京津冀地区碳排放效率及减排路径研究

李月婷，王希龙，包晓斌

（1.中国社会科学院大学应用经济学院，北京 102488；2.中国社会科学院农村发展研究所，北京 100732）

0 引言

在当前人类社会快速发展的背景下，如何处理好因二氧化碳排放所带来的环境气候变化问题，已成为全世界共同面临的挑战，推行低碳经济成为全世界的一致发展方向［1］。随着中国经济社会的快速发展、城镇化的高速推进以及能源消耗的大量增加，导致中国在过去的二十年里碳排放量呈快速增长趋势［2］。2020 年中国的碳排放总量达到98.99亿t，是2000 年的3.3 倍，位居世界第一，因此面临着巨大的碳减排压力［3］。2009 年，在哥本哈根世界气候大会上，中国明确提出了“双碳”的战略目标，即力争在2030 年前实现“碳达峰”，2060 年前实现“碳中和”，着力发展良好的生态环境，实现绿色高质量发展。

城市群是经济发展的重要载体，也是实现“双碳”目标的重要主体。城市群不仅为经济发展提供了有力支撑，同时也是环境污染和碳排放最为集中的区域［4］。虽然北京的碳排放强度相较于其他省市较小，但京津冀作为中国主要的碳排放地区之一，其碳排放量已是京津冀、长三角、珠三角三大区域内碳排放强度最高的区域。2019 年京津冀地区在全国碳排放总量中的占比超过10%，其中北京0.88亿t，天津1.58 亿t，河北9.14 亿t，京津冀地区在区域绿色低碳转型的协同发展中明显不足。因此，需要对京津冀地区碳排放效率进行进一步测算，为寻找京津冀地区减碳路径和政策评估提供支撑和依据。

目前有大量学者对碳排放效率进行了测算，测算的常用方法包括数据包络分析法［5］，但由于其忽略了非期望产出、外界环境、随机变量等因素，测量的结果存在一定偏差。于是有学者采用了SBM 模型［6，7］、三阶段DEA 模型［8］、三阶段SBM -DEA 模型［9］、超效率DEA模型［10］等改进后的测算方法，发现得到的结果更加符合真实状态，尤其是基于非期望产出的三阶段DEA和超效率DEA模型能够同时剔除环境因素和随机变量的影响。在此基础上，大量学者从时空特征、影响因素、空间效应、动态演进与治理策略等诸多方面对中国不同区域的碳排放现状进行了研究，包括长三角地区［11-15］、京津冀区域［16-19］、东北三省［20-24］、黄河流域［25-28］等。因此，过往研究更多地关注于某一区域的碳排放现状，既没有加入产业疏解与承接的观察背景，也缺少京津冀地区和其他碳排放高效率区域或省份的横向比较。

北京作为首都在京津冀区域中占据的特殊位置，长期以来与天津、河北之间在经济发展水平上产生了较大差异，由此带来了一系列区域发展不平衡不充分的问题。因此，在发展存在显著差异的情况下，研究京津冀地区真实的碳排放效率值及其差异具有重要意义。本研究的视野不囿于京津冀包含的3 个省级行政单元，而是希望能够获得同期与其他省及行政单元和主要城市群的横向比较。本研究以2015—2019 年中国30 个省份碳排放效率为基础，将京津冀地区的碳排放效率与碳排放高效率区域或省份进行比较，着重理清京津冀地区与碳排放高效率区域之间的差异来源，以期为京津冀地区的碳减排工作提供相关政策建议和思路。

1 研究方法、指标选取和数据来源

1.1 研究方法

三阶段DEA方法是由Fried 等提出的［29］，该方法的优势在于将环境影响和统计噪声引入到效率的评价体系当中，对传统DEA 模型进行了改善，从而得到真实的效率值。本文在此基础上采用了改进后的三阶段DEA模型，其构建包含以下3 个阶段：

第一阶段，使用决策单元的初始投入产出数据进行超效率DEA分析，采用投入导向型的规模可变BCC模型，该模型可将技术效率分解为纯技术效率和规模效率。鉴于传统DEA模型已十分成熟，其数学原理在此不再赘述。

