京津冀区域能源环境利用效率及影响因素分析

吕 晨, 谢日古丽·麦合木提, 张子霄

(1.中国科学院大学 公共政策与管理学院， 北京 100049； 2.首都师范大学 研究生院， 北京 100048)

中国作为人口和经济大国，在改革开放以后经历了经济的快速发展，但是能源环境问题日渐突出。根据能源局发布的2020年全社会用电量数据，中国目前是世界上最大的能源消费国，全社会用电量75 110亿kW·h，同比增长3.1%，占全球消费量的27.8%。生态环境部公布的2020年全国空气质量状况通报显示，京津冀及周边地区“2+26”城市PM2.5年均浓度为51 μg/m3，污染较重。能源环境压力对中国未来可持续发展产生巨大挑战。中国的环境污染和资源消耗主要集中在城市群地区，其中京津冀区域是比较典型的地区[1]。近年来中国政府执政理念逐渐转换，这一理念的转换在国民经济社会五年规划(指引中国未来五年经济社会发展的总纲领)中尤其突出。中国“十一五”规划强调经济社会协调发展，首次提出“节能减排”措施。“十二五”规划强调推进城镇化过程同时进一步强调“节能减排”。能源环境和经济的协调发展将是未来政府工作的重点任务[2]。在此背景下，对于京津冀区域能源环境利用效率的研究可以为其他地区的可持续发展政策制定提供依据。

关于能源环境利用效率的研究已有较多成果。在测算能源环境利用效率的投入和产出时，学者们往往采用不同输入和输出指标。常见的研究以GDP、工业增加值和工业污染物排放作为能源环境利用效率的输出变量[3-4]；以劳动力、资本、能源消耗、水、土地作为输入变量[5-6]。在测算方法时，学者们常常用DEA及DEA-Malmquist方法，计算不同区域能源环境的利用效率[3-4,7]。

关于中国能源环境利用效率影响因素的研究成果也很丰硕。大部分研究以典型城市或典型行业为研究对象，分析能源环境利用效率的影响因素。能源环境利用效率的影响因素包括自然要素、资本要素、人力要素和社会要素4个方面。自然要素资源包括土地、水等。选取用水量、用电量、工业排放量、废物排放量、废气排放量、废水排放量为指标[8-9]。资本要素资源包括厂房、流动资本和固定资产等。选取非农人数、固定资产、流动资产、建成面积为指标[10]。人力要素资源主要是具有一定知识、健康和技能的劳动力。选资本、劳动力为投入指标。社会要素资源主要是服务、文化、科技等要素，选取科技创新、公管服务等指标[11-12]。蔺雪芹等选取单位GDP能耗作为能源消耗效率指标[13]，郭存芝等选取产业结构、资本劳动力、外商投资、社会投资、政府干预等指标进行了广泛研究[14-17]。已有研究表明中国的人口规模、产业结构水平、经济开放水平、科技水平、信息化水平、土地投入等因素能够影响区域的能源环境利用效率。

已有对于能源环境利用效率的研究大多数聚焦在省、市层面[16]，也有一些学者计算了城市群[18-19]、国家[20]、行业[21-22]的能源环境利用效率。该类研究多运用截面数据以省为单位进行研究[23]，时间序列研究多以年为单位[24-25]。在城市群的研究中多将城市作为分析单元，缺少对于内部以区县作为基本单元的细致研究，而区县是中国行政管理的基本单元。从研究时段看，目前的文献主要以年为单位进行分析，缺少与中国经济社会管理阶段相匹配的阶段性比较研究。另外，相对于能源环境利用效率测量的研究，目前对于效率影响因素中的研究比较少，尤其是独具中国特色的一些影响因素，比如房地产开发、政府干预等影响因素相联系的能源环境效率影响分析较少。

