基于DEATobit模型的山東省全要素

范秋芳+李蘇+崔珊

摘要：能源是經濟發展的驅動力，提高能源效率有利于保障經濟持續健康發展。利用DEA模型下的BCC模型和Malmquist指數法對山東省的全要素能源效率進行測算，運用Tobit模型對山東省能源效率的影響因素進行實證分析。結果表明，山東省全要素能源效率整體呈上升趨勢。山東省能源效率主要受六種因素的影響，其中技術進步、能源相對價格、能源消費結構、市場化程度為正向影響，產業結構、對外貿易為反向影響。提高科技轉化率、優化產業配置效率、調整能源相對價格、強化能源替代性等有助于山東省能源效率的提高。

關鍵詞：全要素能源效率；能源經濟；DEATobit模型；技術進步

中圖分類號：F124；F207文獻標識碼：A文章編號：16735595（2016）05000607

一、前言

山東省是能源消費大省，能源在帶動山東省迅速發展的同時，也帶來了能耗高、環境污染等問題，這成為山東省經濟長期可持續發展的障礙。2015年，山東省能耗強度為075，比全國平均水平高出9個百分點，能源效率偏低；終端能源供需存在較大缺口，對外依存度強；能源生產、消費中環境治理不到位，環境污染問題突出。因此，提高山東省能源效率對保障山東省環境安全、經濟可持續發展具有重要意義。

近年來國內外專家學者從不同角度對能源效率進行了廣泛的研究。夏玲、Karen Fisher、司江偉等利用Tobit模型、格蘭杰檢驗、灰色關聯分析等方法研究了能源消耗與經濟增長、就業等的關系[13]；Hu、魏楚等在資源約束背景下，運用數據包絡分析法（DEA）測算了不同決策單元的相對效率，并從技術效率、規模效率及綜合效率三個角度對能源效率問題進行了深入分析[45]；Watanabe、楊紅亮、張偉等對全要素能源效率的測量指標進行了改進、完善，由單要素發展到勞動力、資本、能源三要素，并將土地、環境污染、技術進步等要素納入模型中，使能源效率相關指標的考量更加全面[68]；韓一杰、范秋芳等在選擇能源效率研究對象時逐漸聚焦，從國家層面延伸到區域層面，研究的產業囊括了制造業、電力產業、石油工業等[910]。

隨著經濟、社會環境的變化，環境保護、技術創新對生產過程的影響愈加明顯，能源效率的測量尺度也將更加嚴格，單要素能源效率（能耗強度、能源消費彈性系數、能源生產率等）已不能全面反映某個地區能源的利用效率，由于要素具有替代性與互補性，因此本文選擇全要素能源效率綜合反映山東省的能源利用效率，在測算全要素能源效率時更重視環境保護和技術創新的影響。本文利用DEA模型下的BCC模型（可變收益模式下的數據包絡分析法）和Malmquist指數（全要素生產率指數）法對山東省的全要素能源效率進行測算，并運用Tobit模型（樣本選擇模型）對山東省能源效率的影響因素進行實證分析，提出提升山東省能源效率的對策建議，以促進山東省經濟的可持續發展。

中國石油大學學報（社會科學版）2016年10月第32卷第5期范秋芳，等：基于DEATobit模型的山東省全要素能源效率研究二、DEATobit模型介紹

（一）DEA模型

數據包絡分析法（DEA）以不改變決策單元（DMU）輸出或者輸入穩定為前提，以統計數據與線性規劃為工具，以衡量相對有效性為目標，其基本原理是通過投影的方式計算所選決策單元偏離生產前沿面的距離，從實踐層面上來講其有效性很強。本文主要利用DEA模型下的BCC模型和Malmquist指數法研究山東省全要素能源效率。

假設有k個被評價的決策單元DMU，每個決策單元j有m個投入變量、n個產出變量，輸入輸出矩陣分別為Xj=（x1j，x2j，x3j，…，xmj）T與Yj=（y1j，y2j，y3j，…，ynj）T，與其相對應的一組權系數分別為：v=（v1，v2，…，vm）T，u=（u1，u2，…，un）T。各單元DMUj的效率評價指數為：

hj=uTyjvTxj=∑nr=1uryrj∑mi=1vixij， j=1，2，…，k （1）

BCC模型假設規模報酬可變，基于這一前提得到的純技術效率可以獨立出來，在測度時避免了規模效率的影響。面向投入的BCC模型如式（2）所示，每個決策單元的效率值為VD，其中μ表示投入相對于產出的有效利用程度。

