中國省域碳排放效率動態評價研究
——基于交叉效率DEA模型

劉金培1,葛海霞1,王怡然1,陳金朝1,王 慧

(1.安徽大學 商學院,安徽 合肥 230601;2.浙江農林大學 理學院,浙江 杭州 311300)

中國省域碳排放效率動態評價研究
——基于交叉效率DEA模型

劉金培1,葛海霞1,王怡然1,陳金朝1,王 慧2

(1.安徽大學 商學院,安徽 合肥 230601;2.浙江農林大學 理學院,浙江 杭州 311300)

節能減排的關鍵在于提高碳排放效率,考慮到能源消費結構差異的影響,建立交叉效率DEA模型對我國各省份碳排放效率進行動態評價。在對我國30個省區2005—2014年的碳排放量進行測算的基礎上,根據能源消費結構對30個省區進行聚類分析,進一步構建基于交叉效率的DEA模型。基于2005—2014年各省區的面板數據,對我國30個省區的碳排放效率進行動態評價分析。研究結果表明:2005—2014年,我國大部分地區的碳排放效率較為穩定且呈現出緩慢遞增趨勢,西部碳排放效率增長速度最快;碳排放最大和最小的地區差距有逐年縮小的趨勢;我國碳排放效率呈現出東部gt;中部gt;西部的特征,廣東、江蘇、山東、浙江等東部地區碳排放效率最高,新疆、寧夏、青海等西部地區碳排放效率較低。

碳排放效率;能源結構;交叉效率DEA;動態評價

1 引言

自改革開放以來,我國經濟取得了較快發展。2010年中國經濟總量超越日本,成為全球第二大經濟實體。但我國資源環境問題不容樂觀,“高碳”已成為經濟發展十分顯著的特征[1]。世界能源所(WRI)數據表明,我國已于2009年超過美國成為全球最大的碳

排放國家。化石能源的燃燒帶來全球變暖等環境問題[1,2]。因此,在2009年12月的哥本哈根國際氣候會議上,我國政府承諾:力爭在2020年前使我國單位生產總值的CO2排放量比2005年降低40%—50%[3]。為了有針對性地給出節能減排的合理建議,需要全面了解我國各省區的碳排放狀況,科學評價各省區碳排放效率。

回顧國內外文獻,早期較多地采用單要素指標測算碳排放效率,但是它存在過度夸大某個單要素的作用,且無法反映指標間替代作用的缺陷。全要素方法在揭示一個地區要素稟賦結構對其能效的影響上要優于單要素方法,因此現在學者們普遍采用全要素方法研究碳排放效率[4]。在全要素分析中,如何確定效率前沿十分重要。Farrell提出兩種可能的處理方式:一種是使用非參數估計的方法,另一種是使用參數估計的方法[5]。前一種方案發展成為當今的數據包絡分析法(DEA)[6],后一種方案被Aigner、Meeusenand、Vanden Broeck發展成隨機變量前沿分析法(SFA)[7,8]。

目前,數據包絡分析方法(DEA)和隨機變量前沿分析法(SFA)是研究碳排放效率的兩種主流方法。Zhou等[9]利用DEA模型整合了影響CO2減排績效的指標,從而評估了18個CO2排放大國的CO2減排績效；吳賢榮、張俊飚等[10]基于DEA-Malmquist指數分解方法與Tobit模型對我國各省區的農業碳排放量進行了測算,并對碳排放效率變動及其影響因素進行了研究,得到省際間農業碳排放效率變動存在差異；李濤、傅強基于DEA環境效率評價的角度,通過對我國1998—2008年29個省區碳排放效率的測算,認為我國碳排放效率逐步提高,但區域差異明顯[11]；RistoHerrala等[12]利用隨機前沿分析法,評價了1997—2007年170個國家和地區的CO2排放效率,結果顯示我國的碳排放效率最低；杜克銳、鄒楚沅基于隨機前沿模型分析了我國的碳排放效率的地區差異,發現我國碳排放效率地區差異呈擴大趨勢[13]。

