一、引言

目前，中国经济新常态下发展面临两大趋势：一是中国经济总体上步入后工业化时代，服务经济逐渐占据主导地位(陈佳贵等，2012；程大中，2008)，2016年服务业产值占国内生产总值的比重达到51.6% ^①；二是减少温室气体排放成为各国共识，资源环境因素逐渐变成制约中国经济发展的刚性约束。立足这两大趋势，本文研究环境约束下中国服务业的绿色发展问题具有重要现实意义。中国服务业发展模式是否“绿色”？服务业减排成本如何？兼顾节能减排的绿色发展路径怎样设计？服务业细分行业的均衡路径是否存在显著差异？类似问题仍悬而未决。习近平总书记2015年在气候变化巴黎大会上指出“中国把应对气候变化融入国家经济社会发展中长期规划，坚持减缓和适应气候变化并重，通过法律、行政、技术、市场等多种手段，全力推进各项工作。” ^①这里习总书记强调了四种手段，本文从经济学角度，将“法律”和“行政”手段视为外生因素，在给定技术水平和排放总量的条件下，尝试通过“市场”手段来实现服务业绿色发展，进而为中国生态文明体制改革和建设美丽中国建言献策。

① 数据来自《中国统计年鉴》(2017)。

① 参见习近平总书记2015年11月30日在气候变化巴黎大会开幕式上的讲话——《携手构建合作共赢、公平合理的气候变化治理机制》(http://www.sohu.com/a/45494977_114731)。

尽管服务业碳排放占所有产业总排放的比重较低，但是该比重呈上升趋势，从2013年的15.55%逐年上升至2016年的18.51%，截止2016年服务业碳排放已超过工业碳排放的20% ^②。可以说，节能减排已不仅是工业部门的重任，服务业也责无旁贷，然而学术界对此缺乏足够的重视。一方面，众多学者认为碳排放源自能耗，能耗主要发生于工业部门，因此忽视服务业的能耗和碳排放问题，然而《中国统计年鉴》公布的数据显示2015年服务业能耗已接近工业能耗的25%，其重要性不言而喻。另一方面，因行业异质性的存在，在节能减排问题上服务业和工业可比性不足，因此学者关注工业减排的较多而关注服务业减排的较少。本文认为，服务业是中国能耗和碳排放的重要贡献部门，有必要深入研究其节能减排的路径问题；同时从服务业细分行业角度，碳排放具有一定程度的可比性，尤其是在考察排放效率和排放权交易模式时。除以上学理意义外，在经济实践中稳增长还是保环境常常面临两难选择，如何走出一条绿色高效的发展路径，以实现经济增长和节能减排的并行不悖，是中国各级政府面临的亟待破解的难题(王兵、杜敏哲，2015)。为了解决该难题，2017年碳排放权交易市场在中国全面开启。那么，如何设计碳排放权交易市场才能最大程度地实现经济和环境的“双赢”？哪些服务业细分行业更应该承担减排任务？本文将对此类问题进行深入探讨，从而找到适合中国国情的服务业减排路径和排放权交易模式。

② 数据由作者根据《IPCC国家温室气体清单指南》给出的方法测算得到。

后文第二部分进行文献综述，第三部分提出实证研究方法，第四部分介绍数据处理过程和参数估计结果，第五部分评估服务业绿色效率与绿色发展的机会成本，第六部分讨论服务业绿色发展的均衡路径，最后为研究结论。

二、文献综述

通过对已有研究成果的梳理，本文将相关文献归纳为两类：一是关于服务业生产效率和环境友好程度评价的研究，二是关于减排成本估算和排放权配置的研究。

单纯评估服务业生产效率或者全要素生产率(TFP)的文献资料非常丰富(如Buera and Kaboski, 2012；Verma，2012；程大中，2004)，但在评估过程中注重对环境因素的考量是近几年才有的选题。Hume and Gallagher(2010)考察了承担起环境保护责任的服务业企业的投资回报率，发现该类企业具有更高的回报率，表明投资者对环境友好型服务业企业估值较高。王恕立、胡宗彪(2012)，王恕立等(2015)研究认为，尽管目前服务业效率处于上升区间，但与工业相比仍然存在滞后，同时他们也指出忽视环境污染因素会高估服务业发展状况。庞瑞芝、邓忠奇(2014)，庞瑞芝、王亮(2016)分别运用方向向量内生化的方向性距离函数(DDF)以及Bootstrap方法修正的数据包络分析(DEA)模型测算了服务业效率，构建了涵盖能源消耗、环境污染和经济增长的综合分析框架，其研究发现煤炭类能源投入加重了服务业污染程度，而城市化、政府规制、劳动力质量提升以及经济发展等因素会推进(或者倒逼)服务业绿色发展。与王恕立、胡宗彪(2012)，王恕立等(2015)的研究结论一样，庞瑞芝、邓忠奇(2014)，庞瑞芝、王亮(2016)也认为不考虑环境因素将严重影响服务业效率评价。正因为如此，“鲍莫尔-福克斯假说”需要从环境层面重新审视^①，这正是本文所做主要工作之一。

① 不考虑能源环境因素时，服务业全要素生产率(尤其是劳动生产率)低于工业，表明中国转向服务经济可能拉低中国整体经济增长率(程大中，2008)；考虑能源环境因素后，服务业全要素生产率高于工业，因为工业的能耗和污染程度远大于服务业(庞瑞芝和邓忠奇，2014)。因此，是否考虑环境因素对于服务业效率评价至关重要，而传统“鲍默尔-福克斯假说”单纯对劳动生产率进行分析和比较，这已经不能适应当今的研究需要。

