碳排放约束下中国省域基础设施投资效率测度及影响因素分析

曹琳剑，周詹杭，李栋梁，赵阔阔

（1.天津城建大学 经济与管理学院，天津 300384；2.天津城镇化与新农村建设研究中心，天津 300384；3.广州大学 管理学院，广东 广州 510006）

0 引言

基础设施投资作为政府实现经济缓中趋稳的重要抓手，在打通经济发展“两个循环”的同时有效促进了经济增长［1］。随着我国基础设施的快速发展，基础设施建设生命周期中大量物质能源投入对减缓温室气体排放构成了巨大挑战［2］。2013 年，国务院在《关于加强城市基础设施建设的意见》中首次提出了建设绿色优质基础设施，全面落实绿色低碳的生态文明理念。2021 年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》再次强调加快推动绿色低碳发展，全面提高资源利用效率。可以看出，以低碳发展为引导，提高基础设施的投资效率成为我国低碳经济发展的新要求。在节能减排前提下对我国基础设施投资效率进行科学有效评价，有助于国家和地方政策制定者更好地把握基础设施低碳发展现状，着力提升投资建设效率。

基础设施投资效率长期以来备受政府和学界关注。自Aschauer开创性地使用生产函数法探讨基础设施投资对经济增长和社会生产率的作用以来［3］，基础设施投资经济效益已被众多学者关注，但研究尚未形成统一的结论。Shirley 等［4］研究发现，公路基础设施可通过减少库存来促进经济增长。但也有研究指出，基础设施的投资绩效对经济社会的影响极为有限［5］。在已有的研究中，直接针对整体基础设施投资效率开展的研究较少，多以工程性基础设施某一组成部分开展的研究较为常见，如Bella 等［6］调查了影响电力基础设施投资效率的影响因素。从研究方法看，学者主要采用DEA 模型［7］、二阶SBM模型［8］和三阶段DEA 模型［9］等对基础设施投资效率开展研究。研究角度既有整体基础设施，又包括各类基础设施。如：张海星［10］通过对全国基础设施投资效率的测算得出，我国基础设施投资综合效率不高，并有显著的地区差异。得到类似研究结果的还有李忠民等［11］、李晓园［12］、任喜萍［13］。从基础设施分类研究看，郝凤霞等［14］对“一带一路”国内沿线软、硬基础设施投资效率进行了测算，认为后者对经济增长的直接拉动作用高于前者；刘倩倩等［15］通过研究地级市市政基础设施投资效率，发现仅有少数城市达到最优，其中大城市的全要素生产率最高；Yang等［16］以中国电网为例，发现电网基础设施投资对欠发达省份的边际效益高于沿海发达省份；宋清等［17］对我国农村基础设施配置效率等问题进行了探讨。

综上，当前学者对基础设施投资效率的研究逐渐增多并趋向成熟，研究内容多停留在经济效益和社会效益层面，衡量和表征各类基础设施对生态环境影响方面的研究尚不多见。本文在已有研究基础之上，将碳排放量作为环境非期望产出指标纳入评价体系进行基础设施投资效率测度分析，通过Tobit模型探究基础设施投资效率的影响因素，为实现基础设施建设的经济效益、社会效益、环境效益可持续发展提供参考。

1 研究方法与指标体系构建

1.1 非期望产出Super- SBM模型

在基础设施投资建设过程中，通常期望产生的环境污染越小越好，这种越小越好的产出即非期望产出。但采用非期望产出的SBM 模型有可能出现多个效率相对有效的决策单元，从而对横向比较造成一定的困难。本文采用Andersen 等［18］学者提出的Super- SBM模型，用以修正无效决策单元松弛变量，解决效率排序无效的问题。设基础设施投资建设过程中有n 个决策单元（本文中n 为30 个省份），各决策单元包含m 个投入要素、q1个期望产出要素和q2个非期望产出要素。其中：投入要素为各类基础设施固定资产投资；期望产出为地区生产总值、城镇单位就业人员；非期望产出以碳排放量衡量。包含非期望产出的Super- SBM模型如下：

