王寬　李永波　鞠萍

摘要：目前，中國仍以煤炭作為主要能源，推動煤炭行業(yè)低碳發(fā)展是實現(xiàn)雙碳目標的必要環(huán)節(jié)。以全國19個省份2004—2019年間煤炭開采與洗選業(yè)的各項數(shù)據(jù)為樣本，采用全域非徑向Malmquist二氧化碳減排效率指數(shù)（GNMCPI）來衡量各省煤炭行業(yè)的動態(tài)全要素二氧化碳減排效率。研究結果表明，2004—2019年煤炭行業(yè)碳減排效率一直處于較低水平，動態(tài)全要素二氧化碳減排效率指數(shù)大致呈現(xiàn)先下降后上升的趨勢，其中，2004—2015年間多數(shù)年份呈現(xiàn)下降趨勢，主要原因是煤炭低碳生產(chǎn)技術效率持續(xù)走低；2016—2019年間呈快速上升態(tài)勢，主導因素是科技進步的快速提升。建議政府對煤炭行業(yè)低碳高質量生產(chǎn)給予足夠重視，通過政策約束和鼓勵低碳生產(chǎn)科技進步等方式，提高各個省份煤炭行業(yè)碳減排效率，降低煤炭生產(chǎn)過程中的碳排放，助力中國順利實現(xiàn)“雙碳”目標。

關鍵詞：煤炭行業(yè)；碳減排效率；非徑向距離函數(shù)

中圖分類號：F062.1

文獻標識碼：A

文章編號：1673-5595（2023）04-0042-08

一、引言與文獻綜述

全球氣候變暖是當今世界面臨的一個重大環(huán)境問題，如何減少二氧化碳的排放成為解決問題的關鍵。2020年，中國二氧化碳排放量為100億噸，約占全世界二氧化碳排放總量的29%。［1］習近平在2020年第75屆聯(lián)合國大會一般性辯論上提出，中國力爭于2030年前實現(xiàn)碳達峰，努力爭取2060年前實現(xiàn)碳中和；2021年3月，中國在“十四五”規(guī)劃中制定了“到2025年單位國內生產(chǎn)總值二氧化碳排放比2020年下降18%”的目標。煤炭作為中國的基礎性能源，其在2020年的消費量占全國能源消費總量的56.8%。［2］除了煤炭消費會產(chǎn)生大量二氧化碳外，從煤炭勘測到開采再到洗選和儲存，碳排放貫穿于煤炭生產(chǎn)的整個流程。［3］從煤炭生產(chǎn)和利用的整個產(chǎn)業(yè)鏈來看，煤炭利用過程中的碳排放量占比近90%，煤炭生產(chǎn)過程中的碳排放量僅占10%。［4］雖然煤炭生產(chǎn)過程中的碳排放總量占比不高，但是在基數(shù)較大的情況下也不容忽視。在“雙碳”政策目標下，節(jié)能減排已經(jīng)成為中國工業(yè)可持續(xù)發(fā)展的內在要求［5］，煤炭生產(chǎn)環(huán)節(jié)也面臨著降低碳排放量的新發(fā)展要求。2016年《煤炭工業(yè)發(fā)展“十三五”規(guī)劃》中首次明確提出煤炭行業(yè)低碳發(fā)展、加強煤炭綠色開采技術的應用等要求，顯然控制二氧化碳排放在煤炭行業(yè)綠色發(fā)展中已經(jīng)越來越重要。

