“十二五”時期中國碳排放全要素生產率及其影響因素研究

李小勝 胡正陶 張 娜 宋馬林

一、引 言

我國政府在“十二五”時期提出單位 GDP能耗和二氧化碳排放在“十一五”時期的基礎上分別再降低16%和17%以及主要污染物排放總量減少8%～10%的目標。從目前環境保護部和國家發展和改革委員會數據看，該目標已經順利完成，這些任務的完成與國家命令控制型工具和經濟激勵措施的雙重作用是分不開的。十八屆五中全會我國政府又指出“十三五”時期經濟要堅持綠色發展，積極推進生態文明建設，全面節約和高效利用資源，建立健全碳排放權初始分配制度，推動形成勤儉節約的社會風尚，這說明未來一段時間，節能減排仍然是政府關注的焦點。

“十二五”時期是我國節能減排的關鍵時期，我國節能減排效率如何？準確評價過去綠色發展和節能減排的工作成效，對于“十三五”時期綠色發展、控制碳排放和建立碳交易市場制度都具有重要的參考意義。國內很多文獻對碳排放效率和碳排放全要素生產率指數進行研究，從最初的沒有考慮非期望產出，到考慮非期望產出情況，得出了很多有益的結論。但由于處理的方法不同，不同的研究方法得出的結論差別很大，究其原因包括：是否考慮非期望產出；考慮非期望產出的模型，采用方向性向量時是否調整比例一致，很多研究采用考慮非期望產出的方向性距離函數方法，但是這種方法通常采用所有要素調整都按照同一個比例進行調整，這不是真正的碳排放效率；在采用方向性距離函數的方法時，很多研究都應用的是徑向的調整，沒有考慮到松弛的作用。這些問題的存在都表明以往的碳排放效率測算以及基于效率的碳排放全要素生產率指數計算仍然存在著改進的余地。

二、文獻綜述

雖然測算碳排放效率和碳排放全要素生產率指數的文獻很多，但是很多文獻沒有考慮上述的三個問題以及個體的異質性問題。最近大量文獻認為異質性問題比較突出，異質性表現在決策單元的地區不同、類型和所有制不同、規模大小不同等方面。如果不考慮異質性將所有決策單元放在一起進行效率評價會得到有偏的結果。考慮異質性的共同前沿分析思想來源于Hayami和Ruttan(1971)提出的“Meta-frontier”(共同前沿)概念，后來該思想被很多研究者廣泛應用在制造業效率、能源效率和碳排放效率的測量中(O’Donnell等，2008)。由于傳統的技術效率分析將不同的決策單元(DMU)生產技術看成是同質的，具有不可比性。共同前沿分析有效回避所有時期或所有決策單元采用相同的生產前沿，可以將決策單元劃分為不同的組別，每個組別形成組別前沿(group frontier)，這樣避免因缺乏統一的標準而無法找到效率缺失的存在。共同前沿的分析方法中，早期應用的都是參數模型，Battese和Rao(2002)、Battese等(2004)在異質性條件下采用參數共同前沿分析方法研究了技術效率和技術缺口問題。O’Donnell 等(2008)又提出了一種非參數的共同前沿分析方法研究技術效率，Oh(2010)采用考慮非期望產出情況下的非參數共同前沿模型對環境效率進行評價，Oh和Lee(2010)同時采用沒有考慮非期望產出的非參數共同前沿模型分析58個國家1970—2010年的全要素生產率指數情況。Fei和Lin(2016)采用共同前沿的分析方法對中國各個地區的農業碳排放效率進行了詳細的分析。

由于技術效率測量的是決策單元間靜態的相對比較，為了動態分析效率的變化，很多文獻計算了全要素生產率指數。采用共同前沿的分析方法得到效率后計算全要素生產率指數是較為穩健的方法。但是很多研究采用方向性距離函數進行全要素生產率指數計算時，對各個要素調整比例采用相同的比例假定，這制約了全要素生產率指數的準確性。例如，Oh(2010)、Oh和Lee(2010)、Zhang和Choi(2013)采用的都是所有要素調整按照相同比例的方式測算效率之后，再基于效率計算全要素生產率指數。Munisamy和Arabi(2015)首先注意到這個問題，他們采用各要素都調整1為度量單位，但調整比例不同的形式，對全要素生產率指數進行測量，發現意大利48個熱電廠2003—2010年效率和全要素生產率指數增長的都較快。