1.2 Malmquist指数方法

基础设施投资效率测定属于连续时间序列，生产技术随时间变化而不断发生变化。为观察基础设施投资效率的动态变化趋势，引入Malmquist 指数。Malmquist 指数即全要素生产率指数（tfpch），最早由瑞典学者Malmquist提出，他将其分解为综合技术效率（effch）和技术进步（techch）。Fare 等［19］在此基础上进一步将综合技术效率（effch）进一步分解为纯技术效率（pech）和规模效率（sech）。从t 期到t +1 期规模效率不变的Malmquist指数为：

式中：（xt，yt）和（xt+1，yt+1）分别表示 t 期和t +1期的投入产出向量；Dt（xt，yt）和Dt（xt+1，yt+1）分别表示以t 期的技术为参考时，t 期和t + 1 期的决策单元投入距离函数；Dt+1（xt，yt）和Dt+1（xt+1，yt+1）表示以t +1 期技术为参考时，t 期和t +1 期的决策单元投入距离函数。当M ＜1 时，表示全要素生产率随时间变化而下降；当M =1 时，表明全要素生产率没有随时间变化产生变动；当M ＞1 时，表明全要素生产率随时间变化而上升。

1.3 指标选择及数据说明

基础设施作为城市赖以生存和发展的基础，是既为物质生产又为人民生活提供一般条件的公共设施，主要划分为能源系统、交通系统、邮电系统、水资源及给排水系统、环境系统、防灾系统等［20］。根据《国民经济行业分类》（2019 修改版）国家标准确定的基础设施投资分类方法，结合新时代我国发展的新理念与新要求，将固定资产投资中符合基础设施特点的能源供给设施、交通运输邮电设施、社会服务设施和文教体卫设施4 类基础设施投资确定为衡量基础设施投资效率的投入指标（表1），并采用永续盘存法对各省份固定资本存量进行核算，然后将各省份固定资产价格指数平减到2000 年的固定资产价格水平，从而得到各省份不同时期的固定资本存量数据。

表1 基础设施投资效率评价指标Table 1 Evaluation index of efficiency of infr astructure investment

衡量基础设施投资效率的产出指标分为经济影响、社会影响和环境影响3 个维度；期望产出包括经济影响和社会影响两方面，参考已有研究［16-18］，分别以地区生产总值和城镇单位就业人员进行表征；非期望产出用碳排放表示。目前，测算碳排放的方法主要有系数法和物料衡算法两种，物料衡算法中应用范围最广泛的是IPCC清单法，该法较为简便实用［21］。本文采用物料衡算法用终端化石能源消费量来估算碳排放量，选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种化石能源，计算公式为：

式中：C 为某省份碳排放量（Mt）；Ejt为某省份第t 年第j 种能源的实际消费量；Tj为第j 种能源的标准煤折算系数；Rj为第j 种能源的碳排放系数；44/12是CO2与C 的分子量比。各能源的标准煤折算系数和碳排放系数见表2。

表2 各能源标准煤折算系数和碳排放系数Table 2 Standard coal conversion coefficient and carbon emission coefficient of each energy source

本文选取我国30 个省份作为研究对象（因为数据缺失，所以未包括西藏自治区、香港特别行政区和澳门特别行政区、台湾地区）。数据年份跨度为2005—2019 年，主要来自于《中国统计年鉴》《中国能源统计年鉴》。

2 结果及分析

2.1 基础设施投资效率静态分析

本文利用非期望产出Super - SBM 模型对2005—2019 年我国30 个省份基础设施投资效率进行了测度，结果如表3 所示。由表3 可知，全国基础设施投资效率均值呈逐年波动上升的态势，整体效率平均值为0.869。其中，海南、上海、广东、北京、山东、青海、江苏、宁夏、湖南、河南的平均效率值排名在前10 名，均大于1，基础设施投资效率水平处于较好水平，基础设施投资对当地经济、社会、环境发展具有较好的促进作用；而内蒙古、吉林的平均效率值低于0.5，效率值偏低。通过上述分析，我国一些经济欠发达地区（如青海、宁夏等省份）效率比一些经济发达地区效率大，说明这些经济欠发达地区尽管投入不高，但单位产出相较于其他地区效率更高。这也与地区建设基础、环境质量关系密切，一些经济建设基础较好的地区基础总量较大，产出总量也较大，但由于基础设施粗放建设引致生态环境问题，导致资源利用效率不高。

