基于节能减排的中国省级工业技术效率研究

摘要 在考虑能源与碳排放的共同生产前沿分析框架下，运用基于DEA的非径向非角度的SBM模型测算中国1998-2010年省级工业技术效率，并分析了地区工业技术效率差异及其影响因素。测算结果发现，忽略能源与碳排放约束的传统效率测算结果高估了工业技术效率，地区工业环境效率均呈现上升趋势，但全国工业环境效率总体水平偏低，东部工业环境效率明显高于西部与中部。基于面板数据的Tobit 随机效应模型回归结果显示，工业环境效率与人均收入呈U型曲线关系，财政分权、企业所有制结构及出动对工业环境效率有负面影响，其中，财政分权的负面影响最为显著；外商直接投资、研发强度及进口基本上促进了工业环境效率的改善，“波特假说”得到了实证支持，“污染天堂假说”未能得到证实。基于节能减排和环境效率增进的工业增长转型，不仅需要考虑环境技术创新、能源结构调整、外资进入等问题，更需要切实关注财政分权、地方政府政绩考核及国有企业产权改革等体制性因素的影响，只有从深层次上打破体制性瓶颈，才能真正促进企业节能减排和工业转型升级。

关键词 SBM模型；技术效率；非期望产出；节能减排；共同前沿生产函数

中图分类号 F205 文献标识码 A 文章编号 1002-2104（2013）01-0025-08 doi：10.3969/j.issn.1002-2104.2013.01.004

改革开放以来，中国国民经济快速发展，在1978-2010年期间，实际GDP年平均增长率高达9.51 %①，创造了世界经济发展史上的“中国奇迹”。随着中国工业化和城市化快速发展，能源消耗与碳排放也日益增加，中国已成为仅次于美国的全球第二大能源消费国和碳排放增量最多的国家。工业是中国实体经济增长的主要来源，也是能源消耗与人为碳排放的主体，工业创造了中国40%的GDP，却消耗了全国68%的能源，排放了全国83%的CO2 [1]，工业生产具有高能耗高排放的粗放式特征，工业无疑是节能减排的核心领域，促进工业生产模式由要素扩张型转变为效率增进型，对实现工业可持续包容性增长具有重要的战略意义。然而，中国地域辽阔，不同地区的资源禀赋、经济基础和工业发展水平存在较大差异，科学测度能源与碳排放约束下的工业技术效率及其区域差异，客观评价不同地区工业节能减排潜力及其影响因素，有助于因地制宜实施减排政策，推动地区工业增长方式转型。

1 相关研究评述

传统的生产效率测算方法只是基于资本投入、劳动投入与期望产出，忽略了能源投入和污染排放等非期望产出或坏产出（Undesirable or Bad Output）的约束，测算结果被证实存在偏误[2]，不能准确反映真实的生产效率水平。在现代经济学中，考虑非期望产出的生产效率通常借助生产前沿来测算，以生产前沿边界作为评价生产效率的参照，那些沿着生产前沿边界的生产者被认为是技术有效的（生产效率等于1），生产前沿边界以下的生产者被认为是技术无效的（生产效率小于1）。生产前沿边界的确定是环境技术效率测算的关键，根据估计方法的不同，可分为确定性生产前沿边界和随机性生产前沿边界，前者利用数据包络分析法（DEA）测算，后者利用随机前沿分析法（SFA）估计，两种方法的演进可参阅Zhou等[3]和魏楚等[4]所做的文献综述。

DEA方法和SFA方法各有优缺点，SFA方法能考虑统计噪音和随机因素的影响，但需要就模型设定和随机干扰项的正态分布进行强假设，且不宜扩展到包含非期望产出的多产出生产过程，DEA方法能比较方便地拟合含有非期望产出的多产出生产活动，能避免SFA的强假设偏误，在环境效率评价中应用广泛。经典的DEA模型基于传统的Shepherd距离函数进行效率测算，由于未考虑碳排放的负外部性，而是把碳排放等非期望产出与期望产出等同对待，不能对节能减排约束下的生产效率进行合理评价。Chung等[5]运用方向性距离函数，能同时考虑期望产出的增加和非期望产出的减少，较好地解决了考虑非期望产出的效率评价问题，但无法剔除投入产出松弛所造成的非效率成分，当存在投入产出的松弛性问题时可能高估效率水平[5]。基于松弛变量的测度模型（Slacksbased Measure，SBM） [7]将松弛变量纳入目标函数，是一种基于非径向非角度的效率度量方法，可避免因径向与角度选择性差异导致的偏差，考虑非期望产出的SBM模型[8]较好地拟合能源与碳排放约束的实际工业生产过程及节能减排的可持续发展要求，能有效地测度含非期望产出的工业生产效率。

