能源產業政策與能源-環境-經濟協同發展

摘 要：本文基于2000-2021 年2 822 條能源產業政策，采用文本挖掘與人工賦分結合的方法，從化石與非化石兩大能源類別，行政、引導和激勵三種措施類型對能源產業政策進行多重組合量化分析，采用非期望超效率SBM 模型測度能源-環境-經濟效率，探究能源產業政策對能源-環境-經濟協同發展的影響。研究表明：①能源產業政策整體效力呈波動趨勢，平均效力較平穩；②化石與非化石兩大能源類別、三種措施類型與十種細分能源的政策整體效力均存在差異；③化石能源引導政策、非化石能源激勵政策能夠顯著提升能源-環境-經濟效率，非化石能源與化石能源行政政策均呈現抑制效果，該結果具有穩健性。東部和東北地區的化石能源引導政策、中部地區的非化石能源激勵政策具有正向促進效果，西部地區的政策效果不明顯。

關鍵詞：能源產業政策；政策效力；能源-環境-經濟效率；政策效果

一、引 言

能源、環境、經濟協同對可持續發展意義重大。能源作為生產要素影響經濟，又通過經濟生產中的外部性影響環境，可謂實現三者協同的重要一環。為實現經濟可持續增長必須維持環境質量并保證能源存量能夠充分滿足需求，否則，經濟增長必然受到環境污染和能源耗竭的制約（張彬和左暉，2007）。中國碳排放強度是世界平均水平的1.5 倍，2020 年第75 屆聯合國大會上，中國正式提出“碳達峰”“碳中和”目標。中國54%的碳排放來源于電力和供熱部門生產環節的化石燃料，能源結構轉變是實現雙碳目標的重要因素，提升能源效率與降低單位能耗的污染排放是中國全面落實節能減排政策、加快轉變經濟發展方式的重要前提（白俊紅和聶亮，2018）。2022 年黨的二十大報告再次指出，要基于中國能源資源稟賦，深入推進能源革命，加快新型能源體系的規劃建設，積極穩妥推進雙碳目標實現。伴隨經濟模式的轉變與環境關注度的提高，能源發展面臨的內外部環境不斷發生變化，增加非化石能源應用、促進化石能源轉型成為能源革命的重要方向。

21 世紀以來，中國能源產業主要沿著“利基市場—架構創新—產業標準”的內生邏輯優化升級（黃棟等，2021），而發展階段的起點“利基市場”正是政府通過制定各項制度和政策建立起來的。能源產業政策指引國家能源的發展方向，同時也通過影響要素投入與生產中的外部性同步影響環境與經濟。基于以上考慮，本文將從政策內容出發，研究能源產業政策的演變，分析不同階段能源產業政策的效果，探究何種政策更能促進能源、環境、經濟的協同發展，為加快能源綠色轉型、實現雙碳目標提供參考。

本文的邊際貢獻如下：①從化石能源與非化石能源兩大類別、三種政策措施類型、十種細分能源等多重視角對能源產業政策進行量化分析，分別探究不同政策組合的效果。與已有研究相比，政策樣本更新、時間跨度更長、政策研究的范圍與角度更加全面。②將文本挖掘法與人工賦分法結合，制定了比已有研究更能兼顧政策數量與政策內容的政策賦分標準，提高了政策量化的全面性與客觀性。③選擇能源-環境-經濟效率作為衡量能源產業政策效果的變量，更能反映出能源產業政策對能源、環境、經濟的綜合影響。采用超效率SBM 模型解決了現有部分研究中效率測算結果的截斷問題。

二、文獻綜述

中國高度重視經濟、能源、環境協同發展，能源政策是政府協調能源、環境與經濟的重要工具。中央政府為解決能源發展問題頒布了一系列政策。李輝等（2019）以五年規劃為線索系統搜集改革開放以來中國能源政策的文本，發現中國的能源政策呈現出間斷性優于均衡性、行政化優于市場化和法律化等歷史特征；唐云霓等（2023）系統梳理了“碳中和”愿景提出以來中國發布的能源政策，發現當前仍未形成跨部門協調合作的格局，政策內容呈現懸浮化和碎片化特點，政策工具未能發揮出應有效應。

