基于Malmquist－DEA的中国能源产业技术进步与技术效率研究

(西安交通大学经济与金融学院，陕西 西安 710061)

中国能源的消费结构在未来仍然是一种非均衡的态势。权威专家估计，预计2020年中国能源消费总量为33.57亿吨标准煤，煤炭、石油、天然气和电力的消费量分别为18.13亿吨标准煤、9.06亿吨标准煤、3.29亿吨标准煤、3.09亿吨标准煤。能源产业是我国可持续发展总体战略中的一个关键性产业，我国特有的能源结构是造成环境等问题的重要原因之一，而能源产业技术发展的相对滞后性集中表现为能源资源开采中的浪费和使用中的低效率，这些更加快了我国本已稀缺的能源资源耗竭过程。因此，探讨我国能源产业的技术进步问题与技术效率问题有很强的现实意义。

关于中国能源产业生产率问题也引起了国内外学者的关注[1－5]，已有研究虽然对我国能源产业的生产率进行了一些分析，但基于产业的角度并从省域和地区划分的视角来对中国能源产业生产率进行深入分析的文献还较少。此外，通过对能源产业生产率进行分解，并从技术进步和技术效率的角度来分析我国能源产业发展的内在原因更是值得研究的问题。因此，在已有文献的基础上，本文运用29个省的面板数据对中国能源产业的全要素生产率进行实证研究，拟从以下几个方面对现有文献进行拓展:①运用基于DEA的曼奎斯特(Malmquist)生产率指数对中国29个省 (自治区、直辖市，后文简称作“省”)能源产业的TFP增长进行研究，并比较能源产业的区域技术进步与技术效率发展情况;②从能源产业整体视角，完整地揭示中国能源产业技术进步和技术效率的动态变化，进一步寻找生产率差异和变动的原因;③对中国各地区能源产业生产率、技术进步、技术效率的收敛性予以检验，以求全面地反映各地区能源产业生产率差异变化的演进轨迹及趋势特征。

1 研究方法与数据处理

1.1 Malmquist生产率指数

由于能源产业活动具有多输入和多输出特征，可以将Malmquist指数分解为技术进步指数和技术效率变化指数。通过分解，可以更加详细地了解影响能源产业全要素生产率变动的综合因素，避免把生产率的变化只归因于某一因素，而忽视其他因素的作用。在本文中，我们把每一个省看作一个生产决策单位，运用由 Fare等[6－7]改进的DEA方法来构造每一个时期中国能源生产最佳实践前沿面，从而对技术效率变化和技术进步等指标进行测度。

1.2 数据来源与处理

本文使用的样本为1999—2010年中国各地区能源业12年的投入和产出数据，对于一些缺失数据我们采用插值法进行了补充。所用数据主要来源于《中国统计年鉴》 (2000—2010)、EPS数据分析平台数据库、中宏产业数据库，另外面板数据覆盖全国29个省、自治区和直辖市，在分析地区能源业生产率变动规律时，仍然按传统划分方法划分为东部、中部和西部三大区，其中东部包括11个省份，中部包括8个省份，西部包括10个省份。

Strassner等[8]研究认为，基于产业层面的生产率分析应将总投入分解为资本、劳动、能源、材料和服务五大类，其中资本、劳动属于最初投入(增加值)，而其他三大类属于中间投入，考虑到现有统计资料无法获得中间投入，所以在本文中我们暂不考虑中间投入。下面我们分别说明产出、资本投入和劳动投入的具体取值方法:

(1)以中国能源产业各年总产值作为产出[9]。为消除通货膨胀的影响，使用全国各地区工业品出厂价格指数对各年的能源产业产出值进行平减，将它们统一为基于1999年的不变价格。

(2)资本投入。估算按可比价格计算的资本存量，最常用的方法是所谓的“永续盘存法”。在使用永续盘存法时主要涉及基期资本数量的计算、折旧率的选择和投资平减三个问题。假定初期的资本存量是过去投资的加总，选择一个固定的折旧率5%，则投资时间序列可近似用式 (1)表示:

那么第一期的资本存量可以用式 (2)求出:

其中I(0)和λ可以由1999—2010年的投资序列的对数值和时间之间的线性规划求出:

