中国工业碳排放绩效：静态水平及动态变化——基于中国省级面板数据的实证分析，本文主要内容关键词为：中国论文,实证论文,静态论文,绩效论文,省级论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
随着全球气候异常现象的愈演愈烈，气候问题成为21世纪人类面临的最严峻挑战之一。到目前为止，虽然对“人为碳排放量骤升引起全球气候变暖”的论断尚存在一定的质疑，但值得注意的是，碳减排议题已经不仅仅停留在气候变化问题本身，而是逐渐演变为一场就气候变化问题而展开的国际政治与经济舞台上的博弈，一场就生存权、发展权以及国际秩序主导权的较量。因而，我国政府必须在保证经济健康、持续及稳定发展的基础上，逐步有效地制定碳减排计划与开展碳减排工作，这不但有助于提升我国政府在这场气候博弈中的话语权，也符合可持续发展之要求。
自步入工业化发展的中期阶段以来，工业成为我国国民经济的主体，工业能源消耗及碳排放也成为我国政府节能减排工作所关注的核心。1980-2005年间我国终端工业能源消费量达到总能源消耗量的60%左右[1]，而且工业能源结构仍然以高碳排放的传统化石燃料为主，所以工业碳排放业已成为我国人为碳排放的主要源泉。本文基于我国30个省市地区要素资源投入、工业产出以及碳排放的数据，计算得到全国与各地区的工业碳排放绩效水平，并分析了其过往的变化特性，这对于以科学发展观考察我国工业碳减排模式具有重要的理论与实践意义。
近些年来，随着人们对气候变化问题关注度的提升以及碳减排议题的逐步深化，碳排放绩效问题已经引起国内外学者和各国政府的广泛关注与重视，也出现了一些用于评价碳排放绩效的指标，如碳强度、碳排放系数、能源强度等。Mielnik and Goldemberg(1999)提出了碳化指数(carbonization index)度量法，对发展中国家的碳排放状况进行了评价[2]。Ang(1999)认为，能源强度指标在低碳经济研究中与碳化指数一样重要[3]。Sun认为，单位二氧化碳排放量是评价国家能源政策和碳减排效果的理想指标[4]。值得注意的是，这些反映碳排放绩效的评价指标过于片面，能否真正度量碳排放绩效，目前尚存争议。人为碳排放的绝大部分源于传统化石燃料的消费，而依靠能源本身无法单独获得产出，必须与资本、劳动等生产要素相结合。因而，这种仅考虑单一能源要素的评价指标忽视了生产中其他投入要素的替代效应，也无法对受评主体的碳排放效率做出全面与真实的测度。Ramanathan(2002)认为，利用数据包络分析法(Data Envelopment Analysis)将能源消费、经济发展以及碳排放纳入综合绩效指数的方法，更能保证碳排放绩效评价的全面性与合理性[5]。迄今为止，已有部分学者遵循此思路对碳排放绩效相关问题进行了研究(Zaim and Taskin，2002；Zofio and Prieto，2001；Zhou et al.，2008、2010；王群伟等，2011)[6-10]。关于影响因素，若干学者主要通过应用环境库茨涅茨曲线假设，从实证的角度检验经济发展与二氧化碳排放之间是否存在倒U型曲线关系[9]。我国正处在工业经济转型的关键时期，工业碳排放是我国人为碳排放的主要源泉，也是我国政府节能减排工作的重心。因而，本文遵循Zhou et al.(2010)的全要素分析思路，尝试在全要素分析框架下对我国工业碳排放绩效的静态水平与动态变化进行测度，并运用动态面板数据计量方法对影响我国工业碳排放绩效的因素进行分析，为工业碳减排工作提供指导。
本文其余部分的安排如下：第二部分是研究方法设计；第三部分是数据来源及变量界定；第四部分是工业碳排放绩效静态水平与动态变化的实证结果；第五部分是工业碳排放绩效的决定因素分析；第六部分是结论及政策含义。
二、研究方法设计
工业生产过程中的碳排放是我国人为温室气体排放的主要源泉，也是温室气体减排工作的重心。工业生产过程中一定的要素投入，除了获得合意性产出(“好”产出)外，还会不可避免地产生非合意性产出(“坏”产出)。本部分主要涉及三个重要概念：环境技术、碳排放的Shephard投入距离函数与碳排放绩效指数。
