環境約束下珠三角區域能源效率評價及演變趨勢

趙敏 趙鑫

摘 要：堅持以能源綠色發展與清潔利用為導向，提高能源效率是促進珠三角區域綠色低碳循環發展的關鍵手段。選取珠三角區域9個現代都市2005～2018年的面板數據，使用規模報酬可變的超效率DEA模型和Malmquist生產率指數探尋環境資源約束下該區域全要素能源效率的特征差異與動靜態演變趨勢。研究表明，2005～2018年珠三角區域的TFEE水平小幅下降后穩步上升，平均TFEE值為0.89，僅深圳和珠海位于最優生產前面上，具有一定節能減排空間。平均TFPCH為0.12%，變動幅度很小，技術效率和技術進步的變動增長率分別為0.21%和0.76%，呈現出穩定波動趨勢，表明兩者均是能源效率增長的主要驅動因素。總體來講，珠三角區域的能源效率水平較為穩定，但內部各城市間效率水平的差異較為明顯，整體節能減排目標的實現仍有一定提升空間，因而在制定能源環境政策時要考慮因城制宜。

關鍵詞：綠色發展;能源效率;珠三角區域;超效率DEA

中圖分類號：F224;O242 ?文獻標識碼：A ?文章編號：1673-260X（2021）12-0084-08

《新時代的中國能源發展》白皮書（2020）中將提高能源效率、促進節能減排、能源清潔低碳生產作為推動綠色發展的實現途徑。我國在推動能源消耗方式變革的過程中，實行能源消費總量和能源強度的雙控制度，按行政區域設定控制目標。作為中國改革先行區的珠三角區域，應率先在能源方面實施創新驅動戰略，深化重點領域和關鍵產業的市場化改革，推動能源高質量發展，提升能源使用效率，加快構建清潔低碳、安全高效的新型能源體系，逐步推動區域能源結構轉型和經濟結構優化。

本文以環境約束下珠三角區域的能源效率評價及演變趨勢分析為重點研究對象，以期為該區域提高能源效率和制定節能減排目標提供有價值的政策建議。

1 文獻梳理與評述

能源效率的常見評價方法是全要素指標法，其中最具代表性的是參數法和非參數法。參數法中的隨機前沿分析（Stochastic Frontier Analysis，簡記SFA）方法使用頻率較高，它是由Meeusen et al和Aigner et al共同提出的一種可以考慮隨機因素影響的SFA模型，其優點是依據具體生產函數形式來考慮影響能源效率的有關變量[1，2];非參數法中最為常用且最具代表性的是數據包絡分析（Data Envelopment Analysis，簡記DEA），最初由Charnes和Cooper共同提出，通過生產過程中形成的線性規劃模型來測算評價單元效率的非參數方法[3]。其優勢在于無須提前假定生產函數形式，設定的“多投入-多產出”指標體系不受數據單位影響，可通過數學步驟確定各要素的權重關系，具有很強的客觀性[4]。DEA方法規避了SFA方法強假設生產函數形式的偏誤，在效率評價中得到了研究學者更為廣泛的認可[5-7]。

Chung et al在測算造紙業生產率時首次提出環境規制行為模型（AAM），將包含環境因素的非合意產出納入生產過程中進行考量，使用方向性距離函數定義Malmquist-Luenberger指數法[8]，從而自由設定產出增加或污染減小的合意方向，使環境污染物的實際測度變為現實。吳軍選用M-L法時將環境因素加入產出指標體系之中，測算我國1998～2007年工業全要素能源效率，結果表明技術進步對各省份工業TFP的增長起到關鍵作用[9]。Wu et al使用一種新型共享輸入的兩階段DEA模型對包含環境污染問題的中國工業階段全要素能源效率和整體效率進行評價，進而比較能源消耗和污染處理兩個階段的優劣[7]。范秋芳等在產出指標中加入SO2排放量作為非合意產出，選用BC2模型和Malmquist指數法對中國四大區域的全要素能源效率進行評價，實證分析表明各地區必須結合自身實際發展情況制定同供給側改革相適宜的能源政策[10]。高鵬等結合非競爭型投入產出模型和超效率SBM模型，研究了中國產業部門的全要素直接能源效率和全要素隱含能源效率及其節能潛力[11]。田澤等、孫策等、孟曉等分別使用共同前沿動態SBM模型、Malmquist指數法和超效率DEA模型對我國重要城市群落的能源效率進行全面分析和評價，并探尋能源效率低下的原因[12-14]。Rong et al和Wu et al分別使用超效率DEA和網格DEA對中國各省份的能源效率水平進行評價，并探尋能源效率低下的原因[15，16]。

