環境約束視角下中國各省全要素能源利用效率變動研究
——基于GML指數的分析

張忠杰，鄧光耀

（蘭州財經大學 統計學院，甘肅 蘭州 730020）

一、引言

隨著經濟的快速發展，中國對能源的消費量越來越大，環境污染問題也越來越嚴重。為了降低能源消耗強度，減少環境污染，建設資源節約型和環境友好型社會，十八大報告強調要重點關注生態文明建設。為此，在資本、勞動力和能源的全要素視角下，考慮非期望產出（例如碳排放），研究中國各省能源利用效率水平是必要的。

已有文獻多采用DEA（Data Envelopment Analysis）模型和 SFA（Stochastic Frontier Analysis）模型來測算能源效率。Zhang等（2013）基于非徑向DEA模型研究了韓國電力行業的能源利用效率，指出燃煤發電廠比燃油發電廠有更高的能源利用效率。李博等（2016）基于SBM-DEA模型測算了考慮環境約束的中國資源型城市全要素能源效率，指出多數資源型城市處于非效率狀態[1]。李玉婷和劉祥艷（2016）利用SFA模型研究了1997—2012年中國各省、區域和全國的工業全要素能源效率，指出各地的能源效率發展不平衡[2]。另外，還有部分文獻利用Malmquist指數來研究中國的全要素能源利用效率的變動情況。王群偉和周德群（2008）基于DEA的非參數Malmquist指數法，分解了1993—2005年我國28個省區的全要素生產率變動，指出區域間能源效率的差異性較為顯著[3]。He等（2013）利用 Malmquist Luenberger指數研究了中國鋼鐵企業的能源利用效率，指出忽略非期望產出會導致測算的能源效率存在偏差[4]。從以上文獻可以看到：Malmquist（M）指數、Malmquist Luenberger（ML）指數和 Global Malmquist Luenberger（GML）指數是測算全要素能源利用效率變化情況的三種主要方法。與M指數相比，ML指數和GML指數可用于考慮非期望產出（例如碳排放）的全要素能源利用效率。與M指數和ML指數相比，GML指數可以避免傳統ML指數的線性規劃無解的問題，并且可循環累加（Oh，2010[5]）。因此本文基于GML指數測算了中國各省2004—2014年全要素能源利用效率的變動情況，并將GML指數分解為EC指數和BPC指數。

二、研究方法

由于在能源使用過程中，常常會產生碳排放，因此在測算全要素能源利用效率變動時將碳排放當成非期望產出是必要的。下面敘述本文中測算全要素能源利用效率變動的方法：將各省視為一個決策單元（DMU），要素投入x包括資本、勞動力和能源，期望產出y為各省GDP，非期望產出b為能源消費碳排放量。設時期總數為T，利用各省第t期的投入和產出值，可以構造生產可行集Pt（xt）={（yt，bt）：xt生產（yt，bt）}，t=1，2，…，T。設全局生產技術集為 PG（x）=P1（x1）∪P2（x2）∪…∪PT（xT），參考 Oh（2010），Global Malmquist Luenberger（GML）指數可定義為：

其中，DG（xt，yt，bt）是全局方向性距離函數，可通過以下公式求解：

其中，大寫的 T、K、M、J、N 分別為時期、省份、期望產出、非期望產出、投入指標的總數，小寫的 t、k、m、j、n 分別為具體某個時期、省份、期望產出、非期望產出、投入指標。的值大于1，說明與第t年相比，第t+1年k省的全要素能源效率在進步；的值等于1，表示全要素能源效率保持不變；的值小于1，表示全要素能源效率在倒退。

參考 Oh（2010[6]），GML 指數可以進一步分解為EC指數（測度技術效率變化）和BPC指數（測度技術進步變化）的乘積，EC指數和BPC指數的定義如下：

其中，Dt（xt，yt，bt）按照以下公式計算：

三、數據來源

限于數據的可得性，本文測算中國大陸除西藏外30個省2004—2014年中全要素能源效率，所用到的能源消費量、勞動力和GDP等數據來自于歷年的《中國統計年鑒》，資本存量參考張軍等（2004）[7]、鄧光耀等（2017）[8]中的方法，采用永續盤存法計算，能源強度根據能源消費量除以GDP得到。根據2006版IPCC中的方法，本文中各省碳排放量按照各類能源的消費量乘以對應的碳排放系數計算得到（Amstel，2006[9]）。另外，考慮到通貨膨脹的影響，本文以2004年為基期，對GDP和資本存量數據進行平減處理。

