基于 SBM 模型的中国省际全要素能源效率和污染排放效率研究

高建刚

一、问题提出

改革开放以来，中国经济发展取得了举世瞩目的成就，GDP年均增长率在 9%以上，远远高于同期发达国家水平，也高于同期新兴工业经济体，但中国的经济发展仍然承袭着高投入、高能耗、高污染的粗放式经济增长模式。为了实现经济可持续发展，中国政府适时提出了建设两型社会的发展理念，并为此提出了许多具体节能减排目标。例如《“十二五”节能减排综合性方案》指出，到2015年，中国万元国内生产总值能耗比 2010年下降16%，全国化学需氧量和二氧化硫排放总量分别下降8%，单位GDP二氧化碳排放比 2010年下降17%。但2011年节能减排目标没有完成，完成“十二五”节能减排目标任务仍然艰巨，节能减排形势仍然严峻。如何提高能源效率和排放效率仍是今后节能减排工作的重中之重。

研究中国能源效率的文献，按其先后顺序，大约可以分为两支。较早出现的一支文献主要是使用单要素能源效率的概念如单位GDP耗能指标或者能源强度进行能源问题的有关研究。单要素能效指标简单易懂、运用便捷，但存在不少问题。如单位GDP耗能指标不能反映不同产业的能效差别和发展变化；此外，这一指标也不能反映资本、劳动等其他生产要素对能源投入的替代效应。针对这些缺点，第二支文献即全要素能源效率的概念和指标的研究得以出现。全要素能效指标可以使用不同的方法测算，其中一类是参数法，以随机前沿函数（SFA）为代表，另一类是非参数法，以DEA方法为代表。综观这两类实证文献，以DEA方法的实证文献占了主流（Hu & Wang，2006；魏楚和沈满洪，2007；师博和沈坤荣，2008；屈小娥，2011；Lee et al.2011；李兰冰，2012），只有少量文献使用 SFA 方法（史丹等，2008； 杨红亮和史丹，2008）考察全要素能源效率。从现有文献来看，研究能源效率的有关文献技术上比较成熟，研究成果较为丰硕。近期出现的一大宗文献则把焦点放在中国环境效率评估方面（王兵等，2008；陈诗一，2009；李静，2009；王群伟等，2010；徐盈之、管建伟，2011； 沈能；2012），主流方法仍然采用 DEA 模型。

采用DEA方法对效率进行评价，关键在于产出和指标选取。传统DEA模型设定上（无论是CCR模型还是BCC模型），大多是假定产出集合以及投入产出项具有强可处置性质（Zhou et al.，2008），并且生产者希望产出均是期望产出或者“好的”产出。然而，实际生产过程不但可能存在拥挤、不经济的阶段，而且可能存在非期望产出或者“坏的”产出，如造纸厂生产纸张的过程中也排放废水，火力发电厂供电时也伴随排放空气污染物。这些非期望产出必须尽可能减少，才能实现最佳经济效率，而传统的DEA模型却只能使之增加，违背了效率评价的初衷。为了使用DEA评价技术衡量包括非期望产出的经济效率，一些学者从方法论上对此做了有益的尝试。如 Pittman et al.（1983）把非期望产出作为影子价格处理，Fare et al.（1989）利用弱可处置性的概念，提出了一个非线性规划的方法处理污染变量，但非线性规划使用极为不方便，应用受到很大限制。Hailu（2001）则把非期望产出作为投入项来处理，这一方法虽然能够尽可能减少非期望产出，但却不符合实际生产过程。Seiford & Zhu（2002）将非期望产出乘以-1，然后寻找合适的转换向量将负的非期望产出转换为正值。这一方法加入了一个很强的凸性约束，使其只能在规模报酬可变的情况下求解，一旦取消这一约束条件，线性规划可能无解。Fare et al.（2003）提出了一个产出角度的方向距离函数法，较好地解决了非期望产出的效率评价问题，但本质上仍属于DEA模型中的径向和产出角度衡量方法，不能充分考虑投入产出的松弛性问题，度量的效率值也是有偏差的。

