煤炭開采行業是高碳能源的生產行業，提升煤炭開采企業的綠色全要素能源效率對促進我國“雙碳”目標的實現具有重要作用。基于影子價格模型，對企業的二氧化碳邊際減排成本進行測算，進而構建DEA Malmquist指數模型計算煤炭開采企業綠色全要素能源效率。實證結果表明：樣本企業綠色全要素能源效率水平參差不齊，但均呈現不同程度的上升趨勢;相對于綜合技術效率，技術進步對企業綠色全要素能源效率水平上升做出了更多貢獻。基于上述結果，從企業內部、外部2個視角對影響企業綠色全要素能源效率的因素進行分析，通過專利分析企業自主研發能力及技術選擇、分析外部政策環境，提出完善碳交易市場形成有效監管、適當擴張企業規模提高規模效率、加強自主研發走內涵式發展道路等對策建議。

　　關鍵詞

　　煤炭開采企業;綠色全要素能源效率;二氧化碳邊際減排成本;專利分析

　　論文《煤炭開采企業綠色全要素能源效率研究》發表在《中國煤炭》，版權歸《中國煤炭》所有。本文來自網絡平臺，僅供參考。

　　1 關于能源效率的研究進展

　　“雙碳”目標已經被納入國家“十四五”規劃，并在中央經濟工作會議上作為重要任務進行部署。“雙碳”目標早已不是“可選項”，而是當前經濟發展的“必選項”。煤炭作為我國基礎能源和重要工業原料，為國民經濟和社會發展提供了可靠的能源保障，近十年煤炭消費量占一次能源消費量的比重下降了11.5%，但是絕對量仍然在增長，其中2021年煤炭消費絕對量增長高達1.05億t標準煤。傳統粗放式經濟難以持續，推動能源結構轉型成為當前經濟發展的必由之路，煤炭開采行業的去碳化、高效化已成為人們的共識，也是實現我國能源綠色轉型的有效途徑[1]。

　　目前，國內外學者對能源效率的研究主要在評價方法和影響因素2個方面。首先，能源效率的評價方法主要有單要素能源效率和全要素能源效率。單要素能源效率僅考慮單投入、單產出，具有相當大的局限性[2]。全要素能源效率在投入端對能源效率評價體系進行了充實，增加資本、勞動力等投入要素。近年來，更多的學者開始關注非期望產出，將CO?、SO?、NO?等污染物排放納入產出要素中進行考察，對國家、行業等宏觀層面的綠色全要素能源效率水平進行評價[3]。數據包絡分析(DEA)方法包含多種評估決策單元投入產出效率的模型，具有反映全要素能源效率和非期望產出的雙重目的，是現有研究中應用最為廣泛的一種方法[4-6]。

　　現有的綠色全要素能源效率分析的研究對象多為國家、區域、國民經濟部門和行業等宏觀和中觀層次，對微觀企業的研究數量較少且深度不足，并且缺少從產業內部角度分析如何提升能源效率的相關研究[7-10]。為此，在綠色全要素能源效率框架下，本文基于2017-2020年10家煤炭開采企業的面板數據，通過影子價格模型計算企業CO?邊際減排成本，得到企業的“綠色產值”。影子價格模型是Färe R等[11]在1989年基于效率分析視角提出的一種測算經濟生產活動中非期望產出邊際減排成本的模型。該模型首先采用距離函數來構建環境生產技術，再基于對偶理論推導出非期望產出的影子價格計算公式，最后使用參數或非參數方法對距離函數進行估算，計算出影子價格。本文在運用影子價格模型得到企業“綠色產值”的基礎上，構建DEA Malmquist模型評價煤炭開采企業綠色全要素能源效率并對其進行分解，最后通過內外部影響因素對企業技術選擇進行分析，為我國煤炭開采企業實現綠色轉型提供參考借鑒。

　　2 煤炭開采企業CO?邊際減排成本測算

　　本文采取參數化的方向性距離函數測算CO?邊際減排成本。參考Färe R等[11]的做法，選擇二次型方向性距離函數作為真實生產技術的參數近似，然后采用參數線性規劃的方式求解未知參數。

