環境管制方式對能源效率影響的差異性
——基于內生視角下的PVAR方法的分析

楊慧慧

(1.首都經濟貿易大學 經濟學院，北京 100070；2.河南師范大學 商學院，河南 新鄉 453007)

內容提要：環境管制作為政府環境管理的重要手段，其相關節能減排措施必然會影響到企業的能源使用效率。本文在微觀經濟理論分析的基礎上，基于內生視角的PVAR數據模型，以2000-2016年中國省際面板數據實證檢驗環境管制與能源效率之間的長期均衡關系與變動效應。研究發現：命令控制型環境管制方式對能源效率有正向促進作用和較強的正向沖擊，經濟激勵型環境管制方式對能源效率也有正向促進作用，但正向沖擊強度不大，自愿意識型環境管制方式統計上不顯著，且呈負向沖擊；但從方差分解各種管制方式對能源效率增長的長期累積貢獻來看，自愿意識型環境管制的貢獻均高于其他兩種方式。上述結論表明，環境管制對于能源效率提高有一定影響，未來管制方式要從命令控制到經濟激勵和自愿意識的多元化方向發展。

一、引言與文獻綜述

我國經濟高速發展正面臨日益嚴重的資源和環境約束問題。據2017《BP世界能源統計年鑒》和《全球碳項目》報告，我國是世界上最大的能源消費國，能源消費占世界總量的23%，煤炭仍然是中國能源消費中的主要燃料，占比62%，中國的碳排放占到了全球總量的28%。能源發展“十三五規劃”提出：“深入推進能源革命，著力推動能源生產利用方式變革，建設清潔低碳、安全高效的現代能源體系，是能源發展改革的重大歷史使命”。為加快生態文明體制改革，建設美麗中國，黨的十九大報告也明確指出要推進綠色發展和著力解決突出環境問題，構建政府為主導、企業為主體、社會組織和公眾共同參與的環境治理體系，積極參與全球環境治理，落實減排承諾。合適的環境管制方式和保障措施有助于環境的改善及能源消費的降低，2017年中國的煤炭產量下降了7.9%，創下自1981年開始追蹤該數據以來最大降幅，中國的二氧化碳排放量也連續兩年下降，降幅為0.7%。但環境管制同時也會影響能源使用效率，節能可能通過能源效率提高實現，也可能是單純減少投入的結果。因此，深入研究環境管制與能源效率之間的關系以及二者之間的作用機理，對于政府采取合理的管制形式，促進能源效率提高，走持續健康的經濟發展道路具有重要意義。

中國能源效率演化過程受到產業結構、技術進步、能源消費結構、對外開放程度和能源回彈效應等各因素的共同驅動[1]。由于環境污染的負外部性和環境資源的公共品特性，環境管制作為政府干預經濟的一種方式，有助于相關利益群體在進行決策時能夠考慮外部成本，使行為符合環境和經濟協調發展的目的[2]。關于環境管制對能源效率的影響，有研究表明不同的環境規制變量對能源效率影響存在較大差異[3]。環境管制可以通過倒逼機制促進能源效率的提高，環境管制強度與能源效率之間存在一種“U”型關系[4]，環境管制對高、中、低耗能產業組能源效率均有正的直接效應[5]，它是各種直接和間接機制共同作用的結果，并且不同的管制方式影響結果差異較大[6]。

綜上，環境管制對能源效率存在影響，且管制方式對于能源效率的提高具有不同的作用，但環境管制對能源效率是促進還是阻礙，尚沒有一致的結論。本文擬運用熵值法，按環境管制方式構建命令控制型環境管制、經濟激勵型環境管制和自愿意識環境管制三個指標，采用面板向量自回歸(panel VAR,PVAR)模型，基于中國30個省份的2000-2016年省際面板數據，從內生角度探討其對能源效率的影響，并深入分析這些因素的變化對能源效率影響的動態效應。

