王肖玥 鄧建高

王肖玥，鄧建高. 基于超效率SBM模型的江蘇省碳排放效率時(shí)空差異［J］. 湖北農(nóng)業(yè)科學(xué)，2024，63（2）：8-12，18．

摘要：利用非期望產(chǎn)出超效率SBM模型和Malmquist全要素生產(chǎn)率指數(shù)，計(jì)算2011—2020年江蘇省各地級(jí)市碳排放效率，并對(duì)時(shí)空差異進(jìn)行分析。結(jié)果表明，各地級(jí)市碳排放效率差異顯著，總體上呈蘇中地區(qū)>蘇南地區(qū)>蘇北地區(qū)的特征；技術(shù)創(chuàng)新是江蘇省碳排放效率提升的核心驅(qū)動(dòng)因素，資源配置不合理、規(guī)模效率偏低是江蘇省碳排放效率未達(dá)到生產(chǎn)前沿面的主要原因。

關(guān)鍵詞：超效率SBM模型；碳排放效率；時(shí)空差異；江蘇省

中圖分類(lèi)號(hào)：X321? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）02-0008-05

DOI：10.14088/j.cnki.issn0439-8114.2024.02.002 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Spatial and temporal difference of carbon emission efficiency in Jiangsu Province based on super-efficiency SBM model

WANG Xiao-yuea，DENG Jian-gaoa，b

（a. Business School； b. Institute of Statistics and Data Science， Hohai University， Nanjing? 210098， China）

Abstract：Through the super-efficient SBM model with non-expected output and Malmquist productivity index， the carbon emission efficiency of each city in Jiangsu Province from 2011 to 2020 was calculated and the spatial and temporal differences were analyzed. Results showed that there was a significant difference in carbon emission efficiency among the prefecture-level cities in Jiangsu Province， with the overall characteristics of higher carbon emission efficiency in central Jiangsu than in southern Jiangsu and higher carbon emission efficiency in southern Jiangsu than in northern Jiangsu. The innovation of technology was the core driving factor for the improvement of carbon emission efficiency in Jiangsu Province. Unreasonable resource allocation and low scale efficiency were the main reasons why the carbon emission efficiency in Jiangsu Province had not reached the production frontier.

Key words：super-efficient SBM model；carbon emission efficiency；temporal and spatial differences；Jiangsu Province

溫室氣體過(guò)度排放導(dǎo)致氣候異常是一個(gè)全球性議題^［1］。為應(yīng)對(duì)氣候變化，中國(guó)積極承擔(dān)碳減排責(zé)任，制定“雙碳”國(guó)家戰(zhàn)略，倡導(dǎo)綠色低碳發(fā)展道路。然而，中國(guó)地區(qū)間碳排放現(xiàn)狀存在一定差異，因此從省級(jí)層面系統(tǒng)性地掌握碳排放現(xiàn)狀、碳排放效率與時(shí)空差異和主要驅(qū)動(dòng)因素，對(duì)中國(guó)碳減排戰(zhàn)略實(shí)施意義重大。江蘇省2021年地區(qū)生產(chǎn)總值突破11萬(wàn)億元，經(jīng)濟(jì)發(fā)展水平高、總量大，面臨巨大碳減排壓力。提升碳排放效率是江蘇省經(jīng)濟(jì)持續(xù)高質(zhì)量發(fā)展的重要保障，也是江蘇省緩解碳減排壓力的重要方法。城市作為江蘇省碳排放主要來(lái)源是碳減排的關(guān)注重點(diǎn)^［2］，而江蘇省城市間經(jīng)濟(jì)發(fā)展存在一定的不均衡性，在進(jìn)行碳減排配額分?jǐn)倳r(shí)，如果將公平作為分?jǐn)偟奈┮辉瓌t，容易給碳排放總量較少的城市帶來(lái)過(guò)大壓力，從而阻礙區(qū)域的協(xié)調(diào)發(fā)展，甚至影響全省碳減排進(jìn)程^{［3，4］}。

