中國碳交易市場啟動對地區碳排放效率的影響
來源:用戶上傳
作者:
摘要 在碳排放交易背景下，中國碳排放效率的趨勢變動成為政府重點關注的目標，科學考察我國碳排放效率水平，分析碳交易試點啟動對低碳發展是否具有促進作用具有重要的理論價值和明確的現實意義?；谕度氘a出的生產函數思想，本文利用三階段DEA模型對碳交易市場建立前后的中國碳排放效率進行評價并排序，并利用收斂性原理對中國各省區碳排放效率的差異進行分析。研究結果顯示：①碳交易市場啟動對碳排放效率有一定的提升作用，中國碳交易試點地區碳排放效率排名均保持不變或有所上升。②從全國平均水平來看，中國各省區碳排放效率較低是由于純技術效率引起的，技術效率應用程度還處于中低端狀態，改善空間很大。③從全國整體效果來看，廣東省一直處于生產前沿面上，碳排放效率最高，而寧夏、青海和陜西省穩居后三名。④中國碳排放效率水平還存在一定的改進空間，而在純技術效率水平上需要改進的空間更大。⑤碳交易試點建立前，中國各省區的碳排放效率差距在逐漸縮小，試點交易市場建立后，差距逐漸增大。⑥城市化程度會拉大省區之間的碳排放效率差距，不利于碳排放效率的收斂。本文研究結論顯示，我國需要堅持完善全國碳交易市場，借鑒試點經驗，加強內部監管，形成嚴格有效的交易制度;不斷調整地區間的差距，加強合作，由發達地區帶動落后地區，促進全國統籌發展;優化產業結構，促進低碳綠色發展機制，擴大清潔能源的使用范圍。
關鍵詞 碳排放交易市場;碳排放效率;收斂性;三階段DEA模型
中圖分類號 F224.3
文獻標識碼A
文章編號1002 - 2104（2019） 01 - 0050 - 09
D01：10.12062/cpre.20180915
2001年IPCC發布的第三次氣候變化評估報告稱，全球氣候變暖已經成為重要的國際政治問題。建立一個綠色低碳、可持續發展的經濟體系以應對全球氣候變化成為世界各國面臨的重要任務。隨著人口和經濟的持續快速增長，中國過去幾十年消耗了大量的能源，由此產生的二氧化碳排放及一系列環境問題已經引起了世界范圍的關注。據國際能源機構（IEA）公布的數據顯示，2007年中國二氧化碳排放量為62億t，超過美國成為世界上碳排放最多的國家。2011年，中國一次能源消費總量超過美國，2013年中國二氧化碳排放量已經占全球的28.0%。同時，中國碳排放量還在快速增加，基準情況下，中國碳排放量將于2020年達到全球的三分之一。面對這一嚴峻的現實，中國政府將降低碳排放、發展低碳經濟作為國家戰略，并向全世界作出鄭重承諾，2020年碳排放強度在2005年的基礎上降低40%～45%，2030年單位國內生產總值的二氧化碳排放量在2005年的基礎上下降60%～65%。要實現中國宏偉的減排目標絕非易事：一方面，中國的經濟轉型和產業結構升級步入關鍵時期，新舊動能順利轉換尚需時日，以資源特別是能源為主要驅動力的經濟發展模式短期內難以根本改變;另一方面，區域間發展不均衡的問題依然突出，中國不同省區的經濟社會發展水平和自然環境條件各異，減排責任、能力、需求等也存在很大區別，不僅導致區域碳排放效率與全國碳排放效率不一致，而且意味著各省區實現降低碳排放目標時間的差異化。利用市場機制能夠有效降低減排成本，中國政府在2017年12月19日宣布啟動全國統一的碳排放交易體系，以降低能源消耗強度，提高二氧化碳效率。
