我國工業能源效率及其影響因素分析

徐 勝，李曉璐

（中國海洋大學 經濟學院，山東青島 266100）

0 引言

近年來，我國工業發展維持較高水平，從工業增長指標來看，2000～2013年，工業平均增長速度為10.55%，2013年工業拉動的國內生產總值增加值為3.06%，占整個第二產業拉動增長值百分點的82.7%。統計資料顯示，我國工業消費量由2005年的263458萬噸標準煤增加至2012年的443216萬噸標準煤，8年間工業能源消費量增加了68.23%，年平均增長率為6.72%，超過GDP增長率速度，充分表明工業增長以消耗大量能源為代價。從地區差異來看，省際工業能源利用情況也有較大差異。在2009～2013省際年均每單位GDP所需能耗比較中，最高的寧夏回族自治區單位GDP能耗為3.6噸標準煤/萬元，而單位能耗最低的北京市、廣東省均為0.7噸標準煤/萬元，前者單位能耗為后者5.14倍，足見在我國工業轉型過程中地區之間的發展狀況、能源利用效率存在較大差異。

針對能源利用效率的不同導致了地區間工業發展水平差異較大的現象，本文在政策因素之外，主要對工業能源效率及其影響因素進行分析。目前相關研究主要成果是對工業能源效率的測度及其影響因素分析，在地區節能潛力的測度及區域能源效率比較分析方面還存在較大探索空間。本文將在投入距離函數分析框架下建立一個關于能源過度投入的隨機前沿模型使用DEA數據包絡分析法研究省際工業能源效率、測算了2009～2013年間省際節能潛力，基于工業能源效率及節能潛力，分析地區間差異，建立Tobit模型對工業能源效率影響因素進行分析。

1 模型的建立及指標的選取

1.1 模型的建立

DEA（數據包絡分析）可用于評價多投入、多產出的決策單元之生產（經營）績效。假設有N個決策單元，每個決策單元使用M種投入得到S種產出，用向量xi和yi分別表示DMU的投入和產出。M×N為投入矩陣X，S×N為產出矩陣Y，用它們來表示N個決策單元的所有數據，則第i個決策單元的效率可以轉化為求解以下線性規劃問題:

式（1），θ為標量;λ為N×1的常向量，解出來的θ值即為第i個決策單元的效率值。根據Farrel(1957)的定義，滿足θ≤1。當θ=1時，意味著該決策單元在前沿面上，為技術有效。

根據上述分析，可定義全要素能源效率EEi,t及節能潛力SPE i,t：

其中EEi,t代表i地區t時期內的能源效率；AEIi,t代表i地區t時期內的實際能源消耗；LEIi,t代表i地區t時期內損失的能源投入量，即可節約的能源投入；TEIi,t代表i地區t時期內目標能源投入量。用DEA方法可計算出投入量的目標值，其與投入變量實際值的比值即為能源效率，即式（2）；投入實際值與投入目標值的差額即為投入冗余量，其與投入實際值的比值可以衡量各地區工業生產中節能空間的大小，即式（3）。

1.2 指標的選取

1.2.1 投入指標的選取

由于本文研究對象為省際全要素能源效率，因此選擇30個省市的省際工業能源投入與產出數據，由于統計年鑒中西藏省數據缺失，故而排除在外。鑒于數據的可獲得性，本文將投入指標選取2009～2013年工業增加值；由于測算的是全要素能源效率，因此選取勞動力、資本、能源三方面指標，即2009～2013年工業就業總人數（萬人）、能源工業投資（億元）、能源消耗量（萬噸標準煤）。

（1）勞動力指標：選取30省市2009～2013年工業就業人口，鑒于數據可獲得性，選取電力、制造業、采礦業就業人口之和作為衡量指標，單位為萬人。

（2）資本指標：選取30省市2009～2013年能源工業投資量作為工業投入資本指標，單位為億元。

（3）能源指標：能源投入用各省份的工業終端能源消費總量來衡量，計算方法是將各省份主要消費的能源種類(包括煤炭、石油、天然氣、熱力、電力等)換算為統一的單位(標準煤)加總而得。選取30省市2009～2013年能源消費總量作為能源投入指標，單位為萬噸標準煤。

