“十二五”时期我国碳排放额度分配评估及效率研究∗

李小胜 宋马林

（安徽财经大学统计与应用数学学院 安徽蚌埠 233030）

一、引 言

随着经济增长，人均收入的上升，人民生活水平的提高，公众对环境的诉求越来越高，社会上环境群体性事件也不断发生。2015年年初的一部纪录片《穹顶之下》更是将环境问题的探讨推向了高潮。1992年《联合国气候变化框架公约》只对附件I国家有碳排放额度的限制，中国是非附件I国家，对排放额度没有限制，随着“共同但有区别的原则”的削弱以及中国碳排放量的增大，中国碳排放总量将来也会受限制。根据国际能源署（IEA）研究中心的测算，2011年中国CO2排放量为80亿吨，占全球排放量的25.5%，中国人均碳排放量为5.92吨，美国为16.94吨，欧盟国家为9.95吨。中国的总量较大，但是人均排放量不大，如果按照目前的经济增长方式，中国的人均排放很快赶上欧盟甚至美国的排放量。为了控制污染排放，中国政府采取了多种措施节能减排，包括：碳排放强度限制、碳排放额度限制等一系列命令控制性工具以及碳排放交易制度等环境经济政策。

碳排放权交易制度不同于命令与控制性管理工具，是一种新型的、以发挥市场机制作用为特点的环境经济政策。通过市场交易达到控制污染排放的手段，还能够通过价格信号来引导企业和地区采用最优的减排方式达到控制污染排放。这种交易方式在2002年3月就出现在中国，当时国家环保总局与美国环境保护协会合作，选取中国山东省、山西省、江苏省、河南省、上海市、天津市以及柳州市和中国华能集团公司，开展四省三市以及一家企业（即“4+3+1”项目）的二氧化硫排放总量控制及排污交易试点工作。为了应对气候的变化，2011年国务院印发《“十二五”控制温室气体排放工作方案》和《关于开展碳排放权交易试点工作的通知》，同意北京市、天津市、上海市、重庆市、湖北省、广东省以及深圳市开展碳排放交易试点工作。截止到2014年6月19日重庆碳排放交易所的开市为止，中国已经启动了7个碳排放权交易所，这标志着中国碳排放权逐渐走向成熟。碳排放市场的交易依赖初始额度的分配，但碳排放交易市场中初始额度分配问题一直没有得到解决，国内外一直存在着争论，如何分配是个值得研究的重要问题。

二、文献综述

碳排放交易市场涉及到五个要素，首先是一个国家或者地区的总量目标的设定，其次是初始额度的分配，第三是核实证明注册，第四是交易机制的构建，第五是惩罚机制构建。其中初始配额分配，是目前碳排放交易市场的难点。良好的初始分配，是产生二级市场交易的前提，影响到市场的交易活跃性和交易价格的合理性，初始额度分配也要体现公平和效率的原则，不会导致整个社会的不均和失衡。目前发展较好的交易市场包括欧盟的碳排放交易市场和澳大利亚的碳排放权交易市场，它们的初始额度分配都是无偿分配的形式，考虑的分配原则也是从一些单指标进行探讨，例如按照人均排放原则、累积排放原则、支付能力原则。陈文颖（1998）提出碳排放权的混合分配机制，即依据人均碳排放量和GDP碳排放强度的加权平均方法；以及以人均碳排放量为基准，同时兼顾 GDP碳排放强度两种混合机制。丁仲礼（2009）提出应基于“未来排放配额”来分配各国碳排放权。这些分析主要集中在单指标的分析之中，不同的国家和不同的地区站在自己的立场上，选择适合自己的指标，导致这种分配方式受到不断的攻击。为了弥补这些缺陷，学术界对单指标分配进行了许多探讨和改进。朱潜挺（2015）通过构建一个全球配额分配模型（GQAM）对全球碳排放额度进行分配，并和其他分配原则进行比较。Nordhaus（1992） 采用全球一般均衡模型对各个国家的边际减排成本和减排额度进行了估计。

