我国低碳经济发展效率分析

何 跃，王 莉

（四川大学 工商管理学院，成都 610064）

0 引言

近年来，频发各种极端天气如地震、干旱、泥石流、雪灾等，这与全球气候变暖密切相关，而温室气体中最主要的和对气温变化影响最大的是二氧化碳，因此阻止全球气候变暖的主要任务就是降低二氧化碳的排放，低碳经济应运而生。低碳经济就是以低能耗、低排放、低污染为基础的经济模式，是世界经济发展的必然选择，同时也是我国面临的严峻挑战。

目前，越来越多的国内外学者对如何评价一个地区的低碳经济发展水平及影响因素了进行探索性研究，Tapio[1]（2005）对1970～2001年间欧洲的交通业经济增长与运输量、温室气体之间的脱钩情况和芬兰的交通业脱钩情况进行了研究，用脱钩指标评价了交通运输业对低碳经济发展的影响；庄贵阳[2](2007)运用Tapio脱钩指标对包括中国在内的全球20个温室气体排放大国在不同时期的脱钩特征进行了分析，比较了这20个国家的低碳发展水平；李晓燕、邓玲[3]运用模糊层次分析法和主成分分析法，对我国四个直辖市的低碳经济发展状况进行了综合评价，并通过比较分析，提出了直辖市发展低碳经济存在的问题和相应的对策建议；李晓燕[4]应用模糊层次分析法对省区的低碳经济发展进行评价，选取了我国典型的省份进行比较。从现有文献看，还没有查询到从投入产出效率方面对我国低碳经济发展情况进行研究的文章，论文运用GMDH模型选择出影响我国低碳经济发展的主要指标，再运用DEA中的C2R模型对我国低碳经济发展效率进行分析。

1 相关理论简介

1.1 GMDH模型

自组织理论又称数据组合处理方法GMDH,是基于神经网络和计算机科学的迅速发展而产生和发展起来的。类似于生物神经网络，自组织建模方法将黑箱思想、生物神经元方法、归纳法、概率论等方法有机地结合起来，实现了自动控制与模式识别理论的统一，极大减少了人在认识过程中的参与，从而更具有客观性与公正性[5,6]。

自组织建模思想首先是由乌克兰控制论学家A.G.Ivakhnenko在1967年提出，并在Adolf Mueller等科学家的协作下得以不断发展，如今已成为一个有效而实用的数据挖掘工具。自组织建模的过程实质上是寻求并确定系统最优复杂度模型的过程。它处理的对象为若干输入变量，一个或多个输出变量构成的变量间关系待定的一个封闭系统。通过各输入变量相互结合产生众多候选模型集，利用外准则选出若干项最优模型，再将其结合，由此得到再下一代。如此不断重复，直到新产生的模型不比上一代更加优秀为止，则倒数第二代中的最优模型就是我们寻找的最优复杂度模型[6]。

1.2 DEA理论

DEA[10,11]方法是数据包络分析的简称，是美国著名运筹学家Charnes等提出的一种效率评价方法。它把但输入、单输出的工程效率概念推广到多输入、多输出同类决策单元(DMU)的有效性评价中，极大地丰富了微观经济学中的生产函数理论及其应用技术，同时在避免主观因素、简化算法、减少误差等方面有着不可低估的优势。利用DEA可以考察地区低碳经济发展沿生产前沿面上的规模有效性和技术有效性。在测定决策单元的相对有效性时对每个决策单元进行优化，而且对于非有效单元，利用“投影原理”不仅能指出指标的调整方向，还能给出调整量，并进行纵向的时间比较和横向的区域比较。

论文应用DEA中的C2R模型来分析问题，对第j0个决策单元进行效率评价的模型如下：

其中n为决策单元DMU的个数，评价指标体系是由m个投入和t个产出指标组成。他们分别表示：“消耗的资源”和“工作的成效”。设xij为第j个决策单元对第i种类型投入的投入量，yrj为第j个决策单元对第r种类型产出的产出量，分别为松弛变量，ε为一非阿基米德无穷小量，在计算时可取(ε=10-8)。 λj，，θ为待估计参量。

