新常态下区域能源效率及其影响因素的研究分析

卢沉，郑丽琳

（安徽财经大学管理科学与工程学院，安徽蚌埠，233030）

新常态下区域能源效率及其影响因素的研究分析

卢沉，郑丽琳

（安徽财经大学管理科学与工程学院，安徽蚌埠，233030）

基于2000～2013年中国28个省份的面板数据，有必要运用方向性距离函数和GlobalMalmquist-Luenberger（GML）指数测算了环境约束下的全要素能源效率，并对能源效率演变趋势进行分析，最后运用面板Tobit模型对影响能源效率的因素进行分析，为提高能源利用效率提供可靠的建议，具有重要的理论和现实意义。

新常态；能源效率；影响因素

一、研究背景

近年来，中国经济发展取得了显著的成果，自2010年以来，中国成为世界第二经济大国，2015年4月4日国际货币基金组织（IMF）发布的最新数据显示，中国GDP总额位居世界第二，占世界总GDP的13.5%；但与此同时中国也付出了惨重的能源环境代价。2013年，中国二氧化碳排放总量占全球29%，且人均二氧化碳排放量首次超过欧洲，能源消耗总量为37.5亿吨标准煤，占全世界能源消耗的22%；2014年，国家统计局发布的《2014年国民经济和社会发展统计公报》显示，中国全年能源消费总量为42.6亿吨标准煤，相比去年增长2.2%。这一系列数据表明有效的提高能源效率、减少污染物排放对实现节能减排政策以及确保国民经济稳定发展至关重要。因此，科学的分析中国各地区能源效率现状以及影响因素，为提高能源利用效率提供可靠的建议，具有重要的现实意义。

目前有关区域能源效率的研究主要集中在全要素能源效率。全要素能源效率相对于传统的能源效率而言，在测算时考虑到资本、劳动等生产要素，测算结果更切合实际。全要素能源效率测算方法主要包括参数方法和非参数方法，其中非参数方法数据包络分析（DEA）因其不需设立生产函数，并且可以考虑多种输入和输出从而得到学者的广泛关注。基于DEA测算全要素能源效率的研究主要分为以下四个方面：第一，从行业层面分析不同行业的能源效率，其中对中国工业行业能源效率研究分析居多（徐胜，［1］张爱菊，［2］孙广生，［3］邵军［4］）。第二，从区域层面分析不同地区能源效率（程玉鸿，［5］臧传琴，［6］郑畅［7］）。第三，多数研究是运用DEA和Malmquist-Luenbergerzh（ML指数）指数实证分析能源效率研究，孙久文运用DEA-ML指数测算了长江三角洲地区全要能源效率，［8］屈小娥基于DEA-ML生产率指数测算了中国全要素能源效率，并分析中国能源效率的变化趋势。［9］第四，研究分析环境约束下的能源效率，并对能源效率影响因素进行分析，分析能源结构、产业结构、对外开放程度、能源价格等对能源效率的影响（张志辉，［10］周睿，［11］李激扬［12］）。

综上所述，基于数据包络分析（DEA）对能源效率的研究有一定的深入，但是仍存在一些问题：第一，DEA-ML生产率指数法虽然有一定的优势，但是也存在如潜在线性规划无解、结果不可循环累加等问题；第二，对能源效率基于环境约束下的分析研究较少，且能源效率的演变趋势的分析更少。因此，本文利用Oh构建的Global Malmquist-Luenberger（GML）指数分析基于环境约束下的能源效率问题，并对能源效率演变趋势进行分析，最后分析能源效率的影响因素。［13］

二、研究方法

本文分两部分研究中国能源效率：首先利用GML指数测算能源效率，然后再用面板Tobit回归分析其影响因素。

（一）Global Malmquist Lunenberger生产率指数

基于Oh提出Global Malmquist Lunenberger生产率指数法（GML指数）分析环境约束下的能源效率，通过构建一个包括能源、环境和传统生产要素（劳动、资本）的生产可能集，假设每个省份共有M中投入x=（x1，x2，x3...，xM），N中期望产出y=（y1，y2，y3...，yN）和I中非期望产出z=（z1，z2，z3...，zI），根据第K个省份第t期的投入产出（xk，t，yk，t，zk，t）可以构造出当期生产可能性集合为Pt（xt）=｛（yt，zt）：xt种投入产出（yt，zt）｝，t=1，2，3...，T，从而构造出全局生产可能性集合PG（x）=P1（x1）∪P2（x2）∪∧∪PT（xT）。由于采用ML指数的几何平均值来衡量全要素生产率不具有循环传递性，并且可能面临潜在线性无解情况，因此通过构建GML指数解决上述问题。

