碳排放效率下煤炭資源型城市產業鏈模式差異性比較
——以山西省長治市為例

羅福周，張塬月

（西安建筑科技大學 管理學院，陜西 西安 710055）

一、引言

由于其本身自然資源豐富，資源型城市的主導產業是以不可再生或生產周期長的資源開采和加工，對我國能源保障系統和經濟運行體制至關重要。因為極度依賴自然資源，目前資源型城市發展受限，過快消耗能源，導致資源迅速衰竭，經濟發展乏力，嚴重污染周邊環境，并呈現出產能過剩等一系列問題，嚴重影響了行業的健康運行，加劇了環境污染[1]。黨的十九大報告強調，必須提高對生態系統保護的各項規章要求，把解決突出的環境問題放在第一位，確定資源高效利用、環境友好發展的指導方向，持續推進我國生態文明建設工程。

山西省是我國重要的產煤基地之一，探明資源儲量約2 674 億噸，約占全國1/4。然而，山西因煤礦采空導致山崩地陷，不但出現資源短缺限制經濟發展的問題，還造成水資源極度流失、生態環境嚴重破壞等問題，災害損失不斷攀升。這嚴重制約山西省經濟的持續發展，也是影響產煤區發展的關鍵問題所在。因此，研究山西省煤炭排放效率將有助于厘清煤炭資源型城市產業模式的差異，有利于為煤炭型資源型城市產業結構升級及產業發展提出建議，對緩解環境污染具有重要的現實意義。

二、文獻綜述

目前工業化城市的發展進程中，資源型城市結構優化是非常關鍵的問題之一，國內外學者對資源型城市產業鏈優化進行了探討，Barns 等（2000）[2]對20 世紀90 年代以來的加拿大資源型產業進行了總結研究，對于不同產業提出了產業重組轉型機制；Markey 等（2006）[3]指出資源型城市轉型的關鍵是城市競爭優勢，而不是往常的資源、經濟上的比較優勢而決定。我國學者郁義鴻（2005）[4]指出，產品從自然資源加工成為最終在消費者手中產品的整個過程就是產業鏈，同時他還對于產業鏈的類型進行劃分，確定了產業鏈效率基準；金賢鋒等（2015）[5]對產業鏈的延伸與資源型城市演化進行研究，從三個視角確定兩者內在聯系；陶長琪和周璇（2010）[6]通過對信息產業與制造業耦聯效率，建議利用高新技術競爭與合作的優勢保持領先地位。對于產業轉型升級，越來越多的研究結合環境問題進行研究，黃寰等（2020）[7]通過面板門檻回歸分析，提出應加強對環境保護的財政及科技創新支持，根據不同類型的資源新城市設計差異化環境監管政策；趙洋（2020）[8]通過綠色轉型視角對110 個地級資源型城市進行實證研究，通過分析發現中國資源新城市綠色轉型趨勢明顯，速度不斷加快，但絕大多數均處于資源新城市綠色轉型的初、中級階段，還未有實現成功轉型的先例。

對于碳排放效率，國內外學者從國家、地區層面出發開展研究，Zofio 和Prieto（2001）[9]對OECD 成員國碳排放效率進行測算，從而進一步厘清相互之間差異；李健和鄧傳霞（2015）[10]測算了我國各省的碳排放效率及差異。通過文獻閱讀，大多數學者采用的是數據包絡分析（DEA）法或是隨機前沿函數方法來測度碳排放效率，王惠等（2016）[11]將碳排放量作為非期望產出指標，運用非期望產出SBM 模型測算我國各省份的碳排放效率；吳齊（2016）[12]以省域劃分，運用非期望產出SBM 模型與超效率DEA 模型優點結合，進一步測算了我國各省碳排放效率；郗永勤和吉星（2019）[13]在前人的基礎上，針對我國工業行業進行測算，結合DEA 視窗方法測算工業碳排放效率[14]。

