苗壮 周鹏 周德群 李向民

(南京航空航天大学能源软科学研究中心/经济与管理学院，江苏 南京 211106)

截至“十一五”期末，我国各省区先后基本实现了能源强度下降20%的政府分配约束指标，取得了节能工作的阶段性进展。此外，中央政府已明确到2015年末的全国能源强度水平要比2010年末下降16%的宏观目标。不同省区的开展节能工作的现实条件不同，如果予以“一刀切”的能源强度约束指标，必定导致部分地区的“轻而易举”与部分地区的“步履维艰”的两极分化。基于“十一五”时期的历史数据，对各省区所“理所应当”实现的能源强度约束指标予以计算和分配，对于各省考核“十一五”时期的节能减排绩效，并为“十二五”甚至更远时期制定切实可行的经济规划与产业政策，具有实际的政策指导意义。

1 文献综述

目前，国内外学者对能源强度相关的学术研究取得了一定的进展，由于篇幅所限，本文拟从能源强度的分解分析、影响因素相关分析和政策分析角度对相关研究成果进行简述。

第一，指数分解方法能从产出效应、结构效应和效率效应角度对能源强度的变化加以分析。Ang［1］将宏观能源消费总量、综合能源强度和CO2排放的变动加以分析，高振宇等［2］采用对数平均迪氏分解法对我国生产用能源强度的变化情况进行断点分析，邱寿丰［3］采用完全分解模型，从省级区域、东中西部和经济发展不同组别等三类角度对能源强度变化予以分解。

第二，国内外学者对能源强度的影响因素进行了相关分析。Fisher［4］认为价格效应会占到能源强度的下降的54.4%;冯泰文等［5］研究技术进步对能源强度以及其他因素调节效应进行相关分析;Feng，et al［6］等讨论了能源消费结构、产业结构和能源强度之间的长期均衡、内在动力和随机关系;Karl和Chen［7］探讨了政府支出的急剧膨胀对能源强度的显著影响;Wu［8］指出省级经济结构的变化对能源强度产生一定的影响。

第三，国内外学者对能源强度约束目标实现提出政策和建议。何建坤等［9］对实现“十一五”期末的能源约束目标的措施进行量化分析;Zheng，et al［10］在 2020年碳强度约束目标的前提下，讨论了增加出口和降低能源强度的关系;Wang［11］通过对GDP和能源统计数据的研究，提出完善能源强度指标统计体系的观点和措施。

综上所述，目前的相关研究主要有以下不足:现有的研究局限于在掌握能源强度的历史数据的基础上进行影响因素的相关分析和分解分析，以及对实现能源强度约束目标的路径的政策研究，缺乏对能源强度约束指标分配的系统性考虑和整体性把握。要完成对“十一五”期间我国省级能源强度约束指标的最优分配，需要对能源－经济－环境的系统以及碳排放的宏观生产机理进行充分认识。

2 模型

Fre，et al［12］最初提出环境生产技术的目的，是为了更合理的对包含非期望产出的生产过程进行技术效率评价，而Zhou和Ang［13］以碳排放作为非期望产出，采用环境生产技术，对部分国家和地区的环境绩效加以验证。

DEA方法作为系统工程方法，于1978年被Charnes，et al［14］首次提出，Zhou，et al［15］对该方法在能源和环境经济学的应用进行小结，而 Gomes和Lins［16］，Wei，et al［17］，Zhou和Ang［18］，Zhou，et al［19］，Sueyoshi和Goto［20］，Sueyoshi，et al［21］等也使用 DEA 在能源和环境软科学领域得出丰硕的成果。

