我国工业行业碳排放效率实证研究
——考虑非期望产出SBM超效率模型与DEA视窗方法的应用
郗永勤，吉 星
（福州大学经济与管理学院，福建福州 350116）
摘要： 运用考虑非期望产出SBM超效率模型，以及数据包络分析（DEA）视窗方法，测算我国工业行业2012—2016年的碳排放效率，并划分成高、中、低效率水平探讨行业差异性，然后检验环境规制、技术创新对工业行业整体碳排放效率的影响。研究结果表明：近年来我国工业行业的碳排放效率整体水平较低，呈现出不稳定的状态；低效率水平行业占绝大多数，高效率水平行业占比较低；环境规制可以通过促进企业提高技术创新水平，以改善碳排放效率，行业市场容量、行业所有制结构的提高可以有效提升碳排放效率，禀赋结构与碳排放效率有负相关关系，企业规模对碳排放效率的作用并不显著。
关键词： 工业行业；碳排放效率；非期望产出；SBM超效率模型；DEA视窗
大气污染物排放问题正逐渐引起全社会的广泛关注，良好的生态环境质量成了人们追求的美好生活的基石。工业的快速发展需要消耗大量的化石燃料，伴随着温室气体的产生，空气质量水平下降明显［1］。为此，如何应对和解决所面临的环境问题，是目前的重要目标之一。党的十九大报告明确指出了必须加大力度解决突出的环境问题以及保护生态系统的要求。2018年7月，国务院发布了《打赢蓝天保卫战三年行动计划》，预示着大气污染防治行动将会持续深入开展，计划中提出了到2020年要实现主要大气污染物排放量得到大幅度减少、温室气体排放量也大大降低的目标，以改进空气质量，提升人民的蓝天幸福感。在工业的生产过程中，排放的废气除了SO2、烟（粉）尘以外，还有CO2的排放，因此，研究我国工业行业的碳排放效率，进一步寻找其影响因素，对于降低温室气体排放以及加强大气污染防治的意义重大。
1 文献综述
目前关于碳排放效率的研究主要集中在碳排放效率测算及评价、碳排放效率影响因素分析等方面展开的实证研究。首先，在碳排放效率的测算及评价方面，具体可以表现为研究视角与研究方法的不同。第一，在研究视角上，国内外多数学者从国家、地区的层面出发，对碳排放效率进行研究，如Zofio等［2］测算了OECD成员国的碳排放效率，并分析其差异性；Lftikhar等［3］对主要经济体国家的能源以及碳排放效率作出测算和分析，发现印度、俄罗斯以及中国在CO2排放效率方面具有最大的潜力；周五七等［4］、李健等［5］均对我国碳排放效率进行测算，研究发现各省份之间的差异明显；张二女［6］、臧红映［7］则从地区角度对碳排放效率展开研究。也有一些学者开始从行业的角度进行研究分析，如路正南等［8］以我国工业行业为研究对象，对碳排放效率进行测算和评价，研究发现行业差异性明显；曲晨瑶［9］对我国制造业的碳排放效率作出测算和评价，发现这些行业的碳排放效率还有很大的提升空间。第二，在研究方法上，大多数学者都采用了数据包络分析(DEA) 方法或是随机前沿函数方法来测度碳排放效率，如Hampf等［10］通过利用传统DEA模型，从效率角度来确定美国发电厂CO2排放的标准是否可行；余敦涌等［11］则是运用随机前沿函数方法来测度和评价了我国省域的碳排放效率。近年来，越来越多的学者开始采用超效率DEA模型、非期望产出SBM模型等来测度碳排放效率，如路正南等［8］、曲晨瑶［9］、瞿珂［12］运用了超效率DEA模型对我国省际的碳排放效率作出测度以及进行区域差异分析；王惠等［13］通过运用非期望产出SBM模型将碳排放量这一重要因素作为非期望产出指标来测算了我国各省份的碳排放效率；吴齐［14］结合了非期望产出SBM模型与超效率DEA模型各自的优点，对我国省域的碳排放效率进一步作出测度，其准确性有了提高。
其次，在碳排放效率的影响因素研究方面，现有的相关文献主要是关注碳排放效率与技术创新、环境规制、市场化改革、城镇化、出口贸易等之间的关系。第一，多数学者如Ang［15］、韩川［16］都认为技术创新可以有效地推动碳减排工作的实施以及提高能源利用效率，降低环境污染程度；另外，部分学者如赵昕等［17］则是认为技术创新对于碳排放所起到的抑制作用不明显。第二，从已有的文献来看，环境规制这一因素是否对碳排放效率起到促进和提升的作用，并没有得到统一的结论。大部分学者认为政府实施的环境规制制度可以有效促进碳排放效率的提高，如杨英超［18］认为环境规制可以直接促进碳减排，带来正向作用；但是谭娟等［19］通过构建出的环境规制与碳排放这两者之间的VAR模型，发现环境规制对降低碳排放的作用并不明显；陈吟珊［20］运用非动态门槛面板模型进行效应研究，认为不同的环境规制水平对碳排放强度的影响作用不同。第三，随着研究的不断深入，越来越多的学者开始从市场化改革、城镇化、出口贸易等方面展开研究，如叶德俊［21］从市场化改革的角度，采用动态面板模型、PSTR模型等深入探讨了市场化改革对我国省际碳排放效率的影响途径以及传导机制，研究结果表明市场化改革对碳排放效率起到的提升作用明显；张腾飞［22］采用门槛面板模型深入探讨了城镇化对碳排放效率的影响，结果表明城镇化可以通过提高人力资本水平来促使清洁生产技术得到提升，进而使得碳排放效率得到改进；王惠等［13］结合空间杜宾模型进一步考察出口贸易对工业碳排放效率的影响，研究结果表明出口贸易阻碍了所有地区碳排放效率的提升；郭炳南［23］研究发现人力资本水平与产业结构高级化这两个因素分别都对全国以及区域的碳排放效率有明显的积极推进作用。
