中國“十三五”時期省際碳減排目標的效率分配

郭文 劉小峰 吳孝靈

摘要首先，將“零和收益”的博弈思想引入到SBM模型中，構建了基于零和收益的碳減排SBM效率分配模型（ZSGSBM）。然后，基于“十三五”規劃中我國整體碳強度降低18%的減排約束，從經濟增速和能源消費結構2個維度設置了“十三五”期間我國經濟系統的4種發展情景，應用上述ZSGSBM模型對碳減排目標進行了省際層面的效率分配。并通過對比各省經濟發展現狀和碳減排目標的分配結果，分析了各省的低碳經濟發展路徑。結果表明：采用ZSGSBM模型對碳排放量進行效率分配后，30個省份的投入、產出指標實現了有效配置，碳排放效率到達效率前沿。政府基于“公平”導向的行政分配方案會造成一定程度的效率損失，基于ZSGSBM模型的效率分配方案更符合低碳經濟的長遠發展要求。在碳強度約束的基礎上，能源強度的再約束將迫使各省優化能源消費結構，從而提升我國整體碳排放效率。“十三五”時期，我國有16個省份的碳減排目標分配結果大于18%的平均標準，各省應根據自身資源稟賦、經濟水平、產業結構和能源消費結構的現狀選擇差異的低碳經濟發展道路。

關鍵詞ZSGSBM模型；碳減排目標；效率分配；低碳經濟

中圖分類號X196

文獻標識碼A文章編號1002-2104（2017）05-0072-12DOI： 10.12062/cpre.20170306

CO2等溫室氣體的排放是造成全球氣候變暖的源頭，節能減排已經成為全球共識。為兼顧經濟發展和節能減排，我國政府自2009年哥本哈根全球氣候會議后，積極實行低碳經濟的可持續發展思路，并在《中華人民共和國國民經濟和社會發展第十二個五年規劃綱要》中首次明確規定了17%的碳強度降低目標，即相同經濟產出水平下減少17%的CO2排放量。“十三五”規劃中進一步確定2020年末比2015年末全國碳強度降低18%的減排目標。可見，低碳化發展將是未來一段時期內我國經濟發展的基本趨勢。然而，大量研究表明源于我國各省份經濟規模、資源稟賦、產業結構和能源消費結構的巨大差異，我國省際碳強度差異也較大[1-4]。苗壯[5]研究表明，制定相同的減排目標將導致各省份減排效率低下。雖然國務院發布的《“十三五”控制溫室氣體排放工作方案》中對各省份的碳排放強度減排目標進行了進一步的調整，然而，不難看出中央政府的調整方案主要以“公平”為導向，在考慮調整省份減排目標時，適當的降低了部分經濟欠發達省份的減排責任，但是，這不可避免的造成了我國省際碳排放效率的損失。因此，有必要根據省際碳強度的實際情況，將減排目標在省際間進行效率分配。這對各省份制定相應的經濟發展規劃、產業結構調整策略具有重要指導意義。

1文獻綜述

碳排放是各國學者關注的焦點學術問題，相關的研究主要集中于碳排放績效評價、碳減排潛力分析和碳減排成本測算，本文首先從這三方面簡述現有研究的相關成果。

碳排放績效評價的相關研究大多采用數據包絡分析（DEA）方法，該方法無需事先設定模型的形式，適用于多投入、多產出的復雜系統效率評價[6]。然而，Tone[7]認為，傳統DEA模型僅僅測算了各決策單元的效率值，無法反映無效決策單元的改進路徑，他提出了SBM模型來解決這一問題。隨著全球碳排放問題的日益凸顯，碳排放問題成為學術界關注的焦點問題。Zhang[8]、Wu[9]等認為，碳排放伴隨著經濟系統經濟產出的產生而產生，是經濟生產系統不可避免的環境外部性問題，因此，碳排放應作為一項“壞產出”引入效率評價模型中，由此構建非期望SBM模型。目前，非期望SBM模型正被廣泛地應用于碳排放績效評價的相關研究中[10-12]。針對我國省際碳排放效率的相關研究也有很多，基本結論是：我國省際碳績效差異較大，呈現出自西向東逐步上升的空間趨勢[13-14]。

在碳排放績效評價的基礎上，大量的國內外學者分析了我國整體、各區域、各省份以及產業層面的減排潛力。史丹[15]、Du[16]、查冬蘭[17]等分別采用隨機前沿分析（SFA）、非期望SBM模型、CGE模型等方法測算了我國整體和區域的碳減排潛力，測算結果表明我國整體和區域碳減排潛力巨大。〖JP+1〗李蘭冰[18]也得出了相似的結論，其測算結果表明我國整體碳減排潛力達到35%以上，并且經濟相對落后的中、西部區域減排潛力更大。分析我國省際碳減排潛力的文獻大多基于省際異質性的視角，研究結果也趨于一致——我國經濟發展水平、人均收入較低的中、西部省份減排潛力顯著大于北京、上海、江蘇等經濟發達省份[19-22]。產業層面上，Feng[23]、郭朝先[24]、劉貞[25]等分別測算了我國發電行業、汽車行業和工業行業整體的減排潛力。發現行業差異也是產業碳減排的重要影響因素。

目前，碳減排成本的計算方法主要有自下而上模型、自上而下模型和混合模型三類[26]，具體方法包括動態優化模型[27]、投入產出分析[28]、可計算一般均衡模型[29]、混合模型[30]和效率分析模型[31]等等。鑒于本文以效率分配為研究視角，后文重點闡述基于效率分析模型的相關研究文獻及其成果。效率分析模型的理論基礎是對偶理論和距離函數，該方法通過測算碳排放的影子價格來替代碳減排的邊際成本（機會成本）。Maradan[32]、Fāre[33]都構建了方向距離函數來測算CO2排放的影子價格，從而計算其碳減排成本。他們的結論是，碳減排成本隨人均收入的升高而降低，低收入國家的減排成本顯著高于高收入國家。針對我國省際碳減排成本的研究中，王群偉[34]、葉祥松[35]都將碳規制（減排）目標劃分為無規制、一般規制和強規制等多種情景進行分析，結果發現我國中、西部地區的碳減排成本明顯高于東部地區。可見，鑒于我國各省份的經濟發展水平差異較大，碳減排成本也存在較大的省際異質性。

