基于交叉评价DEA模型的中国省域低碳经济效率研究*

2016-10-19李蝶，余谦，梁艳

武汉理工大学学报（社会科学版） 2016年5期

关键词：交叉能源效率

李　蝶，余　谦，梁　艳

(武汉理工大学经济学院，湖北武汉 430070)

基于交叉评价DEA模型的中国省域低碳经济效率研究*

李蝶，余谦，梁艳

(武汉理工大学经济学院，湖北武汉 430070)

采用交叉评价机制DEA模型，对2012年中国省域低碳经济效率进行了测算与评价。研究结果显示：中国区域低碳经济效率基本上呈现东部>中部>西部的梯度分布，且省际分化明显。广东、福建、上海、浙江、江苏、湖北、海南等7个地区低碳经济发展水平较好。河南、四川、重庆、贵州、甘肃、河北、山西等7省，这些地区低碳经济效率最低。通过分析各个省市效率低下的原因，考虑不同地区资源禀赋、经济发展现状和产业结构布局，进而制定具有针对性的碳减排战略。发展低碳能源、低碳产业、低碳消费和加大低碳技术研发投入，对提高我国低碳经济的发展具有重要的意义。

低碳经济效率；碳排放；DEA模型

在中国经济快速发展的同时，伴随着资源的高投入、环境的高污染，以及低效率和碳排放剧增，即资源、环境的刚性约束与高能耗、高污染、低产出的传统经济发展模式之间的矛盾日益突出。作为温室气体最重要的组成部分，如何控制二氧化碳排放，实现社会经济可持续发展，成为全球关注的焦点。从碳排放强度看，我国的碳排放强度不但高于发达国家，也高于部分发展中国家。例如，2010年我国每万美元GDP二氧化碳排放量是13.8吨，是美国的3.8倍，日本的6.9倍，欧盟的 6.3倍，巴西的7倍，印度的1.6倍①。

“十三五”纲要已明确提出，把大幅度降低能源消耗强度和二氧化碳排放强度作为约束性指标，有效控制温室气体排放。因此，在研究经济效率的同时，把二氧化碳排放量纳入经济发展评价指标，利用经济模型对我国省域低碳经济发展进行评价，对于推进低碳发展、提高低碳经济发展效率具有重要的指导意义。

一、国内外关于低碳经济的研究

(一)国外学者关于低碳经济的相关研究

2003年，英国首次在政府文件中提出“低碳经济”的概念，认为低碳经济是通过低碳消耗和低污染以获得高产出，通过应用先进的技术来推动经济的发展。J.A.Duro和E.Padilla利用theil指数分解法，证实影响碳排放差异的主要因素是人均收入[1]。KeiGomi,KojiShimada等对建立区域低碳社会进行了研究，认为区域发展应该建立二氧化碳减排目标，制定二氧化碳排放的长期计划，通过温和的经济增长来实现目标和计划[2]。M.David等分析了不同国家及部门温室气体减排目标实现的可能性，并给出相应政策建议[3]。ToshihikoNakata,MikhailRodionov等认为全球应通过构建一个新的能源系统向低碳社会转型，常规的能源系统侧重于世界能源供给与需求网络，新的能源系统应该是立足于减少全球碳排放，更改能源结构，提高能源效率的创新系统[4]。FankhauserS借鉴英国的经验，为碳减排的政策制定者提供了实际可行的建议。他认为，给碳定价是至关重要的，但低碳还必须解决更广泛的市场、投资的政策和行为失败问题，这反过来提高政策的复杂性和协调的问题。碳转型主要是革命的生产，而不是消费。供应方面的创新和需求需要调整生活方式和行为，但前者占主导地位[5]。XueJ,WatanabeS.通过分析日本的碳排放现状，对日本政府对气候管理和能源管理的研究，结果发现，日本广泛开展能源外交、建设能源储备、大力发展新能源以保障能源供给，推动了日本传统社会向“新型低碳社会”的转变。日本的气候政策和能源政策对于发展我国的低碳经济具有十分重要的借鉴意义[6]。国外学者的研究主要针对碳排放和能源政策的研究，对于我国相关政策的制定具有一定的指导意义。

