基于方向性距离函数的中国省区碳排放驱动因素研究

李 静， 陈 武

（合肥工业大学 经济学院，安徽 合肥 230009）

基于方向性距离函数的中国省区碳排放驱动因素研究

李 静， 陈 武

（合肥工业大学 经济学院，安徽 合肥 230009）

文章使用方向性距离函数的非参数框架把我国各省区碳排放变化的驱动因素分解为规模效应、技术效率效应、技术进步效应、资本碳比效应、劳动碳比效应、能源碳比效应以及结构效应等7个部分，扩充了碳排放的主要影响因素，扩展了对碳排放驱动力量的深入理解。研究结果表明：规模效应的持续扩大仍然是碳排放增长的首要原因；资本碳比效应是省区碳减排的主要驱动力量；劳动碳比效应是造成碳排放增长的重要因素，能源碳比效应自2001年以来表现出减排功能；技术进步减排效应微弱，技术效率和结构效应影响较小。

碳排放；驱动因素；方向性距离函数；分解

0 引 言

中国改革开放带来了巨大的经济效应，与此同时，中国的能源消耗与温室气体的排放也呈现大幅上升趋势。碳排放量的快速增长已经超过美国成为全球碳排放第一大国，使中国政府面临着巨大减排的压力，在国际气候谈判中处于不利的地位。

正确地理解和考察碳排放增长背后的驱动因素具有重要的理论与现实意义。对此的研究多是因素分解的形式，把碳排放增长从总量角度分解成诸如规模效应（经济发展）、能源结构和能源效率等部分［1－3］。大多数研究结果均指出，规模效应（GDP的增长）是碳排放增长的主要来源，其他主要是能源密集度或能源效率对碳排放的降低起着积极作用。

文献［4－7］根据对数平均权重Divisia指数分解法（LMDI）对我国碳排放进行模型分解，并得出一致结论认为经济规模是导致我国碳排放增长的主要推动力量，而对于其他因素则没有得到统一的意见。其他相关研究［8－11］则主要利用计量经济的回归技巧研究各因素对碳排放的影响，利用回归系数的显著性来判断碳排放的主要影响因素及作用大小。

本研究区别于其他相关研究的主要不同之处在于：① 本文使用的距离函数方法分解的7个成分更为全面具体，能从各个方面反映不同效应对碳排放变化的影响，比LMDI分解法更有利用价值和优势；② 以往的分解研究大多针对中国整体碳排放，很少涉及中国地区碳排放的因素研究，本文试图弥补这一缺陷，并对地区碳排放的差异及影响作相应分析。

1 碳排放增长的距离函数分解方法

1.1 方向距离函数定义

依据文献［12］的理论，定义环境距离函数，即在给定的投入水平下，以最小的非期望产出（污染）来尽可能多地生产期望产出。定义投入向量集X＝（X1，…，XN）∈，期望产出集Y＝（Y1，…，YM）∈，非期望产出，即污染产出向量集为b＝（b1，…，bJ）∈。3个向量分别是投入、经济产出、污染排放。投入X表示劳动力L、资本存量K和能源消费E，而经济产出指地区生产总值Y。污染排放主要指CO2排放量C。可定义生产可能性技术集合P（X）为：

生产可能性集可以由方向性距离函数来描述。在上述假定条件下，设方向性向量g＝（gY，gb），g∈×，产出角度的方向性距离函数可定义成：

此函数试图增加经济产出的同时同比例地降低污染产出。方向性向量g决定了期望产出增加和非期望产出降低的方向，遵循文献［12－13］的处理办法，本研究中的方向性向量设定为g＝（Y，b），即等同于各自的实际值，意味着增加经济产出GDP的同时同比例地降低CO2。

1.2 碳排放变化分解

以s时期的生产技术为参照，在时间s和t（s＜t）之间的CO2排放量变化可作如下分解：

其中，k≡K／C，l≡L／C，e≡E／C，分别表示资本碳比、劳动碳比和能源碳比。k、l和e的变化实质上反映了在权衡期望产出和CO2减排之间的投入要素间的配置变化。例如，其他条件不变，任何k、l和e增加将导致CO2减排放量的减少。特别地，由于能源消耗和CO2排放之间的密切关系，e的变化也能捕捉能源消费的变化对碳排放的影响。

