李小勝 宋馬林

（安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院 安徽蚌埠 233030）

一、引 言

隨著經(jīng)濟(jì)增長，人均收入的上升，人民生活水平的提高，公眾對環(huán)境的訴求越來越高，社會上環(huán)境群體性事件也不斷發(fā)生。2015年年初的一部紀(jì)錄片《穹頂之下》更是將環(huán)境問題的探討推向了高潮。1992年《聯(lián)合國氣候變化框架公約》只對附件I國家有碳排放額度的限制，中國是非附件I國家，對排放額度沒有限制，隨著“共同但有區(qū)別的原則”的削弱以及中國碳排放量的增大，中國碳排放總量將來也會受限制。根據(jù)國際能源署（IEA）研究中心的測算，2011年中國CO2排放量為80億噸，占全球排放量的25.5%，中國人均碳排放量為5.92噸，美國為16.94噸，歐盟國家為9.95噸。中國的總量較大，但是人均排放量不大，如果按照目前的經(jīng)濟(jì)增長方式，中國的人均排放很快趕上歐盟甚至美國的排放量。為了控制污染排放，中國政府采取了多種措施節(jié)能減排，包括：碳排放強(qiáng)度限制、碳排放額度限制等一系列命令控制性工具以及碳排放交易制度等環(huán)境經(jīng)濟(jì)政策。

碳排放權(quán)交易制度不同于命令與控制性管理工具，是一種新型的、以發(fā)揮市場機(jī)制作用為特點(diǎn)的環(huán)境經(jīng)濟(jì)政策。通過市場交易達(dá)到控制污染排放的手段，還能夠通過價格信號來引導(dǎo)企業(yè)和地區(qū)采用最優(yōu)的減排方式達(dá)到控制污染排放。這種交易方式在2002年3月就出現(xiàn)在中國，當(dāng)時國家環(huán)保總局與美國環(huán)境保護(hù)協(xié)會合作，選取中國山東省、山西省、江蘇省、河南省、上海市、天津市以及柳州市和中國華能集團(tuán)公司，開展四省三市以及一家企業(yè)（即“4+3+1”項目）的二氧化硫排放總量控制及排污交易試點(diǎn)工作。為了應(yīng)對氣候的變化，2011年國務(wù)院印發(fā)《“十二五”控制溫室氣體排放工作方案》和《關(guān)于開展碳排放權(quán)交易試點(diǎn)工作的通知》，同意北京市、天津市、上海市、重慶市、湖北省、廣東省以及深圳市開展碳排放交易試點(diǎn)工作。截止到2014年6月19日重慶碳排放交易所的開市為止，中國已經(jīng)啟動了7個碳排放權(quán)交易所，這標(biāo)志著中國碳排放權(quán)逐漸走向成熟。碳排放市場的交易依賴初始額度的分配，但碳排放交易市場中初始額度分配問題一直沒有得到解決，國內(nèi)外一直存在著爭論，如何分配是個值得研究的重要問題。

二、文獻(xiàn)綜述

碳排放交易市場涉及到五個要素，首先是一個國家或者地區(qū)的總量目標(biāo)的設(shè)定，其次是初始額度的分配，第三是核實證明注冊，第四是交易機(jī)制的構(gòu)建，第五是懲罰機(jī)制構(gòu)建。其中初始配額分配，是目前碳排放交易市場的難點(diǎn)。良好的初始分配，是產(chǎn)生二級市場交易的前提，影響到市場的交易活躍性和交易價格的合理性，初始額度分配也要體現(xiàn)公平和效率的原則，不會導(dǎo)致整個社會的不均和失衡。目前發(fā)展較好的交易市場包括歐盟的碳排放交易市場和澳大利亞的碳排放權(quán)交易市場，它們的初始額度分配都是無償分配的形式，考慮的分配原則也是從一些單指標(biāo)進(jìn)行探討，例如按照人均排放原則、累積排放原則、支付能力原則。陳文穎（1998）提出碳排放權(quán)的混合分配機(jī)制，即依據(jù)人均碳排放量和GDP碳排放強(qiáng)度的加權(quán)平均方法；以及以人均碳排放量為基準(zhǔn)，同時兼顧 GDP碳排放強(qiáng)度兩種混合機(jī)制。丁仲禮（2009）提出應(yīng)基于“未來排放配額”來分配各國碳排放權(quán)。這些分析主要集中在單指標(biāo)的分析之中，不同的國家和不同的地區(qū)站在自己的立場上，選擇適合自己的指標(biāo)，導(dǎo)致這種分配方式受到不斷的攻擊。為了彌補(bǔ)這些缺陷，學(xué)術(shù)界對單指標(biāo)分配進(jìn)行了許多探討和改進(jìn)。朱潛挺（2015）通過構(gòu)建一個全球配額分配模型（GQAM）對全球碳排放額度進(jìn)行分配，并和其他分配原則進(jìn)行比較。Nordhaus（1992） 采用全球一般均衡模型對各個國家的邊際減排成本和減排額度進(jìn)行了估計。

