環境約束下中國省際能源效率評價
——基于博弈交叉效率和Malmquist指數模型

龍如銀，劉 爽，王佳琪

引 言

繼黨的十八大提出“能源革命”戰略思想之后，十九大報告再次強調了“推進能源生產和消費革命，構建清潔低碳、安全高效的能源體系”的發展方略(孫喜民，2018)。然而，去除通貨膨脹的影響，根據國家統計年鑒實際國內生產總值計算所得的能源強度卻呈現上升趨勢(如圖1)，這與我國節能生產的要求嚴重不符。盡管目前中國在環境保護工作上取得了初步成效，各類污染物的排放量或總量下滑，或增速放緩，但污染物的排放總量仍然較大，環保任務十分艱巨(觀研天下，2019)。與此同時，能源效率的區域差異明顯，由地形地貌等原因導致的能源資源分布失衡以及經濟結構的差異造成了地區之間的能源利用效率顯著不均。另外，全國能源效率的提高也并不意味各地區能源效率都得到了改善。如何在保證經濟總量增速的前提下既減少能源消耗總量、減輕能源消耗帶來的環境污染問題，又同時促進區域之間均衡發展，成為如今研究的重點和難點。因此探究環境約束下省際能源效率現狀及造成區域之間能源效率差異的關鍵原因迫在眉睫。

效率的研究通常采用生產前沿分析方法，包括隨機前沿分析和數據包絡分析方法。相較于隨機前沿分析方法，數據包絡分析方法(DEA)只需要通過求解線性規劃來確定生產前沿面且不用確定生產函數的參數，方法簡單易行，在能源效率測算方面應用廣泛(孫自愿等，2017；王群偉等，2010a)。Boyd et al(2000)較早地將DEA方法引入到能源效率評價中，為后續研究奠定了基礎。Hu et al(2006)采用DEA模型估算了1995—2002年中國潛在能源投入量，同時界定了全要素能源效率指數(TFEE)的概念，使該方法成為國內外能源效率研究的主流。魏楚等(2007)借鑒Hu et al的方法，運用1995—2004年省級面板數據，提出將資本、勞動、能源作為投入，GDP作為產出的DEA模型以進行能源效率的計算，該模型成為普遍適用的研究框架。但傳統的DEA模型自評體系中常常掩蓋了被評價單元的劣勢，存在夸大和失真的情況且往往存在多個效率值為1的單元，有失全面性和公平性。因此，部分學者開始對DEA模型進行深入探究。

在此之后，Andersen et al(1993)在傳統DEA模型的基礎上提出了超效率模型。超效率DEA成功解決了傳統DEA的部分問題，在評價某個決策單元時，將其排除在集合之外，使同時對多個有效決策單元的進一步測度成為可能。師博、沈坤榮(2008)開創性地運用超效率DEA模型對市場分割下的中國全要素能源效率進行測評。屈小娥(2009)將超效率的DEA模型和Malmquist指數方法結合起來對1990—2006年中國省級全要素能源效率進行測算，為后續研究開辟了新的道路。馬海良等(2011)等創新性地將知識存量納入生產函數，測算出1995—2008年三大經濟區域的能源效率和全要素生產率。然而，后續學者研究發現，超效率DEA模型對有效決策單元的排序并不可靠，即超效率DEA模型仍可能會存在多個決策單元無可行解的情況，不符合充分排序的要求。為了彌補被評價單元自評夸大和不充分排序的問題，Liang et al(2008)在Sexton(1986)交叉效率模型的基礎上引入非合作競爭的博弈情境，提出了博弈交叉效率模型，并證明了所得效率值為納什均衡。之后，王婷婷等(2015)通過實證分析證明了博弈交叉效率模型結合了自評與他評，克服了SBM模型無法充分排序的問題,并將模型運用到省際電力行業能源效率測度中。江洪等(2020)將能源、資本和勞動力作為投入變量，碳排放總量和GDP作為產出變量，利用博弈交叉效率模型測算了中國30個省區市的能源效率。

