中国省域电能效率：时空特征与收敛性分析

潘雄锋，潘仙友,彭晓雪

(大连理工大学 管理与经济学部，辽宁 大连 116023)



中国省域电能效率：时空特征与收敛性分析

潘雄锋，潘仙友,彭晓雪

(大连理工大学 管理与经济学部，辽宁 大连 116023)

我国在经济取得快速发展的同时，环境约束问题日益加剧。电力资源在我国能源建设以及能源发展方式转变中处于中心地位，客观地评价我国区域之间电能利用水平差异收敛特征，对于全面提高电能效率，突破资源、环境与经济之间瓶颈尤为重要。文章基于SBM超效率模型测算了我国1990-2013年29个省域电能效率，从时序变化看，我国各省域电能效率总体上呈现先上升后下降的趋势。通过聚类分析将我国划分为高、中、低效三类地区，并对各地区电能效率进行了收敛性分析。结论表明：1990-2013年间全国层面及各分区电能效率差距呈现先缩小后增大的趋势；全国及高效地区不存在β绝对收敛性，中、低效地区存在绝对收敛；通过β条件收敛分析得出高效地区不存在条件收敛，而全国、中效及低效地区分别以不同速度趋于各自稳态水平。最后，本文结论部分给出了相应的政策建议。

电能效率；收敛性；SBM超效率；时空演变

引 言

自改革开放以来，我国经济保持着年均增长率为9.48%的强劲势头。电力资源作为我国经济发展不可或缺的资源，在终端能源消费中所占的比重逐年攀升。以发电煤耗法计算，其比重由2000年的36.1%上升到2012年的48.9%。然而，由于资源禀赋原因，电煤占煤炭消费总量的比重也逐年增加，由2000年39.6%上升到2012年的50.6%。煤炭资源的过度消费，使得我国电力部门成为名副其实的“排碳大户”。据2009年国际能源署的相关数据显示，我国于2007年成为全球第一大CO2排放国。碳排放总量的持续剧增，不仅使我国承受巨大的国际社会碳减排压力[1]，而且也严重制约着我国经济发展方式的转变。考虑到我国目前仍然存在大量的就业、民生等问题，经济的发展具有一定的刚性需求，若不及时、有效地转变我国经济发展模式，势必会给资源及环境带来进一步的压力[2]。能源效率作为“第五类能源”，在节能减排中发挥着重要的作用[3]。因此，提高电能效率，成为我国改变原有的粗放型经济发展方式、缓解环境压力的有效途径之一[4-5]。为了全面提高电能效率，实现可持续性发展，中国政府在“十二五”规划中要求深入贯彻节约资源基本国策，各地方政府将降低单位GDP能耗作为约束性指标纳入地方国民经济和社会发展中长期规划。然而，我国地域广阔，不同省域要素投入、经济结构和技术水平等存在较大的差异，各地区电能效率存在一定差距。政府部门由于缺乏必要的理论支撑和实践经验，节能目标基本采取“一刀切”的方案，地区电能效率的差异使得各地区面临着不均衡的节能工作压力。在“十二五”节能减排综合性工作方案中明确指出，要合理分解节能减排指标。因此，如何准确衡量我国各省域的电能效率，在此基础上合理地对我国地区电能效率水平进行归类，客观地分析其演变态势，对于全面提高电能效率，实现资源可持续、环境可支持、经济增长的目标，具有一定的理论指导和现实意义。

一、文献综述

Patterson认为能源效率是指用等数量的能源消耗提供更多的服务或具有价值的物品[6]。电能强度，即单位产出所需的能耗，因其计算方便而被广泛使用。王喜平、姜磊等利用电能强度指标对我国电能效率的影响因素进行了分析与评价[7-8]；但是电能强度指标未能综合考虑到要素替代、技术进步等对电能效率的影响作用[9]，王喜平、严菲、江兵等基于投入产出DEA模型，分别从不同视角测算了我国全要素电能效率[10-12]；李金超、檀勤良等则利用曼奎斯特指数方法计算了我国电能利用的全要素效率[13-14]。然而，传统的DEA模型并没有考虑投入产出松弛变量对模型估算可靠性的影响，其效率值存在一定的偏差[15]。Tone提出了非径向模型(SBM)，目标函数中加入了松弛变量，其经济解释是使得决策单元实际利润的最大化，而非效益比例的最大化[15]。同时，实际情况中，邻近发达省份、区域之间其电能效率相近，甚至同时处于最优前沿面，传统DEA模型无法对其进行进一步的排序，因此无法对有效单元进行更为深入的分析。为了克服这个缺陷，Tone提出了超效率模型，其基本原理是在评价决策单元时，将有效决策单元进行排序并测度。而对于无效单元，由于有效前沿面并未发生改变，其评价结果仍然保持一致[16]。

