孟凡生， 邹 韵

(哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150001)

0 引言

随着全球工业智能化过程的推进，能源供需与生态、环境之间的矛盾也逐渐显现。能源资源的有限性及化石能源的不可再生性都极大地制约了各国经济的可持续发展。能源效率是衡量一国经济发展质量的一个关键性指标，其直接影响经济发展方式的可持续性，是实现经济增长与环境保护双赢的重要抓手。中国作为能源资源供需大国，优化能源利用、提升能源效率是平衡能源发展与生态、环境间矛盾的有效途径，更是未来能源发展的努力方向。近年来，研究人员不断加强对各能源工业生产中环境、生态污染及破坏问题的重视，增加生态环境因素的能源效率、加入不良产出的能源效率研究蔚然成风[1]。生态能源效率是综合考虑了能源生产带来的社会、经济等期望产出和大气污染、水污染等非期望产出的生态环境规制下的能源效率。探索生态能源效率时空格局演化，分析地区间差异形成原因及趋势，为中国能源经济持续发展的推进奠定基础。

从现有能源效率研究来看，学者们从多个角度展开了探索。从空间收敛角度，Stern利用随机前沿模型对全球85个国度的能源效率进行分析，发觉这些被研究对象在加入了生态环境规制后的能源效率存在收敛性特点[2]。Fallahi F从人均能源消费角度出发，对1971～2013年间109个国家能源效率的收敛性展开实证分析[3]。Eder L等指出欠发达地区的生态能源效率具有收敛性[4]。中国学者运用收敛模型对中国30个省、自治区、直辖市能源效率的收敛性展开分析，研究显示全社会能源效率呈现阶段性变换，总体趋势由收敛至发散，引进外资是缩短各地能源效率差异较为及时、有效的措施[5]；产业转移对中国全国及各地区能源效率收敛水平的提升有较明显的促进作用[6]。从时间演化角度，孟凡生等指出2000～2011十二年间中国能源效率总体为上升趋势[7]。李双杰等研究中国2005～2015年间考虑生态环境影响的能源效率，结果表明研究期内中国能源效率呈“大幅提升—平稳发展—小幅下降”的演化过程[8]。李兰冰对生态全要素能源效率进行时间演化分析，指出中国能源效率的转型呈现“上升—下降—下降—回升”的演进态势[9]。从影响因素角度，能源效率的演变发展极易受到各种因素的联合驱动，经济发展程度、能源结构、开放程度、政府生态环境治理投资、产业结构、技术进步等是影响能源效率的关键要素[10,11]。经济开放、基础设施以及行业内部的技术和管理水平的提高对能效产生了积极的促进效果[12]。较低的技术水平成为中国各地区能源效率向更高水平发展的主要阻碍[13]，通过技术进步可以极大程度的提高能源效率，但不同技术进步路径对节能降耗绩效存在异质性[14,15]。随着研究的深入，学者们逐步考虑加入生态环境等非期望产出因素，完善能源效率的评价研究[16,17]。杨先明等用污染强度作为非期望产出指标，将生态与能源结合研究，认为生态环境是约束能源发展的重要因素，受生态环境发展要求的限制，能源效率的提高需要根据各地区具体情况，制定应对措施[18]。生态能源效率差异受时间和空间联合影响，只有准确把握生态环境政策对能源发展的冲击，同时仔细思量不同路径下生态能源效率演变过程的时空差异，才能实现能源效率和生态环境的均衡发展[19]。现有研究虽然已考虑能源产出过程中对生态环境的影响，从能源环境效率[20]、生态能源效率[21,22]等角度展开分析，但是，同时兼顾时间和空间双重视角对中国生态能源效率时空分布特征和演化趋势展开的研究较少，因而难以真正反映生态能源效率地区性差异的长期演变趋势，理论和实证研究相对匮乏。