在既有文獻中，學者們針對中國工業(yè)各個行業(yè)碳排放進行了研究，既有行業(yè)整體發(fā)展的研究［6-10］，也有單個行業(yè)的探討，如制造業(yè)［11］、電力行業(yè)［12］、交通行業(yè)［13］、旅游業(yè)［14］等。在煤炭行業(yè)碳排放的研究中，雖然大部分研究集中于煤炭資源利用過程中碳排放的測算［15-16］，但是也有不少學者聚焦煤炭生產(chǎn)過程中碳排放的測算。例如，揭俐等［17］分析了能源開采中的碳脫鉤問題，發(fā)現(xiàn)產(chǎn)業(yè)規(guī)模效應對碳排放增長的貢獻最大；王向前等［18］以1999—2018年安徽與河南兩省工業(yè)作為研究對象，測算出兩省工業(yè)煤炭生產(chǎn)側和消費側碳排放控制均取得一定成效，且消費側要優(yōu)于生產(chǎn)側；Wang等［19］提出煤炭生產(chǎn)環(huán)節(jié)的碳排放來自于煤礦瓦斯排放和能源消耗兩方面，低碳科技的進步是減少碳排放的有效路徑；任世華等［20］利用全生命周期碳排放清單分析方法，計算發(fā)現(xiàn)煤炭生產(chǎn)過程中碳排放強度從2010年到2020年逐年下降，并提出煤炭生產(chǎn)過程中碳減排的技術途徑。煤炭生產(chǎn)環(huán)節(jié)作為煤炭資源開發(fā)與利用的源頭環(huán)節(jié)，其生產(chǎn)過程中排放的二氧化碳不容忽視，煤炭行業(yè)的低碳生產(chǎn)是實現(xiàn)雙碳目標的重要一環(huán)。

在既有研究中，學者們利用多種方法來衡量各行業(yè)的二氧化碳減排效率、碳強度等，包括成本函數(shù)［5-6］、數(shù)據(jù)包絡分析（DEA）［8，9，21-23］、隨機前沿分析（SFA）［1，24］等。在DEA框架下，距離函數(shù)（directionaldistancefunction，DDF）也被國內外學者廣泛使用，如Zhou等［25］使用距離函數(shù)提出全要素二氧化碳減排效率指數(shù)（TCPI）的方法進行碳排放效率的測算。全要素二氧化碳減排指數(shù)是一種測算二氧化碳排放下降最大可能性的方法。Zhou等［26］隨后提出了用Malmquist二氧化碳減排效率指數(shù)（MCPI）來衡量TCPI的動態(tài)變化。在此基礎上，非徑向距離函數(shù)（NDDF）逐漸開始被使用［27-29］，其優(yōu)點是可以測量非徑向效率，且能夠在非零松弛變量存在時進行正確估計，其結果經(jīng)過換算可以使用Malmquist指數(shù)進行分解。例如，Zhang等［30］使用共同前沿面（Metafrontier）和NDDF構建MNMCPI指數(shù)測量全要素二氧化碳動態(tài)減排效率變化，解決了組間異質性和徑向距離函數(shù)中Slack的問題；Zhang等［31］通過NDDF構建NMCPI指數(shù)，并進行bootstrap檢驗，對中國交通行業(yè)的碳排放效率進行估算。

本文在已有研究成果的基礎上，將NDDF函數(shù)與GlobalMalmquist指數(shù)相結合，構建動態(tài)碳減排效率指數(shù)，進行煤炭行業(yè)碳減排效率的測算。本文的貢獻主要有兩點。第一，在研究對象上，本文聚焦于煤炭行業(yè)，將煤炭生產(chǎn)過程中全要素納入其中，分析煤炭行業(yè)的全要素二氧化碳減排效率指數(shù)。第二，在研究方法上，本文將NDDF函數(shù)與GlobalMalmquist指數(shù)相結合，構建全域非徑向Malmquist二氧化碳減排效率指數(shù)GNMCPI（Globalnon-radialMalmquisttotalfactorCO2emissionperformanceindex），在保證最大化生產(chǎn)的同時測量最大程度碳排放降低的可能性，兼顧經(jīng)濟效益與碳排放效率，在此基礎上測量各省煤炭行業(yè)全要素二氧化碳動態(tài)減排效率的變化，對中國煤炭行業(yè)碳排放效率進行分析，評估中國自2004年以來煤炭行業(yè)碳減排政策的有效性，為煤炭低碳高效生產(chǎn)提供對策建議。

