沿邊省份碳排放效率水平及影響因素研究

［收稿日期］ 20230307

［基金項目］ 湖北省教育廳科技研究計劃重點項目（D20221407）； 2021年湖北省教育廳哲學社會科學研究重大項目（21ZD056）

［第一作者］ 汪" 果（1999-），男，湖北隨州人，湖北工業大學碩士研究生，研究方向為區域經濟。

［通信作者］ 李" 平（1985-），男，湖北潛江人，經濟學博士，湖北工業大學副教授，研究方向為綠色發展、數字經濟與農業經濟。

［文章編號］ 1003-4684（2024）03-0034-06

［摘" 要］ 依據沿邊省份2005-2019年面板數據，采用EBM-GML方法測度各沿邊省份的碳排放效率水平，并借助Tobit模型分析碳排放效率水平的影響因素。結果發現：沿邊省份碳排放效率水平總體呈上升趨勢，但在碳排放效率存在較大差異；技術效率在早期是碳排放效率水平上升的主要原因，但后期技術進步成為主要驅動因素，與技術效率共同發揮作用；經濟發展水平、對外開放水平、政府支持水平對碳排放效率水平產生積極影響，能源消費結構與碳排放效率水平有顯著的負向關系。實踐中可通過制定低碳發展戰略規劃、提升對外開放質量、優化能源消費結構等措施來賦能沿邊省份碳排放效率提升，進而實現沿邊經濟健康可持續發展。

［關鍵詞］ 沿邊省份； EBM-Tobit模型； 碳排放效率

［中圖分類號］ X322" ［文獻標識碼］ A

在2030年前實現碳達峰，力爭在2060年前實現碳中和的“碳達峰碳中和”（以下簡稱“雙碳”）目標，不僅是中國政府做出的莊重承諾，也是我國經濟轉型的一個必然選擇。要實現“雙碳”戰略目標，二氧化碳排放管理應由強度管制向總量管制轉變。各省、市、自治區相繼印發了“十四五”節能減排工作方案，諸多學者也圍繞“雙碳”目標的碳減排省份分解與責任分攤展開研究［1-3］，然而，這些研究的對象大多限于長江經濟帶、京津冀地區、長三角地區等經濟相對發達的內陸地區和沿海地區，對相對欠發達的沿邊省份碳減排效率的研究比較缺乏。沿邊省份受要素稟賦、區位環境等因素影響，仍存在對綠色發展方式和生活方式認識不深刻等問題。因此，對沿邊省份的碳排放效率進行深入研究將有助于我國“雙碳”目標的實現，有利于促進沿邊省份綠色低碳轉型。

1" 文獻綜述

在圍繞碳排放效率的研究中，如何測量碳排放效率水平是研究的熱點。目前具有多輸入多輸出的相對效率評價方法——數據包絡分析（DEA）方法得到廣泛應用（Wang and Wei，2014；Meng et al，2016；王群偉等，2010；李金鎧等，2020）［4-7］。但傳統DEA模型僅關注投入與產出變量之間的對應關系，忽視了徑向和角度的選取，容易造成效率測量的松弛性問題和精度問題（Song et al，2012）［8］。鑒于此，Tone 和Tsutsui（2010）［9］提出一種結合了徑向和非徑向特點來定義距離函數的EBM模型，而后被其他學者應用于評價碳排放效率和碳排放績效（田澤等，2016；汪克亮等，2017）［10-11］。

在碳排放效率影響因素的研究方面，現有文獻大都從省際角度考察碳排放效率驅動因素的區域性差異。研究發現，沿海省份碳排放效率普遍高于內陸省份，且碳排放效率呈東、中、西依次遞減的趨勢，并通過規模效應、結構效應和技術效應探討經濟發展對碳排放效率的影響機制（李濤等，2011；馬大來等，2015；Xiao et al，2021）［12-14］。還有研究納入全要素框架，分析碳排放效率變化的影響因素，指出碳減排技術進步、碳減排技術效率的調整會顯著促進碳排放效率的改進（屈小娥，2012；張偉等，2013）［15-16］。

本文使用改進的EBM模型和GML指數方法對2005-2019年中國沿邊8個省份的碳排放效率水平進行測度，以考察沿邊省份碳排放效率的動態演變，并通過建立Tobit模型分析碳排放效率的影響因素。

