長江經濟帶工業碳排放績效測度及分析★

吳雨昕， 蘭國輝

（安徽理工大學 經濟與管理學院， 安徽 淮南 232001）

0 引言

在19 世紀工業革命之后，溫室氣體例如二氧化碳的大規模釋放被看作造成全世界天氣惡化的主要原因。二氧化碳和溫室氣體的總排放量大部分來自化石能源消耗和人類活動，其中能源是一個國家的經濟和社會發展的關鍵因素之一，因此，國際上對此問題的研究逐漸增多，也愈發受到國際社會的關注。

當前，在社會經濟高速發展和人民生活水平不斷提高的過程中，我國的能源消費碳排放量呈持續上升態勢[1]，污染防治和環境治理是需要跨越的一道重要關口?！吨袊鷳B環境統計年報》指出，2020 年全國二氧化硫排放總量的79.6%是工業源二氧化硫，因此，降低工業活動的碳排放量對實現國家減排目標具有重要意義。提高工業碳排放效率，已經成為推動我國綠色、低碳和高質量發展的重要途徑。不僅如此，長江經濟帶是我國最大城市群，橫跨東中西三部，既是國家經濟的核心和活力所在，又是我國持續發展的關鍵區，如何保護生態環境并穩定長江經濟帶的經濟健康發展是當下亟需解決的。在低碳發展、綠色發展的大背景下，對長江經濟帶的工業碳排放狀況及各省份之間的差距進行研究，將為今后的產業發展提供科學的理論基礎和借鑒，并對我國其他區域的碳減排工作起到一定的促進作用。

1 文獻綜述

碳排放績效不是通過直觀的感覺和經驗，而是利用數據建立計算和模型進行分析，國內外學者對其進行了大量的研究?，F有研究主要以能源結構[2]、碳排放強度[3]、能源消耗強度[4]等作為主要評價指標，但這些指標往往僅體現了碳排放量和某個變量間的關聯，而不能把環境和經濟聯系在一起。利用數據包絡分析法測度的綠色全要素碳排放績效指標更加全面，可以將非期望產出納入從而得到綠色全要素生產率。目前的相關研究成果可粗略分成二類，一類是應用DEA的靜態碳排放績效評價方法，如劉利平等[5]構建了以投入要素作為導向的CCR 和BCC 模型，對我國農業碳排放效率進行了測度；任俊等[6]利用非參數三階段DEA 方法衡量碳排放績效；徐國泉等[7]運用三階段SBM-DEA 模型對江蘇省十二個城市進行測算；另一類是在DEA 的基礎上使用Malmquist 指數得到動態的碳排放績效指標，如王剛[8]使用超效率DEAMalmquist 方法對湖北科技投入產出效率進行評估。

以上的資料對碳排放測度有著一定的啟迪意義，但是也有一些有待改進之處，首先，由于目前的研究都集中在省際間，所以長江經濟帶內各省間的碳排放績效還需要繼續完善和研究；第二，從模型選取方面出發，例如采用SBM模式衡量碳排放績效時在計算過程中缺失效率與前沿投影值的原始比例數據，從而導致了效率數值具有丟失可能，被評價DMU 的投影點也是在前沿中離被評估DMU 最遠的一個點，這是較不合理的?；诖饲闆r，本文結合已有的研究，決定采用非期望產出的Super-EBM 模型及Global-Malmqusit-Luenberger 指數法對長江經濟帶的工業碳排放績效進行測度，分別以靜態和動態的視角分析，并使用Tobit 模型對其驅動因子研究。

2 研究方法和數據處理

2.1 研究方法

EBM-DEA 模型，是一種綜合了考慮徑向和SBM兩個距離函數的混合模型。該模型不但克服了傳統數據包絡分析中未能顧及松弛變量，并且損失效率前沿投影值與原始比率數據信息的問題，也同時克服了對各個處于前沿區域內的決策單位進行對比問題，給決策單位績效衡量創造了一個全新方式，但因為傳統EBM模式測量的有效單元效率值為一，因此無法深入的分析與有效評價單元之間的績效差距，所以Andersen 等[9]提出了Super-EBM模型即超效率EBM 模型，由于把非期望產出納入到測算框架，基于非期望產出的、非導向的超效率EBM模型，其公式為：

