碳約束下技術創新對能源效率影響的空間計量分析

張志雯，王子龍

(南京航空航天大學經濟與管理學院，江蘇 南京 210016)

碳約束下技術創新對能源效率影響的空間計量分析

張志雯，王子龍

(南京航空航天大學經濟與管理學院，江蘇 南京 210016)

基于處理非期望產出的SBM 模型，測算了2005—2014年中國30個省份碳約束下的能源效率值及節能減排潛力，并與非碳約束下能源效率值進行對比分析。運用空間滯后模型SLM和空間誤差模型SEM對能源效率的影響因素進行估計分析，深入研究技術創新對能源效率的影響機理。結果表明：引入非期望產出會明顯降低中國區域能源效率的平均水平，而各省份能源效率存在顯著的空間相關性；研究認為，空間計量模型對中國能源效率分布特征解釋力較強，能源技術創新對能源效率的提升作用顯著。

碳約束；能源效率；技術創新；空間計量；SBM模型

1 引言

國外對能源效率的研究較早，積累了較為豐富的研究成果。Patterson[1]提出能源效率是指用更少的能源生產同樣數量的服務或有用的輸出。國內學者對能源效率的研究集中在兩個方面：一是對能源效率的測算與評價；二是對能源效率的影響因素研究。早期有關能源效率的評價大多未考慮伴隨著經濟生產形成的污染物(CO2等)，這些污染物的排放會對環境造成污染，而環境污染的治理需要成本，為了反映真實的GDP，需要將這些污染物的影響扣除，但早期研究中所應用的傳統DEA模型和SFA模型未考慮到非期望產出的影響，難以反映出真實的能源效率水平。針對這些問題，學者們提出了處理環境污染物等非期望產出下能源效率的方法，主要有將非期望產出轉換為投入處理[2]或者進行逆指標和倒數處理方法[3]，超效率DEA方法[4]，方向距離函數法[5]以及構建處理非期望產出的SBM模型[6]等。

對于技術創新與能源效率關系的研究，Richard F G[7]在分析中國能源消費問題時提出技術創新對能源效率的提高具有重要作用。Fisher-Vanden等[8]研究了中國改革開放以來的技術變革，認為技術創新是能源效率提高的主要因素。國內學者主要采用非參數的方法對相關問題進行探討，韓志勇等[9]將中國能源強度變化分解為結構份額和效率份額，通過實證研究表明效率份額來自于技術創新。部分學者將技術創新劃分為幾部分，從行業層面來研究其與能源效率之間的關系[10-13]。

綜合國內外相關研究發現，大量文獻采用時間序列或者靜態的截面數據來分析能源效率的影響因素，其假設前提是區域之間的能源效率相互獨立。而實際上，各區域間的經濟聯系，政策的外部性等因素會不斷加強能源消費等活動的空間相關性，兩者結合的空間數據模型更能夠描述區域差異化。由此，本文的基本研究思路是：在全要素能源效率測度中，加入非合意產出：CO2排放量，構建考慮碳排放約束的SBM模型，對碳約束下省際能源效率值及節能減排潛力進行測度，然后運用空間計量模型估計能源技術創新對能源效率的影響，探討中國不同區域間技術創新因素對能源效率影響的差異。

2 碳排放約束下能源效率的測算

2.1 數據來源及變量選擇

本節選取2009—2014年中國30個省市自治區的數據進行能源效率測度(由于西藏自治區、 港澳臺地區的數據不完整或指標統計口徑不一致，暫不納入分析范圍)。選取的投入指標為能源E、資本K和勞動力H，期望產出為GDP值，非期望產出為CO2排放量。

(1)能源投入量E：各省的能源消費總量(單位：萬噸標準煤)，數據來源于歷年《中國能源統計年鑒》。

(2)資本投入量K：選取資本存量指標衡量資本投入(單位：億元)，對于資本存量的統計分析通常采用“永續盤存法”PIM，借鑒單豪杰(2008)[14]對中國各省市地區的資本存量計算方法，以2000年為基年進行平減，測算2009～2014年中國各省的資本存量，其中固定資產投資額數據來源于歷年《中國統計年鑒》。

(3)勞動力投入量H：各省當年就業人數(單位：萬人)。計算公式為：當年就業人數=(當年年底就業人數+上一年年底就業人數)/2，數據來源于歷年《中國統計年鑒》。

(4)期望產出：各省的實際GDP(單位：億元)，本文以生產總值指數將2009—2014年名義GDP換算為2000年不變價GDP，數據來源于各年份《中國統計年鑒》。

