劉婕+魏瑋

收稿日期：2014-03-31

作者簡介： 劉婕，博士生, 主要研究方向為產(chǎn)業(yè)經(jīng)濟學和能源經(jīng)濟學。

基金項目：國家社會科學基金項目“全球經(jīng)濟調(diào)整與中國經(jīng)濟發(fā)展方式轉(zhuǎn)變研究：基于FDI傳導機制與國際市場結構變化的分析”（編號：09XJY011）；教育部后期資助項目“中國區(qū)域工業(yè)差異與經(jīng)濟增長空間分布動態(tài)研究”（編號：08JHQ0052）。

摘要基于超越對數(shù)生產(chǎn)函數(shù)，并運用產(chǎn)出距離函數(shù)建立以資本、勞動力和能源為投入要素，以GDP和CO2排放為產(chǎn)出要素的隨機前沿模型，分別測度全國30個省區(qū)1995-2010年期間全要素CO2的排放效率。在此基礎上，從城鎮(zhèn)化水平、要素稟賦、人口規(guī)模、產(chǎn)業(yè)結構、技術因素等五個維度出發(fā)，運用Tobit面板模型對影響全要素碳減排效率的因素及其顯著程度進行了實證分析。主要結論表明，從全國層面看，城鎮(zhèn)化率、資本深化程度與全要素碳減排效率均呈非線性影響關系，隨著城鎮(zhèn)化率的提高、資本的逐步深化，碳減排效率經(jīng)歷了先下降后上升的趨勢；能源密集度本身對碳減排效率無顯著作用，但對城鎮(zhèn)化水平促進碳減排效率提高有放大效應；人口規(guī)模的減小、二產(chǎn)占比的下降與能源強度的降低均會促使碳減排更有效率，人口規(guī)模因素對碳減排效率的影響系數(shù)為0.049，略高于產(chǎn)業(yè)結構因素和技術因素，相關系數(shù)分別是0.030 6和0.014 2。進一步將全國樣本按照要素稟賦異質(zhì)性分為資本密集型省區(qū)、能源密集型省區(qū)、勞動密集型省區(qū)，對三個子樣本的回歸結果顯示只有能源密集型省區(qū)的城鎮(zhèn)化率與全要素碳減排效率之間在5%的顯著性水平上存在相關關系。由以上結論得到的啟示是，政府面對國際碳減排和全面推進城鎮(zhèn)化建設雙重壓力下，要注意從不同省份要素稟賦的異質(zhì)性出發(fā)，通過建立碳市場等措施倒逼能源型省份控制城鎮(zhèn)化進程；疏通資本密集型省區(qū)資源向節(jié)能資源研發(fā)部門流動的通道；充分發(fā)揮勞動密集型省區(qū)的人口紅利作用和第三產(chǎn)業(yè)對第二產(chǎn)業(yè)的擠出效應。

關鍵詞要素稟賦；城鎮(zhèn)化率；全要素碳減排效率；隨機前沿分析

中圖分類號X24文獻標識碼A文章編號1002-2104(2014)08-0042-07doi:10.3969/j.issn.1002-2104.2014.08.006

