西南地区全要素碳生产率测算及影响因素研究

李银荣

[摘    要] 为测算西南地区全要素碳生产率水平并探究其影响因素，运用ML指数法对西南地区绿色全要素碳生产率进行了测算，之后使用随机效应面板模型分析全要素生产率增长率的影响因素。实证分析表明：产业结构、创新程度对全要素碳生产率有正向影响，能源消费结构、能源利用效率和对外开放度对全要素碳生产率则有负向影响。

[關键词] 节能减排;全要素碳生产率;DEA-Malmquist指数;随机面板模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 03. 056

[中图分类号] F207    [文献标识码]  A      [文章编号]  1673 - 0194（2020）03- 0138- 03

0      引    言

党的十九大报告提出建设美丽中国，将生态文明和绿色发展置于突出位置。而推进绿色发展的关键在于构建低碳高效的能源体系。在全球气候变化背景下，计算和分析一个地区全要素碳生产率对实现节能减排目标意义重大。西南地区是我国欠发达的区域且属于生态脆弱区，对气候变化颇为敏感，如何坚守发展与生态两条底线是一项重要的研究课题。因此，研究西南地区的全要素碳生产率对低碳发展道路的选择具有重要意义。

1      文献综述

自从Kaya提出碳生产率的概念后[1]，国内外学者开始对此展开研究。目前，研究集中在碳生产率测算和影响因素等方面。针对碳生产率的测算，可分为单要素碳生产率和全要素碳生产率，从单要素研究角度出发，潘家华（2011）、刘国平（2015）等都按照碳生产率的公式测算出我国省域的碳生产率进而分析其影响因素[2-3]。而对于全要素碳生产率的研究，其测算方法学术界还未统一界定，一部分学者支持把碳排放视为投入要素，张丽锋（2013）认为碳排放有其自身价值，可以作为一种生产要素投入来分析其对经济增长的作用[4]。另一部分学者则认为应把碳排放视为一种“非期望产出”，刘传江（2016）认为全要素碳生产率指除碳投入之外的其他要素保持不变的前提下，按最佳生产实践，一定的产出所需的目标碳投入与实际投入的比值[5]。李小胜（2016）将碳排放视为非期望产出，对中国各省考虑能源环境情况下总的非效率和碳排放非效率进行测算[6]。

对于碳生产率的影响因素研究，张丽峰（2013）运用面板数据模型分析得出GDP、资本、劳动力、能源利用效率和城市化对碳生产率的影响均显著[4];唐志鹏，刘卫东等（2017）基于混合地理加权回归的空间计量模型研究产业结构、能源结构、技术进步和劳动生产率对中国省域碳生产率的影响[7]。

综上所述，现有研究多集中于省域间碳生产率的差异，对碳生产率的因素分析也是从全国层面来选取指标，专门针对西南地区的相关研究十分欠缺。因此，本文将碳排放因素纳入全要素生产率的分析框架，分析其变化特征及增长动力，为西南地区节能减排提供政策建议。

2      研究方法

2.1   碳排放测算方法

本文采用IPCC方法，具体计算公式如下：

2.2   ML指数计算方法

基于DEA方法的Malmquist指数实质上是一种跨期数据包络分析，构建从s到t时期考虑非期望产出的Malmquist指数M（xt，yt，xs，ys），用来衡量技术进步变动，技术效率变动和全要素生产率变动三者之间的数量关系。

式（2）中，xt，yt分别代表t期的投入、产出向量，xs，ys分别表示s期的投入、产出向量，Ds（xs，ys）、Dt（xt，yt）分别表示考虑非期望产出时第s期和第t期决策单元的距离函数。其中ML指数代表的是碳排放约束下的全要素碳生产率（TFP），EFFCH为技术效率改进指数，TPCH为技术进步指数。当数值大于1时，表示全要素碳生产率提高，技术效率提高和技术进步。

3      西南民族地区全要素碳生产率的测算

3.1   数据与指标选取

本文以西南五个地区：云南、贵州、广西、重庆、四川为研究对象，样本选用2000-2017年数据，数据来源于《中国能源统计年鉴》。测算全要素碳生产率涉及的投入指标为资本存量、劳动力、能源投入量和碳排放量。资本存量（K）采用单豪杰的方法测算[8];劳动力（L）用年末就业人数表示;能源投入量（E）用能源消费总量表示，单位是万吨标准煤;碳排放量采用IPCC算法计算，单位为万吨碳。产出指标用GDP来衡量，采用2000年不变价格，单位为亿元。

