中國低碳技術進步測度及對碳排放強度影響效應研究

孫欣+沈永昌+陶然

摘要：文章借鑒全要素生產率估算方法，采用GEBML-DEA模型測定出1997—2012年中國30個省份低碳技術進步指數，分析發現低碳技術進步指數呈現東中西部遞減趨勢，技術創新是低碳技術進步增長的主要動力；2006年以后東中西部地區低碳技術進步指數呈全面較快上升趨勢，而且中西部地區低碳技術進步增長較東部稍快，反映我國政府推進低碳經濟發展戰略效果顯著。文章運用經濟地理空間權重矩陣的空間面板計量模型研究發現：一是作為“技術效應”因素的低碳技術進步能有效地降低碳排放強度，且影響效應較大，驗證了“低碳技術進步是有效降低碳排放強度途徑”的命題，同時反映出“低碳技術進步是發展低碳經濟的有效途徑”。二是“規模效應”因素的經濟發展對碳排放強度影響為負，效應較大。三是“結構效應”因素的第二產業比重對碳排放強度影響為正，效應較大。四是城鎮化率的提高對碳排放強度影響為正，但影響較小。此外，碳排放強度存在較強的空間相關性，這說明碳排放強度降低受本地因素和相鄰區域因素的共同影響。這說明鄰近省市的先進低碳技術及管理等具有輻射和示范功能，促進相鄰省市的碳排放強度的降低。

關鍵詞：低碳技術進步；測度；EBML-DEA；碳排放強度；空間計量模型

中圖分類號：F124.5 文獻標志碼：A 文章編號：1001-862X（2016）06-0064-008

由于全球氣候變暖，以低能耗、低污染為主要特征的低碳經濟，日益成為世界各國追求的目標。發達國家大力發展“低碳技術”，推進低碳技術進步，推行以高能效、低排放為核心的低碳經濟革命。發展低碳經濟方面，國內外學者一致認為，低碳技術進步是降低排放的關鍵途徑。[1][2]中國以“高能耗、高碳排放”特征的經濟發展模式，已經顯現出不可持續性。2006年以來，我國政府注重節能減排發展，推行低碳經濟發展戰略，加強低碳技術進步。2006年發布的《國家中長期科學和技術發展規劃綱要》中，政府明確提出將能源、水資源和環境保護技術放在科學技術發展的優先位置；《國家環境保護十一五規劃》提出大力發展環境技術，以技術創新促進環境問題解決；《國家環境保護十二五規劃》指出提升環境科技基礎研究和應用能力。可見中國對低碳技術進步的重視。2009年，中國政府在哥本哈根國際氣候會議上承諾到2020年我國的碳排放強度（單位GDP的二氧化碳的排放量）較之于2005年下降40%～45%。這顯示了中國對碳排放負責任的態度和走低碳型發展道路的決心，彰顯了我國積極應對全球氣候變化的大國形象。而低碳技術進步應該是促進碳排放強度下降的有效途徑。在未來的經濟發展中，我國更加注重技術創新，低碳技術進步對我國實現可持續發展愈發重要。

目前，研究技術進步對碳排放的研究較多，但研究低碳技術進步的文獻卻很缺乏。[3]-[6]實際上，不少學者研究表明技術進步對碳排放影響是不確定的。因此，很有必要研究中國低碳技術進步對碳排放強度如何產生影響，驗證低碳技術進步是否是促進碳排放強度下降的有效途徑，同時從碳排放強度下降的角度來檢驗“低碳技術進步是發展低碳經濟的有效途徑”的命題。

本文借鑒全要素生產率方法測度中國低碳技術進步，使用GEBML-DEA模型估算出低碳約束的全要素生產率，這可以準確地測度出中國各省市低碳技術進步狀況；進而根據“規模效應、技術效應和結構效應”三種途徑影響環境質量理論，考慮在城市化背景下，將低碳技術進步指標作為碳排放強度的“技術效應”影響因素納入其中，運用經濟地理空間權重矩陣的空間計量模型分析低碳技術進步等對30個省份碳排放強度的影響；最后根據得到的結果，驗證“低碳技術進步是有效降低碳排放強度途徑”的命題，同時反映出“低碳技術進步是發展低碳經濟的有效途徑”，并提出相關建議。