二、理論分析與研究假設

根據微觀經濟學理論，廠商投入要素是否具有效率，只要第i種要素的使用量滿足邊際產量收益(marginal product revenue,MPR)等于邊際要素成本(marginal factor cost, MFC),即可認為該要素的使用具有效率。為簡化說明，假設產品市場與要素市場皆為完全競爭市場，則廠商能源要素的利潤最大化一階必要條件如下：

(1)

倘若，廠商的能源要素使用量不滿足這一條件，則認為其不具有經濟效率，所以我們可以用因能源使用缺乏效率所造成實際利潤損失(Real profit loss,RPL)來反映能源效率。

RPL=π*-π0

(2)

而廠商在生產過程中不可能只投入一種要素，所以，影響能源效率來源主要有兩個方面，一是能源要素本身缺乏技術效率與配置效率，二是其他投入要素缺乏技術效率和配置效率。則 RPL 可進一步分解如下：

(3)

從以上分解式可以看出，當廠商在面臨不同的環境管制方式，即便所使用的要素組合相同，其隱含的效率程度卻不一樣，因為廠商在不同的制度環境下最有效率的要素使用量未必相同。為說明問題，我們考慮無管制、總量管制與排放交易三種環境管制方式，來比較廠商在這三種方式下使用同一要素組合所呈現的效率差異。

1.無管制下情形

在無任何排放管制政策之前，假設廠商利潤最大化的能源使用量為E*，實際使用量為E0，因缺乏技術效率導致的損失TEL為圖1中矩形barq區域，令其為TEL0，實際利潤損失曲線為RPL*所示(當實際能源量越偏離E*，RPL*將越高)。

圖1 不同環境管制方式下企業能源效率差異

2.總量管制下情形

maxπ=pf(x)-wx-c(a)

(4)

一階必要條件：

VMPE(Ec)=ωE+c′(ac)*eE

(5)

那么在總量控制下，滿足(5)式的一階必要條件最合適的能源使用量Ec是圖1中k點，此時，配置效率損失AELc可以用三角形bzk區域所示，而實際利潤損失曲線如RPLc所示(當實際能源量越偏離Ec，RPLc將越高)。

3.排放交易情形

假設污染物排放許可證的價格為q, 排放許可交易量為m(m>0,表示買入量)，排放交易下利潤最大化問題可表示為：

maxπ=pf(x)-wx-c(a)-qm

(6)

一階必要條件：

VMPE(Ee)=ωE+c′(ae)*eE

c′(ac)=q

(7)

那么在排放交易情形下，最合適的能源使用量Ee(Ee>Ec)即圖1中h點所示，實際利潤損失曲線如RPLe。

綜上，三種情形下(無管制、總量管制、排放交易)實際利潤損失曲線分別如圖1第四象限的RPL*、RPLc和RPLe所示，那么每單位能源用量的實際利潤損失分別如A、B、直線的斜率絕對值所代表。由此可見，同一廠商在同一能源用量之下，當所面對環境管制方式不同時，該能源用量所隱含的能源效率并不相同。由此，我們可得到如下命題：

命題1：政府所設計的環境管制方式，對于廠商的能源效率是有影響的。

命題2：選擇合適的環境管制方式也是提升能源效率的策略之一。

三、模型建立與變量說明

(一)模型設定

為進一步探討環境管制對能源效率的影響，本文考慮內生性的PVAR(面板向量自回歸)模型，通過脈沖響應函數和方差分解方法，分析環境管制各種方式對能源效率產生的動態效應。PVAR模型最早由Holtz-Eakin等(1988)提出[7]，后經Mccoskey和Kao(1999)[8]的逐步完善，兼有面板數據分析方法和VAR(向量自回歸模型)的優點，同時，放松了對時間序列的長度要求和平穩性的假設，將所有變量視為內生變量，能更加真實地對向量自回歸進行估計和檢驗。模型如下：

