李根忠, 朱洪亮

(1.三江學(xué)院 法商學(xué)院,江蘇 南京 210012; 2.南京大學(xué) 工程管理學(xué)院,江蘇 南京 210039)

0 引言

長江經(jīng)濟(jì)帶作為我國經(jīng)濟(jì)的重要組成部分貫穿我國東部和西部，雖然土地面積僅占全國的20%但聚集了近46%的經(jīng)濟(jì)總量。不僅擁有自然資源和區(qū)位優(yōu)勢，而且各城市之間存在資源稟賦、經(jīng)濟(jì)規(guī)模、技術(shù)水平等相似性，是維系我國生態(tài)環(huán)境可持續(xù)發(fā)展的生態(tài)空間[1]。因此，長江經(jīng)濟(jì)帶碳排放、碳排放效率成為了學(xué)術(shù)界研究的中心話題。碳排放測算與評(píng)估模型在早期是以經(jīng)濟(jì)指標(biāo)與二氧化碳排放量之比作為測度標(biāo)準(zhǔn)[2,3]，但該評(píng)價(jià)方法忽略了與能源消耗相關(guān)的產(chǎn)業(yè)結(jié)構(gòu)、人力、資本等替代作用，不能較為真實(shí)的反映碳排放效率。因此,近年來學(xué)術(shù)界研究多數(shù)采用數(shù)據(jù)包絡(luò)分析法(DEA)[4～6]、隨機(jī)前沿分析法(SFA)[7～10]、SBM-DEA模型[11～14]、Malmquist指數(shù)法[15]、三階段DEA模型[16～18]、TOPSIS模型[19]等。在此基礎(chǔ)上，學(xué)術(shù)界圍繞影響碳排放效率的外部因素進(jìn)一步研究后發(fā)現(xiàn)，產(chǎn)業(yè)結(jié)構(gòu)，經(jīng)濟(jì)增長，環(huán)保政策，科技創(chuàng)新與碳排放效率具有顯著相關(guān)性[20,21]，城鎮(zhèn)化水平、人口規(guī)模以及自然資源稟賦程度[22～24]也是重要的影響因素?，F(xiàn)如今，雖然長江經(jīng)濟(jì)帶碳排放效率整體上呈現(xiàn)上升的趨勢，但是區(qū)域間存在非均衡格局[25]。當(dāng)前有關(guān)長江經(jīng)濟(jì)帶碳排放研究多基于如何提升碳排放效率，或如何實(shí)現(xiàn)碳減排視角，而圍繞碳排放量及碳排放效率納入統(tǒng)一框架的研究很少。

因此，本研究基于SBM-DEA模型與SFA方法上構(gòu)建非經(jīng)向非角度的三階段SBM-DEA模型，并將碳排放與其它投入指標(biāo)引入到SBM-DEA模型中對(duì)2011～2019年長江經(jīng)濟(jì)帶11省市的碳排放績效進(jìn)行測算，以此評(píng)價(jià)碳排放管理水平。同時(shí)剔除外部影響能夠更加客觀地測度出長江經(jīng)濟(jì)帶各省市碳排放效率值，為今后長江經(jīng)濟(jì)帶發(fā)展綠色經(jīng)濟(jì)提供理論支持及策略參考。

1 研究設(shè)計(jì)

1.1 非期望產(chǎn)出的三階段SBM-DEA模型

在傳統(tǒng)的DEA模型中由于沒有充分考慮決策單元受環(huán)境因素、管理無效率等諸多因素的影響，因此導(dǎo)致不能真實(shí)地反應(yīng)評(píng)價(jià)單元的效率。當(dāng)投入或產(chǎn)出出現(xiàn)冗余情況下傳統(tǒng)DEA往往會(huì)高估評(píng)價(jià)對(duì)象的效率值。為了解決其存在的缺陷，Tone[26]提出了非徑向、非角度的SBM模型，該模型基于松弛變量的超效率解決了徑向DEA模型度量方法所導(dǎo)致的投入要素冗余問題。所以，本文為了更加客觀地測算效率值選取Tone[27]提出的包含非期望產(chǎn)出的SBM模型，其模型形式為:

