董 梅，陳 強(qiáng)

(1.江蘇師范大學(xué) 商學(xué)院，江蘇 徐州 221116；2.江蘇師范大學(xué) 江蘇圣理工學(xué)院，江蘇 徐州 221116)

一、引言

綠色低碳發(fā)展是實(shí)現(xiàn)中國(guó)經(jīng)濟(jì)“高質(zhì)量發(fā)展”理念和深化供給側(cè)結(jié)構(gòu)性改革的題中之意，也是應(yīng)對(duì)能源需求矛盾和氣候變化的內(nèi)在要求。中國(guó)工業(yè)化和城鎮(zhèn)化進(jìn)程導(dǎo)致能源消費(fèi)快速增加，帶來日益突出的環(huán)境問題。依據(jù)《中國(guó)統(tǒng)計(jì)年鑒》數(shù)據(jù)，2020年中國(guó)能源消費(fèi)達(dá)到49.8萬噸標(biāo)準(zhǔn)煤；依據(jù)《BP世界能源統(tǒng)計(jì)年鑒2020》的數(shù)據(jù)，2019年中國(guó)產(chǎn)生98.25億噸二氧化碳(以下簡(jiǎn)稱碳排放)，占全球總碳排放的28.78%。在此背景下，中國(guó)政府逐步落實(shí)黨的十九大報(bào)告中提出的“積極參與全球環(huán)境治理，落實(shí)減排承諾”，有效降低碳排放增速。就碳減排政策而言，行政型政策是中國(guó)現(xiàn)階段的主導(dǎo)減排政策，未來會(huì)積極地向碳交易為主的市場(chǎng)型政策轉(zhuǎn)變。在此基礎(chǔ)上值得思考的是：以碳排放為非期望產(chǎn)出，中國(guó)低碳效率呈現(xiàn)何種特征？低碳無效率的主要因素有哪些？低碳全要素生產(chǎn)率(LTFP)呈現(xiàn)何種歷史演進(jìn)與預(yù)期走向？影響LTFP變動(dòng)的因素有哪些？各部門實(shí)際生產(chǎn)技術(shù)對(duì)前沿生產(chǎn)技術(shù)的追趕潛力和追趕難度如何？如何評(píng)價(jià)各部門低碳化水平？碳減排政策有助于生產(chǎn)部門的低碳化進(jìn)程嗎？通過回答這些問題，有助于明確現(xiàn)階段和未來低碳績(jī)效的演變特征，為相關(guān)決策部門的政策制定提供有益參考。

二、文獻(xiàn)綜述

當(dāng)前，與低碳相關(guān)的效率評(píng)價(jià)研究不斷涌現(xiàn)，其結(jié)論在部分層面達(dá)成共識(shí)。以下分別從研究方法和研究視角兩個(gè)維度對(duì)以往文獻(xiàn)進(jìn)行梳理。

與低碳相關(guān)效率評(píng)價(jià)的研究方法中，考慮非期望產(chǎn)出的DEA模型應(yīng)用居多。F?re等最早提出方向距離函數(shù)(Directional distance function，DDF)，較好地解決了與環(huán)境污染相關(guān)的“非合意”產(chǎn)出效率問題[1]。Tone提出非徑向非角度的SBM(Slacks-based measure)模型，有效地處理了投入指標(biāo)和產(chǎn)出指標(biāo)松弛測(cè)度的問題[2]。此后，F(xiàn)?re等基于SBM模型的一些改進(jìn)，評(píng)估煤炭發(fā)電企業(yè)的環(huán)境效率，并在后續(xù)研究中對(duì)模型不斷完善[3]。在生產(chǎn)率動(dòng)態(tài)分析中，比值結(jié)構(gòu)的Malmquist指數(shù)被廣泛應(yīng)用，隨后，具有相加結(jié)構(gòu)的Luenberger指數(shù)[4]，以及Malmquist-Luenberger指數(shù)[5]相繼出現(xiàn)，Boussemart等認(rèn)為與Luenberger指數(shù)結(jié)果相比，Malmquist-Luenberger指數(shù)對(duì)生產(chǎn)率的估計(jì)值過高[6]。近年來，包含環(huán)境因素的DEA模型效率分析在國(guó)內(nèi)相關(guān)研究中也應(yīng)用廣泛，例如陳詩一[7]、蔣偉杰和張少華[8]著眼于細(xì)分行業(yè)的生產(chǎn)效率分析；盛丹和張國(guó)鋒[9]著眼于企業(yè)的生產(chǎn)效率測(cè)算。此外，效率模型還在不斷改進(jìn)和拓展[10]，但DEA模型中基于SBM模型的效率分析頻次很高。

