礦業權重疊引致了煤炭產業技術效率損失嗎？

王忠+田家華+揭俐

摘要 提升煤炭產業生產率水平，化解產能過剩，是當前推進煤炭產業供給側改革的重點，而礦業權重疊在引致煤炭產業要素錯配、產能異質性和不完全競爭方面發揮了重要的影響作用，是影響煤炭產業生產率變動的重要因素，化解礦業權重疊風險，正成為推動煤炭生產和利用方式變革的重要突破口。本文利用2004—2014年中國煤炭產業分省市自治區的面板數據，實證檢驗了礦業權重疊對煤炭產業技術效率損失的動態影響。研究發現，礦業權重疊、生產能力不足和要素配置扭曲對煤炭產業技術效率損失具有顯著性正向影響，考慮了內生性問題的面板工具變量法的估計結果仍支持這一結論。在分別引入煤炭資源稅占地方財政收入比重和煤炭資源稅占煤炭產成品收入比重作為門檻變量后，發現礦業權重疊對煤炭產業技術效率的門檻效應顯著存在，其發展趨勢表現出一種先揚后抑的曲線關系，當煤炭資源稅征收比重跨越門檻值之后，礦業權重疊對煤炭產業技術效率的邊際影響逐漸減弱。由于煤炭產業集中度水平和所有制結構的地區差異，集聚經濟對礦業權重疊的“技術溢出”不足，并引致了煤炭產業技術效率的損失。顯然，礦業權重疊風險的傳導受到了政策因素、產能因素以及創新因素等因素的影響。因此，政策上需要全面推進稅收政策、產業政策以及能源政策、科技政策等在內的統籌協調，減緩礦業權重疊對煤炭產業技術效率損失的風險傳導。同時，政府還應加強對礦業權重疊區正常生產秩序的監管，減少不完全競爭對煤炭產業生產效率的影響。

關鍵詞 礦業權重疊；煤炭產業；技術效率；門檻效應

中圖分類號 F061.6；F062.1

文獻標識碼 A 文章編號 1002-2104（2018）03-0139-10 DOI：10.12062/cpre.20171110

“礦業權重疊”，是我國自然資源管理中普遍存在的一個現實問題。典型的例子是中國山西省境內煤炭礦業權與煤層氣礦業權重疊的比率達78%，重疊面積3 447.6平方公里，重疊類型表現出多邊重疊、多層重疊等特征。礦業權重疊不僅擾亂了正常的資源開采時序和規模，同時也抑制了資源綜合利用率水平的提高，對不同資源的開發利用和相關產業的發展，都產生了不利的影響。許多文獻研究證明，如果沒有邊界清晰的資源產權機制，資源最佳耗竭和最優開采的條件便無法滿足，進而會引起資源采掘中的要素配置扭曲，并最終引致資源采掘效率的損失。為消解礦業權重疊對煤炭產業生產秩序和生產效率產生的負面影響，國土資源部于2007年發布《關于加強煤炭和煤層氣資源綜合勘查開采管理的通知》，要求煤和煤層氣礦業權重疊區按照采氣采煤相互兼顧的原則，統籌安排煤炭與煤層氣開采的布局和時序。2016年4月，《國土資源“十三五”規劃綱要》再次提出，要合理安排油氣、煤炭、煤層氣等資源開發的空間、時序，促進多礦種資源的綜合開采和有序利用。因此，如何科學、客觀評價“礦業權重疊”與煤炭產業生產效率之間的關系，并著重分析礦業權重疊對煤炭產業技術效率損失的影響，對于我國能源政策創新和煤炭產業可持續發展無疑具有十分重要的理論意義和現實意義。

1 文獻綜述

在資源經濟理論中，自然資源的產權特征是影響資源采掘成本和生產效率的重要因素。一方面，清晰的產權機制有助于實現資源的優化配置，另一方面，不同的產權安排會導致不同程度的技術進步。礦業權重疊無疑增加了資源產權邊界的不確定性，使得資源最優開采的假設條件難以成立[1]。關于資源產權與資源利用效率關系的問題，國內外學者進行了較為深入的研究，初步形成了以下幾種觀點：①競爭效應。作為一種資源稟賦特征，礦業權重疊影響了資源采掘的開采條件和競爭環境，并引致礦業權租值的耗散[2]。具有獨占性和排他性資源產權的缺失，是導致資源過度開采、生態破壞等效率損失的重要原因[3-4]。②增加生產難度。重疊區礦體的厚度、重疊類型、致密性、伴生性等，都是影響開采方式和采掘成本的重要因素，隨著資源開采從地表逐漸深入地下，礦業權重疊給多礦種資源的綜合開采增加了難度和生產成本[5-7]。③資源錯配。礦業權重疊不僅影響了資源采掘的空間、時序以及資源開采強度[8]，同時也會引致生產要素的錯配，其結果可能有三種：一是產業集聚過度、采掘過度；二是產業集聚不足、采掘不足；三是產業集聚過度、采掘不足，或集聚不足、采掘過度[9]。

