中國綠色能源效率及其影響因素分析
——基于30 個(gè)省市的數(shù)據(jù)研究

詹逸涵 金明

(成都信息工程大學(xué) 四川成都 610100)

當(dāng)前全球性應(yīng)對氣候變化和環(huán)境問題的背景下，綠色能源效率的研究受到全球范圍內(nèi)的關(guān)注和重視。近年來，隨著我國綠色能源產(chǎn)業(yè)的發(fā)展和環(huán)保意識(shí)的提高，綠色能源效率的研究得到了廣泛關(guān)注與支持。我國政府一直在強(qiáng)調(diào)綠色發(fā)展的重要性，鼓勵(lì)利用可再生能源等綠色能源來減少對傳統(tǒng)化石能源的依賴，提高能源利用效率，保護(hù)環(huán)境和應(yīng)對氣候變化。此外，政府還出臺(tái)了一系列政策，鼓勵(lì)綠色能源的發(fā)展和應(yīng)用，并對綠色能源效率的研究提供了一定的資金支持。

本文對我國各省進(jìn)行綠色能源效率測度，不僅可以促進(jìn)可再生能源的應(yīng)用和推廣，緩解氣候變化和能源安全等問題，還能提高能源利用效率和經(jīng)濟(jì)效益。此外，本研究對環(huán)境保護(hù)和能源轉(zhuǎn)型也有一定的的理論意義和現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

在國內(nèi)，綠色能源效率的研究主要集中在能源效率評價(jià)、影響因素分析、能源消費(fèi)與經(jīng)濟(jì)增長關(guān)系、可再生能源發(fā)展等方面。例如，周超(2012)利用Super-SBM模型測算了中國29個(gè)省市2004—2009年的綠色能源效率值，并分析了中國綠色能源效率的影響因素[1]；彭樹遠(yuǎn)等(2020)從全局視角探討了綠色能源效率的提升路徑和未來發(fā)展方向[2]；孫天等(2022)基于黃河流域2004—2017年8個(gè)省61個(gè)城市的數(shù)據(jù)，運(yùn)用超效率SBM模型，測度黃河流域綠色能源效率并進(jìn)行了趨勢分析[3]。

在國外，綠色能源效率的研究也更加深入和全面。例如，Linares P等(2010)討論了影響能源效率和節(jié)能決策的因素，以及促進(jìn)它們的最合適政策[4]；Bertoldi P等(2020)提出一個(gè)計(jì)量經(jīng)濟(jì)學(xué)模型，估算1990年至 2013年期間歐盟成員國能源效率政策所帶來的能源節(jié)約[5]；Wu H等(2022)基于改進(jìn)的數(shù)據(jù)包絡(luò)分析，對2019年中國30個(gè)省份的綠色能源發(fā)展投入產(chǎn)出效率進(jìn)行了比較評價(jià)[6]；Du L等(2022)采用Malmquist-Luenberger指數(shù)測度了2004—2019年中國30個(gè)省份的綠色能源效率，基于測度結(jié)果，運(yùn)用空間杜賓模型實(shí)證研究了環(huán)境規(guī)制對綠色能源效率的影響及其影響[7]。此外，許多學(xué)者也重點(diǎn)研究了可再生能源的發(fā)展、能源效率的提高及能源系統(tǒng)轉(zhuǎn)型等方面。

總體來說，國內(nèi)外對于綠色能源效率的研究已經(jīng)較為成熟，并且從不同層面、不同角度對綠色能源效率進(jìn)行了探討和分析，為我們更好地認(rèn)識(shí)和推進(jìn)綠色能源發(fā)展提供了重要的理論支持。但通過對文獻(xiàn)的梳理發(fā)現(xiàn)，我國對能源效率的研究主要集中在長三角、珠三角及京津冀等發(fā)達(dá)地區(qū)，且對我國各省能源效率的分布特征上的研究還有所欠缺，本文測算了2013—2020年中國30個(gè)省市的綠色能源效率，并對其時(shí)空分布特征及效率變化的驅(qū)動(dòng)因素進(jìn)行分析。