明尼在崖壁之间的河床上发现了许多与双子城的过去有关的旧物。破旧的木头、磨损的石块、扭曲的金属都是一个故事的残损篇章。当明尼在土中挖掘，或者回旋的流水卷起泥沙的时候，新的篇章就会展露出来。水墙下一块块吸饱了水的木头磕绊着明尼的脚，它们跟装有木板的现代化木屋有某种关系。因为接连啃咬了许多英里木头而磨断了齿的锯子锈迹斑斑地躺在沙子里。明尼还发现了曾经磨出成吨面粉而如今已经开裂的磨盘。这些磨盘讲述的是与一块块粮田有关的故事，上面曾聚集着印第安人的帐篷和来自草原的印第安小马。
目前关于碳排放效率的相关研究虽然已经取得了一定的成果，但是，仍然存在着一些不足：一是大多数学者在研究视角上侧重点都在于从国家或地区角度展开的实证研究，一定程度上忽视了工业细分行业对于提升碳排放效率的重要意义；二是在研究方法的选择上普遍忽视了时间维度对碳排放效率的影响，会降低测算结果的准确性，并且少有学者考虑将改进后的DEA方法运用到工业细分行业的研究中；三是同时运用改进的DEA方法测算工业行业碳排放效率并探讨环境规制、技术创新二者对碳排放效率影响的研究还较少。基于上述分析，本文从工业细分行业的角度出发，通过运用考虑非期望产出的超效率SBM模型与DEA视窗方法相结合的改进后的DEA方法来测算工业行业的碳排放效率，把时间维度这个重要因素考虑其中，并进一步探讨环境规制、技术创新二者对碳排放效率的影响，从而弥补我国工业细分行业的研究，更进一步地提高了测算结果的准确性，以期为我国工业行业实现绿色可持续发展提供一些建议。
(4) 新增换乘厅可减缓换乘客流对于既有标准站的冲击，同时减弱换乘长通道给乘客在行进过程中带来的不适感，从而营造两站舒适便捷的换乘空间。同时应统筹考虑新增换乘客流对原进、出站客流的影响，以及综合换乘便捷性、改造难度、施工工期等因素来确定最优改造方案。
2 研究方法和数据
2.1 研究方法
式（4）中：
为第
个窗口；
为时期数；
为宽度；
为总的窗口数量。
可以产生
式（1）中：
为所测算的效率值；
为阿基米德的无穷小量；
为各个决策单元的权重变量；
、
分别为各个决策单元的投入、产出变量；此外，
、
分别为投入和产出的指标个数，模型中的松弛变量用
和
来表示。
从上述反应生成的产物可以分析，加入CA后会大大提高水泥的固结力和固化物的密实度，从而提高污染物固化效果和固化物的强度。因此选择CA作为促凝增强剂。
2.1.2 非期望产出SBM模型
为了有效解决由于传统DEA模型的径向和角度所带来的问题，Tone［25］先是提出了将投入、产出松弛变量引入其中的非径向以及非角度的SBM模型；随后，Tone［26］再次提出了考虑非期望产出的SBM模型，在原来的基础上综合考虑了非期望产出这一重要指标，不仅优化了传统的DEA模型，而且效率测算的准确度也大大提高了。为此，本文通过借鉴前人的做法［14,27］，先构造出一个生产性可能集，假定工业生产系统中用
表示决策单元，将各个决策单元的投入和产出用以下形式来表示：每个决策单元都有
种投入、
种期望产出以及
种非期望产出，具体可用向量表示为
以矩阵表示为
并且假定
则构造出的生产可能性集如下：
超效率DEA模型是由Andersen等［24］正式提出的，以此来解决传统DEA模型不能具体区分多个决策单元同时为1的情况，也有效地克服了所测算效率值不能超过1的约束条件，使得各有效单元得以进一步相互比较。本文构建的超效率DEA模型如下：
有些学生的英汉对比分析论文，明显表现出来带有个人的喜好和感情色彩，表现出贬低中国文化，赞扬英美国家文化的趋势。在论文写作过程中，不能客观分析与解释英汉文化和语言的异同。
基于上述所构造出的生产性可能集，进一步构建非期望产出SBM模型，其数学模型可以表示如下：
在产出指标方面，期望产出指标选取了工业行业规模以上企业的主营业收入来表示，同时也将其根据工业品出厂价格指数折算至2012年的价格水平；非期望产出指标则是选取了工业行业的CO2排放量来表示。由于在现有的统计年鉴中，并未有工业各行业CO2排放量的相关统计数据，本文通过借鉴叶德俊［21］、韩川［16］、朱远［31］等人关于 CO2排放量的测算方法、相关系数的选择及其研究成果，构建本文的CO2估算公式如下：
随着中国网络的飞速发展，4G时代的来临，传统的通信方式无法提供相对应的服务效率，这就有必要对传统的通信方式进行升级和淘汰，才可以确保通信运营商占据足够的市场。网络正是电信运营商业务的主要途径，可以直接影响到电信运营商的市场占有份额。而电信运营商业务最重要的运作效率是由其本身的中心操作系统来保证的，所以，中心操作系统的升级成了升级和转型的首要任务。
2.1.3 非期望产出超效率SBM模型
在非期望产出SBM模型中，存在着决策单元同时为1的情况，不利于进一步对决策单元进行相互之间的比较，也无法更加准确地对决策单元进行测算结果排序，为此，Tone［28］通过修正了松弛变量，又进一步提出了超效率SBM模型(super-SBM)，该模型的优越之处在于通过结合了超效率DEA模型以及SBM模型这两个模型各自的优点，以解决此问题。首先，假定
