西南地區全要素碳生產率測算及影響因素研究

李銀榮

[摘? ? 要] 為測算西南地區全要素碳生產率水平并探究其影響因素，運用ML指數法對西南地區綠色全要素碳生產率進行了測算，之后使用隨機效應面板模型分析全要素生產率增長率的影響因素。實證分析表明：產業結構、創新程度對全要素碳生產率有正向影響，能源消費結構、能源利用效率和對外開放度對全要素碳生產率則有負向影響。

[關鍵詞] 節能減排;全要素碳生產率;DEA-Malmquist指數;隨機面板模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 03. 056

[中圖分類號] F207? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2020）03- 0138- 03

0? ? ? 引? ? 言

黨的十九大報告提出建設美麗中國，將生態文明和綠色發展置于突出位置。而推進綠色發展的關鍵在于構建低碳高效的能源體系。在全球氣候變化背景下，計算和分析一個地區全要素碳生產率對實現節能減排目標意義重大。西南地區是我國欠發達的區域且屬于生態脆弱區，對氣候變化頗為敏感，如何堅守發展與生態兩條底線是一項重要的研究課題。因此，研究西南地區的全要素碳生產率對低碳發展道路的選擇具有重要意義。

1? ? ? 文獻綜述

自從Kaya提出碳生產率的概念后[1]，國內外學者開始對此展開研究。目前，研究集中在碳生產率測算和影響因素等方面。針對碳生產率的測算，可分為單要素碳生產率和全要素碳生產率，從單要素研究角度出發，潘家華（2011）、劉國平（2015）等都按照碳生產率的公式測算出我國省域的碳生產率進而分析其影響因素[2-3]。而對于全要素碳生產率的研究，其測算方法學術界還未統一界定，一部分學者支持把碳排放視為投入要素，張麗鋒（2013）認為碳排放有其自身價值，可以作為一種生產要素投入來分析其對經濟增長的作用[4]。另一部分學者則認為應把碳排放視為一種“非期望產出”，劉傳江（2016）認為全要素碳生產率指除碳投入之外的其他要素保持不變的前提下，按最佳生產實踐，一定的產出所需的目標碳投入與實際投入的比值[5]。李小勝（2016）將碳排放視為非期望產出，對中國各省考慮能源環境情況下總的非效率和碳排放非效率進行測算[6]。

對于碳生產率的影響因素研究，張麗峰（2013）運用面板數據模型分析得出GDP、資本、勞動力、能源利用效率和城市化對碳生產率的影響均顯著[4];唐志鵬，劉衛東等（2017）基于混合地理加權回歸的空間計量模型研究產業結構、能源結構、技術進步和勞動生產率對中國省域碳生產率的影響[7]。

綜上所述，現有研究多集中于省域間碳生產率的差異，對碳生產率的因素分析也是從全國層面來選取指標，專門針對西南地區的相關研究十分欠缺。因此，本文將碳排放因素納入全要素生產率的分析框架，分析其變化特征及增長動力，為西南地區節能減排提供政策建議。

2? ? ? 研究方法

2.1? ?碳排放測算方法

本文采用IPCC方法，具體計算公式如下：

2.2? ?ML指數計算方法

基于DEA方法的Malmquist指數實質上是一種跨期數據包絡分析，構建從s到t時期考慮非期望產出的Malmquist指數M（xt，yt，xs，ys），用來衡量技術進步變動，技術效率變動和全要素生產率變動三者之間的數量關系。

式（2）中，xt，yt分別代表t期的投入、產出向量，xs，ys分別表示s期的投入、產出向量，Ds（xs，ys）、Dt（xt，yt）分別表示考慮非期望產出時第s期和第t期決策單元的距離函數。其中ML指數代表的是碳排放約束下的全要素碳生產率（TFP），EFFCH為技術效率改進指數，TPCH為技術進步指數。當數值大于1時，表示全要素碳生產率提高，技術效率提高和技術進步。

3? ? ? 西南民族地區全要素碳生產率的測算

3.1? ?數據與指標選取

本文以西南五個地區：云南、貴州、廣西、重慶、四川為研究對象，樣本選用2000-2017年數據，數據來源于《中國能源統計年鑒》。測算全要素碳生產率涉及的投入指標為資本存量、勞動力、能源投入量和碳排放量。資本存量（K）采用單豪杰的方法測算[8];勞動力（L）用年末就業人數表示;能源投入量（E）用能源消費總量表示，單位是萬噸標準煤;碳排放量采用IPCC算法計算，單位為萬噸碳。產出指標用GDP來衡量，采用2000年不變價格，單位為億元。