(5)非期望產出：各省CO2排放量(單位：萬噸)。目前尚未有統計年鑒或權威機構對中國各省市CO2排放量直接進行統計，而CO2主要來源于煤、石油和天然氣等各種化石能源的燃燒，在研究中常以能源消耗量來估算CO2的排放量。本文采用碳排放系數法，通過各種能源的碳排放系數來估算CO2排放量，計算公式為：

(1)

其中，i表示能源種類，包括原煤、焦炭、汽油、煤油、天然氣等；Ei為各省第i種能源終端消費量，數據來源于歷年《中國能源統計年鑒》中各省能源終端平衡表；NCVi為2015年《中國能源統計年鑒》附錄4中各能源的平均低位發熱量；CFi為《2006年IPCC國家溫室氣體清單指南》中每種能源的CO2排放系數，即各能源通過燃燒或使用的單位熱值對應的CO2排放量；COF為碳氧化因子。將各種能源的相關數值帶入公式(1)，可得到2009—2014年每年各省份的CO2排放量。

2.2 能源效率的具體測算

能源效率的衡量方式較多，一類是單要素能源效率指標，如Patterson提出的熱力學、物理—熱量、純經濟和經濟—熱量四種單要素指標，這類指標只進行能源要素與某種變量的比較，而未考慮到其他要素的替代作用，存在一定的局限性。鑒于此，學者們在研究中多采用全要素能源效率指標。Hu等[15]基于DEA的方法提出全要素能源效率指標，將能源、資本、勞動力等因素的替代作用考慮在內，采用DEA模型來進行效率測度。但傳統徑向DEA模型無法考慮“松弛量”對效率評價的影響，即該DEA模型假設要素投入只有單一的期望產出，如GDP，而并未考慮到生產過程中的污染物排放，稱之為非期望產出。如何評價非期望產出下能源效率值呢？Tone[16]提出非徑向、非角度的SBM模型可用于解決該問題。SBM模型是以松弛變量測度為基礎的DEA效率分析方法，通過非射線方式，同時考慮差額來估計效率值，一方面解決了投入產出松弛性問題，另一方面也解決了非期望產出下的效率評價問題。

假設生產系統中，K個生產決策單位(DMU)使用N種投入要素x1,x2,…,xn，生產出M種期望產出y1,y2,…,ym和I種非期望產出b1,b2,…,bi。基于松弛的效率評價模型(SBM)可表示為：

(2)

根據上述模型，利用MaxDEA軟件分別計算各省SBM非合意模型和合意模型下全要素能源效率(TFEE)值，對能源投入冗余量和二氧化碳過度排放量進行測算，以節能和減排的冗余率作為度量維持一定產出條件下的節能減排潛力指標。計算公式為：

(3)

(4)

其中，LEIit表示第i個省份在t時期相對于最優生產前沿的能源過度投入，即能源投入冗余量；APit表示第i個省份的實際CO2排放量；TPit表示第i個省份在最優生產前沿點的CO2排放量。SPE和App值越大，說明該省的節能減排潛力越大，需對其進行重點治理。根據SBM模型和上述公式，計算結果如表1所示。

通過表1可以看出：①考慮碳排放約束后，上海、北京、廣東和湖南省的TFEE均值仍為1，即能源效率是有效的，表明即使考慮了碳排放污染，它們依然處于有效前沿面。其他大部分省份的TFEE值距離有效生產前沿面仍存在不小的距離，說明投入產出存在一定的改進空間，河南、陜西、內蒙古、甘肅、新疆、青海、山西、貴州、寧夏等省份的TFEE值低于0.40，說明這些省份改進的空間非常大；②除去能源有效的省份，大部分省份的能源效率是低于考慮碳排放約束后效率值的，這說明若不考慮碳排放等非期望產出因素的影響，分析結果可能會存在誤差和不準確性；③由節能減排的估算結果可知，各地區和省份的節能減排潛力相差較大。寧夏、貴州、青海、新疆、甘肅、云南、內蒙古和山西、河北等省份的潛力值均已超過50%，說明這些地區在經濟生產過程中有超過一半的能源資源被浪費，CO2排放有很大的改善空間，這些區域主要集中在西部地區。從節能減排量的角度來看，山東、河北、河南、山西、內蒙古等地區的可減排量較大，也是節能減排需重點考慮的省份；④處在生產有效前沿面上的省份可節能減排量為零，并不說明這些地區不存在能源過度投入的現象，而是指在現有的技術條件下，很難實現能源投入的進一步節約。