与上述采用单指标和采用可计算一般均衡分析不同。Gomes 和Lins（2008）基于效率最大化的原则，采用投入和产出指标，应用数据包络分析模型将二氧化碳排放作为唯一投入变量，人口、GDP和能源消耗作为产出变量，对《京都议定书》签约国家中的64个国家CO2排放进行重新分配，分配后所有国家的效率都为1。这种分配考虑各个地区的投入和产出多个指标，并以效率最大化为目标，比采用考虑效率的单指标分析更加合理。这种分配的思想起源于 Lins 等（2003）的文献，他们认为以往采用金牌单指标对参与奥运会国家的排名不合理，因为国家有大有小，投入有多有少。在考虑这些因素后，他们利用“零和博弈”DEA模型对悉尼奥运会获奖国家的投入和产出数据，得出新的排名，他们认为这种排名明显较以往的排名合理。基于上述的思想 Yang等（2011）提出了在产出固定情况下，一个个体的产出增加同时，另一些个体的产出必然减少的产出竞争型模型。Wu等（2014）采用考虑期望产出扩张的同时和非期望产出减少的竞争性数据包络模型，并对中国各地区2007-2011年发电企业的效率进行了评价。Wang等（2015）对Gomes 和Lins（2008）的模型进行改进，考虑了松弛作用的“零和博弈”评价模型，对中国2020年各个省份CO2排放额度进行分配。林坦和宁俊飞（2011）根据Gomes 和Lins（2008）思想对2009年欧盟21个成员国的碳排放额度进行重新分配。苗壮等（2012）采用“零和博弈”模型对2010年中国化石能源二氧化碳排放的数据进行重新分配。郑立群（2012）采用 Gomes 和 Lins（2008）思想，在文章中将CO2排放看成是唯一的投入，将人口、能源消耗和GDP作为模型产出变量，对中国各省区碳排放额度进行重新分配。

三、研究设计

（一）按照效率分配碳排放额度的理论分析

根据钟茂初和闫文娟（2012）的研究，我国地区间环境负担存在着严重的不公平现象，造成环境不公平现象的主要原因是收入差距的扩大。环境政策不是外生的，收入差距会导致环境政策差距，高收入地区对良好环境质量的偏好更强，从而会制定更加严厉的环境政策，而低收入地区的环境管制政策比较松，为了发展经济这些地区承接了大量发达地区的资源消耗量大的污染性产业，导致污染发生转移，实践表明中西部地区的碳排放转入量明显大于转出量。李梦洁和杜威剑（2014）表明环境规制和就业之间存在U型关系，东部地区已经处在拐点的右侧，环境规制和就业之间存在着双赢的局面，中西部地区主要关注经济增长而对环境质量的重视相对不足。在市场经济条件下，各地政府具有“经济人”的本性，追求地方利益最大化，承接了大量发达地区淘汰的落后产业和污染性产业，导致污染从发达地区转向落后地区，城市转移到乡村现象。由于污染是公共产品，落后地区根据比较优势这样选择无可厚非，但是这样选择会导致全国总的碳排放量继续上升。

政府间气候变化专门委员会（IPCC）对附件I国家的要求是碳排放绝对量的减少，附件II国家包括中国、印度等发展中国家碳减排的目标是强度目标，强度目标在技术进步和产出扩大的情况下，会导致碳排放量的持续上升，超过地球的承载力，发生全球气候变暖现象。碳排放绝对量的减少将是未来所有国家为缓解气候变化应该做的承诺，中国政府宣布在 2030年后开始兑现碳排放绝对量减排规定。要实现该目标，较为可行的途径是分阶段将强度目标转换为总量控制目标，然后将总量目标分解到各地区，明确各地区的碳减排责任，这也是建立碳交易市场的初衷。