3.2? ?全要素碳生產率測算結果分析

考慮碳排放要素的ML指數測算結果如圖1所示。

通過圖 1可看出在 2001-2017年間，西南地區大部分年份的全要素碳生產率大于1，表明社會經濟技術水平上升，能源效率提高，碳排放量降低。從整體看，2008年是一個“分水嶺”，2008年之前，各地區的全要素碳生產率雖有波動但整體在增長，2008年之后，五個地區的全要素碳生產率均下降，除重慶還保持在大于1的水平，其他四個省區均降為小于1。2009年至2017年五個地區的全要素碳生產率均增長緩慢。受2008年金融危機的影響，經濟增長方式發生轉變，由于調整前期的經驗不足和政策過渡，全要素碳生產率發生下降，后期在供給側去庫存去產能的政策引導下，全要素碳生產率開始上升。

4? ? ? 西南民族地區全要素碳生產率影響因素分析

4.1? ?指標選取及模型構建

根據能源經濟學和計量經濟學相關理論，本文從產業結構、能源消費結構、能源利用效率、對外開放度和創新程度這五個方面分析全要素生產率的影響因素。被解釋變量為前文算得的全要素碳生產率（C），產業結構（IND）用各地區第二產業增加值占GDP的比重表示;能源消費結構（ECS）用煤炭消費量占能源消費總量的比重表示;能源利用效率（EE）用能源消費量占GDP的比重表示，單位為噸/萬元;對外開放度（OP）用出口總額占GDP的比重表示;創新程度（INN）用人均專利授權數表示。數據來源于《中國能源統計年鑒》。構建的計量模型如下：

4.2? ?HAUSMAN檢驗及回歸結果

4.3? ?回歸結果分析

由表1可知，各個解釋變量在10%的顯著性水平下均通過顯著性檢驗。其中，產業結構（INN）變量的系數為0.011 5，表示產業結構對全要素碳生產率有促進作用，西南地區第二產業提質增效取得初步成效，降低了第二產業的能源消耗量和碳排放量。能源消費結構（ECS）變量的系數為-0.001，表明能源消費結構對全要素碳生產率有負向作用，目前西南地區的煤炭消費比重較高，除貴州省的煤炭消費比重在40%浮動，其他四個地區的煤炭消費比重均接近60%，煤炭消費比重阻礙了碳生產率的提高。能源利用效率（EE）變量的系數為-0.067 4，表明能源利用效率提升，全要素碳生產率反而下降。這可能是因為當前節能減排技術的花費較高，運用這些技術時降低了經濟效率。對外開放度（OP）變量的系數為-0.035 3，表明對外開放程度對全要素碳生產率有負向作用，原因可能是西南地區的外向型企業產品較為低端，生產過程中能源消耗大、碳排放多。創新程度（INN）變量的系數為0.022 2，表明創新程度對全要素碳生產率有正向作用。西南地區實施創新發展戰略后，將高新技術引入傳統產業，提升了碳生產效率和經濟效益。

5? ? ? 政策建議

針對前文實證分析結果，本文提出以下政策建議以促進西南地區全要素碳生產率增長。

加快產業結構調整和升級，從兩個方面著手：一是進行產業調整，實現產業向服務化和高端化以及低能耗轉型;另一方面，依靠政策限制、技術標準以及法律規定等具體條件，減少甚至禁止高耗能產業的投入生產，從源頭降低碳排放。優化能源消費結構，增加非化石能源的消費比例，結合西南地區的資源優勢，增加對風能、水能、地熱和太陽能等清潔能源的投入，降低對化石能源的依賴程度。提高能源利用效率，針對性地推廣運用綠色節能技術，對于經濟基礎好的地區可以重點發展節能技術;對于落后地區，可根據實際情況針對性地運用。深化對外開放水平，加強國際合作，引進節能減排技術，使出口產業向技術密集型產業發展，對于高能耗、高污染、低附加值產品的出口實施限制政策。加大研發創新投入，對科研院所、高校以及研發企業的資金、人才等方面的支持力度加大，同時加大知識產權的保護，推動科研院所和高校的科技創新轉化，為院企合作和校企合作搭建平臺，將科技轉化成現實的生產力。

主要參考文獻

[1]Kaya Y， Yokobori K.Environment， Energy， and Economy： Strategies for Sustainability[J].Tokyo：United Nations University Press， 1997.

[2]潘家華，張麗峰. 我國碳生產率區域差異性研究[J]. 中國工業經濟， 2011（5）.

[3]劉國平. 中國碳生產率因素分解研究[J]. 管理現代化， 2015， 35（4）.

[4]張麗峰. 基于DEA模型的全要素碳生產率與影響因素研究[J]. 工業技術經濟， 2013（3）.

[5]劉傳江， 趙曉夢. 長江經濟帶全要素碳生產率的時空演化及提升潛力[J]. 長江流域資源與環境， 2016， 25（11）.

[6]李小勝，張煥明. 中國碳排放效率與全要素生產率研究[J]. 數量經濟技術經濟研究，2016（8）.

[7]唐志鵬，劉衛東，宋濤. 基于混合地理加權回歸的中國省域碳生產率影響因素分析[J]. 資源科學， 2017， 39（12）.

[8]單豪杰.中國資本存量K的再估算：1952～2006年[J]. 數量經濟技術經濟研究，2008（10）.