1.2.2 產出指標的選取

由于測算對象為省際工業全要素能源效率，因此選取30省市工業增加值作為產出指標，根據《中國統計年鑒》、《中國能源年鑒》等現已公開的資料，選取2009～2013年數據進行分析。

2 工業全要素能源效率及節能潛力的實證分析

2.1 省際能源效率與節能潛力實證

2.1.1 省際工業全要素能源效率的測算與比較分析

根據前文中對于省際工業全要素能源效率測算模型，代入相應勞動力、資本、能源三方面投入指標及產出指標，使用DEAP2.1軟件可計算出全國30省市自治區（不含西藏）2009～2013年的工業全要素能源效率，結果如表1所示。

由DEA數據包絡分析法知，全要素能源效率為1的DMU為有效DMU。表1為東、中、西各省市2009～2013年全要素能源效率計算結果。經整理可知，按照五年平均全要素能源效率排序在前十位的省市自治區，工業能源效用效率較高，其中東部省份占60%，分別為江蘇、廣東、河北、浙江、天津、上海；中部和西部省份各占20%，分別為內蒙古自治區、廣西自治區和江西省、河南省。按照四年平均全要素能源效率排序在后十位的省市自治區中，60%為西部省份，分別為青海省、新疆維吾爾自治區、云南省、甘肅省、寧夏回族自治區、貴州??；中部和東部地區各占20%，分別為黑龍江省、山西省及北京市、海南省。東、中、西部地區2009～2013年平均工業全要素能源效率如表2所示。

表1 東、中、西各省市自治區2009～2013年全要素能源效率

表2 2009～2013年東、中、西部地區能源效率表

由表2可知，東部地區平均工業全要素能源效率顯著高于中、西部地區，經計算可知，2009～2013年東、中、西部地區平均能源效率分別為 0.706、0.767、0.745、0.771、0.783。2009～2013年的五年中，東部地區能源效率由0.806提高至0.858，中部地區由0.689提高至0.801，西部地區由0.622提高至0.691。到2013年，工業能源效率的平均值上升到0.783，年均增長速度為2.09%。中部地區的工業能源效率與東部地區工業能源效率成縮小趨勢，同時，西部地區能源效率水平較為平穩，與東部與西部地區差異較大。2009年，東部地區平均工業能源效率為0.806，比中部地區高0.117，占中部能源效率的16.98%；比西部地區高0.184，占西部能源效率的29.58%。到2013年，東部地區與中部地區的絕對差異僅為0.057，占中部能源效率的7.12%；而與西部地區差異為0.167,占西部能源效率的24.17%，可見東部和中部地區省際工業能源效率的差距縮小較大，而東西部地區省際工業能源效率的絕對差距縮小，但縮小幅度不大。

2.1.2 節能潛力的測算分析

根據前文的定義，計算i地區t時期內的節能潛力SPEi,t的公式如下：

AEIi,t代表i地區t時期內的實際能源消耗；LEIi,t代表i地區t時期內損失的能源投入量（投入冗余量），即可節約的能源投入。其中，LEIi,t=AEIi,t-TEIi,t，即實際消耗值與目的消耗值之差。同時，為衡量地區可節約能源量對全國節能量的影響，用i地區t時期內的可節能量占全國比重LPCi,t表示。

節能潛力SPEi,t與可節能量占全國比重LPCi,t都可由表1中數據經計算得到，此處不對計算結果一一列示，僅對結果予以分析。

通過截面數據的橫向比較可見，同年份中重工業占比大的省份投入冗余量占全國比重較大。從節能潛力看來，西部、中部地區的節能潛力大于東部地區，說明中西部地區通過提高能源效率來減少能源投入量的節能空間較大。通過時間序列數據的縱向比較可見，東部地區節能潛力呈縮小趨勢，表明其能源效率呈上升趨勢，這與前文分析相符；中部地區節能潛力穩中有升，也說明能源效率有所提高；而西部地區節能潛力變化不大，較中部、東部地區而言較大，說明能源效率沒有明顯提高，節能空間仍然較大。

