中国汽车制造业节能减排效率改善的动态演化及收敛分析

欧阳铭珂，张亚斌

(湖南大学 经济与贸易学院， 湖南 长沙 410079)

一、引言与文献回顾

目前，我国经济已由高速增长阶段转向高质量发展阶段。改善节能减排效率、推进经济的绿色发展成了当务之急。“十三五”规划明确提出，2020年相比2015年要完成全国单位GDP能耗降低15%的“节能”目标和单位GDP二氧化碳排放降低18%的“减排”目标。党的十九届五中全会也进一步强调：“降低碳排放强度，支持有条件的地方率先达到碳排放峰值，制定二〇三〇年前碳排放达峰行动方案。”在此背景下，如何优化节能减排效率管理体系，将其控制在一个稳定的低均值水平状态下，实现整体趋同“稳态”，成了亟需解决的重要问题。

改革开放以来，汽车产业逐步成为我国国民经济的战略性、支柱性产业。中国加入世贸组织以来，汽车产业高速发展，对加快工业化进程、推动制造业创新发展、增加就业和促进消费升级发挥了不可替代的重要作用。然而，作为污染物排放和能源消耗“双高”的行业，汽车产业的节能减排问题也成了当前我国优化节能减排效率管理体系的关键环节。宗刚等(2014)[1]72-79研究发现，汽车制造业的能耗效率相对于其他交通运输制造业子行业(铁路运输设备制造业、船舶及浮动装置制造业、起重运输设备制造业、其他交通运输设备制造业)处于较高水平，直接能耗系数只有0.048 6吨标准煤 /万元，但完全消耗系数是直接消耗系数的3.244倍，是5个子部门中变动最大的。基于时间可替代DEA模型，程时雄等(2016)[2]166-192测度了不同节能减排目标约束下包含汽车产业在内的交通运输设备制造业的环境技术效率，发现交通运输设备制造业受到较大的节能减排约束，潜在的工业产出将显著减少。目前，交通运输设备制造业已经成为完全碳排放量最高的部门，未来交通运输设备制造业引发的碳排放将占到更大份额，需要在减排操作中进行进一步干预。[3]55-67

关于节能减排效率，既有研究主要基于三个方面的视角：一是全要素效率视角。将主体的投入产出之间的转换过程看成是一个“黑匣子”，从全要素角度对其节能减排效率进行了计算与评价[4]646。二是多阶段效率视角。单阶段效率评价所形成的结果与实际存在偏差，为此逐渐将单阶段模型扩展为多阶段模型[5]1-16。运用多阶段DEA方法，可以有效地度量系统的无效率，获得更加精确的决策单元的节能减排效率。三是网络效率视角。学者们提出了网络效率评价模型，考虑了决策单元内部结构，结合节能减排效率模型和效率分解技术，形成了一种新的评价模型以更加准确地将效率分解成不同单元不同节点的效率结果，保证了结果的一致性。[6]1231-1240综上，学者们对节能减排效率的评价逐渐从“黑箱”扩展到网络结构分析，创新性地将网络DEA模型应用于两种经济部门。

相较于既有研究，本文结合SBM-NDEA方法和ML指数构建测度模型，创新节能减排效率的评价方法，进而利用2000—2016年中国30个省份的面板数据，评价了我国汽车制造业节能减排效率改善的动态演化过程及其收敛特征。

二、中国汽车制造业节能减排效率的测度及其动态演化评价

(一)测度模型与指标选取

本文结合SBM-NDEA方法和ML指数构建测度模型。Toneab(2009)[7]243-252将SBM-DEA模型进一步拓展到了网络结构，提出了网络SBM-NDEA方法。借鉴Chung等(1997)[8]229-240的做法，本文应用SBM-NDEA方法，将包括非期望产出的方向距离函数应用于Mahnquist模型，得到了ML指数。该指数可分解为技术效率指数(EC)和技术进步指数(TC)。ML、EC、TC大于(小于)1，则表示节能减排效率增长(下降)。

根据GB/T4754-2017《国民经济行业分类》的界定，汽车制造业主要由整车制造、发动机制造、改装汽车制造、低速汽车制造、电车制造、车身与挂车制造、零部件及配件制造7个部门组成。本文选取2000—2016年中国30个省份汽车制造业的统计数据(西藏及港澳台地区数据缺失严重未纳入)，参照蔡宁等(2014)[9]57-70的做法，将资本、劳动力、能源消费、新产品研发投入和研发人员工时当量作为投入变量，将发明专利数作为中间变量，将汽车工业部门销售总产值作为期望产出，将各工业部门废水排放量、废气排放量和废物产生量作为非期望产出。相关指标的选取与说明如表1所示：