关于减排成本，目前较流行的研究方法是估计排放的影子价格。影子价格不同于市场交易价格，主要由技术水平和投入要素结构决定，反映的是一种内在的真实价值，不受市场供求关系影响。关于影子价格的测算方法，Färe et al.(1993)最早使用对偶理论以及距离函数来测算合意产出(Desirable)和非合意产出(Undesirable)的影子价格，这种静态方法不需要任何有关价格的初始信息，所计算的影子价格体现了合意与非合意产出之间“相互牵制”的特性。此后，Färe et al.(2005)运用方向性距离函数估计了SO₂的减排成本。从经济理论看，为了实现国家或行业整体的减排成本最小，各生产主体减排的边际成本应当趋同，否则减排边际成本较低的企业(或行业)应该承担更多的减排任务，当然这里是有偿承担。因此，可以通过研究减排边际成本(排放影子价格)的“趋同”程度来分析减排路径问题(Badau et al., 2016)。此外，也有学者基于效率最大化原则直接研究排放权配置问题，例如Pang et al.(2015)、Chiu et al.(2013)以及Ferng(2003)的研究；或者从减排责任的角度研究排放权配置(如Bastianoni et al., 2004)，从一般均衡的角度评价不同的排放权配置方案(如Edwards and Hutton, 2001；Baer et al., 2000；吴兴弈等，2014)。

与已有研究相比，本文具有三点拓展：第一，大部分学者集中研究工业行业或工业企业的污染现状以及相应的影子价格(谢里、张斐，2017)，或者研究中国整体的绿色发展问题(邓忠奇、徐佳宾，2015；王立新、刘松柏，2017；赵细康等，2018)，缺乏对行业异质性的讨论，而本文率先对服务业细分行业的减排成本进行系统研究，这对于中国向服务经济转型具有重要现实意义。第二，本文提出一种服务业二氧化碳排放权交易模型，模拟了排放权交易后的均衡结果，这为中国正在试点的碳排放权交易市场提供了操作指南。第三，本文将排放权交易机制引入服务业生产活动，通过排放权交易市场的均衡推出服务业生产市场的均衡，从而得到服务业节能减排和经济增长的“双赢”路径。具体地，本文主要考察2004-2012年中国服务业14个细分行业的绿色效率和二氧化碳影子价格，从而回答服务业减排成本的问题；本文分析服务业排放权交易模式，模拟交易后的经济效益和减排效益，从而探寻服务业绿色发展路径。

三、研究方法：减排成本最小化的均衡价格 (一) 方向性距离函数的实证模型

方向性距离函数(DDF)本身是一种经典的非参数方法(庞瑞芝、邓忠奇，2014)，但本文利用DDF来构造参数模型，在这方面Badau et al.(2016)进行了有益尝试。DDF建立在生产可行域P(x)的基础上，通过线性规划方法将生产技术函数化。Färe et al.(2005)对生产可行域P(x)进行了系统性研究，本文据此给出DDF的基本定义式：

$ {{\vec D}_o}(x,y,b;{g_y}, - {g_b}) = {\rm{max}}\left\{ {\beta :(y + \beta {g_y},b - \beta {g_b}) \in P\left( x \right)} \right\} $

其中，方向性距离函数值$\vec D$(或β^*)度量无效率程度，投入要素为x= (x₁, …, x_N ∈R_N⁺) (本文投入要素包括劳动力、资本和能源消耗，分别记为l、k和e)，合意产出为y=(y₁, …, y_M) ∈R_M⁺ (本文合意产出为产业增加值)，非合意产出为b= b₁, …, b_B ∈R_B⁺(本文非合意产出为二氧化碳排放量，记为co)。(g_y, -g_b)为方向向量。

在生产经济学中，一般要求生产可行域P(x)满足四个条件：投入强可抛(Strongly Disposable Inputs)、合意产出强可抛(Strongly Disposable Outputs)、产出联合弱可抛(Outputs Are Together Weakly Disposable)以及合意产出和非合意产出零结合(Null-Jointness)。具体地，本文要求方向性距离函数满足以下六条性质：(1)非负性；(2)关于合意产出的单调递减性；(3)关于非合意产出的单调递增性；(4)产出联合弱可抛；(5)方向性距离函数是关于y和b的凹函数；(6)转换不变性，即${\vec D_o}$(x, y+Ωg_y, b-Ωg_b; g_y, -g_b)=${\vec D_o}$(x, y, b; g_y, -g_b)-Ω。

本文设定二次函数形式的方向性距离函数实证模型，因此将传统非参数DDF转化为参数形式，并且选用经典的(gy, -gb)= (1, -1)方向(参见Färe et al., 2006)，那么获得如下形式的DDF：

