江苏区域低碳经济发展水平的测度与分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇江苏区域低碳经济发展水平的测度与分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：首先利用DEA方法设计区域低碳经济发展指数对江苏区域低碳经济发展水平进行测度，结果显示三大经济区域苏南低碳经济发展最好，苏中其次，苏北最低。然后基于低碳经济发展指数对江苏区域低碳经济发展水平进行相关分析，聚类结果显示低碳经济发展较好地区为无锡、常州、苏州、南通、盐城、宿迁；收敛分析表明江苏各区域低碳经济发展存在差异变大趋势；影响因素分析表明经济发展和产业结构对低碳经济发展为正影响，而能源强度（单位GDP能耗）对低碳经济发展为负影响。
关键词：DEA；低碳经济；聚类分析；收敛检验
中图分类号：F124.5 文献标识码：A 文章编号：1001-8409（2012）11-0085-05
The Measurement and Analysis about the Level of Low-Carbon Economy Development in Jiangsu Province
DONG Feng， LONG Ru-yin
（School of Management， China University of Mining and Technology， Xuzhou 221116）
Abstract： This paper is firstly based on the accurate measurement and analysis aboutthe level of the low-carbon economy development currently.Firstly Author makes low-carbon economy development index by means of DEA to measurethe level of regional low-carbon economic development in Jiangsu Province， and the results show Southern Jiangsu is the best， Central Jiangsu is in the second， and Northern Jiangsu is the last.Then， based on the low-carbon economic development index， author analyzes the level of regional low-carbon economy development in Jiangsu. The clustering results indicate that better development area of low-carbon economic include Wuxi， Changzhou， Suzhou， Nantong， Yancheng and Suqian. The Convergence test indicates that regional differences of low-carbon economic development become larger. The influencing factors analysis shows the impact direction of the economic development and industrial structure to the low-carbon economic development index is positive， and the impact direction of the energy intensity （unit GDP energy consumption） to the low-carbon economic development index is negative.
Key words： DEA； low-carbon economy； clustering analysis； convergence test