　　2.1 變量選取

　　投入變量選取勞動力投入、資本投入和能源投入;非期望產出選取企業CO?排放量，由于企業CO?排放量數據無法直接獲得，本文通過行業碳排放量對企業碳排放量進行估算[12]，見式(1)：

　　[

　　企業碳排放量 =frac{ 行業碳排放量 }{ 行業主營業務成本 } imes 企業營業成本

　　]

　　式(1)中的行業碳排放量根據行業能源消費估算得到，本研究選取煤炭開采行業能源消費中的11種主要能源：原煤、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣。

　　期望產出選取企業總產值。這是反映企業一個工期內經濟發展狀況、經濟效益高低的主要指標。因此，為了數據選取的科學性、可得性以及受限于數據的不可直接獲得性，本文通過“企業總產值=企業主營業務成本+產成品期末庫存-產成品期初庫存”的會計公式對企業總產值進行計算。

　　2.2 二次型方向性距離函數模型

　　煤炭開采企業在現有生產技術下產出期望產出的同時會不可避免地產生環境污染等非期望產出，如CO?、SO?等。令(g=(g_{y},-g_{b}))為方向向量，且(g eq 0)。方向性距離函數定義見式(2)：

　　式中：x為投入向量;y和b為正向的期望產出和負向的非期望產出向量;(g_{y})和(-g_{b})為產出的方向向量;β為生產前沿函數。

　　式(2)中，若企業生產已經在既定資源和生產技術水平下達到最大數量，即達到生產可能性邊界，則式(2)值為0;若當前生產水平尚未達到生產可能性邊界，則根據相關公式測算與生產可能性邊界之間的距離區間，即測算增加(g_{y})單位的期望產出同時減少(g_{b})單位非期望產出的最大單位數β。從理論角度來講，((y+eta g_{y}, b-eta g_{b}))就是在一定投入下的最佳產出。

　　設(R(x, y, b))表示被測對象在一定生產技術水平和投入要素量情況下能夠取得的最大收益，表達式見式(3)：

　　式中：p和q為期望產出和非期望產出的價格。

　　根據Shephard's lemma(謝潑德引理)推導出的期望產出與非期望產出影子價格公式，得到企業CO?排放的邊際減排成本即CO?排放的影子價格，見式(4)：

　　同時，式(4)所推導的影子價格可以形象地表示為圖1中任意一點A在前沿生產曲面上對應投影點A'的切線斜率(-q/p)，即：在一定生產技術水平下，非期望產出每下降一個單位而減少的期望產出的價值，因此非期望產出的影子價格也就是其邊際減排成本[13]。

　　設方向向量(g=(g_{y},-g_{b})=(1,-1))。產出為期望產出y和非期望產出b。其中，期望產出y為解釋變量企業總產值，非期望產出b為被解釋變量企業CO?排放量，同時有3個不同的投入要素：勞動力、資本和能源消耗量。則第(k(k=1,2, cdots, K))個生產決策單元在(t(t=1,2, cdots, T))時期內的方向性距離函數表示見式(5)：

　　式中：(n in{1,2,3})為第n個投入變量;(k in{1,2, cdots, K})為第k個決策單元;(t in{1,2, cdots, T})為時間;(Y_{k t})為t時期內決策單元的期望產出;(B_{k t})為t時期內決策單元的非期望產出;(X_{n k t})為t時期內在k個決策單元內投入的第n個變量;α、β、γ、μ、δ、θ為二次型生產函數中一次項、二次項的待估參數。

　　為了能準確測算出各生產決策單元所對應的有效參數值，可以使各時期所有生產決策單元與生產前沿面的偏差之和取最小值，即在方向性距離函數值為零的情形下對(5)式進行參數估計，該線性規劃模型表示見式(6)和式(7)：

