中国节能减排潜力测度与优化路径

郭玲玲，武春友

（大连理工大学 管理与经济学部，辽宁 大连 116024）

1 研究背景与文献回顾

随着城市化和工业化进程的不断加快，中国能源需求量日趋增大、能源供需矛盾日益突出。提高能源效率、推进节能减排日益受到国际社会的广泛关注，并成为学术界的研究热点。“十一五”期间中国的节能减排目标是单位GDP能耗降低20%。然而，截至2010年底中国的实际降耗为19.1%，未能完成计划目标。那么，导致计划目标未能实现的原因是什么？在“十二五”规划纲要中，中国政府提出了2015年单位GDP 能耗降低16%的目标。虽然相比“十一五”期间的节能减排目标有所降低，但是能源使用和环境污染的累积效应使得该目标的实现仍有一定难度。本文对中国各地区的节能减排潜力进行测算，并对其演化特征进行分析，以期找到中国各地区节能减排的重点与差异，为国家因地制宜地制定各地区的节能减排目标提供科学依据。

1983年Meier、Wright和Rosenfeld［1］首次对节能减排进行评价，但由于所构建的评价模型对数据精确性的要求较高，因此其应用范围受到一定限制。1989年Fare、Grosskopf和Lovell等［2］基于全要素生产理论提出了数据包络分析（data envelopment analysis，DEA）法，为能源效率和节能减排的量化研究提供了一种十分有效的方法。目前国内外学者运用DEA 模型进行了大量研究。例如：2006年Hu和Wang［3］最先利用DEA 模型对中国各地区的能源效率进行了比较分析，结果表明中国东部地区的能源效率最高、中部地区的能源效率最低；Hu和Kao［4］基 于DEA 模型对1991—2000 年APEC（Asia-Pacific Economic Cooperation，亚太经济合作组织）经济体的节能目标率进行了分析，结果发现中国的节能潜力相比之下是最大的；金培振、张亚斌和李激扬［5］运用超效率DEA 模型对1995—2007年中国与10 个OECD（Organization for Economic Cooperation and Development，经济合作与发展组织）国家的能源效率和节能潜力进行了对比分析；Voltes-Dorta、Perdiguero 和Jiménez［6］利 用DEAMalmquist指数法计算和预测了西班牙汽车制造商的节能潜力，发现绝大多数公司能实现欧盟委员会设定的2015 年的排放目标，27%的公司能实现2020年的目标，3%的公司能实现2025年的排放目标；Olanrewaju、Jimoh 和Kholopane［7］将指数分解分析法、人工神经网络和DEA 法相结合，对南非11个能源密集型工业部门的能源消耗和可能的节能潜力进行了测评和分析；余泳泽［8］、王蕾、魏后凯和王振霞［9］、Guo、Lei和Ying等［10］、Bian、He和Hao［11］分别利用DEA 模型从不同角度对中国各省区的节能减排潜力进行了测算和分析；王小兵、雷仲敏和张正河［12］以中国东北地区为研究对象，运用DEA 模型对“十一五”期间东北三省的节能能力、SO2和COD 的削减能力进行了定量分析；郭彬和逯雨波［13］利用超效率DEA 模型对中国中部六省的节能减排效率进行了计算，结果表明中国中部六省的节能减排整体水平不高、节能减排潜力很大；刘明明、王震和张宝生等［14］运用DEA 模型对2005—2011年中国29个省（自治区、直辖市）的经济型能源效率和环境型能源效率进行了计算，结果表明河北、山东、四川和山西的节能潜力最大，其节能减排量占中国总节能减排量的30%以上；何晓萍［15］、孙广生、杨先明和黄祎［16］运用DEA 模型对中国工业部门的节能潜力进行了研究，发现工业部门将是中国未来节能工作的重点部门。

上述研究成果为本文研究奠定了良好的理论和实证基础。然而，笔者通过整理分析发现：在全要素框架下，现有研究未能综合考虑能源消耗、污染物排放等因素，这易造成节能减排潜力的测算结果不准确；现有研究多为针对某一时段开展的静态研究，缺乏对不同时段的动态研究，这造成无法准确地掌握中国节能减排的变动情况和发展趋势。

