环境约束下中国省际能源效率评价——基于博弈交叉效率和Malmquist指数模型

龙如银，刘 爽，王佳琪

引 言

继党的十八大提出“能源革命”战略思想之后，十九大报告再次强调了“推进能源生产和消费革命，构建清洁低碳、安全高效的能源体系”的发展方略(孙喜民，2018)。然而，去除通货膨胀的影响，根据国家统计年鉴实际国内生产总值计算所得的能源强度却呈现上升趋势(如图1)，这与我国节能生产的要求严重不符。尽管目前中国在环境保护工作上取得了初步成效，各类污染物的排放量或总量下滑，或增速放缓，但污染物的排放总量仍然较大，环保任务十分艰巨(观研天下，2019)。与此同时，能源效率的区域差异明显，由地形地貌等原因导致的能源资源分布失衡以及经济结构的差异造成了地区之间的能源利用效率显著不均。另外，全国能源效率的提高也并不意味各地区能源效率都得到了改善。如何在保证经济总量增速的前提下既减少能源消耗总量、减轻能源消耗带来的环境污染问题，又同时促进区域之间均衡发展，成为如今研究的重点和难点。因此探究环境约束下省际能源效率现状及造成区域之间能源效率差异的关键原因迫在眉睫。

效率的研究通常采用生产前沿分析方法，包括随机前沿分析和数据包络分析方法。相较于随机前沿分析方法，数据包络分析方法(DEA)只需要通过求解线性规划来确定生产前沿面且不用确定生产函数的参数，方法简单易行，在能源效率测算方面应用广泛(孙自愿等，2017；王群伟等，2010a)。Boyd et al(2000)较早地将DEA方法引入到能源效率评价中，为后续研究奠定了基础。Hu et al(2006)采用DEA模型估算了1995—2002年中国潜在能源投入量，同时界定了全要素能源效率指数(TFEE)的概念，使该方法成为国内外能源效率研究的主流。魏楚等(2007)借鉴Hu et al的方法，运用1995—2004年省级面板数据，提出将资本、劳动、能源作为投入，GDP作为产出的DEA模型以进行能源效率的计算，该模型成为普遍适用的研究框架。但传统的DEA模型自评体系中常常掩盖了被评价单元的劣势，存在夸大和失真的情况且往往存在多个效率值为1的单元，有失全面性和公平性。因此，部分学者开始对DEA模型进行深入探究。

在此之后，Andersen et al(1993)在传统DEA模型的基础上提出了超效率模型。超效率DEA成功解决了传统DEA的部分问题，在评价某个决策单元时，将其排除在集合之外，使同时对多个有效决策单元的进一步测度成为可能。师博、沈坤荣(2008)开创性地运用超效率DEA模型对市场分割下的中国全要素能源效率进行测评。屈小娥(2009)将超效率的DEA模型和Malmquist指数方法结合起来对1990—2006年中国省级全要素能源效率进行测算，为后续研究开辟了新的道路。马海良等(2011)等创新性地将知识存量纳入生产函数，测算出1995—2008年三大经济区域的能源效率和全要素生产率。然而，后续学者研究发现，超效率DEA模型对有效决策单元的排序并不可靠，即超效率DEA模型仍可能会存在多个决策单元无可行解的情况，不符合充分排序的要求。为了弥补被评价单元自评夸大和不充分排序的问题，Liang et al(2008)在Sexton(1986)交叉效率模型的基础上引入非合作竞争的博弈情境，提出了博弈交叉效率模型，并证明了所得效率值为纳什均衡。之后，王婷婷等(2015)通过实证分析证明了博弈交叉效率模型结合了自评与他评，克服了SBM模型无法充分排序的问题,并将模型运用到省际电力行业能源效率测度中。江洪等(2020)将能源、资本和劳动力作为投入变量，碳排放总量和GDP作为产出变量，利用博弈交叉效率模型测算了中国30个省区市的能源效率。

