碳排放約束下我國省際工業(yè)生產效率及空間分析

肖枝洪，冉 波

(重慶理工大學 理學院，重慶 400054)

碳排放約束下我國省際工業(yè)生產效率及空間分析

肖枝洪，冉 波

(重慶理工大學 理學院，重慶 400054)

以我國30個省市區(qū)1995—2015年工業(yè)生產面板數(shù)據(jù)為研究對象，運用SBM模型測算碳排放約束下我國省際工業(yè)生產效率值，然后運用Moran指數(shù)對省際工業(yè)生產效率進行空間相關分析。結果表明：在碳排放約束下我國省際工業(yè)生產效率呈現(xiàn)“先減后增”的趨勢，到了2015年,各省市區(qū)工業(yè)生產都處在效率前沿上；2013年之前，“1值單元”的省份主要集中在東部，且“1值單元”的省份隨著年份增加呈現(xiàn)增加趨勢；各省市區(qū)的工業(yè)生產效率空間上存在正相關關系，東部省份主要呈現(xiàn)高高型聚集特征，西部省份呈現(xiàn)低低型聚集特征。

工業(yè)生產效率；化石碳排放；SBM模型；空間相關

近年來我國工業(yè)生產效率受到了廣大學者的高度關注。已有研究文獻大致可以劃分為3類：第一類是研究某個具體因素對工業(yè)生產效率的影響。如施潔等研究了基礎設施對工業(yè)效率的影響，認為基礎設施對工業(yè)效率的提升存在顯著的促進作用[1]；梁紅艷等分析了物流業(yè)對工業(yè)效率的影響，認為物流業(yè)能夠促進工業(yè)效率的提升[2]；徐志偉等研究了水資源對工業(yè)效率的影響，認為工業(yè)廢水排放達標率對效率提升具有正向作用[3]；余泳澤等探究了金融聚集對工業(yè)效率的溢出效應，認為金融服務業(yè)的聚集間接提升了工業(yè)效率[4]。第二類是測度工業(yè)生產效率的不同方法。如王燕等運用共同前沿法分析了能源約束下的工業(yè)效率，認為考慮能源環(huán)境約束下的區(qū)域工業(yè)全要素生產率逐年提高[5]；吳英姿等采用方向距離函數(shù)對工業(yè)生產效率進行測度，認為綠色生產率先升后降，對工業(yè)低碳發(fā)展有顯著正向影響[6]；Zhang等采用三階段數(shù)據(jù)包絡法研究工業(yè)生態(tài)效率，認為生態(tài)環(huán)境協(xié)調發(fā)展對工業(yè)化有至關重要的作用[7]；劉勇等比較了6種DEA模型，認為基于松弛測度的SBM模型效果較好[8]。第三類是研究工業(yè)生產效率的時空差異。如韓元軍等分析了環(huán)境規(guī)制強度下的區(qū)域工業(yè)效率，認為相同規(guī)制條件下各區(qū)域的工業(yè)效率存在差異[9]；楊林川等研究了中國區(qū)域工業(yè)發(fā)展狀況的時空差異，認為區(qū)域工業(yè)發(fā)展有一定程度的分化，但區(qū)域間差距呈現(xiàn)逐年縮小的趨勢[10]。

雖然第一類研究文獻對影響工業(yè)生產效率的某個特定因素進行了比較深入的研究，揭示了特定因素對工業(yè)生產效率的影響關系，但是缺乏考慮碳排放因素對工業(yè)生產效率的影響。第二類研究文獻雖然運用不同的方法對工業(yè)生產效率進行了測度，但是這些方法沒有充分考慮投入產出的松弛性問題，從而導致結果有偏差[11]。第三類研究文獻雖然對我國工業(yè)生產效率的區(qū)域差異性進行了研究，但是卻較少對省際工業(yè)生產效率的空間相關性及聚集性進行分析，導致對區(qū)域差異認識不全面。由于SBM模型能充分考慮非期望產出問題和投入產出的松弛性問題，所以本文用SBM模型來測算碳排放約束下我國省際工業(yè)生產效率，運用所測得的效率值對省際工業(yè)生產效率做空間相關分析，從而尋找工業(yè)生產效率的時空差異，為我國各省市區(qū)的工業(yè)發(fā)展提供決策參考。

