关键词:碳排放效率;碳影子价格;碳生产率;全局非径向方向性距离函数;中国 Abstract When the abatement cost growth rate is higher than the economic growth rate, the single carbon emission efficiency index cannot depict the situation of emission abatement. Based on the global non-radial directional distance function (Global NDDF) and its duality principle, the global carbon emissions productivity in China is calculated. For the sample period 2010-2015, the national GCP is in upward trend, with the eastern region having the highest GCP, the northeast and western regions having the lowest; The ratios of abatement cost growth to GDP growth of the provincial administration regions in China rise in volatility, and the abatement cost grows faster than GDP in most regions. This means the carbon efficiency improvement is achieved by the rapid growth of abatement cost, which is higher than the GDP growth. The mathematical deduction shows that the condition to solve the dilemma of abatement cost growth exceeding GDP growth means the growth rate of carbon shadow price is lower than the growth rate of carbon productivity. Empirical results prove further that the overgrowth of carbon productivity by carbon shadow price leads to the dilemma of abatement cost growth exceeding GDP growth in China. Therefore, China should replace the single carbon emission efficiency index by a multiple index system to measure the capacity of abatement in an all-round way; The national carbon trading market should be built to alleviate the heterogeneity of carbon shadow price in different regions; And government should promote structural reform and improve energy efficiency.
本研究基于涵盖中国大陆30个省级地区的面板数据集(由于数据缺失,样本不包括西藏、香港、澳门和台湾),样本观测区间设定为2010—2015年。选用地区资本存量、劳动力与能源消耗量作为投入要素,GDP与CO2排放量作为期望产出与非期望产出。其中资本存量基于单豪杰采用的永续盘存法[37],并以1978年为基期进行测算。其中由于1997年重庆划分为直辖市,因此在测算资本存量时首先将四川与重庆合并计算,并以两个地区的名义固定资本形成总额占比计算各地区的资本存量。劳动力、能源消耗量与GDP数据来源于《中国统计年鉴(2011—2016)》[38],其中GDP也采用以1978年为基期的实际GDP表示。CO2排放量公式为: (16) 式中 为能源种类,选取原煤、洗精煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品15种化石能源; 为CO2排放量; 为能源消耗量,基于《中国能源统计年鉴(2011—2016)》[39]地区能源平衡表中加工转换投入产出量项目中火力发电、供热与炼焦消耗量,各类能源损耗量与终端能源消耗量求和所得; 为各类能源折标准煤系数; 表示每千克标准煤的发热量,即(29 300 kJ/kgce); 为IPCC规定的能源CO2排放系数。各数据来源于《中国统计年鉴(2011—2016)》[38]《中国能源统计年鉴(2011—2016)》[39]与《2006年IPCC国家温室气体清单指南》[40]。各变量的描述性统计如表1所示,各变量的均值均大于其中位数,表明各变量均右偏。本文涉及到的其他变量如表2所示。 Table 1 表1 表12010—2015年中国省际投入产出变量的描述性统计 Table 1Statistical description of input and output variables in 30 regions of China from 2010 to 2015