以往的研究大多只考慮期望產出，并未把能源消耗帶來的非期望產出即環境污染物等納入投入產出體系中。一般生產過程在投入一定的生產要素后，除了獲得期望產出，同時還帶來如廢水、廢氣、固體廢棄物之類的非期望產出(王群偉，2010b)。從實際生產過程講，忽略環境污染計算得到的能源效率是不準確、不全面的(程丹潤，2018)。Pittman(1983)是第一個將空氣、水污染視為非期望產出的學者，并將非期望產出作為影子價格處理。Fare(1989)首創性地提出將非期望產出加入DEA模型，后續越來越多的學者開始把研究重點放在包含非期望產出的能源效率測度方面。對非期望產出的處理，常見的方法有將非期望產出作為投入變量(王波等，2002；汪克亮等，2012；王曉云等，2016)或正向的期望產出(Scheel，2001；許士春等，2015)和變換DEA模型(Chung et al，1995；袁曉玲等，2009；涂正革等，2011；錢爭鳴等，2013；Wang et al，2018)兩大類。第一種方法因為將產出變量轉換為投入變量，悖離了生產過程的本質，盲目將非期望產出加入投入產出體系而不具有說服力(程丹潤，2008)。第二種方法雖然得到了廣泛應用，但目前對模型的選擇和變換爭議性較大，未形成統一的標準。相關效率研究文獻的模型與指標體系見表1。

表1 相關效率研究文獻的模型與指標體系

表1(續)

基于以往研究，本文首先在模型方面創新性地引入各省區市的非合作博弈情境，選用博弈交叉效率模型，一方面可以解決排序過程中決策單元自我夸大和排序不充分的問題，另一方面可以使得30個省區市的排序情境和效率結果更加科學；而后，將多重非期望產出作為環境約束加入投入產出模型中；最后通過全局Malmquist指數探究能源效率動態變化情況。本文有助于豐富能源效率評價領域的研究成果，明晰導致區域能源效率差異的關鍵因素，為進一步提高我國能源效率，促進區域均衡發展提供新思路。

一、 研究模型與方法

(一) 博弈交叉效率模型

現實中，能源效率一定程度上代表了當地的經濟和技術水平，各省區市在自評和互評的過程中存在著非合作的競爭關系，因此，使用博弈交叉效率模型對我國省際能源效率評價具有重要的現實意義。博弈交叉效率模型在傳統交叉效率模型的基礎上通過非合作博弈視角來分析問題，不僅能夠實現各決策單元的充分排序，而且使得各決策單元的交叉效率值最優。30個省區市在博弈體系中是競爭者，通過博弈過程，各省區市盡可能實現自身收益最大化，也就是使各自的能源效率最大，所得的結果更能代表一個地區的真實效率水平。

傳統的CCR-DEA模型中，假設存在n個決策單元，對于第g個決策單元DMUg(g=1,2,…,n)，有m種投入x=(x1,x2,…,xm)T和s種產出y=(y1,y2,…,ys)T。投入的權向量為v=(v1,v2,…,vm)T,產出的權向量為u=(u1,u2,…,us)T，則被評價的決策單元DMUg的效率值Egg可以用非線性規劃表示：

(1)

u≥0,v≥0

由DEA-CCR模型求得n組最優權重，依次求得交叉效率為：

(2)

則DMUj的交叉效率值為：

(3)

假設在該博弈中，參與人DMUg的效率值為ρg，ρg的初始取值是傳統的平均交叉效率值，則其他參與人DMUj會在ρg不被降低的情況下盡可能使自己的效率值最大。那么DMUj在這一前提下，uj#和vj#是傳統DEA模型的可行權重，在不損害DMUg的支付條件下的權重交叉效率為ρgj：

(4)

