矿业权重叠引致了煤炭产业技术效率损失吗？

王忠+田家华+揭俐

摘要 提升煤炭产业生产率水平，化解产能过剩，是当前推进煤炭产业供给侧改革的重点，而矿业权重叠在引致煤炭产业要素错配、产能异质性和不完全竞争方面发挥了重要的影响作用，是影响煤炭产业生产率变动的重要因素，化解矿业权重叠风险，正成为推动煤炭生产和利用方式变革的重要突破口。本文利用2004—2014年中国煤炭产业分省市自治区的面板数据，实证检验了矿业权重叠对煤炭产业技术效率损失的动态影响。研究发现，矿业权重叠、生产能力不足和要素配置扭曲对煤炭产业技术效率损失具有显著性正向影响，考虑了内生性问题的面板工具变量法的估计结果仍支持这一结论。在分别引入煤炭资源税占地方财政收入比重和煤炭资源税占煤炭产成品收入比重作为门槛变量后，发现矿业权重叠对煤炭产业技术效率的门槛效应显著存在，其发展趋势表现出一种先扬后抑的曲线关系，当煤炭资源税征收比重跨越门槛值之后，矿业权重叠对煤炭产业技术效率的边际影响逐渐减弱。由于煤炭产业集中度水平和所有制结构的地区差异，集聚经济对矿业权重叠的“技术溢出”不足，并引致了煤炭产业技术效率的损失。显然，矿业权重叠风险的传导受到了政策因素、产能因素以及创新因素等因素的影响。因此，政策上需要全面推进税收政策、产业政策以及能源政策、科技政策等在内的统筹协调，减缓矿业权重叠对煤炭产业技术效率损失的风险传导。同时，政府还应加强对矿业权重叠区正常生产秩序的监管，减少不完全竞争对煤炭产业生产效率的影响。

关键词 矿业权重叠；煤炭产业；技术效率；门槛效应

中图分类号 F061.6；F062.1

文献标识码 A 文章编号 1002-2104（2018）03-0139-10 DOI：10.12062/cpre.20171110

“矿业权重叠”，是我国自然资源管理中普遍存在的一个现实问题。典型的例子是中国山西省境内煤炭矿业权与煤层气矿业权重叠的比率达78%，重叠面积3 447.6平方公里，重叠类型表现出多边重叠、多层重叠等特征。矿业权重叠不仅扰乱了正常的资源开采时序和规模，同时也抑制了资源综合利用率水平的提高，对不同资源的开发利用和相关产业的发展，都产生了不利的影响。许多文献研究证明，如果没有边界清晰的资源产权机制，资源最佳耗竭和最优开采的条件便无法满足，进而会引起资源采掘中的要素配置扭曲，并最终引致资源采掘效率的损失。为消解矿业权重叠对煤炭产业生产秩序和生产效率产生的负面影响，国土资源部于2007年发布《关于加强煤炭和煤层气资源综合勘查开采管理的通知》，要求煤和煤层气矿业权重叠区按照采气采煤相互兼顾的原则，统筹安排煤炭与煤层气开采的布局和时序。2016年4月，《国土资源“十三五”规划纲要》再次提出，要合理安排油气、煤炭、煤层气等资源开发的空间、时序，促进多矿种资源的综合开采和有序利用。因此，如何科学、客观评价“矿业权重叠”与煤炭产业生产效率之间的关系，并着重分析矿业权重叠对煤炭产业技术效率损失的影响，对于我国能源政策创新和煤炭产业可持续发展无疑具有十分重要的理论意义和现实意义。

1 文献综述

在資源经济理论中，自然资源的产权特征是影响资源采掘成本和生产效率的重要因素。一方面，清晰的产权机制有助于实现资源的优化配置，另一方面，不同的产权安排会导致不同程度的技术进步。矿业权重叠无疑增加了资源产权边界的不确定性，使得资源最优开采的假设条件难以成立[1]。关于资源产权与资源利用效率关系的问题，国内外学者进行了较为深入的研究，初步形成了以下几种观点：①竞争效应。作为一种资源禀赋特征，矿业权重叠影响了资源采掘的开采条件和竞争环境，并引致矿业权租值的耗散[2]。具有独占性和排他性资源产权的缺失，是导致资源过度开采、生态破坏等效率损失的重要原因[3-4]。②增加生产难度。重叠区矿体的厚度、重叠类型、致密性、伴生性等，都是影响开采方式和采掘成本的重要因素，随着资源开采从地表逐渐深入地下，矿业权重叠给多矿种资源的综合开采增加了难度和生产成本[5-7]。③资源错配。矿业权重叠不仅影响了资源采掘的空间、时序以及资源开采强度[8]，同时也会引致生产要素的错配，其结果可能有三种：一是产业集聚过度、采掘过度；二是产业集聚不足、采掘不足；三是产业集聚过度、采掘不足，或集聚不足、采掘过度[9]。

