中国各省区碳减排责任分摊_基于零和收益DEA模型的研究_郑立群

第34卷第11期2012年11月

2012，34（11）：2087-2096

Resources Science

Vol.34，No.11Nov.，

2012

收稿日期：2012-02-10；修订日期：2012-08-02

基金项目：教育部人文社会科学规划基金项目（编号：10YJA630219）。

作者简介：郑立群，女，北京市人，博士，副教授，研究方向为环境管理会计、技术经济理论与方法。E-mail ：zhengliqun@

文章编号：1007-7588（2012）11-2087-10

中国各省区碳减排责任分摊

——基于零和收益DEA 模型的研究

郑立群

（天津大学管理与经济学部，天津300072）

摘

要：研究如何基于国家整体的碳减排目标，进行中国各省区碳减排责任的分摊，以明确区域间“共同但有

差别的责任”。从共摊成本分配问题的公平与效率角度出发，对碳减排责任分摊进行了经济学分析。基于分配效率视角，探讨了在分配总量固定的条件下，利用投入导向的零和收益DEA （ZSG-DEA ）模型进行碳减排责任分摊的可行性。在实证分析部分，采取非期望产出作为投入法，将碳排放量作为模型的投入，将人口、能源耗费和GDP 作为模型产出变量。依照我国2015年碳减排整体目标和各省区经济社会发展特征，进行了投入产出数据的预测。为了与ZSG-DEA 模型进行对比，首先建立了碳减排责任分摊的DEA BCC 模型，计算结果表明：仅有9个省区达到DEA 有效，需要对碳排放配额进行再分配。应用ZSG-DEA 模型，对我国30个省区的碳减排责任进行了再分配。通过两次迭代计算，得出了达到统一DEA 有效边界的分配方案。

关键词：碳排放；共摊成本分配；公平；效率；零和收益DEA ；中国

1引言

随着世界经济规模和人口的不断增长，建立在碳能源基础上的现代生产和消费方式带来了越来越严重的环境问题。虽然我国政府尚未进行强制性温室气体减排承诺，但节能减排作为长期的国策，已纳入了国民经济和社会发展中长期规划。2009年我国公布了2020年碳排放降低的目标——GDP 碳排放强度较2005年降低40%~45%，非化石能源占一次能源消费的比重达15%左右[1]。2011年底，参加德班气候大会的中国代表表示：中国政府决心在5年内大幅度降低碳排放强度，到2015年使全国碳排放强度比2010年下降17%[1]。而要实现上述目标，必须要将碳减排指标分解至各个省区、城市甚至更小的经济社会单元，制定区域低碳发展目标及衡量标准，明确其碳减排责任。

由于中国各地区在社会经济发展状况、自然条件、资源禀赋、产业结构和能源消费结构、投入产出效率等方面存在明显差异，中国各地区在减少碳排放目标方面不可能“一视同仁”、承担“共同责任”，

而必须承担“共同但有差别的责任”。

区域间碳减排责任的分摊实际上就是对各方碳排放权的分配。一个地区碳排放量的多少与其经济发展速度密切相关，因此碳减排责任的分摊问题也就等价于地区之间发展权的分配问题。如何基于国家整体的碳减排目标、从公平与效率角度出发进行地区间碳减排责任分摊，是我国政府面临的一个重要的现实任务。

更进一步讲，明确各方碳减排责任也是建立碳交易市场的基础。欧盟委员会2005年起对成员国实行温室气体排放配额管理，在其生效的第一阶段（2005年-2007年），对各成员国每年可排放的二氧化碳量做了规定，在此基础上设立了欧洲排放交易体系，允许各成员国交易各自的配额[2]。我国“十二五”规划明确提出了“建立完善温室气体排放统计核算制度，逐步建立碳排放交易市场”的举措。根据规划，中国将全面构建国内碳市场[3]。但若不明确国内各方碳减排责任、进行国内强制碳排放权的分配，建立全国性的强制性碳减排体系，真正的国

第34卷第11期

资源科学

内碳交易也就无从谈起。

本文基于分配效率视角，采用投入导向的零和收益DEA 模型，以“2015年使全国碳排放强度比2010年下降17%”为整体碳减排目标，计算得出中国30个省区碳排放配额和目标减排量，并在统一DEA 边界上全部达到DEA 有效。

