2005_2030年中国经济特区碳生产率发展报告.docx

2005_2030年中国经济特区碳生产率发展报告.docx

《2005_2030年中国经济特区碳生产率发展报告.docx》由会员分享，可在线阅读，更多相关《2005_2030年中国经济特区碳生产率发展报告.docx（19页珍藏版）》请在冰点文库上搜索。

2005~2030年中国经济特区碳生产率发展报告

2005~2030年中国经济特区碳生产率发展报告

国际组织“全球碳计划”（GlobalCarbonProject）的数据显示，截至2018年，中国碳排放总量占全球的29%，中国的减排情况将直接影响全球减碳目标的实现。

中国政府在签署《巴黎协定》后提交了自主贡献度承诺，明确到2030年实现碳排放强度比2005年下降60%～65%和总量达峰的“双控”目标，碳排放强度指标于2017年首次被纳入国民经济和社会发展统计公报。

经济特区作为我国改革开放的排头兵、生态文明建设的先锋和典范，提升其资源利用效率与减少二氧化碳排放总量刻不容缓。

在当前低碳经济的背景下，实现减少碳排放量和经济稳定增长的唯一出路在于提高碳生产率。

麦肯锡全球研究所（MGI）与麦肯锡公司全球变化特别计划的研究表明，碳生产率（carbonproductivity）能将大气中的温室气体和经济增长结合起来，全球要达到IPCC规定的碳减排目标，在未来近40年里，碳生产率必须提高10倍。

[1]碳生产率等于一个国家或地区一定时期内的生产总值与同期二氧化碳排放量的比值，它作为单要素指标对碳排放效率进行衡量，简单易操作，但不能反映一个经济体碳排放效率的综合特征。

正是由于单要素指标的不足，近年来越来越多的研究选择在全要素生产率分析框架下研究碳生产率。

在研究方法的选择方面，主要是采用包含负产出的DEA模型，但大都是直接选取能源消耗作为投入指标，鲜有使用物质流分析（MFA）方法计算直接物质投入（DMI）指标，并将其作为投入指标进行效率评估的研究。

鉴于此，本报告整理与测算了中国五大经济特区（深圳、珠海、汕头、厦门、海南）2000～2019年的投入与产出数据，在全要素生产率分析框架下，引入直接物质投入指标，采用DEA模型中包含非期望产出的，非径向、非角度的SBM超效率模型对经济特区碳生产率进行测算，比较不同年份各特区间的碳生产率差异，并将其进一步分解为纯技术效率、规模效率与技术进步效率，从提升能源利用效率、调整生产结构与生产技术改进等方面为特区“人口—资源—环境”协调可持续发展提供建议。

一基于物质流分析的中国经济特区碳生产率分析框架

（一）物质流分析框架

物质流分析遵循质量守恒定律，以物质的量为单位，通过量化物质的输入、输出流量以及社会蓄积存量，研究物质流动的合理性，从而建立社会经济系统内部及环境与社会经济系统之间的定量关系。

物质流分析方法在区域和城市层面与国家层面研究上存在尺度差异，国家层面的物质流分析侧重关注系统边界上输入与输出总量及其背后的隐藏流，区域和城市层面物质流分析侧重结合对城市产业结构的解析来考察输入与输出结构。

