中國工業生態全要素能源效率異質性研究

陳平+羅艷

內容提要：為了克服以往區域經濟研究中的生產技術異質性問題，采用 SBM-Undesirable 模型和 Meta-frontier 生產函數測算我國30個省市2004-2014年的工業生態全要素能源效率，同時采用“共同技術比率”測算各地區能源利用的技術差距，并從“管理無效率”和“技術無效率”兩個維度分析能源利用無效率的來源及其影響因素。總體上看，我國三大群組共同前沿生態全要素能源效率（MTE）和共同技術比率（MTR）區域差異較為明顯，呈現出“東-中-西”依次遞減的格局，而群組前沿生態全要素能源效率（GTE）呈現出“西-中-東”依次遞減的格局；生態全要素能源利用無效率均值分解來看，東部群組能源利用無效率是因為管理無效率造成的，中部群組技術無效率和管理無效率同時顯著存在，而西部群組技術無效率最為明顯，產業結構、對外開放、研發投入、環境規制、政府干預對生態全要素能源效率產生顯著而有差異的影響。

關鍵詞：生態全要素能源效率；SBM-Undesirable模型；共同前沿函數；共同技術比率

中圖分類號：F0615文獻標識碼：A文章編號：1001-148X（2017）04-0154-07

能源短缺和環境污染已成為世界關注的焦點，大力推進節能減排，發展綠色經濟成為全球新的趨勢。2015年《BP世界能源統計年鑒》數據顯示，2014年中國仍然是世界上最大的能源消費市場和最大的碳排放量國家。我國十二五規劃提出，到2015年單位國內生產總值能源消耗降低16%，SO2和COD排放減少8%，CO2減少17%；十三五規劃也明確提出，要大幅度提高能源資源開發利用效率，有效控制能源、水資源以及建設用地消耗，大幅度減少主要污染物排放總量，并逐步降低二氧化碳排放量。提高能源利用效率、加快能源結構轉變是未來實現經濟社會綠色發展的必然選擇。

一、文獻綜述

數據包絡分析（DEA）由于能夠提供全要素能源效率指標，因此被廣泛運用到能源效率分析。然而，許多文獻[1-2]都是基于徑向效率測度方法，由于忽略了松弛變量，導致估計出來的能源效率值過高[3]。為了克服這個問題，Tone（2001）[4]在DEA中引入基于松弛變量的測度方法（ Slacks Based Measure，SBM）測度技術效率，這種方法具有非徑向、非導向的特點。Zhou et al.（2006）[5]將非期望產出納入到SBM模型對環境效率進行測算。最近的一些文獻都采用SBM方法測度中國的生態全要素能源效率和碳生產率[6-7]。

盡管相關研究在技術上取得了很大的進步，但仍存在一個最基本的限制，就是都沒有考慮到不同地區之間的生產技術存在區域異質性，因此測度出來的能源效率值是有偏的[8]。我國地域遼闊，經濟發展不均衡，工業發展差異較大，因此不同省份之間存在生產技術上的差距。因此，假設所有的省份都具有相同的生產技術，相對過于嚴格。而“共同前沿方法”可以克服這些限制，一些研究已經將共同前沿方法納入到方向性距離函數（DDF）框架里面[9-10]。本文在已有研究的基礎上將SBM和共同前沿方法相結合測度考慮地區異質性的中國工業生態全要素能源效率。

二、研究方法

（一）非期望產出的SBM模型

本文將每一個省的工業行業視為生產決策單元（DMU），由此構造中國30個省市每一個時期的生產前沿面。根據Fre等（2007）[11]的思路，假設每一個地區使用投入要素

。

根據Tone Cooper 等（2001）[12]提出的SBM處理方法，中國生態全要素能源效率測度的SBM模型如下：

b0表示投入、期望產出和非期望產出要素；ρ*為目標函數；λ表示投入要素權重的列向量；s-、sg、sb分別表示各項投入、期望產出和非期望產出指標的松弛向量；m、s1、s2分別為投入、期望產出和非期望產出的個數。當投入和產出約束越松弛，即s-、sg、sb的值越大，則決策單元的效率值就越低。當s-=0、sg=0、sb=0時，決策單元的效率值ρ*=1，表示決策單元SBM有效，處在最優解情況下。否則決策單元無效，還可以通過改進，達到最優效率。