因此，DMUj的平均博弈交叉效率值為：

(5)

最終的博弈交叉效率通過以下規劃得出：

(6)

ρg×vjT#xg-ujT#yg≤0

uj#≥0,vj#≥0

其中第二個約束條件就是指DMUp在求解效率值時，DMUg的博弈交叉效率值不低于傳統的平均交叉效率值ρg，這體現了非合作博弈的情境。

(二) 全局參比Malmquist指數

全局參比Malmquist指數是將某一全體視為整體，以各期的總和作為參考集，各期參考同一前沿并將其分解為全局技術效率變化和前沿面移動，即技術效率變動(EFFCH)和技術變動(TECH)。考慮到傳統的Malmquist指數和其分解量都是個體或局部計算，通常利用加權或者不加權的幾何平均數來計算個體前沿面的移動，不具有傳遞性(魯濤和陸邦祥，2012)。全局參比Malmquist指數具有傳遞性，可通過累乘推出各期的指數值，這是傳統Malmquist不具備的優勢。全局參比Malmquist指數和分解量可以表述為：

=EFFCH×TECH

(7)

其中，Mg(xt+1,yt+1,xt,yt)是全局參比Malmquist指數。Dt(xt,yt)代表前沿t的技術效率水平，Dt+1(xt+1,yt+1)代表前沿t+1的技術效率水平，兩者比值代表技術效率水平的變動情況。Dg(xt,yt)/Dt(xt,yt)表示前沿t與全局前沿的接近程度，Dg(xt+1,yt+1)/Dt+1(xt+1,yt+1)表示前沿t+1與全局前沿的接近程度，兩者比值代表技術的變動。

在Malmquist計算公式中，技術效率變動表示為：

(8)

技術變動表示為：

(9)

二、 環境約束下省際能源效率的實證分析

(一) 樣本選擇和指標描述

本文選取了能源、資本和勞動作為投入變量，地區生產總值和各類環境污染物為產出變量。樣本選用了2005—2016年我國省級(不含西藏和港澳臺)面板數據，數據來源于國家統計局《中國統計年鑒》《中國勞動統計年鑒》和《中國能源統計年鑒》等。投入變量和產出變量的定義見表2。

表2 投入產出變量指標

1. 投入變量

(1) 能源投入用能源消費總量表示。根據《中國能源統計年鑒》將各種能源消費量轉化成萬噸標準煤加總得到各省區市的能源消費總量。部分省區市的個別年份數據缺失，本文參考陳星星(2019)的做法，采用線性插值法進行補充。

(2) 資本投入用資本存量衡量。本文參考張軍等(2004)推算的1952年中國省級資本存量，以2004年為基期，通過永續盤存法推算出2005—2016年資本存量。同時用各省區市固定資產價格指數調整各年投資，折算成以2004年為基期的不變價格實際值。由于重慶市在劃為直轄市之前與四川省合并核算，本文以2004年重慶市和四川省的固定資產投資比例為依據，從四川省中分離出重慶市的資本存量作為重慶市的資本投入。

(3) 勞動投入用勞動力資本代表。勞動投入一般用各地區勞動人數或從業、就業人數來表示，而勞動人口存在素質上的差異，并且羅默的內生模型也表明知識與技術對經濟增長有正向推動作用，因此不同素質的勞動力對經濟的貢獻程度也是不同的。考慮到勞動力素質差異，本文用受教育年限衡量勞動力質量，把各省區市的平均受教育年限作為各省區市的就業人員質量(岳書敬等，2006)。勞動力投入采用各省區市歷年就業人員的平均受教育年限與就業人數相乘，得到包含勞動力素質的勞動投入。

2. 產出變量

(1) 選擇地區生產總值作為期望產出。地區生產總值是衡量一個地區總體經濟狀況的重要指標。為了消除通貨膨脹對歷年地區生產總值的影響，這里以2004年為基期，利用各省區市GDP價格指數平減得到實際地區生產總值。