我國沒有根據碳排放效率進行對資源型城市產業結構、產業鏈評價的相關文獻，本文選擇通過對我國典型資源型城市產業篩選，選擇對山西省典型煤炭資源型城市長治市的產業鏈模式進行動態效率分析，確定山西省長治市的煤炭型資源型城市的碳排放效率，分析當前產業鏈模式的問題，以期為我國資源型城市產業鏈及可持續發展提供優化方案及轉型思路。

三、研究方法和數據

（一）研究方法

1.各地區碳排放測算。進行各地區煤炭產業鏈的碳排放效率測算通過測算各地區各產業鏈的煤炭用量及碳排放方式計算碳排放量，納入非期望產出指標體系中。煤炭主要用于發電、發熱、煤化工即煤炭深加工等。用煤的熱值進行能源轉化，而煤炭深加工主要包括煉焦及煉焦化學產品回收與加工、煤氣化、煤液化。忽略洗選、分離及運輸過程中產生的碳排放，識別煤炭產業鏈全過程中碳排放源，分別為：原煤燃燒、工業用煤、煉鐵及煤化工用煤。根據碳排放源劃定煤炭產業鏈模式，即開采—洗選—燃燒，開采—洗選—高耗能產業，開采—洗選—深加工三種模式，即燃燒、高耗能產業、深加工三種模式。確定三種產業鏈模式下CO2的產出量，作為非期望產出納入指標體系中。煤炭產業鏈總圖如圖1所示。

圖1 煤炭產業鏈總圖

不同品質的煤炭含量也不同，本文所有煤以按含碳量90%計算，不同產業鏈模式下碳排放因子略有不同，“深加工”模式碳排放因子依據IPCC 指標確定，“燃燒”與“高耗能產業”模式下以原料燃燒形式產生CO2，故根據IPCC 碳排放測算方式[15-17]，通過碳源消耗量、排放因子和熱值計算碳排放，故構建本文的CO2估算公式如下：

式中：Ei為能源的消耗實物量，計算標準煤；NVCi為能源的凈發熱值，CEFi為能源的碳含量，COFi為能源的碳氧化因子，因考慮碳氧化因子的數值基本都接近于1 的情況，將其設定為1；NVCi×CEFi×COFi×（44/12）則為CO2排放系數。具體各模式下CO2排放系數及產生CO2方式如表1 所示。

表1 煤炭作用及碳排放因子

2.非期望產出SBM 模型。通過文獻研究發現，通過考慮投入、產出松弛變量，并將其引入SBM 模型中，可以有效解決傳統DEA 模型帶來的徑向、角度等問題[18]；同時為了提高效率測算的準確度，引入非期望產出的指標優化傳統DEA 模型，使結果更具有有效性[19-21]。為此，本文借鑒超效率SBM 模型，設定如下集合：

并將子集合定義為：

3.Malmquist-Luenberger 指數。考慮需要帶入非期望產出，運用Malmquist-Luenberger 指數分析更能有效得出結論，進一步分析結果[22]。ML 指數處于0到1 開區間以及大于1 的開區間內分別表示生產效率降低及提高的不同含義，且可以分解為技術效率指數EC 與技術進步指數TC，從而進行動態效率的分析。方向向量定義為gt=yt-bt，可以得到t-1 期的ML 指數，表示如下:

（二）數據選擇及說明

一方面考慮到由于行業劃分，為了提高準確性，避免因數據拆分整合而帶來的誤差，故將所有煤炭所參與的行業進行整合，將整個制造業整體數據作為高能耗產業數據；另一方面由于各地區統計各行業類目不一樣，多個數據缺失，故選擇山西省煤炭型資源型城市的典型城市長治，對其碳排放效率進行測算。本文選取了2005—2019 年15 年的制造業（除煤炭加工）、煤炭加工及電力、熱力生產和供應業的相關數據進行分析。

在投入指標方面，分別選取了勞動力、能量消耗總量及資金作為投入指標。其中，用工業行業企業年平均從業人員數（單位：人）來表示勞動力投入；用工業企業綜合能源消費量（單位：噸標準煤）來表示能量消耗總量；各行業工業主營業務成本（單位：千元）來表示成本。

