中國省際能源效率測算與比較

王琛+孫玉環?お?

〔摘要〕本文基于三階段DEA模型測算2008—2012年中國29個省份能源效率狀況，描述其整體動態變化趨勢，并分析省際能源效率的影響因素。研究發現，2008—2012年中國整體能源效率呈上升趨勢，與規模效率變化趨勢一致；各省份能源效率差異顯著，其中大部分省份都呈現出規模報酬遞增，表明能源投入規模不足；產業結構和科技進步都對能源效率產生影響，各地區應當加快產業結構優化步伐，并加大科研經費投入。

〔關鍵詞〕能源效率；規模效率；純技術效率；三階段DEA模型

中圖分類號：F0641文獻標識碼：A文

章編號：10084096（2016）02003407

一、問題的提出

能源是人類生產與生活的基礎和社會進步與發展的重要保障。改革開放以來，中國經濟飛速發展，但高投入低產出的粗放型生產模式使得能源問題日益加劇。當前，中國正處于由能源大國向能源強國轉型的歷史關鍵時期，面臨諸多問題與挑戰。從國際來看，能源競爭日益激烈，全球能源供給矛盾更加突出，全球能源市場波動風險加劇，發達國家掌握價格主導權，發展中國家面臨市場波動帶來的風險與壓力加大，中國作為最大的發展中國家，正面臨著溫室氣體減排和低碳技術產業競爭的雙重挑戰。從國內來看，中國能源供應量嚴重不足，粗放式的經濟發展模式使得中國能源需求增長過快，但中國化石能源無法實現可持續供應，煤炭等能源已經超過開采強度；能源基礎設施建設滯后，區域能源發展不平衡；中國能源企業自主創新能力不足，與世界發達國家技術水平相比仍有很大差距；體制制約能源產業發展，市場價格機制不健全，壟斷、無序競爭問題突出。

因此，“十二五”規劃綱要提出了明確的控制能源消費強度和消費總量的節能減排目標，2014年政府工作報告中也指出要加快推動能源生產和消費方式變革，加大節能減排力度。世界能源委員會對節能的定義是采取技術上可行、經濟上合理、環境和社會可接受的一切措施，來提高能源資源的利用效率。能源效率也被稱為“第五類能源”，提高能源利用率是節能減排的根本措施。

世界各國越來越重視能源效率的研究，不同國家的學者已經做了許多探索工作，并且成果豐碩。能源效率的國際性比較有助于了解各國降低能源強度的潛力，因而能源強度的國際性比較愈來愈引起科學及政治上的關注 [1]。Miketa和Mulder[2]研究了56個發達國家和發展中國家的10個制造業部門，認為能源效率差異普遍存在于國家、地區和部門之間，國家、地區、部門之間的能源效率都存在著局部的收斂性。Hu和Wang[3]運用簡單DEA模型進行測算，發現1995—2004年中國能源效率呈倒U型，轉折點出現在1999—2002年之間。此外，省際能源效率差距自1999年后逐年拉大，與魏楚和沈滿洪[4]研究結論一致。然而，孟昌和陳玉杰[5]研究1995—2010年中國能源變化趨勢時卻得到了不同結論：中國能源效率具有弱周期性，整體呈下降趨勢而不是倒U型，只有局部出現倒U型。Song 等[6]運用Super-SMB模型估算1992—2010年中國能源效率并分析了能源效率的現狀，發現中國能源效率整體上呈緩慢上升趨勢，說明政府已經采取了一些有效的節能措施。Wei等[7]利用DEA模型研究中國省際能源效率，發現東、中、西部地區之間能源效率存在顯著差異，東部地區能源效率最高。

學者們所提出來的影響能源效率的因素，歸納起來主要有以下四種：第一，技術進步。技術進步是能源效率的外生影響因素 [8]，楊杰和宋馬林[9]通過麥氏指數和回歸分析，發現技術進步、對外開放、產業結構等均有助于省際能源效率的提升。王群偉等[10]進一步論證科技進步、技術效率和能源效率三者之間關系，發現三者之間具有長期穩定的均衡關系，科技進步和技術效率對能源效率的改善均具有正向的積極作用。第二，政策機制。政府干預對提高可持續能源發展和能源效率十分重要[11]，Geller等[12]比較了日本、美國和西歐等國家和地區的能源效率政策并具體分析美國加州能源政策，發現適宜的能源政策可以顯著提高能源效率，從而有效地節約能源。Zhang等[13]在全要素理論框架下，比較了1980—2005年25個發展中國家的能源效率，并通過具體研究中國能源效率變化趨勢，發現有效的政策對提高能源效率起至關重要作用。第三，能源價格。Fisher等[14]研究1997—1999 年中國工業企業面板數據，發現相對上漲的能源價格是導致中國能源強度下降的原因之一。Hang和Tu[15]也認為提高能源價格是提高能源利用率的一種有效手段，但是在提價過程中能源供應安全和燃料匱乏必須考慮。第四，企業管理。Song 等[16]通過研究中國經濟增長與能源消耗的關系，發現加強企業管理也有助于節約能源，提高能源效率。Cui 等[17]用DEA模型和麥氏指數研究了9個國家的能源效率并分析其影響因素，發現管理可以通過影響純技術效率來影響能源效率。

