基于稀疏主成分的能源利用效率綜合評價及影響因素分析

[收稿日期] 2020-12-29

[基金項目] 湖南省哲學社會科學基金項目： 基于穩健稀疏主成分的指標篩選與信息貢獻測算方法研究（18YBA080）

[作者簡介] 喻勝華（1966—），男，湖南寧鄉人，湖南大學經濟與貿易學院教授，博士生導師，研究方向：數量經濟學。

[摘 要] 基于能源消耗水平、能源高效利用水平、污染排放水平和污染治理水平四大準則層構建了評價能源利用效率的指標體系，使用數據包絡分析、稀疏主成分方法和熵值法得到了我國各省市自治區2008-2018年的能源利用效率綜合評價結果。在此基礎上通過構建省際動態面板模型研究了能源利用效率的影響因素，回歸結果顯示：經濟開放性、人均GDP、第三產業占比對能源利用效率有顯著的正影響，能源消費結構、政府環境規制對能源利用效率有顯著的負影響。最后就如何提高能源利用效率提出了相應的政策建議。

[關鍵詞] 能源利用效率;稀疏主成分;影響因素

[中圖分類號]" F830"" [文獻標識碼] A"" [文章編號] 1008—1763（2021）05—0060—09

A Comprehensive Evaluation of Energy Utilization

Efficiency and Analysis of Influencing Factors based

on Sparse Principal Components

YU Sheng hua， WANG Ting ting

（School of Economics and Trade， Hunan University， Changsha" 410079，China）

Abstract：Based on the four criterion layers of energy consumption level， energy efficient use level， pollution emission level and pollution treatment level， an index system was constructed to evaluate energy utilization efficiency， and the comprehensive evaluation results of energy utilization efficiency of China's provinces， municipalities and autonomous regions from 2008 to 2018 were obtained by data envelopment analysis， sparse principal component method and entropy value method. On this basis， the influential factors of energy utilization efficiency were studied by constructing the provincial dynamic panel model.The regression results show that economic openness， per capita GDP and the proportion of tertiary industry have a significant positive impact on energy utilization efficiency， while the energy consumption structure and government environmental regulation have a significant negative impact on energy use efficiency. Finally， some policy suggestions on how to improve energy utilization efficiency are put forward.

Key words： energy utilization efficiency; sparse principal components; influencing factors

一 引言及文獻綜述

能源利用效率是指利用較少能源產生同等數量的服務或有用的產出，根據測度方法不同可分為單要素能源利用效率和全要素能源利用效率。單要素能源利用效率是指一個地區或者經濟體的實際消耗能源量與實際產出之比，如單位GDP能耗。由于單要素能源利用效率只考慮了能源消耗這一投入要素，因而不能反映其他生產要素對能源投入要素的替代效應。全要素能源利用效率是把能源消耗量、人力資本和資本存量等多種生產要素作為投入指標，把GDP等期望產出與廢氣排放等非期望產出作為產出指標，通過構建一個多元投入產出模型來測算的能源利用效率。全要素能源利用效率可更好地評估不同生產要素的替代效應，以此來表征各地區在不同能源稟賦結構下的能效水平。

我國已成為第一大能源消費國。 2018年，我國能源進口依存度已達到21%，能源進口量約為9.7億噸標準煤，其中原油占比66%，天然氣占比16%，煤炭占比18%。與此同時，我國能源利用效率低，與其他發達國家相比，還有很大的節能降耗空間。另外，我國的能源消費結構不合理，煤炭在能源消費中比例過高，阻礙了我國經濟綠色高效發展。最新制定的“十四五”發展規劃綱要明確要求要持續推進經濟發展方式轉型升級、推進經濟與生態環境的高質量協同發展，二氧化碳排放和單位GDP能耗要分別降低18%和13.5%，這一任務艱巨且具有挑戰性。為此，如何提高能源利用效率已成為各級政府急需解決的一個難題。