以往的研究大多只考虑期望产出，并未把能源消耗带来的非期望产出即环境污染物等纳入投入产出体系中。一般生产过程在投入一定的生产要素后，除了获得期望产出，同时还带来如废水、废气、固体废弃物之类的非期望产出(王群伟，2010b)。从实际生产过程讲，忽略环境污染计算得到的能源效率是不准确、不全面的(程丹润，2018)。Pittman(1983)是第一个将空气、水污染视为非期望产出的学者，并将非期望产出作为影子价格处理。Fare(1989)首创性地提出将非期望产出加入DEA模型，后续越来越多的学者开始把研究重点放在包含非期望产出的能源效率测度方面。对非期望产出的处理，常见的方法有将非期望产出作为投入变量(王波等，2002；汪克亮等，2012；王晓云等，2016)或正向的期望产出(Scheel，2001；许士春等，2015)和变换DEA模型(Chung et al，1995；袁晓玲等，2009；涂正革等，2011；钱争鸣等，2013；Wang et al，2018)两大类。第一种方法因为将产出变量转换为投入变量，悖离了生产过程的本质，盲目将非期望产出加入投入产出体系而不具有说服力(程丹润，2008)。第二种方法虽然得到了广泛应用，但目前对模型的选择和变换争议性较大，未形成统一的标准。相关效率研究文献的模型与指标体系见表1。

表1 相关效率研究文献的模型与指标体系

表1(续)

基于以往研究，本文首先在模型方面创新性地引入各省区市的非合作博弈情境，选用博弈交叉效率模型，一方面可以解决排序过程中决策单元自我夸大和排序不充分的问题，另一方面可以使得30个省区市的排序情境和效率结果更加科学；而后，将多重非期望产出作为环境约束加入投入产出模型中；最后通过全局Malmquist指数探究能源效率动态变化情况。本文有助于丰富能源效率评价领域的研究成果，明晰导致区域能源效率差异的关键因素，为进一步提高我国能源效率，促进区域均衡发展提供新思路。

一、 研究模型与方法

(一) 博弈交叉效率模型

现实中，能源效率一定程度上代表了当地的经济和技术水平，各省区市在自评和互评的过程中存在着非合作的竞争关系，因此，使用博弈交叉效率模型对我国省际能源效率评价具有重要的现实意义。博弈交叉效率模型在传统交叉效率模型的基础上通过非合作博弈视角来分析问题，不仅能够实现各决策单元的充分排序，而且使得各决策单元的交叉效率值最优。30个省区市在博弈体系中是竞争者，通过博弈过程，各省区市尽可能实现自身收益最大化，也就是使各自的能源效率最大，所得的结果更能代表一个地区的真实效率水平。

传统的CCR-DEA模型中，假设存在n个决策单元，对于第g个决策单元DMUg(g=1,2,…,n)，有m种投入x=(x1,x2,…,xm)T和s种产出y=(y1,y2,…,ys)T。投入的权向量为v=(v1,v2,…,vm)T,产出的权向量为u=(u1,u2,…,us)T，则被评价的决策单元DMUg的效率值Egg可以用非线性规划表示：

(1)

u≥0,v≥0

由DEA-CCR模型求得n组最优权重，依次求得交叉效率为：

(2)

则DMUj的交叉效率值为：

(3)

假设在该博弈中，参与人DMUg的效率值为ρg，ρg的初始取值是传统的平均交叉效率值，则其他参与人DMUj会在ρg不被降低的情况下尽可能使自己的效率值最大。那么DMUj在这一前提下，uj#和vj#是传统DEA模型的可行权重，在不损害DMUg的支付条件下的权重交叉效率为ρgj：

(4)

因此，DMUj的平均博弈交叉效率值为：

(5)

最终的博弈交叉效率通过以下规划得出：

(6)

ρg×vjT#xg-ujT#yg≤0

uj#≥0,vj#≥0

其中第二个约束条件就是指DMUp在求解效率值时，DMUg的博弈交叉效率值不低于传统的平均交叉效率值ρg，这体现了非合作博弈的情境。

(二) 全局参比Malmquist指数

全局参比Malmquist指数是将某一全体视为整体，以各期的总和作为参考集，各期参考同一前沿并将其分解为全局技术效率变化和前沿面移动，即技术效率变动(EFFCH)和技术变动(TECH)。考虑到传统的Malmquist指数和其分解量都是个体或局部计算，通常利用加权或者不加权的几何平均数来计算个体前沿面的移动，不具有传递性(鲁涛和陆邦祥，2012)。全局参比Malmquist指数具有传递性，可通过累乘推出各期的指数值，这是传统Malmquist不具备的优势。全局参比Malmquist指数和分解量可以表述为：

=EFFCH×TECH

(7)