表1 指标的选取与说明

(二)动态演化评价

表2报告了全样本及四个阶段我国各地区汽车制造业节能减排效率ML指数及其分解指数的动态演变结果。样本期内全国及30个省份汽车制造业的节能减排ML效率值均在1以上，说明目前我国汽车制造业产业内节能减排效率得到明显改善与提升。全国整体节能减排效率的ML指数为1.230，其中技术效率值为1.027，技术进步值为1.211。各地区节能减排效率也得到了显著改善，但北京、上海、广东、湖北等汽车制造强省的效率增速呈现减缓的趋势，而以新疆、吉林、内蒙古、山东、湖南等为代表的新兴汽车制造大省在节能减排效率改善方面的“后发”优势日趋明显。

从表2的时间阶段走势来看：第一，ML指数经历了由波动增长演变为逐步变缓的“收敛”过程，2009年之前呈现出了较强的阶段性波动特征，而在2010年之后，呈现出了平缓的发展趋势，显现出明显的收敛特征。第二，2011年之前，ML指数与技术效率的增长趋势相近，而在2011年之后，其与技术效率的增长趋势相似，这说明了汽车制造业经历了两个不同的阶段，第一阶段是以技术进步为主导的进化机制，第二阶段则主要受到规模效率的影响。

图1运用核密度估计分析四个时期的ML指数及其分解效率的分布。ML指数和TC曲线的核密度曲线呈现出了逐年增强的趋同发展特征，均表现出了核密度趋同于1的发展趋势；而EC值的核密度曲线则表现出了不均匀的发展趋势，经历了“分散—聚集—分散”的过程，且效率峰值逐渐降低，第四个阶段(2013—2016)的均值已低于1，表示其所代表的技术效率下降且趋于无效的状态。这一现象的形成，可能是由于汽车制造业的ML指数更多依赖于TC值的贡献，而EC值的不稳定也更多来自资源投入与技术进步之间的不匹配。

三、中国汽车制造业节能减排效率趋同特征的检验

(一)检验方法与区域划分

绝对β收敛是指不同样本间的变化不断减小，最终达到收敛状态，如公式(1)所示：

log(yi,t)+εi,t

(1)

式中，yit表示第i个地区汽车制造业在第t期的节能减排效率值，参数β表示节能减排效率的收敛速度，若β>0，表示不同地区汽车制造业节能减排效率改善水平的差异会随着时间的推移而减少，最终达到相同均衡状态，即存在绝对收敛。

条件β收敛不仅受到样本初始条件的影响，还与样本的技术研发、能源结构、对外开放程度以及市场前景预期等因素相关。条件收敛可以表征各地区汽车制造业节能减排效率改善水平的增长速度和初始条件之间的负相关性，其公式可以表示为：

2)丽水白云山森林公园降水量日变化,午后至上半夜降水较多,傍晚17:00出现峰值,20:00降水次之。降水峰值出现时段与华东初夏降水的日变化[15]分析中结论一致,丽水降水在午后至傍晚的峰值很明显。降水量年变化,梅雨期雨量集中,6月出现峰值,台汛期多热带气旋的影响,次峰值出现在8—9月。降水量随海拔先增加后减小,最大降水量高度约为700 m左右,在700 m以下降水量随海拔的增加而增大,700 m以上降水量随海拔的增加而减少。

log(yi,t)+λXi,t+ξi,t

(2)

其中，xit反映了样本间的差异，如果β>0,表示不同区域在考虑了差异后收敛于各自的稳定状态。

根据TC与EC对ML指数贡献系数的大小，本文运用帕累托ABC(20/80)分类模型，将全国30个省份划分为三个主要类型：第Ⅰ类区域为技术进步拉动型，即技术进步贡献率TC大(TC>0.9)，技术效率贡献率EC小(0.00.3)，而技术进步TC贡献率较小(TC<0.6)的省份，包括河南、安徽、重庆、四川、江西、湖南和广西；第Ⅲ类是介于两者之间的，即技术进步和技术效率值均表现不高(0.2

(二)检验结果

1.绝对β收敛检验

本文以2001年作为绝对收敛检验基期，2016年作为收敛检验的末期，周期T为16，对各区域汽车制造业节能减排效率改善的绝对β收敛进行检验。

表3 汽车制造业节能减排效率改善的绝对收敛检验数据结果(时间周期T=16年)

