江蘇大學(xué)財經(jīng)學(xué)院 蔡 源
要素集聚的能源效率對江浙滬皖經(jīng)濟發(fā)展的影響研究
——基于DEA和Tobit模型的實證分析
江蘇大學(xué)財經(jīng)學(xué)院 蔡 源
本文通過江浙滬皖四省2000年~2013年面板數(shù)據(jù),采用規(guī)模報酬可變的BCC-DEA模型,對考慮非合意產(chǎn)出的四省綜合能源效率進行了測算,Malmquist指數(shù)表明規(guī)模報酬平均增長率浙江省略高于1,上海、安徽效率值為1,只有江蘇一省效率值略低于1為0.998。 江浙滬皖四省科技進步指數(shù)效率值都低于1,最高的浙江省0.971, 最低的安徽省0.903, 區(qū)分能源效率增長快慢的主要是技術(shù)效率變動,在這里尤其表現(xiàn)為科技進步程度。Tobit模型結(jié)果表明要素集聚對能源效率的影響表現(xiàn)為技術(shù)集聚對能源效率呈正相關(guān),勞動力集聚對能源效率呈負相關(guān)。資本集聚和對外開放度對各省能源效率影響程度有所差異。
BCC-DEA 非合意產(chǎn)出 Malmquist指數(shù) 要素集聚
以往研究局限在能源效率層面,并沒有涉及要素集聚對能源效率的影響,本文在已有的文獻基礎(chǔ)上將引入要素集聚概念。本文將通過構(gòu)造江蘇、浙江、上海、安徽(江浙滬皖)四省2000年~2013年勞動力、資本、技術(shù)要素的集聚指標來度量各省各要素的空間集聚情況,采用動態(tài)分析法運用Malmquist指數(shù)對江浙滬皖四省的能源效率進行測算,最終采用Tobit回歸模型對兩者進行分析,探討各要素空間集聚對四省能源效率的影響。
1.1 模型及其選擇
1.1.1 考慮非期望產(chǎn)出的DEA模型
數(shù)據(jù)包絡(luò)分析(DEA),本質(zhì)上是判斷DMU是否位于生產(chǎn)可能集的“生產(chǎn)前沿面”上。同時DEA是一種非參數(shù)方法,能夠解決多投入多產(chǎn)出的情形,當(dāng)分析的數(shù)據(jù)當(dāng)為面板數(shù)據(jù)時,我們常用Malmquist指數(shù)。公式如下:
1.1.2 Tobit模型
本文選擇Tobit模型來分析能源效率的影響因素??紤]到滯后項對因變量的影響,建立了能源效率動態(tài)面板模型,具體形式如下:
其中dea表示能源效率,zb表示資本集聚指標,js技術(shù)集聚指標,ld 勞動力集聚分析指標,ope衡量對外開放度的指數(shù),lc表示區(qū)位情況(這里引入虛擬變量)。
上個財政年度,印度進口了約2200×104t伊朗原油,并計劃在下個財政年度將進口量增加到3000×104t。然而,該消息人士向《經(jīng)濟時報》表示,印度將不得不把下個財年的原油進口量削減至1400~1500×104t之間。幾個月前,印度煉油商開始減少從伊朗進口石油,為獲得豁免做準備。
1.2 數(shù)據(jù)和變量
結(jié)合論文所研究的內(nèi)容,本文采用江浙滬皖四省2000年~2013年的面板數(shù)據(jù),所用數(shù)據(jù)來自各省統(tǒng)計年鑒及《新中國60年統(tǒng)計資料匯編》。其中能源效率將延續(xù)沈綠珠(2012)的做法,DEA模型中將資本存量、人力資本和能源消耗作為投入指標,各省的生產(chǎn)總值和IEG(工業(yè)廢氣排放總量)作為產(chǎn)出指標。并將DEA計算出的各省能源效率作為Tobit模型中的被解釋變量,解釋變量分為集聚變量和其他控制變量。
1.2.1 投入指標
資本存量的采用永續(xù)盤存法(PIM),本文采用固定資本形成額作為當(dāng)年的投資總額,折舊率用單豪杰(2008)文中提出的10.96% ,人力資本采用各省2000年~2013年末從業(yè)人員數(shù)。能源消耗數(shù)據(jù)來源于各省統(tǒng)計年鑒的能源消費總量,以萬噸標準煤為單位。
1.2.2 產(chǎn)出指標
考慮到利用能源創(chuàng)造GDP的同時會對環(huán)境產(chǎn)生負面影響,將廢氣排放總量作為非期望產(chǎn)出。我們希望經(jīng)濟增長的同時能伴隨著最小量的廢氣排放,所以IEG取負數(shù)。DEA模型中的產(chǎn)出指標即為期望產(chǎn)出GDP和非期望產(chǎn)出IEG。
1.2.3 集聚變量和其他控制變量
