基于多层因子模型研究高耗能行业绿色转型

(天津财经大学 天津 300222)

一、绪论

(一)研究背景

长期以来，中国经济的飞速发展离不开工业化的发展。高投资、高耗能、高排放和低产出的传统工业是拉动经济增长的头号功臣。但工业作为我国经济发展过程中能源消耗较大的产业，其高耗能、重化工的特征较为明显。随着能源可用量的减少与生态环境的恶化，工业绿色转型发展面临一系列严峻的挑战，集中表现在环境容量临近极限、结构性矛盾突出和发展机制不是足够完善、发展理念相对较为落后、技术创新支撑不足等。

(二)文献综述

对高耗能行业的研究，Thomas G.Rawski(2001)分析了我国的经济增长与能源消费增长呈反向变动，经研究发现我国的能源效率近十年没有显著提高了。Richard Bradly(2006)研究指出虽然中国在节能减排中取得了进展，但从能源消费依然远高于经济增长的速度，中国能源效率依旧很低。王班班等(2013)用产业动态区域集聚指数刻画了高耗能产业在各省区的转入、转出情况，实证结论发现，我国高耗能产业近年来确实发生了由东部向中、西部地区的转移。李湘梅(2014)对中国工业各行业中经济增长、产业结构、能源强度、能源结构等四个因素对碳排放的影响进行分析。

二、模型介绍

(一)因子分析模型

因子分析法是从原始数据的多指标中提取出少量互不相关但包含绝大部分信息的因子，用提取出的少量因子去描述原指标之间关系的分析方法。

因子分析的数学模型为X(p×1)=A(p×m)F(m×1)+ε(p×1)，其中，X=(X1,…,Xp)′是由p个观察指标所构成的p维随机变量；F=(F1,…,Fm)′是潜变量，F是X的公共因子，矩阵A称为因子载荷矩阵，aij称为因子载荷，是第i个变量在第j个公共因子上的负荷，ε称为X的特殊因子，表示该变量中不能被公共因子解释的部分各个特殊因子之间以及特殊因子和公共因子之间相互独立的。

(二)结构方程模型

结构方程模型是基于变量的协方差矩阵来分析变量间的关系的一种分析方法。结构方程可同时处理多组自变量与因变量间的关系，分析潜变量和观察变量之间的关系，此模型分为测量方程和结构方程，可以同时估计因子结构、因子关系以及整个模型的拟合程度。其中，测量方程描述的是潜变量和观测变量之间的相关性，主要通过验证性因素分析来考验测量模式的有效程度。结构方程描述的是潜变量之间的相关程度，主要针对潜变量进行分析，检验一个假定的因果模型的可信度，检测变量间因果关系的强弱，以考验结构模式的兼容性。

三、模型的建立

(一)指标的选取

根据国家高耗能行业的特点，现今的工业发展及环境、资源现状，通过参考高耗能行业相关文献、成形的指标体系以及国家“十三五”计划对高耗能行业转型的要求，本文选取了25个主要影响工业绿色转型的指标，如能源消费弹性系数、人均能源生产量、人均能源生活消费量、天然气储量以及电力、燃气及水的生产和供应业国有单位就业人员平均工资等。并选取2001年至2015年这十五年的数据作为进行研究分析，数据均来自国家统计年鉴。

(二)因子分析模型的构建

(1)KMO 检验。KMO 统计量用于比较变量间的简单相关系数和偏相关系数，取值介于0 到1 之间，当KMO 值越接近1，变量之间相关性越强，越适合作因子分析。本文数据得到基于标准化项的KMO系数为0.867≥0.8，由此可看出此数据适合做因子分析。

(2)公因子提取。由于原始数据中单位量级的不一致，这里先对原始数据进行标准化处理。之后计算25个变量的公因子，由总方差解释表可知，前5个主成分的累计方差贡献率已达到98.7%，即5个主成分中包含了原始数据98.7%的信息。这表明这五个主成分能够代表最初的二十五个指标来分析高耗能行业绿色转型的发展形势，故提取这五个指标即可，分别记作F1、F2、F3、F4、F5。

根据成分载荷矩阵，可以得出在第一主成分中贡献率较大的变量主要是反映针对污染排放以及能源工业的投资情况的因子；在第二主成分中占有较高荷载的，是反映环境污染的指标；第三主成分中占有较高荷载的是体现能源消耗和生产的情况的变量；第四主成分中占较高载荷的是反应能源出口量及能源流通情况的变量；第五主成分则主要反应能源行业中的就业情况。同时，根据成分得分系数矩阵，可以得到五个主成分的解析表达式。