将生产性可能集重新定义为：
则将其子集合定义为：
在互联网技术高速发展的时代，高校教育信息化已经成为一种必然的趋势，这其中以MOOCs为代表的在线课程开发模式受到越来越广泛的应用。由于MOOCs对传统教学理念进行了大胆的变革，契合了新时代下人们对教育的重新审视与认识，让传统的教学进入了一个全新的阶段，同时也给高校教育教学带来了新的挑战。传统教育教学如何合理地利用MOOCs进行教与学，促进教学质量的提升，已成为高校教育教学中需要更深入研究和更广泛探索的问题。
具体构建出的非期望产出超效率SBM模型的公式如下：
式（3）中：当
时，表示该决策单元处于无效；若为
则代表着投入不变，缩减产出或者产出不变，增加投入，都能够达到有效的状态。
2.1.4 DEA视窗方法
2.减少蛋白质含量，降低日粮抗原反应。一般在7日龄左右，仔猪开始喂全价颗粒料，在断奶前每头至少补饲600 g，使仔猪在断奶前胃肠消化系统得到加强和健全，以适应断奶后采食饲料，尤其是植物性饲料，建立对饲料粗蛋白的免疫耐受性，减少日粮抗原过敏反应。也可对饲料进行加工处理或减少抗原物质，如大豆经65%～70%的热乙醇(78℃)后，其抗原作用可大大降低。同时，在保证仔猪生长发育所需必需氨基酸的条件下，蛋白质水平不能过高，粗蛋白含量控制在19%以内，既可减少日粮抗原反应，也可减少肠内蛋白质因消化不良造成的腐败和仔猪断奶后腹泻。
由Charnes等［29］提出的DEA视窗方法可以同时将不同时期下的同一个决策单元都视作不同的评价单元来进行测算和评价，并且还同时将不同时期的评价单元归为一个视窗，每一个视窗的期数都是相同的，用以具体测算评价单元在不同时间段的相对效率，解决同一个决策单元不能进行不同时期间相互比较的缺陷，是一个动态的评价过程［30］。本文假定需要评价的决策单元有
个，时期为
，参考张腾飞［22］、刘丹［30］等人的研究，将视窗宽度
设定为3，则每一个视窗内就有
个决策单元数量，选取的观察期为2012—2016年，所以，第一个视窗为2012—2014年，第二个视窗为2013—2015年，第三个视窗为2014—2016年，共有3个视窗。视窗方法的公式如下：
2.1.1 超效率DEA模型
2.2 数据选取及说明
由于国家统计局于2012年开始采用新的行业划分标准(GB/T 4754—2011)进行数据统计，所以部分工业行业的划分类别存在差别。如2005—2011年行业分组中的橡胶制品业与塑料制品业于2012年开始被合并为橡胶和塑料制品业；交通运输设备制造业于2012年开始被拆分为汽车制造业与铁路、船舶、航空航天和其他运输设备制造业。一方面，考虑到使用新的工业行业划分标准所统计的数据来进行研究，可以避免将统计数据重新拆分或合并所带来的误差，使得其准确性得到提升，所以本文采用了2012年的工业行业划分标准，并选取了2012—2016年的统计数据；另一方面，因开采辅助业、其他采矿业以及金属制品、机械和设备修理业这些行业的部分数据缺失较多，所以本文将其予以剔除，最终选取了工业行业38个子行业。
在投入指标方面，分别选取了劳动力、资本以及能源消费总量作为投入指标。其中，劳动力投入用各行业规模以上工业企业年平均从业人员数（单位：人）来表示，由于现有的统计年鉴中缺失2012年的从业人员数，因此利用线性插值法将数据估算补全；资本投入以资本存量来表示，但是由于在现有的统计年鉴中并未有资本存量的相关统计数据，所以，本文借鉴曲晨瑶［9］的做法，选取固定资产净值（单位：亿元）来表示，又因统计年鉴中无工业行业的固定资产价格指数，所以利用了工业生产者出厂价格指数将其折算至2012年的不变价格；能源消费总量选取了工业分行业的能源消费总量（单位：万t标准煤）来表示。
式（2） 中 ：
这3个指标分别为投入指标、期望产出指标和非期望产出指标；
分别为投入矩阵、期望产出矩阵以及非期望产出矩阵；考虑其中的松弛变量，分别用
表示权重向量。目标函数
的取值范围在0～1之间，并且目标函数是关于松弛变量严格递减的：当目标函数
以及
时，代表着此决策单元为有效；如果目标函数
时，表明了此时的决策单元无效，需要通过调整投入或产出，以期达到有效值。
式（5）中：
为能源
的消耗实物量，进一步根据折标煤系数，将其转化为标准煤；由于焦炭、煤油的能耗量（实物）中存在部分数据缺失，因此为保证测算数据的准确性，剔除这两项原料，选取的原料为5种，分别是煤炭、汽油、燃料油、柴油和天然气的消耗量（实物），其中用线性插值法将少数缺失数据估算补全；
为能源
的净发热值，
为能源的碳含量，
为能源
的碳氧化因子，因考虑碳氧化因子的数值基本都接近于1的情况，将其设定为1；
则为CO2排放系数。
例：文人墨客生活中的“琴棋书画诗酒茶”Chinese scholar’s seven daily necessities,namely music,chess,calligraphy,painting,poetry,wine and tea增加了 “seven daily necessities”。句子顺序不变但通过增减词汇，表达比汉语更简洁。遵循能直译尽量直译的原则。