$ \begin{array}{l} {{\vec D}_i}({x_i},{y_i},{b_i};1, - 1) = {\alpha _0} + \sum\limits_{j = 1}^3 {{\alpha _j}{x_{ij}}} + \\ {\beta _1}{y_i} + {\gamma _1}{b_i} + \frac{1}{2}\sum\limits_{j\prime = 1}^3 {\sum\limits_{j = 1}^3 {{\alpha _{j\prime j}}{x_{ij\prime }}{x_{ij}}} } + \frac{1}{2}{\beta _2}{y_i}^2 + \\ \frac{1}{2}{\gamma _2}{b_i}^2 + \sum\limits_{j = 1}^3 {{v_j}{x_{ij}}{y_i}} + \sum\limits_{j = 1}^3 {{\delta _j}{x_{ij}}{b_i}} + \xi {y_i}{b_i} \end{array} $

其中，系数需满足相应的线性约束条件：γ₁-β₁=1；γ₂=β₂=ξ；δ_j=v_j，j=1, 2, 3；α_jj'=α_j′j, jj′=1, 2, 3。以上方向性距离函数的参数(α_j、α_jj′α_jj′、β_j、v_j、γ_j、δ_j和ξ)可以通过两种方法进行估计，即计量经济法和确定性前沿法。后文将同时使用这两种方法对系数展开估计，以此进行稳健性检验。

第一，计量经济法。计量经济方法主要利用方向性距离函数的第6条性质——转换不变性，转换后的估计方程如下：

$ \begin{array}{l} - c{o_{it}} = {\alpha _0} + {\alpha _1}{l_{it}} + {\alpha _2}{k_{it}} + {\alpha _3}{e_{it}} + {\beta _1}({y_{it}} + c{o_{it}})\\ \;\;\;\;\;\;\;\;\; + {\rm{ }}\frac{1}{2}{\alpha _{11}}{l_{it}}^2 + \frac{1}{2}{\alpha _{22}}{k_{it}}^2 + \frac{1}{2}{\alpha _{33}}{e_{it}}^2 + {\alpha _{12}}{l_{it}}{k_{it}} + {\alpha _{13}}{l_{it}}{e_{it}}\\ \;\;\;\;\;\;\;\;\; + {\alpha _{23}}{k_{it}}{e_{it}} + \frac{1}{2}{\beta _2}{({y_{it}} + c{o_{it}})^2} + {v_1}l({y_{it}} + c{o_{it}})\\ \;\;\;\;\;\;\;\;\; + {v_2}k({y_{it}} + c{o_{it}}) + {v_3}e({y_{it}} + c{o_{it}}) + {\upsilon _{it}} - {u_{it}} \end{array} $

其中，ν_it为经典的随机扰动项，u_it为${\vec D_i}$(x_it, y_it, b_it; 1, -1)，即无效率程度。上式的得出也用到了合意产出和非合意产出的零结合性质。具体地，上式可以采用随机前沿分析法(SFA)(Färe et al., 2012)或者修正最小二乘法(COLS)(Marklund and Samakovlis, 2007)进行估计，后文表 2将同时给出这两种方法的估计结果。

第二，确定性前沿法。确定性前沿法主要通过方向性距离函数的六条性质构建线性规划(LP)，从而求解系数。具体的线性规划如下：

$ \begin{array}{l} {\rm{min}}\sum\nolimits_{{\rm{i}} = 1}^{\rm{I}} {\left[ {{{{\rm{\vec D}}}_{\rm{i}}}\left( {{{\rm{x}}_{\rm{i}}}{\rm{,}}{{\rm{y}}_{\rm{i}}}{\rm{,}}{{\rm{b}}_{\rm{i}}};1, - 1} \right) - 0} \right]} \\ s.t{\rm{.}}\;\;\;\;\left( 1 \right){{\vec D}_i}({x_i},{y_i},{b_i};1, - 1) \ge 0,\;\;\;i = 1,...I;\\ {\rm{ }}\;\;\;\;\;\;\;\;\;\left( 2 \right){{\vec D}_i}({x_i},{y_i},0;1, - 1) < 0,\;\;\;i = 1,...I;{\rm{ }}\\ \;\;\;\;\;\;\;\;\;\;\left( 3 \right)\partial {{\vec D}_i}({x_i},{y_i},{b_i};1, - 1)/\partial \;\;\;{b_i} \ge 0,\;\;\;i = 1,...I;{\rm{ }}\\ \;\;\;\;\;\;\;\;\;\;\left( 4 \right)\partial {{\vec D}_i}({x_i},{y_i},{b_i};1, - 1)/\partial \;\;{y_i} \le 0,\;\;\;i = 1,...I;{\rm{ }}\\ \;\;\;\;\;\;\;\;\;\;\left( 5 \right){\gamma _1} - {\beta _1} = 1,\;\;\;{\gamma _2} = {\beta _2} = \xi ,\;\;{\delta _n} = {v_n},\;\;{\alpha _{nn\prime }} = {\alpha _{n\prime n}},n,\;\;n\prime = 1,2,3 \end{array} $

以上线性规划的目标函数表示尽可能地使生产决策单元达到有效状态(即${\vec D_o}$=0)。约束条件(1)表示所有决策单元都位于生产可行域内；约束条件(2)与前述DDF的零结合(Null-Jointness)性质相对应；约束条件(3)和约束条件(4)要求估计结果符合单调性，对应DDF六条性质中的第2条和第3条；约束条件(5)对应方向性距离函数的系数约束。与计量经济法相比，确定性前沿法更加符合DDF的几条性质，但由于是线性规划，不便于对参数估计值进行显著性检验。