與低碳相關(guān)效率評(píng)價(jià)的研究視角可分三類：一是包含環(huán)境因素的靜態(tài)效率測(cè)算和無效率分解，以及動(dòng)態(tài)全要素生產(chǎn)率(TFP)測(cè)算及因素分解。這類文獻(xiàn)非常廣泛，如王兵等[11]、劉瑞翔和安同良[12]、汪克亮等[13]、李小勝[14]、李平[15]、邱士雷[16]的研究均是以中國(guó)省際或城市為評(píng)價(jià)單元，測(cè)算各時(shí)點(diǎn)的環(huán)境效率，并評(píng)價(jià)各投入要素的無效率、期望產(chǎn)出和非期望產(chǎn)出的無效率情況，探尋影響環(huán)境效率的因素，隨后從時(shí)間序列動(dòng)態(tài)角度測(cè)算環(huán)境效率的增長(zhǎng)率變動(dòng)，即環(huán)境全要素生產(chǎn)率，并將其分解為技術(shù)效率變動(dòng)、技術(shù)進(jìn)步，以及其他相關(guān)評(píng)價(jià)指標(biāo)。二是基于動(dòng)態(tài)LTFP分析中共同前沿和群組前沿的關(guān)系，擴(kuò)展出技術(shù)差距的分析。這類文獻(xiàn)將評(píng)價(jià)單元分為若干個(gè)群組，分析群組前沿和共同前沿的效率差距，如康玉泉和孫慶蘭[17]從兩種前沿差距延伸出將潛在碳減排量分解為管理失效導(dǎo)致的碳減排量和技術(shù)差距導(dǎo)致的碳減排量；劉海英和劉晴晴[18]聚焦工業(yè)碳減排中省際的技術(shù)差距；周五七[19]將兩種前沿的效率構(gòu)造出純技術(shù)追趕和潛在技術(shù)相對(duì)變動(dòng)指標(biāo)。三是對(duì)綠色發(fā)展水平(或低碳發(fā)展水平)的測(cè)算。這類文獻(xiàn)最常見的思路是通過搜集眾多與綠色發(fā)展相關(guān)的指標(biāo)，構(gòu)建評(píng)價(jià)指標(biāo)體系，借助綜合指數(shù)法、熵權(quán)法、指標(biāo)特征賦值等方法，對(duì)省際或城市的綠色化水平進(jìn)行測(cè)算，如劉凱等[20]測(cè)算中國(guó)289個(gè)地級(jí)市的綠色化水平，并將其分為四個(gè)象限；顧偉和葛幼松[21]、周小亮和吳武林[22]、史敦友[23]、李榮杰等[24]關(guān)注中國(guó)省際綠色發(fā)展水平的空間差異；曹洪和史敦友[25]聚焦中國(guó)省際工業(yè)綠色化結(jié)構(gòu)協(xié)調(diào)度測(cè)算；王宇等[26]不僅關(guān)注綠色轉(zhuǎn)型測(cè)度，而且研究綠色消費(fèi)的貢獻(xiàn)；陳曉和車治輅[27]采用綠色TFP的增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)率的貢獻(xiàn)，與生產(chǎn)要素對(duì)經(jīng)濟(jì)增長(zhǎng)率的貢獻(xiàn)之比作為評(píng)價(jià)綠色轉(zhuǎn)型水平的評(píng)價(jià)指標(biāo)，依此將中國(guó)30個(gè)省歸為綠色發(fā)展水平改善和惡化兩大類。

以上研究在低碳效率、技術(shù)差距和低碳化水平測(cè)算等方面提供了較為完整的理論支撐，但仍存在以下不足：一是只關(guān)注歷史期效率分析，未能將其用于預(yù)測(cè)分析，拓展未來效率趨勢(shì)的預(yù)判。二是絕大多數(shù)文獻(xiàn)關(guān)注省、市間效率相關(guān)的異質(zhì)性，而關(guān)注部門異質(zhì)性的研究極少。三是雖然SBM模型應(yīng)用廣泛，但其將距離被評(píng)價(jià)單元最遠(yuǎn)的點(diǎn)作為投影點(diǎn)的設(shè)計(jì)存在不足，應(yīng)該以最短路徑達(dá)到前沿，以此提高評(píng)價(jià)單元改進(jìn)的積極性。四是在投入和產(chǎn)出指標(biāo)選擇上未能達(dá)成一定共識(shí)，尤其在投入和非期望產(chǎn)出的指標(biāo)選擇上差異較大。

基于此，本文試圖在以下四個(gè)方面進(jìn)行拓展：第一，利用包含碳排放的歷史期(2002年、2007年、2012年)細(xì)分部門的投入產(chǎn)出數(shù)據(jù)，以及動(dòng)態(tài)CGE模型得到的預(yù)測(cè)期(2017年、2022年、2027年)投入產(chǎn)出數(shù)據(jù)，分別測(cè)算各時(shí)期低碳效率和低碳全要素生產(chǎn)率(LTFP)變動(dòng)，對(duì)碳減排情景的未來趨勢(shì)做預(yù)判。第二，構(gòu)造低碳化水平指標(biāo)，評(píng)價(jià)各部門的低碳化進(jìn)程。第三，重點(diǎn)關(guān)注部門間的異質(zhì)性分析，包括低碳效率、LTFP變動(dòng)、技術(shù)差距和低碳化水平，以評(píng)判各部門低碳化潛力。第四，將MinDS模型與Luenberger生產(chǎn)率指數(shù)用于效率評(píng)價(jià)分析，彌補(bǔ)SBM模型的不足。

三、數(shù)據(jù)來源與研究方法

(一)數(shù)據(jù)來源

本文以《中國(guó)投入產(chǎn)出表》相關(guān)數(shù)據(jù)和動(dòng)態(tài)CGE模型的模擬預(yù)測(cè)數(shù)據(jù)為基礎(chǔ)，構(gòu)建一系列公式，旨在分析各部門低碳技術(shù)效率、技術(shù)差距和低碳化水平演變的特征。因涉及變量較多，表1列出文中主要的指標(biāo)及含義說明。

