基于碳排放視角的工業行業全要素生產率研究

,3

(1.華北水利水電大學 資源與環境學院,河南 鄭州450045;2.華東師范大學 地理科學學院,上海 200241; 3.云南大學 國際河流與生態安全研究院,云南 昆明 650091)

基于碳排放視角的工業行業全要素生產率研究

劉 薇1,2,丁明磊1,趙榮欽1,李宇翔1,3,侯麗朋1,張戰平1

(1.華北水利水電大學 資源與環境學院,河南 鄭州450045;2.華東師范大學 地理科學學院,上海 200241; 3.云南大學 國際河流與生態安全研究院,云南 昆明 650091)

工業企業碳排放核算是當前區域低碳發展和碳排放研究的熱點之一。采用鄭州市2005—2014年35個工業行業的相關面板數據,基于IPCC方法對鄭州市不同行業能源消費的碳排放進行核算,運用DEA-Malmquist指數對不同行業碳排放的全要素生產率進行分析。結果表明:①鄭州市工業碳排放總量呈上升趨勢,且行業差異明顯。②TFPc明顯大于TFP,均值高0.112,兩者均呈波動增長態勢,但TFPc的波動趨勢明顯較大。從分解項看,TFP和TFPc都與技術進步有關。③全要素生產率增長的貢獻率由TFP的技術進步為主轉變為以TFPc的技術效率為主,特別是規模技術效率。④對大部分行業而言,技術進步對TFPc起到了拉動作用,拉動作用最明顯的行業是重化工業與高耗能行業。

碳排放;產業;全要素生產率;鄭州市

1 引言

由人類活動碳排放導致的全球溫室效應已成為近年來國內外的研究熱點問題之一。企業是人類經濟社會活動的基本單元,企業能源活動的碳排放是城市的主要碳排放源[1]。開展企業碳排放效率研究不僅有助于推動企業層面的節能減排，制定具有針對性的低碳產業發展策略,還有助于完善企業碳核查的理論和方法,為從效率與公平的角度建立科學合理的企業碳配額分配方案提供依據。

國外對全要素生產率的研究起步較早。20世紀20年代以來,國外的專家學者在傳統的和非合意產出的全要素生產率問題分析上都進行了大量研究,研究范圍廣闊,涉及到國家[2]和地區[3]尺度,包括環境[4]、工業[5]、碳排放[6]等方面的研究內容。雖然我國學者對全要素生產率研究的起步較晚,但從該理論引進之后,便迅速引起了我國學者的廣泛關注。學者們在構建全要素生產率分析框架時考慮到了環境、資源、工業等因素，他們的研究范圍有國家、區域[7]、省市[8]層面,研究領域包括我國制造業[9]及其分行業[10]、生產性服務業[11]、電力行業[12]、家電企業[13]、糧食主產區[14]、畜牧業[15],構建了包含研發投入的SBM模型和Tobit模型[16]等。有學者討論了影響全要素生產率的因素,如對外開放[17]等,同時還關注了能源環境約束下的工業效率問題[18]。現有研究拓寬了全要素生產率的研究范圍,使問題的分析更具科學性,但大多數都側重于國家和區域尺度的全要素生產率分析,對省域的研究較多,關于市域級別的研究較少,多是關于沿海發達地區[19,20]的研究,對城市分行業的工業全要素生產率的研究還需要進一步加強。

鄭州市地處我國中西部過渡地帶,是我國重要的區域性中心城市和交通樞紐，全球化的深入使鄭州市被進一步整合到全球生產網絡和承接日趨增加的來自發達國家和中國沿海發達城市的產業轉移。如何在當前全球化和迎接東部地區產業轉移的大背景下走出一條產業低碳發展的道路,是值得考慮的問題,因此對鄭州市不同工業企業碳排放及其全要素生產率研究具有重要意義。本文研究了鄭州市不同產業的全要素生產率,并對傳統的全要素生產率(Total Factor Productivity,TFP)和碳排放的全要素生產率(Total Factor Productivity under Carbon Emission Constraint,TEPC)進行了對比分析，為鄭州市產業低碳發展和產業結構優化提供了重要的參考。