(1)

s.t.x0=Xλ+S-

s-≥0,sk≥0,sb≥0,λ≥0

公式(1)中，X=(xij)∈Rm×n,Y=(yij)∈Rs×n,且X0和Y0分別表示決策單元DMU的投入和產(chǎn)出，在S個(gè)產(chǎn)出當(dāng)中又有S1個(gè)好產(chǎn)出和S2個(gè)壞產(chǎn)出，Sb和S-表示非期望產(chǎn)出和投入的冗余，則Sk表示期望產(chǎn)出的不足，p表示將要測算的生態(tài)效率值，其取值為0到1之間。當(dāng)p值等于1時(shí)，S-、Sb、Sk都等于0，說明在生產(chǎn)單元完全有效率的情況下不存在Sb、S-以及Sk；當(dāng)p值小于1時(shí)，說明生產(chǎn)單元存在效率損失，可以通過調(diào)節(jié)投入和產(chǎn)出的松弛量得到最佳隨機(jī)前沿的效率。

在第一階段從投入和產(chǎn)出的角度計(jì)算得出決策單元未經(jīng)調(diào)整的初始效率值和S-、Sb、Sk，雖然該方法避免了徑向DEA帶來的偏差，但測算的結(jié)果將影響因素全部歸結(jié)為內(nèi)部管理水平。鑒于此，在第二階段本文結(jié)合Freid[28]的研究，通過構(gòu)建相似隨機(jī)前沿SFA模型剔除環(huán)境變量并根據(jù)結(jié)果調(diào)整投入和產(chǎn)出量。SFA回歸方程如下:

sik=f(zk;βi)+vik+uik

(2)

(3)

(4)

(5)

第三階段：完成第二階段SFA模型回歸分析后，將調(diào)整后的投入值和產(chǎn)出值代替原始的投入和產(chǎn)出值，代入第一階段非期望產(chǎn)出模型中再次測算各決策單元的效率值，由此可得消除環(huán)境變量和隨機(jī)誤差影響的效率值。

1.2 Malmquist指數(shù)

由于非期望產(chǎn)出的三階段SBM-DE只能以靜態(tài)的視角對(duì)決策單元效率值進(jìn)行分析，所以為了探究其動(dòng)態(tài)變化情況，本文結(jié)合F?re[32]提出的Malmquist指數(shù)展開分析，其計(jì)算公式如下:

Tfpch=M(xt+1,yt+1,x1,y1)

(6)

在公式(6)中，Dt(x1,y1)、Dt(xt+1,yt+1)代表以t時(shí)刻為技術(shù)水平參照的條件下t到t+1時(shí)刻的方向性距離函數(shù)。如果Tfpch大于1,表示生產(chǎn)率水平得到改善，反之則表示下滑。將tfpch分解后可以得到技術(shù)效率變化指數(shù)(Effch)和技術(shù)變化指數(shù)(Techch)。Effch反映的是現(xiàn)有的技術(shù)是否在決策單元中被有效利用。如果Effch>1,說明在期和期兩個(gè)時(shí)間段該決策單元內(nèi)技術(shù)水平得到了較好的改善；Techch代表技術(shù)進(jìn)步對(duì)生產(chǎn)效率的影響，如果該值大于1表示實(shí)現(xiàn)了技術(shù)創(chuàng)新。因?yàn)镋ffch進(jìn)一步可以分解為規(guī)模技術(shù)效率(techch)和純技術(shù)效率(pech),所以可得如下公式:

Tfpch=M(xt+1,yt+1,x1,y1)=sech×pech×techch

(7)

2 實(shí)證分析

2.1 數(shù)據(jù)來源與變量選取

環(huán)境變量主要包括對(duì)碳排放效率評(píng)價(jià)有顯著影響，而非主觀上可控范圍內(nèi)的外在影響因素。目前有關(guān)碳排放的投入與產(chǎn)出指標(biāo)體系沒有統(tǒng)一的框架，雖然影響碳排放的因素雖然很多，但鑒于本文的研究重點(diǎn)并結(jié)合現(xiàn)有的研究文獻(xiàn)[30]，本文選取2011～2019年長江經(jīng)濟(jì)帶11省市統(tǒng)計(jì)年鑒以及國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)發(fā)布的相關(guān)數(shù)據(jù)構(gòu)建如下：