在地區差異方面，比較經計算得出的2009-2013年東、中、西部地區平均可節能量占全國比重可知，西、中、東部地區可節能量呈現遞減趨勢，西部可節能量占比高達39%，中部為34%，東部為27%。即西部地區由于較低的工業能源效率導致其存在較大節能潛力。因此在地區工業發展過程中，應著力找出工業能源效率影響因素，通過提高其能源效率降低其工業發展過程中的投入冗余，降低工業成本，推動地區工業轉型，縮小東西部差距。

2.2 基于Tobit模型的能源效率影響因素分析

2.2.1 模型設定

分析省際工業全要素能源效率影響因素，以DEA方法求解所得效率值為被解釋變量，以影響能源效率的各因素為解釋變量構建回歸模型。由于DEA方法所得效率值為介于0至1之間的受限值，因此選擇受限因變量回歸模型—Tobit模型進行分析。

Tobit模型設定如下:

當給出被解釋變量一個數量指標界限值時C時，就會有截斷數據存在，則（4）式可寫為:

假設模型誤差項服從N(0，σ2)分布，Tobit模型可表示為:

2.2.2 指標選取與數據說明

本文在研究影響省際工業能源效率的指標時，選取以下幾個指標：

（1）企業規模。以各省規模以上企業單位數（個）與規模以上企業實收資本（億元）表示企業規模。

（2）外商投資。以各省外商及港澳臺商投資工業企業實收資本(億元)與規模以上工業企業數量（個）的比值作為衡量指標。

（3）產業集中度。行業集中度一般用Herfindal指數表示，由于本文是基于省級層面規模工業的實證研究，已有數據無法支持該指標的計算，而行業集中度概念為指某行業的相關市場內前N家最大的企業所占市場份額（產值、產量、銷售額、銷售量、職工人數、資產總額等）的總和，故采用各省大中型工業企業增加值所占比重衡量行業集中度。因此選用大中型企業銷售產量（億元）與規模以上企業銷售產量（億元）的比值作為衡量指標。

（4）技術進步。本文選取各省規模工業“R＆D支出”表示技術進步對能源效率的影響。

2.2.3 Tobit模型結果分析

使用STATA12.0軟件將相關指標數據做省際工業能源效率與影響因素回歸分析，其中EE代表省際能源效率，SC代表企業規模，OP代表工業企業對外開放程度，IC代表行業集中度，RD代表技術進步。結果如下表3：

表3 Tobit模型結果

（1）據表3的Tobit回歸結果顯示，企業平均規模與工業全要素能源效率呈正相關關系，回歸系數0.0278828，在1%顯著性水平下與工業能源效率正相關?？梢娖髽I規模是決定能源利用效率的一個重要因素，能源使用同其他要素一樣存在著規模收益特征。

（2）以各省外商及港澳臺商投資工業企業實收資本與規模以上工業企業數量的比值作為工業對外開放程度的衡量指標，其與工業全要素能源效率的回歸系數為0.0323362，在1%顯著性水平下與工業能源效率正相關。外商直接投資提高我國能源效率主要原因有兩個方面：首先，外商直接投資帶來了先進的技術、設備、研發能力和管理經驗,直接促進我國工業部門能源效率的提高；其次，外商投資進入主要通過競爭迫使國內同類企業采取更有效率、更先進的生產和管理手段，必然會使得資源流動重置而進入更高效率的企業。

（3）以大中型工業企業與規模以上工業企業銷售產量的比值表示的產業集中度與工業全要素能源效率的回歸系數為-0.0711897，在1%顯著性水平下與工業能源效率負相關。高產業集中度在一定程度上意味著壟斷程度的加劇，市場占有率高的企業可以憑借其壟斷地位占有廉價資源，進而具有較高的市場定價權，這會導致企業缺乏通過提高能源效率來節約投入量，從而降低成本的動機，不利于企業能源效率的提高。而由于市場占有率較高的企業對整個產業的影響能力較大，因此其較低的能源效率會導致整個地區能源效率偏低。從Tobit回歸分析可見，產業過度集中會使市場地位較高的企業缺乏節約能源的動力，從而不利于能源效率的提高。

