中國省際煤炭資源利用效率研究

李成宇 張士強,2

(1.山東科技大學經濟管理學院，山東省青島市，266590；2.濟南大學綠色發展研究院,山東省濟南市，250022)

隨著我國經濟的不斷發展，能源資源浪費、環境污染等矛盾日益突出，已成為制約我國經濟社會協調發展的重要因素。面對當前能源資源浪費、環境污染對社會經濟發展的束縛，我國開始意識到不能單純追求GDP增長速度，要充分發揮能源資源、生態環境的積極影響來實現綠色可持續發展，從而形成經濟發展、環境保護、能源資源高效利用的三贏局面。煤炭資源作為我國最重要的基礎能源，在能源結構中的占比高達60%以上，遠超世界平均水平，這種現狀決定了煤炭資源利用效率會對我國能源利用效率甚至我國綠色可持續發展都產生重要影響。因此，科學地測度我國煤炭資源利用效率，探討我國省域煤炭資源利用效率空間特征，識別我國煤炭資源利用效率的影響因素，對于制定差異化的能源、環境政策，推進我國綠色可持續發展具有重要意義。

目前，學術界對自然資源利用效率的研究已趨于完善，研究結構從簡單利用效率測度向空間相關性分析、影響利用效率因素深入，研究方法則經歷了從傳統AHP方法、聚類分析、DEA模型、SFA模型、聚類分析到三階段DEA模型、Malmquist指數法、空間自相關分析、Tobit模型、空間計量模型的轉變。具體來看，在能源資源利用效率方面，史丹指出改革開放后我國能源利用效率的改進非常顯著，而這種顯著是在對外開放、結構調整、體制改革共同作用下引起的[1]；趙楠、王辛睿采用DEA-Bootstrap模型測度我國省際能源資源利用效率，并進行收斂性分析，得出我國各地區能源利用效率存在絕對收斂和相對收斂特征，且地區間差異在逐漸縮小的結論[2]。在水資源方面，廖虎昌基于DEA和Malmquist指數對我國西部地區水資源利用效率開展研究[3]；藏正、錢文婧則進一步在測度水資源利用效率的基礎上，對水資源利用效率的空間關聯、區域差異、影響因素進行研究[4-5]。在土地資源方面,張志輝利用Bootstrap-DEA方法，測算了全國622個城市的土地利用效率，并分析其相關影響因素[6]；張雅杰、金海基于DEA-ESDA-GWR研究思路，測度長江中游地區城市建設用地利用效率，并分析其總體特征、區域差異及時空演化格局，最后探究影響建設用地利用效率的驅動機理[7]；謝花林則從靜態、動態兩個角度出發，利用DEA-SBM模型和Malmquist指數對我國主要經濟區城市的工業用地利用效率展開研究[8]；葉浩、濮勵杰運用隨機前沿生產函數對1990-2008年間我國各省(區、市)耕地利用效率進行了測算，并以此為基礎分析其耕地利用效率的差異性和收斂性[9]。可以看出，當前自然資源利用效率研究主要集中在水資源、土地資源、能源3個資源領域，針對煤炭資源利用效率的研究還比較少。從現有文獻來看，錢婷婷著重從經濟學角度出發來分析我國煤炭資源利用效率低下的原因[10]；于貴芳、趙國浩以山西省為例，研究煤炭資源利用效率與生態帕累托效率之間的關系[11]；王興華、趙凱運用層次分析法對山西省煤炭資源利用效率進行綜合測度[12]；任世華則采用全生命周期法來構建煤炭資源利用效率分析模型[13]；車亮亮、韓雪基于DEA-SBM模型測度我國省域煤炭資源利用效率，并相繼進行了脫鉤分析以及空間關聯分析[14-15]；張小盟運用自向量回歸模型、脈沖響應法、方差分解法來探尋寧夏煤炭利用效率的主要影響因素及貢獻率[16]；武戈、楊靜明利用非期望產出SBM模型模擬長江經濟帶15個核心城市的煤炭資源利用效率，并針對區域內差異進行收斂性研究[17]；樊靜麗基于Divisia指數分解法對我國2000-2016年工業行業煤炭利用效率變化進行測度和分解，指出電力等能源行業是引起工業行業煤炭利用效率變化的主要動因[18]；姚俊、張軍峰在考慮環境因素的基礎上，運用Malmquist-Luenberger指數測算我國30個省(區、市)的煤炭利用全要素生產率，并應用Tobit模型對其影響因素進行了初步識別[19]。可以看出，現階段煤炭資源利用效率的研究多局限于理論研究和煤炭資源利用效率的簡單測度，并沒有考慮到煤炭資源利用效率的空間特征及影響因素，缺乏深度。因此，本文采用DEA-BCC模型對2006-2015年全國30個省(區、市)的煤炭資源利用效率進行測度，在此基礎上，研究我國省際煤炭資源利用效率的差異性及變動趨勢，結合ESDA分析方法探討效率的空間特性，并運用空間計量模型分析各種影響因素對我國煤炭資源利用效率的影響程度，以期提升研究深度，為國家、地方及有關部門制定有針對性的能源環境政策提供決策依據。

