山东省地市碳排放效率测度、影响因素与提升对策
宋杰鲲 梁璐璐 牛丹平 曹子建 张凯新
摘要：加强地市碳减排、提高地市碳排放效率是山东省碳减排的重要途径。构建考虑能源替代效应的RAM模型对山东省地市碳排放效率进行测度，并进行差异性分析和聚类分析，运用Morans I自相关指数进行空间相关性检验，构建基于面板数据的空间计量模型进行影响因素分析。结果表明：17地市碳排放效率呈现空间聚集效应，多数地市表现为空间依赖性；能源消费结构、产业结构、城镇化对碳排放效率有负向影响，对外开放与科技支持水平对其有正向影响；各地市可通过优化能源消费结构、发展低碳产业、合理推进城市化、鼓励发展对外贸易、增加科技投入、完善区域碳减排合作机制等提升碳排放效率。
关键词：碳排放效率；RAM模型；测度；影响因素；提升对策；山东省
中图分类号：F124.5；F224
文献标识码：A
文章编号：16735595（2018）01001507
IPCC评估报告指出，目前地球正在经历气候变暖的过程，由此带来了冰川融化、海平面上升等问题，严重威胁着人类的发展与物种的多样性。气候变暖主要是由于二氧化碳等温室气体过量排放引起的，碳减排已成为全球共同面对的一项挑战。作为负责任的大国，中国始终坚定碳减排决心，《国家应对气候变化规划（2014—2020年）》提出到2020年单位GDP的碳排放要在2005年基础上减少40%～45%； “十三五”规划提出到2020年单位GDP碳排放比2015年降低18%；巴黎气候大会中国国家自主贡献提出，2030年单位GDP碳排放比2005年下降60%～65%。中国碳减排目标的实现需要各省市的共同努力。山东省作为东部沿海大省，经济发展近年来一直走在全国前列，但由于山东省产业结构长期呈现“二三一”状态，能源结构以煤炭为主，加之17地市工业化、城市化快速发展，山东省碳排放居高不下。基于山东省17地市的经济发展、能源消耗和碳排放实际，对碳排放效率进行客观测度，分析其影响因素，进而提出各地市碳排放效率提升对策，将有助于山东省碳减排目标的实现。
一、文献综述
碳排放效率能够反映一个地区的碳排放绩效水平，广大学者提出了碳排放强度[1]、人均单位GDP 碳排放量[2]、碳生产率[34]等多种单要素测度方法和随机前沿分析（SFA）[57]、数據包络分析（DEA）等全要素测度方法。由于DEA无需事先设定函数和进行参数估计，是目前碳排放效率测度的主要方法。席建国、刘亦文等视碳排放为投入要素，分别定义投影与实际值的比值、DEA效率值为碳排放效率[89]；仲云云、华坚、冯宗宪等将碳排放转换为期望产出，以DEA效率值为碳排放效率[1012]。Guo
、查建平、刘丙泉等构建二氧化碳距离函数模型测算省域碳排放效率[1315]；王群伟、Du等则构建了GDP与二氧化碳有向距离函数模型[1617]。Wei、朱德进、马大来等以基于松弛变量测度模型（SBM）的目标函数值为碳排放效率[1820]；Choi、杜慧滨等则以SBM投影值和实际值之比为碳排放效率[2122]。李涛、张丽虹、蔡火娣等构建角度调整测度模型（RAM）测度了省域经济效率、碳环境效率以及联合效率[2325]。郭文慧等基于SBM模型测算了1995—2011年山东省碳排放效率[26]。
在碳排放效率影响因素分析方面，李涛和傅强利用面板回归从规模效应、结构效应、技术效应等6个方面考察了碳排放效率的影响因素，认为结构改善对效率改善贡献最大，技术效应尚显不足，经济扩张并未构成较大负面影响。[27]朱德进分析认为，产业结构、企业所有制和能源消费结构对省域碳排放效率具有负向作用，而对外贸易有着正向作用。[28]屈小娥从产业结构、产权结构、对外贸易等6个方面分析省域碳排放效率的影响因素，结果表明，三产比例提升对碳排放效率有正向作用，工业比例、产权结构、能耗结构和对外开放则呈负向作用。[29]
中国石油大学学报（社会科学版） 2018年2月
第34卷 第1期 宋杰鲲，等：山东省地市碳排放效率测度、影响因素与提升对策
文献梳理表明，DEA模型已成为碳排放效率测度的主要方法，特别是SBM和RAM模型能够克服径向DEA模型投入或产出同比例增加的不足，近年来应用研究持续增多。但是其研究仍然存在两方面不足：一是采用目标函数值表示的综合效率作为碳排放效率，未能真正剥离和表征碳排放本身的效率；二是较少考虑能源的替代效应，即除煤炭外的其他能源投入并非越小越好，某种替代能源投入的增加可能并不一定使碳排放效率降低，反而会提高效率。此外，当前研究多以中国省域为单位，针对具体省特别是山东省这一碳排放大省，开展地市碳排放效率的研究较少，而空间视阈的相关研究更是缺乏。
二、研究方法和数据说明
（一）研究方法
碳排放效率本质上不应等同于综合效率，后者实际上是将碳排放作为一种投入产出要素，与人口、能源、GDP等一起反映投入产出效率。碳排放效率应该能单独反映碳排放相对产出效率的高低。由于RAM模型定义的综合效率具有加性结构特征，从中可以分离出单独的碳排放效率，本文选择RAM模型进行山东省地市碳排放效率测度。假设有J个地区，N种越小越好的投入要素，M种未必越小越好的投入要素，P种期望产出，同时有I种非期望产出，构建模型如下：
式中：R为各投入、产出变量的权重，而极差max（·）-min（·）则限定了各投入、产出变量的范围，用以消除变量量纲的影响。
由RAM模型可知，其目标函数表示融合各类投入、期望及非期望产出的联合非效率。若模型中存在某个投入或产出要素的松弛变量不为零，则联合非效率值小于1。设碳排放非期望产出的松弛变量为skb，则其非效率值可定义如下：
不难看出，RAM联合非效率值等于所有投入、产出的非效率值之和，具有加和性。根据碳排放非效率值得出其效率值：
Ek=1-Nk
若Ek=1，表明碳排放效率值为1，即无论其他投入和产出要素如何变动，决策单元的碳排放量已经处于生产有效前沿面上；否则，若0