表1 主要指標(biāo)及含義

研究分為兩個(gè)時(shí)期，即歷史期(2002年、2007年和2012年)和預(yù)測(cè)期(2017年、2022年和2027年)。

就歷史期的數(shù)據(jù)來源而言，其投入指標(biāo)源于《中國(guó)投入產(chǎn)出表》。因各年投入產(chǎn)出表中部門細(xì)分并不一致，本文依據(jù)部門間關(guān)聯(lián)性，將其合并統(tǒng)一為28個(gè)生產(chǎn)部門。依據(jù)投入產(chǎn)出表中基本流量表編制社會(huì)核算矩陣(SAM表)，提取SAM表中能源投入(e)和中間投入(int)，并將表中的資本收益與勞動(dòng)力報(bào)酬指標(biāo)合并為資本-勞動(dòng)力投入(v)，以上細(xì)分部門的三組矩陣即為投入指標(biāo)。歷史期的期望產(chǎn)出為細(xì)分部門的增加值(y)。歷史期的非期望產(chǎn)出是采用IPCC2006提供的方法估算的碳排放(c)。需要說明的是，部分文獻(xiàn)將SO2、COD(化學(xué)需氧量)和氮氧化物等污染物也作為非期望產(chǎn)出，例如，魏楚等[28]認(rèn)為這些污染物減排成本相對(duì)較小，而CO2因其技術(shù)限制，減排成本較高，更符合期望產(chǎn)出與非期望產(chǎn)出的“零點(diǎn)關(guān)聯(lián)性”假設(shè)，因此本文僅將碳排放作為非期望產(chǎn)出。

就預(yù)測(cè)期的數(shù)據(jù)來源而言，其投入、期望產(chǎn)出和非期望產(chǎn)出數(shù)據(jù)均是通過構(gòu)建動(dòng)態(tài)CGE模型，以及設(shè)計(jì)模擬行政型和碳交易情景得到的。與碳減排相關(guān)的動(dòng)態(tài)CGE模型分析是本文的前期研究基礎(chǔ)，具體而言，為實(shí)現(xiàn)中國(guó)2030年碳強(qiáng)度比2005年下降60%的減排目標(biāo)，若通過設(shè)計(jì)行政型碳減排政策情景，即模擬2012—2030年碳強(qiáng)度約束和非化石能源比重提高情景下經(jīng)濟(jì)系統(tǒng)各項(xiàng)指標(biāo)，提取的要素投入、增加值和碳排放預(yù)測(cè)值即為本文預(yù)測(cè)期行政型政策情景的數(shù)據(jù)基礎(chǔ)；若通過設(shè)計(jì)碳交易政策情景，即模擬2012—2030年覆蓋10個(gè)重點(diǎn)部門的市場(chǎng)型碳排放權(quán)交易情景下經(jīng)濟(jì)系統(tǒng)各項(xiàng)指標(biāo)，提取的要素投入、增加值和碳排放預(yù)測(cè)值即為本文預(yù)測(cè)期碳交易政策情景的數(shù)據(jù)基礎(chǔ)。因行政型情景和碳交易情景的動(dòng)態(tài)CGE模型設(shè)計(jì)與模擬較為復(fù)雜且方程眾多，鑒于篇幅所限，本文涉及的動(dòng)態(tài)CGE模型構(gòu)建和各碳減排政策情景設(shè)計(jì)的細(xì)節(jié)可參見已有文獻(xiàn)[29-31]。需要說明的是，為了與歷史期的三個(gè)時(shí)點(diǎn)間隔對(duì)應(yīng)，并消除模擬值的震蕩，分別對(duì)預(yù)測(cè)期行政型情景和碳交易情景的模擬數(shù)據(jù)每五年求均值，以此形成2017年(2015—2019年均值)、2022年(2020—2024年均值)和2027年(2025—2029年均值)這三個(gè)時(shí)點(diǎn)值。

表2列出要素投入與產(chǎn)出指標(biāo)的數(shù)據(jù)均值。其中，歷史期的投入均值都較低，v、e和int的投入價(jià)值量分別為26.504億元、7.823億元和52.484億元，該時(shí)期的期望產(chǎn)出為31.124億元，非期望產(chǎn)出為59.345億噸碳排放。由預(yù)測(cè)期數(shù)值來看，行政型情景和碳交易情景的投入和期望產(chǎn)出均比歷史期增加2倍及以上，非期望產(chǎn)出僅增加1倍，c的增幅低于y的增幅，說明碳減排政策具有顯著的減排效應(yīng)。預(yù)測(cè)期，行政型情景和碳交易情景的投入和期望產(chǎn)出都很接近，后者的非期望產(chǎn)出c(123.65億噸)略高于前者(120.132億噸)。分群組來看，投入指標(biāo)中，能源部門的e投入量最大，制造業(yè)和其他部門的int投入較高。產(chǎn)出指標(biāo)中，其他部門的y最高，制造業(yè)部門在歷史期的c最高，而在預(yù)測(cè)期，能源部門和制造業(yè)部門的c基本持平。

表2 要素投入與產(chǎn)出指標(biāo)均值

(二)研究方法

本文以28個(gè)生產(chǎn)部門為決策單元(DMU)構(gòu)建低碳效率生產(chǎn)前沿，采用MinDS距離函數(shù)進(jìn)行效率評(píng)估，通過Luenberger指數(shù)分析生產(chǎn)率的變化，進(jìn)而計(jì)算技術(shù)差距和低碳化水平。

