大氣污染治理、能源結構優化與能源環境效率
——以中國工業為例

佘雯雯，閔崇智

（1.浙江理工大學經濟管理學院，浙江杭州 310018；2.河海大學商學院，江蘇南京 211100）

一、引言

工業是推動實體經濟發展必不可少的一環。近些年我國工業發展穩中向好，2017 年工業增加值占GDP 比重達33.9%，利潤總額增速達21%。但工業仍存在能源消費總量大、高度依賴煤炭能源等問題。根據《2018 中國統計年鑒》顯示，2016 年工業能源消費量占全國能源消費總量的66.6%，工業煤炭、焦炭的使用規模在所有行業中居于首位，占全國煤炭、焦炭消費總量的94.4%和99.7%。工業高能耗容易帶來大氣污染和高碳排放，對此，國務院繼“大氣十條”后于2018 年6 月出臺了《打贏藍天保衛戰三年行動計劃》，明確提出控制煤炭消費總量，提高能源效率，完成二氧化硫、氮氧化物比2015 年下降15%以上等一系列要求。一些學者基于現狀作出思考：相比環境規制，對大氣污染的治理對能源效率會產生何種影響？治理大氣污染的同時優化能源結構，通過二者的適配能否達成工業增長與藍天并存的雙贏目標？適配作用是否存在地區差異？回答這些疑問，對提高我國工業能源效率、打贏藍天保衛戰、構建綠色實體經濟具有現實價值。

二、文獻綜述

Hu 和Wang（2006）[1]提出的全要素能源效率將能源要素與勞動、資本要素綜合考慮,能反映各要素間的生產替代作用，改進了單要素能源效率的缺陷。全要素能源效率最初使用的指標并不包含非期望產出，為了體現環境約束，各種非期望產出被納入指標體系，如工業廢氣[2]、工業三廢[3]、CO2排放量[4]等。由于考慮了環境因素，此時的全要素能源效率也被稱為“能源環境效率”。正因“三投入、兩產出”的指標體系已成定式，指標體系的創新是今后研究全要素能源效率的重點[5]。如Honma 和Hu（2014）[6]以及李雙杰和李春琦（2018）[7]嘗試改進了指標體系。基于Romer（1990）[8]提出的內生增長理論以及創新驅動的發展背景，部分學者測算經濟績效時在指標中增加了“研發投入”[9]。但在當前全要素能源效率測算中，多數學者仍使用傳統的“三投入、兩產出”指標體系。此外，目前大部分文獻使用DEA 模型測算全要素能源效率時，將資本、勞動和能源投入同等對待，未能突出能源投入[10]。如CCR、BCC 模型只是簡單地將能源投入納入全要素指標，所得效率既能稱作“能源效率”，也可稱作“勞動效率”或“資本效率”[11]。

為研究全要素能源效率的驅動因素，學者們圍繞環境規制與能源結構展開了大量研究。但在兩者基礎上細化研究大氣污染治理對能源效率影響的文獻較少。當前對大氣污染治理的研究集中在大氣污染排放效率[12-13]、治理大氣污染的對策研究等方面[14]，很少有文獻直接探討大氣污染治理對能源效率的影響。而且，多數文獻將環境規制和能源結構作為兩個獨立變量，獨立驗證二者對全要素能源效率的影響。考慮到大氣污染治理是一項綜合性工程，其治理過程中必然涉及到優化能源結構等措施，使用單一變量獨立驗證存在一定的局限性。

鑒于此，本文做出以下改進：（1）考慮到創新驅動背景下技術進步要素對產出增長和能源使用的貢獻，將技術進步投入納入到能源效率測算指標中；（2）使用全局非徑向方向距離函數（GNDDF）進行效率測算，利用模型優點突出能源投入；（3）基于現實狀況與政策導向，將大氣污染治理與能源結構優化相結合，細化考察直接治理與間接治理的適配對全要素能源效率的影響，從而為工業綠色發展建言獻策。