在实践中，由于地层结构、矿体自然构造等因素的影响，不同种类的能源资源常常会表现出矿体上下“立体投影重叠”，或矿业权范围发生“平面交叉”的现象，并诱发矿业权人之间的“产权冲突”，进而使得资源采掘业的生产效率受到影响。从矿种来看，煤炭与石油、天然气、铀矿、煤炭之间，煤炭与煤层气之间发生矿体投影重叠的数量最多，约占问题矿业权数的78%。矿业权重叠增加了资源产权边界的不确定性，使得资源最佳利用的假设条件难以成立，进而阻碍了资源采掘市场竞争性均衡的实现[10]。另外，由于过去我国煤炭产业长期的粗放式发展，煤炭产业的集中度水平偏低，煤炭产业“多、小、散、重”的格局造成了严重的负面影响，如产能不足、生产低效、资源浪费严重等[11]。

作为中国“矿业权有形市场”的一个典型特征，矿业权重叠已成为制约资源富集区采掘业生产效率提升的重要影响因素。如何消解矿业权重叠对资源产业生产效率的负面影响，一直以来被视为一个非常重要的问题受到普遍关注。然而，从以往研究来看，鲜有文献从实证角度检验矿业权重叠与资源采掘业生产效率的关系，且现有文献多以研究资源税政策、安全生产、资源耗减等因素对能源采掘效率的影响以及对能源采掘业生产效率的测度等为主[12-16]，但对于生产过程如何受到影响，以及外生性因素对资源采掘效率究竟产生了多大的影响，一直缺乏科学地评估。随着国家对资源与环境问题的日益重视，如何提升煤炭资源利用效率，促进资源集约节约利用，已成为影响我国能源生产和消费可持续发展的一个重要问题。基于此，本文尝试采用超越对数生产函数模型，将矿业权重叠作为外生性变量纳入模型，实证考察矿业权重叠对煤炭产业技术效率损失的影响，为中国《能源生产和消费革命战略（2016—2030）》的实施提供一些经验借鉴。endprint

本文的贡献主要体现在：①方法上，运用超越对数生产函数模型，测度了2004—2014年间我国煤炭产业技术效率损失的动态变化；②运用面板线性回归模型和面板门槛效应模型，分别检验了矿业权重叠与煤炭产业技术效率损失间的影响关系，并对其影响机理作了探讨，这为检视我国煤炭产业政策、矿业权管理政策以及能源政策的效果，提供了一些可供借鑒的思路。本文余下部分的结构安排如下：第二部分介绍研究方法与模型选择；第三部分对变量选择和数据处理进行描述；第四部分对矿业权重叠与煤炭产业技术效率损失的线性与非线性关系进行实证检验；第五部分是结论与启示。

2 研究方法与模型

2.1 技术效率测度模型

技术效率的前沿函数测定方法，最早是由Farrel在1957年提出，后经Aigner、Meesen等发展而形成的一种测度方法，其基本思想是通过构造生产前沿面来计算生产率水平与生产前沿面的差距，以此表征在现有技术水平下技术效率的基本特征[17-18]。Battese和Coelli在1995提出了可用于面板数据估计的随机前沿生产函数效率模型，其一般形式为：

式（1）中，i=1，2，…，n代表地区，t=1，2，…T是时间趋势项，Yit代表地区i在时间t的产出，xit代表地区i在时间t的要素投入，β为xit的待估系数。vit表示随机扰动项，用于解释测量误差或其它不可控因素带来的冲击，其值可正可负，服从均值为零，方差为σ2v的独立分布；uit表示个体冲击，即技术非效率项，反映地区i在时间t与效率前沿面的偏离程度，其值服从均值为δzit，方差为σ2u的单边正态分布，并具有非负性。该模型被称为随机前沿生产函数模型是因为其产出率水平受到了随机变量e（βxit+vit）的约束[19]。

由于传统的CobbDouglas生产函数假定生产要素投入的替代弹性为0或1，这与实际不尽相符。因此，本文在确定煤炭产业生产函数形式时，假定事先并不知道各种生产要素之间的替代弹性，为反映一些外生性因素对煤炭产业生产效率的影响，我们采用形式灵活、可近似反映任何生产技术的超越对数生产函数对公式（1）进行扩展，构建的超越对数生产函数模型如下：

式（2）中，Yit代表煤炭产业产成品总值，t是时间趋势项，i表示地区，Kit和Lit分别是煤炭产业的资本存量和劳动投入，Zit代表矿业权重叠的比重。模型中设置的时间趋势项及其二次项，可以反映出希克斯中性技术进步。在式（2）中，假设H0∶βT=βKK=βLL=βTT=βKL=βTK=βTL=βZ=βZZ=0，随机前沿生产函数可转化为C-D生产函数，通过计算广义似然率统计量LR=-2（lnLH0-lnLH1），进行卡方统计显著性检验，可以对超越对数生产函数和C-D生产函数的适宜性进行检验。