綜上可知，我國各省份碳績效、碳減排潛力和碳減排成本都存在巨大差異，簡單地按全國碳減排目標均攤至各省份必然帶來碳減排效率的損失[36-39]。另外，碳績效評價、碳減排潛力分析和減排成本測算是碳減排目標確定的基礎。碳績效評價通過數學模型勾勒出“經濟產出—能源消耗—碳排放”三者的邏輯關系及各省份碳排放績效的時空現狀[40]；碳減排潛力分析為國家碳減排政策提供了可能的方向和路徑[41]；碳減排成本測算則衡量了碳減排各階段目標的實現代價，三者進一步服務于碳減排目標確定的決策問題[42]。上述國內外研究成果為碳減排目標的確定提供了理論基礎和定量測算方法，然而，目前國內外碳減排政策實踐中，碳減排目標的確定大多基于國家層面的總量目標，如：我國“十二五”、“十三五”規劃中確定的CO2減排目標等。因此，從效率視角出發對“十三五”時期，我國省際碳減排目標進行分配具有重要意義。那么，如何將碳減排總量目標分配至各省份？如何保證碳減排目標省際分配的效率？成為實現碳減排目標亟待研究的問題。

目前，國內外現有關于碳減排目標的相關研究上存在一些不足：現有文獻中針對碳減排目標省際分配問題的研究較少；并且碳績效評價、減排潛力分析和減排成本測算等問題的研究都是基于歷史數據的后驗分析，研究成果缺乏前瞻性。因此，本文基于我國“十三五”規劃中確定的碳減排目標，結合現有研究文獻對于我國“十三五”期間勞動力數量、能源消費量、固定資產等生產要素投入以及經濟產出水平的預測，設置不同情景對我國“十三五”期間的碳減排目標進行省際間的效率分配。另外，在確定了碳減排國家總量目標和“十三五”期間經濟發展情景設定的條件下，可以測算我國“十三五”期間我國整體的碳排放總量，并在此基礎上進行省際分配，省際碳排放總和與碳減排目標下的國家碳排放總量相等，這一分配過程與“零和收益”的博弈思想相似。因此，本文構建了基于零和收益的SBM模型（zero sum gains SBM， ZSGSBM）來進行碳減排目標的效率分配，該模型融合了傳統SBM模型和“零和收益”思想的建模思路。

2模型與數據

2.1產出導向SBM模型（Outputoriented SBM）

SBM效率評價模型以系統決策單元的投入、產出松弛作為決策變量，直觀地體現決策單元的效率改進路徑，相較于傳統的DEA模型，其在系統效率評價及其資源效率分配中具有顯著優勢[43]。Tone[7]首先提出了系統效率評價的SBM模型，相關的后續研究中，SBM模型被分為投入導向SBM、產出導向SBM和投入產出雙向SBM模型[44]。本文以我國省際碳排放為研究對象，在產出導向SBM模型的基礎上構建了ZSGSBM模型，因此，下文重點介紹產出導向SBM模型。

假設生產系統包含m個決策單元DMUi（i=1，…，m），每個決策單元有k個投入和l1個期望產出和l2個非期望產出。

根據Tone[45]、Du[46]等的建模思路，基于非期望產出的產出導向SBM模型可表示為：

2.2產出導向ZSGSBM模型

（1）基本原理。本文以我國“十三五”規劃中確定的碳減排目標的省際分配為研究對象，在我國“十三五”期間整體碳排放總量和國內生產總值確定的條件下，各省份間碳排放量的分配具有一定的競爭性，即某一省份碳排放量的增加，則要求其他省份碳排放量減少，這體現了碳排放總量不變的“零和收益”思想。本文結合“零和收益”思想和產出導向SBM模型，構建了一個產出導向ZSGSBM模型，其基本原理如圖1所示。

如圖1所示，在產出導向SBM模型評價的基礎上，產出導向ZSGSBM模型基于“零和收益”的思想對無效決策單元的非期望產出要素松弛量進行重新分配，以實現所有決策單元到達效率前沿，即實現了系統最優效率條件下對非期望產出的分配。

（2）數學模型。假定決策單元（省份）DMUo需要減少Z單位非期望產出，則其他任意決策單元DMUi（i≠o）非期望產出的增加量為zi。用yb′i來表示DMUi分配后的非期望產出，則：

根據“零和收益”的基本原理，本文給出ZSGSBM模型的一般形式如下：

公式（4）中，hZSGo表示決策單元DMUo經過效率分配后的效率值，體現了非期望產出效率分配后決策單元DMUo與ZSGSBM前沿面的差距。由于決策單元DMUo需要減少Z單位投入來到達ZSGSBM前沿面，可見，Z是hZSGo的函數，即Z=f（hZSGo）。并且Z需要在其它決策單元間進行分配，則yb′i是Z的函數，即yb′i=f1（Z）=f2（hZSGo）。因此，考慮Z單位投入在其它決策單元間的分配時，不同分配策略可能帶來差異化分配結果，本文選擇Lins[47]、Gomes[48]采用的比例分配策略。

