碳交易的潜在收益及减排途径分析

梁劲锐，席小瑾

(1.青岛农业大学 经济学院，山东 青岛 266109;2.青岛农业大学 管理学院，山东 青岛 266109)



碳交易的潜在收益及减排途径分析

梁劲锐1，席小瑾2

(1.青岛农业大学 经济学院，山东 青岛 266109;2.青岛农业大学 管理学院，山东 青岛 266109)

本文通过构建不同环境规制政策下的DEA模型，估算二氧化碳排放权交易(简称“碳交易”)对经济与环境的潜在收益，并利用LMDI因素分解法，分析对减排有重要影响的中间变量，确定中国碳交易制度下的减排途径。跨区的碳交易可以使国内生产总值增加6.11%，二氧化碳排放(简称“碳排放”)量减少8.36%;而跨时空的碳交易可以使国内生产总值增加6.97%，碳排放量减少8.88%。碳交易可以带来经济收益与环境收益，其中，又以碳排放权的跨时空交易为最优制度安排，但随着资源利用效率和配置效率的提高，这种潜在收益呈下降趋势。研究发现，在对碳排放量的影响中，能源结构效应为99.64%，技术效应为85.79%，而规模效应为106.69%。碳交易主要是通过促进技术进步而达到减排目的。本文通过分析碳交易对经济与环境的潜在收益和减排的传导途径，为建立全国统一的碳交易市场提供政策建议。

碳交易；碳排放量；减排途径；LMDI因素分解法；DEA模型

一、引 言

如何应对全球气候变暖已成为一个重要的国际性议题，各国政府通过制定各种环境规制政策来逐步减少温室气体的排放，从各国做法和经验来看，二氧化碳排放权交易(简称“碳交易”)制度是一种较为常见的减排措施。Montgomery[1]在理论上严格证明了排污权交易具有以最低成本实现污染控制目标的特点。美国国家环保局首先将排污权交易应用于大气污染及河流污染管理，取得成功后，德国、英国和澳大利亚等国家相继进行了排污权交易的实践。随着《京都议定书》的签署，欧盟国家一直致力于“欧盟温室气体排放指标交易市场”的建立完善。排污权交易制度在实践上已取得一定成效。Färe等[2-3]指出，随着排污权交易的实施，其潜在收益越来越受到关注。

中国已于2013年启动了碳交易试点计划，选定北京、天津、上海、重庆、湖北、广东和深圳为碳交易试点。2015年10月，习近平主席访美期间与美国总统奥巴马发表联合声明，宣布将于2017年针对中国二氧化碳排放(简称“碳排放”)严重的行业，启动全国碳交易体系。建立覆盖全国各地区、各行业的碳交易市场已是大势所趋，这样一个庞大统一的交易市场会对中国的经济及环境带来怎样的影响？是否能在减少碳排放量的同时，实现更大的经济收益？中国碳交易的减排途径又是怎样的？这些都是亟需深入研究的问题，对于加快中国经济的绿色低碳转型和生态文明建设无疑大有助益。

本文主要解决两个问题：一是在碳排放权存在跨时空交易的基础上，检验碳交易制度是否比现行的命令控制型环境规制更有效，即全面实行碳交易制度是否能在保证比命令控制型环境规制有更大产出的同时，维持更低的碳排放量；二是技术进步、能源结构升级都能够有效减少碳排放量，若中国全面实行碳交易制度，主要会通过哪种途径最终实现碳排放量的减少，其传导机制具体是怎样的，是碳交易→技术进步→碳排放量减少，还是碳交易→能源结构升级→碳排放量减少，抑或二者兼而有之？

