赵成柏，毛春梅

(1.河海大学商学院，江苏 南京 210098;2.河海大学公共管理学院，江苏 南京 210098; 3.淮阴工学院经济管理学院，江苏 淮安 223001)

我国地区节能减排效率的差异及影响因素研究

赵成柏1，3，毛春梅2

(1.河海大学商学院，江苏 南京 210098;2.河海大学公共管理学院，江苏 南京 210098; 3.淮阴工学院经济管理学院，江苏 淮安 223001)

能源和环境问题已得到国际社会的共同关注。节能减排已成为我国的基本国策，更是落实科学发展观和构建和谐社会的重要举措。本文在构建节能减排效率评价指标体系的基础上，应用BP人工神经网络方法，对我国30个省市节能减排效率进行综合评估，进而从不同层面分析节能减排效率的区域差异，结果显示:区域梯度分布格局明显，从东向西递减;呈正偏态分布，第三、第四级别的区域比例略大;区域内部差异明显。同时，本文还实证考察了经济发展水平、能源结构、技术进步和制度等因素对节能减排效率的影响效果，并据此给出了一些政策性建议。

节能减排效率;BP神经网络;区域差异

1 引言

尽管近几年节能减排成为研究热点，但对节能减排效率研究迄今为止仅停留在对能源效率和生态效率评价，对节能减排效率的研究还很缺乏［1－8］。

鉴于已有对我国节能减排效率的研究相对薄弱，为了比较客观地对我国地区节能减排效率进行评价，本文拟通过构建节能减排效率指标体系，应用BP神经网络模型，全面评价我国各个地区节能减排效率，分析地区节能减排效率分布特征，揭示影响节能减排效率因素，为地区节能减排目标出谋划策。

2 我国地区节能减排效率评价指标体系的构建

大量研究表明，节能减排与经济发展并不对立，节能减排能促进经济可持续发展，同时经济发展水平高了，有大量人力、物力、财力推进节能减排工作，这样才能提高经济发展质量，实现经济可持续发展［9］。

评价节能减排效率既要考虑能源“节约”，又要考虑污染物“减排”的程度。同时又要顾及到经济发展速度。基于以上的思想，构建节能减排效率指标体系主要有三方面，分别是节能效率、减排效率和经济发展质量。本文将设为一级指标。从能耗强度、单位工业增加值能耗、能耗强度和单位工业增加值能耗降低率等四个指标评价节能效率，从SO2排放量、化学需氧量排放量、SO2排放强度、化学需氧量排放强度、SO2排放降低率和化学需氧量降低率等六个指标衡量减排效率，从人均国内生产总值、经济发展速度和第三产业增加值占国内生产总值比重反映经济发展水平和质量。基于此，本文构建了由3个一级指标，13个二级指标构成的节能减排效率评价指标体系(见表1)。

3 我国地区节能减排效率评价的BP神经网络模型

我国各地区节能减排效率评价模型结构如图1所示。节能减排效率评价模型结构图由三层神经元构成分别是输入层、隐含层和输出层。

(1)输入节点的确定及输入数据的处理。

节能减排效率评价模型的网络输入应为评价指标中各二级指标数要素，其个数应为二级指标数之和，即13个。因此神经网络模型的输入节点为13个。由于节能减排效率评价的各个指标存在量纲不一致性，为了增加各个指标的可比性，确保结果的准确性，在计算之前需要对原始数据进行归一化处理。

表1 节能减排效率评价指标体系

图1 BP神经网络结构图

(2)输出节点的确定。

对各地区节能减排效率的评价是通过网络模型将多指标输入转化为单指标输出，然后根据综合评价集和输出结果，对地区节能减排效率作出综合评价。因此，将输出层神经元设置为个。评价集设为好、较好、一般、较差、差五个等级。

(3)隐层节点的确定。

4 我国地区节能减排效率实证分析

4.1 样本的选取及数据的处理

为了使样本更具有代表性，本文在2005—2009年期间全国省、市、自治区中选取北京、辽宁、上海、湖北、广东、四川和陕西作为研究样本。本文选取指标首先经过归一化处理;对于各地区节能减排效率的期望值U*，以模糊综合评价结果A表示，根据公式U*=A*(09，0.7，0.5，0.3，0.1)T，将模糊评价值的隶属度向量综合为一个量化值。样本指标数据以及期望值U*，如表2所示。

4.2 BP神经网络模型的样本训练

我国各地区节能减排效率指标体系中共有13个级指标，因此输入层神经元为13个;输出层神经元是我国各地区节能减排效率综合评价得值，因此，输出层神经元为1个;对于隐含层神经元的确定，根据经验公式可知隐含层的个数应该为10，通过设计一个隐含。因此，我国各地区节能减排效率评价的BP神经网络结构为13－10－1。

