陈菁泉,刘 娜,马晓君

中国八大综合经济区能源生态效率测度及其驱动因素

陈菁泉1*,刘 娜2,马晓君2

(1.东北财经大学经济与社会发展研究院,辽宁 大连 116025；2.东北财经大学统计学院,辽宁 大连 116025)

为促进能源、经济、社会与生态环境的绿色可持续发展,将经济、社会福利等期望产出与生态环境污染非期望产出纳入能源生态效率测度框架,运用基于Shephard能源距离函数的随机前沿模型,从区域研究视角出发分析中国八大综合经济区能源生态效率演变趋势,并探讨其驱动因素的作用机制.结果显示:样本期内全国能源生态效率均值为0.5839,整体水平偏低,且呈现显著的空间非均衡分布特征.八大综合经济区能源生态效率水平呈现由沿海向内陆逐渐递减的发展态势.南部、东部和北部等沿海经济区能源生态效率均值分别为0.6941、0.6213、0.6087,位居前列;西南、黄河中游、长江中游以及东北等经济区次之,能源生态效率均值分别为0.5803、0.5720、0.5623、0.5537;西北经济区能源生态效率均值为0.5087,位列末位.经济发展水平与能源消费结构的估计系数分别为0.0459、0.0747,对能源生态效率的提高具有抑制作用;产业结构、城镇化水平以及环境规制的估计系数分别为-0.9339、-0.6197、-0.0387,对能源生态效率的提高具有促进作用.

能源生态效率；Shephard能源距离函数；随机前沿分析；八大综合经济区；驱动因素

能源生态效率定义为在促进经济增长并提高社会福利的同时,尽可能降低能源开发利用对生态环境系统的影响[1].关于能源生态效率的测算主要分为参数与非参数2种方法.由于非参数方法无需对生产函数形式与分布形式进行假设,学者们多运用数据包络分析方法(DEA)及其衍生模型从国家[2]、地区层面[1,3-7]或从行业层面[8-9]对能源生态效率进行测度.但DEA等非参数方法在效率测度时会受到测量误差或其他随机因素的冲击,且不能对技术效率的影响因素直接进行分析,可能会导致效率测算结果不稳健.研究表明,相较于DEA方法,以随机前沿分析模型(SFA)为代表的参数方法充分考虑环境变化对生产行为造成的影响,估计稳健性更强、结论更可靠,更符合能源生产消费的本质特征[10].目前随机前沿模型已广泛应用于经济管理领域,而运用其对能源生态效率及其影响因素进行研究相对匮乏.相关研究基于投影寻踪(PP)的SFA模型,结合速度激励思想研究了中国省际能源生态效率及三大区域的效率差异[11].但其测算的是单一产出的能源生态效率,能源生产活动的产出不止包含期望产出,还应包括生态环境影响等非期望产出.单一产出评价指标无法全面反映能源消耗对经济、社会以及生态环境的影响,评价结果缺乏客观性.因此,本文将进一步扩展随机前沿模型,在能源生态效率的生产框架内同时纳入期望与非期望产出,以弥补其单一产出设定的不足.

现有关于能源生态效率区域差异性研究多聚焦于传统“三大经济带”[1,4-6]或是“四大经济区域”[12-13]的划分视角.由于中国各地区在经济基础、能源禀赋、产业结构以及生态环境状况等方面各有不同,各地区能源生态效率水平也存在较大差距.传统的区域划分方法显得较为粗略,不便于深入分析区域差距和制定区域政策.而国务院发展研究中心根据不同地区社会经济发展状况提出的八大综合经济区划分构想,更符合当今经济社会发展的实际需求,可操作性更强.此外,目前能源生态效率期望产出的表征指标多囿于传统新古典经济学框架,侧重于运用地区生产总值(GDP)作为期望产出的替代变量[1-3,6-9].可持续发展经济学专家Max-Neef提出的“福利门槛”假说认为经济增长和福利增加二者呈现倒“U”型曲线关系,即经济增长只能在一定范围内改进生活质量和福利水平,超过这个范围,将会导致生活质量和福利水平退化[14].因此仅用GDP无法全面反映能源开发利用带来的社会福祉,指标选取未能兼顾经济与社会子系统的协调发展.而联合国开发计划署提出的人类发展指数由于其现实操作性强、涵盖范围广而常被作为经济社会福利的替代指标[15].

