基于异质性环境生产技术的我国城市能源效率测度研究

范丽伟 张露平 张慧 王甜甜

摘要：城市作为社会生产力高度集聚的一种空间组合形态，是能源消费和二氧化碳排放的集中区。我国各个城市在能源利用、经济产出和污染物排放等多方面存在显著差异，由此导致不同城市形成了异质性生产技术。为了改进传统前沿分析方法在异质性生产技术下测度能源效率，该研究提出了一种基于异质性环境生产技术的城市能源效率测度框架。具体而言，首先从多维度刻画生产技术的异质性，并据此将城市进行聚类分组;随后结合环境生产技术与共同前沿思想，构建了异质性环境生产技术的城市能源效率测度模型;最后，在组前沿和共同前沿两种情景下对我国87个城市的能源效率进行实证分析。同时，通过分解能源无效率，从管理无效率和技术无效率两方面探究了不同群组城市能源无效率成因。

关键词：能源效率;共同前沿;异质性;环境生产技术;城市

中图分类号：F206;F224

文献标识码：A

文章编号：1673-5595（2022）01-0001-08

一、引言

全球气候变化是人类社会21世纪面临的重大挑战之一。在向联合国提交的《强化应对气候变化行动——中国国家自主贡献》中，我国政府提出了2030年二氧化碳排放达到峰值并争取尽早实现的行动目标。城市作为社会生产力高度集聚的一种空间组合形态，是能源消费的集中区，也是二氧化碳排放的绝对主体。提高城市能源利用效率可以有效控制城市能源消费及二氧化碳排放。[1-2]城市能源效率的测度分析能够为城市能效标杆的确立及节能政策的分析提供参考依据。[3]

当前，能源效率测度框架主要分为单要素能源效率和全要素能源效率。单要素能源效率指标，如能源强度，并不能反映决策单元真实的能源效率水平。[4-5]单要素能源效率指标通常被认为忽视了能源本身作为一种生产投入要素无法单独作用于经济增长的事实。[6]对比而言，全要素能源效率则考虑了生产中能源及其他投入要素组合的影响[6]，同时，还可以考察环境污染对能源效率的制约程度[7]。尽管如此，全要素能源效率通常假设所有的决策单元形成一个共同生产前沿面，即在同一个生产技术条件下进行生产活动。然而从现实情况来看，我国城市在能源利用、经济产出和污染物排放等方面存在较大的差异性。由此，不同的城市形成了具有差异性的生产技术。有学者指出，如果不考虑生产技术的异质性，城市能源效率测度则会缺少统一的参考标准，使得整个能源效率测度表面化和简单化，甚至可能会得出误导性的政策建议。[8]

为此，在全要素能源效率框架下，本文综合考虑城市在经济发展、产业结构和技术水平等诸多方面的差异，在多指标体系下刻画城市的环境生产技术异质性，随后在考虑环境生产技术异质性的前提下对我国城市的全要素能源效率进行测度。基于以上研究，本文拟进一步完善异质性下全要素能源效率测度框架;同时，拟深入揭示我国城市具有差异性的全要素能源效率现状及变化规律，以便更加全面、准确地分析不同类型、不同效率水平的城市能源效率的影响因素，探索适合我国城市能源效率提升的差异化对策建议。

二、异质性环境生产技术视角下城市的聚类分析

不同城市由于自身所处的特定环境、经济发展水平和资源禀赋等存在差异，在实际生产活动中表现出不同的生产技术水平。在现有研究中，学者们对异质性的考虑主要从单一角度，比如空间异质性（包括区域异质性）、行业或部门异质性和技术异质性等[3，8-11]。然而，决策单元之间的差异性不仅仅是某单一要素作用的结果，可能在经济、环境、技术和资源等多方面呈现出差异。因此，有必要从多维度研究异质性对能源效率测度的影响。

具体而言，城市在经济水平、发展阶段等约束下表现出生产技术的差异性，而在能耗方面因自身的能源结构和利用效率等方面的差异会影响到城市对能源资源的转化输出效率。考虑到环境因素的约束，比如碳中和、碳达峰等环境压力，城市的环境技术水平及其在处理环境污染物等方面的差异也会间接影响到城市的经济生产活动及经济效益等。因此，不同于以往研究中选取某单一指标刻画生产技术的异质性，本文立足城市的经济（Economy）-能源（Energy）-环境（Environment）的“3E”系统，分别从经济因素、能源因素和环境因素三个方面选取指标，刻画城市的环境生产技术异质性。