检验结果显示：(1)全样本的绝对β值在1%的水平上显著为负，说明中国30个省份汽车制造业节能减排效率改善水平存在绝对收敛，即趋向同一个共同“稳态”。这与前文提到的改善水平的整体收敛特征相吻合。同时，我们也发现全样本检验模型的拟合度不高，说明虽然全样本整体上表现出了趋同收敛特征，但在某种程度上该模型对其解释度不高，可能存在部分样本异质趋同的特征。(2)分区域来看，第Ⅰ类和第Ⅱ类区域样本的绝对β值在1%的水平上显著为负，且两类模型的拟合程度均在0.8以上，说明在这两类区域内存在较为明显的“稳态”趋同特征；而在第Ⅲ类区域样本的绝对β值虽然为负值，但显著性不强且拟合程度较低，这说明该区域汽车制造业节能减排效率改善没有表现出显著的绝对收敛特征。这一现象可能与该类区域存在技术进步偏低、技术效率偏高的节能减排效率改善“背反”的现象有着密切关联。“背反”现象的出现，与该类地区不同省份之间存在资源禀赋、对外开放、能源供给、技术创新、市场规模以及环境规制等方面的差异有关。

此外，本文还将检验周期T值设定为1，进行了绝对β收敛检验，检验结果支持了表3的结论。全样本下条件β值在1%显著水平上为负，说明在中国各省份间汽车制造业节能减排效率改善水平存在显著的绝对收敛特征，即整体趋向“稳态”。三类区域的收敛β值在1%的显著水平上均为负，说明三类区域汽车制造业节能减排效率改善水平均存在显著的绝对收敛趋势。

2.条件收敛检验

三类不同区域汽车制造业节能减排效率改善的影响因素存在异质导致了三类区域出现了条件收敛趋同特征。本文将能源投入(E，以能源消耗总量表示)、内部创新投入(Ti，以R&D内部支出总额表示)、应用创新投入(Tn，以新产品研发经费支出表示)、对外开放(O，以外资投入总额(港台投入+外商投资)占实收资本总额比例表示)和产业规模(S，以产业企业总数与工业总产值的比值表示)五个控制变量引入条件β收敛模型中，检验三类区域间是否存在“俱乐部”收敛特征与效应。

表4 中国汽车制造业节能减排效率改善的条件收敛检验

如表4所示，三类区域汽车制造业节能减排效率改善水平存在显著的俱乐部收敛特征，β系数均在1%的水平上显著为负。不同区域条件收敛受到了其自身条件的影响：在第Ⅰ类区域，应用创新投入、产业规模对节能减排效率改善起到了显著效应；在第Ⅱ类区域，内部创新投入和对外开放程度对节能减排效率改善的俱乐部收敛产生了影响；在第Ⅲ类区域，内部创新投入、产业规模对节能减排效率改善产生了相应的影响。

四、结论

基于SBM-NDEA和ML指数相结合的测度模型，利用2000—2016年中国30个省份的面板数据，本文评价了我国汽车制造业节能减排效率改善的动态演化过程及其收敛特征。研究表明：(1)样本期内，中国汽车制造业节能减排效率改善的整体水平较好，表现出“分散—收敛—波动—收敛”的动态演化特征，技术效率差异是导致各区域间节能减排效率改善水平产生差距的主要原因。(2)中国汽车制造业节能减排效率的改善在整体上存在绝对收敛趋势，在技术进步、对外开放程度逐步提升和产业规模、市场化增强的条件下，节能减排效率改善水平呈现出显著的条件收敛发展趋势。(3)在分区域收敛检验中，不同区域的趋同条件存在较大差异，第Ⅰ类地区更多依赖于新技术研发和产业规模；第Ⅱ类地区更多依赖于对外开放和技术创新；第Ⅲ类地区则更多依赖于技术转化和产业规模。

本文研究的政策启示在于：

第一，从产业链发展的视角，构建产业部门完善、制造技术先进、管理理念科学的汽车制造“绿色”工业链，整体上协调和提升汽车工业体系的节能减排效率。

第二，积极推动开放型经济发展，加大外资引入和进口贸易传导，通过承接国外先进节能减排技术的扩散效应，实现对先进技术知识的吸收、利用与再创新，带动汽车制造业节能减排效率的提升。

第三，加大技术创新投入，提升汽车制造业自主创新能力，提升自主新产品、新能源的研发投入和产出效率，尤其是要加强汽车制造流水线节能减排的技术支持。