基于公式（2），我们可以得到包含矿业权重叠等因素的技术非效率函数uit的表达式：

式（3）中，Zit表示决定煤炭产业技术非效率的外生变量，δ为负值表示该变量对技术效率有正向影响，反之亦然。θ0是常数项，wit服从均值为零，方差为σ2u的截断正态分布。

采用极大似然法对式（2）和式（3）中的前沿生产函数模型和技术非效率项进行估计，可得到技术效率的计算公式，具体如下：

e-uit反映地区i在时间t的技术效率水平，uit越大表明技术效率越低，反之则越高。如果uit=0，此时TEit=1，则技术有效，即决策单元位于最佳前沿面上，表示生产是有效的；而如果uit>0，TEit<1，则决策单元位于最佳前沿面以下，表示生产是无效的。

那么，技术效率损失的表达式可表示为：

2.2 矿业权重叠引致技术效率损失的计量分析

在技术效率损失测度结果的基础上，我们使用面板数据模型对矿业权重叠与煤炭产业技术效率损失的关系进行计量分析，分别构建面板线性回归模型和面板门槛回归模型，以检验两者之间可能存在的多种复杂的关系，模型分别设定如下：

（1）面板线性回归模型。为考察矿业权重叠对煤炭产业技术效率损失的影响，设置生产能力、要素配置扭曲、产业集聚、国有企业比重、第二产业比重、煤炭资源税占地方财政收入比重和煤炭资源税占煤炭产成品收入比重七个控制变量，建立一般线性回归模型如下：

式（6）中，下标代表相应的区域和时间，lnΔTEit代表煤炭产业技术效率损失，lnMOit代表矿业权重叠比重，lnXit代表其他控制变量，如，生产能力、产业集聚、要素配置扭曲等，uit代表个体效应，vit代表白噪声。在模型估计前，应对是否采用混合OLS估计、固定效应模型和随机效应模型进行检验，以选择合适的模型估计方法，提高估计的有效性。

如果模型存在内生性问题，上述面板回归模型的估计结果可能是不准确的。事实上，在上述模型中，生产能力是一个难以被准确观测到的变量，它与煤炭产业技术效率损失之间可能存在双向因果关系，即一方面生产能力不足导致技术效率的损失；另一方面，技术效率损失也可能影响生产能力的改进，从而形成内生性问题。因此，为克服内生性问题，本文选择煤炭采掘企业的生产能力作为内生变量，将煤炭资源人均储量作为工具变量，在式（6）的基础上，采用面板工具变量法（IV）进行估计，以对相关结果进行对比分析，模型设定如下：

式（7）中，lnX1it代表内生变量，表示煤炭采掘企业生产能力的差异，lnZit代表工具变量，且满足E（u|Z）=0和E（X1|Z）≠0的条件期望。

（2）面板门槛回归模型。在现实中，决定矿业权重叠对煤炭产业技术效率损失边际影响程度的因素很多，例如，当资源税征收水平较低时，重叠区拥有不同技术能力的采掘企业可能展开“采掘竞争”，加快对资源的“掠夺性开采”，进而抑制投资驱动向创新驱动的转变，并引致产业技术效率的低下。因此，矿业权重叠对煤炭产业技术效率损失的影响可能存在复杂的非线性关系，而并非简单的线性关系，如边际影响在门槛变量的阀值区间内出现拐点，表现出边际作用增强或减弱的发展趋势。endprint

为了检验这种非线性关系在矿业权重叠对煤炭产业技术效率损失的边际影响中是否存在，本文借鉴Hansen提出的门槛效应模型来进行实证检验[20]，模型设定如下：

式（8）中，I（·）为指示函数，Revlit为门槛变量，表示煤炭资源税的征收比重，γ是门槛值，εit为白噪声，其它变量所表示的内涵与前文界定相同。当λ1≠λ2时，说明存在着门槛效应。在估计出门槛值后，通过Hansen给出的经验公式LR（γ）>-2ln（1-1-α）（α为显著性水平），可进一步检验该门槛值的置信区间。当显著性水平α取值0.05时，LR值为7.35，其置信区间即为LR值低于7.35所对应的区间。如果存在多重门槛值，上式还可作进一步的拓展。

3 变量与数据

3.1 变量选择

本文所使用的数据主要涉及煤炭产业的工业总产值、资本存量、劳动投入、固定资本投资、企业数、从业人员数、国有企业数、矿业权重叠以及越界采掘率等。核心变量界定如下：

（1）矿业权重叠。以煤炭与石油、天然气等能源矿产发生矿业权“上下投影重叠”或“平面交叉重叠”的个数占地区能源资源矿业权总数的比重为指标，反映该地区矿业权重叠的强度。由于统计部门没有公布矿业权重叠比重的数据，本文以实际存在矿业权“上下投影重叠”或“平面交叉重叠”地区的越界开采行为的发生率作为代替（越界开采件数占地区非法开采件数的比重）。该指标可根据历年《中国国土资源年鉴》统计数据整理和计算得到。由于矿业权重叠会导致煤炭采掘难度、边际生产成本以及不完全竞争性的上升，进而对煤炭产业技术效率的改进形成了“阻滞效应”，因此我们预期其系数符号为正。