选取2005—2014年山东省17个地市的资本存量、年末人口和能源消费为投入指标， GDP和二氧化碳排放量分别为期望和非期望产出指标。采用张军、吴桂英等提出的“永续盘存法”计算资本存量[30]：
Kit=Kit-1（1-Dit）+Iit
其中：Kit、Dit和Iit分别表示i市第t年的资本存量、折旧率和投资，折旧率取统一值96%；各地市在2005年的资本存量用山东省2005年资本存量乘以各地市GDP占山东省GDP的比例估算得到。GDP均折算为2005年基期价格下的数值。二氧化碳排放量则采用IPCC碳排放系数法进行估算。[31]计算用到的原始数据来自2006—2015年《山东统计年鉴》和各地市统计年鉴。
三、碳排放效率测度
应用MATLAB编程计算山东省各地市十年间的碳排放效率，结果见表1。由表1可知，山东省碳排放效率整体较为平稳，青岛、威海、烟台、东营和济南等地市的碳排放效率相对较高，其他地市的碳排放效率则相对较低。对表1中的行、列数据进行方差分析，得到行、列数据源的P-value分别为374E-84、0999663，这表明各地市之间的碳排放效率差异显著，而各地市各自十年间差异较小。
对地市碳排放效率进行σ收敛分析，结果见图1。由图1可见，2005—2011年山东省地市间碳排放效率变异系数值整体呈上升趋势，而2012—2014年变异系数值稳中有降。
图1 2005—2014年山东省地市间碳排放效率变异系数值利用K-均值方法对17地市历年碳排放效率的平均值进行聚类，可分为5类：第一类为济南，效率值是0789，定义为高效区；第二类包括青岛、东营、烟台和威海，效率值为1，定义为完全高效区；第三类包括淄博、济宁、临沂，效率值在048～052之间，定义为中高效区；第四类包括潍坊、德州、聊城、滨州，效率值在041～046之间，定义为中低效区；第五类包括枣庄、泰安、日照、莱芜和菏泽，效率值低于041，定义为低效区。根据聚类结果得到山东省地市碳排放效率平均值的区域划分如图2所示，从地域上可以看出，山东省东部到西部的效率值在空间上呈现出一定的特性，如沿海城市为完全高效区、西部地区为中低效区、偏南部区域为中高和低效区。
图2 2005—2014年山东省地市碳排放效率区域划分
四、碳排放效率的影响因素分析
（一）影响因素选取
考虑数据的可获得性，本文选取产业结构、能源消费结构、城镇化水平、对外开放、科技支持水平作为影响二氧化碳排放效率的因素。各类影响因素的具体含义如下：能源消费结构用煤炭消费量占能源消费总量的比例表示；产业结构以第二产业占 GDP 的比例表示；城镇化水平即城镇人口（非农业人口）占总人口的比例；对外开放水平用进出口总额占GDP比例表示；科技支持水平用研究与试验发展（R&D;）活动的支出占GDP比例表示。
（二）空间相关性检验
由于山东省地市碳排放效率呈现一定的空间规律，所以选用不受数据分布影响的Morans I自相关指数进行空间相关性检验，以判断是否利用空间计量模型对其影响因素进行分析。Morans I指数包括全域指数和局域指数。全域指数用来探测整个研究地区的空间关联程度，局域指数可以进一步探寻局部区域的空间特性，计算公式分别如下：
利用Geoda软件计算2005—2014年山东省17地市碳排放效率的全域Morans I指数，结果如表2所示。可见，山东省17地市碳排放效率在2005—2014年的Morans I指数均通过了1%的显著性检验，且Morans I指数值均大于零，这说明山东省17地市碳排放效率在空间上表现出较强的正相关性，分析影响二氧化碳排放的因素时需要考虑空间的因素。
利用Geoda软件得到山东省17地市2005年和2014年碳排放效率的局部 Moran 散点图，见图3、图4。其中，纵坐标为经空间权重矩阵加权后的碳排放效率值，横坐标为碳排放效率值。散点图的第一象限表示效率值较高的地市被其他效率值较高的地市包围，记为H-H；第二象限表示效率值较低的地市被效率值较高地市包围，记为L-H，同理第三、四象限分别记为L-L和H-L。由圖3、图4可知，2005年和2014年四个象限的城市分布没有变动，H-H的地市有威海、烟台、青岛，L-H有潍坊、日照、滨州，L-L有淄博、莱芜、德州、聊城、泰安、临沂、济宁、菏泽、枣庄，H-L有济南、东营。H-H和L-L的地市个数占山东省全部地市个数的7058%，具有不同空间自相关性的地市个数仅占山东省全部地市个数的2942%。可见，山东省地市碳排放效率的空间依赖性特征比较稳定，大部分地市表现为空间的依赖性，只有5个地市表现出空间的异质性。
（三）影响因素的空间计量回归分析
应用基于面板数据的空间计量模型对山东省地市二氧化碳排放效率的影响因素进行分析，建立基于固定效应的空间滞后模型如下：
利用Stata软件得到的模型结果如表3所示。比较表中空间固定效应、时间固定效应以及双向固定效应模型下的R2和LogL值，双向固定效应模型的检验效果更为理想。
双向固定效应模型中ρ=0308为正值，表明山东省地市碳排放效率水平因为邻近地市碳排放效率水平的提升而提升，其原因可能是本地区在提升自身碳排放效率的同时还不断向邻近地区学习，即有着一定的空间传导机制。另外，按照解释能力排序，各因素对碳排放效率的影响程度由高到低依次为能源消费结构、产业结构、科技支持水平、对外开放及城镇化水平。其中，能源消费结构、产业结构、城镇化水平与碳排放效率呈负相关，科技支持水平、对外开放与碳排放效率呈正相关，这与学者们的研究结论基本一致。
A1在模型中系数估计值为-0176，说明地市的煤炭能源消费比例对数值增加1，碳排放效率对数值会降低0176。山东省大多数地市以煤炭等常规化石能源为主，如枣庄、莱芜的煤炭消费比例相对较高，加之能源消耗量大，导致其碳排放效率较低；青岛、烟台、威海、东营的煤炭消费比例较低，碳排放效率则较高。