政策內容研究是眾多學者關注的重要領域之一，政策內容研究方法從早期的定性研究逐步向定量研究轉變，目前政策內容分析采用的方法主要有文獻計量法（李江等，2015）、共詞分析和聚類分析法（黃萃等，2015）、文本挖掘法（楊慧和楊建林，2016）以及政策工具法（Murphy et al.，2012）等。Rothwell 和Zegveld（1985）提出的供給側、環境側、需求側分類法成為政策工具劃分的主要方式。基于此，黃萃等（2011）將三種政策工具作為X 維度，將產業價值鏈作為Y 維度，對中央頒布的風能政策進行頻數計量和分析。

為對政策內容進行更加深入的探究與比較，從政策力度、政策目標以及政策措施等方面對政策進行賦分的方式被更多學者采用。在政策賦分方面，部分學者采用客觀評分法，如制定政策發布單位與政策類型評分表作為賦分標準（李倩等，2021），由于發布單位與政策類型的不同級別區分清晰，因此，基于此定義的政策力度評分較為客觀；部分學者采用主觀劃定范圍與客觀評分相結合的方法，使得政策內容的評估更加細致，如先通過專家討論、分組閱讀構建政策目標與政策措施的關鍵詞數據庫和評分標準，再使用文本挖掘法對詞頻進行統計，然后與關鍵詞數據庫進行匹配，從而得出政策支持度（唐葆君等，2022）。上述方法雖然相對客觀，但易損失較多的政策內容信息，為使分析更加全面，部分學者采用純人工評分的方式。彭紀生等（2008）邀請多位專家從政策力度、政策措施和政策目標三個維度開發了政策量化標準手冊；張國興等（2014）采用多輪打分的方式對政策的力度、措施和目標進行賦分。

政策效果評估方面，部分學者對單個政策措施效果進行評估（高玥，2020），或者對單個能源類別的政策進行研究（趙洱崠和劉平闊，2013），也有對某個能源類別的某種措施效果進行評估（王曉珍等，2019）。對多種能源政策總體效果進行評估的現有文獻多采用不同年份對比分析（涂強等，2020）或實證分析的方法，實證分析多采用回歸分析，如用全國可再生能源發電量衡量可再生能源政策的效果（蘭梓睿，2021）。由于部分政策文本中同時涉及多個政策目標或政策措施，部分學者研究了政策協同的效果，如以多家光伏企業總資產收益率數值的中位數作為解釋變量衡量光伏產業政策目標協同的效果（李軍強等，2020）。

能源效率通常受到多方面因素的影響。Massimo 和Filippini（2011）指出了不同國家的氣候和潛在的能源需求趨勢將影響能源效率，張慧等（2022）探究了產業結構、城鎮化水平和科技支出對能源效率的影響。不同應用領域對能源效率的定義和測度存在差異，能源經濟效率是相對理想的能源效率測度指標（魏一鳴和廖華，2010），與單要素能源經濟效率相比，考慮了投入與產出的全要素能源經濟效率更加符合實際的能源使用情況（Azadeh，et al.，2007），同時考慮經濟產出與以環境排放指標為非期望產出的能源-經濟-環境效率更能系統地評估能源、經濟和環境協調發展的效果（雷明和虞曉雯，2013）。測量能源效率通常采用數據包絡分析法（DEA）（Bahram Fathi et al.，2020），為解決多個決策單元同時處于生產前沿面而無法比較的情況可使用超效率DEA（Andersenand Petersen，1993）。但DEA 模型是從徑向和角度兩個方面對效率進行度量，無法準確地測量存在投入和產出的非零松弛時的效率值，因此，SBM 模型（Tone，2001）、超效率SBM 模型（Tone，2002）以及考慮了非期望產出的SBM 模型（Tone，2004）逐漸被更多地應用于能源效率的測度中。

文獻梳理發現：①能源產業政策的現有研究大多為演變邏輯梳理，或對某種單一能源的政策進行分析，對不同種政策的全面分析尚不多見。由于化石能源重在轉型，非化石能源重在推廣，發展方向的不同決定了其產業政策也存在一定的異質性，分類分析兩種類型能源產業政策的區別或許有新的發現。②現有研究多采用文本挖掘法與人工賦分法對政策內容進行量化，文本挖掘法客觀但易丟失政策內容細節，人工賦分法能夠細致地把握政策內容，但結果受主觀影響較大，兼顧全面性與客觀性的量化方法尚需探尋。③能源產業的發展會對經濟與環境產生影響，但現有研究多采用發電量或碳排放量衡量能源產業政策的效果，即僅考慮政策實施后對產出的影響或對環境的影響，少有文獻綜合考慮能源產業政策的實施對能源、環境、經濟的綜合影響。本文將在研究中嘗試解決上述問題，完善能源產業政策的演變與效果研究。