二、研究方法

（一）環(huán)境生產(chǎn)技術

環(huán)境生產(chǎn)技術是指將生產(chǎn)活動對生態(tài)環(huán)境的影響考慮在內的生產(chǎn)技術。本文使用非徑向方向函數(shù)模型，借鑒Fre等［32］的研究來構建煤炭行業(yè)同時生產(chǎn)期望產(chǎn)出與非期望產(chǎn)出的環(huán)境生產(chǎn)技術。投入要素包括資本、勞動力和能源；產(chǎn)出要素包括期望產(chǎn)出和非期望產(chǎn)出。生產(chǎn)技術可以表示為

（二）非徑向距離函數(shù)

（三）全域非徑向Malmquist二氧化碳減排效率指數(shù)

三、實證分析

（一）數(shù)據(jù)來源

在樣本選擇方面，本文選擇2004—2019年間全國省級面板數(shù)據(jù)，同時樣本還需要滿足兩個條件：一是該省份的煤炭產(chǎn)量在全國煤炭總產(chǎn)量中占比超過1%，二是該省份煤炭開采和洗選過程中的二氧化碳排放量年平均超過100萬噸。基于此，本文共選取19個省份為樣本，分別是：安徽、貴州、河北、河南、黑龍江、湖南、吉林、江蘇、江西、遼寧、內蒙古、寧夏、山東、山西、陜西、四川、新疆、云南、重慶。

投入變量包括資本、勞動力和能源。勞動力變量用煤炭行業(yè)年平均從業(yè)人數(shù)表示，資本變量采用煤炭開采與洗選業(yè)折舊后的固定資產(chǎn)凈額，以上數(shù)據(jù)來自于中國工業(yè)統(tǒng)計年鑒；能源用煤炭開采與洗選業(yè)消耗各類能源量核算的消費總量表示，單位為萬噸標準煤，數(shù)據(jù)來源于各省的統(tǒng)計年鑒。

產(chǎn)出變量包括期望產(chǎn)出與非期望產(chǎn)出。本文采用各省原煤產(chǎn)量作為期望產(chǎn)出，煤炭開采與洗選業(yè)年均二氧化碳排放量作為非期望產(chǎn)出。其中，原煤產(chǎn)量數(shù)據(jù)來自于各省統(tǒng)計年鑒；二氧化碳排放量數(shù)據(jù)取自中國碳核算數(shù)據(jù)庫（CEADS）中煤炭開采與洗選業(yè)年均排放量，核算方法參照劉峰等［38］的研究，部分缺失數(shù)據(jù)用相鄰年份數(shù)據(jù)的均值填充。變量數(shù)據(jù)描述如表1所示。

（二）全要素二氧化碳減排效率指數(shù)分析

本文對TCPI進行求解，得到2004—2019年全國各個省份煤炭行業(yè)的TCPI。為直觀地觀察TCPI的變化趨勢，將各個省份的數(shù)據(jù)求平均值來表示樣本期間全國煤炭行業(yè)的TCPI指數(shù)（見圖1）。0

從圖1可知，我國煤炭行業(yè)平均二氧化碳減排效率一直處于較低的水平，而且在2005—2016年間持續(xù)降低，2016年開始上升，但直到2019年為止，全國煤炭行業(yè)碳減排指數(shù)依然低于0.1。

圖2為樣本期間我國煤炭行業(yè)二氧化碳排放量的曲線圖。

對比圖1與圖2可以發(fā)現(xiàn)，我國煤炭行業(yè)二氧化碳排放量從2012年開始逐漸走低，但是碳減排效率卻是從2016年開始提升，原因可能是煤炭行業(yè)發(fā)展和改革政策主要集中在煤炭行業(yè)結構調整、淘汰落后產(chǎn)能上，大量不合格的小煤礦被取締，煤炭減產(chǎn)導致碳排放降低。2016年起，二氧化碳減排效率開始由持續(xù)下降轉為上升，這可能與2015年頒布的《中國煤炭工業(yè)“十三五”發(fā)展規(guī)劃》有關，其中在預防和減輕環(huán)境影響的對策部分明確提出了，加強碳減排等綠色開采技術應用、推動創(chuàng)新成果的推廣和產(chǎn)業(yè)化應用等，實現(xiàn)了碳減排與高效生產(chǎn)相結合。

