沈 兵，冉啟英

（1.新疆大學a.經濟與管理學院；b.新疆創(chuàng)新管理研究中心，烏魯木齊 830046；2.新疆財經大學財政稅務學院，烏魯木齊 830012；3.上海商學院商務經濟學院，上海 200235）

0 引言

2021 年9 月《中共中央國務院關于完整準確全面貫徹新發(fā)展理念做好碳達峰碳中和工作的意見》發(fā)布，碳市場是中國政府為實現(xiàn)“雙碳”目標和經濟低碳轉型制定的重要政策。初始排放權的分配是碳市場建設中最具爭議的問題，其不僅是減排任務的分配，還是發(fā)展權的分配[1]。中國在碳市場試點期間使用的碳排放權分配方法依據歷史排放量劃分，在建立全國性碳市場后依據的是行業(yè)基準制。以歷史碳排放量或者碳排放強度作為依據容易產生“鞭打快?！钡哪嫦蜻x擇結果，行業(yè)基準制可以在一定程度上克服“鞭打快?！钡默F(xiàn)象，但會引發(fā)高耗能、高污染的產業(yè)向中西部地區(qū)省份轉移，造成污染集聚[2]。一些研究提出使用減排潛力作為碳排放權分配的依據，并且用碳排放效率表征減排潛力的大小。數據包絡分析（DEA）方法具有客觀、可以用于多投入多產出模型等優(yōu)勢，因此被廣泛地應用于碳排放效率的測度。

但是原始的DEA模型隱含假設所有決策單元之間相互獨立，可以依據自身情況調整要素投入量，這與資源分配問題中的實際情況并不相符。Lins 等（2003）[3]提出了零和博弈的數據包絡分析（ZSG-DEA）模型，在ZSG-DEA 模型中所有決策單元的要素投入量之和不變，如果其中一個決策單元增加投入，那么其他決策單元就需要減少相同數量的要素投入，這與現(xiàn)實情況更加接近。林坦和寧俊飛（2011）[4]運用ZSG-DEA 模型對歐盟2009 年的碳排放權分配進行評價，認為歐盟碳排放權分配存在效率損失。鄭立群（2012）[5]認為中國各省份碳排放責任分攤遵循“共同但有差別的責任”原則，因此運用投入導向的ZSG-DEA 模型對中國30 個省份的碳排放進行再分配研究。苗壯等（2013）[6]先依據效率、公平、溯往、產值原則進行初始分配，再利用ZSG-DEA 模型進行配額調整最終實現(xiàn)碳排放權的分配。劉海英和王玨（2020）[7]同時考慮了用能權與碳排放權角度，認為利用ZSG-DEA 模型進行分配能夠提高公平性，但卻是以犧牲前沿技術效率為代價。

ZSG-DEA 模型被眾多學者認為是碳排放權分配的有效工具，但現(xiàn)有研究大多未在ZSG-DEA 模型中考慮產業(yè)結構異質性的影響。各地區(qū)的碳排放效率不僅與其技術水平有關，還與產業(yè)結構有關，將不同產業(yè)結構特征的地區(qū)的碳排放效率進行對比無法真實反映碳減排潛力。而產業(yè)結構特征受到自然資源稟賦、地理位置等客觀因素的制約，因此，本文構建一種考慮產業(yè)結構特征的碳排放效率測度方法，設計了以考慮產業(yè)結構特征的碳排放效率為依據的碳排放權分配方案。同時，基于中國30 個省份2018 年的碳排放數據，對碳排放權分配方案進行驗證，并通過公平性和可實施性指標對分配方案進行評價。

1 研究設計

1.1 研究方法

為了將產業(yè)結構特征考慮到碳排放權分配方案中，本文依據產業(yè)結構特征進行分組，然后對每組內部省份進行碳排放效率的測度和碳排放權分配。

1.1.1 產業(yè)結構特征選擇

區(qū)域劃分要依據與碳排放效率相關的產業(yè)結構特征，本文參考任陽軍等（2020）[8]關于資源型產業(yè)集聚與碳排放關系的研究，將資源型產業(yè)集聚作為影響碳排放效率的產業(yè)結構特征，并且使用實證分析進行驗證。具體模型由公式（1）表示：