其中，Mg(xt+1,yt+1,xt,yt)是全局参比Malmquist指数。Dt(xt,yt)代表前沿t的技术效率水平，Dt+1(xt+1,yt+1)代表前沿t+1的技术效率水平，两者比值代表技术效率水平的变动情况。Dg(xt,yt)/Dt(xt,yt)表示前沿t与全局前沿的接近程度，Dg(xt+1,yt+1)/Dt+1(xt+1,yt+1)表示前沿t+1与全局前沿的接近程度，两者比值代表技术的变动。

在Malmquist计算公式中，技术效率变动表示为：

(8)

技术变动表示为：

(9)

二、 环境约束下省际能源效率的实证分析

(一) 样本选择和指标描述

本文选取了能源、资本和劳动作为投入变量，地区生产总值和各类环境污染物为产出变量。样本选用了2005—2016年我国省级(不含西藏和港澳台)面板数据，数据来源于国家统计局《中国统计年鉴》《中国劳动统计年鉴》和《中国能源统计年鉴》等。投入变量和产出变量的定义见表2。

表2 投入产出变量指标

1. 投入变量

(1) 能源投入用能源消费总量表示。根据《中国能源统计年鉴》将各种能源消费量转化成万吨标准煤加总得到各省区市的能源消费总量。部分省区市的个别年份数据缺失，本文参考陈星星(2019)的做法，采用线性插值法进行补充。

(2) 资本投入用资本存量衡量。本文参考张军等(2004)推算的1952年中国省级资本存量，以2004年为基期，通过永续盘存法推算出2005—2016年资本存量。同时用各省区市固定资产价格指数调整各年投资，折算成以2004年为基期的不变价格实际值。由于重庆市在划为直辖市之前与四川省合并核算，本文以2004年重庆市和四川省的固定资产投资比例为依据，从四川省中分离出重庆市的资本存量作为重庆市的资本投入。

(3) 劳动投入用劳动力资本代表。劳动投入一般用各地区劳动人数或从业、就业人数来表示，而劳动人口存在素质上的差异，并且罗默的内生模型也表明知识与技术对经济增长有正向推动作用，因此不同素质的劳动力对经济的贡献程度也是不同的。考虑到劳动力素质差异，本文用受教育年限衡量劳动力质量，把各省区市的平均受教育年限作为各省区市的就业人员质量(岳书敬等，2006)。劳动力投入采用各省区市历年就业人员的平均受教育年限与就业人数相乘，得到包含劳动力素质的劳动投入。

2. 产出变量

(1) 选择地区生产总值作为期望产出。地区生产总值是衡量一个地区总体经济状况的重要指标。为了消除通货膨胀对历年地区生产总值的影响，这里以2004年为基期，利用各省区市GDP价格指数平减得到实际地区生产总值。

(2) 选取碳排放总量、工业废水排放总量和工业固体废弃物总量作为环境约束部分，即非期望产出。变量选取考虑了环境污染复合性、污染物形态多样性和数据的可获得性与一致性。其中碳排放总量的计算采用IPCC所建议的终端能源消费计算方法，“自上而下”依据各省区市能源消费平衡表中的煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力消费总量，九类能源碳排放系数借鉴《综合能耗计算通则》和《省级温室气体清单编制指南》中的各项数据(1)《综合能耗计算通则》(GB/T 2589—2008)和《省级温室气体清单编制指南》(发改办气候〔2011〕1041号)。来计算其排放总量。工业废水排放总量和工业固体废弃物总量数据均源自2005—2016年《中国统计年鉴》。最终将三类非期望产出用熵值法进行综合得出环境污染综合指标，形成结合环境约束下的综合产出指标。

(二) 省际能源效率测算结果

本文首先利用MaxDEA Ultra 6求得2005—2016年30个省区市的博弈交叉效率。我们将时间分成2005—2010年和2011—2016年两个时间段，对比各时间段省际能源效率的变化。表3为不含环境约束和环境约束下的博弈交叉效率。由于数值较小，这里将所有效率值扩大100倍以方便对比分析。

