第三章 中小企业绿色低碳发展评价研究
第一节 中小企业绿色低碳发展评价研究综述
一、关于绿色低碳发展评价指标的研究
目前，我国对绿色低碳发展评价指标的研究主要有两种类型：一是基于投入产出分析法，探讨选取碳绩效评价指标（财务性指标）；二是基于传统财务分析法，探讨选取能够代表绿色低碳发展评价指标（非财务性特色指标）。
（一）基于财务性指标的碳绩效评价指标
借鉴任佩瑜（2005）的企业绩效综合集成评价模型，徐砥中、廖培（2010）基于管理熵理论，从基本价值活动和支持性价值活动两个方面，探索设计了企业低碳管理绩效集成评价模型，建立了中小企业碳绩效综合评价指标体系。基于低碳、环保的循环经济发展模式，范翠英、白玉坤（2012）引入反映低碳模式的化石能源消耗指标和替代能源使用指标，并结合在经济附加值（EVA）等定性指标，建立了中小企业碳绩效评价指标体系。张岩等（2012）以电力企业为研究对象，从能源利用、低碳管理、低碳消费等维度，构建了电力企业低碳发展绩效评价指标体系。宋艋、陈会丹、田翠香（2012）则针对电力企业提出了绿色低碳发展的“3个层次、12个分项”碳绩效评价指标体系。王爱国（2014）认为，企业绿色低碳发展绩效的优劣主要表现为碳财务能力的强弱。一般来说，企业碳财务能力越强，绿色低碳发展水平就越高。企业碳财务能力涵盖碳投入能力、碳营运能力、碳产出能力、碳发展能力和碳风险能力5个方面，其中每个方面又包括5～6个具体指标。陆浩杰（2015）通过对山西焦煤集团进行实证分析，从低碳开采、低碳运输等5个层面构建了煤炭企业低碳发展评价指标体系。
（二）含非财务指标的绿色低碳发展评价指标
基于经济附加值模型，范翠英等（2010）把CO2排放量和能源耗费率纳入企业碳绩效评价模型，作为评价企业绿色低碳发展状况的主要评价指标。李虹（2011）从企业碳排放效率的财务评价视角，构建了基于财务效益的企业低碳发展模糊综合评价模型。吴念和颜毓洁（2012）基于传统财务指标，充分考虑代表环境效益的因素，创新性地构建了企业基于传统财务指标的企业绿色发展评价体系。吴甜（2015）通过对陕西省5家煤炭企业的实践研究，从经济发展、环境保护和低碳文化3个层面出发，构建了煤炭企业低碳化发展评估体系，并实证检验了企业低碳化程度评价的可行性。基于“压力-状态-响应模型”（Pressure-State-Response Model，即PSR模型），张建平、冯舒祺（2019）充分考虑生态安全影响，创新性地构建了煤炭企业环境绩效审计PSR-ANP模型，涵盖了3个一级指标、7个二级指标和30个三级指标的环境绩效审计指标体系。
二、关于绿色低碳评价方法的研究成果
（一）数据包络分析法
数据包络分析（DEA）法是企业绿色发展评价分析中最常用的方法，尤其是在碳绩效评价指标构建方面较为成熟。DEA法基于目前较为流行的环境和能源模型（E&E Modelling），引进代表绿色低碳发展的减排效率和碳绩效等方面特色指标，形成企业绿色低碳发展评价的分析范式。Chung等（1997）基于污染物的弱处理性，运用方向距离函数法进一步改进企业绿色发展环境效率评价模型，提出了企业绿色低碳发展距离函数环境效率分析模型。Zofio和Prieto（2001）以CO2排放量为非期望产出，利用DEA法对14个不同监管政策OECD（经济合作与发展组织）国家的制造业企业绿色低碳发展的碳排放绩效进行量化排名。Cook和Green（2005）针对火力发电企业各个子部门碳排放效率的差异，基于DEA法提出了分层结构的火力发电企业绿色低碳发展整体碳排放绩效评价模型。
