我国工业全要素能源效率及其影响因素分析——对35个工业行业面板数据的实证考察

丁黄艳

(重庆工商大学 a.数学与统计学院; b.经济社会应用统计重庆市重点实验室， 重庆 400067)

能源是人类社会赖以生存与发展的物质基础。长期以来，我国能源禀赋和技术水平决定了工业行业“以煤为主”的能源消费结构，并在高速度、粗放式的增长模式下固化了能源消费路径，不仅造成了对能源的掠夺性开采和环境的巨大破坏，而且能源效率也低于世界平均水平。《BP世界能源统计年鉴2016》数据显示，2015年我国工业行业能源消费总量为28.97亿吨标准煤，自2000年以来首次出现负增长，但仍然是世界上最大的工业行业能源消费国。近年来，政府积极研究和布署《能源发展“十三五”规划》《工业绿色发展规划(2016—2020年)》《中国制造2025》等顶层设计，实施“一挂双控”、绿色发展目标清单、绿色制造示范工程等节能增效措施来加速提升工业行业能源效率。随着高质量发展的目标引领和工业生产模式的深度变革，探索工业行业能源效率提升新途径刻不容缓。

一、文献综述

能源效率的内涵及测度是能源经济与能源政策研究的核心问题。当前对能源效率的内涵解释和量化方法主要基于两种分析框架：一种为单要素分析框架，以能源消费与经济产出的对应关系来量化能源效率；另一种为全要素分析框架，通过全要素投入、要素间组合关系和技术进步来测度能源效率。单要素能源效率通常以能源生产率或能源强度来表示，指标可比性强，但缺陷在于只考察能源与产出的严格对应关系，忽视了其他要素对产出的协同影响，这使得能源效率的内涵及相关提升策略缺乏系统性和全面性。事实上，在投入端，能源与其他核心要素的组合方式是不完全替代关系，若将能源效率概念与非能源生产要素隔绝，那么企图执一驭万的节能策略可能会事倍功半。鉴于此，Hu等将能源要素纳入新古典增长理论框架，提出了全要素能源效率(Total Factor Energy Efficiency,TFEE)[1]。

全要素能源效率的测度方法主要分为随机前沿分析(SFA)和数据包络分析(DEA)，前者将投入要素构建为随机前沿生产函数并进行参数估计，后者利用线性规划来确定生产前沿面以求效率最优解。虽然SFA方法克服了随机误差对于测度结果的扰动，但受制于效率前沿函数设定形式的主观性，相比之下，DEA方法的测度结果更为稳健[2]。

在经验分析上，关于工业行业全要素能源效率发展变化的研究成果存在观点分歧。王喜平等运用DEA方法测度了2001—2008年我国工业36个分行业全要素能源效率，结果显示工业行业全要素能源效率均有不同程度的提高，并且高效率工业行业比重持续增大[3]。陈关聚运用SFA方法分析了2003—2010年我国工业30个分行业全要素能源效率，认为工业行业全要素能源效率经历了从上升到停滞的阶梯型变化，资本密集型行业能源消耗大但能源效率高，劳动密集型行业能源消耗小但能源效率低[4]。段文斌等则认为我国工业行业全要素能源效率存在下行趋势，其中规模效率呈负增长态势[5]。

虽然学者们对工业行业全要素能源效率的趋势尚未形成统一意见，但均从不同侧面探讨了如何提升工业行业全要素能源效率。能源消费结构与能源要素价格对工业行业全要素能源效率有显著影响，提高电力消费占比和减少能源价格扭曲均对能源效率提升有积极促进作用[6-7]。技术进步因素对工业行业全要素能源效率具有长期提升作用，加强研发经费投入和创新成果转化是能源效率提升的长效措施[8]。产业结构、产业集聚与工业行业全要素能源效率也有紧密联系，重化工业占比过高不利于能源效率提升，产业集聚增强则能够提升能源消费规模效率[9-11]。

