从“鞭打快牛”到效率驱动_...区域间碳排放权分配机制研究_钱浩祺.pdf

《从“鞭打快牛”到效率驱动_...区域间碳排放权分配机制研究_钱浩祺.pdf》由会员分享，可在线阅读，更多相关《从“鞭打快牛”到效率驱动_...区域间碳排放权分配机制研究_钱浩祺.pdf（17页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、从 “鞭打快牛” 到效率驱动:中国区域间碳排放权分配机制研究*钱浩祺吴力波任飞州内容提要: 设计合理的区域间碳排放权分配机制对于中国温室气体达峰目标的实现和减排成本的优化具有重要的理论与现实意义。本文提出了一个考虑技术异质性在内的多因素碳排放权分配理论模型， 明确了全国碳减排总量目标、 本地区排放总量、 本地区碳排放强度以及本地区碳排放效率四个因素对碳排放权分配的影响机制。利用中国企业级低碳专利数据作为低碳技术水平的代理变量， 考虑碳市场试点的政策冲击， 本文基于消费侧和生产侧碳排放视角， 利用随机前沿模型估计了各地区的碳排放效率， 并使用估算效率值对碳排放权的地区分配进行了数值模拟。结果显示

2、， 当碳排放基于消费侧责任计算时，基于产出或排放量的分配机制将分别比基于多因素的分配机制额外带来 1. 61% 和0. 47%的工业总产出损失， 而当碳排放基于生产侧责任计算时， 仅基于产出或排放量的分配机制将分别比基于多因素的分配机制额外带来 0. 68% 和 0. 21% 的工业总产出损失。与此同时， 当分配机制中考虑了碳排放效率时， 基于消费侧和生产侧的不同分配会使部分地区产生较大的分配差异， 能源生产省份在生产侧核算下需要承担更高碳减排量， 以内蒙古为例， 其减排量比消费侧核算下高出约 65%， 而电力调入省份在消费侧核算下需要承担更高碳减排量， 以河北为例， 其减排量比生产侧核算下高

3、出约 83%。关键词: 碳排放权分配碳排放效率随机前沿分析低碳专利*钱浩祺， 复旦大学全球公共政策研究院、 复旦大学经济学院， 邮政编码: 200433， 电子信箱: qianhaoqi fudan. edu. cn; 吴力波( 通讯作者) ， 复旦大学经济学院、 复旦大学能源经济与战略研究中心， 邮政编码: 200433， 电子信箱: wulibo fudan. edu. cn; 任飞州， 复旦大学经济学院博士研究生， 邮政编码: 200433， 电子信箱: 17110680019 fudan. edu. cn。作者感谢国家自然科学基金青年科学基金项目 “碳排放峰值约束下的中国绿色电力转型研

4、究 基于电力大数据与中国多区域 CGE 模型” ( 71703027) 、 中国博士后科学基金特别资助项目 “信息不对称与技术进步视角下的碳排放权分配机制研究” ( 2017T100257) 的资助， 感谢匿名审稿人的宝贵建议， 文责自负。2013 年11 月建设全国碳市场被列入全面深化改革的重点任务之一。2014 年12 月国家发改委发布 碳排放权交易管理暂行方法 ， 确立全国碳市场总体框架。2015 年 9 月 中美元首气候变化联合声明 提出， 中国于 2017 年启动全国碳排放交易体系。2017 年12 月国家发改委发布 全国碳排放权交易市场建设方案( 发电行业) ， 这标志着全国碳市场

5、完成总体设计， 正式启动。一、引言巴黎协定 所构建的全球气候变化治理机制以各个缔约方提交的国家自主贡献( nationallydetermined contributions， NDCs) 作为减排责任依据。中国政府的 NDC 提出了温室气体排放在 2030年左右达峰、 碳排放强度相较 2005 年下降 60%65% 等减排目标。碳排放权总量控制与交易机制( 碳市场) 作为典型的数量规制政策， 是中国政府所确定的推动低碳转型、 统筹国内环境治理需求的主要政策工具。中国碳市场自 2013 年起首先在 7 个省市进行试点， 并于 2017 年末正式启动全国范围的碳市场建设。碳市场的构建涉及总量设定

6、、 部门覆盖、 初始配额分配、 交易标的选择等若干政策要素， 其中碳排放初始配额的分配往往是最具争议性的政策问题。碳排放的配额分配首先需要确定分配维度: 从区域、 部门再到企业。全国碳市场将针对控排行68钱浩祺等:从 “鞭打快牛” 到效率驱动: 中国区域间碳排放权分配机制研究业进行自上而下的分配， 行业分配如何在地区层面协调效率与公平的双重考量， 成为目前政策设计的难点。配额分配其次要确定的是分配依据: 根据历史排放水平、 产出水平或排放强度进行分配。中国碳市场试点阶段采用的分配依据基本是历史排放量， 而进入到全国碳市场阶段， 则将首先采用“基线法” 作为分配依据。配额分配的第三个决定因素是无

