中国全要素能源利用效率的动态演进机制研究

程元栋

摘 要：构建全要素能源效率演进的面板数据模型，运用1993～2014年面板数据模型，采用DEA模型测算国家全要素能源效率，对其与影响因素之间的关系进行面板协整检验和估计，计算各影响因素对全要素能源效率增长率的贡献率。研究表明：国家全要素能源效率整体偏低，与产业结构、受教育水平、能源消费结构、技术进步、政府影响力等影响因素之间存在面板协整关系；与产业结构、能源消费结构呈负相关，与其它因素呈正相关；受教育水平对能源效率提高的贡献率最大；在各影响因素的综合作用下，能源效率呈上升趋势。

关键词：能源效率；面板协整；贡献率；演进机制

中图分类号：F061.5

文献标识码：A 文章编号：1672-1101（2016）03-0050-08

Abstract：In this paper， the panel data model is constructed to analyze the dynamic evolution mechanism of the total factor energy efficiency （TFEE）. Using the panel data of China during 1991—2012， this paper tests the TFEE in China by the DEA model， in which the panel conintegration test and evaluation was conducted of relationship between the TFEE and its influence factors and the contribution rate of influence factors to TFEE was calculated. The findings show that the TFEE in China is generally low and there has been the panel conintegration relationship between the TFEE and such influence factors as the industrial structure， education， the structure of energy consumption， technical advances， the influence of government； there is a negative correlation between the TFEE and the industrial structure and the structure of energy consumption， and a positive correlation between the TFEE and other influence factors； the contribution rate of good education is the biggest； under the comprehensive effect of the influence factors， energy efficiency displays an upward tendency.

Key words：energy efficiency； panel conintegration； contribution rate； evolution mechanism

基于资源和环境的双重压力，能源利用效率问题成为制约我国经济可持续发展的重要战略问题。从能源利用效率目标来看，据发改委公布，“十二五”规划规划纲要要求，单位国内生产总值能源消耗降低16%，实际累计完成节能降耗19.71%。 根据2005年到2015年的实际数据测算，为了达到2020年单位GDP能耗比2005年下降40%～45%，2030年单位GDP碳排放比2005年下降60%-65%的要求，“十三五”单位GDP能耗需要下降13%，单位GDP碳排放需下降14%或15%。

能源的利用效率受产业结构、能源消费结构、人口的文化素质、技术等一系列因素的影响和制约，是一系列因素共同作用的结果。这些影响因素与我国能源效率变化具有何种关系，与能源效率动态演进的作用机制又如何？本研究希望从这些影响因素与能源效率的关系出发，实证分析能源效率的动态演进机制，为提高能源利用效率提供科学的数据参考和决策支持。

一、文献综述

从研究文献来看，目前我国全要素能源效率的研究是学者关注的热点问题，取得了丰硕的研究成果。其研究方法及成果本文从以下几个方面进行分析：

其一，两阶段研究法。Hu and Wang[1]提出全要素能源效率的概念及其测量方法，成为研究能源效率的主流方法。全要素能源效率体现了资本、能源、劳动力等各投入要素之间的相互替代作用，能更好的反映客观实际，能源效率的提高也依赖于全因素能源效率的改善。国内学者大多采用DEA模型测量全要素能源效率，然后再采用Tobit模型对全要素能源效率的影响因素进行分析。杨红亮、史丹[2]在实证研究中对单要素方法和全要素方法进行比较也发现，全要素能源效率指标在考察一个地区资源禀赋对能效的作用方面有着单要素方法替代不了的优势。采用该研究模式，魏楚、沈满洪[3]、袁晓玲、张宝山、杨万平[4]、屈小娥[5]、汪克亮、杨宝臣、杨力[6]等学者采用时间序列数据，选取不同的指标，对我国的全要素能源效率及其影响因素进行了研究，研究发现我国能源效率的变化趋势呈U型，在2000年左右出现拐点。大多学者研究发现全要素能源效率与产业结构、能源消费结构等呈显著负相关，与技术进步、政府财政支出等呈正相关。