为此，Tone（2001，2003）提出了解决这一问题的非径向和非角度的SBM模型。与传统DEA模型（包括CCR和BCC模型）相比，SBM模型把松弛变量（投入冗余或产出不足）直接放入到了目标函数中，此举一方面解决了松弛性问题，另一方面也解决了非期望产出下的效率评价问题。此外，SBM模型属于DEA模型中的非径向和非角度的衡量方法，它能够避免径向和角度选择的不同带来的偏差和影响，比其他模型更能体现效率的本质。本文使用由Tone（2003）提出的可以处理非期望产出的SBM模型（SBM-Undesirable）评价中国 “十五”、“十一五”的 10 年间（2001～2010）30个省份的全要素能源效率；其次，借鉴全要素能源效率的概念，提出全要素排放效率的概念和衡量指标，并对中国30个省份的污染排放效率进行评价；最后，运用 Tobit面板模型进行实证分析，分析中国30个省份和三大区域能源效率以及污染排放效率的影响因素，并对我国节能减排政策提出有关建议。

二、效率概念、指标与数据来源和处理

(一）效率概念和指标

1.全要素能源效率

本文的全要素能源效率衡量同时考虑径向调整和松弛调整。Hu & Wang（2006）使用全要素能源效率指标，但其产出指标只包含实际 GDP，忽略了生产过程中产生的污染物等非期望产出。为此，本文将原始全要素能源效率指标进行修正，设定投入要素仍为劳动、资本以及能源，但在产出变量中同时考虑期望产出和非期望产出（包括工业二氧化硫、生活二氧化硫、工业烟尘、生活烟尘、工业粉尘），以求得更精确的产出前沿。与以往文献不同，本文的非期望产出没有选择二氧化碳，这是因为二氧化碳并不直接影响生存环境，不会造成环境污染，只可能带来潜在的“温室效应”，故未选择二氧化碳作为非期望产出。

2.全要素排放效率

本文将 Hu& Wang（2006）提出的全要素能源效率的概念进行引申，提出全要素排放效率（TFME）的概念。TFME 的衡量同时包括径向调整和松弛调整，定义“全要素排放效率”：

该指标说明某地区i在第t年的全要素排放效率。MRTR数值越小，污染排放越无效率，该地区污染物排放数量需要减少更多，才可以提升全要素排放效率。

(二）数据来源和处理

本文所需数据来自2001年～2010年《中国统计年鉴》及有关年份的《中国能源统计年鉴》、《中国环境统计年鉴》、《中国区域经济统计年鉴》（数据期间为2001年～2010年，截面单位包括除西藏外的中国30个省份，共计样本点300个），对缺失数据我们进行了平滑处理。投入变量包括：各地区历年年末的职工人数（万人）、实际资本存量（亿元）、各地区能源消费总量（万吨标准煤）；产出变量包括两类：期望产出为各地区实际GDP（亿元）；非期望产出包括：各地区工业二氧化硫排放量（万吨）、生活二氧化硫排放量（万吨）、工业烟尘排放量（万吨）、生活烟尘排放量（万吨）和工业粉尘排放量（万吨）。实际资本存量、实际 GDP 均按2000年不变价格进行调整。比较复杂的是资本存量的计算，2001年～2006年的实际资本存量我们按照单豪杰（2008）的数据进行了平减计算，其余4个年份即 2007年～2010年的数据我们采用永续盘存法以下述公式进行计算得出：

各变量描述性统计见表1。

表1 2001年～2010年中国投入和产出的描述性统计

三、分地区能源效率和排放效率

（一）能源效率

1.整体技术效率。首先分析各地区的整体技术效率（见表2）。为凸显非期望产出变量对效率测算的影响，我们用两个模型进行对比分析。模型1的投入变量为各省份的劳动、固定资本、能源消费总量，产出变量为各省份实际 GDP。模型2的投入变量同模型1，但产出变量除了包含实际GDP外，还包括非期望产出变量。

