周四军，张庚

（湖南大学金融与统计学院，湖南长沙410079）

［DOI］10.3969/j.issn.1007-5097.2016.04.012



考虑环境效应的我国全要素能源效率区域比较研究

周四军，张庚

（湖南大学金融与统计学院，湖南长沙410079）

［DOI］10.3969/j.issn.1007-5097.2016.04.012

摘要：文章运用投入导向、规模报酬不变的DEA模型，将与能源消耗密切相关的“工业三废”排放量加入生产函数，利用全国各省市2002-2013年的面板数据，测度出我国八大经济区域考虑环境效应的全要素能源效率，并运用面板数据Tobit模型进一步定量分析其影响因素。实证结果显示：2002年以来我国全要素能源效率保持稳步上升态势，区域全要素能源效率呈现由东南沿海向西北地区逐步降低的特点；产业结构、技术进步、对外开放、能源消费结构对全要素能源效率的影响存在区域异质性。

关键词：环境效应；全要素能源效率；面板数据Tobit模型；影响因素；区域异质性

一、引言

据《我国2015年国民经济和社会发展统计公报》数据，2014年我国能源消费总量达42.6亿吨标准煤，比上年增长2.2％，单位GDP能耗强度为0.67吨标准煤/万元，远高于发达国家水平。煤炭消费占能源总消费量的66％，我国“丰煤少油”的资源禀赋决定了以煤为主的能源消费结构在短期内无法得到根本改变，而全国CO2、SO2、烟尘排放量大部分都来自于燃煤。CO2是温室效应的主要成因，SO2是酸雨形成的主要因素，而烟尘是我国PM2.5居高不下的主要元凶。为了降低能源消耗强度，减轻环境污染，建设环境友好、资源节约型社会，党的十八大报告强调要将生态文明建设放在突出重要的地位，建设美丽中国。由于我国幅员辽阔，资源禀赋各异，各地区能源利用状况存在很大差异。科学地对我国各地区的能源效率水平和其影响因素进行定量分析和比较研究，对于推动我国节能减排工作、实现经济社会可持续发展具有重要的现实意义。

近年来DEA模型被作为研究能源效率问题的主要方法，Boyd和Pang（2000）较早讨论过用DEA方法测算能源效率问题［1］。随着能源效率研究的深入，国外学者认识到忽视环境因素会导致能源效率测度的偏差，开始将环境污染变量纳入特定的生产模型进行研究，主要有两种思路：一是将污染变量作为一种投入要素，如Hailu和Veeman（2001）等［2］。二是采用方向性距离函数，将环境污染作为非期望产出处理，由于此种方法与实际生产过程较为吻合，得到了广泛应用。Tone（2003）将非期望产出纳入SBM模型，能更好地拟合实际工业生产过程及节能减排的可持续发展要求，有效测度了工业生产的环境效率［3］。

相对而言，国内学者对环境因素的研究起步较晚，张伟（2011）以工业废气为非期望产出，对能源效率进行了测度分析［4］。周五七（2012）使用包含非期望产出的SBM模型测度省际工业碳排放效率，比较了全国四大经济区域的工业碳排放效率［5］。汪克亮（2015）以SO2为非期望产出变量，比较分析了2000-2012年我国东、中、西三大地区的绿色全要素生产率［6］。类似的研究还有张进铭（2012）［7］、王喜平（2013）［8］等。

综上所述，现有研究在分析能源效率时，将GDP作为模型中的期望产出，而忽略了对环境污染这一非期望产出的考察，这无法全面反映能源所带来的“好产出”和“坏产出”的两面性；即使近年来少数研究考虑了环境污染的影响，也多以单一指标（SO2、CO2）来衡量环境污染的程度，这种做法不能够全面反映环境污染的综合变化，会导致能源效率度量的偏差；在研究区域能源效率对比时，大多仍以传统的“东、中、西三大区域”为基础，而根据中国区域划分的九大原则来看，“八大区域”划分法相比较而言更加合理。本文基于生产理论框架下投入导向、规模报酬不变的DEA模型，采取变异系数法，将与能源消耗密切相关的“工业三废”排放量综合成环境污染指数作为非期望产出加入生产函数，测度出我国八大经济区域的全要素能源效率，并对区域全要素能源效率的影响因素进行实证分析，对我国区域全要素能源效率进行比较研究。