三、研究方法與數據來源

（一） 研究方法

1. 政策效力評分標準

彭紀生等（2008）的三維度政策文本量化評價模型得到國內諸多學者的認可，本文參照其政策量化標準評價手冊，按照政策頒布單位的級別與政策種類將政策力度賦予1-5 分。該手冊中對于政策措施與政策目標的評判主要依靠人工細讀文本內容，由此得出的賦分值雖然充分考慮了文本語義，但評分需要具備政策研究經驗的專業人員完成，評分過程也易受主觀影響。

為使評分結果更客觀，本文將從政策力度、政策措施、政策目標三個維度對能源產業政策進行量化分析。參考多位學者的方法（李倩等，2021；唐葆君等，2022；彭紀生等，2008；張國興等，2014），構建政策措施與政策目標關鍵詞庫，將政策文本與政策措施關鍵詞庫進行匹配以判斷政策措施類型，再根據描述措施內容的文本數量對政策措施賦分；從目標強度與目標清晰度兩個維度量化評價政策目標，通過關鍵詞匹配對政策目標強度賦分，根據是否使用數字標準、描述目標內容的文本數量對政策目標清晰度賦分，具體賦分標準如表1-3 所示。

其中單個政策文件中出現多種政策措施類型的，每種政策措施類型分開計分；單種政策措施類型中出現多個政策措施，視為一類合計語句數量進行賦分；政策目標描述中同時出現不同賦分段的關鍵詞，以高賦分段的關鍵詞賦分。

2. 解釋變量

以2000-2021 年為研究時段，從國家發展和改革委員會、國務院、各部委門戶網站，中國政府網，北大法寶數據庫中收集包括風能、太陽能、水能、地熱能、海洋能、生物質能、核能、煤、石油以及天然氣等相關能源政策，通過人工精讀篩選，剔除關聯性低的政策文本與重復的政策文本，最終獲得2 822 條有效能源政策文本，其中非化石能源政策745 條，化石能源政策2 077 條。按評分標準和式（2）計算得到中央非化石能源行政政策、非化石能源引導政策、非化石能源激勵政策、化石能源行政政策、化石能源引導政策、化石能源激勵政策的政策整體效力，再根據各省份歷年火力發電量占全國總發電量的比例得到化石能源政策的權重。根據其他能源發電量占全國總發電量的比例得到非化石能源政策的權重。以所得權重分別與化石能源、非化石能源各3 種能源政策效力相乘后加1 取對數，得到各省份受中央能源政策的沖擊程度代理指標，作為解釋變量。

3. 控制變量

①能源工業投資（EI），以能源工業投資額衡量。增加能源工業投資有利于擴大能源生產、輸送和分配設施的建設，提高能源供應能力，同時，更多資金可用于提升可再生能源和清潔能源技術，從而改善環境質量，刺激能源產業發展，進而促進經濟增長。②外商直接投資（FDI），以外商直接投資額衡量。外商直接投資可以引入先進的能源技術、管理經驗和生產工藝、設備，提高能源生產和利用的效率，降低能源消耗和排放，同時提高經濟效率。③地方財政收入（DF），以地方財政收入額衡量。地方財政收入可用于電網、天然氣管道、可再生能源設施等能源基礎設施的建設，可以增加能源供應的可靠性和多樣性，同時也更利于降低能源成本和提高經濟效率。④人均GDP（GDP），以人均GDP 值衡量。通常人均GDP 較高的地區具備更充足的資金發展能源產業。⑤產業結構（SI），以第二產業產值增量與國內生產總值增量的比值衡量。第二產業比值較高的地區可能會產生更大的能源需求，溫室氣體的排放量也相對更高。以上變量均以2000 年為基期進行平減后加1 取對數。

各變量的描述性統計結果見表4。

四、能源產業政策效力分析

（一）政策整體效力與平均效力演變

中央頒布的能源政策整體效力與平均效力如圖1 所示。非化石能源、化石能源以及全部能源政策的整體效力均呈波動態勢，但平均效力基本保持平穩，增長的幅度較小。平均效力的增長幅度較小表明政策力度、政策措施、政策目標得分的增長較小。由于平均效力剔除了政策數量的影響，其增長與否在一定程度上可以反映出能源產業政策的質量變化情況，因此可見，能源產業政策整體效力的波動主要受政策數量的影響，政策質量的提升存在較大空間。

