基于超效率SBM模型的江蘇省碳排放效率時空差異

王肖玥 鄧建高

王肖玥，鄧建高. 基于超效率SBM模型的江蘇省碳排放效率時空差異［J］. 湖北農業科學，2024，63（2）：8-12，18．

摘要：利用非期望產出超效率SBM模型和Malmquist全要素生產率指數，計算2011—2020年江蘇省各地級市碳排放效率，并對時空差異進行分析。結果表明，各地級市碳排放效率差異顯著，總體上呈蘇中地區>蘇南地區>蘇北地區的特征；技術創新是江蘇省碳排放效率提升的核心驅動因素，資源配置不合理、規模效率偏低是江蘇省碳排放效率未達到生產前沿面的主要原因。

關鍵詞：超效率SBM模型；碳排放效率；時空差異；江蘇省

中圖分類號：X321? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2024）02-0008-05

DOI：10.14088/j.cnki.issn0439-8114.2024.02.002 開放科學（資源服務）標識碼（OSID）：

Spatial and temporal difference of carbon emission efficiency in Jiangsu Province based on super-efficiency SBM model

WANG Xiao-yuea，DENG Jian-gaoa，b

（a. Business School； b. Institute of Statistics and Data Science， Hohai University， Nanjing? 210098， China）

Abstract：Through the super-efficient SBM model with non-expected output and Malmquist productivity index， the carbon emission efficiency of each city in Jiangsu Province from 2011 to 2020 was calculated and the spatial and temporal differences were analyzed. Results showed that there was a significant difference in carbon emission efficiency among the prefecture-level cities in Jiangsu Province， with the overall characteristics of higher carbon emission efficiency in central Jiangsu than in southern Jiangsu and higher carbon emission efficiency in southern Jiangsu than in northern Jiangsu. The innovation of technology was the core driving factor for the improvement of carbon emission efficiency in Jiangsu Province. Unreasonable resource allocation and low scale efficiency were the main reasons why the carbon emission efficiency in Jiangsu Province had not reached the production frontier.

Key words：super-efficient SBM model；carbon emission efficiency；temporal and spatial differences；Jiangsu Province

溫室氣體過度排放導致氣候異常是一個全球性議題^［1］。為應對氣候變化，中國積極承擔碳減排責任，制定“雙碳”國家戰略，倡導綠色低碳發展道路。然而，中國地區間碳排放現狀存在一定差異，因此從省級層面系統性地掌握碳排放現狀、碳排放效率與時空差異和主要驅動因素，對中國碳減排戰略實施意義重大。江蘇省2021年地區生產總值突破11萬億元，經濟發展水平高、總量大，面臨巨大碳減排壓力。提升碳排放效率是江蘇省經濟持續高質量發展的重要保障，也是江蘇省緩解碳減排壓力的重要方法。城市作為江蘇省碳排放主要來源是碳減排的關注重點^［2］，而江蘇省城市間經濟發展存在一定的不均衡性，在進行碳減排配額分攤時，如果將公平作為分攤的惟一原則，容易給碳排放總量較少的城市帶來過大壓力，從而阻礙區域的協調發展，甚至影響全省碳減排進程^{［3，4］}。

因此，本研究討論江蘇省碳排放效率時空差異并統籌考慮碳排放公平和效率原則，為江蘇省碳減排目標設定、政策制定提供依據，也為其他省份碳減排實現路徑的設計提供參考。

1 文獻分析

區域碳排放效率時空差異問題主要包含兩方面研究內容：①碳排放效率計算；②碳排放效率時空差異研究。國內外學者在測算碳排放效率時，隨機前沿分析法（SFA）是常用方法之一，錢浩祺等^［5］利用該方法探究了中國實行碳排放權交易政策對碳排放效率的影響；張成等^［6］應用該方法研究了設計合理碳排放權分配機制對碳排放效率的提升效果。此外，數據包絡分析法（DEA）的應用也較廣泛，Meng等^［7］利用DEA法探究區域能源消耗的碳排放效率。雖然兩種模型均可測算碳排放效率，但SFA法在處理多產出問題時存在一定缺陷，當碳排放效率的測算目標具有多投入、多產出指標時，選擇DEA法更合適。