变量/单位
均值
标准差
中位数
最大值
最小值
资本/亿元
10 906.66
9 503.04
7 911.50
52 981.52
638.33
劳动/万人
2 679.91
1 751.10
2 165.80
6 636.08
307.65
能源/万t
14 294.48
8 509.10
11 361.06
39 969.77
1 390.24
GDP/亿元
4 362.28
3 641.85
3 248.42
17 818.91
232.37
CO2/万t
33 121.28
21 659.93
25 409.91
90 366.86
2 724.91
新窗口打开 Table 2 表2 表2碳影子价格与碳生产率回归分析中的变量符号与计算方法 Table 2Symbols and calculation methods of variables in the regression of carbon shadow price on carbon productivity
为解决日益增大的环境压力,中国政府做出了多项减排承诺,如在哥本哈根气候峰会上提出2020年碳强度比2005年降低40%~45%的长期指标;在“十二五”与“十三五”规划中均提出了国家层面与地区层面的碳强度减排指标。随着减排的推进,中国各地区碳排放效率总体呈现增长趋势,具体如表3所示;与此同时,碳排放效率的增长也伴随着减排成本的快速增加,从而出现减排成本增速快于经济增速现象,致使基于效率指标评价中国各地区实际碳减排情况有失偏颇,具体如表4(见第2124页)所示。 Table 3 表3 表32011—2015年中国省际碳排放效率 Table 3Provincial carbon emission efficiency in China from 2011 to 2015
地区
2011年
2012年
2013年
2014年
2015年
北京
0.714
0.754
0.795
0.858
1.000
天津
0.428
0.450
0.462
0.507
0.580
河北
0.174
0.188
0.178
0.198
0.212
山西
0.116
0.121
0.120
0.129
0.149
内蒙古
0.107
0.112
0.129
0.137
0.154
辽宁
0.311
0.285
0.280
0.292
0.313
吉林
0.221
0.251
0.274
0.296
0.348
黑龙江
0.463
0.434
0.426
0.369
0.335
上海
0.742
0.822
0.742
1.000
1.000
江苏
0.485
0.516
0.504
0.548
0.603
浙江
0.449
0.465
0.504
0.545
0.595
安徽
0.646
0.587
0.534
0.549
0.590
福建
0.646
0.703
0.703
0.679
0.738
江西
0.367
0.412
0.353
0.379
0.403
山东
0.281
0.301
0.347
0.365
0.398
河南
0.247
0.284
0.322
0.341
0.405
湖北
0.272
0.313
0.390
0.422
0.504
湖南
0.549
0.575
0.611
0.640
0.637
广东
0.569
0.626
0.671
0.722
0.795
广西
0.250
0.264
0.277
0.305
0.360
海南
1.000
0.840
0.685
0.638
0.707
重庆
0.488
0.538
0.636
0.638
0.685
四川
0.826
0.822
0.821
0.885
1.000
贵州
0.127
0.134
0.146
0.169
0.212
云南
0.197
0.206
0.229
0.278
0.369
陕西
0.289
0.296
0.297
0.313
0.377
甘肃
0.234
0.246
0.251
0.270
0.316
青海
0.173
0.173
0.166
0.177
0.196
宁夏
0.079
0.062
0.059
0.061
0.073
新疆
0.116
0.106
0.099
0.098
0.101
全国均值
0.386
0.396
0.400
0.427
0.472
东部均值
0.549
0.567
0.559
0.606
0.663
中部均值
0.366
0.382
0.388
0.410
0.448
西部均值
0.262
0.269
0.283
0.303
0.349
东北均值
0.332
0.323
