山東省城市工業碳排放效率時空演變及驅動因素研究

韓沅剛，董會忠，劉梁華

(1.山東理工大學 管理學院，山東 淄博255012;2.山東淄博實驗中學，山東 淄博 255090)

進入新世紀以來，我國經濟保持迅速發展的趨勢，同時也出現了能源大量消耗、CO2過量排放的問題，在此背景下，碳排放問題成為當下學者關注的熱點。目前，中國的碳排放總量已經超越了美國和歐盟，為有效緩解碳排放帶來的嚴重問題，我國政府在2009年哥本哈根氣候大會上提出到2020年將單位GDP碳排放降低40%～45%的減排承諾。作為中國減排工作的關鍵，工業是能源消費與CO2排放的主要來源，改革開放以來，中國工業總產值平均占總產值的40.1%，而工業碳排放則占到全國碳排放總量的83.1%[1]，因此，針對我國工業碳排放比重過大的情況，研究工業碳排放效率及其影響因素，對實現中國2020年的減排目標，提高碳排放效率和轉向低碳發展具有重要意義。

1 文獻綜述

山東省作為東部經濟發展強省，地處環渤海與山東半島兩大經濟區域，自改革開放以來經濟發展趨勢迅猛，全省經濟位于全國高等發達省份之中[2]。但是以煤炭等一次能源為主的工業經濟，在助推山東省經濟發展的同時，也造成了碳排放量的持續增長。作為我國首批生態文明示范區，山東省提出貫徹綠色發展理念，降低碳排放強度，平衡工業經濟發展與碳排放之間的矛盾。

關于環境問題的效率研究，就研究對象來看，早期學者對我國碳排放[3-4]、大氣污染[5-7]、水資源[8-10]、以及能源消費[11-12]等各類環境指標的利用效率進行測度評價。作為衡量綠色低碳經濟的關鍵指標，碳排放效率能夠直接反映碳減排工作的實施效果[13]。學者應用DEA模型、SFA模型、topsis、CGE模型[14]等方法建立工業碳排放效率模型，研究結果表明，中國工業經濟與環境的整體效益偏低，并且存在較大的區域性差異[15]。工業碳排放效率變化特征及區域差異是由多種驅動因素造成的，包括經濟發展、能源消費、產業結構和技術創新等[16]。然而現有研究主要集中在工業碳排放效率分析[17]、工業碳排放影響因素[18]等宏觀層面的研究，缺乏更深層次的工業碳排放效率內部影響機制的研究。

本研究從影響工業碳排放效率因素的角度，構建山東省市域層面工業碳排放效率隨機前沿測度模型，測度山東省17個地級及以上城市工業碳排放效率的時序變化規律，并依據一定的分類原則對其碳排放效率進行空間劃分。在效率劃分的基礎上，對山東省城市進行工業碳排放效率影響因素的分類回歸分析和檢驗，區分各區域碳排放的關鍵影響因素。這對探索山東省城市工業碳排放差異化、縮小城市生態環境差距、實現工業可持續發展具有理論和實踐意義。

2 模型構建

2.1 工業碳排放效率測算模型的構建

Farrell提出的隨機前沿模型(SFA)，是在確定變量間生產函數的基礎上引入復合擾動項的參數方法，既可測度工業碳排放效率的技術效率，亦能分析各種非效率因素對工業碳排放效率的影響，且隨機前沿模型具有隨機性，其結果更加貼近現實。假設Yit為地區i在t時期的工業生產總值，SFA模型表達形式為

Yit=f(Xit,Cit,β)exp(Vit-Uit)

(1)

式中：Xit表示工業生產中的其他投入；Cit表示工業碳排放量；β表示各因素的彈性系數；Vit表示隨機誤差項，包含了工業生產中的不可控因素；Uit表示非效率項，表示技術無效率項對工業產出的影響；模型建立在Vit和Uit獨立的基礎上。

