袁鵬

摘要

基于物質(zhì)平衡原則，應(yīng)用數(shù)據(jù)包絡(luò)分析法構(gòu)建了Malmquist碳生產(chǎn)率指數(shù)，用以考察碳排放績效的動(dòng)態(tài)變化。通過該指數(shù)的分解，碳排放績效的變化被分解為技術(shù)效率效應(yīng)、技術(shù)變化效應(yīng)和配置效率效應(yīng)，從而揭示了提升碳排放績效的三個(gè)重要途徑，即技術(shù)效率改進(jìn)、技術(shù)進(jìn)步和配置效率改善。應(yīng)用上述分析框架，論文分析了1997-2012年期間中國工業(yè)碳排放績效的動(dòng)態(tài)變化及主要來源。結(jié)果顯示，在全國平均水平上，研究期間中國工業(yè)部門的碳排放績效總體上增長較快，碳生產(chǎn)率年均增長率為5.8%；碳排放績效增長的主要來源為配置效率的提高，其次為技術(shù)進(jìn)步，而技術(shù)效率的下降起到了抑制作用。分地區(qū)來看，東部地區(qū)碳排放績效增長較快，而中西部地區(qū)碳排放績效增長相對(duì)較緩。而且這種地區(qū)差異還有擴(kuò)大趨勢，其主要原因在于：中西部地區(qū)的技術(shù)進(jìn)步速度明顯慢于東部地區(qū)，而技術(shù)效率下降的速度快于東部地區(qū)。論文還實(shí)證檢驗(yàn)了碳排放績效的影響因素。為了控制變量的空間交互作用，采用了空間計(jì)量模型。實(shí)證結(jié)果表明：國有化程度、能源自給率對(duì)碳排放績效有顯著的負(fù)向影響；研發(fā)投入、外貿(mào)開放度、外商直接投資、能源價(jià)格對(duì)碳排放績效有顯著的正面影響，而人力資本的影響不顯著。此外，國有化程度、人力資本對(duì)碳排放績效的空間溢出效應(yīng)顯著為負(fù)，研發(fā)投入、外商直接投資和能源價(jià)格的空間溢出效應(yīng)顯著為正，而外貿(mào)開放度、能源自給率的空間溢出效應(yīng)不顯著。最后，根據(jù)實(shí)證結(jié)果，論文提出了一些政策建議。

關(guān)鍵詞碳排放績效；物質(zhì)平衡原則；配置效率；空間計(jì)量

中圖分類號(hào)F062.1文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2015）04-0009-12doi：10.3969/j.issn.1002-2104.2015.04.002

近年來，碳排放的持續(xù)增長不僅使得中國面臨著巨大的減排壓力，也威脅到中國經(jīng)濟(jì)的可持續(xù)發(fā)展。在此背景下，有必要分析中國的碳排放績效變化，尋求提升碳排放績效的有效途徑。在這方面，現(xiàn)有研究已較為豐富，主要采用了環(huán)境技術(shù)效率模型。但這種模型存在一個(gè)嚴(yán)重的不足，即違背了物質(zhì)平衡原則（Material Balance Principle， MBP）[1-2]。MBP指的是物質(zhì)既不能被毀滅，也不能被創(chuàng)造出來，只不過是改變了形式。在生產(chǎn)過程中，投入與產(chǎn)出之間的物質(zhì)聯(lián)系必須符合MBP。對(duì)于因能源燃燒產(chǎn)生的碳排放來說，其數(shù)量實(shí)際上取決于能源投入的碳含量。在環(huán)境技術(shù)效率模型中，碳排放一般被視為非期望產(chǎn)出，而碳排放效率也通常被設(shè)定為在現(xiàn)有技術(shù)條件和給定投入水平下，碳排放能夠削減的最大程度。如此設(shè)定實(shí)際上忽視了碳排放與能源消費(fèi)之間的物質(zhì)聯(lián)系，違背了MBP。針對(duì)上述局限性，本文基于MBP建立了Malmquist碳生產(chǎn)率指數(shù)，并應(yīng)用該指數(shù)分析了中國省際工業(yè)部門的碳排放績效變化趨勢、主要來源及影響因素。

1文獻(xiàn)回顧

隨著環(huán)境問題越來越突出，環(huán)境績效評(píng)估已經(jīng)成為環(huán)境經(jīng)濟(jì)學(xué)領(lǐng)域的一個(gè)熱門話題，而碳排放績效評(píng)估是其中的一個(gè)重要方面。早期，碳強(qiáng)度或者碳生產(chǎn)率（碳強(qiáng)度的倒數(shù)）被廣泛應(yīng)用于評(píng)估碳排放績效。這類指標(biāo)具有定義明確、數(shù)據(jù)易得，以及計(jì)算簡便的優(yōu)點(diǎn)，而且能夠通過指數(shù)分解或者結(jié)構(gòu)分解來考察碳排放績效變化的原因[3-5]。然而，這類指標(biāo)沒有考慮生產(chǎn)過程中的投入和產(chǎn)出之間的物質(zhì)聯(lián)系，無法反映投入替代對(duì)績效的影響，也無法評(píng)估決策單元的現(xiàn)有生產(chǎn)狀態(tài)到最優(yōu)狀態(tài)的距離。

為了更好地監(jiān)測和評(píng)估決策單元的生產(chǎn)過程，最近的一些研究基于環(huán)境技術(shù)效率模型評(píng)估碳排放績效。這類模型將污染排放納入效率評(píng)估模型，從而能夠處理包含污染物的效率評(píng)價(jià)問題。在污染物的處理方面，這類模型主要有三種處理方法：一是將污染物視為投入，二是將污染物數(shù)量進(jìn)行數(shù)據(jù)轉(zhuǎn)換后視為正常產(chǎn)出，三是將污染物視為弱可處置的非期望產(chǎn)出。在模型構(gòu)建技術(shù)方面，這類模型通常是基于數(shù)據(jù)包絡(luò)分析（DEA）技術(shù)的，主要采用了投入導(dǎo)向、產(chǎn)出導(dǎo)向、雙曲線型，以及方向型的多種距離函數(shù)，詳見Zhou等[6]的綜述。一些學(xué)者基于環(huán)境技術(shù)效率框架，構(gòu)建了碳排放效率指標(biāo)，并在國家、地區(qū)、行業(yè)和企業(yè)等多個(gè)層面上進(jìn)行了分析[7-9]。這些研究雖然在指標(biāo)構(gòu)建上存在一些差異，但共同的特點(diǎn)是將碳排放作為能源消耗所產(chǎn)出的環(huán)境污染性副產(chǎn)品，即非期望的產(chǎn)出。

近年來，中國的碳排放績效成為學(xué)者們研究的熱點(diǎn)問題。其中，基于環(huán)境技術(shù)效率模型的碳排放效率指標(biāo)應(yīng)用最為廣泛。這些研究雖然都采用了環(huán)境技術(shù)效率框架，但在構(gòu)建碳排放效率指標(biāo)所采用的DEA模型方面略有不同，主要包括：徑向式DEA模型[10-11]、基于松弛變量的DEA模型[12-13]、基于方向性距離函數(shù)的DEA模型[14-15]、范圍調(diào)整的DEA[16]、三階段DEA模型[17]、基于共同前沿的DEA模型[18-19]。由于采用的指標(biāo)構(gòu)建方法不同，這些研究得到的結(jié)論也有較大差異。

上述研究主要是對(duì)碳排放績效進(jìn)行了靜態(tài)評(píng)估，在每個(gè)時(shí)間截面上都假定了生產(chǎn)技術(shù)保持不變，因而不能用于考察排放績效的動(dòng)態(tài)變化。對(duì)此，一些學(xué)者在環(huán)境技術(shù)效率模型的基礎(chǔ)上，引入Malmquist 生產(chǎn)率指數(shù)，構(gòu)建了碳排放績效的動(dòng)態(tài)指標(biāo)。Zhou等[20]、王群偉等[21]基于碳導(dǎo)向的距離函數(shù)，構(gòu)建了Malmqusit碳排放績效變化指數(shù)。運(yùn)用該指數(shù)，前者分析了1997-2004年期間全球CO2排放量最高的18個(gè)國家碳排放績效的變化和來源，而后者分析了1996-2007年期間中國各地區(qū)碳排放績效的演變趨勢、收斂性和影響因素。羅良文和李珊珊[22]基于方向性距離函數(shù)，采用MalmquistLuenberger生產(chǎn)率指數(shù)，測度了1995-2010年期間中國各地區(qū)的全要素碳排放績效指數(shù)。類似地，趙國浩和高文靜[23]應(yīng)用該方法，測度了2005-2009年期間中國工業(yè)部門各細(xì)分行業(yè)的碳排放績效指數(shù)。進(jìn)一步地，考慮決策單元的技術(shù)異質(zhì)性，Zhang和Choi[24]構(gòu)建了基于共同前沿的非徑向型Malmqusit碳排放績效指數(shù)，并應(yīng)用于分析2005-2010年期間中國火力發(fā)電廠碳排放績效的變化。