(一)环境技术
式(9)表示生产可能性边界在投入与合意性产出既定的情况下向非合意性产出(碳排放)更少的方向移动。式(10)表示t+1期生产发生在t期的生产可能性边界之外，即在投入与合意性产出既定的情况下，t期碳排放必定大于t+1期。式(11)表示DMU必定位于t+1期的生产可能性边界上。依据以上判断标准，若DMU同时符合上述三个标准，则确认该DMU为“创新者”区域。
三、数据来源及变量界定
本文在全要素分析框架下对工业碳排放绩效进行评价与分析，以2003-2009年30个省市地区的规模以上工业为研究单元。由于西藏、香港、澳门以及台湾的部分数据缺失，在此不作考虑。因能源消耗是一种中间投入，以工业增加值为合意性产出指标不妥，故本文以工业总产值表示合意性产出指标，从业人员年平均人数表示当年劳动投入指标，固定资产净值表示资本投入指标，工业终端能源消费量为能源投入指标，工业能源引致碳排放量为非合意产出指标。我们对工业总产值与固定资产净值两项指标数据进行价格平减，用2002年为基期的工业品出厂价格指数对工业总产值进行价格平减得到实际工业总产值，用2002年为基期的固定资产投资价格指数对固定资产净值进行价格平减得到实际固定资产净值②，将工业终端不同类型的能源消费数据按统一热值标准折算成标准煤。工业品出厂价格指数与固定资产投资价格指数数据来源于中国统计年鉴(2004-2010)，工业总产值、固定资产净值以及从业人员年平均数等指标数据来源于中国工业经济统计年鉴(2004，2006-2010)与中国经济普查年鉴(2004)，工业终端能源消费量指标数据来源于中国能源统计年鉴(2004-2010)。
工业能源引致碳排放指标数据参照文献[15]的碳排放折算方法计算得到。在此，能源碳排放系数成为有效估计碳排放量的关键，一般认为，除电力与热力碳排放系数以外，其他类型能源碳排放系数不因行业与时间的变化而变化，即除电力与热力以外的其他类型能源碳排放系数固定不变[16]。除电力与热力以外，其他类型能源碳排放系数来源于IPCC(2006)，而电力与热力碳排放系数参照文献[17]与[18]折算而来。相关数据的统计描述如表1所示。
四、工业碳排放绩效评价结果
(一)工业碳排放绩效静态水平测度
本文在研究方法设计中构造了基于非线性规划技术的指数，以测度我国各地区在样本年份内的工业碳排放静态绩效。在搜集与整理的各项投入与产出指标数据的基础上，依据式(8)并利用Matlab分析软件对2003-2009年我国30个省市地区的工业碳排放静态绩效值进行测评，表2给出了各省市地区2003-2009年的工业碳排放静态绩效平均值。
从表2可以看出，居于前八位的地区是上海、广东、北京、江苏、天津、浙江、福建、山东，居于后八位的地区是宁夏、青海、贵州、新疆、山西、甘肃、内蒙古、黑龙江。值得注意的是，工业碳排放绩效较高的基本上都是东部沿海工业发达地区，较低的往往是工业基础薄弱的偏远地区。从前后八位的地区得分均值上看，居于前八位地区的工业碳排放绩效均值为0.83，居于后八位地区的均值为0.14，前者约为后者的六倍，因而我国各地区的工业碳排放绩效差距较大，绩效水平极不平衡。
为了对我国区域工业碳排放绩效有一个更为形象与具体的认识，我们按照工业碳排放绩效值大小将地区工业划分为三个层次：若碳排放绩效值在(0.8，1]之间，则定义该地区为“高碳排放绩效区”，表示相较于我国其他地区而言该地区工业在既定投入与产出情况下碳排放少；定义碳排放绩效值在(0.6，0.8]之间为“中等碳排放绩效区”；定义碳排放绩效值在(0，0.6]之间为“低碳排放绩效区”。遵循以上分类标准，根据2003-2009年碳排放绩效平均值，我们对各地区工业碳排放绩效进行划分，高碳排放绩效区(5个省市)：上海、广东、北京、江苏、天津；中等碳排放绩效区(2个省份)：浙江、福建；低碳排放绩效区(23个省市区)：山东、海南、辽宁、江西、四川、重庆、吉林、陕西、河南、河北、湖北、安徽、云南、湖南、广西、黑龙江、内蒙古、甘肃、山西、新疆、贵州、青海、宁夏。
