基于sbm模型的我国co2排放效率测度研究-蔡火娣.pdf

《基于sbm模型的我国co2排放效率测度研究-蔡火娣.pdf》由会员分享，可在线阅读，更多相关《基于sbm模型的我国co2排放效率测度研究-蔡火娣.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2016年第7期 Sci咖dTe滕鬻。ment Res。扪hdoi：103969jissn10007695201607045基于SBM模型的我国C02排放效率测度研究蔡火娣(广东金融学院，广东广州510632)摘要：基于非径向的SBM模型测度了中国各省级行政区CO，排放效率，并分析了Luenberger生产率指标及分解，从技术进步效应、效率追赶及“创新者”区域等角度探索中国各地区的CO，排放效率。主要结论有：2000一2011年间，我国CO：平均排放效率仅为549，效率偏低，相对于效率前沿面存在较大的改善空间；我国东、中、西部三大区域的CO，排放效率发展是不均衡的，东部CO，排放效率显著高于中

2、、西部；全国CO，生产睾MLPI指标平均增长率为062，增长率较低，生产率增长的主要源泉是技术进步而非效率变化。关键词：CO，排放效率；SBM模型；Luenberger生产率指标中图分类号：F061 文献标志码：A 文章编号：100076952016)07024507Research on the Measurement of C02 Emissions Efficiency in China Based Oil SBM ModelCAI Huodi(Guangdong University of Finance，Guangzhou 5 10632，China)Abstract：Based o

3、n the SBM model，this paper measures the efficiency of carbon dioxide emissions in China，then ealculates the productivity index of the carbon emissions and its decomposition，and analyzes the effect of technology progress，efficiency change and the“innovators”regionWe come to the following the main con

4、clusions：The average carbon dioxideemissions of the country is only 549during the period of 2000-201 1which means there is still large room to improverelatively to the frontierThe carbon emission efficiency of the East，Central and West regions is imbalance，and the efficiency in East is significantly

5、 higher than that in Central and WestThe average growth rate of MLPI in China is only 062Obviously，it is relatively lowThe main source of productivity growth is the technological progress rather than thechange of efficiencyKey words：carbon dioxide emissions efficiency；SBM model；Luenberger productivi

6、ty indicator1 相关研究回顾与评述改革开放以来，中国经历了近30年的高速经济发展，同时出现了环境污染和资源浪费等诸多问题，CO，排放总量从1980年的l 448百万t增长到2010年的7 997百万t，因此，研究CO，排放效率，对制定减排措施及提高CO：排放效率具有重要意义。目前关于碳环境效率评价的研究主要有2种：一是传统的单要素碳排放效率测度指标，主要以碳排放总量与单一要素之间的比率关系来表示。二是全要素CO：排放效率，关注各种要素的相互作用。单要素碳排放效率测度指标只考虑碳排放量一种要素，容易高估了碳排放效率，导致碳排放效率测度的偏误。在全要素框架下，近年来国内外不少学者将CO

7、，纳入到DEA模型中得到全要素碳环境效率，并以此展开相关研究。Zaim等_。借助DEA构建了碳排放效率指数，测算评价了OECD国家的碳排放效率，并估算了碳排放规制对OECD国家产出可能造成的损失。Zofio等1评价了OECD的制造业碳排放效率，并利用非期望产出的弱可处置性原理分析碳规制的影响。Hailu等p o采用DEA方法测算了加拿大造纸工业的环境效率。Zhou等H l构建了基于松弛变量的环境效率测度数据包络模型，并测度了30个OECD国家1998-2002年的碳排放效率。王群伟等5。利用传统距离函数测度了我国20012007年的全要素CO：排放效率。李涛等1借助非意愿变量Ruggiero三