在實踐中，由于地層結構、礦體自然構造等因素的影響，不同種類的能源資源常常會表現出礦體上下“立體投影重疊”，或礦業權范圍發生“平面交叉”的現象，并誘發礦業權人之間的“產權沖突”，進而使得資源采掘業的生產效率受到影響。從礦種來看，煤炭與石油、天然氣、鈾礦、煤炭之間，煤炭與煤層氣之間發生礦體投影重疊的數量最多，約占問題礦業權數的78%。礦業權重疊增加了資源產權邊界的不確定性，使得資源最佳利用的假設條件難以成立，進而阻礙了資源采掘市場競爭性均衡的實現[10]。另外，由于過去我國煤炭產業長期的粗放式發展，煤炭產業的集中度水平偏低，煤炭產業“多、小、散、重”的格局造成了嚴重的負面影響，如產能不足、生產低效、資源浪費嚴重等[11]。

作為中國“礦業權有形市場”的一個典型特征，礦業權重疊已成為制約資源富集區采掘業生產效率提升的重要影響因素。如何消解礦業權重疊對資源產業生產效率的負面影響，一直以來被視為一個非常重要的問題受到普遍關注。然而，從以往研究來看，鮮有文獻從實證角度檢驗礦業權重疊與資源采掘業生產效率的關系，且現有文獻多以研究資源稅政策、安全生產、資源耗減等因素對能源采掘效率的影響以及對能源采掘業生產效率的測度等為主[12-16]，但對于生產過程如何受到影響，以及外生性因素對資源采掘效率究竟產生了多大的影響，一直缺乏科學地評估。隨著國家對資源與環境問題的日益重視，如何提升煤炭資源利用效率，促進資源集約節約利用，已成為影響我國能源生產和消費可持續發展的一個重要問題。基于此，本文嘗試采用超越對數生產函數模型，將礦業權重疊作為外生性變量納入模型，實證考察礦業權重疊對煤炭產業技術效率損失的影響，為中國《能源生產和消費革命戰略（2016—2030）》的實施提供一些經驗借鑒。endprint

本文的貢獻主要體現在：①方法上，運用超越對數生產函數模型，測度了2004—2014年間我國煤炭產業技術效率損失的動態變化；②運用面板線性回歸模型和面板門檻效應模型，分別檢驗了礦業權重疊與煤炭產業技術效率損失間的影響關系，并對其影響機理作了探討，這為檢視我國煤炭產業政策、礦業權管理政策以及能源政策的效果，提供了一些可供借鑒的思路。本文余下部分的結構安排如下：第二部分介紹研究方法與模型選擇；第三部分對變量選擇和數據處理進行描述；第四部分對礦業權重疊與煤炭產業技術效率損失的線性與非線性關系進行實證檢驗；第五部分是結論與啟示。

2 研究方法與模型

2.1 技術效率測度模型

技術效率的前沿函數測定方法，最早是由Farrel在1957年提出，后經Aigner、Meesen等發展而形成的一種測度方法，其基本思想是通過構造生產前沿面來計算生產率水平與生產前沿面的差距，以此表征在現有技術水平下技術效率的基本特征[17-18]。Battese和Coelli在1995提出了可用于面板數據估計的隨機前沿生產函數效率模型，其一般形式為：

式（1）中，i=1，2，…，n代表地區，t=1，2，…T是時間趨勢項，Yit代表地區i在時間t的產出，xit代表地區i在時間t的要素投入，β為xit的待估系數。vit表示隨機擾動項，用于解釋測量誤差或其它不可控因素帶來的沖擊，其值可正可負，服從均值為零，方差為σ2v的獨立分布；uit表示個體沖擊，即技術非效率項，反映地區i在時間t與效率前沿面的偏離程度，其值服從均值為δzit，方差為σ2u的單邊正態分布，并具有非負性。該模型被稱為隨機前沿生產函數模型是因為其產出率水平受到了隨機變量e（βxit+vit）的約束[19]。

由于傳統的CobbDouglas生產函數假定生產要素投入的替代彈性為0或1，這與實際不盡相符。因此，本文在確定煤炭產業生產函數形式時，假定事先并不知道各種生產要素之間的替代彈性，為反映一些外生性因素對煤炭產業生產效率的影響，我們采用形式靈活、可近似反映任何生產技術的超越對數生產函數對公式（1）進行擴展，構建的超越對數生產函數模型如下：

式（2）中，Yit代表煤炭產業產成品總值，t是時間趨勢項，i表示地區，Kit和Lit分別是煤炭產業的資本存量和勞動投入，Zit代表礦業權重疊的比重。模型中設置的時間趨勢項及其二次項，可以反映出希克斯中性技術進步。在式（2）中，假設H0∶βT=βKK=βLL=βTT=βKL=βTK=βTL=βZ=βZZ=0，隨機前沿生產函數可轉化為C-D生產函數，通過計算廣義似然率統計量LR=-2（lnLH0-lnLH1），進行卡方統計顯著性檢驗，可以對超越對數生產函數和C-D生產函數的適宜性進行檢驗。