2 方法與數據

2.1 研究方法

產業能源消費碳排放核算方法:借鑒IPCC的計算方法,確定各種能源消費碳排放的計算公式[21]:

CEenergy-i=Qenergy-i×Henergy-i×(Cenergy-i+Menergy-i)

(1)

式中,CEenergy-i為第i種能源的碳排放量;Qenergy-i為第i種能源的消費量;Henergy-i為第i種能源的凈發熱值;Cenergy-i為第i種能源的碳排放系數;Menergy-i為第i種能源的CH4排放系數[22]。

Malmquist生產率指數:根據Shephard距離函數,全要素生產率從t時期到t+1時期變化的Malmquist指數具體形式:

MO(xt+1,yt+1,xi,yi)

(2)

在假設規模報酬固定的前提下,該指數可分解為技術進步指數和技術效率指數:

式中,若Effch>1,表示決策單元向前沿面趨近,效率改善,行業的制度、管理、經營體制合理;Effch<1,表示效率下降,與最高技術水平差距大,經營管理不協調。若Techch>1,表示相對技術進步,接近最高的技術水平;Techch<1,表示相對技術退步,技術落后,工藝情況差[23]。

全要素生產率的分解方法:Effch代表技術效率變化指數,即科技進步指標在動態、空間、計劃等的具體反映,由下面兩部分構成:Pech純技術效率變化,表示可變規模報酬下由管理創新、制度創新所引發的生產率變動;Sech規模效率變化,代表規模經濟的作用。Techch技術進步指數,即生產前沿面的移動,表示技術創新、工藝改進對生產率變動的貢獻[24]。

我們將DEA方法與Malmquist指數相結合,對全要素生產率進行分解,在規模報酬變動的假定下,技術效率指數可進一步分解為純技術效率指數和規模效率指數的乘積,分解公式為:

=Pech×Sech

(4)

式中,CRS和VRS是DEA中的兩種數據模型;CRS為不變規模報酬模型,計算技術效率;VRS為可變規模報酬模型,是把技術效率分解成純技術效率和規模效率。式中,若Pech>1,表示在規模報酬變動的前提下效率改進;若Pech<1,意味著效率下降;若Sech>1,表示評價單元在第t+1期相對于第t期更接近規模報酬和長期最優規模;若Sech<1,意味著越偏離規模報酬和長期最優規模。

2.2 數據來源與處理過程

本文采用鄭州市2005—2014年工業行業投入—產出的面板數據,主要包括采礦業,制造業,電力、燃氣及水的生產供應三大產業以及細分的35個行業。各行業的統計數據來源于歷年的《鄭州統計年鑒》,其中各種能源的標準煤折煤系數數據來自于相關年份的《中國能源統計年鑒》。

結合相關研究[19],本文主要選取勞動力投入(L)、資本投入(K)、能源投入(E)、合意產出(Y)、非合意產出(C)作為計算指標。各指標具體說明如下:①勞動力投入(L)。用工業各行業從業人員平均人數(人)表示勞動力要素配置。②資本投入(K)。用規模以上固定資產凈值平均余額(萬元)表示資本要素配置。③能源投入(E)。用工業能源消費量(t標準煤)表示能源配置。④合意產出(Y)。用Y表示工業總產值(萬元)。⑤非合意產出(C)。用C表示工業各行業的碳排放量(萬t)。

本文采用DEAP2.1軟件分析鄭州市33個行業2005—2014年的數據的全要素生產率。需要說明的是,在進行鄭州市工業行業的全要素生產率分析時,由于工藝品及其他制造業和文體教育用品制造業兩個行業的數值較小,不滿足全要素生產率的計算要求。在具體的DEAP2.1軟件處理時,TFP和Malmquist指數會出現偏差而影響結果,所以在有關全要素的分析中剔除了這兩個行業。