近些年来，国内外不少学者运用非参数DEA对能源与碳排放约束的生产效率进行测度，但大多基于宏观层面分析或跨国比较研究，Zaim 和Taskin[9]、Zhou等[10]利用DEA方法对OECD国家碳排放效率进行比较研究，刘明磊、朱磊和范英[11]及李涛和傅强[12]对中国省际碳排放效率进行了评价，陈诗一 [1]运用方向性距离函数测算碳排放约束的中国工业部门绿色生产率，也有一些学者（胡鞍钢等[13]，涂正革[14]，杨俊等[15]）以SO2和工业废水的化学需氧量等作为非期望产出的指标测算中国地区技术效率，但不少实证研究没有考虑投入产出的松弛问题，李静[16]、王兵等[17]利用SBM模型评价了中国不同地区的环境技术效率，但没有针对能源与碳排放约束的地区工业技术效率进行评价。

本文运用改进的SBM模型测度能源与碳排放约束下的工业技术效率，试图在以下几个方面对现有研究进行拓展：（1）将包括能源在内的所有投入及产出以同一统计口径纳入模型，统计年鉴对地区工业能源消费采用全部工业企业统计口径，而对其它投入与产出采用规模工业企业统计口径，相关研究要么没有考虑能源投入，要么考虑了能源投入却忽略了统计口径的调整，为了避免统计口径不一致对工业技术效率测算结果的影响，本文将规模工业企业各项投入与产出统一调整至全部工业口径；（2）利用改进的SBM模型测算工业技术效率，分析不同地区工业技术效率演变特征及其差异；（3）对能源与碳排放约束下的工业技术效率的影响因素进行实证检验，对一些制度性因素的影响进行重点分析。

2 工业技术效率测度

2.1 模型与方法

DEA方法借助线性规划与凸分析来确定生产前沿边界，将不同的生产决策单元投影到生产前沿边界，通过比较决策单元（DMU）偏离前沿边界的距离来评价生产决策单元之间的相对技术效率。在评价含有非期望产出的生产效率时，传统的方向性距离函数较好地解决了含非期望产出的效率评价问题，但无法剔除投入产出松弛所造成的非效率成分，基于松弛测度（SBM）的效率测算模型有效克服了这一缺陷，其分式规划的基本形式为：

时是技术有效的，当ρ*

本文运用上述改进的SBM模型测算省级工业技术效率，需要借助决策单元来构造生产前沿边界，为避免因生产技术前沿边界的变动而导致不同时点的技术效率无法准确比较的问题，本文采取跨期数据包络分析技术，即将样本期间全部省级工业投入产出数据作为当期的参考技术集，在全样本的共同前沿生产函数分析框架下测算各地工业技术效率。

2.2 指标与数据

用东部、中部和西部三区域划分法①，考虑数据的可得性与可比性，时间跨度设为1998-2010年。工业生产投入指标选取工业从业年均人数、工业资本存量和工业终端能源消费量，工业产出包括期望产出与非期望产出，由于含中间投入性质的能源，选用工业总产值代表期望产出，非期望产出用CO2 排放量表示。基础数据取自《中国能源统计年鉴》、《中国统计年鉴》和《中国工业经济统计年鉴》。相关指标及其数据处理说明如下：

（1）劳动投入：以工业从业人员年均人数表示。《中国工业经济统计年鉴》提供了1999-2010年各地规模工业企业从业人员年均人数，《中国统计年鉴-1999》提供了1998年各地规模企业工业增加值和全员劳动生产率，据此可换算出该年规模企业从业人数。《中国经济普查年鉴2004》和《中国经济普查年鉴2008》提供了规模工业从业人数和全口径工业从业人数，从中可得到两种统计口径的从业人数的比率，根据各地这一比率的两组数据及其线性变动趋势假定，将规模工业企业从业人数调整为全部工业企业从业人数。

