中国省际可实现节能减排潜力测度——基于三阶段DEA模型的研究

邓姗姗，张莹莹，陈　蕾

（南京财经大学产业发展研究院，江苏 南京，210046）



中国省际可实现节能减排潜力测度
——基于三阶段DEA模型的研究

邓姗姗，张莹莹，陈蕾

（南京财经大学产业发展研究院，江苏 南京，210046）

［摘要］节能减排问题已经成为新阶段中国经济发展过程中的一个重要议题。越来越多的学者开始关注这一问题，并采用各种方法对中国节能减排潜力与效率进行测度。综合看来，利用DEA模型测度出的节能减排潜力往往是没有剥离环境因素的理想值，这样得出的节能减排潜力往往是有偏差的或者是无法实现的。本文运用三阶段DEA模型，将产业结构、人均GDP、FDI结构以及进出口比重等宏观环境因素剥离，进而得到中国省际有效可实现的节能减排潜力。最后，利用Tobit模型对节能减排潜力的影响因素进行分析，并在此基础上提出了相关政策建议。

［关键词］节能减排；三阶段DEA模型；Tobit 模型

张莹莹，女，南京财经大学产业发展研究院，硕士研究生，研究方向为创新价值链；

陈蕾，女，南京财经大学产业发展研究院，硕士研究生，研究方向为区域经济与产业发展。

一、引言

近年来，日益严峻的环境问题给人类的生存和发展带来巨大的威胁，节能减排成为新阶段中国经济改革发展过程中的一个重要议题。2009年，在哥本哈根气候峰会上，由于美国以及其他发达国家拒绝承担相应的节能减排责任，违反了“共同但有区别”的原则，峰会最终并没有形成可以有效约束发达国家的相关协议。在APEC北京峰会上，中国首次对外提出“到2030年左右达到碳排放峰值”，倒逼中国经济转型绿色发展的深层次变革。在经济新常态下，经济下行压力加大，优化和调整产业结构难度增加，节能减排工作遇到新问题。2015年1月1日，新环保法正式实施，我国节能减排力度进一步加大。在工业经济增长的新常态下，“十二五”工业节能减排目标的完成情况较为乐观，多地区已提前完成节能减排目标。然而，我国节能减排形势仍十分严峻，环境污染和能源消耗等问题日益突出。目前随着经济的不断发展，经济增长与能源消耗之间的矛盾日益凸显，其原因主要是我国现有的经济结构存在一定的弊端，其经济发展方式不合理。我国经济发展过分依赖外向型经济的发展，这导致了节能减排与经济发展之间的矛盾不断升级。GDP锦标赛下的政治晋升制度导致了环境的负外部性，地方官员过分重视GDP的增长而忽视了环境保护，不利于节能减排的发展。

本文的创新点主要体现在两个方面：第一，利用DEA模型测度出的节能减排潜力往往是没有剥离环境因素的理想值，这样得出的节能减排潜力往往是有偏差的或者是无法实现的。本文运用三阶段DEA模型，将产业结构、人均GDP、FDI结构以及进出口比重等宏观环境因素剥离，对各因素的冗余变量进行处理，将各地区的发展水平拉到同一阶段，从而得出有效可实现的节能减排潜力。第二，本文利用Tobit模型对节能减排潜力的影响因素进行分析，并在此基础上提出了相关政策建议。

二、文献综述

目前，国内外的研究学者对节能减排潜力测度的研究文献较为丰富，不同的学者从不同的角度对节能减排的潜力进行测度。很多学者利用能源效率来测度节能减排的潜力（汪克亮、杨宝臣、杨力，2010；史丹，2006；魏楚、杜立民、沈满洪，2010；杨红亮、史丹、肖洁，2009）。对能源效率的测度可以从多个方面来考虑，不仅可以测度单要素能源效率，还可以对全要素的能源效率进行有效测度（王蕾、魏后凯、王振霞，2012），然而后者的运用较为广泛。史丹（2009）、杨红亮（2009）等国内著名学者首次将宏观环境因素纳入到能源效率的考核范围中，研究结果表明，宏观环境因素对我国各地区节能减排的潜力具有较为显著的影响。对节能减排的潜力进行有效测度需要利用相对公正、客观的经济准则作为参照（尹显萍、王生，2011）。对于节能减排潜力的分析研究，不同的学者采用了不同的参照标准，利用不同的标准进行研究往往会得出完全不同的结论。综合以往学者的研究，考虑宏观环境因素的测评较少，Yang and pollitt（2008）运用数据包络模型综合测评了宏观环境对节能减排的影响。根据以往学者对节能减排潜力的研究，我们可以得出如下结论：我国东部地区节能减排潜力较小，中部次之，西部地区节能减排潜力较大。然而从已有研究来看，大部分学者在测度节能减排潜力时并没有将外部环境和随机误差因素剥离，得出的潜力是有偏差的或者是无法实现的，不能真实反映节能减排的潜力，而Fried（2002）等提出的三阶段DEA可以有效剥离外部环境和随机误差对潜力的影响，进而得到可实现节能减排潜力。