基于以上分析，本文以中国大陆地区30个省、市、自治区为研究主体，探索不同地区在生态环境规制下的能源效率发展情况。在空间维度上，将空间演绎与收敛性分析相结合，运用空间收敛方法，分析中国四大地区生态能源效率的空间层面分布以及整体发展趋势。在时间维度上，将变化速度状态和变化速度趋势等速度特征作为思量重点，运用速度激励模型分析多时段内能源效率的动态演化情况。以期真实反映出中国生态能源效率的发展状况，为推动中国能源高效、清洁发展寻找途径。

1 数据、指标选取与方法

1.1 数据来源

本文数据主要来源于《中国统计年鉴》、《中国能源统计年鉴》、中国统计局网站等2007～2018年的统计资料。根据数据的权威性和可获取性原则，选取2006～2017年的面板数据进行研究，部分缺失数据采用插值法进行补齐。由于西藏地区的能源数据存在严重缺失，故选取中国大陆除西藏外的30个省市自治区作为研究对象，进行了生态能源效率时空演化，并对相应的影响因素进行分析。

1.2 指标选取

综合考虑能源生产过程中的社会经济效益和生态环境效益，对生态能源效率进行指标选取，如表1所示。

投入指标的衡量。学者们在柯布—道格拉斯生产函数基础上，提出了将能源作为生产过程中的一种要素。选择劳动力、资本和能源三种要素作为投入指标[23,24]。借鉴相关研究，本文的投入变量包括：能源投入(e)、劳动投入(l)和资本投入(k)。其中，能源投入指标为按发电煤耗法计算的中国各地区能源消费总量；劳动投入指标为燃料加工业、采矿业、电力、热力、燃气及水生产和供应业等能源生产相关行业年末就业人员总数；资本投入指标为年均固定资产投入和能源工业投资额。

产出指标的衡量。生态能源产出指标与一般能源产出相比，不仅要涵盖能源活动产出，还要涉及生态环境问题。因此，本文在已有研究基础上，选取社会保障水平、医疗卫生水平、地区GDP水平作为能源活动的社会经济效益产出(即期望产出)[25]。其中，社会保障水平项用养老保险参保比例取代；医疗卫生水平项用卫生技术人员占比表征；地区GDP水平项可直接在年鉴数据中查找。选取中国各地区二氧化硫排放、粉尘排放和废水排放等作为生态环境效益产出(即非期望产出)[16,18]，并运用PP模型对各产出指标进行测算，得出综合性产出指标。

影响因素的选取。生态能源效率受多种因素影响，为精准测度中国各地区生态能源效率水平以及相关因素的作用情况，本文选取经济发展水平、城市化水平、经济开放程度、产业结构、人口规模、能源投资、能源结构、交通基础设施、R&D投入作为变量[26～29]，测度和分析与中国生态能源效率相关的影响因素。其中，经济发展水平(ED)以中国各地区GDP的对数来表示；城市化水平(URB)用城镇人口占总人口比重来衡量；经济开放程度(OPE)通过外商投资企业进出口总额占地区GDP比重来表征；分别选取第二产业产值占地区GDP比重(PSI)、第三产业产值占地区GDP比重(PTI)作为产业结构变量；人口规模(POP)用各地区年末总人口数量来表示；能源投资(EFI)用国有经济能源工业固定资产投资衡量；通过煤炭消耗占能源消费总量比重来反映能源结构(ES)；用地区内公路、内河航道和铁路运营总里程衡量交通基础设施情况(TRI)；R&D投入(R&D)用规模以上工业企业R&D经费投入来表示。

表1 生态能源效率测度变量

1.3 研究方法

1.3.1 PP-SFA静态评价模型

投影寻踪模型(PP算法)适用于把多维空间数据通过某种组合运算等过程投影到低维子空间，借鉴文献[30,31]，结合本文特点，对各生态能源产出指标进行测算，投影指标y(i)t(即综合性产出指标)的测算公式如下：

(1)

