碳中和愿景下长三角城市群能源结构与效率分析

李婉婷 马冠龙 林诗淇 朱梓源

（南京信息工程大学数学与统计学院 江苏南京 210000）

0 引言

2021 年3 月15 日，中共中央总书记、国家主席习近平在主持中央财经委员会第九次会议时强调，实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革，把碳达峰、碳中和纳入生态文明建设总体布局，明确了2030 年碳达峰和2060年碳中和的目标。碳中和愿景下，探讨能源结构与节能减排的投入产出效率是关键问题。

近年来，大量学者研究了我国能源结构特征及存在的问题，对于我国能源结构转型有积极的意义。杨英明等［1］总结了我国能源结构的特点是以煤碳为主、能源效率低等。方行明等［2］等认为我国存在不可再生能源路径依赖、能源供给结构逐渐倚重国外等问题。SUN 等［3］提出能源消费结构合理性测度模型，对我国能源结构的合理性进行测定，认为我国各省能源配置效率低下，各省能源消费结构不合理。CHEN 等［4］提出全球Malmquist 指数计算方法，从动态角度分析能源生产率的变化，认为我国不同化石能源的省际管理水平存在明显差异。现有的对能源结构问题的研究主要基于国家层面，而我国各地工业化和城市化程度存在较大差异，且能源品种分布不均，考虑区域经济发展，对区域经济带层面的能源结构研究相对较少。本文重点关注长三角洲城市群能源结构的时空演变特征以及节能减排的投入产出效率评价分析。

1 数据和方法

1.1 数据来源与处理

本文以长三角城市群能源结构与节能减排效率为研究对象。探讨能源结构选取2005—2019 年为研究期间，每两年为一时间节点，原始数据均来自各城市统计年鉴。计算每类能源（煤炭、石油、天然气、电力热力）占用总能源消费的比重，以能源消费占比来表示能源结构，作为研究能源结构的初始数据。考虑到数据的完整性与可获得性，研究节能减排效率时，排除滁州市、金华市2 个城市，选取剩下24 个作为决策单元。

1.2 经验正交函数（EOF）

经典时空分析方法——经验正交函数（EOF），其基本原理是基于主成分分析（PCA）理论，把随时间变化的长江三角洲26 个空间点分解到空间和时间2 个维度，从而分析出待研究变量的时空演变特点。

对初始数据做距平化处理，将构成长江三角洲区域能源结构的数据排列为“城市×年份”的二维矩阵，记为X26×8=｛xij｝，xij表示第j 年第i 个城市的能源结构数据。将xij看作由26 个城市群组成的空间函数EOF 和2005—2019 年序列时间函数PC的线性组合，可表示为式（1）。

记“城市×年份”协方差矩阵为式（2）。

利用雅可比方法计算协方差矩阵的特征根和特征向量EOF如式（3）。

式中：I 为特征值对角矩阵，如式（4）。

将特征向量EOF 投影到“城市×年份”的二维矩阵X 上，得到空间向量对应的时间函数PC 如式（5）。

每一模态的重要程度用空间模态方差贡献率来表示，贡献率越高说明该模态在实际中主导性越强，其计算公式为式（6）。

对空间模态是否显著分离需要使用North 检验来判断，如式（7）。

若特征值满足λj≥ej+λj+1，则通过North 检验，认为λj和λj+1对应的模态显著分离。

1.3 DEA-Malmquist

DEA-Malmquist 指数法借助数学规划法对多投入、多产出的决策单元效率进行评价。本文选择以投入为导向、规模报酬可变模型对长三角城市群节能减排全要素生产率（TFP）进行测算。测算具体公式见式（8）。

在此基础上，将节能减排全要素生产率分解为技术效率变化指数（EFFCH）和技术进步指数（TECH），表示为式（9）。

式中：Xt、Xt+1表示第t 期和t+1 期的投入量；Yt、Yt+1表示第t 期和t+1 期的产出量；Dt、Dt+1表示长三角城市群节能减排投入产出向量在t 时期、t+1 时期的技术水平下的生产效率。

2 工业能源结构时空变化特征

为准确分析描述长江三角洲区域的时空分布特点，将2005—2019 年能源结构数据标准化处理后进行EOF 分解。综合north 检验和累计方差贡献率两因素选取合适模态，表1 反映了煤炭、石油、天然气、电力4 类能源占比EOF 分解后每类前2 个模态的方差贡献率和特征根范围结果。

