【作　　者】
李海燕

【作者单位】
安徽新华学院财会与金融学院，合肥230088

【摘　　要】

   【摘要】高污染、高能耗的工业发展方式带来了较严重的环境污染、生态破坏、资源耗竭等问题，“低碳审计”作为一个全新的概念被提出，并逐渐受到学术界的关注。为了促进电力企业低碳经济发展和加快节能减排工作进展，有必要建立一套全面反映电力企业低碳经济内涵与特点的低碳审计评价体系，对电力企业的低碳政策执行情况和碳减排责任履行情况做出综合评价。本文基于低碳生态视角的低碳审计基本理论框架，利用DSR模型和AHP方法构建了电力企业低碳审计评价指标体系，希望能为电力企业低碳审计工作深入开展提供借鉴。
【关键词】低碳审计；电力企业；DSR-AHP模型；层次分析法
【中图分类号】F239      【文献标识码】A      【文章编号】1004-0994（2017）07-0119-5一、引言
随着工业化、城市化进程的不断加快，我国借助于电力、煤炭、冶金等重点行业的迅速发展，在经济发展方面取得了累累硕果，但是高污染、高能耗的工业发展方式导致了较严重的环境污染和生态破坏等问题。近年来持续的雾霾现象引起了社会的广泛关注，如何在推进我国加速崛起的同时减少能耗和碳排放量，对于建立绿色中国具有重要意义。《全国“十三五”规划纲要》指出，要积极建立绿色低碳发展产业体系，加强高耗能行业能耗管控，控制碳排放，走循环和可持续发展道路。为贯彻落实发展低碳经济，走节能减排发展之路的发展政策，政府提出了低碳经济发展的目标和要求。而政府做出的承诺减排任务应该由各个企业去具体落实，企业是否完成了低碳减排任务，是否对碳排放信息予以及时、完整、真实的披露，这就需要对其进行低碳审计。低碳审计是审计主体依据有效的审计标准，对审计对象碳减排责任履行和低碳政策执行情况进行审核、评价、鉴证及监督的一种管理活动。低碳审计内容和审计方法的复杂性使得审计结果晦涩难懂，为了使审计结果能够被投资者、消费者等企业利益相关者理解，低碳审计结果更适合以清晰和简明的量化指标形式呈现和披露，完善的低碳审计评价标准建立将有助于低碳审计工作的开展。
电力行业在我国国民经济的发展和GDP的增长中起着重要的作用，但我国大部分电力企业长期以火电为主的发电结构，带来大量的污染物的排放。根据2015年环保部针对大气污染物的统计数据显示，我国50%以上的CO2、SO2以及60%以上的氮氧化物排放均来自电力行业，居重污染行业之首。随着中国经济的持续稳定增长，未来电力消费量将逐年攀升，有效控制电力行业碳排放量和污染物排放对我国实现低碳发展具有重要的意义。因此，借助审计手段对电力企业碳减排责任的履行和碳排放信息披露等内容进行审核和鉴证，建立一套全面反映电力行业低碳经济内涵与特点的低碳审计评价指标体系，促进电力行业低碳经济发展和加快节能减排工作迫在眉睫。
纵观现有国内外学者的研究，国外对于低碳审计的相关研究主要集中在定量分析这一领域，并且取得了较为成熟的经验与较丰富的研究成果。但是，国内专家学者的相关研究往往集中在低碳审计的定性研究，有针对性地对低碳审计效果评估指标的整体设计、各指标的权重确定的研究不多。基于现有的研究成果，本文主要针对电力行业这一重污染行业展开研究，运用DSR模型构建电力企业低碳审计评价指标体系，并用AHP方法进行指标权重量化，力争为低碳审计评价研究提供可借鉴的依据。
二、电力企业低碳审计评价指标体系设计思路
本研究基于DSR（Driving—State—Response Model）模型构建电力企业低碳审计评价指标体系。DSR模型框架是一种环境管理体系，是从经济合作与发展组织（OECD）1996年的环境政策报告中发展起来的，是研究环境──经济──社会三大系统协调发展的基本模式，被广泛用于构建各种不同领域的可持续发展指标体系。此模型由驱动力（Driving）、状态（State）和响应（Response）三类指标构成，其中：驱动力指标是指导致发展非循环和不可持续的各项活动、消费模式和经济制度结果的因素，主要描述了社会经济系统具有向高产出、低污染、环境友好型发展模式转型的内在动力和诉求，包括生产方式、技术导向和资源可持续利用等；状态指标用来反映系统在持续发展过程中的状态，回答了系统发生了什么样的变化的问题；响应指标用以表明人类为保持可持续发展所采取的具体措施，回答了人类的反应和行动的问题。DSR模型如图1所示：