2013年6月18日，中國首個碳排放權交易平臺在深圳啟動，標志著中國碳交易市場建設邁出了關鍵性一步。此后，北京、天津、上海、廣東、湖北、重慶等省市先后啟動了碳排放權交易試點。經過一年多的發展，各試點省市的碳交易市場規則逐步完善。2017年12月19日，全國碳排放交易體系正式啟動。此前，國家發改委印發了《全國碳排放權交易市場建設方案（發電行業）》。首批納入碳交易的企業1 700余家，排放總量超過30億t二氧化碳當量。按照設定的時間表，2017-2020年為試運行和完善階段，2020年以后為全面實施階段。在碳排放交易市場建立以及一系列低碳減排目標提出的背景下，走中國特色綠色低碳減排發展的道路已經是中國政府重要的戰略目標之一。而如何對低碳目標進行科學公平合理的評定，如何確保在經濟增長的前提下，早日實現節能減排目標，對深化中國碳排放交易研究、構建合理的碳排放交易體系具有重要的理論意義和現實意義。碳排放效率作為綠色低碳經濟發展的關鍵指標，能準確利用投入產出關系反應經濟增長與二氧化碳排放的關系，全面評定各地區用更少的碳排放換取更高的經濟增長的能力。
l 文獻綜述
歐盟的碳排放交易系統（EU-ETS）是目前世界上最有效的交易系統，它的發展主要分為三個階段：第一階段（2005-2007年），覆蓋電力、石油、鋼鐵、水泥、玻璃、紙張等行業;第二階段（2008-2012年）加入了航空業;第三階段（2013-2020年）列入鋁和有機化學，這標志著幾乎所有的行業均被EU-ETS涵蓋。在我國，碳排放權交易市場建立主要學習和參照歐盟碳交易市場的經驗，在試點階段，采取了與歐盟類似的碳交易運作模式。2017年12月19日，中國正式啟動全國碳排放交易體系，第一階段將涉及石化、化工、建材、鋼鐵、有色、造紙、電力和航空等8個行業重點排放企業，即耗能達到1萬t標準煤及其以上的企業。初步統計，中國有7 000多家企業符合標準，占全國碳排放總量的一半以上，其交易規模將會超過歐盟碳排放交易體系。
國內外有關碳排放效率的研究主要利用數據包絡分析（DEA）模型、隨機前沿模型、topsis、CGE模型等方法。Wang QW等建立了幾種基于環境生產技術的效率模型，將不良產出納入效率評估框架，結果表明，中國的環境和經濟效益總體偏低，不同地區存在較大差異。Zhao Y等提出了一個徑向隨機DEA模型擴展為非徑向的方法，測量能源使用和二氧化碳排放效率，通過對2010年數據的分析，結果表明，二氧化碳排放效率在不同的區域有顯著影響。Zhao X G等在有效市場理論和公平博弈模型的基礎上，對中國四個具有代表性城市的碳排放市場進行單位根檢驗和運行檢驗。結果表明，中國的碳交易市場只取得了低效率，隨著市場規模的擴大，交易量的增加，碳交易市場將從低效率狀態收斂到弱效率狀態，中國的碳交易市場逐漸顯現出恢復市場效率的跡象。Lin B Q等建立了一個考慮統計噪聲的Malmquist指數參數方法，采用固定效應面板隨機前沿模型來處理區域異質性，分析2000-2010年中國30個省份的碳排放績效。結果顯示，東部地區表現最好，其次是中部地區，西部地區的碳排放績效最差。Duman Y S等利用參數雙曲線距離函數來調查1990-2011年歐盟成員國和候選國家小組的環境技術效率。結果表明，與新成員和候選國家相比，歐盟15國在降低二氧化碳排放量的同時，增加國內生產總值和減少能源使用方面具有更大的潛力，歐盟成員國和候選國之間存在環境技術效率趨同。 相天東運用三階段DEA模型對中國30個省區2000-2014年的碳排放效率和全要素生產率進行分析。結果表明，30個省區市綜合技術效率偏低，西部的綜合技術效率最高，東部的純技術效率最高，東、中、西部技術進步依次遞減。