碳约束下中国区域能源利用效率与经济增长非线性异质关联研究

李治国， 李莹莹， 车 帅

（中国石油大学（华东）经济管理学院，山东青岛 266580）

面对全球范围内极端天气频发，能源资源过度消耗，人类生存环境受到前所未有的挑战，目前各国积极向以节能减排为主要内容的低碳经济模式转变，控制温室气体排放，解决人口增长、资源环境与经济发展之间的矛盾. 根据国际能源署的最新数据，截至2019年我国二氧化碳排放总量达到9.83 Gt，占世界排放总量的27.20%，是世界上碳排放最多的国家. 作为当下世界上最具发展潜力的国家，同时也是世界上碳排放最多的国家，中国节能减排工作的成效将在全球的碳排放布局中起到关键作用. 面对复杂严峻的减排形势，我国在第七十五届联合国大会上明确提出：我国将力争于2030年前达到峰值，力争2060年前实现碳中和. 碳达峰与碳中和的“双碳”目标约束下，要想进一步实现碳排放减少和经济发展方式的低碳转型，必须对我国能源利用效率进行更加深刻的研究和分析，探究碳约束下能源利用与经济发展的真实状况，为我国能源利用效率的进一步提高与节能减排工作提升到新的阶段提供借鉴.

1 文献评析

在关于能源和经济增长的研究中对于碳排放约束的处理主要体现在实证过程中，一方面是直接利用碳排放量与能源、经济数据的简单运算为代表展开研究，比如碳强度指标、能源强度指标以及碳生产力指标等，如利用LMDI方法［1］对影响碳排放强度的因素进行衡量，或者通过构建GVAR模型［2］研究碳排放的国内、国际规模、结构和技术效应. 另一方面，受到经济内生增长理论的影响，越来越多的学者开始思考效率指标的测算与碳约束的内生处理，主要经历了参数前沿分析方法、非参数前沿方法、其他生命周期评价法、投入产出表法和CGE模型等方法. 非参数前沿方法一般指的是数据包络分析（DEA）模型［3］，虽然DEA方法在计算生产效率方面存在巨大优势，但传统的DEA方法各个决策单元存在的无效部分及相应的效率改进存在缺陷，为了克服这种缺陷，Tone［4］提出SBM 模型，SBM 模型是通过投入、产出变量的松弛值进行目标函数的构建. SBM模型及其拓展模型适合用来分析多要素投入多种产出的复杂生产过程［5-6］，包括微观层面的具体行业的能源效率测算［7-9］、宏观层面的省级区域［10］、某些地区国家甚至是经济联盟等［11］联合区域的效率测算.有学者利用SBM模型等进一步测度了中国各个省市的能源利用效率，包括：将二氧化碳排放纳入能源效率的评价体系中，建立中国能源效率影响因素及二氧化碳排放的EKC扩展曲线的空间计量模型［12］. 以上研究均证明了全要素生产效率与技术效率指标对我国能源利用效率与环境问题的合理性和可行性［13］.

学者们基于以上方法分析了影响能源效率的众多因素，包括人口、人均GDP［14］、城市化率、产业结构、能源消费结构、能源强度、煤炭消费总量、碳排放强度、进出口总额等因素［15］. 而通过建立能源效率、产业高级化和经济增长的回归模型，发现短期内产业结构的调整对能源效率影响更明显，经济增长的作用更多地体现在长期影响［16］. 低碳约束对于能源效率的影响则主要通过对能源结构调整［17］、经济转型背景下经济增长动力、技术进步等方面对能源效率产生影响. 对于能源利用效率的细分中，能源环境效率指标的研究成为主流，对影响因素的研究中认为产业结构对能源环境效率差异明显［18］. 宏观层面分析中国经济增长对国际能源消费和碳排放的影响，发现中国经济增长短期会导致全球能源消费和碳排放水平小幅上升［19］，但在长期这种影响趋于0.

