考虑环境因素的北京区域能源效率研究

王鉴雪,陈红梅,刘 洁

(1.北京工业大学 经济与管理学院,北京 10012;2齐齐哈尔大学 经济与管理学院,黑龙江 齐齐哈尔 161006)

一、引言

《北京城市总体规划(2016年-2035年)》提出在2035年实现北京大气环境质量得到根本改善的目标,建立绿色、生态、宜居的北京。随着经济的发展和城市规模的不断扩大,北京城市环境状况一直是公众关注的焦点,环境污染不但对居民的生活、健康造成不良的影响,同时也影响着北京的国际形象。围绕北京乃至京津冀一体化区域的环境、能源、产业升级等学者们进行了诸多的研究,也出台了许多相关的政策,虽然环境的质量有所改善,但环境和经济发展的矛盾问题依然存在。根据北京市环保局发布的2018年空气质量数据,2018年1-9月,全市各区PM2.5浓度同比下降,但怀柔、门头沟等区浓度较低,通州、石景山、丰台、房山等区浓度较高。其中,北京经济技术开发区、通州、平谷等区降幅较大,延庆、密云、房山等区降幅较小。从环保局公布的数据可以看出,北京各区空气质量存在区域差异,并且在空气质量改进的幅度上也存在差异,由于能源的消费使用所带来的碳排放是影响环境的重要因素,能源效率的提高对于改进环境质量的作用不言而喻,因此进行北京区域内部能源效率研究对于制定区域性能源消费调整政策,以改进北京整体环境质量是非常必要的。

二、文献综述

关于能源效率的研究,由起初的单要素能源效率到现在普遍采用的全要素能源效率,学者们进行了广泛的研究。全要素能源效率,比较通用的是DEA-CCR模型、DEA-BCC模型、超效率DEA、SFA、Malmquist指数以及考虑非期望产出的SBM-DEA模型等,也有学者建立能源计量模型考察能源效率的影响因素[1-2]。京津冀地区持续的空气质量不佳状况促使学者围绕京津冀和北京进行了相关的能源消费和效率评价的研究,范凤岩等运用SBM-DEA研究北京市1995-2012能源效率变动,认为北京市的能源效率整体状况良好,波动较小[3]。何砚等选择京津冀13个城市进行评价得出京津冀的城市可持续发展效率极不平衡的结论[4]。由于能源效率影响的复杂性,也有学者利用两阶段DEA评价能源效率[5]。单纯的DEA、SFA方法或者两阶段DEA方法没有考虑随机误差和环境因素对能源效率的影响,不能真实反映评价单元的效率水平,因此三阶段DEA被应用到能源效率评价中[6-7]。

从现有文献来看,区域能源效率的研究可以分为省级层面的能源效率评价和地级市层面的能源效率评价,在上述研究中北京作为独立评价单元进行省级层面的能源效率评价,能源效率相比其他地区总体情况较优[2,8],但现有研究忽视两个重要问题:一是缺少对北京区域内部效率测算和分析,这不利于制定有针对性的政策解决北京区域内部的能源效率失衡问题。根据2010年《中小城市绿皮书》对我国大中小城市的划分标准,人口在1 000万以上的为巨大型城市,对于北京这个巨大型城市,若不能正确处理其内部能源效率不均衡问题,将带来日益严峻的城市问题。二是现有关于能源效率的研究大多停留在投入产出效率上,重视投入、产出的结果,而忽视投入、产出的生产过程对能源效率的影响,由此形成的能源效率评价结果会造成一定程度上的测量误差,导致能源效率评价的误判,这一定程度上会影响政策的制定和实施的效果。基于此,本文尝试利用三阶段DEA模型解决生产过程因素被忽视进而导致能源效率偏差的问题,在第二阶段加入环境变量对投入变量进行调整,剔除环境因素在生产过程对投入产出效率的影响,对比第一阶段能源效率,剔除环境因素影响的第三阶段能源效率将更为客观,为进一步改进各区能源效率提供科学的决策依据。

三、指标选择与模型构建

(一)投入产出与环境指标选择

由于2010年北京市政府调整首都功能核心区行政区划,把东城和崇文区合并为新东城区,把西城和宣武合并为新西城区,为了统一数据口径,故2010年以前数据根据行政区划改变进行相应的调整,2007-2009年的西城区数据为原西城区与宣武区之和,2007-2009年东城区数据为原东城区与崇文区之和。

