韩沅刚，董会忠，刘梁华

(1.山东理工大学 管理学院，山东 淄博255012;2.山东淄博实验中学，山东 淄博 255090)

进入新世纪以来，我国经济保持迅速发展的趋势，同时也出现了能源大量消耗、CO2过量排放的问题，在此背景下，碳排放问题成为当下学者关注的热点。目前，中国的碳排放总量已经超越了美国和欧盟，为有效缓解碳排放带来的严重问题，我国政府在2009年哥本哈根气候大会上提出到2020年将单位GDP碳排放降低40%～45%的减排承诺。作为中国减排工作的关键，工业是能源消费与CO2排放的主要来源，改革开放以来，中国工业总产值平均占总产值的40.1%，而工业碳排放则占到全国碳排放总量的83.1%[1]，因此，针对我国工业碳排放比重过大的情况，研究工业碳排放效率及其影响因素，对实现中国2020年的减排目标，提高碳排放效率和转向低碳发展具有重要意义。

1 文献综述

山东省作为东部经济发展强省，地处环渤海与山东半岛两大经济区域，自改革开放以来经济发展趋势迅猛，全省经济位于全国高等发达省份之中[2]。但是以煤炭等一次能源为主的工业经济，在助推山东省经济发展的同时，也造成了碳排放量的持续增长。作为我国首批生态文明示范区，山东省提出贯彻绿色发展理念，降低碳排放强度，平衡工业经济发展与碳排放之间的矛盾。

关于环境问题的效率研究，就研究对象来看，早期学者对我国碳排放[3-4]、大气污染[5-7]、水资源[8-10]、以及能源消费[11-12]等各类环境指标的利用效率进行测度评价。作为衡量绿色低碳经济的关键指标，碳排放效率能够直接反映碳减排工作的实施效果[13]。学者应用DEA模型、SFA模型、topsis、CGE模型[14]等方法建立工业碳排放效率模型，研究结果表明，中国工业经济与环境的整体效益偏低，并且存在较大的区域性差异[15]。工业碳排放效率变化特征及区域差异是由多种驱动因素造成的，包括经济发展、能源消费、产业结构和技术创新等[16]。然而现有研究主要集中在工业碳排放效率分析[17]、工业碳排放影响因素[18]等宏观层面的研究，缺乏更深层次的工业碳排放效率内部影响机制的研究。

本研究从影响工业碳排放效率因素的角度，构建山东省市域层面工业碳排放效率随机前沿测度模型，测度山东省17个地级及以上城市工业碳排放效率的时序变化规律，并依据一定的分类原则对其碳排放效率进行空间划分。在效率划分的基础上，对山东省城市进行工业碳排放效率影响因素的分类回归分析和检验，区分各区域碳排放的关键影响因素。这对探索山东省城市工业碳排放差异化、缩小城市生态环境差距、实现工业可持续发展具有理论和实践意义。

2 模型构建

2.1 工业碳排放效率测算模型的构建

Farrell提出的随机前沿模型(SFA)，是在确定变量间生产函数的基础上引入复合扰动项的参数方法，既可测度工业碳排放效率的技术效率，亦能分析各种非效率因素对工业碳排放效率的影响，且随机前沿模型具有随机性，其结果更加贴近现实。假设Yit为地区i在t时期的工业生产总值，SFA模型表达形式为

Yit=f(Xit,Cit,β)exp(Vit-Uit)

(1)

式中：Xit表示工业生产中的其他投入；Cit表示工业碳排放量；β表示各因素的弹性系数；Vit表示随机误差项，包含了工业生产中的不可控因素；Uit表示非效率项，表示技术无效率项对工业产出的影响；模型建立在Vit和Uit独立的基础上。

在进行随机前沿分析时，需要进行生产函数的选择，考虑到工业总产值Yit与资本投入Kit、劳动力投入Lit、碳排放之间的关系，本研究选用超越对数生产函数(Translog)，模型构建为

对等式两端同减lnCit，将产出变量转化为单位碳排工业产值，即Yit/Cit，得到调整后工业碳排放效率随机前沿生产模型：

基于以上随机前沿生产函数模型的建立，定义工业碳排放效率的公式，为单位二氧化碳实际期望产出与生产前沿边界期望产出的比值，即

(4)

由式(4)可见，碳排放效率的取值在0～1之间。随着碳排放效率越接近于1，说明随机前沿生产越来越有效，当等于1时，说明随机前沿生产效率得到完全发挥。工业碳排放效率的影响涵盖了社会、环境、经济、技术以及产业等诸多因素，基于此，本研究构建工业碳排放效率影响因素测度模型：

TEit=θ0+θ1lnUit+θ2lnEit+θ3lnGit+

(5)

2.2 工业碳排放效率测算选取指标

本研究选取山东省17个地级及以上城市2008—2017年相关数据。根据国务院发布的相关报告，2019年1月9日莱芜市正式并入到济南市，而本研究的样本时间在济南市莱芜区建立之前，因此样本数据以2019年前山东省区域划分实际情况进行获取。除碳排放量通过能源消费量计算得到，其他数据均来自于山东省各地级市的统计年鉴。