A2在模型中系数估计值为-0084，说明地市的第二产业GDP比例对数值增加1，碳排放效率对数值会降低0084。这可能是由于第二产业多以高能耗及高排放的重工业为主，能源利用效率较低，导致碳排放效率降低。例如，枣庄、莱芜、聊城、菏泽的第二产业GDP比例均较高，且以重工业为主，碳排放效率较低；济南、青岛、临沂的第二产业GDP比例较低，近年来基本在45%以下，则碳排放效率较高。
A3在模型中系数估计值为-0023，说明地市的城镇化率对数值增加1，碳排放效率对数值会降低0023，这可能是由于随着城镇人口增多，城市公共设施规模不断加大，建筑、交通运输等产生的二氧化碳排放增多，服务于城市化过程的高耗能企业也不断增加，能源消耗和二氧化碳排放增加，从而降低碳排放效率。例如，滨州、菏泽、泰安、德州近年来城镇化率增长较快，碳排放效率相对较低。
A4在模型中系数估计值为0032，说明地市进出口总额占GDP比例的对数值增加1，碳排放效率对数值会提高0032，这可能是由于对外贸易有助于引进国外先进的清洁能源技术和管理经验，从而有利于提高能源利用效率和碳排放效率。青岛、烟台和威海的碳排放效率较高，与其沿海城市进出口贸易总额比例高有着一定的关系。朱德进的分析结论也表明[19]，随着中国进出口贸易结构优化，加之技术效应显现，碳排放效率将实现整体提升。
A5在模型中系数估计值为0049，说明地市财政支出中科技支出占GDP比例的对数值增加1，碳排放效率对数值会提高0049。科技支出比例体现对技术创新的支持程度，随着科技支出不断加大，会促进地区技术进步和高新技术产业发展，提高能源利用效率和碳排放效率。例如，威海、烟台财政支出中科技支出占GDP比例均超过3%，碳排放效率较高；而聊城、菏泽、枣庄、泰安、日照不足12%，碳排放效率相对较低。
五、碳排放效率提升对策
结合山东省17地市碳排放效率测度值和影响因素分析，本文提出如下对策：
（1）优化能源消费结构。以煤炭为主要能源消费结构的地市碳排放效率较低，各地市可结合自身能源禀赋，针对性地提出优化能源消费结构的对策。例如，淄博、枣庄、莱芜等能源消耗较大且煤炭在能源消费结构中所占比重较高的地市，应合理控制煤炭开采，投入资金推进清洁煤技术发展，提高煤炭资源利用效率；菏泽、聊城、临沂等能源消耗较小但经济水平不高的地市，其能耗年均增长率较高，需要推进低耗能产业的发展，加快清洁能源的开发利用；青岛、烟台、威海等能耗较低且经济水平较高的地区，可以利用其海洋优势，积极开发潮汐能、海上风能等，通过发展清洁能源技术改善能源消费结构。
（2）积极发展低碳产业。第二产业GDP比例对碳排放效率有显著的负向作用，各地市可结合地域优势，发展地域特色的新兴战略产业与服务业。例如，潍坊、东营等地市风能资源丰富，可加快风力发电场建设；聊城、临沂等地市可以发挥装备制造业优势，推进新能源汽车生产基地建设；济南、泰安等地市太阳能资源丰富，可积极发展太阳能与光伏发电产业；青岛、威海、烟台等可积极发展海洋能产业，推进海洋资源产业的进程。
（3）合理推进城市化。城镇化水平提高对碳排放效率具有负面影响，各地市在推进城市化建设的过程中，不应该盲目跃进，不应以牺牲环境及能源消耗来追求经济的增长，不能忽略环境的承载能力，而要结合自身情况，综合考虑人口、公共服务资源及城市结构布局等，有序、稳妥地推进新型城市化进程。此外，城市化推进中势必会出现人口的大量聚集，为了降低因人口密度过大带来的环境问题，要调整城市医疗、教育等公共资源的配置，使其更加均衡、合理。
（4）鼓励发展对外贸易。进出口总额占GDP的比例越高，越利于提升碳排放效率。山东省贸易结构的不断优化促进了高能耗产品向高新技术产品的转变，并且在一些地区逐渐形成高新技术产业群，这对碳排放效率提升有着积极的作用。另外，青岛、烟台、日照、威海等沿海城市应该积极发挥地理优势，加速引进低碳产业，带动中西部地市发展高技术产品；对于高能耗商品，可以考虑适量进口，降低本地区对其的需求。
（5）增加科技投入。科技与智力资源是發展生产力、增长经济的决定性要素，因此，增加科技投入、开发智力资源是兼顾碳排放效率提高和经济增长的有效途径。各地市要积极出台激励性政策，加大科技投入的财政支出，推动本地区技术进步，提高能源利用效率；通过财政补贴等引导企业改进生产线、简化生产流程，降低能耗；通过引进科技创新人才，加快清洁能源技术发展，推动各类固碳技术利用，降低碳排放。
（6）完善区域碳减排合作机制。各地市之间可以建立区域性的碳减排合作机制，破除区域间的壁垒，形成资源互补、技术联动的发展路径，加强区域之间的技术传导，加强威海、青岛、烟台等高效地市节能政策和企业“低碳”环保经验的扩散与外溢，以保证先进技术、管理经验能够得到及时转移、扩散，被低效区域吸收。
六、结论
本文构建基于RAM的碳排放效率测度模型，并基于空间计量模型对山东省地市碳排放效率的影响因素进行分析，进而提出碳排放效率提升的相关对策。本研究得到如下结论：
（1）山东省碳排放效率整体较为平稳，地区间有明显差异。2005—2011年17地市间的差异呈扩大趋势，2012—2014年则有所放缓；地域上呈现从东到西二氧化碳效率值总体降低的特征。
（2）地市二氧化碳碳排放效率在空间上表现出较强的正相关性，空间依赖性特征整体比较稳定，大部分地市表现为空间的依赖性，部分地市表现为空间的异质性，在提升地市碳排放效率时应充分认识空间传导机制的重要性。
（3）碳排放效率与煤炭能源消费比例、第二产业GDP比例、城镇化水平呈负相关性，与科技支持水平、对外开放呈正相关性。影响程度由高到低依次为能源消费结构、产业结构、科技支持水平、对外开放及城镇化水平。
（4）为提升碳排放效率，山东省各地市需要结合自身实际，优化能源消费结构，积极发展低碳产业，合理推进城市化，鼓励发展对外贸易，增加科技投入。山东省需要从整体角度不断完善区域碳减排合作机制。
参考文献：
[1] 陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济，2011（4）：120133.