因此，本研究討論江蘇省碳排放效率時(shí)空差異并統(tǒng)籌考慮碳排放公平和效率原則，為江蘇省碳減排目標(biāo)設(shè)定、政策制定提供依據(jù)，也為其他省份碳減排實(shí)現(xiàn)路徑的設(shè)計(jì)提供參考。

1 文獻(xiàn)分析

區(qū)域碳排放效率時(shí)空差異問(wèn)題主要包含兩方面研究?jī)?nèi)容：①碳排放效率計(jì)算；②碳排放效率時(shí)空差異研究。國(guó)內(nèi)外學(xué)者在測(cè)算碳排放效率時(shí)，隨機(jī)前沿分析法（SFA）是常用方法之一，錢(qián)浩祺等^［5］利用該方法探究了中國(guó)實(shí)行碳排放權(quán)交易政策對(duì)碳排放效率的影響；張成等^［6］應(yīng)用該方法研究了設(shè)計(jì)合理碳排放權(quán)分配機(jī)制對(duì)碳排放效率的提升效果。此外，數(shù)據(jù)包絡(luò)分析法（DEA）的應(yīng)用也較廣泛，Meng等^［7］利用DEA法探究區(qū)域能源消耗的碳排放效率。雖然兩種模型均可測(cè)算碳排放效率，但SFA法在處理多產(chǎn)出問(wèn)題時(shí)存在一定缺陷，當(dāng)碳排放效率的測(cè)算目標(biāo)具有多投入、多產(chǎn)出指標(biāo)時(shí)，選擇DEA法更合適。

有關(guān)區(qū)域碳排放效率時(shí)空分異性的研究成果主要包括：李金鎧等^［8］探究了東北、西南、長(zhǎng)江中游以及其他五大綜合經(jīng)濟(jì)區(qū)的能源碳排放效率空間分異性；袁長(zhǎng)偉等^［9］研究了中國(guó)省域交通運(yùn)輸業(yè)碳排放效率的時(shí)空分異性以及空間關(guān)聯(lián)特征；Xie等^［10］分析了不同發(fā)展水平59個(gè)國(guó)家的碳排放效率差異；Shi等^［11］探究了各地區(qū)不同畜牧業(yè)結(jié)構(gòu)對(duì)畜牧業(yè)碳排放效率的影響。

現(xiàn)有研究大多聚焦于經(jīng)濟(jì)帶、多省域或行業(yè)，且結(jié)果表明碳排放效率在不同時(shí)空存在差異。如果將研究范圍聚焦于區(qū)域經(jīng)濟(jì)帶、多省域或行業(yè)，可加強(qiáng)省域或行業(yè)的比較，但不利于各省域制定更加合理的碳減排目標(biāo)和政策。江蘇省碳排放總量大，是全國(guó)碳減排重點(diǎn)區(qū)域，統(tǒng)籌考慮江蘇省域內(nèi)碳排放效率時(shí)空差異、公平和效率因素，對(duì)江蘇省相關(guān)政策的擬定和目標(biāo)完成具有至關(guān)重要的作用。因此，本研究應(yīng)用非期望產(chǎn)出超效率SBM模型測(cè)算江蘇省13個(gè)地級(jí)市的碳排放效率，并利用Malmquist指數(shù)模型探究其時(shí)空分異性，最后針對(duì)實(shí)證結(jié)果為江蘇省碳減排工作提出對(duì)策建議，對(duì)促成江蘇省碳減排階段性目標(biāo)實(shí)現(xiàn)具有重要意義。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源及指標(biāo)選取

2.1.1 數(shù)據(jù)來(lái)源 研究數(shù)據(jù)來(lái)自2011—2020年《江蘇統(tǒng)計(jì)年鑒》以及江蘇省各地級(jí)市的統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)，建立回歸方程進(jìn)行補(bǔ)充。資本、能源消耗量、經(jīng)濟(jì)產(chǎn)出、碳排放總量指標(biāo)數(shù)據(jù)在原始數(shù)據(jù)的基礎(chǔ)上計(jì)算得到。

2.1.2 指標(biāo)選取 城市碳排放效率測(cè)算既要考慮城市發(fā)展過(guò)程中的投入，也要考慮城市資源消耗所產(chǎn)生的經(jīng)濟(jì)效益以及碳排放量。城市在發(fā)展過(guò)程中的投入既包括各行業(yè)的能源消耗、勞動(dòng)力消耗，也包括社會(huì)各界投資所形成的資本總量。