1.MinDS距離函數(shù)

Aparicio等提出至強(qiáng)有效前沿最小距離模型(Miniumum distance to strong efficient frontier DEA，簡(jiǎn)稱MinDS)，該模型在SBM模型基礎(chǔ)上增加一組混合整數(shù)規(guī)劃約束，將被評(píng)價(jià)DMU的參考標(biāo)桿限定在同一超平面，從而進(jìn)行效率評(píng)價(jià)[32]。Aparicio假設(shè)經(jīng)過SBM模型判定有效的DMU集合為E，即E={j|ρj=1}，再求解混合整數(shù)線性規(guī)劃獲得MinDS的效率值：

(1)

(6)Vi,Up,Wq≥1

(7)0≤λj≤M(1-rj),j∈E

(8)0≤dj≤M·rj,j∈E

(9)rj∈{0,1},j∈E

(10)∑jλj=1

(2)

(3)

式(2)中投入無效率IEI_k是資本-勞動(dòng)力投入無效率IEv_k、能源投入無效率IEe_k和中間投入無效率IEint_k的算數(shù)平均數(shù)；同理，式(3)中的產(chǎn)出無效率IEo_k是期望產(chǎn)出無效率IEy_k和非期望產(chǎn)出無效率IEc_k的算數(shù)平均數(shù)。

2.Luenberger指數(shù)分解

被評(píng)價(jià)DMU數(shù)據(jù)為面板數(shù)據(jù)時(shí)，可采用相鄰時(shí)期技術(shù)效率的差值構(gòu)造Luenberger生產(chǎn)率指數(shù)來分析生產(chǎn)率變動(dòng)，其中t=2002，2007，2012，2017，2022，2027。

(4)

(5)

(6)

(7)

以上有關(guān)MinDS距離函數(shù)以及Luenberger指數(shù)分解的分析，均借助MaxDEA8.0軟件進(jìn)行測(cè)算。

3.技術(shù)差距的動(dòng)態(tài)分析

共同邊界效率函數(shù)是假設(shè)所有DMU的技術(shù)水平具有一致性，將所有DMU確定的生產(chǎn)前沿作為共同前沿(Metafrontier)。若不滿足技術(shù)水平同質(zhì)性假設(shè)，將相同技術(shù)屬性的DMU分成一組，各組確定的生產(chǎn)前沿為群組前沿(Groupfrontiers)，共同前沿可看作是包絡(luò)所有群組前沿的生產(chǎn)函數(shù)。本文的28個(gè)DMU中，5個(gè)能源部門、15個(gè)制造業(yè)部門和8個(gè)其他部門在要素投入、能源消費(fèi)、技術(shù)水平、生產(chǎn)工藝和產(chǎn)品屬性等方面均存在異質(zhì)性，因此采用群組邊界效率函數(shù)。

將DMU對(duì)照各自群組前沿進(jìn)行效率分析，能更科學(xué)地衡量該評(píng)價(jià)單元的效率水平和改進(jìn)途徑，處于群組前沿的DMU仍有達(dá)到共同前沿的技術(shù)潛力。本文借鑒周五七[19]研究非期望產(chǎn)出的比率型MML(Metafrontier malmquist luenberger)指數(shù)的思路，結(jié)合加法型Luenberger生產(chǎn)率指數(shù)的特點(diǎn)，對(duì)共同前沿和群組前沿的關(guān)系做如下推導(dǎo)：

(8)

4.經(jīng)濟(jì)增長(zhǎng)低碳化水平的衡量

(9)

四、實(shí)證結(jié)果與相關(guān)分析

(一)低碳效率的實(shí)證分析

1.低碳效率測(cè)度和無效率分解

就歷史期分時(shí)點(diǎn)來看(見表3)，低碳效率得分ρ由2002年的0.812逐漸上升至2012年的0.908，該時(shí)期ρ均值為0.857。對(duì)無效率因素分解后發(fā)現(xiàn)，產(chǎn)出無效率均值(0.118)超過投入無效率均值(0.075)，說明包括增加值不足和碳排放過多的產(chǎn)出方面是無效率的主因。進(jìn)一步比較產(chǎn)出無效率的子項(xiàng)，碳排放的無效率(0.127)略高于增加值的無效率(0.109)，說明碳排放過多導(dǎo)致無效率的因素更大一些。再觀察投入無效率的子項(xiàng)，能源投入無效率(0.127)超過另外兩種投入的無效率，說明能源投入過多是投入無效率的主因。綜合來看，若要實(shí)現(xiàn)歷史期低碳完全有效率，可通過降低投入和增加產(chǎn)出來實(shí)現(xiàn)，即v、e和int分別降低8.1%、12.7%和1.7%，可實(shí)現(xiàn)綜合投入降低7.5%;y增加10.9%和c降低12.7%，可實(shí)現(xiàn)綜合產(chǎn)出提高11.8%。