该模型中各参数的经济含义：

(1)当 θ*=1 并且=0时,称决策单元j0为DEA有效,决策单元的活动同时为技术有效和规模有效；

(2)当 θ*=1 ，但至少有一个不为0，则决策单元j0为弱DEA有效，决策单元的活动不是同时为技术效率最佳和规模效率最佳；

(3)当θ*＜1，决策单元j0不是DEA有效，决策单元的活动既不是技术效率最佳，也不是规模效率最佳；

在实际应用中,各输入与输出量都带有一定的量纲,可以证明,决策单元的最优效率指数与输入、输出量的量纲选取无关.选取的DMU应有几个特性:具有相同的任务目标；具有相同的环境；具有相同的输入、输出。注意并不是指标越小作为输入指标越好,而指标越大作为输出指标越好。同时DMU的数量一般是(r+m)的两倍。

1.3 Tapio脱钩弹性

Tapio(2005)[1]在针对1970～2001年间欧洲的交通业能源及二氧化碳的脱钩研究时，引入弹性概念构建脱钩指标。在特定时间内，当GDP变动一个百分点时，交通运量变化的百分比程度，如式(1)：

其中，r为运输量弹性值；v为交通运输量；该弹性表示随着经济增长，导致运量增加的情况。运输量与运输所产生的二氧化碳排放量之间的脱钩弹性则如公式(2)所示：

将公式(1)与(2)相乘，即可得到CO2弹性如公式(3)，这也就是一般所称的脱钩指标。

1.4 碳排放的测算方法

目前，我国还没有CO2排放量的直接监测数据，因此大部分研究都是基于能源消费量来测算CO2的排放量。论文研究基于我国能源消费总量数据，采用的计算公式(4)主要参考了徐国泉[9]等人提出并改进的碳排放量分解模型中的算法，由于该公式的算法已经得到认可，因此采用该公式计算得到的CO2排放量是可靠的。

其中，E为中国一次能源的消费总量，Fi为i类能源的碳排放强度，Si为i类能源在总能源所占的比重。这里Fi的取值见表1。

表1 各类能源的碳排放系数

2 实证分析

2.1 运用GMDH找出影响我国低碳经济发展的主要因素

发展低碳经济是一个涉及面广、综合性强的系统工程，影响低碳经济发展状况的因素也是多方面的，涉及到经济、资源、环境、社会等领域。因此，我们综合考虑了影响低碳经济发展的各种因素，利用GMDH数据组合处理方法找出影响我国低碳发展的主要因素。

2.1.1 输入输出指标的选取和计算

本研究参考文献[3][7][8]，综合考虑经济发展、社会发展、科技发展和环境发展等四个方面，共形成了17个指标作为GMDH模型的输入变量：人均GDP（X1）、城镇居民家庭人均可支配收入（X2）、农村居民家庭人均纯收入（X3）、城镇居民家庭恩格尔系数（X4）、第一产业产值占GDP比重（X5）、第二产业产值占GDP比重（X6）、第三产业产值占GDP比重（X7）、第三产业从业人员比重（X8）、单位GDP能耗（X9）、煤炭占能源消费总量的比重（X10）、水电、核电、风电占能源消费总量的比重（X11）、工业固体废物综合利用率（X12）、公路运输旅客周转量（X13）、公路运输货物周转量（X14）、民用汽车拥有量（X15）、工业能源消费量占能源消费总量的比重（X16）、生活能源消费量占能源消费总量的比重（X17）。

脱钩指标主要反应经济增长与生态环境保护及物质消耗投入之间的不确定关系，测度两者之间的压力关，适合应用于低碳经济发展状况的评估。因此，根据前文的介绍，可以计算出每年CO2的排放量，进一步计算出CO2Tapio脱钩弹性作为GMDH模型的输出变量。

