基于随机前沿模型的中国西部地区碳排放效率评价研究

郑松华

（兰州大学经济学院，甘肃 兰州 730000）

基于随机前沿模型的中国西部地区碳排放效率评价研究

郑松华

（兰州大学经济学院，甘肃 兰州 730000）

本文基于随机前沿模型，对中国西部地区2003—2011年的碳排放效率进行了测算，并根据计算结果对西部地区的碳排放效率进行分类。得出的主要结论是：（1）西部地区的碳排放效率在2003—2011年提升速度较慢，具有巨大的节能减排潜力。（2）西部地区的碳排放效率分类结果为：在2011年属于碳排放高效区的只有广西省；属于碳排放中效区的有4个省：四川、重庆、青海、云南；属于碳排放低效区的有6个省：陕西、新疆、甘肃、内蒙古、贵州、宁夏。最后根据分类提出了相应的政策建议。

碳排放效率；随机前沿模型；西部地区

一、引言

2009年，中国政府提出了2020年单位GDP碳排放要在2005年的基础上下降40%—45%的目标，但现实情况是中国已成为世界上二氧化碳排放量最多的国家，并且随着现代化进程的推进，碳排放量有继续增长的趋势。如何在保证经济发展的同时减少二氧化碳的排放是中国目前面临的深刻问题。与此同时，2011年西部地区①的碳排放强度为1.08万吨标准煤/亿元，高于全国的0.70万吨标准煤/亿元②，即西部地区单位GDP的碳排放量高于全国。因此，研究西部地区的碳排放效率对于全国在2020年达到碳减排的目标有重要意义。另外，对西部地区碳排放效率进行分类，才能因地制宜地实施碳减排政策，才能充分利用碳减排的潜力来实现碳减排目标。

碳排放效率的相关研究方法主要分为三种：第一，随机前沿研究方法（SFA）。杜克锐、邹楚沅（2011）利用随机前沿模型对中国碳排放效率的地区差异、影响因素和收敛性进行分析，研究结果表明，碳排放效率存在地区差异，并且差异在不断扩大。另外，发挥市场的作用、城市化进程等因素对提高我国碳排放效率有促进作用。赵国浩等（2012）采用随机前沿模型和模拟退火算法对山西省1995—2010年的碳排放效率和山西省“十二五”规划的碳减排目标的可达性进行分析，结论为不可达。胡爱荣和岳磊（2011）采用随机前沿模型对黑龙江省4个煤炭城市10年的技术效率进行了实证分析，研究表明，黑龙江4个煤炭城市的碳排放技术效率都不高，但都呈现缓慢上升的趋势。第二，数据包络分析方法（DEA）。塔斯金等（Zaimand Taskin等，2000）利用不同的DEA模型对经济合作与发展组织（OECD）国家和部分地区碳排放绩效进行了评价。魏楚和沈满红（2007）基于数据包络分析法测算了我国1995—2004年的省际能源效率。第三，TOPSIS和OWA算子赋权方法。周健（2011）基于TOPSIS和OWA算子赋权方法测算了中国30个省（除西藏）2003—2008年的碳排放效率。徐胜和杨娟（2012）利用TOPSIS和OWA算子赋权方法测算了山东省17个地市2005—2009年的碳排放效率。

目前有关西部地区碳排放效率评价的相关文献相对较少，本文着眼于中国西部地区，采用随机前沿模型，测算2003—2011年的碳排放效率，对西部地区碳排放效率进行分类并提出因地制宜的对策建议，为西部地区提高能源利用效率和节能减排提供决策参考。

二、模型简介

（一）计量模型

本文采用的研究方法为随机前沿分析方法，采用的相关数据是宏观层面的，并且有些数据是通过基础数据进行计算获得的，数据不可避免地存在噪声，选择随机前沿边界分析方法是较为合适的。另外，在随机前沿边界框架下，对碳排放效率进行定义更加直观，更能贴切地评价生产活动中二氧化碳的排放绩效，这也是本文选择随机前沿边界分析方法的重要原因。

随机前沿生产函数是艾格纳、洛弗尔和施密特（Aigner、Lovell和Schmidt，977）以及米奥森和伯洛克（Meeusen和Vanden Broeck，1977）分别独立提出来的。最初的模型是专门针对具有横截面数据的生产函数，并将生产函数中的误差项分为两部分：一个是随机误差项，另一个是技术无效部分。该模型可用如下函数表示：

