徐 胜 , 司登奎

(中国海洋大学 经济学院，山东 青岛 266100)

1 研究背景及文献回顾

随着海洋产业的不断发展，碳排放问题日益突出。进行海洋产业碳排放绩效研究不仅有助于从整体上把握海洋产业碳排放的水平，还可以通过对碳排放较高的具体产业合理控制，利用海洋丰富的碳汇能力，及其在固碳和储碳方面的比较优势，采用先进的技术降低海洋产业碳排放，实现海洋经济低碳化，从而促进海洋产业向生态化、可持续化的低碳方向发展。

近年来，国内学者关于碳排放绩效的研究逐渐增多，归纳起来主要有以下3个方面：一是对影响碳排放绩效的因素进行研究，代表学者主要有：查建平(2012)通过构建静态面板数据模型，对影响碳排放绩效的因素进行实证分析，结果发现工业发展水平、规模结构、产权结构和能源结构对碳排放绩效影响显著[1]；仲云云(2012)运用线性数据转换函数法分析了全要素碳排放绩效的影响因素，研究发现产业结构和能源结构对碳排放绩效影响较大[2]；李子豪(2012)从FDI技术溢出效应的视角对工业碳排放绩效的影响因素进行研究，发现FDI可以通过水平技术溢出、前向和后向的垂直技术溢出对碳排放绩效产生积极影响[3]；田云(2011)运用LMDI模型分解了碳排放的影响因素，发现能源结构、能源效率对碳排放具有一定的抑制作用[4]。二是关于碳排放绩效的评价，代表学者主要有：刘明磊(2013)利用非参数距离函数方法研究了能源消费结构约束下的我国各地区碳排放绩效水平，结果发现碳排放较低的地区，所付出的宏观经济成本较高，减排难度也更大[5]；华坚(2013)使用线性数据转换函数法对我国省际区域的碳排放绩效进行评价，研究发现我国各地区碳排放绩效发展显著不平衡，呈现“东—中—西”的格局[6]；徐胜(2013)通过利用DEA分析方法对山东半岛蓝色经济区的发展绩效进行研究，发现物质资本积累与效率改善控制发展绩效的方向，而人力资本和技术进步是绩效发生差异的主要原因[7]。三是对碳排放绩效的动态变化进行研究，代表学者主要有：王群伟(2010)利用非期望产出的DEA模型对二氧化碳排放绩效动态变化的Malmquist指数进行研究，发现在1996—2007年间碳排放绩效平均改善率为3.25%，累计改善40.86%[8]；查建平(2012)在全要素分析框架下利用环境技术分析了2003—2009年我国各地区工业碳排放绩效的动态变化，发现碳排放绩效呈上升状态，但整体水平较低，且区域之间发展不平衡[9]；张立国(2013)通过构建物流业碳排放的绩效测度函数，对中国30个地区2003—2009年间的碳排放绩效进行了动态研究，发现我国物流业碳排放绩效下降了0.45%，原因是技术效率和技术进步二者均有所下降[10]；王铮(2010)对河南省1995—2006年碳排放变化进行了相应研究，结果发现1995年以来河南省的碳排放量逐年增加，碳排放强度先下降再上升[11]。

我国学者已从不同角度、运用不同方法对碳排放绩效进行了深入研究，同时也表明低碳经济在我国的发展初具基础，但多数学者把研究重心定位在工业上，忽略了海洋产业在经济发展中的地位，特别是近年来海洋经济在国民经济中占据着举足轻重的地位更是值得关注。此外，学者所选指标较为单一、片面，无法满足经济系统的多元化、复合化需求。因此，本研究将以此为突破口，首先从投入、产出和技术效率的视角分析和评价蓝色经济区整体碳排放绩效水平；其次，从蓝色经济区海洋产业分析了产业绩效特征属性，并利用BP人工神经网络指数滑坡法对碳排放绩效进行预测，并以此提出发展海洋产业低碳经济的具体思路。

2 海洋产业碳排放绩效测算

2.1 蓝色经济区海洋产业发展现状

(1)经济总量方面：自2002年国家进出口贸易全面实行以来，山东半岛蓝色经济区海洋产业整体得到了较快发展。2012年蓝色经济区海洋产业生产总值已达到50 087.42亿元，较2011年增长10.3%，占蓝色经济区总产值的43.2%，表明海洋经济在山东半岛蓝色经济区发展中占有重要地位。