低碳经济的提法最早源自于2003年英国的能源白皮书《我们未来的能源：创建低碳经济》，目前国际上对于低碳经济的公认定义为人类通过技术手段和制度设计，降低化石能源的消耗，减少温室气体的排放，遏制全球气候变暖，从而减少由此带来的各类自然灾害的发生和生态环境的恶化，保护人类的生存安全[1]。景跃军和刁巍杨通过对东北地区低碳经济发展路径的研究发现东北地区碳减排成本与能源排放强度、能源消费结构和能源利用效率高度相关[2]；刘鸿渊和孙丽丽以新自由主义的理论为基础，从中观层面分析了低碳经济在异质性地区的生成条件和微观基础[3]；Zhou等从生产理论的角度，综合考虑能源、资本、劳动力等相关要素，利用环境生产技术和Malmquist 生产率指数比较了18个OECD国家的二氧化碳排放绩效[4]；王群伟等利用动态变化的 Malmquist 指数测度了 1996～2007 年我国 28 个省区市二氧化碳的排放绩效，并借助收敛理论和面板数据回归模型分析区域差异及影响因素[5]；Dong等构造了连续Malmquist–Luenberger生产率指数（SMLI）用其测算考虑技术可变性的环境敏感生产率[6]；胡宗义和刘亦文用动态CGE模型来模拟分析低碳经济对中国经济发展的产出影响。研究结果表明：发展低碳经济对我国各产业影响不尽相同，在一定程度上推动了我国经济的发展，但会导致企业削减就业岗位[7]。
关于江苏低碳经济的研究不是很多，主要有以下几篇代表性文献，聂锐等利用环境负荷模型与脱钩理论， 对江苏未来中长期的经济发展、能源需求与二氧化碳排放进行了情景分析， 并结合当前的环境政策， 对三种情景下主要指标的参数和结果进行了设计与分析[8]；赵荣钦和黄贤金采用2003～2007年江苏能源消费和土地利用等数据，通过构建能源消费的碳排放模型对江苏能源消费碳排放进行了核算[9]；张秀梅等对江苏1996～2007年的碳排放效应及时空格局进行了分析，得出江苏全省碳排放量、地均碳排放强度和地均建设用地碳排放都呈现苏南大于苏中大于苏北的分布格局的结论[10]；刘慧等通过设定基准情景（BAU）、低碳经济政策情景（LES）、推进低碳发展的国际合作与技术转移情景（ICS）三种政策情景对江苏未来中长期能源需求与二氧化碳排放强度进行分析[11]。
自从我国政府在哥本哈根年会上提出2020年单位GDP二氧化碳排放强度相较2005年降低40%～45%目标后，国内外学者对于中国二氧化碳排放问题的研究越来越多，大家的一致意见是低碳经济是实现碳减排目标、实现可持续发展的唯一路径，并从碳排放绩效、因素分解、情景模拟等角度进行了分析。对江苏碳排放的研究更多集中于江苏全省，缺乏对13地级市及苏南、苏中、苏北三大经济区域二氧化碳排放和低碳经济发展状况的系统梳理分析。制定低碳经济发展战略和实施路径首先要建立在对当前低碳经济发展状况的正确测评和认识的基础之上，本文正是基于这一现实，先以IPCC碳排放系数计算方法准确测算江苏各区域二氧化碳排放数据，然后用DEA方法设计低碳经济发展指数对江苏各区域低碳经济发展水平进行测度，并在此基础上进行聚类分析、收敛性检验和影响因素分析。
一、江苏区域二氧化碳排放测算及现状分析
《中国能源统计年鉴》将最终能源消费划分为9类，分别为煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭，国内二氧化碳排放计算一般计算公式为：
C=∑iaiEi （1）
其中ai为IPCC提供的各种能源碳排放系数，Ei为终端能源消费量（标准煤）。本文没有将电力作为终端能源放入碳排放总量计算中，原因在于IPCC确定的电力碳排放系数为发电所导致的碳排放，我国2008年火力发电占总发电量的80.48%根据《中国统计年鉴2010》电力平衡表相关数据计算得到。 ，火力发电所用能源绝大部分为煤炭，各区域所消耗的电力可以分为自发电和买入电，自发电所消耗的煤炭已经在最终煤炭消耗中计算，买入电由于发电所产生的碳排放并不在本区域，而水电、核电等清洁能源碳排放系数为0资料来源：国家发展和改革委员会能源研究所.中国可持续发展能源暨碳排放情景分析[R].2003。 ，所以如果在碳排放总量计算中再加入电力会造成重复计算问题，而且重复的比率相当高，所以本文在最终能源消费中没有考虑电力，各区域八种最终能源消费量数据来自各地级市统计年鉴，碳排放系数采用IPCC数据。