综观上述研究，能源效率内涵及引申逐渐导向全要素能源效率，对工业行业全要素能源效率影响因素不同侧面的挖掘和呈现也可资借鉴。基于全要素能源效率分析框架，本文测度了工业行业全要素能源效率及其行业分布和发展趋势，并建立全要素能源效率影响因素模型，分析相关因素对工业能源效率的作用机制和差异化影响。

二、理论假设与模型构建

(一)理论假设

基于数据包络分析的Malmquist指数法，可将全要素生产率分解为技术效率、规模效率和技术进步效率，因此，该方法被广泛用于工业行业全要素能源效率的测度。在Malmquist指数法的测算下，全要素生产率变化率(TFPCH)与技术效率变化率(PECH)、规模效率变化率(SECH)、技术进步效率变化率(TECH)存在如下关系：

TFPCH=PECH×SECH×TECH

(1)

其中，技术效率反映了既定投入规模下要素间配置结构的有效性，规模效率反映了既定配置结构下要素投入规模的有效性，技术进步效率则反映了不同时期决策单元的技术追赶程度。

从式(1)可知，全要素能源效率主要受到结构因素、规模因素和技术因素的影响。参考已有研究的理论和经验，在结构因素方面，重点考察影响要素配置关系的相关动因，选择资本深化、所有制结构、能源消费结构等进行分析；在规模因素方面，存在成本最优论和规模效应论，选择企业成本和企业规模进行分析；在技术因素方面，基于知识生产函数，选择研发投入进行分析。基于此，提出各个影响因素与工业行业全要素能源效率相关的理论假设，即如下的H1—H6。

资本深化对全要素能源效率的影响来自于要素替代效应，一方面存在资本对能源的替代效应，减少了既定产出水平下的能源投入总量；另一方面存在资本对劳动的替代效应，提高了单位劳动力的资本累积水平。在理论上，理性厂商总是在寻求要素最优配置状态，促使要素间边际技术替代率相对平衡[12]。在实践中，伴随中国工业产能扩张，劳动力红利的“刘易斯拐点”已经显现，能源供需矛盾激化的可能性持续存在，这会进一步增强劳动力和能源需求的稀缺性，导致工业行业的要素边际成本持续攀升。因此，推进工业行业资本深化，持续发挥资本对劳动力和能源的替代效应，既是降低企业要素成本的长期选择，也是提升工业行业能源效率的重要手段。据此，提出：

假设H1：资本深化有利于工业行业全要素能源效率提升。

所有制结构衡量了政府对资源配置的干预程度，反映了工业行业的开放竞争水平。在市场经济中，资源配置依赖于价格机制所传导的需求信息，因而资源在行业间的流动和配置处于帕累托改进状态。国有企业是国家资本角色的具体化，占据资源配置制高点。当市场调节被宏观调控所主导，资源配置所反馈的价格信息可能被扭曲，从而造成市场供求双方偏离有效均衡状态。当前，由于国有企业竞争意识不强、政府监管体系不完善等原因，国有企业的经济效率整体上低于非国有企业[13]。2015年，国家发布《关于深化国有企业改革的指导意见》，把公司制和股份制作为国企改革的重点，加速调整中国工业行业所有制结构。据此，提出：

假设H2：所有制结构抑制了工业行业全要素能源效率改善。

能源消费结构衡量了中国工业行业能源消费多元化高效化的程度，反映了企业对不同种类能源消费的技术能力。综观工业革命发展史，从机械化到自动化再到信息化，能源消费结构经历了从高碳粗放式消费到低碳集约型消费的过程，伴随能源消费结构变迁的是工业行业不断创新能源替代技术，提高能源利用效率。面对已经到来的新的智能化工业革命，政府加大对能源技术创新的支持力度，加速对能源价格体系的市场化改革，实施工业行业“减煤拓气”“电能替代”等措施，坚守工业行业一次能源消费占比约束线，把能源消费结构调整作为节能减排和工业绿色发展的重要突破口。据此，提出：

