考虑自然环境差异的中国地区能源效率与节能减排潜力研究
2016-04-13杨雨石赖培浩於露瑾
王 兵 杨雨石 赖培浩 於露瑾
考虑自然环境差异的中国地区能源效率与节能减排潜力研究
王兵杨雨石赖培浩於露瑾
[摘要]在考虑自然环境差异的情况下，运用四阶段SBM模型测算了中国30个省区2000-2010年的生态全要素能源效率、碳排放效率和自然效应(自然环境的影响程度)，并在此基础上分析了各省区的理论节能减排潜力与实际节能减排潜力。结果表明：全国平均的生态全要素能源效率和全要素碳排放效率仍处于较低水平，节能减排潜力和空间巨大；地形地貌、荒漠化沙化程度和年降水量等自然环境因素对能源效率和碳排放效率有显著的负向影响；调整前的理论能效和理论碳效的排名依次为东部、中部、西部，调整后的实际能效和实际碳效的排名则是中部、西部、东部；三大地区的自然效应差异显著，东部最优，中部次之，西部最次，恶劣的自然环境是造成西部地区低效率的主要原因。由于自然因素难以人为改变，国家在制定节能政策时应该适当地对西部地区降低指标，同时将节能减排的重点放在东部和中部地区。
[关键词]自然因素； 生态全要素能源效率； 节能减排潜力； 四阶段SBM
一引言
近年来，中国发展正陷入经济高速增长与生态约束强化的两难困境。在日益紧张的节能减排压力下，为了实现我国经济、社会与能源环境的协调发展，采取节能优先、提高能源利用效率的能源战略是当今实现节能减排最现实、最有效，也是成本最低的途径。
节能减排是中国贯彻落实科学发展观、坚定不移推进改革的重要环节，但由于中国地区经济发展不平衡，不同地区、不同部门之间在改革的承载和接受能力上存在很大差异，其自身的产业发展水平、节能减排空间也不一致(魏楚等，2010)[1]。因此，在考察各地区不同环境因素的情况下，科学比较中国各地区能源利用效率的高低，定量测算环境因素对能源效率的影响程度，对于制定合理且可行的节能减排政策具有重大的现实意义与指导价值。
早期能效研究中，学者们多使用单要素能效指标。如史丹(2006)[2]将能源效率定义为能源消耗强度的倒数，并比较分析了中国各地区节能潜力的差异。由于单要素能效指标无法反映生产过程中其他要素(如劳动力和资本)对能源的替代效果，因而可能高估了能源效率。而Hu和Wang(2006)[3]提出的建立在数据包络分析(DEA)方法上的全要素能源效率指标则克服了这一缺陷，因而全要素指标得到了国内外学者的广泛使用(魏楚和沈满洪，2007[4]，2008[5]；李世祥和成金华，2008[6]；曾胜和黄登仕，2009[7]；师博和沈坤荣，2008[8])。
上述文献基本都考虑了环境因素对各地区能源效率的影响，但他们大多只对能源效率的影响因素做回归分析，并没有定量测算环境因素对能效水平的贡献。对此，李兰冰(2012)[9]应用四阶段DEA方法，并将能源效率解构为能源管理效率和能源环境效率，对中国省际能源效率的现状、成因与提升路径进行了实证分析。然而，上述研究仅分析社会环境因素对能源效率的影响，没有考虑自然环境因素。并且，该研究中的环境因素是产业结构、开放程度、文化素质与基础设施这四个经济社会因素，并不是污染物排放约束因素。这与绝大部分文献对能源效率影响因素的分析一样，均局限于可通过人类活动而改变的经济社会因素，而忽略了不以人的意志为转移的自然条件因素(比如地理位置、年平均气温、年降水量等)。
经济社会因素实际上是可以被人为改变的。比如，制定相关政策法规、改变能源消费方式等。而自然环境因素对能效造成的影响在很长时期内不以人的意志为转移。所以真正能实现的节能潜力应只能算上被经济社会因素影响到的部分。基于此，杨红亮等(2009)[10]提出了“理论节能潜力”和“实际节能潜力”的概念，并根据影响方向的正负把自然环境变量归为投入和产出变量纳入DEA模型，利用中国2005年的省级数据，分别测算了各地区考虑和不考虑自然因素的能源效率和节能潜力。研究发现，一个地区所处自然环境的优劣程度较大地影响了该地区的能效表现。
尽管杨红亮等(2009)[10]考察了自然环境的影响，但他所使用的方法存在缺陷*该方法的不足是：对于如何判断模型是否正确地选取了某些环境投入和产出变量，实际上却没有严格的统计方法对此作出检验与证明(Drake et al., 2006)[11]。，且未能测算出自然环境对能源效率的贡献程度。更为遗憾的是，李兰冰(2012)[9]和杨红亮等(2009)[10]的研究未考虑污染物，故两者的方法仅限于分析节能潜力，而无法分析减排潜力。对此，已有一些研究利用包含非期望产出(即污染物)的DEA模型测算了能源效率与节能潜力。另外，在考虑污染物后，还可测算污染物的排放效率和减排潜力，进而更科学全面地研究节能减排问题*碳排放效率和减排潜力也得到了广泛研究，相关文献可见屈小娥(2012)[12]的文献综述部分。。魏楚等(2010)[1]运用基于投入角度的节能模型和基于产出角度的减排模型测算了中国各地区的能源效率、节能潜力与减排潜力，并在此基础上评估了中国“十一五”节能减排目标的可行性。余泳泽(2011)[13]在测算中国节能减排潜力的基础上，研究了各地区的污染治理效率以及节能减排政策的实施路径。
然而，上述研究运用的是径向的、角度的DEA模型。径向DEA模型的缺陷是当投入或产出的松弛变量不为零时，效率值会被高估；而角度DEA模型存在投入角度与产出角度的测算结果不完全一致的问题。而非径向、非角度的SBM (Slack-based Measure)模型可解决上述两个问题。比如，Choi et al.(2012)[14]运用SBM模型*SBM模型由Tone(2001)[15]提出，它可以在一个统一的框架下相对准确地测度各项投入和产出的效率。目前已有很多学者将该方法用于研究能源效率、碳排放效率或节能减排潜力(Zhou et al., 2012[16]; Li和Hu, 2012[17]; Rao et al., 2012[18]; Zhang和Choi, 2013[19]; 范丹和王维国，2013[20]；杜慧滨和王洋洋，2013[21])。测算了中国各地区的能源效率、碳排放效率以及节能减排潜力，并计算了减排的潜在成本。
目前已经有一些学者将SBM模型与四阶段DEA相结合，在银行业、保险业等领域进行实证研究(Drake et al.，2006[11]; Avkiran，2009[22]; 吴洪和赵桂芹，2010[23])。而目前尚未有学者将四阶段SBM模型运用于能源效率的研究中，因此，本文试图从以下两个方面对现有研究进行拓展：第一，运用四阶段SBM模型测算2000-2010年中国各地区的生态全要素能源效率*Li和Hu (2012)[17]将包含污染物的全要素能源效率命名为生态全要素能源效率，我们在此沿用这一说法。，并同时测算出各地区的碳排放效率以及自然效应(自然因素对能源效率及排放效率的影响程度)；第二，对各地区的理论节能减排潜力和实际节能减排潜力进行比较分析。
本文第二部分是研究方法的介绍；第三部分是数据来源及处理；第四部分是实证结果分析；第五部分是结论与政策建议。
二研究方法