8、阶段模型实现了综合技术效率的分离，测算了1998-2008年中国29个省级行政区真正意义上的碳排放效率。目前大多数文献中，除李涛等16 o的研究之外，研究时都是将CO：纳入生产模型而将估计的整体环收稿日期：20150528，修回日期：20150913基金项目：全国统计科学研究计划项目“产业投入关联外移的测算及其影响效应研究”(2013LYl38)项目来源：广东金融学院校级课题“我国低碳发展水平的统计测度研究”(13XJ0308)万方数据蔡火娣：基于SBM模型的我国CO：排放效率测度研究境效率作为CO：排放效率。该环境效率实质上包含了CO，和其他投入要素在内的综合技术效率，并未单独估算真正意义上

9、的CO：排放效率，将其作为CO，排放效率指标有一定局限性。而且，大多文献测算碳排放效率的方法都运用径向的、角度的DEA模型。鉴于此，本文尝试在如下方面对已有研究进行拓展：(1)从研究角度而言，重点关注测度我国各地区生产过程的CO：排放效率而非整体环境效率，因此本文的CO：排放效率测度是在整体环境效率的基础上分离出来的具体CO：排放效率。(2)构建非径向的Luenberger生产率指标并分解，从技术进步效应、效率追赶及“创新者”区域等角度探索中国省区CO：排放效率。2研究方法为了将碳排放纳入到我们分析的生产框架，首先根据Fiire等一。提出的环境技术思想，构造一个既包含期望产出，又包含非期望产出

10、的生产可能集。假设每个国家有种投人要素艽，生产出M种期望产出Y，同时有，j砷非期望产出b，则环境生产技术的生产可能性集可表示为：P(戈)=(Y，b)：戈能生产(Y，b)，X尺： (1)其中，生产可能性集合满足闭集和凸性要求，投入和期望产出满足强可处置性，非期望产出具有弱可处置性和零结合性。随着Fare等1提出区分好产出和坏产出的DEA测度模型，Watanabe等8 J、Zhou等19。、Mandal等0。进一步拓展和改进了包含坏产出的DEA测度模型。21 非径向测度模型SBM模型传统的CCR或BBC模型衡量的是径向(射线)效率，此2种模型假设投入或产出同比例调整(缩减或扩张)，然而，这2项假设

11、在某些情况下并不适用，例如劳动和资本可能存在替代效应，欲等比例缩减劳动和资本的投入量显然这不符合事实；而且，径向模型对无效率的测量没有包含松弛变量的问题，当存在投入过度或产出不足时，径向的DEA效率测度会高估决策单元的效率，而且传统的CCR或BBC模型的需要选择基于投入角度或者基于产出角度，容易忽视投入或产出的某一个方面，从而导致效率测量的偏误。鉴于此，Tone 1j提出了以松弛变量为衡量基础的DEA模型简称SBM模型(Slacksbased Model)。不同于传统的CCR或BBC模型的角度选择，SBM模型将2种导向纳入到同一个模型中来，以松弛量为衡量基础，考虑到所有变量投入和产出可能存在的

12、改进空间，修正了传统模型径向(射线)衡量和角度选择之缺陷，最终效率测量值体现在目标函数中，取值在0和1之间。除此，SBM模型改正了加性模型(也是以松弛变量为基础，不用考虑方向性问题)的单位不变性之不足。根据Tonej和Fukuyama等2 3的研究，我们定义包含坏产出的SBM方向性距离函数为：上五+上f等蓝+1s；。xr丘，v咄，6 r乒，tgig，暑s，：max：兰二二二婆三!也“tz&：+S：=x0V一砉z：=ymz：6：+S=6：pV戮吐z舢珊 (2)s：10，V嗡s：主o，可掰：s；o可f其中：(戈“，Y“，泸)，是各省份的投入和产出向量；(g。，g，96)表示好产出扩张、投入和坏产出

