基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究.docx

基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究.docx

《基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究.docx》由会员分享，可在线阅读，更多相关《基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究.docx（7页珍藏版）》请在冰豆网上搜索。

基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究

基于随机前沿的我国省域ぬ寂欧判率和全要素生产率研究

　　摘要：

选取我国30个省2000～2011年的面板数据，运用随机前沿方法进行实证分析。

结果表明：

研发投入、产业结构、开放度与碳排放效率正相关，而能源结构与碳排放效率负相关；总体上来看，我国碳排放效率还比较低，还有较大的改善空间；我国碳排放效率在2000～2007年间不断升高，而2008年之后则有所下降；我国碳排放效率和全要素生产率指数都呈现从东部到中、西部依次递减的格局；技术进步对全要素生产率提高的贡献相对较大，而技术效率的作用相对较小。

　　关键词：

碳排放效率；全要素生产率；随机前沿法

　　改革开放以来，我国的经济建设取得了举世瞩目的成就，年均经济增长接近10%，但是伴随着经济的高速发展，我国二氧化碳排放增长更快。

目前我国已是世界上的碳排放大国，2007年我国超过了美国成为全球第一大碳排放国[1]。

从碳排放强度来看，2009年我国的碳排放强度是日本的89倍，德国的82倍，美国的52倍，巴西的53倍，印度的16倍[2]，因此，总体上看我国的碳排放效率还比较低。

我国政府高度重视节能减排问题，2009年11月，我国对世界承诺，到2020年我国单位GDP的碳排放比2005年降低40%～50%[3]。

但是要实现该目标并不容易，ShiMinjun认为在现有技术水平下，我国的减排目标很难实现[4]；魏庆琦认为在现有技术水平下，我国要实现减排40%～50%的目标对我国经济的负面影响将很大[5]。

在保持经济平稳增长的前提下，我国要实现承诺的减排目标，必须提高碳排放效率和全要素生产率（totalfactorproductivity，TFP）。

因此，对我国各省域碳排放效率和TFP进行研究，可以为政府制定碳减排政策提供理论依据，同时还有助于各地区因地制宜地实施减排政策。

　　1文献综述

　　近年来，随着环境污染、气候变暖问题日趋严峻，学术界对碳排放效率、TFP等的研究越来越多。

早期学者主要用碳排放总量与某一要素的比值作为评价碳排放效率的指标。

例如Kaya等、Mielnik、Sun分别用碳生产率（国民生产总值与碳排放总量的比值）、单位能源消费的碳排放量、碳强度（单位GDP的碳排放量）作为碳排放效率的评价指标[6～8]。

用单因素指标评价碳排放效率容易理解、易于操作，但也存在明显的缺陷。

单因素指标不能充分反映一个地区碳排放效率的多维度特征，同时能源结构、产业结构、技术水平等都是影响碳排放的要素，单因素指标不能反映各要素之间的替代作用[9]。

此外，单因素很容易受经济波动的影响而改变，但是这并不意味着碳排放效率的提高。

　　鉴于单要素指标评价法存在的不足，近年来的研究更多利用前沿边界的方法从全要素的角度评价碳排放效率，其中数据包络分析（DEA）是最为常见的分析方法。

例如LiDZ、Zhou等、王群伟等、李涛利用DEA模型来估算碳排放效率及碳排放影响因素[10～13]。

毕占山、王万山、罗良文、李珊珊、李明敏利用DEA模型和方向性距离函数来测算各地区TFP[14～16]。

虽然DEA方法相对于单要素指标评价法具有很多优势，但是DEA方法也存在一定的不足，如DEA方法易受数据质量的影响，同时DEA模型不具有统计特性，无法对模型估计结果进行检验。

相对于DEA模型，随机前沿法（stochasticfrontierapproach，SFA）引入了随机扰动项，且该模型具有统计特性，不但可以对估计的参数进行检验，还能对模型本身进行检验。

同时，SFA模型将误差项进行了分解，对于跨期面板数据分析来说，其结论更接近于现实[17]。

因此，本文拟采用SFA模型，运用我国30个省域的面板数据测算我国各地区碳排放效率和TFP指数，并对该指数进行分解，以期为政府制定减排政策提供理论依据。

　　2模型构造与数据说明

　　2.1模型构造

　　SFA模型认为实际产出（实际投入）偏离生产前沿面是由随机误差项和技术无效率项共同作用产生的。

SFA模型可表示为：

　　yit=f（xit；β）exp（vit-uit）

（1）

　　式

（1）中，yit、xit分别表示i地区t年的产出和投入；β是待估参数；vit是代表统计噪声的随机误差项，且vit～iidN（0，σ2v）；uit是与技术无效率相关的非负随机变量，且uit～iidN+（mit，σ2u），其中mit=∑ni=1ωizit，z为影响技术效率的变量，ω为待估参数。