对于能源利用效率与经济增长的相关研究可知，随着我国各产业尤其是工业部门能源强度的降低带来了我国能源强度整体下降［20］，能源利用效率的提高逐渐被认为是经济增长的重要推动因素［21］，二者之间可能存在着双向的因果关系［22］. 学者在对中国能源消费与经济增长关系的研究中发现，经济增长对能源消费具有拉动作用，而能源消费的增加对经济增长不存在这种关系［23］，但中国的能源消费总量与GDP增长均为指数型增长且增长趋势确实具有高度一致性［24］. 有学者基于中国2003—2015年的数据对人均GDP、家庭燃料消耗量以及CO2排放量之间的相关性进行研究，结果验证了EKC的假设，表明人均GDP与CO2排放量呈正相关［25］；同样，EKC曲线在泰国也被证实，认为CO2排放量与国内生产总值之间存在明确的双向因果关系［26］，但二者之间的关系在欧盟则被证明是以负相关为主［27］. 总之，绝大多数的研究均证实能源消费和经济增长一定存在着密切的关系，这种关系在短期和长期均存在［28］，而二者之间的关系又与研究地区的社会发展实际高度相关［29］.有学者以埃塞俄比亚为例，研究发现经济增长与能源强度之间存在倒U 型曲线［30］. 基于此，我们结合中国2009—2019年的能源消费、能源强度、经济增长等相关实际进一步探讨二者之间可能存在的关系.

本研究可能存在的边际贡献在于：首先，在能源利用效率测算方面，以能源经济效率为基础将碳约束纳入评价体系，选择了包含CO2排放量为非期望产出的能源环境效率，并对能源经济效率与能源环境效率根据规模报酬假设进行分解. 通过选用投入产出体系的效率测算方法可以克服以往使用单一强度指标进行衡量的缺陷；对经济发展和能源利用的过程中碳排放的约束的处理，通过将CO2作为非期望产出通过非径向、非角度的SBM模型纳入投入产出体系进行测算，可以系统地研究CO2排放与经济增长、能源利用的关系. 其次，基于非径向、非角度的SBM模型能够实现对非效率决策单元投入与产出角度的双向改进，并且改进比例不设限制，从而能够更好地拟合出最佳效率水平以及非效率的改进建议，对于非期望产出则是使用SBM-undesirable模型完成测算，SBM 模型对能源经济效率与能源环境效率的测算能够更加准确地刻画能源利用效率水平.最后，本文实证过程中，在传统EKC模型基础上通过增加控制变量方式实现解释变量与被解释变量之间良好的拟合效果，确保参数估计结果的显著性和有效性.

2 区域能源利用效率的测算与分解

2.1 SBM模型建立及数据处理

2.1.1 SBM模型建立

对于只包括期望产出能源经济效率（EE）的测度，选用一般的SBM模型进行测算，EE0表示待测算经济单元的能源经济效率，x0为该决策单元的投入向量，x0=(x10,x20,…,xm0)；y0为待决策经济单元的产出向量，y0=(y10,x20,…,yn0)：

其中：ENE0为待决策单元的能源环境效率；为待评定决策单元的期望产出的缺少量；为非期望产出的超标值. ENE=1，s-=sg=sb=0说明决策单元实现完全有效的；当0 ≤ENE ≤1时，说明决策单元非有效，存在投入产出的松弛值. 对于上述公式中的λ，根据设定约束条件的不同又可以进一步对规模报酬进行分析，具体说明如表1.

表1 效率指标分解Tab.1 Efficiency index decomposition

2.1.2 样本数据处理

基于经济增长理论，以能源、资本、劳动力作为投入要素，产出则分为经济产出与环境产出两部分. 以各省的能源消费总量（万吨标准煤）衡量能源投入，以各省的资本存量（亿元）衡量资本投入，以各省三次产业年末就业人数（万人）衡量劳动力投入，以各省的GDP（亿元）衡量各省期望产出，以各省计算所得的二氧化碳（CO2）排放量（万t）衡量非期望产出. 样本区间为2009—2019年，同时为了剔除价格变动对资本存量数据与GDP数据的影响，均以2008年为基期进行调整.

2.2 能源利用效率及分解

首先，根据表2，各省份的能源经济效率EE及分解指数均高于能源环境效率ENE及其分解指数，说明以往不考虑二氧化碳排放量的效率测算方式会导致我国能源利用效率的虚高. 其次，我国总体能源利用效率水平偏低，并且区域差异明显. 在29个省份中，除了北京、上海、广东、天津四个省份的能源利用效率值可以达到1或趋近1之外，我国其他省份均属于DMU非有效，即能源利用效率非有效，而且距离达到生产前沿面还存在很大的改进空间，DMU有效可能与其经济发展水平、产业结构与能源消费结构的优势有关；对于能源利用效率存在的差异主要通过东、中、西部地区的差异进行解释，东部地区无论是EE水平或者ENE水平，均远高于中部地区和西部地区，西部地区能源效率水平最低，说明我国节能减排工作的重心不能仅聚焦于调整生产总值、高能源消费量大的地区，也应该适当关注中部与西部地区. 最后，根据规模效率指标EESE与ENSE 得出，东部地区能源利用效率的提高更大程度上依赖纯技术效率，例如管理水平的提高、体制机制的改进以及政策引导等；对于中部地区规模效率接近临界值的处理，意味着中部地区经济发展乏力，总量水平尚需进一步提高，而规模效率已经接近生产前沿面，存在陷入“中等收入陷阱”的可能；对于西部地区，尤其是青海、甘肃、宁夏、贵州等省份则可以继续发挥规模经济性以促进经济发展提高能源利用效率.