王婷婷提出生態一博弈交叉數據包絡分析（ECO-GCDEA）模型，對低碳約束下的中國省際能源效率進行測算和排序，發現中東部地區能源效率較好，而西部地區能源利用效率與環境發展協調程度較差。馮東等選取了京津冀區域的13個城市為研究對象，利用非期望產出的SBM模型對2005-2014年的二氧化碳排放效率進行測算。結果表明，京津冀城市整體碳排放效率出現下降的趨勢，只有北京、秦皇島兩個城市排放效率相對有效。周健運用OWA算子賦權方法結合TOPSOS評估對中國2003-2008年的省級碳排放經濟效率進行評價。結果表明：東部發達地區的碳排放經濟效率普遍高于中西部地區。張金燦等運用隨機前沿方法對中國30個省區2000-2011年的碳排放效率進行分析。結果表明，中國碳排放效率還比較低，在2000-2007年效率不斷升高，而2008年后有所下降。崔瑋等運用結合Bootstrap技術的Malmquist指數方法測算了武漢城市圈土地利用空間關聯的碳排放效率及其技術進步和技術效率。發現碳排放效率在2010年前呈上升趨勢，之后出現下降。瞿小松等利用動態CGE模型對全球溫室氣體減排效果進行分析，并比較了不同交易模式下的全球減排效率。分析結果表明，碳交易市場規模越大，全球減排成本越低。周杰琦等基于2000-2013年中國省際面板數據，構建聯立方程模型探討FDI、環境管制對碳排放效率的作用機制與影響效應。
綜上所述，國內外學者在碳排放效率上的研究較多，為該領域的后續發展奠定了基礎。目前國內外關于在特定時期下碳排放效率的研究文獻較少，大多數學者在研究碳排放效率問題時，都只是測算各地區碳排放效率，并將各地區之間進行比較分析。本文引入碳交易試點建立前后這兩個特定時期對碳排放效率進行分析，重點通過各試點省區效率的比較，判斷在碳交易市場建立的環境下，中國省區碳排放效率的趨勢和差異，豐富這一領域的研究成果。另外，本文在借鑒以往研究引用和現實可得條件的變量基礎上，新增代表碳交易市場形成的指標碳交易量，并將其引用至條件收斂的變量中，以期本文構建的指標體系能夠更好地表現出在碳交易試點建立的背景下，對碳排放效率的影響程度。
2 碳排放效率測算的模型構建
2.1 碳排放效率的指標體系
本文選取全國除臺灣、西藏、香港、澳門以外的30個省、市、自治區的2006-2016年的相關數據。根據中國七個碳排放交易試點的建立時間，將2006-2013年劃分為碳排放交易市場建立前，2014-2016年為碳排放交易試點建立后的年份，由于深圳市部分數據的缺失，將深圳市合并到廣東省進行計算。所有數據均來源于歷年《中國統計年鑒》《中國能源統計年鑒》。
2.1.1 投入產出變量
本文選取GDP為產出變量，為了消除價格變動的影響，各省區生產總值利用平減指數轉換成2006年不變價格。投入變量為資本存量、勞動力和碳排放總量。其中資本存量使用單豪杰的原始數據，由于其數據只到2006年，2006-2016年的數據根據其方法進行推衍;勞動投入量為各省區市年末總就業人數。
本文利用《2006年IPCC指南》的建議，利用各地區使用的能源礦物燃料排放量來計算各地區的碳排放量。根據《2006年IPCC指南》中的規定，碳排放量計算公式如式（1）：
