工业环境污染物影子价格研究——以广东省工业36个分行业为例

周永文

工业环境污染物影子价格研究
——以广东省工业36个分行业为例

周永文

污染物影子价格估算是排污权交易市场设计的关键和难点。结合当前参数化和非参数化方法的优势，利用Shephard产出距离函数构建参数线性规划模型，以广东省工业36个细分行业为例，估算1998-2014年间二氧化硫(SO2)和化学需氧量(COD)的影子价格。污染物影子价格绝对值实际上反映的是污染物的边际减排成本。研究结果表明：两种污染物的影子价格均表现出较强的行业异质性，低资本劳动比行业的污染物影子价格绝对值要高于高资本劳动比行业；而且随着时间的推移，所有工业行业的污染物影子价格绝对值均呈现递增的趋势；估算所得的污染物影子价格绝对值均明显高于排污权交易市场的实际价格。以上结论对区域性排污权交易市场的设计及有效运作有一定的参考价值，尤其对广东有启发意义。

工业环境污染物； 影子价格； 广东； 工业分行业； 排污权交易

一 引 言

作为解决环境污染问题的重要途径之一，排污权交易制度于1999年正式引入我国，目前已在广东等一些省份开展试点。但各试点省份的排污权交易频率和规模均十分有限，市场化程度严重偏低，总体上仍处于起步阶段。以广东为例，自2013年试点排污权交易以来，登记可查的交易仅有3笔，交易对象仅为政府部门和企业之间，尚无企业之间的排污权交易，交易行为以政府为主导，交易价格均为行政干预下的指导价格。一般而言，在排污权可交易的情形下，减排成本高的企业更倾向于购买排污权而非主动减排；减排成本低的企业则更愿意采取适当的减排措施降低排放水平，并通过出售多余的排污权而获益。因此排污权交易市场有效运作的关键在于排污权初始交易价格的确定，其价格合理与否很大程度上决定了排污权交易政策的后续实施效果。污染物作为生产过程中的非期望产出，不像正常商品那样可以从市场上直接观察到交易价格，因此排污权的初始交易价格需要以污染物的影子价格为基础。

在有着一个正常的好产出(如工业增加值)和一个负外部性的坏产出(污染物)的情形下, 由距离函数和收入函数或成本函数之间的对偶关系可以推导出污染物相对于好产出影子价格的理论计算公式，该影子价格可以根据所减少的好产出价值解释为：额外减少一单位污染物的机会成本, 或者称之为污染物的边际减排成本。早期，学者们主要通过成本函数估算影子价格，而Pittman(1983)[1]开创性地采用Shephard距离函数估算了污染物的影子价格。与成本函数相比，距离函数的明显优势在于不需要投入产出的价格信息。此后，基于距离函数估算影子价格的文献大量涌现。总体而言，以距离函数为基础的方法包括参数化方法和非参数化方法两类。根据所运用的距离函数的差异，参数化方法可分为三种：基于Shephard投入距离函数的方法(Lee，2005[2]；Lee和Zhang，2012[3])、基于Shephard产出距离函数的方法(Coggins和Swinton，1996[4]；Murty和Kumar，2002[5]；Aiken et al.，2003[6]；Park和Lim，2009[7]；Dang和Mourougane， 2014[8])以及基于方向性距离函数的方法(Färe et al.，2005[9]；Murty et al.，2007[10]；Färe et al.，2012[11])。参数化方法需要预设生产前沿的函数表达式，但其优势在于可以对该函数表达式进行微分和代数处理，从而直接计算出生产单位的污染物影子价格，因此参数化方法逐渐成为影子价格估计的主流方法。

影子价格的非参数化估计方法出现得相对较晚，仅有少量文献采用该方法测算了污染物的影子价格(Boyd et al.，1996[12]；Boyd et al.，2002[13]；Lee et al.，2002[14]；Kaneko et al.，2010[15])。与参数化方法相比，非参数化方法大多采用线性规划来估计生产前沿面，因而便于处理多投入多产出的情形，但与此同时，非参数化方法由于不需要设定具体的函数形式，其估计结果往往混合了随机因素的影响，故难以对估计结果进行显著性检验。