VD=minμ（2）

s.t.μxij0≥∑kj=1xijλj，i=1，2，…，m

yrj0≤∑kj=1yrjλj，r=1，2，…，n

∑kj=1λj=1，j=1，2，3，…，k

λj≥0，j=1，2，…，k

Malmquist生產率指數相對而言動態性更強，可以衡量不同時期的生產效率，其計算公式如下：

m0（yt+1，xt+1，yt，xt）=

dt0 （xt+1，yt+1）dt0 （xt，yt）×dt+10 （xt+1，yt+1）dt+10 （xt，yt）1/2 （3）

以BCC模型測算的效率為基礎，以Malmquist指數為變動比例進行測算，突破了效率為1的限制，便于對有效決策單元進行分析比較。

（二）Tobit模型

Tobit模型（樣本選擇模型，又稱受限因變量模型、審查模型）通過最大似然函數估計參數，要求變量服從正態分布，其基本公式表示為：

y*i=Xiβ+εi

yi=y*i，ify*i>0

0，ify*i≤0

εi=Normal（0，σ2） （4）

當yi>0時，取值不受限制；當y≤0時，取值受限制，均為0。

Tobit模型主要有以下優越性：（1）數據維度較大，隨著樣本容量的增加，影響因素之間的相關性會減弱，因此能盡可能地消除多重共線性；（2）具有動態性。endprint

三、山東省全要素能源效率測算分析

（一）指標選取與數據來源

根據山東省能源利用中對技術和環境要求及有關專家的研究成果，遵循指標體系構建的科學性、可操作性、完備性原則，構建山東省全要素能源效率指標體系，其包括投入指標和產出指標兩類，主要指標見表1。

表1指標體系

指標類型指標名稱 投入指標勞動投入

資本存量

能源投入 產出指標各市實際GDP

環境污染產出

1.投入指標

勞動投入，用勞動力質量的人力資本存量表示，單位為萬人，由歷年山東省各市按城鄉分的平均就業人員數乘以平均受教育程度得到[11]。

資本存量，用固定資本存量衡量，單位為億元，由山東省統計年鑒獲取山東省歷年固定資產投資完成額，采用Goldsmith的永續盤存法進行運算。具體計算公式如下：

Ki，t+1=（1-δi，t+1）Kt+Ii，t+1 （5）

式中，Ki，t+1表示第i市第t+1年的固定資本存量，δi，t+1表示第i市第t+1年的固定資產折舊率，Ii，t+1表示第i市第t+1年固定資產的新增投資額。

本文的測算以2006年為基期，初始資本存量即為2006年的固定資本存量。初始資本存量的計算采用Young的計算方法[12]，由山東省各市2006年的固定資產投資完成額除以10%得到。

能源投入，由山東省各市能源消費總量表示，單位為萬噸標準煤。從山東省統計年鑒中獲取各市萬元GDP能耗，再乘以地區生產總值后得到各市能源消耗總量。

2.產出指標

各市實際生產總值，用各市實際GDP表示，單位為億元。GDP越大，能源效率越高。

環境污染產出，本文主要對廢水排放量（萬噸）、氨氮排放量（噸）、SO2排放量（萬噸）、固體廢棄物排放量（萬噸）四種污染物指標進行標準化處理，處理方法選用測算指標權重的熵值法（Entropy Method）計算得到環境污染產出指標。環境污染產出越低，能源效率越高。

（二）測算結果及分析評價

本文以山東省17地市作為17個生產決策單元，選擇以規模報酬可變為前提的BCC模型測算2014年山東省17市的能源效率并進行橫向比較分析。其后運用Malmquist指數法測算各市能源效率的全要素生產率變化（TFPCH），對2007—2014年17市全要素能源效率的平均變動情況進行縱向比較分析。

1.BCC模型下能源效率測算分析

將測算的2014年山東省17市能源效率的相關投入產出數據帶入BCC矩陣模型中，利用數據包絡分析DEA P21軟件進行測算，其結果如表2所示。

可以看出，以2006年效率值為基數，山東省17市的年均全要素能源效率以每年21%的速度提高，其中綜合效率貢獻了09%，技術進步貢獻了12%。從地市來看，17市中有11個市的全要素能源效率有所提高，其中濟南市、青島市、淄博市、棗莊市、濟寧市、聊城市全要素能源效率的提高來自于綜合效率和技術進步的雙重貢獻；東營市、煙臺市、濰坊市、萊蕪市和臨沂市全要素能源效率的提高主要來自于技術進步的貢獻。