改革開放以來，能源為經(jīng)濟的增長提供了重要的“動力支持”。然而，相對粗放的能源利用模式造成的環(huán)境污染問題日益顯現(xiàn)。作為目前國際上碳排放總量和增量均最大的國家，中國減排的成效已成為全球關注的焦點，在2009年的聯(lián)合國氣候變化峰會上，中國政府提出2020年碳排放強度要在2005年的基礎上下降40%到45%。考慮到中國城鎮(zhèn)化工業(yè)化已進入中堅階段、經(jīng)濟發(fā)展對能源的需求剛性以及以煤為主的能源消費結構特點短期內(nèi)不會改變，即使逐步降低碳排放的增量也是巨大的挑戰(zhàn)。所以，提高全要素碳排放效率是碳減排的主要思路，探究碳減排效率的影響因素為促進我國環(huán)境、資源、經(jīng)濟的協(xié)調(diào)可持續(xù)發(fā)展起到舉足輕重的作用。學術界對碳排放的研究日益深入，在碳排放效率的測算方面，文獻多使用數(shù)據(jù)包絡分析（DEA），這種非參數(shù)估計方法未能考慮隨機擾動因素。隨機前沿分析方法（SFA）可以彌補這一不足，但傳統(tǒng)的SFA如孔翔等［1］、Wu ［2］、涂正革和肖耿［3］、王志平［4］等只能通過參數(shù)估計單產(chǎn)出的生產(chǎn)前沿面，難以測算除了“期望產(chǎn)出”全要素生產(chǎn)率以外“非期望產(chǎn)出”CO2的全要素排放率。Kumbhakar和Lovell［5］以成本最小化或利潤最大化為假設前提處理多產(chǎn)出系統(tǒng)效率，本文借鑒此方法在產(chǎn)出距離函數(shù)中引入超越對數(shù)生產(chǎn)函數(shù)構建了分析多產(chǎn)出的隨機前沿生產(chǎn)模型來測算全要素碳減排效率。對碳排放影響因素的研究方法方面，國內(nèi)外文獻歸納為五類：以上LMDI應用最為廣泛的指數(shù)分解法和Kaya等式及變形STIRPAT要求使用確定性的數(shù)理公式，庫茲涅茨環(huán)境分析法主要強調(diào)經(jīng)濟發(fā)展對環(huán)境變量的影響，投入產(chǎn)出法多在考慮對外貿(mào)易的情況下使用，本文使用計量分析，原因是在選取變量時較其他方法相對靈活，尤其在面板數(shù)據(jù)下擴增樣本量和自由度，減少變量間的共線性，控制樣本的個體異質(zhì)性，提升估計的有效性和可靠性。在選取影響全要素碳減排效率的因素方面，國內(nèi)外學者多集中在技術因素、規(guī)模因素和結構因素。本文重點研究城鎮(zhèn)化進程、要素稟賦的異質(zhì)性對碳減排效率的作用是有其背景意義的。第一，我國2007年以世界鋼鐵總量30%、水泥54%的消費量創(chuàng)造出僅占6%世界總量的GDP，單位GDP高鋼鐵高水泥消耗水平至今還在持續(xù)。需求增長快且剛性的能源消費特征說明中國正經(jīng)歷著工業(yè)化和城鎮(zhèn)化進程，據(jù)測算，城市居民人均能源消費量是農(nóng)村居民的3.5-4倍［6］，城鎮(zhèn)化率的提高伴隨高碳排量、低減排率。相反，陳詩一［7］認為城鎮(zhèn)化的發(fā)展會逐步提高碳減排效率，由于第三產(chǎn)業(yè)對第二產(chǎn)業(yè)的擠出效應，大量農(nóng)村居民集聚城市，帶來的人口紅利倒逼城市的產(chǎn)業(yè)結構逐步由資本密集型向勞動密集型轉(zhuǎn)變。一般來講，資本密集型傾向于重污染行業(yè)，勞動密集型偏向于輕污染行業(yè)。何曉萍［8］也從實證角度出發(fā)得出城鎮(zhèn)化發(fā)展模式有助于技術進步從而提高碳減排效率的結論。因此，為了研究正反哪方面效應更大，本文將城鎮(zhèn)化水平作為主要解釋變量加入計量模型。第二，各省區(qū)要素稟賦對碳減排效率的影響不同，基于要素稟賦異質(zhì)性不同省區(qū)城鎮(zhèn)化率對碳減排效率的影響也會各異。能源富集區(qū)往往陷入“資源詛咒”［9］，隨著城鎮(zhèn)化率的提高，粗放型的區(qū)域經(jīng)濟增長可能進一步降低碳減排效率。嚴虹［10］提出資本深化水平對全要素碳減排效率的影響有兩個方面，若資本流向重化工系統(tǒng)的高新技術部門，說明資本深化的質(zhì)量較高，對碳排放效率的提升起到促進作用；若資本流向重化工系統(tǒng)的高能耗高污染生產(chǎn)部門，質(zhì)量較低的資本深化會抑制碳排放效率的提升。本文在此基礎上進而研究在資本要素富集區(qū)，城鎮(zhèn)化水平的提高是否引導資本進入輕化工系統(tǒng)從而達到提高碳減排效率的目標。

1研究方法

產(chǎn)出距離函數(shù)由Shephard［11］在分析給定的投入和技術可行的產(chǎn)出組合問題時首先提出，在處理多投入—多產(chǎn)出問題上應用較廣。

1.1產(chǎn)出距離函數(shù)

對于t時期的每一組投入xt∈K+，用Pt(xt)表示技術可行的產(chǎn)出yt∈M+的集合，即Pt(xt)={yt:(xt,yt)∈St}，其中St表示t時期可行的技術集合。按照Fare和Primont［12］的定義，基于產(chǎn)出的距離函數(shù)定義如下：

DtO(xt,yt)=infφ{(diào)φ＞0:(ytφ)∈Pt(xt)}（1）

該距離函數(shù)對產(chǎn)出是非遞減、凸的和線性齊次的，對投入是非遞增和擬凹的。該函數(shù)表示了在既定的投入和可行的技術條件下，產(chǎn)出向量可以增加的比例的倒數(shù)。從（1）式可以看出，給定投入、產(chǎn)出組合，技術效率越高，距離函數(shù)的取值將越接近1。

1.2隨機前沿模型設定

本文在距離函數(shù)的具體設定方面，采用了超越對數(shù)的形式。與CD函數(shù)相比，該形式具有便于計算、易于附加線性齊次的條件、約束條件更少等諸多優(yōu)點，因而在已有文獻中［13-16］被廣泛采用。將三項投入要素、兩項產(chǎn)出要素的超越對數(shù)形式帶入產(chǎn)出距離函數(shù)，則有

lnDto=α0+∑2m=1αmlnyti,m+∑3k=1βklnxti,k+δ0t

+∑2l=1∑2m=1αlmlnyti,llnyti,m+∑3j=1∑3k=1βjklnxti,jlnxti,k

+∑2m=1∑3k=1γmklnyti,mlnxti,k+∑2m=1δymlnyti,mt（2）

+∑3k=1δxklnxti,kt+δ11t2

在上式中，變量右上標的t表示時間，變量右下標的i表示地區(qū)，α、β、δ、γ為待估參數(shù)。

由于上式左端的距離函數(shù)值是無法觀測到的,因而難以直接運用最小二乘法或者極大似然法對上式的參數(shù)進行估計。但是，根據(jù)產(chǎn)出距離函數(shù)關于產(chǎn)出的齊次線性特征,以各地區(qū)的碳排放量（即非期望產(chǎn)出yi,2）為所有產(chǎn)出的分母，用技術無效指標-uti替代上式左端的產(chǎn)出距離函數(shù)，并考慮隨機誤差vti，則（2）式可以轉(zhuǎn)化為：

