我國能源效率、CO2減排潛力及影響因素分析

曾賢剛(中國人民大學(xué)環(huán)境學(xué)院,北京 100872)

我國能源效率、CO2減排潛力及影響因素分析

曾賢剛*(中國人民大學(xué)環(huán)境學(xué)院,北京 100872)

基于DEA方法構(gòu)建出一個包含CO2排放量的綜合能源效率指標(biāo),運(yùn)用2000～2007年省級面板數(shù)據(jù)計(jì)算了我國30個省市的綜合能源效率,并使用Tobit模型分析了該綜合能源效率的影響因素.研究表明:全國能源效率最高的4個省市分別為上海、廣東、海南和青海,該結(jié)果與不考慮CO2排放的能源效率計(jì)算結(jié)果有所差異;我國各省區(qū)CO2減排潛力呈現(xiàn)出5種變化趨勢,包括基本不變、先降后升、先升后降、穩(wěn)定上升、穩(wěn)定下降,其中減排潛力較大的為山東、山西、河北、遼寧4省;我國政府影響力、對外開放程度對能源效率影響顯著,產(chǎn)業(yè)結(jié)構(gòu)、環(huán)保力度對能源效率影響不顯著,此外技術(shù)進(jìn)步指標(biāo)由于難以正確的衡量,其對能源效率的影響還難以說明.

DEA；能源效率；CO2排放；Tobit模型

Abstract：Based on the DEA approach, this paper estimates a comprehensive energy efficiency indicator which incorporates CO2emission for 30 provinces/cities in China using the panel data from 2000 to 2007, and then investigates its determinants by employing a Tobit model. The estimation results show that the four provinces with the highest energy efficiency in China are Shanghai, Guangdong, Hainan and Qinghai, which is different from the energy efficiency estimation that does not take into account CO2emissions. The reduction potential of CO2emission in these provinces shows five kinds of trends, including the basically unchanged, up after going down, down after going up, steadily rising, and steadily declining. The provinces which have high potential for emission reduction are Shandong, Shanxi, Hebei and Liaoning. The government’s expenditure and the opening degree have a significant influence on energy efficiency, while the industry structure and enforcement of environmental protection aren’t closely related with it.The impact of technology progress cannot be clearly identified for lacking of appropriate measurement.

Key words：DEA；energy efficiency；CO2emission；Tobit model

我國當(dāng)前的能源形勢十分嚴(yán)峻,一方面能源需求量日趨增加,供需矛盾凸顯;另一方面由于能源生產(chǎn)和消費(fèi)所產(chǎn)生的溫室氣體對全球氣候的影響越來越引起人們的關(guān)注.為了實(shí)現(xiàn)可持續(xù)發(fā)展,我國政府在“十一五”規(guī)劃中就明確規(guī)定了單位GDP能耗降低20%的約束性指標(biāo),而且在2009年11月25日,我國政府又確定到2020年我國單位GDP二氧化碳排放比2005年下降40%～45%[1],并作為約束性指標(biāo)納入國民經(jīng)濟(jì)和社會發(fā)展中長期規(guī)劃.為了實(shí)現(xiàn)節(jié)能減排目標(biāo),提高能源效率已經(jīng)成為當(dāng)前非常緊迫的任務(wù).

目前,國內(nèi)外關(guān)于中國能源效率的研究有很多,其中大多數(shù)都是基于能源消耗強(qiáng)度比較及其變動的因素分解分析[2-7].這是一種單要素的能源效率方法,沒有考慮到能源與資本、勞動等要素之間的替代性.為了彌補(bǔ)這一缺陷,基于生產(chǎn)函數(shù)的多要素能源效率方法得到了應(yīng)用.這一方法又分為非參數(shù)法和參數(shù)法,典型的非參數(shù)法如數(shù)據(jù)包絡(luò)分析(DEA),參數(shù)法如隨機(jī)前沿函數(shù)法(SFA).與SFA相比,DEA更適合于在多要素生產(chǎn)函數(shù)理論框架下計(jì)算某種投入要素的利用效率.運(yùn)用DEA方法研究能源效率問題一般圍繞行業(yè)層面和區(qū)域?qū)用鎯蓷l線索展開,具體分析各個行業(yè)或各個區(qū)域的能源效率差異、節(jié)能減排潛力及其影響因素[8-14].這種方法依靠線性規(guī)劃技術(shù)鎖定最優(yōu)的決策單元(DMUs),可以系統(tǒng)地測度和比較各決策單元的能源效率.但是目前運(yùn)用DEA方法進(jìn)行的能源效率研究仍然存在一些問題.一方面,對于能源效率的概念缺少統(tǒng)一標(biāo)準(zhǔn),而且其評價指標(biāo)本身也存在一定缺陷,由此導(dǎo)致各種研究計(jì)算出來的能源效率結(jié)果差異較大.另一方面,目前國內(nèi)對地區(qū)能源效率的研究大都只考慮經(jīng)濟(jì)產(chǎn)出,而對能源利用過程產(chǎn)生的環(huán)境非期望產(chǎn)出則不予考慮,使得研究結(jié)果缺乏科學(xué)性.為了彌補(bǔ)這些缺陷,筆者對多要素能源效率的概念進(jìn)行了擴(kuò)充,引入與能源利用密切相關(guān)的CO2排放量作為產(chǎn)出指標(biāo),應(yīng)用DEA模型計(jì)算考慮CO2產(chǎn)出后的能源綜合效率,并據(jù)此分析各省區(qū)CO2減排潛力,同時利用Tobit模型對其可能的影響因素進(jìn)行深入分析.