表1 EOF 方差贡献率及特征根误差

通过EOF 空间向量和PC 时间序列，可以大致看出长江三角洲区域能源结构的时空分布。图1 反映了长江三角洲区域煤炭、油类、天然气能源占比呈现为“东-西”分布型。2011 年以前，东部区域以煤类、油类为主要能源消费，而西部与东部相比，煤类、油类占比较少。2011 年以后，东部逐渐向电热类清洁能源转型，西部煤炭、石油类能源占比开始上升。至2019年，长江三角洲区域能源消费占比已经与2011 年以前完全相反态势。与煤类、油类、天然气分布特征不同是天然气类，它呈现出的是显著的“南-北”分布型。2011 年以前，长江三角洲南部区域天然气消费占比较高，北部区域占比较低，之后高低值中心逐渐对调，到2019 年已经与2011 年以前地理分布完全相反。

以煤炭为例，图1 给出了煤炭占比的第一模态特征向量，该模态特征值方差贡献率为75.6%，为长江三角洲区域煤炭占比空间分布的主要模态。可以看出，以“镇江-扬州-宣城”为界，向东为正值区，正值中心位于湖州附近；向西为负值区域，负值中心在宣城附近。在分界线两边，煤炭消费占比有较好的一致性，但是上海为高值区中的低值区，研究发现上海产业结构和周围城市有明显不同。煤炭第一模态决定了长江三江州西部区域和东部区域煤炭消费占比呈现 “东西反向” 的分布型。结合2005—2019 年PC1 时间函数变化，在2005—2009年，东部煤炭消费占比偏高，西部煤炭消费占比偏低；而2011—2019 年，东西部煤炭消费占比呈现出与前10 年相反的态势。这是由于在21 世纪初期东部区域轻工业发展较早，而西部区域轻工业薄弱。近10 年，东部开始产业转型，大部分企业从轻工业转向第三产业，而西部则以轻工业为主；同时响应政策需求，部分东部工厂西迁。

图1 2005—2019 年长三角城市群能源结构EOF 第一模态示意图（左：空间模态，右：时间模态）

这种时空分布趋势是由于区域发展的不平衡性。长三角东部城市较西部更为发达，率先经历了城市发展中第二产业向第三产业的转型过程。西部地区城市发展存在滞后性，在东部产业模式初步成功后开始学习效仿，所以能源结构相较于东部也呈现出一定的滞后性。东部地区产业转型的过程中，大量的轻工业企业向西部迁移来降低生产成本，也是造成这种东西差异的原因。

3 节能减排的投入产出效率评价分析

根据数据的可获得性，本文以长三角24 个城市群为决策单元，面板数据时间选择为2007 年、2009 年、2011年、2013年、2015年、2017年、2019年。运用以投入为导向的DEAMalmquist 模型计算生产效率变化值，进行动态生产效率分析。从时间和空间角度分析了长三角城市群的全要素生产率。表2给出了本文所用到的投入产出数据。

表2 节能减排投入产出评价指标体系

3.1 各年份全要素生产率分析

表3 给出了2007—2019 年长三角24 个城市的工业企业各年份全要素生产率及其分解结果。发现：2007—2019 年长三角24 个城市全要素生产率的年均增长率为-0.5%，其中技术效率的年均增长率为2.9%，技术进步的年均增长率为-3.4%，表明技术效率促进全要素生产率，技术进步阻碍全要素生产率提高。长三角城市群节能减排情况起伏较大，且2007—2019年的全要素生产率的年均增长率为-0.5%，节能减排效率不稳定，波动较大。

全要素生产率的增长率在2017—2019 年最低，为-26.8%，在2007—2009 最高，为18.9%；技术效率在2011—2013 最小，为-31.7%，在2013—2015 最高，为36.8%；技术进步指数在2013—2015 最低，为-33.9%，在2011—2013 最高，为47.8%。

表3 同时反映了长三角节能减排效率变化趋势。技术进步指数在2013—2015 之后与全要素生产率变化趋势大致相同。在2007—2015 之间，全要素生产率一直下降，但技术效率与技术进步指数波动较为激烈。TFP 的年均增长率为4.7%，技术效率与技术进步指数均有所增加，分别为1.9%和9.95%，技术进步的增长率大于技术效率的增长率，这表明2015 年之前，技术进步是影响全要素生产率的主要原因。该段时间内，长三角城市群节能减排技术进步较大，促进了TFP 的增加。

