我國區域節能減排效率及空間相關性研究

徐盈之， 魏 莎

（東南大學 經濟管理學院，江蘇南京210096）

一、引 言

長期以來，我國傳統的“三高一低”粗放型經濟增長模式，導致了資源約束趨緊、環境污染嚴重、資源和環境矛盾日益尖銳的嚴峻形勢。若不加以改變，資源難以支撐，環境難以承受，資源節約型和環境友好型社會難以實現，“美麗中國”也將只是美好的愿景。在能源和環境問題得到社會廣泛關注的背景下，節能減排作為我國的一項基本國策，其必要性和緊迫性不斷突顯。我國節能減排工作已取得顯著成效，但仍存在一些問題并面臨著巨大挑戰，如產業結構調整緩慢、政策機制不夠完善、能源利用效率偏低和污染物排放超標等。考察我國當前節能減排工作的落實情況，測度各地區的節能減排效率，并探索地區間節能減排效率的交互影響作用，能夠為各地區制定合理的節能減排政策提供參考，從而更好地推動我國節能減排工作的開展。

國內外學者對節能減排的研究大多集中在理論研究方面，從概念、內涵和政策建議等角度對節能減排進行了理論分析［1］［2］，對節能減排的定量研究則相對缺乏。在現狀研究方面，許多學者構建了指標體系進行綜合評價［3］［4］。DEA 方法在效率測算方面應用較廣［5］［6］，如在節能減排效率測算及影響因素研究方面，于鵬飛等運用DEA模型分析了省際單位能源利用效率及污染治理效率［7］；孫欣運用DEA-Malmquist指數方法測度了省際節能減排效率［8］；余泳澤分析了各地區的節能減排路徑以及節能減排效率的影響因素［9］；趙成柏、毛春梅應用BP神經網絡評價了我國節能減排效率的省際差異和影響因素［10］。另外，現有研究大多以COD和SO2作為污染物排放指標，且忽視了不同地區的環境因素以及管理體制等包含運氣成分在內的要素對節能減排效率的影響。本文將創新性地使用能夠克服該缺陷的三階段DEA模型，同時將CO2作為另一種非期望產出納入核算體系來準確地測算我國區域節能減排效率。此外，還將對區域節能減排效率的空間關聯性進行深入分析，最后依據實證分析的結果提出若干提高我國區域節能減排效率的對策建議。

二、研究模型與數據來源

1.三階段DEA模型

本文效率測算使用H.O.Fried提出的三階段DEA模型［11］，該模型結合Charnes、Cooper和Rhodese提出的DEA模型與Timmer提出的SFA模型，克服了DEA模型忽視環境變量的缺陷以及SFA模型未考慮隨機誤差的缺陷，因而可以同時解決環境變量和誤差的影響。該模型的構建和運用主要經歷以下三個階段：

第一階段：經典DEA-BCC模型

按照節能減排的“資源節約和環境友好”要求，該階段擬采用投入導向的規模報酬可變的BCC模型。

第二階段：構建相似SFA模型

利用相似SFA方法對環境變量進行回歸分析。Fried等認為第一階段DEA分析得到的投入和產出松弛變量由環境影響、管理無效率和統計噪音三因素構成，構建SFA模型可分別觀測出以上三種因素的影響。

首先，建立松弛變量：

其中，xji為第i個決策單元（DMU）的第j種投入值，xji×λ為第i個DMU的第j種投入值在效率前沿面的最優映射，Sji表示相應的投入松弛變量，即第一階段第i個區域使用第j種投入的松弛變量。

其次，建立松弛變量與環境變量的回歸模型：

其中，Sji是投入冗余變量，包括資本投入冗余、勞動投入冗余與能源投入冗余；zi=［z1i，z2i，…，zli］是l個可觀測的外生環境變量是需估算的環境解釋變量的未知參數；fj（zi；βj）表示環境變量對投入松弛變量的影響，取fj（zi；βj）=；vji是第i個 DMU 在第j個投入時的生產過程的隨機誤差，假設vji～N（0，）；uji是第i個DMU在第j個投入時的生產過程中管理無效率的非負隨機變量，假定uji～N+（0）；vji與uji不相關，vji+uji為混合誤差項。