近几年，考虑到我国建立和培育排污权交易市场的需要，许多学者开始关注污染物影子价格的测算问题。与国外相比，受限于企业层面排污数据获得渠道的缺乏，国内研究大多是针对不同地区或行业间污染物影子价格进行测算和比较。涂正革(2009)[16]采用非参数方法测算了1998-2005年中国各地区工业二氧化硫排放的影子价格，发现影子价格的高低取决于各地区二氧化硫的排放水平和生产率水平。陈诗一(2010)[17]同时利用参数方法和非参数方法估算了1998-2008年中国工业38个两位数行业二氧化碳的影子价格，发现轻工业行业的二氧化碳影子价格绝对值要高于重工业行业。袁鹏和程施(2011)[18]采用二次型方向性距离函数测算出2003-2008年我国284个地级及以上城市工业部门废水、二氧化硫和烟尘三种污染物的影子价格分别为0.0178、5.158和4.597万元/吨，发现三种污染物的影子价格在不同城市间均表现出较大差异。刘明磊等(2011)[19]使用非参数方向性距离函数估算了2005-2007年我国省级水平二氧化碳的影子价格，发现二氧化碳影子价格地区间差异明显且受能源消费结构影响较大。魏楚(2014)[20]基于参数化的方向距离函数模型，发现中国104个地级市2001-2008年的二氧化碳平均边际减排成本为967元/吨且在城市间表现出巨大差异性，城市二氧化碳边际减排成本与其排放强度之间呈现显著的U型曲线关系。Xie et al.(2016)[21]基于参数二次方向距离函数研究了1998-2011年间中国各省市区工业SO2排放的影子价格，发现东部地区工业SO2排放的影子价格明显高于中西部地区。以上研究结果表明，污染物影子价格表现出较强的区域和行业异质性，并且不同污染物之间的影子价格亦存在明显差异。可见，从全国范围和工业整体层面来测算污染物的影子价格存在一定缺陷。事实上，当前我国排污权交易市场试点均是区域性的，并且体现在行业内和行业间交易。因此，有必要以试点省份为基础，开展分行业和分污染物的影子价格测算和分析。

鉴于此，本文利用Shephard产出距离函数构建参数线性规划模型，以广东省工业36个二位数行业为例，估算1998-2014年间二氧化硫和化学需氧量的影子价格。研究发现，两种污染物的影子价格均表现出较强的行业异质性，低资本劳动比行业的污染物影子价格绝对值要高于高资本劳动比行业；而且随着时间的推移，所有工业行业的污染物影子价格绝对值都呈现了递增的趋势；同时估算得到的污染物影子价格绝对值均明显高于排污权交易市场的实际价格。与现有研究相比，本文的边际贡献主要体现在：(1)结合参数化方法和非参数化方法的优势，利用Shephard产出距离函数构建了参数线性规划模型，既便于对包含坏产出在内的多产出情形进行处理，又可以对参数估计结果进行显著性检验。(2)由于污染物影子价格表现出较强的区域和行业异质性，因此通过对广东工业分行业污染物影子价格的测算，既可以为广东省排污权交易市场初始价格的制定提供参考，又可以为国家制定差异化的区域和行业环境政策提供依据。

本文余下内容结构安排：第二部分介绍环境污染物影子价格的估算方法和模型；第三部分为数据来源和处理过程；第四部分测算和分析广东工业分行业污染物影子价格；第五部分为研究结论和政策建议。

二 环境污染物影子价格的估算方法和模型

考虑一个生产单位使用n种投入X=(X1，X2, …,Xn)生产m种产出Q=(Q1,Q2, …,Qm)，其中i=1, 2, …,k代表k种坏产出(环境污染物)、i=k+1,k+2, …,m代表m-k种好产出，同时假定产出弱可处置性以及规模收益不变，则生产技术可以表示为以下的Shephard产出距离函数(Färe et al.，2005)[9]：

(1)

上式中，G(X)为生产可能性集，由于Q∈G(X)，因此D0(X,Q)≤1。相对于生产函数，Shephard产出距离函数能更好地刻画多产出联合生产情形下的生产技术。

(2)

(3)

上式表明某种坏产出的影子价格等于好产出的实际价格和两种产出边际替代率的乘积(Aiken et al.，2003)[6]。坏产出的影子价格是负值，该影子价格可以被解释为额外减少一单位坏产出的机会成本，即损失的好产出价值*一般情况下，两种好产出之间的边际替代率通常为正，即在投入不变的条件下，一种好产出减少会带来另一种好产出的增加，因此一种好产出相对于另一种好产出的影子价格为正值；而污染物由于具有环境负外部性，其与好产出之间的边际替代率通常为负，即减少污染物排放会导致好产出减少，因此污染物影子价格通常为负值。。

为了估计影子价格，对于由s=1, 2, …,S个行业以及t=1, 2, …,T年所构成的面板数据，本文建立以下形式的超越对数型产出距离函数：

(4)

其中，X1、X2、X3分别代表广东工业分行业资本、劳动和能源消费总量等三种投入，Q1、Q2、Q3分别代表广东工业分行业工业增加值(好产出)以及两种坏产出二氧化硫(SO2)、化学需氧量(COD)排放量，同时利用行业虚拟变量DIk捕捉行业固定效应，t为时间趋势变量。