7、偿分配还是有偿拍卖， 受限于经济发展阶段、 地区发展差异和碳市场建设能力水平， 以免费分配为主是我国碳市场起步阶段的首选( Zhang et al， 2014) 。因此在这一前提下， 配额分配模式的选择就要解决三个问题: ( 1) 如何确保碳市场的有效性， 即实现总体控排目标。( 2) 如何提升碳市场的效率性， 即实现全社会减排成本的最小化。( 3) 如何兼顾碳市场的公平性， 即是否可以在确保环境政策目标实现的同时寻求社会公平的适度平衡。以碳排放总量或者碳排放强度作为分配依据， 容易产生“鞭打快牛” 的逆向选择结果( Groenenberg Blok， 2002; Zhou Wang， 201

8、6) 。首先是高排放区域获得更多的配额， 抑制了低排放区域的减排动力， 大大减缓了减排效率提升; 另一方面则体现在行业层面， 例如企业新增投资、 新进入企业往往被施加更为严格的配额总量供给， 导致对拥有清洁技术的新企业投资下降， 同样不利于整个行业的减排( Quirion， 2009; Zhou Wang， 2016) 。基于产出的分配方式相比基于历史排放分配法， 缓解了 “鞭打快牛” 问题， 但是会令污染向生产过程中的中间品转移， 出现额外的社会成本和效率损失， 同时难以控制污染总量( Quirion， 2009) 。基线法对不同的工业过程、 不同的技术类型采取不同的基线标准， 尽管一定程度

9、上克服了“鞭打快牛” 的情况， 但却无法实现有效的总量控制。而基线法基于单位物理产出的排放水平来分配配额的特点， 使其无法解决高耗能、 高排放企业向中西部转移的同时提升环境效率的问题( 汤维祺等， 2016) 。不仅如此， 基线法会导致企业技术选择倾向于固化在基线标准较低的技术上， 无法通过投资优化提升减排效率( Jotzo et al， 2018) 。中国碳市场现阶段的制度设计仍然有改进空间， 要考虑在无偿分配条件下将区域总量控制与排放效率最优化作为双重目标来约束， 就要解决“基线法” 所无法实现的效率最优和总量控制的双重目标。在环境有效性和效率性之外， 公平性也是环境规制实施经常需要考量的

10、问题。根据丁伯根法则， 政策工具的数量至少要等于政策目标的数量， 因此若需要同时达成减排、 技术进步和社会公平等多个目标， 碳减排政策需要搭配多种政策工具才能实现( Sorrell Sijm， 2003; Lehmann， 2012) 。乔晓楠和段小刚( 2012) 提出， 中国减排指标分配应该尽可能地达到碳减排目标， 而地区公平目标可以另外制定相对独立的经济政策来实现， 后者正是国际间碳排放分配与国内区域间碳排放分配的最大差别。故在考虑我国区域间碳排放权分配时， 应当在达到最高碳减排效率的前提下， 尽可能地降低与碳排放责任核算相关的区域公平问题。事实上， 我国自“十二五” 以来， 国家主管部

11、门对各个地区的省级碳排放强度下降目标进行规制， 主要是以 “支付能力原则” 这一公平性指标来平衡区域层级的差异化特征， 而对区域间的减排效率差异基本不做考虑( Ni et al， 2015) 。这样的政策机制客观上带来了高耗能产业在经济相对落后地区的集聚， 所带来的环境污染对于当地经济发展的负面影响显然与最初的政策初衷大相径庭。正是基于上述考量， 本文将着力于探讨如何通过基于效率的分配框架， 解决总量控制与排放效率最优化的双重目标。通过对碳排放权分配机制理论框架的构建， 本文明确了全国碳减排总量目782019 年第 3 期此外， Groenenberg Blok( 2002) 指出基线法需要极

12、高的基础数据要求， 并且往往仅限于针对特定工艺流程和产品进行分配。由于国际间各国很难达成可以实现国际间公平的经济政策( 例如国际间支付转移、 技术补贴等政策) ， 因此国际间碳减排责任分担需要在效率和公平间进行权衡。标、 本地区排放总量、 本地区碳排放强度以及本地区碳排放效率四个因素对碳排放权分配的影响机制。基于该理论框架， 本文进一步在估算效率值基础上， 对碳排放权的地区分配进行了数值模拟。考虑到基于消费侧和生产侧的碳排放核算视角是导致区域减排责任分担差异的主要原因， 本文模拟比较了两种核算方法对区域分配的差异， 明确了在确保环境效率最优化的前提之下， 不同的核算视角所带来的配额分配差异和相