根據上述分析結果，以2006年綜合效率值為初始全要素能源效率值，歷年TFPCH值為變動比例，計算得到2006—2014年山東省17市全要素能源效率，結果如表4所示。

通過上述方法，對BCC模型中“效率值為1”的相對有效地區的效率值做進一步精確處理，可以將效率相對有效地市的效率值進行排序比較。

2006—2014年，濟南市、青島市、煙臺市、濟寧市、臨沂市的全要素能源效率持續上升，2014年這5個市的全要素能源效率均大于1，均實現了最優利用，其中青島市的全要素能源效率值最高，為1574。東營市、棗莊市、萊蕪市、聊城市的全要素生產率基本在1的水平以上呈現波動變動趨勢，其他9個城市基本在1的水平以下呈現波動變動趨勢，波動的主要原因是不同市區、不同年份的技術進步、純技術效率、規模效率的貢獻程度存在差異，各市對科技水平和資源的配置能力有所不同，無法實現資源與技術的最優利用。2014年，17市中濟南市、青島市、棗莊市、東營市、煙臺市、濰坊市、濟寧市、萊蕪市、臨沂市、聊城市實現了DEA有效。其余7個市中，淄博市、威海市的效率水平在08以上，能源利用水平比較高；而泰安市、日照市、德州市、濱州市、菏澤市的效率水平均在07以下，全要素能源效率偏低。指數法考慮了技術進步的影響，因此得到的不同城市之間的能源效率差距或增大或縮小，效率排名也發生了較大變動。其中東營市、煙臺市、萊蕪市、聊城市的能源效率仍處于最優水平，濟南市、青島市、棗莊市、濰坊市、濟寧市、臨沂市的全要素能源效率相比BCC模型下有顯著提高，都實現了效率最優，主要原因是技術進步對一定規模下的生產存在促進作用，從而提高了能源利用效率。全要素能源效率最低的是濱州市，主要原因在于技術進步帶來的影響與濱州市當前的生產規模和要素投入沒有實現最優配置。

四、山東省能源效率影響因素實證分析

（一）變量選取與處理

本文對能源效率的影響因素進行實證分析。將運用Malmquist指數法測算得出的2006—2014年山東省17市的全要素能源效率作為被解釋變量，記為TFEE；根據前人的研究成果和山東省能源利用的實際情況，選擇以下幾項指標作為解釋變量：產業結構（第二、三產業比重，記為Ind2、Ind3）、技術進步（專利授權數，記為Tech）、能源相對價格（總能源價格/產品出廠價格，記為Price）、能源消費結構（電力消耗占終端能源消耗的比重，記為Struc）、對外貿易（各市進出口總值占GDP比重，記為Trade）、市場化進程（非國有單位職工數比重，記為Marp）、經濟發展水平（實際人均GDP，記為Pergdp）、城鎮化水平（各市非農業人口比重，記為Urb）、環境治理水平（工業固體廢棄物的綜合利用率，記為Eg）。endprint

以上數據為2006—2014年的面板數據，其中解釋變量數據主要來源于山東省統計年鑒（2006—2014）、《中國城市統計年鑒（2012）》、《山東科技統計年鑒（2011）》及各市統計年鑒。為了便于解釋分析，對用百分比表示的數據進行處理，用被解釋變量前的系數來表示變動1個百分點所引起的平均變動值。

為消除截面數據之間的異質性，對變量進行均值處理，用調整后的數據進行分析[13]。各變量依據以下公式處理：TFEE=TFEE-TFEE；Ind2=Ind2-Ind2；Ind3=Ind3-Ind3；Tech=Tech-Tech；Price=Price-Price；Struc=Struc-Struc；Trade=Trade-Trade；Marp=Marp-Marp；Pergdp=Pergdp-Pergdp；Urb=Urb-Urb；Eg=Eg-Eg。

均值處理后的變量仍能反映各原始變量對山東省能源效率的影響。為了便于對變量進行表述和分析，仍使用原始變量名稱進行闡述，稱之為變量的相對變化程度，即相對各變量平均值的變化程度。