上述所有相关数据均来源于《中国能源统计年鉴（2013—2017年）》《中国工业统计年鉴（2013—2017年）》以及《2006年IPCC国家温室气体清单指南》。
3 实证结果分析
3.1 我国工业行业碳排放效率及其变动情况
本文运用MAXDEA Ultra 7.8.1对我国31个省份（未包括港澳台地区）2012—2016年间的工业行业整体平均水平、38个子行业在各个视窗下的碳排放效率及其年平均值进行具体测算，其中某一行业的碳排放效率为该行业在重叠视窗内的碳排放效率均值。因篇幅有限，以烟草制造业为例，其计算结果如表1所示，其余的工业行业的计算结果与表1相类似。
从表1中可以看出，在2012—2016年期间，我国工业行业中的烟草制品业的效率呈现出先下降再上升、再下降后上升的“W”型趋势，但是在2014、2016年都达到了效率最优值，表明该行业的碳排放效率正在逐渐得到改善。
表1 2012—2016年我国烟草制造业3个视窗碳排放效率
除了上述烟草制造业的例子外，为了更好地分析工业38个子行业的碳排放效率及其动态变化的过程，由软件运算得出的结果，计算出2012—2016年期间各年度的碳排放效率均值，并进一步对38个子行业的碳排放效率年平均值进行排名，其结果如表2所示。
表2 2012—2016年我国工业行业碳排放效率
从表2得出的碳排放效率结果中可以发现，在2012—2016年期间，我国工业行业整体的碳排放效率呈现出先下降再上升、再下降后上升的波动现状，虽然总体上效率的波动幅度较小，但是仍为不稳定状态，且行业整体年均值为0.588，表明了我国工业行业的碳排放效率目前仍然处于较低水平。
根据教学模块内容的不同,在总共9个教学模块34个学时的课堂教学中,模块5～7占据16个学时,安排在计算机仿真实验室进行。其他5个教学模块占据18个学时,安排在普通教室进行。在实验室进行的模块采用教师讲授与学生动手实践穿插进行的方式,也就是教师先讲授原理与理论知识,然后学生按照教师设计的实验动手进行建模和仿真。这样的方式改变了理论教学与实验分离的方式,将教师讲授与学生实践无缝连接在一起。在普通教室进行的模块,主要以教师讲授为主,但不是完全由教师讲,而是通过各种方式,例如提问、课题讨论、案例分析等,让学生积极参与到教学过程,提高课堂教学的趣味性,吸引学生注意力,加深理解。
年均效率值排名靠前的行业包括烟草制造业、计算机、通信和其他电子设备制造业等，其年均效率值都在0.8以上。其中，排名最高的行业为烟草制造业，虽然该行业表现出了不稳定的状态，但其改善趋势明显；排名第二的行业为计算机、通信和其他电子设备制造业，且呈现了逐年上升的良好发展趋势；其他大部分效率排名较高的行业都是技术创新能力较强、能源消耗较低的行业，因此其所排放的污染物较少，碳排放效率也有所提升。
年均效率值排名靠后的行业包括水的生产和供应业、煤炭开采和洗选业等，这些行业的年均效率值都在0.4以下，已经明显低于行业整体的平均水平。其中，排名最后的行业为水的生产和供应业，该行业各年的碳排放效率值并没有大幅度改进和提升，均徘徊在0.2～0.3之间；其他行业如造纸和纸制品业、石油和天然气开采业以及非金属矿物制品业等的年均效率值也都低于行业整体平均水平，这在很大程度上都说明了这些排名靠后的行业能源消耗高、能源利用率低、污染物排放量大，所以这是导致了这些行业的碳排放效率低下的关键原因之一。
总体来看，我国工业行业碳排放效率存在着明显的行业差异，对比于效率值最高的行业与效率值最低的行业这二者的年均值，差值为0.757，差值幅度较大。目前我国工业行业仍有很大的节能减排空间，为实现工业行业绿色可持续发展目标的压力明显。
3.2 我国工业行业碳排放效率的聚类分析
为了能够更好地反映工业行业碳排放效率水平，本文通过借鉴曲晨瑶［9］、李科［32］的相关做法，运用聚类分析法进一步对所测算出的我国工业行业碳排放效率的具体结果，按照高效率水平行业、中效率水平行业以及低效率水平行业3种维度进行具体划分，采用聚类分析方法中的Kmeans聚类方法［33］，并使用Ri386 3.4.2语言软件进行聚类，聚类结果如表3所示。从表3的聚类结果可以看出，在2012—2016年期间我国工业38个子行业中，大部分行业目前都处于低效率水平。首先，从高效率水平行业方面来看，如烟草制造业等，这些行业都是技术研究开发实力较强的行业，可以不断地通过技术创新、节能改造来适应经济发展需求，从而使得碳排放效率得到有效提升；其次，从中效率水平行业方面来看，如家具制造业等，这些行业大多是国民传统性的支柱行业，节能转型能力较为有限，并且行业的规模不大，集中度较低，技术创新能力发展受限，进一步阻碍了碳排放效率的提高；最后，在低效率水平行业中，大部分都集中于资源密集型或是采矿业和供应业，这类行业对能源的消耗量大，主要以消耗化石能源为主，技术研发和改进能力处于较低水平，依然为粗放式的经济发展模式，节能转型能力较差，这是导致此类行业碳排放效率处于低水平的重要原因之一。
表3 2012—2016年我国工业行业碳排放效率聚类分析结果
