我国工业能源效率及其影响因素分析

徐 胜，李晓璐

（中国海洋大学 经济学院，山东青岛 266100）

0 引言

近年来，我国工业发展维持较高水平，从工业增长指标来看，2000～2013年，工业平均增长速度为10.55%，2013年工业拉动的国内生产总值增加值为3.06%，占整个第二产业拉动增长值百分点的82.7%。统计资料显示，我国工业消费量由2005年的263458万吨标准煤增加至2012年的443216万吨标准煤，8年间工业能源消费量增加了68.23%，年平均增长率为6.72%，超过GDP增长率速度，充分表明工业增长以消耗大量能源为代价。从地区差异来看，省际工业能源利用情况也有较大差异。在2009～2013省际年均每单位GDP所需能耗比较中，最高的宁夏回族自治区单位GDP能耗为3.6吨标准煤/万元，而单位能耗最低的北京市、广东省均为0.7吨标准煤/万元，前者单位能耗为后者5.14倍，足见在我国工业转型过程中地区之间的发展状况、能源利用效率存在较大差异。

针对能源利用效率的不同导致了地区间工业发展水平差异较大的现象，本文在政策因素之外，主要对工业能源效率及其影响因素进行分析。目前相关研究主要成果是对工业能源效率的测度及其影响因素分析，在地区节能潜力的测度及区域能源效率比较分析方面还存在较大探索空间。本文将在投入距离函数分析框架下建立一个关于能源过度投入的随机前沿模型使用DEA数据包络分析法研究省际工业能源效率、测算了2009～2013年间省际节能潜力，基于工业能源效率及节能潜力，分析地区间差异，建立Tobit模型对工业能源效率影响因素进行分析。

1 模型的建立及指标的选取

1.1 模型的建立

DEA（数据包络分析）可用于评价多投入、多产出的决策单元之生产（经营）绩效。假设有N个决策单元，每个决策单元使用M种投入得到S种产出，用向量xi和yi分别表示DMU的投入和产出。M×N为投入矩阵X，S×N为产出矩阵Y，用它们来表示N个决策单元的所有数据，则第i个决策单元的效率可以转化为求解以下线性规划问题:

式（1），θ为标量;λ为N×1的常向量，解出来的θ值即为第i个决策单元的效率值。根据Farrel(1957)的定义，满足θ≤1。当θ=1时，意味着该决策单元在前沿面上，为技术有效。

根据上述分析，可定义全要素能源效率EEi,t及节能潜力SPE i,t：

其中EEi,t代表i地区t时期内的能源效率；AEIi,t代表i地区t时期内的实际能源消耗；LEIi,t代表i地区t时期内损失的能源投入量，即可节约的能源投入；TEIi,t代表i地区t时期内目标能源投入量。用DEA方法可计算出投入量的目标值，其与投入变量实际值的比值即为能源效率，即式（2）；投入实际值与投入目标值的差额即为投入冗余量，其与投入实际值的比值可以衡量各地区工业生产中节能空间的大小，即式（3）。

1.2 指标的选取

1.2.1 投入指标的选取

由于本文研究对象为省际全要素能源效率，因此选择30个省市的省际工业能源投入与产出数据，由于统计年鉴中西藏省数据缺失，故而排除在外。鉴于数据的可获得性，本文将投入指标选取2009～2013年工业增加值；由于测算的是全要素能源效率，因此选取劳动力、资本、能源三方面指标，即2009～2013年工业就业总人数（万人）、能源工业投资（亿元）、能源消耗量（万吨标准煤）。

（1）劳动力指标：选取30省市2009～2013年工业就业人口，鉴于数据可获得性，选取电力、制造业、采矿业就业人口之和作为衡量指标，单位为万人。

（2）资本指标：选取30省市2009～2013年能源工业投资量作为工业投入资本指标，单位为亿元。

（3）能源指标：能源投入用各省份的工业终端能源消费总量来衡量，计算方法是将各省份主要消费的能源种类(包括煤炭、石油、天然气、热力、电力等)换算为统一的单位(标准煤)加总而得。选取30省市2009～2013年能源消费总量作为能源投入指标，单位为万吨标准煤。