與上述采用單指標(biāo)和采用可計算一般均衡分析不同。Gomes 和Lins（2008）基于效率最大化的原則，采用投入和產(chǎn)出指標(biāo)，應(yīng)用數(shù)據(jù)包絡(luò)分析模型將二氧化碳排放作為唯一投入變量，人口、GDP和能源消耗作為產(chǎn)出變量，對《京都議定書》簽約國家中的64個國家CO2排放進(jìn)行重新分配，分配后所有國家的效率都為1。這種分配考慮各個地區(qū)的投入和產(chǎn)出多個指標(biāo)，并以效率最大化為目標(biāo)，比采用考慮效率的單指標(biāo)分析更加合理。這種分配的思想起源于 Lins 等（2003）的文獻(xiàn)，他們認(rèn)為以往采用金牌單指標(biāo)對參與奧運(yùn)會國家的排名不合理，因為國家有大有小，投入有多有少。在考慮這些因素后，他們利用“零和博弈”DEA模型對悉尼奧運(yùn)會獲獎國家的投入和產(chǎn)出數(shù)據(jù)，得出新的排名，他們認(rèn)為這種排名明顯較以往的排名合理?；谏鲜龅乃枷?Yang等（2011）提出了在產(chǎn)出固定情況下，一個個體的產(chǎn)出增加同時，另一些個體的產(chǎn)出必然減少的產(chǎn)出競爭型模型。Wu等（2014）采用考慮期望產(chǎn)出擴(kuò)張的同時和非期望產(chǎn)出減少的競爭性數(shù)據(jù)包絡(luò)模型，并對中國各地區(qū)2007-2011年發(fā)電企業(yè)的效率進(jìn)行了評價。Wang等（2015）對Gomes 和Lins（2008）的模型進(jìn)行改進(jìn)，考慮了松弛作用的“零和博弈”評價模型，對中國2020年各個省份CO2排放額度進(jìn)行分配。林坦和寧俊飛（2011）根據(jù)Gomes 和Lins（2008）思想對2009年歐盟21個成員國的碳排放額度進(jìn)行重新分配。苗壯等（2012）采用“零和博弈”模型對2010年中國化石能源二氧化碳排放的數(shù)據(jù)進(jìn)行重新分配。鄭立群（2012）采用 Gomes 和 Lins（2008）思想，在文章中將CO2排放看成是唯一的投入，將人口、能源消耗和GDP作為模型產(chǎn)出變量，對中國各省區(qū)碳排放額度進(jìn)行重新分配。

三、研究設(shè)計

（一）按照效率分配碳排放額度的理論分析

根據(jù)鐘茂初和閆文娟（2012）的研究，我國地區(qū)間環(huán)境負(fù)擔(dān)存在著嚴(yán)重的不公平現(xiàn)象，造成環(huán)境不公平現(xiàn)象的主要原因是收入差距的擴(kuò)大。環(huán)境政策不是外生的，收入差距會導(dǎo)致環(huán)境政策差距，高收入地區(qū)對良好環(huán)境質(zhì)量的偏好更強(qiáng)，從而會制定更加嚴(yán)厲的環(huán)境政策，而低收入地區(qū)的環(huán)境管制政策比較松，為了發(fā)展經(jīng)濟(jì)這些地區(qū)承接了大量發(fā)達(dá)地區(qū)的資源消耗量大的污染性產(chǎn)業(yè)，導(dǎo)致污染發(fā)生轉(zhuǎn)移，實踐表明中西部地區(qū)的碳排放轉(zhuǎn)入量明顯大于轉(zhuǎn)出量。李夢潔和杜威劍（2014）表明環(huán)境規(guī)制和就業(yè)之間存在U型關(guān)系，東部地區(qū)已經(jīng)處在拐點(diǎn)的右側(cè)，環(huán)境規(guī)制和就業(yè)之間存在著雙贏的局面，中西部地區(qū)主要關(guān)注經(jīng)濟(jì)增長而對環(huán)境質(zhì)量的重視相對不足。在市場經(jīng)濟(jì)條件下，各地政府具有“經(jīng)濟(jì)人”的本性，追求地方利益最大化，承接了大量發(fā)達(dá)地區(qū)淘汰的落后產(chǎn)業(yè)和污染性產(chǎn)業(yè)，導(dǎo)致污染從發(fā)達(dá)地區(qū)轉(zhuǎn)向落后地區(qū)，城市轉(zhuǎn)移到鄉(xiāng)村現(xiàn)象。由于污染是公共產(chǎn)品，落后地區(qū)根據(jù)比較優(yōu)勢這樣選擇無可厚非，但是這樣選擇會導(dǎo)致全國總的碳排放量繼續(xù)上升。

