基于三階段DEA模型的福建省能源碳排放效率與影響因素研究

杜翼 馬靜靜 項(xiàng)康利

摘.要：在促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展的同時(shí)要減少CO2排放量，關(guān)鍵在于如何提高CO2排放效率。本文首先以1994—2017年福建省24個(gè)經(jīng)濟(jì)單元為研究對(duì)象，在全要素框架下利用三階段DEA模型實(shí)證測(cè)算了福建省各年份的能源CO2排放效率;其次為進(jìn)一步探究影響福建省碳排放效率的因素，利用OLS回歸模型對(duì)其因素的影響程度進(jìn)行研究。研究發(fā)現(xiàn)，受環(huán)境變量和隨機(jī)誤差影響，1994—2017年碳排放效率值被高估，可能是受調(diào)整前比較有利的外部環(huán)境和相對(duì)較好的運(yùn)氣水平所致;2009、2012—2017年效率值被低估，主要是因?yàn)榧兗夹g(shù)效率值的增加，對(duì)福建省技術(shù)條件優(yōu)越性的充分利用。而OLS回歸結(jié)果表明，三產(chǎn)產(chǎn)值比重的增加以及提高政府影響力是促進(jìn)碳排放效率的關(guān)鍵因素;所有權(quán)屬性是抑制碳排放效率的決定因素;人均GDP和人口密度均為抑制碳排放效率的因素，但影響效果不顯著。根據(jù)以上分析結(jié)果，有針對(duì)性地提出相關(guān)政策建議來(lái)提高福建省能源碳排放效率。

關(guān)鍵詞：三階段DEA;碳排放效率;能源消費(fèi);OLS回歸

中圖分類(lèi)號(hào)：X321 ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1671-0037（2019）10-8-12

DOI：10.19345/j.cxkj.1671-0037.2019.10.002

作為海峽兩岸經(jīng)濟(jì)區(qū)中居于主體地位的省市，福建省近幾年的經(jīng)濟(jì)社會(huì)發(fā)展取得了巨大的進(jìn)步。根據(jù)《2018年福建省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》顯示，2018年全年地區(qū)生產(chǎn)總值35.804.04億元，比2017年增長(zhǎng)8.3%。其中，第一產(chǎn)業(yè)增加值2.379.82億元，增長(zhǎng)3.5%;第二產(chǎn)業(yè)增加值17.232.36億元，增長(zhǎng)8.5%;第三產(chǎn)業(yè)增加值16.191.86億元，增長(zhǎng)8.8%，且增加值比重為45.2%。可見(jiàn)，福建省由主要依靠第二產(chǎn)業(yè)發(fā)展到依靠第二、三產(chǎn)業(yè)共同促進(jìn)經(jīng)濟(jì)增長(zhǎng)，而緩解環(huán)境惡化、資源供需矛盾緊張主要還是要大力振興第三產(chǎn)業(yè)。

2018年福建省能源消耗總量為13.481萬(wàn)噸標(biāo)準(zhǔn)煤，能耗增量為591萬(wàn)噸標(biāo)準(zhǔn)煤，比2017年增長(zhǎng)4.59%，其中煤炭消費(fèi)量占比達(dá)46%以上，遠(yuǎn)高于其他能源的消耗比重。然而，能源消耗是CO2排放的主要來(lái)源之一，同時(shí)，能源消耗量的增加會(huì)帶來(lái)嚴(yán)重的環(huán)境問(wèn)題。隨著福建省經(jīng)濟(jì)區(qū)建設(shè)的加快，能源需求與CO2排放量將呈現(xiàn)出剛性增長(zhǎng)趨勢(shì)，如何處理好能源、環(huán)境、經(jīng)濟(jì)的可持續(xù)發(fā)展，節(jié)能減排工作顯得尤為重要。評(píng)價(jià)節(jié)能減排的重要抓手就是提高能源利用效率，增加碳排放效率，因此探討福建省能源碳排放效率水平及其影響因素，能夠?yàn)楣芾碚咧贫ㄏ嚓P(guān)節(jié)能減排政策提供理論基礎(chǔ)和科學(xué)依據(jù)。

1 文獻(xiàn)綜述

碳排放效率的概念出現(xiàn)已久，但學(xué)術(shù)界對(duì)碳排放效率的定義仍未統(tǒng)一。大多數(shù)研究者認(rèn)為碳排放效率概念就是以較少的CO2排放量來(lái)取得較高的經(jīng)濟(jì)增長(zhǎng)和較少的能源消耗[1]。對(duì)于如何衡量碳排放效率這個(gè)指標(biāo)，不少學(xué)者將CO2排放、經(jīng)濟(jì)增長(zhǎng)和能源消費(fèi)這三個(gè)因素結(jié)合起來(lái)，將單位能源的CO2排放量、單位GDP的CO2排放量、人均GDP的CO2排放量和單位GDP能耗等作為評(píng)價(jià)碳排放的指標(biāo)[2-4]。盡管三者聯(lián)系緊密，但是大多數(shù)研究均基于任意兩個(gè)因素之間的結(jié)合，如經(jīng)濟(jì)增長(zhǎng)與碳排放、能源消費(fèi)與碳排放，未能將碳排放、經(jīng)濟(jì)增長(zhǎng)和能源消費(fèi)同時(shí)考慮在內(nèi)。Kaya等提出碳生產(chǎn)率，并將其近似當(dāng)作碳排放效率，將GDP與CO2排放量的比值作為碳排放效率，評(píng)價(jià)人類(lèi)在發(fā)展經(jīng)濟(jì)的時(shí)候?qū)Νh(huán)境帶來(lái)的影響[5]。該定義強(qiáng)調(diào)了CO2排放量與經(jīng)濟(jì)增長(zhǎng)之間的緊密聯(lián)系，卻忽視了CO2排放量與能源消費(fèi)之間的內(nèi)在聯(lián)系。

參考并借鑒前人學(xué)者對(duì)碳排放效率的定義，從經(jīng)濟(jì)學(xué)投入和產(chǎn)出角度看，將CO2排放作為一種經(jīng)濟(jì)學(xué)中的非期望產(chǎn)出，基于投入產(chǎn)出關(guān)系，本文擬將碳排放效率概述為在勞動(dòng)力、資本和能源投入量不再增加的情況下，實(shí)現(xiàn)最少的CO2排放量和最大的經(jīng)濟(jì)產(chǎn)出。

