乔聪 张水平

摘要：随着我国经济的不断发展，环境污染问题日益严重，能源消耗量的不断增加以及较低的能源生產效率已经成为阻碍我国经济发展的问题之一。本文基于2010-2017年我国中部以及东北地区9省的面板数据，运用SBM-DEA以及DEA-Malmquist指数模型对其进行了能源效率进行了测算，整体上这9省的能源效率均处在较高的水平。在全要素能源生产效率上，有部分省份的能源生产效率的值大于1，说明全要素能源效率提升尤为显著，其主要原因为技术进步的推动。因此，为了能在一定能源投入的基础之上能够得到更多的产出效果，政府应当出台相应的政策，提高该地区的能源效率。

Abstract： With the continuous development of China's economy， the problem of environmental pollution is becoming more and more serious， the increasing of energy consumption and the lower efficiency of energy production have become one of the problems that hinder the economic development of China. This paper is based on the panel data of 9 provinces in central and northeast China from 2010 to 2017， and calculates the energy efficiency by using the SBM-DEA and DEA-Malmquist index models. On the whole， the energy efficiency of the nine provinces is at a high level. In all-factor energy production efficiency， the value of energy production efficiency in some provinces is greater than 1， which indicates that all-factor energy efficiency is especially improved. Therefore， in order to get more output effects based on a certain energy input， the government should issue corresponding policies to improve the energy efficiency of the region.

关键词：SBM-DEA模型;Malmquist指数;能源效率;全要素能源生产率;技术推动

Key words： SBM-DEA model;Malmquist index;energy efficiency;total factor energy productivity;technology facilitation

中图分类号：F224;F206                               文献标识码：A                                  文章编号：1006-4311（2020）27-0045-03

0  引言

我们国家在改革开放四十多年的发展后，经济总量已排在世界第二位，同时也成为世界经济发展的焦点，随着我国经济发展和对外开放的速度不断加快，能源的消耗量也在不断地增加，在2010年，我国的能源消耗量就已经超越美国，成为世界上能源消耗量第一大国。从《BP世界统计年鉴2018年》看出，我国的能源消费量较2017年增加了3.1%，已经连续17年位于国家能源消费增量的首位。虽然我国的能源消费量的水平多年位于世界前列，但能源的生产效率却远落后于一些发达国家。从世界银行有关能源生产的一些相关的统计数据可以看出，以2014年中国的能源生产率（2011年不变价购买力平价）为5.7美元/千克石油当量，而在同期美国、日本、英国分别为7.45、10.75、13.68美元/千克石油当量。从以上数据分析得出，中国的能源生产率和发达国家的能源相比还有较大的差距，较低的能源生产率给我国的经济发展带来了不利的影响，也就是说，要发达国家达到同样的经济发展水平，就必须消耗比其他发达国家更多的能源，但是，能源消耗量的增加势必也会导致更多的环境污染。因此，提高能源生产技术水平，提高能源生产效率，从而实现经济的可持续的发展[1]。