綜上所述，學者在能源效率評價方面的研究成果頗豐。從測算方法來看，多數文獻僅采用靜態或者動態方法來進行效率評價，動靜態方法結合的研究較少;從研究目標來看，多數學者選擇國家或省際層面展開研究，而對區域和城市等單元的研究較少。鑒于此，本文聚焦環境約束下珠三角區域的能源效率，一是從區域角度進行細化研究，避免了省份之間存在的客觀條件差異，能更有針對性地進行能源效率評價;二是使用動靜態結合的方式進行綜合分析，彌補了以往僅從動態視角或靜態視角評價效率的單一性;三是依據全要素生產框架，在投入要素固定時選取“三廢數據”作為非合意產出，更好衡量生產過程對環境造成的污染因素影響。

2 研究方法與模型

在Hu和Wang首次對全要素能源效率的度量做出綜合界定的基礎上，將珠三角區域包含的廣佛肇、深東惠、珠中江作為評價單元[17]，對全要素能源效率及其變化率進行實證分析。首先使用基于投入導向型的超效率DEA模型測算環境約束下珠三角區域9個現代都市2005～2018年的全要素能源效率值;然后在環境方向性距離函數的基礎上，使用Malmquist生產率指數法測度能源效率變化率，并分解為技術進步增長率和技術效率增長率;最后從動靜態兩方面對能源效率進行評價，綜合分析二者的演變趨勢，為區域節能減排政策的制定提供實證建議。另外，由于規模報酬不變（CRS）假定適合廠商在最優規模狀態下運行，考慮到現實情境受政府管制、市場約束和信息不完全等因素的制約，本文選取規模報酬可變（VRS）的超效率DEA模型。

2.1 超效率DEA方法

經典DEA模型在評價生產決策單元（DMU）的能源效率時，主要通過線性規劃模型來判斷DMU是否處于最優生產前沿面，從而對無效或低效的DMU進行效率測算。如圖1所示，基于投入導向型的CRS-DEA模型，投入要素分別為能源（E）、資本（C）和勞力（L），且決策單元DMUA、DMUB和DMUC均處于數據包絡線SS’上。Farrell建立的技術效率公式為θ=OC/OC’，當θ=1時，表明DMU技術有效且位于生產前沿面;若θ<1，則表明存在1-θ的效率損失[18]。例如，C’點位于包絡線外且需要的投入比C點多，因此屬于效率損失點，另外C點可以減少的能源投入量為CA（松弛變量），那么無效DMUC’實現最優效率的投入量為E=OC/CA=θOC’/CA。在全要素能源效率的分析框架中，測算每個DMU的效率值以及距離生產前沿面的能源投入調整量，可以表示實際投入的無效部分。因此，全要素能源效率（Total Factor Energy Efficiency，簡記TFEE）通常定義為DMU實現最優效率時潛在（或理論、最佳）的能源投入與實際能源投入的比例關系，即TFEE=理論能源投入量/實際能源投入量。

