论文部分内容阅读
[摘要] 建立考虑资源禀赋限制的全要素指标体系，运用超效率DEA模型，对中国28个省（市、自治区）“十一五”期间碳排放绩效予以评价，在此基础上梳理各区域碳排放绩效演化特征，进而把握各区域内部及区域之间差异变化规律。研究发现：“十一五”期间，中国整体碳排放绩效保持较高水平，但提升速度相对较缓慢；三大地区中，东部地区绩效最高，西部地区提升速度最快；全国各省（市、自治区）间在2006—2009年差异较稳定，之后呈发散态势，东部地区与全国情况基本一致，中部地区发生α收敛，西部地区差异变动较大，三大地区间的差异变动较小。
[关键词] 超效率DEA；碳排放绩效；差异
[中图分类号]F205；X24
[文献标识码]A
[文章编号] 1673-5595（2013）05-0038-05
一、引言
目前， 碳排放绩效已引起国内外学者的广泛关注，学者们提出了不同的指标体系与研究方法，从多角度对碳排放绩效予以评价。在指标选取方面，早期研究认为，碳排放主要来源于能源消耗，因而大多数研究主要利用能源强度（单位GDP 能源消费量）[1]、碳指数（单位能源消耗碳排放量）[2]来衡量碳排放绩效；另一部分学者认为经济发展对于碳排放产生根本性的影响，碳强度（单位GDP 碳排放量）[3]更能反映一地区碳排放水平。上述研究多以碳排放量与某一要素的比值来衡量碳排放绩效，具有明显的“单要素”特征。然而碳排放绩效是能源、劳动力、资本等多投入要素共同作用的结果，具有“全要素”特点，并且要素间有不容忽视的替代性，而单要素研究结果对碳减排措施提出作用不大，因此建立全要素指标体系更加合理。在方法应用方面，主要有参数方法和非参数方法。DEA作为一种非参数方法，用以评价具有多投入、多产出的决策单元的相对有效性，具有无需预先设定生产函数的具体形态、无需对数据进行无量纲化处理的优势，在碳排放绩效的评价方面得到广泛的应用。Zhou 、王群伟、仲云云等利用多种DEA模型，对部分国家和地区的碳排放绩效进行了评价[47]。但是传统DEA模型在进行效率评价时，对于多个同时有效的决策单元无法做出进一步的比较，因此，Andersen等建立了超效率DEA模型[8]，弥补了这一缺陷。
与上述研究不同，本研究重点关注以下两个问题：第一，众多学者将众多能源消费归一化为单一能源种类，作为投入要素测度区域碳排放绩效，但是实质上能源消费结构对碳排放绩效具有重要的影响；第二，对于合理划分碳减排任务而言，把握不同区域碳排放绩效的差异具有更直接的意义。基于此，本文构建考虑资源禀赋限制的全要素指标体系，运用超效率DEA模型，对中国28个省（市、自治区）“十一五”期间碳排放绩效予以评价，分析各区域碳排放绩效演化特征，进而研究各区域碳排放绩效差异变化，力图为“十二五”碳减排目标的实现提供借鉴与指导。①
中国石油大学学报（社会科学版）2013年10月
第29卷第5期李雷鸣，等：中国区域碳排放绩效评价与差异分析
二、研究方法与指标构建
（一）研究方法
与传统DEA模型相比，超效率DEA模型在对某个决策单元进行评价时，将其排除在决策单元集合之外，与样本中其他所有决策单元的线性组合作比较。超效率DEA模型对无效决策单元的效率评价值无影响；对于有效决策单元，超效率DEA的绩效值反映在保持有效的前提下可以变化的最大范围，DEA值越大，说明决策单元可以在更大的输入增长或输出减少范围内，保持DEA有效。假定有n个决策单元，每个决策单元都有m个投入变量和s个产出变量，Xik表示第k个决策单元的第i个投入变量，Yik表示第k个决策单元的第i个产出变量，λj表示相对于决策单元重新构造一个有效决策单元的组合比例，θ为效率测度值，则投入导向的超效率DEA模型为：
然而该模型在对决策单元绩效进行评价时，希望以最小投入获取最大产出，而在现实生产过程中，除了期望产出之外，不可避免地存在废水、废气等非期望产出。只有对其分别进行不同的处理，在尽量提高期望产出的同时，减少非期望产出，才能实现经济增长与环境保护的协调发展。以往研究对非期望产出的处理有直接和间接两类方法：直接方法主要基于Fare提出的环境生产技术，利用原始数据直接进行分析；间接方法要对原始数据进行适当变换，把非期望产出转换为期望产出来处理。本文利用Seiford和Zhu提出的公式（2）[9]来处理非期望产出，其中βi是一个能够保证非期望产出转换后都大于零的正数。