表2 2009—2019年中国各省份及地区平均能源利用效率及分解指数Tab.2 Average energy utilization efficiencies and decomposition indexes of provinces and regions in China from 2009 to 2019

2.3 能源经济效率测算结果及分析

根据图1～4可以看出，2009—2019年我国的能源经济效率（EE）平均利用水平尚未达到最佳利用状态，虽然呈现增加趋势却并不显著；全国水平上的能源经济效率的分解指标中纯技术效率（EEPTE）实现逐年提高，但距离生产前沿面还存在较大改善空间，说明管理水平、体制机制对我国经济发展和能源利用发挥了积极影响，但距离实现DMU有效还要付出更多努力；全国能源经济规模效率已经基本到达上限，因此通过扩大经济规模提高效率的规模效应已经难以实现预期效果，与表2结果一致. 与能源强度和碳生产反映的指标不同，东部地区能源经济效率最高，其次中、西部地区，西部地区的能源经济效率并没有碳生产力和能源强度反映得如此乐观. 东部地区的能源利用水平总体上较为平稳，呈现缓慢上升的趋势，其能源经济效率指标中EE与EEPTE均高于中西部地区，EE整体水平在0.75左右，EEPTE大都处于0.80的水平以上，2019年已接近0.85 水平. 东部地区的EESE 位于中部地区之后，说明东部地区相对来说仍然有较大的经济发展潜力.对于中部地区来说，EE、EEPTE、EESE水平只是略高于西部地区，说明中部地区经济发展与能源利用过程进入平稳期，亟待产业结构改革与先进科学技术的注入改变当下经济面临的瓶颈，建立经济发展的新增长极，实现经济发展结构的转型升级. 西部地区的能源经济效率远低于东、中部地区，分解指标EESE与EEPPTE相对落后，主要原因在于西部地区技术水平较低，能源开发生产需要的先进设备与产业都较少，西部地区复杂的地理环境也为节能减排工作的管理带来困难.

图1 全国能源经济效率及其分解指数Fig.1 National energy economic efficiency and its decomposition index

图2 东部地区能源经济效率及其分解指数Fig.2 Energy economic efficiency and its decomposition index in eastern region

图3 中部地区能源经济效率及其分解指数Fig.3 Energy economic efficiency and its decomposition index in central region

图4 西部地区能源经济效率及其分解指数Fig.4 Energy economic efficiency and its decomposition index in western region

2.4 能源环境效率测算结果及分析

根据图5～8可以看出，我国能源环境效率及其分解指数均相应地低于能源经济效率及其分解指标数值，充分体现了二氧化碳排放作为非期望产出纳入评价中国能源利用效率的实际价值；其次，自2009—2019年我国能源环境效率及其分解指标均呈现明显上升趋势，说明了我国经济结构低碳化改革对我国能源、环境与经济产生良好的影响. 三大地区与全国能源环境效率总体趋势保持一致，说明碳排放降低了我国能源利用效率. 东、中、西部各地区的能源环境效率及其分解指标之间差异较大，东部地区ENE水平相对于EE指标水平下降约10.5%，均低于中部地区的22.7%和西部地区23.7%，说明中西部地区的二氧化碳排放导致能源利用率下降幅度更多，碳排放造成的能源效率损失更显著；另外，在中西部地区ENSE维持在大约0.8～0.9水平上时，ENPTE所在的低水平基本上可以解释两地区ENE的下降原因，中西部地区的技术要素仍然很大程度制约了节能减排与低碳经济的快速发展；对于中部地区而言，能源经济效率及其分解与能源环境效率及其分解指标中，无论是ENPTE与ENSE之间或者是EEPTE与EESE的结构上相似，技术效率能够更大程度地影响能源利用水平. 由于西部地区经济发展水平本身落后于东部地区，导致将二氧化碳排放纳入能源利用效率评价中后，其ENE水平自2009年以来处于0.4的低水平，说明经济生产规模扩大与管理水平提升都将会对西部地区能源效率的提高发挥巨大拉动作用.