(二) 排放权交易模型

本文认为经济生产与交换的目标是实现总产出最大化，前提条件是交易后的结果仍然可行(满足方向性距离函数的非负性)，即${\vec D_i}$≥0或者(y_i, b_i)∈P(x_i)。因此，本文设计如下排放权交易模型：

$ {\rm{max}}\sum\nolimits_i^I {{y_i}} \;{\rm{s}}{\rm{.t}}.\;\;{{\vec D}_i}({l_i},{k_i},{e_i},{y_i},{b_i};1, - 1) \ge 0\;\;i = 1,2,3...I;\;\;\sum\nolimits_i^I {{b_i}} \le {b^T} $

约束条件$\sum\nolimits_i^I {{b_i}} \le {b^T}$表示污染物排放之和小于规定的标准(b^T)。上述模型中，方向性距离函数的系数由“计量经济法”或“确定性前沿法”提前估计得到，投入产出均为已知量，因此通过排放权交易模型可以得到优化的(y^*, b^*)。需要注意的是，该问题属于非线性规划，有解的必要条件是β₂≤0(也即γ₂≤0, 因为γ₂=β₂)，同时β₂≤0也是方向性距离函数第5条性质(凹性)的必要条件。

(三) 影子价格与均衡价格

本文影子价格指的是减少一单位二氧化碳排放所对应的合意产出的减少，衡量的是减少碳排放的机会成本。从技术角度看，影子价格可以通过方向性距离函数、收入函数以及包络定理推出，详见邓忠奇、徐佳宾(2015)的研究。设p_y、p_b分别表示好产出和坏产出的价格，则由隐函数求导法则可知减排的影子价格为：

$ {p_b} = - {p_y}\frac{{{\gamma _1} + {\gamma _2}co + {\delta _1}l + {\delta _2}k + {\delta _3}e + \xi y}}{{{\beta _1} + {\beta _2}y + {\nu _1}l + {\nu _2}k + {\nu _3}e + \xi co}} $

根据前文给出的排放权交易模型，将经过市场交易后所得的产出组合(y^*, b^*)以及投入要素集(l, k, e)代入上述影子价格计算公式，可得“均衡影子价格”，本文称之为均衡价格，理论上该均衡价格在各细分行业趋于一致。

四、数据处理与参数估计结果 (一) 指标选取与数据处理

本文用到2004-2012年中国服务业细分行业(共14个)的面板数据，数据来自《中国统计年鉴(2005-2013)》、《中国能源统计年鉴(2005-2013)》以及《中国投入产出表(2005、2007、2010和2012)》。因篇幅所限，此处只简要给出数据处理过程，参见表 1。本文所有名义变量均以2004年为不变价进行平减处理，由于方向性距离函数满足单位不变性，本文将所有变量都除以对应平均值进行去单位化。此外，中国许多统计年鉴公布的数据只细化到行业大类，为了得到较准确的细分行业数据，本文使用投入产出表核算方法。因中国现行的统计制度，投入产出表并非每年都公布，2004-2012年间仅有2005、2007、2010和2012四张投入产出表。本文依据RAS法(参见高敏雪，2007)，外推出2004、2006、2008、2009和2011年的投入产出表，基年选择采用就近原则。为计算方便，本文将原有投入产出表进行合并：第一，将农业部门全部合并为一个部门；第二，工业部门合并为煤炭开采和洗选业，石油和天然气开采业，石油加工、炼焦及核燃料加工业，电力、热力的生产和供应业，燃气生产和供应业和其他工业；第三，服务业合并为本文研究的14个细分行业。此外，使用永续盘存法估算行业资本存量时，本文设定折旧率为6%(庞瑞芝、邓忠奇，2014)，2004-2012年各细分行业名义固定资产投资额来源于《中国统计年鉴(2005-2014)》中“固定资产投资——按主要行业分的全社会固定资产投资”一项。

(二) 参数估计结果

表 2同时给出了线性规划(LP)法、修正最小二乘(COLS)法和随机前沿分析(SFA)法的系数估计结果，其中LP方法即前文提到的“确定性前沿法”，COLS和SFA方法即前文提到的“计量经济法”。从表 2的估计结果看出，不同方法获得的部分系数估计值存在较大差异。本文后续计算所使用的系数估计值，如无特殊说明，均以LP方法的估计结果为准^①，这是基于以下原因：第一，LP方法估计的结果更好地符合方向性距离函数的六条性质，并且满足系数约束条件；第二，LP方法可以获得不同年份的方向性距离函数的系数估计值^②，而计量经济法获得的系数估计值在时间层面缺乏可变性(即时变性不足)，这是计量方法进行均值回归的固有缺陷；第三，由于没有像LP方法那样对系数施加约束条件，依据COLS方法或者SFA方法的估计结果，可能导致部分细分行业不满足方向性距离函数的单调性，进而出现影子价格为负值的情况，这不利于后文对减排成本和减排路径的讨论；第四，由于计量经济法是采用均值回归的思路，对不同的生产主体赋予了相同的系数，因此系数的显著性成为系数是否可信的重要依据，而表 2中COLS和SFA方法的许多系数估计结果并不显著，换言之，厂商异质性比较明显，那么以计量经济法估计结果对减排成本和路径选择问题进行研究可能存在较大偏误^③。

① 本文对LP、COLS和SFA方法进行了详细比较，发现三种方法测算的效率值在趋势上基本一致；如有需要，可向作者索取这部分材料。因此，单从路径分析的角度，选择LP方法带来的误差较小。