[2] Zhang Z Q， Qu J S， Zeng J J. A Quantitative Comparison and Analysis on the Assessment Indicators of Greenhouse Gases Emission[J]. Journal of Geographical Sciences， 2008，18（4）：387399.
[3] 潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）：4757.
[4] 林善浪，张作雄，刘国平.技术创新、空间集聚与区域碳生产率[J].中国人口·资源与环境，2013，23（5）：3645.
[5] Dong F， Li X H， Long R Y， et al. Regional Carbon Emission Performance in China According to a Stochastic Frontier Model[J]. Renewable and Sustainable Energy Reviews， 2013，28（8）：525530.
[6] Wang Q W， Zhou P， Shen N， et al. Measuring Carbon Dioxide Emission Performance in Chinese Provinces[J]. Renewable and Sustainable Energy Reviews， 2013，21（5）：324330.
[7] 陈黎明，黄伟.基于随机前沿的我国省域碳排放效率研究[J].经济与决策，2013（9）：136139.
[8] 席建国.我国碳排放效率的区域动态差异、敛散性及时变因素分析[J].地域研究与开发，2013，32（5）：8387.
[9] 刘亦文，胡宗义.中国碳排放效率区域差异性研究——基于三阶段DEA模型和超效率DEA模型的分析[J].山西财经大学学报，2015，37（2）：2334.
[10] 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）：8596.
[11] 华坚，任俊，徐敏，等.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，2013，35（7）：14471454.
[12] 冯宗宪，何欣.基于共同边界的中国区域碳排绩效研究[J].青海社会科学，2013（4）：915.
[13] Guo X D， Zhu L， Fan Y， et al. Evaluation of Potential Reductions in Carbon Emissions in Chinese Provinces Based on Environmental DEA[J]. Energy Policy， 2011，39（5）：23522360.
[14] 查建平，唐方方，别念民.结构性调整能否改善碳排放绩效——来自中国省级面板数据的证据[J].数量经济技术经济研究，2012（11）：1833.
[15] 刘丙泉，尚梦芳，马占新.碳排放效率、发展成本与碳减排成本研究——基于虚拟包络面的统一技术前沿[J].华东经济管理，2015，29（12）：8894.
[16] 王群伟，周德群，周鹏.区域二氧化碳排放绩效及减排潜力研究[J].科学学研究，2011（6）：868875.
[17] Du K R， Huang L， Yu K. Sources of the Potential CO2 Emission Reduction in China[J]. Applied Energy， 2014，115（4）：491501.
[18] Wei C， Ni J L， DU L M. Regional Allocation of Carbon Dioxide Abatement in China[J]. China Economic Review， 2012，23：552565.
[19] 朱德进，杜克锐.对外贸易、经济增长与中国二氧化碳排放效率[J].山西财经大学学报，2013，35（5）：111.
[20] 马大来，陈仲常，王玲.中国省际碳排放效率的空间计量[J].中国人口·资源与环境，2015，25（1）：6777.
[21] Choi Y， Zhang N， Zhou P. Efficiency and Abatement Costs of Energyrelated CO2 Emissions in China[J]. Applied Energy， 2012， 98：198208.
[22] 杜慧濱，王洋洋.中国区域全要素二氧化碳排放绩效及收敛性分析[J].系统工程学报，2013，28（2）：256264.
[23] 李涛.资源约束下中国碳减排与经济增长的双赢效率研究——基于非径向DEA方法RAM模型的测度[J].经济学（季刊），2013（2）：667692.
[24] 张丽虹.基于RAM模型的中国省际低碳经济效率研究[D].天津：天津大学，2013.
[25] 蔡火娣.二氧化碳排放效率与影子价格研究[D].广州：暨南大学，2015.
[26] 郭文慧，吴佩林，王玎.山东省碳排放效率与影响因素分析[J].东岳论丛，2013，34（5）：172176.
[27] 李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011（7）：6370.
[28] 朱德进.基于技术差距的中国二氧化碳排放绩效研究[D].济南：山东大学，2013.
[29] 屈小娥.中国省际全要素CO2排放效率差异及驱动因素——基于1995—2010年的实证研究[J].南开经济研究，2012（3）：128141.
[30] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：3544.
[31] 宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解[J].资源科学，2012，34（1）：3541.