政府間氣候變化專門委員會（IPCC）對附件I國家的要求是碳排放絕對量的減少，附件II國家包括中國、印度等發(fā)展中國家碳減排的目標(biāo)是強(qiáng)度目標(biāo)，強(qiáng)度目標(biāo)在技術(shù)進(jìn)步和產(chǎn)出擴(kuò)大的情況下，會導(dǎo)致碳排放量的持續(xù)上升，超過地球的承載力，發(fā)生全球氣候變暖現(xiàn)象。碳排放絕對量的減少將是未來所有國家為緩解氣候變化應(yīng)該做的承諾，中國政府宣布在 2030年后開始兌現(xiàn)碳排放絕對量減排規(guī)定。要實現(xiàn)該目標(biāo)，較為可行的途徑是分階段將強(qiáng)度目標(biāo)轉(zhuǎn)換為總量控制目標(biāo)，然后將總量目標(biāo)分解到各地區(qū)，明確各地區(qū)的碳減排責(zé)任，這也是建立碳交易市場的初衷。

我國新一輪經(jīng)濟(jì)改革提出“既要金山銀山，又要綠水青山”發(fā)展目標(biāo)，意味著經(jīng)濟(jì)發(fā)展不但要創(chuàng)造經(jīng)濟(jì)紅利，更要創(chuàng)造環(huán)境紅利，實現(xiàn)波特效應(yīng)（涂正革和諶仁俊，2015）。在碳排放權(quán)交易市場中，政府是初始碳排放權(quán)分配的主體，建立碳排放市場的最終目標(biāo)是以最優(yōu)的經(jīng)濟(jì)效益實現(xiàn)區(qū)域內(nèi)排放總量的控制目標(biāo)，而且不能夠損害經(jīng)濟(jì)的增長。按照人均排放均等原則、累積排放原則、支付能力原則，發(fā)達(dá)地區(qū)的排放額度都應(yīng)該下降，不發(fā)達(dá)地區(qū)的碳排放額度都應(yīng)該上升。如果按照這種分配原則，經(jīng)濟(jì)不發(fā)達(dá)地區(qū)會繼續(xù)走比較優(yōu)勢之路，造成全國碳排放總量的繼續(xù)上升。為了改變這種現(xiàn)象就要求各地區(qū)不能各自為政，宏觀經(jīng)濟(jì)決策者必須按照效率高低分配碳排放的額度，在碳排放總額固定的情況下，對碳排放效率高的地區(qū)增加排放，效率低的地區(qū)減少排放額度，額度不足的地區(qū)通過碳排放交易市場購買額度。這樣通過“倒逼機(jī)制”使得落后地區(qū)不敢繼續(xù)承接淘汰和污染排放量大的轉(zhuǎn)移項目，積極推進(jìn)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)高級化，使產(chǎn)業(yè)結(jié)構(gòu)向“三、二、一”結(jié)構(gòu)過渡（李夢潔和杜威劍，2014），緩解當(dāng)前環(huán)境不公平現(xiàn)象的發(fā)生，避免成為污染產(chǎn)業(yè)轉(zhuǎn)移的天堂。

按照效率分配排放額度一方面能夠積極促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變，另一方面能在創(chuàng)造經(jīng)濟(jì)紅利的同時，創(chuàng)造環(huán)境紅利，實現(xiàn)波特效應(yīng)。例如，Br?nnlund等（1998）采用數(shù)據(jù)包絡(luò)分析對瑞典造紙工業(yè)的研究表明在污染排放權(quán)交易下，可實現(xiàn)經(jīng)濟(jì)增長的目標(biāo)。F?re等（2013）采用數(shù)據(jù)包絡(luò)分析對污染排放權(quán)在空間上和時間上進(jìn)行跨期分配，發(fā)現(xiàn)碳排放的額度重新分配下，經(jīng)濟(jì)總量是擴(kuò)大的。F?re等（2014）繼續(xù)應(yīng)用這種方法對美國燃煤發(fā)電廠的排放額度進(jìn)行重新分配，發(fā)現(xiàn)不但能夠?qū)崿F(xiàn)額度的重新分配，而且還能夠?qū)е庐a(chǎn)出的增長。Zhou等（2014）對中國1995-2011年碳排放的數(shù)據(jù)應(yīng)用數(shù)據(jù)包絡(luò)分析的跨期功能，發(fā)現(xiàn)各個地區(qū)碳排放額度重新分配下，經(jīng)濟(jì)總量是擴(kuò)大的，發(fā)生波特效應(yīng)。涂正革和諶仁?。?015）的研究表明按照數(shù)據(jù)包絡(luò)效率分配模型，嚴(yán)格執(zhí)行環(huán)境管制政策，環(huán)境紅利和經(jīng)濟(jì)紅利能夠同時出現(xiàn)。