鉴于此，本文在综合考虑能源消耗和污染物排放的基础上，构建测算区域节能与减排潜力的DEA模型，结合1996—2010年的指标数据，对中国30个省（自治区、直辖市）①因缺少西藏的能源数据，故未考察西藏的节能减排潜力。此外，研究样本不包括我国港澳台地区。的节能减排潜力进行计算，并根据计算结果进行节能与减排潜力类型划分，然后运用ArcGIS10.0软件分析中国各省（自治区、直辖市）节能减排潜力的时空演变，找到各省（自治区、直辖市）节能减排的最优路径与今后的工作重点，最后依据研究结果为中国节能减排工作的顺利开展提供切实可行的政策建议。

2 理论模型

DEA 最早是由Charnes、Cooper和Rhodes基于Farrell的思想、在固定规模报酬假设下提出的一种效率测度方法，用于评价决策单元（decision making unit，DMU）的技术效率［17］。DEA 模型凭借易于理解、操作简单等优点而被广泛应用于理论创新与实际应用中［18］。本文 参考Hu 和Wang［3］的思路，利用DEA 方法建立基于投入导向的节能潜力模型和基于产出导向的减排潜力模型。

2.1 基于投入导向的节能潜力模型

图1为全要素能源效率模型。图1中：SS′为单位化的等产量曲线，投入要素为资本、劳动和能源；点A、B、C和D为有效率点，点A′位于生产前沿曲线上方，表示获得同样的产出水平需要投入更多资源，即存在效率损失；从A′到A可达到技术前沿，点C为生产的帕累托最优点，点A到点C存在配置不当造成的能源浪费；点A′的要素无效损失包括两部分——技术无效导致的投入过量AA′（其中能源过度投入量为A′A″）和配置不当导致的松弛量AC，因此参照点C可知所需调整的能源投入量为A′A″+AC，该值越大说明生产中能源浪费得越多、该点效率越低；点A′的相对效率等于有效投入量与实际投入量的比值，而实际投入量减去有效投入量即无效投入量。节能潜力的计算公式如下：

式（1）中：Pi，t为t年i地区的节能潜力；Ei，t为t年i地区的全要素能源效率；LIi，t为t年i地区的损失能源量，即可节约的能源量；AIi，t为t年i地区的实际能源投入量；TIi，t为t年i地区的目标能源投入量。Pi，t值越大，表明t年i地区的能源浪费量越大，其节能潜力就越大。

图1 全要素能源效率模型

2.2 基于产出导向的减排潜力模型

实际生产过程中不可避免地会产生非期望的污染物。本文借鉴魏楚、杜立民和沈满洪［19］以及余泳泽［8］的做法，利用乘法逆转换（MLT）法对污染物进行转换，转换后的数据可用于正常的产出函数。基本思路如下：根据Banker等的定义，设生产技术集选取函数对非期望产出B进行转换；取k=1，此时可将生产技术集定义为T′=（f（B），v）。由此，减排潜力的计算公式为：

式（2）中：AOi，t代表t年i地区的实际污染排放量；TOi，t代表t年i地区的目标污染排放量。Qi，t值越大，表明t年i地区的污染排放量越多，其减排潜力就越大。

3 实证研究

3.1 指标选取和数据来源

参照道格拉斯生产函数Y=A（t）LαKβμ（其中，A（t）为技术水平，L为劳动力，K为资本），本文选取的投入指标和产出指标如下：

1）投入指标。

①资本。以“资本存量”作为资本投入指标。参考张军、吴桂英和张吉鹏［20］以及单豪杰［21］的做法，以1978年为基年，利用永续盘存法估算相应年份的各省（自治区、直辖市）的资本存量，单位为万元。