一、低碳技術進步測度及評價

（一）GEBML-DEA模型介紹

如何測度低碳技術進步？各省市低碳經濟所包含的巨系統，可以看成一個個決策單元通過一定數量的投入而產出一定數量的“產品”的活動。這涉及投入產出問題。借鑒諸多文獻，這里使用數據包絡分析（DEA）方法測度有低碳約束的全要素生產率來反映低碳技術進步。由于低碳經濟有能耗、碳排放約束，因此這里投入變量選擇勞動力、資本存量、能源消費總量，產出變量包括地區生產總值和二氧化碳排放量，其中地區生產總值是期望產出，二氧化碳排放量是非期望產出，如果能源消耗大或者碳排放量大，則算出的技術進步指數就小，說明低碳技術進步小，反之則大，反映低碳技術進步大。本文具體選擇GEBML-DEA模型測算全局參比Malmquist指數，也就是低碳的TFP，反映低碳技術進步程度。

Tone K & Tsutsui（2010）提出了一種包含徑向與SBM兩種距離函數的混合模型，即EBM（Epsilon-Based Measure）模型[7]。徑向距離函數對環境績效進行測度時會存在不同比例冗余縮減，徑向測度會高估決策單元的實際績效水平，而SBM模型中，其目標函數會導致投入和產出的無效率值最大化，也就是說被評價的決策單元的投影點是前沿上距離被評價決策單元最遠的點。考慮到上述兩種距離函數的缺點，本文使用EBM作為距離函數。其非導向EBM模型的規劃式表示為：

模型中x和y分別是投入和產出變量，X、Y是投入、產出向量，m表示維度。wi表示各項投入指標的相對重要程度，ε是一個關鍵參數，取值在[0，1]，它表示效率值的計算中非徑向部分的重要程度：取0表示徑向距離模型，取1表示SBM模型，ρ表示關聯指數矩陣的最大特征根，而v是其對應的特征向量。由于此模型是非導向的，故包含投入導向的效率值和產出導向的效率值，其中投入導向的效率值為θ，θ?（0，1）；而產出導向的效率值是用1/φ表示，φ?1。

在運行面板數據進行技術效率估算時，最常使用的是Malmquist生產率指數，它最早是Fare R等人（1997）采用DEA方法計算出來的[8]，隨后迅速發展，Pasror和Lovell（2005）提出了一種全局參比Malmquist模型，它是以所有各期決策單元的總和作為參考集，各期共同參考集為Sg=S1∪S2∪……∪Sp=x1

其中效率變化用EC表示，這里表明由于經濟管理創新引致的低碳技術進步，技術變化用TC表示，說明由于低碳技術創新帶來的低碳技術進步。由于所有決策單元都包含在全局參考集內，所以全局參比Malmquist指數不存在無可行解問題。全局參比Malmquist指數既滿足可傳遞型要求，又避免存在無可行解問題，選擇此模型更具科學性和可行性。而EBM模型很好地避免了徑向距離函數和SBM模型的缺點，且可發揮各自優點。故本文結合EBM距離函數、全局參比Malmquist模型（Globle Malmquist）以及Malmquist-Luenberge指數發展了一種包含非期望產出的混合距離函數全局參比Malmquist模型，簡稱GEBML-DEA模型。

（二）變量及數據處理

考慮到數據的可得性和完整性，本文選擇了全國30個省份1997—2012年省際面板數據，其中由于西藏自治區及港澳臺地區數據的缺失，故沒有考慮在內。其中勞動力選擇全國30個省份歷年就業人數作為代理變量，資本存量是借鑒了張軍等（2004）使用的永續盤存法推算出1996—2012年各省資本存量數據，能源消費總量則是利用各省煤炭、焦炭、汽油、煤油、柴油、燃料油、天然氣和電力等八種能源消費量經折算成標準煤消費總量表示，產出變量中地區生產總值是按2005年價格計算的不變價各省市的GDP，二氧化碳排放量數據沒有公布，本文參照杜立明（2010）方法計算獲得。以上原始數據均來自《中國統計年鑒》、《中國能源統計年鑒》、《新中國60年統計年鑒匯編》和歷年相關省份統計年鑒。寧夏、海南和甘肅的能源數據是從《中國能源統計年鑒》相關年份補齊。

（三）中國全要素低碳技術進步指數分析

根據GEBML-DEA方法，對1997—2012年各省的全要素低碳經濟進步指數進行測算和分解，程序運行由MaxDEA軟件完成，具體計算結果如表2。表2中Malmquist指數（GEBMLPI）計算的是包含了能源消費為投入變量與碳排放作為非期望產出的低碳全要素生產率數值，即為低碳技術進步指數。由于全局參比Malmquist指數具有可累乘的特性，表2中數據表示從1997到2012年的低碳技術進步總變化情況。其中GEBMLEC表示從1997到2012年低碳技術效率總變化數值，GEBMLTC表示此期間內低碳技術創新總變化數值。