1 研究方法與模型

1.1一階段數(shù)據(jù)包絡(luò)分析法(DEA)

數(shù)據(jù)包絡(luò)分析法最初是由Charnes等[15]提出,是基于規(guī)模報酬不變(CRS)的DEA模型.該模型是將Farrell[15]所提出的“兩投入-產(chǎn)出”模式,推廣至“多投入多產(chǎn)出”模式,并利用線性規(guī)劃和對偶定理,求出待評估單位的生產(chǎn)前沿,凡落在邊界上的決策單位(DMU)稱為DEA有效率,其效率值為1;而其他未落在邊界上的DMU則稱為DEA無效率,其效率值介于0與1之間.之后, Banker等[16]擴(kuò)展了CRS模型中關(guān)于規(guī)模報酬不變的假設(shè),提出了基于可變規(guī)模報酬(VRS)的DEA模型.它構(gòu)成了一個截面凸包,比CRS構(gòu)成的圓錐包更為緊湊,同時可以將技術(shù)效率分解為純技術(shù)效率和規(guī)模效率.據(jù)此,可利用線性規(guī)劃方法計(jì)算每一決策單位的相對效率.

由于DEA方法可以有效的處理多投入和多產(chǎn)出的情況,并可直接計(jì)算出能源效率和投入冗余量,其在避免主觀因素、簡化算法、減少誤差等方面也有著不可低估的優(yōu)越性,因此本文采用DEA方法建立能源效率評價模型.利用常規(guī)DEA模型可以將非同質(zhì)投入資源進(jìn)行加總,并考察評價單元相對于生產(chǎn)前沿面上的能源技術(shù)效率,但其產(chǎn)出指標(biāo)一般為價值指標(biāo)等期望產(chǎn)出,對于污染物等非期望產(chǎn)出卻不適用.本文中的能源效率除了考慮一般的經(jīng)濟(jì)價值指標(biāo)外,還考慮環(huán)境污染物非期望產(chǎn)出.在DEA模型中,環(huán)境污染物等非期望產(chǎn)出表現(xiàn)為負(fù)產(chǎn)出,因此必須對非期望產(chǎn)出進(jìn)行處理.目前處理環(huán)境污染物的DEA模型主要包括曲線測度評價法、污染物作投入處理法、數(shù)據(jù)轉(zhuǎn)換函數(shù)處理法和方向距離函數(shù)法.曲線測度法求解方法比較繁瑣,污染物作投入處理法違背了實(shí)際的生產(chǎn)過程,數(shù)據(jù)轉(zhuǎn)換函數(shù)處理法可能會破壞模型的凸性要求,方向距離函數(shù)法評價的效率值受主觀因素的影響很大.綜合DEA相關(guān)文獻(xiàn)[17-18]的研究成果后,本研究選擇數(shù)據(jù)轉(zhuǎn)換函數(shù)處理法的DEA模型.該方法是Seiford 等[19]于2002年正式提出,基于VRS模型的分類不變性原理,有效地保持了凸性和線性關(guān)系,是一種較好的環(huán)境效率評價方法.目前,主要有3種數(shù)據(jù)轉(zhuǎn)換函數(shù)法:負(fù)產(chǎn)出、非線性數(shù)據(jù)轉(zhuǎn)換和線性數(shù)據(jù)轉(zhuǎn)換.由于線性數(shù)據(jù)轉(zhuǎn)化方法在VRS模型中具有很大優(yōu)勢,因此本文采用線性數(shù)據(jù)轉(zhuǎn)換法,它是通過一種線性的數(shù)據(jù)轉(zhuǎn)化函數(shù)f(b)=v-b將污染物轉(zhuǎn)化為期望產(chǎn)出的轉(zhuǎn)化方法,其中,v是一個足夠大的向量以保證所有轉(zhuǎn)化的期望產(chǎn)出是正數(shù).