根据DEA模型设计原则其评价单元个数应不少于投入产出指标数量之和的3倍[5-6]。本文的评价单位为北京的16个区,产出指标1个,投入指标3个,符合DEA关于模型设计原则。投入产出指标和环境指标区间为2007-2017年数据,数据来源各年北京统计年鉴和北京区域统计年鉴。具体指标设计参见表1。

表1 投入产出指标以及环境变量

产出指标(Y)为各区地区生产总值,并按照北京的GDP平减指数换算为以2007年为基期计算的实际GDP。

能源消费(E)用各区能源消费总量来度量。由于2007年各区能源消费数据缺失,故采用线性插值法计算获得。

劳动力投入(L)用城镇单位从业人员年末人数来度量,该数据中的城镇单位不包括私营单位和个体工商户的独立核算法人单位,所有统计数据口径相同。

资本投入(K):关于资本存量的计算以往文献大多运用永续盘存法计算获得,但由于缺乏北京各区相关数据支持,而我国全社会固定资产投资与固定资本存量在数量和增长趋势上基本一致,故借鉴已有学者的做法,用各区全社会固定资产投资代替固定资产累积和流动资本之和[10-11]。

环境变量:外部环境变量选择的原则是对生态环境造成影响但是样本不能主观改变的影响因素,本文选择影响能源消费的第三产业比重(S1),以及各区政府财政支出中用于环境保护的投入(S2),用来刻画产业结构及政府环境保护的投入对能源效率的影响。同时,能源效率的影响受城市规模大小的影响,故引入城市规模的环境变量(S3),一般城市规模大小用城市人口规模或者土地面积来度量,本文选择用各区的常住人口来度量[1]。

(二)三阶段DEA模型构建

第一阶段,传统DEA-BCC模型。运用前文构建的投入产出指标数据进行DEA分析,借鉴Fried[9]的做法本文构建投入导向下的规模报酬可变的BCC模型,北京的每个区作为一个决策单元(DMU),共有16个决策单元。

第二阶段,运用SFA模型分解管理无效率和随机干扰。参考Fried以及罗登跃等的做法,构造投入导向下的SFA模型为[12-15]:

Sni=f(zi;βn)+vni+uni;i=1,2,…，I. (1)

i=1,2,…,I;n=1,2,…,N.

(2)

为了把所有决策单元放在相同的环境之下进行效率评价,必须分离管理无效率项,SFA模型中采用成本函数,借鉴罗登跃的管理无效率公式为(省略了下标n):

(3)

进一步的,随机误差项的计算公式为:E[vi|vi+ui]=si-f(zi;βn)-

E[ui|εi].

(4)

第三阶段,运用调整后的投入变量,以及未做调整的产出变量重新进行DEA测算能源效率,剔除了环境变量和统计噪音的影响估算,所以第三阶段DEA效率更能真实反映北京各区的能源效率实际。

四、北京各区能源效率的实证分析

(一)第一阶段DEA结果分析

第一阶段围绕北京16个区原始投入产出数据进行效率评价。第一阶段DEA效率结果显示,除西城区2007-2017年均DEA有效外,其他各区均呈现不同程度的波动。如表2所示,综合效率均值最低的为大兴区,其次为延庆区,二者的能源综合效率均值低于0.5,西城区在全部样本中各年均DEA有效,处于效率前沿面上。从整体来看,首都功能核心区(东城、西城)整体能源综合效率较高,而城市功能拓展区除了朝阳区以外,其他区(丰台、石景山、海淀)能源综合效率情况并不理想,尤其是丰台区能源综合效率均值仅为0.51,纵观10年间能源综合效率均在0.5左右徘徊。城市发展新区(房山、通州、顺义、昌平、大兴)、生态涵养发展区(门头沟、怀柔、平谷、密云、延庆)整体能源综合效率偏低,有较大能源效率提升空间。总的来说,从第一阶段DEA评价结果可以看出,北京各地区能源效率存在明显的地区差别。但是,由于第一阶段DEA效率并没有剔除环境因素和随机误差因素干扰的影响,因此并不能反映各区能源效率真实水平,需要进一步的调整和测算。