用δ表示折旧率，则资本存量可以用式 (4)求出:

其中，t=1，…，12 。

(3)在市场经济条件下，劳动投入的计量以标准劳动强度下的劳动时间来进行测度，而在中国，由于市场经济体制的不尽完善使得劳动收入难以准确的反映产业的真实劳动投入，因此本文采用我国能源产业当年的在岗职工平均人数来反映劳动投入。

2 实证分析结果

为了研究各省能源产业全要素生产率的动态变化，并寻求变化的源泉，我们计算了每一个省的能源产业全要素生产率逐年变化的情况。在空间上，按照东部、中部和西部的地区划分方法进行研究，从而分析区域经济增长中的不同模式。利用WIN4－DEAP软件和Eviews5.0软件，本文求出了全国历年平均、分区域的Malmquist生产率指数及其分解的测算结果。

2.1 全要素生产率 (TFP)历年变化的趋势分析

根据Fare等[7]的研究，表1中的指数减去1，就是各指标的每年增长率。从全国平均的时间序列数据来看，考察期内全要素生产率的平均增长率为－0.56%，技术进步平均增长率为－1.81%，技术效率平均增长率为1.17%。虽然规模效率以每年2.19%的速度增长，但是技术进步效率以每年平均－1.81%的负增长速度发展，而规模效率除2003年非典、2008年金融危机稍有影响外，其余年份都有一定程度的增长率，由此可以看出，中国能源产业全要素生产率的增长主要来源于规模效率而不是技术效率。总而言之，1999—2010年全要素生产率经历了先升后降缓慢的增长过程，2003年又有所下跌，之后一直呈上升趋势，但2008年后又有所下降，并且技术进步与全要素生产率的变化趋势较为一致。2000—2001年这一时期的技术进步程度较低，这与Wu[10]的研究一致。在Wu[10]的研究中，在经济改革的初始时期，各地区的经济效益具有极大的改善，然而却没有表现出较强的技术进步特征。此外，除规模效率外，技术进步的贡献是另外一个重要因素，2005、2007年的技术进步指数值超过1，这说明了技术进步是生产率提高的决定因素，全要素生产率的提高对于技术进步的依赖是非常明显的。此外，伴随着中国经济改革明显的效率改进，也就是明显的“水平效应”:随着经济的不断发展，中国能源产业也表现出较强的技术进步特征[11－12]。这也说明中国能源产业能否持续发展主要取决于将来是否能够有以创新为特征的不断技术进步。最后，FDI(外商直接投资)的引入也可不断促进各个产业包括能源产业的技术进步。

从表1中还可看出，2003年之后规模效率有一定的提高，规模效率变化值均超过1。规模效率提高一方面在于国际原油价格的飙升为油气行业带来的巨额利润，另一方面2002年国家对电力生产企业改革和重组、2003年对煤炭产业的整合、2005年之后新能源产业的蓬勃推进等也是导致规模效率增加的主要原因。此外，2008年金融危机对于中国能源产业的影响非常巨大，我国能源供需及进出口出现一些异常变化。一是能源供需增速月度数据与经济增长出现背离，一度呈现负增长。二是由于受国内外能源价差等因素的影响，煤炭由净出口转为净进口;而由于国内炼油产能增长过快，供大于求、成品油由净进口转为净出口。这些都严重影响了中国能源产业的规模效率，所以2008、2009年的规模效率相对于2007年呈下降趋势，且都小于1。但2010年之后有所回升，此时规模效率值大于1。

进一步分析发现，1999—2010年的纯技术效率指数平均下降1.24%，这也直接导致了技术效率在此期间的平均增长率非常低，为1.17%。纯技术效率表明每一个生产决策单位基于现有投入生产条件的应有产出能力，它可以反映生产及决策的正确与否。从本文所选择的投入指标来看，说明中国各省普遍存在扩大投入能力的倾向。此外，能源产业的投入扩大或纯技术效率指数的下降也从侧面说明了我国能源产业在管理水平、体制建设等方面的落后性。以煤炭行业为例，2003年前煤炭行业的产业集中化程度过低，产业构成不利于生产和经营集约化。特别是2002年以前无证开采的小煤窑居多，它们以资源、环境、劳动者的生命和健康等基本权益为代价。各地为了加大本地区的煤炭行业收益，盲目扩大生产规模，多数煤炭项目无序投资，这些行为对煤炭行业造成了很大的负面冲击。