lnyti,2=-(α0+∑2m=1αmlnyti,myti,2+∑3k=1βklnxti,k+δ0t

+∑2l=1∑2m=1αlmlnyti,lyti,2lnyti,myti,2+∑3j=1∑3k=1βjklnxti,jlnxti,k

+∑2m=1∑3k=1γmklnyti,myti,2lnxti,k+∑2m=1δymlnyti,myti,2t（3）

+∑3k=1δxklnxti,kt+δ11t2)-uti+vti

上式是一個標準的隨機前沿生產(chǎn)函數(shù)模型，可以使用極大似然估計方法進行參數(shù)估計［17］并進一步測算全要素碳減排效率。

1.3模型設定的檢驗

雖然超越對數(shù)形式的模型設定具有上述諸多優(yōu)點,但是該模型設定是否合理,變量間的交互關系是否存在,都還難以確定,因此,為檢驗模型設定的合理性,本文將做如下幾個假設檢驗：

（1）H10:αlm=δym=βjk=δxk=γmk=δ11=0σ2=λ，其中，l=1,2；m=1,2；j=1,2,3；k=1,2,3，即前沿生產(chǎn)函數(shù)中所有二次項的系數(shù)都為0，這意味著模型應該設定為C-D生產(chǎn)函數(shù)形式，而非超越對數(shù)形式。

（2）H20:δ0=δym=δxk=δ11=0，其中，m=1,2；k=1,2與時間有關項的系數(shù)均為0，意味著不存在技術進步。

（3）H30:δxk=0，其中，k=1,2,3，即所有時間和投入構成的二次項的系數(shù)均為0，這意味著技術進步是希克斯中性的，即技術進步獨立于投入要素。

所有假設都使用廣義似然統(tǒng)計量LR來檢驗，LR統(tǒng)計量定義為：

LR=-2［L(H0)-L(H1)］（4）

當零假設成立時，LR～χ2(m)，其中m表示約束條件個數(shù)。判別規(guī)則為：若LR＜χ2α(m),則接受零假設,約束條件成立；若LR＞χ2α(m),則拒絕零假設,約束條件不成立。

根據(jù)表1的檢驗結果，第一個零假設被拒絕，表明該模型設定為超越對數(shù)形式要優(yōu)于設定為CD函數(shù)形式；第二個零假設被拒絕，表明經(jīng)濟系統(tǒng)存在技術進步，隨著時間的演進，同樣的投入會導致不同的產(chǎn)出；第三個零假設被拒絕，表明技術進步不是?？怂怪行缘模夹g進步與投入要素對CO2排放量有協(xié)同作用。據(jù)此，最終的距離函數(shù)設定為式（2）；待估計隨機前沿生產(chǎn)函數(shù)模型設定為式（3）。

表1隨機前沿模型假設檢驗結果

Tab.1Verification results of the presupposition

of stochastic frontier model

原假設

Primary

hypothesis

H0對數(shù)

似然值

Log like

lihood

value

L(H0)對數(shù)

似然值

Log like

lihood

value

L(H1)LR統(tǒng)計量

Statistic臨界值*

Critical

value

（CV）結論

ConclusionH10305.52378.80146.5648.3拒絕H0H20339.27378.8079.0620.1拒絕H0H30371.42378.8014.767.8拒絕H0注：原始數(shù)據(jù)源自實證分析中的變量和數(shù)據(jù)；臨界值為10%顯著性水平。

2實證分析

2.1測算全要素碳減排效率

全要素碳減排效率，即在全要素生產(chǎn)關系的框架內(nèi)研究CO2排放效率，它衡量的是在既定生產(chǎn)要素投入（包括能源）下，實際CO2排放與最小可能CO2排放的比例，或者是在給定產(chǎn)出條件下，CO2排放能夠減少的程度。這里所得的CO2減排效率是考慮資本、勞動力和能源三種投入要素共同作用下得到的，它是全要素效率。全要素CO2減排效率以上述三種作為投入要素，以GDP為合意產(chǎn)出，CO2排放為非合意產(chǎn)出，基于SFA模型，運用STATA 12.0軟件，計算得到。

2.1.1變量與數(shù)據(jù)分析

本文的研究對象是全國30個省區(qū)。采用年度面板數(shù)據(jù)，樣本區(qū)間為1995-2010年。數(shù)據(jù)來自《新中國60年統(tǒng)計資料匯編》、《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》以及各個省區(qū)《統(tǒng)計年鑒》。各變量定義如下：

兩個產(chǎn)出要素。yti,1：表示地區(qū)經(jīng)濟產(chǎn)出，用第i個地區(qū)在t時期的地區(qū)生產(chǎn)總值衡量，單位為億元,以2003年為基期的實際地區(qū)生產(chǎn)總值表示；yti,2：表示地區(qū)CO2排放量，用第i個地區(qū)在t時期的CO2的排放量來衡量。本文采用《IPCC國家溫室氣體排放清單指南2006》中CO2的計算方法，根據(jù)能源消費中三種主要的排放CO2的化石能源煤炭、石油和天然氣的消費量以及不同化石能源的低位熱值、碳排放因子和碳氧化比率估算出各個省區(qū)1995-2010年期間的CO2的排放量。計算公式如下：