经典DEA模型会赋予投入(或产出)变量完全的自由度，而在分配领域使用的DEA方法，通常会受到某一个投入(或产出)变量总额保持不变的限制。本文以“十一五”时期各省区的能源强度约束指标的最优分配作为研究目标，该目标会受到我国“十一五”时期能源消耗总量历史数据的不变性的约束。在国内生产总值一定的前提下，某个省区(DMU)的能源消耗量的增加意味着其他省区能源消耗量的减少，即“零和收益”思想(即 Zero－Sum－Gains)。体现“零和收益”分配思想的DEA模型被称为ZSG－DEA方法。在ZSG－DEA方法中，部分决策单元可通过重新分配某一投入或产出变量，直至所有决策单元都达到技术效率值为1的理想境界，即意味着全部决策单元都位于一个新的前沿面(ZSG－DEA前沿面)上，而该变量总额始终保持不变。

Lins，et al［22］首次在悉尼奥运会获奖国家的投入与奖牌产出评价的研究中使用ZSG－DEA方法，此后Gomes和Lins［16］，林坦和宁俊飞［23］将 CO2作为单一投入变量，而以人口数量、能源消耗量和国内生产总值作为产出进行CO2排放的额度分配;Hu和Fang［24］采用ZSG－DEA的产出导向模型对台湾地区的券商的市场占有率进行效率评估;孙作人等［25］采用投入导向模型对我国“十二五”的节能指标进行效率分配。

在能源、经济与环境的“3E”研究中，通常以人口数量、资本存量和能源消耗量作为决策单元的投入变量，以国内生产总值和碳排放作为单位的期望产出变量和非期望产出变量(王群伟等)［26］。本文以ZSG－DEA方法与环境生产技术作为研究基础，提出效率分配导向的ZSG环境生产技术，先通过ZSG－DEA方法计算能源消耗量所对应技术效率，最终将能源消耗量进行效率分配(而其他变量保持不变)。经过模型计算并分配后，全部省区都处于ZSG－DEA前沿面上，实现全部省区的能源、经济与环境的整体帕累托最优。

存在H个省区，人口数量、资本存量与能源消耗量为三种投入量(分别以POP、K和E表示)，国内生产总值和碳排放量为期望产出和非期望产出变量(以GDP和CO2表示)，Ep，Kp和POPp为第p个省区的能源消耗量、资本存量和人口数量，GDPp和CO2p为第p个省区的国内生产总值和碳排放量，在此情况下，由所有投入－产出向量构成的生产技术集T可表示为式(1)。

结合非期望产出CO2的弱可处置性，将式(1)转化为DEA模型，即式(2)。目标函数为hp最小化的涵义为，追求该省区的能源消耗量的最小化。hp即为该省区能源消耗量的非径向DEA技术效率。

在式(2)的基础上，结合 Gomes和 Lins［16］的研究，提出投入导向型的ZSG环境生产技术分配模型如下:

式(3)为非线性规划，Lins，et al［22］，Gomes和 Lins［16］已经证明出该规划的技术效率hrp与hp呈线性关系。结合本研究，提出式(4)。

其中，式(2)计算所得技术效率不为1的省区组成合作集W;θts=h1/hs，为第t省区与第s省区的技术效率比，可以先通过式(2)求解能源消耗量的非径向技术效率hp，再利用式(4)求得hrp，进而对各省区的能源强度进行效率评价和分配。

3 实证结果分析

3.1 数据来源及说明

本文采用ZSG环境生产技术方法，投入变量为各省区的化石能源消耗量、资本存量、人口数量，产出变量为国内生产总值和碳排放量。其中，资本存量则借鉴单豪杰［27］采用的永续盘存法的计算方式加以计算，能源消耗量则根据煤炭、石油和天然气等化石能源量乘以标准煤转化系数得出，采用的标准煤转化系数和碳排放系数参考于IPCC数据。其他计算数据均来自于《中国统计年鉴》和《中国能源统计年鉴》，并以1952年作为基年进行调整。由于西藏自治区的历史数据缺失，故选择我国大陆地区共30个省区参与计算分配。