(2) 選取碳排放總量、工業廢水排放總量和工業固體廢棄物總量作為環境約束部分，即非期望產出。變量選取考慮了環境污染復合性、污染物形態多樣性和數據的可獲得性與一致性。其中碳排放總量的計算采用IPCC所建議的終端能源消費計算方法，“自上而下”依據各省區市能源消費平衡表中的煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣和電力消費總量，九類能源碳排放系數借鑒《綜合能耗計算通則》和《省級溫室氣體清單編制指南》中的各項數據(1)《綜合能耗計算通則》(GB/T 2589—2008)和《省級溫室氣體清單編制指南》(發改辦氣候〔2011〕1041號)。來計算其排放總量。工業廢水排放總量和工業固體廢棄物總量數據均源自2005—2016年《中國統計年鑒》。最終將三類非期望產出用熵值法進行綜合得出環境污染綜合指標，形成結合環境約束下的綜合產出指標。

(二) 省際能源效率測算結果

本文首先利用MaxDEA Ultra 6求得2005—2016年30個省區市的博弈交叉效率。我們將時間分成2005—2010年和2011—2016年兩個時間段，對比各時間段省際能源效率的變化。表3為不含環境約束和環境約束下的博弈交叉效率。由于數值較小，這里將所有效率值擴大100倍以方便對比分析。

表3 2005—2016年不含環境約束和環境約束下博弈交叉效率

如表3所示，不考慮環境約束的情況下，2011—2016年全國能源效率值較之前有明顯的下滑，均值由72.98下降到66.30，大部分省區市的能源效率均值下降幅度超過10%。最為突出的是天津市，效率均值由80.98下降至49.73.結合投入產出數據來看，天津市2016年能源消費總量較2005年增加了1倍，實際地區生產總值增長的能源依存度過高。由此可見，我國能源效率水平趨于惡化，這與我國近年來要求的節能高效生產模式嚴重不符。表格右邊，環境約束下2011—2016年較2005—2010年相比有21個省區市的效率有所提升，其中增加30%以上的省區市有11個，如北京市、浙江省、江西省等。具體來看，北京市在2005年能源效率居全國第三，2006年超越青海省達到第二位并自2014年開始成為全國能源效率首位。在此過程中，北京市的能源效率值由2005年的38.6增長到2016年的100，增長率約為159%。北京市以第三產業為主的產業結構和在環境污染治理工作方面取得的成績一定程度上促進了能源效率的提升。另外山西省、遼寧省等9個省區市的效率值有所下降。作為我國老工業基地的山西省和遼寧省，其能源效率水平一直位于全國下游，重工業在經濟結構中的過大比例或許是導致這兩省能源效率低下的原因。

對比表3，環境約束下各省區市能源效率相較同期不含環境約束的效率有明顯下降。2005—2010年間，青海省、寧夏回族自治區、廣東省、甘肅省、吉林省、江蘇省、內蒙古自治區和浙江省在比較過程中有超過15位的變化。其中，青海省、寧夏回族自治區、甘肅省、吉林省和內蒙古自治區的排名有大幅度的提升，而廣東省、江蘇省和浙江省的能源效率排名卻嚴重下滑。2011—2016年間，寧夏回族自治區、吉林省、江蘇省、青海省、廣東省、河北省和重慶市的排名波動較大。綜合對比2005—2016年的兩類博弈交叉效率值，青海省、江蘇省、河北省、廣東省、天津市、吉林省和寧夏回族自治區的能源效率排名波動較大。其中，江蘇省和廣東省的能源效率值在全國排名下降了22和20位，而青海省、寧夏回族自治區的能源效率值排名在全國分別提升了24、22位。江蘇省和廣東省都是經濟大省，在不包含環境約束的情況下，兩個省的能源效率均位居全國前列。但江蘇省和廣東省在發展經濟的同時產生了數量龐大的各類環境污染物，使得環境約束下兩個省的能源效率較其他省區市下降更為明顯。青海省和寧夏回族自治區環境污染物產生量較全國平均水平處于低位，環境優勢是提升這兩個省區市能源效率排名的重要原因。由此可見，環境約束的非期望產出導致大部分省區市的能源效率值波動較大，因此在能源效率進行評價的過程中，環境約束是不可忽視的影響因素。

