效率和公平视角下我国30个省（市）碳减排潜力指数及减排政策分析

（亳州学院 经济与管理系，安徽 亳州 236800）

0 引言

全球气候变暖所带来的问题日益凸显，而二氧化碳气体排放过多是气候变化的主要原因之一。为应对气候变化，2013年5 月，发达国家签署了减少二氧化碳排放的协定《京都议定书》。我国是发展中国家，虽然未包含在强制减排的国家之内，但有研究表明，我国是全球碳排放量最多的十大国家之一[1]。为了承担起大国应有的减排责任，我国承诺到2030年，碳排放达到峰值，碳排放强度比2005年下降60%～65%。近年来我国经济发展迅速，工业能源结构仍以煤炭为主，部分地区高经济增长是以高碳排放推动的[2]。为实现总量减排目标，我国积极节能减排，落实省域减排任务。对于各省域的减排目标的制定，若仅考虑公平分配，可能会导致效率低下。若只重视效率分配，则会一定程度上阻碍欠发达地区的经济发展。我国各省（市）的资源禀赋不同，减排的成本和减排支付能力存在差异。因此，研究如何公平有效率地测定和分析各地区的减排潜力，对于推动我国向绿色发展转型，控制并减少碳排放具有重要意义。本文的研究以期能够为当前各省（市）减排责任的分摊和减排任务的制定提供理论参考。

1 文献综述

近年来，对绿色经济发展和生态文明建设的需要使得碳排放问题得到了学者们的广泛关注。R.Fare 等[3]运用影子价格的方法及原理来研究经济生产中的环境污染治理成本。M.Ghorbani 等[4]用方向性距离函数及污染物影子价格来分析不同地区的减排成本之间存在的差异。R.Herrala 等[5]采用随机前沿分析（stochastic frontier analysis，SFA）方法测算了1997—2007年170个国家的二氧化碳排放效率并分析了地区差异。国内学者对减少碳排放途径的研究大致分3个方面：第一类，学者们采用参数或非参数方向性距离函数、B-S 定价模型、GARCH-分形布朗运动模型等测算我国省级工业分行业或某类企业的碳排放影子价格，它表示减少一单位碳排放所需承担的边际成本。陈诗一[6]采用环境方向性距离函数估算了我国1980—2008年的二氧化碳影子价格，结果显示重工业行业的二氧化碳影子价格低于轻工业行业。周华蓉等[7]发现我国省级工业二氧化碳影子价格逐年增加，东中西部地区碳排放影子价格存在异质性，碳排放影子价格受工业资本存量的影响而存在门限效应。王倩等[8]通过测算我国全要素碳排放效率发现，大部分地区存在经济增速小于减排成本增速的困境，解决的方式是使碳生产率增速大于碳影子价格增速。蒋伟杰等[9]构建我国36个工业行业二氧化碳影子价格模型，得到稳健估计的工业行业二氧化碳影子价格平均为5 480元/t，而且不同行业间二氧化碳影子价格差异较大。张宁等[10]采用不同方法估算了2005—2010年我国558家火电企业的二氧化碳影子价格，表明火电企业可以在碳交易中获得可观收益。第二类，部分学者采用USSBM模型和三阶段DEA模型及共同前沿方法评估我国各省市二氧化碳排放效率，也有一些学者将碳排放效率与碳排放影子价格结合，进而确定省域碳减排潜力。张兵兵等[11]分析了我国37个行业的技术进步指数对二氧化碳排放强度的影响，结论为技术进步能够降低二氧化碳排放强度，“污染天堂”假说在行业层面并不成立。郭四代等[12]得出西部地区农业碳排放效率呈现上升态势，部分省份农业碳排放投入产出效率较好，提高西部碳排放效率可以从提升经济发展水平及增加劳动力投入入手。马大来[13]发现我国农业碳排放效率存在显著的空间异质性，农村产业结构和人力资本会降低农业碳排放效率。李小胜等[14]运用改进的共同前沿方法，测算了我国“十二五”时期的碳排放效率，发现绝大多数地区存在非效率，全局效率、跨期效率和同期效率在不发达和西部地区较低的情况。徐建中等[15]研究了绿色创新效率与能源消费碳排放之间的关系，发现我国制造业绿色创新效率仍有提升空间，天然气碳排放和煤炭、原油碳排放对绿色创新效率分别是负向和正向影响。第三类，学者们将减排成本、“公平”导向、减排规模、碳强度等与碳排放效率相结合，构建更为全面的碳减排潜力指数或配额分配方式。郭文等[16]采用基于零和收益的碳减排SBM效率分配模型对30个省份碳排放量的效率进行分配后发现，碳排放效率已达到效率前沿。这表明政府基于“公平”导向的分配方案会损失效率。刘翔等[17]采用非期望产出SBM-DEA模型评估我国省域2000—2012年低碳经济发展效率及碳减排潜力后得出，高效率地区为东部省份，而减排规模和减排潜力较大的是河北、山西、内蒙古等地。宋杰鲲等[18]得到我国省域分配方案效率最优条件下的2020年碳排放配额初始分配值，初步实现了碳排放的效率与公平。于倩雯等[19]构建碳排放权总量分配模型，优化分配了2020年我国省际间的碳排放量，证实了模型的有效性。王文举等[20]构建了基于公平和效率两方面的我国省级初始碳配额分配方案，并比较了不同配额分配方案造成的地区减排成本的差异。王荧等[21]制定了一个资源分配DEA模型，管理者通过改变9个参数值可以形成各种兼顾效率和公平的分配方案。周迪等[22]基于Markov 链框架运用Super-SBM模型测算了1997—2015年29个省域的碳减排潜力，并在公平和效率协同视角下分析碳减排路径。