假设H3：能源消费结构优化对工业行业全要素能源效率提升有积极影响。

成本最优论是指企业在成本硬约束下安排要素最优配置决策。对于中国工业行业全要素能源效率而言，成本最优论表现为正反两方面作用：正向作用方面，成本硬约束迫使企业充分利用既有资源获得最大产出，优化了能源、资本、劳动等投入要素的配置结构，提高了企业绩效水平；反向作用方面，在能源价格机制传导下，成本硬约束导致企业降低天然气、电力等相对价高的能源消费量，坚持“以煤为主”的高碳低成本消费，增加了工业行业总体能耗水平。由于企业成本对全要素能源效率存在正反相向作用，导致一些行业可能以正向作用为主，一些行业可能以负向作用为主，因此难以判断企业成本对工业行业全要素能源效率的总体影响。据此，提出：

假设H4：企业成本对工业行业全要素能源效率表现出行业异质性影响。

规模效应论是指投资规模较大的工业企业对能源利用的集约程度会更高。从内部因素来看，企业规模化经营可以提高行业集中度，加深企业各部门间的社会化、专业化分工协作，减少中间成本和重复投资，有效遏制资源错置和浪费现象。从行业层面来看，企业规模与行业平均生产率存在正相关关系。在优胜劣汰的竞争规则下，高效率企业通过投资、兼并等形式动态优化生产规模并挤出低效率企业，从而拉升行业平均生产率水平。可见，企业规模效应一方面减少了要素总投入水平，另一方面改善了要素间的组合配置方式，从而全面提升工业行业全要素能源效率。据此，提出：

假设H5：企业规模与工业行业全要素能源效率正相关。

技术进步是工业行业节能增效、提高生产率的根本动力。内生化技术进步的类型可分为3种，即“干中学”型、价格驱动型以及研发诱导型，其中，价格驱动型和研发诱导型技术进步均依赖于企业研发投入[14]。价格驱动型技术进步通过要素价格、产品价格的相对变动来刺激指向性研发投入，目的在于优化要素配置和产品组合方式，从而缩减投入成本和增加产出效益；研发诱导型技术进步以生产方式变革和产品创新为目标，通过新技术的开发和应用来提高资源利用率和创富能力。虽然技术进步是提升全要素能源效率的长效手段，但在短缺经济和快速工业化阶段里，技术进步与能源效率可能会存在回弹效应[15]。技术进步通过刺激有效需求进而增加能源消费，此举可能导致全要素能源效率下降，从而形成能源回弹路径。据此，提出：

假设H6：研发投入与工业行业全要素能源效率呈U型相关。

(二)因素分析模型

根据研究假设和指标体系，构建工业行业全要素能源效率影响因素模型，如式(2)所示：

TFEE=f(CP,OS,ES,MC,MS,RD)

(2)

其中：CP(Capital deepening)表示资本深化，OS(Ownership structure)表示所有制结构，ES(Energy consumption structure)表示能源消费结构，MC(Manufacture cost)表示企业成本，MS(Manufacture scale)表示企业规模，RD(R&Dinvestment)表示研发投入。借鉴Zhao等[16]的建模思路，将映射f设为C-D生产函数形式，可得计量模型：

lnTFEEit=β0+β1lnCDit+β2lnOSit+β3lnESit+β4lnMCit+β5lnMSit+β6lnRDit+εit

(3)

其中，εit代表随机误差项。为验证工业行业研发投入与全要素能源效率的回弹效应，参照张华等[14]的方法，在计量模型中加入RD的二次项，并固定行业效应μi和时间效应νt，可得式(4)：

lnTFEEit=β0+β1lnCDit+β2lnOSit+β3lnESit+β4lnMCit+β5lnMSit+

β6lnRDit+β7(lnRDit)2+μi+νt+εit

(4)