(三)结构方程模型的建立

(1)潜变量的设定。接下来，以上述25个研究变量作为结构方程模型中的观测变量，将提取出的5个主成分因子作为潜变量，做进一步的分析、拟合及修。根据各主成分主要关联的指标，这里又将五个二级指标F1、F2、F3、F4、F5分别定义为能源经济、工业污染、能源可用量、能源进出口量、就业形势。

(2)结构模型的建立。由上文可知，由主成分分析的成分得分系数矩阵，可以得到五个主成分F1、F2、F3、F4、F5的解析表达式，带入25个研究变量的数值，可以得到5个主成分因子2001-2015年的数值(表中只显示了后五年的数据)：

表3.1 主成分数据

根据各因子所占载荷大小，将F1解释为能源经济，主要指能源工业投资、环境污染治理投资等。由表中数据可知，从2001年至2015年的整体数据来看，国家及社会逐渐意识到能源转型的重要性，在能源工业及治理环境污染方面投入了较多的资金，虽在2012-2015年间有所下降，但整体呈上升状态；F2被解释为工业污染，由表中数据可知，该指标在2001-2015年呈快速上升的趋势，可以看出，近年来，能源工业的发展造成的环境污染问题尤为严重，高耗能行业在保护环境的前提下发展已经迫在眉睫；F3被解释为能源可用量，有表中数据可知，该主成分整体呈现下降趋势，说明现国家可用能源正在逐年减少；F4主要反映为高耗能源的进出口量等，这一数据整体呈上升趋势，能源进出口量增大说明近年来能源流通程度较大，能源在各国都呈现紧缺状态。F5主要反映了电力、燃气及水等的生产和供应业国有单位的就业人员和平均工资，可以简单认为是工业单位的就业情况，该指标的波动幅度较大，2006-2009年呈现下降趋势，之后又迅速上升，说明近年来国家及社会对能源工业更加重视，并投入更多的人力、物力及财力。

通过计算潜变量之间的相关系数，可知F1与F3、F4，F2与F3、F4、F5，F3和F4，F4和F5之间的相关程度较大，可探究潜变量之间的回归关系。由VAR模型可知，二阶差分后的序列通过了协整检验，说明二阶差分序列平稳，可建立滞后阶数为2的回归模型。

由VAR模型的参数估计、方程检验的结果可知，F1为控制变量，在模型中不做因变量；F3和F4的拟合效果较好，F2和F5调整后的数据表现较差，做进一步的格兰杰因果检验，F2和F5未通过因果检验，说明这两个主成分与其他因素不存在因果关系，不能建立回归方程。只有F3和F4与其他主成分因子具有因果关系，可建立向量自回归模型。由VAR模型参数估计可以得到关于F3和F4的回归方程。

由回归方程可知，F3、F4的值与其他主成分前两年的数据具有较强的因果关系。其中，对F3的影响程度：F1≥F2≥F3≥F5≥F4，说明能源可用量主要受能源经济、工业污染和其自身的往年数据的影响，为提高能源可用量，可以提高能源经济(即增加对能源工业及污染处理的投资)、减少工业污染排放量(即废气、废水排放量等)；对F4的影响程度：F1≥F3≥F2≥F4≥F5，说明能源经济、能源可用量和工业污染对能源进出口量的影响较大。

表3.2 控制变量的调整数据

表3.3 F3和F4的预测数据

(四)模型的预测

国家“十三五”计划针对高耗能行业绿色转型提出的实施机制以及F1、F2、F5对F3、F4的影响程度的权重，调整未来5年的数据。经测试发现：想要F3、F4增长，需要控制F1增长，F2降低，F5增长调整后控制变量的数据以及预测数据如表3.2、表3.3所示。

四、总结

本文采用主成分分析法，从25个高耗能行业相关指标中提取出5个主成分；并对主成分进行平稳性检验、格兰杰因果检验；建立能源可用量和能源进出口量的回归方程。由回归方程可知，能源工业及污染治理投资、工业污染对能源可用量和能源进出口量的控制程度较大，其中投资指标对绿色转型的效率有积极影响，而工业污染则呈负影响；最后利用控制预测模型调整控制参数对状态变量的数据走向进行预测分析。

由上述分析可知，为加快实现高耗能行业绿色转型，提高能源可用量和能源进出口量，并保障环境和资源的可持续发展，降低能源工业的发展与环境之间的冲突程度，实现经济、资源和环境效应的统一性，我国应该：①加大对工业污染、环境污染的治理，加大能源工业投资力度；②加强环境管理的力度，通过采取高科技措施净化处理废气、废水，从而降低对环境的破坏度，增加森林覆盖率，加大绿化程度；③给绿色创新技术的企业尽可能提供各项政策优惠，如提供研发补贴、减免税收等；④绿色工业企业也要明确，绿色技术创新产业将会使企业在未来的市场竞争中占据“绿色转型”的制高点，为企业创造更加长远的利益。