有關區域碳排放效率時空分異性的研究成果主要包括：李金鎧等^［8］探究了東北、西南、長江中游以及其他五大綜合經濟區的能源碳排放效率空間分異性；袁長偉等^［9］研究了中國省域交通運輸業碳排放效率的時空分異性以及空間關聯特征；Xie等^［10］分析了不同發展水平59個國家的碳排放效率差異；Shi等^［11］探究了各地區不同畜牧業結構對畜牧業碳排放效率的影響。

現有研究大多聚焦于經濟帶、多省域或行業，且結果表明碳排放效率在不同時空存在差異。如果將研究范圍聚焦于區域經濟帶、多省域或行業，可加強省域或行業的比較，但不利于各省域制定更加合理的碳減排目標和政策。江蘇省碳排放總量大，是全國碳減排重點區域，統籌考慮江蘇省域內碳排放效率時空差異、公平和效率因素，對江蘇省相關政策的擬定和目標完成具有至關重要的作用。因此，本研究應用非期望產出超效率SBM模型測算江蘇省13個地級市的碳排放效率，并利用Malmquist指數模型探究其時空分異性，最后針對實證結果為江蘇省碳減排工作提出對策建議，對促成江蘇省碳減排階段性目標實現具有重要意義。

2 數據來源與研究方法

2.1 數據來源及指標選取

2.1.1 數據來源 研究數據來自2011—2020年《江蘇統計年鑒》以及江蘇省各地級市的統計年鑒和統計公報，建立回歸方程進行補充。資本、能源消耗量、經濟產出、碳排放總量指標數據在原始數據的基礎上計算得到。

2.1.2 指標選取 城市碳排放效率測算既要考慮城市發展過程中的投入，也要考慮城市資源消耗所產生的經濟效益以及碳排放量。城市在發展過程中的投入既包括各行業的能源消耗、勞動力消耗，也包括社會各界投資所形成的資本總量。

數據包絡分析法測算的是相對效率，所選取的模型指標需要保證在各地級市之間相對一致且具有可比性。資本指標不僅需要涵蓋城市建造、產業結構轉型，還要包括技術研發投入等方面，因此以各城市的固定資產投資額（I）計算得到的資本存量（K）代表，計算公式為K_it=K_it-1（1-σ）+I_it，σ取9.6%。勞動力指標選取各城市的就業人數。各行業的能源消耗以轉換為標準煤的城市綜合能源消耗量代表。城市產生的經濟效益需要消除價格水平的影響，選擇各地級市的GDP。碳排放量相關數據難以直接獲取，利用各地級市的能源消耗總量轉換得到。其中，標準煤的碳排放系數取2.499? tCO₂/tce。具體指標如表1所示。

2.2 研究方法

2.2.1 非期望產出超效率SBM模型 DEA法是對不同個體間相對效率進行評判的方法^［12］。由于傳統DEA模型假定輸入輸出成比例變化，忽略了松弛性等問題，Tone等^［13］對原模型改進，提出了SBM模型，但SBM模型的效率值最小為0，且最大不能超過1，故在比較效率值同為1的不同個體時存在困難。因此，Tone等^［14］于2002年提出超效率SBM模型，消除了模型最大效率值的限制。隨后，考慮到實際生活中除期望產出外，還存在非期望產出，Tone等^［15］對初始SBM模型進行了拓展，充分考慮非期望產出因素，完善了模型的指標體系。非期望產出超效率SBM模型綜合了原先模型的優點，既考慮了非期望產出因素，也實現了任意兩者間的比較，在效率測算研究方面應用廣泛。

對于碳排放效率問題，不僅要考慮碳排放量，還要關注能源消耗所帶來的經濟效益，同時需要保證效率值在城市間具有可比性，因此建立了共n個城市，且各城市在發展過程中分別有m個投入，擁有期望產出m1以及非期望產出m2的超效率SBM模型^［16］，并最終求得碳排放效率值[ρ]。其中，第k個城市的效率計算公式如下。