由于變量存在多重共線性問題，本文采用逐步回歸法對山東省整體變量數據進行共線性檢驗，將存在共線性的變量剔除。通過對各變量間的相關性測算，得到如表5所示的結果。根據分析結果需要將第三產業比重（Ind3）、人均GDP（Pergdp）、城鎮化水平（Urb）三個變量剔除，選擇|r|<03的弱相關變量（r為相關系數）進行分析。（二）結果分析

對篩選后的變量進行Tobit回歸分析，第一次回歸分析結果為：模型的擬合優度（調整后）為0824 3，F統計量為28536 0，回歸方程成立；但變量環境治理水平的概率值為0289 4，大于10%的顯著性水平，對山東省整體能源效率的影響不顯著，應該將其剔除并重新進行回歸分析，直到所有變量全部顯著為止。最終的回歸結果如表6所示。

回歸方程可以表示為：

TFEE^=311×10-18-0013 4×Ind2+0018 2×Tech+0300 2×Price+0013 5×Struc-0002 4×Trade+0028 5Marp （6）

以上結果表示的是各因素對山東省全要素能源效率的影響，其中各變量的影響均顯著，方程可以通過擬合優度檢驗、F檢驗，因此模型成立。從以上結果中可以看出：

（1）增加第二產業比重會使山東省全要素能源效率降低。目前山東省的產業布局中第二產業占比最高，其中東營市的第二產業占比達70%以上，為全省最高。第二產業對能源的需求很高，山東省是能源生產大省，為第二產業的能源消費提供了支持，使得第二產業快速發展。二者反向變動的關系表明，山東省第二產業處于規模報酬遞減階段，生產資料的配置已超過最優組合，因而該產業能源效率下降，進而使得總體能源效率降低。

（2）技術進步與山東省全要素能源效率呈正相關關系。新技術的投入會帶來能耗的降低，進而提高能源效率。山東省專利授權數量的平均增長速度為23%，到2013年專利授權量已達76 976件。本文用專利授權數來表示技術進步，雖然不能全面反映技術進步的效果，但從上面的測算結果中可以看出技術進步對能源效率影響很大，技術進步對山東省能源效率的提高起著重要作用。

（3）能源相對價格的上升會提高山東省全要素能源效率水平。具體來看，燃料、動力類資源購進價格的提高或工業產品價格的降低都會提高能源效率水平，主要原因是能源相對價格上漲會使企業利潤降低，企業為保持經濟效益或競爭優勢會采取其他手段，以求在相同能源投入下獲得最大產出，盡快實現生產的規模效應，提高能源效率。

（4）能源消費結構中電力消費比重的上升會提高山東省全要素能源效率。電力消費在山東省能源消費結構中占比較低（20%以下），而煤炭消費占比很高。調整煤炭、石油、電力等能源的消費比重就是調整各能源利用效率的貢獻程度。也就是說，提高電力的消費比重有利于山東省能源效率水平的提升。

（5）進出口總額占GDP的比重上升不利于山東省全要素能源效率的提高。山東省的進出口貿易主要集中在資源密集型產品上，進出口產品多為鋼鐵、汽車、機械設備、鐵礦砂、飛機等，這些產品的生產能耗高且污染重。資源密集型產品的生產和使用會增加能源消耗，降低效率水平。山東省內有不少市區以出口資源密集型和勞動密集型的初級產品或加工類產品為主，為了提高當地的經濟發展水平，這些市區努力增加產品出口量，增加能源投入，這使得規模效率降低，能源效率下降。

（6）市場化程度的加深會提高山東省全要素能源效率。隨著市場化進程的深入，政府對經濟的干預會逐漸減少，市場更傾向于自動調節，能源的價格和數量也就更傾向于由供需雙方來決定，而能源品種之間的替代性非常明顯，低效率的煤炭會逐漸被高效率的電力、天然氣等能源替代，因而能源效率會逐漸提升。

五、提升山東省能源效率的對策建議

（一）調整能源相對價格，強化能源替代性

目前中國能源產業仍處于價格管制狀態，難以通過市場供需來調節能源價格，但可以通過調整能源的相對價格（即能源產品出廠價）來增強產品間的競爭，間接發揮市場在能源行業中的調節作用。此外，能源相關政策的主要適用對象是大消費者，因此在能源體制改革中，政府應將工業能源價格與民用能源價格分離，重點調節工業能源價格，以優化能源結構。基于成本最小化原則，工業生產者更愿意選擇煤炭、石油等低價格能源，因此適當提高此類能源的價格既可以調節能源供求平衡，也可以充分發揮清潔能源對煤炭、石油的替代作用，優化能源消費結構，提升能源效率。