最后，分兩步調整投入變量：

第一步是在SFA回歸模型的混合誤差中把統計噪音從管理無效率中分離出來，利用管理無效率的條件估計值＾E（uji｜vji+uji）可以得到統計噪音的估計值，這樣就可以從組合誤差中分離出統計噪音。統計噪音的條件估計的公式為：

羅登躍給出了三階段DEA模型管理無效率的估計公式［12］：

其中，X～N+），即在0處截斷的非負正態分布。

第二步是排除不同運營環境和統計噪音的影響，將處于相對有利的運營環境和相對較好運氣的DMU單元的投入進行向上調整，公式如下：

其中，Xji和xji分別是調整后和調整前觀察到的投入數量。（5）式右邊的第一步調整使所有觀測對象處于共同的運營環境，即樣本中所觀測到的最差的環境。第二步調整使所有觀測對象處于共同的自然狀態，即樣本中遇到的最不幸的狀態。經過兩步調整，每個DMU均處于相同的運營環境和運氣。

第三階段：調整后的DEA模型

第三階段構建的是調整后的DEA模型，用經過第二階段調整所得的各項投入數據Xji代替原始投入數據xji，重新運用第一階段的BCC模型進行計算，得到扣除環境變量與隨機誤差項后的DMU效率。通過這種方法得到的效率值，排除了運營環境和統計噪音的影響，能夠更客觀、更真實地反映實際效率。

2.數據來源及說明

本文選擇的投入指標包括資本存量、勞動力、能源消耗和污染物排放，產出指標包括地區生產總值和“三廢”綜合利用產品價值。具體說明如下：

（1）投入指標。①資本存量。通過永續盤存法對各地區資本存量進行測算，單位為億元［13］。②勞動力投入。以各省歷年從業人員作為勞動力投入指標，單位為萬人。③能源投入。以各省每年的能源消費總量作為能源投入，單位為萬噸標準煤。④污染物排放。以各省歷年的COD、SO2及CO2排放量作為環境污染物排放指標，單位為萬噸。

（2）產出指標。①地區GDP。為保證各變量統計口徑一致，對各地當年價GDP數據作平減處理，單位為萬元。②“三廢”綜合利用產品產值。“三廢”產品綜合利用，既能直接促進減排，也能間接實現節能，故將“三廢”綜合利用產品價值作為期望產出納入該三階段DEA模型的產出指標，單位為萬元。

（3）環境變量的選取

環境變量指那些影響各地區節能減排效率但不在樣本主觀可控范圍內的因素，這些變量應不受DMU管理控制的約束，同時滿足Simar和Wilson提出的分離假設［14］。本文用以下幾個因素來反映不同經營環境對各DMU效率的影響：①技術進步因素。使用能源利用效率高、污染物排放少的新技術和新工藝，既能直接減少單位產品能源消耗和浪費，還能減少污染物排放。本文選取R&D投入作為技術進步的衡量指標。②經濟規模因素。經濟發展水平的提高和經濟規模的擴大，能夠為節能減排提供足夠的物力、財力和技術，有助于實現效率提升。本文選取人均GDP來衡量各省市的相對經濟規模。③產業結構因素。各地第二產業的發展水平直接關系到當地能源利用和污染物排放情況，從而關系到當地節能減排效率。本文選取第二產業產值占地區GDP比重作為產業結構的衡量指標。④制度因素。市場化程度越高，非國有經濟得到的發展越充分，產權制度越明晰，能夠實現的社會經濟效率就越高。本文用各地區國有工業產值與本地區工業總產值之比表示市場化程度，對外開放過程中我國能夠引進先進技術、設備和管理經驗等，一定程度上能夠促進節能減排效率的提升。本文用進出口總額占GDP的比重表示經濟開放度。

基于數據的可得性，本文將2000～2011年我國30個省市作為節能減排效率的決策單元（因西藏數據缺失太多，未納入研究范圍）。投入產出原始數據主要來自歷年的《中國統計年鑒》、《中國能源統計年鑒》、《中國科技統計年鑒》、中經網統計數據庫以及中國資訊行高校財經數據庫。