对于上述超越对数型产出距离函数可以采用参数线性规划(PLP)方法进行估计(Aiken et al.，2003)[6]，该线性规划问题可以表述如下：

(5)

(5.1)

(5.2)

(5.3)

(5.4)

(5.5)

βjj′=βj′j，j=1, 2, …,n；j′=1, 2, …,n

ωii′=ωi′i，i=1, 2, …,m；i′=1, 2, …,m

(5.6)

上述线性规划的含义是通过选择合理的参数值，使得所有时期各生产单位实际产出与生产前沿面产出偏离值的对数值之和达到最大化，从而最大程度地表现出其可能的生产效率。所有限制条件中，(5.1)确保所有的生产单位都在生产可能性集范围内；(5.2)限定了坏产出的影子价格为非正；(5.3)限定了好产出的影子价格为非负；(5.4)表示投入的单调性约束，投入越多产出距离函数值越大，生产单位效率越低；(5.5)表示产出是弱可处置的；(5.6)强调了超越对数型产出距离函数的对称性。超越对数型产出距离函数允许中性和偏向技术进步的存在，其中中性技术进步由参数vt和vit捕捉，偏向技术进步程度由参数βjt决定，而产出变化的影响(即规模扩张型技术进步)则由参数ωit体现。

三 数据来源及处理

在国民经济各产业体系中，工业部门消耗能源最多，产生的污染物排放比重也最大，是国家节能减排政策实施的重点对象。从大样本的角度考虑，基于数据的可得性以及不同时段之间的可比性，本文以广东工业36个二位数行业的污染物排放数据为基础，选择化学需氧量(COD)和二氧化硫(SO2)这两种污染物作为工业部门的坏产出。由于历年来广东省统计部门和环保部门都没有公布工业分行业污染物的排放数据，只公布了工业部门的排放总量数据，因此本文按照以下步骤对广东工业分行业化学需氧量和二氧化硫排放数据进行估算：(1)从《中国环境统计年鉴》中获取1998-2014年各年度中国工业分行业包括化学需氧量和二氧化硫在内的主要污染物的排放数据，再从历年《中国统计年鉴》中获取工业分行业工业总产值的统计数据，算出我国工业分行业各年度化学需氧量和二氧化硫的排放强度；(2)假定广东省工业分行业化学需氧量和二氧化硫的排放强度与全国平均水平一样，因而可根据历年广东工业分行业工业总产值初步估算出分行业化学需氧量和二氧化硫的排放量；(3)将以上估算的广东工业分行业化学需氧量和二氧化硫排放量汇总得到广东工业化学需氧量和二氧化硫排放总量，然后根据广东工业实际的化学需氧量和二氧化硫排放量计算出一个调整比例，再利用该调整比例对之前估算出的广东工业分行业化学需氧量和二氧化硫排放量进行调整；(4)按照之前所述的行业分类原则，从中分离出1998-2014年广东工业36个二位数行业化学需氧量和二氧化硫的排放量估算数据。

综合考虑研究目的和数据可得性，本文选择广东工业分行业工业增加值作为好产出指标，选择工业分行业资本存量年平均余额、分行业从业人员年平均人数和分行业能源消费总量作为投入指标。工业增加值利用分行业工业品出厂价格指数以1998年为基期进行价格平减，资本存量采用永续盘存法(PIM)进行估算，并利用各年度广东省固定资产投资价格指数调整到以1998年为基期，以上投入产出变量估算所需的基础数据以及从业人员年平均人数和能源消费总量均来源于历年《广东统计年鉴》和《广东工业统计年鉴》，个别缺失数据采用插值法补齐。表1报告了各变量的描述性统计，图1和图2分别表示1998-2014年广东工业SO2和COD平均排放强度的变化趋势。

表1 广东工业分行业投入产出数据描述性统计

图1 广东工业SO2排放强度变化趋势(1998-2014年)

图2 广东工业COD排放强度变化趋势(1998-2014年)

总的来看，样本期间内广东工业的污染密集度除2000年小幅反弹外，出现了持续明显的下降，2014年的SO2和COD平均排放强度分别比1998年下降了90.32%和94.17%。参照陈诗一(2010)[17]的研究方法，本文按照2006年的资本劳动比(KPL)，将广东工业36个二位数行业划分为高KPL行业和低KPL行业两大类，比值较小的18个行业划归为低KPL行业，另18个行业则归为高KPL行业。从图1和图2显示的趋势来看，一方面高KPL行业体现出比低KPL行业明显更高的污染性，同时两组行业污染物排放强度表现出较强的收敛性，其中高KPL行业SO2排放强度和低KPL行业SO2排放强度的比值由最高点——2006年的52.66下降为2014年的29.82，两组行业COD排放强度的比值由2003年的最高值10.97下降为2014年的6.28。对污染物排放强度的简单分析从一个侧面反映出，新世纪以来广东工业的发展方式出现了较为明显的绿色转变。

