返回主站|会员中心|保存桌面|手机浏览

《学术论坛》杂志

杂志等级
    期刊级别:CSSCI南大核心期刊 收录期刊:CSSCI 南大核心期刊(中文社会科学引文索引)(含扩展版) 万方收录(中) 上海图书馆馆...
本刊往期
站内搜索
 
友情链接
  • 暂无链接
首页 > 杂志论文 > 碳排放下制造业全要素生产率研究——基于上海市面板数据的实证检验
杂志文章正文
碳排放下制造业全要素生产率研究——基于上海市面板数据的实证检验
发布时间:2018-02-08        浏览次数:103        返回列表

杨 鹏

[摘要]通过建立碳排放测算模型,将碳排放量作为非期望性产出纳入全要素分析框架,基于超效率DEA模型,以上海市制造业面板数据为依据进行全要素生产率研究,并进行收敛性检验以及影响因素分析。研究表明,制造业全要素生产率增长并不存在显著的绝对收敛,但存在较为明显的条件收敛,并在不同类属制造业间存在一定的差异。从主要影响因素来看,行业集中度、创新度和规模度对大多数制造业全要素生产率具有相对显著的影响,而行业外向度不具有显著影响。

[关键词]制造业;全要素生产率;非期望产出;超效率DEA

[作者简介]杨鹏,同济大学经济与管理学院博士研究生,广西社会科学院副研究员,上海 200092

[中图分类号] F062.9 [文献标识码] A [文章编号]1004- 4434(2011)11 - 0112 -07

工业生产活动尤其是制造业是当前碳排放的最主要来源,上海是中国重要的经济中心和制造业基地,也是人均能源消费和人均碳排放量水平最高的地区,其碳减排工作对于全国具有示范效应。通过将碳排放量纳入到全要素分析框架,具体对碳排放下上海市制造业全要素生产率展开研究,有助于深化对制造业及不同类属制造业碳排放问题及全要素生产率的认识,有助于更加科学合理地制定适宜性的对策措施,更加有效地实现未来减排目标。

一、文献综述

碳排放下全要素生产率问题研究是基于碳排放量测算,将其纳入全要素分析框架,结合资本、劳动力等要素进行的分析,这一研究是建立在有关全要素能源效率的拓展研究基础之上。目前,有关全要素能源效率研究主要集中在全国性、省际性、产业性面板数据的研究,省际性研究包括了一些有关城市全要素能源效率的研究。方法上主要采用基于生产函数的多要素效率方法,包括数据包络分析法(DEA)、随机前沿函数法(SFA)等。

1.非约束条件下全要素生产率研究

有关能源效率问题的较早研究主要是基于能源消耗强度比较及变动因素分析,这是一种单要素的能源效率方法,没有考虑到能源与资本、劳动等要素之间的替代性。Hu和Wang最早采用规模报酬不变的DEA模型对省际间全要素能源利用效率进行比较研究,除选取劳动力、资本存量以外,还选取了能源消费量和基于耕地面积的生物质能源消费量作为投入指标;魏楚、沈满洪采用相同的方法对中国各地区能源效率以及影响因素进行了计量研究;徐国泉、刘则渊采用DEA分析比较了八大经济区的全要素能源效率,首次将人力资本即包含劳动者素质信息的劳动者数量作为投入指标引入全要素能源分析:师傅、沈坤荣则将知识存量作为投入要素,并采用规模不变的超效率DEA方法测算了省级全要素能源效率阁。

