能源價格波動、誘導性技術進步與中國環境全要素生產率

楊福霞，徐江川，楊 冕，史 巖

(1.華中農業大學經濟管理學院，湖北 武漢 430070; 2.武漢大學經濟與管理學院，湖北 武漢 430072;3.武漢大學人口·資源與環境經濟研究中心，湖北 武漢 430072；4.甘肅銀行股份有限公司，甘肅 蘭州 730000)

1 引言

近年來，隨著能源期貨市場的日益發展，能源衍生品交易規模不斷擴大，其合約種類也呈現日趨多元化的態勢。據統計，2016年美國原油期貨交易成交合約日均量達18.2萬口，比2015年高出16%。能源的“金融屬性”日益凸顯，導致能源價格分析逐漸脫離傳統的供需框架，其運行規律呈現出更為復雜的特征。在此背景下，能源價格波動特征及其對宏觀經濟、社會福利與環境改善的影響逐步成為學術界廣泛關注的焦點。

20世紀70年代所爆發的兩次石油危機，使學者們深刻認識到能源價格持續上漲對社會生產與人民生活所造成的巨大危害。一方面，能源作為一種重要的基礎性生產要素，與其他生產要素的替代性較弱。能源價格持續上漲會導致企業生產的邊際成本逐步增加，生產可能性邊界線向內收縮。這一影響還通過產業鏈在行業內進行傳導，造成整個行業生產成本的增加[1]，最終導致宏觀經濟增長速度放緩[2-6]。另一方面，邊際生產成本的升高將迫使部分企業退出產品供給市場；在市場總需求不變的情況下，產品價格將呈現上漲趨勢，從而抬升消費者價格指數(CPI)[7]。CPI的消極上升可能會造成惡性通貨膨脹的發生，進而引發經濟衰退[8-11]。此外，能源與其他消費品的替代彈性較低，能源價格的上漲不僅直接增加消費者的生活成本，還將通過水、電、糧食等消費品價格的升高影響CPI，從而對消費者的福利產生負面效應[12-13]。

能源在對經濟增長做出巨大貢獻的同時，其燃燒過程中所排放的大量溫室氣體、各類大氣污染物也對環境質量造成了嚴重破壞。現有關于能源價格波動對環境質量影響的文獻主要從能源價格上漲所產生的替代效應、收入效應和技術進步效應三個方面進行論述。其中，替代效應主要表現為：在技術允許條件下，能源價格上漲將引導廠商使用其他非能源要素替代能源，從而達到減少能源消耗的目標，并客觀上改善了環境質量[14]。同時，化石能源價格快速上漲，將誘使企業進行水電、風能、太陽能等可再生能源的開發和使用[15-16]；通過促進各種清潔能源對傳統化石能源的替代，從而實現溫室氣體和各種大氣污染物的減排。收入效應表現為：能源價格持續上漲將不可避免地對宏觀經濟增長造成沖擊，經濟增速的放緩將減少其對能源的需求，進而對大氣污染物排放產生一定程度的遏制[17]。技術進步效應則體現為：能源價格升高將誘導企業研發能源節約型技術，提高能源使用效率[18-21]；這在一定程度上控制能耗量的快速增加，減緩環境壓力[22]。

綜上所述，能源價格波動對宏觀經濟增長和環境改善具有重要影響。現有文獻大多側重于分析能源價格波動影響經濟增長或環境質量兩者中的某一側面，而對兩者的綜合效應進行系統研究的文獻尚不多見。實際上，能源價格波動導致要素間相對價格發生變化，進而激發微觀經濟主體進行技術創新以節約相對昂貴的生產要素，即要素價格波動誘導技術創新。不同于新古典經濟理論假設技術進步外生于經濟系統內的各因素，誘導性技術變遷理論認為技術進步是生產者因系統內某因素變動所自發進行的技術升級行為。具體以能源價格變化為例(見圖1)，持續升高的能源價格使得企業的生產成本陡然增加，追求利潤最大化的生產者為節約生產成本將主動開發或引進更先進的節能型技術。這一方面推動現有生產技術前沿向前移動，即增加經濟產出；同時也通過要素替代減少了能源消耗，從而產生環保效應，最終表現為環境友好型生產技術水平提升。