（二）提高科技轉化率，優化產業配置效率

雖然山東省的專利授權量逐年遞增，但是很多地區技術專利的利用效果不佳，導致技術進步的影響不能完全滿足當前生產的需要。因此，一方面應積極鼓勵企業進行研發，確立自主創新主導地位；另一方面應根據生產需要進行專門研發，使得“研發—資金”與“成果—生產”緊密鏈接，提高科研成果轉化率，進而提升能源效率。此外，對于能耗高、產值低的部門，一方面應在滿足產品需求的條件下，積極調整要素投入比例；另一方面可在達到當前技術約束下的最高效率水平后，積極調整部門間的要素分配，充分提高要素流動性，實現整個產業的規模效率最大化。endprint

（三）優化對外貿易結構，發展綠色貿易

對外貿易中高能耗、粗加工的產品占比過高會帶來巨大的能源消耗與浪費，因此，必須結合生態經濟的要求，積極調整進出口結構，發展綠色貿易。在出口方面，要降低高能耗、低附加值產品的比重，提高新材料等戰略性新興產業產品的比重；在進口方面，要努力降低省內能源消耗，增加高能耗、高產值產品的進口，減少生態污染與破壞。山東省沿海城市應積極開發利用海洋資源，建立水產品“養殖—生產—出口”的一體化運作模式，形成“能源—環境—經濟”的良性運轉，構建綠色貿易體系。

（四）推進市場化改革，重視市場運作

在有效控制市場失靈的前提下，政府可以適當減少對經濟活動的干預，通過市場運作和自動調節來優化資源配置，提高能源效率：首先要協調政企關系，在市場發揮作用時政府可以降低經濟參與程度；其次，對于競爭能力比較強的企業，應適當降低國有資本占總資本的比重，鼓勵民營資本的加入，通過加大企業間的競爭來提高企業運行效率；此外，還應制定企業節能減排標準，完善環境保護、能源開發利用的法律法規，為能源市場提供健全的制度環境，保證市場作用的充分發揮。

參考文獻：

[1] 夏玲，樊宏，吳萬水，等.基于 DEATobit模型的中國省際能源效率影響因素分析[J].五邑大學學報（自然科學版），2012（11）：4752.

[2] Karen Fisher， G H Jefferson. Technology Development and Energy Productivity in China [J].Energy Economics， 2006，28（5）：690705.

[3] 司江偉，徐紅靜.山東省能源效率影響因素的灰色關聯分析[J].科技管理研究，2012（4）：5457.

[4] J Hu， S Wang. Totalfactor Energy Efficiency of Regions in China[J].Energy Policy， 2006，34（17）：32063217.

[5] 魏楚，沈滿洪. 能源效率及其影響因素： 基于 DEA 的實證分析[J].管理世界，2007（8）：6676.

[6] Watanabe， Tanaka. Efficiency Analysis of Chinese Industry： A Directional Distance Function Approach[J]. Energy Policy， 2007，35（12）：63236331.

[7] 楊紅亮，史丹. 能效研究方法和中國各地區能源效率的比較[J].經濟理論與經濟管理，2008（3）：1220.

[8] 張偉，吳文元. 基于環境績效的長三角都市圈全要素能源效率研究[J].經濟研究，2011（10）：95109.

[9] 韓一杰，劉秀麗.基于超效率DEA的中國各地鋼鐵行業能源效率及節能減排分析[J].系統科學與數學，2011（3）：287298.

[10] 范秋芳，劉蘭廷.我國能源利用效率區域差異性研究[J].價格理論與實踐，2014（4）：4143.

[11] 李德煌，夏恩君.人力資本對中國經濟增長的影響——基于擴展Solow模型的研究[J].中國人口·資源與環境，2013（8）：100106.

[12] Young. Gold into Base Metals： Productivity Growth in China during the Reform Period [J]. Journal of Political Economy， 2003，28（5）：3255.

[13] 高鐵梅.計量經濟分析方法與建模[M].北京：清華大學出版社，2009：3675.

責任編輯：張巖林endprint