王群伟等（2010）借鉴Zhou等（2010）的制造业企业碳绩效评价指标体系，构建了区域绿色发展的环境DEA模型，并以省域制造业CO2减排绩效为研究对象，对区域经济发展水平、产业结构高级化程度、能源投入强度及所有制结构对区域CO2减排绩效检验分析，得出显著相关性影响且CO2减排绩效存在收敛性的结论。Ke Wang等（2011）利用DEA法对中国30个省（市、自治区）制造业碳绩效评价进行了比较排名，结果发现，东部地区碳绩效评价排名明显优于其他区域。Zhou P.等（2012）利用DEA法构建了国家电力行业CO2排放绩效评价模型，并实践检验了126个国家电力行业碳排放绩效评价排名，发现OECD国家电力行业碳排放绩效排名明显优于非OECD国家电力行业碳排放绩效排名。
周黎莎、余顺坤（2013）基于超效率DEA法提出了一种区域发展的CO2减排效益评价模型。考虑到不同区域环境因素对智能电网低碳效益评价影响的显著差异，该模型剔除了外部环境因素对区域电网企业CO2减排绩效评价指标的影响，可以更加客观、科学地反映不同区域智能电网对促进CO2减排绩效的贡献程度。Jing-Li Fan等学者（2015）运用DEA法将化学类、生物类、地理类等20种关键碳利用技术进行分类归总评价分析，发现化学类碳利用技术对促进碳减排的绩效最好，而且碳利用技术的效率评价排名与减排量的相关性并不显著。
（二）层次分析法
李虹和付飞飞（2012）基于模糊综合评价法构建了企业碳减排财务绩效模糊综合评价模型，该模型基于模糊数学原理，坚持定量和定性相结合，既发挥了财务绩效模糊综合评价模型中评价因子和评价过程的模糊性，又避免了个人判断主观性的不足。谭晨（2011）基于层次分析法（AHP）构建了企业碳减排绩效评价模型。该模型先将评价指标体系分成目标层、准则层和指标层3个层次，再运用德尔菲法确定准则层对目标层相应指标的重要性，并据此计算对应权重，最后收集原始数据并对该模型的有效性进行实证检验。麦海燕和麦海娟（2013）认为，制造业企业碳减排绩效水平是随着生产过程的推进而动态演进的，企业碳减排财务绩效评价也应动态考核与评价。基于碳足迹捕捉与碳中和的视角，麦海燕和麦海娟构建了以代表低碳水平的偏离指数、可持续性和低碳能动性等指标为核心的企业碳减排财务绩效动态评价模型，主要从企业低碳发展的维度动态评价企业的碳排放行为表现。李晓燕（2010）运用模糊层次分析法（FAHP）构建了涵盖目标层、准则层、指标层的企业碳排放财务绩效评价指标体系，应用FA H P确定准则层各个指标的权重，并对四川、山西、广东等省份的企业低碳经济发展行为表现进行评价，得出评价结果有效性的实证检验。基于人类对客观事物发展认识的模糊性、外界环境影响因子重要程度的不确定性及环境行为表现绩效评价的复杂性，聂丹丹和田金玉（2007）构建了企业碳减排财务绩效模糊综合评价模型，运用模糊数学原理对各层次评价指标进行模糊综合评价，进而筛选指标、确定指标权重、完善评价标准、组织量化打分和综合评价。
郑立群和王佳（2007）认为，传统制造业企业碳减排行为表现绩效评价方法主要是从财务业绩指标的角度考量的，具有较大的片面性，不符合当前新经济条件下新型制造、智能制造、绿色制造的企业实际情况。郑立群和王佳运用网络分析法（ANP）提出了基于平衡计分卡和绩效棱柱为主要特征的企业碳减排财务综合绩效评价模型，构建了以利益相关者满意度和贡献度，以及企业经营管理水平、发展战略为主要指标的新经济条件下制造业企业碳减排财务绩效综合评价指标体系。
（三）熵权法