本文研究方法主要采用基于方向性距离函数的四阶段SBM模型。该模型是对四阶段DEA模型的修正，在第一阶段和第三阶段的测算中，本文以基于方向性距离函数的SBM模型代替了原来的BCC模型。
(一)四阶段SBM模型
1.第一阶段：SBM方向性距离函数
(1)
按照Tone(2003)[26]和Fukuyama et al.(2009)[27]的研究，王兵等(2010)[28]把纳入坏产出的SBM方向性距离函数定义为：
(2)
(3)
2.第二阶段：Tobit回归模型
根据第一阶段SBM模型及各投入产出变量数据，我们可以计算出各个投入产出对应的无效率值。该无效率值的取值范围在0和1之间，且完全有效率的决策单位的无效率值等于0，这意味着无效率值是被截断的。因此，本文利用随机效应下的面板Tobit模型*可能存在的问题是在随机效应下和混合截面下的Tobit模型是否有显著差异。而我们作出的极大似然比检验的结果拒绝了两者无差异的原假设，因此，本文用随机效应的Tobit模型来估计解释变量的参数。拟合第一阶段的无效率值和外生环境变量之间的关系*由于松弛变量的大小并不能直接反映出无效率值的大小，事实上，一些生产单位的松弛变量大的同时其投入量也很大，这种情况下该生产单位的无效率值很可能并不大，因而对松弛变量进行回归可能会对最终的调整结果造成一定偏误。故本文没有采用Fried et al. (1999)[30]对松弛变量进行回归的方法，而是借鉴吴洪和赵桂芹(2010)[23]的做法，对无效率值进行回归并在此基础上对各项投入产出量做出相应的调整。。
假设存在P个可观察的环境因素变量Zio=(zio,…,zpo)影响了无效率值。以投入为例，投入无效率值与环境变量的关系模型如下：
Sio/Xio=Zio×Bi+Eio
(4)
其中，Bi表示当对第i个无效率值进行回归时，其解释变量(环境因素变量)的待估参数向量，Eio表示误差项。对于产出无效率与投入无效率的处理同理。
3.第三阶段：对初始投入变量的调整
(5)
(6)
4.第四阶段：调整后的SBM 模型效率
由第三阶段调整各投入变量的值代替原始投入数据，再次运用第一阶段的SBM模型计算出剔除环境因素影响的效率值。
(二)节能减排模型
根据非期望产出的SBM模型，参考Li和Hu (2012)[17]定义能源效率的方式、Choi et al.(2012)[14]定义碳排放效率的方式以及魏楚等(2010)[1]定义的节能潜力与减排潜力，我们提出了如下的定义方式：
将生态全要素能源效率(Ecological Total-Factor Energy Efficiency，ETFEE)定义为：
(7)
其中ETFEEk,t表示第k个省份在t时期的生态全要素能源效率；TEIk,t(Target Energy Input)表示第k个省份在t时期的最优生产前沿上参照目标点的能源投入；Ek,t为第k个省份在t时期的实际能源投入；LEIk,t(Loss Energy Input)表示第k个省份在t时期相对于最优生产前沿的过多的能源投入，即为能源投入的松弛量，也可看作可实现的节能量。根据式(7)可得第k个省份在t时期的节能潜力SPEk,t(Saving Potential of Energy)：
(8)
该值越高，说明当前被评价地区的能源无效率越大，也表明其节能潜力越大*值得注意的是，由于DEA方法测算的是样本中各个测度单位的相对于样本内部的效率值，是一种相对效率值。尽管处于最优生产前沿的地区的节能量为零，但这并不意味着该省份没有任何节能空间了，而是指该地区同其他地区相比，在当前技术条件和产出水平下，无法实现能源投入的进一步节约。如果出现了比原有最优生产前沿更为“优秀”的某个测度单位，原有最优生产前沿的无效率值和节能量就不为零了。。显然，SPEk,t+ETFEEk,t=1。
SBM模型能够计算出式(7)中的目标能源投入TEIk,t，加上实际能源投入Ek,t的数据便可得到各地区的能源效率值ETFEEk,t、节能量LEIk,t和节能潜力SPEk,t。
类似地，我们将全要素碳排放效率(Total-Factor CO2Emission Efficiency,TFCEE)定义为：
(9)
其中TFCEEk,t表示第k个省份在t时期的全要素碳排放效率；TCEk,t(Target CO2Emission)表示第k个省份在t时期的最优生产前沿上目标点的CO2排放量；Ck,t表示第k个省份在t时期的实际CO2排放量；LCEk,t(Loss CO2Emission)表示第k个省份在t时期相比最优前沿的过多的CO2排放量，即CO2排放的松弛量，也可看作可实现的减排量。根据式(9)可测算出第k个省份在t时期的减排潜力APCEk,t(Abatement Potential of CO2Emission)：
(10)
SBM模型能够计算出式(9)中的目标CO2排放量TCEk,t，加上实际CO2排放量Ck,t的数据便可得到各地区的碳排放效率值TFCEEk,t、减排量LCEk,t和减排潜力APCEk,t。
APCEk,t的数值越高，说明当前被评价地区的碳排放无效率越大，也表明其减排潜力越大。显然，APCEk,t+TFCEEk,t=1。
四阶段SBM模型的第一阶段，仍以原始投入和产出为基础，通过获取的能源和CO2的目标值与实际值计算ETFEE和TFCEE。而模型的第三阶段是以调整后的投入和产出为基础，通过获取新的能源和CO2的目标值与实际值计算ETFEE和TFCEE。为了区别调整前和调整后的效率值，我们把第一阶段测算出的ETFEE、TFCEE、SPE与APCE分别命名*该命名借鉴了杨红亮等(2009)[10]的命名方式。为理论能源效率、理论碳排放效率、理论节能潜力与理论减排潜力；相应地，把第三阶段测算出的ETFEE、TFCEE、SPE与APCE分别命名实际能源效率、实际碳排放效率、实际节能潜力与实际减排潜力。
(三)自然效应的计算
第三阶段的实际能源效率、碳排放效率以及节能减排潜力均剔除了自然环境的影响，本文借鉴李兰冰(2012)[9]的分解方法，并以第一阶段和第三阶段的结果为基础，提出了如下计算自然效应的方法，以衡量自然效应对理论能源效率和理论碳排放效率的贡献程度。
首先，我们将第一阶段得到的理论能源效率(Theoretic Energy Effiency，TEE)和第三阶段得到的实际能源效率(Real Energy Efficency，REE)进行比较，进一步考虑自然环境对各地区能效的影响，即能源-自然效应(Energy Natural Effect，ENE)：
(11)
其次，我们再将理论碳排放效率(Theoretic CO2Emission Efficiency，TCEE)与实际碳排放效率(Real CO2Emission Efficiency，RCEE)进行比较，进一步考虑自然环境对各地区碳排放效率的影响，即碳排放-自然效应(CO2Emission Natural Effect，CENE)：
(12)
最后，我们对两种自然效应取其平均值，便可得到最终的自然效应(Natural Effect，NE)：
NE=(ENE+CENE)/2
(13)