（3）模型求解：比例分配策略。比例分配策略將決策單元DMUo的非期望產出分配量Z按照其余決策單元已有非期望產出比例來分配，即

按照上述求解過程迭代計算，直至hZSG*o=h*o=1時，各決策單元均達到系統前沿面，該非期望產出的分配達到效率最優。

2.3指標與數據說明

借鑒現有碳效率評價相關研究成果，本文選擇勞動力、資本存量和能源消費量作為系統的投入要素；國內生產總值作為系統期望產出；CO2排放量作為系統的非期望產出變量。由于本文以我國“十三五”時期的省際碳排放目標分配為研究對象，后續的計算涉及“十三五”時期的相關數據，因此，本文首先針對我國“十三五”時期的經濟發展狀況、能源消費結構變動等情況設置假設情景。

2.3.1情景設置

2015年，我國“十三五”規劃中強調的“十三五”期間經濟增長目標為6.5%—7%，借鑒李善同[51]等的研究方法，本文對我國“十三五”期間的經濟增長水平設置低速和高速兩種情景，分別對應6.5%和7%的經濟增長率，并且省際經濟增長水平與國家經濟增長水平一致。同時，大量研究表明，能源消費結構是碳排放以及碳強度的重要影響因素，因此，本文針對能源消費結構設置不變和變動兩種情景。能源消費結構不變情景條件下，我國“十三五”期間省際能源消費量根據其“十二五”期間的碳排放系數倒推計算；而能源消費結構變動情景條件下，我國“十三五”期間省際能源消費量根據“十三五”規劃中設定的能源強度15%的目標約束計算。綜上所述，本文后續研究綜合考慮了我國“十三五”時期的經濟發展狀況和能源消費結構變動情況等四種情景來進行分析。

2.3.2指標及數據

具體指標選擇上，勞動力指標采用各省人口總量來指代，根據我國“十二五”期間省際人口平均增長率以及2015年底的省際總人口計算獲得。資本存量的測算采用林伯強[52]、Li[53]和郭文[54]等使用的永續盤存法計算，再結合我國“十二五”期間的固定資產平均投資額和苗壯[5]等計算的折舊率10.96%，計算獲得我國“十三五”時期的省際資本存量。能源消費量指標和國內生產總值指標根據前文的情境設置來計算。碳排放量指標的計算采用倒推法，根據我國“十二五”期間的省際碳強度，結合“十三五”期間的國內生產總值以及碳強度降低18%的目標約束逆算獲得。通過上述數據整理和計算，本文獲得我國“十三五”期末各省的投入產出數據預測值如表1所示。

3結果與討論

3.1省際碳排放效率測算

根據公式（2）和前文設定的四種情景，本文首先采用Matlab2009a軟件測算了我國各省份的碳排放效率。限于篇幅，本文的測算過程均以“十三五”期末2020年為例，結果如表2所示。

測算結果表明，在四種情景下，采用碳減排目標平均分配原則會造成我國30個省份的碳排放效率產生巨大的差異，碳排放效率最高的北京市與最低的山西省間的效率極差達到54.56%。具體而言：①北京市、海南省和青海省的效率測算值都為1.000，說明上述省市的碳排放效率值位于數據包絡前沿面上，達到了碳排放量、勞動力數量、資本存量、能源消費以及GDP產出的帕累托最優狀態。這與現有大量文獻的結論一致，北京市碳排放效率的優勢主要來源于北京市施行的嚴格的環境規制政策、產業結構的優化以及先進的生產技術，而海南省和青海省的環境現狀一直處于我國前列。②經濟較為發達的東部省份中，天津市、上海市、江蘇省、浙江省、福建省、山東省和廣東省的效率值較高，特別是在情景1中，天津市、上海市、江蘇省和廣東省的碳排放效率到達30個省份整體的前沿面上。而經濟欠發達的中、西部省份以及東北三省的碳排放效率值普遍較低。這一結果與李小勝[55]等的結論一致，主要原因在于我國已經施行了多年的低碳經濟發展道路，而由于其經濟水平和技術水平的優勢，北京、天津、上海等經濟發達地區一直是低碳經濟、綠色經濟模式的先驅，在我國“十二五”期間也承擔了18%—20%的最嚴格的碳排放強度約束目標，這些都為這些發達省份在“十三五”時期，甚至更遠的未來獲得更高的碳排放效率奠定了基礎。③對比30個省份在情景1與情景2、情景3與情景4條件下的測算結果發現，在各省人口總量、資本存量規模預測值固定的情況下，經濟發展水平增速越大，省際碳排放效率值越高。然而，碳排放效率的平均增值（0.18%）遠低于經濟增速（0.50%），表明單純的追求經濟發展增速對于提升我國省際碳排放效率的效果欠佳，而應注重經濟生產系統勞動力、資本存量、能源、碳排放以及GDP產出的分配和匹配。同時，對比30個省份在情景1與情景3、情景2與情景4條件下的測算結果可知，使用碳排放強度和能源強度雙重約束條件下的省際碳排放效率優于采用碳排放強度單指標約束的效率值。表明在碳排放強度約束的基礎上，能源強度約束將迫使各省調整和優化能源消費結構，從而更加接近數據包絡效率前沿。

3.2省際碳減排目標分配

在“十三五”期末我國30個省份碳排放效率測算的基礎上，結合本文提出的ZSGSBM模型，我們經過兩次迭代計算獲得了前文4種情景條件下，我國省際碳排放量的效率分配額度以及分配后的省際碳排放強度的變化情況。限于篇幅，本文沒有列示，若需要，作者可提供計算結果。

結果表明：①四種情景條件下，分別經過ZSGSBM模型的迭代計算后，我國省際碳排放ZSGSBM效率值hZSG*o均為1，表明在碳排放量進行省際間的效率分配后，各省均到達前沿面，即實現了全部省份的碳排放量、勞動力數量、資本存量、能源消費以及GDP產出等投入、產出要素的效率配置。②從碳排放重新分配的增減額度來看，30個省份中，碳排放量需要進一步分配減少的省份包括河北省、山西省等16個省份，大多對應著位于中、西部的那些碳排放效率較低、經濟欠發達的省份。這些省份中，有一