本研究采用的運算工具為DEAP2.1和FRONTIER4.1軟件。

三、省際節能減排效率測算結果分析

1.第一階段：經典DEA模型的結果分析

本文運用BCC模型，計算得到我國30個省際單位2000～2011年的技術效率（TE）、純技術效率（PTE）和規模效率（SE），結果如表1所示。從表1可以看出，在不考慮外部環境因素和隨機誤差的影響時，中國30個省際單位歷年的節能減排效率即技術效率呈現波動中下降的趨勢，其中2001年和2008年分別出現過暫時的上升。從總體上看，2000～2004年間節能減排效率維持著相對穩定的水平，其后下降趨勢明顯。東中西三大區域的平均效率值也呈現出在相似的波動中下降的趨勢，并且三大區域的節能減排效率表現為東中西部遞減的特征：東部地區的效率一直高于全國平均水平，在波動中平緩下降；西部地區則遠低于全國平均水平，而中部地區在2007年以前高于全國平均水平，2007年以后則低于全國平均水平并且出現大幅下降。我國節能減排效率呈現該特點的原因如下：東部地區依靠經濟實力的支撐、有力政策的扶持及高級人才的涌入，在新能源開發和新技術應用等方面都強于中西部，因此節能減排效率較高；中西部地區經濟發展相對落后，短期內的著力點更主要地落在經濟發展上，對節能減排不夠重視，因此節能減排效率較低；中部地區較之西部地區，在地理位置上更鄰近東部地區，受到的輻射和影響更為顯著，因此節能減排效率高于西部地區。不難發現，這些原因皆包含了一定程度的環境影響和運氣成分，若不加以調整，會造成結果的偏差。

另外，2000～2011年間純技術效率下降迅速，而規模效率則維持在相對穩定的水平。純技術效率和規模效率都呈東中西部遞減格局，中西部地區的純技術效率基本都低于全國水平，但對于規模效率來說，中部地區均高于全國水平而西部地區則遠低于全國水平。大多數省份都處于規模報酬遞增的情形，且對于東部和中部地區而言，規模效率大于純技術效率，這意味著多數省份的技術無效率來源于純技術無效率，而不是規模無效率，因此純技術無效率是制約東部和中部地區節能減排效率提高的主要因素。對于西部而言，2007年之前的規模效率小于純技術效率，2007年之后則是規模效率大于純技術效率，說明近年來節能減排效率低下主要源于純技術無效率，純技術無效率對節能減排效率的制約作用愈發明顯。

表1 2000～2011年我國三大區域節能減排效率比較（調整前）

2.第二階段：SFA回歸分析結果

將第一階段計算得到的各投入變量松弛量作為因變量，將技術進步、經濟規模、產業結構和制度因素作為自變量，分析外部環境變量是否會對投入松弛量產生顯著的影響。如果回歸結果顯示環境變量能夠產生顯著的影響，就應該采用兩步調整法將相關外部影響因素剔除，使每個DMU均處于相同的運營環境和運氣。

回歸分析結果表明，R&D投入、經濟規模、產業結構、市場化程度和開放度均表現出了不同程度的顯著性。僅以2011年為例，5個要素對能源消費松弛變量的影響均通過了顯著性水平為1%的檢驗；R&D投入、經濟規模和開放度對勞動力投入松弛變量也通過了顯著性水平為1%的檢驗，市場化程度則通過了顯著性水平為5%的檢驗；R&D投入、產業結構和開放度對碳排放松弛變量通過了顯著性水平為1%的檢驗；產業結構對資本存量松弛變量通過了顯著性水平為5%的檢驗。這些均說明環境因素對投入冗余存在顯著影響。另外根據回歸系數可知，合理調整產業結構、促進產業結構的升級轉型，加大科研經費投入、開發新技術、確保研發經費的使用效率，提高經濟開放程度、慎重推進市場化等措施都是提高節能減排效率的良好途徑。

顯著性檢驗結果說明環境因素對投入冗余存在顯著影響，因此本階段通過兩步調整法將外部環境變量和隨機因素等剔除，使得所有省際單位面臨相同的運營環境和運氣，以便繼續進行第三階段的調整后的DEA效率測算，從而得到更加準確的結果。

