杨福霞，徐江川，杨 冕，史 岩

(1.华中农业大学经济管理学院，湖北 武汉 430070; 2.武汉大学经济与管理学院，湖北 武汉 430072;3.武汉大学人口·资源与环境经济研究中心，湖北 武汉 430072；4.甘肃银行股份有限公司，甘肃 兰州 730000)

1 引言

近年来，随着能源期货市场的日益发展，能源衍生品交易规模不断扩大，其合约种类也呈现日趋多元化的态势。据统计，2016年美国原油期货交易成交合约日均量达18.2万口，比2015年高出16%。能源的“金融属性”日益凸显，导致能源价格分析逐渐脱离传统的供需框架，其运行规律呈现出更为复杂的特征。在此背景下，能源价格波动特征及其对宏观经济、社会福利与环境改善的影响逐步成为学术界广泛关注的焦点。

20世纪70年代所爆发的两次石油危机，使学者们深刻认识到能源价格持续上涨对社会生产与人民生活所造成的巨大危害。一方面，能源作为一种重要的基础性生产要素，与其他生产要素的替代性较弱。能源价格持续上涨会导致企业生产的边际成本逐步增加，生产可能性边界线向内收缩。这一影响还通过产业链在行业内进行传导，造成整个行业生产成本的增加[1]，最终导致宏观经济增长速度放缓[2-6]。另一方面，边际生产成本的升高将迫使部分企业退出产品供给市场；在市场总需求不变的情况下，产品价格将呈现上涨趋势，从而抬升消费者价格指数(CPI)[7]。CPI的消极上升可能会造成恶性通货膨胀的发生，进而引发经济衰退[8-11]。此外，能源与其他消费品的替代弹性较低，能源价格的上涨不仅直接增加消费者的生活成本，还将通过水、电、粮食等消费品价格的升高影响CPI，从而对消费者的福利产生负面效应[12-13]。

能源在对经济增长做出巨大贡献的同时，其燃烧过程中所排放的大量温室气体、各类大气污染物也对环境质量造成了严重破坏。现有关于能源价格波动对环境质量影响的文献主要从能源价格上涨所产生的替代效应、收入效应和技术进步效应三个方面进行论述。其中，替代效应主要表现为：在技术允许条件下，能源价格上涨将引导厂商使用其他非能源要素替代能源，从而达到减少能源消耗的目标，并客观上改善了环境质量[14]。同时，化石能源价格快速上涨，将诱使企业进行水电、风能、太阳能等可再生能源的开发和使用[15-16]；通过促进各种清洁能源对传统化石能源的替代，从而实现温室气体和各种大气污染物的减排。收入效应表现为：能源价格持续上涨将不可避免地对宏观经济增长造成冲击，经济增速的放缓将减少其对能源的需求，进而对大气污染物排放产生一定程度的遏制[17]。技术进步效应则体现为：能源价格升高将诱导企业研发能源节约型技术，提高能源使用效率[18-21]；这在一定程度上控制能耗量的快速增加，减缓环境压力[22]。

综上所述，能源价格波动对宏观经济增长和环境改善具有重要影响。现有文献大多侧重于分析能源价格波动影响经济增长或环境质量两者中的某一侧面，而对两者的综合效应进行系统研究的文献尚不多见。实际上，能源价格波动导致要素间相对价格发生变化，进而激发微观经济主体进行技术创新以节约相对昂贵的生产要素，即要素价格波动诱导技术创新。不同于新古典经济理论假设技术进步外生于经济系统内的各因素，诱导性技术变迁理论认为技术进步是生产者因系统内某因素变动所自发进行的技术升级行为。具体以能源价格变化为例(见图1)，持续升高的能源价格使得企业的生产成本陡然增加，追求利润最大化的生产者为节约生产成本将主动开发或引进更先进的节能型技术。这一方面推动现有生产技术前沿向前移动，即增加经济产出；同时也通过要素替代减少了能源消耗，从而产生环保效应，最终表现为环境友好型生产技术水平提升。

