王彤 劉丙泉

摘要：文章將統(tǒng)一技術(shù)前沿的序列DEA與BP神經(jīng)網(wǎng)絡(luò)結(jié)合構(gòu)建中國省域低碳經(jīng)濟發(fā)展的分層-分類-預(yù)測三階段模型，實現(xiàn)對低碳經(jīng)濟績效的評價，并以此為基礎(chǔ)規(guī)劃低碳經(jīng)濟效率的動態(tài)發(fā)展路徑，以實現(xiàn)逐步改進。結(jié)果表明：不同省份由于經(jīng)濟發(fā)展、資源稟賦等的差異，低碳經(jīng)濟效率改進能力參差不齊，根據(jù)各省低碳經(jīng)濟能力設(shè)定增量改進目標(biāo)促使其完成逐步改進更易實現(xiàn)，尤其是目前效率水平較低的省份;為各個省級區(qū)域規(guī)劃有效量化路徑以實現(xiàn)《“十三五”規(guī)劃》提出的GDP碳強度目標(biāo)并針對各個層級分別提出合理化建議。

Abstract： This paper combines the sequential DEA oriented to the unified technology frontierand and BP neural network to construct a three-stage model of stratification-classification-prediction for the development of low-carbon economy in China. We evaluate the performance of low-carbon economy， and on this basis， plan the dynamic development path of it to achieve stepwise improvement. The results indicate that， because of the variety of economic development and resource endowment in different provinces， their improvement capabilities are uneven. According to respective capability of each province， the incremental improvement targets for stepwise improvement will be more achievable， especially provinces in the lower tier of efficiency which have extraordinary potential for improvement. The results are applied to plan the effective and quantitative path for provincial regions to achieve the target of carbon emissions per GDP proposed in the 13th Five-Year Plan and put forward the rationalization proposals for each level.

關(guān)鍵詞：序列DEA;BP神經(jīng)網(wǎng)絡(luò);低碳經(jīng)濟;增量改進

Key words： sequential DEA;BP neural network;low-carbon economy;incremental improvements

中圖分類號：F205;F062.2;F223.0? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2019）18-0011-03

0? 引言

節(jié)能減排是21世紀(jì)以來全球的能源主題。中國作為世界上碳排放量最大的國家，在未來發(fā)展中將面臨保證經(jīng)濟發(fā)展質(zhì)量與速度的同時控制碳排放的壓力與挑戰(zhàn)。為此，評估各省的低碳經(jīng)濟工作績效和未來的低碳經(jīng)濟發(fā)展?jié)摿Γ瑢で缶G色高效的經(jīng)濟增長路徑，對于我國實現(xiàn)低碳經(jīng)濟轉(zhuǎn)型與可持續(xù)發(fā)展具有重要的理論價值與實踐意義。

目前，已有諸多學(xué)者對低碳經(jīng)濟績效評價與發(fā)展路徑進行了持續(xù)關(guān)注和深入研究。將碳排放量作為非期望產(chǎn)出或投入要素，利用SBM、RAM等DEA模型探討區(qū)域低碳經(jīng)濟效率的時序演變規(guī)律和作用機制，成為目前研究的焦點。Meng等運用 RAM-DEA 模型實現(xiàn)中國2001-2014年省域低碳經(jīng)濟綜合效益評價與績效影響因素探討，并為中國東部、中部與西部地區(qū)分別提出了相關(guān)政策建議[1]。Zha等 以2011到2013年湖北省17個城市為樣本，運用SBM-非期望模型測算旅游業(yè)的低碳經(jīng)濟效率，并建議效率較低的城市以位于技術(shù)前沿面上的城市為基準(zhǔn)，縮減投入和產(chǎn)出的松弛變量以實現(xiàn)技術(shù)效率的提高[2]。此外，Xie[3]，Li & Sun[4]，Martina[5]等人從政策角度對低碳經(jīng)濟演化路徑進行探究。