(8)

其中，command、market、aware分別代表命令控制型環境管制、經濟激勵性環境管制和自愿意識型環境管制三種管制方式；p為滯后階數；lnEE表示能源效率；γ、f、d、e、Γ為待估參數、參數矩陣。

(二)變量說明與數據來源

本文的研究對象為我國從2000年到2016年各個省份(不包括香港、澳門、臺灣和數據缺失比較嚴重的西藏)的省際面板數據，核心變量主要有兩個，一是環境管制變量，二是能源效率變量，下面簡單說一下這兩個變量的來源和處理方法。

表1 環境管制指標體系

1.環境管制

環境管制變量的選取直接關系到實證結果的差異。目前，理論界關于環境管制強度的測度主要有兩種方式：單一指標和綜合指標。單一指標的選取比較多樣性，主要有：環保支出總額、環境稽查次數、污染稅、工業污染治理完成投資額、污染物排放量、SO2去除率、工業廢水達標率等[6]。但囿于各地經濟發展方式、產業結構和環境狀況等因素的不同，單一指標并不能準確反映各地的實際環境管制強度，比如，經濟不發達地區工業污染治理投資額雖然較小，但不代表其管制的力度低。綜合指標則從多角度選取兩個甚至多指標，相對能全面地反映各地的綜合管制水平。比如，陳德敏和張瑞(2012)用環境規制法律體系、環境規制支撐體系和環境規制監督體系來反映綜合規制水平[3]； 張崇輝等(2013)構建的規制體系包含四個方面：命令型指數、激勵性指數、自愿性指數和意識型指數[9]。環境規制本來就是政府通過命令控制、市場化激勵及自愿參與等方式協調各利益主體實現資源節約與環境改善的工具與手段[10]。所以，本文借鑒張崇輝的做法，考慮到數據的易得性和連貫性，構建如下環境管制指標體系，如表1所示。

其中，命令控制型環境管制主要體現了政府命令的強制性，受理環境行政處罰案件數可以體現政府對違反環境相關法律法規的處治力度，“三同時”環保投資額和執行“環評”建設項目數可以體現政府在環保方面對企業的強制性要求。經濟激勵型環境管制主要特點是政府利用市場機制來引導企業降低污染水平，本文選取的排污費征收額和可交易的排污許可證指標可以體現為污染付費的市場特點。而自愿意識型環境管制主要特點是通過提高大家的環保意識來自愿遵守環境保護的承諾，廢水和廢氣運行費用可以反映企業在處理污染方面的自覺性，信訪來信數則體現了公眾的環保意識強度。文中主要數據均來源于2001-2017年《中國環境年鑒》和《中國環境統計年鑒》。

2.能源效率

能源效率測度也是本文一項重要的基礎性工作，選擇合適的方法對于計量分析是非常重要的。能源效率測算大概經歷了從單要素能源效率到全要素能源效率的過程，由于全要素能源效率方法隨著假定的放松和新技術的應用，越來越貼近現實的生產情況，且政策含義明確，越來越多地被應用到“節能減排”問題的研究上[11]。故本文采用非期望產出的Super-SBM來進行能源效率測算。然而，全要素能源效率測度只是一種靜態分析，不能反映效率值的動態變化[12]，為此，在全要素能源效率測算后，另進行考慮非期望產出的Malmquist-Luenberger生產率指數計算，以考察同比例增加期望產出和減少非期望產出能源技術效率(EFFCH)和能源技術進步增長率(TECH)的變化。另外，構建合理的投入和產出指標體系是全要素能源效率的有效評價的前提[13]，本文在參考相關文獻的基礎上選擇我國各地區(不包括西藏)的勞動力、資本存量和能源消費量作為投入指標，產出指標有兩個，一個是非期望產出，用工業廢氣排放量表示，另一個是期望產出，用國內生產總值GDP代替。具體說明如下：