式（1）中，C為碳排放量，單位為t;i為第i種能源，根據《IPCC指南（2006）》將能源劃分為八種常見的種類，分別為原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣;Ei為第i種能源的消費量，單位為t或m3，數據來源于各年度《中國能源統計年鑒》;NVCi為i第種能源的平均低位發熱量，單位為TJ/tce;CCi為第i種能源的碳含量，單位為t/TJ;COFi為第i種能源的碳氧化因子，根據《IPCC指南》排放因子是源于100%氧化的假設，因此此值通常取1;44/12表示C02與碳的分子量之比，即碳轉化成C02的轉化系數，以上數據來源自《IPCC指南（2006）》。
2.1.2環境變量的選擇
環境變量主要包括對碳排放效率有顯著影響但又不在主觀可控范圍內的因素。影響碳排放效率的因素眾多，參考已有的研究，結合本文研究的重點，主要考慮各省的工業化程度、城市化程度、技術進步和能源消費強度等四個因素，并在條件收斂模型中引入碳交易量指標。
?。?）工業化程度。碳排放效率與產業結構有著密不可分的關系，產業結構影響能源消費總量和碳排放強度，地區產業結構的優化重組升級對低碳經濟發展效率有著重要的影響。本文采用第二產業占GDP的比重代表工業化程度。
（2）城市化程度。隨著社會經濟的發展，城市規模不斷擴大，農村人口的城市化也給能源消費結構帶來了巨大的改變，進而也影響了碳排放量。因此，城市化程度也是影響碳排放效率的重要因素，本文采用城鎮人口占比代表城市化程度。
?。?）技術進步。技術進步可以提高資源的利用效率，技術創新能力是淘汰落后產能，促進能源清潔利用和清潔能源發展的必然選擇，在一定的產出水平上會減少能源消費量，減少碳排放量，碳排放效率必然會相對提高。本文采取R&D經費支出占GDP的比例來表示技術進步。
?。?）能源消費強度。能源消費強度即單位GDP的能源消費量，是衡量能源利用效率的指標。能源強度的降低意味著能源利用效率的提高，也代表著碳排放效率的提高。
?。?）碳交易量。碳交易量是衡量碳交易市場規模大小的重要指標，也是市場發揮作用大小的體現。
2.2 碳排放效率評價方法——三階段DEA模型
三階段DEA模型是由Fried等提出的一種能夠更好地評估DMU（decision making unit，決策單元）效率的方法。模型最大的特點是能夠將非經營的因素（外部環境因素與隨機因素）對效率的影響剔除，使得所評估出來的效率值能更真實地反映決策單元的內部管理水平。該方法已經在農業生產、金融業、房地產等許多行業領域廣泛應用。 第一階段：傳統的DEA模型（BCC模型）。
對某一決策單元，其效率可以由如下的對偶形式BCC模型求得：
式（2）中，i=1，2，…，m;k=l，2，…，n;r=l，2，…s。n為決策單元個數，m和s分別為輸入與輸出變量的個數，xa為第k個決策單元第i個投入要素，Yik為第k個決策單元第r個產出要素。θ為決策單元的有效值。若θ=1，且s+ =s- =0，則決策單元DEA有效;若θ=1，且s+≠0或s≠0，則決策單元為弱DEA有效;若θ<1，則決策單元非DEA有效。
在第一階段經典DEA效率模型中，只考慮了各省區的四個投入產出變量，但在現實情況中，中國地域遼闊，各省區在工業化程度、城市化發展水平、技術創新能力和能源消費強度等方面都有著巨大差異，并且也會存在一定的隨機誤差因素，但這些在傳統的DEA模型中并沒有體現。因此，本文將引入環境變量，對碳排放效率進一步分析。
第二階段：構建相似SFA模型。
通過第二階段構建相似SFA模型消除外部環境因素和隨機因素的影響。假設有n個決策單元，每個決策單元均有m種投入，有p個可觀測的環境變量，對每個決策單元的投入差額變量進行SFA分析。SFA回歸方程如下：