因此，本文基于“十一五”(2006—2010年)和“十二五”(2011—2015年)两个国民经济社会发展规划重要时间段，以京津冀区域为研究对象，测算和比较京津冀202个区县的能源环境利用效率，利用Panel Tobit模型，引入政府干预、房地产开发等具有中国发展特色的指标，分析影响区域能源环境利用效率的影响因素，为提高京津冀区域能源环境利用效率决策的科学性提供研究支持。

1 研究区域与指标选择

1.1 研究区域

京津冀区域是中国的政治、文化中心，也是中国北方经济发展的重要核心区。截至2020年，京津冀区域常住人口11 307.4万人，占全国的8.1%，GDP总量8.6万亿元，占全国的8.5%。京津冀区域在快速发展的过程中出现了一系列能源环境问题，资源的短缺和日益严重的环境污染更加要求提高区域能源环境的利用效率，研究能源环境利用效率尤为重要[14,26]。

1.2 能源环境利用效率的投入产出指标选择

提高能源环境利用效率的目标是以最小的资源消耗和环境污染代价获得最多的经济产出。结合区域特点，投入指标主要考虑经济生产过程中投入的经济社会和能源环境成本。经济社会成本指标选择来源于CK生产函数。能源环境指标在不同的文献里有较大区别。部分文献将PM2.5浓度作为产出指标，但是从人类经济活动的目的和过程看，大气污染是人类为了获得经济效益而付出的成本，因为把PM2.5浓度作为投入指标，此外还有人口、财政支出、全社会用电量和固定资产投入。

1.2.1 产出指标

1)地区生产总值(GDP)。地区生产总值代表地区经济发展水平，地区生产活动最终成果，是衡量区域产出最常用的指标。本文按2000年价格基准进行平减指数换算得到地区生产总值GDP。

2)财政收入(FRP)。财政收入反映政府的收入水平，也是地区政府在行政过程中重点考虑的产出要素[27]。本文按2000年价格基准进行换算得到实际财政收入。

1.2.2 投入指标

1)细颗粒物(PM2.5)浓度。PM2.5是定量描述空气质量状况的指标。由于京津冀区域的大气污染是全国最为严重的地区，选择典型的大气特征污染物PM2.5作为衡量环境投入的指标，同时PM2.5的产生主要是由化石燃料燃烧和机动车尾气排放等因素导致，也是影响居民身体健康的主要污染物，因此选取2006—2015年PM2.5年度浓度作为指标。

2)人口(POP)。地区经济增长和长期发展的投入包括劳动力的投入，所以选择人口数量作为投入的资源。并选取2006—2015年京津冀常住人口数作为投入指标。

3)财政支出(FSR)。财政支出主要是针对生态环境改善等具有巨大外部经济效应的项目，中国公益性基础设施建设的支出，包括水利、电力、道路、桥梁、环保、生态等方面[27]。选取2006—2015年京津冀区县财政实际支出(单位：亿元)作为投入指标。

4)全社会用电量(ELE)。全社会用电量包括第一、第二、第三产业的用电量，反映的是经济活动投入消耗的能源。选取2005—2016年京津冀区县全社会用电量(单位:万kW·h)作为能源的投入指标。

5)固定资产投入(INV)。固定资产投入是拉动地区发展的主要因素之一，文章选取2006—2015年京津冀区县固定资产投入(单位：亿元)作为投入指标。

1.2.3 能源环境利用效率影响因素指标

基于已有的文献中对于能源环境利用效率影响因素的研究，结合中国京津冀地区发展特点，选取6个影响因素进行分析。

1)产业结构(sec)。不同产业结构代表不同的生产过程以及能源环境利用方式。其中，第三产业比重反映一个地区服务业的规模和水平，包含了提高能源利用效率所需的技术、理念和服务。研究表明第三产业比重对于能源利用效率影响很大[14]，因此选取第三产业增加值与GDP的比值作为产业结构影响因素的表征指标。