0.327
0.319
0.332
注:东、中、西部和东北地区划分依据文献[38]。其中,东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省(市);中部地区包括山西、安徽、江西、河南、湖北、湖南6个省;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省(市、自治区);东北地区包括辽宁、吉林、黑龙江3个省。 新窗口打开 Table 4 表4 表42011—2015年中国省际减排成本增速与经济增速的比值 Table 4Provincial ratio of abatement cost growth to GDP growth in China from 2011 to 2015
地区
2011年
2012年
2013年
2014年
2015年
北京
3.462
1.773
1.754
2.167
3.570
天津
0.324
1.431
1.242
2.075
2.678
河北
1.242
1.924
0.297
2.795
2.131
山西
1.476
1.463
0.885
2.608
6.063
内蒙古
-0.016
1.472
2.815
1.844
2.808
辽宁
1.044
0.055
0.779
1.797
3.363
吉林
0.861
2.246
2.184
2.333
3.976
黑龙江
0.616
0.323
0.735
-1.522
-0.693
上海
1.801
2.544
-0.370
6.326
1.000
江苏
1.303
1.699
0.738
2.089
2.287
浙江
0.632
1.483
2.090
2.168
2.232
安徽
1.383
0.150
0.040
1.352
1.932
福建
0.085
1.852
1.000
0.632
2.039
江西
1.263
2.243
-0.563
1.848
1.738
山东
1.633
1.779
2.763
1.655
2.200
河南
1.594
2.655
2.638
1.723
3.450
湖北
0.212
2.481
3.673
1.939
3.380
湖南
0.690
1.451
1.692
1.536
0.946
广东
-0.172
2.319
1.923
2.035
2.373
广西
1.042
1.548
1.535
2.281
3.392
海南
1.000
-0.918
-1.050
0.126
2.487
重庆
0.558
1.853
2.657
1.031
1.745
四川
1.951
0.956
0.995
1.998
2.769
贵州
-2.471
1.415
1.847
2.618
3.569
云南
1.679
1.382
2.019
3.881
5.075
陕西
2.674
1.210
1.037
1.599
3.806
甘肃
1.351
1.444
1.244
1.898
3.272
青海
0.349
0.991
0.582
1.783
2.413
宁夏
-1.387
-1.082
0.485
1.495
3.557
新疆
0.255
0.222
0.367
0.845
1.396
全国均值
0.881
1.346
1.268
1.899
2.698
东部均值
1.131
1.589
1.039
2.207
2.300
中部均值
1.103
1.741
1.394
1.834
2.918
西部均值
0.544
1.037
1.417
1.934
3.073
东北均值
0.840
0.875
1.232
0.869
2.215
注:四大区域划分见表3注。 新窗口打开 由表3可知,2011—2015年各地区碳排放效率总体呈上升趋势,从30个地区的均值来看,2011—2013年间增速较缓,由0.386上涨到0.400,增长了约3.63%;2013—2015年间增速相对较大,由0.400上涨为0.472,增长了约18.00%。总体来看,东部地区的碳排放效率最高,自2011年的0.549上升为2015年0.663,增长率为20.77%;其次为中部地区,碳排放效率由0.366增长到0.448,增长了约22.40%,增长率略高于东部地区;而西部地区与东北地区碳排放效率值最低。 由表4可知,2011—2015年各地区总的碳减排成本增速与经济增速比值( )总体呈波动上升趋势,其中2011—2012年由0.881增长为1.346,在2012—2013年则从1.346下降为1.268,随后2013—2015年呈增长态势,由1.268增长为2.698,增长率约为112.94%。 各变量具体以2015年为例,北京、上海与四川的碳排放效率值相对较高,3个地区在2015年效率值均达到了1.000,如图1所示,其中北京与上海两地主要是由于经济发展水平较高,而能源消耗与碳排放量相对较低,如2015年北京的实际GDP为3817亿元,在30个地区中从低到高排名为第15位,名义GDP排名为第18位,上海的实际GDP为8684亿元,排名为第26位,名义GDP排名为第19位;2015年北京的能源消耗量为6853万tce,在30个地区中从低到高排名为第4位,上海的能源消耗量为11 387万tce,排名为第13位;2015年北京的CO2排放量为9614万t,在30个地区中从低到高排名为第3位,上海的CO2排放量为22 104万t,排名为第12位。