近年來(lái)，關(guān)于碳排放效率的測(cè)度研究是學(xué)術(shù)界的研究熱點(diǎn)之一。對(duì)于能源碳排放效率問(wèn)題的研究，根據(jù)投入變量的數(shù)量多寡，通常可分為單要素和全要素兩種分析方法。由于單要素法只針對(duì)單投入和單產(chǎn)出，忽略了其他投入對(duì)產(chǎn)出的影響，而任何一種產(chǎn)出都是多種要素投入的結(jié)果，因此選用單要素測(cè)量效率值是有偏的。與單要素法相比，全要素法能夠更好更準(zhǔn)確地反映經(jīng)濟(jì)活動(dòng)的效率水平。Hu和Wang首次引入了全要素能源效率的概念，強(qiáng)調(diào)了經(jīng)濟(jì)產(chǎn)出與多投入之間的關(guān)系，并將能源、勞動(dòng)力和資本存量作為投入指標(biāo)，利用傳統(tǒng)數(shù)據(jù)包絡(luò)分析（Data.Envelopment.Analysis，DEA）方法對(duì)我國(guó)1995—2002年的能源效率進(jìn)行了測(cè)量評(píng)價(jià)[6]。史丹等利用我國(guó)2005年的數(shù)據(jù)，分別利用單要素能源效率和全要素能源效率兩種方法對(duì)比分析我國(guó)各地區(qū)的能源效率水平并探討了節(jié)能潛力[7]。李金鎧等以2001—2010年30個(gè)省級(jí)的數(shù)據(jù)為基礎(chǔ)，采用DEA—Malmquist生產(chǎn)效率指數(shù)測(cè)算了我國(guó)省級(jí)全要素能源效率[8]。目前，利用Charnes等人提出的DEA模型對(duì)能源碳排放效率進(jìn)行研究已經(jīng)得到了廣泛的應(yīng)用[9]。而傳統(tǒng)DEA評(píng)價(jià)模型只注重投入、產(chǎn)出變量的對(duì)應(yīng)性問(wèn)題，沒(méi)有考慮變量的松弛性問(wèn)題，會(huì)造成一些測(cè)量結(jié)果的偏差，此時(shí)Tone.Kaoru構(gòu)建的一種基于松弛測(cè)度的SBM模型就得到了廣泛應(yīng)用[10]。李靜在構(gòu)建模型時(shí)考慮了松弛變量對(duì)評(píng)價(jià)結(jié)果的影響，首次引入了一個(gè)非徑向和非角度的SBM模型處理非期望產(chǎn)出問(wèn)題，并對(duì)43家企業(yè)進(jìn)行了環(huán)境效率的實(shí)證分析[11]。 陳真玲、李金鎧等基于方向向量的非期望產(chǎn)出SBM模型，構(gòu)建多層級(jí)前沿面DEA模型，實(shí)現(xiàn)了對(duì)城市能源效率的層級(jí)劃分并提出層級(jí)識(shí)別的逐級(jí)躍遷路徑方法[12]。左中梅和楊力基于全要素能源效率框架，采用SBM—DEA方法建立全要素能效測(cè)度新模型，分析比較了2003—2007年我國(guó)29個(gè)省份、全國(guó)整體及三大區(qū)域的全要素能源效率[13]。郭炳南和林基采用非徑向、非角度的SBM模型測(cè)度了1997—2014年長(zhǎng)江三角地區(qū)的碳排放效率水平，比較了碳排放效率的動(dòng)態(tài)變化[14]。馬大來(lái)使用mSBM方法測(cè)度了1998—2016年各個(gè)省份的農(nóng)業(yè)能源碳排放效率，并在此基礎(chǔ)上構(gòu)建空間面板數(shù)據(jù)分析其影響因素[15]。

基于傳統(tǒng)DEA模型和SBM模型，對(duì)全要素能源碳排放效率評(píng)價(jià)同樣存在自身的缺陷。以上模型忽略了環(huán)境因素和隨機(jī)誤差項(xiàng)的影響，導(dǎo)致評(píng)價(jià)結(jié)果可能依然與實(shí)際情況存在差異。為了解決該問(wèn)題，F(xiàn)ried等（DEA）提出三階段DEA模型：第一階段利用傳統(tǒng)DEA—BCC模型對(duì)效率進(jìn)行分析;第二個(gè)階段利用隨機(jī)前沿模型（Stochastic.Frontier.Approach，SFA）對(duì)環(huán)境因素和隨機(jī)誤差項(xiàng)進(jìn)行分析;第三階段利用調(diào)整后的投入變量和原始產(chǎn)出數(shù)據(jù)，再次使用傳統(tǒng)DEA—BCC模型進(jìn)行效率評(píng)價(jià)[16]。

三階段DEA模型在能源與環(huán)境效率評(píng)價(jià)領(lǐng)域得到了廣泛的應(yīng)用。鄧波等則運(yùn)用三階段DEA模型對(duì)我國(guó)2008年區(qū)域生態(tài)效率進(jìn)行了實(shí)證研究[17]。黃德春等運(yùn)用三階段DEA模型對(duì)我國(guó)29個(gè)省市2009年的能源效率進(jìn)行了分析[18]。華堅(jiān)等、牛秀敏利用三階段DEA評(píng)價(jià)了我國(guó)省際區(qū)域的CO2排放績(jī)效水平[19-20]。張勝利和俞海山采用三階段DEA分析了1998—2013年我國(guó)工業(yè)碳排放效率的區(qū)域差異性，并對(duì)其工業(yè)碳排放效率的影響因素進(jìn)行了實(shí)證研究[21]。陳曉紅等運(yùn)用非期望產(chǎn)出的SBM—DEA模型與SFA方法，構(gòu)建非徑向非角度的三階段SBM—DEA模型，基于投入、產(chǎn)出冗余以及外部環(huán)境影響因素分析表明，提升能源、資本、人員配置效率，有利于提升碳排放效率[22]。徐國(guó)泉和欒昊基于非期望產(chǎn)出的三階段SBM—DEA模型，剔除環(huán)境因素和隨機(jī)誤差的影響，對(duì)2005—2015年江蘇省碳排放效率進(jìn)行了測(cè)算[23]。陳雯在考慮非期望產(chǎn)出的情況下，利用三階段DEA模型分析了我國(guó)30個(gè)省份的電力能源效率，并從省際和區(qū)域兩方面對(duì)其進(jìn)行了評(píng)價(jià)[24]。吳江等采用不可分的三階段DEA模型，測(cè)算了我國(guó)30個(gè)省份2005—2015年的全要素能源效率，研究表明技術(shù)效率下降是制約我國(guó)全要素能源效率提高的內(nèi)部主要原因[25]。

以上所有研究結(jié)論均驗(yàn)證，利用三階段DEA模型的評(píng)價(jià)結(jié)果與傳統(tǒng)DEA模型存在較大差異，環(huán)境因素與隨機(jī)誤差確實(shí)對(duì)效率評(píng)價(jià)存在影響。然而已有研究大多針對(duì)全國(guó)層面數(shù)據(jù)進(jìn)行探討，而關(guān)于單獨(dú)省份碳排放效率的應(yīng)用研究較少。鑒于此，本文為探討福建省1994—2017年的全要素能源碳排放效率水平及其變化趨勢(shì)，利用三階段DEA模型可使得測(cè)算結(jié)果具有相對(duì)有效性，對(duì)不同年份間效率波動(dòng)給予更客觀的解釋?zhuān)⑻岢鎏岣吣苄А⒐?jié)能減排的政策建議。

