碳排放效率的区域差异、动态演进及其收敛性.pdf

统计与决策2023年第16期总第628期统 计 观 察碳排放效率的区域差异、动态演进及其收敛性胡剑波1，李潇潇1，王蕾2（1.贵州财经大学 经济学院，贵阳 550025；2.中国社会科学院 工业经济研究所，北京 100006）摘要：文章运用两步法随机前沿模型与共同前沿理论，将技术异质性与随机误差引起的估计偏误纳入碳排放效率的测度框架，并实证探究了碳交易试点政策对碳排放效率区域差异、动态演进及收敛性的作用机制。研究发现：碳交易政策促进试点地区碳排放效率提升，然而市场发育成熟度与要素市场的扭曲在一定程度上影响了政策有效性。通过泰尔指数得知未实行碳交易政策的地区内部碳排放效率差异较大，且短期内无法消除。在空间马尔可夫链下碳排放效率的转移概率具有稳定性且整体效率水平有待优化。在全样本时期全国、试点与非试点地区存在显著的时空收敛，碳交易政策有助于缩小地区间碳排放效率的分化，而俱乐部关系的形成及全国性碳交易市场的建立有助于缓解地区间碳排放效率差距的扩大。关键词：碳交易试点；碳排放效率；区域差异；动态演进；收敛性中图分类号：F062.1文献标识码：A文章编号：1002-6487（2023）16-0074-05基金项目：贵州省高校人文社会科学研究基地项目（23RWJD140）；四川省社会科学重点研究基地四川循环经济研究中心资助项目（XHJJ-2202）作者简介：胡剑波（1982），男，四川泸州人，教授，博士生导师，研究方向：低碳经济与绿色发展。（通讯作者）李潇潇（1991），男，河南新乡人，硕士研究生，研究方向：低碳经济。王蕾（1979），男，江苏涟水人，博士，副研究员，研究方向：能源政策与能源效率。0引言当前，我国仍处于工业化和城市化的关键节点，能源消费持续攀升和资源禀赋现状短期内难以转变。现阶段以传统能源为主的用能结构客观上要求将提高碳排放效率上升到新的战略高度。为降低二氧化碳等温室气体的排放，碳排放权交易机制被纳入我国减排政策体系，其通过激励边际减排成本较低的地区优先减排以实现某一减排目标下全社会的减排成本最小。碳排放效率作为评估绿色发展的关键指标，能够准确利用投入产出数据表征经济增长与碳排放的关系1。当前基于DEA方法评估碳排放效率时一般将生产要素视为投入变量，结合产出变量，通过求解不同距离函数的线性规划问题得出效率值2。应用SFA方法研究碳排放效率时通常将CO2当作一种负投入，和其他生产要素一同纳入参数方程，根据参数方程构建生产前沿面，进而对效率进行评估3。由于我国区域间经济、技术发展不平衡不充分的现象明显，部分学者将技术异质性引入生产前沿，从共同前沿理论出发研究碳排放效率问题4。揭示碳交易试点政策实施下碳排放效率的区域差异与演化趋势有助于厘清碳排放效率的差异来源与变化规律，有助于高质量发展的区域经济布局和国土空间体系。学者们利用Da-gum基尼系数、核密度估计与GIS空间分析法从区域、产业等角度揭示碳排放效率的动态演进5。在核算出碳排放效率后，对其进行收敛性分析可以为制定合理的差异化减排政策提供理论支撑，特别是全国性碳交易市场建立之后，依据本区域碳排放效率的长期收敛态势能够更加科学地评估自身减排空间、减排成本与责任。经典的收敛理论源自新古典增长理论中的索罗模型，不同初始值的经济体发展水平最终会趋近于同一水平。根据要素边际产出或收益递减的规律，不同经济体的发展水平最终会收敛于稳态。根据分析方法和研究对象的不同，主要分为收敛、收敛、时空收敛和俱乐部收敛。鉴于此，本文做了如下工作：第一，将两步法随机前沿模型应用于碳交易试点政策下碳排放效率的测度，将共同前沿理论纳入随机前沿分析中，充分考虑地区生产技术异质性与随机误差、技术效率之间的联系。第二，将空间马尔可夫链引入碳排放效率的动态演进中，动态化地反映出区域在不同邻域、不同时期下的演变特点及其状态转移规律；第三，从时间和空间两大维度深入探讨碳交易试点政策下碳排放效率的区域差异及时空收敛性，并应用俱乐部收敛模型对碳排放效率最终收敛稳态做进一步识别。1研究设计1.1两步法随机前沿模型Kaya和Yokobori（1997）6将CO2的排放视为一种“容碳空间”，将CO2当作投入要素提出碳生产率的概念。本文利用Zhang和Zhou（2020）7提出的两步法随机前沿模型，将CO2（C）作为投入要素同资本（K）、劳动力（L）纳入谢泼DOI:10.13546/ki.tjyjc.2023.16.01474统计与决策2023年第16期总第628期统 计 观 察德距离函数中，估计组群前沿面效率，进而建立共同前沿面，通过组群效率得出共同前沿效率。