淮海经济区工业能源效率评价及影响因素

冯 颖, 仇方道

(1.江苏师范大学 地理测绘与城乡规划学院，江苏 徐州 221116； 2.江苏第二师范学院 地理科学学院，江苏 南京 211200)

提升能源效率，健全能源创新体系，是推动我国能源产业高质量发展的重要途径，也是“十四五”乃至更长时期我国经济高质量转型和绿色发展的战略选择.地区差异决定了能源利用的异质性.省际边界作为我国的特殊类型区域，其发展面临经济落后、资源依赖性强且利用效率不高等制约，因此，开展省际边界区域等特殊类型地区工业能源效率的特征及影响机制研究，既是“十四五”期间能源产业高质量发展的需要，也是我国绿色发展重要战略的需要[1].目前，关于工业能源效率的研究主要集中于4个方面.测度方法方面，主要包括投入产出分析法[2-3]、因素分解法[4-5]和数据包络分析法[6-7]等，其中数据包络分析法应用最为广泛.时空特征方面，主要运用空间自相关分析方法，分析区域工业能源效率的时空变化特征[8-10].影响因素主要分为直接因素和间接因素两类，其中：直接因素主要包括技术进步、产业结构、能源结构，间接因素主要包括能源价格、社会因素、市场化水平、经济体制、对外开放、产权结构、政府调控能力等[11-13].调控措施方面，主要从优化能源结构[4]、提高工业能源技术[11]、改善产业结构[2]、健全管理体系[14]等角度探寻提高工业能源效率路径.综合来看，现有研究多从全国、省域、城市群等空间尺度展开，而对省际边界等特殊类型区域工业能源效率的研究尚未引起足够的重视.因此，本文以淮海经济区为例，探讨省际边界区域工业能源效率的时空异质性特征及驱动机制，其结果可为该区域及其他同类区域工业持续发展提供借鉴.

1 研究区域概况

淮海经济区地处江苏、山东、河南、安徽4省交界区域，是我国典型的省际边界区域.按照《淮河生态经济带发展规划》，该区域由徐州、连云港、宿迁、济宁、枣庄、临沂、菏泽、商丘、宿州、淮北10市组成，以煤炭资源为主导优势资源，是中国重要的能源基地，也是典型的老工业城市和资源型城市集中分布地区.2020年，淮海经济区工业产值占比39.42%，高于全国平均水平1.58百分点；人均工业产值16 642元，是全国平均水平的75.06%；工业能源消耗总量为22 683万t(以标准煤计，下同)，占全国的4.55%；万元GDP能耗0.599 t，为全国水平的1.2倍.可见，该区域工业发展水平不高，能源利用比较粗放.加快高耗能、高污染工业改造转型，提高能源利用效率，成为促进该区域工业结构优化和绿色发展面临的首要任务.

2 研究方法和数据来源

2.1 研究方法

超效率SBM(slack based model)模型是Tone于2002年在SBM模型基础上提出的.相较于传统SBM模型取值只能为0～1、存在同时出现多个有效决策单元无法比较的情况，超效率SBM模型在处理非期望产出的同时能将有效决策单元进行比较.该模型在目标函数中加入松弛变量，使得SBM模型的经济解释为该效率模式下得到工业总产值的最大化，且松弛变量的存在详细反映了地区不同年份各投入产出指标的冗余量，可据此对地区工业发展指明方向.本研究利用超效率SBM模型测算淮海经济区工业能源效率，有利于解决不考虑工业SO2排放的情况下工业能源效率存在的偏差问题[15-16].具体计算过程见文献[14].

2.2 数据来源和指标选择

本研究以地级市为研究单元，研究时段为2005—2020年.文中数据主要来源于相应年份淮海经济区10市及江苏、安徽、山东、河南4省的统计年鉴；地图资料来源于中国矢量化地图，运用ArcGis、DEA和Stata 14等软件对数据进行处理分析.

超效率SBM模型中的投入指标包括工业从业人员、工业固定资产投资额和工业能源消耗总量，分别反映劳动力资源投入、资本投入以及资源投入情况；产出包括期望产出和非期望产出，以工业总产值反映期望产出，以工业二氧化硫排放量反映非期望产出.需要说明的是，虽然工业废水、二氧化碳等环境污染物也可以反映非期望产出，但考虑到数据的可获得性以及数据包络分析方法对指标数量的限制，加上工业二氧化硫兼具温室气体和污染环境的典型性，因此，本研究仅选取工业二氧化硫作为非期望产出指标.