1.2.2 产出指标的选取

由于测算对象为省际工业全要素能源效率，因此选取30省市工业增加值作为产出指标，根据《中国统计年鉴》、《中国能源年鉴》等现已公开的资料，选取2009～2013年数据进行分析。

2 工业全要素能源效率及节能潜力的实证分析

2.1 省际能源效率与节能潜力实证

2.1.1 省际工业全要素能源效率的测算与比较分析

根据前文中对于省际工业全要素能源效率测算模型，代入相应劳动力、资本、能源三方面投入指标及产出指标，使用DEAP2.1软件可计算出全国30省市自治区（不含西藏）2009～2013年的工业全要素能源效率，结果如表1所示。

由DEA数据包络分析法知，全要素能源效率为1的DMU为有效DMU。表1为东、中、西各省市2009～2013年全要素能源效率计算结果。经整理可知，按照五年平均全要素能源效率排序在前十位的省市自治区，工业能源效用效率较高，其中东部省份占60%，分别为江苏、广东、河北、浙江、天津、上海；中部和西部省份各占20%，分别为内蒙古自治区、广西自治区和江西省、河南省。按照四年平均全要素能源效率排序在后十位的省市自治区中，60%为西部省份，分别为青海省、新疆维吾尔自治区、云南省、甘肃省、宁夏回族自治区、贵州省；中部和东部地区各占20%，分别为黑龙江省、山西省及北京市、海南省。东、中、西部地区2009～2013年平均工业全要素能源效率如表2所示。

表1 东、中、西各省市自治区2009～2013年全要素能源效率

表2 2009～2013年东、中、西部地区能源效率表

由表2可知，东部地区平均工业全要素能源效率显著高于中、西部地区，经计算可知，2009～2013年东、中、西部地区平均能源效率分别为 0.706、0.767、0.745、0.771、0.783。2009～2013年的五年中，东部地区能源效率由0.806提高至0.858，中部地区由0.689提高至0.801，西部地区由0.622提高至0.691。到2013年，工业能源效率的平均值上升到0.783，年均增长速度为2.09%。中部地区的工业能源效率与东部地区工业能源效率成缩小趋势，同时，西部地区能源效率水平较为平稳，与东部与西部地区差异较大。2009年，东部地区平均工业能源效率为0.806，比中部地区高0.117，占中部能源效率的16.98%；比西部地区高0.184，占西部能源效率的29.58%。到2013年，东部地区与中部地区的绝对差异仅为0.057，占中部能源效率的7.12%；而与西部地区差异为0.167,占西部能源效率的24.17%，可见东部和中部地区省际工业能源效率的差距缩小较大，而东西部地区省际工业能源效率的绝对差距缩小，但缩小幅度不大。

2.1.2 节能潜力的测算分析

根据前文的定义，计算i地区t时期内的节能潜力SPEi,t的公式如下：

AEIi,t代表i地区t时期内的实际能源消耗；LEIi,t代表i地区t时期内损失的能源投入量（投入冗余量），即可节约的能源投入。其中，LEIi,t=AEIi,t-TEIi,t，即实际消耗值与目的消耗值之差。同时，为衡量地区可节约能源量对全国节能量的影响，用i地区t时期内的可节能量占全国比重LPCi,t表示。

节能潜力SPEi,t与可节能量占全国比重LPCi,t都可由表1中数据经计算得到，此处不对计算结果一一列示，仅对结果予以分析。

通过截面数据的横向比较可见，同年份中重工业占比大的省份投入冗余量占全国比重较大。从节能潜力看来，西部、中部地区的节能潜力大于东部地区，说明中西部地区通过提高能源效率来减少能源投入量的节能空间较大。通过时间序列数据的纵向比较可见，东部地区节能潜力呈缩小趋势，表明其能源效率呈上升趋势，这与前文分析相符；中部地区节能潜力稳中有升，也说明能源效率有所提高；而西部地区节能潜力变化不大，较中部、东部地区而言较大，说明能源效率没有明显提高，节能空间仍然较大。