图1 能源价格诱导性技术进步与环境全要素生产率变动的内在作用机理

因此，在对近年来我国能源价格波动特征进行分析的基础上，本文重点探究能源价格变动是否诱导环境友好型技术前沿外移，进而对我国环境全要素生产率(ETFP)产生何种影响。与已有文献相比，本研究尝试从以下两个方面开展创新性研究：首先，基于参数化的双曲距离函数，将ETFP的变动分解为能源价格诱导性技术进步、外生技术进步和技术效率变化三个组成部分，评估能源价格诱导性技术进步对我国ETFP变动的贡献程度及其时空分异特征；其次，系统解析能源价格诱导性技术进步的具体偏向类型，并演绎其在时序维度上的转换规律。

2 能源价格波动分析

详细分析能源价格的波动特征是深入研究其经济社会影响的重要前提[23]。鉴于煤炭、电力、石油三种能源消费量占据我国能源消费总量的90%以上，此处选用上述三种能源2006年1月至2014年4月的价格数据，采用金融领域常用的波动分析工具—ARCH类模型分析其价格波动特征。

2.1 ARCH与GARCH模型

Engle发现时间序列数据可能存在自回归条件异方差。同时，在外部冲击的影响下，这类方差通常在某一时段内呈现持续偏高或者偏低的现象，通常被称为波动聚类(Volatility clustering)现象。据此，Engle构建ARCH模型用于验证时间序列的异方差以及“波动性集聚”的存在性，具体方程如下：

Pt=πxt+εt

(1)

(2)

为避免ARCH(q)中q太大而损失样本容量，Bollerslev[24]提出GARCH模型，其基本思想是在ARCH模型基础上加上jt自回归部分，GARCH(q,f)的模型设定为：

(3)

2.2 煤、电、油价格波动分析

考虑到煤炭价格中电煤价格和非电煤价格之间长期存在差距，本文采用混煤4500～5000大卡动力煤的重点坑口价表示电煤价格，九级主焦精煤价格作为非电煤价格，电力和石油价格分别选用工业用电价格和93号汽油价格代表。在运行ARCH模型之前需要首先进行平稳性检验和残差序列的条件异方差检验，估算结果如表1所示。

表1 煤、油、电三种能源品种收益率的平稳性检验

注：***、**、*分别代表在1%、5%、10%的显著水平。

表1中ADF检验的结果表明：在包含常数项和时间趋势项条件下，电煤、非电煤、汽油和电力价格的收益率序列均在1%显著性水平下拒绝原假设，说明四种能源价格序列均是趋势平稳的。而关于各收益率残差的LM检验结果则显示，电煤、非电煤、汽油价格的收益率均存在显著的ARCH效应，且最佳滞后阶数分别为3、2、1。这一较小的滞后阶数证实三种价格收益率波动的持续性较弱。相反，由于电力价格收益率时间序列的LM检验结果不显著且ARCH项的最佳滞后阶数为0，表明样本期内该序列不存在ARCH效应。因此，下面仅对前三种能源价格序列进行ARCH类模型回归估计。结果如表2所示。

ARCH模型中均存在显著的参数b，表明样本期内，电煤、非电煤、汽油三种能源价格收益率都具有明显的波动集簇性。在电煤价格收益率的GARCH模型估计结果中c1>b1，表示其自身过去的波动对当期波动的影响大于外部冲击的作用，而b1+c1的值小于1，反映了前期外部冲击与其自身过去的波动将对当期收益产生的影响并不持久。而在非电煤价格收益率的GARCH模型估计结果中，b1显著大于c1，意味着外部冲击对本期波动造成的影响较大；b1+c1显著大于1，表明其综合冲击的影响会扩散。在汽油价格收益率的GARCH模型估计结果中c1

表2 煤、油、电三种能源价格序列的ARCH和GARCH模型估计结果

注：*、**、***分别代表在10%、5%、1%的水平下显著。

3 环境全要素生产率的测度及其分解

为便于评估多投入多产出生产技术的绩效水平，目前，大多数文献使用数据包络分析方法测度ETFP的变动，并将其分解为环境技术效率的变化和技术进步两个组成部分[25-29]。其中，少数研究尝试进一步将技术效率分解为纯技术效率、规模效率和配置效率三个部分[30]，而对技术进步分支进行深入探究的文献尚不多见。本文基于参数化的距离函数来构建ETFP变动的分解模型，解析能源价格诱导性技术进步对ETFP变动的综合影响。