(二)中国学者关于低碳经济方面的研究

1.对低碳经济效率评价的相关研究。陈诗一基于SBM-DDF-AAM低碳经济分析理论机制，构建了低碳转型进程的动态评估指数，并对改革以来中国各省级地区的低碳经济转型进程进行评估和预测[7]。朱承亮在考虑非期望产出SO2和COD的基础上，基于产出角度的SBM-Undesirable模型，从效率视角对节能减排约束下中国绿色经济绩效进行了研究，发现：考察期内效率较低的省份全部为西部省份，但效率较高的省份未必全部为东部省份，个别西部省份在一些年份均处于生产前沿；中国经济增长效率区域差异明显；优化产业结构、提高能源效率、增强环境治理强度及能力对经济增长效率具有显著促进作用[8]。刘瑞翔利用了生产率指数构建与分解方法，发现能源消耗和污染排放是中国环境无效率的主要来源[9]。周莹在“压力-状态-响应”框架下构建了省域低碳经济运行状况综合评价指标体系[10]。相关学者对省域低碳经济效率的相关研究，主要是通过构建低碳经济发展的指标体系，分析各省低碳发展的差异，进而对各地区低碳经济发展水平进行评价。

2.对低碳经济影响因素的相关研究。林伯强得出对我国碳排放影响较为显著的因素包括经济增长、收入增加和能源强度[11]。涂正革发现：经济规模每增长1个百分点，碳排放量平均增加15百万吨(MT)；不同行业间经济增长的边际碳排放量差异很大，推动产业结构调整、能源结构优化，促进节能技术与工艺创新、走新型工业化道路，是实现中国低碳发展的必经之路[12]。李涛运用面板数据模型回归，考察了影响我国低碳经济发展的相关因素，认为产业结构对改善碳排放效率最有成效。史亚东利用超效率DEA模型，测算了我国主要能耗行业在碳减排约束下的能源利用效率，发现碳减排约束对能源利用效率有显著的影响[13-14]。贾登勋利用Tobit模型研究了低碳经济发展效率的区域差异及影响因素，结果显示，产业结构、经济发展水平、能源消费结构和能源消耗强度与低碳经济发展水平负相关[15]。

中国学者主要利用投入产出模型回归等方法来研究我国的碳排放和低碳经济发展，主要采用数据包络分析等方法，研究影响碳排放的相关因素，进而探索改善碳减排的措施，提出相应的政策建议。

目前的文献评价低碳经济发展主要有以下两种方法：一是通过主要成分分析法和层次分析法等构建低碳经济发展的指标体系，从而对各地区低碳经济发展水平进行分析和评价。二是利用投入产出系统来研究各地区的低碳经济效率，主要采用数据包络分析方法。相对而言，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比较少。本文主要是对中国省域低碳经济效率进行测算和评价分析，所以也采用DEA模型进行测量，但为避免传统DEA模型中权重依赖性的缺陷，本文在考虑非期望产出CO2的基础上，引入对抗性交叉评价机制改进的DEA模型，使得评价值能更真实地反映决策单元的优劣。本文利用交叉评价机制改进的DEA模型，更能从本质上反映我国各省域低碳经济发展的真实情况，为我国制定低碳经济的相关政策提供一定的理论依据，具有重要的参考价值。

二、交叉评价机制改进的DEA模型的引入

DEA模型是美国著名运筹学家W.W.Coope和A.Chames等学者于1978年，基于相对效率发展起来的一种效率评价方法。DEA模型不仅可以对同一类型的各决策单元(DMU)的相对性进行评价排序，还可利用DEA“投影原理”进一步分析各决策单元非DEA有效的原因及其改进方向，进而为决策者提供十分有用的决策信息。