在進行隨機前沿分析時，需要進行生產函數的選擇，考慮到工業總產值Yit與資本投入Kit、勞動力投入Lit、碳排放之間的關系，本研究選用超越對數生產函數(Translog)，模型構建為

對等式兩端同減lnCit，將產出變量轉化為單位碳排工業產值，即Yit/Cit，得到調整后工業碳排放效率隨機前沿生產模型：

基于以上隨機前沿生產函數模型的建立，定義工業碳排放效率的公式，為單位二氧化碳實際期望產出與生產前沿邊界期望產出的比值，即

(4)

由式(4)可見，碳排放效率的取值在0～1之間。隨著碳排放效率越接近于1，說明隨機前沿生產越來越有效，當等于1時，說明隨機前沿生產效率得到完全發揮。工業碳排放效率的影響涵蓋了社會、環境、經濟、技術以及產業等諸多因素，基于此，本研究構建工業碳排放效率影響因素測度模型：

TEit=θ0+θ1lnUit+θ2lnEit+θ3lnGit+

(5)

2.2 工業碳排放效率測算選取指標

本研究選取山東省17個地級及以上城市2008—2017年相關數據。根據國務院發布的相關報告，2019年1月9日萊蕪市正式并入到濟南市，而本研究的樣本時間在濟南市萊蕪區建立之前，因此樣本數據以2019年前山東省區域劃分實際情況進行獲取。除碳排放量通過能源消費量計算得到，其他數據均來自于山東省各地級市的統計年鑒。

1)投入產出指標。本研究在參考國內外文獻的基礎上，對投入產出指標的選取進行修正，使其測得的碳排放效率結果更加貼近山東省各地級市的情況。工業碳排放效率測算模型需要選取投入與產出指標，考慮到超越對數函數是傳統生產函數的特殊形式，根據研究目的選取地區工業總產值作為產出變量。投入指標方面，資本投入指標選取地區工業企業具有的機械設備和工廠、倉庫等固定資產總額；勞動力投入指標選取地區工業企業就業人員總數；碳排放總量投入根據《2006年IPCC指南》的規定計算，其公式如下：

(6)

式中：C表示山東各城市碳排放總量；Eni表示山東各城市能源消費量；Vi、Fi、Oi分別表示平均低位發熱量、單位熱值含碳量和碳氧化率。具體參數數值見表1。

表1 碳排放計算參數Tab.1 Carbon emission calculation parameters

3 實證分析

3.1 山東省城市工業碳排放效率測度結果

本研究通過隨機前沿模型測算工業碳排放效率，首先運用最小二乘法對式(3)進行效率測度，當模型中出現技術無效率項時，根據最小二乘法的參數估計結果進行循環迭代，并通過極大似然法得到最終估計結果，見表2。

表2 OLS模型、MLE模型參數估計結果Tab.2 OLS model and MLE model parameter estimation results

由表2可見，山東省城市勞動力的產出貢獻和碳排放的產出貢獻均為正，即工業產出與勞動力投入、碳排放量呈正相關。說明在研究期內山東省仍然具有一定的勞動力優勢，“人口紅利”效應顯著，高質量、高素質的技術人才和廉價勞動力能夠維持工業保持高產水平。但傳統的粗放式生產方式沒有得到轉變，尤其是碳排放的產出貢獻遠遠高于勞動力的產出貢獻，說明傳統的粗放式工業生產沒有得到良好的改善，工業高水平產出依然需要依靠資源的高開發和能源的高消耗來維持。同時，資本的產出貢獻顯著為負，即工業產出對固定資本投入的響應為負，說明企業決策者對落后生產設備和生產技術的慣性投資偏好，維持著工業生產過程中重數量輕質量投資，造成山東省各城市工業生產效率低下、二氧化碳排放高。此外，根據模型測算的結果顯示，除(lnC)2外，其余變量的二次項均沒有通過顯著性水平并接受原假設，即碳排放量對工業產出存在非線性響應。而根據組合方差顯示結果，各投入之間的相互作用對工業產出的貢獻程度并不顯著。在MLE模型下變差率為0.92，因此測度結果受誤差項的干擾較弱。

