用能權與碳排放權可交易政策組合下的經濟紅利效應

劉海英 王鈺

摘要 市場機制具有實現資源有效配置和建立正確激勵機制的優勢，用能權交易與碳排放權交易是典型的市場化能源政策，如果將這兩類能源政策進行組合使用，理論上可以更好地實現節能和CO2減排。本文從潛在產出增量、節能量、CO2減排量和綠色全要素生產率增長四個維度評價不同政策組合的經濟紅利效應。運用非參數DEA方法模擬了命令控制型、混合型和市場交易型三種不同情形下的能源政策組合，并據此測算了“十一五”和“十二五”期間中國30個省區（西藏和港澳臺除外）的潛在產出增量、節能量和CO2減排量。采用基于非徑向方向性距離函數的Luenberger生產率指數表征綠色全要素生產率增長，并將綠色全要素生產率增長分解為節能、CO2減排和經濟增長三個驅動因素的貢獻。相關實證結果表明：①在用能權與碳排放權同時可交易的市場交易型政策組合下，潛在產出增量、節能量、CO2減排量和綠色全要素生產率都會顯著提高，體現出最佳的經濟紅利效應；②在混合型政策組合下，用能權與碳排放權一方實施可交易政策，而另一方仍受行政命令管制，政策間會發生掣肘作用，此時潛在產出增量、節能量、CO2減排量和綠色全要素生產率增長均遜于用能權與碳排放權同時可交易的市場交易型政策組合的結果；③當實施命令控制型政策組合時，能源消耗與CO2排放均受到嚴格的行政命令管制，其產生的經濟紅利效應最小；④綠色全要素生產率的指數分解結果表明，節能、CO2減排與合意產出（GDP）增加都是綠色全要素生產率增長的貢獻因素，但是與追求合意產出（GDP）增加相比，節能與CO2減排更容易提升中國的綠色全要素生產率。

關鍵詞 用能權交易；碳排放權交易；能源政策組合；綠色全要素生產率

中圖分類號 F062.1 文獻標識碼 A 文章編號 1002-2104（2019）05-0001-10 DOI：10.12062/cpre.20190110

轉變經濟發展方式、優化能源結構、降低經濟增長中的能源消耗強度是中國踐行生態文明建設的重要舉措?！笆濉币巹澲兄赋觯?020年，全國萬元國內生產總值能耗要比2015年下降15%，能源消費總量控制在50億t標準煤以內。如果用行政手段來完成這些總量目標和各地區的分解目標，則屬于命令控制型能源政策。如果在總量控制前提下，引入市場交易機制對節能目標進行重新配置，則屬于市場交易型能源政策。中國的能源政策正逐步從命令控制型向市場交易型轉變。2016年9月，國家發改委印發的《用能權有償使用和交易制度試點方案》確定在浙江、福建、河南、四川開展用能權有償使用和交易制度試點工作。2017年12月，中國電力行業率先宣布啟動全國碳排放權交易市場。用能權交易與碳排放權交易雖同屬于市場交易型能源政策，但卻是兩類不同的政策工具。用能權交易是基于能源要素投入錯配假設，本質上提高了供給側的資源配置效率。而碳排放權交易則是基于產出配置失衡假設，本質上改善了需求側的分配不均衡問題。如果將這兩類政策工具結合起來，理論上可以更好地實現節能與CO2減排，并提高資源的配置效率。基于此，本文擬從潛在產出增量、節能量、CO2減排量和綠色全要素生產率增長四個維度評價不同政策組合的經濟紅利效應。當用能權與碳排放權同時實施可交易政策時，相當于對要素投入（供給側）和產出（需求側）同時放松管制，在總量控制基礎上每一個省區都將根據自身的GDP目標和成本綜合考量，既可以在生產的前端自由配置能源投入要素，亦可在產出端自主選擇CO2排放量，能源投入和CO2排放不再受限于規定的上限，一些生產效率高的省區可以通過購買用能權或碳排放權來實現更大的產出。由于能源投入和碳排放具有直接對應關系，當兩者不同時選擇可市場化交易的政策時，就會發生政策間的掣肘作用，例如，用能權可交易，而碳排放受行政命令控制，碳排放的限制約束會傳導到能源消耗進而限制用能權交易。用能權與碳排放權同時可交易時，相當于在生產的投入和產出端同時進行調整，不會因為一方約束過強而導致另一方無法實現交易，這樣能耗和碳排放之間就會產生協同作用，并呈現出較好的節能減排效果。一些節能減排成本較低的省區會向成本較高的省區出售多余的用能權和碳排放權，出售用能權或碳排放權帶來的收益會進一步激勵各個省區實施節能減排綠色技術創新，最終會促進綠色全要素生產率和能源結構的持續性改善。

劉海英等：用能權與碳排放權可交易政策組合下的經濟紅利效應

中國人口·資源與環境 2019年 第5期1 文獻綜述

目前能源政策機制主要分為行政主導機制和市場主導機制。其中行政主導機制又可分為兩類，一類是指用行政權力直接管控的命令控制型政策，包括能源市場準入、能源價格管制、限制性使用以及強制淘汰等；另一類是指政府用經濟手段引導的各類政策，包括財政補貼、征稅、減稅、綠色信貸和能源價格特惠等。市場主導機制在執行過程中形成了市場交易型政策，主要包括碳排放權交易、節能量交易和用能權交易等。