根據估算低碳技術進步指數的結果發現：

1.全國省域平均低碳技術進步指數的增長表現有階段性差異。相對我國經濟發展速度來說，1997到2012年期間低碳技術進步指數增長速度較緩慢。表現為全國水平只有1.5778，2012年比1997年的低碳技術進步指數只增長了57.78%，年均增長2.89%，這顯然小于同期國內生產總值增長率（按可比價格，2012年GDP是1997年的5倍），這也反映出這一時期我國經濟增長表現為高投入、高排放、高污染、低效率的現實，低碳技術進步相對有限。由于2006后，我國注重節能減排，推進發展低碳經濟。由計算的低碳技術進步指數值可以看出，2006年是個分界點。2006—2012年期間低碳技術進步指數年均增長達5.10%，明顯高于1997—2006年期間年均增長的1.83%，反映該期間低碳技術進步較快。由此可以看出政府推進低碳經濟發展戰略有顯著成效。

2.東中西部區域低碳技術進步指數的表現有差異。1997—2006年期間低碳技術進步指數呈現東中西遞減趨勢，省際差別顯著。GEBMLPI（東部）> GEBMLPI（中部）> GEBMLPI（西部）表明低碳技術進步表現為東部最好，中部次之，西部最小。而且中部和西部均低于全國水平，表明東部對中國低碳技術進步指數的拉動作用強勁，也從側面反映出改革開放最大受益地區。而中西部地區，大部分地區低碳技術進步指數較低，表明低碳技術進步較慢。2006—2012年期間東部、中部、西部低碳技術指數年均增長率分別為4.22%、4.62%、4.4% ，而1997—2006年期間三大區域年均增長率為3.16%、2.02%、0.95%，可以看出2006—2012年期間三大區域低碳技術進步指數年均增長明顯高于1997—2006年期間年均增長，2006年后中西部地區低碳技術進步增長率顯著提高，而且還要略高于東部地區。這表明中西部地區正學習東部地區先進技術，提高低碳技術進步，也反映了我國發展低碳經濟戰略正在中西部發揮重要作用，由于中西部地區低碳經濟技術相對落后，因此具有巨大的發展潛力。

區域間的低碳技術效率與低碳技術創新表現有差異。1997—2012年期間，從技術創新上看，GEBMLTC（東部）> GEBMLTC（中部）> GEBMLTC（西部），表明低碳技術創新仍然表現為東部最好，中部次之，西部最小。從技術效率指標看，GEBMLEC（西部）> GEBMLEC（中部）> GEBMLEC（東部），表明中西部在低碳技術管理上比東部提高要快。總體上看，技術創新是東部省份低碳技術進步增長的主要動力，而中西部地區技術管理效率的提高是低碳技術進步提高的主要動力，從全國看，技術創新是低碳技術進步增長的主要動力。

3.省域低碳技術進步指數均呈現不同程度增長。圖1反映了各省的低碳技術進步指數變動情況。總體上看各省低碳技術進步指數均有逐漸增長的趨勢，但增長幅度差異明顯。東部省份如北京、上海、江蘇、浙江、遼寧、廣東低碳技術進步增長幅度較大，表明東部省份低碳技術進步明顯提升；中西部省份低碳技術進步增長幅度較小，表明中西部省份低碳技術有待提升。尤其是山西和甘肅等地低碳技術進步明顯較小，亟須提高。大多數省份在2006年是個分界點，2006后低碳技術進步指數上升較快。之前有的省份上升較慢或沒有變化，有的甚至下降，同樣反映出政府推進低碳經濟發展戰略的成效。

二、低碳技術進步對碳排放強度空間影響實證分析

（一）空間計量模型的設定

Grossman和Krueger（1991）認為，經濟增長會通過規模效應、技術效應和結構效應三種途徑影響環境質量。[9]碳排放強度作為重要的環境質量指標，因此，這里將根據規模效應、技術效應和結構效應等三個途徑理論設定模型，并考慮在城鎮化背景下研究低碳技術進步對碳排放強度的影響。其中規模效應因素指標選擇人均GDP，技術效應因素指標選擇低碳技術進步，結構效應因素指標為產業結構，城鎮化背景選用城鎮化率指標。

