工业产出、技术效率对能源消耗影响分析——以新疆为例

曹建飞，韩延玲

（新疆财经大学统计与数据科学学院，新疆 乌鲁木齐830012）

党的十九大报告提出了“构建清洁低碳、安全高效的能源体系”，以此保障人民群众健康和经济社会的可持续发展[1]。工业是国民经济的重要产业，然而工业的发展不可避免要消耗大量的能源资源，并由此带来的能源短缺和环境恶化的现实也逐渐成为经济社会进一步发展的制约因素。然而新疆是以煤炭等传统能源为主，清洁能源比重低，能源消费结构不合理，技术进步增长率水平不高，整体的全要素能源效率比较低[2]，主要依靠要素投入、投资拉动、传统产业规模扩张的增长模式[3]，虽然两轮西部大开发以及全国19个省（市） 对口援疆，新疆经济取得了快速的发展，但是依然相对滞后，尤其是扶贫攻坚任务依然艰巨，目前面临着既要社会稳定、经济增长，又要保护生态环境，降低能源消耗、减少污染物排放，提高工业全要素能源效率，走上绿色发展道路，是新疆实现社会稳定和长治久安总目标的必然选择。

一、文献回顾

我国很多学者也尝试从分行业的角度进行能源问题的研究。如祝树金等(2015)[4]以中国工业36个行业的数据，采用Battese 的参数型共同前沿法测算全要素能源效率，得到全要素能源效率从低至高依次为资源密集型、资本密集型和劳动密集型行业；而周四军等(2017)[5]以2002-2014年的数据，运用超效率DEA 模型测算的结论一致；同样王娟等(2016)[6]以中国工业36个行业2006-2012年的数据，运用Truncated 模型，实证得到能耗中煤炭比重与综合效率呈反向关系，而研发比重为正向关系；姜彩楼等(2015)[7]选取1997-2011年中国36个工业行业数据，运用Kumbhakar模型，认为结构效应是工业能源效率提高的关键因素；郭文等(2015)[8]和周春应(2013)[9]选取39个工业行业数据，分别运用SBM 模型和DEA 模型测算全要素能源效率，深入分析行业间全要素能源效率的差异；苗成林(2016)[10]研究了能源消耗与碳排量对区域技术效率的影响，结果表明能源消耗对技术效率有显著的促进作用；刘叶(2018)[11]测算了我国33个工业行业全要素能源效率，重点分析中间产品对能源效率产生的影响。有些学者针对一类工业行业展开了研究，取得了丰富的研究成果，如屈小娥等(2008)[12]对我国1995-2006年10个高耗能行业的能源消费、能源利用率和行业产出进行了实证分析，发现它们之间具有显著的短期调整效应，且各行业间具有明显的差异；李世祥等(2009)[13]采用非参数前沿方法，对中国1990-2010年工业中6个重点用能行业进行实证研究，发现技术进步和能源价格可以提高工业行业的能源效率；王海宁等(2010)[14]基于我国2001-2007年25个工业行业的数据，从外部性的角度探讨了能源效率的影响因素；孙广生等(2011)[15]基于中国1985-2007年14个工业行业的数据，采用DEA 方法研究了能源效率变化趋势与能源效率损失。此外，陈关聚(2014)[16]、卢锐等(2019)[17]对制造业全要素能源效率进行了深入的研究。

尽管有关工业能源消耗的文献展开了大量的探索和研究，但大部分文献比较侧重于测算工业行业的能源效率，或者研究高能耗的若干行业的能源效率，以及能源效率与经济增长的关系，而对高耗能行业间的比较分析文献相对较少。实际上，政策制定者所面临“工业是经济增长的支撑，同时发展工业需要能源的大量投入和消耗”的“两难选择”。因此，研究产出与能源消耗的关系，尤其是不同工业行业产出对能源消耗的依赖程度，对于如何同时兼得经济增长与降低能源消耗具有重要的指导意义。同时，技术水平对能源消耗的影响也是不容忽视，文章采用不同行业的技术使用能力，即技术效率作为行业间对能源消耗的管理进行度量，考察其对能源消耗的影响。鉴于此，文章首先测算考察期内行业的技术效率值，然后通过面板数据的计量分析来考察不同行业产出和技术效率对能源消耗的影响，从而确定不同工业行业节能降耗的重点所在，为新疆未来制定合理的能源政策、产业发展与节能规划提供具有实践意义的理论支持。