（2）产业集聚。以煤炭产业固定资产投资区位熵来表示不同时期不同区域煤炭产业投资的集聚水平，计算公式如下：

式（9）中，i代表产业，j代表地区，Eij表示地区j产业i的固定资产投资，LQij表示地区j产业i的固定资产投资占有的份额占全国同类指标总体份额的比值，以此反映地区j产业i的集聚水平，数据来源于《中国能源统计年鉴》。在“拥挤效应”到来之前，产业集聚对生产率的影响存在边际递增效应，因此本文预期其系数为负。

（3）要素配置扭曲。以煤炭产业人均固定资产投入占该行业、该地区人均固定资产投入平均值的比重来表示，以此衡量生产要素配置的扭曲程度。该数据根据《中国能源统计年鉴》和《中国国土资源年鉴》整理而得。在市场机制作用下，要素配置扭曲程度越高，導致的生产要素配置效率越低，因此我们预期其系数为正。

（4）生产能力。以煤炭产业单个地区所实现的产成品收入除以该地区、该产业企业数所得的值，来反映煤炭采掘企业生产能力的差异。数据来源于《中国工业统计年鉴》。由于样本期内中国煤炭产业小煤矿数量众多，而这些小煤矿又普遍存在技术水平低下、成本优化能力不足等问题，因此预期其系数为正。

（5）国有企业比重。以煤炭产业国有企业数占该地区煤炭企业总数的比重来表示，以此反映煤炭产业的所有制结构。该变量为煤炭产业技术创新投入和安全生产水平的外在反映，其值越大，所反映的技术效率水平越高，我们预期其系数为负。数据来源于《中国工业统计年鉴》。

（6）煤炭资源税征收水平。以煤炭资源税收入占煤炭产成品收入比重来表示，反映煤炭资源税的征收水平。煤炭资源税收入，统一按煤炭产量乘以煤炭资源税从量计税标准（1.5元·t-1）得到。因为中国煤炭资源税“从价计征”改革自2014年12月1日起才正式实施，改革前采取从量计征的办法（0.3～5元/t），这里本文假定样本期内全国各省均按1.5元·t-1测算，虽不太精确，但不影响结果的讨论。参考朱学敏和林伯强的研究[12，21]，我们预期其系数为负。煤炭产量数据来源于《中国能源统计年鉴》，煤炭产成品收入数据来源于《中国工业统计年鉴》。

（7）煤炭经济依赖度。以煤炭资源税收入占地方财政收入比重来表示，以此反映地方财政对煤炭资源经济的依赖程度。当煤炭经济规模较小时，资源丰裕地区为促进资源经济的快速发展，越有可能弱化对企业无序开采或破坏性开采行为的监管，进而引致资源利用效率的损失，但随着煤炭采掘规模的扩大，地方政府加强对煤炭产业生产能力不足和产出效率低下的规制，煤炭产业技术效率将出现拐点，并表现出技术效率损失下降的变化，因此我们预期其系数会出现由正到负的转变。煤炭资源税收入计算方法同前所述，地方财政收入数据来源于《中国统计年鉴》。

（8）第二产业比重。以地区第二产业GDP占三次产业GDP总值的比重来表示，以反映该地区工业经济的发展水平。数据来源于《中国统计年鉴》，并预期其系数为负。

3.2 数据处理与描述

在效率测度模型中，由于统计部门没有公布煤炭产业固定资本存量的数据，本文运用永续盘存法对此进行估算，计算公式为：

式（10）中i代表地区，t代表时间；Kit为经价格平减后的第i个地区煤炭产业第t年的资本存量，平减指数用2004—2014年各省能源采掘业固定资产投资价格指数代替；Iit为煤炭产业地区i第t年的固定资产投资，δit为折旧率。对于初期的固定资本存量，借鉴柯善咨的方法来进行计算[21]，公式为：

式（11）中Ii0代表地区i初始年份0的不变价投资，g为不变价投资Iit的平均增长率，δ为资本的折旧率。

由于《中国能源统计年鉴》《中国国土资源统计年鉴》缺少“北京、天津、上海、浙江、湖南、广东、海南、西藏”共8个地区煤炭产业的相关数据，为了保持数据的完整性和统一性，本文确定的研究样本为剔除上述8个地区后的23个地区样本。主要变量的描述性统计见表1所示。