（4）以R＆D支出表示的科研經費投入所代表的工業技術進步與工業全要素能源效率的回歸系數為0.0002513，在1%顯著性水平下與工業能源效率正相關，但相關系數較小。R＆D投資作為技術進步的直接度量，不僅會產生新的發明創造，帶來新的技術、工藝的創新，也會產生過程創新。技術進步能節約一種或者幾種要素或者改變要素結合的方式，從而節約能源，提高能源效率。因此技術進步是工業部門能源效率上升的重要原因，即技術進步與能源效率成正相關關系，之所以相關系數較小的原因，可能是由于考慮到數據的可獲得性，本指標選取的數據為所有領域科研投入，而非工業這一產業的科研投入。

綜上，工業企業規模、外商投資、技術進步對能源效率有正向影響，分別為0.0278828、0.0323362、0.0002513。工業能源效率變化具有明顯的工業經濟轉型特征。通過對比分析2009～2013年間省際工業能源效率發現，開放程度高、競爭性強的行業的能源技術效率較高，而開放程度低、高壟斷度的行業能源效率水平較低。

3 結論

本文主要測度了工業能源效率及節能潛力，并對能源效率影響因素做出研究，結論表明：

在工業能源效率和節能潛力的測度中，本文將全要素工業能源效率定義為前沿技術水平下的有效能源投人與實際投人之比，節能潛力定義為在現有前沿技術條件和保證既定產出的前提下通過消除技術非效率而可節約的能源投入。研究發現五年中我國省際工業能源效率地區之間差異較大，總體呈動態改進趨勢。在地區差異方面，西部可節能量占比最高，達39%，中部次之，東部最低，即西部地區由于較低的工業能源效率導致其存在較大節能潛力。因此在地區工業發展過程中，應著力找出工業能源效率影響因素，通過提高其能源效率降低其工業發展過程中的投入冗余，降低工業成本，推動地區工業轉型，縮小東西部差距。

在工業能源效率影響因素的研究中，本文使用Tobit模型進行分析研究，模型選取了企業規模、外商投資、產業集中度、技術進步四個要素。實證結果表明，工業企業規模、外商投資、技術進步對能源效率有正向影響，外商投資影響程度較大，科研投入作為坐標所衡量的技術進步影響較小，原因可能為所選取的數據為省際科研投入總額而非工業科研投入額，因此呈現較小的系數；產業集中度對能源效率的提高體現為負向影響，產業過度集中化不利于在合理的競爭中釋放企業的節能動力，因此適當的競爭有利于能源效率的提高。此外，從LPCi,t指標分析結果可知，重工業的能源投人效率變化主導了總體工業效率變化，因此促進產業結構轉型升級也是提高工業能源效率的重要途徑。

[1]Boyd G A,Pang J X.Estimating The Linkage Between Energy Efficiency and Productivity[J].Energy Policy,2000,(28).

[2]Halil I C,Buyuktahtak?n I E.A Mixed-Integer Optimization Model for The Economic and Environmental Analysis of Biomass Production[J].Biomass and Bioenergy,2014,(67).

[3]史丹,吳利學,傅曉霞,吳濱.中國能源效率地區差異及成因—基于隨機前沿生產函數的方差分解[J].管理世界,2008,(2).

[4]屈小娥.中國省際工業能源效率與節能潛力:基于DEA的實證和模擬[J].經濟管理,2011,(7).

[5]何曉萍.中國工業的節能潛力及影響因素[J].金融研究,2011,(10).

[6]唐玲,楊正林.能源效率與工業經濟轉型——基于中國1998～2007年行業數據的實證分析[J].數量經濟技術經濟研究,2009,(10).

[7]吳巧生,成金華.中國工業化中的能源消耗強度變動及因素分析—基于分解模型的實證分析[J].財經研究,2006,(6).

[8]王玉潛.能源消耗強度變動的因素分解方法及應用[J].數量經濟技術經濟研究,2003(8).

[9]楊正林,方齊云.能源生產率差異與收斂:基于省際面板數據的實證分析[J].數量經濟技術經濟研究,2008,(9).

[10]Yang Z L,Fang Q Y.Energy Productivity Differences and Convergence-Based on The Empirical Analysis of Provincial Panel Data[J].Beijing:The Journal of Quantitative&Technical Economics,2008,(9).