劉海英 王鈺

摘要 市場(chǎng)機(jī)制具有實(shí)現(xiàn)資源有效配置和建立正確激勵(lì)機(jī)制的優(yōu)勢(shì)，用能權(quán)交易與碳排放權(quán)交易是典型的市場(chǎng)化能源政策，如果將這兩類(lèi)能源政策進(jìn)行組合使用，理論上可以更好地實(shí)現(xiàn)節(jié)能和CO2減排。本文從潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率增長(zhǎng)四個(gè)維度評(píng)價(jià)不同政策組合的經(jīng)濟(jì)紅利效應(yīng)。運(yùn)用非參數(shù)DEA方法模擬了命令控制型、混合型和市場(chǎng)交易型三種不同情形下的能源政策組合，并據(jù)此測(cè)算了“十一五”和“十二五”期間中國(guó)30個(gè)省區(qū)（西藏和港澳臺(tái)除外）的潛在產(chǎn)出增量、節(jié)能量和CO2減排量。采用基于非徑向方向性距離函數(shù)的Luenberger生產(chǎn)率指數(shù)表征綠色全要素生產(chǎn)率增長(zhǎng)，并將綠色全要素生產(chǎn)率增長(zhǎng)分解為節(jié)能、CO2減排和經(jīng)濟(jì)增長(zhǎng)三個(gè)驅(qū)動(dòng)因素的貢獻(xiàn)。相關(guān)實(shí)證結(jié)果表明：①在用能權(quán)與碳排放權(quán)同時(shí)可交易的市場(chǎng)交易型政策組合下，潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率都會(huì)顯著提高，體現(xiàn)出最佳的經(jīng)濟(jì)紅利效應(yīng)；②在混合型政策組合下，用能權(quán)與碳排放權(quán)一方實(shí)施可交易政策，而另一方仍受行政命令管制，政策間會(huì)發(fā)生掣肘作用，此時(shí)潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率增長(zhǎng)均遜于用能權(quán)與碳排放權(quán)同時(shí)可交易的市場(chǎng)交易型政策組合的結(jié)果；③當(dāng)實(shí)施命令控制型政策組合時(shí)，能源消耗與CO2排放均受到嚴(yán)格的行政命令管制，其產(chǎn)生的經(jīng)濟(jì)紅利效應(yīng)最??；④綠色全要素生產(chǎn)率的指數(shù)分解結(jié)果表明，節(jié)能、CO2減排與合意產(chǎn)出（GDP）增加都是綠色全要素生產(chǎn)率增長(zhǎng)的貢獻(xiàn)因素，但是與追求合意產(chǎn)出（GDP）增加相比，節(jié)能與CO2減排更容易提升中國(guó)的綠色全要素生產(chǎn)率。

關(guān)鍵詞 用能權(quán)交易；碳排放權(quán)交易；能源政策組合；綠色全要素生產(chǎn)率

中圖分類(lèi)號(hào) F062.1 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104（2019）05-0001-10 DOI：10.12062/cpre.20190110

轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、優(yōu)化能源結(jié)構(gòu)、降低經(jīng)濟(jì)增長(zhǎng)中的能源消耗強(qiáng)度是中國(guó)踐行生態(tài)文明建設(shè)的重要舉措?！笆濉币?guī)劃中指出，到2020年，全國(guó)萬(wàn)元國(guó)內(nèi)生產(chǎn)總值能耗要比2015年下降15%，能源消費(fèi)總量控制在50億t標(biāo)準(zhǔn)煤以內(nèi)。如果用行政手段來(lái)完成這些總量目標(biāo)和各地區(qū)的分解目標(biāo)，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(chǎng)交易機(jī)制對(duì)節(jié)能目標(biāo)進(jìn)行重新配置，則屬于市場(chǎng)交易型能源政策。中國(guó)的能源政策正逐步從命令控制型向市場(chǎng)交易型轉(zhuǎn)變。2016年9月，國(guó)家發(fā)改委印發(fā)的《用能權(quán)有償使用和交易制度試點(diǎn)方案》確定在浙江、福建、河南、四川開(kāi)展用能權(quán)有償使用和交易制度試點(diǎn)工作。2017年12月，中國(guó)電力行業(yè)率先宣布啟動(dòng)全國(guó)碳排放權(quán)交易市場(chǎng)。用能權(quán)交易與碳排放權(quán)交易雖同屬于市場(chǎng)交易型能源政策，但卻是兩類(lèi)不同的政策工具。用能權(quán)交易是基于能源要素投入錯(cuò)配假設(shè)，本質(zhì)上提高了供給側(cè)的資源配置效率。而碳排放權(quán)交易則是基于產(chǎn)出配置失衡假設(shè)，本質(zhì)上改善了需求側(cè)的分配不均衡問(wèn)題。如果將這兩類(lèi)政策工具結(jié)合起來(lái)，理論上可以更好地實(shí)現(xiàn)節(jié)能與CO2減排，并提高資源的配置效率?；诖耍疚臄M從潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率增長(zhǎng)四個(gè)維度評(píng)價(jià)不同政策組合的經(jīng)濟(jì)紅利效應(yīng)。當(dāng)用能權(quán)與碳排放權(quán)同時(shí)實(shí)施可交易政策時(shí)，相當(dāng)于對(duì)要素投入（供給側(cè)）和產(chǎn)出（需求側(cè)）同時(shí)放松管制，在總量控制基礎(chǔ)上每一個(gè)省區(qū)都將根據(jù)自身的GDP目標(biāo)和成本綜合考量，既可以在生產(chǎn)的前端自由配置能源投入要素，亦可在產(chǎn)出端自主選擇CO2排放量，能源投入和CO2排放不再受限于規(guī)定的上限，一些生產(chǎn)效率高的省區(qū)可以通過(guò)購(gòu)買(mǎi)用能權(quán)或碳排放權(quán)來(lái)實(shí)現(xiàn)更大的產(chǎn)出。由于能源投入和碳排放具有直接對(duì)應(yīng)關(guān)系，當(dāng)兩者不同時(shí)選擇可市場(chǎng)化交易的政策時(shí)，就會(huì)發(fā)生政策間的掣肘作用，例如，用能權(quán)可交易，而碳排放受行政命令控制，碳排放的限制約束會(huì)傳導(dǎo)到能源消耗進(jìn)而限制用能權(quán)交易。用能權(quán)與碳排放權(quán)同時(shí)可交易時(shí)，相當(dāng)于在生產(chǎn)的投入和產(chǎn)出端同時(shí)進(jìn)行調(diào)整，不會(huì)因?yàn)橐环郊s束過(guò)強(qiáng)而導(dǎo)致另一方無(wú)法實(shí)現(xiàn)交易，這樣能耗和碳排放之間就會(huì)產(chǎn)生協(xié)同作用，并呈現(xiàn)出較好的節(jié)能減排效果。一些節(jié)能減排成本較低的省區(qū)會(huì)向成本較高的省區(qū)出售多余的用能權(quán)和碳排放權(quán)，出售用能權(quán)或碳排放權(quán)帶來(lái)的收益會(huì)進(jìn)一步激勵(lì)各個(gè)省區(qū)實(shí)施節(jié)能減排綠色技術(shù)創(chuàng)新，最終會(huì)促進(jìn)綠色全要素生產(chǎn)率和能源結(jié)構(gòu)的持續(xù)性改善。