第二阶段，将所有决策单元调整到相同的环境条件，采用SFA方法对第一阶段中投入差额值与环境变量、随机误差因素的关系进行分析，调整投入变量，由此得到真实效率值。设共有n个决策单元，每一个决策单元都有m种投入，假定存在p 个可观测的环境变量，构建的SFA回归方程：

式中：sik表示第k 个决策单元的第i 项投入的松弛变量；zk＝（z1k，z2k，…，zpk）表示p个可观测的环境变量；βi表示环境变量的待估参数；fi（zk；βi）表示环境变量对于冗余sik的影响，一般取fi（zk；βi）＝zkβi；vik＋uik为混合误差项，vik反映随机误差的影响，uik反映管理无效率，且两者是独立不相关的。基于最有效的决策单元，以其投入项为基准，对其他各决策单元投入量作以下调整：

式中：xik表示调整前的投入数量；为调整后的值；是外部环境变量参数的估计值；是随机干扰项的估计值；maxk代表调整的是环境因素；表示将所有决策单元的随机误差调整到相同状态。

第三阶段，将经过SFA 回归处理后的投入数据与原产出数据，重新运用BCC 模型进行效率评估，从而获得真实结果。

1.2 指标选取

投入产出变量。本文选取GDP为期望产出，并利用平减指数将GDP转换为2000 年为基期的不变价格，以此来消除价格波动对GDP 的影响，将碳排放总量作为非期望产出。资本存量和人力资本作为投入变量，其中资本存量采用张军［30］所使用的永续盘存法进行估算，并以其估算的2000 年末各地区的物质资本存量数据为基础推衍得到2015—2019 年资本存量；人力资本数据使用各省年末就业人数进行表征。

对于碳排放总量的计算通常由估算得出。在估算过程中，主要能源消费数据从《中国能源统计年鉴》中直接获得，各能源的碳排放系数参考联合国政府间气候变化专门委员会IPCC（2006）所提供的二氧化碳排放量估算方法，具体计算公式如下：

式中：Cit表示估算的i 省第t 年的二氧化碳排放总量；aj表示第j种能源的碳排放系数，本文将化石能源消费种类划分为7 种，分别是煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气；Eijt表示i省第t年第j种初级化石燃料的消耗量。

环境变量。环境变量的选取应考虑能够影响碳排放效率，但又无法进行主观控制的变量，如要素禀赋、地理位置、能源价格、制度条件、经济发展水平、城市化发展水平以及科技水平等因素，但由于模型的局限性以及客观条件所限无法测定所有的环境因素，因此结合相关参考文献［31］，本文重点考虑产业结构升级、能源消费结构、对外开放程度和技术进步4 个变量对碳排放效率的影响。①产业结构升级。碳排放量与第一、第三产业结构息息相关，因此产业结构的转型升级有助于减少碳排放量，即能源密集型的第一产业向第三产业转移可以有助于碳减排，本文使用第三产业的比重来表征产业结构。②能源消费结构。中国当前的能源消费主要以煤炭等化石燃料为主，但由此会造成大的碳排放量问题，能源使用效率也较低。因此，本文采取煤炭消费量与能源消费总量的比值来表征能源消费结构。③对外开放程度。粗放型的出口贸易结构会导致生产过程中消耗大量能源，同时，引入先进的技术和管理方法等可以提高碳排放效率。因此对外开放程度通常使用外贸依存度，即进出口总额占GDP 的比重进行表征，其中GDP为以2000 年为基期的不变价格。④技术进步。科学技术的进步能够提高劳动生产率，帮助社会更高效的利用现有能源，从而降低碳排放量并提高能源利用率。本文采用专利授权数量来表征技术进步。

1.3 数据来源

本文研究对象为中国30 个省份（因相关数据缺失及数据统计口径不一致等原因，故未包含中国西藏自治区、香港特别行政区、澳门特别行政区和台湾地区），因篇幅所限，选取的样本时间为2015—2019年，原始数据均来源于《中国能源统计年鉴》以及Wind数据库。