一、模型設定及指標數(shù)據(jù)選取

(一)SBM模型介紹

我國省際工業(yè)生產效率的SBM模型[12]可以表示為下述非線性規(guī)劃問題：

sg≥0,sb≥0,λ≥0

(1)

其中：ρ表示省際工業(yè)生產效率值；X、Yg、Yb分別表示各省市區(qū)工業(yè)生產的投入、期望產出與非期望產出；s-、sg、sb分別表示各省市區(qū)投入的松弛量、期望產出的松弛量和非期望產出的松弛量；λ表示權重；m表示投入指標個數(shù)；h和p分別表示期望產出和非期望產出指標個數(shù)。當ρ=1時，各松弛量均為0，表明所評價的決策單元有效率，即該省當年的工業(yè)生產是有效率的；當ρ<1時，表明所評價的決策單元無效率，需要進行改進。

(二)碳排放測算方法

根據(jù)各省市自治區(qū)規(guī)模以上企業(yè)實際消耗的8種化石終端能源(原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣)的總消費量估算出各省市區(qū)的CO2排放量(未考慮其他形式導致的碳排放，下文指的碳排放均為這8種化石能源消費產生的CO2排放量)，其計算公式[13]如下：

(2)

表1 8種主要化石能源的碳排放計算參數(shù)

(三)空間自相關方法

本文采用Moran指數(shù)對我國省際工業(yè)生產效率的全局空間相關性進行檢驗。Moran指數(shù)[15]的定義如下：

(3)

(4)

其中：E(I)為Moran’I的期望，SD(I)為Moran’I的方差。

局部空間自相關主要是研究各省份和鄰近省份工業(yè)生產效率的空間差異。局部Moran’I由全局Moran’I分解得到：

(5)

(四)數(shù)據(jù)指標的選取與解釋

在省際工業(yè)生產效率測算方面，本文收集了中國大陸30個省、自治區(qū)、直轄市1995—2015年的工業(yè)生產相關數(shù)據(jù)，來源于國家統(tǒng)計年鑒和地區(qū)統(tǒng)計年鑒。數(shù)據(jù)指標具體包括：投入指標(x)包含固定資產凈值年平均余額、從業(yè)人員年平均人數(shù)和市場化指數(shù)[17],期望產出(yg)為工業(yè)增加值，非期望產出(yb)為工業(yè)消費化石能源產生的二氧化碳排放量。

二、結果分析

(一)化石能源工業(yè)消費二氧化碳排放量測算結果

化石能源是工業(yè)生產不可或缺的投入要素，也是工業(yè)碳排放的主要來源,所以對工業(yè)碳排放測算顯得十分重要。根據(jù)式(2)測得1995—2015年30個省市區(qū)化石能源工業(yè)消費二氧化碳碳排放量如表2，部分工業(yè)消費化石能源的缺失數(shù)據(jù)根據(jù)統(tǒng)計方法進行填補。

由表2可以得知，整體上，我國化石能源工業(yè)碳排放量呈上升趨勢，這與我國正處于社會主義初級階段的基本國情相吻合，國家基礎建設離不開工業(yè)的支持，二氧化碳排放量增加在所難免。還可以由表2得知，2010年以前的二氧化碳排放量增速高于2010年后的碳排放量增速。這是因為政府高度重視經濟與環(huán)境的協(xié)調發(fā)展，使我國的碳排放量增速逐年放緩。例如在北京、上海、湖北和云南，北京、上海和湖北由于工業(yè)企業(yè)的改造和升級，碳排放量近年來呈下降趨勢；云南由于大力發(fā)展旅游業(yè)，注重環(huán)境質量，碳排放量近年來呈下降趨勢。因此，將來中國改善碳排放工作的重點應該是實現(xiàn)經濟增長模式由粗放型向集約型轉變,著重調整工業(yè)結構和能源消費結構[18]。

表2 部分年份我國省際化石能源工業(yè)消費二氧化碳排放量 104 t

(二)省際工業(yè)生產效率測算

對投入產出數(shù)據(jù)進行分析前，先對模型涉及的投入產出變量進行相關性檢驗，所用的方法為Spearman相關分析法[19]，由于省份較多，檢驗所用的數(shù)據(jù)為省際的年平均值。相關系數(shù)通過了5%的顯著性水平檢驗，說明投入產出指標之間存在顯著的正相關關系，也就是說，當投入增長時，產出也將同時增加[19]。從而說明所選投入產出指標可以進行效率測算。