3 結果分析

3.1 不同產業碳排放特征分析

從鄭州市不同類型產業的碳排放特征來看(圖1),2005年采礦業占碳排放的6%,制造業占54%,電力、燃氣及水的生產供應占40%。到2014年,采礦業和制造業的比重分別下降到3%和39%,電力、燃氣及水的生產供應的比重增長到58%。2005—2014年采礦業的占比呈現出先上升再下降的變化趨勢,總體相對平緩;制造業基本表現為逐年降低的趨勢,僅在2005—2006年有所上升;電力、燃氣及水的生產供應比重的變化趨勢與制造業剛好相反。

圖1 2005—2014年鄭州市不同產業碳排放比重

從時間變化趨勢來看(圖2),電力熱力生產和供應業的上升趨勢得最為明顯,基本上是從2005年的590.11萬t上升到2014年的1480.21萬t,增長了150.84%。有色金屬冶煉及壓延業和非金屬礦物制品業的碳排放變化趨勢一樣,都是從2005年上升到2011年,2012年降低,到2013年又升高。黑色金屬礦物制品業、橡膠和塑料制品業的變化趨勢相同,基本處于平穩狀態,但2012年的碳排放量突然上升,其余行業的碳排量都相對較少且變化平緩。說明鄭州市在快速城市化和工業化階段,產業結構呈現出“高碳化”趨勢,而城市化和工業化階段的能源需求具有快速增長和剛性需求的特征,所以鄭州市的經濟增長主要是依賴于能源消耗和資本投入,這將產生大量的碳排放。鄭州市的低碳轉型必須符合經濟發展和能源需求,所以要求我們重視地區產業結構轉型和升級,調整產業結構,優化能源結構,提高能源的利用效率,注重新技術的開發和運用,優先發展高新技術產業,減少工業行業能耗,降低溫室氣體排放。

圖2 2005—2014年鄭州市35個行業的碳排放量

3.2 不同產業碳排放的全要素生產率分析

2006—2014年鄭州市33個工業行業的TFP總體平均值為0.796(表1),而且具體到每一年的TFP值都是小于1,最高的年份是2012年,具體的TFP值為0.944。細分到技術效率指數和技術進步指數來看,技術效率年均值為0.997,技術進步指數年均值僅為0.798。而TFPc總體年均值為0.908,只有2012年和2014年大于1,技術效率指數和技術進步指數均值分別為0.919和0.988。

表1 鄭州市2006—2014年工業全要素生產率Malmquist指數

總體上來看,鄭州市兩種情形下的全要素生產率都比1小,碳排放約束下的全要素生產率值明顯大于傳統的全要素生產率,均值高了0.112,僅在2011年和2013年相對較小,說明鄭州市工業行業全要素生產率水平較低,整體上處于非良性的發展階段。鄭州市工業整體的技術效率和技術進步出現惡化的現象,技術落后是其主要原因。由于碳排放是非合意產出,對經濟增長存在負外部性,因此在評估工業行業的全要素生產率增長時考慮二氧化碳排放量將更加符合客觀實際狀況。

對鄭州市2006—2014年工業行業的TFP和TFPc對比分析來看(圖3),自2006年以來,鄭州市TFP和TFPc的增長速率呈現明顯的波動增長特征,但TFPc的波動趨勢明顯較大,特別是2010—2014年的波動更加明顯。TFP的年均增長率為7.04%,技術進步年均增長率7.14%,主要依賴于技術進步。其中,技術效率負增長0.10%,其純技術效率年均增長率為-0.16%,規模效率年均增長為0.07%;而TFPc總體的年均增長率為5.79%,技術進步年均增長12.17%,技術效率年均增長7.15%,說明TFPc同時依賴于技術效率和技術進步。其中,規模效率年均增長為7.15%,表明技術效率僅僅由規模效率決定。說明無論是否考慮二氧化碳排放,鄭州市工業行業的全要素生產率的增長絕大部分是由技術進步提升的,特別是前沿的技術進步是全要素生產率增長的重要來源。技術效率特別是純技術效率對全要素生產率的貢獻不大,有可能起抑制的作用,所以低碳發展不是簡單的調整經濟結構,鄭州市應進一步推動低碳技術的應用,提高生產效率,推動產業低碳轉型升級。