目前，学术界普遍运用熵权法构建绩效或质量评价模型，尤其是在企业财务管理绩效和质量水平评价中十分常见。周志恒等（2012）综合利用熵权法和模糊数学原理构建了网民幸福感绩效综合评价模型，并随机对200名网民的幸福感进行抽样调查和评价。杜挺等（2014）基于熵权法对重庆市40个县（区）的经济发展指标权重和经济发展水平变化之间构建了评价模型，确定指标权重，并对2000—2010年重庆市县域经济指标权重与县域发展水平的变化情况进行了实证检验，提出改进评价模型的针对性办法。雷勋平等（2014）综合运用熵权法和TOPSIS（优劣解距离法）构建了区域资源环境承载力评价模型，确定了各级指标权重，并对2000—2013年安徽省资源环境承载力和3个子系统内部承载力水平进行了实证检验，评价结果表明，“十一五”期间，安徽省资源环境承载力水平稳步提升。薛善召（2016）运用层次分析法和熵权法构建了第三方物流服务供应商碳减排财务绩效综合评价模型，对物流服务供应商提升碳减排财务绩效水平提供了有价值的分析工具。董战峰等（2016）将熵权法引入区域经济发展环境绩效评估模型，基于浙江、江苏、上海等16个省（市）面板数据的实证分析，构建了中国省域经济发展环境绩效综合评估指标体系。高明等（2017）综合利用熵权法与灰色关联分析法构建区域空气质量评价模型，实证检验和分析了北京市2001—2012年空气质量数据及影响因子，并对改善空气质量提出了有价值的政策建议。张佳钰（2017）利用熵权法构建“互联网+农业”上市公司财务绩效评价模型，并以DBN（深度信念网络）公司为例，实证检验了该模型的合理性和有效性，同时提出了针对性的改进建议。
（四）优劣解距离法
优劣解距离法（TOPSIS）适用于对多个目标系统构建评价模型，尤其在不同目标系统之间比选、排序和决策等评价方面比较有效，但在制造业企业碳减排财务绩效评价应用中也十分广泛。例如，2010年，Tien Chin Wang运用TOPSIS对越南上市公司运营业绩评价进行实证检验。2012年，Berna Bulgurcu运用TOPSIS对伊斯坦布尔上市公司财务业绩评价进行了实证检验。2004年，Tien Chin Wang等运用TOPSIS对台湾股票市场上市公司业绩评价进行了实证检验。TOPSIS对指标要求和样本数据数量的限制性条件较少，计算方法也比较简单，应用较为灵活广泛，常用于制造业企业碳减排财务绩效等绿色低碳发展评价模型。例如，RC.Tsaur（2011）、Li Chang Hsu（2013）等运用TOPSIS构建了企业决策风险评估模型；柳劲松（2009）等运用TOPSIS构建了居民生活质量评价模型；李刚等（2011）运用TOPSIS构建了人的全面发展综合评价模型，雷勋平等（2016）运用TOPSIS构建了区域土地利用绩效评估模型。
三、目前中小企业绿色低碳发展评价研究的不足
综合国内外学者有关企业绿色低碳发展评估的研究成果，制造业企业碳绩效评价的理论和方法已相当丰富。目前，国内外学术界有关企业碳减排财务绩效评价模型、指标体系等方面的研究相当成熟，评价方法也日益多样化且呈现融合发展趋势，但针对中小企业绿色低碳发展评估的研究还存在一定的不足。
（一）绿色低碳评价指标普遍适用性不足
碳绩效研究的范围逐渐由国家、地区层面推广到行业和企业层面，但不同层面评估体系在指标构成上存在较大差异，缺乏统一的适用性规范。Clarke J.A.（2008）等学者在行业或企业层面碳绩效评估研究中沿用了国家或地区已有的宏观性评价指标，忽略了其在微观层面数据获取的准确性和科学性。行业和企业等微观层面碳减排财务绩效综合评价要基于已有的宏观层面评价指标进行再细化、再聚焦，进而形成符合行业或企业特点碳减排财务绩效综合指标，充分考虑不同行业企业生产组织方式的差异性和数据获取的可操作性。国家或区域层面统计数据的获取对象具有广泛性，统计机构确立的数据收集方法通常具有普遍适用性，很少注意获取对象的差异性。基于这类数据的研究结论适用于对国家或区域等宏观层面碳减排财务绩效综合评价，而对行业或企业等微观层面碳减排财务绩效评价可能并不适合。