劉海英等：用能權(quán)與碳排放權(quán)可交易政策組合下的經(jīng)濟(jì)紅利效應(yīng)

中國(guó)人口·資源與環(huán)境 2019年 第5期1 文獻(xiàn)綜述

目前能源政策機(jī)制主要分為行政主導(dǎo)機(jī)制和市場(chǎng)主導(dǎo)機(jī)制。其中行政主導(dǎo)機(jī)制又可分為兩類(lèi)，一類(lèi)是指用行政權(quán)力直接管控的命令控制型政策，包括能源市場(chǎng)準(zhǔn)入、能源價(jià)格管制、限制性使用以及強(qiáng)制淘汰等；另一類(lèi)是指政府用經(jīng)濟(jì)手段引導(dǎo)的各類(lèi)政策，包括財(cái)政補(bǔ)貼、征稅、減稅、綠色信貸和能源價(jià)格特惠等。市場(chǎng)主導(dǎo)機(jī)制在執(zhí)行過(guò)程中形成了市場(chǎng)交易型政策，主要包括碳排放權(quán)交易、節(jié)能量交易和用能權(quán)交易等。

行政主導(dǎo)機(jī)制在執(zhí)行過(guò)程中形成了命令控制型和經(jīng)濟(jì)引導(dǎo)型兩類(lèi)能源政策。命令控制型政策很少被單獨(dú)研究，大多和市場(chǎng)交易型政策一起作為對(duì)比分析[1-2]。而經(jīng)濟(jì)引導(dǎo)型政策的相關(guān)研究較多，比如劉潔和李文[3]研究認(rèn)為征收碳稅對(duì)中國(guó)經(jīng)濟(jì)的沖擊較大。周丹和趙子健[4]的研究結(jié)論與之相同，但發(fā)現(xiàn)征收碳稅可以減少化石能源投入和碳排放強(qiáng)度。魏朗和鄭巧精[5]認(rèn)為征收碳稅雖然可以提高能源要素的產(chǎn)出效率，但也會(huì)抑制區(qū)域經(jīng)濟(jì)增長(zhǎng)。能源補(bǔ)貼政策又分為清潔能源補(bǔ)貼和化石能源補(bǔ)貼，多數(shù)學(xué)者認(rèn)為取消化石能源補(bǔ)貼可以減少CO2排放和促進(jìn)清潔技術(shù)擴(kuò)散 [6-7]。嚴(yán)靜和張群洪[8]采用CGE模型的模擬結(jié)果表明，可再生能源補(bǔ)貼政策對(duì)宏觀經(jīng)濟(jì)有顯著的正向影響。綜上所述，征稅一般會(huì)抑制經(jīng)濟(jì)增長(zhǎng)，但會(huì)減少化石能源投入和碳排放強(qiáng)度，而取消化石能源補(bǔ)貼同時(shí)增加非化石能源補(bǔ)貼，則會(huì)產(chǎn)生更好的經(jīng)濟(jì)紅利效應(yīng)。

碳排放權(quán)交易和用能權(quán)交易均屬于典型的市場(chǎng)主導(dǎo)機(jī)制，但前者應(yīng)用相對(duì)更廣?，F(xiàn)有關(guān)于碳排放權(quán)交易的文獻(xiàn)，大多是采用數(shù)據(jù)包絡(luò)分析（DEA）、可計(jì)算一般均衡模型（CGE）和博弈論等方法，分析其對(duì)經(jīng)濟(jì)增長(zhǎng)和節(jié)能減排的影響。

首先，運(yùn)用非參數(shù)DEA方法模擬碳排放權(quán)交易的模型最早由Brnnlund等[9]提出，其以最大化短期利潤(rùn)為目標(biāo)函數(shù)，對(duì)瑞典41家造紙廠進(jìn)行模擬分析。Fre等[10-11]的優(yōu)化模型則以最大化產(chǎn)出為目標(biāo)函數(shù)，以美國(guó)81家火力發(fā)電廠為研究對(duì)象，比較了命令控制型政策與市場(chǎng)交易型政策對(duì)潛在產(chǎn)出的影響。近年來(lái)有些學(xué)者將這類(lèi)模型應(yīng)用到宏觀研究領(lǐng)域，比如劉海英等[1]對(duì)省際經(jīng)濟(jì)系統(tǒng)的研究結(jié)果表明，與命令控制型政策相比，碳排放權(quán)交易政策能夠促進(jìn)潛在總產(chǎn)出的增長(zhǎng)，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(guó)省際水平的碳交易機(jī)制，認(rèn)為實(shí)施碳交易政策可以實(shí)現(xiàn)經(jīng)濟(jì)和環(huán)境的雙重紅利效應(yīng)。其次，一些學(xué)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(gòu)建了上海市的能源-環(huán)境-經(jīng)濟(jì)CGE模型，認(rèn)為實(shí)施碳交易政策對(duì)GDP和環(huán)境效益均有正向的推動(dòng)作用，可以實(shí)現(xiàn)經(jīng)濟(jì)和環(huán)境雙重紅利效應(yīng)。然而時(shí)佳瑞等[14]對(duì)全國(guó)分行業(yè)數(shù)據(jù)CGE模型的研究結(jié)果卻顯示，碳交易機(jī)制雖能有效地降低碳強(qiáng)度和能源強(qiáng)度，但對(duì)經(jīng)濟(jì)產(chǎn)出卻產(chǎn)生一定的負(fù)面影響，并不存在雙重紅利效應(yīng)。最后，也有學(xué)者將博弈論方法應(yīng)用到碳交易的政策效應(yīng)研究中。曹翔和傅京燕[2]通過(guò)兩階段博弈模型模擬了強(qiáng)制減排、碳稅與碳交易三種政策對(duì)內(nèi)外資企業(yè)節(jié)能減排行為的影響，結(jié)果表明三種政策均降低了社會(huì)總產(chǎn)量?？梢?jiàn)，由于研究方法選擇和研究目標(biāo)不同，實(shí)施碳排放權(quán)交易政策并不必然導(dǎo)致產(chǎn)出增長(zhǎng)和環(huán)境改善的雙重紅利效應(yīng)。