这些文献在一定程度上丰富了碳减排潜力的研究，为后续研究者提供了思路，但在减排潜力指数的构造上仍相对简单，当前文献分析碳减排潜力以效率为主，与公平结合较少。效率和公平同时纳入考虑范围的研究更少，且视角往往集中于农业或工业。本文拟在省域全局层面上，构造由效率和公平两个维度组成的碳减排潜力指数，研究2000—2016年我国30个省级地区（不考虑港、澳、台及西藏地区）的碳减排潜力并分析减排路径。

2 理论模型

2.1 基于超越对数生产函数的碳排放影子价格估算

1973年，Clavton Christensen 等提出超越对数生产函数，它最大的特点是易估计和包容性。其模型可以被表达为简单线性形式，所以可以用单方程线性模型来估计，而且它也可以近似地替代任意形式的生产函数。Y.Altunbas 等[23]证明超越对数生产函数能够很好地处理异质类数据，且能得到良好的效果。另外，它还可以研究解释变量对被解释变量的交互影响。超越对数生产函数的构建形式如下所示[24]：

式中：Yit为产出量；

K为资本存量；

L为劳动力存量；

C为二氧化碳排放量；

E为能源消耗量；

t为年份；

i为省份；

α为待估参数。

由模型估计结果，可以得到各省份二氧化碳影子价格Pit为

2.2 碳减排潜力指数

课题组基于效率与公平角度构建碳减排潜力指数。由于碳排放强度表示一单位生产总值所产生的碳排放量，因此碳排放强度越高表明碳排放效率越低。碳排放影子价格是指减少一单位碳排放所需要付出的减排成本。我国各省域资源环境不同，所面临的碳减排成本必然存在差异。选取碳排放强度和碳排放影子价格两个指标作为效率指数的构成，省（市）碳排放总量的高低并不能直接作为减排政策的依据，还要综合考虑区域人口数，因此选取人均碳排放量作为碳减排公平指数。人均生产总值反映地区经济平均发展状况，也代表对减排的人均支付能力，所以选用人均碳排放量和人均生产总值构建公平指数。碳减排潜力指数用Icerp表示，碳排放效率指数用Ief表示，碳排放公平指数用Ieq表示。碳排放强度用Ie表示，碳排放影子价格用P表示，人均碳排放量用E表示，人均生产总值用G表示，则