集聚的基礎(chǔ)在于要素,所以本文通過各要素集聚指數(shù)度量各省各要素的集聚情況。勞動要素集聚采用就業(yè)人口密度作為衡量勞動集聚的指標,資本要素集聚采用業(yè)績指數(shù)衡量,技術(shù)要素集聚采用科技人員的比重。其他控制變量選擇對外開放程度和城市區(qū)位水平,這里運用虛擬變量進行賦值,東部地區(qū)江浙滬賦值為1,中部地區(qū)皖賦值為0。
2.1 Malmquist指數(shù)結(jié)果分析
BCC—DEA模型考察的是每一年中四省之間的相對能源效率,但這并不是絕對的。因此我們就不能了解四省的能源效率隨時間的推進上升或下降的具體情況。本論文以2000年~2013年四省的樣本數(shù)據(jù),計算Malmquist全要素效率變動指數(shù),進而分析江浙滬皖四省的能源效率變動情況(見表1和表2)。
從表1、表2可以看出江浙滬皖四省的全要素能源效率存在一定的差異,且各自的影響因素也不同。除浙江省個別年份的效率指數(shù)大于1外,大部分的效率指數(shù)都小于1,說明能源效率的增長速度變慢。平均值上看四省效率值均低于1,分別為江蘇0.958、 浙江0.971、 上海0.941、 安徽0.903。 問題在于經(jīng)濟發(fā)展的同時,科技發(fā)展步伐放緩,產(chǎn)業(yè)結(jié)構(gòu)升級遇到瓶頸期,進而導(dǎo)致全要素能源效率增長為負值。
江浙滬皖四省科技進步指數(shù)效率值都低于1,最高的浙江省0.971, 最低的安徽省0.903, 而純技術(shù)效率變動指數(shù)更為一致,四省都為1。規(guī)模報酬平均增長率浙江省略高于1,上海、安徽效率值為1,只有江蘇一省效率值略低于1,為0.998。 規(guī)模報酬增長率雖然差別不大,但是值得注意的是江蘇的要素集聚并沒有使能源效率提高,反而出現(xiàn)了規(guī)模不經(jīng)濟的情況。
技術(shù)進步是拉動中國全要素能源效率增長的主要動因,區(qū)分能源效率增長快慢主要是技術(shù)效率變動,在這里尤其表現(xiàn)為科技進步程度。浙江、上海、安徽三地應(yīng)提高科技發(fā)展水平來提高能源效率,尤其是科技水平較低的安徽省,而江蘇省在提高科技水平的同時,也應(yīng)注意要素集聚帶來的規(guī)模不經(jīng)濟問題,做到“兩手抓”。
2.2 Tobit模型結(jié)果及分析
表1 2000年~2013年江蘇、浙江省Malmquist指數(shù)及分解
表2 2000年~2013年上海、安徽省Malmqusit指數(shù)及分解
Malmquist指數(shù)對江浙滬皖四省區(qū)的能源效率進行了描述,能源效率受到很多方面的影響。首先是集聚效應(yīng)的影響,各要素的集聚導(dǎo)致規(guī)模的不斷擴大,集聚效應(yīng)越來越強,而集聚的增強又會反過來影響能源效率;其次還會受到一些外在因素的制約如對外開放度和區(qū)位優(yōu)勢等。因為能源效率值具有被切割或片段的特點,所以運用Tobit模型通過Stata12.0軟 件包得出能源效率的影響因素。
對各變量進行分析:1變量zb中,浙江、上海系數(shù)為正且通過了5%的顯著性檢驗。這說明資本的集聚對這兩省的能源效率成正相關(guān),資本集聚度越高能源效率值越大。江蘇zb系數(shù)(0.3566) 雖然也為正但是并未通過5%的顯著性檢驗,這有可能是因為資本的集聚意味著規(guī)模的不斷擴大,集聚效益的加強帶來很多非合意產(chǎn)出,從而使能效有所下降。安徽的zb系數(shù)(-0.2031) 為負也未通過顯著性檢驗,說明安徽省資本投入存在冗余,但是影響不顯著。2變量js中,江蘇、浙江、上海、安徽四地的系數(shù)為正且全部通過5%的顯著性檢驗。這充分說明了技術(shù)對能源效率的提高起到了至關(guān)重要的作用。在當(dāng)今社會強調(diào)節(jié)能減排、低碳經(jīng)濟的背景下,更應(yīng)把科技融入到生產(chǎn)力中,從根本上提高能源效率。3變量ld中,浙江、上海兩省ld系數(shù)為負且通過5%的顯著性檢驗。勞動集聚對兩省的能源效率成負相關(guān),勞動集聚度越高能源效率值越低。勞動集聚度高并不代表勞動者整體素質(zhì)高,上浙兩省缺乏的是高素質(zhì)勞動者,這進一步反應(yīng)出高素質(zhì)人才的重要性而并不是一味地人口過度集聚。4變量ope中,江蘇、浙江兩省對外開放度系數(shù)為負且通過5%的顯著性檢驗。這主要是由于對外開放度的提高,吸引眾多外商規(guī)模不斷擴大,帶來更多的非合意產(chǎn)出使能源效率相對下降。能源效率的提高主要依靠科技進步,這與DEA的分析結(jié)果是一致的。