四川作为农业大省,通过设立科技支撑计划、重大科技成果转化示范等各类科技计划,并设立创业投资基金等扶持基金,采用“互联网+”等手段以创新驱动传统农业转型,促进农业的现代化,从而有效控制化石能源的消耗,2015年名义GDP下碳强度为1.049,排名第8位。较为特殊的地区是海南,其在2011年的碳排放效率为1.000,但随之降低,在2014年效率值下降到0.638,并在2015年略有上升,达到0.707,可见海南作为旅游大省,虽然环境友好程度较高,但由于经济增速较慢,在2015年实际GDP增速为7.80%,仅高于宁夏、青海与西藏3个地区,因而碳排放效率值有所下降。山西、内蒙古、青海、宁夏与新疆5个地区在2011—2015年内碳排放效率值均低于0.200,主要是由于山西与内蒙古作为产煤大省,能源消耗与碳排放量较高,而青海、宁夏与新疆处于西部地区,投资较少,效率则较低。 显示原图|下载原图ZIP|生成PPT 图12015年中国省际碳排放效率 -->Figure 1Provincial carbon emission efficiency in China in 2015 -->
从减排成本与经济增速比值来看,在2011年有14个地区达到 和 ,而2015年仅黑龙江和湖南2个地区实现 与 ,如图2所示,仅黑龙江位于横轴下方,而湖南比值小于1,表明现阶段大部分地区存在碳减排成本增长的速度快于经济增长速度。各地区呈现这一现象的主要原因可分为两个方面,一是由于现阶段正处于经济结构调整过程,大力发展第三产业导致第一、二产业增速缓慢或呈现负增长,如在2011—2012年上海第二产业增速为负,而在2014—2015年中有12个地区第二产业增速为负,相应的第三产业却无法在短时期内弥补第二产业面临的损失;二是河南、云南、宁夏与青海等地减排成本增速较快,由于中国碳减排采用强度控制原则,使得经济欠发达地区的碳排放量仍处于快速增长态势,导致减排成本的 增加。 显示原图|下载原图ZIP|生成PPT 图22015年中国省际减排成本增速与经济增速的比值 -->Figure 2Provincial ratios of abatement cost growth to GDP growth in China in 2015 -->
为了增加4.1章节中面板数据计量分析结论的稳健性,进一步证实碳影子价格与碳生产率的非线性关系,引入稳健性检验。由于各地区间存在显著的异质性,为此进行异方差与横截面序列相关检验,表明模型存在异方差与截面相关性,因此本文采用可行广义最小二乘法(FGLS)解决这一问题;同时,对公式(17)取对数,考察碳影子价格的对数和碳生产率的对数是否存在显著的线性关系,进而验证影子价格与碳生产率原数值的非线性关联。结果如表6所示。 Table 6 表6 表6碳影子价格对碳生产率的稳健性检验 Table 6Robust test of carbon shadow price on carbon productivity
基于此,为促进国家与地区有效实现碳减排目标,应采取以下对策: (1)积极构建多层次的碳减排质量评估体系,以高质量的减排实现环境治理与经济增长间的平衡,并据此形成国家与地区碳减排激励和约束机制。 (2)针对各地区碳减排成本与经济增速比值大于1出现的不同原因制定相应的政策。如北京、上海等经济较发达的东部地区,主要是由于现阶段处于产业结构转型升级过程中的结构调整阵痛期。第三产业增速无法弥补第一、第二产业的损失,造成经济增速下滑现象,由此造成减排成本增速高于经济增速。在这一背景下,相关政府需要一方面,从顶层设计层面来解决,通过京津冀协同发展、长江经济带等战略布局来寻找经济中长期持久推动的力量,保持经济的中高速增长;另一方面也要继续推动结构性改革,提高全要素生产率,坚定不移地推动改革,以免未来造成更多产能过剩,将短痛变为长痛,从而使社会矛盾减少到最轻。而云南、宁夏与青海等经济欠发达的西部地区,主要是由于工业发展导致的碳排放增速较快,造成为实现碳强度减排指标,导致减排成本增速加快。因此,政府需要在更高的起点上为未来做规划,而不仅关注短期GDP增长。在积极推动产业结构转型升级的同时,应提高能源利用效率,降低能源强度,优化能源结构,开发新能源。 (3)为保证影子价格与碳减排量的均衡,可从全国碳市场的构建与国际碳市场的链接角度解决这一矛盾。在碳市场,控排单位基于自身边际减排成本进行交易。当买卖双方的边际减排成本相等时达到市场均衡。因此,高碳影子价格的控排单位与地区能够基于交易降低自身的边际减排成本,而低碳影子价格的控排单位与地区通过碳交易可获得收入,形成进一步提高减排技术、增加减排投资的激励机制,进而提升了碳生产率。因此,随着2017年12月中国统一碳市场的运行,各试点地区与非试点地区将逐渐链接,以缓解高碳影子价格地区的减排困境,从而解决减排成本增速高于经济增速这一问题。 The authors have declared that no competing interests exist.
