环境约束下中国地区能源全要素效率及其影响因素

杨先明　田永晓　马娜

摘要：当下中国经济发展面临以节约能源消费和减少CO₂排放作为主要目标的经济结构转型压力。在能源约束条件下如何提高能源效率实现经济可持续增長，能源效率问题作为研究中国经济可持续增长是必要的且具有十分重要的现实意义。本文基于Metafrontier GML指数方法，构建动态综合的污染强度指标作为非期望产出，测算中国地区2004—2013年28个省份的绿色能源效率，进而对中国区域之间与区域内部技术效应进行分解，并对其收敛性和影响因素进行分析。研究结果发现，中国东部地区技术赶超、创新和领先效应是显著的，东部地区辽宁省技术“领先效应”并不明显，导致该地区能源效率并未有提高；中部地区的技术创新效应不明显，但能源效率均有明显提高；而西部地区只存在技术创新效应，此地区的技术前沿与全国范围的共同技术前沿差距较大，特别是此地资源型地区的技术改进效率不高。其次，通过对能源效率的σ收敛和β收敛进行检验，发现中国地区能源效率在2004—2013年存在σ收敛但是不存在绝对β收敛。再次，对影响能源效率的因素进行回归分析，结果发现技术“赶超效应”、“创新效应”和“领先效应”均对能源效率的提高存在正向作用，产业结构升级和能源价格对能源效率的提高存在促进作用，但是增强环境规制强度会抑制能源效率的提高。这就意味着提高能源效率，对于不同地区需要“因地制宜”，特别是对于资源型地区，需加大促进技术创新政策力度，缩小地区技术前沿与全国技术前沿的距离，制定合理的环境规制政策，进而促进能源效率的提高。

关键词 ：环境约束；能源效率；Metafrontier GML指数

中图分类号：F062.1

文献标识码： A

文章编号： 1002-2104（2016）12-0147-10

中国作为世界上最大的能源生产国和消费国家，2014年能源消费占世界消费总量的46.9%，同时碳排放量占全球总排放的25.7%。而中国工业高速增长是以高能耗和高排放为代价，中国工业的未来的发展不可以忽视能源和环境因素的影响[1]。当下中国经济发展面临着经济结构转型的压力，经济结构转型必须将节约能源消费和减少CO₂排放作为主要目标。那么，在能源约束条件下如何实现节能减排，提高能源效率实现经济可持续增长，是目前经济发展过程中不可忽视的一方面。能源与资本、劳动一样作为经济增长的投入要素[2]，而作为投入要素的能源会带来环境污染的非期望产出。因此，能源效率问题作为研究中国经济增长不可回避的问题具有十分重要的现实意义。

1 文献综述

近来关于能源效率测算方法众多，主要是从技术进步率角度进行分析，在传统的全要素生产率的基础上，将能源也作为投入要素，如师博和沈坤荣[3]、陈诗一[4]，以此突出能源作为经济增长的重要要素之一，分析物质资本、劳动力资本以及能源消费之间的关系，但是这种研究前提假设是厂商技术是有效的。关于测算效率的有效方法主要是传统的全要素生产效率指数（Malmquist or Fisher Index）、非参数数据包络分析（DEA）和参数随机前沿分析（SFA）。其中，非参数数据包络分析（DEA）是运用线性规划构建非参数前沿面来计算效率。关于能源效率测度研究具有代表性的是Hu and Wang[5]，基于DEA方法测算出潜在能源投入，其与实际能源投入的比值称为全要素能源效率。自此之后基于DEA方法计算能源效率文献众多，如Wei 等[6]利用中国钢铁业部门的面板数据，将能源效率通过Malmquist指数分解为技术进步率与技术变化率。