表3 2005—2016年不含环境约束和环境约束下博弈交叉效率

如表3所示，不考虑环境约束的情况下，2011—2016年全国能源效率值较之前有明显的下滑，均值由72.98下降到66.30，大部分省区市的能源效率均值下降幅度超过10%。最为突出的是天津市，效率均值由80.98下降至49.73.结合投入产出数据来看，天津市2016年能源消费总量较2005年增加了1倍，实际地区生产总值增长的能源依存度过高。由此可见，我国能源效率水平趋于恶化，这与我国近年来要求的节能高效生产模式严重不符。表格右边，环境约束下2011—2016年较2005—2010年相比有21个省区市的效率有所提升，其中增加30%以上的省区市有11个，如北京市、浙江省、江西省等。具体来看，北京市在2005年能源效率居全国第三，2006年超越青海省达到第二位并自2014年开始成为全国能源效率首位。在此过程中，北京市的能源效率值由2005年的38.6增长到2016年的100，增长率约为159%。北京市以第三产业为主的产业结构和在环境污染治理工作方面取得的成绩一定程度上促进了能源效率的提升。另外山西省、辽宁省等9个省区市的效率值有所下降。作为我国老工业基地的山西省和辽宁省，其能源效率水平一直位于全国下游，重工业在经济结构中的过大比例或许是导致这两省能源效率低下的原因。

对比表3，环境约束下各省区市能源效率相较同期不含环境约束的效率有明显下降。2005—2010年间，青海省、宁夏回族自治区、广东省、甘肃省、吉林省、江苏省、内蒙古自治区和浙江省在比较过程中有超过15位的变化。其中，青海省、宁夏回族自治区、甘肃省、吉林省和内蒙古自治区的排名有大幅度的提升，而广东省、江苏省和浙江省的能源效率排名却严重下滑。2011—2016年间，宁夏回族自治区、吉林省、江苏省、青海省、广东省、河北省和重庆市的排名波动较大。综合对比2005—2016年的两类博弈交叉效率值，青海省、江苏省、河北省、广东省、天津市、吉林省和宁夏回族自治区的能源效率排名波动较大。其中，江苏省和广东省的能源效率值在全国排名下降了22和20位，而青海省、宁夏回族自治区的能源效率值排名在全国分别提升了24、22位。江苏省和广东省都是经济大省，在不包含环境约束的情况下，两个省的能源效率均位居全国前列。但江苏省和广东省在发展经济的同时产生了数量庞大的各类环境污染物，使得环境约束下两个省的能源效率较其他省区市下降更为明显。青海省和宁夏回族自治区环境污染物产生量较全国平均水平处于低位，环境优势是提升这两个省区市能源效率排名的重要原因。由此可见，环境约束的非期望产出导致大部分省区市的能源效率值波动较大，因此在能源效率进行评价的过程中，环境约束是不可忽视的影响因素。

为衡量地区间能源效率的现状与差异，本文利用SPSS对30个省区市进行聚类分析分析，借鉴前人的方法(高振宇等，2006)将30个省区市聚类成高、中、低3个效率区域，如图2所示。通过两类博弈交叉效率的聚类结果可知，天津市、海南省、青海省和宁夏回族自治区的能源效率在考虑到非期望产出后有所提升。对环境污染物排放治理工作的重视和落实，是导致这一变化的重要原因。同理，在环境方面表现较差的省区市，如河北省、山西省、江苏省、浙江省、山东省、广东省等，环境污染物等非期望产出的加入直接导致这些省区市的能源效率下降。以广东省为例，在不考虑环境约束的情况下，广东省的能源效率位于高效率水平。而大量工业废水废物的排放则拉低了广东省的实际能源效率，这体现在了包含环境约束的能源效率评价结果中，广东省的能源效率实际位于较低水平。单纯以经济产出来衡量能源效率容易走向以环境污染为代价的“高效率”困境。因此，在对各省区市能源效率进行评价的过程中，对环境约束这一因素的考虑是非常必要的。

图2 不含环境约束与包含环境约束的聚类分析结果

表4按照传统的区域划分，将中国各省区市划分为东、中、西部三大区域。由环境约束下各省区市能源效率及聚类分析结果可以看出，东部地区能源效率均值最高，西部地区次之，中部地区最低。但整体来看，东、中、西部各省区市所在的能源效率分组并不集中。尤其是东部地区，既有以北京市为代表的高效率省区市，也包括了大部分中、低效率组的省区市，如天津市(中效率组)和江苏省(低效率组)等。因此对各省区市能源效率的研究，不仅要考虑区域之间的能源效率差异，更要考虑区域内部的能源效率差异。变异系数C.V是用于反映事物内部的离散程度或差异程度的指标。变异系数越大，各省区市之间的能源效率的离散程度越大，即差异越大；反之，则能源效率差异越小。因此，本文通过变异系数来判定中国三大区域内部能源效率的相对差异大小。