该GML指数大于1表示全要素能源效率增长，小于1表示全要素能源效率下降，等于1表示全要素能源效率不变。GML指数还可以分解为全局技术效率变化指数（GEFFCH）和全局技术变化指数（GTECH）的乘积，其分解公式如下：

（二）面板数据Tobit回归模型

采用Tobin提出的Tobit回归模型分析能源效率的影响因素，因为全要素能源效率是大于0的受限制的因变量，普通最小二乘法测算结果不准确。建立Tobit回归模型如下：

其中，Yit代表全要素能源效率，Xit代表各影响因素，βi为各因素的回归系数，εit为残差项，β0为常数项。

三、样本与数据

（一）投入产出数据

研究对象为2000～2013年中国28个省、市、自治区（除海南、重庆、西藏、港澳台地区）的能源效率，所有数据皆来自于《中国统计年鉴》和《中国能源统计年鉴》。如表1所示，投入变量包括劳动、资本和能源投入，产出变量包括期望产出国内生产总值（GDP）和非期望产出二氧化碳（CO2）。劳动力主要参照大多数研究的处理方法，用社会从业人数表示；资本投入为固定资本存量，按照张军的方法进行估算，固定资产折旧率取统一值10%，并将数据统一调整为以1995年为价格不变的资本存量；［14］能源为折算成标准煤的能源消费总量；国内生产总值表示期望产出，并平减为1995年不变价格；非期望产出选择CO2排放量，计算方法借鉴杜立民。［15］

表1　变量描述统计

（二）影响因素选择

根据已有研究，选择经济发展水平、城镇化水平、产业结构、对外开放、政府管理以及能源结构作为影响因素，对能源效率进行回归分析。其中，经济发展水平用人均国内生产总值（per_gdp）衡量；城镇化水平（l_captity）以各个省份城镇人口与总人口之比表示；产业结构（s_gdp）以第二产业总值占国内生产总值的比重表示；对外开放（open）用各省份进出口总额占地区国内生产总值的比重表示；政府管理（Gov）用各省份财政支出占地区GDP的比重表示；能源结构（e_str）用各省份煤炭消费量占能源消费总量的比重表示。数据皆来自《中国统计年鉴》、《中国能源统计年鉴》以及《中国人口统计年鉴》等。

四、测算结果与分析

基于Global Malmquist Lunenberger（GML）生产率指数计算方法，运用MATLAB软件测算2000～2013年中国28个省份的环境约束下的全要素能源效率，用全局静态技术效率代表全要素能源效率，具体结果如下：

（一）中国区域全要素能源效率分析

本文分析各区域之间的全要素能源效率时，把中国分为东、中、西部三大区域。①东部：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西；中部：山西、内蒙、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部：四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。从图1可以看出东中西部地区的能源效率呈波动上升趋势，逐渐趋于生产前沿面；其东部地区能源效率明显高于中部、西部和全国，呈东部较高，中西部较低阶梯式分布。并且，自2009年之后，中部地区能源效率超过西部地区，两区域之间差距不断拉大，主要是因为随着“中部崛起”战略的实施，中部经济得以快速发展，为能源利用提供先进技术，从而提高能源效率，而西部地区虽然能源丰富，但开采技术落后，能源利用率较低。从图1中可以看出，西部地区在2007～2008年能源均值达到峰值，之后逐渐下降，近年来才逐渐上升，主要是因为自2000年西部大开发战略实施以来，西部经济也平稳快速发展，但是2008年中国受到美国次贷危机的影响，西部乃至整个中国都受到不同程度的影响。自2011年以后，中国能源效率呈快速增长趋势，主要是因为中国“十二五规划”实施的产业结构优化、节能减排以及生态环境保护等措施，扭转了中国能源消耗和环境污染物排放量增长的趋势，与2011年相比，2012年全国化学需氧量、二氧化硫和氮氧化物排放量分别下降3.05%、4.52%以及2.77%；2013年中国能源消费增长率从2012年的6.2%，下降到3.7%，这表明中国整体能源效率呈改善趋势。