綜上所述，在碳排放績效評(píng)估方面，現(xiàn)有研究已較為豐富，也得到了許多有價(jià)值的結(jié)論。然而，它們存在一個(gè)共同的局限，即忽視了MBP。事實(shí)上，只要受到質(zhì)量守恒定律的約束，生產(chǎn)過程的物質(zhì)轉(zhuǎn)換就必須要符合物質(zhì)平衡這一基本原則。Coelli等[1]、Lauwers等[2]批評(píng)現(xiàn)在被廣泛采用的環(huán)境技術(shù)效率模型不符合MBP，并提出了一個(gè)新的環(huán)境效率衡量框架。在該框架中，污染排放量被視為從投入中的污染物質(zhì)數(shù)量中扣掉產(chǎn)出中的污染物質(zhì)數(shù)量后的物質(zhì)余額，而不是被視為投入或者非期望產(chǎn)出，這一點(diǎn)與環(huán)境技術(shù)效率模型具有本質(zhì)區(qū)別。因此，在該框架下，環(huán)境效率被定義為在產(chǎn)出保持不變的情況下，最小技術(shù)可行的物質(zhì)余額與實(shí)際觀測的物質(zhì)余額的比值。近年來，MBPDEA模型被廣泛應(yīng)用于農(nóng)作物生產(chǎn)和牲畜飼養(yǎng)等領(lǐng)域的環(huán)境效率評(píng)估[25-28]。然而，在碳排放績效評(píng)估領(lǐng)域，MBP還未受到重視，而忽視這一基本原則，將導(dǎo)致對(duì)碳排放績效的分析出現(xiàn)偏差。

2基于MBP的碳排放績效分析框架

2.1基于MBP的碳排放效率指標(biāo)

首先，本文引入物質(zhì)平衡原則，構(gòu)建碳排放效率指標(biāo)。在本文中，用以描述工業(yè)部門生產(chǎn)技術(shù)的技術(shù)集包含了四種能源投入：煤炭（coal）、油品（oil）、電力（elec）和天然氣（gas），兩種非能源投入：勞動(dòng)（L）和資本（K），以及一種產(chǎn)出（Y）：工業(yè)總產(chǎn)值。因此技術(shù)集T被設(shè)定為T={（Y，X）|X能生產(chǎn)出Y}。其中，X表示投入向量，Y為產(chǎn)出。

如前所述，物質(zhì)平衡原則要求污染物質(zhì)的排放數(shù)量等于投入中包含的污染物質(zhì)總量減去產(chǎn)出中包含的污染物質(zhì)總量。對(duì)于因能源燃燒產(chǎn)生的CO2排放來說，由于產(chǎn)出為不含碳元素的工業(yè)總產(chǎn)值，因此，CO2排放總量僅僅來自于投入，即CO2=ATX。其中，A表示投入的CO2排放因子向量，反映了單位投入所產(chǎn)生的CO2排放量。顯然，非能源要素排放因子為0。一個(gè)重要問題是，生產(chǎn)一定數(shù)量的產(chǎn)出，怎樣的投入組合能夠產(chǎn)生最少的CO2排放？該問題可轉(zhuǎn)換為以下最優(yōu)化問題，即：

CO2（Y，X）=minX{ATX|（Y，X）∈T}（1）

其中，CO2（Y，X）表示的是碳前沿，反映了在排放因子、生產(chǎn)技術(shù)和投入既定的情況下，生產(chǎn)一定數(shù)量的產(chǎn)出所產(chǎn)生的最小CO2排放量。假設(shè)Xee為上述最優(yōu)化問題的解，即產(chǎn)生最小排放的投入組合，那么可以求得最小的CO2排放量為ATXee。

類似于成本效率的定義，碳排放效率（CEE）可以被定義為最小排放與實(shí)際排放（ATX）的比值：CEE=ATXee/ATX。CEE的取值在0到1之間，等于1時(shí)意味著實(shí)現(xiàn)了碳排放有效。換句話說，在現(xiàn)有可行技術(shù)下，生產(chǎn)特定數(shù)量的產(chǎn)出所產(chǎn)生的碳排放已經(jīng)達(dá)到了最小水平。采用CEE衡量碳排放績效的優(yōu)點(diǎn)在于：首先，相比于碳強(qiáng)度指標(biāo)，該指標(biāo)是基于生產(chǎn)理論構(gòu)造的，反映了生產(chǎn)過程中投入、產(chǎn)出和排放之間的技術(shù)聯(lián)系；其次，該指標(biāo)符合MBP，這一點(diǎn)也優(yōu)于基于環(huán)境技術(shù)效率的碳排放效率指標(biāo)。

與成本效率類似，CEE也可以分解為技術(shù)效率和配置效率兩個(gè)成分：

其中，θ為投入導(dǎo)向的技術(shù)效率（TE），是在現(xiàn)有技術(shù)條件下生產(chǎn)特定數(shù)量的產(chǎn)出所需要的最小投入數(shù)量與實(shí)際投入數(shù)量的比率。Xte=θX表示技術(shù)有效的投入向量。θ可以通過以下最優(yōu)化問題求出：

TE（Y，X）=minθ{θ|（Y，θX）∈T}（3）

EAE為配置效率，衡量了決策單元的投入組合與排放最小的投入組合之間的相對(duì)差距。在全要素框架下，EAE的大小既取決于各種能源之間配置的合理程度，也取決于能源投入與非能源投入之間相互替代和配合的合理程度。TE和EAE的取值范圍均為0-1之間，取值為1時(shí)分別達(dá)到了技術(shù)有效和配置有效。

在本文中，TE和CEE的計(jì)算采用了規(guī)模報(bào)酬不變的投入導(dǎo)向型DEA模型。在計(jì)算出TE和CEE之后，可以通過式（2）反解出EAE。

2.2Malmqusit碳生產(chǎn)率指數(shù)及其分解

CEE的計(jì)算是基于單個(gè)時(shí)間截面的，只能反映特定時(shí)間截面上決策單元的碳排放績效，不能用于考察碳排放績效的動(dòng)態(tài)變化。為此，本文在定義CEE的基礎(chǔ)上，引入成本導(dǎo)向型Malmquist生產(chǎn)率指數(shù)[29]，構(gòu)建Malmquist碳生產(chǎn)率指數(shù)，并對(duì)其進(jìn)行分解，以考察碳排放績效的動(dòng)態(tài)變化及其驅(qū)動(dòng)因素。

TECH為技術(shù)效率變化指數(shù)，衡量了決策單元與當(dāng)期可行的最優(yōu)績效點(diǎn)組成的效率前沿之間相對(duì)距離的變化。TECH大于1、等于和小于1，分別表示決策單元到效率前沿的距離在t期相比s期更近、不變和更遠(yuǎn)，分別意味著技術(shù)效率提高、不變和下降。TPCH為技術(shù)變化指數(shù)，衡量了效率前沿的變化，其值大于、等于和小于1分別表示了決策單元的技術(shù)水平提高、不變和下降。AECH為配置效率變化指數(shù)，其值大于1代表了決策單元的投入組合在t期相比s期更接近于排放最優(yōu)的投入組合，即投入配置的變化提高了碳排放績效；小于1則表示投入配置的變化降低了碳排放績效，而等于1則表示投入配置的變化對(duì)排放績效沒有影響。上述分解不僅可以考察技術(shù)效率變化和技術(shù)變化對(duì)碳排放績效的影響，還可以檢驗(yàn)了配置效率變化對(duì)碳排放績效的影響。這與Zhou等[20]、王群偉等[21]、趙國浩和高文靜[23]等的研究有所不同，他們所構(gòu)建的Malmqusit碳排放績效指數(shù)或生產(chǎn)率指數(shù)無法考察配置效率的變化對(duì)碳排放績效的影響。

