区域低碳经济成效研讨

1科技带动视角下的低碳经济效率

低碳经济是将“碳排放”因素纳入到经济发展系统中，考察各类行政与商业行为引发的碳排放量，并使用市场机制进行“碳排放权”交易，进而实现控制温室气体排放，缓解环境压力的一种经济发展模式［6］。与传统经济模式下的规则不同，低碳经济的评价需要考虑CO2的排放问题，例如单位GDP的CO2排放量、单位投资的CO2排放量、单位人口的CO2排放量等［7］。除普遍受到重视的碳排放量外，各地区在低碳化进程中的效率水平，也是表征其低碳经济发展状况的重要指标［8］。所谓效率，是指生产活动中投入与产出的比例［9］。在经济学中，效率通过投入产出数据与生产前沿面间的距离函数进行测度［10］。发展低碳经济是一个多投入多产出的动态过程，由于投入产出指标的选取原则不同，低碳效率的测度重点也会产生差异。在全球气候变暖、环境压力凸显的形势下，技术进步是决定各地区“降碳”目标能否顺利实现的关键，而低碳技术的发展取决于科技投入的力度以及科研机构对于各项投入的管理水平。因此，科技带动视角下的低碳效率，可以通过各项科技投入与相关“降碳”产出的对比关系进行测度。作为一种非参数效率评价方法，数据包络分析（DEA）对于测度多投入多产出系统的效率水平具有良好的适用性［11］。在低碳领域，Zofio等［12］设计出一种双曲效率测量方法计算OECD成员国的碳排放效率。Zhou等［13］使用基于时间序列的Malmquist指数分析，研究了18个国家的总体碳排放情况。Guo等［14］使用资本存量、劳动力、主要能源消费量作为投入指标，地区生产总值和二氧化碳排放量作为产出指标，对中国省级行政单位的碳减排潜力进行了测算。解百臣等［15］基于投入型Malmquist指数，对我国内地30个省级发电部门1997－2007年的效率变化特征进行了细致分析。马军［16］使用DEA对内蒙古地区近10年的低碳经济发展效率进行了评价，并根据投影分析提出了效率改进建议。本文使用数据包络分析，以各地区科技投入、“降碳”产出水平与生产前沿面之间的距离为依据，对区域低碳经济发展效率进行测算。

2基于DEA的区域低碳效率评价模型

数据包络分析法（DEA）是以相对效率概念为基础发展起来的一种效率评价方法［17］。其基本思想是在规模收益不变（CRS）的假设下，以各决策单元的投入产出数据分别求解同一数学规划模型，拟合出代表最优投入产出水平的生产前沿面（PF），并以各决策单元与生产前沿面的距离表征其效率水平［18］。在此基础上，Banker等［19］提出了规模收益可变（VRS）的效率评价模型。本文对于科技带动视角下的区域低碳静态效率的测算，以各决策单元与规模收益不变前沿面的距离（即CRS效率）为依据。为进一步考察各地区的效率差异，将CRS效率拆分为VRS效率与规模效率，前者以各地区科技投入水平与规模收益可变（VRS）前沿面的距离为依据，后者由CRS效率与VRS效率的比值进行计算。以Malmquist指数分析区域低碳效率的动态变化情况时，也进行了相应的指数拆分。将生产前沿面在两个时期发生移动导致的效率变化解释为全社会对于科技资源的整体管理水平进步，而将决策单元相对两个时期CRS前沿面的距离变化解释为各地区科技资源配置能力的变化。对于后者，进一步拆分体现资源配置结构优化速度的VRS效率变化以及体现科技资源投入总量优化速度的规模效率变化。

3投入产出指标

对于投入指标的选择，需综合考虑科技创新主体和科技投入的基本形式。Wiesenthal等［22］指出，企业R＆D研发投入的种类和水平、创新过程的效率和创新系统的广度都决定了用于低碳领域的关键技术市场化进程。Kramer等［23］指出，为了加速低碳技术的发展，政府决策者应当调整政策，关注具有特色的低碳技术，政府科技资源投入的主要去向应当是各类科研院所与高等学校。因此，科研院所、企业和高等院校是低碳科技创新的主体。同时，科技投入的具体形式包括科研人员数量和科研资金水平两个主要方面。为了方便使用DEA投影分析对各类科研机构的有效投入进行细致考察，本文最终选取“研究与开发机构R＆D人员数”、“大中型工业企业R＆D人员数”、“高等学校R＆D人员数”、“研究与开发机构R＆D经费”、“大中型工业企业R＆D经费”以及“高等学校R＆D经费”6项科技投入指标。各地区低碳化进程中，主要目标是减少能源的无效消耗进而降低CO2排放水平［24］。本文使用“碳生产率”和“单位地区生产总值能耗下降幅度”作为产出指标，衡量各地区“降碳”效果。由于碳排放水平没有权威统计数据，本文依据IPCC、国家气候变化对策协调小组办公室以及国家发展和改革委员会能源研究所推荐的各类能源碳排放系数［25、26］，对各地区因煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气等化石燃料燃烧产生的CO2进行测算，进而结合地区生产总值，得出其“碳生产率”数据。率”数据。在应用数据包络分析技术时，决策单元与投入产出指标数量应满足式（6）的条件［27］。其中，n为决策单元个数，m为投入指标数量，s为产出指标数量。本文选取投入指标6个，产出指标2个，决策单元30个，符合以上要求。本文数据源自《中国统计年鉴》、《中国能源统计年鉴》以及国家统计局“中国科技统计年度数据”。由于数据缺失，西藏并未纳入本研究范围。青海省2006年单位地区生产总值能耗下降幅度为1．51％，根据DEA对于数据非负的要求，这一指标在计算时取0。考虑到科技投入在成果转化过程中的滞后性，各项科技投入指标均选择前一年的统计数据。