數據包絡分析（Data Envelope Analysis，簡稱DEA）作為一種可以準確評價經濟體效率且操作簡單的非參數統計方法，被廣泛應用于能源效率問題研究中。由于傳統的DEA模型將松弛變量的產生原因都歸為內部管理因素，忽視環境變量和隨機誤差的影響，而三階段DEA模型可以剔除環境變量和隨機誤差的影響使測量結果更加準確，能相對真實地描述各地區能源效率狀況和變化趨勢，本文將采用三階段DEA模型測算中國各省份能源效率，并通過比較中國省際能源效率的差距，分析影響能源效率的因素并提出相關政策建議。

二、指標選取與數據來源

為了科學、客觀地測算中國環境能源效率，本文遵循全面性、客觀性、獨立性和可操作性的原則，分別選取投入指標、產出指標以及外部影響環境變量。

1投入指標

投入指標包括人力、能源和資本三個方面的投入。人力資源主要考慮各地區參加能源利用過程中的人力成本投入，以各地區期末從業人員作為衡量地區人力資源的投入指標。能源投入主要考慮各地區在一定時間內消耗能源的數量，以各地區年末能源消費量表示。資本投入使用各地區資本存量。由于不能直接獲得各地區資本存量數據，因而采用永續盤存法來估算各地區年末資本存量。參考張軍等[18]的研究，計算公式為Ki，t=Ii，t+（1-σi）Ki，t-1。其中，Ki，t表示i地區第t年末的資本存量，Ii，t表示i地區第t年的投資，σi表示i地區固定資產折舊率。

2產出指標

在選取產出指標時需要同時考慮經濟產出和環境產出兩個方面。第一，經濟產出。主要指能源投入對地區工業和經濟產生的效益，選用工業生產總值和地區GDP來度量。第二，環境產出。采用碳排放量來衡量能源在利用過程中對環境的影響。由于不能直接獲得地區碳排放量數據，借鑒蔣金荷[19]的方法進行估算，計算公式為Ti，t=∑8j=1Ei，j，t×fj×cj（j=1，2，，8）。其中，Ti，t表示i地區第t年的碳排放量，j表示化石燃料種類，分別為煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣，Ei，j，t表示i地區第t年對第j種能源消費量，fj表示j種能源標準煤折算系數，cj表示j種能源的碳排放系數。

3環境變量

環境變量又稱為外部影響環境變量，是指能夠影響能源效率但不在主觀可控范圍的因素，通常是指管理者在短時間內無法改變或不容易改變的變量。根據地區能源效率的自身特性，選取科技進步和產業結構作為環境變量。科技進步是影響能源效率的重要指標，通過推廣與應用節能產品，可以大大降低能源的浪費，而先進的能源轉換技術又可以提高能源轉化效率。以R&D經費投入強度，即各地區R&D經費支出占地區GDP比重，作為衡量地區科技進步的指標。其中，R&D經費主要指企業在產品、技術、材料、工藝、標準的研究和開發過程中發生的各種費用。由于在三大產業中第二產業的能源消耗最大，以第二產業GDP占地區GDP百分比作為度量地區產業結構對能源效率的影響因素。

4數據來源與處理

本文選取中國29個省份的能源相關數據進行測算。由于西藏數據不完整而未進行分析，由于重慶1997年才被劃為直轄市，不能獲得之前年份的資本存量數據，因而將重慶數據合并到四川數據中進行分析。各省份年末能源消費總量和不同種類能源消費量數據來源于《中國能源統計年鑒》，R&D經費投入強度數據來源于《中國科技統計年鑒》，其余數據均來源于《中國統計年鑒》。

