【摘要】本文參照聯合國可持續發展委員會提出的DSR模型，從我國滬深兩市7家電力公司發布的2012年社會責任報告中選取了17個碳審計定量指標作為研究對象，根據PCA模型選取四個主成分并篩選出15個碳審計評價指標，并使用人工神經網絡模型確定指標權重，得出評價結果并提出相應對策建議。
【關鍵詞】DSR模型 PCA模型 人工神經網絡 碳審計
能源與人類社會歷史發展密切相關，人類社會已經經歷了三個能源時期，即薪柴時期、煤炭時期和石油時期，即將進入清潔能源時期。在這一時期，低碳經濟成為國內外關注的焦點，低碳經濟發展模式以低能耗、低污染、低排放和高效能、高效率、高效益為基礎，以節能減排為發展方式，以碳中和技術為發展方法。為了促進低碳經濟政策的制定實施和修訂，督促社會組織節能減排，明確在資源利用上的浪費和不足，挖掘自身的節能潛力，提高對資源能源的利用效率，低碳審計這種全新審計模式孕育而生。本文主要探討如何建立一套科學的碳審計評價指標體系，以填補目前的研究空白。
一、研究方法
1. PCA模型。PCA即主成分分析，也稱主分量分析，旨在利用降維的思想，把多指標轉化為少數幾個綜合指標。它是一種對數據進行分析的技術，最重要的應用是對原有數據進行簡化。主成分分析這種方法可以有效地找出數據中最“主要”的元素和結構，去除噪音和冗余，將原有的復雜數據降維，揭示隱藏在復雜數據背后的簡單結構。它的優點是簡單，而且無參數限制，可以方便地應用于各個場合。
假設原樣本指標X1，X2，…，XP與新的待求指標Y1，Y2，…，YP存在線性相關的關系，即：
Y1=C11X1+C12X2+…+C1PXP
Y2=C21X1+C22X2+…+C2PXP
Y3=CP1X1+CP2X2+…+CPPXP
矩陣C滿足CC′= I ， 即C為正交矩陣，其中的Cij由下列原則決定：①Zi與Zj（i≠j）相互獨立；②Z1是Zi中方差最大的變量，Z2在Zi（i≠1）中方差次最大，依次類推，Zp方差最小。
這樣算出的新指標Y1，Y2，…，YP分別稱為第1個，第2個，…，第p個主分量， 它們的方差依次遞減。為了消除量綱的不合理影響，在實際應用中往往先對樣本值進行標準化。
2. 人工神經網絡模型。人工神經網絡是指用大量的簡單計算單元（即神經元）構成的非線性系統，它在一定程度和層次上模仿了人腦神經網絡系統的信息處理、存儲及檢索功能，因為具有學習、記憶和計算等處理功能。人工BP網絡算法的學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成，其學習算法步驟：
（1）正向傳播。通過輸入的樣本Xk=f（[i=0m-1WikXi-θk]），其中k=1，2，…，m；計算出各層輸出，傳向輸出層Z，得到輸出值Yi=f（[k=0p-1WjkXk-θj]），其中j=1。
（2）反向傳播。反向傳播時，從輸出層沿原路反向進行計算和修改，并對每個隱層的各個神經元的權系數進行修改，使誤差趨于最小，見公式1。
經過反復進行正向傳播和反向傳播，指導達到收斂，一旦神經網絡訓練完畢，即可得到網絡各層的權重值R。
（3）確定評價指標權重。
①相關顯著性系數：
X=Wjk （2）
Rij= Wki （1-e-X）/（1+e-X） （3）
②相關指數：
Y=Rij （4）
Rij=|（1-e-Y）/（1+e-Y）| （5）
③絕對影響系數，即權重：
Sij=Rij/ Rij （6）
其中：X=｛X1，X2，…，Xn｝為輸入層向量；Z=｛Z1，Z2，…，Zm｝為隱含層輸出向量；Y=｛Y｝為輸出層輸出向量；V=｛V1，V2，…，Vm｝為輸入層到隱含層之間的權值矩陣；W=｛W1，W2，…，Wm｝為隱層到輸出層的權值矩陣，i為神經網絡輸入單元，i=1，2，…，m；j為神經網絡輸出單元，k=1，2，…，p；Wik為輸入層神經元i和隱含層神經元k之間的權系數；Wjk為輸出層神經元j和隱含層神經元k之間的權系數；θj為臨界值；
是輸出層神經元j向隱含層神經元k傳遞的誤差， 是隱含層神經元k向輸入神經元i傳遞的誤差。