上述經典DEA方法可能會出現多個DMU均位于同一生產前沿且相對有效的情形，從而無法對一系列相對有效的DMU進行后續的評價與比較。Andersen和Petersen建立的超效率DEA模型可以有效地解決這個難題[19]，通過運用DEA有效單元排序法便可對相對有效的DMU進行效率比較，具體做法是把目標評價DMU置于決策單元集合以外。如圖2所示，投入導向型的超效率DEA模型，在測算DMUA的效率值時可以不必考慮整個決策單元集，A的數據包絡線由原來的SABS’移動到SCBS’，此時A的效率值為θ=OA’/OA>1，其中無效率點C’的效率值和生產前沿面依舊不發生變化，可見超效率DEA模型使相對有效的評價單元的效率評價成為可能。

根據Fare et al提出的方向距離性函數（DDF）來構建珠三角區域的環境方向性產出函數，將環境約束因素加入能源效率分析框架，得到包含合意產出與非合意產出的生產性可能集[20]。Fare和Grosskopf對多個DMU投入產出的P（x）給出定義，指出其滿足以下四點可處置性特性[21]：（1）投入要素的自由可處置;（2）產出項的弱可處置;（3）合意產出與非合意產出的聯合生產性;（4）合意產出的強可處置。在超效率DEA模型框架下，假定k個決策單元（即城市）利用n種投入要素集xij=（x1k，x2k…xnk）∈RN，生產出m種合意產出集yrj=（y1k，y2k…ymk）∈RM與z種含環境污染物的非合意產出集ulj=（u1k，u2k…uzk）∈RZ，其環境生產可能性集合為：P（x）={（y，u;x→（y，u））}。若（y，u）∈P（x），且0<θ<1，則（θy，θu）∈P（x），表示投入固定時，兩種產出的增減方向和比例相同，即u=0，y=0表示兩種產出均為0。在輸入輸出指標確定的情況下，存在松弛變量時投入導向型超效率DEA模型的線性規劃演變形式如下：

式（1）中θ表示全要素能源效率值，λj為決策單元的比例關系，松弛變量S-和S+分別代表投入過量或產出不足，ε為非阿基米德無窮小量，通常在計算中當作正無窮小進行處理。當θ*=1且S-=S+=0時表明該DMU0有效，同時能源效率最佳，即在產出不變時無法等比例減少整體或者部分投入量;當θ*=1且S-或S+不為零時，此時DMU0為弱有效，也可以說是由k個決策單元構成的生產系統中，產出固定情況下可以對投入向量實行結構性調整，此時的生產規模不是最優規模;當θ*<1且S-和S+兩者均不為零或某項不為零的情況下，決策單元DMU0為非DEA有效，即在同等產出條件下存在投入過多的現象，可以對投入量加以調整和改進以達到最優。在（1）中加入條件Σλj=1即為規模報酬可變模型，因此，將評價DMU0排除在生產可能性集合外的超效率DEA線性規劃形式可描述如下：

2.2 Malmquist指數法

Malmquist指數法對分析DMU位于不同時期的動態能源效率變化提供了極大便利。假定投入要素x自由可處置且規模報酬可變，用Malmquist生產率指數繼續考察包含環境因素的能源效率變化率及其分解值。Paul et al改進生產率分析法并建立測算跨期生產率變化的Malmquist指數，通過計算距離函數（DF）的比率來衡量能源效率，進而評價兩個時期DMU的動態生產率變化[22]。相對于Tomqvist指數和Fisher指數，Malmquist指數可以將能源效率變化分解為技術進步變化與技術效率變化[23]，公式中不包含價格信息可避免信息不對稱產生的影響，此外多元指標體系無須假設其他條件。基于不同時期技術水平的Malmquist指數模型定義式為：

式（3）中M0代表生產過程中的投入產出矩陣，xt、yt、xt+1、yt+1分別為第t期和t+1期的投入量產出量，Dt和Dt+1表示以不同時期技術水平衡量的方向性距離函數。全要素能源效率變化率（TFPCH）可分解為規模報酬可變條件下的技術效率變化（EFFCH）和技術進步變化（TECH），另外EFFCH可二次分解為規模效率變化（SECH）與純技術效率變化（PECH），同理（3）式可進一步表述為：