表1 各地區全要素能源效率值(2009—2014年平均)

3 碳約束下技術創新對能源效率影響的空間計量分析

3.1 空間自相關檢驗

(5)

對得到的空間權重矩陣W(30×30)進行標準化處理，得到標準空間加權矩陣C(30×30)。可采用Z分數對Moran’sI值的顯著性進行檢驗，在1%的顯著水平下Z(I)的臨界值為1.96，若Z(I)>1.96，則說明通過顯著性檢驗。通過全局Moran’s I測算，可得到2009—2014年各地區能源效率Moran’s I值，如表2所示。

表2 2009—2014年各地區能源效率的Moran’s I 值

從表2計算結果可知，2009—2014年各省份地區能源效率的Moran’s I值均為正，且其正態統計量Z值均大于1%顯著水平下的臨界值1.96，這說明區域能源效率的地理空間分布存在正空間相關性，具有較強的空間聚類特征。因此若采用一般的回歸模型來描述能源效率會存在誤差，有必要在模型中引入空間變量。

3.2 理論模型及數據來源

空間計量模型主要解決回歸模型中復雜的空間相互作用與空間依存性結構問題。空間計量經濟學理論認為地區空間單元上的某種經濟地理現象或某一屬性值與鄰近地區空間單元上同一現象或屬性值是相關的，而幾乎所有的空間數據都具有空間依賴性或空間自相關性。空間自回歸模型的一般形式為：

Y=ρW1Y+Xβ+ξ

(6)

ξ=λW2ξ+ε

式中，Y為因變量；X為解釋變量矩陣(n×k)；ρ為空間自相關系數，反映樣本觀測值中的空間依賴作用；W1是因變量空間權重矩陣，W2是殘差空間權重矩陣；參數β反映了自變量X對因變量Y的影響，為隨機誤差項向量；ξ為誤差向量(n×1)；λ為截面因變量的空間誤差系數，反映相鄰地區的觀察值對本地區觀察值的影響方向和程度；ε為正態分布的隨機誤差向量，ε～N(0,σ2In)。

這里采用空間計量方法對傳統模型的估計誤差進行修正，選取適用于截面數據的空間常系數回歸模型，分為空間滯后模型(SpatialLagModel)和空間誤差模型(SpatialErrorModel)兩大類。可由空間自回歸模型的一般形式引出：

(1)空間滯后模型SLM(ρ≠0，β≠0，λ=0)。

SLM模型主要探討各變量在一個地區是否有擴散現象或溢出效應，相應的表達式為：

Y=ρW1y+Xβ+ε

(7)

(2)空間誤差模型SEM(ρ=0，β≠0，λ≠0)。

SEM模型的空間依賴作用存在于擾動誤差之中，其度量相鄰地區關于因變量的誤差沖擊對本地區觀察值的影響程度，表達式為：

Y=Xβ+ξ

(8)

ξ=λW2ξ+ε

基于前文研究分析，可知能源效率的影響因素眾多，研究技術創新對能源效率的影響，需要考慮到多種因素的共同作用。本文選取能源專利授權量PAT、人力資本HC、能源固定投資EI和地區R&D投入RD這四個解釋變量。一般來說，產業結構對能源效率的影響作用明顯，第二產業占重比越大，能耗越大，則能源效率越低。因此，本文納入產業結構作為控制變量，能源技術創新對能源效率影響因素變量指標如表3所示。

表3 能源技術創新對能源效率影響因素變量指標

表3中能源技術專利的測算包括能源產業和能源使用部門的能源技術創新，根據所選擇關鍵詞在國家知識產權局網站進行檢索。選取的能源技術領域包括：煤、石油、天然氣、汽油、柴油和太陽能、風能、海洋能、地熱能等；選取的有關節能減排關鍵詞包括：水力發電、核能、發熱、發電、節能、節電等。結果表明，各省的能源技術專利申請授權數基本呈逐年增長趨勢，從區域來看，東部地區的專利授權數明顯高于中部和西部，高于全國平均水平，區域能源技術專利授權數如圖1所示。

圖1 區域能源技術專利授權數(2009—2014)

基于整理得到的數據，利用cobb-douglas 生產函數作為技術創新影響能源效率的回歸模型，公式可表示為：

Y=EE=ε×PATβ1×HCβ2×EIβ3×RDβ4×eβ5IS

(9)