(1)能源結(jié)構(gòu)

依據(jù)IPCC公布的數(shù)據(jù)顯示，原煤、洗精煤、焦炭、天然氣、煤油等能源對(duì)應(yīng)的碳排放量不同，故本文采用原煤消費(fèi)量占能源消費(fèi)總量的比例表示能源結(jié)構(gòu)的影響。原煤消費(fèi)量比重越高，碳排放越多，能源的利用水平就越低。本文依據(jù)IPCC碳排放計(jì)算方法得出長江經(jīng)濟(jì)帶11個(gè)省市能源消費(fèi)的碳排放總量，計(jì)算公式如下:

(8)

其中，E為碳排放總量，Ci為能源第i類能源的消費(fèi)量，NCVi為能源第i類能源熱值，EFi為能源i的缺省碳排放因子(見表1)。

表1 The energy calorific value and default carbon emission factor of major energy varieties

(2)產(chǎn)業(yè)結(jié)構(gòu)

調(diào)整產(chǎn)業(yè)結(jié)構(gòu)可以影響能源消費(fèi)結(jié)構(gòu)以及能源利用量，進(jìn)一步能夠影響碳排放水平。由于第三產(chǎn)業(yè)對(duì)碳排放的影響遠(yuǎn)遠(yuǎn)低于工業(yè)對(duì)碳排放的重要影響，故選取第二產(chǎn)業(yè)占GDP的權(quán)重來衡量其對(duì)碳排放效率的影響程度。

(3)科技支撐程度

科技進(jìn)步是提升碳排放效率的重要因素，依托技術(shù)進(jìn)步能夠提升能源利用效率以及改變能源結(jié)構(gòu)，能夠助推低碳排放。R&D經(jīng)費(fèi)支出越多說明政府對(duì)科技支撐的力度就越大，故選取其在GDP中的占比來表示政府對(duì)科技的支撐程度。

(4)城鎮(zhèn)化進(jìn)程

隨著農(nóng)村人口城鎮(zhèn)化推進(jìn)，不僅導(dǎo)致碳排放量增加而且會(huì)改變能源消費(fèi)結(jié)構(gòu)及能源消耗總量。但人口高質(zhì)量城鎮(zhèn)化也具有一定的碳減排作用碳減排作用，新能源的廣泛應(yīng)用促使原來的高碳排逐漸向低碳排模式轉(zhuǎn)變[31]?？紤]到城鎮(zhèn)化進(jìn)程對(duì)碳排放有重要影響，因此，本文用城鎮(zhèn)化率表示城市化進(jìn)程。

2.2 實(shí)證結(jié)果

(1)第一階段DEA模型下碳排放效率比較

運(yùn)用DEA-Solver13.0軟件測算長江經(jīng)濟(jì)帶11個(gè)省市2011～219年碳排放初始效率值進(jìn)行評(píng)價(jià)，在忽略隨機(jī)誤差和外部環(huán)境變量對(duì)碳排放效率的影響下，將初始投入變量值和產(chǎn)出變量值作為當(dāng)期的參考技術(shù)集，可以在構(gòu)造更加光滑的前沿面條件下求解的效率值更有利于分析碳排放效率變化趨勢。測算結(jié)果如表2所示，2011～2019年間，長江經(jīng)濟(jì)帶11個(gè)省市碳排放效率平均值年處于平穩(wěn)的態(tài)勢，基本穩(wěn)定在0.5左右，說明近9年來長江經(jīng)濟(jì)帶11個(gè)省市的碳排放效率較好。根據(jù)長江經(jīng)濟(jì)帶11省市效率均值來看，江蘇(0.978)最高，其次是安徽(0.820)，二者的效率值均接近1，實(shí)現(xiàn)了DEA有效的狀態(tài)。由于長江經(jīng)濟(jì)帶內(nèi)碳排放效率值或多或少會(huì)受到外部各類環(huán)境變量的影響，且該測算結(jié)果無法顯示碳排放的真實(shí)情況，所以需要運(yùn)用SFA模型分離所選取環(huán)境變量和隨機(jī)誤差，探求其在相同水平下的碳排放效率值。

