環(huán)境約束下中國地區(qū)能源全要素效率及其影響因素

楊先明　田永曉　馬娜

摘要：當(dāng)下中國經(jīng)濟發(fā)展面臨以節(jié)約能源消費和減少CO₂排放作為主要目標(biāo)的經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型壓力。在能源約束條件下如何提高能源效率實現(xiàn)經(jīng)濟可持續(xù)增長，能源效率問題作為研究中國經(jīng)濟可持續(xù)增長是必要的且具有十分重要的現(xiàn)實意義。本文基于Metafrontier GML指數(shù)方法，構(gòu)建動態(tài)綜合的污染強度指標(biāo)作為非期望產(chǎn)出，測算中國地區(qū)2004—2013年28個省份的綠色能源效率，進而對中國區(qū)域之間與區(qū)域內(nèi)部技術(shù)效應(yīng)進行分解，并對其收斂性和影響因素進行分析。研究結(jié)果發(fā)現(xiàn)，中國東部地區(qū)技術(shù)趕超、創(chuàng)新和領(lǐng)先效應(yīng)是顯著的，東部地區(qū)遼寧省技術(shù)“領(lǐng)先效應(yīng)”并不明顯，導(dǎo)致該地區(qū)能源效率并未有提高；中部地區(qū)的技術(shù)創(chuàng)新效應(yīng)不明顯，但能源效率均有明顯提高；而西部地區(qū)只存在技術(shù)創(chuàng)新效應(yīng)，此地區(qū)的技術(shù)前沿與全國范圍的共同技術(shù)前沿差距較大，特別是此地資源型地區(qū)的技術(shù)改進效率不高。其次，通過對能源效率的σ收斂和β收斂進行檢驗，發(fā)現(xiàn)中國地區(qū)能源效率在2004—2013年存在σ收斂但是不存在絕對β收斂。再次，對影響能源效率的因素進行回歸分析，結(jié)果發(fā)現(xiàn)技術(shù)“趕超效應(yīng)”、“創(chuàng)新效應(yīng)”和“領(lǐng)先效應(yīng)”均對能源效率的提高存在正向作用，產(chǎn)業(yè)結(jié)構(gòu)升級和能源價格對能源效率的提高存在促進作用，但是增強環(huán)境規(guī)制強度會抑制能源效率的提高。這就意味著提高能源效率，對于不同地區(qū)需要“因地制宜”，特別是對于資源型地區(qū)，需加大促進技術(shù)創(chuàng)新政策力度，縮小地區(qū)技術(shù)前沿與全國技術(shù)前沿的距離，制定合理的環(huán)境規(guī)制政策，進而促進能源效率的提高。

關(guān)鍵詞 ：環(huán)境約束；能源效率；Metafrontier GML指數(shù)

中圖分類號：F062.1

文獻標(biāo)識碼： A

文章編號： 1002-2104（2016）12-0147-10

中國作為世界上最大的能源生產(chǎn)國和消費國家，2014年能源消費占世界消費總量的46.9%，同時碳排放量占全球總排放的25.7%。而中國工業(yè)高速增長是以高能耗和高排放為代價，中國工業(yè)的未來的發(fā)展不可以忽視能源和環(huán)境因素的影響[1]。當(dāng)下中國經(jīng)濟發(fā)展面臨著經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型的壓力，經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型必須將節(jié)約能源消費和減少CO₂排放作為主要目標(biāo)。那么，在能源約束條件下如何實現(xiàn)節(jié)能減排，提高能源效率實現(xiàn)經(jīng)濟可持續(xù)增長，是目前經(jīng)濟發(fā)展過程中不可忽視的一方面。能源與資本、勞動一樣作為經(jīng)濟增長的投入要素[2]，而作為投入要素的能源會帶來環(huán)境污染的非期望產(chǎn)出。因此，能源效率問題作為研究中國經(jīng)濟增長不可回避的問題具有十分重要的現(xiàn)實意義。

1 文獻綜述

近來關(guān)于能源效率測算方法眾多，主要是從技術(shù)進步率角度進行分析，在傳統(tǒng)的全要素生產(chǎn)率的基礎(chǔ)上，將能源也作為投入要素，如師博和沈坤榮[3]、陳詩一[4]，以此突出能源作為經(jīng)濟增長的重要要素之一，分析物質(zhì)資本、勞動力資本以及能源消費之間的關(guān)系，但是這種研究前提假設(shè)是廠商技術(shù)是有效的。關(guān)于測算效率的有效方法主要是傳統(tǒng)的全要素生產(chǎn)效率指數(shù)（Malmquist or Fisher Index）、非參數(shù)數(shù)據(jù)包絡(luò)分析（DEA）和參數(shù)隨機前沿分析（SFA）。其中，非參數(shù)數(shù)據(jù)包絡(luò)分析（DEA）是運用線性規(guī)劃構(gòu)建非參數(shù)前沿面來計算效率。關(guān)于能源效率測度研究具有代表性的是Hu and Wang[5]，基于DEA方法測算出潛在能源投入，其與實際能源投入的比值稱為全要素能源效率。自此之后基于DEA方法計算能源效率文獻眾多，如Wei 等[6]利用中國鋼鐵業(yè)部門的面板數(shù)據(jù)，將能源效率通過Malmquist指數(shù)分解為技術(shù)進步率與技術(shù)變化率。

