环保视角下中国省际全要素能源效率分析

刘明明，王 震，张宝生，魏新强

（1.中国石油大学（北京） 工商管理学院，北京 102249；2.中国石油大学（北京） 中国能源战略研究院，北京 102249）

环保视角下中国省际全要素能源效率分析

刘明明1，王 震2，张宝生1，魏新强1

（1.中国石油大学（北京） 工商管理学院，北京 102249；2.中国石油大学（北京） 中国能源战略研究院，北京 102249）

将全要素框架下的总能源效率分为经济型能源效率和环境型能源效率，并在经济与环境并重的前提下对DEA模型进行了设定，计算了2005—2011年期间我国29个省（自治区、直辖市）的总能源效率及两类能源效率。结果表明：在考虑环境的重要性后，样本省区的全要素能源效率呈下降趋势；环境保护的低效率使得中部地区的全要素能源效率均值明显小于西部地区；河北、山东、四川和山西4省的节能潜力最大，4省的节能减排量合计占中国总节能减排量的30%以上。

全要素生产率；能源效率；节能减排；DEA

随着中国经济的不断增长，中国在全球经济中的地位越来越稳定。2011年中国的GDP总量超过日本，中国成为全球第二大经济体。纵观中国改革开放30多年，伴随经济不断增长的是能源消费不断增加、CO2排放不断增多：2009年中国的能源消耗超过美国而位居世界第一，中国的CO2排放量早在2006年就已问鼎世界第一。随着全球环境、气候不断恶化，中国在追求经济发展的同时也努力承担相应的环境保护责任。在2009年的哥本哈根国际气候会议上，中国领导人提出“到2020年中国单位GDP的CO2排放比2005年下降40%～45%”的目标，体现了中国对节能减排的决心。

中国各省的节能潜力决定了中国整体的潜在节能量，分析节能潜力应基于现实的能源效率。中国各省的经济发展水平参差不齐，其能源效率和环境保护力度也不尽相同。一般来说，一个地区进行节能减排的最直接和最经济的方式就是学习其他地区的先进模式，借鉴并吸取其他地区的发展经验，从而实现经济与环境的和谐发展。综观以往研究能源效率的相关文献，其研究内容大体有两个方面——单要素能源效率和全要素能源效率。本文研究的是后者，即在全要素能源效率理论的框架下，借助数据包络分析（data envelopment analysis，DEA）方法，将环境与经济的相互关系引入原有的DEA能源效率测度模型，并以环境保护和经济发展双目标为评价目的，测度我国各省的全要素能源效率及节能潜力。

1 文献综述

全要素能源效率是Wang和Hu［1］在生产效率理论的基础上将能源消费作为投入要素发展出来的、在全要素生产率框架下分析能源效率的理论，其不仅考虑了能源投入因素，而且考虑了能源与其他投入要素的相互作用。该理论的主体方法是DEA方法，其主要原理是采用径向距离测度被评价地区的能源投入与最优目标地区的能源投入的比例关系，从而得出相对观念下的能源效率值。该理论被提出后得到了广泛应用。然而，其主体方法上，利用径向距离DEA方法求得的能源效率是被评价单元的最差能源效率，且其评价地区能源效率的改进优化必须通过同比例调整该地区的三种投入要素才能实现，这种改进方式属于最理想型而非最经济型。对此，Mukherjee从非径向距离的视角改进上述方法，通过寻找与被评价单元距离最近的前沿面单元得出非有效评价单元需要改进的最小能源消耗比例，从而给出较经济型的全要素能源效率评价模型［2］。针对DEA方法只能用于区别评价单位的技术和规模是否有效、无法对其变化率进行细致分析的缺陷，马海良［3］等将Malmquist指数与DEA方法相结合，对所得的全要素能源效率的经济含义进行了更细致的分析。此后，针对环境因素和随机误差等的处理问题，黄德春［4］首先给出三阶段DEA能源效率的处理过程。