（二）Meta-frontier 生產函數

由于我國不同省域之間存在異質性，因此各地區面對的生產前沿也必然存在一定的差異。此時，如果繼續使用總體樣本進行工業生態全要素能源效率的評價，將無法真實反映各省區的工業生態全要素能源效率。針對這一現象，Battese等（2004）[13]提出共同邊界生產函數（ Meta-frontier Production Function） 的分析框架，其主要思想是：首先依據一定標準將DMU劃分為不同的群組，然后采用隨機前沿分析方法（SFA）界定所有DMU的共同前沿和各組DMU的群組前沿，測算出共同前沿技術效率和群組前沿技術效率，接著比較兩者之間的技術缺口率（Technology Gap Ratio，TGR）。

后來，Battese等（2004）[13]、ODonnell等（2008）[14]進行了改進，用DEA方法取代了隨機前沿分析方法（SFA），并采用線性規劃法構建了共同前沿和群組前沿，并將共同前沿技術效率分解成群組前沿技術效率（Group Technical Efficiency，GTE）和共同技術比率（Meta-technology Ratio，MTR）兩者的乘積。包含了非期望產出的共同前沿技術的集合為：

能夠生產出

其中，x、yg、yb分別表示投入向量、期望產出向量和非期望產出向量。與之相對應的生產可能性集定義為：

根據經典效率理論，此時共同技術效率等價于共同距離函數，其函數形式可以表示為：

同理，根據國家統計局網站劃分，將我國劃分為東、中、西三個群組（i=1，2，3），DMU所在的群組技術集合為：

能夠生產出 群組所對應的可能性生產集為：

等價于群組技術效率（Group Technical Efficiency） 的群組距離函數為：

由于共同前沿技術是群組前沿技術的包絡曲線，滿足 共同前沿框架下的共同技術比率（MTR），也叫做技術缺口率（TGR），反映的是群組前沿跟共同前沿技術水平之間的差距。共同技術比率（MTR）越大，說明群組前沿技術越接近共同前沿技術水平，即實際生產技術效率（水平）越高。反之，則說明實際生產技術效率（水平）越低。其表達式如下：

進一步可將代表潛在生產技術水平的共同技術效率（MTE）分解成代表實際生產技術水平的群組技術（GTE）和共同技術比率（MTR）兩者之間的乘積：

為了分析不同地區生態能源效率差異的內在原因，進一步挖掘各地區生態能源效率提升潛力，借鑒Chiu（2012）的做法，將各省份共同前沿下的生態全要素能源利用無效率（IE）分解為技術差距無效率（TIE）和管理無效率（MIE）兩個部分。

其中，TIE代表的是不同省份之間由于生產技術上的差異所導致的無效率，MIE表示的是一個地區在一定的技術水平下內部管理能力差異導致的無效率。

（三）指標選取與數據來源

按照上述理論方法，考慮到數據的完整性和可獲得性，本文選取剔除西藏以及港澳臺地區以外的中國大陸地區30個省市工業部門2004-2014年包含了生產要素投入、期望產出和非期望產出的原始數據。數據來源主要有歷年的《中國工業經濟統計年鑒》、EPS數據庫以及國泰安金融數據庫。相關數據的處理如下：

1. 期望產出。考慮到污染排放總是貫穿于工業生產的全過程，因此本文選取工業總產值作為期望產出，并用以2004年為基期的工業品出廠價格指數進行平減。由于從2013年開始，《中國工業經濟統計年鑒》改為《中國工業統計年鑒》，不再公布工業總產值的數據， 因此分別利用2012、2013、2014年與2011年“工業銷售產值”的比重計算。

2. 非期望產出。本文選取CO2、工業SO2和工業COD排放量作為非期望產出。（1）由于CO2排放主要來自化石能源燃燒和水泥生產。因此本文根據IPCC（2006）和杜立民（2010）的計算方法對CO2排放量進行了測算。（2）工業SO2和COD排放量從EPS數據庫可以直接獲取。

3. 要素投入。本文要素投入主要考慮資本、勞動和能源投入。資本投入：首先采用固定資產投資原值減去累計折舊的差值，再以2004年為基期的固定資產投資價格指數對差值進行平減，最終得到工業部門固定資產投資凈值作為固定資本存量的替代變量。勞動投入：選取工業行業職工年平均人數來表示。能源投入：選用地區能源消耗總量來表示。