2.约束条件下全要素生产率研究

近年来,国内一些学者将环境要素纳入到分析框架中,对全要素效率问题进行了研究。胡鞍钢等利用省级数据将C02等纳入到全要素生产率模型,并对省级生产率绩效度量中的“技术效率”指标在考虑环境要素的情况下进行了测算和排名阎;张红霞、刘起运采用DEA方法对我国省际间四大高耗能工业产业能源效率的相对有效性进行了评价,提出将污染物数量作为产出指标;袁晓玲等基于非参数DEA分析,将污染排放指标作为非合意性产出,测度了我国全要素能源效率,并从全国和分区域两个层面考察了影响全要素能源效率的主要因素;吴军通过Malmquist-Luenberger指数将环境要素(废水排放中化学需氧量和废气中二氧化硫排放量)纳入全要素生产率分析框架,对各地区工业TFP增长及其成分进行研究,结果表明环境约束下西部地区工业,rFP增长最快且波动幅度较大,中部地区增长最慢且较为平稳,东部地区则处于二者之间,且是推动环境技术创新的主要地区。

由于忽略了对环境约束或非期望产出的考虑,现有研究一定程度上导致了要素效率评价的偏差。近两年来,在产出要素方面,划分为期望产出指标和非期望产出指标。通常将GDP或工业总产值作为期望产出,将污染排放物作为非期望产出,大多采用废气、废水、固废等指标,极少涉及到碳排放问题,而由于碳排放量行业性数据的获取极为困难,目前的研究均未涉及到有关制造业碳排放下全要素生产率的研究。

二、方法与模型

1.碳排放量的测算模型

有关碳排放量的计算主要集中在对化石燃料碳排放的研究上,并主要表现为两种思路,即以能耗类别为基础的ORNL算法和以产业能耗为基础的部门估算法。ORNL对于煤、燃油、燃气等不同类型的能源给出了不同的计算参数。相比之下,由于部门估算法很难具有普适性,因此,目前的各类计算大多依循ORNL的测算思路,即从能源类别人手来测算碳排放量。综合各类研究成果以及针对现有研究中所存在的问题,本文采用的计算方法是以IPCC公布的不同能源的碳排放系数为基础,根据不同能源的碳氧化因子,结合我国各类化石燃料的热值进行换算,最终估算出我国不同化石燃料的碳排放系数。其中,不同化石燃料碳排放系数的估算过程如下:

2.碳约束下的全要素效率评价模型

传统的全要素生产率研究,仅仅考虑了市场性的“好”产出(Good Output),但并没有考虑到生产过程中所产生的非市场性的“坏”产出(Bad Out-put),如大量污染物的排放。一些研究中将“好”产出和“坏”产出也称为合意产出(Desirable Output)和非合意产出(Undesirable Output),笔者认为将其称为期望产出和非期望产出更为贴切。事实上,在生产过程中,尤其是制造业生产过程中,期望产出与非期望产出是相伴而生的。将污染变量纳入到全要素生产模型中,其研究思路体现在两个方面,一是将污染排放量进行数据转化变量作为一种投入要素;二是将污染变量作为具有弱可处理性的非期望产出喇。本文通过建立碳排放测算模型,将碳排放量作为非期望产出纳入到全要素分析框架,在此基础上建立了基于投入导向的规模报酬不变的制造业全要素评价的超效率DEA模型,利用上海市制造业面板数据进行全要素生产率研究。本文建立基于投入导向的规模不变的超效率DEA模型(Super-effcient DEA),即假定有K个制造业行业,每个制造业行业使用了Ⅳ种投入要素(x)生产出M种期望产出(y)和J种非期望产出(b),具体表述如下:

三、变量选择及数据说明

工业是上海市最主要的碳排放源。上海没有采掘业,而水电煤气的生产和供应业具有公用性、垄断性和地区性的特殊性,因此,本文暂不考虑这些行业。由于我国在2003年实行了新的《国民经济行业分类目录》,前后行业划分存在一定差异,但根据国家统计局的说明,这次调整主要是二位数行业内部各细分三位数、四位数行业的归并或重新划分,对于大部分二位数行业,这种调整并不会影响前后数据的可比性。通过对前后两个目录进行对比,最终确定了28个细分的制造业行业。