表2 2011～2019年長江經(jīng)濟(jì)帶11個(gè)省市SBM-DEA模型測算第一階段碳排放效率值

圖1 調(diào)整前2011～2019年各省市碳排放效率變動(dòng)趨勢

按照地理位置及經(jīng)濟(jì)發(fā)展水平長江經(jīng)濟(jì)帶可以分為東部(上海、浙江、江蘇)、中部(安徽、湖北、湖南、江西)、西部(四川、云南、貴州、重慶)三大區(qū)域。如圖1顯示，三大區(qū)域的碳排放效率的變化趨勢來看在2011～2019年間均呈現(xiàn)上升的趨勢，且碳排放效率呈現(xiàn)區(qū)域性差異，即：“東部>中部>西部”的分布格局。說明東部的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)使其擺脫了高污染、高碳排的帽子，已經(jīng)實(shí)現(xiàn)了低碳經(jīng)濟(jì)的發(fā)展之路。而且，在樣本期間中部和西部的碳排放效率差距偏小，說明雖然兩個(gè)區(qū)域的碳排放效率有所提升，但整體上升緩慢，碳排放改善還遠(yuǎn)不及東部地區(qū)。

(2)第二階段:外部環(huán)境影響的SFA模型分析

由于人力資本、資本、能源等能夠?qū)е绿寂欧判适軗p，因此在第二階段中分別選取資本存量、勞動(dòng)力投入和碳排放的松弛變量作為因變量，并利用Frontier 4.1軟件構(gòu)建隨機(jī)前沿模型作回歸分析，其測算結(jié)果見表3。因?yàn)閮?nèi)部管理水平的提升有助于減少投入量，實(shí)現(xiàn)低碳減排，所以如果投入松弛和碳排放松弛與環(huán)境變量之間存在正相關(guān)性，說明環(huán)境投入增加阻礙碳減排效率的提升，反之則有助于提升碳排放效率。

表3 隨機(jī)前沿SFA回歸結(jié)果

SFA回歸結(jié)果如表3所示，城鎮(zhèn)化水平與資本存量松弛變量在1%顯著水平下呈現(xiàn)負(fù)相關(guān)，與碳排放松弛值在5%顯著水平下呈正相關(guān)，這說明城鎮(zhèn)化水平越高，該地區(qū)的資金要素配置越合理。城鎮(zhèn)化進(jìn)程是人口與產(chǎn)業(yè)聚集與經(jīng)濟(jì)發(fā)展的過程，對(duì)碳排放影響效應(yīng)在不同地區(qū)、不同階段下呈現(xiàn)明顯的區(qū)域差異性特征，加快促進(jìn)城鎮(zhèn)化進(jìn)程有利于降低碳排放冗余。第二產(chǎn)業(yè)占GDP比重與能源消耗松弛、資本松弛值及碳排放量松弛值之間在1%顯著性水平下呈現(xiàn)正相關(guān)，說明第二產(chǎn)業(yè)比重的增加不利于實(shí)現(xiàn)碳減排。因此，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)是長江經(jīng)濟(jì)帶城市群提升碳排放效率的重要途徑。

此外，科技支撐強(qiáng)度與對(duì)勞動(dòng)力投入和碳排放在1%顯著性水平下具有反向影響，但與資本存量松弛值在1%顯著性水平下呈正相關(guān)。表明科技支撐強(qiáng)度有利于減少勞動(dòng)力投入和產(chǎn)業(yè)碳排放冗余，但增加了資本存量投入，而且科技支撐與碳排放松弛變量之間的回歸系數(shù)值僅為4.06，呈不顯著特征，這說明投入到碳排放上的科研經(jīng)費(fèi)并沒有發(fā)揮很好的作用。因此，應(yīng)該在增加科研經(jīng)費(fèi)支出的同時(shí)規(guī)范資金的合理配置，使之更有效地促進(jìn)碳排放效率增長。