图5 全国能源环境效率及其分解指数Fig.5 National energy-environmental efficiency and its decomposition index

图6 东部地区能源环境效率及其分解指数Fig.6 Energy-environmental efficiency and its decomposition index in eastern region

图7 中部地区能源环境效率及其分解指数Fig.7 Energy-environmental efficiency and its decomposition index in central region

图8 西部地区能源环境效率及其分解指数Fig.8 Energy-environmental efficiency and its decomposition index in western region

3 能源环境效率影响因素分析

3.1 EKC模型建立

与传统的EKC模型不同，本文选取的衡量环境质量的指标为能源环境效率等相对量指标，解释变量在包括原有的衡量各省份经济增长水平的地区人均GDP及其二次项GDP2、三次项GDP3外，本文还增加产业结构（INDUS）与能源消费结构（ENS）指标作为控制变量，以更好地反映能源环境效率与经济增长的关系. 基于此，建立EKC模型如下：

其中：i代表不同省份，i=1,2,…,N；t代表时间，t=1,2,…,T；αi为常数项；ENEit为能源环境效率；ENPTEit为能源环境技术效率.

3.2 全国能源利用效率与人均GDP的关系

根据分析结果，中国能源环境效率随着人均收入的增长会出现先上升后下降而后再次上升的N型曲线关系，目前正处于N型曲线的第二个拐点之后的上升阶段，主要是因为自2002年以来，国家不断加强对我国节能减排工作的重视，污染治理力度不断加大，倒逼企业转型升级，使用清洁化先进设备与生产技术使我国高能耗、高污染企业对环境的破坏作用不断减少；另一方面，通过不断发展高新技术产业与高端服务业，经济增长的碳负担不断降低.

对于能源环境技术效率来说，我国能源环境技术效率与人均GDP之间存在倒U型曲线，说明我国的能源环境技术效率将会随人均GDP值先上升后下降，拐点大约位于人均GDP为10万元左右. 2019年我国的人均GDP为7.08万元左右，正处于能源环境技术效率不断提高的区间里.

3.3 三大地区能源环境效率与人均GDP关系

分地区回归结果显示：东部地区呈现N型曲线，与全国能源环境效率的走势一致，说明东部地区是拉动全国能源环境效率提高的主干力量；中部和西部地区人均GDP只有一次项通过检验，说明中部和西部地区在目前的样本期内并不存在明显的U型曲线或N型曲线关系. 根据表4回归系数，中部地区的一次项系数为2.736，西部地区的一次项系数为0.842，说明目前我国中西部能源环境效率具有巨大的提升空间，随着人均GDP的不断增长，中部地区和西部地区的能源环境效率将会迅速上升；另一方面，西部地区2019年能源环境效率大约维持在0.40的水平，低于中部地区的0.47水平，但是西部地区能源环境效率的增长力度却不如中部地区，造成中西部地区能源环境效率提升系数差距的原因在于西部地区产业结构、科技水平、管理水平等经济环境都远远落后于中部地区.

表4 三大地区能源环境效率回归结果Tab.4 Regression results of energy-environmental efficiency in the three major regions

3.4 三大地区能源环境技术效率与人均GDP关系

根据表5，我国东西部地区能源环境技术效率与能源环境效率相似，也存在较大差异. 东部地区呈现N 型曲线，东部地区能源技术效率与其能源环境效率的变化趋势完全吻合；中部地区能源环境技术效率呈现U型曲线，拐点将会出现在1.6万左右. 截至2019年，中部8个省份均已经通过拐点，进入能源环境技术效率随人均GDP的增加而上升的区间，技术效率的上升有利于促进中部地区经济发展水平的提高，由此印证表4的数据，中部地区能源环境效率正处于上升期的推断.

表5 三大地区能源环境技术效率回归结果Tab.5 Regression results of energy-environmental technical efficiency in the three major regions

对于西部地区能源环境技术效率的回归并未得出确切结论，推断可能的原因是西部地区内部各省在经济发展水平和内部管理存在较大差异，西部地区复杂社会环境造成经济建设和管理难度可能是导致回归效果不显著的主要原因.