（三）動態(tài)二氧化碳減排指數(shù)分析

為觀測中國煤炭行業(yè)的二氧化碳減排效率的動態(tài)變化趨勢，本文計算了各省份GNMCPI指數(shù)，如表2所示。GNMCPI結果顯示了二氧化碳減排效率指數(shù)的動態(tài)變化的過程，其中，GNMCPI＞1代表二氧化碳減排效率在該區(qū)間內是提升的，GNMCPI＜1代表是下降的，GNMCPI=1則代表無變化。

由表2可以看出，全國平均全要素二氧化碳減排指數(shù)在2004—2015年間多數(shù)年份低于1，表明2004—2015年間大部分時間全國煤炭行業(yè)碳減排效率是下降的。2016—2019年間GNMCPI均高于1，說明自2016年起，煤炭行業(yè)的二氧化碳減排效率由降轉升。2016—2019年間全國煤炭行業(yè)平均碳減排效率不斷提升，主要歸功于吉林、內蒙古和新疆GNMCPI的爆發(fā)性提升。

（四）EC、BPC分解結果分析

為了分析二氧化碳減排效率改變的原因，將GNMCPI分解為EC和BPC，結果如表3所示?？梢钥闯?，2004—2019年全國平均EC=0.897，表示樣本區(qū)間內全國二氧化碳減排效率技術效率指數(shù)平均每年降低10.3%；全國平均BPC=1.015，表示綜合來看，樣本區(qū)間內全國煤炭行業(yè)二氧化碳減排效率的科技進步指數(shù)平均每年增長1.5%。

在19個省份中，二氧化碳減排效率平均技術效率進步的省份只有2個，保持不變的省份有2個，而技術效率下降的省份有15個。其中，吉林省的綜合技術效率增長率最高為3.5%，湖南的技術效率最低僅為-22.6%?？萍歼M步平均增長率上升的省份14個，下降的有5個，其中，最高的為內蒙古，增長率為9.1%；最低為云南，增長率為-7%，這說明我國大部分省份煤炭行業(yè)的碳減排效率的前沿面是不斷外移的。

（五）分時段綜合分析

為使數(shù)據(jù)分析更加直觀，將GNMCPI、EC、BPC的折線圖放在一起進行比較，結果如圖3所示。同時，結合表2—表4的信息，進行時間分解。

2006—2010年（“十一五”規(guī)劃時期），中國煤炭行業(yè)的二氧化碳減排效率持續(xù)下降，平均下降速率為15.5%，其中，科技進步平均提升速率為52%，技術效率進步平均下降速率19.7%。然而圖3中GNMCPI呈小幅度上升趨勢，代表二氧化碳減排效率下降速度減緩，這主要歸功于科技的進步。而在2008—2009年，科技進步出現(xiàn)了負增長，增長率降低22.2%，可能是受2008年金融危機的影響，煤炭企業(yè)用于先進技術的投資大幅下降所導致的?！秶H科技支撐計劃“十一五”發(fā)展綱要》將煤碳的潔凈高效開發(fā)利用確立為優(yōu)先主題，將煤燃污染物綜合控制和利用確定為重點研究內容。總體而言，此階段雖然中國煤炭產(chǎn)業(yè)快速發(fā)展，但是對于碳排放的關注度不足。

2011—2015年（“十二五”規(guī)劃時期），中國煤炭行業(yè)二氧化碳減排效率總體不斷下降，平均下降速率為17.8%，其中技術效率進步下降速率為10%，科技進步下降速率為8.7%?！笆濉逼陂g，雖然國家對各個行業(yè)控制溫室氣體排放的政策約束逐漸增多，但是對煤炭行業(yè)二氧化碳減排方面并沒有高度關注。而且煤炭行業(yè)節(jié)能減排政策多關注于關閉落后產(chǎn)能、產(chǎn)業(yè)結構革新、控制污染物排放等方面，對低碳高效生產(chǎn)的關注度依舊不足。