四 测算结果及分析

对广东工业36个二位数行业1998-2014年的投入产出面板数据进行规范化处理后，利用前文介绍的参数线性规划模型(5)对产出距离函数(4)的参数进行了估计，使用的软件为GAMS22.4。

根据参数估计值，可以对产出距离函数进行相关检验以显示估计的有效性。首先检验样本好产出和坏产出的零结合假设是否得到满足，零结合假设要求好产出和坏产出是联合生产的，也就是说没有坏产出就没有好产出，即产出向量(Q1>0,Q2=Q3=0)∉G(X), 由于Q∈G(X)和D0(X,D)≤1是等价的，所以该检验可以通过检验在Q1>0，Q2=Q3=0情况下D0(X,Q)是否大于1来进行，如果D0(X,Q)>1，说明该样本满足零结合假设。经过检验，612个样本中有586个样本满足零结合假设。其次，检验线性规划中的约束条件(5.1)～(5.4)，不满足条件(5.1)的样本有47个，所有的样本都满足约束条件(5.2)即好产出的单调性约束，不满足约束条件(5.3)即坏产出的单调性约束的样本分别有5个(SO2)和5个(COD)，不满足约束条件(5.4)即投入的单调性约束的样本有1个(资本)、2个(劳动)和5个(能源)。剔除上述不满足约束条件和假设的样本后，同时满足所有约束条件的样本有550个，占总样本数的89.87%，表明参数估计结果具有较高的精度。

在获得了上述产出距离函数的参数值后，本文用式(3)测算广东工业36个二位数行业1998-2014年两种污染物的影子价格，由于选择的好产出为价值型的工业增加值，因此好产出的价格为1。值得注意的是，石油和天然气开采业、黑色金属矿采选业、橡胶制品业、有色金属冶炼和压延加工业以及金属制品业等5个行业1998年的SO2影子价格都为0，石油和天然气开采业、石油加工、炼焦和核燃料加工业、橡胶制品业以及非金属矿物制品业等4个行业的COD影子价格也出现至少有1年为0的情况，这说明在某些年份这些行业的某种污染物的减排是无成本的。对这种情况的一种解释是，所有的污染治理成本被分配到另一种污染物上(Aiken et al.，2003)[6]；另一种解释是由于本文污染物影子价格估算方法的选择，一个低效率的生产单位投射到生产前沿的位置导致算出的污染物影子价格为正，而线性规划程序限制了坏产出的影子价格小于或等于0，所以输出的影子价格取值为0。表2报告了分年度广东工业总体及分组的两种污染物的平均影子价格*测算污染物影子价格的文献中，除部分文献如Aiken et al.(2003)[6]、Lee(2005)[2]、陈诗一(2010)[17]、Dang和Mourougane(2014)[8]等报告的污染物影子价格为负值外，其余大多数文献报告的污染物影子价格都为正值。为了真实反映污染物(坏产出)影子价格不同于好产出影子价格的基本属性，并便于对不同行业和不同年度的污染物影子价格进行分析比较，本文参考Lee(2005)[2]、陈诗一(2010)[17]等文献的研究模式，在表2-表4中直接报告影子价格的负值测算结果，在文中其他部分则基本采用影子价格绝对值。。以上平均影子价格均为加权平均值，权重分别为各行业SO2和COD排放量占全部工业和各分组排放量的份额。1998-2014年期间，SO2和COD的平均影子价格绝对值分别为4.24万元/吨和1.23万元/吨，也就是说这一期间广东工业每减少一吨SO2和COD的排放，带来的工业增加值的平均损失分别为4.24万元和1.23万元。

表2 广东工业污染物平均影子价格(1998-2014年)(万元/吨)

(续上表)

年份SO2工业平均高KPL行业低KPL行业COD工业平均高KPL行业低KPL行业2012-1122-356-11296-248-112-6072013-1360-430-13132-307-143-7102014-1659-505-15038-355-169-8071998-2014-424-139-4795-123-060-335