上述文献对于研究我国电能利用效率奠定了一定的理论基础。另一方面，众多国内外学者针对区域之间效率水平差异的收敛性进行了论证与分析。Le Pen和Sevi基于1971-2003年97个国家面板数据，指出能源强度在全世界范围内并不存在收敛态势，但是在中东及OECD地区存在收敛趋势[17]；Liddle基于1971-2006年111个国家以及1990-2006年134个国家的数据，结论指出，全世界范围内能源强度存在收敛状态，但是不同区域收敛速度并不一样，甚至不存在收敛状态[18]；李国璋等人则指出我国及东、中区域的能源效率在1995-2006年呈现向稳态收敛的发展趋势，而西部则有微弱发散的态势[19]；师傅等人基于变异系数对中国区域能源效率的收敛性进行了分析，结果表明西部地区能源效率呈发散现象，东部呈趋同特征，而中部则呈现出逐渐向东部收敛的态势[20]。

回顾上述文献，众多学者从多方面定义了电能效率，并且论证了区域之间差异程度的收敛情况，这对于我国制定电能利用差异化政策具有一定的理论参考价值。然而，已有成果大多以能源消费为研究对象，鲜有文献针对电力消费进行研究，既有成果对于电能效率的测度也存在一定的偏差。其次，大多数文献对于我国电能效率水平区域的划分通常采用常规的地理区位方式，例如东部、中部、西部，缺乏对分组合理性的检验，忽视了分组的重要性。因此，有必要对中国各地区的全要素电能效率进行科学的测度，在此基础上，具有针对性地对我国电能利用水平进行划分，并对各个地区电能效率差异特征进行量化分析。综上所述，本文工作如下：第二部分构建SBM超效率模型对我国电能效率进行测度及分类；第三部分将基于σ和β收敛分析方法探讨我国电能效率的收敛性；第四部分根据相关结论提出针对性的政策建议。

二、全要素电能效率时空格局分析

(一) SBM超效率DEA模型简介

目前，针对效率的测算方法主要有两种，即参数计量(SFA)和非参数(DEA)方法为主。由于SFA方法需要通过建立具体的生产前沿面来对生产单元效率值进行估计，而DEA则可以通过相对有效前沿面比较生产单元实际投入与最优前沿面之间的距离，可以有效地避免函数形式对估计结果所造成的误差，从而得到广泛应用。DEA基础模型由美国的Charnes、Cooper和Rhodes等人于1978年首次提出[21]，基本思路是通过决策单元空间数据构建非参数的包络前沿面，在前沿面上的都属于有效点，而置于前沿面外的则属于无效点。

考虑到传统的DEA模型并没有考虑投入产出松弛变量对模型估算可靠性的影响[15]，在规划方程中加入其松弛变量，如下式所示，每个DMU由投入m和产出r两个要素构成。SBM模型表示如下：

(1)

当且仅当ρ=1，即w-=0，ws=0时DMUk为SBM有效。为了对上述有效单元进行进一步的分析，本文在SBM模型的基础上引入超效率模型，定义DMUk是SBM有效的。超效率SBM模型表示如下[16]：

(2)