1)投入产出指标。本研究在参考国内外文献的基础上，对投入产出指标的选取进行修正，使其测得的碳排放效率结果更加贴近山东省各地级市的情况。工业碳排放效率测算模型需要选取投入与产出指标，考虑到超越对数函数是传统生产函数的特殊形式，根据研究目的选取地区工业总产值作为产出变量。投入指标方面，资本投入指标选取地区工业企业具有的机械设备和工厂、仓库等固定资产总额；劳动力投入指标选取地区工业企业就业人员总数；碳排放总量投入根据《2006年IPCC指南》的规定计算，其公式如下：

(6)

式中：C表示山东各城市碳排放总量；Eni表示山东各城市能源消费量；Vi、Fi、Oi分别表示平均低位发热量、单位热值含碳量和碳氧化率。具体参数数值见表1。

表1 碳排放计算参数Tab.1 Carbon emission calculation parameters

3 实证分析

3.1 山东省城市工业碳排放效率测度结果

本研究通过随机前沿模型测算工业碳排放效率，首先运用最小二乘法对式(3)进行效率测度，当模型中出现技术无效率项时，根据最小二乘法的参数估计结果进行循环迭代，并通过极大似然法得到最终估计结果，见表2。

表2 OLS模型、MLE模型参数估计结果Tab.2 OLS model and MLE model parameter estimation results

由表2可见，山东省城市劳动力的产出贡献和碳排放的产出贡献均为正，即工业产出与劳动力投入、碳排放量呈正相关。说明在研究期内山东省仍然具有一定的劳动力优势，“人口红利”效应显著，高质量、高素质的技术人才和廉价劳动力能够维持工业保持高产水平。但传统的粗放式生产方式没有得到转变，尤其是碳排放的产出贡献远远高于劳动力的产出贡献，说明传统的粗放式工业生产没有得到良好的改善，工业高水平产出依然需要依靠资源的高开发和能源的高消耗来维持。同时，资本的产出贡献显著为负，即工业产出对固定资本投入的响应为负，说明企业决策者对落后生产设备和生产技术的惯性投资偏好，维持着工业生产过程中重数量轻质量投资，造成山东省各城市工业生产效率低下、二氧化碳排放高。此外，根据模型测算的结果显示，除(lnC)2外，其余变量的二次项均没有通过显著性水平并接受原假设，即碳排放量对工业产出存在非线性响应。而根据组合方差显示结果，各投入之间的相互作用对工业产出的贡献程度并不显著。在MLE模型下变差率为0.92，因此测度结果受误差项的干扰较弱。

根据式(3)可得到山东省各城市2008—2017年的工业碳排放效率，见表3。山东省工业碳排放效率整体上呈现先下降后上升，再下降的“锯齿状”波动趋势，且各地级市变化情况相对一致。从年均值角度分析，2016年之前工业碳排放效率呈整体上升的波动式变化，并逐渐趋近于一定的平稳水平，直到2016年达到最大效率均值0.983。而2017年的效率均值下降到研究期内的最小值0.836。从宏观政策因素对效率测度结果进行分析，2016年国务院提出“十三五”环保规划，进一步深化建设资源节约型、环境友好型社会的思想，强调在进行环境综合治理的同时，加快工业企业产业结构升级和转型，意味着工业企业在进行污染减排的投入同时，企业需要再花费资金对内部实施革新，包括技术、设备、厂房等固定资产优化升级，这在一定程度上会挤占企业环保治理的资金，从而造成碳排放效率的降低，说明后期工业碳排放效率仍具有较大的调整空间。

表3 山东省各地级及以上城市工业碳排放效率测度结果Tab.3 Industrial carbon emission efficiency measurement results of prefecture-level cities in Shandong Province

按照测算所得工业碳排放效率均值对各城市进行排序，大致可分为四类，如图1所示。Ⅰ类城市包括淄博市、威海市、日照市3个城市，属于工业碳排放高效率城市，碳排放效率均值区间为[0.95,1)；其中淄博市和威海市的工业碳排放效率方差分别为0.014和0.023，说明这两个城市的各年间工业碳排放效率差距较小，表现为较为稳定的高水平碳排放效率；而日照相较于前两个城市，其各年间效率均值波动较大，除2017年出现0.743的效率异常值外，其余年份均保持较高的碳排放效率水平。Ⅱ类城市包括济南市、青岛市、枣庄市、东营市、烟台市、泰安市、莱芜市、德州市、聊城市、滨州市和菏泽市等11个城市，其工业碳排放效率区间为[0.9,0.95)，各市保持较高的效率均值，尤其是济南市与青岛市两大副省级城市，受政策引导而保持较高的碳排放效率，而烟台市、东营市分别受地理位置、资源禀赋等优势因素影响，能够保证工业单位低投入高产出从而提高碳排放效率。Ⅲ类城市节能减排的瓶颈区域，包括潍坊市、临沂市，工业碳排放效率相较之前两类城市较低，在[0.85,0.9)区间内波动。Ⅳ类城市为济宁市，其工业碳排放效率0.842明显低于其他3类城市，且在2008—2017年期间碳排放效率方差为0.154，在各城市中波动幅度最大，说明该城市的碳排放效率具有很大的提升空间，碳减排问题应当受到政府重视，在政府引导以及资金、技术等方面应当给予足够的支持。