本报告从区域和城市层面进行简化的物质流分析。

由于区域边界系统的界定不够明晰，且区域物质资源使用的数据较难得到，简化版物质流分析将对区域层面的投入指标（直接物质投入指标）进行进一步分类，具体指标内容见表1。

表1城市物质流分析简化框架

指标

大类

构成项目

细分指标

主要内容

直接物质投入指标DMI

直接物质消耗指标DMC

直接物质投入=本地投入+外地调入（DMI=DE+I）

直接物质消耗=直接物质投入-本地调出（DMC=DMI-E）

本地投入DE

1.化石燃料

（1）原煤

（2）原油

（3）天然气

2.工业金属矿物

（1）铁矿石

（2）铝矿石

（3）铜矿石

（4）其他

3.工业非金属矿物

（1）化学化工原料

（2）初级形态的塑料

（3）玻璃、水泥等

（4）其他

4.生物质

（1）农作物

（2）林产品

（3）水产品

（4）畜产品

外地调入（进口）I

化石燃料；工业矿物；生物质

本地调出（出口）E

化石燃料；工业矿物；生物质

注：

本报告根据研究需要提出了物质流分析简化框架；城市物质流分析框架借鉴国家物质流分析框架，对应国家层面的进口、出口，城市层面上则称为调入、调出。

|

表1城市物质流分析简化框架

（二）碳生产率分析框架

采用数据包络分析中跨期的Malmquist-Luenberger指数测算全要素生产率，着重考察投入导向模式下，五大经济特区的碳生产率问题。

假设地区因资本（K）、劳动力（L）和直接物质投入（DMI）三要素的投入形成地区内生产总值（Y）的一种期望产出，从投入的角度研究全要素生产率变化，该生产过程可描述为P（K，L，DMI）={Y：

（K，L，DMI，Y）∈T}。

[3]T表示特定生产过程中的技术关系，P（K，L，DMI）是产出集，表示所有可能产出的集合，该集合具有闭合、有界和凸性的特征。

每一期在固定规模报酬（C），投入要素强可处置（S）条件下的参考技术被定义为：

表示每个截面观察值的权重，

表示i城市k要素的投入。

为了得到生产率随时间变化的Malmquist-Luenberger指数，本报告引入距离函数，距离函数是技术效率的倒数，[4]定义参考技术下的投入距离函数如下。

投入距离可以看作某一生产点（Y，X）向理想的最小投入点压缩的比例。

当且仅当

处于生产前沿面上时，生产技术才是有效的。

时，生产在技术上是无效的。

同时，Malmquist-Luenberger指数可以被分解为技术效率指数和技术进步指数，而技术效率指数又可以被分解为纯技术效率指数和规模效率指数。

在1997年，Ray和Desli等人提出了Malmquist-Luenberger指数分解的RD模型，分解形式如下：

由上式知，Malmquist指数=纯技术效率指数×技术进步效率指数×规模效率指数。

（三）数据收集与处理

本报告数据来自中国五大经济特区的统计年鉴、统计公报等相关公开数据。

在计算过程中，因为存在统计口径不一致和部分数据缺失的问题，按照以下假定处理数据：

①对特定物质的消费需求，以本地生产优先为原则；②将供大于求的特定物质（特指本地生产）的调入量假定为0；③将供小于求的特定物质（特指本地生产）的调出量假定为0。

[5]