就預(yù)測(cè)期分時(shí)點(diǎn)來看(見表3)，其效率得分ρ比歷史期顯著增加，行政型情景和碳交易情景的ρ均值分別為0.946和0.952。就無效率分解來看，與歷史期相比，行政型情景和碳交易情景的投入與產(chǎn)出無效率都顯著下降，其中，行政型情景下，若v、e和int分別降低0.1%、5.2%和3.6%，可實(shí)現(xiàn)綜合投入降低3%，y增加1.3%和c降低6.3%，可實(shí)現(xiàn)綜合產(chǎn)出提高3.8%，由此實(shí)現(xiàn)預(yù)測(cè)期行政型情景完全有效率；同樣的，碳交易情景下，若v、e和int分別降低0.1%、5.3%和3.3%，可實(shí)現(xiàn)綜合投入降低2.3%，y增加1.3%和c降低6.8%，可實(shí)現(xiàn)綜合產(chǎn)出提高3.5%，由此實(shí)現(xiàn)預(yù)測(cè)期碳交易情景完全有效率。

表3 分時(shí)點(diǎn)低碳效率得分和無效率分解

2.低碳效率的部門異質(zhì)性分析

就28個(gè)部門劃分的三大群組來看，各群組的ρ均值差異較大(見表4)。在歷史期，能源部門的效率得分均值(0.975)顯著高于制造業(yè)部門(0.833)和其他部門(0.828)。依據(jù)無效率分解(受篇幅所限，表4中未列出細(xì)分部門的無效率分解)，各群組碳排放過多仍是低碳無效率的主因。在預(yù)測(cè)期，各群組ρ均值與歷史期相比顯著提高。其中，行政型情景和碳交易情景下能源部門的ρ均值都為1，該數(shù)值一方面與本群組DMU較少有關(guān)，另一方面與這些子部門的生產(chǎn)技術(shù)同質(zhì)性較高，使5個(gè)子部門在VRS假設(shè)下均處于前沿面有關(guān)。此外，兩種碳減排情景下制造業(yè)部門的ρ均值均高于其他部門該指標(biāo)，即碳減排政策能更好地推動(dòng)制造業(yè)部門的效率提升。比較行政型情景和碳交易情景的ρ均值可發(fā)現(xiàn)，行政型情景更有助于制造業(yè)部門提高效率，碳交易情景更有助于其他部門的效率提升。

表4 細(xì)分部門的低碳效率和LTFP增長(zhǎng)率

聚焦三大群組內(nèi)部的子部門比較，就能源部門的ρ來看，除歷史期的煤炭部門外，歷史期其余子部門和預(yù)測(cè)期所有子部門均在群組沿面，該結(jié)果與本群組DMU較少，以及子部門間的技術(shù)屬性接近有關(guān)。

就制造業(yè)部門的ρ來看，歷史期僅有化學(xué)產(chǎn)品、通信設(shè)備和計(jì)算機(jī)等、儀器儀表這三個(gè)子部門的ρ為1，該指標(biāo)在0.8以下的有8個(gè)子部門。到預(yù)測(cè)期，制造業(yè)部門的ρ大幅提升，行政型情景下，僅有儀器儀表的ρ在0.9以下；碳交易情景下，僅有金屬冶煉和壓延、儀器儀表等的ρ在0.9以下。就低碳無效率的特征分析，歷史期各制造業(yè)子部門的投入和y無效率均很低，無效率主要是由碳排放較高導(dǎo)致的。在預(yù)測(cè)期，除金屬冶煉和壓延等部門外，其余14個(gè)制造業(yè)子部門的c無效率均為0，說明制造業(yè)的減排效應(yīng)十分突出。

就其他部門的ρ來看，歷史期有4個(gè)部門不在前沿面，到預(yù)測(cè)期，各部門的效率得分均顯著提升。僅有建筑業(yè)的ρ是下降的。

綜上，低碳效率呈現(xiàn)如下特征：首先，與歷史期相比，預(yù)測(cè)期的效率得分ρ有大幅提升。其次，預(yù)測(cè)期的行政型情景對(duì)制造業(yè)部門群組的效率提升作用更大，碳交易情景對(duì)其他部門群組的效率提升助推更多。最后，無論歷史期還是預(yù)測(cè)期，能源投入過多是投入無效率的主因，碳排放過多是產(chǎn)出無效率的主因。

(二)低碳全要素生產(chǎn)率的實(shí)證分析

1.低碳全要素生產(chǎn)率測(cè)度及分解

就歷史期來看(見表5)，LTFP指數(shù)平均下降3.7%，其中2002—2007年該指數(shù)平均下降15.9%，這是由于該時(shí)期出現(xiàn)重工業(yè)化的過程，房地產(chǎn)和汽車工業(yè)迅速發(fā)展，資源密集型行業(yè)急劇擴(kuò)張，能源消費(fèi)快速上升，導(dǎo)致碳排放增幅較大；2007—2012年LTFP指數(shù)平均上升8.5%，此階段對(duì)應(yīng)“十一五”時(shí)期加大節(jié)能減排力度，首次將能源強(qiáng)度下降作為約束指標(biāo)，其后的“十二五”時(shí)期更是將能源強(qiáng)度與碳強(qiáng)度的“雙降”作為目標(biāo)約束，使能源消費(fèi)和碳排放增速得到有效控制。

就預(yù)測(cè)期來看，行政型情景和碳交易情景的LTFP增長(zhǎng)率分別下降5.5%和3.9%。對(duì)LTFP指數(shù)變動(dòng)進(jìn)行因素分析發(fā)現(xiàn)，行政型情景和碳交易情景的LTC指數(shù)分別下降6.4%和5.1%，而這兩種情景的技術(shù)效率LEC指數(shù)則分別增加0.9%和1.1%，說明技術(shù)進(jìn)步LTC指數(shù)下降是該時(shí)期LTFP增長(zhǎng)率降低的主因。