2.2.2 DEA_Malmquist指數模型 如果僅使用超效率SBM模型計算城市的碳排放效率，最終結果是將不同年份的城市放在統一標準下比較得到靜態相對效率，以該值為依據研究江蘇省碳排放效率的時空分異性，忽略技術進步對碳排放效率的貢獻，需要對各決策單元進行動態效率分析。因此，應用DEA_Malmquist指數模型^［17］對江蘇省各地級市2011—2020年碳排放效率進行分析。

DEA_Malmquist指數是借助DEA方法所求解的距離函數值得到，充分考慮了城市持續的技術創新對碳排放效率的影響，可用于衡量效率的動態變化，計算公式如下。

Malmquist指數可以進一步分解，具體表現城市的技術應用水平（pech）、當前生產規模的提升空間（sech）、技術創新進步水平（techch）以及技術的總體效率（effch）四個因素對碳排放效率的影響，分解后的公式如下。

技術總體效率由城市生產規模的提升空間以及技術創新進步水平共同決定，若sech大于1，說明城市碳排放的規模不斷優化，若pech大于1，說明城市碳排放相關資源配置優化。techch體現城市的技術創新水平，若techch大于1，說明城市的綠色化技術不斷進步。

3 結果與分析

對江蘇省各地級市2011—2020年的碳排放效率進行實證分析，效率值如表2所示。江蘇省各地級市10年間的碳排放效率不斷波動，不同地級市的碳排放效率均值也各不相同，存在明顯的時空分異性。

3.1 江蘇省碳排放效率時空差異分析

3.1.1 空間差異分析 根據2011—2020年碳排放效率均值對各地級市進行排序，結果如圖1所示。根據效率值可將13個地級市劃分成4個類型：①示范型城市，包含蘇州市、泰州市、無錫市。該類城市2011—2020年碳排放效率均值超過1，處在最優生產狀態。從穩定性角度分析，無錫市和蘇州市在高水平碳排放效率保持方面表現得更為突出，所有年份的碳排放效率均超過1。②領先型城市，包含南通市、揚州市、鹽城市、常州市。江蘇省2011—2020年碳排放效率的均值為0.83。領先型城市的碳排放效率雖未達生產前沿面，但超過全省均值，處于領先位置。③居中型城市，包含鎮江市、南京市、徐州市、淮安市。這4個城市的碳排放效率雖然低于全省均值，但是與均值差距較小，且高于0.60。通過分析南京市碳排放效率發現，2011—2020年南京市碳排放總量約占全省的15%，說明南京市在發展過程中對環境的關注需要加強，碳排放總量過大是南京市碳排放效率在全省排名相對靠后的重要原因。④落后型城市，包括宿遷市、連云港市。該類城市2011—2020年碳排放效率的均值偏低，相對落后于其他城市，需要給予重點關注。

為了更直觀地展現江蘇省各地級市現有技術水平以及實際生產規模對碳排放效率的影響，對碳排放效率均值小于1的城市進行細化比較，結果如圖2所示。該類地級市碳減排工作的現存短板不同，提高碳排放效率需要重點關注的領域也不同。南通市、揚州市、鹽城市、常州市的技術應用水平偏低，生產規模存在優化空間，需要在提高技術水平的同時注重改善生產規模。鎮江市、淮安市、宿遷市、連云港市的技術應用程度較高，多數已處在最優生產狀態，而生產規模有待改善。南京市、徐州市的生產規模較為理想，而技術應用水平偏低，說明不斷研發新技術、推動傳統工業綠色化轉型是其未來提高碳排放效率的發展方向。

3.1.2 時間差異分析 江蘇省10年間的碳排放效率表現出明顯差異。2011—2020年江蘇省碳排放的3種效率值呈不斷波動的態勢，具體變化情況如圖3所示。江蘇省2011—2020年的3種效率值均未處在最優生產狀態，且當前生產規模影響了全省碳排放效率的提升，存在碳減排的提升空間，不斷優化生產規模是現階段全面提高全省碳排放效率的關鍵。

