潘 華, 鄭 芳, 高楊楊
(上海電力學院 經(jīng)濟與管理學院, 上海 200090)
?
基于序列Malmquist-Luenberger指數(shù)的碳排放約束下的全要素能源效率
潘 華, 鄭 芳, 高楊楊
(上海電力學院 經(jīng)濟與管理學院, 上海 200090)
為了研究在碳排放約束下的全要素能源效率問題,運用基于含有非期望產(chǎn)出的SBM與序列Malmquist模型構(gòu)成的序列Malmquist-Luenberger指數(shù)對中國東、中、西部和整體29個省份(自治區(qū)、 直轄市)進行比較,對其全要素生產(chǎn)率分別進行分析對比.通過實證研究分析可知,技術(shù)進步和效率變化共同促進了整體全要素生產(chǎn)率的不斷提高,并且技術(shù)進步的作用大于效率變化的作用;東部區(qū)域的各省市在碳排放約束下的全要素生產(chǎn)率SML引領(lǐng)著整個中國的進步,中部區(qū)域和整個中國發(fā)展水平幾乎一致,而西部明顯落后于整體.
全要素能源效率; 非期望產(chǎn)出的SBM; 序列Malmquist-Luenberger模型
在全球化石能源枯竭和全球氣候變暖的現(xiàn)實背景下,作為僅次于美國的世界第二大能源消費國和二氧化碳排放最多的發(fā)展中國家[1],能源效率和碳排放量已經(jīng)成為熱門話題.雖然中國的能耗強度有下降的趨勢,但始終高于其他發(fā)達國家.2010年國際能源署IEA指出,改善能源效率對碳減排的潛力要超過電力部門的脫碳潛力,成為減排的第一大來源[2].因此,如何科學、系統(tǒng)地研究在碳排放約束下的全要素能源效率問題成為今后工作的重中之重[3].
對于能源效率的衡量有很多不同的指標,本文根據(jù)研究的需要,簡單地將它們分成單要素指標和全要素指標[4].楊紅亮和史丹[5]對單要素能源效率和多要素能源效率進行了對比,結(jié)果表明,多要素能效指標在揭示一個地區(qū)資源稟賦對能源效率的影響方面有著單要素方法無法替代的優(yōu)勢.基于此,目前一些學者在研究中采用了全要素能源效率指標.范丹和王維國[1]運用DEA-SBM模型測度了碳排放約束下1999~2010年中國30省、市、自治區(qū)及4大區(qū)域的全要素能源效率[6],結(jié)果表明,能源效率的區(qū)域格局按照由東向西遞減且不同省份節(jié)能減排的潛力差異較大,西部區(qū)域的節(jié)能減排潛力最高,其次為中部和東北部,東部的節(jié)能減排潛力最低[2].
上述研究深入探討了我國的全要素能源效率,但還存在以下不足.一是部分學者雖然考慮到了非期望產(chǎn)出(如廢水、廢氣、固體污染物等)對能源效率的影響而運用含有非期望產(chǎn)出的DEA(Data Envelope Analyse)方向性距離函數(shù)或SBM(Slack Based Measure)模型,但忽略了使用當期的決策單元DMU來構(gòu)造最佳前沿面時在分析中可能會出現(xiàn)技術(shù)后退的現(xiàn)象.二是所有學者基于DEA模型來分析能源效率時都是基于中國所有省、市、自治區(qū)一起來構(gòu)造最優(yōu)前沿面.由于受地理位置、地區(qū)經(jīng)濟條件、資源稟賦、生產(chǎn)技術(shù)、工業(yè)和城市化水平等因素的影響,東部、中部和西部的能源效率有很大的差距.劉心等人[6]運用含有非期望產(chǎn)出的SBM模型得出的實驗結(jié)果中,上海的能源效率值和減排潛力分別為1和0,而青海和寧夏能源效率值分別為0.339和0.382,其減排潛力分別為0.659和0.628.因此,如果要把青海和寧夏的能源效率及減排潛力達到與上海相同的目標可操作性不大,所以不能為中國實現(xiàn)能源高效率、節(jié)能減排目標科學地制定和優(yōu)化相關(guān)政策和措施提供依據(jù).
通常,中國各省、自治區(qū)和直轄市分為3個主要區(qū)域:東部地區(qū)(北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南)、中部地區(qū)(黑龍江、吉林、山西、安徽、江西、河南、湖北、湖南)和西部地區(qū)(四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古)[4].我們可以把東、中、西部3個區(qū)域看作是獨立的,分別研究它們的能源效率和減排潛力.由于3個獨立的區(qū)域通過這種方法得到的結(jié)果沒有可比性,所以本文利用上述兩種方法可以更加合理地制定能源高效率、節(jié)能減排目標,并且其實現(xiàn)的可能性很大.因此,本文將二氧化碳的排放量作為非期望產(chǎn)出,基于非徑向、非導向的含有非期望產(chǎn)出SBM模型和序列Malmquis構(gòu)造的序列Malmquist-Luenberger模型,在強可處置性下測度了1997~2012年間中國的29個地區(qū)的全要素能源效率和東、中、西部3個主要區(qū)域中各個地區(qū)的全要素能源效率,并進行了實證比較分析,以期為改善中國的能源利用效率和節(jié)能減排政策提供科學依據(jù).