三、工業能源環境效率測算及分析

（一）測算模型與指標選取

Zhang 等（2014）[15]提出了一種非徑向方向距離函數（GNDDF），該模型允許期望產出增加的比例大于非期望產出減少的比例，同時克服了DDF 未考慮“松弛偏差”的缺陷[16]。此外，該模型還能突出“能源投入”要素，使能源效率測算結果更具有指向性。

投入產出所需指標有：（1）資本投入。采用“永續盤存法”確定，并以2007 年作為基期進行平減。（2）勞動力投入。以《中國工業統計年鑒》統計的當年平均用工人數作為勞動力投入。（3）技術進步投入。將技術進步納入投入產出體系的依據如下：一是根據Romer（1990）[8]提出的內生增長理論，該理論認為技術進步和資本、勞動一樣，同為經濟增長的內生要素。二是根據現實要求，高質量發展強調創新驅動，工業經濟增長應更多地依賴技術驅動。本文以工業R&D 內部經費作為技術進步投入的表征，并參考楊志江和朱桂龍（2017）[17]的方法確定R&D 價格指數。（4）能源投入。工業行業主要涉及的10 種能源①原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣、電力、熱力。。（5）期望產出為工業增加值，采用工業品出廠價格指數以2007 年為基期剔除價格因素。（6）非期望產出。CO2與SO2。其中，CO2排放量根據《能源消耗引起的溫室氣體排放計算工具指南（2.1版）》提供的公式測算。

數據來自考察期內的《中國統計年鑒》《中國科技統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》《中國工業統計年鑒》等。

（二）工業能源環境效率測算結果分析

考慮到地區差異較大，依據國家統計局的劃分，將樣本分為全國、東部、中部、西部四組。全國及分地區工業能源環境效率演變趨勢如圖1 所示。

圖1 2007—2016 年全國分地區工業能源環境效率演變趨勢

從總體演變來看，2007—2016 年我國工業能源環境效率呈波動下降的趨勢。能源環境效率十年平均水平為0.655，全局生產技術集的使用和技術進步的條件約束避免了效率的虛高估計。比較明顯的轉折出現在2011 年后，2012—2015 年能源環境效率由0.659 持續下降到0.576。較為合理的解釋是這段時期我國PPI 指數連續負增長，制造業發展動力降低，工業關鍵行業存在嚴重的產能過剩和庫存居高不下的問題，在投入年年遞增而期望產出增加有限的情況下致使能源環境效率下滑。中央也可能察覺到了該問題，于2015 年12 月的中央經濟工作會議提出了“去產能、去庫存、去杠桿、降成本、補短板”的要求。2016 年能源環境效率停止下降并出現小幅度回升。

分地區來看，能源環境效率呈東部> 中部> 西部的階梯狀分布。由于資源型省份集中分布于中西部地區，這些省份很可能陷入了“資源詛咒”。三大地區的能源環境效率演變趨勢基本一致，但東部在2016 年率先停止了效率下降，由0.641 上升到0.667。可以推測東部憑借優越的經濟實力與技術水平積極響應中央的五大要求并作出了一定的改善，產能和庫存的下降優化了能源等要素投入，提高了能源環境效率。中西部能源環境效率仍在下降，但下降趨勢已明顯放緩。

四、實證檢驗與分析

（一）實證模型設置與說明

基于考察影響全要素能源效率增長因素的思路，大氣污染治理（APC）和能源結構優化（ESO）為核心解釋變量建立模型（1）：

EEIit表示i 年t 省的能源環境效率指數，α 為常數項，δ 為系數值，ηi表示未觀察到的地區固定效應，μt為未觀察到的時間固定效應，ωit為隨機誤差項，EEIit-1為能源環境效率指數的一階滯后項。

多數文獻將污染治理和能源結構作為兩個獨立變量，獨立驗證二者對全要素能源效率的影響，如模型（1）。鑒于大氣污染治理是一項綜合性工程，而ESO 則能表示對下一期污染發生前所做的預防和間接治理。在此將直接治理與間接治理相結合，考察兩者的適配對能源效率的影響。故引入乘積項APC×ESO，構建模型（2）：