根据上述模型(1)和(2)，本文将全要素电能效率定义为：当ρkt<1时，全要素电能效率值等于ρkt；而当ρkt>1时，则全要素电能效率值等于φkt。

(二) 指标选取及数据来源

全要素电能效率的估算需要明确投入和产出变量，本文以各省域资本存量、劳动力和电能消费总量作为投入变量，产出变量为各省域的实际GDP，运用MaxDEA软件进行测算。具体的变量定义为：① 资本存量K。采用“永续盘存法”来计算每年各省的实际资本存量，其计算公式为：Ki,t=(1-δi,t)Ki,t-1+Ii,t。式中：Ki,t为i省份第t年的资本存量；Ii,t为i省份第t年的投资；δi,t为i省份第t年的折旧率。其中1990-2006年的数据直接取自于单豪杰的研究成果[22]，按其方法计算了2007-2013年各省份的资本存量，并以2000年作为基期进行实际数据的换算，单位为：亿元。② 劳动力L。本文以各省年末就业人员数量来表示，单位为：万人。③ 电能消费总量E。本文以各省每年的电力消费总量来表示，单位为：万千瓦时。④ GDP。以2000年为基期的实际GDP表示，单位为：亿元。鉴于数据的可得性，本文选取1990-2013年期间我国29个省份的面板数据，其中：重庆市并入四川省，由于西藏数据缺失严重，因此未予考虑。所有数据均来自于各年《中国统计年鉴》、地方统计年鉴以及《电力统计数据资料汇编》。

(三) 我国全要素电能效率时空演变格局特征分析

从全国总体层面(图1)来看，1990-2013年我国全要素电能效率呈现出先上升后下降的态势。2003年之前，我国全要素电能效率呈现出缓慢上升的趋势，于2003年达到最高值；2003年-2010年全要素电能效率逐渐下降，2010年之后，效率值略有改观。可能的原因：(1) 21世纪初，尤其是中国在2001年加入世界贸易组织，经济实力稳步提升。然而，经济的快速发展以及不匹配的经济发展模式，人们对于经济发展增速的高预期过度依赖于要素投入，尤其是电能资源，导致了我国电能的低效使用。(2) 大量的能源消耗带来巨大的环境负外部效应。其中，2003年的重化工业重启因素以及中国各地区“为增长而竞争”的制度安排，巨额的环境退化成本给我国带来了沉重的经济压力，严重制约着经济发展方式的转变，进而影响了电能效率切实有效地提升。(3) 随着经济全球化的发展，开放程度进一步加速，中国利用外资持续增长。但是，由于我国国内自主研究的投入以及对外开放政策合理度的不足，国际技术的扩散并未对我国电能效率的提高起到预期的目标。(4) 2010年之后，我国全要素电能效率呈现出逐步回暖的趋势，这可能与“十一五”期间，中央政府将节能减排目标纳入国民经济发展规划纲要，节能减排目标的提出形成了加快转变经济发展方式的倒逼机制，这对于全要素电能效率的提高具有一定的积极意义。

图1 1990-2013年全国及三大区域全要素电能效率平均值

从区域维度上看(图1)，三个区域变化趋势基本相似，东部地区的全要素电能效率值高于中部和西部地区。一方面，东部沿海地区人力资本质量优秀，作为技术知识的载体，是电能利用技术水平不断提高的源泉。其次，东部地区的经济结构以及制度创新等方面更加先进和完善，使得电能资源利用技术水平更加接近于生产前沿。另一方面，中、西部地区相对于东部地区经济较为落后，环境的承载能力相对优于东部地区，地方政府为了追求经济的发展，地方政府偏向于能源资源的投入，从而削弱了电能使用效率。将1990-2013年分为三个阶段，1990-1997年、1998-2005年、2006-2013年。图2给出了三个时间段我国29个省区全要素电能效率平均值的空间演变图，由图可以清晰地看出，1990-2013年，我国全要素电能效率呈现出自东向西递减的格局，表明我国省域电能效率变动存在所谓的“局域俱乐部集团”现象，当邻近地区电能效率高，本地电能效率也相对较高；而邻近地区电能效率低，则本地电能效率也相对较低。其次，较靠近前沿面的省份个数经历了由少变多，由多变少的过程。分布区域也大多都集中在东部沿海地区，这也说明了我国全要素电能效率具有路径依赖性，这对于我国全面降低电能强度具有一定的不利影响。