fki （U）=-Uki+βi 。（2）
（二）指标构建
基于柯布-道格拉斯生产函数，结合人为碳排放主要来源为能源消耗，以往碳排放绩效的全要素指标将资本（资本存量）、劳动力（从业人员数）、能源（能源消费总量）作为基本的投入要素。但是用能源消费总量代表能源投入，暗含能源消费结构可以随意调节，而现实中能源消费结构受资源禀赋等因素的限制，短期内可以调节的空间有限，因此在评价区域碳排放绩效时考虑能源消费结构更为合理。刘明磊等通过对比发现，两种方案计算出的碳排放绩效存在较大差异[10]，忽略地区资源禀赋的制约，地区碳排放绩效会出现偏低的情况，与实际情况不符，因此，本文采用考虑能源消费结构的指标体系对碳排放绩效予以评价，以更加真实地反映各区域碳排放情况，见表1。
三、数据来源与计算
本文采用以上指标体系对中国28个省（市、自治区）碳排放绩效予以评价，因香港、澳门、台湾、西藏、山西、贵州数据缺失，不作研究。选取 2006—2010年各省（市、自治区）的投入产出数据用以评价，煤炭、原油、天然气消费量用来反映能源投入量和投入结构，并用于估算碳排放量；对于劳动力投入情况，国外研究主要采用就业人员的有效劳动时间来衡量，但由于中国未对该项指标进行统计，所以沿用从业人员数来衡量区域劳动力投入[11]；资本存量是指经济社会在某一时点上的资本总量，用其作为度量资本投入的指标比较合适；地区GDP为期望产出，碳排放量为非期望产出。各指标、单位及来源详见表2。 运用matlab软件编写超效率DEA模型（1）程序，将28个省（市、自治区）的5个投入变量X和2个产出变量Y带入模型中，从而求得2006—2010年中国区域碳排放绩效（即模型中的θ值），结果如表3所示。
四、计算结果分析
（一）碳排放绩效整体分析
全国平均碳排放绩效情况反映出“十一五”期间中国整体碳排放绩效始终保持较高水平，说明在此期间绝大部分省（市、自治区）对碳排放进行了有效控制。但需要明确的一点是：测算所得效率值为相对绩效，位于前面的有效单元，只是相对于所有被评价单元效率较高。
沿用传统方法将研究的28个省（市、自治区）分东、中、西三大地区②，对区域内所有省（市、自治区）的绩效值取平均用以反映该区域碳排放水平，三大地区“十一五”期间碳排放绩效见图1。
注：碳排放绩效的计算结果，是运用matlab软件将超效率DEA模型编程实现，将投入、产出量带入计算而得。
图12006—2010年全国及三大地区碳排放绩效
1.东部地区
2006—2010年，东部地区平均碳排放绩效为13168，位于三大地区第一位，高于全国平均水平，且总体发展较稳定。东部与中、西部地区相比优势明显，对全国平均水平产生积极的推动作用。这种优势得益于东部地区经济发展水平、产业结构层次相对较高，有更多的经济投入，且掌握较先进的生产节能技术。该区域中有8个省市碳排放始终相对有效，其中海南省因经济发展主要依托以旅游业为主的第三产业，能耗低、污染少、碳排放绩效最高，位居全国第一。但河北、辽宁、山东3个省份排名落后，属于碳排放相对无效区域，对东部碳排放总体水平产生较大影响。这些省份工业发达，能源消费以煤炭为主，在推动经济发展的同时对环境保护的重视力度相对较弱。然而从纵向来看，这3个省份碳排放绩效都有上升趋势，尤其是辽宁省通过5年的不断努力，于2010年达到碳排放相对有效。
2.中部地区
2006—2010年，中部地区平均碳排放绩效为10596，位于三大地区第三位，低于全国平均水平，2006—2008年绩效降低，差距有所拉大。目前中部地区进入快速发展阶段，具有工业发展基础好、矿产资源丰富的优势，但由于产业结构、能源消费结构层次低，生产技术和管理水平相对落后，给环境带来较大污染。该区域中碳排放始终相对有效的省份有4个，其中江西省绩效最高，位居全国第三位。究其原因是：江西省毗邻浙江、广东等经济大省，对其经济拉动和技术辐射作用较强，且其产业结构中，传统第三产业比重大，有益于碳排放的控制。其他省份中，吉林、黑龙江、湖北省碳排放绩效低，且上升趋势不够明显。