表2报告的1998-2014年广东工业全行业SO2的平均影子价格绝对值低于同类文献测算的结果。比如，涂正革(2009)[16]利用1998-2005年中国30省市区规模以上工业数据估计得到的二氧化硫影子价格平均为每吨8.26万元，袁鹏和程施(2011)[18]利用2003-2008年中国284个地级以上城市工业部门数据估计得到的二氧化硫影子价格平均为每吨5.158万元，Kaneko et al.(2010)[15]估计的2003年中国热力生产和供应行业的二氧化硫影子价格为每吨4.73万元，Xie et al.(2016)[21]测算的1998-2011年中国各省市区工业SO2排放的平均影子价格为每吨69.16万元。这可能与不同文献所选择的研究对象和研究时段不同有关，同时，模型中选取的距离函数的类型不同也会对估算的污染物排放影子价格数值的高低产生影响。由影子价格的计算公式可知，污染物的影子价格实际上等于好产出的市场价格与好产出对污染物边际替代率的乘积，其绝对值大小取决于距离函数映射到生产前沿面上所对应点的斜率大小(Lee et al.，2002)[14]。一般来说，随着有效率观察值在技术前沿上由原点向外移动，最靠近原点的基于一般方向性距离函数计算的影子价格绝对值最大(Boyd et al.,1996)[12]，中间位置基于污染物排放固定的距离函数计算的影子价格绝对值次之(Boyd et al.,2002)[13]，而最外端基于Shephard距离函数计算的影子价格数值绝对值则最小(Aiken et al.,2003)[6]。

表3报告了广东工业36个二位数行业在1998-2014年间SO2和COD的平均影子价格，显示了两种污染物影子价格的行业异质性。图3和图4则分别显示了广东工业全行业、高KPL行业和低KPL行业两种污染物的平均影子价格绝对值随时间的变化趋势。

从表2、表3和图3、图4可以看出，在研究跨度期间内，广东工业36个二位数行业两种污染物的平均影子价格无论是从行业差异还是随时间变化的趋势看都有一定的相似之处。

表3 广东工业分行业污染物平均影子价格(1998-2014年)(万元/吨)

(续上表)

行业SO2平均值标准差变异系数COD平均值标准差变异系数化学原料-316326-103-083049-058医药制造-11161090-098-107061-057化纤制造-603820-136-057029-052非金制品-189218-115-108168-156黑金加工-096078-082-095069-073有色加工-166170-103-208109-053交运设备-1260316240-129-989570-058电力热力-042049-116-523416-079燃气生产-480665-139-514735-143水的生产-41074198-102-278318-114高KPL行业 -139161-116-060048-080黑金采选-6801114-164-151123-082非金采选-17202518-146-553512-093纺织业-831947-114-062031-050服装鞋帽-80168069-101-635226-036皮羽制品-25902266-087-090045-050木材加工-20372653-130-326275-084家具制造-86799029-104-13381726-129印刷业-114749957-087-1491756-051文教体育-1822318634-102-1041525-050橡胶制品-818896-109-330285-086塑料制品-35352858-081-647370-057金属制品-31993054-095-453209-046通用设备-61317954-130-875663-076专用设备-67039378-140-11551051-091电气机械-2827536325-128-15111284-085通信设备-5390369186-128-1206270-022仪器仪表-1858221225-114-831522-063其他工业-34002727-080-622344-055低KPL行业 -47954973-104-335227-068

从污染物影子价格的行业差异看(表3)，其中SO2平均影子价格绝对值最小的前5个行业分别为电力、热力生产和供应业、石油加工、炼焦和核燃料加工业、黑色金属冶炼和压延加工业、造纸和纸制品业以及有色金属冶炼和压延加工业，基本上都是污染密集度较高的重化工业行业，同时这些行业都属于高KPL行业，其SO2平均影子价格绝对值均在1.7万元/吨以下，而SO2平均影子价格绝对值最大的前5个行业分别为计算机、通信和其他电子设备制造业、电气机械和器材制造业、仪器仪表制造业、文教体育用品制造业以及交通运输设备制造业，基本属于污染密集度较低的装备制造业和高新技术行业，除交通运输设备制造业外，其余4个行业都属于低KPL行业，上述行业的SO2平均影子价格绝对值均在126万元/吨以上。污染物影子价格表现出较强的行业异质性，这在同类文献中也得到了证实，如陈诗一(2010)[17]对中国工业二氧化碳影子价格的度量结果显示，轻工业行业的影子价格绝对值同样要高于重工业行业。污染物减排的实质是资源利用问题，不同行业之间由于资源消耗数量不同，减排技术先进程度参差不齐，导致进一步减排的难度大不相同，减排成本差异较大。资源密集型行业由于本身污染物排放的基数大，加上资源利用效率还有很大的改善空间，因此减少一单位污染物的排放相对比较容易，所需要付出的代价也较低。与此相反，技术密集型行业由于消耗的资源较少同时资源利用效率更高，因此要在本身污染物排放基数就很小的基础上进一步减少排放所面临的难度更大，所需要付出的代价也更高。涂正革(2009)[16]测算得到的中国不同地区间二氧化硫影子价格也存在明显的差异，他研究指出，不同地区二氧化硫的影子价格与该地区的排放水平及生产率水平呈现显著的负相关关系。

图3 广东工业SO2平均影子价格绝对值变化趋势(1998-2014年)

