1、学 年 论 文学生姓名 学 号 院 (系) 经济与管理学院专 业 国际经济与贸易题 目 出口贸易提高了碳排放效率吗？ -基于空间面板回归的分析指导教师年 月淮阴师范学院学年论文（设计）1摘 要:为了厘清省域出口贸易对碳排放效率的影响及其空间效应，建立基于序列 DEA 的考虑非期望产出的超效率模型（SE-U-SBM），计算各省碳排放效率，MoranI 指数分析表明，在规模报酬不变和可变假设下的效率水平都存在空间相关性，采用偏微分分析方法，运用空间计量模型来分析效率变化的影响因素及作用，应用中国分省的面板数据，量化分析了我国省际出口贸易对碳排放效率的区域内溢出、区域间溢出及总体空间溢出效应，结果表
2、明，出口贸易的增加有利于效率的改进，在一定程度上效率变化有倒 U 型曲线特征；出口贸易对可变规模报酬下的省域碳排放效率存在明显的空间溢出效应；经济发展水平有正向的作用，但是对外开放度是负向作用，要素禀赋对效率存在正向空间溢出效应；但是在追求出口贸易数量的扩张中，技术创新对于碳排放效率没有明显的改进作用。最后，得出结论和政策建议。关键词：出口贸易；DEA；碳排放效率；空间杜宾模型；空间溢出Abstract: In order to clarify the impact of its spatial effect of provincial export trade on carbon emiss
3、ions efficiency, build sequence DEA considered undesirable output-based super-efficiency model (SE-U-SBM), to calculate the carbon emissions provinces efficiency, MoranI index analysis show that efficiency levels in the constant returns to scale and variable assumptions are present spatial correlati
4、on analysis using partial differential method, using spatial econometric model to analyze changes in factors affecting the efficiency and function, the application of Chinas provincial panel data to quantify analysis of Chinas provincial export trade carbon emission efficiency of the spill area, int
5、er-regional and overall spatial spillover effects spill, the results show that increasing export trade is conducive to efficiency improvements, changes in efficiency to some extent, there is an inverted U-shaped curve characteristics , the presence of the provincial export trade carbon emission effi
6、ciency under variable returns to scale, significant spatial spillover effects;, three in the right abutment, geography, economy, lower weight, there is a positive factor 淮阴师范学院学年论文（设计）2endowments space spillover effect on the efficiency of the control variables, economic the level of development is
7、positive openness.Key Words: Export trade; DEA; carbon emission efficiency; spatial Durbin model; space overflow 淮阴师范学院学年论文（设计）3目录1、引言 .52、 文献综述 .53、 效率计算及其空间性检验 .73.1 效率计算的 DEA方法 .73.2 计算效率所需的变量及数据 .83.3 效率计算 .83.4 空间相关性检验 .94、 碳排放效率影响因素的实证分析 .114.1 计量模型的设定 .114.2 模型中的变量和数据 .134.3 空间面板数据模型经验估计结果 .1
