中國省際碳排放效率的空間計量

馬大來+陳仲常+王玲

摘要

本文基于至強有效前沿的最小距離法測算了我國1998-2011年的省際CO2排放效率，這種方法的優點是效率達到生產前沿后在投入或產出方面所做出的改動最小。然后在此基礎上分析了我國省際碳排放效率的區域差異性以及空間相關性，最后運用 1998-2011 年我國 30個省份的面板數據，建立空間面板數據模型，對我國碳排放效率的影響因素進行了實證研究。研究結果表明：樣本期內，我國省際碳排放效率表現出較大的省際差異性，東部沿海省份的平均碳排放效率顯著高于內陸省份。分地區看，東部地區的碳排放效率走勢相對平穩，全國及中西部地區的碳排放效率則呈現出“U”型曲線的走勢，并且東部地區的碳排放效率明顯要高于中西部地區;空間自相關Morans I

檢驗顯示，省際碳排放效率在空間上存在著顯著的空間自相關性，具有明顯的集群趨勢，而空間LISA圖則表明省際碳排放效率不僅具有空間依賴性的特征，同時也有空間異質性的表現;經濟規模、工業結構和能源消費結構對碳排放效率造成了較大的負面影響，對外開放、企業所有制結構以及政府干預對碳排放效率有正向影響，而產業結構對碳排放效率的影響則不顯著。因此，對于將來中國提高碳排放效率工作的重點應該是實現經濟增長模式由粗放型向集約型的轉變，著重調整工業結構和能源消費結構，同時進一步提升對外開放的質量，加強政府的碳減排工作力度。

關鍵詞碳排放效率;空間計量;至強有效前沿的最小距離法

中圖分類號F224.3文獻標識碼A文章編號1002-2104（2015）01-0067-11

doi：103969/jissn1002-2104201501010

自英國2003年提出發展“低碳經濟”的倡導以來，減少CO2排放量，提高碳排放效率，發展低碳經濟已經成為世界各國的共識。中國在2009年哥本哈根召開的世界氣候大會上也做出承諾，到2020年中國單位GDP的CO2排放量將下降40%-45%。鑒于中國自2007年以后成為僅次于美國的全球第二大溫室氣體排放的國家，減少CO2排放量，提高碳排放效率將會成為中國長期關注的重要問題。但是目前我國仍然處于高速工業化和城市化的發展時期，特別是我國能源利用技術和效率普遍低于發達國家，導致我國的CO2排放量居高不下。2012年我國共消費了36.2億t標準煤的一次能源，占世界能源消耗總量的20%，其單位GDP能耗是世界平均水平的2.5倍，美國的3.3倍，日本的7倍，高于同期的巴西、墨西哥等發展中國家。我國目前仍然是高能耗高排放的粗放型經濟增長模式，過多的化石能源消耗排放了大量的CO2，給我國CO2的減排工作帶來了較大壓力。轉變經濟增長模式，提高碳排放效率，實現2020年單位GDP的CO2排放量下降40%-45%的預期目標，已經成為社會各界關注的重要問題。

盡管碳排放效率的概念出現已久，但是學術界對此還沒有明確性的統一定義。目前大多數學者廣泛認定碳排放效率概念是以較少的CO2排放來取得較高的經濟增長和較少的能源消耗。不少學者將碳排放、經濟發展和能源消費結合起來，提出了一系列評價CO2排放效率的指標，諸如單位能源的CO2排放量、單位GDP能耗、單位GDP的CO2排放量、人均單位GDP的CO2排放量等。盡管碳排放、經濟發展和能源消費三者的關系緊密，但是以上概念均有失偏頗，譬如僅僅將經濟發展與CO2排放兩者結合，或者是能源消費與CO2排放結合，而三者的關系未能有機的聯系起來。也有學者將碳生產率近似看作為碳排放效率，將其定義為單位CO2的GDP產出水平。這個概念盡管重點強調了CO2排放與經濟增長的關系，但是割裂了CO2排放與能源消費的內在有機的聯系，因此也存在偏差。借鑒以上概念，本著全面性和準確性的原則，從經濟學投入和產出的角度出發，將CO2排放也作為經濟學上的一種產出，本文將碳排放效率定義為在資本、勞動和能源投入不增加的前提下，所能得到的最大經濟增長和最少CO2排放。這種典型的投入產出關系，即為碳排放效率。

馬大來等：中國省際碳排放效率的空間計量

中國人口·資源與環境2015年第1期

1文獻回顧

近幾年，碳排放效率已經成為學術界的重要議題，受到國內外學者的普遍關注。目前國外學者對于碳排放效率的研究均集中于方法研究以及衡量指標的確定。Kaya and Yokobori[1]首先提出了碳生產率概念，定義碳生產率為CO2排放量比上名義GDP。Sun[2]也認為，以單位GDP的CO2排放量作為衡量碳排放率的指標也是評價一個國家節能減排的重要標準。然而也有學者持有不同的觀點。Mielnik and Goldember[3]提出了碳指數概念，具體定義為單位能源消耗的碳排放量，以此來衡量發展中國家為節能減排和應對氣候變化所做出的貢獻。Ang[4]同樣把能源消費強度作為碳指數指標來衡量一個國家碳排放績效?？梢钥闯?，無論以GDP作為基礎還是以能源消費作為基礎，其出發點均立足于CO2排放量，但是以GDP作為基礎的碳排放效率指數是有利于發達國家的，因為發達國家的GDP總量普遍較高，而以能源消費作為基礎的碳排放效率指數對發展中國家更有利。與其立足于碳排放效率概念的爭執，許多學者更注重于碳排放效率的測量方法研究。Zhou、Ang and Han[5]以世界CO2排放量最高的18個國家作為研究對象，采用MCPI指數測量了其碳排放效率，并且在此基礎上對碳排放效率的影響因素做了相關性分析。Zaim and Taskin[6]、Zofio and Prieto[7]等均以CO2排放量作為非期望產出，運用DEA方法對OCDE國家的碳排放效率進行了測度并且分析了差異性所在。Marklund and Samakovlis[8]則基于二次方向的距離函數模型，測算了歐盟國家碳排放的減排成本。

國內學者對于碳排放效率研究起步較晚，并且大多數注重測量方法和影響因素的研究。魏梅、曹明福、江金榮[9]利用DEA方法測算了1986-2008年期間我國的省際碳排放效率，發現我國各地區的碳排放效率具有發散特征，提高碳排放效率關鍵是要創新碳排放技術。王群偉、周德群等[10]同樣利用DEA方法對我國各省1996-2007年的碳排放績效進行了測量，發現樣本期內我國整體的碳排放績效偏低，并存在較大的區域差異性。李濤、傅強[11]基于非意愿變量 Ruggiero三階段模型，測量了我國29個省份1986-2008年期間的碳排放效率，其結果表明，中國省際碳排放效率呈上升的態勢，其主要原因來自于結構的改善而非技術上的進步。周五七、聶鳴[12]則基于1998-2008年中國30個省份的面板數據，使用包含非期望產出的SBM模型測量了中國的省際工業碳排放效率，并分析了其區域差異性和收斂性，結果表明全國和四大經濟區域的碳排放效率呈上升的態勢，且部分區域只存在條件收斂的趨勢。屈小娥[13]對中國1995-2011年的省際全要素CO2排放效率差異及其影響因素進行了實證研究，發現中國的CO2排放效率呈現出較強的省際差異性。程云鶴、齊曉安、汪克亮[14]基于方向性距離函數，對CO2排放效率進行了MCPI指數擴展，并且以此測量了1998-2010年期間我國30個省份工業CO2排放效率，發現我國的工業全要素CO2排放效率處于一個較低的水平并且區域分化嚴重。王思斯[15]則基于SFA方法測算了我國省際CO2排放效率并且估算了其影子價格，發現碳排放平均無效率值為0.162，且影子價格呈現出先升后降的態勢。