报告中各经济特区的主要类别物质流数据将进行如下处理。

鉴于本地未开采金属矿物、工业非金属矿物、化石燃料，基本从外部调入，依照假定条件设调出量为0。

数据处理时，按科学比例将化石燃料（由原煤、原油和天然气组成）转换为标准原煤形式进行分析，均根据年产量进行度量，相关数据源自各经济特区统计年鉴与公报。

历年统计年鉴中关于工业金属矿物（主要由铁矿石、铝矿石、铜矿石构成）组成成分的产量数据有限，由此通过对现有数据进行投入产出分析，估算得出原矿需求量。

根据假定③，若本地产量出现供不应求情况，直接物质投入量可视作本地开采量与外地调入量之和，即原矿需求量。

特此说明，本报告未将矿产资源开采的生态包袱数值纳入计算范围。

生物质包括农作物、林产品、水产品、畜产品等，将根据本地人均消耗量估算而得。

对于部分年份年鉴数据缺失的情况，根据前后几年数据采用插值法进行平滑处理。

对于中国五大经济特区碳生产率测算，选择时间跨度为2001～2019年。

其中，城市投入要素有：

劳动力投入（以各地就业人数表征）、资本投入（以各市的社会固定资产存量表征）、DMI指数。

城市产出要素：

地区生产总值（以2000年为基期进行平减）、二氧化碳排放量（采用《IPCC温室气体编制清单指南》的方法3进行测算）。

[6]中国五大经济特区二氧化碳排放量的测算结果如图1所示。

图12000～2019年中国五大经济特区碳排放量

二基于物质流分析的中国经济特区碳生产率评估

（一）物质流分析初步结果

2001～2019年各经济特区DMI总量变化情况如表2所示。

在五大经济特区中，海南省DMI总量历年来远超其他特区，2019年海南DMI总量是深圳的3.24倍、厦门的3.57倍、珠海的4.53倍、汕头的3.36倍。

从各特区DMI总量历年变化情况看，2001～2019年深圳与厦门的DMI总量呈现倒U形趋势，自2011年达到较（最）高点后逐步收敛，年均增长速度较低，分别为2.5%与1.6%；珠海与汕头的DMI总量相对较小，但在考察时间内呈现波动上升态势，年均增速分别为4.2%与5.6%。

表22001～2019年五大经济特区DMI总量

单位：

万吨，%

年份

深圳

珠海

海南

厦门

汕头

2001

1126.2

593.4

2143.7

1241.2

551.2

2002

1232.6

601.8

2371.7

1330.5

596.0

2003

1430.0

651.5

2531.2

1313.5

627.2

2004

1475.7

632.6

2787.9

1393.4

707.9

2005

1492.3

638.8

2517.2

1484.0

727.0

2006

1596.9

680.9

2939.8

1546.3

771.9

2007

1685.2

916.6

3387.4

1560.1

758.9

2008

1743.8

1008.6

3573.1

1433.8

709.1

2009

1581.9

1026.8

4027.8

1803.3

874.9

2010

1742.5

1097.4

4398.0

1819.3

1093.9

2011

1962.1

1118.0

5058.5

1905.0

1247.0

2012

1684.4

1038.9

5453.0

1726.2

1191.8

2013

1681.8

1096.4

5810.3

1185.7

1321.2

2014

1648.7

1152.6

5986.7

1567.8

1279.6

2015

1478.2

1067.6

5987.6

1470.3

1250.1

2016

1507.5

1044.6

5723.2

1490.2

1292.6

2017

2058.6

1073.9

5731.9

1558.7

1355.2

2018

1893.2

1120.5

5565.3

1526.8

1511.3

2019

1748.4

1250.6

5666.4

1588.1

1685.3

资料来源：

根据本研究物质流分析简化框架计算整理得到；依据最新2019年年鉴数据进行修正。

表22001～2019年五大经济特区DMI总量

（二）碳生产率测算与分解

选取2001～2019年五大经济特区的投入与产出数据，运用MaxDEA软件，通过考虑非期望产出的SBM超效率模型，测算各经济特区动态碳生产率，并将跨期的Malmquist-Luenberger指数进一步分解为纯技术效率指数、规模效率指数和技术进步效率指数，具体的分解结果如表3、表4，图2、图3与图4所示。