結合兩個模型，若APC、APC×ESO 系數均為正，表明直接治理能對能源環境效率增長產生積極影響，且在與能源結構優化適配下依舊能夠產生積極影響；若APC 系數不顯著或者為負，APC×ESO 系數為正，則表明直接治理并不能提升能源環境效率，但通過與能源結構優化適配能夠顯著提高效率；若APC×ESO 系數不顯著或者為負，說明即使直接治理與間接治理相適配仍未使能源環境效率得以提高。為獲得相對準確的實證結果，參考李江龍和徐斌（2018）[16]的做法，采用系統GMM 進行估計。

（二）指標選取與說明

1.被解釋變量：能源環境效率指數（EEI）。將全局能源環境效率的變化作為能源環境效率指數。

2.解釋變量：大氣污染治理（APC）。為直接考察大氣污染治理，以工業廢氣治理投資占工業污染治理投資的比重來表示APC。能源結構優化（ESO）。根據Sueyoshi 等（2012）[18]的分類，能源結構優化可以劃分為“管理減排”。作為大氣污染治理的間接補充，本文以“100%-工業原煤和焦炭消費占比”來刻畫ESO。ESO 越大，說明該省工業煤炭消費占比越小，為能源結構優化做出的努力程度越高，對大氣環境越友好。大氣污染治理與能源結構優化的適配作用（APC×ESO）則用二者乘積表示。

3.控制變量分別是工業技術進步（RD）、產業結構（IS）和對外開放程度（OP）。R&D 是推動技術進步的主要來源，為考察工業技術進步對工業能源效率的影響，以工業R&D 內部經費占工業增加值的比重表示RD。產業結構參照以往學者的做法，以工業增加值占GDP 的比重表征。對外開放程度以貨物進出口總額占GDP 的比重來表示，既能反映經濟發展水平，又能反映國際交流程度。

上述數據根據國家統計局數據庫、歷年《中國能源統計年鑒》《中國科技統計年鑒》《中國統計年鑒》計算得出。

（三）實證檢驗結果及分析

1.全國樣本檢驗結果及分析。為使回歸結果更為穩健，分別運用一步系統GMM、兩步系統GMM和Tobit 計量方法對全國樣本進行估計。不同計量方法下兩種模型全國樣本的回歸結果如表1 所示。

表1 不同計量方法下模型（1）與模型（2）全國樣本回歸結果

總體來看，三種計量方法對核心解釋變量的符號判斷較為一致。重點關注核心解釋變量。從全國范圍來看，APC 的系數符號至少在5%的水平上顯著為負，說明大氣污染直接治理并沒有顯著地使能源環境效率得到改善，反而拉低了能源環境效率。造成這種現象的原因可能如下：一是企業轉變以煤炭為主的能源消費結構需要自身付出高額的成本，政府以提高稅收、行政命令等手段強制企業減排會加大企業負擔，期望產出受到擠占，企業生產力遭到沖擊；二是根據“綠色悖論”的公告效應，政府強調“減排”時會對高度依賴煤炭等化石燃料的工業行業產生沖擊，化石能源的供給方一旦預料到政策限制，會從時間上前移開采路徑，從而使能源市場上供過于求[19]，而能源價格下降會刺激大氣污染治理強度較低地區的工業能源消費，導致大氣污染物和CO2等非期望產出總體上不升反降，從而導致能源效率提升有限。

系統GMM 估計出的ESO 系數符號顯著為正，Tobit 回歸下ESO 系數符號為負，但不顯著，因此可判斷優化能源結構至少不會對能源環境效率產生消極影響。當前，學術界已普遍認同“改善能源消費結構可以提高全要素能源效率”[19]這一觀點。至于為何出現符號不一致，可能是因為存在地區差異，從而影響了總體的回歸效果。