如果地区的NE>1，则表明该地区所处的自然环境相对有利，使用传统SBM模型测算的能源效率和碳排放效率会被高估。也就是说，当被估计地区全部调整到最差自然水平时，其实际效率会下降，这是因为调整前地区拥有有利的自然环境可使其投入较小。反之，如果地区的NE<1，那么表明该地区处在相对不利的自然环境下，用传统SBM模型测算的效率水平会被低估。
三数据来源及处理
(一)指标选取与说明
运用四阶段SBM模型进行实证评估，需要用到中国2000-2010年的省级数据。其中产出和投入数据方面，我们使用地区GRP作为期望产出，各地区CO2排放量作为非期望产出，以及劳动、资本和能源作为投入量。自然环境因素我们在借鉴杨红亮等(2009)[10]的基础上，选取了地形地貌、荒漠化沙化程度和年降水量作为解释变量。除了西藏自治区、台湾省、香港特别行政区和澳门特别行政区以外，本文的数据范围覆盖了中国所有省、直辖市和自治区。各项投入、产出变量以及年降水量的原始数据均来源于历年《中国统计年鉴》、《中国能源统计年鉴》和《中国城市(镇)生活与价格年鉴》。而在自然因素中，地形地貌的数据取自中国科学院地理科学与资源研究所《土地资源数据库》，荒漠化沙化程度的数据来源于2004年和2009年的《中国环境年鉴》，我们对这两年的数据取了平均值，并把该平均值用作2000-2010年各地区荒漠化沙化程度的数据。其中各变量的具体指标如表1所示。
表1 投入、产出、环境因素的变量选取与具体指标
注：各比重指标均以百分比为单位表示。
(二)数据处理与地区归类说明
1.期望产出。本文选用了以2000 年作为基期进行平减后的各省份的地区生产总值(GRP)。
2.非期望产出。由于国家在“十二五”规划中首次将控制温室气体排放和碳强度下降纳入到经济社会发展规划中，本文选取了CO2排放量作为非期望产出。关于CO2的计算，我们参考了王兵等(2011)[32]的做法，按照IPCC《国家温室气体排放清单指南》中能源部分所提供的基准方法进行计算*化石燃料消费产生CO2排放量的计算公式为: CO2排放量=化石燃料消耗量×CO2排放系数; CO2排放系数=低位发热量×碳排放因子×碳氧化率×碳转换系数。。
3.能源投入。由于各个评价单元当期的能源消费结构有很大的不同，为了统一口径，我们利用各种能源折标准煤参考系数，将各个省市的各种一次能源消费量通过折标算出能源消费总量。
4.劳动投入。本文采用各城市历年的从业人员数作为劳动投入量指标。
5.资本投入。对于资本投入的估算，本文选用最常用的“永固盘存法”，选择固定资本投资额为当年投资指标，并根据张军等(2004)[33]的方法构造了1952-2010年的固定资产投资价格指数，从而得到各省份以2000年为不变价格的实际投资价格。并且按照王兵和颜鹏飞(2007)[34]的方法得到1952 年的资本存量。在折旧率的选取上，本文采用吴延瑞(2008)[35]研究中所估计的数值。
此外，依照文献中的惯例，本文将30个地区分成东部、中部和西部三大地区*东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南共11个省、市、自治区；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南共8个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆共11个省、市、自治区。。研究结果也将反映在考虑和不考虑自然环境因素时，三大地区间能效差异的变化情况。
四实证结果分析
(一)理论能源效率与理论碳排放效率
第一阶段的SBM生态全要素能源效率(后文中简称为“理论能效”)和全要素碳排放效率(后文中简称为“理论碳效”)的计算结果显示(见表2)：从各省区平均来看，北京、上海和广东的理论能效和理论碳效均为1，三者构成效率前沿面；排名最低的为山西，理论能效仅为0.158，而理论碳效只有0.206，与前沿面的差距非常大。各省区的理论能效排名与魏楚等(2010)[1]的测算结果基本一致，理论碳效则与杜慧滨和王洋洋(2013)[21]的结果相似。从全国来看，平均理论能效和理论碳效分别为0.519和0.550，效率水平偏低，存在较大的改进空间。从各地区演变趋势来看，北京、上海和广东三省区始终处于前沿面，各省区基本上处于稳定状态，每年略有变化。
但我们将各地区分成东部、中部和西部三个区域时，发现东部的理论能效和理论碳效显著高于中、西部：东部的平均理论能效为0.736，中、西部分别为0.406和0.383；东部的平均理论碳效为0.751，中、西部分别为0.447和0.424。这与Choi et al.(2012)[14]以及范丹和王维国(2013)[20]的测算结果接近。其中东部和中部的理论能效均在2003年达到最高，之后平稳下降，东部直到2009年才有回升趋势，而中部在2006年达到0.385的最低能效后，之后几年开始缓步回升；西部在2004年开始下降，直到2009年才回升。总体上全国能效水平的下降趋势与王兵等(2011)[32]的测算结果一致。
理论碳效方面，东部呈现出全面下降的趋势，其中2003-2005这两年的下降最明显；中部在前8年一直呈下滑趋势，但从2007年开始提升，这可能与2006年我国开始实施“中部崛起战略”有关；西部地区则是从2002年起不断下降，直到2009年开始回升。总体上全国理论碳效的下降趋势与查建平等(2012)[36]的测算结果一致。根据陈诗一(2009)[37]的研究，2003 年后全国能源效率和碳排放效率之所以下降，原因之一是该时期房地产和汽车工业的快速发展等带动了各重化工业行业的急剧膨胀，中国的重化工业化趋势再度显现，能耗和排放再次大幅增长。
表2 中国各地区2000-2010理论能源效率和理论碳排放效率平均值及排名
(续上表)
地区各地区理论能源效率平均值2000-20022003-20052006-20082009-20102000-2010排名各地区理论碳排放效率平均值2000-20022003-20052006-20082009-20102000-2010排名广西0.5750.5660.5440.4830.547110.6420.6540.5990.5870.6249海南1.0000.9960.9820.8740.97141.0001.0000.9470.7000.9314重庆0.4220.5440.4790.4350.473140.5080.6470.5640.5180.56313四川0.5620.5320.5610.5410.550100.6100.6090.6150.5860.60711贵州0.3760.3540.3320.3330.350220.4490.4020.3780.3860.40521云南0.4600.3610.3300.3310.374210.5070.4160.3540.3580.41320陕西0.4410.4110.3980.3530.405170.4730.4260.3910.3560.41719甘肃0.2960.2960.3020.2800.295280.3120.3130.3050.3170.31228青海0.3210.3540.3030.2940.320260.3950.4440.3680.3840.39922宁夏0.3530.3200.3130.3000.323250.3350.3700.3610.3340.35125新疆0.3610.3650.3650.2840.349230.3610.3650.3630.2950.35026东部0.7660.7500.7190.7050.73810.7900.7640.7220.7150.7511中部0.4230.4090.3880.4030.40620.4660.4420.4240.4620.4472西部0.3990.3920.3750.3470.38330.4410.4430.4100.3940.4243全国0.5400.5280.5050.4930.5190.5750.5600.5280.5300.550