(1)勞動力(Labor)。采用各省份的年末從業人員總數代替，數據來源于2001-2017年《中國人口和就業統計年鑒》。

(2)資本存量(Capital)。由于資本存量在統計年鑒中沒有直接的數據，本文參考張軍(2007)、單豪杰(2008)的做法，運用永續盤存法來計算資本存量：

Kit=Kit-1(1-δ)+Iit

(9)

Kit、Kit-1為第i個地區t年和t-1年資本存量，δ為資本折舊率，統一取10.96%，Iit為t年實際的資本投資，本文用各年的固定資產投資總額代替。統一計算之后，為與國內生產總值統計口徑相一致，又以2000年為基期，用GDP平減指數進行了平減。固定資產投資數據來源于歷年《中國固定資產投資統計年鑒》。

(3)能源消費量(energy)。能源消費量以各地方能源消費總量表示(統一折為標準煤)，數據來源于歷年《中國能源統計年鑒》。

(4)國內生產總值(GDP)。選取各地GDP作為合意產出，為避免價格波動因素影響，以2000年為基期用GDP平減指數進行平減，數據來源于各省統計年鑒。

(5)工業廢氣排放量(gas)。能源消耗帶來的主要污染是大氣污染，本文選取各地的SO2排放量作為非合意產出，數據來源于歷年《中國環境年鑒》。

四、實證結果分析

(一)環境管制情況分析

在前文環境管制指標構建的基礎上，進一步運用熵值法對2000-2016年各省份的環境行政處罰案件數、“三同時”環保投資額、執行“環評建設項目數”合并為命令控制型環境管制指標，將排污費征收額合并為經濟激勵型環境管制指標，將廢水、廢氣運行費用和信訪來信合并為自愿意識型環境管制指標，并將三類指標再歸并為統一的環境管制指數。表2列出了2000-2016年各省份的三類及綜合平均環境管制水平。

從表2中可以看出，綜合規制水平較高的地區有廣東、江蘇、浙江、遼寧、山東、河北，幾乎全部集中于東部地區，而規制水平較低的地區有青海、海南、寧夏、甘肅、天津、吉林、新疆。除天津和海南之外，都屬于中西部地區。這充分說明環境規制水平在空間分布上具有較大的異質性，而且經濟越發達地區，環境問題愈發嚴重，相應環境規制力度也較大，而經濟相對欠發達的中西部，環境規制情況則正好相反。

另外，從各地區三種環境管制方式的管制水平來看，廣東、江蘇、浙江、山東排名仍比較靠前，而甘肅、寧夏、青海、海南排名仍比較靠后，與綜合管制水平情形基本一致。除海南是因為環境污染問題不嚴重各方面管制水平都較低以外，充分說明經濟發展水平較高的地區，無論是政府的強制性命令管制，還是市場機制激勵制度，以及民眾的環保意識都要比其他地區強。但是，從中間區域的分布來看，三類管制水平還是有較大差異的。比如，命令控制管制強度相對也較高的地區有遼寧、黑龍江、河北、福建、北京，經濟激勵型管制水平相對較高的地區有河北、四川、廣西、遼寧、山西，自愿意識型管制水平相對較高的地區有河北、遼寧、上海、四川、河南。這說明在環境管制方式上各個地方有很大的異質性，有的偏向于政府的強制性干預，有的靠排污費征收和可交易排污許可證等市場機制來調節，有的則靠公眾監督和公眾意識的提高來實現。

表2 各省份2000-2016年平均環境規制水平

注：表中數據作者計算所得。

表3 各省份2000-2016年平均能源效率

注：表中數據使用MAXDEA Pro軟件計算所得。

(二)能源效率分析

根據前文所介紹的方法和投入產出數據，本文運用MAXDEA Pro軟件對我國30個省份2000-2016年全要素能源效率進行了測算，具體測算結果如表3所示，能源效率變動趨勢如圖2所示。從結果可以看出：