3.第三階段：投入調整后的DEA效率分析

在第一階段之后，本文分析認為若不考慮外部環境、管理無效率和隨機誤差的影響，純技術效率和規模效率可能被低估或被高估；在第二階段相似SFA模型回歸分析結果表明，不同省市間的確存在不同程度的環境影響和運氣成分，并已經通過調整加以消除。本文將運用調整后的投入數量和原始產出數量，重新進行第三階段DEA效率分析，結果如表2所示。從表2可以看出，在剔除外部環境因素和隨機誤差的影響后，各省際單位歷年的節能減排效率依然呈現波動中略有下降的趨勢，其中，2000～2005年各區域節能減排效率相對穩定，2005～2007年緩慢下降，2008年出現了劇烈下降，隨后各區域的效率值均有所回升。三大區域的節能減排效率總體上表現出東中西部遞減的特征，且東部和中部地區一直高于全國平均水平，而西部地區則遠低于全國平均水平。

表2 2000～2011年我國三大區域節能減排效率比較（調整后）

本文認為，技術效率的東中西部遞減特征與經濟實力、人才支撐、政府重視、政策扶持以及區域間溢出效應等因素密切相關；而各區域技術效率的波動中遞減特征則與近年來經濟發展方式有一定的關系。在市場經濟條件下，各省市將環境資源作為免費的公共品，甚至可能出現“公共地悲劇”性質的博弈，從而導致節能減排效率逐年下降。因此，應加強企業和公眾的節能減排、建設“美麗中國”的意識，并逐步將這一理念落實到行動中。

除了2011年，各區域的純技術效率（PTE）基本一致，且都維持著較高水平，甚至在2000～2008年及2010年一直維持在0.99以上，2009年有所下降，2011年則大幅下降，如圖1所示。規模效率（SE）表現出的趨勢則與技術效率（TE）類似，如圖2所示。

圖1 2000～2011年PTE效率變化趨勢（調整后）

圖2 2000～2011年SE效率變化趨勢（調整后）

比較調整前后的效率值可看出，全國各區域節能減排平均技術效率均大幅下降，規模效率下降，而純技術效率卻大幅上漲。由此可見，存在外部環境因素和隨機因素的影響時，各區域的規模效率被顯著高估，純技術效率卻被顯著低估，且被高估的程度高于被低估的程度，從而導致技術效率值被高估。因此可認為規模不經濟才是造成地區節能減排效率低下的原因之一，而非第一階段結果所表明的“節能減排效率低下源于純技術無效率”。

四、空間相關性檢驗

空間自相關（spatial autocorrelation）是指某變量在同一區域內的觀測值之間存在潛在的相互依賴性。本文采用全局Moran’s I指數來測度我國節能減排效率的整體分布狀況，并繪制空間分布地圖來檢驗各省節能減排效率的空間集聚特征。

全局Moran’s I的計算公式為：

其中，Yi和Yj分別表示地區i和j節能減排效率的觀測值，n表示觀測省份的個數所有省份節能減排效率的平均值表示所有省份節能減排效率值的方差，Wij為空間權重矩陣。

Moran’s I的取值范圍為［-1，1］，該值小于零表示存在空間負相關，等于零表示不存在空間相關性，大于零表示存在空間正相關，且值越大表示相關性越強。利用Geoda095i軟件測算出2000～2011年我國各省節能減排效率的全局Moran’s I值，其變動趨勢如圖3所示。

從圖3可以看出，歷年全局Moran’s I指數值均大于0，說明我國各地區節能減排效率在空間分布上相互影響。2000～2011年間，該值在0.24～0.34間波動，其中2004年和2005年出現劇烈下降，隨后又反彈并維持在較高水平，表現出較強的空間正相關性。出現節能減排效率在空間上集聚的原因可以認為是地區本身在經濟、技術等方面發展的不均衡，以及地區間的空間交互作用等。