表1 历年平均Malmquist生产率指数及其分解

2.2 TFP变动的区域特征

进一步对TFP变动的区域特征进行分析 (见表2)。在1999—2010年期间，东部的全要素生产率、技术效率最高。具体的，东部的全要素生产率高于西部2.56%，高于中部3.47%；技术效率东部的高于西部1.68%，高于中部2.56%；东部的纯技术效率高于西部3.42%，高于中部2.65%。这是因为东部的管理水平、人才素质、资金力量、技术水平上都要优于其他两个地区。西部的技术进步高于东部0.15%，高于中部9.62%。这是因为虽然西部的技术在2000年以前较为落后，但随着中国工业经济发展“水平效应”的影响，西部大开发政策、FDI引入等都使得西部的技术进步程度较东部高。假使后进地区有能力吸收和采纳先进地区技术，满足自己的需要，技术知识的公共特征 (技术扩散)往往会使后进地区从中受益[11]，在这里，后进地区对先进地区的模仿、赶超或先进地区的“技术溢出”效应成为后进地区的“技术后发优势”。新技术的扩散、传播和转移速度的加快，以及后进地区技术学习和创新能力的提高终将使它们实现技术水平的跨越。当代许多工业化国家或地区的发展经验表明，后来者常常会利用技术上的模仿优势。这一机制在工业化国家(地区)中表现得更为显著。例如，日本和后起的中国新兴地区台湾等就成功地进行了技术模仿或技术引进。进一步来讲，在产业整合与结构调整等一系列外部政策、经济环境等的影响下，在对原来的密集型要素配置进行变革的过程中，西部能源产业的技术进步是较明显的。因此，在能源产业总体上处于规模报酬平稳阶段的情况下，技术进步应成为主导全要素生产率增长的主要因素。

此外，从区域层次来看 (见表2)，东部和西部两个地区的规模效率变化均大于1，规模效率的变化西部高于东部1.36%，高于中部2.14%，前已述及2002—2003年的电力、煤炭行业重组及国际油价的飙升是规模效率较高的原因之一，同时煤炭、油气资源分布主要聚集于陕西、内蒙古、新疆等西部地区 (陕西、内蒙古的西部地区与山西并称为煤炭产业的“三西”地区)，在国家加大能源产业整合、优化产业结构、实行规模经营的基础上，西部的规模效率变化较高，伴随着中国工业化的“水平效应”，西部较中部而言在能源产业的发展上更具有追赶效应。

表2 区域Malmquist生产率指数及其分解

2.3 能源产业技术进步的分析

为了进一步分析中国各省市能源产业规模收益的状况，以及分析在维持产出不变的情况下投入要素的改进程度，继续采用2010年的数据进行DEA分析。研究发现，2010年中国能源业平均规模效率由于受2008年金融危机、欧债危机等的影响变化后有所回升较高，达到1.0219;纯技术效率也有所回升，为1.0029，但技术进步指数未超过1，仅为0.9998。从各个省的数据来看，2010年北京、上海、广东、江苏、浙江、山东的技术效率、纯技术效率、规模效率均排在前列，这也印证了东部省份的管理水平、人才素质、资金力量方面具有较好的基础，因而也为这些地区的技术效率提高提供了客观条件;而内蒙古、陕西、山西由于其煤炭业较为发达，且受益于国家能源产业整合等政策实施的影响，所以其技术效率变化、纯技术效率指数、规模效率变化也较高。从区域层次来看，2010年，技术效率变化、纯技术效率变化、规模效率变化仍然是东部最高。

从规模报酬看，湖北、广西、云南、贵州等省市都处于规模报酬递减阶段，而上海市、福建、广东、江苏等省处于规模报酬递增阶段，增加规模可以提高效率。当然，在此期间，新能源项目对于各省的规模报酬影响是非常显著的。2005年后，国内的新能源产业项目形成了大干快上的局面，截止2010年底，全国31个省市自治区均把光伏产业列为优先扶持发展的新兴产业;600个城市中，有300个发展光伏太阳能产业，100多个建设了光伏产业基地;全球多晶硅产量20万吨，我国占近9万吨。如此巨大的投入规模，又加上政府的补贴政策，所以2010年各省份的规模报酬基本上处于一个递增态势。