數(shù)據(jù)包絡(luò)分析法測(cè)算的是相對(duì)效率，所選取的模型指標(biāo)需要保證在各地級(jí)市之間相對(duì)一致且具有可比性。資本指標(biāo)不僅需要涵蓋城市建造、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型，還要包括技術(shù)研發(fā)投入等方面，因此以各城市的固定資產(chǎn)投資額（I）計(jì)算得到的資本存量（K）代表，計(jì)算公式為K_it=K_it-1（1-σ）+I_it，σ取9.6%。勞動(dòng)力指標(biāo)選取各城市的就業(yè)人數(shù)。各行業(yè)的能源消耗以轉(zhuǎn)換為標(biāo)準(zhǔn)煤的城市綜合能源消耗量代表。城市產(chǎn)生的經(jīng)濟(jì)效益需要消除價(jià)格水平的影響，選擇各地級(jí)市的GDP。碳排放量相關(guān)數(shù)據(jù)難以直接獲取，利用各地級(jí)市的能源消耗總量轉(zhuǎn)換得到。其中，標(biāo)準(zhǔn)煤的碳排放系數(shù)取2.499? tCO₂/tce。具體指標(biāo)如表1所示。

2.2 研究方法

2.2.1 非期望產(chǎn)出超效率SBM模型 DEA法是對(duì)不同個(gè)體間相對(duì)效率進(jìn)行評(píng)判的方法^［12］。由于傳統(tǒng)DEA模型假定輸入輸出成比例變化，忽略了松弛性等問(wèn)題，Tone等^［13］對(duì)原模型改進(jìn)，提出了SBM模型，但SBM模型的效率值最小為0，且最大不能超過(guò)1，故在比較效率值同為1的不同個(gè)體時(shí)存在困難。因此，Tone等^［14］于2002年提出超效率SBM模型，消除了模型最大效率值的限制。隨后，考慮到實(shí)際生活中除期望產(chǎn)出外，還存在非期望產(chǎn)出，Tone等^［15］對(duì)初始SBM模型進(jìn)行了拓展，充分考慮非期望產(chǎn)出因素，完善了模型的指標(biāo)體系。非期望產(chǎn)出超效率SBM模型綜合了原先模型的優(yōu)點(diǎn)，既考慮了非期望產(chǎn)出因素，也實(shí)現(xiàn)了任意兩者間的比較，在效率測(cè)算研究方面應(yīng)用廣泛。

對(duì)于碳排放效率問(wèn)題，不僅要考慮碳排放量，還要關(guān)注能源消耗所帶來(lái)的經(jīng)濟(jì)效益，同時(shí)需要保證效率值在城市間具有可比性，因此建立了共n個(gè)城市，且各城市在發(fā)展過(guò)程中分別有m個(gè)投入，擁有期望產(chǎn)出m1以及非期望產(chǎn)出m2的超效率SBM模型^［16］，并最終求得碳排放效率值[ρ]。其中，第k個(gè)城市的效率計(jì)算公式如下。

2.2.2 DEA_Malmquist指數(shù)模型 如果僅使用超效率SBM模型計(jì)算城市的碳排放效率，最終結(jié)果是將不同年份的城市放在統(tǒng)一標(biāo)準(zhǔn)下比較得到靜態(tài)相對(duì)效率，以該值為依據(jù)研究江蘇省碳排放效率的時(shí)空分異性，忽略技術(shù)進(jìn)步對(duì)碳排放效率的貢獻(xiàn)，需要對(duì)各決策單元進(jìn)行動(dòng)態(tài)效率分析。因此，應(yīng)用DEA_Malmquist指數(shù)模型^［17］對(duì)江蘇省各地級(jí)市2011—2020年碳排放效率進(jìn)行分析。

DEA_Malmquist指數(shù)是借助DEA方法所求解的距離函數(shù)值得到，充分考慮了城市持續(xù)的技術(shù)創(chuàng)新對(duì)碳排放效率的影響，可用于衡量效率的動(dòng)態(tài)變化，計(jì)算公式如下。