图1　区域能源效率变化趋势

从各地区能源效率分析，从表2可以看出，中国能源效率整体水平较低，存在明显的区域差异；东中西部能源效率均值分别0.805006、0.716408和0.703713，只有东部能源效率均值大于全国能源效率均值为0.747587。能源效率均值位列前三的省份分别为青海、福建和天津，能源效率均值分别为0.9256、0.92269和0.8469，皆高于全国能源效率均值；能源效率位于后三位的分别为山西、贵州和新疆，能源效率均值分别为0.5919、0.60573和 0.6275。从表1中看出，整个时间段，中国只有云南、陕西、宁夏、新疆能源效率年均增长率为负，能源效率分别从2000年的0.71088、0.69005、1、0.61893，下降到2013年的0.64058、0.64635、0.71279、0.6275，下降率分别为-0.137%、-0.284%、-2.213%、-0.096%，同时这也是西部地区能源效率整体较低的一个原因。2013年，中国有10个省份能源效率位于生产前沿面上，其中东部地区占7个，分别为天津、上海、江苏、浙江、福建、山东和广东，这主要是因为东部地区拥有雄厚的经济实力和技术创新能力，对环境保护和治理比较严格，使得东部地区能源效率一直位于全国领先地位，相反中西部地区，由于技术设备落后，技术水平低下以及对环境保护实施不到位，导致尽管能源资源丰富，但能源效率较低，近年来，随着中部崛起和西部大开发战略的实施，中西部地区也加强了能源利用以及环境保护的措施，能源效率自2011年呈不断上升的趋势；东部地区中，福建能源效率均值最高，其次是天津、江苏，能源效率均值分别为0.92269、0.8469和0.84498；并且东部地区中只有河北和辽宁能源效率均值低于全国能源效率均值。中部地区中，能源效率最高的是江西，其次是湖南和安徽，能源效率均值分别为0.79584、0.75416、0.74207。

表2　部分年份全要素能源效率（部分数据）

（二）基于GML指数的中国区域全要素能源效率变化趋势

从表3可以看出，中国全要素能源效率平均增长率为1.3%，整体呈上升趋势（见图1），进一步分解可知，全要素能源效率的提升主要来源于能源技术进步，能源技术进步平均增长率为1.5%，能源技术效率为-0.25%。2007～2008年，能源技术效率达到整个时段的峰值为1.044762，主要是因为在2007年，中国政府颁布一系列能源政策（能源发展“十一五”规划、天然气利用政策、可再生能源中长期发展规划等等），对中国能源消费总量进行控制，并提出中国能源近期发展路线，主要集中发展节能和清洁能源技术，努力提高能源效率，积极发展安全清洁核能技术和非水能的可再生能源技术等，这些政策和规划对中国能源技术效率的提高具有促进作用。2008～2009年，全要素能源效率出现整个时段最低值0.964945，主要原因是2008～2009年全球金融危机爆发，各国经济都受到不同程度的冲击，中国经济发展也有所放缓。2011～2013年中国能源效率呈快速增长趋势，2013年中国能源效率增长率约为5.1%，能源技术效率也增长0.67%。从表3可以看出，整个样本期间大致可以分为三个阶段，分别为：2000～2008年、2008～2010年和2010～ 2013年，这与中国能源消费相符。其中，中国能源技术进步率与中国能源效率变化趋势相一致，但是中国能源技术效率处于较低水平，整个时段只有2001～2003、2004～2005、2007～2008以及2012～2013年的能源技术效率是正向增长，其他年份都是负增长，这也是中国全要素能源效率整体水平较低的原因。

从表4可以看出，中国东中西部地区全要素能源效率增长率存在明显差异，东中西部全要素能源效率平均增长率分别为1.79%，1.72%和0.05%，呈东中西部递减；能源技术效率平均增长率分别为-0.04%、-0.14%、-0.71%，区域之间仍呈东中西部递减，同时也表明中国三大区域能源技术效率都未达到生产前沿面，改进空间很大；能源技术进步增长率分别为1.83%、1.87%和0.77%，呈中东西部递减。东中西部地区的全要素能源效率增长率皆为正，但是三大区域的能源技术效率增长率皆为负，这说明中国全要素能源效率的驱动力为能源技术进步，而能源技术效率还有待提升和改善，同时也表明能源技术效率是中国全要素能源效率提升的关键和重点。