②劳动。以“年均从业人数”作为劳动投入指标。“年均从业人数”等于前年底的从业人数与本年底的从业人数的平均值，单位为万人。

③能源。用各省（自治区、直辖市）的一次能源消耗总量作为能源投入指标，单位为万吨标准煤。

2）产出指标。

①生产总值。以1996 年为基年，对历年各省（自治区、直辖市）的GDP 进行平减，得到对应年份的GDP实际值，单位为万元。

②工业污染指数。用工业废水排放量、工业固体废物产生量和工业废气排放量作为工业污染产出。为避免指标个数过多影响模型的合理性，采用熵值法［22］将3个污染指标综合为一个污染指数，将之作为污染产出指数。

③碳排放。将能源消耗的主要产出物——二氧化碳排放量纳入模型。利用国家发展和改革委员会能源研究所发布的碳排放折算系数计算碳排放量，单位为万吨。

工业污染和碳排放均为非期望产出。为了确保模型的合理性，本文通过取其倒数将之转化成为期望产出而纳入模型。

本文所用的指标数据主要来源于1997—2011年的《中国统计年鉴》、《中国能源统计年鉴》和《中国城市统计年鉴》以及《中国国内生产总值核算历史资料：1952—1995》和《中国国内生产总值核算历史资料：1952—2004》，以确保统计口径的一致性和数据的可比性。

3.2 节能潜力评价

利用DEAP2.1 软件计算中国30 个省（自治区、直辖市）的全要素能源效率（见表1），并在此基础上利用式（2）计算各省（自治区、直辖市）的节能潜力（见表2）。

由表1 可知：1996—2010年上海、福建和海南的全要素能源效率值一直为1，即一直处于最优前沿面上，说明这三个省市的能源利用水平相对最高；江苏（0.940）、广东（0.929）、天津（0.908）和青海（0.954）等省市的能源利用水平也较高；贵州（0.433）、陕西（0.494）和云南（0.500）三个欠发达省份的全要素能源效率值均小于或等于0.5，表明它们具有较大的能源节约空间，其能源利用方式有待调整。

表2 1996—2010年中国可节约能源量和节能潜力

从表2 可知，中国节能潜力的省际差距较大。节能潜力年均值超过50%的有贵州、甘肃、青海、宁夏、山西、陕西和云南等经济欠发达省份，与上海、福建、江苏、广东和天津等节能潜力较小的发达省份相比，这些省份因资源配置不当、技术水平落后等原因而白白浪费掉近一半的能源投入。处于前沿曲线上的上海、福建和海南的可节约能源量为0，但这并非意味着这三个省市不存在能源浪费，而是表示这些省市相比其他省份在当前的技术条件下无法实现进一步的能源节约，如果引入其他发达国家或地区的数据，该数值将发生变化。

从可节约能源量看，河北、山西、山东、河南和四川等是中国的“节能大省”，其可节约能源量均超过了4000万吨标准煤。在“九五”期间、“十五”期间和“十一五”期间，这五省的可节约能源量占全国可节约能源总量的比例分别为37.28%、40.96% 和42.22%。“九五”期间、“十五”期间和“十一五”期间，全国节能总量分别为237369.90 万吨标准煤、293695.94万吨标准煤和444719.3万吨标准煤，分别占当期实际能源消耗总量的34.23%、31.14%和30.41%。这说明，中国能源浪费现象并没有得到有效改善，中国仍存在较大的节能空间。

虽然“十一五”期间中国基本完成了节能目标，但是与原定目标（20%）仍存在一定差距。那么，“十二五”期间中国的节能目标能否顺利完成呢？根据国家公布的各省节能目标［23］可知，山西、内蒙古和吉林等是“十一五”期间中国的重点节能省份。然而，从表2可看出：吉林省对国家节能目标实现的贡献率不是很高，仅为2.2%，也就是说该省的节能潜力并未被充分挖掘，吉林省继续是“十二五”期间中国节能工作的重点区域。除上述3个省份外，河北、辽宁、山东、河南、四川和贵州等对中国节能目标实现的贡献率也较大。综上，上述9个省份应成为“十二五”期间中国节能工作的重点区域。

