中国工业CO2排放绩效的动态演化与空间外溢效应

王惠　王树乔

摘要 首先在考虑能源投入与碳排放的共同生产前沿分析框架下，运用非径向、非角度的SBM模型测评我国2003-2013年省际工业CO2排放绩效，通过核密度估计工业CO2排放绩效的动态分布特征，结果发现我国工业CO2排放绩效总体水平偏低，东部地区的工业CO2排放绩效水平较高，中、西部和东北地区存在追赶效应；通过核密度曲线展示我国工业CO2排放绩效整体上处于上升态势，随着时间推进呈现由“单峰”向“双峰”动态演进过程。空间自相关MoranS I检验显示出省际工业CO2排放绩效分布不是随机的，而是具有空间上的依赖性。在纳入空间因素的前提下，各省工业CO2排放绩效具有空间外溢效应，即存在“邻里模仿”的现象；技术创新、产业结构和经济增长对工业CO2排放绩效起到正向显著影响，而出口依存度、工业产权结构与工业CO2排放绩效显著负相关，环境规制的正面影响并不显著。据此，对于未来工业提高碳排放绩效的重点应该是进一步秉承低碳工业的理念，加强工业企业内生的技术创新、注重绿色贸易发展、打破原有的产权结构格局、政府完善环境规制的监管和实施机制，才能真正有效促进工业转型升级和节能减排。

关键词 工业CO2排放绩效；核密度估计；空间面板模型

中图分类号 F224.31

文献标识码 A 文章编号 1002-2104（2015）09-0029-08 doi：10.3969/j.issn.1002-2104.2015.09.005

自2003年英国提出发展“低碳经济”倡议以来，减少CO2排放总量，提升碳排放绩效，发展绿色经济已成为世界各国的共识[1]。随着全球气候变暖，气候异常现象频现，国际减排呼声日益高涨。国际能源署的数据统计显示，2007年我国化石能源燃烧排放的CO2总量高达60.3亿t，成为世界碳排放大国。作为全球最大的碳排放和发展中国家，我国面临与不同利益集团在政治外交上的博弈和温室气体减排国际新框架的艰难谈判，同时也面临着国内生态资源环境承载力不足的巨大压力[2]。我国政府在2009年哥本哈根召开的世界气候大会上也做出承诺2020年我国单位GDP碳排放相比2005年要大幅下降40%-45%。因此，科学合理地测度我国不同区域CO2排放绩效以及深入探析影响CO2排放绩效的各个因素对于促进绿色工业发展、推动低碳经济具有重要意义。

1 文献综述

对于CO2排放绩效的测算研究，多数学者已从最初的仅关注单要素评价的思路转变为全要素测算。Zofo & Prieto[3]、Zaim and Taskin[4]采用DEA模型测算经济合作与发展组织（OECD）国家和地区的CO2排放绩效。Zhou、Ang and Han[5]对世界CO2排放量最多18个国家的碳排放绩效运用MCPI指数进行评价。查建平、唐方方[6]运用环境技术测度全要素分析框架下的各省工业CO2排放绩效的静态水平和动态变化，分析导致其差异性的原因。袁鹏[7]基于物质平衡，利用DEA构建Malmquist碳生产率指数考察碳排放绩效的动态变化，将碳排放绩效变化分解为配置效率效应、技术变化效应和技术效率效应。曹珂、屈小娥[8]在全要素框架下研究各省的CO2排放绩效、减碳规模和减碳潜力，并探寻致使CO2排放绩效变动的原因。李子豪、刘辉煌[9]以我国2000-2009年35个工业行业为研究对象，基于DEA模型的Malmqusit指数方法对工业行业的CO2排放绩效进行测算，结果表明行业整体的CO2排放绩效在样本期内增长了7.8%，主要源于技术进步的推动。

刘明磊等[10]等借助非参数距离函数方法分析能源消费结构约束下的我国各省CO2碳排放绩效水平和CO2边际减排成本，认为各省CO2边际减排成本与碳强度有关。张立国[11]等从环境生产技术出发，构建物流业CO2排放的绩效测度函数研究我国物流业在2003-2009年期间CO2绩效动态变化，对比区域的差异性表明我国物流业成为减排的主要压力行业。仲云云、仲伟周[12]对生产过程中的非期望产出CO2排放运用线性数据转换函数法进行处理，采用DEABCC和Malmquist指数法度量我国29个省1995-2009年的全要素CO2排放绩效，结果显示我国CO2排放绩效逐年下降，呈现显著的区域特征。