（二）绿色低碳评价指标选择存在一定的随意性
碳减排财务绩效评价模型及评价指标体系为企业或行业甚至区域碳绩效评价提供了统一的衡量标准，评价结果便于横向或纵向比较，可比性强，更加直观，有助于更全面地分析企业等微观主体的碳减排财务绩效情况。目前，国内外学术界在企业绿色低碳发展评价模型构建及碳减排财务绩效综合评价指标的选取上还存在一定的随意性。
一是在指标体系的构建过程中，指标选择及其权重设定主要依赖专家打分，具有很大的主观随意性。研究者在构建企业碳绩效评价指标体系时面临信息获取不充分、缺乏充足的实践数据及各指标反映信息量适配性差等问题，导致选择碳绩效评价指标、确定指标权重时缺乏合理、客观的科学依据，有时会出现评价结论与企业实际情况大相径庭的现象。
二是在指标体系构建过程中，没有聚焦核心关键问题，导致涵盖的指标数量过多。例如，李林和朱沙沙（2012）、王爱国（2014）等构建的企业碳减排财务绩效评价模型涵盖的具体指标数量都超过20个，不仅增加了具体操作难度，而且会削弱一些关键性指标的作用。Ki-Hoon Lee（2012）构建企业碳绩效评价指标虽然明确了多种信息收集方法，但是在能够准确反映企业碳绩效行为表现的有价值信息范围确定方面仍存在空白，导致实际评价过程中顺利完成有价值信息收集、分析的难度较大。
三是评价模型构建过程人为设计了修正因子，可能会进一步放大评价结果误差范围。例如，徐砥中和廖培（2010）、范翠英和白玉坤（2012）等学者构建的企业碳绩效评价模型都设计了修正因子，评价者可以利用已有的业绩对评价结论加以人为干预，从而达到预期的评价碳绩效。现有平衡计分卡、经济增加值等流行评价方法尽管保留修正因子的架构，但其根本目的并不是为了使得评估结论符合预期评价，而是使碳绩效评价与企业碳排放活动的内在联系统一起来。
四是企业碳绩效评价利用财务指标反映企业碳排放活动是否恰当，在学术界仍存在较大的争议。财务信息不仅无法直观反映企业的碳排放水平，而且企业之间存在的确认差异也会造成信息缺乏比较价值，导致企业碳绩效评价结论失真。
（三）绿色低碳发展评价方法有待进一步优化
DEA模型具有多向度输入/输出的特点和优势，符合企业生产及碳排放的实际情况，具有显著的可靠性和客观性。Zofio和Prieto（2001）、Reinhard S.（2000）、Hailu A.和Veeman T.S.（2001）等都运用DEA模型将CO2排放量作为非期望产出指标或投入指标，达到提高了企业碳减排绩效评价指标和指标体系客观性的效果。但是DEA模型也有自身的局限性，即其评价对象的产出和投入必须具有相似性，与企业生产流程及碳排放过程等实际情况不符，可以作为企业或集团内相似子公司之间的碳绩效评价方法。
层次分析法是学术界常见的用于评价单一企业绿色低碳发展的重要分析方法，其评价指标的数据获取以客观数据为主，部分数据取决于专家赋值打分，具有一定的主观性，可能会存在某些指标数据不能正确或准确反映企业绿色低碳发展现状的现象，评估结果也可能与人们的认知相差太多。运用层次分析法的关键在于能否合理地利用绿色低碳发展的指标数据，只有给各个指标赋予合理的权重值，才能保障评估结果符合实际。
熵权法是一种基于客观数据确定权重的分析方法。由于熵权法完全以指标数据为决策信息，而错误反映或不能准确反映企业绿色低碳发展现状的数据都会造成权重设置的不合理甚至错误。
专家打分法是一种基于专家主观经验对各指标的重要程度进行打分从而确定权重的方法，权重决策的过程完全依据专家的主观判断，忽视了指标数据中包含的客观信息，权重决策的结果可能会偏离实际。