13、关经济影响。二、文献综述由于初始排放权分配方式的不同会带来碳市场运行效率的巨大差异， 进而影响收入分配和长期低碳投资， 各种分配方式差异的度量以及如何在传统的分配方式上进行优化， 是近年来的研究热点。部分学者提出根据排放效率与能源效率进行分配更具成本效益， 可以更好解决各国减排责任问题( Evans et al， 2013) 。Yi et al ( 2011) 提出对于中国区域间排放分配除历史排放与经济发展外， 还需要考虑各地区减排潜力以兼顾公平与效率。乔晓楠和段小刚( 2012) 总结了“十二五” 期间我国减排方案， 指出环保部在综合考虑各地区经济发展总量、 潜在新增量和产业结构情况外， 还

14、会根据各地区潜在减排量适度调整配额分配。Zhang et al ( 2016) 则提出应该根据中国各区域工业部门二氧化碳排放效率， 也即减排潜力进行排放权分配。这些研究表明， 基于历史排放分配方法最关键的一点是没有考虑区域减排潜力( 即碳排放效率) 从而造成了效率扭曲。因此， 需要将区域碳排放效率纳入碳排放权分配的框架中， 来提升分配方法的经济效率。从效率角度而言， 若一个碳排放权分配方案能够以最小的经济成本实现既定减排目标， 则该方案具有最高的经济效率， 此时， 各个地区的边际减排成本( marginal abatement cost， MAC) 也实现了均等化。因此， 准确刻画边际减排成本

15、曲线( marginal abatement cost curve， MACC) 的特征成了重要的研究内容。从 Weitzman( 1974) 和 oberts Spence( 1976) 起， 便已开始对 MACC 进行定量研究。随着气候变化问题受到越来越高的重视， 低碳技术也得以不断进步与突破， 并对 MACC 本身产生巨大的影响， 但是过去的一些研究都未能将低碳技术这一因素考虑在内。其中 McKitrick( 1999) 的研究从生产者行为最优化的角度出发， 指出当企业的生产行为中引入减排技术投入时， 其 MACC的形状将发生改变并产生拐点， 在这种情况下， 基于 MACC 的均衡结果将

16、发生改变。吴力波等( 2014) 使用中国多区域可计算一般均衡模型， 模拟得到了 McKitrick 所提出的这一类 MACC， 表明了技术投入对减排行为的重要影响。在现有的文献中， 低碳技术进步往往以碳排放效率的形式予以表征， 即某一地区或某一行业所测算的碳排放效率越高， 表明其既有的低碳技术水平越高， 相应的减排潜力也就越低。在效率分析理论的发展下， 数据包络分析( data envelopment analysis， DEA) 和随机前沿分析( stochastic frontieranalysis， SFA) 是目前主要的两种测算效率的工具。近年来， 有大量研究利用 DEA 方法对中国

17、分区域的碳排放效率进行了测算( 苗壮等， 2013; 张伟等， 2013; Meng et al， 2016) ， 同时也有一些研究使用 SFA 方法对中国分区域的碳排放效率进行了测算( 谌莹和张捷， 2016; 张成等， 2017) 。基于测算所得的碳排放效率， 可以揭示各个区域的潜在碳减排量， 并进而利用线性规划等方法直接求解成本最小化时的区域分配结果， 然而这些研究并没有明确提出碳排放效率与 MAC 之间的关联关系， 即我们无法得知各区域的碳排放配额与其碳排放效率之间的具体影响机制， 这种“黑箱” 式的分配方式降低了现实的政策激励效果。此外， 基于不同核算视角计算的地区碳排放量将对碳排放

18、效率的测算产生影响， 从而在一定程度上产生地区不公平性。目前的研究大多集中在从消费侧责任和生产侧责任来核算国际间不同地区的碳减排责任( 彭水军等， 2015， 2016) ， 这一方法主要考虑了由于国际贸易所带来的隐含碳转88钱浩祺等:从 “鞭打快牛” 到效率驱动: 中国区域间碳排放权分配机制研究移， 来明确各个国家应该承担的减排责任。近年来， 随着中国省际间投入产出表的完善， 这一方法也逐渐被用来核算国内省际间的减排责任( 徐盈之和张赟， 2013; Su Ang， 2014) ， 这些研究均发现基于两种视角下所核算的各地区碳排放量存在一定的差异。然而， 目前我国区域间投入产出表的构建主要以