（1）经济因素：使用人均GDP来衡量城市的经济发展水平。

（2）能源因素：使用能源结构指标，考虑到数据的可获取性，本文以碳排放量与能源消耗量的比值来衡量城市的能源结构，从而刻画城市在能源结构方面的差异。

（3）环境因素：考虑到本文所使用的能源消耗数据主要来源于工业用能和家庭用能，且数据获取受到限制，本文拟以城市的工业固体废物综合利用率和城镇生活污水处理率的均值来衡量城市的环境技术水平。

本文收集整理了87个样本城市的相关数据，指标数据主要来源于《城市统计年鉴》及《中国能源统计年鉴》，并在此基础上对样本城市进行了K-means聚类分析。K-means聚类算法作为一种划分聚类方法，是通过不断的迭代和计算找出平方误差最小的K个分组。相比其他聚类方法，其原理和运算方法简单、运算速度较快，对数据量的适用范围广、可伸缩性强，空间复杂度与时间复杂度均较低。[12]对样本城市聚类分析的结果如表1所示，从中可以看出，不同类别的城市在地域上交错分布。在考虑异质性的能源效率测度中如果过度看重地理位置因素可能会导致评估结果有失偏颇。根据以上聚类结果，结合各群组城市的指标特征（见表2），本文将三类城市分别定义为：低碳能源结构-高标污染处理、高碳能源结构-高标污染处理、低碳能源结构-低标污染处理。

从经济因素的角度来看，各类城市的经济水平相对接近，不同类别城市的环境生产技术差异更多是来源于能源因素和环境因素。从能源结构的角度来看，第二类城市的能源结构水平明显高于另外两类，事实上，第二类城市能源结构的最小值也高于另两类城市能源结构的最大值，因此，第二类城市无疑归属高碳能源结构，另两类城市则属于低碳能源结构。从环境技术的角度来看，第三类城市的环境技术水平明显低于另外两类的环境技术水平，即第三类城市的环境污染物处理达标率最低，属于低标準污染处理，而另外两类城市的环境污染处理率达到相对较高的标准。对比分析发现，高碳能源结构的城市，其环境污染处理率也相对较高，低碳能源结构的城市，其环境污染处理率有高有低，但整体而言不存在高碳能源结构但低标准环境污染处理率的城市，这也表明各城市在应对能源消耗及其所带来的环境污染问题时有积极的应对措施。

对比而言，第一类城市的环境生产技术较其他两类城市更成熟，第二类城市的优化重点在于能源结构，尽管其环境技术水平相对较高，但其能源结构的高碳表现尤其突出，是今后能源改革工作的重点关注对象;第三类城市的优化重点在于环境技术，其对环境污染物处理率明显低于其他两类城市，有较大的提升空间。工业固体废物综合利用是指通过原料回收、加工再用、转化利用和废物交换等方式，从工业固体废物中提取或使其转化为可利用的资源、能源和其他原材料的活动。此外，我国城镇生活污水处理设施仍存在较多短板弱项，污水集中处理能力不平衡，有部分城镇存在较大缺口，缺水地区和水环境敏感地区污水资源化利用潜力尚未得到充分挖掘。第三类城市可以多与其他两类城市开展合作交流，吸取经验教训、学习先进技术。

三、异质性环境生产技术下全要素能源效率的测算

全要素能源效率指標的主要思想是通过确定生产可能集以及构建生产前沿边界，分析各决策单元与生产前沿之间的关系。[13]因此，生产前沿的构建对全要素能源效率的测度有重要的影响。本文借助共同前沿分析方法，在聚类分析的基础上，构建异质性环境生产技术下全要素能源效率的测算模型，并实证分析我国87个城市的能源效率。

（一）模型构建

共同前沿分析方法由Hayami[14]最早提出，其基本思想是根据各决策单元生产技术异质性的来源，将决策单元划分为不同组，每个组形成一个生产前沿（组前沿），然后通过对不同组的生产前沿包络，形成一个共同的生产前沿（共同前沿）。

（二）异质性视角下城市能源效率的测算及结果讨论

本研究从《中国城市统计年鉴》《中国环境年鉴》和《统计公报》搜集了2006—2015年间中国87个重点城市的面板数据，基于异质性环境生产技术的全要素能源效率测算模型测算了各城市的全要素能源效率。具体选择了如下指标。