13、缩减的取值为正的方向向量；(S：，S：，s：)代表投人、好产出和坏产出的松弛向量，由于线性规模的约束条件为等式以及松弛向量前的不同正负号，(sx。，s：，s：)表示投入过多、污染过度排放以及好产出生产不足的量；松弛向量和方向向量测度单位是相同的，q6因此松弛比率是标准化的，可以相加起来。目标g。函数表达的是投入无效率和产出无效率平均值的和最大化。和传统的方向性距离函数一样，SBM方向性距离函数是一个表示联合无效率水平的指标，其值越大表示无效率水平越大，则决策单元的效率水平实则越低。本文关注CO：排放效率，而非考虑碳排放约束的整体环境效率，需要测算真正意义上的CO：排放效率，因此参考Cooper

14、等3。的研究思路，在原SBM中分离构建坏产出的无效率测度指标为：b舾。：等 (3)歌因此，对应的坏产出效率值为：b1 。 (4)6= 一 6 (4)gi22 考虑坏产出的全要素生产率指数测度继Caves等4 o提出的Malmquist TFP指数之后，Chung等5。将其扩展为可以包含测度环境污染物的ML指数。Chambers等Ll纠发展了一种新的基于差值的生产率测度方法，称为Luenberger生产率指标(简称LPI)。这个指标与基于比值的Malmquist指数主要有以下不同：一是不需要预先选定测度角度，可以同时考虑投入的减少和产出的增加；而ML指数(M指数)均需对测度的角度进行选择，即选择

15、基于投入导万方数据蔡火娣：基于SBM模型的我国CO。排放效率测度研究 247向还是基于产出导向的测度方法。二是这个指标具有可加性，与具有相加结构的方向距离函数相适应。Boussemart等7 3对M生产率指数和Luenberger生产率指标基于理论和实证两个角度进行了比较，认为Luenberger生产率指标是M和ML指数的一般化，而基于差分的Luenberger生产率指标在未来的研究中更有意义。本文根据Chambers等6。定义的Luenberger生产率指标，结合考虑污染物的SBM方向距离函数，将Luenberger生产率指标表述为：1MLPI,“=(LPC+LPC“1)= (5)二1亨(x

16、，Y，b；g)一亨(z”1，Y”1，b“1；g)+S+1(石，Y，b；g)一鸯。+1(戈+1，Y+1，b+1；g)按照Chambers等州的研究思路，Luenberger生产率指标能够做类似于Mahnquist指数的分解，分解为效率变化指标(LEC)和技术变化指标(LTC)，即：LEC,“=3(戈，Y，b；g)一雪“(z，Y，b；g) (6)Lrc；“=专“(戈，Y，b；g)一S(戈。，Y，b；g)+厶专+1(石+1，Y+1，b+1；g)雪+1(z+1，Y+1，b“1；g)MLPI,“=理c：“+粥 (7)其中舰驴t“、LTCI“、LECI+1的值大于(小于)零分别表示生产率增长(下降)、技术

17、进步(退步)、效率改善(恶化)。3指标选取及数据处理按照上述理论方法，本文选取了2000-201 1年中国各省级行政区的GRP、资本存量、劳动力、能源投入和CO：排放量共5个指标，其中投入变量为资本存量、能源投入、劳动力3个变量，产出变量包括期望产出(地区GRP)和非期望产出(CO：排放量)2个变量。本文的数据范围包括中国除西藏和港澳台地区的30个省级行政区。各变量的原始数据来源于历年的中国统计年鉴和中国能源统计年鉴。各指标的具体情况如下：(1)地区GRP。选取了各省级行政区历年GRP数据，并根据历年GRP平减指数将其平减到2000年的价格水平。(2)CO：排放量。由于统计数据的缺失，目前我国