(1)我國整體能源效率2000-2016年平均水平僅為0.776，處于一個相對較低的水平，說明還有很大的提升空間。另根據圖2平均能源效率變動趨勢可以看出，總體能源效率除2006年有一個小幅上升外，整體呈下降趨勢，這與采用單要素能源效率測算方式即能源強度(單位GDP能耗)的結果有很大差異，說明在考慮多要素投入和環境污染的非期望產出后，能源效率的衡量更為客觀準確。

(2)從各省全要素能源效率平均值來看，處于生產前沿面的地區僅有北京、上海、廣州、青海、海南，其值分別為1.282、1.241、1.155、1、1。江蘇、天津、浙江雖然不在生產前沿面，但也相對效率較高，在平均值之上，其值分別為0.981、0.907、0.893，而中西部的大部分省份能源效率值都較低，排名靠后的幾個省份有山西、內蒙、貴州、甘肅、新疆、陜西，其能源效率值處在0.57-0.6之間。這充分說明能源效率在空間上存在較大異質性，北上廣和江浙一帶，因為其經濟發展水平和科技研發投入都比較高，產業結構也較合理，所以，能源效率水平也相對其他地方要高很多，而大部分中西部省份如山西和內蒙，能源產業一直是經濟發展的支柱產業，能耗高且污染嚴重，而且產業結構中第一和第二產業占比較高，產業結構的不合理也是造成能源效率不高的原因。

圖2 平均能源效率變動趨勢

(3)從ML生產率指數分析來看，我國2000-2016年平均ML指數為1.007，說明全要素平均能源效率增長率增長0.7%，效率變化EFFCH的影響為-1.1%，技術變化TECH的影響為1.8%。從各地區具體情況來看，除江蘇外，效率變化的影響為正值1.9%，其他省份皆為零或負值，負影響較大的地區有甘肅、貴州、山西、安徽、云南、新疆、重慶，大部分處于中西部地區，說明這些地區能源效率的提高還有很大空間。而從技術進步影響來看，排名比較靠前的地區有山東、天津、福建、江蘇、浙江，貢獻率分別為8.08%、5.39%、5.36%、4.5%、4.37%。大部分處于東部地區，說明依靠技術進步依然是提高全要素能源效率的有效手段。

(三)環境管制方式對能源效率的變動效應分析

根據前文(8)式構建的面板向量自回歸(PVAR)模型和相關變量數據獲得的基礎上，本文進一步探討環境管制對能源效率影響。

1.平穩性檢驗

由于面板數據兼有時間序列的性質，所以在估計時需要考慮序列的平穩性，不平穩的序列有可能導致虛假回歸。根據各面板數據平穩性檢驗方法的適用條件進行選擇，本文選擇LLC檢驗、HT檢驗、IPS檢驗、費雪式檢驗和Hadri LM 檢驗。具體檢驗結果如表4所示，各變量時間序列至少在10%顯著性拒絕存在單位根的原假設，證明其都是平穩的。

表4 各變量時間序列平穩性檢驗

注：表中數字為各種檢驗統計量，*、**和***分別代表在1%、5%和10%置信水平上顯著(下同)。

2.PVAR模型的GMM估計結果

由于構建模型中包含個體固定效應和時間效應，在進行估計時會因為個體效應和解釋變量相關而使得估計的系數有偏，所以，本文借鑒Holtz-Eakin等(1999)的做法，首先通過差分運算消除個體效應，再在橫截面上采用均值差分去除時間效用，最后以自變量的滯后項作為工具變量，用系統GMM進行系數估計。具體采用Stata 13.0軟件來實現，另外，在估計之前還需進行滯后階數的確定，本文利用連玉君pvar2命令進行判斷，最后確定最優滯后階數為2階。