圖1 能源價格誘導性技術進步與環境全要素生產率變動的內在作用機理

因此，在對近年來我國能源價格波動特征進行分析的基礎上，本文重點探究能源價格變動是否誘導環境友好型技術前沿外移，進而對我國環境全要素生產率(ETFP)產生何種影響。與已有文獻相比，本研究嘗試從以下兩個方面開展創新性研究：首先，基于參數化的雙曲距離函數，將ETFP的變動分解為能源價格誘導性技術進步、外生技術進步和技術效率變化三個組成部分，評估能源價格誘導性技術進步對我國ETFP變動的貢獻程度及其時空分異特征；其次，系統解析能源價格誘導性技術進步的具體偏向類型，并演繹其在時序維度上的轉換規律。

2 能源價格波動分析

詳細分析能源價格的波動特征是深入研究其經濟社會影響的重要前提[23]。鑒于煤炭、電力、石油三種能源消費量占據我國能源消費總量的90%以上，此處選用上述三種能源2006年1月至2014年4月的價格數據，采用金融領域常用的波動分析工具—ARCH類模型分析其價格波動特征。

2.1 ARCH與GARCH模型

Engle發現時間序列數據可能存在自回歸條件異方差。同時，在外部沖擊的影響下，這類方差通常在某一時段內呈現持續偏高或者偏低的現象，通常被稱為波動聚類(Volatility clustering)現象。據此，Engle構建ARCH模型用于驗證時間序列的異方差以及“波動性集聚”的存在性，具體方程如下：

Pt=πxt+εt

(1)

(2)

為避免ARCH(q)中q太大而損失樣本容量，Bollerslev[24]提出GARCH模型，其基本思想是在ARCH模型基礎上加上jt自回歸部分，GARCH(q,f)的模型設定為：

(3)

2.2 煤、電、油價格波動分析

考慮到煤炭價格中電煤價格和非電煤價格之間長期存在差距，本文采用混煤4500～5000大卡動力煤的重點坑口價表示電煤價格，九級主焦精煤價格作為非電煤價格，電力和石油價格分別選用工業用電價格和93號汽油價格代表。在運行ARCH模型之前需要首先進行平穩性檢驗和殘差序列的條件異方差檢驗，估算結果如表1所示。

表1 煤、油、電三種能源品種收益率的平穩性檢驗

注：***、**、*分別代表在1%、5%、10%的顯著水平。

表1中ADF檢驗的結果表明：在包含常數項和時間趨勢項條件下，電煤、非電煤、汽油和電力價格的收益率序列均在1%顯著性水平下拒絕原假設，說明四種能源價格序列均是趨勢平穩的。而關于各收益率殘差的LM檢驗結果則顯示，電煤、非電煤、汽油價格的收益率均存在顯著的ARCH效應，且最佳滯后階數分別為3、2、1。這一較小的滯后階數證實三種價格收益率波動的持續性較弱。相反，由于電力價格收益率時間序列的LM檢驗結果不顯著且ARCH項的最佳滯后階數為0，表明樣本期內該序列不存在ARCH效應。因此，下面僅對前三種能源價格序列進行ARCH類模型回歸估計。結果如表2所示。

ARCH模型中均存在顯著的參數b，表明樣本期內，電煤、非電煤、汽油三種能源價格收益率都具有明顯的波動集簇性。在電煤價格收益率的GARCH模型估計結果中c1>b1，表示其自身過去的波動對當期波動的影響大于外部沖擊的作用，而b1+c1的值小于1，反映了前期外部沖擊與其自身過去的波動將對當期收益產生的影響并不持久。而在非電煤價格收益率的GARCH模型估計結果中，b1顯著大于c1，意味著外部沖擊對本期波動造成的影響較大；b1+c1顯著大于1，表明其綜合沖擊的影響會擴散。在汽油價格收益率的GARCH模型估計結果中c1

表2 煤、油、電三種能源價格序列的ARCH和GARCH模型估計結果

注：*、**、***分別代表在10%、5%、1%的水平下顯著。

3 環境全要素生產率的測度及其分解

為便于評估多投入多產出生產技術的績效水平，目前，大多數文獻使用數據包絡分析方法測度ETFP的變動，并將其分解為環境技術效率的變化和技術進步兩個組成部分[25-29]。其中，少數研究嘗試進一步將技術效率分解為純技術效率、規模效率和配置效率三個部分[30]，而對技術進步分支進行深入探究的文獻尚不多見。本文基于參數化的距離函數來構建ETFP變動的分解模型，解析能源價格誘導性技術進步對ETFP變動的綜合影響。