3.2 能源消耗量的技术效率

本文采用DEAP软件和EXCEL规划求解，对式(2)对应的各省区能源消耗量的DEA技术效率进行多次迭代与分配测算。由于篇幅有限，仅以“十一五”期末的2010年为例，仅列举能源消耗量的DEA技术效率的第一次迭代结果见下表。

3.3 我国“十一五”期末的ZSG能源强度约束指标效率分配

3.3.1 2010 年末数据分析

通过迭代计算，求解前述的式(4)，最终整理出2010年末的ZSG－DEA技术效率(简称ZSG效率)以及全部省区处于ZSG前沿面时的能源消耗量(即ZSG能源消耗量)。

表1 2010年我国各省区能源消耗量迭代测算的技术效率一览表Tab.1 China’s 30 provinces iterative calculation results of energy consumption technical efficiency schedule

经过计算分析，经过ZSG环境生产技术计算并分配前后的各省区的能源消耗量发生明显变化，但是2010年的总额保持不变，仍为35.03亿t标准煤;“增减额度”一列体现的是该省区需要增加或者减少的能源消耗量，以上海为例，上海 2010年化石能源消耗量为0.783亿t标准煤，而经过ZSG环境生产技术分配的理论上可以为0.801亿t，理论上仍可以增加0.0173亿t标准煤的能源消耗，而该列数值为负的省区，理论上需要采取一定程度的节能措施才能达到整体效率最大化的ZSG目标。

3.3.2 各省区不同时期能源强度降幅的对比研究

将“十一五”时期各省区理论上需要下降的能源强度与同期实际下降幅度相比较，总共分为4类地区，以中央政府分配的20%能源强度约束指标作为分界线，分类依据为:“十一五”实际下降幅度超过20%，且实际比理论下降多的为A类地区;“十一五”实际下降幅度超过20%，且实际比理论下降少的为B类地区;“十一五”实际下降幅度低于20%，且实际比理论下降多的为C类地区;“十一五”实际下降幅度低于20%，且实际比理论下降少的为D类地区。

(1)A类地区的节能绩效为最佳，此类地区在“十一五”期间的实际能源强度下降幅度不仅超过20%的国家约束指标，而且实际下降幅度超过经过ZSG环境生产技术测算的理论下降幅度，如天津、河北、辽宁和上海等省

区。上海的全要素能源技术效率一向处于全国前列，这与该地区的高能源使用效率、相对较低的化石能源消费结构以及产业结构有着直接关系;河北与辽宁在“十一五”时期成功“关、停”了一些高能耗、重污染的小钢铁、小水泥和小火电企业，充分淘汰了高能耗的落后产能。

表2 2010年末我国各省区实际能源消耗量及ZSG能源消耗量数据一览表Tab.2 China’s 30 provinces ZSG efficiency and ZSG energy consumption data list

表3 我国各省区“十一五”能源强度实际下降、理论下降和“十二五”目标下降幅度一览表Tab.3 China’s 30 provinces“11·5”energy intensity actual decline，theoretical decline and“12·5”target decline list

(2)B类地区的节能绩效为良好，此类地区在“十一五”期间的实际能源强度下降幅度虽然超过20%的国家约束指标，但是实际下降幅度不及ZSG环境生产技术测算的理论下降幅度，如北京、吉林、黑龙江与江西等省区。上述省区的产业结构中，能耗较大的重工业和重化工业比重较低，但仍需要进一步做好产业升级的努力。

(3)C类地区的节能绩效为较好，此类地区在“十一五”期间的实际能源强度下降幅度虽然未能达到20%的国家约束指标，但是实际下降幅度超过ZSG环境生产技术测算的理论下降幅度，如山西、内蒙古与安徽等省区。山西和内蒙古都为化石能源消耗大省，由于要素禀赋特质，节能并非一蹴而就的过程，但此类地区的节能达标也是通过煤电相关产业的内部整合与优化而实现，故“十二五”时期的节能措施需要另辟蹊径。