（2）资本存量：可采用永续盘存法（PIM）进行估算，这种估算方法涉及资本折旧率、投资额和初始资本存量等基础数据，工业资本折旧率和初始资本存量亦需估算，不同研究的估算结果差异较大，本文采用不少实证研究所采取的替代方法，即以固定资产净值年平均余额作为工业资本存量的近似估算，用各地固定资产投资价格指数将其平减为1998年可比价，并以工业总产值占比进行全工业口径调整。

（3）能源消费量：采用工业终端能源消费量，数据源自《中国能源统计年鉴》中的地区能源平衡表，包括原煤、洗精煤、其他洗煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、焦炉煤气、其他煤气、天然气、热力、电力等20 种细分品种能源终端消费量，将其按标准煤折合系数折算为万吨标准煤。个别缺失数据用均值法或线性插值法补齐。

（4）工业总产值：《中国工业经济统计年鉴》提供了按地区分组的规模企业工业总产值，《中国统计年鉴1999》、《中国经济普查年鉴2004》和《中国经济普查年鉴2008》提供了1998、2004和2008年规模企业工业总产值及全部工业总产值，从中可得到1998、2004和2008年规模企业工业总产值占全部工业总产值的比率，利用这三组比率数据及线性插值法构造出其他年份的工业口径调整比例，从而把规模工业企业总产值调整为全部工业口径，并以工业产出价格平减指数缩减为1998年可比价。

（5）CO2 排放量：工业CO2 排放来自工业生产中的化石能源燃烧及其他原材料使用（比如水泥生产中的石灰石锻烧分解），由于化石能源燃烧是工业主要碳排放源，本文利用联合国政府间气候变化专门委员会（IPCC）推荐的CO2 排放估算参考方法（Reference Approach），根据工业细分品种能源消费量（扣除原料用途的能源消费）来推算CO2 排放量，公式如下：

CO2 =∑ni=1（CO2 ）式中，E代表工业能源消耗的实物量，i代表能源种类，NCV为能源的平均低位发热量，CEF为单位热值当量的碳排放系数，COF是碳氧化因子（缺省值设为1），44和12分别为CO2 和C的分子量，其比值为CO2 气化系数。

各种能源的平均低位发热量取自《综合能耗计算通则》（GB/T2589-2008）附录A，碳排放系数源于《2006 IPCC Guidelines for National Greenhouse Gas Inventories》第二卷第一章表1.3。热力通常是本地供给，热力碳排放根据地区能源平衡表中供热的能源投入进行计算，各地工业电力消费可能含有外地成分，由于无法获得本地工业电耗中外地电力比例及其来源地，各地工业电力消费分摊的碳排放用本地电力碳排放系数与工业电力消费量的乘积来计算，本地电力碳排放系数等于本地火力发电的碳排放除以本地电力生产总量，本地火电碳排放根据地区能源平衡表中火电的能源投入计算。

2.3 测算结果分析

为了考察能源与碳排放约束对省级工业技术效率的影响，我们在共同前沿生产函数框架下，利用SBM模型分别对考虑能源与碳排放和不考虑能源与碳排放的工业技术效率进行测算，参照Managi & Kaneko [19]的做法，把基于共同前沿忽略能源与碳排放的工业技术效率称为市场效率（Metafrontier Market Efficiency，MME），基于共同前沿考虑能源与碳排放的工业技术效率称为环境效率（Metafrontier Environmental Efficiency，MEE），各地MME与MEE的变化趋势及其差异见表1所示。从表1中可以看出，样本期间全国工业MME均值为0.38，MEE均值为0.25，MME高于MEE，从各省区及三大区域的测度结果也可发现这一规律，说明忽略能源与碳排放的影响会高估工业技术效率，这与王兵等[17]、李静[16]的研究结论一致。同一省区工业MME排序与MEE排序也大多不一致，如广东省MME排序第三，MEE排序则上升

为第一，河北省MME排序第十四，MEE排序降为第十九，表明能源与碳排放对各地环境效率影响程度不同。不论MME排序还是MEE排序，东部效率最高，其次是中部，西部最低，工业技术效率有明显的区域梯度差异。全国MEE平均水平仅为0.25，总体水平偏低，工业节能减排潜力较大。各省区及三大区域的MEE平均变化率均为正，各地工业MEE均呈不断改善的趋势，各地工业生产均存在对共同前沿的技术追赶效应（Catchingup Effect）。

3 工业技术效率影响因素分析

关于经济增长环境绩效的影响因素，已有相关文献[15-17]进行了实证研究，根据我国工业化水平及地区经济差异的现实，结合已有的研究结果，我们主要考虑经济规模、资源禀赋、经济开放度、产权结构、研发强度及经济制度等几类因素的影响：