式中θ、α、β均为大于0小于1的权数。

考虑碳排放强度、碳排放影子价格、人均碳排放量和人均生产总值4个指标的单位有不同属性，在进行分析比较前对4个指标数值均作标准化处理，即式中i为不同地区。

标准化处理之后，各指标值均在[0,1]范围内。对碳排放强度和碳排放影子价格赋予相同权重时令α=0.5，得到碳排放效率指数。对人均碳排放量和人均生产总值赋予相同权重时令β=0.5，得到碳排放公平指数。对于碳减排潜力指数，θ取值不同得到的减排潜力指数会有效率和公平不同侧重点的差异。当θ=0.5时，碳排放潜力指数中的效率和公平具有相同的权重，此时测算出的碳减排潜力指数在效率和公平两方面同等重要。当1>θ>0.5时，测算出的碳减排潜力指数更侧重于偏好效率。当0<θ<0.5时，测算出的碳减排潜力指数更偏好公平。

3 实证分析

3.1 指标及数据选取

课题组选取2000—2016年全国30个省（市）（不含港、澳、台及西藏）的数据指标作研究，数据均来自国家统计局网站或各省（市）各年地方统计年鉴。

1）人均碳排放量。该数值为30个省（市）各年二氧化碳排放总量除以各省（市）当年人口数。其中各省（市）当年人口数来自国家统计局网站。各省（市）二氧化碳排放总量依据联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）2006年提供的方法，根据各种能源燃料的碳含量和二氧化碳排放因子进行粗略计算。计算方法如式（7）所示：

Ei为各能源的燃烧消费量；

Vnc为各能源平均低位发热量；

Fce为各能源的二氧化碳排放因子。

30个省（市）2000—2016年的能源消费量Ei来源于《中国能源统计年鉴》。Vnc和Fce分别来源于《中国能源统计年鉴2017》和IPCC（2006）。具体数值如表1所示。

2）人均生产总值。该数值为30个省（市）的地区生产总值以2000年为不变价格计算得到实际生产总值，人均生产总值为30个省（市）各年的实际地区生产总值除以各年的地区人口总数。

3）碳排放强度。该数值为30个省（市）各年的二氧化碳排放总量除以各年的实际地区生产总值。

4）碳排放影子价格。采用超越对数生产函数模型中式（2）估计得到30个省（市）各年的二氧化碳影子价格。式（2）中各省（市）资本存量K采用单豪杰的永续盘存法[25]估算得到。C为各省（市）二氧化碳排放量，由式（7）估算得到。L为各省（市）就业人口数，Y为各省（市）的地区生产总值，E为各省（市）能源消耗量。L、Y、E数据均来自国家统计局网站。

表1 14种能源的平均低位发热量和二氧化碳排放因子Table1 Average low calorific value and carbon dioxide emission factors of 14 energy sources

3.2 实证结果

3.2.1 碳排放影子价格

各省（市）2000—2016年平均碳排放影子价格的计算结果如表2中所示。碳排放影子价格为减少一单位二氧化碳排放所需付出的减排成本，该数值代表二氧化碳减排的难易程度。由表2可知，碳排放影子价格最高的省（市）是北京，为0.462亿元/万t，碳排放影子价格较高的省（市）是安徽、江苏、河北、内蒙古和山东，分别为0.156,0.132,0.120,0.119,0.111亿元/万t。北京的碳排放影子价格高出其它省（市）较多，表明北京的经济发展水平较高，减少一单位二氧化碳所带来的国内生产总值的减少量较多，即减排成本最大，在30个省（市）中减排最为困难。安徽是我国的家电大省，工业经济快速发展的同时二氧化碳减排成本也在加大。江苏在推动制造业发展的同时，开展创新驱动的产业转型升级，其综合竞争力居全国第一，但减排成本相比其它省（市）高出不多。河北、山东作为传统燃料煤用量大省，减排成本相对较高。河北、山东的工业能源结构较为单一，高耗能、高排放的特征使得这些省份的减排成本较高。内蒙古作为经济发展的追赶者，相对粗放的工业发展模式造成碳排放成本偏高。碳排放影子价格较低的有四川、湖南、广西和宁夏，分别为0.051,0.052,0.060,0.063亿元/万t。从地理位置上来看，四川、广西和宁夏位于我国西部，气候环境较差，经济发展水平不高，因此减少一单位碳排放所需付出的经济代价较少，即碳减排成本不高。

表2 2000—2016年30个省（市）碳排放效率指数和碳排放公平指数的估算结果Table2 Estimation results of carbon emission efficiency index and carbon emission equity index of provinces and cities in China from 2000 to 2016