注：原始數據均來自2011—2015年《中國統計年鑒》、2011—2015年《中國能源統計年鑒》。由于西藏自治區缺乏大量能源統計數據，本文不予考慮。另外，資本存量指標和國內生產總值指標以2011年為基期進行了平減處理，平減指數分別選擇了我國“十二五”期間各省的平均居民消費價格指數和平均固定資產投資價格指數。

部分是我國的主要重工業省份，如東北三省等等，這些省份的污染性較高的產業比重較大，加上經濟欠發達，環境處理技術落后，導致其碳排放效率一直處于較低水平；有一部分能源資源稟賦較好的省份，如山西省等，良好的資源稟賦造成區域能源資源成本偏低，能源消費量較大，造成其碳排放效率的低下；還有一部分是西部經濟落后地區，如甘肅省、廣西省等等，由于生產技術的落后，這些省份的經濟生產效率長期處于我國省份的末尾，其碳排放效率也較低。從碳排放效率分配的視角來看，這些省份均應減少碳排放量。③分配增加碳排放量的省份包括北京市、天津市等14個省份。這些省份中，大多是經濟發達、碳排放效率較高的東部省份，如北京市、上海市等等，由于經濟水平較發達，人們的收入水平也相對較高，對于生活環境的關注和要求都更強，從而更加重視環境污染方面的投資和技術改進，帶來了相對較高的碳排放效率；還有一小部分是目前第二產業較少，環境狀態良好的省份，如海南省、青海省等等。上述省份的碳排放效率較高，從碳排放效率分配的視角來看，其“十三五”期間可以適量增加其碳排放量，即減小這些省份的碳排放約束目標。④表3最后一行數字列示了“十三五”期末，在經濟高速增長、能源結構變化的情景條件下，我國30個省份整體的碳排放總量、ZSGSBM分配后的碳排放總量、碳排放總量的增減額度等指標值。結果發現，我國整體碳排放總量的增減額度為0，即全國“十三五”期末在碳排放強度約束條件下的總碳排放量853 240.213 7萬t保持不變，碳排放強度也保持不變，這體現了本文“零和收益”的建模思想，即碳排放量的效率分配是在全國整體碳減排目標完成基礎上，在省際之間分配。并且，情景2、情景3和情景4條件下的測算結果于情景1類似，此處不再贅述。

3.3效率分配與行政分配的差異分析

2016年，國務院發布的《“十三五”控制溫室氣體排放工作方案》確定了我國各省份的碳排放強度減排目標：其中，碳排放強度約束最大的是北京市、天津市、河北省、上海市、江蘇省、浙江省、山東省和廣東省的20.5%；其次是福建省、江西省、河南省、湖北省、重慶市和四川省的19.5%；而山西省、遼寧省、吉林省、安徽省、湖南省、貴州省、云南省和陜西省則需下降18%，內蒙古自治區、黑龍江省、廣西自治區、甘肅省、寧夏自治區分別下降 17%；最后，海南省、青海省、新疆自治區的碳排放強度約束指標為12%。本文對比了各省的ZSG碳排放強度效率分配測算結果與上述碳排放強度行政分配目標的差異，結果如表3所示。

計算結果表明：① “十三五”期末我國省際碳排放強度ZSG分配目標與國家行政分配的省際碳排放強度分配目標存在較大差異，包括北京市、天津市等省市在內的15個省份的碳排放強度ZSG分配目標低于國家行政分配目標，其余省市則相反。需要特別提到的是海南省和青海省，這兩個省份要實現碳排放強度ZSG分配減排目標值相對較低，然而，由于這兩個省份的環境保護基礎較好，碳排放效率較高，政府為其制定的碳排放強度目標遠低于其他省市，造成這兩個省份出現了的碳排放強度ZSG分配目標高于國家行政分配目標的情況。②以情景1為例，體現最大正向差異的省份分別是廣東省、江蘇省、北京市和上海市。這些省市的經濟發展水平較高，環境污染處理技術也處于領先地位，國家賦予這些省份較高的碳排放強度減排目標是希望這些省份繼續發揮優勢，挖掘潛力，并在全國低碳經濟轉型的進程中起到示范作用。體現最大負向差異的是新疆自治區、山西省、甘肅省和黑龍江省等省市。其中，山西省是我國最大的能源生產和輸出省份，良好的資源稟賦造成該省份能源成本低，企業的成本控制更大的依賴能源資源投入；黑龍江省則是我國重型工業大省，污染型產業的比重較大；而新疆自治區和甘肅省則是我國經濟落后省份，加上相對落后的污染治理技術，造成上述省份的碳排放效率較低。從“效率”導向的計算結果來看，這些省份應當承擔較高的減排責任；然而，政府的行政分配機制立足于省際碳減排目標的“公平”導向，更多的考慮了這些省份的資源稟賦、經濟發展水平和產業結構的現狀，在制定其碳排放強度減排目標時，適當的降低了這些省份的減排責任，進而造成了負向差異較大的結果。可見，基于“公平”導向的碳排放強度減排目標分配方式必然導致一定程度的效率損失。因此，從經濟長遠發展目標來看，基于“零和收益”思想的碳減排目標效率分配方法實現了各省份勞動力、資本、能源、GDP以及碳排放的有效配置，達到了各項投入、產出要素的帕累托最優，更符合我國低碳經濟的發展理念和要求。③對比表4第6列（情景1）和第9列（情景3）的結果可知，在經濟發展水平預期一致的情況下，采取碳排放強度和能源強度的雙重約束會增大省際碳排放強度ZSG分配目標與國家行政分配目標，具體表現為情景1條件下的差異絕對值大于情景3條件下的差異絕對值。主要原因在于，相對于碳排放強度單指標約束條件，碳排放強度和能源強度的雙重約束導致省際碳排放效率前沿面下移，需要分配的碳排放量更大，從而拉大了各省份經過ZSG分配后的碳強度差距。