4 实证分析

4.1 随机前沿生产函数模型的系数估计

基于超越对数生产函数模型，采用随机前沿估计方法（SFA）计算得到的系数估计结果见表2。endprint

由表2可知，模型LR检验的卡方统计量在1%的显著性水平上拒绝原假设，说明选择超越对数生产函数是合理的，且估计结果的各系数符号符合理论预期。无效率干扰项γ的值为0.966 583，表明无效率干扰项的波动占总波动的比例高达96%以上，煤炭产业效率水平偏离最优生产边界的特征明显。从投入要素的产出弹性来看，资本的产出弹性系数约为0.31，P值为0.003，在1%的显著性水平下是显著的，意味着资本投入每增长1个单位将带来煤炭产出增长约0.31个单位，投资驱动的特征较为明显；

从时间效应来看，表征技术进步的时间趋势t的系数显著为正，而其平方项的系数显著为负，表明煤炭产业的边际产出随时间逐渐下降，存在技术进步的减缓。另外，时间趋势与劳动要素交叉项的系数显著为负，这在一定程度上表明了煤炭产出的边际增长随着劳动的持续投入出现了下降。

对于本文更为关注的外生性影响因素（矿业权重叠）βZ的系数为正（1.131 526），P值为0.025，在5%的显著性水平下显著不为零，说明矿业权重叠对煤炭生产的过程产生了实质性影响，即随着矿业权重叠比重的增加，其产量也出现了增长，这可能与矿业权重叠引致的采掘竞争有关。尽管其平方项的系数符号βZZ为负，符合边际效率递减的现实预期，但结果并不显著。

4.2 实证结果与分析

4.2.1 模型选择

对面板数据进行回归分析前，应先进行模型设定的检验，以确定选择合适的估计模型。本文利用STATA14.0软件对数据进行分析，模型设定和检验的结果见表3。

由表3可知，F检验拒绝了不同个体截距项相同的原假设，选择固定效应模型更合适。同样，Hausman检验也拒绝了随机效应模型是有效估计的原假设，说明对煤炭產业技术效率损失的估计更适合采用固定效应模型。但Wald检验显示面板数据存在异方差现象，这可能导致固定效应模型估计结果的偏误，因此，需要选择更为稳健的估计方法，以便对异方差问题进行处理。

4.2.2 面板线性回归模型的结果与对比

基于表3的检验结果，本文首先采用固定效应模型（FE）进行估计，然后采用面板工具变量法（Panel-IV）对可能因内生性问题而导致的固定效应估计偏误进行处理，得到的估计结果见表4。

模型（1）～模型（3）表示基于固定效应稳健型估计的回归结果，模型（4）～模型（6）表示基于面板工具变量法估计的回归结果。从结果来看，面板工具变量法估计的DavidMacKinnon 检验均在1%的显著性水平上拒绝原假设，表明模型存在内生性问题。在引入人均煤炭资源储量作为工具变量后，模型估计的Sargan检验均接受不存在过度识别的原假设，表明模型设定的工具变量是有效的。另外，识别不足检验和弱工具变量检验也分别通过了1%和5%的显著性检验，说明工具变量的选择是合理的。除此之外，本文重点关注的矿业权重叠的回归系数除模型（1）外均显著为正，影响程度也在接近于固定效应模型估计结果的范围内变动，其它变量的显著性水平和系数符号也与固定效应估计基本一致，说明面板工具变量法的估计结果是稳健的。

从表4的结果来看到，所有模型均支持矿业权重叠对煤炭产业技术效率损失产生了显著性正向影响这一结果，表明矿业权重叠是引致煤炭产业技术效率损失的重要原因，即矿业权重叠比例越高，煤炭产业的技术效率损失越多。生产能力和要素配置扭曲的系数均显著为正，表明煤炭产业的产能水平和生产要素配置不利于产业技术效率的提升，存在产能低下和要素配置低效的问题。国有企业比重的系数均显著为负，表明国有煤炭企业对产业技术效率的提升发挥了显著的促进作用，这可能与国有企业的技术创新能力和“创新驱动”有关，即国有企业的技术能力和技术投入减少了煤炭产业技术效率的损失。煤炭资源税占地方财政收入比重的系数符号为正，表明地方财政对煤炭资源税的依赖程度越重，煤炭产业的技术效率损失越大，这与“资源诅咒”的理论预期相符。

从结果对比来看，模型（6）中煤炭资源税占煤炭产成品收入比重的系数符号相较于模型（3）发生了改变，但仍具有1%的显著性水平，这可能与面板工具变量法对内生性问题的处理有关，对于这一现象，我们将在下文结合面板门槛回归的结果作进一步解释说明。总的来看，经过面板工具变量法的处理后，模型（6）的结果更符合理论预期，即表明在中国煤炭资源税“从价计征”改革前，煤炭资源税的征收水平事实上是引致煤炭产业技术效率损失的重要原因。