随着碳排放问题研究的逐步深入，影响碳排放绩效的诸多因素也备受关注。Ma&Stern运用碳排放因素分解法指出经济增长、能源结构和能源强度对我国CO2排放产生显著影响。查建平[13]等论证外商投资、环境规制、技术、要素禀赋、能源结构等对我国工业CO2排放绩效的作用。韩晶、王赟[14]等构造可考察动态变化的DEAMalmquist指数对我国30个省的工业CO2排放绩效进行测算，进一步采用面板计量模型考察工业CO2排放绩效的驱动因素，结果显示要素禀赋、对外开放、经济发展对工业CO2排放绩效产生显著正向冲击，而产业结构、能源结构对工业CO2排放绩效的影响尚不明朗。

罗良文、李珊珊[15]引入DEA非参数方法测算我国各省1995-2010年的MalmquistLuenberger全要素碳排放绩效指数，估算考虑非期望产出的技术效率和技术进步变化指数，继而运用动态面板数据模型研究国际贸易技术效应、FDI对技术效率和技术进步影响。王群伟[16]等利用含有非期望产出的DEA模型测度1996-2007年我国28个省的CO2排放绩效，结果发现所有制结构、能源强度、产业结构以及经济发展水平对CO2排放绩效具有显著影响，贸易开放的影响并不明显。

国内外学者对CO2排放绩效及其影响因素的研究是深入而广泛的，但在已有的研究中，针对工业CO2排放绩效的研究相对匮乏，且研究方法存在一定的改进空间。据此，本文试图在以下几个方面对现有文献进行拓展：运用包含非期望产出的SBM模型测度我国30个省、市、自治区的工业CO2排放绩效；不再囿于工业CO2排放绩效静态时序变化分析，采用核密度估计函数展示省际工业CO2排放绩效的动态演进过程；准确把握工业CO2排放绩效的集群状态和空间分布格局，引入空间面板进行分析，提高模型估算结果的精准度。

2 工业CO2排放绩效的测算

2.1 研究方法

2.2 投入产出指标说明

本文继续沿用王兵等[18]将资源、环境等因素纳入到环境效率的测评框架的方法，将我国工业CO2排放绩效定义为单位CO2排放的实际产出与最优产出之间的比重。本研究选取2003-2013年我国30个省、市、自治区的有关数据为样本，由于西藏、香港、台湾和澳门地区部分数据缺失，因此不纳入考察范围。笔者选取工业资本存量、劳动力和能源消费量作为投入要素指标；CO2排放作为非期望产出，用工业增加值表示期望产出。数据来源于相应年份的《中国统计年鉴》和《中国能源统计年鉴》、《中国工业经济统计年鉴》以及各省、市的统计年鉴和统计公报数据。相关指标以及数据处理说明如下：

资本存量（K），可采用永续盘存法进行估算，但这种方法设计初始资本存量、投资额以及资本折旧率等基础数据，初始资本存量和工业资本折旧率亦需要估算，不同研究的估算方法结果差异较大，本文采用不少实证研究所采取的替代方法，以工业固定资产净值年平均余额作为各地工业资本存量的近似估算，用各省固定资产投资价格指数将其平减为2003年可比价。能源投入（E），本文所指工业能源投入是工业终端能源消费量，单位是万t标准煤。劳动投入（L），以工业企业的全部从业人员年平均人数计算，单位是万人。碳排放量（TC），利用联合国政府间气候变化专门委员会推荐的CO2排放估算参考方法，依据工业细分品种能源消费量来推算CO2排放量，公式如下：

表示化石能源的消费种类，考虑到CO2的来源主要是化石燃料能源，这里共包括八种能源：天然气、燃料油、柴油、煤油、汽油、原油、焦煤和煤炭，没有加入电力的消费，以避免重复计算。少量缺失数据采用线性插值或者均值加以填补。