我国新一轮经济改革提出“既要金山银山，又要绿水青山”发展目标，意味着经济发展不但要创造经济红利，更要创造环境红利，实现波特效应（涂正革和谌仁俊，2015）。在碳排放权交易市场中，政府是初始碳排放权分配的主体，建立碳排放市场的最终目标是以最优的经济效益实现区域内排放总量的控制目标，而且不能够损害经济的增长。按照人均排放均等原则、累积排放原则、支付能力原则，发达地区的排放额度都应该下降，不发达地区的碳排放额度都应该上升。如果按照这种分配原则，经济不发达地区会继续走比较优势之路，造成全国碳排放总量的继续上升。为了改变这种现象就要求各地区不能各自为政，宏观经济决策者必须按照效率高低分配碳排放的额度，在碳排放总额固定的情况下，对碳排放效率高的地区增加排放，效率低的地区减少排放额度，额度不足的地区通过碳排放交易市场购买额度。这样通过“倒逼机制”使得落后地区不敢继续承接淘汰和污染排放量大的转移项目，积极推进地区产业结构高级化，使产业结构向“三、二、一”结构过渡（李梦洁和杜威剑，2014），缓解当前环境不公平现象的发生，避免成为污染产业转移的天堂。

按照效率分配排放额度一方面能够积极促进产业结构的转变，另一方面能在创造经济红利的同时，创造环境红利，实现波特效应。例如，Brännlund等（1998）采用数据包络分析对瑞典造纸工业的研究表明在污染排放权交易下，可实现经济增长的目标。Färe等（2013）采用数据包络分析对污染排放权在空间上和时间上进行跨期分配，发现碳排放的额度重新分配下，经济总量是扩大的。Färe等（2014）继续应用这种方法对美国燃煤发电厂的排放额度进行重新分配，发现不但能够实现额度的重新分配，而且还能够导致产出的增长。Zhou等（2014）对中国1995-2011年碳排放的数据应用数据包络分析的跨期功能，发现各个地区碳排放额度重新分配下，经济总量是扩大的，发生波特效应。涂正革和谌仁俊（2015）的研究表明按照数据包络效率分配模型，严格执行环境管制政策，环境红利和经济红利能够同时出现。

对于国家间碳排放额度的分配，不但要考虑历史排放的责任，还要考虑经济发展状况决定的未来排放水平，按照效率分配并不合适。但是，对于一个国家内的分配，效率分配能够避免污染避难所和污染转移效应的产生，真正淘汰落后产业，实现减排问题。本文认为效率分配应该是优先的选择，在坚持效率分配原则下兑现中国政府对世界的承诺，并不会对中国经济造成影响，相反还能够促进经济的增长。正是在上述思想的指导下，本文采用一种新的“零和博弈”效率分配模型，对中国“十二五”时期的碳排放效率和额度分配的合理性进行评估，为“十三五”或未来碳排放市场的初始额度分配提供计算参考。

（二）研究方法

Yang等（2011）提出了在产出固定情况下，一个个体的产出增加时，另一些个体的产出必然减少的产出竞争型模型，这种模型很类似于博弈论中的“零和博弈”思想。假设有n个决策单元，每个决策单元应用m项投入xik，生产出s项竞争性产出yrk，q项无竞争关系的产出zpk，对于固定的决策单元 DMUk，产出最新小化扩张的比例，可以用下面的非线性规划模型（1）表示：

其中，βr表示决策单元DMUk的第r项产出增加的数量，Srj表示决策单元 DMUj的第r项产出减少的数量，vi表示投入项的权重，ur表示第r项竞争性产出的权重，wp表示第p项无竞争性关系产出的权重，μ0是与权重类似的待确定的变量。

上述模型只反映了竞争性关系下产出调整导致效率提高，没有考虑非竞争性关系产出的扩张也能导致效率改变的情况。实际上这种情况在现实中也很常见，不能只考虑竞争性产出之间的调整，还要考虑非竞争性产出扩张导致效率的改变。Wu等（2014）对上述的模型进行改进，考虑了竞争性产出之间的调整，也考虑了非竞争项产出扩张情况下效率的提高，该模型可以用下面的模型（2）表示：

