中国省际能源效率测算与比较

王琛+孙玉环�お�

〔摘要〕本文基于三阶段DEA模型测算2008—2012年中国29个省份能源效率状况，描述其整体动态变化趋势，并分析省际能源效率的影响因素。研究发现，2008—2012年中国整体能源效率呈上升趋势，与规模效率变化趋势一致；各省份能源效率差异显著，其中大部分省份都呈现出规模报酬递增，表明能源投入规模不足；产业结构和科技进步都对能源效率产生影响，各地区应当加快产业结构优化步伐，并加大科研经费投入。

〔关键词〕能源效率；规模效率；纯技术效率；三阶段DEA模型

中图分类号：F0641文献标识码：A文

章编号：10084096（2016）02003407

一、问题的提出

能源是人类生产与生活的基础和社会进步与发展的重要保障。改革开放以来，中国经济飞速发展，但高投入低产出的粗放型生产模式使得能源问题日益加剧。当前，中国正处于由能源大国向能源强国转型的历史关键时期，面临诸多问题与挑战。从国际来看，能源竞争日益激烈，全球能源供给矛盾更加突出，全球能源市场波动风险加剧，发达国家掌握价格主导权，发展中国家面临市场波动带来的风险与压力加大，中国作为最大的发展中国家，正面临着温室气体减排和低碳技术产业竞争的双重挑战。从国内来看，中国能源供应量严重不足，粗放式的经济发展模式使得中国能源需求增长过快，但中国化石能源无法实现可持续供应，煤炭等能源已经超过开采强度；能源基础设施建设滞后，区域能源发展不平衡；中国能源企业自主创新能力不足，与世界发达国家技术水平相比仍有很大差距；体制制约能源产业发展，市场价格机制不健全，垄断、无序竞争问题突出。

因此，“十二五”规划纲要提出了明确的控制能源消费强度和消费总量的节能减排目标，2014年政府工作报告中也指出要加快推动能源生产和消费方式变革，加大节能减排力度。世界能源委员会对节能的定义是采取技术上可行、经济上合理、环境和社会可接受的一切措施，来提高能源资源的利用效率。能源效率也被称为“第五类能源”，提高能源利用率是节能减排的根本措施。

世界各国越来越重视能源效率的研究，不同国家的学者已经做了许多探索工作，并且成果丰硕。能源效率的国际性比较有助于了解各国降低能源强度的潜力，因而能源强度的国际性比较愈来愈引起科学及政治上的关注 [1]。Miketa和Mulder[2]研究了56个发达国家和发展中国家的10个制造业部门，认为能源效率差异普遍存在于国家、地区和部门之间，国家、地区、部门之间的能源效率都存在着局部的收敛性。Hu和Wang[3]运用简单DEA模型进行测算，发现1995—2004年中国能源效率呈倒U型，转折点出现在1999—2002年之间。此外，省际能源效率差距自1999年后逐年拉大，与魏楚和沈满洪[4]研究结论一致。然而，孟昌和陈玉杰[5]研究1995—2010年中国能源变化趋势时却得到了不同结论：中国能源效率具有弱周期性，整体呈下降趋势而不是倒U型，只有局部出现倒U型。Song 等[6]运用Super-SMB模型估算1992—2010年中国能源效率并分析了能源效率的现状，发现中国能源效率整体上呈缓慢上升趋势，说明政府已经采取了一些有效的节能措施。Wei等[7]利用DEA模型研究中国省际能源效率，发现东、中、西部地区之间能源效率存在显著差异，东部地区能源效率最高。

学者们所提出来的影响能源效率的因素，归纳起来主要有以下四种：第一，技术进步。技术进步是能源效率的外生影响因素 [8]，杨杰和宋马林[9]通过麦氏指数和回归分析，发现技术进步、对外开放、产业结构等均有助于省际能源效率的提升。王群伟等[10]进一步论证科技进步、技术效率和能源效率三者之间关系，发现三者之间具有长期稳定的均衡关系，科技进步和技术效率对能源效率的改善均具有正向的积极作用。第二，政策机制。政府干预对提高可持续能源发展和能源效率十分重要[11]，Geller等[12]比较了日本、美国和西欧等国家和地区的能源效率政策并具体分析美国加州能源政策，发现适宜的能源政策可以显著提高能源效率，从而有效地节约能源。Zhang等[13]在全要素理论框架下，比较了1980—2005年25个发展中国家的能源效率，并通过具体研究中国能源效率变化趋势，发现有效的政策对提高能源效率起至关重要作用。第三，能源价格。Fisher等[14]研究1997—1999 年中国工业企业面板数据，发现相对上涨的能源价格是导致中国能源强度下降的原因之一。Hang和Tu[15]也认为提高能源价格是提高能源利用率的一种有效手段，但是在提价过程中能源供应安全和燃料匮乏必须考虑。第四，企业管理。Song 等[16]通过研究中国经济增长与能源消耗的关系，发现加强企业管理也有助于节约能源，提高能源效率。Cui 等[17]用DEA模型和麦氏指数研究了9个国家的能源效率并分析其影响因素，发现管理可以通过影响纯技术效率来影响能源效率。