其中，i、t分別表示區(qū)域、時間，j表示控制變量種類，λi為個體固定效應，γt為時間固定效應，μit為隨機擾動項，CEE代表碳生產率，RIA為資源型產業(yè)集聚，control代表控制變量。

1.1.2 聚類分析

本文通過樣本間資源型產業(yè)集聚的差異來度量樣本距離，依據樣本距離進行分組。樣本距離計算方法較多，本文使用歐式距離計算方法。系統(tǒng)聚類分析方法在許多文獻中均有詳細展示，限于篇幅，此處不再對該方法做過多的描述。

1.1.3 ZSG-DEA模型

在初始效率的測度中使用BCC 模型，在碳排放權的分配中使用ZSG-DEA模型[8—10]，具體方法為：

（1）初始效率的測度。BCC模型在許多文獻中已有詳細介紹，此處不再贅述。

（2）碳排放權分配。依據效率進行碳排放權的分配，效率低的省份需要減少碳排放權，效率高的省份會增加碳排放權。在投入導向模型中，若DMUo為非DEA 有效的決策單元，其效率值為φo，為了實現(xiàn)ZSG-DEA有效，則它必須減少對投入Xok的使用，減少量為Uo=Xoh(1-φo)，并將這一數額的投入成比例分配給其他DMU。DMUi從DMUo處分得的Xoh為：

其中，i表示第i個決策單元（本文的決策單元為各個省份），h表示第h個投入指標。由于所有的DMU 都同時在進行投入量的重新分配，故調整全部結束后，DMUi投入的Xih的變動量為：

依照比例消減策略，利用ZSG-DEA 方法對決策單元DMUo進行相對效率評價的投入導向BCC模型如式（4）所示，其中k表示第k個產出指標，λi表示權重系數：

所有在原始模型下非DEA有效的DMU均會按照比例分配自己的多余投入，以達到DEA 有效。但所有DMU 均這樣做的后果是：即使按式（4）計算，一些DMU 在消減投入后也不能達到DEA 有效。針對這一問題采用迭代法，通過多次迭代，實現(xiàn)對投入指標的多次再分配，最終所有的DMU 均會達到有效邊界，這時對投入的再分配結果就是效率最佳的分配方案。

1.2 變量選取

1.2.1 計量經濟學模型中的變量選取

（1）計量經濟學模型中的被解釋變量為碳生產率（CEE）。在驗證產業(yè)結構特征選擇的模型中，參考李平（2011）[11]的研究使用碳生產率代表碳排放效率。計算公式如下：

其中，GDP代表地區(qū)生產總值，C代表碳排放量。

（2）計量經濟學模型中的核心解釋變量為資源型產業(yè)集聚（RIA）。各個地區(qū)資源型產業(yè)集聚用當地的資源型產業(yè)占比除以全國的資源型產業(yè)占比來表示，計算公式為：

其中，Eiut為i地區(qū)u產業(yè)t時期的產值，本文將投入產出表中的所有的產業(yè)類別分為資源型產業(yè)與非資源型產業(yè)，選擇的資源型產業(yè)包括電力、熱力的生產和供應業(yè)，非金屬和其他礦采選產品業(yè)，非金屬礦物制品業(yè)，金屬礦采選產品業(yè)，金屬冶煉和壓延加工品業(yè)，金屬制品業(yè)，煤炭采選產品業(yè)，燃氣生產和供應業(yè)，石油、煉焦產品和核燃料加工品，石油和天然氣開采產品業(yè)，水的生產和供應業(yè)，其他產業(yè)為非資源型產業(yè)。