2)城镇化水平(urb)。城镇化水平的高低会影响生产模式、行业水平以及基础设施配套。不同的生产模式和不同行业对应的能源环境利用效率是不同的。因此研究采用人口城市化率代表城镇化水平，即城镇人口占总人口的比重。

3)能源利用技术水平(ene)。单位GDP能耗反映区域能源利用的技术水平，每创造一个单位社会财富的能耗越高表明能源利用效率越低，单位为吨标准煤/万元。

4)经济开放程度(tac)。外商投资企业在一定程度上提高了中国劳动者的素质，使其经营管理水平和技术开发、创新等能力得到提高[28]，创新能力的增加会直接提高能源环境利用效率。因此，将历年外商直接投资额根据当年汇率换算成人民币，使用外商直接投资额和GDP的比值代表经济开放程度。

5)政府干预程度(gov)。合理分配和使用财政资金对城市能源利用效率起到促进作用。但财政过度支出和盲目利用会削弱市场对资源的配置作用，影响市场竞争格局和资源分配，造成能源利用效率低下[28]。研究选取财政支出与GDP比值作为表征政府干预程度的影响因素指标。

6)房地产投资(rei)。对35个大中城市房地产投资研究表明，近52%城市DEA效率无效[29]。过度的房地产投资会挤占其他行业的投资，造成社会投资失衡，并且大量消耗水泥、钢铁和土地等资源，增加污染物排放，造成能源环境利用效率低下。研究采用2006—2015年房地产投资额作为衡量指标。

2 研究方法与数据来源

2.1 研究方法

2.1.1 DEA方法

研究采用的数据包络分析法(DEA)实际是一种线性规划方法。Charnes提出衡量多投入多产出效率的DEA方法[30]。它的主要优点在于无须预先设定函数和估计参数，另外它考虑的是综合指标，可以对不同单元做比较，数学模型中的权数可由数学规划产生，避免人为影响。

若评价K个城市效率问题，假设L种投入指标、M种产出指标。设Xjl表示第j个城市的第l种资源投入量，Yjm表示第j个城市第m种产出量。对于第n个城市，有如下DEA应用模型：

(1)

DEA根据规模报酬可分为CRS和VRS两种。CRS即规模报酬不变DEA模型，VRS即规模报酬可变模型。综合效率CRS为1，表示该决策单元的投入产出是有效的，即同时技术有效和规模有效。

2.1.2 DEA—Malmquist指数

Malmquist指数即全要素生产率的增长率，是在效率评价之后、体现效率动态变化的指标。Malmquist指数是由Malmquist在消费分析的过程首次提出，它测度了在时期t的技术条件下，从时期t到t+1的技术效率变化。从时期t到t+1，基于规模报酬不变和基于规模报酬可变的Malmquist生产率变化指数(tfpch)表示公式分别为

(2)

(3)

(4)

(5)

(6)

(7)

当tfpch>1时，表示全要素生产率呈现增长趋势；当tfpch=1时，表示全要素生产率保持不变；当tfpch<1时，表示全要素生产率呈现下降趋势。

2.1.3 Panel Tobit模型

研究选择Panel Tobit模型对能源环境利用效率影响因素进行计算。因为DEA计算的结果是具有截断性质的离散分布数值，若采用普通最小二乘法(OLS)对模型进行回归，回归参数估计产生偏差，而基于最大似然法的Panel Tobit能很好解决这种截断数据。Panel Tobit模型的特点在于因变量是受限变量，模型由两类方程组成，一是表示约束条件的选择方程模型，另一种是满足约束条件下的某连续变量方程模型。Panel Tobit模型需要通过最大似然法估计参数β。基于已有的文献，所建立的回归模型为

(8)