2012—2016年我国工业高、中、低效率行业3个视窗的碳排放效率如表4所示。从表4可见，高效率水平行业总体上经历了先下降再上升、再下降后上升的“W”型趋势，全距为0.101,较中、低效率水平行业来说，其效率波动较大，虽有出现下降情况，但各年效率均值都高于全国平均水平；中效率水平行业总体上经历了小幅度的先上升再下降后上升的过程，全距为0.022，效率波动幅度很小，且各年效率均值也都高于全国平均水平；低效率水平行业的效率变化趋势与高效率水平行业相类似，全距为0.030，但各年效率均值都低于全国平均水平。
表4 2012—2016年我国工业高、中、低效率行业3个视窗的碳排放效率
4 环境规制、技术创新对工业行业碳排放效率的影响
本文基于上文已经测算出的我国工业行业的碳排放效率，探讨环境规制是否可以促进企业提高自身的技术创新水平，从而起到提升碳排放效率的正向推进作用。
4.1 变量选取及模型设定
4.1.1 变量选取
本文通过借鉴前人对于碳排放效率影响因素的研究以及结合工业发展的形势和特点，主要选取了以下几个方面的影响指标：
2.4 临床指南认知与应用影响因素分析 505名受试者人均认知情况总值为13.7分，仅占总分值57.1%；505名受试者人均应用情况总值为11.1分，仅占总分值74.0%。
（2）技术创新。技术创新对于工业行业的发展起着至关重要的作用，一方面，技术创新水平的不断提高可以促进企业的生产效率也得到提高，另一方面，技术创新水平的不断提升可以促进企业的节能减排处理技术、环境污染治理技术等的发展。本文选用了规模以上工业企业R&D经费内部支出占主营业务收入的比重来表示。
（5）禀赋结构。资本与劳动这两个要素是工业生产活动中必不可少的，而资本、劳动要素的改变不仅可以反映行业属于哪一类密集型行业，更能间接地反映出不同密集型行业对碳排放效率所产生的影响。在本文中，选取了规模以上工业企业资本与劳动的比值来衡量禀赋结构，其中资本为前文使用的固定资产净值，劳动选用规模以上工业企业从业人员年平均人数。
（4）行业所有制结构。由于国有企业和其他非国有企业在环境污染治理方面的先进性及局限性不尽相同，所以行业的所有制结构对碳排放效率产生的影响程度也不尽相同。本文选取了国有及国有控股工业企业主营业务收入与规模以上工业企业主营业务收入的比值来具体衡量行业所有制结构。
第二，垄断性国有企业的分类重组改造是国有企业混合所有制改革的必要条件。《关于国有企业功能界定与分类的指导意见》界定了三类国有企业，即主业处于充分竞争行业和领域的商业类国有企业；主业处于关系国家安全、国民经济命脉的重要行业和关键领域，主要承担重大专项任务的商业类国有企业；处于自然垄断行业的国有企业。这三类企业的混合所有制改革方向、路径和目标截然不同，需要分类处置。但是目前我们的国有企业，尤其是大型央企大多是三种业务兼而有之，甚至部分央企还承担社会公益服务，综合性业务采取一种混合所有制改革路径显然不适宜。因此，需要采取剥离、重组、整合、改造等手段，予以分类处置和归一化处理[3-5]。
（3）行业市场容量。通过企业单位个数来衡量行业的市场容量，不仅可以反映出某一行业的市场结构大小，还可以反映出该行业的未来发展趋势，会对碳排放效率起到一定的作用。本文选用了规模以上工业企业单位个数来衡量行业市场容量。
（6）企业规模。企业规模的大小决定了企业的财力是否雄厚，是否有能力增加对技术的研发投入、提高技术创新能力，从而可以使得企业的节能减排和污染治理能力提升，以改善碳排放效率。本文选用了规模以上工业企业主营业务收入与企业单位个数的比值来表示。
上述所有数据均来源于《中国能源统计年鉴(2013—2017年)》《中国工业统计年鉴(2013—2017年)》《中国环境统计年鉴(2013 —2017年)》。
（1）环境规制。一方面，环境规制体现了行政管制的手段，另一方面，环境规制又体现了行业治理污染、节能减排的技术研发投入力度。在目前的研究中，较少学者从环境规制的效果层面来衡量，本文通过借鉴曲晨瑶［9］、Kheder等［34］的做法,选用了规模以上工业企业主营业务收入与能源消费总量的比值作为环境规制严格程度的衡量指标，如其比值增加也就表示着环境规制会变得越来越严格。
4.1.2 模型设定
本文运用面板数据模型探讨环境规制、技术创新对我国工业行业碳排放效率的影响，在模型中引入环境规制与技术创新这两者的交互项，来深入考察环境规制是否可以通过促进企业的技术创新水平提高进而使得碳排放效率得到改善［35］。如果两者的交互项为正时，说明碳排放效率与其成正相关关系，环境规制可以通过促进企业提高技术创新水平来改善碳排放效率。所构建的面板数据模型如下：
式（6）至式（8）中：TE为测算出的工业行业碳排放效率年均值，此变量作为本文的被解释变量；HJGZ为环境规制；JSCX为技术创新；HJGZ×JSCX表示环境规制与技术创新两者的交互项；SCRL为行业市场容量；SYZJG为行业所有制结构；BFJG为禀赋结构；QYGM为企业规模。其中，HJGZ、JSCX二者作为本文的核心解释变量，其余变量为控制变量。另外，
为待估系数，
为非观测效应， 为误差项，下标
为工业的不同行业以及年份。本文综合考虑了变量数据有可能会存在着异方差性，为避免造成回归结果的不准确，减小异方差，对数据变量均取对数处理。