我国各专家学者对节能减排潜力的研究现状如表1所示。

近几年，节能减排问题受到学术界学者的广泛关注，国内外的专家学者更多的将注意力放在如何提高能源效率方面（Aghion，P.and Howitt，P.，1992；Chaude Mandil，2007；Sirchis J，1988），而缺乏对节能减排效率方面的研究。大部分学者运用DEA-Malmquist指数的方法来测度节能减排效率，也就是将节能效率和减排效率联合起来考察，从技术进步和技术效率两个方面对节能减排的效率进行研究测度（唐东波、刘伟明，2012）。还有部分学者在DEA的基础上，将环境评价模型纳入其中，进而测度出节能减排的效率，进一步研究分析能源产出与效率等方面对能源消费的影响，在一定程度上拓展了其分析视野（Managi and Kaneko，2006；屈小娥，2012；师博、沈坤荣，2008；陈诗一，2009）。目前，国内外大部分专家学者基本都是利用DEA模型对节能减排的效率进行测度，还有部分国外学者运用数学转换函数将污染物产出转化为正常产出，然后运用DEA模型分析研究节能减排的效率（Zhu and Chen，1993；Golany and Roll，1989；Scheel，2001）。根据以往各学者的研究，我们可以得出如下结论：东部、中部和西部三大区域的节能减排效率存在较大差异，东部地区效率较高，中部地区次之，西部地区效率较低。然而从以往的研究来看，在作为非期望产出的污染物处理方法上，主要采用距离函数法和污染物作投入处理法。由于在生产过程中资源的投入与污染物不可能同时保持同比例关系，因此污染物作投入处理法不能反映现实的生产过程。距离函数法计算的效率值受方向影响较大，测量出的效率值并不准确。而Seiford等提出的线性数据转换法，保证了凸性与线性的关系，在BCC模型的具有较大优势。因此，本文试图克服以往研究的不足，利用三阶段DEA，剔除环境变量和随机误差的影响，为我国各地区节能减排潜力的测度提供可靠的研究方法，并为制定合理的节能减排政策提供相关依据。

我国各专家学者对节能减排效率测度的研究如表2所示。

（续表）

三、我国各地区有效节能减排潜力与效率的测度

（一）研究思路及方法介绍

1.节能减排潜力与效率研究思路

在生产模型中，投入要素主要包括劳动力、资本和能源，产出要素主要包括合意性产出和非合意性产出，合意性产出多表现为GDP的形式，而非合意性产出主要以污染物的形式表现出来。因此，本文将生产函数的形式设定为F（K，L，E）=Y（Y，P），其中，K代表资本，L代表劳动力，E代表能源，Y代表收入，P代表污染物。本文运用DEA的方法将模型分为基于投入导向的节能潜力模型和基于产出导向的减排潜力模型。

（1）基于投入导向的节能潜力模型

图1　基于投入导向的节能潜力模型

如图1所示，EF为无差异曲线，PQ为等产量曲线，其交点A为最优点，投入要素主要包括劳动力、资本和能源，B为非经济有效生产单元，D为技术有效，A为经济有效，因此，B点存在较大的效率损失，从B点到D点可以达到技术的前沿，从D点到A点是由于配置效率而造成的损失。如果将A点作为最优点，B点的损失主要包括两个方面：一是由于技术无效率而造成的投入资源过量BD，二是由于资源配置不恰当而造成的松弛量DA，以A点作为参考点，BC+CA即为节能的潜力。