迄今為止，已有不少學者研究了能源利用效率的測度及其影響因素。史丹使用因素分解法對我國不同地區的能源利用效率進行了測算，發現我國東南沿海地區的能源利用效率相對其他地區要更高，能源集聚的區域往往能源效率都不高[1] 。李霞在構建一個涵蓋單要素、多要素及環境質量約束的指標體系的基礎上研究了我國各省市能源利用效率的變化趨勢[2] 。測算全要素能源利用效率的典型方法主要有隨機前沿法及DEA（數據包絡分析）方法。陳關聚以我國30個制造業行業作為研究對象，使用隨機前沿分析法測算了研究對象的全要素能源利用效率，以此來評估能源結構變化和能源利用效率之間的影響關系[3]。陳德敏等人用DEA方法測算了我國各省市的全要素能源利用效率，結果表明我國不同省域的全要素能源利用效率存在非常大的差異，但總體上都呈“先升后降”的發展趨勢[4] 。Zhang S等基于DEA方法，利用亞太經濟合作組織國家1995-2013年的數據，并考慮不良輸出來測算能源利用效率，發現發達國家的能源利用效率一般要高于發展中國家[5]。張志輝把DEA方法與Bootstrap DEA方法進行有機結合，并通過Tobit模型探究了外部環境因素和全要素能源利用效率之間的相關性[6]。 Lin B Q等收集了我國114個城市的面板數據，在DEA模型的基礎上構建了非徑向方向距離函數評價國家節能財政政策對于城市可持續發展的影響[7]。 考慮到能源消耗往往伴隨著廢氣、廢水等污染物的產生，比如CO2、SO2等，劉海英和鐘瑩構建了包含二氧化硫為非期望產出的非徑向方向距離函數，運用DEA模型測算了我國各省市的能源利用效率，結果表明從二氧化硫的排放來看，中國工業經濟節能和減排并不一致[8] 。因此，能源利用效率的測算不應該只涉及傳統的期望產出，還應充分考慮到隨之而生的非期望產出，即廢氣廢水等污染物，以此衍生出綠色全要素能源利用效率。劉海英和劉晴晴構建了綠色能源利用效率的評價指標體系，以此來測算我國各地區2006-2016年的綠色全要素能源效率[9]。

已有文獻關于能源利用效率的研究多集中于全要素能源利用效率的測算，可歸納為如下三個研究方向：（1）只考慮GDP作為期望產出的非參數數據包絡模型，包括當期的Malmquist指數分析、經典DEA和超效率DEA，該方法比較簡單，但準確性和政策參考性相對較差。（2）將工業生產過程中產生的廢水、廢氣及二氧化硫等污染排放物作為非期望產出引入效率測度中，即為綠色全要素能源利用效率，測算方法主要有方向性距離函數及Malmquist-Luenberger指數分析，該方法能夠兼顧節能和經濟增長雙重目標。在研究中，學者們大都把非期望產出作為投入或產出要素進行處理，如汪克亮等[10]， 這種處理方式與現實中的生產活動不符，污染排放物具有負產出的特征，應作為副產品進行處理，而Chung Y 等的研究是把非期望產出作為產出要素進行處理，這種處理方式考慮了實際生產流程，并遵循生產函數的凸性要求[11-13] 。（3）采用參數型的隨機前沿分析方法，該方法需要對生產函數進行前提假設，而生產函數的提出因人而異，研究結果差異較大。

關于能源利用效率的影響因素，學界主要從產業結構、技術進步、能源消費結構、對外開放、環境規制及經濟發展水平等方面加以探討。如林伯強等認為，我國能源利用效率提升的主要驅動因素是技術進步，但技術進步還存在著回彈效應[14] 。王騰等將測算出的全要素能源利用效率分解為技術水平、純技術效率和規模效率，分別一一驗證環境規制與全要素能源效率間波特假說的關系，結果表明環境規制與全要素能源效率和技術水平均存在單門限效應，因此政府在制定政策時應當考慮不同主體間的技術水平差異[15]。 羅朝陽等從產業結構調整對能源利用效率的非線性影響出發，發現當技術進步達到一定程度時，產業結構升級才會顯著提高能源利用效率[16] 。師博等研究了產業集聚對能源效率的影響[17] 。肖曉軍等研究了對外貿易和外商直接投資對能源效率的影響[18-20] 。多數研究表明，經濟增長水平、技術進步和對外開放對提高能源利用效率有積極影響;產業結構變動對能源利用效率的影響方向隨著不同階段的調整而變化;環境規制通過不同的路徑影響著能源利用效率;就消費結構層面而言，能源利用效率隨煤炭消費相對比重的降低而提升。