由于能源生产会带来污染产出，需要考虑加入非意愿产出因素，否则会扭曲对经济效率的评价。Chung 等[7]考虑非期望产出并结合Malmquist生产率指数（ML）和方向距离函数，构造MalmquistLuenberger指数（简称ML指数），将能源与环境因素综合起来考虑增加产出与减少污染。R Fre 等[8]、涂正革和肖耿[9]考虑污染作为“坏”产出条件下，基于ML指数的DEA方法计算全要素生产率；但是所用的方法未考虑跨期DEA，计算结果可能得到技术退步。因此，Shestalova[10]提出序列Malmquist指数（简称SM指数）计算方法。田银华等[11]以及王维国和范丹[17]基于SM指数方法，分析考虑环境约束下中国区域全要素生产率的变化；但是序列DEA存在不可传递性，此方法适合评价在理论上不存在技术退步的情况。而Pastor and Lovell[12]为了解决ML指数在跨期方向距离函数中测量存在不可以循环、计算混合方向性距离函数时线性规划出现不可行解以及不可传递性的问题，将各期的总和作为参考集建立全局域Malmquist指数（简称GM指数），但并未包含负外部性因素。Oh[13]建立了一种可选择的环境敏感生产增长指数，称为全局MalmquistLuenberger 指数（简称GML指数），此方法有效解决SM和ML指数方法存在的上述问题。赵良仕和孙才志[14]、柯孔林和冯宗宪[15]分别运用此方法计算中国水资源全要素生产率和商业银行的全要素生产率方面的问题。虽然GML指数具有传递性和解决无可行问题，但是如果考察不同经济体在不同技术水平情况下，还需要引入“共同前沿生产函数”（Metafrontier Production Function）。Oh and Lee[16]在全局域Malmquist指数基础上建立了Metafrontier GML指数（简称MGML指数），将不同的决策单元按照某种属性进行分类，分别计算各组内的GML指数和在不分组情况下的GML指数。

为此，本文首先在Oh and Lee[16]文献基础上，利用Metafrontier GML指数测度中国2004—2013年各地区能源效率及其分解效应，以及按照地区经济发展差异程度分组测度东中西三个区域能源效率和分解效应。其次，对能源效率的收敛性和影响因素进行了分析。

2 研究方法

2.1 关于MGML指数构建

将污染排放作为“非期望产出”纳入到生产率分析框架中，非对称处理包含期望与非期望产出，即达到最大化的增加意愿产出且同时减少非意愿产出目的。

3 数据与变量

3.1 数据来源

采用2004—2013年的年度数据，数据来自历年《中国统计年鉴》、《中国能源统计年鉴》、《中国价格统计年鉴》、《中国劳动年鉴》、《中国国内生产总值核算历史资料（1952—2004）》、《新中国60年统计资料汇编》、《中国环境统计年鉴》以及各省市历年统计年鉴和全国历年人口普查资料等。由于数据可获得性，本文研究中剔除西藏和海南省份地区，由于重庆1997年单独划分为直辖市，在本文分析中将重庆与四川进行合并，因此只选择保留28个省份地区作为研究对象。

3.2 指标选取

期望产出变量（Y）首先获得各省市名义人均国内生产总值GDP（亿元），以1952年为基期根据不变价计算的国内生产总值指数，计算得到各地区实际国内生产总值额（亿元），作为期望产出。

非期望产出污染排放强度指数（Poll）该指标作为非期望产出，根据数据可获得性和统计口径一致性，本文利用2004—2013年《中国环境统计年鉴》和各地区年统计年鉴，将各地区工业废水、废气、固体废物的污染排放量作为基础指标，再采用“纵横拉开档次法”转化为动态综合性指标。

投入劳动资本（L）只考虑就业人员数量，并不能完全反映出劳动资本。本文采用各地区从业人员数量（万人）与平均受教育年限（平均受教育年限是不同阶段受教育层次人数与受教育年限的乘积再除以6岁以上受教育的总人数，公式为大专以上文化程度年数×16+高中文化程度年限×12+初中文化程度年限×9+小学文化程度年限×6）/6岁以上总受教育人口。单位为年）乘积作为劳动资本的代理量，数据来源各省市历年统计年鉴和人口普查数据整理而得。

投入物质资本（K）计算物质资本存量的关键有三点：①基年资本存量的确定；②固定资产投资的平减指数；③折旧率的问题。本文测算得到各地区基于1952年为基期的年均资本存量，先按照各地区的隐含平减指数将历年的固定资本形成额统一折算成1952 年不变价的数值， 然后根据所设定的折旧率和基期资本存量运用永续盘存法对历年资本存量进行估算[21]。

投入能源消费量（E）选择各地区能源消总量（万t标准煤），根据《中国能源统计年鉴》和各省市历年统计年鉴能源平衡表整理而得。

4 MGML指数测算结果与分解效应分析

首先，计算2004—2013年28个省份地区的能源全要素效率。另外，按照经济发展水平将能源消费分为三个区域：东部地区（北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东）、中部地区（山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南和内蒙古）、西部地区（广西、四川重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆），计算在不分组和分组情况下的MGML指数以及分解效应。

