供給側改革視域下中國省域能源效率及影響因素研究

劉浩旻，張在旭，王麗洋

（中國石油大學（華東）經濟管理學院，山東 青島 266580）

0 引言

“供給側結構性改革”自2015年習近平總書記首次提出以來，指導各地區(qū)適度擴大總需求、不斷提高供給體系質量和效率、尋求經濟持續(xù)增長新動力。能源作為生產要素的必要投入，在人類社會和國民經濟發(fā)展中具有重要的戰(zhàn)略地位。推動能源結構優(yōu)化升級，減少能源無效供給，合理配置能源資源，不斷提高能源效率是能源供給側結構性改革的目標?！吨泄仓醒腙P于制定國民經濟和社會發(fā)展第十三個五年規(guī)劃的建設》提出了“能源資源開發(fā)利用效率大幅的提高，能源消耗、碳排放量總量得到有效控制，主要污染排放總量大幅減少”的目標。中國經濟進入“新常態(tài)”，改革進入攻堅克難的深水區(qū)，能源資源短缺，配置不合理，利用效率低下，隨之產生的沙塵暴、霧霾等生態(tài)環(huán)境問題日趨嚴峻，可見提高能源效率，節(jié)約能源是中國實現經濟轉型升級和環(huán)境保護的必要條件。為此，本文對中國各省域能源效率及影響因素進行了研究，為能源供給側結構性改革的實施和經濟高質量發(fā)展提供理論依據。

1 研究方法

1.1DEA—BCC模型

數據包絡分析（DEA）是Charnes和Cooper首次提出用于評價相同部門之間相對有效性的模型。本文選用DEA-BCC模型考慮非期望產出對中國省域能源效率進行測算。

假設決策單元有n個，每個決策單元都有m種類型的投入變量以及s種類型的產出變量，則有：

其中，xij表示第 j個決策單元對第i種輸入的投入量，xij＞0；yrj表示第 j個決策單元對第r種輸出的產數量，yrj＞0；νi表示第i種輸入的一種度量（或稱權重）；ur表示第r種輸出的一種度量（或稱權重）。

其實質確定一組最佳的權重變量 ν=(ν1，ν2，...，νm)T和u=(u1，u2，...，us)T。使得第 j個決策單元的效率值 ηj最大。

其中 ηj(j=1,2,…,n)均不超過1，即 maxηj≤1，若第j個決策單元ηj=1，說明該決策單元是有效的；若ηj＜1，表明該決策單元是無效的，其生產效率需要提高。

BCC模型是在規(guī)模報酬可變的條件下對效率進行測算，其表達式可以表示為：

其中，θ(θ≤1)的最大值為決策單元j0的技術效率值，λj為相對于決策單元j0重新構造的有效決策單元組合中第j個決策單元的組合比例，表示約束條件，與分別為m種投入變量和s種產出變量的松弛變量。

模型的含義為：①若θ=1且=0，=0，表明該決策單元有效，且其規(guī)模效應和技術效應同時達到有效，由其所組成的效率前沿面為規(guī)模收益不變；②若θ＜1且≠

0，≠0，表明該決策單元無效，決策單元的無效可能是由技術效率無效引起，也可能是由規(guī)模效率無效引起的，或者是兩者的共同作用所引起的；③若決策單元是無效的，可以根據目標值對決策單元的投入和產出進行調整和改進，直至決策單元接近有效或者是完全有效。

1.2 面板數據模型

面板數據是一種二維結構數據，具有時間序列數據和截面數據的雙重性質，既可研究對象個體間的差異又可研究個體隨時間的變化趨勢。面板數模型根據有無內生變量分為固定效應模型和隨機效應模型，其一般形式：

其中，i=1，2，…N，表示橫截面中研究的個體數目；t=1，2，…，T表示已知的T個時點；yit表示被解釋變量單位個體i在t時的觀測值；xkit表示的是第k個解釋變量對單位個體i在t時的觀測值；βki是模型中的待估計參數；uit是模型中的隨機誤差項。其矩陣形式為：

式（4）中：

2 中國省域能源效率測算

2.1 指標選取與數據來源

根據中國各省市能源利用中對資本、勞動力、技術和環(huán)境的要求及國內外相關專家的研究成果，遵循科學性、可操作性和完備性的指標構建原則，構建能源測算指標體系，分為投入和產出兩類指標，具體見表1。