對(duì)式（7）的兩端取對(duì)數(shù)，得到：lnCM=lnTECH+lnTPCH+lnAECH。因此，碳排放績效的變化可以分解為三個(gè)組成部分：技術(shù)效率變化效應(yīng)、技術(shù)變化效應(yīng)和配置效率變化效應(yīng)。這一分解實(shí)際揭示了提高碳排放績效的三種路徑：技術(shù)效率改善、配置效率優(yōu)化和技術(shù)進(jìn)步。由于管理無效、規(guī)模不經(jīng)濟(jì)、以及各種損耗等因素，生產(chǎn)單元在要素使用方面往往存在技術(shù)效率的損失。如果能夠克服或者減少這些非效率因素，決策單元的要素使用效率將提高，實(shí)現(xiàn)產(chǎn)出不變而投入節(jié)約和排放削減。配置效率的提高意味著優(yōu)化投入結(jié)構(gòu)，即在現(xiàn)有技術(shù)條件下，盡可能多地采用非能源投入替代能源投入，或者盡可能多地采用清潔度更高的能源。開發(fā)能源節(jié)約型技術(shù)，不斷推動(dòng)技術(shù)進(jìn)步是實(shí)現(xiàn)減排的根本路徑。從長期來看，減少碳排放必須依靠技術(shù)進(jìn)步。對(duì)于任何一個(gè)決策單元而言，改善效率水平和優(yōu)化投入結(jié)構(gòu)均具有“天花板”效應(yīng)，即面臨極限問題，唯有技術(shù)進(jìn)步才能持續(xù)地釋放節(jié)能減排的潛力。

3工業(yè)碳排放績效的動(dòng)態(tài)變化及其地區(qū)差異

3.1變量與數(shù)據(jù)說明

本文測度碳排放績效所采用的數(shù)據(jù)集包含了1997-2012年期間中國省際工業(yè)部門的投入產(chǎn)出數(shù)據(jù)，樣本不含港澳臺(tái)地區(qū)和西藏自治區(qū)?；A(chǔ)數(shù)據(jù)來自于中國統(tǒng)計(jì)年鑒、中國能源統(tǒng)計(jì)年鑒、中國物價(jià)年鑒以及中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒等。如前所述，本文選擇工業(yè)總產(chǎn)值作為產(chǎn)出指標(biāo)，并采用工業(yè)品出廠價(jià)格指數(shù)將其調(diào)整為以1997年為基期的可比價(jià)。勞動(dòng)投入以工業(yè)年平均從業(yè)人員數(shù)表示。資本投入以價(jià)格縮減后的固定資產(chǎn)凈值表示，具體公式為：Kt=Kt-1+△It/Pt。Kt為第t期的1997年不變價(jià)計(jì)算的固定資產(chǎn)凈值，△It為第t期新增的現(xiàn)價(jià)固定資產(chǎn)凈值，Pt為第t期累積的固定資產(chǎn)投資價(jià)格指數(shù)。

至于能源投入，地區(qū)能源平衡表中所列出的29種主要能源品種均被考慮在內(nèi)，并轉(zhuǎn)化為標(biāo)準(zhǔn)煤當(dāng)量。由于自由度的限制，所有的能源品種均按照標(biāo)準(zhǔn)煤當(dāng)量歸集為四類能源。原煤以及煤炭制品被歸集為煤品，原油以及石油制品被歸集為油品，除此之外的另外兩種能源為天然氣（含液態(tài)）和電力。因此，本文中的能源投入一共包含了四種：煤、油、電和天然氣，采用工業(yè)部門的最終能源消費(fèi)量指標(biāo)作為其投入的數(shù)量（未含用作原料的部分）。由于煤、油均含多種細(xì)分品種，天然氣也包括了氣態(tài)和液態(tài)，因此，這三種能源的CO2排放因子是所屬細(xì)分品種（形態(tài)）的排放因子的加權(quán)平均，即：

3.2工業(yè)碳排放績效的動(dòng)態(tài)變化

從圖1可見，研究期間，工業(yè)碳排放績效總體上處于持續(xù)上升的態(tài)勢。至2012年，全國平均的CM累積指數(shù)為2.379，CM的年均增長率為5.8%（若未特別注明，此處及下文所指的平均數(shù)全部為幾何平均數(shù)）。AECH、TPCH和TECH的累積指數(shù)分別為1.738、1.508和0.908，其年均增長率分別為3.7%、2.7%和-0.6%，三者對(duì)CM增長率的貢獻(xiàn)分別為63.8%、46.6%和-10.4%。因此，配置效率的提高是驅(qū)動(dòng)碳排放績效增長的主要力量，技術(shù)進(jìn)步也在較大程度上促進(jìn)了碳排放績效的增長，而技術(shù)效率的下降卻阻礙了碳排放績效的提高?？梢?，進(jìn)一步提高碳排放績效必須著力于改善技術(shù)效率水平，這需要加強(qiáng)在管理創(chuàng)新、制度變革和提高人力資本等方面的工作。

上述結(jié)論異于現(xiàn)有研究結(jié)論。事實(shí)上，由于研究方法和樣本期間的差別，現(xiàn)有研究在中國碳排放績效的變化趨勢和驅(qū)動(dòng)因素方面也沒有獲得一致結(jié)論。王群偉等[21]基于碳導(dǎo)向的距離函數(shù)，構(gòu)造了Malmqusit碳排放績效指數(shù)，結(jié)果表明：1995-2007年期間，中國碳排放績效年均增速為3.25%；技術(shù)進(jìn)步推動(dòng)了碳排放績效的增長，而技術(shù)效率下降制約了碳排放績效的提高。羅良文和李珊珊[22]基于方向性距離函數(shù)，應(yīng)用MalmquistLuenberger指數(shù)的測度結(jié)果表明，1995-2010年期間中國的碳排放績效小幅度下滑，主要原因是技術(shù)退步，而技術(shù)效率的改善起到了抑制碳排放績效下降的作用。這一結(jié)論明顯異于王群偉等的結(jié)論。趙國浩和高文靜[23]同樣基于方向性距離函數(shù)，構(gòu)建了Malmquis碳生產(chǎn)率指數(shù)，發(fā)現(xiàn)2004-2009年期間中國工業(yè)部門的碳排放績效整體上存在下降的趨勢，但他們還發(fā)現(xiàn)碳排放績效下降的主要原因是技術(shù)效率下降而非技術(shù)退步，這與羅良文和李珊珊[22]的結(jié)論亦有所差異。

上述研究的共同局限在于忽視了物質(zhì)平衡原則，這可能導(dǎo)致測度結(jié)果存在偏差。此外，現(xiàn)有研究所構(gòu)造的碳排放績效指數(shù)只能分解為技術(shù)效率變化和技術(shù)變化兩個(gè)成分，因而無法考察配置效率變化對(duì)碳排放績效的影響。如果研究期間內(nèi)決策單元的配置效率顯著提高，那么忽視了配置效率變化的影響可能低估碳排放績效的提高，而本文的研究也證實(shí)了這一點(diǎn)。

3.3工業(yè)碳排放績效變化的地區(qū)差異

本文首先在省際層面上考察工業(yè)碳排放績效變化的地區(qū)差異。由表2可見，碳排放績效增長最快的省市依次為重慶、北京、吉林、天津、福建、浙江，年均增速在8%以上。驅(qū)動(dòng)這些省市碳排放績效增長的主要原因有所差異：重慶、吉林、天津、福建主要受益于配置效率的改進(jìn)，而北京、浙江和廣東主要受益于技術(shù)進(jìn)步。碳排放績效增長最慢的省市依次為新疆、黑龍江、寧夏、甘肅和云南，年均增速低于4%。尤其值得注意的是，新疆和黑龍江的碳排放績效表現(xiàn)為負(fù)增長，年均下降1.2%和0.5%。導(dǎo)致這兩個(gè)地區(qū)碳排放績效表現(xiàn)較差的原因也有所不同，于新疆而言，主要原因是技術(shù)效率和配置效率的下降，而對(duì)黑龍江來說，主要源于技術(shù)效率的下降。

從分解項(xiàng)來看，在技術(shù)變化方面，所有省市均表現(xiàn)出了不同程度的增長，其中北京、上海、廣東、浙江等4省市的年均增速達(dá)到或者超過了4%，而青海、吉林、湖南、云南等4省的年均增長率僅在1%以下。在技術(shù)效率方面，共有16個(gè)省市表現(xiàn)為負(fù)增長，其中年均下降率超過2%的有黑龍江、河南、四川、江西、陜西、內(nèi)蒙古、海南等7個(gè)省份。在配置效率方面，除新疆和寧夏表現(xiàn)為負(fù)增長外，其他28個(gè)省市均為正增長；其中，四川、山東、重慶、湖南、福建、陜西、海南、吉林等表現(xiàn)最為突出，年均增長率超過了5%，對(duì)這些地區(qū)碳排放績效的改善起到了主導(dǎo)作用。