其中模型（2）中的pα（p=1,...,q）表示无竞争性关系的产出可以扩展的比例，kθ表示决策单元的效率高低。模型（2）在处理非期望产出的时候存在着问题，非期望产出在该模型中是越大越好，所以不符合现实情况。为了能处理非期望产出应该减少和期望产出应该增加的问题，我们将非期望产出看成是投入，用yrk表示，期望的产出用zpk表示，于是有模型（3）：

其中，Ek表示效率的大小，模型（3）是个非线性规划，可以通过转换（Wu等，2014），得到模型（4）：

通过模型（5）我们就能得到既考虑了具有竞争性关系产出之间的调整，又考虑了非竞争性关系产出同时扩大情况下的效率。下面的分析，我们依据模型（5）得到中国“十二五”时期各个地区的效率值，以及非期望产出在个体之间调整和期望产出应该扩张的实证分析。

四、数据来源和实证结果分析

（一）数据来源

根据本文研究的需要，我们从《中国能源统计年鉴》收集到2011年和2012年能源消费的数据，由于2014年《中国能源统计年鉴》未出版，2013-2015年的能源消费的数据缺失，Wang等（2014）认为“十二五”时期中国能源消耗强度将按照16%的速度递减，据此推算出2013-2015年各省份能源消费。资本存量采用永续盘存法进行核算，具体的核算可以参考张军等（2004）的文献，林伯强和孙传旺认为2011-2015年中国资本存量的平均增速为14%，按照该方法计算出2013-2015年的资本存量。劳动力数据来自各省区统计年鉴，用期初和期末数据的平均值表示，2013-2015年的从业人员数按照0.622%的增长速度计算得到。期望产出为地区生产总值（GDP）来自中经网，折算成不变价，根据国家“十二五”计划提出的国内生产总值年均增长7.5%的速度，得到2013-2015年各省份的生产总值。非期望产出我们用CO2排放表示，具体的核算可以参见李小胜和安庆贤（2012）的文献进行核算，“十二五”的最后两年2014年和2015年的数据缺失，根据“十二五”时期碳强度年均下降3.8%的速度外推得到。

（二）基于“零和博弈”模型的各地区效率分析

根据公式（4）、（5），我们可以得到测度各省区效率的模型（3），从估计得到的效率值看，2011-2015年北京、上海、江苏、广东、海南、青海都是有效的地区，“十二五”期间都处在前沿面上。这些地区囊括了中国经济最发达的地区和工业产值较小的海南和青海省。山东、浙江和天津这几个发达地区的效率估计值虽然不为1，但是从估计的结果来看，这几个发达地区的效率也是逐年上升的，例如天津的效率值“十二五”期间都在0.95以上，离前沿面的距离较近。浙江省效率上升得较快，从2011年0.87上升到2015年的0.93。山东省的效率在这些发达省份中是较低的，稳定在0.75左右，但也呈现出逐年上升的趋势，西部和资源性地区如云南、内蒙古、新疆、山西、河南、吉林、广西、辽宁、陕西等的效率值始终是处在0.7以下。总体上看模型估计的效果较好，落后地区和发达地区的效率存在明显的差异，这些结论比国内多数采用非竞争性资源关系模型的研究结论更加稳健。Wu等（2014）采用该种方法对中国31个地区2007-2011年的工业效率进行分析得出，北京、广东、山东、天津和西藏的效率为1，处在前沿面上，从我们的估计结果，我们的地区数据比他们利用地区工业数据估计的模型结果更加合理。对“十二五”时期中国 30个地区的碳排放的强度单指标看，山东和天津的强度明显高于江苏、上海和海南省，效率估计结果也明显低于江苏、上海和海南省，我们的结果进一步表明这些碳排放强度高的省份效率也偏低，更加符合实际经济情况。