式中：α0为回归方程常数项；ε0为回归方程误差项；i表示各区县；t表示年份；β1～β6为各要素估计的未知参数变量系数。

2.2 数据来源

以京津冀202个区县为研究对象，对“十一五”和“十二五”(2006—2015年)间京津冀地区的能源环境利用效率及其影响因素进行分析。效率产出指标为地区生产总值、财政投入和投入指标人口、财政支出、全社会用电量、固定资产投入的数据，河北地区数据来源于《河北农村统计年鉴》《河北省经济年鉴》《河北财政年鉴》；北京数据来源《北京市统计年鉴》；天津数据来源于《天津市统计年鉴》、京津冀区域202个县市区的PM2.5年浓度数据来源于NASA环境遥感卫星检测的PM2.5浓度数据。采用美国国家航空航天局NASA公布的2006—2015年全球大气PM2.5浓度栅格数据，分辨率为0.1°作为基础研究数据。影响因素为产业结构、城镇化水平、能源利用技术水平、经济开放程度、政府干预程度、房地产投资等，河北地区数据来源于《河北农村统计年鉴》《河北省经济年鉴》《河北财政年鉴》；北京数据来源于《北京市统计年鉴》；天津数据来源于《天津市统计年鉴》。

3 结果分析

3.1 京津冀区域能源环境利用效率结果分析

京津冀区域“十一五”和“十二五”期间能源环境利用效率均值变化如图1所示。该区域10年的纯技术效率均值为0.784，其次规模效率均值为0.639，最低是综合效率为0.502。综合效率达到有效的区县共21个。

图1 2006—2015年京津冀区域纯技术效率、规模效率及综合效率折线图

综合效率(CRSTE)总体均值较低，且呈下降趋势。从总体均值看，2006—2015年京津冀202个区县的综合效率均值为0.502，中位数为0.465，没有达到有效。综合效率上升区县数量比例由“十一五”的62.4%下降到“十二五”的30.7%，2006—2015年综合效率平均上升区县数量比例为53.5%。综合效率较高的区域分别集中在北京天津部分区域、东部的唐山沧州部分区域和南部的邢台邯郸部分区县，说明这些区域能源环境效率较高，其投入产出比其他区县要高。

纯技术效率(VRSTE)在10年间一直下降。从总体均值看，2006—2015年京津冀202个区县的能源环境纯技术效率为0.784，中位数0.775，未达到有效。纯技术效率上升区县数量比例由“十一五”的49.0%下降到“十二五”的24.3%，2006—2015年纯技术效率平均上升区县数量比例为37.6%。北京各区的纯技术效率与天津和河北相比要高。纯技术高值区域集中在西北部的承德、张家口部分区域，北京部分区，南部的邢台部分区域。纯技术效率变动较大区域集中在京津冀京津唐和部和石衡邢部分区域。

规模效率(SCALE)总体上呈上升趋势。从总体均值看，2006—2015年京津冀202个区县的能源环境规模效率为0.639，中位数0.682，未达到有效。从数量看，“十一五”期间京津冀区域有21个区县规模效率达到有效，“十二五”期间京津冀区域有20个区县纯技术效率达到有效。2006—2015年规模效率平均上升区县数量比例为63.4%。规模效率高值区域集中在东部的京津唐部分区域，南部的石家庄邢台部分区域。10年间规模效率变动较大区域集中在京津冀京津唐和石邢部分区域。

3.2 京津冀区域能源环境利用全要素生产效率变化结果分析

利用前述Malmquist生产率指数模型分别计算，结果如图2所示。全要素生产率指数(tfpch)呈现先上升后下降的趋势。2015年和2006年相比tfpch上升的区县有69个，下降的区县的有133个区县，整体呈下降趋势。技术效率变化指数(effch)呈上升趋势。2015年和2006年相比技术效率变化上升的区县有122个，下降的区县的有80个区县，整体呈上升趋势。技术进步指数(techch)总体呈下降趋势。2015年和2006年相比tfpch上升的区县有52个，下降的区县的有139个区县，整体呈下降趋势。

