中国碳排放效率测算与差异性分析

谢蕾 侯强

摘要：以中国省级层面碳排放效率为研究对象，运用全局参比Malmquist测算2006-2015年各省份碳排放效率，分析了碳排放效率、技术效率变化与技术变化的总体趋势，利用标准差、变异系数、对数离差系数、基尼系数和泰尔熵系数分析了我国碳排放效率的总体差异。研究结果表明，样本期间我国平均效率值、技术效率及技术变化呈递增态势，技术进步为碳排放效率增长的主要动力。

Abstract： Based on Global Malmquistmodel， this paper discusses carbon emission efficiency of China's provinces in 2006-2015， and analyzes the trend of carbon emission efficiency， and technical efficiency change， and technological change. The paper studies the overall difference by using standard deviation， coefficient of variation， logarithmic dispersion coefficient， Gini coefficient and Tyler entropy coefficients. The result is shown， during the sample period， there is an increase of the average efficiency value， and technical efficiency， and technical change. Meanwhile， technological progress is the main driver in carbon emission efficiency growth.

关键词：碳排放效率;全局参比Malmquist;效率趋势;区域差异

Key words： carbon emission efficiency;Global Malmquist;efficiency trend;regional differences

中图分类号：F224                                       文献标识码：A                                  文章编号：1006-4311（2018）36-0266-03

0  引言

气候变化问题已成为人类共同关注的话题。中国作为碳排放大国，正处于经济发展需求和环境约束的双重约束阶段，碳排放效率的提升是有效缓解二重约束冲突的关键。研究初期学者多以碳排放强度等单要素指标进行研究，Sun[1]认为CO2排放强度可作为评价减排效果的理想指标，但碳排放具有明显的多要素特征。Hu和Wang[2]使用DEA构造全要素能源效率指标（TFEE）。Zhou等[3]利用环境DEA构造了Malmquist。周五七[4]进一步运用全局DEA的GML（Global Malmquist-Luenberger）测算TFP指数。此外，分析效率差异时，史丹和董利[5]、杨正林[6]和宁亚东等[7]分别利用变异系数法和泰尔熵指数对省际数据做了收敛性检验。本文立足既有研究，运用全局参比Malmquist技术进行碳排放效率的测度，利用时序变化分析各省和三大区域的碳排放演进趋势，利用标准差、变异系数、对数离差系数、基尼系数和泰尔熵系数差异度量指标分析碳排放的差异。

1  效率测度分析

1.1 效率测度方法选择

效率测度常用的方法为单指标的碳排放强度和全要素的碳排放效率，DEA方法的优势是处理多产出问题和不需要严格的计量检验，同时考虑效率的纵向可比性与动态变化分解，本文拟采用全局参比Malmquist方法。

Mg代表效率值的增加，当Mg>1时，效率处于增长范围，否则效率下降。

1.2 效率测度指标选择

本文借鉴既有研究以资本存量（K）、劳动力（L）和能源消耗（E）为投入，以GDP作为期望产出，二氧化碳排放作为非期望产出，指标度量方式和数据来源见表1。

1.3 效率测度结果

利用全局参比Malmquist测算得出2006-2015年30个省份及东中西地区的碳排放效率，列举2006和2015年数据如表2所示。

如表2和表3所示，2006-2015年，全国平均碳排放效率值增加了10.08%，其中2009年效率值增速变慢。从表3中可以看出各省份的MI、EC和TC三个指标效率变化情况。

生产率指数MI代表效率增长率，由表中可以看出，我国总体碳排放效率呈正增长态势，但是区域间差异较大。效率值增长较快的三个省份增长率约为1.3。有五个省份呈现负增长，其中宁夏为0.6956。

技术效率指数EC大于1代表技术效率改进，总的来看，技术效率呈现了下滑趋势，同时区域间和省际间表现不一。从细部数据分析看，到2015年，虽然部分省份呈现技术效率恶化的趋势，但大部分是改進的。

技术变化指数TC在大多数省份是正增长，三大区域也呈现为增长趋势，技术进步较快的四个省份中内蒙古增长最快为1.2718。部分省份从碳排放角度出现了退步。

總体上，我国碳排放效率整体上升，相较于技术效率变化，技术进步是总体效率增长的主要动力。除安徽和贵州外大部分省份效率提升是靠技术进步推动的，安徽和贵州的效率提升是靠技术效率变化提升的。

2.2 总体性差异分析

从上述分析了解到碳排放效率变化趋势，但总体存在何种差异，本节分别从标准差、变异系数、对数离差系数、基尼系数和泰尔熵系数进行分析。

从五个系数变化可以看出，五个指标均呈现类上抛物线趋势。各地区碳排放差异比较明显且都经历了两个阶段，2012年为转折点。在2006-2012年总体差距逐渐变小，其中2008年下降最为明显。2012-2015年全国差距逐年增大。从表4中可以看出，2006-2015年，标准差呈波动式下降且差距最小的为2008年，变异系数、对数离差系数、基尼系数和泰尔熵系数这4种指标均具有相同的升降趋势。在此期间，下降最快的为基尼系数，差距下降4.55%，其次为泰尔熵系数和变异系数，分别下降4.25%和3.63%，下降最慢的对数离差系数为1.26%。虽然下降幅度无显著变化，但从系数变化可以看出，效率中等的省份和效率高的省份变动明显，碳排放效率低的省份无显著变化。总体来看，我国省份效率分布不均匀，最近几年总体效率差异有逐年增大趋势。