(4)其他属于D类地区，该类地区在“十一五”时期的节能绩效有待于进一步提升。此类地区情况各异，山东既是传统的GDP大省，也是传统的能耗大省，高能耗重污染的工业与化工业比重较大，短期内改善其产业结构难度较大，但可从改善能源效率和淘汰落后产能上入手;而广东、广西和海南的能源消费结构中化石能源比重相对较低，大力推广电力与清洁能源的措施使得上述省区的实际能源强度下降幅度与本文计算的化石能源下降幅度并不完全相同。

无论属于何种地区，各地方政府都要结合各自的资源禀赋和区域经济特征，注意节能政策与措施与经济发展的密切联系。由于本文仅仅涉及的是化石能源消费，并未考虑低碳的清洁能源消费对节能指标实现的影响，故研究结论存在着一定的局限性。

3.3.3 “十二五”能源强度约束目标的可行性浅谈

根据2011年国家提出的《“十二五”节能目标分解方案的征求意见稿》，中央政府制定出各省区在“十二五”时期的省级能源强度约束行政分配约束指标(详见上表3)，经过本文计算出的“十一五”能源强度的实际下降幅度和中央政府的“十二五”省级行政分配约束指标进行逐一比较，发现各省区目前节能达标情况与国家“十二五”约束目标存在一定的差异。国家“十二五”省级行政分配机制更注重的是“公平”导向(以16%作为整体的平均值)，而本文提出的ZSG环境生产技术分配机制更强调的是“效率”导向。在中央政府分配指标和ZSG分配指标的区间范围内选择能源强度约束指标值，可以在某种程度上体现兼顾效率与公平的分配机制。

3.3.4 整体效率最大化前提下的各省区节能目标路径及建议

各省区由于自身的资源禀赋、能源使用效率、能源消费结构以及产业结构的不同基础，决定了“理想目标”与“现实结果”的差异现实。根据“十一五”时期的实际差距，可以对各省区在“十二五”时期节能目标实施需要考虑的路径进行初步探索。根据表3所列示数据，以20%作为临界点，45度线作为分界线，将全部省区划分成ABCD四类区域，其中，横坐标为“十一五”时期能源强度理论下降幅度，纵坐标为“十一五”时期能源强度实际下降幅度。

(1)A类地区中的天津须加快产业结构改善，大力扶持滨海新区的港口物流业等服务业为主的第三产业的快速发展，增加当地GDP中的高科技、深加工及附加值比重;辽宁和河北的淘汰落后产能措施不具备可持续性，应该以调整工业中的行业结构和行业中的产品结构为主，加快推进以技术更新为主的新型工业化发展。

(2)B类地区中的吉林、黑龙江和江西都为中部的农业大省，工业比重较小，对于此类地区，既可以发展高附加值的现代农业，也可以发展旅游业为主的服务业，同时严控和抵制高能耗的重化工业的内迁;而北京应该向上海学习，以发展生产型服务业和新型服务业为主，严控交通领域的能耗提升，并提高城镇居民的能源使用效率来改善能源强度。

(3)C类地区中的山西、内蒙古作为中部能源输出大省，其面临着较大的节能压力，此类地区的节能目标实现需要结构调整和技术进步并重，以技术进步带动结构调整，寻求以煤炭和煤化工为主的高能耗产业的技术进步，还需要在此类地区强制推广节能技术和“清洁煤”技术来提高能源使用效率，并注重在内蒙古地区的风能、太阳能等低碳能源的充分利用。

图1 “十一五”时期各省区能源强度达标情况示意图Fig.1 China’s provinces energy intensity classification and improvement path diagram for“11·5”

(4)D类地区中的山东，是我国的GDP大省，则需要调整结构，既要调整和改善三次产业机构，又要调整山东省内工业中高能耗高污染的煤炭、钢铁、冶金和重化工业的行业比重，还要通过技术改造实现产品单耗节能，可以先向区域B或者C靠近，再逐步向区域A努力。