本文首先将社会福利指标纳入能源生态效率测度框架,构建反映能源-经济-社会-生态环境的评价指标体系,其次运用基于Shephard能源距离函数的“一步法”随机前沿模型测度2003～2017年中国30个省份、直辖市、自治区(不包括西藏、香港、澳门和台湾)能源生态效率,最后从八大综合经济区研究视角出发分析其演变趋势,并探讨各驱动因素的作用效果,旨在为促进能源生态文明建设、推动中国经济高质量发展提供参考.

1 研究方法

1.1 Shephard能源距离函数

Zhou等[16]于2012年提出Shephard能源距离函数,该方法由投入距离函数衍生而来,通过缩减投入来衡量生产者所在生产点与生产可能性边界的距离,将劳动和资本的无效率分离出来,仅反映能源要素的投入效率,故能准确获知实际生产利用过程中的能源利用效率和可节能空间.因此本文引入Shephard能源距离函数定义能源生态效率,构建过程具体如下:

式中:为有界闭集,且满足投入要素和期望产出的强可处置性,即投入要素和期望产出是可支配的;非期望产出的弱可处置性,即非期望产出的处理是有成本的;零结合性生产,即只有期望产出为0时,非期望产出才可能为0[17].

1.2 基于Shephard能源距离函数的随机前沿模型

SFA是研究生产效率的有效工具[18].同DEA方法相比,SFA采用复合形式的误差结构并运用计量方法估计生产函数,既考虑了测量误差和其他统计噪声对测量结果产生的影响,又可以对模型参数和模型本身进行统计检验,研究结果具有稳健性,且其测度的是“绝对”效率值,研究结果更具可比性[19].有学者提出了针对面板数据的“一步法”随机前沿模型[20].“一步法”的思路是对前沿生产函数的解释变量与技术无效率项的解释变量同时构建回归方程进行极大似然估计,该方法充分考虑随机因素和外部环境因素对个体差异的影响,且放宽了前沿生产函数解释变量必须独立于技术无效率项解释变量的假设,规避了变量间内生性问题[21].此外,由于超越对数生产函数能够更好地展现不同要素之间、各要素与时间之间交互项对产出的影响,是一种灵活性和包容性很强的变弹性生产函数模型[22].因此本文采取基于超越对数函数形式的“一步法”估计Shephard能源距离函数,并参照Sun等[23]研究进行适当的数学变形和推导,可得式(4):

式中:ED、IS、ECS、UB、ES分别表示第个地区第年经济发展水平、产业结构、能源消费结构、城镇化水平、环境规制;表示随机误差项;表示待估参数,反映影响因素对能源生态效率的影响程度.若影响因素估计系数为正值,表示外部影响因素对能源生态效率具有负向影响;反之则具有正向影响.实际应用中,可根据来检验复合方差中技术无效率项所占比例[24].其取值范围为[0,1],越接近1,说明误差项中来自技术无效率项所占的比例越大,表明此时运用随机前沿分析法是合理的.反之,使用普通最小二乘法分析即可.

1.3 指标选取及数据来源

1.3.1 能源生态效率评价指标 以新古典经济学理论为蓝本,综合现有研究成果,构建能源生态效率评价指标体系(表1).

投入指标选取.以能源()、劳动力()、资本()作为生产阶段的投入指标,分别选取能源消费总量、年末单位从业人员总数以及资本存量作为其表征指标.其中,资本存量采用永续盘存法[25]计算,折旧率与基期资本存量借鉴单豪杰[26]研究成果.

产出指标选取.期望产出()选取人类发展指数作为其衡量指标,参照联合国开发计划署[27]定义框架,从经济发展水平、教育发展水平和健康医疗水平3个维度对各地区经济、社会效益进行量化评估,有效弥补以传统GDP作为唯一衡量指标的缺陷,指标选取更具权威性.具体指标选取见表1;非期望产出()选取工业固体排放总量、废水排放总量、烟(粉)尘、二氧化硫以及二氧化碳排放量作为其衡量指标,并运用熵权法[3]综合成生态环境污染指标.其中二氧化碳排放量计算依据王勇等[28]研究方法.

1.3.2 驱动因素指标 运用“物理-事理-人理”系统方法构建能源生态效率驱动因素指标体系[29].具体而言,“物理”包含经济、技术因素;“事理”包含能源、产业因素;“人理”包含人力、管制因素.本文选取人均实际GDP反映地区经济发展水平,作为衡量经济、技术因素的变量;选取煤炭消费量占能源消费总量比重、第三产业占总产值比重反映能源消费结构水平和产业结构水平,作为衡量能源、产业因素的变量;选取城市人口占全国总人口比重、工业污染治理的投资额占GDP比重反映城镇化水平和环境规制水平,作为衡量人力、管制因素的变量,进而分析各变量对能源生态效率的作用效果.