綜合考慮數(shù)據(jù)特點(diǎn)、處理難度、結(jié)果分析等因素,本研究選取基于投入導(dǎo)向的VRS模型,可避免CRS模型中無法保持分類一致性的問題.

假定有n個獨(dú)立的評價單元DMU,每個DMU都有m種資源投入xi和s種產(chǎn)出yi,同時排放出k種污染物bi.首先采用線性數(shù)據(jù)轉(zhuǎn)換函數(shù)(b′i=-bi+v)對污染物進(jìn)行轉(zhuǎn)化,v是一個足夠大的向量,然后將b′i作為期望產(chǎn)出添加到常規(guī)DEA模型中.

式中:θ0為評價單元DMUj0的有效值;ηj為相對于DMUj0重新構(gòu)造的一個有效DMU組合中第j個評價單元DMUj的組合比例;si?、sr+、st+為松弛變量.

1.2二階段Tobit回歸分析

在利用DEA模型計(jì)算出決策單元效率值后,為了解效率的影響因素及其影響程度,在DEA分析的基礎(chǔ)上衍生出了兩步法[20].該方法第1步采用DEA分析評估出決策單位的效率值,第2步以上一步中得出的效率值作為因變量,以影響因素等作為自變量建立回歸模型.因?yàn)镈EA法得出的效率指數(shù)介于0和1之間,所以回歸方程的因變量就被限制在這個區(qū)間.如果直接采用最小二乘法,會給參數(shù)估計(jì)帶來嚴(yán)重的有偏和不一致.為此,第二步采用Tobit回歸分析.

Tobit分析是因變量受限模型,當(dāng)因變量為切割值或片斷值時采用[21-22].如果要分析的數(shù)據(jù)具有這樣的特點(diǎn):因變量的數(shù)值是切割或片段的情況時,那么普通最小二乘法(OLS)就不再適用于估計(jì)回歸系數(shù),這時遵循最大似然法概念的Tobit 模型就成為估計(jì)回歸系數(shù)的一個較好選擇.

2 我國各省區(qū)能源效率及CO2減排潛力

2.1投入產(chǎn)出變量選擇及數(shù)據(jù)來源

以2000～2007年中國30個省級行政區(qū)域的數(shù)據(jù)作為能源效率的評價單元,不包括西藏和港澳臺地區(qū).投入指標(biāo)分別為能源消費(fèi)量、勞動力和固定資產(chǎn)折舊,產(chǎn)出指標(biāo)分別為各省區(qū)的GDP及其CO2排放量.本研究中能源效率的投入產(chǎn)出指標(biāo)共有5個,符合DEA方法對評價單元的數(shù)量至少是投入產(chǎn)出指標(biāo)數(shù)量之和2倍的要求.

其中,各省區(qū)能源消費(fèi)量主要包括化石能源、水電和核電,數(shù)據(jù)來自2001～2008年的《中國能源統(tǒng)計(jì)年鑒》[23],且各年能源消費(fèi)總量均已換算成標(biāo)準(zhǔn)煤;勞動力數(shù)據(jù)來自2001～2008年的《中國統(tǒng)計(jì)年鑒》[24],當(dāng)年就業(yè)人數(shù)按照(當(dāng)年年末就業(yè)人數(shù)+上一年年末就業(yè)人數(shù))÷2來計(jì)算得到;各省區(qū)固定資產(chǎn)折舊數(shù)據(jù)來自于中經(jīng)網(wǎng)數(shù)據(jù)庫;各地區(qū)生產(chǎn)總值的數(shù)據(jù)來自2001～2008年的《中國統(tǒng)計(jì)年鑒》,并以2000年為基準(zhǔn)年,對2001～2007的地區(qū)生產(chǎn)總值進(jìn)行修正.

各省區(qū)CO2排放量的數(shù)據(jù)來源相對復(fù)雜,它是根據(jù)《2006年IPCC國家溫室氣體清單指南》提供的方法學(xué)和我國的能源統(tǒng)計(jì)數(shù)據(jù),對各省區(qū)的排放狀況進(jìn)行核算.本文中CO2排放為經(jīng)濟(jì)生產(chǎn)過程的排放,核算對象包括化石燃料燃燒的排放和水泥生產(chǎn)過程的排放兩部分.其中,化石燃料燃燒通過2001～2008年間《中國能源統(tǒng)計(jì)年鑒》提供的各地區(qū)煤炭、焦炭、各類石油、天然氣實(shí)物消費(fèi)量進(jìn)行計(jì)算,水泥生產(chǎn)過程則通過2001～2008年間《中國水泥年鑒》[25]所提供的各地區(qū)水泥產(chǎn)量數(shù)據(jù)進(jìn)行分析.然后,根據(jù)各省區(qū)CO2排放量數(shù)據(jù),采用線性數(shù)據(jù)轉(zhuǎn)換函數(shù)將環(huán)境影響指標(biāo)w轉(zhuǎn)化為環(huán)境正影響指標(biāo)w′=v-w,并確定v＝100000,然后將w′作為期望產(chǎn)出添加到常規(guī)DEA模型中.