表1 能源效率測算指標

2.1.1 投入指標

①勞動投入，用各省市勞動力質量的人力資本存量（萬人）表示。計算如公式（5）所示：

其中，Pi，t和all6i，t分別表示第i省第t年6歲及以上平均受教育程度和總人口，Primi，t、Junii，t、Semii，t、Colli，t分別表示第i省第t年小學、初中、高中、專科及專科以上的畢業(yè)人數，Li，t和Si，t分別表示第i省第t年人力資本存量和年末的勞動力總人數。相關數據均來自于歷年中國統(tǒng)計年鑒。

②資本存量，用固定資本存量（億元）衡量，由中國統(tǒng)計年鑒獲得中國各省市歷年固定資產投資完成額，采用單豪杰[16]的“永續(xù)盤存法”進行計算。計算如公式（6）所示：

其中，Ki，t、Di，t和Ii，t分別表示第i個省份在第t年的資本存量、固定資本折舊率和投資額度，Ki，t-1表示第i個省份在第t-1年固定資本存量。名義固定資本形成總額和固定資產投資價格指數均從中國統(tǒng)計年鑒和各省統(tǒng)計年鑒獲取，固定資本折舊率借鑒單豪杰[16]采用的平均折舊率10.96%表示。本文的測算以2006年為基期，初始投資即為2006年的固定資本存量。初始資本存量的計算方法如公式（7）所示：

其中，Ki,2006、Ii,2006和gi，2006-2011分別表示i省以2006年為基期的資本存量、固定投資和固定資本的年平均增長率，采用平均增長率能夠有效降低不同年份間資本差異過大所帶來的誤差。

③能源投入：將中國各省市生產和生活中煤炭、石油和天然氣等能源的耗用統(tǒng)一折算成標準煤表示能源消費總量（萬t標準煤）。相關數據均來自中國能源統(tǒng)計年鑒和各省統(tǒng)計年鑒。

2.1.2 產出指標

①期望產出，用各省實際生產總值（億元）表示。為剔除價格變動產生的影響，確保歷年數據間的可比性，本文以2006年為基期，將名義GDP換算為實際GDP。其中各省歷年名義GDP和GDP平減指數取自中國統(tǒng)計年鑒。

②非期望產出，用環(huán)境污染產出綜合指標表示。本文對廢水排放量（萬t）、酸性氣體SO2排放量（萬t）、氨氮排放量（t）和固體廢棄物排放量（萬t）四種污染物指標先進行標準化處理，再利用指標權重熵值法計算環(huán)境污染產出綜合指標。四大污染物數據均來自中國和各省份歷年統(tǒng)計年鑒。

熵值法的具體過程分為六步：

第一步：對原數據進行預處理，xij為某省份第i年第j個污染指標，計算公式如式（8）所示：

第二步：對預處理后的數據進行標準化，計算公式如式（9）所示：

第三步：確定第j個污染指標的熵值，計算公式如式（10）所示：

第四步：計算指標差異系數，差異性越小，表明指標對評價結果的影響越小，計算公式如（11）所示：

第五步：計算第j項污染指標的權重，計算公式如（12）所示：

第六步：計算第i年環(huán)境污染指數，計算公式如（13）所示：

利用公式（13）計算2006—2016年各省市環(huán)境污染綜合指標，值越低，能源效率相對越高。

2.2 能源效率的測算

采用DEAP2.1軟件對各省市的能源利用效率進行測算。由測算結果（見表2）可知，各省市能源效率差異較大，以2016年為例，能源效率最高為北京市和上海市高達1.000，而最低值的青海市僅為0.314。樣本期內，北京和上海的能源效率的效率值為1，均實現了能源效率最優(yōu)。能源高質量發(fā)展要求產出過程中的非期望產出越少越好，北京上海一線城市的能源按需供給，且有效治理能源消耗中的污染物排放，注重生態(tài)保護，長期以來保持能源高效利用。天津、黑龍江、廣西和廣東四省的能源效率由1出現下降，天津和廣西下降幅度過大，由效率值1分別降至0.443和0.373。天津和廣西人口多資源少，石油、煤、天然氣都常規(guī)能源均異常貧乏，經濟的快速發(fā)展與能源有效供給的缺口越來越大，能源效率下降較多。其他24個省市呈現先上升后下降的波動狀態(tài)。