式（3）中，/=1，2，…，m;k=l，2，…，n;sit為第k個決策單元第i個投入的投入差額變量，為投入的松弛變量;zk=（zik，z2k，…，znk）為p個環境變量，Bt表示環境變量的待估參數fi（Zk;βi）表示外生環境變量對投入松弛變量的影響，一般令fi（Zk;βi）=為復合誤差項，其中，是隨機誤差項，用來表示統計噪聲，是反映管理無效率的非負隨機變量，且與相互獨立。令，顯然O≤γ≤l，如果γ趨近于1，說明管理因素的程度比較大，如果y趨近于0，說明隨機誤差的影響比較大。隨機誤差vit的表達式為：
以最有效率的決策單元相應投入量為參照，對其他各決策單元相應投入量進行調整，調整公式為：
式（4）中，Xit為第k個決策單元第i項投入的實際值;Xit為第k個決策單元第i項投入調整后的值;βi為外生環境變量參數的估計值;Vik為隨機誤差項的估計值。通過上述調整，每個決策單元面臨的環境因素和隨機因素的影響基本一致。
第三階段：調整后的DEA模型。
將經第二階段調整后的Xik代替原來未經調整的Xit，產出數據保持不變，再次使用第一階段模型重新計算各地區經濟發展中二氧化碳排放效率。同時計算各地區全要素生產率，并進行分解。因此，計算結果客觀反映了各地區碳排放效率和全要素生產率的狀況。
2.3 碳排放效率收斂檢驗方法
2.3.1 a收斂
作為描述地區間碳排放效率差距的重要指標，a收斂可以采用變異系數（cv）等指標測度。如果指數隨時間推移下降，則表示碳排放效率存在收斂。cv計算公式如下：
式（7）中，Ⅳ為地區個數，這里等于30;EEit為i地區的t年碳排放效率。EEt為各省份t年碳排放效率的均值。
2.3.2 絕對啟收斂
關于絕對β收斂的橫截面分析方法模型為：
式（8）中，a為常數項;λ為收斂速度;yit+t為經濟體i在t+T時期的人均CDP，Yit為地區i在時期t+T的（初始）人均CDP為從初始時期t到時期t+T經濟體i的人均GDP年均增長率。εit為隨機干擾項。如果實證結果表明p
借鑒Martin關于收斂的模型，考慮中國各省份碳排放效率的收斂情況，為i地區（i=1，2，…，30）在某段時期內的碳排放年均增長率，β為基年碳排放效率的對數log（yi，o）的系數。
2.3.3 條件β收斂
在絕對β收斂的基礎上，加人對收斂有影響的控制變量，如果此時回歸系數β的估計值仍然顯著小于0，即存在條件β收斂。根據數據的可得性和可靠性，本文在能源效率絕對β收斂的模型中，加入各省工業化程度、城市化程度、技術進步、能源強度和碳市場交易額等控制變量，得到條件收斂模型：
其中，dPi，t表示地區i在t時期的工業化程度，用該地區第二產業占GDP比重表示;CPit表示地區i在t時期的城市化程度，用該地區城鎮人數占比表示;妒。表示地區i在t時期的技術進步，用該地區R&D經費支出占GDP比例表示;npit表示地區i在t時期的能源強度，用該地區的單位GDP能源消耗量表示jpit表示地區i在t時期的碳市場交易額。其他變量的含義同上式。
3 碳交易市場建立前后各地區碳排放效率的變動分析
3.1 第一階段DEA模型下交易市場建立前后碳排放效率比較
本文使用DEAP2.1軟件計算得到的各省碳排放交易市場建立前（2006-2013年）和建立后（2014-2016年）的碳排放效率結果，如表1所示。
（1）由表1可知，不考慮外部環境與隨機誤差影響時，在碳交易市場建立前，碳排放效率為1的省區有北京市、天津市、遼寧省、上海市、福建省、廣東省和云南省。在碳交易市場建立后，碳排放效率為1的省區只有北京市和廣東省。其他省區的技術效率和規模效率都有不同程度的改進空間。