各種能源產業政策的整體效力高峰年份存在差異，如2001、2003、2009、2011、2014、2016 等年份，整體效力的波動除受到政策數量的影響外，高峰期的出現也與中國能源、經濟、環境的宏觀背景密切相關。2001 年北京申奧成功，規范化石能源的應用、增加非化石能源的推廣是踐行“綠色奧運”的有效抓手之一；自2001 年開始中國城鄉居民實行同等用電價格，國家出臺較多相關政策對原有能源發電結構進行調整。2003 年，中國在非典與其他自然災害的情況下仍然實現了GDP的增長，但經濟加快發展也導致了能源緊缺的情況，當年有20 多個省份拉閘限電，煤炭供應緊張，進口石油的數量也增加較多，國家頒布了系列能源政策應對上述問題。2006 年，中國“十一五”首座特大型水電站開工建設，首個生物質發電工程正式投產，非化石能源迎來發展的小高峰。2009 年，中國成功扭轉了國際金融危機下經濟增速下滑的局面，抓住全球能源需求放緩的有利時機，加大能源結構的調整力度，加強能源的國際合作，進一步構建清潔安全的能源供應體系。2011 年，油氣稅與焦煤征稅標準均有所提高，煤層氣開發利用“十二五”規劃正式發布，國家部委第一次圍繞農村能源召開明確農村能源重點工作的專題會議。2014 年，中央財經領導小組第六次會議召開，對推動能源生產和消費革命提出5 點要求，能源發展戰略行動計劃明確要加快構建清潔、高效、安全、可持續的現代能源體系。2015 年，上海天然氣交易中心的成立提高了中國在國際油氣市場的價格話語權，中國電力體制改革進入了新階段。2016 年，“十三五”電力規劃發布，18 個省區市的電改方案獲批；水電發展“十三五”規劃發布，水電發電量突破新高。2018 年，中核與中核建設重組加快核電走入國際市場，風電競價上網、光伏平價上網使風電與光伏產業進入新時代。2020 年，中國宣布“碳中和”目標，風電、太陽能發電等非化石能源產業開啟倍速增長階段，化石能源產業轉型升級也迫在眉睫，更多的能源政策頒布，為能源行業的發展理清方向。不同年份的經濟與環境變化會在一定程度上影響能源的需求與供給，進而對當年能源產業政策的制定產生影響。

能源產業政策整體效力呈“倒U 型”變化趨勢。2015 年前后政策數量的減少使得能源政策整體效力開始下降，這主要是因為前期頒布的能源政策實施效果逐步體現，政府開始重新審視以前制定的能源政策，根據實施效果制定更具調整性的政策，數量相較于之前的開拓型政策有所減少。此外，2015 年前后正值全球能源轉型的關鍵時期，許多國家和地區開始轉向可持續和清潔的能源發展模式。由于能源轉型需要更全面的戰略規劃和政策，因此，政府傾向于進行更深入與更長期的研究和準備，以制定適應轉型需求的新政策，政策的數量也因此受到影響。能源產業政策整體效力在“十五”以來的四個五年時期呈現的波動趨勢與每一個五年規劃有著緊密的關聯，能源政策整體效力的高峰值多出現于每個五年規劃的第一年與五年規劃結束的前一年。五年規劃的第一年一般頒布系列政策文件對規劃期間的能源發展進行規劃與要求，五年規劃結束的前一年頒布政策數量較多往往與實施狀況未達到規劃預期有關，為加快目標達成，需要根據前期實施情況頒布新的政策進行調整，這也反映出能源產業政策的長期規劃性不足，應時應勢調整的中短期特征較為明顯。

（二）細分能源的政策整體效力分布

化石能源政策整體效力高于非化石能源政策整體效力。將化石能源細分為煤、石油、天然氣，將非化石能源細分為風能、太陽能、水能、核能、海洋能、太陽能、海洋能、地熱能與生物質能。不同細分能源的政策整體效力分布如圖2 所示。

從各類細分能源的政策整體效力歷年比例來看，化石能源政策中歷年來煤的政策效力均為最高，其次為石油，再次為天然氣政策，這與中國富煤、貧油、少氣的基本國情相符，資源稟賦決定了煤炭在中國的能源結構中的基礎地位。雖然煤、石油、天然氣是碳排放的主要來源，但中國的電力主要由火力發電提供，特別是煤電。從中長期發展趨勢看，隨著碳達峰、碳中和的推進，煤炭將從兜底保障能源逐漸轉變為調峰能源，但短期來看，煤、石油、天然氣等化石能源仍具有無可替代的位置，因此，國家歷年頒布較多政策對化石能源行業進行規范和引導。