2 研究方法與變量選取

本文以1994—2017年的數(shù)據(jù)為基礎(chǔ)對(duì)福建省能源碳排放效率進(jìn)行研究。數(shù)據(jù)主要包括對(duì)投入變量、產(chǎn)出變量以及環(huán)境變量的選取。所需數(shù)據(jù)主要來(lái)源于1994—2017年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《福建省統(tǒng)計(jì)年鑒》。針對(duì)上述數(shù)據(jù)，本研究擬采用三階段DEA方法進(jìn)行碳排放效率的計(jì)算。本節(jié)主要對(duì)文中用到的三階段DEA模型及其變量選取進(jìn)行簡(jiǎn)單介紹。

2.1 三階段DEA模型

DEA是一種計(jì)算效率值的非參數(shù)方法[26]。由于傳統(tǒng)DEA模型測(cè)度的效率值會(huì)受到內(nèi)部管理無(wú)效率、外部環(huán)境和隨機(jī)誤差項(xiàng)三種因素的影響，因此在傳統(tǒng)DEA模型的基礎(chǔ)上，利用三階段DEA模型可以剔除外部環(huán)境與隨機(jī)誤差項(xiàng)對(duì)效率評(píng)價(jià)單元的影響，使得研究結(jié)果更加客觀、準(zhǔn)確地反映決策單元的效率水平。

為了剔除環(huán)境因素和隨機(jī)誤差項(xiàng)對(duì)福建省能源碳排放效率評(píng)價(jià)的影響，本文引入了三階段DEA模型，該模型是由Fried等人提出的一種能夠更好地評(píng)估決策單元效率的方法[16]。圖1為模型的基本框架圖。

2.1.1 第一階段：傳統(tǒng)的DEA模型（BCC模型）。DEA方法最初是由著名的運(yùn)籌學(xué)家Charnes、Cooper、Rhodes于1978年提出的一個(gè)被稱(chēng)為數(shù)據(jù)包絡(luò)分析（DEA）的方法，用于評(píng)價(jià)相同部門(mén)間的相對(duì)有效性，他們的第一個(gè)模型被命名為CCR模型。從生產(chǎn)函數(shù)的角度看，這一模型多用來(lái)研究“多輸入多輸出”的生產(chǎn)部門(mén)內(nèi)決策單元間的相對(duì)有效性[9]。而B(niǎo)CC模型由Banker、Charnes、Cooper于1984年首次提出[27]，該模型用來(lái)處理“規(guī)模報(bào)酬可變”假設(shè)下決策單元的有效性問(wèn)題。對(duì)于任一個(gè)決策單元，投入導(dǎo)向下對(duì)偶形式的DEA—BCC模型可以表示為：

[i=1，2，···，n;j=1，2，···，m;r=1，2，···，s，n]為決策單元的個(gè)數(shù)，[m]和[S]分別為投入與產(chǎn)出變量的個(gè)數(shù)，[xijj=1，2，···，m]為第[i]個(gè)決策單元的第[j]個(gè)投入要素，[yirr=1，2，···s]為第[i]個(gè)決策單元的第r個(gè)產(chǎn)出要素，[θ]為決策單元的有效值。若[θ=1，s+=s-=0]，則決策單元DEA有效;若[θ=1，s+≠0或s-≠0]，則決策單元弱DEA有效;若[θ<1]，則決策單元非DEA有效。BCC模型計(jì)算出來(lái)的效率值為綜合技術(shù)效率值（TE），進(jìn)一步分解為規(guī)模效率（SE）和純技術(shù)效率值（PTE）的乘積，即TE=SE*PTE。

2.1.2 第二階段：相似隨機(jī)前沿模型（SFA）。Fried等認(rèn)為，第一階段運(yùn)算分析得出的投入（或產(chǎn)出）松弛變量受外部環(huán)境因素、隨機(jī)誤差項(xiàng)和管理無(wú)效率三因素的影響。僅靠傳統(tǒng)DEA模型并不能分析出此時(shí)的效率值到底是由管理因素造成的，還是由外部環(huán)境因素和隨機(jī)誤差項(xiàng)造成的[16]。因此在第二階段通過(guò)構(gòu)建相似SFA模型可測(cè)出上述三個(gè)因素的影響，從而剔除外部環(huán)境因素和隨機(jī)誤差項(xiàng)，可以得出僅由管理無(wú)效率造成的決策單元投入冗余。以投入導(dǎo)向?yàn)槔謩e對(duì)每個(gè)決策單元的投入松弛變量進(jìn)行SFA分析，構(gòu)建如下SFA回歸方程：

其中，[XAni]是調(diào)整后的投入;[Xni]是調(diào)整前的投入;[maxfZi;βn-fZi;βn]是對(duì)外部環(huán)境因素進(jìn)行的調(diào)整，將所有決策單元置于相同的外部環(huán)境中;[maxvni-vni]是將所有決策單元置于相同運(yùn)氣水平下。

2.1.3 第三階段：調(diào)整后的DEA模型。將第二階段調(diào)整后的投入數(shù)據(jù)[XAni]代替原始投入數(shù)據(jù)[Xni]，產(chǎn)出數(shù)據(jù)依舊為原始產(chǎn)出數(shù)據(jù)不變，再次運(yùn)用DEA—BCC模型進(jìn)行效率評(píng)估，由此得到的決策單元的效率值即為剔除環(huán)境因素變量以及隨機(jī)誤差項(xiàng)影響后的結(jié)果，此時(shí)的效率值是相對(duì)客觀準(zhǔn)確的。

2.2 變量選取

2.2.1 投入產(chǎn)出變量的選取。基于前人研究結(jié)論和閱讀大量文獻(xiàn)以及考慮到數(shù)據(jù)可得性，選擇的投入變量包括勞動(dòng)力、資本投入和能源消費(fèi)總量;產(chǎn)出變量包括地區(qū)生產(chǎn)總值（GDP）和CO2排放量。

①勞動(dòng)力。勞動(dòng)的有效投入是一個(gè)較好的度量指標(biāo)，但是由于數(shù)據(jù)獲取不易，參考沈能等的選取方法[29]，本文采用福建省年末就業(yè)人口數(shù)量，單位為萬(wàn)人。數(shù)據(jù)來(lái)源于《福建省統(tǒng)計(jì)年鑒》。

②資本投入。借鑒相關(guān)研究成果和考慮數(shù)據(jù)的可獲得性，華堅(jiān)等、吳江等、郭四代等人均采用資本存量作為資本資源的度量指標(biāo)，可以較為全面地反映評(píng)價(jià)單元的技術(shù)水平和生產(chǎn)規(guī)模[19，25，30]。由于所需數(shù)據(jù)無(wú)法直接獲得，本文主要采用“永續(xù)盤(pán)存法”并按照可比價(jià)格估算資本存量，參考張軍[31]研究結(jié)果，通過(guò)對(duì)基期資本數(shù)量的計(jì)算以及對(duì)折舊率、當(dāng)期投資指標(biāo)的選擇，進(jìn)而對(duì)全社會(huì)固定資產(chǎn)投資總額進(jìn)行平減。本文選用資本存量作為資本投入，單位為億元。數(shù)據(jù)來(lái)源于1994—2017年國(guó)家統(tǒng)計(jì)局、《中國(guó)統(tǒng)計(jì)年鑒》和《福建統(tǒng)計(jì)年鑒》中的“按登記注冊(cè)類(lèi)型分全社會(huì)固定資產(chǎn)投資”“按登記注冊(cè)分全社會(huì)固定資產(chǎn)投資價(jià)格指數(shù)（上年=100）”。