(三)变量与数据说明

根据《国民经济行业分类与代码(GB/4754—2011)》，工业统计包含41个两位数工业行业。与2011年之前的工业统计口径相比较，《国民经济行业分类(GB/T 4754—2017)》对“橡胶制品业”和“塑料制品业”进行合并核算，从“交通运输设备制造业”中分离出“汽车制造业”进行单独核算。为保持样本期行业分类口径一致，本文将2000—2011年“橡胶制品业”和“塑料制品业”相关指标数据进行合并，将2012—2016年“汽车制造业”与“铁路、船舶、航空航天和其他运输设备制造业”重新合并，剔除“开采辅助活动”“其他采矿业”“其他制造业”“废弃资源综合利用业”“金属制品、机械和设备修理业”等数据缺失情况严重的行业，最终构建出2000—2016年35个工业行业相关数据。参考陈超凡[17]的方法，将35个工业行业划分为资源密集型、资本密集型、劳动密集型、技术密集型、高能耗等五大行业分类。变量及数据说明如下：

1.产出变量

工业总产值(Y)。由于2012—2016年相关统计年鉴用“工业销售产值”替换“工业总产值”，造成数据口径不统一。借鉴程惠芳等[18]的方法，对2000—2011年的工业总产值建立自回归趋势模型来推断2012年工业总产值，2013—2016年工业总产值根据工业销售产值增长率进行推算。以2000年为基期按工业分行业生产者出厂价格指数(PPI)对工业总产值进行折算。

2.投入变量

资本存量(K)。首先，确定资本流量数据。以各行业固定资产原值的一阶差分序列构造当期固定资产投资额(Iit)，并利用固定资产投资价格指数(FPI)进行折算。其次，确定资本折旧率。根据田友春[19]对我国分行业资本存量的估计，确定采矿业、制造业、能源及水的生产供应业的资本折旧率分别为7.2%、7.98%、12.80%。再次，确定基期资本存量。以2000年各行业固定资产投资原值，除以近5年固定资产原值平均增长率与资本折旧率之和来计算。最后，计算各行业资本存量，运用永续盘存法计算可得。

劳动力(L)。以工业行业的“全部从业人员平均人数”表示。

能源消费量(E)。以工业行业的“能源消费总量”表示。

3.影响因素

资本深化(CD)。以人均资本存量表示，人均资本存量=资本存量/劳动力。

所有制结构(OS)。所有制结构=国有及控股工业企业总产值/工业总产值。

能源消费结构(ES)。能源消费结构=(天然气消费+电力消费)/能源消费量。

企业成本(MC)。参考伍旭中等[20]的方法，以“成本费用利润率”表示。

企业规模(MS)。以企业平均规模表示，企业平均规模=主营业务收入/企业个数。

研发投入(RD)。以企业平均研发投入表示，企业平均研发投入= R&D经费内部支出/企业个数。

以上指标数据分别来源于2001—2018年《中国统计年鉴》、2001—2017年《中国工业统计年鉴》、2001—2017年《中国能源统计年鉴》以及2001—2017年《中国科技统计年鉴》。

三、实证分析

(一)工业行业全要素能源效率测度与分析

根据Malmquist指数法，基于2000—2016年我国工业35个分行业的投入产出指标数据，计算得到各行业全要素能源效率及其构成，并显示我国工业全要素能源效率的趋势变化，具体如表1、图1所示。

从总体上看，工业行业全要素能源效率与技术进步效率均有提升，纯技术效率与规模效率则无明显改善，技术进步是能源效率提升的主要动力。分行业来看，技术密集型行业全要素能源效率改进程度最高，为1.143，资源密集型行业全要素能源效率改进程度最低，为1.104。具体而言，“32.仪器仪表”“27.通用设备”等技术密集型行业的全要素能源效率及分解均超过持平效率，“11.纺织制造”“17.文体制造”等劳动密集型行业全要素能源效率低于平均水平，“21.化纤制造”“26.金属制品”等资本密集型行业的全要素能源效率排名在中游区间，资源密集型与高能耗行业的全要素能源效率分布比较分散，既有排名第一的“34.燃气生产”，也有排名最后的“2.石油开采”。