①地区经济发展水平，以各地按1998年不变价计算的实际人均GRP表示，为消除数据非平稳趋势，取其自然对数值，记为LGRP，为考察工业环境效率与人均收入之间可能存在的非线性关系，实际人均收入的平方项（LGRPS）也纳入模型。②经济开放度，以出口依存度（EX）表示，并以进口依存度（IM）替代出口依存度（EX）作稳健性检验，为避免多重共线性及便于稳健性检验，我们还以外资依存度（FDI）作为替代指标纳入模型。③工业资本深化（CAPD）资本深化有资本-劳动比与资本-产出比两种衡量指标，本文根据马克思主义经济学中资本积累与资本有机构成提高的理论观点，使用资本-劳动比来表征资本深化水平。

，用工业固定资产净值余额与工业就业人数之比表示。④工业产权结构，以当地国有（控股）工业企业产值占全部工业企业产值的比重（SOE）表示，鉴于近年来出现的“国进民退”现象，为检验国有企业是否具有更强的公共责任感而表现出更好的碳排放绩效，我们在模型中还以民营工业比重（PRV）作为替代指标作稳健性检验。⑤工业能源消费结构（ES），不同品种能源的碳排放系数存在较大差异，会对各地工业碳排放效率产生影响，以各地工业终端能源消费中的煤炭比重表示。⑥研发强度（RD），由于不同时期工业科技经费支出统计口径不一致，为便于数据处理，本文以各地研发经费内部支出占GRP比重（%）表示。⑦财政分权（FD），一般用财政收入占比或财政支出占比来衡量，本文借鉴乔宝云等（2005）的做法[21]，以地方人均本级预算支出占中央和地方人均本级预算支出之比（FD1）表示，为检验模型稳健性，我们还以地方人均预算收入占比（FD2）作为替代指标进行回归。此外，为了检验工业环境效率的地区差异，我们还在模型中引入地区虚拟变量（EAST），东部省区赋值为1，中西部省区赋值为0。

以前文测算的工业环境效率为因变量，以上述影响因素为解释变量构建计量模型，如公式（4）所示。由于环境效率值处于0 和l之间，因变量因被截断而受到限制，此时，普通最小二乘法（OLS）不再适用于估计回归系数，遵循最大似然估计法的Tobit 模型是一个较好的选择，由于无条件固定效应的Tobit 模型是有偏的，本文以下采用Tobit 随机效应模型进行面板数据回归检验，结果见表2。

为避免模型多重共线性问题，我们对解释变量进行Pearson 相关系数检验，发现大多数变量之间相关系数在0.1-0.3之间，表明这些变量的共线性问题较弱，对相关系数在0.3以上的变量采取分模型回归，在表2中的系数项下分6列报告了分模型回归结果。其中，模型（2）以财政收入占比代替财政支出占比来表征财政分权度，模型（3）以外资依存度代替出口依存度，模型（4）以进口依存度代替出口依存度，模型（5）以民营企业比重代替国有企业比重，回归结果中主要解释变量的估计系数符号及其显著性水平并无重大改变，表明模型估计结果具有良好的稳健性。在模型（6）中，我们按照2010年各省区全口径工业企业总产值由高至低进行排序，取排名前11位的主要工业省区为样本进行回归，除资本深化估计系数显著为负外，其余估计结果没有显著变化。结合模型的相关检验结果可知，模型估计结果整体上有较强的稳健性和可靠性，基于所有估计结果的相关结论如下：