2.3 工业CO2排放绩效的静态时序变化

现有文献对中国经济区域的划分存在较大差异，鉴于我国先后实施西部大开发战略、中部崛起战略和东北老工业基地振兴计划，本文选择东部、中部、西部以及东北四大区域划分法。根据上述的我国工业投入产出面板数据，基于考虑非期望产出的SBM模型，对2003-2013年我国30个省区以及四大经济区域的工业CO2排放绩效进行测算，表1给出我国30个省份2003-2013年期间的省际工业CO2排放绩效。

从各省工业CO2排放绩效的平均水平来看，排在前五位的省份依次为浙江、广东、江苏、江西和天津，其工业CO2排放绩效均值都超过0.9；排名倒数后五位的省份依次为黑龙江、宁夏、贵州、甘肃和湖北，工业CO2排放绩效均值都没有超过0.4。由此可见，我国各省工业CO2排放绩效均值水平存在明显的地域差异性，工业CO2排放绩效较高的省份集中在我国经济较为发达的东部地区，碳排放绩效较低的省份则主要分布在我国的中西部以及东北经济综合区。

图1显示全国以及四大经济区域2003-2013年的工业CO2排放绩效趋势。可以看出，除了东部省份的工业CO2排放绩效呈现先升后降再升的趋势，其余三大经济区域的工业CO2排放绩效变动趋势大致相同，2004-2007年期间我国工业CO2排放绩效呈现上升态势，究其原因可能是由于我国政府开始意识到环境保护的重要性，着手进行降低CO2排放的工作，2008年受金融危机的影响除了东北地区，其余三大经济区域的工业碳排放绩效较2007年均有下降，2010-2013年期间，东北、东部和西部的工业碳排放绩效出现提高走势，在此期间我国进一步提出节能减排的约束性目标，政府加强环境规制的力度和调整工业结构，注重绿色工业发展模式使得工业碳排放绩效有所改善。从四大经济区域工业CO2排放绩效的均值来看，区域分化显著，我国东部省份的工业CO2排放绩效均值达到0.82，远高于全国均值水平0.65，中部、西部和东北经济区域的工业CO2排放绩效分别为0.60、0.57和0.48，但都明显低于东部地区和全国均值水平。需要强调的是，本文计算的工业CO2排放绩效是相对的，碳排放绩效处于最佳实践省份是相对于国内其他省份而言，相对发达国家的碳排放绩效而言，这些最佳实践省份依然存在较大的改善空间。

2.4 工业CO2排放绩效的动态演进

为了更加细致、直观地描绘出我国工业CO2排放绩效动态演进过程，利用核密度估计法对其进行进一步的考察。核密度估计法是使用核密度估计量来估计横截面的分布，其原理如下：设p维随机向量X的密度函数为f（x）= f（x1，…，xn），X1，X2，…，Xn为它的一个独立同分布的样本，则f（x）的核密度估计为：

其中：K（·）为核函数，h为带宽，本研究选取常用的Silverman为最佳带宽和Epanechnikov核函数[19]。图2是描述2003、2006、2009和2013年我国工业CO2排放绩效的核密度曲线。分布图中的横轴表示工业CO2排放绩效水平，纵轴表示核密度。从密度分布曲线位置的平移来看，2003-2013年，密度分布曲线整体表现出向右平移的趋势，较为直观的反映出各省的工业CO2排放绩效处于增长的趋势；从曲线的形状来看，在考察样本期内，我国各省的工业CO2排放绩效明显表现出双峰趋同，这种模式反映出一部分省份的工业碳排放绩效将在较高水平聚拢，另一部分省份的工业碳排放绩效在较低水平上集中。

3 工业CO2排放绩效影响因素分析

3.1 空间相关性检验

是否需要在工业CO2排放绩效影响因素计量模型中引入空间效应，取决于我国工业CO2排放绩效在地理空间上依赖性和相关性。笔者采用全局Morans I指数来检验其空间分布是否存在相关特征。计算莫兰指数的方法为[20]：

和Yj表示各地区的测量值（本文指SBM测算的各省工业CO2排放绩效），n为省份总数，Wij表示二进制邻接空间权重矩阵，可以采用距离标准或者邻接标准来度量。Morans I的数值在[-1，1]。大于 0，表示目标区域存在空间正相关性；等于 0，表示目标区域空间分布相互独立；小于 0，表示目标区域存在空间负相关性[21]。