Malmquist指數(shù)可以進(jìn)一步分解，具體表現(xiàn)城市的技術(shù)應(yīng)用水平（pech）、當(dāng)前生產(chǎn)規(guī)模的提升空間（sech）、技術(shù)創(chuàng)新進(jìn)步水平（techch）以及技術(shù)的總體效率（effch）四個(gè)因素對(duì)碳排放效率的影響，分解后的公式如下。

技術(shù)總體效率由城市生產(chǎn)規(guī)模的提升空間以及技術(shù)創(chuàng)新進(jìn)步水平共同決定，若sech大于1，說(shuō)明城市碳排放的規(guī)模不斷優(yōu)化，若pech大于1，說(shuō)明城市碳排放相關(guān)資源配置優(yōu)化。techch體現(xiàn)城市的技術(shù)創(chuàng)新水平，若techch大于1，說(shuō)明城市的綠色化技術(shù)不斷進(jìn)步。

3 結(jié)果與分析

對(duì)江蘇省各地級(jí)市2011—2020年的碳排放效率進(jìn)行實(shí)證分析，效率值如表2所示。江蘇省各地級(jí)市10年間的碳排放效率不斷波動(dòng)，不同地級(jí)市的碳排放效率均值也各不相同，存在明顯的時(shí)空分異性。

3.1 江蘇省碳排放效率時(shí)空差異分析

3.1.1 空間差異分析 根據(jù)2011—2020年碳排放效率均值對(duì)各地級(jí)市進(jìn)行排序，結(jié)果如圖1所示。根據(jù)效率值可將13個(gè)地級(jí)市劃分成4個(gè)類(lèi)型：①示范型城市，包含蘇州市、泰州市、無(wú)錫市。該類(lèi)城市2011—2020年碳排放效率均值超過(guò)1，處在最優(yōu)生產(chǎn)狀態(tài)。從穩(wěn)定性角度分析，無(wú)錫市和蘇州市在高水平碳排放效率保持方面表現(xiàn)得更為突出，所有年份的碳排放效率均超過(guò)1。②領(lǐng)先型城市，包含南通市、揚(yáng)州市、鹽城市、常州市。江蘇省2011—2020年碳排放效率的均值為0.83。領(lǐng)先型城市的碳排放效率雖未達(dá)生產(chǎn)前沿面，但超過(guò)全省均值，處于領(lǐng)先位置。③居中型城市，包含鎮(zhèn)江市、南京市、徐州市、淮安市。這4個(gè)城市的碳排放效率雖然低于全省均值，但是與均值差距較小，且高于0.60。通過(guò)分析南京市碳排放效率發(fā)現(xiàn)，2011—2020年南京市碳排放總量約占全省的15%，說(shuō)明南京市在發(fā)展過(guò)程中對(duì)環(huán)境的關(guān)注需要加強(qiáng)，碳排放總量過(guò)大是南京市碳排放效率在全省排名相對(duì)靠后的重要原因。④落后型城市，包括宿遷市、連云港市。該類(lèi)城市2011—2020年碳排放效率的均值偏低，相對(duì)落后于其他城市，需要給予重點(diǎn)關(guān)注。

為了更直觀地展現(xiàn)江蘇省各地級(jí)市現(xiàn)有技術(shù)水平以及實(shí)際生產(chǎn)規(guī)模對(duì)碳排放效率的影響，對(duì)碳排放效率均值小于1的城市進(jìn)行細(xì)化比較，結(jié)果如圖2所示。該類(lèi)地級(jí)市碳減排工作的現(xiàn)存短板不同，提高碳排放效率需要重點(diǎn)關(guān)注的領(lǐng)域也不同。南通市、揚(yáng)州市、鹽城市、常州市的技術(shù)應(yīng)用水平偏低，生產(chǎn)規(guī)模存在優(yōu)化空間，需要在提高技術(shù)水平的同時(shí)注重改善生產(chǎn)規(guī)模。鎮(zhèn)江市、淮安市、宿遷市、連云港市的技術(shù)應(yīng)用程度較高，多數(shù)已處在最優(yōu)生產(chǎn)狀態(tài)，而生產(chǎn)規(guī)模有待改善。南京市、徐州市的生產(chǎn)規(guī)模較為理想，而技術(shù)應(yīng)用水平偏低，說(shuō)明不斷研發(fā)新技術(shù)、推動(dòng)傳統(tǒng)工業(yè)綠色化轉(zhuǎn)型是其未來(lái)提高碳排放效率的發(fā)展方向。