4.2.3 面板门槛回归模型的估计结果与分析

资源采掘最优开采的条件在于边际收益与边际成本相等，如果发生矿业权重叠，不同资源的伴生特征、采掘难度、安全风险等无疑都会带来采掘成本的上升。当采掘成本逐渐上升到一个较高水平时，采掘企业的边际产出效率开始出现边际递减，进而引致技术效率的损失。因此，在不同的资源税征收比重下，矿业权重叠可能因采掘成本的差异而对煤炭产业技术效率损失的边际影响出现拐点。基于此，结合中国煤炭资源税改革的基本特征，我们分别选择煤炭资源税占地方财政收入比重和煤炭资源税占煤炭产成品收入比重作为门槛变量，以检验本文核心解释变量矿业权重叠与煤炭产业技术效率损失之间是否存在非线性关系。经过“自抽样”300次后得到的估计结果和模型检验见表5和图1。

从表5结果来看，模型（7）和模型（8）均捕捉到了矿业权重叠对煤炭产业技术效率损失非线性影响的门槛效应，其影响系数的符号与模型（1）至模型（6）的符号一致，影响程度也在线性回归结果的上下浮动，表明矿业权重叠对煤炭产业技术效率损失的影响趋势相同，影响程度存在非线性特征，模型设定合理。

具体来看，当以煤炭资源税收入占地方财政收入比重作为门槛变量，门槛值小于0.024时，矿业权重叠对煤炭产业技术效率损失的影响系数为0.060，并具有1%的显著性水平，而当门槛值处于[0.024，0.034]区间时，影响系数影响系数下降到-0.015，虽然结果并不显著，但依然可以说明随着煤炭资源税收入占地方财政收入比重的提升，矿业权重叠引致的煤炭产业技术效率损失出现了下降，这可能与煤炭市场发展过程中的产业集聚及地方政府干预有关。当煤炭产业规模较小时，出于保障能源供给和促进地方经济发展考虑，地方政府鼓励集体、个体以及私营小煤矿发展，进而形成了产业集中度不足和产出效率低下的格局。随着煤炭开采规模的不断增加，地方政府为促进资源集约化利用加强了对煤炭产业的“产能整合”，以引导行业合理竞争，产业规模效率随即得以提升。而当以煤炭资源税收入占煤炭产成品收入比重作为门槛变量，且门槛值小于0.037时，矿业权重叠的影响系数为0.138，当门槛值处于[0.037，0.045]区间时，影响程度增加到0.256，当门槛值大于0.045时，影响程度出现拐点，下降到0.026，并且在1%和5%的显著性水平下显著，表明煤炭资源税从价计征改革前的征税水平加剧了矿业权重叠风险的传导，而煤炭资源税征收比重的大小对矿业权重叠风险的传导具有阀值效应。endprint

从结果对比来看，门槛效应模型的回归结果相较于线性回归模型，在拟合优度上有了显著提升，并且大部分系数的符号和显著性水平也与线性回归结果一致，表明选择门槛效应模型来解释矿业权重叠与煤炭产业技术效率损失之间的复杂关系是合理的。除第二产业比重和煤炭资源税收入占产成品收入比重的系数符号发生改变外，模型（7）和模型（8）中其它变量的解释意义与线性回归结果相同。而造成系数符号发生改变的原因可能在于：当我们对面板数据进行门槛效应估计时，系数符号不仅反映出了其边际影响的程度、方向，同时也反映了基于门槛变量约束下的发展趋势。如第二产业比重的系数符号由负变正，说明模型对资源税征收比重（反映经济发展阶段）进行控制后，煤炭产业受益于第二产业发展的“技术溢出”效应并不明显，出现了效率的损失，但这一结果在上述模型中并不显著。

值得指出的是，相较于模型（1）至模型（6）的回归结果，模型（7）和模型（8）中煤炭资源税占煤炭产成品收入比重的系数符号也发生了改变，由正变负，但显著性水平没有变化，造成这一结果的原因可能是：在增加门槛变量后，模型生成了一个新的交叉变量（矿业权重叠*煤炭资源税占煤炭产成品收入比重），使得煤炭资源税占煤炭产成品收入比重对煤炭产业技术效率损失的边际影响部分被交叉项所替代，分离出这个效应后，其自身系数符号的意义发生了改变。未加入门槛变量前，煤炭资源税占煤炭产成品收入比重系数符号的解释意义在于反映其对技术效率损失的边际影响，而加入门槛变量后，其意义则变为反映该边际影响的发展趋势。由正变负，表明影響趋势出现了拐点，即随着煤炭资源税征收比重的增大，煤炭产业技术效率损失逐渐缩小，这与当前煤炭资源税改革的理论预期一致。

5 结论与启示

如何有效提升煤炭产业的生产效率水平是中国实施煤炭产业供给侧改革、推进能源生产和利用方式变革中遇到的一个重要问题。通过探讨矿业权重叠影响煤炭产业技术效率的内在机理，本文基于随机前沿参数法估算了中国2004—2014年间煤炭产业技术效率的实际水平，并基于测度的结果，采用面板线性回归模型和面板门槛回归模型，对矿业权重叠对煤炭产业技术效率影响的程度、发展趋势进行了实证检验。本文研究的主要结论如下：