1 研究方法及數據說明

1.1 研究方法

1.1.1 DEA模型

查恩斯(Charnes)、庫珀(Cooper)等人于1978年提出DEA-CCR模型，該模型僅能測算固定規模報酬下的效率，未考慮規模報酬可變的實際情況[20]；隨后班克(Banker)等人提出規模報酬可變的DEA-BCC模型，并將技術效率分解為純技術效率和規模效率(SE)，即TE=PTE×S[21]。此外，DEA模型又可分為投入型和產出型。投入型是指以產出不變為前提，減少投入量以提高效率；產出型則是指以投入不變為前提，增加產出量以提高效率。本文采用投入導向型DEA-BCC模型，具體模型如下：

(1)

式中：θ——標量；

λ——N×l的常向量；

解出來的θ值——單元(DMUi)的效率值，一般有θ≤1；如果θ=1，則意味著該單元是技術有效的，且位于前沿上。

1.1.2 探索性空間數據分析(ESDA)

探索性空間數據分析(ESDA)作為空間經濟計量學的一個重要領域，主要用于解釋與空間位置相關的空間依賴、空間關聯或空間自相關現象，并通過對空間分布格局的描述與可視化，探究空間規律[22]。筆者采用全局 Moran' s 指數測度我國省際煤炭資源利用效率的空間相關性。全局 Moran' s 指數用于衡量區域總體空間關聯和空間差異程度的指標，其公式為：

(2)

式中：n——研究對象的個數；

Zi、Zj——i、j區域的觀測值；

Wij——空間權重矩陣(空間相鄰為1，不相鄰為0)；

S2——觀測值的方差；

Moran's I取值區間為[-1,1]，越接近1或-1，空間相關性越強。若Moran's I值為正，說明呈現空間集聚；若Moran's I值為負，說明呈現顯著空間分異；當Moran's I取值接近于0時，則說明空間分布是隨機的，不存在空間相關性。

1.1.3 空間計量模型

空間計量模型是一種能夠有效解決被考察變量之間存在的空間依賴性及空間相關性問題的分析工具，經典的空間計量模型包括空間滯后模型(SLM)和空間誤差模型(SEM)。

根據Anselin判定準則[23]，選擇構建空間誤差模型研究煤炭資源利用效率的影響因素，建立我國30個省(區、市)煤炭資源利用效率影響因素空間計量模型，為確保計量結果的準確性，影響因素指標均取對數，模型如下：

(3)

式中：Cruei,t——i省份t年的煤炭資源利用效率；

β——回歸參數，反映影響因素對煤炭資源利用效率的影響程度；

PCGDP——經濟發展水平；

IS——產業結構；

TP——技術水平；

TC——運輸成本；

FDI——外商投資；

IE——對外開發；

IA——煤炭產業集聚度；

λ——空間誤差自相關系數；

W——空間權重矩陣；

αi、σt——空間固定效應、時空固定效應。

1.2 數據說明

1.2.1 投入產出指標

煤炭資源利用效率影響因素具有多樣性特點，在選取投入產出指標時要盡量避免指標間的線性相關性[3]。筆者在參考以往文獻的基礎上[14-15,24]，選取以下投入產出指標：以2006-2015年間我國30個省(區、市)的資本存量、勞動力存量、煤炭消費量為投入要素，以各省GDP為產出要素。資本存量數據參考張軍[25]等人的研究，通過“永續盤存法”計算得出；勞動力存量通過(當年年末就業人數+上年年末就業人數)/2計算得出；煤炭消費量通過《中國能源統計年鑒》直接獲取；GDP則以2006年為基期，通過GDP平滑指數計算得出。考慮到我國西藏、臺灣、香港、澳門的數據可獲取性差，故未作考慮。