19、贸易引力模型为基础( 李善同， 2010; 张亚雄和齐舒畅， 2012; 刘卫东等， 2014) ， 由于区域间贸易量的估算存在着较大的不确定性， 进而对区域间隐含碳的估算产生影响。Qu et al( 2017) 基于能源平衡表和区域间电力流动重新测算了各省电力消费的隐含碳排放。他们指出， 由于电力生产部门对我国二氧化碳排放具有重要的贡献， 且针对电力部门二氧化碳排放进行核算的准确性不断提升， 因此在考虑区域间的排放核算公平性时， 可以重点关注电力隐含碳排放所带来的区域排放责任差异。而且从数据可得性角度来看， 基于能源平衡表的排放测算能够克服投入产出表数据频率较低的不足。通过总结以上研究， 本

20、文旨在构建一个将碳排放效率纳入碳排放权分配标准的理论框架， 并利用实证分析方法将这一理论框架应用于实际的地区间分配。本文的研究结论对于现有的文献主要有两方面的贡献: 第一， 碳排放权分配的理论框架能够明确历史排放、 产出水平、 碳排放效率等因素与碳排放权分配额之间的影响机制; 第二， 利用最新的低碳专利数据库来测度不同地区的碳排放效率， 明确了低碳技术的进步路径， 同时也验证了理论框架的可行性。三、碳排放权分配的理论框架( 一) 有效碳排放水平、 潜在减排量与碳排放效率在现实经济活动中， 由于生产、 管理、 技术或者客观因素等， 导致能源消耗无法达到完全利用的水平， 因而造成不必要的二氧化碳排

21、放。在既定生产要素投入和既定产出水平下， 能源消耗实现了完全利用时所对应的二氧化碳排放量， 即为有效碳排放水平， 以 e*表示。根据有效碳排放水平的定义， 一个地区的实际碳排放水平( 以 er表示) 往往高于该地区的有效碳排放水平， 这时候， 两者之间的差异称之为最大潜在减排量， 以 r*表示:r*= er e*( 1)此时， 有效碳排放水平与实际碳排放水平的比率则定义为全要素碳排放效率( 张伟等， 2013) ，以 TE 表示， 其表达式为:TE =e*er， 0 TE 1( 2)在现有的文献中， 魏楚等( 2010) 、 周五七和聂鸣( 2012) 以及 Zhang et al ( 201

22、6) 均采用了相同的碳排放效率定义。在上述定义之下， 一个地区的碳排放效率越高便意味着该地区的最大潜在减排量越低， 其进一步减排的空间和潜力就越小。( 二) 边际减排成本曲线McKitrick( 1999) 的研究指出， 当企业投入减排行动( 即减排技术研发行为) 时， 将改变 MACC的形状， 使之出现拐点， 并产生斜率绝对值不同的两个部分。当企业面临较宽松的减排总量约束时， 可以仅通过降低产出水平来实现减排目标， 即 MAC 相对较低时， 对应拐折 MACC 中斜率较高的部分。而当减排总量约束更加严格时， 企业的 MAC 超过了减排技术投入的成本， 从而企业会选择增加减排技术投入来实现减排

23、， 此时则对应拐折 MACC 中斜率较低的部分。如图 1 所示， 高斜率线段对应 MACC 第一阶段， 减排与技术改进无关， 为潜在碳减排量。P 点表示企业达到最大潜在减排量 r*， 排放达到有效碳排放水平 e*。P 点后的部分对应 MACC 第二阶段， 企业达到有效碳排放水平后， 减排与技术改进相关， MACC 发生了拐折。其中虚线线段和实线线段分别表示拐折后为线性的 MACC 情形 1 与拐折后为非线性的 MACC 情形 2。982019 年第 3 期图 1拐折 MACC 与碳减排潜力对应关系本文假定每个地区具有一个代表性的生产企业， 其产出水平与二氧化碳排放量之间的关系可以表示为:Yi=

24、 fi( ei)( 3)其中下标 i 表示不同地区， Yi表示总产出水平， ei表示二氧化碳排放水平， fi( ) 表示总产出与二氧化碳排放水平之间的函数映射， 其中 fi( 0)=0， fi( ei， 0)= Yi， 0， Yi， 0和 ei， 0分别表示未减排时的总产出水平与排放量水平， 对于除拐点外的排放量满足 fi 0， fi 0， 拐点处一阶导数连续而二阶导数不存在。用 ri表示总减排量， 则定义边际减排成本 MACi( ri) 为每增加一单位减排量对总产出造成的影响， 即:MACi( ri)= fi( x) /x| x = ei， 0ri( 4)其中下标表示 MACi( ri) 在

25、 x = ei， 0 ri处取值， 且 MACi( )0， MACi0， MACi0。根据图1 所示的对应关系， MACC 将由分段函数表示， 其中与技术无关的部分， 参考吴力波等( 2014) 利用 CGE 模型模拟得到的拐折 MACC， 采用线性函数来表示。而与技术有关的部分， 我们借鉴 Weitzman( 1974) 中有关 MAC 的处理方法， 分别使用一阶泰勒展开和二阶泰勒展开来表示两类不同的MACC， 用于比较本文结论的稳健性。于是， 公式( 4) 中的 MAC 可以分别表示为:MACi( ri)=mi， 1ri0 ri r*imi， 1r*i+ mi， 2( ri r*i) r*