18、官方还没有统一公布的CO：排放数据。国家温室气体排放清单指南(IPCC)评估报告主张，化石燃料燃烧是CO：排放量的主要来源，所以本文采用能源消费量估算法来估算不同部门或地区的CO：碳排放量。计算公式如下：Tt n nC02=王C02，。：王Ei71。=乏E。NCViCEF。COF：(4412) (8)其中，E。为第i种能源消费量，77i为第i种能源的CO：排放系数，NCV、CEF、COF分别为能源的平均低位发热量、碳排放因子和碳氧化率。(3)资本投入。资本存量的估算最常用的方法是“永续盘存法”。根据张军等引的研究，我们选择了固定资本形成总额作为当年投资指标，并利用其方法构造了1952-201

19、1年的投资品价格指数，从而得到以2000年为不变价格的各地区的实际投资序列数据。接着利用式(9)得到资本存量：K，=，。+(16)K，一， (9)其中，K，为t时期的资本存量，6为折旧率，J，为t时期的实际投资额。利用得到的1952-2010年各省级行政区的投资序列指数数据，通过对现有各个地区的实际投资序列的对数与时间的回归，从而模拟出1900一1951年各地区的投资序列，因此资本存量的计算公式可转换为：t一190lKi=(1-6)，+(1一”K1900 (10)式(10)意味着，只要得到1900年的资本存量以及合适的折旧率，就可以得到历年的资本存量。基于1900年的资本存量在1952年时折旧

20、完毕这一事实，我们假设1900年的资本存量为0，关于折旧率的选择，我们认为不同的地区应该有不同的折旧率，所以选择了吴延瑞。19。推荐的各个省际单位不同的折旧率。(4)劳动投入。衡量劳动力投入作用时最好的度量指标是劳动时间，但是由于数据的不可得性，我们使用各省级行政区历年从业人数作为劳动投人指标。(5)能源投入。我们使用各省级行政区各种一次能源消费量总和作为其能源投入指标，并且为了统一口径，将各种能源消费量折算为标准煤参考系数。4实证分析41基于SBM模型的省际CO，排放效率及检验为了探讨效率的区域差异，我们按传统的划分方法把我国划分为东、中、西部三大地区，基于SBM模型，利用GAMS 226编

21、程测算了各地区历年CO，排放效率如表1所示；全国2000-2011年间历年的效率均值，以及东、中、西三大地区的平均效率如图1所示。万方数据248 蔡火娣：基于SBM模型的我国c0：排放效率测度研究由表1可以看出，从全国整体来看，这12年间CO：平均排放效率仅为549，效率偏低，相对于效率前沿面存在较大的改善空间。陈诗一【201指出中国经济高增长是以高投资、高能耗和高污染为代价的。改革开发以来，只占全国GDP 401的工业却消耗了全国679的能源以及占全国比重高达831的CO，排放。就变动趋势而言，不仅全国，或是三大地区，这12年间CO，排放效率处于一个相对平稳的趋势。其中，2005年开始持续略

22、有下降，这可能与该时期整体经济发展以及环境污染有关；2005年之后，该时期中国的重工业化趋势再度显现，房地产和汽车工业快速发展，基础设施投资持续加大，产品出口份额也显著增加。据相关统计资料，2005年我国重工业占工业总产值比重高达69，过度的重工业膨胀导致CO：排放持续增长。从逐年平均具体数值看，理想的CO：排放量大约是实际排放量的的469一572之间，尚存在428一53的多余排放，有待进一步挖掘减排潜力。从各个地区的平均效率来看，排名最高的是北京、上海和广东，其平均效率为1，三者构成了效率生产前沿面；排名最低的是山西，其平均排放效率为0176，与生产前沿面距离非常大。整体来看，CO：排放效率

23、较高的地区集中在东部地区，效率较低的地区则集中在中西部地区，主要有甘肃、宁夏、内蒙古和山西。从各地区的碳排放效率变化趋势来看，北京、上海和广东每一年均处在排放效率生产边界上，天津、海南和青海有部分年份在生产边界上。需要说明的是，这些在生产前沿面上的地区不代表就具有绝对好的CO：排放效率，但是这些地区相对来说具有最好的排放效率。图1 2000-201 1年全国及三大地区平均co，排放效率由图1可以看出，从三大地区来看，CO。排放效率发展是不均衡的，东部的排放效率显著大于中、西部，西部的排放效率略高于中部效率，两者较为接近。东部的平均排放效率为0761，中、西部的平均排放效率分别仅为0423和04