由于本文采用的省域數據，可能存在空間效應，因此需要相關檢驗以設定空間計量模型。空間面板模型分為空間自回歸模型（SAR）和空間誤差模型（SEM）兩類，分類主要依據經濟數據空間依存性和差異性的特征。經濟數據的空間依存性是一個區域的觀察數據與其他區域的觀察數據相關，這種相關性是由空間的相對和絕對距離決定的，空間差異性則表示空間觀察單位的差異性從而在區域層面的空間效應非均一性。空間自回歸模型通過空間自回歸項來探討空間“溢出效應”，空間誤差模型則是通過空間誤差項來體現。這兩個模型的基本形式為：

其中Y表示因變量，X表示自變量，W為空間權重矩陣，β表示解釋變量系數，t，i分別表示時間維度和截面維度，εit為隨機誤差項。ρ表示空間自回歸系數，若此系數顯著則表明變量間存在空間溢出效應，即存在空間依存性，其值大小反映平均強度。λ表示空間自相關系數，表示臨近區域樣本對本區域樣本的影響方向和強度。模型（7）、（8）中因變量為碳排放強度指標，以單位GDP二氧化碳排放量來衡量，用CEI表示；自變量選擇低碳技術進步指標，用MI表示；產業結構以第二產業占GDP的比重來衡量，用TIP表示；城鎮化率以城鎮居民占總人口的比重衡量，用UR表示；經濟發展指標用人均GDP衡量，用PGDP表示。由于低碳技術進步指數（MI）本身就是變化量，故模型中除低碳技術進步指標外，其余變量均采用對數形式，所得系數可理解為彈性。

（二）空間權重矩陣的建立

與面板數據模型不同的是，空間計量模型分析需要建立空間權重矩陣，用來表示空間各樣本之間的相互依存和關聯強度。空間權重矩陣可以采用鄰接標準或距離標準來構建。鄰接標準是指如果兩個地區在地理位置上相互鄰接關系，比如安徽和江蘇相鄰則表明兩地區存在鄰接關系。可以看見鄰接標準認定空間單元之間聯系僅僅取決二者是否相鄰，但這不能很好地反映實際情況，如在鄰接權重矩陣中上海與新疆和上海與安徽之間的權重都是為0，但上海對安徽的影響程度與對新疆的影響程度肯定是不同，根據地理學第一定律，任何事物與它周圍事物均存在聯系，距離越近聯系越緊密。因此選擇空間地理距離來計算地理距離空間權重矩陣W1，其表達式為W1=1/d2 i≠j

0 i=j，其中d表示為兩地區省會城市的地理位置的距離。但是W1僅僅反映地理鄰近特征，這種表示空間權重矩陣是粗糙的，碳排放是經濟活動產物，地區發展強弱對碳排放影響顯著，通常經濟發展高的地區碳排放量較多。因此，本文在空間權重矩陣加入經濟基礎，建立經濟地理空間權重矩陣W，其表達式為：

W=W1diag（Y1 [Y]，Y2 [Y]，……Yn [Y]） （9）

其中W1表示地理距離空間權重矩陣，Yi=1/（t-t1+1）∑Yit 表示時間維度內第i省份資本存量平均值，Y=1/n（tm-t1+1）∑Yit表示時間維度內總物資資本存量均值。若一地區資本存量比重較大，它對周邊影響程度也較大。資本存量數據同前文。

（三）空間相關性檢驗與模型選擇

空間面板數據計量分析需要進行空間相關性檢驗。空間相關性指數Morans I和基于極大似然估計的Lmerro、Lmsar、Walds、Lratias統計量是檢驗空間相關性的重要指標。它們檢驗原假設均為H0：ρ=0或λ=0，由于構建這些相關性檢驗指標均針對截面數據，故不能直接運行，故本文采用對經濟地理權重矩陣進行克羅內克積處理得到分塊對角矩陣。如表3檢驗結果顯示，所有的空間相關性的檢驗指標的概率值均遠小于1%的顯著性水平，說明了中國省域碳排放強度空間相關性非常顯著，單純選擇普通面板計量模型是存在缺陷的，應該運用空間面板計量分析。選擇何種空間面板模型則需要依據Anselin和Rey利用Monte Carlo模擬方法得到的結果，若Lmsar比Lmerro統計量更為顯著，則需選擇空間自回歸模型。Lmsar統計值為2080.446遠大于Lmerro統計值368.736，表明選擇空間自回歸模型更為合適。

