论文部分内容阅读
摘 要：经济发展和低碳环境是城市在发展中需要平衡的两大目标，而长三角地区的经济发展水平位于全国前列，其低碳经济效率对于中国其他城市具有很大的借鉴意义。选取2014—2017年長三角地区22个城市的投入指标（劳动力、资本、能源）和产出指标（期望产出GDP、非期望产出碳排放），采用DEA模型对长三角地区的低碳经济效率进行评估。结论表明，虽然长三角地区目前并未形成经济和低碳的双赢局面，但是2014—2017年低碳经济效率逐年上升，并且更加发达的城市表现出更高的低碳经济效率。
关键词：碳排放;低碳经济;环境效率;长三角地区
中图分类号：F127 文献标志码：A 文章编号：1673-291X（2019）27-0057-02
引言
近年来，随着经济社会的迅速发展，长三角地区的资源和环境问题日益突出，已成为制约其经济可持续发展的重大障碍。中国的长三角地区是以上海市、南京市和杭州市为中心的城市经济带，经济实力十分雄厚，已成为世界第六大城市群。然而，快速发展的经济伴随着巨大的资源投入，给当地带来了许多严峻的环境问题。首先，长三角地区以煤炭为主的能源消费结构增加了CO2、SO2等气体的排放，从而加剧了温室效应和大气污染。不仅如此，由于长三角地区水网密集、河湖众多，工业废弃物和生活污水的排放更加剧了水资源的污染。我国环保部和国土资源部发布的《全国土壤污染调查公报》显示，由于土地酸化和工业废渣的排放，南方的土壤污染显著重于北方，且长三角地区的土壤污染问题尤为严重，这些问题都已经引起了专家学者的高度关注。
因此，出于改善环境的目的，环境效率成为了近年来研究的热点，而环境效率研究的一大重点就是投入和产出的界定。本质上，经济发展实现的GDP和构成中产生排放物都是产出，区别在于GDP是期望产出，而排放物是非期望产出。本文运用了DEA模型对长三角地区的环境效率进行评估，主要涉及的非期望产出是CO2。在DEA模型的构建中，对于非期望产出CO2有间接处理和直接处理两种方式（刘翔、陈晓红，2017）。间接处理包括将CO2视为投入变量或从实际产出中减去CO2作为真正的产出量，这种处理方式扭曲了生产过程的实质。直接处理则是用各种方式修正原DEA模型。本文即采用修正的DEA模型对2013—2017年长三角地区的环境数据进行实证分析，评估当地的环境效率。
一、文献综述
1978年，美国著名运筹学家A.Charnes和W.W.Cooper提出数据包络分析方法（Data Envelopment Analysis，DEA）。该模型能利用线性规划的方法分析一系列投入和产出指标，以此对相同类型的决策单位的效率进行评估，并提供有用的决策信息。随后，DEA模型被广泛运用于低碳经济效率的研究中。
在国外研究方面，Joshua Ignatius针对应用DEM模型过程中可能存在的投入和产出数据模糊、失真、不对称的问题提出了一个可用于环境效率评估和不同决策单元效率排序的改进的DEM模型，并通过与其他方法比较证明了新模型的有效性和合理性。Toshiyuki Sueyoshi等提出一种介于径向和非径向之间的新DEM方法，并以此评估中国经济发展的可持续性和提出相关政策建议。George Halkos等总结了建模过程中处理非期望产出的几种常用的方法，并分析了每种方法的利弊。
在国内，Jie Wu等基于改进的两阶段DEA模型，对2000—2012年间我国30个地区的低碳经济效率进行了实证分析。陈晓红等建立了进一步改进的三阶段SBM-DEA模型，探究了全要素碳排放效率。改进后的模型通过降低外部随机因素的影响，提高了决策的有效性。刘翔等运用非期望产出的DEA模型，对不同地区的碳减排潜力和低碳经济效率进行了深入研究。李蝶等为了避免传统模型对权重的过度依赖，通过将传统DEA模型与交叉评价机制相结合建立了交叉评价DEA模型，研究了2012年中国30个省份的低碳经济效率。Yongming Han等基于信息熵进一步改进了交叉DEA模型，使权重的计算达到最优。不仅如此，该模型还运用蒙特卡罗模拟使得不同单位间的效率区分更明显。陈莹文等通过改进的SBM模型，针对2012—2016年间我国30个省市的环境数据，研究了我国能源结构调整对环境效率的影响;并提出在节能减排方面，提高能源利用效率比调整能源结构更有效。上述学者的研究结果均表明我国的环境效率呈现出明显的地区差异。东部地区的环境效率总是显著高于中西部地区，中部地区的环境效率在大部分年份高于西部地区。Jie Wu经过深入分析还发现，我国中部地区的减排效率高于西部地区，而西部地区的治理效率高于中部地区。学者们还针对环境效率的差异，对不同地区提出了不同的政策建议。