此外，单从2009年碳排放绩效值上看，高碳排放绩效地区有5个：北京、天津、上海、江苏、广东，而宁夏、青海、新疆、贵州、山西、甘肃、黑龙江、云南、内蒙古、广西、河北、湖南、河南、陕西、湖北、安徽、重庆、吉林、四川19个省市区的工业碳排放绩效值小于0.4。这也进一步说明了与东部沿海发达地区相比，中、西部地区工业碳排放对应的产出率处于较低水平，其工业经济发展是以牺牲环境利益为代价的，为不可持续型发展模式[19]。同时，值得注意的是，由于本文是基于所有国内DMU所构筑的技术前沿对特定受评主体的碳排放绩效进行评价，因而对于工业碳排放绩效处于最优前沿的地区，其仍然能够通过引进国外先进的减排技术、优化工业结构、提高减排力度等措施推进工业碳排放绩效再上一个新台阶。
从区域分组层面上看，依据各地区7年的工业碳排放静态绩效值，我们计算得到东部、中部、西部、东北四大区域③的2003-2009年的工业碳排放绩效均值。东部、中部、西部以及东北的工业碳排放绩效均值分别为0.73、0.25、0.19、0.30，由此可以看出，除东部以外，其他区域工业碳排放绩效相对过低，东部工业碳排放绩效最高，其次是东北、中部与西部。从全国整体层面上看，2003-2009年工业碳排放绩效均值为0.39，因而可以认为我国工业碳排放绩效整体上处于较低水平。
(二)工业碳排放绩效动态变化分析
本文尝试利用指数及其分解结构对我国工业碳排放绩效的变化值进行分析和解读。利用窗口法(Window)对决策单元进行扩展，窗口法可以将包括当期在内的前S期的投入产出数据作为当期的参考技术集[8]。在此，本文将S设定2，从而避免因决策单元少、数据稀疏而无法构造近似光滑的前沿面，造成线性规划无解的情况。因而，计算时段初始年份由2003年变为2004年。在2003-2009年投入产出指标数据的基础上，依据公式(4-8)计算出我国各地区工业碳排放绩效变化值(MCPI指数)及其分解值(EFFCH与TECHCH)。图1给出了我国30个省市区的工业MCPI指数及其分解部分的平均值与累计值④。
图1 我国30个省市区工业MCPI指数及其分解部分的平均值与累计值
从图1可以看出，除了上海、黑龙江与新疆三省市外，其他省市区工业碳排放绩效的年均变化处于增长状态。MCPI指数年均值居于前八位的是宁夏、海南、内蒙古、安徽、山东、四川、辽宁、江西，其年均增幅高于10%；居于后八位的省市区是上海、新疆、黑龙江、甘肃、浙江、广东、江苏、青海，其年均增幅低于4%。其中，上海、新疆、黑龙江的工业碳排放绩效的年均变化处于下降状态，年均降幅分别为3.72%、1.18%、1.66%。从累计值上看，除上海、新疆与黑龙江外，其他省市区的工业碳排放绩效累计变化处于上升状态。MCPI指数累计值居于前八位的是海南、宁夏、内蒙古、安徽、山东、四川、辽宁、江西，累计增幅高于74%；居于后八位的是上海、新疆、黑龙江、甘肃、浙江、云南、广东、江苏，累计增幅低于17%。其中，上海、新疆、黑龙江的工业碳排放绩效的累计变化处于下降状态，累计降幅分别为22.02%、11.48%、8.20%。从MCPI指数分解部分来看，该指数年均值抑或累计值居于前八位的省市区是技术效率(EFFCH)与技术进步(TECHCH)共同提高的结果，而居于后八位的地区主要源于技术效率(EFFCH)弱化，从而导致MCPI指数的年均值与累计值偏低。
为了对工业碳排放绩效动态变化的整体特性做出分析，我们从全国层面出发，计算得到历年平均与累计的MCPI指数及其分解值，如图2所示。从图2可以看出，除2009年外，其他年份工业碳排放绩效处于上升状态。值得注意的是，2009年工业碳排放绩效出现了一定程度的退化，绩效下降的原因主要是技术进步的负面作用大于技术效率的正面作用，这可能是2008年金融危机爆发后我国工业结构退化的后续影响。整体而言，2003-2009年工业碳排放绩效年均增幅为6.93%，累计增幅为45.86%，其中，技术效率平均增幅为3.07%，对应的累计增幅为19.67%；技术进步平均增幅为4.67%，对应的累计增幅为27.54%。