假设有k个DMU，每个DMU有m种投入和n种产出，分别用不同的经济指标表示。Xij表示为第j个DMU第i种类型投入的投入总量，Xij>0；Yrj表示第j个DMU第r种输出的产出量，Yrj>0；vi表示第i种输入的一种度量，或称为权重；ur表示第r种输出的一种度量，也可以称为权重。其中，i=1,…,m；j=1,…,n；r=1,…,s。Xij、Yrj是已知数据，vi、ur为变量，对第i个DMU可以用原始DEA进行有效评价。

由于传统的DEA方法的结果往往不能有效地区分诸决策单元的优劣，并且各决策单元为达到其效率评价指数的最大值，往往对诸输入和输出指标采用极端不合理的权重分配。在这种模型中，每个决策单元依据最利己的权重来计算效率值，只重视少数利于自身的投入产出指标。所以，JohnDoyleandRodneyGreen检查了数据包络分析的一个被忽视的方面：交叉效率。他们从一些新的方向提出了交叉效率的概念。他们从他评的概念出发，以对交叉效率的直观理解为基础，而不是通过简单效率反映的自评理解，并讨论了每种评价的相对优点，还提出数学的公式，以及用于三种可能的实现对抗性和仁慈性的交叉效率的方法的直观含义。他们已经在计算机程序中实现了其中的两个公式，结果是在真实数据集下通过经验地比较得到的。最后，揭示了交叉效率的实际用途，并用相同的数据集进行了阐明。他们提出，权重的具体选择导致了的不同可能性。不只以得到最高自评效率作为首要目标，同时以最大限度地减少另一决策单元交叉效率作为第二目标，被称为对抗性的思路。相反地，权重的选择，不仅以获得最高自评效率作为首要目标，同时以在某种程度上最大化其他决策单元交叉效率为第二目标，被称为仁慈的思路。他们提出的两阶段模型，当决策单元是敌对方关系时，则应用对抗性交叉评价效率模型，当决策单元是盟友关系时，则应用仁慈性交叉评价效率模型[16]。

为了弥补传统DEA方法的缺陷带来的问题，本文引入了对抗性交叉评价机制[17]。

具体步骤如下：

第一步：利用传统的DEA模型计算出DMUi的自我评价值Eii

第二步：给定i∈{1,2,…,n}，k∈{1,2,…,n}，解线性规划：

第四步：由交叉评价值构成的交叉评价矩阵

其中，主对角线元素Eii为自我评价值，非主对角线元素Eik(k≠i)为交叉评价值。E的第i列是每个决策单元的评价值，这些值越大，说明DMUi越优；E的第i行(对角线元素除外)是DMUi对其他DMU的评价值，这些值越小对DMUi越有利。一些学者将E的第i列的平均值：

作为衡量DMUi的优劣的一项指标。ei可视为诸决策单元对DMUi的总的评价，ei越大说明DMUi越优。

三、实证分析

(一)指标选择

本文选取的投入指标分别为资本存量、能源和劳动力人口，产出指标为实际GDP和二氧化碳排放量。

1.资本投入。资本投入，张军方根据永续盘存法估计了中国大陆30个省市区2012年各年末的物质资本存量，相关数据来源于《中国统计年鉴2013》。

2.能源投入。本文选择各省能源消费总量来表征能源投入变量，相关数据来源于《中国能源年鉴2013》。

3.劳动力投入。采用各省年末从业人总数来表征劳动力的投入，相关数据来源于《中国统计年鉴2013》。

4.实际GDP。各省的GDP数据来源于《中国统计年鉴2013》。

5.CO2排放量。本文是基于《中国能源统计年鉴》给出的各种能源对标准煤的折算系数和联合国政府间气候变化专门委员会(IPCC2006)给出的碳排放系数来估算各省(市)区的CO2排放量。主要以原煤、原油和天然气这三种消耗量较大的一次能源为基准来核算各省的二氧化碳排放量。二氧化碳排放总量可以根据各种能源消费导致的二氧化碳排放估算量加和得到[18]。具体公式如下：

CEFi×COFi×(44/12)