四、實證分析

（一）GML指數的測算結果

將公式（2）代入公式（1），可以計算出中國各省全要素能源效率的逐年變動值（GML指數值），本 文 以 2004—2005 年 、2009—2010 年 、2013—2014年為例，計算得到的結果如表1所示。

表1 2004—2005年、2009—2010年、2013—2014年各省GML指數值

從表1可以看到：在2004—2005年、2009—2010年和2013—2014年這3個時間段中，大部分省份的GML指數值大于1，這說明相對于上一年度，當年的全要素能源利用效率有所上升。其中：天津、上海、江蘇和陜西等4個省份在3個時間段的GML指數均大于1；北京、河北、黑龍江、福建、山東、湖北、湖南和青海等8個省份在2004—2005年、2009—2010年時間段的 GML指數大于 1，但是在2013—2014年時間段小于1；吉林、浙江和重慶等3個省份2004—2005年時間段的GML指數小于1，但是在2009—2010年、2013—2014年時間段的GML指數大于1；山西、遼寧、安徽、江西、廣東、海南、四川、甘肅、寧夏和新疆等10個省份在 2004—2005年、2013—2014年時間段的 GML指數小于1，但是在2009—2010年時間段的GML指數大于1；內蒙古和廣西等2個省份在2004—2005年、2009—2010年時間段的 GML指數小于1，但是在2013—2014年時間段的GML指數大于1；對貴州來說，在2004—2005年時間段的GML指數大于 1，但是在 2009—2010年、2013—2014年時間段的GML指數小于1；對河南和云南等2個省份來說，在3個時間段的GML指數均小于1，這說明在這3個時間段內，河南和云南省的全要素能源利用效率相對于上一年度，均有所下降。

為了進一步分析GML指數的逐年變化情況，本文以30個省份GML指數的平均值為例，說明2004—2005年等10個時間段GML指數的計算結果，如圖1所示。

圖1 30個省份各時間段GML指數的平均值

從圖 1可以看到：（1）30個省份各時間段GML指數的平均值波動頻繁，上升和下降的趨勢交替出現。其中，2004—2005年、2005—2006年、2006—2007年、2007—2008年時間段的GML指數上升；2007—2008年、2008—2009年時間段的GML指數下降；2008—2009年、2009—2010年、2010—2011年時間段的GML指數上升；2010—2011年、2011—2012年時間段的 GML指數下降；2011—2012年、2012—2013年時間段的GML指數上升；2012—2013年、2013—2014年時間段的GML指數下降。（2）由于節能減排技術的提高，在大多數時間段的GML指數大于1，例外的情況有2004—2005 年、2008—2009 年、2011—2012 年、2013—2014年等4個時間段。

（二）GML指數的分解

根據公式（3）和公式（4）可以計算得到EC指數和 BPC指數，本文以 2004—2005年、2009—2010年、2013—2014年為例，說明各省EC指數和BPC指數值，如表2和表3所示。

表2 2004—2005年、2009—2010年、2013—2014年各省EC指數值

表3 2004—2005年、2009—2010年、2013—2014年各省BPC指數值

從表2可以看到：（1）部分省份的EC指數值在 2004—2005年、2009—2010年、2013—2014年等3個時間段可能近似地（由于表2中數據只保留四位有效小數，微小的變化不能反映）保持不變，也就是說在測算全要素能源效率時，技術效率保持不變。例如：北京、天津、山西、內蒙古、上海、浙江、安徽、湖南、廣東、陜西和寧夏等11個省份。（2）對其余19個省份來說，河北、遼寧、吉林、黑龍江、江蘇、福建、山東、河南、海南、重慶、四川、貴州、青海和新疆等14個省份在以上3個時間段的EC指數值可能大于1，也可能小于1。江西、湖北和甘肅等3個省份在以上3個時間段的EC指數值均大于1；廣西和云南等2個省份在以上3個時間段的EC指數值均小于1。

從表 3可以看到：在2004—2005年、2009—2010年、2013—2014年等3個時間段中，大部分省份的BPC指數值可能大于1，也可能小于1，這說明在測算全要素能源效率時，這些省份的技術進步部分可能存在進步，也可能存在倒退。例如：北京、河北、山西、內蒙古、遼寧、吉林、黑龍江、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、陜西、青海、寧夏和新疆等26個省份。另外，天津、上海和江蘇等3個省份在以上3個時間段的BPC指數值均大于1，這說明在測算全要素能源效率時，技術進步部分在3個時間段均存在進步；甘肅在以上3個時間段的BPC指數值均小于1，這說明在測算全要素能源效率時，技術進步部分在3個時間段均存在倒退。