24、29。涂正革21 3指万方数据蔡火娣：基于SBM模型的我国c0：排放效率测度研究 249出，无论从静态还是从动态指标观察，1998-2005年中国东部发达地区工业发展和环境关系较为和谐，而中西部地区就处于相对失衡状况。从变化趋势来看，东部和全国演变趋势类似，于2005年开始持续略有下降，而西部在2005-2007年略有上升，其原因之一估计与西部地区的资源优势有关。为了检验东、中、西三大区域的差异是否显著，我们采用非参数MannWhitney U秩和检验，提出假设如下：H。：区域东、中、西部的CO：排放效率两两不存在差异。H，：区域东、中、西部的CO：排放效率两两存在差异。根据报告的MannWh

25、itney U秩和检验结果(如表2)，对于研究期间的中国东部一中部、东部一西部区间的SBM测度效率指标的z统计量均在相应的水平上，显著拒绝了零假设，这说明中国的，CO：排放效率在东部一中部、东部一西部区域分布上具有显著的异质性；但是，中部一西部之间SBM测度效率指标的z统计量在相应的水平上显著，没有拒绝零假设，即不能认为2区域之间有显著差异。表2中国三大区域的MeanWhitney秩和检验结果注：、”、分别表示l、5和10的显著性水平42基于序列SBM模型的C02生产率指标测度与分解基于样本期间全部地区所有年份的效率值，本文采用序列PPS的SBM模型求得了LPI的TFP指数，并将其分解为技术变

26、化指标(LTC)和效率变化指标(LEC)2个部分，具体分别如表3、图2所示。表3 2000-2011年中国区域C02生产率指标平均值名地区LEC LTC MuH 排名地区LEC LTC MLPI 排名北京0 000 0 0020 8 0020 8 3 湖南一0 016 7 001410002 6 22天津0028 0 0049 9 0077 9 1 广东0000 0 000l 9 000l 9 20河北一0010 2 0006 90003 3 23 广西一0028 2 0 031 6 0003 4 18山西一0006 3 00046一n 001 6 2l 海南一n047 6 0 028 90

27、0187 28内蒙古一0010l 0004 60005 4 25 重庆0 005 2 0021 6 0 0268 2辽宁一0002 4 0 014 9 0012 4 11 四川一0 005 l 0018 5 0013 4 8吉林一000l 3 o 011 2 0009 8 13 贵州0005 4 o 008 5 0013 9 6黑龙江一0006 5 0011 2 0004 7 17 云南一0 019 9 00095-0010 4 27上海00000 0017 4 0017 4 4 陕西一0 006 8 0009 9 0 003 1 19江苏一00ll 9 O023 3 O叭14 12 甘肃00

28、07 8 0005 5 0013 3 9浙江一0012 9 0029 4 0016 4 5 青海一0042 4 0010 90031 5 30安徽n 00l 2 001l 4 0 012 6 10 宁夏一0 010 0 0 004 300057 26福建一0，020 8 0027 9 0 007 l 14 新疆一0002 8 0 009 6 n006 7 15江西一0007 3 0020 9 0013 7 7 东部一0010 7 0 021 6 0010 9 I山东一0039 6 0016 70 022 9 29 中部-0007 1 0012 l 0 0049 2河南一0016 4 0013