（1）能源投入：以各城市的能源消费量来表示能源投入，主要涵盖工业能源消费和家庭用能两大方面，通过将不同类型的能源进行折标煤计算得来①。

（2）非能源投入：包括各城市的资本存量及劳动力投入，其中资本存量基于永续盘存法计算得到，劳动力人数用年末城市的就业人数来表示。

（3）期望产出：以各城市实际GDP作为期望产出指标，为消除价格因素的影响，平减至以2006年为基期的水平。

（4）非期望产出：包括二氧化碳和工业二氧化硫，其中碳排放是基于IPCC提供的核算方法计算得到。

本研究基于两种情景，即不考虑环境约束的能源效率和综合考虑二氧化碳与二氧化硫污染物的能源效率两种情况，并分别计算了两种情景下中国城市的组前沿能源效率和共同前沿能源效率及其相应的技术差距比。当不考虑环境约束情况时，在异质性环境生产技术框架下计算所得的组前沿能源效率和共同前沿能源效率结果如图1所示。

从图1可以看出，各组的组前沿能源效率高于共同前沿能源效率水平。但整体变化趋势是极为相似的。第三类城市的组前沿能源效率在多数年份高于其他两类城市的组前沿能源效率，各类城市的能源效率差距相对较小且相对稳定，但在2014年第一类城市的能源效率骤降，该类城市的组前沿能源效率与其他城市的差距迅速拉大，2015年稍有回升。第三类城市的组前沿能源效率相对领先，其次是第二类城市。

由前文分析可以看出，环境因素对城市能源效率具有较强影响。因此，本文重点对比分析了环境约束下异质性环境生产技术框架下的城市能源效率，如图2所示。

结合图1和图2，考虑环境约束后城市的平均能源效率水平高于不考虑环境约束的能源效率水平，表明忽略环境约束可能会低估城市的全要素能源效率。环境约束下的组前沿能效率测算结果中，第二类城市的能源效率水平明显高于其他城市，而不考虑环境约束时第三类城市的能源效率是相对领先的。由于第二类城市的重要特征是高碳能源结构-高标污染处理，忽略环境约束时测算得到的该类城市的组前沿能源效率远低于环境约束下的组前沿能源效率，可能是因为该类城市虽然是高碳能源结构，但其对环境污染物的处理率相对领先，间接增加了经济效益，使得该类城市的实际能源效率偏高。

组前沿和共同前沿之间的距离刻画了组前沿代表的生产技术与最佳生产技术水平之间的差距，而共同前沿能源效率与组前沿能源效率的比值衡量了城市的技术差距比，如图3所示，分别展示了不考虑环境约束和考虑环境约束两种情景下各类城市的技术差距比。

对比可知，在不考虑环境约束的情况下，各类城市的技术差距比表现出相似的变化趋势，且组间的差距相对较小。第一类城市的生产技术水平最高。考虑环境约束后，各组城市的技术差距比有较大差距，其中，第一类城市的生产技术水平远远领先其他城市，非常接近最佳生产技术水平，该情景下的技术差距比高于不考虑环境约束的情况。不同的是，第二类城市的技术差距比与不考虑环境约束的情景较为接近，而第三类城市的技术差距比则低于其在不考虑环境约束下的技术差距比。简言之，忽略环境约束对第一类和第三类城市有截然不同的效应，但对第二类城市的影响不显著。

综上，生产技术领先并不意味着具有更高的能源效率水平，比如第一类城市的生产技术水平领先其他两类城市，然而其组前沿能源效率却低于另外两类城市。为揭示这一现象，接下来对能源无效率进行分解分析，利用式（9）和式（10）将能源无效率分解为管理无效率和技术无效率。同样地，分别对不考虑环境约束和考虑环境约束两种情景下的能源无效率分解结果进行分析，不考虑环境约束下能源无效率分解为管理无效率和技术无效率的结果如图4（a）和图5所示。

可以看出，管理无效率对能源无效率的影响程度远大于技术无效率对能源无效率的影响，对比各类城市的分解结果，管理无效率对第一类和第二类城市能源无效率的影响程度较为接近，对第三类城市的影响最大，这一结果表明提升能源效率的重点是提高管理效率，其中第三类城市应作为提高管理效率的重点对象。从技术无效率的角度来看，各类城市的技术无效率差距相对较小，其中第一类城市的能源无效率受技术无效率的影响偏小。

考虑环境约束后，如图4（b）和图5所示，管理无效率对能源无效率的平均影响有所下降，而技术无效率的影响程度有比较明显的提升，尤其是对第二类和第三类城市而言，技术无效率对能源无效率的边际贡献远高于其对第一类城市能源无效率的影响。无论是从管理无效率的视角，还是从技术无效率的视角，其对第一类城市的影响程度是最小的，对第三类城市的影响程度是最大的。