3.西部地区
2006—2010年，西部地区平均碳排放绩效为10633，位于三大地区第二位，低于全国平均水平。由图1可见，西部碳排放绩效相对于中部经历了落后、追赶、超越三个阶段，2006年明显落后，2006—2008年大幅提升，不断追赶中部地区，并于2007年实现超越，此后保持较平稳的发展状态。在西部大开发的背景下，东部沿海地区大量资金和技术涌入西部地区，促进其产业结构优化和技术水平提升是出现上述情况的重要原因。另外，内蒙古碳排放绩效是西部地区4个始终有效的省（市、自治区）中最高的，位居全国第5位。但西部地区碳排放相对无效的省（市、自治区）比重大，且陕西、新疆两省（自治区）5年平均绩效分别为0.6803和0.7017，位居全国第28、27位，存在较大的节能减排空间。
在对三大地区分别进行整体把握的基础上，本文利用标准差分析区域内各省（市、自治区）的离散程度，详见表4。可以看出，虽然东部地区碳排放绩效平均水平较高，西部地区上升速度较快，但都伴随着内部各省（市、自治区）间差异变大的情形，虽然增幅不大，但如果不采取措施有效控制，相关政策的制定与实施难度将进一步增大。因此，下文将对区域碳排放绩效的差异性进行具体分析。
进一步对各省（市、自治区）碳排放的具体情况进行研究，北京、天津、上海、广东等12个省（市）碳排放绩效一直保持较高水平，说明这些地区是研究单元中碳减排的优秀实践者，投入产出效率高。而辽宁、江苏、云南3个省份虽碳排放不是一直有效，但5年来在碳减排方面不断进行探索，水平有所提升，其中江苏于2008年达到较高水平，辽宁、云南也在2010年达到较高水平。在全国碳排放绩效普遍保持上升状态的同时，河北、黑龙江、河南3省却呈现相对绩效不断下降的趋势，说明在“十一五”期间，这些省份碳减排工作力度相对不足，应寻找问题所在，并学习碳减排优秀实践者的经验，积极推进相关工作的进行。
（二）碳排放绩效分类分析
根据碳排放绩效值将全国各省（市、自治区）划分为：碳排放高效区（绩效值1.6以上）、中效区（绩效值0.9～1.6）、低效区（绩效值0.9以下）。对28个省（市、自治区）进行聚类分析，聚类结果及频数分布详见图2。
图2碳排放绩效聚类结果及频数分布
从全国整体来看，碳排放绩效呈纺锤状分布，高效区2006—2008年比重有所增加，之后保持平稳发展趋势；中效区增幅较大，尤其是2009年，所占比重高达60.7%；低效区呈不断缩减趋势。以上情况说明，“十一五”期间，低效区域加大节能减排力度，不断追赶，弥补差距，但高效区的创新带动作用发挥不够明显，从而中国碳排放绩效虽有所提升，但提升速度相对缓慢。
从三大地区视角分析，东部、西部省（市、自治区）在高效区中所占比重较大，且西部比重有增大的趋势，而中部地区从2008年开始没有省位于高效区；三大地区在中效区所占比重相当，中部地区比重不断上升；低效区中，西部地区所占比重最大，中、东部地区所占比重逐渐缩减。从中可以看出，中国碳排放绩效整体提升速度较缓慢的原因主要是东部地区没有充分发挥其经济和技术优势，进一步提升碳排放绩效，而西部地区还存在较大的节能减排空间。 （三）碳排放绩效差异分析
通过以上研究发现，中国各省（市、自治区）间、三大地区内部及三大地区之间碳排放绩效差异较大，本文采用基于变异系数的α收敛来研究各区域碳排放绩效差异变化程度，如图3所示。
图32006—2010年各区域碳排放绩效变异系数
全国各省（市、自治区）碳排放绩效2006—2009年差异保持稳定，之后差异拉大，呈发散态势；三大地区中，东部地区演化特征与全国总体情况基本一致，变化趋势在三大地区中最为明显，中部地区差距逐渐缩小，而西部地区差异变动较大，呈现先收敛后发散又收敛状态，变化趋势较中部地区更明显；三大地区间的差异变动较小。
五、结论
本文通过构建考虑区域资源禀赋的全要素指标体系，运用超效率DEA模型，对中国28个省（市、自治区）“十一五”期间碳排放绩效予以评价，所得主要结论如下：