（2）基于产出导向的减排潜力模型

图2　基于产出导向的减排潜力模型

如图2所示，PQ为生产可能性边界，横轴Y代表合意性产出，纵轴P代表非合意性产出，本文按照MLT的方法将P转化为P*。C为非经济有效生产单元，A为经济有效，D为技术有效，因此，C点存在有较大的经济损失，也就是意味着有更大的产出。从C点到D点可以达到技术前沿，A点为生产的最优点，从D点到A点是由于配置效率而导致的损失。如果A点为最有效率的点，C点产出的增加包括两个部分：一是由于技术无效率而造成的产出不足CD，二是由于资源的配置不当而造成的松弛量DA。如果将C点作为参照点，CD+DA即为减排的潜力。

以上两种模型的成立存在一个假设条件：我国所有地区都与北京、上海、天津、广东等发达地区的节能水平处于同一前沿面上。然而这只是一个理想的状态，我国不同地区的发展在产业结构、人均GDP、FDI比重以及进出口比重等方面均存在较大的差异。为了将我国各地区的发展水平尽可能拉到同一水平面上，就需要剔除这些宏观环境因素的影响。本文运用三阶段DEA剔除了这些宏观环境因素的影响，测出更加客观、真实的效率值。

2.节能减排潜力与效率测度方法

数据包络分析DEA是一种计算效率的非参数方法。由于传统的DEA模型无法剔除环境变量以及随机误差对结果的影响，因此本文采用三阶段DEA模型，将宏观环境因素剔除，以此来分析节能减排的潜力，使得研究结论更加合理有效。

第一阶段：传统的DEA模型（BCC模式）。

传统的DEA模型可以分为CCR和BCC两种模式，CCR模型是在规模报酬不变的基础上对投入产出变量进行分析，从而得出效率值。然而实际上这违背了规模报酬可变的实际情况，而BCC模型把CCR模型规模报酬不变的假设改为规模报酬可变，DEA-BCC模型将CCR模型中的技术效率（TE）分解为纯技术效率（PTE）和规模效率（SE），即TE=PTE.SE。

第二阶段：建立SFA模型

Fried等认为由于外部环境以及随机误差等因素的影响，产生了投入量的冗余值，然后通过构建SFA模型，剥离环境因素以及随机误差的影响，进而得出真实的效率值。

第三阶段：调整后的DEA模型

将第二阶段调整后的DEA模型重新代入原BCC模型进行效率计算，此时的数据已经将外部环境因素和随机扰动因素剔除，可以得出更为真实客观的效率值。

（二）有效节能减排潜力与效率测度的实证分析

1.指标选取与数据处理

本文以1998-2012年中国29个省市自治区①由于西藏地区节能减排无具体数据，因此未予考虑。为了保持数据的一致性，本文将重庆和四川合并计算。的资本、劳动力、能源作为投入要素，以各地区GDP和二氧化硫、化学需氧量作为产出要素进行分析。具体说明如下：

（1）投入指标。①资本存量。资本存量依据张军在2004年提供的方法计算获得，并以2000年为基准进行相应处理。②劳动力。以全国各地区往年从业人员的数量作为劳动力的投入指标，单位是万人。③能源。单位是万吨标准煤，投入指标是全国各地区每年的能源消费总量。

（2）产出指标。①国内生产总值。我国各地区的GDP采用2000年不变价做了缩胀处理。②污染物排放。单位是万吨，污染物排放的指标是往年各省的二氧化硫和化学需氧量的排放量。

（3）环境变量的选取

①工业化程度。Lina（2006）等的研究表明工业化程度对节能减排具有重要影响。工业的发展水平与能源消耗以及污染物的排放情况息息相关，进而对节能减排产生较大影响（黄德春、董宇怡、刘炳胜，2012；杜书云、万宇艳，2013）。工业是高耗能、高污染的产业，工业污染是环境污染中最主要的部分，占全国污染总量的70％。在我国工业快速发展的阶段，必然要生产低端、耗能的产品，以劳动密集型产业为主，这必然会导致节能减排问题的产生（刘再起、陈春，2010；谭丹等，2008）。

②FDI比重。陈诗一等研究表明FDI比重对节能减排具有重要作用。FDI虽然为发展中国家带来国外的先进技术，但也为当地带来了高污染产业，成为发达国家的“污染避难所”（Dean，2000；Smarzynska and Wei，2001）。在GDP锦标赛下的政治晋升博弈中，政府为了促进经济发展，降低环境规制，引入外商直接投资，导致了节能减排问题日益严重。