4 结论与不足

本文提出ZSG环境生产技术的效率分配模型，完成对省级能源强度约束指标的效率分配，并对各省的“十二五”能源强度约束指标和“十一五”实际下降幅度进行综合分析。本文的主要结论如下，首先，在“十一五”时期，根据ZSG环境生产技术对能源消耗量的分配结果，全部省区都处于ZSG－DEA前沿面上，此时各省区“应该”实现的能源强度约束指标各不相同。其次，将各省的“十二五”能源约束指标和“十一五”实际下降幅度进行了综合分析，结果发现部分省区按照“十一五”时期的节能工作力度实现“十二五”时期的约束指标具有一定难度，国家行政分配体制体现了国家注重能源强度约束指标分配的各地均衡，以公平性为主，而ZSG环境生产技术分配结论体现了效率导向。最后，将全部省区划分为4类地区，各省区应该根据各自的区域特质向目标区域靠拢，而实现这一目标的各省措施和路径不尽相同。本文的研究不足在于，仅仅从效率角度考虑整体技术效率最大化的分配时，并未兼顾效率与公平，也未考虑到各省区的能源与环境的承载力问题，虽然部分省区理论上可以增加能源消耗量，但是考虑到环境承载力趋于极限，实际只能采取节能措施;而且本文仅仅从化石能源强度角度予以讨论，并未涉及能源品种差异以及能源消费结构对节能效果的影响，需要在未来研究中加以补充。

References)

［1］Ang B W.Decomposition Analysis for Policymaking in Energy:Which is the Preferred Method?［J］.Energy Policy，2004，32(9):1131－1139.

［2］高振宇，王益.我国生产用能源消费变动的分解分析［J］.统计研究，2007，24(3):52－ 57.［Gao Zhenyu，Wang Yi. The Decomposition Analysis of Change of Energy Consumption for Production in China［J］.Statistical Research，2007，24(3):52－57.］

［3］邱寿丰.中国能源强度变化的区域影响分析.数量经济技术经济研究，2008，(12):37－48.［Qiu Shoufeng.Regional Contributions to Changes of China’s Energy Intensity［J］. The Journal of Quantitative ＆ Technical Economics，2008，(12):37－48.］

［4］Fisher-Vanden K.What is Driving China’s Decline in Energy Intensity［J］.Resource and Energy Economics，2004，26(1):77－97.

［5］冯泰文，孙林岩，何哲.技术进步对中国能源强度调节效应的实证研究［J］.科学学研究，2008，26(10):987－993.［Feng Taiwen，Sun Linyan，He Zhe.An Empirical Study of Technology Progress Moderating Effect on Energy Intensity in China［J］.Studies in Science of Science，2008，26(10):987－993.］

［6］Feng T W，Sun L Y，Zhang Y.The Relationship Between Energy Consumption Structure，Economic Structure and Energy Intensity in China［J］，Energy Policy，2009，37(12):5475－5483.

［7］Karl Y X，Chen Z C.Government Expenditure and Energy Intensity in China［J］.Energy Policy，2010，38(2):691－694.

［8］Wu Y R.Energy Intensity and its Determinants in China’s Regional Economics［J］.Energy Policy，2012，41(2):703－711.

［9］何建坤，张希良.我国“十一五”期间能源强度下降趋势分析——如何实现能源强度下降20%的目标［J］.中国软科学，2006，(4):33－38.［He Jiankun，Zhang Xiliang.Analysis of China’s Energy Consumption Intensity Reduction Tendency during the 11th Five-Year-Plan Period［J］.China Soft Science Magazine，2006，(4):33－ 38.］

［10］Zheng Y M，Qi J H，Chen X L.The Effect of Increasing Exports on Industrial Energy Intensity in China［J］.Energy Policy，2011，39(5):2688－2698.