第一，从整体分析来看，“十一五”期间中国整体碳排放绩效始终保持较高水平，节能减排效果较明显。三大地区中，东部地区碳排放绩效最高，总体较稳定；中部地区低于全国平均绩效，且有差距拉大之势；西部地区相对于中部地区经历了落后、追赶、超越三个阶段，与全国平均绩效差距逐渐缩小。对于具体省（市、自治区）而言，北京、上海、广东等12个省（市）碳排放绩效一直保持相对有效，辽宁、江苏、山东3省碳排放绩效持续提升，相反，河北、黑龙江、河南3省却呈现不断下降趋势。
第二，从分类分析来看，碳排放绩效呈纺锤状分布，碳排放高效区2006—2008年比重有所增加，之后保持平稳发展趋势；中效区增幅较大，尤其是2009年，所占比重高达60.7%；低效区呈不断缩减趋势。从三大地区来看，碳排放高效区中东部、西部所占比重较大；中效区三大地区所占比重相当，中部地区比重不断上升；低效区中西部地区所占比重最大，中、东部地区所占比重逐渐缩减。
第三，从差异分析来看，全国各省（市、自治区）碳排放绩效2006—2009年差异保持稳定，2009—2010年呈发散态势；三大地区中，东部地区演化特征与全国总体情况基本一致，中部地区差距逐渐缩小，而西部地区差异变动较大，呈现先收敛后发散又收敛状态；三大地区间的差异变动较小。
注释：
① 中国政府在“十二五”规划中提出了能源消耗强度和二氧化碳排放分别降低 16% 和17%的节能减排目标。
② 东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市）；中部地区包括吉林、黑龙江、安徽、江西、河南、湖北、湖南7个省份；西部地区包括四川、重庆、云南、陕西、甘肃、宁夏、青海、新疆、广西、内蒙古10个省（市、自治区）。
[参考文献]
[1] ANG B W. Is the Energy Intensity a Less Useful in the Study of Climate Change[J]. Energy Policy，1999，27（15）：943946.
[2] MIELNIK O， GOLDEMBERG J. The Evolution of the "Carbonization Index" in Developing Countries[J]. Energy Policy，1999，27（5）：307308.
[3] SUN J. W. The Decrease of CO2 Emission Intensity Is Decarbonization at National and Global Levels[J]. Energy Policy，2005，33（8）：975978.
[4] ZHOU P， ANG B. W， Poh K L. Measuring Environmental Performance under Different Environment DEA Technologies[J]. Energy Economics，2008，30（1）：1 14.
[5] ZHOU P， ANG. B W，HAN J.Y. Total factor carbon emission performance： A Malmquist index analysis[J]. Energy Economics，2010，32（1），194201.
[6] 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）：4554.
[7] 仲云云，仲伟周. 中国区域全要素碳排放绩效及影响因素研究[J]. 商业经济与管理，2012（1）：8696.
[8] ANDERSEN P， N.C. PETERSEN. A procedure for ranking efficient unit in data envelopment analysis[J].Management Science，1993（10）：12611264.
[9] SEIFORD L M.，ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European Journal of Operational Research，2002（142）：1620.