在產出指標方面，工業行業企業的主營業收入（單位：千元）來表示期望產出指標；通過各地區碳排放測算結果乘分行業規模以上工業企業綜合能源消費量（單位：噸標準煤）來確定非期望產出指標。

上述所有相關數據來源于《中國統計年鑒（2020—2006）》《山西統計年鑒（2020—2006）》《長治統計年鑒（2020—2006）》。

四、實證結果分析

（一）各產業鏈模式碳排放結果分析

根據公式（1）可以測算長治市2005—2019 年發電，高耗能產業，深加工三種產業鏈模式碳排放總量。從總量上來看三種產業鏈模式由于制造業所涵蓋不同制造產業，產業數量最多，整體來說碳排放最高，高耗能產業成為2019 年碳排放最高的產業；發電產業鏈模式碳排放量也較高，單一產業來說產生CO2的量最高；而深加工碳排放總量較小。從增長速度來看，整體的碳排放量都在增加，發電和深加工產業鏈模式下碳排放增速最快，15 年間碳排放量增幅達到2 倍，高耗能產業碳排放量15 年間比較平均，沒有明顯增幅。

圖2 展示發電，高耗能產業，深加工三種產業鏈模式碳排放2005—2019 年均值及2019 年值的總量及均值，可見煤炭加工行業與其他行業差異較大。通過圖2 可以得到，電力、熱力生產和供應業與制造業碳排放總量較高，并且2019 年值明顯高于2005—2019 年均值，故煤炭行業碳排放量依然嚴重，轉型迫在眉睫。

圖2 三種產業鏈模式碳排放2005—2019 年總量均值及2019 年值

（二）各產業鏈模式碳排放效率結果分析

1.超效率SBM 模型測算結果。本文通過MyDEA 1.0 軟件進行測算，得到發電，高耗能產業，深加工三種產業鏈模式碳排放效率值如表2 所示。

表2 2005—2019 年三種產業鏈模式碳排放效率測算表

從測算結果可知，所有行業普遍效率值都過低，整體來說煤炭燃燒模式下，即電力、熱力生產和供應業的效率最好。但是15 年的期間，該模式碳排放效率越來越低，成為三個行業中最低；高耗能產業下效率一直穩定在0.8 左右，15 年期間呈現整體提升，期間波動的情況；煤炭深加工行業效率從2006年以來逐步提升，但效率始終沒有超過1，2013 年效率驟降，根據數據分析產值很低，主要原因應該為統計數據有誤。分析原數據及結合效率可知，煤炭燃燒模式下電力、熱力生產和供應業產雖然效率較高，但是其CO2排放量也是逐年增高，并且成本增加的情況下產值并沒有有效提升；而高耗能產業中行業種類多，產值不夠穩定，同時CO2排放量依然是最高，近幾年來也沒有明顯下降；煤炭深加工行業由于其是新興行業，其本身投入量相對較少，且其消耗每噸煤炭產生CO2排放量也較少，行業在持續發展，其效率也在不斷增加。

2.Malmquist-Luenberge 指數結果分析。利用SBM模型測算得到靜態效率，本文將運用Malmquist-Luenberge 進行動態分析，進一步進行對碳排放效率的分析。通過MyDEA 1.0 軟件測算得到結果如表3所示。

表3 2005—2019 年三種產業鏈模式碳排放效率ML 指數結果表

從時間維度上來看，燃燒模式下電力、熱力生產和供應業ML 指數主要呈下降狀態，而技術效率變動指數EC 并沒有發生變化，保持為1，故可得知波動下降的技術進步指數TC 是影響燃燒模式下碳排放效率的最主要的因素。觀察深加工相關數據，可以發現其技術進步指數TC 均值為一，并且近15年主要在1 上下浮動，而技術效率指數EC 整體呈現上升趨勢，故深加工下ML 指數波動主要是由于技術效率變動指數EC 波動上升而影響的。高耗能產業的ML 指數沒有明顯上升或下降的趨勢，呈現波動狀態。從整體數據分析可發現兩個指標都呈現波動狀態，進一步計算發現技術進步指數TC 指數均值始終為1，故高耗能產業的ML 指數波動更多是由于技術效率變動指數EC 變化的影響。這表明，燃燒模式下，即電力、熱力生產和供應業和制造業技術衰退，應加快推動相關產業煤炭使用的技術進步，優化完善產業鏈模式；煤炭深加工行業則需要提高技術效率，促進整體效率的提升，為了能有效提高推動產業鏈模式碳排放效率，需要不斷加強技術效率創新發展及擴大行業規模；高耗能產業除了需要推動產業技術進步，同時也要注重技術效率提升，進一步提高碳排放效率。