在地区差异方面，比较经计算得出的2009-2013年东、中、西部地区平均可节能量占全国比重可知，西、中、东部地区可节能量呈现递减趋势，西部可节能量占比高达39%，中部为34%，东部为27%。即西部地区由于较低的工业能源效率导致其存在较大节能潜力。因此在地区工业发展过程中，应着力找出工业能源效率影响因素，通过提高其能源效率降低其工业发展过程中的投入冗余，降低工业成本，推动地区工业转型，缩小东西部差距。

2.2 基于Tobit模型的能源效率影响因素分析

2.2.1 模型设定

分析省际工业全要素能源效率影响因素，以DEA方法求解所得效率值为被解释变量，以影响能源效率的各因素为解释变量构建回归模型。由于DEA方法所得效率值为介于0至1之间的受限值，因此选择受限因变量回归模型—Tobit模型进行分析。

Tobit模型设定如下:

当给出被解释变量一个数量指标界限值时C时，就会有截断数据存在，则（4）式可写为:

假设模型误差项服从N(0，σ2)分布，Tobit模型可表示为:

2.2.2 指标选取与数据说明

本文在研究影响省际工业能源效率的指标时，选取以下几个指标：

（1）企业规模。以各省规模以上企业单位数（个）与规模以上企业实收资本（亿元）表示企业规模。

（2）外商投资。以各省外商及港澳台商投资工业企业实收资本(亿元)与规模以上工业企业数量（个）的比值作为衡量指标。

（3）产业集中度。行业集中度一般用Herfindal指数表示，由于本文是基于省级层面规模工业的实证研究，已有数据无法支持该指标的计算，而行业集中度概念为指某行业的相关市场内前N家最大的企业所占市场份额（产值、产量、销售额、销售量、职工人数、资产总额等）的总和，故采用各省大中型工业企业增加值所占比重衡量行业集中度。因此选用大中型企业销售产量（亿元）与规模以上企业销售产量（亿元）的比值作为衡量指标。

（4）技术进步。本文选取各省规模工业“R＆D支出”表示技术进步对能源效率的影响。

2.2.3 Tobit模型结果分析

使用STATA12.0软件将相关指标数据做省际工业能源效率与影响因素回归分析，其中EE代表省际能源效率，SC代表企业规模，OP代表工业企业对外开放程度，IC代表行业集中度，RD代表技术进步。结果如下表3：

表3 Tobit模型结果

（1）据表3的Tobit回归结果显示，企业平均规模与工业全要素能源效率呈正相关关系，回归系数0.0278828，在1%显著性水平下与工业能源效率正相关。可见企业规模是决定能源利用效率的一个重要因素，能源使用同其他要素一样存在着规模收益特征。

（2）以各省外商及港澳台商投资工业企业实收资本与规模以上工业企业数量的比值作为工业对外开放程度的衡量指标，其与工业全要素能源效率的回归系数为0.0323362，在1%显著性水平下与工业能源效率正相关。外商直接投资提高我国能源效率主要原因有两个方面：首先，外商直接投资带来了先进的技术、设备、研发能力和管理经验,直接促进我国工业部门能源效率的提高；其次，外商投资进入主要通过竞争迫使国内同类企业采取更有效率、更先进的生产和管理手段，必然会使得资源流动重置而进入更高效率的企业。

（3）以大中型工业企业与规模以上工业企业销售产量的比值表示的产业集中度与工业全要素能源效率的回归系数为-0.0711897，在1%显著性水平下与工业能源效率负相关。高产业集中度在一定程度上意味着垄断程度的加剧，市场占有率高的企业可以凭借其垄断地位占有廉价资源，进而具有较高的市场定价权，这会导致企业缺乏通过提高能源效率来节约投入量，从而降低成本的动机，不利于企业能源效率的提高。而由于市场占有率较高的企业对整个产业的影响能力较大，因此其较低的能源效率会导致整个地区能源效率偏低。从Tobit回归分析可见，产业过度集中会使市场地位较高的企业缺乏节约能源的动力，从而不利于能源效率的提高。