?。?）從全國的均值水平來看，交易市場建立前后的純技術效率均值（0.818，0.74）均低于純規模效率均值（0.922，0.888）。這表明中國無論在技術層面上還是規模層面都存在一定缺陷，而技術層面有著更大的提升空間，在碳排放的內部管理控制等方面應該引起相關政府部門的重視。
（3）碳排放交易試點中，北京市和廣東省在交易市場建立前后的效率值均為1，表現良好。天津市和上海市均從1的效率值降低，分別降到第3名和第4名，重慶市也從第10名降到第9名，只有湖北省的排名有所提升。
3.2 第二階段相似SFA分析模型 分別以碳排放、資本存量、勞動力投入的松弛變量為因變量，工業化程度、城市化程度、技術進步、對外開放程度和能源消費強度為自變量建立SFA回歸模型，結果如表2所示。
由表2的結果可知，工業化程度與碳排放、資本存量和勞動力都呈顯著的正相關。說明第二產業占比的增加均會導致碳排放、資本存量和勞動力的增加，對碳排放效率有抑制作用。因此，優化地區產業結構、促進地區經濟的低碳綠色發展，是提高中國碳排放效率的有效途徑。城市化程度與碳排放、資本存量呈顯著正相關，與勞動力呈顯著的負相關。這體現了城市化水平越高的省區在勞動力使用上更有效率，但是城市化進程的加劇也會促進碳排放和資本存量的增長。技術進步與碳排放、資本存量、勞動力均呈現正相關，但在碳排放上的影響并不顯著。這表明科技經費的投入在抑制碳排放、提升碳排放效率方面還沒有充分發揮作用，并且技術的進步會消耗大量的人力和資金。能源消費強度與碳排放呈正相關，與勞動力呈負相關，但卻都不顯著，與資本存量呈現顯著的負相關。表明單位GDP能耗的增多也會增加資金的使用。
綜上所述，外部環境變量對投入要素冗余的影響有很大差異，因此在不同省區會受到不同外部環境變量的影響，可能會造成碳排放效率的偏差。
3.3 第三階段DEA模型下碳交易市場建立前后碳排放效率比較
由表2可知，雖然有些環境變量與松弛值的回歸系數并不顯著，但所有的LR單邊誤差檢驗均通過了1%的置信水平，因此在對投入產出變量進行調整的過程中仍考慮了所有因素。根據公式（5）調整得到的剔除環境變量和隨機因素后的碳排放效率值，結果如表3所示。
（1）如表3所示，從全國平均水平來看，交易市場建立前后總體的純技術效率低于純規模效率的幅度更大，進一步說明，中國各省區碳排放效率較低是由于純技術效率引起的，技術效率應用程度還處于中低端狀態，改善空間很大。處在生產前沿面上的只有廣東省，其地處沿海地帶，經濟快速發展，并且在其省內有廣東、深圳兩個碳交易試點，碳排放權成交量也居于全國領先水平。寧夏、青海和陜西省穩居后三名，這些省區經濟水平較為落后，區域內豐富的化石能源資源，決定了這些地區主要經濟支撐力量為高能耗、低產出的工業產業，必然導致碳排放效率處于全國低端行列。
?。?）從中國碳排放權交易試點的整體情況來看，碳排放交易市場建立后，所有試點省區排名保持不變或有所上升。北京市從第7名上升至第3名，上海市從第6名上升至第5名，這兩個地區純技術效率水平都已經達到生產前沿，管理和技術等因素表現良好，碳交易市場建立后純規模效率方面有所改善，但還存在一定問題，說明需要在產業規模的優化配置上繼續提升。重慶市從第22名上升到第21名，其純規模效率較高，但交易市場建立前后的純技術效率僅為0.204、0.256，在管理效率方面還有很大的提升空間。