表3 2005—2019 年我国30 个省份基础设施投资效率Table 3 Efficiency of infrastructure investment by 30 Provinces in China from 2005 to 2019

（续表3）

2005—2019 年我国各地区基础设施投资效率结果如图1 所示。从东部、东北、中部、西部四大地区基础设施投资效率均值来看，2005—2019 年除了东部为波动上升外，其他地区均为波动下降的走势，且区域效率不均衡呈现“东部＞中部＞西部＞东北”特征。从变化幅度看，东部、中部和西部地区效率变化较为平缓；东北地区变化幅度较大，呈先下降再上升的“U”型发展趋势。究其原因：一方面，研究期间东北GDP平均增长率处于四大区域末尾，特别是2008年金融危机对东北经济造成了重创，GDP 增长下滑较大；另一方面，经济下滑的同时也造成了东北人口严重流失。从研究期间就业人员平均增长率来看，东部（3.97%）＞西部（2.64%）＞中部（2.33%）＞东北（-1.20%），加之东北地区重工业发展迅速，发展中极度依赖能源消耗，技术水平发展缓慢导致环境问题突出，严重拉低了东北地区基础设施整体的投资效率。随着国家“扩内需、促增长”和低碳政策的实施，促进了产业结构升级，东北地区基础设施投资效率出现回升态势。

图1 2005—2019 年我国各地区基础设施投资效率演变特征Figure 1 Evolution characteristics of infrastructure investment efficiency by regions in China from 2005 to 2019

为了分析各省份基础设施投资效率随时间演变的集聚差异，本文选择2005 年、2010 年、2015 年和2019年4 个年份为观测时点进行Kernel 密度估计，得到不同时点的分布状况（图2）。核密度曲线位置向左或向右偏移反应了整体效率的降低或者提升，波峰高度则反映了各省份效率的集聚程度。2005—2019 年，核密度曲线整体由从右至左再向右移动，显示效率随时间变化先下降再上升的走势；波峰整体呈现由高往低下降的“双峰”演变特征，显示多数省份由高水平集聚逐渐向“高—低”数量差异减小趋势转变。2019 年，双峰分布波峰高度差距缩小，表明区域间效率差距缩小，逐渐形成“低低集聚、高高集聚”的近“双峰”式时空演变格局。

图2 我国基础设施投资效率Kernel密度估计Figure 2 Kernel density estimation of infrastructure investment efficiency in China

2.2 基础设施投资效率动态分析

在上述运用考虑非期望产出Super- SBM 模型分析基础设施投资效率静态特征的基础上，可以进一步分析基础设施投资效率动态变化趋势。基于2005—2019 年我国30 个省份投入产出面板数据，利用Malmquist 指数模型对基础设施投资效率变化情况进行分析，得到我国分时段Malmquist 全要素生产率指数及其分解值，结果见图3。由图3 可知：①从全国整体来看，2005—2019 年全要素生产率（tfpch）呈现“先上升、后下降”态势。究其原因：2008 年以后，为应对金融危机，国家实施了“扩内需、促增长”等一系列措施，使基础设施投资增速出现显著提升；在基础设施大量投资建设的同时，大量的能源消耗和技术进步下降也带来了一些社会环境问题，导致全要素生产率下降。②从全要素生产率分解来看，全要素生产率变化与技术进步（techch）变化高度吻合，说明全要素生产率主要受到技术进步变化影响，而综合技术效率（effch）与技术进步趋势呈现反方向变化。由此说明，技术进步带来的新技术与当前投入产出系统适应度不高，导致综合技术效率下降，部分新技术由于无法适应当前系统而被淘汰，技术进步受到一定扼制。

图3 2005—2019 年我国Malmquist平均指数及其分解Figure 3 Malmquist average index and its decomposition in China from 2005 to 2019

由图4 可知，从东部、东北、中部、西部四大地区平均值来看，全要素生产率呈现“东部＞中部＞东北＞西部”分布。东部地区处于四大区域首位，主要得益于高效的技术进步，而较低的综合技术效率抑制了全要素生产率的提升。因此，东部地区生产系统需要调整，以适应高新技术，促进技术进步和生产系统两者彼此改进适应，使综合技术效率上升，进一步提高全要素生产率。中部地区全要素生产率的提升得益于较高的规模效率（sech），但较低的综合技术效率和技术进步严重阻碍了全要素生产率提升。因此，中部地区需考虑继续加大生产规模，提高规模效率。东北和西部地区全要素生产率及分解情况较为相似，全要素生产率的提升均依赖纯技术效率（pech）的促进，但综合技术效率过低造成全要素生产率偏低。因此，两个地区应采用引进先进技术，提升新技术的应用价值，从而提高全要素生产率。