（四）實證結果與分析

選定空間面板計量模型后需要確定是存在固定效應還是隨機效應，因此需要進行固定效應和隨機效應檢驗。其中固定效應采用對數似然比檢驗，即LR for FE檢驗。其原假設為不存在固定效應。若拒絕原假設則說明選擇固定效應模型得到的結果更好。而隨機效應檢驗采用LR for RE檢驗，若拒絕原假設則說明固定效應存在。為保證結果的穩定性，再進行Hausman檢驗，若拒絕原假設則選擇隨機效應模型。表4是空間面板模型SAR上述檢驗的結果。LR檢驗結果都在1%的顯著水平下認為采用固定效應模型效果會更好，同時Hausman檢驗結果也進一步證實應該選擇固定效應模型。

空間計量的固定效應模型有四類：無固定效應、空間固定效應、時間固定效應和空間時間雙固定效應。如表5和表6是空間自回歸模型和空間誤差模型估計的結果。

由表5、表6發現，空間自回歸模型和空間誤差模型中，空間自回歸系數和空間自相關系數均在1%的顯著水平下通過了T檢驗，這表明我國30個省份的碳排放強度存在明顯的空間相關性。所有估計的空間自回歸系數和空間自相關系數均為正數，數值較大，說明各省份間碳排放強度體現為一種趨同效應，地區的碳排放強度不僅取決自身因素，還受鄰近區域的碳排放強度的影響。這反映出，鄰近省市的先進低碳技術及管理等具有輻射和示范功能，促進相鄰省市的碳排放強度的降低，有利于碳減排。由于空間固定效應、時間固定效應和雙固定效應條件下的空間自回歸模型估計的LogL值大于相應的空間誤差模型得到的估計值，所以選擇空間自回歸模型有更好的解釋能力。且在空間自回歸模型的四個模型中，雙固定效應模型得到的R^2、LogL值有明顯改進，且空間自相關系數也通過了顯著性檢驗，故表明地區間既存在空間固定效應，也存在時間固定效應。

不論是空間自回歸模型還是空間誤差模型各估計系數數值大小有變化，但符號均保持不變，反映各因素對碳排放強度影響具有穩定性。低碳技術進步指數和人均GDP對碳排放強度影響為負的，有降低作用，而工業結構和城鎮化率對碳排放強度影響為正，會增加碳排放強度。

綜合以上模型來看，低碳技術進步指標對碳排放強度影響顯著為負，絕對值較大，說明我國經濟發展存在對碳排放強度影響的較大技術效應。低碳技術進步能有效地減低碳排放強度，確實是發展低碳經濟的有效途徑。隨著經濟的快速發展，節能減排等新技術新工藝會極大地被運用到生產生活中去。

經濟發展指標系數為負，反映我國存在對碳排放強度產生影響的規模效應，效應較大。這主要是因為經濟發展在導致碳排放量的增長對碳排放強度的正影響小于經濟發展對碳排放強度的負面影響。本文測算，1997—2012年我國碳排放量年均增長近6.624%，比這期間的GDP的年均增速近10%明顯要小，經濟發展指標系數對碳排放強度的彈性為負值，應該是合理的。

產業結構（第二產業比重）對碳排放強度影響系數為正，數值較大，表明第二產業結構占比提高會導致碳排放強度提高，這也表明我國也存在結構效應。工業的發展對自然資源特別是能源的消耗依賴性很高，因而導致大量的碳排放。我國處于經濟發展初級階段，工業化進程不斷推進，第二產業結構比重依然較大，這是導致我國碳排放強度居高不下的關鍵因素。

城鎮化率對碳排放強度影響為正，主要是因為城鎮化進程的推進會直接導致房地產業及相關產業的發展，這些產業消耗大量能源，導致碳排放增長，但同時也會加速GDP增長，對碳排放強度影響會有抵消部分，故影響系數相對不大。

三、結論及政策建議

本文運用一種包含非期望產出的混合距離函數的全局參比的Malmquist模型，估算出全國30個省份1997—2012年低碳技術進步指數，測算結果可以衡量全國與各省份低碳技術進步狀況；進而根據“規模效應、技術效應和結構效應”三種途徑影響環境質量理論，將低碳技術進步指標作為碳排放強度的“技術效應”影響因素納入其中，同時考察了人均GDP、經濟結構、城鎮化率等因素，運用空間面板模型分析各因素對碳排放強度的作用方向和影響大小。得到以下結論：

