中国绿色能源效率及其影响因素分析——基于30 个省市的数据研究

詹逸涵 金明

(成都信息工程大学 四川成都 610100)

当前全球性应对气候变化和环境问题的背景下，绿色能源效率的研究受到全球范围内的关注和重视。近年来，随着我国绿色能源产业的发展和环保意识的提高，绿色能源效率的研究得到了广泛关注与支持。我国政府一直在强调绿色发展的重要性，鼓励利用可再生能源等绿色能源来减少对传统化石能源的依赖，提高能源利用效率，保护环境和应对气候变化。此外，政府还出台了一系列政策，鼓励绿色能源的发展和应用，并对绿色能源效率的研究提供了一定的资金支持。

本文对我国各省进行绿色能源效率测度，不仅可以促进可再生能源的应用和推广，缓解气候变化和能源安全等问题，还能提高能源利用效率和经济效益。此外，本研究对环境保护和能源转型也有一定的的理论意义和现实意义。

1 文献综述

在国内，绿色能源效率的研究主要集中在能源效率评价、影响因素分析、能源消费与经济增长关系、可再生能源发展等方面。例如，周超(2012)利用Super-SBM模型测算了中国29个省市2004—2009年的绿色能源效率值，并分析了中国绿色能源效率的影响因素[1]；彭树远等(2020)从全局视角探讨了绿色能源效率的提升路径和未来发展方向[2]；孙天等(2022)基于黄河流域2004—2017年8个省61个城市的数据，运用超效率SBM模型，测度黄河流域绿色能源效率并进行了趋势分析[3]。

在国外，绿色能源效率的研究也更加深入和全面。例如，Linares P等(2010)讨论了影响能源效率和节能决策的因素，以及促进它们的最合适政策[4]；Bertoldi P等(2020)提出一个计量经济学模型，估算1990年至 2013年期间欧盟成员国能源效率政策所带来的能源节约[5]；Wu H等(2022)基于改进的数据包络分析，对2019年中国30个省份的绿色能源发展投入产出效率进行了比较评价[6]；Du L等(2022)采用Malmquist-Luenberger指数测度了2004—2019年中国30个省份的绿色能源效率，基于测度结果，运用空间杜宾模型实证研究了环境规制对绿色能源效率的影响及其影响[7]。此外，许多学者也重点研究了可再生能源的发展、能源效率的提高及能源系统转型等方面。

总体来说，国内外对于绿色能源效率的研究已经较为成熟，并且从不同层面、不同角度对绿色能源效率进行了探讨和分析，为我们更好地认识和推进绿色能源发展提供了重要的理论支持。但通过对文献的梳理发现，我国对能源效率的研究主要集中在长三角、珠三角及京津冀等发达地区，且对我国各省能源效率的分布特征上的研究还有所欠缺，本文测算了2013—2020年中国30个省市的绿色能源效率，并对其时空分布特征及效率变化的驱动因素进行分析。

2 研究方法和数据来源

2.1 Super-SBM模型

目前效率评估多采用数据包络分析法(DEA)，该方法无须对数据进行无量纲化处理,在解决多输出和多输入问题时具有绝对优势，以实际数据求得最优权重,评价结果客观性和科学性强。然而，DEA方法要求所有产出都是理想指标，在绿色能源效率评价中，污染物排放作为不良产出不能明显忽视。

Super-SBM模型引入超效率的新思想，将不良的输出结合到效率测量中。便于区分其效率值的差异，评价其实际效率水平，然后进行更准确的排序。运用Super-SBM模型还能判断投入产出的冗余情况,为效率的完善指明具体方向。本文采用Super-SBM模型，测算2013—2020年中国各省的绿色能源效率，模型表达式为：

2.2 GML指数模型

将全局方向距离函数与ML指数相结合，提出了一个具有高连续性的模型来估计总因子效率的增长，即GML指数模型。GML指数实现了绿色总因子能源效率的跨周期比较的可能性，使结果更加可靠，本文用于测量和分解各省的绿色能源效率的动态变化。模型表达式为：