行政主導機制在執行過程中形成了命令控制型和經濟引導型兩類能源政策。命令控制型政策很少被單獨研究，大多和市場交易型政策一起作為對比分析[1-2]。而經濟引導型政策的相關研究較多，比如劉潔和李文[3]研究認為征收碳稅對中國經濟的沖擊較大。周丹和趙子健[4]的研究結論與之相同，但發現征收碳稅可以減少化石能源投入和碳排放強度。魏朗和鄭巧精[5]認為征收碳稅雖然可以提高能源要素的產出效率，但也會抑制區域經濟增長。能源補貼政策又分為清潔能源補貼和化石能源補貼，多數學者認為取消化石能源補貼可以減少CO2排放和促進清潔技術擴散 [6-7]。嚴靜和張群洪[8]采用CGE模型的模擬結果表明，可再生能源補貼政策對宏觀經濟有顯著的正向影響。綜上所述，征稅一般會抑制經濟增長，但會減少化石能源投入和碳排放強度，而取消化石能源補貼同時增加非化石能源補貼，則會產生更好的經濟紅利效應。

碳排放權交易和用能權交易均屬于典型的市場主導機制，但前者應用相對更廣?，F有關于碳排放權交易的文獻，大多是采用數據包絡分析（DEA）、可計算一般均衡模型（CGE）和博弈論等方法，分析其對經濟增長和節能減排的影響。

首先，運用非參數DEA方法模擬碳排放權交易的模型最早由Brnnlund等[9]提出，其以最大化短期利潤為目標函數，對瑞典41家造紙廠進行模擬分析。Fre等[10-11]的優化模型則以最大化產出為目標函數，以美國81家火力發電廠為研究對象，比較了命令控制型政策與市場交易型政策對潛在產出的影響。近年來有些學者將這類模型應用到宏觀研究領域，比如劉海英等[1]對省際經濟系統的研究結果表明，與命令控制型政策相比，碳排放權交易政策能夠促進潛在總產出的增長，并降低碳排放總量。梁勁銳和席小瑾[12]也用同樣方法模擬了中國省際水平的碳交易機制，認為實施碳交易政策可以實現經濟和環境的雙重紅利效應。其次，一些學者還將CGE方法引入到碳交易政策的分析中。比如周晟呂[13]構建了上海市的能源-環境-經濟CGE模型，認為實施碳交易政策對GDP和環境效益均有正向的推動作用，可以實現經濟和環境雙重紅利效應。然而時佳瑞等[14]對全國分行業數據CGE模型的研究結果卻顯示，碳交易機制雖能有效地降低碳強度和能源強度，但對經濟產出卻產生一定的負面影響，并不存在雙重紅利效應。最后，也有學者將博弈論方法應用到碳交易的政策效應研究中。曹翔和傅京燕[2]通過兩階段博弈模型模擬了強制減排、碳稅與碳交易三種政策對內外資企業節能減排行為的影響，結果表明三種政策均降低了社會總產量?？梢?，由于研究方法選擇和研究目標不同，實施碳排放權交易政策并不必然導致產出增長和環境改善的雙重紅利效應。

用能權交易與碳排放權交易的理論基礎均為科斯的產權理論，盡管二者的側重點有所不同，但均采用市場交易手段實現能源的有效配置。2015年9月，中共中央、國務院印發的《生態文明體制改革總體方案》首次正式提出用能權的概念。用能權交易是由中國最早提出的一項創新性節能減排政策，與碳排放權交易相比，其目前還尚未在實踐中獲得檢驗，因此現有的研究文獻仍集中于制度層面的探討，其中涉及到用能權的制度構建、立法、履約機制以及與碳排放權交易政策的制度銜接問題等[15-16]。目前幾乎沒有用能權交易政策的實證模擬研究?；诖耍疚膶⒉捎梅菂礑EA方法模擬用能權交易政策，并將其與碳排放交易政策和命令控制型政策進行組合，探究不同政策組合對潛在產出、節能、CO2減排和綠色全要素生產率的影響，評估用能權與碳排放權可交易政策組合的經濟紅利效應。

2 數據來源與模型構建

2.1 數據來源

本文選用“十一五”（2006—2010）和“十二五”（2011—2015）期間中國30個省區（因數據可得性的原因，研究不包括西藏和港澳臺地區）的投入產出數據，投入要素包括資本存量（K）、人力資本（L）和能源消費量（E），合意產出（Y）為各省區的國內生產總值，非合意產出（C）為CO2排放量。本文數據來自歷年《中國統計年鑒》《中國勞動統計年鑒》《中國能源統計年鑒》、各省區《統計年鑒》和Wind數據庫。

2.1.1 資本存量（K）

本文根據單豪杰[17]提出的永續盤存法對各年資本存量進行估算。由于基年選擇越早，基年初始資本存量估計的誤差對之后年份的影響就越小，所以本文選取1952年作為估算的基年。將各省區固定資產折舊率統一設定為10.96% ，固定資本形成總額作為當期投資額，用分地區固定資產投資價格指數折算為以2006年為基年的不變價，單位為億元人民幣。

2.1.2 人力資本（L）

如果用就業人口數代表勞動投入，就忽略了因受教育水平不同而產生的差異，因此本文的勞動投入選擇一二三產業就業總人口與地區平均受教育年限的乘積。

2.1.3 能源消費量（E）

將各省煤、石油和天然氣三種一次能源的消費量折算成統一能源單位——萬t標準煤。

2.1.4 合意產出（Y）

以2006年為基期，利用GDP指數進行平減，單位為億元人民幣。

2.1.5 非合意產出（C）

t期的CO2排放總量可以通過（1）式估算得到：

Ct=∑3i=1Ci，t=∑3i=1Ei，t×NCVi×CEFi×COFi×4412

（1）

其中，C代表估算的CO2排放量（單位為萬t），i =1， 2， 3分別代表三種一次能源（煤炭、石油和天然氣），E代表它們的消耗量（前兩者單位為萬t，后者單位為億m3）。NCV為《中國能源統計年鑒》附錄4中提供的中國三種一次能源的平均凈發熱值。CEF為IPCC溫室氣體清單提供的碳排放系數，COF為三種一次能源的碳氧化因子。各種能源折算標準煤系數也由同期《中國能源統計年鑒》提供。煤炭、石油、天然氣數據來自于《中國能源統計年鑒》中分地區能源消耗量，缺失數據從地區能源平衡表（實物）中獲得。