三、實證分析

1第一階段傳統的DEA模型分析

傳統的DEA模型分為投入導向模型和產出導向模型，由于產出變量很難控制，在本階段采用投入導向的規模可變DEA模型，其實質是將計算決策單元的效率問題轉化為線性規劃問題，將各個決策單元投影到DEA前沿面上，通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性。運用MaxDEA50分別得到2008—2012年中國29個省份技術效率及規模報酬狀況，結果如表1所示。

在不考慮環境變量和隨機誤差影響的情況下，分析中國各省份初始能源效率。在規模效率方面，樣本期間內中國能源效率的規模效率總體水平較高，均不低于0970，從趨勢上看略有下降，但降幅很小。具體而言，每年中國約有1/3省份的規模效率為1，其中，北京、廣東、海南、江蘇、內蒙古、山西、陜西和浙江連續五年都是規模有效的。2008—2011年，規模報酬遞減的省份約占三成，2012年規模報酬遞減的省份數量驟降為4個，規模報酬遞增的省份有所增加。在純技術效率方面，中國能源利用的純技術效率得分2009年最高，為0932，然后開始呈現逐年小幅下降趨勢。各年份純技術效率得分均低于規模效率得分，在一定意義上說明中國各省份能源效率在純技術方面尚有很大的提升空間。在技術效率方面，2008—2012年中國各省份能源利用的技術效率呈下降趨勢，2009年微幅上漲后開始小幅下降，波動走勢與純技術效率變動趨勢基本一致，純技術效率代表由管理或技術等因素影響的效率，由此也可以說明技術無效主要來源于純技術無效，而不是規模無效。

將中國29個省份按照傳統方法劃分為東、中、西部地區，比較其能源效率。其中，東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南，中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南，西部地區包括內蒙古、廣西、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆。中部地區規模效率均值最大，其次是東部地區，西部地區規模效率均值最小且低于全國平均水平。此外，盡管中部地區規模效率均值高于東部地區，但規模效率為1的省份大多集中在東部地區。東部地區純技術效率明顯高于其他兩個地區，中部地區次之，西部地區純技術效率最低。與總體平均水平相比，只有東部地區純技術效率高于全國平均水平，且東部地區多個省份純技術效率均達到最大值1。在能源效率方面，中國能源效率從東到西呈下降態勢，東部地區技術效率明顯高于全國水平，中部地區技術效率則與全國平均水平持平，西部地區技術效率則最低，這與中國三大地區經濟發展狀況基本相符。其中，北京、廣東、海南、江蘇、浙江、山西、內蒙古和陜西能源效率為1，處于有效生產前沿；規模報酬遞減的省份有河北、河南、遼寧和山東，其余省份規模報酬遞增。

2第二階段隨機前沿分析

由第一階段測算結果可以看出，中國各省份能源效率無效主要是由純技術無效造成的，但此階段沒有剔除環境變量和隨機誤差的影響，結論可能并不準確。為準確測算中國各省份能源效率，在第二階段采用隨機前沿分析方法（SFA）分離環境變量和隨機誤差造成的影響。將第一階段各省份投入變量的松弛量（徑向松弛量和非徑向松弛量）作為被解釋變量，解釋變量為R&D經費投入強度和第二產業GDP占地區GDP百分比兩個環境變量，利用軟件Frontier41進行SFA回歸分析，回歸結果如表2所示。

由表2可以看出，每個似然比LR單邊檢驗在99%的置信水平上顯著，說明混合誤差項中存在技術無效，因而有必要采用隨機前沿分析。其中，γ=σ2ui/σ2ui+σ2vi表示技術無效導致的誤差占總誤差的比重，由結果可以看出，γ值均高于0750，且通過了1%的顯著性檢驗，表明技術效率存在差異，進一步證明采用隨機前沿分析的必要性。同時，根據γ值也可以說明技術無效率對投入變量的松弛變量產生的影響更大，隨機誤差影響很小。

松弛變量是指可以通過管理手段減少的投入無效。第二階段是環境變量對各投入變量的松弛變量進行回歸，因而當回歸系數為正值時，表明增加環境變量可以使松弛變量增加，即不利于減少投入變量的浪費；當回歸系數為負時則相反。