對于國家間碳排放額度的分配，不但要考慮歷史排放的責(zé)任，還要考慮經(jīng)濟(jì)發(fā)展?fàn)顩r決定的未來排放水平，按照效率分配并不合適。但是，對于一個國家內(nèi)的分配，效率分配能夠避免污染避難所和污染轉(zhuǎn)移效應(yīng)的產(chǎn)生，真正淘汰落后產(chǎn)業(yè)，實現(xiàn)減排問題。本文認(rèn)為效率分配應(yīng)該是優(yōu)先的選擇，在堅持效率分配原則下兌現(xiàn)中國政府對世界的承諾，并不會對中國經(jīng)濟(jì)造成影響，相反還能夠促進(jìn)經(jīng)濟(jì)的增長。正是在上述思想的指導(dǎo)下，本文采用一種新的“零和博弈”效率分配模型，對中國“十二五”時期的碳排放效率和額度分配的合理性進(jìn)行評估，為“十三五”或未來碳排放市場的初始額度分配提供計算參考。

（二）研究方法

Yang等（2011）提出了在產(chǎn)出固定情況下，一個個體的產(chǎn)出增加時，另一些個體的產(chǎn)出必然減少的產(chǎn)出競爭型模型，這種模型很類似于博弈論中的“零和博弈”思想。假設(shè)有n個決策單元，每個決策單元應(yīng)用m項投入xik，生產(chǎn)出s項競爭性產(chǎn)出yrk，q項無競爭關(guān)系的產(chǎn)出zpk，對于固定的決策單元 DMUk，產(chǎn)出最新小化擴(kuò)張的比例，可以用下面的非線性規(guī)劃模型（1）表示：

其中，βr表示決策單元DMUk的第r項產(chǎn)出增加的數(shù)量，Srj表示決策單元 DMUj的第r項產(chǎn)出減少的數(shù)量，vi表示投入項的權(quán)重，ur表示第r項競爭性產(chǎn)出的權(quán)重，wp表示第p項無競爭性關(guān)系產(chǎn)出的權(quán)重，μ0是與權(quán)重類似的待確定的變量。

上述模型只反映了競爭性關(guān)系下產(chǎn)出調(diào)整導(dǎo)致效率提高，沒有考慮非競爭性關(guān)系產(chǎn)出的擴(kuò)張也能導(dǎo)致效率改變的情況。實際上這種情況在現(xiàn)實中也很常見，不能只考慮競爭性產(chǎn)出之間的調(diào)整，還要考慮非競爭性產(chǎn)出擴(kuò)張導(dǎo)致效率的改變。Wu等（2014）對上述的模型進(jìn)行改進(jìn)，考慮了競爭性產(chǎn)出之間的調(diào)整，也考慮了非競爭項產(chǎn)出擴(kuò)張情況下效率的提高，該模型可以用下面的模型（2）表示：

其中模型（2）中的pα（p=1,...,q）表示無競爭性關(guān)系的產(chǎn)出可以擴(kuò)展的比例，kθ表示決策單元的效率高低。模型（2）在處理非期望產(chǎn)出的時候存在著問題，非期望產(chǎn)出在該模型中是越大越好，所以不符合現(xiàn)實情況。為了能處理非期望產(chǎn)出應(yīng)該減少和期望產(chǎn)出應(yīng)該增加的問題，我們將非期望產(chǎn)出看成是投入，用yrk表示，期望的產(chǎn)出用zpk表示，于是有模型（3）：

其中，Ek表示效率的大小，模型（3）是個非線性規(guī)劃，可以通過轉(zhuǎn)換（Wu等，2014），得到模型（4）：

通過模型（5）我們就能得到既考慮了具有競爭性關(guān)系產(chǎn)出之間的調(diào)整，又考慮了非競爭性關(guān)系產(chǎn)出同時擴(kuò)大情況下的效率。下面的分析，我們依據(jù)模型（5）得到中國“十二五”時期各個地區(qū)的效率值，以及非期望產(chǎn)出在個體之間調(diào)整和期望產(chǎn)出應(yīng)該擴(kuò)張的實證分析。