2016—2019年（“十三五”時期），煤炭行業(yè)二氧化碳減排效率大幅度上升，年均上升速率為226%。此階段技術效率下降速率為0.6%，但是科技進步提升速率大幅度增長，為23.4%。2016年煤炭行業(yè)的二氧化碳減排效率指數(shù)由小于1變?yōu)榇笥?，且在2016—2019年間一直保持大于1，意味著二氧化碳減排效率從2016年開始由負轉正，而且逐年提升，這表明從2016年開始控制碳排放的政策或者企業(yè)規(guī)范做法開始發(fā)揮作用，明顯減少了生產(chǎn)過程中的碳排放。《煤炭工業(yè)發(fā)展“十三五”規(guī)劃》中首次明確提出煤炭行業(yè)低碳發(fā)展的要求，煤炭行業(yè)開始由總量型去產(chǎn)能轉向系統(tǒng)性去產(chǎn)能［39］，開始更多關注高質量發(fā)展。眾多專家提出的碳減排系列技術，如超低排放限值的煤電機組、大型重介質旋流器選煤、負碳固碳技術等，研發(fā)成功并發(fā)揮作用，與本文中科技進步因素大幅度提升的結論相符。

圖3中曲線顯示，在2004—2019整個樣本區(qū)間，除2008年與2011年外，GNMCPI曲線與BPC曲線的變化趨勢基本相同，而EC曲線與BPC曲線呈現(xiàn)相背離的運動趨勢，EC曲線基本起到了對沖BPC曲線對GNMCPI曲線的影響的作用。可以認為，二氧化碳減排指數(shù)變化的主導因素是科技進步效應。因此，如果想要提升煤炭行業(yè)在開采與洗選過程中的二氧化碳減排效率，那么還需要煤炭行業(yè)和政府加大對低碳生產(chǎn)技術科技創(chuàng)新的投入和關注。

四、結論與建議

本文在數(shù)據(jù)包絡分析架構下，將非徑向距離函數(shù)與GlobalMalmquist指數(shù)相結合構建GNMCPI指數(shù)，測量動態(tài)全要素二氧化碳減排效率，并將GNMCPI指數(shù)分解為EC和BPC來探究二氧化碳減排效率變化的原因。通過分析得到以下結論。（1）在整個樣本區(qū)間內我國煤炭行業(yè)全要素二氧化碳減排效率指數(shù)整體處于較低的水平，2004—2015年煤炭行業(yè)碳減排效率不斷下降，2016年為拐點，2016—2019年碳減排效率開始逐漸上升。（2）從動態(tài)全要素二氧化碳減排效率指數(shù)來看，樣本區(qū)間內全國煤炭行業(yè)總體碳減排效率下降約8.9%，其中2004—2015年期間處于持續(xù)下降狀態(tài)，平均降速約為155%；而2016—2019年碳減排效率轉為上升狀態(tài)，平均上升速度約為22.6%。整體來看，雖然中國自2009年起就將控制二氧化碳排放納入約束性指標，但是2004—2015年間中國煤炭行業(yè)二氧化碳減排效率持續(xù)降低，直至2016年《煤炭工業(yè)發(fā)展“十三五”規(guī)劃》中明確提出低碳發(fā)展計劃后，我國煤炭行業(yè)碳減排效率才大幅度提升。（3）從碳減排效率的分解結果來看，EC曲線與BPC曲線呈現(xiàn)相背離的趨勢，其中，科技進步因素在碳減排效率的提升中占主導地位。（4）在分省份數(shù)據(jù)中，新疆和內蒙古兩省份的平均GNMCPI指數(shù)大于1，說明這兩個省份煤炭行業(yè)碳減排效率是提高的，而其他省份均為降低；在EC與BPC分解方面，安徽、河北、河南、黑龍江、湖南、江蘇、江西、遼寧、內蒙古、山東、陜西、四川、新疆、重慶14個省份都屬于平均科技進步的省份，吉林與新疆屬于平均技術效率進步的省份。