①工业环境效率与人均收入呈U型曲线，这与碳排放同人均收入之间的倒U型曲线呈现良好的对称关系，这与袁鹏和程施 [22]关于工业环境效率的库兹涅茨曲线检验结论不一致，但该文使用的是综合排放指标，李涛和傅强[12]关于碳排放效率与人均收入关系的检验结论与本文相同，说明工业环境绩效的改善根本上还是一个发展问题，节能减排必须在经济发展中逐步解决，既不能幻想一蹴而就，也不能无所作为，坐以等待。②工业环境效率与工业资本深化正相关但大多不显著，资本深化促进工业生产装备水平提高和工业技术进步，但同时也导致高耗能高排放重化工业快速扩张，在一定程度上抵消了技术进步的减排效应，导致环境绩效改善效应整体不显著，在基于11个主要工业省区的模型估计结果中，资本深化则与工业环境效率显著负相关，这与工业大省2002年以来新一轮的重工业化发展倾向有关。③从工业产权构成来看，国有工业比重、民营工业比重均与工业环境效率显著负相关，产权性质对工业环境效率的影响并无显著差异，工业企业节能减排意愿普遍不足，在GDP 导向的政绩考评机制下，地方政府为锦标赛式政治晋升而竞争[23]，对本地国有经济的公共环境责任往往监管不力甚至相互串谋，国有企业并无显著不同的环境绩效表现。④工业环境效率与研发强度显著正相关，说明能源与环境约束促进了环境技术创新，环境技术创新促进了工业环境效率提升，“波特假说”得到实证支持。⑤工业能源消费结构与工业环境效率正相关但不显著，由于中国煤炭资源丰富且价格水平低，工业对煤炭有较强的路径依赖性，煤炭消费比重一直保持较为平稳的水平，因此，能源消费结构变动对工业碳排放绩效并没有显示出人们所预期的显著改进作用。⑥无论是财政收入占比还是财政支出占比，财政分权与工业环境效率显著负相关，这与杨俊等 [15]的结论相同，这在一定程度上说明，现有的财政分权体制与政绩考评机制，容易滋生地方政府之间以环境“竞次”为特征的“破坏性竞争”[24]，从而损害地区工业增长的环境绩效。⑦外资依存度与工业环境效率显著正相关，外商直接投资可以给东道国带来技术溢出效应，但也可能使其沦为发达国家的“污染天堂”污染天堂假说 （Pollution Haven Hypothesis）认为，东道国环境门槛降低能吸引环境敏感的外商直接投资，推动东道国污染密集型产业的发展，最终成为“污染天堂”。

，FDI进入中国的动因有多种，比如要素相对价格、地理位置、市场规模、双边贸易水平等，尚未发现有足够的证据能表明是因为国内排放管制标准过低，造成大规模FDI进入了中国污染密集性工业部门，因此，我们的结论不能支持“污染天堂假说”的成立，这与王兵等[17]、李小平和卢现祥[25]及袁鹏和程施[22]的研究结论相一致，不过，涂正革[14]的研究结果则支持了“污染天堂假说”，这可能与污染排放物的选择不同有关，但是，为预防地方政府在招商引资中可能出现的环境“竞次”行为，加强对FDI进入的产业引导与环境规制仍有必要。⑧出口依存度与工业环境效率显著负相关，中国工业生产长期陷于全球价值链的低端，工业企业被不合理的国际分工网络所俘获，对资本形成扩张与低端产品出口形成强路径依赖，不利于节能减排绩效的提升。进口依存度与工业环境效率正相关但不显著，这可能与工业企业碳减排意愿不足，对环境友好型设备的进口积极性不高有关。⑨地区虚拟变量系数显著为正，相对中部与西部地区而言，东部工业环境绩效整体上有明显优势。

4 结论与建议

传统的经济增长效率研究仅考虑劳动、资本等典型要素投入，并没有考虑资源与环境的约束，扭曲了经济增长绩效评价，甚至有可能误导政策建议。本文在考虑环境污染的效率前沿分析框架下，采用纳入松弛变量的非径向非角度的SBM模型，测算了考虑能源与碳排放的工业环境效率（MEE），并将其与不考虑能源与碳排放的市场效率（MME）进行比较，结果发现，忽略能源与碳排放会高估工业技术效率。在样本期间，全国及三大区域工业环境效率均呈现上升趋势，但工业环境效率总体水平偏低，东部工业环境效率明显高于西部与中部，我们最后还对工业环境效率的影响因素进行了实证检验，发现了一些有意义的结论。

在影响工业环境效率的因素中，财政分权、工业产权构成及出口对其均有负面影响，其中，财政分权的负面影响最为显著。中国式财政分权是一种政治集权下的经济分权，地方政府运用财政收入的剩余控制权为政绩而竞争，现有的户籍制度及相关社会福利制度安排使得环境联邦主义下的“用脚投票”机制失灵，地方政府决策容易偏离公共服务目标及当地居民的环境偏好，造成地区环境效率的严重损失。另外，地方财政分权能力越弱，地方政府对本地国有经济的干预就越严重，中部与西部国企改革滞后，国有产权的行政归属化使当地政府容易操纵国有企业，在政绩导向的地方行政干预甚至地方保护下，国有企业的环境约束与环境责任意识淡化，在以11个工业大省为样本的模型估计结果中，国有产权比重及财政分权度对工业环境效率的负面影响明显要小得多，而这11个工业大省主要集中于东部，这似乎在一定程度上解释了为什么东部工业环境效率优于中部与西部。