图2 历年平均与累计的MCPI指数及其分解值
为了确定哪些地区推动了生产可能性边界的移动，我们依据式(9)、(10)、(11)所列标准，计算确认每一个时间段推动生产可能性边界向外扩展的“创新者”地区。计算结果显示，2004年无“创新者”区域；2005年为广东；2006年为广东；2007年为北京、上海、广东；2008年为北京、天津、上海；2009年无“创新者”区域。可以发现，除2004年、2009年不存在“创新者”区域外，其他年份的“创新者”区域存在一定的差异，但主要集中在北京、天津、上海、广东四个省市，说明这些地区为促进工业碳排放绩效的提升起到了示范和带动作用。
此外，从区域分组层面上看，我们基于图1所给出的30个省市地区工业MCPI指数及其分解部分的平均值与累计值进一步计算得到东部、中部、西部、东北四大区域的平均值与累计值，如表3所示。从表3可以看出，样本期间内，我国四大区域的工业碳排放绩效均有所改善，主要表现为MCPI均值大于1。中部地区工业碳排放绩效累计提升幅度约为53.61%，居于四大区域之首，其次为西部(47.55%)、东部(40.86%)与东北(35.93%)。技术效率与技术进步对四大区域工业碳排放绩效的改善皆起到正向作用，表现为技术效率与技术进步的均值都大于1。其中，技术进步的作用力度大于技术效率，正如表3所示，四大区域的技术进步累计值高于技术效率累计值。
五、工业碳排放绩效的决定因素分析
(一)模型设定及估计
上文对我国工业碳排放绩效的静态水平与动态变化特性进行了评价与分析，那么有哪些因素会影响到工业碳排放绩效的变化？认清这一问题对于我国工业碳减排工作具有重要意义，在此我们就工业碳排放绩效的决定因素进行实证分析。一般认为，经济发展与碳排放存在紧密联系，在不同的经济发展阶段或水平上碳排放的变动趋势呈现出不同形态，部分学者从不同国家或地区、不同行业、不同发展阶段出发，对经济增长与碳排放之间的关系进行验证，所得结论具有较大的差异，但普遍认为经济发展是影响碳排放的一个重要因素[10]。同时，基于指数或结构分解模型的碳排放变化的相关研究表明，结构因素、能源因素等对碳排放的变化起到重要影响。产业结构与工业结构的转化升级有助于碳排放量的下降，主要表现为产业结构与工业内部的规模结构、产权结构及轻重产业结构的影响。能源因素(主要包括能源结构与能源强度)则是能源引致碳排放的最直接因素[1,17,20]。王群伟等认为，对外开放程度的扩大促进了先进技术、设备与管理经验的引进，这些可能对地区工业碳排放绩效产生一定的影响[10]。同时，一个地区的环境规制程度对工业碳排放会产生一定的影响[21]，因而我们将环境规制作为影响工业碳排放绩效的可能因素。有鉴于此，我们对工业碳排放绩效的可能影响因素进行总结与提炼，主要包括：经济发展水平(ED)、结构因素(产业结构(IS)、轻重产业结构(HS)、工业产权结构(PI)、工业规模结构(SI))、能源因素(工业能源结构(ES)、工业能源强度(EI))、对外开放(OL)、环境规制(ER)。值得注意的是，任何因素的变化本身都具有一定的惯性，前期结果往往对后期产生一定的影响[22]，因而我国各地区工业碳排放绩效可能存在滞后效应，主要原因包括：一方面，上一期工业碳排放绩效会对本期绩效预期值产生影响，使得工业内部的政府调控政策与企业调控措施因预期值的变化而变化，进而影响到当期工业碳排放绩效值；另一方面，解释变量中的产业结构、规模结构、产权结构、轻重产业结构、对外开放以及环境规制等宏观因素的调整是长期而缓慢的，其对工业碳排放绩效影响的传导具有一定的延时性，使得工业碳排放绩效产生一定的滞后性。为此，我们引入动态面板数据模型滞后项以有效控制这些因素的影响，构建的动态面板数据模型如下：