3.2.2 碳排放效率指数和碳排放公平指数的估算

从表2可知，碳排放强度位居前三名的省（市）是宁夏、山西和内蒙古，分别为7.890,6.420,5.764万t/亿元。原因可能是宁夏、内蒙古属于我国的西部省份，近几年工业水平呈现粗放式的快速发展，碳排放总量增多且地区生产总值较少。由于碳排放强度是省（市）的二氧化碳排放量与地区生产总值的比值，过低的地区生产总值抬高了宁夏和内蒙古的碳排放强度。山西是我国最大的煤炭产地，年产煤量占全国总量的25%以上，经济发展的能源消耗以煤炭为主，导致其碳排放强度位居全国第二名。碳排放强度位列后三名的省份是北京、广东和海南，分别为1.119,1.236,1.423 万t/亿元。这3个省市均位于我国的东部，相同投入要素下，经济产出水平较高，较高的地区生产总值拉低了四省市的碳排放强度。

人均碳排放量较高的省份是内蒙古、宁夏和山西，分别为17.146,14.505,11.075 万t/万人。人均碳排放量较低的省份是海南、四川和广西，分别为2.711,2.912,2.914 万t/万人。内蒙古、宁夏和山西的碳排放总量自2010年增长迅速，推高了人均碳排放量。近几年这3个省份的经济快速发展，但能源燃料的使用结构单一，大量燃煤的使用导致碳排放增长较多。广西和四川的碳排放总量在2015—2016年呈下降态势，海南省2016年的碳排放总量较之前年份减少，因此这3个省（市）的人均碳排放量在全国各省中处于低位。

人均生产总值反映的是地区经济发达程度，表现在碳排放公平指数上，代表了地区对碳排放污染治理的支付能力。人均生产总值位列全国前三位的是上海、北京和天津，其数值分别为6.603,6.433,6.040亿元/万人。这3个省市均位于东部地区，生产力水平较高，经济较为发达，对碳排放污染治理的支付能力也较强。人均生产总值居于全国后三位的是贵州、甘肃和云南，分别为1.290,1.416,1.473亿元/万人。这3个省市均位于我国的西部地区，经济发展相对落后，对碳排放污染治理的支付能力也较弱。

由于碳排放强度、碳排放影子价格与碳排放效率指数均呈负相关关系，即碳排放强度和碳排放影子价格越高，碳排放效率越低。所以对碳排放强度和碳排放影子价格均取倒数，得到的数值用式（6）进行标准化处理，然后代入式（4）中，并取权数α为0.5，估算出表2中的碳排放效率指数。将人均碳排放量和人均生产总值用式（6）经过标准化处理，然后代入式（5）中，并取权数β为0.5，估算出表2中的碳排放公平指数。如表2所示，碳排放强度和碳排放影子价格被赋予相同权重时，湖南、四川和福建的碳排放效率指数较高。即在相同投入要素水平下，减少一单位碳排放所需要牺牲的经济代价较小，碳减排成本较低。湖南和福建的碳排放效率低得益于其较低的碳排放强度，说明这两个地区更注重创新经济发展方式，推行绿色协调发展，因此减排成本较低。四川的碳排放影子价格较低，也促使其碳排放效率指数排在前列。内蒙古、河北和安徽的碳排放效率较低，碳减排难度较大。这3个省市的碳排放影子价格均较高，说明这3个地区在减排方面需严格控制碳排放总量，转变经济发展方式，调整能源消费结构。将人均碳排放量和人均生产总值这两个指数赋予相同权重得到碳排放公平指数，碳排放公平指数较高的地区是内蒙古、上海和天津。上海和天津的人均生产总值较高，表明对碳排放有较高的支付能力。内蒙古碳排放公平指数较高的原因是人均碳排放量较大。碳排放公平指数较低的地区是广西、四川和江西。广西和四川位于我国的西部地区，工业生产能力较低，碳排放总量不高，人均碳排放量明显偏低使得其碳排放公平指数低于平均值。