表2 2007-2017年北京各区第一阶段能源综合效率

(二)第二阶段SFA结果分析

本文选择借助SFA回归剔除环境因素和随机因素对效率测度的影响,以便将所有决策单元调整于相同的外部环境中。第二阶段选择三个环境变量分别为第三产业比重、用于环境保护的区财政支出、区城市规模,这三个变量从不同方面影响能源消费,但是却不受决策单元主观控制。利用第一阶段的三个投入松弛对环境变量进行SFA回归。限于篇幅,回归结果不再列示,在第二阶段回归中出现γ(gamma)值等于1的情况。为避免环境变量单位不同造成的影响,尝试对环境变量标准化后重新进行SFA回归。结果显示,经标准化的环境变量的SFA系数更加显著,但是γ值依然为1,这说明松弛变量主要是管理无效率和环境因素造成的。由于Fried在使用环境变量采用的是虚拟变量无量纲,因此本文认为标准化处理环境变量的DEA效率更为客观,因此,本文在第二阶段采取环境变量标准化处理后再对原始投入进行调整,再运用DEA-BCC模型重新对16个区的新投入产出效率进行评价。

(三)第三阶段DEA结果分析

1.第三阶段能源综合效率分析

由于标准化处理的环境变量DEA效率更为客观,故此阶段展示的是运用标准化处理环境变量调整原始投入,进而计算的第三阶段DEA效率。由于篇幅所限,仅列出2007-2017年的第三阶段DEA综合效率值,以及2007-2017能源纯技术效率和规模效率均值,如表3和表4所示。对比表2可以看出,除了西城区在第一阶段和第三阶段均是DEA有效以外,第三阶段能源综合效率值总体变化比较明显,在2007-2017年间大部分地区能源效率较第一阶段有比较显著的下降,除朝阳、丰台、海淀、大兴第三阶段能源综合效率呈现小幅提高以外,其余12个区呈现显著的下降。这说明环境因素影响使能源效率在第一阶段明显被高估,存在较大的能源效率误判。

表3 2007-2017年北京各区第三阶段DEA综合技术效率

表4 北京各区第一阶段和第三阶段2007-2017年vrste和scale效率均值

2.第三阶段的能源纯技术效率和规模效率分析

从能源纯技术效率均值可以看出,除了西城区、朝阳区、海淀区DEA有效以外,大部分区如东城、丰台、石景山、通州、昌平、大兴、平谷、密云能源纯技术效率均有显著的提高,规模效率除了西城区DEA有效,朝阳、海淀有小幅的升高以外,其他各区在第三阶段规模效率呈现普遍且显著的降低。经过环境变量调整投入冗余的第三阶段DEA综合效率大部分地区降低,大部分地区纯技术效率提高,而规模效率呈普遍下降态势,这说明第三阶段中大部分地区能源综合效率较低主要是由于规模效率较低造成的,这与第一阶段效率评价结论有所差异。因此,剔除环境因素和随机干扰的影响后,从能源综合效率普遍降低的现象可以看出,各区能源效率得益于较好的外部环境,自身在生产技术、规模调整上还需要做较大的改进,大部分地区都需要扩大生产规模以提高其规模效率。

3.第三阶段与第一阶段能源效率的区域差异分析

从能源综合效率地区差异来看,第三阶段生态涵养发展区的5个区能源综合效率降幅最大,降幅接近100%甚至超过100%,这也看出这些地区剔除环境因素影响后,实际的能源效率水平更低,第一阶段能源效率评价高估了这些地区的能源效率,实际情况不容乐观。城市发展新区的5个区能源效率同样除个别年份有所提高外,同样第三阶段较第一阶段能源效率普遍降低,房山区在第一阶段2014-2017年DEA有效,在第三阶段降为只有2016年DEA有效,该区是城市发展新区中第三阶段能源效率降幅比较明显的区,说明第一阶段该区能源效率较高得益于其地区环境的贡献。城市功能拓展区的4个区在第三阶段能源效率中呈现出另一番景象,除了石景山区能源效率相比第一阶段有所下降以外,其他三个区在各年间第三阶段能源效率相比第一阶段有所提升,尤其是朝阳区除2016-2017年以外其他各年均是DEA有效,这也说明城市功能拓展区剔除环境影响后实际能源效率情况要更理想,究其原因城市功能拓展区由于人口密度大,服务业发达形成的人口聚集,使其能源效率受城市人口规模影响较大。首都功能核心区调整前后能源效率变动不大,东城区第三阶段较第一阶段能源效率有所降低,西城区始终处于DEA有效前沿面上。

首都功能核心区和城市功能拓展区的第三阶段纯技术效率高于第一阶段。城市发展新区、生态涵养发展区的第三阶段规模效率显著低于第一阶段,而且各区普遍处于规模报酬递增阶段,扩大生产规模是这些地区提高能源效率主要途径。