非化石能源中政策效力最高的能源依次為水能、太陽能與風能，核能次之，生物質能、地熱能、海洋能相關政策頒布年份較晚，數量也較少，這與中國非化石能源的資源稟賦是完全吻合的。中國的水能、太陽能、風能資源較為豐富，與之相關的政策也更多；中國的核電站技術比其他國家更有優勢，核電也是中國的重點發展能源，歷年推出許多政策引導核電發展；生物質能、地熱能、海洋能由于技術不成熟、成本也較高的原因目前無法得到大范圍的應用，相應政策也更少，如何加快這類能源的推廣應用是后續政策制定需要考慮的問題。

（三）分措施類型的政策整體效力演變

圖3 反映了2000-2021 年非化石能源與化石能源按行政措施、引導措施、激勵措施分類的政策整體效力情況。歷年來，無論是非化石能源還是化石能源，其行政政策在三種政策類型中均占據主導地位，激勵政策效力均為最弱，這表明政府在能源發展中進行的干預較多，如制定行業的工藝標準、準入門檻、頒布監督與管理辦法等。對于能源項目試點、項目指導等也有一定的關注，而通過稅收與信貸等對能源發展進行調節的政策相對較少。

從發展趨勢來看，非化石能源的引導政策與激勵政策整體效力呈現出逐年上升的趨勢，表明政府在很長一段時期內嘗試加強引導政策與激勵政策的效力，使市場逐漸發揮更大的作用，這在一定程度上也代表了我國能源政策措施轉變的一種趨勢。整體效力最高的行政政策是否對促進能源-環境-經濟效率提升的效果最好，非化石能源的政策措施逐漸從以行政政策為主向提高引導與激勵政策的比例轉變，是否說明引導與激勵政策的效果更好？化石能源與非化石能源采取同類型措施時取得的政策效果是否存在差異？本文將進一步探究這些問題。

五、能源產業政策效果分析

（一）基準回歸

為進一步探究化石能源、非化石能源不同措施類型下哪種政策組合對能源-環境-經濟效率的提升更有效，本文根據式（4）對不同類型政策的效果進行回歸分析。根據AIC 和SC 準則確定將非化石能源與化石能源引導政策的沖擊滯后2 期，將非化石能源與化石能源行政政策、激勵政策的沖擊滯后1 期。基準回歸結果如表5 列（1）所示。

不同措施類型的能源政策效果存在差異。非化石能源行政政策與化石能源行政政策在1%的顯著性水平下對EEE 的提升產生負向影響。行政政策主要包括制定行業標準、對相關產業進行監管。當對風能、光伏等非化石能源行業設置過高的準入門檻，或者對非化石能源企業制定過嚴的監管措施時，短期來看確實提高了非化石能源項目的質量，但從中長期來看卻可能會使相關企業參與性降低，不利于非化石能源應用的推廣和EEE 提高。對化石能源而言，進行嚴格的監管與規范的確可以起到降低環境污染的效果，但工業發展需要使用大量的煤、石油等化石能源作為原料，若對化石能源限制過度則會導致生產原料不足，提高工業企業的生產成本。同時，為達到監管要求，相關企業的治污成本上升，缺乏運作資金的企業很可能由于成本的上升面臨經營困境，對EEE 的經濟產出指標產生負面影響。若污染排放量的減少幅度不及經濟產出的減少幅度，則會導致EEE 下降。

化石能源引導政策在1%的顯著性水平下促進EEE 的增長，非化石能源引導政策產生的效果并不顯著。非化石能源引導政策包括制定技術推廣目錄、優先發展重點領域指南、推廣示范項目或試點項目等，這些政策的實施在一定程度上可以使非化石能源企業得到更多的關注從而促進市場資本的流入，加快產業發展，但可能由于優惠措施吸引了過多的資本涌入非化石能源賽道，激烈的市場競爭增加了能源市場的不穩定性，在一定程度上抵消了正向效應。化石能源引導政策更傾向于引導傳統的化石能源企業轉型升級，進行智能化、清潔化改造的過程中，傳統能源企業的技術不斷升級和創新，能夠提供更高效、更環保的能源產品，能源利用效率得到提高，污染排放也相應減少。另外，通過技術升級和創新，企業可以降低生產成本，提高生產效率，增加市場份額，從而獲得更大的經濟效益，使得EEE 顯著提升。