二、实证分析
（一）变量设定与数据来源
城市是一个区域经济发展的重要引擎，也是落实节能减排任务、进行生态文明建设的重要主体。本文尝试从环境效率的角度对长三角地区城市环境保护与经济发展双赢的程度进行评价，并探寻改善潜力。在进行环境效率测算时，采用了劳动力、资本和能源，这也是被普遍接受的投入变量（Wang et al.，2015）。其中，劳动力表示的是城市年末的就业人数，资表示的是固定资产的投资总额，能源表示的是全年能源消耗总量。经济发展是一个城市经过要素投入后最重要的产出，因此将国内生产总值GDP作为期望产出的代表。在研究低碳经济时，城市的非期望产出采用二氧化碳排放量。
碳排放量的计算方法基于 IPCC《国家温室气体排放清单指南》（2006年版）。根据《中国统计年鉴》口径，将能源种类划分为10类，其标准量转化系数和碳排放系数，转换系数的计量单位天然气为吨标准煤/万立方米，其余能源的单位为吨标准煤/吨，碳排放系数的单位为吨碳/吨标准煤。所有数据来源于2013—2017年《中国城市统计年鉴》和各省区及城市的统计年鉴及统计公报。变量的描述性统计，可以看出，长三角地区各个城市的投入和产出也是有一定差异的，分别从劳动力、资本和能源看，最大的是最小的30倍、16倍和99倍。与之相比较，期望产出GDP和非期望产出CO2则是相差60倍左右，投入和产出都呈现一定程度的右偏分布，在之后的环境效率测算中，要充分考虑分布差异。 （二）环境效率的DEA模型构建
为衡量长三角地区城市的环境效率情况，不妨设有N个被评价城市（即N个决策单元DMU），每个城市通过P种要素投入x=（x1，…，xP）可生产出Q种期望产出为y=（y1，…，yQ）和M種非期望产出b=（b1，…，bM）。因此认为，长三角地区的城市具有类似或一致的生产技术，可形成一个生产前沿，即共同前沿（GEE，group frontier）。
在包含非期望产出的生产框架下，进一步用产出导向的方向性距离函数来定义环境效率。方向性距离函数同样是将产出（期望和非期望）与投入结合，是传统Shephard距离函数更一般化的形式（Wang et al.，2014）。式（1）表示了共同前沿下的产出距离函数。
g=（gy，-gb）是产出的方向向量。方向向量g寻求期望产出在gy方向上的最大扩张及非期望产出在gb方向上的最大收缩。当方向向量取g=（0，-gb）时，表明在环境效率评价时只要求实现非期望产出的减少;而当方向向量取g=（gy，-gb）时，则表明环境效率的评价是以“又好又快”和环境与经济双赢为准则的。显然，后一种环境效率的评价具有更高的要求，也更符合“环境友好型”的社会建设目标。
（三）模型结果与分析
根据式（2）进行计算，得到长三角22个城市2014—2017年的环境效率值，按照空间范围从大到小形成。
1.从长三角地区的整体低碳经济效率看，长三角地区所有城市的环境效率年度均值是0.7976，总体上还未实现经济发展与低碳环境效率的双赢，这也说明增加期望产出并减小CO2排放的潜力达到21%。2014—2017年，长三角地区的低碳环境效率从0.7755逐年上升到0.8354，而且增幅也是在不断增加的，这与我国绿色金融发展政策的提出也是同步的。这说明2015年以来，生态环境政策取得了成效，供给侧结构性改革的成果也在逐步显现，长三角地区在经济高速发展的同时，也越来越重视生态文明质量。
2.从长三角“三省一市”的角度看，上海市的低碳环境效率最高，2014—2017年的低碳经济效率呈现逐年增长趋势，年度平均为0.9864，2017年的低碳经济效率值达到了1，环境治理与经济发展逐步实现了较好的融合。江苏省城市和浙江省城市的低碳经济效率平均水平相似，分别为0.8170和0.8374;但是两省低碳经济效率的标准差分别为0.1360和0.1789，说明江苏省位于长三角区域的8个城市内部差异较小，而浙江省位于长三角区域的7个城市的城市间差异较大;在长三角地区城市的比较中，安徽省的城市低碳经济效率水平较低，平均只有0.6937，这和安徽省城市的工业结构相关，也说明了安徽省的低碳经济效率还有很大的提升空间。