CO2=∑3i=1Ei·NCVi·CEFi·COFi·(44/12)（5）

其中，i表示煤炭、石油、天然氣三種一次能源；E表示三種能源的消費量；NCV表示化石能源的低位熱值；CEF為各種能源的碳排放系數(shù)；COF為碳氧化因子（通常取1），44，12分別是CO2和碳的分子量。

三個投入要素。xti,1：表示第i個地區(qū)在t時期的資本投入，借鑒張軍等［18］的研究成果，以2003年為基期,采用永續(xù)盤存法估算各省區(qū)資本存量，單位為億元；xti,2：表示第i個地區(qū)在t時期的勞動力投入，用各地區(qū)年底就業(yè)人員數(shù)衡量，單位為萬人；xti,3：表示i地區(qū)t時期的能源投入，用各省區(qū)能源消耗量計量, 由于各個省區(qū)的能源消費種類不一，所以統(tǒng)計上把煤炭、石油制品、電力、熱力等能源消費量轉(zhuǎn)換成統(tǒng)一單位“t標準煤”加總而成。

2.1.2模型測算全要素CO2排放效率

運用軟件stata12.0對模型（3）基于隨機前沿分析進行參數(shù)估計測算出各省份的全要素碳減排效率(EFFCi)，估計結果如圖1所示。

全國30個省區(qū)CO2的全要素排放效率在1995-2010年間的平均值存在差異，也并未表現(xiàn)出明顯的東部效率高于西部的規(guī)律，即使上海與寧夏、安徽等省區(qū)均出現(xiàn)高碳排放效率，但兩者的原因是不同的。上海源于產(chǎn)業(yè)升級快，二產(chǎn)占比下降，技術效率提高；而寧夏、安徽等省區(qū)可能源于較慢的城鎮(zhèn)化進程。

將測算出的全國30個省份1995-2010的年均全要素碳排放效率保留作為被解釋變量用以實證部分22分析其影響因素。在國內(nèi)外文獻對CO2排放量及排放強度研究的基礎上來確定本文影響全要素碳減排效率的因素。

2.2全要素碳排放效率影響因素的計量分析

2.2.1變量選取與數(shù)據(jù)說明

城鎮(zhèn)化率（CITYR）。城鎮(zhèn)化率的測度一般有五種方法，即人口比重法、系數(shù)調(diào)整法、農(nóng)村城鎮(zhèn)化指標法、城鎮(zhèn)土地利用指標法和現(xiàn)代城鎮(zhèn)化指標法。考慮到數(shù)據(jù)的可獲得性，本文采用城鎮(zhèn)人口占總人口的比重來反映這一指標，數(shù)據(jù)來源于《中國人口與統(tǒng)計年鑒》。

生產(chǎn)要素稟賦水平。本文用資本深化的對數(shù)（LNPERCAP）和人均能源量的對數(shù)(LNPERENER)來反映要素稟賦。資本、勞動、能源的原始數(shù)據(jù)與實證分析第一部分三種投入要素相同，此處不再贅述。

產(chǎn)業(yè)結構（INDUST）。各產(chǎn)業(yè)的生產(chǎn)特點決定了不同的碳排放總量和效率。一般來說，以工業(yè)為主的第二產(chǎn)業(yè)碳排放量大效率低，第一產(chǎn)業(yè)次之，第三產(chǎn)業(yè)碳排放量小效率高。本文產(chǎn)業(yè)結構用各個省區(qū)第二產(chǎn)業(yè)總產(chǎn)值占GDP的份額表示。通過測算產(chǎn)業(yè)結構對碳排放效率的影響程度，對政府如何配置三次產(chǎn)業(yè)的投資比例提供政策依據(jù)。

能源強度（ENERSTR）。一般作為反映技術水平的變量，等于能源消耗量與GDP的比值，能源消耗量數(shù)據(jù)取自《中國能源統(tǒng)計年鑒》。

人口規(guī)模（POPUL）。人口規(guī)模作為對整個經(jīng)濟規(guī)模的替代變量，數(shù)據(jù)來源于《新中國六十年統(tǒng)計年鑒匯編》。

2.2.2計量模型

本文計量模型的數(shù)據(jù)具有空間和時間的特性，全要素碳排放效率作為被解釋變量的數(shù)據(jù)取值在0-1范圍內(nèi)，故使用Tobit面板數(shù)據(jù)計量模型進行回歸。

EFFCi,t=α+β1ln(PERCAPi,t)+β2ln(PERENERi,t)+β3CITYRi,t+β4INDUSTi,t+β5ENERSTRi,t+β6POPULi,t+β7CITYR2i,t+β8［ln(PERCAPi,t)］2+β9［ln(PERENERi,t)］2+β10ln(PERCAPi,t)CITYRi,t+β11ln(PERENERi,t)CITYRi,t+εi（6）