為了提高模型的解釋力度，減少遺漏變量的可能，本文還加入了一些控制變量，具體的變量說明見下頁表1。

表1 變量說明

1.2.2 ZSG-DEA模型指標體系

在ZSG-DEA 模型指標選擇方面，本文基于碳排放效率測度的現(xiàn)實情況，以“非期望產出作為投入法”作為指導，構建指標體系見下頁表2。

表2 ZSG-DEA模型指標體系

1.3 數據來源

由于西藏和港澳臺數據缺失較為嚴重，因此本文選取的樣本為不包括西藏和港澳臺在內的我國30個省份，樣本期為2004—2018年。相關原始數據的來源如下：各省份二氧化碳排放量來自中國碳排放數據庫（CEADs）；各省份的各行業(yè)產值數據來自歷年各省份統(tǒng)計年鑒；GDP、人口、利用外資、進出口總額、城鎮(zhèn)人口數據來自歷年《中國統(tǒng)計年鑒》和各省份統(tǒng)計年鑒；環(huán)境治理投資來自歷年《中國環(huán)境統(tǒng)計年鑒》；能源結構與能源消費量來自歷年《中國能源統(tǒng)計年鑒》；專利授權數來自歷年《中國科技統(tǒng)計年鑒》。

2 實證結果分析

2.1 產業(yè)結構特征選擇檢驗

為了驗證選擇的合理性，依據模型（1），使用2004—2018 年中國30 個省份的面板數據進行實證檢驗，結果由表3報告。在不加入控制變量的情況下，資源型產業(yè)集聚對碳生產率有顯著的負向影響；加入控制變量后，資源型產業(yè)集聚對單位碳生產率仍然有顯著的負向影響。表明一個地區(qū)資源型產業(yè)的占比對碳生產率的提升有顯著的抑制作用，在計算碳生產率時需要考慮產業(yè)結構特征的影響。而碳生產率可以在很大程度上代表碳排放效率，若使用DEA模型對碳排放效率進行測度未考慮到資源型產業(yè)集聚對碳排放效率的影響，則會降低資源型產業(yè)占比高的省份的效率，并且測度結果將無法客觀地反映碳減排潛力。因此，選擇資源型產業(yè)集聚作為影響碳排放效率的產業(yè)結構特征的合理性得到驗證。

表3 影響碳排放效率的產業(yè)結構特征檢驗結果

2.2 區(qū)域分組結果

使用Stata 軟件，依據各地區(qū)的資源型產業(yè)集聚程度進行聚類分析，得到的結果如表4所示。

表4 按資源型產業(yè)集聚程度分組

2.3 碳排放權分配

2.3.1 不分組情況下碳排放效率測算和碳排放權分配結果

本文分別使用DEA-solver對原始效率進行求解，計算在依據歷史排放量分配情形下的碳排放效率，即以2018年實際排放量作為碳排放權初始分配結果來計算各省份的碳排放效率，結果如表5所示。依據歷史排放量的碳排放權分配的平均效率為0.740，說明中國各省份碳排放權效率有較大的提升空間。在30 個省份中，達到有效率的省份有北京、山東、廣東、海南、四川、青海，效率較低的省份為新疆、河北、安徽、山西、貴州、吉林、內蒙古、寧夏。