从两种污染物影子价格绝对值的变化趋势看，除个别年份外，无论是广东工业全行业还是不同行业污染物影子价格的绝对值都呈现明显的上升趋势，这表明，随着决策单位资源利用效率越来越高，污染物排放强度下降，进一步减排的难度不断加大，所需要付出的代价也越来越大(Lee et al.， 2002)[14]。该结论与一些研究相一致，如陈诗一(2010)[17]、魏楚(2014)[20]等。当然，也存在结论不一致的研究，如Kaneko et al.(2010)[15]发现2003-2006年中国热力生产和供应行业二氧化硫影子价格呈下降趋势；涂正革(2009)[16]、袁鹏和程施(2011)[18]从分地区角度估计的中国工业二氧化硫影子价格都没有表现出递增或递减的一致性趋势。

图4 广东工业COD平均影子价格绝对值变化趋势(1998-2014年)

以中国实施节能减排政策的起始年2007年为转折点，本文将研究期间分为1998-2006年和2007-2014年两个时间段，考察实施节能减排政策前后广东工业及其36个二位数行业污染物影子价格的变化。表4报告了广东工业分行业SO2和COD 1998-2006年、2007-2014年两个时间段的平均影子价格及其变异系数。

表4 广东工业分行业污染物分阶段平均影子价格(万元/吨)

(续上表)

行业SO21998-2006年平均值变异系数2007-2014年平均值变异系数COD1998-2006年平均值变异系数2007-2014年平均值变异系数化纤制造-070-107-1202-072-033-048-083-016非金制品-030-096-369-053-026-071-199-107黑金加工-036-070-162-037-042-036-155-034有色加工-032-110-317-040-134-021-290-037交运设备-1379-123-25231-063-518-022-1519-023电力热力-008-081-081-057-189-024-899-033燃气生产-044-105-970-072-038-064-1048-075水的生产-849-067-7773-042-105-033-473-081高KPL行业 -024-083-267-057-024-044-100-040黑金采选-056-086-1382-096-089-038-221-068非金采选-168-114-3465-081-173-056-980-045纺织业-159-091-1586-056-039-021-088-030服装鞋帽-1620-070-15211-039-497-026-791-027皮羽制品-723-088-4691-028-053-040-132-014木材加工-210-094-4092-064-103-026-576-033家具制造-1683-103-16550-042-406-078-2386-087印刷业-3641-120-20285-030-875-027-2184-021文教体育-3190-159-35134-035-656-018-1474-031橡胶制品-149-085-1571-049-109-082-580-035塑料制品-1382-080-5957-036-418-025-905-044金属制品-824-098-5870-039-307-024-618-031通用设备-792-096-12138-067-357-034-1457-035专用设备-688-117-13469-075-423-025-1978-052电气机械-3264-152-56412-063-643-019-2487-052通信设备-6027-103-107762-063-1059-023-1371-015仪器仪表-850-064-38531-034-438-043-1274-031其他工业-1711-107-5299-044-380-047-895-030低KPL行业 -984-103-9081-044-157-040-534-031工业平均 -069-086-823-064-046-042-209-043

从表4可以看出，节能减排政策实施后，广东工业所有行业的SO2影子价格绝对值均明显高于政策实施前，全行业的平均影子价格绝对值从1998-2006年间的0.69万元/吨上升到2007-2014年的8.23万元/吨，其中高KPL行业和低KPL行业SO2的平均影子价格绝对值分别从1998-2006年间的0.24万元/吨和9.84万元/吨上升到2007-2014年的2.67万元/吨和90.81万元/吨，这表明随着节能减排政策的实施，减排潜力得到释放，进一步减排的难度也在不断增加，所以污染物影子价格持续上升。从各行业两阶段SO2平均影子价格的变异系数看，除黑色金属矿采选业、有色金属矿采选业、仪器仪表制造业以及水的生产和供应业外，其余32个行业的变异系数均出现了不同程度的下降，表明随着节能减排政策的实施，各行业SO2影子价格的波动性普遍在变小。

广东工业全行业COD的平均影子价格绝对值从1998-2006年间的0.46万元/吨上升到2007-2014年的2.09万元/吨，其中高KPL行业和低KPL行业COD的平均影子价格绝对值分别从1998-2006年间的0.24万元/吨和1.57万元/吨上升到2007-2014年的1.00万元/吨和5.34万元/吨，2007年后广东工业COD的平均影子价格绝对值同样呈现出上升的趋势，但其上升幅度明显低于SO2影子价格绝对值的上升幅度，这表明节能减排政策对SO2减排的影响明显强于对COD减排的影响。从具体行业看，纺织服装、服饰业、有色金属冶炼和压延加工业、金属制品业、仪器仪表制造业以及水的生产和供应业等5个行业的COD影子价格绝对值呈现先下降后上升的变化趋势，其余31个行业的COD影子价格绝对值则呈现持续上升的变化趋势。从各行业两阶段COD平均影子价格的变异系数看，其中黑色金属矿采选业、纺织业、木材加工和木、竹、藤、棕、草制品业、家具制造业、造纸和纸制品业、文教、工美、体育和娱乐用品制造业、塑料制品业、非金属矿物制品业、有色金属冶炼和压延加工业、金属制品业、专用设备制造业、电气机械和器材制造业、仪器仪表制造业、电力、热力生产和供应业、燃气生产和供应业、水的生产和供应业等16个行业的变异系数出现了不同程度的上升，表明这些行业COD影子价格的波动性在加剧，其余20个行业COD影子价格的波动则趋于平缓。