其中，i,t分別表示時間和省份，β是被估計參數(shù)，εi是隨機誤差項，服從正態(tài)分布。參數(shù)估計如表2。

如果解釋變量與誤差項相關就不滿足外生性假設，會導致對系數(shù)的估計出現(xiàn)有偏，在隨機前沿生產(chǎn)函數(shù)估計中,內(nèi)生性問題未得到很好的解決［5］，所以本文運用Stata12.0軟件的內(nèi)生性檢驗，結果顯示無法拒絕不存在內(nèi)生性的原假設（p>0.05），說明了解釋變量的外生性。因而，本研究暫不考慮內(nèi)生性問題。對回歸模型可能存在多重共線性的檢驗，我們采用考察方差膨脹因子（VIF）法，結果發(fā)現(xiàn)所有變量的VIF值均小于10，說明不存在多重共線問題。2.2.3計量結果分析

根據(jù)回歸結果，從模型（1）全面板數(shù)據(jù)反映城鎮(zhèn)化水平的變量的系數(shù)來看，一次項的系數(shù)顯著為正，二次項的系數(shù)顯著為負，即城鎮(zhèn)化率與全要素碳減排效率呈U型的曲線關系。模型(2)(3)(4)的分時間段回歸模型中得出“九五”“十五”期間，我國城鎮(zhèn)化水平與碳減排效率的一次項和二次項之間均無顯著影響關系，到“十一五”期間二者在5%顯著性水平上出現(xiàn)U關系。出現(xiàn)此實證結果可能的解釋是改革開放之初，城鎮(zhèn)化水平較低對碳減排效率的解釋程度并不顯著，隨著經(jīng)濟的快速增長和城鎮(zhèn)化進程的加快使得重化工企業(yè)的急速擴張，碳排放增加，粗放式的能源使用導致較低的碳排放效率。然而城鎮(zhèn)化水平發(fā)展到一定階段，居民收入的增加對環(huán)境質(zhì)量的要求不斷提高，推動了節(jié)能技術的發(fā)展，對碳減排效率起到積極作用。2007年國務院發(fā)布《國家環(huán)境保護“十一五”規(guī)劃》，要求“十一五”期間我國在環(huán)境保護上的投入超過15 000億元，到2010年二氧化硫和化學需氧量比2005年下降10%。在環(huán)境規(guī)制政策引導下，我國通過技術創(chuàng)新提高裝備水平，建成了具有世界領先水平的大型煤礦，火電機組投入運行，大大提高了能源的開采利用效率；通過提高能源效率，加強保護環(huán)境，全國煤礦平均礦井回采率比“十五”提高了約10個百分點，火電供電標準煤耗從392 克/千瓦時下降到370 克/千瓦時。因此，“十一五”期間隨著城鎮(zhèn)化率的上升，全要素碳減排效率出現(xiàn)了先惡化后改善的趨勢。以下的討論主要針對全面板模型（1）。

資本要素稟賦的一次項系數(shù)為負，且在1%的水平上顯著，二次項系數(shù)在5%水平上為正，說明資本深化會提高碳減排效率，但過度的資本深化會降低減排效率，這與魏楚和沈滿洪［19］認為過度的資本深化使得經(jīng)濟偏離資源稟賦路徑的結論有相似之處。可能的解釋是中國在工業(yè)化初期，資本向重化工產(chǎn)業(yè)的流動多于輕化工產(chǎn)業(yè)，資本向重化工產(chǎn)業(yè)高能耗的生產(chǎn)部門的流動多于向高新研發(fā)圖1全國30個省區(qū)全要素碳排放效率平均值(1995-2010)

Fig.1Average total factor of carbon emission efficiency of 30 provinces (1995-2010)

表2全要素CO2排放效率影響因素的計量分析

Tab.2Econometric analysis of the influencing

factors of CO2 emission efficiency

變量

Variable時間Time1995-20101995-20002001-20052006-2010CITYR-5.457 7***-5.254 5-0.997 6-9.805 4**（-2.69）（-1.51）（-0.28）（-2.21）LNPERCAP-0.678 7***-0.739 7-0.389 3-1.971 5***（-2.67）（-1.36）（-0.64）（-2.22）LNPERENER-0.133 10.067 10.508 20.306 8（-0.45）（0.17）（1.27）（0.48）ENERSTR-0.049*-0.007 9-0.040 4-0.060 4（-1.2）（-0.21）（-0.83）（-0.84）INDUST-0.030 6**-0.043 3***-0.050 9-0.087 7（-2.14）（-3.47）（-1.29）（-1.19）POPUL-0.014 20.005 5-0.0330.02（-0.84）（0.34）（-1.58）（0.67）CITYR^22.060 3***1.914 10.656 33.841 1**（2.63）（1.5）（0.48）（2.21）LNPER

CAP^20.036 9**0.044 70.099 9**0.081 3*（1.92）（0.96）（1.95）（1.63）LNPER

ENER^2-0.024 30.041 6-0.028 4-0.076 5（-1.21）（1.33）（-0.87）（-1.23）CITYR*

LNPERCAP0.030 4-0.014 7-0.477 1-0.284 7（0.13）（-0.05）（-1.5）（-0.55）CITYR*

LNPERENER0.514 7***0.555 7-0.207 21.551 8**（2.6）（1.47）（-0.45）（2.24）全國能源密集型資本密集型勞動密集型CITYR-5.457 7***-1.881-1.096 6-2.99 （-2.69）（-0.23）（-0.26）（-0.49）CITYR^22.060 3***0.092 1**0.029 60.021 9（2.63）(1.97)（0.89）（0.35）注：***表示估計系數(shù)在1%水平上顯著，**表示在5%水平上顯著，*表示估計系數(shù)在10%水平上顯著。括號內(nèi)為t統(tǒng)計量，所有系數(shù)的估計和檢驗借助Stata12.0完成。