1  文献综述

由于我国日益增长的能源消耗量以及能源效率的低水平，近些年来，越来越多的专家与学者开始对能源效率方面的研究，通过实证研究来分析效率偏低的原因并且给出提高能源效率的建议。研究方法主要有Charnes（1978）等[2]提出的数据包络分析法（DEA）与随机前言函数法（SFA）。我国的一些专家与学者也运用了数据包络分析法与前言函数法对我国的能源效率进行了测度，其中Zhou[3]等在运用相同的DEA模型的条件下对不同环境下的能源效率进行了测度，并给出相应的结论与建议;曹琦[4]等以DEA模型为基础，结合2005-2012年的相关数据对我国的省际能源效率进行了测度，并且根据测度出的省际能源效率结果进行了分析，给出了相对应的建议。由于随机前言函数存在着无法处理多个投入与多个产出之间的问题，一些专家和学者为了能够更好地解决该问题，Zhou[5]等（2012）通过将Shephard距离函数与随机前言模型函数结合，从而能够很好地解决随机前言函数在进行能源测度时的问题。张水平[6]（2017）通过运用共同前言函数估算了中原经济区的环境效率。另外，为了更直观的分析出能源效率的影响因素，Hu和Wang[7]在传统的DEA测度方法的基础上衍生出了全要素能源效率，又称DEA-Malmquist指数方法。在对我国能源效率Li和Hu[8]通过上述方法的基础之上，运用相关数据与指标对我国30个省市的全要素能源效率进行了评价。李莞婕[8]等（2014）通过使用DEA-Malmquist模型对我国中部6省2000-2012年的能源效率进行了测算，结果发现，虽然近些年来随着经济的发展，我国的能源效率得到了很大的提升，但是，由于各地区发展的不平衡，各地之间的能源效率也存在着差异。屈小娥（2009）[10]借助DEA-Malmquist模型对我国30个省份的1990-2006年的全要素能源效率进行了实证研究，结果发现在经济发达的东部地区的全要素能源效率要高于中部与西部，同时也发现这一原因可能是受到的技术进步的推动。

从上述文献可以看出，目前有不少学者从面对能源效率的测度以及结果分析进行了探讨，目前的研究方法多基于DEA模型和Malmquist指数模型为主要的出发点，两种模型的侧重点也存在差异。DEA模型一般只能简单地计算出能源效率，但该模型的短板在于不能进一步对已经测得的能源效率进行进一步的分解。相比之下，Malmquist指数模型则能很好的解决这一问题，将能源效率分为技术进步、纯技术效率和规模效率，然后可以对每一个分解的因素进行分析。本文利用DEA模型和对我国中部以及东北地区的9个省份的2010-2017年的能源效率进行测度，然后运用Malmquist指数模型将全要素能源效率进行分解，分析影响不同地区的能源效率的因素以及存在差异的原因分析，给出相应的结论和建议。

2  实证分析模型

本文以能源的生产要素投入和产出两个角度来对我国中部与东北九省的全要素能源效率进行测算。Banker[11]等（1984）提出了计算变动规模报酬下的DEA方法。本文为了避免传统的DEA模型不能很好地处理非期望产出这一不足之处，在此借鉴了Tone[12]（2010）构建的模型SBM-DEA为基础，构建出本次实证研究的模型如下所示：

Fare等[13]（1992）通过使用Malmquist指数来计算能源效率，对各个地区的全要素能源效率，并根据所测算的全要素能源效率的结果进行分析。在此，本文以t期作为基准，构建了t到t+1时期能源效率发生变动的Malmquist指数模型，如下所示：

Mt=Dt（xt+1，yt+1）/Dt（xt，yt）

Mt=Dt+1（xt+1，yt+1）/Dt+1（xt，yt）

对上述两方程式取几何平均数为：

其中，（xt，yt）和（xt+1，yt+1）分别为t和t+1时期的投入和产出，Dt（xt，yt）和Dt（xt+1，yt+1）为距离函数;下标C表示规模报酬不变，V表示规模报酬可变;PECH为纯技术效率变化，SECH为规模效率的变化，TECH为技术效率变化。

3  实证分析

3.1 数据来源

本文选取了我国中部六省（内蒙古、山西、河南、安徽、湖北、江西、湖南）以及东北三省（辽宁、黑龙江、吉林）2010-2017年的指标数据作为本次实证研究的依據。以上相关数据来源为《中国能源统计年鉴》以及《中国环境年鉴》以及各省份的统计年鉴。

3.2 相关评价指标的建立

本文借鉴也一些学者在能源效率方面的研究思路。选取了当地的生产总值（GDP）以及二氧化硫的排放量作为本次实证研究的产出变量。以能源投入量、劳动投入量以及资本投入量作为投入变量。