2.2 環境生產技術及模型構建

本文以中國30個省區（西藏和港澳臺除外）為決策評價單元，重慶數據被并入四川，在環境生產技術框架下構建優化模型。GDP為合意產出變量（y≥0），CO2為非合意產出變量（u∈R1+），資本存量和人力資本為非能源投入變量（x1，x2∈R2+），能源消費量為能源投入變量（e∈R1+）。

首先，本文假定非能源投入與合意產出具有強可處置性，非合意產出具有弱可處置性，且非合意產出與合意產出零零關聯。零零關聯指當非合意產出為零時，合意產出必須為零。弱可處置性意味著減少碳排放必須以放棄一定量合意產出為代價，即（y，b）∈p（x，e），則（θy，θb）∈p（x，e），θ≤1，成立。其次，本文假定能源投入具有弱可處置性，根據Fre等[18]提出的投入弱可處置性概念，投入增加將會導致產出減少，即等產量線在生產“非經濟區域”（Noneconomic Regions）出現“后彎”（Backward Bending）。對于化石能源而言，其投入增加必然會排放更多的CO2，而過多的CO2會增加處置成本，即能源投入增加將間接性地導致合意產出（GDP）減少，因此本文假設能源投入具有弱可處置性，并與合意產出零零關聯。

2.2.1 情形一：命令控制型政策組合

命令控制型政策組合是指能源投入和CO2排放都選擇命令控制型政策，均受到嚴格的行政管制。本文以Fre等[10]的碳排放權交易模型為基礎，不同之處在于，本文假定能源投入具有弱可處置性，所以相應的約束條件采用等式形式，并且以最大產出增量之和為目標函數，其中潛在產出增量為各省區在生產可能集內所能達到的最大產出增加量。

命令控制型政策組合要求各省區的能源投入量和CO2排放量不能超過初始配額。本文采取基于歷史量的方法進行分配，即當期的實際能源投入量和CO2排放量為初始配額。全部省區t期最大潛在產出增量總和可由（2）式得到。

ωt=max∑Kk=1atk

s.t. 對第1個省區：

∑Kk=1z1，tk×ytk≥yt1+at1；∑Kk=1z1，tk×utk=ut1；∑Kk=1z1，tk×etk=et1；∑Kk=1z1，tk×xtk，n≤xt1，n，n=1，2；z1，tk≥0，k=1，…，K

……

（2）

對第K個省區：

∑Kk=1zK，tk×ytk≥ytK+atK；∑Kk=1zK，tk×utk=utK；∑Kk=1zK，tk×etk=etK；∑Kk=1zK，tk×xtk，n≤xtK，n，n=1，2；zK，tk≥0，k=1，…，K

atk為t期第k個省區的潛在產出增量，ωt為t期最大潛在產出增量總和。非能源投入與合意產出的不等式約束代表這兩個變量具有強可處置性，能源投入與非合意產出的等式約束代表它們是弱可處置的，決策單元的權重z的非負性約束說明模型滿足規模報酬不變假設。

2.2.2 情形二：混合型政策組合

混合型政策組合是指在投入端和產出端分別實施命令控制型與市場交易型能源政策，具體又分為兩種情況：

（1）用能權可交易而CO2排放被行政管制

這類混合型政策組合是指用能權可市場化交易，但CO2排放受行政命令配額限制，其潛在產出增量模型如（3）式所示：

ωt=max∑Kk=1atk

s.t. 對第1個省區：

∑Kk=1z1，tk×ytk≥yt1+at1；∑Kk=1z1，tk×utk=ut1；∑Kk=1z1，tk×etk=et1+ct1；∑Kk=1z1，tk×xtk，n≤xt1，n，n=1，2；z1，tk≥0，k=1，…，K

……

（3）

對第K個省區：

∑Kk=1zK，tk×ytk≥ytK+atK；∑Kk=1zK，tk×utk=utK；∑Kk=1zK，tk×etk=etK+ctK；∑Kk=1zK，tk×xtk，n≤xtK，n，n=1，2；zK，tk≥0，k=1，…，K

對所有省區：

∑Kk=1ctk≤0

其中，ctk為t期第k個省區能源投入增量，當值小于0時證明存在節能行為，∑Kk=1ctk≤0，反映了用能權交易政策的能源投入總量約束，即市場重新配置后的總量不可以超過歷史能源投入總量。

（2）能源投入受行政管制而碳排放權可交易

這類混合型政策組合是指能源投入受行政命令配額限制，碳排放權可市場化交易，其潛在產出增量模型如（4）式所示：

ωt=max∑Kk=1atk

s.t. 對第1個省區：

∑Kk=1z1，tk×ytk≥yt1+at1；∑Kk=1z1，tk×utk=ut1+bt1；∑Kk=1z1，tk×etk=et1；∑Kk=1z1，tk×xtk，n≤xt1，n，n=1，2；z1，tk≥0，k=1，…，K