8、44.4 空间溢出效应分解 .174.5 稳健性检验 .18结论 .20参考文献 .21致 谢 .24淮阴师范学院学年论文（设计）41、引言著名经济学家罗伯特逊（DHRobertson）提出的对外贸易是“经济增长的发动机”（Engine for Growth）的命题在中国经济增长奇迹中得以充分体现。然而中国自 2001 年以来 20%的对外贸易增长在拉动经济整体增长的同时，也引发了高能耗、高污染以及资源外流等问题。其中因为出口导致隐含碳排放的约占全国总排放的 30%（与我国对外贸易价值量顺差相反的是，贸易使得进口国的 CO排放量减少，出口商品的中国增加了碳排放，出现了 CO排放量“逆差”）。以
9、 2013 年为例，中国的进出口贸易总额突破 4 万亿美元，超过美国成为世界第一大贸易国，同时是全球第一大二氧化碳排放国。在中国成为世界第二大经济体的同时，根据国际能源组织（IEA）的统计数据，2008 年中国碳排放量已经占到 21.9%，位居世界第一位。按统计数据所得的趋势，预期在 2020 年达到89 亿吨。面对这样一个庞大的数据，中国如何实现在 2009 年哥本哈根会议作出的承诺“在 2020 年国内碳排放量比 2005 年降低 40%-50%”？ 考虑到中国经济发展将在较长时期内依赖出口贸易的稳定发展，出口贸易中隐含碳排放的绝对值和相对值都比较大，所以，中国降低出口贸易中隐含的碳排放也
10、是低碳经济的关键，转变贸易发展方式、提高出口贸易的碳排放效就成为是降低碳排放的必然选择。因此，亟需计算碳排放效率以及分析出口贸易等变量的影响和作用，以便针对性的采取措施，提高效率，切实降低碳排放量。2、文献综述随着温室效应的日益显著，如何减少碳排放已经成为国内外学界研究的热点，研究主要集中在碳排放效率和影响碳排放的因素两个方面。对于碳排放效率的研究，学者们提出了各种不同的指标体系与研究方法，单指标方法除了在一些简洁的研究报告中出现之外，现在采用的是大多是符合指标，常用的计算方法是 DEA 或者 SFA，李涛，傅强（2011） 1建立非意愿变量 Ruggiero 三阶段模型，计算省级地区碳排放效
11、率，结果表明我国碳排放效率逐步提高，但是技术进步效应不显著。朱德进（2013） 2应用 SBM-DEA 模型，测算 28 个省域的碳排放效率，结论是碳排放效率位于 0.51-0.57 这个数值区间，水平不高，不同省际区域的差异较大，而且进出口贸易与碳排放效率之间呈现倒 U 形曲线特征；沈能，王群伟（2013） 3采用了三阶段 DEA 模型，将污染排放指数作为非合意性产出测度我国区域能源效率。魏楚,沈满洪 4基于 DEA 方法构建出一个相对前沿的效率计算指标，认为比传统的生产率指标更有效。王群淮阴师范学院学年论文（设计）5伟等（2010） 5构建了包含非期望产出的 DEA 模型，计算我国二氧化碳
12、排放绩效。罗良文等（2013） 6基于考虑非期望产出的 DEA 非参数方法，量化计算东、中、西部地区技术进步和技术效率变化指数，以及各地区全要素碳排放绩效指数。谭峥嵘 7运用 DEA-Malmquist 指数模型，计算省域的碳排放效率。吴贤荣，等（2014） 8构建同时含有期望产出与非期望产出的 DEA-Malmquist 模型，测度农业 Malmquist 碳排放效率指数。谌伟等（2011） 9采用对数平均迪氏分解法分析了中国二氧化碳排放效率。总体来说，现有碳排放效率的计算内容主要体现在三个方面：一是模型和方法德改进，如各种 DEA 模型、SFA 模型以及其他方法，二是投入和产出变量的选择和
13、变化；三是研究领域的变化如工业、农业、出口贸易领域等。对于碳排放的绩效的影响因素，首先上述的计算碳排放效率为基础，然后是从不同角度来研究各种因素对效率的影响和作用，本文重点关注的是出口贸易的作用和影响。李国志、王群伟（2011） 10应用变参数模型，立足出口贸易角度，研究出口商品结构对二氧化碳排放的动态作用，结论是出口贸易各项组成部分与二氧化碳排放存在长期的动态均衡。叶明确、方莹（2013） 11构建空间杜宾模型分析技术和知识的空间依赖性以及出口贸易的溢出效应，结论是出口额虽然对本地区的全要素生产率增长不显著，但对其他区域的全要素生产率改进有正向的影响和促进。黄先海、石东楠（2005） 12采
14、用 CH 模型进行分析，发现国外 RD 资本存量通过贸易渠道溢出，有利于我国全要素生产率的改进和提高。康志勇（2009） 13分析了出口贸易技术溢出对我国全要素生产率增长的短期和长期影响，出口对 TFP 的影响在沿海和内地表现出不同的效果。王群伟等（2010） 14计算、分析了我国二氧化碳排放绩效的动态变化、区域差异及影响因素，结果表明能源强度和所有制结构对二氧化碳排放绩效有显著影响。高大伟等（2010） 15研究结论是国际贸易技术溢出促进生产率和技术进步的提高，促进碳排放效率的改进和提高。朱德进（2013） 16首先在碳约束下计算了我国各地区全要素生产率，在此基础上分析了对碳排放效率有影响的
15、各种宏观经济因素，结果表明技术进步和规模效率是全要素生产率的增长提高的主要动因。谭峥嵘 17分析了碳排放效率的影响因素，发现技术进步是中国的碳排放效率的主要因素。郭正权（2011） 18分析了碳税政策对二氧化碳排放、部门经济变量、以及宏观社会经济变量的影响。在众多的研究文献中，一方面在研究碳排放效率的影响因素中，除出口贸易之外，考虑的变量还有产业结构、对外开放度、淮阴师范学院学年论文（设计）6劳动力文化水平、经济福利因素、碳税政策、能源强度、资源禀赋等；另一方面，在已经有不少文献，注意选择了空间计量模型进行研究、分析。本文在全要素框架下计算中国省级的二氧化碳排放效率（以下简称碳排放效率），分析