其二，协整分析法。还有部分学者采用协整分析方法研究我国能源消费与其他因素的关系，如肖涛、张宗益[7]研究认为存在能源消耗与经济增长的单向因果关系。单纯采用时间序列数据存在着伪回归、多重共线性等方面的不足，部分学者开始采用面板数据分析方法对能源效率问题进行研究。Ming—Feng Hung[8]采用面板数据分析方法证明了环境库兹涅茨曲线的存在；郭军华、李帮义[9]采用面板协整分析方法，研究发现只有工业固体废弃物排放量与人均GDP之间存在环境库兹涅茨曲线；周建[10]采用面板协整分析方法研究发现能源效率与经济增长、产业结构、人口数量、技术进步等之间存在长期均衡关系，该学者采用单位GDP消耗千瓦时电作为能源效率，在反映能源效率方面不如全要素能源效率更客观真实。

其它具有代表性的研究是史丹、吴利学、傅晓霞等[11]学者采用随机前沿生产函数分析地区能源效率差异，并用方差分解法测算了各因素的作用大小，认为必须改善中西部地区的资源配置效率，并促进区域间的技术扩散，采用有效措施提高能源效率。

以上学者研究注重于能源效率的测度、收敛性或者影响因素，在研究内容、研究方法上未能揭示全要素能源效率的动态演进机制。本文构建了全要素能源效率演进的面板数据模型，采用面板协整分析方法研究影响因素与能源效率的关系及作用机理，揭示能源效率的动态演进机制。这种方法的优点表现在：（1）采用全要素能源效率演进的面板数据模型，可以测算各影响因素对能源效率增长率的贡献率，在分析各影响因素与能源效率变化的作用机制方面更具灵敏度、深入性，从而科学分析能源效率的动态演进机制；（2）面板协整分析方法可以克服时间序列分析多重共线性、伪回归等方面不足，在影响因素与能源效率的关系研究中提供更多的信息、更高的自由度和更高的估计效率；（3）将管理水平、节能意识等难以衡量的因素归结为综合要素，考虑了综合要素对能源效率变化的影响，可以更全面的体现能源效率的变化。

本文的研究思路是：首先采用DEA模型测算我国全要素能源效率；其次采用全要素能源效率演进的面板数据模型，对我国全要素能源效率与影响因素的关系进行面板单位根检验和协整检验、估计，分析影响因素与能源效率的关系及作用机制；最后，利用全要素能源效率增长方程，测算各影响因素对全要素能源效率增长的贡献率，深入分析能源效率的动态演进机理，揭示提高能源效率的途径和方向。

二、研究设计

（一）全要素能源效率演进的面板数据模型

对我国全要素能源效率影响因素的已有研究，不同学者选择的因素各不相同，如文献[4]～[6]等学者选择了经济结构、工业化水平、市场化程度、技术进步、对外开放程度、政府影响力、能源价格和能源消费结构等因素。

本文认为除了应关注经济发展因素、能源本身因素、技术进步等因素外，还应关注劳动力的素质水平不同对能源利用效率的影响，因为人力资本素质在节能减排的技术掌握、管理意识等方面对能源利用效率改进起着根本作用。文献研究发现，现有研究缺乏人力资本素质对全要素能源效率影响程度的研究。

综上分析，鉴于中国处于产业结构调整、建设低碳经济社会现状，本研究选择产业结构（IS）、受教育水平（HC）、能源消费结构（ES）、技术进步（TP）、政府影响力（GI）等五个因素研究我国全要素能源效率的动态演进机制进行实证分析。

基于Baltagi[13]提出的能源效率改进的分析框架，本文构建了我国全要素能源效率改进的面板数据模型，表示为：

根据构建的模型，本文对我国全要素能源效率的动态演进机制进行研究。

（二）全要素能源效率测量模型

鉴于全要素能源效率在反映能源效率方面的优势，本文也采用全要素能源效率方法研究我国能源效率改进的动态演进机制。

本文采用可变规模报酬条件下基于投入导向的DEA模型测量我国的全要素能源效率。DEA模型是一种评价具有相同类型多指标投入和多指标产出的若干决策单元（decision making unit， DMU）有效性的综合评价方法。比较具有代表性的DEA模型是C2R模型和BC2模型，C2R模型假设固定规模报酬（CRS），要求各决策单元对决策单元处于最佳生产规模，要求较为严格，Banker、Charne和Cooper（1984）[12]在C2R模型的基础上添加了∑λj=1的约束，提出了BC2模型，对可变规模报酬（VRS）情况进行评价。

