區域低碳經濟成效研討

導語：區域低碳經濟成效研討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1科技帶動視角下的低碳經濟效率

低碳經濟是將“碳排放”因素納入到經濟發展系統中，考察各類行政與商業行為引發的碳排放量，并使用市場機制進行“碳排放權”交易，進而實現控制溫室氣體排放，緩解環境壓力的一種經濟發展模式［6］。與傳統經濟模式下的規則不同，低碳經濟的評價需要考慮CO2的排放問題，例如單位GDP的CO2排放量、單位投資的CO2排放量、單位人口的CO2排放量等［7］。除普遍受到重視的碳排放量外，各地區在低碳化進程中的效率水平，也是表征其低碳經濟發展狀況的重要指標［8］。所謂效率，是指生產活動中投入與產出的比例［9］。在經濟學中，效率通過投入產出數據與生產前沿面間的距離函數進行測度［10］。發展低碳經濟是一個多投入多產出的動態過程，由于投入產出指標的選取原則不同，低碳效率的測度重點也會產生差異。在全球氣候變暖、環境壓力凸顯的形勢下，技術進步是決定各地區“降碳”目標能否順利實現的關鍵，而低碳技術的發展取決于科技投入的力度以及科研機構對于各項投入的管理水平。因此，科技帶動視角下的低碳效率，可以通過各項科技投入與相關“降碳”產出的對比關系進行測度。作為一種非參數效率評價方法，數據包絡分析（DEA）對于測度多投入多產出系統的效率水平具有良好的適用性［11］。在低碳領域，Zofio等［12］設計出一種雙曲效率測量方法計算OECD成員國的碳排放效率。Zhou等［13］使用基于時間序列的Malmquist指數分析，研究了18個國家的總體碳排放情況。Guo等［14］使用資本存量、勞動力、主要能源消費量作為投入指標，地區生產總值和二氧化碳排放量作為產出指標，對中國省級行政單位的碳減排潛力進行了測算。解百臣等［15］基于投入型Malmquist指數，對我國內地30個省級發電部門1997－2007年的效率變化特征進行了細致分析。馬軍［16］使用DEA對內蒙古地區近10年的低碳經濟發展效率進行了評價，并根據投影分析提出了效率改進建議。本文使用數據包絡分析，以各地區科技投入、“降碳”產出水平與生產前沿面之間的距離為依據，對區域低碳經濟發展效率進行測算。

2基于DEA的區域低碳效率評價模型

數據包絡分析法（DEA）是以相對效率概念為基礎發展起來的一種效率評價方法［17］。其基本思想是在規模收益不變（CRS）的假設下，以各決策單元的投入產出數據分別求解同一數學規劃模型，擬合出代表最優投入產出水平的生產前沿面（PF），并以各決策單元與生產前沿面的距離表征其效率水平［18］。在此基礎上，Banker等［19］提出了規模收益可變（VRS）的效率評價模型。本文對于科技帶動視角下的區域低碳靜態效率的測算，以各決策單元與規模收益不變前沿面的距離（即CRS效率）為依據。為進一步考察各地區的效率差異，將CRS效率拆分為VRS效率與規模效率，前者以各地區科技投入水平與規模收益可變（VRS）前沿面的距離為依據，后者由CRS效率與VRS效率的比值進行計算。以Malmquist指數分析區域低碳效率的動態變化情況時，也進行了相應的指數拆分。將生產前沿面在兩個時期發生移動導致的效率變化解釋為全社會對于科技資源的整體管理水平進步，而將決策單元相對兩個時期CRS前沿面的距離變化解釋為各地區科技資源配置能力的變化。對于后者，進一步拆分體現資源配置結構優化速度的VRS效率變化以及體現科技資源投入總量優化速度的規模效率變化。

3投入產出指標

對于投入指標的選擇，需綜合考慮科技創新主體和科技投入的基本形式。Wiesenthal等［22］指出，企業R＆D研發投入的種類和水平、創新過程的效率和創新系統的廣度都決定了用于低碳領域的關鍵技術市場化進程。Kramer等［23］指出，為了加速低碳技術的發展，政府決策者應當調整政策，關注具有特色的低碳技術，政府科技資源投入的主要去向應當是各類科研院所與高等學校。因此，科研院所、企業和高等院校是低碳科技創新的主體。同時，科技投入的具體形式包括科研人員數量和科研資金水平兩個主要方面。為了方便使用DEA投影分析對各類科研機構的有效投入進行細致考察，本文最終選取“研究與開發機構R＆D人員數”、“大中型工業企業R＆D人員數”、“高等學校R＆D人員數”、“研究與開發機構R＆D經費”、“大中型工業企業R＆D經費”以及“高等學校R＆D經費”6項科技投入指標。各地區低碳化進程中，主要目標是減少能源的無效消耗進而降低CO2排放水平［24］。本文使用“碳生產率”和“單位地區生產總值能耗下降幅度”作為產出指標，衡量各地區“降碳”效果。由于碳排放水平沒有權威統計數據，本文依據IPCC、國家氣候變化對策協調小組辦公室以及國家發展和改革委員會能源研究所推薦的各類能源碳排放系數［25、26］，對各地區因煤炭、焦炭、汽油、煤油、柴油、燃料油、天然氣等化石燃料燃燒產生的CO2進行測算，進而結合地區生產總值，得出其“碳生產率”數據。率”數據。在應用數據包絡分析技術時，決策單元與投入產出指標數量應滿足式（6）的條件［27］。其中，n為決策單元個數，m為投入指標數量，s為產出指標數量。本文選取投入指標6個，產出指標2個，決策單元30個，符合以上要求。本文數據源自《中國統計年鑒》、《中國能源統計年鑒》以及國家統計局“中國科技統計年度數據”。由于數據缺失，西藏并未納入本研究范圍。青海省2006年單位地區生產總值能耗下降幅度為1．51％，根據DEA對于數據非負的要求，這一指標在計算時取0?？紤]到科技投入在成果轉化過程中的滯后性，各項科技投入指標均選擇前一年的統計數據。