③能源消費(fèi)總量。能源消費(fèi)主要包括原煤、原油、天然氣和一次能源及電力等種類(lèi)，其中原煤在1994—2017年平均占能源消費(fèi)總量的56.16%，且每年呈逐漸下降的趨勢(shì)。因此選擇歷年的能源消費(fèi)總量，單位為萬(wàn)噸標(biāo)準(zhǔn)煤。數(shù)據(jù)來(lái)源于《福建省統(tǒng)計(jì)年鑒》。

④GDP。參考前人研究成果，選取GDP指標(biāo)作為期望產(chǎn)出，單位為億元。為了保證分析結(jié)果的相對(duì)有效性，剔除價(jià)格對(duì)不同年份GDP的影響，本文以1993年為基期，對(duì)1994—2017年GDP進(jìn)行了平減。數(shù)據(jù)來(lái)源于《福建省統(tǒng)計(jì)年鑒》中的“主要年份地區(qū)生產(chǎn)總值”和“主要年份地區(qū)生產(chǎn)總值指數(shù)（上年=100）”。

⑤CO2排放量。本文旨在研究CO2排放效率大小，因此選取CO2排放量作為非期望產(chǎn)出，單位為萬(wàn)噸。由于我國(guó)沒(méi)有官方公布的CO2排放量數(shù)據(jù)，本文依據(jù)2006年聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)（IPCC）編制的《國(guó)家溫室氣體清單指南》中的計(jì)算公式和CO2排放系數(shù)[32]，其計(jì)算公式如下：

其中[i]表示能源種類(lèi)，[C]表示CO2排放量;[Ei]表示各種能源的投入量，其中“其他能源”用一般廢棄物代替;[Ki]表示平均低位發(fā)熱量;[εi]表示能源含碳量;[ηi]表示碳氧化因子。可以得到1994—2017年福建省能源消耗過(guò)程中所產(chǎn)生的CO2排放量，如表1。

2.2.2.環(huán)境變量的選取。環(huán)境變量的選取主要基于對(duì)CO2排放效率有顯著影響的，同時(shí)又是決策單元本身具有不可控性的因素。本文僅選取最具有影響力的外部環(huán)境因素作為環(huán)境變量，其他內(nèi)部驅(qū)動(dòng)因素的影響分析將在后續(xù)的研究結(jié)果中呈現(xiàn)。在充分考慮數(shù)據(jù)可得性、變量指標(biāo)的代表性的基礎(chǔ)上，本文選擇了以下5個(gè)因素作為外部環(huán)境變量，數(shù)據(jù)均來(lái)自1994—2017年《福建省統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。

①人均GDP。以福建省各年份GDP與總?cè)丝诘谋戎乇硎救司鵊DP，單位為元。為了剔除價(jià)格因素的影響，以1993年為基期，對(duì)人均GDP進(jìn)行平減。人均GDP作為地區(qū)的重要特性，其值的高低直接反映一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平。隨著收入水平的提高，居民消費(fèi)者對(duì)生活質(zhì)量的要求也不斷提升，會(huì)加大對(duì)各種家用電器、電子產(chǎn)品、汽車(chē)等的消費(fèi)，從而大大增加了對(duì)能源的消耗，對(duì)CO2的排放效率帶來(lái)一定的影響。

②政府影響力。政府影響力用地方財(cái)政支出占地區(qū)生產(chǎn)總值的比重表示。CO2排放效率具有較強(qiáng)的外部性，如今碳排放權(quán)的交易市場(chǎng)又是不完全競(jìng)爭(zhēng)市場(chǎng)，僅靠市場(chǎng)的作用提高碳排放效率是遠(yuǎn)遠(yuǎn)不夠的。政府作為國(guó)家政策的制定者，其影響力關(guān)系著政府的宏觀調(diào)控力度和解決資源配置問(wèn)題的功效，影響力越大，對(duì)經(jīng)濟(jì)發(fā)展方向的指導(dǎo)性越強(qiáng)，資源能源配置效率越高，越有利于各地區(qū)對(duì)資源利用效率的提高，CO2排放效率也會(huì)越高。

③三產(chǎn)產(chǎn)值。三產(chǎn)產(chǎn)值是第三產(chǎn)業(yè)的生產(chǎn)總值占地區(qū)生產(chǎn)總值的比重。三產(chǎn)產(chǎn)值的提高有利于對(duì)能源利用效率的提高，與第一、第二產(chǎn)業(yè)相比，第三產(chǎn)業(yè)的產(chǎn)值形成可以依賴(lài)更少的能源投入，降低了CO2的排放量，通過(guò)大力發(fā)展第三產(chǎn)業(yè)相關(guān)的高效利用能源效率技術(shù)和減排技術(shù)，有利于對(duì)碳排放效率的改進(jìn)。

④人口密度。人口密度為單位面積的人口數(shù)，這里的人口取常住人口，單位為人/平方千米。人口密度作為地區(qū)的一個(gè)重要特性，對(duì)當(dāng)?shù)氐腃O2排放效率有較大的影響。人口密度大，表示人口聚集度大、經(jīng)濟(jì)發(fā)展好、生活水平高，同時(shí)人們的教育水平和低碳意識(shí)相對(duì)較高，這對(duì)改善CO2排放效率是有利的;從另一個(gè)角度考慮，人口密度大會(huì)增加對(duì)生態(tài)環(huán)境的壓力，對(duì)地區(qū)城市功能要求更高，同時(shí)也會(huì)消耗大量的能源，因此其可能會(huì)負(fù)向影響CO2排放效率。

⑤所有權(quán)屬性。所有權(quán)屬性為國(guó)有工業(yè)產(chǎn)值占工業(yè)總產(chǎn)值的比重。該指標(biāo)作為一種制度環(huán)境，也是影響CO2排放效率的重要因素。當(dāng)國(guó)有經(jīng)濟(jì)體制缺乏監(jiān)督和管理時(shí)，往往技術(shù)水平不高、成本增加和能源效率低下，導(dǎo)致CO2排放效率較低。當(dāng)國(guó)有經(jīng)濟(jì)主體能夠積極響應(yīng)政府的低碳政策和減排目標(biāo)，并實(shí)施減排措施時(shí)，CO2排放效率較高。

3 實(shí)證分析與結(jié)果

運(yùn)用SPSS18.0對(duì)兩個(gè)產(chǎn)出變量和三個(gè)投入變量的原始數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，結(jié)果如表2所示。

3.1 第一階段傳統(tǒng)DEA分析結(jié)果

在第一階段中，不考慮決策單元的環(huán)境變量以及隨機(jī)誤差的影響，直接將原始的投入產(chǎn)出數(shù)據(jù)運(yùn)用到傳統(tǒng)DEA—BCC模型中，利用DEAP2.1軟件，對(duì)福建省1994—2017年的能源碳排放效率水平進(jìn)行了初步測(cè)算，結(jié)果如表3所示。