現(xiàn)在，本文再從東中西三大地區(qū)的層面進(jìn)一步分析工業(yè)碳排放績效的地區(qū)差異。本文沿用了國家“七五”計(jì)劃將全國劃分為東中西三大經(jīng)濟(jì)區(qū)域的方法。具體而言，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12個(gè)沿海省市區(qū)；中部地區(qū)包括內(nèi)蒙古、吉林、黑龍江、山西、安徽、江西、河南、湖北、湖南等9省區(qū)；西部地區(qū)包括四川（含重慶）、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆等9個(gè)省市區(qū)。

由圖1可見，東部、中部和西部三大地區(qū)平均的CM累積指數(shù)與全國平均水平具有基本一致的變化趨勢，但增速有一定差別。具體而言，至2012年，東部、中部和西部地區(qū)的CM累積指數(shù)分別為2.971、2.311和1.821，對(duì)應(yīng)的年均增長率分別為7.3%、5.6%和4.0%。這表明，東部地區(qū)的碳排放績效增長最快，中部地區(qū)其次，而西部地區(qū)的增長相對(duì)較緩。通過對(duì)比三大地區(qū)期初的CM指數(shù)和期末的CM累積指數(shù)，可以大致判斷出三大地區(qū)的碳排放績效是否存在增長收斂性。在期初的1997年，中部和西部地區(qū)的CM指數(shù)與東部地區(qū)CM指數(shù)的比值分別為0.78和0.87，而到期末的2012年，東部、中部和西部地區(qū)的CM累積指數(shù)與東部地區(qū)CM累積指數(shù)的比值分別為0.78和0.72。這表明，在碳排放績效的增速方面，中部地區(qū)與東部地區(qū)的差距保持了穩(wěn)定，沒有擴(kuò)大，而西部地區(qū)與東部地區(qū)的差距呈現(xiàn)出擴(kuò)大趨勢。因此，從整體上看，

在研究期間內(nèi)三大地區(qū)的碳排放績效并不存在增長收斂性，這不同于王群偉等[21]所發(fā)現(xiàn)的絕對(duì)收斂的結(jié)論。

與全國平均水平一致，各地區(qū)碳排放績效增長的首要來源均為配置效率的提高，次要來源為技術(shù)進(jìn)步，而技術(shù)效率的下降起到了制約作用。具體而言，東部地區(qū)的AECH、TPCH和TECH的累積指數(shù)分別為1.806、1.671和0.984，年均增長率分別為3.9%、3.4%和-0.1%；中部地區(qū)的AECH、TPCH和TECH的累積指數(shù)分別為1.929、1.422和0.843，年均增長率分別為4.4%、2.3%和-1.1%；西部地區(qū)的AECH、TPCH和TECH的累積指數(shù)分別為1.487、1.393和0.879，年均增長率分別為2.6%、2.2%和-0.9%。

上述結(jié)果表明，在東部和西部地區(qū)，配置效率的提高與技術(shù)進(jìn)步對(duì)碳排放績效增長的正面作用較為相近；而在中部地區(qū)，雖然技術(shù)進(jìn)步也起到了促進(jìn)碳排放績效的作用，但其作用明顯小于配置效率。技術(shù)效率的下降對(duì)三大地區(qū)碳排放績效的提高均起到了負(fù)面作用，不過影響程度有所差異：東部地區(qū)相對(duì)較小，而在中部和西部地區(qū)相對(duì)較大。從各分解項(xiàng)的增長率來看，造成三大地區(qū)碳排放績效差距擴(kuò)大的主要原因是中部地區(qū)在技術(shù)進(jìn)步和技術(shù)效率變化兩方面弱于東部地區(qū)，而西部地區(qū)除了上述兩方面外，在配置效率改善方面也不如東部地區(qū)。

4工業(yè)碳排放績效的影響因素分析

現(xiàn)在，本文將進(jìn)一步地考察影響碳排放績效的相關(guān)因素。一些研究表明，國有化程度、人力資本水平、研發(fā)投入、外貿(mào)開放度、外商直接投資、能源價(jià)格等可能是影響碳排放績效的重要因素[21-22， 31]。本文還考慮了能源自給率的影響。以上變量的定義及描述性統(tǒng)計(jì)見表3。

在表3中，部分變量的取值需進(jìn)一步說明。R&D存量的核算采用了永續(xù)盤存法，公式為RDt=RDt-1（1-σ）+rdt。rd表示研發(fā)支出，以各地區(qū)科技活動(dòng)內(nèi)部支出來衡量，并通過一個(gè)構(gòu)造的研發(fā)價(jià)格指數(shù)換算為1997年的不變價(jià)格。研發(fā)價(jià)格指數(shù)以消費(fèi)者價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)的加權(quán)平均值來表示，權(quán)重分別為研發(fā)支出中的勞務(wù)費(fèi)份額和固定資產(chǎn)構(gòu)建費(fèi)份額。σ為折舊率，取值為0.15。RD0為期初的研發(fā)存量，計(jì)算公式為：RD0=rd0/（σ+g），其中rd0為期初的研發(fā)支出，g為研究期間研發(fā)支出的年均增長率。2007-2012年的能源價(jià)格指數(shù)采用了原材料購進(jìn)價(jià)格指數(shù)中的“燃料、動(dòng)力類”的價(jià)格指數(shù)。1997-2006年能源價(jià)格指數(shù)由作者估計(jì)得到，基礎(chǔ)數(shù)據(jù)為《中國物價(jià)年鑒》36個(gè)大中城市主要能源品種的價(jià)格。具體步驟為：以省會(huì)城市的能源價(jià)格（以標(biāo)準(zhǔn)煤當(dāng)量計(jì)）作為該省的能源價(jià)格，然后按各能源的消費(fèi)份額進(jìn)行

加權(quán)平均得到綜合的能源價(jià)格，最后根據(jù)各年的綜合能源價(jià)格獲得能源價(jià)格指數(shù)。

首先，本文以CM為被解釋變量，建立以下傳統(tǒng)的面板回歸模型：

CMit=c0+Xitβ+ci+εit（11）

下標(biāo)i和t分別表示個(gè)體和時(shí)間。c0為常數(shù)項(xiàng)，X為解釋變量的向量形式。ci為個(gè)體效應(yīng)，用以控制那些不隨時(shí)間變化，但又會(huì)影響碳排放績效的因素。β為待估系數(shù)向量，ε為隨機(jī)誤差項(xiàng)。應(yīng)用Matlab軟件，本文分別按隨機(jī)效應(yīng)和固定效應(yīng)估計(jì)了上述模型，結(jié)果見表4。

結(jié)果顯示，無論是隨機(jī)效應(yīng)模型，還是固定效應(yīng)模型，大多數(shù)解釋變量的系數(shù)通過了10%的顯著性檢驗(yàn)。Hausman檢驗(yàn)結(jié)果表明，隨機(jī)效應(yīng)模型比固定效應(yīng)模型更為合適。雖然兩種模型估計(jì)出的系數(shù)在大小和顯著性水平方面有一些差異，但所有系數(shù)的方向保持了一致，即HC、RD、IT、FDI和EP等變量與CM呈正向關(guān)系，而SR、ES與CM呈負(fù)向關(guān)系。這表明，提升人力資本和研發(fā)投入水平，擴(kuò)大外貿(mào)開放度，增加外商直接投資，以及提高能源價(jià)格，將有利于碳排放績效的增長，而提高國有化程度和能源自給率，將不利于碳排放績效的增長。

以上傳統(tǒng)面板回歸模型存在一個(gè)嚴(yán)重的缺點(diǎn)，即沒有考慮變量的空間相關(guān)性，而這一點(diǎn)在現(xiàn)有研究中也被普遍忽視了。從前面的分析可見，各地區(qū)的碳排放績效增長率具有顯著差異，基本特征是東部省市相對(duì)較高，而中西部省市的碳排放績效增長率相對(duì)較低，表明各地區(qū)的碳排放績效可能存在空間相關(guān)性。已有研究表明，中國省域碳排放績效的空間分布并非處于隨機(jī)狀態(tài)，而是表現(xiàn)出鄰域之間較強(qiáng)的正向空間相關(guān)性[32]。類似地，上述解釋變量也可能存在空間相關(guān)性。如果忽視變量的空間相關(guān)性，將導(dǎo)致偏誤的估計(jì)結(jié)果和錯(cuò)誤的結(jié)論。因此，本文將引入空間計(jì)量模型，以控制變量的空間相關(guān)性。