3.2.3 我国碳减排效率与公平区域分类

将30个省（市）的碳排放效率指数和碳排放公平指数分别与它们的平均值相比较，平均值为表2中的最后一行。碳排放效率指数高则碳排放效率高，碳排放效率指数低则碳排放效率低。碳排放效率指数的平均值为0.481，碳排放公平指数的平均值为0.277。若某一省（市）的碳排放效率指数高于效率指数的平均值，则称这一省（市）为碳排放“高效率”的。反之，则称为“低效率”的。若某一省（市）的碳排放公平指数高于公平指数的平均值，则称这一省（市）为碳排放“高公平”的。反之，则称为“低公平”的。将30个省（市）分成“高效率高公平”、“高效率低公平”、“低效率高公平”和“低效率低公平”4个区域。分别有5,8,8,9个省（市）位于这些区域内，如图1所示。

图1 我国30个省（市）碳排放效率值与公平值的区域分类图Fig.1 Distribution map of regions of carbon emission efficiency value and fair value of provinces and cities in China

图1的右上角为“高效率高公平”区域。位于此区域的地区有：浙江、广东、上海、天津和北京。这些省市较高的碳排放效率指数和较高的碳排放公平指数形成的原因均不相同。天津、浙江和上海的碳排放公平指数高是人均生产总值拉高的，这3个省市均位于东部沿海地区，工业发达，经济发展良好，减排支付能力较强。广东的碳排放效率高的原因可归结为碳排放强度较低，表明广东的碳排放总量较少，碳减排难度较低。北京的碳排放强度较低且人均生产总值较大，从而碳排放效率指数和碳排放公平指数均较高。说明北京的工业发展程度高，经济较为发达，对碳减排的支付能力较强。北京的碳排放影子价格比较高，表明碳排放成本较大，意味着减少一单位二氧化碳排放所需放弃的生产总值较多，具有较强的碳减排潜力，可考虑适当转达移工业，积极履行更多的减排义务。

左上角为“高效率低公平”区域。湖南、四川、福建、广西、海南、重庆、陕西和湖北位于此区域内。四川、广西和湖南碳排放效率指数高的原因是碳排放影子价格偏低，表明这3省碳减排所需的成本少，碳减排的潜力小。在各省市的减排目标的确定中，只能承担较少的减排任务。海南的人均碳排放量低于全国平均水平，原因是该省的碳排放总量低，因此在全国的碳减排中可分配较少的任务。

右下角“低效率高公平”区域的省份有新疆、江苏、山东、辽宁、宁夏、山西、河北和内蒙古。宁夏、内蒙古、山西和辽宁的碳排放强度和人均碳排放量均较高，原因是这4个省的碳排放总量比其它省市高出很多，在生产总值和人口总数均未显著变化的情况下，碳排放总量的因素致使这4省市具有较高的碳减排潜力。在制定全国省（市）碳减排目标时，这4省应承担更多的减排任务。新疆较高的人均碳排放量归因于其较少的人口总数。

左下角“低效率低公平”的区域有江西、云南、河南、黑龙江、甘肃、吉林、贵州、青海和安徽。贵州和甘肃的碳排放特征分别是碳排放强度高和人均生产总值低，但这两个省的碳排放效率指数低的根本原因是经济发展相对落后，生产总值偏低。安徽的碳排放影子价格高，表明碳减排的经济成本较高，碳减排的难度较大。青海和吉林的碳排放效率指数和公平指数都比平均水平略低。

3.2.4 碳排放潜力指数的估算结果

对式（3）中的权重θ分别取1/2,2/3,1/3，得到效率与公平相同权重、侧重效率和侧重公平时的碳减排潜力指数，如表3所示。

表3 效率与公平取不同权重时的碳减排潜力指数Table3 Carbon emission reduction potential index with different weights of efficiency and fairness