1.2.2 影響因素變量選取

在空間計量模型中，筆者選取經濟發展水平、產業結構、技術進步、交通成本、外商投資、對外貿易、產業集聚度7個指標作為我國煤炭利用效率的影響因素。其中，經濟發展水平用各省(區、市)人均GDP表示；產業結構用地區第二產業增加值/地區GDP表示；技術進步用各省(區、市)專利數(實用新型專利與發明專利之和)表示；運輸成本用各地區(鐵路里程+公路里程)/總面積表示；外商投資用各地區直接利用外資金額/地區GDP表示；對外開放用各地區進出口貿易總額/地區GDP表示；產業集聚度通過區位熵計算得出，具體公式為(地區煤炭產業總產值/地區工業總產值)/(煤炭產業總產值均值/工業總產值均值)。

1.2.3 數據來源

研究區間自2006-2015年，共計10年，數據來自歷年《中國統計年鑒》《中國能源統計年鑒》《中國工業經濟年鑒》《中國科技統計年鑒》，并結合相關省(區、市)的統計年鑒、統計公報和新聞報道等資料進行修正。

2 我國省際煤炭資源利用效率測算

通過DEAP2.2軟件測算我國30個省(區、市)2006-2015年煤炭資源利用效率值，包括綜合效率值、純技術效率值及規模效率值，見表1。

表1 我國省際煤炭資源利用效率測算(2006-2015)

由表1可知，總體來看，我國當前煤炭資源利用效率還處于較低水平，綜合效率均值為0.720，純技術效率均值為0.794，規模效率均值為0.915。具體各省(區、市)來看，排名前5位的省(市)為北京、上海、福建、湖南和廣東，除廣東效率值為0.994以外，其他4省(市)綜合效率值均達到1，處于前沿面上；排名后5位的省(區)依次是內蒙古、江西、寧夏、甘肅和青海，其綜合效率值均在0.6以下。其他接近前沿面的省(區、市)以沿海地區為主，而處于效率底端的省(區、市)則主要分布在西部地區。我國各區域煤炭資源利用效率存在明顯的差異性。具體來看，東部地區煤炭資源利用效率最高，其綜合效率均值、純技術效率均值和規模效率均值分別為0.859、0.904和0.953；中部地區次之，3個效率值分別為0.734、0.760和0.966；西部地區最低，3個效率值僅為0.581、0.720和0.839。因此，可以看出我國煤炭資源利用效率整體呈現出東部>中部>西部的格局。東部地區憑借優越的地理位置和雄厚的資金、政策、科教實力，使其產業結構趨于合理，煤炭資源投入正逐步向資源集約型、環境友好型轉變；中部地區因為規模效率的優勢，在綜合效率上高于西部地區；而經過西部大開發戰略的耕耘，西部地區在技術、管理、人才、生態等方面已有了長足的進步，其純技術效率(0.720)已基本追上中部地區(0.760)，中部地區對西部地區的技術優勢已基本殆盡，現存的規模優勢也僅是因為中部地區大多數省份煤炭資源豐富，煤炭產業在當地屬于支柱產業，再加上開發歷史早，在總體規模上還領先西部地區。西部地區擁有豐富的煤炭資源，只是因為開發歷史晚，基礎設施不完善，未能形成規模，但隨著國家對西部地區重視程度的增加，西部地區已獲得了越來越多的支持，加上國家綠色可持續發展戰略的實施，國家在發展西部地區時，必將會考慮發展中東部地區時的經驗教訓，在經濟發展的同時兼顧綠色發展，使西部地區的煤炭資源利用效率得到提升。

3 我國省際煤炭資源利用效率空間格局演變

根據2006-2015年我國30個省(區、市)煤炭資源利用效率，在一階rook空間矩陣的基礎上，運用GeoDa1.6軟件，計算Moran's I值，見表2。

由表2可以看出，2006-2015年的Moran's I值均在5%或10%顯著性水平下通過檢驗，表明我國30個省(區、市)煤炭資源利用效率呈現正向空間自相關性，說明煤炭資源利用效率高(低)相鄰省際單元相對集聚，呈現出集聚模式。2006-2015年Moran's I值由0.21828提高到0.22679，呈現增長趨勢，表明2006年以來，省際煤炭資源利用效率的空間相關顯著性有所增強，集聚態勢有所凸顯。但2010-2013年的Moran's I值出現較大波動，說明省際煤炭資源利用效率空間分布格局不太穩定，容易發生變動。