　　約束條件①對決策單元進行限定，要求其始終在生產可能集(P(x))中。約束條件②③④⑤對選取的函數進行限定，其中②③④要求方向性產出距離函數始終是單調的，特別是約束條件④保證了式(4)中二氧化碳排放的影子價格是大于等于零的，符合現實情形;條件⑤要求方向性產出距離函數滿足函數基本特征中的對稱性和平移性。運用線性規劃方法求解上述最優化模型可以得到式(7)中的所有參數，并根據所得參數計算出樣本期間內各個生產決策單元的CO?的邊際減排成本[14-15]。

　　2.3 測算結果

　　本文通過MatLab對式(7)中的未知參數進行估算，在對研究數據進行標準化的基礎上計算了2017-2020年煤炭開采企業CO?邊際減排成本，結果見表1。

　　表1 2017-2020年煤炭開采企業CO?邊際減排成本(元/kg)

　　| 樣本企業 | 2017年 | 2018年 | 2019年 | 2020年 |

　　| 內蒙伊泰 | 8.28 | 8.22 | 8.16 | 8.51 |

　　| 陜西煤業 | 7.82 | 7.64 | 7.16 | 6.44 |

　　| 兗州煤業 | 7.81 | 4.96 | 4.42 | 4.28 |

　　| 中煤集團 | 6.73 | 6.18 | 5.70 | 5.51 |

　　| 中國神華 | 3.80 | 3.73 | 4.01 | 4.14 |

　　| 昊華能源 | 9.82 | 9.78 | 9.80 | 9.85 |

　　| 冀中能源 | 8.98 | 8.97 | 8.95 | 9.02 |

　　| 新集能源 | 9.67 | 9.60 | 9.59 | 9.63 |

　　| 潞安環能 | 8.87 | 8.85 | 8.80 | 8.84 |

　　| 平煤股份 | - | - | - | - |

　　2017-2020年樣本企業CO?邊際減排成本平均值分別為8.06、7.71、7.56、7.53元/kg，總平均值為7.715元/kg。對比樣本企業可知，各企業對于CO?這種污染物的邊際減排成本存在很大差距，即企業處理CO?所帶來的損失是不同的。

　　首先觀察到CO?的平均邊際減排成本是呈現逐年下降趨勢的，具體為樣本企業CO?的影子價格(即CO?邊際減排成本)從2017年的8.06元/kg下降到2020年的7.53元/kg，這是由于工業企業在生產效率水平的提升、低碳設備的運用等方面的進步，使得企業減排的難度不再繼續加強，呈現穩中下降的趨勢。

　　其次，具體企業而言，2017-2020年CO?排放平均邊際減排成本最高的是昊華能源，為9.81元/kg，而平均邊際減排成本最低的中國神華僅為3.92元/kg，前者的CO?排放平均邊際減排成本是后者的近3倍，說明昊華能源處理生產過程中所產生的CO?所花費的成本是中國神華的3倍，這主要是因為煤炭開采企業的生產過程中會存在大量的CO?排放，工藝水平的高低、碳吸收裝置的有無也就成了影響CO?邊際減排成本至關重要的因素。

　　最后，在考察期間內，中國神華的平均邊際減排成本持續保持在較低水平，說明其生產過程中單位經濟產出所帶來的CO?排放持續保持在低水平，也就是其付出的環境代價較小。此外，陜西煤業、兗州煤業、中煤集團、新集能源、潞安環能的邊際減排成本也保持下降趨勢。

　　3 煤炭開采企業綠色全要素能源效率實證分析

　　3.1 數據來源及變量選取

　　本文所使用的煤炭開采企業的數據來源于2017-2020年的《中國統計年鑒》《中國能源統計年鑒》以及企業年度報告、企業社會責任報告等。在樣本數據的構成方面，本文選取了中國煤炭企業50強名單中主營業務范圍為煤炭或相關產品，最終排除數據缺失的企業之后，選取10家煤炭開采企業在樣本期間的面板數據。

　　(1) 勞動力投入：勞動力投入可以從勞動力數量、勞動力質量和勞動時間3個方面進行衡量，由于勞動力質量和勞動時間的計量方式難以確定，因此本文選取各樣本企業當年就業員工人數作為勞動力投入指標。計算公式為：當年勞動力人數=(本年末勞動力人數+上年末勞動力人數)/2，計量單位為萬人。