單要素不能準確評價能源利用效率，但針對單要素能源利用效率的討論在學界一直存在。這是由于即使是一些國際公約在設計節能減排計劃時，也采用單要素能源利用效率指標。著眼于理論層面，全要素能源利用效率的意義更加重大。為此，本文擬構建一個綜合評價指標體系，將傳統的能源利用效率指標與多投入—產出的全要素生產率相結合，這樣既能反映單要素能源效率在實際中的應用，又可以全面地考察相關因素對能源利用效率的影響。我們構建指標體系的目標層為能源綜合利用效率，涵蓋能源消耗水平、能源高效利用水平、污染排放水平和污染處理水平四大準則層，具體包括單位產值能耗、全要素能源效率、單位產值污染物排放量等26個指標。我們擬將稀疏主成分分析方法[21]運用到多指標體系的綜合評價中，旨在解決多指標體系中的降維問題，使模型具備更好的解釋性，從而客觀、準確地評估我國各省市自治區的能源利用效率。

二 評價能源利用效率的指標體系

為了兼顧評價能源利用效率的全面性和便利性，本文擬構建綜合考量能源消耗水平、能源高效利用水平、污染排放及污染治理水平的指標體系。根據選擇評價指標的可比性、獨立性、科學性、關聯性，以及動態指標與靜態指標相結合等原則，最終確定的指標體系由三個評價層次、四大評價準則層、26個指標所構成（見表1）。

三 基于稀疏主成分的我國能源利用效率綜合評價

（一）基于稀疏主成分方法的指標層評分

本文選取了我國30個省市自治區（由于西藏自治區的數據缺失較多，故未予以考慮）2008-2018年期間的面板數據。在評價過程中，通過采用對逆向指標取倒數的方法將其轉化為與評價目標同趨勢的正向指標，利用Z Score方法對表1中列出的26個變量進行標準化處理。

1. 將能源消耗水平標準正向化后的11個指標數據運用R軟件進行稀疏主成分分析，稀疏主成分分析方法是在主成分分析方法的基礎上引入懲罰系數λ，其值對應于不同的稀疏主成分。它可以將部分變量的系數壓縮為零，從而達到降維的目的。懲罰系數的選擇如圖1所示，PEV代表解釋程度，SPARSE代表稀疏度，解釋程度與稀疏度存在權衡取舍的關系，λ值越大，則PEV越小，SPARSE越大。經過比較，最終選擇了每個稀疏主成分對應的懲罰系數為（0.0035， 0.0022， 0.0020， 0.0018）。

根據選擇的懲罰系數，確定了前4個稀疏主成分，其累計方差貢獻率達到了83.496%，保留了原11個指標的大部分信息。稀疏主成分的特征值及方差貢獻率如表2所示，各稀疏主成分的載荷矩陣如表3所示：

相應的稀疏主成分為：

SPCA1= 0.459х1+0.448х2+0.444х3-0.174х4+0.444х7+0.315х8

SPCA2= 0.182х2-0.219х3-0.552х6-0.436х10-0.582х11

SPCA3= 0.145х2+0.143х4+0.561х5+0.655х6-0.243х11

SPCA4= 0.241х1-0.366х7-0.601х8

以方差貢獻率作為稀疏主成分的權重，則可以計算出我國各省市自治區2008-2018年能源消耗水平的綜合得分。

2. 將污染排放水平的10個指標經過標準正向化處理后，進行稀疏主成分分析，經比較確定的懲罰系數分別為（0.0017， 0.0015， 0.0012， 0.0013），選取前3個累計方差貢獻率達到了86.738%的稀疏主成分，特征值和方差貢獻率如表4 所示：

各稀疏主成分的載荷矩陣如表5所示：

相應的稀疏主成分為：

SPCA1=0.303x15+0.323x16-0.509x18+0.362x19+0.289x20+0.246x22

SPCA2=0.4x13+0.428x15-0.318x16+0.353x17-0.156x19+0.148x20+0.226x21

SPCA3=0.038x13-0.471x16-0.224x17-0.386x18+0.564x19+0.431x20

以方差貢獻率作為稀疏主成分的權重，則可以計算得出我國各省市自治區2008-2018年污染排放水平的綜合得分。

3. 將污染治理水平經過標準正向化處理的4個指標進行稀疏主成分分析，經比較確定的懲罰系數分別為（0.002， 0.006），選取了前2個累計方差貢獻率達到了76.504%的稀疏主成分，特征值和方差貢獻率如表6所示：

各稀疏主成分的載荷矩陣如表7所示：

相應的稀疏主成分為：

SPCA1=0.687x24+0.722x25

SPCA2=-0.026x24+0.021x25-0.989x26

以方差貢獻率作為稀疏主成分的權重，則可以計算得出我國各省市自治區2008-2018年污染治理水平的綜合得分。

（二） 基于熵值法確定各準則層權重

在計算出各準則層的稀疏主成分得分后，我們使用熵值法確定各準則層的權重，設有m個評價對象，n個指標，xij為第i個評價對象的第j個指標的對應數值（i=1，2，…，m;j=1，2，…，n），計算步驟如下：