為更準確地測度我國30個省(區、市)煤炭資源利用效率的空間集聚狀態及變化特征，GeoDa1.6軟件繪制了2006年、2009年、2012年、2015年Moran散點圖，見圖1。Moran散點圖分為4個象限，分別對應4種空間差異類型：右上象限表示區域自身和周邊煤炭利用效率均較高，二者的空間差異較小；左上象限表示區域自身煤炭利用效率較低，周邊煤炭資源利用效率較高，二者的空間差異較大；右下象限表示區域自身煤炭利用效率較高，周邊煤炭資源利用效率較低，二者的空間差異較大；左下象限表示區域自身和周邊煤炭利用效率均較低，二者的空間差異較小。

根據我國煤炭資源利用效率Moran散點圖，可以將我國30個省(區、市)劃分為高高(H-H)、高低(H-L)、低高(L-H)、低低(L-L)4種類型，見表3。

表3 我國省際煤炭利用效率的類型劃分(2006-2015)

由表3可以看出，2006-2015年期間，位于H-H象限的地區基本保持不變，2006年、2009年位于H-H象限的地區均為北京、天津、上海、浙江、福建、廣東、廣西、海南8省(區、市)，2012年重慶代替廣西，其他省(市)不變，2015年新增江蘇、廣西代替重慶，其他省(市)不變。H-H象限省(市)大多位于東部沿海地區，自身經濟水平較高，具有政策、資金、技術等優勢，在提升自身煤炭利用效率的同時，還能對周邊地區產生擴散效應，呈現出“高-高”聚集的空間關系；位于L-L象限的地區數量則有所減少，由2006年時的11個下降到2015年的9個，2006年位于L-L象限的地區有內蒙古、青海、甘肅、寧夏、四川、云南、河南、湖北、陜西、重慶、新疆11個省(區、市)，2009年又新增山西省，2012年則僅剩下內蒙古、青海、甘肅、寧夏、云南、河南、陜西、新疆、山西9省(區)，2015年保持不變，這些地區主要集中在中西部地區，這類地區與其他地區外部性差異大，但其自身內部的差異性較小，呈現“低-低”聚集的空間關系；位于H-L象限的地區數量保持在6個省份左右，2006年位于H-L象限的地區有山東、遼寧、安徽、黑龍江、湖南、山西6省，2009年減少山西省，2012年新增四川省，2015年保持6省不變，這些地區主要集中在中東部地區，自身煤炭利用效率較好，但被煤炭資源利用效率低地區包圍，呈現“高-低”聚集的空間關系；位于L-H象限的地區有所增加，2006年、2009年均為吉林、河北、江蘇、江西、貴州5省，2012年新增湖北、江西兩省，2015年減少江蘇省，其他省份與2012年一致，這些地區主要集中在中部和西南部地區，自身煤炭資源利用效率較低，但被煤炭資源利用效率高的地區包圍，呈現“低-高”聚集的空間關系。通過上述4個時點的Moran's I散點圖，可以發現總體上呈現出東部和西部地區表現出相似的空間關聯性(“高-高”或“低-低”)，而中部地區則表現出非相似的空間關聯性(“低-高”或“高-低”)，這說明我國煤炭資源利用效率的空間依賴性和差異性是并存的，但以空間依賴性為主。

圖1 我國煤炭資源利用效率空間分布Moran's I散點圖

4 我國省際煤炭資源利用效率空間計量模型分析

4.1 模型選擇

空間計量模型主要分為SLM模型和SEM模型兩類。在實證研究中可以通過LM檢驗來判斷具體模型的選擇，通過MATLAB軟件對2006-2015年我國30個省(區、市)面板數據進行檢驗，見表4。結果顯示，LM-lag和LM-err均通過1%下的顯著性水平檢驗，且LM-err值大于LM-lag值，同時Robust-LM-err通過了在5%下的顯著性水平檢驗，而Robust-LM-lag未通過顯著性水平檢驗，因此根據Anselin判別準則[23]，筆者選擇空間誤差模型。在此基礎上，分別對無固定效應、空間固定效應、時間固定效應、時空雙固定效應及隨機效應這5種情況下的空間誤差模型進行檢驗，通過對比分析選取其中最為合理的模型，5種效應的檢驗結果見表5。由表5可以看出，時空雙固定效應空間誤差模型的判定系數和Log-L值分別為0.9636、570.42，均高于其他4種效應，且模型中spat.aut通過1%的顯著性水平檢驗，存在顯著的空間依賴性，因此，筆者采用時空雙固定空間誤差模型分析我國省際煤炭利用效率的影響因素。