(二)DEA模型分析

基于本文DEA模型的分析和运用各省投入产出指标数据如表1所示。

表1　各省投入产出指标数据

从表1可以直观看出，2012年各省GDP排在前四位的是广东、江苏、山东和浙江，其次是河南、河北、辽宁、四川、湖北、湖南、上海、福建、北京、安徽等；2012年中国终端CO2排放量较少的省份是海南、上海、天津、北京等；2012年资本存量最多的几个省份是山东、江苏、广东、河南、北京、重庆、四川等；2012年劳动力人口排名靠前的有山东、河南、广东、四川、江苏、安徽、河北、湖南等地。在全国平均水平上看，GDP为19195亿元，CO2排放量为8151万吨，资本存量为10872亿元，劳动力人口为2579万人，能源消耗为14774万吨。

在各省投入产出指标的基础上，利用基于交叉评价机制的DEA模型，采用matlab7软件可计算出各省的低碳经济有效值结果，如表2所示。

表2　各省低碳经济发展效率值

从地区上看，东部地区与中、西部地区的低碳经济发展效率水平存在差异，呈现东部>中部>西部的梯度分布，且省际差异明显，这个结论和朱承亮、刘瑞翔、李涛和贾登勋等学者的是一致的。从区域层面上看，低碳经济效率平均值东部为0.68，中部为0.58，西部为0.48；从省际层面上，各省低碳经济效率差异较大，例如，广东0.79，湖南0.60，贵州0.42等等。

由表2可知，全国低碳经济效率省际分化明显。前10名基本上都分布在东部和中部，这些省份处在生产的前沿，效率较低的省份基本上都分布在西部。详情如下：

1.低碳经济效率极好(有效值大于0.7)地区有：广东、福建、上海、浙江、江苏、湖北、海南等7个地区，初步实现了低碳和经济的双赢。例如广东省，GDP为57068亿元，CO2排放量为9127万吨，资本存量为21061亿元，劳动力人口为5966万人，能源消耗为29144万吨。国内生产总值约为全国平均水平的3倍，但是碳排放接近平均水平8151万吨，高产出和相对较低的排放是广东省发展协调的重要因素。海南省GDP为2856亿元，CO2排放量为565万吨，资本存量为1146亿元，劳动力人口为484万人，能源消耗为1688万吨。相比之下，海南省的各项指标都小了很多，但是其碳排放全国最低，这是海南省低碳经济效率高的主要原因。指标选取及研究方法的不同，导致这与涂正革的研究结果刚好相反，他在环境、资源与工业增长协调性研究中将海南列为极不协调地区，可能因为其研究产出指标的是地区工业增加值，而本文研究的是国内生产总值。但是与朱承亮研究结果是符合的，他将海南列为最佳实践城市之一。

2.低碳经济效率较好(有效值0.6～0.7)地区有：天津、安徽、辽宁、江西、陕西、北京等6省。例如北京市，GDP为17879亿元，CO2排放量为2104万吨，资本存量为20227亿元劳动力人口为1107万人，能源消耗为7178万吨。天津市GDP为12894亿元，CO2排放量为2178万吨，资本存量为10279亿元，劳动力人口为803万人，能源消耗为8208万吨。北京市和天津市都有着接近平均水平的国内生产总值，碳排放仅为平均水平的四分之一，因此低碳经济发展较好。辽宁GDP为24 846亿元，CO2排放量为7 555万吨，资本存量为8 125亿元，劳动力人口为2 424万人，能源消耗为23 526万吨。虽然辽宁省的发展一直有着高产出和高能耗的特征，但国家提出振兴东北老工业基地的政策改善了生产条件，使其更加注重环境保护和治理，其终端碳排放并没有很高，所以低碳经济发展没有很靠后。