图1 山东省17个地级及以上城市工业碳排放效率的均值Fig.1 Average industrial carbon emission efficiency of 17 prefecture-level cities in Shandong Province

由图1可见，山东省17个地级及以上城市的工业碳排放效率存在显著的空间差异。整体相比，有11个地级及以上城市的碳排放效率位于山东省的平均水平之上，说明有超过一半城市的工业碳排放效率处于良好状态，而从年均增长率来看，山东省整体碳排放增长率为负，各地级及以上城市仅潍坊、莱芜、德州和聊城4个城市的增长率为正，其余城市均为明显的负向增长，基于各城市在社会、环境、经济等诸多要素方面存在差异，对工业碳排放内部因素进行分析的同时需要探讨其外部因素的影响。

3.2 山东省城市工业碳排放效率影响因素分析

以整体碳排放均值为基准，将山东省17个地级及以上城市划分为低碳排效率和高碳排效率型城市，并按照“社会—环境—经济—科技—产业”的思路对山东各城市的碳排放效率影响因素进行OLS回归分析，结果见表4。

表4 山东省工业碳排放效率影响因素的估计结果Tab.4 The estimated results of influencing factors of industrial carbon emission efficiency in Shandong Province

据全省的影响因素估计结果可见，除第二产业比重(S2)外，其他变量均在不同显著水平下通过检验，其中城镇化水平(U)和人均GDP(G)系数为负，说明过度的城镇化、飞速发展的经济与节能减排工作之间的矛盾日益严峻，城镇开发边界的设定以及经济发展保质保量等工作需要继续完善。而利用科技投入(T)和环保治理(E)手段能够有效提高碳排放效率，一方面科技投入的增长有助于推动工业技术的进步，提高资源的开发利用率而达到节能减排的目的；另一方面环保治理力度的提升能够规避低端企业的高能耗生产，达到节能减排源头治理的成效。第三产业比重(S3)对碳排放效率的影响系数为正，说明随着政府对产业结构的优化调整，第三产业比重逐渐扩大，并利用污染较少的第三产业反哺第二产业的技术创新，促进第二产业向低污染、低消耗的绿色可持续发展转型。

据山东省高效率城市与低效率城市的测度结果对比，发现各因素系数存在差异性。高效率城市除人均GDP(G)和第二产业比重(S2)外，其余各因素系数均通过显著性检验。其中城镇化率(U)对碳排放效率的负向系数明显高于全省水平的，说明在高效率城市的过高城镇化水平下，城镇人口的过度集聚、城镇基础设施的超负荷使用超过了城市的承载能力，增加了城市的运行成本，从而加剧了城市碳排放量的激增；而高效率城市的工业R&D投入强度高于全省水平的，说明通过科技创新对工业企业进行产业升级的措施取得明显成效。低效率城市除城镇化水平和工业R&D投入强度外，其余因素系数通过了显著性检验。其中与全省和高效率城市测度结果不同的是第二产业比重与第三产业比重对工业碳排放效率的影响显著，且为负向影响，这也验证了政府对低效率城市产业结构调整、产业优化升级等工作的不足，导致第二产业与第三产业互动不紧密；而工业R&D投入系数小于全省水平的，说明工业等第二产业的转型存在资金阻碍，第三产业的兴起缺少政策支持，因此区域低碳发展基金等政府的资金支持项目则成为改善低效率城市碳排放现状的关键因素。

4 结论

本研究通过随机前沿模型对山东省17个地级及以上城市的工业碳排放效率进行测度，结果显示工业碳排放效率虽然整体水平较高，但近10年多数城市的碳排放效率呈下滑趋势，且各城市的碳排放效率存在空间差异。按照各城市工业碳排放效率均值，将其划分为四个层次，其中淄博等Ⅰ类城市和青岛等Ⅱ类城市分别受政策引导、经济发展等因素的正向影响显著，保持较高的碳排放效率，而临沂、济宁等Ⅲ、Ⅳ类鲁西南城市受政策支持的效果不显著，说明政府在近期要适当地将节能减排的重心由鲁东和鲁西北地区向鲁西南地区偏移。此外，外部影响因素的结果显示，全省碳排水平以上的城市亟需处理过城镇化发展与节能减排工作的矛盾，积极开展城镇开发边界的设定以及低端工业产业转移，有助于城市维持现有碳排水平，走绿色可持续发展道路；低于全省碳排水平的城市产业结构转型与产业优化升级等方面存在一定阻碍，政府应当进行适当的政策引导和资金扶持，促进第二产业与第三产业的紧密互动，并通过科技创新强化工业生产技术和资源利用率，最终提高低效率城市碳排放水平。