从污染物影子价格绝对值与排污权实际交易价格的对比来看，试点以来，广东省仅进行过三批交易，标的物均为SO2，交易总量37902.36吨，交易总价6522.86万元，成交价在1600元/吨至2000元/吨之间，出让方均为政府，受让方共11家企业，其中10家为电力企业，1家为钢铁企业。而本文估算得到的SO2平均影子价格绝对值为4.24万元/吨，其中钢铁行业2014年为2.72万元/吨，电力行业2014年为1.53万元/吨。可见，排污权的实际交易价格还不到钢铁行业污染物影子价格绝对值的1/10、电力行业的1/6，这意味着行政干预下的指导价格严重偏低，市场价格机制并没有发挥有效作用。

五 结论与建议

基于排污权交易市场的排污权初始交易价格确定与污染物影子价格关系理论，测算和分析地区工业分行业污染物的影子价格有一定的探索性。本文以试点省份广东省为例，利用广东工业分行业的投入产出数据，采用参数线性规划方法估计了广东工业分行业的超越对数型产出距离函数，并在此基础上测算出1998-2014年广东工业36个二位数行业SO2和COD的影子价格，主要结论有：(1)1998-2014年期间，广东工业SO2和COD的平均影子价格绝对值分别为4.24万元/吨和1.23万元/吨，也就是说这一期间广东工业每减少一吨SO2和COD的排放，带来的工业增加值的平均损失分别为4.24万元和1.23万元。(2)两种污染物的影子价格在不同行业之间均表现出较强的异质性，表明不同行业的污染物边际减排成本具有明显的差异。总体而言，高KPL行业(高污染行业)污染物的减排成本要明显低于低KPL行业(低污染行业)。(3)无论是广东工业全行业还是不同行业的污染物影子价格绝对值都呈现随时间而持续上升的趋势，表明随着企业的污染物排放强度不断下降，进一步减排的难度不断加大，所需要付出的代价也越来越大。(4)本文估算得到的污染物影子价格绝对值均明显高于广东排污权交易市场的实际交易价格，表明市场价格机制并没有发挥有效作用。

根据上述研究结论和广东排污权交易试点的实际情况，提如下建议：首先，从政策层面引导企业之间积极进行排污权交易。企业应当成为市场交易的主体，政府的角色应该由当前的市场交易主体逐步转变为市场运行的监管者；其次，将排污权交易价格与污染物影子价格适当挂钩。污染物影子价格绝对值实际上反映的是污染物的边际减排成本，本文研究结果表明，广东工业各行业间的污染物边际减排成本存在比较明显的差异，这实际上为不同行业企业之间的排污权交易提供了广阔的市场空间，但由于当前政府部门制定的排污权交易指导价格明显低于所有行业的污染物影子价格绝对值，使得所有企业都更倾向于购进排污权指标而非出售。因此，应该充分调动高污染行业企业节能减排的积极性，引导其以高于边际减排成本的价格出售排污权指标。

[1] Pittman, R. W.. Multilateral Productivity Comparisons with Undesirable Outputs[J].EconomicJournal, 1983, 93(372): 883-891.

[2] Lee, M.. The Shadow Price of Substitutable Sulfur in the US Electric Power Plant: A Distance Function Approach[J].JournalofEnvironmentalManagement, 2005, 77(2): 104-110.

[3] Lee, M., Zhang, N.. Technical Efficiency, Shadow Price of Carbon Dioxide Emissions, and Substitutability for Energy in the Chinese Manufacturing Industries[J].EnergyEconomics, 2012, 34(5): 1492-1497.

[4] Coggins, J. S., Swinton, J. R.. The Price of Pollution: A Dual Approach to Valuing SO2Allowances[J].JournalofEnvironmentalEconomicsandManagement, 1996, 30(1): 58-72.

[5] Murty, M. N., Kumar, S.. Measuring the Cost of Environmentally Sustainable Industrial Development in India: A Distance Function Approach[J].EnvironmentandDevelopmentEconomics, 2002, 7(3): 467-486.