4基于Malmquist指數的區域低碳動態效率變化分析

4．1區域低碳效率總體變化趨勢及其指標分解使用DEAP2．1對內地30個省級區域2006－2009年Malmquist指數進行測算，3個考察期內全國低碳效率變化整體均值如表1所示。4年間我國低碳經濟效率增幅達到14．1％，證明各地區科技投入有效帶動了“降碳”能力的提升。3個考察期的變化特征存在明顯差異，除2008和2009年外，各地區低碳視角下的效率增幅為正。但2007－2008年Malmquist指數的持續提升，是依靠整體科技管理能力進步與各項科技投入規模向最優經濟區間大幅逼近實現的。衡量各項科技投入配置比例的VRS效率指標，出現了考察期內的最大降幅，這一問題直到2009年才有所改善。通過進一步分解，可以清晰發現全社會科技管理能力的進步是實現低碳效率不斷攀升的主要動力。這種情況表明，無論是科研機構、工業企業還是高等學校，對于科技投入的管理能力都在持續提升，進而帶動與低碳相關的投入產出水平向生產前沿面持續正向移動。與此同時，低碳CRS效率變化呈現退化趨勢，即各地區科技資源的投入水平相對當期生產前沿面的距離正在逐步拉大?？紤]到2007－2008年低碳CRS效率的嚴重退化影響了該指標的均值水平，我國各項科技投入的動態增長情況整體尚可。將綜合效率進一步拆分為代表資源配置結構優化水平的VRS效率和代表資源投入規模經濟水平的規模效率，發現人員、資金在3類機構中的配置結構優化速度較慢，這可以從2007－2008年和2008－2009年的VRS效率持續減退中看出。人員與資金在各部門間的比例調整，是我國以科技創新帶動低碳經濟發展過程中的一大挑戰。

4．2各地區低碳經濟動態效率比較限于篇幅，本文僅列出了2006－2009年各地區低碳效率動態變化均值，如表2所示。將我國內地30個省份分為6個區域，可以發現，科技帶動視角下我國區域低碳經濟動態效率呈現出由西向東、由北向南逐級遞減的態勢，效率增幅由高到低依次為西北、西南、華北、東北、華東，最后是中南地區。如果西部偏遠地區碳排放水平一直低于東部經濟發達地區可以由工業化程度相對落后進行解釋，那么各地區低碳發展效率的差異深刻說明：東部地區發達的科技教育水平并未對其低碳化進程產生明顯推動作用。需要指出的是，依據以上結果并不能認定東部地區科技投入浪費嚴重。考慮到低碳經濟的概念從2006年左右才被我國政府所重視，而各地區政府部門政績考核標準、企業發展目標以及科研單位的資金資助方向，在短期內仍舊以經濟效益而不是環境效益為主。因此，以上計算結果更為準確的解讀應該是，現階段我國各地區、各部門科技投入用于氣候環境改善的比重還較小，而這種投入方向的偏差在東部地區發展低碳經濟的過程中體現得更為明顯。以Malmquist指數均值為劃分依據，青海等11個省市的低碳效率增速較快，而包括河北、江蘇在內的19個省市增速較慢。特別地，廣東、黑龍江、廣西、福建、海南5省出現了“負增長”，但導致這種情況發生的原因有所不同。廣東和海南生產率退化的主要原因是代表全社會科技投入最優水平的生產前沿面發生改變，從而影響了其科技投入的“降碳”效果，這一問題可以通過調整各類科技資源的配置比例與配置規模得到改善。各項科技資源的投入規模效應降低是福建省低碳效率下降的主要原因。生產前沿面的移動和相對其它地區科技資源配置不合理均導致了廣西壯族自治區低碳效率的下降。黑龍江省低碳效率4年的變化均值出現了CRS效率下降，但VRS效率和規模效率同時上升的“反邏輯”特征，造成這一獨特現象的原因是其在考察期內，各項效率指標在升降比例上的巨大差異，從而嚴重影響到均值數據對于其效率變化規律測度的有效性。