注：由于篇幅原因，本文在表格中以三年为单位，给出三年平均值(除2009-2010年以两年为单位)。
此时我们计算的理论能效和理论碳效没有区分地区环境差异，可能有一些地区的自然环境会对其能源效率与碳排放效率产生显著影响，用理论效率值进行详细比较会导致不公平的结果。考虑到这一点，本文将在下面的部分重点对调整后的实际能源效率与实际碳排放效率进行比较。
(二)自然因素的调整与自然效应的分析
我们将第一阶段得出的各地区各项投入以及坏产出对应的无效率值作为被解释变量，将地形地貌、荒漠化沙化程度和年降水量三个自然因素变量作为解释变量，利用Stata软件进行面板随机效应Tobit回归，参数估计结果如表3所示。
表3 面板随机效应Tobit回归结果——自然因素变量
注：(1)****表示p<0.01，***表示p<0.05，**表示p<0.1，*表示p<0.15；(2)括号内为z统计量。
地形地貌对无效率值的回归系数为正，说明山地丘陵面积比重越大的地区的无效率值越高。根据杨红亮(2009)[10]的分析，这种影响主要体现在交通运输和社会生产上。其他条件相同情况下，在山地丘陵地区的交通运输显然比平原地区要困难得多，其社会生产的组织也会遇到更大的难度。
荒漠化沙化程度对无效率值的回归系数也都是正的，高度荒漠化沙化意味着缺乏可利用的土地资源，且经常受沙尘暴等恶劣天气的影响，同样不利于交通运输和社会生产。
图1 中国自然效应分布情况
年降水量对无效率值的影响也是正的。可能的原因如下：一是降水量过多地区遭受台风、暴雨等恶劣天气的频率较高，更容易导致洪涝灾害断电断水，对人类生产生活造成极大的经济损失与不便，一次强降水需消耗更多能源使生活恢复正常；二是降水过多会对农作物生长造成极大影响，需人工排水，消耗更多能源，从而影响农业发展。因此，年降水量对社会生产以及能源消费都有一定的影响。
得到以上回归结果后，我们根据式(5)，对投入变量以及坏产出进行调整，并再次运用SBM模型，得到剔除自然环境影响的实际能源效率与实际碳排放效率。此时我们便可根据式(11)-式(13)计算出各地区的自然效应(图1反映了我国自然效应的分布情况)。通过图示，东北、中原以及东部沿海的偏北部地区的自然环境最好，这些地区以平原为主，且荒漠化沙化程度低，降水量适中。南方的自然环境处于中等，南方地区降水量过多，且丘陵面积较大。而西部绝大多数省份处于劣质的自然环境条件中，若要产出相同数量的期望产出，需投入更多能源进行生产，排出更多污染物。所以在未剔除自然因素之前，测算结果是西部地区效率水平低于中、东部地区，此时估计的能源效率和碳排放效率是有偏的；由理论值与自然效应可以推测出，剔除自然因素之后，西部地区与中、东部地区之间的差异缩小，后文将详细分析剔除自然因素后的实际情况(见表4)。因而我们认为西部恶劣的自然条件在一定程度上增加了这些地区组织社会生产活动的难度，且加大了能源的消耗和污染的排放，多投入的能源中有一部分是为了弥补自身自然条件的不足，而非技术因素导致的能源投入与碳排放过度。
(三)实际能源效率与实际碳排放效率
在剔除自然环境因素的影响后，得到调整的SBM生态全要素能源效率(简称实际能效)与全要素碳排放效率(简称实际碳效)，与理论能效和理论碳效相比，均发生一定程度的变化(如表4所示)。全国平均的实际能效和实际碳效分别为0.541和0.555，对比理论能效的0.519和理论碳效的0.550，均有小幅的提高，但和效率前沿面的差距仍十分巨大。
三大地区实际能效和实际碳效的变化各有不同，东部地区的实际能效和实际碳效分别从0.738和0.751降到0.664和0.668，中部地区由0.406和0.447下降到0.382和0.407，变化最大的西部地区则由0.383和0.424上升到0.535和0.550；东、中、西部三大地区排名也由1、2、3名变为现在的1、3、2名。事实上，西部在剔除环境因素影响后的实际能效和实际碳效较高，表明西部地区实际的能源管理能力较强，较低的理论能效和理论碳效的确是由恶劣的外部自然环境所致。东部地区能效和碳效的下降说明东部较高的理论能效有一部分得益于其良好的环境效应，其实际能源管理能力仍有提升空间。对比之下中部的实际能效和实际碳效为三大地区最低，说明其能源管理能力是三大地区最弱的，因此中部地区实际上是节能减排的最重点地区，其效率水平的提升空间巨大。从各地区实际能效和实际碳效的演变趋势来看，东部呈现先降后升的态势，但波动不大；西部波动相对较大，总体上实际碳效呈下降趋势；中部则经历先升后降最后再回升的“N”型变化趋势。全国总体的实际能效与实际碳效的变化情况与理论能效和理论碳效差异不大，但实际能效的变化相对更平缓，实际碳效则与理论碳效更接近，基本上是2003年以前上升，2003-2008年下降，之后再回升的变化过程。
从各省多年平均的效率水平来看，广东和上海在调整前后始终处于前沿面，说明这两个地区具有卓越的能源管理能力及控制污染排放的水平，而调整前同样处于前沿面的北京则在调整后能效和碳效均跌至第4位，天津则从理论能效排名的第8位下降至实际能效排名的第17位，同时从理论碳效排名的第8位下降至实际碳效排名的第22位。这说明天津等地区的理论效率水平高更受益于良好的自然环境，其实际效率水平亟待提高。调整后新疆的能效和碳效排名分别上升了22位和25位，并与广东上海一起，构成新的前沿面，变化巨大。此外，调整后能效和碳效排名上升10位以上的还有甘肃、宁夏和内蒙古，这些省份深受恶劣自然环境影响，环境因素导致了其理论效率水平的低下，但其真实的能源管理水平和控制污染排放的能力较高。同时也说明在未剔除环境因素的情况下，节能和减排空间均被高估。
此外，我们将以上实际能效的测算结果与杨红亮等(2009)[10]的进行对比，发现在他们的测算结果中，能源效率前沿面比本文多了天津、内蒙古、辽宁、江苏、山东、海南、青海和宁夏共8个省份。对此我们认为杨红亮等(2009)[10]可能高估了自然环境对能源效率的影响，因而也高估了实际能源效率(尤其是西部地区的实际能效)。究其原因，其一可能是杨红亮等(2009)[10]将环境变量纳入模型的方式有问题，我们的四阶段SBM方法在此显示出优越性；其二可能是杨红亮等(2009)[10]未考虑污染物排放，且他们的样本量仅局限在2005年一年。
表4 中国各地区2000-2010实际能源效率和实际碳排放效率平均值及排名
(续上表)