表5是具體的GMM估計結果，從中可以看出，被解釋變量為h_EE方程，滯后一期L.h_command前面系數為正，滯后二期L2.h_command系數為負，說明命令控制型環境管制方式對全要素能源效率的提高先是起到促進作用，后逐漸減弱，變為限制作用；滯后一期L.h_market前面系數為負，滯后二期L2.h_market前面系數為正，說明經濟激勵型環境管制方式對全要素能源效率影響不像命令控制型管制方式能起到立竿見影的效果，但隨著時間的推移，其正向促進作用逐漸顯現；滯后一期L.h_aware和滯后二期L2.h_aware前面系數都為負，但并不顯著，說明依靠企業自愿和提高公眾環保意識來提高能源效率作用還沒有顯現出來；L.h_EE和L2.h_EE前面系數都顯著為正，能源效率的提高具有自我增強的作用。

3.波動傳導機制分析

PVAR模型的脈沖響應函數能夠分析相關變量在當期和未來受到隨機擾動項沖擊的影響，所以我們可以進一步利用其來探討環境管制對能源效率影響的波動傳導機制。為避免隨機擾動項同期相關問題，按照“相對外生性”Cholesky分解原則，本文選取的變量順序是：command、market、aware、EE。

表5 GMM估計結果

注：表中數字為估計系數值，括號內數字為t檢驗值，h表示前向差分，L、L2表示滯后一階和二階。

圖3 command對EE的正交化脈沖響應 圖4 market對EE的正交化脈沖響應

圖5 aware對EE的正交化脈沖響應 圖6 EE對EE 的正交化脈沖響應注：圖中上下曲線代表了脈沖響應函數水平為90%的置信上下限(蒙特卡洛模擬500次得到)

(1)各種環境管制方式對能源效率的直接影響。圖3-圖6給出了命令控制型環境管制變量(command)、經濟激勵性環境管制變量(market)、自愿意識性環境管制變量(aware)和全要素能源效率(EE)變量PVAR脈沖響應圖，其描繪了各影響因素一個標準差的沖擊對能源效率增長當前和未來的影響。通過分析可知，對于一個標準差命令控制型環境管制變量(command)的沖擊，全要素能源效率增長率初始為負值，之后迅速轉為正值，到第1期達到最高點，之后逐漸下降，雖第3期有一個小幅的升高，但總體趨于下降趨勢(見圖3)。對于一個標準差經濟激勵性環境管制變量(market)的沖擊，全要素能源效率增長率初始為正值0.010，之后開始下降，第1期變為負值，之后又開始上升，第2期達到第二個高峰點0.004，從第2期之后逐漸下降，到第6期趨于0(見圖4)。對于一個標準差自愿意識性環境管制變量(aware)的沖擊，全要素能源效率增長率從第1期到第10期都為負值，第2期達到最低點-0.14，之后逐漸上升(見圖5)。而全要素能源效率(EE)自身對自身的沖擊總體表現為正的影響，初始就達到最高點0.09，之后急劇下降，第2期和第4期雖有小幅的上升，總體呈下降趨勢，到第10期逐漸趨于0(見圖6)。

從以上分析結果可以看出，各類環境管制方式變量對全要素能源效率的沖擊響應并不相同，究其原因還是各種管制方式的內涵不同所造成的。命令控制型管制方式體現了政府在治理環境污染問題的強制性，企業為完成規定的節能減排任務，不得不進行相應的生產方式的調整，雖然短期可以立刻顯現出管制的效果，但從長期來看，如果企業的創新成本不能彌補遵循成本，能源效率將不會有實質性的提高，從而導致政府的管制效果逐漸減弱。而以可交易的排污許可證和排污費征收的經濟激勵性環境管制方式，由于相應的市場機制還不完善，許多企業雖然為污染付了費，但并沒有實質性措施去提高能效，降低能耗和降低污染，所以其影響也是暫時的。自愿意識型環境管制則更多地依靠企業的自覺性和公眾的監督，雖大家的環保意識在增強，但總體水平還不是太高，而公眾的監督作用也非常有限，許多企業可能會被眼前的經濟利益所蒙蔽，而忽視能耗和環境問題，所以造成其對能源效率增加值的負影響。

