于文慧 于文华

（西南石油大学经济管理学院，四川 成都 610500）

四川作为西部能源大省，在拥有丰富能源资源的同时，其存在的能源、社会、经济、环境问题一直是社会聚焦的重点。

从文献研究来看，研究西部能源效率的文章较多[1-4]，而单独研究四川省的较少。由于单独研究四川省能源效率影响因素的文献较少，且运用的模型类型不够丰富，所选择的影响因素不够全面，难以刻画出四川省能源效率影响因素的全貌，因此该论文选取多个影响因素和VAR模型进行拓展研究，以期达到抛砖引玉的作用。

1 变量选取

（1）能源效率（EF）

一般以单位GDP能耗来表示，单位为“吨标准煤/万元”，能源效率采用倒数的形式来表示，即国内生产总值与能源消费总量的比值来表示。首先对数据做预处理，以2005年为基年，计算真实GDP。

（2）能源消费结构（CER）

四川省清洁能源资源较为丰富，随着企业生产方式、居民生活方式的改革以及绿色发展理念的贯彻，清洁能源在能源消费结构中所占的比例也呈现上升的趋势。

（3）技术进步（R＆D）

采用研究与实验发展经费（R＆D）来表示。技术进步对能源效率的正面作用主要来自能源友好型技术的开发与应用, 负面作用则主要来自高能耗产业的技术进步“回弹效应”与路径依赖特征[5]。

（4）产业结构（IS）

采用第三产业占据第二产业比重来表示。根据“结构红利假说”假设，当能量要素投入自发地从低效部门流向高效部门时，每个部门的整体效率将得到提高[6]。

（5）外商直接投资（FDI）

外商直接投资可以间接通过竞争效应与示范效应提高东道主的能源效率，也可以通过技术溢出直接提高能源效率。

（6）GDP增长率（GDPR）

通过GDP增长率来作为解释变量，简单刻画经济发展水平与能源效率之间的相关关系。

数据来源为历年《四川省统计年鉴》，考虑到数据的完整性与连续性，时间跨度为2003年—2017年。

2 模型设定

主要采取以下模型：

（1）LnEFt=C+α1LnCERt+α2LnRDt+α3LnISt+α4LnFDIt+α5LnGDPRt+εt；

（2）LnEFt=C+β1LnISt+β2LnFDIt+β3LnGDPRt+γt。

3实证分析

3.1 回归分析

首先进行多元线性回归，来初步探讨这五个解释变量与被解释变量之间的相关性。首先进行对数化，消除可能存在的异方差，分析结果见表1。

表1 能源效率影响素因素多元回归分析

根据表1可知，通过置信度0.01的显著性检验的有四个变量，即LnIS、LnCER、LnGDPR和LnFDI，但是GDP增长率表现为负向相关，变量LnRD表现为不显著。样本决定系数为0.98，拟合效果好，F检验表明变量间呈现出高度线性。

表1 系统各部分程度运行路径情况表

结果表明，产业结构与能源效率呈现正向关系，产业结构优化一个单位，能源效率能提高0.59个单位，与实际情况相符。能源消费结构与能源效率也呈现正向相关关系，清洁能源消费占比提升1个单位，能源效率能提高0.2个单位。外商直接投资呈现正向效应，外商直接投资提升1个单位，能源效率能提高0.14个百分点。主要原因在于可以吸收来自国内国外的资金，能源损耗随之下降。GDP增长率相关系数为负数，表明当GDP增长率提升一个单位，能源效率会降低0.18个单位。这与四川省的经济发展模式有关，目前四川省正逐步从粗放式的生产方式转变为绿色高效的生产方式，但是经济增长速度与能源效率不匹配。第二经济高速发展带来的城镇化并没有带来能源效率的大幅度降低，再加上良好的生活能源消费习惯没有养成，导致城镇化的“人口红利”没有得到显现。最后，GDP指标只考虑经济总量的增长，而没有将经济发展对资源的使用状况考虑在内，并且没有剔除对环境和生态破坏这一因素，所以具有片面性。技术进步的P值为0.122 2，没有通过显著性检验。但是从实际情况来看，技术进步是提升能源效率的重要因素，可能原因是相比于全国，四川省在技术开发方面还主要依靠对外开放来获得，经费投入对提高能源效率的效果没有体现出来。