③人均GDP。国内外学者从不同的角度出发，提出了若干影响污染物排放的指标。Zhang等提出将人均GDP作为污染物排放绩效的标准易于操作和理解。近几年，我国人均GDP增长迅速，然而其值仍低于全球平均水平。研究表明，随着人均GDP的增长，污染物的人均排放量会呈现出先上升达到峰值继而下降的趋势。某个区域的GDP必须要跨过一定的“门槛值”，才能体现其能源环保的结构效应和技术效应（余泳泽、杜晓芬，2013）。

2.结果分析

（1）第一阶段：传统DEA模型实证分析

第一阶段利用传统的DEA-BCC模型，分别得到我国各地区的规模效率值（SE1）、纯技术效率值（PTE1）以及技术效率值（TE1），其计算结果如表2所示。

从表2中可以知道，剥离环境因素和随机误差的影响之后，我国各省市自治区在1998-2012年的技术效率、纯技术效率和规模效率均呈现出先增加后减少的趋势。其中，北京、上海、天津、广东和福建这五个地区的技术效率均达到了1，即处于技术前沿面上，而其他地区均处于技术无效率状态。从表中还可以看出，大部分地区的规模效率均大于纯技术效率，这表明大部分地区的技术无效率是由纯技术无效率引起的，并不是来源于规模无效率。从分析结果可以看出，影响我国各地区能源效率的主要因素是纯技术无效率，然而这是在没有考虑环境效应以及随机误差等因素的影响下计算出来的，实验结果是否具有可比性仍有待商榷，这就需要我们进一步的分析。

表2　 我国29个省市自治区技术效率、纯技术效率和规模效率值

（续表）

（2）第二阶段：SFA回归结果

第二阶段，利用随机前沿分析方法（SFA）将宏观环境效应、随机误差、管理无效率等因素分解出来，调整各地区的原始投入值，使得各地区的生产发展水平处于同一前沿面上，在平等客观的条件下衡量各地区节能减排的潜力。本文以1998-2012年劳动力数量、资本存量和能源消耗量的松弛变量作为因变量，外部环境因素包括工业化程度、FDI比重和人均GDP作为因变量。利用FRONTIER Version 4.1软件，对第一阶段得到的松弛变量进行回归分析，其结果如表3所示。

表3　SFA回归结果

（续表）

工业化程度对劳动力、资本和能源的投入松弛量都是正向影响，其中对资本和能源的影响达到1％的显著水平，对劳动力的影响也达到了10％的显著水平。结果表明，工业化程度的增加会导致劳动力、资本存量和能源冗余值的增加，不利于节能减排。目前，我国的工业大多数是粗放式的发展模式，能源消耗大、污染严重，增加工业化程度不利用我国节能减排效率的提升。因此，合理调整产业结构是提高节能减排效率的良好途径。

FDI比重对劳动力、资本的投入松弛量是正向影响，对能源投入松弛量是负向影响。其中，对资本的影响达到1％的显著性水平，对能源的影响达到5％的显著性水平，对劳动力的影响达到10％的显著性水平。FDI比重对劳动力、资本的投入松弛量效应为正且其结果是显著的，这表明外商直接投资的增加不利于节能减排效率的提高，外商在华投资的同时还会将国外的高污染产业带入国内，加剧环境恶化，导致环境污染日益严重。FDI比重对能源的投入松弛量效应为负，这有可能是由于外商在华投资的同时为我国带来了高新技术，提高了我国的能源效率，对节能减排起到了一定的促进作用。

人均GDP与劳动力、资本和能源投入松弛量的回归系数都是负值，且对劳动力、资本和能源的影响都达到了1％的显著水平，这表明，人均GDP的增长，对减少劳动力、资本以及能源投入冗余具有正向的激励作用。近几年，我国人均GDP增长迅速，然而其值仍低于全球平均水平，研究表明，一个区域的人均GDP只有跨过一定的“门槛值”以后，其节能减排的技术效应和结构效应才能得到显著体现。因此，人均GDP的增长有利于节能减排。

（3）第三阶段：调整以后的DEA实证结果

将第二阶段调整以后的投入变量放入到原DEA模型中，重新对我国29个省市自治区在1998-2012年期间的节能减排效率值进行测量，结果如表4所示。

从节能角度来看，本文运用投入导向的DEA模型，其计算结果如表4所示，我国山东、江苏、广东、辽宁等地区的节能潜力较大，其均值达到了3 000万吨标准煤，河北、甘肃、内蒙古等地区的节能效率较高，北京、上海、广东等发达地区的节能效率位于中等水平。由于剔除了宏观环境因素导致的地区差异，使得北京、上海等发达地区的节能效率并不是最高的。从全国水平来看，1998-2012年我国各地区节能潜力约为4.5亿吨标准煤，节能效率为81.7％。