重慶市效率排名在全國平均水平上較為靠后，這是由于重慶工業基礎雄厚，是全國重工業生產基地，第二產業增加值在50%左右浮動，雖然建立了碳排放交易市場，成交量也是七個試點中最少的。天津市排名保持在第27名不變，處于全國較低水平，其勞動力和城市化率水平和北京、上海等較為接近，但能源消費強度、第二產業占比很高，GDP和技術進步水平又不足，因此在引入環境變量調整后的差異較大。湖北省也從第12名上升至第11名。雖然這些試點地區排名前進幅度較小，但從交易前后的整體排名情況看，省區排名變動情況都不大，因此，在碳交易市場建立前后穩定的全國局面來看，碳交易市場對碳排放效率的提升具有一定的促進作用。
?。?）通過表2和表3的比較來看，剔除了外部環境和隨機因素的影響，交易市場建立前后的效率均值分別由（0.749，0.647）下降到（0.369，0.408），說明外部環境因素對碳排放效率有顯著影響。分地區來看，天津市、上海市、福建省、重慶市等省區效率排名下降明顯，說明這些地區在第一階段效率較高和它們地區有利的外部環境密切相關。河北省、山西省、內蒙古、山東省、河南省等省區效率排名有明顯提升，相對而言，這些地區的外部環境對碳排放效率有不利影響，并不是它們的內部管理水平較低。
4 各地區碳排放效率收斂性分析
4.1 碳排放效率的收斂
根據式（6）、式（7）可以計算得出2006-2016年中國碳排放效率的變異系數，結果如表4所示。
從表4的結果可以看出，中國各省區碳排放效率的變異系數呈現先上升再下降再上升的趨勢。因此，2006-2016年這11年期間，中國碳排放效率斂散性大致可以分為三個階段。第一階段，2006-2008年，全國省區碳排放效率的差距逐漸擴大。在這個階段，2006年國務院發布了加強節能工作的決定，制定了促進節能減排的一系列政策措施，各省區開始相繼實施，由于開始的時間以及政策原因不同，碳排放效率的差距開始逐漸擴大。第二階段，2009-2012年，各省區之間加強合作互助，因地制宜，逐漸促進全國趨同發展。第三階段，2013-2016年，各省區斂散性趨于小幅度上升的平穩狀態。在這個階段，中國碳排放交易試點陸續啟動，對試點區和非試點區的排放效率也會產生一定的影響。
4.2 碳排放效率的絕對β收斂
根據式（8）建立碳排放效率回歸方程，基于a收斂結果和碳交易試點市場建立的時間，本文選取兩種時間節點進行分析。第一種是上節所描述的三個階段，三個基本年份：2006年、2009年和2013年，終點年分別為2008年、2012年和2016年。第二種的兩個階段分別代表碳交易市場建立前和建立后，兩個基本年份：2006年和2014年，終點年分別為2013年和2016年。根據回歸結果顯示，基于上節a收斂結果分出的三個階段，雖然在2006-2008年、2009-2012年這兩個階段中，回歸系數都小于0，但是都不顯著，因此不能認為存在絕對β收斂。而最后一個階段2003-2016年，回歸系數大于0，當然也不可能存在絕對β收斂?；谔冀灰资袌鼋⑶昂笏殖龅膬蓚€階段，在交易市場建立前的2006-2013年回歸系數為-0018，且在5%的顯著性水平下顯著，因此認為在這個期間內存在絕對β收斂。這可能是由于中國政府開始重視節能減排，協調區域之間統籌發展的功效。而在交易市場建立后，回歸系數大于0，不存在絕對β收斂。 4.3 碳排放效率的條件收斂
根據式（10）碳排放效率的條件收斂模型，并基于以往研究和現實情況，本文選取各省工業化程度、城市化程度、技術進步和能源消費強度加入收斂模型，并在2014-2016年度碳交易市場建立后的時期加入碳交易量的變量，結果如表5所示。