根据具体情况将BP网络参数设置如下:系统精度为10－6;最大训练次数为 10000，步长为0.001，输入层、隐含层、输出层数目分别为13、10、1，训练算法选择 BP算法激活函数选择S形函数。将所选的七个地区的数据作为训练数据导入BP神经网络模型进行训练，任务完成时系统总误差为0.00063，小于给定的拟合误差10－3，网络训练结束，训练结果如表3所示。

表2 地区节能减排效率评价样本指标数据及综合评价结果的量化值

表3 BP神经网络模型的训练样本和测试结果

由表3可知，网络训练结果与原始期望值非常接近，两者的排名一致，绝对误差最大为0.0010，最小仅有0.0001，相对误差最大为0.00154，最小仅有0.00075。这表明本文构建的BP神经网络模型能够通过样本学习对我国地区节能减排效率能够进行比较准确的评价。

4.3 神经网络仿真结果

将剩下的省、市、自治区作为测试样本导入训练好的BP网络，就能得出各地区的节能减排效率评价值。将我国30个省、市、自治区的节能减排效率评价结果汇总，得到表4。

表4 2005—2009年我国各地区节能减排效率BP神经网络评价结果

5 我国区域节能减排效率特征分析

5.1 区域梯度分布格局明显，总体上呈现从东向西呈递减趋势

通过对全国30个省市自治区节能减排效率高低的测度和分级，可知区域梯度分布格局明显。第一级别的北京、天津和上海三市均为沿海地区;第二级别的除陕西属于黄河中游地区外，其余江苏、浙江和福建三省均属于沿海地区，第三级别的有三省属于东北地区、四省属于长江中游地区、两省一市属于西南地区、一自治区属于黄河中游地区、一省属于属于沿海地区，第四级别主要以西南和西北为主，第四级别八省自治区中西南、大西北、黄河中游地区占七个，另外一个山东属于北部沿海地区，第五级别有两个省、自治区分别是海南和新疆。从区域来看，节能减排效率均值最高的是沿海地区，北部沿海地区均值达到0.7503，其次是东部沿海，均值达到0.7334，长江中游地区、东北地区和南部沿海地区效率均值相近，分别为0.6066、0.57243和0.5437，西北和西南地区均值相近，分别为0.48754、0.48375。我国节能减排效率总体上从东向西呈现递减趋势。

5.2 呈正偏态分布，第三、第四级别的区域比例略大

运用区域节能减排效率的频数分布来表征我国30个省市自治区节能减排效率特征。由图2和表5可知，区域节能减排效率的频数分布是偏正态分布，偏度值为0.435697，均值在峰值的左边，属于左偏态分布。说明我国节能减排效率较高的区域所占的比例较大，峰度为2.97038，频数分布较正态分布要陡峭，即数据分布的集中度要高于正态分布。我国节能减排效率均值为0.568817，在我国八大区域中有四大区域节能减排效率均值超过全国均值，这四大区域有十六个省市自治区，占全国省份近60%，导致全国节能减排效率分布呈偏正态分布，从表4可知，第三、第四级别的区域比例略大。

图2 我国地区节能减排效率频数分布图

5.3 区域内部差异明显

我国七大区域内部节能减排效率差异显著，这里我们用反映区域总体差异程度的综合指标(包括变异系数、加权变异系数、威廉森系数、最大与最小系数)来表征八大区域内部节能减排效率差异程度，其指标值越大说明城市性差异越大。

由表6可以看出，变异系数、加权变异系数和最大与最小系数大体呈一致趋势，大体上北部沿海地区、西南和西北四区域内部节能减排效率差异较大，东部沿海、长江中部地区节能减排效率差异较小、东北节能减排效率内部差异最小。这主要由于在同一区域内部由于经济发展水平、产业发展状况、经济开放程度和资源禀赋等因素存在差异而导致节能减排效率存在差异［10］。

表5 我国地区节能减排效率频数分布特征

表6 区域内部节能减排效率差异对比

6 节能减排效率的影响因素分析

6.1 模型建立

把节能减排效率作为被解释变量，通过回归模型来实证考察解释变量和被解释变量之间的关系。由于我们测算的效率值均处在0～1之间，即被解释变量数值是切割或截断时，普通最小二乘法不再适用于估计回归系数，这时需用最大拟然估计Tobit模型。本文根据国内外相关文献和理论，并基于数据的可得性，我们将影响节能减排效率的因素归纳为四个方面:一是经济发展水平;二是能源因素;三是技术因素;四是制度因素。我们的基本计量模型设定如下:

其中，Yi是i省的节能减排效率值，X1、X2、X3、X4分别表示经济发展水平因素的变量、能源因素变量、技术因素变量和制度因素变量，εi为随机扰动项，它服从独立同分布。