同樣國內學者也注意到采用共同前沿分析方法是測算全要素生產率指數較為穩健的方法。由于我國各地區經濟發展的極度不平衡，并且能源消費和二氧化碳排放的區別較大，根據各個省份的不同情況進行分析，按照共同前沿分析的思想能夠更細致準確地度量各地區二氧化碳排放的效率、全要素生產率指數的大小及其影響因素，有利于做出不同的切實可行的碳減排計劃。Wang等(2015)認為中國各個地區的經濟規模、產業結構、地理和資源環境的情況不同，生產技術的差異性存在，所以在評價效率的時候必須考慮異質性。李勝文等(2013)認為對不同省份的效率進行測量的前提是技術水平相當，而國內有些文獻在采用數據包絡分析和隨機前沿分析構造共同前沿的時候忽視了這點，將全國看成一個整體，導致技術效率計算結果的不可比。在認識到技術效率差距的前提下，他們將中國各省區分為東、中、西部地區，應用共同前沿方法對技術效率和技術差距進行研究。王群偉等(2014)利用共同前沿和非徑向DEA方法對58個國家和地區1995—2007 年二氧化碳排放績效進行測量。沈能等(2013)充分考慮農業環境技術差距，將中國各地區分為東部地區、中部地區和西部地區，劃分為三個技術異質性組群進行效率測量。

上述的研究中，國內和國外的學者已經采用共同前沿的方法對技術效率和全要素生產率指數進行測度，但是采用的是徑向方法或者是方向性距離函數的方法，在利用方向性距離函數方法時，應用的都是所有投入和產出(包括非期望產出)，按照相同比例，依據自身數據的大小進行調整。但調整比例大小一樣，得到碳排放效率不是真正意義上的碳排放效率。其次，碳排放效率測量的前提是所有決策單元都具有類似的技術水平，但中國各地區經濟發展水平存在著較大的差距，技術水平也不一樣。共同前沿的分析方法明顯較傳統的不考慮異質性的方法好。本文的目標就是在考慮各個要素調整比例不一致的情況下，運用共同前沿技術測量各個省份“十二五”時期的碳排放效率；在測算碳排放效率的基礎上，采用共同前沿Malmquist-Luenberger生產率指數方法測量全要素生產率指數并進行分解；接著我們對影響全要素生產率指數的因素進行實證分析，分析各影響因素的作用大小；最后給出結論和具體的政策建議。

三、研究方法

（一）環境生產技術

我們將每個省份看成是一個決策單元，有K個省份，i=1,…,K，每個省份應用投入要素 x∈，生產出期望產出y∈和非期望產出 b∈，時期為t=1,…,T。環境生產技術可以表示為P={(x,y,b)x 能 夠生產出(y,b )}。環境生產技術滿足三條公理：(1)投入和期望產出是強可處置或可自由處置的，即如果(y,b )∈P(x)，且y'≤y，那么(x;y',b )∈P(x)；(2)非期望產出是弱可處置，即(y,b)∈P(x)時，0≤θ≤1會有(x;θy,θb)∈P(x)成立，這個條件表明期望產出和非期望產出具有聯合弱可處置性，即減少污染是有成本的；(3)零結合性，當(x;y,b )∈P(x)時，并且有b=0，那么必有y=0，該性質稱為零結合性，即沒有非期望產出就沒有期望產出。

實際的生產過程是追求期望產出最大化同時希望非期望產出最小化，這種思想直到Chung等(1997)提出方向性距離函數時才很好的解決，方向性距離函數可以對產出和投入按照不同的方向進行調整，使期望產出最大化，投入和非期望產出最小化。方向性向量的選擇不同，方向性距離函數的結果也不一致，本文采用(gxnk, gymk, gblk)=(? xnk, ymk, ? blk→)表示，即以自身數據的大小為方向性向量調整距離，那么方向性距離函數可以表示為其中投入向量x包括資本、勞動和能源消耗，期望產出變量y用地區生產總值表示，非期望產出b用地區的碳排放表示。方向性距離函數我們采用下面的Russell型線性規劃模型得到。

從規劃模型(1)和方向性向量的選擇可以看出，對于期望產出、投入和非期望產出的調整距離大小可以不一致，如果都為 0，那么說明該省份處在前沿面上，上面的距離結果越大，說明該決策單元的效率越低，離前沿面的距離越遠。