2 研究方法和數(shù)據(jù)來源

2.1 Super-SBM模型

目前效率評估多采用數(shù)據(jù)包絡(luò)分析法(DEA)，該方法無須對數(shù)據(jù)進(jìn)行無量綱化處理,在解決多輸出和多輸入問題時(shí)具有絕對優(yōu)勢，以實(shí)際數(shù)據(jù)求得最優(yōu)權(quán)重,評價(jià)結(jié)果客觀性和科學(xué)性強(qiáng)。然而，DEA方法要求所有產(chǎn)出都是理想指標(biāo)，在綠色能源效率評價(jià)中，污染物排放作為不良產(chǎn)出不能明顯忽視。

Super-SBM模型引入超效率的新思想，將不良的輸出結(jié)合到效率測量中。便于區(qū)分其效率值的差異，評價(jià)其實(shí)際效率水平，然后進(jìn)行更準(zhǔn)確的排序。運(yùn)用Super-SBM模型還能判斷投入產(chǎn)出的冗余情況,為效率的完善指明具體方向。本文采用Super-SBM模型，測算2013—2020年中國各省的綠色能源效率，模型表達(dá)式為：

2.2 GML指數(shù)模型

將全局方向距離函數(shù)與ML指數(shù)相結(jié)合，提出了一個(gè)具有高連續(xù)性的模型來估計(jì)總因子效率的增長，即GML指數(shù)模型。GML指數(shù)實(shí)現(xiàn)了綠色總因子能源效率的跨周期比較的可能性，使結(jié)果更加可靠，本文用于測量和分解各省的綠色能源效率的動(dòng)態(tài)變化。模型表達(dá)式為：

GML指數(shù)可以變換為技術(shù)效率指數(shù)(EC)和技術(shù)進(jìn)步指數(shù)(TC)的乘積。

其中：GML＞1(＜1)表示總因子效率的提高(降低)；EC ＞1(＜1)表示技術(shù)效率的提高(降低)；TC＞1(＜1)表示技術(shù)進(jìn)步(倒退)。

2.3 指標(biāo)體系和數(shù)據(jù)源

2.3.1 指標(biāo)體系

2.3.2 數(shù)據(jù)源

本文剔除數(shù)據(jù)極度缺乏的城市和自治州，且不包括臺(tái)灣省、香港、澳門特別行政區(qū)，最終選定樣本為30個(gè)省為研究對象，選取時(shí)間范圍為2013—2020年。數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》《中國城市統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》《中國人口與就業(yè)統(tǒng)計(jì)年鑒》及各省市的統(tǒng)計(jì)年鑒。

3 綠色能源效率分析

3.1 地理分布分析

表2列出了2013—2020年各省綠色能源效率的計(jì)算結(jié)果。為了分析綠色能源效率的地理分布特征，計(jì)算各省結(jié)果的平均值，并將其分為高、中、低三個(gè)水平。這三個(gè)級別的范圍分別為＞0.6、[0.3、0.6)和[0、0.3)。表3為不同層次的地理分布結(jié)果。

表3 高、中、低水平綠色效率的地理分布

表4 中國各省份區(qū)域分布

整體來看，2013—2020年中國各省的綠色能源效率以2016年為節(jié)點(diǎn)，呈先下降再上升趨勢。2016年是中國經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵時(shí)期，中國政府出臺(tái)了一系列政策，如“一帶一路”倡議、供給側(cè)結(jié)構(gòu)性改革等，這些政策對于中國經(jīng)濟(jì)的發(fā)展和能源轉(zhuǎn)型起到了重要推動(dòng)作用。同時(shí)，中國政府也在2016年提出了限制煤炭使用的政策和推動(dòng)清潔能源發(fā)展的政策，這些政策的出臺(tái)對于綠色能源的發(fā)展產(chǎn)生了一定影響，促進(jìn)了綠色能源效率的上升。

各省間的綠色能效率水平存在顯著差異，有9個(gè)省的綠色能源效率水平較低，這些省份大部分在地理上相連，基部聚集在東北及東部地區(qū)，包括河北、山西、遼寧、吉林、黑龍江、安徽、山東，其中河北省效率最低，平均效率只有0.20。相對于經(jīng)濟(jì)規(guī)模，它們都擁有豐富的能源資源，但同時(shí)也面臨著能源消耗大、環(huán)境污染嚴(yán)重等問題。例如，山西是中國傳統(tǒng)的煤炭生產(chǎn)基地，自1949年成立以來，山西一直是煤炭生產(chǎn)前三大省份。此外，新疆和廣西的綠色能源效率也偏低。這樣的結(jié)果與地理和氣候條件、技術(shù)成熟度、能源需求也息息相關(guān)。