[10] 刘明磊，朱磊，范英. 我国省级碳排放绩效评价及边际减排成本估计：基于非参数距离函数方法[J]. 中国软科学，2011（3）：106114.
[11] 李涛，傅强. 中国省际碳排放效率研究[J]. 统计研究，2011，28（7）：6271.
[责任编辑：陈可阔]
[关键词] 超效率DEA；碳排放绩效；差异
[中图分类号]F205；X24
[文献标识码]A
[文章编号] 1673-5595（2013）05-0038-05
一、引言
目前， 碳排放绩效已引起国内外学者的广泛关注，学者们提出了不同的指标体系与研究方法，从多角度对碳排放绩效予以评价。在指标选取方面，早期研究认为，碳排放主要来源于能源消耗，因而大多数研究主要利用能源强度（单位GDP 能源消费量）[1]、碳指数（单位能源消耗碳排放量）[2]来衡量碳排放绩效；另一部分学者认为经济发展对于碳排放产生根本性的影响，碳强度（单位GDP 碳排放量）[3]更能反映一地区碳排放水平。上述研究多以碳排放量与某一要素的比值来衡量碳排放绩效，具有明显的“单要素”特征。然而碳排放绩效是能源、劳动力、资本等多投入要素共同作用的结果，具有“全要素”特点，并且要素间有不容忽视的替代性，而单要素研究结果对碳减排措施提出作用不大，因此建立全要素指标体系更加合理。在方法应用方面，主要有参数方法和非参数方法。DEA作为一种非参数方法，用以评价具有多投入、多产出的决策单元的相对有效性，具有无需预先设定生产函数的具体形态、无需对数据进行无量纲化处理的优势，在碳排放绩效的评价方面得到广泛的应用。Zhou 、王群伟、仲云云等利用多种DEA模型，对部分国家和地区的碳排放绩效进行了评价[47]。但是传统DEA模型在进行效率评价时，对于多个同时有效的决策单元无法做出进一步的比较，因此，Andersen等建立了超效率DEA模型[8]，弥补了这一缺陷。
与上述研究不同，本研究重点关注以下两个问题：第一，众多学者将众多能源消费归一化为单一能源种类，作为投入要素测度区域碳排放绩效，但是实质上能源消费结构对碳排放绩效具有重要的影响；第二，对于合理划分碳减排任务而言，把握不同区域碳排放绩效的差异具有更直接的意义。基于此，本文构建考虑资源禀赋限制的全要素指标体系，运用超效率DEA模型，对中国28个省（市、自治区）“十一五”期间碳排放绩效予以评价，分析各区域碳排放绩效演化特征，进而研究各区域碳排放绩效差异变化，力图为“十二五”碳减排目标的实现提供借鉴与指导。①
中国石油大学学报（社会科学版）2013年10月
第29卷第5期李雷鸣，等：中国区域碳排放绩效评价与差异分析
二、研究方法与指标构建
（一）研究方法
与传统DEA模型相比，超效率DEA模型在对某个决策单元进行评价时，将其排除在决策单元集合之外，与样本中其他所有决策单元的线性组合作比较。超效率DEA模型对无效决策单元的效率评价值无影响；对于有效决策单元，超效率DEA的绩效值反映在保持有效的前提下可以变化的最大范围，DEA值越大，说明决策单元可以在更大的输入增长或输出减少范围内，保持DEA有效。假定有n个决策单元，每个决策单元都有m个投入变量和s个产出变量，Xik表示第k个决策单元的第i个投入变量，Yik表示第k个决策单元的第i个产出变量，λj表示相对于决策单元重新构造一个有效决策单元的组合比例，θ为效率测度值，则投入导向的超效率DEA模型为：
然而该模型在对决策单元绩效进行评价时，希望以最小投入获取最大产出，而在现实生产过程中，除了期望产出之外，不可避免地存在废水、废气等非期望产出。只有对其分别进行不同的处理，在尽量提高期望产出的同时，减少非期望产出，才能实现经济增长与环境保护的协调发展。以往研究对非期望产出的处理有直接和间接两类方法：直接方法主要基于Fare提出的环境生产技术，利用原始数据直接进行分析；间接方法要对原始数据进行适当变换，把非期望产出转换为期望产出来处理。本文利用Seiford和Zhu提出的公式（2）[9]来处理非期望产出，其中βi是一个能够保证非期望产出转换后都大于零的正数。
fki （U）=-Uki+βi 。（2）
（二）指标构建