(2)各種環境管制方式對能源效率的間接影響。按照前文Cholesky分解選取的變量順序，環境管制方式對能源效率的影響還可按如下路徑傳遞：command→market→EE、command→aware→EE、market→aware→EE，即命令控制型環境管制會影響經濟激勵型管制水平和自愿意識型管制水平，進而影響能源效率；經濟激勵型環境管制也會影響自愿意識型管制水平，進而影響能源效率。具體沖擊影響如圖7-圖9。

從圖7可以看出，命令控制型環境管制對經濟激勵型環境管制最初的沖擊響應雖然為負，但很快趨向于0，所以，其影響幾乎是可以忽略的，結合圖3，命令控制型環境管制對能源效率增長率的沖擊始終是正向的，因此，其通過經濟激勵型環境管制對能源效率增加值間接影響基本是正向的。圖8顯示命令控制型環境管制對自愿意識型管制的沖擊影響是先升后降，但始終是正向的，而由前面圖5，自愿意識型管制對能源效率的沖擊影響始終為負向，所以，命令控制型環境管制通過自愿意識型管制對能源效率增加值的沖擊影響為負向。圖9顯示，經濟激勵型環境管制對自愿意識型管制的沖擊最初為負向，但很快轉為正向，從第1期之后這種正向影響都比較平穩，但同樣因為自愿意識型管制對能源效率的沖擊影響始終為負向的，所以，經濟激勵型環境管制通過自愿意識型管制對能源效率增加值的沖擊影響為負向。

圖7 command對market的正交化脈沖響應

圖8 command對aware的正交化脈沖響應

圖9 market 對aware的正交化脈沖響應

4.環境管制方式對能源效率變動貢獻效應分析

由上述脈沖響應分析結果可知，三類環境管制方式在一定程度對全要素能源效率均是有影響的，為進一步評價其對能源效率變動的重要性，可利用PVAR模型的方差分解來分析各類管制方式的貢獻度。表6給出了具體的方差分解結果。

表6 方差分解結果

從表6可看出，命令控制型環境管制最初的貢獻率為0，第3期就迅速上升為1.2%，后逐年提升，到第8期穩定保持在2%。經濟激勵型環境管制貢獻率從最初的1.1%，后逐年下降，從第6期基本保持在0.5%。自愿意識型環境管制最初的貢獻率為0.8%，其后逐步地上升，到第10期上升為6.6%。而能源效率自身對自身的貢獻一直居于主要方面，不過隨著環境管制的作用顯現，其貢獻率從98%降到了90.9%。綜上可以看出，三類環境管制方式對能源效率的貢獻是不一樣的，目前，命令控制型環境管制雖然仍為主要的管制手段，但長期來看貢獻率并不高。經濟激勵型環境管制由于相應的市場機制還不是很完善，其貢獻率也處于一個較低的水平，而相反自愿意識型環境管制的貢獻度處于三類管制方式的首位。這說明在未來進一步完善市場機制和加強宣傳教育來提高公眾的環保意識，才是促進能源效率提高的長久之計。

五、結論與建議

在相關文獻梳理的基礎上，本文從理論上探討不同的環境管制方式對能源效率的影響機制。采用熵值法構建綜合性的環境管制指標體系，采用非期望產出的Super-SBM和Malmquist-Luenbergerjin法分析我國2000-2016年各省份環境管制水平和全要素能源效率及生產率指數，并運用內生性的PVAR(面板向量自回歸模型)進行GMM估計、脈沖響應和方差分解，實證檢驗各類環境管制方式對能源效率的長期均衡關系、波動傳到機制和變動效應貢獻度。得出以下結論：