二、指標選取及實證分析
1. 指標選取。DSR即驅動力—狀態—響應概念框架，是研究環境—經濟—社會三大系統協調發展的基本模式， 被廣泛用來構建各種不同領域的可持續發展指標體系。DSR模型分為三類指標，分別是驅動力指標、狀態指標和響應指標。其中驅動力指標描述了經濟發展到后工業化時期， 社會經濟系統具有向高產出、低污染、環境友好型發展模式轉型的內在動力和訴求， 包括生產方式、消費模式、技術導向和資源可持續利用等；狀態指標描述自然界的物理或生態狀態和因此造成的社會經濟發展狀態，回答了系統發生了什么樣的變化的問題；響應指標描述對各種問題做了什么和應該做什么的問題，回答了人類的反應和行動。
如表1所示，根據上述指標體系構建原則，從7家電力公司發布的2012年社會責任報告中選取了17個碳審計定量指標作為研究對象構建基于DSR模型的企業碳審計評價指標體系。這7家電力公司分別為國家電網北京電力有限公司、國家電網浙江電力有限公司、國家電網山東電力有限公司、國家電網江西電力有限公司、國家電網福建電力有限公司、國投電力有限公司和大唐電力有限公司。指標體系分為三層：第一層項目層，按照項目類型為電力公司低碳審計項目；第二層是準則層的驅動力、狀態和響應；第三層是指標層，針對項目層的壓力、狀態和響應分別列出具體的指標。
應當說明的是，在構建指標體系時，筆者在借鑒前人研究環境審計的基礎上設置指標，并且最后建立的指標體系中和環境有關的指標較多，而有關財務方面的指標比較少，這是因為碳審計審查的是效率、效果、效益，與傳統的財務審計的審查內容有根本區別。
2. PCA模型檢驗。
（1）主成分確定。由于原數據值相差很大，不能直接進行比較，因此首先將樣本數據進行標準化，再利用標準化矩陣求得特征值，最后根據累計貢獻率確定主成分。一般特征值累積貢獻率達85% ~ 95%即可選為主成分。從表 2 可以看出，前4個成分的特征值大于1，且方差累積貢獻率達到 92.187%，因此可用這4個主成分來替代原來的17個指標，同時也證明初選指標具有一定的合理性。
（2）指標篩選。從指標代表性的角度來篩選指標，挑選因子載荷絕對值較大的指標為主要指標作為解釋變量。當指標的主成分載荷絕對值均小于0.7時，相關性小，該指標可剔除。表3中的X2（資產總額）和X3（銷售收入增長率）的四個主成分均小于0.7，故該指標主成分的信息量相對較少，可以剔除，得到15個低碳審計評價指標。
在驅動力層中：除去被剔除的兩個指標外，低碳研發費用（X5）相對電力收入（X1）和售電量（X4）來說第一主成分載荷較小，說明企業用于節約能源和保護環境的研發費用較少或者貢獻較小，需加大對這方面的投入。
狀態層中：第一主成分較全面地反映了化學需氧量（X8）、粉塵排放量（X9）、廢水排放量（X10）、綜合消耗（X11）、用戶平均停電時間（X15）各指標的情況；第二主成分在萬元生產總值能耗（X12）這一指標上載荷較大，說明這一成分主要反映能源消耗和經濟發展水平，第三主成分主要反映CO2排放（X6）水平；
在響應層中：CO2減排（X15）和資金投入（X17）所在的第四和第一主成分載荷比其他主成分得分高，說明CO2減排和減排投資帶來的效益相對來說比較明顯。可以看出，優化后的指標體系更具有合理性，為指標確定權重奠定了客觀基礎。
3. 權重確定。為了獲得各評價指標的權重，我們采用了人工神經網絡模型，首先要確定各神經網絡單元數，其中輸入層單元數為15，輸出層單元數為1，隱含層神經單元數可自行設定。本文根據如下規則確定隱含層的神經元數：隱含層的神經元數目大于等于輸入層神經元和輸出層神經元數目和的一半，小于輸入層神經元和輸出層神經元數的和，因此本文隱含層神經單元數設定為8個。
（1）網絡訓練。對篩選后指標的標準化矩陣進行訓練，消除了指標量綱和數量級的影響，通過訓練分析，期望誤差選擇的是0.001，通過對網絡進行訓練，如下圖。
由此可見，進過336次訓練后，訓練結果達到期望誤差值，而且網絡誤差的收斂速度非常快，顯示的結果證明了P和T之間非線性映射關系的擬合是非常精確的。