地区各地区实际能源效率平均值2000-20022003-20052006-20082009-20102000-2010排名各地区实际碳排放效率平均值2000-20022003-20052006-20082009-20102000-2010排名山西0.1790.1480.2000.3120.201300.2310.1810.1940.3390.22730内蒙古0.4610.4460.3990.3890.427190.5090.4960.4120.4060.46017辽宁0.3380.3890.3930.3800.375240.3300.3660.3480.3730.35228吉林0.3180.3220.2890.3190.312290.3370.3400.3190.3480.33529黑龙江0.3580.3790.3780.3880.375230.3580.3870.3670.3830.37323上海1.0001.0001.0001.0001.00011.0001.0001.0001.0001.0001江苏0.5480.5730.5310.5280.547110.5800.6220.5550.5910.58711浙江0.7580.7200.6840.6850.71460.7660.7240.6870.6990.7216安徽0.2940.3460.3620.3110.330280.3120.3780.3720.3530.35427福建0.9810.8890.8040.7920.87350.9990.9170.8570.8130.9045江西0.5640.5850.5600.5570.56790.5950.6030.5720.5770.58810山东0.4690.4250.3500.3350.400220.5100.4640.3500.3740.42921河南0.3750.3580.3070.3110.340270.3890.3840.3300.3490.36425湖北0.4210.4370.4340.4510.434180.4490.4640.4370.4550.45118湖南0.6090.5300.3990.4200.496160.6540.5740.4710.5460.56312广东1.0001.0001.0001.0001.00011.0001.0001.0001.0001.0001广西0.6060.5440.5640.4990.558100.6820.6010.5930.5670.6158海南0.6280.5580.6770.7760.64980.6370.5470.6100.5990.5989重庆0.4510.5470.5410.4900.509140.4860.6070.5860.5280.55413四川0.6650.6340.6600.6370.65070.6960.6750.6640.6300.6697贵州0.4350.4110.3850.3830.405210.4790.4350.4050.4030.43320云南0.5240.4140.3740.3700.425200.5610.4440.3700.3620.44119陕西0.5330.5220.4980.4420.504150.5210.5010.4470.4050.47516甘肃0.5170.5490.5520.5040.533120.4870.5440.5160.5030.51315青海0.3250.2940.4090.3830.350260.3560.3310.4330.3630.37124宁夏0.5630.5100.5220.4840.523130.4890.5460.5500.4690.51714新疆1.0001.0001.0001.0001.00011.0001.0001.0001.0001.0001东部0.6720.6580.6560.6700.66410.6860.6720.6510.6620.6681中部0.3900.3880.3660.3840.38230.4150.4140.3830.4190.4073西部0.5530.5340.5370.5070.53520.5700.5620.5430.5120.5502全国0.5530.5410.5350.5340.5410.5710.5630.5400.5420.555
注：由于篇幅原因，本文在表格中以三年为单位，给出三年平均值(除2009-2010年以两年为单位)。
(四)理论节能减排潜力与实际节能减排潜力
根据式(8)可计算出各地区的“节能量”、节能潜力以及该地区当年可节约能源量占全国相对比重。此外，我们根据杨红亮等(2009)[10]提出的“理论节能潜力”和“实际节能潜力”的概念，利用调整前后的测算结果分别计算了各地区理论节能量、理论节能潜力和理论节能量占全国的比重以及实际节能量、实际节能潜力和实际节能量占全国的比重。与节能方面的各种指标同理，根据式(10)可计算出各地区的“减排量”、减排潜力以及该地区当年可减少的CO2排放量占全国相对比重。同时，我们根据调整前后的测算结果分别得出各地区理论减排量、理论减排潜力和理论减排量占全国的比重以及实际减排量、实际减排潜力和实际减排量占全国的比重，之后我们可以对各项理论值和实际值进行对比分析。上述各项指标的测算结果如表5和表6所示。
表5 中国各地区2000-2010年理论节能潜力与实际节能潜力平均值对比
(续上表)
地区理论节能潜力理论节能量(万吨)理论节能量占全国比重实际节能潜力实际节能量(万吨)实际节能量占全国比重云南0.6264530.522.90%0.5753122.332.44%陕西0.5953965.182.54%0.4962245.391.75%甘肃0.7053351.752.15%0.4671029.800.80%青海0.680818.170.52%0.650475.840.37%宁夏0.6772414.991.55%0.4771068.790.83%新疆0.6513528.342.26%0.0000.000.00%东部0.26252275.6533.46%0.33653378.9241.66%中部0.59457967.5037.11%0.61853217.5641.54%西部0.61745981.0929.43%0.46521518.5016.80%全国0.481156224.24100%0.459128114.98100%
1.节能方面分析
经计算发现，各地区间的节能潜力差异很大，其中以下地区的平均实际节能潜力接近或超过50%：天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、山东、河南、湖北、湖南、贵州、云南、陕西和青海。这表明由于要素、技术水平和管理等因素的差异，上述地区在经济生产中相对于前沿面(由上海、广东和新疆构成)有超出一半的能源资源被浪费，其对能源的利用和管理的水平亟需提升。对比理论节能潜力，实际节能潜力上升最明显的依次为：海南(32.2%)、天津(22.9%)、江苏(13.5%)和山东(9.3%)；实际节能潜力下降最明显的依次为：新疆(65.1%)、甘肃(23.8%)、内蒙古(22.4%)和陕西(9.9%)。各省份理论节能潜力与实际节能潜力存在巨大差异。