注意到（6）式是以s时期技术为参照的（其中TC以t时期技术为参照），也可以都以t时期的技术为参照。为了避免参照时期选择的任意性，取s和t时期技术参照的几何平均值得到最终修正的分解形式：

（7）式的分解结果揭示了碳排放增长可以归结为7项基本的驱动因素：规模效应、技术效率变化效应、技术进步效应、资本碳比效应、劳动碳比效应、能源碳比效应以及反映产业结构变迁影响的结构效应。可以观察到k、l和e，其中任何一项如果其值小于1都会对碳的减排起到积极作用。

除了规模效应SC可以直接通过比较2个时期地区生产总值来求得外，其他5项可以根据方向性距离函数的定义，使用DEA（数据包络分析）的线性规划来求解：

其中，π＝s，t；为权重向量。

2 数据来源与处理

本文数据主要是1990—2009年中国省际面板数据，涵盖大陆除西藏和重庆外的29个省、市、自治区（简称省区），并把其分为传统的东、中、西部三大地区。数据主要指省区生产活动投入和产出2大类指标。投入变量主要选取劳动力L、资本存量K以及能源消费E3个指标，分别以年末从业人员（万人）、能源消费量（104t标准煤）和物质资本存量（亿元）表示；产出指标主要指省区地区生产总值（亿元）和CO2排放量（104t）。凡价值量数据均以1990年的不变价进行处理。数据主要来源于《新中国60年统计资料汇编》、历年各省区统计年鉴、各年度《中国环境年鉴》以及《中国环境统计年鉴》等。其中涉及的各区资本存量K和CO2排放量数据由于年鉴没有提供，必须采用适合的办法进行估计。资本存量数据遵照文献［15］的处理办法进行了推导，折旧率以文献［16－17］设定为9.6%。每年的资本存量可通过永续盘存法Kt＝It＋（1－δ）Kt－1得到。

本文全国及省区的碳排放量的统计数据主要是以CDIAC提供的中国大陆的总量碳排放数据为基础，假定能源消费与碳排放量成正比例，根据各省能源消费量占全国能源消费量的比重来分配这一总量排放数据，得到分省的碳排放数据。由于各省能源消费量大于全国能源消费量，且西藏无能源消费量数据，故在计算各省占全国能源消费比重时采用各省能源消费量与30个省区能源消费量之和的比值。

3 分解结果与解释

在碳排放增长方面，各地区表现差异比较大，1990—2009年，东部碳排放增长了3.50倍，中西部地区增长了2.36倍和2.90倍，这与同期经济规模的增长规律基本一致，东部地区增长幅度要大于中西部地区，显示出碳排放增长与经济发展以及工业化程度的密切关系。这期间，东部的海南、广东、山东、福建、江苏等省份增长幅度较大，中西部地区只有内蒙古、广西、宁夏等省区增长幅度较大。

表1所列为7个分解因素对各省碳排放的贡献，其中CC为7个分解因素对碳排放影响的总效应。

表1中首先可以反映规模效应即地区生产总值的增长是碳排放增长的首要来源，每年平均对碳排放增长的绝对贡献达到11%，远远超过其他6个因素的影响。这一结论与国内其他文献的研究如文献［4－7］利用LMDI指数分解方法得到的结果完全一致。经济规模的持续扩大是造成碳排放量居高不下的主要原因。TC与TE的影响可以概括为生产率效应的影响，因为两者乘积为ML生产率指数。生产效率提升TE主要体现在管理水平的提高、管理程序的优化等方面，它主要使相关经济体能够按照“标杆”或最佳实践单元进行参照改进，产生所谓的“追赶”效应。而TC主要体现在狭义的中性技术进步上，使整体生产前沿得到扩展或提高，推动生产前沿不断移动。生产率效应对碳排放的影响主要体现在两者的相互关系变化上，技术进步一方面使得生产更加清洁化，从而减少碳排放量或降低碳排放的增长速率，但另一方面可能由于技术进步的作用使得经济规模更大，从而不利于碳的减排；另外，如果落后地区的管理水平和管理手段得不到改善，也会使得生产效率不能产生追赶效应，使得生产更加粗放，不利于节能减排。从结果来看，我国相当多的省份这2项指标均不利于碳的减排，如北京、天津等均大于1，显示出生产率效应没能发挥减排的作用，然而一些中西部省份出现了技术进步有利于减排的信号。但是所有省份TE值均大于1，显示出生产效率效应在所有省份均不能体现出减排的力量，也反映出我国地区管理水平有待提高。这样由于2项指标的共同作用，使得技术进步TC和生产效率TE的碳减排作用只有微弱的影响：TC使碳排放年均下降0.2%，技术效率使得碳排放年均上升0.6%。