2.2能源效率與CO2排放的關(guān)系

本研究中能源效率是在給定各種投入資源的條件下實(shí)現(xiàn)最大經(jīng)濟(jì)產(chǎn)出和最小CO2排放的能力,或在給定經(jīng)濟(jì)產(chǎn)出和CO2排放量的條件下,實(shí)現(xiàn)資源投入最少的能力.由此可知,在其他要素不變的情況下,地區(qū)CO2排放量減少會提高地區(qū)能源效率,地區(qū)CO2排放量增加會降低地區(qū)的能源效率.

圖1 能源效率與CO2排放的關(guān)系Fig.1 Relationship between energy efficiency and CO2emission

需要注意的是,投入要素中的能源消費(fèi)量會同時從投入和產(chǎn)出兩方面影響地區(qū)的能源效率.假定某地區(qū)除能源消費(fèi)總量外的其他投入要素和經(jīng)濟(jì)產(chǎn)出均保持不變,那么由能源效率的定義可知,該地區(qū)的能源消費(fèi)總量減少必然會提高地區(qū)的能源效率;除此以外,由于地區(qū)CO2排放主要來自于化石能源的燃耗,如果地區(qū)能源消費(fèi)總量減少主要來自化石能源消費(fèi)量的減少,則地區(qū)CO2排放量也會伴隨能源消費(fèi)總量的減少而相應(yīng)減少,則地區(qū)能源效率會應(yīng)CO2排放量的減少而再次提高.具體關(guān)系見圖1.

2.3能源效率分析

通過DEAP2.1軟件,計(jì)算得到2000～2007年中國30個省級行政區(qū)域的能源效率(表1),其中能源效率進(jìn)一步分解為純技術(shù)效率和規(guī)模效率.

表1 中國30個省級行政區(qū)域的能源效率(2000～2007)Table 1 Energy efficiency of the thirty provinces in China from 2000 to 2007

由表1可見,上海、廣東、海南和青海的能源效率最高,2000～2007年的能源效率均為1,共同構(gòu)成了中國能源效率的前沿面,北京、天津、內(nèi)蒙古、遼寧、黑龍江、浙江、福建、廣西、重慶等省份也均有若干年位于前沿面上;山東、湖北、陜西、甘肅的能源效率最低,其能源效率值常年在0.8以下.

在規(guī)?？勺兊臈l件下,對于非DEA有效的行政區(qū)域可以分別考察其技術(shù)有效性和規(guī)模有效性.通過表1考察2000～2007年間的非DEA有效的行政區(qū)域:北京(2004～2006)、福建(2002～2004)、河南(2005～2007)均曾連續(xù)出現(xiàn)純技術(shù)有效但非規(guī)模有效,這說明這3個行政區(qū)域按照當(dāng)時的產(chǎn)出計(jì)算,其投入不可能再減少了;遼寧(2002)、吉林(2004)、山東(2002)、重慶(2006)、貴州(2004)、云南(2000～2001,2007)、新疆(2004)等7省均曾出現(xiàn)規(guī)模有效而非純技術(shù)有效的情況,說明其資源利用雖然實(shí)現(xiàn)了規(guī)模經(jīng)濟(jì)性,卻不擁有最佳的技術(shù)水平.其余行政區(qū)域在相應(yīng)年份既非技術(shù)有效也非規(guī)模有效,也就是說這些行政區(qū)域在當(dāng)時存在投入冗余或產(chǎn)出不足的情況,即使減少其部分投入,也有可能保持當(dāng)時的產(chǎn)出水平不變.

另外,國內(nèi)一些學(xué)者,如魏楚等[8]曾經(jīng)借助聚類分析而非傳統(tǒng)的東、中、西區(qū)域來劃分不同的能源效率地區(qū),并將之區(qū)分為能源高效、中效和低效區(qū),本研究應(yīng)用這一方法同他們的劃分結(jié)果相比較,見表2.