表4　东中西三大区域的全要素能源效率增长率变化及分解

东中西部全要素能源效率皆呈增长趋势（如图2），且从2009年开始，中部全要素能源效率平均增长率超过东部、西部。主要是因为中部地区能源技术进步增长率超过东部、西部，从图2看出全要素能源效率增长率差距逐渐缩小。从各地区来看，东部地区中北京、天津、上海能源效率增长率位列前三，分别为2.9%、2.6%和2.5%。其中天津和上海能源技术效率位于生产前沿面上，未发生变化，全要素能源效率增长主要来源于能源技术进步；东部地区各地区的GML指数均大于1，表明东部地区全要素能源效率均处于增长状态。中部地区中内蒙古、湖北、安徽全要素能源效率增长率位列前三，分别为4.06%、2.88%、2.01%；湖南的全要能源效率增长率最低为0.099%，中部地区各地区的GML指数均大于1，表明中部地区全要素能源效率均处于增长状态；中部地区中内蒙古和湖北的全要素能源效率增长率高于东部的北京、天津和上海，这与中部崛起战略的实施有一定的关系。中部大力发展工业，能源中部地区大力发展工业，能源利用率上升（中部地区的能源消费情况）。西部地区中全要素能源效率增长率位列前三的是四川、贵州、新疆，分别为2.55%、1.33%、1.26%；云南、陕西、青海、宁夏的全要素能源效率增长率为负，分别为-0.21%、-0.45%、-2.81%和-0.16%，正是因为云南、陕西、青海和宁夏的全要素能源效率下降才导致西部地区的全要素能源效率整体水平低于中部和东部。

图2　东中西部全要素能源效率增长率变化趋势

五、影响因素分析

运用stata13.0对能源效率影响因素对全国、东中西部分别进行Tobit面板回归分析，具体结果如表5所示：

表5　Tobit面板回归结果

由表5可知，经济发展水平与全国能源效率都呈显著正向影响关系，即随着经济发展水平的提高，能源效率也会逐渐提高。一方面，随着中国经济的发展增长，产业结构逐渐从第二产业向能源消耗较低的第三产业转移，能源需求减少。另一方面，随着人民生活水平的提高，越来越多的倾向于使用生物质能风能、风能、太阳能等新型清洁能源，替代效率较低的煤炭、石油等能源，从而能源效率会逐渐提高。而经济发展水平与东、中部能源效率呈显著正向影响，而与西部能源效率呈显著负向影响，这表明经济发展水平与能源效率可能呈U型分布，刚开始经济增长时，对能源需求增加，能源效率较低，而随着经济发展水平的不断增高，技术水平的提升，能源效率会逐渐提升。

城市发展水平与全国能源效率呈负向影响，但不显著。这主要是因为，在实施十二五规划中提出的积极推进城镇化发展，加强城镇化基础设施建设的过程中，城市建设以及房屋建设都消耗了大量的钢铁，水泥等建筑材料，导致能源消耗的大幅度提升，从而引起中国全要素能源效率下降。从表中可以看出，城市发展水平与东、中部呈显著负向影响；并且对中部的影响较大，城市发展水平每提高1个百分点，能源效率将下降0.001985个百分点，主要是因为中部地区处于工业化和城镇化快速推进的重要时期，能源消耗较大。

产业结构与全国能源效率都呈显著负向影响，这一结论与王兆华、张志辉等的研究结果一致。第二产业所占比重越高，能源效率就越低，即第二产业所占比重每提高1个百分点，全要素能源效率降低0.1969个百分点。从表5中可以看出，产业结构与中部呈显著负向影响，主要是因为中国经济发展特别是中部地区发展仍处于工业化中后期阶段，而工业又是能源消耗的主要产业，很多高能耗、高排放的重工业会导致中国全要素能源效率降低。而产业结构与西部呈显著正向影响，即第二产业所占比重增加，能源效率也会提升，主要是因为西部经济较为落后，工业化水平较低，重工业产业较少，即使第二产业所占比重有所增加，能源效率仍不会有所下降，但是，随着工业化水平的不断提高，能源效率也会呈下降趋势。因此，积极进行产业结构优化和调整，实现从以第二产业为主向以第三产业为主的产业结构转变，有助于提高中国全要素能源效率。此外，中、西部在发展经济的同时，政府和企业应积极引进技术创新和严格实施环境保护政策，提高能源利用率，减少污染物排放。

对外开放与全国、东部、西部能源效率呈负向影响，这表明各省份进出口总额占地区生产总值的比重的增加会导致能源效率降低，其中对西部的影响程度最大。但是，中部地区与全要素能源效率呈显著正向影响，即增加各省份进出口总额有助于提高能源效率，因此，可以加强中部地区各省份进出口总额的份额，从而提高全国能源效率。

政府管理与全国、东部、中部能源效率呈显著负向影响。政府管理是用财政支出占国内生产总值的比重表示，这表示即增大政府财政支出的力度，会降低中国全要素能源效率，这一结果与魏楚、沈满洪的研究结果一致。［16］而西部地区政府管理与能源效率呈显著正向影响，增加财政支出的比重会提高能源效率。