3.4“十三五”時期各省的低碳經濟發展路徑分析

低碳經濟發展路徑包含“經濟增長”和“環境友好”兩層含義，前文的研究表明，由于資源稟賦、能源消費結構等因素的省際異質性，將我國“十三五”規劃中制定的18%的碳減排目標平均分配至各個省份將造成各省碳排放效率的巨大差異。盡管《“十三·五”控制溫室氣體排放工作方案》對省際碳減排目標進行了必要的調整，然而表4的結果表明，調整結果并沒有實現省際“經濟—環境—能源”系統的投入、產出最優配置。因此，下文以情景1為例，分別以6.97萬元/人的人均GDP和16%的碳減排目標為分界線，從“經濟增長”和“環境友好”兩個維度將我國30個省份劃分為高人均GDP低碳減排壓力、低人均GDP低碳減排壓力、高人均GDP高碳減排壓力和低人均GDP高碳減排壓力4類區域。其中，若省份的ZSG分配碳排放強度下降幅度大于15%，表示該省份的減排壓力較高，反之則較低。以此來探索4類區域的低碳經濟發展路徑，結果見圖3。

如圖3所示：①位于I類地區的省份分別為北京市、上海市和廣東省等7個省市，說明這7個省市的人均GDP較高，且需要承擔的碳減排壓力較低，基本實現了低碳經濟的發展模式，該類地區若要進一步降低碳排放強度，則應增加風電、水電等清潔能源的使用，通過能源消費結構的調整優化能源消費碳排放系數，從而減少單位能源消費碳排放量。②位于II類地區的省份分別是海南省、青海省和寧夏自治區，表明這3個省份的碳減排壓力較小，其低碳經濟的發展路徑應重點提升其人均GDP水平。其中，海南省可以充分發揮其參與我國“21世紀海上絲綢之路經濟帶戰略”的契機，加快現代金融服務業、現代物流業的產業布局和發展；青海省和寧夏自治區獨特的地理和氣候特征為其農牧業創造了獨特的優勢和特色，一直是我國農牧業大省，因此，它們應突出其特色農牧產品和生態環境優良的優勢，大力發展具有特色、高效和品牌效應的生態農牧業，并向上游產業鏈延伸，通過發展和優化農牧產品加工產業來保障農畜產品供銷體系，進一步提高經濟發展水平。③位于III類地區的省份具有較高人均GDP和較高的碳排放壓力，其低碳經濟發展道路以降低碳排放強度為重點。其中，福建省應充分發揮其承接長江三角洲和珠江三角洲兩大經濟發達區域、以及沿海的區位優勢。一方面，加強與長江三角洲、珠江三角洲的經濟資源共享，促進以金融服務業為主的第三產業的聚集；另一方面，充分利用其海上風電的優勢，加快能源消費結構調整，降低碳排放強度。而遼寧省是我國主要的重工業省份，內蒙古自治區則是主要的煤炭輸出省份，這兩個省份應以產業結構升級為重心，努力降低高污染、高能耗行業的比重。④位于IV類地區的省份既承擔較重的碳減排壓力，同時經濟發展水平相對較低。其中，湖北省、重慶市、陜西省和吉林省相似，其人均GDP水平接近于我國整體人均GDP的水平，因此，這些省份應首先考慮提升當地經濟發展水平，先向III類地區靠近，再謀求碳排放強度的降低；而江西省、湖南省、河南省、安徽省、貴州省和四川省的人均GDP離全國整體人均GDP尚有距離，這些省份的低碳經濟發展道路應首先注重碳排放強度的降低，即挖掘自身節能減排潛力，調節能源消費結構，先向II類地區靠近；由于資源稟賦特點而導致高能耗產業比重較大的山西省，應加快淘汰煤炭開采、鋼鐵以及煤化工產業的過剩產能，注重產業結構的重塑；最后，經濟欠發達的廣西省、云南省、甘肅省和新疆自治區則應經濟發展目標和碳減排目標并重，并根據本省份的實際現狀選擇兩者中優先考慮的目標。

4結論

本文在傳統SBM效率測算模型中引入“零和收益”的博弈思想，構建了基于零和收益的SBM（ZSGSBM）模型。然后從經濟增速和能源消費結構變化兩個維度，就我國“十三五”期間的經濟生產系統的發展情況設置了4種情景條件，進而應用上述ZSGSBM模型對“十三五”期間我國30個省份的碳排放強度減排目標進行效率分配。最后通過對比本文碳排放強度減排目標分配結果和國家行政分配方案，探索了“十三五”期間我國各省份的低碳經濟發展道路。本文的主要結論在于：

（1）在本文4種情景條件下，將“十三五”規劃中確定18%的碳減排目標平均分配到各省份中將造成我國“十三五”時期的省際碳排放效率出現巨大差異。經濟較為發達的東部省份和環境現狀較好的海南省、青海省的碳排放效率較高，到達或接近于省際經濟系統的碳排放效率前沿，而經濟欠發達的中、西部地區則相反。在采用ZSGSBM模型對省際碳排放量進行效率分配后，30個省份的效率值hZSG*o均為1.000 0，即到達效率前沿，各省勞動力、資本存量和能源等投入資源與GDP、碳排放量等產出的有效配置，實現了全國整體資源的帕累托最優。