基于DSR模型，本文建立的电力企业低碳审计评价指标体系的框架有三个维度：第一维度是目标层，是指标体系的最高层，表达了电力企业低碳审计指标体系的总目标。第二维度是影响因素层，分为驱动因素、状态因素和响应因素三个维度的指标体系。第三维度是指标层，主要指电力企业低碳审计评价的基础性指标，是指标体系中基本组成单元。具体见图2。

三、电力企业低碳审计评价指标体系构建
由于目前尚无公认的电力行业低碳审计评价体系，因此本文指标体系的开发经历了多个阶段。第一阶段，借鉴国内外相关研究，结合实际情况和数据的可获取性确定，并依据DSR模型的系统结构和理念，区分每个层次在整个系统中的不同作用和每个层次之间的相互联系，设计了36个指标构成电力行业低碳审计评价指标体系，并将筛选出的指标根据其对系统的不同作用分别划分到相应的驱动力、状态、响应三个影响因素层。第二阶段，采用专家意见法，向两位低碳经济专家、两位环境保护专家、四位审计专家和两位电力企业部门人员进行调研，然后根据专家意见修改并删除了4个指标。第三阶段，选取了五家电力公司进行问卷调查，根据调查反馈的信息，又删除了多个指标。最终，形成了3个层次21个指标的评价指标体系，其中3个层次包括目标层、准则层和指标层。具体指标体系的构成见表1 。
四、电力企业低碳审计评价指标体系验证分析和运行步骤
1. 指标权重评价方法的选取。科学合理地确定指标权重值，对确保评价电力企业低碳审计评价结果的科学性与准确性具有重要意义。本研究采用层次分析法（AHP）确定评价指标权重的数值。目前低碳审计评价方法不够完善，数据不够准确，采取客观赋权法，容易造成计算结果的误差，而层次分析法（AHP）是一种国内外学者常用的主观赋权法，且其应用建立在严格的判断矩阵的基础上。层次分析法（AHP）是由美国运筹学家T. L. Saaty教授提出来的一种多目标决策评价法。该方法的基本原理是决策人先利用分解的思想，将复杂问题分解成不同的层次，主要包括目标层、准则层和方案层，每一层次由若干因素组成，然后对同层次中的各要素与上一层次的要素进行两两比较，以获得各组成要素的权重，得到各方案对总目标影响的排序，进而实现对整个方案的评价，并做出决策。它可以将决策者的经验判断数理化，从而为决策提供快捷有效的解决方案，具有思路清晰、简便灵活、适用面广等特点，其运算主要包括以下五个步骤：
（1）构造判断矩阵。在表1各层元素中进行两两比较，引用A. L. Satty 提出的1 ~ 9 九级标度法（见表2）对重要性程度赋值，对各层次的指标两两进行重要性比较，形成一系列的比较判断矩阵。

其中，aij的含义为：元素Ai与Aj进行对比，二者谁更重要。

（2）计算各指标的权重。运用方根法计算指标权重，具体如下：
首先计算判断矩阵每一行元素的乘积，即：
mi=      aij，i=1，2，…，n
其次计算mi的n次方根，即：
Wi=      ，i=1，2，…，n
将向量W=（W1，W2，…，Wn）T进行归一化处理，即：
Wi=Wi/     Wk，i=1，2，…，n
计算最大的特征根，即：
λmax=[1nk=1n(AW)iWi]，其中，（AW）i表示向量AW的第i个分量。
（3）进行一致性检验。一致性检验是检查专家在判断指标重要性方面得出的结论是否一致，避免出现结果相互矛盾。对于判断矩阵A而言，理想的判断矩阵应满足一致性条件。计算出一致性指标CI后，从表2中查找相应的平均随机一致性指标RI。
CI=[λmax-nn-1]
CR=CI/RI
一般CR愈小，判断矩阵的一致性愈好。通常认为，CR=0时，A是完全一致性矩阵；0<CR<0.1时，A是满意一致性矩阵；CR>0.1时，A不具有一致性，需要调整判断矩阵的元素取值。
2. 评价指标权重的获取。
（1）构造判断矩阵。依据电力行业低碳审计评价标体系，邀请了五位专家共同组成指标权重评判小组，指标权重评判小组成员各自按照1 ~ 9 标度法要求，确定各指标之间的相对重要性并赋予相应的分值，最后根据专家意见分值的几何平均值，构建判断矩阵。受篇幅的限制，本文仅以其中一位专家的判断为例进行计算过程的说明。
（2）计算指标权重。对目标层A，三个影响要素通过两两比较构成的判断矩阵为：
[A=112132113331]
首先，计算判断矩阵每一行要素的乘积mi，则可以得到：
m1=1×[12]×[13]=[16]，m2=2×1×[13]=[23]，m3=3×3×1=9。
其次，计算n次方根。
W1=[m13=163=0.5503]
W2=[m23=233=0.8736]
W3=[m33=93=2.08]
第三步，对向量（W1，W2，W3）T=（0.5503，0.8736，2.08）T归一化处理，依次可求得目标层的权重Wi：