圖3 鄭州市2006—2014年工業全要素生產率Malmquist指數

從細分的行業來看,TFP的均值為0.796,比均值高的有7個行業,占21.21%,分別是化學纖維制造業，木材加工及竹藤棕草制品業，皮革羽毛及制品業，石油加工、煉焦及核燃料加工業，儀器儀表及文化辦公機械制造業，燃氣生產和供應業，水的生產和供應業,其中僅化學纖維制造業的全要素生產率大于1。分解到技術效率和技術進步上發現,技術效率均值為0.997,其中絕大部分行業大于均值,只有黑色金屬礦采選業和家具制造業小于均值,是僅有的兩個小于1的行業。然而，所有行業的技術進步都小于1,均值也只有0.798。不同行業的全要素年均增長率為-20.4%,其中技術效率年均增長率為-0.3%、技術進步年均增長率為-20.2%,表明TFP的增長是由技術進步產生的巨大貢獻率(表2)。

所有行業的TFPc的均值為0.908,大多數工業行業的指數小于1,大于1的只有非金屬礦采選業、煤炭開采和洗選業、有色金屬礦采選業、電氣機械及器械制造業、紡織業、化學纖維制造業、皮革羽毛及其制品業等7個行業,僅占21.21%。生產率高的4個行業為:煤炭開采和洗選業、有色金屬礦采選業、化學纖維制造業、皮革羽毛及其制品業,全要素生產率分別為1.106、1.118、1.16、1.134。其中,增長最快的是化學纖維制造業,年均增長率為16.00%,其中技術進步貢獻率為3.30%,技術效率為12.30%,而且這四個行業的Effch也都大于1,對全要素的提高發揮了積極的作用。TFPc較小的分別有紡織服裝鞋帽業、通信設備、計算機及其電子設備制造業、專用設備制造業,其值分別為0.79、0.665、0.79,最小的比均值少0.243。從分解項來看,主要原因是技術效率值不高,技術進步的數值較小。

從所有行業的技術進步和技術效率來看,總體上幾乎都是技術進步對全要素生產率起到了拉動作用,除了水的生產和供應業、黑色金屬礦采選業、紡織業、煤炭開采和洗選業、有色金屬礦采選業、化學纖維制造業等6個行業外,其余都是技術效率的拉動作用大。由此表明,重化工產業和傳統的支柱產業由于自身的性質,一般行業規模大,資金雄厚,政府重視,技術投入相對有保障,甚至自身的技術含量高,重視技術創新、引進新技術和設備,所以技術進步對其全要素生產率的影響不明顯。一旦這些行業調整企業內部的管理模式、轉變經營體制、優化企業的治理結構等都將能有效提高其技術效率,從而提高全要素生產率。由于重化工產業和傳統行業在鄭州市的產業布局中所占份額相對較大,對所有行業全要素生產率的影響也大,所以造成了碳排放下全要素生產率技術效率的貢獻率大。因此,鄭州市工業行業的經濟發展整體是粗放式的,低碳經濟技術還有待提高,而技術進步能有效提高全要素生產率。

對兩種情況的對比分析可見,TFPc明顯大于TFP,其中增長最快的是非金屬礦采選業、煤炭開采和洗選業、有色金屬礦采選業、電氣機械及器械制造業、紡織業、煙草制品業五個行業,通信設備、計算機及其電子設備制造業甚至有所減少,降低了0.116。表明全要素生產率增長最快的行業主要是重工業和能耗較高的行業。鄭州市正處于快速工業化和城鎮化的階段,高能耗、高污染、高排放的工業行業帶動的GDP快速發展依然是目前今鄭州市經濟發展的主線,重工業的快速發展是短時間內的特征。因此,高耗能產業行業將大規模發展,碳排放約束下的全要素生產率會明顯高于傳統的全要素生產率,而且碳排放約束下的全要素生產率的提高是以環境污染為代價的。