2" 研究方法和指標選取

2.1" 方法概述

2.1.1" 碳排放效率水平測度EBM-GML模型" 本文使用范建平等（2017）［17］提出的考慮非期望產出的改進EBM模型來測度各沿邊省份和自治區的碳排放效率值，同時參考Fre et al.（1989）［18］的環境DEA技術。模型構建思路如下：

假設有（K=1，…，k）個決策主體，每個決策主體利用N（N=1，…，n）種投入得到M（M=1，…，m）種期望產出和J（J=1，…，j）種非期望產出。投入矩陣為X={xn，k}∈RN×K，期望產出矩陣為Y={ym，k}∈RM×K，非期望產出矩陣B={bj，k}∈RJ×K且Xgt;0，Ygt;0。那么，P（x）={（y，b）|x（y，b）}就是包含了期望產出和非期望產出的生產可能集合，含有方向向量g=（gy，gb）的距離函數為D（x，y，b;g）=sup{β|（y+βgy，b-βgb）∈P（x）}，其中，β是使期望產出最大和非期望產出最小的生產函數的求解條件?？紤]非期望產出的EBM模型為：

π*=min（δ－ε∑Nn=1wnsnxn0），0≤π*≤1，∑Nn=1wn=1

s.t.θxn0－σX－sn=0

σY≥ym0

σB=bj0

其中：π*是最優效率值；xn0、ym0、bj0分別是決策主體k的第n種投入、第m種期望產出和第j種非期望產出； wn是n的權重，表示相對重要程度；sn是n對應的松弛變量；ε是綜合徑向δ和非徑向松弛變量的待估參數；σ是參考決策主體的重要性。

為了進一步分析各沿邊省份碳排放效率的動態變化，參考Oh（2010）［19］的研究，采用GML指數分析方法研究碳排放效率水平動態演變過程。GML指數公式的表達式如下：

GMLt，t+1k（xt，yt，bt，xt+1，yt+1，bt+1）=1+DG（xt，yt，bt）1+DG（xt+1，yt+1，bt+1）

式中，xt，yt，bt分別為決策單元t期的投入、期望產出和非期望產出，DG（xt，yt，bt）=sup{β|（y+βgy，b-βgb）∈PG（X）}為全局方向性距離函數，PG（X）是當前所有生產可能性集合的并集。GML指數大于1，表明觀察年度內碳排放效率值在增加，等于1表示保持不變，小于1則表示下降。另外，GML指數可以進一步分解為測度技術效率變化的EC指數和測度技術進步變化的TC指數的乘積。EC指數和TC指數的定義如下：

ECt，t+1k（xt，yt，bt，xt+1，yt+1，bt+1）=1+Dt（xt，yt，bt）1+Dt+1（xt+1，yt+1，bt+1）

TCt，t+1k（xt，yt，bt，xt+1，yt+1，bt+1）=1+DG（xt，yt，bt）1+Dt（xt，yt，bt）×1+Dt+1（xt+1，yt+1，bt+1）1+DG（xt+1，yt+1，bt+1）

當EC指數和TC指數大于1時，表明觀察年度內碳排放效率的技術效率部分和技術進步部分在上升；反之則下降。因此，通過對GML指數的分析，可以觀察碳排放效率水平的變化趨勢。

2.1.2" 碳排放效率影響因素分析——Tobit模型" 因為效率值屬于受限因變量（效率取值范圍在0和1之間），若使用普通最小二乘法會導致估計結果有偏，所以，本文將進一步以碳排放效率值為被解釋變量來識別影響因素，借鑒吳賢榮等（2014）［20］的方法，采用Tobit模型建立回歸方程：

π=β0+β1ELi，t+β2UDi，t+β3ISi，t+β4ESi，t+

β5ELi，t+β6OLi，t+β7GLi，t+εi，t

式中：i表示省份；t表示年份；π為被解釋變量碳排放效率值；β0為常數項，βn為各個解釋變量的回歸系數， εi，t為隨機誤差項。具體的變量符號及說明見表1。

2.2" 指標選取和數據來源

2.2.1" 投入產出指標" 在碳排放效率量化指標的選取上， 參考魏楚等 （2007） ［21］的研究 ，碳排放效率投入變量一般包括能源消耗、資本和勞動力；產出變量選取沿邊省份地區生產總值作為期望產出，碳排放量為非期望產出（表2）。