另外，vit与uit互相独立且与xit不相关。

　　本文选取了最为灵活的超对数SFA生产函数。

借鉴以往研究者的思想，本文把碳排放作为投入处理。

因此，产出为地区生产总值，投入为劳动、资本、碳排放。

具体模型如下：

　　lnyit=β0+β1lnLit+β2lnKit+β3lnCit+12β4lnL2it+β5lnLitlnKit+β6lnLitlnCit+12β7lnK2it+β8lnKitlnCit+12β9lnC2it+β10tlnLit+β11tlnKit+β12tCit+β13t+12β14t2+vit-uit

（2）

　　式

（2）中，yit表示i地区t年的地区生产总值；Lit、Kit、Cit分别表示i地区t年的劳动投入、资本存量、碳排放量；vit-uit称为方程的复合残差。

　　选取科研投入、产业结构、能源结构、开放度作为影响技术无效率的因素，无效率项模型形式为：

　　mit=ω0+ω1Rit+ω2Pit+ω3Eit+ω4oit+μit（3）

　　式（3）中，Rit、Pit、Eit、Oit分别表示i地区t年的研发投入、产业结构、能源结构、开放度。

　　式

（2）中，复合残差vit-uit的方差为σ2=σ2v+σ2u，定义γ=σ2uσ2，显然0≤γ≤1。

如果γ=0，则不存在技术无效率，即所有与前沿面的偏差都是由随机误差项造成的。

如果γ≠0，则由于存在复合残差项，可以使用极大似然法估计方程，其估计量有效。

使用极大似然法估计方程可以确定估计参数，并得出每个地区每个时期的技术效率值。

技术效率定义为：

　　TEit=exp（-uit）（4）

　　相邻两年的技术效率变化可以表示为：

　　TECH=TEitTEis（5）

　　对于i地区s期和t期之间的技术进步指数可以通过方程参数的估计直接计算得到。

当方程为超对数SFA生产函数时，技术进步就等于对数求导的算术均值的指数，即：

　　TPCH=exp12lnyiss+lnyitt（6）

　　通过式（5）和式（6）可以把技术效率变化和技术进步指数乘积得到TFP指数，即：

　　TFP=TECH×TPCH（7）

　　2.2数据说明

　　本文选用2000～2011年我国30个省的相关数据，鉴于部分数据缺失，西藏未列入研究范围。

文中所涉及到的所有数据都来源于各省历年《统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》。

其中地区生产总值是以2000年不变价格调整后的实际值；劳动投入为各省年末总就业人数；资本存量采用永续存盘法计算得到，选取2000年为基期，其中折旧率采用张军数据，取值0096；碳排放系数、标准量转换系数来源于《2009中国可持续发展战略报告――探索中国特色的低碳道路》；研发投入为各省研发经费支出与地区生产总值之比；产业结构用第三产业产值占地区生产总值的比重来表示；能源结构用各省原煤使用量（标准煤）占总能源使用量（标准煤）的比重来表示；开放度用地区进出口总值与地区生产总值的比值来表示。

在能源使用量统计中，由于原始统计时各种能源的消费量都为实物统计量，而测算碳排放时必须转换为标准统计量。

根据《中国能源统计年鉴》统计口径，将最终能源消费种类划分为9类，即原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力。

这9类能源的标准量转换系数和碳排放系数见表1。

　　表1各类能源的转换系数及碳排放系数

　　原煤焦碳原油汽油煤油柴油燃料油天然气电力标准量转换系数0710971.431.471.471.461.4313.31.23碳排放系数075011059055034059062045221注：

表1中各类能源的标准量系数与碳排放系数均来自于《2009中国可持续发展战略报告――探索中国特色的低碳道路》

　　3实证结果分析

　　本文使用Frontier4.1软件对我国30个省碳排放效率及其影响因素进行了实证分析，具体结果见表2、表3、表4、表5、表6。

　　3.1SFA生产函数估计

　　由表2可知，模型中大部分系数都具有统计显著性，因此，考虑到该模型自由度的优势，保留使用该模型。

劳动与资本的产出弹性为正，且资本的产出弹性更大，说明资本存量增长对产出增长的贡献更大。

碳排放的产出弹性为负，说明减少碳排放有利于提高产出效率。

三个产出弹性的总和：

039+261-022>1，说明样本均值数据点的规模报酬是递增的。

与劳动、资本、碳排放变量相关的时间变量系数分别为负、正、接近等于零，这表明在研究期内技术进步可以是劳动力使用的增加和资本使用的节省，这可能是由我国经济发展中劳动力成本相对便宜造成的。