3.从长三角地区的22个城市角度看，各个城市的低碳经济效率呈现阶梯型分布，65%的城市2014—2017年呈现低碳经济效率逐年上升的趋势，说明长三角地区城市的低碳经济建设前景是良好的。可以看出，在长三角的数据包络分析中，2017年有9个城市的低碳经济效率达到了1，分别是上海、南京、无锡、常州、苏州、杭州、绍兴、舟山和滁州。长三角地区低碳经济效率较低的城市主要集中在安徽省，如马鞍山的能源消耗量较大并且CO2排放量也较大，所以没有很好地实现低碳经济，具有很大的发展与改革空间。总之，这22个城市都是有着低碳经济效率不断提高的趋势，同时表现出经济发达地区的低碳经济效率优于经济欠发达地区。
结语
本文使用DEA模型对长三角地区的低碳经济效率进行分析与评价，得到以下结论。
第一，长三角地区的低碳经济效率值从2014年以来呈现增长趋势，从2014年的上升到0.7755到2017年的0.8354，体现了长三角地区生态文明的建设成果在不断显现，在经济发展的同时不断提高低碳环境效率。
第二，长三角地区目前的低碳经济水平还不高，近四年平均为0.7976，2017年为0.8354，目前还有约16%的增长空间，尚未实现经济发展与环境建设的双赢格局。这说明，低碳经济的政策还要进一步落实，在提高总产出并减小CO2排放量的实践上还要继续推进。
第三，从长三角地区的内部比较来看，经济更加发达的地区，低碳经济效率值更高，说明经济发展程度与环境建设是不矛盾的。原因有四点：一是在社会意识层面，经济发达地区的人们会更加关注生态环境的建设;二是在产业结构层面，经济发达的地区第三产业占比高，碳排放量相对指标较小;三是在微观企业层面，高污染高排放性企业在罚款或者税收的压力下，由于环境成本大，会向人力成本较小的欠发达地区迁移;四是治理技术层面，经济发达地区的污染治理水平较高，能源利用率也高，所以经济发达地区呈现更高的低碳经济效率。
参考文献：
[1] Ignatius J.，Ghasemi M.，Zhang F.，et al..Carbon efficiency evaluation：An analytical framework using fuzzy DEA[J].European Journal of Operational Research，2016：S0377221716300340.
[2] Han Y.，Long C.，Geng Z.，et al..Carbon emission analysis and evaluation of industrial departments in China：An improved environmental DEA cross model based on information entropy[J].Journal of Environmental Management，2017，（205）：298-307.
[3] Wang Q.，Zhao Z.，Shen N.，et al..Have Chinese cities achieved the win-win between environmental protection and economic development？ From the perspective of environmental efficiency[J].Ecological Indicators，2015，（51）：151-158.
[4] Wang，Shuang.Analysis on Efficiency Evaluation of Regional Energy-Saving and Emission-Reduction Based on DEA Model[J].Advanced Materials Research，2015，（1092-1093）：1581-1584.