由表3可以看出，在未剔除外部環(huán)境和隨機(jī)誤差影響的情況下，1994—2017年福建省能源碳排放的綜合技術(shù)效率的均值為0.920，純技術(shù)效率均值為0.995，規(guī)模效率均值為0.925。福建省全要素能源碳排放綜合技術(shù)效率值在1994—2011年呈遞增趨勢(shì)，年均綜合技術(shù)效率值為0.898，與生產(chǎn)前沿面相差10.2%，仍有進(jìn)一步提升的空間;規(guī)模效率值在1994—2011年也是呈遞增趨勢(shì)，因?yàn)榫C合技術(shù)效率值等于純技術(shù)效率值與規(guī)模效率值的乘積，純技術(shù)效率值幾乎每年都為1，其對(duì)綜合技術(shù)效率的貢獻(xiàn)值較大。由此可見(jiàn)，福建省能源碳排放的無(wú)效率主要來(lái)源于規(guī)模效率，規(guī)模效率相對(duì)較低是福建省大部分年份CO2效率提升的主要制約因素。在2012—2017年，平均綜合技術(shù)效率值較高且穩(wěn)定，圍繞0.986上下波動(dòng)，變化不大。其中2011、2014、2017年這三個(gè)年份處于技術(shù)效率前沿面，三項(xiàng)效率值均為1，且規(guī)模報(bào)酬不變。

福建省作為東部沿海重要城市，一直都重視能源、環(huán)境、經(jīng)濟(jì)三者之間的關(guān)系。為了實(shí)現(xiàn)全社會(huì)節(jié)能減排，提高能源利用效率，促進(jìn)經(jīng)濟(jì)、社會(huì)、生態(tài)全面協(xié)調(diào)可持續(xù)發(fā)展，根據(jù)《中華人民共和國(guó)節(jié)約能源法》，福建省政府結(jié)合本省實(shí)際，于2012年第十一屆人民代表大會(huì)常務(wù)委員會(huì)第三十一次會(huì)議通過(guò)了福建省節(jié)約能源條例[33]，將節(jié)能目標(biāo)和節(jié)能意識(shí)傳達(dá)至各管理層、企業(yè)層，最終至每一位公民。以上數(shù)據(jù)顯示，2012年以后技術(shù)效率值較高，平均值達(dá)到0.991，表明近些年福建省在經(jīng)濟(jì)發(fā)展過(guò)程中，對(duì)能源利用和環(huán)境保護(hù)方面的工作成效顯著。

3.2 第二階段SFA分析結(jié)果

在第二階段中，利用隨機(jī)前沿分析方法（SFA）分解出環(huán)境因素、隨機(jī)誤差與內(nèi)部管理無(wú)效率對(duì)效率值的影響程度。將第一階段得出的勞動(dòng)力、資本存量和能源消費(fèi)總量的松弛值作為被解釋變量，將人均GDP、三產(chǎn)產(chǎn)值、政府影響力、人口密度、所有權(quán)屬性這5個(gè)外部環(huán)境變量作為解釋變量，運(yùn)用Frontier4.1軟件進(jìn)行SFA回歸，具體結(jié)果如表4所示。

由表4回歸結(jié)果可知，全部變量的gamma值均為1.00，表示回歸模型是有效的。人均GDP對(duì)勞動(dòng)力、資本存量和能源消費(fèi)總量都為負(fù)向影響關(guān)系，且均達(dá)到了1%的顯著水平。人均GDP的提高會(huì)導(dǎo)致能源消費(fèi)的消耗、勞動(dòng)力和資本浪費(fèi)的減少，降低投入冗余變量的無(wú)效輸入。也驗(yàn)證了人均GDP較高或者經(jīng)濟(jì)發(fā)展水平較發(fā)達(dá)可能會(huì)造成對(duì)能源的過(guò)多消耗以及形成勞動(dòng)力和資本的密集。

三產(chǎn)產(chǎn)值對(duì)勞動(dòng)力、資本存量和能源消費(fèi)總量均為負(fù)向影響關(guān)系，且均通過(guò)了1%的顯著性水平。三產(chǎn)產(chǎn)值比重的提高有利于對(duì)能源消耗的減少，同樣有利于對(duì)勞動(dòng)力和資本的充分利用。與第一、二產(chǎn)業(yè)相比，第三產(chǎn)業(yè)的形成可以依賴(lài)更少的能源投入。福建省1994—2017年三產(chǎn)產(chǎn)值比重平均占總產(chǎn)值的39.47%，且比重逐年遞增，2017年達(dá)45.41%，該省通過(guò)發(fā)展第三產(chǎn)業(yè)，有效降低了能源消耗強(qiáng)度，提高了能源利用效率，創(chuàng)造了更多就業(yè)機(jī)會(huì)，并將三產(chǎn)作為經(jīng)濟(jì)發(fā)展和轉(zhuǎn)型以及提高能效的重要手段。

政府影響力對(duì)勞動(dòng)力、資本存量和能源消費(fèi)總量均呈現(xiàn)正向影響關(guān)系，且均通過(guò)1%的顯著性水平。表明福建省地方政府影響力越大，對(duì)當(dāng)?shù)厥袌?chǎng)經(jīng)濟(jì)發(fā)展干預(yù)性越高，越不利于減少對(duì)能源、勞動(dòng)力和資本的投入冗余，使得資源配置的效率較低，CO2排放效率也會(huì)越低。

人口密度對(duì)勞動(dòng)力、資本存量和能源消費(fèi)總量均呈現(xiàn)正向影響關(guān)系，勞動(dòng)力松弛變量通過(guò)了5%的顯著性水平，資本存量和能源消費(fèi)總量松弛變量通過(guò)了1%的顯著性水平。人口密度越高，越不利于減少對(duì)勞動(dòng)力、資本和能源消費(fèi)的濫用，從而造成了對(duì)資源使用的浪費(fèi)。福建省的人口密度越大，越不利于對(duì)能源投入的減少，屬于劣勢(shì)環(huán)境因素。

所有權(quán)屬性對(duì)勞動(dòng)力、資本存量和能源消費(fèi)總量均為正向影響關(guān)系，勞動(dòng)力松弛變量通過(guò)了5%的顯著性水平，資本存量和能源消費(fèi)總量松弛變量通過(guò)了1%的顯著性水平。結(jié)果表明，增加經(jīng)濟(jì)活動(dòng)中的國(guó)有性質(zhì)企業(yè)比重，不利于減少對(duì)投入資源的冗余，不利于提高當(dāng)?shù)谻O2排放效率。福建省國(guó)有工業(yè)產(chǎn)值越高，越易使得勞動(dòng)力、資本投入增加和能源效率低下，導(dǎo)致CO2排放效率較低，該省處于不利的運(yùn)營(yíng)管理環(huán)境。