(2)产业结构方面：蓝色经济区海洋产业的结构近年来也发生了很大转变，由于旅游业和海洋交通运输业近年来都得到了较快的发展，其增加值分别占海洋产业总值的32.76%和23.39%，表明蓝色经济区第三产业取得了较大的发展。从目前平均水平来看，蓝色经济区海洋产业结构已经由原来的“二三一”结构发展成为“三二一”结构，海洋相关产业增加值占总产值比重见图1。

图1 2002—2012年蓝色经济区海洋各产业增加值占总产值比重

(3)产业空间分布方面：根据实地调查发现海洋产业分布存在空间差异，不同地区主导产业链延伸格局不同。目前，青岛、烟台和日照主要发展产业为海洋渔业、海洋运输业、临港工业、滨海旅游业和高新技术产业；威海主导产业为海洋渔业、临港工业、滨海旅游业；潍坊主导产业为海洋渔业、石油化工业和海洋矿产资源；东营主要为电力业。

2.2 方法介绍

DEA是一种非参数分析方法，它是直接基于一组特定的决策单位的数据生产边界，假如给定一个生产集，DEA通过线性规划找出一个包络所有实际生产点的最小凸锥，由此来推断最优生产点，通常情况下，这些最优点是一个弯曲折线的集合。其本质是利用统计数据确定相对有效的生产前沿面，利用生产前沿面的理论和方法而建立的非参数模型，它适用于固定、封闭系统中投入产出的效率评价。尽管海洋经济具有一定的开放性和外部性[12]，但本研究的对象是蓝色经济区中的海洋产业的碳排放绩效，无论是在区域上还是研究主体上都具有一定的封闭性，因此，DEA方法对于研究海洋产业的碳排放绩效具有一定的适用性。DEA-Malmquist指数是在运用面板数据的基础上，利用距离函数进行构造，用来计算全要素生产率的指数。Malmquist指数被广泛应用于投入产出方面的分析。由于Malmquist指数能够被分解为效率指数和技术进步指数，因此，本研究试图采用Malmquist指数来评价蓝色经济区海洋产业碳排放效率的动态变化以期获得实际的应用效果。在DEA理论中，技术增长指数=纯技术增长指数×规模报酬技术增长指数=效率改善指数×技术进步指数，而效率改善指数×技术进步指数就是数据包络方法(DEA)分析中的综合指数。

2.3 指标和数据来源说明

为了研究碳排放绩效的全面性，本研究选取了12个海洋相关产业作为研究对象，具体包括海洋渔业、海洋油气业、海洋矿业、海洋盐业、海洋船舶工业、海洋化工业、海洋生物医药业、海洋工程建筑业、海洋电力业、海水利用业、海洋交通运输业和海洋旅游业。

在指标选取中，本研究选取各产业总产值和产业增加值为产出指标，投入指标包括各产业的劳动人数、资本、能源消耗和CO2的排放量，其中劳动人数用海洋各产业从业人数表示；资本用当年年初和年末固定资产的平均值表示；能源消耗指各海洋产业消耗的能源总量，为了消除价格变化的影响，将价值指标数值折算为2000年的价格[13]。由于蓝色经济区各市没有统计能源消耗总量，因此，通过山东统计年鉴中的人均能源消耗乘以蓝色经济区各市的人口总数，可以计算出各市的能源消耗。在忽略各市能源结构变动的情况下，CO2排放量采用标准煤的碳排放系数折算得到。各市各产业的标煤使用量同样采用山东人均标煤使用量与蓝色经济区各市的人口乘积计算得到。数据均采用2002—2012年时间序列数据，数据来源于历年《中国统计年鉴》、《中国海洋年鉴》和《青岛统计年鉴》。

2.4 实证分析

为了宏观把握山东半岛蓝色经济区海洋产业碳排放绩效的整体水平，对蓝色经济区海洋产业做出效率分解，将蓝色经济区海洋产业总产值作为产出指标，根据DEA-Malmquist指数法原理，将产业数据带入DEAP软件中，运行后得出各产业碳排放绩效水平。由于技术效率、技术进步指数和碳排放绩效指数单位都是1，因此，将三者放在同一图形中进行比较(图2和表1)。