上述的效率評價模型通常將所有的決策單元放在一起進行構造前沿面，通過測算各個體離前沿面的距離來分析效率的高低，通常被認為沒有區分決策單元的異質性(group heterogeneities)。實際上，不同技術水平的地區前沿面是明顯不同的，為了解決這個問題，Oh(2010)提出考慮非期望產出情況下的共同前沿模型，該模型在共同前沿的假定下結合傳統的Malmquist-Luenberger生產率指數對效率和全要素生產率進行評價，結果相對合理和穩健。本文將利用上述的Russell型距離函數公式得到真正意義上的碳排放效率，然后再按照共同前沿方法測量中國各地區的技術效率和 Malmquist-Luenberger生產率指數。

（二）基于各要素調整比例不同的共同前沿Malmquist-Luenberger生產率指數

為了能夠得到共同前沿模型中各地區的技術效率，需要對各個地區按照技術水平類似的原則進行分組，得到相應的三類環境生產技術：同期的環境生產技術、跨期的環境生產技術和全局的環境生產技術。假設總體決策單元一共有H組，h=1 ,2,…,H，對于具體的R組，同時期的環境生產技術可以表示為

h以同一個時期的該組所有決策單元構造的前沿面表示的技術。跨時期的環境生產技術可以表示為，表示該組不同時期的決策單元放在一起構造前沿面，再根據此前沿面計算得出各決策單元各時期的技術效率大小。全局環境生產技術可以表示為，表示所有決策單元的所有時期為參考前沿面，再計算各個地區不同時期的技術效率。

在以上三種共同前沿環境生產技術下，可以利用式(1)的方向性距離函數測量得到各個決策單元離前沿面的距離，即技術效率值。因此，可以根據Chung等(1997)的定義，計算得到同時期的Malmquist-Luenberger指數(ML)，該指數可以表示為：

對于跨時期的共同前沿Malmquist-Luenberger全要素生產率指數(ML)的計算，可以用下面的公式表達：

對于跨時期共同前沿 Malmquist-Luenberger生產率指數我們可以對其進行分解，表示為技術效率變化(TE)和離最佳實踐前沿面的缺口(BPG)的乘積：

最后，基于不同要素調整比例的共同前沿全局Malmquist-Luenberger生產率指數，可以定義為式(7)：

其中，TEt仍是技術效率，表示某個決策單元離第h組t時期構造的前沿面距離，越大技術效率越高，EC表示相鄰兩個時期的技術效率改變。BPGt表示第h組t時期構造的前沿面與所有時期構造的前沿面距離，越大表示t時期構造的前沿面離該組所有時期構造的前沿面距離越近，BPC表示最佳實踐前沿面缺口的改變，反映創新效應或者技術進步的效應。TGRt表示第h組所有時期構造的前沿面與所有組所有時期數據構造的前沿面距離，越大表示該組與整體的距離越近，其中TGR表示技術缺口比率，TGC表示技術缺口比率的改變，即特定組技術與領先組之間的差別。與傳統的 Malmquist-Luenberger指數一樣，跨期和全局的全要素生產率指數的變化大于1表示全要素生產率指數上升，小于1表示全要素生產率指數下跌，等于1表示全要素生產率指數沒有變化。如果我們以群組1為例，假設時期1和時期2的產出分別為a1和a2，o1和o2分別是生產的起點，且o1a1和o2a2的距離都為1，那么全局性全要素生產率指數可以表示為式(9)：

其中，式(9)中最后的等式第一項反映的是技術效率的改變，第二項反映的是離最佳實踐前沿面距離的改變，最后一項反映的是技術缺口比率的改變，就是跨期的前沿面與全局的前沿面的距離。