以上可以看出，在已有的研究中，國內外學者均將研究對象所在的區域看作是相互獨立

的，即相鄰區域之間沒有任何聯系的發生，區域間的信息和資源不存在任何的交換和溢出效

應。但是在現實中，相鄰區域之間不可避免地存在著地理空間效應，特別是區域間資源和信

息的流動和交換進一步加劇了區域碳排放的空間溢出和擴散效應，因此，鄰近地區間的碳排

放效率存在著較強的相似性，而距離較遠區域的碳排放效率則存在較大的差異性。但是，隨

著空間效應的加強，區域間碳排放效率的差異性會有逐漸縮小的趨勢，這就意味著區域碳排

放效率有空間相關性的發生。Toblers[16]的地理第一定理也表明，區域間的任何事物都具有

一定的聯系性，事物之間的距離越近，其聯系度會越大，反之，事物之間的聯系度會越小。

基于此，在進行碳排放效率研究時，有必要充分考慮區域之間存在的空間效應問題。

與已有研究不同，本文基于至強有效前沿的最小距離法來測算碳排放效率，有利于提高碳排放效率測算的準確度;其次，基于空間經濟學視角，通過建立包含空間效應的空間面板數據模型來考察碳排放效率的影響因素，提高了模型估算結果的精確度。

2研究方法

2.1碳排放效率測算方法

2.1.1至強有效前沿的最小距離法

本文參考Jahanshahloo et al[17]和Aparicio et al[18]提出的至強有效前沿的最小距離法，即通過將L1距離的最小化來確定參考點（或稱為生產前沿上的投影點）的效率測算方法，在此基礎上，提出了包含非期望產出的至強有效前沿的最小距離法。

假設在n個決策單元的生產體系中，每一個決策單元投入了m個生產要素，并且生產出s1個期望產出和s2個非期望產出。定義向量X=（x1，x2，…，xn）∈Rm×n+，

Yg=（yg1，yg2，…，ygn）∈Rs1×n+，

Yb=（yb1，yb2，…，ybn）∈Rs2×n+

分別為要素投入、期望產出、非期望產出變量。假設DMU0=（x0，yg0，yb0）為將要估算的決策單元，生產的所有可能性集合為Pt（x）={（x，y）∶x能生產y}，Fs（P）為生產可能集上的強有效前沿。

在確定行的L1距離基礎上，則至強有效前沿的最小距離法的模型為：

（mSBM）min（∑mi=1s-i0+

∑s1r=1s+r0+

∑s2l=1s-l0）

+M（∑mi=1s-i0+

∑s1r=1s+r0+

∑s2l=1s-l0）

s-i0≥0，i=1，…，m（1）

s+r0≥0，r=1，…，s1

s-l0≥0，l=1，…，s2

max（∑mi=1s-i0+

∑s1r=1s+r0+

∑s2l=1s-l0）

s.t.∑j∈Ecλjxij+s-i0=xi0-s-i0

∑j∈Ecλjygij-s+r0=ygi0+s+r0

（2）

∑j∈Ecλjybij+s-l0=ybi0-s-l0

λj≥0，s-i0≥0，s+r0≥0，s-l0≥0

在式（1）中，

s-i0，s+r0，s-l0，

s-i0，

s+r0，s-l0

為松弛變量，M為取值較大的正數。式（1）和式（2）為一個二層線性規劃，這里我們稱為至強有效前沿的最小距離法，或最小距離的SBM法（mSBM）。之所以稱這個規劃為mSBM，是基于對SBM模型改良的基礎上變動而來，公式（2）如果換成：

min（1-1m

∑mi=1s-i0/xi0

1+1s1+s2（∑s1r=1

s+r0/yr0+

∑s2l=1

s-l0/bl0））

（3）

式（1）和式（3）結合起來就是SBM模型。要使得SBM模型得以實現，則要滿足

∑mi=1s-i0/xi0、

∑s1r=1s+r0/yr0、

∑s2l=1s-l0/bl0

等方程的取值越大越好，通常這三個方程的分母均取值為常數，因此只要實現

s-i0，s+r0，s-l0

等松弛變量的取值越大，SBM模型的約束條件式（3）的取值就越小?；诖?，可以說SBM模型其實是至強有效前沿的最大距離法。

本文通過對比舉例來說明mSBM模型的優點。表1是一個8個決策單元的生產系統，其中包含三個投入要素（x1，x2，x3）、一個期望產出（y）、一個非期望產出（b），分別使用

SBM和mSBM模型測算其效率值。在每一個決策單元中，第一行為數據的初始值，第二行或第三行中括號前的值是目標值，括號中的值為可改進的百分比。

從表1中可以看出，在決策單元C1中，SBM模型里的目標效率要實現最優，其x1、x2、x3和b的數據分別要改進32%、46%、5%和40%才能實現，而mSBM模型里的目標效率實現最優，則只需要x1、x2和y分別改進9%、10%和9%即可。相比較之下，要實現目標函數的最優，mSBM模型里的投入要素和產出結果較SBM模型的改動要小得多。決策單元C4和C8同C1一樣，也是如此。

上面的結果可以看出，為實現目標函數最優，無論從生產要素的投入角度，還是從產出角度看，mSBM模型的改進總幅度要比SBM模型要小得多。因此，在現實中，為提高生產效率，需要大量減少投入或大量增加產出，這樣要付出較高的成本。如果以最小的成本更好的配置生產要素的投入，對于政策決策者具有非常重要的經濟意義。

2.1.2碳排放效率函數

基于至強有效前沿的最小距離法來測算CO2的排放效率，必須首先確定投入和產出變量。本文總共有三個投入變量，分別為資本存量（K）、勞動力投入（L）、能源消耗（E）。產出由期望產出和非期望產出兩個變量組成，其

中，期望產出為各個省的GDP（y）、非期望產出為各省的CO2排放量（b）。這里給資本（K）、勞動力（L）、能源消耗（E）、GDP（y）和碳排放量（b）等變量分別賦予的權重為1/6，1/6，1/6，1/4和1/4。根據Cooper et al[19]的研究，投入無效率、期望產出無效率和非期望產出無效率的定義分別如下：