根据式（1）计算的江苏全省和三大经济区域苏南包括南京、无锡、常州、苏州、镇江；苏中包括南通、扬州、泰州；苏北包括徐州、连云港、淮安、盐城、宿迁。 2001～2009年二氧化碳排放总量、单位GDP二氧化碳排放量、人均二氧化碳排放量图如下：
2001～2009年二氧化碳排放总量年均增长速度苏南为10.7%、苏中为9.2%、苏北为11.8%，三大经济区域及全省单位GDP二氧化碳排放量下降缓慢，在有些年份还出现反弹增长，2001年三大区域单位GDP二氧化碳排放量从高到低排位为苏南、苏中、苏北，2009年的排位为苏北、苏南、苏中，9年间苏南单位GDP二氧化碳排放量由2.52吨/万元下降为2.00吨/万元，苏中由2.35吨/万元下降为1.77吨/万元，苏北下降幅度很小。人均二氧化碳排放量一直是苏南最高，苏北最低，与经济发展水平呈高度正相关，2001～2009年三大经济区域及全省人均二氧化碳排放增长都比较迅速，苏南增长1.07倍、苏中增长1.04倍、苏北增长1.32倍。
二、江苏区域低碳经济发展水平测度
（一）研究方法与指标
DEA（Date Envelopment Analysis 数据包络分析）是研究同类型决策单元相对效率的常用方法之一。1957年Farrell在研究英国农业生产力中首先提出数据包络思想，1978年运筹学家Rhode、Cooper和Chames正式提出了这一相对效率的研究方法[12]。
假设有n个受评估单元，每个评估单元共有m种投入要素xij，共有s种产出yir，则决策单元O的相对效率衡量指标ho（u，v）可以表示为：
max ho（u，v）=∑sr=1uryor∑mj=1vjxoj
s.t. ∑sr=1uryor∑mj=1vjxoj≤1
∑ni=1λi=1 （2）
本文基于上述DEA模型设计低碳经济发展指数，投入产出共四个指标，分别如下：
（1）GDP
GDP数据来自各地级市统计年鉴，根据GDP平减指数转换为2000年价格。
（2）资本存量
张军等[13]采用永续盘存法来估计各个省和全国的资本存量，计算公式为：
Kt=Kt-1（1-α）+It （3）
其中Kt为基期资本存量、Kt-1为上期资本存量、It为本年度固定资产投资总额、α为固定资本折旧率，本文沿用张军的思想方法估算江苏13个地级市的资本存量。方法为用各地级市GDP与江苏全省GDP之比乘以张军所测算的江苏省2000年资本存量估算出各地级市2000年基期资本存量，然后根据式（3）算出各地级市2001～2007年资本存量，其中α根据张军研究结论取9.6%。各地级市固定资本投资总额数据来自各地级市统计年鉴，所得资本存量数据根据GDP平减指数统一转换为2000年价格。
（3）人力资本
人力资本取各地级市年末从业人数。
（4）二氧化碳排放总量
二氧化碳排放总量计算方法见“江苏区域二氧化碳排放测算及现状分析”。
（二）低碳经济发展指数计算结果
本文所设计的低碳经济发展指数投入变量为资本存量和人力资本，产出变量为GDP，二氧化碳排放总量既可以作为投入指标也可以取倒数作为非期望产出指标，通过规划求解，可以得到江苏13地级市及苏南、苏中、苏北三大经济区域2001～2009低碳经济发展指数，结果见表1。
从结果来看：二氧化碳排放总量分别作为投入和非期望产出得出的江苏区域低碳经济发展指数差别不大，本文主要以二氧化碳排放总量作为投入来进行分析。从全省范围来看：除2009年外，江苏低碳经济发展指数是逐年下降的，2001年为0.966，2009年为0.83，由于当时没有2010年的相关数据，本文无从了解在哥本哈根联合国气候大会后我国各级政府日益重视碳排放问题背景下江苏2010年的低碳经济发展指数是否有所提高。
就区域来看，比较9年平均值和绝大部分年份，苏南低碳经济发展指数最高、苏中其次、苏北最低，这种排位与三大区域的经济实力相对应，根据区域低碳经济发展指数平均值排名前三个城市分别是苏州、盐城和无锡，其中两个位于苏南，一个位于苏北，平均值排名后三个城市分别是连云港、淮安、南京，其中两个位于苏北、一个位于苏南。盐城低碳经济发展指数较高与其工业化和人民生活水平较低有关，盐城2009年第二产业比重只有48.2%，远低于全省平均水平，人均GDP为25553元，排在江苏13个地级市第10位，较低的工业化和人民生活水平减少了二氧化碳排放总量从而提高了低碳经济发展指数。苏南低碳经济发展指数在三大区域最高，而位于苏南的南京低碳经济发展指数位于江苏全省倒数第三位令人意外，但是分析单位GDP 二氧化炭排放量和人均二氧化碳排放量数据就会理解本文所设计的区域低碳经济发展指数的合理性和准确性，南京2009年单位GDP 二氧化炭排放量和人均二氧化碳排放量在13个地级市中都排第2位，而低碳经济发展指数排第2位的盐城单位GDP 二氧化炭排放量和人均二氧化碳排放量在13个地级市都排在第12位。经济发展和人民生活水平的提高会增加二氧化碳排放，但是通过调整产业结构和提高能源效率可以提高碳排放效率从而提升低碳经济发展指数，同处苏南的苏州和无锡为南京作出了榜样。