2.3 区域趋势性分析

东部地区效率总体较高，高碳排放效率省份较聚集，平均水平在全国平均水平以上，而中部地区次之，西部地区整体效率最低，后两者均在平均效率在全国平均线以下。东部地区是提升全国水平的动力源，超过平均水平的绝对水平呈扩大趋势，中部地区与平均水平差值基本保持一致，而西部地区与平均水平的差距也略呈扩大趋势。

东部地区处于生产前沿面的省份较多，技术变化出现正增长，增长率为1.1538。由此可见，技术进步是东部地区碳排放效率提升的主要动力。中部地区承接东西部，碳排放效率较东部地区相对落后。技术进步变化率为1.1105，显然技术变化促进了中部地区碳排放效率的提升。西部地区碳排放效率和增长率均最低，同时低效率省份大多聚集在西部。西部地区的碳排放效率指标、技术效率指标和技术进步指标均大于1，呈现为技术效率和技术进步的双驱动，但相较于技术效率来说，技术进步的作用更为明显。

从总体上看，东部效率最高，其次为中部。区域碳排放效率虽然存在差异，但总体发展趋势呈增长态势，且各区域技术进步比技术效率增长明显，目前东部和中部的碳排放效率主要依靠技术进步推动，而西部地区是技术效率和技术进步的双驱动。

3  结论

本文首先采用Malmquist指数方法估算我国2006-2015年各省份及区域碳排放效率，同时将效率变化分解为技术效率和技术进步，利用标准差、变异系数、对数离差系数、基尼系数和泰尔熵熵系数分别对碳排放效率进行整体及区域差异分析，得出如下结论。

①通过利用全局Malmquist得出各省份区域的效率值变化、技术效率变化以及技术变化，总体上碳排放效率呈现增长趋势，技术效率提升差异较大呈现分化现象，技术进步贡献呈现增长趋势，总体上分析发现技术进步对总体效率的提升贡献较大。

②利用标准差、变异系数、对数离差系数、基尼系数和泰尔熵系数对全国碳排放效率进行差异分析，发现效率值在研究期间呈现波动变化，总体上呈现出抛物线趋势，且在2008年差异最小，目前总体差异呈现扩大态势。

③通过区域效率数据分析，东中西区域效率趋势与我国总体效率趋势基本趋同。东部地区效率提升最快，其次为中部，对于东部和西部而言技术变化均为正增长，是效率提升的驱动力，而西部地区虽然效率较低但呈现为技术效率和技术进步的双驱动状态。

参考文献：

[1]J.W. Sun. The decrease of CO2 emission intensity is decarburization at national and global levels[J]. Energy Policy， 2005，33（8）.

[2]Jin-Li Hu， Shih-Chuan Wang. Total-factor energy efficiency of regions in China[J]. Energy Policy，2006，34 （17）.

[3]P.Zhou，B.W.Ang， J.Y.Han. Total factor carbon emission performance：A malmquist index analysis[J]. Energy Economics， 2010， 32（1）.

[4]周五七.行业特征对低碳约束下工业绿色TFP增长的影响[J].中国人口·资源与环境，2014，24（5）.

[5]史丹，董利，孟合合.我国各地能源效率与节能潜力及影响因素分析[J].天然气技术，2007（2）.

[6]杨正林，方齐云.能源生产率差异与收敛：基于省际面板数据的实证分析[J].数量经济技术经济研究，2008（9）.

[7]宁亚东，张世翔，孙佳.基于泰尔熵指数的中国区域能源效率的差异性分析[J].中国人口·资源与环境，2014，v.24;No.165（s2）.

[8]鲁涛，陆邦祥.一种新的Malmquist指数测算与分解方法[J].统计与决策，2012（23）.

[9]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）.

[10]李海峥，贾娜.中国人力资本的区域分布及发展动态[J].经济研究，2013（7）.

[11]国家统计局能源统计司.中国能源统计年鉴[M].中国统计出版社，2016.

[12]中华人民共和国国家统计局.中国统计年鉴[M].中国统计出版社，2016.

[13]Y Shan， J Liu，Z Liuet al. New provincial CO2 emission inventories in China based on apparent energy consumption data and updated emission factors[J]. Applied Energy， 2016， 184.

[14]Yuli Shan， Da bo Guan， He ran Zheng et al. China CO2 emission accounts 1997-2015[J]. Scientific Data， 2018， 5：170201.