4.2 环境规制、技术创新对工业行业碳排放效率的影响回归结果分析
本文运用EViews 9.0软件对我国工业行业碳排放效率的影响因素进行测算。由于面板数据模型当中包括了固定效应模型以及随机效应模型，进行Hausman检验，模型（6）至模型（8）均拒绝了随机效应模型的原假设，所以采用固定效应模型。模型的回归结果如表5所示。可以发现，模型（8）固定效应的对数似然比最大为294.939 2，此外，其R2的值也取得最大值，为0.964 6，这表明了该模型对于所选样本的解释度较高。为此，本文选择了模型（8）的回归结果作为最终的回归结果。
表5 环境规制、技术创新对我国工业行业碳排放效率影响的回归结果
在回归结果当中，环境规制与工业行业碳排放效率呈正相关关系，环境规制对工业行业碳排放效率有一定的提高和促进作用，且通过了1%的显著性检验，具体表现为：当规模以上工业企业主营业务收入与能源消费总量的比值每提高了1%，工业行业碳排放效率则提升了约0.528%；其中可能的原因是，环境规制可以通过督促企业提高自身的节能减排、环境污染治理能力，以达到提高碳排放效率的作用。技术创新也是通过了1%的显著性检验，但是却与工业行业碳排放效率呈负相关关系；其中主要的原因可能是目前我国工业行业的R&D经费内部支出存在不足，没有与工业行业的发展趋势相协调，进而导致技术创新没有很好地促进工业行业碳排放效率的提升。从环境规制与技术创新两者的交互项来看，环境规制与工业行业碳排放效率呈正相关关系，也通过了1%的显著性检验，这表明了在一定的环境规制强度下，可以通过促进企业提高自身的技术创新水平，进而使得工业行业碳排放效率得到提升，具体表现为：当两者的交互项每提高1%时，工业行业碳排放效率则会提升约0.063%。
就如在“平行四边形与梯形”一课教学中，笔者以“平行四边形与梯形的几何特征是什么”、“学校内有哪些实物是以平行四边形或梯形为原型的”这两个问题引导了小学生的数学探索，鼓励小学生亲自测量平行四边形与梯形等平面图形的图形特征，鼓励小学生自主汇总数学结论，归纳出平行四边形与梯形的图形特征，以生活实物分析平行四边形与梯形的几何美。
从控制变量来看，行业市场容量与工业行业碳排放效率也呈现了正相关关系，并且也是通过了1%的显著性检验，具体表现为：当规模以上工业行业的企业单位个数每增加1%时，相应的，工业行业碳排放效率则会提升约0.169%；这可能是因为当某一行业的企业单位个数提高时，说明了该行业具有良好的发展趋势和更多的发展空间，这会促使企业不断地引进和研发新技术，逐渐地提升了自身的节能减排能力，改进了碳排放效率。与工业行业碳排放效率呈正相关关系的因素还有行业所有制结构，也通过了1%的显著性检验，这表明了行业所有制结构也会促进碳排放效率的提升，具体表现为：当国有及国有控股工业企业主营业务收入与规模以上工业企业主营业务收入的比值每增加1%时，工业行业碳排放效率将会提升约0.124%；这很可能是因为目前我国工业行业处于合理的行业所有制结构中，工业行业国有及其他非国有企业之间的占比是合理的，使得企业在环境污染治理、节能减排等方面的差距在不断地缩小，减少局限性、增加先进性，进一步实现碳排放效率得以改善的效果。在禀赋结构方面，其与工业行业碳排放效率呈现负相关关系，这可能是由于目前工业行业中，大部分行业还处于粗放型的经济发展模式，技术创新力度依然不足，具体表现为：当资本-劳动比每提高1%时，工业行业碳排放效率则下降约0.107%。然而，企业规模对工业行业碳排放效率的作用表现为不显著的正向相关关系，这可能是因为目前我国企业规模经济效应较强的工业行业还不算多，进而不能很好地通过提高企业技术创新能力来改善企业的节能减排和污染治理水平，也就不能充分和有效地发挥其对工业行业碳排放效率的正向促进作用。
5 结论及建议
本文基于我国工业38个子行业在2012—2016年期间的面板数据，通过运用考虑非期望产出的SBM超效率模型、DEA视窗方法测算出工业行业的碳排放效率，然后针对所测算的结果进行聚类分析，探讨了各个行业的差异性，再进一步检验环境规制、技术创新对工业行业碳排放效率的影响。主要结论如下：第一，我国工业行业整体上的碳排放效率还处于低水平阶段，表现为不稳定的状态；效率最高的行业与效率最低的行业之间的差距较大；节能减排压力明显，改进空间很大。第二，由聚类分析的结果可知，低效率水平行业占了大多数，大部分为能源消耗高的、粗放式发展的采矿业或供应业；高效率水平行业多为技术创新能力强的行业，而中效率水平行业则为节能转型能力不高的行业，普遍为国民传统性支柱行业；各行业之间的碳排放效率有着很明显的行业差异性，高、中效率水平行业的年均效率值都高于全国平均水平，然而低效率水平行业的年均效率值却低于全国平均水平。第三，除了企业规模以外，其他变量都通过了1%的显著性检验，并且环境规制可以通过促进企业提升技术创新水平，使得碳排放效率得以有效改善。本文结合得出的结论，给出下面几点建议：
资本市场中CPA审计寻租本质上没有创造价值，反而是一种社会浪费，会带来许多危害，不仅损害资本市场，而且也对整个CPA审计行业贻害无穷。因此需要对我国资本市场中CPA审计寻租的产生条件、危害影响和治理机制进行研究，以更好地抑制审计寻租活动，净化资本市场环境，规范资本市场秩序，促进我国经济健康发展。