从减排角度来看，本文运用产出导向的DEA模型，其计算结果如表4所示，四川、吉林以及辽宁等地区的COD减排潜力较大，北京、上海、广东以及天津等发达地区的COD减排效率较高，青海、海南等工业化水平较低的地区COD减排效率也较高，而江西、吉林、四川、山西、陕西等重化工地区的减排效率较低。从全国整体来看，COD的减排潜力均值为246万吨，效率为83.7％。山东、河北、陕西、四川等重工业比重较大的地区SO2减排潜力较大，其年均SO2减排潜力超过了60万吨，同时，上海、天津、广东、福建等地区以及青海、海南等工业化比重较低的地区SO2减排效率较高。陕西、河北、山西、云南和四川等地区的SO2效率较低。从全国来看，1998～2012年我国各地区二氧化硫减排潜力约为931万吨，二氧化硫减排效率为67.6％。

表4　 1998～2012年我国各地区节能减排潜力和效率均值

表5显示了投入变量调整前后我国主要城市的节能减排潜力和效率均值。从表中可以看出，与调整前相比，全国的节能效率、COD减排效率和SO2减排效率在一定程度上有所上升，节能效率由0.67上升到0.82，COD减排效率均值由0.76上升到0.84，SO2减排潜力均值由0.53上升到0.68。北京、上海、天津、广东四个地区的节能效率存在大幅度的下降，尤其是上海地区节能效率由原来的1.00下降到0.78，下降趋势尤为明显，而这四个地区的COD减排效率和SO2减排效率均有小幅度下降，但下降趋势不明显。浙江和江苏地区的节能效率也存在小幅度的下降，COD减排效率变化不大，浙江地区的SO2减排效率存在较大幅度的下降，由原来的0.73下降到0.50。山东地区的节能效率呈现出上升的态势，由原来的0.65上升到0.82，COD减排效率和SO2减排效率均变化不大。

表5　 1998-2012年我国主要城市调整前后节能减排潜力和效率均值

四、节能减排潜力的影响因素分析

（一）指标选取及模型设定

为了提高我国各地区节能减排的效率，以期为节能减排提供更完备的决策依据，本文将前文计算得到的节能效率、COD减排效率和SO2减排效率作为因变量，以节能减排潜力的影响因素作为自变量，利用1998～2012年我国省际面板数据进行回归分析。本文将运用Tobit模型进行建模分析。

由于本文使用三阶段DEA测量出的节能效率、COD减排效率和SO2减排效率值都位于0 与1之间，其最大值为1，最小值为0，因此本文采用Tobit模型对节能减排潜力的影响因素进行分析。本文设定的节能减排潜力影响因素模型如下（为方便表示，忽略了下标 ）：

其中，ES 为节能效率，COD 为化学需氧量减排效率，SO2为二氧化硫减排效率，FT为进出口比重，IF 为市场化指数，HC 为人力资本，INM 为R&D比重。ctrl为控制变量，u为随机效应项或者固定效应项，不随时间的变化而发生变化，是随机扰动项，随时间和地区的变化而发生变化。

节能减排潜力的影响因素较为复杂，考虑到我国经济的发展现状以及对以往文献的借鉴，本文选取如下变量：（1）外贸结构。外贸增长造成能源使用加剧，高耗能、高污染、高投入仍是中国产品出口的重要特征之一。目前，中国的出口产业造成严重的生态恶化、环境污染，节能减排压力增大。外贸结构的不合理是导致生态环境恶化的重要原因，同时也制约着节能减排的发展。（2）市场化水平。市场化水平体现了政府对市场经济的干预程度，本文用市场化指数来衡量。（3）人力资本。人力资本是劳动者接受教育、培训等方面的投资所获得的知识和技能，人力资本的核心是人口质量的提升。目前，人口质量问题是影响节能减排效率的重要因素之一，人们在主观意识上没有重视节能减排问题，使得节能减排问题日益严重。（4）技术进步。技术进步是影响节能减排效率的重要因素之一，由于R&D活动是技术进步和技术创新的源泉，因此本文用R&D投入占GDP比重作为衡量指标，反映一个地区技术进步水平。