表5 不分組進行碳排放權分配結果

在依據歷史排放量進行碳排放權分配的情形下，大部分省份都處于無效率的狀態(tài)，依據效率通過ZSG-DEA 模型對碳排放權的分配進行調整。根據式（4），通過線性規(guī)劃的方式計算出每個要達到效率前沿面需要調整的分配額度。在ZSG-DEA 模型下，調整不會一次就實現(xiàn)所有單元都處在前沿面上，而是需要通過多次迭代調整，即先依據調整后的碳排放權分配額度重新計算效率值，再依據新的效率值對碳排放權進行調整，最終通過多次迭代實現(xiàn)所有單元的效率都為1。此時的碳排放權分配額度即為有效率的碳排放權分配方案，與初始的碳排放權分配額度之差，即為需要調整的碳排放權額度。由表5 可知，可以增加碳排放權的省份有北京、上海、浙江、山東、河南、湖南、湖北、廣東、廣西、海南、重慶、四川、云南、青海，需要減少碳排放權的省份有江西、福建、江蘇、遼寧、陜西、天津、甘肅、黑龍江、新疆、河北、安徽、山西、貴州、吉林、內蒙古、寧夏。不難發(fā)現(xiàn)，需要減少碳排放權的省份主要為西部地區(qū)的經濟落后省份和東中部地區(qū)的一些資源型產業(yè)聚集程度高的省份。碳排放權的分配不只是一種環(huán)境約束，同時也是發(fā)展權的分配，結合中國現(xiàn)實情況，如果僅考慮效率進行碳排放權進行分配，將進一步加劇我國東西部地區(qū)經濟發(fā)展的不均衡、不協(xié)調。

2.3.2 按聚類分組后的碳排放效率測算與碳排放權分配結果

在聚類分析的基礎上對每組地區(qū)內部決策單元的效率運用ZSG-DEA 模型進行效率測度，并且通過線性規(guī)劃的方式進行碳排放權的分配。對第二組（資源型產業(yè)集聚程度高）內部各省份的碳排放效率的測算結果和碳排放權分配結果如表6所示。在第二組的6個省份中，寧夏、內蒙古為碳排放無效率，效率值分別為0.6670、0.8341，甘肅、青海、新疆為碳排放有效率地區(qū)。通過兩次迭代后6個省份均達到了生產前沿面，此時碳排放權進行了重新分配，其中，寧夏、內蒙古減少了碳排放權，而河北、甘肅、青海、新疆增加了碳排放權。寧夏、內蒙古需要減少的碳排放權分別為51.69mt、99.45mt，而不進行分組時的測算結果分別為71.18mt、227.55mt，相比之下，在考慮了產業(yè)結構特征的碳排放分配方案中，資源型產業(yè)集聚程度高的地區(qū)碳減排壓力較小，更具有可實施性。

表6 第二組省份內部碳排放權分配結果

由于第二組的6個省份的產業(yè)結構特征相似，通過其內部碳排放權的重新分配并不會使國家的能源產業(yè)等產能受到影響。同時，與將30 個省份一起測算并進行碳排放權分配的結果相比，資源型產業(yè)集聚程度高的省份碳排放權減少額度較小，因此對這些省份的經濟增長和產業(yè)結構的影響也相對較小。

對資源型產業(yè)集聚程度較高的第三組省份運用ZSG-DEA模型進行效率的測度，通過線性規(guī)劃對排放權進行調整，結果如表7所示。在資源型產業(yè)集聚較高的7個省份中，初始測度結果為有效率的是河南、江西、山東、天津，遼寧、貴州、陜西3個省份雖然未達到生產前沿面上，但是與生產前沿面的差距并不大，效率值均在0.87以上，說明該組中各省份的碳排放效率差異并不大。通過一次迭代7個省份碳排放權實現(xiàn)了有效分配，對比初始排放量，需要調減的省份為遼寧（調減29.83mt），貴州（調減26.40mt），陜西（調減1.25mt），相對于碳排放總量調整幅度并不大，對這3個省份的經濟結構和經濟增長速度的影響也將是有限的。

表7 第三組省份內部碳排放權分配結果

對資源型產業(yè)集聚程度較低的第四組省份的碳排放效率進行測度，并且對排放權進行調整，結果如表8 所示。在資源型產業(yè)集聚程度較低的12個省份中初始效率為1的省份有云南、福建、四川、廣東、吉林，碳排放效率較低的省份為安徽、江蘇，效率值分別為0.6397、0.7123。對碳排放權進行調整并且經過兩次迭代，組內所有省份均達到了生產前沿面，此時對比迭代后的碳排放權分配額與初始碳排放量，需要減少碳排放的省份有安徽、黑龍江、江蘇、湖北，其他省份可以增加碳排放權的配額。安徽、江蘇兩省因為與相似產業(yè)結構特征的省份相比效率相差較大，所以需要進行較大幅度的調整，其中，安徽的碳排放權額度需要減少107.58mt，江蘇的碳排放權額度需要減少160.91mt。