將二氧化碳排放量作為非期望產出納入投入產出評價體系，根據(jù)式(1)的SBM模型，運用DEA-Solver Pro 5.0軟件測得效率得分，并對效率值作折線圖，如圖1所示。

從圖1可以看出我國1995—2015年的省際工業(yè)行業(yè)生產效率得分情況。從總體趨勢來看，由于各省市區(qū)的趨勢線呈上升趨勢，說明各省份碳排放約束下的工業(yè)生產效率呈現(xiàn)顯著的增長趨勢。此外，由趨勢線的傾斜程度還可以得知，各省市區(qū)的工業(yè)生產效率增加速度存在較大差異。其中2003年出現(xiàn)最低值點，省際工業(yè)生產效率得分均值為0.453 0。這是因為2003年爆發(fā)的“非典”對我國工業(yè)產生了較強的負面影響，雖然疫情得到了有效控制，但是由于從事工業(yè)相關工作的人員流動受到限制，業(yè)務往來和技術交流等出現(xiàn)了一定程度的阻滯，導致我國工業(yè)生產效率降到了最低點。2003年后，工業(yè)生產效率出現(xiàn)增長趨勢，大部分省份在2012年達到了效率最大值,到了2015年，各省份的工業(yè)生產效率均處在效率前沿上，即各省份工業(yè)生產效率均比較理想。從個體發(fā)展趨勢來看，省際的工業(yè)生產效率差異比較大，說明各省份的工業(yè)并不存在統(tǒng)一的發(fā)展路徑。此外，從圖1還可以看出，工業(yè)生產效率達到“1值單元”年份次數(shù)較多的省份為北京、天津和上海，京津滬3個直轄市由于地處東部經濟發(fā)達、資金雄厚的沿海地區(qū)，工業(yè)起步早、發(fā)展快，所以工業(yè)生產效率較高，工業(yè)生產效率“1值單元”的年份也相對較多。

(三)省際工業(yè)生產效率的空間格局

為揭示我國省際工業(yè)生產效率的空間特征及其差異，對計算獲得的省際工業(yè)生產效率的截面數(shù)據(jù)進行分類，運用ArcGIS 10.2軟件分別對2000年和2010年我國省際工業(yè)生產效率值進行空間格局分析，繪制得到圖2。其中黑色為“1值單元”省份，灰色為“非1值單元”，白色為本次未研究省份。

從圖2可以看出，工業(yè)生產效率的“1值單元”主要集中在東部地區(qū)和中西部少數(shù)地區(qū)。2000年“1值單元”的省份，東部地區(qū)有北京、天津和上海，中部省份為安徽，西部也只有云南。2010年“1值單元”的省份為北京、天津、上海、浙江、廣東、海南、云南和新疆8個省市區(qū)，且大多集中在東部，西部為新疆和云南，中部沒有“1值單元”省份。結合圖2和表3可以看出：工業(yè)生產效率“1值單元”省份的空間差異，與地區(qū)追求工業(yè)產值增長時過度依賴消耗化石能源這種粗放的經濟增長方式有關，同時也說明了我國的工業(yè)生產效率形勢不容樂觀，進一步削減化石能源消費，或改用低碳清潔能源來控制碳排放量，是我國工業(yè)生產效率提升需要考慮的現(xiàn)實問題。

注：圖中的時間只顯示了1996年，每個城市的左邊時間為1995年，右邊為2015年，其他年份平均分布在時間軸上

圖1 1995—2015年我國省際工業(yè)生產效率折線圖

(四)省際工業(yè)生產效率的空間相關性檢驗

從圖2的工業(yè)生產效率空間格局圖來看，需要對省際的工業(yè)生產效率進行空間相關性檢驗。本文采用Moran指數(shù)對我國省際能源進行全局空間自相關檢驗，根據(jù)式(3)運用R軟件所得到的檢驗結果見表3。