由于能源生產(chǎn)會帶來污染產(chǎn)出，需要考慮加入非意愿產(chǎn)出因素，否則會扭曲對經(jīng)濟效率的評價。Chung 等[7]考慮非期望產(chǎn)出并結(jié)合Malmquist生產(chǎn)率指數(shù)（ML）和方向距離函數(shù)，構(gòu)造MalmquistLuenberger指數(shù)（簡稱ML指數(shù)），將能源與環(huán)境因素綜合起來考慮增加產(chǎn)出與減少污染。R Fre 等[8]、涂正革和肖耿[9]考慮污染作為“壞”產(chǎn)出條件下，基于ML指數(shù)的DEA方法計算全要素生產(chǎn)率；但是所用的方法未考慮跨期DEA，計算結(jié)果可能得到技術(shù)退步。因此，Shestalova[10]提出序列Malmquist指數(shù)（簡稱SM指數(shù)）計算方法。田銀華等[11]以及王維國和范丹[17]基于SM指數(shù)方法，分析考慮環(huán)境約束下中國區(qū)域全要素生產(chǎn)率的變化；但是序列DEA存在不可傳遞性，此方法適合評價在理論上不存在技術(shù)退步的情況。而Pastor and Lovell[12]為了解決ML指數(shù)在跨期方向距離函數(shù)中測量存在不可以循環(huán)、計算混合方向性距離函數(shù)時線性規(guī)劃出現(xiàn)不可行解以及不可傳遞性的問題，將各期的總和作為參考集建立全局域Malmquist指數(shù)（簡稱GM指數(shù)），但并未包含負(fù)外部性因素。Oh[13]建立了一種可選擇的環(huán)境敏感生產(chǎn)增長指數(shù)，稱為全局MalmquistLuenberger 指數(shù)（簡稱GML指數(shù)），此方法有效解決SM和ML指數(shù)方法存在的上述問題。趙良仕和孫才志[14]、柯孔林和馮宗憲[15]分別運用此方法計算中國水資源全要素生產(chǎn)率和商業(yè)銀行的全要素生產(chǎn)率方面的問題。雖然GML指數(shù)具有傳遞性和解決無可行問題，但是如果考察不同經(jīng)濟體在不同技術(shù)水平情況下，還需要引入“共同前沿生產(chǎn)函數(shù)”（Metafrontier Production Function）。Oh and Lee[16]在全局域Malmquist指數(shù)基礎(chǔ)上建立了Metafrontier GML指數(shù)（簡稱MGML指數(shù)），將不同的決策單元按照某種屬性進行分類，分別計算各組內(nèi)的GML指數(shù)和在不分組情況下的GML指數(shù)。

為此，本文首先在Oh and Lee[16]文獻基礎(chǔ)上，利用Metafrontier GML指數(shù)測度中國2004—2013年各地區(qū)能源效率及其分解效應(yīng)，以及按照地區(qū)經(jīng)濟發(fā)展差異程度分組測度東中西三個區(qū)域能源效率和分解效應(yīng)。其次，對能源效率的收斂性和影響因素進行了分析。

2 研究方法

2.1 關(guān)于MGML指數(shù)構(gòu)建

將污染排放作為“非期望產(chǎn)出”納入到生產(chǎn)率分析框架中，非對稱處理包含期望與非期望產(chǎn)出，即達(dá)到最大化的增加意愿產(chǎn)出且同時減少非意愿產(chǎn)出目的。

3 數(shù)據(jù)與變量

3.1 數(shù)據(jù)來源

采用2004—2013年的年度數(shù)據(jù)，數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、《中國價格統(tǒng)計年鑒》、《中國勞動年鑒》、《中國國內(nèi)生產(chǎn)總值核算歷史資料（1952—2004）》、《新中國60年統(tǒng)計資料匯編》、《中國環(huán)境統(tǒng)計年鑒》以及各省市歷年統(tǒng)計年鑒和全國歷年人口普查資料等。由于數(shù)據(jù)可獲得性，本文研究中剔除西藏和海南省份地區(qū)，由于重慶1997年單獨劃分為直轄市，在本文分析中將重慶與四川進行合并，因此只選擇保留28個省份地區(qū)作為研究對象。