用能權(quán)交易與碳排放權(quán)交易的理論基礎(chǔ)均為科斯的產(chǎn)權(quán)理論，盡管二者的側(cè)重點(diǎn)有所不同，但均采用市場(chǎng)交易手段實(shí)現(xiàn)能源的有效配置。2015年9月，中共中央、國(guó)務(wù)院印發(fā)的《生態(tài)文明體制改革總體方案》首次正式提出用能權(quán)的概念。用能權(quán)交易是由中國(guó)最早提出的一項(xiàng)創(chuàng)新性節(jié)能減排政策，與碳排放權(quán)交易相比，其目前還尚未在實(shí)踐中獲得檢驗(yàn)，因此現(xiàn)有的研究文獻(xiàn)仍集中于制度層面的探討，其中涉及到用能權(quán)的制度構(gòu)建、立法、履約機(jī)制以及與碳排放權(quán)交易政策的制度銜接問(wèn)題等[15-16]。目前幾乎沒(méi)有用能權(quán)交易政策的實(shí)證模擬研究?；诖耍疚膶⒉捎梅菂?shù)DEA方法模擬用能權(quán)交易政策，并將其與碳排放交易政策和命令控制型政策進(jìn)行組合，探究不同政策組合對(duì)潛在產(chǎn)出、節(jié)能、CO2減排和綠色全要素生產(chǎn)率的影響，評(píng)估用能權(quán)與碳排放權(quán)可交易政策組合的經(jīng)濟(jì)紅利效應(yīng)。

2 數(shù)據(jù)來(lái)源與模型構(gòu)建

2.1 數(shù)據(jù)來(lái)源

本文選用“十一五”（2006—2010）和“十二五”（2011—2015）期間中國(guó)30個(gè)省區(qū)（因數(shù)據(jù)可得性的原因，研究不包括西藏和港澳臺(tái)地區(qū)）的投入產(chǎn)出數(shù)據(jù)，投入要素包括資本存量（K）、人力資本（L）和能源消費(fèi)量（E），合意產(chǎn)出（Y）為各省區(qū)的國(guó)內(nèi)生產(chǎn)總值，非合意產(chǎn)出（C）為CO2排放量。本文數(shù)據(jù)來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》、各省區(qū)《統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫(kù)。

2.1.1 資本存量（K）

本文根據(jù)單豪杰[17]提出的永續(xù)盤(pán)存法對(duì)各年資本存量進(jìn)行估算。由于基年選擇越早，基年初始資本存量估計(jì)的誤差對(duì)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(qū)固定資產(chǎn)折舊率統(tǒng)一設(shè)定為10.96% ，固定資本形成總額作為當(dāng)期投資額，用分地區(qū)固定資產(chǎn)投資價(jià)格指數(shù)折算為以2006年為基年的不變價(jià)，單位為億元人民幣。

2.1.2 人力資本（L）

如果用就業(yè)人口數(shù)代表勞動(dòng)投入，就忽略了因受教育水平不同而產(chǎn)生的差異，因此本文的勞動(dòng)投入選擇一二三產(chǎn)業(yè)就業(yè)總?cè)丝谂c地區(qū)平均受教育年限的乘積。

2.1.3 能源消費(fèi)量（E）

將各省煤、石油和天然氣三種一次能源的消費(fèi)量折算成統(tǒng)一能源單位——萬(wàn)t標(biāo)準(zhǔn)煤。

2.1.4 合意產(chǎn)出（Y）

以2006年為基期，利用GDP指數(shù)進(jìn)行平減，單位為億元人民幣。

2.1.5 非合意產(chǎn)出（C）

t期的CO2排放總量可以通過(guò)（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(wàn)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(wàn)t，后者單位為億m3）。NCV為《中國(guó)能源統(tǒng)計(jì)年鑒》附錄4中提供的中國(guó)三種一次能源的平均凈發(fā)熱值。CEF為IPCC溫室氣體清單提供的碳排放系數(shù)，COF為三種一次能源的碳氧化因子。各種能源折算標(biāo)準(zhǔn)煤系數(shù)也由同期《中國(guó)能源統(tǒng)計(jì)年鑒》提供。煤炭、石油、天然氣數(shù)據(jù)來(lái)自于《中國(guó)能源統(tǒng)計(jì)年鑒》中分地區(qū)能源消耗量，缺失數(shù)據(jù)從地區(qū)能源平衡表（實(shí)物）中獲得。

2.2 環(huán)境生產(chǎn)技術(shù)及模型構(gòu)建

本文以中國(guó)30個(gè)省區(qū)（西藏和港澳臺(tái)除外）為決策評(píng)價(jià)單元，重慶數(shù)據(jù)被并入四川，在環(huán)境生產(chǎn)技術(shù)框架下構(gòu)建優(yōu)化模型。GDP為合意產(chǎn)出變量（y≥0），CO2為非合意產(chǎn)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(fèi)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(chǎn)出具有強(qiáng)可處置性，非合意產(chǎn)出具有弱可處置性，且非合意產(chǎn)出與合意產(chǎn)出零零關(guān)聯(lián)。零零關(guān)聯(lián)指當(dāng)非合意產(chǎn)出為零時(shí)，合意產(chǎn)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(chǎn)出為代價(jià)，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(jù)Fre等[18]提出的投入弱可處置性概念，投入增加將會(huì)導(dǎo)致產(chǎn)出減少，即等產(chǎn)量線在生產(chǎn)“非經(jīng)濟(jì)區(qū)域”（Noneconomic Regions）出現(xiàn)“后彎”（Backward Bending）。對(duì)于化石能源而言，其投入增加必然會(huì)排放更多的CO2，而過(guò)多的CO2會(huì)增加處置成本，即能源投入增加將間接性地導(dǎo)致合意產(chǎn)出（GDP）減少，因此本文假設(shè)能源投入具有弱可處置性，并與合意產(chǎn)出零零關(guān)聯(lián)。

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(yán)格的行政管制。本文以Fre等[10]的碳排放權(quán)交易模型為基礎(chǔ)，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(yīng)的約束條件采用等式形式，并且以最大產(chǎn)出增量之和為目標(biāo)函數(shù)，其中潛在產(chǎn)出增量為各省區(qū)在生產(chǎn)可能集內(nèi)所能達(dá)到的最大產(chǎn)出增加量。