表2 能源效率聚類分析Table 2 Cluster analysis of energy efficiency

由表2可見,在僅考慮經(jīng)濟(jì)產(chǎn)出的能源效率聚類中,對于遼寧、黑龍江、湖北、湖南、云南等的評價得分偏高,而對北京、天津、內(nèi)蒙古、浙江、福建、重慶、青海和寧夏的測度則偏低.在魏楚等[8]的聚類結(jié)果中,內(nèi)蒙古、青海、寧夏均處于能源低效區(qū),但在本研究中三者均為能源高效區(qū).主要原因是魏楚等[8]計(jì)算的全要素能源效率忽視了環(huán)境影響這個非期望產(chǎn)出,從而導(dǎo)致以此為基礎(chǔ)的聚類分析結(jié)果與地區(qū)生產(chǎn)總值具有較強(qiáng)的正相關(guān)性,具體表現(xiàn)在一些低工業(yè)產(chǎn)值、環(huán)境友好的省市被劃至能源低效區(qū).

2.4各省區(qū)CO2減排潛力分析

非DEA技術(shù)有效的各省區(qū)均存在投入冗余或產(chǎn)出不足的情況,投入冗余即減少投入也可達(dá)到原有的產(chǎn)出水平;產(chǎn)出不足即保持投入不變也可增加一定的產(chǎn)出.本研究重點(diǎn)考慮環(huán)境正影響產(chǎn)出不足的情況.由于本例中環(huán)境正影響是由地區(qū)CO2排放量的相反數(shù)轉(zhuǎn)化而來,因此環(huán)境正影響產(chǎn)出不足實(shí)際上反映了地區(qū)CO2排放量的過剩;環(huán)境正影響產(chǎn)出不足率則實(shí)際上反映了地區(qū)CO2排放量過剩率,即各省區(qū)理論上存在的CO2減排潛力.

對2000～2007年DEA非技術(shù)有效的各省區(qū)做CO2減排潛力(環(huán)境正影響產(chǎn)出不足)分析,得到表3的結(jié)果.

考察2000～2007年各省區(qū)的CO2減排潛力,DEA技術(shù)常年有效的省份有北京、天津、上海、福建、河南、廣東、廣西、海南、重慶、青海,在投入一定的情況下,它們大都不存在CO2排放過剩的情況,減排潛力為0(這里的減排潛力是個相對值,而非絕對值.減排潛力為0并不代表該區(qū)域CO2無法進(jìn)一步減排,而是指以國內(nèi)當(dāng)時應(yīng)用最優(yōu)技術(shù)水平而言,再減排CO2的可能性很低).而DEA非有效的省區(qū)均存在不同程度的CO2排放過剩,這些省區(qū)都具有不同程度的CO2減排潛力.以2007年的數(shù)據(jù)為例,減排潛力最高的為山東、山西、河北、遼寧4省,減排潛力分別為1415.2%、177.5%、168.7%和99.4%,尤其是山東省,其CO2排放量居于全國首位并遠(yuǎn)超全國平均水平,減排潛力很大.

表3 2000～2007年中國各省區(qū)CO2減排潛力分析(%)Table 3 Potential of CO2Emission Reduction in the thirty provinces of China from 2000 to 2007 (%)

由表3可知,我國各省區(qū)CO2減排潛力大致有5種變化趨勢:(1)基本不變,此類省份2000～2007年間的CO2減排潛力排名情況變化不大,大都在平均值附近波動,主要為北京、山西、上海、遼寧、福建、吉林、江蘇、山東、陜西、廣東、廣西、青海和新疆;(2)先降后升,其拐點(diǎn)大都在在2004年或2005年,主要為河北、黑龍江、湖北、湖南、貴州;(3)先升后降,主要省份為四川、甘肅和寧夏;(4)穩(wěn)定上升,此類省份的減排潛力呈現(xiàn)較明顯的上升趨勢,如內(nèi)蒙古、浙江、云南;(5)穩(wěn)定下降,此類省份的減排潛力呈現(xiàn)較明顯的下降趨勢,如天津、安徽、重慶.

3 影響因素的計(jì)量分析

3.1變量選取及數(shù)據(jù)來源

根據(jù)文獻(xiàn)調(diào)研和社會經(jīng)濟(jì)發(fā)展的經(jīng)驗(yàn),筆者認(rèn)為各省區(qū)能源效率的可量化影響因素主要有以下幾個方面:產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、政府的影響力、對外開放程度、環(huán)保治理投入等.本研究產(chǎn)業(yè)結(jié)構(gòu)以第3產(chǎn)業(yè)增加值在該地區(qū)GDP中的所占比重表示;技術(shù)進(jìn)步以地區(qū)專利授權(quán)數(shù)表示;政府的影響力用地方財(cái)政支出所占GDP比重來表示;對外開放程度用該地區(qū)進(jìn)出口貿(mào)易總額所占GDP比重來替代;環(huán)保治理投入用地區(qū)工業(yè)污染治理投資占GDP比重來表示.