[5] Wu J.，Yin P.，Sun J.，et al..Evaluating the Environmental Efficiency of a Two-stage System with Undesired Outputs by a DEA Approach：An Interest Preference Perspective[J].European Journal of Operational Research，2016，（3）：1047-1062.
[6] 蔡传里，许桂华.环境规制的实际效果检验：实现经济与环境双赢了吗[J].财会月刊，2019，（9）：131-141.
关键词：碳排放;低碳经济;环境效率;长三角地区
中图分类号：F127 文献标志码：A 文章编号：1673-291X（2019）27-0057-02
引言
近年来，随着经济社会的迅速发展，长三角地区的资源和环境问题日益突出，已成为制约其经济可持续发展的重大障碍。中国的长三角地区是以上海市、南京市和杭州市为中心的城市经济带，经济实力十分雄厚，已成为世界第六大城市群。然而，快速发展的经济伴随着巨大的资源投入，给当地带来了许多严峻的环境问题。首先，长三角地区以煤炭为主的能源消费结构增加了CO2、SO2等气体的排放，从而加剧了温室效应和大气污染。不仅如此，由于长三角地区水网密集、河湖众多，工业废弃物和生活污水的排放更加剧了水资源的污染。我国环保部和国土资源部发布的《全国土壤污染调查公报》显示，由于土地酸化和工业废渣的排放，南方的土壤污染显著重于北方，且长三角地区的土壤污染问题尤为严重，这些问题都已经引起了专家学者的高度关注。
因此，出于改善环境的目的，环境效率成为了近年来研究的热点，而环境效率研究的一大重点就是投入和产出的界定。本质上，经济发展实现的GDP和构成中产生排放物都是产出，区别在于GDP是期望产出，而排放物是非期望产出。本文运用了DEA模型对长三角地区的环境效率进行评估，主要涉及的非期望产出是CO2。在DEA模型的构建中，对于非期望产出CO2有间接处理和直接处理两种方式（刘翔、陈晓红，2017）。间接处理包括将CO2视为投入变量或从实际产出中减去CO2作为真正的产出量，这种处理方式扭曲了生产过程的实质。直接处理则是用各种方式修正原DEA模型。本文即采用修正的DEA模型对2013—2017年长三角地区的环境数据进行实证分析，评估当地的环境效率。
一、文献综述
1978年，美国著名运筹学家A.Charnes和W.W.Cooper提出数据包络分析方法（Data Envelopment Analysis，DEA）。该模型能利用线性规划的方法分析一系列投入和产出指标，以此对相同类型的决策单位的效率进行评估，并提供有用的决策信息。随后，DEA模型被广泛运用于低碳经济效率的研究中。
在国外研究方面，Joshua Ignatius针对应用DEM模型过程中可能存在的投入和产出数据模糊、失真、不对称的问题提出了一个可用于环境效率评估和不同决策单元效率排序的改进的DEM模型，并通过与其他方法比较证明了新模型的有效性和合理性。Toshiyuki Sueyoshi等提出一种介于径向和非径向之间的新DEM方法，并以此评估中国经济发展的可持续性和提出相关政策建议。George Halkos等总结了建模过程中处理非期望产出的几种常用的方法，并分析了每种方法的利弊。
在国内，Jie Wu等基于改进的两阶段DEA模型，对2000—2012年间我国30个地区的低碳经济效率进行了实证分析。陈晓红等建立了进一步改进的三阶段SBM-DEA模型，探究了全要素碳排放效率。改进后的模型通过降低外部随机因素的影响，提高了决策的有效性。刘翔等运用非期望产出的DEA模型，对不同地区的碳减排潜力和低碳经济效率进行了深入研究。李蝶等为了避免传统模型对权重的过度依赖，通过将传统DEA模型与交叉评价机制相结合建立了交叉评价DEA模型，研究了2012年中国30个省份的低碳经济效率。Yongming Han等基于信息熵进一步改进了交叉DEA模型，使权重的计算达到最优。不仅如此，该模型还运用蒙特卡罗模拟使得不同单位间的效率区分更明显。陈莹文等通过改进的SBM模型，针对2012—2016年间我国30个省市的环境数据，研究了我国能源结构调整对环境效率的影响;并提出在节能减排方面，提高能源利用效率比调整能源结构更有效。上述学者的研究结果均表明我国的环境效率呈现出明显的地区差异。东部地区的环境效率总是显著高于中西部地区，中部地区的环境效率在大部分年份高于西部地区。Jie Wu经过深入分析还发现，我国中部地区的减排效率高于西部地区，而西部地区的治理效率高于中部地区。学者们还针对环境效率的差异，对不同地区提出了不同的政策建议。
