511，表明1999-2009年中国二氧化碳排放绩效增长率为0.732%，技术进步率为0.8874%，效率变化率为-0.149%；总体碳绩效平均值大于1，说明近10年来，我国碳排放绩效总体上是不断提高的；效率变化指数平均值小于1，说明随时间推移各省市之间追赶效应在弱化，经济差距在拉大；技术进步指数平均值大于1，显示技术进步是我国各地区碳排放绩效增长的主要动力。
计算结果总体变化趋势如图1所示。
图11999-2009年我国碳排放绩效指数及其分解指数
从图1可见，绩效降低的年份只有2004年、2005年，与王群伟等[6]估算结果2003-2005年碳排放绩效都有所下降不同，此处2003年技术进步规避了效率降低带来的负面效应，碳排放绩效总体有所提高，2004年、2005年二氧化碳排放绩效总体下降的主要原因是技术效率的降低。
究其原因可能是因为“十一五规划”中后期显示出过度重工业化特征，特别是2003年后，我国的重化工业化趋势再度显现，中国的能耗和排放再次大幅增长[13]。
3.2我国各省市碳排放绩效空间差异分析
根据估算结果，为了方便分析，将我国各省市大致分成三类。
第一类，碳排放绩效大于1，且主要是由于技术进步和效率提高的共同作用，如北京、天津、山西、黑龙江、上海、安徽、湖北、湖南、广西、包含重庆在内的四川、贵州；第二类，碳排放绩效大于1，但主要原因是技术进步的作用抵消掉了效率降低的影响而使得碳排放绩效提升，如河北、内蒙古、吉林、江苏、浙江、山东、广东、陕西和甘肃；第三类，碳排放绩效小于1，如辽宁、河南、云南，但是三者成因各不相同，辽宁主要是技术进步指数降低导致，河南绩效降低是效率降低的影响大于技术进步的作用，而云南则是由于技术退步和效率降低共同导致。
从各省市变化情况来看，多数省份效率较低，可能存在只重视技术进步这一硬性因素而忽视了影响效率变化的管理机制等软性因素所造成的，因此，接下来将以SML指数运算结果对各省份碳排放差异进行分析。
4中国省际全要素碳排放绩效空间差异成因分析
通过运用SML指数方法估算了我国各省市二氧化碳排放绩效（SMLCPI），从时间和空间两个纬度对其进行了深入分析，但是，我们更想知道导致其差异的主要原因有哪些。
如上所述，省际间的技术进步对碳排放绩效贡献影响很大，众所周知，R&D投入是衡量技术进步水平的关键指标，而本国的R&D投入是一种受商业或国家利益驱使的广义上的人力资本投资[14]，在本文特指R&D人员RD和R&D强度RG。
除此之外，综合考虑前人的研究，考虑二氧化碳排放的主要影响因素，选取经济发展、能源强度、产业结构和能源结构四个指标，因此，分别从技术进步水平、经济发展水平、能源强度和结构因素四个方面六个指标对我国省际二氧化碳排放绩效差异的成因进行考察诠释。
在此基础上选取我国各省市1999-2009数据构建了我国二氧化碳排放绩效影响因素研究的面板模型（3），表3给出了计量模型相关变量的数据来源与处理方法。
此处，对回归模型（3）采用固定效应模型运用一般最小二乘法进行估计，结果显示，调整后R[2]为0.74816，拟合度较高。
R&D强度对二氧化碳排放绩效影响不显著，表明近阶段研发投入没有显著向能源环境研究领域侧重；R&D人员对二氧化碳排放绩效有很大促进作用，系数为0.190109，且在5%显著水平下显著，表明在很大程度上R&D人员对降低碳排放绩效作用很大，主要原因可能在于R&D人员可以促进技术进步，通过知识溢出提高当地技术水平，从而促进碳排放绩效的提高；经济发展水平对二氧化碳排放绩效亦有正效应，系数为0.020228，且在1%显著水平下显著，即表明经济发展水平越高，相应的碳排放绩效越高；能源强度和能源结构对碳排放绩效呈现负效应，系数分别为-0.024007和-0.052750，且分别在1%和10%显著水平下显著，即表明能源强度越高、煤炭消耗占能源消耗比重越高，相应的二氧化碳排放绩效越低；产业结构对二氧化碳排放绩效影响也是正向效应，系数为0.295127，在1%显著水平下显著，表明产业结构调整对碳排放绩效提高也有显著影响。
此外，笔者将R&D强度与其他解释变量做了面板回归检验，R&D强度分别对经济发展水平、能源强度和能源结构影响显著，表明现阶段我国R&D投入是通过不断提高经济发展水平、降低能源强度、优化能源结构来间接促进二氧化碳绩效的提高，呈现间接调节作用。
5结论及政策建议
通过运用基于直接距离函数的SML指数对1999-2009年我国各省市碳排放绩效进行估算，并将其降解为技术进步指数和效率变化指数，从时间和空间两个纬度对运算结果进行深入分析，进而通过运用面板数据构建了我国碳排放绩效影响因素计量模型挖掘其差异形成的主要原因。
研究结果表明：