时间系数和时间平方的系数为正，表明在研究期内技术不断进步且技术进步率逐渐增加。

γ的值为0998，通过了极大似然检验，说明前沿生产函数的误差主要来源于无效率项uit，因此本文采用SFA模型是可取的。

　　表2SFA的参数估计结果

　　变量估计值t比率变量估计值t比率变量估计值t比率常数项-526515LnL*LnC002060T*LnC-001-4.39LnL039-234（LnK）2-023-755T013-238LnK2611235LnK*LnC-007-229T2001-3818LnC-022-3.36（LnC）2010584σ20011053（LnL）2-001-039T*LnL-004-3938γ0998225LnL*LnK008217T*LnK0061224对数似然34202

　　3.2效率影响因素分析

　　由表3可知，各影响因素都是显著的。

研发投入的估计值为负，说明研发投入可以降低单位产值的能耗，有利于提高碳排放效率。

因此我国应加大研发投入力度，提高地区生产总值中研发投入比例。

产业结构的估计值为负，说明提高经济中第三产业的比重，可以提高碳排放效率。

一般来说，第一、第三产业属于低碳产业，而第二产业属于高碳产业，因此大力发展第三产业、改善产业结构可以提高碳排放效率。

能源结构的估计值为正，说明原煤消耗比例增加会降低碳排放效率。

不同能源碳排放系数不同，在《中国能源统计年鉴》划分的9种能源中，原煤的碳排放系数最高，因此优化能源结构、提高清洁能源的使用比例可以提高碳排放效率。

开放度的估计值为负，说明发展对外经济可以提高碳排放效率。

扩大对外开放，积极引进外资和国外先进的技术设备，优化外资引入和外贸出口结构，可以有效提高我国的碳排放效率。

　　表3效率影响因素变量参数估计结果

　　变量估计值t比率变量估计值t比率变量估计值t比率常数项057719产业结构-001-475开放度-002-851研发投入-0031.47能源结构0004533

　　3.3各省碳排放效率分析

　　由表4可知，总体上来看，我国碳排放效率还比较低，相对于前沿面来说，三个时间段分别有32%、30%、33%的改善空间。

我国碳排放效率在2000～2007年不断升高，这可能是由于我国“十五”以来比较重视节能减排，大力发展清洁能源，并制定了有效的减排政策。

而2008年后我国碳排放效率反而下降，这可能是由我国经济危机后大规模刺激经济造成的。

我国碳排放效率均值从东部到中、西部逐渐递减。

在所研究的30个省域中，有11个省碳排放效率均值高于全国平均水平，19个低于全国平均水平。

碳排放效率最高的5个省分别是上海、北京、广东、海南、天津；而最低的5个省分别是贵州、安徽、河南、四川、河北。

　　表42000～2011年各省碳排放效率平均值

　　地区2000～20032004～20072008～2011地区2000～20032004～20072008～2011

　　北京094095098湖北063063065天津082094083湖南065068073河北056060055广东090093098山西055064063广西072075063内蒙古073064060海南081090089辽宁070065059重庆069066061吉林072067049四川055058057黑龙江069075068贵州046050058上海095098096云南057059056江苏070077083陕西054061058浙江076074074甘肃067070062安徽056058049青海068065064福建087083076宁夏069060060江西071066058新疆057061058山东062064067全国068070067河南054059054

　　34各省碳排放约束下TFP分析

　　由表5可知，2001～2011年我国各地区TFP平均指数存在差异。

有13个省TFP平均指数高于全国水平，17个省低于全国水平。

TFP平均指数大于1，表明TFP呈现逐年递增的趋势，反之则逐年递减。

在所研究的30个省中，TFP平均指数小于1的有6个，其中中部地区两个，西部地区四个，而东部地区全部大于1。

TFP增长较快的省份分别是上海、北京、江苏、广东，而增长较慢的省份分别是甘肃、广西、青海、宁夏。

在TFP平均指数前10位中，东部占9个，西部占1个；而TFP平均指数后10位中，中部占3个，西部占7个。

显然，东部省域碳排放约束下TFP增长要好于中西部，而中部又好于西部。

　　表52001～2011年各省TFP平均指数

　　地区TFP指数地区TFP指数地区TFP指数地区TFP指数北京109上海1.10湖北102云南101天津106江苏109湖南103陕西103河北104浙江107广东107甘肃097山西103安徽101广西099青海099内蒙古101福建103海南102宁夏099辽宁104江西099重庆102新疆104吉林099山东106四川103全国103黑龙江103河南102贵州101