　　(2) 資本投入：資本存量用各煤炭開采企業的固定資產凈值表示，并用固定資產投資價格指數平減，基期為2017年，計量單位為億元。

　　(3) 能源投入：能源投入用企業本年度能源消耗總量作為衡量指標，計量單位為萬t標準煤。

　　(4) 綠色全要素能源效率產出變量：用煤炭開采企業綠色產值表示。具體為：企業綠色產值=企業的工業產值−CO?排放數量×CO?排放邊際減排成本，單位為億元。CO?作為非期望產出本身是沒有具體價值的，但在經濟生產中企業CO?排放對企業產出有著一定的貢獻，同時也對環境產生影響造成了經濟損失。

　　表2 模型變量統計特征描述

　　| 統計值 | 綠色產值(產出Z)/億元 | 能源消耗(能耗X?)/萬t標煤 | 固定資產凈值(資本X?)/億元 | 職工人數(勞動X?)/萬人 |

　　| 均值 | 611.19 | 736.66 | 504.67 | 4.30 |

　　| 標準差 | 723.19 | 1357.48 | 636.09 | 2.92 |

　　| 最小值 | 24.08 | 0.19 | 57.54 | 0.58 |

　　| 最大值 | 2392.04 | 5056.12 | 3092.18 | 10.44 |

　　3.2 模型選取

　　Malmquist模型能夠通過指數分解反映出各樣本企業不同時期能源效率的動態變動趨勢。Färe R最先將Malmquist指數分解為兩個不同時期的綜合技術效率變化和技術進步變化，其中技術進步變化反映的是隨著時間的改變生產前沿面的移動情況，綜合技術效率變化則反映決策單元與生產前沿面之間的距離變化，其還可繼續分解為純技術效率與規模效率[16]。

　　Malmquist指數模型中，從t時期到t+1時期的Malmquist指數見式(8)：

　　將Malmquist指數值以1為界，進行對比分析即可得知樣本企業效率變化情況。若大于1，則表示效率在提高;若小于1，則表示效率在降低;若等于1，則表示效率保持不變。

　　3.3 測算結果及分析

　　構建基于投入角度的Malmquist模型，應用DEAP2.1軟件測算2017-2020年10家煤炭開采上市公司的綠色全要素能源效率值，并分解為effch(技術效率變化)、techch(技術進步)、pech(純技術效率)、sech(規模效率)、tfpch(全要素生產率)，見表3。

　　表3 基于Malmquist模型效率值分解

　　| 樣本企業 | effch | techch | pech | sech | tfpch |

　　| 內蒙伊泰 | 1.000 | 0.861 | 1.000 | 1.000 | 0.861 |

　　| 陜西煤業 | 1.000 | 1.159 | 1.000 | 1.000 | 1.159 |

　　| 兗州煤業 | 3.032 | 1.287 | 1.976 | 1.535 | 3.902 |

　　| 中煤能源 | 1.197 | 1.108 | 1.062 | 1.127 | 1.326 |

　　| 中國神華 | 1.230 | 1.068 | 1.000 | 1.230 | 1.314 |

　　| 昊華能源 | 1.003 | 1.376 | 1.000 | 1.003 | 1.381 |

　　| 冀中能源 | 0.747 | 1.366 | 0.892 | 0.838 | 1.020 |

　　| 新集能源 | 0.881 | 1.272 | 1.029 | 0.856 | 1.121 |

　　| 潞安環能 | 1.000 | 1.129 | 1.000 | 1.000 | 1.129 |

　　| 平煤股份 | 0.744 | 1.131 | 0.841 | 0.885 | 0.841 |

　　由表3數據計算可得，10家樣本企業的effch、techch、pech、sech、tfpch平均值分別為1.183、1.176、1.080、1.047、1.405。

　　(1) 從技術效率變化(effch)指數來看，樣本區間內技術效率指數的均值為1.183，說明整體綜合技術效率上升了18.3%，其中兗州煤業的技術效率、全要素生產率都遙遙領先于其他企業，這主要是因為兗州煤業在這3年間深入推進改革、實施“雙碳”戰略，減少碳排放量，不斷優化產業結構，持續提升企業核心競爭力，剝離調整部分不符合戰略發展方向、不具備競爭優勢的產業，聚焦于集約高效發展。而冀中能源、新集能源、平煤股份的技術效率卻一反整體趨勢，出現下降。