图2 2006—2015年京津冀区域各区县Malmquist指数变化情况

全要素生产率变化指数(tfpch)由纯技术效率变化指数(pech)、规模效率变化指数(sech)和技术进步变化指数(techch)3个分解指数组成。通过绘制tfpch与3个分解指数的散点图可知，如果散点图显示集中在45°线上，则该分解指数对tfpch的影响越强，反之越弱[31]。图3表明，techch与tfpch拟合度高于其他两个分解指数，可见techch是影响京津冀区县tfpch差异的主导因素，说明2006—2015年京津冀区县tfpch下降原因是生产技术进步的贡献低于技术效率和规模效率的上升，生产技术进步在京津冀区县发展中呈减弱趋势。

图3 2006—2015年京津冀区域各区县tfpch与techch、pech、sech散点图

3.3 能源环境利用全要素生产变化指数的影响因素分析

采用LLC和IPS检验对面板数据进行单位根的平稳性检验。结果显示，5个影响因素的P值均小于0.05，说明拒绝原序列存在单位根的假设。通过协整性检验的回归方程可判断非平稳序列的因果关系是否出现伪回归，即检验变数之间是否存在稳定的关系。Nharvey检验结果为2.63，在显著水平为1%和5%之间，通过置信度95%的平稳性检验，说明tfpch和6个自变量之间具有协整关系，见表1。

表1 2006—2015年京津冀区域能源环境利用综合效率影响因素Tobit模型估计结果

回归结果显示，第三产业占比对于能源环境利用综合效率影响正相关。根据产业结构演进规律[32]和未来区域的发展规划(2015年中国发布的《京津冀协同发展规划纲要》)，京津冀第三产业的比例将进一步增加，这将有利于能源环境利用效率的增长。经济开放程度对能源环境利用综合效率具有正向影响。京津冀区域各市的外商投资额占GDP总额小，外商投资所带来的技术进步仍有提升空间。政府干预强度对能源环境利用效率具有负向影响，可能的原因是政府干预过多会对经济增长带来损害，使资源配置发生扭曲从而影响效率[33]。地方政府强力的财政干预政策和对资源配置的倾斜政策会打破能源环境配置平衡而且挤占私人投资，从而降低市场运行效率。房地产投资对能源利用效率影响负相关。京津冀地区快速城镇化过程中房地产行业消耗了大量资源，挤占其他行业的资源。回归结果表明过度的房地产投资是能源环境利用综合效率偏低的原因之一。

4 结论

以京津冀地区202个区县为分析单元，采用DEA-Malmquist指数测算了区域能源环境利用效率。在此基础上选取具有中国特色的影响因素，利用Panel Tobit模型分析各因素对能源环境利用效率的影响，为未来政府提高能源环境利用效率管理提供研究支撑。研究表明：

1)2006—2015年京津冀区域的纯技术效率、规模效率、综合效率中位数分别为0.775、0.682和0.465；2015年和2006年相比京津冀区域的纯技术效率、规模效率、综合效率上升区县数量比例分别为37.6%、63.4%和53.5%。“十二五”和“十一五”上升区县数量比例分别为：纯技术效率为49.0%和24.3%、规模效率为63.9%和46.5%、综合效率为62.4%和30.7%，均为下降。

2)2006—2015年全要素生产率变化指数、技术进步效率变化指数呈下降趋势，技术效率变化指数呈上升趋势。影响全要素生产率变化指数的3个分解指数差异明显，技术进步变化指数是影响全要素生产率变化指数的主导因素。应加强科技创新，提升城市的综合效率。

3)第三产业占比、经济开放程度与京津冀区域能源环境利用效率呈正相关，单位GDP能耗、政府干预、房地产投资与京津冀区域能源环境利用效率呈负相关。地方政府在重视房地产投资的同时，应注意房地产行业与其他行业的平衡协调发展。政府对经济活动的参与程度会影响该地区的全要素生产率变化。由于政府的参与影响市场的资源配置，对私人投资产生挤出效应，降低了市场运行效率。因此应科学地调整政府财政支出以提高能源环境利用效率。