表1 2011-2015年各地区的效率（基于“零和博弈”DEA模型）

续表1

对上述的效率值进行分析，我们发现绝大多数省份效率值呈上升的趋势，其中黑龙江和辽宁的效率值变化比较大，效率由低上升之后又变为下降趋势，且波动较大。四川、贵州和吉林呈现出倒“U”型的趋势，2013年效率值达到最大，2014年和2015年出现了下降。北京、上海、江苏、广东、海南、青海是处在前沿面的地区，效率没有发生改变。从中国30个地区效率值的平均来看，各年值逐渐增大，由2011年的0.7791增加到2015年的0.8116，效率值提高3.25个百分点。对效率的标准差分析发现，效率的标准差2011年为0.1558，2012年上升为0.1578，随后呈现逐年下降趋势，2013年为0.1430，2014年为0.1406、2015年为0.1386。从变异系数看，由于均值呈现逐年上升的趋势，而标准差呈现下降的趋势，所以变异系数也是逐年减小的，这表明各地区的效率趋同的趋势比较明显。出现上述的状况与中国近年来的环境控制政策是密不可分的，中国政府在“十一五”时期就对各个省份的碳排放强度下降制定了强制性目标，要求各个省份严格遵照执行。但是，上述的效率估计也出现了一个不发达省份青海省处在前沿面上的问题，这个估计与数据包络分析模型是综合考虑投入和产出要素，要素间出现替代的原因造成的，同样在杨文举（2015）的文献中也出现了经济不发达省份青海省处在前沿面上的情况。

（三）额度分配研究

在计算上述的效率过程中，我们得到各个地区的Srj，即决策单元 DMUj的第r项非期望产出应该减少的数量，本文中只有一项非期望产出CO2排放。从表2我们可以看到，北京、上海、江苏、广东、海南、青海都是有效的地区，处在前沿面上，本身无需减少碳排放，相反按照“零和博弈”的思想应该增加排放，其他各个地区为了达到有效必须减少排放量，其中2011年福建、江西、广西、重庆、云南的减排量最多，为4874万吨左右。从实际的效率看，当年云南和江西也是效率较低的地区。2012年湖南、天津、福建、江西、重庆、云南这六个地方的减排量最大，为5811.85万吨左右。2013年四川、湖南、天津、江西、重庆、云南这六个省份的减排量都为5802.84万吨左右。2014年福建、四川、湖南、天津、江西、云南六个省份，减排量均为6740.68万吨左右。2015年吉林、湖北、浙江、福建、四川、湖南、天津、江西这八个省份，减排量均为7636.69万吨左右。根据“零和博弈”的思想这些地区减少的数量按照模型（3）效率最大化的原则被分摊到其他省份，即其他各个地区增加βr数量的排放，这种重新分配的结果，我们可以用表2来表示。从表 2可以看到，与各个地区原来实际的排放数据相比，效率较高的地区排放都是增加的，而且增加的数量较大，例如北京、上海、江苏、广东、海南、青海这些省份的排放量增加的数额都比较大，效率越低的地区，减排的数值越大，例如宁夏虽然是在0.92左右，但是从排放的强度看，按照2005年不变价计算，2011-2015年的碳排放强度分别为13.88、13.38、13.50、13.28、12.99吨/万元GDP。而同期北京的碳排放强度为0.99、0.94、0.88、0.83、0.79吨/万元 GDP，二者相差非常的大，这也正好验证了按照效率分配的思想，宁夏的碳排放量不但不会增加，按照重新计算后的结果，还应该是负的。这提醒我们如果将来碳排放市场建立的话，宁夏不但分配不到初始碳排放额度，而且还要在市场上进行购买。这进一步说明如果宁夏和其他效率低的地区如果不提高效率的话，未来按照效率进行分配，这些地区将会是碳额度严重不足的地区，这样一方面由于限制排放会阻碍经济的增长，另一方面为了生产排放的话，还需要从市场上购买额度，导致这些本身落后的地区落入“贫穷的陷阱”循环中。这也提醒国家今后的政策应该是促进这些地方的产业结构转型和加大科技投入、发达地区应该向落后地区进行科技转让，促进该地区的效率上升和节能减排政策的实施。