數(shù)據(jù)考察期為2000～2007年,包含我國30個省市(西藏除外)8年內(nèi)共240樣本單元.基礎(chǔ)數(shù)據(jù)主要來自于《中國統(tǒng)計(jì)年鑒》、國家統(tǒng)計(jì)局環(huán)保專題數(shù)據(jù)和中經(jīng)網(wǎng)地區(qū)數(shù)據(jù)庫.對外貿(mào)易總額換算成人民幣單位時采取的匯率值為中國人民銀行的匯率統(tǒng)計(jì)數(shù)據(jù)的年平均值.

3.2回歸模型建立

用DEA模型計(jì)算出來的能源效率值都處于0和1之間,最大值為1,具有被切割或截?cái)嗟奶攸c(diǎn),因此選擇Tobit回歸模型.本研究建立能源效率影響因素Tobit 模型如下:式中:y為DEA的效率值;x1為第三產(chǎn)業(yè)增加值占GDP比重;x2為專利授權(quán)數(shù);x3為財(cái)政支出占GDP比重;x4為進(jìn)出口總額占GDP比重;x5為工業(yè)污染治理投資占GDP比重;.β0為常數(shù)項(xiàng);ε為隨機(jī)項(xiàng).

3.3結(jié)果分析

利用Eviews 3.1專門處理Tobit模型刪尾數(shù)據(jù)的最大似然估計(jì)程序,對上述面板樣本數(shù)據(jù)進(jìn)行回歸,結(jié)果如表4.

從表4可以看到具體的回歸結(jié)果:產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對能源效率的影響并不顯著.這與史丹[26]研究能源效率的結(jié)論類似,史丹的研究表明產(chǎn)業(yè)結(jié)構(gòu)變化對能源效率的作用自20世紀(jì)90年代中期起正在逐漸消失,甚至產(chǎn)生負(fù)向作用.一國產(chǎn)業(yè)結(jié)構(gòu)在短期內(nèi)難以改變,短期內(nèi)其對化石能源的需求總量也難以下降,同時由于CO2排放主要來自于化石能源的燃燒,故產(chǎn)業(yè)結(jié)構(gòu)調(diào)整在短期內(nèi)對能源效率并不會產(chǎn)生顯著的影響.

表4 Tobit模型回歸結(jié)果Table 4 Regression results of Tobit model

由于我國地區(qū)間差異大,存在著明顯的區(qū)域特征,因此,筆者進(jìn)一步分區(qū)域考察了產(chǎn)業(yè)結(jié)構(gòu)對能源效率的影響.回歸結(jié)果表明,產(chǎn)業(yè)結(jié)構(gòu)在西部和東北老工業(yè)基地2個地區(qū)中具有顯著的影響.其中,西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對能源效率的影響是正向的,系數(shù)為1.751,說明該地區(qū)第3產(chǎn)業(yè)比重的增加可以提高該地區(qū)的能源效率.而東北老工業(yè)基地的情況則相反,系數(shù)為-3.921,這說明過分追求第3產(chǎn)業(yè)的提高會導(dǎo)致經(jīng)濟(jì)的無效率,即使CO2正產(chǎn)出增加也不足以抵消經(jīng)濟(jì)產(chǎn)出減少造成的整體能源效率的下降.此外,產(chǎn)業(yè)結(jié)構(gòu)對沿海和中部地區(qū)的影響較不顯著.全國尺度上產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對能源效率影響不顯著的原因主要有兩個.一是我國產(chǎn)業(yè)結(jié)構(gòu)調(diào)整不明顯,更多的是地區(qū)間的產(chǎn)業(yè)轉(zhuǎn)移;二是由于地區(qū)間差異較大,產(chǎn)業(yè)結(jié)構(gòu)對各地區(qū)的影響存在區(qū)域特征.

技術(shù)進(jìn)步對能源效率表現(xiàn)出負(fù)效應(yīng),與理論和客觀事實(shí)不符.本研究出現(xiàn)這樣的結(jié)果可能是由于授權(quán)專利數(shù)無法良好地衡量技術(shù)進(jìn)步指標(biāo).目前國內(nèi)學(xué)者對于技術(shù)進(jìn)步指標(biāo)的刻畫大都采用專利申請量或R&D比重等,都存在不足之處.由于國內(nèi)進(jìn)行研發(fā)的主體是政府機(jī)構(gòu),技術(shù)研發(fā)往往同市場應(yīng)用脫鉤,并且當(dāng)前中國的自主研發(fā)相對較少,更多的是對國外技術(shù)的引進(jìn)和吸收,因此專利數(shù)不能反映國內(nèi)的技術(shù)水平.