对于动态面板数据模型而言，被解释变量滞后项的引入使得模型存在内生性问题，所以传统的固定效应(FE)、随机效应(RE)及混合最小二乘(OLS)估计量都是有偏的，因而必须借助工具变量进行估计。Guan and Lansink建议利用动态GMM估计法对动态面板数据进行分析，动态GMM可以有效解决序列相关与内生性问题[24]。动态GMM估计分为差分GMM(DIFF-GMM)和系统GMM(SYS-GMM)，其中，SYS-GMM将差分方程与水平方程作为一个系统进行广义矩估计，因而同时利用了变量的水平变化与差分变化的信息，比DIFF-GMM更有效[25-27]。在此，我们同时利用DIFF-GMM与SYS-GMM对动态模型(模型(12))进行估计，⑥但以SYS-GMM估计量为主要说明对象，DIFF-GMM估计结果仅作为参考，并且利用年度虚拟变量控制横截面相依性，具体结果如表4所示。⑦
表4中的第1列与第2列分别给出了差分GMM(DIFF-GMM)和系统GMM(SYS-GMM)两种估计方法所估计的结果。Sargan检验对应的p值支持了工具变量选取的有效性。二阶序列相关(AR(2))检验对应的p值说明模型经一次差分以后的扰动项不存在二阶序列相关。联合统计显著检验的F统计量对应的p值都等于零，说明模型从整体上看是显著的。为了检验GMM估计的可靠性，我们利用Bond et al.(2001)所提出的检验方法，即将含滞后变量的GMM估计值与混合OLS和FE的估计值相比较。混合OLS估计一般会高估被解释变量滞后项的系数，而FE估计一般会低估被解释变量滞后项的系数，若GMM估计值介于两者之间，则说明GMM估计的可靠性与有效性[26]。如表4所示，混合OLS存在高估被解释变量滞后项系数的倾向，滞后项估计系数为0.831，而FE存在低估被解释变量滞后项系数的倾向，滞后项估计系数为0.255，GMM估计值(0.487)正好介于二者之间，因而GMM估计值是可靠与有效的。
(二)估计结果说明
1.工业碳排放绩效存在滞后效应。从模型(12)的估计结果中我们可以看出，被解释变量一阶滞后项(CMCPI[，t-1])的系数显著为正，说明上一期工业碳排放绩效的增长对本期绩效的提升产生显著的促进作用，这与我们之前对工业碳排放绩效滞后效应的预期相符，也说明政策预期与宏观因素调整速度对工业碳排放绩效产生了重要影响。这就要求，一方面，各级政府与工业企业在促进工业碳排放绩效提升的工作中必须科学、合理、客观地确定政策预期，不因上期工业碳排放绩效的陡升或陡降而对当期绩效产生盲目预期；另一方面，加快工业碳排放绩效宏观影响因素的调整与执行步伐，促进工业技术的更新换代，这在实际工作中主要表现为保证政府和工业企业在碳排放绩效提升工作中激励、监督机制的有效性，提高激励与监督机制的执行与贯彻力度。
2.当前模式下的经济发展对工业碳排放绩效产生消极影响。在不同发展阶段，碳排放变动趋势呈现出不同形态。我国正处于工业化中期阶段，虽然各级政府出台了一系列政策措施，推动现有经济模式向可持续型发展模式转变，在此过程中也取得了一系列积极成果。然而，值得注意的是，当前经济发展尚未逃出“高能耗、高排放、高增长”的三高模式，我国仍处在经济发展与碳排放之间“倒U型”环境库兹涅兹曲线的上升区段[28]。从表4中我们可以看出，经济发展水平(ED)对工业碳排放绩效产生显著的负面影响，经济发展水平每提升1个单位将导致工业碳排放绩效下降0.156个单位，因而现有模式下的经济发展对工业碳排放绩效提升产生消极阻碍作用。这也从侧面说明，改变现有发展模式，努力构建可持续型的发展模式，是实现人类社会与自然和谐共存的必然选择。