表1 能源生态效率评价指标体系

1.3.3 数据来源 考虑指标数据的权威性和可获得性,以2003～2017年中国30个省份、直辖市、自治区(不包括西藏、香港、澳门、台湾)的面板数据为研究样本.原始指标数据均来自2004～2018年《中国统计年鉴》[30]、《中国环境统计年鉴》[31]、《中国能源统计年鉴》[32]以及各省份、直辖市、自治区统计年鉴.为消除价格因素对指标的影响,以2003年为基期采用固定资产价格指数、GDP平减指数对固定资本形成总额和国内生产总值进行平减处理.

2 实证分析

2.1 模型适用性检验

2.1.1 多重共线性检验 首先对技术无效率函数中的变量执行多重共线性检验.如表2所示,各变量方差膨胀因子(VIF)值均小于10,模型不存在多重共线性,可平行反映出各驱动因素对能源生态效率的作用效果,变量体系构建较为完整.

表2 多重共线性诊断

表3 随机前沿模型设定检验结果

注:结果根据Frontier4.1回归结果整理得出.

检验一为验证技术无效率项的存在性.零假设在1%显著性水平下被拒绝,说明技术无效率项存在,即技术无效率方程中驱动因素参数的设定合理,可以采用随机前沿模型进行估计.检验二为验证技术进步效应是否存在.零假设在1%显著性水平下被拒绝,说明能源生态效率是随时间变化的,存在技术进步.检验三为进一步验证技术变化是否为希克斯中性.零假设在1%显著性水平下被拒绝,说明这种技术进步是非希克斯中性.检验四为验证柯布-道格拉斯生产函数形式的适用性.SFA估计需要确定合适的生产函数形式,主要有柯布-道格拉斯生产函数和超越对数生产函数两种.采用柯布-道格拉斯生产函数形式的原假设在1%显著性水平下被拒绝,说明超越对数生产函数形式设定合理.

2.2 随机前沿模型估计结果分析

2.2.1 前沿生产函数分析 由表4可知,资本投入和劳动力投入要素的弹性系数值分别为-0.7989和-0.0064,资本投入弹性系数大于劳动力弹性系数,说明资本对能源消费的提升拉动作用较大,我国企业发展轨迹正由劳动密集型向资本密集型转变.期望产出的一次项弹性系数显著为正,表明随着居民生活水平和生活质量逐渐改善,人们开始追求更加绿色、环保、高效的生活方式.非期望产出与能源消费呈显著正相关,表明能源消耗带来的非期望产出造成较为严重的生态环境污染.政府应积极采取节能减排措施来降低能源使用过程中污染物排放,提高能源利用效率.时间变量的一次项系数显著为正,而二次项系数显著为负,说明经济发展初期能源消费呈现下降趋势.但长期来看,我国的能源消费状况是逐年增加的.

表4 超越对数生产函数的随机前沿模型估计结果

注:*、**、***分别表示在10%、5%和1%的水平上显著.

2.2.2 技术无效率函数分析 经济发展水平(ED)影响.经济发展水平与能源生态效率呈显著负相关.随着经济发展,能源生态效率呈现微弱的下降趋势.这表明我国以能源消耗驱动经济增长的发展方式尚未根本改变,经济增长仍然建立在高能耗、高污染的传统发展方式之上.因此,政府应大力发展低碳经济,推动形成绿色发展方式,实现经济发展方式由规模速度粗放型增长向质量高效率集约型转变.

产业结构(IS)影响.产业结构估计系数显著为负,第三产业所占比重每增加1%,能源生态效率提高93.39%.从产业结构发展的演变规律来看,我国经济发展重心逐渐由低级形式向高级形式过渡,环境保护型、经济效益好的第三产业得到进一步的发展.产业结构的合理化和高级化降低能源消耗和环境压力,对提升能源生态效率起到积极的促进作用.因此在经济发展过程中,政府应积极引导产业结构调整与优化,优化产业空间布局.

能源消费结构(ECS)影响.能源消费结构同能源生态效率呈显著负相关.煤炭消费所占比重增加1%,能源生态效率降低7.47%.煤炭作为我国主要能源产品,在能源消费总量中占有较大比重,且利用过程中伴随着大量污染排放,破坏生态环境,降低了人民福利水平,进而导致能源生态效率降低.因此企业在注重节能减排的同时应优化能源消费结构,提高传统化石能源利用效率,推动能源低碳化发展.同时引进先进技术和发展模式,着重开发新能源和利用可再生资源,实现能源消费方式的根本性转变.