（1）样本期内，中国煤炭产业技术效率损失出现了恶化趋势。通过测算，2004—2009年间中国煤炭产业技术效率损失平均值为0.689，而2010—2014年间其平均值增加到0.734，但年均增幅呈下降趋势。这表明2004—2014年间中国煤炭产业技术效率的缺口仍在扩大之中，但恶化趋势有所收敛。通过实证检验煤炭产业技术效率损失与矿业权重叠比重的线性关系可以发现，样本期内两者之间呈现出了同向波动的趋势。其原因可能在于，考察期内煤炭采掘企业产能水平不高，在应对矿业权重叠问题时，表现出了以投资驱动为特征的采掘竞争，使得短视化的投资决策扭曲了生产要素的优化配置，从而引致了煤炭产业技术效率损失的情形。

（2）模型回归结果显示，矿业权重叠、生产能力低下和要素配置扭曲显著加剧了中国煤炭产业技术效率的损失。且矿业权重叠对煤炭产业技术效率损失具有门槛效应，当煤炭资源税占煤炭产成品收入比重低于3.7%时，矿业权重叠对煤炭产业技术效率损失的影响程度为0.138，而当该比重上升到4.5%时，矿业权重叠对煤炭产业技术效率损失的影响程度增至0.256，当煤炭资源税占煤炭产成品收入比重高于4.5%时，矿业权重叠对煤炭产业技术效率损失的影响出现了拐点，边际影响的发展趋势向下。这表明，矿业权重叠对煤炭产业技术效率损失的边际影响呈现出了先扬后抑的特征，煤炭资源税征收比重的高低应有一个合理的阀值区间，并应与特定经济发展阶段的内在需求相吻合。

（3）在其它因素方面，国有企业比重对煤炭产业技术效率损失具有显著抑制作用，表明国有煤炭企业的发展能够促进煤炭产业技术效率的提升。这可能是因为国有企业拥有更多先进的生产技术，并且积极寻求由投资驱动向创新驱动的转变，在应对矿业权重叠问题时，能够依赖技术驱动消解矿业权重叠对产业技术效率损失带来的影响。

以上结论蕴含的政策启示包括以下几点：

（1）实证结果表明样本期内中国煤炭产业的技术效率损失出现了加剧的趋势，并与矿业权重叠、生产能力低下和要素配置扭曲呈同向波动趋势，这说明煤炭产业的产权特征、禀赋条件等可通过影响生产过程中的要素配置和技术创新间接影响煤炭产业技术效率的变动，提升煤炭产业技术效率水平的关键在于化解可能影响生产过程中投入与产出效率损失的内生性与外生性风险，进一步优化制度环境，助推煤炭产业技术效率的提升。

（2）根据矿业权重叠对煤炭产业技术效率损失的非线性关系，可以从两方面来消解矿业权重叠对煤炭产业技术效率损失的影响：一是结合煤炭资源税从价计征改革，合理调节煤炭资源税的征收比重，从价计征的标准应界定在高于4.5%的区间，并综合考虑其与矿业权重叠所形成的交互作用。二是应加强对矿业权重叠区生产秩序的监管，并在一定程度上支持煤炭采区实现采掘信息的共享、风险通告、联合开采等做法，减少“越界开采、掠夺性开采”等对煤炭产业技术效率损失造成的影响。

（3）加大对煤炭产业技术创新的政策扶持。为了进一步推动煤炭产业供给侧改革，提升产业生产率水平，政策制定和实施部门应加大对煤炭产业技术创新的政策扶持，淘汰落后产能，调整产业规模，以提升煤炭产业集聚水平。除此之外，还应支持煤炭采掘企业加大技术研发投入，减少恶性竞争，不断促进煤炭采掘市场的完全竞争性，这样才能有效实现煤炭产业由投资驱动向创新驱动的转变，这不仅有利于促进煤炭产业的供给侧改革和发展转型，同时也有利于推进创新型国家的建设。

参考文献（References）

[1]HOTELLING H. The economics of exhaustible resources[J]. Bulletin of mathematical biology， 1991， 53（1-2）：281-312.endprint

[2]LIBECAP G D. Economic variables and the development of the law： the case of western mineral rights[J].The journal of economic history， 1978，38（2）：338-362.

[3]HARRIS D P. Mineral resource stocks and information[M]//Allen V K， James L S. Handbook of natural resource and energy economics. Elsevier Science Publishers， 1993： 1011-1076.

[4]DALTON T R， COATS R M， ASRABADI B R. Renewable resources， propertyrights regimes and endogenous growth[J].Ecological economics，2005，52 （1）：31-41.