通常而言，在控制空間相關(guān)性方面，有兩種基本的空間計(jì)量模型可以考慮，即空間滯后模型和空間誤差模型[33]。前者將被解釋變量的空間滯后項(xiàng)作為解釋變量，而后者在誤差項(xiàng)中包含了空間自回歸過程，具體形式分別見式（12）和（13）。

在空間滯后模型中，∑j=1wijCMjt為CM的空間滯后項(xiàng)，衡量了一個(gè)地區(qū)的碳排放績效與臨近地區(qū)的碳排放績效之間的空間交互作用，λ為該變量的待估系數(shù)。wij為空間權(quán)重矩陣W的第i行第j列個(gè)元素，用以衡量第i、j兩個(gè)地區(qū)的空間交互作用強(qiáng)度。W的構(gòu)造方法有多種，本文采用了距離平方的倒數(shù)，即wij=1/D2ij（i≠j，wij=0）。Dij為第i、j兩個(gè)地區(qū)地理中心點(diǎn)之間的歐式距離。顯然，兩個(gè)地區(qū)距離越近，其空間交互作用越強(qiáng)。在空間誤差模型中，第i個(gè)地區(qū)的誤差項(xiàng)μit被設(shè)定為兩項(xiàng)之和：ρ∑j=1wijμit為μit的空間自回歸項(xiàng)，用以控制uit與其他地區(qū)的誤差項(xiàng)之間的空間相關(guān)性，ρ為空間自回歸系數(shù)，vit為隨機(jī)誤差項(xiàng)。

在實(shí)證研究中，為了判斷樣本數(shù)據(jù)究竟是適合于非空間計(jì)量模型，還是適合于空間滯后模型或空間誤差模型，一般對(duì)非空間計(jì)量模型的殘差進(jìn)行空間滯后變量的拉格朗日乘子檢驗(yàn)（LMspatial lag test）和空間誤差自回歸的拉格朗日乘子檢驗(yàn)（LMspatial error test）。本文在傳統(tǒng)的面板回歸模型估計(jì)結(jié)果的基礎(chǔ)上進(jìn)行了這兩項(xiàng)檢驗(yàn)。結(jié)果表明，LMspatial lag檢驗(yàn)值和LMspatial error 檢驗(yàn)值均在1%的水平上顯著地拒絕了非空間計(jì)量模型，但此時(shí)還不能判斷究竟應(yīng)該采用空間滯后模型，還是應(yīng)該采用空間誤差模型。在這種情況下，Lesage 和Pace[34]推薦采用空間杜賓模型（Spatial Durbin Model），該模型比空間滯后模型和空間誤差模型更為一般化，形式如下：

CMit=c0+Xitβ+ci+λ∑j=1wijCMjt+∑j=1wijXijtη+εit（14）

其中，∑j=1wijXijt為解釋變量的空間滯后項(xiàng)向量，η為待估系數(shù)向量?？梢姡臻g杜賓模型不僅控制了被解釋變量的空間交互作用，也控制了解釋變量的空間交互作用。對(duì)于空間杜賓模型，可進(jìn)行Wald檢驗(yàn)，以判斷其是否可以退化為空間滯后模型或空間誤差模型。若η=0不能被拒絕，則表明空間杜賓模型可退化為空間滯后模型；若η+λβ=0不能被拒絕，表明空間杜賓模型可退化為空間誤差模型[34]。

本文采用Matlab的空間面板計(jì)量模塊對(duì)空間杜賓模型進(jìn)行了估計(jì)，包括了隨機(jī)效應(yīng)和固定效應(yīng)，結(jié)果見表5。結(jié)果顯示，無論是哪種模型，被解釋變量和大部分解釋變量的空間滯后項(xiàng)通過了至少10%的顯著性檢驗(yàn)，這表明控制變量的空間交互作用是非常必要的。與傳統(tǒng)的面板回歸模型相比，空間杜賓模型的估計(jì)結(jié)果在回歸系數(shù)的大小和顯著性水平方面有所差異。不過，更為重要的區(qū)別在于，通過納入變量的空間滯后項(xiàng)，空間杜賓模型能夠考察變量的空間溢出效應(yīng)，這不僅增加了模型估計(jì)的準(zhǔn)確性以及提高了模型的解釋力度（更高的R2和對(duì)數(shù)似然值），也有助于得到更為豐富的結(jié)論。

Wald檢驗(yàn)的結(jié)果表明，空間杜賓模型既不能退化為空間滯后模型，也不能退化為空間誤差模型，因而空間杜賓模型與本文樣本數(shù)據(jù)具有更好的適配性。進(jìn)一步地，比較空間杜賓隨機(jī)效應(yīng)模型和空間杜賓固定效應(yīng)模型，本文發(fā)現(xiàn)兩者的估計(jì)結(jié)果較為接近，特別是在大多數(shù)系數(shù)的正負(fù)方向方面保持了一致。相對(duì)而言，空間杜賓固定效應(yīng)模型的R2和對(duì)數(shù)似然值更高一些，但空間杜賓隨機(jī)效應(yīng)模型在系數(shù)顯著性水平方面更勝一籌，而且Hausman檢驗(yàn)結(jié)果也表明，隨機(jī)效應(yīng)的假設(shè)不能被拒絕。因此，本文采納了空間杜賓隨機(jī)效應(yīng)模型的估計(jì)結(jié)果，并以此進(jìn)一步分析碳排放績效的影響因素。

SR的系數(shù)顯著為負(fù)，表明國有化程度與碳排放績效呈負(fù)向關(guān)系，這與王群偉等[21]、杜慧濱等[32]的結(jié)論是一致的。然而，李濤和傅強(qiáng)[17]認(rèn)為國有企業(yè)的碳排放效率要優(yōu)于非國有企業(yè)，政府對(duì)市場的干預(yù)程度與碳排放效率呈正向關(guān)系。與此觀點(diǎn)不同，本文認(rèn)為，國有企業(yè)普遍存在資源浪費(fèi)、運(yùn)營效率較低以及非市場化行為多等諸多問題，國有企業(yè)比重越高，政府對(duì)市場的干預(yù)程度就越高，由此產(chǎn)生的市場扭曲程度就越高，資源的配置效率就越低。已有研究表明，以國企改革為主要特征的所有制改革能夠削弱市場扭曲，促進(jìn)資源的有效使用[35]。SR的空間滯后項(xiàng)也顯著為負(fù)，表明一個(gè)地區(qū)的碳排放績效不僅受益于該地區(qū)的所有制改革，也受益于其周圍地區(qū)所有制改革所產(chǎn)生的溢出效應(yīng)。這種溢出效應(yīng)可能來自于所有制改革在全域范圍內(nèi)推進(jìn)所導(dǎo)致的市場一體化程度的提高。

HC的系數(shù)為正，但沒有通過顯著性檢驗(yàn)，這意味著人力資本對(duì)碳排放績效沒有顯著性影響。從理論上講，較高的人力資本存量不僅有助于技術(shù)創(chuàng)新，促進(jìn)技術(shù)進(jìn)步，還能提高管理水平和推動(dòng)制度革新，從而改善技術(shù)效率[36]。然而，人力資本要發(fā)揮作用可能需要達(dá)到一定的門檻，而中國工業(yè)部門的人力資本存量較低，從而限制了人力資本的積極作用。在這方面，羅良文和李珊珊[22]也有類似的發(fā)現(xiàn)，他們的研究表明，在全國整體層面上人力資本沒有對(duì)碳排放績效產(chǎn)生顯著影響。頗為意外的是，HC空間滯后項(xiàng)的系數(shù)為負(fù)，且通過了顯著性檢驗(yàn)。這說明人力資本對(duì)碳排放績效產(chǎn)生了顯著的負(fù)向空間溢出效應(yīng)，也就是說一個(gè)地區(qū)的周圍地區(qū)如果提高了人力資本，將對(duì)該地區(qū)的碳排放績效產(chǎn)生抑制作用。之所以出現(xiàn)這樣的結(jié)果，原因可能在于人力資本的空間不均衡。由于中國高等院校、科研院所主要集中于少數(shù)地區(qū)（如北京、上海等地），導(dǎo)致人力資本存在空間極化現(xiàn)象，而這些極點(diǎn)地區(qū)將對(duì)其他地區(qū)的人才產(chǎn)生磁吸作用，在強(qiáng)化自身人力資本的同時(shí)削弱其他地區(qū)的人力資本。