表32001～2010年五大经济特区Malmquist-Luenberger指数及分解结果

经济特区

2001年

2002年

2003年

2004年

2005年

2006年

2007年

2008年

2009年

2010年

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

海南

1.0396

1.0000

1.0218

1.0174

1.0336

1.0000

1.0534

0.9812

0.9658

1.0000

0.8474

1.1398

0.8637

1.0000

1.3405

0.6443

0.8996

1.0000

1.1112

0.8096

1.0715

1.0000

1.1679

0.9175

1.0007

1.0000

0.9996

1.0010

0.6577

1.0000

0.6563

1.0021

0.8232

1.0000

0.9129

0.9017

0.8994

1.0000

0.9043

0.9946

汕头

1.0138

1.0264

1.0105

1.0033

0.9925

0.9895

0.9881

1.0045

0.8265

0.9789

0.8446

0.9996

0.3475

0.3561

0.3617

0.9607

0.9914

0.9983

1.0002

0.9913

1.0002

1.0076

1.0086

0.9917

0.9779

1.0651

0.9715

1.0066

0.7987

0.9984

0.7874

1.0143

1.1231

0.9586

1.2655

0.8875

1.0900

1.1276

1.1238

0.9700

深圳

1.0518

1.0000

1.0109

1.0405

1.0617

1.0000

1.0218

1.0391

1.0363

1.0000

0.9862

1.0508

1.0822

1.0000

1.0118

1.0697

1.0800

1.0000

1.0220

1.0567

1.0557

1.0000

1.0033

1.0523

1.0789

1.0000

1.1278

0.9566

1.0678

1.0000

1.0427

1.0241

1.0546

1.0000

1.0486

1.0057

1.0456

1.0000

1.0061

1.0392

厦门

1.1026

1.0006

0.9997

1.1030

1.1213

1.0136

1.0087

1.1116

1.1050

0.9926

0.9911

1.1149

1.1015

0.9922

0.9973

1.1044

0.8652

0.8125

0.7547

1.1464

1.0267

0.9592

0.9747

1.0534

1.2718

1.0642

1.0108

1.2582

1.0782

1.0047

0.9833

1.0966

0.9815

0.9137

0.9656

1.0164

1.0417

0.9809

0.9778

1.0653

珠海

0.9798

0.9591

1.0103

0.9699

0.9440

0.9119

0.8533

1.1063

1.0429

0.9082

0.9753

1.0693

0.9512

0.9673

0.9636

0.9872

0.9933

0.9258

0.9248

1.0741

0.9838

0.9359

0.9328

1.0546

1.1732

1.1896

1.1772

0.9965

1.0089

1.0557

1.0276

0.9818

0.9776

0.9376

0.9689

1.0090

0.9817

0.7931

0.7879

1.2460

注：

ML为Malmquist-Luenberger指数，PEC为纯技术效率指数，SEC为规模效率指数，TC为技术进步效率指数。

|表32001～2010年五大经济特区Malmquist-Luenberger指数及分解结果

表42011～2019年五大经济特区Malmquist-Luenberger指数及分解结果

经济特区

2011年

2012年

2013年

2014年

2015年

2016年

2017年

2018年

2019年

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

ML

PEC

SEC

TC

海南

1.0422

1.0000

1.0996

0.9478

0.9098

1.0000

1.2128

0.7501

0.8466

1.0000

1.1242

0.7530

0.9716

1.0000

0.8821

1.1015

1.0284

1.0000

1.2189

0.8437

0.9387

1.0000

1.1582

0.8105

0.8924

1.0000

0.8741

1.0208

0.9624

1.0000

0.9262

1.0391

1.2149

1.0000

1.2521

0.9703

汕头

0.9395

0.9908

0.9773

0.9614

0.8766

0.9569

0.9841

0.8907

0.9091

0.9929

0.9488

0.9581

1.0882

1.0838

1.1248

0.9675

0.9050

0.9347

0.9766

0.9266

0.9034

0.9318

0.9322

0.9691

1.0222