由表2可以看出，R&D經費投入強度對從業人數、能源消費量和資本存量的松弛變量回歸都顯著，說明可以通過調整各地區R&D經費投入強度來影響各投入變量的松弛變量，進而影響各地區能源效率。同時，R&D經費投入強度對各投入變量的松弛變量的回歸系數均為負值，表明地區R&D經費投入強度越大，投入變量的浪費越小，地區能源效率越高。第二產業GDP占地區GDP百分比與從業人數和資本存量的冗余變量呈顯著正相關，說明在產業結構中，第二產業比重越大，人力和資本的浪費越多。第二產業GDP占地區GDP百分比對能源消費的松弛變量的回歸顯著且系數為負值，說明第二產業比重越大，能源消費的浪費反而少。但是比較回歸系數發現，第二產業占地區經濟比重對投入變量的松弛變量的正向影響大于負向影響，因而可以通過降低第二產業比重來提高地區能源效率。

3第三階段調整后的DEA模型

由第二階段SFA回歸分析可知，不同環境變量對能源效率的影響方向不同，包含環境變量和隨機誤差影響的能源效率評價結果是不準確的，因而需要利用第二階段的結果調整原來的投入變量，使各決策單元處于相同的外部環境，再次利用DEA模型測算中國省際能源效率，結果如表3所示。

整體而言，除2010年規模效率略有下降外，樣本期間中國能源利用的規模效率基本呈增長趨勢，但漲幅較小。純技術效率整體水平呈下降趨勢但波幅很小，數值接近于最大值1，且有多個省份連續五年純技術效率為1。同時，剔除環境變量和隨機誤差影響后，純技術效率明顯高于規模效率，與第一階段結論相悖。從整體來看，2008—2012年中國整體能源利用的技術效率呈上升狀態，波動趨勢與規模效率變動趨勢基本一致，而不是與純技術效率一致，說明技術無效主要源于規模無效，而不是純技術無效。此外，此結論與第一階段結論相反，表明環境變量和隨機誤差可以顯著影響對純技術效率和規模效率的測算。廣東、江蘇、內蒙古、山東和山西連續五年是規模有效的；樣本期間大部分省份都是規模報酬遞增的，表明大部分省份在資源投入方面存在不足；只有河北在2009—2011年是規模報酬遞減的。

靜態分析2012年中國區域能源效率均值。從規模效率方面看，東部地區規模效率最高，中部地區次之，西部地區最低，三大地區規模效率均值由東到西依次遞減，全國平均水平與中部地區持平。此外，可以明顯看出規模效率低于純技術效率。在純技術效率方面，東、中、西部三大地區相差不大，且數值都較大，接近于1；約有一半的省份純技術效率為1，這些省份主要分布于東部地區。三大地區的能源效率差異顯著，并且與純技術效率地區差異趨勢相同，東部地區最高為0784，其次是中部地區，西部地區最低僅為0685，全國水平和中部地區能源效率基本持平為0745左右。廣東、江蘇、內蒙古、山東和山西能源效率達到1，處于能源利用有效前沿上；其余省份規模報酬遞增，說明應當加大投入，擴大規模，從而實現規模效益；2012年沒有規模報酬遞減的省份。

按照能源利用效率將中國29個省份劃分為高效利用、一般利用和低效利用（結果如表4所示），可以看出中國省際能源效率差異顯著，效率最低的省份為海南，其效率僅為0206，而能源效率最高的省份其效率可以達到1。按照能源效率水平高低將中國29個省份劃分為高效利用、一般利用和低效利用，結果如表4所示。其中，能源效率在0900以上的省份有8個，能源效率不超過0500處于低效率利用的省份有3個，其他18個省份的能源效率介于0510到0900之間，處于一般利用效率水平。總的來看，能源效率在傳統的東、中、西部三大地區，呈現東部地區效率高、西部地區效率低的趨勢，不過西部地區的內蒙古以及中部地區的山西和河南三個省份能源效率處于高效利用，而東部地區的海南能源效率則居29個省份的最后，表明能源效率不僅受地域差異的影響，同時也受到各省份能源資源稟賦、科技進步、產業結構等因素的影響。

第三階段的DEA模型是剔除了環境變量和隨機誤差影響進行的，即各決策單元處于相同的外部環境，下面具體分析這兩個階段存在的差異。首先，

比較中國29個省份樣本期間規模效率第一階段和第三階段的變化可以看出，第三階段的規模效率明顯低于第一階段，說明在第一階段規模效率被高估，且剔除環境因素和隨機誤差影響后各省份規模效率差距明顯拉大。研究三大地區調整前后規模效率發現，中部地區和西部地區的規模效率調整后都明顯變小，東部地區少數省份調整后的數值變大。同時，對比結果發現，第一階段規模效率為1的省份個數明顯多于第三階段，說明環境變量對規模效率的影響是消極的。其次，