在最初的全要素能源效率研究中，产出指标仅仅反映经济效益的GDP。然而，随着环境问题不断尖锐，越来越多的学者将污染排放也纳入全要素生产率分析框架中。在考虑经济与环境间关系方面，汪克亮、杨宝臣和杨力［5］将CO2排放作为投入纳入模型，并将方向性距离函数作为求解函数，使模型能够同时考虑节能和增产的双项目标。王兵、吴延瑞和严鹏飞［6］运用SBM方向性距离函数和卢恩伯格指数计算了环境全要素能源效率，并对其影响因素进行了实证研究。同类研究还有杨俊［7］、Li和Hu［8］等的研究。但是，上述这些研究都未涉及环境保护和经济发展的相对重要性问题。

随着可持续发展理念深入人心，环境保护与经济发展的关系越来越受到关注。虽然现阶段已有不少学者将环境污染物排放引入全要素能源效率分析，分析GDP和环境污染物排放对能源效率的影响，但是大多数研究仅将环境污染物排放引入DEA模型，并未考虑GDP与环境污染物排放的相互关系。鉴于此，本文在前人研究的基础上，将经济与环境的关系融入DEA模型中，利用2005—2011年中国的省际数据，分析在经济与环境并重的情况下中国省际全要素能源效率和其减排量。

2 研究方法与数据

2.1 环境污染物产出的处理

目前测度非期望产出的方法较多，总体来说有4种——曲线测度评价方法［9-13］、方向距离函数法［14-17］、投入产出指标变化法［18-22］和数据转换函数处理法，其中数据转换函数处理法又包括数据取相反数法、数据取倒数法和数据线性转换法。上述方法各有优劣，不再详述。为了最大程度地符合实际生产过程，本文将环境类产出作为DEA模型的产出，借鉴数据线性转化法的思想，将CO2排放视为碳交易过程中的中间产出，并非最终的直接产出。设：bij为时期j地区i的CO2排放量；Tij为时期j地区i的CO2排放额；C为碳交易单价；为时期j地区i的CO2排放额剩余量；为碳交易额。则

2.2 经济与环境间关系在DEA模型中的设定

DEA方法是一种基于“相对效率评价”概念的系统分析方法，其基础模型——CCR模型如下：

式（3）中：h0表示相对效率值；X表示投入指标向量；Y表示产出指标向量；ω表示投入指标的权重向量；μ表示产出指标的权重向量。

该模型包括目标函数和约束条件两个部分。目标函数部分表达的是被评价单元自身的相关信息；约束条件部分表达的是被评价单元寻找最优目标单元的评价依据。本文所考虑的经济与环境的相互关系属于被评价单元自身的信息，因此本文将研究重点放在目标部分。加入环境因素后的CCR模型如下：

从式（4）可以看出，总效率由期望产出效率和非期望产出效率构成。由于GDP和碳交易产值均为经济指标，因此在同量纲的前提下可直接进行比较期望产出效率与非期望产出效率。经济与环境具有同等重要的意义，意味着一个地区的单位期望产出和单位非期望产出所对应的效率应相同，，即当根据DEA模型的目标约束函数，即

故当经济与环境具有同等重要意义时DEA模型目标函数中两种产出的对应权重是相同的。由于总效率为期望产出效率与非期望产出效率之和，因此可将CCR模型进一步表示为：

2.3 指标与数据

与现阶段大多数研究相类似，在评价能源效率的DEA模型中，投入指标为资本投入、劳动投入和能源投入，产出指标为GDP和CO2排放。①资本投入指标。用资本存量表示，采用Goldsmith的“永续盘存法”估算各省区的资本存量。鉴于无法直接从相关统计年鉴和数据库中得到资本存量的初始数据，本文均以张军［23］提供数据为基础数据，并按其计算思路依次计算其他年份的资本存量数据，单位为亿元。②劳动投入指标。用劳动人口表示，用《中国统计年鉴》中各省区年初与年终劳动人口平均值衡量，单位为万人。③能源投入指标。用各省区每年一次能源消耗量表示，单位为万吨标煤。④GDP。数据来源于中国统计局官方发布的《中国统计年鉴》，单位是亿元。⑤CO2排放。用各省区每年的CO2排放总量表示，单位为万吨。鉴于现有的公开数据库并未提供我国各省区CO2排放量，考虑到CO2排放量与化石能源消耗密切相关，本文借鉴前人的研究成果，采用熊永兰、张志强和曲建升［24］提出的方法，利用各种化石能源消耗量计算CO2排放量，各省区的各种化石能源消耗量数据来自《中国统计年鉴》（2012）和《中国能源统计年鉴》（2012），单位为万吨。