政府對經(jīng)濟(jì)社會影響程度的增加會提高能源效率.研究表明財(cái)政支出所占比重每增加1%,能源效率提高0.509%,這一結(jié)果與魏楚等[8]關(guān)于政府財(cái)政支出會降低能源效率的結(jié)論相反.筆者認(rèn)為,原因在于本研究中添加了CO2排放作為環(huán)境產(chǎn)出.這也說明,即使政府干預(yù)會降低地區(qū)經(jīng)濟(jì)產(chǎn)出,但其CO2排放量減少而新增的環(huán)境正產(chǎn)出也可一定程度上彌補(bǔ)經(jīng)濟(jì)產(chǎn)出對能源效率的影響.也就是說,在考慮到氣候變化這一具有顯著外部性的環(huán)境問題時,政府的干預(yù)是有效的,這與外部性理論是相符的.同時,在我國目前的經(jīng)濟(jì)體制和政治體制背景下,解決環(huán)境問題主要依賴于政府的宏觀調(diào)控能力.因此,應(yīng)當(dāng)加強(qiáng)政府的影響力.

對外開放程度對能源效率有正面影響,這與多數(shù)研究關(guān)于對外貿(mào)易可以提高地區(qū)經(jīng)濟(jì)效率結(jié)論相符.對外貿(mào)易總額每增加1%,能源效率將提高0.294%.這是由于對外開放程度的擴(kuò)大使得該地區(qū)可以引進(jìn)先進(jìn)的技術(shù)、設(shè)備和管理經(jīng)驗(yàn),這些都會降低該地區(qū)的單位能耗和CO2排放強(qiáng)度,進(jìn)而提高地區(qū)能源效率.另外,對外開放還能夠促進(jìn)當(dāng)?shù)貙W(xué)習(xí)和借鑒先進(jìn)的環(huán)保技術(shù)和環(huán)境管理經(jīng)驗(yàn),特別是氣候變化問題上,根據(jù)《京都議定書》協(xié)定的國際間合作機(jī)制,如CDM機(jī)制等的開展,更能夠在促進(jìn)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的同時減少CO2排放量.

環(huán)保投資對能源效率有負(fù)影響.如果考慮中國國情和現(xiàn)狀也可以理解.一方面當(dāng)前的環(huán)保投資統(tǒng)計(jì)主要考慮“三同時”、環(huán)境基礎(chǔ)設(shè)施建設(shè)、工業(yè)污染物治理3方面,并沒有直接針對節(jié)能措施和CO2減排的投資.另一方面,中國污染治理投資占GDP比重一直處于較低水平且治理效果不佳,同時污染治理投資往往是被動的,污染越重的地區(qū)會被迫投入更多的資金卻獲得較差的投資效果,在數(shù)據(jù)上造成環(huán)保投資對能源效率成反比例關(guān)系.

4 結(jié)論

4.1忽視環(huán)境產(chǎn)出的全要素能源效率指標(biāo)不能有效地刻畫出能源效率.本文通過DEA方法定義的包含CO2排放量作為環(huán)境產(chǎn)出的綜合能源效率是一個相對更優(yōu)的指標(biāo).

4.2省級綜合能源效率的計(jì)算表明,上海、廣東、海南和青海的能源效率最高,山東、湖北、陜西、甘肅的能源效率最低,其能源效率值常年在0.8以下.與傳統(tǒng)能源經(jīng)濟(jì)效率相比較發(fā)現(xiàn),一些低產(chǎn)值、環(huán)境友好的省區(qū)能源效率要高于高產(chǎn)值但非環(huán)境友好的省區(qū).

4.3在2000～2007年間,我國各省區(qū)CO2減排潛力呈現(xiàn)出5種變化趨勢,包括基本不變、先降后升、先升后降、穩(wěn)定上升、穩(wěn)定下降.其中減排潛力較大的為山東、山西、河北、遼寧4省,尤其是山東省,其CO2排放量居于全國首位并遠(yuǎn)超全國平均水平,減排潛力最大.

4.4利用Tobit模型分析綜合能源效率影響因素的回歸結(jié)果表明,我國政府影響力、對外開放程度對能源效率影響顯著,而產(chǎn)業(yè)結(jié)構(gòu)、環(huán)保投入對能源效率影響不顯著,此外技術(shù)進(jìn)步由于難以通過合適的指標(biāo)進(jìn)行刻畫,其對能源效率的影響還難以解釋.

[1] 國務(wù)院新聞辦公室.我國承諾2020年單位GDP的二氧化碳排放下降40%～45% [N/OL]. 新華網(wǎng), 2009年11月26日.

