考虑环境效应的中国省际全要素能源效率分析

摘要：不同于当前大多数文献采用的数据包络分析（DEA），本文采用随机前沿分析（SFA）将能源利用的环境负效应——二氧化硫排放量作为一种成本要素纳入全要素能效分析框架，建立能效评价模型，对2000—2012年中国30个省级行政区域的能源效率状况进行比较研究，研究结果表明：中国全要素能源效率整体水平较低，且各省份、三大区域之间的全要素能效差异显著，但差距有逐步缩小的趋势，即存在收敛特征。

关键词：全要素能源效率 环境效应 参数 随机前沿分析

能源是人类生存和发展所必需的物质资料。随着经济发展和社会进步，人类对能源的需求量与日俱增。中国作为世界最大的发展中国家，正面临着日益严峻的能源问题：首先，能源供需失衡严重，能源需求不断增长，但能源供给方面电力短缺，石油大部分需要进口，能源对外依存度高；其次，技术落后导致能源利用效率低下；再次，能源消费量的增长和以煤为主的能源消费结构带来了严重的环境污染。在当前可持续发展的时代大背景下，面对能源安全与环境保护的双重压力，采取节能优先、提高能源利用效率的能源战略是当前最现实、最有效也是成本最低的途径。

能源利用效率一直是国内外学术界关注的热点问题，国际上对考虑环境效应的非参数效率模型方法和应用的研究已取得丰硕的成果，但对考虑环境效应的参数效率模型的研究还不多。因此，以能源利用效率与环境绩效评价为背景，系统研究考虑环境效应的参数能效模型、方法及应用的意义重大。

随机前沿分析（SFA）方法现已成为效率与生产率测度领域的主流方法之一，得到了广泛的应用。但是，SFA方法在能源、环境经济管理领域的应用还仅仅处于起步阶段，具有很好的研究前景。SFA方法的主要优点在于它能将纯粹的随机误差与非效率值分离，有效区分统计误差项和技术无效率误差项，可以避免不可控因素对生产无效率产生的影响，从而使得效率测度结果更接近于实际。

本文将能源利用过程中产生的环境污染引入全要素能效分析框架，基于SFA方法建立能效评价模型，实际测算2000—2012年我国各省区的考虑环境效应的全要素能效，并对其区域分布特征进行分析。

一、考虑环境效应的中国省域全要素能源效率的测算模型

（一）全要素能源效率测度方法

Hu和Wang（2006）基于全要素生产率框架，依据数据包络分析（DEA）方法创造性的提出了全要素能源效率（TFEE）的概念，并将其定义为在除能源要素投入外的其他要素（如资本、劳动）保持不变的前提下，按照最佳生产实践，一定产出所需的目标能源投入量与实际投入量的比值，从而有效弥补了传统单要素能源效率研究方法的缺陷，对后续研究产生了很大的启示作用。在全要素效率的分析中效率前沿的确定非常关键。法瑞尔（Farrell）1957年提出了两种可能的解决方案：一种是使用非参数估计的分段线性逼近的方法，另一种是使用参数估计的方法。前一种方案被查勒斯等人（Charnes，etal）采纳并最终演进成DEA方法；后一种方案被艾格勒等人（Aigner，etal）以及米尤森和范登布罗克（Meeusen and Van den Broeck）采用，并最终发展成SFA方法。

DEA和SFA是两种理念完全不同的建模思想。与DEA不同，SFA在本质上是一种使用极大似然估计的参数估计方法。和DEA相比，使用SFA确定效率前沿的缺点是必须要为效率前沿假定一种方程形式，这增加了使用SFA的风险。但SFA的优点也很明显，在确定效率前沿的时候它可以把随机因素的影响分离出来，这样它的最终结果相对来说就不易受到个别不准确的数据点的影响。

本文中用SFA创建的效率前沿可用下面的方程表达：

ln（GDPi）=β0+β1ln（Ki）+β2ln（Li）+β3ln（ECi）

+β4ln（SOi）+（vi-ui）

式中，GDPi是第i个地区的产出；Ki是第i个地区的资本存量；Li是第i个地区的劳动力投入；ECi是第i个地区生产所消耗的能源；SOi是第i个地区的二氧化硫排放量；β是待估参数；vi是随机变量，它表示一个地区社会生产中的随机因素，如自然灾害、突发事件等因素对地区能源消耗的影响，假定其服从标准正态分布N（0，σ2v）；ui是非负的随机变量，表示一个地区的能源消耗偏离能效前沿的情况，假定其服从偏正态分布N+（μ，σ2u），且ui和vi相互独立。