盡管目前的研究已經(jīng)取得一定的成果，但是仍存在如下三方面問題。第一，目前對低碳經(jīng)濟發(fā)展路徑的研究大都局限于政策發(fā)展方向，并沒有提出明確的、具體的定量解決方案，雖然DEA模型可通過投影調(diào)整低效決策單元的輸入和輸出變量，以達到有效前沿面的最佳性能水平，但在現(xiàn)實情況下可能無法實現(xiàn)。由于不同地區(qū)的資源稟賦、經(jīng)濟發(fā)展等的差異，改進力度有所不同，因此一些地區(qū)可能選擇次優(yōu)效率。第二，對于低碳經(jīng)濟效率的評價大都基于靜態(tài)視角。低碳經(jīng)濟效率大都面向?qū)嶋H包絡(luò)面，在此種情形下，出現(xiàn)的諸多效率為1的DMU低碳經(jīng)濟效率依然有差別。常用來識別該差別的超效率DEA方法每次優(yōu)化均需將待評估DMU排除在參考單元外，致使最終的評估結(jié)果基于不同包絡(luò)面得出，因此可比性較差。第三，DEA模型主要基于以往區(qū)域發(fā)展過程中相關(guān)投入產(chǎn)出狀況進行分析，缺乏對未來發(fā)展的預(yù)測機制。

基于上述考慮，本文以環(huán)境生產(chǎn)技術(shù)為基礎(chǔ)，構(gòu)建虛擬包絡(luò)面，建立序列DEA - BP神經(jīng)網(wǎng)絡(luò)模型。該模型面向統(tǒng)一技術(shù)前沿，動態(tài)考察我國28 個省市低碳經(jīng)濟效率水平，進行效率分層，并以此為基礎(chǔ)，針對每個省份通過預(yù)測提出地區(qū)生產(chǎn)總值與碳減排的增量改進目標(biāo)以實現(xiàn)逐步改進，對我國積極降低碳排放與促進經(jīng)濟高速優(yōu)質(zhì)增長具有重要意義。

1? 研究方法

圖1對本研究提出的分層-分類-預(yù)測三階段順序處理模型進行了概括性說明，模型的詳細(xì)說明如下：

①DEA分層。在本研究中，DEA執(zhí)行核心預(yù)處理任務(wù)，對DMU進行迭代分層。每次分層識別出的有效決策單元都將從后續(xù)迭代過程中排除，因而形成效率層級（ET）的集群，并在每個分層過程中對低效DMU的產(chǎn)出進行投影以達到有效前沿面，從而產(chǎn)生虛擬DMU。在本研究中，考慮后續(xù)BPNN模型的適當(dāng)樣本量，在形成5個效率層級后DEA分層停止。每個效率層級中輸入和輸出組的單調(diào)遞增屬性將為穩(wěn)健的BPNN模型提供基礎(chǔ)。

②BPNN分類。在第二階段，BPNN分類模型學(xué)習(xí)并識別不同效率層級的單調(diào)函數(shù)，將DMU分類為不同的效率層級。在分層過程之后，BPNN模型將每個DMU的投入和產(chǎn)出作為訓(xùn)練輸入，將DMU所屬效率層級作為訓(xùn)練輸出， 為后續(xù)的增量輸出預(yù)測提供基礎(chǔ)，即

③BPNN預(yù)測。在第三階段，訓(xùn)練BPNN預(yù)測模塊學(xué)習(xí)每個效率層級的生產(chǎn)函數(shù)，即

在（2）式中，ETk為目標(biāo)層級，Ik是所有DMU的實際投入向量，Ok是預(yù)測的產(chǎn)出向量。通過這種方式，BPNN預(yù)測模塊學(xué)習(xí)4個效率層級的生產(chǎn)函數(shù)，并預(yù)測每個DMU在不同目標(biāo)層級的潛在產(chǎn)出，以支持效率水平的逐步改進。

但是在使用DEA模型進行效率評價時，眾多學(xué)者大都基于靜態(tài)評價的視角，應(yīng)用當(dāng)期 DEA 對DMU當(dāng)期的效率進行評估，得到的效率值無法跨越任意時間維度進行縱向比較，只能在同期進行橫向比較。此外，低碳經(jīng)濟效率大都面向?qū)嶋H包絡(luò)面，在此種情形下，出現(xiàn)的諸多效率為1的DMU低碳經(jīng)濟效率依然有差別。因此，為建立更優(yōu)的綜合模型，本研究以環(huán)境生產(chǎn)技術(shù)為基礎(chǔ)[6][7]，構(gòu)建虛擬包絡(luò)面將各期DMU統(tǒng)一納入到同一參考單元集，以區(qū)分諸多效率為1的DMU的相對有效性[8]。