基于公式（2），我們可以得到包含礦業權重疊等因素的技術非效率函數uit的表達式：

式（3）中，Zit表示決定煤炭產業技術非效率的外生變量，δ為負值表示該變量對技術效率有正向影響，反之亦然。θ0是常數項，wit服從均值為零，方差為σ2u的截斷正態分布。

采用極大似然法對式（2）和式（3）中的前沿生產函數模型和技術非效率項進行估計，可得到技術效率的計算公式，具體如下：

e-uit反映地區i在時間t的技術效率水平，uit越大表明技術效率越低，反之則越高。如果uit=0，此時TEit=1，則技術有效，即決策單元位于最佳前沿面上，表示生產是有效的；而如果uit>0，TEit<1，則決策單元位于最佳前沿面以下，表示生產是無效的。

那么，技術效率損失的表達式可表示為：

2.2 礦業權重疊引致技術效率損失的計量分析

在技術效率損失測度結果的基礎上，我們使用面板數據模型對礦業權重疊與煤炭產業技術效率損失的關系進行計量分析，分別構建面板線性回歸模型和面板門檻回歸模型，以檢驗兩者之間可能存在的多種復雜的關系，模型分別設定如下：

（1）面板線性回歸模型。為考察礦業權重疊對煤炭產業技術效率損失的影響，設置生產能力、要素配置扭曲、產業集聚、國有企業比重、第二產業比重、煤炭資源稅占地方財政收入比重和煤炭資源稅占煤炭產成品收入比重七個控制變量，建立一般線性回歸模型如下：

式（6）中，下標代表相應的區域和時間，lnΔTEit代表煤炭產業技術效率損失，lnMOit代表礦業權重疊比重，lnXit代表其他控制變量，如，生產能力、產業集聚、要素配置扭曲等，uit代表個體效應，vit代表白噪聲。在模型估計前，應對是否采用混合OLS估計、固定效應模型和隨機效應模型進行檢驗，以選擇合適的模型估計方法，提高估計的有效性。

如果模型存在內生性問題，上述面板回歸模型的估計結果可能是不準確的。事實上，在上述模型中，生產能力是一個難以被準確觀測到的變量，它與煤炭產業技術效率損失之間可能存在雙向因果關系，即一方面生產能力不足導致技術效率的損失；另一方面，技術效率損失也可能影響生產能力的改進，從而形成內生性問題。因此，為克服內生性問題，本文選擇煤炭采掘企業的生產能力作為內生變量，將煤炭資源人均儲量作為工具變量，在式（6）的基礎上，采用面板工具變量法（IV）進行估計，以對相關結果進行對比分析，模型設定如下：

式（7）中，lnX1it代表內生變量，表示煤炭采掘企業生產能力的差異，lnZit代表工具變量，且滿足E（u|Z）=0和E（X1|Z）≠0的條件期望。

（2）面板門檻回歸模型。在現實中，決定礦業權重疊對煤炭產業技術效率損失邊際影響程度的因素很多，例如，當資源稅征收水平較低時，重疊區擁有不同技術能力的采掘企業可能展開“采掘競爭”，加快對資源的“掠奪性開采”，進而抑制投資驅動向創新驅動的轉變，并引致產業技術效率的低下。因此，礦業權重疊對煤炭產業技術效率損失的影響可能存在復雜的非線性關系，而并非簡單的線性關系，如邊際影響在門檻變量的閥值區間內出現拐點，表現出邊際作用增強或減弱的發展趨勢。endprint

為了檢驗這種非線性關系在礦業權重疊對煤炭產業技術效率損失的邊際影響中是否存在，本文借鑒Hansen提出的門檻效應模型來進行實證檢驗[20]，模型設定如下：

式（8）中，I（·）為指示函數，Revlit為門檻變量，表示煤炭資源稅的征收比重，γ是門檻值，εit為白噪聲，其它變量所表示的內涵與前文界定相同。當λ1≠λ2時，說明存在著門檻效應。在估計出門檻值后，通過Hansen給出的經驗公式LR（γ）>-2ln（1-1-α）（α為顯著性水平），可進一步檢驗該門檻值的置信區間。當顯著性水平α取值0.05時，LR值為7.35，其置信區間即為LR值低于7.35所對應的區間。如果存在多重門檻值，上式還可作進一步的拓展。

3 變量與數據

3.1 變量選擇

本文所使用的數據主要涉及煤炭產業的工業總產值、資本存量、勞動投入、固定資本投資、企業數、從業人員數、國有企業數、礦業權重疊以及越界采掘率等。核心變量界定如下：

（1）礦業權重疊。以煤炭與石油、天然氣等能源礦產發生礦業權“上下投影重疊”或“平面交叉重疊”的個數占地區能源資源礦業權總數的比重為指標，反映該地區礦業權重疊的強度。由于統計部門沒有公布礦業權重疊比重的數據，本文以實際存在礦業權“上下投影重疊”或“平面交叉重疊”地區的越界開采行為的發生率作為代替（越界開采件數占地區非法開采件數的比重）。該指標可根據歷年《中國國土資源年鑒》統計數據整理和計算得到。由于礦業權重疊會導致煤炭采掘難度、邊際生產成本以及不完全競爭性的上升，進而對煤炭產業技術效率的改進形成了“阻滯效應”，因此我們預期其系數符號為正。