表4 OLS估計及檢驗結果

表5 SEM模型估計及檢驗

注***、**、*分別表示在1%、5%、10%水平上顯著

4.2 煤炭資源利用效率空間計量結果分析

根據空間時間雙固定SDM模型估計結果顯示，經濟發展水平(PCGDP)、技術進步(TP)、外商投資(FDI)、進出口總額(IE)均通過顯著性檢驗，且都顯著為正。其中，經濟發展水平和外商投資的系數分別為0.179和0.021，在1%的顯著性水平下通過檢驗；技術進步的系數為0.025，在5%的顯著性水平下通過檢驗；進出口總額的系數為0.023，在10%的顯著性水平下通過檢驗。具體來看，經濟發展水平系數顯著為正，表明在2006-2015年這10年里，經濟增長對煤炭資源利用效度的提高具有顯著的正向影響，人均地區生產總值每提高1萬元，就能促進煤炭資源利用效率提高0.179。經濟發展水平高的地區，產業結構更為合理，基礎設施完善，資金投入量大，生產技術與工藝先進，政府管理也更為高效，在這種環境下，煤炭資源利用效率更高。同時，經濟發展水平高的地區，人民生活更富裕，日常生活電氣化程度高，使用的多是經過先進煤炭利用技術、工藝處理過的二次能源，避免直接使用煤炭資源，因而煤炭資源利用效率更高。外商投資系數顯著為正，表明在研究期間內，外商投資對煤炭資源利用效率的提高具有顯著正向影響，地區外商投資占比每上升1%，煤炭資源利用效率就會提高0.021。外資及港澳臺資企業多集中在工業產業，相比內資企業，其在規模、技術、管理上更具優勢，能有效促進管理經驗、技術工藝的轉移及人才的培養，對煤炭資源利用效率起到積極作用。技術進步顯著為正，表明在研究期間內，技術進步會對煤炭資源利用效率產生顯著正向影響，技術進步水平每上升1%，煤炭資源利用效率就能提高0.025。技術進步的增強有利于創新和推廣先進的生產技術、利用技術以及節能減排技術，在推動工業化、城市化過程中提高煤炭資源利用效率。對外開放度顯著為正，表明在研究期間內，對外開放度會對煤炭資源利用效率產生顯著正向影響，地區進出口總額占比每上升1%，煤炭資源利用效率就會提高0.023。對外開放程度的提升，有利于引進國外先進技術、設備、管理經驗，降低單位煤炭消耗，提高煤炭利用效率。同時，對外開放程度的提升還能加劇市場競爭，迫使企業降低資源成本消耗，達到提高煤炭資源利用效率的目的。

產業結構(IS)、運輸成本(TC)通過顯著性檢驗，都顯著為負。其中，產業結構系數為-0.09，在10%的顯著性水平下通過檢驗；運輸成本系數為-0.031，在5%的顯著性水平下通過檢驗。具體來看，產業結構系數顯著為負，表明在研究期間內，產業結構對煤炭資源利用效率的提高具有顯著的負向影響，地區第二產業占比越高，煤炭資源利用效率就越低。我國經濟發展正處于工業化中后期階段，高耗能、高污染的重工業占比大，發展模式粗放，尤其以中西部地區為甚，直接造成煤炭資源的大量消耗和浪費，給我國煤炭資源利用效率的提升帶來消極影響。運輸成本系數顯著為負，表明在研究期間內，運輸成本對煤炭資源利用效率的提高具有顯著的負向影響，地區運輸成本越高，煤炭資源利用效率就越低。運輸是煤炭資源的生命線，在很大程度上影響著煤炭資源的成本，煤炭運輸成本越高，流通速度就越慢，煤炭閑置率就越高，周轉次數也就越少，煤炭資源利用效率也會更低。煤炭產業集聚(IA)系數為-0.008，呈負相關，但未通過顯著性檢驗，說明煤炭產業集聚對煤炭資源效率的影響不顯著。煤炭產業集聚對煤炭資源利用效率的影響很小且呈負相關，這可能是由于煤炭產業集聚地區多處于中西部地區，其在煤炭產業集聚上的優勢并無法彌補其在地理位置、技術、資金、交通上的劣勢，最終出現煤炭產業集聚度高的中西部地區煤炭資源利用效率低，而煤炭產業集聚度低的東部地區煤炭資源利用效率高的局面。