表2 2001年～2010年中国平均整体技术效率值

模型1采用 Hu & Wang（2006）衡量整体技术效率的方式来计算（顺便指出，很多文献计算的所谓全要素能源效率实际上是本文此处的技术效率，而这样的全要素能源效率实际上也可以称作全要素资本/劳动效率，并非真正的全要素能源效率）。研究发现，中国整体技术效率在研究期间表现出先升后降的趋势（在达到 2004 年的峰值 0.731 后，2005 年又开始下滑至 0.671），整个“十五”期间，整体技术效率从 0.694 下降至 0.671，下降 3.28%；“十 一五”期间，整体技术效率从 0.681 下降至 0.634，下降 6.88%；十年间，整体技术效率下降 8.62%。模型2采用的投入变量和模型1相同，期望产出同为实际GDP，但在模型2中考虑了工业二氧化硫等非期望产出。我们采用的计算方法是非径向、非导向且含有非期望产出的超效率 SBM-Undesirable模型，规模报酬采取一般化的（Generalized）形式。由表2和图1可以看出，当考虑了非期望产出后，中国的整体技术效率有下降的趋势，平均水平大致在0.531左右，而不考虑非期望产出的模型1，中国整体技术效率水平则在0.685左右。可见，若不考虑非期望产出，会导致高估中国的整体技术效率水平，导致效率评价失真。两个模型技术效率值之间的差距正好可以体现出非期望产出对整体效率的不利影响。由于模型1有高估效率的倾向，因此在后文中，本文均采用模型2分析。根据模型2计算的2001年中国平均整体技术效率值为0.539，在2010 年则下降为0.509。十年间，中国整体技术效率下降 5.57%。

图1 2001年～2010年间中国平均整体效率趋势图

表3 2001年～2010年中国30个省份能源效率

2.各地区的能源效率。2001年～2010年间，中国30个省份的能源效率表现参见表3。可以看出，在研究期间，上海、广东、北京、海南、江苏、福建、浙江、天津、江西与安徽处于中国能源效率表现前10名。这10个省份，除了江西、安徽属于中部地区外，其他省市均属于东部地区。2001年～2010年间，上海、广东、北京与海南的能源效率均位于效率前沿，天津的能源表现逐年改善，2003年～2010年间达到了能源效率。产生上述现象的原因可能是：中国各地区的资源禀赋与能源消费有明显的地域差别。北京、上海、广东、江苏、浙江、福建、天津等属于经济发达地区，能源消费量大，但是能源产量不足，必须依赖长距离能源输送，如西电东输等，才足以应付能源需求。在先天能源生产量不足、后天庞大的能源需求情况下，上述地区资源硬约束强，因而达到能源效率前沿。

贵州、内蒙古、青海、山西、宁夏是能源效率表现最差的五个地区。长期以来的粗放经济增长模式，加上工业管理水平和生产设备落后，导致这些地区的能源效率偏低，平均能源效率值仅为0.256。这些地区位于西部，是中国重要的能源生产基地和输出基地，经济发展主要依赖煤炭资源，尤其是高能耗的冶金、石化工业等行业使用煤炭的比例更高，导致单位GDP耗能过高，能源效率偏低。

(二）主要污染物的排放效率

1.主要污染物的排放效率。2001年～2010年各污染物的排放效率见表4。从表4可以看出，中国在减少污染排放方面并未取得明显的成效。和2001年相比，“十五”期末的2005年，除工 业二氧化硫外，其他污染物的排放效率都呈现下降的情形。整个“十五”、“十一五”期间，总排放效率在2001年为0.440，之后虽有短暂上扬，至2010年排放效率达到0.405，但仍未 恢复到 2001年的水平，10年间总排放效率仍呈现下降趋势。各项污染物的排放效率，以工业二氧化硫为最高，其平均排放效率为0.490；生活二氧化硫的排放效率最低，为0.378。整体来看，中国环境污染依然严重，必须更严格执行污染排放政策，以如期实现减排任务。

表4 2001年～2010年主要污染物排放效率

图2 各年度排放效率趋势图

2.分地区排放效率。表5为中国30个省份2001年～2010年的排放效率。全国排放效率为0.418，表明中国在减排工作方面仍面临艰巨任务。经济发达地区的排放效率相对较好，北京、上海、广东及海南等四地区，在研究期间排放效率值为1，均达到排放效率前沿。其他地区如天津、浙江和江苏等的排放效率均在0.8以上，也属于排放效率较好的地区。山西、宁夏、贵州、内蒙古、甘肃等五地区的排放效率最低。结合各地区的能源效率表现，可知中西部地区的山西、宁夏、贵州及内蒙古等四地区，无论在排放效率还是能源效率方面均无效率。