资本、劳动和能源碳比效应反映了投入要素在碳排放与经济产出间的要素配置，从中发现，资本碳比效应的作用较大，仅次于规模效应，是碳减排的主要力量，20年间使我国碳排放绝对量减少了54.5%，每年使我国碳排放量减少7.1%，超过碳排放的绝对增长率。东北3省表现最为明显，这可能缘于东北一直是我国的重工业基地，资本相对充裕，加之新世纪以来振兴老工业基地战略的实施，资本投入的增加使之有能力提高生产力的同时而使用更加节能减排的设备。整体上，东中部地区这一效应表现“抢眼”，使碳排放量比1990年降低了60%，西部地区相对滞后，但也使碳排放下降42.3%。

表1 1990—2009年地区碳排放的因素分解

主要年份碳排放的年均因素分解见表2所列。劳动碳比效应和能源碳比效应均扮演着促使碳排放增长的力量。劳动碳比效应20年间促使碳排放增长了1.1倍，年均增长3.3%，仅有黑龙江、辽宁和山西3省有减排效应。相比较而言，东部和中部地区这一效应较弱，分别比1990年使碳排放增长了90%和68%，西部地区这一效应使碳排放增长了1.77倍。这可能缘于东中部近年来资本充裕替代劳动力的关系表现比较明显，而西部地区资本相对缺乏，劳动替代资本的效应较为明显。能源碳比效应表现较弱，20年间仅使碳排放增长了约6.3%，年均仅为0.3%。一个值得注意的规律是：研究前期绝大多数年份这一效应均大于1，而后期，即2001年以来均明显小于1，说明能源碳比效应开始发挥碳减排的作用，它反映了我国能源使用的强度下降和能源效率的提高。

表2 主要年份碳排放的年均因素分解

最后一项为结构效应，反应了三次产业结构变迁对碳减排的影响。平均意义上，结构效应20年间仅使碳排放下降了约1.5%，年均下降0.5%，说明结构效应作用微弱。分地区观察，东部和中部地区均大于1，促使碳排放增长了8.2%和8.3%，而西部地区结构效应使碳排放下降了23.3%。一个可能的原因在于，东中部地区处于快速的产业结构变迁中，大部分省份正处于第一产业产值比重不断下降，第二产业快速上升的阶段，基本的结构形式排列是第二产业比重＞第三产业＞第一产业的格局。第二产业比重的上升反而不利于碳的减排，造成东中部省份没有形成结构效应碳减排局面。而西部地区大部分省份第一产业比重仍然过高，工业不发达，反而有利于碳的减排。随着东部地区产业结构逐步过渡到第三产业为主的产业格局，同时中西部工业化进程快速推进，可以看出，东部地区将逐步“享受”由于产业结构带来的碳减排“红利”，而中西部地区却正好相反。

4 结 论

本文使用了一种距离函数的分解框架，基于CO2增长的恒等式把碳排放的增长分解为规模效应、技术进步效应、生产效率效应、资本碳比效应、劳动碳比效应、能源碳比效应和结构效应等7个部分，实证分解了我国29个省区1990—2009年碳排放的影响因素。研究结论如下：

（1）碳排放增长的速度与经济规模是成正相关的，经济规模的扩大是造成碳排放快速增长的主要原因。适度降低经济增长速度有利于减缓碳强度以及减排政策的实施，必须及早实施经济发展与碳排放增长间的“刚性”到“脱钩”发展的转变。

（2）资本碳比效应是促使碳减排的主要力量，反映了资本在节能减排与经济产出间的配置差异。

（3）劳动碳比效应和能源碳比效应均未能形成积极的碳减排作用。

（4）包含技术效率效应和技术进步效应的生产率效应表现各异，对碳减排的影响由于相互作用而表现微弱。

（5）结构效应同样没有起关键作用。

［1］Ang B W，Pandiyan G.Decomposition of energy－induced CO2emissions in manufacturing［J］.Energy Economics，1997，19：363－374.