3 淮海经济区工业能源效率的时空特征

3.1 时间演变特征

2005—2020年，淮海经济区工业能源效率总体呈上升趋势，能源效率指数由0.72演变为1.04，增幅为44.44%(图1).大致分为3个阶段：1)波动性下降阶段(2005—2010年).该阶段工业能源效率由0.72下降到0.37，降幅达48.61%.2005—2007年工业从业人员和工业能源投入没有得到充分利用，二者冗余率分别为32%和41%，导致工业能源效率大幅降低；2008年经济危机爆发，工业发展缓慢，劳动力和能源投入利用更加不充分，2008—2010年二者冗余率分别高达41%和47%，造成工业能源效率持续处于较低水平.2)先升后降阶段(2011—2015年).国家自主创新战略的实施，促进了清洁能源利用和现代产业体系建立.2010—2012年淮海经济区工业能源利用能力提升，冗余率由45%下降到28%，其余要素冗余波动幅度<1%，推动工业能源效率增加19%；2013—2015年，淮海经济区工业劳动力资源没有得到充分利用，工业从业人员冗余率48%，表明该地区能源结构虽得到优化但仍旧存在大量劳动密集型产业，致使地区工业能源效率呈现下降趋势.3)快速上升阶段(2016—2020年).新发展理念的贯彻、制造强国战略的实施以及清洁能源的推广应用，促进了工业绿色转型.工业劳动力、固定资产和能源投入的冗余率降幅分别为86.43%、78.26%和90.32%，促使工业能源效率显著增加136.36%.

2005—2020年淮海经济区工业能源效率变差系数为0.60，显示工业能源效率演化具有显著的不稳定性.这是由于进入“十一五”后,国际国内发展环境的不确定性大大增加，引发淮海经济区工业能源效率的年际差异变化明显.变差系数>0.50的城市有济宁(0.77)、徐州(0.78)、枣庄(0.52)、宿州(0.68)、淮北(0.52)、商丘(0.60)6市，集中分布于京沪沿线地区.此类城市工业多以资源型产业为主导，能源利用效率受工业发展影响巨大，故其工业能源效率具有较大的波动性.而变差系数≤0.50的城市有临沂(0.44)、连云港(0.41)、宿迁(0.27)、菏泽(0.27)4市，主要集中分布于淮海经济区的外围边缘.此类城市多为非资源型城市，工业发展受资源影响相对较小，能源利用技术相对稳定，其利用效率波动不大.

3.2 空间演变特征

2005年,淮海经济区工业能源效率自西向东呈现低-高-低-高相间分布的格局；2010年整个研究区域能源效率均≤1.00，均衡化态势明显；2015年仅有1市能源效率>1.00，空间上呈现菏泽—徐州—临沂一线工业能源效率相对较高而其南北两侧较低的空间格局；2020年，工业能源效率>1.00的城市有枣庄、徐州、宿州、济宁、淮北、菏泽6市，整体上呈现京沪沿线地区工业能源效率较高而其东西两侧较低的“凸”字型格局(图2).可见，淮海经济区工业能源效率高的城市表现为先减少后增多、空间上在向京沪沿线地区集聚的趋势，主要是由于沿京沪地区资源型城市密集，近年来各地加快推进资源型城市转型发展，立足先进制造业和现代服务业，推动产业转型升级，能源利用效率相对较高.工业能源效率≤1.00的城市多是受工业固定资产投入和能源投入不足的制约，地区工业能源利用相对粗放.

图2 淮海经济区工业能源效率区域格局演变Fig.2 Evolution of regional patterns of industrial energy efficiency in Huaihai Economic Zone(地图底图来源于审图号为GS(2020)4632号的标准地图)

从地区看，研究期淮海经济区工业能源效率呈现由皖北>苏北>鲁南>豫东演变为皖北>鲁南>苏北>豫东的格局(图1).其原因在于：皖北地区要素投入得到有效利用，工业能源效率始终处于较高水平，而豫东地区要素投入难以充分利用，工业能源效率一直处于较低水平.

4 淮海经济区工业能源效率的影响因素

4.1 模型选择

区域工业能源效率受多种因素的影响.考虑到淮海经济区的具体情况，从发展水平(X1)、产业结构(X2)、政府调控(X3)、对外开放(X4)、能源结构(X5)和创新能力(X6)6个方面选取具体的指标作为自变量，以工业能源效率为因变量，分析相关因素对淮海经济区工业能源效率的影响.发展水平主要反映区域经济发展状态和阶段，以人均GDP为代表性指标；产业结构主要反映区域产业系统高级化程度，以第三产业产值占GDP比重表示[14]；政府调控[17]主要反映政府对能源利用的调控能力，以人均地方财政支出表示；对外开放主要反映区域经济发展的开放程度[18]，以外商直接投资额占GDP比重表示；能源结构主要反映不同能源种类占能源消耗总量的结构状态，以煤炭消费量占能源消耗总量的比重表示；创新能力[19]主要反映区域能源利用的技术创新能力，以每万人拥有的发明专利量表示.