（三）數據來源

本文以中國30個省、市、自治區“十二五”時期的資本、勞動和能源作為投入要素，以各地區 GDP和二氧化碳排放作為產出對碳排放效率和碳排放全要素生產率進行分析。各地區的生產總值數據來自中國統計年鑒，并對該指標按照國內生產總值指數進行不變價處理。能源消耗來自《中國能源統計年鑒》。勞動數據來自《中國統計年鑒》，采用年初和年末勞動力人數的平均表示，單位為萬人。資本存量采用尹向飛和段文斌(2016)的處理方法，按照“永續盤存法”進行核算，并對后續數據擴充，并采用不變價進行表示，單位為億元。二氧化碳數據國內外研究都從能源消耗的角度進行估計，本文按照李小勝和宋馬林(2015)的文獻對該指標進行估計，單位為噸。2013—2015年的數據參考Wang等(2013)觀點，國內生產總值按照年均7.5%的增長速度推算得到，碳強度按照年均下降3.8%的速度外推得到，資本存量按照平均增長速度為14%得到，從業人員按照增長速度為0.622%計算得到，能源消耗強度按照16%的速度遞減得到，由于西藏自治區數據不全，本文只研究了中國大陸30個省份的投入產出數據。

四、實證結果分析

（一）技術效率分析

采用共同前沿的分析方法研究碳排放效率和碳排放全要素生產率，首先需要對群組進行劃分，按照國家統計局的地區進行分類，其中由于西藏數據不全，我們將其從西部地區中剔除。即東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。

1.各地區全局的技術非效率

全局的技術效率測量是指不同地區各時期與所有組群中的個體所有時期構造的前沿面相比距離是多大。在全局環境生產技術的約束下，按照公式(1)，我們計算得到2011—2015年各個地區的技術非效率值(如表1)。從表中的結果可以看出，按照全局的效率進行測量，除廣東省外，各個地區都存在著非效率的情況，特別是一些不發達地區離前沿面的距離較遠，相反，我們發現“十二五”時期發達地區的效率非常高，即非效率項的值小，廣東省在 2011—2015年間每年都是處在效率的前沿面上，說明廣東省的投入和產出組合得非常好，即使在全局效率測量下，前沿面組合結構比較復雜的情況下，仍然各期都是有效率的。2011—2015年東部公認的發達省份北京、上海、浙江和江蘇的技術效率都在 80%以上，東部地區的遼寧、山東和河北效率較低，特別是遼寧各年份的非效率都在50%以上，其次是山東省非效率項在35%以上，這個結果與李小勝和宋馬林(2015)的結論是一致的，山東省雖然經濟總量很大，但是污染排放也較大，考慮所有的投入和產出組合后非效率項數值仍較高。2012年后廣東、上海、北京、江蘇、天津、浙江這6個發達省份始終處在前沿面的最前端。中部地區的各個省份非效率數值都在28%以上，效率均非常低，特別是山西省，在中部的8個省份中效率最低，非效率值在75%以上，這與多數文獻的結論是一致的，山西省是一個資源型大省，能源消耗較大，導致碳排放效率低。其次中部效率較低的省份是吉林和河南兩省，這兩個省份的特征較為類似，經濟總量在中部地區也偏大，但是能源消耗也大。西部11個省份與東部和中部相比效率更低，絕大多數省份的非效率項明顯高于前兩個地區，西部地區的寧夏在所有年份都是效率最低的地區，每年的非效率項都在88%以上，這表明按照全局性技術效率的測量，寧夏投入產出組合最無效。實際上這個結果與寧夏的碳排放強度是緊密相連的，寧夏的碳排放強度是全國所有省份中最高的，這也從某種意義上表明全局效率測量方法在碳排放效率計算中的合理性，共同前沿分析方法是未來碳排放效率測量中應該值得提倡的測量技術。

表1 各群組中的地區在全局技術下的非效率值

續表1

2.各地區跨期的技術非效率

跨期的群組技術效率是指該群組中各地區離該群組所有地區所有時期構造的前沿面距離。跨期的群組環境技術可以用表示，在這種技術下，采用距離測量式(1)，我們可以得到各個地區的技術非效率值(如表2所示)。通過分析表2中的數據，我們發現一個非常有意思的現象，分組的情況下各個地區的非效率出現了較大的變化，中部地區除了吉林和湖北有非效率的情況外其他省份都沒有非效率情況出現，而且各個省份之間的非效率相差非常得小。這從某種程度上可以看出，這些省份的投入和產出結構沒有多大的差異，群組的劃分還是比較正確的，也進一步表明該群組在以不同時期的數據構造前沿面時是合理的，跨期的技術效率測量結果離前沿面的距離比全局效率測量的值更小。其次，東部11個省份中，各年技術效率數值較高的依次是廣東、北京和上海，同樣河北、遼寧和山東的技術效率仍較低，其他幾個省份的非效率數值在 0.2左右，離前沿面的距離不是很遠。但是中部各個省份之間的差別比較大，很多省份雖然出現了非效率的狀況，但是與全局的非效率測量來看，數值明顯小于后者。同樣西部地區的效率還是較低的地區，西部省份中仍然是寧夏和青海的技術效率最差，寧夏的技術非效率每年都達到 80%以上，西部效率較高的省份是內蒙古、四川和重慶，其他省份的技術非效率也是維持在 20%左右，但是這種劃分省份測算的效率結果沒有中部技術效率測算結果之間的差距小，說明這一組個體之間存在著一定的差異，群組的同質性沒有中部地區好。