需要注意的是，不管是否考虑环境约束，管理无效率对能源无效率的影响程度都高于技术无效率，这表明近年来国家通过实施协调发展战略，各城市在能源利用技术方面有所提升，技术发展水平不再是我国城市能源利用低效的主导因素，而能源利用方面管理能力的不足成为总体上能源低效率的重要原因。根据Chiu[19]的研究，因投入过多或非期望产出过剩及期望产出不足造成的效率低下，可以被认定为城市的管理失败。

为了更清晰地反映不同城市在提高能源效率方面的潜力，本文根据能源无效率分解结果，分别依据管理无效率和技术无效率的均值将城市划分为四种类型，如图6所示。不同类型城市对应的能源效率提升策略如图7所示。其中，“高-高”组合的类型表示该区域内的城市的管理和技术无效率值都高于总体平均水平，因此这些城市需要同时改进管理和技术水平;在“低-高”类型的分组中，这一类城市的管理无效率值低于全体平均水平，而技术差距无效部分高于全体平均水平，因此落入该区域内的城市可以通过更新、引进先进设备或寻求其他组中城市的技术支援来提高环境生产技术;处于“低-低”分组的城市的管理和技术差距无效率部分都低于全体平均水平，所以对于这些城市来说要注重先进管理能力和技术水平的维持;对于 “高-低”型城市，其管理无效率值高于全体平均水平，而技术无效率值低于全体平均水平，这些城市可以通过学习借鉴各组内其他城市的先进管理经验或模式来提升能源效率。另外，由结果可知四种类型城市的分布都较为分散，“低-高”型和“高-低”型城市都呈现出与“低-低”型城市伴随分布的特征，这表明目前在我国各城市间还没有表现出高能源效率城市的带动和辐射作用，先进的生产技术和管理经验的学习和共享仍是低效率城市的关注重点。因此，相关决策部门应对这一现象加以重视以防各城市间能源利用效率的差距进一步扩大。

作为同类型城市，各城市的发展条件和资源要素较为相近，能效水平不理想的城市更容易模仿学习组内的标杆城市，从而在较短期间内提升自身能源效率表现。研究发现，组内各城市间主要无效率原因并不相同，即同一组内的城市导致能源无效率的主要原因也是有差异的。因此，这些城市若要取得和同组内其他城市相同的能效水平，在注重提升管理效率的同时还需注意技术效率的提高。

四、结论

考虑到不同城市环境生产技术的差异性，本文首先依据经济-能源-环境（3E）系统的多维度指标体系，将城市按照环境生产技术的差异进行聚类分组。其次，结合环境生产技术与共同前沿思想，利用非径向方向距离函数建立了异质性视角下的全要素能源效率测算模型，在组前沿和共同前沿下对我国 87 个重点城市的能源效率进行实证分析。最后，通过对能源无效率的分解分析探究了不同群組城市能源无效率的原因，进而提出不同类型城市能源效率的提升策略。

聚类结果显示各组在能源结构和环境技术水平等方面有显著差异。结合各群组城市指标特征，样本城市可以分为低碳能源结构-高标污染处理、高碳能源结构-高标污染处理、低碳能源结构-低标污染处理三类城市组。对比各类城市能源效率实证结果发现，忽略环境约束测度的结果可能低估能源效率水平，且在不考虑环境约束的情况下，第三类城市的组前沿能源效率水平相对领先，而考虑环境约束后，第二类城市的组前沿能源效率高于另外两组的能源效率水平。此外，相对于其他城市而言，第一类城市的技术差距比较大，特别是在考虑环境约束后，各类城市的技术差距比具有显著差异，第一类城市的技术差距比接近 1，表明这一类城市的生产技术水平最接近整体的最佳生产技术水平。能源无效率成因分析结果显示，管理无效率是造成能源无效率的主要原因，技术无效率对各组城市能源无效率的影响程度不显著。然而，在考虑环境约束后，管理无效率对能源无效率的影响程度有所降低，而技术无效率对第二类和第三类城市能源无效率的影响程度有显著提升。这一结果表明，忽略环境因素对能源效率进行评价，可能会错误判断能源效率低下的原因，甚至误导能源效率提升的改进方向。

注释：

① 不同能源种类的折标煤系数：天然气、人工煤气为1.33千克标准煤/千克，液化石油气为1.714 3千克标准煤/千克，工业用电量为1.229千克标准煤/千克;不同能源种类的碳排放系数：燃料煤为1.647千克-CO2/千克，原煤为1.900 3千克-CO2/千克，燃料油为3.1705千克-CO2/千克，天然气、人工煤气为2.162 2千克-CO2/千克，液化石油气为3.101 3千克-CO2/千克。

参考文献：

[1] Ang B W， Mu A R， Zhou P. Accounting Frameworks for Tracking Energy Efficiency Trends[J]. Energy Economics， 2010， 32（ 5）：1209-1219.