3.3 减排潜力评价

根据式（2），可计算出各省（自治区、直辖市）的可降低污染物排放量、减排潜力以及当年可降低污染物排放量占全国可降低污染物排放总量的比重，结果见表3。

表3 1996—2010年中国减排潜力和可降低污染物排放量

由表3 可知：减排潜力较大的省份有河北、山西、河南、四川、贵州、云南、陕西和甘肃等重化工省份，1996—2010 年其减排潜力的年均值皆超过40%，是中国的“减排大省”，存在较大的减排空间。其中，河北和四川两省对全国减排目标实现的贡献率最大，其可降低污染物排放量占比均接近10%。以2010年为例，上述10个省份的可降低污染物排放量占全国可降低污染物排放总量的53.34%。

从整体水平看，1996—2010年期间全国年均可降低污染物排放量为640543.2 万吨。其中，1996年、2003年和2010年的该数值分别为682279.6万吨、572628.1万吨和717894.6万吨，分别占全国实际排放量的28.79%、22.41%和21.15%。该结果表明，虽然1996—2010年期间中国的可降低污染物排放量有所起伏，但是整体上呈上升趋势，各省区的减排潜力一直保持在20%～30%，并没有出现较大起伏。从地区角度看，西部地区的减排潜力（约为40%）最高，其次是中部地区（约30%）和东部地区（约10%）。从减排贡献率看，中、西部地区的贡献率较大，均超过了30%，但随着时间的推移而减小，最终出现东、中、西部地区的贡献率持平的局面，即各占1/3。

3.4 时空演进分析

根据1996—2010年中国30个省（自治区、直辖市）的节能潜力和减排潜力的年均值和标准差值，本文对中国节能潜力和减排潜力的等级类型进行划分，见表4。

表4 节能潜力和减排潜力的等级类型划分

本文运用ArcGIS10.0软件绘制中国节能潜力和减排潜力的时空演变图（见图2）。

图2 1996年和2010年中国节能潜力的时空演变

图3 1996年和2010年中国减排潜力的时空演变

图2为1996年和2010年中国节能潜力的空间分布图。由图2a可知：中国中部地区的能源利用水平最低，多数省份的能源利用属于“粗放利用”型，而东部地区多数省份的能源利用属于“有效利用”型和“高效利用”型。从图2b可看出：除东南沿海地区的上海、海南、福建和广东四个省市一直保持能源“高效利用”外，其他省份的能源利用水平都有所上升、节能潜力有所下降。2010年能源“粗放利用”型省份主要集中在中国的西南部地区。这表明，节能重点区域有从中部地区向西部地区转移的倾向，在空间上形成了明显的“西-中-东”阶梯状分布格局。综上：中国“能源诅咒”现象未能得到明显缓解，东、西部地区的能源效率差距逐渐加大，这无形中增加了中国节能目标实现的难度。

图3为1996年和2010年中国减排潜力的空间分布图。从图3a可看出：对污染物进行严格、适当控制的省份较少，零星地散布在东南沿海地区和西北地区，而其污染控制属于“不当控制”型和“疏忽控制”型的省份较多，集中分布在西南地区和东北地区。由图3b可知：污染控制属于“疏忽控制”型的省份明显减少、“适当控制”型的省份明显增多，与1996年相比，2010年“适当控制”型省份和“严格控制”型省份呈向东北地区、东南部地区扩展趋势。整体上，中国的减排潜力形成了明显的“西-中-东”阶梯状分布格局。

根据上述结果，不难发现：1996—2010 年期间中国政府对能源使用和污染排放的监管取得了明显成效。但是，这并不代表我们可以放松警惕、削弱监管力度，其原因在于：一是污染物累积效应，即工业污染物不能被一次性完全消除，其残留物会不断累加，从而产生“累积效应”，其对环境的危害会不断加重；二是现阶段中国的技术水平，即国民经济的快速发展使能源消耗量不断增加，但中国能源使用技术和污染物处理技术并不能与之相适应，导致排放污染物的数量和危害性都很大。

