碳排放约束视角下的全要素能源效率及影响因素研究

碳排放约束视角下的全要素能源效率及影响因素研究
摘要：基于1993～2011年我国29个省（市、区）的省级面板数据，对我国各省域的全要素能源效率进行测度，发现我国不同地区的能源效率存在较大差异，东部地区全要素能源效率最高、中部地区次之、西部地区能源效率最低。

全要素能源效率影响因素的实证检验结果表明：产业结构和经济规模对能源效率具有显著的促进作用；随着我国经济的快速发展、第三产业比重的提高，我国能源效率将趋于下降；对外开放和交通基础设施对能源效率影响为负，“污染天堂假说”得到验证；资源禀赋对能源效率影响为负，但不显著，“资源越丰裕地区能源效率越低”命题并不稳健。

关键词：碳排放；全要素能源效率；Malmquist指数
DOI：10.13956/j.ss.1001-8409.2015.04.16
中图分类号：F205 文献标识码：A 文章编号：1001-8409（2015）04-0071-04
Research on Total Factor Energy Efficiency and Its
Influencing Factors under Carbon Emission Constraints Perspective
LI Qiang1，2，WEI Wei2
（1.School of Economics and Management，Southeast
University，Nanjing 211189；
2.School of Business Administration，Anhui University of Finance and Economics，Bengbu 233030）
Abstract：The paper measures the total factor energy efficiency based on Chinese provincial panel data of 29 provinces （city，area）from 1993 to 2011 using DEA model. Result shows that：there is great difference in different parts of the energy efficiency in China，the total factor energy efficiency of eastern region is highest，the second is the central region，the last is the western region. The empirical results of the total factor energy efficiency influencing factors show that：industrial structure and the size of the economy plays a significant role in promoting energy efficiency，it also means that with the rapid development of economy in our country，the higher the proportion of the tertiary industry，the energy efficiency in China will decline；Open to the outside world and transportation infrastructure have a negative influence on energy efficiency，it verifies “the hypothesis of pollution haven”；resources endowment effect on energy efficiency is negative，but not significant，“the more resource abundance lower regional energy efficiency”proposition is not steady.
Key words：carbon emissions；total factor energy efficiency；Malmquist index
1引言
改革开放以来，我国经济发展迅速，年均经济增长率近10%，但能源短缺和能源利用效率不高是制约我国经济快速发展的重要因素。

数据显示，2011年我国已成为全球第一大能源消费国、第一大煤炭消费国和第二大石油消费国[1]，随着我国经济发展对能源需求的不断增加，能源资源供需矛盾日益突出，能源利用效率不高和能源消费结构不合理是我国当前能源消费中遇到的突出难题。

在2009年11月召开的哥本哈根全球气候峰会上，中国政府承诺到2020年实现单位GDP二氧化碳排放比2005 年下降40%～45%的减排目标。

因此，我国的能源消费面临着满足经济增长和降低能耗的双重压力，提高能源利用效率迫在眉睫。

国内外学者对能源利用效率及其影响因素做了大量研究，现有文献的研究结果表明我国能源利用效率总体偏低但处于持续稳定上升的趋势。

综合来看，现有文献主要从以下三个方面展开研究：①能源效率测度研究。

单要素能源效率和全要素能源效率是当前学界测定能源效率的主要方法，其中因素分解法在单要素能源效率测度方面应用较广，但自Hu 和Wang构建全要素能源效率测定框架[2]以来，全要素能源效率方法得到广泛应用，并有学者将环境污染视为经济发展
的非合意产出引入到全要素能源效率评价模型中[3]。

②能源效率收敛性研究。

有学者的研究表明，我国不同地区的能源效率差异是收敛的[4]，也有学者的研究结果显示，我国不同区域能源效率的收敛性存在差异[5]。

③能源效率的影响因素。

大量文献研究了技术进步、结构调整、市场分割、能源价格、能源政策等因素对能源效率的影响[6～10]。

现有学
者的研究为本文的进一步研究提供了有益的借鉴。

本研究将环境污染作为一种非合意产出纳入到全要素能源效率的计
算模型中，对碳排放约束下我国的能源效率进行测算并分解，在此基础上，基于我国29个省（市、区）1992～2011年省
级面板数据，实证检验我国全要素能源效率的影响因素，从而为提高我国能源效率提供有益的政策建议。