（3）一致性检验。计算判断矩阵的最大特征值，再计算一致性指标CI与CR值。

[λmax=0.47963×0.157+0.76123×0.2493+1.81253×0.5936=3.05]
[CI=λmax-33-1=3.05-32=0.025]
这里n=5，得自由度指标RI=0.58。计算出一致性率CR：
[CR=CIRI=0.0250.58=0.043<0.1]，表明该判断矩阵具有满意一致性。
（4）指标层权重的确定。电力行业低碳审计评价指标层相对于其准则层的处理过程如上所述，最终通过对选取的五位专家的权重值进行平均值计算，并通过一致性检验。电力行业低碳审计评价的指标权重见表3。

从表3可以看出：电力行业低碳审计评价指标体系综合权重中，首先，响应指标（CO2减排量、SO2减排量、氧氮化物减排量、固体废物综合利用率及供电煤耗同比下降率等）的权重显著领先于其他指标，这说明实现低碳发展和绿色经济，电力企业必须加大碳减排的力度，增加清洁技术使用，减少煤炭等能源的粗放消耗，有效减少温室气体的排放。虽然我国已在研发并尝试使用新能源技术，目前想要新能源完全取代煤炭是不可能一步实现的目标，但是随着电力行业综合实力的逐步提高，对电力企业生产经营结构的不断调整，资源利用率的不断提升，碳排放量不断降低，在国家政策的积极引导下，低碳化将会更迈向更高的层次。其次是状态指标（CO2排放量、SO2排放量、烟尘排放量、综合能源消费量等），其重要程度不言而喻，该类指标对电力企业实现低碳化发展具有重要影响，这类指标也是最直观的环保评价指标。
目前我国二氧化碳、二氧化硫以及氮氧化物排放等主要来自于电力企业，由于经济发展需要，电力企业能耗总量一直在持续增长。虽然在国家大力提倡发展低碳经济的背景下供电煤耗在逐步下降，但是与国际先进水平相比，仍存在相当大的差距。该指标的改善是和另外两个指标密不可分的，电力企业今后应借鉴西方国家企业科学的经营模式，加大低碳技术投资，实现资源的有效配置和可持续发展。最后，驱动指标（电力收入、发电量等）的权重系数也较大，表明企业实现低碳化发展需要增加驱动因子中的企业收入、资产总额等，调整状态因子中的能源结构，积极降低和治理污染排放，减少对环境的破坏。
总体来说，基于DSR-AHP模型的电力企业低碳审计评价指标体系从驱动、状态、响应三个维度共同反映了电力行业低碳经济发展的情况，是评价和鉴证电力企业碳减排责任履行和低碳政策执行情况的重要依据。
五、结语
目前我国低碳审计工作进展缓慢，相关的低碳审计评价指标、标准并没有系统构建，这在一定程度上影响了审计人员对被审计单位做出正确的判断和决策，审计风险也由此而生。本研究对我国碳排放量较高的电力企业采用DSR模型和AHP方法构建了低碳审计评价指标体系，为电力企业低碳审计提供了评价依据，具有一定的理论和现实意义。但目前国内对低碳审计评价的探究还有很大的拓展空间。指标体系的建立不仅是理论的产物，而且更应是建立在企业可行性分析的基础之上。为了验证本文建立的电力企业低碳审计指标体系的科学性和实用性，在今后的研究中，可搜集相关数据，开展低碳审计评价的实证研究，进一步验证低碳审计评价指标体系的实用性。

主要参考文献：
Bruce Felmingham, Sunday Tasmanian．Carbon audits a good step［J］．Sunday Tasmanian（Hobart）,2008（11）．
Alan C. Mc Kinnon. Product-level carbon auditing of supply chains［J］．International Journal of Physical Distribution and Logistics Management，2010（2）．
王帆．英国低碳审计：回顾·框架·启示［J］．经济与管理，2010（24）．
陈燕燕，彭兰香．我国碳审计存在的问题及对策思考［J］．财会月刊，2010（9）．
管亚梅．免疫系统论下的碳审计模式构建［J］．管理现代化，2013（10）．
傅双双．企业碳审计评价指标体系构建及其应用［D］．无锡：江南大学，2014．
高建慧．低碳审计评价体系构建理论分析与实证研究［D］．宁波：宁波大学，2013．
唐建荣．企业碳审计评价指标体系构建［J］．财会月刊，2013（11）．
王帆．企业碳排放审计评价体系的构建与检验［J］．南京审计学院学报，2015（1）．
余欢欢．浙江省低碳审计评价指标体系构建［D］．长沙：湖南大学，2013．
唐建荣等．企业碳审计评价指标体系构建［J］．财会月刊，2013（11）．
王爱华．企业低碳审计研究综述［J］．当代会计，2015（1）．
李兆东，鄢璐．低碳审计的动因、目标和内容［J］．审计月刊，2010（8）．