3.1 雙曲線距離函數的設定

為了構建更為科學準確的ETFP分解框架，本文參考Cuesta等[31]的做法，選用雙曲線距離函數(DH)表征環境生產技術：

DH(x,yg,yb)=inf{θ>0, (x,yg/θ,ybθ)∈T}

(4)

其中，x為投入要素包括勞動力、資本、能源等；yg、yb分別為“合意”產出和“非合意”產出；T表示滿足經濟生產的一般性假設(如凸性、有界性等)的環境生產技術集。該距離函數是生產技術集T的替代表述形式，它定義了一個環境友好型技術前沿。處在前沿上的生產者使用現有技術水平，用給定水平的投入x，生產了最大的合意產出yg/θ，卻產生了較少的非合意產出ybθ。標量θ表示為達到技術前沿，生產者的合意產出和非合意產出需要同時調整的比例。處于前沿上的生產者的θ值等于1；而對于非前沿上的生產者而言，其離環境技術前沿水平越近，θ就越接近于1。根據Farrell[32]對技術效率的定義，θ測度了生產者的環境技術效率得分，其取值范圍為(0,1]。此外，對應于生產技術的一般性定理，該距離函數還滿足一階齊次性性質，即DH(x,yg/θ,ybθ) =DH(x,yg,yb)/ θ[33]。以下為方便敘述，將DH簡寫為D。

3.2 環境全要素生產率分解框架的構建

由于上述雙曲線距離函數測度的是生產者的環境技術效率，在對其進行參數化設定的基礎上，根據Diewert[34]提出的二次恒等式引理(Quadratic Identity Lemma)可以構建ETFP指數的分解框架。考慮到靈活性、易計算性等特點，此處選用超越對數函數形式。同時，為解析出能源價格誘導性技術進步對ETFP的影響，在模型中加入了能源價格變量。其函數形式具體設定為：

(5)

上式中，Di為第i個生產單元的雙曲線距離函數，測度了其環境技術效率；時間趨勢項t表征外生技術進步；PEi為能源價格；εi是白噪聲的隨機干擾項，εi～N(0，σε2)。α、β、ω、γ、δ、υ、η、τ、μ、κ、φ等均為待估參數，其中，參數γp和γpp反映了能源價格誘導性技術進步，與t相關的參數表示外生技術進步。同時，考慮到技術進步方向會呈現要素或者產出偏向特性，投入要素與能源價格交互項參數ηrp反映誘導性技術進步的要素偏向類型，而與時間趨勢的交互項參數ηrt則表示外生技術進步偏向類型；與之相對應，各產出與價格項或時間趨勢項的交互項參數則表征產出偏向。此外，這些參數之間滿足以下約束條件：

根據二次恒等式引理，該距離函數的跨期變化(即相對技術效率的變動)可表示為：

lnDi,t+1-lnDi,t

(6)

依據增長核算法構建傳統全要素生產率指數的思路，環境全要素生產率的變化(ETFPC)可通過所有產出的加權和減去所有投入加權和得到，即：

ETFPCt,t+1

(7)

上式中，用于對產出(或投入)進行加權的權重也為雙曲線距離函數關于產出(或投入)的距離彈性值。ETFPCt,t+1表示跨期內某生產者ETFP的變動，其值大于、小于、等于0分別表示ETFP提升、衰退和相對停滯。將(6)式代入(7)式，可得到ETFPC的分解式，即：

(8)

此處，ETEC表征環境技術效率變化；PITC度量了能源價格變動所引致的距離函數的變化，其值大于零表示能源價格誘導環境技術前沿向前推移，即誘導性技術進步；ETC則反映了由于知識存量的積累所導致的前沿技術水平的移動，其正值說明外生技術進步。綜上可知，ETFP的變動是環境技術效率變化、能源價格誘導性技術進步和外生技術進步三者綜合作用的結果。

3.3 技術進步偏向類型的判定

能源作為一種重要的生產要素，其價格波動必定引起要素間相對價格的變化，從而導致技術進步發生一定的偏向。比如能源相對價格升高可能誘發節能型技術創新，也可能伴隨著大氣污染物排放量的減少，使得技術進步更偏向于環境友好型。此處借用Antle[35]的方法，測算能源價格誘導性技術進步的偏向類型。根據Antle的思路，價格誘導性技術進步的偏向可通過價格波動所導致的某投入要素(或產出)距離彈性份額的變化而得到。基于(5)式，第i種生產要素(或產出)的距離彈性份額可表示為：