三、省際生態全要素能源效率測算結果與分析

表1是在共同前沿和群組前沿下2004-2014年我國30個省市的生態全要素能源效率的測算結果。可知，我國生態全要素能源效率水平總體偏低，區域差異比較明顯。在共同前沿下，各群組生態全要素能源效率值（MTE）從高到低排列依次為東部、中部和西部，其值分別為0858、0614和0482。這表明，如果采用潛在的最優生產技術，東部地區還有142%的效率提升空間；同理，中部和西部地區仍將分別有386%和518%的效率提升空間。從具體群組來看：（1）在東部地區群組中，平均群組技術效率表現最佳的是北京、上海和江蘇，這三個地區對應的GTE值和MTE值都達到1000，達到生產的最優狀態；表現最差的三個省份分別是遼寧、河北和海南，其對應的GTE值和MTE值都相等，分別為0712、0661和0625。這表明將環境因素納入生產效率衡量框架之后，無論是與東部地區群組前沿最優生產技術還是與共同前沿最優生產技術相比較，這三個省份在生產上都仍有288%、339%和375%的效率提升空間。同時，東部地區的GTE值和MTE值差距均為零，表明東部地區本身就代表先進能源利用水平。（2）在中部地區群組中，群組前沿效率值均大于共同前沿效率值。與群組前沿生產技術相比較，吉林的GTE表現最佳達到1000 ，而表現最差的山西僅為0559，說明山西在生產上還有441%的效率提升空間。同理，與共同前沿生產技術相比較，吉林和山西兩個地區分別有322%和595%的效率提升空間。（3）在西部地區群組中，群組前沿效率均大于共同前沿效率值。與群組前沿生產技術相比較，陜西GTE值表現最佳達到1000，而表現最差的寧夏在生產上還有362%的效率提升空間；而與共同前沿生產技術相比較，兩個地區則仍分別有473%和609%的效率提升空間。

注：所有均值為幾何平均。

注：所有均值為算數平均值。

共同技術比率（MTR）反映了特定群組技術水平與潛在共同前沿技術水平之間的缺口。當MTR越大，表示DMU的實際技術水平越接近共同前沿最優技術水平。由表1可知，三大群組的MTR均值從高到低的排列同樣是東部、中部和西部地區。其中，東部地區的MTR平均值都達到了1，表明東部地區的技術水平基本上代表共同前沿最優技術水平，內部不存在技術差距，因此未來東部，如河北、遼寧和海南等地區要著重提高群組前沿下的能源利用效率，充分挖掘節能潛力。中部地區MTR值為0735，還有較大的改善空間，因此縮小技術差距，是提高生態能源效率的關鍵。西部地區MTR值僅為0560，在三個地區中最小，結合上面的分析可知，技術效率低和技術差距大已經成為西部地區提高生態能源效率的兩個重要因素。

為了進一步分析三大地區生態能源效率差距擴大的根源，挖掘生態能源效率提升的制約因素，本文分析了30個省市共同前沿下的生態能源利用無效率（IE）以及技術無效率（TIE）與管理無效率（MIE），具體分解結果見表2。其中東部地區11個省市的TIE值均為0，而MIE均值為0148，說明東部地區擁有最好的生產技術和經濟發展環境，能源利用無效率都是因為管理無效率造成的，東部地區未來應該進一步提高管理效率。中部地區一方面MIE值在三個群組中最大，達到0166；另一方面TIE值對整個中部群組能源利用無效率的貢獻率達到了591%，因此中部地區未來要同時要考慮改善技術和提高管理效率的雙重任務。西部地區MIE值在三個群組中最小，僅為0139，而TIE值最大，達到0379。其中，TIE值占到整個能源利用無效率的733%，可見西部地區相對來說能源利用技術嚴重落后，因此提高能源利用技術環境，積極吸收和引進東部地區先進生產技術是提高能源效率的重中之重。

四、 中國生態全要素能源效率差異的影響因素分析

（一）指標選取

上面已經通過Meta-frontier方法獲得各個地區的群組生態全要素能源效率值和共同生態全要素能源效率值，但是哪些因素影響地區生態全要素能源效率仍然值得進一步討論。在參考相關研究[14-15]的基礎上，本文主要選擇以下幾個主要影響因素：產業結構（indus）采用第二產業增加值占地區GDP的比重來表示；對外開放程度（open）用地區進出口總額占生產總值的比重來表示；研發投入（rd）采用研發經費內部支出占工業增加值的比重來表示；環境規制（er）采用環境污染治理投資總額占工業增加值的比重來表示；政府干預（gov）采用政府財政支出占地區gdp的比重來表示。

（二）模型設定與實證分析

由于共同前沿方法測算出來的效率評價值均介于0-1之間，所以若用普通最小二乘法對模型進行回歸分析，會導致參數估計有偏誤。為了克服以上結果，本文采用Tobit截斷回歸模型，分析外部環境變量對生態能源效率所產生的影響。模型構建如下：

其中，yit為第i個省的生態全要素能源效率，解釋變量xit為生態全要素能源效率的影響因素，β為待估參數，υit～N（0，σ2）表示隨機效應，εit～N（0，σε）表示隨機干擾項。