基于以上分析可知，5個(gè)環(huán)境因素對(duì)福建省生產(chǎn)活動(dòng)中投入要素冗余的影響程度和方向都不同，因此提高人均GDP、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、減弱政府影響力、減少人口密度和降低國(guó)有工業(yè)產(chǎn)值的比重等，有利于提高福建省能源碳排放效率。福建省在不同年份，進(jìn)行經(jīng)濟(jì)生產(chǎn)活動(dòng)中CO2排放效率存在較大的偏差，很可能是由于外部環(huán)境的差異性。因此有必要去除環(huán)境因素以及隨機(jī)因素的影響，將各年份的福建省放到相同的外部環(huán)境和運(yùn)氣水平中進(jìn)行分析。

3.3 第三階段調(diào)整后的分析結(jié)果

由第二階段調(diào)整后的投入數(shù)據(jù)變量以及原始的產(chǎn)出數(shù)據(jù)變量，借助DEAP2.1軟件，也即再次運(yùn)用傳統(tǒng)的DEA—BCC模型，測(cè)算得到1994—2017年福建省能源碳排放效率值和規(guī)模報(bào)酬。調(diào)整后的結(jié)果如表5所示。

對(duì)比第一階段和第三階段的效率值，在剔除外部環(huán)境變量和隨機(jī)誤差的影響后，福建省1994—2017年效率值發(fā)生了變化，綜合技術(shù)效率由原來(lái)的0.920下降到了0.911;純技術(shù)效率由原來(lái)的0.995增加到了0.997;規(guī)模效率由原來(lái)的0.925下降到了0.914;而規(guī)模報(bào)酬在調(diào)整前后沒(méi)有發(fā)生變化。結(jié)果表明，剔除外部環(huán)境和隨機(jī)誤差的影響后，福建省能源碳排放效率有所下降，雖然純技術(shù)效率有所提高，但綜合技術(shù)效率卻下降了，主要是因?yàn)橐?guī)模效率的下降，調(diào)整前可能是由于依靠比較有利的外部環(huán)境和相對(duì)較好的運(yùn)氣水平所致，因此福建省的規(guī)模效率具備較大的提升潛力。

其中，2009年綜合技術(shù)效率由0.931增加到0.937，主要是因?yàn)榧兗夹g(shù)效率由0.988提高到1，達(dá)到了效率前沿面。在經(jīng)過(guò)2008年的金融危機(jī)后，福建省在大力發(fā)展經(jīng)濟(jì)的過(guò)程中開(kāi)始重視技術(shù)開(kāi)發(fā)，充分利用能源資源，使得碳排放效率提高，不僅增加了當(dāng)?shù)亟?jīng)濟(jì)產(chǎn)出，而且為低碳經(jīng)濟(jì)轉(zhuǎn)型做出了努力。2012年，由于經(jīng)濟(jì)下行壓力，福建省開(kāi)始注重節(jié)能減排政策，力爭(zhēng)提高能效，由表中看出綜合技術(shù)效率值由0.973上升為0.978，碳排放效率得到了提升;并且在2012—2017年，綜合技術(shù)效率值均較第一階段效率值大，年均效率值從0.986增加到0.990，說(shuō)明福建省在減排節(jié)能方面做出了成效。2015年末，中央政府首次提出“三去一降一補(bǔ)”五大任務(wù)，2016年將其作為經(jīng)濟(jì)社會(huì)發(fā)展的主要抓手，福建省也積極落實(shí)黨中央政策，其中在去產(chǎn)能、降成本、補(bǔ)短板方面做得較好，能源碳排放效率得到了提升，2016年、2017年效率值分別達(dá)到0.969和1。

4 福建省能源碳排放效率影響因素回歸結(jié)果分析

上節(jié)基于三階段DEA模型，分析了福建省1994—2017各年份之間能源碳排放效率差異，為了進(jìn)一步研究碳排放效率的影響因素對(duì)效率值的影響程度和貢獻(xiàn)大小，本節(jié)利用Eviews9.0軟件對(duì)福建省能源碳排放效率的影響因素進(jìn)行了OLS回歸分析，選取調(diào)整后的福建省1994—2017年的碳排放效率值作為被解釋變量，人均GDP、三產(chǎn)產(chǎn)值、政府影響力、人口密度和所有權(quán)屬性作為解釋變量來(lái)構(gòu)建OLS模型，以此進(jìn)一步探討碳排放效率的影響因素。

由表6可以得出以下結(jié)論。

①人均GDP與能源碳排放效率。人均GDP與碳排放效率存在不明顯的負(fù)相關(guān)關(guān)系，回歸系數(shù)接近于0。說(shuō)明人民生活水平的提高對(duì)能源碳排放效率存在一定程度上的抑制作用，但是影響效果不顯著，可以忽略人均GDP這個(gè)外部環(huán)境因素對(duì)效率值的影響。

②三產(chǎn)產(chǎn)值與能源碳排放效率。三產(chǎn)產(chǎn)值與碳排放效率之間存在顯著正向影響，回歸系數(shù)為0.089.914.7。研究發(fā)現(xiàn)，三產(chǎn)產(chǎn)值每增加1%，碳排放效率就會(huì)提高8.99%，說(shuō)明三產(chǎn)產(chǎn)值對(duì)福建省碳排放效率有深刻的影響。

③政府影響力與能源碳排放效率。政府影響力與碳排放效率之間存在正相關(guān)關(guān)系，回歸系數(shù)為0.249.806。研究發(fā)現(xiàn)，政府影響力每增加1%，碳排放效率就會(huì)提高24.98%，表明福建省政府影響力對(duì)碳排放效率起著決定性的作用。

④人口密度與能源碳排放效率。人口密度與碳排放效率之間存在負(fù)相關(guān)關(guān)系，回歸系數(shù)為-0.004.858。說(shuō)明福建省人口增加，會(huì)消耗更多的能源，越不利于碳排放量的減少，再加上人們的減排意識(shí)薄弱，導(dǎo)致碳排放效率下降。但人口密度這個(gè)因素對(duì)效率值的影響不顯著，幾乎可以忽略。

⑤所有權(quán)屬性與能源碳排放效率。所有權(quán)屬性與碳排放效率之間存在負(fù)相關(guān)關(guān)系，回歸系數(shù)為-0.297.007。研究發(fā)現(xiàn)，所有權(quán)屬性每增加1%，碳排放效率則會(huì)降低29.70%。說(shuō)明對(duì)國(guó)有企業(yè)進(jìn)行改革，降低國(guó)有工業(yè)產(chǎn)值，可以極大提高碳排放效率，改善所有權(quán)屬性這個(gè)環(huán)境因素應(yīng)當(dāng)是福建省政府大力關(guān)注的。