（三）变量与数据说明

1.全要素能源效率测量模型变量与数据说明。结合相关文献的研究，本文选择GDP、资本存量、人力资本和能源等四个投入产出指标对我国全要素能源效率进行测量。

模型中的变量及数据计算方法说明如下：

（1）GDP：用以1993年可比价格的实际GDP表示，单位为亿元人民币。

（2）资本存量：采用Goldsmith（1951）[14]学者开创的“永续盘存法”来估算每年的实际固定资本存量，借鉴张军等（2004）[15]的研究方法及成果，计算用1993年不变价格表示的1993—2014年的中国固定资本存量。

（3）人力资本：参照林伯强（2003）[16]、徐国泉等（2007）[17]学者的研究，采用“受教育年限法”来估算1993——2014年中国人力资本存量，单位为：万人年。

（4）能源投入：能源投入采用《中国能源统计年鉴》（1993—2014年）中国能源消费总量数据，单位为“吨标准煤”。

2.全要素能源效率改进的面板数据模型变量与数据说明。

（1）全要素能源效率（TFEE）：由全要素能源效率测量模型DEA模型测量得到；

（2）产业结构（IS）：用我国第二产业总产值占GDP的比重表示；

（3）受教育水平（HC）：考虑到节能减排对人口文化水平的要求，用受教育9年以上人口占总人口比重表示；其中1991—1995年人口的受教育状况数据缺乏，本文根据1990年人口普查数据和1996年数据采用插值法进行了测算。

（4）能源消费结构（ES）：用我国原煤消费量占全国能源消费消费总量的比重表示；

（5）技术进步（TP）：用我国R&D投入占GDP的比重表示；

（6）政府影响力（GL）：用政府财政支出占GDP的比重表示；

两个模型中的数据均根据1993—2014年的《中国统计年鉴》和《中国能源统计年鉴》整理得到。

三、实证研究

（一）中国全要素能源效率测量

根据构建的全要素能源效率测量模型，采用Deap2.1软件测量我国全要素能源效率，运用整理后的面板数据，可以得到我国1993～2014年期间的全要素能源效率，如表1所示。

（二）中国全要素能源效率面板数据协整分析

1.面板单位根检验。综合学者在面板单位根检验方面的研究，本文采用相同根的单位根检验LLC（Levin—Lin—Chu）检验和不同根的单位根检验Fisher—ADF检验相结合的方法进行检验，如果在这两种检验中均拒绝存在单位根的原假设，则可以认为序列是平稳的，否则是不平稳的。滞后项由Eviews6.0软件自动选择，式（4）回归模型面板数据变量的ADF检验结果如表2所示：

由表2可知，构成全要素能源效率面板模型的6个变量，其面板数据水平值在t统计量的两种检验方法下，普遍在10%、5%、1%显著性水平下，不能拒绝存在面板单位根的原假设；而其一阶差分数据检验统计量的P值在两种检验方法下均近似为0，高度显著地拒绝原假设。综合检验结果，6个变量的面板数据均为I（1） 过程所生成。检验结论表明了我国全要素能源效率及其相关影响因素的非平稳特征，可以对我国全要素能源效率改进的面板数据模型进行协整检验和估计。

2.面板协整检验。面板变量数据的单位根检验结论为本文进行面板协整检验提供了基础。本文采用Pedroni[19]提出的7个检验统计量和Kao[20]提出的ADF检验统计量来检验全要素能源效率改进的面板数据模型变量之间的协整关系。采用Eviews6.0软件进行检验，检验结果见表3。

由表3可知，两种检验方法下的ADF值都在5%的显著性水平下拒绝原假设，所以存在面板协整关系，即全要素能源效率（TFEE）与产业结构（IS）、受教育水平（HC）、能源消费结构（ES）、技术进步（TP）、政府影响力（GI）之间存在长期均衡关系。

3.面板协整估计与分析。在对我国全要素能源效率面板数据模型变量协整检验的基础上，本文采用文献[19]提出的完全修正普通最小二乘法（FMOLS）对模型（4）进行协整估计，估计结果如表4所示：

从表4的估计结果可以发现：

（1）从对我国全要素能源效率影响的大小来看，从大到小的顺序是：能源消费结构、产业结构、受教育水平、管理水平及节能减排意识等综合要素、政府影响力和技术进步，反映了我国能源效率进步中几种因素所起到的作用。在我国的能源消费结构中，煤炭长期占据主导地位，煤炭能源利用的效率成为制约我国全要素能源效率提高的重要因素。其次，管理水平及节能减排意识等综合要素在我国全要素能源效率的提高中影响系数为0.176 5，在提高能源效率作用中不容小觑，具有较大的挖掘空间。最后，我国目前的技术进步未能在提高能源效率方面发挥其应有的作用和价值，影响系数最小，反映了我国在研发方面投入的不足，是今后重要的提升领域。