(3)第三階段：剔除環(huán)境影響的SBM-DEA分析

通過回歸結(jié)果(見表3)可知，雖然個(gè)別松弛值的回歸系數(shù)與環(huán)境變量之間表現(xiàn)得不顯著，但LR單邊誤差檢驗(yàn)值均通過了1%的檢驗(yàn)水平，說明兩者之間存在顯著性。因此，在對(duì)投入產(chǎn)值進(jìn)行調(diào)整時(shí)依然可以將環(huán)境變量都考慮進(jìn)去，并將調(diào)整后的投入值與原始產(chǎn)出值重新代入SBM-DEA模型中得到剔除環(huán)境變量后的碳排放效率值再次進(jìn)行評(píng)價(jià)，其結(jié)果如表4所示。

表4 2011～2019年長江經(jīng)濟(jì)帶各省市SBM-DEA模型測算第三階段碳排放效率值

對(duì)比表2和表4后可以發(fā)現(xiàn)，通過構(gòu)建SFA回歸模型對(duì)投入項(xiàng)進(jìn)行調(diào)整不僅剔除了環(huán)境變量和隨機(jī)因素的影響，而且使測算所得到的效率值更具有真實(shí)性。將兩者對(duì)比發(fā)現(xiàn)，長江經(jīng)濟(jì)帶11省市碳排放效率值相較于第一階段效率均值有明顯增加，說明環(huán)境變量在2011～2019年期間對(duì)碳排放效率的影響顯著，但隨著低碳理念在生產(chǎn)過程中得到更多的關(guān)注，環(huán)境變量對(duì)碳排放影響逐年減小。分析表4得出，第三階段長江經(jīng)濟(jì)帶11個(gè)省市碳排放效率均值為0.519，相比第一階段增加了2%，其原因是因?yàn)檫x取的環(huán)境變量對(duì)長江經(jīng)濟(jì)帶11省市的碳排放效率產(chǎn)生的正向影響，這表明在該區(qū)域內(nèi)的產(chǎn)業(yè)結(jié)構(gòu)及其產(chǎn)出值取得了提升。從表4分析來看，2011～2019年長江經(jīng)濟(jì)帶11省市的碳排放效率雖然整體有所提升，但在2019年只有江蘇、浙江和上海更接近于DEA的有效狀態(tài)值1.0，說明其他8個(gè)省市依然處于非DEA有效狀態(tài)，究其原因是城市群區(qū)域經(jīng)濟(jì)發(fā)展差距制約了各省市的資本投入與產(chǎn)出效率。

由圖2可知，在剔除外部環(huán)境因素和隨機(jī)因素后長江經(jīng)濟(jì)帶各省市的碳排放效率值整體上呈現(xiàn)下跌趨勢，說明科技支撐、產(chǎn)業(yè)結(jié)構(gòu)等外部環(huán)境因素對(duì)碳排放效率有一定的影響。其中，東部地區(qū)的碳排放效率變化表現(xiàn)的不明顯，說明東部相對(duì)中部好西部地區(qū)的內(nèi)部管理水平較高。

圖2 調(diào)整后2011～2019年各省市碳排放效率變動(dòng)趨勢

(4)碳排放效率的動(dòng)態(tài)分析

鑒于前文中三階段SBM-DEA測算是對(duì)碳排放效率變化的靜態(tài)分析，為探究長江經(jīng)濟(jì)帶碳排放效率動(dòng)態(tài)層面的變化態(tài)勢，本文利用Malmquist指數(shù)對(duì)其進(jìn)一步做動(dòng)態(tài)演化分析(見表5，圖3)。Malmquist分解結(jié)果顯示碳排放效率指數(shù)多數(shù)大于1，這說明長江經(jīng)濟(jì)帶碳排放效率指數(shù)呈上升動(dòng)態(tài)變化特征，并在2014～2015年出現(xiàn)了高峰值1.159。雖然在2015～2018年之間TFP指數(shù)出現(xiàn)了逐年小幅下跌變化，究其原因如圖3所示，技術(shù)進(jìn)步指數(shù)和TFP指數(shù)出現(xiàn)了相同趨勢變化，這說明技術(shù)進(jìn)步對(duì)提升TFP指數(shù)有正向作用。