2? 實證研究

2.1 數(shù)據(jù)來源與說明

本研究以2012-2017 年我國 28 個省級區(qū)域的投入產(chǎn)出數(shù)據(jù)作為樣本（香港、澳門等區(qū)域因數(shù)據(jù)缺失過多而不包括在內(nèi)）。假設(shè)生產(chǎn)過程的投入要素為資本、勞動力和能源，獲得單一期望產(chǎn)出地區(qū)生產(chǎn)總值，同時產(chǎn)生非期望產(chǎn)出二氧化碳排放量。所有數(shù)據(jù)都來源于歷年《中國統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》或經(jīng)整理而得。

2.2 DEA分層

使用Matlab R2018b，對2012-2016年的所有省份進行面向統(tǒng)一技術(shù)前沿的低碳經(jīng)濟效率評價，綜合各省五年低碳經(jīng)濟效率的分層結(jié)果，得出28個省份對應(yīng)的效率層級。由于位于第一層級的是28個虛擬決策單元，因此28個省份對應(yīng)的效率層級如表1。

從表1反映的統(tǒng)一技術(shù)前沿下我國省際低碳經(jīng)濟效率來看，在區(qū)域?qū)用嫔?，南方沿海地區(qū)低碳經(jīng)濟效率總體較高，并且我國低碳經(jīng)濟效率基本上符合“東部高、西部低、中部居中”的一般規(guī)律;從各省市層面上，上海、北京、天津、廣東在考察期內(nèi)始終處于低碳經(jīng)濟效率最優(yōu)的層級，而位于低碳經(jīng)濟效率第五層級的十個省份大多資源稟賦較高，往往專注于眼前的資源紅利，而忽視了區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的升級改造，容易產(chǎn)生“擠出效應(yīng)”，使得低端產(chǎn)業(yè)得到發(fā)展，這不但阻礙了低碳經(jīng)濟效率的提高，而且使這些省份出現(xiàn)“資源詛咒”的現(xiàn)象。這說明在當(dāng)前經(jīng)濟增長規(guī)模下，目前處于低碳經(jīng)濟效率相對較低層級的省份尤其是西部地區(qū)具有巨大的改進潛力。

2.3 BPNN分類

BPNN分類模塊的數(shù)據(jù)集包含了4個效率層級（從ET1到ET4）的共計666個DMU。經(jīng)過初步的分析與嘗試，BPNN分類模塊參數(shù)選擇總結(jié)如表2。

使用matlab R2018b進行程序編寫，得到如圖2所示的分類結(jié)果圖。

BPNN分類模塊在所有效率層級共計666個DMU中的平均分類準(zhǔn)確率為96%。如圖2所示，幾乎所有的DMU都被分類到相應(yīng)的效率層級，結(jié)果表明BPNN分類模塊沒有陷入“過擬合”而具有很好的泛化能力。通過分類模塊，可以在制定可實現(xiàn)的目標(biāo)產(chǎn)出之前對省際低碳效率所處的層級有良好的定位，為后續(xù)預(yù)測模塊提供基礎(chǔ)。

2.4 BPNN預(yù)測

此模塊的目的是預(yù)測所有DMU在目標(biāo)低碳經(jīng)濟效率層級的產(chǎn)出，與分類模塊不同，預(yù)測模塊的網(wǎng)絡(luò)結(jié)構(gòu)為4-10-2，訓(xùn)練函數(shù)選擇trainlm以保證其良好的性能，其訓(xùn)練結(jié)果如表3。

預(yù)測模塊中的三個評估參數(shù)可評價BPNN預(yù)測的有效性，即BPNN預(yù)測模塊具有良好的性能而沒有陷入“過擬合”。因此，預(yù)測模塊可預(yù)測2017年省際地區(qū)生產(chǎn)總值與碳減排的增量改進的目標(biāo)產(chǎn)出。