為衡量地區間能源效率的現狀與差異，本文利用SPSS對30個省區市進行聚類分析分析，借鑒前人的方法(高振宇等，2006)將30個省區市聚類成高、中、低3個效率區域，如圖2所示。通過兩類博弈交叉效率的聚類結果可知，天津市、海南省、青海省和寧夏回族自治區的能源效率在考慮到非期望產出后有所提升。對環境污染物排放治理工作的重視和落實，是導致這一變化的重要原因。同理，在環境方面表現較差的省區市，如河北省、山西省、江蘇省、浙江省、山東省、廣東省等，環境污染物等非期望產出的加入直接導致這些省區市的能源效率下降。以廣東省為例，在不考慮環境約束的情況下，廣東省的能源效率位于高效率水平。而大量工業廢水廢物的排放則拉低了廣東省的實際能源效率，這體現在了包含環境約束的能源效率評價結果中，廣東省的能源效率實際位于較低水平。單純以經濟產出來衡量能源效率容易走向以環境污染為代價的“高效率”困境。因此，在對各省區市能源效率進行評價的過程中，對環境約束這一因素的考慮是非常必要的。

圖2 不含環境約束與包含環境約束的聚類分析結果

表4按照傳統的區域劃分，將中國各省區市劃分為東、中、西部三大區域。由環境約束下各省區市能源效率及聚類分析結果可以看出，東部地區能源效率均值最高，西部地區次之，中部地區最低。但整體來看，東、中、西部各省區市所在的能源效率分組并不集中。尤其是東部地區，既有以北京市為代表的高效率省區市，也包括了大部分中、低效率組的省區市，如天津市(中效率組)和江蘇省(低效率組)等。因此對各省區市能源效率的研究，不僅要考慮區域之間的能源效率差異，更要考慮區域內部的能源效率差異。變異系數C.V是用于反映事物內部的離散程度或差異程度的指標。變異系數越大，各省區市之間的能源效率的離散程度越大，即差異越大；反之，則能源效率差異越小。因此，本文通過變異系數來判定中國三大區域內部能源效率的相對差異大小。

表4 中國三大區域劃分

表5為環境約束下三大區域能源效率變異系數。從三大區域比較來看，2005—2016年全階段東部地區的變異系數為116.77%，相較于中部地區和西部地區的39.76%、54.06%，區域內能源效率差異最為明顯，這與圖2中的表現完全一致。中部地區能源效率差異要低于西部地區。從時間變化來看，東部地區的能源效率差異在增大，2011—2016年間的變異系數為118.67%，相較于2005—2010年增加了1.53%。由此可見，東部地區的各省區市能源效率的差異是在不斷增大的，能源效率提升速度不均，不平衡情況沒有得到改善且有逐年擴大的趨勢。西部和中部地區的能源效率差異在逐步縮小，其中西部地區的變化最為明顯，能源效率水平逐漸趨同，向均衡方向發展。

表5 中國三大區域能源效率變異系數

(三) 全要素生產率指數測定

通過上述分析可知，中國省際能源效率存在巨大差異，區域內部和區域之間也有明顯不同，而造成差異的原因需要我們進一步的探討。為此，本文對中國省際全要素生產率指數進行了研究。首先，對全國的省際博弈交叉能源效率進行全局Malmquist指數的測算，得出我國30個省區市2005—2016年的全要素生產率指數及其分解量，具體如表6所示。