[6] Aiken, D. V., Carl, A., Pasurka, Jr.. Adjusting the Measurement of US Manufacturing Productivity for Air Pollution Emissions Control[J].ResourceandEnergyEconomics, 2003, 25(4): 329-351.

[7] Park, H., Lim, J.. Valuation of Marginal CO2Abatement Options for Electric Power Plants in Korea[J].EnergyPolicy, 2009, 37(5): 1834-1841.

[8] Dang, T., Mourougane, A.. Estimating Shadow Prices of Pollution in OECD Economies[R]. Paris: OECD Publishing, OECD Green Growth Papers, No.2014-02.

[9] Färe, R., Grosskopf, S., Noh, D. W.. Characteristics of a Polluting Technology: Theory and Practice[J].JournalofEconometrics, 2005, 126(2): 469-492.

[10] Murty, M. N., Kumar, S., Dhavala, K. K.. Measuring Environmental Efficiency of Industry: A Case Study of Thermal Power Generation in India[J].EnvironmentalandResourceEconomics, 2007, 38(1): 31-50.

[11] Färe, R., Grosskopf, S., Pasurka, Jr. C. A., et al.. Substitutability among Undesirable Output[J].AppliedEconomics, 2012, 44(1): 39-47.

[12] Boyd, G. A., Molburg, J. C., Prince, R.. Alternative Methods of Marginal Abatement Cost Estimation: Nonparametric Distance Functions[C]. In Proceedings of the USAEE/IAEE 17th Conference, 1996: 86-95.

[13] Boyd, G. A., Tolley, G., Pang, J.. Plant Level Productivity, Efficiency, and Environmental Performance of the Container Glass Industry[J].EnvironmentalandResourceEconomics, 2002, 23(1): 29-43.

[14] Lee, J. D., Park, J. B., Kim, T. Y.. Estimation of the Shadow Prices of Pollutants with Production /Environment Inefficiency Taken into Account: A Nonparametric Directional Distance Function Approach[J].JournalofEnvironmentalManagement, 2002, 64(4): 365-375.

[15] Kaneko, S., Fujii, H., Sawazu, N., et al.. Financial Allocation Strategy for the Regional Pollution Abatement Cost of Reducing Sulfur Dioxide Emissions in the Thermal Power Sector in China[J].EnergyPolicy, 2010, 38(5): 2131-2141.

[16] 涂正革. 工业二氧化硫排放的影子价格: 一个新的分析框架[J]. 经济学(季刊), 2009, 8(4): 259-282.

[17] 陈诗一. 工业二氧化碳的影子价格: 参数化和非参数化方法[J]. 世界经济, 2010, 33(8): 93-111.

[18] 袁鹏, 程施. 我国工业污染物的影子价格估计[J]. 统计研究, 2011, 28(9): 66-73.

[19] 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.

[20] 魏楚. 中国城市CO2边际减排成本及其影响因素[J]. 世界经济, 2014, 37(7): 115-141.

[21] Xie, H. M., Shen, M. H., Wei, C.. Technical Efficiency, Shadow Price and Substitutability of Chinese Industrial SO2Emissions: A Parametric Approach[J].JournalofCleanerProduction, 2016, 112(2): 1386-1394.

[责任编辑：戴天仕]

Study on the Shadow Price of Environmental Pollutants——A Case Study of Guangdong Industry

ZHOU Yong-wen

Shadow price estimation of pollutants is the key and difficult point in the design of emission trading market. Combined with the advantages of the current parametric method and nonparametric method, this paper constructs a linear programming model using Shephard output distance function and estimates the shadow price of sulfur dioxide (SO2) and chemical oxygen demand (COD) in 36 industrial sectors in Guangdong Province during 1998-2014. The study found that the shadow price of two kinds of pollutants showed significant industry heterogeneity, the shadow price of sectors which have low capital labor ratio was higher than that of high capital labor ratio, with the passage of time, the shadow price of all industrial pollutants appeared increasing trend, the estimated shadow prices of pollutants was significantly higher than the actual price of the emissions trading market. The above conclusions are of great significance to the design and operation of regional emission trading market in Guangdong.

environmental pollutants; shadow price; Guangdong; industry sectors; emissions trading

10.14007/j.cnki.cjpl.2017.02.007

2017-01-25

广东省人文社科重点研究基地项目“节能减排约束下广东区域协调发展研究：基于全要素生产率的视角”(项目编号：2012JDXM_0009，项目主持人：王兵)。

周永文，暨南大学产业经济研究院讲师，博士研究生，研究方向为资源环境与产业发展。

F426

A

1674-8298(2017)02-0093-15

[引用方式]李斌, 张晓冬. 中国产业结构升级对碳减排的影响研究[J]. 产经评论, 2017, 8(2): 79-92.