2碳减排责任分摊问题的提出及文献

综述

2.1碳减排责任分摊问题的经济学分析

从全球角度而言，碳减排责任分摊问题实际上就是有关全球变暖的共摊成本分配问题。共摊成本分配问题可以概括为：一组代理人共同进行一项具有可变回报的生产过程，每个代理人可分配到一份产出，同时共同产生一系列成本；考虑到代理人个体的有效性及整体的效益等原则，应如何处理代理人之间由于共同生产而产生的利益冲突，进行共摊成本的分配[4]？

在碳减排责任分摊问题中，环境损害成本被看作是生产过程的投入，需要在各个地区之间分配，根据环境损害成本分配的结果，各地区需分担相应的减排或补偿责任。在处理实际问题时更具操作性的方法是，将碳减排量或补偿金额看作环境损害成本的直接表现形式，并作为被分配的对象。

按照克拉克提出的传统分配理论，边际产品价格可以用来解决成本或剩余的分配问题，实现帕累托效率（Pareto efficiency ）。具体到环境成本领域，一个标准的解决方案就是庇古税（Pigou tax ），即根据污染所造成的危害程度对排污者征税，用税收来弥补排污者生产的私人成本和社会成本间的差距，使两者相等，这种方式可以实现最佳排放水平。然而在现实社会中，由于外部效应的存在，庇古税不能处理水平或空间上的由于排放或损害分布不均衡引起的问题。解决这类问题必须要从公平和效率原则出发寻找答案。如果一种分配机制既是公平的，又是有效率的，则称这种分配机制是最优的。

在全球碳减排责任分摊问题上，由于主权国家存在尖锐的利益冲突，对分配方案公平性的关注程度远远高于其效率高低。而在主权国家内部，政府在考虑各经济区域碳减排责任分摊方案公平性的同时，还会更加关注如何使碳排放权配置更具有效率。因资源分配方案效率越高，该经济体就会从整体上获得更大的利益，进一步通过对利益的再分配可体现公平性原则。而对效率性的关注程度与政府的宏观调控能力密切相关。2.2文献综述

国外学术界关于分配方案公平性和效率性的研究由来已久，而对国际碳减排责任分摊问题进行研究是近几年的新动向。碳减排责任分摊也就是碳排放权的初始分配，属于碳排放交易体系的重要组成部分。碳排放交易的效率将会受到碳排放权初始分配的重要影响[5-6]。

学术界关于碳减排责任分摊的研究可归纳为两个方面，即基于公平性视角的研究和基于效率视角的研究。

2.2.1基于公平性视角的研究

由于公平性是主权

国家之间的碳减排责任分摊问题的主要关注点，所以国外大部分相关文献都会涉及公平性问题。Billette de Villemeur 和Leroux 认为，在确定初始碳权分配方案时，决策者们首先需要达成共识的是：从公平性角度出发，各经济主体需要为哪些区域特征负责，对哪些区域特征不必负责——从而得到相应补偿[7]，也就是要区分与碳减排责任“相关”与“不相关”的区域特征[8]。在实务中常采取的溯源法（Grandfathering ）就是将历史碳排放量作为了初始碳权分配的“相关特征”。

然而对“相关特征”与“不相关特征”的某种认定方式往往只能一些满足一部分公平性公理、却不能满足所有公理。如溯源法作为一种免费分配原则（Free Allocation ），受到了如Frommand 和Sijm 等很多学者的批评，认为其不符合污染者付费的原则，社会整体的角度来看有失公平[9-10]。就此问题，Billette de Villemeur 和Leroux 提出了两种折中的分配机制，并从分配公平性角度进行了公理化分析[7]。

国内关于碳减排责任分摊公平性的研究尚不多见。吴静等[11]就我国省市自治区碳排放权分配的初始配额公平性原则进行了研究，对比分析了世袭制原则、平等主义原则和支付能力原则对省市自治区碳排放配额的影响。