城镇化水平(UB)影响.城镇化水平与能源生态效率呈显著正相关关系.随着我国人口规模不断扩大以及城市化进程加快,生产生活资料伴随着人口向城镇转移逐步形成产业集聚效应,不断提高产业的生产效率和科技创新能力,推动了节能技术的发展,进一步提高能源生态效率.

环境规制(ES)影响.环境规制估计系数显著为负,说明能源生态效率与环境规制呈正相关关系.这与李根等[8]研究结论相反.工业污染治理的投资额比重提高1%,能源生态效率提高3.87%.究其原因,环境规制可以刺激企业加快技术创新,减少低效设备的使用,更加注重使用节能、绿色能源.技术水平改善带来的创新补偿将高于遵循成本,从而提升了地区能源生态效率.

2.3 能源生态效率演变趋势分析

2003～2017年中国各地区能源生态效率值如表5所示(限于文章篇幅,文章仅列出偶数年份能源生态效率值).为进一步研究能源生态效率变化趋势和地区分布特点,依据国务院发展研究中心发布的“区域协调发展的战略和政策”[33],将中国划分为东北(辽宁、吉林、黑龙江)、北部沿海(北京、天津、河北、山东)、东部沿海(上海、江苏、浙江)、南部沿海(福建、广东、海南)、黄河中游(陕西、山西、河南、内蒙古)、长江中游(湖北、湖南、江西、安徽)、西南(云南、贵州、四川、重庆、广西)以及西北(甘肃、青海、宁夏、西藏、新疆)八大综合经济区.并基于测度结果绘制全国及八大综合经济区能源生态效率变化趋势图(图1).

从全国来看,中国能源生态效率大致呈“N”型的阶梯式失衡分布特征.如图1所示,2003～2009年间,中国能源生态效率大致呈逐年上升趋势.这主要得益于“十一五”期间,政府开始旨在调整能源结构与节能减排的政策调控,《可再生能源法》[34]、《中国应对气候变化国家方案》[35]等政策措施的相继出台,在节能减排的同时加快了产业结构的调整与升级,能源生态效率进入稳步攀升期.然而受2008年国际金融危机后续影响,我国工业发展中的重工业化模式凸显,第二产业所占比重开始回升[36],在造成能源消费大幅度增长的同时使得能源的利用效率降低,从而导致2009年以后能源生态效率出现恶化.2012年党的十八大报告提出“大力推进生态文明建设”,各地区积极引进先进生产技术提高能源利用效率,生态环境质量得以改善,人民生活福利水平提升,能源生态效率彻底扭转了前期持续下滑态势,步入快速增长阶段.但总体来看,样本期间内我国能源生态效率均值多数年份低于0.6,未达到1,故整体处于较低水平,距离达到生产前沿仍有较大提升空间.因此经济发展需求、社会福利提升和区域资源环境承载能力有限之间的矛盾依然存在且亟待改善.

从区域来看,八大综合经济区能源生态效率总体变动趋势与全国基本一致,且呈现由沿海向内陆地区逐渐递减的发展态势.如图1所示,南部、东部和北部沿海经济区处于高效率水平地区.但东部沿海经济区能源生态效率水平整体呈现下滑发展态势,说明其在能源消耗与经济社会发展、生态环境保护方面仍有欠缺,政府应对此加以重视;西南、东北以及长江、黄河中游等经济区处于中效率水平地区且波动幅度较为剧烈.其主要原因在于,该地区资源与能源依赖型省份较多,长期侧重于重工业发展,生态环境较为脆弱,人民生活福利水平相对较低,加之生产技术水平相对落后导致能源的利用效率较低,严重影响该地区能源生态效率的良性发展态势;反观西北经济区发展相对滞后,且随着“西部大开发”战略和“一带一路”倡议的深入实施,经济快速增长的同时也伴随着过度的能源消耗和环境污染问题,导致西北地区环境效益和社会效益下降,能源生态效率开始走低.2013年以后,西北地区能源生态效率迅速攀升,赶超东部、东北以及长江、黄河中游等地区.这主要是由于近几年来,青海省能源生态效率急剧攀升.究其原因,2014年国家六部委批准《青海省生态文明先行示范区制度实施方案》[37],将先行示范区上升为国家战略.青海省依托其高原特有的自然生态资源和天然气、太阳能、水能等清洁能源资源,积极培育绿色产业,促进了能源生态效率的提升.