本文將根據2000和2011年省際節能減排效率值將其分為效率較高、效率中等和效率較低的三大類區域，如圖4所示。

圖3 2000～2011年我國各省節能減排效率空間相關性的全局Moran’s I值數據來源：根據各年度《中國統計年鑒》和《中國環境統計年鑒》計算和整理而得。

從圖4可以看出，東部沿海區域效率一直較高，而西部地區的效率一直較低，東北地區的效率值則有所下降。這不僅與我國各區域不同的經濟實力、人才支撐、政策扶持等因素密切相關，還受區域間溢出效應的影響。中部地區較之于西部地區，在地理位置上更鄰近東部地區，受到東部地區的輻射和影響更為顯著，因此節能減排效率高于西部地區。另外，遼寧、北京和河北等地節能減排效率的下降，通過溢出效應影響了內蒙古，使其效率值進一步降低。

圖4（a） 2000年地區節能減排效率的分布

圖4（b） 2011年地區節能減排效率的分布

五、對策與建議

本文運用三階段DEA模型測算了碳減排約束下的我國省際節能減排效率，并對其空間相關性進行了分析。結果表明，我國節能減排效率總體上表現為東中西遞減特征，并呈現波動中略有下降的趨勢，各區域純技術效率都維持著較高水平，規模不經濟是節能減排效率低下的原因之一；各地區節能減排效率存在空間正相關性。

據此，提出如下對策建議：首先要積極促進產業結構調整。各地區應加快發展第三產業，積極轉變經濟增長方式并促進產業結構調整和升級轉型，同時要大力研發新能源、新材料，并推動戰略性新興產業發展。其次要充分發揮各區域比較優勢。各地區應有效利用自身比較優勢，最大限度地從源頭上提高節能減排效率，如東部地區依托其人才和技術優勢加快產業結構優化升級和轉型，中部地區利用“中部崛起”戰略實現自身快速發展，西部地區依靠其豐富的資源稟賦為東部和中部地區發展提供能源支持，同時要改善地區規模不經濟現象。各地區企業應通過有效的并購重組獲得規模經濟效應，并強化企業管理水平，使其與經濟規模相適應，否則管理無效率會阻礙節能減排效率的提升。最后要通過合作共享促進趨同發展。要加強區域間資源共享及交流合作，實現地區間優勢互補［15］，強化地區間溢出效應，縮小我國各地區節能減排效率的梯度差異，在全國范圍內實現經濟發展與資源節約、環境保護的多贏格局。

［1］張磊，蔣義.促進節能減排的稅收政策研究［J］.中央財經大學學報，2008，（8）：6-11.

［2］王琳，肖序，許家林.“政府-企業”節能減排互動機制研究［J］.中國人口·資源與環境，2011，21（6）：102-109.

［3］剛夢醒.我國節能減排的綜合評價研究［D］.河南：鄭州大學，2012.

［4］何波，郭嗣琮.企業節能減排績效的模糊數學評價模型［J］.能源技術經濟，2012，24（5）：51-55.

［5］李紅錦，李勝會.基于DEA模型的城市化效率實證研究［J］.大連理工大學學報（社會科學版），2010，33（3）：51-56.

［6］李春發，王向麗.我國城市創意產業運營效率測度和評價研究［J］.大連理工大學學報（社會科學版），2013，34（3）：1-7.

［7］于鵬飛，李悅，高義學，等.基于DEA模型的國內各地區節能減排效率研究［J］.中國人口·資源與環境，2010，20（3）：39-42.

［8］孫欣.省際節能減排效率變動及收斂性研究［J］.統計與信息論壇，2010，25（6）：101-107.

［9］余泳澤.我國節能減排潛力、治理效率與實施路徑研究［J］.中國工業經濟，2011，（5）：58-68.

［10］趙成柏，毛春梅.我國地區節能減排效率的差異及影響因素研究［J］.中國科技論壇，2012，（6）：102-108.

［11］FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity A-nalysis，2002，17（1）：157-174.

［12］羅登躍.三階段DEA模型管理無效率估計注記［J］.統計研究，2012，29（4）：104-107.

［13］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952～2000［J］.經濟研究，2004，（10）：35-44.

［14］SIMAR L，WILSON P W.Estimation and inference in two-stage，semi-parametric models of production processes［J］.Journal of Econometrics，2007，136（1）：31-64.

［15］李強，徐康寧，魏巍.自然資源、地理位置與經濟增長——基于2000～2010年省級面板數據的分析［J］.東北大學學報（社會科學版），2013，15（3）：251-257.