需要说明的是，在碳交易过程中，碳单价未有统一的权威数据。笔者通过查阅欧洲碳排放交易体系（EU-ETS）的相关数据发现，2005—2011年期间碳单价出现巨大波动，每吨碳交易的价格多数年份在0.1欧元～30欧元波动。为了平稳分析，本文取各年碳交易价格的平均值作为该年的碳单价（见表1），同时设定碳排放额

表1 2005—2011年欧洲碳排放交易体系的碳交易平均价格欧元

综上，本文以资本存量、劳动人口和能源投入为投入要素，以GDP和CO2排放量为基本产出，利用2005—2011中国省域层面的基础数据分析该时段的中国省际能源效率问题。鉴于资本存量具有时间积累性，本文将重庆与四川的数据进行合并；由于无法得到西藏的相关数据，因此本文不考虑西藏的情况；同时，本文的研究样本不包括我国港澳台地区。最终选取的研究对象为中国的29个省（自治区、直辖市）。为了保证数据的统一性，所有数据均取自于2006—2011年的《中国统计年鉴》和《中国能源统计年鉴》。

3 全要素框架下的能源效率分析

3.1 考虑经济与环境间关系前后的全要素能源效率对比

为体现改进后模型的合理性，本文利用2011年我国资本投入、劳动投入和能源投入的基础数据以及2011年我国GDP和CO2排放量的数据，运用传统的全要素能源效率模型以及本文的改进模型测算我国29个省（自治区、直辖市）的全要素能源效率，结果如表2所示。

表2 考虑经济与环境间关系前后的2011年中国29个省（自治区、直辖市）的全要素能源效率测算结果

续 表

由表2可知：首先，不考虑环境与经济间关系的2011年全要素总能源效率地区均值要高于考虑环境与经济间关系的全要素总能源效率地区均值；其次，传统思路下中国各地区的能源效率值均不低于改进思路下相应的能源效率值。当不考虑环境与经济的关系时，即利用传统的DEA模型进行测算时，北京、天津和河北等11省市的总能源效率达到最大值，但其环境能源效率值为0，而这些省份的碳交易数据却不为0，说明计算这些省份的环境能源效率在DEA模型中的权重为0。因求解DEA模型最大值的过程是通过自由选择权重来实现的，故该现象说明，在不考虑经济与环境间关系时，只有在赋予DEA模型中环境类指标的权重为0才能使其总能源效率达到最佳，即这11个省市只有在完全不考虑环境的前提下才能获得最大的总能源效率。当考虑环境与经济的相互关系后，即利用本文改进的DEA模型进行测算，上述11个省市的环境能源效率均不为0，同时原来非有效单元（如河北，吉林等）的全要素总能源效率值有减小趋势，即在考虑环境的重要性后被评价单元与生产前沿面的距离增大，这意味着需要减少更多的能源消耗才能达到理想目标的生产状态。

3.2 经济与环境并重下的全要素能源效率分析

本文利用2005—2011年中国29个省（自治区、直辖市）的基本数据，运用WINQSB软件测算其全要素能源效率，如表3所示。按照2005—2011年期间各省的全要素能源效率年均值对29个省（自治

区、直辖市）进行排序，位居前5位的是北京、上海、海南、天津和广东。其中，北京市2005—2011年各年的全要素能源效率值均为1，其他4个省市的全要素能源效率值在多个年份也达到1，它们代表了我国生产效率和能源综合利用的先进水平。位居后5位的是新疆、云南、陕西、河北和河南，其全要素能源效率年均值在0.6～0.7之间。由此可见，位居前5位的省市均位于东部发达地区，而位居后5位的省市多处集中在中、西部地区，这是地区差异在全要素能源效率方面的体现。