基于柯布-道格拉斯生产函数，结合人为碳排放主要来源为能源消耗，以往碳排放绩效的全要素指标将资本（资本存量）、劳动力（从业人员数）、能源（能源消费总量）作为基本的投入要素。但是用能源消费总量代表能源投入，暗含能源消费结构可以随意调节，而现实中能源消费结构受资源禀赋等因素的限制，短期内可以调节的空间有限，因此在评价区域碳排放绩效时考虑能源消费结构更为合理。刘明磊等通过对比发现，两种方案计算出的碳排放绩效存在较大差异[10]，忽略地区资源禀赋的制约，地区碳排放绩效会出现偏低的情况，与实际情况不符，因此，本文采用考虑能源消费结构的指标体系对碳排放绩效予以评价，以更加真实地反映各区域碳排放情况，见表1。
三、数据来源与计算
本文采用以上指标体系对中国28个省（市、自治区）碳排放绩效予以评价，因香港、澳门、台湾、西藏、山西、贵州数据缺失，不作研究。选取 2006—2010年各省（市、自治区）的投入产出数据用以评价，煤炭、原油、天然气消费量用来反映能源投入量和投入结构，并用于估算碳排放量；对于劳动力投入情况，国外研究主要采用就业人员的有效劳动时间来衡量，但由于中国未对该项指标进行统计，所以沿用从业人员数来衡量区域劳动力投入[11]；资本存量是指经济社会在某一时点上的资本总量，用其作为度量资本投入的指标比较合适；地区GDP为期望产出，碳排放量为非期望产出。各指标、单位及来源详见表2。 运用matlab软件编写超效率DEA模型（1）程序，将28个省（市、自治区）的5个投入变量X和2个产出变量Y带入模型中，从而求得2006—2010年中国区域碳排放绩效（即模型中的θ值），结果如表3所示。
四、计算结果分析
（一）碳排放绩效整体分析
全国平均碳排放绩效情况反映出“十一五”期间中国整体碳排放绩效始终保持较高水平，说明在此期间绝大部分省（市、自治区）对碳排放进行了有效控制。但需要明确的一点是：测算所得效率值为相对绩效，位于前面的有效单元，只是相对于所有被评价单元效率较高。
沿用传统方法将研究的28个省（市、自治区）分东、中、西三大地区②，对区域内所有省（市、自治区）的绩效值取平均用以反映该区域碳排放水平，三大地区“十一五”期间碳排放绩效见图1。
注：碳排放绩效的计算结果，是运用matlab软件将超效率DEA模型编程实现，将投入、产出量带入计算而得。
图12006—2010年全国及三大地区碳排放绩效
1.东部地区
2006—2010年，东部地区平均碳排放绩效为13168，位于三大地区第一位，高于全国平均水平，且总体发展较稳定。东部与中、西部地区相比优势明显，对全国平均水平产生积极的推动作用。这种优势得益于东部地区经济发展水平、产业结构层次相对较高，有更多的经济投入，且掌握较先进的生产节能技术。该区域中有8个省市碳排放始终相对有效，其中海南省因经济发展主要依托以旅游业为主的第三产业，能耗低、污染少、碳排放绩效最高，位居全国第一。但河北、辽宁、山东3个省份排名落后，属于碳排放相对无效区域，对东部碳排放总体水平产生较大影响。这些省份工业发达，能源消费以煤炭为主，在推动经济发展的同时对环境保护的重视力度相对较弱。然而从纵向来看，这3个省份碳排放绩效都有上升趋势，尤其是辽宁省通过5年的不断努力，于2010年达到碳排放相对有效。
2.中部地区
2006—2010年，中部地区平均碳排放绩效为10596，位于三大地区第三位，低于全国平均水平，2006—2008年绩效降低，差距有所拉大。目前中部地区进入快速发展阶段，具有工业发展基础好、矿产资源丰富的优势，但由于产业结构、能源消费结构层次低，生产技术和管理水平相对落后，给环境带来较大污染。该区域中碳排放始终相对有效的省份有4个，其中江西省绩效最高，位居全国第三位。究其原因是：江西省毗邻浙江、广东等经济大省，对其经济拉动和技术辐射作用较强，且其产业结构中，传统第三产业比重大，有益于碳排放的控制。其他省份中，吉林、黑龙江、湖北省碳排放绩效低，且上升趋势不够明显。
3.西部地区