2088

2012年11月

郑立群：中国各省区碳减排责任分摊

2.2.2基于效率视角的研究碳减排责任分摊方案

效率性的研究大都基于各种投入产出效率模型。由于该问题涉及的是具有相同类型的决策单元之间多项投入与产出的效率评价，因此DEA 模型被认为是最适宜的方法。为了便于对分配效率进行分析，碳排放权往往代替碳减排量和补偿金额，作为被分配对象。对于经济-环境系统而言，碳排放量属于非期望产出，即指生产过程中产生的非期望的结果，其产出增加意味着绩效减少。传统的DEA 模型假设产出为期望产出（产出越大，表明决策单元越有效），而关于非期望产出的效率评估，现有的DEA 文献已提供了一些替代模型，主要包括倒数转换法[12]、非期望产出视同投入法[13]、转换价值法[14]；距离函数法[15]。Dyckhoff 和Allen 总结了三种在DEA

环境下非期望产出的建模方法及其优缺点[15]。

非期望产出下的DEA 模型很快被用于环境效率分析。Zofio 和Prieto 以二氧化碳排放量作为非期望产出，对OECD 国家的环境效率进行了评价[16]；Scheel 以经济-环境分析作为重点，对包含非期望产出的DEA 模型进行了讨论[12]；Lozano 和Gutiérrez [17]将二氧化碳与能源消费作为非期望产出，利用DEA

模型的距离函数方法研究了GDP 、二氧化碳与能源消费的关系。李涛、傅强基于非意愿变量Ruggiero 三阶段模型对我国29个省级地区进行评价，求解出生产过程中给定各种投入要素和产出水平下实现碳排放污染最小化的效率指标[18]。

然而上述DEA 模型对非期望产出的讨论是基于如下假设：非期望产出的消减在决策单元之间是独立进行的，不需要各个决策单元进行合作或整合。而在碳减排责任分配（或称碳排放权分配）问题中，其非期望产出——碳排放量在各个决策单元间的分配并不是独立的。根据经济体在一定时期碳减排的整体目标进行测算，其可供分配的碳排放权总量是一个固定值。在成本分配模型中，属于固定总量模型。这就意味着，当是将一个地区碳排放权消减（或增加）以达到有效边界的同时，必须有其他一个或几个地区的碳排放权增加（或消减）同样的数额。

针对这类问题，郑佩娜等曾尝试运用数据包络分析（DEA ）方法，建立了区域削减指标分配模型，综合分析了2005年全国各省区的主要污染物COD 和SO 2排放绩效以及水资源[19]、能源的利用效率。Lins 和Gomes 等人提出了零和收益DEA 模型

（ZSG-DEA ），该模型可以根据决策单元的DEA 效率值对非期望产出的分配方案进行调整，给出改进的分配方案[20]。Gomes 和Lins 在京东议定书框架下，利用ZSG-DEA 模型提出了一个关于各国CO 2排放交易的方案[21]。林坦、宁俊飞使用ZSG-DEA 模型

对欧盟国家2009年的碳排放权的分配结果进行了评价，按照零和收益DEA 模型的迭代结果，给出了的碳排放权分配结果以及调整方式矩阵[22]。

以上文献为关于“中国各省区碳减排责任分摊问题”的研究提供了可借鉴的思路。本文基于分配效率视角，利用ZSG-DEA 模型，依照我国2015年碳减排目标，对各省区碳减排责任分配效率进行分析，并按照零和收益DEA 模型进行迭代计算，尝试给出DEA 有效的分配方案。

3中国各省区碳减排责任分摊的零和

收益DEA 模型

3.1零和收益DEA 模型及其对固定总量投入（或产出）的再分配

假设某一评价系统有N 个相同类型的决策单元（记为DMU ），每个决策单元都有R 个投入指标和M 个产出指标，则利用DEA 方法对决策单元DMU 0进行相对效率评价的BCC 模型如公式（1）所