中國低碳科技創(chuàng)新不斷加快，煤炭行業(yè)面臨著低碳轉型的新趨勢。根據(jù)以上分析，提出以下幾條建議。（1）煤炭行業(yè)應加大科研投入來提升低碳科技進步，特別是貴州、吉林、寧夏、山西、云南5個省份，需要積極開發(fā)低碳生產(chǎn)技術以及負碳固碳技術，大力發(fā)展低碳能源技術創(chuàng)新，在高效生產(chǎn)的同時進一步提升二氧化碳減排效率。（2）安徽、貴州、河北、河南、黑龍江、湖南、江蘇、江西、遼寧、寧夏、山東、山西、陜西、四川14省份的煤炭行業(yè)需要借鑒吉林、新疆、內蒙古、云南4省份煤炭行業(yè)的低碳發(fā)展模式，引進先進管理方法與低碳科學技術，探索低碳發(fā)展道路。（3）政府對煤炭行業(yè)的碳減排效率要足夠重視，煤炭行業(yè)碳減排效率整體還是處于很低的水平，政府需要繼續(xù)關閉落后產(chǎn)能，同時引導煤炭行業(yè)技術投資，以提高低碳生產(chǎn)和二氧化碳排放控制方面的科技進步水平。在政策實施方面，國家可以進一步出臺政策對煤炭行業(yè)二氧化碳排放進行約束，完善低碳生產(chǎn)的相關法律與政策體系，鼓勵和支持煤炭行業(yè)低碳高效發(fā)展，滿足煤炭行業(yè)高質量發(fā)展的新要求。

參考文獻：

［1］張寧，劉青君.碳交易對碳達峰、碳中和目標的成本效益機制研究——基于試點省市高耗能行業(yè)的模擬［J］.廣東社會科學，2022（2）：46-58

［2］國家統(tǒng)計局.中國能源統(tǒng)計年鑒2020［M］.北京：中國統(tǒng)計出版社，2021.

［3］李全生，方杰，曹志國.碳約束條件下國外主要采煤國煤炭開發(fā)經(jīng)驗［J］.煤炭工程，2017，49（S1）：12-15.

［4］LiuJunling，WangKe，ZouJi，eta1.TheImplicationsofCoalConsumptioninthePowerSectorforChinasCO2PeakingTarget［J］.AppliedEnergy，2019，253：113518.

［5］陳詩一.能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展［J］.經(jīng)濟研究，2009，44（4）：41-55.

［6］張寧，趙玉.碳排放約束下中國要素配置是否有效？——來自廣義成本函數(shù)的估計［J］.計量經(jīng)濟學報，2022，2（1）：164-178.

［7］李金鎧，馬靜靜，魏偉.中國八大綜合經(jīng)濟區(qū)能源碳排放效率的區(qū)域差異研究［J］.數(shù)量經(jīng)濟技術經(jīng)濟研究，2020，37（6）：109-129.

［8］陳詩一.中國碳排放強度的波動下降模式及經(jīng)濟解釋［J］.世界經(jīng)濟，2011，34（4）：124-143.

［9］劉丙泉，王月，孟令奇，等.公平與效率雙準則下我國區(qū)域碳排放權分配研究——基于改進的ZSG-DEA模型［J］.中國石油大學學報（社會科學版），2022，38（5）：10-19.

［10］陳詩一.中國各地區(qū)低碳經(jīng)濟轉型進程評估［J］.經(jīng)濟研究，2012，47（8）：32-44.

［11］李新安，李慧.外資引入、技術進步偏向影響了制造業(yè)的碳排放嗎？——來自我國27個制造行業(yè)面板數(shù)據(jù)模型的實證檢驗［J］.中國軟科學，2022（1）：159-170.