26、i ri ei，0( 5)MACi( ri)=珟mi， 1珓ri0 珓ri r*i珟mi， 1r*i+珟mi， 2(珓ri r*i)+珟mi， 3(珓ri r*i)2r*i珓ri ei，0( 6)其中第二类 MAC 通过附加上标“ ” 符号加以区分， mi， 1， mi， 2，珟mi， 1，珟mi， 2分别为两类 MACC 的形状参数， 令 mi， 2= k1 mi， 1，珟mi， 2= k2珟mi， 1，珟mi， 3= k3珟mi， 1， 则 k1、 k2和 k3为形状自由参数， 满足0 k11， 0 k21， k30。自由参数的不同组合刻画了不同的 MACC 拐折情况和斜率情况。r*i则表

27、示地区 i 的最大潜在减排量， 因而得到碳排放效率 TEi= ( ei， 0 r*i) /ei， 0。对式( 5) 和式( 6) 进行积分运算， 并通过代入边界条件， 可以求解得到函数 fi( ) 在两种情形下的表达式分别为:fi( ri)=12mi， 1r2i+ Yi， 00 ri r*i mi， 1r*i( ri r*i)12mi， 2( ri r*i)2+ cir*i ri ei，0( 7)09钱浩祺等:从 “鞭打快牛” 到效率驱动: 中国区域间碳排放权分配机制研究fi(珓ri)=12珟mi， 1珓r2i+ Yi， 00 珓ri r*i珟mi， 1r*i(珓ri r*i)12珟mi， 2

28、(珓ri r*i)213珟mi， 3(珓ri r*i)3+ dir*i珓ri ei，0( 8)其中 ci和 di分别为积分运算后得到的常数项。( 三) 纳入效率的区域间碳排放权分配框架假定社会决策者的目标是最大化各地区的总产出， 因此该问题可以表示为:max raini =1fi( rai)s. t.ni =1rai T， 0 rai ei， 0( 9)其中 rai表示分配给地区 i 的减排量， T 表示全国减排总量目标， 将式( 7) 与式( 8) 代入式( 9) ， 根据各地区 MAC 均等化的一阶条件， 以及式( 7) 与式( 8) 所求得的形状参数， 可以求得两种情形下各地区的最优碳减

29、排量， 进而求得各地区的碳排放权分配额 A 为:Ai= ei， 0 rai= ei， 01 T2C1ei， 0Yi， 0 1 + ( k1 1) TE2i( 10)珘Ai= ei， 0珓rai= ei， 01 T6C2ei， 0Yi， 0 3 + 3( k2 1) TE2i+ 2珋k3TE3i( 11)其中 C1和 C2均为近似常数参数。由式( 10) 和式( 11) 可以看到， 区域间碳排放权的分配额由四个因素共同决定: 全国碳减排总量目标 T、 本地区排放总量 ei， 0、 本地区碳排放强度 ei， 0/Yi， 0以及本地区碳排放效率 TEi。四个因素对分配额的具体影响机制分别为:第一，

30、全国碳减排总量目标 T 与本地区分配额呈负相关关系， 即当其他因素保持不变时， 减排总量目标上升， 各个地区分配的碳排放权数量将下降( 亦即碳减排量会上升， 下文同) 。这个性质也为全国减排总目标的动态调整提供了一条简单的分配规则， 即碳减排量的动态调整部分可以按照既有的地区间减排量比例进行分配， 而不会产生额外的效率损失;第二， 各地区二氧化碳排放总量 ei， 0与本地区分配额呈正相关关系， 即当其他因素保持不变时， 本地区排放量越高， 其所应当获得的碳排放权数量越多。该原则即为被广泛运用的祖父制分配方法;第三， 各地区二氧化碳排放强度 ei， 0/Yi， 0与本地区分配额呈负相关关系， 即

31、当其他因素保持不变时， 本地区碳排放强度越低， 其所应当获得的碳排放权数量越多;第四， 碳排放效率 TEi与本地区碳排放权分配额在一定条件下呈正相关关系， 可以证明， 只要形状自由参数满足 k2+珋k31 的关系， 上述结论就一定成立， 此时， 若一个地区的碳排放效率越高， 其所获得的碳排放权数量将越高。通过引入碳排放效率这一因素， 能够将不同地区前期的减排192019 年第 3 期由于篇幅限制， 感兴趣的读者可向作者索取完整的推导过程。其中珋k3= k3ei， 0， 由于珋k3表示的是拐折 MACC 右侧的上升速度， 其几何性质不会随排放量单位的变化而改变， 因此这里定义的珋k3对应的是百分