数据包络分析（Data Envelope Analysis，简称DEA）作为一种可以准确评价经济体效率且操作简单的非参数统计方法，被广泛应用于能源效率问题研究中。由于传统的DEA模型将松弛变量的产生原因都归为内部管理因素，忽视环境变量和随机误差的影响，而三阶段DEA模型可以剔除环境变量和随机误差的影响使测量结果更加准确，能相对真实地描述各地区能源效率状况和变化趋势，本文将采用三阶段DEA模型测算中国各省份能源效率，并通过比较中国省际能源效率的差距，分析影响能源效率的因素并提出相关政策建议。

二、指标选取与数据来源

为了科学、客观地测算中国环境能源效率，本文遵循全面性、客观性、独立性和可操作性的原则，分别选取投入指标、产出指标以及外部影响环境变量。

1投入指标

投入指标包括人力、能源和资本三个方面的投入。人力资源主要考虑各地区参加能源利用过程中的人力成本投入，以各地区期末从业人员作为衡量地区人力资源的投入指标。能源投入主要考虑各地区在一定时间内消耗能源的数量，以各地区年末能源消费量表示。资本投入使用各地区资本存量。由于不能直接获得各地区资本存量数据，因而采用永续盘存法来估算各地区年末资本存量。参考张军等[18]的研究，计算公式为Ki，t=Ii，t+（1-σi）Ki，t-1。其中，Ki，t表示i地区第t年末的资本存量，Ii，t表示i地区第t年的投资，σi表示i地区固定资产折旧率。

2产出指标

在选取产出指标时需要同时考虑经济产出和环境产出两个方面。第一，经济产出。主要指能源投入对地区工业和经济产生的效益，选用工业生产总值和地区GDP来度量。第二，环境产出。采用碳排放量来衡量能源在利用过程中对环境的影响。由于不能直接获得地区碳排放量数据，借鉴蒋金荷[19]的方法进行估算，计算公式为Ti，t=∑8j=1Ei，j，t×fj×cj（j=1，2，，8）。其中，Ti，t表示i地区第t年的碳排放量，j表示化石燃料种类，分别为煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气，Ei，j，t表示i地区第t年对第j种能源消费量，fj表示j种能源标准煤折算系数，cj表示j种能源的碳排放系数。

3环境变量

环境变量又称为外部影响环境变量，是指能够影响能源效率但不在主观可控范围的因素，通常是指管理者在短时间内无法改变或不容易改变的变量。根据地区能源效率的自身特性，选取科技进步和产业结构作为环境变量。科技进步是影响能源效率的重要指标，通过推广与应用节能产品，可以大大降低能源的浪费，而先进的能源转换技术又可以提高能源转化效率。以R&D经费投入强度，即各地区R&D经费支出占地区GDP比重，作为衡量地区科技进步的指标。其中，R&D经费主要指企业在产品、技术、材料、工艺、标准的研究和开发过程中发生的各种费用。由于在三大产业中第二产业的能源消耗最大，以第二产业GDP占地区GDP百分比作为度量地区产业结构对能源效率的影响因素。

4数据来源与处理

本文选取中国29个省份的能源相关数据进行测算。由于西藏数据不完整而未进行分析，由于重庆1997年才被划为直辖市，不能获得之前年份的资本存量数据，因而将重庆数据合并到四川数据中进行分析。各省份年末能源消费总量和不同种类能源消费量数据来源于《中国能源统计年鉴》，R&D经费投入强度数据来源于《中国科技统计年鉴》，其余数据均来源于《中国统计年鉴》。