4 节能减排优化路径设计

根据表4所示的节能潜力和减排潜力的等级类型，绘制二维矩阵图（见图4），分析中国各省（自治区、直辖市）的节能减排优化路径。

图4 中国节能潜力和减排潜力的二维矩阵图

通过分析发现：中国30个省（自治区、直辖市）中落在A 区、属于低节能潜力和低减排潜力的省份共有8个，既有天津、上海、江苏、浙江、广东和福建等经济发达省市，也有黑龙江和海南等欠发达省份；青海和北京位于B区，辽宁位于D 区，其余19个省份都落在C区，即属于高节能潜力和高减排潜力的区域。总体上，落在A 区和C 区的省份较多，表明中国节能潜力和减排潜力的“两极化”较为明显、差距较大。

根据所在区域的不同，各省区应采取不同的节能减排对策。

①高效严控型（A 区）。此类型省份无论在能源效率还是在减排效率上都具有较高水平，那些做法突出的省份是其他省份实施“对标管理”的对象。

②粗放严控型（B 区）。此类型省份的污染物排放控制水平较高，但其节能效率较低。为了确保“B→A”单边突破路径的实现，这些省份在不降低减排控制力度的同时，应加强节能利用水平的提升。

③粗放失控型（C 区）。此类型省份的能源效率和减排效率均较低，存在巨大的资源浪费和严重的环境污染，是中国需要重点监管的地区。此类型省份可选择的优化路径既有渐进式的（“C→B→A”或“C→D→A”），也有飞跃式的（“C→A”）。渐进式路径是一个将区域的“减排”或“节能”优势发挥到最大以弥补劣势、最终使之进入A 区的扬长避短的过程。飞跃式路径是一个区域经济实力、科学技术实力等累积到较高水平而厚积薄发的过程。

④高效失控型（D 区）。此类型省份的能源利用水平较高，但其减排效率较低。这些省份可采取“D→A”的单边突破路径，即以减少污染物排放为突破口，加强监控、提升减排效率。

5 结语

5.1 结论

本文利用Deap2.1软件测算了1996—2010年中国30个省（自治区、直辖市）的节能潜力和减排潜力，进而运用ArcGIS10.0软件分析各省份节能减排潜力的时空演进情况，在此基础上设计各省份节能减排的优化路径。所得研究结论如下：

第一，在节能潜力方面，1996—2010 年期间贵州、甘肃、青海、宁夏、山西、陕西和云南等省份的节能潜力年均值均接近或超过50%，河北、山西、山东、河南和四川等省份的可节约能源量占全国可节约能源总量的比重均超过40%，说明上述省份是中国的“节能大省”。

第二，在减排潜力方面，1996—2010 年期间河北、山西、河南、四川、贵州、云南、陕西和甘肃等省份的减排潜力年均值均超过40%，这些省份是中国的“减排大省”。另外，从地区角度看，西部地区的减排潜力最高，其次为中部地区和东部地区。随着时间的推移，东、中、西部地区的减排贡献率持平，即各占1/3。

第三，从时空演进的角度看，节能潜力和减排潜力的空间分布呈明显的“西-中-东”阶梯状格局，两者的唯一不同之处是节能重点省份由中部地区向西部地区转移，而减排重点从西南部、东北部地区向西部地区移动。

第四，在优化路径设计上，落在A 区的省份是国内其他省份实施“对标管理”的对象；落在B 区和D 区的省份可采取“B→A”或“D→A”的单边突破路径实现节能减排目标；落在C 区的省份是中国重点监控省份，可选择的优化路径有渐进式（即“C→B→A”或“C→D→A”）和飞跃式（即“C→A”）两种。

5.2 政策建议

根据所得结论，为确保“十二五”期间中国节能减排目标的实现，笔者提出以下政策建议：

第一，建立节能减排监管系统。为实现政府部门及时了解各省份的节能减排工作，建议建立国家节能减排监测系统。通过对能源使用、污染排放等数据进行统计分析与定期发布，实现对各省份的节能减排工作进行实时监控。根据监控结果，对各省份实行相应的奖惩，并将奖惩结果在全国范围内公布，实现信息的公开透明化，以调动开展节能减排的积极性。