表3 2007—2019 长三角24 个地级市的平均全要素生产率指数及分解指数

3.2 地区全要素生产率分析

表4 反映了2007—2019 年间，长三角24 个城市群平均节能减排效率的分析结果。

表4 2007—2019 年长三角24 个城市群平均节能减排效率评价结果

从各城市群来看，2007—2019 年长三角24 个城市群中由9 个城市群节能源减排全要素生产率小于1，分别是苏州、铜陵、南京、常州、安庆、宣城、舟山、马鞍山、池州，是由技术水平不足和技术效率的抑制作用导致的，15 个城市群节能源减排全要素生产率大于1，这些城市中，技术效率、技术进步指数、全要素生产率均大于1 的有泰州、上海、宁波、无锡，仅4 个城市。杭州的全要素生产率在长三角24 个城市中排名第一，根据杭州的产业结构数据发现，杭州第三产业结构增加明显，2007 年杭州第一产业占比3.91%，第二产业占比50.20%，第三产业占比45.90%，2019 年杭州第一产业占比2.10%，第二产业占比31.70%，第三产业占比66.20%。可以发现杭州的产业重心逐步向第三产业转移，且杭州规模以上工业企业R&D 经费投入与R&D 人员也逐年增加。

全要素生产率最低的为池州市，根据池州产业结构数据发现，其第一产业结构逐年下降；第二产业结构在2007—2012年之间逐年增加，2012—2019 存在下降趋势，存在倒“U”趋势，但2012 年后下降速度低于2012 年前增加趋势，2017 年池州第一产业占比37.17%，2019 年池州第二产业占比44.17%；第三产业无明显变化。且池州规模以上工业企业R&D 经费投入与R&D 人员虽逐年增加，但相较于杭州市，两者相差较大。

综上所述，长三角城市群节能减排存在各地区不均衡问题。各城市加强节能减排效率应注重结合自身情况调整产业结构，一些高能耗高污染低产值的企业若不能加强管理，需要逐步淘汰，重视推广高科技产业发展，提高科研投入。同时应加强与节能减排较先进的城市的交流与合作，结合城市自身特点，完善节能减排工作。

4 结论与建议

为了解长三角城市群能源结构的演变特征与节能减排的投入产出效率评价分析，采用EOF 探讨长三角城市群能源结构（煤、石油、天然气、电力热力）的时空演变特征、借助DEAMalmquist 研究长三角24 个城市群的节能减排的投入产出效率。得出以下3 个结论。

（1）长三角城市群能源结构东西分布存在显著差异，东部省市煤、油类能源消费占比呈现逐年下降趋势，西部省市呈现上升趋势。呈现这种时空分布趋势是由于区域发展的不平衡。东部城市首先经历了城市发展中第二产业向第三产业的转型过程，西部地区城市则发展存在滞后性，所以能源结构相较于东部也呈现出一定的滞后性。而且在东部地区产业转型的过程中，大量的轻工业企业向西部迁移来降低生产成本，也是造成这种东西差异的原因。

（2）2007—2019 年间，长三角城市群节能减排TFP 存在下降趋势，技术效率与技术进步波动较大，其中技术进步在剧烈波动中总体存在下降。2007—2015 之间，技术进步效率的增长率大于技术效率的增长率，说明技术进步效率是影响节能减排全要素生产率的主要原因。且技术进步效率在2015—2019年间与节能减排全要素生产率变化呈正相关，认为技术进步主要影响节能减排主要影响全要素生产率的提高。

（3）长三角24 个城市群节能减排效率差异较大。其中节能减排效率最高的为杭州市，提高了21%，效率最低的为池州市，降低了34.4%，两者相差大于50%。对比两者产业结构发现，杭州产业重心由第二产业向第三产业转移，池州第二产业占比存在倒“U”趋势，且相比2007 年，2019 年第二产业占比增加了7%，且两城市在规模以上工业企业R&D 经费投入与R&D 人员也存在较大差异。

针对以上结论，关于长三角城市群节能减排工作，提出以下3 点建议。

（1）加强国际国内能源合作［5-6］，加快碳减排进程，缩小长三角城市群节能减排差距。提高节能减排经费投入，鼓励节能减排技术创新，加强人才的引入。各城市应努力开发清洁能源，有关企业部门需严格控制污染气体的排放，保证碳中和目标的如期实现。

（2）长三角洲各城市群应结合自身特点，积极响应国家碳中和的各项工作，制定节能减排行动方案，优化产业结构与能源结构［7］。各城市相关部门应及时公开相关节能减排数据，按时核实，确保目标按时实现。

（3）构建以新能源和可再生能源为主体的可持续能源体系。对于一些产业结构相对较优、科研投入较高但节能减排全要素生产率却不高的城市，需合理的控制生产规模投入［8］，加快开发清洁能源的使用，提高科学技术来减少化石能源的使用，为经济增长、节能减排找到新的、可持续的方法，实现高质量的可持续发展。