從時間序列角度分析，3種效率在2011—2020年的變化趨勢相對一致，初步分為兩個階段，2011—2015年為第一階段，3種效率總體呈下降趨勢，碳減排工作成效不明顯；2016—2020年為第二階段，3種效率總體呈波動趨勢，碳減排工作效果不穩定。由3種效率之間的關系可知，前一階段碳排放效率的下降，與資本、勞動力以及能源投入的冗余有關；技術水平、生產規模效益等多種因素的共同變化導致了第二階段碳排放效率的波動。多種因素的同時變化可能與江蘇省正處于碳減排工作的推進與調整階段有關。

3.2 Malmquist指數計算及效率變化趨勢分析

為充分考慮技術創新因素，分析江蘇省碳排放效率偏低的原因，明確未來的改進方向，應用Malmquist指數從動態角度研究了江蘇省2011—2020年碳排放效率的變化趨勢，結果如表3所示。

2011—2020年江蘇省的全要素生產率處于增長狀態，2016—2017年增長幅度最大，達9.3%。2011—2020年技術水平不斷提高，是推動全要素生產率連年增長的重要原因，說明10年來江蘇省生產技術不斷創新，促進了碳排放效率的提高。對技術效率指數進行分解后發現，純技術效率在2012—2014年、2016—2018年、2019—2020年呈下降趨勢，說明江蘇省需要重點關注資源配置與利用情況并及時調整。與純技術效率類似，規模效率僅在2016—2017年以及2018—2019年有所提升，說明江蘇省需要加強對生產規模改善和優化工作的關注度并積極推動現有生產規模向最優生產狀態改進。

江蘇省碳排放的全要素生產率也呈明顯的空間分異性，結果如表4所示。江蘇省各地級市的Malmquist指數大于1，說明各城市的碳減排工作不斷推進。其中，部分城市在碳減排工作的推進過程中注重全面發展，既不斷優化生產規模，也堅持技術創新，改善資源配置，如南通市、揚州市、無錫市、徐州市、蘇州市。從技術進步角度而言，13個地級市生產技術不斷改進創新，在節能減排方面成效顯著，對江蘇省碳排放總量的減少發揮了極大的促進作用。其中，常州市的表現最為突出，技術水平提高了10.2%。但在技術使用效率方面，大多數城市存在優化空間。為快速提高碳排放效率，各城市可針對短板領域進行重點提升，如常州市可著重提升資源配置及利用效率；南京市、淮安市、鎮江市可著重優化生產規模；宿遷市、泰州市、鹽城市、連云港市可著重關注資源的配置以及生產規模的優化。

4 結論與建議

通過對江蘇省各地級市的碳排放效率時空分異性進行實證分析得到下述結論。

1）從時間序列角度看，2011—2020年江蘇省碳排放效率發展較為平穩，綠色技術持續進步與創新是效率提升的主要驅動因素，同時優化生產規?？煽焖偬岣咛寂欧判?。

2）從空間分異角度看，江蘇省13個地級市的碳排放效率差別明顯且呈一定的規律性，具體表現為蘇中地區>蘇南地區>蘇北地區。

此外，江蘇省各地級市碳排放效率存在差距，碳減排工作成效較好的蘇州市碳排放效率達1.120，而連云港市的碳排放效率僅為0.549。其中，部分城市由于碳排放總量大使得碳排放效率偏低，具有較大的碳減排潛力。

針對上述結論，對江蘇省未來碳減排的發展路線和方向提出以下對策建議。

1）江蘇省在推進碳減排工作過程中，加大節能減排技術研發的投入，保持技術優勢。同時，加速傳統行業轉型升級，加大清潔能源的使用比例，助力生產規模效率的提高。各地級市可根據現存短板進行重點提升，加速全省碳減排的進程。