4.1 三地区的能源效率指数比较

通过ML指数、GML指数和MGML指数进行比较（见表1），分别列出三种指数的年度地区几何平均值，从计算结果可以看出：从总体来看，三种指数均表明样本期内能源效率保持增速状态，但用ML指数测算的结果高于另外两种方法，因此ML指数可能高估效率值。另外，从平均意义来看，三种指数的中西部地区能源效率增加速度高于东部地区。从纵向时间维度来看，三地区的总体效率趋势保持提高状态，在2008—2009年期间MGML指数显示总体效率值达到顶峰。从横向的决策单元来看，使用ML指数进行估计的结果高于其他两种指数，因为ML指数计算方法并未考虑到跨期和不同技术水平下形成的共同前沿，会导致估计结果相对偏高。虽然GML指数考虑了跨期的共同前沿函数，但是未考虑到不同技术水平分组的共同技术前沿则会导致总体水平被拉低。因此，MGML指数在总体均值水平上可以客观反映此指标水平。

进一步分析采用MGML指数的适用性表明，偏度-峰度检验结果P值小于1%水平，显著拒绝正态性的原假设。可知，虽然可以将GML、MGML与ML作为配对样本，但它们均为非对称分布（正偏）。

由于使用Wilcoxon检验的前提是要求非正态但需对称分布，所以无法使用Wilcoxon符号秩检验其异质性。本文采用非参数方法进行差异性检验[22]，检验GML和MGML是否具有更高的精度来进行深入分析。通过对GML指数和MGML指数分别于ML指数进行差分，再与相应的中位数值进行比较，结果表明，MGML指数相比于GML指数提高了测算精度，从而证明了MGML指数适合后续的深入分析。

4.2 各区域MGML指数测度结果及其分解效应

按照发展水平全国分为东中西三个组别，MGML指數进行测度主要包括以下内容：进行分解得到组内技术效率变化（EC）、组内当期的前沿与组内共同前沿之间的差距变化（BPG）以及跨期各组技术前沿与共同前沿之间的差距变化率（TGC）。测度结果可见表2。①从总体上看，2004—2013年东部地区的能源全要素生产率（MGML）、技术效率变化率（EC）、当期技术前沿与组内共同技术前沿之间的差距变化率（BPC）年均增长率和跨期技术缺口变化率分别为7.74%、0.85%、4.87%和1.87%，表示东部地区各省份能源效率的增长由技术创新效应具有主导作用，其技术赶超效应和领先效应也显著；中部地区的能源全要素生产率、技术效率变化率和当期技术前沿与组内共同技术前沿之间的差距变化率年均增长率分别为7.47%、0.66%和6.9%，但是技术缺口变化率年均增长率为-0.012%，表示中部地区的能源效率提高也是由于技术创新效应，但是其技术领先效应并不显著；但是，西部地区的能源全要素生产率和当期技术前沿与组内共同技术前沿之间的差距变化率年均增长率分别为7.8%和9.78%，技术效率变化率和技术缺口变化率年均为-1.66%和-0.015%，可以看出西部地区的能源效率的提高主要是由于技术创新效应起主导作用，而技术赶超效应和领先效应呈现负向作用，表示作为资源型地区的西部地区可利用的技术创新能力的退步，只是通过更有效的投入效率来提高生产率，由于资源型地区生产初级产品而形成一定的技术依赖。②从纵向时间维度和横向决策单元来看，三地区的MGML指数均大于1，表明三地区在整体上呈现能源效率总体是提高趋势，但西部地区的增长速度略高于东部地区和中部地区；从分解效应上看，东部地区跨期之间的技术效率变化率从2005年增长率2.08%到2013年的3.29%，以及该地区与全局技术前沿之间的差距变化率从2005年的0.2%到2013年的4.98%，同样中部地区也呈现累积增长趋势。但是，对于西部地区来说，技术效率变化率指数在2004年到2013年增长率在大多数年份是负增长，如2007年至2011年之间呈现累积负增长趋势，表示西部地区技术赶超效应和领先效应并不显著且拉低总体的能源全要素生产率，但是西部地区从2005年增长率从13.54%到2013年的4.19%，在总体上的技术创新明显，表明对前沿技术的赶超速度较慢，这样技术效率的变化处在组内前沿技术内部，与全局的前沿技术差距扩大差距。