表3 考虑环境因素后2005—2011年中国省际全要素能源效率测算结果

续 表

为了更加细致地分析能源效率的区域差异，本文依据《中国统计年鉴》中的地区划分，将各省归入东、中、西三大区域，计算考虑环境因素的情况下2005—2011年三大区域的平均全要素能源效率，如图1所示。由图1可知：2005—2011年期间全国整体的全要素能源效率呈上升趋势，说明各区域的平均全要素能源效率水平与当年的最优水平的差距在逐渐减小；东部地区的平均水平明显高于我国整体的平均水平；西部地区的平均效率高于中部地区的平均效率。

图1 考虑环境因素后2005—2011年全国整体及三大区域的全要素能源效率走势

进一步计算2005—2011年三大区域及全国的总能源效率、经济型能源效率和环境型能源效率，结果如表4所示。由表4可知：东部地区的平均经济型能源效率最高、中部地区居中、西部地区最低，且考察期内中部地区各年的平均经济型能源效率均大于西部地区——这与沈镭和刘立涛［25］以及徐盈之和管建伟［26］的研究结果一致。

西部地区的总效率比中部地区高的主要原因是，由西部地区环境类产出带来的能源效率要比中部地区环境类带来的能源效率高。如表4所示，在本文的研究范围内，西部地区各省市的CO2排放量相对于东部地区和中部地区的省区要少很多，这使得在考虑环境因素后西部地区的整体效率适度弥补了经济不发达造成的能源效率低下。

东部地区的平均经济型能源效率和平均环境型能源效率均高于中部地区，反映了东部地区的生产技术和环保技术具有优越性，也反映了中部地区的经济发展相对粗放。虽然西部地区的经济发展水平相对落后，但是其环境保护现状却比东部地区和中部地区要好。因此，本文建议，在开发西部地区时，应结合东部地区的技术优势，直接引进东部地区最先进的生产技术和环保技术，避免接受中部地区较落后的技术转移。

3.3 环境与经济并重下的能源减排目标

决策者可以根据不同的可持续发展目标构建不同的生产前沿面，进而根据所选取的愿景分析和制定能源减排目标。在环境与经济并重的前提下，各省节能潜力的计算公式如下：

一个地区的能源最大减排量与该地区自身能源消耗量的比值可以间接体现各区域内部的有效能源消耗与无效能源消耗的关系。表5列出了2005—2011年历年节能潜力比例较大的部分省份和三大区域的平均值。山西、贵州、内蒙古、河北和新疆的最大减排量均值占其自身能源消费量的比例均在50%以上，位于全国前5名。其中，山西、贵州和内蒙古的减排压力较大，需要减少自身60%以上的能源消耗。三大区域的平均减排比例与其效率值的趋势大体相同，具体分析不再赘述。

表4 考虑环境因素后2005—2011年全国整体及三大区域的全要素能源效率及其细分效率

表5 2005—2011年我国部分省区和三大区域的全要素最大节能比例%

图2显示了2005—2011年期间中国潜在节能量整体的变化趋势。从图2可知，2005—2011年期间中国的潜在节能量整体上呈不断提高趋势，其中2005—2006年和2009—2010年的增速较快，其他年度相对平稳。由于基于DEA模型所得的潜在节能量是生产非有效单元（省）与最优生产单元（省）在能源消耗上的相对差距，因此总节能量的不断增大说明非有效单元（省）与有效单元（省）在能源使用上的差距越来越大，即中国省际间的能源利用水平不仅存在差距而且差距在不断扩大。

各省的节能减排比例虽能体现其技术水平，却不能体现对我国整体节能减排的作用。为了具体分析各省节能对中国整体节能的贡献，本文运用式（9）计算各省份所需的节能量占全国总节能量的绝对比例，并根据其大小进行归纳整理，如表6所示。在考虑经济与环境的关系后，东部地区和西部地区的多数省份的节能量占样本整体的比例不超过4%，而河北、山东、四川和山西的该比例均大于8%（图3），说明这4个省合计可减少的能源量超过了样本整体可减少的能源量的30%。综合该四省的相对节能比例，笔者认为我国在节能减排过程中应采取个体扶持、重点突破的政策。