部門的流動，因此資本深化帶來的是全要素碳減排效率的下降；隨著工業(yè)化程度的加深，上述的資本流向發(fā)生逆轉(zhuǎn)促進了碳減排效率的提高。

能源稟賦的系數(shù)為負可能的解釋是近年來能源生產(chǎn)型企業(yè)通過提高技術水平，優(yōu)化資源配置，降低碳排放效率。但此負向影響并不顯著，能源的豐裕程度本身與碳排效率之間并不存在必然關聯(lián)性，但這一要素可能會作用于其他因素來影響碳減排效率。借鑒仲偉周，王軍［20］的推論具有能源稟賦的省份可供利用的能源相對豐富，能源相對價格低，能源消費強度高。由此推斷在城鎮(zhèn)化進程中對能源密集型產(chǎn)業(yè)的發(fā)展就會具有比較優(yōu)勢，粗放式能源利用模式的低成本可能導致碳排放無效率，因此，模型中引入了能源稟賦與城鎮(zhèn)化率的交互項來討論對全要素碳減排效率的作用。

產(chǎn)業(yè)結構即第二產(chǎn)業(yè)占GDP的比重、能源強度、人口規(guī)模對全要素碳減排都起到抑制作用，分別在5%、10%水平上顯著和不顯著。第二產(chǎn)業(yè)的占比越高，碳排放效率越低；能源強度作為對技術因素的描述反作用于碳減排效率，化石燃料的充分燃燒技術增加，碳排強度下降，碳減排效率提高。這與實際情況相符。減排技術的提高能降低單位GDP的能源強度，技術的外溢和擴散也會提高相關產(chǎn)業(yè)的碳減排效率。

資本要素稟賦與城鎮(zhèn)化水平的交互項的系數(shù)為正，但不顯著；能源要素稟賦與城鎮(zhèn)化水平的交互項系數(shù)為正，且在1%的水平上顯著。實證結果表明能源充裕度對城鎮(zhèn)化率促進全要素減排效率的提高有積極作用。根據(jù)對全國30個省份的煤炭產(chǎn)量、人均資本的測算，將全國分為三部分,能源密集型省份：內(nèi)蒙古、山西、陜西、河南、貴州、山東、安徽、河北、新疆、四川。資本密集型省份：上海、天津、重慶、北京、江蘇、遼寧、浙江、廣東、吉林、黑龍江。勞動密集型省份：福建、江西、湖北、湖南、廣西、海南、云南、甘肅、青海、寧夏。將三種要素類型與全國的全要素碳減排效率1995-2010年的變化情況匯總見圖2。

圖2要素稟賦同質(zhì)省份及全國碳減排效率逐年變化

趨勢擬合圖

Fig.2Trend fitting figure of national and homogeneous

factor endowments provinces carbon reduction efficiency

總體上講，1995-2010年間三種要素稟賦的省份與全國的碳減排效率均有所提高。其中，能源密集型省份的提高幅度大于另外兩種類型。屬于勞動密集型的十個省份的全要素碳減排效率的平均值最高，資本密集型次之，能源密集型最低。能源密集型省份的城鎮(zhèn)化率的平方項與全要素碳減排效率在5%的水平上正相關。從能源型省份城鎮(zhèn)化發(fā)展的階段性特征解釋來看，這類省份往往以資源型產(chǎn)業(yè)體系與以生產(chǎn)功能為主的形式起步；隨著城鎮(zhèn)化進程的加快，對生活產(chǎn)品的需求漸漸大于對能源產(chǎn)品作為上游產(chǎn)品的生產(chǎn)需求，現(xiàn)代服務業(yè)帶動產(chǎn)業(yè)的多元化發(fā)展；隨著城鎮(zhèn)化日趨成熟，區(qū)域生產(chǎn)功能逐漸減弱，生活功能逐漸增強。因此，能源型城鎮(zhèn)化率的發(fā)展與碳減排呈現(xiàn)非線性相關。另外一種可能的解釋為如果能源要素產(chǎn)業(yè)吸附資本要素演進路徑是生產(chǎn)服務業(yè)，就會形成重工業(yè)型城鎮(zhèn)化模式；如果能源要素產(chǎn)業(yè)吸附勞動要素向生活服務業(yè)發(fā)展，就會形成輕工業(yè)型城鎮(zhèn)化模式。從回歸結果來看，大多數(shù)能源型省份可能經(jīng)歷了從重工業(yè)城鎮(zhèn)化模式為主導向輕工業(yè)城鎮(zhèn)化模式的轉(zhuǎn)型。