表2 鄭州市工業33個行業2006—2014年Malmquist指數情況

4 結論與政策建議

本文采用2005—2014年鄭州市采礦業、制造業、電力、燃氣及水的生產供應業及其細分的35個行業間的投入—產出數據,對不同工業行業的TFP和TFPc進行了對比分析,主要結論為:①鄭州市碳排放總量上升,行業差異明顯,且鄭州市的碳排放主要集中在煤炭、金屬、化工、電力等高能耗部門。②總體看來,TFPc明顯大于TFP,均值高了0.112,兩者都在波動中增長,但TFPc的波動趨勢明顯較大。具體細分到Effch和Techch時發現,TFP和TFPc都與技術進步有關。技術效率特別是純技術效率對全要素生產率幾乎沒有貢獻,甚至可能起抑制的作用。③對所有行業的TFP和TFPc進行對比分析可見,增長最快的行業主要是重工業和能耗量高的行業。從技術結構角度分析發現,TFP的年均增長率以技術進步為主,而TFPc的年均增長率以技術效率為主,特別是規模技術效率，TFPc高的行業多是鄭州市的重化工業和傳統支柱工業。④從細分行業的TFPc分解角度分析,鄭州市工業行業整體技術水平低,重化工行業對TFPc的影響大。

為了實現鄭州市產業低碳發展,建議從以下方面入手:①改善生產效率,提高碳生產率。提升技術效率和技術進步,改善鄭州市工業行業的全要素生產率。②優化產業結構,推動低碳轉型。設置低碳準入門檻,推動產業結構優化,逐步降低高碳排放工業部門的比重。③提高研發水平,推動技術創新。從“軟硬”兩方面提高技術效率,加強對重工業的低碳技術改造,提高能源效率,實現節能減排。

[1]趙榮欽,黃賢金,鐘太洋.中國不同產業空間的碳排放強度與碳足跡分析[J].地理學報,2010,65(9)∶1048-1057.

[2]Surender K.Environmentally Sensitive Productivity Growth：A Gobal Analysis Using Malquist-luenberger Index[J].Ecological Economics,2006,56(2)∶280-293.

[3]Shunsuke M,Shinji K.Economic Growth and the Environment in China:An Empirical Analysis of Productivity[J].International Journal of Global Environmental Issues,2006,6(1)∶89-133.

[4]Kaneko S,Managi S.Environmental Productivity in China[J].Economics Bulletin,2004,17(2)∶1-10.

[5]Domazlicky BR,Weber WL.Does Environmental Protection Lead to Slower Productivity Growth in the Chemical Industry[J].Environmental and Resource Economics,2004,28(3)∶301-424.

[6]Zhou P,BW Ang,Han J Y.Total Factor Carbon Emission Performance：A Malmquist Index Analysis[J].Energy Economics,2010,32(1)∶194-201.

[7]李國璋,霍宗杰.我國全要素能源效率及其收斂性[J].中國人口·資源與環境,2010,20(1)∶11-16.

[8]陳紅蕾,覃偉芳,吳建新.考慮碳排放的工業全要素生產率變動及影響因素研究——廣東案例[J].產業經濟研究,2013,(5)∶45-53.

[9]沈能.中國制造業全要素生產率地區空間差異的實證研究[J].中國軟科學,2006,(6)∶101-110.

[10]李小平,朱鐘棣.中國工業行業的全要素生產率測算——基于分行業面板數據的研究[J].管理世界,2005,(4)∶56-64.

[11]原毅軍,劉浩,白楠.中國生產性服務業全要素生產率測度——基于非參數Malmquist指數方法的研究[J].中國軟科學,2009,(1)∶159-167.

[12]孫建國,李文溥.電力行業技術效率和全要素生產率增長的國際比較[J].中國經濟問題,2003,(6)∶34-40.