M0=TFPCH=TECH×EFFCH

=TECH×SECH×PECH ?（4）

在統計學概念中，上述三個指標均為環比發展指數。當M0>1時，DMU的TFPCH呈現出增長趨勢，TFEE較前期有所增加;當M0<1時，DMU的TFPCH呈現出降低趨勢，TFEE較之前有所減少。其中EFFCH代表每個評價單元從時期t到t+1距離生產可能性前沿面的遠近程度，指數值大于或小于1分別表示跨期的技術效率提高或降低;TECH代表每個評價單元從時期t到t+1在生產可能性前沿面上的移動情況，指數值大于或小于1分別表示跨期的技術進步或退步;PECH表示規模報酬可變時的技術效率變化情況;SECH表示規模經濟對能源效率變化率的影響大小，可見TFPCH中不同指標的效率變化是決定M0提高或降低的根本原因。另外，需明確TFEE和TFPCH測量方法的區別之處，TFEE考察生產過程中某一固定期的DMU與最優生產前沿面的相對位置關系，隸屬于靜態分析范疇;而TFPCH通過測度DMU距最優生產前沿面的距離遠近關系來表示技術效率變化，抑或是通過測度最優生產前沿面的位置變動關系來衡量技術進步變化，隸屬于動態分析范疇[24]。

3 數據收集與變量說明

本文的研究范圍為2005～2018年度珠三角區域9個現代都市的面板數據。結合參考文獻的理論基礎與方法模型，假定生產過程中的投入要素為資本、勞動力和能源三項，合意產出為生產總值，非合意產出為環境污染排放物。

（1）資本。參照吳軍的數據處理方法[9]，將各市的固定資產投資額（億元）作為資本投入指標，根據2005年不變價格進行折算。

（2）勞動力。勞動人員的素質與勞動消耗時間是衡量勞動投入的關鍵指標，鑒于數據的難獲取性，使用各市歷年的就業人員年末人數（萬人）作為勞動投入指標。

（3）能源。通常做法是將評價單元的全部能源消耗數量作為能源投入。鑒于不同城市所消耗的能源種類有差別，可以將石油、天然氣、電力、煤炭等主要資源的消耗量統一轉換加總為新單位“噸標準煤”，另外，還應包括部分煤炭資源使用時有二次轉換的消耗量。為保證各變量統計口徑的統一性，將各市的單位GDP能耗系數統一換算為能源消耗總量（萬噸標準煤），使用能源消耗總量表示能源投入指標。

（4）合意產出。李雙杰等在構建效率測算的指標體系時指出，為保持投入與產出的一致性并符合實際生產過程，若投入指標選取資本和勞動力，則產出指標應選擇增加值;若投入指標選擇資本、勞動力和中間投入，則產出指標應選擇總產值[4]。文章使用以2005年不變價格計的實際地區生產總值（億元）為合意產出。

（5）非合意產出。國內外學者對非合意產出的選擇中涵蓋了眾多污染物種類[24]，由于能源在實際消耗中產生的污染物會直接影響大氣和水質，因此使用工業“三廢”排放量來表示非合意產出。廣東省在2013年起不再提供工業固體廢物排放量數據，鑒于統計口徑的改變，現選用工業固體廢物產生量進行替代，其中2005年部分城市的固廢產生量缺失數據采用線性插補法補齊。綜上，選取廢水排放總量（億噸）、工業廢氣排放總量（億標立米）與工業固體廢物產生量（萬噸）的“三廢”指標為非合意產出。

以上投入產出指標數據均來源于歷年的《廣東統計年鑒》，其描述性統計如表1和表2所示。

4 能源效率結果實證分析

根據珠三角區域的投入產出面板數據，運用投入導向的VRS超效率DEA方法，固定資本額、勞動力和能源消耗量作為投入要素，合意產出與非合意產出共同作為產出要素，使用MaxDEA7.1軟件測算環境約束下各城市的TFEE和TFPCH及其分解值變化情況，全面分析各都市能源效率的變動規律和本質特征。