非化石能源激勵政策在10%的顯著性水平下促進EEE 的提升，化石能源激勵政策的效果并不顯著。非化石能源激勵政策通過減稅、免稅、退稅或降低進口商品關稅等方式降低相關企業的稅收負擔；通過提供資金支持、信貸支持幫助企業獲得更多的融資，實現持續經營或擴大規模；通過補貼降低非化石能源價格，提高非化石能源競爭力；通過獎勵技術創新，使企業更愿意研發環境友好型的技術，從而促進EEE 的提升。化石能源激勵政策主要采用對化石能源增稅的方式，由于將稅收措施歸類為激勵措施，所以其本質為對化石能源的負向激勵。通過對化石能源增稅使得企業的能源使用成本上升，從而倒逼企業轉向使用非化石能源，但增稅可能會降低企業的盈利能力、減少研發投入，從而影響技術創新。如何確定合理的稅收力度，更顯著地促進EEE 的提升，是此類政策需要考慮的重點。

（二）穩健性檢驗

①替換解釋變量。根據各省份歷年煤、石油、天然氣的消費量占全國能源總消費量的比例得到化石能源政策的權重，根據其他能源消費量占全國能源總消費量的比例得到非化石能源政策的權重。以所得權重分別與中央非化石能源行政政策、引導政策、激勵政策，化石能源行政政策、引導政策、激勵政策的政策整體效力相乘后加1 取對數，得到各省份受中央能源政策沖擊程度的新代理指標，替代原解釋變量進行穩健性檢驗，結果見表5 列（2）。②改變樣本期。考慮到疫情對經濟運轉、能源消耗的沖擊較大，將樣本期更改為2000-2019 年，結果見表5 列（3）。③剔除直轄市樣本。直轄市與其他省份在行政級別、經濟體量、人口規模等方面存在一定差異，將直轄市樣本剔除進行穩健性檢驗，結果如表5 列（4）所示。穩健性檢驗結果與基準回歸基本保持一致，結論具有穩健性。

（三）異質性分析

不同省份的能源-環境-經濟效率可能受到資源稟賦、經濟發展水平、產業結構、技術水平等多種因素的影響，能源產業政策的實施效果也因此存在差異。經濟較為發達的地區能源消耗和污染物排放量相對較高，而技術水平相對較高的省份則更有能力提高能源利用效率，從而降低污染物的排放。為進一步探究不同地區實施何種能源產業政策更有利于促進能源、環境、經濟協調發展，本文按照國家統計局分類標準將樣本分為東部、中部、西部、東北進行分組回歸，分析結果見表6 列（1）-（4）。

分析結果顯示，東部地區最有效的能源產業政策類型為化石能源引導政策，其在5%的顯著性水平下促進EEE 提升；非化石能源行政政策與化石能源行政政策在5%的顯著性水平下抑制EEE提升。東北地區化石能源引導政策在1%的顯著性水平下促進EEE 的提升，化石能源行政政策則呈現抑制效果。這表明東部地區和東北地區通過引導化石能源產業的發展可以有效地提高能源-環境-經濟效率，而行政政策的監管力度則需要考慮適當減輕。中部地區的非化石能源激勵政策在10%的顯著性水平下促進EEE 提升，非化石能源行政政策在5%的顯著性水平下抑制EEE 提升，這些地區可以考慮加大非化石能源激勵政策的力度，適當減少對非化石能源的行政監管壓力。西部地區的能源產業政策效果均不顯著。相較而言，西部地區具有豐富的太陽能、水能、風能等非化石能源資源，但無論發展非化石能源還是提高現有傳統能源的利用效率均要求一定的經濟、技術基礎以及完善的能源基礎設施，西部地區的基礎設施建設相對滯后，消弱了能源產業政策的效果，需要更多的政策支持和資源投入以推動相關能源產業的發展。

六、結論與建議

本文對2000-2021 年的各類能源產業政策文本進行量化分析，建立回歸模型研究各類政策的實施對能源-環境-經濟效率（EEE）的影響。主要結論如下：

（1）化石能源政策平均效力與非化石能源政策平均效力歷年來幾乎保持平穩，政策整體效力的波動主要由政策數量增減導致，政策頒布單位級別、政策頒布類型、政策措施細致度、政策目標強度以及政策目標清晰度等影響政策質量的政策內容存在較大提升空間。