3.1 双曲线距离函数的设定

为了构建更为科学准确的ETFP分解框架，本文参考Cuesta等[31]的做法，选用双曲线距离函数(DH)表征环境生产技术：

DH(x,yg,yb)=inf{θ>0, (x,yg/θ,ybθ)∈T}

(4)

其中，x为投入要素包括劳动力、资本、能源等；yg、yb分别为“合意”产出和“非合意”产出；T表示满足经济生产的一般性假设(如凸性、有界性等)的环境生产技术集。该距离函数是生产技术集T的替代表述形式，它定义了一个环境友好型技术前沿。处在前沿上的生产者使用现有技术水平，用给定水平的投入x，生产了最大的合意产出yg/θ，却产生了较少的非合意产出ybθ。标量θ表示为达到技术前沿，生产者的合意产出和非合意产出需要同时调整的比例。处于前沿上的生产者的θ值等于1；而对于非前沿上的生产者而言，其离环境技术前沿水平越近，θ就越接近于1。根据Farrell[32]对技术效率的定义，θ测度了生产者的环境技术效率得分，其取值范围为(0,1]。此外，对应于生产技术的一般性定理，该距离函数还满足一阶齐次性性质，即DH(x,yg/θ,ybθ) =DH(x,yg,yb)/ θ[33]。以下为方便叙述，将DH简写为D。

3.2 环境全要素生产率分解框架的构建

由于上述双曲线距离函数测度的是生产者的环境技术效率，在对其进行参数化设定的基础上，根据Diewert[34]提出的二次恒等式引理(Quadratic Identity Lemma)可以构建ETFP指数的分解框架。考虑到灵活性、易计算性等特点，此处选用超越对数函数形式。同时，为解析出能源价格诱导性技术进步对ETFP的影响，在模型中加入了能源价格变量。其函数形式具体设定为：

(5)

上式中，Di为第i个生产单元的双曲线距离函数，测度了其环境技术效率；时间趋势项t表征外生技术进步；PEi为能源价格；εi是白噪声的随机干扰项，εi～N(0，σε2)。α、β、ω、γ、δ、υ、η、τ、μ、κ、φ等均为待估参数，其中，参数γp和γpp反映了能源价格诱导性技术进步，与t相关的参数表示外生技术进步。同时，考虑到技术进步方向会呈现要素或者产出偏向特性，投入要素与能源价格交互项参数ηrp反映诱导性技术进步的要素偏向类型，而与时间趋势的交互项参数ηrt则表示外生技术进步偏向类型；与之相对应，各产出与价格项或时间趋势项的交互项参数则表征产出偏向。此外，这些参数之间满足以下约束条件：

根据二次恒等式引理，该距离函数的跨期变化(即相对技术效率的变动)可表示为：

lnDi,t+1-lnDi,t

(6)

依据增长核算法构建传统全要素生产率指数的思路，环境全要素生产率的变化(ETFPC)可通过所有产出的加权和减去所有投入加权和得到，即：

ETFPCt,t+1

(7)

上式中，用于对产出(或投入)进行加权的权重也为双曲线距离函数关于产出(或投入)的距离弹性值。ETFPCt,t+1表示跨期内某生产者ETFP的变动，其值大于、小于、等于0分别表示ETFP提升、衰退和相对停滞。将(6)式代入(7)式，可得到ETFPC的分解式，即：

(8)

此处，ETEC表征环境技术效率变化；PITC度量了能源价格变动所引致的距离函数的变化，其值大于零表示能源价格诱导环境技术前沿向前推移，即诱导性技术进步；ETC则反映了由于知识存量的积累所导致的前沿技术水平的移动，其正值说明外生技术进步。综上可知，ETFP的变动是环境技术效率变化、能源价格诱导性技术进步和外生技术进步三者综合作用的结果。

3.3 技术进步偏向类型的判定

能源作为一种重要的生产要素，其价格波动必定引起要素间相对价格的变化，从而导致技术进步发生一定的偏向。比如能源相对价格升高可能诱发节能型技术创新，也可能伴随着大气污染物排放量的减少，使得技术进步更偏向于环境友好型。此处借用Antle[35]的方法，测算能源价格诱导性技术进步的偏向类型。根据Antle的思路，价格诱导性技术进步的偏向可通过价格波动所导致的某投入要素(或产出)距离弹性份额的变化而得到。基于(5)式，第i种生产要素(或产出)的距离弹性份额可表示为：