二、考虑环境效应的全要素能源效率理论分析

（一）考虑环境效应的全要素能源效率理论研究框架

传统的全要素能源效率仅在考虑资源投入和期望产出的基础上来评价一个国家和地区的能源利用情况。具体来说，在资源投入一定的情况下，期望产出越多，能源效率越高；反之，能源效率越低。但在测度能源效率时必须考虑生产实际，生产过程中不仅有期望产出GDP，也会有非期望产出，如工业废水、废气、废渣等，这些会造成严重的生态环境污染，如温室效应、酸雨、臭氧层的破坏等，制约经济社会的可持续发展，造成能源利用效率的降低。环境保护是经济社会可持续发展努力追求的基本目标，因此对于非期望产出，不能置之不顾，而在处理非期望产出的过程中，需要消耗大量的期望产出GDP，非期望产出会进一步削减期望产出对能源效率的正向作用，造成能源效率的降低。尤其是当前我国能源效率不高，远远落后于发达国家，如果考虑非期望产出对能源效率的环境效应，我国能源效率将会更低，跟发达国家的差距将会更大。

本文在考虑能源、环境、经济相互关系的基础上对能源效率的内涵进行修正，试图建立一个能全面反映能源利用效率的指标体系，即考虑环境效应的全要素能源效率。考虑环境效应的全要素能源效率是指一个经济体在综合考虑生产过程中能源、资本、人力等投入要素后所能实现的经济效益最大化和环境污染最小化。考虑环境效应的全要能源效率的提高不仅意味着能源资源投入的减少、社会经济效应的提高，同时也兼顾了环境效益,所得的效率值则是在原有全要素能源效率的基础上综合了资源利用和环境损失值之后，而获得的综合能源效率值。

（二）改善考虑环境效应的全要素能源效率的理论机制

考虑环境效应的全要素能源效率是在当前经济社会可持续发展的背景下相较于传统的能源效率更能全面、合理地度量能源的利用情况，反映的是一定的能源消耗带来的经济发展水平和对环境的影响程度。因此，提高考虑环境效应的全要素能源效率途径应该包括：①能源资源投入不变，在保持现有非期望产出一定的前提下，通过提高期望产出GDP，实现能源利用效率的提高；②能源资源投入不变，在保持期望产出GDP一定的情况下，通过降低能源消耗对环境所造成的冲击程度，减少非期望产出，实现能源利用效率的提高；③在保持已有期望产出GDP和非期望产出不变的前提下，通过减少能源资源投入，实现能源利用效率的提高；④通过提高经济发展水平，增加期望产出GDP，改善环境状态，减少非期望产出，降低能源消耗，实现能源利用效率的提高。

三、考虑环境效应的我国全要素能源效率测算及区域比较

（一）考虑环境效应的我国全要素能源效率的测算

1.指标选取与数据处理

本文所使用数据是2002-2013年我国30个省市（因为部分数据缺失的原因，不含西藏）的地区生产总值、“工业三废”排放量、资本存量、人力资本、能源消耗总量。数据主要来源于《中国统计年鉴》。在柯布—道格拉斯生产函数Y=A(t)LαKβμ的基础上，考虑能源和环境的影响，本文假定生产函数的形式为(Y,B)=f(K,L,E)，

投入指标投入方面选择了三个指标，产出方面选择了两个指标。

（1）投入指标。资本存量K：由于我国目前没有官方的资本存量调查数据，因此本文采用已被大多数学者所认同的“永续存盘法”对地区的资本存量进行估算，其计算公式为：

其中，Kit，Iit和δit分别表示第i个省份第t年的资本存量、固定资本投资总额和固定资本折旧率［9］。

人力资本L：人力资本的理想指标是劳动投入的时间和质量，但由于缺乏统计数据，本文用年末从业人数作为人力资本评价指标。

能源消费量E：我国能源消费的统计口径主要有四种：煤炭、石油、天然气和电力，本文将各省市的煤炭、石油、天然气、电力的消费量按照相对应的折算系数，统一折算为标准煤消费量，单位是万吨标准煤。

（2）产出指标。期望产出Y：各省市的地区生产总值作为期望产出，为了保持数据一致，根据GDP平减指数将其统一换算成以2000年为不变价格的实际生产总值。

非期望产出B：本文选取各省份的“工业三废”排放量作为污染排放的衡量指标，主要是考虑到“工业三废”是我国污染控制的主要对象。运用DEA模型进行效率测算时，考虑到本文的投入产出指标较多，因此将各省市的“工业三废”排放量综合成一个环境污染评价指标—环境污染指数，来反映各地区环境污染的整体状况。考虑到非期望产出是一种环境成本，与期望产出相反，在投入要素不变的情况下，非期望产出越小越好，为了使模型有意义，取环境污染指数的倒数作为非期望产出。