［2］Sun J W.Decomposition of aggregate CO2emissions in the OECD：1960—1995［J］.The Energy Journal，1999，20：147－155.

［3］Wang C，Jining C，Zhou J.Decomposition of energy－related CO2emissions in China：1957—2000［J］.Energy，2005，30：73－83.

［4］徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995－2004［J］.中国人口·资源与环境，2006（6）：158－161.

［5］宋德勇，卢忠宝，中国碳排放影响因素分解及其周期性波动研究［J］.中国人口·资源与环境，2009（3）：18－24.

［6］李国志，李宗植.中国农业能源消费碳排放因素分解实证分析：基于 LMDI模 型 ［J］.农 业技术 经济，2010（10）：66－72.

［7］郭朝先.中国碳排放因素分解：基于LMDI分解技术［J］.中国人口·资源与环境，2010（12）：4－9.

［8］邹秀萍，陈绍锋，宁 淼，等.中国省级区域碳排放影响因素的实证分析［J］.生态经济，2009（3）：34－37.

［9］邵 帅，杨莉莉，曹建华.工业能源消费碳排放影响因素研究：基于STIRPAT模型的上海分行业动态面板数据实证分析［J］.财经研究，2010（11）：16－27.

［10］林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J］.经济研究，2010（8）：66－78.

［11］许广月.我国碳排放影响因素及其区域比较研究：基于省域面板数据［J］.财经论丛，2011（2）：14－18.

［12］Chung Y H，F¨are R，Grosskopf S.Productivity and undesirable outputs：a directional distance function approach［J］.Journal of Environmental Management，1997，51（3）：120－130.

［13］Kumar S.Environmentally sensitive productivity growth：aglobal analysis using Malmquist－Luenberger index ［J］.Ecological Economics，2006，56（2）：280－293.

［14］Li Man.Decomposing the change of CO2emissions in China：a distance function approach［J］.Ecological Economics，2010，70：77－85.

［15］King R G，Levine R.Capital fundamentalism，economic development，and economic growth［J］.Carnegie－Rochester Conference Series on Public Policy，1994，40（1）：259－292.

［16］张 军，吴桂英，张吉鹏.中国省际物质资本存量的估算：1952－2000［J］.经济研究，2004（10）：35－44.

［17］李 静，程丹润.基于DEA－SBM模型的中国地区环境效率研究［J］.合肥工业大学学报：自然科学版，2009，32（8）：1208－1211.

Study of driven factors of provincial CO2emission in China based on directional distance function approach

LI Jing， CHEN Wu
（School of Economics，Hefei University of Technology，Hefei 230009，China）

Using the nonparametric framework of directional distance function，this paper decomposes the driven factors of the changes of provincial CO2emission in China into seven components for the time period 1990－2009，including GDP scale effect，technical efficiency effect，technical change effect，emission indices associated with capital，labor and energy，and GDP composition effect.Some conclusions are as follows：the GDP scale effect accounts for the majority of emission increment；the capital－carbon ratio effect is a dominant contributor to provincial emission abatement；the labor－carbon ratio effect is also the main driver of emission increment；the energy－carbon ratio effect has began to decrease the emission since 2001；the effect of technical change，technical efficiency and GDP composition is negligible.

CO2emission；driven factor；directional distance function；decomposition

F205

A

1003－5060（2012）03－0381－06

10.3969／j.issn.1003－5060.2012.03.022

2011－06－23

国家自然科学基金资助项目（71103057）；安徽省自然科学基金资助项目（11040606Q29）

李 静（1978－），男，安徽涡阳人，博士，合肥工业大学副教授，硕士生导师.

（责任编辑 张 镅）