32、比减排量的无量纲 MACC。实际上 C1与 C2均为近似常数参数， 因为这两个参数对地区 i 的参数并不敏感。其中 C1= i( 1/mi， 1) ， C2= i( 1/珟mi， 1) 。将它们视为常数不会对本文主要结论产生影响。由包含碳排放效率的括号项对碳排放效率进行求导， 可得其导数为 6TEk21 +珋k3TE ， 由 TE 0 且珋k30， 可知 k2+珋k31 时， 导数必然小于 0， 因而 TE 上升将减少碳减排量分配额， 即碳排放权分配额增加。由拐折 MACC 的几何含义可知， k2表示右侧曲线最低点位置， 而 k3表示 MACC 右侧部分的上升速度， 当减排主体在投入有效减排技

33、术之后会面临一段边际减排成本缓慢上升的过程， 此时对应的 k2和 k3较小， 即拐点右侧斜率远小于拐点左侧斜率， 因而很容易满足 k2+珋k31 的条件， 这一条件也与现实情况相符。技术投入充分考虑在内， 从而避免 “鞭打快牛” 的结果。基于这一理论框架进行碳排放配额分配， 可以在对地区碳排放效率进行测算的基础上， 综合考虑国家碳减排总量、 地区排放总量与排放强度效应， 得到效率驱动的多因素配额分配方法。四、中国省级碳排放效率测算本文第三部分所提出的碳排放权分配机制， 即以式( 10) 和式( 11) 为核心的分配规则， 在实际应用中最关键的环节在于对各地区碳排放效率的测算。本文采用 SFA

34、模型来测算我国 30 个地区的碳排放效率， 可以避免 DEA 模型因非参数特性导致的影响因素不确定以及无法进行绝对效率分析这两个弊端( 朱承亮等， 2011; 张成等， 2017) 。此外， 由于我国的碳排放权交易市场从电力部门起步并逐渐扩大到其他工业部门， 同时考虑到工业部门的碳排放总量占总排放量的绝大多数， 因此本文的实证分析将以各省市的工业部门作为研究对象， 以便更好地为建设全国统一碳排放权交易市场给出数据支撑。( 一) 随机前沿模型本文的随机前沿模型采用随机成本前沿设定， 对于生产集 M = Y， X 中给定的总产出水平 Yi和生产要素投入组合 Xi， 存在一个最低的二氧化碳排放水平

35、e*i( 即有效排放水平) ， 生产集 M 中所有元素对应的有效二氧化碳排放水平组成二氧化碳的排放前沿曲线。假定地区 i 的代表性企业生产函数为 Yi， t= f( Xi， t) ， 其中 Yi， t是 t 时期地区 i 的总产出， Xi， t表示 t 时期的包括能源在内的生产要素投入向量。由生产者利润最大化条件可以得到能源要素的条件要素需求函数为 Ei， j， t= gj( Yi， t，pi， t) ， 其中 pi， t表示 t 时期投入要素价格向量， 下标 j 表示第 j 种能源投入， Ei， j， t表示地区 i 第 j 种能源投入在 t 时期的需求量， 定义 j 1 维的能源投入需求向

36、量 Ei， t= ( Ei， 1， t， Ei， 2， tEi， j， t) ， 则可以得到最优条件下， 地区 i 在 t 时期的二氧化碳有效排放量为 e*i， t= efEi， t， 其中 ef 是 1 j 维的能源排放因子向量。根据式( 2) 的定义， 我们得到地区 i 在 t 时期其实际排放、 有效排放与排放效率之间的关系为:eri， tTEi， t= e*i， t， 0 TEi， t 1( 12)根据 SFA 理论， 设定排放效率的形式为 TEi， t= exp( ui， t) ， ui， t0。其中 ui， t为衡量排放效率的无效率项， 且与地区 i 的低碳技术发展水平相关， 以 u

37、i， t= h( wi， t) 表示， wi， t为地区 i 的 1 q 维低碳技术发展水平向量。结合式( 12) 以及对排放效率的定义， 经过取对数并进行一阶泰勒展开， 得到面板随机前沿回归模型为:lneri， t= 0+ 1lnYi， t+mj =1jlnpj， t+ ui， t+ vi， t( 13)其中 wi， t是排放前沿曲线存在的随机干扰项， 服从分布 vi， t N( 0， 2v) 。根据 Greene( 2005) 提出的SFA 建模理论， 本文针对前沿方程( 13) 进行 Hausman 检验， 确定建立随机效应模型。无效率项为随机变量且由下式表示:ui， t= 0+mj =