考虑到超效率SBM模型测算结果在1.0上下，若采用传统线性回归方法，可能会产生负的拟合值，故选用Tobit模型.结合研究区实际情况，选取模型

Eit=β0+β1lnX1it+β2lnX2it+β3lnX3it

+β4lnX4it+β5lnX5it+β6lnX6it+εit，

式中：Eit表示第t年i地区的工业能源效率，β0为常数项，β1、β2、β3、β4、β5、β6是自变量的偏回归系数，εit表示随机误差.

4.2 主要因素

运行Stata14软件，Hausman检验结果(表1)显示，χ2统计量为1.39，P值为0.966 5，检验结果不显著.可见，随机效应模型比固定效应模型更有效，故本研究选择随机效应模型开展相关研究.

表1 基于工业能源效率的Hausman检验Tab.1 Hausman test based on industrial energy efficiency

Tobit模型计算结果(表2)表明，不同因素对淮海经济区工业能源效率的具体影响作用不同.

表2 淮海经济区工业能源效率影响因素Tobit回归模型结果Tab.2 Calculation results of Tobit regression model for industrial energy efficiency influencing factors in Huaihai Economic Zone

经济水平仅对皖北工业能源效率提升有促进作用，而对整个研究区域及豫东、苏北、鲁南的影响并不显著.皖北地区经济水平较低，经济增长不仅可为能源效率的提高奠定坚实基础，而且有利于引导居民能源消费方向，增强其环保意识.

产业结构对淮海经济区工业能源效率有正向促进作用，但影响作用并不大：对苏北、鲁南工业能源效率的提升有促进作用，且对苏北影响更显著；而对豫东、皖北的影响不明显.

政府调控对淮海经济区工业能源效率提高有促进作用，但不显著，其中：对皖北的影响更为明显，而对苏北、鲁南和豫东3地区的影响不明显.因此，应进一步增强政府对工业绿色发展的调控能力，促进能源高效、循环利用.

对外开放对淮海经济区，尤其是皖北的工业能源效率提升有促进作用，但作用程度不高.因此，应进一步增强区域发展的开放性，提高从区域外部获取要素资源的能力，构建提升区域工业能源效率的合力.

能源结构对淮海经济区工业能源效率提升有抑制作用，除了对苏北影响不明显外，对皖北、鲁南、豫东3地区的抑制作用强于研究区域整体.淮海经济区工业能源利用仍以化石能源为主导，清洁能源利用有待加强.因此，优化能源结构是该区域工业能源效率提升的重要路径.

创新能力对淮海经济区工业能源效率提升的影响作用最强，尤其对豫东地区有促进作用，而对其他地区影响不显著.创新能力不高，是淮海经济区工业能源效率提升的主要制约因素.补齐能源领域技术创新的短板，是推动该区域工业能源利用技术绿色化转型的关键路径.

5 结论与建议

5.1 主要结论

2005—2020年，淮海经济区工业能源效率整体上经历了先降后升的变化历程，但波动性较大，表明省际边界区域工业能源效率受发展环境不确定性影响而表现出较大的不稳定性.

空间上，淮海经济区工业能源效率的格局由自西向东的低-高-低-高相间分布演变为京沪沿线地区高而其两侧低的“凸”字型，折射出优越的交通区位已成为省际边界区域工业能源效率高的城市集聚的重要条件.

总体上，对淮海经济区工业能源效率有正向作用的因素为创新能力>政府调控>产业结构>对外开放，而能源结构有抑制作用.不同地区的影响因素各异：苏北以产业结构影响显著；鲁南以产业结构、能源结构为主要影响因素；豫东以创新能力、能源结构为主要影响因素；皖北以经济水平、政府调控、对外开放、能源结构为主要影响因素.提高创新能力是省际边界区域工业能源效率提升的主要动力，而政府调控则是主要保证，产业结构、对外开放是主要路径；所属省份的发展阶段不同，影响因素各异.

5.2 建议

淮海经济区早期工业发展具有矿产资源丰富、劳动力充足且成本低的优势.随着矿产资源趋于枯竭，环境保护压力的增强，人口流失的日益严重和劳动力成本上升问题，使该地区原有的资源密集型产业难以为继.同时，淮海经济区作为我国典型省际边界区域，省际边界的“切变效应”会对区域内空间联系、经济要素、产业扩张和生态环境等产生阻隔作用，导致工业趋同、交通分割、环境分治等问题的产生.为推动淮海经济区工业能源效率提高，建议：一要大力促进产业结构优化，以先进制造业和现代服务业为重点，积极推动工业高级化、绿色化、低碳化；二要以提高清洁能源利用为关键，优化能源利用结构；三要加大工业清洁生产技术和工艺的推广使用，不断增强工业能源利用创新能力；四要不断增强政府调控能力，建立健全工业绿色化发展政策体系；五要进一步提高区域经济发展的开放性，增强区域外部发展要素获取的能力，优化工业能源效率提升的合力.