示（将公式中凸形条件∑i =1

N

λi =1去掉，即为CCR 模

型），式中θo 表示DMU 0的相对效率，λi 表示相对于DMU 0重新构造一个DMU 有效组合中DMU i 的组

合比例：

m in θo

s .t .ìíîïïïïïïïï

ïïïï∑i =1

N

λi y ij ≥y oj ,j =1,2,3,?,M ∑i =1N λi x ik ≤θo x ok ,k =1,2,3,?,R ∑i =1N

λi =1,i =1,2,3,?,N λi ≥0,

i =1,2,3,?,N

（1）

传统的DEA 模型（包括CCR 、BBC 及其各种变化形式）假设投入或产出完全独立，给定任意的一个DMU ，其投入（或产出）不会影响其他决策单元

2089

第34卷第11期

资源科学

的投入（或产出）。但在某些情况下，某项投入（或产出）总量是固定的，各个DMU 的投入（或产出）相互关联，从而保证总量不变。如果一个低效的DMU 希望增加其投入（或产出）以达到有效边界，

则其他DMU 则不得不减少它们的投入（或产出），以便保持固的定总量。这恰恰符合零和博弈特征，即一个局中人的损失（或收益）必须是其他局中人的是收益（或损失），也就是说收益总额必须为零。在这种情况下，传统DEA 模型仅能给出初始状态的相对效率，却无法引导DMU 进行投入（或产出）的整合，以帮助其实现DEA 有效。

在减排责任分配问题中，碳减排目标值（或碳排放权）都具有总量固定的特征，故利用传统的DEA 模型仅能计算各地区初始碳减排责任分配的相对效率，不能帮助我们通过调整分配结果实现各地区DEA 效率提升。

Lins 和Gomes 等人对此类问题进行了研究，提

出了零和收益DEA 模型（记为ZSG-DEA ），并分别

对各国奥运会投入产出效率[20]和京东议定书相关国家CO 2排放权分配问题[21]进行了分析。他们提出了通过对投入（或产出）的再配置，寻求DEA 有效的策

略，其重点是比例消减策略。根据这一策略，低效的DMU 单元想变为DEA 有效必须消减一定数量的投入（或接受一定数量的产出）；为了保持投入（或产出）总量不变，其他DMU 必须以各自初始的投入（或产出）值为基础，按比例接受一定数量的投入（或消减一定数量的产出）。

在投入导向模型中，若DMU 0为非DEA 有效的决策单元，其ZSG-DEA 效率值为φo 。为了实现DEA 有效，它必须减少对投入k 的使用，减少量为u o =x ok (1-φo )，并将这一数额的投入成比例地分配

给其他DMU 。DMU i 从DMU 0处得到的投入k 分配值为：

x ik

∑i ≠o

x ik

?x ok (1-φo )（2）

由于所有的DMU 都同时在进行投入的比例消减，故调整全部结束后，投入k 对DMU i 的再分配额为：

x 'ik =∑o ≠i éëêêêêù

û

úúúúx ik

∑i ≠o x ik ?x ok (1-φo )-x ik (1-φi )i =1,2,3,?,N

（3）

依照比例消减策略，利用ZSG-DEA 方法对决策单元DMU 0进行相对效率评价的投入导向BCC 模型如公式（4）所示。

m in φo

s .t .ìíîïï

ïïïïïï∑i =1N

λi y ij ≥y oj ,j =1,2,3,?,M ∑i =1N

λi x ik éëêêêêùû

úúúú1+x ok (1-φo )∑i ≠o x ik ≤φo x ok ,k =1,2,3,?,R ∑i =1

N

λi =1,i =1,2,3,?,N λi ≥0,

i =1,2,3,?,N （4）

由于所有在原始模型下非DEA 有效的DMU 均会按照比例分配自己的多余投入，以达到DEA 有效。但所有DMU 均这样做的后果是：即使按公式（4）计算，一些DMU 在消减投入后仍不能达到DEA 有效。对这个问题的应对方式有两种，一种是Lins 和Gomes 等提出的比例消减公式法，另一种是林坦、宁俊飞使用的迭代法。本文采取的是迭代法，通过多次迭代，可实现对投入k 的多次再分配，最终所有的DMU 均会达到有效边界，即所有的DMU 会100%有效。这时对投入的再分配结果就是使效率

最佳的分配方案。

值得注意的是，与原始DEA 模型相反，所有初始非DEA 有效的DMU 最终达到有效边界，意味着对边界的改变。新的DEA 边界（被称为“统一的DEA 边界”）将会比原始的边界低一些[21]。3.2指标和模型的选择