表2 各個群組中的地區在跨期技術下的非效率

續表2

3.各地區同時期的技術非效率

同時期的技術效率測量與傳統的效率測量是一樣的，只不過對地區進行了劃分，形成了各群組的共同前沿，時期上并無太大不同，用來反映各個省區在當期單個群組情況下的非效率結果。對于各個地區同時期的技術非效率我們采用式(1)在生產技術約束下得到的結果(表3)。同時期的生產技術參考前沿面比上述的兩種技術效率測量都少，所以形成的效率明顯高于上述兩種結果。從表3中我們看到東部地區的廣東、海南、上海和北京各年都是處在前沿面上，非效率項的數值為 0，是最有效率的地區，效率較低的省份仍然是遼寧、山東、福建和浙江，但是這些省份的效率數值明顯高于前面兩種技術下的效率值。中部地區除了河南和湖北存在著非效率現象，其他省份都不存在非效率狀況，且全局的非效率項和跨期的非效率項數值大于當期的非效率狀況。西部地區的寧夏、云南和青海的非效率狀況持續最差，但是與前面兩種碳排放測量技術相比還是低些，同樣西部其他省份的非效率數值比較小，與實際經濟表現相一致，從上面的三種效率測量的技術看，共同前沿效率分析模型是合適的：一方面能夠區分出效率低的省份，另一方面通過群組的劃分，可明顯發現不同的環境生產技術下各種效率測量的大小差別。

表3 各個群組中的地區在同時期技術下的非效率

綜合上述的三種效率分析結果，我們可以看到，無論是采用全局的效率分析，還是跨期的效率分析和當期的效率分析，效率不高的地區通常是經濟不發達的中、西部地區，也是資源生產和消耗較大的地區。我們從國家統計局收集到2005—2011年全國30個省份能源消耗強度指標，即萬元國內生產總值的能源消耗數據，各年這幾個省份的能源消耗強度始終是最高的，特別是寧夏自治區逐年的能源消耗強度都在每萬元GDP能源消耗為 3噸標準煤以上，在全國是能源消耗強度最高的省份，貴州省在 2005—2007年這3年也是能源消耗為3噸標準煤/萬元GDP左右。但是這些能源消耗強度高的省份能源消耗下降的速度和絕對量也是非常大的，寧夏自治區從2005年4.14噸標準煤/萬元GDP下降到2011年的2.28噸標準煤/萬元GDP，年均下降速度達到10%，即使是這樣能源消耗強度還是遠遠高于其他發達省份。2011年能源消耗強度最低的省份是北京為0.46噸標準煤/萬元GDP，寧夏是北京的能源消耗強度的5倍，可見能源消耗強度相差較大，這也佐證了寧夏等不發達省份效率非常低的原因。綜合上述三種效率測量結果我們發現全局的非效率數值大于群組的非效率值，群組的非效率值大于當期的非效率，前沿面構造中的地區越多，各個地區與前沿面相比效率越低，共同前沿模型的規律較為明顯。

（二）各要素調整比例不同的共同前沿全要素生產率指數分析

1.基于共同前沿的Malmquist-Luenberger全要素生產率指數

基于共同前沿模型的效率分析是從靜態比較的角度對各個地區離前沿面的距離進行闡述，不能夠反映效率的動態變化，為了動態研究效率的變化，我們需要計算全要素生產率指數，該指數從動態比較的角度對各地區的不同時期效率進行比較評價得到指數，比上述靜態效率計算提供的信息更多，也更加全面和詳細。根據上述的三種效率測量結果，利用式(7)我們就可以得到各個地區的全局Malmquist-Luenberger全要素生產率指數(表4)。從表中全要素生產率指數可以看出發達省份中的北京、天津、浙江、上海、海南、廣東的全要素生產率指數都在100%以上，相反，寧夏、青海、甘肅各年的全要素生產率指數都在1以下，出現了全要素生產率指數的下降狀態。其他省份的全要素生產率指數出現了交替的變化，但是大多數年份各個地區的全要素生產率指數都是上升的狀態。