（1）計算出第j個指標下第i行的貢獻度：

Pij=xij∑mi=1xij，i=1，2，…，m;j=1，2，…，n

（2）求出第j個指標下第i個評價對象占該指標的比重：Pijln（Pij）;

（3）計算第j個指標的熵值ej和常數k， 這里

k=1ln（n），ej=-k∑mi=1Pijln（Pij），ej≥0

（4）利用上述所求的ej，可以得到信息熵冗余度dj，dj=1-ej;

（5）確定各指標的權重ωj=dj∑nj=1dj

經計算得出四個準則層的權重分別為 0.212 、0.010、 0.457、 0.321。

（三） 我國各省市自治區能源利用效率的綜合評價

通過前文計算得出的各省市自治區歷年各準則層綜合得分及權重，最終得到了我國各省市自治區2008-2018年能源利用效率的綜合得分及排名，表8列出了2008年和2018年的綜合得分及排名。

從表8可以看出，2018年每個地區的能源利用效率都較十年前有所提升，其中北京的能源利用效率提升最多，增長了近70%，綜合排名從第二提升到了第一位。寧夏的能源利用效率增長緩慢，僅提升了3%左右，排名不變，為全國各省市自治區中能源利用效率最低的地區。上海、海南和天津的能源利用效率一直處于較高水平，其綜合得分位于前四位。山西、內蒙古、遼寧、吉林、黑龍江、安徽、河南、湖北、湖南、廣東等能源利用效率提升較快，排名較十年前有所上升。

四 我國能源利用效率的影響因素分析

（一）能源利用效率的影響因素

前文通過稀疏主成分分析方法計算出了我國各省市自治區2008-2018年的能源利用效率綜合得分，不同地區的能源利用效率存在較大差異，且呈現出不同的發展趨勢。我們從經濟體制、經濟發展、結構變化和技術進步4個層面選取了6個影響能源利用效率的因素，并選取了人口密度、生產要素稟賦作為控制變量（見表9），通過構建動態面板回歸模型深入探討各個因素對能源利用效率的影響。

（二） 模型設定與回歸結果

已有研究表明，能源利用效率較高的國家和地區在未來一段時期仍然會保持較高的能源利用效率，基于這一事實，我們在動態面板回歸模型中加入能源利用效率的滯后項，具體如下：

COMEEi，t=β0+β1COMEEi，t-1+β2OPENi，t+β3GIi，t+β4PERGDPi，t+β5COALi，t+β6SIi，t+β7TIi，t+β8STi，t+β9PDi，t+β10KLi，t+β11ELi，t+πi+εi，t（1）

其中，i=1，2，… ，30代表各省市自治區，t=2008， 2009，…，2018代表觀測年份。COMEEi，t為被解釋變量，COMEEi，t-1為被解釋變量的滯后項，πi表示個體異質性，εi，t是隨機擾動項。

考慮到滯后項與擾動項相關，且經濟發展水平、產業結構變化、科學技術進步與能源利用效率之間可能存在著雙向因果關系，所以，該模型存在內生性問題。為此，我們采用系統 GMM方法估計模型參數，用被解釋變量的更高階滯后項和內生變量的滯后項作為工具變量。為了保證模型（1）中系統GMM估計結果的有效性，我們進行了擾動項序列相關性檢驗和過度識別檢驗，回歸結果如表10所示：

擾動項序列相關檢驗和工具變量過度識別檢驗的結果如表11所示，序列相關檢驗的原假設是“擾動項差分不存在一階（或二階）自相關”，從檢驗結果來看，一階和二階序列相關檢驗的Z值分別為-3.2857和 0.3070，故系統GMM估計的擾動項不存在一階、二階自相關。另一方面，Sargan統計量的P值為1，表示模型（1）中所使用的工具變量有效。

從表10可知，能源利用效率滯后項的系數顯著為正，證實了能源利用效率具有慣性這一特點，這一結果與鄭翔中等人的結論一致[22]。能源消費結構、政府環境規制對能源利用效率有顯著的負向影響，人均GDP、經濟開放性、第三產業占比對能源利用效率有顯著的正向影響，第二產業占比以及科技水平對能源利用效率的影響為正但未通過顯著性檢驗。