2 结果及分析

2.1 第一阶段计算结果

利用Maxdea 8 软件，将碳排放总量作为非期望产出进行处理，经过计算得到第一阶段超效率DEA模型的测算结果如表1 所示。由表1 可知，2015—2019 年各地区碳排放效率、纯技术效率、规模效率的平均值分别为0.611、0.805、0.802。其中，京津冀地区平均碳排放效率的排序为：北京＞河北＞天津，北京碳排放效率最优为1，河北碳排放效率次之为0.634，天津的碳排放效率最低为0.545。另外在30个省份的碳排放效率总排序中，北京排名第1，河北排名第10，天津排名第18。由此可见，京津冀地区之间的碳排放效率差异较大，其差距还需进一步予以控制。

表1 第一阶段各地区碳排放效率平均值Table 1 Average carbon emission efficiency of each region in the first stage

本文将碳排放效率划分为高、中、低3 档，高效率地区的效率值＞0.667，中效率地区的效率值为0.333—0.667，低效率地区为0—0.333。从图1 可见，北京为碳排放高效率地区，天津和河北为碳排放中效率地区。天津的纯技术效率和规模效率都相对较低，分别为0.735 和0.741，首先应当解决规模效率问题，而河北碳排放效率低的主要原因在于技术效率低，仅为0.65。京津冀三地在碳排放效率、纯技术效率、规模效率上均有明显差异，这在一定程度上取决于各自不同的资源禀赋、产业结构、能源结构以及制度环境等因素。2019 年，北京、天津、河北的第三产业占比分别为83.5%、63.5%、51.5%，而到了2021 年，第三产业占比分别为81.7%、61.3%和49.5%，仍保持较大差距，可见北京碳排放效率的优势离不开其以第三产业为主导的产业结构特点，而天津和河北仍较强的依赖于工业，从而导致地区碳排放总量的提高。此外，北京、天津和河北的科技创新水平以及对人才的吸引力等方面均具有明显差异。可见，为了提高京津冀地区碳排放效率，应当以提高河北和天津的碳排放效率为重点，而主要手段则离不开京津冀地区产业结构的均衡与优化，尤其是河北和天津技术管理水平的提高、企业生产方式的转变以及能源消费结构的优化。各地区均拥有不同的经济发展水平和资源禀赋，这些因素不可避免的对各自省市产生不同程度的影响，因此为了获得真实的效率值，还需要对数据进行进一步处理。

图1 第一阶段碳排放效率分布Figure 1 Distribution of carbon emission efficiency in the first stage

2.2 第二阶段SFA回归

利用Frontier4.1，构建SFA 回归模型。由于投入变量选取资本存量和人力资本，因此第二阶段以资本存量、人力资本投入的松弛变量为因变量，以产业结构、能源消费结构、对外开放程度和技术进步为自变量。回归结果如表2 所示。由表2 可知，大部分环境变量对投入松弛变量的系数值都可以通过显著性检验，这说明外部环境因素确实对结果造成显著影响，而LR的单边误差检验也通过了1%水平的显著性检验，说明通过第二阶段SFA 的回归分析来调整投入值是十分必要的。具体表现为：①产业结构。用第三产业占比来表征的产业结构与资本存量松弛、人力资本松弛均呈1%水平的显著负相关，这说明第三产业占比的高低与投入冗余变量之间呈负相关，即当第三产业占比提高时，资本存量和人力资本的投入减少，有利于提高资本和人力投入的产出效率。②能源消费结构。以煤炭消费量占能源消费总量比重衡量的能源消费结构与资本存量松弛、人力资本松弛负相关，并通过1%水平的显著性检验。说明煤炭消费比重的提高可以显著减少各项投入量，这意味着煤炭的大量消耗能够降低资本和人力投入，这恰好与中国过去采取粗放式经济发展方式的情况相符。因此，如果要降低碳排放量、较少煤炭的消耗量，就会对投入变量的要求提高，而为了保证经济的可持续发展，必须从其他方面提高资源与投入要素的利用效率，才能实现经济的高质量发展。③对外开放程度。使用进出口总额占GDP 的比重来衡量对外开放程度，与人力资本松弛负相关，通过1%水平的显著性检验，与资本存量松弛呈负相关，但T检验结果不显著，外贸依存度的提高对两种投入的松弛变量均有利。这说明提升外贸依存度有利于提高资源的有效配置。④技术进步。与理论预期不一致的是，用授权专利数表征的技术进步对资本存量松弛、人力资本松弛的系数均为正，t 检验结果均不显著，说明提高技术进步会导致投入松弛的增加。这是由于各地区在提升技术进步的同时，没有增强技术进步在实际生产过程中的有效应用，导致实用性不强从而造成投入资本和人力资源的浪费。