（2）產業集聚。以煤炭產業固定資產投資區位熵來表示不同時期不同區域煤炭產業投資的集聚水平，計算公式如下：

式（9）中，i代表產業，j代表地區，Eij表示地區j產業i的固定資產投資，LQij表示地區j產業i的固定資產投資占有的份額占全國同類指標總體份額的比值，以此反映地區j產業i的集聚水平，數據來源于《中國能源統計年鑒》。在“擁擠效應”到來之前，產業集聚對生產率的影響存在邊際遞增效應，因此本文預期其系數為負。

（3）要素配置扭曲。以煤炭產業人均固定資產投入占該行業、該地區人均固定資產投入平均值的比重來表示，以此衡量生產要素配置的扭曲程度。該數據根據《中國能源統計年鑒》和《中國國土資源年鑒》整理而得。在市場機制作用下，要素配置扭曲程度越高，導致的生產要素配置效率越低，因此我們預期其系數為正。

（4）生產能力。以煤炭產業單個地區所實現的產成品收入除以該地區、該產業企業數所得的值，來反映煤炭采掘企業生產能力的差異。數據來源于《中國工業統計年鑒》。由于樣本期內中國煤炭產業小煤礦數量眾多，而這些小煤礦又普遍存在技術水平低下、成本優化能力不足等問題，因此預期其系數為正。

（5）國有企業比重。以煤炭產業國有企業數占該地區煤炭企業總數的比重來表示，以此反映煤炭產業的所有制結構。該變量為煤炭產業技術創新投入和安全生產水平的外在反映，其值越大，所反映的技術效率水平越高，我們預期其系數為負。數據來源于《中國工業統計年鑒》。

（6）煤炭資源稅征收水平。以煤炭資源稅收入占煤炭產成品收入比重來表示，反映煤炭資源稅的征收水平。煤炭資源稅收入，統一按煤炭產量乘以煤炭資源稅從量計稅標準（1.5元·t-1）得到。因為中國煤炭資源稅“從價計征”改革自2014年12月1日起才正式實施，改革前采取從量計征的辦法（0.3～5元/t），這里本文假定樣本期內全國各省均按1.5元·t-1測算，雖不太精確，但不影響結果的討論。參考朱學敏和林伯強的研究[12，21]，我們預期其系數為負。煤炭產量數據來源于《中國能源統計年鑒》，煤炭產成品收入數據來源于《中國工業統計年鑒》。

（7）煤炭經濟依賴度。以煤炭資源稅收入占地方財政收入比重來表示，以此反映地方財政對煤炭資源經濟的依賴程度。當煤炭經濟規模較小時，資源豐裕地區為促進資源經濟的快速發展，越有可能弱化對企業無序開采或破壞性開采行為的監管，進而引致資源利用效率的損失，但隨著煤炭采掘規模的擴大，地方政府加強對煤炭產業生產能力不足和產出效率低下的規制，煤炭產業技術效率將出現拐點，并表現出技術效率損失下降的變化，因此我們預期其系數會出現由正到負的轉變。煤炭資源稅收入計算方法同前所述，地方財政收入數據來源于《中國統計年鑒》。

（8）第二產業比重。以地區第二產業GDP占三次產業GDP總值的比重來表示，以反映該地區工業經濟的發展水平。數據來源于《中國統計年鑒》，并預期其系數為負。

3.2 數據處理與描述

在效率測度模型中，由于統計部門沒有公布煤炭產業固定資本存量的數據，本文運用永續盤存法對此進行估算，計算公式為：

式（10）中i代表地區，t代表時間；Kit為經價格平減后的第i個地區煤炭產業第t年的資本存量，平減指數用2004—2014年各省能源采掘業固定資產投資價格指數代替；Iit為煤炭產業地區i第t年的固定資產投資，δit為折舊率。對于初期的固定資本存量，借鑒柯善咨的方法來進行計算[21]，公式為：

式（11）中Ii0代表地區i初始年份0的不變價投資，g為不變價投資Iit的平均增長率，δ為資本的折舊率。

由于《中國能源統計年鑒》《中國國土資源統計年鑒》缺少“北京、天津、上海、浙江、湖南、廣東、海南、西藏”共8個地區煤炭產業的相關數據，為了保持數據的完整性和統一性，本文確定的研究樣本為剔除上述8個地區后的23個地區樣本。主要變量的描述性統計見表1所示。