3 中國省域能源效率影響因素實證分析

3.1 變量選擇與數據來源

本文利用面板數據模型對能源效率影響因素進行實證分析，借鑒前人已有的研究，考慮數據的可得性，選取經濟發(fā)展水平（ES）、技術進步（TP）、能源價格（EP）、城鎮(zhèn)化水平（CL）、產業(yè)結構（IS）、能源消費水平（ST）、政府干預度（FR）8個因素作為解釋變量，由BCC測算的能源效率值（EE）作為被解釋變量，解釋變量詳見下頁表3。

以上數據為2006—2016年的面板數據，解釋變量相關數據來源《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》和各省市統(tǒng)計年鑒，所有的變量數值都用比值或者絕對值的對數來進行表示。部分缺失值則通過相鄰兩年的平均值來進行彌補。

3.2 變量檢驗

3.2.1 變量描述性統(tǒng)計分析

相關變量的描述性統(tǒng)計如下頁表4所示。

表3 解釋變量指標

表4 面板模型相關變量描述統(tǒng)計

利用STATA12.0對變量進行描述性統(tǒng)計，從表4可以看出，每一個變量的330個觀測值均沒有出現極端數據，各數據的離散度較小。

3.2.2 多重共線性檢驗

進行回歸分析時，必須保證解釋變量間的獨立性。若所選取的變量間存在相關性，將會影響模型估計的準確性和有效性。因此，本文通過STATA12.0軟件采用膨脹因子法對解釋變量的多重共線性進行檢驗。

表5 相關變量多重共線性檢驗

如表5所示，模型中膨脹因子的平均值為2.789，與經驗值2的差異較小，其最大值為7.200，遠小于經驗值10，故表明該模型不存在多重共線性。

3.3 結果分析

3.3.1 固定效應回歸分析

對面板數據進行固定效應模型首次回歸，結果顯示：模型的擬合優(yōu)度為0.7928，調整后的擬合優(yōu)度為0.7962，F統(tǒng)計量為6.7900，回歸方程成立。政府干預度（FR）的概率值為0.2300，對外開放程度（OO）的概率為0.3420，大于10%的顯著性水平，表明這兩個變量對我國省域能源效率的影響不顯著。所以將FR和OO剔除再進行回歸，回歸結果如表6所示。

3.3.2 隨機效應回歸分析

對面板數據進行隨機效應模型首次回歸，結果顯示：模型的擬合優(yōu)度為0.6943，調整后的擬合優(yōu)度為0.6362，F統(tǒng)計量為8.4500，回歸方程成立。但政府干預度（FR）的概率值為0.1890，對外開放程度（OO）的概率為0.2620，大于10%的顯著性水平，表明這兩個變量對我國省域能源效率的影響不顯著。所以將FR和OO剔除再進行回歸，回歸結果如表7所示。

表6 面板數據固定效應回歸

表7 面板數據隨機效應回歸

3.3.3 Hausman檢驗

對剔除變量的固定效應模型和隨機效應模型進行Hausman檢驗，檢驗結果如表8所示。

表8 回歸模型Hausman檢驗

檢驗結果表明，模型卡方統(tǒng)計量為50.7800，接受原假設的概率為0.0000，因此在5%的顯著性水平下拒絕原假設，應選固定效應模型及其估計方法研究中國各省域間能源效率的影響因素。回歸方程見式（14）：

該結果表示了經濟發(fā)展水平、技術進步、能源相對價格、城鎮(zhèn)化水平、產業(yè)結構和能源消費結構對我國能源效率的影響方向和程度，通過固定效應檢驗結果可知，其先后通過了擬合優(yōu)度檢驗和F檢驗，表明各個解釋變量影響顯著，所以回歸模型成立。各個變量對能源效率產生的結果如下：

①經濟水平（ES）與能源效率呈正相關關系。當其他的變量保持不變時，實際GDP的自然對數每提高1個單位值，能源效率平均上升0.0525個效率值。中國各省域GDP的提高有賴于能源消費，GDP越高，表明對能源的需求相對也就越高。需求的提高會反作用于供給，廠商將會擴大規(guī)模帶動規(guī)模效率提高，進而促進整體效率的提升；