（1）继续加大环境规制力度，构建更加完善的环境规制制度，促进企业增加研发投入与人才培养，稳步提升工业行业整体的科技创新能力。目前，我国工业行业整体的技术创新水平还不够高，研发投入资金不足，导致碳排放效率得不到提升，而环境规制可以在一定程度上促进企业加大绿色技术的研发力度，从而提升自身的科技创新能力。为此，应不断地加大环境规制力度，逐步建立起多元化、多渠道的环境规制制度，进一步促进企业提高绿色技术的研发投入，促进诸如环境污染治理技术、节能减排处理技术等绿色技术的先进性发展，使得企业的科技创新能力得到加强和提高，对改善碳排放效率起到稳步推进的积极作用；此外，企业应当更加注重绿色技术创新人才的培养和引进，以确保工业行业发展必备的人力保障，同时也应加强与高校的产学研合作，不仅可以为企业提供高知识人才，而且还可以使得高校知识成果得以转化。
（2）绿色化升级改造传统工业，深化国有企业改革转型，多元化发展所有制经济，有效推动工业行业实现转型升级。我国碳排放效率处于低水平的工业子行业仍然占据大多数，这成为拉低了工业行业整体碳排放效率的重要原因之一，因此，应采用淘汰落后产能的方式，可以逐步提高对CO2排放量高的行业的准入门槛，对传统工业进行绿色化升级改造，加快国有企业改革转型步伐，促进所有制经济多元化稳步发展，不断地推动行业适应经济社会的绿色可持续发展，最大程度地降低行业CO2的排放量，使得各行业碳排放效率之间的差距得以缩短，达到全面提高工业行业整体的碳排放效率的目标。
（3）大力发展绿色工业，支持企业实施绿色发展战略，并扩大企业规模，发挥企业规模经济效应，全面推进工业结构调整。一方面，加大发展先进制造业、新能源工业等绿色工业的力度，增加绿色工业企业个数，进一步完善能源消费结构，大力推广可再生能源与清洁能源的使用，不断朝着绿色发展方向迈进；另一方面，应不断地扩大企业规模，充分和有效地发挥出规模经济带来的正向作用，以促进企业通过引进先进技术、加强自主创新能力，全面提升技术创新水平，增强节能减排和污染治理能力，提高企业实力，以进一步促进碳排放效率的持续改善提升。
（4）培育壮大战略性新兴产业，创造经济发展新优势，促进产业结构的优化和升级，打造新的支柱产业。碳排放效率处于中低水平的工业行业大部分都属于传统型工业，其对于能源的消耗量高，并且污染物排放量较大，所以，应积极推动新兴产业的优先发展，转变粗放型的经济发展方式，不断降低能源消耗与污染物排放，进而提高产品附加值及其综合效益，实现行业结构的优化与升级，持续推进工业行业向绿色、低碳的可持续发展道路前进，切实有效地提高我国工业行业整体的碳排放效率水平。
参考文献：
［1］李巍,郗永勤.创新驱动低碳发展了吗?：基于异质和环境规制双重视角下的实证研究［J］.科学学与科学技术管理 ,2017(5)：14-24.
［2］ZOFIO J L,PRIETO A M.Environmental efficiency and regulatory standards：the case of CO2 emissions from OECD industrial［J］.Resource and Energy Economics, 2001,23(1)：63-82.
［3］IFTIKHAR Y, HE W J, WANG Z H.Energy and CO2 emission efficiency of major economics： a non-parametric analysis［J］.Journal of Cleaner Production, 2016,139(8)： 779-787.
［4］周五七,聂鸣.中国工业碳排放效率的区域差异研究：基于非参数前沿的实证分析［J］.数量经济技术经济研究, 2012(9)：58-70.
［5］李健,邓传霞.基于SDDF的中国省区二氧化碳排放效率及减排潜力测度［J］.软科学, 2015(3)：70-73.
［6］张二女.京津冀地区二氧化碳排放效率及总量分配研究［D］.北京 ： 华北电力大学 ,2017： 20.
［7］臧红映.碳排放效率测算及其影响因素的实证分析：以河南省为例 ［D］.重庆 ： 重庆交通大学 ,2016：18.
［8］路正南,王志城.我国工业碳排放效率的行业差异及动态演进研究［J］.科技管理研究, 2015(6)：230-235.
［9］曲晨瑶.中国制造业行业碳排放效率及其影响因素［J］.科技管理研究 ,2017 (8)：60-68.
［10］HAMPF B, RØDSETH K L. Carbon dioxide emission standards for U.S. power plants： an efficiency analysis perspective［J］.Energy Economics, 2015,50 (4)：140-153.
［11］余敦涌,张雪花,刘文莹.基于随机前沿分析方法的碳排放效率分析［J］.中国人口·资源与环境,2015(25)：21-24.