3.1.2 時(shí)間差異分析 江蘇省10年間的碳排放效率表現(xiàn)出明顯差異。2011—2020年江蘇省碳排放的3種效率值呈不斷波動(dòng)的態(tài)勢(shì)，具體變化情況如圖3所示。江蘇省2011—2020年的3種效率值均未處在最優(yōu)生產(chǎn)狀態(tài)，且當(dāng)前生產(chǎn)規(guī)模影響了全省碳排放效率的提升，存在碳減排的提升空間，不斷優(yōu)化生產(chǎn)規(guī)模是現(xiàn)階段全面提高全省碳排放效率的關(guān)鍵。

從時(shí)間序列角度分析，3種效率在2011—2020年的變化趨勢(shì)相對(duì)一致，初步分為兩個(gè)階段，2011—2015年為第一階段，3種效率總體呈下降趨勢(shì)，碳減排工作成效不明顯；2016—2020年為第二階段，3種效率總體呈波動(dòng)趨勢(shì)，碳減排工作效果不穩(wěn)定。由3種效率之間的關(guān)系可知，前一階段碳排放效率的下降，與資本、勞動(dòng)力以及能源投入的冗余有關(guān)；技術(shù)水平、生產(chǎn)規(guī)模效益等多種因素的共同變化導(dǎo)致了第二階段碳排放效率的波動(dòng)。多種因素的同時(shí)變化可能與江蘇省正處于碳減排工作的推進(jìn)與調(diào)整階段有關(guān)。

3.2 Malmquist指數(shù)計(jì)算及效率變化趨勢(shì)分析

為充分考慮技術(shù)創(chuàng)新因素，分析江蘇省碳排放效率偏低的原因，明確未來(lái)的改進(jìn)方向，應(yīng)用Malmquist指數(shù)從動(dòng)態(tài)角度研究了江蘇省2011—2020年碳排放效率的變化趨勢(shì)，結(jié)果如表3所示。

2011—2020年江蘇省的全要素生產(chǎn)率處于增長(zhǎng)狀態(tài)，2016—2017年增長(zhǎng)幅度最大，達(dá)9.3%。2011—2020年技術(shù)水平不斷提高，是推動(dòng)全要素生產(chǎn)率連年增長(zhǎng)的重要原因，說(shuō)明10年來(lái)江蘇省生產(chǎn)技術(shù)不斷創(chuàng)新，促進(jìn)了碳排放效率的提高。對(duì)技術(shù)效率指數(shù)進(jìn)行分解后發(fā)現(xiàn)，純技術(shù)效率在2012—2014年、2016—2018年、2019—2020年呈下降趨勢(shì)，說(shuō)明江蘇省需要重點(diǎn)關(guān)注資源配置與利用情況并及時(shí)調(diào)整。與純技術(shù)效率類(lèi)似，規(guī)模效率僅在2016—2017年以及2018—2019年有所提升，說(shuō)明江蘇省需要加強(qiáng)對(duì)生產(chǎn)規(guī)模改善和優(yōu)化工作的關(guān)注度并積極推動(dòng)現(xiàn)有生產(chǎn)規(guī)模向最優(yōu)生產(chǎn)狀態(tài)改進(jìn)。