四、數(shù)據(jù)來源和實證結(jié)果分析

（一）數(shù)據(jù)來源

根據(jù)本文研究的需要，我們從《中國能源統(tǒng)計年鑒》收集到2011年和2012年能源消費(fèi)的數(shù)據(jù)，由于2014年《中國能源統(tǒng)計年鑒》未出版，2013-2015年的能源消費(fèi)的數(shù)據(jù)缺失，Wang等（2014）認(rèn)為“十二五”時期中國能源消耗強(qiáng)度將按照16%的速度遞減，據(jù)此推算出2013-2015年各省份能源消費(fèi)。資本存量采用永續(xù)盤存法進(jìn)行核算，具體的核算可以參考張軍等（2004）的文獻(xiàn)，林伯強(qiáng)和孫傳旺認(rèn)為2011-2015年中國資本存量的平均增速為14%，按照該方法計算出2013-2015年的資本存量。勞動力數(shù)據(jù)來自各省區(qū)統(tǒng)計年鑒，用期初和期末數(shù)據(jù)的平均值表示，2013-2015年的從業(yè)人員數(shù)按照0.622%的增長速度計算得到。期望產(chǎn)出為地區(qū)生產(chǎn)總值（GDP）來自中經(jīng)網(wǎng)，折算成不變價，根據(jù)國家“十二五”計劃提出的國內(nèi)生產(chǎn)總值年均增長7.5%的速度，得到2013-2015年各省份的生產(chǎn)總值。非期望產(chǎn)出我們用CO2排放表示，具體的核算可以參見李小勝和安慶賢（2012）的文獻(xiàn)進(jìn)行核算，“十二五”的最后兩年2014年和2015年的數(shù)據(jù)缺失，根據(jù)“十二五”時期碳強(qiáng)度年均下降3.8%的速度外推得到。

（二）基于“零和博弈”模型的各地區(qū)效率分析

根據(jù)公式（4）、（5），我們可以得到測度各省區(qū)效率的模型（3），從估計得到的效率值看，2011-2015年北京、上海、江蘇、廣東、海南、青海都是有效的地區(qū)，“十二五”期間都處在前沿面上。這些地區(qū)囊括了中國經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)和工業(yè)產(chǎn)值較小的海南和青海省。山東、浙江和天津這幾個發(fā)達(dá)地區(qū)的效率估計值雖然不為1，但是從估計的結(jié)果來看，這幾個發(fā)達(dá)地區(qū)的效率也是逐年上升的，例如天津的效率值“十二五”期間都在0.95以上，離前沿面的距離較近。浙江省效率上升得較快，從2011年0.87上升到2015年的0.93。山東省的效率在這些發(fā)達(dá)省份中是較低的，穩(wěn)定在0.75左右，但也呈現(xiàn)出逐年上升的趨勢，西部和資源性地區(qū)如云南、內(nèi)蒙古、新疆、山西、河南、吉林、廣西、遼寧、陜西等的效率值始終是處在0.7以下。總體上看模型估計的效果較好，落后地區(qū)和發(fā)達(dá)地區(qū)的效率存在明顯的差異，這些結(jié)論比國內(nèi)多數(shù)采用非競爭性資源關(guān)系模型的研究結(jié)論更加穩(wěn)健。Wu等（2014）采用該種方法對中國31個地區(qū)2007-2011年的工業(yè)效率進(jìn)行分析得出，北京、廣東、山東、天津和西藏的效率為1，處在前沿面上，從我們的估計結(jié)果，我們的地區(qū)數(shù)據(jù)比他們利用地區(qū)工業(yè)數(shù)據(jù)估計的模型結(jié)果更加合理。對“十二五”時期中國 30個地區(qū)的碳排放的強(qiáng)度單指標(biāo)看，山東和天津的強(qiáng)度明顯高于江蘇、上海和海南省，效率估計結(jié)果也明顯低于江蘇、上海和海南省，我們的結(jié)果進(jìn)一步表明這些碳排放強(qiáng)度高的省份效率也偏低，更加符合實際經(jīng)濟(jì)情況。

表1 2011-2015年各地區(qū)的效率（基于“零和博弈”DEA模型）

續(xù)表1

對上述的效率值進(jìn)行分析，我們發(fā)現(xiàn)絕大多數(shù)省份效率值呈上升的趨勢，其中黑龍江和遼寧的效率值變化比較大，效率由低上升之后又變?yōu)橄陆第厔?，且波動較大。四川、貴州和吉林呈現(xiàn)出倒“U”型的趨勢，2013年效率值達(dá)到最大，2014年和2015年出現(xiàn)了下降。北京、上海、江蘇、廣東、海南、青海是處在前沿面的地區(qū)，效率沒有發(fā)生改變。從中國30個地區(qū)效率值的平均來看，各年值逐漸增大，由2011年的0.7791增加到2015年的0.8116，效率值提高3.25個百分點(diǎn)。對效率的標(biāo)準(zhǔn)差分析發(fā)現(xiàn)，效率的標(biāo)準(zhǔn)差2011年為0.1558，2012年上升為0.1578，隨后呈現(xiàn)逐年下降趨勢，2013年為0.1430，2014年為0.1406、2015年為0.1386。從變異系數(shù)看，由于均值呈現(xiàn)逐年上升的趨勢，而標(biāo)準(zhǔn)差呈現(xiàn)下降的趨勢，所以變異系數(shù)也是逐年減小的，這表明各地區(qū)的效率趨同的趨勢比較明顯。出現(xiàn)上述的狀況與中國近年來的環(huán)境控制政策是密不可分的，中國政府在“十一五”時期就對各個省份的碳排放強(qiáng)度下降制定了強(qiáng)制性目標(biāo)，要求各個省份嚴(yán)格遵照執(zhí)行。但是，上述的效率估計也出現(xiàn)了一個不發(fā)達(dá)省份青海省處在前沿面上的問題，這個估計與數(shù)據(jù)包絡(luò)分析模型是綜合考慮投入和產(chǎn)出要素，要素間出現(xiàn)替代的原因造成的，同樣在楊文舉（2015）的文獻(xiàn)中也出現(xiàn)了經(jīng)濟(jì)不發(fā)達(dá)省份青海省處在前沿面上的情況。

