分省的二氧化碳排放效率测算及分析
2022-06-09
摘要：本文首先简要介绍了国内学者当前对环境保护、二氧化碳排放及经济发展的研究成果，然后引入可处理非期望产出的数据包络分析模型对我国二氧化碳排放效率进行了测算，并对测算结果进行了简要的分析。
关键词：二氧化碳排放；DEA；非期望产出
中图分类号：X24 文献标识码：A 文章编号：1001-828X（2014）010-0000-02
一、引言
改革开放以来，我国年均10%以上的经济增长被称为“奇迹”，然而我国的经济增长方式却是“高投入、高消耗、高排放、不协调、难循环、低效率”。2009年11月，我国政府明确了碳减排目标：到2020年，单位GDP的二氧化碳排放比2005年下降40%-50%，并且要作为约束性指标纳入国民经济和社会发展的中长期规划，并制定相应的国内统计、监测、考核办法。如何评价环境绩效、测度环境效率是决策者面临的首要问题。就二氧化碳减排而言，我国各省的二氧化碳排放效率及发展趋势如何，减排潜力又有多大，其背后的影响因素起多大作用？本文拟从上述问题出发，做一些尝试性的研究。
关于环境保护、二氧化碳排放及经济发展之间的关系，国内外学者做了深入的研究。冯相昭、邹骥运用改进的Kaya等式分析1971-2005年期间二氧化碳的排放趋势，并进行了无残差的因素分解，指出经济的高速发展、人口的增长是增加碳排放的主要驱动因素，并从政策的角度提出减少碳排放的建议。林伯强等认为应对气候变化及温室气体减排的制约，实现节能减排的关键在于能源结构的调整，并提出了节能减排和二氧化碳排放约束下的能源结构战略优化调整模型，并通过模型分析认为我国现阶段通过改变能源结构实现减排的空间不大，应重视其他方面的努力 。陈诗一、严法善、吴若沉从产业、区域、能源的三维角度出发深入分析了资本深化、生产率的提高与我国二氧化碳排放关系 。王金南等构建区域二氧化碳排放分解模型CRBDM （China Regional Burden Differentiation Model），并通过模型计算提出2020年二氧化碳排放总量省级分解方案。
二、研究方法
本文采用非参数的技术效率评价方法，非参数的方法又称为数据包络分析（Data Envelopment Analysis，DEA），该方法的核心则就是从大量的数据样本中找出多目标的最优解集，即最优的多输入、多输出组合，从而形成一个经验的生产函数。自从1978年诞生以来，DEA不论是在理论上还是在实际应用中都得到了发展，近几年，DEA广泛应用于经济学、管理学领域中的效率评价问题，成为相对效率评价最有效的工具之一。
经典的西方经济学在研究某个生产过程中，常常是只考虑对理性人有利产出，而忽略对理性人不利的产出。北大核心期刊目录2014这种对理性人有益的产出被称为“期望产出”，在理性人假设的前提下，期望产出越大越好；而对理性人不利的产出被称为“非期望产出”，这种非期望产出则越小越好。而传统DEA模型的相对效率评价思想不能区分期望产出和非期望产出，简单的要求投入必须尽可能地缩减，产出必须尽可能地扩大，显然不再适合存在非期望产出的效率评价问题。Fare首次提出第一个处理非期望产出的DEA模型 。自此以后，国内外有关环境效率评价问题的研究工作便大量兴起，取得了一系列的理论与实践应用成果。线性函数转换法是由Seiford和Zhu于2002年正式提出的 ，模型如下：
我们假设研究对象有N个决策单位（DMU），每个DUMj（j=1，…，N）都有k类投入记为Xj=（x1j，x2j…xkj），s类产出记为Yj=（y1j，y2j…ysj），r类非期望产出记为Bj=（b1j，b2j…brj），DUMbj（Xj，Yj，Bj）表示决策单位j的生产决策。
定义转化函数：B′=f（B）=V-B，其中V足够大使得B′中的元素都大于0。
显然，这种处理方法有效的保持了凸性和线性关系，并且避免了规模报酬不变的苛刻条件，是一种较好的评价存在非期望产出效率的方法。所以本文采用这种方法测度我国区域二氧化碳的排放效率。
三、数据来源及处理
本文旨在分析我国分省区的二氧化碳排放效率，由于西藏的能源数据不可得，故将西藏剔除。由于重庆在1997年之前隶属四川省，在区域发展和经济结构上两者具有一定的相似性，所以本文仍将重庆并入四川省，并对两者数据作相应的平滑处理。本文数据来源于1995-2012年《统计年鉴》及《能源统计年鉴》。投入要素如下：各省历年年末的就业人数作为劳动投入；用各省的物质资本存量作为资本投入。其中各省物质资本存量按照单豪杰（2008）的计算方法处理，并统一以1995年不变的价格折算。产出要素如下：GDP作为期望产出；二氧化碳作为非期望产出。其中GDP数据统一以1995为基期的不变价格进行调整为实际GDP数据，二氧化碳的排放数据的计算参照陈诗一（2009）所采用的计算方法 。他首先将分品种的能源消费折算成标准煤，然后估算了一组标准煤的二氧化碳排放系数，最后通过这些折算得出二氧化碳数据。