1.1997到2012年期間低碳技術進步指數增長速度較慢，反映出這一時期我國經濟增長表現為高投入、高排放、高污染、低效率的特征，但2006后低碳技術進步指數上升較快，這反映政府推進低碳經濟發展是有效果的；1997到2012年期間低碳技術進步指數呈現東中西遞減趨勢，低碳技術進步表現為東部最好，中西部地區大部分低碳技術進步指數較低，表明低碳技術進步較慢，省際差別顯著；但2006年后，中西部地區低碳技術進步明顯加快，部分原因是學習東部地區低碳技術，這也反映我國發展低碳經濟戰略顯現成效。

2.在城市化發展背景下，經濟增長通過“規模效應、技術效應和結構效應”三種途徑影響碳排放強度。不同影響因素對碳排放強度作用方向和大小不同。一是作為“技術效應”因素的低碳技術進步能有效地降低碳排放強度，且影響效應較大，驗證“低碳技術進步是有效降低碳排放強度途徑”的命題，同時反映出“低碳技術進步是發展低碳經濟的有效途徑”。二是“規模效應”因素的經濟發展對碳排放強度影響為負，效應較大。三是“結構效應”因素的第二產業比重對碳排放強度影響為正，效應較大。四是城鎮化率的提高對碳排放強度影響為正，但影響較小。此外，碳排放強度存在較強的空間相關性，這說明碳排放強度降低受到本地因素和相鄰區域因素的共同影響。這說明，鄰近省市的先進低碳技術及管理等具有輻射和示范功能，促進相鄰省市的碳排放強度的降低。

根據結論，本文提出以下建議：1.健全低碳技術進步機制，促進低碳技術發展。繼續實施節能減排技術專項行動計劃，解決低碳的關鍵和共性技術問題；推動建立以企業為主體、產學研相結合的低碳技術創新與成果應用推廣體系；加快健全低碳技術服務體系，推行合同能源管理，培育節能和環保服務市場，促進低碳服務產業化。2.各地區結合實地情況，有傾向性地加大鼓勵節能減排技術創新與管理的政策力度，在加強低碳技術創新的同時，增強低碳技術管理水平。中西部地區要進一步學習東部地區低碳技術，加快低碳技術進步。特別是山西與甘肅等省份低碳技術落后，低碳技術進步增長潛力大，應加快引進吸收先進地區低碳技術，提高自身低碳技術水平。3.強化發展低碳經濟方式， 推動產業結構優化升級，積極推行新型工業化之路，加大第三產業比重，積極發展服務業。4.考慮低碳要求，理性推進城鎮化發展。應理性科學地推進城鎮化發展，避免“大躍進”式的城鎮化運動，造成碳排放等污染排放的急劇增加。城市發展布局應考慮企業集中布局、產業集群發展，推行清潔能源政策，有利于推進低碳技術進步與應用，為低碳經濟發展提供低成本的外部條件。5.應該充分發揮鄰近省市的低碳技術及管理等方面的輻射和示范功能，帶動相鄰省市的低碳技術水平的提高。

參考文獻：

[1]張坤民.低碳世界中的中國：地位、挑戰與戰略[J].中國人口·資源與環境，2008，18（3）：1-7.

[2]蔡益泉.我國低碳產業的發展現狀與對策思考[J].華東經濟管理，2013，（4）：32-35.

[3]魏巍賢，楊芳.技術進步對中國二氧化碳排放的影響[J].統計研究， 2010， 27（7）：36-44.

[4]陳林， 羅莉婭.低碳經濟理論及其應用：一個前沿的綜合性學科[J].華東經濟管理，2014，（4）：148-153.

[5] 袁富華.低碳經濟約束下的中國潛在經濟增長[J].經濟研究，2010，（8）：79-89.

[6] 黃山， 吳小節，宗其俊. 中國制造企業低碳競爭力的來源及提升途徑[J].華東經濟管理，2013，（5）：42-46.

[7]Tone， K.， & Tsutsui， M. An epsilon-based measure of efficiency in DEA - A third pole of technical efficiency. European Journal of Operational Research[J].2010，（207），1554-1563.

[8]Chung，Y.H.，Fare.R.，Grosskopf.S.Productivity and undesirable outputs： adirectional distance function approach[J].Journal of Environmental Management.1997，（51）：229-240.

[9]Grossman， GM， Krueger， A B. “Environmental impacts of a North American Free Trade Agreement”， National Bureau of Economic Research Working Paper 3914， NBER [C].Cambridge MA， 1991.

（責任編輯 吳曉妹）