假設所計算的決策單元為DMU，則在上式中y*為規模報酬可變EBM 模型的最佳效率；φ 為產出要素擴大比重；θ 為徑向規劃參數，εx作為徑向與非徑向松弛條件的關鍵參數，其滿足0≤εx≤1。εy、εb為關鍵參數；bpj為決策單元j的第p類的非期望產出；bpk為決策單元k的第p類非期望產出。si-為投入要素i個的松弛變量；j為決策單元；n為決策單元總數；wi-為投入指標的重要程度，其滿足；xij和yrk分別為決策單元k的第i類投入和第r類產出；m和s分別為投入和產出的數量；λj為線性組合系數式中，sr+為第r類期望產出的松弛變量；spb-為第p類非期望產出的松弛變量；wr+和wpb-分別為兩者的指標權重；q為非期望產出數量。

將DEA 和GML 指數結合，可對生產效益的動態變化進行研究分析，借鑒已有的研究，構建GML 指數如下：

2.2 指標選擇與數據來源

考慮到數據的滯后性和可得性層面，本文選擇了年長江經濟帶11 個?。ㄊ校┯嘘P統計資料加以分析，所用的指標資料大多來源于國家統計局和各省(市)統計局2011—2021 年的統計年鑒，缺少的數據資料則通過線性插值法加以補充。投入、產出指標的具體情況如表1 所示。

表1 工業碳排放績效投入、產出指標統計表

投入的指標中固定資產投入、能源消耗和工業從業比例，分別從經濟、自然和社會的方面加以分析；生產指標中的工業生產增加值，是指企業在當年度生產的產品其貨幣化的成果，并在扣減整個生產過程中所耗費以及使用過的實際產品和勞務的價格后的總金額，因此工業生產增加值也是評價企業生產效益的一項關鍵因素，應將之視為預期產出。把碳排放量視為非預期產量，其數據以各地區2010—2020 年的工業能源消耗為基礎進行折算，具體系數如表2 所示。

表2 碳排放量估算相關系數

3 實證分析

3.1 靜態工業碳排放績效分析

研究應用了MAX-DEA 8.0 軟件，并采用包含期望、非期望產出的Super-EBM模型，對長江經濟帶十一個?。ㄊ校?010—2020 年的碳排放效率進行測度，具體效率值如表3 所示，綜合技術效率反映了當前技術水平對于碳排放績效的影響程度，由表3 可以看出長江下游碳排放績效處于生產前沿面，長江中游次之，長江上游的工業碳排放績效水平不盡人意。其中，浙江省的碳排放績效最高，在2010—2020 年的碳排放績效始終保持有效并且大于1，整體均值更是達到了1.050；其次是湖南省的碳排放績效，2012—2020年碳排放績效達到了0.998，表明了湖南省在研究期內表現較好，但仍有上升空間；其他省份如上海、江蘇、湖北、湖南、江西、重慶的碳排放績效在部分年份綜合技術效率值大于1，證明這些地區在提高碳排放績效上有很大潛力。而貴州、安徽、四川、云南的碳排放績效表現則相對較差，其中安徽省是中國煤炭能源的重要產地，污染嚴重，是其工業生產效率低的主要原因；四川省、貴州省、云南省的碳排放績效不理想的主要原因可能是其地理位置上需要更注重生態保障，并且這三個省份的工業化程度相對較低，交通運輸能力較差、工業經濟規模較小造成碳排放績效不好；云南省的碳排放績效最低，均值僅有0.584，具有很大提升空間?？偟膩碚f，長江經濟帶的總碳排放量在持續增長，但大部分省份的碳排放績效表現欠佳，仍有較高碳減排的潛力，應當注重勞動人口、資本、能源消耗的合理分配。