从实际节能量的大小和规模来看，以下地区的可节省能源量占全国的比重均超过5%：河北、山西、辽宁、江苏、安徽、山东和河南。且这7个“节能大省”的实际可节省能源量之和超过全国的53%。除上述五省外，吉林、黑龙江、湖北等省的节能潜力和节能规模也相对较大，因此，无论是从对全国节能的贡献，还是从挖掘地区节能潜力来看，这些省份理应成为节能重点区域。此外，尽管青海、甘肃和宁夏等西部省区节能潜力较高，但其节能量对于全国的贡献率并不高。例如：青海的实际节能潜力为0.650，但其实际节能占全国比重仅为0.37%。对比理论节能量，各个省份的实际节能量发生了一定变化。变化最大的内蒙古，从理论节能量的12002.09万吨下降到实际的3421.74万吨，其节能量占全国的比重也从7.68%下降到2.67%。此外，江苏和山东的实际节能量比理论值均上涨了2500万吨以上，实际节能量占全国比重也比理论值分别高出了3.05%和3.91%。
从全国来看，全国平均每年可节约实际能源投入为128114.98万吨，占实际能源消费的45.9%，这表明全国每年平均过度消费了46%的能源。按照地区进行比较，中部地区的实际节能潜力为三大地区最高(0.618)，其次分别为西部(0.465)和东部(0.336)。从实际可节约能源的规模和比重来看，东、中部的实际节能量均占全国可节约能源量的 41.5%左右，远远大于西部的16.8%。对比理论节能量占全国的比重，东部地区应承担的节能责任明显提升(升幅为8.20%)，中部略有提升(升幅为4.43%)，西部则大幅下降(降幅为12.63%)。考虑自然环境因素后，我国在制定节能政策时应给东部和中部分配相对更重的节能任务，同时相对减轻西部地区的节能任务。值得注意的是，对比理论节能量，全国平均的实际节能总量下降了28109.26万吨；东部地区的节能量占全国比重提高了，但其实际节能量仅比理论节能量高出1103.27万吨；而中部地区在节能量占全国比重提高的同时，实际节能量却比理论值降低了4749.94万吨；西部地区的实际节能量的降幅巨大，比起理论节能量少了24462.59万吨之多。从节能总量上看，我国在制定节能政策时应小幅增加东部的节能责任，适当降低中部以及较大幅度地缩减西部地区的节能责任。
2.减排方面分析
据计算，平均实际减排潜力接近和超过50%的地区包括：天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、山东、河南、湖北、贵州、云南、陕西和青海，与实际节能潜力的情况类似。这些省份的污染排放有较大改进空间。对比理论减排潜力，实际减排潜力上升最明显的分别为：海南(33.3%)、天津(24.0%)和江苏(14.6%)；实际节能潜力下降最明显的分别为：新疆(65.0%)、内蒙古(23.4%)和甘肃(20.1%)。
从可减少碳排放量的大小和规模来看，以下地区的可减排量占全国可减排总量比重超过5%：河北、山西、辽宁、黑龙江、江苏、安徽、山东和河南，这8个“减排大省”的可减排量之和占全国总量的64.46%。其中，河北、山东和河南三省的减排贡献和影响最大，其各自可减排量所占比重均超过了9%。与节能情况类似，实际减排潜力较高的青海、甘肃和宁夏的实际减排量占全国的比重并不高(青海的实际减排潜力为0.629，但其实际减排占全国比重仅为0.38%)。对比理论减排量，各个省份的实际减排量发生了一定变化。变化最大的仍是内蒙古，从理论减排量的23281.31万吨下降到实际的6606.98万吨，其减排量占全国的比重也从8.04%下降到2.61%。此外，江苏和山东的实际减排量比理论值均上涨了5000万吨以上，实际减排量占全国比重也比理论值分别高出了2.71%和3.44%。
表6 中国各地区2000-2010年理论减排潜力与实际减排潜力平均值对比
(续上表)
地区理论减排潜力理论减排量(万吨)理论减排量占全国比重实际减排潜力实际减排量(万吨)实际减排量占全国比重河南0.56420982.347.24%0.63622926.439.05%湖北0.52811519.893.98%0.54910669.364.21%湖南0.4187794.232.69%0.4377328.192.89%广东0.0000.000.00%0.0000.000.00%广西0.3763789.081.31%0.3853367.391.33%海南0.069170.010.06%0.402674.580.27%重庆0.4373865.761.33%0.4463192.311.26%四川0.3937434.032.57%0.3314972.941.96%贵州0.59510013.463.46%0.5677575.902.99%云南0.5878240.722.85%0.5596470.082.55%陕西0.5838223.082.84%0.5255517.262.18%甘肃0.6886639.282.29%0.4872380.850.94%青海0.6011262.630.44%0.629971.120.38%宁夏0.6494496.721.55%0.4832315.100.91%新疆0.6507655.872.64%0.0000.000.00%东部0.249103585.1735.77%0.332109784.3243.32%中部0.553101129.1534.92%0.593100267.4439.57%西部0.57684901.9429.32%0.45043369.9117.11%全国0.450289616.26100%0.445253421.68100%
从全国来看，我国平均每年实际可减少的碳排量为253421.68万吨，占全国当年实际排放量的44.5%，这意味着全国每年平均过度排放了近45%的CO2。从三大地区的比较来看，中部地区的实际减排潜力为三大地区最高(0.593)，其次为西部(0.450)和东部(0.332)。从各个地区的减排影响来看，东部和中部地区可实际减排量对全国影响最大，分别为43.32%和39.57%，远远高于西部的17.11%。对比理论减排量占全国的比重，东部和中部地区应承担的“减排责任”有所提升(升幅分别为7.55%和4.65%)，西部则大幅下降(降幅为12.21%)，自然环境对各地区减排潜力及减排量的影响也比较明显。但减排总量方面的情况与减排潜力有所不同：全国平均的实际减排总量下降了36194.58万吨；东部地区的实际减排量仅比理论减排量高出6199.15万吨；而中部地区在减排量占全国比重提高的同时，实际减排量却比理论值降低了861.71万吨；西部地区的实际减排量的降幅巨大，比起理论减排量少了41532.03万吨之多。所以从减排总量上看，我国在制定有关减排政策时应小幅增加东部的减排责任、小幅降低中部以及较大幅度地缩减西部地区的减排责任。
六结论与建议
本文运用四阶段SBM模型，在考虑自然环境影响的情况下，测度了2000-2010年间中国各地区生态全要素能源效率、全要素碳排放效率和自然效应，并在前者的基础上比较分析了中国各地区的理论节能减排潜力和实际节能减排潜力。具体结论如下：