② 如果样本单元较多，LP方法还可以获得每一个生产主体的系数，因此较充分地考虑了行业异质性和系数的时变性。

③ 当然，对这一问题表 2中LP方法的估计结果也可能存在，只是线性规划法难以进行参数检验从而对这一问题不好判断。

尽管表 2中系数估计值存在较大差异，对应的方向性距离函数值(度量无效率程度)也存在一定程度的差异，但是服务业细分行业的相对效率和相对影子价格具有一致性，这是因为DDF的效率测算结果本身是相对指标，单纯比较绝对数值的大小并没有意义(邓忠奇、陈甬军，2015)。此外，从前文影子价格的计算公式可以看出，该指标本身也是相对指标，而且本文最终目的在于研究是否存在均衡的绿色发展路径，因此不同方法之间系数绝对数值的差异对本文研究结论的影响较小。根据前文提到LP方法相比COLS和SFA方法的四点优势，因此以LP方法估计方向性距离函数是较为合理的。

五、服务业绿色效率与绿色发展的机会成本 (一) 服务业绿色效率测算结果

方向性距离函数的测算值即为本文所指的绿色无效率程度，该数值越大表示无效程度越严重(距离生产可行域前沿面越远)。图 1是服务业各细分行业无效率值的箱形图，其中虚线表示平均无效率值。具体地，“交通运输及仓储、邮政”、“信息传输、计算机服务和软件”、“批发和零售”、“住宿和餐饮”、“金融”、“房地产”、“租赁和商务服务”、“科学研究、技术服务和地质勘查”、“水利、环境和公共设施管理”、“居民服务和其他服务”、“教育”、“卫生、社会保障和社会福利”、“文化、体育和娱乐”、“公共管理和社会组织”的平均无效率值分别为0.0180、0.0051、0.0191、0.0174、0.0062、0.0037、0.0223、0.0227、0.0165、0.0220、0.0029、0.0353、0.0052和0.0117。因此从服务业细分行业角度看，教育、房地产、信息技术、文化娱乐业的平均效率程度最高。究其原因，文化娱乐业、房地产业以及信息技术业二氧化碳排放量较低(最低的文化娱乐业平均二氧化碳排放量仅为342.64万吨，占服务业总排放量的0.49%)，教育行业二氧化碳排放虽然不低，但其能源消耗量相对较低。平均有效程度最低的细分行业为：卫生与社保福利业、科技服务与地质勘查业、租赁商务业以及居民服务业。其中，租赁商务业以及居民服务业的二氧化碳排放较高；卫生与社保福利业劳动投入较多，但合意产出较少，因此劳动生产率较低；科技服务与地质勘查业有很大一部分涉及生产性服务业，提供工业外包服务，将环境因素纳入考量后其投入产出效率大幅度降低。

本文研究还发现，传统意义上认为碳排放相对较严重的行业主要是“交通运输及仓储、邮政业”，其碳排放和能耗均较高，数据显示“交通运输及仓储、邮政业”的碳排放占服务业总排放的63.93%，能源消耗占服务业总能耗的65.10%。然而，该行业却在多数年份达到了有效状态。究其原因，虽然“交通运输及仓储、邮政业”的能源消耗量大，导致了大量二氧化碳排放，但是增加值相对较高(占服务业增加值的13.57%)，反映出能源利用率较高。由此可见，高排放的行业并不一定低效率。现实情况也能解释这一现象，部分碳排放量较高的企业(和行业)面临严格的环境监管，因此倒逼能源利用效率提升。

(二) 服务业绿色发展的机会成本

根据文献综述部分的解释，影子价格表示为降低一单位二氧化碳排放所必须放弃的合意产出(产业增加值)，本文用其来衡量服务业减少二氧化碳排放以获得绿色发展的机会成本(也有学者在其研究中称之为边际减排成本，Marginal Abatement Cost)。受篇幅所限，本文没有列出2004-2012年各服务业细分行业的二氧化碳影子价格，仅以图 2给出服务业四大分行业^①的影子价格平均值。

① 根据行业分类准则(GB/4754-2011)，交通运输及仓储、邮政，批发和零售可归类为流通服务业；信息传输、计算机服务和软件，金融，房地产，租赁和商务服务，科学研究、技术服务和地质勘查可归类为生产服务业；住宿和餐饮，居民服务和其他服务，文化、体育和娱乐可归类为消费服务业；水利、环境和公共设施管理，教育，卫生、社会保障和社会福利，公共管理和社会组织可归类为社会服务业。

从图 2看出，不同行业、不同年份的碳排放影子价格差异较大，影子价格最小值仅为1.16，而最大值则到达8661.14。本文认为影子价格的较大差异是可能的，因为影子价格不同于市场价格，衡量的是一种“生产技术”，是减少1单位碳排放需要被动减少的合意产出数量，而各个行业技术水平和行业差异性较大，因此影子价格可能差异较大。此外，邓忠奇、徐佳宾(2015)估计的影子价格也有较大差异，其测算结果中2016年江苏的影子价格是1612.9，而新疆只有97.1；而且他们是相对宏观层面的研究，原则上行业分得越细，影子价格的差异应该越大。需要特别指出的是，本文将所有变量都除以其平均值以去单位化，因此本文影子价格(单位为1)表示减少1单位二氧化碳排放所需要付出的增加值(去单位化以后的增加值)。以2004年“交通运输及仓储、邮政业”为例，其影子价格为1.69，表示减少1单位二氧化碳排放需要付出1.69单位增加值，转换后可得减少1吨二氧化碳所需付出的价格为1.95万元(=1.69×5713.54/4960.07)^②。当然，影子价格和碳市场的实际交易价格存在较大差异，后者主要受市场供求力量的影响，不过影子价格作为真实价格的反映，可以充当实际交易价格的参考。