3.结构因素对工业碳排放绩效影响复杂。如前所述，结构因素主要包括产业结构与工业结构，其中工业结构又分为工业规模结构、工业产权结构以及轻重产业结构等。通过表4所列估计结果我们可以看出，结构因素对工业碳排放影响呈现多种形态。其中，工业结构重型化趋势不利于工业碳排放绩效的提升，结果显示，轻重产业结构变量(HS)对工业碳排放绩效具有显著的负面影响，因而在其他技术条件不变的条件下，重型工业化趋势的快速演进必将进一步削减工业碳排放绩效。这就要求我国各地区在推进工业化进程的同时加快工业技术革新，从而有效降低工业重型化对工业碳排放绩效的负面影响。此外，工业规模结构变量(SI)对工业碳排放绩效存在显著的正面影响，即合理的工业企业规模有利于碳排放绩效的提升。这可能是因为，大型工业企业在资金、技术及可利用的资源方面都具备其特定的优势，作为工业经济的主体，一直都是国家节能减排工作关注的重心。
值得注意的是，模型估计结果显示，虽然轻重产业结构变量(HS)对工业碳排放绩效具有显著影响，但产业结构变量(IS)对工业碳排放绩效的影响并不显著。杜立民(2010)在对二氧化碳排放影响因素分析时也得到类似结论，其分析结果显示，产业结构变量对我国人均二氧化碳排放影响并不显著，但工业结构(地区重工业比重)的影响却是显著的。杜立民的分析认为，这是由于大多数省份产业结构变动不大，部分省份的工业占GDP比重甚至有下降趋势，而在此期间重型工业企业比重却出现较大幅度的变化，从而使得产业结构影响变得越发微弱[22]。同时，从表4中我们可以看出，工业产权结构变量对工业碳排放绩效的影响为负，但不显著，因而并无迹象显示企业产权制度因素对我国工业碳排放绩效变动产生影响。
4.降低工业能源强度与优化工业能源结构是推动我国工业碳排放绩效提升的重要举措。模型估计结果显示，工业能源强度变量(EI)的系数显著为负，说明单位实际工业总产值的能源消费量的下降有利于工业碳排放绩效提升，这一结果符合经济理论的预期。近些年来，随着工业技术的进步、产业结构的升级以及节能减排工作的开展，我国工业能源强度不断下降。以不变价格计算，30个省市地区的平均工业能源强度从2005年的3.30吨标准煤/万元下降到2.29吨标准煤/万元，但与发达国家相比，我国工业能源强度仍有较大下降空间，因而进一步降低工业能源强度对工业碳排放绩效提升工作具有重要意义。在能源结构方面，工业能源结构变量(ES)的系数显著为负，说明工业能源消费总量中煤炭所占比重的上升对工业碳排放绩效产生负面影响。由于受资源禀赋条件的限制，以煤炭为主的能源消费结构短期内难以改变。数据显示，我国煤炭占能源消费总量的比重从2005年的70.8%，到2007年的71.1%，再到2009年的70.4%，整体上没有显著的变化。因而，从能源结构入手，积极推动太阳能、风能、核能等清洁的能源发展，提高清洁能源在能源消费总量中的比重，调整与优化能源结构，是工业碳排放绩效提升工作的有效选择之一。
5.无迹象显示对外开放能够提升我国工业碳排放绩效。传统观点认为，对外开放程度的扩大促进了先进技术、设备与管理经验的引进，有利于工业碳排放绩效的提升。然而，值得注意的是，在西方发达国家先进技术、设备及管理经验引进的同时，我国处于国际产业链条中下游环节的现实亦不可忽视。长期以来，高能耗、高污染产业的产品出口在我国对外出口贸易中占据主要份额，出口的巨大负面环境效应使得对外开放程度的扩大反而降低了工业碳排放绩效。如表4估计结果显示，对外出口变量(OL)对工业碳排放绩效的影响显著为负。这说明，努力占据国际产业链的高端，改变产品出口结构，是我国在可持续发展道路上坚持对外开放的必然选择。
6.合理的环境规制水平有利于工业碳排放绩效的改善。估计结果显示，以单位工业产值的二氧化硫排放量(ER)为代理变量的环境规制因素对工业碳排放绩效产生显著的正面影响，这一结果符合经济理论的预期，说明环境规制水平的上升有利于工业碳排放绩效的改善。然而，值得注意的是，我们必须坚持环境规制的合理性、适度性及可行性，这是因为，过低的环境管制水平无法促使工业企业注重环保投入与加强环保技术革新，而过高的环境规制则会对工业经济实体造成损害，进而抑制了工业碳排放绩效的持续改善。
六、结论及政策含义
本文利用环境技术测度了2003-2009年中国30个省市地区工业碳排放绩效的静态水平与动态变化，并运用动态面板数据计量方法对我国工业碳排放绩效变动的影响因素进行了深入分析，结论及政策启示可以从三个方面予以总结。