（三）額度分配研究

在計算上述的效率過程中，我們得到各個地區(qū)的Srj，即決策單元 DMUj的第r項非期望產(chǎn)出應(yīng)該減少的數(shù)量，本文中只有一項非期望產(chǎn)出CO2排放。從表2我們可以看到，北京、上海、江蘇、廣東、海南、青海都是有效的地區(qū)，處在前沿面上，本身無需減少碳排放，相反按照“零和博弈”的思想應(yīng)該增加排放，其他各個地區(qū)為了達(dá)到有效必須減少排放量，其中2011年福建、江西、廣西、重慶、云南的減排量最多，為4874萬噸左右。從實際的效率看，當(dāng)年云南和江西也是效率較低的地區(qū)。2012年湖南、天津、福建、江西、重慶、云南這六個地方的減排量最大，為5811.85萬噸左右。2013年四川、湖南、天津、江西、重慶、云南這六個省份的減排量都為5802.84萬噸左右。2014年福建、四川、湖南、天津、江西、云南六個省份，減排量均為6740.68萬噸左右。2015年吉林、湖北、浙江、福建、四川、湖南、天津、江西這八個省份，減排量均為7636.69萬噸左右。根據(jù)“零和博弈”的思想這些地區(qū)減少的數(shù)量按照模型（3）效率最大化的原則被分?jǐn)偟狡渌》?，即其他各個地區(qū)增加βr數(shù)量的排放，這種重新分配的結(jié)果，我們可以用表2來表示。從表 2可以看到，與各個地區(qū)原來實際的排放數(shù)據(jù)相比，效率較高的地區(qū)排放都是增加的，而且增加的數(shù)量較大，例如北京、上海、江蘇、廣東、海南、青海這些省份的排放量增加的數(shù)額都比較大，效率越低的地區(qū)，減排的數(shù)值越大，例如寧夏雖然是在0.92左右，但是從排放的強(qiáng)度看，按照2005年不變價計算，2011-2015年的碳排放強(qiáng)度分別為13.88、13.38、13.50、13.28、12.99噸/萬元GDP。而同期北京的碳排放強(qiáng)度為0.99、0.94、0.88、0.83、0.79噸/萬元 GDP，二者相差非常的大，這也正好驗證了按照效率分配的思想，寧夏的碳排放量不但不會增加，按照重新計算后的結(jié)果，還應(yīng)該是負(fù)的。這提醒我們?nèi)绻麑硖寂欧攀袌鼋⒌脑挘瑢幭牟坏峙洳坏匠跏继寂欧蓬~度，而且還要在市場上進(jìn)行購買。這進(jìn)一步說明如果寧夏和其他效率低的地區(qū)如果不提高效率的話，未來按照效率進(jìn)行分配，這些地區(qū)將會是碳額度嚴(yán)重不足的地區(qū)，這樣一方面由于限制排放會阻礙經(jīng)濟(jì)的增長，另一方面為了生產(chǎn)排放的話，還需要從市場上購買額度，導(dǎo)致這些本身落后的地區(qū)落入“貧窮的陷阱”循環(huán)中。這也提醒國家今后的政策應(yīng)該是促進(jìn)這些地方的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和加大科技投入、發(fā)達(dá)地區(qū)應(yīng)該向落后地區(qū)進(jìn)行科技轉(zhuǎn)讓，促進(jìn)該地區(qū)的效率上升和節(jié)能減排政策的實施。