[2] 張曉平.中國能源消費(fèi)強(qiáng)度的區(qū)域差異及影響因素分析 [J].資源科學(xué), 2008,30(6):883-889.

[3] 齊紹洲,羅 威.中國地區(qū)經(jīng)濟(jì)增長與能源消費(fèi)強(qiáng)度差異分析[J]. 經(jīng)濟(jì)研究, 2007,(7):74-81.

[4] 王玉潛.能源消耗強(qiáng)度變動的因素分析方法及其應(yīng)用 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2003,(8):151-154.

[5] Sun J W. Three types of decline in energy intensity-an explanation for the decline of energy intensity in some developing countries [J]. Energy Policy, 2003,31(6):519-526.

[6] Garbaccio R F, Ho M S, Jorgenson D W. Why has the energy-output ratio fallen in China ? [J]. The Energy Journal, 1999,20(3):63-91.

[7] Fisher Vanden K, Jefferson G H, Liu H M, et al. What is driving china’s decline in energy intensity? [J]. Resource and Energy Economics, 2004,26(1):77-97.

[8] 魏 楚,沈滿洪.能源效率及其影響因素:基于DEA的實(shí)證分析[J]. 管理世界, 2007,(8):66-76.

[9] Hu Jin-Li, Wang Shih-Chuan. Total factor energy efficiency of regions in China [J]. Energy Policy, 2006(17):3206-3217.

[10] 楊紅亮,史 丹.能效研究方法和中國各地區(qū)能源效率的比較[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2008,(3):12-20.

[11] Mukherjee K. Energy use efficiency in US manufacturing: A nonparametric analysis [J]. Energy Economics, 2008,(30):76-96.

[12] Mukherjee K. Energy use efficiency in the Indian manufacturing sector: An interstate analysis [J]. Energy Policy, 2007,(10):1-11.

[13] 鄒艷芬,陸宇海.基于空間自回歸模型的中國能源利用效率區(qū)域特征分析 [J]. 統(tǒng)計(jì)研究, 2005,(10):67-71.

[14] 史 丹.中國能源效率的地區(qū)差異與節(jié)能潛力分析 [J]. 中國工業(yè)經(jīng)濟(jì), 2006,(10):49-58.

[15] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of DMU [J]. European Journal of Operational Research, 1978,2(6): 429-444.

[16] Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J]. Management Science, 1984,(30):1078-1092.

[17] 王 波,張 群,王 飛.考慮環(huán)境因素的企業(yè)DEA有效性分析[J]. 控制與決策, 2002,(l):24-28.

[18] 卞亦文.基于DEA理論的環(huán)境效率評價方法研究 [D]. 合肥:中國科學(xué)技術(shù)大學(xué), 2006.

[19] Seiford L M, Zhu J. Modeling undesirable factors in efficiency evaluation [J]. European Journal of Operational Research, 2002,142(1):16-20.

[20] Coelli T J, Rao D S P, Battese G E. An introduction to efficiency and productivity analysis [M]. Boston: Kluwer Academic Publishers, 1998.

[21] Tobin J. Estimation of relationship for limited dependent variables [J]. Econometrica, 1958,(26):24-36.

[22] Goldberger A S. Econometric theory [M]. New York: John Wiley and Sons, Inc, 1964.

[23] 國家統(tǒng)計(jì)局.中國能源統(tǒng)計(jì)年鑒(2001-2008年) [M]. 北京:中國統(tǒng)計(jì)出版社, 2009.

[24] 國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒(2001-2008年) [M]. 北京:中國統(tǒng)計(jì)出版社, 2009.

[25] 中國水泥協(xié)會.中國水泥年鑒(2001-2008年) [M]. 吉林:吉林教育出版社, 2009.

[26] 史 丹,張金隆.產(chǎn)業(yè)結(jié)構(gòu)變動對能源消費(fèi)的影響 [J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2009,(8):30-32.

Energy efficiency, potential of CO2emission reduction and its determinants across Chinese regions.

ZENG Xian-gang*(School of Environmental and Natural Resources, Renmin University of China, Beijing 100872, China). China Environmental Science, 2010,30(10)：1432～1440

X24

A

1000-6923(2010)10-1432-09

曾賢剛(1972-),男,江西九江人,副教授,博士,研究方向?yàn)榄h(huán)境經(jīng)濟(jì)與管理.發(fā)表論文40余篇.

2010-01-07

環(huán)境保護(hù)部“溫室氣體排放統(tǒng)計(jì)核算與環(huán)境監(jiān)管能力建設(shè)”項(xiàng)目;中國人民大學(xué)明德學(xué)者計(jì)劃項(xiàng)目(10XNJ013)

* 責(zé)任作者, 副教授, zengxg@ruc.edu.cn