4基于Malmquist指数的区域低碳动态效率变化分析

4．1区域低碳效率总体变化趋势及其指标分解使用DEAP2．1对内地30个省级区域2006－2009年Malmquist指数进行测算，3个考察期内全国低碳效率变化整体均值如表1所示。4年间我国低碳经济效率增幅达到14．1％，证明各地区科技投入有效带动了“降碳”能力的提升。3个考察期的变化特征存在明显差异，除2008和2009年外，各地区低碳视角下的效率增幅为正。但2007－2008年Malmquist指数的持续提升，是依靠整体科技管理能力进步与各项科技投入规模向最优经济区间大幅逼近实现的。衡量各项科技投入配置比例的VRS效率指标，出现了考察期内的最大降幅，这一问题直到2009年才有所改善。通过进一步分解，可以清晰发现全社会科技管理能力的进步是实现低碳效率不断攀升的主要动力。这种情况表明，无论是科研机构、工业企业还是高等学校，对于科技投入的管理能力都在持续提升，进而带动与低碳相关的投入产出水平向生产前沿面持续正向移动。与此同时，低碳CRS效率变化呈现退化趋势，即各地区科技资源的投入水平相对当期生产前沿面的距离正在逐步拉大。考虑到2007－2008年低碳CRS效率的严重退化影响了该指标的均值水平，我国各项科技投入的动态增长情况整体尚可。将综合效率进一步拆分为代表资源配置结构优化水平的VRS效率和代表资源投入规模经济水平的规模效率，发现人员、资金在3类机构中的配置结构优化速度较慢，这可以从2007－2008年和2008－2009年的VRS效率持续减退中看出。人员与资金在各部门间的比例调整，是我国以科技创新带动低碳经济发展过程中的一大挑战。

4．2各地区低碳经济动态效率比较限于篇幅，本文仅列出了2006－2009年各地区低碳效率动态变化均值，如表2所示。将我国内地30个省份分为6个区域，可以发现，科技带动视角下我国区域低碳经济动态效率呈现出由西向东、由北向南逐级递减的态势，效率增幅由高到低依次为西北、西南、华北、东北、华东，最后是中南地区。如果西部偏远地区碳排放水平一直低于东部经济发达地区可以由工业化程度相对落后进行解释，那么各地区低碳发展效率的差异深刻说明：东部地区发达的科技教育水平并未对其低碳化进程产生明显推动作用。需要指出的是，依据以上结果并不能认定东部地区科技投入浪费严重。考虑到低碳经济的概念从2006年左右才被我国政府所重视，而各地区政府部门政绩考核标准、企业发展目标以及科研单位的资金资助方向，在短期内仍旧以经济效益而不是环境效益为主。因此，以上计算结果更为准确的解读应该是，现阶段我国各地区、各部门科技投入用于气候环境改善的比重还较小，而这种投入方向的偏差在东部地区发展低碳经济的过程中体现得更为明显。以Malmquist指数均值为划分依据，青海等11个省市的低碳效率增速较快，而包括河北、江苏在内的19个省市增速较慢。特别地，广东、黑龙江、广西、福建、海南5省出现了“负增长”，但导致这种情况发生的原因有所不同。广东和海南生产率退化的主要原因是代表全社会科技投入最优水平的生产前沿面发生改变，从而影响了其科技投入的“降碳”效果，这一问题可以通过调整各类科技资源的配置比例与配置规模得到改善。各项科技资源的投入规模效应降低是福建省低碳效率下降的主要原因。生产前沿面的移动和相对其它地区科技资源配置不合理均导致了广西壮族自治区低碳效率的下降。黑龙江省低碳效率4年的变化均值出现了CRS效率下降，但VRS效率和规模效率同时上升的“反逻辑”特征，造成这一独特现象的原因是其在考察期内，各项效率指标在升降比例上的巨大差异，从而严重影响到均值数据对于其效率变化规律测度的有效性。