……

（4）

對第K個省區：

∑Kk=1zK，tk×ytk≥ytK+atK；∑Kk=1zK，tk×utk=utK+btK；∑Kk=1zK，tk×etk=etK；∑Kk=1zK，tk×xtk，n≤xtK，n，n=1，2；zK，tk≥0，k=1，…，K

對所有省區：

∑Kk=1btk≤0

其中，btk為t期第k個省區碳排放增量，當值小于0時證明存在碳減排行為，∑Kk=1btk≤0，反映了碳交易政策的總量約束，即市場重新配置后的總量不可以超過歷史碳排放總量。

2.2.3 情形三：市場交易型政策組合

市場交易型政策組合是指用能權與碳排放權可同時進行市場化交易。線性規劃形式如下：

ωt=max∑Kk=1atk

s.t. 對第1個省區：

∑Kk=1z1，tk×ytk≥yt1+at1；∑Kk=1z1，tk×utk=ut1+bt1；∑Kk=1z1，tk×etk=et1+ct1；∑Kk=1z1，tk×xtk，n≤xt1，n，n=1，2；z1，tk≥0，k=1，…，K

……

（5）

對第K個省區：

∑Kk=1zK，tk×ytk≥ytK+atK；∑Kk=1zK，tk×utk=utK+btK；∑Kk=1zK，tk×etk=etK+ctK；∑Kk=1zK，tk×xtk，n≤xtK，n，n=1，2；zK，tk≥0，k=1，…，K

對所有省區：

∑Kk=1btk≤0；∑Kk=1ctk≤0

3 不同政策組合下的潛在產出、節能和碳減排變化 依據上述數據和模型，運用MATLAB中linprog函數進行優化模擬，獲得不同政策組合下的潛在產出增量。

3.1 不同政策組合下潛在產出增量分析

本文模擬三種不同情形下的政策組合，并依據模型（2）、（3）、（4）和（5）計算各自的潛在產出增量，并依此計算了潛在產出增比（即潛在產出增量總和與實際產出總量的比值，簡稱潛在產出增比），具體如圖1所示。

由圖1可知，2006—2015年間，三種不同情形政策組合的潛在產出增比呈現下降趨勢，但在“十二五”期間下降趨緩。具體來看，情形一命令控制型政策組合下，年平均潛在產出增比為11.58%。情形二中僅用能權可交易時，年平均潛在產出增比為19.56%，僅碳排放權可交易時為20.22%。當模擬實施情形三市場交易型政策組合時，年平均潛在產出增比高達27.45%。從情形一到情形三，當能源政策逐步放松行政管制后，潛在產出會顯著提高，主要原因在于：①情形三中用能權與碳排放權同時實施可交易政策，相當于對要素投入（供給側）和產出（需求側）同時放松管制，在總量控制基礎上每一個省區都將根據自身的GDP目標和成本綜合考量，既可以在生產的前端自由配置能源投入要素，亦可在產出端自主選擇CO2排放量，能源投入和CO2排放不再受限于規定的上限，一些生產效率高的省區可以通過購買用能權或碳排放權來實現更大的產出。②在情形一命令控制型政策組合下，能源投入和CO2排放都不能超過規定的上限，這種行政管制必然

圖1 不同政策組合下潛在產出增比抑制能源要素的流動，不利于具有能源成本優勢的省區發揮比較優勢，這必然會影響潛在產出。在命令控制型政策組合下，經濟主體節能減排不會帶來額外收益，必然導致節能減排綠色技術創新激勵不足進而使經濟潛在產出受損。③情形二是在投入產出兩端分別實施市場交易型政策和命令控制型政策，由于化石能源投入和CO2排放存在直接對應關系，混合型政策組合在實施過程中必然存在掣肘作用，所以潛在產出增比必然劣于情形三的結果。

在省際水平上，潛在產出增比呈現出和全國類似的結果（限于篇幅原因，將不列示不同政策組合下各省區平均潛在產出增比的結果）。情形一下潛在產出增比均值（即對所有省區的十年潛在產出增比均值再求平均）為1283%，情形二下兩種混合型政策組合的潛在產出增比均值分別為23.75%和24.27%，情形三為36.35%。當模擬情形三市場交易型政策組合時，青海、寧夏、云南和海南的潛在產出增比相對較大，說明這些省區更受益于市場交易型政策組合，在這些省區實施用能權與碳排放權可交易政策，能夠大幅度提高產出。上海和廣東這兩個省區的平均潛在產出增比為0，理論上已經實現了能源投入和CO2排放的最優配置。當模擬情形一命令控制型政策組合時，北京、山西、內蒙古、上海、廣東、海南和新疆的潛在產出增比均為0，說明在嚴格行政管制的能源政策組合下，這些省區已經達到了最大產出水平并處在生產前沿上。然而這些省區（廣東省除外）在情形三中卻并未處在生產前沿上，可見，這些省區只在能源投入和CO2排放存在較強行政約束時才相對有效，而一旦實施可交易政策，產出仍然會大幅度增加（北京、山西和內蒙古的潛在產出增比分別達到了9.16%、47.49%和25.69%），這恰恰說明了市場交易型政策組合對潛在產出的正向促進效應。當模擬情形二混合型政策組合時發現，北京、山西、內蒙古和廣東在兩種混合型政策組合下的潛在產出增比均為0。

3.2 不同政策組合下節能減排分析

由于只有情形二和情形三涉及到用能權和碳排放權交易后的重新配置問題，所以主要對比這兩類政策組合的節能減排效應。為了刻畫節能減排效應，本文引入節能比和碳減排比概念，所謂節能比是指潛在節能量占實際能源投入的百分比，碳減排比是指潛在碳減排量占實際碳排放量的百分比。全國各年節能比和碳減排比計算結果如表1所示。