3.低碳经济效率较低(有效值0.45～0.6)地区有：山东、湖南、黑龙江、吉林、青海、云南、广西、宁夏、新疆、内蒙古等10个地区。例如内蒙古，其GDP为15 881亿元，CO2排放量为13 427万吨，资本存量为13 556亿元，劳动力人口为1305万人，能源消耗为19786万吨。内蒙古碳排放和能耗都超出了平均水平，但是产出却明显低于平均水平，这是内蒙古低碳效率较低的主要原因。青海省，其GDP为1 894亿元，CO2排放量为1 325万吨，资本存量为1 149亿元，劳动力人口为311万人，能源消耗为3 524万吨。与海南省相比，青海省的产出只有海南省的一半，而CO2排放却是其2倍，因此发展较不协调。

4.低碳经济效率极低(有效值低于0.45)地区有：河南、四川、重庆、贵州、甘肃、河北、山西等7省，说明这些地区转变经济发展方式的形势迫切。例如山西省，GDP为12 113亿元，CO2排放量为10 396万吨，资本存量为11 511亿元，劳动力人口为1 790万人，能源消耗为19 336万吨。山西省是明显的高排放、高能耗省份，产出并没有高出平均水平，低碳经济效率极低。甘肃省，GDP为5 650亿元，CO2排放量为4 048万吨，资本存量为6 155亿元，劳动力人口为1 492万人，能源消耗为7 007万吨。甘肃省各项指标都很低，但其低产出是低碳效率极低的最主要原因。

四、研究结论及政策建议

(一)研究结论

本文通过采用基于交叉评价DEA方法，测度和评价了2012年中国30个省份的低碳经济效率，避免了传统DEA模型中权重依赖性的缺陷。

研究表明，2012年中国区域低碳经济效率基本上呈现东部>中部>西部的梯度分布，且省际差异明显。从区域层面上看，低碳经济效率东部为0.68，中部为0.58，西部为0.48，同时，从省际层面上，各省低碳经济效率差异较大。广东、福建、上海、浙江、江苏、湖北、海南等7个地区低碳经济发展水平较好。河南、四川、重庆、贵州、甘肃、河北、山西等7省，这些地区低碳经济效率最低。在资源与环境的约束下，能源消耗和碳排放是低碳经济效率低下的主要来源。在明确了省际低碳经济效率差异的基础上，可以通过分析每个省市效率低下的原因，考虑不同地区资源禀赋、经济发展现状和产业结构布局，进而制定具有针对性的碳减排战略，有的放矢。例如，山西省是我国主要煤炭产区，属于传统能源大省，煤炭开采与加工对地区碳排放影响较为显著。山西高能耗行业所占比重达到53%，因此其低碳化进程中，应加大煤炭开发使用领域的技术投资，强化高能耗行业研发管理力度。

(二)提高低碳经济发展效率的手段

1.发展低碳能源，优化能源消费结构。在低碳经济背景下，中国应以节能减排为重点，加快工业内部结构调整，扩大清洁能源的利用，优化能源消费结构，以提高能源效率。以“高能耗、高产出”的辽宁省为例，应当在产出不减少的情况下提高能源利用效率，同时控制二氧化碳的排放。

2.发展低碳产业，推进产业结构转型升级。推进产业结构转型升级，严格限制“高能耗、低产出”产业的发展。从源头减少碳排放，比如优化产业结构，加快产业升级，减少能耗，降低二氧化碳的排放水平。以山西省为例，面对其高排放、高能耗的发展特征，产业转型升级是当务之急。

3.提倡低碳消费与环境保护。发展低碳经济与低碳消费直接关联。要求在大幅度提高经济指标的同时，加强生态环境建设和保护，只有通过节能减排、要素重置推动全要素生产率持续改善才是低碳转型和经济持续发展的必由之路。

4.鼓励自主研发，加大技术投入强度，完善碳权交易平台和碳基金运营模式。完善碳交易平台，将碳排放纳入效率评价体系，激发企业减排的积极性。政府为低碳技术的研发提供资金拨款，同时鼓励民间投资，为低碳经济的发展提供更多政策与资金支持。

注释：

①此处二氧化碳排放强度中二氧化碳数据来源于美国橡树岭国家实验室二氧化碳信息分析中心(CDIAC)。

[1]DuroJuanAntonio,PadillaEmilio.InternationalinequalitiesinpercapitaCO2emissions:Adecompositionmethodologybykayafactors[J] .EnergyEconomics, 2006,28(2):170-187.