投入無效率：IEx=12m∑mi=1

s-i0/xi0（4）

期望產出無效率：IEy=14s1∑s1r=1

sy+r0/yr0（5）

非期望產出無效率：

IEb=14s2∑s2l=1

sb-l0/bl0（6）

其中，s-i0/xi0，sy+r0/yr0 ，sb-l/bl0分別為變量可改進百分比。

通過公式（4）-（6）計算的無效率值，根據下面的公式我們可以計算碳排放效率。

CTE=1-IEx1+IEy+IEb（7）

2.2空間計量模型

2.2.1空間自相關系數和空間LISA圖

省際碳排放效率之間存在著相互的空間效應，主要體現在空間相關性和空間異質性兩個方面?？臻g相關性是指臨近省份之間存在的碳排放溢出和擴散效應，空間異質性主要指碳排放效率的空間不均勻性，存在碳排放效率的中心地區和邊緣地區，由此導致碳排放效率存在的省際差異性?？臻g效應可以通過空間自相關系數Global Morans I指標來表示，定義Global Morans I[20]表示為：

Morans I=

n∑ni=1（xi-x）2

∑ni=1∑nj=1Wij（xi-x）（xj-x）

∑ni=1∑nj=1Wij

（8）

其中：Wij為空間權重矩陣，n為空間單元數目，xi和xj分別為i地區和j地區所考察變

量的觀測值，x=（∑ixi）/n為所考察變量觀測值的平均值。一般來說，全局Morans I的取

值大小在-1和1之間，當Morans I的取值為-1時，表明所考察變量具有完全負相關的空間

特性;當Morans I的取值為1時，則意味著所考察變量具有完全正相關的空間特性;而

Morans I取值為0時，則表明所考察變量不存在空間相關性。Morans I取值被測算出來

后，為保證準確性，還要對其顯著性進行檢驗，其檢驗公式為：

Z=[I-E（I）]VAR（I）（9）

全局空間自相關指標Global Morans I只是體現觀測變量的全局空間相關性，對于其內部具體的空間分布特征是無法表征的，因此，本文引入了局部空間相關性指標——局部散點圖（LISA）進一步明確展示觀測變量的空間相關性。定義Local Morans I[21]的表達公式為：

Morans I=

n2∑ni=1（xi-x）2

（xi-x）

∑ni=1∑nj=1Wij（xj-x）

∑ni=1∑nj=1Wij

（10）

2.2.2空間自相關模型、空間誤差模型

經典計量經濟學模型中的前提假定是被考察樣本的空間均質性和獨立同分布性，以及解釋變量固定等嚴格假定的前提。同時普通計量模型在應用普通最小二乘法進行參數模擬時，忽略了殘差項的空間相關性，導致模型估計結果與實際意義存在較大偏差，因而此時需要使用空間計量模型有效解決被考察變量存在的空間依賴性與空間相關性等問題。目前，經典的空間計量經濟模型有空間自回歸模型（SAR）和空間誤差模型（SEM）。定義空間自回歸模型（SAR）[22]為：

y=ρW1y+Xβ+u

u=λW2+ε

ε～N（0，σ2εIn）

（11）

其中，y是被解釋變量;ρ和λ是空間自回歸參數，考察被解釋變量自身空間依賴性的大小;W為形式n×n維的空間權重矩陣，目前普遍用0和1的空間鄰接矩陣;Wy為空間自回歸變量項，ε為隨機誤差項。

空間誤差模型（SEM）[23]為：

y=Xβ+ε

u=λW1ε+μ

ε～N（0，σ2εIn）

（12）

其中，λ為n×1階空間誤差系數，代表了變量殘差空間相關性的大小，μ為服從正態分布的隨機誤差項。β為主要模型回歸參數，考察了被解釋變量X對解釋變量y的沖擊效應?？梢哉f，SEM模型空間相關性體現在隨機誤差項的空間誤差程度。

3碳排放效率評價及空間相關性分析

3.1變量說明與數據來源

測量碳排放效率需要確定投入變量和產出變量，本文選定的投入變量為資本存量、勞動力和能源消耗，產出變量為GDP和CO2，采用DEA軟件進行測算。具體的變量定義為：①資本存量。借鑒單豪杰[24]的研究方法，資本存量采用“永續盤存法”來計算每年各省的實際資本存量，測算公式是Ki，t=Ii，t+（1-δ）Ki，t-1，式中Ki，t為i省份第t年的資本存量，Ii，t為i省份第t年的投資，δ為i省份第t年的折舊率。同時，本文以1952年作為基期價格，采用GDP平減指數法對資本存量進行實際價格的換算。②勞動力。借鑒國外大多數學者以就業人員數量來表征的研究成果，本文以各省年末從業人員來表示。③能源消耗。煤炭、石油和天然氣等三種一次能源的消耗總量，本文采用單位為萬噸標準煤的能源折合系數進行統一折算并加總。④GDP。各省當年的實際GDP，將各省當年的名義GDP以GDP平減指數轉換成1952年為基期價格的實際GDP。⑤CO2排放量。中國的CO2排放量主要來自于工業生產過程中化石原料消耗所產生的，大多數均以煤炭、石油和天然氣等三種一次能源為基準來估算CO2排放的數量。由于我國沒有給出CO2排放量的具體統計數據，因此，本文根據IPCC（2006）指定的國家溫室氣體清單指南第二卷（能源）第六章提供的參考方法，CO2排放量通過以下公式予以估算：

CO2=

∑3i=1Ei×NCVi×CEFi×COFi×（44/12）

（13）

其中，CO2是經過公式推算的碳排放數量。i=1，2，3分別代表煤炭、石油和天然氣等三種一次能源。E代表能源消耗量，通過對三種一次能源折算加總而得，單位為萬噸標準煤。NCV為能源凈發熱值，CEF為碳排放系數，COF為碳氧化因子，44和12分別為CO2和碳的分子量。

鑒于數據的可得性，本文選取1998-2011年期間我國30個省份的面板數據，由于西藏數據缺失嚴重，因此予以剔除，所用數據均來自《中國統計年鑒》、《中國能源統計年鑒》和各地方統計年鑒。

3.2省際平均碳排放效率及區域差異性分析

基于公式（1）-公式（7），經過軟件DEA運行后，表2給出了中國30個省份1998-2011年期間的省際平均碳排放效率。從表3可以看出，僅有遼寧、上海和云南三個省份的平均碳排放效率處于生產前沿，其余省份的平均碳排放效率均未能處于生產前沿。從各省碳排放效率的平均值來看，排在前五位的省份依次是上海、云南、遼寧、天津和福建，其平均碳排放效率均超過了0.9;排名倒數后五位的省份依次是寧夏、內蒙古、新疆、陜西和貴州各省的平均碳排放效率均未超過0.6。由此可見，我國省際碳排放平均效率存在明顯的地區差異性，碳排放效率高的省份大多數分布在中國東部沿海地區，碳排放效率低的省份則主要分布在中國內陸地區。值得關注的是，近幾年，位于中國西部地區云南省份的平均碳排放效率一直處于生產的前沿，與云南本身以農業為主且工業化程度一直較低有很大的關系。

圖1顯示了全國及三大經濟區域1998-2011年的碳排放效率趨勢?？梢钥闯?，全國及三大經濟區域的碳排放效率變動趨勢基本大體一致。除了東部地區的碳排放效率保持基本平穩外，全國和中西部地區的碳排放效率均呈現出“U”型曲線的走勢，1998-2003年的碳排放效率呈現出緩慢下降的趨勢，2004-2007年則呈現出比較平穩的低