（2）化石能源政策與非化石能源政策整體效力的波動與高峰期的出現與不同時期中國的能源、經濟、環境的情況存在密切的關系。能源政策整體效力的高峰值多出現于每個五年規劃的第一年與五年規劃結束的前一年，五年期的后一個高峰值多為調整型政策，反映出前一個政策高峰制定政策時存在預期偏高的現象，政策的前瞻性不足、長期性不夠，針對實施過程中發生的問題所制定的回應式、填補式的政策較多。

（3）化石能源政策整體效力高于非化石能源政策。從10 種細分能源來看，化石能源政策中煤的政策效力最高，其次為石油，再次為天然氣；非化石能源中水能、太陽能、風能與核能的政策效力較高，生物質能、地熱能與海洋能的政策效力、政策數量均較低。分措施類型來看，非化石能源與化石能源政策中行政政策效力均為最高，激勵政策效力均為最低；非化石能源的引導政策與激勵政策整體效力呈現出逐年上升的趨勢，市場逐步發揮更大的作用。

（4）進一步分析不同措施的政策效果發現，非化石能源行政政策與化石能源行政政策在1%的顯著性水平下抑制EEE 提升；化石能源引導政策在1%的顯著性水平下促進EEE 增長，非化石能源引導政策產生的效果并不顯著；非化石能源激勵政策在10%的顯著性水平下促進EEE 提升，化石能源激勵政策的效果并不顯著。更換解釋變量、將樣本期縮短至2019 年、剔除直轄市樣本后進行穩健性檢驗的結果均與基準回歸基本保持一致。非化石能源行政政策對東部與中部地區EEE 的抑制作用較為明顯，化石能源行政政策對東部與東北地區EEE 的抑制作用更明顯。中部地區的非化石能源激勵政策，東部和東北地區的化石能源引導政策更能促進當地EEE 提升。西部地區的各種能源產業政策效果均不顯著。

基于以上結論與中國能源、環境、經濟的發展現狀，提出以下建議：

（1）我國能源產業政策需要由重視數量向重視質量轉變，應當適當提高政策措施的細致度、政策目標的強度以及政策目標的清晰度。高強度的政策目標更能引起政策接收者的重視，加快政策實施的進程；細致的政策措施和清晰量化的政策目標更能使政策接收者明確方向和實施計劃，使政策的實施更有效。

（2）制定能源政策時需要全面考慮政策對于能源、環境與經濟的影響，建立完善的政策監測和評估機制，加強政策研究和制定的科學性和系統性，充分考慮政策的時滯效應，重視政策的長期規劃。

（3）相對于傳統的化石能源，非化石能源在生產過程中產生的碳排放量較低，具有更低的運營風險和更高的投資回報，非化石能源的推廣更有利于促進能源、環境、經濟協調發展。然而非化石能源的資源分布相對于傳統化石能源更為分散，建設和運營需要較高的初始投資成本，在規模應用和商業化發展方面受到一定限制，與傳統的化石能源相比缺乏競爭力，需要更多的政策支持來推動其發展。但目前非化石能源政策整體效力不及化石能源，應加強非化石能源相關的政策支持，促進非化石能源的規模應用和發展。

參考文獻

[1] 白俊紅，聶亮. 能源效率、環境污染與中國經濟發展方式轉變[J]. 金融研究，2018 年第10 期，第1-18 頁。

[2] 高玥. 產業補貼退坡的政策效果及啟示——以中國新能源汽車為例[J]. 軟科學，2020 年第12 期，第28-32 頁。

[3] 黃萃，蘇竣，施麗萍，程嘯天. 政策工具視角的中國風能政策文本量化研究[J]. 科學學研究，2011 年第6 期，第876-882 頁。

[4] 黃萃，趙培強，李江. 基于共詞分析的中國科技創新政策變遷量化分析[J]. 中國行政管理，2015 年第9 期，第115-122 頁。

[5] 黃棟，楊子杰，王文倩. 新發展格局下新能源產業發展歷程、內生邏輯與展望[J]. 新疆師范大學學報（哲學社會科學版），2021 年第6 期，第134-144 頁。

[6] 蘭梓睿. 中國可再生能源政策效力、效果與協同度評估——基于1995～2018 年政策文本的量化分析[J]. 大連理工大學學報（社會科學版），2021 年第5 期，第112-122 頁。

[7] 雷明，虞曉雯. 資本跨期效應下中國區域能源—經濟—環境效率研究[J]. 經濟理論與經濟管理，2013 年第11期，第5-17 頁。

[8] 李輝，徐美宵，張泉. 改革開放40 年中國能源政策回顧：從結構到邏輯[J]. 中國人口·資源與環境，2019 年第10 期，第167-176 頁。

[9] 李江，劉源浩，黃萃，蘇竣. 用文獻計量研究重塑政策文本數據分析——政策文獻計量的起源、遷移與方法創新[J]. 公共管理學報，2015 年第2 期，第138-144 頁。