1.变量选择

本文选取上海市28个制造业行业的投入与产出要素,投人要素包括了资本存量、劳动力和能源,产出要素包括了期望产出(工业总产值)和非期望产出(碳排放量)。

(1)资本存量(K)。选取“固定资产净值年平均余额”作为资本投入指标,单位为亿元,并以1998年的不变价格进行折算,具体折算系数为各年度“固定资产投资价格指数”。

(2)劳动力(L)。劳动力投入应当用从业人员的有效劳动时间衡量,但由于缺乏此方面的统计数据,故本文采用各制造业行业全年平均从业人员指标代替。

(3)能源(E)。采用各制造业行业每年能源消费量表示能源投入,对各类能源消费进行统一折标加总,单位为“吨标煤”。

(4)工业生产总值(Y)。选择各制造业行业的工业生产总值作为期望产出指标,单位为亿元,并以1997年为基期换算为实际值。

(5)碳排放量(B)。以各行业每年实际碳[来自www.lw5U.com]排放量表示,即通过碳排放量测算模型将不同行业不同类别能源消耗量转变为实际碳排放量,作为非期望产出。

2.数据说明

本文相关数据来自历年《中国能源统计年鉴》《中国工业经济统计年鉴》《上海市统计年鉴》和《上海市能源工业交通统计年鉴》。个别行业个别年份缺省数据采用简单线性插值补齐方法加以处理。

四、测算结果与分析

本文通过建立碳排放测算模型,将碳排放量作为非期望产出纳入到分析框架,采用基于投入导向的规模报酬不变的超效率DEA模型,针对不同制造业行业进行行业间全要素效率的测算,其结果与传统研究而言,更为符合经济发展现实。

1.总体特征与趋势分析

总的来看,一是与相关的考虑环[来自wwW.lw5U.coM]境因素的省际研究相比,对于上海市制造业行业考虑碳排放下的全要素生产率的结果并没有表现出如相关研究中省际间全要素能源效率的较大差距,本文中各制造业行业间的全要素生产率标准差大体在0.10-0.20之间,且总体上处于相对稳定的差距水平,某种程度上这表明一个经济体内行业间的全要素生产率由于经济体自身各种经济要素相对“均质”,其差距要小于区域间的差距;二是在行业间较小的全要素生产率差距的前提下,多数制造业行业年度间全要素生产率并没有表现出较大的波动迹象,同样这也与一些省际研究不同,化学纤维制造业在2000-2001年度之后出现了大幅下落,这与2000年后上海市进行了产业结构调整密切相关,但并不能提供完全合理的解释:三是根据各制造业行业的全要素生产率水平,大体可将其划分为高效区(》0.90)、中效区(0.80-0.90)和低效区(<0.80),其中化学纤维制造业、造纸及纸制品业等属于低效区,黑色金属冶炼及压延加工业,石油加工、炼焦及核燃料加工业,通信设备及电子设备制造业等处于高效区,而大多数行业均处于中效区。但这种细类的划分还难以充分体现碳排放下上海市制造业全要素生产率的特征,还需要从不同类属制造业进行分析。

根据《上海市统计年鉴》对都市型工业和高新技术产业的界定以及《国民经济行业分类》(GB/T4754-2002)有关制造业的大类划分,将上述各制造业行业进行类别归属,可分为都市型工业、传统工业、高新技术工业、装备制造业、石化工业和冶金工业六个大类。(1)都市型工业包括食品制造业,农副食品加工业,饮料制造业,烟草制造业,文具和体育用品制造业,纺织服装、鞋、帽制造业,印刷业和记录媒介的复制,工艺品及其他制造业;(2)传统工业包括纺织业,皮革、毛皮、羽毛及其制品业,木材加工及木、竹、藤、棕、草制品业,家具制造业,造纸及纸制品业;(3)高新技术工业包括医药制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业;(4)装备制造业包括通用设备制造业,专用设备制造业,交通运输设备制造业,电气机械及器材制造业;(5)石化工业包括石油加工、炼焦及核燃料加工业,化学原料及化石制品制造业,化学纤维制造业,橡胶制品业,塑料制品业;(6)冶金工业(含钢铁、建材)包括非金属矿物制品业,黑色金属冶炼及压延加工业,有色金属冶炼及压延加工业,金属制品业。