[13]羅彪,陸中良,朱曉梅.基于交叉效率Malmquist指數的我國家電上市企業TFP分析[J].世界科技研究與發展,2011,33(4)∶686-690.

[14]張利國,鮑丙飛.我國糧食主產區糧食全要素生產率時空演變及驅動因素[J].經濟地理,2016,36(3)∶147-152.

[15]易青,李秉龍,耿寧.基于環境修正的中國畜牧業全要素生產率分析[J].中國人口·資源與環境,2014,24(11)∶121-125.

[16]黃永春,石秋平.中國區域環境效率與環境全要素的研究——基于包含R&D投入的SBM模型的分析[J].中國人口·資源與環境,2015,25(12)∶25-34.

[17]毛其淋,盛斌.對外經濟開放、區域市場整合與全要素生產率[J].經濟學,2012,11(1)∶181-210.

[18]王燕,謝蕊蕊.能源環境約束下中國區域工業效率分析[J].中國人口·資源與環境,2012,22(5)∶114-119.

[19]李春發,譚洪玲,王瀾穎,等.天津市工業行業全要素能源效率變動的影響因素分析[J].中國人口·資源與環境,2012,22(4)∶156-162.

[20]武盈盈,李燕.山東省工業能源效率及其影響因素研究[J].中國人口·資源與環境,2012,25(6)∶114-120.

[21]趙榮欽,黃賢金,彭補拙.南京城市系統碳循環與碳平衡分析[J].地理學報,2012,67(6)∶758-770.

[22]趙榮欽,劉英.區域碳收支核算的理論與實證研究[M].北京：科學出版社,2015.

[23]葉懿安,朱繼業,李升峰,等.長三角城市工業碳排放及其經濟增長關聯性分析[J].長江流域資源與環境,2013,22(3)∶257-262.

[24]吳常艷,黃賢金,揣小偉,等.中國工業行業碳排放效率分析——以江蘇省為例[C].北京：中國環境科學學會,2014∶7.

ResearchonTotalFactorProductivityofIndustriesBasedonCarbonEmission

LIU Wei1,2,DING Ming-lei1,ZHAO Rong-qing1,LI Yu-xiang1,3,HOU Li-peng1,ZHANG Zhan-ping1
(1.School of Resource and Environment,North China University of Water Resources and Electric Power,Zhengzhou 450045,China; 2.School of Geographic Sciences,East China Normal University,Shanghai 200241,China; 3.Institute of International Rivers and Eco-Security,Yunnan University,Kunming 650091,China)

Industrial carbon emission in accounting was one of the hot spots of regional low carbon development and carbon emissions.Based on the panel data of 35 industrial sectors in Zhengzhou City during 2005-2014,the carbon emissions in accounting from energy consumption of industries in Zhengzhou by IPCC method,and the total factor productivity of the carbon emissions of different industries were analyzed by DEA-Malmquist index method.The main conclusions were as follows:①The total carbon emissions of industries in Zhengzhou increased since 2005,and there had huge difference among different industries.②The mean value of TFPc was 0.112 higher than that of TFP.Both TFPc and TFP presented a fluctuating growing trend,while the fluctuation of TFPc was more obvious.It could be founded that TFP and TFPc were both influenced by technological progress when the index was decomposed into the product of technical efficiency and technological progress.③The growth of TFP was determined by technological progress,while that of TFPc was determined by technical efficiency,especially the technical efficiency of scale.④For almost all of industries,technological progresses played a stimulating role in the growth of TFPc,and the fastest-growing industries were mainly concentrated in heavy chemical industry and higher energy consumption industries.

carbon emissions;industry;total factor productivity;Zhengzhou City

10.3969/j.issn.1005-8141.2017.03.012

X822

A

1005-8141(2017)03-0322-05

2017-01-08；

2017-02-21

國家自然科學基金項目(編號:41301633)。

劉薇(1992-),女,四川省宜賓人,碩士研究生,主要從事地理計算研究。

趙榮欽(1978-),男,河南省孟津人,博士后,副教授,主要從事土地利用與碳排放研究。