（2）考慮到我國各省份在能源資源稟賦、經濟發展水平和現有產業結構的異質性，目前，中央政府的行政分配機制主要立足于省際碳減排目標的“公平”導向，在制定省際碳排放強度減排目標時兼顧了區域經濟增長、居民生活水平提高等因素，傾向于降低經濟欠發達省份的減排責任，在短期內保證了這些省份實現碳減排目標的可行性。然而，這種基于“公平”導向的行政分配方式必然造成一定程度的效率損失，從經濟長遠發展目標來看，基于“零和收益”思想的碳減排目標效率分配方法更符合低碳經濟的發展要求。因此，政府在制定各省份碳減排具體目標時，可以交叉使用“公平”導向和“效率”導向的碳減排目標分配方法，既能緩解經濟欠發達省份短期內的減排壓力，又能逐步向投入、產出要素的帕累托最優配置狀態靠近，最終實現我國低碳經濟發展的長遠目標。

（3）通過一一對比4種情景條件下的測算結果，本文發現：第一，使用碳排放強度和能源強度雙重目標約束條件下的省際碳排放效率優于采用碳排放強度單指標約束的效率值。這是由于在碳排放強度約束的基礎上，能源強度的進一步約束將迫使各省調整和優化能源消費結構，從而更加接近數據包絡的碳排放效率前沿。第二，在經濟發展水平預期相同的情況下，采取碳排放強度和能源強度的雙重目標約束會增大省際碳排放強度ZSG分配目標的差距。相對于碳排放強度單指標約束條件，碳排放強度和能源強度的雙重目標約束導致省際碳排放效率前沿面下移，碳排放效率較低的省份需要分配出去更多的碳排放量，從而拉大了各省份經過ZSG分配后的碳強度差距。

（4）鑒于省份資源稟賦、地理位置、經濟水平和現有產業結構的異質性，各省應選擇有差異的低碳經濟發展道路。I類地區的北京、上海等省市應增加風電、水電等清潔能源的使用，通過能源消費結構的優化來減少碳排放量。II類地區的海南省應加快現代金融服務業、現代物流業的產業布局和發展；青海省和寧夏自治區則要大力發展具有特色、高效和品牌效應的生態農牧業，并向上游產業鏈延伸。III類地區的福建省應充分發揮其區位優勢，一方面加強與長江三角洲、珠江三角洲的經濟資源共享，一方面充分利用其海上風電的優勢，加快能源消費結構調整。而遼寧省和內蒙古自治區則應以產業結構升級為重心，努力降低高污染、高能耗行業的比重。IV類地區的省份則應將經濟發展目標和碳減排目標并重，并根據本省份的實際現狀選擇兩者中優先考慮的目標。

（編輯：李琪）

參考文獻（References）

[1]周葵， 戴小文. 中國城市化進程與碳排放量關系的實證研究[J]. 中國人口·資源與環境， 2013， 23（4）： 41-48.[ZHOU Kui，DAI Xiaowen. An empirical study on the relationship between urbanization and carbon emission in China[J]. China population， resources and environment， 2013， 23（4）： 41-48.]

[2]WANG Zhaohua， YIN Fangchao， ZHANG Yixiang， et al. An empirical research on the influencing factors of regional CO2 emissions： evidence from Beijing city， China[J]. Applied energy， 2012， 100（4）：277-284.

[3]DONG Feng， LI Xiaohua， LONG Ruyin， et al. Regional carbon emission performance in China according to a stochastic frontier model[J]. Renewable & sustainable energy reviews， 2013， 28（8）：525-530.

[4]GUO Wen， SUN Tao， DAI Hongjun. Effect of population structure change on carbon emission in China[J]. Sustainability， 2016， 8（3）： 225-244.

[5]苗壯， 周鵬， 李向民. 我國“十二五”時期省級碳強度約束指標的效率分配[J]. 經濟管理， 2012（9）：25-36.[MIAO Zhuang， ZHOU Peng， LI Xiangmin. Chinas carbon intensity constraint efficiency allocation research during “12·5” period[J]. Economic management journal， 2012（9）：25-36.]

[6]HUA Zhongsheng， BIAN Yiwen， LIANG Liang. Ecoefficiency analysis of paper mills along the Huai River： an extended DEA approach[J]. Omega， 2007， 35（5）：578-587.

[7]TONE K. A slacksbased measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[8]ZHANG Chunhong， LIU Haiying， BRESSERS H， et al. Productivity growth and environmental regulationsaccounting for undesirable outputs： analysis of Chinas thirty provincial regions using the MalmquistLuenberger index[J]. Ecological economics， 2011， 70（12）： 2369-2379.

[9]WU Fei， ZHOU Peng， ZHOU Dequn， et al. Industrial energy efficiency with CO2 emissions in China： a nonparametric analysis[J]. Energy policy， 2012， 49： 164-172.

[10]ZHOU Peng， ANG B W， POH K L. Slacksbased efficiency measures for modeling environmental performance[J]. Ecological economics， 2006， 60（1）： 111-118.

[11]王兵， 吳延瑞， 顏鵬飛. 中國區域環境效率與環境全要素生產率增長[J]. 經濟研究， 2010 （5）： 95-109.[WANG Bing，WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies[J]. Economic research journal， 2010 （5）： 95-109.]

[12]ZHOU Yan， LIANG Dapeng， XING Xinpeng. Environmental efficiency of industrial sectors in China： an improved weighted SBM model[J]. Mathematical and computer modeling， 2013， 58（9）： 990-999.

[13]周五七， 聶鳴. 中國工業碳排放效率的區域差異研究[J]. 數量經濟技術經濟研究， 2012（9）： 58-70.[ZHOU Wuqi， NIE Ming. Regional differences in the efficiency of industrial carbon emissions in China[J]. The journal of quantitative & technical economics， 2012（9）： 58-70.]