根据上述制造业类属的划分,在1998年到2009年期间,高新技术工业全要素效率值处于最高水平,平均为0.93,但存在一定的波动性。其次是冶金工业,平均为0.92,也存在一定的波动。从两者的具体情况来看,其原因各有不同,由于上海高新技术工业出口导向较强,因此,比较容易受到对外贸易和国际市场的影响,而冶金工业则主要受市场需求和原材料市场影响较大。

2.收敛性检验

尽管从各制造业行业的全要素生产率来看,并没有表现出非常强的行业性特征,但这并不代表行业间并不存在收敛性,因此,有必要对各制造业行业的全要素生产率进行收敛性检验。本文采用σ收敛和β收敛对碳排放下上海市制造业全要素生产率进行收敛性检验,两者分别从不同角度进行分析。

(1)绝对收敛

σ收敛是通过观测不同制造业生产率水平分布的差异来进行验证的,如果这种差异随着时间的推移而趋于减少,则称为σ收敛。σ值的定义如下:

一方面,上海市各制造业行业及不同类属制造业的全要素生产率值处于相对较高的水平,相互之间的差距并没有表现出如一些区域性分析所体现出的差距水平;另一方面,从整个制造业而言,全要素生产率呈现相对平稳的增长趋势,但由于受到各制造业及不同类属制造业的影响,这种趋势并不十分显著,而从一些制造业来看,由于受个别行业的影响,其内部效率水平变动较大。总体来看,与区域性全要素生产率水平相比,行业性的全要素生产率水平所受影响因素更多,不同类属制造业之间并没有表现出很强的规律性。借鉴Miller和Upadhyay的研究,绝对β收敛模型如式(4)所示:

从β收敛估计结果来看,除装备制造业和冶金工业存在一定收敛特征外,制造业整体及其他类属制造业均并不存在明显的收敛特征,甚至存在一定发散特征。

(2)条件收敛

一方面,绝对收敛检验的结果并不排除存在条件收敛的可能;另一方面,如果不存在β收敛,但在加入一些其他控制变量之后,屁的符号和显著性发生了相反的变化,则称为条件β收敛,意味着制造业或不同类属制造业之间由于某些方面条件的不同而收敛于各自的稳态,条件β收敛模型如式(6)所示:

其中,X表示控制变量,B为控制变量的系数。面板数据分析包含了截面数据和时间序列的特征,本文根据面板数据的固定效应(FE)和随机效应(RE)分析方法对上海制造业及不同类属制造业条件收敛等式进行回归分解,并进行Hausman检验,在随机效应和固定效应模型之间进行选择。

从结果来看,除高新技术工业之外,Hausman检验结果均拒绝随机效应模型与固定效应模型无系统性差别的原假设,因此,对整个制造业及其他类属的制造业采用固定效应估计结果,对高新技术工业采用随机效应的估计结果。由于回归结果系数均为负值,即制造业整体和各类属制造业均存在条件收敛的特征,但各自的显著程度有所不同。结合上述的收敛性检验,从制造业整体而言,绝对收敛并不显著,但存在条件收敛,同时,装备制造业和冶金工业同时存在绝对收敛和条件收敛的特征,而其他类属的制造业绝对收敛不显著,但存在条件收敛,尤其是都市型工业和传统工业,并不存在稳态收敛的特征,总体而言,不同类属制造业均受到不同因素的影响,具有不同的行业效率特征。