关键词：二氧化碳排放；DEA；非期望产出
中图分类号：X24 文献标识码：A 文章编号：1001-828X（2014）010-0000-02
一、引言
改革开放以来，我国年均10%以上的经济增长被称为“奇迹”，然而我国的经济增长方式却是“高投入、高消耗、高排放、不协调、难循环、低效率”。2009年11月，我国政府明确了碳减排目标：到2020年，单位GDP的二氧化碳排放比2005年下降40%-50%，并且要作为约束性指标纳入国民经济和社会发展的中长期规划，并制定相应的国内统计、监测、考核办法。如何评价环境绩效、测度环境效率是决策者面临的首要问题。就二氧化碳减排而言，我国各省的二氧化碳排放效率及发展趋势如何，减排潜力又有多大，其背后的影响因素起多大作用？本文拟从上述问题出发，做一些尝试性的研究。
关于环境保护、二氧化碳排放及经济发展之间的关系，国内外学者做了深入的研究。冯相昭、邹骥运用改进的Kaya等式分析1971-2005年期间二氧化碳的排放趋势，并进行了无残差的因素分解，指出经济的高速发展、人口的增长是增加碳排放的主要驱动因素，并从政策的角度提出减少碳排放的建议。林伯强等认为应对气候变化及温室气体减排的制约，实现节能减排的关键在于能源结构的调整，并提出了节能减排和二氧化碳排放约束下的能源结构战略优化调整模型，并通过模型分析认为我国现阶段通过改变能源结构实现减排的空间不大，应重视其他方面的努力 。陈诗一、严法善、吴若沉从产业、区域、能源的三维角度出发深入分析了资本深化、生产率的提高与我国二氧化碳排放关系 。王金南等构建区域二氧化碳排放分解模型CRBDM （China Regional Burden Differentiation Model），并通过模型计算提出2020年二氧化碳排放总量省级分解方案。
二、研究方法
本文采用非参数的技术效率评价方法，非参数的方法又称为数据包络分析（Data Envelopment Analysis，DEA），该方法的核心则就是从大量的数据样本中找出多目标的最优解集，即最优的多输入、多输出组合，从而形成一个经验的生产函数。自从1978年诞生以来，DEA不论是在理论上还是在实际应用中都得到了发展，近几年，DEA广泛应用于经济学、管理学领域中的效率评价问题，成为相对效率评价最有效的工具之一。
经典的西方经济学在研究某个生产过程中，常常是只考虑对理性人有利产出，而忽略对理性人不利的产出。北大核心期刊目录2014这种对理性人有益的产出被称为“期望产出”，在理性人假设的前提下，期望产出越大越好；而对理性人不利的产出被称为“非期望产出”，这种非期望产出则越小越好。而传统DEA模型的相对效率评价思想不能区分期望产出和非期望产出，简单的要求投入必须尽可能地缩减，产出必须尽可能地扩大，显然不再适合存在非期望产出的效率评价问题。Fare首次提出第一个处理非期望产出的DEA模型 。自此以后，国内外有关环境效率评价问题的研究工作便大量兴起，取得了一系列的理论与实践应用成果。线性函数转换法是由Seiford和Zhu于2002年正式提出的 ，模型如下：
我们假设研究对象有N个决策单位（DMU），每个DUMj（j=1，…，N）都有k类投入记为Xj=（x1j，x2j…xkj），s类产出记为Yj=（y1j，y2j…ysj），r类非期望产出记为Bj=（b1j，b2j…brj），DUMbj（Xj，Yj，Bj）表示决策单位j的生产决策。
定义转化函数：B′=f（B）=V-B，其中V足够大使得B′中的元素都大于0。
显然，这种处理方法有效的保持了凸性和线性关系，并且避免了规模报酬不变的苛刻条件，是一种较好的评价存在非期望产出效率的方法。所以本文采用这种方法测度我国区域二氧化碳的排放效率。
三、数据来源及处理
本文旨在分析我国分省区的二氧化碳排放效率，由于西藏的能源数据不可得，故将西藏剔除。由于重庆在1997年之前隶属四川省，在区域发展和经济结构上两者具有一定的相似性，所以本文仍将重庆并入四川省，并对两者数据作相应的平滑处理。本文数据来源于1995-2012年《统计年鉴》及《能源统计年鉴》。投入要素如下：各省历年年末的就业人数作为劳动投入；用各省的物质资本存量作为资本投入。其中各省物质资本存量按照单豪杰（2008）的计算方法处理，并统一以1995年不变的价格折算。产出要素如下：GDP作为期望产出；二氧化碳作为非期望产出。其中GDP数据统一以1995为基期的不变价格进行调整为实际GDP数据，二氧化碳的排放数据的计算参照陈诗一（2009）所采用的计算方法 。他首先将分品种的能源消费折算成标准煤，然后估算了一组标准煤的二氧化碳排放系数，最后通过这些折算得出二氧化碳数据。