第一，从静态绩效水平上看，样本期间我国整体工业碳排放绩效处于较低水平。其中，东部工业碳排放绩效较高(0.73)，中部(0.25)、西部(0.19)及东北(0.30)等地区相对过低，且区域间工业碳排放绩效极不平衡。静态碳排放绩效测评结果显示，东部工业碳排放绩效几乎为中、西部地区的三倍，因而在我国工业碳减排工作中，必须着力提升中部、西部以及东北等地区的工业碳排放绩效，从而在工业碳排放绩效区域平衡的基础上实现减排目标。
第二，从动态绩效变化上看，样本期间全国工业碳排放绩效总体上处于上升状态，平均增幅为6.93%，累计增幅为45.86%。就区域分组层面而言，样本期间内，我国四大区域的工业碳排放绩效均有所改善。中部地区工业碳排放绩效累计提升幅度约为53.61%，居于四大区域之首，其次为西部(47.55%)、东部(40.86%)和东北(35.93%)。技术效率与技术进步对四大区域工业碳排放绩效的改善皆起到正向作用，且技术进步的作用力度大于技术效率。推动生产可能性边界向外扩展的“创新者”地区主要集中在北京、天津、上海、广东四个省市，这就要求在工业减排过程中进一步加强节能减排技术与经验、制度安排等方面的交流扩散，以缩小各地区工业碳排放绩效与前沿省区的差距，从而最终实现整体上的节能减排目标。
第三，工业碳排放绩效的决定因素的实证分析结果表明，工业碳排放绩效的一阶滞后项、经济发展水平、轻重产业结构、工业规模结构、工业能源结构、工业能源强度、对外开放以及环境规制等因素对我国工业碳排放绩效具有显著影响，而产业结构与工业产权结构对我国工业碳排放绩效影响不显著。这些研究均表明，我国地区工业应当继续着重推动现有经济模式向可持续型发展模式转变，加快工业产业结构升级，推进企业集团化发展，大力发展新型低碳经济，推进能效与低碳技术的革新，降低能源强度，优化能源结构，从而提升工业碳排放绩效，以实现工业经济与环境的协调发展。
注释：
①环境技术的规模条件设定主要分为规模报酬变化与规模报酬不变两种，若在环境技术构造式中加入
，则我们可以得到规模报酬变化条件下的环境技术，笔者通过本文数据演算得到两种条件下的测算结果，二者区别甚微，在此，笔者以常规的规模报酬不变为条件进行设定。
②实际工业总产值=工业总产值/(2002年定基工业品出厂价格指数/100)；实际固定资产净值=固定资产净值/(2002年定基固定资产投资价格指数/100)。
③东部地区：北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部地区：山西、安徽、江西、河南、湖北、湖南；西部地区：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆；东北地区：辽宁、吉林、黑龙江。
④以2003年为参考年份，设为1，后续年份的Malmquist工业碳排放绩效指数在此基础上累加折算。
⑤对于环境规制因素，已有研究往往以环境治理投资额或二氧化硫排放量为环境规制的代理变量，在此，笔者以单位工业产值的二氧化硫排放量为代理变量，采用这一指标的优点在于：二氧化硫排放量变化是验证“波特假说”很好的代理变量，而用其与工业总产值的比重能够消除不同行业间规模因素所导致的二氧化硫排放差异。
⑥GMM估计可进一步分为一步GMM估计法和两步GMM估计法。Bond et al.认为，在有限样本条件下，两步GMM估计量的标准误具有严重向下偏倚倾向，在经验应用中通常使用一步GMM估计量，因而我们在DIFF-GMM与SYS-GMM估计中都选择一步法。
⑦上述估计采用的软件是STATA 10与“xtabond”和“xtdpdsys”程序。
标签：碳排放论文; 面板数据论文; gmm论文; 能源消费论文; 能源结构论文; 能源强度论文; 绩效指标论文; 工作绩效论文; 工作分析论文; 静态分析论文; 地区经济发展论文; 静态模型论文; 实证分析论文; 动态模型论文; 经济论文;