由图2可知，2002—2012年碳排放绩效整体上升了6.94%，技术进步指数则上升了3.12%，而技术效率下降了0.42%，说明碳排放绩效的上升取决于技术进步，同时，在2008—2009年间，碳排放技术效率和碳排放综合指数均下降，原因在于海洋产业受金融危机的影响，出现相关产业发展停滞的现象，导致海洋经济增速减慢，甚至有短期下滑趋势，因此，碳排放指数出现下降现象。但从综合趋势来看，蓝色经济区碳排放绩效水平呈现缓慢上升。

图2 2002—2012年海洋产业整体碳排放绩效及其分解

表12002—2012年海洋各产业碳排放绩效

Tab.1Thevariousmarineindustrialcarbonemissionsperformanceduring2002—2012

行业ECTCM行业ECTCM海洋矿业0．9521．0310．982海洋渔业0．9721．1121．081海洋船舶0．9561．0340．989电力业0．9751．1141．086海洋化工0．9581．0390．995旅游业0．9961．0991．095交通运输0．9621．1031．061生物医药0．9881．1131．100海洋油气0．9671．1071．070海洋医药0．9921．1211．112海洋盐业0．9661．1151．077海水利用0．9961．1311．126

说明：EC表示碳排放技术效率指数，TC表示碳排放技术进步指数，M代表碳排放绩效指数。

表1显示碳排放绩效较低的行业主要是一些以能源消耗为主的产业，如海洋油气业、海洋运输业和海洋化工业等高端制造业和工业。而旅游业、生物医药等行业则表现出碳排放较低的特征。与此同时，在碳排放绩效产业横向比较分布中可以发现，随着碳排放绩效的提高，技术进步指数增长率要大于技术效率。因此，碳排放绩效高的原因是因为碳排放技术进步指数的提高，即技术因素在碳排放绩效中发挥着主要影响作用，这一结果与理论分析非常吻合。

3 海洋产业碳排放绩效预测分析

在BP神经网络模型中，时间序列滑坡是通过对历史数据的归一化处理，建立起数据之间的关联关系，利用灰色模糊系统及关联模型进行非线性短期预测，从而有效把握事物发展的短期趋势和变化规律。在该模型中，为了验证模拟预测的准确性，运用2002—2006年蓝色经济区海洋产业碳排放绩效作为平滑基数[14]进行循环迭代模拟预测(表2)。

通过对比蓝色经济区碳排放绩效的预测值和实际值可以发现：在2007年，碳排放绩效实际值为0.960，预测值为0.972，预测误差仅为1.3%， 2008—2012 年的预测误差分别为0.7%，0.6%，0.4%，0.3%，0.3%，表明随着时间的推移，平滑指数预测误差不断缩小，突出了BP神经网络短期预测的收敛速度快、精度高的特点。蓝色经济区海洋产业碳排放绩效2002—2015年间的预测值和实际值见图3。

表2 蓝色经济区碳排放绩效预测结果(2013—2015)

说明：“—”表示目前尚未出现统计结果。

图3 基于BP神经网络指数滑坡模型对碳排放绩效的预测

从图3中预测值可以看出：2009—2015年间蓝色经济区海洋产业碳排放绩效逐渐变大，其中技术效率预测值上升缓慢，技术进步指数上升速度变大，表明碳排放绩效取决于技术进步指数的变化，同时该趋势也表明2013—2015年间，蓝色经济区海洋产业的发展会有显著性提高，结论符合“十二五”规划关于“提高海洋科技，发展海洋经济”战略，因此，有必要对蓝色经济区海洋产业碳排放进行有效控制，为实现海洋产业低碳化提供基础[15]。

4 结论与政策启示

4.1 结论

利用数据包络法(DEA)对蓝色经济区各海洋产业碳排放绩效进行测算和对7个城市碳排放绩效差异进行分析，并利用BP神经网络指数滑坡预测2013—2015年碳排放绩效变化趋势，得出以下结论。

(1)碳排放绩效较低的产业主要是一些高能耗、高排放和高污染的产业。针对蓝色经济区而言，碳排放绩效较高的产业主要是海洋油气、交通运输、海洋船舶和海洋化工产业，这一结果与理论分析相吻合。

