论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　摘要:本文基于方向距离函数的SML指数方法和DEA方法分别测算了1995－2009年我国工业绿色生产率和减排成本，然后基于面板数据模型估计方法，探讨了工业减排绩效和成本的影响因素及其行业差异。研究结果表明，我国工业绿色生产率先升后降，其增长的主要动力来自绿色技术进步;工业减排成本呈波动式增长趋势，低排放强度行业较高;绿色生产率促进工业减排绩效增长，低排放强度行业中绿色技术进步的减排作用较大，高排放强度行业中绿色技术效率的减排作用更明显;绿色生产率对工业减排成本的影响作用不明显，优化能源结构会降低高排放强度行业减排成本，人力对资本的替代有利于低排放强度行业减排成本的降低。

　　关键词:工业;绿色生产率;减排绩效;减排成本

　　1、引言

　　长期以来，中国面临着与日俱增的资源与环境的压力，工业能耗与排放是这些压力的主要来源。随着工业化、城镇化进程加快，中国工业在国民经济中的比重仍将在相当长一段时期内居于主导地位，因此要实现经济低碳发展必须关注工业减排，也就需要重视工业的绿色生产率、减排绩效和减排成本。我国工业绿色生产率如何，是否有利于减排绩效的增长和减排成本的下降，如何提高工业减排的绩效、降低减排的成本，这些问题值得深入研究，也是本文研究的主要内容。

　　Ramanathan(2002)认为在评价生产绩效时应考虑所有相关变量，包括资本存量、劳动力、能源消耗、经济总产出和CO2排放，即“全要素”思想。Malmquist－Luenberger指数方法在宏观层面的全要素环境绩效评价中得到较为广泛的应用。Kumar(2006)运用ML技术研究了1973－1992年间41个国家的环境绩效;Zhouetal.(2010)基于ML指数测算了1997－2004年期间18个高碳排放国家的CO2排放绩效，结果都表明技术进步是全要素生产率增长的主要动力。一般而言，在宏观经济视角下技术总是进步的，至少维持在原有水平不会倒退。传统ML指数方法在估算环境绩效时通常会得出长期的技术退步，尤其在工业的环境绩效测算中，传统ML指数表现出更为频繁的技术退步(Shestalova，2003)。

　　为了避免传统ML指数方法的这一缺陷，Oh和Heshmati(2010)结合序列生产可能集(Tulkens和VandenEeckaut，1995)和方向距离函数处理环境污染变量的方法(F¨are，2007)，提出SML(SequentialMalmquist－Luenberger)指数方法，并对26个OECD国家1970－2003年间的环境绩效进行测算，结果表明全要素生产率增长的主要动力在样本前期来自技术效率，后期来自技术进步。陈震(2012)运用SML指数对我国1998－2009年省域碳排放绩效进行测算，结果显示技术进步促进了碳排放绩效增长。

　　中外学者从不同角度论证了技术进步对工业低碳发展的重要性。Bosetti等(2006)建立技术内生化模型，发现研发投资和“干中学”是诱导企业采用环境友好型技术的主要因素，最终将导致能耗与排放强度下降。Cole等(2008)发现中国工业污染排放与全要素生产率、研发支出成反比。姚西龙和于渤(2012)、何小钢和张耀辉(2012)实证证明中国工业技术进步对二氧化碳排放具有显著抑制作用。Gerlagh(2007)、Weber和Neuhoff(2010)认为企业减排的技术创新将促进碳减排成本下降，使得碳价格降低，从而降低强制性减排下企业的负担。

　　影子价格反映资源最优使用时的价格，是“机会成本的货币表现”。碳排放影子价格反映了在其他条件不变时，每减少单位碳排放所带来经济收益的减少，因此碳排放影子价格常被当作减排边际成本，为碳排放的交易定价(F¨are等，1993)。影子价格通常采用两种方法来估计:

　　一种是参数化方法，包括基于Shephard距离函数的参数方法(Lee，2005)和基于方向距离函数的参数方法(F?re等，2006;陈诗一，2010)，相对于Shephard距离函数方法，方向距离函数对产出和环境污染进行了区分，因此是估算环境成本更合理的方法;另一种是基于数据包络分析(DataEnvelopmentAnalysis)的非参数化方法，陈诗一(2010)、刘明磊等(2011)基于方向距离函数的DEA方法估算了碳排放的影子价格。基于方向距离函数的DEA方法的优势在于既区分了产出和环境污染，又无需预先设定环境成本估算的生产函数模型，对估算出的环境成本也没有符号的限制(Boyd等，1996)。