1.1 環(huán)境技術(shù)集
本文將每個省份看作一個決策單元DMU,構(gòu)造了3個區(qū)域在每一個時期能源的最優(yōu)前沿面.在能源生產(chǎn)和使用過程中CO2的排放稱之為非期望產(chǎn)出(Undesirable or Bad Output);將正常產(chǎn)出國內(nèi)生產(chǎn)總值(GDP)稱為期望產(chǎn)出(Desirable or Good Output).為了將環(huán)境問題納入分析框架中,需要先構(gòu)造一個既包括期望產(chǎn)出,又包括非期望產(chǎn)出的生產(chǎn)可能性集合,將這種生產(chǎn)可能性集合稱為環(huán)境技術(shù)(The Environmental Technology)[4].根據(jù)TONE K(2001)[7]對環(huán)境技術(shù)集的定義,假設(shè)測量一組共n個決策單元DMU,記為DMUj(j=1,2,3,…,n);每個DMU使用m種投入,記為xi(i=1,2,3,…,m);q1種期望產(chǎn)出和q2種非期望產(chǎn)出,分別記為yr(r=1,2,3,…,q1)和bg(g=1,2,3,…,q2).環(huán)境技術(shù)集可表示為:
(1)
衡量包含環(huán)境技術(shù)的產(chǎn)出集合P(x)具有以下4個性質(zhì).
(1)平凡性公理 (xi,yr,bt)∈P(x).
(3)錐性公理 對任意(x,y,b)∈P(x)及數(shù)k≥0,均有k(x,y,b)=(kx,ky,kb)∈P(x).
(2)
式中:λj——投入產(chǎn)出的權(quán)重.
1.2 非期望產(chǎn)出的SBM模型
在徑向DEA模型中,對無效率程度的測量只包含了所有投入(產(chǎn)出)等比例縮減(增加)的比例.
對于無效DMU來說,其當前狀態(tài)與強有效目標值之間的差距,除了等比例改進的部分之外,還包含松弛改進部分.2001年,TONEK提出了SBM模型[7].2003年,基于環(huán)境生產(chǎn)技術(shù),TONEK構(gòu)建了包含非期望產(chǎn)出的SBM模型為[3]:
(3)
1.3 序列Malmquist-Luenberger模型
(4)
式中:S1——t1時期的集合;S2——t2時期的集合,以此類推.
1997年,根據(jù)CHUNG Y等人[9]將包含非期望產(chǎn)出的方向性距離函數(shù)應(yīng)用于Malmquist模型進行演變.
通過將含有非期望產(chǎn)出的SBM模型與序列Malmquist模型進行組合,構(gòu)造了序列Malmquist-Luenberger模型,得到了t期與t+1期之間的SML(Sequential Malmquist-Luenberger)生產(chǎn)率增長指數(shù):
(5)
為避免技術(shù)基準選擇的隨意性造成結(jié)果差異,以相鄰兩期的SML生產(chǎn)率增長指數(shù)的幾何平均值衡量t期到t+1期的低碳全要素生產(chǎn)率的變化情況,具體計算公式為[10]:
(6)
通過對式(6)的變形,SML生產(chǎn)率增長指數(shù)可以進一步分解為技術(shù)進步指數(shù)(STC)和效率變化指數(shù)(SEC)[1].
(7)
式中:FSML——生產(chǎn)率增長指數(shù);FSTC——技術(shù)進步指數(shù);FSEC——效率變化指數(shù).
2.1 數(shù)據(jù)來源與測算
Shakespeare was born in 1564 at a town(城鎮(zhèn))in England.His father,John,was a glove-maker(手套制造者).His mother,Mary,was a farmer’s daughter.He had seven brothers and sisters.
選取1997~2012年我國29個省、直轄市和自治區(qū)的投入產(chǎn)出數(shù)據(jù)為樣本(西藏數(shù)據(jù)缺失沒有包括在內(nèi),香港、澳門、臺灣地區(qū)不在分析范圍之內(nèi))[11],制作東、中、西部和中國整體的面板數(shù)據(jù).樣本數(shù)據(jù)均來自《中國統(tǒng)計年鑒》以及各省的統(tǒng)計年鑒.具體指標選取如下.
2.1.1 投入指標
(1) 勞動力(L) 當年從業(yè)人數(shù)=(當年年末從業(yè)人員+上一年年末從業(yè)人員)/2,單位為萬人.
(2) 能源消費總量(R) 采用各地區(qū)的能源消耗為基礎(chǔ)折算成標準煤,單位為萬噸標準煤.
(3) 資本存量(K) 資本存量普遍采用永續(xù)盤存法來進行核算.根據(jù)單豪杰的估算方法[12]:
(8)
式中:Kit——i省在第t期期末的固定資本存量;Iit——i省在第t期的固定資本投資額,即新增固定資本;δit——固定資本的經(jīng)濟折舊率[13].