二、工业技术效率测算

文章以新疆2000-2018年12个工业行业作为研究对象，这12个行业在工业全行业中能耗比重的平均值为94.65%，最小值为91.84%，最大值为97.37%，具有代表性。2000-2018年12个行业与全行业能耗情况对比见图1。，从整体的趋势上看，2000-2013年全行业和12个行业的能源消耗呈现出上升趋势，2014-2018年能源消耗趋势趋于平缓，但是依然处于较高的能耗水平。

图1 2000-2018年工业全行业与12个行业能耗对比图

1.构建SBM 模型

文章采用Tone(2002)[18]提出的超效率SBM 模型，对工业行业急速效率进行测算。

假定n个决策单元中每个决策单元均有x∈Rq、yg∈Ru1、yb∈Ru2，则其矩阵X、Yg、Yb表达式为：

即生产可能性集p 为：

考虑非期望产出的SBM 模型，表达式如下：文章运用Super-SBM 模型，则重新定义生产可能性集为：

式(1)、(2)中，x、yg、yb代表决策单表决策单元量，期望产出变量和非期望产出变量，s-、sg、sb分别表示投入、期望产投入、期望产望产出的松驰，λ为权重向量，模型中下标“0”为被评价单元，ρ*为目标效率值。

2.数据来源与处理

（1） 产出端

第一，期望产出。文章选用各行业工业总产值为期望产出指标。使用工业大类分的工业品出厂价格指数，将12个行业用相应的大类工业品出厂价格指数进行统一折算为2000年的价格水平。

第二，非期望产出。文章选择CO2指标替代非期望产出，CO2排放系数采用陈诗一[19]（见表1） 的相关成果，选取三种主要化石能源消费量计算获得①煤、石油和天然气消费量乘以各自的碳排放量系数然后加总求和得到各行业CO2 排放量。。

表1 各种能源的CO2 排放系数

（2） 投入端

第一，资本投入。资本存量以各行业的固定资产净值年平均余额为替代指标，并以2000 为基期进行价格平减处理②由于统计年鉴没有提供工业分行业的固定资产投资价格指数，只能运用各行业的生产者出厂价格指数对不同工业行业固定资产净值年平均余额进行平减。。

第二，劳动投入。劳动力选取各行业的全部从业人员年平均人数为替代指标，数据来自《新疆统计年鉴》各期。

第三，能源投入。能源消费量选取各行业的能源消费总量。

文章选用资本存量、劳动力和能源消费量为投入指标，工业总产值和综合污染物为产出指标，相关指标描述性统计见表2。

表2 工业行业技术效率相关指标的描述性统计

3.工业行业技术效率的测算

根据公式(1)、(2)技术效率的测算方法，对收集的相关数据进行预处理，运用DEA-slover-pro5.0 软件包对新疆工业行业2000-2018年的12个行业技术效率进行测算，结果如表3。

表3 新疆工业12个行业2000-2018年的技术效率值

可以看出，在2000-2018年间，12个行业平均技术效率值整体上较低，最高的是石油加工炼焦及核燃料加工业技术效率为0.5883，其他行业平均技术效率值低于0.5，有8个行业平均技术效率值处于0.1～0.4 之间，然而，煤炭开采和洗选业、纺织业和非金属矿物制品业的经济效益比较低下，其年均技术效率值都在0.1 以下，表明与其他行业相比，这些行业投入的劳动、资本和能源相对而言较多，而获得的产出没有其他行业多，即存在较多的效率损失。

另外一个需要考察的问题是，2000-2018年间，这些行业的相对技术效率是否有收敛的趋势？可以通过每年各行业技术效率的变异系数的变化趋势来分析，如图2 所示，行业间的技术效率变异系数大致表现为倒“U”型态势，2011年以来表现出收敛的趋势，表明行业间的技术效率差异不断缩小。