［11］Wang X.On China’s Energy Intensity Statistics:Toward a Comprehensive and Transparent Indicator［J］.Energy Policy，2011，39(11):7284－7289.

［12］Fre R，Grosskopf S，Lovell C K. Multilateral Productivity Comparisons When Some Outputs are Undesirable:a Nonparametric Approach［J］.The Review of Economics and Statistics，1989，71(2):90－98.

［13］Zhou P，Ang B W.Decomposition of Aggregate CO2Emissions:a Production-theoretical Approach［J］.Energy Economics，2008，30(3):1054－1067.

［14］Charnes A，Cooper W W，Rhodes E .Measuring the Efficiency of Decision Making Units［J］，European Journal of Operational Research，1978，(2):429－444.

［15］Zhou P，Ang B W，Poh K L.A Survey of Data Envelopment Analysis in Energy and Environmental Studies［J］.European Journal of Operational Research，2008，189:1－18.

［16］Gomes E G，Lins M P E.Modeling Undesirable Outputs with Zero Gains DEA models［J］.Journal of the Operational Research Society，2008，59(5):616－623.

［17］Wei Y M，Liao H，Fan Y.An Empirical Analysis of Energy Efficiency in China’s Iron and Steel Sector［J］.Energy，2007，32:2262－2270.

［18］Zhou P，Ang B W.Linear Programming Models for Measuring Economy-wide Energy Efficiency Performance［J］.Energy Policy，2008，36:2911－2916.

［19］Zhou P，Ang B W，Han J Y.Total Factor Carbon Emission Performance:A Malmquist Index Analysis［J］.Energy Economics，2010，32:194－201.

［20］Sueyoshi T，Goto M. DEA Approach for Unified Efficiency Measurement:Assessment of Japanese Fossil Fuel Power Generation［J］.Energy Economics，2011，33:292－303.

［21］Sueyoshi T，Goto M，Ueno T.Performance Analysis of US Coalfired Power Plants by Measuring Three DEA Models［J］.Energy Policy，2010，38:1675－1688.

［22］Lins M P E ，Gomes E G ，Soares de Mello，et al.Olympic Ranking Based on a Zero Sum Gains DEA model［J］.European Journal of Operational Research，2003，148:312－322.

［23］林坦，宁俊飞.基于零和DEA模型的欧盟国家碳排放权分配效率研究［J］.数量经济技术经济研究，2011，(3):36－50.［Lin Tan，Ning Junfei. Study on Allocation Efficiency of Carbon Emission Permit in EUETS Based on ZSG－ DEA Model［J］.The Journal of Quantitative＆ Technical Economics，2011，(3):36－50.］

［24］Hu J L，Fang C Y.Do Market Share and Efficiency Matter for Each Other?An Application of the Zero-Sum Gains Data Envelopment Analysis［J］.Journal of the Operational Research Society，2010，61:647－657.

［25］孙作人，周德群，周鹏，等.基于环境ZSG－DEA的我国省区节能指标分配研究［J］.系统工程，2012，(1):84－90.［Sun Zuoren，Zhou Dequn，Zhou Peng，et al.Quota Allocation of China’s Energy Conservation Based on Environmental ZSG－ DEA［J］.Systems Engineering，2012，(1):84－90.］

［26］王群伟，周鹏，周德群.中国CO2排放绩效的动态变化、区域差异及影响因素［J］.中国工业经济，2010，(1):45－54.［Wang Qunwei，Zhou Peng，Zhou Dequn.Research on Dynamic Carbon Dioxide Emissions Performance，Regional Disparity and Affecting Factors in China［J］.China Industrial Economics，2010，(1):45－54.］

［27］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，(10):17－32.［Shan Haojie.Reestimating the Capital Stock of China:1952－2006［J］.The Journal of Quantitative＆ Technical Economics，2008，(10):17－32.］