[2]KeiGomi,KojiShimada,YuzuruMatsuoka,etal.ScenarioStudyforaRegionalLowcarbonSociety[J].SustainabilityScience. 2007(2):121-131.

[3]DavidM,ChristopherY.AchievingdeepreductionsinUStransportgreenhousegasemissions:Scenarioanalysisandpolicyimplications[J].EnergyPolicy, 2009,37(12):550-559.

[4]NakataT,RodionovM,SilvaD,etal.Shifttoalowcarbonsocietythroughenergysystemsdesign[J].ScienceChinaTechnologicalSciences, 2010,53(1):134-143.

[5]FankhauserS.Apractitioner’sguidetoalow-carboneconomy:lessonsfromtheUK[J].ClimatePolicy, 2013,13(3):345-362.

[6]XueJ,WatanabeS.LowCarbonEconomyinJapan[J],Handbookofcleanenergysystems,2015(6):3719-3753.

[7]陈诗一.中国各地区低碳经济转型进程评估[J].经济研究,2012(8):32-44.

[8]朱承亮,岳宏志,安立仁.节能减排约束下中国绿色经济绩效研究[J].经济科学,2012(5):33-44.

[9]刘瑞翔,安同良.资源环境约束下中国经济增长绩效变化趋势与因素分析：基于一种新型生产率指数构建与分解方法的研究[J].经济研究,2012(11):34-47.

[10]周莹,郭亚军,易平涛.中国省域低碳经济运行状况综合评价方法及其应用[J].技术经济,2015(8):52-57.

[11]林伯强.中国城市化进程的能源刚性需求[N].第一财经日报,2009-8-18(A14).

[12]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(2):93-105.

[13]李涛.资源约束下中国碳减排与经济增长的双赢绩效研究-基于非径向DEA方法RAM模型的测度[J].经济学(季刊)，2013,12(2):667-692.

[14]史亚东.碳减排约束下的能源利用效率研究[J].生态经济,2015(3):44-48.

[15]贾登勋,黄杰.低碳经济发展效率的区域差异及影响因素研究[J].兰州大学学报:社会科学版，2014,42(4):113-119.

[16]JohnDoyle,RodneyGreen.EfficiencyandCross-EfficiencyinDEA:Derivations,MeaningsandUses[J].TheJournaloftheOperationalResearchSociety, 1994,45(5):567-578.

[17]彭育威,吴守宪,徐小湛.利用MATLAB进行DEA交叉评价分析[J].西南民族大学学报：自然科学版,2004(5):553-556.

[18]陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究,2009(4):41-55.

[19]庄贵阳,潘家华,朱守先.低碳经济的内涵及综合评价指标体系构建[J].经济学动态，2011(1):132-136.

[20]陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济,2011(4):124-143.

[21]涂正革,肖耿.环境约束下的中国工业增长模式研究[J].世界经济,2009(11):41-54.

[22]涂正革.中国的碳减排路径与战略选择：基于八大行业部门碳排放量的指数分解分析[J].中国社会科学,2012(3):78-94，206-207.

[23]岳书敬,刘富华.环境约束下的经济增长效率及其影响因素[J].数量经济技术经济研究,2009(5): 94-106.

[24]张宏武,时临云.低碳经济下中国工业行业CO2排放变化、驱动因素及其减排对策研究：基于1991-2010年面板数据的分析[J].软科学,2013(12):114-119.

(责任编辑王婷婷)

2016-05-30

李蝶(1992-)，女，湖北省天门市人，武汉理工大学经济学院博士生，主要从事资源与环境经济学、产业经济学等研究；

余谦(1975-)，男，湖北省荆州市人，武汉理工大学经济学院教授，硕士生导师，主要从事资源与环境经济学、计量经济学等研究；