三、实证分析

1第一阶段传统的DEA模型分析

传统的DEA模型分为投入导向模型和产出导向模型，由于产出变量很难控制，在本阶段采用投入导向的规模可变DEA模型，其实质是将计算决策单元的效率问题转化为线性规划问题，将各个决策单元投影到DEA前沿面上，通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。运用MaxDEA50分别得到2008—2012年中国29个省份技术效率及规模报酬状况，结果如表1所示。

在不考虑环境变量和随机误差影响的情况下，分析中国各省份初始能源效率。在规模效率方面，样本期间内中国能源效率的规模效率总体水平较高，均不低于0970，从趋势上看略有下降，但降幅很小。具体而言，每年中国约有1/3省份的规模效率为1，其中，北京、广东、海南、江苏、内蒙古、山西、陕西和浙江连续五年都是规模有效的。2008—2011年，规模报酬递减的省份约占三成，2012年规模报酬递减的省份数量骤降为4个，规模报酬递增的省份有所增加。在纯技术效率方面，中国能源利用的纯技术效率得分2009年最高，为0932，然后开始呈现逐年小幅下降趋势。各年份纯技术效率得分均低于规模效率得分，在一定意义上说明中国各省份能源效率在纯技术方面尚有很大的提升空间。在技术效率方面，2008—2012年中国各省份能源利用的技术效率呈下降趋势，2009年微幅上涨后开始小幅下降，波动走势与纯技术效率变动趋势基本一致，纯技术效率代表由管理或技术等因素影响的效率，由此也可以说明技术无效主要来源于纯技术无效，而不是规模无效。

将中国29个省份按照传统方法划分为东、中、西部地区，比较其能源效率。其中，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，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆。中部地区规模效率均值最大，其次是东部地区，西部地区规模效率均值最小且低于全国平均水平。此外，尽管中部地区规模效率均值高于东部地区，但规模效率为1的省份大多集中在东部地区。东部地区纯技术效率明显高于其他两个地区，中部地区次之，西部地区纯技术效率最低。与总体平均水平相比，只有东部地区纯技术效率高于全国平均水平，且东部地区多个省份纯技术效率均达到最大值1。在能源效率方面，中国能源效率从东到西呈下降态势，东部地区技术效率明显高于全国水平，中部地区技术效率则与全国平均水平持平，西部地区技术效率则最低，这与中国三大地区经济发展状况基本相符。其中，北京、广东、海南、江苏、浙江、山西、内蒙古和陕西能源效率为1，处于有效生产前沿；规模报酬递减的省份有河北、河南、辽宁和山东，其余省份规模报酬递增。

2第二阶段随机前沿分析

由第一阶段测算结果可以看出，中国各省份能源效率无效主要是由纯技术无效造成的，但此阶段没有剔除环境变量和随机误差的影响，结论可能并不准确。为准确测算中国各省份能源效率，在第二阶段采用随机前沿分析方法（SFA）分离环境变量和随机误差造成的影响。将第一阶段各省份投入变量的松弛量（径向松弛量和非径向松弛量）作为被解释变量，解释变量为R&D经费投入强度和第二产业GDP占地区GDP百分比两个环境变量，利用软件Frontier41进行SFA回归分析，回归结果如表2所示。

由表2可以看出，每个似然比LR单边检验在99%的置信水平上显著，说明混合误差项中存在技术无效，因而有必要采用随机前沿分析。其中，γ=σ2ui/σ2ui+σ2vi表示技术无效导致的误差占总误差的比重，由结果可以看出，γ值均高于0750，且通过了1%的显著性检验，表明技术效率存在差异，进一步证明采用随机前沿分析的必要性。同时，根据γ值也可以说明技术无效率对投入变量的松弛变量产生的影响更大，随机误差影响很小。

松弛变量是指可以通过管理手段减少的投入无效。第二阶段是环境变量对各投入变量的松弛变量进行回归，因而当回归系数为正值时，表明增加环境变量可以使松弛变量增加，即不利于减少投入变量的浪费；当回归系数为负时则相反。