38、1jwi， j， t+ i， t( 14)其中， wi， j， t表示影响无效率项的相关变量。i， t为无效率项的随机扰动项， 服从截尾正态分布i， t N+( 0 qj =1jwi， j， t， 2) 。利用 Battese Coelli( 1995) 提出的效率计算公式， 可以求得地区 i 在时期 t 的二氧化碳排放效率的估计值TEi， t= exp( E( ui， t|i， t) ) 。将该排放效率估计值将代入式( 10) 和式( 11) 用以计算各地区的最优碳排放权分配额。29钱浩祺等:从 “鞭打快牛” 到效率驱动: 中国区域间碳排放权分配机制研究Hausman 检验结果显示， 卡方统

39、计量为 13. 99， 小于自由度为 12 时且 5%显著性水平所对应的临界值 21. 03， 因而无法拒绝原假设， 模型存在随机效应。本文的无效率方程中， 与低碳技术相关的变量取对数形式， 与政策相关的变量为哑变量形式。( 二) 变量选取与数据来源说明由于 京都议定书 于 2005 年正式生效， 中国可以通过清洁发展机制( clean developmentmechanism， CDM) 引进国际先进低碳技术等途径来进行低碳技术升级， 从而逐步提升二氧化碳排放效率， 因此研究所选取的时间跨度为 20052015 年。主要选取的变量包括:1 碳排放变量及数据来源本文碳排放变量分别基于消费侧责任

40、与生产侧责任进行核算。消费侧责任碳排放量为各省工业部门终端能源使用所产生的二氧化碳排放量， 由中国区域能源平衡表中包括原煤、 原油、 汽油、 天然气、 热力和电力等主要能源品种在内的 30 种细分能源品种基于碳排放核算的部门法( sectoralapproach) 计算而来， 其中各省市的电力间接排放因子根据全国跨省电力调入调出数据进行重新计算，并充分考虑了特高压输送可再生能源发电的因素。生产侧责任碳排放量为各省工业部门直接能源使用所产生的二氧化碳排放量， 由中国区域能源平衡表中用于火力发电、 供热的能源投入量， 加上非原料用途的工业终端能源使用计算而来( 热力与电力除外) 。2 总产出变量及

41、数据来源总产出变量采用各地区规模以上工业企业总产值数据。20052012 年的总产值数据直接来自于各年份的 中国工业统计年鉴 ， 因年鉴中没有直接公布 20132015 年的总产值数据， 我们使用工业销售产值数据经过一定调整计算来代替这两年的工业总产值，接着使用各地区工业生产者出厂价格总指数( producer price indices， PPI) 对名义工业总产值进行平减得到实际总产值， 分地区 20052015 年 PPI 指数均来自于 中国价格统计年鉴 2015 。3 投入要素价格变量及数据来源投入要素价格变量采用各地区劳动力价格、 资本价格以及全部 9 类原材料、 燃料、 动力购进价

42、格分类指数( purchasing price index of raw material，fuel and power， PPIM) 。各地区劳动力价格由各地区平均劳动报酬经过各地区居民消费价格指数平减而来， 平均劳动报酬来自中国劳动统计年鉴 ， 居民消费价格指数来自 中国价格统计年鉴 。各地区资本价格由贷款利率与折旧率两部分相加组成， 各地区贷款利率选取加权平均 5 年期贷款利率， 权重为各地区金融机构贷款上下浮动区间占比， 贷款数据来自 Wind 资讯， 折旧率由各地区规模以上工业企业本年折旧除以固定资产原价计算得到，数据来自 中国工业经济统计年鉴 。20052011 年的 PPIM 数

43、据来自于中国城市( 镇) 生活与价格年鉴 ， 20122015 年的数据来自于 中国价格统计年鉴 。4 低碳技术发展水平变量及数据来源低碳技术发展水平变量采用低碳专利申请数据。低碳专利数据来自于国家知识产权局的专利数据库。对于低碳专利的界定， 我们根据国际专利分类( international patent classification， IPC) 委员会制定的环境友好型专利技术( environmentally sound technologies， ESTs) 的完整分类目录( IPC392019 年第 3 期在 Qu et al ( 2017) 的研究中， 采用了省际间电力流动完全消耗系

44、数矩阵来计算省际间电力的隐含碳。但是考虑到电力与一般商品贸易不同， 其生产和消费具有瞬时性、 不可储存的特征， 因此本文在计算电力间接排放因子时， 假设电力的流动是单向且不可循环的， 即采用的是电力流动直接消耗矩阵。电力间接排放因子采用国家发展和改革委员会应对气候变化司发布的 2010 年中国区域及省级电网平均二氧化碳排放因子 中所提出的方法进行计算， 跨省电力传输数据来源于20062015 年 电力工业统计资料汇编 ， 各个能源品种的热值来自各年度中国能源统计年鉴 以及 公共机构能源资源消耗统计制度 ( 2011 年 7 月) ， 含碳量与碳氧化率来自 省级温室气体清单编制指南( 试行) (