二、文献综述

现有文献中，与中国碳交易有关的文献主要有两类：第一类研究主要集中于对中国碳交易试点的分析。Wang等[4]通过两区域动态CGE模型分析了广东碳交易市场对广东经济的影响，研究发现，碳交易将使该省所有部门的产出增加，但所付出的环境代价减少，然而建筑、机械和造纸部门的就业将受到冲击，预计到2020年，广东的碳交易市场规模将达到3.78亿至10.16亿美元。Zhang等[5]对中国7个碳交易试点进行总结分析认为，各个试点在覆盖范围、准入门槛等方面存在较大差异，为了使交易市场运行得更加有效，严格的立法是试点市场及未来建立统一市场所必不可少的，并应提高厂商违反碳交易机制的违约成本，此外，还应建立专门的金融交易所，允许碳排放权在交易所交易，保证碳交易的连续性和公平性。第二类研究是分析碳交易可能对中国产生的影响。Cong和Wei[6]通过建立仿真模型研究了碳交易对中国电力部门的潜在影响，分析指出，这一制度安排可以使环境成本内生化并激励环境友好型技术的发展，但同时会有4%的碳价格被传递至电价，使电价上涨12%。Zhou等[7]构建了一个跨省减排配额交易机制，首次估计了每个省的边际减排成本曲线，在这套机制下，中国的减排成本可以减少40%以上。

碳交易制度对碳排放量的影响必然有其自身的传导机制，在传导机制中存在一个或多个发挥重要作用的因素，需要对这些影响因素进行分解，通过比较这些因素在实行碳交易制度前后的变化以确定其传导机制。目前，分析碳排放量影响因素的文献较多[8-9]。林伯强和蒋竺均[10]采用LMDI因素分解法和STIRPA模型分析认为，人均收入对碳排放量的影响最大，其次是工业能源强度，而煤炭结构的影响较小。涂正革[11]基于优化的Laspeyres指数法分析认为，要减少中国的碳排放量，发展低碳经济，经济结构、技术进步和能源结构是三个重要变量。然而从现有文献看，将因素分解与具体环境规制制度相联系的文献较为少见。

本文首先采用DEA方法对碳交易潜在的经济收益与环境收益进行估算，计算出在其他条件不变的情况下，仅因环境规制制度变化而导致的碳排放量的变化情况，再利用跨时空碳交易情景下的碳排放量数据与实际碳排放量数据，通过LMDI因素分解法，寻找发生变化的中间变量，从而发现碳交易制度引起碳排放量减少的传导途径。本文通过构建引入碳交易的DEA模型，参考Stevens和Rose[12]的思路，结合中国每五年发布一次的国民经济和社会发展规划及排污权总量管理的特点，对färe等[2]构建的引入排污权交易的DEA模型进行了合理扩展。将决策单位由电力生产企业扩展为中国各省(自治区、直辖市)，并采用两阶段DEA模型分析跨时空碳交易的影响机制。

三、碳交易的潜在收益分析

(一)模型构建

生产单位不但可以生产出人们所期待的“好”产出，也不可避免地带来对人们无用甚至有害的“坏”产出，如废气、废水等。因而在构造生产可能集时要同时包含“好”的合意产出和“坏”的非合意产出。这种包含合意与非合意产出的生产可能集常被称为环境生产技术。

T=[(x,y,b):x can produce (y,b)]

(1)

用集合形式表示为式(2)：

P(x)=[(y,b):(x,y,b)∈T]

(2)

其中，P(x)为环境生产技术生产集，由DEA来表述[13]。假设有k=1,2,…,K个生产决策单元，投入产出向量为(xk,yk,bk)，则第k′个生产决策单元的环境生产技术生产集为式(3)：

(3)

其中，λk表示强度变量。环境生产技术实质上是将环境资源纳入生产集，由k个决策单元联合形成的生产可能前沿，即当投入x给定时，最大合意产出y与最小非合意产出b的合集；或当y给定时，最小投入x与最小非合意产出b的合集；又或者是当b给定时，最大合意产出y与最小投入x的合集。

环境生产技术具有一般生产技术的属性，如P(0)={0}，P(x)是有界闭集，所有投入x具有强可处置性等。此外，环境生产技术还假定产出具有弱可处置性和零结合性[14]，即在减少非合意产出的同时，不可避免地伴随着合意产出的减少，要使非合意产出b=0，则必须使合意产出y=0。生产集满足环境生产技术的两个特定假设：一是对于生产集P(x)内的任一观测点(y，b)，按比例收缩的对应点(θy，θb)也在生产集P(x)内，这一特征对应弱可处置性；二是合意产出y代表产出集的唯一点位于原点处，表明非合意产出b是合意产出y的副产品，或者说y与b零结合。