2.1.2 自组织模型的建立和模型分析

根据碳排放计算方法和Tapio脱钩指标模型，基于我国1995～2009年统计年鉴中的数据，就可以计算出我国1995～2009年的CO2排放的Tapio脱钩弹性。再利用GM-DH模型对CO2Tapio脱钩弹性及选出的影响低碳经济发展的17个指标建模，得到的最优模型如下：

此模型的预测误差平方和(PESS)达到0.0640，样本决定系数R2达到0.9519，说明此模型拟合较好，能够客观、公正地反应出CO2Tapio脱钩弹性与各变量之间的关系，即筛选出来的7个指标是影响CO2Tapio脱钩弹性的主要指标。

（1）人均GDP、城镇居民家庭人均可支配收入和农村居民家庭人均纯收入三个指标能够反映出一个国家或者地区的经济发展状况及人民的生活水平，社会在发展经济、努力提高人民生活水平的过程中就要消费能源，而我国现阶段用于生产生活的能源主要是化石能源，化石能源属于高碳排放能源，对发展低碳经济是不利的。因此，在经济系统中的人均GDP、城镇居民家庭人均可支配收入和农村居民家庭人均纯收入三个指标对CO2Tapio脱钩弹性影响较大，即对我国低碳经济的发展影响也很大。

（2）第三产业产值占GDP比重和第三产业从业人员比重两个指标是衡量产业结构和经济效益的指标，第三产业主要是指旅游业等服务性行业，是低碳产业，对发展低碳经济有着积极的作用，是鼓励发展的对象。因此，应该注重产业结构的调整，顺应低碳经济发展大趋势。

（3）煤炭占能源消费总量的比重和水电、核电、风电占能源消费总量的比重两个指标反映了一个国家或地区的能源消费结构，而能源消费结构是影响低碳经济发展的直接因素，直接关系到一个地区碳排放量的多少，对发展低碳经济有着重要的影响，是影响低碳经济的主要因素。同时，这两个指标也反映一个国家或地区的科学技术发展水平，要发展清洁能源、循环经济就需要改变能源消费结构，减少煤炭等化石能源的消费，大力发展可再生能源，如水电、风电、核电及生物能源等清洁能源。

表2 我国1995～2009年低碳经济发展投入产出数据

2.2 运用DEA分析我国低碳经济发展效率

根据应用GMDH模型已经找到了影响我国低碳经济发展的7个主要因素，我们将其中4个比重指标通过计算转化成实值数据指标，将这7个主要指标作为DEA方法的指标体系。三个输入指标：第三产业从业人员数(X1)、煤炭消费总量(X2)、水电、核电、风电消费总量(X3)；四个输出指标：人均GDP(Y1)、城镇居民家庭人均可支配收入(Y2)、农村居民家庭人均纯收入(Y3)、第三产业产值(Y4)；则在DEA效率分析中DMU=15，分别是1995～2009年；m=3，t=4；具体的投入产出数据如表2所示，求得结果如表3所示。

表3 DEA模型求解结果

（1）从表3中我们可以看出，1999、2007、2009年这3年的DEA效率指数θ*=1，为DEA有效，相对于其他年份来讲，它们的投入产出状态已达到最佳，投入无冗余，其第三产业从业人员数、煤炭消费总量和水电、核电、风电消费总量的投入已达到资源组合最优；又其，K=1，说明这三年既是技术有效的，又是规模恰当的。反映了我国近15年，特别是2003年以来，在整个国际社会都努力向低碳经济发展转型的情况下，我国的发展也充分注意到了整个系统的协调，设法提高投入产出的效率，特别是能源利用率，改变我国高碳发展的经济模式。

（2）对表3中非DEA有效的年份通过分析得：所有的非DEA有效的决策单元均为技术无效，说明各资源之间的组合没有达到最优，存在输入剩余或者输出亏空。从这些年份的K值我们可以分析出它们都是规模效益递增的，也就是说在这几个年份里，扩大生产规模，增加投入，能获得更大比例的产出。但由于它们都是DEA无效的，需要注意各资源的投入比例，在合理配置资源的前提下扩大生产规模获得高产，这与我国的发展状况在一定程度上是相符合的。