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

ωt=max∑Kk=1atk

s.t. 對(duì)第1個(gè)省區(qū)：

∑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(duì)第K個(gè)省區(qū)：

∑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(gè)省區(qū)的潛在產(chǎn)出增量，ωt為t期最大潛在產(chǎn)出增量總和。非能源投入與合意產(chǎn)出的不等式約束代表這兩個(gè)變量具有強(qiáng)可處置性，能源投入與非合意產(chǎn)出的等式約束代表它們是弱可處置的，決策單元的權(quán)重z的非負(fù)性約束說(shuō)明模型滿足規(guī)模報(bào)酬不變假設(shè)。

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(chǎn)出端分別實(shí)施命令控制型與市場(chǎng)交易型能源政策，具體又分為兩種情況：

（1）用能權(quán)可交易而CO2排放被行政管制

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

ωt=max∑Kk=1atk

s.t. 對(duì)第1個(gè)省區(qū)：

∑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(duì)第K個(gè)省區(qū)：

∑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(duì)所有省區(qū)：

∑Kk=1ctk≤0

其中，ctk為t期第k個(gè)省區(qū)能源投入增量，當(dāng)值小于0時(shí)證明存在節(jié)能行為，∑Kk=1ctk≤0，反映了用能權(quán)交易政策的能源投入總量約束，即市場(chǎng)重新配置后的總量不可以超過(guò)歷史能源投入總量。

（2）能源投入受行政管制而碳排放權(quán)可交易

這類(lèi)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(quán)可市場(chǎng)化交易，其潛在產(chǎn)出增量模型如（4）式所示：

ωt=max∑Kk=1atk

s.t. 對(duì)第1個(gè)省區(qū)：

∑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(duì)第K個(gè)省區(qū)：

∑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(duì)所有省區(qū)：

∑Kk=1btk≤0

其中，btk為t期第k個(gè)省區(qū)碳排放增量，當(dāng)值小于0時(shí)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(chǎng)重新配置后的總量不可以超過(guò)歷史碳排放總量。

2.2.3 情形三：市場(chǎng)交易型政策組合

市場(chǎng)交易型政策組合是指用能權(quán)與碳排放權(quán)可同時(shí)進(jìn)行市場(chǎng)化交易。線性規(guī)劃形式如下：

ωt=max∑Kk=1atk

s.t. 對(duì)第1個(gè)省區(qū)：

∑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(duì)第K個(gè)省區(qū)：

∑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(duì)所有省區(qū)：

∑Kk=1btk≤0；∑Kk=1ctk≤0

3 不同政策組合下的潛在產(chǎn)出、節(jié)能和碳減排變化 依據(jù)上述數(shù)據(jù)和模型，運(yùn)用MATLAB中l(wèi)inprog函數(shù)進(jìn)行優(yōu)化模擬，獲得不同政策組合下的潛在產(chǎn)出增量。

3.1 不同政策組合下潛在產(chǎn)出增量分析

本文模擬三種不同情形下的政策組合，并依據(jù)模型（2）、（3）、（4）和（5）計(jì)算各自的潛在產(chǎn)出增量，并依此計(jì)算了潛在產(chǎn)出增比（即潛在產(chǎn)出增量總和與實(shí)際產(chǎn)出總量的比值，簡(jiǎn)稱潛在產(chǎn)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(chǎn)出增比呈現(xiàn)下降趨勢(shì)，但在“十二五”期間下降趨緩。具體來(lái)看，情形一命令控制型政策組合下，年平均潛在產(chǎn)出增比為11.58%。情形二中僅用能權(quán)可交易時(shí)，年平均潛在產(chǎn)出增比為19.56%，僅碳排放權(quán)可交易時(shí)為20.22%。當(dāng)模擬實(shí)施情形三市場(chǎng)交易型政策組合時(shí)，年平均潛在產(chǎn)出增比高達(dá)27.45%。從情形一到情形三，當(dāng)能源政策逐步放松行政管制后，潛在產(chǎn)出會(huì)顯著提高，主要原因在于：①情形三中用能權(quán)與碳排放權(quán)同時(shí)實(shí)施可交易政策，相當(dāng)于對(duì)要素投入（供給側(cè)）和產(chǎn)出（需求側(cè)）同時(shí)放松管制，在總量控制基礎(chǔ)上每一個(gè)省區(qū)都將根據(jù)自身的GDP目標(biāo)和成本綜合考量，既可以在生產(chǎn)的前端自由配置能源投入要素，亦可在產(chǎn)出端自主選擇CO2排放量，能源投入和CO2排放不再受限于規(guī)定的上限，一些生產(chǎn)效率高的省區(qū)可以通過(guò)購(gòu)買(mǎi)用能權(quán)或碳排放權(quán)來(lái)實(shí)現(xiàn)更大的產(chǎn)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(guò)規(guī)定的上限，這種行政管制必然

圖1 不同政策組合下潛在產(chǎn)出增比抑制能源要素的流動(dòng)，不利于具有能源成本優(yōu)勢(shì)的省區(qū)發(fā)揮比較優(yōu)勢(shì)，這必然會(huì)影響潛在產(chǎn)出。在命令控制型政策組合下，經(jīng)濟(jì)主體節(jié)能減排不會(huì)帶來(lái)額外收益，必然導(dǎo)致節(jié)能減排綠色技術(shù)創(chuàng)新激勵(lì)不足進(jìn)而使經(jīng)濟(jì)潛在產(chǎn)出受損。③情形二是在投入產(chǎn)出兩端分別實(shí)施市場(chǎng)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(duì)應(yīng)關(guān)系，混合型政策組合在實(shí)施過(guò)程中必然存在掣肘作用，所以潛在產(chǎn)出增比必然劣于情形三的結(jié)果。

在省際水平上，潛在產(chǎn)出增比呈現(xiàn)出和全國(guó)類(lèi)似的結(jié)果（限于篇幅原因，將不列示不同政策組合下各省區(qū)平均潛在產(chǎn)出增比的結(jié)果）。情形一下潛在產(chǎn)出增比均值（即對(duì)所有省區(qū)的十年潛在產(chǎn)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(chǎn)出增比均值分別為23.75%和24.27%，情形三為36.35%。當(dāng)模擬情形三市場(chǎng)交易型政策組合時(shí)，青海、寧夏、云南和海南的潛在產(chǎn)出增比相對(duì)較大，說(shuō)明這些省區(qū)更受益于市場(chǎng)交易型政策組合，在這些省區(qū)實(shí)施用能權(quán)與碳排放權(quán)可交易政策，能夠大幅度提高產(chǎn)出。上海和廣東這兩個(gè)省區(qū)的平均潛在產(chǎn)出增比為0，理論上已經(jīng)實(shí)現(xiàn)了能源投入和CO2排放的最優(yōu)配置。當(dāng)模擬情形一命令控制型政策組合時(shí)，北京、山西、內(nèi)蒙古、上海、廣東、海南和新疆的潛在產(chǎn)出增比均為0，說(shuō)明在嚴(yán)格行政管制的能源政策組合下，這些省區(qū)已經(jīng)達(dá)到了最大產(chǎn)出水平并處在生產(chǎn)前沿上。然而這些省區(qū)（廣東省除外）在情形三中卻并未處在生產(chǎn)前沿上，可見(jiàn)，這些省區(qū)只在能源投入和CO2排放存在較強(qiáng)行政約束時(shí)才相對(duì)有效，而一旦實(shí)施可交易政策，產(chǎn)出仍然會(huì)大幅度增加（北京、山西和內(nèi)蒙古的潛在產(chǎn)出增比分別達(dá)到了9.16%、47.49%和25.69%），這恰恰說(shuō)明了市場(chǎng)交易型政策組合對(duì)潛在產(chǎn)出的正向促進(jìn)效應(yīng)。當(dāng)模擬情形二混合型政策組合時(shí)發(fā)現(xiàn)，北京、山西、內(nèi)蒙古和廣東在兩種混合型政策組合下的潛在產(chǎn)出增比均為0。