图2 我国全要素电能效率时空演变图

(四) 我国省域全要素电能效率聚类分析

电能利用水平不仅受到本地资源禀赋等先天条件的影响，还受到了本地经济发展情况的影响，从前文分析也可以得出，基于传统的三大经济地带划分我国电能效率分布格局存在一定的不合理性，并不能保证同一区域内对象的属性值差别较小，区域之间属性值的差别较大。本文采用K-mean聚类方法将中国29个省域电能效率进行空间聚类分析。在K-mean聚类中通常需人为制定分类的数目k，根据经验规则kmax≤[N1/2]，其中N为研究对象的个数，符号[]为向上取整标记，本文经过多次试验选取分类数目值k=3。如图3，我们可以发现，1990-2013年我国电能效率的空间分布格局与传统的经济带划分存在较大的出入。因此，将我国29个省域电能效率利用水平进行重新划分，共分为一、二、三类地区，分别定义为高效区、中效区、低效区，这对于我国政府更有针对性地制定电能效率区域化政策具有理论指导意义，也为下文分析各类别地区电能效率差异演变态势奠定基础，详细分类结果见表1。

图3 1990-2013年我国电能效率区域划分

表1 1990～2013年我国电能利用水平区域划分

三、我国全要素电能效率区间差异收敛性分析

(一) 收敛分析方法简介

常用的收敛分析方法为σ收敛和β收敛，σ收敛用于衡量区域之间电能效率的离散程度，如果σ值随时间推移而递减，则存在σ收敛现象，反之则不存在。σt值可以定义为：

(3)

其中，ETm(t)表示第m个地区在t时的全要素电能效率。通过计算σ值，若σt+1<σt，则区域全要素电能效率存在σ收敛。

β绝对收敛是指具有相同的经济基础条件下所有地区电能效率随着时间的推移都收敛于相同的稳态水平，其对应的绝对β收敛模型为：

(4)

其中，α为常数，Ln(Eit+T/Eit)表示i省由第t期至第t+T期的电能效率年均改变，若β<0，则存在绝对收敛；反之，则不存在。

β条件收敛是指随着时间的推移，地区电能效率收敛于各自的稳态水平，稳定水平值由各自区域的自身特征决定，由于各地区特征具有一定的差别，因此各自的稳态水平值也存在高低之分。因此，倘若条件收敛显著存在，说明地区之间的电能效率差异存在具有持久性。本文基于各省区电能效率的面板数据，运用固定效应模型进行条件收敛分析，其最大的优点是：(1) 无需选择解释变量，因此也避免了遗忘模型遗漏解释变量的问题[23]；(2) 面板固定效应模型可以较好地衡量地区各自不同的稳态水平，满足β条件收敛的假定条件，因此无需选择控制变量[24]。为此，本文将基于公式(5)，加入个体及时间固定项，采用双向固定效应模型来检验我国电能效率条件收敛，式中：α为常数，β为待估系数，若β<0，则存在条件收敛；反之，则不存在，uit为随机误差项。

(5)

(二) σ收敛分析

本文首先借助于σ收敛分析方法，对1990～2013年我国电能效率的收敛状态进行了分析。如图4所示，从全国层面来看，1990～2013年间，我国各省域电能效率σ值呈现出先下降后上升的趋势，说明我国各省域电能效率在总体上呈现出先收敛后发散的状态，即各省域之间电能效率的差距程度先缩小再逐步扩大。从各类型地区电能效率的σ收敛趋势来看，高效地区相对于中、低效地区，其σ收敛趋势波动较大，2003年之前总体呈现收敛的态势，而2003年之后呈现发散的趋势。中、低效地区σ收敛趋势则与全国基本保持一致。

图4 1990-2013年我国三大区域及全国电能效率σ收敛图

(三) β绝对收敛分析

表2给出了(5)式绝对β收敛检验的回归结果，可以发现，从全国层面分析，1990-2013年，我国各省份全要素电能效率收敛系数为负，但不显著，说明不存在β绝对收敛，即我国各省域电能效率不存在趋同的现象。从三类地区回归结果分析：高效区回归系数为负数，但是未通过10%的显著性检验，可以得出高效区全要素电能效率β绝对收敛现象在统计意义上不显著；分析中、低效区域回归系数可以发现，β值分别为-0.063和-0.022，且通过10%的显著性检验，存在β绝对收敛。表明中、低效区域内部相对落后的省份将分别以每年约6%和2%的速度弥补与发达省份之间的电能效率差距。也说明了随着区域内部省际之间要素流通以及技术的互补，省际之间电能效率差距在逐步缩减。然而，结合全国绝对收敛的分析结果来看，虽然我国区域内部电能效率差异在逐步减小，但是区域之间差异却没有缩小，这也对我国目前制定区域发展政策提出了警示，应逐步加强区域之间互助、互惠政策，突破各区域之间阻碍先进技术溢出的障碍，使得先进的节能减排技术及时有效地流通与扩散，这对于最终实现我国电能效率的趋同有重要意义。