4 實證分析

4.1 隨機前沿生產函數模型的系數估計

基于超越對數生產函數模型，采用隨機前沿估計方法（SFA）計算得到的系數估計結果見表2。endprint

由表2可知，模型LR檢驗的卡方統計量在1%的顯著性水平上拒絕原假設，說明選擇超越對數生產函數是合理的，且估計結果的各系數符號符合理論預期。無效率干擾項γ的值為0.966 583，表明無效率干擾項的波動占總波動的比例高達96%以上，煤炭產業效率水平偏離最優生產邊界的特征明顯。從投入要素的產出彈性來看，資本的產出彈性系數約為0.31，P值為0.003，在1%的顯著性水平下是顯著的，意味著資本投入每增長1個單位將帶來煤炭產出增長約0.31個單位，投資驅動的特征較為明顯；

從時間效應來看，表征技術進步的時間趨勢t的系數顯著為正，而其平方項的系數顯著為負，表明煤炭產業的邊際產出隨時間逐漸下降，存在技術進步的減緩。另外，時間趨勢與勞動要素交叉項的系數顯著為負，這在一定程度上表明了煤炭產出的邊際增長隨著勞動的持續投入出現了下降。

對于本文更為關注的外生性影響因素（礦業權重疊）βZ的系數為正（1.131 526），P值為0.025，在5%的顯著性水平下顯著不為零，說明礦業權重疊對煤炭生產的過程產生了實質性影響，即隨著礦業權重疊比重的增加，其產量也出現了增長，這可能與礦業權重疊引致的采掘競爭有關。盡管其平方項的系數符號βZZ為負，符合邊際效率遞減的現實預期，但結果并不顯著。

4.2 實證結果與分析

4.2.1 模型選擇

對面板數據進行回歸分析前，應先進行模型設定的檢驗，以確定選擇合適的估計模型。本文利用STATA14.0軟件對數據進行分析，模型設定和檢驗的結果見表3。

由表3可知，F檢驗拒絕了不同個體截距項相同的原假設，選擇固定效應模型更合適。同樣，Hausman檢驗也拒絕了隨機效應模型是有效估計的原假設，說明對煤炭產業技術效率損失的估計更適合采用固定效應模型。但Wald檢驗顯示面板數據存在異方差現象，這可能導致固定效應模型估計結果的偏誤，因此，需要選擇更為穩健的估計方法，以便對異方差問題進行處理。

4.2.2 面板線性回歸模型的結果與對比

基于表3的檢驗結果，本文首先采用固定效應模型（FE）進行估計，然后采用面板工具變量法（Panel-IV）對可能因內生性問題而導致的固定效應估計偏誤進行處理，得到的估計結果見表4。

模型（1）～模型（3）表示基于固定效應穩健型估計的回歸結果，模型（4）～模型（6）表示基于面板工具變量法估計的回歸結果。從結果來看，面板工具變量法估計的DavidMacKinnon 檢驗均在1%的顯著性水平上拒絕原假設，表明模型存在內生性問題。在引入人均煤炭資源儲量作為工具變量后，模型估計的Sargan檢驗均接受不存在過度識別的原假設，表明模型設定的工具變量是有效的。另外，識別不足檢驗和弱工具變量檢驗也分別通過了1%和5%的顯著性檢驗，說明工具變量的選擇是合理的。除此之外，本文重點關注的礦業權重疊的回歸系數除模型（1）外均顯著為正，影響程度也在接近于固定效應模型估計結果的范圍內變動，其它變量的顯著性水平和系數符號也與固定效應估計基本一致，說明面板工具變量法的估計結果是穩健的。

從表4的結果來看到，所有模型均支持礦業權重疊對煤炭產業技術效率損失產生了顯著性正向影響這一結果，表明礦業權重疊是引致煤炭產業技術效率損失的重要原因，即礦業權重疊比例越高，煤炭產業的技術效率損失越多。生產能力和要素配置扭曲的系數均顯著為正，表明煤炭產業的產能水平和生產要素配置不利于產業技術效率的提升，存在產能低下和要素配置低效的問題。國有企業比重的系數均顯著為負，表明國有煤炭企業對產業技術效率的提升發揮了顯著的促進作用，這可能與國有企業的技術創新能力和“創新驅動”有關，即國有企業的技術能力和技術投入減少了煤炭產業技術效率的損失。煤炭資源稅占地方財政收入比重的系數符號為正，表明地方財政對煤炭資源稅的依賴程度越重，煤炭產業的技術效率損失越大，這與“資源詛咒”的理論預期相符。

從結果對比來看，模型（6）中煤炭資源稅占煤炭產成品收入比重的系數符號相較于模型（3）發生了改變，但仍具有1%的顯著性水平，這可能與面板工具變量法對內生性問題的處理有關，對于這一現象，我們將在下文結合面板門檻回歸的結果作進一步解釋說明。總的來看，經過面板工具變量法的處理后，模型（6）的結果更符合理論預期，即表明在中國煤炭資源稅“從價計征”改革前，煤炭資源稅的征收水平事實上是引致煤炭產業技術效率損失的重要原因。