由表2可以看出，R&D经费投入强度对从业人数、能源消费量和资本存量的松弛变量回归都显著，说明可以通过调整各地区R&D经费投入强度来影响各投入变量的松弛变量，进而影响各地区能源效率。同时，R&D经费投入强度对各投入变量的松弛变量的回归系数均为负值，表明地区R&D经费投入强度越大，投入变量的浪费越小，地区能源效率越高。第二产业GDP占地区GDP百分比与从业人数和资本存量的冗余变量呈显著正相关，说明在产业结构中，第二产业比重越大，人力和资本的浪费越多。第二产业GDP占地区GDP百分比对能源消费的松弛变量的回归显著且系数为负值，说明第二产业比重越大，能源消费的浪费反而少。但是比较回归系数发现，第二产业占地区经济比重对投入变量的松弛变量的正向影响大于负向影响，因而可以通过降低第二产业比重来提高地区能源效率。

3第三阶段调整后的DEA模型

由第二阶段SFA回归分析可知，不同环境变量对能源效率的影响方向不同，包含环境变量和随机误差影响的能源效率评价结果是不准确的，因而需要利用第二阶段的结果调整原来的投入变量，使各决策单元处于相同的外部环境，再次利用DEA模型测算中国省际能源效率，结果如表3所示。

整体而言，除2010年规模效率略有下降外，样本期间中国能源利用的规模效率基本呈增长趋势，但涨幅较小。纯技术效率整体水平呈下降趋势但波幅很小，数值接近于最大值1，且有多个省份连续五年纯技术效率为1。同时，剔除环境变量和随机误差影响后，纯技术效率明显高于规模效率，与第一阶段结论相悖。从整体来看，2008—2012年中国整体能源利用的技术效率呈上升状态，波动趋势与规模效率变动趋势基本一致，而不是与纯技术效率一致，说明技术无效主要源于规模无效，而不是纯技术无效。此外，此结论与第一阶段结论相反，表明环境变量和随机误差可以显著影响对纯技术效率和规模效率的测算。广东、江苏、内蒙古、山东和山西连续五年是规模有效的；样本期间大部分省份都是规模报酬递增的，表明大部分省份在资源投入方面存在不足；只有河北在2009—2011年是规模报酬递减的。

静态分析2012年中国区域能源效率均值。从规模效率方面看，东部地区规模效率最高，中部地区次之，西部地区最低，三大地区规模效率均值由东到西依次递减，全国平均水平与中部地区持平。此外，可以明显看出规模效率低于纯技术效率。在纯技术效率方面，东、中、西部三大地区相差不大，且数值都较大，接近于1；约有一半的省份纯技术效率为1，这些省份主要分布于东部地区。三大地区的能源效率差异显著，并且与纯技术效率地区差异趋势相同，东部地区最高为0784，其次是中部地区，西部地区最低仅为0685，全国水平和中部地区能源效率基本持平为0745左右。广东、江苏、内蒙古、山东和山西能源效率达到1，处于能源利用有效前沿上；其余省份规模报酬递增，说明应当加大投入，扩大规模，从而实现规模效益；2012年没有规模报酬递减的省份。

按照能源利用效率将中国29个省份划分为高效利用、一般利用和低效利用（结果如表4所示），可以看出中国省际能源效率差异显著，效率最低的省份为海南，其效率仅为0206，而能源效率最高的省份其效率可以达到1。按照能源效率水平高低将中国29个省份划分为高效利用、一般利用和低效利用，结果如表4所示。其中，能源效率在0900以上的省份有8个，能源效率不超过0500处于低效率利用的省份有3个，其他18个省份的能源效率介于0510到0900之间，处于一般利用效率水平。总的来看，能源效率在传统的东、中、西部三大地区，呈现东部地区效率高、西部地区效率低的趋势，不过西部地区的内蒙古以及中部地区的山西和河南三个省份能源效率处于高效利用，而东部地区的海南能源效率则居29个省份的最后，表明能源效率不仅受地域差异的影响，同时也受到各省份能源资源禀赋、科技进步、产业结构等因素的影响。

第三阶段的DEA模型是剔除了环境变量和随机误差影响进行的，即各决策单元处于相同的外部环境，下面具体分析这两个阶段存在的差异。首先，

比较中国29个省份样本期间规模效率第一阶段和第三阶段的变化可以看出，第三阶段的规模效率明显低于第一阶段，说明在第一阶段规模效率被高估，且剔除环境因素和随机误差影响后各省份规模效率差距明显拉大。研究三大地区调整前后规模效率发现，中部地区和西部地区的规模效率调整后都明显变小，东部地区少数省份调整后的数值变大。同时，对比结果发现，第一阶段规模效率为1的省份个数明显多于第三阶段，说明环境变量对规模效率的影响是消极的。其次，