则SFA效率前沿下的能效可以被定义为：

■

能效指标值EE-SFAi位于0到1之间。EE-SFAi的计算相对来说较复杂，本文采用FRONT4.1软件计算。

（二）非期望产出的处理

现实经济中的生产存在负外部性，加之技术条件的限制，能源利用过程中不可避免会产生各种环境污染物，如二氧化碳、二氧化硫及烟尘等大气污染物，对环境质量的负面影响非常大。由于经济产出往往伴随着环境污染物的排放，因此，生产单元的产出应该包括两大类：一类是期望产出（即经济产出，如GDP，也称“好”产出）；另一类是非期望产出（即环境污染物，如二氧化碳、二氧化硫、废水、废气等，也称“坏”产出）。在现有文献中，处理非期望产出的方法较多，如曲线测度评价、数据转换处理法、污染物作投入处理法、方向性距离函数法等，这些方法各有利弊。本文认为环境污染是生产单元获得“好”产出所必须承担的环境成本投入，因此本文遵循文献11和12的做法，将非期望产出视为投入要素，这种处理方法的应用非常广泛。

（三）样本、数据与变量选取

本文的研究对象覆盖我国除西藏自治区、台湾省、香港特别行政区和澳门特别行政区外的所有30个省市自治区，研究时间范围为2000—2012年，因此本文研究的整体面板数据集包含了13年30个截面单位的390个观测值。由于SFA方法要求首先要为效率前沿假定一种方程形式，本文选择常用的C-K生产函数，投入指标有资本、劳动、能源、二氧化硫排放量等4个变量，产出指标为GDP。投入产出指标具体界定如下：

1、产出指标：本文采用地区GDP作为衡量一个地区经济产出的指标，并以GDP平减指数缩减为2000年不变价GDP。

2、环境成本：本文以二氧化硫排放量作为能源利用的环境成本纳入全要素能效评价体系。

3、资本存量：资本存量数据无法直接获得，本文与大多数文献一样也利用“永续盘存法”来进行估算，估算公式为：Kt=It+（1-δ）Kt-1，其中Kt是t期的资本存量，δ是折旧率，It是t期投资额。本文资本存量数据直接来源于张军等的研究结果，并利用其方法更新至2012年。

4、劳动力投入：本文采用当期从业人员数作为劳动力投入指标，由于资料限制，没有考虑劳动种类和劳动质量的差别。其中：

当期从业人员总数 =（当期末从业人员数+上期末从业人员数）/2

5、能源消耗：本文以地区能源消费总量来表示能源投入，单位为万吨标准煤。

以上变量缺失数据采用取前后两年的平均数予以补齐。

数据来源说明：本文所用数据来源于相应年份的《中国统计年鉴》和《中国能源统计年鉴》以及中国各地区统计年鉴整理得到。

二、中国省际全要素能效实证分析

本文基于SFA方法建立能效模型，利用中国2000—2012年的省际面板数据，以资本存量、劳动力、能源消耗和二氧化硫排放量为投入变量，以地区GDP为产出变量，直接应用FRONT4.1软件测算中国各地区考虑环境效应的全要素能效，并按照传统的区域划分方法，将中国划分为东部、中部和西部三大区域，以分析能源效率的空间分布特征和地区差异性。通过分析得到以下结果：

1、如图1所示。从全国整体来看，样本期间内，中国所有地区的能效均值为0.6482，整体水平依然偏低，节能减排潜力巨大；

2、如图2所示。虽然全国整体能效水平较低，但从2000到2012年，考虑环境效应的全国平均全要素能效不断提升，说明我国能效水平一直在稳步提高。从地区差异性和变动趋势来看，本文计算了变异系数，结果发现：在样本期内，变异系数在持续减小，说明全国各地区之间全要素能效的差距在不断缩小，存在收敛特征；