表4 中国三大区域划分

表5为环境约束下三大区域能源效率变异系数。从三大区域比较来看，2005—2016年全阶段东部地区的变异系数为116.77%，相较于中部地区和西部地区的39.76%、54.06%，区域内能源效率差异最为明显，这与图2中的表现完全一致。中部地区能源效率差异要低于西部地区。从时间变化来看，东部地区的能源效率差异在增大，2011—2016年间的变异系数为118.67%，相较于2005—2010年增加了1.53%。由此可见，东部地区的各省区市能源效率的差异是在不断增大的，能源效率提升速度不均，不平衡情况没有得到改善且有逐年扩大的趋势。西部和中部地区的能源效率差异在逐步缩小，其中西部地区的变化最为明显，能源效率水平逐渐趋同，向均衡方向发展。

表5 中国三大区域能源效率变异系数

(三) 全要素生产率指数测定

通过上述分析可知，中国省际能源效率存在巨大差异，区域内部和区域之间也有明显不同，而造成差异的原因需要我们进一步的探讨。为此，本文对中国省际全要素生产率指数进行了研究。首先，对全国的省际博弈交叉能源效率进行全局Malmquist指数的测算，得出我国30个省区市2005—2016年的全要素生产率指数及其分解量，具体如表6所示。

如表6所示，我国大部分省区市的全要素生产率值小于1，各地区的生产效率有不同程度的倒退。河南省位于全要素生产率的分界线上，之后各省区市如广东省、浙江省、上海市等东部经济发达地区的全要素生产率小于1，经济优势并没有体现在全要素生产率上。位于全国排名后五位的海南省、云南省、内蒙古自治区、新疆维吾尔自治区和青海省，除海南省其余四个省区市均位于西部地区。分解量上，有21个省区市技术效率变动值大于1，最高值北京市为1.097。这意味着大部分地区的技术效率变动情况基本维持了上年水平且有小幅度的增长。技术变动上，大部分地区的技术变动倒退趋势明显：全国仅有云南省、辽宁省和青海省技术变动值大于1，其余27个省区市的技术变动值均小于1。就目前来看，技术效率变动和技术变动的发展形势都不乐观，这直接导致全要素生产率发展势头不明显，基本维持上年情况。

分地区来看，如表7所示，三大地区各年度的全要素生产率指数及分解情况存在差异。具体来说，东部地区全要素生产率年均变化率为-1.0%，技术效率变动的年均增长率为2.4%，技术变动的年均变化率为-0.30%。可见东部地区技术效率变动是全要素生产率的主要动力，但技术变动比上一年有所下降，全要素生产率呈缓慢倒退趋势。中部地区与东部地区情况类似，全要素生产率由技术效率变动主导，技术效率变动的年均增长率为3.8%，而技术变动年均增长率为-3.7%，这阻碍了全要素生产率的提高。西部地区的技术效率变动波动频繁，勉强维持上年度水平，但大部分年份技术变动小于1，技术倒退情况极其严重。由此可见，全国各个地区的生产效率，要么发展势头不明显，要么有一定程度的倒退，生产效率的改进面临严峻形势。技术效率变动为生产效率进步的主要贡献力量，但技术变动的创新效应明显不足，仅依靠技术效率进步来提升全要素生产率，忽视技术改进的重要作用，只会导致全要素生产率的负增长。只有保持技术效率的追赶效应，加快创新技术发展，才能全面释放生产潜力。

表7 三大地区各年度Malmquist TFP指数及分解情况

三、 结论与建议

本文基于博弈交叉效率模型和全局Malmquist指数方法，结合环境约束下的混合产出指标测度了2005-2016年中国省区市能源效率和全要素生产率指数，并探讨了东、中、西部三大地区之间的差异。主要研究结论如下：

第一，全面的能源效率评价体系应将环境约束考虑在内。对比不含环境约束和包含环境约束的两类能源效率评价结果可知，环境约束下各省区市能源效率值有明显的下降。环境污染严重的省区市例如广东省、浙江省、上海市等由于废水及其他污染物排放量巨大，环境约束下的能源效率较其他省区市优势减弱。环境状况较好的省区市如青海省、宁夏回族自治区能源效率排名较不含环境约束情况下提升了许多。因此，在能源效率评价的要素中，环境约束必不可少。

