基于SFA的微观企业能源效率及影响因素实证研究

2018-09-14许罗丹

社会科学家 2018年5期

张媛，许罗丹

（1.中山大学南方学院，广东广州 510275；2.中山大学岭南学院，广东广州 510275）

1.引言

过去30多年，中国经济的高速发展，消耗了大量生产要素和能源投入。虽然中国以GDP衡量的经济总量在2010年已经跃居全球第二，但中国能源消费总量已经超过美国成为世界第一。2010年，中国单位GDP能源消耗是世界平均水平的2.2倍，甚至高于印度。单位GDP的高能耗一直受到业界和学界诟病，经济增长与能源效率提升之间的矛盾十分突出。

虽然在“十二五”期间，中国在节能降耗方面取得了突出的进展，但能源资源的稀缺性与经济增长可持续的矛盾仍然存在。中国能源结构中煤炭、石油等化石燃料比重偏高，环境保护和治理投入不足，使得水和大气污染越来越严重，大面积出现的雾霾影响了人们的健康和生活质量。从可持续发展角度来看，化石能源属于不可再生资源，调整能源结构和提高能源利用效率是当务之急。因此能源效率问题是现阶段的重大议题，有着重要的研究意义。

实现节能减排目标的前提是掌握各行业能源效率现状及其节能潜力，在此基础上制定针对性的政策和节能措施。本文基于2012年至2015年面板数据，测度广州市136家工业重点用能单位的能源效率及变动趋势，分析微观层面能源效率的影响因素。能源投入效率模型与实证分析可用于估算广州市重点用能企业的节能潜力总额，从而推算广州市节能潜力。尽管产业结构加速升级，节能降耗也取得了十足的进展，中国仍处于能源改革的发展期。中国能源体系中存在着行业规管制度，所有权结构，能源消耗结构等诸多发展过渡期特征。通过进一步对能源投入效率影响因素分析，试图理解其内在规律以及探究如何通过管理模式和政策规管提高能源效率。

2.文献综述

目前能源效率评价有两种，一是单要素能源效率，即不考虑其他生产要素及其替代作用的能源消耗指标；二是全要素能源效率，即在产出中除考虑能源投入外还综合考虑资本、劳动力等的作用。全要素能源效率可避免单要素能源效率对于产出与能源消耗线性相关的假设而导致的夸大能源投入贡献（张唯，2010）[1]的缺点，且能分析各生产投入要素之间的关系以及生产无效率的能源损失与动因。因此，对于能源效率的测度与分析大多采用全要素能源效率。

已有文献在测度全要素能源效率时普遍采用随机前沿方法（Stochastic Frontier Analysis）（Farrell，1957）[2]与数据包络方法（DEA）（Charens，1978）[3]，前者为参数法而后者为非参数法。其度量方法都是先确定生产前沿，然后通过构建参数函数或者非参数的线性凸面来拟合实际的投入、产出水平数据，然后测度相对距离来计算效率值。其中，参数法的模型参数基于先验的生产函数或成本函数来估计，待估函数中的误差项分为无效率误差和随机误差两部分，以剔除随机干扰项的影响。Ferrier和Lovell（1990）[4]提出随机前沿方法（Stochastic Frontier Analysis，SFA）是主要的参数模型，因其微观经济理论中的最优化目标相一致，迅速发展并成为各种单位效率决策的重要工具之一

除了能源效率定义和测算之外，另一个研究重点在于如何提升能源的投入效率。这对于提高增长质量和节能减排是十分重要的。大部分研究者认为，影响能源效率主要因素一是技术差异，Fisher－Vanden等（2006）[5]、李世祥（2008）[6]、刘畅等（2008）[7]、张伟（2011）[8]、吴传清（2016）[9]等的实证研究都表明产品与生产的技术创新等带来的节能技术进步与能源结构优化等对能源效率有正向作用；二是市场改革，研究中一般采用产权制度、所有制改革、对外开放程度等变量作为市场制度的指标，Fan 等（2007）[10]、胡一帆等（2006）[11]、赵金楼等（2013）[12]研究表明所有制制度、对外开放程度等都对能源效率有显著影响；三是结构调整，董利（2008）[13]、王兵（2011）[14]、李兰冰（2012）[15]、陈关聚（2014）[16]、吴传清和董旭（2016）[9]等在研究中都发现，经济和产业结构的优化有助于提升整个经济的能源投入效率。

为掌握各行业与微观企业的能源效率现状，了解能源投入无效率的原因及节能建立，本文将采用全要素生产率框架下的随机前沿法SFA从微观层面对企业效率进行测算，并对其影响因素进行分析。