根據式(3)可得到山東省各城市2008—2017年的工業碳排放效率，見表3。山東省工業碳排放效率整體上呈現先下降后上升，再下降的“鋸齒狀”波動趨勢，且各地級市變化情況相對一致。從年均值角度分析，2016年之前工業碳排放效率呈整體上升的波動式變化，并逐漸趨近于一定的平穩水平，直到2016年達到最大效率均值0.983。而2017年的效率均值下降到研究期內的最小值0.836。從宏觀政策因素對效率測度結果進行分析，2016年國務院提出“十三五”環保規劃，進一步深化建設資源節約型、環境友好型社會的思想，強調在進行環境綜合治理的同時，加快工業企業產業結構升級和轉型，意味著工業企業在進行污染減排的投入同時，企業需要再花費資金對內部實施革新，包括技術、設備、廠房等固定資產優化升級，這在一定程度上會擠占企業環保治理的資金，從而造成碳排放效率的降低，說明后期工業碳排放效率仍具有較大的調整空間。

表3 山東省各地級及以上城市工業碳排放效率測度結果Tab.3 Industrial carbon emission efficiency measurement results of prefecture-level cities in Shandong Province

按照測算所得工業碳排放效率均值對各城市進行排序，大致可分為四類，如圖1所示。Ⅰ類城市包括淄博市、威海市、日照市3個城市，屬于工業碳排放高效率城市，碳排放效率均值區間為[0.95,1)；其中淄博市和威海市的工業碳排放效率方差分別為0.014和0.023，說明這兩個城市的各年間工業碳排放效率差距較小，表現為較為穩定的高水平碳排放效率；而日照相較于前兩個城市，其各年間效率均值波動較大，除2017年出現0.743的效率異常值外，其余年份均保持較高的碳排放效率水平。Ⅱ類城市包括濟南市、青島市、棗莊市、東營市、煙臺市、泰安市、萊蕪市、德州市、聊城市、濱州市和菏澤市等11個城市，其工業碳排放效率區間為[0.9,0.95)，各市保持較高的效率均值，尤其是濟南市與青島市兩大副省級城市，受政策引導而保持較高的碳排放效率，而煙臺市、東營市分別受地理位置、資源稟賦等優勢因素影響，能夠保證工業單位低投入高產出從而提高碳排放效率。Ⅲ類城市節能減排的瓶頸區域，包括濰坊市、臨沂市，工業碳排放效率相較之前兩類城市較低，在[0.85,0.9)區間內波動。Ⅳ類城市為濟寧市，其工業碳排放效率0.842明顯低于其他3類城市，且在2008—2017年期間碳排放效率方差為0.154，在各城市中波動幅度最大，說明該城市的碳排放效率具有很大的提升空間，碳減排問題應當受到政府重視，在政府引導以及資金、技術等方面應當給予足夠的支持。

圖1 山東省17個地級及以上城市工業碳排放效率的均值Fig.1 Average industrial carbon emission efficiency of 17 prefecture-level cities in Shandong Province

由圖1可見，山東省17個地級及以上城市的工業碳排放效率存在顯著的空間差異。整體相比，有11個地級及以上城市的碳排放效率位于山東省的平均水平之上，說明有超過一半城市的工業碳排放效率處于良好狀態，而從年均增長率來看，山東省整體碳排放增長率為負，各地級及以上城市僅濰坊、萊蕪、德州和聊城4個城市的增長率為正，其余城市均為明顯的負向增長，基于各城市在社會、環境、經濟等諸多要素方面存在差異，對工業碳排放內部因素進行分析的同時需要探討其外部因素的影響。