依据DEA方法的BCC模型将区域低碳经济发展指数分解为纯技术效率指数和规模效率指数，结果见表2。
表2显示了江苏及各区域纯技术效率和规模效率指数的分布情况。苏南和全省纯技术效率为1，比较9年平均值，纯技术效率苏南最高、苏北最低，规模效率相反苏北最高、苏南最低。纯技术效率为1或接近1，而规模效率小于1时，这说明被评价单元本身的技术效率而言没有投入需要减少、没有产出需要增加，被评价单元的综合效率没有达到有效（即1），是因为规模、投入、产出不相匹配，需要增加规模或减少规模，规模效率与我国的产业结构、工业结构、能源消费结构都有很大关系。
三、江苏区域低碳经济发展水平分析
（一）聚类分析
根据上文得到的江苏13地级市2001～2009年低碳经济发展指数进行聚类分析，聚类树形（图4）。
按照聚类分析结果将江苏13地级市分为三类，其中低碳经济发展较好地区为无锡、常州、苏州、南通、盐城、宿迁；低碳经济发展居中地区为扬州、镇江、泰州；低碳经济发展较差地区为南京、徐州、连云港、淮安。从中可以看出低碳经济发展水平较高的地级市还是集中在经济发展水平较好的苏南地区。
（二）收敛性分析
技术创新理论认为一种新技术渗透到新市场，必然经历发明、创新和扩散三个阶段[14]，如果落后地区能够吸收和学习先进地区的技术，这样技术知识的扩散效应会使落后地区获益，因为技术的模仿总比创新成本高，因此当落后地区比先进地区在技术学习上处于更有利位置时，两地经济增长就会出现收敛的趋势[15]。利用收敛理论检验江苏13地级市低碳经济发展指数是否有收敛趋同的趋势。
借助Barro和Sala-i-matin[16]的研究成果，本文设计的β收敛公式如下：
lnEEit-lnEEi0T=C+βlnEEi0+ε （4）
其中lnEEi0表示期初相关指数（低碳经济发展指数、纯技术效率指数、规模效率指数）自然对数值，lnEEit表示第t期相关指数自然对数值，T表示时间跨度。如果β
收敛检验表明：低碳经济发展指数、纯技术效率指数、规模效率指数均不存在收敛，表明江苏13个地级市2001～2009年的低碳经济发展存在不均衡现象，各市低碳经济发展存在差异变大趋势。
（三）影响因素分析
前文分析了江苏低碳经济发展指数及组成，但是并未对指数变动的影响因素进行分析，本部分以低碳经济发展指数作为因变量，引进相关影响因素作为自变量进行分析。基于已有的研究成果和数据可得性，本文从经济发展、经济结构、能源效率三个方面考察各因素对资源型城市转型绩效的影响，表4给出了相关影响因素变量的定义及说明。
从式（5）可以看出：经济发展和产业结构对江苏低碳经济发展指数的影响为正方向，能源强度对江苏低碳经济发展指数的影响为负方向，即人均GDP和第三产业比重越高，江苏低碳经济发展指数越高，能源强度（单位GDP能耗）越高，江苏低碳经济发展指数越低。这些结果都符合本文的理论预期，经济发达地区由于先进的技术和管理，碳排放效率较高，低碳经济发展水平也较高；第三产业单位GDP二氧化炭排放量远低于第二产业，积极发展第三产业和现代服务业是实施低碳经济的必由之路；高能源强度带来的必然是高碳排放和较低的低碳经济发展指数。
四、结论与建议
本文利用数据包络分析方法设计低碳经济发展指数对江苏各区域低碳经济发展水平进行测度，投入指标为资本存量、人力资本和二氧化碳排放总量，产出指标为GDP，测评结果显示三大经济区域苏南低碳经济发展最好、苏中其次、苏北最低，13地级市低碳经济发展前三名为苏州、盐城和无锡。利用低碳经济发展指数的聚类分析结果表明低碳经济发展较好地区为无锡、常州、苏州、南通、盐城、宿迁。低碳经济发展指数收敛分析表明各区域低碳经济发展存在差异变大趋势，影响因素分析表明经济发展和第三产业比重对低碳经济发展指数影响方向为正，而能源强度对低碳经济发展指数影响方向为负。