图2 2005—2011年中国整体潜在节能量

图3 中国各省区能源减排量绝对比例

表6 中国各省能源减排量绝对比例分布情况

4 结论与启示

本文采用DEA模型将总能源效率划分为经济型能源效率和环境型能源效率，通过设定经济与环境的相互关系来改进原有的DEA能源效率模型，并与传统模型进行结果对比。研究发现：在传统方法中，DEA模型的求解过程具有自由选择权重的特点，其求解的全要素能源效率值往往将环境类产出的权重赋值为0，不符合实际经济意义；将经济与环境设定为同等重要时，我国各省的全要素总能源效率比基于传统模型所得的能源效率值有所下降，其均值降低约3.28%，这意味着我国各省需要减少更多的能源消耗才能达到理想目标的生产状态。同时，在经济与环境并重的前提下，中国的全要素能源效率存在明显的地区差异，即东部地区最高、西部地区居中、中部地区最低。山西、贵州和内蒙古的减排压力较大，需要减少自身60%以上的能源消耗；河北、山西、四川和山东的绝对减排量很大，其绝对减排量之和占全国绝对减排量的30%以上。

由于本文同时考虑了环境保护和经济发展的重要性，因此所得结论在政策层面有相对重要的意义。据此，笔者提出如下建议：第一，各省对经济与环境间关系的认识不同，其能源效率的计算结果不同，分析我国能源效率需要全面、综合考虑和统筹；第二，由于西部地区省份在环境保护方面具有优势，西部地区的全要素能源效率地区均值大于中部地区，因此建议我国在开发西部地区时要转变发展模式，直接引进最先进的生产技术和环保技术，尽量避免接受中部地区较落后的技术转移；第三，我国在节能减排过程中应采取个体扶持、重点突破的策略，集中改进河北、山西和四川等绝对减排量较大的省份；第四，加大国内省际间、国际地区间的能源技术交流，通过技术优势互补、管理优化学习提高我国的能源效率。

［1］ HU J L，WANG S C.Total-factor energy efficiency of regions in China［J］.Energy Policy，2006，34（17）：3206-3217.

［2］ MUKHERJEE K.Energy use efficiency in US manufac-turing：a nonparametric analysis［J］.Energy Economics，2008（30）：76-96.

［3］ 马海良，黄德春，姚惠泽.中国三大经济区域全要素能源效率研究——基于超效率DEA模型和Malmquist指数［J］.中国人口·资源与环境，2011，21（11）：38-43.

［4］ 黄德春，董宇怡.基于三阶段DEA模型中国区域能源效率分析［J］.资源科学，2012，34（4）：688-695.

［5］ 汪克亮，杨宝臣，杨力.考虑环境效应的中国省际全要素能源效率研究［J］.管理科学，2010，23（6）：100-111.

［6］ 王兵，吴延瑞，严鹏飞.中国区域环境效率与环境全要素生产率增长［J］.经济研究，2010（5）：95-106.

［7］ 杨俊，邵汉文，胡军.中国环境效率评价及其影响因素实证研究［J］.中国人口·资源与环境，2010，20（2）：49-55.

［8］ LI L B，HU J L.Ecological total-factor energy efficiency of regions in China［J］.Energy Policy，2012（46）：216-224.

［9］ FARE R，GROSSKOPF S，LOVERLL C A K，et al.Multilateral productivity comparisons when some outputs are undesirable：a nonparametric approach［J］.The Review of Economies and Statistics，1989，71（1）：90-98.

［10］ 孙广生，冯宗宪，曾凡银.DEA在评价工业生产环境效率上的应用［J］.安徽师范大学学报：自然科学版，2003，26（2）：112-116.

［11］ ZOFLO J L，PRITEO A M.Environmental efficiency and regulatory standards：the case of CO2emissions form OECD industries［J］.Resource and Energy Economics，2011，23（4）：63-83.

［12］ 王波，张群.环境约束下不同生产效率模型研究［J］.系统工程理论与实践，2002（1）：l-8.

［13］ YAISAWARNG S，KLEIN J.The effects of sulfur dioxide controls on productivity change in the U.S.electric Power industry［J］.Review of Economics and Statistics，1994，76（3）：447-460.

［14］ FARE R，GROSSKOPF S，TYTECA D.An activity analysis model of the environmental performance of firms-application to fossil-fuel-fired electric utilities［J］.Ecological Economics，1996，18（2）：161-175.