　　(2) 從技術進步(techch)指數來看，均值達到1.176，除內蒙伊泰外其余企業均有一定程度的增長。其中，冀中能源的能源效率得以進步主要依賴于技術進步指數的大幅提升，這也得益于冀中能源抓住了煤炭行業轉型時期的機遇，把科技創新當作企業轉型升級的動力，采用行業前沿采掘技術使得資源得到高效回收利用，瞄準行業前沿科技，不斷開發新產品，從而升級傳統產業，最終達到提升企業綠色全要素能源效率目的。

　　(3) 根據Fare R等人的研究成果可知，effch=pech×sech。10家樣本企業的純技術效率(pech)均值為1.080，增長率為8.0%，其中冀中能源、平煤股份的純技術效率小于1，說明其技術水平在測度區間內出現下降。

　　(4) 規模效率(sech)的均值為1.047，增長率為4.7%，兗州煤業、中煤集團、中國神華、昊華能源的規模效率值大于1，說明這4家樣本企業的生產規模適合，趨向于最佳生產規模。冀中能源、平煤股份、新集能源的規模效率值小于1，表明企業的擴張并未帶來良性的經濟效益發展。

　　(5) 從全要素生產率(tfpch)指數來看，2017-2020年10家煤炭開采企業的綠色全要素能源效率均值為1.405，說明樣本企業整體效率呈現明顯的上升趨勢，上升比例高達40.5%，其上升主要歸因于技術進步和技術效率，技術進步指數上升較大，比例達17.6%，說明樣本企業整體注重綠色科研投入，產業結構合理，發明專利及先進技術可直接用于產品的生產獲利，行業技術環境較好。

　　以上實證分析結果顯示，規模效率和技術進步都是促進企業綠色全要素能源效率的重要因素，但技術進步的貢獻更大。為了進一步探究樣本企業綠色全要素能源效率提升的深層次原因，從內外部影響因素進行深入分析。

　　4 內外部因素分析

　　現有文獻對能源效率影響因素的研究成果集中認為，技術進步、環境規制等因素對企業內外部發展產生了重大影響。通過構建DEA Malmquist模型，對10家煤炭開采企業綠色全要素能源效率進行分析發現：與技術效率相比，技術進步是樣本企業能源效率水平上升的主要原因。基于此，內部影響因素選取技術進步、外部影響因素選取市場因素及環境規制進行深入分析。

　　4.1 內部視角

　　我國企業的技術進步主要來自外部技術獲取與自主研發，而發達國家在科技領域不斷布局，對我國保持嚴苛的技術封鎖，我國企業獲得外部先進技術的難度大大增加，自主研發能力成為企業發展的關鍵一環。研究表明，上市公司專利的增加將會直接影響公司市值，其中發明專利影響最大、實用新型專利次之[17]。對于煤炭企業來說，專利作為企業的一項無形資產，不僅能給企業增加市值，更是企業自主研發能力提升的外化表現和提升企業能源效率的戰略武器。因此，對煤炭行業專利信息進行及時分析有助于了解企業技術布局重點及未來發展趨勢等。

　　檢索數據來源于incopat數據庫，對2017-2020年我國煤炭開采企業專利進行檢索分析，檢索時間為2023年1月31日。在整體專利布局上，煤炭行業的技術主要分布在B03C、B03B兩個IPC小類中。其中，B03C涉及的是從固體或流體中分離等;B03B涉及的是用液體或用風力搖床等進行分離。專利技術布局的重點也一定是技術發展的重點，分離、破碎這類基礎性技術比重極高，說明國內企業以該技術分支為發展支撐。因此，分離、破碎技術中如何降低能耗和成本、提高效率以及清潔生產也是本領域的技術發展熱點。同時，隨著我國能源發展傾向于清潔化、低碳化技術，大量與低碳、節能相結合的技術應運而生，如B08B、B09B等小類，見表4。