就技術(shù)進(jìn)步的偏向型分析來看，表5中LTC指數(shù)大多為負(fù)值，說明在包含碳排放的LTFP評(píng)價(jià)下，歷史期和預(yù)測(cè)期的多數(shù)年份里，技術(shù)進(jìn)步都沒有真正“進(jìn)步”，無法有效推動(dòng)技術(shù)邊界前移。LOBTC和LIBTC指數(shù)在絕大多數(shù)年份不為0，說明技術(shù)進(jìn)步并非完全中性。所有LOBTC指數(shù)均為正，且絕大多數(shù)數(shù)值都大于LIBTC指數(shù)，說明產(chǎn)出偏向型技術(shù)進(jìn)步更有價(jià)值，即促進(jìn)y增加和c減少的技術(shù)應(yīng)用能更好激勵(lì)決策單元推動(dòng)其技術(shù)邊界。

表5 分時(shí)點(diǎn)低碳全要素生產(chǎn)率變動(dòng)及分解

2.低碳全要素生產(chǎn)率的部門異質(zhì)性分析

對(duì)比三大群組LTFP指數(shù)的均值(見表4)，無論是歷史期還是預(yù)測(cè)期，各群組的該指數(shù)均為負(fù)值。其中，歷史期能源部門群組的LTFP指數(shù)均值降幅最大(10.1%)，其次是其他部門群組(6.5%)，降幅最小的是制造業(yè)部門群組(0.2%)。在預(yù)測(cè)期，行政型情景和碳交易情景下的能源部門群組的LTFP指數(shù)均值降幅分別為9.1%和10.7%，其他部門群組的該指數(shù)降幅分別為7.2%和6.3%，而制造業(yè)部門群組在碳交易情景的該指標(biāo)降幅(4.3%)超過行政型情景(1.5%)。分解各群組LTFP指數(shù)變動(dòng)的因素(受篇幅所限，未列出細(xì)分部門的LTFP分解為L(zhǎng)EC與LTC的數(shù)據(jù)表)，在歷史期，能源部門群組和制造業(yè)部門群組的技術(shù)退步(即LTC指數(shù)為負(fù))是導(dǎo)致該群組LTFP指數(shù)均值下降的主因，其他部門群組的LTC指數(shù)基本不變。在預(yù)測(cè)期，三大群組的技術(shù)退步都較為顯著，因此對(duì)LTFP指數(shù)產(chǎn)生抑制。

就能源部門群組內(nèi)各子部門的LTFP指數(shù)變動(dòng)來看，在歷史期，電力、成品油和煤炭的LTFP指數(shù)分別上升19.7%、14.7%和14%，天然氣的LTFP指數(shù)降幅最大，原油的LTFP指數(shù)小幅下降。究其原因，除煤炭由效率改善(LEC大于0)促進(jìn)LTPF指數(shù)上升外，其余能源子部門的LTFP指數(shù)變動(dòng)均受技術(shù)進(jìn)步LTC指數(shù)的同向影響。在預(yù)測(cè)期，煤炭和電力的LTPF指數(shù)上升，其余三個(gè)能源子部門的該指標(biāo)均是下降的，其降幅也均受LTC指數(shù)的同向影響。

就制造業(yè)部門的LTFP指數(shù)變動(dòng)來看，在歷史期，有9個(gè)子部門的LTFP指數(shù)呈現(xiàn)增加，其中，金屬冶煉和壓延等、食品和煙草、通用和專用設(shè)備的LTFP指數(shù)增幅超過20%；在LTFP指數(shù)下降的6個(gè)子部門中，儀器儀表和其他制造產(chǎn)品的該指標(biāo)降幅超過20%。在預(yù)測(cè)期，有11個(gè)制造業(yè)子部門的LTFP指數(shù)上升。該時(shí)期LTFP指數(shù)下降的4個(gè)子部門中，儀器儀表的該指數(shù)降幅超19%，其他制造產(chǎn)品的該指標(biāo)降幅超過61%。分解LTFP指數(shù)變動(dòng)因素，發(fā)現(xiàn)制造業(yè)部門的LTFP指數(shù)與LTC同向變動(dòng)。

就其他部門的LTFP增長(zhǎng)率變動(dòng)來看，在歷史期，其他行業(yè)、批零餐住等和建筑業(yè)的LTFP指數(shù)上漲較多，LTFP指數(shù)降幅較大的有水的生產(chǎn)和供應(yīng)、非金屬和其他礦采選等，這些變化均是由LTC指數(shù)下降引起的。在預(yù)測(cè)期，行政型情景下，僅有農(nóng)林牧漁水利和交郵倉儲(chǔ)等的LTFP指數(shù)為正，碳交易情景有4個(gè)子部門的LTFP指數(shù)為正，且增幅很小。

綜上，可總結(jié)LTFP變動(dòng)的規(guī)律：①LTFP指數(shù)在歷史期和預(yù)測(cè)期均是下降的，預(yù)測(cè)期的LTFP指數(shù)降幅超過歷史期。②技術(shù)進(jìn)步LTC指數(shù)下降是LTFP指數(shù)降低的主要原因，且產(chǎn)出偏向型技術(shù)進(jìn)步對(duì)提升LTFP指數(shù)增加更有效。③三大群組中，LTFP指數(shù)降幅最大的是能源部門群組，其次是其他部門群組，制造業(yè)部門群組的該指數(shù)降幅最小。