随机前沿模型(SFA)通过极大似然等回归方法确认前沿边界，是具有符合扰动项的随机边界模型，该模型可以分析各种扰动非效率因素对生态能源效率的作用。应用SFA对生态能源效率进行研究时，函数的选取对测算过程和结果有直接影响[32,33]。超越对数生产函数因为具有足够的弹性和很好的包容性，能够较好的规避在测算之前因函数形式设置不准确而产生的估计误差[34]，用该模型研究生态能源效率在形式上更具有优势[35]。本文采用超越对数随机前沿模型，在估计结果无偏和有效的前提下测算生态能源效率及其影响因素作用程度，具体表达式为：

lnyi,t=β0+β1lnei,t+β2lnli,t+β3lnki,t+

β8lnei,tlnki,t+β9lnli,tlnki,t+vi,t-ui,t

(2)

mi,t=ξ0+zi,tξi,t

(3)

其中，yi,t表示第i个地区第t年采用PP模型测算的生态能源综合性产出；ei,t表示能源投入；li,t表示劳动投入；ki,t表示资本投入；β为待估参数；vi,t-ui,t表示误差项。影响因素函数为mi,t，zi,t表示影响技术无效率的变量；ξ0表示常数项；ξi,t表示生态能源效率影响因素的系数向量，该系数主要反映被测度因素对生态能源效率的影响程度。

1.3.2 收敛空间演化模型

空间β收敛反映了生态能源效率随时间的推移而变化的趋势，参照Sal-i-Martin[36]的研究，构建生态能源效率空间β收敛模型:

(4)

其中，ri,t表示第i个地区第t年的生态能源效率，T表示时间间隔，α是常数项，β是估计系数，ρ是空间误差系数，W是空间权重，εi,t是误差项。β<0说明在研究初期生态能源效率较低的地区未来的增长速度会更快，即存在β收敛。

1.3.3 速度激励时间演化模型

本文借鉴刘微微等[37]2013年提出的动态模型，构建速度激励的生态能源效率的时间演化模型，通过对中国生态能源效率在研究期内连续时间段的变化速度进行测算，分析中国各地区生态能源效率特定期限内的动态发展趋势。设在h+1个时期t1，t2,…,th+1对各地区Pi(i=1,2,…,n)的生态能源效率进行时间演化。Pi在tk时期静态生态能源效率水平为ri,k=ri(tk),(i=1,2,…,n;k=1,2,…,h+1)，Pi在[tk,tk+1]研究期间内的变化速度状态公式如下：

(5)

变化速度趋势模型：

(6)

其中，μi,k是Pi变化速度在[tk,tk+1]连续研究期间内的线性增长率，当tk=1时，μi,k=0；当tk>1时，μi,k=(vi,k+1-vi,k)/(tk+1-tk)。γ(μi,k)为单调递增函数，其值随μi,k的变化而变化。当μi,k→+∞，则γ(μi,k)→ε；当μi,k→-∞，则γ(μi,k)→0。由此可见，函数γ(μi,k)存在一个转折点，在转折点之前，γ(μi,k)的增长速度始终处于加速状态。

Pi在[tk,tk+1]时间内融合速度状态和速度趋势两种变化速度特征的动态时间演化函数：

(7)

(8)

2 实证分析

2.1 生态能源效率的测度及影响因素分析

根据PP-SFA模型原理，应用Froniter 4.1软件对2006～2017年中国大陆地区30个省、市、自治区的生态能源效率及其影响因素展开估计，估计结果详见表2，其中，单边LR检验估计效果较好；能源、劳动、资本三个投入变量的估计系数在1%的统计水平下显著；σ2和γ值分别在5%和1%的统计水平下显著，说明存在随机误差项和技术无效误差项，运用PP-SFA模型是合理的；LR值为245.272说明模型整体估计是有效的。

影响能源效率的因素纷繁多样，且在各种条件下的作用效果有所不同。部分影响因素在加入生态环境约束后对能源效率的影响方向也随之发生了变化。通过对影响因素进行分析，以期用科学的方法找出使生态能源效率得以提升的途径。表2中显示了各影响因素对生态能源效率的作用情况。