RD的系數(shù)為0.164，且通過了1%的顯著性檢驗(yàn)，這表明人均研發(fā)存量每提高1個(gè)百分點(diǎn)，將導(dǎo)致CM提高0.164個(gè)百分點(diǎn)。這進(jìn)一步證實(shí)了羅良文和李珊珊[22]、魏梅等[31]的發(fā)現(xiàn)，即研發(fā)對(duì)碳排放績效具有十分顯著的積極作用。這種積極效應(yīng)主要源于研發(fā)能夠推動(dòng)技術(shù)創(chuàng)新，促進(jìn)技術(shù)進(jìn)步。RD空間滯后項(xiàng)也顯著為正，表明一個(gè)地區(qū)的碳排放績效增長不僅能夠得益于該地區(qū)研發(fā)投入的增加，還能得益于周圍地區(qū)研發(fā)投入的增加。實(shí)際上，這種空間溢出效應(yīng)本質(zhì)上來自于技術(shù)的空間溢出效應(yīng)。

IT和FDI的系數(shù)均為正。FDI的系數(shù)通過了10%的顯著性檢驗(yàn)，IT的系數(shù)雖沒有通過10%的顯著性檢驗(yàn)，但其P值（0.11）與0.1十分接近，在不太嚴(yán)格的情況下可以認(rèn)為顯著不為0。以上表明，對(duì)外貿(mào)易和外商直接投資的增加對(duì)碳排放績效有積極影響。原因在于，對(duì)外貿(mào)易和外商直接投資的增加能夠提高對(duì)外開放程度，有助于加強(qiáng)要素的國際流動(dòng)和市場體系的健全，進(jìn)而促進(jìn)國內(nèi)資源的合理配置，提高配置效率。此外，對(duì)外貿(mào)易和外商直接投資還是非常重要的技術(shù)獲取渠道[37]。本文的發(fā)現(xiàn)與杜慧濱等[32] 、李小平、盧現(xiàn)祥[38]的結(jié)論相似，他們均發(fā)現(xiàn)外貿(mào)有利于中國的節(jié)能減排，但與魏梅[31]、羅良文和李珊珊[22]的結(jié)論則明顯相反。本文再進(jìn)一步考察IT和FDI的空間溢出效應(yīng)。表5顯示，IT的空間滯后項(xiàng)系數(shù)為正，但其值很小且沒有通過顯著性檢驗(yàn)，表明對(duì)碳排放績效沒有產(chǎn)生明顯的空間溢出效應(yīng)。這可能是因?yàn)橐粋€(gè)地區(qū)的外貿(mào)活動(dòng)主要體現(xiàn)了該地區(qū)與國外的經(jīng)濟(jì)聯(lián)系，因而外貿(mào)活動(dòng)所產(chǎn)生的技術(shù)溢出效應(yīng)更多地被該地區(qū)所獲得，溢出到其他地區(qū)的程度較低。FDI的空間滯后項(xiàng)系數(shù)顯著為正，即外商直接投資產(chǎn)生了顯著的正向空間溢出效應(yīng)，也就是說，若某個(gè)地區(qū)的周圍地區(qū)的外商直接投資增加了，將對(duì)該地區(qū)的碳排放績效產(chǎn)生促進(jìn)作用。原因可能在于，外商直接投資的經(jīng)濟(jì)活動(dòng)具有較大的空間范圍，其技術(shù)溢出效應(yīng)能夠作用于其投資所在的地區(qū)，還能惠及其他地區(qū)。

ES的系數(shù)顯著為負(fù)，表明能源自給率與碳排放績效之間存在反向關(guān)系。能源自給率越高的地區(qū)由于能源資源相對(duì)豐裕，往往能源價(jià)格較為便宜且供給容易，因而缺乏節(jié)約能源的內(nèi)在動(dòng)力，從而難以提高碳排放績效；反過來，能源自給率較低的地區(qū)，由于能源資源相對(duì)匱乏導(dǎo)致能源價(jià)格較高且供給困難，其節(jié)約能源的意愿較高。ES空間滯后項(xiàng)的系數(shù)較小且沒有通過顯著性檢驗(yàn)，表明能源自給率對(duì)碳排放績效的影響只局限于地區(qū)內(nèi)部，不存在明顯的空間溢出效應(yīng)。

EP對(duì)碳排放績效的影響顯著為正，也就是說能源價(jià)格的提高有助于碳排放績效的增長，這一點(diǎn)也被魏梅等[31]、杜慧濱等[32]所證實(shí)。在中國，由于能源尚未形成市場化的定價(jià)體制，其價(jià)格往往存在扭曲和低估，不利于能源的節(jié)約使用[39]。因此，能源價(jià)格的上升能夠降低要素市場扭曲程度，提高配置效率。此外，能源價(jià)格上漲也能夠激勵(lì)企業(yè)應(yīng)用節(jié)能技術(shù)，推動(dòng)能源節(jié)約型技術(shù)進(jìn)步。

最后，CM空間滯后項(xiàng)的系數(shù)顯著為正，表明各地區(qū)碳排放績效存在正向的空間交互作用。這種相互促進(jìn)效應(yīng)來自各地區(qū)在節(jié)能減排方面的經(jīng)驗(yàn)交流、技術(shù)示范以及制度借鑒等。2012年，中央政府對(duì)“十二五”期間的節(jié)能減排目標(biāo)進(jìn)行了地區(qū)分解，由此各地區(qū)將面臨嚴(yán)格的節(jié)能減排績效考核。在此背景下，在節(jié)能減排的技術(shù)、經(jīng)驗(yàn)和制度等方面，各地區(qū)應(yīng)當(dāng)積極合作，相互促進(jìn)，形成合力和協(xié)同效應(yīng)，以推動(dòng)全國節(jié)能減排總量目標(biāo)的完成。

5結(jié)論與建議

基于物質(zhì)平衡原則，本文采用DEA方法構(gòu)建了Malmquist碳生產(chǎn)率指數(shù)，并應(yīng)用該指數(shù)考察了1997-2012年期間中國工業(yè)碳排放績效的動(dòng)態(tài)變化、主要來源以及地區(qū)差異。最后，本文還分別采用傳統(tǒng)計(jì)量模型和空間計(jì)量模型對(duì)碳排放績效的影響因素進(jìn)行了實(shí)證檢驗(yàn)。主要結(jié)論如下：

（1）研究期間，中國工業(yè)碳排放績效表現(xiàn)為持續(xù)上升的趨勢，年均增長率達(dá)到了5.8%。配置效率的提高是驅(qū)動(dòng)碳排放績效增長的主要因素，對(duì)碳排放績效增長的貢獻(xiàn)為63.8%。技術(shù)進(jìn)步對(duì)碳排放績效增長也發(fā)揮了較大的促進(jìn)作用，貢獻(xiàn)率達(dá)到46.6%。技術(shù)效率年均下降0.6%，其對(duì)碳排放績效增長起到了制約作用。由于考慮了配置效率改善的積極作用，本文得到的碳排放績效增長率明顯高于現(xiàn)有研究。

（2）碳排放績效的變化存在明顯的地區(qū)差異。在省際層面上，除新疆和黑龍江的碳排放績效表現(xiàn)為負(fù)增長外，其他地區(qū)均表現(xiàn)為正增長，其中重慶、北京、吉林、天津、福建、浙江等的增速最為顯著，年均超過8%。在三大地區(qū)中，東部地區(qū)的碳排放績效增長最快，年均增長率為7.3%，中部地區(qū)其次，年均增長率為5.6%，西部地區(qū)的年均增長率僅為4.0%，相對(duì)較緩?？梢?，三大地區(qū)的碳排放績效并不存在增長收斂性，而造成碳排放績效地區(qū)差距擴(kuò)大的主要原因是：中部地區(qū)在技術(shù)進(jìn)步和技術(shù)效率變化兩方面弱于東部地區(qū)，而西部地區(qū)除了上述兩方面外，在配置效率改善方面也不如東部地區(qū)。此外，分地區(qū)來看，碳排放績效增長的來源也有所不同。在東部、西部兩個(gè)地區(qū)，配置效率提高與技術(shù)進(jìn)步對(duì)碳排放績效增長的作用相近，而在中部地區(qū)，配置效率提高對(duì)該地區(qū)碳排放績效增長的作用明顯高于技術(shù)進(jìn)步的作用。雖然技術(shù)效率的下降對(duì)三大地區(qū)碳排放績效的提高均起到了制約作用，但這種制約作用在東部地區(qū)表現(xiàn)較小，而在中部和西部兩個(gè)地區(qū)表現(xiàn)較為明顯。技術(shù)效率地區(qū)差異的擴(kuò)大表明地區(qū)間還存在較強(qiáng)的技術(shù)壁壘，導(dǎo)致相對(duì)落后的地區(qū)難以通過對(duì)先發(fā)者的模仿來達(dá)到追趕目的，逐漸遠(yuǎn)離了生產(chǎn)前沿，這不利于全國整體技術(shù)效率水平的提高和節(jié)能降耗。