江蘇省碳排放的全要素生產(chǎn)率也呈明顯的空間分異性，結(jié)果如表4所示。江蘇省各地級(jí)市的Malmquist指數(shù)大于1，說(shuō)明各城市的碳減排工作不斷推進(jìn)。其中，部分城市在碳減排工作的推進(jìn)過(guò)程中注重全面發(fā)展，既不斷優(yōu)化生產(chǎn)規(guī)模，也堅(jiān)持技術(shù)創(chuàng)新，改善資源配置，如南通市、揚(yáng)州市、無(wú)錫市、徐州市、蘇州市。從技術(shù)進(jìn)步角度而言，13個(gè)地級(jí)市生產(chǎn)技術(shù)不斷改進(jìn)創(chuàng)新，在節(jié)能減排方面成效顯著，對(duì)江蘇省碳排放總量的減少發(fā)揮了極大的促進(jìn)作用。其中，常州市的表現(xiàn)最為突出，技術(shù)水平提高了10.2%。但在技術(shù)使用效率方面，大多數(shù)城市存在優(yōu)化空間。為快速提高碳排放效率，各城市可針對(duì)短板領(lǐng)域進(jìn)行重點(diǎn)提升，如常州市可著重提升資源配置及利用效率；南京市、淮安市、鎮(zhèn)江市可著重優(yōu)化生產(chǎn)規(guī)模；宿遷市、泰州市、鹽城市、連云港市可著重關(guān)注資源的配置以及生產(chǎn)規(guī)模的優(yōu)化。

4 結(jié)論與建議

通過(guò)對(duì)江蘇省各地級(jí)市的碳排放效率時(shí)空分異性進(jìn)行實(shí)證分析得到下述結(jié)論。

1）從時(shí)間序列角度看，2011—2020年江蘇省碳排放效率發(fā)展較為平穩(wěn)，綠色技術(shù)持續(xù)進(jìn)步與創(chuàng)新是效率提升的主要驅(qū)動(dòng)因素，同時(shí)優(yōu)化生產(chǎn)規(guī)?？煽焖偬岣咛寂欧判?。

2）從空間分異角度看，江蘇省13個(gè)地級(jí)市的碳排放效率差別明顯且呈一定的規(guī)律性，具體表現(xiàn)為蘇中地區(qū)>蘇南地區(qū)>蘇北地區(qū)。

此外，江蘇省各地級(jí)市碳排放效率存在差距，碳減排工作成效較好的蘇州市碳排放效率達(dá)1.120，而連云港市的碳排放效率僅為0.549。其中，部分城市由于碳排放總量大使得碳排放效率偏低，具有較大的碳減排潛力。

針對(duì)上述結(jié)論，對(duì)江蘇省未來(lái)碳減排的發(fā)展路線(xiàn)和方向提出以下對(duì)策建議。

1）江蘇省在推進(jìn)碳減排工作過(guò)程中，加大節(jié)能減排技術(shù)研發(fā)的投入，保持技術(shù)優(yōu)勢(shì)。同時(shí)，加速傳統(tǒng)行業(yè)轉(zhuǎn)型升級(jí)，加大清潔能源的使用比例，助力生產(chǎn)規(guī)模效率的提高。各地級(jí)市可根據(jù)現(xiàn)存短板進(jìn)行重點(diǎn)提升，加速全省碳減排的進(jìn)程。

2）碳減排分?jǐn)偡桨钢贫ú粌H需注重公平原則，同時(shí)要綜合考慮各地級(jí)市的碳排放量和效率，對(duì)于碳排放總量大且效率高或碳排放總量小且效率低的城市可適度調(diào)低碳減排配額，應(yīng)將碳減排重心放在碳排放總量大且效率低的城市。

3）江蘇省碳排放效率表現(xiàn)出明顯的空間分異性，為均衡省內(nèi)碳減排工作進(jìn)程，應(yīng)增強(qiáng)各地級(jí)市間交流、互助強(qiáng)度。充分發(fā)揮蘇州市等碳減排成效較好城市的帶頭作用，共享技術(shù)發(fā)展、傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)經(jīng)驗(yàn)。政府也應(yīng)重點(diǎn)關(guān)注連云港市等碳減排成效尚不突出城市的工作進(jìn)展，及時(shí)提供專(zhuān)項(xiàng)政策與資金扶持，助力區(qū)域間協(xié)調(diào)發(fā)展。

參考文獻(xiàn)：

［1］ 朱冬元，紀(jì) 磊.基于STIRPAT模型的長(zhǎng)江經(jīng)濟(jì)帶碳排放驅(qū)動(dòng)因素研究［J］.湖北農(nóng)業(yè)科學(xué)，2021，60（11）：50-54，61.