[2] Trotta G. Assessing Energy Efficiency Improvements and Related Energy Security and Climate Benefits in Finland： An ex Post Multi-sectoral Decomposition Analysis[J]. Energy Economics， 2020， 86：104640.

[3] Yan D， Kong Y， Ye B， et al. Spatial Variation of Energy Efficiency Based on a Super-Slack-Based Measure： Evidence from 104 Resource-based Cities[J]. Journal of Cleaner Production， 2019，240：117669.

[4] Ang B W. Monitoring Changes in Economy-wide Energy Efficiency： From Energy-GDP Ratio to Composite Efficiency Index[J]. Energy Policy， 2006， 34（5）：574-582.

[5] Lundgren T，Marklund P O， Zhang S. Industrial Energy Demand and Energy Efficiency-Evidence from Sweden[J]. Resource and Energy Economics， 2016， 43：130-152.

[6] Hu J L， Wang S C. Total-factor Energy Efficiency of Regions in China[J]. Energy Policy， 2006， 34（17）：3206-3217.

[7] Zhou P，Ang B W， Zhou D Q. Measuring Economy-wide Energy Efficiency Performance： A Parametric Frontier Approach[J]. Applied Energy， 2012， 90：196-200.

[8] 汪克亮，楊力，程云鹤.异质性生产技术下中国区域绿色经济效率研究[J].财经研究，2013，39（4）：57-67.

[9] 史丹.中国能源效率的地区差异与节能潜力分析[J].中国工业经济，2006（10）：49-58.

[10] Lin B， Liu W. Analysis of Energy Efficiency and its Influencing Factors in Chinas Transport Sector[J]. Journal of Cleaner Production， 2018， 170：674-682.

[11] Wang H， Ang B W， Wang Q W，et al. Measuring Energy Performance with Sectoral Heterogeneity： A Non-parametric Frontier Approach[J]. Energy Economics， 2017， 62：70-78.

[12] Tan P-N， Steinbach M， Karpatne A， et al. Introduction to Data Mining[M].New York：Pearson， 2018.

[13] Fei R， Lin B. Energy Efficiency and Production Technology Heterogeneity in Chinas Agricultural Sector： A Meta-frontier Approach[J]. Technological Forecasting and Social Change， 2016， 109：25-34.

[14] Hayami Y. Sources of Agricultural Productivity Gap among Selected Countries[J]. American Journal of Agricultural Economics， 1969，51：564-575.

[15] Wang Q， Zhao Z， Zhou P， et al. Energy Efficiency and Production Technology Heterogeneity in China： A Meta-frontier DEA Approach[J]. Economic Modelling， 2013， 35：283-289.

[16] ODonnell C， Rao D，Battese G. Metafrontier Frameworks for the Study of Firm-level Efficiencies and Technology Ratios[J]. Empirical Economics， 2008， 34（2）：231-255.

[17] Fre R. Multilateral Productivity Comparisons When Some Outputs are Undesirable： A Nonparametric Approach[J]. The Review of Economics and Statistics， 1989，71：90-98.

[18] Zhou P， Ang B W， Wang H. Energy and CO2 Emission Performance in Electricity Generation： A Non-radial Directional Distance Function Approach[J]. European Journal of Operational Research， 2012， 221（3）：625-635.

[19] Chiu C R， Liou J L， Wu P I， et al. Decomposition of the Environmental Inefficiency of the Meta-frontier with Undesirable Output[J]. Energy Economics， 2012，34：1392-1399.

責任编辑：曲 红

Abstract： As a form of spatial combination with high concentration of social productivity， city is concentrated area of energy consumption and carbon dioxide emissions.  Cities in China have significant differences in energy utilization， economic output， and pollutant emissions， which has led to the formation of heterogeneous production technologies in different cities.  To improve the traditional frontier analysis method to measure energy efficiency under heterogeneous production technology， this paper proposes an energy efficiency measurement framework based on heterogeneous environmental production technology. Specifically， this paper first characterizes the heterogeneity of production technology from multiple dimensions and clusters cities accordingly. Then， combining environmental production technology and meta-frontier， it sets up the energy efficiency measurement model based on heterogeneous environmental production technology. Finally， an empirical analysis of energy efficiency in 87 cities in China is conducted in two situations of group frontier and meta-frontier. At the same time， by decomposing energy inefficiency into management inefficiency and technical inefficiency， it also explores the causes of energy inefficiency in different groups of cities.

Key words： energy efficiency; meta-frontier; heterogeneity; environmental production technology; city