1.0538

1.0434

0.9796

1.0236

1.0740

1.0334

0.9905

0.9744

0.9518

0.9767

0.9976

深圳

1.0596

1.0000

0.9876

1.0729

1.1405

1.0000

1.0641

1.0718

1.0446

1.0000

0.8717

1.1984

1.0446

1.0000

1.1201

0.9326

1.0654

1.0000

1.0079

1.0571

1.0465

1.0000

1.0222

1.0238

0.9146

1.0000

0.8762

1.0439

1.0322

1.0000

0.9015

1.1449

1.0659

1.0000

1.0216

1.0433

厦门

1.0461

0.9330

0.9374

1.1159

0.9511

0.9901

0.9490

1.0023

1.2536

1.2911

1.3085

0.9580

0.9068

0.8849

0.8551

1.0604

0.9370

0.9788

0.9795

0.9566

0.9950

0.9612

0.9679

1.0280

1.0263

1.0588

0.9412

1.0905

1.1739

1.2625

1.2212

0.9613

1.0871

1.0087

1.0895

0.9978

珠海

1.0254

1.0188

0.9887

1.0372

0.9635

0.9979

0.9851

0.9780

0.9737

1.1639

1.1345

0.8582

0.9868

0.8469

0.8500

1.1609

0.9913

1.0086

0.9982

0.9932

1.0023

1.0276

1.0050

0.9973

1.0225

1.0130

0.9776

1.0459

1.0073

1.0020

0.9912

1.0163

1.0224

0.9981

1.0157

1.0065

注：

ML为Malmquist-Luenberger指数，PEC为纯技术效率指数，SEC为规模效率指数，TC为技术进步效率指数。

|表42011～2019年五大经济特区Malmquist-Luenberger指数及分解结果

图22001～2019年五大经济特区纯技术效率指数变动趋势

图32001～2019年五大经济特区规模效率指数变动趋势

图42001～2019年五大经济特区技术进步效率指数变动趋势

由表3、表4数据可得，海南2001～2019年碳生产率综合效率指数的均值为0.9506，纯技术效率指数的均值为1.0000，规模效率指数的均值为1.0402，技术进步效率指数的均值为0.9287。

这表明，在考察期内，海南纯技术效率与规模效率对碳生产率提高有正向拉动作用，并且海南经济特区技术进步缓慢，在一定程度上制约其经济低碳化发展。

从时间维度来看，海南碳生产率综合效率指数大于1的年份有2001年、2002年、2006年、2007年、2011年、2015年和2019年，表明这些年份海南通过能源生产效率的提升与生产结构的调整，使单位能源、劳动与资本投入带来更高的产出，且使得二氧化碳排放量较低。

2001～2019年汕头碳生产率综合效率指数的均值为0.9370，纯技术效率指数的均值为0.9725，规模效率指数的均值为0.9663，技术进步效率指数的均值为0.9721，表明在考察期间内，汕头特区各效率指标的均值均未进入有效区间（有效区间效率值＞1）。

从时间维度来看，汕头碳生产率综合效率指数值大于1的年份仅有7年，相对较低的碳生产率综合效率与汕头近些年部分产业高能耗、高排放、粗放式的经济增长方式密切相关。

2001～2019年深圳碳生产率综合效率指数的均值为1.0541，纯技术效率指数的均值为1.0000，规模效率指数的均值为1.0081，技术进步效率指数的均值为1.0486，由综合效率分解出的三种效率均处于效率前沿，对碳生产率的提升均起到了正向拉动作用。

从时间维度考察，除2017年的碳生产率综合效率指数小于1.0000外，其他年份均大于1.0000，表明考察期内依靠劳动者技能提高、技术创新与技术进步，深圳单位能源、劳动与资本投入带来更高的经济产出，同时实现较少的二氧化碳排放。

2001～2019年厦门碳生产率综合效率指数的均值为1.0564，纯技术效率指数的均值为1.0054，规模效率指数的均值为0.9954，技术进步效率指数的均值为1.0653。

在考察期间内，厦门碳生产率综合效率指数均值、技术进步效率指数均值与纯技术效率指数均值均高于深圳，规模效率指数均值小于深圳，表明相对较低的规模效率在一定程度上对厦门碳生产率的提升产生负面影响，厦门应尽快调整生产结构与生产规模，通过规模效率的提升促进碳生产率的提高。

2001～2019年珠海碳生产率综合效率指数的均值为1.0016，纯技术效率指数的均值为0.9822，规模效率指数的均值为0.9772，技术进步效率指数的均值为1.0310。

表明在考察期间内海南通过技术进步，提高了直接物质投入利用效率，纯技术效率与规模效率均未处于效率前沿，仍具有较大的上升空间，珠海应着力提高劳动者技能与调整生产结构，从而进一步提升碳生产率。

三结论与政策建议

随着全球气候变暖问题的日益严峻以及中国二氧化碳排放量的增加，中国的二氧化碳排放空间越来越小，迫切需要提升碳生产率。

不同于以往的研究，本报告在全要素生产率分析框架下，通过物质流分析方法与考虑非期望产出的SBM超效率模型，测度了2001～2019年中国五大经济特区的碳生产率，并将碳生产率分解为纯技术效率、规模效率与技术进步效率，得到以下结论。

2001～2019年，深圳、厦门、珠海的碳生产率综合效率指数的均值均大于1.0000，表明这三个特区在经济发展过程经济效益与环境效益协调并进，通过技术进步与生产结