2全要素能源效率测度
本文运用包络分析（DEA）、采用投入导向的规模报酬不变的MalmquistDEA生产率指数[11]来测度我国各地区的全要素能源效率。

投入指标选取方面，除了劳动和资本之外，将能源消费作为投入指标引入到模型中来。

总产出分为两种，即合意产出（GDP）和非合意产出（环境污染）。

21数据说明
本文选取1992～2011年我国29个省（市、区）数据为样本，其中重庆数据并入四川，西藏由于缺少多年能源消费数据而被排除在外。

具体指标选取如下：
（1）投入指标。

①劳动力（L）。

劳动投入用各省（市、区）的年末就业人数表征（单位：万人）。

2011年劳动力投入数据计算方法如下：用各地区2010年从业人员数乘以1990～2010年各地区从业人员年均增长率得到。

②能源消费（R）。

用各省（市、区）能源消费总量来表征（单位：万吨标准煤），四川、湖南等省份的能源消费缺失数据根据各地区统计年鉴进行补齐，有些省域部分年份数据缺失采用前后两年的平均数予以补齐。

③资本存量（K）。

资本存量选用普遍采用的永续盘存法来进行核算，计算公式为：
Kit=Kit-1（1-δit）+Iit（1）
其中，Kit表示i省在第t 期期末的固定资本存量；Iit
表示i省在第t 期的固定资本投资额，即新增固定资本；δit为固定资本的经济折旧率。

Iit用全社会固定资产投资额表示，固定资本的经济折旧率参照张军等（2004）的做法，选取96%。

张军等（2004）的研究中报告了基于1952年价格和基于2000年价格测算的2000年资本存量数据，这样可以把基于1952年价格计算的1990年资本存量数据换算成基于2000年价格数据，然后根据各省（市、区）1990年和2000年的价格指数将其换算成基于1990年价格的1990年资本存量数据。

1990～2011年各省（市、区）的资本存量数据根据式（1）计算得到，单位为亿元。

（2）产出指标。

①合意产出（Y）。

总产出用各省（市、
区）的地区生产总值（GDP）表征，并以消费价格指数进行平减（1990年为基期），单位为亿元。

②非合意产出（E）。

环境污染测度方法有很多，本研究采用工业废气排放量来表示非合意产出（环境污染）。

各变量定义及对数据的描述性统计见表1所示，并采用Deap21软件测算得到各省（市、区）的全要素能源效率指数。

22结果分析
我国29个省（市、区）全要素能源效率测算结果呈现以下特点：①1993～2011年期间我国不同省域的能源效率差异较大，其中北京、天津、上海、浙江、安徽等地的全要素能源效率较高，其能源效率的均值在1以上；海南和青海两省的能源效率最低，其能源效率的均值在09以下，此外，湖北、湖南、广西、四川、云南和甘肃等地的能源效率也不高，其能源效率的均值在095以下。

②从区域层面来看，东部地区的能源效率最高，各省域能源效率均值为098；其次是中部地区，各省域能源效率均值为097；最后是西部地区，各省域能源效率均值仅为095。

③从时间层面来看，1993年的能源效率最高，29个地区能源效率的均值达到14，其中有27个地区的能源效率均处于前沿线上，这可能与1992年邓小平南巡之后的市场经济改革制度有关。

此外，1999年、2000年和2010年的能源效率也较高。

3影响因素研究
31计量模型设定
为进一步探讨全要素能源效率的影响因素，结合面板数据的特点，建立如下计量模型：
EEit=A+β1Zit+ui+εit（2）
其中，i代表省际截面单元，t表示年份。

被解释变量中EE为全要素能源效率指数，Z为全要素能源效率的影响因素，ui用于控制不同省份的固定效应对经济增长的影响，A为常数项，ε为随机扰动项，βi为待估参数。

32变量设定
根据相关理论及现有学者的经验研究，本文主要考量产业结构、资源禀赋、对外开放、经济规模和交通基础设施对全要素能源效率的影响。

（1）产业结构。

第二产业占GDP的比重和第三产业占GDP的比重是现有文献表征产业结构的两种主要方法，本研究选用第二种方法，即用各省（市、区）第三产业产值占GDP 比重来表征产业结构。