3.研究方法与数据来源

3.1 研究方法

因为企业的生产函数可预测，结合随机前沿法SFA考虑了随机因素对于产出的影响，能够将实际产出细分为生产函数的产出、随机因素和技术无效率三部分进行分析，对面板数据研究的结论更加接近现实等优点，本文采用SFA建立能源投入的生产前沿模型，分析能源效率、节能潜力及其影响因素。

Debreu（1951）[17]和Farrell（1957）[2]首先提出效率衡量基准是生产边界，如果所有投入在给定产出条件下不可同比例减小，或者所有产出在给定投入的条件下不可同比例增加，称为生产有技术效率（technical efficiency），否则存在技术非效率（technical inefficiency）。在Debreu－Farrell效率分析框架的基础上，在生产函数的生产要素中引入能源投入，构成与能源效率有关的随机前沿模型。。

Coelli和Perelman（1999）[18]建立的单一产出、多投入的生产情形下衡量与效率边界的将能源要素作为等式左端的生产要素X，则构成关于能源效率的随机前沿模型：LnYit＝f（X）＋uit＋vit

其中f（.）是从生产技术角度建立的能源需求函数，是能源投入的确定性前沿部分。Yit和Xit是确定性前沿的参数变量，Yit代表产出，Xit代表能源及其他投入要素，uit为非负随机误差项，表示生产无效率，vit为随机误差。

Battese和Coelli（1995）[19]进一步发展了随机前沿技术，他们提出的BC模型不仅可以测度个体的技术效率，还可以分析相关因素对个体效率的影响。因为不需要分步进行估计，也被称为“一步法”。

假定 u 服从非负截尾正态分布 N（mit，σu2），同时假设 m 是各种影响因素的函数，如式：mit＝δ0＋δ·Zit

其中，Zit为技术非效率的影响因素，δ0为常数项，δ为影响因素的系数向量，当δ为正值则该因素对技术效率有负面影响，反之为正面影响。假设vi服从截尾正态分布N（0，óu2）。使用最大似然法或调整最小二乘法估计参数和误差项（Vi－Ui），进而得到技术效率TE为：TEi＝E（－Ui）＝E（－ziδ－vi）

此外设定方差参数γ＝σu2／（σu2＋σu2）计算随机误差中技术非效率的比重以对模型是否合理进行判断。γ处于［0，1］之间，γ＝0若被接受，则表明纯随机因素是实际产出与最大产出之间的主要差异原因，只需采用OLS方法进行分析；反之则存在非效率误差，应采用随机前沿分析技术。

综上，本文使用Battese和Coelli（1995）提出的随机前沿分析方法（“一步法”），就广州市工业企业能源效率与节能潜力进行分析，并考察所有制结构、能源依赖度、能源结构等方面对工业能源投入非效率的影响。

3.2 数据来源与变量定义

投入与产出指标的界定是构建随机前沿生产函数模型的前提，而劳动力和资本是经典的柯布－道格拉斯生产函数中的投入变量，国内生产总值则是产出指标。为便于与文献研究结论比较，本文沿用主要文献中普遍使用的指标以C－D函数为基础以便与已有文件进行对比，同时增加能源消费量作为投入变量。

本文主要的研究对象微观层面的能源效率，采用广州市约136家重点用能企业①根据1999年3月10日颁布的《重点用能单位节能管理办法》（中华人民共和国经济贸易委员会第7号令发布），重点用能单位的定义是：（一）年综合能源消费量1万吨标准煤以上（含1万吨）的用能单位；（二）各省、自治区、直辖市经济贸易委员会（经济委员会、计划与经济委员会）指定的年综合能源消费量5000吨标准煤以上（含5000吨）、不足1万吨标准煤的用能单位。2011年－2015年能源利用状况年度报告。所有的数据均从重点用能企业的政府普查报告整理而得。

3.2.1 投入和产出变量

一般而言，对于国家或行业的研究均采用资本存量作为资本投入，因此本文采用企业固定资产总量计为投入。能源投入变量采用综合能源消费量（吨标准煤），劳动力投入变量为企业在职员工总数。文献中有采用主营业务收入产出指标，考虑到投人要素中包括了能源这一中间消耗品而采用工业总产值（2000年可比价）作为产出指标。

3.2.2 非效率函数中的影响因素

能源消耗结构：采用煤炭和焦炭的消费占总能源消费的比例来表示。在计算能源投入总量时将不同的量纲的能源统一折算为标准煤数量。

能源依赖度：该指标用以代表能源成本对企业提高能源使用效率的动机。采用能源消费占生产成本比例来表示，具体为能源消费金额与总生产成本的比值，表示企业生产对能源的依赖程度。