按照共同前沿全局Malmquist-Luenberger生產率指數的計算，2012年全要素生產率最高的是海南省為103.59%，青海省的全要素生產率指數為97.29%(最低的省區)，其他省區的全要素生產率指數都接近1，沒有發生大的變化。2013年全要素生產率指數增長較多是上海市為105.97%，青海省的全要素生產率指數為98.16%(當年最低)，其他省份的全要素生產率指數都接近100%。2014年所有地區的全要素生產率指數都出現了上升情況，其中江蘇省的全要素生產率指數上漲最多為107.71%，全要素生產率指數最低的省份是青海省為99.02%，天津、山東等發達地區的全要素生產率指數都處在增長較快的地區，2015年全要素生產率指數與2014年一樣，多數省份的全要素生產率指數出現了上升并且接近1，全要素生產率指數最低的為寧夏自治區為99.02%，最高的省份為天津市(105.44%)。全要素生產率指數是逐年上升的，每年最低的省份全要素生產率指數數值也逐漸增大，從橫截面個體看，各個個體的全要素生產率指數也是上升的，這表明“十二五”時期我國碳排放全要素生產率指數是上升的。

綜合上述現象，我們還發現全要素生產率指數的測算結果與各個地區的三種效率高低是一致的，特別是發達地區各年的全要素生產率指數都是處在上升的狀態，并且是持續的上升，與效率呈現上升是一致的，中、西部的一些不發達地區效率較低，有些年份效率還出現了下降，這樣導致全要素生產率指數也出現了下降的狀況。

表4 2012—2015年各省份全局的全要素生產率

2.全局全要素生產率指數的分解

全局全要素生產率指數的分解，能夠使我們看到全要素生產率指數中各個部分的貢獻大小。根據全要素生產率指數的分解公式(8)我們可以得到全局 Malmquist-Luenberger全要素生產率指數分解項，包含技術效率改變項(EC)、離最佳實踐缺口比率的改變項(BPC)、技術缺口比率改變項(TGC)數據。我們發現由于全要素生產率指數的變化較小，很多地區的全要素生產率指數接近1，所以分解導致這三個部分的大小變化不大。發達地區的技術效率始終都是超過1的，但是發達地區的離最佳實踐缺口比率的改變項、技術缺口比率改變項會出現交替小于1的情況，表明發達地區的領導者地位會經常出現交替的變化，導致該發達地區離跨期的前沿面或者全局的前沿面距離發生變化，發達地區并不是所有時期數據都處在前沿面上，發達地區的各個省份處在前沿面地位是交替變換的，這也表明雖然各發達地區的效率是上升的，但是要想成為始終的領先地位還要繼續努力。相反不發達地區的技術效率通常會小于1，這表明效率還有提升的空間，但是不發達地區的離最佳實踐缺口比率的改變項、技術缺口比率改變項多數情況下是大于1的，這表明這些地區的效率雖低，但其追趕的速度是上升的，特別是西部地區的云南、陜西、甘肅、青海、寧夏、新疆，雖然效率小于1，但是其技術缺口的比率的縮小是明顯的，這可能是由于發達地區的技術進步外溢，導致不發達地區的技術前沿也逐漸得到提高。技術效率表現的是管理經驗、技術的使用狀況，從上面的研究可以看出，不發達地區的技術效率提高得并非非常明顯，所以今后不發達地區還是要努力提高技術效率，發揮效率這種第三生產率的作用，走節能減排的道路，最終提高生產率，為綠色發展貢獻力量。

五、碳排放全要素生產率的影響因素分析

二氧化碳減排目標能否順利實現，既有賴于國家宏觀政策的制定，又依賴于相應的統計監測分析以及政策措施的實施。因此，從定性、定量角度研究影響我國二氧化碳排放的主要影響因素以及因素的貢獻大小有著重要的意義。