3.2 协整分析

3.2.1 单位根检验

接下来通过VAR模型来进行验证与能源效率之间的关系，排除掉技术进步变量，首先对数据进行对数化，消除可能存在的异方差。为避免伪回归，还需要进行单位根检验。首先通过Eviews9.0进行平稳性检验，检验结果见表2。

表2 平稳性检验

通过软件分析，可以得出五个变量原数据均不平稳，经过一阶差分后均拒绝原假设，即平稳，不存在单位根，并且都属于一阶单整，可以继续分析。

3.2.2 提前测试

由于数据获得性与事先检验，发现模型存在解释变量过多、时间序列短等问题，所以应当适当减少解释变量个数。通过多次检验，发现去掉能源消费结构变量后可以继续进行协整检验。

3.3 基于VAR模型实证分析

3.3.1 VAR模型

构建VAR模型的作用在于对时间序列系统的预测和随机扰动对变量系统的动态冲击，进而解释各种经济冲击对经济变量所造成的影响。构建VAR模型的前提条件是进行滞后期的选择，其确定滞后期的方法为比较AIC值和SC值[7]，具体结果见表3。

根据表3，综合考虑似然比检验、最终预测误差、AIC、SC、HQ信息准则结果，确定滞后阶数为一阶。

表3 向量自回归模型滞后期的确定标准

最终根据比较LR（似然比统计量）、AIC（赤池信息准则）和SC（施瓦茨准则）可以得出可以确定VAR（1）模型。模型估计结果见表4。

表4 VAR模型估计结果

3.3.2 脉冲响应函数

AR根图是检验能否进行脉冲响应的前提，通过AR根图检验，得到图1，发现所有点落在单位圆内，表明可以做脉冲响应。

图1 AR根图

图2、3、4给出了FDI、GDP增长率、IS对能源效率的冲击。从图2可以看出，当在本期给予FDI一个正向冲击后，EF在第一期为负，直到第三期才开始出现正向响应，之后开始稳定。这与实际情况相符，因为投资具有滞后性，具有一定的周期效应，并且外商直接投资具有强烈的政府主导特征，资源配置效率不高，所以就出现上述现象。后面开始出现稳定正向响应但是影响效果小的情况，有如下原因：首先经过一短时间后，FDI的作用开始显现，包括开发新技术，接受国外先进技术与人才、管理方式等等；再者四川清洁能源丰富，高新技术产业地区也处于快速发展时期，FDI可以显著提升能源效率；其次由于技术保护，跨国公司不会直接转移先进技术；最后四川省依旧存在对能源依赖程度较高、设备技术陈旧的企业，所以FDI对这些企业、地区的能源效率提高作用不大，拉低整体能源效率。

图2 FDI对EF的脉冲响应

从图3脉冲响应图可以得到，在地区生产总值增长率受到一个冲击后，能源效率从第一期开始受到的影响为0，之后达到最大值，然后下降，整个过程较平稳。首先GDP增长率表明经济的增长速度，社会进步必然会带来生产方式革命，实施清洁能源替代工程。再者地区生产总值的增加，从消费端和思想观念上提高能源效率。但是将地区生产总值用来描述社会环境是片面的，因为GDP剔除了生态环境等指标。综上，地区生产总值增长率对能源效率的影响才会出现上图现象。

图3 GDPR对EF的脉冲响应

从图4中可以看出，在一开始，能源效率就呈现出下降的趋势，并且在第七期达到最低值，而后冲击影响开始有所减弱，但一直呈现负向冲击。总体来看，由于本文设置的产业结构变量为第三产业占据第二产业的比值，也从侧面验证了第二产业与能源效率是呈现出正相关的。

图4 IS对EF的脉冲响应

4 政策建议

提高产业结构对能源效率的影响力，发挥第三产业降低能耗的优势[8]；扩大清洁能源消费占比是提高能源效率的重要举措，与其他产业比如农业、光伏产业甚至制造业相结合，最大限度提升能源效率；政府应为外商直接投资创造良好的金融环境，培养相关人才，放宽外商直接投资的准入条件，完善法律法规；不能唯经济数字为目标，要同时兼顾生态环境，实现能源效率与GDP同时高效增长。