通過上述分析本文得出以下結(jié)論。
通過Malmquist指數(shù)及其分解,知道除浙江省個別年份的效率指數(shù)大于1外,大部分的效率指數(shù)都小于1,說明能源效率的增長速度變慢。平均能效值為江蘇0.958、 浙江0.971、 上海0.941、 安徽0.903, 四地的全要素能源效率增長為負值。規(guī)模報酬平均增長率浙江省略高于1,上海、安徽效率值為1,只有江蘇一省效率值略低于1,為0.998。
從Tobit回歸結(jié)果可以看出,考慮非合意產(chǎn)出的全要素能源效率受資本、勞動力、技術(shù)要素的影響,同時對外開放度和區(qū)位因素也對各地能源效率產(chǎn)生不同程度的影響。一般而言,技術(shù)集聚對能源效率呈正相關(guān),勞動力集聚對能源效率呈負相關(guān)。資本集聚和對外開放度對各地能源效率影響程度有所差異。
從以上的結(jié)論中我們得到這樣的政策啟示:第一,四地應(yīng)大力倡導(dǎo)科技轉(zhuǎn)化為生產(chǎn)力的思想,讓技術(shù)創(chuàng)新帶動產(chǎn)業(yè)發(fā)展。我們要牢記科技是第一生產(chǎn)力,并把科技運用到實際中去,加大對能源的研發(fā)投入,逐步擺脫以煤為主的能源消費結(jié)構(gòu),尋找新型能源、清潔能源。第二,四地應(yīng)建立健全資源的開發(fā)和流動機制,要素集聚會帶來集聚效應(yīng),但并非“多多益善”。各地應(yīng)根據(jù)自身的情況合理布局,江蘇存在規(guī)模不經(jīng)濟狀況,而安徽存在資本要素投入冗余,這都沒有實現(xiàn)帕累托最優(yōu)??突?jīng)說過:“人才是企業(yè)最大的資本?!比狈Ω咚刭|(zhì)人才也是導(dǎo)致能源效率不高的原因所在。第三,四地應(yīng)調(diào)整經(jīng)濟結(jié)構(gòu),在“一體兩翼”的新格局下實現(xiàn)產(chǎn)業(yè)的轉(zhuǎn)型升級。由于泛長三角的形成,安徽更應(yīng)抓住機遇,改變以往的粗獷發(fā)展模式。江、浙、滬、皖四地在即將形成的T字型大交通格局中,彌補自身的不足,打破發(fā)展的瓶頸,更有利于江、浙、滬、皖四地產(chǎn)業(yè)互補性增加、產(chǎn)業(yè)鏈的延長、產(chǎn)業(yè)發(fā)展的聯(lián)動效應(yīng),以產(chǎn)業(yè)升級帶動能源效率的提高。
[1] Vanessa de Almeida Guimares, Ilton Curty Leal Junior, Pauli Adriano de Almada Garcia. Environmental performance of Brazilian container terminals: a data envelopment analysis approach[J].Procedia - Social and Behavioral Sciences,2014(55).
[2] 張偉,吳文元.基于環(huán)境績效的長三角都市圈全要素能源效率研究[J].經(jīng)濟研究,2011(10).
[3] 單豪杰.中國資本存量K的再估算:1952~2006年[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2008(10).
[4] 沈綠珠,李慧娟.中國省區(qū)全要素能源效率評價及分析——基于DEA方法[C].Education Research,2012.
[5] 潘芬超.中國城市效率及其影響因素——基于非合意產(chǎn)出DEA和集聚的視角[D].廈門大學(xué),2014.
[6] 蔣偉,李蓉,強林飛.環(huán)境約束下的中國全要素能源效率研究[J].統(tǒng)計與信息論壇,2015(5).
[7] 潘文慶,劉慶.中國制造業(yè)產(chǎn)業(yè)集聚與地區(qū)經(jīng)濟增長——基于中國工業(yè)企業(yè)數(shù)據(jù)的研究[J].清華大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2012(1).
F127
A
2096-0298(2016)09(c)-117-03