2）碳減排分攤方案制定不僅需注重公平原則，同時要綜合考慮各地級市的碳排放量和效率，對于碳排放總量大且效率高或碳排放總量小且效率低的城市可適度調低碳減排配額，應將碳減排重心放在碳排放總量大且效率低的城市。

3）江蘇省碳排放效率表現出明顯的空間分異性，為均衡省內碳減排工作進程，應增強各地級市間交流、互助強度。充分發揮蘇州市等碳減排成效較好城市的帶頭作用，共享技術發展、傳統產業轉型升級經驗。政府也應重點關注連云港市等碳減排成效尚不突出城市的工作進展，及時提供專項政策與資金扶持，助力區域間協調發展。

參考文獻：

［1］ 朱冬元，紀 磊.基于STIRPAT模型的長江經濟帶碳排放驅動因素研究［J］.湖北農業科學，2021，60（11）：50-54，61.

［2］ 徐英啟，程 鈺，王晶晶，等.中國低碳試點城市碳排放效率時空演變與影響因素［J］.自然資源學報，2022，37（5）：1261-1276.

［3］ 王文舉，陳真玲.中國省級區域初始碳配額分配方案研究——基于責任與目標、公平與效率的視角［J］.管理世界，2019，35（3）：81-98.

［4］ 周 迪，鄭楚鵬，華詩潤，等.公平與效率協調視角下的中國碳減排潛力與路徑［J］.自然資源學報，2019，34（1）：80-91.

［5］ 錢浩祺，吳力波，任飛州.從“鞭打快?！钡叫黍寗樱褐袊鴧^域間碳排放權分配機制研究［J］.經濟研究，2019，54（3）：86-102.

［6］ 張 成，史 丹，李鵬飛.中國實施省際碳排放權交易的潛在成效［J］.財貿經濟，2017，38（2）：93-108.

［7］ MENG F Y， SU B， THOMSON E， et al. Measuring China's regional energy and carbon emission efficiency with DEA models： A survey ［J］. Applied energy， 2016， 183： 1-21.

［8］ 李金鎧，馬靜靜，魏 偉.中國八大綜合經濟區能源碳排放效率的區域差異研究［J］.數量經濟技術經濟研究，2020，37（6）：109-129.

［9］ 袁長偉，張 帥，焦 萍， 等.中國省域交通運輸全要素碳排放效率時空變化及影響因素研究［J］.資源科學，2017，39（4）：687-697.

［10］ XIE Z，WU R，WANG S.How technological progress affects the carbon emission efficiency？ Evidence from national panel quantile regression［J］. Journal of cleaner production， 2021， 307（1）：127-133.

［11］ SHI R B， IRFAN M， LIU G L， et al. Analysis of the impact of livestock structure on carbon emissions of animal husbandry： A sustainable way to improving public health and green environment ［J］. DOI： 10.3389/fpubh.2022.835210.

［12］ CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units［J］. European journal of operational research， 1978， 2（6）： 429-444.

［13］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001， 130（3）： 498-509.

［14］ TONE K. A slacks-based measure of super-efficiency in data envelopment analysis［J］. European journal of operational research， 2002， 143（1）：32-41.

［15］ TONE K， SAHOO B K. Degree of scale economies and congestion： A unified DEA approach［J］. European journal of operational research， 2004， 158（3）： 755-772.

［16］ 李 健，馬曉芳，苑清敏.區域碳排放效率評價及影響因素分析［J］.環境科學學報，2019，39（12）：4293-4300.

［17］ 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.

收稿日期：2022-10-20

基金項目：江蘇省軟科學研究項目（BR2021056）；中央高?；究蒲袠I務費項目（B220207021）；河海大學大學生創新創業項目（2022102941341）

作者簡介：王肖玥（2001-），女，安徽蚌埠人，本科生，主要從事碳核算研究，（電話）17730055970（電子信箱）2529013421@qq.com；通信作者，

鄧建高（1974-），男，江西余江人，副教授，主要從事碳資產管理、大數據管理與應用研究，（電話）13961498379（電子信箱）

djgwmdkx@hhu.edu.cn。