（4）以R＆D支出表示的科研经费投入所代表的工业技术进步与工业全要素能源效率的回归系数为0.0002513，在1%显著性水平下与工业能源效率正相关，但相关系数较小。R＆D投资作为技术进步的直接度量，不仅会产生新的发明创造，带来新的技术、工艺的创新，也会产生过程创新。技术进步能节约一种或者几种要素或者改变要素结合的方式，从而节约能源，提高能源效率。因此技术进步是工业部门能源效率上升的重要原因，即技术进步与能源效率成正相关关系，之所以相关系数较小的原因，可能是由于考虑到数据的可获得性，本指标选取的数据为所有领域科研投入，而非工业这一产业的科研投入。

综上，工业企业规模、外商投资、技术进步对能源效率有正向影响，分别为0.0278828、0.0323362、0.0002513。工业能源效率变化具有明显的工业经济转型特征。通过对比分析2009～2013年间省际工业能源效率发现，开放程度高、竞争性强的行业的能源技术效率较高，而开放程度低、高垄断度的行业能源效率水平较低。

3 结论

本文主要测度了工业能源效率及节能潜力，并对能源效率影响因素做出研究，结论表明：

在工业能源效率和节能潜力的测度中，本文将全要素工业能源效率定义为前沿技术水平下的有效能源投人与实际投人之比，节能潜力定义为在现有前沿技术条件和保证既定产出的前提下通过消除技术非效率而可节约的能源投入。研究发现五年中我国省际工业能源效率地区之间差异较大，总体呈动态改进趋势。在地区差异方面，西部可节能量占比最高，达39%，中部次之，东部最低，即西部地区由于较低的工业能源效率导致其存在较大节能潜力。因此在地区工业发展过程中，应着力找出工业能源效率影响因素，通过提高其能源效率降低其工业发展过程中的投入冗余，降低工业成本，推动地区工业转型，缩小东西部差距。

在工业能源效率影响因素的研究中，本文使用Tobit模型进行分析研究，模型选取了企业规模、外商投资、产业集中度、技术进步四个要素。实证结果表明，工业企业规模、外商投资、技术进步对能源效率有正向影响，外商投资影响程度较大，科研投入作为坐标所衡量的技术进步影响较小，原因可能为所选取的数据为省际科研投入总额而非工业科研投入额，因此呈现较小的系数；产业集中度对能源效率的提高体现为负向影响，产业过度集中化不利于在合理的竞争中释放企业的节能动力，因此适当的竞争有利于能源效率的提高。此外，从LPCi,t指标分析结果可知，重工业的能源投人效率变化主导了总体工业效率变化，因此促进产业结构转型升级也是提高工业能源效率的重要途径。

[1]Boyd G A,Pang J X.Estimating The Linkage Between Energy Efficiency and Productivity[J].Energy Policy,2000,(28).

[2]Halil I C,Buyuktahtakın I E.A Mixed-Integer Optimization Model for The Economic and Environmental Analysis of Biomass Production[J].Biomass and Bioenergy,2014,(67).

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

[4]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).

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

[6]唐玲,杨正林.能源效率与工业经济转型——基于中国1998～2007年行业数据的实证分析[J].数量经济技术经济研究,2009,(10).

[7]吴巧生,成金华.中国工业化中的能源消耗强度变动及因素分析—基于分解模型的实证分析[J].财经研究,2006,(6).

[8]王玉潜.能源消耗强度变动的因素分解方法及应用[J].数量经济技术经济研究,2003(8).

[9]杨正林,方齐云.能源生产率差异与收敛:基于省际面板数据的实证分析[J].数量经济技术经济研究,2008,(9).

[10]Yang Z L,Fang Q Y.Energy Productivity Differences and Convergence-Based on The Empirical Analysis of Provincial Panel Data[J].Beijing:The Journal of Quantitative&Technical Economics,2008,(9).