表5 長江經(jīng)濟(jì)帶碳排放效率Malmquist指數(shù)分解結(jié)果

圖3 碳排放效率Malmquist指數(shù)分解結(jié)果變化趨勢

3 結(jié)論與政策建議

本研究基于非產(chǎn)出的SBM-DEA模型以及SFA方法，構(gòu)建三階段SBM-DEA模型對(duì)長江經(jīng)濟(jì)帶碳排放效率進(jìn)行測算。該模型不僅剔除了外部環(huán)境和隨機(jī)因素對(duì)碳排放效率值的影響，而且克服了傳統(tǒng)的DEA模型帶來的決策偏差，使測算結(jié)果更具有真實(shí)性。運(yùn)用該模型對(duì)2011～2019年長江經(jīng)濟(jì)帶11省市的碳排放效率進(jìn)行測算結(jié)果表明：各省市內(nèi)的碳排放效率平均值雖然呈現(xiàn)上升態(tài)勢，除了上海、江蘇、浙江三地的碳排放效率值接近1之外，其他省市未能到達(dá)DEA有效狀態(tài)，說明整體效率值偏低。比較長江經(jīng)濟(jì)帶三大區(qū)域碳排放效率可以發(fā)現(xiàn)東部遠(yuǎn)遠(yuǎn)高于中西游，說明東部不僅在經(jīng)濟(jì)發(fā)展方面高于中西部，而且在實(shí)現(xiàn)低碳經(jīng)濟(jì)與生態(tài)均衡發(fā)展方面同樣優(yōu)先于中西部地區(qū)?；谇拔闹袑?duì)投入產(chǎn)出冗余的分析，說明中西部在能源及資本投入方面有較大的冗余存在。因此，需要通過內(nèi)部管理效率的進(jìn)一步提高才能實(shí)現(xiàn)碳排放效率的可持續(xù)增長。

在剔除各省市受產(chǎn)業(yè)結(jié)構(gòu)、科技支撐程度及城市化進(jìn)程等外部影響因素，從內(nèi)部管理水平的視角去分析長江經(jīng)濟(jì)帶三大區(qū)域的碳排放效率值，依然呈現(xiàn)東部>中部>西部的變化趨勢。如果分區(qū)域來看，在剔除外部影響因素后西部的碳排放效率值下降的幅度最大，中部其次，東部基本上沒有變化，這說明三大地區(qū)在碳排放效率上存在區(qū)域差異，且東部的內(nèi)部管理水平明顯高于中部和西部，進(jìn)一步說明了東部較早的實(shí)現(xiàn)了低碳經(jīng)濟(jì)發(fā)展之路。

因此，我國在實(shí)施長江經(jīng)濟(jì)帶低碳經(jīng)濟(jì)發(fā)展政策過程中，需要從三大地區(qū)碳排放效率出現(xiàn)的差異化特征出發(fā)，一方面要根據(jù)東、中、西部地區(qū)在城市化水平、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)以及科技支撐程度的異質(zhì)性，制定和三大地區(qū)自身經(jīng)濟(jì)發(fā)展水平相匹配的目標(biāo)。另一方面也要重視三大地區(qū)內(nèi)部管理水平存在的差距，完善科研人才引入中西部地區(qū)的紅利政策，加大東中西部地區(qū)的技術(shù)交流頻度，充分借助東部地區(qū)的人才、技術(shù)優(yōu)勢不斷提升中、西部地區(qū)的內(nèi)部管理水平以此來實(shí)現(xiàn)碳排放高效率，促進(jìn)低碳經(jīng)濟(jì)更有效的發(fā)展。