表2 SFA回归结果Table 2 SFA regression results

由上述分析可知，外部环境因素对投入要素的影响各不相同，地处不同区域将会导致该地区受到的环境影响有很大差异，从而造成碳排放效率计算的偏差，为此需要对投入变量进行调整，并重新带入BCC模型。

2.3 第三阶段计算结果

将经过第二阶段调整后的投入值和原始产出带入模型，得到新的更符合实际情况的碳排放效率平均值，结果如表3 所示，调整后的碳排放效率分布如图2 所示。

图2 第三阶段碳排放效率分布Figure 2 Distribution of carbon emission efficiency in the third stage

表3 第三阶段各地区碳排放效率平均值Table 3 Average carbon emission efficiency of each region in the third stage

由表3 可知，剔除环境变量和随机因素的影响后，各数据产生较大差异，碳排放效率的平均值由0.611提升到0.657，纯技术效率由0.805 提升到0.902，规模效率由0.802 下降到0.746。其中北京和上海的碳排放效率依然处于效率最佳前沿面。而辽宁由第一阶段的0.74 提升到1.034，晋升至效率前沿，说明在剔除环境变量和随机因素的影响后，其碳排放效率是十分高效的，第一阶段较低的碳排放效率并不能反映其真实的技术管理水平。

由图2、表3 可知，各地碳排放效率的划分发生明显变化。江苏、河北、四川、山东、湖南、安徽、福建、江西、湖北9 省的碳排放效率均明显提升，全部由碳排放中效率地区转变为高效率地区，并且这些地区的纯技术效率均发生提升，说明外界的不利环境因素或较差的机遇导致它们在第一阶段表现出较低的碳排放效率。而在碳排放中效率地区中，天津、山西、甘肃的碳排放效率有所下降，而且仅有天津的纯技术效率发生下降，这说明天津在第一阶段中所表现的较高的碳排放效率与外界较好的环境因素与好的机遇密不可分，且实际纯技术效率不如看上去的好。内蒙古由第一阶段中的碳排放低效率地区转变为碳排放中效率地区，碳排放效率由0.315 上升为0.369，纯技术效率也提升，说明内蒙古较低的碳排放效率一定程度上受外界环境和较差的机遇所影响。此外海南由第一阶段的碳排放中效率地区，下降为碳排放低效率地区，碳排放效率由0.548 显著下降到0.329，说明海南在第一阶段中较高的碳排放效率得益于其好的外部环境或好的机遇。由此可见，只有剔除外部环境和随机因素的影响，才能更为客观的描述不同地区碳排放效率的真实情况。

此外，从纯技术效率和规模效率的角度来看，按照年平均值0.85 作为临界点，30 个省份纯技术效率—规模效率可以组合为4 种类型，结果如图3 所示。①高—高集聚区，即纯技术效率和规模效率均超过临界点，包括北京、辽宁、黑龙江、上海、浙江、安徽、山东、四川，反映了此类地区在技术效率和规模效率上改进空间较小的特点，这归功于这些地区近年来产业布局优化、科技创新水平方面趋于高效。②高—低集聚区，即纯技术效率高于临界点但规模效率不足，包括了江苏、江西、广东、海南、甘肃、青海、宁夏，说明该类型城市在技术效率上具有优势但规模效率需要提升。③低—高集聚区，即纯技术效率不足但规模效率超过临界点，包括河北、山西、福建、河南、湖北、湖南，此类地区应以提高技术效率为主要突破点来提升碳排放效率。④低—低集聚区，即纯技术效率和规模效率均低于临界点，包括天津、内蒙古、吉林、广西、重庆、贵州、云南、陕西、新疆，是碳排放效率需重点改进的区域，一方面需注意提高技术管理水平，另一方面还应扩大生产规模。综上可见，北京的纯技术效率和规模效率均超过临界点，在高—高集聚区，其碳排放效率的改进空间有限；河北的纯技术效率不足但规模效率较好，处于低—高集聚区；天津的纯技术效率和规模效率均不足，处于低—低集聚区，仍有很大的提升空间。因此京津冀地区显然在碳排放效率方面发展极为不均衡，优质资源和要素的均衡流动仍不通畅，这就要求京津冀地区应打破地方利益格局，构建起基于平等关系的利益协调机制，成立利益共同体。