二、实证分析
（一）变量设定与数据来源
城市是一个区域经济发展的重要引擎，也是落实节能减排任务、进行生态文明建设的重要主体。本文尝试从环境效率的角度对长三角地区城市环境保护与经济发展双赢的程度进行评价，并探寻改善潜力。在进行环境效率测算时，采用了劳动力、资本和能源，这也是被普遍接受的投入变量（Wang et al.，2015）。其中，劳动力表示的是城市年末的就业人数，资表示的是固定资产的投资总额，能源表示的是全年能源消耗总量。经济发展是一个城市经过要素投入后最重要的产出，因此将国内生产总值GDP作为期望产出的代表。在研究低碳经济时，城市的非期望产出采用二氧化碳排放量。
碳排放量的计算方法基于 IPCC《国家温室气体排放清单指南》（2006年版）。根据《中国统计年鉴》口径，将能源种类划分为10类，其标准量转化系数和碳排放系数，转换系数的计量单位天然气为吨标准煤/万立方米，其余能源的单位为吨标准煤/吨，碳排放系数的单位为吨碳/吨标准煤。所有数据来源于2013—2017年《中国城市统计年鉴》和各省区及城市的统计年鉴及统计公报。变量的描述性统计，可以看出，长三角地区各个城市的投入和产出也是有一定差异的，分别从劳动力、资本和能源看，最大的是最小的30倍、16倍和99倍。与之相比较，期望产出GDP和非期望产出CO2则是相差60倍左右，投入和产出都呈现一定程度的右偏分布，在之后的环境效率测算中，要充分考虑分布差异。 （二）环境效率的DEA模型构建
为衡量长三角地区城市的环境效率情况，不妨设有N个被评价城市（即N个决策单元DMU），每个城市通过P种要素投入x=（x1，…，xP）可生产出Q种期望产出为y=（y1，…，yQ）和M種非期望产出b=（b1，…，bM）。因此认为，长三角地区的城市具有类似或一致的生产技术，可形成一个生产前沿，即共同前沿（GEE，group frontier）。
在包含非期望产出的生产框架下，进一步用产出导向的方向性距离函数来定义环境效率。方向性距离函数同样是将产出（期望和非期望）与投入结合，是传统Shephard距离函数更一般化的形式（Wang et al.，2014）。式（1）表示了共同前沿下的产出距离函数。
g=（gy，-gb）是产出的方向向量。方向向量g寻求期望产出在gy方向上的最大扩张及非期望产出在gb方向上的最大收缩。当方向向量取g=（0，-gb）时，表明在环境效率评价时只要求实现非期望产出的减少;而当方向向量取g=（gy，-gb）时，则表明环境效率的评价是以“又好又快”和环境与经济双赢为准则的。显然，后一种环境效率的评价具有更高的要求，也更符合“环境友好型”的社会建设目标。
（三）模型结果与分析
根据式（2）进行计算，得到长三角22个城市2014—2017年的环境效率值，按照空间范围从大到小形成。
1.从长三角地区的整体低碳经济效率看，长三角地区所有城市的环境效率年度均值是0.7976，总体上还未实现经济发展与低碳环境效率的双赢，这也说明增加期望产出并减小CO2排放的潜力达到21%。2014—2017年，长三角地区的低碳环境效率从0.7755逐年上升到0.8354，而且增幅也是在不断增加的，这与我国绿色金融发展政策的提出也是同步的。这说明2015年以来，生态环境政策取得了成效，供给侧结构性改革的成果也在逐步显现，长三角地区在经济高速发展的同时，也越来越重视生态文明质量。
2.从长三角“三省一市”的角度看，上海市的低碳环境效率最高，2014—2017年的低碳经济效率呈现逐年增长趋势，年度平均为0.9864，2017年的低碳经济效率值达到了1，环境治理与经济发展逐步实现了较好的融合。江苏省城市和浙江省城市的低碳经济效率平均水平相似，分别为0.8170和0.8374;但是两省低碳经济效率的标准差分别为0.1360和0.1789，说明江苏省位于长三角区域的8个城市内部差异较小，而浙江省位于长三角区域的7个城市的城市间差异较大;在长三角地区城市的比较中，安徽省的城市低碳经济效率水平较低，平均只有0.6937，这和安徽省城市的工业结构相关，也说明了安徽省的低碳经济效率还有很大的提升空间。