（3）由于控制了各種經(jīng)濟(jì)變量的空間相關(guān)性，空間杜賓模型的估計(jì)結(jié)果相比傳統(tǒng)計(jì)量模型的估計(jì)結(jié)果更優(yōu)。實(shí)證結(jié)果表明，國有化程度、能源自給率與碳排放績效之間表現(xiàn)為顯著的負(fù)向關(guān)系，研發(fā)投入、外貿(mào)開放度、外商直接投資以及能源價(jià)格與碳排放績效之間表現(xiàn)為顯著的正向關(guān)系，而人力資本對(duì)碳排放績效的影響不顯著。在空間溢出效應(yīng)方面，國有化程度、人力資本具有顯著的負(fù)向效應(yīng)，研發(fā)投入、外商直接投資和能源價(jià)格具有顯著的正向效應(yīng)，而外貿(mào)開放度、能源自給率沒有產(chǎn)生顯著效應(yīng)。

根據(jù)上述研究結(jié)論，本文提出以下政策建議：

第一，為縮小碳排放績效的地區(qū)差距，一方面應(yīng)該加大對(duì)中西部地區(qū)在科學(xué)研究、技術(shù)研發(fā)、人才引進(jìn)和教育發(fā)展等方面的政策支持，另一方面要拓展地區(qū)間在要素、技術(shù)、制度等層面的合作范圍，建立有關(guān)減排技術(shù)、制度安排等方面的地區(qū)間交流平臺(tái)，打破區(qū)域壁壘，促進(jìn)先進(jìn)技術(shù)、管理理念和成功經(jīng)驗(yàn)在不同地區(qū)的擴(kuò)散，為實(shí)現(xiàn)區(qū)域間效率趨同創(chuàng)造有利條件。

第二，進(jìn)一步挖掘技術(shù)進(jìn)步的潛力，除繼續(xù)加大研發(fā)經(jīng)費(fèi)投入力度外，還可以采用財(cái)政性技改補(bǔ)助或貼息、以獎(jiǎng)代補(bǔ)、稅收優(yōu)惠、融資支持、研發(fā)基金等政策，重點(diǎn)支持高耗能企業(yè)的技術(shù)改造和能源節(jié)約型技術(shù)、工藝和設(shè)備的研發(fā)、生產(chǎn)、推廣，提高企業(yè)節(jié)能減排的積極性和創(chuàng)新性。

第三，擴(kuò)大對(duì)外開放的廣度和深度，積極參與國際合作。鼓勵(lì)出口企業(yè)在節(jié)能減排領(lǐng)域的自主研發(fā)，提高進(jìn)口資本品的低碳技術(shù)含量，特別要注意從國際產(chǎn)業(yè)鏈利益相關(guān)方吸收清潔技術(shù)。通過FDI、技術(shù)購買、合作研發(fā)等形式，大力引進(jìn)低碳技術(shù)和設(shè)備。

第四，繼續(xù)深化產(chǎn)權(quán)領(lǐng)域和要素市場的體制改革。一方面要堅(jiān)持推進(jìn)國企改革，建立適合市場機(jī)制有效運(yùn)行的產(chǎn)權(quán)體系，激發(fā)市場活力；另一方面，減少政府對(duì)要素市場的干預(yù)，逐步建立能夠反映資源稀缺程度、市場供求關(guān)系和環(huán)境成本的價(jià)格形成機(jī)制，特別要重視利用價(jià)格手段抑制能源的浪費(fèi)使用，激勵(lì)企業(yè)自發(fā)地節(jié)約能源。

（編輯：常勇）

參考文獻(xiàn)（References）

[1]Coelli T， Lauwers L， Van Huylenbroeck G. Environmental Efficiency Measurement and the Materials Balance Condition[J]. Journal of Productivity Analysis， 2007，28（1-2）：3-12.

[2]Lauwers L. Justifying the Incorporation of the Materials Balance Principle into Frontierbased Ecoefficiency Models[J]. Ecological Economics， 2009，68（6）：1605-1614.

[3]Fan Y， Liu L， Wu G， et al. Changes in Carbon Intensity in China： Empirical Findings from 1980-2003[J]. Ecological Economics， 2007，62（3-4）：683-691.

[4]Li W， Ou Q X. Decomposition of Chinas Carbon Emissions Intensity from 1995 to 2010： An Extended Kaya Identity[EB/OL]. http：//www.hindawi.com/journals/mpe/2013/973074/.

[5]Ebohon O J， Ikeme A J. Decomposition Analysis of CO2 Emission Intensity Between Oilproducing and Nonoilproducing Subsaharan African Countries[J]. Energy Policy， 2006，34（18）：3599-3611.

[6]Zhou P， Ang B W， Poh K. A Survey of Data Envelopment Analysis in Energy and Environmental Studies[J]. European Journal of Operational Research， 2008，189（1）：1-18.

[7]Zaim O， Taskin F. Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Nonparametric Approach[J]. Journal of Environmental Management， 2000，58（2）：95-107.

[8]Zhou P， Ang B W， Wang H. Energy and CO2 Emission Performance in Electricity Generation： A Nonradial Directional Distance Function Approach[J]. European Journal of Operational Research， 2012，221（3）：625-635.

[9]Wang L， Chen Z， Ma D， et al. Measuring Carbon Emissions Performance in 123 Countries： Application of Minimum Distance to the Strong Efficiency Frontier Analysis[J]. Sustainability， 2013，5（12）：5319-5332.

[10]Guo X， Zhu L， Fan Y， et al. Evaluation of Potential Reductions in Carbon Emissions in Chinese Provinces Based on Environmental DEA[J]. Energy Policy， 2011，39（5）：2352-2360.

[11]Zhou G H， Chung W， Zhang X L. A Study of Carbon Dioxide Emissions Performance of Chinas Transport Sector[J]. Energy， 2013，50：302-314.

[12]杜慧濱， 王洋洋. 中國區(qū)域全要素二氧化碳排放績效及收斂性分析[J]. 系統(tǒng)工程學(xué)報(bào)， 2013，（2）：256-264. [Du Huibin，Wang Yangyang. Totalfactor CO2 Emission Performance and the Convergence Hypothesis in China[J]. Journal of Systems Engineering， 2013，（2）：256-264.]

[13]Wang K， Wei Y. Chinas Regional Industrial Energy Efficiency and Carbon Emissions Abatement Costs[J]. Applied Energy， 2014，130：617-631.

[14]Wei C， Ni J， Du L. Regional Allocation of Carbon Dioxide Abatement in China[J]. China Economic Review， 2012，23（3）：552-565.

[15]劉明磊， 朱磊， 范英. 我國省級(jí)碳排放績效評(píng)價(jià)及邊際減排成本估計(jì)：基于非參數(shù)距離函數(shù)方法[J]. 中國軟科學(xué)， 2011，3（3）：106-114. [Liu Minglei， Zhu Lei， Fan Ying. Evaluation of Carbon Emission Performance and Estimation of Marginal CO2 Abatement Costs for Provinces of China： A Nonparametric Distance Function Approach[J]. China Soft Science， 2011，3（3）：106-114.]

[16]Wang K， Lu B， Wei Y M. Chinas Regional Energy and Environmental Efficiency： A Rangeadjusted Measure Based Analysis[J]. Applied Energy， 2013，112（SI）：1403-1415.

[17]李濤， 傅強(qiáng). 中國省際碳排放效率研究[J]. 統(tǒng)計(jì)研究， 2011，28（7）：62-71. [Li Tao， Fu Qiang. Study on Chinas Carbon Dioxide Emissions Efficiency[J]. Statistical Research， 2011，28（7）：62-71.]