3.2 山東省城市工業碳排放效率影響因素分析

以整體碳排放均值為基準，將山東省17個地級及以上城市劃分為低碳排效率和高碳排效率型城市，并按照“社會—環境—經濟—科技—產業”的思路對山東各城市的碳排放效率影響因素進行OLS回歸分析，結果見表4。

表4 山東省工業碳排放效率影響因素的估計結果Tab.4 The estimated results of influencing factors of industrial carbon emission efficiency in Shandong Province

據全省的影響因素估計結果可見，除第二產業比重(S2)外，其他變量均在不同顯著水平下通過檢驗，其中城鎮化水平(U)和人均GDP(G)系數為負，說明過度的城鎮化、飛速發展的經濟與節能減排工作之間的矛盾日益嚴峻，城鎮開發邊界的設定以及經濟發展保質保量等工作需要繼續完善。而利用科技投入(T)和環保治理(E)手段能夠有效提高碳排放效率，一方面科技投入的增長有助于推動工業技術的進步，提高資源的開發利用率而達到節能減排的目的；另一方面環保治理力度的提升能夠規避低端企業的高能耗生產，達到節能減排源頭治理的成效。第三產業比重(S3)對碳排放效率的影響系數為正，說明隨著政府對產業結構的優化調整，第三產業比重逐漸擴大，并利用污染較少的第三產業反哺第二產業的技術創新，促進第二產業向低污染、低消耗的綠色可持續發展轉型。

據山東省高效率城市與低效率城市的測度結果對比，發現各因素系數存在差異性。高效率城市除人均GDP(G)和第二產業比重(S2)外，其余各因素系數均通過顯著性檢驗。其中城鎮化率(U)對碳排放效率的負向系數明顯高于全省水平的，說明在高效率城市的過高城鎮化水平下，城鎮人口的過度集聚、城鎮基礎設施的超負荷使用超過了城市的承載能力，增加了城市的運行成本，從而加劇了城市碳排放量的激增；而高效率城市的工業R&D投入強度高于全省水平的，說明通過科技創新對工業企業進行產業升級的措施取得明顯成效。低效率城市除城鎮化水平和工業R&D投入強度外，其余因素系數通過了顯著性檢驗。其中與全省和高效率城市測度結果不同的是第二產業比重與第三產業比重對工業碳排放效率的影響顯著，且為負向影響，這也驗證了政府對低效率城市產業結構調整、產業優化升級等工作的不足，導致第二產業與第三產業互動不緊密；而工業R&D投入系數小于全省水平的，說明工業等第二產業的轉型存在資金阻礙，第三產業的興起缺少政策支持，因此區域低碳發展基金等政府的資金支持項目則成為改善低效率城市碳排放現狀的關鍵因素。

4 結論

本研究通過隨機前沿模型對山東省17個地級及以上城市的工業碳排放效率進行測度，結果顯示工業碳排放效率雖然整體水平較高，但近10年多數城市的碳排放效率呈下滑趨勢，且各城市的碳排放效率存在空間差異。按照各城市工業碳排放效率均值，將其劃分為四個層次，其中淄博等Ⅰ類城市和青島等Ⅱ類城市分別受政策引導、經濟發展等因素的正向影響顯著，保持較高的碳排放效率，而臨沂、濟寧等Ⅲ、Ⅳ類魯西南城市受政策支持的效果不顯著，說明政府在近期要適當地將節能減排的重心由魯東和魯西北地區向魯西南地區偏移。此外，外部影響因素的結果顯示，全省碳排水平以上的城市亟需處理過城鎮化發展與節能減排工作的矛盾，積極開展城鎮開發邊界的設定以及低端工業產業轉移，有助于城市維持現有碳排水平，走綠色可持續發展道路；低于全省碳排水平的城市產業結構轉型與產業優化升級等方面存在一定阻礙，政府應當進行適當的政策引導和資金扶持，促進第二產業與第三產業的緊密互動，并通過科技創新強化工業生產技術和資源利用率，最終提高低效率城市碳排放水平。