29、IO003 3 24 西部一旺009 7 0 012 2 m002 5 3湖北一0003 8 0010 0 0006 2 16 全国-0，009 4 0 015 6 0006 2 一 一。一等图2 2000-201 1年中国MLPI指标及其分解指数比较(1)CO：排放生产率指标分析。CO：排放效率作为一种静态的分析方法，测度的是既定时期各地区与生产前沿面的相对关系，CO：排放生产率指标既可以分析每个地区与生产前沿面的相对位置变化(效率改变)，又可以分析生产前沿面的移动(技术进步)，它是一种动态的分析方法。由表3和图2可以看出，样本期间，全国CO：生产率MLPI指标平均增长率为062，增长率较低

30、，生产率增长的主要源泉是技术进步(156)而非效率变化(一094)。从整体上看，全国CO，生产率MLPI指标虽然呈现出略有改进的趋势，但是效率变化指标(LEC)却呈现略微下降。逐年来看，只有2010_2011年MLPI指标小于0，该时期技术效率的退化作用大于技术进步的增长作用，其他年份MLPI指标均大于0，表明生产率出现不同程度的增长。这12年间，技术效率的退化作用小于技术进步的增长作用，因此CO，生产率MLPI指标维持年均062的增长率。其中，MLPI指标最高的年份为2008-2009年，增长幅度为2，708；20102011年MLPI指标下降值得引起注意，原因之一可能是，在节能减排初期，边

31、际节能减排成本较低，采取一些成本较小的措施就可以取得一定的节能减排效果，但随着“低悬的果实”逐渐被采摘贻尽，边际成本逐渐升高，要继续同样程度节能减排需要付出更大的成本旧2|。分地区看，各地区的变化情况不尽相同。2000-201 1年，6667(2030)的地区表现出CO：生产率的增长，平均增长最快的3个地区是天津(779)、重庆(2687)和北京(208)，其MLPI指标增长均有效率变化和技术进步双重推动；3333(1030)的地区出现了C02生产率的年均下降，平均增减率下降幅度最大的3个地区是青海(一315)、山东(209)和海南(187)。按区域看，三大区域的MLPI指标存在差异，东部的M

32、LPI指标均值最高，为109，中、西部均值分别为049和025。三大区域的LEC指标均呈现波动中略有下降趋势，主要依靠技术进步来改善CO，排放的生产率。东部的技术进步指标要远大于中、西部，如图3所示。东部处于沿海地区，其经济实力雄厚，而且也能够及时吸收国内外节能减万方数据蔡火娣：基于SBM模型的我国CO：排放效率测度研究排的先进技术，这是其技术进步的重要支撑之一。而中西部由于经济发展缺乏改造高污染的生产设备，工业集中在污染程度较大的行业，并且由于对外开发程度等治理污染的技术水平较低，因此中西部的技术进步指标小于东部。图3中国三大区域的技术进步指标变化趋势(2)技术进步效应。技术进步可以通过污染

33、处理技术的改进、生产技术的改进，或者问接通过降低单位GDP的能源消耗或污染强度，促进不可再生资源约束作用的补偿机制，从而相应地减少污染排放及生态破坏，以达到提高生产率的最终效果。本文采用序列的LTC指标，将生产集合由当期投入产出扩展到T期，可以吸纳宏观经济剧烈波动导致的暂时性生产可能集萎缩，因此可以反映中国地区最真实的技术进步。从表3和图2可以看出，2000201i年间我国整体的LTC指标平均增长率为1563，是生产率增长的主要源泉；但在20022003年、2003_2004年及2004-2005年，技术进步速度极其缓慢，其原因可能是在于2002年之后随着我国投资急剧扩张以及产品出口额度大幅增

34、长，经济发展过热，造成化学原料、钢材、水泥、金属冶炼、化学制品等高能耗行业膨胀，低效投资和高能耗造成了好产出不足和CO：过度排放，导致生产边界的萎缩；2005-2008年，LTC指标持续快速增长，显示出了这一时期我国持续的技术进步；2009年之后，LTC指标增长略有下降，可能与2008年全球金融危机对中国宏观经济冲击有关，拉低了这一时期最优生产边界。从各个地区来看，2000-2011年均表现了不同程度的技术进步，其中技术进步增长最快的3个地区是天津(499)、广西(316)和浙江(294)。(3)效率追赶效应。效率变化刻画了一个地区向最优生产边界移动的速度，即效率落后者追赶效率先进者的速度。在