5 結論與建議

5.1 結論

本文首先基于傳統DEA-BCC模型，測度了我國30個省(區、市)2006-2015年的煤炭資源利用效率；其次利用ESDA分析方法，分析煤炭資源利用效率的空間格局演變；最后基于空間計量方法使用時間空間雙固定SEM模型，探討了我國煤炭資源利用效率的主要影響因素，從而得出以下3個結論。

(1)從我國煤炭資源利用效率測算結果來看，當前煤炭資源利用效率水平較低，綜合效率均值、純技術效率均值、規模效率均值分別為0.720、0.794和0.915，僅有北京、上海、福建、湖南4個省(市)綜合效率值達到1，處于前沿面上，其他26個省(區、市)均有不同程度無效率狀態，有很大提升空間。我國煤炭資源利用效率整體呈現出東部>中部>西部的格局，東部地區利用效率最高，中部地區次之，西部地區最低。但值得注意的是，西部地區在技術、管理、人才、生態等方面已取得長足進步，其純技術效率(0.720)已基本追上中部地區(0.760)，中部地區對西部地區的技術優勢已基本殆盡，現僅存的規模效率優勢也會隨著西部大開發戰略、綠色發展戰略的深入，逐漸被西部地區追上。

(2)從空間自相關分析結果來看，我國30個省(區、市)煤炭資源利用效率呈現正向空間自相關性，2006-2015年Moran's I值由0.21828提高到0.22679，呈現增長趨勢，集聚態勢有所凸顯。2010-2013年出現波動，則表明省際煤炭資源利用效率空間分布格局不太穩定，易發生變動。通過Moran散點圖可以看出，我國30個省(區、市)煤炭資源利用效率在空間上存在明顯的集聚狀態。其中，北京、天津、上海、浙江、福建、廣東等東部沿海地區體現為“H-H”集聚；內蒙古、青海、甘肅、寧夏、四川、陜西、重慶、新疆等西部地區體現“L-L集聚”；安徽、黑龍江、吉林、江西等中部地區則主要表現為“H-L”和“L-H”集聚。

(3)從空間計量估計結果來看，除煤炭產業集聚度對煤炭資源利用效率影響不顯著以外，經濟發展水平、技術進步、外商投資、對外開發對煤炭資源利用效率的提升有正向影響，產業結構、交通成本對煤炭資源利用效率的提升有負向影響。

5.2 建議

基于上述實證分析，針對煤炭資源利用效率的提升，筆者給出以下4點建議。

(1)東部地區要充分發揮其在區位、產業結構、基礎設施、政策、資金、人才等方面的優勢，堅持“引進來”與“走出去”相結合的發展戰略，對外通過外資引進先進的技術設備、工藝流程和管理經驗，對內積極與高校、科研院所開展合作，提高自身的自主研發水平，從而做到引進技術和自主研發兩手抓兩手硬，以此來提升自身的煤炭資源利用效率。

(2)中部地區要發揮好其在資源、規模、交通等方面的優勢，在引進東部地區相對先進的技術工藝、管理經驗的同時，發揮煤炭產業的規模優勢，積極建立起高效便捷的煤炭運輸及物流網絡，降低煤炭運輸成本，并在政府和市場的共同作用下優化煤炭資源配置及產業結構，以此來提升中部地區的煤炭資源利用效率。

(3)西部地區則要利用好西部大開發戰略的契機，加強基礎設施建設，擴大煤炭產業規模，積極引進國內外先進技術裝備、工藝流程管理經驗及優秀人才，以中東部地區過去的發展經驗教訓為鑒，提升自身煤炭資源利用效率。

(4)全國各省(區、市)不僅可以通過引進外資、提高規模、完善基礎設施等傳統手段來提升煤炭資源利用效率，還可以通過金融手段來提升煤炭資源的利用效率，而煤炭資源資本化就是一種有效的形式，通過轉讓煤炭資源使用權，使其能夠在煤炭產權市場上流通，籌集到更多的資金，再利用籌集到的資金來進行投資，循環往復，既能實現煤炭資源的價值增值，又能提升煤炭資源利用效率。