对于经济-环境系统而言，碳排放量属于非期望产出。基于DEA 的环境效率评价模型对于污染物等非期望产出的处理有多种方法，其中“非期望产出视同投入法”是主要处理思路之一，这种安排符合DEA 模型对于投入指标的要求，即投入物最小和期望产出越大意味着技术越有效。本文也采取这种方法，将碳排放量作为模型唯一的投入变量。

参考Lins 和Gomes 的做法，本文使用人口、能

2090

2012年11月

郑立群：中国各省区碳减排责任分摊

源耗费和GDP 作为产出变量。将GDP 作为与碳排放量相对应的期望产出比较容易理解，而将人口作为期望产出则意味着：当地区间具有同样的碳排放水平时，拥有更多人口的地区，其GDP 更具有效率；将能源耗费作为期望产出意味着：当地区间具有相似的能源消耗时，碳排放水平较低地区更有效率。

根据研究对象及投入产出变量的特质，本文选择了投入导向的ZSG-DEA BCC 模型。选择BCC 模型的原因是，各省区在各项投入产出及技术效率上差异较大，不满足规模不变假设。

3.3数据来源与处理

本文从分配效率角度探讨中国整体的碳减排责任在省区之间的分摊模式，数据的选取首先要明确待分摊的碳减排责任。由于长期的预测数据来源不够可靠，故本文以“2015年使全国碳排放强度比2010年下降17%”作为责任分摊总体目标，从最佳分配效率角度对2010年至2015年间各省区碳减排责任进行分摊，并给出效率最大化的2010年-2015年各省区的碳排放权配额。DEA 模型投入与产出初始数据见表1。各项数据来源与处理过程

表12010年-2015年中国各省区碳排放配额DEA BCC 模型初始效率值

Table 1to 2015

2091

第34卷第11期

资源科学

如下：

（1）各省区实际碳排放量的计算。根据《中国能源统计年鉴》（2006年-2010年）各省区能源平衡表中的各种能源消费量，分别与各种能源碳排放系数相乘，可初步得出2005年-2009年中国大陆30个

省区碳排放量（西藏自治区数据不全，故缺省）1）

。

但由于按上述方式计算的碳排放量没有考虑各省区火电输入与输出导致的实际碳排放量的增减，故我们依据各省区能源平衡表中电力调入、调出量对碳排放量进行了调整。公式为：

某省区实际碳排放量=∑各种能源消耗量

×碳排放系数

（

外省区调入电量×全国火电发电总量全国总发电量

-本省区调出电量×本省区火电发电总量本省区总发电量

）

×电力的碳排放转换系数

（5）（2）基于《中国统计年鉴》2005年-2009年间各省区的GDP 数据（按2005年不变价格计算），对各省区2010年-2015年人口和GDP 的数据进行预测。假设各年人口按2005年-2009年间平均增速增长，GDP 按9%的整体增幅增长。

（3）预测能源消耗量。按照能源/GDP 弹性系数，可以推算出各省区2010年-2015年的能源消耗总量。

（4）以“2015年使全国碳排放强度比2010年下降17%”为目标，计算2010年-2015年30个省区的碳排放权配额总量为203.06亿t·C 。以2005年-2009年各省区实际碳排放量为基础，对该配额进行初始分配。

4计算结果及分析

4.1传统DEA 模型的计算结果及分析

使用Excel 的规划求解功能，本文首先利用公式（1）表达的传统的DEA BCC 模型，对中国30个省区碳排放权分配效率进行计算，数据结果见表1。可以看出，30个省区的BCC 初始效率值差异很大，有9个省区达到最高效率值1；有8个省区的效率值

达到0.8以上，距离有效边界较近，但尚未达到DEA 有效；其他13个省区的效率值低于0.8，特别是宁夏、甘肃、山西等省区效率值显著偏低，说明距离DEA 有效有较大差距。为了使全部DMU 达到DEA 有效，需要对碳减排责进行再分摊。然而传统DEA 的效率值和松弛变量不符合总量既定的约束，为此本文引入了ZSG-DEA 模型进行配额的调整。4.2ZSG-DEA 模型的再分配过程及结果分析