數據包絡分析(DEA)作為一種非參數方法,相較于隨機變量前沿分析法,具有事先無需知道生產函數具體形式、可以同時處理多個投入和多個產出、各投入要素權重非主觀確定等優點。但基于傳統DEA模型的碳排放效率評價仍然具有以下缺點:①只能將決策單元區分為DEA有效還是非有效兩類,不能進一步進行分級和排序。②用于計算效率值的權系數只在對被評單元最有利(使其效率值最大)的范圍內取值,容易形成夸大自身優勢,產生表面DEA有效[14]。交叉效率DEA方法是一種互評體系效率的評價方法,通過決策單元之間相互評價可以克服上述問題[15]。此外,由于能源活動最主要的是CO2排放來源,對我國各省份來說,能源消費結構取決于能源生產結構,能源生產結構又受制于能源儲量結構。另有研究表明,能源活動的CO2排放幾乎全部來源于化石燃料的燃燒,因此CO2排放和能源消費結構有著密切的關聯。然而,由于各區域能源稟賦的差異,我國各省區的能源消費結構類型差距較大[16]。因此,對我國各省區進行碳排放效率評價還需要充分考慮能源消費結構差異的影響。可以看出,基于傳統DEA模型的碳排放效率評價仍存在問題,尤其是建立交叉效率DEA模型對我國碳排放效率進行評價的研究還存在空白,尤其缺乏考慮能源結構差異影響的分析。因此,本文考慮到能源消費結構的影響,基于2005—2014年30個省區(因數據不易獲取，未包括西藏自治區、香港和澳門特別行政區、臺灣地區，下同)的碳排放面板數據,提出基于交叉效率DEA的碳排放效率評價方法,對我國碳排放效率進行動態評價分析,為我國低碳經濟發展相關政策的制定提供理論支持。

2 碳排放測算

科學測算中國各省區每年的碳排放量是進行碳排放效率評價的基礎和前提。參照IPCC以及國家氣候變化對策協調小組辦公室和國家發改委能源研究所給出的方法,結合文獻[17]的研究,對我國各地區的化石能源燃燒所產生的CO2排放量和水泥生產過程產生的CO2排放量進行了合理測算。化石能源消費數據和水泥生產的數據分別來自相關年份的《中國能源統計年鑒》和國泰安數據庫,本文涉及到的碳排放量是指狹義上CO2溫室氣體的排放量。

碳排放總量計算公式為:

(1)

式中,TC表示CO2排放總量;EC表示化石能源燃燒CO2的排放總量;CC表示水泥生產過程產生的CO2排放總量;ECi是指估算的各類能源消費的CO2排放總量;i(i=1…7)是指能源消費類型,分別代表了煤炭、焦炭、煤油、汽油、柴油、燃料油和天然氣;Ei、CFi、CCi和COFi分別代表此地區第種能源的消費量、發熱值、碳含量、氧化因子；CFi×CCi×COFi×3.67則為各類能源碳的排放系數;Q表示水泥生產總量;EFcement表示水泥生產過程中的碳排放系數。排放系數見表1。根據式(1),可獲得2005—2014年我國30個省區的碳排放量估計值,見表2。

表1 各排放源的碳排放系數

表2 2005—2014年我國省際區域碳排放量(萬t)

(續表2)

省區/年份2005200620072008200920102011201220132014安徽18058199492256825881288973084133721360473882239800福建12421139791631317049194132063524435241082413024500江西11496126411411514410154191763619657199522201922800山東62399713527631579086814189009094950994769529099900河南39218447675031952259539405781464521611826141562900湖北21866248152744927413296043439539081398163470835000湖南19381212862496825053272612932932095319993139531500廣東33130366073959840710427494709051763499744987250800廣西10439113801320513885157531842920804222452297122700海南1760199322772485281833484242451547214800重慶10812118411297213596147341658818789189551709618400四川22780252122851129491343373772638640394564070940900貴州15443177461921219665218162249025439283083004629900云南17487193102028820960231292467925909274642767925700陜西13842169141880320983233012791231713367383961442000甘肅903295791074011086109581290714812160861709417800青海2366277632913646388638554587566363896000寧夏633970287892882898001177215805161451723917600新疆10143116081299114730178561993224066291783452438400