［2］ 徐英啟，程 鈺，王晶晶，等.中國(guó)低碳試點(diǎn)城市碳排放效率時(shí)空演變與影響因素［J］.自然資源學(xué)報(bào)，2022，37（5）：1261-1276.

［3］ 王文舉，陳真玲.中國(guó)省級(jí)區(qū)域初始碳配額分配方案研究——基于責(zé)任與目標(biāo)、公平與效率的視角［J］.管理世界，2019，35（3）：81-98.

［4］ 周 迪，鄭楚鵬，華詩(shī)潤(rùn)，等.公平與效率協(xié)調(diào)視角下的中國(guó)碳減排潛力與路徑［J］.自然資源學(xué)報(bào)，2019，34（1）：80-91.

［5］ 錢(qián)浩祺，吳力波，任飛州.從“鞭打快?！钡叫黍?qū)動(dòng)：中國(guó)區(qū)域間碳排放權(quán)分配機(jī)制研究［J］.經(jīng)濟(jì)研究，2019，54（3）：86-102.

［6］ 張 成，史 丹，李鵬飛.中國(guó)實(shí)施省際碳排放權(quán)交易的潛在成效［J］.財(cái)貿(mào)經(jīng)濟(jì)，2017，38（2）：93-108.

［7］ MENG F Y， SU B， THOMSON E， et al. Measuring China's regional energy and carbon emission efficiency with DEA models： A survey ［J］. Applied energy， 2016， 183： 1-21.

［8］ 李金鎧，馬靜靜，魏 偉.中國(guó)八大綜合經(jīng)濟(jì)區(qū)能源碳排放效率的區(qū)域差異研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2020，37（6）：109-129.

［9］ 袁長(zhǎng)偉，張 帥，焦 萍， 等.中國(guó)省域交通運(yùn)輸全要素碳排放效率時(shí)空變化及影響因素研究［J］.資源科學(xué)，2017，39（4）：687-697.

［10］ XIE Z，WU R，WANG S.How technological progress affects the carbon emission efficiency？ Evidence from national panel quantile regression［J］. Journal of cleaner production， 2021， 307（1）：127-133.

［11］ SHI R B， IRFAN M， LIU G L， et al. Analysis of the impact of livestock structure on carbon emissions of animal husbandry： A sustainable way to improving public health and green environment ［J］. DOI： 10.3389/fpubh.2022.835210.

［12］ CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units［J］. European journal of operational research， 1978， 2（6）： 429-444.

［13］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001， 130（3）： 498-509.

［14］ TONE K. A slacks-based measure of super-efficiency in data envelopment analysis［J］. European journal of operational research， 2002， 143（1）：32-41.

［15］ TONE K， SAHOO B K. Degree of scale economies and congestion： A unified DEA approach［J］. European journal of operational research， 2004， 158（3）： 755-772.

［16］ 李 健，馬曉芳，苑清敏.區(qū)域碳排放效率評(píng)價(jià)及影響因素分析［J］.環(huán)境科學(xué)學(xué)報(bào)，2019，39（12）：4293-4300.

［17］ ZHOU P， ANG B W， HAN J Y. Total factor carbon emission performance： A Malmquist index analysis［J］. Energy economics， 2010， 32（1）：194-201.

收稿日期：2022-10-20

基金項(xiàng)目：江蘇省軟科學(xué)研究項(xiàng)目（BR2021056）；中央高校基本科研業(yè)務(wù)費(fèi)項(xiàng)目（B220207021）；河海大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目（2022102941341）

作者簡(jiǎn)介：王肖玥（2001-），女，安徽蚌埠人，本科生，主要從事碳核算研究，（電話(huà)）17730055970（電子信箱）2529013421@qq.com；通信作者，

鄧建高（1974-），男，江西余江人，副教授，主要從事碳資產(chǎn)管理、大數(shù)據(jù)管理與應(yīng)用研究，（電話(huà)）13961498379（電子信箱）

djgwmdkx@hhu.edu.cn。