图2 行业间技术效率值的变异系数

三、行业产出、技术效率对能源消耗的影响分析

1.计量模型的构建

影响工业行业能源消耗的因素很多，文章主要参考孙广生等[20](2011)的研究方法，考虑行业产出与技术效率对能源消耗的影响，建立以下计量模型：

其中，Eit表示i 行业第t年的能源消耗，Qit表示i 行业第t年的工业总产值，TEit表示i 行业第t年的技术效率值，αi为方程的截距项，βi1、βi2分别表示i 行业总产值和技术效率对该行业能源消耗的弹性和半弹性系数，εit为随机扰动项。由于文章的截面单元是不同的工业行业，而不同行业间存在异质性，对能源的需求存在差异，因此，文章考虑使用变系数的面板模型，这种形式的设定是否合适，还需要进一步采用“协变分析”进行检验。首先给出如下两个假设：

两个假设的检验统计量均服从F 分布，构造两个统计量的F 分布检验方法分别为：

其中，S1、S2和S3分别是变系数、变截距和截距斜率都相同的三种面板数据模型的总残差平方和，k 是解释变量的个数。如果接受了假设H2，则计量模型(3)应该采用混合面板回归模型，也就是直接采用OLS 进行估计即可；如果拒绝了H2，则需要检验H1，如果H1被接受，则计量模型(3)是变截距面板模型，否则，就应该采用变系数的面板模型。

2.面板数据的单位根检验

文章利用Eviews10.0 软件，对能源消耗lnE、工业总产值lnQ 和技术效率TE 三个变量，并选取了LLC、Breitung、IPS、Fisher-ADF、Fisher-PP 检验变量的平稳性。

由表4 可知，对能源消耗lnE、工业总产值lnQ 和技术效率TE 的水平值的单位根检验发现，列(1)中能源消耗lnE 和列(3)中工业总产值lnQ 的五种检验方法水平值均不能拒绝不存在单位根的原假设，而列(5)技术效率TE 水平值在LLC、IPS、Fisher-ADF 和Fisher-PP 检验均不能拒绝存在单位根的原假设，在Breitung 检验10%的显著性水平下通过检验，综合考虑其他四种检验结果，技术效率TE 水平值存在单位根，应该一阶差分后进一步检验，因此对能源消耗lnE、工业总产值lnQ 和技术效率TE 的一阶差分后进行检验，表4 中，列(2)、(4)、(6)中五种检验方法分别在1%或5%的显著性水平均拒绝原假设，表明原系列一阶差分后为平稳序列，即为1 阶单整I(1)。

表4 面板数据的平稳性检验

3.面板数据的协整检验

经过单位根检验，三个变量为同阶单整，对变量进一步做协整检验，见表5。

从表5 检验结果表明，在5%的显著性水平上，拒绝工业总产值lnQ 和技术效率TE、工业总产值lnQ 和能源消耗lnE、技术效率TE 和能源消耗lnE，这三组变量不存在协整关系的原假设。这表明上述变量之间具有长期的协整关系。

表5 面板协整检验

4.面板协整模型的估计

根据相关数据，首先对所设定的面板计量模型进行F 统计量的检验。在H2的原假设下，得到F2＝40.546＞F0.01(36,192)，很显然，模型(1)拒绝了截距项和斜率都相同的原假设，表明各行业间存在截距或者斜率上的差异。继续对H1的假设进行F1统计量检验，得到F1＝8.767＞F0.01(26,192)，因此，变截距模型也被拒绝了，应该采用变系数的面板模型进行估计。运用Eviews10.0软件，采用似不相关(SUR)进行参数估计，结果见表6。

表6 报告了模型参数的估计结果，从截距项来看，各年的常数项都在10%的显著性水平下拒绝了为零的原假设，除石油和天然气开采业、纺织业外其他行业均为负值，表明除技术效率、产出外，存在影响能源消耗的行业外在因素，并且其作用力能促进能源消耗降低。从工业行业总产值lnQ 的估计系数来看，除纺织业对能源消费的弹性系数为负向不显著的影响外，其他11个行业均表现出显著的正向影响，弹性系数最大的行业是煤炭开采和洗选业(1.149)，弹性系数最小的行业是石油和天然气开采业(0.257)；技术效率TE 的估计系数来看，石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业对能源消耗估计系数为不显著的正向影响，其他10个行业均表现为负向影响（石油和天然气开采业影响不显著），影响程度最大的是煤炭开采和洗选业(-10.791)，最小的行业是有色金属冶炼及压延加工业(-0.035)，由此可见，不同行业间存在差异性。因此，接下来将主要分析不同行业的总产值和技术效率对能源消耗的影响。