具體含義為：

1）能源投入。本文選取沿邊省份歷年能源消耗總量作為能源投入，能源消耗量已按照標準系數折算成標準煤。

2）資本投入。本文根據單豪杰（2008）［22］的研究，采用永續盤存法（PIM）按當期社會固定資產投資衡量新增投資，各沿邊省份的資本存量以2005年的可比價進行折算，計算公式為：

Ki，t=Ki，t-1（1-θ）+Ii，t

式中：Ki，t表示第i省第t年的資本存量；θ為經濟折舊率； I表示新增不變價的投資。設定折舊率為10.96%。

3）勞動力投入。采用沿邊省份歷年全社會就業人數作為勞動投入的替代變量。

4）期望產出。用沿邊省份歷年GDP衡量，并換算為2005年為基期的實際GDP。

5）非期望產出。用沿邊省份歷年碳排放量作為衡量指標，碳排放數據來自CEADs數據庫。

2.2.2" 影響因素指標" 將碳排放效率值作為被解釋變量進行回歸。參考相關文獻（林伯強等，2010；徐英啟等，2022）［23-24］，本文選取經濟發展水平、城市化進程、產業結構、能源消費結構、科技支持水平、對外開放水平和政府支出水平等7個指標對沿邊省份的碳排放效率進行分析。指標的說明詳見表3。

2.2.3 "數據來源" 本文研究的沿邊省份是我國對外經貿按照邊境經貿政策管理的省份，分別是遼寧省、吉林省、黑龍江省、內蒙古自治區、甘肅省、新疆維吾爾自治區、廣西壯族自治區和云南?。ㄓ捎谖鞑刈灾螀^的數據缺失較多，予以剔除），樣本為2005-2019年的面板數據。研究數據均來自于2006-2020年各省份、自治區的統計年鑒和統計公報以及2006-2020年《中國能源統計年鑒》?？紤]異方差及數據波動性的影響，本文對經濟規模相關數據做了自然對數處理。

3" 沿邊省份碳排放效率水平實證分析

3.1" EBM模型測算結果

使用2005-2019年的面板數據，并利用表1中的投入產出指標，借助Matlab R2021a軟件計算出2005-2019年沿邊省份的碳排放效率（表4）。由表4可知，總體而言，沿邊8個省份的碳排放效率呈先下降后上升的趨勢，并且逐步往生產前沿面靠近，效率均值由2005年的0.8857下降到2013年的0.7853，再上升至2019年的0.9112。

具體到各省份，2005年僅廣西壯族自治區達到生產前沿面，2019年有內蒙古、吉林、黑龍江和云南4個省份的碳排放效率值為1，表明一半的沿邊省份在此期間的碳減排水平有所提高。并且，內蒙古、遼寧、吉林和廣西的碳排放效率和總體趨勢一致，呈先下降后上升的態勢，其中內蒙古、吉林和廣西三個省份的效率值上升幅度超過35%；僅有新疆相反，呈先上升后下降的趨勢，降幅達25.43%，這可能與近年來國家西部大開發的不斷推進下新疆工業化、城市化進程加快有關聯；黑龍江、云南和甘肅的碳排放效率呈平穩趨勢，但甘肅在樣本期間始終沒有達到生產前沿面，存在較大提升空間。

3.2 "GML指數及其分解

采用GML指數分析碳排放效率水平的動態變化及其構成（表5）。整體而言， 2005-2019年碳排放效率變化率均值為1.0024，表明沿邊省份碳減排水平呈積極態勢。從GML指數的分解來看，在2005-2010年，技術效率變化指數（EC）普遍高于技術進步變化指數（TC），表明此階段碳排放效率水平的提高主要源自技術效率的提高。而在2015-2019年，碳排放效率水平的提高是技術效率提升與技術進步共同作用的結果。值得注意的是，技術進步變化指數（TC）從2005-2010年僅新疆大于1到2015-2019年沿邊省份全大于1，表明沿邊省份的技術水平呈現上升趨勢，并成為沿邊省份提高碳減排能力的重要動力。