式中，β1、β2、β3、β4和β5分別表示四個解釋變量和控制變量對被解釋變量的影響系數。為簡化運算，取自然對數，得到：

lnEE=ε+β1×lnPAT+β2×lnHC+β3×lnEI+β4×lnRD+β5×IS+C

(10)

根據SLM和SEM建立的基本形式，構造模型分別為：

Y=ε+ρW1·lnEE+β1×lnPAT+β2×lnHC+β3×lnEI+β4×lnRD+β5×IS+C

(11)

Y=β1×lnPAT+β2×lnHC+β3×lnEI+β4×lnRD+β5×IS+λW2ξ+ε+C

(12)

3.3 實證分析

由于無法預估模型中是否存在空間相關性，在進行空間計量模型估計之前，需要對SLM和SEM進行最優選擇。根據Anselin(1998)提出的判別準則：在空間相關性的檢驗中，如果拉格朗日乘數LMLAG檢驗更顯著而R-LMERR不顯著，則SLM是合適的模型；如果LMERR檢驗更顯著而R-LMLAG不顯著，則SEM更合適。通過Geoda軟件測算拉格朗日乘數LM統計量，如表4所示。

表4 能源效率空間相關性檢驗

在表4中，LMLAG、R-LMLAG均通過5%水平下的顯著性檢驗，而R-LMERR不顯著(0.16564)，LMLAG大于LMERR值，R-LMLAG大于R-LMERR值，說明空間滯后比空間誤差自相關更明顯，SLM模型更優。

由于各地區能源效率值之間存在空間相關性，采用最小二乘參數估計將會失去有效性及一致性。基于前文分析結果，這里優先選擇SLM模型進行模擬，采用最大似然估計方法來估計SLM和SEM模型，并進行比較，相關計算結果如表5所示。

表5 解釋能源效率的模型估計結果

注：**代表5%顯著性水平；*代表10%顯著性水平。

能源效率空間估計的回歸結果如表5所示：對比三個模型的對數似然值、AIC值和SC值可以發現，SLM模型的對數似然值最大，AIC值和SC值均為最小，SEM模型的值處于SLM和OLS之間，說明SLM模型模擬最優，SEM優于OLS模型。

在SLM模型中，能源技術專利與碳約束下能源效率在10%的顯著水平下存在顯著正相關關系，說明能源技術專利的投入使用會提高能源效率水平；人力資本的系數為正，說明科研人才的引進可以實現企業技術創新能力的提高，能夠間接提升能源效率；能源固定資產的系數為0.1099，說明對能源行業的資金投入有助于能源效率值的增加；R&D經費支出系數與能源效率負相關，這可能是因為雖然科技研發投入的增多會提高技術創新水平，促進經濟增長，但迅速增長的經濟會產生更多的能源需求，從而會部分抵消能源效率提高所節省的能源，又或者當該技術創新運用于高耗能產業時，將會引起在高耗能產業局部能源效率提高，但整體經濟產出的能源效率卻降低的現象；產業結構的系數為-1.2133，即第二產業比重每提高一單位，能源效率值降低1.2133單位，這與預估結果是一致的，第二產業主要是工業，其占重比越大，能耗越大，能源效率越低。

4 研究結論與政策建議

本文得到的主要結論如下：

(1)與非碳約束下能源效率相比，碳排放約束下能源效率值普遍較低，說明若未考慮碳排放等非期望產出因素的影響，能源效率測度結果將會產生誤差。中國各省市地區的能源效率與節能減排潛力差距較大。

(2)運用空間自相關指數Moran’s I證明了中國省際能源效率存在顯著的正空間相關性，地區能源效率值會受到相鄰地區的顯著作用，研究說明使用傳統的計量模型誤差較大，有必要在模型中引入其他空間變量。

(3)通過SLM和SEM模型對能源效率影響因素進行回歸估計的結果表示，SLM模型更優，模擬結果更加顯著。能源技術專利是能源技術創新的重要衡量指標，專利數的增長對中國能源效率的提高有顯著影響。

本文提出以下節能減排政策建議：

(1)考慮到中國能源效率存在空間相關性，在制定地區政策時，需要關注空間效應的影響，即不僅要考察本地區的現實情況，還需要考慮相鄰地區發展水平對其影響，進一步加強省際之間的經濟聯系和相互合作，使得相鄰省份的能源效率值共同提高。

(2)優化地區產業結構，提高能源效率。針對能源效率值較低，節能減排潛力較大的省份，可以通過降低高耗能、高污染產業的生產強度，大力發展環保產業及高新技術產業，增加對低耗能、高效率產業的研發資金投入，從而達到提高省域能源效率水平，推進節能減排任務的目的。