4 数据来源与结果分析

4.1 数据来源

本文研究样本为1995年—2015年间中国大陆地区除西藏之外的30个省(市、自治区)。其中，投入要素包括资本(K)、劳动力(L)、能源(E)三种，分别用资本存量、从业人员数、能源消费总量来表示。需特别指出的是，为体现资本设备使用寿命的省际差异，在使用永续盘存法计算资本存量时，对各地区折旧率的取值不尽相同。“合意”产出用实际GDP衡量，而“非合意”产出用CO2、SO2排放量衡量。其中，CO2排放量是基于各省份历年所消耗的原煤、焦炭、汽油、煤油、柴油、燃料油与电力等7种能源品种的终端消耗量计算而得。能源价格(PE)使用各省(市)的燃料、动力煤价格指数来替代。上述基础数据取自于对应年份的《中国统计年鉴》、《中国能源统计年鉴》、《中国劳动统计年鉴》等。能源价格数据来源于各省(市)相应年份的统计年鉴。各省(市)SO2的排放量数据来源于《中国环境年鉴》。此外，为消除价格变动对结果所造成的影响，本文将所有涉及价格信息的指标统一调整为以1995年为基期。

4.2 参数估计及其结果分析

本文采用最大似然估计方法对(5)式中的相关参数进行回归估计。在此之前需要运用一阶齐次性性质对其进行变形。令双曲线距离函数中的θ=1/SO2，那么，其齐次性性质具体可表示为：lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it,1)=ln[SO2,it×DH,it(x,PEit,t, GDPit, CO2,it)]，在此情形下，距离函数可进一步变换为如下形式：lnSO2,it=lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it,1)-lnDH,it。该式右边第二项-lnDH,it即表示技术无效率部分，一般记作uit。遵循Battese和Coelli[36]的假设，令uit=e-η(t-T)ui。其中T为时间跨度(本文中为21)，ui～N+(μ，σu2)，η和μ均为待估参数。因此，本文最终的估计方程为：

lnSO2,it=lnDH,it(xit,PEit,t,GDPit×SO2,it,CO2,it/SO2,it)+uit。此外，为避免收敛性问题，本文采用各变量的几何平均值对相关指标进行了标准化处理。其参数估计结果如表3所示。

表3 双曲线距离函数参数估计结果

注：括号内为标准误；*、**、***分别代表在10%、5%、1%的水平下显著。

由表3可知，37个待估参数中有29个均通过显著性水平检验，其中在1%水平下显著的参数达到25个。同时，除劳动力变量外，其他所有变量的一次项系数均显著，且符号均与预期相吻合。具体来看，三个投入变量的参数α1、α2、α3均为负，对应于距离函数关于要素投入量的非增性性质，表明要素投入的数量越多，距离函数值DH越小，生产单元环境技术效率水平也就越低。实际GDP的一次项参数β1显著为正则显示经济产出越高，其技术效率也就越高。与之相反，两种“非合意”产出的一次项系数ω1、ω2均为显著的负值，说明大气排放物越多，生产者的环境技术效率水平越低。此外，能源价格PE的一次项系数γp为负，意味着就全国平均水平而言，能源价格的上涨并不利于环境技术效率的提升。另外，无效率项中的参数μ在1%的水平上显著不为0，表明大部分省区普遍存在技术无效率现象；在1%显著性水平，参数η的估计值为-0.021，拒绝了技术效率不随时间变动的假定，与模型设定时的预期相一致。综上来看，本文所选用的超越对数形式反映了实际生产情况，设定形式的科学性得到了较好的验证。