公式（1）中i表示样本， xi表示解释变量向量，设Vi～(0 ,σv)， β表示待估参数向量，Ui表示非负随机变量，该变量与生产的技术无效率相关联，设其服从截尾（在0点处截断）正态分布。公式（2）说明了Ui即技术无效率影响的

界定：该模型起初并没有处理综列数据的能力，但是巴蒂斯和科埃利（Battese和Coelli）在1992年提出了一个针对综列数据的随机前沿生产函数模型，使该模型处理跨时间段的数据成为可能，极大地提升了应用范围。本文在借鉴巴蒂斯和科埃利（1992）模型的基础上，使用较为灵活的超越对数函数，具体表述如下：

式（3）两端同时减去ln CO2it，得到下式：

式（5）表明碳排放效率值在0—1之间，越接近于1，表明效率越高，等于1意味着到达生产前沿边界，现有技术得到充分发挥。对式（4）的待估参数，可以采用联立的似然估计进行估计。

（二）数据来源

在随机前沿模型中选取的投入产出相关指标为：GDP、碳排放量、城镇固定资产投资和年末从业人口。西部地区2003—2011年的GDP数据来源于《中国统计年鉴》（经过1978年不变价计算），西部地区2003—2011年的能源消费数据来源于《中国能源统计年鉴》。将8种能源消费量乘以碳排放系数得出西部地区2003—2011年的碳排放量，其中碳排放系数来源于IPCC碳排放量计算指南缺省值。西部地区2003—2011年的城镇固定资产投资和年末从业人口来源于《中国统计年鉴》。

三、实证结果与分析

（一）模型计算结果

基于随机前沿模型，采用2003—2011年的面板数据，对中国西部地区2003—2011年的碳排放效率进行测算，各项参数由Frontier4.1程序用最大似然法估计出，参数估计结果如表1所示，碳排放效率计算结果如表2所示，图1、图2、图3分别是根据计算结果绘制的西部地区2003—2011年碳排放效率平均值走势图、西部地区2003—2011年碳排放效率年均增长率柱状图、西部地区2009—2011年碳排放效率均值柱状图。

表1：西部地区2003—2011年碳排放效率各变量相关系数

从表1中看出，γ值在5%水平下显著，γ值为0.711，拟合程度较为理想，表明碳排放的无效率是各个地区偏离其生产前沿的主要原因，使用随机前沿函数的分析方法是合理的。

（二）碳排放效率的分类

1.在进行碳排放分类时，本文最终选择西部地区各省区近3年碳排放效率的均值来代表西部地区碳排放效率的水平，这是由于考虑到若选择西部地区2003—2011年的均值会使得西部地区整体的效率值被低估，而仅选择1年的效率值则不能代表各省区碳排放的真实效率水平。

2.本文将碳排放效率划分为碳排放高效区、中效区和低效区。根据杜克锐、邹楚沅和赵国浩等的研究结果，国内先进省份的碳排放效率已达到0.900以上，因此本文将碳排放高效区的分类标准界定为大于0.900，又根据西部地区各年碳排放效率平均值为0.699，将碳排放中效区分类标准界定为0.699到0.900之间；碳排放效率低于西部地区平均水平的属于低效区，因此对碳排放低效区的分类标准界定为小于0.699。

根据对碳排放效率分类标准的界定和表2的计算结果，本文对西部地区的碳排放效率分类结果为：在2011年属于碳排放高效区的省只有1个，即广西省；属于碳排放中效区的省有4个，分别为四川、重庆、青海、云南；属于碳排放低效区的省有6个，分别为陕西、新疆、甘肃、内蒙古、贵州、宁夏。如表3所示。

表2：西部地区2003—2011年碳排放效率

图1：西部地区2003—2011年碳排放效率平均值走势图

（三）计算结果分析

从图1中可以看出，我国西部地区的碳排放效率平均值在2003—2011年间呈现缓慢上升的趋势，由图2、图3得出平均每年增长4.080%，2009—2011年碳排放效率的均值为0.699。从图4中可看出，西部各省区的碳排放效率差距正在缩小。根据碳排放效率的定义，碳排放效率处于0—1之间，效率值越大意味着碳排放效率越高，因此西部地区的碳排放效率存在很大的上升空间，同时也表明西部地区有着巨大的节能减排潜力。