根據(jù)以上回歸結(jié)果，可以發(fā)現(xiàn)，OLS回歸與前述第二階段SFA回歸結(jié)論基本一致。福建省需要優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，增加第三產(chǎn)業(yè)的產(chǎn)值，即當(dāng)經(jīng)濟(jì)結(jié)構(gòu)從能源密集型的工業(yè)向以服務(wù)業(yè)為主的第三產(chǎn)業(yè)轉(zhuǎn)移時(shí)，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)有利于降低CO2排放;提高政府影響力，政府應(yīng)不斷推進(jìn)節(jié)能減排的約束激勵(lì)政策和獎(jiǎng)懲制度，鼓勵(lì)各個(gè)企業(yè)在生產(chǎn)活動(dòng)中降低碳排放，并做好監(jiān)督管理工作;改善所有權(quán)比重，降低國(guó)有企業(yè)的產(chǎn)值比重，對(duì)碳排放效率的提高具有促進(jìn)作用，因?yàn)閲?guó)有企業(yè)往往產(chǎn)權(quán)模糊，經(jīng)營(yíng)體制僵化，扭曲資源配置，使資源得不到充分利用，效率低下。

5 結(jié)論與建議

本文從CO2排放效率的含義出發(fā)，將三階段DEA模型用于對(duì)福建省全要素能源CO2排放效率水平評(píng)價(jià)，排除了外部環(huán)境因素和隨機(jī)誤差的影響，從而得到更加客觀準(zhǔn)確和具有說(shuō)服力的效率值。主要結(jié)論有如下內(nèi)容。

①外部環(huán)境變量的確對(duì)福建省能源碳排放效率評(píng)價(jià)造成影響，本文對(duì)5個(gè)環(huán)境變量進(jìn)行SFA回歸，回歸結(jié)果均通過(guò)了顯著性檢驗(yàn)，說(shuō)明了所選取環(huán)境變量的有效性，且影響顯著。通過(guò)回歸分析結(jié)果，發(fā)現(xiàn)提高人均GDP、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提高政府影響力、降低人口密度和降低國(guó)有工業(yè)產(chǎn)值的比重，是提高碳排放效率值的有效方式。

②采用三階段DEA模型得出的1994—2017年福建省平均技術(shù)效率值低于利用傳統(tǒng)DEA模型的結(jié)果。說(shuō)明排除環(huán)境變量和隨機(jī)誤差的影響后，福建省平均技術(shù)效率水平整體被高估，主要受規(guī)模效率降低的影響。但在2009、2012—2016年被低估，原因主要在于純技術(shù)效率值的增加，表明福建省技術(shù)條件優(yōu)越，在發(fā)展經(jīng)濟(jì)時(shí)，大力發(fā)展高新技術(shù)，提高資源利用率，并且注重能源、環(huán)境、經(jīng)濟(jì)的可持續(xù)性發(fā)展。

③通過(guò)對(duì)碳排放效率值以及5個(gè)環(huán)境因素進(jìn)行OLS回歸可以得出，三產(chǎn)產(chǎn)值、政府影響力對(duì)福建省碳排放效率起著決定性的促進(jìn)作用，所有權(quán)屬性起著關(guān)鍵性的抑制作用，而人均GDP、人口密度對(duì)其影響不大，在后續(xù)做進(jìn)一步研究時(shí)可以不用考慮這兩個(gè)環(huán)境因素。

根據(jù)以上主要結(jié)論為福建省能源碳排放提出以下幾點(diǎn)建議。

第一，挖掘結(jié)構(gòu)調(diào)整潛力。加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和優(yōu)化，提高第三產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比重，第三產(chǎn)業(yè)主要以高附加值、低能耗的服務(wù)業(yè)為主，大力發(fā)展低碳經(jīng)濟(jì)產(chǎn)業(yè)鏈。優(yōu)化能源結(jié)構(gòu)，加大對(duì)清潔能源和可再生能源的利用。

第二，積極發(fā)揮政府影響力。制定與當(dāng)?shù)匕l(fā)展階段相適應(yīng)的碳減排政策，轉(zhuǎn)變傳統(tǒng)發(fā)展模式，推進(jìn)資源節(jié)約、環(huán)境友好的可持續(xù)發(fā)展模式。

第三，深化國(guó)有企業(yè)改革，使產(chǎn)權(quán)明晰、權(quán)責(zé)明確，完善國(guó)有資產(chǎn)監(jiān)管體制，可將更多的國(guó)有資本集中在大力發(fā)展新興產(chǎn)業(yè)上，并且加快非國(guó)有經(jīng)濟(jì)的發(fā)展，減少?lài)?guó)有工業(yè)產(chǎn)值的比重。

第四，提高科學(xué)技術(shù)水平。福建省早期經(jīng)濟(jì)快速發(fā)展過(guò)程中積累了大量的資本和技術(shù)優(yōu)勢(shì)，應(yīng)該不斷進(jìn)行技術(shù)創(chuàng)新，引進(jìn)先進(jìn)的環(huán)保技術(shù)，發(fā)展規(guī)模經(jīng)濟(jì)，可有效使得經(jīng)濟(jì)發(fā)展與CO2排放效率良性發(fā)展。

第五，加強(qiáng)全民節(jié)能意識(shí)。福建省政府應(yīng)大力宣傳節(jié)能和教育工作，普及節(jié)能科學(xué)知識(shí)，提倡并推行節(jié)約型消費(fèi)方式。

總之，節(jié)能減排工作應(yīng)堅(jiān)持政府主導(dǎo)、市場(chǎng)運(yùn)作、科技推動(dòng)和社會(huì)參與的原則。當(dāng)然，本文研究也存在不足之處，如本文僅選取了1994—2017年福建省的數(shù)據(jù)，使測(cè)度的效率值差異局限于福建省各年度上，未能細(xì)分至9個(gè)設(shè)區(qū)市，探究不同設(shè)區(qū)市的碳排放效率，進(jìn)而給出更加詳盡的分析。因此，在以后的研究中，可以收集整理更詳細(xì)的設(shè)區(qū)市數(shù)據(jù)，選取更適合的指標(biāo)，對(duì)福建省能源碳排放效率做更進(jìn)一步研究。

參考文獻(xiàn)：

[1] 馬大來(lái)，陳仲常，王玲.中國(guó)省際碳排放效率的空間計(jì)量[J].中國(guó)人口·資源與環(huán)境，2015（1）：67-77.

[2]Sun.J.W..The.decrease.of.CO2.emission.intensity.is.decarbonization.at.national.and.global.levels[J].Energy.Policy，2005.（8）：957-978.

[3] Mielnik.O，Goldemberg.J..The.evolution.of.the.“Carbonization.Index”.in.developing.countries[J].Energy.Policy，1999（5）：307-308.

[4]Ang.B.W..Is.the.energy.intensity.a.less.useful.indicator.than.the.carbon.factor.in.the.study.of.climate.change[J].Energy.Policy，1999（5）：943-946.

[5]Kaya.Y，Yokobori.K..Environment，energy，and.economy：strategies.for.sustainability[M].United.Nations.University.Press，1997.

[6]Hu.J.L，.Wang.S.C..Total.factor.energy.efficiency.of.regions.in.China[J]..Energy.Policy，.2006（34）：.3206-3217.

[7]史丹，等.中國(guó)能源利用效率問(wèn)題研究[M].北京：經(jīng)濟(jì)管理出版社，.2011.

[8]李金鎧，沈波，韓亞峰，等.中國(guó)區(qū)域能源效率比較：基于DEA—Malmquist和聚類(lèi)分析[J]..北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012（6）：1-6.