假设有三种投入，资本存量(x1)、人力资本(x2)和能源投入(x3)。一种合意产出GDP(y)，两种非合意产出二氧化硫(bs)、二氧化碳(bc)。其中，二氧化碳实施碳交易，二氧化硫没有实行排污权交易。时间跨度为2003—2012年*2013年中国已在7个省(自治区、直辖市)开展碳交易试点，为提高估算结果的可靠性并结合数据可得性，样本期选择2003—2012年。，t=1,2,…,10，决策单元为28个省(自治区、直辖市)*不包括港澳台地区；山西、贵州缺少原油消费数据，估算二氧化碳排放量时会造成统计口径不一致，西藏统计数据不完整，均予以剔出。，k=1,2,…,28。为了比较碳交易的减排效应，本文模拟了三种环境规制情景，分别是命令控制型环境规制(情景1)、碳排放权跨区交易(情景2)和碳排放权跨时空交易(情景3)，利用DEA方法建立线性规划，以各生产单位实现合意产出最大化为目标，估算每个情景下的潜在经济收益与环境收益。

1.命令控制型环境规制

地区k′在第t期的碳排放量可以由式(4)计算：

(4)

2.碳排放权跨区交易

在碳排放权跨区交易的情景下，任意地区都可以买入或卖出碳排放权，但就全国而言，碳排放总量不能超过许可证所允许的总量，地区k′在第t年的碳排放量可由式(5)计算：

(5)

3.碳排放权跨时空交易

当各地区的碳排放权既可以跨区交易也可以跨期交易时，估算碳排放量的模型可以分为两部分：第一部分，k′地区在本地区进行跨期交易，即在最优环境生产技术条件下，安排1,2,…,t期内各期碳排放量，地区k′在第t年的碳排放量可由式(6)计算：

(6)

第二部分，地区k′在确定本地区各期应使用碳排放量的基础上，在第t年进行跨区碳交易时，实际使用的碳排放量可由式(7)计算：

(7)

(二)变量设定和数据处理

投入变量分别为资本投入(x1)、劳动投入(x2)和能源消费(x3)；合意产出为国内生产总值(y)，非合意产出是二氧化硫(bs)、二氧化碳(bc)。本文数据源自《中国国内生产总值核算历史资料》(1952—1995年，1952—2004年)、《中国统计年鉴》(2005—2013年)、《中国能源统计年鉴》(2004—2013年)和《新中国六十年统计资料汇编》。所有涉及价格的数据均转换为以1990年为基期的实际值。

1.资本存量(x1)

大量的文献对中国资本存量进行了估算[15-16]。本文采用永续存盘法估计2003—2012年中国的资本存量，估计公式为Kt=Kt-1(1-δt)+It。以固定资本形成总额作为ΔK，即每年投资额I的替代变量，利用资本产出比K/Y=ΔI/ΔY计算基期的资本存量K。为避免经济体制、投资方式等因素引起资本产出比的较大变化，以1990—1995年的平均值作为基期的资本产出比，以此计算基期资本存量K。折旧率δ参考单豪杰[16]，采用平均折旧率10.96%。

2.劳动投入(x2)

如果只用劳动力的数量反映劳动投入，仅能反映劳动力数量的变化而无法反映劳动力质量的变化对经济的影响。但由于人力资本在经济增长中的重要性逐渐上升，低素质劳动力的重要性逐渐下降，本文使用人力资本反映劳动投入x2。人力资本的计算方法主要有教育年限法和收入法，本文使用拓展的基于劳动力收入的人力资本计算法估算人力资本[17]。根据该方法，人力资本he可由式(8)计算：

he=[w(h)/w*]1/(2β)

(8)

3.能源消费(x3)

本文采用平均低位发热量作为能源消费的指标。平均低位发热量的计算方法是，将与煤(包括煤炭、焦煤)、油(包括原油、燃料油、汽油、煤油和柴油)、天然气有关的8种能源的实际消费量按《综合能耗计算通则》(GB/T 2589-2008)标准转换为平均低位发热量之后，加总得到。

4.合意产出(y)