如表6所示，我國大部分省區市的全要素生產率值小于1，各地區的生產效率有不同程度的倒退。河南省位于全要素生產率的分界線上，之后各省區市如廣東省、浙江省、上海市等東部經濟發達地區的全要素生產率小于1，經濟優勢并沒有體現在全要素生產率上。位于全國排名后五位的海南省、云南省、內蒙古自治區、新疆維吾爾自治區和青海省，除海南省其余四個省區市均位于西部地區。分解量上，有21個省區市技術效率變動值大于1，最高值北京市為1.097。這意味著大部分地區的技術效率變動情況基本維持了上年水平且有小幅度的增長。技術變動上，大部分地區的技術變動倒退趨勢明顯：全國僅有云南省、遼寧省和青海省技術變動值大于1，其余27個省區市的技術變動值均小于1。就目前來看，技術效率變動和技術變動的發展形勢都不樂觀，這直接導致全要素生產率發展勢頭不明顯，基本維持上年情況。

分地區來看，如表7所示，三大地區各年度的全要素生產率指數及分解情況存在差異。具體來說，東部地區全要素生產率年均變化率為-1.0%，技術效率變動的年均增長率為2.4%，技術變動的年均變化率為-0.30%。可見東部地區技術效率變動是全要素生產率的主要動力，但技術變動比上一年有所下降，全要素生產率呈緩慢倒退趨勢。中部地區與東部地區情況類似，全要素生產率由技術效率變動主導，技術效率變動的年均增長率為3.8%，而技術變動年均增長率為-3.7%，這阻礙了全要素生產率的提高。西部地區的技術效率變動波動頻繁，勉強維持上年度水平，但大部分年份技術變動小于1，技術倒退情況極其嚴重。由此可見，全國各個地區的生產效率，要么發展勢頭不明顯，要么有一定程度的倒退，生產效率的改進面臨嚴峻形勢。技術效率變動為生產效率進步的主要貢獻力量，但技術變動的創新效應明顯不足，僅依靠技術效率進步來提升全要素生產率，忽視技術改進的重要作用，只會導致全要素生產率的負增長。只有保持技術效率的追趕效應，加快創新技術發展，才能全面釋放生產潛力。

表7 三大地區各年度Malmquist TFP指數及分解情況

三、 結論與建議

本文基于博弈交叉效率模型和全局Malmquist指數方法，結合環境約束下的混合產出指標測度了2005-2016年中國省區市能源效率和全要素生產率指數，并探討了東、中、西部三大地區之間的差異。主要研究結論如下：

第一，全面的能源效率評價體系應將環境約束考慮在內。對比不含環境約束和包含環境約束的兩類能源效率評價結果可知，環境約束下各省區市能源效率值有明顯的下降。環境污染嚴重的省區市例如廣東省、浙江省、上海市等由于廢水及其他污染物排放量巨大，環境約束下的能源效率較其他省區市優勢減弱。環境狀況較好的省區市如青海省、寧夏回族自治區能源效率排名較不含環境約束情況下提升了許多。因此，在能源效率評價的要素中，環境約束必不可少。

第二，我國現階段各地區能源效率差異明顯并且區域內發展不均衡。由省際能源效率均值和聚類分組結果可知，東部地區能源效率水平普遍高于中西部地區。能源效率排名靠前的省區市，如北京市、海南省等地大多位于東部地區，而如山西省等能源水平較低的地區多位于中西部地區。就區域內能源效率的均衡程度來說，東部地區能源效率分布不均且省際差異有逐步擴大的趨勢。中部和西部地區的能源效率水平低于東部，但其省際能源差異較小且緩慢趨同。