责任编辑：张岩林
摘要：加强地市碳减排、提高地市碳排放效率是山东省碳减排的重要途径。构建考虑能源替代效应的RAM模型对山东省地市碳排放效率进行测度，并进行差异性分析和聚类分析，运用Morans I自相关指数进行空间相关性检验，构建基于面板数据的空间计量模型进行影响因素分析。结果表明：17地市碳排放效率呈现空间聚集效应，多数地市表现为空间依赖性；能源消费结构、产业结构、城镇化对碳排放效率有负向影响，对外开放与科技支持水平对其有正向影响；各地市可通过优化能源消费结构、发展低碳产业、合理推进城市化、鼓励发展对外贸易、增加科技投入、完善区域碳减排合作机制等提升碳排放效率。
关键词：碳排放效率；RAM模型；测度；影响因素；提升对策；山东省
中图分类号：F124.5；F224
文献标识码：A
文章编号：16735595（2018）01001507
IPCC评估报告指出，目前地球正在经历气候变暖的过程，由此带来了冰川融化、海平面上升等问题，严重威胁着人类的发展与物种的多样性。气候变暖主要是由于二氧化碳等温室气体过量排放引起的，碳减排已成为全球共同面对的一项挑战。作为负责任的大国，中国始终坚定碳减排决心，《国家应对气候变化规划（2014—2020年）》提出到2020年单位GDP的碳排放要在2005年基础上减少40%～45%； “十三五”规划提出到2020年单位GDP碳排放比2015年降低18%；巴黎气候大会中国国家自主贡献提出，2030年单位GDP碳排放比2005年下降60%～65%。中国碳减排目标的实现需要各省市的共同努力。山东省作为东部沿海大省，经济发展近年来一直走在全国前列，但由于山东省产业结构长期呈现“二三一”状态，能源结构以煤炭为主，加之17地市工业化、城市化快速发展，山东省碳排放居高不下。基于山东省17地市的经济发展、能源消耗和碳排放实际，对碳排放效率进行客观测度，分析其影响因素，进而提出各地市碳排放效率提升对策，将有助于山东省碳减排目标的实现。
一、文献综述
碳排放效率能够反映一个地区的碳排放绩效水平，广大学者提出了碳排放强度[1]、人均单位GDP 碳排放量[2]、碳生产率[34]等多种单要素测度方法和随机前沿分析（SFA）[57]、数據包络分析（DEA）等全要素测度方法。由于DEA无需事先设定函数和进行参数估计，是目前碳排放效率测度的主要方法。席建国、刘亦文等视碳排放为投入要素，分别定义投影与实际值的比值、DEA效率值为碳排放效率[89]；仲云云、华坚、冯宗宪等将碳排放转换为期望产出，以DEA效率值为碳排放效率[1012]。Guo
、查建平、刘丙泉等构建二氧化碳距离函数模型测算省域碳排放效率[1315]；王群伟、Du等则构建了GDP与二氧化碳有向距离函数模型[1617]。Wei、朱德进、马大来等以基于松弛变量测度模型（SBM）的目标函数值为碳排放效率[1820]；Choi、杜慧滨等则以SBM投影值和实际值之比为碳排放效率[2122]。李涛、张丽虹、蔡火娣等构建角度调整测度模型（RAM）测度了省域经济效率、碳环境效率以及联合效率[2325]。郭文慧等基于SBM模型测算了1995—2011年山东省碳排放效率[26]。
在碳排放效率影响因素分析方面，李涛和傅强利用面板回归从规模效应、结构效应、技术效应等6个方面考察了碳排放效率的影响因素，认为结构改善对效率改善贡献最大，技术效应尚显不足，经济扩张并未构成较大负面影响。[27]朱德进分析认为，产业结构、企业所有制和能源消费结构对省域碳排放效率具有负向作用，而对外贸易有着正向作用。[28]屈小娥从产业结构、产权结构、对外贸易等6个方面分析省域碳排放效率的影响因素，结果表明，三产比例提升对碳排放效率有正向作用，工业比例、产权结构、能耗结构和对外开放则呈负向作用。[29]
中国石油大学学报（社会科学版） 2018年2月
第34卷 第1期 宋杰鲲，等：山东省地市碳排放效率测度、影响因素与提升对策
文献梳理表明，DEA模型已成为碳排放效率测度的主要方法，特别是SBM和RAM模型能够克服径向DEA模型投入或产出同比例增加的不足，近年来应用研究持续增多。但是其研究仍然存在两方面不足：一是采用目标函数值表示的综合效率作为碳排放效率，未能真正剥离和表征碳排放本身的效率；二是较少考虑能源的替代效应，即除煤炭外的其他能源投入并非越小越好，某种替代能源投入的增加可能并不一定使碳排放效率降低，反而会提高效率。此外，当前研究多以中国省域为单位，针对具体省特别是山东省这一碳排放大省，开展地市碳排放效率的研究较少，而空间视阈的相关研究更是缺乏。
二、研究方法和数据说明
（一）研究方法
碳排放效率本质上不应等同于综合效率，后者实际上是将碳排放作为一种投入产出要素，与人口、能源、GDP等一起反映投入产出效率。碳排放效率应该能单独反映碳排放相对产出效率的高低。由于RAM模型定义的综合效率具有加性结构特征，从中可以分离出单独的碳排放效率，本文选择RAM模型进行山东省地市碳排放效率测度。假设有J个地区，N种越小越好的投入要素，M种未必越小越好的投入要素，P种期望产出，同时有I种非期望产出，构建模型如下：
式中：R为各投入、产出变量的权重，而极差max（·）-min（·）则限定了各投入、产出变量的范围，用以消除变量量纲的影响。
由RAM模型可知，其目标函数表示融合各类投入、期望及非期望产出的联合非效率。若模型中存在某个投入或产出要素的松弛变量不为零，则联合非效率值小于1。设碳排放非期望产出的松弛变量为skb，则其非效率值可定义如下：
不难看出，RAM联合非效率值等于所有投入、产出的非效率值之和，具有加和性。根据碳排放非效率值得出其效率值：
Ek=1-Nk
若Ek=1，表明碳排放效率值为1，即无论其他投入和产出要素如何变动，决策单元的碳排放量已经处于生产有效前沿面上；否则，若0