45、 2011 年5 月) 。特高压输送可再生能源发电数据来自国家能源局 2016 年度全国可再生能源电力发展监测评价报告 。具体调整公式为: 工业总产值 = 工业销售产值 + 当年末存货 去年末存货。9 个子类指数分别为: 燃料动力类、 黑色金属材料类、 有色金属材料类、 化工原料类、 木材及纸浆类、 建材类、 其他工业原料类、 农副产品类和纺织原料类。对于缺少本年折旧数据的年份， 则由前后年份进行插值运算得到缺失折旧率数据。green inventory) ， 将属于该目录专利整理形成低碳专利数据库。截至2015 年12 月31 日， 低碳专利数据库中共包含 1087088 条专利申请数据。我

46、们首先将所有低碳专利根据申请人所在地进行省级区域的归类， 其余专利全部归为国外申请专利， 在此基础上， 代表低碳技术发展水平的变量可以主要分为 3 类: 第一类是代表本地区低碳技术发展水平的变量， 以本地区低碳专利总数表示; 第二类是代表国内低碳技术溢出水平的变量， 以国内除本地区之外所有地区低碳专利总数表示; 第三类是代表国际低碳技术溢出水平的变量， 以国外低碳专利总数表示。接着我们从 “审核进度” 与 “创新程度” 两个维度对省级及国外低碳专利进行细分， 从“审核进度” 维度我们把专利分为 “已申请” 与“授权” 两类， 后者是前者的子类; 从“创新程度” 维度我们把专利分为 “发明” (

47、 以 pip 表示) 与“实用新型” ( 以 pug 表示) 两类。为了得到稳健的碳排放效率估计值， 通过上述对专利数据进行分类， 我们一共得到 6 种不同的低碳技术水平发展水平的测度结果， 用以对 SFA 模型的回归结果进行稳健性检验， 对应的 6 个 SFA 模型如表 1 所示。表 1根据 “审核进度” 与 “创新程度” 对各地区专利进行分类及对应模型创新程度发明实用新型两者加总审核进度授权模型 1模型 3模型 5已申请模型 2模型 4模型 65. 碳排放权交易试点市场设定我国的碳排放权交易试点工作开始于 2011 年， 由国家发展改革委印发关于开展碳排放权交易试点工作的通知 ， 并于 2

48、013 年起正式逐步建立碳排放权交易试点市场。截至 2015 年底， 共有七个省市已建立了碳排放权交易试点市场。在式( 14) 中， 我们引入碳排放权交易市场哑变量来表示这一政策工具， 同时考虑到政策发布与实施后可能存在的滞后效应， 从 2011 年起至 2015 年每一年分别设定一个年份哑变量， 其中包含碳排放权交易试点市场的省市为 1， 其余省市则为 0。( 三) 地区碳排放效率测算采用 Battese Coelli( 1995) 提出的最大似然估计方法对式( 14) 的 6 种模型分类分别进行估计， 消费侧责任碳排放的回归结果如表 2 所示。表 2 的回归结果表明， 6 种不同的变量取值

49、对回归结果的影响非常小， 前沿方程与效率方程中的系数估计值均较为稳定， 说明该 SFA 模型具有较高的稳健性。从效率方程的回归结果来看， 国内技术溢出变量在 6 个模型中均显著且系数符号为负， 这表明国内低碳技术进步将会显著提高碳排放效率。而国外技术溢出变量则相反， 在所有 6个模型中其系数均显著为正， 表明国外低碳技术专利申请与授权数量越高， 越不利于我国提升碳排放效率。最可能的解释是， 跨国专利技术具有很高程度的垄断性， 国内各地区没有办法将最先进的技术及时加以利用， 并且由于专利技术受知识产权保护， 使用相关专利技术需要支付高昂的授权费， 从而提高了生产成本， 在这双重因素之下， 降低了

50、低碳技术的国际溢出效应。从本地技术效应来看， 消费侧责任碳排放中来自各个工业部门电力消费中包含的间接碳排放比重较大， 因此更容易受到本地技术进步的影响。49钱浩祺等:从 “鞭打快牛” 到效率驱动: 中国区域间碳排放权分配机制研究这两个维度也是国家知识产权局数据库中对专利的分类标准， 其中 “创新程度” 维度还包括 “外观设计” 这一分类， 但由于低碳数据库中属于该分类的专利数量为 0， 因而在省级层面的分类中将该分类排除在外。七个省市分别为: 北京市、 上海市、 天津市、 重庆市、 湖北省、 广东省和深圳市。生产侧责任的回归结果与消费侧责任的结果基本一致， 由于篇幅限制而不进行展示， 感兴趣的