图1 2003～2017年全国及八大综合经济区能源生态效率演变趋势

从不同省份来看,中国能源生态效率两极分化倾向显著.如表5所示,北京、海南、广西、江西和陕西等地区能源生态效率水平位居前列.而湖南、山东、湖北、河北、甘肃和宁夏等地区能源生态效率位列末位,这些地区教育、医疗水平相对落后,产业结构相对不合理、粗放型经济增长方式造成能源极大损耗并由此引发了一系列环境污染问题.此外,综合对比区位条件不难发现,同一地区不同省份间能源生态效率水平存在一定程度的个体异质性,且存在显著的空间非均衡分布特征.如河北省和山东省位于北部沿海经济发达地区,处于高能源生态效率地区的塌陷地带.究其原因是其长期以来高耗能的重化工型产业结构造成了严重的资源浪费和环境污染.湖北省和湖南省能源生态效率也明显低于长江中游经济区其他省份.随着“十二五”以来能源改革力度的不断加大,湖北省和湖南省在优化能源结构、节能减排等方面取得显著成效,但受自然资源禀赋和产业结构的约束,能源生态效率连年持续低迷.值得一提的是,陕西省和广西省能源生态效率明显高于西南和黄河中游经济区其他省份,处于能源生态效率低下的隆起地带,这要归功于其大力推进生态文明建设,积极推动节能环保产业发展.

表5 2003～2017年中国各地区能源生态效率值及其排名

续表5

2.4 政策建议

鉴于能源生态效率整体发展水平较低,国家应实行能源消耗总量与强度的双头管控,以差异化、精细化的管控为导向、以生态优先和绿色发展为引领,加强能源法与环境保护法的协调衔接,进一步优化能源高质量发展政策机制,进而为居民提供经济物质水平高、生活质量优质、生态宜居的生存环境.

为消除八大综合经济区能源生态效率显著性差异,各地区应消除市场分割和地方保护主义,建立区域合作与互助机制.南部、东部和北部沿海等效率前沿地区,应积极推动能源“消费者”向“产销者”转变,筑牢能源生态安全的产业和技术支撑,并进一步优化升级社会服务.同时充分发挥高效率地区示范效应和辐射带动作用,科学有序的引导高新技术产业向黄河中游、西北地区转移,切实做到对低效率地区的对口支援;东北经济区应促进以工业为主导的产业结构向第三产业为主导的产业结构转化,避免能源消费快速增长[38];西南、黄河及长江中游等经济区应将淘汰落后产能与培育特色战略新兴产业齐头并进,以政策鼓励支持技术创新;西北经济区应整合优质科技资源,以发展生态产业、提高生态环境质量为突破口,推动低排放、高循环的产业集群化发展,同时加强居住环境和综合服务设施建设.

综合考虑能源生态效率驱动因素的作用机制,我国应以经济实力带动技术创新,加快培育和壮大以绿色科技为基础的战略新兴产业;注重生活领域减排,推进民用散煤清洁化治理,加快推进煤改电、煤改气、气改电等工程;加强城市化进程质量管控与绿色新型城市建设,调整城市人口规模;构建绿色投融资机制与财政体系,推动绿色能源产品与生态服务资产化.

2.5 讨论

本文在福利指标选取过程中,由于现阶段统计资料获取的局限性,指标选取具有一定局限性.本文参考联合国开发计划署发布的人类发展指数,选取经济发展水平、教育水平以及健康医疗卫生水平作为衡量能源活动经济社会效益的表征性指标.指标选取受数据可获得性限制未考虑周全,但总体适合能源生态效率的评价原则.能源消耗带来的福利已经渗透到经济发展和社会生活的方方面面,不同种类的福利指标具有不同的优缺点.未来在相关数据可获取的基础上可以充分考虑到能源利用对人民福利水平所带来的综合影响,并结合我国发展现状选取更具有代表性的指标.

3 结论

3.1 2003～2017年间能源生态效率总体呈“先上升后下降再上升”的变化趋势.样本期内全国能源生态效率均值为0.5839,整体水平偏低,仍具有很大的提升空间.

3.2 八大综合经济区能源生态效率呈显著的阶梯式失衡分布特征,且呈由沿海向内陆地区逐渐递减的发展态势.其中,南部、东部和北部等沿海经济区能源生态效率均值分别为0.6941、0.6213、0.6087,位居前列;西南、黄河中游、长江中游以及东北等经济区次之,能源生态效率均值分别为0.5803、0.5720、0.5623、0.5537;西北经济区能源生态效率均值为0.5087,位列末位.此外,中国能源生态效率存在显著的空间非均衡分布特征,不同地区或同一地区不同省份之间能源生态效率水平参差不齐.