（2）从作用机制来看，能源消费结构和产业结构为负向作用，即煤炭占的比重越大、第二产业比重越大能效越低。这一研究结论与文献[3]、李国璋、霍宗杰[21]等学者的研究结论相同。反映了我国以煤炭为主导的能源消费结构和目前的产业结构状况不利于能源效率的提高。而受教育水平、管理水平及节能减排意识等综合要素、政府影响力和技术进步则对能源效率的提高起到了正向作用，在这些方面进行加强则有利于我国能源利于效率的提高。

（3）从提高能源利用效率的角度来看，能源消费结构和产业结构的影响系数最大，并且为负向作用。因此，提高能源利用效率的重点在于调整能源消费结构，改变我国目前一煤独大的局面，减少煤炭消费在能源消费中的比重，同时积极进行产业结构调整和优化，依靠技术进步和制度创新进行产业结构升级，降低高耗能产业的能耗。

（三）中国全要素能源效率动态演进分析

本文采用全要素能源效率增长率作为被解释变量，产业结构（IS）、受教育水平（HC）、能源消费结构（ES）、技术进步（TP）、政府影响力（GI）及综合要素等对全要素能源效率增长的贡献率作为解释变量，考察从1991～2012年期间我国全要素能源效率的动态演进机制。

利用面板协整的FMOLS估计结果，根据式（5）可以得到各要素对中国经济增长的贡献率。

模型回归后，1993～2014年期间，我国全要素能源效率增长率及各要素对全要素能源效率增长率的贡献率如表5所示，动态变化趋势如图1所示：

由表四及图1可以发现：

1）从全要素能源效率增长的变化趋势来看，1993～2014年期间总体上保持了增长状态，平均年增长率为4.14%，同时整体能源效率偏低，平均为0.781。其中2014年全要素能源效率值（TE），纯技术效率值（PTE）和规模效率值（SE）均为1，达到效率前沿面。从变化动态上来看，变动呈“U”曲折变化状态，1993～2000年期间增长率较高，平均年增长率为7.1%，1999～2006年处于低谷，平均年增长率为1.3%，2007～2012年又有所回复，年平均增长率为4.8%。变动的动力主要来自于技术效率的变化。其变化趋势与文献[4]、王群伟、周得群（2008）[22]等学者的研究结论近似。究其原因可归结为同时期我国的产业发展政策、能源消费结构等因素。

2）从各因素对全要素能源效率提高的贡献率大小来看，受教育水平（HC）的年平均贡献率为35.84%，贡献率最大，表明加大教育投入，提高受教育水平，是提高能源效率的重要途径；综合要素的贡献率为32.37%，贡献率其次，表明了管理水平、管理制度及节能意识等对能源效率的提高发挥了巨大作用；政府影响力（GI）的年平均贡献率为30.24%，表明政府在节能减排政策的制定、积极倡导等方面发挥了领导作用；技术进步（TP）的年平均贡献率为28.26%，在今后的能源效率提高中具有较大的挖掘潜力；产业结构（IS）和能源消费结构（ES）的年平均贡献率分别为-11.61%、-15.11%，起到了负向作用，表明我国目前的产业结构和能源消费结构较大程度的阻碍了能源效率的提高。

3）从各因素对全要素能源效率提高的贡献率变化趋势来看，产业结构（IS）的贡献率1993～2004年期间呈曲折上升形态，2004～2006年直线下降，之后又处于不断攀升状态，但贡献率仍为负值，整体上阻碍了能源效率的提高；受教育水平（HC）的贡献率除2006、2008年之外，均大于0，贡献较大，整体上不稳定，最后处于上升状态；能源消费结构（ES）大部分年份的贡献率小于0，变化

较为剧烈，2009～2011年逐步趋于稳定，有上升态势；技术进步（TP）和政府影响力的变动趋势相近，1998年之后贡献率在0以上变化，有上升趋势；综合要素贡献率呈“W”型变动，1999～2006年处于低谷，最后略有下降趋势。