五、結論與政策啟示

（一）結論

本文構建資源型城市碳排放效率的超效率SBM 模型，結合國內外對于碳排放效率的相關研究，以資源型城市產業鏈研究為基礎，對煤炭產業鏈模式進行細分進行煤炭相關產業碳排放效率的評價，測算得到電力、熱力生產和供應業、制造業和煤炭加工業三種產業鏈模式下的消耗每噸煤炭的CO2排放量，通過測算碳排放超效率值結果并結合測得的ML 指數進行分析，得到以下結論：

我國資源型城市煤炭相關產業不同產業鏈模式下碳排放總量存在差異。其中2019 年開采—洗選—高耗能產業模式下CO2排放量最高，其次是開采—洗選—發電模式，整體來說三種產業鏈模式下碳排放量都在不斷提高，但開采—洗選—深加工模式可以較好地降低煤炭使用中CO2的排放，增幅也不是很明顯。

我國資源型城市煤炭相關產業不同產業鏈模式下碳排放效率有一定差別，差異顯著。開采—洗選—發電模式碳排放效率最高，但是近幾年來看效率明顯下滑，開采—洗選—高耗能產業模式效率均勻，2013 年以來效率也在不斷提升，但增幅相對較小；開采—洗選—深加工模式碳排放效率波動提升。從碳排放效率的角度來看，采用開采—洗選—發電模式的相關產業領域急需開展相應模式減少碳排放量，提高碳排放效率。

從技術進步與技術效率的來看開采—洗選—深加工模式與開采—洗選—發電、開采—洗選—高耗能產業模式產生差異的原因。開采—洗選—發電模式ML 指數變化主要來自于技術進步指數的變化，如果需要提高效率則需要推動技術進步；開采—洗選—深加工模式由于技術效率指數的不斷變化影響而影響其ML 指數的波動，近幾年有提升，但近15 年間波動較大，提升不明顯；而開采—洗選—高耗能產業模式受技術進步指數與技術效率指數共同影響，波動較大。針對不同模式下的ML 指數變動的情況進行相對于的分析，對三種不同產業鏈模式的未來碳排放效率采取不同措施來針對性地提高與優化。

（二）政策建議

1.煤炭資源型城市應調整三種產業鏈的投入量，擴大深加工行業規模。由于開采—洗選—發電、開采—洗選—高耗能產業模式對煤炭的使用都是燃燒的方式，深加工行業相對碳排放量較。同時發電行業、高耗能產業的效率都有所下降，可以通過調整三種產業鏈模式的投入與規模，充分分析自身的優劣勢，確定對接的依據與和障礙，比較相同與不同類型資源型城市產業鏈調整的經驗和可以作為參考的部分，盡快確定自己煤炭產業的模式，制頂并繼續拓展，推進產業持續的可持續發展，為資源型城市，尤其是煤炭型及相同類型的資源型城市轉型提供新的視角。

2.在現有產業鏈模式上進行創新優化，提高產業內在動力。對于原有產業要不斷開發新技術，增加技術引進、技術創新及人才培養，通過對引進的技術學習吸收，自主開發新技術，發展創新思維并通過技術創新減少碳排放量，引進優秀人才著力于創新推動。同時，從產業鏈角度不斷推進創新科技發展研究，突破關鍵技術實現產業鏈升級，以創新思維為引領，確定核心技術創新任務，落實關鍵技術及發展方向。建立起新型靈活的產業結構，形成創新型的產業鏈模式，致力于推動資源型城市產業結構優化，以新視角、新模式進一步推進可持續發展的進程。