[MaD L, ChenZ C, WangL.Spatial econometrics research on inter-provincial carbon emissions efficiency in China [J]. , 2015, (1): 67-77. ] [本文引用: 1]
[6]
ZhangN, ChoiY.A comparative study of dynamic changes in CO2 emission performance of fossil fuel power plants in China and Korea [J]. , 2013, 62(9): 324-332. [本文引用: 1]
[7]
ZhangN, ZhouP, ChoiY.Energy efficiency, CO2 emission performance and technology gaps in fossil fuel electricity generation in Korea: a meta-frontier non-radial directional distance function analysis [J]. , 2013, 56: 653-662. [本文引用: 1]
[8]
ZhangN, ZhouP, KungC C.Total-factor carbon emission performance of the Chinese transportation industry: a bootstrapped non-radial Malmquist index analysis [J]. , 2015, 41: 584-593. [本文引用: 1]
[ChenS Y.Energy-save and emission-abate activity with its impact on industrial win-win development in China: 2009-2049 [J]. , 2010, 45(3): 129-143. ] [本文引用: 1]
[ChengS X, LiuJ P, GongZ Y.Evaluation of economic growth effect of energy saving and its influencing factors in China's industrial sector [J]. , 2016, 39(3): 166-192. ] [本文引用: 1]
[LiuM L, ZhuL, FanY.Evaluation of carbon emission performance and estimation of marginal CO2 abatement costs for provinces of China: a non-parametric distance function approach [J]. , 2011, (3): 106-114. ] [本文引用: 1]
[12]
ChoiY, ZhangN, ZhouP.Efficiency and abatement costs of energy-related CO2 emissions in China: a slacks-based efficiency measure [J]. , 2012, 98(5): 198-208. [本文引用: 1]
[13]
WeiC, NiJ, DuL.Regional allocation of carbon dioxide abatement in China [J]. , 2012, 23(3): 552-565. [本文引用: 1]
[YaoY F, LiangQ M, WeiY M.The impacts of international energy price volatility on China's marginal abatement cost: a CEEPA -based analysis [J]. , 2012, (2): 156-165. ] [本文引用: 1]
[WeiC.The marginal CO2 emission abatement and its influencing factors [J]. , 2014, 37(7): 115-141. ] [本文引用: 1]
[19]
ZhouP, AngB W, WangH.Energy and CO2 emission performance in electricity generation: a non-radial directional distance function approach [J]. , 2012, 221(3): 625-635. [本文引用: 1]
[20]
PastorJ T, LovellC A K. A global Malmquist productivity index [J]. , 2005, 88(2): 266-271. [本文引用: 1]
[21]
Reig-Martı?nezE, Picazo-TadeoA, Hernandez-SanchoF. The calculation of shadow prices for industrial wastes using distance functions: an analysis for Spanish ceramic pavements firms [J]. , 2001, 69(3): 277-285. [本文引用: 1]
[22]
HailuA, VeemanT S.Environmentally sensitive productivity analysis of the Canadian pulp and paper industry, 1959-1994: an input distance function approach [J]., 2000, 40(3): 251-274. [本文引用: 1]
[23]
LeeM.The shadow price of substitutable sulfur in the US electric power plant: a distance function approach [J]. , 2005, 77(2): 104-110. [本文引用: 1]
[24]
FäreR, GrosskopfS, LovellC A K, et al. Derivation of shadow prices for undesirable outputs: a distance function approach [J]. , 1993, 75(2): 374-380. [本文引用: 1]
[25]
CogginsJ S, SwintonJ R.The price of pollution: a dual approach to valuing SO2 allowances [J]. , 1996, 30(1): 58-72. [本文引用: 1]
[26]
RezekJ P, CampbellR C.Cost estimates for multiple pollutants: a maximum entropy approach [J]., 2007, 29(3): 503-519. [本文引用: 1]
[27]
MurtyM N, KumarS.Measuring the cost of environmentally sustainable industrial development in India: a distance function approach [J]. , 2002, 7(3): 467-486. [本文引用: 1]
[28]
AikenD V, PasurkaC A.Adjusting the measurement of US manufacturing productivity for air pollution emissions control [J]. , 2003, 25(4): 329-351. [本文引用: 1]
[29]
FäreR, GrosskopfS, NohD W, et al. Characteristics of a polluting technology: theory and practice [J]. , 2005, 126(2): 469-492. [本文引用: 1]
[30]
VardanyanM, NohD W.Approximating pollution abatement costs via alternative specifications of a multi-output production technology: a case of the US electric utility industry [J]. , 2006, 80(2): 177-190. [本文引用: 1]
[31]
CuestaR A, LovellC A K, ZofíoJ L. Environmental efficiency measurement with translog distance functions: a parametric approach [J]. , 2009, 68(8-9): 2232-2242. [本文引用: 1]
[32]
BoydG A, TolleyG, PangJ.Plant level productivity, efficiency, and environmental performance of the container glass industry [J]. , 2002, 23(1): 29-43. [本文引用: 1]
[33]
LeeJ D, ParkJ B, KimT Y.Estimation of the shadow prices of pollutants with production/environment inefficiency taken into account: a nonparametric directional distance function approach [J]. , 2002, 64(4): 365-375.
[34]
BellengerM J, HerlihyA T.An economic approach to environmental indices [J]. , 2009, 68(8): 2216-2223.
[35]
LeeS, OhD, LeeJ.A new approach to measuring shadow price: reconciling engineering and economic perspectives [J]. , 2014, 46: 66-77.