中国省际能源效率的收敛性分析

李激扬

（湖南大学 经济与贸易学院，长沙 410079）

0 引言

能源与环境约束不断加强，提高能源效率，促进能源、环境与经济社会的协调发展已经成为人们关注的热点问题。随着社会的进步，经济的发展，人类利用各种要素、工具的水平不断的提高，不仅导致现有各种资源越来越匮乏，越来越重要。对于当今社会而言，能源是经济发展和人类生活重要的保障和支撑，能源作为经济社会发展的最基本物质生产资料之一，与国家的工业发展、经济增长有着重要的关联。能源问题已成为我国经济发展过程中的焦点和热点问题。我国“十二五”规划明确提出深入贯彻节约资源和保护环境基本国策，节约能源，降低温室气体排放强度，发展循环经济，走可持续发展之路。

但是就目前而言，中国各地区的能源利用效率水平存在差距，东部地区的平均全要素能源效率是最高，其次是西部地区，排名最后的是中部地区。中国各个省份在使用能源的效率存在显著差异，且处于能源效率前沿下方的省份仍比较多。从长远来看，如何缩小区域差距，实现区域协调发展？中国各地区的能源利用效率水平的差距是否会随着时间的推移而缩小？能源消耗强度和全要素能源效率是否会最终收敛？这都是我们不得不面临的重大问题。

1 能源效率条件β收敛模型

现有文献对能源效率进行绝对β收敛分析时，仅仅考虑了能源利用率初始水平作为唯一影响能源利用率的解释变量，忽略了其他因素的存在。实际上，还有其他的因素影响收敛的存在性，仅仅采用能源利用效率的初始水平会忽略其他因素的影响，片面夸大能源利用效率初始水平的影响。有鉴于此，我们利用Sala-i-Martin(1996)、Markandya et al(2004)和齐绍洲和罗威(2007)的模型，在能源利用率的绝对β收敛模型式中加入相应符合条件的控制变量，就可以得到如下的条件β收敛模型，我们进行如下推导：

其中，i和t分别代表区域和时间(在本文表示每一年，即年份，下同)；ln(yi,t/yi,t-1)表示经济增长率的收敛速度，它取决于前一期产出水平ln(yi,t-1)和一组控制变量Xi,t；μi,t为误差项。以此为基础，加入产业结构、能源消费结构、对外开放程度以及劳动力平均实际GDP增长率等控制变量，我们可得关于能源效率的条件β收敛模型：

其中，α为截距项，β为基年能源效率ln(ei,t)的系数，εi,t为某一时段误差项的平均值PGDPi,t表示i地区在某一段时间内的劳动力平均GDP增长率的平均值，用它来反映地区经济增长速度对能源生产率收敛的影响；STRUCi,t表示i地区在某一段时间内第二产业增加值占地区GDP的比重的平均值，用它来反映产业结构调整对能源生产率收敛的影响；ECSTURCi,t表示i地区能源消费结构，反应各地区煤炭消费总量占能源消费总量的比重，EXi,t表示i地区的进出口总额，表示该地区开放程度对能源生产率收敛的影响。

根据条件β收敛存在性条件，当β小于零时，就表示各区域的初始能源利用效率同能源利用效率的增长速度呈反向变化，各区域能源利用效率差异最终会趋于条件β收敛，呈相同的稳态；反之，当β大于零时，则说明各区域的初始能源利用效率同能源利用效率的增长速度呈正向变化，各区域的能源利用效率呈发散态势，不存在条件β收敛（彭国华，2005）。

2 能源效率收敛性的计量分析

为了降低全要素能源效率的估值难度，在测算全要素能源效率的收敛性时，，样本区间为1990～2009年。大部分数据来源于《新中国五十年统计资料汇编》、《新中国六十年统计资料汇编》、1989～2009年的《中国统计年鉴》、高校财经数据库、中国能源统计年鉴以及各省统计年鉴。考虑到西藏、台湾、澳门和香港数据缺失较多，本文将不作分析，另外将重庆和四川的数据合并，最终选定的研究对象为中国29个省、市或自治区。所需要的考量的变量有：能源消耗强度、全要素能源效率、劳均GDP、产业结构、能源消费结构、对外开放程度等。需要具体说明的内容如下：