中国工业化过程中的资本深化程度也是学者关注并存争议的问题，中国工业在空间上表现出广泛的资本深化特征，但资本深化对地区工业环境效率并没有带来显著的正面促进效应，甚至11个工业大省的工业环境效率与资本深化显著负相关。对此现象，一个可能的理论解释是，主要工业省区存在“过度工业化”或“过快资本深化”现象[26]，使得高投入高能耗的重化工业过快增长，资源配置效率下降，阻碍了工业环境绩效提升。从地方工业资本深化的逻辑机制来看，其深层根源仍离不开财政分权及GDP导向的政绩考核机制，基础设施建设与工业资本投资是地方政府在“标尺竞争”中胜出的有效途径，基于“标尺竞争”的投资扩张冲动推动了本地工业资本形成不断加深，资本密集型工业快速扩张，加剧了地方能源消费紧张和资源利用效率低下，在一定程度上抵消了工业技术进步的减排效应。

总之，从工业环境效率的影响因素来看，地区经济发展水平、外商直接投资、技术研发及进口基本上促进了工业环境效率的改善，但一些制度因素及与之相关的地方政府行为却阻碍了工业环境效率的提升。所以，促进“两型”工业发展与低碳工业增长转型，不仅需要考虑环境技术创新、能源结构调整、外资的产业进入等问题，更需要切实关注财政分权、地方政府政绩考核、国企产权改革、外贸经营机制等体制性因素的影响，只有从深层次上打破体制性瓶颈，才能真正促进企业节能减排和工业转型升级。当然，改进工业环境绩效并不在于完全否定或废弃财政分权制度，关键是如何改革地方政府政绩考核机制，在中国式财政分权背景下建立起资源节约与环境友好型地方工业增长的有效激励相容机制，使地方工业增长模式真正由要素扩张型转向效率增进型，使地方政府官员从为增长而竞争的“企业家”转变成为环境而竞争的“好管家”。

参考文献（References）

[1]陈诗一.中国的绿色工业革命：基于环境全要素生产率视角的解释（1980-2008）[J].经济研究，2010，45（11）：21-34. [ Chen Shiyi. Green Industrial Revolution in China： A Perspective from the Change of Environmental Total Factor Productivity（1980-2008）[J].Economic Research Journal， 2010， 45（11）：21-34.]

[2]Watanabe M， Tanaka K. Efficiency Analysis of Chinese Industry： A Directional Distance Function Approach [J]. Energy Policy， 2007， 35（12）： 6323-6331.

[3]Zhou P， Ang B W， Poh K L. A Survey of Data Envelopment Analysis in Energy and Environmental Studies [J].Journal of Operational Research， 2008， 189（1）：1-18.

[4]魏楚，黄文若，沈满洪.环境敏感性生产率研究综述[J].世界经济， 2011，（5）：136-160.[Wei Chu， Huang Wenyan， Sheng Manhong. A Survey of Environmental Sensitive Productivity [J]. The Journal of World Economy， 2011，（5）：136-160.]

[5]Chung Y H， Fre R， Grosskopf S. Productivity and Undesirable Outputs： A Directional Distance Function Approach [J].Journal of Environmental Management， 1997， 51： 229-240.

[6]Fukuyama H， Weber W L. A Directional Slacksbased Measure of Technical Inefficiency [J].SocioEconomic Planning Sciences， 2009，43（4）：274-287.

[7]Tone K. A Slacksbased Measure of Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research， 2001，130（3）： 498-509.

[8]Tone K. Dealing with Undesirable Outputs in DEA： A Slackbased Measure （SBM） Approach [J]. Energy Policy， 2003，35，6323-6331.

[9]Zaim O， Taskin F. Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Nonparametric Approach [J].Journal of Environmental Management， 2000， 58（2）：95-107.

[10]Zhou P， Ang B W， Poh K L. Slacksbased Efficiency Measures for Modeling Environmental Performance [J].Ecological Economics， 2006，60（1）：111-118.

[11]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）：106-114.[Liu Minglei， Zhu Lei， Fan Ying. Evaluation of Carbon Emission Performance and Estimation of Marginal CO2 Abatement Costs for Provinces of China： A Non parametric Distance Function Approach [J]. China Soft Science，2011，（3）：106-114.]