4 數據來源與結果分析

4.1 數據來源

本文研究樣本為1995年—2015年間中國大陸地區除西藏之外的30個省(市、自治區)。其中，投入要素包括資本(K)、勞動力(L)、能源(E)三種，分別用資本存量、從業人員數、能源消費總量來表示。需特別指出的是，為體現資本設備使用壽命的省際差異，在使用永續盤存法計算資本存量時，對各地區折舊率的取值不盡相同。“合意”產出用實際GDP衡量，而“非合意”產出用CO2、SO2排放量衡量。其中，CO2排放量是基于各省份歷年所消耗的原煤、焦炭、汽油、煤油、柴油、燃料油與電力等7種能源品種的終端消耗量計算而得。能源價格(PE)使用各省(市)的燃料、動力煤價格指數來替代。上述基礎數據取自于對應年份的《中國統計年鑒》、《中國能源統計年鑒》、《中國勞動統計年鑒》等。能源價格數據來源于各省(市)相應年份的統計年鑒。各省(市)SO2的排放量數據來源于《中國環境年鑒》。此外，為消除價格變動對結果所造成的影響，本文將所有涉及價格信息的指標統一調整為以1995年為基期。

4.2 參數估計及其結果分析

本文采用最大似然估計方法對(5)式中的相關參數進行回歸估計。在此之前需要運用一階齊次性性質對其進行變形。令雙曲線距離函數中的θ=1/SO2，那么，其齊次性性質具體可表示為：lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it,1)=ln[SO2,it×DH,it(x,PEit,t, GDPit, CO2,it)]，在此情形下，距離函數可進一步變換為如下形式：lnSO2,it=lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it,1)-lnDH,it。該式右邊第二項-lnDH,it即表示技術無效率部分，一般記作uit。遵循Battese和Coelli[36]的假設，令uit=e-η(t-T)ui。其中T為時間跨度(本文中為21)，ui～N+(μ，σu2)，η和μ均為待估參數。因此，本文最終的估計方程為：

lnSO2,it=lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it)+uit。此外，為避免收斂性問題，本文采用各變量的幾何平均值對相關指標進行了標準化處理。其參數估計結果如表3所示。

表3 雙曲線距離函數參數估計結果

注：括號內為標準誤；*、**、***分別代表在10%、5%、1%的水平下顯著。

由表3可知，37個待估參數中有29個均通過顯著性水平檢驗，其中在1%水平下顯著的參數達到25個。同時，除勞動力變量外，其他所有變量的一次項系數均顯著，且符號均與預期相吻合。具體來看，三個投入變量的參數α1、α2、α3均為負，對應于距離函數關于要素投入量的非增性性質，表明要素投入的數量越多，距離函數值DH越小，生產單元環境技術效率水平也就越低。實際GDP的一次項參數β1顯著為正則顯示經濟產出越高，其技術效率也就越高。與之相反，兩種“非合意”產出的一次項系數ω1、ω2均為顯著的負值，說明大氣排放物越多，生產者的環境技術效率水平越低。此外，能源價格PE的一次項系數γp為負，意味著就全國平均水平而言，能源價格的上漲并不利于環境技術效率的提升。另外，無效率項中的參數μ在1%的水平上顯著不為0，表明大部分省區普遍存在技術無效率現象；在1%顯著性水平，參數η的估計值為-0.021，拒絕了技術效率不隨時間變動的假定，與模型設定時的預期相一致。綜上來看，本文所選用的超越對數形式反映了實際生產情況，設定形式的科學性得到了較好的驗證。