② 增加值的平均值为5713.54亿元，二氧化碳的平均值为4960.07万吨。

从时间和细分行业两个层面来分析影子价格。首先从时间角度来看，各细分行业以及服务业整体的影子价格随时间呈现一定的增长趋势(“波动式增长”)。服务业平均影子价格由2004年的74.75增至2012年的281.40，这表示处置污染物的成本越来越高，另一方面污染物排放量逐年增长，这表明中国服务业减排面临较大的经济压力。从服务业四大分行业来看，样本期内平均影子价格由高到低依次为消费服务业、社会服务业、生产服务业和流通服务业，对应的影子价格分别为565.62、294.99、182.36和20.08。总体来看，流通服务业、生产服务业影子价格较社会服务业和消费服务业低(社会服务业中的教育业影子价格较高，消费服务业中的文化、体育和娱乐业影子价格较高)。从细分行业来看，“文化、体育和娱乐业”、“教育业”、“金融业”平均影子价格最高，其中文化、体育和娱乐业影子价格高达1880.70；“交通运输及仓储邮政”、“住宿餐饮”、“批发零售”行业影子价格最低，最低的交通运输及仓储、邮政业只有2.34。通过对各行业影子价格的分析可以发现，部分高污染高能耗的行业，如“交通运输及仓储邮政业”和“批发零售业”，影子价格反而较低，也就是说减排的潜在成本较低；而“文化、体育和娱乐”、“房地产”、“金融”等低污染的行业影子价格较高，也就是说减排需要付出较大成本。这一点符合“边际产出递减”和“边际成本递增”的经济学规律。

(三) 服务业减排后的净收入模拟

有了减排的机会成本，便可以模拟服务业减排后的净收入状况，这里有两种模拟方式：一种是从效率角度出发，模拟服务业达到完全有效状态时的净收入；另一种是从环境角度出发，模拟服务业实现零排放时的净收入。具体地，从效率角度看，净收入指的是达到完全有效状态后(生产单元移动到生产前沿上)的净收入，等于“y+β^*-β^*p_b ”，即原合意产出(产业增加值y)加上达到完全有效状态时的增量(β^*)，再扣除减排所需付出的成本(β^*p_b) ^①。从环境角度看，净收入指的是在当前情况下实现零排放所获得的净收入，等于“y-bp_b”，即增加值(y)扣除减排所需付出的总成本(bp_b)。本文主要从效率角度对服务业减排收益进行模拟，因此净收入等于“y+β^*-β^*p_b”，模拟结果由图 3给出。因篇幅所限，从环境角度的模拟结果不在本文展示，如有需要可联系作者。之所以从效率角度而不是环境角度出发，是因为决策单元的决策激励是向着最有效率的状态移动，而不是实现零排放，而且完全实现零排放在现实中也基本不可能。

① 这里的β^*为测算得到的方向性距离函数值，并非是表 2中的参数。

由图 3的左图可知，达到完全有效状态后服务业的净收入(即“y+β^*-β^*p_b)小于原增加值(即“y”)，后续几年净收入出现负值且绝对值有增大趋势，这一点与前文分析提到的影子价格和排放量逐年增加相对应。图 3中阴影部分表示原增加值和净收入的差额，该差额有扩大趋势。由图 3的右图可知，各细分行业优化后的净收入也都小于原增加值，也有部分行业净收入为负值。影子价格较小的“交通运输、仓储邮政业”、“批发零售业”净收入为正，并且与原收入差距较小；影子价格较大的“文化、体育和娱乐业”、“卫生、社保福利业”净收入为负，并且与原收入差距较大。由此可见，净收入的大小与碳排放的影子价格密切相关，那么可以通过市场交易机制来影响碳排放影子价格，进而增加净收入，后文排放权交易模型将以此逻辑展开分析。基于图 3，本文认为中国服务业面临极大的环境成本，这印证了中国服务业并非绿色发展的观点(王恕立、胡宗彪，2012)。此外，本文也测算了服务业实现“零排放”时的净收益(即“y-bp_b”)，模拟结果与图 3类似，减排的净收入也小于原增加值，与原增加值的差额逐渐扩大，并且出现净收入由正转负现象，这进一步表明中国服务业发展并非绿色，要实现绿色发展的代价较大。