本文所用空间权重矩阵为空间邻接矩阵，经过操作GEODA软件，测算出样本考察期内大多数年份的工业CO2排放绩效Morans I都为正值，且均通过10%的显著性检验。充分验证我国工业CO2排放绩效分布并不是随机的，而是具有空间依赖性，较低（高）工业CO2排放绩效的省份往往与周围具有较低（高）工业CO2排放绩效的省份相靠近，表现出“相似相近”的特征。

3.2 模型设定和变量选取

上文对工业CO2排放绩效的Morans I指数检验证实省际工业CO2排放绩效具有空间相关性特征。据此，假如模型的回归估计没有将空间因素考虑在内，容易造成模型的估计结果出现偏误。为了准确地研究各个因素对工业CO2排放绩效的影响程度，本文将采用空间面板计量模型进行研究。空间计量模型一般可分为两大类，即空间滞后模型（SAR）和空间误差模型（SEM）。

空间误差模型（SEM）的基本形式如下[22]：

Yt=Xtβ+ε

ε=λWε+u（6）

SEM模型认为空间影响存在扰动项误差中，其反映相邻地区自变量的变化对因变量的误差冲击对区域被解释变量的空间影响。式（6）中，Y为因变量向量，为上文SBM模型测算的工业碳排放绩效（CI）；X为自变量向量，依据CO2排放绩效内涵以及既有的研究成果，结合低碳经济、工业经济、环境经济的相关理论，本文拟从环境规制、出口贸易、技术水平、产业结构、经济发展、工业产权结构等六个维度出发，对工业CO2排放绩效影响可能的主要因素进行计量分析与检验。λ表示空间误差系数，u为误差项，W为N×N阶的空间权重矩阵，β为回归系数向量。

空间滞后模型（SAR）的基本表达如下[23]：

Yt=ρWYt+Xtβ+ε（7）

SAR模型只包含区域间被解释变量间的交互影响，反映相邻地区被解释变量对区域被解释变量的空间影响。式（7）中，W为空间权重矩阵，ρ为空间滞后系数，β为k×1阶回归系数向量。

为进一步揭示工业CO2排放绩效差异产生的原因，接下来对选取的影响因素指标做出具体说明。环境规制（ERS），用工业环境治理投资额占GDP的比重来表示，CO2排放具有一定的环境外部性，这使得政府部门在碳减排过程中必须要承担相应责任。STR表示产业结构，用第三产业增加值占GDP比重来衡量；EXP表示出口依存度，用各省出口额占GDP的比重来表示；GDP表示经济发展水平，以2003年不变价计算的实际人均GDP表示；SOE表示工业产权结构，以当地国有（控股）工业企业产值占工业总产值的比重来表示；R&D表示技术创新，已有研究往往以发明专利申请数来表示，本文继续沿用这一指标进行研究。涉及的数据来源于2004-2014年《中国统计年鉴》和地方统计年鉴，少量缺失数据采用线性插值或者均值加以填补。

3.3 结果解析

由于本文采用的是面板数据，在模型的选择上到底采用固定效应模型还是随机效应模型，需要通过F统计量和hausman检验来判定，SAR和SEM模型的hausman结果均通过1%的显著性水平检验，接下来的分析均是基于固定效应模型进行。作为对比，对不考虑空间交互效应的传统OLS面板数据结果也一并报告。在进行空间模型估计时，模型内生性将导致OLS估计的参数存在偏误甚至是无效的，所以需要检验空间滞后和空间误差的LR检验，如果在检验中LMerr在统计上比LMlag要显著，则选择SEM，反之则选择SAR。表2的下半部分给出空间相关性检验结果，结果显示LMerr、RLMerr并没有通过显著性检验，而LMlag、RLMlag均通过1%显著性水平检验，据此，应该选用空间滞后模型分析较为合适。依据面板模型固定效应分为三种形式，时期固定效应、空间固定效应和时期空间双固定效应，从表2上半部分可见三种空间面板模型拟合优度均高于传统面板回归模型，说明纳入空间因素分析是有必要的，而空间固定效应模型的拟合度最优，所以采用空间固定效应的回归结果对各个影响因素进行具体讨论。