4.3 环境全要素生产率的变动及其分解

为呈现ETFP及其三个组成部分在时序维度上的演变特征，此处分别计算出历年所有省区ETFPC、ETEC、PITC与ETC的算术平均值，结果如图2所示。在整个样本期内，ETFPC均值为0.053，表明近20年来我国ETFP年均增长速率高达5.3%，与其他使用参数方法计算ETFP的结果基本一致[37]，但普遍高于非参数方法的计算结果[29]。从ETFP的动态演变趋势来看，其在整个样本期内大致经历了如下三个阶段：(1)1996年～1999年，ETFPC呈现持续下降趋势，由1996年的8%降低至1999年的5.5%；(2)2000年～2009年，ETFPC围绕5%的水平线呈现频繁的小幅波动状态。其可能的原因为，随着我国参与国际分工和竞争程度的不断深入，一系列国际先进的新型生产技术被陆续引进并推广使用，但与此同时也催生了钢铁、水泥、电解铝等高耗能行业的迅猛发展。此后，中央政府为遏制能源环境问题恶化对经济增长所造成的负面影响，于2006年开始实施了声势浩大的节能减排行动，并将其节能减排目标作为地方政府官员的重要考评指标。随着一系列具体措施的落实，企业对环境技术的关注度明显增强，进而使得ETFPC在2006、2007年两年出现迅速上升趋势，但随着环境政策边际作用的递减，从2008年开始ETFPC亦出现一定程度的回落；(3)2010年～2015年，ETFP再次呈现持续下降的特征，由2010年的6%左右降低至2015年的4%以下。

图2 中国ETFP的增长及其分解(1996～2015)

从ETFP的三个具体分支来看，在整个样本期内，ETEC、ETC、PITC的年度均值分别为2.48%、2.59%和0.22%，表明我国环境全要素生产率的提升主要源自于外生性技术进步(贡献份额为46.88%)和环境技术效率提升(贡献份额为48.96%)的双轮驱动，而能源价格诱导性技术进步的贡献则较为微弱(贡献度为4.16%)。从各组成部分贡献份额的演变趋势来看，2005年以前，外生性技术进步的贡献一直高于环境技术效率提升的作用，成为促进我国ETFP持续提升的重要力量；2006年之后，情况发生了逆转，环境技术效率提升的贡献逐步占据主导地位。此外，能源价格诱导性技术进步对ETFP的促进作用主要表现在2000年之前；2001年之后，该作用变得极其微弱，部分年份甚至表现为负。

4.4 能源价格诱导性技术进步的时空分异规律

为深入探讨能源价格诱导性技术进步对ETFP影响的具体变动特征，此处进一步考察这一作用的时空分异规律。首先，从时序维度上来看，2005年之前，PITC在所有年份均取正值(1998年除外)且呈现较为剧烈的波动状态，表明这一时期内能源价格波动诱导了环境技术前沿向前移动并有效促进了ETFP的提升，但该促进作用并不稳定。相反，PITC在2006～2012年期间均为负值，2013年之后再次转变为正并表现出逐年增加的趋势。究其原因不难发现，受国际能源市场冲击，2006年之后我国能源价格也呈现较为剧烈的波动状态；能源价格的巨大不确定性，在一定程度上对企业开展节能技术创新乃至环境友好型技术采用的积极性造成负面影响。然而，随着能源价格市场化改革的逐步推进，特别是能源价格在2009年之后步入稳中有升的阶段，企业开始逐步转向环境友好型技术的开发和广泛采用，最终导致ETFP的持续提升。

图3 能源价格诱导技术进步及其对ETFPC贡献率的动态演变(1996～2015)

其次，能源价格诱导性技术进步对ETFP的促进作用呈现显著的省际差异。PITC贡献率最高的省份依次为云南(14.77%)、河南(14.38%)、四川(14.13%)、黑龙江(11.03%)，其贡献度均在10%以上。与之相反，有七个省区的PITC贡献度为负值，包括宁夏(-9.92%)、内蒙古(-8.44%)、上海(-6.56%)、天津(-3.18%)、山西(-2.59%)、重庆(-0.59%)、广西(-0.12%)；这些地区的能源价格波动不仅未能对当地环境技术前沿移动产生积极影响，还在不同程度上限制了其ETFP的提升。结合上述两类地区的能源价格水平，我们发现一个有趣的结论，对于能源价格诱导性技术进步而言，平均能源价格居中地区(如河南、四川)的进步速率一般要高于价格偏高和偏低地区(如上海、天津，宁夏、内蒙古)的水平。这意味着能源价格波动诱导技术进步效应的发挥存在一个合理的价格区间，过高或过低的能源价格可能会降低企业进行环境技术创新的积极性，反而不利于环境TFP水平的提升。从具体政策实践来看，若考虑通过能源价格调控激励经济主体进行环境友好型技术创新，不同价格水平地区的调整策略应该有所偏颇。