关于“工业三废”权重的确定，本文利用变异系数法计算得出。作为一种客观赋权方法，变异系数法在一定程度上减少了主观因素的影响。

2.八大区域考虑环境效应的全要素能源效率值

相关指标数据经过Excle2007处理，应用软件EMS测算出2002-2013年考虑环境效应的我国八大区域全要素能源效率值，具体结果见表1所列。

表1　2002-2013年我国八大区域考虑环境效应的全要素能源效率值

（二）考虑环境效应的我国全要素能源效率区域比较

1.变化趋势的区域比较

从区域层面上看，区域间全要素能源效率变化趋势各异。东南沿海地区的能源效率均呈现“先下降，后上升”的趋势，即“U”形趋势。东北地区和黄河中游地区的能源效率均呈现“先上升，后下降，再上升”的趋势，即“N”形趋势。北部沿海、长江中游、西南地区、西北地区的能源效率一直处于上升趋势，即“I”型趋势，如图1所示。

图1　2002-2013年我国八大区域考虑环境效应的全要素能源效率变化

2.能源效率的区域差异比较

区域能源效率的分布呈现由东南沿海向西北地区逐步降低的特点，其中南部沿海地区全要素能源效率一直最高，由2002年的0.721 8上升到2013年的0.983 6，提升幅度达到36％。其次是东部沿海地区和长江中游地区。作为传统的经济发达区域，东南沿海地区和长江中游地区拥有先进的生产技术、生产工艺、“低投入—低污染—高产出”的良性发展模式，因此它们的投入产出达到全国领先水平，属于高效率地区。

东北地区和北部沿海地区的能源效率分别由2002年的0.588 2、0.488 7上升到2013年0.81，提升幅度分别为38％、66％，属于中效率地区。这两个区域能源效率的高增长主要得益于东北老工业基地的振兴和北部沿海重工业的升级改造。

西南地区、西北地区和黄河中游地区的能源效率处于0.4～0.7之间，属于低效率地区。其中西南地区能源效率增幅为63％，增长显著。而西北地区和黄河中游地区增幅较小，分别为26％和17％，因此黄河中游地区和西北地区是今后我国节能减排的重点治理地区。

四、考虑环境效应的我国全要素能源效率影响因素区域比较

利用上文测算出的我国八大区域考虑环境效应的全要素能源效率值，分析影响能源效率的各种因素，构建面板数据Tobit计量模型进行区域比较，以便为提高我国能源利用效率提供科学依据。

（一）变量（指标）的选取

（1）产业结构。由于不同部门的生产效率存在差异，产业结构调整使得能源投入从低生产率产业部门流向高生产率产业部门，减少高耗能、高污染产业在经济中的比重，优化资源配置，提高资源利用率。在三次产业中，第二产业特别是工业耗能多，能源消费强度大于其他产业，因此本文产业结构用第二产业增加值与GDP之比（CY）来表示。

（2）技术进步。技术进步通常分为“硬”技术和“软”技术，其中“硬”技术主要是指技术创新和新产品的发明；“软”技术则是指管理、制度和政策等方面的优化。一般来说，技术进步主要通过自主研发创新、向发达国家学习两种方式实现。我国目前处在欠发达阶段，虽然通过招商引资可以实现技术的进步，但是拥有强大的科技研发能力才是实现我国技术进步的关键。因此，技术进步用R&D经费支出与GDP之比（JS）来表示。

（3）对外开放。对外开放使得国外优势资源不断流入国内，通过引进国外先进的设备、学习国外先进的技术以及成功的管理经验，有利于我国能源利用效率的改善。本文用外贸依存度表示对外开放，选取的变量是进出口贸易总额与GDP之比（WM）。

（4）能源消费结构。不同的能源品种有不同的利用效率，石油、天然气的能源利用效率要远远高于煤炭，同时煤炭也是大气污染的主要来源。由于煤炭一直在我国能源消费中居于主导地位，降低煤炭消费占比，可以提高能源效率。因此，本文用煤炭在能源消费中的占比（MT）表示能源消费结构。

（二）面板数据Tobit计量模型的构建

在对考虑环境效应的全要素能源效率影响因素进行分析时，考虑到全要素能源效率介于0～1之间，数据被截断。如果采用普通的OLS回归，会使变量系数的值偏向于零，从而造成结果的不一致。为了解决这一问题，我们构建面板数据Tobit模型进行回归：