2006—2010年，西部地区平均碳排放绩效为10633，位于三大地区第二位，低于全国平均水平。由图1可见，西部碳排放绩效相对于中部经历了落后、追赶、超越三个阶段，2006年明显落后，2006—2008年大幅提升，不断追赶中部地区，并于2007年实现超越，此后保持较平稳的发展状态。在西部大开发的背景下，东部沿海地区大量资金和技术涌入西部地区，促进其产业结构优化和技术水平提升是出现上述情况的重要原因。另外，内蒙古碳排放绩效是西部地区4个始终有效的省（市、自治区）中最高的，位居全国第5位。但西部地区碳排放相对无效的省（市、自治区）比重大，且陕西、新疆两省（自治区）5年平均绩效分别为0.6803和0.7017，位居全国第28、27位，存在较大的节能减排空间。
在对三大地区分别进行整体把握的基础上，本文利用标准差分析区域内各省（市、自治区）的离散程度，详见表4。可以看出，虽然东部地区碳排放绩效平均水平较高，西部地区上升速度较快，但都伴随着内部各省（市、自治区）间差异变大的情形，虽然增幅不大，但如果不采取措施有效控制，相关政策的制定与实施难度将进一步增大。因此，下文将对区域碳排放绩效的差异性进行具体分析。
进一步对各省（市、自治区）碳排放的具体情况进行研究，北京、天津、上海、广东等12个省（市）碳排放绩效一直保持较高水平，说明这些地区是研究单元中碳减排的优秀实践者，投入产出效率高。而辽宁、江苏、云南3个省份虽碳排放不是一直有效，但5年来在碳减排方面不断进行探索，水平有所提升，其中江苏于2008年达到较高水平，辽宁、云南也在2010年达到较高水平。在全国碳排放绩效普遍保持上升状态的同时，河北、黑龙江、河南3省却呈现相对绩效不断下降的趋势，说明在“十一五”期间，这些省份碳减排工作力度相对不足，应寻找问题所在，并学习碳减排优秀实践者的经验，积极推进相关工作的进行。
（二）碳排放绩效分类分析
根据碳排放绩效值将全国各省（市、自治区）划分为：碳排放高效区（绩效值1.6以上）、中效区（绩效值0.9～1.6）、低效区（绩效值0.9以下）。对28个省（市、自治区）进行聚类分析，聚类结果及频数分布详见图2。
图2碳排放绩效聚类结果及频数分布
从全国整体来看，碳排放绩效呈纺锤状分布，高效区2006—2008年比重有所增加，之后保持平稳发展趋势；中效区增幅较大，尤其是2009年，所占比重高达60.7%；低效区呈不断缩减趋势。以上情况说明，“十一五”期间，低效区域加大节能减排力度，不断追赶，弥补差距，但高效区的创新带动作用发挥不够明显，从而中国碳排放绩效虽有所提升，但提升速度相对缓慢。
从三大地区视角分析，东部、西部省（市、自治区）在高效区中所占比重较大，且西部比重有增大的趋势，而中部地区从2008年开始没有省位于高效区；三大地区在中效区所占比重相当，中部地区比重不断上升；低效区中，西部地区所占比重最大，中、东部地区所占比重逐渐缩减。从中可以看出，中国碳排放绩效整体提升速度较缓慢的原因主要是东部地区没有充分发挥其经济和技术优势，进一步提升碳排放绩效，而西部地区还存在较大的节能减排空间。 （三）碳排放绩效差异分析
通过以上研究发现，中国各省（市、自治区）间、三大地区内部及三大地区之间碳排放绩效差异较大，本文采用基于变异系数的α收敛来研究各区域碳排放绩效差异变化程度，如图3所示。
图32006—2010年各区域碳排放绩效变异系数
全国各省（市、自治区）碳排放绩效2006—2009年差异保持稳定，之后差异拉大，呈发散态势；三大地区中，东部地区演化特征与全国总体情况基本一致，变化趋势在三大地区中最为明显，中部地区差距逐渐缩小，而西部地区差异变动较大，呈现先收敛后发散又收敛状态，变化趋势较中部地区更明显；三大地区间的差异变动较小。
五、结论
本文通过构建考虑区域资源禀赋的全要素指标体系，运用超效率DEA模型，对中国28个省（市、自治区）“十一五”期间碳排放绩效予以评价，所得主要结论如下：
第一，从整体分析来看，“十一五”期间中国整体碳排放绩效始终保持较高水平，节能减排效果较明显。三大地区中，东部地区碳排放绩效最高，总体较稳定；中部地区低于全国平均绩效，且有差距拉大之势；西部地区相对于中部地区经历了落后、追赶、超越三个阶段，与全国平均绩效差距逐渐缩小。对于具体省（市、自治区）而言，北京、上海、广东等12个省（市）碳排放绩效一直保持相对有效，辽宁、江苏、山东3省碳排放绩效持续提升，相反，河北、黑龙江、河南3省却呈现不断下降趋势。