构造生产技术集T：T=()KLCY:()KLC 可以生产Y（1）根据生产技术集，建立投入导向的谢泼德距离函数：DC()KLCY=sup:KLC Y（2）本文将碳排放效率定义为潜在最优CO2投入与实际CO2投入之比，即：CEE=()C C=1 =1 DC()KLCY（3）根据Zhang和Zhou（2020）7的模型设定，利用距离函数的一次齐次性，即DC()KLCY=CDC()KL1Y，并结合超越对数函数对谢泼德距离函数进行估计：lnDC()KLCY=lnC+0+KlnK+LlnL+YlnY+12KKlnKlnK+KLlnKlnL+KYlnKlnY+12LLlnLlnL+LYlnLlnY+12YYlnYlnY（4）令u=lnDC()KLCY，则式（5）恒等变形为：-lnC=0+KlnK+LlnL+YlnY+12KKlnKlnK+KLlnKlnL+KYlnKlnY+12LLlnLlnL+LYlnLlnY+12YYlnYlnY+v-u（5）其中，u为碳排放无效率值，设定为服从截断正态分布；v为随机扰动项，设定为服从正态分布。利用两步法随机前沿模型要先估计组内前沿。将施行碳交易政策的地区设定为试点组群，其他地区为非试点组群，则组群碳排放效率CEEg可以表示为：CEEg=1 DgC(KLCY)（6）利用式（5）对组内碳排放效率进行估计，得到CEEg=E()exp()-u，进而通过基于共同前沿生产技术集的谢泼德距离函数Dm，估计共同前沿下效率值，其中TGR为组前沿与共同前沿间的技术落差，则共同前沿下的碳排放效率CEEm为：CEEm=TGRCEEg（7）1.2泰尔指数及其分解本文利用泰尔指数来衡量碳排放效率的区域差异。泰尔指数可以将区域总体差异分解为区域内部差异和区域间差异，并由此衡量他们在总体差异中的重要性与贡献率。具体公式如下：T=Tw+Tb=130i=130ceei-ceelnceei-cee=q=12nq30-ceeq-cee1nqq=1nqceeqi-ceeqlnceeqi-ceeq+q=12nq30-ceeq-ceeln-ceeq-cee（8）其中，nq表示第q组包含的省份数量，ceei表示第i个省份的碳排放效率，ceeqi表示第q组中第i个省份的碳排放效率，-cee表示碳排放效率的总体平均值，-ceeq表示第q组的碳排放效率的平均值，Tw和Tb分别表示区域内差异与区域间差异。TwT和TbT分别为区域内差异和区域间差异对总体差异的贡献度。1.3空间马尔可夫链本文通过引入空间马尔可夫链分析碳排放效率的动态发展特征及状态转移规律。建立一个1k的矩阵M用于储存t时期各地区碳排放效率的状态概率，而不同时期区域内碳排放效率的转移概率用矩阵N表示。本文将各地区碳排放效率按照四分位数划分为4种类型，由低到高表示为k=1234。其中，矩阵N中的元素Pij表示t到t+1时期碳排放效率由第i型向第j型转移的概率。Pij=lijli，lij表示概率发生转移的地区加总，li为属于第i种类型地区数量加总。引入“空间滞后”的概念，考察在空间溢出效应下邻近地区的碳排放效率对本地区碳排放效率转移概率的影响。以k种类型将矩阵N分解为k个kk条件转移概率矩阵，记为矩阵R，其中Pki/j为在第k型空间滞后条件下，该地区碳排放效率由第i型向第j型转移的概率。用Lag表示某区域邻近地区碳排放效率值的加权平均，记为Lag=CEEiWij，Wij表示地区i与j的空间关系，本文选择地理邻接矩阵。1.4收敛性1.4.1时空收敛本文参考刘明和王思文（2018）8的研究将空间因素纳入经典收敛检验模型中，建立时空收敛模型，时空收敛模型可以同时体现碳排放效率在时间、空间维度上的相互依存关系。ln()CEEiTCEEit=-1-e-()T-tln()CEEit+it（9）其中，i为地区，t、T为时间，为收敛速度，为常数，it为随机误差项。令rit+1=ln()CEEiTCEEit，引入基于地理距离平方倒数的空间矩阵ij，得到rit+1=ln()CEEiTijCEEit，ijCEEt为碳排放效率的加权平均值，式（10）即为同时纳入时间、空间维度的收敛模型。rit+1=-()1-e-ln()ijCEEt+t（10）将式（10）两端同时左乘矩阵ij再减去式（10）得到：()E-ijrit+1=()E-ij-()1-e-()E-ijln()ijCEEt+()E-ijt（11）式（11）减去式（10）得到式（12），令=()E-ij，t=()E-ijt。()E-ijrit+1=-()1-e-()E-ijln()ijCEEt+t（12）式（12）即为时空收敛模型，若0，则呈时空收敛态势，其中值越大，收敛速度则越快；若全国非试点”。试点地区碳排放效率收敛速最快，然而非试点地区碳排放效率的收敛速度最低。表520002019年碳排放效率时空收敛检验结果截距项-（1-e-）个体/年份固定效应全国0.0009（0.05）-0.2606*（-4.15）0.3019YES试点地区0.0147（0.37）-0.3848*（-2.07）0.4859YES非试点地区-0.0026（-0.13）-0.2286*（-3.01）0.2595YES注：估计结果括号内为t值。