(3)提高能源技術創新能力。目前，中國在能源核心技術、產學研結合、技術創新體制等方面與世界能源科技強國存在一定差距。為了縮小這些差距，一方面需要不斷增強自主創新能力，提高R&D人員和資金的投入強度，特別是對節能減排等能源領域的技術研究；另一方面，需加強對能源行業的戰略布局，全面部署能源領域科技創新戰略，推進能源技術領域不斷發展。

[1]MURRAY G Patterson.What is energy efficiency? Concepts，issues and methodological issues[J].Energy policy，1996，24(5):377-390.

[2]MANDAL S K.Do undesirable output and environmental regulation matter in energy efficiency analysis？Evidence from indian cement industry[J].Energy policy,2010,38(10):6076-6083.

[3]YEH T L，CHEN T Y，LAI P Y.A comparative study of energy utilization efficiency between Taiwan and China[J].Energy policy，2010，38(5):2386-2394.

[4]王群偉，周德群，王思斯.考慮非期望產出的區域能源效率評價研究[J].中國礦業，2009，18(9):36-40.

[5]王兵，張技輝，張華.環境約束下中國省際全要素能源效率實證研究[J].經濟評論，2011(4):31-43.

[6]范丹，王維國.中國區域全要素能源效率及節能減排潛力分析—基于非期望產出的SBM模型[J].數學的實踐與認識，2013，43(7):12-21.

[7]GARBACCIO R F，JORGENSON D W.Why has the energy-output ratio fallen in China?[J].The energy journal，1999，20(3):63-92.

[8]FISHER-Vanden K，JEFFERSON G H，Ma J，et al.Technology development and energy productivity in China[J].Energy economics，2006，28(5-6):690-705.

[9]韓智勇，魏一鳴，范英.中國能源強度與經濟結構變化特征研究[J].數理統計與管理，2004，23(1):1-6.

[10]周勇，李廉水.中國能源強度變化的結構與效率因素貢獻——基于AWD的實證分析[J].產業經濟研究，2006(4):68-74.

[11]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，2009，28(5):913-920.

[12]董鋒，譚清美，周德群,等.技術進步對能源效率的影響——基于考慮環境因素的全要素生產率指數和面板計量分析[J].科學學與科學技術管理，2010，31(6):53-58.

[13]武春桃,陳志偉.外商直接投資技術溢出對工業能源效率的影響[J].中國科技論壇,2014(9):52-57.

[14]單豪杰.中國資本存量K的再估算:1952—2006年[J].數量經濟技術經濟研究，2008(10):17-31.

[15]HU J L，WANG S C.Total-factor energy efficiency of regions in China[J].Energy policy，2006，34(17):3206-3217.

[16]TONE K.A slacks-based measure of efficiency in data envelopment analysis[J].European journal of operational research，2001，130(3):498-509.

(責任編輯 劉傳忠)

Spatial Econometric Analysis of the Impact of Technology Innovation on Energy Efficiency Under the Constraint of Carbon

Zhang Zhiwen，Wang Zilong

(College of Economics and Management，Nanjing University of Aeronautics& Astronautics，Nanjing 210016,China)

This paper estimated the energy efficiency value under the restriction of carbon of China’s 30 provinces from 2005 to 2014，based on the undesirable output of SBM model，and then had a comparison analysis with non-carbon.The article used SLM and SEM to estimate the influence factors of energy efficiency and had a further study of technological innovation’s influence on energy efficiency.The results show that the introduction of the undesirable output can obviously reduce the average level of regional energy efficiency in China，and there is significant spatial correlation in the energy efficiency in the provinces.Studies suggest that spatial econometric model’s explanatory power in Chinese energy efficiency distribution is strong，the energy technology innovation to promote the efficiency of energy effect is remarkable.

Carbon constraint；Energy efficiency；Technology innovation；Spatial econometric；SBM model

國家自然科學基金(71373005),教育部人文社會科學基金(15YJAZH093),中央高校基本科研專項基金(NR2015002，NP2016302)，南京航空航天大學教學改革建設項目(201501JG09004)，南京航空航天大學研究生創新基地(實驗室)開放基金(kfjj20160910)。

2016-06-28 作者簡介：張志雯(1994-)，女，安徽天長人，南京航空航天大學經濟與管理學院碩士；研究方向：能源經濟管理。

F205

A