表2 PP-SFA估计结果

注：*、**、***分别表示在0.1、0.05、0.01水平下显著；影响因素的估计系数体现其影响程度，系数为正，其作用效果为负，反之则为正。

产业结构(PI)对生态能源效率有负面影响，且在5%的水平下显著。分别提高1%的第二产业产值占比和第三产业产值占比时，前者对生态能源效率的影响是后者的9.87倍。中国第二产业的发展不仅消耗更多能源，也造成更多的环境污染，第三产业在社会经济发展中贡献并没有第二产业明显，但考虑生态环境时较第二产业有优势。

城市化水平(URB)、经济开放程度(OPE)、人口规模(POP)和R&D投入的σ均小于0，且在1%的水平下显著。表明城市化水平、经济开放程度、人口规模和R&D投入与生态能源效率间均存在正相关关系。城市化进程和人口规模的增加促进了经济活动的聚集，有利于规模经济的产生，加速了地区生产技术的提高和清洁能源的推广、利用。城市化进程使居民生活水平和生活方式向高能效方向发展。经济开放对社会生产和资本流动起到促进作用，同时影响生产要素资源的优化配置。提高经济开放程度，增加经济活跃性，有利于对国外先进技术、设备和经验的引进；增加R&D投入则有利于中国各地区能源生产技术的创新发展，进而降低能耗，改善生态能源效率。

经济发展(ED)、能源结构(ES)、能源投资(EFI)和交通基础设施(TRI)与生态能源效率间均存在负相关关系，且在1%的水平下显著。说明中国依靠消费资源、环境带动经济发展的状况依然存在。能源结构方面，作为非清洁能源，煤炭通常能效低且污染大，煤炭消费占比的上升会降低生态能源效率。用工业固定资产投资来衡量能源投资，能源投资的增加，一方面，短时间内并不能带来能源产出的同比增长，另一方面，能源产出的增加，势必对生态环境造成负面影响，使得生态能源效率受到制约。交通基础设施的繁荣促进了地区能源经济的发展，但过度繁荣给地区废水、废气的排放带来负担，对各个地区的生态环境造成一定的破坏，不利于生态环境规制下的能源发展。

2.2 生态能源效率空间差异分析

2.2.1 静态生态能源效率结果分析

中国30个地区2006～2017年平均生态能源效率空间差异性显著(如图1所示)，东部的生态能源效率明显高于其他三个地区。从现阶段来看，中国生态能源效率依然处于中等发展水平，平均生态能源效率排名前5位的地区均位于东部地区，而生态能源效率排名后5位的地区除了山西省以外，其他均属于西部地区。北京、上海、江苏、浙江、广东等地区的生态能源效率明显高于全国平均值，这是由于上述地区的经济和技术实力雄厚，加之近年来地区的生态环境日益受到重视，在资源有序开发、能源合理利用、控制污染减排等方面的积极推进，促使了地区生态能源效率的提升。总体上，四大地区的生态能源效率具有“东部最高，中部次之，东北较低，西部最低”的分布特征，与中国省级经济发展呈现的“东高西低”格局相呼应。

图1 地区静态生态能源效率水平

2.2.2 空间β收敛分析

中国生态能源效率总体空间收敛趋势显著，能源利用有向清洁高效方向发展的趋势。本文将T值设定为1，运用公式(4)对中国静态生态能源效率水平进行空间β收敛分析。表3的回归结果显示，全国总体生态能源效率的空间收敛趋势明显，收敛系数在1%的显著性水平下通过了检验。而分地区间的生态能源效率差异较全国小，因此其收敛趋势不如全国明显。其中，东、西和东北部地区生态能源效率存在β收敛；而中部地区总体呈发散性，不存在β收敛。这表明全国范围内生态能源效率较低的地区通过技术的引进、能源结构、产业结构等的调整，与高能效地区的差距越来越小，而中部各地区的生态能源效率基本处于中国的中等水平，因此收敛性不显著。