利用上式，先后采用混合回歸和隨機效應回歸分析各變量對共同前沿生態能源效率的影響，最終決定采用隨機效應的面板Tobit回歸，結果如表3所示。

注：*、**、***分別表示10%、5%、1%的顯著性水平。

產業結構對全國和三大群組的生態全要素能源效率影響均為負，即工業增加值比重越高，生態全要素能源效率越低，這反映出我國當前工業發展仍然處于高能耗、高污染排放階段，工業比重的上升對生態全要素能源效率產生了負面的影響。其中產業結構對中部地區影響最大，達到- 1012，其次是西部- 0681，而對東部地區影響并不顯著。說明，過去中西部地區在承接產業轉移過程中是以犧牲資源和環境為代價換取工業的快速發展；而東部地區由于過去一直不斷升級和優化產業結構，轉變經濟發展方式，追求綠色增長。因此未來，加快中西部地區的產業結構調整是提高我國生態全要素能源效率的關鍵。

對外開放程度對全國、東、西部地區顯著為正，而對中部地區并不顯著。這是因為擴大對外開放會帶來兩方面的影響：一方面可以吸收和引進國外先進的生產設備、生產技術和管理經驗，降低單位產出所需要的能源消耗和污染排放，提高生態全要素能源效率；另一方面也存在將國外一些污染較為嚴重的產業轉移到內地，成為外資的“污染天堂”。根據實證結果可以發現，從全國來說提高對外開放程度能帶來顯著的正向作用；而從局部來說，中部地區在加快對外開放的同時，應該進一步提高外資進入門檻和環境管制要求。

研發投入對中西部地區顯著為正，而對東部地區并不顯著。具體而言，全國、中、西部的研發投入每增加一個百分點，MTE分別增加4210%、4401%和2130%。這可能是由于長期以來我國中西部地區工業研發實力較為薄弱，因此研發投入的邊際產出績效較高，研發投入能夠對生態全要素能源效率的提高起到積極的推動作用。

環境規制對全國以及三大群組的影響較為一致，都是呈顯著的負相關關系。這可能是跟指標選擇工業污染治理投資完成額占工業增加值的比重有關。一方面，工業污染治理是屬于環境保護的“末端治理”，并未對生產過程和生產環節產生直接的影響，因而不會直接提高工業企業的生產技術；另一方面環境規制越嚴格，意味著工業污染治理投資完成額越高，因此企業用于生產和研發的資金相對減少，由此產生的“擠出效應”，限制了企業規模擴大和技術提高，不利于工業企業能源效率的提高。因此，選擇有效的環境規制工具，制定合理環境規制執行標準，才能有效提高我國各地區的生態全要素能源效率。

政府干預對生態能源效率的提高均起到正向的促進作用。許多以往的研究結果都認為，政府干預越大越容易出現權力尋租，導致資源配置效率低下，從而降低能源的使用效率。而本文的研究跟以往的研究結論不同，這可能是由于本文在測算生態全要素能源效率過程中，同時考慮了工業SO2、CO2和 COD三種環境要素，這與以往沒有考慮環境因素或只考慮其中一種環境因素所得出的結果不同。其次，能源消費產生的環境污染具有負的外部性，需要政府的引導干預才能更好地促進企業節能減排。最后，企業生產需要的一些綠色技術也需要政府的介入才能更好地推廣和應用。

五、結論和建議

本文在共同前沿分析框架下，利用非參數SBM-Undesirable方法測算了2004-2014年中國各省區工業生態全要素能源效率，以及東、中和西部地區的共同技術比率（MTR），并分析了其影響因素。得出以下結論：

（1）總體上看我國三大群組共同前沿生態全要素能源效率（MTE）和共同技術比率（MTR）區域差異較為明顯，呈現出“東-中-西”依次遞減的格局。

（2）而從群組前沿生態全要素能源效率（GTE）來看，三大群組從高到低的排序依次為西部、中部和東部。

（3）生態全要素能源利用無效率均值分解來看，東部群組能源利用無效率都是因為管理無效率造成的，中部群組技術無效率和管理無效率同時顯著存在，而西部群組技術無效率最為明顯。

（4）面板tobit回歸結果表明，產業結構、對外開放程度、研發投入、環境規制、政府干預對共同前沿生態全要素能源效率的影響方向和影響程度都不盡相同。其中：產業結構的影響為負值；對外開放所帶來的外資技術溢出效應大于污染效應，有助于提高我國的能源利用效率；研發投入對生態全要素能源效率的影響方向為正，且影響力度最大；環境規制對全國以及三大群組的影響均呈顯著的負相關關系；政府干預對生態能源效率的提高起到正向的促進作用。