（1）环境规制（ERS）对工业CO2排放绩效的影响为正，表明工业企业开始注重经济增长质量的追求，企业在面临环境规制时，为了达到污染物排放标准，往往会刺激企业通过技术创新改进来提高治污能力或改进工艺，减少治污支出的成本实现利润最大化，环境规制通过技术传导的节能减排效果就产生了。但遗憾的是本研究中环境规制对工业CO2排放绩效的影响并没有通过显著性水平检验。这可能是由于我国政府环境规制的力度不高，规制的重点以废气、废水和固体废气物有关，关注碳排放较少，相应的监督和检测机制处于起步阶段，进而使得环境规制对CO2排放绩效的影响并不显著。

（2）经济增长（GDP）对工业CO2排放绩效的影响显著为正。虽然长久以来，我国经济增长以高投入、高排放和高能耗的粗放式生产为主，但是随着经济发展水平越高，越有利于产业结构的转变，可以带动这个地区的融资能力，从而为CO2排放绩效改善所需要的设备、人力等资源提供物质保障；另一方面，人均收入增长到一定程度后，公众对环境保护的意愿更加强烈以及对企业与政府的社会责任要求会不断提高，从而督促企业减少CO2排放。

（3）R&D技术创新与工业CO2排放绩效显著正相关。技术创新是工业生产过程中减排的核心因素之一，正积极地推动低碳经济发展到正确轨道上，其通过全要素生产率促进资源循环利用，对于降低当前减排技术成本至关重要，这将带动新的零碳和低碳技术发明和推广，进而增强工业企业减排的能力。

（4）产业结构（STR）的弹性回归系数为正，且通过1%显著性水平的检验，说明第三产业增加值占GDP的比重提升有助于提升工业CO2排放绩效。目前，我国处于快速发展的工业化阶段，重工业在整个体系的比重居高不下，导致工业降低CO2排放量的工作任务艰巨，而第三产业一直具有能耗少、污染小等优点，发展第三产业能有效缓解资源、环境和经济之间的矛盾。

（5）工业产权结构（SOE）与工业CO2排放绩效显著负相关。究其原因这可能与国有企业大多存在委托-代理问题，资源配置效率低，且多数享有行业垄断优势，采取能效提升和清洁生产的动力缺乏，同时在GDP导向的政绩考核机制下，地方政府对本地国有经济企业的保护和干预致使国有企业的环境约束软化，不利于CO2排放绩效提升。

（6）出口依存度（EXP）在5%的显著性水平上对工业CO2排放绩效的影响为负，这表明出口贸易的提高将不利于改善我国工业CO2排放绩效。因为加工贸易占据我国出口贸易的很大比例，也是我国出口贸易商品的主要来源，总体而言，其产品的技术含量相对较低、劳动密集度较高、高技术含量、高附加值的产品比重不高，不乏一部分加工贸易为高污染、高能耗、资源投入大（两高一资）的产品，不利于我国低碳经济和绿色贸易的发展。4 简要结论与启示

本文在考虑碳排放和能源投入的生产前沿分析框架下，利用非角度、非径向考虑松弛变量的SBM模型测算我国2003-2013年工业CO2排放绩效，结果发现：绝大部分工业CO2排放绩效呈现不断提升的趋势，表现出对生产前沿的技术追赶，从分区域来看，东部地区的工业CO2排放绩效最高，东北地区的工业CO2排放绩效最低。核密度曲线展示工业CO2排放绩效呈现两极分化趋势，整体上处于上升态势，但减排潜力依然较大。空间计量模型对工业CO2排放绩效影响因素的实证结果表明工业CO2排放绩效具有空间外溢效应，产生这种空间效应的原因可能与各省地方政府注重节能减排技术的推广和应用，借鉴、模仿邻接省份的相关环境保护政策等有关；在考虑空间因素之后，经济发展、产业结构、技术创新有益于工业CO2排放绩效提升，出口依存度、工业产权结构与工业CO2排放绩效显著负相关，环境规制对工业CO2排放绩效的正向影响并不显著。