分省份而言，碳排放效率變動指數從2005-2010年沒有一個省份處于生產前沿面上，到2015-2019年除新疆以外的其他7個省份都處于生產前沿面及以上，表明沿邊省份的碳排放效率在不斷提升。從驅動因素來看，內蒙古、黑龍江、廣西、云南和甘肅5個省份的碳排放效率水平的提高，由單維的技術效率貢獻轉變為技術效率和技術進步雙重貢獻。遼寧的碳減排能力提高，由依靠技術效率提升轉變為依靠技術進步提升；而新疆的技術效率變化率一直小于1，其碳排放效率水平的提升主要源自技術進步的提升。

3.3" 沿邊省份碳排放效率水平影響因素分析

LR檢驗表明，對沿邊省份碳排放效率水平的回歸分析應該選擇隨機效應的面板數據Tobit模型?；貧w結果如表6所示。由表6可知，經濟發展水平、能源消費結構、對外開放水平、政府支持水平對沿邊省份碳排放效率產生了顯著影響，而城市化進程、產業結構和科技支持水平未通過顯著性檢驗。

具體而言：

1）經濟發展水平對碳排放效率具有顯著的正向影響，即在其他條件不變情況下，居民人均收入越高，地區碳排放效率越高?？赡艿慕忉屖牵阂环矫娼洕桨l展，經濟活動帶來的碳排放也隨之增加，但另一方面因為經濟水平的提高，政府和社會更有意愿為控制碳排放量而投資高新技術，當后者處理的碳排放量超過經濟發展帶來的碳排放量時，經濟發展水平的提高就有利于碳排放效率的提高。

2）能源消費結構對碳排放效率存在顯著的負向影響，表明沿邊省份在生產活動和日常生活中對煤炭等非再生能源的利用效率偏低，一定程度上制約了碳排放效率的提升。

3）對外開放水平與碳排放效率水平之間呈現出顯著的正相關關系。這可能是因為擴大對外開放會帶來高新技術、設備和管理經驗，既能減少能源消費總量的消耗，又可以增加對清潔能源的開發利用，進而提升碳排放效率（李金鎧等，2020）［7］。

4）政府支持水平對碳排放效率具有顯著的正向影響。因此，要發揮財政對地區經濟低碳發展導向作用，必須推進財政支出政策向綠色低碳轉型（譚建立等，2021）［25］。

4" 結論及建議

4.1 "結論

1）沿邊省份碳排放效率總體呈上升趨勢，且碳排放效率的提升由單維技術效率貢獻，逐步過渡到技術效率和技術進步共同發揮作用。

2）在影響沿邊省份碳排放效率變動的因素中，能源消費結構對碳排放效率有顯著負向作用，經濟發展水平、對外開放水平、政府支持水平與碳排放效率水平呈顯著正相關，城市化進程、產業結構、科技支持水平未通過顯著性檢驗。

4.2" 建議

1）在推進沿邊省份低碳生產過程中，不僅要注重技術的合理有效利用，還要重視新技術的引進和研發，多路徑賦能綠色低碳發展。

2）合理控制沿邊省份化石能源消費，加快構建清潔低碳、安全高效的能源體系，推動能源生產和能源消費全面脫碳。

3）促進沿邊省份貿易綠色低碳轉型，發揮沿邊省份區位優勢，拓展綠色產品貿易市場，加快沿邊省份碳減排進程。

［" 參" 考" 文" 獻" ］

［1］" 黃國華，劉傳江，徐正華.長江經濟帶碳減排潛力與低碳發展策略［J］.長江流域資源與環境，2018，27（04）：695-704.

［2］" 韓楠，羅新宇.多情景視角下京津冀碳排放達峰預測與減排潛力［J］.自然資源學報，2022，37（05）：1277-1288.

［3］" 董瑋，祝婉貞，秦國偉.跨區域碳排放協同治理機制與政策設計：基于長三角一體化的案例分析［J］.華東經濟管理，2022，36（09）：11-18.

［4］" WANG K， WEI Y M. China’s regional industrial energy efficiency and carbon emissions abatement costs［J］. Applied Energy， 2014， 130： 617-631.

［5］" MENG F， SU B， THOMSON E， et al. Measuring China’s regional energy and carbon emission efficiency with DEA models： A survey［J］. Applied Energy， 2016， 183： 1-21.

［6］" 王群偉，周鵬，周德群.我國二氧化碳排放績效的動態變化、區域差異及影響因素［J］.中國工業經濟，2010（01）：45-54.