图1显示，工业行业全要素能源效率改善程度逐年下降，其中技术进步效率变动明显向下，纯技术效率与规模效率在持平效率线上下浮动。具体来看，在2008年之前工业行业全要素能源效率变化率保持在10%以上，但2008年之后效率下降明显，直至2016年全要素能源效率变化率已不足7%。这一变化趋势的客观原因可能有两点，一是2008年经济危机及后危机时期所导致的工业品需求市场衰退，二是近年来国内市场格局从短缺经济转入过剩经济所引起的产能过剩。随着技术外溢、要素红利、市场短缺等传统后发优势逐渐减退，工业行业全要素能源效率不断失去提升动力。突破发展瓶颈，需要工业行业培育发展新动能。对此，《中国制造2025》《工业绿色发展规划(2016—2020年)》《推动丝绸之路经济带和21世纪海上丝绸之路能源合作愿景与行动》等规划倡导和支持产业创新，全面实施工业行业“三去一降一补”供给侧结构性改革，优化国际能源市场空间布局等。一系列新动能正在凝聚，有助于工业行业全要素能源效率下行放缓并趋于平稳。

表1 工业行业全要素能源效率及其构成 %

图1 工业行业全要素能源效率及其分解的变化

(二)工业全行业的影响因素分析

前述对工业行业全要素能源效率的测度可以审视基本现状和趋势，而形成这一现状和趋势的深层原因则需进一步挖掘。根据式(4)所构建的基础回归模型，运用面板数据回归方法进行参数估计和检验，如表2所示。其中模型Ⅰ—模型Ⅲ为固定效应模型，模型Ⅳ为随机效应模型，模型Ⅴ为混合效应模型。采用稳健标准误进行显著性检验以消除异方差影响。根据R2、Hausman-test与AIC、BIC等择优准则，一致判断模型Ⅲ的估计结果更为稳健。

表2 面板数据模型估计结果

注：*、**、*** 分别表示在10%、5%、1%水平上显著，括号内为t值，sector、year分别表示行业、年份固定效应，AIC、BIC分别为赤池信息准则和贝叶斯信息准则，回归变量均已对数化。下同

(1)资本深化能够显著提升全要素能源效率(β1=0.360，p<0.05)，H1得证。回溯我国工业化进程可以发现，资本深化贯穿始终，投资对经济增长的贡献率甚至高达86.5%。随着劳动力红利的“刘易斯拐点”和能源消费峰值的逼近，我国工业企业综合成本逐年攀升。推进资本深化，发挥资本对劳动力和能源的替代效应，可以减少企业对劳动力以及能源投入的依赖，优化企业综合成本结构，从而提升工业行业全要素能源效率。

(2)所有制结构对全要素能源效率表现出抑制影响(β2=-0.171，p<0.10)，H2得证。所有制结构对全要素能源效率的抑制影响可从市场和企业角度加以解释。在市场角度，国有企业以国家资本代理人形式参与市场竞争，在市场经济体制还不健全的情况下，无法规避政府利用行政权力来过度干预资源配置的问题，这既有损于市场竞争主体间的公平性，也会导致市场出现资源错置与价格扭曲的无效率状态。在企业角度，面对信息不对称、规则模糊和监管缺位情形，政府与国有企业管理层的委托—代理模式容易诱发道德风险，从而形成国有企业软预算约束和政府兜底的思维惯性，缺乏实施节能增效措施的积极性。