合意产出使用国内生产总值进行衡量，将国内生产总值的名义值根据环比指数转换为以1990为基期的实际值。

5.非合意产出——二氧化硫(bs)与二氧化碳(bc)

二氧化硫排放量取自统计年鉴中工业二氧化硫的排放量。目前中国统计资料中还没有准确的二氧化碳排放量数据，本文采用二氧化碳排放量的通用计算方法，如式(9)所示：

(9)

其中，CO2表示二氧化碳排放量，Ei表示第i种能源的消费量，数据源自《中国能源统计年鉴》(2004—2013年)各能源的实际消费量，Ci表示碳排放系数，碳排放系数取自《省级温室气体清单编制指南》。

通过以上处理，2003年和2012年省际投入产出变量的统计描述如表1所示。

表1 省际投入产出变量的统计描述

(三)结果分析

利用式(4)、式(5)和式(6)可分别计算出命令控制型环境规制(情景1)、碳排放权跨区交易(情景2)和碳排放权跨时空交易(情景3)这三种情景下的国内生产总值(GDP)和二氧化碳排放量(CO2)，通过与实际观察数据进行比较，分析三种情景下GDP和CO2与实际观测数值的差异。并比较不同情景下两个潜在收益差异：一是GDP潜在收益，使用GDP的模拟值相对实际值增加的比例进行衡量；二是碳排放潜在收益，使用二氧化碳排放的模拟值相对实际值减少的比例进行衡量。

如表2所示，从总产出方面看，由于中国目前仍然是以命令控制型环境规制为主，所以情景1所计算出来的GDP数值与实际观测值较为接近，但二者之间仍然存在差距，说明命令控制型环境规制在实际执行过程中仍存在效率较低的情况，但随着政府对节能环保工作的重视， GDP潜在收益呈下降趋势，说明环境规制低效率的情况在不断减弱，合意产出不断向理论值靠近。从碳排放量来看，由于情景1实施的是命令控制型环境规制，决策单元即使能够减少碳排放量，也无法将节省的排放权进行转让而产生收益，因而各决策单元缺少降低碳排放量的激励，按政策规定的最低要求控制碳排放是其理性选择，企业会按照规定的最大排放量进行生产，结果就是情景1模拟下的碳排放量与实际值无差别，碳排放方面没有潜在收益。

表2 命令控制型环境规制模拟值和潜在收益

实施碳排放权的跨区交易后，在投入和非合意产出二氧化硫的制度安排不变时，总产出会增加，碳排放量会减少(如表3所示)。与情景1进行对比，碳排放权跨区交易使GDP潜在收益比命令控制型环境规制平均增长了4.33%，而碳排放潜在收益则平均减少了8.36%，碳排放权跨区交易的实施既可以促进经济的进一步增长，也可以缓解环境压力，实现经济增长与环境保护的“双重红利”。从情景2的时间序列来看，碳排放权的跨区交易对GDP潜在收益和碳排放潜在收益的影响都在逐渐减弱，GDP潜在收益从2003年的最高值7.69%缩小到2012年的最低值4.73%；碳排放潜在收益由2003年的最大值16.53%缩小到2012年的次低值2.43%。这可能有两个原因：一是环境规制政策的执行效率逐渐提高，缩小了二者的差距；二是随着碳交易制度的实施，经济主体逐渐适应了这种制度安排，各类资源配置逐渐趋于合理，资源利用渐趋充分，能源利用效率也逐渐达到潜在最优效率水平，GDP潜在收益和碳排放潜在收益逐渐释放。

表3 碳排放权跨区交易模拟值和潜在收益

碳排放权的跨时空交易同样可以实现GDP潜在收益和碳排放潜在收益的“双重红利”(如表4所示)。碳排放跨时空交易下的GDP平均潜在收益要大于跨区交易时0.86个百分点。而在碳排放潜在收益方面，情景3要比情景2平均多出0.52个百分点，也就是说，碳排放权的跨时空交易无论是从合意产出还是非合意产出来看，都要优于碳排放权的跨区交易。从情景3的时间序列来看，碳排放权的跨时空交易对GDP潜在收益和碳排放潜在收益的影响也呈逐渐减弱的趋势。GDP潜在收益从2003年最高的8.04%下降到2012年最低的4.73%；碳排放潜在收益由2003年的最大值16.69%下降到2012年的最低值2.43%，其原因与情景2下的原因相同。