3.5 其他影响因素的回归结果分析

1）产业结构指标（INDUS）

根据表3的回归结果，从全国层面来看，产业结构指标对我国各省的能源环境效率与能源环境技术效率的回归结果均在5%的显著性水平下通过检验，且对能源环境效率及其技术效率的系数均为正值，由此可以认为产业结构对我国能源环境效率的提升具有重要影响. 产业结构指标与能源效率的正向变动关系说明，当第二产业产值在各省总产值中所占的比重增加，会带来包含碳排放非期望产出的能源效率的提升，说明我国第二产业节能减排工作取得显著成效，能源利用过程中碳排放等非期望产出的增加远小于经济产值的增加速度，第二产业在带来经济效益的同时碳排放量相对下降. 根据表4与表5的结果来看，产业结构对三大地区的能源环境效率的影响各不相同，对于东部地区来说，第二产业所占比重的增加对能源环境效率与能源环境技术效率的影响并不显著，对于中部和西部地区来说，其影响显著且系数为正，能源环境效率及技术效率与第二产业产值所占的比重呈现同方向变动. 主要原因在于东部地区产业结构布局中第二产业所占比重相对中西部地区要小，其对能源利用效率变动的影响也会因为三次产业结构和第二产业内部结构的变化而不同，对于东部地区能源环境效率提升的主要来源可能需要更加细化地研究和分析；中西部地区相应地符合总体预期.

表3 全国层面能源环境效率与能源环境技术效率回归结果Tab.3 Regression results of energy-environmental efficiency and energy-environmental technical efficiency at the national level

2）能源消费结构（ENS）

根据表3，能源消费结构与全国层面的能源环境效率及技术效率呈现明显反向变动，在5%的显著性水平下通过检验. 煤炭所占比重越高，非期望产出所占的比重越大，并且会导致能源环境技术效率降低. 对于三大地区来说，能源消费结构对能源环境效率及技术效率的影响各有不同，对于东部地区和中部地区的回归结果并不显著，煤炭所占比重的上升会导致能源环境效率下降，但是效果不显著的原因可能是近几年的节能减排工作使各地区对煤炭的生产和使用造成限制，致使煤炭消费量的变动量相对于总体还是比较小的，导致回归效果不显著；西部地区的能源消费结构对能源利用效率与技术效率都存在显著的负向变动关系，西部地区煤炭的使用和整体消费结构的调整应该在能源效率提高的工作中得到重视.

4 结论

本文分别以GDP为各省期望产出，以CO2排放量为碳约束下的非期望产出，利用投入产出方法建立非径向、非角度的SBM模型测算我国能源经济效率与能源环境效率. 在测算结果的基础上，根据规模报酬是否可变进行调整，完成能源经济效率与能源环境指标的分解（纯技术效率与规模效率）从而进一步推断能源利用非有效来源；考虑到地域差异与各地区经济发展水平的特点，对测算结果进行全国层面与三大地区层面的划分. 认为效率指标及其分解指标高估了我国能源利用实际效率；全国整体能源环境效率并未达到最佳，体制机制与管理水平等技术性因素对效率提高的影响相对规模效率要更加突出，东部地区能源环境效率要高于中西部地区，规模效率接近上限，技术效率指标的影响更加明显，中部和西部地区能源利用的效率水平较低，无论是管理水平提升等因素的影响还是实现经济增长带来的规模效对两地区能源效率提升都具有重要拉动作用.

在效率测算结果基础上，进一步利用改进的EKC模型研究能源环境效率的主要影响因素，尤其是低碳转型过程中经济增长对能源利用的影响. 能源环境效率的回归结果显示，全国能源环境效率与经济增长呈现N型曲线关系，东部地区呈现N型曲线与全国保持一致，中部和西部地区的能源环境效率与经济增长不存在U型或N型曲线，但保持同方向变动的关系，认为我国整体能源环境效率处于整体上升的阶段；对能源环境技术效率的考察发现，全国能源环境技术效率与经济增长呈现倒U型曲线关系，目前尚未达到拐点位置（人均GDP大约为10万元），东部地区呈现N型曲线，中部为U型，且正处于上升阶段，西部能源环境技术效率与经济增长尚未体现显著的曲线关系.

基于以上分析，东部地区可根据发展需求制定针对降低清洁能源生产及消费成本的补贴政策，为清洁能源产品的开发和推广形成优势，使得能源环境技术效率和能源环境规模效率实现突破，提高减排效率；中部地区在承接东部产业转移的过程中要注意淘汰落后产能，增加对清洁能源技术的研发投入，创新节能减排产品和技术，鼓励优势企业实现技术共享，降低清洁能源行业准入门槛，不断提高高耗能行业的减排潜力，控制和减少粗放型高耗能产品的出口，转为依靠和支持高附加值的环保产业，实现区域间能源利用效率的提高；西部地区则应该致力于打造太阳能、风能、生物质能等清洁能源供能系统，加快区域间电网等基础设施建设，实现能源、环境与经济协同发展的目标，提高全国能源环境效率，从而推进“双碳”目标实现.