［15］ 张启平，刘业政，刁翠霞.面向社会经济发展水平的钢铁生产效率DEA动态评价［J］.系统工程理论与实践，2012，32（11）：2577-2584.

［16］ SEIOFD L.M，ZHU J.Modeling undesirable factors in efficiency evaluation［J］.European Journal of Operational Research，2002，142（1）：16-20.

［17］ FARE R，GROSSKOPF S.Modeling undesirable factors in efficiency evaluation：comment［J］.European Journal of Operational Research，2004，157（1）：242-245.

［18］ LEE J D，PARK J B，KIM T Y.Estimation of the shadow prices of pollutants with production environment in efficiency taken into account：a nonparametric directional distance function approach［J］.Journal of Environmental Management，2002，64（2）：365-375.

［19］ YU M M.Measuring physical efficiency of domestic airports in Taiwan with undesirable outputs and environmental factors［J］.Journal of Air Transport Management，2004，10（5）：295-303.

［20］ ZAIM O.Measuring environmental performance of state manufacturing through changes in pollution intensities：a DEA framework［J］.Ecological Economics，2004，48（1）：37-47.

［21］ HAYNES K E，RATICK S，CUMMINGS-SEXTON J.Pollution prevention frontiers：a data envelopment simulation［M］//KNAUP G L，KIM T J.Environmental program evaluation：a primer.Urbana：University of Illinois Press，1997.

［22］ REINHARD S，LOVELL C A K，THIJSSEN G J.Environmental efficiency with multiple environmentally detrimental variables：estimated with SFA and DEA［J］.European Journal of Operational Research，2000，121（2）：287-303.

［23］ 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952 -2000［J］.经济研究，2004，39（10）：35-44.

［24］ 熊永兰，张志强，曲建升.2005—2009年我国省级CO2排放特征研究［J］.自然资源学报，2012，27（10）：1766-1777.

［25］ 沈镭，刘立涛.中国能源可持续发展区域差异及其因素分析［J］.中国人口·资源与环境，2010，20（1）：17-24.

［26］ 徐盈之，管建伟.中国区域能源效率趋同性研究：基于空间经济学视角［J］.财经研究，2011（1）：112-123.

Analysis on Provincial Total Factor Energy Efficiency of China from Perspective of Environmental Protection

Liu Mingming1，Wang Zhen2，Zhang Baosheng1，Wei Xinqiang1
（1.School of Business Administration，China University of Petroleum，Beijing 102249，China；2.Academy of Chinese Energy Strategy，China University of Petroleum，Beijing 102249，China）

This paper divides energy efficiency into economical energy efficiency and environmental energy efficiency in the framework of total factor，and sets the DEA model on the premise of laying equal stress on economical energy efficiency and environmental energy efficiency，and measures the total energy efficiencies，economical energy efficiencies and environmental energy efficiencies of 29 provinces from 2005 to 2011 by using DEA model and the panel data.It is found as follows：the energy efficiency in the consideration of environmental factors is lower than that based on the traditional method；due to the inefficiency of environmental protection，the TFEE in the central area is lower than that in the western area；the energy saving potentials of Hebei，Shandong，Sichuan and Shanxi are the greatest，and together accounts for more than 30%of China′s total energy saving.

total factor productivity；energy efficiency；energy-saving and emission-reduction；DEA

F206

A

1002-980X（2014）03-0060-08

2013-10-10

国家社会科学基金重大项目“基于中国石油安全视角的海外油气资源接替战略研究”（ZD164）；国家社会科学基金重大项目“非常规油气开发利用对国家能源安全及社会经济的影响”（13&ZD159）

刘明明（1987—），男，山东临沂人，中国石油大学（北京）工商管理学院博士研究生，研究方向：能源系统工程；王震（1969—），男，甘肃会宁人，中国石油大学（北京）中国能源战略研究院常务副院长，研究方向：能源金融、能源系统工程；张宝生（1957—），男，吉林桦甸人，中国石油大学（北京）工商管理学院教授，博士生导师，研究方向：能源系统工程、能源战略管理；魏新强（1986—），男，河北衡水人，中国石油大学（北京）博士研究生，研究方向：能源系统工程。

① 本文为北京市优博论文资助项目“能源系统DEA方法体系”（20121141402）。