图4 2005—2019 年我国各地区Malmquist平均指数及其分解Figure 4 Malmquist average index and its decomposition by region in China from 2005 to 2019

2.3 基础设施投资效率影响因素及分析

上述研究基于非期望产出Super- SBM 模型方法和Malmquist 指数方法分析了基础设施投资效率的静态、动态变化特征和演变趋势。从结果来看，受区域经济发展水平、产业结构、能源和技术等众多因素的影响，我国基础设施投资效率水平呈现出明显的区域差异特征。本文进一步利用受限因变量面板Tobit模型对影响效率的外部变量进行深入考察研究，并进行原因分析。

基于已有的研究［22-25］，结合前文对相关影响因素的探讨，考虑到各地区指标的可获取性，本文从能源强度（ener）、产业结构（indu）、政府因素（gov）、金融因素（fin）、技术创新（tech）和城市发展（urb）6 个方面考虑选取变量进行分析。其中：能源强度采用能源消费总量/GDP表征；产业结构采用第二产业占GDP比重表征；政府因素采用政府财政支出占GDP比重表征；金融因素采用金融机构贷款余额/存款余额表征；技术创新采用人均专利申请授权数表征；城市发展采用城镇化率表征。选取的数据年份跨度为2005—2019 年，来自于《中国统计年鉴》和《中国能源统计年鉴》。基础设施投资效率影响因素分析模型如下：

式中：IEit为我国30 个省份2005—2019 年的基础设施投资效率；cons 为常数项；β1—β6表示各解释变量的回归系数；εit为随机扰动项。Tobit 回归结果见表4。

表4 基础设施投资效率影响因素的Tobit回归结果Table 4 Tobit regression results of influencing factors of infrastructure investment efficiency

（续表4）

从回归结果来看：①能源强度（ener）对全国及各区域效率产生了消极作用，且对东北和中西部地区影响较为显著。究其原因：对东北地区来说，区域内化石能源消费量的占比高于全国平均水平，如黑龙江煤炭消费量占该省能源消费总量的69%［26］；中西部地区，如山西、内蒙古为煤炭大省，由于煤炭资源禀赋较高，一方面煤炭开采成本相对较低，极易造成环境污染，另一方面能源消费以煤炭为主，如山西煤炭消费总量占能源总消费的86.42%，经济发展在依靠能源大量消耗的同时也产生了大量碳排放，阻碍了投资效率的提升。②产业结构（indu）对全国、东部、东北地区效率的影响系数显著为负，而对西部地区的影响显著为正。说明随着工业的不断发展，东部和东北地区逐渐出现产能过剩、资源浪费，造成基础设施投资效率的下降；而西部地区随着西部大开发战略的实施，资金投入和人才引进带来的先进技术和经验，推动工业朝着绿色节能方向发展，走上新型工业化之路［22］，进而提高了基础设施投资效率。③政府因素（gov）对东部、东北地区效率的影响系数在1%显著性水平下为负，而对中部和西部地区的影响显著为正。政府财政支出规模越大，能够集中配置的社会资源越多，但当政府财政规模超出社会剩余产品总量，便会使市场资金难周转［27］，若忽视经济发展运行规律，则会产生负向影响。由此可见，当前东部和东北地区政府财政支出应根据市场机制调整进行合理配置，以提高基础设施的投资效率。④金融效率（fin）对全国、东部、东北地区效率的影响系数在1%显著性水平下为负，对中部地区影响显著为正。当前我国金融资源配置“两极分化”严重，金融资源普遍集中在东部发达地区，中西部地区分配严重不足。且金融资源倾向于流向房地产、基础设施建设等低风险传统产业，对盈利确定性相对较低的绿色环保和高新技术产业造成了“挤出效应”［28］。东部地区基础设施建设相比中西部地区较为完善，使得东部地区金融资源在低端产业低效率空转，降低了投资效率。⑤技术创新（tech）对全国及各地区效率的影响系数为正，说明随着尖端技术的引进，有利于提高基础设施投资效率。但技术创新对东部、中部地区影响不显著，导致这一现象的原因是：东部地区属于经济发达区域，技术水平发展较为迅速，如果技术进步带来的高新技术与当前生产系统适应度不高，则会降低生产效率［29］；而中部地区属于经济欠发达区域，技术水平和研发基础设施相对落后，研发投入带来的科技创新红利暂时还不足以弥补研发所需的成本，从而降低了投资效率。⑥城市发展（urb）对中部和西部地区效率的影响系数在5%显著性水平下为负。可能的原因是：在城镇化建设的进程中，政府因过度追求规模而加大了对基础建设投资力度，但在投资过程中，由于中部和西部地区初始资本和技术水平相对更低，规模发展与技术水平不匹配，导致投资效率低下。投资过程中，中西部地区各城市的发展状况参差不齐，基础设施建设投资相对分散，造成规划不合理、利用率低等问题，从而对投资效率造成负面影响。