在情形三中，用能權和碳排放權沒有實現市場出清，在潛在產出增量總和最大的約束下，重新配置后的能源投入和CO2排放均小于實際的數據，即生產過程中能源投入和CO2排放減少，而潛在產出卻大于實際產出，體現了經濟增長過程中的節能減排效應。與情形三相比，情形二的節能和CO2減排效應都不明顯。當實施情形三市場交易型政策組合時，碳減排比年平均高達39.81%，而在情形二中僅碳排放權可交易的混合型政策組合下，年平均碳減排量還不足1%；同樣，情形三的節能效果也明顯優于情形二。之所以會出現這種結果，主要原因在于情形二未發揮能源政策間的協同作用。

由于能源投入與CO2排放具有直接對應關系，只要用能權與碳排放權不同時可交易，就會發生政策間的掣肘作用。例如，情形二中用能權可交易，而CO2排放受行政管制，受管制的CO2排放行為會影響能源消耗行為進而限制用能權交易，因此CO2排放的限制性約束導致其政策組合并不能取得情形三那樣的節能效果。同理，情形二中碳排放權可交易時，能源投入因受行政管制而無法增加，此時碳排放權交易政策同樣也達不到預期的減排效果。而情形三中用能權與碳排放權同時可交易，相當于在投入端和產出端同時進行調整，不會因為一方約束過強而導致另一方無法實現交易，此時能源投入和CO2排放之間就會產生協同作用，并呈現出較好的節能減排效果。

表1從時間縱向上呈現了不同政策組合下全國各年的節能和碳減排變化趨勢，但各省區的節能和碳減排狀況又有所不同（限于篇幅原因，將不列示不同政策組合下各省區平均節能比與碳減排比的結果）?？傮w來看，情形三的平均節能比和碳減排比分別為30.88%和32.82%，節能減排效果明顯優于情形二混合型政策組合。

首先，從CO2排放的變化情況來看。在情形三市場交易型政策組合下，碳排放權市場沒有出清而存在剩余，盡管如此，一些省區還是買進了碳排放權，北京、廣西和福建的碳減排比為負，即買進碳排放權，其中北京買進了7318%的額外碳排放權。而山西、寧夏、內蒙古和貴州的碳減排比都在70%以上，說明這幾個省區在交易中出售了大部分碳排放權。在情形二中僅碳排放權可交易的混合型政策組合下，海南、新疆和甘肅的碳減排比為負，說明買進了碳排放權，而在情形三中，這三個省區的碳減排比為正，交易結果卻是賣出碳排放權。同樣，情形三中廣西和福建的碳減排比為負，而在情形二中卻為正，同一省區在模擬兩種不同政策組合時，其碳交易的決策截然不同。

其次，從能源投入的變化情況來看。在情形三市場交易型政策組合下，大多數省區節能比為正，其中山西、寧夏和內蒙古的節能比均超過70%，是能源嚴重過剩地區，但北京、廣西和福建的節能比卻為負，說明這幾個省區節能邊際成本較高，需要買進用能權。而在情形二中僅用能權可交易的混合型政策組合下，用能權交易量相對較小，其中遼寧、海南、甘肅和青海的節能比為正，有多余的用能權可以出售，而福建、江西、廣西和海南等省區，節能比為負，是買進用能權的主要省區。

綜上，與其它政策組合相比，用能權與碳排放權同時可交易的市場交易型政策組合確實顯著提升了潛在產出水平，而且，這種潛在產出的提高同時伴隨著節能和CO2減排，體現了綠色可持續性增長。并沒有依靠投入要素的增加，相反能源投入比實際消耗更少，因此潛在產出增長完全是提高生產效率的結果。既然這種綠色可持續性增長來自于實施市場交易型政策組合，那么這種政策組合是如何提升綠色增長績效的呢？

4 綠色全要素生產率對不同政策組合的敏感性分析 本文的綠色全要素生產率是指考慮了能源投入和非合意產出因素的全要素生產率。因涉及到能源投入、合意產出（GDP）和非合意產出（CO2）因素，且考慮到各要素的擴張收縮比例不同以及松弛問題，故本文選擇非徑向方向性距離函數方法，并在此基礎上運用Luenberger生產率指數構建綠色全要素生產率。

4.1 非徑向方向性距離函數

方向性距離函數一般可分為徑向與非徑向形式。徑向方向性距離函數要求在優化過程中所有投入產出均同比例變化[19]，非徑向方向性距離函數在效率測度過程中考慮了松弛問題，各種投入產出能夠以不同比例收縮和擴張。本文使用的非徑向方向性距離函數借鑒了Zhou等[20]提出的模型，但該模型只是基于節能和CO2減排雙重目標，并且假定能源投入具有強可處置性。本文不同之處在于，首先，假定能源投入和CO2排放具有弱可處置性；其次，在方向性距離函數的計算中增加了合意產出因素，同時兼顧了節能、CO2減排和經濟增長三重目標。具體模型如下：

Di（x，e，u，y；g）=max：13×（βy+βu+βe）

s.t.∑Kk=1zk×yk≥（1+βy）yi；∑Kk=1zk×uk=（1-βu）ui；∑Kk=1zk×ek=（1-βe）ei；∑Kk=1zk×xk≤xi；0≤βu，βe<1；βy≥0；zk≥0 k=1，…，K