本文使用公式（4）表达的ZSG-DEA 模型对30个省区碳排放配额进行再分配。初始的ZSG-DEA 模型计算出的效率值见表2第1栏。通过对比可以发现，所有DMU 的ZSG-DEA 模型初始效率值均高于传统DEA 模型，这表明初始ZSG-DEA 模型的有效边界位于传统DEA 有效边界的下方。根据表2第1栏的效率值，可以按照比例消减公式（3）调整原始碳排放配额数据，按照迭代法，重新进行ZSG-DEA 模型测算。经过两轮迭代后，各省区ZSG-DEA 模型效率值均近似为1，也就是说均基本达到了ZSG-DEA 的统一有效边界。图1显示的是ZSG-DEA 统一的有效边界形成过程。DMU 1初始

效率值较低，经过两次迭代后，其投入配额持续下降以致达到统一的有效边界；

DMU 2初始效率值即为1，通过两次迭代后，其投入配额持续升高并达到统一的有效边界；而DMU 3未达到初始ZSG-DEA 有效边界，但其初始效率值较高，通过第一次迭代，其投入配额大幅升高，致使其效率值低于第一次迭代后ZSG-DEA 有效边界，在第二次迭代中，其投入配额必须减小才能达到统一的ZSG-DEA 有效边界（图1）。

为了验证结果，本文也采用传统的DEA BCC 模型进行测算，发现其效率值（表2第5栏）也全部近似为1。最终的碳排放配额调整值见表2第4栏2）。按照碳排放/GDP 弹性系数进行了2010年-2015年各省区碳排放量的预测（见表2第6栏），对比最终碳排放配额可以计算出各省区的目标碳减排量（见表2第7栏）。从数值上看，北京、江苏等7个省区目

1）在投入导向的ZSG-DEA 模型下，各DMU 投入之间不独立，出现DMU 缺失的情况的确会影响效率结果。但由于西藏自治区的各项投入产出在全国占比较小，且本文计算所使用的待分摊总量并不包含西藏部分，故对结果并无影响.

2）这里所说的省区碳排放配额与公式（4）中含义相同，即考虑了省区间火电输入与输出导致的排放量增减.

2092

2012年11月

郑立群：中国各省区碳减排责任分摊

表22010年-2015年Z S G -D E A 模型下各省区碳排放配额效率值及配额调整结果

T a b l e 2Z S G -D E A m o d e l e f f i c i e n c y s c o r e s a n d t h e r e f i n e r e s u l t s o f t h e c a r b o n e m i s s i o n q u o t a s o f C h i n e s e p r o v i n c e s f r o m 2010t o 2015

注：目标碳减排量是指各省区碳排放预测值与碳排放配额的差。若为负数，则表示该地区保持效率不变前提下可增加的碳排放量。

2093

第34卷第11期

资源科学

标碳减排量为负值，这说明：根据当前碳排放量预测，这7个省区可以增加相应数量的碳排放量，仍能达到DEA 有效。相反，若想使其他省区实现DEA 有效，就必须减少相应数额的碳排放量。

但需要指出的是，在最终分配状态下，也并不是所有DMU 都达到了完全DEA 有效，即实现帕累托效率。通过计算最终分配结果的BCC 模型松弛变量值（表2第9~12栏）发现，河北省和山西省GDP 变量的松弛值（S +

）为正数，江苏省人口变量的松弛值为正数。也就是说，上述三个省区属于弱DEA 有效，即在投入不变的情况下可将产出提高S +

。相对于产出变量，投入变量——碳排放量的松弛变量值均为零，这是因为碳排放存在固定总量的限制。

5结论与展望

本文从提升分配效率角度出发，应用ZSG-DEA 模型对中国30个省区碳减排责任进行分摊，得出了DEA 有效的碳排放限额分配方案。但对于中国国

内碳减排分摊问题，这一结果远非最终答案，其原因如下：

（1）针对非期望产出的ZSG-DEA 模型上存在需要改进的问题。比如，经济-环境系统的非期望产出不仅仅包含碳排放量，每一种污染物对温室效应有存在不同作用。这时需建立多项非期望产出模型，并对权重进行限定[21]；此外，产出变量之间的相关性与重要程度也需要进行考虑[20]。