表6 模型参数估计结果

（1） 能源消耗量产出弹性分析

表6 结果显示，纺织业的产出对能源消耗的影响不显著，并且为负向影响；石油和天然气开采业在5%显著性水平对能源消耗的影响显著，剩余10个行业的产出对能源消耗的影响均在1%的显著性水平显著，且都是正值。不同行业产出对能源消耗的影响弹性系数差异较大，弹性超过1 以上有3个行业，分别为煤炭开采和洗选业(1.149)、非金属矿物制品业(1.096)和化学纤维制造业(1.109)，弹性低于0.5 以下有1个行业，即石油和天然气开采业(0.257)，其他行业的产出对能源消耗的弹性系数大概在0.5～1 之间。一般地，研究关注比较多的是那些产值较高，产出的能源需求弹性较大的行业，这些行业的节能潜力比较大，是新疆未来节能降耗的重点。根据2018年数据，按照四分图法，分别取行业总产值和能源消耗的产出弹性系数的中位数为界，将12个行业分为四个区域，结果见图3。

图3 行业总产值和能源消耗的产出弹性四分图

从图3 中可见，有5个行业主要分布在第二和第三象限，其中煤炭开采和洗选业和化学纤维制造业处于第二象限，即“工业总产值低、能耗产出弹性大”的行业，这两个行业对经济增长的贡献较小，如果这些行业产出快速增加，将会产生较大的能源消耗，因此，要找到这些行业产出低，能耗产出弹性大的根本原因，通过改进工艺或延伸产业链等途径提高行业附加值，增大产出降低能耗。第三象限有3个行业，即“工业总产值低、能耗产出弹性低”，这些行业的特点是目前的产值比较低，能源消耗也比较少，因此，这类行业应该按其市场前景、排污情况和吸纳就业能力等方面选择性地支持其中有发展前景的行业，使之为经济的快速增长起到明显推动作用的同时，也达到能源的集约利用。第一象限有3个行业，即“工业总产值高、能耗产出弹性高”，表明这些行业较高的产出，同时有较大的能源消耗产出弹性，这类行业是经济增长的主要源泉，但伴随这些行业产出增加的是能源消耗的快速增长，未来这些行业要加快发展循环经济，构建循环经济产业链，既要保持对经济增长的贡献，还要降低能耗。第四象限有3个行业，即“工业总产值高、能耗产出弹性小”，这些行业有石油加工炼焦及核燃料加工业、石油和天然气开采业和电力热力的生产和供应业，这3个行业的产出水平较高，为经济增长作出了重要贡献，同时，继续增加产出所带来的能耗比较少，是具有节能和经济贡献双重收益的行业，是未来应该重点支持的行业。

（2） 技术效率对能源消耗影响分析

表6 结果显示，6个行业的模型系数不显著，而有6个行业的技术效率对能源消耗的影响都通过了统计检验，而且估计系数为负值，表明技术效率的提高对节能降耗具有显著的促进作用，其中，促进作用较大的是煤炭开采和洗选业(-10.791)，表明技术效率提高对能耗降低效果明显；促进作用较小的是石油和天然气开采业(-0.052)，表明技术效率的改进对其节能效率不明显。仍然按照前述做法，基于2018年数据，采用四分图方式来分析不同行业能耗下降的相对技术效率的影响。但这里关注的不再是行业总产值，而是行业能源消耗总量，因为那些能源消耗总量比较大而技术效率对能耗影响又比较显著的行业，通过技术效率的提高可以较好地起到节能降耗的效果，取各行业技术效率的能耗半弹性和2018年的能源消耗总量的中位数值为界，得到能源消耗总量和技术效率半弹性之间的四分图，如图4 所示。

图4 工业行业能源消耗和技术效率弹性之间的四分图

对于技术效率和能源消耗的关系，同样可以分别对四种不同类型来进行分析。首先关注“能耗较高、技术效率弹性较大”的5个行业，其特点就是生产过程中的能源消耗比较大，同时技术效率的提高对降低能耗具有显著的促进作用，针对这类企业，应该提高管理和组织水平，采用先进适用技术，可以起到明显的节能效果；其次，“能耗较少、技术效率弹性较大”的纺织业，目前这类行业的能耗较低，技术效率的提高对其节能降耗具有较大促进作用，是未来应该扶持的行业；再次，“能耗较少、技术效率弹性较小”的5个行业，这类行业的能源消耗相对较少，通过提高技术效率来降低能耗的潜力也较低，从长远来看，其节能途径主要还是技术的研发和引进；最后，“能耗较高、技术效率弹性较小”的电力、热力的生产和供应业，这类行业消耗了大量能源，而技术效率的改进对能耗的下降作用非常有限，其节能降耗的能力跟这些行业本身的工艺特点有密切关系，因此，应当通过技术研发和引进吸收国内外先进的技术水平，在能源利用的技术上有所突破，以实现节能降耗。