（6）

方向向量為g（0，-e，-u，y），βy是合意產出在原基礎上增加的比例，βu是非合意產出在原基礎上減少的比例，βe是能源投入在原基礎上減少的比例，三個數值不要求相等，各變量可以發生非徑向變化。方向性距離函數的值為三者的算術平均值，說明在效率測度中對節能、CO2減排和經濟增長賦予相等權重，其值越小說明決策單元距離生產前沿面越近，投入產出相對更有效率。

4.2 Luenberger綠色全要素生產率及分解

本文選用Luenberger生產率指數表征綠色全要素生產率，原因如下：①與Luenberger全要素生產率指數相比，MalmquistLuenberger全要素生產率指數是基于跨期距離函數的幾何平均，結果會高估生產率變化[21]；②Luenberger全要素生產率指數是基于方向性距離函數的算術平均，與非徑向方向性距離函數在形式上均具有可加性；③Luenberger綠色全要素生產率指數可處理等于“零”的異常值，結果更穩健。

假定政策組合模擬實施前為第0期，政策組合模擬實施后為第1期。第i個決策單元的Luenberger綠色全要素生產率如下：

L10，i=12×[D1i（x0，e0，u0，y0；g0）-D1i（x1，e1，u1，y1；g1）+D0i（x0，e0，u0，y0；g0）-D0i（x1，e1，u1，y1；g1）]

（7）

為了獲得Luenberger綠色全要素生產率，我們需要計算四個非徑向方向性距離函數，其中同期方向性距離函數D0i（x0，e0，u0，y0；g0）如下：

D0i（x0，e0，u0，y0；g0）=max：13×（β0，0y+β0，0u+β0，0e）

s.t.∑Kk=1zk×y0k≥（1+β0，0y）y0i；∑Kk=1zk×u0k=（1-β0，0u）u0i；∑Kk=1zk×e0k=（1-β0，0e）e0i；∑Kk=1zk×x0k≤x0i；0≤β0，0u，β0，0e<1；β0，0y≥0；zk≥0 k=1，…，K

（8）

D1i（x1，e1，u1，y1；g1）同理。

D1i（x1，e1，u1，y1；g1）=max：13×（β1，1y+β1，1u+β1，1e）

s.t.∑Kk=1zk×y1k≥（1+β1，1y）y1i；∑Kk=1zk×u1k=（1-β1，1u）u1i；∑Kk=1zk×e1k=（1-β1，1e）e1i；∑Kk=1zk×x1k≤x1i；0≤β1，1u，β1，1e<1；β1，1y≥1；zk≥0 k=1，…，K

（9）

跨期方向性距離函數D0i（x1，e1，u1，y1；g1）規劃如下：

D0i（x1，e1，u1，y1；g1）=max：13×（β0，1y+β0，1u+β0，1e）

s.t.∑Kk=1zk×y0k≥（1+β0，1y）y1i；∑Kk=1zk×u0k=（1-β0，1u）u1i；∑Kk=1zk×e0k=（1-β0，1e）e1i；∑Kk=1zk×x0k≤x1i；0≤β0，1u，β0，1e<1；β0，1y≥0；zk≥0 k=1，…，K

（10）

D1i（x0，e0，u0，y0；g0）同理。

D1i（x0，e0，u0，y0；g0）=max：13×（β1，0y+β1，0u+β1，0e）

s.t.∑Kk=1zk×y1k≥（1+β1，0y）y0i；∑Kk=1zk×u1k=（1-β1，0u）u0i；∑Kk=1zk×e1k=（1-β1，0e）e0i；∑Kk=1zk×x1k≤x0i；0≤β1，0u，β1，0e<1；β1，0y≥0；zk≥0 k=1，…，K

（11）

按照Mahlberg和Sahoo[22]、chang等[23]提出的方法，基于非徑向方向性距離函數的Luenberger生產率指數可以分解為各投入要素的生產率變化之和。而本文將Luenberger綠色全要素生產率分解為合意產出、能源投入和非合意產出的貢獻之和。其中L10，i，y、L10，i，e、L10，i，u分別代表合意產出、能源投入和非合意產出的生產率變化，L10，i代表綠色全要素生產率。

L10，i，y=16×[（β1，0y-β1，1y）+（β0，0y-β0，1y）]

（12）

L10，i，e=16×[（β1，0e-β1，1e）+（β0，0e-β0，1e）]

（13）

L10，i，u=16×[（β1，0u-β1，1u）+（β0，0u-β0，1u）]

（14）

而Luenberger綠色全要素生產率又等于各項生產率變化之和。

L10，i=L10，i，y+L10，i，u+L10，i，e

（15）

4.3 綠色全要素生產率的計算和分解

從“波特效應”的理論邏輯來看，能源規制政策在長期內將會提升綠色技術創新水平。分析各省區綠色全要素生產率變化對三種不同政策組合的敏感性，結果如表2所示。

當模擬實施情形三市場交易型政策組合時，綠色全要素生產率年平均增長高達39.78%。而情形二混合型政策組合下，僅用能權可交易或碳排放權可交易時，綠色全要素生產率年平均增長分別為12.40%和13.51%。情形一命令控制型政策組合下，綠色全要素生產率年平均增長僅為5.54%。與命令控制型能源政策相比，市場交易型政策更有利于推動綠色技術創新。

表2反映了模擬某種政策組合后的綠色全要素生產率變化，但這一結果并不反映現實經濟中的綠色全要素生產率變化情況。通常情況下，模擬實施政策組合后綠色全要素生產率增長百分比越大，意味著對該政策組合越敏感，或者說該地區的綠色發展與這類政策組合更契合。現實經濟發展水平較高的地區，模擬某種政策組合后綠色全要素生產率增長相對更低，這符合生產率增長的收斂性理論，即不發達（生產率相對較低）地區在面臨相同的政策激勵下，總是更具有比較優勢。在這一邏輯下解讀表2數據應該預設如下的理論前提，即模擬實施某類政策組合后，綠色全要素生產率增長百分比越大，說明該政策組合更有利于該省區的綠色可持續發展。