與能效低的省份不同，高能效省的地理位置相對分散。其中北京、上海、江蘇、福建和廣東都是中國最發(fā)達(dá)的地區(qū)。這些省份能效較高的原因主要包括以下幾點(diǎn)：

(1)政策支持：這些地區(qū)政府都出臺(tái)了鼓勵(lì)清潔能源發(fā)展的政策，特別是針對綠色能源的投資和支持。例如，北京市推出了“京十條”政策，上海市推出了“上海綠色能源發(fā)展三年行動(dòng)計(jì)劃”,這些政策為清潔能源的發(fā)展提供了有力支持。

(2)經(jīng)濟(jì)發(fā)達(dá)：這些省份經(jīng)濟(jì)發(fā)達(dá)，具有較高的能源消費(fèi)水平和能源利用效率，同時(shí)也有能力加大對綠色能源領(lǐng)域的投資與支持。

(3)能源結(jié)構(gòu)轉(zhuǎn)型：這些地區(qū)已經(jīng)完成了能源結(jié)構(gòu)轉(zhuǎn)型，清潔能源的使用比例不斷提高，特別是太陽能和風(fēng)能等可再生能源。例如，北京市已成為中國最大的太陽能發(fā)電城市，上海市也是中國太陽能發(fā)電量很大的城市之一。

(4)技術(shù)創(chuàng)新：這些地區(qū)在綠色能源領(lǐng)域進(jìn)行了大量技術(shù)創(chuàng)新，在太陽能和風(fēng)能等領(lǐng)域，這些地區(qū)的技術(shù)已經(jīng)達(dá)到國際領(lǐng)先水平，提高了綠色能源的使用效率和安全性。

其他幾個(gè)省(海南、寧夏和青海)鑒于自然資源稟賦和歷史發(fā)展，這些地區(qū)的主要發(fā)展產(chǎn)業(yè)是旅游業(yè)，除此之外還積極發(fā)展其他產(chǎn)業(yè)，如農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)等，但通常能源效率較低的重工業(yè)都沒有得到大規(guī)模發(fā)展。同時(shí)，這些地區(qū)也致力于保護(hù)當(dāng)?shù)氐纳鷳B(tài)環(huán)境，有助于其提高綠色能源效率。

除了這些綠色能源效率高、低的區(qū)域之外，還有13個(gè)中等省份，這些省份在地理上聚集在黃河和長江流域。在能源消耗方面，這些省份的大多數(shù)指標(biāo)都很“平庸”。

3.2 區(qū)域特征分析

本文將所分析的30個(gè)省份分為東部、西部、中部和東北部，具體如下：

圖1 2013—2020年區(qū)域綠色能源效率的變化趨勢

如表5所示，從區(qū)域?qū)用鎭砜矗袊G色能源效率表現(xiàn)為“西部＞東部＞中部＞東北”，2013—2015年，中部與東部地區(qū)能效急劇下降，分別降低了0.32與0.34，從2016年開始有逐步回升，其東部地區(qū)的增長趨勢較為顯著，增長率為54.80%。與中部地區(qū)相比，東部地區(qū)的大多數(shù)省份有更強(qiáng)的經(jīng)濟(jì)力量采取積極政策來緩解生態(tài)壓力。此外，由于清潔能源生產(chǎn)和消耗成本較高，中心地區(qū)的煤炭消費(fèi)很高，煤炭作為污染最密集的能源，大量使用也會(huì)影響該地區(qū)的綠色能源效率。西部地區(qū)的綠色能源效率從2013年到2020年波動(dòng)不大，一直比較平穩(wěn)維持在1左右。東北地區(qū)的能效呈增長趨勢，增長了37.06%，但較其他區(qū)域而言一直較低。東北地區(qū)的產(chǎn)業(yè)分布較為集中，且東北是中國最重要的重工業(yè)基地，而且重工業(yè)對環(huán)境和資源的破壞也比較嚴(yán)重，因而導(dǎo)致東北地區(qū)的綠色能源效率較低，具體導(dǎo)致了：