（二）结果分析

利用Tobit模型对节能减排的影响因素进行分析，其结果如表6所示。

表6　 我国节能减排潜力影响因素的Tobit回归结果

进出口比重对我国各地区的节能效率、SO2减排效率和COD减排效率的影响是显著的。从节能效率来看，进出口比重对节能效率的影响是显著为负的，工业产品出口的快速增长是以能源的高消耗为依托的，这不利于我国的节能降耗；从减排效率来看，进出口比重对减排效率的影响是显著为正的。市场化指数对我国各地区的节能效率、SO2减排效率和COD减排效率的影响是显著为正的。市场化水平的提高有利于增强市场配置资源的能力，从而降低能源消耗，提高节能减排效率。人力资本对我国各地区的节能效率、SO2减排效率和COD减排效率表现为正效应。加强对员工的培训，培养企业员工的节能减排意识，并传授相关低碳技能，使企业员工适应低碳时代的需求，有利于促进企业的节能降耗。增加高校的人力资本投入，在高校倡导节能减排，增强学生的低碳意识，为节能减排的发展提供先决条件。然而在实验结果中，人力资本对节能效率的影响是不显著的，这可能是由于国家对人才的培养需要一个漫长的过程，短时间内难以显现出明显的效果。技术进步对我国各地区的节能效率、SO2减排效率和COD减排效率表现为正效应。技术进步促进了生产技术的提高，有利于能源的充分利用，减少污染物的排放量，进而提高节能减排效率。然而在研究结果中，技术进步对节能效率的影响是不显著的，这与客观事实不符，出现这样的研究结果可能是由于仅仅用R&D比重无法更好地衡量技术进步指标。

五、结论与政策建议

本文将三阶段DEA模型应用于节能减排效率的测度，剥离了宏观环境因素和随机误差的影响，进而得到更加真实客观的效率值。其得出的研究结论如下：（1）外部环境因素和随机误差因素对节能减排效率存在着显著的影响。在外部环境因素中，工业化程度和FDI比重对节能减排效率呈负向作用，而人均GDP对节能减排效率呈正向作用。这表明外部环境确实对节能减排效率产生了显著的影响，有效控制外部环境是提高节能减排效率的重要途径之一。（2）由于剔除了宏观环境因素导致的地区差异，使得我国各地区节能减排效率存在较大差异，北京、上海等发达地区的效率值并不是最高的。从全国来看，1998-2012年我国各地区节能潜力约为4.5亿吨标准煤，节能效率为81.7％；COD的减排潜力均值为246万吨，效率为83.7％；二氧化硫减排潜力约为931万吨，二氧化硫减排效率为67.6％。（3）在节能减排潜力的影响因素中，进出口比重对节能减排潜力的影响是显著的，其对节能效率的影响是显著为负的，而对减排效率的影响是显著为正的；市场化指数对节能减排效率的影响是显著为正的；人力资本对我国各地区节能减排效率的影响表现为正效应，然而人力资本对节能效率的影响并不显著，对减排效率的影响是显著的；技术进步对我国各地区的节能效率、SO2减排效率和COD减排效率表现为正效应，其对节能效率的影响是不显著的，而对减排效率的影响达到了1％的显著性水平。

根据上述结论，本文给出以下几点政策建议：首先，转变中国粗放式经济发展模式，提高经济增长质量，实现集约式经济增长。通过优化和调整产业结构、技术进步以及改善能源结构等措施，提升中国的节能减排效率。技术进步是中国低碳经济发展的核心和动力，重点发展高科技产品项目，减少高污染、高耗能产品的生产，大力发展低耗能、低污染的产品，以实现经济增长与节能减排同步发展。其次，依靠行政手段，提升能源效率，建立完善的约束机制，调整目前以GDP为基准的官员晋升机制，增强政府官员保护环境的动力，促进节能减排的有效开展。我国的政治考核机制以GDP为标准，这种模式导致了节能减排问题日益严重，为了促进节能减排的开展，我国要改革现有的体制，完善激励与约束机制。中国迫切需要市场化的节能减排长效机制，让节能减排成为经济发展、技术创新的新动力。最后，对于不同的地区要采取不同的策略，采取分而治之的办法。东部地区要充分发挥其区位优势，在引进国外先进技术的同时，稳步提升自身的能源效率，进而产生辐射作用带动中西部地区的发展。中西部地区主要依靠国家扶持政策，优化产业结构，提升节能减排效率。

［参考文献］

［1］包群，陈媛媛.外商投资、污染产业转移与东道国环境质量［J］.产业经济研究，2012，（06）：01-09.

［2］陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展［J］.经济研究，2009，4： 41-55.