由图2、图3 可知，上海、浙江、江苏、安徽所隶属的长江三角洲与广东均属于碳排放高效率地区，并且各地纯技术效率和规模效率较为均衡，无明显短板，可以作为30 个省份中碳排放高效率区域或省份的代表。长三角、广东和京津冀地区各项效率平均值如表4 所示，其中由于珠江三角洲隶属广东省中南部地区，鉴于本文的研究对象为省级行政单元，因此选取广东省作为碳排放高效率地区的代表与京津冀、长三角区域进行比较。由表4 可知，长三角碳排放效率的平均值为0.967，纯技术效率的平均值为1.074，规模效率的平均值为0.898，除江苏在高—低集聚区外，其他地区均在高—高集聚区，体现了长江三角洲在碳排放方面发展较为均衡。广东的碳排放效率、纯技术效率、规模效率的平均值分别为0.968、1.206 和0.803，京津冀各项效率的平均值分别为0.802、0.924和0.862。比较发现，长三角的碳排放效率、纯技术效率均优于京津冀地区各项指标的平均值，广东的碳排放效率和纯技术效率也明显优于京津冀，而长三角、广东的规模效率则与京津冀区域无太大差异。说明京津冀地区碳排放效率与高效率地区之间的差异主要来源于纯技术效率的差距，即技术管理水平方面较为弱势。众所周知，中国区域科技创新水平长期以来都呈现出“东强西弱”的格局，且东部地区中尤其以珠三角和长三角区域的科技创新能力最为突出，这与京津冀地区纯技术效率低于长三角和广东的结果相一致。长三角与广东在技术管理水平方面的优势离不开多年来地方政府对于科技创新水平的重视与扶持，并且近年来还大力推动人才引进政策等相关措施，极大地促进了区域科技创新能力的提升。因此京津冀地区，应当充分利用北京在科技创新领域的发展优势，带动区域科技创新能力的协调发展，提升区域的整体技术管理水平，从而大幅提高碳排放效率。

表4 长三角、广东、京津冀效率对比Table 4 Efficiency comparison of Yangtze River Delta，Guangdong，Beijing-Tianjin-Hebei

3 结论、讨论与政策启示

3.1 结论与讨论

本研究利用基于非期望产出的三阶段数据包络分析和超效率数据包络分析模型对京津冀地区的碳排放效率进行研究，分析了京津冀地区碳排放效率的差异及原因，并与碳排放高效率地区进行了对比分析。通过测算2015—2019 年中国30 个省份的碳排放效率后发现，各地区第一阶段与第三阶段的效率值有明显差异，说明剔除环境因素和随机变量的影响是十分有必要的，通过利用修正后的投入变量，能够得到更加真实的碳排放效率值。从第三阶段碳排放效率值可以发现，相比于第一阶段北京和河北的碳排放效率有所上升，而天津的碳排放效率则下降，说明天津在第一阶段的碳排放效率值得益于其有利的环境因素。此外，北京在第一阶段与第三阶段均属于碳排放高效率地区，而河北则由中效率地区提升为高效率地区，天津在第一和第三阶段均属于中效率地区。通过比较各地区的纯技术效率和规模效率值发现，北京属于高—高集聚区，河北为高—低集聚区，天津则属于低—低集聚区，因此京津冀地区在碳排放效率方面差异十分显著，发展极为不均衡。京津冀地区碳减排的目标应以天津和河北为重点，两地与北京的差异主要来源于以工业为主的产业结构以及相对较低的技术发展水平，因此产业结构的优化以及企业生产方式的转变应作为实现低碳发展的主要途径。通过与碳排放高效率地区的长三角与广东的对比后发现，京津冀地区在碳排放效率方面的不足主要源于其发展不均衡导致的整体技术水平相对较低。