第二，从分类分析来看，碳排放绩效呈纺锤状分布，碳排放高效区2006—2008年比重有所增加，之后保持平稳发展趋势；中效区增幅较大，尤其是2009年，所占比重高达60.7%；低效区呈不断缩减趋势。从三大地区来看，碳排放高效区中东部、西部所占比重较大；中效区三大地区所占比重相当，中部地区比重不断上升；低效区中西部地区所占比重最大，中、东部地区所占比重逐渐缩减。
第三，从差异分析来看，全国各省（市、自治区）碳排放绩效2006—2009年差异保持稳定，2009—2010年呈发散态势；三大地区中，东部地区演化特征与全国总体情况基本一致，中部地区差距逐渐缩小，而西部地区差异变动较大，呈现先收敛后发散又收敛状态；三大地区间的差异变动较小。
注释：
① 中国政府在“十二五”规划中提出了能源消耗强度和二氧化碳排放分别降低 16% 和17%的节能减排目标。
② 东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省（市）；中部地区包括吉林、黑龙江、安徽、江西、河南、湖北、湖南7个省份；西部地区包括四川、重庆、云南、陕西、甘肃、宁夏、青海、新疆、广西、内蒙古10个省（市、自治区）。
[参考文献]
[1] ANG B W. Is the Energy Intensity a Less Useful in the Study of Climate Change[J]. Energy Policy，1999，27（15）：943946.
[2] MIELNIK O， GOLDEMBERG J. The Evolution of the "Carbonization Index" in Developing Countries[J]. Energy Policy，1999，27（5）：307308.
[3] SUN J. W. The Decrease of CO2 Emission Intensity Is Decarbonization at National and Global Levels[J]. Energy Policy，2005，33（8）：975978.
[4] ZHOU P， ANG B. W， Poh K L. Measuring Environmental Performance under Different Environment DEA Technologies[J]. Energy Economics，2008，30（1）：1 14.
[5] ZHOU P， ANG. B W，HAN J.Y. Total factor carbon emission performance： A Malmquist index analysis[J]. Energy Economics，2010，32（1），194201.
[6] 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）：4554.
[7] 仲云云，仲伟周. 中国区域全要素碳排放绩效及影响因素研究[J]. 商业经济与管理，2012（1）：8696.
[8] ANDERSEN P， N.C. PETERSEN. A procedure for ranking efficient unit in data envelopment analysis[J].Management Science，1993（10）：12611264.
[9] SEIFORD L M.，ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European Journal of Operational Research，2002（142）：1620.
[10] 刘明磊，朱磊，范英. 我国省级碳排放绩效评价及边际减排成本估计：基于非参数距离函数方法[J]. 中国软科学，2011（3）：106114.
[11] 李涛，傅强. 中国省际碳排放效率研究[J]. 统计研究，2011，28（7）：6271.
[责任编辑：陈可阔]