影子价格是根据各行业内部生产技术以及投入产出关系计算得到，并没有引入市场交易机制，经济活动中交易带来的便利和利得尚未体现出来，或者说当前的状态未必是帕累托有效的，还存在通过引入市场交易机制实现共赢的可能。以2012年为例，批发和零售业(排放量较高，即可供出售的排放权相对较多)的影子价格为65.69，而卫生、社会保障和社会福利行业(排放量少)的影子价格为280.12。如果没有交易制度，批发零售业降低1单位排放将耗费65.69单位增加值，而卫生、社会保障和社会福利业增加1单位排放可以创造280.12单位增加值，换言之，卫生、社会保障和社会福利业最多可以用280.12单位增加值购买1单位的排放权。交易市场开放后，这两个行业存在交易机会，交易价格在65.69至280.12之间，假定双方叫价之后定为100。通过市场交易，批发零售业在损失65.69单位增加值后可以获得100单位的收入，因此有34.31单位的利得；卫生、社会保障和社会福利业可以用较低的价格获得一单位排放权，从而创造280.12单位的增加值，利得为180.12单位，此时交易提供了一种帕累托改进的方式。如果开启碳排放权交易机制，就不会出现图 3中减排后净收入远小于原增加值的现象，那么减排可能就不会带来巨大的经济效益损失。理论上，排放权由影子价格低的行业流向影子价格高的行业。但是，在交易过程中能否达到均衡，即能否在某个交易模式下实现一个共同的均衡价格，这取决于交易机制和各方的叫价能力，后文将尝试给出一种机制安排。

六、进一步讨论：服务业绿色发展的均衡路径 (一) 静态均衡分析

本文构建的排放权交易模型需要满足几个假定条件，以便保证均衡结果的产生。①市场无交易摩擦；②投入要素(劳动、资本)自由流动；③完全信息，比如各细分行业的影子价格、生产技术、减排目标等是公开透明的信息且被所有参与者了解；④经济社会不对行业产出施加产量要求，即不要求各行业必须完成多少产量，这相当于假定了所有行业的产出都可以完全实现进口替代。由于方向性距离函数凹性的要求(前文DDF的第5条性质)，以及排放权交易模型的收敛性要求，β₂需要小于等于零，但LP方法计算所得2010-2012年β₂的估计值(见表 2)不符合该条件，因此2010-2012年方向性距离函数的估计系数选用SFA方法的估计结果；为了说明这种处理的合理性，本文也以LP方法估计结果测算了2004-2009年的静态均衡，所得结论与2010-2012年的结论基本一致，因篇幅有限这些测算不在正文给出。将代表生产技术的方向性距离函数以及排放权总配额代入研究方法部分提出的排放权交易模型，计算得到经过交易分配后的产出组合(y^*, b^*)，再将该值代入影子价格计算公式，可得各细分行业的均衡价格，见表 3的最后一列。

表 3列出了以2012年数据计算所得的详细结果，其他年份的计算结果与2012年类似，本文不再赘述。从表 3的最后一列可以看到，除交通运输及仓储、邮政业以外，所有行业都达到了一个相同的影子价格，即11.2491。交通运输及仓储、邮政业的影子价格没有达到11.2491，而是1.0608，这是因为该行业把能出售的排放权已经全部售出，致使其交易后的增加值为0。这在实际经济活动中是不可能的，因此还可以对本文的排放权交易模型做进一步完善，即设定每个行业的最低增加值，例如设定为政府发展规划所拟定的最低目标增加值，这样就可以避免交易后增加值为0的情况。在这里，交通运输及仓储、邮政业交易后的增加值为0的原因是该行业二氧化碳影子价格较低，以至于其他行业认为从该行业购买排放权是有利可图的，因此交通运输及仓储、邮政业不断减少自身排放量，以便将“节约”出来的排放权出售给其他行业。因为自身排放量的减少是有成本的，即增加值的减少，于是其增加值一直减少到0。在这里，由于交通运输及仓储、邮政业的增加值已经降到最低值，无法通过进一步降低其增加值来获得富余的污染排放权，因此与其他行业停止排放权交易。此时，其他行业之间形成了统一的影子价格(11.2491)，于是排放权交易市场达到均衡，进而各细分行业的经济增长与二氧化碳排放达到均衡。显然，经过本文构建的排放权交易机制，能够达到均衡结果，且该均衡结果是排放权交易市场与经济活动市场双向的均衡。所不足的是，本文给出的排放权交易机制只是理论上的，假设前提比较严格，只能作为实际操作的参考。

分析表 3中2012年的均衡结果可知，影子价格最低的交通运输及仓储、邮政业碳排放量需要减少(即出售)14%，而其他细分行业碳排放量均增加(增加程度最高的是文化、体育和娱乐业)，但服务业总的排放量维持不变(仍为18.7068单位)。在增加值方面，大多数行业在交易后实现了增加值的增长，少部分行业有所减少(主要是交通运输及仓储、邮政业)，但服务业总增加值仍是增长的(增长约220%)，这部分增长来自于通过交易所获得的经济利得，即交易产生的帕累托改进。表 3中净收入指的是参加排放权交易后的净所得，计算公式为${\tilde y}$ =y^*+(co-co^*)p_b^*。其中，均衡排放权(co^*)小于原始排放权(co)表示在交易中出售排放权，从而获得收入；反之则为购买排放权，需要支付成本。表 3中，部分细分行业的净收入(${\tilde y}$)大于原增加值(y)，部分小于原增加值，但是均比没有市场交易的情况变好。进一步，本文将均衡结果(y^*, b^*)代入原始DDF函数，得到新的DDF值(无效率程度)均为0值，表明表 3的均衡结果在投入产出方面是有效率的。

综上所述，本文通过构建排放权交易模型而得到的静态均衡有如下特点：①排放权交易市场与服务业经济活动市场实现双向均衡，即在总排放不变的条件下实现产出最大化；②均衡结果是帕累托有效的；③均衡结果实现了投入产出有效率，即DDF值为0；④排放权由影子价格较低的行业流向影子价格较高的行业，提高了服务业整体能源利用效率；⑤近似一致的均衡价格表示资源得到合理配置。以上五点表明本文构建的排放权交易模型具有一定的合理性，因此对于中国发展服务经济和碳交易市场具有一定的参考价值。