3.2 不同政策組合下節(jié)能減排分析

由于只有情形二和情形三涉及到用能權(quán)和碳排放權(quán)交易后的重新配置問(wèn)題，所以主要對(duì)比這兩類(lèi)政策組合的節(jié)能減排效應(yīng)。為了刻畫(huà)節(jié)能減排效應(yīng)，本文引入節(jié)能比和碳減排比概念，所謂節(jié)能比是指潛在節(jié)能量占實(shí)際能源投入的百分比，碳減排比是指潛在碳減排量占實(shí)際碳排放量的百分比。全國(guó)各年節(jié)能比和碳減排比計(jì)算結(jié)果如表1所示。

在情形三中，用能權(quán)和碳排放權(quán)沒(méi)有實(shí)現(xiàn)市場(chǎng)出清，在潛在產(chǎn)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(shí)際的數(shù)據(jù)，即生產(chǎn)過(guò)程中能源投入和CO2排放減少，而潛在產(chǎn)出卻大于實(shí)際產(chǎn)出，體現(xiàn)了經(jīng)濟(jì)增長(zhǎng)過(guò)程中的節(jié)能減排效應(yīng)。與情形三相比，情形二的節(jié)能和CO2減排效應(yīng)都不明顯。當(dāng)實(shí)施情形三市場(chǎng)交易型政策組合時(shí)，碳減排比年平均高達(dá)39.81%，而在情形二中僅碳排放權(quán)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(jié)能效果也明顯優(yōu)于情形二。之所以會(huì)出現(xiàn)這種結(jié)果，主要原因在于情形二未發(fā)揮能源政策間的協(xié)同作用。

由于能源投入與CO2排放具有直接對(duì)應(yīng)關(guān)系，只要用能權(quán)與碳排放權(quán)不同時(shí)可交易，就會(huì)發(fā)生政策間的掣肘作用。例如，情形二中用能權(quán)可交易，而CO2排放受行政管制，受管制的CO2排放行為會(huì)影響能源消耗行為進(jìn)而限制用能權(quán)交易，因此CO2排放的限制性約束導(dǎo)致其政策組合并不能取得情形三那樣的節(jié)能效果。同理，情形二中碳排放權(quán)可交易時(shí)，能源投入因受行政管制而無(wú)法增加，此時(shí)碳排放權(quán)交易政策同樣也達(dá)不到預(yù)期的減排效果。而情形三中用能權(quán)與碳排放權(quán)同時(shí)可交易，相當(dāng)于在投入端和產(chǎn)出端同時(shí)進(jìn)行調(diào)整，不會(huì)因?yàn)橐环郊s束過(guò)強(qiáng)而導(dǎo)致另一方無(wú)法實(shí)現(xiàn)交易，此時(shí)能源投入和CO2排放之間就會(huì)產(chǎn)生協(xié)同作用，并呈現(xiàn)出較好的節(jié)能減排效果。

表1從時(shí)間縱向上呈現(xiàn)了不同政策組合下全國(guó)各年的節(jié)能和碳減排變化趨勢(shì)，但各省區(qū)的節(jié)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(qū)平均節(jié)能比與碳減排比的結(jié)果）?？傮w來(lái)看，情形三的平均節(jié)能比和碳減排比分別為30.88%和32.82%，節(jié)能減排效果明顯優(yōu)于情形二混合型政策組合。

首先，從CO2排放的變化情況來(lái)看。在情形三市場(chǎng)交易型政策組合下，碳排放權(quán)市場(chǎng)沒(méi)有出清而存在剩余，盡管如此，一些省區(qū)還是買(mǎi)進(jìn)了碳排放權(quán)，北京、廣西和福建的碳減排比為負(fù)，即買(mǎi)進(jìn)碳排放權(quán)，其中北京買(mǎi)進(jìn)了7318%的額外碳排放權(quán)。而山西、寧夏、內(nèi)蒙古和貴州的碳減排比都在70%以上，說(shuō)明這幾個(gè)省區(qū)在交易中出售了大部分碳排放權(quán)。在情形二中僅碳排放權(quán)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(fù)，說(shuō)明買(mǎi)進(jìn)了碳排放權(quán)，而在情形三中，這三個(gè)省區(qū)的碳減排比為正，交易結(jié)果卻是賣(mài)出碳排放權(quán)。同樣，情形三中廣西和福建的碳減排比為負(fù)，而在情形二中卻為正，同一省區(qū)在模擬兩種不同政策組合時(shí)，其碳交易的決策截然不同。

其次，從能源投入的變化情況來(lái)看。在情形三市場(chǎng)交易型政策組合下，大多數(shù)省區(qū)節(jié)能比為正，其中山西、寧夏和內(nèi)蒙古的節(jié)能比均超過(guò)70%，是能源嚴(yán)重過(guò)剩地區(qū)，但北京、廣西和福建的節(jié)能比卻為負(fù)，說(shuō)明這幾個(gè)省區(qū)節(jié)能邊際成本較高，需要買(mǎi)進(jìn)用能權(quán)。而在情形二中僅用能權(quán)可交易的混合型政策組合下，用能權(quán)交易量相對(duì)較小，其中遼寧、海南、甘肅和青海的節(jié)能比為正，有多余的用能權(quán)可以出售，而福建、江西、廣西和海南等省區(qū)，節(jié)能比為負(fù)，是買(mǎi)進(jìn)用能權(quán)的主要省區(qū)。