[18]Du K， Lu H， Yu K. Sources of the Potential CO2 Emission Reduction in China： A Nonparametric Metafrontier Approach[J]. Applied Energy， 2014，115：491-501.

[19]王群偉， 周德群， 周鵬. 中國全要素二氧化碳排放績效的區(qū)域差異：考慮非期望產(chǎn)出共同前沿函數(shù)的研究[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2010，（9）：112-117. [Wang Qunwei， Zhou Dequn， Zhou Peng. Regional Disparity of Total Factor Carbon Emission Performance in China： An Empirical Research Based on Metafrontier Function[J]. Finance & Trade Economics， 2010，（9）：112-117.]

[20]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.

[21]王群偉， 周鵬， 周德群. 我國二氧化碳排放績效的動(dòng)態(tài)變化、區(qū)域差異及影響因素[J]. 中國工業(yè)經(jīng)濟(jì)， 2010，（1）：45-54. [Wang Qunwei， Zhou Peng， Zhou Dequn. Research on Dynamic Carbon Dioxide Emissions Performance， Regional Disparity and Affecting Factors in China [J].China Industrial Economics， 2010，（1）：45-54.]

[22]羅良文， 李珊珊. FDI、國際貿(mào)易的技術(shù)效應(yīng)與我國省際碳排放績效[J]. 國際貿(mào)易問題， 2013，（8）：142-150. [Luo Liangwen， Li Shanshan. Technical Effects of FDI and International Trade and Provincial Carbon Emission Performance in China[J]. Journal of International Trade， 2013，（8）：142-150.]

[23]趙國浩， 高文靜. 基于前沿分析方法的中國工業(yè)部門廣義碳生產(chǎn)率指數(shù)測算及變化分解[J]. 中國管理科學(xué)， 2013，（1）：31-36. [Zhao Guohao， Gao Wenjing. Comprehensive Evaluation of Generalized Carbonproductivity Index in Chinas Industrial Sector Based on Frontier Analysis Methods [J].Chinese Journal of Management Science， 2013，（1）：31-36.]

[24]Zhang N， Choi Y. A Comparative Study of Dynamic Changes in CO2 Emission Performance of Fossil Fuel Power Plants in China and Korea[J]. Energy Policy， 2013，62：324-332.

[25]Van Meensel J， Lauwers L， Van Huylenbroeck G， et al. Comparing Frontier Methods for Economicenvironmental Tradeoff Analysis[J]. European Journal of Operational Research， 2010，207（2）：1027-1040.

[26]Nguyen T T， Hoang V， Seo B. Cost and Environmental Efficiency of Rice Farms in South Korea[J]. Agricultural Economics， 2012，43（4）：369-378.

[27]Hoang V， Nguyen T T. Analysis of Environmental Efficiency Variation： A Materials Balance Approach[J]. Ecological Economics， 2013，86（1）：37-46.

[28]NinPratt A. Reducing the Environmental Efficiency Gap in Global Livestock Production[J]. American Journal of Agricultural Economics， 2013，95（5）：1294-1300.

[29]Maniadakis N， Thanassoulis E. A Cost Malmquist Productivity Index[J]. European Journal of Operational Research， 2004，154（2）：396-409.

[30]IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories：Volume II[EB/OL].http： //www.ipcc.ch/ipccrepaorts/ Methodology reprots.htm.

[31]魏梅， 曹明福， 江金榮. 生產(chǎn)中碳排放效率長期決定及其收斂性分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2010，（9）：43-52. [Wei Mei， Cao Mingfu， Jiang Jinrong. Determinants of Longrun Carbon Emission Performance[J]. Journal of Quantitative & Technical Economics， 2010，（9）：43-52.]

[32]杜慧濱， 李娜， 王洋洋， 等. 我國區(qū)域碳排放績效差異及其影響因素分析：基于空間經(jīng)濟(jì)學(xué)視角[J]. 天津大學(xué)學(xué)報(bào)： 社會(huì)科學(xué)版， 2013，（5）：411-416. [Du Huibin， Li Na， Wang Yangyang，et al. Study on Chinas Carbon Emission Performance and Influencing Factors from the Perspective of Spatial Economics[J]. Journal of Tianjin University： Social Sciences Edition， 2013，（5）：411-416.]

[33]Anselin L， Le Gallo J， Jayet H. Spatial Panel Econometrics[A]. Matyas L， Sevestre P. the Econometrics of Panel Data， Fundamentals and Recent Developments in Theory and Practice， Third Edition[M]. Dordrecht， the Netherlands： Kluwer， 2008.

[34]Lesage J P， Pace R K. Introduction to Spatial Econometrics[M]. Boca Raton， US： CRC Press Taylor & Francis Group， 2009.

[35]史晉川， 趙自芳. 所有制約束與要素價(jià)格扭曲：基于中國工業(yè)行業(yè)數(shù)據(jù)的實(shí)證分析[J]. 統(tǒng)計(jì)研究， 2007，（6）：42-47. [Shi Jinchuan， Zhao Zifan. Restrictions of Ownership and Factors Price Distortion： An Empirical Study Using the Industrial[J]. Statistical Research， 2007，（6）：42-47.]

[36]Bronzini R， Piselli P. Determinants of Longrun Regional Productivity with Geographical Spillovers： The Role of R&D， Human Capital and Public Infrastructure[J]. Regional Science and Urban Economics， 2009，39（2）：187-199.

[37]Sasidharan S， Kathuria V. Foreign Direct Investment and R&D： Substitutes or Complements：A Case of Indian Manufacturing after 1991 Reforms[J]. World Development， 2011，39（7）：1226-1239.

[38]李小平， 盧現(xiàn)祥. 國際貿(mào)易、污染產(chǎn)業(yè)轉(zhuǎn)移和中國工業(yè)CO2排放[J]. 經(jīng)濟(jì)研究， 2010，（1）：15-26. [Li Xiaoping， Lu Xianxiang. International Trade， Pollution Industry Transfer and Chinese Industries CO2 Emissions[J]. Economic Research Journal， 2010，（1）：15-26. ]

[39]林伯強(qiáng)， 王鋒. 能源價(jià)格上漲對(duì)中國一般價(jià)格水平的影響[J]. 經(jīng)濟(jì)研究， 2009，（12）：66-79. [Lin Boqiang， Wang Feng. Impact of Energy Price Increase on General Price Level in China： A Study Based on Inputoutput Model and Recursive SVAR Model[J]. Economic Research Journal， 2009，（12）：66-79.]

Abstract

Based on the materials balance principle， this study employed the approach of data envelopment analysis to construct the Malmquist carbon productivity index （MCPI）， a new performance index for carbon emissions. The index can be decomposed into three components： technical efficiency change， technological change， and allocative efficiency change indices. It reveals three important pathways to the improvement of carbon emissions performance， namely， the increase in technical and allocative efficiencies and the progress of technology. The study then applied the above method to analyze the dynamic and sources of carbon emissions performance in Chinas industrial sector from 1997 to 2012. Results showed that the MCPI increased rapidly at the national level， with an average annual growth rate of 5.8% during the study period. The increase in allocative efficiency and technological progress were the top and secondlargest contributors to the enhancement of carbon emissions performance， respectively， whereas the drop in technical efficiency affected this performance negatively. At the provincial level， the improvement of carbon emissions performance in the eastern region was remarkably faster than those in the central and western regions. Moreover， these provincial disparities displayed a growth trend during the study period. The reason was that the rates of increase in technological progress in the central and western regions were significantly less than that in the eastern region， whereas the rates of decline in technical efficiency in the central and western regions were more than that in the eastern region. This study also explored the impact factors of carbon emissions performance using spatial econometrics models， which were commonly employed to control the spatial interaction effects of variables. Empirical results confirmed that the output share of stateowned firms and the selfsufficient rate of energy limited carbon emissions performance， whereas research and development， international trade， foreign direct investment， and the price of energy enhanced it. Human capital was an insignificant factor in this performance. The results also found that the spatial spillover effects of the output share of stateowned firms and human capital on carbon emissions performance were significantly negative， whereas those of research and development， foreign direct investment and the price of energy were positive. The spillover effects of selfsufficient rate of energy and international trade were insignificant. At the end of this paper， several policy advices were proposed according to the empirical results.

Key wordscarbon emissions performance； materials balance principle； allocative efficiency； spatial econometrics