表5 2013-2020年分區(qū)域綠色能源效率

表6 各地區(qū)平均GML、EC、TC

(1)能源消耗增加：重工業(yè)通常需要消耗大量能源，包括煤炭、石油等化石能源，這些能源的使用會(huì)對東北地區(qū)的綠色能源使用效率造成負(fù)面影響。

(2)環(huán)境污染加劇：重工業(yè)的發(fā)展可能導(dǎo)致環(huán)境污染加劇，包括大氣污染、水污染、土壤污染等，這些環(huán)境問題會(huì)對人體健康和生態(tài)環(huán)境造成嚴(yán)重影響。

3.3 影響因素分析

為分析我國綠色能源效率的動(dòng)態(tài)變化，本文計(jì)算了2013—2020年相鄰年份各省的GML指數(shù)及其EC和TC分解結(jié)果。圖2為各省份這些指標(biāo)的平均值。

圖2 2013—2020年EC、TC變化趨勢

如圖2所示，2013—2020年技術(shù)效率指數(shù)(EC)和技術(shù)進(jìn)步指數(shù)(TC)對GML變化的貢獻(xiàn)有顯著差異。具體而言，EC維持在1附近波動(dòng)，2013—2020年提升了0.06%。TC總體呈上升趨勢，增長率為26.96%，在2017—2019年有所下降。因此可以看出，在本研究中GML主要受到TC的影響。

如2.2所說，TC＞1代表技術(shù)進(jìn)步，可以看出，2015年以來，我國的能源消耗和生產(chǎn)技術(shù)得到不斷改進(jìn)。與TC不同，EC的波動(dòng)情況可以看出2013—2020年我國技術(shù)效率并沒有得到顯著提高，表明雖然中國政府一直在努力推廣新技術(shù)，擴(kuò)大企業(yè)規(guī)模，但實(shí)際能耗效率并未得到相應(yīng)提高，或者其貢獻(xiàn)被其他因素所抵消，如能量過度使用。

從地區(qū)來看，技術(shù)進(jìn)步指數(shù)的地區(qū)差異程度較大，技術(shù)效率指數(shù)的地區(qū)差異較小。具體而言，東北地區(qū)的GML、TC得分最高，因此，東部地區(qū)的綠色能源效率的提高速度最快。東部地區(qū)次之，而西部地區(qū)的技術(shù)進(jìn)步指數(shù)最小。

4 結(jié)語

4.1 結(jié)論

在本研究中，我們首先使用Super-SBM方法，對2013—2020年中國30個(gè)省份的綠色能源效率進(jìn)行了評估，并且使用GML指數(shù)分解算法來識(shí)別效率變化的驅(qū)動(dòng)因素。綜上所述，本文得出以下結(jié)論：

一是從效率增減上來看，我國綠色能源效率以2016年為節(jié)點(diǎn)，呈先下降再上升趨勢。

二是從地理分布來看，綠色能源效率較低的省份在地理上集中在能源資源豐富的地區(qū)。高綠色能源效率的省份大部分是中國最發(fā)達(dá)的地區(qū)且地理位置相對分散。

三是從區(qū)域特征來看，在中國的四個(gè)主要地區(qū)中，綠色能源效率的平均水平為西部＞東部＞中部＞東北。其中，2013—2020年間東北地區(qū)的效率提高速度最快。

四是從影響因素來看，技術(shù)進(jìn)步是綠色能源效率提高的主要因素，且各區(qū)域之間的技術(shù)進(jìn)步指數(shù)差異較大。

4.2 建議

一是加強(qiáng)技術(shù)創(chuàng)新：各省政府可加大對清潔能源技術(shù)的研究和投資力度，促進(jìn)技術(shù)創(chuàng)新和清潔能源的發(fā)展。

二是推廣低碳生活方式：各省政府可通過宣傳、推廣低碳生活方式，鼓勵(lì)居民減少能源消耗，例如鼓勵(lì)居民使用公共交通、減少不必要的能源消耗等。

三是實(shí)施碳排放交易政策：各省政府可以實(shí)施碳排放交易政策，鼓勵(lì)企業(yè)通過減排措施減少碳排放，同時(shí)也可以為企業(yè)提供碳排放交易的機(jī)會(huì)，提高企業(yè)的減排積極性。