由表3可知，在效率与公平相同权重时，碳减排潜力指数位于全国前十的地区分别是：内蒙古、北京、宁夏、山西、天津、上海、辽宁、河北、江苏、新疆。若侧重考虑效率，碳减排潜力指数排名前十的地区分别是：北京、内蒙古、宁夏、山西、天津、河北、辽宁、贵州、上海、新疆。若着眼于公平，碳减排潜力指数排名前十的地区分别为：内蒙古、北京、宁夏、天津、上海、山西、辽宁、江苏、河北、山东。不管是侧重于考虑效率还是侧重于考虑公平，北京、内蒙古和宁夏的碳减排潜力均居于全国前三，而海南、广西和四川是30个省市中碳减排潜力指数较低的3个省市。若侧重于效率，北京的碳减排潜力指数会从第二位跃于第一位，表明北京的碳减排潜力指数很大程度上靠碳排放效率指数拉动。在侧重考虑效率的情形下，北京、河北、黑龙江、安徽、河南、湖北、贵州、云南、甘肃这9个省市的碳减排潜力指数将从2,8,17,16,23,20,13,25,22上升到1,6,16,14,20,19,8,22,17。说明如果决策者是效率偏好型，则这9个省市将承担更多的减排责任。将公平赋予更大的权重时，天津、上海、江苏、浙江、福建、山东、湖北、湖南、广东、重庆、四川、陕西的碳减排潜力指数的排名比效率与公平相同权重时上升，从5,6,9,14,19,11,20,27,18,24,30,21上升到4,5,8,11,15,10,19,26,14,22,29,20。如果决策者更看重公平和减排支付能力，减排责任将更多地分配给这12个省市。可见，对效率和公平的不同偏好，将影响决策者制定各省（市）的碳减排任务目标。

4 结论和政策建议

4.1 结论

1）碳排放影子价格较高的省（市）分别是北京、安徽、江苏、河北、内蒙古和山东。这些省（市）减少一单位碳排放所需付出的经济代价较高，碳减排成本较大，碳减排较为困难。宁夏、山西和内蒙古近几年工业迅速发展，碳排放总量增多导致碳排放强度和人均碳排放量均较高。上海、北京、天津的较高的人均生产总值反映了对碳排放污染治理的较强的支付能力。

2）内蒙古、河北和安徽的碳排放效率指数较低，表明这3个地区的碳减排难度较大。湖南、四川和福建的碳排放效率指数最高，碳减排成本较低。湖南和福建的碳排放效率低得益于其较低的碳排放强度，四川的碳排放影子价格较低，也促使其碳排放效率指数排在前列。碳排放公平指数较高的地区是内蒙古、上海和天津。碳排放公平指数较低的地区是广西、四川和江西，广西和四川的工业生产能力较低，碳排放总量不高。

3）将30个省市按效率和公平的高低分成4个区域：高效率高公平（5个省（市））、高效率低公平（8个省（市））、低效率高公平（8个省（市））、低效率低公平（9个省（市））。无论是侧重效率还是侧重公平，碳减排潜力指数居全国前三的省（市）为北京、内蒙古和宁夏，海南、广西和四川的碳减排潜力指数位列后3名。在侧重考虑效率的情形下，9个省（市）的碳减排潜力指数上升，对公平赋予更多权重时，12个省（市）的碳减排潜力指数上升。

4.2 政策建议

1）北京的工业化程度高，碳排放影子价格高，碳减排的经济成本大。应积极建立雄安的副首都功能，转移制造业。对于碳排放的污染治理有较高支付能力的上海和天津，可以承担更多的减排义务。浙江和广东的碳排放强度低，碳减排难度小，应继续注重创新发展方式，推行绿色协调发展。

2）四川、广西应在继续保持较低的碳排放成本和碳排放总量的同时，大力发展经济，以降低碳排放强度，提高人均生产总值。内蒙古、河北和安徽的碳排放效率指数较低，减少一单位碳排放所需要牺牲的经济代价较大。若要降低碳减排难度，需严格控制碳排放总量，转变经济发展方式，调整能源消费结构。海南的碳排放总量和人均碳排放量均较少，可继续将环保旅游产业作为经济的支柱产业。

3）山西、内蒙古、宁夏和辽宁应积极推动经济的发展，严格控制碳排放总量。江苏可以重点开展创新驱动的制造业等产业转型升级。河北和山东应改变高耗能高排放的工业能源结构，发展清洁新型能源燃料。内蒙古需要改变过分依赖能源工业的发展模式，促进产业结构合理优化，降低碳排放成本。新疆可侧重发展信息产业，促进丝绸之路经济带建设，构建具有区域特色的产业新体系，以降低人均碳排放量。

4）安徽应改变能源结构，经济发展中减少对燃料煤的使用，降低碳排放影子价格。贵州、甘肃和云南，均位于我国的西部地区，应积极提振经济发展，提高对碳排放污染治理的支付能力。

环保当局在制定碳减排政策时，应注意效率和公平的不同倾向会影响各省（市）碳减排目标的确立，决定各省（市）减排责任的分配。