本文针对工业CO2排放绩效的测算以及计量检验结论，对于如何提高工业绿色增长以及降低CO2排放具有借鉴意义和政策启示。具体而言可以从以下几个方面考虑：第一，我国工业CO2排放绩效较高的省份大多分布在东部沿海地区，东部地区要发挥其自身资源优势帮助中部、西部以及东北地区发展低碳经济，形成互惠互利机制。第二，政府设计更好的环境规制形式与工具，进一步完善环境规制的监管机制，引导“波特假说”正效应显现。第三，继续调整优化产业结构，积极发展第三产业，放松垄断性行业的市场准入，推动国有企业从一般竞争性行业退出，在地方政府政绩中加强环境绩效的考核[23]。第四，加强工业企业内生技术创新，因为相比较其他创新形式，我国工业节能减排的效果提升更多的依赖于企业的自主创新，结合企业的创新能力高效研发节能减排的清洁技术。

（编辑：徐天祥）

参考文献（References）

[1]马大来，陈仲常，王玲.中国省际碳排放效率的空间计量[J].中国人口·资源与环境，2015，（1）：67-77.[Ma Dalai，Chen Zhongchang，Wang Ling.Spatial Econometrics Research on InterPriovincial Carbon Emissions Efficiency in China[J]. China Population， Resources and Environment，2015，（1）：67-77.]

[2]查建平，唐方方，别念民.结构性调整能否改善碳排放绩效：来自中国省级面板数据的证据[J].数量经济技术经济研究，2012，（11）：18-33.[Zha Jiangping，Tang Fangfang，Bie Nianmin.Can Structural Adjustments Improve Carbon Emissions Performance：Come from Empirical Reseach of Chinas Provincial Panel Date[J]. The Journal of Quantitative & Technical Economics，2012，（11）：18-33.]

[3]Zofo J L，Prieto A M. Environmental Efficiency and Regulatory Standards： The Case of CO2 Emissions from OECD Industries[J].Resource and Energy Economics，2001，23（1）：63-81.

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

[5]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.

[6]查建平，唐方方.中国工业碳排放绩效：静态水平及动态变化：基于中国省级面板数据的实证分析[J].山西财经大学学报，2012，（3）：71-80.[Zha Jianping，Tang Fangfang. Research on Static Level， Dynamic Change and Affecting Factors of Industrial Carbon Emissions Performance[J].Journal of Shanxi University of Finance and Economics，2012，（3）：71-80.]

[7]袁鹏.基于物质平衡原则的中国工业碳排放绩效分析[J].中国人口·资源与环境，2015，（4）：9-10.[Yuan Peng.Analysis of the Performance of Carbon Emissions from Chinas Industrial Sector Based on the Materials Balance Principle[J].China Population， Resources and Environment， 2015，（4）：9-10.]

[8]曹珂，屈小娥.中国区域碳排放绩效评估及减碳潜力研究[J].中国人口·资源与环境，2014，（8）： 24-32.[Cao Ke，Qu Xiaoe.Research on Regional Carbon Emissions Performance Evaluation and Carbon Reduction Potential in China[J].China Population， Resources and Environment， 2014，（8）： 24-32.]

[9]李子豪，刘辉煌. 中国工业行业碳排放绩效及影响因素：基于FDI技术溢出效应的分析[J].山西财经大学学报，2012，（9）：65-73.[Li Zihao，Liu Huihuang.Research on Carbon Dioxide Emission Performance and Affecting Factors in Chinese Industrial Sectors[J].Journal of Shanxi University of Finance and Economics，2012，（9）：65-73.]

[10]刘明磊，朱磊，范英.我国省级碳排放绩效评价及边际减排成本估计：基于非参数距离函数方法[J]. 中国软科学，2011，（3）：106-114.[Liu Minglei，Zhu Lei，Fan Ying.Evaluation of Carbon Emissions Performance and Estimation of Marginal CO2 Abatement Costs for Province of China：A Nonparametric Distance Function Approach[J].China Soft Science，2011，（3）： 106-114.]