3、从单个地区来看。考虑环境效应的全要素能效存在显著差异，其中上海、天津、北京、海南、福建等地区的全要素能效最高，能源利用与二氧化硫排放都达到了相对较优水平，处于前沿面；排在最后五位的地区分别是云南、四川、山西、河北和贵州，这些省份在样本期内的所有年份全要素能效都没有超过60%，是节能减排的重点地区。本文的分析结果与当前大多数文献的结果略有差异，究其原因，是因为四川、山西、河北和贵州的二氧化硫排放量是全国最高的，但是其GDP又不是全国最高，这使得这几个省份的全要素能效水平较低，当然这与地区的工业结构也有关。

4、从东、中、西三大区域角度来看。东部地区的全要素能效最高，西部和中部的全要素能效接近，这个结论与当前大多数文献得到的结果不同，究其原因，是由于中部地区六个省份二氧化硫排放量总和与GDP总和的比例较高，而西部地区的二氧化硫排放量总和与GDP总和的比例较低，同时也说明本文只选择二氧化硫排放量一个非期望产出指标存在问题，应结合地区经济结构对非期望产出指标进行适当调整。

三、结论

本文以2000—2012年中国30个地区的面板数据为研究样本，基于全要素生产方法，将地区二氧化硫排放量作为能源利用的环境成本纳入能源效率的考核体系之中，基于SFA方法建立全要素能效评价模型，定量测算了中国各地区全要素能效，并对各区域全要素能效的分布特征和变动趋势进行了分析。全文得出以下结论：

研究期间内，中国全要素能源效率依然偏低，反映了我国目前低效的粗放型经济增长模式仍在继续，但也说明我国有巨大的节能减排潜力。

中国各地区、三大区域的全要素能效存在显著差异，东部沿海省份的全要素能效水平较高，处于能效前沿面，中西部地区的省份全要素能源效率偏低，能源浪费严重，环境质量恶化，但从整体来看，地区差距在逐渐缩小，即存在收敛特征。

此外，研究发现，由于环境成本只选择了二氧化硫排放量这一个指标，使得本文的研究结果与当前大多数文献研究结果略有出入，即部分二氧化硫排放量高、GDP水平相对低的省份其全要素能效偏低，虽然结果具有一定的片面性，但也反映了本文所用方法的环境变化敏感性。如果环境成本指标的选择更加全面综合，结果将更加客观，这也是本文有待进一步研究的问题。

参考文献：

[1]李世祥，成金华.中国能源效率评价及其影响因素分析[J].统计研究，2008，25（10）：18—27

[2]杨红亮，史丹.能效研究方法和中国各地区能源效率的比较[J].经济理论与经济管理，2008，28（3）：12—20

[3]袁晓玲，张宝山，杨万平.基于环境污染的中国全要素能源效率研究[J].中国工业经济，2009，26（2）：76—86

[4]吴琦，武春友.基于DEA的能源效率评价模型研究[J].管理科学，2009，22（1）：103—112

[5]汪克亮，杨宝臣，杨力. 基于环境效应的中国能源效率与节能减排潜力分析[J]. 管理评论， 2012（8）

[6]史丹，吴利学，傅晓霞等. 中国能源效率地区差异及其成因研究——基于随机前沿生产函数的方差分解[J].管理世界，2008，（2）：35—43

[7]Hu J L，Wang S C. Total-factor energy efficiency of regions in China[J]. Energy Policy，2006，（34）：3206—3217

[8]Zhou P， Ang B W， Poh K L. A survey of data envelopment analysis in energy and environmental studies[J]. European Journals of Operational Research，2008，（189）：1—18

[9]Hu J L， Kao C H. Efficient energy-saving targets for APEC economies[J]. Energy Policy， 2007，（35）：373—382

[10]Mukherjee K. Energy use efficiency in U.S. Manufacturing：A nonparametirc analysis[J]. Energy Economics， 2008，（30）：76—96

﹝本文系陕西省教育厅项目“基于环境效应的区域能源利用效率研究”（项目编号：2013JK0108）、“陕西环境保护投融资机制研究”（项目编号：2013JK0146）阶段性成果﹞

（康晓娟，1977年生，内蒙古包头人，西安理工大学经济与管理学院讲师。研究方向：资源与环境经济学）