16、其空间分布特征，研究出口贸易对效率的空间作用，主要贡献在于以下三点，一是构造序列 DEA 的 SE-U-SBM 模型计算省级经济发展的碳排放效率，更符合研究对象的内在规律，用此方法的优点在于：排除了技术退步的可能性；引入了追赶理念，即后来者可以通过模仿学习来达到追赶的目的，三是可以排除产出的短期波动影响生产前沿的可能性；二是分析出口贸易对碳排放效率的空间影响；三是分析经济、开放度、能源结构、资源禀赋等变量对效率影响的空间效应。文章的其余内容安排如下，第二部分是文献综述；第三部分是建立序列 DEA 的 SE-U-SBM 模型，计算碳排放效率并分析效率的空间性。第四部分是实证分析出口贸易及其他变量
17、对碳排放效率的空间作用。最后是结论与启示。3、 效率计算及其空间性检验3.1 效率计算的 DEA 方法根据 henderson ),( 10,10,10 tjtbjTtLjbtgjTtLjgtjTtLjbg uelyyyxyx； )(1min1,2, sysxkTborTgomioTiyxbg，(2)淮阴师范学院学年论文（设计）7.ts 0,0, ,10,10,10, tjTbg TbogooTtLjtbjbTtjtgjgtLjtuelyyxyyxx3.2 计算效率所需的变量及数据投入变量是资本、劳动力还有能源，产出变量除了 GDP 之外，还有非期望产出二氧化碳。资本存量数据是参考单豪杰（20
18、08）应用永续盘存法计算得到的，单位为亿元；劳动力是用各地区年初、年末就业人数的统计数据平均值（单位为万人）；GDP 来自中国国家数据库；能源的数据来自中国能源统计年鉴，各地区按照各种能源标准煤系数统一换算为标准煤，单位为万吨。碳排放数据单独说明。二氧化碳数据排放数据的计算参考联合国政府间气候变化专门委员会（IPCC）2006 年发布的国家温室气体清单指南提供的计算公式：i=1,2,3 (3)iii NCVEOC3131,22其中，CO 2表示估算的二氧化碳排放量，E i分别表示煤炭（单位：万吨）、原油（单位：万吨）、天然气的消耗量（单位：亿立方米），NCV 为能源的平均低位发热量 1。本文采
19、用中国分省面板数据，由于西藏的数据不全，所以样本中不考虑西藏，时间段是 2000-2012 年。考虑到数据的可比性，涉及到的经济变量都做了平减。3.3 效率计算12010 年中国能源统计年鉴附录 4 提供的中国三种一次能源的平均低位发热量为：煤炭、原油和天然气的平均低位发热量分别为 20908kj/kg、41816 kj/kg 和 38931 kj/m3。 是根据 IPCC 提供的碳排放系数计算的有效二氧化碳碳排放系数，其中，煤炭、原油和天然气的有效二氧化碳排放系数分别为95333 kg/tj、73300 kg/tj 和 56100 kg/tj。淮阴师范学院学年论文（设计）8应用序列 DEA
20、的 SE-U-SBM 模型，计算得到 DEA 效率，得到 Malmquist Index，记为 MPI，Malmquist Index（2000-2001）记为 MPI1，依此类推。Malmquist Index (2005 TO 2006) 之前的值小于 1，之后开始效率值大于1，说明效率呈现进步的。30 个省域中，山西、内蒙古、辽宁、吉林、江西、湖南、广西、重庆、云南、陕西、青海、宁夏、新疆等 13 个地区的平均效率值小于 1，说明是无效率的，最低的是宁夏，最高的是上海。总体来说，相对于中西部地区，东部发达省份的碳排放效率是高的。3.4 空间相关性检验由于区域之间存在着各种经济政治文化的互
21、动，区域之间的各种经济、社会、环境等指标不是独立的，总是会有各种方式受到其他地区的空间作用和影响。本文在此要对碳排放效率做空间相关性检验，这就要涉及到空间权重矩阵淮阴师范学院学年论文（设计）9的设置，本文选择了邻接、地理距离和经济三种空间权重矩阵。其中，邻接空间权重矩阵(W)的元素 w:在空间单元 i 和 J 相邻时取值为 1;若不相邻则取值为Oo 地理距离权重矩阵(Wz)以省会城市之间球面距离平方的倒数来构造。经济空间权重矩阵(WsO 选择地区间人均实际地区生产总值的差额作为测度地区间“经济距离”的指标，W3=Wze *Eo 其中，E 的矩阵元素用样本考察内各省人均地区生产总值均值之差绝对值的倒数表示。空间相关性检验：本文采用 Morans I 指数，对中国分省碳排放效率的空间相关性进行检验。根据检验结果(表 1)可以看出，中国的碳排放效率存在显著的空间依赖性。Moran 散点图进一步揭示的空间集聚特征，绘制了三种空间权重下不同年份的碳排放效率散点图（由于篇幅关系没有在本文中给出，如有需要，可向作者索取）。可以发现，在三种空间权重模式下，多数省份集聚在第一、第三象限(其中，在邻接空间权重下有 23 个省；在地理距离权重下有 25个省；在经济空间权重下有 28 个省)，这进一步表明中国区域碳排放效率存在高度的空间集聚特征，碳排放效率的空间分布是非均质的。