[14]馬大來， 陳仲常， 王玲. 中國省際碳排放效率的空間計量[J]. 中國人口·資源與環境， 2015， 25（1）： 67-77.[ MA Dalai， CHEN Zhongchang， WANG Ling. Spatial econometrics research on interprovincial carbon emissions efficiency in China[J]. China population， resources and environment， 2015， 25（1）： 67-77.]

[15]史丹， 吳利學， 傅曉霞， 等. 中國能源效率地區差異及其成因研究[J]. 管理世界， 2008（2）： 35-43. [SHI Dan， WU Lixue， FU Xiaoxia， el at. A study on regional differences of energy efficiency and its causes in China[J]. Management world， 2008（2）： 35-43.]

[16]DU Juan， LIANG Liang， ZHU Joe. A slacksbased measure of superefficiency in data envelopment analysis： a comment[J]. European journal of operational research， 2010， 204（3）： 694-697.

[17]查冬蘭， 周德群， 孫元. 為什么能源效率與碳排放同步增長[J]. 系統工程， 2013， 238（10）： 105-111.[ ZHA Donglan， ZHOU Dequn，SUN Yuan. Why do the energy efficiency on reduction and carbon emission increase simultaneously[J]. Systems engineering， 2013， 238（10）： 105-111.]

[18]李蘭冰. 中國全要素能源效率評價與解構——基于“管理—環境”雙重視角[J]. 中國工業經濟， 2012（6）：57-69.[ LI Lanbing. Evaluation on regional energy efficiency in China： based on managerial and environmental viewpoints[J]. China industrial economics， 2012（6）：57-69.]

[19]GUO Xiaodan， ZHU Lei， FAN Ying， et al. Evaluation of potential reductions in carbon emissions in Chinese provinces based on environmental DEA[J]. Energy policy， 2011， 39（5）： 2352-2360.

[20]王群偉， 周德群， 周鵬. 區域二氧化碳排放績效及減排潛力研究——以我國主要工業省區為例[J]. 科學學研究， 2011（6）： 868-882.[ WANG Qunwei， ZHOU Dequn， ZHOU Peng. Regional carbon dioxide emission performance and its reduction potential based on environmental production technology： the case of main industrial provinces in China[J]. Studies in science of science， 2011（6）： 868-882.]

[21]BIAN Yiwen， HE Ping， XU Hao. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended nonradial DEA approach[J]. Energy policy， 2013， 63（4）： 962-971.

[22]XU Feng， XIANG Nan， YAN Jingjing， et al. Dynamic simulation of Chinas carbon emission reduction potential by 2020[J]. Letters in spatial & resource sciences， 2015， 8（1）： 15-27.

[23]FENG Xiangzhao， ZOU Ji. Economic analysis of CO2 emission trends in China[J]. China population， resources and environment， 2008， 18（3）： 43-47.

[24]郭朝先. 中國二氧化碳排放增長因素分析：基于SDA分解技術[J]. 中國工業經濟， 2010 （12）： 47-56.[GUO Chaoxian. An analysis of the increase of CO2 emission in China： based on SDA technique[J]. China industrial economics， 2010（12）： 47-56.]

[25]劉貞， 朱開偉， 閻建明， 等. 產業結構優化下電力行業碳減排潛力分析[J]. 管理工程學報， 2014， 28（2）： 87-93.[LIU Zhen， ZHU Kaiwei， YAN Jianming， el at. The analysis of power sector carbon mitigation potential in the industrial structure optimization scene[J]. Journal of industrial engineering and engineering， 2014， 28（2）： 87-93.]

[26]周鵬， 周迅， 周德群. 二氧化碳減排成本研究述評[J]. 管理評論， 2014， 26（11）： 20-28.[ZHOU Peng， ZHOU Xun， ZHOU Dequn. A survey of studies on estimating CO2 mitigation costs[J]. Management review， 2014， 26（11）： 20-28.]

[27]SIMOES S， CLETO J， FORTES P， et al. Cost of energy and environmental policy in portuguese CO2 abatementscenario analysis to 2020[J]. Energy policy， 2008， 36（9）： 3598-3611.

[28]MINIHAN E S， WU Ziping. Economic structure and strategies for greenhouse gas mitigation[J]. Energy economics， 2012， 34（1）： 350-357.

[29]姚云飛， 梁巧梅， 魏一鳴. 國際能源價格波動對中國邊際減排成本的影響： 基于CEEPA模型的分析[J]. 中國軟科學， 2012（2）： 156-165.[YAO Yunfei1， LIANG Qiaomei， WEI Yiming. The impacts of international energy price volatility on Chinas marginal abatement cost： a CEEPAbased analysis[J]. China soft science， 2012 （2）： 156-165.]

[30]CHEN Wenying. The Costs of mitigating carbon emissions in China： findings from China MARKALMACRO modeling[J]. Energy policy， 2005， 33（7）： 885-896.

[31]ZHOU Peng， ZHOU Xu. On estimating shadow prices of undesirable outputs with efficiency models： a literature review[J]. Applied energy， 2014， 130（1）： 799-806.

[32]MARADAN D， VASSILIEV A. Marginal costs of carbon dioxide abatement： empirical evidence from crosscountry analysis[J]. Revue suisse d economie et de statistique， 2005， 141（3）： 377.

[33]FARE G， GROSSKOPF S， PASURKA C A. Environmental production functions and environmental directional distance functions[J]. Energy， 2007， 32（7）： 1055-1066.

[34]王群偉， 周德群， 葛世龍， 等. 環境規制下的投入產出效率及規制成本研究[J]. 管理科學， 2009， 22（6）： 111-119. [WANG Qunwei， ZHOU Dequn， GE Shilong， et al. Research on inputoutput efficiency and regulatory cost under environmental regulation[J]. Journal of management sciences， 2009， 22（6）： 111-119.]