在10%的顯著性水平下，由P值可知：1995—2012年均通過了顯著性假設檢驗，認為我國工業(yè)生產效率在這期間存在全局空間相關性，2013—2015年未通過顯著性假設檢驗，這是由于各省市區(qū)在這三年的工業(yè)生產效率值差異不是很大，導致各省市區(qū)工業(yè)生產效率的方差S2很小，尤其是到了2014、2015年，省際工業(yè)生產效率均為1，工業(yè)生產效率差異不存在，所以相關性檢驗未通過。1995—2012年，Moran指數(shù)值在0.102 5～0.424 1，說明我國省際工業(yè)生產效率存在空間正相關關系。此外，由于Moran指數(shù)值逐年變化不是太大，說明我國工業(yè)生產效率的空間分布的相關性逐年變化不是太大。

全局相關性整體上反映了我國省際工業(yè)生產效率的聚集性，還需要進一步做省際的局部異同性分析。采用局部空間自相關分析對我國省際工業(yè)生產效率的局部特征進行分析，空間權重為各省會城市經緯坐標的地理距離權重法,結果如圖3所示。

落入第一象限的點為高高型聚集，表明工業(yè)生產效率高的省市聚集在一起，中心省市和鄰近省市的工業(yè)生產效率都高；落入二象限的點為低高型聚集，表明中心省市工業(yè)生產效率較低而鄰近省市的工業(yè)生產效率較高；落入三象限的點為低低型聚集，表明中心省市和鄰近省市的工業(yè)生產效率都較低；落入四象限的點為高低型聚集，表明中心省市的工業(yè)生產效率較高而鄰近省市的工業(yè)生產效率較低。在一三象限的省市區(qū)存在較強的空間正相關，而在二四象限的省市區(qū)存在較強的空間負相關。具體象限對應的省市區(qū)如表4所示。

由表4可以看出，大部分省市區(qū)在一三象限，說明各省市區(qū)工業(yè)在發(fā)展過程中，生產效率存在較大的高低差異，但是這種差距在逐年縮小。生產效率呈高高型聚集的省份大多聚集在東部和東北部，生產效率呈低低型聚集的大多聚集在西部。同時通過查閱資料可以得到，東部省份由于經濟相對發(fā)達，率先進行產業(yè)結構向服務業(yè)和制造業(yè)調整，重點發(fā)展低能耗、低排放、低污染的高新產業(yè)，故而工業(yè)生產效率較高；西部地區(qū)由于地處內陸腹地，交通成本與中部和東部相比較高，所以在發(fā)展經濟時，片面重視工業(yè)的規(guī)模效益，忽視了工業(yè)生產效率的提升，因此生產效率相對較低；中部省份由于近年來經濟不斷發(fā)展，在經濟發(fā)展的同時也比較重視效率的提升，故而工業(yè)生產效率由低轉高；少數(shù)西部地區(qū)的工業(yè)生產效率呈高低型趨勢，應及時調整產業(yè)結構，合理規(guī)劃產業(yè)發(fā)展，提升生產效率。

表3 1995—2015年我國省際工業(yè)生產效率全局Moran’s I統(tǒng)計量

圖3 我國省際工業(yè)生產效率的Moran散點圖

表4 省際工業(yè)生產效率散點圖對應的象限

三、結論與建議

本文采用非期望產出的SBM模型對碳排放約束下我國省際工業(yè)生產效率進行測度、并對省際工業(yè)生產效率進行空間格局研究，分析其空間相關性，得到以下幾點結論：

第一，我國大部分省市區(qū)的化石能源消費所造成的工業(yè)碳排放量呈現(xiàn)上升的趨勢，北京、上海、湖北和云南4個省份出現(xiàn)“先增后減”的趨勢。我國省際的化石能源工業(yè)消費碳排放量增速逐漸放緩，2005年的碳排放量相較于1995年上升了88.7%,2014年相較于2005年上升比率為66.1%。

第二，1995—2015年，我國省際的工業(yè)生產效率呈現(xiàn)“先減后增”的趨勢。大部分省市區(qū)工業(yè)生產效率在2012年以前，都處在非效率狀態(tài)下，2012年后，我國大部分省市區(qū)開始處在效率前沿上，少數(shù)省份的工業(yè)生產效率還有提升的空間，2015年后所有的省市區(qū)都處在效率前沿上。