处于碳排放高效区的广西，2011年碳排放效率已经达到0.923，在西部地区始终保持第一位，2009—2011年平均值为 0.916，年均增长率为1.065%，增长速度缓慢，节能减排的潜力较小。从图4中也可看出，西部地区其余省区与广西的碳排放效率差距正在缩小。广西2011年的地区生产总值为11720.87亿元，排在西部地区的第四位，碳排放量、年末从业人口、城镇固定资产投资均排在西部地区的中间位置，而广西在西部地区碳排放效率最高是得益于技术效率所具有的优势，以及旅游业、服务贸易等第三产业的长足发展。

处于碳排放中效区的四川、重庆、青海和云南，在西部地区的排名分别在2—5位，碳排放效率高于西部地区均值，碳排放效率的年均增长率在2%—4%之间，增长速度较为缓慢。从图4中可以看出，上述4个省区间的碳排放效率存在一定差距，其中最高的四川和重庆的碳排放效率较为接近，四川2009—2011年3年均值为0.836，重庆为0.804；青海和云南的碳排放效率较为接近，青海为0.749，排在中效区末位的云南为0.706。虽然在西部地区四川和重庆的经济基础较强，四川经济总量为西部第一，重庆是长江上游地区的经济中心，但近年来的循环经济发展成效不突出，技术效率的进步不明显，使得重庆碳排放效率未能跻身高效区。云南的投入和产出在西部地区处于中间位置，技术效率在西部地区属于中等水平，节能减排具有较大的潜力。虽然青海的投入和产出比在西部地区都是最低的，但由于技术效率在西部地区也属于中等水平，使得青海位列西部地区碳排放中效区。

表3：西部地区碳排放效率分类

图3：西部地区2009—2011年碳排放效率均值柱状图

图4：西部地区各省区2003—2011年碳排放效率平均值走势图

处于碳排放低效区的陕西、新疆、甘肃、内蒙古、贵州、宁夏，分别排名6—11位，碳排放效率的年均增长率高。从图4中可以看出，陕西、新疆、甘肃的碳排放效率相近，差距在逐渐缩小，陕西2009—2011年3年均值为0.693，新疆为0.664，甘肃为0.641；内蒙古、贵州、宁夏的碳排放效率较为相近，但这3个省区与排在他们之前的省区碳排放效率差距缩小的趋势并不明显。上述6个省的碳排放效率都低于西部11省的平均水平，虽然他们碳排放效率的增长率高，但技术效率的严重不足，导致经济总量快速增长的同时，碳排放量和其他投入也在快速上涨。

四、结论和政策建议

本文通过运用随机前沿的研究方法对西部地区2003—2011年的碳排放效率进行测算，得出的主要结论为：（1）西部地区的碳排放效率在2003—2011年上升速度较慢，存在很大的上升空间，具有巨大的节能减排潜力。（2）西部地区的碳排放效率分类结果为：在2011年属于碳排放高效区的省只有1个，即广西省；属于碳排放中效区的省有4个，分别为四川、重庆、青海、云南；属于碳排放低效区的省有6个，分别为陕西、新疆、甘肃、内蒙古、贵州、宁夏。通过研究笔者认为，我国的节能减排要根据不同地区碳排放效率的差异实施因地制宜的政策措施，从而更好地利用各地区节能减排的潜力，实现国家在2009年提出的节能减排目标。因此根据本文对西部地区碳排放效率进行的测算和分类，得到以下主要的政策启示：

（一）高效区：在维持现有水平的基础上进一步提高

总的来说，对于像广西这样碳排放效率较高的省份，节能减排方面面临的主要任务是：在维持现有水平的基础上进一步提高碳排放效率。因此本文针对广西省提出的政策建议为：首先，积极转变经济发展方式，努力将经济增长方式由主要依靠投资和出口拉动转变为由投资、出口和消费协调拉动；其次，促进经济结构转型，优化产业结构，政府牵头引进高新技术和高附加值的产业，同时大力扶持服务业和金融业的发展。通过上述措施在保证经济增长的情况下尽可能地减少碳排放量，从而提高碳排放效率，达到节能减排的目标。

（二）中效区：提高能源利用率，优化能源利用结构

对于四川、重庆、青海、云南这4个省，节能减排方面面临的主要任务是：提高能源利用效率，优化能源利用结构。因此针对这4个省提出的政策建议为：政府和企业要加大对于技术改进的科研投入，积极建立企业和高校的合作机制，同时引进国内外先进的生产技术，淘汰落后的产能，限制高耗能高排放企业的盲目扩张，优化能源利用结构，积极开发和使用清洁能源，从而在保持经济发展速度的情况下降低碳排放量的增长速度，提高碳排放的效率，达到节能减排的目标。