其中，EEi,t表示第i地区第t年的全要素能源效率，表示潜在全要素能源效率，εi,t为随机干扰项，两者均服从正态分布。

采用Stata12.0软件对Tobit模型进行回归估计，结果见表2所列。

表2　面板数据Tobit计量模型回归结果

由于回归结果中部分影响因素的系数未通过置信度为10％的显著性检验，因此剔除影响不显著的变量，对模型进行重新回归估计，修正后的Tobit模型回归结果见表3所列。

（三）实证结果分析

（1）产业结构对全要素能源效率的影响在较多地区表现为正影响。第二产业增加值与GDP之比提高对南部沿海、北部沿海、东北地区、长江中游、黄河中游、西南地区全要素能源效率呈现正向影响，而对东部沿海、西北地区全要素能源效率表现为负向影响。这主要是因为南部沿海、北部沿海拥有先进的技术和经验，产业结构调整和优化升级较快、提高了第二产业的能源利用效率；东北地区、长江中游、黄河中游、西南地区经济发展更多依靠第二产业拉动，随着第二产业的发展，工业化水平的不断提高，有利于这些地区的能源效率的提高。而西北地区由于第二产业能耗大，能源效率较低，因此第二产业发展抑制了该地区全要素能源效率的提高。

表3　修正后的面板数据Tobit计量模型回归结果

（2）技术进步对全要素能源效率都表现为正向影响，即R&D经费支出与GDP之比越大，全要素能源效率越高。技术进步对全要素能源效率正相关的原因是：新技术的创造、新设备的发明和新知识的传播显著地提高了我国的科技实力，尤其是节能减排技术的创新，对于淘汰落后产能，提高全要素能源效率提供了良好的科学技术支持。

（3）对外开放对西南地区、西北地区全要素能源效率增长有明显正影响，对南部沿海、东部沿海、北部沿海地区全要素能源效率增长有明显负影响。因为西南地区、西北地区经济技术落后，对外开放较晚，程度较低，近年来受“西部大开发战略”影响，加大对外开放程度，吸引外商投资，引进先进的技术和经验，从而促进了西部地区能源效率的提高。东部沿海、南部沿海、北部沿海地区作为全国对外开放的最早地区，在对外开放初期就积累了先进的技术和管理经验，一定程度上提升了其能源效率，但随着发达国家进一步的环境管制，外来资本更多地将高污染、高耗能行业向国外转移，而我国某些地方政府招商引资时忽视了招商引资的质量，使得对外开放在带动沿海地区经济发展的同时，也带来了资源浪费和环境污染，从而使得对外开放对沿海地区能源效率增长的影响出现负值。

（4）能源消费结构对区域全要素能源效率主要表现为负向影响。即煤炭消费占比增加不利于全要素能源效率的提高。在当前我国三种主要能源煤炭、石油、天然气中，煤炭的综合利用效率最低，同时环境污染程度最高，因此煤炭消费占比增加不利于能源效率的提高。

五、结论与建议

（一）主要结论

本文以全国各省市（不含西藏）2002-2013年的面板数据为例，运用生产理论框架下投入导向、规模报酬不变的DEA模型和面板数据Tobit计量模型对八大经济区域的全要素能源效率及其影响因素进行了实证分析。得出以下结论：

（1）2002年以来我国全要素能源效率保持稳步上升态势，区域全要素能源效率呈现由东南沿海向西北地区逐步降低的特点，其中南部沿海地区全要素能源效率一直最高，西北地区全要素能源效率最低，我国区域间能源效率差异较大。

（2）产业结构、技术进步、对外开放、能源消费结构对全要素能源效率的影响存在区域异质性。产业结构对南部沿海、北部沿海、东北地区、长江中游、黄河中游、西南地区全要素能源效率增长有明显正影响，而对东部沿海、西北地区的全要素能源效率增长有明显负影响。技术进步对全要素能源效率增长有明显正影响。对外开放对西南地区、西北地区的全要素能源效率增长有明显正影响，对南部沿海、东部沿海、北部沿海地区的全要素能源效率增长有明显负影响。能源消费结构对区域全要素能源效率增长主要表现为负向影响。

（二）政策建议

我国要坚决摒弃GDP至上的发展理念，注重能源、环境、经济协调发展。加强节能减排工作力度，积极实施资源环境政策，将资源节约与环境保护置于更加重要的地位。由于产业结构、技术进步、对外开放、能源消费结构对全要素能源效率的影响存在区域异质性，因此不同的经济区域应该采取不同的措施来提高能源效率。

（1）调整产业结构。东部沿海、西北地区要逐步转变经济增长方式，降低经济中第二产业比重，大力发展高新技术产业；其他区域在保持经济持续增长、能源效率稳步提升的同时，加快第二产业的发展，提高能源利用效率。