水平走勢，2008年以后則呈現出上升的態勢。區域碳排放效率出現以上走勢的原因是，1998-2003年期間我國經濟增長過熱，高投入、高能耗、高排放的經濟增長方式帶來了全國碳排放的大量增加，因此這一時期全國和中西部地區碳排放效率均出現下降的趨勢;2004-2007年期間，我

國經濟增長趨于平穩，政府也開始認識到治理環境污染的重要性，開始著手進行CO2的減排工作，因而此時全國及和中西部地區的碳排放效率表現相對平穩;2008年以后，我國進一步提出了節能減排的約束性目標，2010年的單位GDP的CO2排放量較2005年要減少20%，與此同時，全國經濟增長放緩以及工業結構調整，政府對節能減排環境規制力度的加強，此時碳排放效率出現上升的趨勢。從三大經濟區域碳排放效率的平均值來看，區域分化較為明顯，東部地區的碳排放效率平均值達到0.887 3，大大高于全國0.743 2的平均水平，中部地區和西部地區的碳排放效率平均值分別為0.649 7和0.652 0，明顯低于全國的平均水平。環境倒“U”曲線（KFC）表明，工業化初期，環境污染的程度伴隨著人均GDP的增加而增加，后工業化時期，環境污染的程度伴隨著人均GDP的增加而下降。圖1也印證了這個經濟學原理，經濟發達東部地區的碳排放效率明顯高于經濟落后的中部地區和西部地區。

3.3省際碳排放效率的空間相關性分析

根據式（8）-式（9），所用空間權重矩陣為空間鄰接矩陣的基礎上，經過操作Geoda軟

件，測算出中國1998-2011年省際碳排放效率的Global Morans I數值，具體結果見表3。

可以看出，碳排放效率Global Morans I在通過了10%的顯著性檢驗的基礎上均為正值，且

Morans I值呈現出逐年遞增的趨勢，這充分驗證了中國省際碳排放效率在空間上表現出較

強的正相關性特征，可見中國省際碳排放效率的變遷受到空間相關性因素的重要影響。碳排

放效率的空間分布格局并不是表現出隨機分布的特征，而是具有較強的空間聚集性，即具有

相似碳排放效率的區域表現出顯著的空間集群特征?；诖?，在對省際碳排放效率進行研究

時應該充分重視區域間可能存在的空間相關性。

圖2給出了中國1998-2011年期間各省份的碳排放效率平均值的LISA圖，可以看出，中國鄰近各省份之間的

碳排放效率表現出了較強的空間相似性。其中H-H（高-高） 象限是指那些自身具有較高碳排放效率水平，同時周圍鄰近省份碳排放效率也比較高的省份?；诳臻g滯后指標，可以看出省際碳排放效率存在的空間依賴性。北京、天津、河北、江蘇、浙江、上海、山東、福建、海南、廣東等十個東部沿海的省份位于H-H象限，占全部統計單元的33.33%;L-H（低-高） 象限是指那些自身碳排放效率較低而空間滯后值較高的省份，位于L-H象限的省份有貴州、江西、吉林、安徽等四個省份，占全部統計單元的

13.33%;L-L（低-低） 象限主要包括那些自身碳排放效率較低而空間滯后值較低的省份，位于L-L象限的省份有山西、黑龍江、廣西、四川、內蒙古、河南、湖北、湖南、陜西、甘肅、寧夏、青海、新疆等十三個省份，占全部統計單元的43.33%;位于 H-L（高-低） 象限的則主要是自身碳排放效率較高而空間滯后值較低的省份，僅包括遼寧、重慶和云南等省份，占全部統計單元的10%。其中位于H-H 象限與L-L現象，具有相似空間自相關性的省份共占76.66%，而位于L-H象限與H-L象限，具有不同空間自相關性的省份僅占23.33%。由此可見，我國省際碳排放效率在空間相關性上，不僅存在著空間依賴性的特征，也有空間異質性的表現。

4碳排放效率影響因素空間計量模型構建

經濟發展和碳排放效率存在內在的重要聯系，一般來說，經濟發展通過四種不同機制影響碳排放效率。第一，經濟規模效應：經濟規模的擴大需要要素投入的大量增加，CO2排放量隨之也會增多，對應的碳排放效率會出現下降的局面[25]。第二，產業結構效應：隨著產業結構變動，特別是第三產業在整個產業結構中所占比重上升會導致碳排放量的下降，由此將導致碳排放效率會上升[26]。第三，工業結構效應：輕工業較之重工業碳排放更少，因此，以重工業為主的工業結構將會對碳排放效率提升產生負面的影響[27]。第四，能源消費結構效應：相比較水能，風能等綠色能源，中國以煤炭等化石能源消費為主，且利用率較低，以煤炭為主的能源消費結構將會對碳排放效率提升產生不利的影響[28]。除此之外，對外開放程度提高可以使中國引進國外比較先進的技術設備和管理經驗，從而有助于提高能源使用效率和減少CO2的排放量[29]。Ang[4]指出地區能源強度與碳排放有著重要的聯系，因此，控制能源強度對于CO2的減排工作有重要的作用，而在中國，控制能源強度和提升碳減排能力的影響因素是制度因素（企業所有制結構）和政府的干預力量?；诖?，我們把制度因素和政府干預也列為影響碳排放效率的重要因素?；谝陨戏治?，本文從經濟規模、產業結構、工業結構、能源消費結構、對外開放水平、企業所有制結構和政府干預等七個方面考察對碳排放效率的影響。

省際碳排放效率在空間上具有顯著的空間相關性特征，上文對碳排放效率的空間相關性

檢驗也充分表明了這一點。因此，假如模型的回歸估計未能將這一點考慮在內，則可能造成

模型的估計結果與現實存在著較大的偏差，因而為保證模型回歸結果的精確性，有必要將空

間效應因素充分考慮在內。因為本文所采用的數據是來自于中國30個省市的面板數據，因

而在模型的回歸過程中需要對固定效應與隨機效應做出選擇，前者指個體效應對回歸變量具

有重要的影響，后者則指兩者之間不存在任何影響，由于本文是從個體效應的角度出發進行

的實證研究，因此模型的最好選擇是固定效應而非隨機效應。

根據公式（11）和公式（12），本文建立的包含空間效應的空間面板數據模型如下：

CTEi，t=αi+φt+β1GDPi，t+β2INDi，t+β3STRi，t+β4ECSi，t+β5OPLi，t+β6COSi，t+β7GOVi，t+

δ∑jWij（CTEi，t）+μi，t（14）

μi，t=λ∑jWij*ui，t+εi，t

該模型為普通的空間固定效應模型，δ和λ分別代表空間自回歸系數和空間誤差自相關系數，若δ取值是0，則該模型變為空間誤差模型（SEM），若λ的取值是0，則該模型轉換為空間自回歸模型（SAR）。αi和φt分別用來表示空間固定效應和時間固定效應。