［3］陈红敏.如何发挥地方政府在节能减排中的作用［J］.经济纵横，2008，05：35-37.

［4］陈诗一.节能减排与中国工业的双重发展：2009-2049［J］.经济研究，2010，03.

［5］陈钊，徐彤.走向“为和谐而竞争”：晋升锦标赛下的中央和地方治理模式变迁［J］.世界经济，2011（09）：3-18.

［6］何智美，王敬云.地方保护主义碳源——一个政治晋升博弈模型［J］.山西财经大学学报，2007，29（5）：2-6.

［7］黄德春，董宇怡，刘炳胜.基于三阶段DEA模型中国区域能源效率分析［J］.资源科学，2012，3（4）：688-695.

［8］李京晓，张庆昌，王向.财政分权与投资偏好的地方政府行为——基于省级面板数据的实证研究［J］.产业经济研究，2012，（5）：72-79.

［9］刘再起，陈春.低碳经济与产业结构调整研究［J］.国外社会科学，2010，（3）：21 - 27.

［10］李斌，彭星.环境规制工具的空间异质效应研究——基于政府职能转变视角的空间计量分析［J］.产业经济研究，2013，（6）：39-47.

［11］刘伟明，唐东波.环境规制、技术效率和全要素生产率增长［J］.产业经济研究，2012，（5）：29-35.

［12］马涛，东艳，苏庆义，高凌云.工业增长与低碳双重约束下的产业发展及减排路径［J］.世界经济，2011，8： 19-43.

［13］孟岩.吉林省节能降耗的形势与对策［J］.经济纵横，2007，8：47-49.

［14］屈小娥.考虑环境约束的中国省际全要素生产率再估算［J］.产业经济研究，2012，01：35-77.

［15］师博，沈坤荣.市场分割下的中国全要素能源效率：基于超效率DEA方法的经验分析［J］.世界经济，2008，09.

［16］沈利生.我国对外贸易结构变化不利于节能降耗［J］.管理世界，2007，10：43-50.

［17］史丹.中国能源效率的地区差异与节能潜力分析［J］.中国工业经济，2006，10：50-58.

［18］谭丹，黄贤金，胡初枝.我国工业行业的产业升级与碳排放关系分析［J］.四川环境，2008，（4） ： 2 - 6.

［19］汪克亮，杨宝臣，杨力.中国能源利用的经济效率、环境绩效与节能减排的潜力［J］.经济管理，2010，10：1-9.

［20］王强，伍世代，李婷婷.中国工业经济转型过程中能源消费与碳排放时空特征研究［J］.地理科学，2011，（1）：36- 41.

［21］魏楚，杜立民，沈满洪.中国能否实现节能减排目标：基于DEA方法的评价与模拟［J］.世界经济，2010，3：141-160.

［22］王蕾，魏后凯，王振霞.中国区域节能减排潜力估算及节能政策设计［J］.中国工业经济，2012，10：130-136.

［23］徐晓亮.资源税改革能调整区域差异和节能减排吗？——动态多区域CGE模型的分析［J］.经济科学，2012，05：45-54.

［24］杨红亮，史丹，肖洁.自然环境因素对能源效率的影响——中国各地区的理论节能潜力和实际节能潜力分析［J］.中国工业经济，2009，04：73-84.

［25］尹显萍，王生.能源消费、节能潜力与中国对外贸易［J］.经济管理，2011，02：14-22.

［26］余泳泽，杜晓芬.经济发展、政府激励约束与节能减排效率的门槛效应研究［J］.中国人口、资源与环境，2013，23（7）：93-99.

［27］张爱美，李文瑜，吴卫红，董雅静.我国工业企业节能减排激励与约束机制研究［J］.生态经济，2013，12：107-129.

［28］朱迎春.我国节能减排税收政策效应研究［J］.当代财经，2012，05：26-33.

［29］Claude Mandil.Tracking industrial energy efficiency and CO2 emissions［M］.Paris： International Energy Agency，2007：45-68.

［30］Cmmpton，P，2005，Energy Consumption in China Past Trends and Future Directions，Energy［J］，Economics 27.

［31］Dean.J.，M.Does Trade Liberalization Harm the Environment? A New Test［J］.CIES Policy Discussion Paper，2000，15.

［32］Fried，H.O.，Lovell C.A.K.，Schmidt，S.，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002，17（1-2）：157-174.