　　表4 2017-2020年我國煤炭開采企業重點技術分布

　　| IPC分類號 | 分類特征 | 專利數量/個 | 占比/% |

　　| B03C | 從固體物料或流體中分離;高壓電場分離 | 13605 | 61.92 |

　　| B03B | 用液體或用風力搖床或風力跳汰機分離固體物料 | 4234 | 19.27 |

　　| B03D | 浮選;選擇性沉積法 | 2864 | 13.04 |

　　| E21C | 采礦或采石 | 2224 | 10.12 |

　　| B02C | 一般破碎、研磨或粉碎;碾磨谷物 | 1865 | 8.49 |

　　| B07B | 用細篩、粗篩、篩分或用氣流將固體從固體中分離;適用于散裝物料的干式分離法 | 1639 | 7.46 |

　　| B08B | 一般清潔;一般污垢的防除 | 1380 | 6.28 |

　　| E21F | 礦井或隧道中安全裝置 | 755 | 3.44 |

　　| B09B | 固體廢物的處理 | 289 | 1.52 |

　　| B65G | 運輸或貯存裝置 | 288 | 1.51 |

　　| E21D | 豎井;隧道;平硐;地下室 | 276 | 1.26 |

　　| B29B | 成型材料的準備或預處理;制作顆粒或預型件;塑料或包含塑料的廢料的其他成分的回收 | 189 | 0.99 |

　　煤炭開采行業正在朝著信息化、智能化方向發展，創新成為企業發展的動力，作為技術創新主要載體的專利日益成為企業在激烈的市場競爭中占據主動進而轉化為企業核心競爭力的戰略資源。作為煤炭開采行業中的代表性企業，他們的專利現狀不僅可以反映我國煤炭開采產業在技術領域的發展趨勢，同時也在一定程度上呈現了我國煤炭開采企業在我國市場的技術發展戰略和專利競爭策略。根據企業IPC分類號對應的技術類別的專利數量占行業專利總量的比例關系，可了解樣本企業各類專利申請所占比重、與行業發展的異同點，以及研發重點的分布情況，如圖2所示。對樣本企業專利申請中IPC分類號按小類進行統計，結果見表5。

　　對比圖2和表5，發現行業專利與企業專利的集中技術領域略有不同，樣本企業專利占行業IPC分類號前8位的專利數量，最多的是昊華能源占29.73%。存在這種差異的主要原因是企業充分認識到“雙碳”政策對行業轉型升級的倒逼和促進作用，根據優勢資源對相關領域技術進行研究。從IPC分類號分布可推斷，中國神華作為國內市場占有率第一的煤炭龍頭企業，專利涉及多個子領域;兗礦能源、中煤能源側重于高端裝備制造，尤其是運輸、貯存裝置;陜西煤業等則將礦井安全、運輸裝置作為研究重點;而平煤股份的專利總數較少且科研重點較為分散，該公司較為重視采礦、升降裝置的研發。

　　煤炭開采行業在低碳轉型期間既面臨著巨大的挑戰，但對企業來說也是空前機遇。高碳行業面臨著亟待轉型的局勢，在由機械化向著企業數字化、煤礦智能化發展轉變，陜西煤業已經在大部分煤礦實現了在煤炭開采智能化、現場作業自動化、固定設施無人化、運營管理信息化的較大突破，形成了礦井數據立體化高速傳輸模式，建成首個全國智能化無人綜采工作面，開啟了通信新時代。

　　4.2 外部視角

　　2012-2016年，受宏觀經濟形勢變化、能源結構調整等因素影響，煤炭市場的供求關系發生巨大轉變，煤炭供過于求矛盾突出，大部分企業面臨著巨大虧損，煤炭行業遭遇了“寒冬”。這就直接導致行業間上下游企業的橫縱向兼并加劇，行業集中度大幅提高，煤炭企業以此整合優勢資源，大力提升自主研發能力。同時，國務院也在2016年提出推進供給側結構性改革，化解煤炭行業過剩產能，煤炭行業由此也從粗放式發展走向集約式發展的道路。