5基于CRS、VRS模型的區域低碳經濟靜態效率水平

5．1科技帶動視角下低碳CRS效率總體分布及其拆解分析以DEAExcelSolver為工具，對內地30個省市2006－2009年間發展低碳經濟過程中的相對效率水平進行測算。限于篇幅，僅將各地區4年效率水平均值列出，結果如表3所示。從整體效率水平考察，我國多數地區低碳經濟效率水平不容樂觀，僅有海南、寧夏兩省位于CRS生產前沿面上。將效率指標進行分解，可以清晰地發現我國各地區VRS效率水平較高，均值達到了0．714，即各地區科技人才與科研經費的配置比例較為合理，對于加速本地區“降碳”步伐存在積極作用。相對而言，各地區低碳規模效率問題值得關注，其均值為0．454，表明各地區科技投入總量中存在一定程度的浪費，并影響到了低碳經濟的整體效率。進一步考察4年中各地區科技投入的規模收益變化情況，投入水平處于規模收益遞減區間的省份占到了84．2％。從數據結果上看，多數省份科技投入在人員與資金方面均呈現“過度”特征，但并不能以此認為各地區科技資源的配置中存在大量浪費。和前文低碳動態效率分析時的情況相同，現階段我國政府和企業績效的考核指標仍舊側重于傳統經濟效益，而這兩者作為科技資金的主要提供者，其資助重點直接影響了各類科研機構成果的轉化方向。因此，以上科技投入規模的不經濟，體現了低碳視角下用于“環保降碳”領域的科技人員與資金投入相對不足的現狀。

5．2各地區低碳效率水平比較從地域分布來看，我國各省低碳效率水平呈現“西高東低”的特征。和動態效率增長情況相似，東部沿海地區經濟發達，雖然其各項科技投入的整體水平處于國內領先地位，但低碳效率狀態卻不容樂觀。將表征環境因素的低碳指標引入效率評價過程后，這些省市重經濟輕環境的發展現狀得以充分展現。將各地區低碳效率動態增幅與靜態效率水平進行對比，4年間效率增長較快的北京、廣東、四川、云南、陜西、甘肅、青海等地區，其各年效率水平差異極大。其中，北京、甘肅、青海3地兩項指標均處于全國前列，證明這些地區各項科技投入有效帶動了本地區低碳經濟發展。廣東、四川、云南、山西等地區靜態效率水平的不足，使其動態增長的現實意義大打折扣，這類省份需要注意改善自身科研投入的配置結構與資助方向，進而實現低碳效率的良性增長。

5．3低碳效率視角下的科技投入冗余分別計算規模收益不變（CRS）和規模收益可變（VRS）視角下各地區科技投入的冗余程度，結果如表4所示。在CRS效率視角下，大中型工業企業在R＆D經費使用方面冗余幅度最大，說明工業企業科研投入集中在與產品生產制造有關的經濟效益領域，用于低碳領域的研發資金比重過低，從而出現了這種研發費用的無效“浪費”。在VRS視角下，投入冗余考察的是各種科研投入在配置比例上的不合理程度，高等學校在R＆D人數與經費兩方面冗余度均處于最低水平。由此可見，我國各地區科技投入的比例優化水平明顯高于規模合理程度。高?？蒲腥藛T的績效考核與研究經費資助方向并不以經濟效益為主要標準，因此形成了大量關注“節能減碳”領域的理論研究成果，推動了地區低碳經濟的發展。

6結語

通過構建反映科技投入及其“降碳”成效的低碳效率評價指標體系，以數據包絡分析為工具，本文對中國內地30個省級行政區域低碳經濟效率進行了細致研究，并得出以下結論：（1）考察期內各地區低碳效率整體呈現增長態勢。東部地區無論在效率增速，還是在效率相對水平方面均落后于西部地區。這種經濟發展水平與低碳效率水平相背離的現象說明，現階段地方政府和工業企業的績效評價觀念仍舊以獲取經濟效益為主。因此，通過提高用于環境保護領域的人員、資金投入，各地區低碳經濟效率有望顯著提升。（2）通過拆解效率指標，從動態視角考察我國內地30個省低碳效率提升速度，規模效率增幅明顯高于VRS效率，而在靜態效率水平的比較中，后者明顯高于前者。對于中國大多數省份而言，各項科技投入之間的配置比例關系已經處于較優水平，而低碳視角下投入規模的“過剩”問題相對突出。各地方政府通過增加環境改善領域的公共科研支出，針對碳排放問題較為嚴重的工業企業適當征收“碳稅”等手段，可以有效解決以上問題。（3）高等學校作為我國主要科研力量之一，由于其事業單位的獨特定位，創造經濟效益的現實壓力比企業小。在以科技進步帶動低碳經濟發展的過程中，高等學校應當發揮更為重要的作用。同時，各級政府部門科研基金的資助重點，也應向以“節能降碳”為代表的環境氣候領域適當傾斜。

作者：支華煒杜綱解百臣單位：天津大學管理與經濟學部