［12］張寧.碳全要素生產(chǎn)率、低碳技術創(chuàng)新和節(jié)能減排效率追趕——來自中國火力發(fā)電企業(yè)的證據(jù)［J］.經(jīng)濟研究，2022，57（2）：158-174.

［13］周銀香，洪興建.中國交通業(yè)全要素碳排放效率的測度及動態(tài)驅動機理研究［J］.商業(yè)經(jīng)濟與管理，2018（5）：62-74.

［14］韓元軍，吳普，林坦.基于碳排放的代表性省份旅游產(chǎn)業(yè)效率測算與比較分析［J］.地理研究，2015，34（10）：1957-1970.

［15］高曉燕.我國能源消費、二氧化碳排放與經(jīng)濟增長的關系研究——基于煤炭消費的視角［J］.河北經(jīng)貿大學學報，2017，38（6）：70-77.

［16］ZhangY，YuanZ，MargniM，etal.IntensiveCarbonDioxideEmissionofCoalChemicalIndustryinChina［J］.AppliedEnergy，2019，236：540-550.

［17］揭俐，王忠，余瑞祥.中國能源開采業(yè)碳排放脫鉤效應情景模擬［J］.中國人口·資源與環(huán)境，2020，30（7）：47-56.

［18］王向前，夏丹.工業(yè)煤炭生產(chǎn)—消費兩側碳排放及影響因素研究——基于STIRPAT-EKC的皖豫兩省對比［J］.軟科學，2020，34（8）：84-89.

［19］WangB，CuiCQ，ZhaoYX，etal.CarbonEmissionsAccountingforChinasCoalMiningSector：InvisibleSourcesofClimateChange［J］.NaturalHazards，2019，99：1345-1364.

［20］任世華，謝亞辰，焦小淼，等.煤炭開發(fā)過程碳排放特征及碳中和發(fā)展的技術途徑［J］.工程科學與技術，2022，54（1）：60-68.

［21］郗永勤，吉星.我國工業(yè)行業(yè)碳排放效率實證研究——考慮非期望產(chǎn)出SBM超效率模型與DEA視窗方法的應用［J］.科技管理研究，2019，39（17）：53-62.

［22］胡劍波，閆爍，韓君.中國產(chǎn)業(yè)部門隱含碳排放效率研究——基于三階段DEA模型與非競爭型I-O模型的實證分析［J］.統(tǒng)計研究，2021，38（6）：30-43.

［23］劉海英，劉晴晴.中國省際能源和CO2效率評價及技術差距研究［J］.統(tǒng)計與決策，2019，35（19）：116-120.

［24］張寧，趙玉.中國能順利實現(xiàn)碳達峰和碳中和嗎？——基于效率與減排成本視角的城市層面分析［J］.蘭州大學學報（社會科學版），2021，49（4）：13-22.

［25］ZhouP，AngBW，HanJY.TotalFactorCarbonEmissionPerformance：AMalmquistIndexAnalysis［J］.EnergyEcon，2010，32：194-201.

［26］ZhouP，AngBW，WangH.EnergyandCO2EmissionPerformanceinElectricityGeneration：ANon-radialDirectionalDistanceFunctionApproach［J］.EuropeanJournalofOperationalResearch，2012，221（3）：625-635.

［27］WangW，XieH，ZhangN，etal.SustainableWaterUseandWaterShadowPriceinChinasUrbanIndustry［J］.ResourcesConservation&Recycling，2018，128：489-498.

［28］FujiiH，ManagiS，MatousekR.IndianBankEfficiencyandProductivityChangeswithUndesirableOutputs：ADisaggregatedApproach［J］.JournalofBanking&Finance，2014，38：41-50.

［29］ZhangN，XieH.TowardGreenIT：ModelingSustainableProductionCharacteristicsforChineseElectronicInformationIndustry，1980-2012［J］.TechnologicalForecastingandSocialChange，2015，96：62-70.

［30］ZhangN，ZhouP，ChoiY.EnergyEfficiency，CO2EmissionPerformanceandTechnologyGapsinFossilFuelElectricityGenerationinKorea：AMeta-frontierNon-radialDirectionalDistanceFunctionAnalysis［J］.EnergyPolicy，2013，56：653-662.