3 研究方法與數據來源

3.1 研究方法

DEA評價方法不但可以用于被評價決策單元具有多個投入和多個產出的情況,而且不需要預先給定任何主觀信息,已被廣泛運用在多個領域[18,19]。然而,傳統DEA模型不能將決策單元完全排序,用于計算效率值的權系數只對被評單元最有利的范圍內取值,容易夸大自身效率。本文構建可以進行完全評價以及加入他評的交叉效率DEA模型,對2005—2014年我國30個省區的碳排放效率進行動態評價。

計算第k個決策單元(DMUk)的自我評價效率值θkk(k=1,…,n)。若對n個決策單元DMUj(j=1,2,…,n)進行評價,每個決策單元都具有m種投入和s種產出,記xij和yrj(i=1,…,m)分別為第j個決策單元DMUj(j=1,…,n)的第i種投入和第r種產出(i=1,…,m;r=1,…,s)。建立以下DEA模型[20]:

通過對線性規劃模型(2)求解,可得出DMUk的相對效率得分θkk。θkk越大，表明該決策單元效率越高,越有效。由模型(2)的目標函數可以看出,θkk是通過最有利于DMUk的權重計算出來的值,因此稱θkk為DMUk的自我評價效率值。

根據第一步求得的最優目標函數值θkk,構建如下的進取型交叉效率DEA模型并求解,得到投入—產出的權重向量πik和λik。

(4)

進一步可以得到交叉評價效率矩陣Θ=(θij)n×n。其中,主對角線元素θkk為自我評價值,非對角線元素θkj(j≠k)是指DMUk對DMUj的交叉效率評價值。Θ第j列的值代表其他所有決策單元對DMUj的評價值,值越大,說明越有效。

將交叉評價效率矩陣Θ的第j列進行平均,得到DMUj的最終交叉效率評價值:

(5)

3.2 數據來源

本文主要選取我國30個省區作為研究對象,以其2005—2014年投入—產出面板數據作為研究樣本。參照相關學者采用的投入—產出指標,并結合數據的可獲得性,選取了能源消費總量、能源類型、資本投入、勞動力投入、產業結構5個投入指標,將地區生產總和碳排放量作為產出指標。鑒于西藏自治區、香港特區、澳門特區和臺灣省缺少的數據資料較多,故未將其作為本文的研究對象。數據來自于相關年份的《中國能源統計年鑒》、《中國歷年統計年鑒》和各省統計年鑒、國泰安數據庫。

表3 各省區能源消費結構類型

4 實證研究

4.1 計算結果及討論

利用交叉效率評價模型,基于2005—2014年我國30個省區碳排放相關投入—產出的面板數據,利用MATLAB對我國30個省區2005—2014年的碳排放交叉效率進行了測算,結果見表4。由表4可見,整體上我國各省區碳排放效率呈平穩上升趨勢。在空間上,碳排放效率最大和最小省份的差異有逐年縮小的趨勢。2005年效率值最大的廣東省和最小的青海省相差0.692,而2014年兩者相差0.510,表明碳排放效率區域差異有所縮小但縮小幅度有限。在時間上,我國各省區(除廣東省外)碳排放交叉效率整體呈現出逐年緩慢遞增趨勢,表明我國節能減排工作穩步推進,取得一些成效,但未來碳減排的任務仍然艱巨。在部分地區,如四川、湖北、北京、貴州等地碳排放效率增幅較大,說明相對其他省區,這些地區節能減排政策的相對效果更加顯著,尤其是2008年和2013年大部分省區的碳排放效率增幅較大。

表4 2005—2014年各省區的碳排放交叉效率評價值

(續表4)