表3 長江經濟帶各省份碳排放績效

為更好地分析長江上中下游碳排放績效之間的差異，將2010 年和2020 年各省份單獨觀察并借鑒學者查建平[10]對工業碳排放績效的等級劃分，并結合本文的情況，碳排放績效在0.6 以下的定為低水平碳排放績效，反之定為高水平碳排放績效，根據此劃分可得各省工業碳排放績效等級分布?？梢缘贸?010 年高水平碳排放績效區主要分布在長江下游，低水平碳排放績效區主要分布在上游。中游僅有兩個省份績效大于1；2020 年高碳排放績效區從下游擴散至中游及接近中游地區的重慶。碳排放績效區的分布呈現由東向西、由南至北的演化趨勢。

3.2 動態工業碳排放績效分析

采用包括時間變量的面板數據，以更好地理解分析區域與技術、規模之間的變化關系，利用GML 指數模型測算得到全要素生產效率指數即動態工業碳排放績效以及其分解項科技效率變化指數、科技進步指數，通過圖1 考察歷年碳排放績效動態變化情況可知，從動態層面來看，工業碳排放績效與技術進步的變化趨勢類似，因此可以推論工業碳排放績效增長的動因主要來自工業科技發展。長江經濟帶碳排放績效總體呈N 型變動，即先下降，后上升，再下降?？梢钥吹教寂欧趴冃г?011—2018 年間穩定增長，2011 年是“十二五”的第一個年頭，在這個時期內長江經濟帶的碳排放成績一直平穩遞增，而后2015—2018 年間提升迅速，這離不開“十二五”建立的良好基礎，此外，2015 年正式實施了《環境保護法》并制定了“十三五”環保規劃，這一階段的迅速增長說明該政策針對區域性城市碳排放績效有顯著效果，在環境保護、工業科技發展等方面對工業碳排放效率產生了積極作用，提高了工業現代化和科技化水平，因此研究區域的工業碳排放效率開始提升。2019 年開始出現碳排放績效倒退，形成一個倒U 曲線，將2017—2020 年各省份工業碳排放績效指數變化情況列出如圖2 所示，從各個省份碳排放效率的分解結果來看，研究期內安徽、湖北、湖南、江西、貴州、云南的純技術效率值偏低，造成了整體碳排放績效下滑，表明這6 個省份應當更加注重先進科學技術和新能源產品的引入，以科技創新來改善碳排放效率；而江蘇、浙江、江西和湖北這四個區域的規模效率偏低，沒有發揮規模效應,應該改善管理方式、提高技術水平,在保證經濟增長的同時減少不必要的投入，著重優化固定資產投資結構，讓投資更多用于生態環保領域，完善碳減排設備。

圖1 長江經濟帶工業碳排放績效及其分解項

圖2 長江經濟帶各省份技術效率指數分解情況

4 長江經濟帶工業碳排放績效驅動因素分析及建議

4.1 Tobit 模型構建

為了更進一步分析影響長江經濟帶工業碳排放績效的因素，去除經濟評價體系中的投入產出指標，再借鑒以往研究，并遵循數據可獲得性原則，選取部分指標以超效率EBM 的結果為被解釋變量進行分析，給出具體指標，如表4 所示:

表4 變量選取

根據以上數據，構建Tobit 模型，公式如下：

式中：t為年份；β0為常數項；β1～β5為回歸系數；εit為誤差項。

采用Stata16.0 軟件完成求解，基于固定效應的面板Tobit 建模會產生不一致問題，為了保證最終結論數據的真實性，本文先用混合效應Tobit 模型完成回歸解析，繼而再使用隨機效應的Tobit 建模完成返回解析。LR 檢驗結論強烈拒絕原假設，指出存在個體效應，并引入了隨機效應的Tobit 模式。另外，論文中還選擇了固定效應模式為參照，回歸結論如表5 所示。