第一，从总体发展趋势上看，我国1999-2009年二氧化碳排放绩效指数SML平均值大于1，效率变化指数SEF平均值小于1，技术进步指数STE平均值大于1，表明过去10年我国碳排放绩效呈改善趋势，技术进步是我国各省市碳排放绩效增长的主要动力；第二，根据各省市碳排放绩效、技术进步指数和效率变化指数的空间差异将我国各省市大致分成三类进行研究，可以看出我国各省市需要继续强化技术进步外更应该重视软实力研究；第三，我国二氧化碳排放绩效主要影响因素中，R&D人员、经济发展水平、产业结构显示显著正的效应，每增加一个单位将导致二氧化碳的排放绩效分别提高0.190109、0.020228、0.295127个单位；而能源强度、能源结构对碳排放绩效影响呈现逐负效应，每增加一个单位将导致二氧化碳的排放绩效分别降低0.024007和0.052750个单位；此外，R&D强度对二氧化碳影响不显著，但是R&D强度分别对经济发展水平、能源强度和能源结构影响显著，存在间接调节作用。
上述结论对于政策的制定有一定的启示：
针对第二类地区，存在效率降低的问题，需要不断提高自身“软”性因素，在未来的发展中应该更加重视鼓励技术效率的提高，不断提高人员素质和管理水平，重视“软”实力的提升；针对第三类地区，仍然要下大力气在技术进步上，技术进步是提高碳排放绩效的关键，此外，也要注重“软”实力的提升。
另外，各省市都应该持续加大研发资源投入，在R&D投入方面，将R&D人才的引进作为发展的前提，做好相关配套，要做到引得进、留得住；应该持续不断提高R&D强度，同时在未来的工作中对能源环境领域的R&D投入要有所侧重，不断创新改善能源环境技术，从正面促进二氧化碳排放绩效的提高；应该保证经济稳步增长，迅速转变经济增长方式，注重技术投资，尤其是能源环境技术。
不断优化产业结构，提高第三产业的比重，鼓励发展服务业。
但是，我们在扩大第三产业比重的同时需要注意提高服务人员的素质，普及低碳理念、增强低碳意识。
加快能源结构调整，尽可能降低一次能源的使用率。
【参考文献】
[1]RamanathanR.Combiningindicatorsofenergyconsumptionandemissions:
Across-countrycomparison[J].InternationalJournalofGlobalEnergyIssues,2002,17（3）:
214-227.
[2]ChungYH,R,GrosskopfS.Productivityandundesirableoutputs:
Adirectionaldistancefunctionapproach[J].JournalofEnvironmentalManagement,1997,51（3）:
229-240.
[3]KortelainenM.Dynamicenvironmentalperformanceanalysis:
Amalmquistindexapproach[J].EcologicalEconomics,2008,64（4）:
701-715.
[4]ZhouP,AngBW,HanJY.Totalfactorcarbonemissionperformance:
Amalmquistindexanalysis[J].EnergyEconomics,2010,32
（1）:
194-201.
[5]陈诗一.节能减排与中国工业的双赢发展：
2009-2049[J].经济研究，2010，（3）：
129-143.
[6]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010，
（1）：
45-54.
[7]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，（5）：
95-109.
[8]刘明磊，朱磊，范英.我国省级碳排放绩效评价及边际减排成本估计：
基于非参数距离函数方法[J].中国软科学，2011，（3）：
106-114.
[9]ShestalovaV.SequentialMalmquistindicesofproductivitygrowth:
AnapplicationtoOECDindustrialactivities[J].JournalofProductivityAnalysis,2003,19
（2）:
211-226.
[10]DonghyunO,AlmasH.AsequentialMalmquist-Luenbergerproductivityindex:
Environmentallysensitiveproductivitygrowthconsideringtheprogressivenatureoftechnology[J].EnergyEconomics,2010,32（9）:
1345-1355.
[11]单豪杰.中国资本存量K的再估算：
1952-2006年[J].数量经济技术经济研究，2008，（10）：
17-31.
[12]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：
1995-2004[J].中国人口资源与环境，2006，16（6）：
158-161.
[13]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009，（4）：
41-55.
[14]陶长琪，齐亚伟.中国全要素生产率的空间差异及其成因分析[J].数量经济技术经济研究，2010，
（1）：
19-32.
升级会员 