(1)总体上，我国的生态全要素能源效率和全要素碳排放效率仍处于较低水平，节能减排潜力和空间巨大。其中，北京、上海和广东处于理论能效和理论碳效的前沿面，对全国起示范作用。东部地区的理论能效和理论碳效均领先于其他两个地区，东、中、西三大地区的排名依次为1、2、3名。
(2)本文运用Tobit回归模型，分析了自然环境因素对生态全要素能源效率和全要素碳排放效率的影响。回归结果表明，一个地区的地形地貌、荒漠化沙化程度和年降水量对其能效和碳效有显著的负面影响。此外，三大地区的自然效应差异显著，东部最优，中部次之，西部最次，恶劣的自然环境是造成西部地区低能源效率的主要原因。
(3)剔除自然环境因素后，我们计算出各地区实际的生态全要素能源效率与全要素碳排放效率。对比理论能效和理论碳效，实际能效和实际碳效发生了较大变化。其中，新的效率前沿面少了北京，增加了新疆；西部地区的实际能效和实际碳效得到了大幅提升，东部和中部则均有下降，东、中、西三大地区的排名也从理论值的1、2、3名变成了实际值的1、3、2名。说明东部地区在占据良好的自然环境下，其理论能效和理论碳效均被高估了；而西部地区的恶劣自然环境影响了其理论能效与理论碳效的表现，其实际的能源管理能力与控制污染排放水平并不低。由于自然因素难以人为改变，国家在制定节能减排政策时应该适当地对西部地区降低指标，同时将节能减排的重点放在东部和中部地区。
(4)各地区的实际节能减排量、实际节能减排潜力比起理论值有较大变化。实际上，由于东部和中部的节能减排潜力空间均占全国40%左右，西部则不到20%，因此全国节能减排的重点应该放在东部和中部。其中，山西、河北、辽宁、安徽、山东等省份的实际节能减排潜力、可能实现的实际节能减排量及其所占全国的比重都十分巨大，具有较强的示范意义，应该成为全国节能减排的重点省份。
总体上，我国节能减排的形势不容乐观，特别是考虑了不可人为改变的自然环境的影响后，实际上可节约的能源投入与减少的CO2排放更少。针对这样的情况，我们提出如下政策建议：政府应针对各地区的自然环境现状，制定因地制宜的节能减排政策。尽管目前我国在各地区实行的“十二五”能源消耗和CO2降低计划指标是不一样的，不完全是“一刀切”政策，但是仍然不够针对各个地区的实际情况而真正做到因地制宜。西部的生态全要素能源效率和全要素碳排放效率偏低在很大程度上是由其恶劣的自然环境造成的，由于自然环境一般不以人的意志为转移，故这一部分原因造成的无效率在相当长的时期内难以被改变，因此其实际节能减排潜力大大低于理论节能减排潜力。所以国家应该顾及西部地区恶劣的自然条件，一方面，在对西部地区制定节能减排政策时适当降低指标；另一方面，应进一步以加强对西部地区的政策扶植、优化经济社会环境为主导并辅之以引进先进技术与人才提高企业自身能源管理水平的策略，来弥补西部先天自然条件的不足。中部地区的理论节能减排潜力与实际节能减排潜力之间的差异不大；与此同时，东部地区在拥有更为先进生产技术条件的情况下，其实际节能减排潜力比其理论值要大。因此，中部和东部地区应在重点加强生产单位的能源管理水平的同时，加大产业结构、工业结构、产权结构以及能源结构等经济结构因素的调整力度(魏楚等，2010[1]；查建平等，2012[36])，以此达到节能减排、实现可持续发展的目的。
[参考文献]
[1] 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.
[2] 史丹. 中国能源效率的地区差异与节能潜力分析[J]. 中国工业经济, 2006, (10): 49-58.
[3] Hu, J. L., Wang, S. C.. Total-factor Energy Efficiency of Region in China[J].EnergyPolicy, 2006, 34: 3206-3217.
[4] 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): 66-76.
[5] 魏楚, 沈满洪. 结构调整能否改善能源效率： 基于中国省级数据的研究[J]. 世界经济, 2008, (11): 77-85.
[6] 李世祥, 成金华. 中国能源效率评价及其影响因素分析[J]. 统计研究, 2008, (10): 18-27.
[7] 曾胜, 黄登仕. 中国能源消费、经济增长与能源效率——基于1980-2007年的实证分析[J]. 数量经济技术经济研究, 2009, (8): 17-28.
[8] 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): 49-59.
[9] 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): 57-69.
[10] 杨红亮, 史丹, 肖洁. 自然环境因素对能源效率的影响——中国各地区的理论节能潜力和实际节能潜力分析[J]. 中国工业经济, 2009, (4): 73-84.
[11] Drake, L., Hall, M. J., Simper, T.. The Impact of Macroeconomic and Regulatory Factors on Bank Efficiency: A Non-parametric Analysis of Hong Kong’s Banking System[J].JournalofBanking&Finance, 2006, 30(5): 1443-1466.
[12] 屈小娥. 中国省际全要素CO2排放效率差异及驱动因素——基于1995-2010年的实证研究[J]. 南开经济研究, 2012, (3): 128-141.
[13] 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.
[14] Choi, Y., Zhang, N., Zhou, P.. Efficiency and Abatement Costs of Energy-related CO2Emissions in China: A Slacks-based Efficiency Measure [J].AppliedEnergy, 2012, 98: 198-208.
[15] Tone, K.. A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].EuropeanJournalofOperationalResearch, 2001, 130(3): 498-509.
[16] Zhou, P., Ang, B. W., Wang, H.. Energy and CO2Emission Performance in Electricity Generation: A Non-radial Directional Distance Function Approach[J].EuropeanJournalofOperationalResearch, 2012, 221(3): 625-635.