CTEi，t表示第i省份第t年的碳排放效率。GDPi，t代表經濟規模，以第i省份第t年的名義GDP的自然對數來表示，用來反映經濟規模對碳排放效率的影響作用。INDit表示產業結構，用第三產業增加值占GDP的比重來表示;STRi，t代表工業結構，用重工業產值占工業總產值的比重來表示;ECSi，t代表能源消費結構，用煤炭消費量占能源消費總量的比重來表示;OPLi，t代表對外開放水平，用各省的對外貿易進出口總額占GDP的比重來表示;COSi，t代表企業所有制結構，用各省規模以上國有及國有控股企業的工業產值占工業總產值的比重來表示;GOVi，t代表政府干預，用各省財政支出占GDP的比重來表示。

基于數據采集過程中可獲性和全面性的考慮，剔除了數據缺失嚴重的西藏，最終本文選

擇的樣本來自1998-2011年中國30個省份的面板數據，具體數據來源于《新中國六十年統

計資料匯編》、《中國統計年鑒》和地方統計年鑒。

5實證結果及解釋

5.1普通面板數據模型的計量結果與空間相關性檢驗

首先將模型（14）納入到普通的面板數據回歸之中，并用Matlab7.11軟件檢驗模型殘差

項的空間相關性是否顯著，其模型的估計結果見表4。表4同時給出了混合模型、地區固定

效應模型、時間固定效應模型和雙向固定效應模型的數值模擬結果。通過對檢驗數據的比較，

由此來說明控制固定效應對于提高模型估計精確度的重要性。

由表4可以看出，混合模型中擬合優度的判定系數為0.428 9，加入空間固定效應后，

空間固定效應模型的判定系數增至0.935 3，而同時加入空間和時間固定效應后，雙向固定

效應模型中的判定系數進一步增大為0.941 8。通過比較可知，雙向固定模型較其他三個模

型的判定系數最大，因此，雙向固定效應模型的擬合度最好。再分別對四個模型的對數似然

函數值比較可知，混合模型的對數似然函數值Log-L僅為260.949 0，加入空間和時間固

定效應后，雙向固定效應模型的對數似然函數值Log-L增大為740.642 9，同樣為四個模

型中最大。同時，雙效固定效應模型的DW值為2.025 2，同樣也為四個模型中最大。這充

分表明，與其他三個模型相比較，雙向固定效應模型的估計結果最優，因而本文采用雙向固

定效應模型的計量結

果來解釋中國省際碳排放效率的實證研究。

表4下半部分給出了普通面板數據模型的空間相關性檢驗結果。雙向固定效應模型的LMlag值為

15.501 1，通過了5%顯著性水平的檢驗，LMerr值為17.297 3，同樣了通過了1%顯著性水平的檢驗。這充分表明，普通面板數據模型中的雙向固定效應模型存在殘差的空間相關性。同時在雙向固定模型中，LMerr的統計量大于LMlag，因此相比較之下，空間誤差模型是本文空間計量模型更好的選擇。

5.2空間面板數據模型的估計結果

通過上文模型的空間相關性的檢驗可知，普通面板數據模型的殘差項具有顯著的空間相

關性特征，變量間的空間相關性對于模型估計產生了重要的影響，因此，本文采用空間計量

方法重新回歸了普通的雙向固定效應模型，其空間自回歸模型（SAR）和空間誤差模型

（SEM）兩種空間計量模型的估計結果見表5。由表5可知，空間計量模型引入了空間滯

后項W*dep.var.和空間誤差項W*dep.

var.兩個指標后，其均通過了1%的顯著性水平檢驗。

SAR和SEM兩個空間模型的擬合優度的判定系數值分別為0.945 3和0.948 7，與普通面板

數據模型相比較，均實現了小幅度的上升，且兩個空間模型的對數似然函數值Log-L較普

通面板數據模型也均有所提高。同時，空間面板數據模型的估計系數的正負均與普通面板數

據模型保持一致，但是估計系數的T檢驗值均在普通面板數據模型的基礎上實現了改進，

這表明空間計量模型對普通面板模型的估計結果有較大程度的改進。在雙向固定效應空間計

量模型中，SEM模型的Log-L值要大于SAR模型的Log-L值，這表明SEM模型的解釋強

度要優于SAR模型，因此本文采用空間誤差模型（SEM）的估計結果來解釋模型的變量意義。

（1）經濟規模GDP在1%的顯著性水平上對碳排放效率CTE的影響為負，這表明經濟規模的擴張對碳排放效率產生了不利的影響。長期以來，我國的經濟增長方式為粗放式的經濟增長模式，這種模式最大特點是高投入、高能耗和高排放，較多地注重經濟增長數量，忽略環境保護的需要，結果造成了CO2排放的大量增加。據美國能源部CO2信息分析中心（CDIAC）統計數據表明，中國CO2排放量由1980年的1 500萬t增加到2009年的7 000萬t，年均增長率達到了8%。碳排放量絕對數的增加，相對應的碳排放效率會出現下降的局面。

（2）產業結構IND對碳排放效率CTE的影響不顯著。盡管中國的第三產業發展迅速，但仍然存在總量偏小和行業結構不合理等問題。從第三產業內部結構看，發達國家主要以信息、咨詢、科技、金融等新興產業為主，而我國的商業餐飲、交通運輸等傳統服務業的比重較大，占40%以上，這些傳統產業仍然是碳排放量較高的行業。因此，調整第三產業的內部結構，改造傳統服務業，發展“高、精、尖”等產業類型對于提高碳排放效率具有積極的作用。

（3）工業結構STR在1%的顯著性水平上對碳排放效率CTE的影響為負，重工業產值在工業總產值中的比重每增加1%，碳排放效率將下降4.51%。較之輕工業，重工業屬于高碳排放的行業。目前我國仍然處于快速發展的工業化階段，重工業在整個工業體系的比重仍然會增加，特別是我國的重工業行業結構的構成以高能耗、高排放的鋼鐵、水泥、汽車等行業為主，給我國CO2的減排工作帶了較大困難，短時間內這種局面仍然會持續存在。

（4）能源消費結構ECS的估計系數為負，且通過了1%的顯著性水平的檢驗，表明煤炭在能源消費結構比重的提升對碳排放效率產生了不利影響。為減少CO2排放量，目前世界各國掀起了“綠色能源革命”，積極開發新的清潔能源技術，特別是發達國家走在了世界的前沿。但是，與發達國家相比較，我國水能、風能、太陽能以及再生能源等綠色能源的開發利用率極低，常規化石能源仍然占據了能源消費總量的主導地位。2011年，中國的煤炭消費仍然占據了能源消費總量的70%，水能和再生能源兩者的占比不足7%。整體上，中國煤炭利用效率偏低，大量的煤炭被應用于直接的燃燒過程，產生了大量的CO2，大幅度降低了地區碳排放效率。

（5）對外開放OPL在1%的顯著性水平上對碳排放效率CTE的影響為正，這表明提高對外開放水平有利于提升碳排放效率。提高對外開放水平，便利于地區引進新的技術設備和管理經驗，有利于提高地區能源利用效率和減少CO2排放量[30]。發達國家設立的高額“碳關稅”貿易壁壘，迫使發展中國家通過引進新的技術和設備，實現低碳技術的革新，從而降低出口產品的含碳量，或者促使發展中國家實現由生產高碳產品向低碳產品的轉型。