第三，通過全局空間相關性分析可知，我國30個省市區(qū)的全局Moran指數(shù)處于0.102 5～0.424 1，工業(yè)生產效率存在空間正相關關系。1996年的Moran指數(shù)值為0.266 6，2012年的Moran指數(shù)值為0.421 4,隨著年份增加，Moran指數(shù)有所變化,但變動幅度不大，說明空間相關性變化不大。局部空間相關性分析表明，我國生產效率呈高高型聚集的省份大多聚集在東部和東北地區(qū)，生產效率呈低低型聚集的省份大多聚集在西部地區(qū)。

針對本文的分析結果，提出以下建議：

(1)針對我國大多數(shù)省市區(qū)的化石能源工業(yè)消費的碳排放量呈現(xiàn)上升趨勢，各工業(yè)企業(yè)應該提高能源利用效率，大力發(fā)展低碳清潔能源[22]；加大對工業(yè)生產效率研究的科研投入；總結前面發(fā)展的成功經驗；深入貫徹國家提出的“科技含量高、經濟效益好、資源消耗低、環(huán)境污染少、人力資源優(yōu)勢得到充分發(fā)揮”的新型工業(yè)化路子的方針。

(2)我國省際工業(yè)生產效率在2015年均處在效率前沿上，處在效率前沿上省份的異質性有待進一步研究，各省份應該對自身的工業(yè)生產效率有著清晰而深刻的認識，結合自身發(fā)展的實際情況，借鑒其他省市區(qū)的減排經驗，走低碳高效的工業(yè)發(fā)展之路。

(3)我國省際工業(yè)生產效率存在空間正相關關系，每個省份在發(fā)展工業(yè)經濟時應充分考慮自身的區(qū)域價值[23]，走合理的工業(yè)發(fā)展道路。東部沿海省份可以充分發(fā)展自己的地理交通優(yōu)勢，而中西部省份應發(fā)展自身自然資源和人力資源豐富的優(yōu)勢，增強區(qū)域競爭力，提高工業(yè)生產效率。西部地區(qū)低低型的省份應借鑒東部地區(qū)高高型省份的發(fā)展經驗，加快腹地工業(yè)發(fā)展進程，科學、有序地推進工業(yè)化，形成本地區(qū)特有的競爭力產業(yè)聚集區(qū)。

[1] 施潔,史學貴.基礎設施對工業(yè)效率的影響——基于我國東、中、西部地區(qū)省際面板數(shù)據(jù)的經驗分析[J].經濟問題探索,2012(6):47-53.

[2] 梁紅艷,王健.中國物流業(yè)發(fā)展對工業(yè)效率的影響及其渠道研究[J].科研管理,2013,34(12):120-126.

[3] 徐志偉,溫孝卿.水資源與水環(huán)境雙重約束下的中國工業(yè)效率——基于2000—2010年省際數(shù)據(jù)的經驗研究[J].當代財經,2013(10):86-95.

[4] 余泳澤,宣燁,沈揚揚.金融集聚對工業(yè)效率提升的空間外溢效應[J].世界經濟,2013(2):93-116.

[5] 王燕,謝蕊蕊.能源環(huán)境約束下中國區(qū)域工業(yè)效率分析[J].中國人口·資源與環(huán)境,2012,22(5):114-119.

[6] 吳英姿,聞岳春.綠色生產率及其對工業(yè)低碳發(fā)展的影響研究[J].管理科學,2013,26(1):112-120.

[7] ZHANG J,LIU Y,CHANG Y,et al.Industrial eco-efficiency in China:A provincial quantification using three-stage data envelopment analysis[J].Journal of Cleaner Production,2016，143:238-249.

[8] 劉勇,李志祥,李靜.環(huán)境效率評價方法的比較研究[J].數(shù)學的實踐與認識,2010,40(1):84-92.

[9] 韓元軍,林坦,殷書爐.中國的環(huán)境規(guī)制強度與區(qū)域工業(yè)效率研究:1999—2008[J].上海經濟研究,2011(10):102-113.

[10] 楊林川,洪世鍵,成庚.中國區(qū)域工業(yè)發(fā)展的時空差異——基于偏離-份額分析的Esteban-Marquillas拓展模型[J].合肥工業(yè)大學學報(社會科學版),2016,30(2):8-16.