结合分析结果，本文提出以下建议：（1）积极调整产业结构，发展现代服务业。第三产业单位能耗低、碳排放低，同时第三产业比重的提高也是经济发展、转型的重要标志，发达国家第三产业比重都在2/3以上，我国2010年底也只有43%。据测算，服务业单位增加值能耗仅为工业单位能耗的1/7，碳密度只有能源行业碳密度的1/10左右，发展现代服务业既能提升产业层次、优化三大产业比例，又能降低单位GDP碳排放量。（2）调整能源结构，积极开发新能源。江苏可再生资源较为丰富，地热资源地势优越地区面积占全省总面积的38%，开发后全部资源量折合标准煤量达到56亿吨；风场资源量居全国第七，可开发量约2100万千瓦；全省森林覆盖率达到16.9%，湿地面积占全省面积的21.5%，滩涂面积占全国总面积的1/4，这些可再生资源为江苏发展低碳经济提供了有利的现实条件。（3）政府要建立相应的管理体制，给予政策支持，为低碳经济的发展提供制度、法律保障，支持企业发展先进技术，鼓励企业对低碳技术进行引进和自主研发。（4）企业应抓住低碳产业转型升级的机遇，重视低碳技术更新和自主知识产权研发，将能源消耗列入企业预算，实行节能计划，以市场为导向，以技术为支撑，谋取更为广阔的发展空间。
参考文献：
[1]徐南，陆成林.低碳经济的丰富内涵与主要特征[J].经济研究参考，2010（60）：32-33.
[2]景跃军，刁巍杨.东北一次能源消费的碳排放及低碳经济发展路径研究[J].管理评论，2010（8）：109-113.
[3]刘鸿渊，孙丽丽.跨区域低碳经济发展模式与机制研究[J].软科学，2011，25（8）：45-48.
[4]Zhou P， Ang B W， Han J Y. Total Factor Carbon Emission Performance： A Malmquist Index Analysis [J]. Energy Economics， 2010，32（1）.
[5]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010（1）：45-54.
[6]Dong H O， Almas H. A Sequential Malmquist–Luenberger Productivity Index： Environmentally Sensitive Productivity Growth Considering the Progressive Nature of Technology[J].Energy Economics， 32（6）： 1345-1355.
[7]胡宗义，刘亦文.低碳经济的动态CGE研究[J].科学学研究，2010，28（10）：1470-1475.
[8]聂锐，张涛，王迪. 基于 IPAT模型的江苏省能源消费与碳排放情景研究[J].自然资源学报， 2010，25（9）：1557-1564.
[9]赵荣钦，黄贤金. 基于能源消费的江苏省土地利用碳排放与碳足迹[J].地理研究，2010，29（9）：1639-1649.
[10]张秀梅，李升峰，黄贤金等. 江苏省1996年至2007年碳排放效应及时空格局分析[J].资源科学，2010，32（4）：768-775.
[11]刘慧，张永亮，毕军.中国区域低碳发展的情景分析——以江苏省为例[J].中国人口·资源与环境，2011，21（4）：10-18.
[12]盛昭瀚，朱乔，吴广某. DEA理论、方法与应用[M].北京：科学出版社，1996.
[13]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952～2000[J].经济研究，2004（10）：35-44.
[14]Josef S. Capitalism， Socialism and Democracy [M]. New York： Harper， 1942.
[15]Abramoviz M. Catching-up， Forging Ahead， and Falling Behind [J]. Journal of Economic History， 1986， 46（2）： 385-406.
[16]Barro R J， Sala M X. Public Finance in Models of Economic Growth [J]. Review of Economic Studies， 1992（4）： 645-661.