[9]Charnes.A，.Cooper.W.W，.Rhodes.E..Measuring.the.efficiency.of.decision.making.units[J]..European.Journal.of.Operation.Research，1978（2）：429-444.

[10]Tone，.K..A.slack—based.measure.of.efficiency.in.data.envelopment.analysis[J].European.Journal.of.Operational.Research，.2001（3）：498-509.

[11]李靜.基于SBM模型的環(huán)境效率評(píng)價(jià)[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（5）：771-775.

[12]陳真玲，李金鎧，張瑾，等.城市能源效率層級(jí)識(shí)別及層級(jí)預(yù)測(cè)：多層級(jí)前沿面DEA的新應(yīng)用[J].標(biāo)準(zhǔn)科學(xué)，2016（S1）：55-62.

[13] 左中梅，楊力.基于SBM模型的中國(guó)省際全要素能源效率分析[J].統(tǒng)計(jì)與決策，2011（20）：105-107.

[14] 郭炳南，林基.基于非期望產(chǎn)出SBM模型的長(zhǎng)三角地區(qū)碳排放效率評(píng)價(jià)研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017（1）：108-115.

[15] 馬大來(lái).中國(guó)農(nóng)業(yè)能源碳排放效率的空間異質(zhì)性及其影響因素：基于空間面板數(shù)據(jù)模型的實(shí)證研究[J].資源開(kāi)發(fā)與市場(chǎng)，2018（12）：1693-1700，1765.

[16]Fried，.L，Schmidt.Y.Accounting.for.environmental.effects.and.statistical.noise.in.data.envelopment.analysis[J].Journal.of.Productivity.Analysis，.2002（17）：121-136.

[17] 鄧波，張學(xué)軍，郭軍華.基于三階段DEA模型的區(qū)域生態(tài)效率研究[J].中國(guó)軟科學(xué)，2011（1）：92-99.

[18] Huang.D.C，Dong.Y.Y，.Zhang.C.Z，.et.al..Regional.energy.efficiency.in.China.based.on.a.three—stage.DEA.model[J].Journal.of.Resources.and.Ecology，2014（2）：97-104.

[19] 華堅(jiān)，任俊，徐敏，等.基于三階段DEA的中國(guó)區(qū)域CO2排放績(jī)效評(píng)價(jià)研究[J].資源科學(xué)，2013（7）：1447-1454.

[20] 牛秀敏.全要素視角下的中國(guó)碳排放效率區(qū)域差異性及收斂性研究[D].成都：西南財(cái)經(jīng)大學(xué)，2016.

[21] 張勝利，俞海山.中國(guó)工業(yè)碳排放效率及其影響因素的空間計(jì)量分析[J].科技與經(jīng)濟(jì)，2015（4）：106-110.

[22] 陳曉紅，易國(guó)棟，劉翔.基于三階段SBM—DEA模型的中國(guó)區(qū)域碳排放效率研究[J].運(yùn)籌與管理，.2017（3）：115-122.

[23] 徐國(guó)泉，欒昊.江蘇碳排放效率空間差異性及影響因素分析：基于改進(jìn)的三階段SBM—DEA模型分析[J]..生態(tài)經(jīng)濟(jì)，.2018（7）：33-38.

[24] 陳雯.基于三階段DEA模型的電力能源效率評(píng)價(jià)研究[D].合肥：合肥工業(yè)大學(xué)，2018.

[25] 吳江，譚濤，楊珂，等.中國(guó)全要素能源效率評(píng)價(jià)研究：基于不可分的三階段DEA模型[J].數(shù)理統(tǒng)計(jì)與管理，.2019（5）：1-15.

[26] 魏權(quán)齡.評(píng)價(jià)相對(duì)有效性的DEA方法[M].北京：中國(guó)人民大學(xué)出版社，1988.

[27] Banker.R.D，.Charnes.A，.Cooper.W.W.Some.models.for.estimating.technical.and.scale.inefficiencies.in.data.envelopment.analysis[J].Management.science，.1984（9）：.1078-1092..

[28] Jondrow.J，Lovell.C.A.K，.Materov.I.S，.et.al.On.the.estimation.of.technical.inefficiency.in.the.stochastic.frontier.production.function.model[J].Journal.of.econometrics，.1982（2-3）：.233-238.

[29] 沈能，王群偉.考慮異質(zhì)性技術(shù)的環(huán)境效率評(píng)價(jià)及空間效應(yīng)[J].管理工程學(xué)報(bào)，2015（1）：162-168.

[30] 郭四代，仝夢(mèng)，郭杰，等.基于三階段DEA模型的省際真實(shí)環(huán)境效率測(cè)度與影響因素分析[J].中國(guó)人口·資源與環(huán)境，2018（3）：106-116.

[31] 張軍，吳桂英，張吉鵬.中國(guó)省際物質(zhì)資本存量估算：1952—2000[J]..經(jīng)濟(jì)研究，2004（10）：35-44.

[32]IPCC..2006.IPCC.guidelines.for.national.greenhouse.gas.inventories：.volume.Ⅱ[R].Japan：.the.Institute.for.Global.Environmental.Strategies，2008.

[33] 福建省節(jié)約能源條例[N].福建日?qǐng)?bào)，2018-12-15（004）.

Research on the Energy Emission Efficiency and Influencing Factors of Fujian Province Based on Three—Phase DEA Model

Du Yi1，Ma Jingjing2，3， Xiang Kangli1

（1.Science and Technology Research Institute， State Grid Fujian Electric Power Co.，Ltd. Fuzhou Fujian 350012;

2.Business School of Zhengzhou University， Zhengzhou Henan 450000;

3.Center for Energy， Environment & Economic Research， Zhengzhou University， Zhengzhou Henan 450000）

Abstract： The key to reducing CO2 emissions while promoting economic and social development lies in how to improve CO2 emission efficiency. Firstly， this paper studied the 24 economic units of Fujian Province from 1994 to 2017， and used the three—phase DEA model to empirically calculate the energy CO2 emission efficiency of each year in Fujian Province under the total factor framework. Secondly， it further explored the impact degree of the factors affecting carbon emission efficiency in Fujian Province by using the OLS regression model. The study found that the carbon emission efficiency value was overestimated in 1994—2017 due to environmental variables and random errors， which may be resulted from the favorable external environment and relatively good luck before adjustment; in 2009， 2012—2017， the efficiency value was underestimated， mainly because of the increase in the efficiency of pure technical efficiency and the full utilization of the superiority of technical conditions in Fujian Province. The OLS regression results showed that the increase of the proportion of the output value of the three production and the improvement of the governments influence were the key factors to promote the efficiency of carbon emission; the ownership attribute was the determinant of the carbon emission efficiency; the per capita GDP and the population density were both the factors inhibiting the efficiency of carbon emission， but the effect was not significant. Based on the above analysis results， relevant policy recommendations were proposed to improve the energy carbon emission efficiency of Fujian Province.

Key words： three—phase DEA; carbon emission efficiency; energy consumption; OLS regression