［31］ZhangN，ZhouP，Chih-ChunKung.Total-factorCarbonEmissionPerformanceoftheChineseTransportationIndustry：ABootstrappedNon-radialMalmquistIndexAnalysis［J］.ScienceDirect，2015，41：584-593.

［32］FreR，GrosskopfS，LovellCAK.MultilateralProductivityComparisonsWhenSomeOutputsAreUndesirable：ANonparametricApproach［J］.TheReviewofEconomicsandStatistics，1989，71（1）：90-98.

［33］ChambersR，ChungY，F(xiàn)reR.BenetandDistanceFunctions［J］.JournalofEconomicTheory，1996，70（2）：407-419.

［34］ChungY，F(xiàn)reR，GrosskopfS.ProductivityandUndesirableOutputs：ADirectionalDistanceFunctionApproach［J］.JournalofEconomicManagement，1997，51（3）：229-240.

［35］FukuyamaH，WeberWL.ADirectionalSlacks-basedMeasureofTechnicalEfficiency［J］.Socio-EconomicPlanningSciences，2009，43（4）：274-287.

［36］CavesDW，ChristensenLR，DiewertWE.MultilateralComparisonsofOutput，InputandProductivityUsingSuperlativeIndexNumbers［J］.TheEconomicJournal，1982，365（92）：73-86.

［37］PastorJT，LovellC.AGlobalMalmquistProductivityIndex［J］.EconomicsLetters，2005，88（2）：266-271.

［38］GuanYR，ShanYL，HuangQ，etal.AssessmenttoChinasRecentEmissionPatternShifts［J］.EarthsFuture，2021，e2021EF002241.

［39］劉峰，郭林峰，趙路正.雙碳背景下煤炭安全區(qū)間與綠色低碳技術路徑［J］.煤炭學報，2022，47（1）：1-15.

責任編輯：曲紅

DynamicTotalFactorCarbonEmissionReductionPerformanceofCoalIndustryinChina

WANGKuan LIYongbo JUPing

（1.InternationalBusinessSchool，QingdaoHuanghaiUniversity，Qingdao266427，Shandong，China;

2.SchoolofEconomicsandManagement，ChinaUniversityofPetroleum（EastChina），Qingdao266580，Shandong，China）

Abstract：CoalremainstheprimaryenergysourceinChina，andpromotingthelow-carbondevelopmentofthecoalindustryisanecessarysteptowardsachievingthedualcarbongoals.Usingdatafromthecoalminingandwashingindustryin19provincesacrossChinafrom2004to2019assamples，thestudyemploysthenon-radialglobalMalmquistcarbondioxideemissionperformanceindex（GNMCPI）tomeasurethedynamictotalfactorcarbondioxideemissionreductionefficiencyofcoalindustryineachprovince.Theempiricalresultsshowthatthecarbonemissionefficiencyofthecoalindustryremainedatarelativelylowlevelfrom2004to2019，andthedynamictotalfactorcarbondioxideemissionreductionefficiencyindexgenerallyshowedadownwardtrendfollowedbyanupwardtrend.Inmostyearsfrom2004to2015，itshowedadownwardtrend，mainlyduetothecontinuousdeclineintheefficiencyoflow－carbonproductioninthecoalindustry.From2016to2019，therewasarapidupwardtrend，drivenbytherapidadvancementoftechnology.Itisrecommendedthatthegovernmentshouldpaysufficientattentiontolow-carbonandhigh-qualityproductionofthecoalindustry，improvethecarbonemissionefficiencyofthecoalindustryineachprovince，reducecarbonemissionsduringthecoalproductionprocessthroughpolicyconstraintsandincentivesforlow-carbonproductiontechnologies，andassistChinainsmoothlyachievingthe"dualcarbon"goals.

Keywords：coalindustry;carbonemissionreductionefficiency;NDDF.

英文編校：馬志強