GML指数可以变换为技术效率指数(EC)和技术进步指数(TC)的乘积。

其中：GML＞1(＜1)表示总因子效率的提高(降低)；EC ＞1(＜1)表示技术效率的提高(降低)；TC＞1(＜1)表示技术进步(倒退)。

2.3 指标体系和数据源

2.3.1 指标体系

2.3.2 数据源

本文剔除数据极度缺乏的城市和自治州，且不包括台湾省、香港、澳门特别行政区，最终选定样本为30个省为研究对象，选取时间范围为2013—2020年。数据来自《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国人口与就业统计年鉴》及各省市的统计年鉴。

3 绿色能源效率分析

3.1 地理分布分析

表2列出了2013—2020年各省绿色能源效率的计算结果。为了分析绿色能源效率的地理分布特征，计算各省结果的平均值，并将其分为高、中、低三个水平。这三个级别的范围分别为＞0.6、[0.3、0.6)和[0、0.3)。表3为不同层次的地理分布结果。

表3 高、中、低水平绿色效率的地理分布

表4 中国各省份区域分布

整体来看，2013—2020年中国各省的绿色能源效率以2016年为节点，呈先下降再上升趋势。2016年是中国经济转型的关键时期，中国政府出台了一系列政策，如“一带一路”倡议、供给侧结构性改革等，这些政策对于中国经济的发展和能源转型起到了重要推动作用。同时，中国政府也在2016年提出了限制煤炭使用的政策和推动清洁能源发展的政策，这些政策的出台对于绿色能源的发展产生了一定影响，促进了绿色能源效率的上升。

各省间的绿色能效率水平存在显著差异，有9个省的绿色能源效率水平较低，这些省份大部分在地理上相连，基部聚集在东北及东部地区，包括河北、山西、辽宁、吉林、黑龙江、安徽、山东，其中河北省效率最低，平均效率只有0.20。相对于经济规模，它们都拥有丰富的能源资源，但同时也面临着能源消耗大、环境污染严重等问题。例如，山西是中国传统的煤炭生产基地，自1949年成立以来，山西一直是煤炭生产前三大省份。此外，新疆和广西的绿色能源效率也偏低。这样的结果与地理和气候条件、技术成熟度、能源需求也息息相关。

与能效低的省份不同，高能效省的地理位置相对分散。其中北京、上海、江苏、福建和广东都是中国最发达的地区。这些省份能效较高的原因主要包括以下几点：

(1)政策支持：这些地区政府都出台了鼓励清洁能源发展的政策，特别是针对绿色能源的投资和支持。例如，北京市推出了“京十条”政策，上海市推出了“上海绿色能源发展三年行动计划”,这些政策为清洁能源的发展提供了有力支持。

(2)经济发达：这些省份经济发达，具有较高的能源消费水平和能源利用效率，同时也有能力加大对绿色能源领域的投资与支持。

(3)能源结构转型：这些地区已经完成了能源结构转型，清洁能源的使用比例不断提高，特别是太阳能和风能等可再生能源。例如，北京市已成为中国最大的太阳能发电城市，上海市也是中国太阳能发电量很大的城市之一。

(4)技术创新：这些地区在绿色能源领域进行了大量技术创新，在太阳能和风能等领域，这些地区的技术已经达到国际领先水平，提高了绿色能源的使用效率和安全性。

其他几个省(海南、宁夏和青海)鉴于自然资源禀赋和历史发展，这些地区的主要发展产业是旅游业，除此之外还积极发展其他产业，如农业、工业、服务业等，但通常能源效率较低的重工业都没有得到大规模发展。同时，这些地区也致力于保护当地的生态环境，有助于其提高绿色能源效率。