［33］Golany，B.，and Y.Roll.“An Application procedure for DEA”，omega： The International Journal of Management Science，1989，17：237-250.

［34］Hu J L，Wang S C.Total-factor Energy Efficiency of Regions in China［J］.Energy Policy，2006，（34）.

［35］Hua Liao，2007，What Induced China’s Energy Intensity to Fluctuate： 1997-2006［J］.Energy Policy 35，4640-4649.

［36］Hailu A，and T.Veeman.Non-Parametric Productivity Analysis with Undesirable Outputs： An Application to the Canadian pulp and Paper Industry［J］.Agricultural Economics，2001，83，805-816.

［37］Iimo Maenapaa，Hanne Siikavirta.Greenhouse Gases Embodied in the International Trade and Final Consumption of Finland： An Input-output Analysis［J］.Energy Policy，2007，35.

［38］Leiming Hang，2007，The Impacts of Energy Prices on Energy Intensity： Evidence from China［J］.Energy Policy 35，2978-2988.

［39］Magagi，S.，and S.Kaneko.Economic Growth and the Environment in China： An Empirical Analysis of Productivity［J］.Global Environmental Issues，2006，6（1），89-133.

［40］R.L.Stefanski.Essays on structural transformation in international economics［D］.University of Minnesota Ph.D.dissertation，2009.

［41］Reinhard，S.，C.Lovell，and G.Thijissen.Environmental Efficiency with Multiple Environmentally Detrimental Variable： Estimated with SFA and DEA［J］.Operational Research，2000，121（10）： 287-303.

［42］Smarzynska and Shangjin Wei.Pollution Havens and Foreign Direct Investment： Dirty Secret or Popular Myth?［J］.World BankPolicy Research Working Paper，2001，NO.2673.

［43］Sirchis J.Energy efficiency in industry［M］.New York： Elsevier Science Pub.Co，1988：20-25

［44］Scheel.H.Undesirable Outputs Inefficiency Valuations［J］.European journal of Operational Research，2001，32： 400-410.

［45］Victor Anderson.Energy efficiency policies［M］.Lodon： Routledge，1993：23-35.

［46］Y.Li，C.N.Hewitt.The Effect of Trade between China and the UK on National and Global Carbon Dioxide Emissions［J］.Energy Policy，2008，36.

［47］Yang，Hongliang，and pollitt，Michael.Incorporating both Undesirable Outputs and Uncontrollable Variables into DEA： The Performance of Chinese Coal-fired Power Plants［J］.European Journal of Operational Research，2008，197（3）.

［48］Zhu，J.，Y.Chen，Assessing Textile Factory Performance［J］.Journal of System Science and System Engineering，1993，2： 119-133.

［49］Zhang Z.Q，Qu J.S.，Zeng J.J.A quantitative comparison and analysis on the assessment indicators of greenhouse gases emission［J］.Journal of Geographical Sciences，2008，18（4）：387-399.

〔责任编辑：冯艳玲〕

The Potential Measures of Energy Saving and Emission Reduction in China——Research Based on the Three Stage DEA Model

DENG Shanshan ZHANG Yingying CHEN Lei
（Nanjing University of Finance and Economics，Jiangsu Nanjing，210046，China）

Abstract:Energy saving and emission reduction has become an important issue in the process of China's economic development.More and more scholars begin to pay attention to this problem，and adopt various methods to measure the potential and efficiency of China's energy saving and emission reduction.Comprehensive view，use DEA model to measure the potential of energy saving and emission reduction is often the ideal value of no stripping environmental factors，so that the potential of energy saving and emission reduction is often have partial or is unable to realize.In this paper、using of three stage DEA model，the divestiture of its industrial structure，per capita GDP，the structure of FDI and import and export proportion etc.macro environmental factors，and then get the potential of energy saving and emission reduction in China.Finally，the tobit model is used to analyze the impact factors of energy saving and emission reduction potential，and on this basis，put forward the relevant policy recommendations.

Key Words:Energy saving and emission reduction；Three stage DEA model；Potential；Efficiency

［作者简介］邓姗姗，女，南京财经大学产业发展研究院，硕士研究生，研究方向为技术进步与产业成长；

［基金项目］江苏省普通高校研究生科研创新计划项目“江苏省经济高速发展与服务业滞后并存之谜——价值链视角的解释与对策研究”（KYLX_0983）。

［收稿日期］2015-11-16

［中图分类号］F206

［文献标识码］A

［文章编号］2095-7572（2016）01-0044-15