[11]张立国，李东，周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异：基于省级面板数据的实证分析[J].系统工程，2013，（4）：95-102.[Zhang Liguo，Li Dong，Zhou Dequn. Dynamic Carbon Dioxide Emissions Performance and Regional Disparity of Logistics Industry in China[J].Systems Engineering，2013，（4）： 95-102.]

[12]仲云云，仲伟周.中国区域全要素碳排放绩效及影响因素研究[J].商业经济与管理，2012，（1）： 85-96.[Zhong Yunyun，Zhong Weizhou.Chinas Regional Total Factor Carbon Emission Performance and Influencing Factors Analysis[J].Journal of Business Economics，2012，（1）： 85-96.]

[13]查建平，唐方方，郑浩生.什么因素多大程度上影响到工业碳排放绩效：来自中国（2003-2010）省级工业面板数据的证据[J].经济理论与经济管理，2013，（1）：79-95[Zha Jianping，Tang Fangfang，Zheng Haosheng. Determinant factors of Industrial Carbon Emission PerformanceEvidence from Chinese Provincial Industrial Panel Data[J].Economic Theory and Business Management，2013，（1）：79-95.]

[14]韩晶，王赟，陈超凡.中国工业碳排放绩效的区域差异及影响因素研究：基于省域数据的空间计量分析[J].经济社会体制比较，2015，（1）：113-124.[Han Jing，Wang Yun，Chen Chaofan.A Study on Region Differences of Industrial Carbon Emissions Performance and Its Factors in China Spatial Econometric Analysis Based on Provincial Data[J].Comparative Economic & Social Systems，2015，（1）：113-124.]

[15]罗良文，李珊珊. FDI、国际贸易的技术效应与我国省际碳排放绩效[J].国际贸易问题，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.]

[16]王群伟，周鹏，周德群. 我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010，（1）：45-54.[Wang Qunwei，Zhou peng，Zhou Dequn.Research on Dynamic Carbon Dioxide Emissions Performance，Regional Disparity and Affecting Factors in Chian[J].China Industrial Economics，2010，（1）：45-54.]

[17]屈小娥.中国工业行业环境技术效率研究[J].经济学家，2014，（7）：55-65.[Qu Xiaoe.A Study on the Efficiency of Environmental Technology of Chinese Industry[J].Economist，2014，（7）：55-65.]

[18]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，（5）： 95-109.[Wang Bing，Wu Yanrui，Yan Pengfei.Environmental Efficiency and Economices[J].Economic Research Journal，2010，（5）：95-109.]

[19]屈小娥.中国省际全要素CO2排放效率差异及驱动因素：基于1995-2010年的实证研究[J].南开经济研究，2012，（3）：128-141.[Qu Xiaoe. Total Factor Efficiency Differences of CO2 Emissions and Driving Factors in Chinas InterprovincialBased on the 1995-2010 Years of Empirical Research[J].Nankai Economic Studies，2012，（3）：128-141.]

[20]叶明确，方莹.出口与我国全要素生产率增长的关系：基于空间杜宾模型[J].国际贸易问题，2013，（5）：19-31.[Ye Mingque，Fang Ying.Relationship Between Export and Total Factor Productivity Growth in China：A Study Based on Spatial Durbin Model[J].Journal of International Trade，2013，（5）：19-31.]

[21]余泽泳，刘大勇.创新要素集聚与科技创新的空间外溢效应[J].科研管理，2013，（1）：49.[Yu Zeyong，Liu Dayong.Innovation Essential Factor Cluster and the Spatial Spillover of Technological Innovation Efficiency in China[J]. Science Research Management， 2013，（1）：49.]

[22]马子量，郭志仪，马丁丑.西部地区省域城市化动力机制研究[J].中国人口·资源与环境，2014，（6）：10.[Ma Ziliang，Guo Zhiyi，Ma Dingchou.Research of Priovincial Urbanization Dynamic Mechanism in the Western Region of China [J].China Population， Resources and Environment， 2014，（6）：10.]

[23]周五七，武戈.低碳约束的工业绿色生产率增长及其影响因素实证分析[J].中国科技论坛，2014，（8），67-73.[Zhou Wuqi，Wu Ge.Industrial Green TFP Growth Under Lowcarbon Constraint and Its Influencing Factors Analysis[J]. Forum on Science and Technology in China， 2014，（8），67-73.]