省區/年份2005200620072008200920102011201220132014江蘇0.8290.8210.8510.8700.8780.8850.9000.9180.8900.898浙江0.7490.7390.7500.7720.7610.7720.7730.7760.8220.797安徽0.7360.7110.7060.7590.7660.7520.7810.7970.8220.791福建0.6600.6290.6290.6840.6780.6970.6590.6640.7390.726江西0.7020.6850.6730.7120.7220.7470.7500.7710.8000.784山東0.7670.7680.7690.8820.8780.8590.8470.8540.9170.902河南0.7860.7430.7120.8020.7600.7520.7310.7170.7340.708湖北0.5940.5880.6100.6830.6890.7060.7140.7330.7980.780湖南0.7180.7050.6980.7530.7580.7640.7710.7920.8420.825廣東0.9710.9650.9700.9570.9430.9370.9290.9210.8990.881廣西0.6280.6110.5910.6480.6170.6010.6060.5970.6430.627海南0.4610.4510.4470.4970.4780.4580.4890.4790.5200.478重慶0.5330.5040.5030.5680.5690.5620.5720.5790.6370.628四川0.6220.6180.6100.6520.6610.6890.7290.7510.7970.779貴州0.4440.4380.4380.5290.5220.5160.5410.5670.6450.650云南0.5400.5330.5180.5420.5280.4940.5030.5250.5810.562陜西0.5660.5660.5450.6540.6760.6860.6610.6860.7230.695甘肅0.4470.4450.4250.4900.4720.4730.5040.5120.5690.540青海0.2790.2880.3050.4080.3740.3690.3730.3700.4210.371寧夏0.2930.2870.3000.4250.3780.3910.3820.3900.4600.402新疆0.4010.4020.3860.4630.4340.4640.4690.4690.5340.502

4.2 碳排放效率地區差異比較

本文將我國各省區按照東部、中部、西部進行區域劃分,進一步來研究碳排放交叉評價效率的區域差異。東部、中部和西部的具體劃分見表5。由于先天資源稟賦、地理位置、社會經濟發展水平等差異,我國東部、中部、西部三大地區碳排放效率差異明顯。2005—2014年,我國東、中、西部碳排放效率比較見圖1。

表5 我國三大區域劃分及構成

圖1 2005—2014年我國三大區域碳排放效率

從空間上來看,東部地區碳排放效率得分最高,中部緊隨其后,西部碳排放效率得分最低,碳排放效率整體呈現出東部gt;中部gt;西部的特征。東部地處沿海,較早承接產業轉移,是對外開放的門戶,經濟發展一直較為迅速,技術積累優勢明顯,且東部地區服務業發展迅速為主已經形成一定的規模,因此碳排放效率最高。中部地區高耗能產業較多,先天資源稟賦不足,但由于指標中選取了能源結構類型,消除了先天條件較差省區(以煤為主的省份)的不足,使所有省區在同一水平上進行比較,所以中部碳排放效率較高。西部由于地理條件所限,相對與外界交流較少,經濟發展和高新技術應用相對落后,碳排放效率相對較低。

在增長速度上,西部碳排放效率增長最快,發展潛力較大,東部、中部地區增長較為平緩。自從1999國家提出西部大開發戰略以來,西部社會經濟得到了較快發展,能源環境問題也得到改善。其中,在2014年碳排放效率呈現出明顯的下降趨勢,主要原因是在我國提出經濟發展新常態之后,2014年我國GDP增速放緩,僅為7.4%。在其他投入保持基本不變的情況下,GDP產出減少,導致碳排放效率降低。2007—2008年碳排放效率顯著上升的原因在于2007年我國通貨膨脹導致經濟過熱,GDP增幅較大。

