经济发展和能源结构调整约束下中国政府投资决策问题研究

经济发展和能源结构调整约束下中国政府

投资决策问题研究

2016年，国务院办公厅、发改委分别发布了《能源发展战略行动计划》和《国家应对气候变化规划》，明确了2020 年中国能源发展的具体目标：到2020 年，一次能源消费总量控制在48亿吨标准煤左右，非化石能源占一次能源消费比重达到15%，在严峻的能源形势和环境压力下，中国将严格控制能源消费总量特别是煤炭消费总量，优化能源结构，加快发展风电、太阳能等非化石能源产业。同时在《十三五规划》中建议，进一步强调约束性指标管理，实行能源总量和强度目标双控；提出了中国经济保持中高速增长的目标，2020年国内生产总值要比2016年翻一番。在能源结构和经济发展的目标约束下，中国如何更好地进行投资决策成为一项重要内容。

经济发展与能源、科技、投资等均具有较为复杂的相互依存关系。赵进文、范继涛研究发现，中国能源消费与经济增长之间存在明显的内在结构依从关系，当GDP增长率不超过1804%时，经济增长对能源消费的影响具有相对稳定性[1]；反之，能源消费对于经济发展同样存在较大影响。鄢琼伟、陈浩的研究表明，G DP、能源消费与中国GDP 总量之间存在显著的协整关系，同时长期能源消费对

GDP 存在单向因果关系。[2]Kais 和Sami 对全球58 个国家的数据进行了研究，也证实了经济和能源消费的这种相互依存关系。[3]科技作为经济发展的重要驱动要素，是中国传统生产要素驱动经济增长的粗放式发展向集约式发展的核心动力，科技创新驱动经济发展是当前经济转型的主要任务。[4]唐未兵、傅元海研究了科技投入对经济增长集约化水平的影响，结果表明科技创新对于经济增长集约化水平具有正面作用，且这种正面作用随时间不断变化。[5]科技对经济发展同样具有区域差异。范柏乃等的研究表明，财政科技投入、R&D经费投入、R&D人员投入等因素对中国东、中、西部地区经济发展的作用差异较大。[6]在当前投资拉动型的经济发展模式下，地方政府投资行为对中国GDP 增长具有较大的促进作用[7]，对能源消耗同样具有较大影响。彭昱研究表明，政府在能源相关产业的投资能够显著降低能源消费强度，尤其在制造业中的能源相关固定资产投资，效果更为明显[8]。L uís Augusto Barbosa Cortez 等的研究[9]证实了彭昱的观点，巴西政府的投资决策同样对巴西的能源消费产生了长期的影响，不同之处在于巴西的投资主要倾向于能源消费中的科技发展。上述研究主要涉及经济、能源、科技、投资等不同指标的相互关系，能够为政府投资决策提供方向性的指导，但对于能源消费、经济发展等多种目标下投资决策的实现路径并未涉及。在

多种约束目標下如何进行投资决策的研究中，Yongbin Zhu、Z heng Wang研究了碳排放预算下的经济增长和排放控制的最优路径，提出了科技发展投资的合理路径[10]；朱永彬等以研发投资为减排手段，构建了最优经济增长和碳排放强度目标约束下的最优控制模型，提出了在减排目标和社会福利最大化目标下的最优研发投资路径及经济平稳增长路线[11]；潘见独等通过建立二阶随机模型，研究了制造业企业面对碳排放权交易价格不确定性时的减排科技最优投资路径和最优碳排放权交易量[12]；Bosetti 等在对能源技术细分的基础上，探讨了温室气体排放约束目标下的能源投资和R&D投资决策问题[13]。

多种约束目标下投资决策的相关研究主要集中于某一方面的投资决策优化问题，即针对经济、环境约束下的科技发展投资，未涉及不同种类投资间的相互替代关系，本文结合当前中国经济发展和能源结构约束，以科技、能源、固定资产投资等作为经济发展的主要影响因素，首先构建科技发展、非化石能源生产、全社会固定资产投资决策模型，在此基础上研究科技发展投资、非化石能源生产投资、全社会固定资产投资方面的投资决策问题，提出“十三五”期间中国能源结构约束和经济发展目标下的科技发展投资、非化石能源生产投资和全社会固定资产投资等政府投资决策的建议。

二、模型的建立

科技发展水平评价方法

由于科技水平是GDP的主要影响指标之一，也是本研究中生产函数的自变量之一，本文首先采用因子分析

联盟

法对中国历年科技发展水平进行评价，进而将评价结果T标准化值应用到生产函数中。科技发展水平评价具体步骤如下：

一是科技发展水平评价指标体系构建。科技发展水平评价指标采用章穗等构建的评价指标体系[14]，该体系包括科技产出、科技投入、科技对经济的影响、科技对社会的影响4类一级指标和24项二级指标。

二是利用因子分析法对中国历年科技发展水平进行评价。上述24项指标间是否存在相关性难以做出判断，本文选用因子分析法进行评价，获得中国科技发展水平历年评价结果，记为T。

三是标准化处理，获得科技发展水平评价值。由于科技发展水平评价体系需要对数处理，因此选用的标准化方法为：T*=T/min{T}。

生产函数构建与协整检验

三、中国科技发展与非化石能源生产的投资决策问题分析

相关参数核算

根据数据的可得性，模型选择2016年作为初始时刻，2020 年为终端时刻，即设t0=0，t f=6。模型初始时刻

和终端时刻固定，各变量均以2016 年值作为初始条件，以2020 年值作为终端条件，其中K、I、I B、u和v根据相关

约束条件确定，若无相关约束，则为终端自由变量。

在模型有关参数的测算过程中，有关价格的变量均以1978 年不变价格进行处理。首先采用1995—2016 年科技水平

评价指标体系各数据进行因子分析，样本的KMO检验值

为0791>07，适合采用因子分析方法，共获得5 个公因子，累计方差贡献率为9378%，根据因子载荷矩阵计算各年度

科技水平评价值T，标准化后为T*。采用1995—2016年GDP 数据和能源消费总量计算lnG-lnT*和lnE。资本存量K采用永续盘存法核算，有关K 的测算采用徐杰等人的方

法[17]，其中折旧率δK=884%，1995 年的资本存量为30649亿元，采用历年全社会固定资产投资数据计算lnK。

在此基础上对数据进行平稳性检验，结果见表1。表1显示，各项数据的原序列和一阶差分均不平稳，二阶差分平稳，即满足I。

比较logL、L R、F PE、A IC、S C和HQ准则推荐结果，取JohansenJuselius协整检验的原VAR 模型滞后阶数为2，因此协整检验的滞后阶数为1，J ohansenJuselius检验结