能源管理师人数：该指标采用每万吨标准煤能耗的能源管理师人数，由于各企业规模不同，能源消耗水平也不尽相同。因此采用单位能耗的人数可以消除企业规模的影响。

能源体系认证：为了检验能源管理体系认证是否能够有效地帮助企业提高能源效率，我们将是否通过认证作为虚拟变量，1表示通过能源管理体系认证，0表示未通过。

所有制结构：分为国有企业或中央企业、外资独资或合资企业、其他私营企业。所有制结构设置国有企业和外资企业两个虚拟变量，国有企业或外资企业设为1，否则为0。

3.3 研究模型

在以上变量基础上，建立基于对数C－D生产函数的随机前沿模型：

LnYit＝β0＋β1LnKit＋β2LnKit＋β3LnKit＋vit－μit

式中Yit为i公司t年度的工业总产值（按照2000年可比价）万元；Kit为固定资产净值（万元）；Lit为i公司t年度全部员工数量（人）；Eit为i公司t年度综合能源消费量（吨标准煤）；uit为技术损失误差项，是企业可以控制的影响因素，用来计算技术非效率。

接下来，本文分别测度能源结构、企业所有制、能源依赖度、能源管理体系认、能源管理师和能源消耗结构对能源效率的影响，建立如下无效率函数：

Uit＝δ1Structure＋δ2Dependency＋δ3Certificate＋δ4Manager＋δ5Foreign＋δ5SOE

式中U代表无效率水平，Structure是煤炭占总能源消耗的比例；Dependency代表能源消费成本占总成本比例；Certificate是虚拟变量，代表是否通过能源管理体系认证，通过为1，不通过则为0；Manager是每万吨标准煤能耗的能源管理师人数；Foreign代表外资企业，外资独资或合资为1，否则为0；SOE代表国有企业，国企则为1，否则为0。

4.实证结果

4.1 能源效率测算结果

根据如上模型，我们测算出136家重点用能单位的个体能源效率，我们按照行业归类计算能源效率平均。从行业间能源效率水平差异来看，行业间的不均衡现象依然明显。表1给出了各行业按年均能源投入效率结果，依能源效率从高至低排序。

表1 各行业年均能源效率测算结果

可以看出，效率较低的行业主要是能源相关行业，如电力、热力的生产和供应业，石油加工、炼焦业、非金属矿物制造业等等。一是依赖煤炭资源的重工产业规模较大，尤其是有色金属冶炼及压延、黑色金属冶炼压延等主要燃料和动力依赖煤炭，生产这些低附加值的产品过程中，对环境造成严重破坏。二是电力生产依赖煤电，小煤电厂数量多、规模小，电煤消耗了煤炭总量的52%。

不同行业的能源投入效率差异明显。能源效率最高的前5个行业的平均能源效率为0.818；而最低的5个行业平均能源效率仅为0.537。而且从时序的截面分析看能源效率最高的前5个行业的总体呈上升趋势，而最低的前5个行业则呈现下降趋势。

根据计算得到的能源效率，我们计算了所有样本企业的年度平均值如图1所示。总体来看，2012－2015期间，广州市重点用能企业的能源投入效率稳定在一定水平上，并没有显著的提升或降低。

图1 企业能源效率直方图统计

4.2 企业能源效率影响因素分析

利用2012年－2015年制造业136家企业能源统计数据，运用Frontier4.1程序对随机前沿生产函数模型进行一步法估计，其中非效率影响服从半正态分布。随机前沿模型中投入变量的弹性系数和影响因素的系数估计结果如表2所示。

表2 全要素随机前沿模型估计结果

固定资产、劳动力和能源三个投入要素的弹性系数分别为0.177、0.522和0.406，合计为1.105，意味着2012年－2015年期间广州市重点用能企业的要素投入具有规模报酬递增趋势。γ＝0的零假设已被拒绝，因此采用随机前沿模型是合理的，可以解释企业的能源投人效率。γ值为0.101，说明随机前沿生产函数的误差中的10.1%来源于技术非效率，总体情况较好。技术非效率主要原因在于投入要素配置不合理和经营管理不善，虽然总体情况较好，但仍应从优化资源配置、改进业务流程、提高管理水平角度加以改进。

从效率影响因素的参数估计来看，大部分系数估计结果都显著，表明对能源效率产生有着显著影响。具体来看，煤炭消耗占比系数为正，系数为正值说明能源消费结构对能源效率有负影响。意味着煤炭消耗占总能源消耗比重越高，生产中能源效率越低。结果但是煤炭消耗比重变量的系数未通过显著性检验，原因可能是能源效率受制于工艺水平、装备水平、人员素质、能源价格和环保政策等多种因素，折算为煤炭当量后导致能源结构指标不够准确。李春发（2012）[20]采用DEA方法研究发现，煤炭消费比重每增加1%则能源效率下降0.05%左右；王喜平（2012）[21]运用方向距离函数和ML指数模型对能源效率进行了研究，结果也表明工业行业中煤炭消费比重每提高1个百分点，能源效率减少10.68%。虽然研究方法和数据样本不同，但关于煤炭消费与能源效率负相关的认识是一致的。