需要引起注意的是，目前所處低碳經(jīng)濟效率層級較低的省份有更大的發(fā)展?jié)摿?，尤其是目前處于第五層級?0個“減排大省”。本文根據(jù)BPNN預(yù)測模塊產(chǎn)生的增量改進目標(biāo)計算目前處于低碳經(jīng)濟效率第五層級的10個省份通過層級改進將會對全國GDP碳強度產(chǎn)生的影響?！丁笆濉币?guī)劃》提出到2020年，全國GDP碳強度要比2015年下降18%。而本研究通過計算驗證若處于目前低碳經(jīng)濟效率層級前四的省份將效率提升一個層級，處于最低層級第五層級的省份將效率提升兩個層級，全國GDP碳強度將是29.6%，比2015年下降18.8%，即可很好地完成《“十三五”規(guī)劃》的GDP碳強度目標(biāo)。

3? 結(jié)論與啟示

本文以環(huán)境生產(chǎn)技術(shù)為基礎(chǔ)，構(gòu)建虛擬包絡(luò)面，建立序列DEA - BP神經(jīng)網(wǎng)絡(luò)模型。該模型面向統(tǒng)一技術(shù)前沿，動態(tài)考察2012-2016年我國28個省份低碳經(jīng)濟效率情況，進行效率分層，并以此為基礎(chǔ)，針對每個省份提出地區(qū)生產(chǎn)總值與碳減排的增量改進目標(biāo)以實現(xiàn)逐步改進。本研究通過數(shù)據(jù)分析得出若目前處于低碳經(jīng)濟效率最低層級的10個省份將效率提升2個層級，其余省份提升1個層級，即可達到《“十三五”規(guī)劃》提出的GDP碳強度目標(biāo)。

上述研究結(jié)論的政策意義在于：所有省份皆可根據(jù)本研究提出的充分考慮自身改進能力的增量改進目標(biāo)更好更快地提升低碳經(jīng)濟效率。制定低碳經(jīng)濟政策時，應(yīng)優(yōu)先考慮各省份的目標(biāo)實現(xiàn)能力，而不是一刀切。對于目前處于低碳經(jīng)濟效率最高層級的四個省份，雖然其效率較高，但仍有提升空間;對于處于第三層級的7個省份與第四層級的7個省份，應(yīng)以第二層級或者第一層級為發(fā)展方向，充分借鑒其經(jīng)驗和教訓(xùn)，進一步提高低碳經(jīng)濟效率;而對于本研究中位于低碳經(jīng)濟效率最低層級尤其是西部地區(qū)的省份，應(yīng)充分利用后發(fā)優(yōu)勢，沿著本研究提出的動態(tài)發(fā)展路徑加快提升效率。根據(jù)各省份的低碳經(jīng)濟能力，制定漸進式改進目標(biāo)以實現(xiàn)逐步改進是實現(xiàn)經(jīng)濟優(yōu)質(zhì)高速增長的可行措施，對我國實現(xiàn)低碳經(jīng)濟轉(zhuǎn)型具有重要意義。

參考文獻：

[1]Meng M， Fu Y N， Wang L X. Low-carbon economy efficiency analysis of China's provinces based on a range-adjusted measure and data envelopment analysis model[J]. Journal of Cleaner Production， 2018（199）：643-650.

[2]Zha J P， He L M， Liu Y， Shao Y H. Evaluation on development efficiency of low-carbon tourism economy： A case study of Hubei Province， China[J]. Socio-Economic Planning Sciences， in press.

[3]Xie H. Legal Regulation of Low-Carbon Economy. IERI Procedia， 2014（8）：170-175.

[4]Li J L， Sun C W. Towards a low carbon economy by removing fossil fuel subsidies[J]. China Economic Review， 2018（50）：17-33.

[5]Martina K L， Han J L， Pan Z Y， Smith T. How markets will drive the transition to a low carbon economy[J]. Economic Modelling，in press.

[6]Faere R， Grosskopf S， Lovell C A K， Pasurka C. Multilateral Productivity Comparisons When Some Outputs Are Undesirable： A Non parametric Approach[J]. The Review of Economics and Statistics， 1989， 71（1）：90-98.

[7]Zhou P， Ang B W. Decomposition of Aggregate CO2 Emissions： A Production-Theoretical Approach[J]. Energy Economics， 2008， 30（3）：1054-1067.

[8]劉丙泉，尚夢芳，馬占新. 碳排放效率、發(fā)展成本與碳減排成本研究——基于虛擬包絡(luò)面的統(tǒng)一技術(shù)前沿[J].華東經(jīng)濟管理，2015，29（12）：88-94.