(1)從理論上，政府所設計的環境管制方式對于廠商的能源效率是有影響的，且合適的環境管制方式也是提升能源效率的策略之一。

(2)環境規制水平呈現較大的空間差異性，綜合規制水平東部地區普遍高于中西部地區，而從具體管制指標來看，有的地方命令控制型水平較高，而有的地方經濟激勵型和自愿意識型水平較高。這說明我國環境管制方式多元化發展進程中，各地的情況并不一致。

(3)在考慮非期望產出的我國整體全要素能源效率水平還處于一個比較低的水平，且在空間上也有很大的差異性，除青海和海南外，北上廣和江浙一帶的能源效率要高于其他地區，而從ML生產率指數來看，技術進步依然是提高全要素能源效率的有效手段。

(4)從GMM估計系數來看，命令控制型環境管制對能源效率的影響先是正向促進，然后轉為負向抑制，經濟激勵型環境管制則是先負向抑制后轉為正向促進，自愿意識型環境管制為負向作用。這說明各類管制方式對能源效率的影響各不相同，且管制效果隨著時間的變化也在發生改變。

(5)從脈沖響應強度來看，命令控制型環境管制對能源效率的正向沖擊影響最大，經濟激勵型環境管制只在個別時期呈現正向沖擊，而自愿意識型環境管制負向沖擊最大。說明我國命令控制型環境管制還是主要手段，其效果最為明顯，而經濟激勵型和自愿意識型管制手段還沒有真正地發揮作用。另外，從各種環境管制方式之間的脈沖響應來看，命令控制型環境管制對經濟激勵型管制幾乎無影響，但這兩種管制方式卻對自愿意識型管制有明顯的正向沖擊，表明在提高能源效率上，政府的強制性命令并不能取代市場機制的作用，但二者卻有助于提高公眾的節能環保意識。

(6) 從方差分解結果看，雖然自愿意識型環境管制估計系數和脈沖響應都為負值，但長期對能源效率增加值貢獻度最大，占6.6%，命令控制型和經濟激勵型貢獻度只占到2.5%。說明在未來依靠公眾的自愿和意識的提高才是解決環境和能源問題的最有效手段。

根據以上結論，本文提出如下建議：第一，管制方式要從“控制”走向“激勵和自愿”，命令控制型管制主要通過“政府控制企業”的二元關系格局來實現環境治理，二者之間是“命令-服從、標準-遵循、違法-懲罰”的關系[14]，雖表面上有執行效果，并不能從根本上實現環境治理的有效性和真正實現能源效率的提高，長此以往還可能對市場機制和公眾參與產生“擠出效應”。而激勵和自愿型管制工具則可以從根本上激發企業的節能減排和保護環境的積極性，對實現能源效率的提高是有促進作用的，所以，管制方式要從控制到經濟激勵和自愿意識的多元化發展。第二，完善市場激勵機制、鼓勵公眾參與。經濟激勵和自愿意識型管制工具的作用在實證結論中之所以沒有命令控制型強，還是因為相應的市場機制不夠完善和公眾參與度不高造成的，政府應加大政府扶持力度，推廣新能源和節能環保技術，完善排污權交易，開展綠色信貸和綠色保險，引入“第三方治理制度”，推行環保稅等政策，讓企業能夠有渠道、有保障、有支持來完成政府的節能減排任務，并從中得到提高和收益。第三，加強宣傳教育，提高公眾環保意識。企業和公眾的環保意識的提高是環境治理及能效提高的根本性手段，政府要加大宣傳和教育，提供暢通的參與渠道，合理處置民眾訴求，營造全民監管的氛圍，督促企業進行行為糾偏，自覺自愿地進行環境保護和能源節約。第四，加大科研力度，實現產業結構升級。科技進步依然是提高能源效率的最有效手段，政府要加大環保科研投入，鼓勵創新，逐步升級改造和淘汰“高能耗、高污染、低產出”產業，積極發展綠色環保的現代產業體系。