觀察APC×ESO 的系數符號，大氣污染直接治理與間接治理的適配均能在一定程度上提升能源環境效率。結合相關理論與上述分析，適配作用提高能源環境效率的解釋如下：（1）從長期來看，大氣污染治理給企業帶來的成本會由于“創新補償”機制的發揮逐漸減少，同時得益于能源消費結構的優化，企業生產經營受到環境規制的影響也將越來越小。（2）“綠色悖論”的影響可能會繼續存在，但清潔能源的開發和使用會逐漸降低、甚至抵消這種不良影響。（3）能源消費結構的優化會使負外部性產生的社會成本越來越小，政府環境補償機制的作用會越發凸顯，綠色產出增加和非期望產出減少會使能源效率明顯提升。

2.分地區檢驗結果及分析。鑒于我國地區大氣污染治理強度和能源資源分布等現實差異較大，本文將全國樣本分為東中西三組，運用一步系統GMM 對模型（1）與模型（2）進行檢驗，結果如表2所示。

對比三地區，APC 的系數符號均為負，這與上述結論具有一致性；結合APC×ESO 的系數符號可以看出，大氣污染治理與能源結構優化的適配對能源環境效率影響確實存在地區差異，且適配作用對東部最明顯，中部次之，對西部不明顯。

結合實證結果與現實狀況，本文認為適配作用出現地區差異的主要原因如下：

第一，地區經濟基礎、能源效率和技術水平不同。大氣污染治理與能源結構優化需要投入不菲的財力、物力，而西部地區的經濟條件弱于東部和中部，為了完成硬性的大氣治理指標，西部的工業期望產出相比于其他地區受到的沖擊更強，進而影響了能源環境效率。而且，能源結構優化需要技術進步來推動，但西部整體技術水平不高，加之西部的基期能源效率一直偏低，滯后性與持續性明顯，累積的惡性循環導致了西部的ESO、APC×ESO 的系數符號顯著為負。

表2 模型（1）與模型（2）分地區檢驗結果

第二，地區大氣污染治理的強度不同，東部和中部的治理強度高于西部。2013 年制訂的“大氣十條”將環渤海、京津冀、長三角、珠三角列為重點治理區域，均位于東部；“十二五”節能減排綜合工作方案顯示，2015 年東部、中部和西部的SO2排放量分別要比2010 年下降12.95%、7.78%和5.21%。相比于東部和中部，西部相對寬松的大氣污染治理政策在一定程度上放松了煤炭等高污染、高能耗的燃料消費，導致西部能源結構優化的潛力發揮有限。

第三，能源成本存在差異。由于煤炭等能源資源主要集中在中西部省份，西部使用煤炭能源的成本較低，又因中部、東部的大氣污染治理強于西部，會導致溢出的煤炭等能源進一步流向西部，雙重作用下西部的能源結構優化進程緩慢，未能對能源環境效率產生正向影響。

五、結論與建議

基于2007—2016 年我國工業省際面板數據，利用系統GMM 模型就大氣污染治理與能源結構優化適配作用對工業能源環境效率增長的影響進行實證檢驗，所得結論如下：（1）僅依靠狹義的大氣污染治理很難提高能源環境效率，過度強調減排會加重企業負擔，減少期望產出致使能源效率難以提高；（2）直接治理與間接治理相結合，發揮大氣污染治理和能源結構優化的適配作用能夠提高能源環境效率；（3）由于地區間經濟基礎與基期能源效率、技術水平不同、大氣污染治理強度存在差異、能源使用成本不一致等現實狀況，適配作用對東部和中部明顯，對西部不明顯。

據此提出如下建議：一要重視大氣污染的間接治理與事前治理，以“節能”促進“減排”。治理思路要由“邊污染、邊治理”過渡到“先治理、少污染”，從生產源頭上減少大氣污染物排放。二要平衡地區間大氣污染治理強度，因地制宜地優化能源消費結構。隨著“大氣十條”的順利收官，偏向于東部的大氣污染治理應逐漸向中西部過渡，如加強汾渭平原散煤治理等。三要引導技術進步偏向大氣污染治理與能源結構優化，實現“管理減排”。