[10] 李軍強，韓振，任浩. 中國光伏產業政策目標協同度量化評價模型[J]. 同濟大學學報（自然科學版），2020 年第6 期，第913-921 頁。

[11] 李倩，趙彥云，劉冰潔. 新能源產業政策的量化分析及其環保效應[J]. 北京理工大學學報（社會科學版），2021 年第4 期，第30-39 頁。

[12] 彭紀生，仲為國，孫文祥. 政策測量、政策協同演變與經濟績效：基于創新政策的實證研究[J]. 管理世界，2008 年第9 期，第25-36 頁。

[13] 唐葆君，陳俊宇，王崇州. 政策工具視角下能源行業發展差異分析[J]. 北京理工大學學報（社會科學版），2022 年第2 期，第21-27 頁。

[14] 唐云霓，閆如雪，周艷玲. 碳中和愿景下能源政策的結構表征與優化路徑[J]. 清華大學學報（自然科學版），2023 年第1 期，第1-14 頁。

[15] 涂強，莫建雷，范英. 中國可再生能源政策演化、效果評估與未來展望[J]. 中國人口·資源與環境，2020 年第3 期，第29-36 頁。

[16] 王曉珍，蔣子浩，鄭穎. 風電產業創新政策有效性研究[J]. 科學學研究，2019 年第7 期，第1249-1257 頁。

[17] 魏一鳴，廖華. 能源效率的七類測度指標及其測度方法[J]. 中國軟科學，2010 年第1 期，第128-137 頁。

[18] 楊慧，楊建林. 融合LDA 模型的政策文本量化分析——基于國際氣候領域的實證[J]. 現代情報，2016 年第5期，第71-81 頁。

[19] 張彬，左暉. 能源持續利用、環境治理和內生經濟增長[J]. 中國人口·資源與環境，2007 年第5 期，第27-32 頁。

[20] 張國興，高秀林，汪應洛，郭菊娥，汪壽陽. 中國節能減排政策的測量、協同與演變——基于1978-2013 年政策數據的研究[J]. 中國人口·資源與環境，2014 年第12 期，第62-73 頁。

[21] 張慧，范麗偉，孫秀梅. 中國城市能源效率差異及其影響因素的異質性效應——基于分位數回歸的實證分析[J]. 城市問題，2022 年第8 期，第12-23 頁。

[22] 趙洱崠，劉平闊. 固定電價與可再生能源配額交易的政策效果——基于生物質發電產業[J]. 工業技術經濟，2013 年第9 期，125-137 頁。

[23] Andersen P， Petersen N C， “A procedure for ranking efficient units in data envelopment analysis”， Management Science，1993， 39（10）， 1261-1264.

[24] Azadeh A， Amalnick M S， Ghaderi S F and Asadzadeh SM， “An integrated DEA PCA numerical taxonomy approach for energy efficiency assessment and consumption optimization in energy intensive manufacturing sectors”， Energy Policy， 2007， 35（7）， 3792-3806.

[25] Bahram Fathi， Malihe Ashena， Ali reza Bahari， “Energy，environmental，and economic efficiency in fossil fuel exporting countries： a modified data envelopment analysis approach”， Sustainable Production and Consumption， 2020，26， 588-596.

[26] Massimo， Filippini and et al， “Energy Demand and Energy Efficiency in the OECD Countries： A Stochastic Demand Frontier Approach”， Energy Journal， 2011， 32， 59-80.

[27] Murphy L， Meijer F， Visscher H， “A qualitative evaluation of policy instruments used to improve energy performance of existing private dwellings in the Netherlands”， Energy Policy， 2012， 45（Jun）， 459-468.

[28] Rothwell R， Zegveld W， “Reindustrialization and technology”， Longman， M.E. Sharpe Press， 1985.

[29] Tone K， “A slacks-based measure of efficiency in data envelopment analysis”， European Journal of Operational Research， 2001， 130（3）， 498-509.

[30] Tone K， “A slacks-based measure of super-efficiency in data envelopment analysis”， European Journal of Operational Research， 2002， 143（1）， 32-41.

[31] Tone K， “Dealing with undesirable outputs in DEA： a slacks-based measure （SBM） approach”， North American Productivity Workshop Toronto， 2004， 23-25（June）， 44-45.