（6）企業所有制結構COS在1%的顯著性水平上對碳排放效率CTE的影響為正，這與李濤[11]等人的研究結論一致。與中小企業相比較，國有及國有控股大企業的資金雄厚，有充足的資金引進低碳技術設備，較容易實現對CO2的減排工作，從而提高其碳排放效率，而中小企業由于資金缺乏，其生產技術仍然較為落后，CO2排放量相對較高。因此，國有及國有控股大企業在工業體系中的比重越高，其地區碳排放效率也越高。

（7）政府干預GOV在1%的顯著性水平上對碳排放效率CTE的影響為正，地方政府支出占GDP比重的每提高1%，碳排放效率將上升10.59%。目前我國CO2的減排工作仍然是自上而下的政府干預行為。環保部門發布的統計數據顯示，2006年我國的環境污染治理投資總額為2 566億元，占GDP比重的1.2%，到2011年，我國的環境污染治理投資總額增加到7 114億元，占GDP比重也相應提高到了1.6%。其中，環境污染治理投資絕大部分為政府投資。同時，政府對促進CO2減排工作所制定的激勵性措施，包括開展節能減排宣傳和實施節能減排的獎懲政策等等，對于降低CO2排放和提升環境質量具有積極的帶動作用[31]。

6結論

本文基于至強有效前沿的最小距離法，通過構建碳排放效率函數測算了中國1998-2011年的省際碳排放效率。在此基礎上，分析了中國省際碳排放效率的地區差異性和空間相關性。最后，構建空間計量模型分析了影響中國省際碳排放效率的相關因素。結論如下：

首先，中國碳排放效率高的省份主要分布在經濟發達的東部沿海地區，而碳排放效率低的省份則主要分布在經濟落后的內陸地區。按中國三大經濟區域劃分，東部地區的碳排放效率走勢相對平穩，而中西部地區的碳排放效率則呈現出“U”曲線的走勢，并且東部地區的碳排放效率顯著高于中西部地區。其次，中國的省際碳排放效率存在顯著的空間相關性，而空間 LISA圖則表明省際碳排放效率不僅存在著空間依賴性的特征，同時也具有空間異質性的表現，大部分省份的碳排放效率具有明顯的H-H集聚和L-L集聚的現象。最后，基于空間計量模型的估計結果可知，除了產業結構對碳排放效率的影響不顯著外，經濟規模、工業結構和能源消費結構對碳排放效率的提升有負向影響，而對外開放、企業所有制結構和政府干預對碳排放效率的提升有正向影響。

通過以上結論，對于將來中國提高碳排放效率工作重點應該是轉變經濟發展模式，調整工業結構和能源消費結構。具體的措施包括：第一，堅持經濟可持續發展策略，促進經濟發展模式由粗放式向集約式轉變。第二，大力改造鋼鐵、汽車、水泥等高碳排放的傳統重工業，積極發展“高、精、尖”等低碳排放的高技術產業。第三，提高水能、風能和太陽能等綠色能源的消費比重，降低中國傳統的以煤炭為主化石能源的消費比重。第四，建立完善的節能減排機制，積極提高對外開放水平，積極引進國外先進的技術設備和管理經驗，提高能源利用效率。

（編輯：劉照勝）

參考文獻（References）

[1]

Kaya Y， Yokobori K. “Global Environment， Energy， and Economic Development” Held at the United Nations University[R]. Tokyo，1993.

[2]Sun J W. The Decrease of CO2 Emission Intensity Is Decarbonization at National and Global Levels[J]. Energy Policy， 2005，33（8）：957-978.

[3]Mielnik O， Goldemberg J.The Evolution of the “Carbonization Index” in Developing Countries[J]. Energy Policy， 1999，27（5）：307-308.

[4]Ang B W. Is the Energy Intensity A Less Useful Indicator than the Carbon Factor in the Study of Climate Change[J]. Energy Policy， 1999，27（5）：943-946.

[5]Zhou P， Ang B W， Han J Y. Total Factor Carbon Emission Performance：A Malmquist Index Analysis[J]. Energy Economics， 2010，32（1）：194-201.

[6]Zaim O， Taskin F. Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Nonparametric Approach[J]. Journal of Environmental Management， 2000，58（2）：95-107.

[7]Zofio J L， Prieto A M. Environmental Efficiency and Regulatory Standards： The Case of CO2 Emissions from OECD Industries[J]. Resource and Energy Economics， 2001，23（1）：63-81.

[8]Marklund P O， Samakovlis E. What Is Driving the EU Burdensharing Agreement Efficiency or Equity？[J]. Journal of Environmental Management， 2007，85（2）：317-329.

[9]魏梅， 曹明福， 江金榮.生產中碳排放效率長期決定及其收斂性分析[J]. 數量經濟技術經濟研究，2010，（9）：43-52.[Wei Mei， Cao Mingfu， Jiang Jinrong. Determinants of Longrun Carbon Emission Performance[J].Quantitative and Technical Economics Research， 2010，（9）：43-52.]

[10]王群偉， 周德群， 周鵬. 中國全要素二氧化碳排放績效的區域差異：考慮非期望產出共同前沿函數的研究[J]. 財貿經濟，2010，（9）：112-117.[Wang Qunwei， Zhou Dequn， Zhou Peng. Regional Differences in the Performance of Chinas Total Factor Carbon Emission： Considered Undesirable Common Frontier Research Output Function[J]. Finance & Trade Economics， 2010， （9）：112-117.]

[11]李濤， 傅強.中國省際碳排放效率研究[J].統計研究， 2011，（7）： 63-70.[Li Tao， Fu Qiang. Study on China's Carbon Dioxide Emissions Efficiency[J]. Statistical Research， 2011，（7）： 63-70.]

[12]周五七， 聶鳴. 中國工業碳排放效率的區域差異研究：基于非參數前沿的實證分析[J]. 數量經濟技術經濟研究， 2012，（9）：58-70.[Zhou Wuqi， Nie Ming. Regional Differences in the Efficiency of Industrials Carbon Emissions in China： Based on the Empirical Analysis of Nonparametric Frontier[J]. Quantitative and Technical Economics Research， 2012，（9）：58-70.]

[13]屈小娥. 省際全要素CO2 排放效率差異及驅動因素：基于1995-2010年的實證研究[J].南開經濟研究， 2012，（3）： 128-141.[Qu Xiaoe. Total Factor Efficiency Differences of CO2 Emissions and Driving Factors in Chinas Interprovincal： Based on the 1995-2010 Years of Empirical Research[J].Nankai Economic Studies， 2012，（3）： 128-141.]

[14]程云鶴， 齊曉安， 汪克亮. 區域技術差距視角下省際工業CO2排放效率[J].系統工程， 2013，（3）： 42-48.[Cheng Yunpeng， Qi Xiaoan， Wang Keliang. Totalfactor Carbon Emission Performance of Chinas Provincial Industry Sector： Based on the Regional Technology Gap Perspective[J]. Systems Engineering， 2013，（3）： 42-48.]