各项污染物的排放效率方面，整体而言，工业二氧化硫排放效率达到0.490，是所有五项污染物中排放效率最高的，说明中国在工业二氧化硫的排放方面控制较为成功。北京、上海、广东及海南工业二氧化硫的排放效率最好，位于效率前沿，其效率值均为1。山西、内蒙古、贵州与宁夏等四地区工业二氧化硫的排放效率最差，平均效率在0.20以下，宁夏的工业二氧化硫排放效率仅有0.049。生活二氧化硫排放效率以北京、上海、广东及海南等四地区表现最好，其效率值均为1。甘肃、青海、贵州、山西及内蒙古等五个地区，则是生活二氧化硫排放效率最差的地区，贵州生活二氧化硫排放效率值仅为0.019。整体而言，中国生活二氧化硫排放效率仅为0.378，和工业二氧化硫排放效率0.490相比，可知中国二氧化硫的减排工作侧重于工业层面，生活二氧化硫的减排工作尚需加强。

工业烟尘排放效率以北京、上海、广东和海南表现最佳，位于效率前沿，效率值为1。 而东部地区的工业烟尘排放效率优于西部地区。山西、甘肃、贵州、重庆与内蒙古等地区的工业烟尘排放效率最差，贵州的工业烟尘排放效率仅为0.011。生活烟尘排放效率仍以北京、上海、广东与海南为最优，其效率值为1。山西、青海、宁夏、广西等省份的生活烟尘排放效率最低，宁夏生活烟尘排放效率仅为0.064。整体而言，中国的工业烟尘排放效率为0.405，而生活烟尘排放效率为0.424，两者差距不大。全国工业粉尘排放效率为0.392。北京、上海、广东与海南均位于效率前沿，其效率值为1。青海、宁夏、山西、内蒙古、新疆则是工业粉尘排放效率最差的地区，宁夏的工业粉尘排放效率仅为 0.037。

表5 2001年～2010年中国30个省份排放效率

四、能源效率、排放效率影响因素分析

（一)能源效率影响因素分析

1.模型设定和变量说明。上文我们利用含有非期望产出的SBM模型分析了不同省份的能源效率和排放效率。可以看出不同省份的两种效率值存在较大差异，如何理解这种差异，哪些因素在影响这两种效率？根据国内外有关文献的研究（魏楚和沈满红，2007；李静，2009），本文选用产业结构、政府影响力、对外开放度、人口密度等作为解释变量，以能源效率（EE）作为被解释变量进行实证分析。

产业结构（IR）：根据相关文献研究，产业结构选取与能源效率有密切联系的第二产业总产值占本省GDP的份额来表示（袁晓玲等，2009；李静，2009）。和以往文献不同，我们在回归中加入IR的平方项IR2，以刻画产业结构的变动对能源效率造成的非线性影响。

政府影响力（GOV）：政府影响力用各省财政支出占本省GDP的份额表示。虽然这一指标比较宽泛，不如政府环境保护支出占GDP的比重表示更为准确，但基于数据的可获得性，本文仍然选取政府财政支出占GDP的比值表示。

对外开放度（OPEN）：对外开放度采用本地区进出口贸易额占GDP的份额表示，这也是很多文献通常的做法（魏楚和沈满洪，2007；李静，2009）。

人口密度（LPD）：人口密度（PD）对能源效率的影响有双重作用：一方面，人口密度的增加会提高本地区生活二氧化硫和生活灰尘等非期望产出的排放量，从而一定程度上降低能源效率（排放效率）；另一方面，人口密度大的地区，人们的教育水平和环保意识也往往较高，企业的技术水平也较为先进，从而对能源效率（排放效率）的改善有利。我们采用人口密度的对数形式LPD 表示该指标。

此外，技术进步也是影响区域能源效率高低的重要因素。但国内外对技术进步影响能源效率的研究很少，主要原因在于技术进步很难描述（魏楚和沈满红，2007；袁晓玲等，2009），国外文献中一些惯用的指标如工程师（科学家）数量或者专利数量在国内研究中并不适用，加之技术进步也不是本文关注的重点，为此，我们在分析中没有考虑技术进步的影响。

根据上述说明，本文的实证模型如下：

下标i、t分别表示30个省份和10个年份 (2001,…2010)，εit是经典误差项，为正态分布。 由于能源效率值EEit最大值为1，数据被截断，属于受限因变量，此时用OLS进行系数估计得不到无偏和一致估计量，故我们采取Tobit面板模型进行回归。对面板数据，因为固定效应的Tobit模型是有偏误的，故我们采用Tobit随机效应模型进行估计。