比較研究第一階段和第三階段各省份純技術效率均值可以看出，調整后各省份純技術效率均值差異變小，數值變大且更接近1，說明在第一階段純技術效率被低估。少數省份純技術效率調整前后沒有發生太大變化，部分省份純技術效率變化較大，如河南、黑龍江、湖北、湖南、甘肅、廣西、貴州、四川和新疆等省份純技術效率明顯上升，而上海調整后的純技術效率微幅下跌。東部地區調整前后純技術效率差異較小，中、西部地區調整前后差異較大。整體而言，環境變量對純技術效率的影響是正向的。

至于技術效率方面，大部分省份調整后的技術效率明顯下降且各省份之間差距拉大，說明在第一階段高估了各省份能源效率；在第三階段控制外生變量和隨機誤差后，規模效率和純技術效率差距拉大，技術效率出現較大幅度變化，說明環境變量對技術效率影響顯著且負相關。同時，調整后能源效率變低主要是由規模效率變化造成的，能源效率波動與規模效率波動一致，這與第一階段得出的結論相悖。剔除環境變量和隨機誤差影響后，各省份能源效率測算更加客觀準確，可以更好地反映各地區能源利用情況。規模報酬方面，第一階段規模有效的省份個數明顯多于第三階段，且第三階段沒有規模報酬遞減的省份。

四、研究結論與政策建議

基于剔除環境變量和隨機誤差影響的三階段DEA模型測算中國省際能源效率，得出以下研究結論和政策建議。

1研究結論

中國整體能源效率呈上升狀態，波動趨勢與規模效率變動趨勢基本一致。在相同的外部環境和隨機誤差影響下，動態分析顯示中國各地能源效率不斷增長，但波動幅度較小，與Song等[6]研究結論一致。能源效率與規模效率變化趨勢一致，說明中國能源效率的無效主要是由規模無效造成的，而不是純技術無效造成的。純技術效率整體下降但波動幅度不大，純技術效率都較大且接近1。

科技進步可以提高能源效率。通過第二階段隨機前沿分析發現，R&D經費投入強度對各投入變量的松弛變量的回歸顯著且回歸系數為負值，說明增加科研經費的投入可以減少投入變量的浪費，從而提高能源效率，也就意味著科學進步對提升能源效率具有推動作用。

調整產業結構是提高能源效率切實有效的手段之一。本文選用的另一個環境變量是第二產業GDP占地區GDP百分比，以此代表不同地區產業結構。通過SFA回歸發現，第二產業GDP占比越大，投入變量的松弛變量就越大，產業結構對能源效率影響顯著。這是因為第二產業主要由工業構成，工業企業運營模式大多高投入低產出，極易造成能源浪費。

不同區域能源效率存在明顯差異。靜態分析中國能源效率發現，全國各省份能源效率差異很大，分布較為離散。三大地區能源效率差異顯著，東部地區能源效率最高，其次是中部地區，西部地區能源效率最低。結合以前學者研究結論發現，這種分布狀況一直存在。能源利用高效率的省份大多集中在東部地區，西部地區各省份能源效率相對較低。

中國絕大多數省份規模報酬遞增。第三階段剔除環境變量和隨機誤差影響后分析規模報酬顯示，中國絕大部分省份規模報酬遞增，說明其投入規模不足。廣東、江蘇、內蒙古、山東和山西連續五年是規模有效的；規模報酬遞減的情況只在2009—2011年的河北出現過。

2政策建議

增加能源投入，擴大投入規模從而提高利用率。從前文分析發現，規模效率偏低是制約能源效率提高的重要因素，技術無效主要源于規模無效，同時中國絕大多數省份規模報酬都是遞增的，說明能源投入仍不足、規模不大，因而建議各地區適當增加能源投入，擴大企業規模，從而達到規模效益并進一步提高能源效率。

加大科研經費投入，通過技術進步達到能源高效利用的目的。科技進步不僅可以提高能源的轉化效率，同時可以降低污染排放。中國各地區應當加大科研經費的投入，積極引進人才，提高能源企業自主創新能力，縮小與發達國家技術水平差距，推動中國能源科技的發展，從而提高能源效率。

優化產業結構，降低高能耗產業比重，扶持綠色節能型企業發展。改革開放以來，中國經濟的發展一直伴隨著能源的浪費和環境的破壞，在“十二五”期間中國正努力改變這種低效的能源利用局面，而產業結構調整是提高能源效率的另一種有效途徑。目前，中國經濟仍是以工業為主導經濟，工業又是能源利用的主要產業，各地區應當積極優化產業結構，逐步降低高能耗的產業比重，淘汰落后產能設備，鼓勵企業更換綠色節能設備，大力扶持節能環保型企業發展。