35、生产可能性集不变的条件下，当一个地区参照生产前沿面的最优效率投影点，提高规模经济、优化生产要素配置、缓解资源环境约束，该地区向生产前沿面靠近的速度大于生产可能集扩张的速度时，就会产生追赶效应。图2中显示，2001-2002年、2008q009年和2009-2010年3个时期出现了追赶效应，其中2009-2010年的效率追赶幅度最大，增长幅度为1387，而其他时期都出现了不同程度的效率退化，其中2010-2011年的效率退化幅度最大，下降幅度为7912。2000-2011年我国整体的LEC指标平均下降幅度为0938。按地区来看，733(2230)的地区在2000-2011年间都表现出了效率退化，

36、其原因可能是这些地区没有付出改善生产管理的努力；也有可能是生产可能集的扩张较大，其投入产出点与效率投影点之间的距离更远了，即使该地区存在追赶，可是效应上还是落后了。(4)“创新者”区域。CO：排放生产率的总体改进情况可以通过CO：排放生产率指标MLPI的变化来了解，但是尚不能确定哪些地区推动了生产边界的移动，即尚无法确定“创新者”。根据Fare等2纠提出的判断标准和Kumar等1提出的具体实施准则，“创新者”的判断条件为：Ltc(t，t+1)0S，(戈，y，b)0代表技术进步推动生产前沿面朝着更少CO：排放的方向移动，即在既定的投入和好产出条件下，时期t+l相对与时期t具有更少的CO：排放量；

37、第二个条件s，(x，Y，b)0代表t+1时期的生产发生在t时期则是技术无效率，这意味着t+l时期的投人以t时期的技术无法生产出t+1时期的产出，距离函数值小于零；第三个条件Js(并，Y，b)=0表示“创新者”必须技术有效、在生产前沿面上。如果同时满足这3个条件，则说明该地区从时期t到t+1推动了生产前沿面向更优CO：排放的方向移动，是“创新者”。每个时期移动生产前沿面的地区如表4所示。由表4可以发现，在不同时期作为“创新者”的地区主要是北京、天津、上海、海南和广东这5个地区。也就是说，这些地区推动生产前沿面向更优CO：排放的方向移动，为促进CO：排放生产率提高起到了带头和示范作用。表4 200

38、0-201 1年我国位于移动生产前沿面的地区起止年份 “创新者”2000之00l200l_20022002_200320032004200420052005200620()6_2007200720082008200920()9_201020102011上海、海南天津、上海天津天津、上海、海南北京、天津、上海、海南天津、上海天津、上海、广东北京、上海北京、天津北京、天津上海万方数据蔡火娣：基于SBM模型的我国cO：排放效率测度研究 2515结论本文基于非径向SBM模型测度了中国各地区CO：排放效率，并基于序列SBM模型测算了碳排放生产率指标及其分解。主要结论如下：(1)SBM模型测度的效率值：从

39、全国整体来看，这12年的CO：平均排放效率仅为549，效率偏低，相对于效率前沿面存在较大的改善空间。东部、中部和西部三大区域的CO，排放效率发展是不均衡的，东部的排放效率显著大于中、西部。全国及三大区域的变化趋势都相对平稳，没有明显的升降。各地区的效率也存在显著差异，其中北京、上海和广东的效率最好，三者构成了效率生产前沿面；效率最差是山西，其平均排放效率仅为0176，改善空间很大。(2)全国CO，生产率MLPI指标平均增长率为062，增长率较低，生产率增长的主要源泉是技术进步(156)而非效率变化(一094)。整体上看，CO：生产率MLP!指标虽然呈现出略有改进的趋势，但是效率变化指标(LEC