從各省區具體情況來看，在情形三市場交易型政策組合下，寧夏、山西、貴州和新疆的綠色全要素生產率增長均超過60%，這說明市場交易型政策組合是提升這四個省區綠色全要素生產率的最佳政策供給，而上海和廣東的綠色全要素生產率增長為0。在情形一命令控制型政策組合下，四川、青海、云南和吉林四個省區的綠色全要素生產率提升幅度超過了10%，盡管如此，這類政策組合對綠色全要素生產率的提升作用仍然不及情形三市場交易型政策組合，北京、山西、內蒙古、上海、廣東、海南和新疆的綠色全要素生產率增長為0。在情形二混合型政策組合中僅碳排放權可交易時，廣西、四川和云南的綠色全要素生產率增長較高，而北京、山西、內蒙古、上海和廣東為0；僅用能權可交易時，廣西、四川、云南和青海較高，而北京、山西、內蒙古和廣東為0，其中上海的綠色全要素生產率增長為負，說明上海并不適合用能權交易而碳排放受行政管制的政策組合。

綜上可知，首先，北京、山西和內蒙古在情形三市場交易型政策組合下綠色全要素生產率增長為正，而在其他三種情況下均為0，說明這三個省區僅僅依靠政府的行政管制或單一權利資源的市場化交易并不能有效提升綠色全要素生產率，只有同時實施用能權交易與碳排放權交易政策，才是提升綠色全要素生產率的最佳政策配給。同樣，海南和新疆僅在情形一命令控制型政策組合下綠色全要素生產率增長為0，其他三種情況下為正，說明這兩個省區無法通過單純的行政管制來提高綠色全要素生產率，而一旦放松行政管制，轉而實施包含市場化交易政策的情形二或情形三政策組合，則綠色全要素生產率就會顯著提升。其次，福建和廣西在情形二的兩種政策組合下，綠色全要素生產率增長幅度均大于情形三市場交易型政策組合下的結果，這說明對于這兩個省區而言，能源政策的過度市場化并不利于綠色全要素生產率的提高，能源規制手段應采用行政管制與市場化交易相結合的方式。最后，上海的綠色全要素生產率增長在情形二中僅用能權可交易時為負，而在其他政策組合下均為0，說明僅實施用能權交易政策會導致上海的綠色全要素生產率下降。

雖然對個別省區而言，市場交易型政策組合未必是提高綠色全要素生產率的最佳選擇，但對于大多數省區來說，實施情形三的市場交易型政策組合仍不失為提高綠色全要素生產率的最佳政策工具。因此本文將以情形三為例，根據公式（12）、（13）和（14），對各省區的Luenberger綠色全要素生產率進行分解。具體分解結果如表3所示。

根據前文綠色全要素生產率模型所兼顧的目標，將綠色全要素生產率增長分解為合意產出（GDP）、能源投入和非合意產出（CO2）三者的貢獻。其中合意產出增加對綠色全要素生產率具有正向促進作用，而能源投入和非合意產出減少能夠促進綠色全要素生產率提高。表3為各省區綠色全要素生產率增長及其分解的十年平均值。在情形三市場交易型政策組合下，平均綠色全要素生產率增長為39.78%，其中CO2減排貢獻了16.25個百分點，對綠色全要素生產率增長貢獻最大；其次是節能貢獻了154個百分點；合意產出增加的貢獻最小，僅為8.12%。

上述結果表明，綠色全要素生產率的提高主要來自于節能和CO2減排，但從具體省區來看，有時并非如此。以青海和云南為例，這兩個省區合意產出的貢獻相對較高，說明提高經濟增長質量的首要任務是增加合意產出GDP，其次才是節能和CO2減排。北京的綠色全要素生產率增長為2.98%，非合意產出的生產率增長為0，能源投入的生產率增長為2.97%，說明北京的首要任務是節能，提高能源使用效率，進而促進經濟質量提高。天津的綠色全要素生產率增長為18.2%，其中GDP增長貢獻為0，節能和CO2減排分別貢獻8.8%和9.4%，所以天津提高綠色全要素生產率的途徑只有節能和CO2減排。上海和廣東的綠色全要素生產率增長為0，說明這兩個省區已經處在前沿面上，在實行節能減排政策時要慎重，避免因為節能減排強度過大而影響經濟發展。

從提高綠色全要素生產率的視角來看，盡管有些省區適用于單一的節能或CO2減排政策，甚至對于個別省區而言，追求GDP規模擴張更容易提升綠色全要素生產率。但對于大多數省區而言，過度追求GDP對綠色全要素生產率提升作用有限，而節能和CO2減排對提高綠色全要素生產率的空間相對更大，所以提高中國經濟綠色全要素生產率的首要任務是減少能源投入和CO2排放。