本文將前面測算出來的全要素生產率指數采用計量回歸分析的方法研究其影響因素，但是采用傳統的方法時會出現一定的問題。Simar和Wilson(2007)認為采用基于數據包絡分析得到的全要素生產率指數會存在著序列相關性，他們采用自助抽樣法緩解這種相關性。Guan和 Lansink(2006)為了克服這種動態上的全要素生產率指數的前后相關性，對測量出的全要素生產率指數應用動態面板 GMM 估計方法進行影響因素分析。王兵和王麗(2010)同樣采用動態面板數據模型對全要素生產率指數的影響因素進行分析。

考慮到全要素生產率指數的這種相關性特點，本文也采用該方法進行影響因素分析。首先，我們在模型中考慮了生產率指數的慣性，即包含了全要素生產率指數的滯后一期值，而動態面板數據能較好地處理這種滯后性問題。其次，實際上，人均產出高的地區全要素生產率指數也高，而動態面板數據模型能夠較好地處理變量的內生性問題。在引入被解釋變量的滯后一期值后，我們還需要其他影響因素的指標，例如，考慮了經濟發展水平、外商直接投資等因素。我們在借鑒已有文獻影響因素的基礎上提出以下變量。

經濟發展水平一般決定了一個地區的效率高低，經濟發展水平高的地區通常對環境的要求高，環境控制得較為嚴格，我們采用不變價格的人均國內生產總值的對數(GDP)來表示，為了反映經濟發展水平對產出的非線性影響，我們在影響因素中包含了經濟發展水平的二次項(2GDP)。根據國際貿易理論外商直接投資會帶來一個國家的環境效率變化，但是不同的實證研究的結論是不一致的，為此我們引入外商直接投資(FDI)這個變量。產業結構對環境的效率影響很大，工業產值比重過大，影響環境效率的提高，當然以工業中重工業或者高耗能行業增加值占國內生產總值的比重，來表示結構對效率的影響會更加明顯，不過由于本文是宏觀加總的數據，工業產值比重較高的省份也通常是重工業或者高耗能行業比較多的地區，因此我們將工業增加值占國內生產總值的比重表示產業結構(JG)。技術進步導致環境效率提升，技術進步我們用單位產出的能源消耗來表示(JSJB)，單位是噸標準煤/萬元。最后一個變量是城鎮化，城鎮化對環境效率的影響是不確定的，我們用城鎮人口占地區人口的比重來表示(CZH)。這些數據來自《中國統計年鑒》、《中國能源統計年鑒》各年。根據上述的指標我們建立的動態面板數據模型可以表示成式(10)：

其中 MMLit表示各個省區各年的全要素生產率指數值，其他指標如上所述。由于模型右邊有被解釋變量的滯后一階，應用普通的面板數據回歸模型會導致有偏的結果，在實際中對動態面板數據常用的估計方法主要是廣義矩(GMM)估計，其主要包含差分廣義矩估計和系統廣義矩估計。為了比較各種模型的結果差異，我們估計了6種模型，分別是 OLS估計、固定效應面板數據回歸模型、一步和兩步差分廣義矩估計以及一步和兩步系統廣義矩估計，模型估計的結果見表5。

表5 全要素生產率指數影響因素的估計結果

續表5

廣義矩估計具有一致性的特點，但當樣本容量較小或者使用較弱的工具變量時，動態面板廣義矩估計容易產生很大的偏倚。Bond(2002)提出動態面板數據模型估計是否存在偏倚的方法，認為廣義矩估計的結果應該在 OLS估計和固定效應估計的值之間，從我們模型估計的結果看，所有的廣義矩估計結果均落在這兩種估計值之間，估計的結果較好，沒有存在較大的偏倚。

差分廣義矩估計會導致一部分樣本信息的損失，當解釋變量在時間上具有持續性特點時，工具變量的有效性減弱，從而影響估計結果的漸進有效性，系統廣義矩估計能夠很好地解決上述問題，該方法同時利用了差分方程和水平方程的信息，水平方程中可以繼續使用差分方程中用到的工具變量。檢驗工具變量是否有效的統計量是差分Sargan統計量，從檢驗的結果看，并不能拒絕新增工具變量是有效的假設，這表明系統廣義矩估計是有效的。Sargan檢驗使用的前提是模型殘差項εit符合一定的序列相關結構。從我們模型的估計結果看一階不相關的假設被顯著的拒絕，二階不存在相關的假設不能被拒絕，說明殘差項滿足非序列相關的假定。差分廣義矩估計和系統廣義矩估計在方差結構復雜的情況下，兩步估計優于一步估計，所以本文應用系統兩步估計的結果進行分析。