平衡區域發展，使三大地區經濟、科技協調發展。中國各區域、各省份能源效率差異顯著，主要是由于各區域經濟發展不平衡造成的。改革開放以來，由于政策的傾斜，東部地區發展要明顯快于中、西部地區，盡管近年來政策導向不斷向中、西部地區傾斜，但在能源、技術、人文等方面差異仍舊存在，平衡各區域發展將是中國長期的一項政策導向，但是也需要兼顧同一經濟區域內不同省份能源效率的差異問題。對于能源效率明顯偏低的省份，應當注重能源消費結構調整，加強區域能源合作，在大力發展地區經濟的同時避免能源浪費。

參考文獻：

[1]Farla， J C， Blok， K The Use of Physical Indicators for the Monitoring of Energy Intensity Developments in the Netherlands， 1980-1995[J] Energy， 2000， 25（7）： 609-638

[2]Miketa， A， Mulder， P Energy Productivity across Developed and Developing Countries in 10 Manufacturing Sectors： Patterns of Growth and Convergence[J] Energy Economics， 2005， 27（3）： 429-453

[3]Hu， J L，Wang， S C Total-Factor Energy Efficiency of Regions in China[J] Energy Policy， 2006， 34（17）： 3206-3217

[4]魏楚，沈滿洪能源效率與能源生產率：基于DEA方法的省際數據比較[J]數量經濟技術經濟研究，2007， （9）：110-121

[5]孟昌，陳玉杰1995—2010年間的中國區域能源效率變動研究——描述性特征與基于面板數據DEA方法的實證[J]財貿經濟，2012， （6）：116-123

[6]Song， M， Yang， L， Wu， J， Lv， W Energy Saving in China： Analysis on the Energy Efficiency Via Bootstrap-DEA Approach[J] Energy Policy， 2013， 57（6）： 1-6

[7]Wei， C， Ni， J， Shen， M Empirical Analysis of Provincial Energy Efficiency in China[J] China and World Economy， 2009， 17（5）： 88-103

[8]Jacobsen， H K Technology Diffusion in Energy-Economy Models： The Case of Danish Vintage Models[J] The Energy Journal， 2000， 21（1）： 43-71

[9]楊杰，宋馬林我國能源效率全要素生產率分解及其影響因素分析——基于我國省級面板數據的實證研究[J]廣東行政學院學報，2010， （2）：73-78

[10]王群偉，周德群，陳洪濤技術進步與能源效率——基于ARDL方法的分析[J]數理統計與管理，2009， （5）：913-920

[11]Sovacool， B K The Importance of Comprehensiveness in Renewable Electricity and Energy-Efficiency Policy[J] Energy Policy， 2009， 37（4）： 1529-1541

[12]Geller， H， Harrington， P， Rosenfeld， A H， Tanishima， S， Unander， F Polices for Increasing Energy Efficiency： Thirty Years of Experience in OECD Countries[J] Energy Policy， 2006， 34（5）： 556-573

[13]Zhang， X P， Cheng， X M， Yuan， J H， Gao， X J Total-Factor Energy Efficiency in Developing Countries[J] Energy Policy， 2011， 39（2）： 644-650

[14]Fisher，V. K， Jefferson， G H， Liu， H， Tao， Q What Is Driving Chinas Decline in Energy Intensity？[J] Resource and Energy Economics， 2004， 26（1）： 77-97

[15]Hang， L ， Tu， M The Impacts of Energy Prices on Energy Intensity： Evidence from China[J] Energy Policy， 2007， 35（5）： 2978-2988

[16]Song， M， Wang， S， Yu， H， Yang， L ， Wu， J To Reduce Energy Consumption and to Maintain Rapid Economic Growth： Analysis of the Condition in China Based on Expended IPAT Model[J] Renewable and Sustainable Energy Reviews， 2011， 15（9）： 5129-5134

[17]Cui， Q， Kuang， H B， Wu， C Y， Li， Y The Changing Trend and Influencing Factors of Energy Efficiency： The Case of Nine Countries[J] Energy， 2014， 64（1）： 1026-1034

[18]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

[19]蔣金荷中國碳排放量測算及影響因素分析[J]資源科學，2011，（4）：597-604

（責任編輯：韓淑麗）