（三）低效区：保证经济快速发展的同时，减少碳排放的增长速度

对于碳排放效率较低的陕西、新疆、甘肃、内蒙古、贵州、宁夏，其碳排放效率低的原因主要是粗放的无效率的生产方式，而西部各省区正处在社会经济发展的战略机遇期，不能放慢经济快速发展的脚步，因此其节能减排的主要任务是：在保证经济快速发展的同时，减少碳排放的增长速度。应该着重提高生产的技术效率，更新生产设备，引进国内外先进生产运营模式，加强对工业企业科技创新的激励和支持，提高企业的创新能力；同时要科学合理地制定各省区的工业生产功能区规划，整合资源形成产业集聚，从而提高碳排放的绩效，在保持原有经济效益的同时降低碳排放量。

注：

①本文所研究的西部地区是指除西藏以外的中国西部11省，即：广西、四川、重庆、青海、云南、陕西、新疆、甘肃、内蒙古、贵州、宁夏；由于《中国能源统计年鉴》未给出西藏的碳排放数据，因此未将西藏纳入研究范围之内。

②GDP由《中国统计年鉴》获得。能源消费数据由《中国能源统计年鉴》获得，并将8种能源消费量乘以碳排放系数得出碳排放量，其中碳排放系数来源于政府间气候变化专门委员会（IPCC）碳排放量计算指南缺省值。

[1]杜克锐，邹楚沅.我国碳排放效率地区差异、影响因素及收敛性分析[J].浙江社会科学，2011，（11）.

[2]赵国浩，李玮，张荣霞，梁文群.基于随即前沿模型的山西省碳排放效率评价[J].资源科学，2012，（10）.

[3]胡爱荣，岳磊.基于前沿生产函数的黑龙江省煤炭城市的技术效率研究[J].价值工程，2011，（2）.

[4]Zaim.O.and Taskin.F.Evironmental Efficiency In Carbon Dioxide Em issions in the OECD，A Non-parametric Approach[J].Journalof EvironmentalManagement.58（2）.

[5]Aigner，D.J.，C.A.K Lovell，and Schmidt，1977. Formulation and Estimation of Stochastic Frontier Production FunctionsModels[J].Journalof Econometrics，（July）.

[6]Meeusen.W.，&J.van den Broeck，1977.Efficiency Estimation from Cobb-Douglas Production Functions w ith Composed Error[J].International Econom ic Review，18.

[7]Battese，G.E.&T.J.Coelli，1992.Frontier Production Functions，Technical Efficiency and Panel Data：W ith Application to Paddy Farmers in India[J].Journal of Productivity Analysis，3：1/2（June）.

[8]魏楚，沈满洪.能源效率及其影响因素：基于DEA实证分析[J].管理世界，2007，（8）.

[9]周健.省际碳排放经济效率的TOPSIS评价分析[J].统计与决策，2011，（21）.

[10]徐胜，杨娟.山东省经济效率评价分析[J].中国渔业经济，2012，（3）.

（特约编辑 齐稚平；校对 XY，GX）

Based on the stochastic frontier analysis，this paper uses the panel data from 2003 to 2011 to calculate the carbon em ission efficiency forWest China.According to the results，the paper classifies the carbon em ission efficiency ofWest China.The primary conclusions this paper draws are as follows.Firstly，carbon em ission efficiency of WestChina rose slow ly from 2003 to 2011 and there isgreatpotential for rise in the carbon em ission efficiency aswell as huge potential for saving energy.Secondly，the classification of carbon emission efficiency forWestChina are：At 2011，Guangxi is classified as high efficiency carbon emissions are as follows.Sichuan，Chongqing，Qinghai and Yunnan are classified as provincesw ithmiddle carbon em ission efficiency.Shanxi，Xinjiang，Gansu，Inner Mongolia and Ningxia are classified as provincesw ith low carbon emission efficiency.Finally，based on the classification，thispaper puts forward corresponding policy suggestions.

carbon emission efficiency，stochastic frontieranalysis，West China

F830

A

1674-2265（2014）01-0014-05

2013-12-15

兰州大学中央高校人文社科类项目（编号：12LZUJBWYB090）。

郑松华，男，江西上饶人，兰州大学经济学院，研究方向为区域经济学。