　　煤炭行業是國民經濟基礎產業之一，特別是與人民生活密切相關，環境規制是國家根據行業發展狀況，完善產業市場進入和經營流通方面的政策，建立公平的市場競爭秩序，促進企業向集約化、規模化方向發展。在這種約束下，迫使和規范企業增加和采用新型工藝、綠色技術、新型設備，期望從源頭降低污染物的排放，最終帶來綠色產出的增加、效率的提升[18]。2019年，《關于構建市場導向的綠色技術創新體系的指導意見》中強調要進一步突出企業綠色技術創新的主體地位[19];2020年2月，國家發展改革委等八部門聯合印發《關于加快煤礦智能化發展的指導意見》，對新建煤礦提出了“綠色化”要求，要求在構建清潔低碳、安全高效的煤炭工業體系中貢獻新力量。近兩年政策持續推動，2021年10月，《2030年前碳達峰行動方案》中提出要大力推進綠色低碳創新，《“十四五”國家知識產權保護和運用規劃》更是為創新技術的發展提供了后備保障，也為各個企業注入了一劑強心針。整體而言，政策的持續支持和產權保護的強化有力地推動著我國綠色專利、綠色技術的發展[20]。

　　5 對策建議

　　5.1 完善碳交易市場形成有效監管

　　首先，多數煤炭開采企業的CO?邊際減排成本呈緩慢上升趨勢，表明環境形勢及政策的沖擊對產業的減排有顯著影響作用，為了進一步夯實我國的減碳成果，要繼續利用良好的政策導向，優化市場環境，利用政策或金融工具等多角度、各方面增強各個企業的碳減排意識，加快碳化進程，盡早使碳排放和經濟發展“脫鉤”。其次，不同的企業在降低某同一污染物排放而支付的治理成本有較大差異，這也許與企業的生產規模或者生產技術水平有關聯。所以在此背景之下，政府可對不同規模企業征收差別化污染稅，也可對其進行符合其自身發展階段的不同程度環境監管，切忌“一刀切”的政策，從而實現精準治理企業污染排放目的。最后，要同步推動二氧化碳排放權外部交易，建立健全交易市場。對二氧化碳排放價格的合法合理定價是完善碳交易市場中關鍵一環，如果價格過高則會增加企業的成本，制約企業的發展;如果價格較低，將導致監管失效。

　　5.2 適當擴張企業規模提高規模效率

　　我國以煤炭為主要一次能源的資源稟賦在短期內很難改變，因此提升煤炭資源開發集約化水平，實現對礦區的統一規劃、大范圍機械化的集中發展，在提高采收效率、增強產業實力的同時保護環境是必然選擇。一方面，煤炭開采型企業要優化生產要素比例，對生產要素進行合理分配，重視企業合理的規模化發展。另一方面，政府要引導資本密集型產業與勞動密集型產業均衡發展，引導企業要加快落后產能的淘汰，增加技術和資金、勞動密集型行業規模經濟效應研究，推動煤炭開采型企業獲取生產要素研發投入的目標由產能的橫向擴張向價值鏈的縱向延伸轉變，以此縮短了能量的回彈路徑，從而推動煤炭開采企業全面提升綠色全要素能源效率。

　　5.3 加強自主研發走內涵式發展道路

　　工業污染的實質是落后的技術水平和低效的資源利用，體現為污染企業綠色全要素能源效率低下，創新能力薄弱，依靠過度消耗資源、過度排放污染的粗放模式維持生產經營。因此，減少企業污染排放只是排放標準的直接目標，倒逼企業進行綠色創新、提高綠色全要素能源效率才是設計及執行排放標準的最終落腳點。外延式的發展注重的是“量”的增長，而內涵式發展注重的是“質”的提高。通過對煤炭開采企業綠色全要素能源效率的分解，本研究認為技術進步因素對企業綠色全要素能源效率的促進作用最大。企業技術進步也就是企業技術研發創新能力，作為能源技術效率提升、經濟效益產生的一個重要途徑。經濟社會綠色發展既要抓末端治已病，也要抓前端治未病，從長遠看節能降耗歸根到底要靠技術進步。所以煤炭開采型企業要把“技術資本”作為企業轉型升級的突破口，必須對研發投入的經費進行合理規劃、切實提高自主創新能力，向價值鏈中高端躍升，使得企業的專業技術方面的科技創新能積極地反饋到企業生產中，最后能形成積極的反饋激勵機制，推動企業與經濟效益持續發展。