图4 中国30省区PITC及其对ETFPC的贡献率

4.5 能源价格诱导性技术进步偏向类型

为探究能源价格诱导性技术进步的具体偏向类型，本文进一步计算出其在各年度的偏向指数，并按照国家“五年计划”的划分将整个样本期分为四个时间段。结果如表4所示：

表4 能源价格诱致性技术进步偏向指数计算结果

从要素投入方面来看，在整个样本期内，劳动力的偏向指数均值为负，而资本和能源的偏向指数均值均为正，表明能源价格诱导性技术进步总体上表现出资本和能源节约—劳动力使用型特征。具体分时段来看，PITC对劳动力的偏向指数在“九五”、“十五”、“十一五”期间均表现为负，而在“十二五”期间转变为正；表明样本期内能源价格诱导性技术进步在初期偏向于劳动力的使用，但随着2009年以后劳动力成本的大幅度上升，技术进步逐步转换为劳动力节约型。PITC关于资本和能源两要素的偏向指数的变化方向相对一致：在“九五”时期能源价格诱导性技术进步偏向于资本和能源节约，在“十五”和“十一五”时期则表现为资本和能源使用，在“十二五”时期再次转换为资本和能源节约型特征。导致上述转换过程的可能原因为：我国经济增长在2010年之后逐步步入结构性减速阶段，以经济发展方式优化调整为主要目标的战略安排导致经济增长对资本特别是能源的依赖程度开始减弱。

从产出侧来看，在整个样本期内，SO2的偏向指数均值为正，而GDP和CO2的偏向指数均值为负，表明能源价格诱导性技术进步总体上更多偏向于SO2的减排，但对CO2减排和GDP扩张的诱导作用并不明显。这与我国在2006年以来所开展的节能减排工作将SO2减排作为约束性指标有着直接的关系。

5 结语

作为人类社会赖以生存和发展的重要物质基础，能源对国民经济增长乃至人民生活的支撑作用逐步凸显，其价格波动所诱发的技术进步(包括其大小和方向)对宏观经济增长和环境质量改善的作用也日益突出。本文基于参数化的双曲线距离函数，将能源价格因素纳入环境全要素生产率(ETFP)的分析框架，识别能源价格波动影响ETFP的作用机理；随后，通过将ETFP变动分解为能源价格诱导性技术进步、外生性技术进步和环境技术效率变化三个组成部分，系统评估能源价格诱导性技术进步对我国ETFP变动的实际作用效果及其时空分异规律，并进一步解析该作用的具体偏向类型。本文主要研究结论可归纳如下：

(1)近20年以来我国能源价格诱导性技术进步的平均速率为0.22%，其对ETFP变动的平均贡献率约为4.16%；相对于外生性技术进步(46.88%)和环境技术效率改善(48.96%)两个分支而言，能源价格诱导性技术进步的作用相对比较微弱。

(2)从时序维度上来看，2005年以前，能源价格诱导性技术进步对ETFP的提升产生了持续的促进作用，但这一效果并不稳定；随后，受能源价格剧烈波动所影响，该作用表现出一定的时滞性，其对ETFP提升的促进作用在2013年以后才再次显现。从空间分布来看，能源价格诱导性技术进步对省际ETFP变动的影响存在着较为显著的区域差异。

(3)从要素投入侧来看，能源价格诱导性技术进步总体上表现为资本和能源节约—劳动力使用型特征。而从产出侧来看，该诱导性技术进步更多偏向于SO2的减排，但对CO2减排和GDP扩张的诱导作用并不明显。

本文尝试构建能源价格波动对经济增长和环境质量改善的综合效应分析模型，研究发现能源价格诱导性技术进步对我国ETFP提升的促进作用存在显著的时空差异；由此可见，根据不同区域能源价格水平及其波动状态，并结合当地的产业结构、经济发展阶段等因素深入分析能源价格的诱导性技术进步作用更为科学。同时，本文构建的模型并未考虑能源投入结构或供给结构变动对其诱导性技术进步的影响，这将是后续值得深入研究的方向。