對外貿易對能源利用效率有正向影響，因為貿易是技術擴散的重要手段之一，對外開放有利于中國學習國外先進的能源利用技術。政府環境規制對能源利用效率有顯著的負向影響，說明提高污染治理投資反而會降低能源利用效率，可能是因為投資的滯后性或者是因為環境污染過于嚴重的地區需要投入更多的資金治理工業環境污染。人均GDP對能源利用效率有顯著的正向影響，這一結果與前文中的理論分析一致，經濟發展水平的提高可以通過提升生產效率、優化產業結構及促進技術進步等提高能源利用效率。能源消費結構對能源利用效率有顯著的負向影響，因為煤炭作為非清潔能源不僅熱效率低，而且會排放出大量的污染物，嚴重影響了環境。第三產業占比對能源利用效率有顯著的正向影響，這部分印證了學術界關于改善經濟結構可以調節資源配置從而提升投入要素生產效率的研究結論，即Salter所提出的“結構紅利假說”。技術進步有利于能源利用效率的提升，但未通過顯著性檢驗，其可能的原因為：在利用稀疏主成分方法進行綜合評價的過程當中損失了部分信息，可能導致技術層面的信息被部分削弱，從而弱化了技術進步對能源利用效率的影響效應，也可能是模型中還存在部分內生性問題。基于此，我們將進一步進行穩健性檢驗以保證回歸結果的可靠性。

（三） 穩健性檢驗

現將模型（1）中的被解釋變量替換成基于數據包絡分析法測算的全要素能源效率值，構建如下的Tobit回歸模型，并使用最大似然法進行參數估計：

TFEEi，t=β0+β1OPENi，t+β2GIi，t+β3PERGDPi，t+β4COALi，t+β5SIi，t+β6TIi，t+β7STi，t+β8PDi，t+β9KLi，t+β10ELi，t+εi，t" （2）

式（2）中的TFEEi，t為i地區第t年的全要素能源效率值， Tobit回歸結果與系統GMM回歸結果如表12所示：

從表12可以看出，在改變被解釋變量的測算方法和模型的估計方法后，各影響因素的影響方向及顯著性仍然一致，說明本文前面的回歸結果具有穩健性。在Tobit模型的回歸結果中，技術進步的系數為正且較GMM回歸結果變小，但仍未通過顯著性檢驗。

五 結論與政策建議

本文以我國30個省市自治區為研究對象，運用稀疏主成分分析方法對能源利用效率進行綜合評價，并分析其影響因素。從綜合得分來看，在2008-2018年間，各地區的能源利用效率都有所提升，其中，北京的能源利用效率提升最多，寧夏的能源利用效率增長緩慢。政府環境規制、能源消費結構對能源利用效率有顯著的負向影響，經濟開放性、人均GDP、第三產業占比對能源利用效率有顯著的正向影響，第二產業占比及科技水平對能源利用效率的影響為正但未通過顯著性檢驗。為此，我們就如何提升能源利用效率提出如下建議：

（1） 各地區的能源消耗水平差異巨大，以北京、福建為代表的東部地區能源強度低，以寧夏為代表的西部地區能源強度較高。對于能源強度大且具有很大提升空間的中、西部地區，尤其是寧夏、新疆、青海等地區，應將其作為重點監測區域，允許地方政府因地制宜制定合適的節能政策。繼續深入推進供給側改革，控制高能耗產業的增長，淘汰落后產能，加快釋放優質產能。對于高能耗的行業要嚴格執行準入門檻，從源頭上限制能源消耗。要建立有效的退出機制，逐步淘汰落后產能。建議充分利用現代社交媒體作為宣傳中介，培養和提高全民的節能意識，形成從個人到企業再到國家的節能社會氛圍。

（2） 除了節能，減少對環境的污染也能提高能源的利用效率。對甘肅、內蒙、山東、山西等煤炭大省，應著力減少小型煤窯數量，嚴格把控污染物排放和污染物處理。對于煤炭資源并不豐富的省市，應大力提高煤層開發技術，并積極開發清潔能源，有針對性地對產業結構進行調整和優化，加強環境保護和污染治理力度。鼓勵各地方政府出臺適合當地實際情況的地方性法規，如可以視當地的工業發展情況制定嚴于國家污染物排放標準的地方標準。此外，相關數據統計部門在環境保護的監測過程中，應當完善對各地區污染治理方面的數據統計，便于及時反饋污染治理的成效與不足，從而更好地監測環境保護情況。