3.从长三角地区的22个城市角度看，各个城市的低碳经济效率呈现阶梯型分布，65%的城市2014—2017年呈现低碳经济效率逐年上升的趋势，说明长三角地区城市的低碳经济建设前景是良好的。可以看出，在长三角的数据包络分析中，2017年有9个城市的低碳经济效率达到了1，分别是上海、南京、无锡、常州、苏州、杭州、绍兴、舟山和滁州。长三角地区低碳经济效率较低的城市主要集中在安徽省，如马鞍山的能源消耗量较大并且CO2排放量也较大，所以没有很好地实现低碳经济，具有很大的发展与改革空间。总之，这22个城市都是有着低碳经济效率不断提高的趋势，同时表现出经济发达地区的低碳经济效率优于经济欠发达地区。
结语
本文使用DEA模型对长三角地区的低碳经济效率进行分析与评价，得到以下结论。
第一，长三角地区的低碳经济效率值从2014年以来呈现增长趋势，从2014年的上升到0.7755到2017年的0.8354，体现了长三角地区生态文明的建设成果在不断显现，在经济发展的同时不断提高低碳环境效率。
第二，长三角地区目前的低碳经济水平还不高，近四年平均为0.7976，2017年为0.8354，目前还有约16%的增长空间，尚未实现经济发展与环境建设的双赢格局。这说明，低碳经济的政策还要进一步落实，在提高总产出并减小CO2排放量的实践上还要继续推进。
第三，从长三角地区的内部比较来看，经济更加发达的地区，低碳经济效率值更高，说明经济发展程度与环境建设是不矛盾的。原因有四点：一是在社会意识层面，经济发达地区的人们会更加关注生态环境的建设;二是在产业结构层面，经济发达的地区第三产业占比高，碳排放量相对指标较小;三是在微观企业层面，高污染高排放性企业在罚款或者税收的压力下，由于环境成本大，会向人力成本较小的欠发达地区迁移;四是治理技术层面，经济发达地区的污染治理水平较高，能源利用率也高，所以经济发达地区呈现更高的低碳经济效率。
参考文献：
[1] Ignatius J.，Ghasemi M.，Zhang F.，et al..Carbon efficiency evaluation：An analytical framework using fuzzy DEA[J].European Journal of Operational Research，2016：S0377221716300340.
[2] Han Y.，Long C.，Geng Z.，et al..Carbon emission analysis and evaluation of industrial departments in China：An improved environmental DEA cross model based on information entropy[J].Journal of Environmental Management，2017，（205）：298-307.
[3] Wang Q.，Zhao Z.，Shen N.，et al..Have Chinese cities achieved the win-win between environmental protection and economic development？ From the perspective of environmental efficiency[J].Ecological Indicators，2015，（51）：151-158.
[4] Wang，Shuang.Analysis on Efficiency Evaluation of Regional Energy-Saving and Emission-Reduction Based on DEA Model[J].Advanced Materials Research，2015，（1092-1093）：1581-1584.
[5] Wu J.，Yin P.，Sun J.，et al..Evaluating the Environmental Efficiency of a Two-stage System with Undesired Outputs by a DEA Approach：An Interest Preference Perspective[J].European Journal of Operational Research，2016，（3）：1047-1062.
[6] 蔡传里，许桂华.环境规制的实际效果检验：实现经济与环境双赢了吗[J].财会月刊，2019，（9）：131-141.