加入外部環境控制變量之后，基于a收斂劃分的三個階段中，2006-2008年，工業化程度即第二產業占比的系數為負，說明這個階段內國內各地區工業化程度的結構分布是有利于各省區碳排放效率收斂性的。而城市化程度和能源消費強度會拉大省區之間的差距，不利于碳排放效率的收斂。2009-2012年在5%的顯著性水平下存在條件β收斂，表明在這個期間內，各省區碳排放效率有縮小的趨勢。2013-2016年仍然不存在條件β收斂。
表5回歸結果所示，在加入控制變量后，2006-2013年即碳交易市場建立前全國碳排放效率存在條件β收斂。而2014-2016年碳交易市場試點建立后全國碳排放效率不存在條件β收斂，各省之間的差距進一步擴大。其中，碳交易量系數雖然為負，但并不顯著，說明此期間七個試點地區的碳交易量并不能促進全國省區碳排放效率差異的縮小。因此，中國政府在制定相應節能減排的政策時，應該注重各省區排放效率差異問題，切忌只顧部分省區的利益而忽略自然資源稟賦較差、經濟發展落后的地區。
5 結論建議
本文基于三階段DEA模型對中國碳交易試點建立前后的碳排放效率進行分析，結果顯示：各試點在碳排放交易市場建立后，碳排放效率排名均保持不變或有所上升。處在生產前沿面上的只有廣東省，其他省區的技術效率和規模效率都有不同程度的改進空間;寧夏、青海和陜西省穩居后三名。中國的碳排放效率水平無論在技術層面上還是規模層面都存在一定缺陷，而技術層面有著更大的提升空間，在碳排放的內部管理控制等方面應該引起相關政府部門的重視。本文還對碳排放效率進行了收斂性分析，結果顯示，在碳交易試點建立前，省區存在條件收斂，而在建立后則不存在收斂現象。其中城市化程度會拉大省區之間的差距，不利于碳排放效率的收斂。在試點建立前的期間內，主要是2009-2012年對條件收斂的貢獻程度比較大。碳交易量對收斂性的影響并不顯著，這有可能是只有試點省區數據因素影響，在全國交易系統啟動后可以做進一步分析。
通過以上的研究分析，本文提出以下幾點建議：
第一，不斷探索完善全國碳交易市場。目前，中國全國碳交易市場已經正式啟動，結合各試點省區的表現來看，試點區碳排放效率有所提升，但提升效果還不夠好。因此，應該借鑒試點地區的經驗教訓，以點帶面，進一步完善交易機制、約束機制和分配機制。
第二，不斷加強完善碳排放內部控制管理。通過純技術效率的結果可知，目前碳交易效率較低主要是內部控制管理引起的。因此，中央以及各地區政府應該借鑒國內外高效管理經驗，注意加強內部監管措施，建立嚴格有效的內部監管、審批制度，不斷完善內部管理，提高碳排放效率。
第三，不斷調整縮小地區間排放差距。根據本文碳排放效率收斂性的結果，發現雖然在2013年前地區間碳排放差異開始逐漸縮小，但近幾年來差距又開始逐漸擴大。因此，今后應充分利用碳交易全國市場啟動時機，進一步加強區域之間相互合作與相互扶持，由發達地區提供資金和先進技術，在落后地區開展清潔綠色環保的經濟產業，促進全國協調統籌發展。
第四，不斷優化完善地區產業結構。在引入環境變量調整投入產出變量時可知，第二產業占比的增加會抑制碳排放效率的提升。因此，必須盡快優化地區產業結構，促進地區經濟的低碳綠色發展。合理控制能源消費和碳排放總量，調整優化地區產業結構，高效利用清潔能源，減少煤炭消耗，因地制宜發展太陽能、風能等清潔能源，抑制高排放產業的過快發展，做好生態保護工作。
轉載注明來源:http://www.hailuomaifang.com/7/view-14847445.htm