4.3 環境全要素生產率的變動及其分解

為呈現ETFP及其三個組成部分在時序維度上的演變特征，此處分別計算出歷年所有省區ETFPC、ETEC、PITC與ETC的算術平均值，結果如圖2所示。在整個樣本期內，ETFPC均值為0.053，表明近20年來我國ETFP年均增長速率高達5.3%，與其他使用參數方法計算ETFP的結果基本一致[37]，但普遍高于非參數方法的計算結果[29]。從ETFP的動態演變趨勢來看，其在整個樣本期內大致經歷了如下三個階段：(1)1996年～1999年，ETFPC呈現持續下降趨勢，由1996年的8%降低至1999年的5.5%；(2)2000年～2009年，ETFPC圍繞5%的水平線呈現頻繁的小幅波動狀態。其可能的原因為，隨著我國參與國際分工和競爭程度的不斷深入，一系列國際先進的新型生產技術被陸續引進并推廣使用，但與此同時也催生了鋼鐵、水泥、電解鋁等高耗能行業的迅猛發展。此后，中央政府為遏制能源環境問題惡化對經濟增長所造成的負面影響，于2006年開始實施了聲勢浩大的節能減排行動，并將其節能減排目標作為地方政府官員的重要考評指標。隨著一系列具體措施的落實，企業對環境技術的關注度明顯增強，進而使得ETFPC在2006、2007年兩年出現迅速上升趨勢，但隨著環境政策邊際作用的遞減，從2008年開始ETFPC亦出現一定程度的回落；(3)2010年～2015年，ETFP再次呈現持續下降的特征，由2010年的6%左右降低至2015年的4%以下。

圖2 中國ETFP的增長及其分解(1996～2015)

從ETFP的三個具體分支來看，在整個樣本期內，ETEC、ETC、PITC的年度均值分別為2.48%、2.59%和0.22%，表明我國環境全要素生產率的提升主要源自于外生性技術進步(貢獻份額為46.88%)和環境技術效率提升(貢獻份額為48.96%)的雙輪驅動，而能源價格誘導性技術進步的貢獻則較為微弱(貢獻度為4.16%)。從各組成部分貢獻份額的演變趨勢來看，2005年以前，外生性技術進步的貢獻一直高于環境技術效率提升的作用，成為促進我國ETFP持續提升的重要力量；2006年之后，情況發生了逆轉，環境技術效率提升的貢獻逐步占據主導地位。此外，能源價格誘導性技術進步對ETFP的促進作用主要表現在2000年之前；2001年之后，該作用變得極其微弱，部分年份甚至表現為負。

4.4 能源價格誘導性技術進步的時空分異規律

為深入探討能源價格誘導性技術進步對ETFP影響的具體變動特征，此處進一步考察這一作用的時空分異規律。首先，從時序維度上來看，2005年之前，PITC在所有年份均取正值(1998年除外)且呈現較為劇烈的波動狀態，表明這一時期內能源價格波動誘導了環境技術前沿向前移動并有效促進了ETFP的提升，但該促進作用并不穩定。相反，PITC在2006～2012年期間均為負值，2013年之后再次轉變為正并表現出逐年增加的趨勢。究其原因不難發現，受國際能源市場沖擊，2006年之后我國能源價格也呈現較為劇烈的波動狀態；能源價格的巨大不確定性，在一定程度上對企業開展節能技術創新乃至環境友好型技術采用的積極性造成負面影響。然而，隨著能源價格市場化改革的逐步推進，特別是能源價格在2009年之后步入穩中有升的階段，企業開始逐步轉向環境友好型技術的開發和廣泛采用，最終導致ETFP的持續提升。

圖3 能源價格誘導技術進步及其對ETFPC貢獻率的動態演變(1996～2015)

其次，能源價格誘導性技術進步對ETFP的促進作用呈現顯著的省際差異。PITC貢獻率最高的省份依次為云南(14.77%)、河南(14.38%)、四川(14.13%)、黑龍江(11.03%)，其貢獻度均在10%以上。與之相反，有七個省區的PITC貢獻度為負值，包括寧夏(-9.92%)、內蒙古(-8.44%)、上海(-6.56%)、天津(-3.18%)、山西(-2.59%)、重慶(-0.59%)、廣西(-0.12%)；這些地區的能源價格波動不僅未能對當地環境技術前沿移動產生積極影響，還在不同程度上限制了其ETFP的提升。結合上述兩類地區的能源價格水平，我們發現一個有趣的結論，對于能源價格誘導性技術進步而言，平均能源價格居中地區(如河南、四川)的進步速率一般要高于價格偏高和偏低地區(如上海、天津，寧夏、內蒙古)的水平。這意味著能源價格波動誘導技術進步效應的發揮存在一個合理的價格區間，過高或過低的能源價格可能會降低企業進行環境技術創新的積極性，反而不利于環境TFP水平的提升。從具體政策實踐來看，若考慮通過能源價格調控激勵經濟主體進行環境友好型技術創新，不同價格水平地區的調整策略應該有所偏頗。