(二) 动态均衡分析

在本文模型框架下，某一年的均衡结果(例如表 3所示2012年的情况)主要由该年各细分行业的相对生产技术水平以及要素使用情况决定，但不同年份的生产技术水平不同，系统性的技术变革、减排目标变化等因素也都会破坏原有均衡。那么，经过在排放权交易市场进行的不断调整后，每一个静态均衡最终构成了动态均衡。维持其他条件不变，排放权交易市场的动态均衡导致了服务业经济活动的动态均衡，最终形成了服务业绿色发展的均衡路径，由图 4和图 5给出。具体地，图 4和图 5分别表示服务业四大分行业绿色发展的增加值均衡路径和碳排放均衡路径。

图 4中在生产服务业、消费服务业和社会服务业的均衡路径上，“均衡增加值”大于“实际增加值”，并且“净收入”也大于“实际增加值”，因此这些行业通过排放权交易带来了经济效益。“均衡增加值”大于“净收入”表明这三个分行业主要是购买排放权，因此会产生一定的费用。流通服务业与这三个分行业有所不同，2004-2009年流通服务业的“净收入”大于“实际增加值”大于“均衡增加值”，这是因为流通服务业(特别是其中的“交通运输及仓储、邮政业”)影子价格较低，因此主要出售排放权，从而导致均衡的合意产出(产业增加值)降低^①。但是，出售排放权同时也获得收益，因此出现“净收入”大于“实际增加值”的情况，否者流通服务业将不会主动参与排放权交易市场，因为交易的前提是买卖双方都能获利。在2010-2012年情况有所不同，流通服务业“实际增加值”大于“净收入”大于“均衡增加值”，“实际增加值”大于“净收入”表明这几年流通服务业并不能通过排放权交易市场获得实际利益。这是因为，本文排放权交易模型的目标为最大化服务业总产出，虽然在均衡时流通服务业没有获得增长，但其他行业获得了较大增长，因此为了促使交易达成政府必须从其他行业的获益中拿出一部分补贴流通服务业，这暗示：在实际碳排放交易市场上，为了促使总体层面的最优，政府在必要的时候需要进行补贴或者转移支付，这与中国政府实际做法比较一致，例如国家发改委在碳市场上对新能源汽车行业的补贴。

① 这是由非合意产出的弱可抛性(弱可处置性)导致的，即技术不变的条件下减少非合意产出会同时减少合意产出。

图 5中生产性、消费性和社会性服务业的“均衡排放量”均大于“实际排放量”，且2010-2012年两者差距逐渐拉大，说明碳交易市场的潜在规模扩大。与之相反，流通性服务业的“实际排放量”大于“均衡排放量”，这说明在碳交易市场上流通服务业主要是卖方，而其他三个行业主要是买方，与图 4的结论一致。流通服务业本身碳排放量较大，因此经过市场交易会实现减排。从图 5还可以看出，“实际排放量”和“均衡排放量”有比较一致的变化趋势，因此本文排放权交易模型不会对既有排放权的分配格局产生“颠覆式”影响。相比之下，Pang et al.(2015)、Chiu et al.(2013)通过“零和DEA”(ZSG-DEA)模型给出的排放权配置模式与实际排放模式在趋势上几乎完全相反，因此本文排放权交易模式比Pang和Chiu等学者给出的配置方案更加具有合理性。

七、研究结论

目前，推进生态文明建设是党和政府的工作重点，党的十九大报告明确指出要在2035年实现生态环境根本转好和美丽中国目标，随后2018年两会期间生态环境部被批准设立。那么随着中国经济总体上向服务经济转型，服务业的生态文明建设显得尤其重要。为此，本文研究了中国服务业绿色发展的均衡路径，系统考察了服务业2004-2012年14个细分行业的绿色效率和二氧化碳影子价格，探讨了服务业的排放权交易模式以及交易后的经济效益与减排效益，从而找到一条减排成本最低的服务业绿色均衡发展路径。主要结论如下：

第一，服务业平均影子价格由2004年的74.75增至2012年的281.40，表明减排的潜在成本越来越高，同时二氧化碳排放量又逐年增长，因此中国服务业减排面临较大的经济压力。本文分别模拟服务业达到完全有效状态和零排放状态的净收入，两种情况下净收入均低于原收入，且部分行业出现负收入，因此实现完全有效状态或者零排放状态的减排成本巨大。第二，不同行业的碳排放影子价格差异较大，无排放权交易的市场存在帕累托改进空间，引入排放权交易市场能够带来潜在的经济利得。为此，本文设计出一种服务业碳排放权交易模式，在该模式下能够实现统一的均衡价格，进而获得一条减排成本最低的服务业绿色发展路径，该路径可以在排放总量和减排技术维持不变的条件下最大程度地实现服务业产出增长，即创造帕累托改进。第三，本文研究发现流通服务业能耗和排放量较大，但减排的边际成本较低，因此在排放权交易过程中倾向于出售排放权；生产性服务业、消费性服务业和社会性服务业减排的边际成本较高，因此在排放权交易过程中倾向于购买排放权。