第三，我國全要素生產率整體有波動下降的趨勢，技術創新不足是全要素生產率提升的主要障礙。東部和西部地區的全要素生產率波動下降，中部地區全要素生產率表現最佳且有微弱上升趨勢。同時，三大地區的技術效率變動對全要素生產率正向貢獻巨大，技術變動帶來的創新效應明顯不足。中部地區的追趕效應最為突出，創新效應不足也最為明顯，技術創新的不足和高效的資源配置共同作用導致了全要素生產率基本不變；東部地區的追趕效應和創新效應在三大地區中都處于中游水平，追趕效應比起創新效應略顯無力；西部地區兩大效應表現都不理想，技術變動倒退較為嚴重，全要素生產率下降最多。

因此，結合上述結論，本文提出以下幾點政策建議：

第一，建立健全包含環境約束的能源效率評價與監控體系。各地區在追求經濟發展的同時，應貫徹實施可持續性的發展理念，加強對環境問題的關注，積極履行十九大關于加快生態文明建設，建設美麗中國，堅持人與自然和諧共生的發展要求。而建立一個將環境約束納入經濟發展和能源效率評價與監控的體系是實現這一要求的必要條件。因此，國家應建立統一的能源效率評價標準，不僅要考慮能源投入與經濟產出的比值，還應將勞動資本等多種投入要素及生產過程中帶來的環境污染治理成本納入考慮，在此基礎上建成既考慮經濟建設成果又考慮能源效率水平的地方政府政績評價體系，以激勵地方政府在能源效率提升方面的工作。

第二，進一步提高能源效率的同時促進東、中、西部地區能源效率均衡發展。針對東部地區能源效率優勢明顯但內部差異較大的問題，東部地區應該以高效能省區市帶動低效能省區市。同時，在發展經濟的過程中，要加強對環境污染的重視程度。針對高耗能、高污染產業，從內部改善粗放的生產方式以實現產業結構優化升級，落后產能直接淘汰以避免資源和效率的浪費。中西部地區能源資源優勢最為明顯，但能源利用效率較低。對此，中西部地區應重視能源效率的提升，通過推行清潔生產技術、優化配置能源要素來提高能源效率。此外，有關部門應減少污染物的排放并杜絕能源過度浪費，著重加強環境治理工作，擺脫“大量生產、大量消費、大量廢棄”的傳統增長方式，加快低投入、低能耗、高產出、高效率、低排放、能循環的健康快速可持續的發展。

第三，加強技術創新，提升生產效率。政府要制定適宜的創新創業政策，為優秀人才的創新創業營造有利的政策環境，此外，政府還應通過以財政撥款的形式支持重大能源項目的研發與創新，頒布相關優惠政策如減免稅費、貸款優惠等，為企業的自主研發提供堅實保障，激活企業創新熱情，提升企業的創新動力，加快技術向生產轉變的進程。東部地區要積極鼓勵高新技術產業的發展，大力培育新型產業。通過新技術、新工藝的引入來降低能耗，推動全系列產業向綠色、高效、智能化轉型。中部地區要保持技術效率追趕效應的優勢，穩定資源配置效率，狠抓創新技術發展，加快引入創新人才。西部地區在創新方面同樣欠缺，要加快人才引進，強化人才戰略，將能源稟賦優勢與人才和技術結合起來，轉化為能源利用效率、環境治理能力和經濟發展的動力。

四、 研究展望

通過對中國省際能源效率的深入研究，本文得出了一些有益的見解，但對東中西部三大地區能源效率的異質性分析是通過博弈交叉效率和全局Malmquist指數方法的結果直接對比分析而得的。而這一方法的實施是在假設三大地區生產技術水平一致的前提下進行的，事實上，東中西部三大地區，明顯存在著資源稟賦、產業結構等方面的不同，采用統一的生產技術不足以反映最真實的能源效率水平。因此在后續的研究中，可以分別構造三大地區的生產前沿以形成共同前沿的方法來研究區域間的異質性及成因。同時，后續研究可以結合空間計量經濟學方法，探討能源效率的影響因素和直接效應、溢出效應的作用程度，基于結論提出更加有針對性的政策建議。