（2）确定分配方案必须同时考虑公平和效率两方面原则，本论文给出的分配方案仅能满足DEA 有效，而不能体现分配的公平性。比如依据本文的分配方案，宁夏、甘肃等西部省区碳减排比例较大。然而从分配公平性角度讲，东部地区在经济发展过程中排放了大量的温室气体，现在进入了碳排放增长与经济增长基本脱钩阶段。而西部地区在经济起飞的过程中，经济增长的同时往往需要伴随着较高的碳排放增长，脱钩尚待时日。这与西方发达国家与发展中国家的碳排放差异极为类似。

显然，最终的分摊方案应是在公平与效率间妥协的结果。对此，笔者进一步的研究设想如下：首先基于公平性视角，在公平性准则框架下，确定责任分摊的公平性区间；再以提高DEA 效率为目标，在约束条件中增加公平性偏离指标，通过规划求解，可得到兼顾公平与效率的分摊方案。

中国的二氧化碳排放量已居世界首位，碳减排已成为不可逆转的全球趋势。将中国碳减排整体目标在各省区间进行分配，不仅是实现该目标的必要保证，也是建立碳交易市场建立与发展的首要条件。本文的研究为制定国内碳减排责任分摊方案提供了可供借鉴的思路。

图1ZSG-DEA 统一有效边界形成过程

Fig.1Forming process of the uniform ZSG-DEA frontier

产出

2094

2012年11月郑立群：中国各省区碳减排责任分摊

参考文献（References ）：

[1]

解振华.Statement of minister Xie Zhenhua （pronounced Shieh Gen-Hwa ）of China on Durban Climate Change Conference-November/December2011[EB/OL].http://unfccc.int/meetings/

durban_nov_2011/statements/items/6584.php ，2011-12-07/2012

-03-14.

[2]

European Commission.Directive 2003/87/EC of the European

Parliament and of the Council of 13October 2003Establishing a Scheme for Greenhouse Gas emission Allowance Trading within the Community and Amending Council Directive 96/61/EC （Text with EEA relevance ）[EB/OL].http://eur-lex.europa.eu/LexUri Serv/LexUriServ.do?uri=CELEX:32003L0087:en:NOT ，2003-10

-13/2012-03-14.

[3]中华人民共和国国民经济和社会发展第十二个五年规划纲要

[EB/OL]．/fzgh/ghwb/default.htm ，2011-

03-16/2012-03-14.

[4]赵强，郑立群，夏庆，等.共摊成本分配决策的公理化研究[J].

控制与决策，2002，17（S1）:735-738.[5]

Misiolek W.，Elder H.Exclusionary manipulation of markets for pollution rights[J].Journal of Environmental Economics and Management ，1989，16（2）:156-166.[6]Stavins R.Transactions costs and tradable permits[J].Journal of Environmental Management and Policy ，1995，29:133-148.[7]

Billette de Villemeur E.，Leroux J.Sharing the cost of global

warming[J].The Scandinavian Journal of Economics ，2011，113

（4）:758-783.[8]

Tungodden B.Responsibility and redistribution:the case of

first-best taxation[J].Social Choice and Welfare ，2005，24:33-44.

[9]

Frommand O.，Hansjurgens B.Emission trading in theory and

practice:an analysis of reclaim in Southern California[J].Environment and Planning C:Government and Policy ，1996，14:367-384.

[10]Sijm J.M ，M.M.Berk ，M.G.J.den Elzen ，et al.Options for

Post-2012EU Burden Sharing and EU ETS Allocation[EB/OL].http://www.rivm.nl/bibliotheek/rapporten/500102009.pdf ，2012-03-14.

[11]吴静，马晓哲，王铮.我国省市自治区碳排放权配额研究[J].第

四纪研究，2010，30（3）:481-488.

[12]Scheel H.Undesirable outputs in ef?ciency evaluations[J].Europe

Journal of Operational Research ，2001，132:400-410.