40、)却呈现略微下降。(3)根据Kumar等o提出的具体实施准则可以发现，在不同时期作为“创新者”的主要是北京、天津、上海、广东和海南5个地区。也就是说，这些地区推动生产前沿面向更优CO，排放的方向移动，为促进CO：排放生产率提高起到了带头和示范作用。注：这个指标建立在差分基础上(Differencebased)，根据Diewert等25J的研究，建立在差分基础上的测度称为指标(Indicator)，而建立在比率基础上(Ratiobased)的测度称为指数(Index)，如M生产率指数，这样把两者区分开来。本文各地区划分是：东部包括北京、天津、辽宁、上海、江苏、浙江、福建、山东、广东、海南、河北1

41、1省(市)；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部为内蒙古、广西、重庆、四川I、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省(区、市)。参考文献：1ZAIM O，TASKIN FEnvironmental efficiency in carbon dioxide emissions in the OECD：a nonparametric approachJJournal of Environmental Management，2000，58(2)：951072ZOFIO J L，PRIETO A MEnvironmental efficiency and re

42、gulatorystandards：the case of C02 emissions from OECD industriesJResouree and Energy Economics，2001，23(1)：63833HAILU A，VEEMAN T sNonparametric productivity analysis withundesirable outputs：an application to the Canadian pulp and paper in-dustryjAmerican Journal of Agricultural Economics，2001，83(3)：6

43、056164ZHOU P，ANG B，POH KSlacksbased efficiency measures formodeling environmental performanceJEcological Economics，2006，60(1)：1111185王群伟，周鹏，周德群我国二氧化碳排放效率的动态变化、区域差异及影响因素J中国工业经济，2010(1)：45546李涛，傅强中国省际碳排放效率研究J统计研究，2011，28(7)：62717FARE R，GROSSKOPF sModeling undesirable factors in efficiencyevaluation：co

44、mmentJEuropean Journal of Operational Research，2004，157(1)：2422458WATANABE M，TANAKA KEffciency analysis of Chinese industry：adirectional distance function approachJEnergy Policy，2007(35)：632363319ZHOU P，ANG B WLinear programming models for measuring eco-nomywide energy efficiency performanceJEnergy

45、Policy，2008(36)：2911291610MANDAL S K，MADHESWARAN SEnvironmental efficiency of theIndian cement industry：an interstate analysisJEnergy Policy，2010(38)：1108一111811 1 TONE KA slacksbased measure of emciency in data envelopmentanalysisJEuropean Joumal of Operational Research，2001(3)：4985091 2FUKUYAMA H，

46、WEBER W LA directional slacksbased measuIof technical inefficiencyJSocioEconomic Planning Sciences，2009(4)：27428713COOPER W W，SEIFORD L M，TONE KData envelopment analysisMBoston：Kluwer Academic Publishers，Second Edition，200714CAVES D W，CHRISTENSEN L R，DIEWERT W EThe economictheory of index numbers an

47、d the measurement of input，output，andproductivityJEconometriea，1982(50)：1393141415CHUNG Y H，FARE R，GROSSKOPF SProductivity and undesira-ble outputs：a directional distance function approachJJournal ofEnvironmental Management，1997，51(3)：22924016CHAMBERS R G，FARE R，GROSSKOPF SProductivity growth inAPEC

48、 countriesJPacific Economic Review，1996，1(3)：181190(17BOUSSEMART J P，BRIEC W，KERSTENS K，d a1Luenbergerand Malmquist productivity indicates：theoretical comparisons and em-pifical illustrationJBulletin of Economic Research，2003(55)：39140518张军，吴桂英，张吉鹏中国省际物质资本存量估算：1952-2000J经济研究，2004(10)：354419吴延瑞生产率对中国经济增长的贡献：新的估计J经济学(季刊)，2008(2)：827842