选取2005—2014年山东省17个地市的资本存量、年末人口和能源消费为投入指标， GDP和二氧化碳排放量分别为期望和非期望产出指标。采用张军、吴桂英等提出的“永续盘存法”计算资本存量[30]：
Kit=Kit-1（1-Dit）+Iit
其中：Kit、Dit和Iit分别表示i市第t年的资本存量、折旧率和投资，折旧率取统一值96%；各地市在2005年的资本存量用山东省2005年资本存量乘以各地市GDP占山东省GDP的比例估算得到。GDP均折算为2005年基期价格下的数值。二氧化碳排放量则采用IPCC碳排放系数法进行估算。[31]计算用到的原始数据来自2006—2015年《山东统计年鉴》和各地市统计年鉴。
三、碳排放效率测度
应用MATLAB编程计算山东省各地市十年间的碳排放效率，结果见表1。由表1可知，山东省碳排放效率整体较为平稳，青岛、威海、烟台、东营和济南等地市的碳排放效率相对较高，其他地市的碳排放效率则相对较低。对表1中的行、列数据进行方差分析，得到行、列数据源的P-value分别为374E-84、0999663，这表明各地市之间的碳排放效率差异显著，而各地市各自十年间差异较小。
对地市碳排放效率进行σ收敛分析，结果见图1。由图1可见，2005—2011年山东省地市间碳排放效率变异系数值整体呈上升趋势，而2012—2014年变异系数值稳中有降。
图1 2005—2014年山东省地市间碳排放效率变异系数值利用K-均值方法对17地市历年碳排放效率的平均值进行聚类，可分为5类：第一类为济南，效率值是0789，定义为高效区；第二类包括青岛、东营、烟台和威海，效率值为1，定义为完全高效区；第三类包括淄博、济宁、临沂，效率值在048～052之间，定义为中高效区；第四类包括潍坊、德州、聊城、滨州，效率值在041～046之间，定义为中低效区；第五类包括枣庄、泰安、日照、莱芜和菏泽，效率值低于041，定义为低效区。根据聚类结果得到山东省地市碳排放效率平均值的区域划分如图2所示，从地域上可以看出，山东省东部到西部的效率值在空间上呈现出一定的特性，如沿海城市为完全高效区、西部地区为中低效区、偏南部区域为中高和低效区。
图2 2005—2014年山东省地市碳排放效率区域划分
四、碳排放效率的影响因素分析
（一）影响因素选取
考虑数据的可获得性，本文选取产业结构、能源消费结构、城镇化水平、对外开放、科技支持水平作为影响二氧化碳排放效率的因素。各类影响因素的具体含义如下：能源消费结构用煤炭消费量占能源消费总量的比例表示；产业结构以第二产业占 GDP 的比例表示；城镇化水平即城镇人口（非农业人口）占总人口的比例；对外开放水平用进出口总额占GDP比例表示；科技支持水平用研究与试验发展（R&D;）活动的支出占GDP比例表示。
（二）空间相关性检验
由于山东省地市碳排放效率呈现一定的空间规律，所以选用不受数据分布影响的Morans I自相关指数进行空间相关性检验，以判断是否利用空间计量模型对其影响因素进行分析。Morans I指数包括全域指数和局域指数。全域指数用来探测整个研究地区的空间关联程度，局域指数可以进一步探寻局部区域的空间特性，计算公式分别如下：
利用Geoda软件计算2005—2014年山东省17地市碳排放效率的全域Morans I指数，结果如表2所示。可见，山东省17地市碳排放效率在2005—2014年的Morans I指数均通过了1%的显著性检验，且Morans I指数值均大于零，这说明山东省17地市碳排放效率在空间上表现出较强的正相关性，分析影响二氧化碳排放的因素时需要考虑空间的因素。
利用Geoda软件得到山东省17地市2005年和2014年碳排放效率的局部 Moran 散点图，见图3、图4。其中，纵坐标为经空间权重矩阵加权后的碳排放效率值，横坐标为碳排放效率值。散点图的第一象限表示效率值较高的地市被其他效率值较高的地市包围，记为H-H；第二象限表示效率值较低的地市被效率值较高地市包围，记为L-H，同理第三、四象限分别记为L-L和H-L。由圖3、图4可知，2005年和2014年四个象限的城市分布没有变动，H-H的地市有威海、烟台、青岛，L-H有潍坊、日照、滨州，L-L有淄博、莱芜、德州、聊城、泰安、临沂、济宁、菏泽、枣庄，H-L有济南、东营。H-H和L-L的地市个数占山东省全部地市个数的7058%，具有不同空间自相关性的地市个数仅占山东省全部地市个数的2942%。可见，山东省地市碳排放效率的空间依赖性特征比较稳定，大部分地市表现为空间的依赖性，只有5个地市表现出空间的异质性。
（三）影响因素的空间计量回归分析
应用基于面板数据的空间计量模型对山东省地市二氧化碳排放效率的影响因素进行分析，建立基于固定效应的空间滞后模型如下：
利用Stata软件得到的模型结果如表3所示。比较表中空间固定效应、时间固定效应以及双向固定效应模型下的R2和LogL值，双向固定效应模型的检验效果更为理想。
双向固定效应模型中ρ=0308为正值，表明山东省地市碳排放效率水平因为邻近地市碳排放效率水平的提升而提升，其原因可能是本地区在提升自身碳排放效率的同时还不断向邻近地区学习，即有着一定的空间传导机制。另外，按照解释能力排序，各因素对碳排放效率的影响程度由高到低依次为能源消费结构、产业结构、科技支持水平、对外开放及城镇化水平。其中，能源消费结构、产业结构、城镇化水平与碳排放效率呈负相关，科技支持水平、对外开放与碳排放效率呈正相关，这与学者们的研究结论基本一致。
A1在模型中系数估计值为-0176，说明地市的煤炭能源消费比例对数值增加1，碳排放效率对数值会降低0176。山东省大多数地市以煤炭等常规化石能源为主，如枣庄、莱芜的煤炭消费比例相对较高，加之能源消耗量大，导致其碳排放效率较低；青岛、烟台、威海、东营的煤炭消费比例较低，碳排放效率则较高。