从整体上来看，影响我国全要素能源效率的因素的贡献率基本上处于上升形态中，将推动我国能源利用效率不断改进。

四、主要结论

本文运用1993～2014年的面板数据，采用DEA模型测量了我国的全要素能源效率，构建了全要素能源效率演进的面板数据模型，对能源效率与影响因素之间的关系进行了面板协整检验和估算，分析了全要素能源效率演进的内在机理，主要结论如下：

1.我国全要素能源效率演变的规律为：能源效率提高的变动呈U型，处于上升趋势中，平均年增长率为4.14%。同时，整体能源效率值偏低，平均为0.781，未达到效率前沿面，能源利用效率亟待提高。

2.全要素能源效率（TFEE）与产业结构、受教育水平、能源消费结构、技术进步、政府影响力等影响因素之间存在面板协整关系。通过面板协整的FMOLS方法测量了这些影响因素对能源效率提高的作用机制，产业结构、能源消费结构有负向作用，其它要素具有正向作用，受教育水平的作用程度最大，揭示了提高能源效率的方向和途径。

3.全要素能源效率演进的面板数据模型估算结果显示产业结构、受教育水平、能源消费结构、技术进步、政府影响力和综合要素对能源效率提高的年平均贡献率分别为-11.61%、35.84%、-15.11%、28.26%、30.24%、32.37%，从变化趋势上看，这些因素对能源效率提高的贡献率总体上呈上升趋势，这将推动我国能源效率不断进步，指明了我国能源效率演进的动态趋势。

参考文献：

[1] Hu J L， Wang S C. Total—factor energy efficiency of regions in China[J]. Energy Policy， 2006，34（17）： 3 206-3 217.

[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（3）：12-20.

[3] 魏楚，沈满洪. 能源效率及其影响因素：基于DEA的实证分析[J]. 管理世界，2007（8）：66-76.

[4] 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，2009，251（2）：76-86.

[5] 屈小娥. 中国省际全要素能源效率变动分解—基于Malmquist指数的实证研究[J]. 数量经济技术经济，2009（8）：29-43.

[6] 汪克亮，杨宝臣，杨力. 考虑环境效应的中国省际全要素能源效率研究[J]. 管理科学，2010，23（6）：100-111.

[7] 肖涛，张宗益. 基于协整与VECM的能源消耗与经济增长关系研究—来自中国的经验：1990—2008年[J]. 软科学，2011，25（2）：7-10.

[8] Hung M F. Economic growth and the environmental kuznets curve in Taiwan： A simultaneity model analysis[A]. Human Capital， Trade and Public Policy in Rapidly Growing Economies： From Theory to Empirics[C]. UK， Edward Elgar， 2004： 269-290.

[9] 郭军华，李帮义. 中国经济增长与环境污染的协整关系研究—基于1991～2007年省际面板数据[J]. 数理统计与管理，2010，29（2）：281-293.

[10] 周建. 我国区域经济增长与能源利用效率改进的动态演化机制研究—基于省域面板数据协整模型的实证研究[J]. 数量经济技术经济研究，2008（9）：3-16.

[11] 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.

[12] Banker R D， Charnes A， Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management Scinece， 1984，30（9）： 1 078-1 092.

[13] Baltagi B H. Econometric analysis of panel data [M].John Wiley， Chichester， 2005.

[14] Goldsmith， Raymond W. A Perpetual Inventory of National Wealth [J] . Studies in Income and Wealth，1951（1）：45-61.

[15] 张军，吴桂荣，张吉鹏. 中国省际物质资本存量估算：1952—2000 [J]. 经济研究，2004（10）：35-44.

[16] 林伯强. 电力消费与中国经济增长：基于生产函数的研究[J]. 管理世界，2003（11）：18-27.

[17] 徐国泉，刘则渊. 1998～2005年中国八大经济区域全要素能源效率[J]. 中国科技论坛，2007（7）：68-72.

[18] Hall R E，Jones C I. Why do some countries produce so much more output per worker than others？ [J]. Quarterly Journal of Economics，1999（144）： 83-116.

[19] Pedroni P. Critical values for cointegration tests in heterogeneous panels with multiple regressions [J]. Oxford bulletin of economics and statistics， 1999（61）： 653-670.

[20] Kao C. Spurious regression and residual—based tests for cointegration in paned data [J]. Journal of econometrics， 1999（90）：1-44.

[21] 李国璋，霍宗杰. 中国全要素能源效率、收敛性及其影响因素—基于1995—2006年省际面板数据的实证分析[J]. 经济评论，2009（6）：101-109.