四、主要结论与政策启示

1.主要结论

文章首先运用Super-SBM 模型测算了新疆12个工业行业2000-2018年间的技术效率值，然后以技术效率和行业总产值为自变量，以各行业能源消耗总量为因变量，采用面板数据的SUR 回归进行了工业行业能源消耗的变系数计量模型估计，得到以下结论：

第一，从行业产出对能源消耗的影响来看，产出对能耗弹性较大的行业有5个，弹性较小的占6个。其中，石油加工炼焦及核燃料加工业、石油和天然气开采业、电力、热力的生产和供应业具有较高的产出，而且其产出对能源消耗的依赖程度也比较低，在经济增长和节能降耗的双重压力下，该行业具有较好的发展前景。煤炭开采和洗选业和化学纤维制造业等行业的经济产出不高，但对能源的依赖性较强，是未来节能的重点整治行业。

第二，从技术效率对能源消耗的影响来看，农副食品加工业、非金属矿物制品业和煤炭开采和洗选业存在能耗不高、技术效率改进对降低能源作用不大的现实。但是黑色金属冶炼及压延加工业具有能耗比重大、技术效率提高对降低能耗的弹性大的特点，对这些行业从技术上进行把握，可以起到明显的节能作用。

第三，综合分析，黑色金属冶炼及压延加工业属于“工业总产值高，能耗产出弹性大”且“能耗较高，技术效率弹性大”行业，应加大研发投入，实现技术创新，管理制度创新等利用可替代的清洁能源调整能源消费结构，既能降低环境污染，又能提高产出水平；农副食品加工业、非金属矿物制品业属于“工业总产值低，能耗产出弹性小”且“能耗较低，技术效率弹性小”行业，这类行业应延伸产业链提高产品附加值，同时要融入产业集群循环利用链中，发挥工业生态效应；电力、热力的生产和供应业属于“工业总产值高，能耗产出弹性小”且“能耗较高，技术效率弹性小”行业，这类行业通过技术效率的改进起到节能降耗的效果小，可以完善公司治理结构，0 提高管理水平的和企业员工素质的培训等，使这些行业在经济上获得较大产出的同时能源消耗有所下降。

2.政策启示

第一，加快转变发展方式，优化产业布局。加快传统“高能耗、高排放”的“粗放型”发展方式，向低碳绿色可持续发展的“集约型”转变，加快改造传统重化工业，引进先进技术、最新工艺促进重化工产业升级，提升能源利用效率；合理布局高耗能产业，以产业集聚形成区域内资源高效循环利用的产业链，发挥工业生态效应，提升资源产出效率。

第二，发挥政策引导作用，提升节能减排效果。一是承接产业转移过程中，严禁引进“三高一低”企业落地，支持引进高附加值、低能源消耗的产业；二是制定差别化能源政策，重点扶持“工业总产值高，能耗产出弹性小”的行业发展，对“工业总产值小，能耗产出弹性大”行业加强环境规制，促进将能提效；三是通过法律法规手段和资金补贴、贷款支持等金融手段积极鼓励那些“技术效率弹性大、能源消耗高”的产业进行技术的研发和生产流程、工艺水平的改良与更新。根据不同的行业特征，采取针对性的节能措施，使经济的快速发展逐渐摆脱对能源消耗的依赖。

第三，多存并举，优化能源消费结构。一是积极引导向太阳能、风能、地热能等清洁能源行业投资，加快调整“高耗能，低产出”行业的能源消费结构，提升清洁能源在能源消费的比重；二是加大对高耗能行业技术引进、工艺改进和提升管理水平的投资力度，提升行业产出，降低能耗；三是注重新增产能的能效水平，严格审核新增项目，并根据产业布局和功能区划分要求批准项目入园。