圖4 中國30省區PITC及其對ETFPC的貢獻率

4.5 能源價格誘導性技術進步偏向類型

為探究能源價格誘導性技術進步的具體偏向類型，本文進一步計算出其在各年度的偏向指數，并按照國家“五年計劃”的劃分將整個樣本期分為四個時間段。結果如表4所示：

表4 能源價格誘致性技術進步偏向指數計算結果

從要素投入方面來看，在整個樣本期內，勞動力的偏向指數均值為負，而資本和能源的偏向指數均值均為正，表明能源價格誘導性技術進步總體上表現出資本和能源節約—勞動力使用型特征。具體分時段來看，PITC對勞動力的偏向指數在“九五”、“十五”、“十一五”期間均表現為負，而在“十二五”期間轉變為正；表明樣本期內能源價格誘導性技術進步在初期偏向于勞動力的使用，但隨著2009年以后勞動力成本的大幅度上升，技術進步逐步轉換為勞動力節約型。PITC關于資本和能源兩要素的偏向指數的變化方向相對一致：在“九五”時期能源價格誘導性技術進步偏向于資本和能源節約，在“十五”和“十一五”時期則表現為資本和能源使用，在“十二五”時期再次轉換為資本和能源節約型特征。導致上述轉換過程的可能原因為：我國經濟增長在2010年之后逐步步入結構性減速階段，以經濟發展方式優化調整為主要目標的戰略安排導致經濟增長對資本特別是能源的依賴程度開始減弱。

從產出側來看，在整個樣本期內，SO2的偏向指數均值為正，而GDP和CO2的偏向指數均值為負，表明能源價格誘導性技術進步總體上更多偏向于SO2的減排，但對CO2減排和GDP擴張的誘導作用并不明顯。這與我國在2006年以來所開展的節能減排工作將SO2減排作為約束性指標有著直接的關系。

5 結語

作為人類社會賴以生存和發展的重要物質基礎，能源對國民經濟增長乃至人民生活的支撐作用逐步凸顯，其價格波動所誘發的技術進步(包括其大小和方向)對宏觀經濟增長和環境質量改善的作用也日益突出。本文基于參數化的雙曲線距離函數，將能源價格因素納入環境全要素生產率(ETFP)的分析框架，識別能源價格波動影響ETFP的作用機理；隨后，通過將ETFP變動分解為能源價格誘導性技術進步、外生性技術進步和環境技術效率變化三個組成部分，系統評估能源價格誘導性技術進步對我國ETFP變動的實際作用效果及其時空分異規律，并進一步解析該作用的具體偏向類型。本文主要研究結論可歸納如下：

(1)近20年以來我國能源價格誘導性技術進步的平均速率為0.22%，其對ETFP變動的平均貢獻率約為4.16%；相對于外生性技術進步(46.88%)和環境技術效率改善(48.96%)兩個分支而言，能源價格誘導性技術進步的作用相對比較微弱。

(2)從時序維度上來看，2005年以前，能源價格誘導性技術進步對ETFP的提升產生了持續的促進作用，但這一效果并不穩定；隨后，受能源價格劇烈波動所影響，該作用表現出一定的時滯性，其對ETFP提升的促進作用在2013年以后才再次顯現。從空間分布來看，能源價格誘導性技術進步對省際ETFP變動的影響存在著較為顯著的區域差異。

(3)從要素投入側來看，能源價格誘導性技術進步總體上表現為資本和能源節約—勞動力使用型特征。而從產出側來看，該誘導性技術進步更多偏向于SO2的減排，但對CO2減排和GDP擴張的誘導作用并不明顯。

本文嘗試構建能源價格波動對經濟增長和環境質量改善的綜合效應分析模型，研究發現能源價格誘導性技術進步對我國ETFP提升的促進作用存在顯著的時空差異；由此可見，根據不同區域能源價格水平及其波動狀態，并結合當地的產業結構、經濟發展階段等因素深入分析能源價格的誘導性技術進步作用更為科學。同時，本文構建的模型并未考慮能源投入結構或供給結構變動對其誘導性技術進步的影響，這將是后續值得深入研究的方向。