綜上，與其它政策組合相比，用能權(quán)與碳排放權(quán)同時(shí)可交易的市場(chǎng)交易型政策組合確實(shí)顯著提升了潛在產(chǎn)出水平，而且，這種潛在產(chǎn)出的提高同時(shí)伴隨著節(jié)能和CO2減排，體現(xiàn)了綠色可持續(xù)性增長(zhǎng)。并沒(méi)有依靠投入要素的增加，相反能源投入比實(shí)際消耗更少，因此潛在產(chǎn)出增長(zhǎng)完全是提高生產(chǎn)效率的結(jié)果。既然這種綠色可持續(xù)性增長(zhǎng)來(lái)自于實(shí)施市場(chǎng)交易型政策組合，那么這種政策組合是如何提升綠色增長(zhǎng)績(jī)效的呢？

4 綠色全要素生產(chǎn)率對(duì)不同政策組合的敏感性分析 本文的綠色全要素生產(chǎn)率是指考慮了能源投入和非合意產(chǎn)出因素的全要素生產(chǎn)率。因涉及到能源投入、合意產(chǎn)出（GDP）和非合意產(chǎn)出（CO2）因素，且考慮到各要素的擴(kuò)張收縮比例不同以及松弛問(wèn)題，故本文選擇非徑向方向性距離函數(shù)方法，并在此基礎(chǔ)上運(yùn)用Luenberger生產(chǎn)率指數(shù)構(gòu)建綠色全要素生產(chǎn)率。

4.1 非徑向方向性距離函數(shù)

方向性距離函數(shù)一般可分為徑向與非徑向形式。徑向方向性距離函數(shù)要求在優(yōu)化過(guò)程中所有投入產(chǎn)出均同比例變化[19]，非徑向方向性距離函數(shù)在效率測(cè)度過(guò)程中考慮了松弛問(wèn)題，各種投入產(chǎn)出能夠以不同比例收縮和擴(kuò)張。本文使用的非徑向方向性距離函數(shù)借鑒了Zhou等[20]提出的模型，但該模型只是基于節(jié)能和CO2減排雙重目標(biāo)，并且假定能源投入具有強(qiáng)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(shù)的計(jì)算中增加了合意產(chǎn)出因素，同時(shí)兼顧了節(jié)能、CO2減排和經(jīng)濟(jì)增長(zhǎng)三重目標(biāo)。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(chǎn)出在原基礎(chǔ)上增加的比例，βu是非合意產(chǎn)出在原基礎(chǔ)上減少的比例，βe是能源投入在原基礎(chǔ)上減少的比例，三個(gè)數(shù)值不要求相等，各變量可以發(fā)生非徑向變化。方向性距離函數(shù)的值為三者的算術(shù)平均值，說(shuō)明在效率測(cè)度中對(duì)節(jié)能、CO2減排和經(jīng)濟(jì)增長(zhǎng)賦予相等權(quán)重，其值越小說(shuō)明決策單元距離生產(chǎn)前沿面越近，投入產(chǎn)出相對(duì)更有效率。

4.2 Luenberger綠色全要素生產(chǎn)率及分解

本文選用Luenberger生產(chǎn)率指數(shù)表征綠色全要素生產(chǎn)率，原因如下：①與Luenberger全要素生產(chǎn)率指數(shù)相比，MalmquistLuenberger全要素生產(chǎn)率指數(shù)是基于跨期距離函數(shù)的幾何平均，結(jié)果會(huì)高估生產(chǎn)率變化[21]；②Luenberger全要素生產(chǎn)率指數(shù)是基于方向性距離函數(shù)的算術(shù)平均，與非徑向方向性距離函數(shù)在形式上均具有可加性；③Luenberger綠色全要素生產(chǎn)率指數(shù)可處理等于“零”的異常值，結(jié)果更穩(wěn)健。

假定政策組合模擬實(shí)施前為第0期，政策組合模擬實(shí)施后為第1期。第i個(gè)決策單元的Luenberger綠色全要素生產(chǎn)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(chǎn)率，我們需要計(jì)算四個(gè)非徑向方向性距離函數(shù)，其中同期方向性距離函數(shù)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(shù)D0i（x1，e1，u1，y1；g1）規(guī)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(shù)的Luenberger生產(chǎn)率指數(shù)可以分解為各投入要素的生產(chǎn)率變化之和。而本文將Luenberger綠色全要素生產(chǎn)率分解為合意產(chǎn)出、能源投入和非合意產(chǎn)出的貢獻(xiàn)之和。其中L10，i，y、L10，i，e、L10，i，u分別代表合意產(chǎn)出、能源投入和非合意產(chǎn)出的生產(chǎn)率變化，L10，i代表綠色全要素生產(chǎn)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(chǎn)率又等于各項(xiàng)生產(chǎn)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(chǎn)率的計(jì)算和分解

從“波特效應(yīng)”的理論邏輯來(lái)看，能源規(guī)制政策在長(zhǎng)期內(nèi)將會(huì)提升綠色技術(shù)創(chuàng)新水平。分析各省區(qū)綠色全要素生產(chǎn)率變化對(duì)三種不同政策組合的敏感性，結(jié)果如表2所示。

當(dāng)模擬實(shí)施情形三市場(chǎng)交易型政策組合時(shí)，綠色全要素生產(chǎn)率年平均增長(zhǎng)高達(dá)39.78%。而情形二混合型政策組合下，僅用能權(quán)可交易或碳排放權(quán)可交易時(shí)，綠色全要素生產(chǎn)率年平均增長(zhǎng)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(chǎn)率年平均增長(zhǎng)僅為5.54%。與命令控制型能源政策相比，市場(chǎng)交易型政策更有利于推動(dòng)綠色技術(shù)創(chuàng)新。

表2反映了模擬某種政策組合后的綠色全要素生產(chǎn)率變化，但這一結(jié)果并不反映現(xiàn)實(shí)經(jīng)濟(jì)中的綠色全要素生產(chǎn)率變化情況。通常情況下，模擬實(shí)施政策組合后綠色全要素生產(chǎn)率增長(zhǎng)百分比越大，意味著對(duì)該政策組合越敏感，或者說(shuō)該地區(qū)的綠色發(fā)展與這類(lèi)政策組合更契合。現(xiàn)實(shí)經(jīng)濟(jì)發(fā)展水平較高的地區(qū)，模擬某種政策組合后綠色全要素生產(chǎn)率增長(zhǎng)相對(duì)更低，這符合生產(chǎn)率增長(zhǎng)的收斂性理論，即不發(fā)達(dá)（生產(chǎn)率相對(duì)較低）地區(qū)在面臨相同的政策激勵(lì)下，總是更具有比較優(yōu)勢(shì)。在這一邏輯下解讀表2數(shù)據(jù)應(yīng)該預(yù)設(shè)如下的理論前提，即模擬實(shí)施某類(lèi)政策組合后，綠色全要素生產(chǎn)率增長(zhǎng)百分比越大，說(shuō)明該政策組合更有利于該省區(qū)的綠色可持續(xù)發(fā)展。