2.4.2俱乐部收敛分析采用logt检验对各省份碳排放效率进行俱乐部收敛分析，通过全局收敛检验。俱乐部收敛具体结果如表6所示，其中俱乐部1碳排放效率均值为0.8169，俱乐部2为0.7340。俱乐部成员碳排放效率的长期趋同性使得不同地区的碳排放效率更具可比性，同一俱乐部内碳排放效率较低的地区拥有更大的减排潜力。根据文献12中评估污染物减排潜力的方法，将地区减排潜力定义为1-CEE。则俱乐部1减排潜力均值为18.31%，俱乐部2为26.6%。从表6可知，碳交易试点地区碳排放效率同属于俱乐部1，在长期收敛于同一稳态，表明了碳交易政策在碳排放效率提升上发挥了积极作用。俱乐部2减排潜力远大于俱乐部1，距离全国潜在最优技术仍然有不小差距，减排空间巨大。表620002019年碳排放效率俱乐部收敛识别结果俱乐部俱乐部1俱乐部2省份北京、天津、上海、重庆、湖北、广东、福建、河北、山西、内蒙古、辽宁、吉林、黑龙江、江苏、浙江、安徽、江西、河南、湖南、广西、海南、四川、贵州、云南、甘肃、青海山东、陕西、宁夏、新疆CEE均值0.81690.73403结论本文运用两步法随机前沿模型测算了各地区的碳排放效率，使用泰尔指数及其分解、传统与空间马尔可夫链、时空和俱乐部收敛模型，分析了碳排放效的区域差异、动态演进及时空收敛性。实证结论如下：第一，碳交易试点地区中北京、天津、重庆、湖北、广东的碳排放效率均得到一定幅度的提升。福建碳排放效率小幅下降，可能的原因在于其碳交易市场发育不够成熟，生产要素市场的扭曲阻碍了碳排放效率的优化。各省份碳排放效率由离散分布发展为两端扩散、高值聚集、中低值离散的分布形态。第二，从区域差异来看，试点与非试点地区碳排放效率泰尔指数大体上呈“U”型，总体差异逐步缩小，区域内部差异是造成试点与非试点地区差异分化的主要原因。从泰尔指数分解结果来看，区域间差异呈波动式下降，区域内部同样呈“U”型，非试点地区差异高于试点地区。第三，从动态演进特征来看，传统的马尔可夫转移概率矩阵表明碳排放效率保持原有类型的概率较大，实现跨类型转移的概率较低。在空间马尔可夫转移概率矩阵中，空间滞后条件的存在使转移概率发生了明显的变化，处于较低、较高类型的省份数量远高于其他类型，说明我国碳排放效率的整体水平有待提高。第四，从收敛特征来看，全国、试点与非试点地区均存在显著的时空收敛，收敛速度“试点全国非试点”，证明碳交易政策在缩小碳排放效率地区差距上发挥明显的作用。在研究期内，存在两个长期趋同的俱乐部，俱乐部中碳排放效率较低的地区拥有更大的减排潜力。参考文献：1王勇,赵晗.中国碳交易市场启动对地区碳排放效率的影响J.中国人口 资源与环境,2019,29(1).2韩君,牛士豪.“碳中和”目标下的中国省域碳排放效率测算J.杭州师范大学学报(社会科学版),2023,45(1).3王瑞,诸大建.中国环境效率及污染物减排潜力研究J.中国人口 资源与环境,2018,28(6).4邵帅,范美婷,杨莉莉.经济结构调整、绿色技术进步与中国低碳转型发展基于总体技术前沿和空间溢出效应视角的经验考察J.管理世界,2022,38(2).5陈明华,岳海珺,郝云飞,等.黄河流域生态效率的空间差异、动态演进及驱动因素J.数量经济技术经济研究,2021,38(9).6Kaya Y,Yokobori K.Environment,Energy,and Economy:Strategiesfor Sustainability M.Tokyo:United Nations University Press,1997.7Zhang N,Zhou M.The Inequality of City-level Energy Efficiency forChina J.Journal of Environmental Management,2020,(255).8刘明,王思文.收敛、空间依赖与中国制造业发展J.数量经济技术经济研究,2018,35(2).9Phillips P C B,Sul D.Transition Modeling and Econometric Convergence Tests J.Econometrica,2007,75(6).10单豪杰.中国资本存量K的再估算:19522006年J.数量经济技术经济研究,2008,25(10).11林伯强,杜克锐.要素市场扭曲对能源效率的影响J.经济研究,2013,48(9).12Zhang L.Correcting the Uneven Burden Sharing of Emission Reduction Across Provinces in China J.Energy Economics,2017,(64).（责任编辑/邓玫）78