5 研究結論與啟示

本文運用非參數DEA方法模擬了三種不同情形下的能源政策組合，據此測算了“十一五”和“十二五”期間中國30個省區（西藏和港澳臺除外）的潛在產出增量、節能量和CO2減排量。構建了兼顧節能、CO2減排和經濟增長三重目標的綠色全要素生產率指數模型和指數分解模型。從潛在產出增量、節能量、CO2減排量和綠色全要素生產率增長四個維度評價不同政策組合的經濟紅利效應。具體研究結論如下：①在用能權與碳排放權同時可交易的市場交易型政策組合下，潛在產出增量、節能量、CO2減排量和綠色全要素生產率都會顯著提高，體現出最佳的經濟紅利效應；②在混合型政策組合下，用能權與碳排放權一方實施可交易政策，而另一方仍受行政命令管制，政策間會發生掣肘作用，此時潛在產出增量、節能量、CO2減排量和綠色全要素生產率增長均遜于用能權與碳排放權同時可交易的市場交易型政策組合的結果；③當實施命令控制型政策組合時，能源消耗與CO2排放均受到嚴格的行政命令管制，其產生的經濟紅利效應最?。虎芫G色全要素生產率的指數分解結果表明，節能、CO2減排和合意產出（GDP）增加都是綠色全要素生產率增長的貢獻因素，但是與追求合意產出（GDP）增加相比，節能和CO2減排更容易提升中國的綠色全要素生產率，因此中國實現經濟綠色可持續發展的首要任務是節能和CO2減排。

本文研究結論表明，目前中國在能源政策實施中應盡快引入市場化機制。黨的十八屆三中全會已經提出，要讓市場在資源配置方面起決定性作用，其實這種發展理念同樣適用于能源政策的市場機制設計。雖然中國的能源政策正逐步從命令控制型向市場交易型轉變，但目前仍以行政命令管制為主，用能權交易與碳排放權交易等激勵型政策在節能減排的實踐中仍未起主導作用。中國電力行業已率先宣布啟動碳排放權交易市場，但是與碳排放權交易政策的推進進程不一致，用能權交易政策目前僅停留在試點階段。中國應加快用能權交易政策的推進進程，并且和碳排放權交易政策一起協同實施。只有在供給側和需求側同時實施市場化的能源政策，才能最大化釋放出政策的經濟紅利效應，促進中國經濟實現綠色可持續發展。

（編輯：劉照勝）

參考文獻

[1]劉海英，王鈺，劉松靈.命令控制與碳排放權可交易環境政策模擬下的減排效應[J].吉林大學社會科學學報，2017，57（2）：57-67.

[2]曹翔，傅京燕.不同碳減排政策對內外資企業競爭力的影響比較[J].中國人口·資源與環境，2017，27（6）：10-15.

[3]劉潔，李文.征收碳稅對中國經濟影響的實證[J].中國人口·資源與環境，2011，21（9）：99-104.

[4]周丹，趙子健.基于地區 CGE 模型的碳稅效應研究——以上海為例[J].生態經濟，2015，31（4）：24-28.

[5]魏朗，鄭巧精.開征碳稅對我國區域經濟的影響[J].稅務與經濟，2016（6）：88-93.

[6]LIN B， JIANG Z. Estimates of energy subsidies in China and impact of energy subsidy reform[J].Energy economics， 2011， 33（2）：273-283.

[7]李虹.中國化石能源補貼與碳減排——衡量能源補貼規模的理論方法綜述與實證分析[J].經濟學動態，2011（3）：92-96.

[8]嚴靜，張群洪.中國可再生能源電價補貼及對宏觀經濟的影響[J].統計與信息論壇，2014，29（10）：46-51.

[9]BRANNLUND R， CHUNG Y H， FARE R， et al. Emissions trading and profitability： the Swedish pulp and paper industry[J].Environmental and resource economics，1998， 12（3）：345-356.

[10]FARE R， GROSSKOPF S， CARL A， et al.Tradable permits and unrealized gains from trade[J].Energy economics， 2013， 40：416-424.

[11]FARE R， GROSSKOPF S， CARL A， et al. Potential gains from trading bad outputs：the case of U.S. electric power plants[J].Resource and energy economics， 2014， 36（1）：99-112.

[12]梁勁銳，席小瑾.碳交易的潛在收益及減排途徑分析[J].東北財經大學學報，2017（4）：26-34.

[13]周晟呂.基于CGE模型的上海市碳排放交易的環境經濟影響分析[J].氣候變化研究進展，2015，11（2）：144-152.

[14]時佳瑞，蔡海琳，湯鈴，等.基于CGE模型的碳交易機制對我國經濟環境影響研究[J].中國管理科學，2015（S1）：801-806.

[15]韓英夫，黃錫生.論用能權的法理屬性及其立法探索[J].理論與改革，2017（4）：159-169.

[16]劉明明.論構建中國用能權交易體系的制度銜接之維[J].中國人口·資源與環境，2017，27（10）：217-224.

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

[18]FARE R， GROSSKOPF S， LOVELL C A K.Production frontiers[M].Cambridge：Cambridge University Press， 1994：38-44.

[19]CHAMBERS R G， FARE R， GROSSKOPF S. Productivity growth in APEC countries[J].Pacific economic review， 1996， 1（3）：181-190.

[20]ZHOU D Q， WANG Q， SU B， et al. Industrial energy conservation and emission reduction performance in China：a citylevel nonparametric analysis[J].Applied energy， 2016， 166：201-209.

[21]BOUSSEMART J P， BRIEC W， KERSTENS K， et al. Luenberger and Malmquist productivity indices： theoretical comparisons and empirical illustration[J]. Bulletin of economic research，2003， 55（4）：391-405.

[22]MAHLBERG B， SAHOO B K. Radial and nonradial decompositions of Luenberger productivity indicator with an illustrative application[J]. Production economics，2011， 131（2）：721-726.

[23]CHANG T P， HU J L， CHOU R Y， et al. The sources of bank productivity growth in China during 2002-2009： a disaggregation view[J]. Journal of bank & finance，2012， 36（7）：1997-2006.