（3）西部和中部地區要綜合考慮水資源和生態環境的承載能力，以節水節能為前提，引入先進的技術設備，加大可再生能源的開發力度。對于東部地區，可考慮穩步發展海上風電，推行多元化的能源消費結構。對煤炭依賴度大的地區，必須積極探索煤炭等能源的高效開發使用技術，降低煤炭消費比重，實施煤炭減量替代，穩步、有序地推進“煤改氣”。引導不同地區合理優化產業結構，積極發展第三產業，降低第二產業的比重。同時，應繼續提高對外開放水平，堅持“走出去、引進來”的重要戰略思想，積極引進國外先進的生產技術，在國際通行規則下，可放開自由貿易試驗區的建設，推動貿易的平衡發展，擴大對外貿易中的正外部性，提高能源利用效率。

[參 考 文 獻]

[1] 史丹. 中國能源效率的地區差異與節能潛力分析[J].中國工業經濟，2006（10）：49-58.

[2] 李霞. 我國能源綜合利用效率評價指標體系及應用研究[D].北京：中國地質大學，2013.

[3] 陳關聚. 中國制造業全要素能源效率及影響因素研究 ——基于面板數據的隨機前沿分析[J]. 中國軟科學，2014（1）：180-192.

[4] 陳德敏，張瑞，譚志雄.全要素能源效率與中國經濟增長收斂性——基于動態面板數據的實證檢驗[J]. 中國人口·資源與環境，2012（1）：130-137.

[5] Zhang S， Lundgren T， Zhou W. Energy Efficiency in Swedish Industry A firm-level Data Envelopment Analysis[J]. Energy Economics， 2016（55）：42-51.

[6] 張志輝. 中國區域能源效率演變及其影響因素[J]. 數量經濟技術經濟研究，2015（8）：73-88.

[7] Lin B Q， Zhu J P. Impact of Energy Saving and Emission Reduction Policy on Urban Sustainable Development： Empirical Evidence from China[J]. Applied Energy， 2019（239）：12-22.

[8] 劉海英，鐘瑩.中國工業節能與減排效率一致性及影響因素——基于NDDF-面板Tobit兩步法的實證研究[J]. 數量經濟研究， 2019（1）： 67-81.

[9] 劉海英，劉晴晴.中國省級綠色全要素能源效率測度及技術差距研究——基于共同前沿的非徑向方向性距離函數估算[J].西安交通大學學報（社會科學版）， 2020（2）： 73-84.

[10]汪克亮，楊寶臣，楊力. 環境約束下的中國全要素能源效率測度及其收斂性[J].管理學報，2012（7）：1071-1077.

[11]Chung Y ， Fare R. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Microeconomics，1995（3）：229-240.

[12]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（5）：95-109.

[13]師博，沈坤榮. 政府干預、經濟集聚與能源效率[J].管理世界，2013（10）： 6-18.

[14]林伯強，杜克銳. 理解中國能源強度的變化：一個綜合的分解框架[J]. 世界經濟，2014（4）：69-87.

[15]王騰，嚴良，何建華，等.環境規制影響全要素能源效率的實證研究——基于波特假說的分解驗證[J]. 中國環境科學，2017（4）： 1571-1578.

[16]羅朝陽，李雪松. 產業結構升級、技術進步與中國能源效率——基于非動態面板門檻模型的實證分析[J]. 經濟問題探索，2019（1）： 159-166.

[17]師博，任保平. 產業集聚會改進能源效率么？[J].中國經濟問題， 2019（1）：27-39.

[18]肖曉軍，楊志強，曾荷.環境規制視角下貿易出口對中國綠色全要素生產率的影響——基于省際面板數據的非線性實證檢驗[J].軟科學，2020（10）：18-24.

[19]劉海英，丁瑩.環境補貼經濟效應的門限特征分析——基于FDI與要素稟賦結構的視角[J]. 數量經濟研究， 2020（2）：60-74.

[20]王謙.大氣污染治理、資源配置結構與工業綠色全要素生產率[J].財經理論與實踐，2021（1）：94-101.

[21]Zou H ， Hastie T， Tibshirani R.Sparse Principal Component Analysis[J].Journal of Computational and Graphical Statistics， 2006（2）： 265-286.

[22]鄭翔中， 高越. FDI與中國能源利用效率：政府扮演著怎樣的角色？[J]. 世界經濟研究， 2019（6）：78-89.