山东省工业能源效率及其影响因素研究

武盈盈　李燕

摘要通过产业结构调整、产业升级提高能源效率，实现节能减排对区域经济意义重大。本文以山东省工业全要素能源效率为研究对象，首先从理论上构造了能源效率随机前沿理论模型，并利用2006-2013年山东省37个工业行业面板数据和贝叶斯估计方法对理论模型参数进行估计，随后测算出各行业全要素能源效率值并进行聚类分析，最后构造Tobit模型对工业部门能源效率的影响因素进行实证研究。研究表明：①能源和资本投入对产出的结果显著为正，而劳动力数量对产出的影响为负，说明工业行业存在劳动冗余；②应进一步开发具有较高能源效率的化工、机械、装备制造业、食品加工业等主导产业，特别是应围绕海洋产业，以海洋化工、海洋生物医药等为重点实现传统产业升级；③企业规模、对外开放程度、外商投资水平、技术创新与能源效率显著正相关，而国有及国有控股企业占比与能源效率显著负相关，因此，山东省工业能源效率的提高需要进一步推进“国退民进”改革，扩大对外开放程度，充分发挥技术创新的作用。

关键词全要素能源效率；随机前沿模型；影响因素

中图分类号F416.2文献标识码A文章编号1002-2104（2015）06-0114-07doi：103969/jissn1002-2104201506016

现阶段，我国面临的能源与环境之间的矛盾日益严重。主要表现在：能源需求旺盛，能源供给短缺；能源结构中清洁能源比例偏低，环境污染严重；能源效率偏低，节能减排任务艰巨。提高能源效率，实现节能减排成为中国各区域经济发展亟需解决的重大问题。山东省面临的压力尤为突出，主要表现在山东省经济增长过度依赖第二产业，特别是高能耗、高排放的重工业，不利于节能减排目标的实现。为提高工业能源效率，必须全面认识各行业能源效率状况如何，研究影响能源效率的因素有哪些，在此基础上，针对具体行业提出改革政策建议，通过产业结构调整提高能源利用效率。特别是结合山东省正在实施的“蓝黄战略”，在蓝色经济区和黄三角经济区建设带动下实现传统制造业向现代制造业的转变，推进山东省在低碳经济背景下实现经济的可持续增长。

1文献回顾

从广义上看，能源效率可以分为经济效率和技术效率。其中，技术效率主要取决于生产过程中所使用的技术设备、生产工艺与方法。经济效率则是从市场价值的角度衡量能源投入与产出之间的对比关系。本文研究的是能源经济效率。

国内外学者对能源效率的研究比较多，主要围绕着区域能源效率状况、能源效率差异、能源效率变化状况、影响能源效率的因素以及能源效率与其他经济变量之间的关联等问题。在对这些问题的研究中，国内外学者对能源效率内涵的理解逐步拓展，经历了从单要素能源效率到全要素能源效率的转变过程，所使用的研究方法主要包括因素分解法、数据包络分析（Data Envelopment Analysis）、随机前沿分析（Stochastic Frontier Approach）等。

1.1因素分解法

这是单要素能源效率研究所采用的主要方法。单要素能源效率就是将能源效率界定为一定时期内，一个区域生产一单位的总产出所消耗的能源，即能源强度。在这一概念框架下，依据sun[1]1998年提出的完全分解模型，众多学者对能源强度的变化进行了分解。完全分解模型是通过一系列数学变换将v=x1·x2·x3…xn中，变量v的总变化分解成各因素xi的变化对总变化的贡献效应之和。根据这一思想，一个系统的能源强度可以看作各部门能源强度的加权平均数，即能源强度的变化可以分解为部门能源强度效应和部门结构效应。众多学者利用这一方法从地区、产业和行业层面分别对研究对象的能源强度变化进行分解，如Ang B W[2]，齐志新，陈文颖[3]等。

单要素能源效率计算简单方便，但这一指标忽略了能源只是投入要素的一种，它必须与其他生产要素——资本、劳动等相结合才能有产出[4]，这一缺陷导致越来越多的学者关注在考虑人力、资本等其他要素参与情况下，研究对象能源效率状况，即全要素能源效率。测度效率的方法主要有参数法和非参数法两种，参数法又包括随机前沿（Stochastic Frontier）和确定前沿（Deterministic Frontier）两种，全要素能源效率的测定一般使用前者。非参数法主要采用数据包络分析（DEA，全称）方法[5]。

1.2数据包络分析

数据包络分析是把具有相同目标，相同投入和产出指标的同类型决策单元组成1个决策集合，利用线性规划方法找出最优生产前沿，并根据其他决策单元相对最优生产前沿的距离来计算决策单元的相对效率。因此，利用DEA方法计算的能源效率是一个大于0小于1的正数，它测度了能源投入既定下的实际产出与最大产出之比或产出既定下的最小投入与实际投入之比。目前DEA是进行能源效率研究使用最多的一种方法。相关研究文献可以分为两类，一类是基于投入的DEA方法，如Hu and Wang[6]，魏楚和沈满洪[7]。根据公式CRSTE=VRSTE·SE，这类研究将固定规模报酬下的能源技术效率定义为全要素能源效率，全要素能源效率（CRSTE）可以分解为纯技术效率（VRSTE）和规模效率（SE）两部分。其中，VRSTE表明投入要素在使用上是否具有效率，SE则代表投入要素的配置效率。这样全要素能源效率的缺乏进一步归结为来自纯技术效率或者规模效率的缺乏。另一类研究是基于投入（或产出）导向的Malmquist能源效率指数方法，如王珊珊[8]，陈德敏[9]。根据公式ML=EFFCH·TECH=PECH·SECH·TECH，将Malmquist能源效率指数分解为纯技术效率指数（PECH）、规模指数（SECH）和技术进步指数（TECH）的乘积。

1.3随机前沿分析（SFA）

数据包络分析作为非参数方法的典型代表，其不要求事先界定生产函数的具体形式，也不需要对研究样本的无效率分布先做出假设，而以随机前沿分析为代表的参数法则考虑随机因素的影响，通过计量回归方法，估计生产前沿面。这种方法最初由Meeusen和Broeck[10]、Aigner[11]提出，后经Jondrow[12]等人完善。完善之后的随机前沿方法从残差中分离出技术无效率项，利用条件分布不仅估计出全部样本的平均效率值，也可以估计每个观察点的效率状态。SFA的基本模型可以表示为：