[15]王思斯.基于隨機前沿分析的二氧化碳排放效率及影子價格研究[D]. 南京：南京航空航天大學， 2012.[Wang Sisi. A Study on the Performance and Shadow Price of Carbon Dioxide Emissions Based on Stochastic Frontier Analysis[D]. Nanjing： Nanjing University of Aeronautics and Astronautics， 2012.]

[16]Tobler W R. Philosophy in Geography[J]. Theory and Decision Library， 1979， （20）： 379-386.

[17]Jahanshahloo G R， Vakili J， Zarepisheh M. A Linear Bilevel Programming Problem for Obtaining the Closest Targets and Minimum Distance of a Unit from the Strong Efficient Frontier[J]. AsiaPacific Journal of Operational Research， 2012， 29（2）： 1-19.

[18]Aparicio J， Ruiz J L， Sirvent I. Closest Targets and Minimum Distance to the Paretoefficient Frontier in DEA[J]. Journal of Productivity Analysis， 2007， 28（3）： 209-218.

[19]Cooper W W， Ruiz J L， Sirvent I. Choosing Weights from Alternative Optimal Solutions of Dual Multiplier Models in DEA[J]. European Journal of Operational Research， 2007， 180（1）： 443-458.

[20]Moran P A. The Interpretation of Statistical Maps[J]. Journal of the Royal Statistical Society， Series B （Methodological）， 1948，10（2）： 243-251.

[21]Moran P A. Notes on Continuous Stochastic Phenomena[J]. Biometrika，1950， 37（1/2）： 17-23.

[22]Anselin L. Spatial Econometrics： Methods and Models[M]. Springer，1988.

[23]Haining R. Spatial Data Analysis in the Social and Environmental Sciences[R]. Cambridge University Press，1993.

[24]單豪杰.中國資本存量K的再估算：1952-2006年[J].數量經濟技術經濟研究， 2008，（10）：17-31.[Shan Haojie. Reestimating the Capital Stock of China：1952-2006[J]. Quantitative and Technical Economics Research， 2008，（10）：17-31.]

[25]Tucker M. Carbon Dioxide Emissions and Global GDP[J].Ecological Economics， 1995， （15）： 289-319.

[26]Grossman G M， Krueger A B. Environmental Impacts of the North American Free Trade Agreement[R]. National Bureau of Economics Research Working Paper， 1991，No .W3914.

[27]牛鴻蕾，江可申.工業結構與碳排放的關聯性：基于江蘇省的實證分析[J].經濟技術，2012，（6）：76-83，[Niu Honglei，Jiang Keshen.Relevance between Industrial Structure and Carbon Emissions：Empirical Analysis on Jiangsu Province[J].Technology Economics，2012，（6）：76-83.]

[28]查建平，唐方方，別念民.結構性調整能否改善碳排放績效？：來自中國省級面板數據的證據[J].數量經濟技術經濟研究，2012，（12）：18-33.[Zha Jianping，Tang Fangfang，Bie Nianmin.Can Structural Adjustments Improve Carbon Emissions Performance？：Come from Empirical Research of Chinas Provincial Panel Data[J].Quantitative and Technical Economics Research，2012，（12）：18-33.]

[29]羅良文，李珊珊.FDI、國際貿易的技術效應與我國省際碳排放績效[J].國際貿易問題， 2013，（8）：142-150.[Luo Liangwen，Li Shanshan.Technical Effects of FDI and International Trade and Provincial Carbon Emission Performance in China[J].Journal of International Trade，2013，（8）：142-150.]

[30]涂正革， 肖耿.中國工業增長模式的轉變：大中型企業勞動生產率的非參數生產前沿動態分析[J].管理世界， 2006，（10）：57-67.[Tu Zhengge， Xiao Geng. Changes in Chinas Industrial Growth Model： Dynamic Analysis of Nonparametric Production Frontier in Labor Productivity of Mediumsized Enterprises[J]. Management World， 2006，（10）：57-67.]

[31]支燕.碳管制效率，政府能力與碳排放[J].統計研究，2013，（2）：64-72.[Zhi Yan.Carbon Control Efficiency， Government Efforts and Carbon Emission[J].Statistical Research，2013，（2）：64-72.]

Spatial Econometrics Research on Interprovincial

Carbon Emissions Efficiency in China

MA Dalai1CHEN Zhongchang2WANG Ling1

（1. The Economics and Business Administration College of Chongqing University，Chongqing 400044，China;

2. The Public Administration College of Chongqing University， Chongqing ?400044，China）

Abstract

The paper measures the efficiency of interprovincial carbon dioxide emissions from 1998 to 2011 by using minimum distance algorithm which is strongest frontier. The advantage of this approach is that the change of inputs or outputs is minimum after the efficiency reaching the production frontier. On this basis， we analyze the regional differences and spatial correlation of interprovincial carbon emissions efficiency. At last， we establish the spatial econometric model to make an empirical study on influence factors of carbon emissions efficiency by using panel data of 30 provinces from 1998 to 2011.The results show that： during the sample period， the efficiency of interprovincial carbon dioxide emissions shows a large interprovincial differences， and average carbon emission efficiency in the eastern coastal provinces is significantly higher than of it in the inland provinces. From the perspective of region， the trend of carbon emissions efficiency in the east is relatively stable， but the trend of carbon emissions efficiency in nationwide and midwest China shows a “U” curve. And the carbon emission efficiency in the east of China is significantly higher than of it in the midwest China. Spatial autocorrelation test Morans I shows that the efficiency of interprovincial carbon emissions has the characteristics of spatial correlation and a significant clustering tendency. While LISA space diagram indicates that the interprovincial carbon emissions efficiency has not only the characteristics of spatial dependence， but also the performance of spatial heterogeneity. The economic scale， industry structure and energy consumption structure have a negative impact on carbon emission efficiency， while openingup， enterprise ownership structure and government intervention have a positive impact on it. But industrial structure has no significant influence on carbon emission efficiency. Therefore， the focus of the work for future China to improve the carbon emissions efficiency is as below： realizing the economic growth mode from extensive to intensive， focusing on the adjustment of industrial structure and energy consumption structure， further enhancing the quality of openingup and strengthening the governments efforts to reduce carbon emission.

Key wordscarbon emissions efficiency; spatial econometrics; minimum distance to the strong frontier

[27]牛鴻蕾，江可申.工業結構與碳排放的關聯性：基于江蘇省的實證分析[J].經濟技術，2012，（6）：76-83，[Niu Honglei，Jiang Keshen.Relevance between Industrial Structure and Carbon Emissions：Empirical Analysis on Jiangsu Province[J].Technology Economics，2012，（6）：76-83.]

[28]查建平，唐方方，別念民.結構性調整能否改善碳排放績效？：來自中國省級面板數據的證據[J].數量經濟技術經濟研究，2012，（12）：18-33.[Zha Jianping，Tang Fangfang，Bie Nianmin.Can Structural Adjustments Improve Carbon Emissions Performance？：Come from Empirical Research of Chinas Provincial Panel Data[J].Quantitative and Technical Economics Research，2012，（12）：18-33.]