3 趋同性分析

通过以上研究，本文对中国各地区能源产业的全要素生产率以及内部结构变化做出了初步判断，研究表明，各地区的能源产业全要素生产率无论是从整体状况还是TFP内部都表现出明显的差异特征，但如果要动态、全面地反映各地区能源产业生产率的变化演进轨迹以及趋势特征，还需要对此进行深入的研究。对此，本文将借助全要素生产率以及分解指标来考察中国各个地区能源产业生产率的趋同性。

关于区域趋同性 (收敛性)的经验研究文献。从研究方法上大致可以把这些研究分为两类，一是以截面数据 (包括面板数据)为基础的增长回归法，二是时间序列分析法。以上方法均能从不同的角度检验趋同假设。通常情况下将收敛分为绝对收敛和条件收敛。绝对收敛是指每一个经济体都会达到完全相同的稳态增长速度和增长水平，而条件收敛是在考虑了经济体的异质特征后，每个经济体都在向各自的稳态水平趋近。由于稳态水平依赖于经济体自身的特征，因此即使存在条件收敛也不意味着经济体之间的绝对水平会趋同。通常情况下，绝对收敛速度是指落后经济体向发达经济体追赶的速度，条件收敛是指经济体趋近自身稳态水平的速度。研究结果显示 (限于篇幅，从略)，技术效率和全要素生产率的回归系数虽然为负，但均不显著，由此可知我国各省能源产业的技术效率和生产率均不存在绝对收敛，即各省份的技术效率和生产率最终不会达到相同的稳态水平。技术进步的回归系数显著为正，表明我国各省份能源产业的技术进步存在发散趋势，发散速度为每年0.41%。另外，为了判别区域差异对能源产业收敛速度的影响，我们又对东、西、中部三大区域能源产业的TFP、EC和TP作了条件收敛检验。研究发现三大地区内部各省份的能源产业也都在向各自的稳态水平趋近。从收敛速度上看，东部地区的TFP、EC和TP的收敛速度最快，西部地区次之，中部地区的收敛速度最慢。但是，研究结果表明，对于我国能源产业，技术效率存在显著的条件收敛，但不存在显著的绝对收敛，说明我国各省份的技术效率都在向各自的稳态水平趋近，但各省份之间最终不会达到相同的稳态水平。技术进步既存在条件收敛，也存在着绝对发散，这说明我国各省份的技术进步都在向各自的稳态水平趋近，但各省份之间的技术进步差距会持久存在。由于技术效率和技术进步的条件收敛，我国各省份能源产业的生产率也存在条件收敛，但是又因为技术进步的绝对发散性，我国各省份能源产业的生产率将不能实现最终趋同。

4 主要结论及建议

本文运用Malmquist－DEA方法进行研究，研究结果表明:

(1)基于1999—2010年全国历年平均的时间序列数据来看，考察期内全要素生产率的平均增长率为 －0.56%，技术进步平均增长率为－1.81%，技术效率平均增长率为1.17%。从全国历年的全要素生产率、技术进步指数状况来看，技术进步是生产率提高的决定因素，全要素生产率的提高对于技术进步的依赖是非常明显的，但是中国能源产业全要素生产率的增长主要来源于规模效率而不是技术效率。

(2)2003年之后规模效率有一定的提高，规模效率变化值均超过1。规模效率提高一方面在于国际原油价格的飙升为油气行业带来的巨额利润，另一方面2002年国家对电力生产企业改革和重组、2003年国家对煤炭产业的整合、2005年之后新能源产业的蓬勃推进等也是导致规模效率增加的主要原因。