第二，我国现阶段各地区能源效率差异明显并且区域内发展不均衡。由省际能源效率均值和聚类分组结果可知，东部地区能源效率水平普遍高于中西部地区。能源效率排名靠前的省区市，如北京市、海南省等地大多位于东部地区，而如山西省等能源水平较低的地区多位于中西部地区。就区域内能源效率的均衡程度来说，东部地区能源效率分布不均且省际差异有逐步扩大的趋势。中部和西部地区的能源效率水平低于东部，但其省际能源差异较小且缓慢趋同。

第三，我国全要素生产率整体有波动下降的趋势，技术创新不足是全要素生产率提升的主要障碍。东部和西部地区的全要素生产率波动下降，中部地区全要素生产率表现最佳且有微弱上升趋势。同时，三大地区的技术效率变动对全要素生产率正向贡献巨大，技术变动带来的创新效应明显不足。中部地区的追赶效应最为突出，创新效应不足也最为明显，技术创新的不足和高效的资源配置共同作用导致了全要素生产率基本不变；东部地区的追赶效应和创新效应在三大地区中都处于中游水平，追赶效应比起创新效应略显无力；西部地区两大效应表现都不理想，技术变动倒退较为严重，全要素生产率下降最多。

因此，结合上述结论，本文提出以下几点政策建议：

第一，建立健全包含环境约束的能源效率评价与监控体系。各地区在追求经济发展的同时，应贯彻实施可持续性的发展理念，加强对环境问题的关注，积极履行十九大关于加快生态文明建设，建设美丽中国，坚持人与自然和谐共生的发展要求。而建立一个将环境约束纳入经济发展和能源效率评价与监控的体系是实现这一要求的必要条件。因此，国家应建立统一的能源效率评价标准，不仅要考虑能源投入与经济产出的比值，还应将劳动资本等多种投入要素及生产过程中带来的环境污染治理成本纳入考虑，在此基础上建成既考虑经济建设成果又考虑能源效率水平的地方政府政绩评价体系，以激励地方政府在能源效率提升方面的工作。

第二，进一步提高能源效率的同时促进东、中、西部地区能源效率均衡发展。针对东部地区能源效率优势明显但内部差异较大的问题，东部地区应该以高效能省区市带动低效能省区市。同时，在发展经济的过程中，要加强对环境污染的重视程度。针对高耗能、高污染产业，从内部改善粗放的生产方式以实现产业结构优化升级，落后产能直接淘汰以避免资源和效率的浪费。中西部地区能源资源优势最为明显，但能源利用效率较低。对此，中西部地区应重视能源效率的提升，通过推行清洁生产技术、优化配置能源要素来提高能源效率。此外，有关部门应减少污染物的排放并杜绝能源过度浪费，着重加强环境治理工作，摆脱“大量生产、大量消费、大量废弃”的传统增长方式，加快低投入、低能耗、高产出、高效率、低排放、能循环的健康快速可持续的发展。

第三，加强技术创新，提升生产效率。政府要制定适宜的创新创业政策，为优秀人才的创新创业营造有利的政策环境，此外，政府还应通过以财政拨款的形式支持重大能源项目的研发与创新，颁布相关优惠政策如减免税费、贷款优惠等，为企业的自主研发提供坚实保障，激活企业创新热情，提升企业的创新动力，加快技术向生产转变的进程。东部地区要积极鼓励高新技术产业的发展，大力培育新型产业。通过新技术、新工艺的引入来降低能耗，推动全系列产业向绿色、高效、智能化转型。中部地区要保持技术效率追赶效应的优势，稳定资源配置效率，狠抓创新技术发展，加快引入创新人才。西部地区在创新方面同样欠缺，要加快人才引进，强化人才战略，将能源禀赋优势与人才和技术结合起来，转化为能源利用效率、环境治理能力和经济发展的动力。

四、 研究展望

通过对中国省际能源效率的深入研究，本文得出了一些有益的见解，但对东中西部三大地区能源效率的异质性分析是通过博弈交叉效率和全局Malmquist指数方法的结果直接对比分析而得的。而这一方法的实施是在假设三大地区生产技术水平一致的前提下进行的，事实上，东中西部三大地区，明显存在着资源禀赋、产业结构等方面的不同，采用统一的生产技术不足以反映最真实的能源效率水平。因此在后续的研究中，可以分别构造三大地区的生产前沿以形成共同前沿的方法来研究区域间的异质性及成因。同时，后续研究可以结合空间计量经济学方法，探讨能源效率的影响因素和直接效应、溢出效应的作用程度，基于结论提出更加有针对性的政策建议。