比较研究第一阶段和第三阶段各省份纯技术效率均值可以看出，调整后各省份纯技术效率均值差异变小，数值变大且更接近1，说明在第一阶段纯技术效率被低估。少数省份纯技术效率调整前后没有发生太大变化，部分省份纯技术效率变化较大，如河南、黑龙江、湖北、湖南、甘肃、广西、贵州、四川和新疆等省份纯技术效率明显上升，而上海调整后的纯技术效率微幅下跌。东部地区调整前后纯技术效率差异较小，中、西部地区调整前后差异较大。整体而言，环境变量对纯技术效率的影响是正向的。

至于技术效率方面，大部分省份调整后的技术效率明显下降且各省份之间差距拉大，说明在第一阶段高估了各省份能源效率；在第三阶段控制外生变量和随机误差后，规模效率和纯技术效率差距拉大，技术效率出现较大幅度变化，说明环境变量对技术效率影响显著且负相关。同时，调整后能源效率变低主要是由规模效率变化造成的，能源效率波动与规模效率波动一致，这与第一阶段得出的结论相悖。剔除环境变量和随机误差影响后，各省份能源效率测算更加客观准确，可以更好地反映各地区能源利用情况。规模报酬方面，第一阶段规模有效的省份个数明显多于第三阶段，且第三阶段没有规模报酬递减的省份。

四、研究结论与政策建议

基于剔除环境变量和随机误差影响的三阶段DEA模型测算中国省际能源效率，得出以下研究结论和政策建议。

1研究结论

中国整体能源效率呈上升状态，波动趋势与规模效率变动趋势基本一致。在相同的外部环境和随机误差影响下，动态分析显示中国各地能源效率不断增长，但波动幅度较小，与Song等[6]研究结论一致。能源效率与规模效率变化趋势一致，说明中国能源效率的无效主要是由规模无效造成的，而不是纯技术无效造成的。纯技术效率整体下降但波动幅度不大，纯技术效率都较大且接近1。

科技进步可以提高能源效率。通过第二阶段随机前沿分析发现，R&D经费投入强度对各投入变量的松弛变量的回归显著且回归系数为负值，说明增加科研经费的投入可以减少投入变量的浪费，从而提高能源效率，也就意味着科学进步对提升能源效率具有推动作用。

调整产业结构是提高能源效率切实有效的手段之一。本文选用的另一个环境变量是第二产业GDP占地区GDP百分比，以此代表不同地区产业结构。通过SFA回归发现，第二产业GDP占比越大，投入变量的松弛变量就越大，产业结构对能源效率影响显著。这是因为第二产业主要由工业构成，工业企业运营模式大多高投入低产出，极易造成能源浪费。

不同区域能源效率存在明显差异。静态分析中国能源效率发现，全国各省份能源效率差异很大，分布较为离散。三大地区能源效率差异显著，东部地区能源效率最高，其次是中部地区，西部地区能源效率最低。结合以前学者研究结论发现，这种分布状况一直存在。能源利用高效率的省份大多集中在东部地区，西部地区各省份能源效率相对较低。

中国绝大多数省份规模报酬递增。第三阶段剔除环境变量和随机误差影响后分析规模报酬显示，中国绝大部分省份规模报酬递增，说明其投入规模不足。广东、江苏、内蒙古、山东和山西连续五年是规模有效的；规模报酬递减的情况只在2009—2011年的河北出现过。

2政策建议

增加能源投入，扩大投入规模从而提高利用率。从前文分析发现，规模效率偏低是制约能源效率提高的重要因素，技术无效主要源于规模无效，同时中国绝大多数省份规模报酬都是递增的，说明能源投入仍不足、规模不大，因而建议各地区适当增加能源投入，扩大企业规模，从而达到规模效益并进一步提高能源效率。

加大科研经费投入，通过技术进步达到能源高效利用的目的。科技进步不仅可以提高能源的转化效率，同时可以降低污染排放。中国各地区应当加大科研经费的投入，积极引进人才，提高能源企业自主创新能力，缩小与发达国家技术水平差距，推动中国能源科技的发展，从而提高能源效率。

优化产业结构，降低高能耗产业比重，扶持绿色节能型企业发展。改革开放以来，中国经济的发展一直伴随着能源的浪费和环境的破坏，在“十二五”期间中国正努力改变这种低效的能源利用局面，而产业结构调整是提高能源效率的另一种有效途径。目前，中国经济仍是以工业为主导经济，工业又是能源利用的主要产业，各地区应当积极优化产业结构，逐步降低高能耗的产业比重，淘汰落后产能设备，鼓励企业更换绿色节能设备，大力扶持节能环保型企业发展。