能源消耗强度：采用传统的每个省、地区的能源消费总量与该省、地区的产出GDP的之间的比值。其中能源消费量，采用《中国能源统计年鉴》中公布的数据。这些数据已经将各类能源，比如煤炭、石油和天然气，转换为标准煤。能源消费量的单位为万吨标准煤，这和国外公布的能源消费量的单位万吨标准油不同，但两者之间可以转换。而产出GDP以1952年为基期，对GDP进行平减成真实GDP，单位为亿元。各省份、地区GDP以及GDP平减指数均来自于《新中国六十年统计资料汇编》、《新中国五十年统计资料汇编》和《中国统计年鉴》。最后我们得到能源消耗强度，其单位为吨标准煤/万元GDP，我们记作ee，其增长率记作pec。

全要素能源效率值：全要素能源效率值的计算过程是，首先选取的投入变量包括了三种传统意义上的投入要素，即劳动力，资本存量和能源消费量，然后纳入产出变量包括了期望产出，即国民生产总值（GDP），以及非期望产出，包括了废水、废气、化学需氧量（COD）和固体废弃物，最后基于全要素能源效率框架得到MLT全要素能源效率和SBM全要素能源效率，分别记作tfeemlt、tfeesbm，都是无量纲的值。

劳动力平均实际GDP：即各个省份、地区劳动力所创造的GDP平均数量。其中劳动力是1989～2009年各个省份的从业人员总数，数据来源于《中国统计年鉴》、《新中国六十年统计资料汇编》和中国经济信息网数据库，部分缺失的数据采用线性插值法补齐，单位为万人，实际GDP同样以1952年为基期，对GDP进行平减成真实GDP，单位为亿元记作pgdp，简称劳均实际GDP。

产业结构：即第一、二和三产业的占GDP的比重。我们用第二产业占GDP的比重来表示产业结构，记作struc。一般认为第二产业是相对消耗能源较多的产业，而第三产业是相对消耗能源较少的产业，所以有时将发展第三产业作为节能减排的重要选择之一，本文沿用前者的做法。

对外开放程度：本文选取一个省份全年的进出口总额作为对外开放程度的变量。某个省份进出口总额代表了其和外国的联系程度，中国基本出口的商品都是劳动密集型的产品，而进口的商品则是能源依附量较高（陈书通，1996）[37]，因此可能会提高能源效率，改变能源效率的收敛速度和程度。对外开放程度变量记做作ex，单位为万美元。

能源消费结构：能源消费结构指的是各种能源消费占总的能源消费的比重。中国能源消费结构一直是以煤炭为主，所以本文选取煤炭占总的能源消费的比重来表示能源消费结构。数据来源于《中国能源统计年鉴》，部分年份某些省市缺失的数据，首先用原煤和标准煤之间的换算公式：1吨原煤=0.714吨标准煤来估算，然后再除以该省本年度所消耗的能源总量得到。能源消费结构变量记作：ecstruc。

表1 能源消耗强度的条件β收敛分析

表2 使用MLT方法的全要素能源效率条件β检验面板回归结果

表3 使用DEA-SBM模型的全要素能源效率的条件β收敛分析

3 能源效率的条件β收敛检验

我们根据式（2）对所得到的数据进行了条件β收敛计量分析，得到的面板估计结果如表1所示。

为了说明能源效率的条件β收敛是否存在，我们采用了面板模型的方法进行了收敛性检验。对比实证结果表1、表2、表3，发现能源消耗强度、使用MLT方法的全要素能源效率和使用DEA-SBM的全要素能源效率条件β收敛是存在的，但是各个控制变量的系数以及显著性水平存在差异；根据Hausman检验的结果，我们选取模型也各有不同，具体说明如下：

（1）对于能源消耗强度的条件β收敛来讲，我们考虑加入了产业结构、能源消费结构、对外开放程度以及劳动力平均实际GDP增长率等控制变量，更加准确的解释其收敛性。我们发现劳动力平均实际GDP增长率对能源消耗强度地区间差异的缩小起正向的作用，即一个地区的经济发展有助于当地能源消耗强度的降低，从而提高能源的利用效率。而能源消费结构与能源消耗强度的收敛性呈现反相关关系。这一结论和大多数的学者一致，也是和我们的直觉是一致的。不难发现，煤炭的使用效率一向是比较低的，而对环境污染也比较严重。在中国各省份、地区的能源消费结构中，煤炭的消费占到一半以上的份额，使得各省份、地区的能源利用效率一直偏低。此外，大部分的温室气体以及空气污染源也都来自于煤炭燃烧排放。由此可见，如果可以用更为清洁和高效的能源资源来替代煤炭火力发电，不仅减少温室气体和其他有毒气体的排放，也可以提高能源总体的使用效率。此外，我们发现对外开放程度与能源消耗强度的收敛性呈正相关关系，就出口方面来讲，这可能是由于对外贸易迫使企业为了符合出口的而改进能源使用技术，从而降低成本，减少产品中的污染水平；就进口方面来讲，我们进口相对我们稀缺的物品以及其他一些可能在生产过程能源消耗较大的产品，从而使得地区的能源使用效率相对提升。一般来讲，我们认为产业结构应该是与能源消耗强度的收敛成反相关的关系。因为当一个省份、地区的第二产业，即能源消耗较大的产业，占比比较大的话，且第二产业尤其能耗较大的冶金部门、制造业部门的能源利用水平本身就偏低，当第二产业的比重越大，其能源消耗越多，能源利用水平也就越低，越会拖垮落后地区能源消耗强度追赶与先进地区的速度和距离。但从模型估计的结果看，产业结构变量无法通过显著性水平检验，虽然系数的符号和预先估计的一致，为负的。