3結論與政策建議

本文基于1995-2010年間的省級面板數(shù)據(jù)，使用SFA模型測算出30個省份全要素碳減排效率，基于此，重點研究了城鎮(zhèn)化水平、要素稟賦對碳減排效率的影響。結論表明：城鎮(zhèn)化率與碳減排效率呈U型關系，且在不同要素稟賦省區(qū)影響存在差異；隨著資本深化程度的提高全要素碳減排效率有先下降后上升的趨勢；能源密集度的提高與碳減排效率之間無顯著關系，但對城鎮(zhèn)化進程影響碳減排效率的效應有放大作用；控制變量產(chǎn)業(yè)結構、能源強度、人口規(guī)模對碳減排效率有負向作用。進一步將全樣本按照要素稟賦異質(zhì)性分為資本密集型省區(qū)、能源密集型省區(qū)、勞動密集型省區(qū)三類，對子樣本的回歸結果顯示只有能源密集型省區(qū)的城鎮(zhèn)化率與全要素碳減排效率之間存在顯著的相關關系。相比較“九五”“十五”規(guī)劃，“十一五”規(guī)劃期間，我國城鎮(zhèn)化率跟全要素減排效率之間有顯著的U型影響關系。根據(jù)理論與實證結論得出以下措施建議：

第一，政府在制定差異化的節(jié)能減排目標時，各省區(qū)應立足于自身稟賦的實際，通過政府干預引導能源稟賦高、利用率低的省區(qū)的能源向高利用率的省區(qū)流動，倒逼能源型省份進行產(chǎn)業(yè)結構升級，促使能源類省份在延伸資源類產(chǎn)業(yè)鏈條、加強資源的深加工與精加工等方面增加技術含量，提高全要素碳減排效率。

第二，發(fā)展多元化產(chǎn)業(yè)類型，逐步減弱區(qū)域經(jīng)濟增長對污染嚴重的第二產(chǎn)業(yè)的依賴，減少碳排放，提升碳排放效率。抓住城鎮(zhèn)化過程中對服務性產(chǎn)業(yè)的需求契機，既要提高三產(chǎn)在區(qū)域經(jīng)濟中的占比，又要在第二產(chǎn)業(yè)內(nèi)部加強技術創(chuàng)新、厲行節(jié)約。發(fā)展城市低碳產(chǎn)業(yè)，形成低碳產(chǎn)業(yè)集聚，鼓勵發(fā)展和使用清潔、節(jié)能能源，逐步轉(zhuǎn)變傳統(tǒng)的能源結構，通過把握城鎮(zhèn)化進程來控制碳減排效率。

第三，我國已步入工業(yè)化的中期，以煤炭為主的能源結構暫時不會改變，從絕對量上控制能源的消耗以達到碳減排的目標難度較大。因此，提高減排技術是較為有效的手段。一方面企業(yè)可以增加自身的研發(fā)投入并且充分發(fā)揮國外先進節(jié)能減排技術的溢出效應。另一方面，逐步建立碳市場，充分發(fā)揮市場在配置資源的決定性作用，激勵企業(yè)提高能源利用效率和環(huán)保意識，加快企業(yè)環(huán)保設備的更新，降低企業(yè)減排成本，在合理減排的基礎上增加產(chǎn)出。

（編輯：李琪）

參考文獻（References）

［1］孔祥, Marks R E, 萬廣華. 國有企業(yè)全要素生產(chǎn)率變化及其決定因素 ［J］. 經(jīng)濟研究, 1999, （7）: 40-48. ［Kong Xiang, Marks R E, Wan Guanghua. Changes and Determinants of Stateowned Enterprises Total Factor Productivity ［J］. Economic Research Journal, 1999, （7）: 40-48.］

［2］Wu Y. Is Chinas Economic Growth Sustainable? A Productivity Analysis ［J］. China Economic Review, 2001, 11(3): 278-296.

［3］涂正革, 肖耿. 中國的工業(yè)生產(chǎn)力革命［J］. 經(jīng)濟研究, 2005, （3）: 4-15. ［Tu Zhengge, Xiao Geng. Chinas Industrial Productivity Revolution ［J］. Economic Research Journal, 2005, （3）: 4-15.］

［4］王志平. 生產(chǎn)效率的區(qū)域特征與生產(chǎn)率增長的分解：基于主成分分析與隨機前沿超越對數(shù)生產(chǎn)函數(shù)的方法［J］. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2010, (1): 33-43. ［ Wang Zhiping. Regional Disparity in Production Efficiency and Decomposition of Productivity Growth ［J］. The Journal of Quantitative & Technical Economics, 2010, (1): 33-43.］

［5］Kumbhakar S C, Lovell C K. Stochastic Frontier Analysis［M］. Londun:Cambridge University Press, 2003.