4.2.3 面板門檻回歸模型的估計結果與分析

資源采掘最優開采的條件在于邊際收益與邊際成本相等，如果發生礦業權重疊，不同資源的伴生特征、采掘難度、安全風險等無疑都會帶來采掘成本的上升。當采掘成本逐漸上升到一個較高水平時，采掘企業的邊際產出效率開始出現邊際遞減，進而引致技術效率的損失。因此，在不同的資源稅征收比重下，礦業權重疊可能因采掘成本的差異而對煤炭產業技術效率損失的邊際影響出現拐點。基于此，結合中國煤炭資源稅改革的基本特征，我們分別選擇煤炭資源稅占地方財政收入比重和煤炭資源稅占煤炭產成品收入比重作為門檻變量，以檢驗本文核心解釋變量礦業權重疊與煤炭產業技術效率損失之間是否存在非線性關系。經過“自抽樣”300次后得到的估計結果和模型檢驗見表5和圖1。

從表5結果來看，模型（7）和模型（8）均捕捉到了礦業權重疊對煤炭產業技術效率損失非線性影響的門檻效應，其影響系數的符號與模型（1）至模型（6）的符號一致，影響程度也在線性回歸結果的上下浮動，表明礦業權重疊對煤炭產業技術效率損失的影響趨勢相同，影響程度存在非線性特征，模型設定合理。

具體來看，當以煤炭資源稅收入占地方財政收入比重作為門檻變量，門檻值小于0.024時，礦業權重疊對煤炭產業技術效率損失的影響系數為0.060，并具有1%的顯著性水平，而當門檻值處于[0.024，0.034]區間時，影響系數影響系數下降到-0.015，雖然結果并不顯著，但依然可以說明隨著煤炭資源稅收入占地方財政收入比重的提升，礦業權重疊引致的煤炭產業技術效率損失出現了下降，這可能與煤炭市場發展過程中的產業集聚及地方政府干預有關。當煤炭產業規模較小時，出于保障能源供給和促進地方經濟發展考慮，地方政府鼓勵集體、個體以及私營小煤礦發展，進而形成了產業集中度不足和產出效率低下的格局。隨著煤炭開采規模的不斷增加，地方政府為促進資源集約化利用加強了對煤炭產業的“產能整合”，以引導行業合理競爭，產業規模效率隨即得以提升。而當以煤炭資源稅收入占煤炭產成品收入比重作為門檻變量，且門檻值小于0.037時，礦業權重疊的影響系數為0.138，當門檻值處于[0.037，0.045]區間時，影響程度增加到0.256，當門檻值大于0.045時，影響程度出現拐點，下降到0.026，并且在1%和5%的顯著性水平下顯著，表明煤炭資源稅從價計征改革前的征稅水平加劇了礦業權重疊風險的傳導，而煤炭資源稅征收比重的大小對礦業權重疊風險的傳導具有閥值效應。endprint

從結果對比來看，門檻效應模型的回歸結果相較于線性回歸模型，在擬合優度上有了顯著提升，并且大部分系數的符號和顯著性水平也與線性回歸結果一致，表明選擇門檻效應模型來解釋礦業權重疊與煤炭產業技術效率損失之間的復雜關系是合理的。除第二產業比重和煤炭資源稅收入占產成品收入比重的系數符號發生改變外，模型（7）和模型（8）中其它變量的解釋意義與線性回歸結果相同。而造成系數符號發生改變的原因可能在于：當我們對面板數據進行門檻效應估計時，系數符號不僅反映出了其邊際影響的程度、方向，同時也反映了基于門檻變量約束下的發展趨勢。如第二產業比重的系數符號由負變正，說明模型對資源稅征收比重（反映經濟發展階段）進行控制后，煤炭產業受益于第二產業發展的“技術溢出”效應并不明顯，出現了效率的損失，但這一結果在上述模型中并不顯著。

值得指出的是，相較于模型（1）至模型（6）的回歸結果，模型（7）和模型（8）中煤炭資源稅占煤炭產成品收入比重的系數符號也發生了改變，由正變負，但顯著性水平沒有變化，造成這一結果的原因可能是：在增加門檻變量后，模型生成了一個新的交叉變量（礦業權重疊*煤炭資源稅占煤炭產成品收入比重），使得煤炭資源稅占煤炭產成品收入比重對煤炭產業技術效率損失的邊際影響部分被交叉項所替代，分離出這個效應后，其自身系數符號的意義發生了改變。未加入門檻變量前，煤炭資源稅占煤炭產成品收入比重系數符號的解釋意義在于反映其對技術效率損失的邊際影響，而加入門檻變量后，其意義則變為反映該邊際影響的發展趨勢。由正變負，表明影響趨勢出現了拐點，即隨著煤炭資源稅征收比重的增大，煤炭產業技術效率損失逐漸縮小，這與當前煤炭資源稅改革的理論預期一致。