（2）从表2我们可以得到关于使用MLT方法的全要素能源效率的条件β收敛面板模型的估计结果。我们在进行实证估计的过程发现，如果单独或者不全部使用所有的控制变量，模型的将无法通过检验，所以我们将所有的控制变量放在一个面板模型里进行估计。为了确定是使用随机效应还是固定效应进行估计，我们采用Hausman检验对模型进行了检验，确定使用固定效应模型。和能源消耗强度所估计出的控制变量的系数符号一致，可以发现劳动力平均实际GDP增长率对能源效率的收敛有正向作用，即经济的发展对节约能源，提高能源利用效率有着积极的作用，同样对外开放程度变量也有着类似的作用；产业结构、能源消费结构与能源效率的收敛呈负相关关系，这和我们估计的一致。此外，与能源消耗强度条件β收敛不同的是，产业结构在10%的显著性水平下通过检验。

（3）最后，我们对加入控制变量的使用DEA-SBM模型的全要素能源效率的条件β收敛进行了面板模型估计。从实证结果来看，只有劳动力平均实际GDP增长率在1%的显著性水平通过了检验，其他控制变量均无法通过检验。但我们仍然可以认为使用DEA-SBM模型的全要素能源效率是存在条件β收敛的。

4 结论及政策建议

以前的学者大多是研究经济增长率的收敛性，较少涉及能源利用效率的收敛性，而关于中国能源利用效率的收敛性的文献更少。为了分析中国各省、地区的能源利用效率是否存在条件β收敛，我们加入了四个控制变量，分别是加入了产业结构、能源消费结构、对外开放程度以及劳动力平均实际GDP增长率，运用面板数据模型对三个能源利用效率进行了计量分析。实证的结果表明，三个能源利用效率均存在条件β收敛，且都在10%或者1%的显著性水平下通过检验，其中劳动力平均实际GDP增长率与对外开放程度的系数一般为正，而产业结构、能源消费结构的系数一般为负，但不同的估计所使用的模型不同。因此，从总体上看，不发达省区与发达省区能源效率的差距在一定程度上也是经济发展水平的差距，一些决定能源利用效率的主要因素如生产技术水平不可能在短时间内超过发达省区，产业结构的差距也只有随着经济发展水平的不断提高才能逐步消失。政府在制定区域经济发展战略时，要重点考虑促进各省区充分利用能源禀赋以及能源使用效率方面的差异进行合作，走能源节约型的可持续的区域平衡增长道路。

[1]S.M.Miller,M.P.Upadhyay.Total Factor Productivity and the Manufac⁃turing Sectors in Industrialized and Developing Countries[J].Energy Policy,2002，(29).

[2]彭国华.中国地区收入差距、全要素生产率及其收敛分析[J].经济研究,2005，(9).

[3]A.Miketal,P.Mulder Energy Productivity across Developed and Devel⁃oping Countries in 10 Manufacturing Sectors:Patterns of Growth and Convergence[J].Energy Economics,2002，(27).

[4]A.Markandya,S.Pedroso,D.Streimikiene.Energy Efficiency in Transi⁃tion Economics:Is there Convergence Towards the EU Average[C]. FEEM Working Paper,2004.

[5]P.Mulder,H.L.F.de Groot.Sectoral Energy and Labour Productivity Convergence[J].The Economics of Non-Market Goods And Resources, 2007，(10).

[6]史丹.中国能源效率的地区差异与节能潜力分析[J].中国工业经济, 2006，(10).

[7]师博,张良悦.我国区域能源效率收敛性分析[J].当代财经,2008，(2).李国璋,霍宗杰.我国全要素能源效率及其收敛性[J].中国人口·资源与环境,2010,18(4).