3.2 指標(biāo)選取

期望產(chǎn)出變量（Y）首先獲得各省市名義人均國內(nèi)生產(chǎn)總值GDP（億元），以1952年為基期根據(jù)不變價計算的國內(nèi)生產(chǎn)總值指數(shù)，計算得到各地區(qū)實際國內(nèi)生產(chǎn)總值額（億元），作為期望產(chǎn)出。

非期望產(chǎn)出污染排放強度指數(shù)（Poll）該指標(biāo)作為非期望產(chǎn)出，根據(jù)數(shù)據(jù)可獲得性和統(tǒng)計口徑一致性，本文利用2004—2013年《中國環(huán)境統(tǒng)計年鑒》和各地區(qū)年統(tǒng)計年鑒，將各地區(qū)工業(yè)廢水、廢氣、固體廢物的污染排放量作為基礎(chǔ)指標(biāo)，再采用“縱橫拉開檔次法”轉(zhuǎn)化為動態(tài)綜合性指標(biāo)。

投入勞動資本（L）只考慮就業(yè)人員數(shù)量，并不能完全反映出勞動資本。本文采用各地區(qū)從業(yè)人員數(shù)量（萬人）與平均受教育年限（平均受教育年限是不同階段受教育層次人數(shù)與受教育年限的乘積再除以6歲以上受教育的總?cè)藬?shù)，公式為大專以上文化程度年數(shù)×16+高中文化程度年限×12+初中文化程度年限×9+小學(xué)文化程度年限×6）/6歲以上總受教育人口。單位為年）乘積作為勞動資本的代理量，數(shù)據(jù)來源各省市歷年統(tǒng)計年鑒和人口普查數(shù)據(jù)整理而得。

投入物質(zhì)資本（K）計算物質(zhì)資本存量的關(guān)鍵有三點：①基年資本存量的確定；②固定資產(chǎn)投資的平減指數(shù)；③折舊率的問題。本文測算得到各地區(qū)基于1952年為基期的年均資本存量，先按照各地區(qū)的隱含平減指數(shù)將歷年的固定資本形成額統(tǒng)一折算成1952 年不變價的數(shù)值， 然后根據(jù)所設(shè)定的折舊率和基期資本存量運用永續(xù)盤存法對歷年資本存量進行估算[21]。

投入能源消費量（E）選擇各地區(qū)能源消總量（萬t標(biāo)準(zhǔn)煤），根據(jù)《中國能源統(tǒng)計年鑒》和各省市歷年統(tǒng)計年鑒能源平衡表整理而得。

4 MGML指數(shù)測算結(jié)果與分解效應(yīng)分析

首先，計算2004—2013年28個省份地區(qū)的能源全要素效率。另外，按照經(jīng)濟發(fā)展水平將能源消費分為三個區(qū)域：東部地區(qū)（北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東）、中部地區(qū)（山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南和內(nèi)蒙古）、西部地區(qū)（廣西、四川重慶、貴州、云南、陜西、甘肅、青海、寧夏和新疆），計算在不分組和分組情況下的MGML指數(shù)以及分解效應(yīng)。

4.1 三地區(qū)的能源效率指數(shù)比較

通過ML指數(shù)、GML指數(shù)和MGML指數(shù)進行比較（見表1），分別列出三種指數(shù)的年度地區(qū)幾何平均值，從計算結(jié)果可以看出：從總體來看，三種指數(shù)均表明樣本期內(nèi)能源效率保持增速狀態(tài)，但用ML指數(shù)測算的結(jié)果高于另外兩種方法，因此ML指數(shù)可能高估效率值。另外，從平均意義來看，三種指數(shù)的中西部地區(qū)能源效率增加速度高于東部地區(qū)。從縱向時間維度來看，三地區(qū)的總體效率趨勢保持提高狀態(tài)，在2008—2009年期間MGML指數(shù)顯示總體效率值達(dá)到頂峰。從橫向的決策單元來看，使用ML指數(shù)進行估計的結(jié)果高于其他兩種指數(shù)，因為ML指數(shù)計算方法并未考慮到跨期和不同技術(shù)水平下形成的共同前沿，會導(dǎo)致估計結(jié)果相對偏高。雖然GML指數(shù)考慮了跨期的共同前沿函數(shù)，但是未考慮到不同技術(shù)水平分組的共同技術(shù)前沿則會導(dǎo)致總體水平被拉低。因此，MGML指數(shù)在總體均值水平上可以客觀反映此指標(biāo)水平。