表2 2011-2015各地区重新分配后的碳排放量 （单位：万吨）

根据模型（3）的效率分析，基于“零和博弈”模型不但考虑了非期望产出总额固定情况下的重新分配，而且还考虑了期望产出调整的方向，为了达到模型（3）的效率，非期望产出在 30个地区进行重新分配的同时，还需要产出同时扩大才能达到有效。根据上述的模型我们计算出各个地区2011-2015年pα的大小（各个地区产出应该扩张的数量）。同样对于有效的地区北京、上海、江苏、广东、海南、青海本身处在前沿面上，产出无需扩张，而其他非效率的决策单元，产出都存在不同程度的扩张才能达到有效。从我们的分析结果看，2011年和2012年河南和山东为了达到有效产出扩张的绝对量最多，2011年分别是14365.45亿元、13581.25亿元，2012年分别是15989.16亿元、14696.19亿元。2013-2015年为了达到河南和内蒙古有效增加的数量最多，2013年应该分别增加 18069.91亿元、12868.81亿元，2014年应该分别增加19833.46亿元、14646.42亿元，2015年应该分别增加1763.17亿元、16105.23亿元。从这些数额来看，为了达到有效，产出调整的额度不是很大，说明各个地区的产出基本是有效的，而上一节的分析表明碳排放的额度调整较大，所以未来宏观决策者建立碳排放交易市场的主要目的是控制污染的排放。这也进一步说明按照效率分配，能够给部分省份创造经济红利，实现经济效益和环境效率双重红利。

表3 2011-2015各地区GDP的增加量 （单位：亿元）

续表3

五、结论与政策建议

碳排放权初始分配是碳排放交易的起点，也是关系到温室气体控制目标能否达成、碳交易制度能否有效运转、环境效益与经济发展能否协调一致发展的关键问题。本文通过考虑非期望产出数额固定情况下，各个地区间按照“零和博弈”DEA模型效率最大化思想，计算得到各个地区的环境效率值，据此，重新计算了各个地区分配后的碳排放额度，这种模型与以往的模型不同的是既考虑了非期望产出之间的分配，也考虑了期望产出可以扩展的比例，更加符合实际生产的原理，保证了“既要金山银山，也要绿水青山”的重要宏观经济问题，实现宏观决策者在不损害经济增长的条件下，即能够创造经济发展的奇迹，更能够创造环境红利，实现波特效应。这种分析方法可以为中国碳排放交易市场未来初始额度的分配提供一定的参考依据。通过对“十二五”时期中国碳排放等数据的研究，我们得到以下政策启示：

（1）经济发达地区的效率明显较高，“十二五“期间都处在前沿面上，是最佳的实践基地。落后地区应该以这几个地区的经济结构和节能减排制度为参考依据，制定地区的发展规划，着实推进节能减排工作，切实降低排放强度。

（2）从效率的变化结果，可以看出虽然存在着很多无效率的地区，但是效率的平均趋势是上升的，各年的值逐渐增大，而且效率的标准差是逐渐减小的，这表明中国地区效率的趋同趋势的存在，今后应该进一步加大地区间节能减排经验的交流和技术转让工作，推动全国减排工作平衡发展。

（3）从重新分配后的碳排放额度看，效率高的地区额度比原来都增加了很多，效率低以及碳排放强度高的地区，例如宁夏的碳排放额度应该减少，甚至是负排放。这表明落后地区确实应该调整经济结构、转变经济增长方式实现可持续发展，否则在将来的全国统一碳排放市场建立的时候，这些地方会落入“贫困的陷阱”。为了避免发生这种现象，在按照效率分配的同时，宏观决策者可用通过政策倾斜、税收杠杆和转移支付等政策工具缩小不发达地区与发达地区收入差距。