為了進一步分析EC指數和BPC指數的逐年變化情況，本文以30個省份EC指數或BPC指數的平均值為例，說明2004—2005年等10個時間段EC指數或BPC指數的計算結果，如圖2和圖3所示。

圖2 30個省份各時間段EC指數的平均值

圖3 30個省份各時間段BPC指數的平均值

從圖2可以看到：（1）30個省份各時間段 EC 指數的平均值變化頻繁，上升和下降的趨勢交替出現。其中，在2004—2005年、2005—2006年時間段下降；在 2005—2006 年、2006—2007 年、2007—2008年時間段上升；在 2007—2008年、2008—2009年時間段下降；在 2008—2009年、2009—2010年時間段上升；在 2009—2010年、2010—2011 年 、2011—2012 年 、2012—2013 年 、2013—2014年時間段持續下降。（2）30個省份各時間段EC指數的平均值大于1的時間段有2004—2005年、2007—2008年、2008—2009年、2009—2010年、2010—2011年、2011—2012年等 6個時間段；其余4個時間段則小于1。

從圖3可以看到：（1）30個省份各時間段BPC指數的平均值變化頻繁，上升和下降的趨勢交替出現。其中，在2004—2005年、2005—2006年、2006—2007年時間段上升；2006—2007年、2007—2008年、2008—2009年時間段下降；2008—2009年、2009—2010年、2010—2011年時間段上升；2010—2011 年 、2011—2012 年 時 間 段 下 降 ；2011—2012 年 、2012—2013 年 時 間 段 下 降 ；2012—2013年、2013—2014年時間段上升。（2）30個省份各時間段BPC指數的平均值大于1的時間段有 2005—2006年、2006—2007年、2007—2008年、2009—2010年、2010—2011 年、2012—2013年等6個時間段；其余4個時間段則小于1。

比較表1～表3和圖1～圖3中的結果，可以看到：（1）GML指數大于1時，并不能保證EC指數和BPC指數大于1，例如2009—2010年時間段天津的GML指數大于1，但是EC指數小于1；2004—2005時間段河北的GML指數大于1，但是BPC指數小于1。（2）從30個省份各時間段的平均值來看，雖然GML指數、EC指數和BPC指數均變化頻繁，上升和下降的趨勢交替出現，但是變化趨勢并不一致，即不一定同步。

五、結論與啟示

本文基于GML指數，測算了中國各省2003—2014年全要素能源利用效率的變動情況，研究結果發現：（1）由于節能減排技術的提高，在大多數時間段的GML指數大于1，即大部分情況下各省全要素能源利用效率在逐漸提高。（2）GML指數、EC指數和BPC指數均變化頻繁，上升和下降的趨勢交替出現，但是變化趨勢并不一致。

根據以上研究結論，可得到以下政策啟示：（1）由于技術進步是提升能源利用效率的必要條件，因此各省份應加大技術進步方面的資金投入和扶持力度，提升節能減排技術。（2）根據GML指數的分解結果，GML指數大于1的省份，EC指數和BPC指數并不一定大于1，GML指數小于1的省份，EC指數和BPC指數并不一定小于1，因此各省在提升全要素能源利用效率時，應同時注意技術效率部分的變化和技術進步部分的變化。（3）另外，由于各行業消費效率和消費結構也可能存在差異，因此優化產業結構和能源消費結構也是提升能源利用效率的必要措施。

[1]李博，張文忠，余建輝.考慮環境約束的中國資源型城市全要素能源效率及其差異研究[J].自然資源學報，2016，31（3）：377-389.

[2]李玉婷，劉祥艷.中國工業能源效率及其收斂性——SFA全要素與單要素方法的比較分析[J].干旱區資源與環境，2016，30（12）：14-19.

[3]王群偉，周德群.中國全要素能源效率變動的實證研究[J].系統工程，2008，26（7）：74-80.

[4]He F，Zhang Q，Lei J，Fu J，Xu X.Energy efficiency and productivity change of China's iron and steel industry：Accounting for undesirable outputs[J].Energy Policy，2013，54（54）：204-213.

[5][6]Oh D H.A global Malmquist-Luenberger productivity index[J].Journal of Productivity Analysis，2010，34（3）：183-197.

[7]張軍，吳桂英，張吉鵬，2004.中國省際物質資本存量估算：1952-2000[J].經濟研究（10）：35-44.

[8]鄧光耀，韓君，張忠杰，2017.中國各省水資源利用效率的測算及回彈效應研究[J].軟科學（1）：15-19.

[9]Amstel A V.IPCC 2006 Guidelines for National Greenhouse Gas Inventories[M].2006.