表5 長江經濟帶碳排放績效影響因素回歸結果

4.2 回歸結果分析及建議

表5 顯示，地區水平、基礎水平的提升對碳排放績效的提高有所幫助，很有可能是因為企業、科研機構、高等院校是R&D 活動的三大執行主體，其中企業R&D 的密集度越高，說明企業的創新力越強，可以很好地推動該省跨過創新型經濟體門檻，而工業化率是工業轉型能力提升的關鍵因素，會對產業的健康發展產生一定促進效果，側方面反映出了樣本地區的科研技術水平，而能源結構也對工業碳排放績效有著很重要的負向影響，也就是說煤炭資源占用比越大，反而越是不利于產業碳排放績效的提升，所以，長江經濟帶的城市群在經濟發展過程中要根據當下狀況提高資源轉換效率，從而促進煤炭資源利用與新能源的優化組合，為中國經濟社會的繼續健康地蓬勃發展提供了良好的前提條件?？萍妓酵瑯訉I生產效率具有負向影響且該影響在統計上顯著，說明當前長江經濟帶的工業企業研發經費投資仍然不足，工業自動化、機械化水平需要進一步提高。生產水平對長江經濟帶碳排放績效也具有負向的影響，企業產成品的影響主要作用在經濟發展上，其數值越大，越能夠促進當地工業產品的生產效率，但過度增加生產效率而不注重收益方面的優化，將會對碳排放績效產生負面影響。

5 研究結論

本文基于2010—2020 年長江經濟帶11 個重點城市的面板數據，借助超效率EBM模型測算碳排放績效，建立動態面板數據GML 模型分析影響碳排放績效的因素，得到了以下主要結論，在此基礎上提出相應的政策建議。

5.1 結論

首先，長江經濟帶的碳排放數量總體呈現持續增長態勢，下游區域的碳排放數量已超過中游、上游區域。就地區排放增長速度而言，中游區域的碳排放量平均速度明顯領先于其他區域。

其次，城市碳排放績效出現倒“U”曲線，說明大部分區域存在資源浪費、生態環境污染等現象。

5.2 政策建議

首先，在科學發展觀的指引下，政府要對各個區域的碳排放進行綜合評價，實現區域間的產業協作和協調發展，將高碳的行業轉移到符合當地資源稟賦的區域。例如，新安江開展上下游水環境補償，進行跨區域補償的有益探索。

其次，采用“引導”與“治理”相結合的方式，一方面，依據區域特有的環境資源、人口資源、技術資源等資源，對區域的發展進行比較優勢的識別，從而指導行業的發展；另外，要有針對性地解決碳排放問題，比如建立防護林制度、退耕還草等。長江中上游和下游區域的碳排放特性存在很大差異，在治理過程中不同區域要有不同方法。

再次，長江經濟帶是國家經濟重心所在，我國粗放型、高能耗型發展模式也影響著長江經濟帶的綠色經濟發展，碳減排的工作任重而道遠，長江經濟帶可以根據不同地理位置劃分為上中下游，上中下游城市之間又有不同的產業結構特征，各區域需要合理開展碳減排的工作，避免操之過急使經濟付出難以承受的代價，尤其是下游、中游省份應加速節能減排進程，具體來說：下游?。ㄊ校谡龑?，利用雄厚經濟基礎、社會累積資本建設更多產業園，提升減碳技術，同時完善環境規制政策和技術創新機制，有條不紊地削減工業用煤量，逐漸引入綠色能源因地制宜。中游省份應在政府的引導下，引入更多適齡勞動人口，并借鑒東部地區經驗，以發展較快的城市帶動周邊，打造產業鏈條更長、技術創新明顯的合作型工業帶，實現低能耗、高經濟增長方式的轉變；上游省份應加強素質教育，優化人才政策，吸引人才和避免人才外流，加快跨區、跨省的交通建設為經濟發展打好基礎，并實施環境規制，促進產業結構升級。