　　35三大区域TFP平均指数及其分解

　　由表6可知，2001～2011年，东、中、西部地区TFP年均增长率分别为609%、167%、081%，即TFP年均增长率从东至西依次递减。

三大区域TFP增长中，技术进步的贡献比较大，而技术效率的作用较小，在中西部地区，技术效率反而抑制了TFP的提高。

东、中、西部地区技术进步率年均增长分别为598%、217%、1.48%，即技术进步率年均增长自东至西也呈现逐次递减格局。

东、中、西部地区技术效率年均增长分别为011%、-047%、-065%。

从表5中可以看出，在现有技术水平下，三大区域技术发挥都比较低，且自东至西地区产出与有效生产前沿面的距离逐次拉大，技术效率损失比较明显。

　　4结论与政策导向

　　本文利用SFA模型对我国30个省碳排放效率和TFP指数进行测算，并进行分解，主要得出以下结论：

（1）研发投入、产业结构、能源结构、开放度对碳排放效率的影响都是显著的。

增加研发投入、优化产业结构、提高开放度，改善能源结构可以有效提高我国各地区碳排放效率。

（2）总体上来看，我国碳排放效率还比较低。

我国碳排放效率在2000～2007年间不断升高，而2008年之后则有所下降。

我国东、中、西部地区碳排放效率依次递减。

（3）与碳排放效率相似，我国各地区TFP变化自东至西呈现逐次递减的格局。

（4）技术进步对我国各地区TFP上升的贡献比较大，而技术效率的作用较小，目前我国技术效率损失比较明显。

　　基于以上分析，本文认为可以从以下几个方面提高我国碳排放效率和TFP，不断缩小地区之间的差距：

（1）加大科研经费支出，提高对节能减排、新能源开发等的支持力度，提高自主创新能力，加快先进技术从东部向中西部地区扩散。

（2）不断优化产业结构，逐渐淘汰落后产能，大力发展高科技产业、先进制造业、高端服务业等低碳产业。

（3）改善能源结构，减少化石能源的消费比例，大力发展新能源、清洁能源，提高能源利用效率。

（4）提高对外开放水平，不断引进国外先进技术、管理，提高技术使用效率，积极发展对外贸易，不断提高外贸层次，改善外贸结构。

（5）不断实施管理创新、制度创新，从创新中提高碳排放效率和TFP，尤其是提高中西部地区的效率水平。

　　参考文献：

　　[1]OlivierJGJ.TrendsinGlobalCO2Emissions：

2012Report[M].PBLNetherlandsEnvironmentalAssessmentAgency，2012.

　　[2]曹广喜，杨灵娟.基于间接碳排放的中国经济增长、能源消耗与碳排放的关系研究[J].软科学，2012（9）：

1-6.

　　[3]孙传旺，刘希颖，林静.碳强度约束下中国全要素生产率测算与收敛性研究[J].金融研究，2010（6）：

17-33.

　　[4]SHIMinjun，LINa，ZHOUShenglv，YUANYongna，MAGuoxia.CanChinaRealizeCO2MitigationTargettoward2020[J].JournalofResourcesandEcology，2010，1

（2）：

145-154.

　　[5]魏庆琦，赵嵩正，肖伟.资源环境税对交通运输碳排放强度调节效应的实证研究[J].软科学，2013（6）：

33-38.　　[6]KenjiYamaji，RyujiMatsuhashi，YutakaNagata，YoichiKaya.AStudyonEconomicMeasuresforCO2ReductioninJapan[J].EnergyPolicy，1993，21

（2）：

123-132.

　　[7]MielnikO，GoldembergJ.TheEvolutionoftheCarbonizationIndexinDevelopingCountries[J].EnergyPolicy，27（5）：

307-308.

　　[8]SunJW，TheDecreaseofCO2EmissionIntensityIsDecarbonizationatNationalandGlobalLevels[J].EmergyPolicy，2005，33（8）：

975-978.

　　[9]杨红亮，史丹.能效研究方法和中国各地区能源效率的比较[J].经济理论与经济管理，2010（3）：

12-20.

　　[10]LiDZ，ChenHX，HuiE，etal.AMethodologyforEstimatingtheLife-cycleCarbonEfficiencyofaResidentialBuilding[J].Buildingandenvironment，2013，59：

448-455.

　　[11]ZhouP，AngBW，HanJY.TotalFactorCarbonEmissionPerformance：

AMalmquistIndexAnalysis[J].EnergyEconomics，2010，32

（1）：

194-201.

　　[12]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010

（1）：

45-54.

　　[13]李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011，28（7）：

62-71.

　　[14]毕占山，王万山.碳排放约束下我国省际能源效率的测算[J].统计与决策，2012（9）：

93-96.

　　[15]罗良文，李珊珊.FDI、国际贸易的技术效应与我国省际碳排放绩效[J].国际贸易问题，2013（8）：

142-150.

　　[16]李明敏.基于DEA的各省节能减排绩效评价[J].统计与决策，2013（18）：

126-130.

　　[17]朱承亮，岳宏志，师萍.环境约束下的中国经济增长效率研究[J].数量经济研究，2011（5）：

3-20.

　　（责任编辑：

秦颖）