　　參考文獻

　　[1] 車亮亮，韓雪，趙良仕，等. 中國煤炭利用效率評價及與經濟增長脫鉤分析[J]. 中國人口·資源與環境，2015，25(3)：104-110.

　　[2] 沈浩. 中國石化煉油企業能源效率研究[D]. 長沙：中南大學，2013.

　　[3] 魏楚，沈滿洪. 能源效率研究發展及趨勢：一個綜述[J]. 浙江大學學報(人文社會科學版)，2009，39(3)：55-63.

　　[4] HU J L，WANG S C. Total factor energy efficiency of regions in China[J]. Energy Policy，2006，34(1)：3206-3217.

　　[5] 袁曉玲，張寶山，楊萬平. 基于環境污染的中國全要素能源效率研究[J]. 中國工業經濟，2009(2)：76-86.

　　[6] 楊紅亮，史丹. 能效研究方法和中國各地區能源效率的比較[J]. 經濟理論與經濟管理，2008(3)：12-20.

　　[7] GUO P，QI X，ZHOU X，et al. Total factor energy efficiency of coal consumption: An empirical analysis of China's energy intensive industries[J]. Journal of Cleaner Production，2018，172：2618-2624.

　　[8] 王忠，田家華，揭俐. 礦業權重疊引致了煤炭產業技術效率損失嗎?[J]. 中國人口·資源與環境，2018，28(3)：139-148.

　　[9] 程曉娟，韓慶蘭，全春光. 基于PCA-DEA組合模型的中國煤炭產業生態效率研究[J]. 資源科學，2013，35(6)：1292-1299.

　　[10] 胡彥勇，張瑞，郄曉彤. 全生命周期下中國煤炭資源能源碳排放效率評價[J]. 中國環境科學，2022，42(6)：2942-2954.

　　[11] Färe R，GROSSKOPF S，WEBER W L. Shadow prices and pollution costs in U.S. agriculture[J]. Ecological Economics，2006，56(1)：89-103.

　　[12] 周志方，李祎，肖恬，等. 碳風險意識、低碳創新與碳績效[J]. 研究與發展管理，2019，31(3)：72-83.

　　[13] 魏楚. 中國城市CO?邊際減排成本及其影響因素[J]. 世界經濟，2014，37(7)：115-141.

　　[14] 雷明，游威，郁書揚，等. 碳排放權交易市場有效性評估——基于二氧化碳影子價格估算的分析[C]//中國環境科學學會. 中國環境科學學會2021年科學技術年會論文集(一). 北京：北京大學光華管理學院，2021.

　　[15] 童超. 綠色GDP核算的理論與方法重構[D]. 太原：山西財經大學，2020.

　　[16] MALMQUIST S. Index numbers and indifference surfaces[J]. Trabajos De Estadistica，1953，4(2)：209-242.

　　[17] 李詩，洪濤，吳超鵬. 上市公司專利對公司價值的影響——基于知識產權保護視角[J]. 南開管理評論，2012，15(6)：4-13.

　　[18] SHEN N，LIAO H L，DENG R M，et al. Different types of environmental regulations and the heterogeneous influence on the environmental total factor productivity: Empirical analysis of China's industry[J]. Journal of Cleaner Production，2019，211：171-184.

　　[19] 國家發展改革委，科技部. 關于構建市場導向的綠色技術創新體系的指導意見：發改環資〔2019〕689號[EB/OL]. (2019-04-15)[2023-12-09]. https://www.gov.cn/zhengce/zhengceku/2019-09/29/content_5434807.htm.

　　[20] 李緒茂，王成金. 中國煤炭產業經濟效率類型與空間分異[J]. 干旱區資源與環境，2020，34(5)：58-63.