　　从目前研究来看，现有关于工业绿色生产率的测算都是运用Malmquist或传统ML指数方法，存在虚假技术退步缺陷，且大多未同时考虑能源和排放因素，无法全面、客观的反映工业绿色生产率，在研究技术进步与工业减排的关系中没有过多关注工业的碳排放特征和减排成本。在已有研究基础上，本文采用SML指数方法测算工业绿色生产率，基于方向距离函数的DEA方法估算工业减排成本，然后基于面板数据模型估计方法，结合工业碳排放特征，分析绿色生产率对工业减排绩效和减排成本的作用，识别工业减排绩效和成本的主要影响因素及其行业差异，为正确选择工业减排手段提供经验和数据借鉴。

　　2、方法、模型与数据

　　2.1SML指数方法

　　SML指数方法是对传统ML指数方法的改进，用序列生产可能集替换当期生产可能集。第t期序列生产可能集为:珔Pt(xt)=P1(x1)∪P2(x2)∪…∪Pt(xt)，1≤t≤T，其生产可能边界包含了从1期到t期所有的投入产出数据，保持了生产的连续性，规避了虚假的技术退步效应(Oh和Heshmati，2010)，估算结果相对传统的ML指数更加真实稳健。假设t=1，…，T时间段第k=1，…，K个行业的投入产出值为(xkt，ykt，bkt，)，建立满足上述生产可能性的序列生产可能集合:Ps(x)=(y，b)|Σst=1Ytλt≥y，Σst=1Bt∨t=b，Σst=1{Xtλt≤x，λt≥0}。

　　其中，Yt，Bt，Xt分别代表t时段(M×K)阶经济产出矩阵，(J×K)阶碳排放矩阵，(N×K)阶生产要素投入矩阵(这里包括资本存量、劳动力和能源);y，b，x分别代表(M×1)阶经济产出，(J×1)阶碳排放，(N×1)阶生产要素投入;λt为(K×1)阶向量代表每个观测值的权重。

　　我国目前工业的发展现状是经济增长伴随碳排放量增加，而低碳发展模式追求保证经济增长同时减少碳排放量。基于方向距离函数的SML指数方法测算的全要素生产率区分了经济产出和碳排放，能比较客观的反映低碳经济增长的生产率(Oh和Heshmati，2010)，因此在具体测算过程中，本文基于方向距离函数的SML指数方法对我国工业绿色生产率进行测算。方向向量定义为g(gy，gb)=(θy，－θb)，表示经济产出增长的同时减少碳排放量，工业方向距离函数为:D(x，y，b;1，－1)=max{θ:((1+θ)y，(1－θ)b)∈P}(2)结合序列生产可能集珔Ps(x)和方向距离函数，工业绿色生产率指数(SML)定义如下(Oh和Heshmati，2010):SMLt，t+1=(1+Dt(xt，yt，bt))(1+Dt(xt+1，yt+1，bt+1))(1+Dt+1(xt，yt，bt))(1+Dt+1(xt+1，yt+1，b[t+1))]1/2(3)这里SMLt，t+1＞1，SMLt，t+1＜1和SMLt，t+1=1分别表示t期到t+1期绿色生产率有所提高，下降和不变。绿色生产率指数(SML)可以进一步分解成为绿色技术效率指数(SEF)和绿色科技进步指数(STE)。

　　为了计算工业行业在t期到t+1期的SML指数，必须解答四个线性规划问题，即:Dt(xt，yt，bt)，Dt+1(xt+1，yt+1，bt+1)，Dt+1(xt，yt，bt)和Dt(xt+1，yt+1，bt+1)，具体估算方法详见Oh和Heshmati(2010)。

　　2.2减排成本估计模型

　　工业减排成本在数值上相当于减少单位碳排放所需放弃的工业经济产出，在具体估算过程中，需要将经济产出和碳排放进行区分，因而基于方向距离函数的DEA方法是估算工业减排成本较合理的方法，且不必对工业生产函数进行预先设定。本文基于估算影子价格的DEA方法，利用方向距离函数技术估计中国工业碳减排成本。

　　假设(y*，b*)为工业更有效率的方向向量，在取得式(2)的距离函数值珝D(x，y，b)后，工业(y，b)减排的有效路径为:y*=(1+珝D(x，y，b))y;b*=(1－D(x，y，b))b。