①地区生产总值（GDP）作为衡量一个地区的经济发展水平与综合实力的指标，在本次实证研究中作为核心产出指标，并且以1990年为基期进行平减处理，单位为亿元。②二氧化硫排放量：本文采用SO2转化率乘以能源消耗量衡量SO2排放量，单位为万吨。以同期9个省份的二氧化硫的排放量为基准，对所得数据进行加工处理。③能源投入量：考虑到我国的能源消耗结构主要以基础能源煤炭为主，因此，本文选取了各地区煤炭消耗量作为能源投入量的衡量指标。单位为万吨标准煤。④资本量与劳动量的投入：在劳动投入量的指标选取上，通过以往文献的研究，在此选择了以各地区的就业人数来作为劳动投入量的衡量指标。单位为万人。在资本投入量的数据选择上，在此使用了众多学者在实证研究中常使用得“永续盘存法”来对资本投入量进行测算。单位为万元。

3.3 实证数据结果分析

为了能够更好的分析我国东北和中部地区9个省的能源效率，本文先利用SBM-DEA模型，也就是利用方程组分析出这9个省的能源效率。接着采用DEA-Malmquist模型测算出9个省份的全要素能源生产率，将全要素生产率进一步分解成为技术进步率变化、纯技术效率变化、规模效率变化。

3.3.1 基于SBM-DEA模型下测算结果分析

从表1的数据可以看出，在2010-2017年各地区的能源效率均值均在0.9以上，其中，在经济较为发达的中部地区，湖南省和江西省的能源效率平均值为1.000，处于研究样本区域的前列。另外，河南、安徽以及内蒙古地区的能源效率均值均处于0.950以上，同样处在相对较高的水平。湖北省的能源效率均值为0.910，处于中部地区的末位。以东北地区而言，黑龙江地区的能源效率的平均值高于辽宁以及吉林地区的能源效率的平均值。

从地区能源效率的截面数据来看，江西省和湖南省能源效率在2010-2017年间均为1.000，说明当地政府在经济发展的同时，也加大对提高能源效率的重视程度，注重对当地生态环境的保护。相反，排名相对靠前的内蒙古地区的能源效率在2015年至2017年开始逐年降低，原因可能是政府过于注重当地经济发展，加大能源消耗量的同时没有做到对能源的使用效率的重点关注。

无论是在所测度的9个省市中均值还是各年度的能源效率处于中下游的水平的为东北地区，以辽宁省的能源效率为例，在2016年，所测出辽宁省的能源效率为0.698，远远低于在同时期不同省市的能源效率以及辽宁省2010-2017年能源效率的均值。同样来看，以能源效率最高的江西省为分析对象，再结合该地区在2010-2017年各因素变量在这9省市之间所处的水平可以看出，一个地区的能源效率的影响因素并非完全取决于其发展水平，同时还与各地区对能源的利用和重视程度有着一定的关系。

3.3.2 基于DEA-Malmquist模型下测算结果分析

表2是在DEA-Malmquist模型的基础下测得的中部及东北9个省份的全要素能源效率及均值。从测得的数据可以看出，在2013年，所测得的9省的Malmquist指数除了内蒙古小于0.9之外，其余8个省的Malmquist指数均在0.9以上，可以说中部及东北9省全要素能源效率处在较高的水平。安徽省的技术进步指数虽在这9省中处在较高的水平，但由于纯技术效率相对偏低，使得安徽省的Malmquist指数小于1，低于同期9省的平均水平;而河南省的技术效率指数位于9省市中的首位，2013年的Malmquist指数看出，河南省的Malmquist指数排在首位，表明河南的全要素能源生产效率提升尤为明显，其主要推动力来源于技术进步的推动。

从2010-2017年的整体水平来看，中部及东北9省的Malmquist指数均在0.9之上，其中除辽宁、安徽和湖北三省的Malmquist指数小于1之外，其余6省的Malmquist指数均大于或等于1，另外，9省市的Malmquist指数的平均值为0.997，与1非常相近，也就是说，中部及东北9省的全要素生产效率整体上处在一个相对较高的水平。