2.回归结果和分析。由表6可知，中国能源效率受到区域产业结构、政府影响力、对外开放度和人口密度的影响。除模型2整体不显著外，其他模型（模型1、3、4）均整体显著。我们重点解释模型1，兼论其他模型。模型1中IR的负向影响符合很多文献的预期。本文的实证结果表明，就全国而言，第二产业结构比重上升1个百分点，则能源效率下降5.88 个百分点，说明第二产业比重越高，越不利于提高能源效率。但IR2系数为正则表明，第二产业比重的上升对能源效率的影响是非线性的，存在临界值，该临界值大约为0.47，即当IR大于0.47 时，第二产业比重的上升反而会提高能源效率。这样的结果似乎出人意料，但也与个别文献的研究相符，如王德文等（2004）认为工业比重上升与效率提升具有一致性的观点。分地区而言，模型3、4表明第二产业比重对能源效率提升有负向影响，但不显著。GOV 对能源效率的影响为负值（模型1、3、4），这一结论与王志刚等（2006）、魏楚和沈满洪（2007）关于政府支出增加会降低生产效率的结论相一致；GOV上升1个百分点，会导致能源效率下降0.76百分点。我们认为，造成负向影响的原因很可能在于我国各地方财政支出用于环保方面的比重还较低，尚未达到应有的效果，财政支出结构不尽合理。因为从理论上看，政府用于环保方面的支出比例越高，越有利于减少非期望产出，从而越有利于提高能源效率。但我国各省级地方政府用于环保方面的支出从无到有，至今规模仍较小，这从历年中国统计年鉴的相关数据也可以看出；OPEN 对能源效率的影响较为复杂，模型1、4为正向显著，模型3为负向显著。模型1的结论与有关文献不一致，如魏楚和沈满洪（2007）的实证结果是负向影响，而我们的结果是这一影响可正可负。就全国而言，OPEN每上升1个百分点，则能源效率水平提高0.19个百分点。对此的解释是随着中国日益融入世界经济体系以及对外贸易依赖程度的提高，中国的进出口结构发生了很大变化，比如，就出口方面而言，随着近年来中国向欧美国家出口的增加，节能低碳产品日益受到

重视，因此对能源效率的提升存在正向影响；LPD上升对能源效率有正向显著影响（模型1、2、3、4），但只有模型1显著。由全国回归系数可知，虽然该变量系数在1%的显著性水平上显著，但系数较小。人口密度（单位：人/平方公里）每增加1%，则能源效率上升0.05个百分点。这表明人口密度较大的地区由于人们教育水平较高，企业环保技术先进，企业和居民环保意识较强，其导致的能源效率提高弥补了人口密度上升带来的负面影响，最终导致人口密度对能源效率的正向影响。

表6 能源效率影响因素的 Tobit 面板回归结果（2001年～2010年）

（二）排放效率影响因素分析

研究排放效率采用的解释变量同回归方程（2），但被解释变量变为排放效率（ME），解释变量的含义同（2）式。

由表7可以看出，除了模型6外，其他模型（模型5、7、8）整体上均显著。模型5中，除对外开放度外，其他变量对中国各省分排放效率均有显著影响。

1．第二产业比重对排放效率有显著负向影响（模型5、6、7），符合一般文献研究结论，说明第二产业比重越大，越不利于排放效率提高。这是因为第二产业中工业是构成主体（包括采矿业、制造业、水、电、煤气的生产和供应等），而工业的二氧化硫排放量占全国二氧化硫排放量的80%以上，因此第二产业比重越大，能源消费量越高，伴随着能源消费的污染排放也越多，导致排放无效率。但第二产业比重的平方的影响显著为正，表示第二产业比重对排放效率的影响存在临界点，此临界值约为0.456。当第二产比重低于此比例时，第二产业比重上升对排放效率的提升不易，但当第二产业比重高于0.456 时，其比重上升反而会提升排放效率。值得注意的是，西部地区第二产业比重的系数为正向显著影响（模型8），对此我们的解释是，随着西部大开发的推进，越来越多的东部制造业等工业行业和企业转移到西部区，虽然这样会提高西部地区第二产业比重，但由于东部地区的整体技术水平高出西部地区很多，加之国家对污染环保产业扶植，会使得西部地区的地方政府注重引进环保效率较高的产业和企业。因此，伴随着产业和企业西进，西部地区的工业行业的整体技术水平得以改善，导致西部地区的排放效率不但不会下降，反而得以提升。