除了这些绿色能源效率高、低的区域之外，还有13个中等省份，这些省份在地理上聚集在黄河和长江流域。在能源消耗方面，这些省份的大多数指标都很“平庸”。

3.2 区域特征分析

本文将所分析的30个省份分为东部、西部、中部和东北部，具体如下：

图1 2013—2020年区域绿色能源效率的变化趋势

如表5所示，从区域层面来看，中国绿色能源效率表现为“西部＞东部＞中部＞东北”，2013—2015年，中部与东部地区能效急剧下降，分别降低了0.32与0.34，从2016年开始有逐步回升，其东部地区的增长趋势较为显著，增长率为54.80%。与中部地区相比，东部地区的大多数省份有更强的经济力量采取积极政策来缓解生态压力。此外，由于清洁能源生产和消耗成本较高，中心地区的煤炭消费很高，煤炭作为污染最密集的能源，大量使用也会影响该地区的绿色能源效率。西部地区的绿色能源效率从2013年到2020年波动不大，一直比较平稳维持在1左右。东北地区的能效呈增长趋势，增长了37.06%，但较其他区域而言一直较低。东北地区的产业分布较为集中，且东北是中国最重要的重工业基地，而且重工业对环境和资源的破坏也比较严重，因而导致东北地区的绿色能源效率较低，具体导致了：

表5 2013-2020年分区域绿色能源效率

表6 各地区平均GML、EC、TC

(1)能源消耗增加：重工业通常需要消耗大量能源，包括煤炭、石油等化石能源，这些能源的使用会对东北地区的绿色能源使用效率造成负面影响。

(2)环境污染加剧：重工业的发展可能导致环境污染加剧，包括大气污染、水污染、土壤污染等，这些环境问题会对人体健康和生态环境造成严重影响。

3.3 影响因素分析

为分析我国绿色能源效率的动态变化，本文计算了2013—2020年相邻年份各省的GML指数及其EC和TC分解结果。图2为各省份这些指标的平均值。

图2 2013—2020年EC、TC变化趋势

如图2所示，2013—2020年技术效率指数(EC)和技术进步指数(TC)对GML变化的贡献有显著差异。具体而言，EC维持在1附近波动，2013—2020年提升了0.06%。TC总体呈上升趋势，增长率为26.96%，在2017—2019年有所下降。因此可以看出，在本研究中GML主要受到TC的影响。

如2.2所说，TC＞1代表技术进步，可以看出，2015年以来，我国的能源消耗和生产技术得到不断改进。与TC不同，EC的波动情况可以看出2013—2020年我国技术效率并没有得到显著提高，表明虽然中国政府一直在努力推广新技术，扩大企业规模，但实际能耗效率并未得到相应提高，或者其贡献被其他因素所抵消，如能量过度使用。

从地区来看，技术进步指数的地区差异程度较大，技术效率指数的地区差异较小。具体而言，东北地区的GML、TC得分最高，因此，东部地区的绿色能源效率的提高速度最快。东部地区次之，而西部地区的技术进步指数最小。

4 结语

4.1 结论

在本研究中，我们首先使用Super-SBM方法，对2013—2020年中国30个省份的绿色能源效率进行了评估，并且使用GML指数分解算法来识别效率变化的驱动因素。综上所述，本文得出以下结论：

一是从效率增减上来看，我国绿色能源效率以2016年为节点，呈先下降再上升趋势。

二是从地理分布来看，绿色能源效率较低的省份在地理上集中在能源资源丰富的地区。高绿色能源效率的省份大部分是中国最发达的地区且地理位置相对分散。

三是从区域特征来看，在中国的四个主要地区中，绿色能源效率的平均水平为西部＞东部＞中部＞东北。其中，2013—2020年间东北地区的效率提高速度最快。

四是从影响因素来看，技术进步是绿色能源效率提高的主要因素，且各区域之间的技术进步指数差异较大。

4.2 建议

一是加强技术创新：各省政府可加大对清洁能源技术的研究和投资力度，促进技术创新和清洁能源的发展。

二是推广低碳生活方式：各省政府可通过宣传、推广低碳生活方式，鼓励居民减少能源消耗，例如鼓励居民使用公共交通、减少不必要的能源消耗等。

三是实施碳排放交易政策：各省政府可以实施碳排放交易政策，鼓励企业通过减排措施减少碳排放，同时也可以为企业提供碳排放交易的机会，提高企业的减排积极性。