3.2   全要素碳生产率测算结果分析

考虑碳排放要素的ML指数测算结果如图1所示。

通过图 1可看出在 2001-2017年间，西南地区大部分年份的全要素碳生产率大于1，表明社会经济技术水平上升，能源效率提高，碳排放量降低。从整体看，2008年是一个“分水岭”，2008年之前，各地区的全要素碳生产率虽有波动但整体在增长，2008年之后，五个地区的全要素碳生产率均下降，除重庆还保持在大于1的水平，其他四个省区均降为小于1。2009年至2017年五个地区的全要素碳生产率均增长缓慢。受2008年金融危机的影响，经济增长方式发生转变，由于调整前期的经验不足和政策过渡，全要素碳生产率发生下降，后期在供给侧去库存去产能的政策引导下，全要素碳生产率开始上升。

4      西南民族地区全要素碳生产率影响因素分析

4.1   指标选取及模型构建

根据能源经济学和计量经济学相关理论，本文从产业结构、能源消费结构、能源利用效率、对外开放度和创新程度这五个方面分析全要素生产率的影响因素。被解释变量为前文算得的全要素碳生产率（C），产业结构（IND）用各地区第二产业增加值占GDP的比重表示;能源消费结构（ECS）用煤炭消费量占能源消费总量的比重表示;能源利用效率（EE）用能源消费量占GDP的比重表示，单位为吨/万元;对外开放度（OP）用出口总额占GDP的比重表示;创新程度（INN）用人均专利授权数表示。数据来源于《中国能源统计年鉴》。构建的计量模型如下：

4.2   HAUSMAN检验及回归结果

4.3   回归结果分析

由表1可知，各个解释变量在10%的显著性水平下均通过显著性检验。其中，产业结构（INN）变量的系数为0.011 5，表示产业结构对全要素碳生产率有促进作用，西南地區第二产业提质增效取得初步成效，降低了第二产业的能源消耗量和碳排放量。能源消费结构（ECS）变量的系数为-0.001，表明能源消费结构对全要素碳生产率有负向作用，目前西南地区的煤炭消费比重较高，除贵州省的煤炭消费比重在40%浮动，其他四个地区的煤炭消费比重均接近60%，煤炭消费比重阻碍了碳生产率的提高。能源利用效率（EE）变量的系数为-0.067 4，表明能源利用效率提升，全要素碳生产率反而下降。这可能是因为当前节能减排技术的花费较高，运用这些技术时降低了经济效率。对外开放度（OP）变量的系数为-0.035 3，表明对外开放程度对全要素碳生产率有负向作用，原因可能是西南地区的外向型企业产品较为低端，生产过程中能源消耗大、碳排放多。创新程度（INN）变量的系数为0.022 2，表明创新程度对全要素碳生产率有正向作用。西南地区实施创新发展战略后，将高新技术引入传统产业，提升了碳生产效率和经济效益。

5      政策建议

针对前文实证分析结果，本文提出以下政策建议以促进西南地区全要素碳生产率增长。

加快产业结构调整和升级，从两个方面着手：一是进行产业调整，实现产业向服务化和高端化以及低能耗转型;另一方面，依靠政策限制、技术标准以及法律规定等具体条件，减少甚至禁止高耗能产业的投入生产，从源头降低碳排放。优化能源消费结构，增加非化石能源的消费比例，结合西南地区的资源优势，增加对风能、水能、地热和太阳能等清洁能源的投入，降低对化石能源的依赖程度。提高能源利用效率，针对性地推广运用绿色节能技术，对于经济基础好的地区可以重点发展节能技术;对于落后地区，可根据实际情况针对性地运用。深化对外开放水平，加强国际合作，引进节能减排技术，使出口产业向技术密集型产业发展，对于高能耗、高污染、低附加值产品的出口实施限制政策。加大研发创新投入，对科研院所、高校以及研发企业的资金、人才等方面的支持力度加大，同时加大知识产权的保护，推动科研院所和高校的科技创新转化，为院企合作和校企合作搭建平台，将科技转化成现实的生产力。

主要参考文献

[1]Kaya Y， Yokobori K.Environment， Energy， and Economy： Strategies for Sustainability[J].Tokyo：United Nations University Press， 1997.

[2]潘家华，张丽峰. 我国碳生产率区域差异性研究[J]. 中国工业经济， 2011（5）.

[3]刘国平. 中国碳生产率因素分解研究[J]. 管理现代化， 2015， 35（4）.

[4]张丽峰. 基于DEA模型的全要素碳生产率与影响因素研究[J]. 工业技术经济， 2013（3）.

[5]刘传江， 赵晓梦. 长江经济带全要素碳生产率的时空演化及提升潜力[J]. 长江流域资源与环境， 2016， 25（11）.

[6]李小胜，张焕明. 中国碳排放效率与全要素生产率研究[J]. 数量经济技术经济研究，2016（8）.

[7]唐志鹏，刘卫东，宋涛. 基于混合地理加权回归的中国省域碳生产率影响因素分析[J]. 资源科学， 2017， 39（12）.

[8]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）.