第二，建设节能减排技术交流平台。由结果可知，中国的节能大省和减排大省均分布在西部地区，而出现这种现象的主要原因是西部地区的技术落后。因此，建议国家相关部门建立节能减排技术交流平台，借助平台的力量来加强东、西部地区的技术合作，帮助西部地区通过科技创新来实现能源效率的提高和对外排放污染物的降低。

第三，加快清洁能源和新能源使用。中国能源效率低下、环境污染严重主要源于中国以煤、石油等化石燃料为主的传统能源结构和粗放型生产方式。因此，应积极改变中国现有的能源结构，加快清洁能源、再生能源以及新能源的开发与应用，推动能源结构的多元化发展。

［1］MEIER A，WRIGHT J，ROSENFELD A H.Supplying Energy through Greater Efficiency［M］.Berkeley：University of California Press，1983.

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

［3］Hu Jin-Li，Wang Shih-Chuan.Total-factor energy efficiency of regions in China［J］.Energy Policy，2006，17（34）：3206-3217.

［4］HU J L，KAO C H.Efficient energy-saving targets for APEC economics［J］.Energy Policy，2007，35（1）：373-382.

［5］金培振，张亚斌，李激扬.能源效率与节能潜力的国际比较——以中国与OECD 国家为例［J］.世界经济研究，2011（1）：21-27.

［6］VOLTES-DORTA A，PERDIGUERO J，JIMéNEZ J L.Are car manufacturers on the way to reduce CO2emissions？A DEA approach［J］.Energy Economics，2013（38）：77-86.

［7］OLANREWAJU O A，JIMOH A A，KHOLOPANE P A.Assessing the energy potential in the South African industry：a combined IDA-ANN-DEA（Index Decomposition Analysis-Artificial Neural Network-Data Envelopment Analysis）model［J］.Energy，2013（63）：225-232.

［8］余泳泽.我国节能减排潜力、治理效率与实施路径研究［J］.中国工业经济，2011（5）：58-68.

［9］王蕾，魏后凯，王振霞.中国区域节能潜力估算及节能政策设计［J］.财贸经济，2012（10）：130-136.

［10］GUO X D，LEI Z，YING F，et al.Evaluation of potential reductions in carbon emissions in Chinese provinces based on environmental DEA［J］.Energy Policy，2011（39）：2352-2360.

［11］BIAN Y W，HE P，HAO X.Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended non-radial DEA approach［J］.Energy Policy，2013（63）：962-971.

［12］王小兵，雷仲敏，张正河.中国区域节能减排能力测度与政策推进——以东北地区为例［J］.中国人口·资源与环境，2011，21（6）：83-88.

［13］郭彬，逯雨波.我国中部六省节能减排效率测评及其影响因素分析［J］.技术经济，2012，31（12）：58-76.

［14］刘明明，王震，张宝生，等.环保视角下中国省际全要素能源效率分析［J］.技术经济，2014，33（3）：60-67.

［15］何晓萍.中国工业的节能潜力及影响因素［J］.金融研究，2011（10）：34-46.

［16］孙广生，杨先明，黄祎.中国工业行业的能源效率（1987—2005）——变化趋势、节能潜力与影响因素研究［J］.中国软科学，2011（11）：29-39.

［17］CHARNES A，COOPER W，RHODES E.Measuring the efficiency of decision making unites［J］.European Journal of Operational Research，1978，2（6）：429-444.

［18］郭京福，杨德礼.生产前沿参数方法与非参数方法的比较研究［J］.系统工程理论与实践，1998（11）：31-35.

［19］魏楚，杜立民，沈满洪.中国能否实现节能减排目标：基于DEA 方法的评价与模拟［J］.世界经 济，2010（3）：141-160.

［20］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（10）：35-44.

［21］单豪杰.中国资本存量K 的再估算：1952—2006年［J］.数量经济与技术经济研究，2008（10）：17-31.

［22］臧传琴，刘岩.山东省全要素能源效率及其影响因素分析［J］.中国人口·资源与环境，2012，22（8）：107-113.

［23］国务院.国务院关于“十一五”期间各地区单位生产总值能源消耗降 低指标 计划［EB/OL］.［2006-09-17］.http：//www.gov.cn/gongbao/content/2006/content ＿443285.htm.