從各省區(qū)具體情況來(lái)看，在情形三市場(chǎng)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(chǎn)率增長(zhǎng)均超過(guò)60%，這說(shuō)明市場(chǎng)交易型政策組合是提升這四個(gè)省區(qū)綠色全要素生產(chǎn)率的最佳政策供給，而上海和廣東的綠色全要素生產(chǎn)率增長(zhǎng)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(gè)省區(qū)的綠色全要素生產(chǎn)率提升幅度超過(guò)了10%，盡管如此，這類(lèi)政策組合對(duì)綠色全要素生產(chǎn)率的提升作用仍然不及情形三市場(chǎng)交易型政策組合，北京、山西、內(nèi)蒙古、上海、廣東、海南和新疆的綠色全要素生產(chǎn)率增長(zhǎng)為0。在情形二混合型政策組合中僅碳排放權(quán)可交易時(shí)，廣西、四川和云南的綠色全要素生產(chǎn)率增長(zhǎng)較高，而北京、山西、內(nèi)蒙古、上海和廣東為0；僅用能權(quán)可交易時(shí)，廣西、四川、云南和青海較高，而北京、山西、內(nèi)蒙古和廣東為0，其中上海的綠色全要素生產(chǎn)率增長(zhǎng)為負(fù)，說(shuō)明上海并不適合用能權(quán)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(nèi)蒙古在情形三市場(chǎng)交易型政策組合下綠色全要素生產(chǎn)率增長(zhǎng)為正，而在其他三種情況下均為0，說(shuō)明這三個(gè)省區(qū)僅僅依靠政府的行政管制或單一權(quán)利資源的市場(chǎng)化交易并不能有效提升綠色全要素生產(chǎn)率，只有同時(shí)實(shí)施用能權(quán)交易與碳排放權(quán)交易政策，才是提升綠色全要素生產(chǎn)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(chǎn)率增長(zhǎng)為0，其他三種情況下為正，說(shuō)明這兩個(gè)省區(qū)無(wú)法通過(guò)單純的行政管制來(lái)提高綠色全要素生產(chǎn)率，而一旦放松行政管制，轉(zhuǎn)而實(shí)施包含市場(chǎng)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(chǎn)率就會(huì)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(chǎn)率增長(zhǎng)幅度均大于情形三市場(chǎng)交易型政策組合下的結(jié)果，這說(shuō)明對(duì)于這兩個(gè)省區(qū)而言，能源政策的過(guò)度市場(chǎng)化并不利于綠色全要素生產(chǎn)率的提高，能源規(guī)制手段應(yīng)采用行政管制與市場(chǎng)化交易相結(jié)合的方式。最后，上海的綠色全要素生產(chǎn)率增長(zhǎng)在情形二中僅用能權(quán)可交易時(shí)為負(fù)，而在其他政策組合下均為0，說(shuō)明僅實(shí)施用能權(quán)交易政策會(huì)導(dǎo)致上海的綠色全要素生產(chǎn)率下降。

雖然對(duì)個(gè)別省區(qū)而言，市場(chǎng)交易型政策組合未必是提高綠色全要素生產(chǎn)率的最佳選擇，但對(duì)于大多數(shù)省區(qū)來(lái)說(shuō)，實(shí)施情形三的市場(chǎng)交易型政策組合仍不失為提高綠色全要素生產(chǎn)率的最佳政策工具。因此本文將以情形三為例，根據(jù)公式（12）、（13）和（14），對(duì)各省區(qū)的Luenberger綠色全要素生產(chǎn)率進(jìn)行分解。具體分解結(jié)果如表3所示。

根據(jù)前文綠色全要素生產(chǎn)率模型所兼顧的目標(biāo)，將綠色全要素生產(chǎn)率增長(zhǎng)分解為合意產(chǎn)出（GDP）、能源投入和非合意產(chǎn)出（CO2）三者的貢獻(xiàn)。其中合意產(chǎn)出增加對(duì)綠色全要素生產(chǎn)率具有正向促進(jìn)作用，而能源投入和非合意產(chǎn)出減少能夠促進(jìn)綠色全要素生產(chǎn)率提高。表3為各省區(qū)綠色全要素生產(chǎn)率增長(zhǎng)及其分解的十年平均值。在情形三市場(chǎng)交易型政策組合下，平均綠色全要素生產(chǎn)率增長(zhǎng)為39.78%，其中CO2減排貢獻(xiàn)了16.25個(gè)百分點(diǎn)，對(duì)綠色全要素生產(chǎn)率增長(zhǎng)貢獻(xiàn)最大；其次是節(jié)能貢獻(xiàn)了154個(gè)百分點(diǎn)；合意產(chǎn)出增加的貢獻(xiàn)最小，僅為8.12%。

上述結(jié)果表明，綠色全要素生產(chǎn)率的提高主要來(lái)自于節(jié)能和CO2減排，但從具體省區(qū)來(lái)看，有時(shí)并非如此。以青海和云南為例，這兩個(gè)省區(qū)合意產(chǎn)出的貢獻(xiàn)相對(duì)較高，說(shuō)明提高經(jīng)濟(jì)增長(zhǎng)質(zhì)量的首要任務(wù)是增加合意產(chǎn)出GDP，其次才是節(jié)能和CO2減排。北京的綠色全要素生產(chǎn)率增長(zhǎng)為2.98%，非合意產(chǎn)出的生產(chǎn)率增長(zhǎng)為0，能源投入的生產(chǎn)率增長(zhǎng)為2.97%，說(shuō)明北京的首要任務(wù)是節(jié)能，提高能源使用效率，進(jìn)而促進(jìn)經(jīng)濟(jì)質(zhì)量提高。天津的綠色全要素生產(chǎn)率增長(zhǎng)為18.2%，其中GDP增長(zhǎng)貢獻(xiàn)為0，節(jié)能和CO2減排分別貢獻(xiàn)8.8%和9.4%，所以天津提高綠色全要素生產(chǎn)率的途徑只有節(jié)能和CO2減排。上海和廣東的綠色全要素生產(chǎn)率增長(zhǎng)為0，說(shuō)明這兩個(gè)省區(qū)已經(jīng)處在前沿面上，在實(shí)行節(jié)能減排政策時(shí)要慎重，避免因?yàn)楣?jié)能減排強(qiáng)度過(guò)大而影響經(jīng)濟(jì)發(fā)展。