表2 2011-2015各地區(qū)重新分配后的碳排放量 （單位：萬噸）

根據(jù)模型（3）的效率分析，基于“零和博弈”模型不但考慮了非期望產(chǎn)出總額固定情況下的重新分配，而且還考慮了期望產(chǎn)出調(diào)整的方向，為了達(dá)到模型（3）的效率，非期望產(chǎn)出在 30個地區(qū)進(jìn)行重新分配的同時，還需要產(chǎn)出同時擴(kuò)大才能達(dá)到有效。根據(jù)上述的模型我們計算出各個地區(qū)2011-2015年pα的大?。ǜ鱾€地區(qū)產(chǎn)出應(yīng)該擴(kuò)張的數(shù)量）。同樣對于有效的地區(qū)北京、上海、江蘇、廣東、海南、青海本身處在前沿面上，產(chǎn)出無需擴(kuò)張，而其他非效率的決策單元，產(chǎn)出都存在不同程度的擴(kuò)張才能達(dá)到有效。從我們的分析結(jié)果看，2011年和2012年河南和山東為了達(dá)到有效產(chǎn)出擴(kuò)張的絕對量最多，2011年分別是14365.45億元、13581.25億元，2012年分別是15989.16億元、14696.19億元。2013-2015年為了達(dá)到河南和內(nèi)蒙古有效增加的數(shù)量最多，2013年應(yīng)該分別增加 18069.91億元、12868.81億元，2014年應(yīng)該分別增加19833.46億元、14646.42億元，2015年應(yīng)該分別增加1763.17億元、16105.23億元。從這些數(shù)額來看，為了達(dá)到有效，產(chǎn)出調(diào)整的額度不是很大，說明各個地區(qū)的產(chǎn)出基本是有效的，而上一節(jié)的分析表明碳排放的額度調(diào)整較大，所以未來宏觀決策者建立碳排放交易市場的主要目的是控制污染的排放。這也進(jìn)一步說明按照效率分配，能夠給部分省份創(chuàng)造經(jīng)濟(jì)紅利，實現(xiàn)經(jīng)濟(jì)效益和環(huán)境效率雙重紅利。

表3 2011-2015各地區(qū)GDP的增加量 （單位：億元）

續(xù)表3

五、結(jié)論與政策建議

碳排放權(quán)初始分配是碳排放交易的起點(diǎn)，也是關(guān)系到溫室氣體控制目標(biāo)能否達(dá)成、碳交易制度能否有效運(yùn)轉(zhuǎn)、環(huán)境效益與經(jīng)濟(jì)發(fā)展能否協(xié)調(diào)一致發(fā)展的關(guān)鍵問題。本文通過考慮非期望產(chǎn)出數(shù)額固定情況下，各個地區(qū)間按照“零和博弈”DEA模型效率最大化思想，計算得到各個地區(qū)的環(huán)境效率值，據(jù)此，重新計算了各個地區(qū)分配后的碳排放額度，這種模型與以往的模型不同的是既考慮了非期望產(chǎn)出之間的分配，也考慮了期望產(chǎn)出可以擴(kuò)展的比例，更加符合實際生產(chǎn)的原理，保證了“既要金山銀山，也要綠水青山”的重要宏觀經(jīng)濟(jì)問題，實現(xiàn)宏觀決策者在不損害經(jīng)濟(jì)增長的條件下，即能夠創(chuàng)造經(jīng)濟(jì)發(fā)展的奇跡，更能夠創(chuàng)造環(huán)境紅利，實現(xiàn)波特效應(yīng)。這種分析方法可以為中國碳排放交易市場未來初始額度的分配提供一定的參考依據(jù)。通過對“十二五”時期中國碳排放等數(shù)據(jù)的研究，我們得到以下政策啟示：

（1）經(jīng)濟(jì)發(fā)達(dá)地區(qū)的效率明顯較高，“十二五“期間都處在前沿面上，是最佳的實踐基地。落后地區(qū)應(yīng)該以這幾個地區(qū)的經(jīng)濟(jì)結(jié)構(gòu)和節(jié)能減排制度為參考依據(jù)，制定地區(qū)的發(fā)展規(guī)劃，著實推進(jìn)節(jié)能減排工作，切實降低排放強(qiáng)度。

（2）從效率的變化結(jié)果，可以看出雖然存在著很多無效率的地區(qū)，但是效率的平均趨勢是上升的，各年的值逐漸增大，而且效率的標(biāo)準(zhǔn)差是逐漸減小的，這表明中國地區(qū)效率的趨同趨勢的存在，今后應(yīng)該進(jìn)一步加大地區(qū)間節(jié)能減排經(jīng)驗的交流和技術(shù)轉(zhuǎn)讓工作，推動全國減排工作平衡發(fā)展。

（3）從重新分配后的碳排放額度看，效率高的地區(qū)額度比原來都增加了很多，效率低以及碳排放強(qiáng)度高的地區(qū)，例如寧夏的碳排放額度應(yīng)該減少，甚至是負(fù)排放。這表明落后地區(qū)確實應(yīng)該調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)變經(jīng)濟(jì)增長方式實現(xiàn)可持續(xù)發(fā)展，否則在將來的全國統(tǒng)一碳排放市場建立的時候，這些地方會落入“貧困的陷阱”。為了避免發(fā)生這種現(xiàn)象，在按照效率分配的同時，宏觀決策者可用通過政策傾斜、稅收杠桿和轉(zhuǎn)移支付等政策工具縮小不發(fā)達(dá)地區(qū)與發(fā)達(dá)地區(qū)收入差距。