[13]Rheinhard S.，Lovell C.A.K.，Thijssen G.Econometric estimation

of technical and environmental ef ?ciency:An application to Dutch dairy farms[J].American Journal of Agricultural Econo-mics ，1999，81:44-60.

[14]Ali A.I.，Seiford L.M.Translation invariance in data envelopment analysis[J].Operation Research Letter ，1990，9（6）:403-405.

[15]Dyckhoff H.，Allen K.Measuring ecological ef?ciency with data

envelopment analysis （DEA ）[J].Europe Journal of Operational

Research ，2001，132:312-325.

[16]Zofio J.L.，Prieto A.M.Environmental efficiency and regulatory

standards:the case of CO 2emissions from OECD industries[J].Resource and Energy Economics ，2001，23（1）:63-83.[17]

Lozano S.，Gutiérrez E.Non-parametric frontier approach to

modelling the relationships among population ，GDP ，energy consumption and CO 2emissions[J].Ecological Economics ，2008，66（4）:687-699.

[18]李涛，傅强.中国省际碳排放效率研究[J].统计研究，2011，28

（7）:62-71.

[19]郑佩娜，陈海波，陈新庚，等.基于DEA 模型的区域削减指标分

配研究[J].环境工程学报，2007，1（11）:133-139.

[20]Lins M.P.E.，Gomes E.G.Olympic ranking based on a zero-sum

gains DEA model[J].European Journal of Operational Research ，

2003，148:312-322.

[21]Gomes E.G.，Lins M.P.E.Modelling undesirable outputs with zero

sum gains data envelopment analysis models[J].Journal of the Operational Research Society ，2008，59:616-623.

[22]林坦，宁俊飞.基于零和DEA 模型的欧盟国家碳排放权分配效

率研究[J].数量经济技术经济研究，2011，28（3）:36-50.

2095

第34卷第11期资源科学 Sharing the Carbon Emission Reduction Responsibility across

Chinese Provinces:A Zero Sum Gains DEA Model

ZHENG Liqun

（College of Management &Economics ，Tianjin University ，Tianjin 300072,China ）

Abstract:In order to achieve carbon emission reduction targets in China ，a scheme of sharing carbon emission reduction responsibility between Chinese provinces is needed.According to the ‘common but differentiated ’rule ，the distribution of carbon emission reduction responsibility is analyzed economically as a common cost sharing problem and relates to fairness and efficiency.Here ，we paid close attention on the efficiency of distribution.Data envelopment analysis （DEA ）models have been widely used to estimate the performance of similar DMUs .Moreover ，some alternative models have been proposed in the presence of undesirable outputs such as carbon emissions ，the increase of which implies a reduction in performance.But these models are not suitable for the reallocation of carbon emissions because the total sum is constant.It has been proposed that the zero sum gains （ZSG ）DEA model is a good choice to solve this sum-constant reallocation problem ，and here we applied the ZSG-DEA model to sharing the carbon emission reduction responsibility between provinces.Carbon emission was modeled as the input and population ，energy consumption and GDP were considered outputs.In order to contrast with the ZSG-DEA model ，BCC ef ?ciency scores of 30Chinese provinces were computed.The results showed that only nine provinces could reach the DEA BCC frontier ，and 13provinces ’efficiency scores were lower than 0.8.It is necessary to reallocate the carbon emission quotas of provinces so as to make all DMUs efficient.The ZSG-DEA sharing model of carbon emission reduction responsibility has been established ，and the responsibilities of 30Chinese provinces were redistributed in the light of objectives for China in 2015.After twice iterative computations ，the adjusted carbon emission quotas of 30Chinese provinces ，which reached the uniform DEA BCC frontier ，were obtained.After reallocation ，all provinces were 100%ef ?cient ，but not all of them were Pareto efficient ，since the slack values of these provinces were not zero.Our reallocation plan is far from the ultimate one ，since it was only based on efficiency analysis ，and has not taken fairness into account.According to these results ，some western provinces such as Ningxia and Gansu have to reduce large amounts of carbon emissions that not only exceed their ability but are also unfair.

Key words:Carbon emissions;Common cost sharing;Fairness;Efficiency;Zero sum gains （ZSG ）DEA model

2096

本文来源：https://www.bwwdw.com/article/o764.html