從提高綠色全要素生產(chǎn)率的視角來(lái)看，盡管有些省區(qū)適用于單一的節(jié)能或CO2減排政策，甚至對(duì)于個(gè)別省區(qū)而言，追求GDP規(guī)模擴(kuò)張更容易提升綠色全要素生產(chǎn)率。但對(duì)于大多數(shù)省區(qū)而言，過(guò)度追求GDP對(duì)綠色全要素生產(chǎn)率提升作用有限，而節(jié)能和CO2減排對(duì)提高綠色全要素生產(chǎn)率的空間相對(duì)更大，所以提高中國(guó)經(jīng)濟(jì)綠色全要素生產(chǎn)率的首要任務(wù)是減少能源投入和CO2排放。

5 研究結(jié)論與啟示

本文運(yùn)用非參數(shù)DEA方法模擬了三種不同情形下的能源政策組合，據(jù)此測(cè)算了“十一五”和“十二五”期間中國(guó)30個(gè)省區(qū)（西藏和港澳臺(tái)除外）的潛在產(chǎn)出增量、節(jié)能量和CO2減排量。構(gòu)建了兼顧節(jié)能、CO2減排和經(jīng)濟(jì)增長(zhǎng)三重目標(biāo)的綠色全要素生產(chǎn)率指數(shù)模型和指數(shù)分解模型。從潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率增長(zhǎng)四個(gè)維度評(píng)價(jià)不同政策組合的經(jīng)濟(jì)紅利效應(yīng)。具體研究結(jié)論如下：①在用能權(quán)與碳排放權(quán)同時(shí)可交易的市場(chǎng)交易型政策組合下，潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率都會(huì)顯著提高，體現(xiàn)出最佳的經(jīng)濟(jì)紅利效應(yīng)；②在混合型政策組合下，用能權(quán)與碳排放權(quán)一方實(shí)施可交易政策，而另一方仍受行政命令管制，政策間會(huì)發(fā)生掣肘作用，此時(shí)潛在產(chǎn)出增量、節(jié)能量、CO2減排量和綠色全要素生產(chǎn)率增長(zhǎng)均遜于用能權(quán)與碳排放權(quán)同時(shí)可交易的市場(chǎng)交易型政策組合的結(jié)果；③當(dāng)實(shí)施命令控制型政策組合時(shí)，能源消耗與CO2排放均受到嚴(yán)格的行政命令管制，其產(chǎn)生的經(jīng)濟(jì)紅利效應(yīng)最??；④綠色全要素生產(chǎn)率的指數(shù)分解結(jié)果表明，節(jié)能、CO2減排和合意產(chǎn)出（GDP）增加都是綠色全要素生產(chǎn)率增長(zhǎng)的貢獻(xiàn)因素，但是與追求合意產(chǎn)出（GDP）增加相比，節(jié)能和CO2減排更容易提升中國(guó)的綠色全要素生產(chǎn)率，因此中國(guó)實(shí)現(xiàn)經(jīng)濟(jì)綠色可持續(xù)發(fā)展的首要任務(wù)是節(jié)能和CO2減排。

本文研究結(jié)論表明，目前中國(guó)在能源政策實(shí)施中應(yīng)盡快引入市場(chǎng)化機(jī)制。黨的十八屆三中全會(huì)已經(jīng)提出，要讓市場(chǎng)在資源配置方面起決定性作用，其實(shí)這種發(fā)展理念同樣適用于能源政策的市場(chǎng)機(jī)制設(shè)計(jì)。雖然中國(guó)的能源政策正逐步從命令控制型向市場(chǎng)交易型轉(zhuǎn)變，但目前仍以行政命令管制為主，用能權(quán)交易與碳排放權(quán)交易等激勵(lì)型政策在節(jié)能減排的實(shí)踐中仍未起主導(dǎo)作用。中國(guó)電力行業(yè)已率先宣布啟動(dòng)碳排放權(quán)交易市場(chǎng)，但是與碳排放權(quán)交易政策的推進(jìn)進(jìn)程不一致，用能權(quán)交易政策目前僅停留在試點(diǎn)階段。中國(guó)應(yīng)加快用能權(quán)交易政策的推進(jìn)進(jìn)程，并且和碳排放權(quán)交易政策一起協(xié)同實(shí)施。只有在供給側(cè)和需求側(cè)同時(shí)實(shí)施市場(chǎng)化的能源政策，才能最大化釋放出政策的經(jīng)濟(jì)紅利效應(yīng)，促進(jìn)中國(guó)經(jīng)濟(jì)實(shí)現(xiàn)綠色可持續(xù)發(fā)展。

（編輯：劉照勝）

參考文獻(xiàn)

[1]劉海英，王鈺，劉松靈.命令控制與碳排放權(quán)可交易環(huán)境政策模擬下的減排效應(yīng)[J].吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2017，57（2）：57-67.

[2]曹翔，傅京燕.不同碳減排政策對(duì)內(nèi)外資企業(yè)競(jìng)爭(zhēng)力的影響比較[J].中國(guó)人口·資源與環(huán)境，2017，27（6）：10-15.

[3]劉潔，李文.征收碳稅對(duì)中國(guó)經(jīng)濟(jì)影響的實(shí)證[J].中國(guó)人口·資源與環(huán)境，2011，21（9）：99-104.

[4]周丹，趙子健.基于地區(qū) CGE 模型的碳稅效應(yīng)研究——以上海為例[J].生態(tài)經(jīng)濟(jì)，2015，31（4）：24-28.

[5]魏朗，鄭巧精.開(kāi)征碳稅對(duì)我國(guó)區(qū)域經(jīng)濟(jì)的影響[J].稅務(wù)與經(jīng)濟(jì)，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(guó)化石能源補(bǔ)貼與碳減排——衡量能源補(bǔ)貼規(guī)模的理論方法綜述與實(shí)證分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2011（3）：92-96.

[8]嚴(yán)靜，張群洪.中國(guó)可再生能源電價(jià)補(bǔ)貼及對(duì)宏觀經(jīng)濟(jì)的影響[J].統(tǒng)計(jì)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(cái)經(jīng)大學(xué)學(xué)報(bào)，2017（4）：26-34.

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

[14]時(shí)佳瑞，蔡海琳，湯鈴，等.基于CGE模型的碳交易機(jī)制對(duì)我國(guó)經(jīng)濟(jì)環(huán)境影響研究[J].中國(guó)管理科學(xué)，2015（S1）：801-806.

[15]韓英夫，黃錫生.論用能權(quán)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(gòu)建中國(guó)用能權(quán)交易體系的制度銜接之維[J].中國(guó)人口·資源與環(huán)境，2017，27（10）：217-224.

[17]單豪杰.中國(guó)資本存量K的再估算：1952—2006年[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)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.