3.3 经济发展水平与能源消费结构的估计系数分别为0.0459、0.0747,说明人均GDP、煤炭消费比重的提高对能源生态效率改善具有抑制作用;产业结构、城镇化水平及环境规制的估计系数分别为-0.9339、-0.6197、-0.0387,说明第三产业占比、城镇人口比重及工业污染治理投资额比重的提高对能源生态效率改善具有促进作用.

[1] 周 敏,王 腾,严 良,等.财政分权、经济竞争对中国能源生态效率影响异质性研究[J]. 资源科学, 2019,41(3):532-545. Zhou M, Wang T, Yan L, et al. Heterogeneity in the influence of fiscal decentralization and economic competition on China's energy ecological efficiency [J]. Resources Science, 2019,41(3):532-545.

[2] 王晓岭,武春友.“绿色化”视角下能源生态效率的国际比较——基于“二十国集团”面板数据的实证检验[J]. 技术经济, 2015,34(7): 70-77. Wang X L, Wu C Y. International comparison on energy eco- efficiency under perspective of greenization: Empirical study based on panel data of G20 [J]. Journal of Technology Economics, 2015,34(7): 70-77.

[3] 关 伟,许淑婷.中国能源生态效率的空间格局与空间效应[J]. 地理学报, 2015,70(6):980-992. Guan W, Xu S T. Study of spatial patterns and spatial effects of energy eco-efficiency in China [J]. Journal of Geographical Sciences, 2015,70(6): 980-992.

[4] Zhang N, Choi Y R. Environmental energy efficiency of China's regional economies: A non-oriented slacks-based measure analysis [J]. The Social Science Journal, 2013,50(2):225-234.

[5] 王 腾,严 良,易 明.中国能源生态效率评价研究[J]. 宏观经济研究, 2017,(7):149-157. Wang T, Yan L, Yi M. Research on China's energy eco-efficiency evaluation [J]. Macroeconomics, 2017,(7):149-157.

[6] 闫明喆,李宏舟,田飞虎.中国的节能政策有效吗?——基于SFA-Bayes分析框架的生态全要素能源效率测定[J]. 经济与管理研究, 2018,39(3):89-101. Yan M Z, Li H Z, Tian F H. Are the energy conserving policies effective? ——Estimating ecological total factor energy efficiency based on SFA-Bayes framework [J]. Research on Economics and Management, 2018,39(3):89-101.

[7] 马晓君,魏晓雪,刘 超,等.东北三省全要素能源效率测算及影响因素分析[J]. 中国环境科学, 2017,37(2):777-785.Ma X J, Wei X X, Liu C, et al. The analysis of total factor energy efficiency calculation and influence factors of the three northeast provinces [J]. Chinese Environmental Science, 2017,37(2):777-785.

[8] 李 根,刘家国,李天琦.考虑非期望产出的制造业能源生态效率地区差异研究——基于SBM和Tobit模型的两阶段分析[J]. 中国管理科学, 2019,27(11):76-87. Li G, Liu J G, Li T Q. Regional differences of energy eco-efficiency in manufacturing industry under consideration of undesirable outputs based on the SBM-Tobit Two-stage model [J]. Chinese Journal of Management Science, 2019,27(11):76-87.

[9] Li J, Lin B Q. Ecological total-factor energy efficiency of China’s heavy and light industries: Which performs better? [J]. Renewable and Sustainable Energy Reviews, 2017,72:83-94.

[10] 傅晓霞,吴利学.前沿分析方法在中国经济增长核算中的适用性[J]. 世界经济, 2007,(7):56-66. Fu X X, Wu L X. The applicability of frontier analysis method in China's economic growth accounting [J]. The Journal of World Economy, 2007,(7):56-66.

[11] 孟凡生,邹 韵.基于PP-SFA的能源生态效率动态评价——以我国30个省市自治区为例[J]. 系统工程, 2018,36(5):47-56. Meng F S, Zou Y. Dynamic evaluation of energy eco-efficiency based on PP-SFA——Take the 30 autonomous regions of China as an example [J]. Systems Engineering, 2018,36(5):47-56.

[12] 孟凡生,邹 韵.中国生态能源效率时空格局演化及影响因素分析[J]. 运筹与管理, 2019,28(7):100-107. Meng F S, Zou Y. Analysis of spatial-temporal pattern evolution of ecological energy efficiency in China and its influencing factors [J]. Operations Research and Management Science, 2019,28(7):100-107.