（2）资源禀赋。

参考李强和徐康宁的做法，用各省（市、区）采掘业从业人员占从业人员总数的比重来表征资源禀赋[12]，用NR表示。

（3）对外开放。

进出口贸易的快速发展是影响我国能
源消费快速增长的重要原因，也会对我国能源效率产生影响。

用进出口贸易总额占GDP比重表征各地区的对外开放，并根
据每年人民币兑换美元汇率进行换算。

（4）经济规模。

经济规模用各省（市、区）的地区生产总值（GDP）表征，以1990年为基期运用消费价格指数进行平减，单位为亿元。

（5）交通基础设施。

交通基础设施也是影响全要素能源效率的重要因素。

本文采用交通基础设施密度表征交通基础设施，用各地区铁路里程、内河航道里程和等级公路里程之和除以其国土面积得到，用INF（亿千米/平方千米）表示。

33数据来源及说明
本文以我国1993～2011年省级面板数据为样本，西藏由于缺少多年数据而被排除在外。

考虑到行政区划的变动，重庆数据并入四川。

因此，本文的实证研究数据包括29个截面单元19年的时间序列数据，共计551个样本观测值，数据来源于《中国能源统计年鉴》、《中国统计年鉴》和《新中国60年统计资料汇编》。

文中的数据处理在STATA 12软件中完成，各变量的描述性统计见表2所示。

34计量检验
341初步的估计结果
表3中模型（1）至模型（4）全要素能源效率影响因素的实证检验结果表明：模型（1）、模型（3）应采用固定效应模型进行估计，模型（2）、模型（4）应采用随机效应模型进行估计。

模型（4）回归结果显示，产业结构对能源效
率影响显著为负，表明第三产业比重越高，能源效率越低。

对外开放和交通基础设施系数显著为正，表明进出口贸易的快速发展和交通基础设施的改善有利于提高能源效率。

此外，资源禀赋系数为负，经济规模系数为正，但都不显著。

342考虑内生性的动态面板估计结果
本研究中的被解释变量全要素能源效率指数来源于DEA 方法测算的Malmquist指数，模型中的经济规模等解释变量与全要素能源效率之间具有较高相关性，这就可能引致内生性问题。

因此，实证研究之前有必要对模型的内生性进行检验，如果模型存在内生性问题，那么模型估计结果将可能会发生向上或向下偏倚。

这种情况下，采用广义矩估计方法进行估计可能更为合适。

为此，本文首先采用DurbinWuHausman方法对模型（1）至模型（4）进行检验，其原假设为模型不存在内生性问题，得到检验统计量分别为1603、1943、28和2707，并且在1%的显著性水平上拒绝原假设，表明模型中确实存在内生性问题。

因此，采用差分GMM方法对模型进行再估计，并将解释变量的一阶滞后项
作为其工具变量。

表3中模型（5）至模型（8）最后三行报告了GMM估计自回归（AR）检验和过度识别的约束检验结果，结果显示，AR（2）和Sargan检验值的伴随概率值均大于01，表明所有工具变量均有效，扰动项也不存在二阶自相关，表明模型（5）至模型（8）采用差分GMM方法进行参
数估计是有效的。

表3中的模型（5）至模型（8）和模型（1）至模型（4）估计结果表明，大量解释变量系数的符号和显著性均发生变化，表明内生性使得静态面板模型估计产生结果存在较大偏误。

[13]
这里重点报告模型（8）的估计结果。

结果显示，产业结构系数为正，并在1%显著性水平上显著，表明第三产业比重越高，全要素能源效率越高，我国能源效率将趋于下降。

经济规模系数显著为正，表明随着我国经济的进一步发展，经济总量持续扩大，我国能源利用效率趋于下降，也意味着我国能源利用效率具有较大的上升潜力。

对外开放对能源效率具有显著的负向影响，表明进出口贸易发展越快，能源效率越低，“污染天堂假说”得到验证，依靠“中国制造”来推动我国经济的发展不具有可持续性，转型与升级成为我国发展外向型经济的必然趋势。

资源禀赋系数为负，但不显著，“资源越丰裕地区能源效率越低”命题并不稳健。

值得注意的是，交通基础设施系数显著为负，交通基础设施的改良并不利于提高我国全要素能源效率。

4研究结论及政策建议
我国的能源消费面临着满足经济增长和降低能耗的双
重压力，提高能源利用效率迫在眉睫。

本文基于1993～2011年我国29个省（市、区）的省级面板数据，首先对我国各省域全要素能源效率进行测度，发现我国不同地区的能源效
率存在较大差异，其中北京、天津、上海、浙江、安徽等地的全要素能源效率较高，而海南和青海两省的能源效率最低；东部地区全要素能源效率最高，其次是中部地区，西部地区能源效率最低；样本期间内1993年能源效率最高，这可能
与1992年邓小平南巡之后的市场经济改革制度有关。