4.1 環境約束下的全要素能源效率

珠三角區域9個現代都市2005～2018年的TFEE結果見表3。

從經濟區域角度來看，珠三角區域2005～2018年的TFEE的變動規律特征為：（1）整體來看，14年的平均值為0.89，表明該地區尚存在11%的節能潛力;（2）在能源效率的演變趨勢方面，2005～2018年珠三角經濟區的TFEE從2006～2008年出現小幅度下降后一直處于平穩狀態，2009～2014年間能源效率始終在0.84-0.86間穩定波動，這與葉祥松等得出的能源效率在2000～2013間有所提升不相符[25]，究其原因可能是其評價指標體系中未包括非合意產出。2015年后能源效率出現明顯上升趨勢，除2016年外其余年份的效率值均大于0.92，表明珠三角經濟區實行“騰籠換鳥”的產業升級政策有效，轉移或淘汰高耗能產業使得能源效率有所提升。此外，加快經濟結構調整也是效率提升原因之一。

從城市層面來看，珠三角區域的9個城市在2005～2018年間的TFEE存在顯著差異，如圖3所示，雷達圖可直觀對比出各城市間相近兩年的TFEE變化。其主要演變特征：（1）珠三角區域僅有個別城市的平均TFEE在評價年份達到有效生產前沿面水平，其中深圳和珠海在若干年份處于有效前沿面上，屬于相對有效的城市，珠海的TFEE最高，2005～2018年的平均值達到1.12;深圳次之，14年來的TFEE均值為1。能源效率最低的城市依次為肇慶和惠州，14年平均值僅為0.76和0.78。（2）在TFEE的演變趨勢方面，TFEE呈現出“穩態收斂”趨勢的城市有深圳、珠海和中山，這些城市的城市化水平始終處于珠三角前列;呈現出“螺旋穩步上升”趨勢的城市有廣州、佛山和東莞，表明產業升級和結構調整逐步趨于完善;表現為“先降低后上升”趨勢的城市有惠州、肇慶和江門，這些城市的重工業產業占比依舊較高，根據TFEE演變趨勢可將上述城市分為“高、中、低”三個層次，效率值變化如圖4所示。（3）城市間的TFEE變化幅度明顯，處于有效生產前沿面的城市從2005年的5個變為2018年的4個，但區域整體能源效率水平有顯著提高，處于中間水平城市的效率值在0.80～0.95之間波動，具備一定的節能潛力和效率提升空間。綜上所述，珠三角經濟區的節能減排應注重不在有效前沿面的城市，尤其是應重點關注惠州市、肇慶市、江門市三個低效率城市，需加強城市領域相關能源政策的有效落實，加大對科技創新和人才培養的支持力度，推動低能耗、低質量產業結構優化升級。

4.2 Malmquist能源效率增長率指數

Malmquist能源效率增長率指數的測算結果詳見表4。注意此處測算的TFPCH是動態變化趨勢，可二次分解為技術效率變化（EFFCH）與技術進步變化（TECH）。

珠三角區域各城市的TFPCH演變趨勢如下：（1）TFPCH呈現出曲折上升趨勢，變化幅度從2006年的-4.81%上升到2018年的1.72%;EFFCH先上升后下降，從2006年-5.81%最高升至2015年的10.96%，然后降至2018年的-2.17%;TECH較為平穩，除2017年的值為7.58%外，其余年份始終在5%范圍內上下波動，無顯著增長趨勢。（2）2006～2018年間三者的平均增長率均≥1，在TFPCH較為穩定的情況下，技術效率改善和生產技術進步處于一種此消彼長的狀態，但二者均對TFPCH的提升做出貢獻，其中技術效率對2015年的整體增長率升高起關鍵作用，技術進步對2017～2018年整體增長率提升有強推動作用。（3）EFFCH和TECH的平均變化率差異較小，除個別年間出現顯著升高（2015、2017年）或降低（2006、2007年）的情況外，二者皆可反映為TFEE提升的主要驅動要素。