（2）重视技术进步。各经济区域应加大技术进步方面的资金投入和扶持力度，通过相关政策和管理条例来鼓励和支持知识创新、技术创新，增强自主创新能力。

（3）深化对外贸易。西南、西北地区要扩大对外开放程度，改善投资环境，吸引外资发展特色产业；东部沿海、南部沿海、北部沿海地区要有选择地引进外资，提高对外贸易的质量，优化外资结构。其他区域要巩固对外开放成果，拓展对外开放的深度和广度，进一步提升区域能源效率。

（4）优化能源消费结构。南部沿海、北部沿海、长江中游地区要大力发展清洁能源，降低煤炭消费比重，东部沿海地区应积极引进新技术、新设备，提高煤炭的综合利用效率。其他区域要结合区域能源禀赋特点，制定多元化的能源消费结构，稳步提升能源效率。

注释：

①中国区域划分的九大原则:①空间上相毗邻；②自然条件和资源禀赋结构相近；③经济发展水平相近；④经济上联系密切或面临相似的发展问题；⑤社会结构相仿；⑥区域规模适度；⑦适当考虑历史延续性；⑧保持行政区域划分的完整性；⑨便于进行区域研究和区域政策分析。

②南部沿海地区：福建、广东、海南；东部沿海地区：上海、浙江、江苏；北部沿海地区：北京、天津、河北、山东；东北地区：辽宁、吉林、黑龙江；长江中游地区：湖北、湖南、江西、安徽；黄河中游地区：山西、陕西、河南、内蒙古；西南地区：云南，贵州、四川、重庆、广西；西北地区：甘肃、青海、宁夏、新疆、西藏。

参考文献：

［1］Gale A Boyd，Joseph X Pang.Estimating the linkage be⁃tween energy efficiency and productivity［J］.Energy Policy，2000（5）：289-296.

［2］Atakelty Hailu，Terrence S Veeman.Environmentally Sensi⁃tive Productivity Analysis of the Canadian Pulp and Paper Industry，1959-1994：An Input Distance Function Approach［J］.Journal of Environmental Economics and Management，2000（11）：251-274.

［3］Tone K.Dealing with Undesirable Outputs in DEA：a Slacks Based Measure（SBM）Approach［J］.GRIPS Research Re⁃port Series，2003（3）：498-509.

［4］张伟，吴文元.基于环境绩效的长三角都市圈全要素能源效率研究［J］.经济研究，2011（10）：95-109.

［5］周五七，聂鸣.中国工业碳排放效率的区域差异研究——基于非参数前沿的实证分析［J］.数量经济技术经济研究，2012（9）：58-70.

［6］汪克亮，孟祥瑞，杨力，等生产技术异质性与区域绿色全要素生产率增长——基于共同前沿与2000—2012年中国省际面板数据的分析［J］.北京理工大学学报：社会科学版，2015（1）：23-31.

［7］张进铭，廖鹏.中国省际全要素能源效率变动分解——基于环境约束条件下的研究［J］.统计与信息论坛，2012（3）：104-108.

［8］王喜平，姜晔.环境约束下中国能源效率地区差异研究［J］.长江流域资源与环境，2013（11）：1419-1425.

［9］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000［J］.经济研究，2004（10）：35-44.

［责任编辑：欧世平］

●管理视野

A Study on the Regional Comparison of Chinese Total Factor Energy Efficiency Considering Environmental Effect

ZHOU Si-jun，ZHANG Geng
(College of Finance and Statistics，Hunan University，Changsha 410079，China)

Abstract：The paper，by choosing the model of investment-oriented DEA with fixed returns to scale，incorporating“industrial three wastes”emissions which are closely related to energy consumption into the production function and using the panel data of all provincial-level administration regions in China from 2002 to 2013，measures the total factor energy efficiency of the eight main economic regions considering environmental effect，and applies the panel data Tobit model to make a further quanti⁃tative analysis of its influence factors.The empirical results show that the total factor energy efficiency in China has main⁃tained a steady upward trend since 2002，the regional total factor energy efficiency presents a feature of gradually reducing from the southeast coast to the northwest region；The impacts of industrial structure，technical progress，opening up to the out⁃side world and energy consumption structure on the total factor energy efficiency have regional heterogeneity.

Keywords：environmental effect；total factor energy efficiency；panel data Tobit model；influence factors；regional heterogeneity

作者简介：周四军（1966-），男，湖南长沙人，教授，经济学博士，研究方向：经济统计分析；张庚（1992-），男，河南邓州人，硕士研究生，研究方向：经济统计分析。

基金项目：国家社会科学基金项目（14BTJ010）

收稿日期：2016-02-07

中图分类号：F061.5；F205

文献标志码：A

文章编号：1007-5097（2016）04-0063-05