進一步分析采用MGML指數(shù)的適用性表明，偏度-峰度檢驗結(jié)果P值小于1%水平，顯著拒絕正態(tài)性的原假設(shè)。可知，雖然可以將GML、MGML與ML作為配對樣本，但它們均為非對稱分布（正偏）。

由于使用Wilcoxon檢驗的前提是要求非正態(tài)但需對稱分布，所以無法使用Wilcoxon符號秩檢驗其異質(zhì)性。本文采用非參數(shù)方法進行差異性檢驗[22]，檢驗GML和MGML是否具有更高的精度來進行深入分析。通過對GML指數(shù)和MGML指數(shù)分別于ML指數(shù)進行差分，再與相應(yīng)的中位數(shù)值進行比較，結(jié)果表明，MGML指數(shù)相比于GML指數(shù)提高了測算精度，從而證明了MGML指數(shù)適合后續(xù)的深入分析。

4.2 各區(qū)域MGML指數(shù)測度結(jié)果及其分解效應(yīng)

按照發(fā)展水平全國分為東中西三個組別，MGML指數(shù)進行測度主要包括以下內(nèi)容：進行分解得到組內(nèi)技術(shù)效率變化（EC）、組內(nèi)當(dāng)期的前沿與組內(nèi)共同前沿之間的差距變化（BPG）以及跨期各組技術(shù)前沿與共同前沿之間的差距變化率（TGC）。測度結(jié)果可見表2。①從總體上看，2004—2013年東部地區(qū)的能源全要素生產(chǎn)率（MGML）、技術(shù)效率變化率（EC）、當(dāng)期技術(shù)前沿與組內(nèi)共同技術(shù)前沿之間的差距變化率（BPC）年均增長率和跨期技術(shù)缺口變化率分別為7.74%、0.85%、4.87%和1.87%，表示東部地區(qū)各省份能源效率的增長由技術(shù)創(chuàng)新效應(yīng)具有主導(dǎo)作用，其技術(shù)趕超效應(yīng)和領(lǐng)先效應(yīng)也顯著；中部地區(qū)的能源全要素生產(chǎn)率、技術(shù)效率變化率和當(dāng)期技術(shù)前沿與組內(nèi)共同技術(shù)前沿之間的差距變化率年均增長率分別為7.47%、0.66%和6.9%，但是技術(shù)缺口變化率年均增長率為-0.012%，表示中部地區(qū)的能源效率提高也是由于技術(shù)創(chuàng)新效應(yīng)，但是其技術(shù)領(lǐng)先效應(yīng)并不顯著；但是，西部地區(qū)的能源全要素生產(chǎn)率和當(dāng)期技術(shù)前沿與組內(nèi)共同技術(shù)前沿之間的差距變化率年均增長率分別為7.8%和9.78%，技術(shù)效率變化率和技術(shù)缺口變化率年均為-1.66%和-0.015%，可以看出西部地區(qū)的能源效率的提高主要是由于技術(shù)創(chuàng)新效應(yīng)起主導(dǎo)作用，而技術(shù)趕超效應(yīng)和領(lǐng)先效應(yīng)呈現(xiàn)負(fù)向作用，表示作為資源型地區(qū)的西部地區(qū)可利用的技術(shù)創(chuàng)新能力的退步，只是通過更有效的投入效率來提高生產(chǎn)率，由于資源型地區(qū)生產(chǎn)初級產(chǎn)品而形成一定的技術(shù)依賴。②從縱向時間維度和橫向決策單元來看，三地區(qū)的MGML指數(shù)均大于1，表明三地區(qū)在整體上呈現(xiàn)能源效率總體是提高趨勢，但西部地區(qū)的增長速度略高于東部地區(qū)和中部地區(qū)；從分解效應(yīng)上看，東部地區(qū)跨期之間的技術(shù)效率變化率從2005年增長率2.08%到2013年的3.29%，以及該地區(qū)與全局技術(shù)前沿之間的差距變化率從2005年的0.2%到2013年的4.98%，同樣中部地區(qū)也呈現(xiàn)累積增長趨勢。但是，對于西部地區(qū)來說，技術(shù)效率變化率指數(shù)在2004年到2013年增長率在大多數(shù)年份是負(fù)增長，如2007年至2011年之間呈現(xiàn)累積負(fù)增長趨勢，表示西部地區(qū)技術(shù)趕超效應(yīng)和領(lǐng)先效應(yīng)并不顯著且拉低總體的能源全要素生產(chǎn)率，但是西部地區(qū)從2005年增長率從13.54%到2013年的4.19%，在總體上的技術(shù)創(chuàng)新明顯，表明對前沿技術(shù)的趕超速度較慢，這樣技術(shù)效率的變化處在組內(nèi)前沿技術(shù)內(nèi)部，與全局的前沿技術(shù)差距擴大差距。