表4 碳排放权跨时空交易模拟值和潜在产出

四、碳交易的减排途径分析

分析碳交易的减排途径，实质是分析碳交易通过哪些因素引起了碳排放量的变化，以及影响方向和具体数量关系。本文使用LMDI因素分解法对碳排放量的影响因素进行分解，找出碳交易制度实施后对减排影响较大的因素。

(一)分解方法

根据LMDI因素分解法，假设V是所要研究的变量，存在i个单位，每个单位均有相同的u1, u2,…,un个要素影响本单位的Vi，如果关系式Vi=ui1ui2…uin成立，且V=∑iVi，则变量V从时期0到时期t的总体变化用乘法分解表示为式(10)，用加法分解表示为式(11)：

Dtot=VT/V0=Du1Du2…Dun

(10)

Δtot=VT-V0=Δu1+Δu2+…+Δun

(11)

公式(10)反映了因素u1,u2,…,un对变量V总量变化的相对效应，公式(11)反映了因素u1,u2,…,un对变量V总量变化的绝对效应。下标tot表示总变化。第un个因素对变量V的效应Dun和Δun可以分别由式(12)和式(13)计算，具体推导过程参见Ang等[18]。

(12)

(13)

本文利用Kaya恒等式对要考察的碳排放量进行影响因素分解，Kaya恒等式将CO2排放量分解为四个与经济活动有关的因素，分别是单位能源消费的碳排放量、能源强度(单位GDP能耗)、人均GDP和人口规模。考虑到考察期内中国的人口规模稳定，对碳排放量的影响变化不明显，因而本文在Kaya恒等式的基础上剔出人口因素，具体公式为式(14)：

(14)

其中，C表示碳排放总量，i表示第i个地区，C/E是单位能源消费的碳排放量，如果能源消费总量中化石能源所占比例较高而清洁能源(风能、水能和核电等)的比例较低，或是在相同热量下，碳排放量多的能源消费(如天然气，高炉煤气等)比例较高，都可以增加单位能源消费的碳排放量。因此，单位能源消费的碳排放量是衡量能源消费结构的重要指标，本文把单位能源消费的碳排放量对碳排放总量的影响称为能源结构效应(Energy Structure Effect，ESE)。E/GDP是单位GDP能耗，即能源强度。技术进步可以通过两个渠道显著降低能源强度：一是通过提高要素的边际生产率增加总产出；二是改变要素的边际替代率，从而影响能源投入和总产出[19]。因此，能源强度对碳排放量的影响可以看作技术效应(Technical Effect，TE)。GDP代表经济总规模，GDP对碳排放量的影响称之为规模效应(Scale Effect，SE)，另外，参考涂正革[11]将经济规模的碳排放效应看作经济增长的环境代价，本文通过分解不同情景下碳排放量的影响因素，对能源结构效应、技术效应和规模效应进行横向对比，分析在其他条件相同的情况下，碳交易主要是通过什么因素对减少碳排放量产生了较大影响，即碳交易的减排路径是什么。

(二)结果分析

通过第三部分分析可以看出碳交易具有更明显的减排效应。由于碳排放权的跨时空交易在三种环境规制中具有最高的减排效应，本文选择碳排放权跨时空交易作为碳交易的代表。不同于其他文献以不同的时点作为基期和报告期，本文将同一时点下的实际情景作为基期，情景3作为报告期，以此分析碳交易通过哪些因素引起了碳排放量的变化。根据式(14)，本文将影响碳排放量的因素分解为能源结构效应STE、技术效应TE和规模效应SE，并依据式(10)和式(11)分别进行乘法和加法分解，结果如表5和表6所示。