（4）表3中θ*′对应的是在投入指标中去掉水电、核电、风电消费总量后得到的分析结果，从评价结果可以看出，从1995～2008年的DEA效率指数都小于1，都未达到DEA有效。对比这些年份的θ*和θ*′DEA效率指数，我们分析出在除去投入指标水电、核电、风电消费总量后，几乎所有年份的效率指数都降低了，这就表明在发展低碳经济过程，我们不能忽略像水电、风电和核电等清洁能源投入，应该提高科技水平，调整能源结构，减少煤炭在能源消费中的比重，提高清洁能源在能源利用中的占比，使能源结构趋向清洁化。

（5）保持现有产出不变，根据公式Δx=(1-θ*)x0+s-*可计算出各个投入指标可节约量，即现有投入的投入剩余。如表4所示。（注：x0、y0为被评价的DMU的投入、产出值,θ*、s-*、s+*为模型最优解）

表4 产出不变、各投入可节约量

由表4可知，中国15年来的低碳发展是建立在大量投入劳动力和大量消耗能源的基础上的。虽然我国物产丰富、资源众多，但存在人口多、人均资源相对不足的问题。因此，我国要转变高碳发展的状况，实现低碳经济发展的模式，还面临着严峻的挑战。

3 结束语

低碳经济是一种低能耗、低排放、低污染为基础的经济模式，是一个复杂的系统工程。论文将GMDH自组织数据处理方法与DEA方法相结合，首先，运用GMDH模型筛选出影响我国低碳经济发展的七个主要指标，再用这七个指标中的三个输入指标和四个输出指标，对我国1995～2009年低碳经济发展过程中的投入产出效率进行了分析。分析结果表明：这15个年份中，只有1999年、2007年和2009年这三年的投入产出达到DEA有效，其他年份都是非DEA有效的，并且为规模收益递增的，因此，在发展低碳经济的过程中，应该在合理配置资源的情况下扩大生产规模，提高产出效益。

综合上述分析，我国低碳经济投入产出效率发展势头看好，在发展过程中，首先，应该加大对清洁能源的投入，调整能源消费结构，减少碳排放量。其次，充分利用人口大国的基本特征，提高人口的质量，调整产业结构，鼓励第三产业的发展。最后，要合理组合各种投入资源，使它们得到充分的利用，尽量使用最少的资源投入，得到最多的效益。

未来可以进一步研究不同省份在同一时间点上横向比较，找出优势和劣势。

[1]Tapio.P.Towards a Theory of Decoupling:Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J].Journal of Transport Policy,2005,12(2).

[2]庄贵阳.低碳经济：气候变化背景下中国的发展之路[M].北京：气象出版社,2007.

[3]李晓燕,邓玲.城市低碳经济综合评价探索[J].现代经济探讨,2010,(2).

[4]李晓燕.基于模糊层次分析法的省区低碳经济评价探索[J].华东经济管理,2010,(24).

[5]张秋菊,何跃.组合预测模型在工业增加值预测中的应用[J].统计与决策,2006,(17).

[6]Mueller,Johann-Adolf,Lemke,Frank. Self-Organising Data Min⁃ing---An Intelligent Approach To Extract Knowledge From Data[M].Berlin：Dresden,1999.

[7]徐征等.低碳经济评价指标体系及实证研究[J].经济论坛，2010,(5)

[8]许涤龙,欧阳胜银.低碳经济统计评价体系的构建[J].统计与决策,2010,(22).

[9]徐国泉等.我国碳排放的因素分解模型及实证分析[J].我国人口-资源与环境，2006,(6).

[10]Charnes.A，W.W.Cooper，E.Rhodes.Measuring the Efficiency of De⁃cision Making Units[J].European Journal of Operational Research,1978,(2).

[11]马占新.数据包络分析模型与方法[M].北京：科学出版社，2010.