表8 第四組省份內部碳排放權分配結果

對資源型產業(yè)集聚程度低的第五組省份運用ZSG-DEA 的方式進行效率測度，結果顯示北京、上海、重慶、海南4個省份的初始效率均為1，因此不需要對碳排放權進行調整。山西由于其所在的資源型產業(yè)集聚程度極高組中只有1 個省份，因此也不需要進行碳排放權調整。針對這5 個省份，可以結合歷史排放量和全國的整體“雙碳”目標進行碳排放權分配，如當計劃全國碳排放量每年增加或減少一定的比例時，對這5個省份的碳排放權進行相同比例的調整。

3 分配方案評價分析

為了分析三種分配方案的特點，從公平性和可實施性兩個角度進行對比分析。

3.1 公平性分析

一般認為，人均碳排放量差異越小越公平，計算三種分配結果下的各省份人均碳排放量的差異可以看出哪種分配方式更具公平性。使用基尼系數的方法計算并且分析三種分配方法下各省份人均碳排放量的差異，具體計算公式為：

其中，G表示基尼系數，i表示省份，ci、cp分別表示i、p省份的人均碳排放配額，μ表示各省份人均碳排放配額的平均值，N代表省份數量。不同分配方案下的人均碳排放配額的基尼系數計算結果如表9 所示。依照資源型產業(yè)集聚程度分組后通過ZSG-DEA模型進行碳排放權分配的結果的基尼系數大于原始ZSG-DEA 模型，但小于按歷史碳排放量進行分配的方法。說明考慮到產業(yè)結構特征之后再依照碳排放效率進行分配與簡單的按效率分配相比會降低部分公平性，但與按歷史排放量分配相比，前者依然是相對公平的。

表9 三種碳排放權分配方案公平性對比

3.2 可實施性對比分析

可實施性指的是碳排放權分配方案實施的難易程度，一般認為與各省份真實碳排放量的差異程度越大，即需要調整的碳排放配額越大就越難以實施，反之就越容易實施。同時，如果碳排放權配額與真實排放量相比是增加的，那么對于該省份來說，政策約束是更加放松的，因此不存在實施難度?；诖?，本文構建如下實施難度指數：

其中，n表示碳排放配額減少的省份的個數；Δci表示i省份需要減少的碳排放量；ci表示i省份歷史碳排放量；表示i省份的碳排放方案實施難度；S表示整體的碳排放實施難度，S越大表示可實施性越弱，反之越強。在評價可實施性時，是將每種分配方式下的各省份碳排放權分配額與歷史排放量進行對比，以此計算需要減少的碳排放量和實施難度指數，因此在后文的分析中，未列出以歷史排放量為依據的分配方式的相關結果。由表10可知，按聚類分組后可知，按聚類分析分組后使用ZSG-DEA模型進行碳排放權分配的可實施性高于按原始ZSG-DEA模型。這說明在依據效率分配的碳排放權分配方案中，將產業(yè)結構特征考慮到其中，會大幅提高方案的可實施性。

表10 碳排放權分配方案可實施性對比

4 結論

本文提出了一個考慮產業(yè)結構特征的碳排放權分配方案，并且通過實證進行檢驗和評價，得到以下結論：（1）資源型產業(yè)集聚程度提高會顯著降低碳排放效率；（2）考慮產業(yè)結構特征的碳排放效率方法相對于傳統(tǒng)的DEA 模型能更好地反映碳減排潛力；（3）在綜合考慮效率、公平與可實施性的情況下，考慮了產業(yè)結構特征的碳排放權分配方案更加適合中國排放權初次分配。