能源结构与全国、东部能源效率呈显著负向影响。这与郑畅的研究结果大致相同，能源结构对能源效率的提高呈抑制作用，即煤炭消费占能源消费的比重越高，能源效率越低，主要是因为煤炭作为一种低质低效能源，利用率较低，并且燃烧会产生大量CO2、有毒气体等污染物，造成环境污染。而目前中国能源消费主要是以煤炭为主，这种能源结构制约着中国能源效率的提升。因此，中国应积极调整能源消费结构，开发和利用新型能源，加大能源技术投资，发展清洁能源技术，提高中国能源效率。从表5可以看到，能源结构与西部全要素能源效率呈正向影响，即增加煤炭的消费会提高西部能源效率

运用方向性距离函数和Global Malmquist-Luenberger（GML）指数基于中国2000～2013年面板数据对能源效率进行测算，并分析能源效率变化趋势以及区域差异，此外，运用Tobit模型对能源效率影响因素进行计量分析，主要结论如下：

中国能源效率水平较低，但总体呈上升趋势，其中东部地区能源效率最高，中、西部次之，能源效率均值分别为0.805006、0.716408和0.703713；青海、福建和天津的能源效率均值位列全国前三，能源效率均值分别为0.92565、0.922692和0.846901，皆高于全国能源效率均值；能源效率位于后三位的分别为山西、贵州和新疆，能源效率均值分别为0.591904、0.605732和0.62753；整个样本期间，只有云南、陕西、宁夏、新疆能源效率年均增长率为负。

中国东中西部地区全要素能源效率增长率存在明显差异，东中西部全要素能源效率平均增长率分别为1.79%，1.72%和0.05%，呈东中西部递减。但长期来看，中国全要素能源效率增长率最后整体趋于相同。其中，东部、中部地区全要素能源效率均处于增长状态，西部地区中全要素能源效率增长率中有负增长，云南、陕西、青海、宁夏的全要素能源效率增长率为负。

运用计量模型回归分析发现，只有经济发展水平对全国能源效率呈正向影响，城市化水平、产业结构、对外开放、政府管制以及能源结构对全国能源效率皆呈负向影响。不同影响因素对东、中、西部的影响程度各不相同，如产业结构对东、中部呈显著负向影响，但对西部呈显著正向影响，这也表明，各地政府应根据自身的经济发展水平以及资源情况制定能源效率改善措施，切勿盲目跟风。

［1］徐胜，李晓璐.我国工业能源效率及其影响因素分析［J］.统计与决策，2015（18）：135-138.

［2］张爱菊，权瑞.中国主要工业部门能源效率测算与分析［J］.统计与决策，2014（7）：133-136.

［3］孙广生，杨先明，黄祎.中国工业行业的能源效率（1987-2005）——变化趋势、节能潜力与影响因素研究［J］.中国软科学，2011（11）：29-39.

［4］邵军，管驰明.中国工业部门能源使用效率及其影响因素研究［J］.经济学家，2009（1）：58-65.

［5］程玉鸿，张玮琪.我国省域全要素能源效率变动差异的实证分析——以广东省为例［J］.技术经济，2013 （3）：56-63.

［6］臧传琴，刘岩.山东省全要素能源效率及其影响因素分析［J］.中国人口·资源与环境，2012（8）：107-113.

［7］郑畅.长江流域七省二市能源效率比较研究［J］.统计观察，2008（24）：79-81.

［8］孙久文，肖春梅.长三角地区全要素能源效率变动的实证分析［J］.中国人口·资源与环境，2012（22）：67-72.

［9］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］.2009（8）：29-43.

［10］张志辉.中国区城能源故率演史及其影响因素［J］.数量经济技术经济研究，2015（8）.

［11］周睿.中国能源效率测度及其影响因素分析［J］.统计与决策，2014（5）：84-86.

［12］李激扬.中国省际能源效率影响因素的实证分析［J］.湘潭大学学报，2011（7）：53-57.

［13］Dong-hyun Oh.A global Malmquist-Luenberger productivity index［J］.Journal of Productivity Analysis，2010（3）.

［14］张军，吴桂英，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.

［15］杜立民.我国二氧化碳排放的影响因素：基于省际面板数据的研究［J］.南方经济，2010（11）：20-33.

［16］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.

F124.6

A

2015年安徽财经大学研究生科研创新基金项目“新常态下区域能源效率及其影响因素研究”（ACYC2015139）；2014年国家社科青年项目“开放经济条件下纳入资源环境约束的全要素生产率增长研究”（14CTJ006）

卢沉（1994-），女，硕士研究生，研究方向为管理决策优化理论与方法。

郑丽琳（1981-），女，博士，副教授，研究方向为国民经济理论与政策、资源与环境经济学。