表5是依据LMDI因素分解法的乘法分解得到的结果，表示报告期(情景3)的模拟值，相对于基期(实际情景)实际值的变化率。2003—2012年，当市场价格能充分反映投资者所获得的信息且各省份达到最优环境生产技术时，碳排放权跨时空交易情景下的碳排放量是实际碳排放量的91.13%，或者说，实施碳排放权跨时空交易情景下的碳排放量比实际碳排放量平均减少8.87%，即碳交易的平均碳减排潜力为8.87%。从各影响因素产生的平均效应指数看，能源结构效应使碳排放量减少了0.36%，技术效应使碳排放量减少了14.21%，而规模效应使碳排放量增加了6.69%，最终碳排放量减少8.87%，可见技术进步的减排效应最为明显。能源结构效应等于99.64%，说明两种情景下的能源结构没有发生明显变化，相对于基期来说，碳排放权跨时空交易并没有改变能源结构，减排效应不明显。技术效应小于1，表明两种情景下的技术水平不一样，情景3中的技术水平更加符合低碳发展的要求，可见在其他条件不变时，碳排放交易可以促进生产单位改进生产技术或采用低碳技术生产，从而获得出让碳排放权的收益，进而总体上减少碳排放量。纵向来看，技术效应指数逐渐上升，表明在较长的时期内技术进步的潜力逐渐减小，与表3和表4获得的结论一致。经济规模效应大于1，表明随着经济规模的不断扩大，碳排放量在增加。规模效应导致的碳排放量的增加比例在逐年下降，由2003年的增加8.87%下降到2012年的增加3.39%。如果把规模效应看作经济增长的环境代价，碳排放量增长比例的下降表明伴随碳交易的实施，经济增长所付出的环境代价在减弱。

表5 碳交易对碳减排影响的因素分解(乘法) 单位：%

表6是依据LMDI因素分解法的加法分解得到的结果，表示报告期(情景3)的模拟值，相对于基期(实际情景)实际值变化的绝对量。2003—2012年，当市场价格能充分反映投资者所获得的信息，且各省(自治区、直辖市)达到最优环境生产技术时，实施碳排放权跨时空交易可以使碳排放量比实际碳排放量减少65.68亿吨，其中，能源结构效应使碳排放量总共减少了3.03亿吨，技术效应使碳排放量减少了111.08亿吨，而规模效应使碳排放量增加了48.43亿吨，技术进步表现出较强的碳减排效应。

表6 碳交易对碳减排影响的因素分解(加法) 单位：亿吨

五、结论和政策建议

本文利用中国28个省(自治区、直辖市)的数据，通过DEA方法分别估算在命令控制型环境规制、碳排放权跨区交易和碳排放权跨时空交易等三种情景下的潜在收益，对比分析碳交易的有效性。并利用LMDI因素分解法，对碳排放量的影响因素进行分解，找出中国碳交易的具体减排途径。结果发现：

第一，相较于命令控制型环境规制，碳交易能带来更大的GDP潜在收益和碳排放潜在收益。在其他条件不变的情况下，碳排放权跨时空交易能够带来最大的GDP潜在收益和碳排放潜在收益。

第二，长期来看，碳交易产生的影响在逐渐减弱，这种影响的弱化并非是因为该制度的效率降低，而是因为当市场价格能充分反映投资者所能获得的信息且各省份达到最优环境生产技术时，资源配置逐渐向趋向最优状态，资源利用更趋充分，经济收益与环境收益正逐渐趋向理论最优值。

第三，碳交易产生的减排效应更多的是通过技术进步实现的，减排途径是碳交易→技术进步→碳排放量减少。技术进步、能源结构和经济规模被认为是影响碳排放量的主要因素。本文通过因素分解，发现碳交易较明显地促进了技术进步，这可能是因为通过碳交易产生的收益弥补了生产单位提高生产技术而产生的成本，从而促进低碳技术的出现与使用，在收益增加的同时碳排放量减少，从宏观上则表现为经济增长的环境代价逐渐降低。

根据以上研究结论，提出如下政策建议：

第一，建立全国统一的碳交易市场。中国自2013年开始建立了7个碳交易试点，但这些市场相对分割，缺乏有效的衔接机制，降低了碳交易市场的效率。建立全国范围的统一碳交易市场，充分发挥碳交易的应有作用是非常必要的。