[13] 杨刚强,李梦琴.财政分权、政治晋升与能源生态效率提升——基于中国257个城市的实证[J]. 宏观经济研究, 2018,(8):41-51. Yang G Q, Li M Q. Fiscal decentralization, political promotion and energy eco-efficiency improvement: based on empirical research in 257 cities in China [J]. Macroeconomics, 2018,(8):41-51.

[14] MAX-NEEFM. Economic growth and quality of life: a threshold hypothesis [J]. Ecological Economics, 1995,15(2):115-118.

[15] 方时姣,肖 权.中国区域生态福利绩效水平及其空间效应研究[J]. 中国人口·资源与环境, 2019,29(3):1-10. Fang S J, Xiao Q. Research on regional ecological well-being performance and spatial effect in China [J]. China Population, Resources and Environment, 2019,29(3):1-10.

[16] Zhou P, Ang B W, Zhou D Q. Measuring economy-wide energy efficiency performance: a parametric frontier approach [J]. Applied Energy, 2012,90(1):196–200.

[17] 檀勤良,张兴平,魏咏梅,等.考虑技术效率的碳排放驱动因素研究[J]. 中国软科学, 2013,(7):154-163. Tan Q L, Zhang X P, Wei Y M, et al. The driving forces of carbon emissions in consideration of technical efficiency [J]. China Soft Science, 2013,(7):154-163.

[18] Aigner D, Lovell C, Schmidt P. Formulation and estimation of stochastic frontier production function models [J]. Journal of Econometrics, 1977,6(1):21-37.

[19] 张德钢,陆远权.市场分割对能源效率的影响研究[J]. 中国人口·资源与环境, 2017,27(1):65-72. Zhang D G, Lu Y Q. Impact of market segmentation on energy efficiency [J]. China Population, Resources and Environment, 2017, 27(1):65-72.

[20] Battese, G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data [J]. Empirical Economics, 1995,(20):325-332.

[21] Wang H J, Schmidt P. One-step and Two-step estimation of the effects of exogenous variables on technical efficiency [J]. Journal of Productivity Analysis, 2002,18:129-144.

[22] 郑照宁,刘德顺.考虑资本-能源-劳动投入的中国超越对数生产函数[J]. 系统工程理论与实践, 2004,(5):51-54. Zheng Z N, Liu D S. China's Trans-log production function using capital, energy and labor as input [J]. Systems Engineering-Theory & Practice, 2004,(5):51-54.

[23] Sun H P, Edziah B K, Sun C W, et al. Institutional quality, green innovation and energy efficiency [J]. Energy Policy, 2019,135,111002.

[24] Battese G E, Corra G S. Estimation of a production frontier model: with application to the pastoral zone of eastern Australia [J]. Australian journal of agricultural economics, 1977,210(3):169-179.

[25] Goldsmith R W. A perpetual inventory of national wealth [M]. National Bureau of Economic Research, 1951.

[26] 单豪杰.中国资本存量K的再估算:1952～2006年[J]. 数量经济技术经济研究, 2008,25(10):17-31. Shan H J. Reestimating the capital stock of China: 1952～2006 [J]. The Journal of Quantitative & Technical Economics, 2008,25(10):17-31.

[27] UNDP. Human Development Report 1990 [M]. New York and Oxford: Oxford University Press, 1990.

[28] 王 勇,毕 莹,王恩东.中国工业碳排放达峰的情景预测与减排潜力评估[J]. 中国人口·资源与环境, 2017,27(10):131-140. Wang Y, Bi Y, Wang E D. Scene prediction of carbon emission peak and emission reduction potential estimation in Chinese industry [J]. China population, resources and environment, 2017,27(10):131-140.

[29] 顾基发,高 飞.从管理科学角度谈物理-事理-人理系统方法论[J]. 系统工程理论与实践, 1998,(8):3-5. Gu J F, Gao F. To see Wuli -Shili -Renli systems approach from the view of management science [J]. Systems Engineering-Theory & Practice, 1998,(8):3-5.

[30] 国家统计局.中国统计年鉴[M]. 北京:中国统计出版社, 2004-2018. National Bureau of Statistics of China. China statistical yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[31] 国家统计局能源司.中国环境统计年鉴[M]. 北京:中国统计出版社, 2004-2018. Department of Energy, National Bureau of Statistics. China environmental statistics yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[32] 国家统计局能源司.中国能源统计年鉴 [M]. 北京:中国统计出版社, 2004-2018. Department of Energy, National Bureau of Statistics. China energy statistics yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[33] 王梦奎.中国中长期发展的重要问题(2006-2020) [M]. 北京:中国发展出版社, 2005. Wang M K .Important issues for China's mid- and long-term development (2006-2020) [M]. Beijing:China Development Press, 2005.