A2在模型中系数估计值为-0084，说明地市的第二产业GDP比例对数值增加1，碳排放效率对数值会降低0084。这可能是由于第二产业多以高能耗及高排放的重工业为主，能源利用效率较低，导致碳排放效率降低。例如，枣庄、莱芜、聊城、菏泽的第二产业GDP比例均较高，且以重工业为主，碳排放效率较低；济南、青岛、临沂的第二产业GDP比例较低，近年来基本在45%以下，则碳排放效率较高。
A3在模型中系数估计值为-0023，说明地市的城镇化率对数值增加1，碳排放效率对数值会降低0023，这可能是由于随着城镇人口增多，城市公共设施规模不断加大，建筑、交通运输等产生的二氧化碳排放增多，服务于城市化过程的高耗能企业也不断增加，能源消耗和二氧化碳排放增加，从而降低碳排放效率。例如，滨州、菏泽、泰安、德州近年来城镇化率增长较快，碳排放效率相对较低。
A4在模型中系数估计值为0032，说明地市进出口总额占GDP比例的对数值增加1，碳排放效率对数值会提高0032，这可能是由于对外贸易有助于引进国外先进的清洁能源技术和管理经验，从而有利于提高能源利用效率和碳排放效率。青岛、烟台和威海的碳排放效率较高，与其沿海城市进出口贸易总额比例高有着一定的关系。朱德进的分析结论也表明[19]，随着中国进出口贸易结构优化，加之技术效应显现，碳排放效率将实现整体提升。
A5在模型中系数估计值为0049，说明地市财政支出中科技支出占GDP比例的对数值增加1，碳排放效率对数值会提高0049。科技支出比例体现对技术创新的支持程度，随着科技支出不断加大，会促进地区技术进步和高新技术产业发展，提高能源利用效率和碳排放效率。例如，威海、烟台财政支出中科技支出占GDP比例均超过3%，碳排放效率较高；而聊城、菏泽、枣庄、泰安、日照不足12%，碳排放效率相对较低。
五、碳排放效率提升对策
结合山东省17地市碳排放效率测度值和影响因素分析，本文提出如下对策：
（1）优化能源消费结构。以煤炭为主要能源消费结构的地市碳排放效率较低，各地市可结合自身能源禀赋，针对性地提出优化能源消费结构的对策。例如，淄博、枣庄、莱芜等能源消耗较大且煤炭在能源消费结构中所占比重较高的地市，应合理控制煤炭开采，投入资金推进清洁煤技术发展，提高煤炭资源利用效率；菏泽、聊城、临沂等能源消耗较小但经济水平不高的地市，其能耗年均增长率较高，需要推进低耗能产业的发展，加快清洁能源的开发利用；青岛、烟台、威海等能耗较低且经济水平较高的地区，可以利用其海洋优势，积极开发潮汐能、海上风能等，通过发展清洁能源技术改善能源消费结构。
（2）积极发展低碳产业。第二产业GDP比例对碳排放效率有显著的负向作用，各地市可结合地域优势，发展地域特色的新兴战略产业与服务业。例如，潍坊、东营等地市风能资源丰富，可加快风力发电场建设；聊城、临沂等地市可以发挥装备制造业优势，推进新能源汽车生产基地建设；济南、泰安等地市太阳能资源丰富，可积极发展太阳能与光伏发电产业；青岛、威海、烟台等可积极发展海洋能产业，推进海洋资源产业的进程。
（3）合理推进城市化。城镇化水平提高对碳排放效率具有负面影响，各地市在推进城市化建设的过程中，不应该盲目跃进，不应以牺牲环境及能源消耗来追求经济的增长，不能忽略环境的承载能力，而要结合自身情况，综合考虑人口、公共服务资源及城市结构布局等，有序、稳妥地推进新型城市化进程。此外，城市化推进中势必会出现人口的大量聚集，为了降低因人口密度过大带来的环境问题，要调整城市医疗、教育等公共资源的配置，使其更加均衡、合理。
（4）鼓励发展对外贸易。进出口总额占GDP的比例越高，越利于提升碳排放效率。山东省贸易结构的不断优化促进了高能耗产品向高新技术产品的转变，并且在一些地区逐渐形成高新技术产业群，这对碳排放效率提升有着积极的作用。另外，青岛、烟台、日照、威海等沿海城市应该积极发挥地理优势，加速引进低碳产业，带动中西部地市发展高技术产品；对于高能耗商品，可以考虑适量进口，降低本地区对其的需求。
（5）增加科技投入。科技与智力资源是發展生产力、增长经济的决定性要素，因此，增加科技投入、开发智力资源是兼顾碳排放效率提高和经济增长的有效途径。各地市要积极出台激励性政策，加大科技投入的财政支出，推动本地区技术进步，提高能源利用效率；通过财政补贴等引导企业改进生产线、简化生产流程，降低能耗；通过引进科技创新人才，加快清洁能源技术发展，推动各类固碳技术利用，降低碳排放。
（6）完善区域碳减排合作机制。各地市之间可以建立区域性的碳减排合作机制，破除区域间的壁垒，形成资源互补、技术联动的发展路径，加强区域之间的技术传导，加强威海、青岛、烟台等高效地市节能政策和企业“低碳”环保经验的扩散与外溢，以保证先进技术、管理经验能够得到及时转移、扩散，被低效区域吸收。
六、结论
本文构建基于RAM的碳排放效率测度模型，并基于空间计量模型对山东省地市碳排放效率的影响因素进行分析，进而提出碳排放效率提升的相关对策。本研究得到如下结论：
（1）山东省碳排放效率整体较为平稳，地区间有明显差异。2005—2011年17地市间的差异呈扩大趋势，2012—2014年则有所放缓；地域上呈现从东到西二氧化碳效率值总体降低的特征。
（2）地市二氧化碳碳排放效率在空间上表现出较强的正相关性，空间依赖性特征整体比较稳定，大部分地市表现为空间的依赖性，部分地市表现为空间的异质性，在提升地市碳排放效率时应充分认识空间传导机制的重要性。
（3）碳排放效率与煤炭能源消费比例、第二产业GDP比例、城镇化水平呈负相关性，与科技支持水平、对外开放呈正相关性。影响程度由高到低依次为能源消费结构、产业结构、科技支持水平、对外开放及城镇化水平。
（4）为提升碳排放效率，山东省各地市需要结合自身实际，优化能源消费结构，积极发展低碳产业，合理推进城市化，鼓励发展对外贸易，增加科技投入。山东省需要从整体角度不断完善区域碳减排合作机制。
参考文献：
[1] 陈诗一.中国碳排放强度的波动下降模式及经济解释[J].世界经济，2011（4）：120133.