②技術進步（TP）與能源效率呈正向關系。保持其他變量不變，能源效率隨各省域的專利授權個數的自然數每增加1個單位值而提高0.0432個效率單位。中國到2016年的專利授權數量達到175.38萬件，比2015年增加了3.56萬件。其中專利授權數平均數最多是廣東省，最低的是青海省。相應的廣東能源資源達到了最優(yōu)配置，而青海能源效率仍需提高。雖然技術的進步不能僅僅用各省市的專利授權數來進行表示，卻能夠反映技術進步對于促進能源效率的提升至關重要；

③能源相對價格（EP）對能源效率產生積極影響。保證其他影響因素不變下，能源效率的平均值隨能源相對價格提高1個單位而提高0.0418個效率單位。廠商購進生產要素的提高，帶動其附屬品燃料、動力類資源的價格的提升，成本的提升變相降低工業(yè)產品的價格，能源效率相對提高。能源相對價格的提高會使企業(yè)的利潤降低，企業(yè)都是逐利的，為了保持自身效益和競爭優(yōu)勢，將會增加技術投入，在該產出水平下使投入的資源更少，從而提高了企業(yè)能源的利用效率；

④城鎮(zhèn)化水平（CL）對能源效率有正向影響。各省份城鎮(zhèn)人口所占比重每增加一個百分點，能源效率將相應提高0.0085個單位。北京和上海的城鎮(zhèn)化水平較高，城鎮(zhèn)人口占總人口的比重分別為86.5%和82.93%，而貴州的比重為較低的，僅為44.15%，但上海和北京的能源效率值遠高于貴州。城鎮(zhèn)化水平越高，引進的技術更先進，人才更優(yōu)秀，同樣投入在外部優(yōu)越環(huán)境推動下產出更多，從而提高該地區(qū)的能源效率；

⑤產業(yè)結構（IS）與能源效率呈顯著的負相關關系。第二產業(yè)比重每增加一個百分點能源效率下降0.0233個效率單位。2006—2016年，河南第二產業(yè)所占的比重最高，平均為54.61%，第二產業(yè)所占比重最低的是北京市，僅為23.77%，而北京的能源效率遠高于河南。河南作為中國人口大省，中部崛起戰(zhàn)略的實施有效推動第二產業(yè)發(fā)展，對能源的需求遠高于北京市；第二產業(yè)所占比重對能源效率有消極影響，相比北京，河南第二產業(yè)處于規(guī)模報酬遞減階段，生產資料的配置已超過最佳組合，使得該產業(yè)能源效率下降，而影響整個省的能源效率；

⑥能源消費結構（ST）對能源效率產生消極影響。當其他影響因素不變，煤炭、石油消費比重每上升1個百分點，能源效率隨之下降0.0004個效率單位。西北地區(qū)煤炭石油在能源消費比重偏高，沿海地區(qū)的電力消費比重偏高，調整每個地區(qū)的煤炭、石油、電力消費比例，會相應的調整各種能源利用的貢獻度，有利于提高各個地區(qū)的能源效率，從而提高中國整體能源效率。

4 結論

本文在考慮環(huán)境非期望產出基礎上利用DEA-BCC模型和面板數據模型對2006—2016年中國各省域能源效率及影響因素進行了分析，結果顯示：①樣本中，同一年份不同省市之間能源效率差異較大，北京市和上海市能源效率值高達1，而最低值青海市僅為0.314；②樣本期內，中國能源效率總體上呈現先上升后下降趨勢；③地區(qū)經濟發(fā)展水平、科學技術發(fā)展水平、能源相對價格變化、地區(qū)城鎮(zhèn)化水平與能源效率呈顯著正相關關系；④第二產業(yè)所占的比重、煤炭石油為主的能源消費結構與能源效率呈負相關關系；⑤在能源效率影響因素上，政府干預程度和地區(qū)對外開放程度對中國省域能源效率影響不顯著；因此，政府應考慮各區(qū)域實際情況，因地制宜制定與能源供給側結構性改革相適應的對策，提高整體能源效率。