6.2 数据来源及变量说明

本文的研究对象为中国30个省、市、自治区(不包括西藏)，考察期为2005—2009年，数据来源主要为《中国统计年鉴》(2006—2010)。

变量的具体说明如下:

(1)节能减排效率。

选取节能减排效率值作为被解释变量，运用神经网络方法评价的结果，用JNJP表示。

(2)经济发展水平。

随着经济发展水平提高，经济规模不断变大，才会为实施节能减排提供足够物力、财力和技术。经济发展水平可以通过两方面指标来描述，一是经济规模，二是产业结构。可以预见，经济规模的扩大，即人均国内生产总值提高有助于节能减排效率的提高。这里我们用人均国内生产总值来衡量各省市的相对经济规模，用RJGDP表示。节能减排效率随着产业结构升级而提高。首先产业结构影响能源效率，例如Denison(1996)等认为，当能源要素从生产率增长较低的部门向生产率增长较高的部门转移时，就会促进整体经济的能源效率。而能源效率的提高也会减少环境污染排放。产业结构变量用各地区第三产业总产值所占本地区国内生产总值比重(GJ)表示。

(3)能源因素。

能源消费是环境污染主要来源，而不同类型的能源，排放污染又不同，所以能源消费结构对节能减排效率有重要的影响。本文用汽油消费量占能源消费量的比重表示能源结构，用NJ表示。

(4)技术因素。

节能减排主要依靠能源利用效率高、污染物排放少的新技术、新工艺，所以技术进步有助于节能减排效率提高。各地区主要通过引进外资来加快物化性技术进步，我们用各地区外商投资企业年底投资总额占全国的比重表征技术进步，用 JSJB表示。

(5)制度因素。

近年来中国的制度变迁主要表现在三个方面:市场化、经济开放程度和政府规制。各地区市场化程度不同会产生不同激励，从而导致节能减排效率的地区差异。市场化的改革，使得资源配置的主体和机制发生了转变，市场化程度越高，非国有经济越得到充分发展，产权制度越明晰，社会经济效率就越高。而国有经济比重越高，市场化程度越低，社会经济效率越低。市场化程度用各地区国有工业产值与本地区工业总产值之比(SCH)表示。经济开放度越高，节能减排效率越高。对外开放可以看成是中国逐渐参与世界经济的过程，对外开放促进国际分工和专业化，同时还促进先进技术、设备和管理经验的引进，从而社会经济效率提高。经济开放度用进出口总额占国内生产总值的比重(OPEN)表示。政府规制促进节能减排效率提高。市场发展过程中的非理性、盲目性以及片面追求最大经济效应都会导致环境污染问题的产生，政府应该履行的职责便是运用一定的经济、法律、行政手段规范市场行为，从而提高环境效率。政府规制用排污费收入(PWF)来表示。

结合Tobit模型以及前文对被解释变量和解释变量的探讨，本文将各地区的节能减排效率(JNJP)与其影响因素的关系模型如下:

式中左边JNJPi表示第i省市节能减排效率值，右边为第i省市节能减排效率影响因素。βi为待定系数，εi为随机误差项。

6.3 估计结果和分析

根据上文分析，采用Tobit方法对模型进行最大似然估计，借助Eviews6.0软件处理得到如下结果(见表7):

表7 Tobit模型回归结果

模型结果显示，经济规模、产业结构、能源结构、市场化水平、对外开放度、技术进步和政府规制对节能减排效率的影响系数均为正值，所有影响因素至少通过了10%水平的显著性检验。其中市场化水平提高对节能减排效率的正向作用最大，市场化程度提高1个百分点节能减排效率提高2.66个百分点，这说明市场化改革对节能减排效率至关重要。人均国内生产总值对节能减排效率的正向作用次之，人均国内生产总值每增加1%，使节能减排效率提高0.184个百分点，这表明经济增长对于节能减排效率的提高至关重要，经济增长有助于能源效率提高和环境质量的改善。而对外开放度对节能减排效率影响是不显著的。其他影响因素，比如产业结构、能源结构、技术进步和政府规制对节能减排效率均有不同程度的影响，产业结构对节能减排效率正向影响，这说明随着第三产业在整个国民经济中所占比重越大，节能减排效率越高，这也证实了产业结构优化和升级是实现资源节约型、环境友好型社会重要路径。能源结构对节能减排效率的影响是显著的，这由于消费不同的能源排放的污染强度是不同，从而对节能减排效率产生影响。而技术进步与节能减排效率的关系是正向的，说明技术进步是提高节能减排效率的重要影响因素。政府规制对节能减排效率的影响是显著正相关，尽管政府的干预会对能源效率造成损失，但环境污染的排放有一定的抑制作用，在短期内带来明显的政策效应。