(三)技術(shù)差距的部門異質(zhì)性分析

就歷史期的技術(shù)差距分析來看(見表6)，PTCU總均值(-0.059)小于0，說明將各部門該指標(biāo)平均后，群組前沿并未向共同前沿靠近，沒有技術(shù)追趕效應(yīng)，技術(shù)差距每?jī)善谝?.9%的速度拉大；FTRC總均值(0.05)大于0，表明共同前沿的技術(shù)進(jìn)步速度超過群組前沿，且兩種技術(shù)前沿的差距每?jī)善谝?.5%的速度拉大，群組前沿向共同前沿的追趕難度增加了。細(xì)分三大群組的技術(shù)差距，歷史期各群組該指標(biāo)差異較大，其中，其他部門群組的PTCU均值大于0，即該群組的生產(chǎn)技術(shù)向共同邊界靠近，實(shí)際生產(chǎn)技術(shù)向前沿生產(chǎn)技術(shù)的追趕效應(yīng)明顯；該群組的FTRC均值小于0，說明其技術(shù)進(jìn)步速度超過共同前沿，追趕難度變小。能源部門和制造業(yè)部門的PTCU均值均小于0，即這兩個(gè)群組前沿對(duì)共同前沿都沒有技術(shù)追趕效應(yīng)。就追趕難度來看，能源部門群組的FTRC均值小于0，說明追趕難度是下降的，而制造業(yè)群組FTRC均值大于0，說明其追趕難度提高了。

就預(yù)測(cè)期的技術(shù)差距分析來看，行政型情景和碳交易情景的PTCU總均值都大于0，即實(shí)際生產(chǎn)技術(shù)與潛在生產(chǎn)技術(shù)之間的差距每?jī)善诜謩e以3%和4.1%的幅度縮小，技術(shù)追趕效應(yīng)顯著；同時(shí)，這兩種碳減排情景的FTRC總均值都小于0，群組前沿的技術(shù)進(jìn)步速度快于共同前沿，技術(shù)追趕難度降低。分群組來看，在預(yù)測(cè)期的制造業(yè)部門群組，行政型情景和碳交易情景下的PTCU均值都大于0，技術(shù)追趕效應(yīng)明顯，且這兩種情景的FTRC均值都小于0，技術(shù)追趕難度變小。而另外兩個(gè)群組中，僅有碳交易情景下能源部門群組有技術(shù)追趕效應(yīng)。

就細(xì)分部門的技術(shù)差距來看，歷史期中，技術(shù)追趕效應(yīng)較大的部門有建筑業(yè)和交郵倉儲(chǔ)等。該時(shí)期，技術(shù)追趕難度降低較多的部門有化學(xué)產(chǎn)品、交郵倉儲(chǔ)等和天然氣。在預(yù)測(cè)期，制造業(yè)群組中大多數(shù)子部門的技術(shù)追趕效應(yīng)都很顯著，且技術(shù)追趕難度也在減小，由此說明碳減排情景對(duì)制造業(yè)部門的技術(shù)促進(jìn)與效率提升起到積極推動(dòng)作用。而其他子部門中，僅有成品油的技術(shù)追趕比較顯著。

綜上，各部門群組前沿與共同前沿的技術(shù)差距有以下特點(diǎn)：①歷史期，僅有其他部門群組對(duì)共同前沿有技術(shù)追趕效應(yīng)，且追趕難度減小。②預(yù)測(cè)期，制造業(yè)部門群組對(duì)共同前沿的技術(shù)追趕效應(yīng)非常顯著，且追趕難度同步降低，說明碳減排政策更有助于制造業(yè)部門群組追趕前沿技術(shù)。

(四)經(jīng)濟(jì)增長(zhǎng)低碳化水平的部門異質(zhì)性分析

依據(jù)式(9)測(cè)算各部門的經(jīng)濟(jì)增長(zhǎng)低碳化水平(簡(jiǎn)稱低碳化水平)，需要先通過C-D生產(chǎn)函數(shù)估計(jì)v、e和int在各時(shí)期的產(chǎn)出彈性。歷史期這三種投入要素的產(chǎn)出彈性分別為0.551、0.089和0.36，在預(yù)測(cè)期行政型情景下分別為0.964、-0.001和0.036，在碳交易情景下分別為0.957、0.003和0.04。由各投入要素的產(chǎn)出彈性變化可知，e的產(chǎn)出彈性遠(yuǎn)小于另兩個(gè)投入要素的該指標(biāo)，說明能源投入增速遠(yuǎn)小于產(chǎn)出增速；v的產(chǎn)出彈性最高，且從歷史期的0.551增至預(yù)測(cè)期超過0.95，說明勞動(dòng)力和資本投入對(duì)產(chǎn)出的影響很大。int的產(chǎn)出彈性從歷史期到預(yù)測(cè)期大幅下降。

由式(9)計(jì)算得到的各部門低碳化水平LEG如表6所示。歷史期和預(yù)測(cè)期的LEG總均值都為負(fù)，說明低碳化水平總體是下降的。分群組來看，除了歷史期的能源部門群組外，各部門群組的低碳化水平也都是下降的。