5 結論與啟示

如何有效提升煤炭產業的生產效率水平是中國實施煤炭產業供給側改革、推進能源生產和利用方式變革中遇到的一個重要問題。通過探討礦業權重疊影響煤炭產業技術效率的內在機理，本文基于隨機前沿參數法估算了中國2004—2014年間煤炭產業技術效率的實際水平，并基于測度的結果，采用面板線性回歸模型和面板門檻回歸模型，對礦業權重疊對煤炭產業技術效率影響的程度、發展趨勢進行了實證檢驗。本文研究的主要結論如下：

（1）樣本期內，中國煤炭產業技術效率損失出現了惡化趨勢。通過測算，2004—2009年間中國煤炭產業技術效率損失平均值為0.689，而2010—2014年間其平均值增加到0.734，但年均增幅呈下降趨勢。這表明2004—2014年間中國煤炭產業技術效率的缺口仍在擴大之中，但惡化趨勢有所收斂。通過實證檢驗煤炭產業技術效率損失與礦業權重疊比重的線性關系可以發現，樣本期內兩者之間呈現出了同向波動的趨勢。其原因可能在于，考察期內煤炭采掘企業產能水平不高，在應對礦業權重疊問題時，表現出了以投資驅動為特征的采掘競爭，使得短視化的投資決策扭曲了生產要素的優化配置，從而引致了煤炭產業技術效率損失的情形。

（2）模型回歸結果顯示，礦業權重疊、生產能力低下和要素配置扭曲顯著加劇了中國煤炭產業技術效率的損失。且礦業權重疊對煤炭產業技術效率損失具有門檻效應，當煤炭資源稅占煤炭產成品收入比重低于3.7%時，礦業權重疊對煤炭產業技術效率損失的影響程度為0.138，而當該比重上升到4.5%時，礦業權重疊對煤炭產業技術效率損失的影響程度增至0.256，當煤炭資源稅占煤炭產成品收入比重高于4.5%時，礦業權重疊對煤炭產業技術效率損失的影響出現了拐點，邊際影響的發展趨勢向下。這表明，礦業權重疊對煤炭產業技術效率損失的邊際影響呈現出了先揚后抑的特征，煤炭資源稅征收比重的高低應有一個合理的閥值區間，并應與特定經濟發展階段的內在需求相吻合。

（3）在其它因素方面，國有企業比重對煤炭產業技術效率損失具有顯著抑制作用，表明國有煤炭企業的發展能夠促進煤炭產業技術效率的提升。這可能是因為國有企業擁有更多先進的生產技術，并且積極尋求由投資驅動向創新驅動的轉變，在應對礦業權重疊問題時，能夠依賴技術驅動消解礦業權重疊對產業技術效率損失帶來的影響。

以上結論蘊含的政策啟示包括以下幾點：

（1）實證結果表明樣本期內中國煤炭產業的技術效率損失出現了加劇的趨勢，并與礦業權重疊、生產能力低下和要素配置扭曲呈同向波動趨勢，這說明煤炭產業的產權特征、稟賦條件等可通過影響生產過程中的要素配置和技術創新間接影響煤炭產業技術效率的變動，提升煤炭產業技術效率水平的關鍵在于化解可能影響生產過程中投入與產出效率損失的內生性與外生性風險，進一步優化制度環境，助推煤炭產業技術效率的提升。

（2）根據礦業權重疊對煤炭產業技術效率損失的非線性關系，可以從兩方面來消解礦業權重疊對煤炭產業技術效率損失的影響：一是結合煤炭資源稅從價計征改革，合理調節煤炭資源稅的征收比重，從價計征的標準應界定在高于4.5%的區間，并綜合考慮其與礦業權重疊所形成的交互作用。二是應加強對礦業權重疊區生產秩序的監管，并在一定程度上支持煤炭采區實現采掘信息的共享、風險通告、聯合開采等做法，減少“越界開采、掠奪性開采”等對煤炭產業技術效率損失造成的影響。

（3）加大對煤炭產業技術創新的政策扶持。為了進一步推動煤炭產業供給側改革，提升產業生產率水平，政策制定和實施部門應加大對煤炭產業技術創新的政策扶持，淘汰落后產能，調整產業規模，以提升煤炭產業集聚水平。除此之外，還應支持煤炭采掘企業加大技術研發投入，減少惡性競爭，不斷促進煤炭采掘市場的完全競爭性，這樣才能有效實現煤炭產業由投資驅動向創新驅動的轉變，這不僅有利于促進煤炭產業的供給側改革和發展轉型，同時也有利于推進創新型國家的建設。

參考文獻（References）

[1]HOTELLING H. The economics of exhaustible resources[J]. Bulletin of mathematical biology， 1991， 53（1-2）：281-312.endprint

[2]LIBECAP G D. Economic variables and the development of the law： the case of western mineral rights[J].The journal of economic history， 1978，38（2）：338-362.

[3]HARRIS D P. Mineral resource stocks and information[M]//Allen V K， James L S. Handbook of natural resource and energy economics. Elsevier Science Publishers， 1993： 1011-1076.

[4]DALTON T R， COATS R M， ASRABADI B R. Renewable resources， propertyrights regimes and endogenous growth[J].Ecological economics，2005，52 （1）：31-41.