7 结论和讨论

本文通过引入BP神经网络模型对我国各省市区节能减排效率进行了测定，从区域角度对测定的结果进行分析，然后在相关理论和文献分析基础上选取影响节能减排效率因素，分析影响节能减排效率作用机理，并运用Tobit回归模型对节能减排效率影响因素进行实证分析，主要结论包括以下几个方面:

(1)本文从节能效率、减排效率和经济发展水平和质量三个方面构建我国节能减排效率的综合评价指标体系，全面反映和衡量我国地区节能减排效率的高低，为我国制定节能减排政策，实现节能减排目标提供一定的参考依据。但由于数据的可得性，节能减排效率评价指标体系还需进一步完善，以便评价结果与实际情况更为相符。

(2)本文采用BP神经网络对我国地区节能减排效率进行评价，把全国省市区节能减排效率值分为五个等级，呈左偏态分布，其中第三、第四级别的区域比例偏大;其结果比较符合实际情况。本研究尝试采用神经网络建立节能减排效率评价模型，在一定程度上减少了人为因素的影响，并将各种因素进行综合考虑。该模型学习训练比较容易，并且能够提高结果的科学性和合理性。在今后的研究中，要在训练样本和初始化参数等方面进行改进，以便提高模型的精度和收敛速度。

(3)我国地区节能减排效率差异明显，总体上呈现东、中、西递减趋势。所以，在推进我国节能减排工作时，我们针对不同的地区要进行具有针对性的分析，采取因地制宜的政策和措施，不能一刀切，也不能简单照搬照抄别的地区和国家的经验。

(4)经济发展水平、能源结构以及市场化程度和政府规制是影响地区节能减排效率的主要因素，所以要提高地区节能减排效率一方面要提高经济发展质量，优化能源和产业结构，大力推广先进的生产技术和节能减排技术，坚决淘汰落后的生产技术、工艺与技术标准，转变经济增长方式;另一方面又要进一步对能源进行市场化改革，提高能源与其他要素之间的相对价格，同时还要强化环境规制，提高人们环保意识，促进经济又好又快发展。

［1］Claude Mandil.Tracking industrial energy efficiency and CO2emissions［M］.Paris:International Energy Agency，2007.45－68.

［2］魏楚，沈满洪.能源效率及其影响因素:基于DEA的实证分析［J］.管理世界，2007，(8):66－76.

［3］徐国泉，刘则渊.1998－2005年中国八大经济区域全要素能源效率［J］.中国科技论坛，2007，(07):68－72.

［4］师博，沈坤荣.市场分割下的中国全要素能源效率:基于超效率DEA方法的经验检验［J］.世界经济，2008，(9):49－59.

［5］袁晓玲，张宝山，杨万平.基于环境污染的中国全要素能源效率研究［J］.中国工业经济，2009，(2):76－86.

［6］李静.中国区域环境效率的差异与影响因素研究［J］.南方经济，2009，(12):24－34.

［7］孙立成，，周德群，李群.基于非径向DEA模型的区域环境绩效评价研究［J］.统计与信息论坛，2009，(7):67－71.

［8］陈清霞.长三角节能减排效率评价研究［D］.上海交通大学硕士论文，2010.

［9］孙欣.如何测度节能减排效率［J］.中国统计，2010，(2):50－51.

［10］许月卿，贾秀丽.近20年来中国区域经济发展差异的测定与评价［J］.经济地理，2005，(5):600－603.

Regional Differences of China's Energy－saving and Emission Reduction Efficiency and Its Determinants

Zhao Chengbai1，3，Mao Chunmei2
(1.School of Business，Hohai University，Nanjing 210098，China; 2.School of Public Administration，Hohai University，Nanjing 210098，China; 3.Department of Economy Management，Huaiyin Institute of Technology，Huai'an 223001，China)

The paper establishes an index system which can judge the regional energy－saving and emission reduction efficiency，to evaluate the energy－saving and emission reduction efficiency in 30 provinces and cities in China by BP artificial neural network，so as to analyze regional differentiation of energy－saving and emission reduction efficiency from different levels.The study shows that:Energy－saving and emission reduction efficiency has declined from east to west;Its frequency distribution has positive features，and a bigger proportion of counties in the third degree and fourth degree;Great differentiations appeared within each region.Meanwhile，this paper does econometric analysis on a number of variables which has important effects on energy－saving emission reduction efficiency，including variables relating economy development，energy structure，technology progress and system.The results show that these variables have different effects.Based on this，this paper discusses some policy suggestions.

Energy－saving and emission reduction efficiency;BP artificial neural network;Regional differences

教育部人文社会科学研究规划基金项目“我国经济增长中的碳排放强度评估及其目标实现路径研究”(11YJA790214)，国家统计局科研项目(2010LC70)。

2011－12－28

赵成柏(1966－)，男，江苏淮安人，博士研究生;研究方向;资源经济与管理。

TK01+8

A

(责任编辑 刘传忠)