(3)能源消费结构对全要素能源效率的边际影响显著为正(β3=0.222，p<0.10)，H3得证。多元化的能源消费结构改善了工业行业全要素能源效率。我国能源禀赋和能源技术水平决定了工业行业长期以来“以煤为主”的能源消费格局，对可替代能源(例如太阳能、风能、水能、生物质能等)等环境危害小的能源开发利用程度不高。对比发达国家的能源消费结构，其中美国可替代能源消费量占能源消费总量的比例为12.30%、日本为17.20%，而我国仅为5.43%，能源消费结构优化空间较大。多元化的能源消费结构有利于推进工业行业技术升级，降低对煤炭、石油等高碳能源的过度依赖，增强能源价格机制的稳健性，防范能源危机。

(4)企业成本对全要素能源效率的总体影响不显著(β4=0.003，p>0.10)，不支持H4，有待进一步验证。正如H4所提，企业成本效应对工业行业全要素能源效率存在正反两方面作用。正向影响方面，成本硬约束会倒逼企业优化要素结构，提高产出绩效；反向影响方面，成本重压下的企业将坚持以煤炭为主的能源消费结构，增加能源投入。近年来，随着企业综合成本压力增大，工业行业成本费用利润率逐年减小，从2010年的8.31%下降为2016年的6.21%，成本控制对产出绩效的改善程度不高。与此同时，工业行业能源消费量已出现下降拐点，供需矛盾有所缓和。因此，全面激发企业成本对全要素能源效率的正向作用，需要从降成本和优化能源消费结构方面同时发力。目前，政府着力推进供给侧结构性改革和能源定价机制市场化改革，为工业行业低碳节能、降本增效保驾护航。

(5)企业规模与全要素能源效率显著正相关(β5=0.280，p<0.01)，H5得证。企业规模对全要素能源效率的显著提升作用得益于“规模效应”，这与李旭超等[21]的研究结果一致。规模增大有利于提升企业社会化、专业化生产的组织效率，有效遏制行业内恶性竞争和重复投资行为，提高资源集约利用和行业生产率水平。《中国制造2025》指出，我国工业行业门类齐全，但整体表现“大而不强”，能源技术和节能效果不理想。李旭超等认为工业企业规模分布存在“中间膨胀、两头不足”的现象，即高效率企业因“约束”而无法成长，低效率企业被“补贴”而不合理膨胀，导致资源错置[21]。通过优化企业规模来提升工业行业全要素能源效率，一方面要化解过剩产能，发挥市场机制的促退功能；另一方面要破除企业规模增大的制度障碍，引导企业朝着专业化、分工协作的方向发展。

(6)研发投入与全要素能源效率呈U型关系(β6=-0.377，p<0.01;β7=0.032，p<0.10)，H6得证。从研发投入与工业行业全要素能源效率的U型关系可以推断，当前工业行业研发投入存在能源回弹效应，这与罗会军等[22]的研究结果一致。从长期平稳发展来看，随着研发投入的不断累积，能源技术和生产率水平随之改善，这对提高全要素能源效率起到了促进作用。但从样本期来看，我国正处于加速工业化时期，工业行业研发投入的重点放在增加产出上，这将导致工业行业能源消费量和能源价格的不断攀升，从而引起能源回弹效应。

(三)基于不同要素密集类型的影响因素分析

基于要素密集度差异，进行全要素能源效率影响因素分析，如表3所示。

在不同的要素密集类型背景下，各因素对全要素能源效率呈现差异化影响。表3结果显示，资本深化对高耗能行业、资源密集型和技术密集型行业全要素能源效率有显著促进作用，对资本密集型与劳动密集型行业的促进作用则不显著；所有制结构制约了各行业全要素能源效率改善，但对资源密集型行业的抑制影响最为明显；能源消费结构对资源密集型和高能耗行业全要素能源效率的提升效果明显，但对资本密集型、劳动密集型及技术密集型行业全要素能源消费的影响效果不显著；企业成本的分行业影响效果存在明显差异，在技术密集型行业以正向作用机制为主，在资本密集型、劳动密集型及高能耗行业以反向作用机制为主，H4得证；企业规模效应对资本密集型、劳动密集型和技术密集型行业全要素能源效率均有显著提升作用，其中技术密集型行业企业规模增大更加有利于节能增效；研发投入固然是提升工业行业全要素能源效率的重要途径，但现阶段资源、劳动和技术密集型行业均存在能源回弹效应，其中技术密集型行业比其他行业更易越过U型谷底。