［7］" 李金鎧，馬靜靜，魏偉.中國八大綜合經濟區能源碳排放效率的區域差異研究［J］.數量經濟技術經濟研究，2020，37（06）：109-129.

［8］" SONG Malin et al. Environmental efficiency evaluation based on data envelopment analysis-A review［J］. Renewable and Sustainable Energy Reviews， 2012， 16（07） ： 4465-4469.

［9］" TONE Kaoru，TSUTSUI Miki. An epsilon-based measure of efficiency in DEA： A third pole of technical efficiency［J］. European Journal of Operational Research， 2010， 207（03） ： 1554-1563.

［10］ 田澤，嚴銘，顧欣.碳約束下長江經濟帶區域節能減排效率時空分異研究［J］.軟科學，2016，30（12）：38-42.

［11］ 汪克亮，劉悅，史利娟，等.長江經濟帶工業綠色水資源效率的時空分異與影響因素： 基于EBM-Tobit模型的兩階段分析［J］.資源科學，2017，39（08）：1522-1534.

［12］ 李濤，傅強.中國省際碳排放效率研究［J］.統計研究，2011，28（07）：62-71.

［13］ 馬大來，陳仲常，王玲.中國省際碳排放效率的空間計量［J］.中國人口·資源與環境，2015，25（01）：67-77.

［14］ HUIJUAN X，" YA Z，" JINGZHENG R. CO2 emission reduction potential in China from combined effects of structural adjustment of economy and efficiency improvement［J］. Resources， Conservation amp; Recycling， 2021（09）： 174.

［15］ 屈小娥.中國省際全要素CO2排放效率差異及驅動因素：基于1995—2010年的實證研究［J］.南開經濟研究，2012（03）：128-141.

［16］ 張偉，朱啟貴，李漢文.能源使用、碳排放與我國全要素碳減排效率［J］.經濟研究，2013，48（10）：138-150.

［17］ 范建平，肖慧，樊曉宏.考慮非期望產出的改進EBM-DEA三階段模型：基于中國省際物流業效率的實證分析［J］.中國管理科學，2017，25（08）：166-174.

［18］ FRE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral Productivity Comparisons When Some Outputs are Undesirable： A Nonparametric Approach［J］. The Review of Economics and Statistics， 1989， 71（01） ： 90-98.

［19］ OH Dong-hyun. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis， 2010， 34（03） ： 183-197.

［20］ 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（01）：129-138.

［21］ 魏楚，沈滿洪.能源效率及其影響因素：基于DEA的實證分析［J］.管理世界，2007（08）：66-76.

［22］ 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，2008，25（10）：17-31.

［23］ 林伯強，劉希穎.中國城市化階段的碳排放：影響因素和減排策略［J］.經濟研究，2010，45（08）：66-78.

［24］ 徐英啟，程鈺，王晶晶，等.中國低碳試點城市碳排放效率時空演變與影響因素［J］.自然資源學報，2022，37（05）：1261-1276.

［25］ 譚建立，趙哲.財政支出結構、新型城鎮化與碳減排效應［J］.當代財經，2021（08）：28-40.

Efficiency Evaluation and Influencing Factors Analysis on CarbonEmission of Border Provinces Based on EBM-Tobit Model

WANG Guo， LI Ping

（School of Economics and Management， Hubei Univ. of Tech.， Wuhan 430068，China）

Abstract： Based on the panel data of eight border provinces from 2005 to 2019， we used EBM-GML method to measure the carbon emission efficiency level of each province， and Tobit model was used to analyze the influencing factors of carbon emission efficiency.. The results show that the carbon emission efficiency level of border provinces is on the rise， but there is a big difference in carbon emission efficiency among border provinces. In the early stage， technical efficiency is the main reason for the rise of carbon emission efficiency level， but in the later stage， technological progress becomes the main driving factor， and then plays a role together with technical efficiency. Level of economic development， opening up and government support all have a positive effect on carbon emission efficiency， whereas the energy consumption structure has a significant negative relationship with carbon emission efficiency. In practice， we can improve the carbon emission efficiency of border provinces by making low-carbon development strategic planning， expanding opening to the outside world， optimizing the energy consumption structure and other measures， so as to realize the healthy and sustainable development of border economy.

Keywords： border provinces; EBM-Tobit model; carbon emission efficiency

［責任編校： 張" 眾］