表2 全要素电能效率β绝对收敛分析

1990-2013全要素电能效率β绝对收敛分析变量全国高效中效低效β-0.009-0.062-0.063-0.022p0.2870.1880.0380.099t-1.086-1.701-2.553-1.776

(四) β条件收敛分析

表3给出了条件β收敛检验结果，回归系数显示：除了高效地区之外，全国和中、低效地区的β值在5%的显著水平下都为负数，这反映了该地区电能效率存在显著的条件收敛趋势，即逐步趋向于自身的稳态；而高效地区其回归系数虽然为负，但是统计意义上并不显著。从β的绝对值来看，中效地区最大，各省份以相对最快的速度达到自身的稳态水平，低效地区次之，高效地区最为缓慢。

表3 全要素电能效率β条件收敛分析

四、研究结论和政策含义

1. 基于SBM超效率模型，测算了我国1990-2013年29个省域的全要素电能效率，总体上呈现倒“U”型曲线，2003年之后，我国电能效率总体呈现下降的趋势。区域之间，东部电能效率最高，中部次之，西部地区最低，总体节能潜力较大。可见，在坚持“以经济发展作为第一要务”的同时，需要更加注重地区能源资源节约利用和环境污染防治问题，构建节能低碳经济发展的新模式。各个区域应该根据自身的优势，不断发展绿色产业，加大清洁能源的开发程度以及先进发电技术的研发力度，逐步提高电能效率，尽快实现经济、资源、环境之间的良性循环。在此基础上，基于K-mean聚类分析方法，将我国29个省域电能效率进行了重新划分，分为高、中、低三类地区，相比于传统经济区域划分存在较大出入。

2. 通过σ收敛以及β收敛性分析，可得到以下结论：从全国层面来看，我国各省域电能效率在总体上呈现出先收敛后发散的状态，即省域之间电能效率的差距程度先缩小后逐步扩大。β收敛分析结果表明,全国及高效地区电能效率不存在β绝对收敛，中、低效地区存在β绝对收敛；β条件收敛性分析结果显示,除了东部地区，全国及中、低效区域电能效率将以不同的速度趋向于各自的稳态水平，并且中效地区收敛速度高于低效地区。因此，本文认为：从全国层面来看，我国各省域之间电能效率存在差异并且具有一定的持久性；同时，由于中、低效地区内部各省份之间经济发展水平差异较大，各省份电能效率稳态水平也存在一定的落差。如何转变我国中、低效地区经济发展模式，完善地区产业优化程度，使得该地区内部电能效率趋同于同一较高的水平至关重要。尤其是目前国家将利用西部地区丰富的资源储备量，将西北打造成能源合作的战略通道，及时、有效、全面地促进西部落后地区电能效率提高，这对缓解我国的能源短缺瓶颈，进一步构建我国“丝绸之路经济带”，实现互利共赢式的和平发展具有积极意义。

[1] Zhao X L,Yin HT.Industrial relocation and energy consmption：evidence from China[J].Energy Policy,2011,39(5):2944-2956.

[2] Yu S W,Zhu K J,A hybrid procedure for energy demand forecasting in China[J].Energy,2012,37(1):396-404.

[3] Warren A,1982，Does energy efficiency save energy:the implications of accepting the Khazzoom-Brookes Postulate[EB/OL].http://technology.open.ac.uk/eeru/staff/horace/kbpotl.htm.2006-7-7.

[4] Ang B W,Mu A R,Zhou P.Accounting frameworks for tracking energy efficiency trends[J].Energy Economics,2010,32(5):1209-1219.

[5] Al-Mansour F.Energy efficiency trends and policy in Slovenia[J].Energy,2011,36(4):1868-1877.