3 结论与建议

3.1 结论

本文引入非期望产出的Super - SBM 模型与Malmquist 指数，分别从静态和动态两方面对我国基础设施投资效率进行了考察，并进一步引入受限因变量面板Tobit 模型探究了基础设施投资效率的影响因素，结论如下：①静态效率方面，2005—2019 年我国基础设施投资效率整体在波动提升，基础设施投资效率呈现“东部＞中部＞西部＞东北”的特征；30个省份基础设施投资效率差距在逐渐缩小，形成“低低集聚、高高集聚”的近“双峰”式演变格局。②动态效率方面，2005—2019 年我国全要素生产率整体呈“倒U”型发展态势：东部全要素生产率最高，得益于高效的技术进步；中部全要素生产率次之，得益于较高的规模效率；东北和西部全要素生产率最低，其提升依赖于纯技术效率的促进。③影响因素方面，能源强度对全国所有区域效率产生消极作用，对东北和中西部地区的影响较为显著；产业结构对全国、东部和东北地区效率具有显著的负面影响，但对西部地区带来积极影响；政府支出和金融效率均对东部和东北地区带来消极影响，而对中西部地区产生显著的积极作用。

3.2 建议

从分析结论来看，我国基础设施投资效率存在明显的两级分化问题，未来基础设施投资建设应充分考虑各地区科技、能源、产业、金融等资源禀赋特点，因地制宜进行规划调整。建议：①充分发挥技术创新对东北和西部地区效率提升的潜力，通过政策导向，促进地方政府和企业等加大科技投入，通过引进东部地区科技人才，增加区域之间的科技合作。②激励形成能源结构转型和产业结构优化的产业体系，加大新能源产业技术研发创新，鼓励引导能源消费结构向可再生清洁能源转变。东部、中部和东北地区应加强产业链中高耗能、高污染、高排放的企业转型升级优化力度，积极发展战略性新兴产业，实现产业体系低碳化；西部地区应进一步扩大自身优势产业规模，同时学习东部地区产业优化转型的经验，使其朝着低碳、可持续方向发展。③推动金融供给侧改革，提升金融资源配置能力。东部地区要积极优化金融供给结构，针对不同类型企业形成与经济发展相契合的多层次资本市场［28］，避免金融资源过度集中；西部地区充分发挥政策性金融的导向作用，创新投融资模式，引入PPP等项目融资方式，对于投资巨大建成后有稳定现金流的项目进行资产证券化运作，缓解建设资金压力。

4 讨论

本文从国家、区域、省级3 个层面考察了碳排放约束下我国基础设施投资效率的静态和动态特征，丰富了现有基础设施研究网络，有助于提升基础设施资金和资源利用率，为制定具有区域适用性的基础设施投资建设策略提供参考。考虑到基础设施投资建设具有经济、社会和生态方面的多重价值，其产出指标体系未来仍有必要进行深入探讨，以提高理论贡献和参考价值。另外，本文仅对各时期基础设施投资静态效率的影响因素进行了分析，如何有效识别动态效率的影响因素，推进基础设施低碳建设是今后研究的主要方向。