圖5很好地反映了珠三角區域城市群TFPCH及其分解值的貢獻比重和演變趨勢，在文章的測算時間范圍內，TFPCH提升幅度較為平穩，表明該區域能源消耗方式相對合理、污染物排放監管長期有效，能源政策實施、新技術引進和產業升級起到良性循環促進作用。技術進步和技術效率的推動作用不一，珠海、深圳等高效城市的技術進步貢獻大于技術效率，有著更強的推動作用，肇慶、江門等低效城市的分解值始終處于低水平，推動作用較弱，需要得到重點關注，也可為情況類似的其他地區提供參照借鑒，以便尋求實現可持續發展的可行路徑。

5 結論性研究建議

本文從環境約束視角出發，在非合意產出中引入的“三廢”排放量拓寬了產出指標體系，使用投入導向的超效率DEA模型考察了珠三角區域2005～2018年的靜態TFEE，同時利用Malmquist指數測算動態TFPCH及其分解值，分析各城市能效差異和演變趨勢，得到一些現有研究之下的新結論。第一，從整體角度來看。考慮環境約束下珠三角區域的TFEE呈現出先降低后升高的趨勢，說明該區域實施的節能減排政策對提升能效水平有效。TFPCH變化起伏不一，總體上呈現小幅下降的收斂趨勢，技術進步和技術效率均為能源效率改善做出重要貢獻，是區域綠色發展的主要驅動因素;第二，從各城市層面來看。城市間TFEE差異較為顯著，沒有城市在14年來一直處于有效前沿面上，除深圳和珠海外，其余城市具有不同程度的節能空間，兩個分解值的貢獻水平和作用大小因城市而異。

提高能源效率，縮小城市差距，應考慮城市定位、產業結構等客觀條件，是珠三角區域在經濟新常態下能源發展過程中的重點關注問題。文章從區域視角出發，有針對性地提出以下幾點建議。

實證性研究建議如下。首先，應根據城市間TFEE水平差異，考慮優化城市間資源配置，加強產業互助合作，強化國際先進技術水平交流，結合多種因素達到提高能源效率、優化產業結構，打造區域城市群的比較優勢與核心競爭力，以期趨同并超越國際高水平區域發展模式。其次，對于深圳、中山和佛山三個高效城市，需繼續實施能源創新驅動戰略，發展新能源行業，關注市場化改革等重點領域，探尋能源效率提升的新途徑，建設清潔高效的能源消耗體系;對于佛山、廣州、東莞三個中效城市，需要進一步優化要素投入比例、加大技術進步和技術效率方面的資金注入、提高要素利用率和邊際產出率等;對于江門、惠州和肇慶三個低效城市，應該以提升TFEE為核心，轉變以往的高消耗和粗放發展模式，逐步取消產能落后行業，大力發展服務業等，共同促進城市能源和產業結構轉型。最后，技術進步和技術效率皆是珠三角區域TFPCH提升的主要動力，尤其是2016年以來，珠三角地區的技術效率貢獻率很小甚至為負值，應該注重投入要素結構和生產技術的優化配置，力求實現技術進步和技術效率的同步促進提升，最終打造區域經濟高質量發展、節能減排效果顯著提高的共贏局面。

參考文獻：

〔1〕W. Meeusen and J. Broeck. Technical efficiency and dimension of the firm： Some results on the use of frontier production functions[J]. Empirical Economics， 1977， 2（02）： 109-122.

〔2〕Aigner Dennis and Lovell C.A.Knox and Schmidt Peter. Formulation and estimation of stochastic frontier production function models[J]. 1977， 6（01）： 21-37.

〔3〕Charnes A. and Cooper W.W. and Rhodes E.. Measuring the efficiency of decision making units[J].1978， 2（06）： 429-444.