平衡区域发展，使三大地区经济、科技协调发展。中国各区域、各省份能源效率差异显著，主要是由于各区域经济发展不平衡造成的。改革开放以来，由于政策的倾斜，东部地区发展要明显快于中、西部地区，尽管近年来政策导向不断向中、西部地区倾斜，但在能源、技术、人文等方面差异仍旧存在，平衡各区域发展将是中国长期的一项政策导向，但是也需要兼顾同一经济区域内不同省份能源效率的差异问题。对于能源效率明显偏低的省份，应当注重能源消费结构调整，加强区域能源合作，在大力发展地区经济的同时避免能源浪费。

参考文献：

[1]Farla， J C， Blok， K The Use of Physical Indicators for the Monitoring of Energy Intensity Developments in the Netherlands， 1980-1995[J] Energy， 2000， 25（7）： 609-638

[2]Miketa， A， Mulder， P Energy Productivity across Developed and Developing Countries in 10 Manufacturing Sectors： Patterns of Growth and Convergence[J] Energy Economics， 2005， 27（3）： 429-453

[3]Hu， J L，Wang， S C Total-Factor Energy Efficiency of Regions in China[J] Energy Policy， 2006， 34（17）： 3206-3217

[4]魏楚，沈满洪能源效率与能源生产率：基于DEA方法的省际数据比较[J]数量经济技术经济研究，2007， （9）：110-121

[5]孟昌，陈玉杰1995—2010年间的中国区域能源效率变动研究——描述性特征与基于面板数据DEA方法的实证[J]财贸经济，2012， （6）：116-123

[6]Song， M， Yang， L， Wu， J， Lv， W Energy Saving in China： Analysis on the Energy Efficiency Via Bootstrap-DEA Approach[J] Energy Policy， 2013， 57（6）： 1-6

[7]Wei， C， Ni， J， Shen， M Empirical Analysis of Provincial Energy Efficiency in China[J] China and World Economy， 2009， 17（5）： 88-103

[8]Jacobsen， H K Technology Diffusion in Energy-Economy Models： The Case of Danish Vintage Models[J] The Energy Journal， 2000， 21（1）： 43-71

[9]杨杰，宋马林我国能源效率全要素生产率分解及其影响因素分析——基于我国省级面板数据的实证研究[J]广东行政学院学报，2010， （2）：73-78

[10]王群伟，周德群，陈洪涛技术进步与能源效率——基于ARDL方法的分析[J]数理统计与管理，2009， （5）：913-920

[11]Sovacool， B K The Importance of Comprehensiveness in Renewable Electricity and Energy-Efficiency Policy[J] Energy Policy， 2009， 37（4）： 1529-1541

[12]Geller， H， Harrington， P， Rosenfeld， A H， Tanishima， S， Unander， F Polices for Increasing Energy Efficiency： Thirty Years of Experience in OECD Countries[J] Energy Policy， 2006， 34（5）： 556-573

[13]Zhang， X P， Cheng， X M， Yuan， J H， Gao， X J Total-Factor Energy Efficiency in Developing Countries[J] Energy Policy， 2011， 39（2）： 644-650

[14]Fisher，V. K， Jefferson， G H， Liu， H， Tao， Q What Is Driving Chinas Decline in Energy Intensity？[J] Resource and Energy Economics， 2004， 26（1）： 77-97

[15]Hang， L ， Tu， M The Impacts of Energy Prices on Energy Intensity： Evidence from China[J] Energy Policy， 2007， 35（5）： 2978-2988

[16]Song， M， Wang， S， Yu， H， Yang， L ， Wu， J To Reduce Energy Consumption and to Maintain Rapid Economic Growth： Analysis of the Condition in China Based on Expended IPAT Model[J] Renewable and Sustainable Energy Reviews， 2011， 15（9）： 5129-5134

[17]Cui， Q， Kuang， H B， Wu， C Y， Li， Y The Changing Trend and Influencing Factors of Energy Efficiency： The Case of Nine Countries[J] Energy， 2014， 64（1）： 1026-1034

[18]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

[19]蒋金荷中国碳排放量测算及影响因素分析[J]资源科学，2011，（4）：597-604

（责任编辑：韩淑丽）