表3 基于不同要素密集类型的回归估计结果

识别各行业全要素能源效率影响因素差异有助于增强能源政策的靶向性。综合表2、表3结果可知，对于总体影响为正的因素不应“摊大饼”式地全面推进，对于总体影响为负或不显著的因素也不应“一刀切”式地全盘否定。提高工业行业全要素能源效率的政策实施效果，不仅要在行业异质性下有的放矢地考虑各因素的作用机制，还要根据影响程度有序推进，减少能源政策扭曲和盲点现象。

四、结论与启示

基于全要素能源效率分析框架，本文运用Malmquist指数法测度2000—2016年35个工业行业的全要素能源效率，建立全要素能源效率影响因素模型，分析工业行业全要素能源效率的现状趋势和影响机制。研究发现：

第一，工业行业全要素能源效率处于总体改善状态，但效率变化率逐年减小，技术密集型和资源密集型行业能源效率变化率呈梯度差异。工业行业全要素能源效率变化率处于效率改善状态；从行业分布上看，技术、资本、劳动密集型行业全要素能源效率变化率表现出“高—低”梯度差异；从发展趋势上看，2000—2007年全要素能源效率变化率均值处于高位变动，2008—2016年全要素能源效率变化率均值处于低位徘徊。虽然当前工业全要素能源效率仍处在改善状态，但也应注意到，以往驱动工业行业全要素能源效率提升的传统优势正逐步转变为相对劣势。面对要素红利衰减和传统工业产能过剩的发展瓶颈，依靠要素投入和横向扩张来对市场拾遗补缺已难以为继，强化技术创新对于能源效率的内生主导作用才是当务之急。

第二，资本深化、能源消费结构及企业规模对全要素能源效率具有提升效果，所有制结构对全要素能源效率存在抑制影响，研发投入与全要素能源效率呈先降后升的U型关系，企业成本对全要素能源效率则因行业异质性而表现出正反相向作用，可从以下方面提升全要素能源效率：其一，坚持工业行业资本深化，发挥资本对劳动、能源的要素替代效应；其二，优化工业行业能源消费结构和企业规模，提高可替代能源消费比重和工业行业集中度；其三，推进工业行业所有制改革，强化国有企业的市场主体意识；其四，放眼于研发投入对全要素能源效率的长效作用，持续加强工业行业研发投入力度。

第三，不同的要素密集类型背景下，各因素对全要素能源效率呈现差异化影响。从表3分行业影响因素差异结果来看，工业行业全要素能源效率提升应注重因业施策：一是重点加强资源密集型和高能耗行业资本深化水平；二是深化国有企业股份制改革，可依照“资源→高能耗→技术→劳动→资本”顺序依次推进；三是实施工业行业先进能效标准强约束，扶持资源密集型和高耗能行业能源替代技术改造升级；四是加快淘汰行业落后产能，增强技术、资本和劳动密集型行业的规模经济效应；五是引导资源、劳动和技术密集型行业研发投入目标从产能横向扩张转向价值链纵向延伸，缩短能源回弹路径。

总而言之，在市场供求关系转变和工业绿色发展转型背景下，工业行业全要素能源效率提升的动力转换已是势在必行。能源政策在促进工业行业全要素能源效率总体改善上，还应当适时针对行业异质性进行靶向调控，进一步拓展全要素能源效率的提升空间。