五、影响因素研究

1.变量与模型

基于上述有关收敛性的检验结果,有必要对影响制造业及不同类属制造业碳排放下的全要素生产率及收敛性的因素进行分析,从数据可获取性和全面性考虑,本文重点分析以下因素对碳排放下全要素生产率及收敛性的影响:行业集中度(IC),表示不同制造业中前三位企业在该制造业中所占的产值份额,相关数据根据历年上海市工业100强名录以及历年中国制造业500强等资料整理而来;行业外向度(IF),表示不同制造业对外出口情况,以年度不同类属制造业出口交货值占全部工业产值的比重表示;行业创新度(II),对于行业创新性的描述可以采用不同的指标,一个是年度R&D投入或技改投入,另一个是在相关指标基础上形成知识存量来进行度量,考虑到R&D投入与技改投入存在差异,本文利用不同制造业年度技改投入,并根据我国技改项目的实施周期,采用2年的滞后期,转变为行业性的知识存量,以其年度增长率作为衡量行业创新度的指标;行业规模度(IS),以制造业及不同类属制造业总产值(不变价)平均规模的年度增长率表示。

本文采用处理限值因变量的Tobit模型,检验上海市制造业及不同类属制造业的影响因素,在前述变量说明的基础上,构建如下模型:

其中,i和t分别表示不同类属制造业在不同年份所对应的数值,CEit·为潜变量,CEit表示不同年份不同类属制造业考虑碳排放量下的全要素生产率,εit为随机误差项目。

2.结果分析

对制造业及不同类属制造业面板数据的Tobit模型估计结果如表3所示。从回归结果来看,各种要素对不同类属制造业的影响各有不同:

(1)从行业集中度来看,除高新技术工业外,对整个制造业和其他不同类属制造业的影响显著为正,某种程度上,这表明大型企业和大型工业集团内由于内部学习和经验溢出等的存在,其全要素生产率的提高相对明显,且对所属制造业类型能够起到一定的示范效应,同时,结果显示,装备制造业、冶金工业和石化工业所受影响更为明显。

(2)从行业外向度来看,结果并非如想象之中对制造业及各类属制造业全要素生产率具有较大的影响,除高新技术工业之外,全部制造业及其他类属制造业均未通过显著性检验。关于这一点,是与一些有关区域性全要素能效研究不同的,相关研究表明,对外开放度对于我国区域能效具有较为显著的影响,尤其是对西部地区,而在本文的研究中,一方面是基于制造业的行业性研究,另一方面由于上海是我国先进制造业的中心,主要制造业所处水平相对较高,一定程度上能够说明行业外向度的提高并没有对考虑碳排放量下的全要素生产率产生显著的影响。

(3)从行业创新度来看,总体上,因技改投入而形成的行业性知识存量对于全要素生产率的改善具有较为明显的正面影响,但对都市型和高新技术工业的影响不如其他类属制造业明显。

(4)从行业规模度来看,除了高新技术工业之外,行业规模的提高对制造业整体和其他不同类属制造业均具有较为显著的正面影响,在装备制造业、冶金工业和石化工业中的影响则相对明显。

六、结 语

一是从碳排放下上海市制造业全要素生产率的评价结果来看,一方面由于上海作为中国重要的先进制造韭基地,其制造业及各类属制造业的全要素生产率水平相对较高;另一方面也表明在一个经济体内,尤其是像上海这样具有完备制造业体系的超大型经济体中,全要素生产率在不同制造业之间存在某种程度的关联。

二是从不同类属制造业的收敛性来看,虽然个别类属制造业并没有表现出显著的收敛特征,但总体上,其全要素生产率处于上升态势,而装备制造业和冶金工业内部则存在一定的收敛特征。

三是从主要影响因素来看,装备制造业、冶金工业和石化工业的全要素生产率受行业集中度、行业创新度以及行业规模度的影响较为明显,都市型工业与传统工业也受到一定程度的影响,但高新技术工业受行业集中度和规模度的影响不明显。由于高新技术工业碳排放量在整个研究周期内仅占全部制造业碳排放总量的3.5%,而其创造的产值占整个制造业的32%以上,因此,高新技术工业是上海发展低碳经济的重点。