表6 兩種碳排放效率值對比及排名

4.3 各省區效率值排名

我們將DEA交叉效率的得分與傳統DEA效率得分進行比較,2005—2014年我國30個省區的傳統DEA效率得分和交叉效率得分的均值與排名見表6。由表6可見,交叉效率DEA模型與傳統DEA模型對30個省區的碳排放效率評價結果具有較高的一致性。然而,傳統的DEA評價效率值無法對效率值為1的省區進行區分,而平均交叉效率模型則較好地區分了所有省區的碳排放效率。結果顯示,廣東、江蘇、山東、浙江等東部地區碳排放效率最高,新疆、寧夏、青海等西部地區效率最低。

5 對策建議

本文考慮到能源消費結構的影響,基于2005—2014年我國30個省區的碳排放面板數據,提出基于交叉效率DEA的碳排放效率評價方法,對我國碳排放效率進行動態評價分析,得出的研究結論和管理建議如下:①從空間上看,不同省區應制定不同的節能減排政策,我國各省區應根據碳排放效率差異以及區域發展現狀制定適合自身發展的節能減排措施。對東部碳排放效率較高的地區,應繼續著力發展高新技術產業、知識密集型產業等低能耗產業;提高當地風能、太陽能等可再生能源的使用比例,優化能源消費結構。對中部地區要減少高污染企業數量、鼓勵節能環保型產業發展以優化產業結構,限制煤炭的開采使用總量,調整能源利用結構;產學研相結合,將高校院所研究成果更好為節能減排服務,并且要加大科研投入,從而提高能源利用效率。對西部低效地區,抓住區域經濟應協同發展的機會,加強與其他人才和技術互動與交流;學習中東部地區成功經驗,結合自身實際情況,保證經濟快速發展,同時發展低碳經濟;國家應出臺政策吸引優秀人才,引進資金,扶持西部地區低碳經濟發展。②從時間上看,2005—2013年我國各地區碳排放效率整體呈現出緩慢上升趨勢,而在2014年碳排放效率出現了降低,主要原因在于我國正在經歷經濟結構轉型,淘汰落后產能的措施和加大環保力度在短期內對經濟發展產生了影響。所以，各地區在強調節能減排的同時,應保障經濟持續健康發展。追求短期環境改善不能根本解決問題,保護環境損害經濟發展同樣不可取,應促進經濟發展與生態環境保護相適應。此外,東西部地區效率有差距逐漸縮小的趨勢，西部碳排放效率增長速度最快,增長潛力較大,應加大對西部的扶持力度,促進西部經濟、社會、環境狀況良好發展。

[1]許士春,習蓉,何正霞.中國能源消耗碳排放的影響因素分析及政策啟示[J].資源科學,2012,34(1)∶2-12.

[2]劉金培,汪官鎮,陳華友,等.基于VAR模型的PM2.5與其影響因素動態關系研究——以西安市為例[J].干旱區資源與環境,2016,30(5)∶78-84.

[3]劉亦文,胡宗義.中國碳排放效率區域差異性研究——基于三階段DEA模型和超效率DEA模型的分析[J].山西財經大學學報,2015,37(2)∶23-34.

[4]楊紅亮,史丹.能效研究方法和中國各地區能源效率的比較[J].經濟理論與經濟管理,2008,(3)∶12-20.

[5]Hu J L,Wang S C.Total-factor Energy Efficiency of Regions in China[J].Energy Policy,2012,46(2)∶821-833.

[6]Charnes A W,Cooper W W,Rhodes E L.Measuring Efficiency of Decision-making Units[J].European Journal of Operational Research,1979,2(6)∶429-444.

[7]Schmidt L P.Formulation and Estimation of Stochastic Frontier Production Function Models[J].Journal of Econometrics,1977,6(1)∶21-37.

[8]Meeusen W,Broeck J V D.Efficiency Estimation from Cobb-douglas Production Functions with Composed Error[J].International Economic Review,1977,18(2)∶435-444.

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

[10]吳賢榮,張俊飚,田云,等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J].資源科學,2014,36(1)∶129-138.