[35]葉祥松， 彭良燕. 我國環境規制下的規制效率與全要素生產率研究：1999—2008[J]. 財貿經濟， 2011（2）： 102-110. [YE Xiangsong， PENG Liangyan. Research on regulation efficiency and TFP of environmental regulation in China from 1999 to 2008[J]. Finance & trade economics， 2011（2）： 102-110.]

[36]PENG SZ， CHANG Y， ZHANG JT. Consideration of some key issues of carbon maket development in China[J]. Chinese journal of population， resources and environment， 2015，13（1）：10-15.

[37]FU JY， ZHANG CJ. International trade， carbon leakage， and CO2 emissions of manufacturing industry[J]. Chinese journal of population， resources and environment，2015，13（2）：139-145.

[38]SUN R，KUANG D，CHANG DQ. Effect analysis of carbon trading on EconomyEnergyEnvironment system and calculation of reasonable carbon price intervals[J]. Chinese journal of population， resources and environment， 2015，13（2）：146-154.

[39]FANG QQ， ZHOU XH， LIU JR. Double dividend of carbon intensity： environmentalquality improvement and sustainable economic growth[J].Chinese journal of population， resources and environment， 2015，13（3）：187-197.

[40]MIAO Zhuang， GENG Yong， SHENG Jichuan. Efficient allocation of CO2 emissions in China： a zero sum gains data envelopment model[J]. Journal of cleaner production， 2015， 112：4144-4150.

[41]RIETBERGEN M G， BLOK K. Assessing the potential impact of the CO2 performance ladder on the reduction of carbon dioxide emissions in the Netherlands[J]. Journal of cleaner production， 2013， 52（4）： 33-45.

[42]WANG Qunwei， CUI Qinjun， ZHOU Dequn， et al. Marginal abatement costs of carbon dioxide in China： a nonparametric analysis[J]. Energy procedia， 2011， 5（5）： 2316-2320.

[43]郭文， 孫濤， 朱建軍. 基于最大有效面集的網絡SBM評價模型及其應用[J]. 控制與決策， 2014， 29（12）： 2282-2286. [GUO Wen， SUN Tao， ZHU Jianjun. Network slacksbased measure evaluation method based on maximum frontier set and its application[J]. Control and decision， 2014， 29（12）： 2282-2286.]

[44]ZHANG Ning， CHOI Y. Environmental energy efficiency of Chinas regional economies： a nonoriented slacksbased measure analysis[J]. Social science journal， 2013， 50（2）： 225-234.

[45]TONE K. Variations on the theme of slacksbased measure of efficiency in DEA[J]. European journal of operational research， 2010， 200（3）： 901-907.

[46]DU Juan， LIANG Liang， ZHU Joe. A slacksbased measure of superefficiency in data envelopment analysis： a comment[J]. European journal of operational research， 2010， 204（3）： 694-697.

[47]LINS M P E， GOMES E G， JOAO C， et al. Olympic ranking based on a zero sum gains DEA model[J]. European journal of operational research， 2003， 148（2）：312-322.

[48]GOMES E G， LINS M P E. Modelling undesirable outputs with zero sum gains data envelopment analysis models[J]. Journal of the operational research society， 2008， 59（5）： 616-623.

[49]AZADI M， SAEN R F. Developing an outputoriented super slacksbased measure model with an application to thirdparty reverse logistics providers[J]. Journal of multicriteria decision analysis， 2011， 18（5）： 267-277.

[50]PARADI J C， WILSON D， YANG Xiaopeng. Data envelopment analysis of corporate failure for nonmanufacturing firms using a slacksbased measure[J]. Journal of service science & management， 2014， 7（4）： 277-290.

[51]李善同， 侯永志， 劉云中，等. 中國經濟增長潛力與經濟增長前景分析[J]. 管理世界， 2005（9）： 7-19.[LI Shantong， HOU Yongzhi， LIU Yunzhong， et al. An analysis of Chinas economic growth potential and perspective[J]. Management world， 2005（9）： 7-19.]

[52]林伯強， 孫傳旺. 如何在保障中國經濟增長前提下完成碳減排目標[J]. 中國社會科學， 2011（1）： 64-76.[ LIN Boqiang， SUN Chuanwang. How can China achieve its carbon emission reduction target while sustaining economic growth？ [J]. Social sciences in China， 2011（1）： 64-76.]

[53]LI Lanbin， HU Jinli. Ecological totalfactor energy efficiency of regions in China[J]. Energy policy， 2012， 46（4）： 216-224.

[54]郭文， 孫濤. 中國工業行業生態全要素能源效率研究[J]. 管理學報， 2013， 10（11）： 1690-1695.[GUO Wen， SUN Tao. Chinese industries ecological total factor energy efficiency[J]. Chinese journal of management， 2013， 10（11）： 1690-1695.]

[55]李小勝， 宋馬林. “十二五”時期中國碳排放額度分配評估——基于效率視角的比較分析[J]. 中國工業經濟， 2015 （9）： 99-113.[LI Xiaosheng， SONG Malin. Regional allocation of CO2 emissions allowance during the “Twelfth FiveYear” in China： from the perspective of efficiency comparative analysis[J]. China industrial economics， 2015 （9）： 99-113.]

作者簡介：郭文，博士，講師，主要研究方向為碳排放效率評價與優化。Email： guowen_870608@163.com。

基金項目：國家自然科學基金面上項目“基于公眾認知視角的鄰避項目環境風險評估與治理研究”（批準號：71671080），“互聯網環境下考慮內生信息的鄰避集群行為演化機理研究” （批準號：71571099）；國家自然科學青年基金項目“鄰避行為的形成、演變及其沖突協調研究”（批準號：71301070）；江蘇省社會科學基金“群體性鄰避行為的度量及其沖突協調研究”（批準號：13SHC014）；全國統計科學研究項目“能源品階視角下我國能源統計核算及其資產負債表編制”（批準號：2016LZ36）。