從表5可以看出，環境全要素生產率指數的上期對下一期的影響比較大，上期環境全要素生產率指數的估計系數為0.9152，說明解釋變量在時間上具有持續性特點，采用系統廣義矩估計是合理的。城鎮化對全要素生產率指數的影響在10%的顯著性水平下顯著，且系數是負的，表明城鎮化不利于碳排放效率的提高，中國的城鎮化會導致電力消耗和污染排放的增加，對全要素生產率指數起著下降的作用。技術進步在本文的研究中系數為正，技術進步導致排放的效率提高，全要素生產率指數的上升，未來應該繼續加強節能減排技術的更新，降低單位產值的能源消耗，讓技術成為提高全要素生產率指數的主要力量。經濟結構變量對全要素生產率指數的作用為負，因為本文的結構變量用工業總產值占國內生產總值的比重表示，該指標上升表示經濟結構逐漸重型化，這會導致碳排放全要素生產率指數的下降，且在1%的顯著性水平下顯著。經濟發展水平對全要素生產率指數的貢獻為正，這與多數文獻的研究是一致的，一方面經濟發展水平高，環境治理的技術也高；另一方面隨著人們生活水平的提高，對環境的要求也越來越高，這兩個因素共同作用導致效率的提升，同時本文還發現經濟發展水平的二次方系數為負，且在10%的顯著性水平下顯著，這表明經濟發展水平對提高效率的作用是非線性的，各省份的經濟發展水平會影響到環境的效率，但是這種作用的效率是邊際遞減的。Grossman 和 Krueger(1995)認為外商直接投資對一個環境的改善存在著技術效應，在王兵和王麗(2010)的文獻中驗證了該結論，本文研究發現外商直接投資對全要素生產率指數影響為正但不顯著。

六、結論和政策建議

本文通過基于改進的共同前沿模型，采用加權 Russell型距離函數，對各個地區的效率和全要素生產率指數進行計算，并對全要素生產率指數進行分解。通過計算我們發現，“十二五”時期的碳排放效率和全要素生產率呈現出全局效率、群組效率和同時期效率，在經濟不發達地區和西部地區都較低，特別是寧夏自治區，其效率在各種測量方法下都是最低的，這與國家統計局公布的能源消耗強度的指標是吻合的。全局效率分析時絕大多數地區都存在非效率狀況；跨期效率分析時，非效率的地區數量明顯比全局效率分析中的地區少；同時期效率分析時存在非效率情況的地區更少，這主要是參考的前沿面地區越多時個體的效率變化越大，是共同前沿群組的異質性導致的。根據共同前沿模型的特點，我們還發現各地區存在著全局效率小于跨期效率，跨期效率小于同時期效率的現象，這進一步說明采用共同前沿模型分析效率是必要的。

根據上述的效率數據，本文又計算了共同前沿 Malmquist-Luenberger 全要素生產率指數，計算結果表明效率高的地區，全要素生產率指數也較高，但是全要素生產率指數的數值都較小；對全要素生產率指數進行分解，發現技術進步較為明顯，表現在跨期的前沿面和全局的前沿面不斷的縮小，技術效率有待提高。

最后，本文選取了影響全要素生產率指數的各種因素，應用動態面板數據對全要素生產率指數的影響因素進行分析，研究發現經濟發展水平對全要素生產率指數有著積極的作用，但是這種作用的邊際效應是遞減的，經濟結構重型化不利于技術效率和全要素生產率指數的提高，用能源消耗強度表示的技術進步始終對全要素生產率指數起著積極的作用，城鎮化不利于全要素生產率指數的上升，城鎮化導致能源消耗增加，從某種程度上對環境的影響比農村要大，上述指標對全要素生產率指數都有不同的影響，而且比較顯著；但是本文發現外商直接投資對全要素生產率指數的作用為正，但不顯著，這與有些文獻認為有積極或者消極作用的結論明顯不同。上述結論的出現可能與已有的研究有區別，一個方面取決于效率變化的范圍大小，即數據的變化范圍越大，影響因素分析的計量結果可能越合理；另一方面是數據的研究區間長短會影響計量結果，所以未來的研究方向應該是更加準確的原始數據和更長的研究時間。