[12]李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011，28（7）：62-70.[ Li Tao， Fu Qiang. Study on China’s Carbon Dioxide Emissions Efficiency [J]. Statistical Research，2011，28（7）：62-70.]

[13]胡鞍钢，郑京海，高宇宁，等.考虑环境因素的省级技术效率排名（1999-2005）[J].经济学（季刊）， 2008，7（3）：933-960. [Hu Angang， Zheng Jianghai， Gao Yuning， et al. Provincial Technology Efficiency Ranking with Environment Factors （1999-2005） [J]. China Economic Quarterly， 2008， 7（3）：933-960.]

[14]涂正革.环境、资源与工业增长的协调性[J].经济研究，2008，（2）：93-105. [Tu Zhengge.The Coordination of Industrial Growth with Environment and Resource [J]. Economic Research Journal， 2008， （2）：93-105.]

[15]杨俊，邵汉华，胡军.中国环境效率评价及其影响因素实证研究[J].中国人口・资源与环境， 2010，20（2）：49-55.[Yang Jun， Shao Hanhua， HuJun. Empirical Study on Evaluation and Determinants of Environmental Efficiency of China [J].China Population， Resources and Environment， 2010， 20（2）：49-55.]

[16]李静.中国区域环境效率的差异与影响因素研究[J].南方经济， 2009， （12）：24- 35. [Li Jing. Ecoefficiency Differences and Its Influential Factors across Provinces in China [J]. South China Journal of Economics， 2009， （12）：24- 35.]

[17]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究， 2010， 45 （5）： 95- 109. [Wang Bing， Wu Yanrui， Yan Pengfei. Environmental Efficiency and Environmental Total Factor Productivity Growth in China’s Regional Economies[J]. Economic Research Journal， 2010， 45（5）：95-109.]

[18]Charnes A， Cooper W W. Programming with Linear Fractional Functions [J].Naval Research Logistics Quarterly， 1962， 15： 330-334.

[19]Managi S， Kaneko S. Economic Growth and the Environment in China： An Empirical Analysis of Productivity [J].International Journal of Global Environmental Issues， 2006， 6（1）： 89-133.

[20]Copeland B R， Taylor M S. NorthSouth Trade and the Environment [J].The Quarterly Journal of Economies， 1994， 109 （3）： 755-787.

[21]乔宝云，范剑勇，冯兴元.中国的财政分权与小学义务教育[J].中国社会科学，2005，（6）：37-46. [Qiao Baoyun， Fan Jianyong， Feng Xingyuan. Fiscal Decentralization and Compulsory Primary Education in China [J]. Social Sciences in China， 2005， （6）：37-46.]

[22]袁鹏，程施.中国工业环境效率的库兹涅茨曲线检验[J].中国工业经济，2011，（2）：79- 88. [Yuan Peng， Cheng Shi. Examining Kuznets Curve in Environmental Efficiency of China’s Industrial Sector [J]. China Industrial Economics，2011，（2）：79- 88.]

[23]周黎安.晋升博弈中政府官员的激励与合作：兼论我国地方保护主义和重复建设问题长期存在的原因[J].经济研究，2004，（6）：33-40.[Zhou Li’an. The Incentive and Cooperation of Government Officials in the Political Tournaments： an Interpretation of the Prolonged Local Protectionism and Duplicative Investments in China [J].Economic Research Journal， 2004， 39 （6）：33-40.]

[24]Kunce M， Shogren J. Destructive Interjurisdictional Competition： Firm， Capital and Labor Mobility in a Model of Direct Emission Control [J].Public Administration Review， 2006， 68：685-708.

[25]李小平，卢现祥.国际贸易、污染产业转移和中国工业CO2 排放[J].经济研究，2010，45（1）：15- 26. [Li Xiaoping， Lu Xianxiang. International Trade、Pollution Industry Transfer and Chinese Industries CO2 Emissions [J]. Journal of Economics Research， 2010， 45（1）：15-26.]

[26]张军.增长、资本形成与技术选择：解释中国经济增长下降的长期因素[J].经济学（季刊）， 2002，1（2）：301-338. [Zhang Jun. Growth， Capital Formation and Technological Choice： Why has China’s Economic Growth Rate been Declining？ [J]. China Economic Quarterly， 2002， 1（2）：301-338.]