由于第三阶段的DEA效率值剔除了环境因素和随机噪声对效率的影响,评价结果更真实的反映了各区的能源消费实际水平。在产出不变的情况下,能源、劳动、资本三种要素的投入根据环境变量进行相应的调整,由于各地区环保支出、产业基础、城市规模等各不相同,因此在投入要素的调整幅度上也表现出不一致,进而体现在效率水平的变动幅度差异上。总体来看,第三阶段能源综合效率平均水平呈现出首都功能核心区>城市功能拓展区>城市发展新区>生态涵养发展区。总体来看,在第一阶DEA效率评价中,能源综合效率普遍被高估,能源纯技术效率普遍被低估,规模效率普遍被高估。

五、结论及建议

运用三阶段DEA模型对北京16个区2007-2017年的能源效率进行分析,得出以下结论:首先,关于各区能源综合效率的变化,剔除环境因素和随机干扰对能源效率的影响,除DEA有效的西城区以外,能源综合效率在第一阶段普遍被高估,各区均存在不同程度的资源投入浪费和规模不经济。其次,关于不同功能划分地区能源效率差异,不同地区间的能源效率差异明显,和地区所处的地理位置以及城市功能定位有密切关系,总体上呈现首都功能核心区>城市功能拓展区>城市发展新区>生态涵养发展区。其中城市发展新区和生态涵养发展区第三阶段能源综合效率降幅较大,说明扣除环境和随机影响后,这些地区的实际能源效率更低,可提升空间更大。再次,关于能源纯技术效率和规模效率的变化,不同地区由于其城市规模、经济基础等不同,其能源纯技术效率和规模效率呈现不同的变化,相比第三阶段能源效率,除个别区以外,第一阶段各区的能源纯技术效率普遍被低估,能源规模效率普遍被高估。可以看出,第三阶段各区实际能源效率普遍降低主要症结在于规模效率降低,尤其是生态涵养发展区的规模效率降幅较大,规模效率提升空间最大。

通过三阶段DEA能源效率的对比分析发现各区能源效率存在明显的区域差异,根据分析结果从三个角度提出建议:

第一,从城市整体角度,由于北京各区目前的产业结构是以第三产业为主导的三二一结构,但是产业升级并未完成,第三产业内部也急需调整和升级,应加快批发零售业、物流业与相关产业的深度融合,对这些行业给予制度支持和行政配套,推进批零业商业模式创新,建立物流产业集群,通过技术创新、商业模式创新、规模优化等促进这些行业转型升级。同时,通过调整产业空间布局疏解城市就业岗位,既可以缓解城市的职住分离状况,同时有利于降低交通能源消费和交通拥堵。此外,应加快城市医疗、教育、社会保障等公共服务在各区的一体化和均衡化,疏解首都功能核心区和城市功能拓展区的人口聚集。

第二,从城市功能定位角度,各功能区能源效率差异较大,也体现了各区在产业布局、能源使用、技术创新、城市功能规划上存在较大的差距。由于各区发展基础不同,大部分区在能源使用效率和规模效率都存在着不同程度的资源浪费,剔除环境因素和随机干扰的影响以后,可以看到各区的实际能源效率平均下降,从长远来看各区在各自发展中还存在着巨大的节能空间,在产业升级、城市规模、城市功能调整等方面,各区应更多关注对资源、环境的影响,不盲目追究经济增长。其中城市发展新区应在追求经济增长的同时,加大技术创新的投入,推行清洁生产技术,鼓励产业集群的建设,提高能源的纯技术效率和规模效率。生态涵养发展区应在产业升级的基础上,挖掘地区旅游资源,利用资源优势发展绿色旅游集群,打造地区特色旅游品牌,将生态与旅游相融合,将产业与城市相融合,将就业与环保相融合,实现经济—社会—生态可持续发展。

第三,从生活能源消费角度,提高能源效率除了政府层面的政策制定、财政支出以外,还应包括公众对环境保护的主体意识,由于数据不可得本文在考虑环境变量时并未加入公众参与变量,但北京的生活能源消费在整体能源消费中占比较高(2017年为23.8%),仅次于第二产业能源消费,因此提高生活能源消费效率是提高城市整体能源效率的重要手段。公众是环境的受益者,同时也是环境的缔造者,政府应加强节能宣传,鼓励公众积极参与环境保护,从政府到企业、个人,人人参与,共同行动实现全员的节能减排。