能源管理体系认证是否能提高企业的能源效率？系数估计的结果虽然不显著，但是符号为负，也说明通过能源管理体系认证对能源效率有正影响。估计结果不显著的原因可能是由于样本企业中通过该认证的只有7家，仅占所有企业数量的5%。由于比例太低，代表性不够。从单位能耗的能源管理师来看，参数显著为负。说明能源管理师对于提高工业生产的能源效率有显著的积极影响。每万吨标准煤能源消耗的能源管理师数量越多，其企业能源效率越高。实证结果证明了政府监管手段在提高企业能源效率中的积极作用。

从能源依赖度指标来看，我们发现其参数估计的结果显著为正，意味着能源依赖程度越高，能源效率越低。能源密集型企业的能源消费占总生产成本的比重越高，其能源效率反而越低。这说明虽然其依赖度高，提升效率对于生产的影响十分明显，但是这些企业并没有能够发挥能源使用的效率。

最后，从所有制结构因素——外资企业和国有企业参数两个虚拟变量的估计结果来看，外资企业参数显著为负，而国有企业参数为正，但不显著。该结果表明工业生产中的能源效率随国有化程度高低而呈反向的变动，所以阻碍节约型工业增长的其中一个重要问题是经济体制的结构性弊端。与之相反，严格预算约束下经营的民营企业与外资企业则在最大限度节约成本的驱动下，更有动力提高能源效率。

5.结论

本文运用随机前沿技术对2012年至2015年广州市136家重点用能企业面板数据进行了研究，测度了各企业及所属行业的能源效率。研究发现能源效率总体水平较高但处于停滞状态，行业间能源效率水平差异较大，且分化现象明显。所有制结构、企业能源管理师以及能源依赖水平是影响能源效率改善的重要因素。同时过高煤炭消费占比对能源效率有一定的负面影响。根据以上研究结论提出如下政策建议：

5.1 优化能源消费结构，推动绿色能源发展

推进煤炭清洁高效利用，实施工业园区和产业集聚区集中供热，严格淘汰分散式落后燃煤锅炉。加快天然气推广使用，多种渠道组织气源，鼓励企业开展现货采购，降低天然气利用成本。加强生物质能、风能、太阳能、地热能等可再生能源开发利用。在公共建筑、大型商贸设施、企业厂房、新建公共租赁房以及居民小区等区域，集中开发规模化屋顶光伏发电项目和光热项目。推进构建以高效洁净煤电为基础，清洁能源、新能源以及可再生能源共同发展的绿色能源保障体系。

5.2 推动制造业改善管理与调整结构

以行政手段和经济手段相结合的方式，严格把控项目准入关，严格控制新建高耗能、低产值项目。促使企业淘汰技术升级困难的高耗能项目，鼓励发展高端制造项目。运用高新技术改造提升传统行业，强化城市高端服务功能，推动制造业逐步向智能化、绿色化、服务化方向发展。注重互联网与新能源技术相融合，形成“互联网＋智慧能源产业”发展新形态，大幅提高能源综合利用效率。发展科技含量高的高端制造业需要大量人才、技术和资金等，依靠企业自身力量实现转型的困难很大，政府应在人才引进、技术创新、信贷政策、税收优惠等方面给予各类企业支持。

5.3 优化调整能源消费存量

引导企业实施综合能效提升服务工程，推进分布式能源供应系统、需求侧响应管理、空调冰蓄冷和节能改造、空压机改造、绿色照明节能改造、分布式储能技术、用能设备信息管理、城市虚拟电厂等能效提升技术应用，并引导各单位建立能源绿色数据中心。实施能效“领跑者”制度，发挥标准约束和倒逼引领作用。挖掘建筑节能潜力，制订绿色建筑行动方案，整体推动交通节能行动。研究新业态、新商业模式、新用能模式、新功能区等能源消费特点及控制路径。

5.4 建立科学的能源监管体制

当在各重点用能企业与行业中分配能源消费总量控制目标时，应根据各地区经济社会的发展水平、产业的结构特点、能源消费特征以及单位地区生产总值能耗下降目标等进行综合考虑与分解。重点用能企业应该配备能源管理师，明确责任、目标，并进行有效考核，形成相应体系，形成全面的能源消费总量控制与责任体系控制能源消费总量责任体系。