（2）確定指標權重。神經網絡訓練得到的結果只是各神經網絡神經元之間的關系，要想得到輸入因素相對于輸出因素之間的真實關系，也就是輸入因索對輸出因素的決策權重，還需要對各神經元之間的權重加以分析處理，為此利用上文公式求出各指標的權重，見表4。
用各指標權重乘以各指標原始數據標準化結果后得出7家電力公司低碳審計綜合得分及排名，結果整理如表5所示。同時可以看出狀態層排名與綜合排名一致，說明狀態層指標是影響低碳審計的關鍵因素，該研究結果與表4中指標權重相呼應。
三、結論與建議
本文嘗試性地運用主成分分析法對指標體系進行優化，然后運用人工神經網絡確定優化指標的權重，盡可能消除以往權重確定方法中的人為影響，保證權值的有效性和實用性，評定的結果與實際基本相符。研究結果顯示：權重最高的指標分別是狀態層的X4（CO2排放量）、X5（SO2排放量）、X7（粉塵排放量）、X8（廢水排放量），說明企業的低碳審計評價等級，跟上面幾個指標關系最大，企業應該減少排放廢水、廢氣，比如引進廢水廢氣處理設備；同時萬元生產總能耗比較低，說明并不是降低能耗，就會提高碳審計的評價和排名；在響應層中，指標X13（CO2減排量）和X15（減排資金投入）權重較大，說明企業應加大減排資金，處理廢水廢氣，把煤炭的消耗盡量轉移到電力消耗。
為促進企業利用低碳審計指標采取有針對性的措施，推動企業走可持續發展的低碳化道路，筆者提出以下建議：
1. 升級戰略，把提高能效和碳減排作為核心業務之一。在全球發展低碳經濟的大背景下，企業必須分析國內外低碳經濟政策對企業所屬行業及企業本身的影響，制定相應的發展戰略，將發展低碳經濟的思想納入企業日常運營管理和經營決策，提出應對市場變化的需求和采取低碳行動的機會，開發低碳產品以協助消費者使用能效高的產品，實現企業的低碳經濟轉型，實現經濟效益和社會效益雙豐收。
2. 提高能效，充分利用太陽能、風能等可再生能源。了解低碳項目的成本和收益來進行業務規劃和相關投資，挑選適合生產和節能的設備，尋找企業能源、碳消耗密集的節點，使用可再生能源替代能耗高的能源，減少二氧化碳排放，提高能源生產和使用效率。
3. 創新技術，構建企業低碳技術創新聯盟。目前我國企業的低碳技術尚未發展成熟，企業單獨進行低碳創新缺乏充足的研發資金和相應的技術人才，而且風險較大，因此共同進行技術創新、構建企業技術創新聯盟是不錯的選擇，可以彌補企業單獨創新的缺陷，為企業發展低碳經濟奠定基礎。
4. 企業管理層要主動踐行低碳發展的承諾，宣傳低碳經濟的內涵及其對轉變經濟發展方式和經濟持續發展的重大意義，教育員工了解有關減少碳排放、環境保護措施的信息，引導員工自覺投入到低碳活動中。
【注】本文受國家社會科學基金項目“實物期權條件下的公共資源交易問題研究”（項目編號：08BYJ060）及教育部人文社會科學研究項目“區域性碳交易平臺的系統研究”（編號：11YJAZH084）資助。
主要參考文獻
1. 梁中，周翔.低碳產業創新系統運行績效評價的指標體系.統計與決策，2012；2
2. 劉元明，單紹磊，高朋釗.煤炭企業節能減排評價指標體系及模型構建.經濟研究導刊，2011；6
3. 陳相杰，楊乃定，劉效廣.研發項目復雜性指標權重確定的FANP法.計算機工程與應用，2012；11
4. 王鋒，馮根福.優化能源結構對實現中國碳強度目標的貢獻潛力評估.中國工業經濟，2011；4
5. 朱海就.區域創新能力評估的指標體系研究.科研管理，2004；3
6. 李靖華，郭耀煌.主成分分析用于多指標評價的方法研究.管理工程學報，2002；1
7. 白雪梅，趙松山.對主成分分析綜合評價方法若干問題的探討.統計研究，1995；6
8. 邱東.多指標綜合評價方法的系統分析.北京：中國統計出版社，1991
9. 張崇甫，陳述云，胡希玲.統計分析方法及其應用.重慶：重慶大學出版社，1995
【作 者】
唐建榮（教授） 傅雙雙
【作者單位】
（江南大學商學院 江蘇無錫 214122）