2．GOV对排放效率的影响为负值（模型5、7、8），即政府财政支出占GDP的比例越高，越不利于排放效率提高。这也许表明，中国各地政府财政支出中，用于环保方面的支出比例较小，财政支出结构不合理。但东部地区的影响系数为正值但不显著（模型6），又表明东部地区的财政支出中环保支出比例较为合理，已经开始着眼于节能减排，并达到了预期的效果，而中西部地区尚有待实现这一转变。

3．OPEN对排放效率的影响为正值但不显著（模型5、6）。这是因为，就全国和东部地区而言，随着对外贸易的发展，中国向发达国家的出口额逐渐提高，欧美国家的环保意识较强，对外开放度越高，会让企业越加重视研发更具环保功能的产品，以提高竞争力。但中西部地区该系数显著为负（模型7、8），则表明中西部地区的进出口产品尚处于国际产品价值链的低端，尚有待提升产品的技术含量和环保功能。

4．LPD上升对排放效率有正向显著影响（模型5）。LPD每上升1%，则排放效率提高0.04个百分点。对此结果的解释类似于前文LPD上升对能源效率影响的分析。但与对能源效率的影响不同，在排放效率方面，中西部地区LPD的系数为负值（模型7、8）则又表明，中西部地区人口密度上升，不利于该地区提高排放效率，即人口密度上升带来的负面影响超过了伴随而来的教育水平提高等因素对排放效率的正向影响，最终导致人口密度上升对排放效率的影响为负的现象。

五、结论和政策建议

本文基于非径向和非角度的可以处理非期望产出的SBM模型（SBM-Undesirable）考察了中国30个省份2001年～2010年的全要素能源效率和排放效率。我们发现，当模型包含非期望产出后，中国整体的技术效率有降低的现象。如果不考虑生产过程中的污染情况，则会高估技术效率值。为此，在后文能源效率和排放效率计算中，我们使用含有污染排放的非期望产出模型研究各省份的能源效率和排放效率。我们发现，在研究期间，中国能源效率和排放效率均处于下滑趋势，且排放效率表现相对低落。随着时间推移，能源效率和排放效率的差距也存在扩大趋势，但在“十一五”期间差距又得以缩小。

能源效率方面，各年度的能源效率介于0.585～0.696之间，平均能源效率0.634。污染排放方面，各年度的排放效率介于0.367～0.485之间，平均排放效率为0.418。一般而言，经济发达地区的能源效率与排放效率比其他地区要高，东部省份的能源效率和排放效率普遍高于中西部地区。在本文研究的30个省份中，北京、上海、广东、海南等四地的能源效率和排放效率均处在效率前沿，效率值均为1，实现了资源节约—环境友好的双赢局面。其他26个省份的能源效率和排放效率未能同时实现双赢，但一般而言，能源效率大于排放效率。东部地区有河北、辽宁两地能源效率、排放效率低于全国平均值；中部地区则有山西、吉林、河南和湖北等四地的能源效率、排放效率低于全国平均水平；而西部地区的内蒙古、重庆、四川、云南、陕西、甘肃、青海、宁夏和新疆等9省份，在能源效率和排放效率方面也呈现双重低落的情况，属于节能减排亟须改进地区。

中国在“九五”期间就开始重视环境保护，然而实际估算的各年度排放效率不容乐观，2001年的排放效率为0.440，但2010年则下降为0.405，与2001年相比下降7.95%，中国污染排放和环境污染仍然较为严重。在本文研究的五大污染物中，工业二氧化硫的排放效率最高（0.490），生活二氧化硫的排放效率最低（0.378）。

此外，我们使用 Tobit 面板分析研究能源效率和排放效率的影响因素。研究发现，就全国而言，第二产业比重越高，越不利于提高能源效率和排放效率；政府影响力对能源效率和排放效率的影响为负值；对外开放度对能源效率和排放效率有正面影响；人口密度对能源效率和排放效率有正面影响。整体上可以看出中国政府在“十一五”期间更加重视节能减排，政府支出中已经有更多的专项资金用于环保支出，但在东、中、西部三个地区的发展并不平衡。在东部地区，政府支出的增加对能源效率和减排效率的有利影响正在凸显，但在西部地区尚未出现这种局面。