[6] Patterson M G.What is energy efficiency?:Concepts,indicators and methodological issues[J].Energy Policy,1996(5):377-390.

[7] 王喜平，席存利.技术进步、结构调整与电力能源消费效率[J].中国能源，2010(12):33-36.

[8] 姜磊，吴玉鸣.电力利用效率差异及收敛分析[J].新疆财经大学学报，2010(2):5-13.

[9] HU J L,Wang S C.Total-factor energy efficiency of regions in China[J].Energy Policy,2006,34(17)：3206-3217.

[10] 王喜平，仇乐.中国工业电能利用效率及影响因素[J].中国电力，2011(7):71-76.

[11] 严菲，谭忠富.应用DEA模型分析北京市全要素电能消费效率[J].中国电力，2010(9):37-40.

[12] 江兵，蔡艳.基于DEA模型的电能利用效率评价[J].中国管理科学，2012(S2):827-832.

[13] 李金超，牛东晓.中国电能利用效率测算及其影响因素分析[J].电力需求侧管理，2009(4):11-15.

[14] 檀勤良，孙恒等.基于省际面板数据的全要素电力效率评价与分解模型[J].中国电机工程学报，2012(34):105-111.

[15] Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research,2001,130(3):498-509.

[16] Tone K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operational Research,2002,143(1):32-41.

[17] Le Pen,Sevi B. On the non-convergence of energy intensities:Evidence from a pair-wise econometric approach[J].Ecological Economiss,2010,69(3):641-650.

[18] Liddle B.Revisiting world energy intensity convergence for regional differences[J].Applied Energy,2010,87(10):3218-3225.

[19] 李国璋，霍宗杰.我国全要素能源效率及其收敛性[J].中国人口资源与环境,2010(1):11-16.

[20] 师傅，张良悦.我国区域能源效率收敛性分析[J].当代财经,2008(2):17-21.

[21] Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.

[22] 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):17-31.

[23] 彭国华.中国地区收入差距、全要素生产率及其收敛分析[J].经济研究.2005(09):19-29.

[24] Miller S M,Upadhyay M P.Total factor productivity and the convergence hypothesis[J].Journal of Macroeconomics,2002,24(2):267-286.

PAN Xiong-feng,PAN Xian-you,PENG Xiao-xue

(Faculty of Management and Economics, Dalian University of Technology, Dalian 116023, China)

Provincial Power Efficiency of China:Spatial-Temporal Characteristics and Convergence Analysis

With the rapid development of economy in China, the environmental problems have become increasingly serious. Electric power is in central position of energy construction and energy development transformation.To objectively evaluate the distinctive convergence characteristics of the power utilization level across regions is important to fully improve the power efficiency and break the bottleneck among energy, environment and economy. With the model of Super-SBM, this paper estimates the power efficiency of 29 provinces in China from 1990 to 2013. From the sequential variation perspective, provincial energy efficiency first raises and then falls. By cluster analysis,provinces were classified as efficient, average and inefficient, and analyzed in terms of their power efficiency convergence. The results show that during the interval between 1990 and 2013, the electrical energy efficiency gap among the national level and each region first narrows but then becomes larger. Compared with that in areas of average and low power efficiency,βabsolute convergence effect is not significant in efficient provinces and the whole nation. Also,βconditional convergence effect does not exist in efficient provinces, but on the national level,and in average and inefficient areas,it tends to achieve a steady state with different speed. At last, some policy suggestions were provided according to the research results.

power efficiency; convergence; Super-SBM;spatial-temporal evolution

2016 - 06 - 05

国家自然科学基金(项目编号:71303029)； 大连市科技计划项目( 项目编号：2015D12ZC176)。

潘雄锋(1980-)，大连理工大学管理与经济学部副教授，研究方向：技术创新与可持续发展; 潘仙友(1989—)，大连理工大学管理与经济学部博士生，研究方向：电力经济; 彭晓雪(1991-),大连理工大学管理与经济学部硕士生。

F426.61

A

1009-105X(2016)06-0069-07

中国矿业大学学报(社会科学版) 2016年第6期Journal of China University of Mining & Technology(Social Sciences)2016年11月