第二，政府的总量控制可以间接实现碳排放权的跨时空交易。碳排放权的跨时空交易应是碳交易的最终取向，但就目前中国的碳交易制度安排而言，建立跨时空碳交易市场是一个长期的过程，较为现实的方案是首先建立全国统一市场，实现碳排放权的跨区交易。考虑到国民经济和社会发展五年规划中的碳排放总量控制指标，中央在向各地区进行碳排放权初始分配前，应先进行一次碳排放权在规划期内的跨期分配，然后再向各地区进行当期碳排放权分配，实际上就在一定程度上实现了碳排放权的跨时空交易，碳交易对经济和环境的潜在收益将得到更充分的发挥。

第三，努力促进能源结构调整。碳交易主要通过促进技术进步而不是能源结构调整来促进碳减排，所以在建立碳交易市场的同时，政府应把激励能源结构调整、鼓励清洁能源使用的环境政策作为减少碳排放量的另一项重要措施，与碳交易制度相互补充。

[1] Montgomery，W. D.Markets in Licenses and Efficient Pollution Control Programs[J].Journal of Economic Theory，1972，5(3):395-418.

[2] Färe, R.，Grosskopf,S.，Pasurka,C.A.Tradable Permits and Unrealized Gains from Trade [J].Energy Economics，2013，40(9):416-424.

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

[4] Wang, P.，Dai, H. C.，Ren, S. Y.，Zhao,D.Q.,Masui,T. Achieving Copenhagen Target Through Carbon Emission Trading：Economic Impacts Assessment in Guangdong Province of China [J]. Energy，2015，79(1):212-227.

[5] Zhang, D.，Karplus, V. J.，Cassisa, C.，Zhang, X. Emissions Trading in China: Progress and Prospects [J].Energy Policy，2014，75(4):9-16.

[6] Cong,R. G.，Wei,Y.M. Potential Impact of (CET) Carbon Emissions Trading on China’s Power Sector: A Perspective from Different Allowance Allocation Options [J].Energy，2010，35(9)：3921-3931.

[7] Zhou, P.，Zhang, L.，Zhou, D. Q.，Xia,W.J. Modeling Economic Performance of Interprovincial CO2Emission Reduction Quota Trading in China[J].Applied Energy，2013，112(5):1518-1528.

[8] 郭朝先.中国碳排放因素分解:基于LMDI分解技术[J].中国人口·资源与环境,2010, (12):4-9.

[9] 杨骞, 刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究[J]. 数量经济技术经济研究, 2012,(5):36-49.

[10] 林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界,2009,(4):27-36.

[11] 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.

[12] Stevens, B.，Rose, A.A Dynamic Analysis of the Marketable Permits Approach to Global Warming Policy: A Comparison of Spatial and Temporal Flexibility [J].Journal of Environmental Economics and Management，2002，44(1)：45-69.

[13] Färe, R.，Grosskopf, S.，Lovell, C.,Pasurka,C. Multilateral Productivity Comparisons When Some Outputs are Undesirable: A Nonparametric Approach [J].The Review of Economics and Statistics，1989，71(1):90-98.

[14] Shephard, R.W.，Färe,R.The Law of Diminishing Returns [J].Journal of Economics，1974，99(1):69-90.

[15] 张军, 章元.对中国资本存量K的再估计[J]. 经济研究,2003,(7): 35-43.

[16] 单豪杰.中国资本存量K的再估算:1952—2006年[J]. 数量经济技术经济研究, 2008,(10):17-31.

[17] 朱平芳, 徐大丰.中国城市人力资本的估算经济研究[J]. 经济研究, 2007，(9): 84-95.

[18] Ang,B.W.，Liu,F.L.，Chew,E.P. Perfect Decomposition Techniques in Energy and Environmental Analysis [J].Energy Policy，2003，31(14):1561-1566.

[19] 王班班, 齐绍洲.有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究, 2014，(2):115-127.

(责任编辑：邓 菁)

2017-01-06

青岛农业大学人文社会科学研究基金项目“环境规制与山东省农业技术效率关系研究”(614Y34)

梁劲锐(1975-)，男，广东南海人，讲师，博士研究生，主要从事环境规制研究。E-mail:jinruiliang@163.com 席小瑾(1975-)，女，陕西西安人，讲师，博士研究生，主要从事财政理论与政策研究。E-mail:xi.xiao.jin@163.com

F062.6

A

1008-4096(2017)04-0026-09