1. 陳文穎、吳宗鑫：《碳排放權(quán)分配與碳排放權(quán)交易》[J]，《清華大學(xué)學(xué)報（自然科學(xué)版）》1998年第12期。

2. 丁仲禮：《應(yīng)基于“未來排放配額”來分配各國碳排放權(quán)》[J]，《群言》2010年第4期。

3. 李夢潔、杜威劍：《環(huán)境規(guī)制與就業(yè)的雙重紅利適用于中國現(xiàn)階段嗎？——基于省際面板數(shù)據(jù)的經(jīng)驗分析》[J]，《經(jīng)濟(jì)科學(xué)》2014年第8期。

4. 李小勝、安慶賢：《環(huán)境管制成本與環(huán)境全要素生產(chǎn)率研究》[J]，《世界經(jīng)濟(jì)》2012年第12期。

5. 林伯強(qiáng)、孫傳旺：《如何在保障中國經(jīng)濟(jì)增長前提下完成碳減排目標(biāo)》[J]，《中國社會科學(xué)》2011年第1期。

6. 林坦、寧俊飛：《基于零和DEA模型的歐盟國家碳排放權(quán)分配效率研究》[J]，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2011年第3期。

7. 苗壯、周鵬、李向民：《我國“十二五”時期省級碳強(qiáng)度約束指標(biāo)效率分配研究--基于 ZSG 環(huán)境生產(chǎn)技術(shù)》[J]，《經(jīng)濟(jì)管理》2012年第9期。

8. 涂正革、諶仁俊：《排污權(quán)交易機(jī)制在中國能實現(xiàn)波特效應(yīng)？》[J]，《經(jīng)濟(jì)研究》205年第7期。

9. 楊文舉:《中國省份工業(yè)的環(huán)境績效影響因素——基于跨期DEA-Tobit模型的經(jīng)驗分析》[J]，《北京理工大學(xué)學(xué)報（社會科學(xué)版）》2015年第3期。

10. 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(jì)研究》2004年第10期。

11. 鄭立群：《中國各省區(qū)碳減排責(zé)任分?jǐn)?-基于零和收益DEA模型的研究》[J]，《資源科學(xué)》2012年第11期。

12. 鐘茂初、閆文娟：《發(fā)展差距引致地區(qū)間環(huán)境負(fù)擔(dān)不公平的實證分析》[J]，《經(jīng)濟(jì)科學(xué)》2012年第1期。

13. 朱潛挺等：《后京都時代全球碳排放權(quán)配額分配模擬研究》[J]，《環(huán)境科學(xué)學(xué)報》2015年第1期。

14. Br?nnlund, R., Chung, Y., F?re, R., et al.,1998, “Emissions Trading and Profitability: The Swedish Pulp and Paper Industry”[J], Environmental and Resource Economics, 12(3): 345-356.

15. F?re. R., Grosskopf.S., Pasurka,C. A., 2014, “Potential Gains from Trading Bad Outputs: The Case of US Electric Power Plants”[J], Resource and Energy Economics, 36(1): 99-112.

16. F?re,R., Grosskopf,S., Pasurka,C.A., 2013, “Tradable Permits and Unrealized Gains From Trade”[J],Energy Economics, 40: 416-424.

17. Gomes,E.G. and Lins, M.P.E., 2008, “Modelling Undesirable Outputs with Zero Sum Gains Data Envelopment Analysis Models”[J], Journal of the Operational Research Society , 59: 616- 623.

18. Lins,M.P.E. and Gomes, E.G., 2008, “Olympic Ranking Based on a Zero Sum Gains DEA Model”[J],European Journal of Operational Research, 148:312-322.

19. Nordhaus,W.D.,1992,“The DICE Model: Background and Structure of a Dynamic Integrated Climateeconomy Model of the Economics of Global Warming”. No. 1009. Cowles Foundation for Research in Economics, Yale University.

20. Wang,K.et al.,2013,“Regional Allocation of CO2 Emissions Allowance Over Provinces in China by 2020”[J], Energy Policy,54 :214-229.

21. Wu,J.et al.,2014,“Environmental Efficiency Evaluation of Industry in China Based on a New Fixed Sum Undesirable Output Data Envelopment Analysis”[J], Journal of Cleaner Production, 74: 96-104.

22. Yang, F.et al.,2011,“Competition Strategy and Efficiency Evaluation for Decision Making Units with Fixed-sum Outputs”[J], European Journal of Operational Research, 212 :560–569.