[11]李濤,傅強.中國省際碳排放效率研究[J].統計研究,2011,28(7)∶62-70．

[12]Herrala R,Goel R K.Global CO2Efficiency：Country-wise Estimates Using a Stochastic Cost Frontier[J].Energy Policy,2012,45(6)∶762-770．

[13]杜克銳,鄒楚沅.我國碳排放效率地區差異、影響因素及收斂性分析——基于隨機前沿模型和面板單位根的實證研究[J].浙江社會科學,2011,(11)∶32-43.

[14]張天學,張福翔. DEA評價與排序的新方法[J].數學的實踐與認識,2002,32(6)∶911-917.

[15]孫加森.數據包絡分析(DEA)的交叉效率理論方法與應用研究[D].合肥：中國科學技術大學碩士學位論文,2014.

[16]張麗峰.我國產業結構、能源結構和碳排放關系研究[J].干旱區資源與環境,2011,25(5)∶1-7.

[17]杜立民.我國二氧化碳排放的影響因素：基于省級面板數據的研究[J].南方經濟,2010,28(11)∶20-33.

[18]呂林.基于DEA方法的中國區域節能減排效率評價與分析[D].合肥：中國科學技術大學碩士學位論文,2016.

[19]彭育威,吳守憲,徐小湛.利用MATLAB進行DEA交叉評價分析[J].西南民族大學學報,2004,30(5)∶553-556.

[20]Wang Y M,Chin K S.Some Alternative Models for DEA Cross-efficiency Evaluation[J].International Journal of Production Economics,2010,128(1)∶332-338.

[21]王成瑞,趙達薇.中國各省市能源結構的聚類分析[J].電力科學與工程,2007,23(2)∶27-29.

[22]單豪杰.中國資本存量K的再估算：1952—2006[J].數量經濟技術經濟研究,2008,(10)∶17-31.

DynamicEvaluationofCarbonEmissionEfficiencyinChina′sProvinces——BasedonCrossEfficiencyDEAModel

LIU Jin-pei1,GE Hai-xia1,WANG Yi-ran1,CHEN Jin-zhao1,WANG Hui2

(1.School of Business,Anhui University,Hefei 230601,China;2.School of Sciences,Zhejiang Aamp;F University,Hangzhou 311300,China)

The sticking point to energy saving and emission reduction was to improve the efficiency of carbon emission.Considering the influence of energy consumption structure,this paper set up a cross efficiency DEA model to evaluate the carbon efficiency of each province dynamically in China.On the basis of the measurement of carbon emissions in 30 provinces and regions in China from 2005 to 2014,30 provinces and autonomous regions were clustered according to the energy consumption structure,and the DEA model based on cross efficiency was further constructed.According to the 2005-2014 panel data,the dynamic evaluation of carbon emission efficiency in 30 provinces and autonomous regions of China was carried out.The results showed that from 2005 to 2014,the carbon emission efficiency in most areas of our country was relatively stable and showing a slow increasing trend.The growth rate of carbon emission in western China was the fastest.The gap between the largest and the smallest regional carbon emissions was decreasing year by year.China′s carbon emissions efficiency showed the characteristic that the eastern part was larger than the central and the central was greater than the west.Among them,the efficiencies of carbon emissions in Guangdong,Jiangsu,Shandong and Zhejiang were higher.Xinjiang,Ningxia,Qinghai and other western regions were less efficient.

carbon emission efficiency;energy structure;cross efficiency DEA;dynamic evaluation

10.3969 /j.issn.1005-8141.2017.09.004

X321

A

1005-8141(2017)09-1041-05

2017-07-10；

2017-08-23

國家自然科學基金項目(編號:71501002、71371011、71301001);教育部人文社會科學研究青年基金項目(編號:13YJC630092);安徽省自然科學基金項目(編號:1508085QG149、1608085QF133);安徽省社科規劃項目(編號:AHSKQ2014D13、AHSKQ2016D13);安徽大學創新訓練計劃項目(編號:201610357484);浙江省自然科學基金項目(編號:LQ15G010006)。

及通訊作者簡介：劉金培(1984-),男,山東省濱州人,博士,副教授,主要從事低碳經濟與管理方面的研究。