[34] 中华人民共和国中央人民政府.中华人民共和国可再生能源法[EB/OL]. http://www.gov.cn/ziliao/flfg/2005-06/21/content_8275.htm /2005-06-21. The Central People's Government of the People's Republic of China. Renewable Energy Law of the People's Republic of China [EB/OL]. http://www.gov.cn/ziliao/flfg/2005-06/21/content_8275.htm/2005-06-21.

[35] 国务院.国务院关于印发中国应对气候变化国家方案的通知[EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/content_5743.htm/ 2008-03-28. General Office of the State Council. Notice of the State Council on Printing and Distributing China's National Climate Change Plan [EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/content_5743.htm/ 2008-03-28.

[36] 张同斌,宫 婷.中国工业化阶段变迁、技术进步与能源效率提升——基于时变参数状态空间模型的实证分析[J]. 资源科学, 2013,35(9):1772-1781. Zhang T B, Gong T. The transition of industrialization stage, technological progress and energy efficiency upgrading based on the time-varying state space model [J]. Resources Science, 2013,35(9): 1772-1781.

[37] 青海省人民政府办公厅.青海省人民政府办公厅转发省发展改革委关于青海省生态文明先行示范区建设2018年度工作要点的通知[N]. 青海政报, 2018,(11):13-23. General Office of the People's Government of Qinghai Province .The General Office of the People's Government of Qinghai Province forwarded the notice of the Provincial Development and Reform Commission on the main points of work in the construction of the first demonstration zone for ecological civilization in Qinghai Province in 2018 [N]. Gazette of the People's Government of Qinghai Province, 2018,(11):13-23.

[38] 马晓君,董碧滢,于渊博,等.东北三省能源消费碳排放测度及影响因素[J]. 中国环境科学, 2018,38(8):3170-3179. Ma X J, Dong B Y, Yu Y B, et al. Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors [J]. Chinese Environmental Science, 2018,38(8): 3170-3179.

Energy eco-efficiency measurement and driving factors of China's eight comprehensive economic zones.

CHEN Jing-quan1*, LIU Na2,MA Xiao-jun2

(1.Economic and Social Development Institute, Dongbei University of Finance and Economics, Dalian 116025, China；2.Department of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2021,41(5)：2471～2480

To promote green and sustainable development of energy, economy, society and ecological environment, the expected outputs of economy and social welfare and the undesired output of ecological environment pollution were included in the energy eco-efficiency measurement framework, and the stochastic frontier model based on Shephard energy distance function was used to study the energy eco-efficiency of China's eight comprehensive economic zones. This realized the analysis of the evolution trend of China's energy eco-efficiency from the perspective of regional research, and explored the mechanism of its driving factors. The results showed that the national average energy eco-efficiency was 0.5839 during the sample period. The overall level was low, and it showed significant spatial imbalanced distribution characteristics. The energy eco-efficiency level of the eight comprehensive economic zones was gradually decreasing from the coast to the inland. The average value of energy eco-efficiency in the southern, eastern, and northern coastal economic zones were 0.6941, 0.6213 and 0.6087 respectively, which ranked the top. Southwest, the middle reaches of the Yellow River, the middle reaches of the Yangtze River and the northeast economic zones followed. The average value of energy eco-efficiency were 0.5803, 0.5720, 0.5623 and 0.5537 respectively. The average value of energy eco-efficiency in the northwest economic zone was 0.5087, which ranked the last. The estimated coefficients of economic development level and energy consumption structure were 0.0459 and 0.0747 respectively, which inhibited the improvement of energy eco-efficiency. The estimated coefficients of industrial structure, urbanization level and environmental regulation were -0.9339, -0.6197 and -0.0387 respectively, which promoted the improvement of energy eco-efficiency.

energy eco-efficiency；Shephard energy distance function；stochastic frontier analysis；eight comprehensive economic zones；driving factors

X196

A

1000-6923(2021)05-2471-10

陈菁泉(1979-),男,辽宁辽阳人,副研究员,博士,研究方向为世界经济、中国城市热点问题等.发表论文20余篇.

2020-11-03

国家社会科学基金资助重点项目(18AGJ003);国家社会科学基金资助一般项目(19BTJ054);国家自然科学基金资助青年项目(11701071)

* 责任作者, 副研究员, 9488297@qq.com