1. 陈文颖、吴宗鑫：《碳排放权分配与碳排放权交易》[J]，《清华大学学报（自然科学版）》1998年第12期。

2. 丁仲礼：《应基于“未来排放配额”来分配各国碳排放权》[J]，《群言》2010年第4期。

3. 李梦洁、杜威剑：《环境规制与就业的双重红利适用于中国现阶段吗？——基于省际面板数据的经验分析》[J]，《经济科学》2014年第8期。

4. 李小胜、安庆贤：《环境管制成本与环境全要素生产率研究》[J]，《世界经济》2012年第12期。

5. 林伯强、孙传旺：《如何在保障中国经济增长前提下完成碳减排目标》[J]，《中国社会科学》2011年第1期。

6. 林坦、宁俊飞：《基于零和DEA模型的欧盟国家碳排放权分配效率研究》[J]，《数量经济技术经济研究》2011年第3期。

7. 苗壮、周鹏、李向民：《我国“十二五”时期省级碳强度约束指标效率分配研究--基于 ZSG 环境生产技术》[J]，《经济管理》2012年第9期。

8. 涂正革、谌仁俊：《排污权交易机制在中国能实现波特效应？》[J]，《经济研究》205年第7期。

9. 杨文举:《中国省份工业的环境绩效影响因素——基于跨期DEA-Tobit模型的经验分析》[J]，《北京理工大学学报（社会科学版）》2015年第3期。

10. 张军、吴桂英、张吉鹏：《中国省际物质资本存量估算: 1952-2000》[J]，《经济研究》2004年第10期。

11. 郑立群：《中国各省区碳减排责任分摊--基于零和收益DEA模型的研究》[J]，《资源科学》2012年第11期。

12. 钟茂初、闫文娟：《发展差距引致地区间环境负担不公平的实证分析》[J]，《经济科学》2012年第1期。

13. 朱潜挺等：《后京都时代全球碳排放权配额分配模拟研究》[J]，《环境科学学报》2015年第1期。

14. Brännlund, R., Chung, Y., Färe, R., et al.,1998, “Emissions Trading and Profitability: The Swedish Pulp and Paper Industry”[J], Environmental and Resource Economics, 12(3): 345-356.

15. Färe. R., Grosskopf.S., Pasurka,C. A., 2014, “Potential Gains from Trading Bad Outputs: The Case of US Electric Power Plants”[J], Resource and Energy Economics, 36(1): 99-112.

16. Färe,R., Grosskopf,S., Pasurka,C.A., 2013, “Tradable Permits and Unrealized Gains From Trade”[J],Energy Economics, 40: 416-424.

17. Gomes,E.G. and Lins, M.P.E., 2008, “Modelling Undesirable Outputs with Zero Sum Gains Data Envelopment Analysis Models”[J], Journal of the Operational Research Society , 59: 616- 623.

18. Lins,M.P.E. and Gomes, E.G., 2008, “Olympic Ranking Based on a Zero Sum Gains DEA Model”[J],European Journal of Operational Research, 148:312-322.

19. Nordhaus,W.D.,1992,“The DICE Model: Background and Structure of a Dynamic Integrated Climateeconomy Model of the Economics of Global Warming”. No. 1009. Cowles Foundation for Research in Economics, Yale University.

20. Wang,K.et al.,2013,“Regional Allocation of CO2 Emissions Allowance Over Provinces in China by 2020”[J], Energy Policy,54 :214-229.

21. Wu,J.et al.,2014,“Environmental Efficiency Evaluation of Industry in China Based on a New Fixed Sum Undesirable Output Data Envelopment Analysis”[J], Journal of Cleaner Production, 74: 96-104.

22. Yang, F.et al.,2011,“Competition Strategy and Efficiency Evaluation for Decision Making Units with Fixed-sum Outputs”[J], European Journal of Operational Research, 212 :560–569.