其次，实证检验了我国全要素能源效率的影响因素，发现产业结构对我国全要素能源效率具有显著的促进作用，表明第三产业比重越高，全要素能源效率越高，我国能源效率将趋于下降。

经济规模系数显著为正，表明随着我国经济的进一步发展，经济总量持续扩大，我国能源利用效率趋于下降，也意味着我国能源利用效率具有较大的上升潜力。

对外开放和交通基础设施对能源效率影响为负，“污染天堂假说”得到验证，
也表明依靠“中国制造”来推动我国经济的发展不具有可持续性，转型与升级成为我国发展外向型经济的必然趋势。

资源禀赋系数为负，但不显著，“资源越丰裕地区能源效率越低”命题并不稳健。

基于本文的实证研究，提出以下政策建议：
（1）加快转变经济增长方式，经济发展逐步实现从依
赖初级生产要素向更多依靠高级生产要素（如技术进步、创新）转变。

改革开放以来我国经济的高速增长在很大程度上得益于进出口贸易的快速发展，本文的实证研究表明，这种外向型经济的发展是降低我国能源效率的重要因素。

因此，
为实现我国经济的可持续发展，提高能源效率，应从根本上扭转我国经济发展中的要素投入模式，加快转变经济增长方式。

（2）降低石化能源消费比重，加大可再生能源开发力度，优化我国能源消费结构。

我国能源消费总量中，石化能源消费比重占比达到90%左右，其中利用效率较低的煤炭消费占比更是高达70%左右，因此，能源消费结构不合理是影响我国全要素能源消费的重要因素。

为此，应着力加速我国能源结构调整，在降低石化能源消费比重的同时，加快太阳能、风能、核能和生物质能等新能源产业发展，通过调整我国能源消费结构进而提高全要素能源效率。

（3）在制度层面，应强化市场对资源的优化配置作用，逐步放松对能源市场的管制，取消对能源勘探、开发、生产和销售活动的市场准入限制，引导与鼓励资源在区域间的合理流动，提高能源使用效率。

另一方面，应着力建立我国东中西部地区之间能源使用技术的信息共享机制，促进中西部地区学习东部地区先进的能源使用技术和管理理念，实现东部与中西部地区能源效率的共同提高。

参考文献：
[1]李强，魏巍.国际资源供求现状、走势及对我国的影响――基于“页岩气革命”的思考[J].北京社会科学，2014（7）：121-129.
[2]Hu Jinli，Wang Shichuan.Totalfactor Energy Efficiency of Regions in China[J]. Energy Policy，2006，34（17）：3206-3217.
[3] Fre R，Grosskopf S，Pasurka A. Environmental Production Functions and Environmental Directional Distance Functions[J]. Energy Policy，2007，32：1055-1066.
[4]齐绍洲，罗威.中国地区经济增长与能源消费强度差异分析[J].经济研究，2007（7）：74-81.
[5]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.
[6]孙广生，等.全要素生产率、投入替代与地区间的能源效率[J].经济研究，2013（9）：99-112.
[7]魏楚，沈满洪.能源效率与能源生产率：基于DEA方法的省际数据比较[J].数量经济技术经济研究，2007（9）：110-121.
[8]师博，沈坤荣.市场分割下的中国全要素能源效率：基于超效率DEA方法的经验分析[J].世界经济，2008（9）：49-59.
[9]樊茂清，等.能源价格、技术变化和信息化投资对部门能源强度的影响[J].世界经济，2012（5）：22-45.
[10]林伯强，蒋竺均，林静.有目标的电价补贴有助于能源公平和效率[J].金融研究，2009（11）：1-18.
[11]李强，等.国际资源依赖与经济增长方式转变――基
于跨国面板数据的经验分析[J].世界经济研究，2014（9）：3-9.
[12]李强，徐康宁.资源禀赋、资源消费与经济增长[J].产业经济研究，2013（4）：81-90.
[13]魏巍，李强.人力资本积累、经济增长与区域差异――基于省级面板数据的经验分析[J].软科学，2014（1）：49-53.
（责任编辑：何彬）。