上述分析结果的政策意义在于：第一，就中国整体而言，能源效率和排放效率水平都不高，且均有下降趋势，因此未来在节能环保方面仍有很大潜力，工作仍需加强，不能放松努力，否则前功尽弃。第二，由分析结果可知，各省份的能源效率一般均优于排放效率，说明中国在能源使用和能源政策的执行上相对有效率，而在污染排放控制方面则表现相对低效，污染排放方面尚有更大减排潜力和改善空间。相对节能工作，减排工作更需加大执行力度。第三，各省份的能源效率和排放效率差异很大，因此在政策的制定和执行上，应当因地制宜，实行差别化的节能减排政策设计，如差别化的节能减排目标管理，差别化的节能减排产业政策、税收和投融资政策等。由于中国幅员辽阔，各地区资源优势、产业分布、人口密度、工业发展水平等有很大差异，因此各地应结合实际情况，进行节能减排规划。展望未来，中国应更积极重视降低污染排放，仅控制能源使用并不能减轻污染排放，必须在污染物的排放方面采取更严厉的控制才有可能达到预期目标。

[1] 陈诗一.能源消耗、二氧化碳排放与中国工业的可持续发展[J].经济研究，2009, (4).

[2] 胡鞍钢,郑京海,高宇宁,张宁,许海萍.考虑环境因素的省级技术效率排名(1999—2005)[J].经济学(季刊)，2008, (3).

[3] 李静.中国区域环境效率的差异与影响因素研究[J].南方经济，2009, (12).

[4] 李兰冰.中国全要素能源效率评价与解构——基于“管理—环境”双重视角[J].中国工业经济，2012, (6).

[5] 李玲，陶锋.中国制造业最优环境规制强度的选择——基于绿色全要素生产率的视角[J].中 国工业经济，2012, (5).

[6] 屈小娥.中国省际工业能源效率与节能潜力——基于 DEA 的实证和模拟[J].经济管理，2011, (7).

[7] 单豪杰.中国资本存量 K 的再估算（1952-2006 年）[J].数量经济技术经济研究，2008, (10).

[8] 沈能.环境效率、行业异质性与最优规制强度[J].中国工业经济，2012, (3).

[9] 师博,沈坤荣.市场分割下的中国全要素能源效率-基于超效率 DEA 方法的经验分析[J].世界经济，2008,(9).

[10] 史丹,吴利学,傅晓霞,吴滨.中国能源效率地区差异及其成因研究——基于随机前沿生产函数 的方差分解[J].管理世界，2008,(2).

[11] 涂正革.环境、资源与工业增长的协调性[J]. 经济研究，2008,(2).

[12] 王兵,吴延瑞,颜鹏飞.环境管制与全要素生产率增长:APEC 的实证研[J].经济研究，2008,(5).

[13] 王德文,王美艳,陈兰.中国工业的结构调整、效率与劳动配置[J].经济研究，2004,(4).

[14] 王群伟,周鹏,周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国 工业经济，2010,(1).

[15] 王志刚,龚六堂,陈玉宇.地区间生产效率与全要素生产率增长率分解(1978—2003)[J].中国社会科学，2006,(2).

[16] 魏楚,沈满洪.能源效率及其影响因素——基于 DEA 的实证分析[J].管理世界，2007,(8).

[17] 徐盈之,管建伟.中国区域能源效率趋同性研究[J].财经研究，2011, (1).

[18] 杨红亮，史丹.能效研究方法和中国各地区能源效率的比较[J].经济理论与经济管理，2008, (8).

[19] 袁晓玲,张宝山,杨万平.基于环境污染的中国全要素能源效率研究[J].中国工业经济，2009, (2).

[20] Hu,J.L.and S.C.Wang.Total-factor energy efficiency of regions in China[J].Energy Policy，2006, (34).

[21] Lee，Y.C.，J.L.Hu，C.H.Kao.Efficient Saving Targets of Electricity and Energy for Regions in China[J].Electrical Power and Energy Systems，2011, (33).

[22] Tone, K.Dealing with undesirable outputs in DEA ：a slacks-based measure(SBM) approach[R].GRIPS Research Report Series, 2003.