5基于CRS、VRS模型的区域低碳经济静态效率水平

5．1科技带动视角下低碳CRS效率总体分布及其拆解分析以DEAExcelSolver为工具，对内地30个省市2006－2009年间发展低碳经济过程中的相对效率水平进行测算。限于篇幅，仅将各地区4年效率水平均值列出，结果如表3所示。从整体效率水平考察，我国多数地区低碳经济效率水平不容乐观，仅有海南、宁夏两省位于CRS生产前沿面上。将效率指标进行分解，可以清晰地发现我国各地区VRS效率水平较高，均值达到了0．714，即各地区科技人才与科研经费的配置比例较为合理，对于加速本地区“降碳”步伐存在积极作用。相对而言，各地区低碳规模效率问题值得关注，其均值为0．454，表明各地区科技投入总量中存在一定程度的浪费，并影响到了低碳经济的整体效率。进一步考察4年中各地区科技投入的规模收益变化情况，投入水平处于规模收益递减区间的省份占到了84．2％。从数据结果上看，多数省份科技投入在人员与资金方面均呈现“过度”特征，但并不能以此认为各地区科技资源的配置中存在大量浪费。和前文低碳动态效率分析时的情况相同，现阶段我国政府和企业绩效的考核指标仍旧侧重于传统经济效益，而这两者作为科技资金的主要提供者，其资助重点直接影响了各类科研机构成果的转化方向。因此，以上科技投入规模的不经济，体现了低碳视角下用于“环保降碳”领域的科技人员与资金投入相对不足的现状。

5．2各地区低碳效率水平比较从地域分布来看，我国各省低碳效率水平呈现“西高东低”的特征。和动态效率增长情况相似，东部沿海地区经济发达，虽然其各项科技投入的整体水平处于国内领先地位，但低碳效率状态却不容乐观。将表征环境因素的低碳指标引入效率评价过程后，这些省市重经济轻环境的发展现状得以充分展现。将各地区低碳效率动态增幅与静态效率水平进行对比，4年间效率增长较快的北京、广东、四川、云南、陕西、甘肃、青海等地区，其各年效率水平差异极大。其中，北京、甘肃、青海3地两项指标均处于全国前列，证明这些地区各项科技投入有效带动了本地区低碳经济发展。广东、四川、云南、山西等地区静态效率水平的不足，使其动态增长的现实意义大打折扣，这类省份需要注意改善自身科研投入的配置结构与资助方向，进而实现低碳效率的良性增长。

5．3低碳效率视角下的科技投入冗余分别计算规模收益不变（CRS）和规模收益可变（VRS）视角下各地区科技投入的冗余程度，结果如表4所示。在CRS效率视角下，大中型工业企业在R＆D经费使用方面冗余幅度最大，说明工业企业科研投入集中在与产品生产制造有关的经济效益领域，用于低碳领域的研发资金比重过低，从而出现了这种研发费用的无效“浪费”。在VRS视角下，投入冗余考察的是各种科研投入在配置比例上的不合理程度，高等学校在R＆D人数与经费两方面冗余度均处于最低水平。由此可见，我国各地区科技投入的比例优化水平明显高于规模合理程度。高校科研人员的绩效考核与研究经费资助方向并不以经济效益为主要标准，因此形成了大量关注“节能减碳”领域的理论研究成果，推动了地区低碳经济的发展。

6结语

通过构建反映科技投入及其“降碳”成效的低碳效率评价指标体系，以数据包络分析为工具，本文对中国内地30个省级行政区域低碳经济效率进行了细致研究，并得出以下结论：（1）考察期内各地区低碳效率整体呈现增长态势。东部地区无论在效率增速，还是在效率相对水平方面均落后于西部地区。这种经济发展水平与低碳效率水平相背离的现象说明，现阶段地方政府和工业企业的绩效评价观念仍旧以获取经济效益为主。因此，通过提高用于环境保护领域的人员、资金投入，各地区低碳经济效率有望显著提升。（2）通过拆解效率指标，从动态视角考察我国内地30个省低碳效率提升速度，规模效率增幅明显高于VRS效率，而在静态效率水平的比较中，后者明显高于前者。对于中国大多数省份而言，各项科技投入之间的配置比例关系已经处于较优水平，而低碳视角下投入规模的“过剩”问题相对突出。各地方政府通过增加环境改善领域的公共科研支出，针对碳排放问题较为严重的工业企业适当征收“碳税”等手段，可以有效解决以上问题。（3）高等学校作为我国主要科研力量之一，由于其事业单位的独特定位，创造经济效益的现实压力比企业小。在以科技进步带动低碳经济发展的过程中，高等学校应当发挥更为重要的作用。同时，各级政府部门科研基金的资助重点，也应向以“节能降碳”为代表的环境气候领域适当倾斜。

作者：支华炜杜纲解百臣单位：天津大学管理与经济学部