基于以上結論本文提出以下建議：

（1）進一步加大節能減排的力度，調整能源供應結構，顯著提高清潔能源比重，加快工業發展向高效低碳化轉變。其中，東部地區一方面要總結和推廣好先進的生產技術，另一方面要進一步完善和提高管理效率，充分挖掘地區內部節能潛力。中部地區要通過積極吸收和引進東部先進的生產技術，通過技術升級來提高能源利用效率；西部地區要學習和借鑒國內外先進的生產和管理技術，改善能源效率。

（2）調整產業結構，促進經濟結構實質性、大力度調整。通過大力發展現代服務業和戰略性新興產業，運用高新技術改造提升傳統產業等方式來顯著降低高耗能、高排放、低附加值工業部門或者生產環節的比重。

（3）加強綠色技術創新和應用，促進綠色低碳技術成果產業化。通過集中資源超前部署相關基礎研究和前沿技術研究，加強公共研發機構和實驗平臺建設，加快建立以企業為主體的技術創新體系，依托自主化工程、重大項目國產化率等要求，促進綠色低碳技術成果產業化。

（4）完善地方政府和企業領導的考核機制。將考核重心從過去唯GDP、唯經濟總量增長和唯經濟效益調整到以綠色生產和綠色消費上來。徹底從體制上解決地方政府盲目熱衷重化工業發展，綠色發展動力不足的問題，充分釋放政府干預在節能減排中的作用。

（5）加大外資引進力度，擴大對外開放水平。一方面要通過制定積極地財政金融政策吸引境外資本流入；另一方面也要提高外資進入“綠色門檻”，引導外資向干凈清潔、污染小的環保產業流動。

參考文獻：

[1]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.

[2]Wu F，Fan L W，Zhou P，et al.Industrial energy efficiency with CO2，emissions in China：A nonparametric analysis[J].Energy Policy，2012，49（1）：164-172.

[3]Fukuyama H，Weber W L.A Directional Slacks：Based Measure of Technical Inefficiency[J].Socio-economic Planning Sciences，2009，43（4）：274-287.

[4]Tone K.A Slacks Based Measure of Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research，2001，130（1）：498-509.

[5]Zhou P，Ang B W，Poh K L.Slacks-based efficiency measures for modeling environmental performance[J].Ecological Economics，2006，60（1）：111-118.

[6]Choi Y，Zhang N，Zhou P. Efficiency and abatement costs of energy-related CO2，emissions in China：A slacks-based efficiency measure[J].Applied Energy，2012，98（5）：198-208.

[7]Chen，Shiyi.Environmental pollution emissions，regional productivity growth and ecological economic development in China[J].China Economic Review，2015，35：171-182.

[8]Battese G E，O′Donnell C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004，21（1）：91-103.

[9]Zhang N，Zhou P，Choi Y.Energy efficiency，CO2，emission performance and technology gaps in fossil fuel electricity generation in Korea：A meta-frontier non-radial directional distance functionanalysis[J].Energy Policy，2013，56（2）：653-662.

[10]Zhang N，Choi Y.Environmental energy efficiency of Chinas Regional Economies：A Non-oriented slacks-based measure analysis[J].Social Science Journal，2013，50：225-234.

[11]Fre R，Grosskopf S，Pasurka C A.Environmental production functions and environmental directional distance functions[J].Ssrn Electronic Journal，2007，32（7）：1055-1066.

[12]Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130：498-509.

[13]Battese G E，ODonnell C J.A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004，21（1）：91-103.

[14]ODonnell C J，Rao D S P，Battese G E.Metafrontier frameworks for the study of firm-level efficiencies and technology ratios[J].Empirical Economics，2008，34（2）：231-255.

[15]Chiu C R，Liou J L，Wu P I，et al.Decomposition of the environment inefficiency of the metafrontier with undesirable output[J].Energy Economics，2012，34（5）：1392-1399.

（責任編輯：嚴元）

收稿日期：2016-11-27

作者簡介：陳平（1988-），男，廣西百色人，中南財經政法大學經濟學院博士研究生，研究方向：人口、資源與環境經濟學；羅艷（1987-），女，廣西桂林人，中南財經政法大學財政稅務學院博士研究生，研究方向：區域經濟學、財政學。

基金項目：國家自然科學基金項目，項目編號：71603281；國家社會科學基金項目，項目編號：15BMZ080；國家社會科學基金項目，項目編號：13BJL088。