(2)2002—2012年间，蓝色经济区碳排放绩效指数呈上升趋势，且该上升趋势的主要原因是技术进步指数的提高，表明蓝色经济区近年来在能源利用效率、节能减排上取得了进步。但技术进步指数上升速度不快，表明技术水平有待进一步提高。

(3)通过非线性预测，2013—2015年间，蓝色经济区碳排放绩效有上升趋势，但在短期内技术效率指数变化不明显，而技术进步指数变化却有显著增大趋势，说明要想达到“十二五”规划里的碳排放目标，必须发展科技技术。技术进步是解决短期碳排放绩效的有效途径。

4.2 政策启示

(1)注重低碳技术研发和清洁能源开发，提高能源的使用效率。一方面利用现有的低碳技术将高污染、高能耗和高排放产业打造成低污染、低能耗和低排放产业。同时，加大对低碳技术的研发，通过提高能源的充分利用率、减少中间损耗等降低碳排放。另一方面利用清洁技术开发清洁能源，如太阳能、风能、潮汐能等。

(2)发展海洋科技。影响蓝色经济区海洋产业碳排放的决定因素是技术进步，因此，降低碳排放，海洋科技是中坚力量。当前蓝色经济区已经基本具备发展海洋生物医药产业、海水综合利用产业和海洋信息服务业等高端海洋产业的能力，海洋高端产业具有技术含量高、资金投入高等特点，因此，要有针对性地发现当前海洋经济在生产、研发中所遇到的技术和瓶颈问题，开展科技攻关和加强项目研发，使研究成果有效转化利用。

(3)注重海洋产业人才的培养。人才的培养是一个长期而又艰巨的任务，因此，需要相关部门尽快制定海洋人才的发展规划，统筹教育部门、涉海院校、科研院所和海洋主管部门的力量。通过多部门联合完善海洋人才的培养政策，加大海洋人才资源的培训力度。尤其是支持高校设立综合性海洋人才培养的专业，向技术研发人才、海洋杰出人才和海洋管理人才方向靠拢。

参考文献：

[1]查建平,郑浩生,唐芳芳.中国区域工业碳排放绩效及其影响因素实证分析[J].软科学,2012(4)：1-6.

[2]仲云云,仲伟周.中国区域全要素碳排放绩效及影响因素研究[J].商业经济与管理,2012(1)：85-96.

[3]李子豪,刘辉煌.中国工业行业碳排放绩效及影响因素——基于FDI技术溢出效应的分析[J].山西财经大学学报,2012(9)：65-73.

[4]田云,李波,张俊飚.武汉市碳排放的测算及影响因素分解研究[J].地域研究与开发,2011，30(5)：88-92.

[5]刘明磊,朱磊,范英.我国省际碳排放绩效评价及边际减排成本估计：基于非参数距离函数方法[J].中国软科学,2011(3)：106-114.

[6]华坚,任俊,徐敏.基于三阶段DEA的中国区域二氧化碳排放绩效评价研究[J].资源科学,2013(7):1447-1454.

[7]徐胜,司登奎.山东半岛蓝色经济区增长差异及要素空间效应研究[J].华东经济管理,2013(9)：18-22.

[8]王群伟,周鹏,周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济,2010(1)：45-54.

[9]查建平,唐方方.中国工业碳排放绩效：静态水平及动态变化——基于中国省级面板数据的实证分析[J].山西财经大学学报,2012(3)：71-80.

[10]张立国,李东,周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异——基于省级面板数据的实证分析[J].系统工程,2013(4)：95-102.

[11]王铮,翟石艳,马晓哲.河南省能源消费碳排放强度的历史特征及趋势预测[J].地域研究与开发,2010，29(6)：69-74.

[12]马立杰.DEA理论及应用研究[D].济南：山东大学，2007：26-32.

[13]张文亮.天津市海洋低碳经济发展道路初探[J].海洋开发与管理,2012(11)：85-89.

[14]谭飞燕,张雯.中国产业结构变动的碳排放效应分析[J].经济问题,2011(9)：32-35.

[15]肖慧敏.中国产业结构变动的碳排放效应研究[J].地域研究与开发,2011，30(5)：84-87.