〔4〕李雙杰，李春琦.全要素能源效率測度方法的修正設計與應用[J].數量經濟技術經濟研究，2018， 35（09）：110-125.

〔5〕Malin Song et al. Environmental efficiency and economic growth of China： A Ray slack-based model analysis[J]. European Journal of Operational Research， 2018， 269（01）： 51-63.

〔6〕Toshiyuki Sueyoshi and Yan Yuan and Mika Goto. A literature study for DEA applied to energy and environment[J]. Energy Economics， 2017， 62： 104-124.

〔7〕Jie Wu et al. Total-factor energy efficiency evaluation of Chinese industry by using two-stage DEA model with shared inputs[J]. Annals of Operations Research， 2017， 255（1-2）： 257-276.

〔8〕Y.H. Chung and R. F？re and S. Grosskopf. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management， 1997， 51（03）： 229-240.

〔9〕吳軍.環境約束下中國地區工業全要素生產率增長及收斂分析[J].數量經濟技術經濟研究，2009， 26（11）：17-27.

〔10〕范秋芳，王麗洋.中國全要素能源效率及區域差異研究——基于BCC和Malmquist模型[J].工業技術經濟，2018，37（12）：61-69.

〔11〕高鵬，岳書敬.中國產業部門全要素隱含能源效率的測度研究[J].數量經濟技術經濟研究，2020， 37（11）：61-80.

〔12〕田澤，張懷婧，任芳容.環境約束下中國三大城市群能源效率評價與影響因素比較研究[J].軟科學，2020，34（12）：87-95.

〔13〕孫策，成金華，孫莉.長江中游地區能源效率評價研究：與京津冀、長三角和珠三角地區的比較[J].中國礦業，2017，26（08）：69-74+111.

〔14〕孟曉，孔群喜，汪麗娟.新型工業化視角下“雙三角”都市圈的工業能源效率差異——基于超效率DEA方法的實證研究[J].資源科學，2013，35（06）：1202-1210.

〔15〕Wang Rong and Wang Qizhen and Yao Shuangliang. Evaluation and difference analysis of regional energy efficiency in China under the carbon neutrality targets： Insights from DEA and Theil models[J]. Journal of Environmental Management， 2021， 293.

〔16〕Geng Wu et al. Using a network DEA model to assess the energy efficiency of regions in China[J]. IOP Conference Series： Earth and Environmental Science， 2020， 546（02）： 022054.

〔17〕Hu J. ，Wang S.， Total Factor Energy Efficiency of regions in China[J]. Energy Policy， 2006， 34（17）： 3206-3217.

〔18〕Farrell M. J.. The Measurement of Productive Efficiency[J]. Journal of the Royal Statistical Society. Series A （General）， 1957， 120（03）： 253-290.

〔19〕Per Andersen and Niels Christian Petersen. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）： 1261-1264.

〔20〕R. Fare and S. Grosskopf and Jr. Pasueka. Environmental Production Functions and Environmental Directional Distance Functions[J]. Energy， 2007， 32， 1055-1066.

〔21〕Rolf Fare and Shawna Grosskopf and Dimitris Margaritis. Advances In Data Envelopment Analysis[M]. SG Singapore： World Scientific Publishing Company， 2015.

〔22〕Paul W. Bauer. Decomposing TFP growth in the presence of cost inefficiency， nonconstant returns to scale， and technological progress[J]. Journal of Productivity Analysis， 1990， 1（04）： 287-299.

〔23〕馬海良，黃德春，姚惠澤.中國三大經濟區域全要素能源效率研究——基于超效率DEA模型和Malmquist指數[J].中國人口·資源與環境，2011，21（11）：38-43.

〔24〕王兵，吳延瑞，顏鵬飛.中國區域環境效率與環境全要素生產率增長[J].經濟研究，2010，45（05）：95-109.

〔25〕葉祥松，劉敬，王江波.經濟增長質量與能源效率研究——以珠三角地區為例[J].江西財經大學學報，2017，19（05）：3-13.