(3)1999—2010年的纯技术效率指数平均下降1.24%，这也直接导致了技术效率在此期间的平均增长率非常低，为1.17%。纯技术效率表明每一个生产决策单位基于现有投入生产条件的应有产出能力，它可以反映生产及决策的正确与否。从本文所选择的投入指标来看，说明中国各省普遍存在扩大投入能力的倾向。此外，能源产业的投入扩大或纯技术效率指数的下降也从侧面说明了我国能源产业在管理水平、体制建设等方面的落后性。

(4)从区域层次来看，1999—2010年期间，东部的全要素生产率、技术效率最高，西部次之。这是因为东部的管理水平、人才素质、资金力量、技术水平、吸引外资程度上都要优于其他两个地区。西部的技术进步高于东部0.15%，高于中部9.62%。东部和西部两个地区的规模效率变化均大于1，规模效率的变化西部高于东部和中部，伴随着中国工业化的“水平效应”，西部较中部而言在能源产业的发展上更具有追赶效应。在产业整合与结构调整等一系列外部政策、经济环境等的影响下，在对原来的密集型要素配置进行变革的过程中，西部能源产业的技术进步较为明显。

(5)对2010年的数据进行DEA分析，可以看出，2010年，技术效率变化、纯技术效率变化、规模效率变化仍然是东部最高。2010年北京、上海、广东、江苏、浙江、山东的技术效率变化、纯技术效率变化、规模效率变化均排在前列，这也说明了这些省市的管理水平、人才素质、资金力量方面具有较好的基础。而内蒙古、陕西、山西由于其煤炭业较为发达，且得益于国家能源产业整合等的政策实施，所以其技术效率变化、纯技术效率指数、规模效率变化也较高。从规模报酬看，湖北、广西、云南、贵州等省市都处于规模报酬递减阶段，而上海市、福建、广东、江苏等省处于规模报酬递增阶段，增加规模可以提高效率。此外，新能源产业的大力推进也是影响规模效率的主要因素之一。

(6)我国能源产业的技术效率存在显著的条件收敛，但不存在显著的绝对收敛，说明我国各省份的技术效率都在向各自的稳态水平趋近，但各省份之间最终不会达到相同的稳态水平。技术进步既存在条件收敛，也存在着绝对发散，这说明我国各省份的技术进步都在向各自的稳态水平趋近，但各省份之间的技术进步差距会持久存在且不断扩大。由于技术效率和技术进步的条件收敛，我国各省份能源产业的生产率也存在条件收敛，但是又因为技术进步的绝对发散性，我国各省份能源产业的生产率将不能实现最终趋同。

[1]Mulder P，de Groot H L F.International comparisons of sectoral energy and labour productivity performance:st ylized facts and decomposi tion of trends.CPB Discussion Paper，2003，(22)，CPB，The Hague.

[2]李兰冰.中国全要素能源效率评价与解构——基于“管理—环境”双重视角[J].中国工业经济，2012，(06):57－69.

[3]孙鹏，顾晓薇，刘敬智，王青.中国能源消费的分解分析[J].资源科学，2005，(9).

[4]邹艳芬，陆宇海.基于空间自回归模型的中国能源利用效率区域特征分析[J].统计研究，2005，(10).

[5]仲鑫，陈相森.外商直接投资区域差异及影响因素的比较研究[J].统计研究，2012，(03):54－60.

[6]Fare R，Grosskopf S，Lovell C A K.Production Frontiers[M].Cambridge:Cambridge University Press，1994.

[7]Fare R，Grosskopf S，Norris M.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries:Reply[J].American Economic Review，1997，(87).

[8]Strassner E，Medeiros G，Smith G.Annual Industry Accounts:Introducing KLEMS input estimates for 1997—2003[J].Survey of Current Business，2005，85(9).

[9]朱钟棣，李小平.中国工业行业资本形成、全要素生产率变动及其趋异化:基于分行业面板数据的研究[J].世界经济，2005，(9).

[10]Wu Yanrui.Is China's Economic Growth Sustainable?A Productivity Analysis[J].China Economic Review，2000，(11).

[11]Zheng Jinghai，Hu Angang.An Empirical Analysis of Provincial Productivity in China(1979—2001)[J].Göteborg，Department of Economics.2004.

[12]王林辉，董直庆.资本体现式技术进步、技术合意结构和我国生产率增长来源[J].数量经济技术经济研究，2012，(05):3－18.