[11] 李博,張文忠,余建輝.碳排放約束下的中國農業(yè)生產效率地區(qū)差異分解與影響因素[J].經濟地理,2016,36(9):150-157.

[12] DENG G,LI L,SONG Y.Provincial water use efficiency measurement and factor analysis in China:Based on SBM-DEA model[J].Ecological Indicators,2016,69:12-18.

[13] 劉賢趙,高長春,宋炎，等.湖南市域化石能源消費碳排放時空格局及驅動因素[J].生態(tài)學報,2017(7)：2476-2487.

[14] OLIVER J E.Intergovernmental Panel in Climate Change (IPCC)[J].Encyclopedia of Energy Natural Resource & Environmental Economics,2013,26(D14):48-56.

[15] 龍志和,李偉杰.空間面板數(shù)據(jù)模型Bootstrap Moran’sⅠ檢驗[J].統(tǒng)計研究,2014,31(9):97-101.

[16] 鄧若冰,劉顏.工業(yè)集聚、空間溢出與區(qū)域經濟增長——基于空間面板杜賓模型的研究[J].經濟問題探索,2016(1):66-76.

[17] 樊綱,王小魯,馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究,2011(9):4-16.

[18] 馬大來,陳仲常,王玲.中國省際碳排放效率的空間計量[J].中國人口·資源與環(huán)境,2015,25(1):67-77.

[19] 肖枝洪.多元數(shù)據(jù)分析及其R實現(xiàn)[M].北京：科學出版社,2013:69-80.

[20] 王婷婷.基于DEA、FDA的中國省際能源效率測度研究[M].北京：清華大學出版社,2015:171-173.

[21] 中華人民共和國國家統(tǒng)計局.國家數(shù)據(jù)(1995—2014).[EB/OL].http://data.stats.gov.cn/easyquery.htm?cn=E0103.

[22] 章曉英,李陽. 重慶市碳排放趨勢及產業(yè)關聯(lián)性分析——基于灰色理論的實證研究[J].重慶理工大學學報(社會科學),2015(4):21-27.

[23] 金碚.大國筋骨[M].廣州：廣東經濟出版社,2015:253-264.

AnalysisoftheInter-provincialIndustrialProductionEfficiencyandSpaceinChinaUnderCarbonEmissionConstraints

XIAO Zhihong, RAN Bo

(Faculty of Science, Chongqing University of Technology, Chongqing 400054, China)

Based on the panel data of industrial production in 30 provinces, municipalities and autonomous regions in China from the year 1995 to 2015, the SBM model with non-expected output is used to measure the efficiency of the inter-provincial industrial production under the constraint of carbon emission and the efficiency of inter-provincial industrial production through Moran index. The aggregation situation is analyzed in this paper. The results show that under the constraint of carbon emission, the efficiency of inter-provincial industrial production in China shows the trend of “decreasing first and then increasing”, and the provincial and municipal areas are in the forefront of efficiency in 2015. The provinces of “1-value unit” are mainly concentrated in the east and the minority located in the western region, and also the provinces of “1-value unit” show an increasing trend with the increase of the year. There is a positive correlation between the industrial production efficiency in the provinces, municipalities and autonomous regions. Moreover, while the eastern provinces mainly show high and high aggregation characteristics, and the western provinces show low and low aggregation characteristics.

industrial production efficiency; fossil carbon emission; SBM model; spatial correlation

2017-07-08

國家統(tǒng)計局科研重點項目“多數(shù)據(jù)源的整合與價值挖掘研究”(2014LZ25)；重慶理工大學研究生創(chuàng)新基金項目“重慶市房地產項目風險預警系統(tǒng)”(YCX2016241)

肖枝洪，男，湖北漢川人，教授，研究方向：應用統(tǒng)計、數(shù)據(jù)分析。

肖枝洪，冉波.碳排放約束下我國省際工業(yè)生產效率及空間分析[J].重慶理工大學學報(社會科學)，2017(10):29-36.

formatXIAO Zhihong, RAN Bo.Analysis of the Inter-provincial Industrial Production Efficiency and Space in China Under Carbon Emission Constraints[J].Journal of Chongqing University of Technology(Social Science)，2017(10):29-36.

10.3969/j.issn.1674-8425(s).2017.10.005

F205

A

1674-8425(2017)10-0029-08

(責任編輯魏艷君)