[5]WU L C， ZHU Y S， LIU Y X， et al. Development techniques of multilayer tight gas reservoirs in mining rights overlapping blocks： a case study of the Shenmu Gas Field， Ordos Basin， NW China[J]. Petroleum exploration and development， 2015， 42（6）： 904-912.

[6]STOKER T M， BERNDT E R， ELLERMAN A D， et al. Panel data analysis of U.S. coal productivity[J]. Journal of econometrics， 2005， 127（2）：131-164.

[7]CUBA N， BEBBINGTON A， ROGAN J， et al. Extractive industries， livelihoods and natural resource competition： mapping overlapping claims in Peru and Ghana[J]. Applied geography， 2014，54（10）： 250-261.

[8]MA Z W， CHEN C. Research on the overlapping rights of coalbed methane in China[J]. Environmental and earth sciences research journal， 2015， 2（1）： 21-26.

[9]MIRMAN L J， TO T. Stragegic resource extraction， capital accumulation and overlapping generations[J]. Journal of environmental economics and management， 2005， 50（8）： 378-386.

[10]王忠，揭俐，曾偉.礦業權重疊對我國煤炭產業全要素生產率的非線性影響[J].中南財經政法大學學報，2017（5）：59-68. [WANG Zhong， JIE Li， ZENG Wei. The nonlinear impact of mining rights overlapping on total factor productivity of coal extractive industry in China[J]. Journal of Zhongnan University of Economics and Law， 2017（5）：59-68.]

[11]王忠，周昱岑.資源產權、政府競爭與礦業權規制策略[J].中國行政管理，2015，364（10）：129-134.[WANG Zhong， ZHOU Yucen. Resource property rights， government competition & strategies for mineral rights regulation[J]. Chinese public administration， 2015，364（10）：129-134.]

[12]朱學敏，王強，李軍華，等.資源稅對煤炭產業生產效率影響的實證研究[J].中國石油大學學報（社會科學版），2012，28（2）：5-9.[ZHU Xueming， WANG Qiang， LI Junhua， et al. An empirical study of coal industry productivity in presence of resource tax[J].Journal of China University of Petroleum （edition of social sciences），2012，28（2）：5-9.]

[13]CUI Y J， HUANG G L， YIN Z Y. Estimating regional coal resource efficiency in China using threestage DEA and bootstrap DEA models[J]. International journal of mining science and technology， 2015，25（5）：861-864.endprint

[14]WANG Y L， LIU C Z. Capital structure， equity structure and technical efficiencyempirical study based on China coal listed companies[J].Procedia earth and planetary science，2009（1）：1635-1640.

[15]王克強，武英濤，劉紅梅.中國能源開采業全要素生產率的測度框架與實證研究[J].經濟研究， 2013（6）：127-140. [WANG Keqiang， WU Yingtao， LIU Hongmei. An analytical framework and empirical study for TFP in Chinese energy mining industry[J]. Economic research journal， 2013（6）：127-140.]

[16]鄒濤，肖興志，李沙沙.煤礦安全規制對煤炭行業生產率影響的實證研究[J].中國工業經濟，2015（10）：85-99. [ZOU Tao， XIAO Xingzhi， LI Shasha. An empirical study on the impact of coal mine safety regulation on coal industrys TFP [J]. China industrial economics， 2015（10）：85-99.]

[17]AIGENER D， LOVELL K， SCHMIDT P. Formulation and estimation of stochastic frontier function models[J].Journal of econometric，1977， 6（1）：21-37.

[18]MEESEN W， BROECK V D J. Efficiency estimation from CobbDouglas production functions with composed error[J].International economic review，1977， 18（2）：435-444.

[19]BATTESE G E， COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical economics，1995，20（2）：325-332.

[20]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing， and inference [J]. Journal of econometrics， 1999， 93（2）：345-368.

[21]林伯強，劉希穎，鄒楚沅，等.資源稅改革：以煤炭為例的資源經濟學分析[J].中國社會科學，2012（2）：58-78. [LIN Boqiang， LIU Xiyin， ZOU Chuyuan， et al. Resource tax reform： a case study of coal from the perspective of resource economics[J].Social sciences in China， 2012（2）：58-78.]

[22]柯善咨，向娟.1996—2009年中國城市固定資本存量估算[J].統計研究，2012（7）：19-24.[KE Shanzi， XIANG Juan. Estimation of the fixed capital stocks in Chinese cities for 1996-2009[J].Statistical research， 2012（7）：19-24.]

[23]XIANG Z， LIU X Y. Coalbased transformation of cities in Shandong Province， China[J]. Chinese journal of population， resources and environment， 2015， 13（4）： 358-364.

[24]LI Y， WANG M M， SUI Y， et al. Empirical analysis of carbon tariffs effect on the export structure of Chinas manufacturing industry and social welfare based on the GTAP model[J]. Chinese journal of population， resources and environment， 2016， 14（1）： 1-10.endprint