表3 生态能源效率的β收敛检验

注：***、**、*分别表示1%，5%和10%的显著性水平。

2.3 生态能源效率时间演化分析

2006～2017年中国分地区生态能源效率整体呈U型变化，说明中国能源经济发展过程中，对生态环境的重视经历了从认识到实践、并从实践中找到新出路的过程。2007年底中国首次明确提出建设生态文明战略任务，制约了短期内生态能源效率发展，并在2013年前达到顶峰。十八大后，随着科研投入、技术创新、管理能力等多方面因素的进步，生态建设与能源发展在实践过程中达到内在统一、协调共生，使得生态能源效率逐渐回升。

图2 地区生态能源效率时间趋势

运用公式(5)计算出四大地区生态能源效率的变化速度状态，如图3所示。各地区在各阶段速度状态有正有负，说明在生态环境保护与能源经济发展双重标准下，中国生态能源效率速度变化具有多样性。12年间变化速度状态总体呈W型变化，说明中国生态能源效率变化速度呈波动变化，且2013年后有波动上升趋势。

图3 生态能源效率变化速度状态

根据公式(5)～公式(8)对中国30个省、市、自治区的静态生态能源效率水平展开动态分析，整体动态时间演化值如表4所示。大多数地区的动态时间演化值是负向，表明在强化生态文明发展大背景之下，中国生态能源效率的发展受到影响。北京、上海、河南、湖南、广东、广西、四川、贵州的动态时间演化值为正，综合来看除上海外，这些地区的动态时间演化值较低，表明生态环境约束虽然对上述地区的生态能源效率发展造成一定冲击，同时由于这些地区积极发展能源生产技术、积极落实能源优化发展战略，因此生态能源效率速度变化虽有疲软现象，但总体呈现增长趋势。

表4 地区动态生态能源效率水平

3 结论与建议

本文用PP-SFA模型、空间β收敛分析和速度激励模型，对中国大陆2006～2017年30个省、市、自治区的生态能源效率进行时空格局演化，并探讨其相关影响因素，主要结论如下：从影响因素角度来看，PP-SFA模型估计结果显示，经济发展情况对生态能源效率的影响最显著，经济开放程度、城市化水平、人口规模、R&D投入等因素的提高会对生态能源效率产生促进作用；从空间演化结果来看，中国四大地区的空间收敛性存在一定的差异，四大地区的生态能源效率具有“东部最高，中部次之，东北较低，西部最低”的分布特征，与中国地区经济发展过程中的地理分布局势相契合，且地区之间的生态能源效率差异呈波动上升趋势；从时间演化结果来看，2006～2017年中国生态能源效率的变化速度状态有正有负，并且随着时间的推进总体呈W型波动，生态能源效率高低变化经历了减速增长，加速下降，减速下降，平稳变化，加速增长等过程。

基于本文的研究，提出如下政策建议：第一，以生态优先为引领，实现能源经济稳步增长。以长期生态环境建设为条件，以新能源技术创新为支柱，加大新能源开发力度，实现新能源的大规模应用。在能源结构中提高太阳能、风能、生物能、核能等的比重，促进新能源产业的长足发展。第二，以技术创新驱动为导向，缩小省域之间的生态能源效率差距。鼓励地区间的技术交流，加强地区间技术援助，不断深化开放合作，扩大生态能源高效地区的辐射作用，串联相邻地区间的技术优势，从技术、资本和人才等角度对生态能源效率落后地区进行扶持。第三，以生态能源效率透明化为抓手，提升国民节能环保意识教育。生态能源效率提高是一个长期的过程，完善生态能源效率统计数据，明确信息公开流程及内容，全面普及能效意识，注重生态能源动态长期发展，不仅有利于生态能源效率变化速度的提高，也是促进中国社会、经济、能源和环境之间持续、长期、有效发展的关键出路。

提高生态能源效率不仅需要城市化发展、技术进步、产业结构调整、能源结构优化及相关政策措施支持，也需要各地区政府及民众的高度重视和共同努力。本文考虑生态能源效率各影响因素及作用情况，从时间、空间双重维度入手，为实现生态环境规制下能源效率的最优化发展提供理论依据。