[5]WU L C， ZHU Y S， LIU Y X， et al. Development techniques of multilayer tight gas reservoirs in mining rights overlapping blocks： a case study of the Shenmu Gas Field， Ordos Basin， NW China[J]. Petroleum exploration and development， 2015， 42（6）： 904-912.

[6]STOKER T M， BERNDT E R， ELLERMAN A D， et al. Panel data analysis of U.S. coal productivity[J]. Journal of econometrics， 2005， 127（2）：131-164.

[7]CUBA N， BEBBINGTON A， ROGAN J， et al. Extractive industries， livelihoods and natural resource competition： mapping overlapping claims in Peru and Ghana[J]. Applied geography， 2014，54（10）： 250-261.

[8]MA Z W， CHEN C. Research on the overlapping rights of coalbed methane in China[J]. Environmental and earth sciences research journal， 2015， 2（1）： 21-26.

[9]MIRMAN L J， TO T. Stragegic resource extraction， capital accumulation and overlapping generations[J]. Journal of environmental economics and management， 2005， 50（8）： 378-386.

[10]王忠，揭俐，曾伟.矿业权重叠对我国煤炭产业全要素生产率的非线性影响[J].中南财经政法大学学报，2017（5）：59-68. [WANG Zhong， JIE Li， ZENG Wei. The nonlinear impact of mining rights overlapping on total factor productivity of coal extractive industry in China[J]. Journal of Zhongnan University of Economics and Law， 2017（5）：59-68.]

[11]王忠，周昱岑.資源产权、政府竞争与矿业权规制策略[J].中国行政管理，2015，364（10）：129-134.[WANG Zhong， ZHOU Yucen. Resource property rights， government competition & strategies for mineral rights regulation[J]. Chinese public administration， 2015，364（10）：129-134.]

[12]朱学敏，王强，李军华，等.资源税对煤炭产业生产效率影响的实证研究[J].中国石油大学学报（社会科学版），2012，28（2）：5-9.[ZHU Xueming， WANG Qiang， LI Junhua， et al. An empirical study of coal industry productivity in presence of resource tax[J].Journal of China University of Petroleum （edition of social sciences），2012，28（2）：5-9.]

[13]CUI Y J， HUANG G L， YIN Z Y. Estimating regional coal resource efficiency in China using threestage DEA and bootstrap DEA models[J]. International journal of mining science and technology， 2015，25（5）：861-864.endprint

[14]WANG Y L， LIU C Z. Capital structure， equity structure and technical efficiencyempirical study based on China coal listed companies[J].Procedia earth and planetary science，2009（1）：1635-1640.

[15]王克強，武英涛，刘红梅.中国能源开采业全要素生产率的测度框架与实证研究[J].经济研究， 2013（6）：127-140. [WANG Keqiang， WU Yingtao， LIU Hongmei. An analytical framework and empirical study for TFP in Chinese energy mining industry[J]. Economic research journal， 2013（6）：127-140.]

[16]邹涛，肖兴志，李沙沙.煤矿安全规制对煤炭行业生产率影响的实证研究[J].中国工业经济，2015（10）：85-99. [ZOU Tao， XIAO Xingzhi， LI Shasha. An empirical study on the impact of coal mine safety regulation on coal industrys TFP [J]. China industrial economics， 2015（10）：85-99.]

[17]AIGENER D， LOVELL K， SCHMIDT P. Formulation and estimation of stochastic frontier function models[J].Journal of econometric，1977， 6（1）：21-37.

[18]MEESEN W， BROECK V D J. Efficiency estimation from CobbDouglas production functions with composed error[J].International economic review，1977， 18（2）：435-444.

[19]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical economics，1995，20（2）：325-332.

[20]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing， and inference [J]. Journal of econometrics， 1999， 93（2）：345-368.

[21]林伯强，刘希颖，邹楚沅，等.资源税改革：以煤炭为例的资源经济学分析[J].中国社会科学，2012（2）：58-78. [LIN Boqiang， LIU Xiyin， ZOU Chuyuan， et al. Resource tax reform： a case study of coal from the perspective of resource economics[J].Social sciences in China， 2012（2）：58-78.]

[22]柯善咨，向娟.1996—2009年中国城市固定资本存量估算[J].统计研究，2012（7）：19-24.[KE Shanzi， XIANG Juan. Estimation of the fixed capital stocks in Chinese cities for 1996-2009[J].Statistical research， 2012（7）：19-24.]

[23]XIANG Z， LIU X Y. Coalbased transformation of cities in Shandong Province， China[J]. Chinese journal of population， resources and environment， 2015， 13（4）： 358-364.

[24]LI Y， WANG M M， SUI Y， et al. Empirical analysis of carbon tariffs effect on the export structure of Chinas manufacturing industry and social welfare based on the GTAP model[J]. Chinese journal of population， resources and environment， 2016， 14（1）： 1-10.endprint