[2] Zhang Z Q， Qu J S， Zeng J J. A Quantitative Comparison and Analysis on the Assessment Indicators of Greenhouse Gases Emission[J]. Journal of Geographical Sciences， 2008，18（4）：387399.
[3] 潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（5）：4757.
[4] 林善浪，张作雄，刘国平.技术创新、空间集聚与区域碳生产率[J].中国人口·资源与环境，2013，23（5）：3645.
[5] Dong F， Li X H， Long R Y， et al. Regional Carbon Emission Performance in China According to a Stochastic Frontier Model[J]. Renewable and Sustainable Energy Reviews， 2013，28（8）：525530.
[6] Wang Q W， Zhou P， Shen N， et al. Measuring Carbon Dioxide Emission Performance in Chinese Provinces[J]. Renewable and Sustainable Energy Reviews， 2013，21（5）：324330.
[7] 陈黎明，黄伟.基于随机前沿的我国省域碳排放效率研究[J].经济与决策，2013（9）：136139.
[8] 席建国.我国碳排放效率的区域动态差异、敛散性及时变因素分析[J].地域研究与开发，2013，32（5）：8387.
[9] 刘亦文，胡宗义.中国碳排放效率区域差异性研究——基于三阶段DEA模型和超效率DEA模型的分析[J].山西财经大学学报，2015，37（2）：2334.
[10] 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）：8596.
[11] 华坚，任俊，徐敏，等.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，2013，35（7）：14471454.
[12] 冯宗宪，何欣.基于共同边界的中国区域碳排绩效研究[J].青海社会科学，2013（4）：915.
[13] Guo X D， Zhu L， Fan Y， et al. Evaluation of Potential Reductions in Carbon Emissions in Chinese Provinces Based on Environmental DEA[J]. Energy Policy， 2011，39（5）：23522360.
[14] 查建平，唐方方，别念民.结构性调整能否改善碳排放绩效——来自中国省级面板数据的证据[J].数量经济技术经济研究，2012（11）：1833.
[15] 刘丙泉，尚梦芳，马占新.碳排放效率、发展成本与碳减排成本研究——基于虚拟包络面的统一技术前沿[J].华东经济管理，2015，29（12）：8894.
[16] 王群伟，周德群，周鹏.区域二氧化碳排放绩效及减排潜力研究[J].科学学研究，2011（6）：868875.
[17] Du K R， Huang L， Yu K. Sources of the Potential CO2 Emission Reduction in China[J]. Applied Energy， 2014，115（4）：491501.
[18] Wei C， Ni J L， DU L M. Regional Allocation of Carbon Dioxide Abatement in China[J]. China Economic Review， 2012，23：552565.
[19] 朱德进，杜克锐.对外贸易、经济增长与中国二氧化碳排放效率[J].山西财经大学学报，2013，35（5）：111.
[20] 马大来，陈仲常，王玲.中国省际碳排放效率的空间计量[J].中国人口·资源与环境，2015，25（1）：6777.
[21] Choi Y， Zhang N， Zhou P. Efficiency and Abatement Costs of Energyrelated CO2 Emissions in China[J]. Applied Energy， 2012， 98：198208.
[22] 杜慧濱，王洋洋.中国区域全要素二氧化碳排放绩效及收敛性分析[J].系统工程学报，2013，28（2）：256264.
[23] 李涛.资源约束下中国碳减排与经济增长的双赢效率研究——基于非径向DEA方法RAM模型的测度[J].经济学（季刊），2013（2）：667692.
[24] 张丽虹.基于RAM模型的中国省际低碳经济效率研究[D].天津：天津大学，2013.
[25] 蔡火娣.二氧化碳排放效率与影子价格研究[D].广州：暨南大学，2015.
[26] 郭文慧，吴佩林，王玎.山东省碳排放效率与影响因素分析[J].东岳论丛，2013，34（5）：172176.
[27] 李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011（7）：6370.
[28] 朱德进.基于技术差距的中国二氧化碳排放绩效研究[D].济南：山东大学，2013.
[29] 屈小娥.中国省际全要素CO2排放效率差异及驱动因素——基于1995—2010年的实证研究[J].南开经济研究，2012（3）：128141.
[30] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：3544.
[31] 宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解[J].资源科学，2012，34（1）：3541.
责任编辑：张岩林