3.2 政策启示

在京津冀区域一体化的背景下，需要探索区域减排路径，协调地区间经济发展与碳减排的关系，实现区域均衡发展。

首先，加强顶层设计，完善京津冀跨地区联合治理模式。对京津冀来说，如果碳排放效率没有得到提升，那么产业疏解和产业承接只是碳排放的空间转移。要想实现“双碳”目标就需要突破单一的地区治理模式，加强联防联控机制建设。首先，需改善行政管理、价值分配、空间布局等对京津冀协同发展造成不良影响的体制机制，构建全方位、深层次、宽领域的合作体系，实现高质量的协同发展。其次，应创立基于平等关系的利益协调机制，打破地方利益格局，从顶层设计上确保京津冀地区实现互利共赢，弱化行政区间，建立相应的生态补偿机制，弥补河北在京津冀地区可持续发展中所作出的巨大牺牲，成为利益共同体。最后，还应从区域碳减排效益最大化出发，将各地区的实际情况与电力、交通、能源等重点碳减排领域相结合，因地制宜的制定碳减排规划方案，并制定相应的污染物联合监测机制，增强区域专业化治理能力。

其次，深化产业结构调整，充分提高全要素生产率。根据本研究测算，京津冀区域内天津和河北仍存在较大的减碳潜力，因此天津和河北产业结构的可持续发展是未来关注的重点。首先，应积极推动产业结构的转型升级，大力提高第三产业占比，同时需平衡第二产业对实体经济与社会运行的支撑作用。目前河北正在从传统钢铁行业向制造业转型，未来可以继续依托北京科技高地向新能源、新材料等战略性新兴产业的转换，实现全域高质量发展，带来更具突破性的产业变革。其次，应优化区域内产业链、供应链与价值链的空间布局，促进产业协作与产业融合，实现产业布局一体化，弥补京津冀处于不同发展阶段的区域在产业衔接、产业链配套等方面存在的缺失，实现具有比较优势的区域分工格局。最后，要通过政策引导，畅通优质创新要素的均衡流动，破除要素和产品流动壁垒，形成区域内与产业需求相匹配的要素供给体系，维护统一开放竞争有序的市场环境。

再次，引导和鼓励企业转变生产方式，改善能源消费结构。减少碳排放离不开企业生产方式的调整、能源利用效率的提升以及能源消费结构的转变。一方面，重点考虑引进先进技术、提高能源利用率，实现生产效率与碳减排的双重提升。鼓励企业改变过去粗放式的发展模式，以改进生产技术作为切入点，提高能源利用的投入产出比，使能源得到充分利用。其中先进的生产技术主要包括使用清洁生产技术、提高污染物的治理能力以及优化原始投入配比等方式，而其中清洁生产技术的开发是关键，因此需要政府加大对节能减排新技术方面的资金投入，对自主开发新技术的企业予以大力扶持；另一方面，需不断开发清洁能源，改善能源消费结构。将不同地区节能减排和可持续发展的要求相结合，改变过去以化石能源为主导的能源消费结构，在保证能源供给和能源安全的前提下，提高非化石能源在一次能源消耗中的比重，因地制宜地促进核能、风能、太阳能、氢能等清洁能源的使用，降低碳排放量，形成更加绿色、高效的能源消耗结构。

最后，提高科技创新水平，构建区域间合作交流机制。京津冀地区当前的发展方式具有明显短板，即京津冀实现创新增长方式的驱动单一地依靠北京，应重视创新共同体建设，释放京津冀创新发展新动能。首先，应充分发挥北京对天津、河北的创新辐射作用，推动创新资源的均衡布局，建立统一的要素市场和良好的营商环境，实现人才、技术、数据等创新要素的自由流动。其次，应建立以企业为主体地位的创新生态体系，积极鼓励企业提高在创新资源方面的投入，改善京津冀对国家科研经费严重依赖所造成的后劲不足。最后，利用北京作为科技中心和文化中心的特殊优势，积极推动京津冀与长三角、珠三角等地区的交流互通，通过项目合作、人才互通、技术交流等方式，将北京及其他地区先进的产业化、规模化发展经验予以推广。