［6］林伯強, 劉希穎. 中國城鎮(zhèn)化階段的碳排放、影響因素和減排策略 ［J］. 經(jīng)濟研究, 2010, 8(1): 22.［ Lin Boqiang, Liu Xiying. Chinas Carbon Dioxide Emissions under the Urbanization Process， Influence Factors and Abatement Policies ［J］. Economic Research Journal, 2010, 8(1): 22.］

［7］陳詩一. 能源消耗、CO2排放與中國工業(yè)的可持續(xù)發(fā)展［J］. 經(jīng)濟研究, 2009, （4）: 41-55.［ Chen Shiyi. Energy Consumption, CO2 Emission and Sustainable Development in Chinese Industry ［J］. Economic Research Journal, 2009, （4）: 41-55.］

［8］何曉萍, 劉希穎, 林艷蘋. 中國城鎮(zhèn)化進程中的電力需求預測［J］. 經(jīng)濟研究, 2009, 44（1): 118-130.［ He Xiaoping, Liu Xiying, Lin Yanping. Chinas Electricity Demand Forecast under Urbanization Process ［J］. Economic Research Journal, 2009, 44(1): 118-130.］

［9］徐康寧, 邵軍. 自然稟賦與經(jīng)濟增長: 對 “資源詛咒” 命題的再檢驗［J］. 世界經(jīng)濟, 2007, 29(11): 38-47.［Xu Kangning, Shao Jun. Natural Resources Abundance and Economic Growth: A Reexamination of the ‘Resource Curse Hypothesis ［J］. The Journal of Word Economy, 2007, 29(11): 38-47.］

［10］嚴紅. 中國西部地區(qū)城鎮(zhèn)化發(fā)展戰(zhàn)略轉(zhuǎn)型研究［J］. 經(jīng)濟問題探索, 2013, (2): 69-74.［ Yan Hong. Transformation of the Urbanization of Chinas Western Region ［J］. Inquiry into Economic Issues, 2013, (2): 69-74.］

［11］Shephard R W, Gale D, Kuhn H W. Theory of Cost and Production Functions［M］. Princeton: Princeton University Press,1970.

［12］Fre R, Primont D. Multioutput Production and Duality: Theory and Applications［M］.Springer, 1994.

［13］Lovell C K, Travers P, Richardson S, et al. Resources and Functionings: A New View of Inequality in Australia［M］.Springer, 1994.

［14］Grosskopf S, Margaritis D, Valdmanis V. Estimating Output Substitutability of Hospital Services: A Distance Function Approach［J］. European Journal of Operational Research, 1995, 80(3): 575-587.

［15］Coelli T, Perelman S. A Comparison of Parametric and Nonparametric Distance Functions: With Application to European Railways［J］. European Journal of Operational Research, 1999, 117(2): 326-339.

［16］Coelli T, Perelman S. Technical Efficiency of European Railways: A Distance Function Approach［J］. Applied Economics, 2000, 32(15): 1967-1976.

［17］Battese G E, Coelli T J. A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data［J］. Empirical Economics, 1995, 20(2): 325-332.

［18］張軍, 吳桂英, 張吉鵬. 中國省際物質(zhì)資本存量估算: 1952-2000［J］. 經(jīng)濟研究, 2004, (10): 35-44.［Zhang Jun, Wu Guiying, Zhang Jipeng. A Estimate of the Provincial Capital Stock of China: 1952-2000［J］. Economic Research Journal, 2004, (10): 35-44.］

［19］魏楚, 沈滿洪. 結構調(diào)整能否改善能源效率: 基于中國省級數(shù)據(jù)的研究［J］. 世界經(jīng)濟, 2008, (11): 77-85.［ Wei Chu, Shen Manhong. Can the Structural Adjustment Improve the Energy Efficiency: A Research Based on the Provincial Data of China ［J］. The Journal of Word Economy, 2008, (11): 77-85.］

［20］仲偉周, 王軍. 基于能源稟賦的地區(qū)能源消費強度差異研究［J］. 山西財經(jīng)大學學報, 2009, (3): 42-50.［ Zhong Weizhou, Wang Jun. Research on the Regional Energy Intensity Difference ［J］. Journal of Shanxi Finance and Economics University, 2009, (3): 42-50.］

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis

Impact of Urbanization Level and Endowment

Disparity on Carbon Reduction Efficiency

LIU JieWEI Wei

(Department of Finance and Economics, Xian Jiaotong University, Xian Shaanxi 710061, China)

AbstractBased on the logarithmic function under production theory, this paper applies the distance function to establish the stochastic frontier model which takes capital, labor and energy as input elements, and GDP, CO2 emissions as output, to measure the total factor CO2 emission reduction efficiencies of Chinas 30 provinces in China from 1995 to 2010 respectively. On this basis, using Tobit panel model, this paper empirically analyzes the influencing factors of CO2 emission reduction efficiency from five dimensions, which are urbanization level, factor endowment, population scale, industrial structure and technical elements. In general, this paper finds out that there is a nonlinear relationship between carbon reduction efficiency and urbanization level, so does capital deepening. In other words, the carbon emission efficiency would be decline first and then increase with the urbanization level improving and capital deepening. Energy intensity has no significant influence on carbon efficiency; however, it can enhance the effect on carbon efficiency when interacted with urbanization level. Population size, industrial structure and energy intensity play a negative role on carbon efficiency and the coefficients are 0.049, 0.030 6 and 0.014 2 respectively. Furthermore, by dividing the whole country into three parts according to factor endowment disparity, it finds that only in provinces endowed with energy resource is there a significant nonlinear relationship between urbanization level and carbon reduction efficiency at 5% significant level. On the basis of these results, it suggests that government should carry out separate policies in different provinces with vary factor endowments to face both international carbon reduction pressure and improving urbanization stress, such as establishing carbon market in energy intensive area to control urbanization, increasing investment on R&D of clean energy and reducing dependence on second industry in labor intensive provinces.

Key wordsendowment; urbanization level； carbon reduction efficiency; stochastic frontier analysis