4  对策及建议

本文在2010-2017年我国中部及东北地区9个省的面板数据的基础之上，分别使用了SBM-DEA模型与DEA-Malmquist指数模型对以上9个省份的能源效率以及全要素能源效率进行了测度分析。结果发现：①从DEA-SBM模型测得的结果来看，我国的中部以及东北地区9个省份的能源效率处在较高的水平上。其中湖南省与江西省的能源效率最为突出。另外，经济较为发达的中部地区，其能源效率无论是在年截面数据还是在均值方面普遍高于经济相对落后的东北地区。说明，能源效率的大小可能与经济发展相关，经济发展越发达的地区能源效率越高，经济发展落后的地区能源效率会相对偏低。②从Malmquist指数模型测得的9个省份的全要素能源效率的结果进行分析，可以看出，能源效率的高低主要取决于该地区的技术水平。在测算出河南省的2013年能源效率中能源效率為1.083，位于样本的首位，对其具体分析可以发现，河南省2013的技术水平也处在样本首位，说明了一个地区的能源效率的高低与该地区的技术水平有着密不可分的关系。

为了能够更好地提升能源效率，使得在一定能源投入的基础之上能够得到更多的产出效果，可以从以下几个方面来着手进行：①各地政府应该积极出台一些环保措施与政策，减少一些污染物的排放，这样不仅可以极大地改善环境，更有利于提高地区的能源效率。②加大在环保方面的资金投入，积极引进先进的生产技术，改善一些企业高污染、低产能的问题，提高该地区的能源效率。③对于一些节能环保措施执行到位的企业和单位，当地政府可以给予这些企业一些奖励措施。对于一些高污染的企业加大扶持力度，帮助其尽早改善存在的污染问题。

参考文献：

[1]陈海跃.中国区域能源效率及其影响因素分析——基于DEA-Malmquist模型[J].贵州财经大学学报，2017（06）：32-39.

[2]Charnes A， Cooper W W， Rhodes E. Measuring the efficiency of decision making units [J]. Eur J Oper Res， 1978， 2（6）：424-429.

[3]Zhou P， Ang B W， Han J Y. Total factor carbon emission performance： a malmquist index analysis [J]. Energy Econ， 2010， 32（1）：194-201.

[4]曹琦，樊明太.我国省际能源效率评级研究：基于多元有序Probit模型的实证分析[J].上海经济研究，2016（2）：72-81.

[5]Zhou P.， Ang B.W， Wang H. Energy and CO2 Emission Performance in Electricity Generation： A Non-radial Directional Distance Function Approach[J]. European Journal of Operational Research， 2012， 221（3）：625-635.

[6]张水平.考虑异质性技术的城镇化进程中环境效率及空间效应分析——来自中原经济区24个城市的面板数据[J].河南科技学院学报，2017，37（05）：66-71.

[7]Hu J L， Wang S C. Total-factor energy efficiency of regions in China [J]. Energy Policy， 2006， 34（17）： 3206-3217.

[8]Li L B， Hu J L. Ecological total-factor energy efficiency of regions in China[J]. Energy Policy， 2012， 46： 216-224.

[9]李莞婕，徐莉，葛涛.基于DEA-Malmquist指数的中部六省能源效率分析[J].科技和产业，2014（12）：101-105，151.

[10]屈小娥.中国省际全要素能源效率变动分解——基于Malmquist指数的实证研究[J].数量经济技术经济研究，2009（8）：29-43.

[11]Banker R D.，Chames A.，Cooper W.W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science.1984，30（9）：1078-1092.

[12]Tone Kaoru，M.Tsutsui.Dynamic DEA： Alacks-based Measure Approach[J].Omega.2010（ 38）：145-156.

[13]Fare R.，Grosskopf S.，Tyteca D. An Activity Analysis Model of the Environmental Performance of Firms： Application to Fossil-fuel-fired Electric Utilities[J].Ecological Economics.1996，18（2）：161-175.

作者简介：乔聪（1996-），男，安徽亳州人，在读硕士，研究方向为绿色金融、能源金融;张水平（1974-），男，安徽望江人，副教授，博士，研究方向为区域经济、环境经济。