[17] Li, L. B., HU, J. L.. Ecological Total-factor Energy Efficiency of Regions in China[J].EnergyPolicy, 2012, 46: 216-224.
[18] Rao, X., Wu, J., Zhang, Z.Y., et al.. Energy Efficiency and Energy Saving Potential in China: An Analysis Based on Slacks-based Measure Model[J].Computers&IndustrialEngineering, 2012, 63(3): 578-584.
[19] Zhang, N., Choi, Y.. Environmental Energy Efficiency of China’s Regional Economies: A Non-oriented Slacks-based Measure Analysis[J].TheSocialScienceJournal, 2013, 50(2): 225-234.
[20] 范丹, 王维国. 中国区域全要素能源效率及节能减排潜力分析——基于非期望产出的SBM模型[J]. 数学的实践与认识, 2013, (7): 12-21.
[21] 杜慧滨, 王洋洋. 中国区域全要素二氧化碳排放绩效及收敛性分析[J]. 系统工程学报, 2013, 28(2): 256-264.
[22] Avkiran, N. K.. Removing the Impact of Environment with Units-invariant Efficient Frontier Analysis: An Illustrative Case Study with Intertemporal Panel Data[J].Omega, 2009, 37(3): 535-544.
[23] 吴洪, 赵桂芹. 国际产险业SBM效率研究——基于OECD国家和中国的比较[J]. 数量经济技术经济研究, 2010, (8): 88-101, 138.
[24] Färe, R., Grosskopf, S., Pasurka, C. A.. Environmental Production Functions and Environmental Directional Distance Functions[J].Energy, 2007, 32(7): 1055-1066.
[25] Wei, C., Ni, J. L., Shen, M. H.. China’s Energy Inefficiency: A Cross-country Comparison[J].TheSocialScienceJournal, 2011, 48(3): 478-488.
[26] Tone, K.. Dealing with Undesirable Outputs in DEA: A Slacks-based Measure (SBM) Approach[R]. GRIPS Research Report Series, I-2003-2005, 2003.
[27] Fukuyama, H., Weber, W. L.. A Directional Slacks-based Measure of Technical Inefficiency[J].SocialEconomicPlanningSciences, 2009, 43(4): 274-287.
[28] 王兵, 吴延瑞, 颜鹏飞. 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): 95-109.
[29] Cooper, W. W., Seiford, L. M., Tone, K..DataEnvelopmentAnalysis(2ndEdition)[M]. Boston: Kluwer Academic Publishers, 2007.
[30] Fried, H. O., Schmidt, S. S., Yaisawarng, S.. Incorporating the Operating Environment into a Nonparametric Measure of Technical Efficiency[J].JournalofProductivityAnalysis, 1999, 12(3): 249-267.
[31] Simar, L., Wilson, R. P. W.. Statistical Inference in Nonparametric Frontier Models: The State of the Art[J].JournalofProductivityAnalysis, 2000, 13(1): 49-78.
[32] 王兵, 张技辉, 张华. 环境约束下中国省际全要素能源效率实证研究[J]. 经济评论, 2011, (4): 31-43.
[33] 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.
[34] 王兵, 颜鹏飞. 技术效率、技术进步与东亚经济增长——基于APEC视角的实证分析[J]. 经济研究, 2007, 42(5): 91-103.
[35] 吴延瑞. 生产率对中国经济增长的贡献: 新的估计[J]. 经济学(季刊), 2008, (3): 827-842.
[36] 査建平, 唐方方, 别念民. 结构性调整能否改善碳排放绩效？——来自中国省级面板数据的证据[J]. 数量经济与技术经济研究, 2012, (11): 18-33.
[37] 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): 41-55.
[责任编辑：陈林]
[DOI]10.14007/j.cnki.cjpl.2016.01.007
[引用方式]王兵, 杨雨石, 赖培浩, 於露瑾. 考虑自然环境差异的中国地区能源效率与节能减排潜力研究[J]. 产经评论, 2016, 7(1): 82-100.
The Research of Energy Efficiency and Potential of the Energy-saving and Emission-abating in Regions of China Considering the Difference of Natural Environment
WANG BingYANG Yu-shiLAI Pei-haoYU Lu-jin
Abstract:In the case of considering the differences of the natural environment， applying the four-stage SBM model, this paper calculated the ecological total-factor energy effciency， carbon emission efficiency and natural effect (the degree of influence of the natural environment)， with a sample of 30 provinces of China over the period 2000-2010， and analyzed each province’s theoretical potential and actual potential of the energy-saving and emission-abating. The results showed that: the national average eco-total-factor energy efficiency and total-factor carbon efficiency is still at a low level, and the potential of energy saving is huge; topography, desertification degree and annual precipitation and other natural environmental factors have a significant negative impact on energy efficiency and carbon emission efficiency; theoretical energy efficiency and carbon efficiency’s ranking before adjustment is east>central>west, while the adjusted actual energy efficiency and carbon efficiency is central>east>west; natural effect among the three regions shows significant differences, which means that the eastern region is optimal, central region ranking second and western region is the worst, and the harsh natural environment is the main cause of inefficiency in the western region. Since natural factors are difficult to change artificially， the state should properly reduce the indicators when making energy-saving policy for the western region and focuse on energy conservation in eastern and central regions.
Key words:natural factors; ecological total-factor energy effciency; potential of the energy-saving and emission-abating; four-stage SBM
[中图分类号]F205
[文献标识码]A
[文章编号]1674-8298(2016)01-0082-19
[作者简介]王兵，经济学博士，暨南大学经济学系、资源与环境可持续发展研究所教授、博士生导师，主要研究方向：经济增长，效率和生产率分析，环境经济学；杨雨石，台湾大学农业经济学系硕士研究生，研究方向：效率和生产率分析；赖培浩，暨南大学信息科学技术学院，主要研究方向：效率与生产率；於露瑾，厦门大学王亚南经济研究院硕士研究生，主要研究方向：效率与生产率。
[基金项目]国家社会科学基金重大项目“雾霾治理与经济发展方式转变机制研究”(项目批准号：14ZDB44，项目主持人：陈诗一)；新世纪优秀人才支持计划“环境管制、全要素生产率与经济增长”(项目批准号：NCET-110856，项目主持人：王兵)；国家自然科学基金“中国城市水务行业市场化改革的效率评价及提升路径研究”(项目批准号：71473105，项目主持人：王兵)；广东省人文社科重点研究基地项目“节能减排约束下广东区域协调发展研究：基于全要素生产率的视角”(项目批准号：2012JDXM_0009，项目主持人：王兵)。
[收稿日期]2015-05-26