[29]羅良文，李珊珊.FDI、國際貿易的技術效應與我國省際碳排放績效[J].國際貿易問題， 2013，（8）：142-150.[Luo Liangwen，Li Shanshan.Technical Effects of FDI and International Trade and Provincial Carbon Emission Performance in China[J].Journal of International Trade，2013，（8）：142-150.]

[30]涂正革， 肖耿.中國工業增長模式的轉變：大中型企業勞動生產率的非參數生產前沿動態分析[J].管理世界， 2006，（10）：57-67.[Tu Zhengge， Xiao Geng. Changes in Chinas Industrial Growth Model： Dynamic Analysis of Nonparametric Production Frontier in Labor Productivity of Mediumsized Enterprises[J]. Management World， 2006，（10）：57-67.]

[31]支燕.碳管制效率，政府能力與碳排放[J].統計研究，2013，（2）：64-72.[Zhi Yan.Carbon Control Efficiency， Government Efforts and Carbon Emission[J].Statistical Research，2013，（2）：64-72.]

Spatial Econometrics Research on Interprovincial

Carbon Emissions Efficiency in China

MA Dalai1CHEN Zhongchang2WANG Ling1

（1. The Economics and Business Administration College of Chongqing University，Chongqing 400044，China;

2. The Public Administration College of Chongqing University， Chongqing ?400044，China）

Abstract

The paper measures the efficiency of interprovincial carbon dioxide emissions from 1998 to 2011 by using minimum distance algorithm which is strongest frontier. The advantage of this approach is that the change of inputs or outputs is minimum after the efficiency reaching the production frontier. On this basis， we analyze the regional differences and spatial correlation of interprovincial carbon emissions efficiency. At last， we establish the spatial econometric model to make an empirical study on influence factors of carbon emissions efficiency by using panel data of 30 provinces from 1998 to 2011.The results show that： during the sample period， the efficiency of interprovincial carbon dioxide emissions shows a large interprovincial differences， and average carbon emission efficiency in the eastern coastal provinces is significantly higher than of it in the inland provinces. From the perspective of region， the trend of carbon emissions efficiency in the east is relatively stable， but the trend of carbon emissions efficiency in nationwide and midwest China shows a “U” curve. And the carbon emission efficiency in the east of China is significantly higher than of it in the midwest China. Spatial autocorrelation test Morans I shows that the efficiency of interprovincial carbon emissions has the characteristics of spatial correlation and a significant clustering tendency. While LISA space diagram indicates that the interprovincial carbon emissions efficiency has not only the characteristics of spatial dependence， but also the performance of spatial heterogeneity. The economic scale， industry structure and energy consumption structure have a negative impact on carbon emission efficiency， while openingup， enterprise ownership structure and government intervention have a positive impact on it. But industrial structure has no significant influence on carbon emission efficiency. Therefore， the focus of the work for future China to improve the carbon emissions efficiency is as below： realizing the economic growth mode from extensive to intensive， focusing on the adjustment of industrial structure and energy consumption structure， further enhancing the quality of openingup and strengthening the governments efforts to reduce carbon emission.

Key wordscarbon emissions efficiency; spatial econometrics; minimum distance to the strong frontier

[27]牛鴻蕾，江可申.工業結構與碳排放的關聯性：基于江蘇省的實證分析[J].經濟技術，2012，（6）：76-83，[Niu Honglei，Jiang Keshen.Relevance between Industrial Structure and Carbon Emissions：Empirical Analysis on Jiangsu Province[J].Technology Economics，2012，（6）：76-83.]

[28]查建平，唐方方，別念民.結構性調整能否改善碳排放績效？：來自中國省級面板數據的證據[J].數量經濟技術經濟研究，2012，（12）：18-33.[Zha Jianping，Tang Fangfang，Bie Nianmin.Can Structural Adjustments Improve Carbon Emissions Performance？：Come from Empirical Research of Chinas Provincial Panel Data[J].Quantitative and Technical Economics Research，2012，（12）：18-33.]

[29]羅良文，李珊珊.FDI、國際貿易的技術效應與我國省際碳排放績效[J].國際貿易問題， 2013，（8）：142-150.[Luo Liangwen，Li Shanshan.Technical Effects of FDI and International Trade and Provincial Carbon Emission Performance in China[J].Journal of International Trade，2013，（8）：142-150.]

[30]涂正革， 肖耿.中國工業增長模式的轉變：大中型企業勞動生產率的非參數生產前沿動態分析[J].管理世界， 2006，（10）：57-67.[Tu Zhengge， Xiao Geng. Changes in Chinas Industrial Growth Model： Dynamic Analysis of Nonparametric Production Frontier in Labor Productivity of Mediumsized Enterprises[J]. Management World， 2006，（10）：57-67.]

[31]支燕.碳管制效率，政府能力與碳排放[J].統計研究，2013，（2）：64-72.[Zhi Yan.Carbon Control Efficiency， Government Efforts and Carbon Emission[J].Statistical Research，2013，（2）：64-72.]

Spatial Econometrics Research on Interprovincial

Carbon Emissions Efficiency in China

MA Dalai1CHEN Zhongchang2WANG Ling1

（1. The Economics and Business Administration College of Chongqing University，Chongqing 400044，China;

2. The Public Administration College of Chongqing University， Chongqing ?400044，China）

Abstract

The paper measures the efficiency of interprovincial carbon dioxide emissions from 1998 to 2011 by using minimum distance algorithm which is strongest frontier. The advantage of this approach is that the change of inputs or outputs is minimum after the efficiency reaching the production frontier. On this basis， we analyze the regional differences and spatial correlation of interprovincial carbon emissions efficiency. At last， we establish the spatial econometric model to make an empirical study on influence factors of carbon emissions efficiency by using panel data of 30 provinces from 1998 to 2011.The results show that： during the sample period， the efficiency of interprovincial carbon dioxide emissions shows a large interprovincial differences， and average carbon emission efficiency in the eastern coastal provinces is significantly higher than of it in the inland provinces. From the perspective of region， the trend of carbon emissions efficiency in the east is relatively stable， but the trend of carbon emissions efficiency in nationwide and midwest China shows a “U” curve. And the carbon emission efficiency in the east of China is significantly higher than of it in the midwest China. Spatial autocorrelation test Morans I shows that the efficiency of interprovincial carbon emissions has the characteristics of spatial correlation and a significant clustering tendency. While LISA space diagram indicates that the interprovincial carbon emissions efficiency has not only the characteristics of spatial dependence， but also the performance of spatial heterogeneity. The economic scale， industry structure and energy consumption structure have a negative impact on carbon emission efficiency， while openingup， enterprise ownership structure and government intervention have a positive impact on it. But industrial structure has no significant influence on carbon emission efficiency. Therefore， the focus of the work for future China to improve the carbon emissions efficiency is as below： realizing the economic growth mode from extensive to intensive， focusing on the adjustment of industrial structure and energy consumption structure， further enhancing the quality of openingup and strengthening the governments efforts to reduce carbon emission.

Key wordscarbon emissions efficiency; spatial econometrics; minimum distance to the strong frontier