［12］瞿珂.基于超效率DEA模型的我国二氧化碳排放效率评价研究［D］.无锡：江南大学, 2016：21.
［13］王惠,卞艺杰,王树乔.出口贸易、工业碳排放效率动态演进与空间溢出［J］.数量经济技术经济研究, 2016(1)：3-19.
［14］吴齐.区域碳排放效率评价与影响因素的空间计量分析［D］.蚌埠：安徽财经大学,2016： 22.
［15］ANG B W. Is the energy intensity a less useful indicator than the carbon factor in the study of climate change?［J］.Energy Policy,1999,27(5)：943-946.
［16］韩川.技术进步对中国工业碳排放的影响分析［J］.大连理工大学学报(社会科学版), 2018(2)：65-72.
［17］赵昕,郭晶.中国低碳经济发展的技术进步因素及其动态效应［J］.经济学动态 ,2011(5)： 47-51.
［18］杨英超.环境规制对我国碳减排的作用效果与路径研究［D］.南京 ： 东南大学 ,2016：31.
［19］谭娟,宗刚,刘文芝.基于VAR模型的我国政府环境规制对低碳经济影响分析［J］.科技管理研究,2013(24)：21-24.
［20］陈吟珊.环境规制对碳减排的作用路径及门槛效应研究［D］.广州：华南理工大学,2016： 54.
［21］叶德俊.市场化改革对中国碳排放效率的影响研究［D］.杭州：浙江财经大学,2017：25.
［22］张腾飞.城镇化对中国碳排放效率的影响［D］.重庆：重庆大学 ,2016：55.
［23］郭炳南.人力资本、产业结构与中国碳排放效率：基于SBM与Tobit模型的实证研究［J］. 当代经济管理,2018(6)：13-19.
［24］ANDERSEN P, PETERSEN N C.A procedure for ranking efficient units in data envelopment analysis［J］.Management Science,1993,39(10)：1261-1264.
［25］TONE K.A slacks-based measure of efficiency in data envelopment analysis［J］. European Journal of Operation Research,2001,130(3)：498-509.
［26］TONE K.Dealing with undesirable outputs in DEA： a slacks-based measure(SBM) approach［J］.GRIPS Research Report Series,2003(3)：44-45.
［27］吕徐莹.我国行业碳排放效率的动态演进及其驱动因素的动态影响研究［D］.杭州：浙江财经大学,2016： 21.
［28］TONE K.A slacks-based measure of super-efficiency in data envelopment analysis ［J］.European Journal of Operational Research, 2002,143 (11)：32-41.
［29］CHARNES A, COOPER W W.Preface to topics in data envelopment［J］.Annals of Operations Research, 1984,2(1)：59-94.
［30］刘丹.海丝路沿线地区物流业的运行效率评价：基于视窗网络SBM模型［J］.华南理工大学学报(社会科学版),2018(1)：30-39.
［31］朱远.福建省能源消费二氧化碳排放计算与分析［J］.福建论坛(人文社会科学版),2010 (10)：145-148.
［32］李科.福建省工业CO2排放效率评价研究［J］.环境科学与管理 ,2017(7)：32-37.
［33］王斌会.多元统计分析及R语言建模［M］.广州：暨南大学出版社,2016.
［34］KHEDER S B, ZUGRAVU N.The pollution haven hypothesis： a geographic economy model in a comparative study［M］. Paris：Social Science Electronic Publishing, 2008.
［35］谢波,单灿阳,张成浩.科技创新、环境规制对区域生态效率的影响研究［J］.生态经济, 2018(4)：86-91.
An Empirical Study on Carbon Emission Efficiency of Industrial Industry in China:Considering the Super Efficiency Model of Unexpected Output SBM and the Application of DEA Window Method
Xi Yongqin, Ji Xing
(School of Economics and Management, Fuzhou University, Fuzhou 350116, China)
Abstract: This paper uses the SBM super-efficiency model of considering undesirable output and the DEA window method to measure carbon emission efficiency in China's industrial industry from 2012 to 2016, classifies it into high,medium and low efficiency levels to explore the industry differences, and then discusses impacts of environmental regulation and technological innovation on the overall carbon emission efficiency of the industrial industry. The result shows that: in recent years, the overall level of carbon emission efficiency in China's industrial industry has been low, exhibiting an unstable state. The low efficiency industries account for the majority, while the high efficiency industries account for a lower proportion. Environmental regulation can improve the carbon emission efficiency by promoting enterprises to improve the level of technological innovation. The improvement of industry market capacity and ownership structure can effectively improve the carbon emission efficiency. Moreover, the endowment structure has a negative correlation with carbon emission efficiency, while the effect of enterprises scale on the carbon emission efficiency is not significant.
Key words: industrial industry; carbon emission efficiency; undesirable output; SBM super-efficiency model; DEA window
中图分类号： F403；F424；F426；F224
文献标志码： A
文章编号： 1000-7695（2019）17-0053-10
doi： 10.3969/j.issn.1000-7695.2019.17.008
收稿日期： 2018-08-22，
修回日期： 2018-12-22
基金项目： 福建省社会科学规划项目“基于系统动力学的福建省节能减排政策仿真研究”（FJ2017B014）
作者简介： 郗永勤(1954—)，男，陕西西安人，教授，主要研究方向为循环经济理论与实践；吉星(1996—)，男，海南乐东人，硕士研究生，主要研究方向为绿色经济、资源环境管理。
标签：工业行业论文; 碳排放效率论文; 非期望产出论文; SBM超效率模型论文; DEA视窗论文; 福州大学经济与管理学院论文;