表6 細(xì)分部門的技術(shù)差距和低碳化水平

LEG均值難免受到個(gè)別部門極端值的影響，細(xì)分部門的低碳化水平能更清晰地展示各部門低碳化進(jìn)程，判斷其低碳發(fā)展?jié)摿Α?/p>

就歷史期細(xì)分部門的LEG來看，電力(0.321)、成品油(0.283)、金屬冶煉和壓延等(0.238)的該指標(biāo)位于前三，這些部門產(chǎn)出增長(zhǎng)率更多的來源于LTFP指數(shù)的提高，減排潛力較好。其他制造產(chǎn)品等(-1.259)、水的生產(chǎn)和供應(yīng)(-0.994)、儀器儀表(-0.692)的LEG數(shù)值均在-0.5以下，但這些部門的產(chǎn)出和碳排放的比重都較低，對(duì)整體經(jīng)濟(jì)增長(zhǎng)方式的低碳化轉(zhuǎn)型影響有限。

就預(yù)測(cè)期來看，交郵倉儲(chǔ)等、通信設(shè)備和計(jì)算機(jī)等、通用和專用設(shè)備、食品和煙草、化學(xué)產(chǎn)品、煤炭、非金屬礦物制品、金屬冶煉和壓延等、交通運(yùn)輸設(shè)備、造紙印刷和文教等10個(gè)子部門的LEG在0.1以上，這些部門中包含碳減排的重點(diǎn)行業(yè)(如化學(xué)產(chǎn)品、非金屬礦物制品、金屬冶煉和壓延等、交郵倉儲(chǔ)等)，這些行業(yè)的低碳化進(jìn)程對(duì)整體經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變有重要影響。

綜上，28個(gè)部門中有14個(gè)部門在歷史期和預(yù)測(cè)期的低碳化水平均為正，即低碳化水平上升，僅有5個(gè)部門的低碳化水平在歷史期和預(yù)測(cè)期均為負(fù)，即低碳化水平下降；紡織品、金屬礦采選產(chǎn)品、非金屬和其他礦采選等3個(gè)部門的低碳化水平由歷史期的負(fù)值轉(zhuǎn)化為預(yù)測(cè)期的正值，即共有17個(gè)部門在預(yù)測(cè)期的低碳化水平提高了，說明碳減排政策能有效促進(jìn)大多數(shù)生產(chǎn)部門的低碳化進(jìn)程。

五、結(jié)論

本文基于歷史期，以及動(dòng)態(tài)CGE模型得到預(yù)測(cè)期的投入、期望產(chǎn)出和非期望產(chǎn)出數(shù)據(jù)，通過MinDS模型和Luenberger生產(chǎn)率指數(shù)，測(cè)算低碳效率、低碳全要素生產(chǎn)率LTFP，進(jìn)而分析技術(shù)差距和低碳化水平，關(guān)注各指標(biāo)演變的部門異質(zhì)性。研究的主要結(jié)論如下：

第一，總體來看，就低碳效率而言，歷史期該指標(biāo)均值為0.857，預(yù)測(cè)期行政型情景和碳交易情景下的該指標(biāo)分別上升至0.946和0.952，碳排放過多是低碳無效率的主要原因。就LTFP變動(dòng)而言，歷史期該指數(shù)平均下降3.7%，預(yù)測(cè)期行政型情景和碳交易情景下LTFP指數(shù)平均降幅為4.5%和6.0%，技術(shù)進(jìn)步乏力是LTFP指數(shù)下降的主要原因，產(chǎn)出偏向型技術(shù)進(jìn)步更有助于LTFP指數(shù)提升。

第二，就部門群組異質(zhì)性來看，歷史期能源部門群組的效率得分顯著高于制造業(yè)部門群組和其他部門群組。預(yù)測(cè)期的行政型情景對(duì)制造業(yè)部門群組的效率提升作用很大，碳交易情景對(duì)其他部門群組的效率提升助推較多。預(yù)測(cè)期能源部門群組的LTFP指數(shù)降幅最多，其他部門群組的降幅次之，制造業(yè)部門群組的LTFP指數(shù)降幅最小。技術(shù)進(jìn)步乏力是各群組LTFP指數(shù)降低的主要原因。

第三，就技術(shù)差距特征來看，歷史期，僅有其他部門群組對(duì)共同前沿的技術(shù)追趕效應(yīng)顯著，且追趕難度變??；預(yù)測(cè)期，制造業(yè)部門群組的技術(shù)追趕效應(yīng)顯著，并有效縮減與前沿技術(shù)的差距。

第四，就低碳化水平來看，總體而言，低碳化水平?jīng)]有提高，但從細(xì)分部門來看，有14個(gè)部門在歷史期和預(yù)測(cè)期的低碳化水平都為正，有17個(gè)部門在預(yù)測(cè)期低碳化水平上升，說明碳減排政策對(duì)生產(chǎn)部門的低碳化進(jìn)程有顯著推動(dòng)作用。

第五，就兩種碳減排政策情景來看，與行政型情景相比，碳交易情景的低碳效率總均值更高，LTFP增長(zhǎng)率平均降幅更小，碳交易情景下的技術(shù)追趕效應(yīng)也超過行政型情景。因此，碳交易這一市場(chǎng)型減排政策更有利于未來低碳化發(fā)展和經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變。