在此基礎(chǔ)上以1997年為基期,作為比較的基準,補充測算了2008~2012年的資本存量數(shù)據(jù),以方便做出比較.
2.1.2 產(chǎn)出指標
(1)期望產(chǎn)出(E) 總產(chǎn)出用各省(市、自治區(qū))的地區(qū)生產(chǎn)總值(GDP)表征,并以消費價格指數(shù)進行平減(以1997年為基期),單位為億元[13].
(2)非期望產(chǎn)出(C) 本文以13種能源(煤炭、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煤氣、煉廠干氣、其他焦化產(chǎn)品、天然氣)消耗為基準來測算各地區(qū)的碳排放量.根據(jù)《2006年IPCC國家溫室氣體清單指南》提供的計算方法,來測算二氧化碳的排放量[14]:
(9)
式中:Ei——第i種能源消耗量,折算成統(tǒng)一的單位,104t;
VNCi——第i種能源凈發(fā)熱值;
FCEi——第i種能源的碳排放系數(shù);
FCO——碳氧化因子.
能源效率投入產(chǎn)出的統(tǒng)計性描述如表1所示.
表1 能源效率投入產(chǎn)出的統(tǒng)計描述
從表1可以看出,東、中、西部和整體能源消費總量的均值分別為1.946 048×108t,1.217 162×108t,6.910 911×107t,1.310 002×108t標準煤,標準差分別為 1.676 538×108t,1.015 438×108t,6.734 553×107t,1.337 649×108t標準煤,從能源消費指標上可以看出東部地區(qū)經(jīng)濟發(fā)展水平明顯處于全國領(lǐng)先地位,而在能源利用效率上也是全國領(lǐng)頭羊;在與全國總體水平比較時,中部與西部仍然存在不小差距,表明該投入指標在東、中、西部的差距很大且離散程度較高.
2.2 總體分析
2.2.1 東中西部和中國整體在碳排放約束下生產(chǎn)率的測算及其分解結(jié)果
運用上述研究模型、方法和樣本數(shù)據(jù),分別對1997~2012年中國29個地區(qū)、東、中和西部區(qū)域構(gòu)造了碳排放約束下最佳前沿面,進行低碳全要素生產(chǎn)率(即SML生產(chǎn)率增長指數(shù))測算,并將其分解為技術(shù)進步指數(shù)(STC)和效率變化指數(shù)(SEC),然后將以東、中、西部區(qū)域為獨立測算的結(jié)果與中國29個地區(qū)為整體測算的結(jié)果進行比較.由于篇幅限制,僅列示了1997~2012年中國平均值(SML1,STC1,SEC1)和東、中、西部3大區(qū)域平均值(SML,STC,SEC),如表2和表3所示.
由表2和表3可以看出,SML生產(chǎn)率整體上有較大幅度的提高,其中技術(shù)進步的貢獻要遠大于效率改善的貢獻;東部、中部和中國整體單獨測算時SML生產(chǎn)率增長指數(shù)、技術(shù)進步累積增長指數(shù)和效率改善累積增長指數(shù)差距都不是太大,而西部和中國整體單獨測算時SML生產(chǎn)率增長指數(shù)和技術(shù)進步累積增長指數(shù)差距非常明顯,說明東中部區(qū)域與中國整體SML生產(chǎn)率發(fā)展水平是同步的,并沒有影響其提高,而西部區(qū)域嚴重落后于中國的整體水平.
表2 1997~2012年中國及3大地區(qū)歷年平均SML生產(chǎn)率指數(shù)及其構(gòu)成
表3 1997~2012年3大地區(qū)SML生產(chǎn)率指數(shù)及其構(gòu)成累積和平均增長指數(shù)
從平均值來看,東部和中國整體每年增長的速度相同,而中部、西部比中國整體每年有著稍大的增長速度;全要素生產(chǎn)率(FTP)在東中部地區(qū)低碳約束下的提升是技術(shù)進步和效率提高推動的結(jié)果;而FTP在西部地區(qū)低碳約束下的提升僅僅依靠的是技術(shù)進步.
2.2.2 東中西部與中國整體指標間的相關(guān)系數(shù)
東、中、西部與中國整體指標間的相關(guān)系數(shù)如表4所示.由表4可以發(fā)現(xiàn),東部區(qū)域的SML,STC,SEC與整體地區(qū)的SML1,STC1,SEC1存在高度相關(guān),但中西部區(qū)域與整體地區(qū)之間指標的相關(guān)性偏低.這是由于把東、中、西部分別作為獨立的整體進行前沿面的構(gòu)造,使中西部區(qū)域產(chǎn)生了很大的不同.
表4 指標間的相關(guān)系數(shù)
圖1,圖2,圖3分別為29個地區(qū)的生產(chǎn)率指數(shù)、技術(shù)進步趨勢比較、效率變化趨勢比較.從圖1,圖2,圖3可以看出,東部區(qū)域中各地區(qū)的SML,STC,SEC與中國整體各指標擬合度非常高,而中西部區(qū)域中各地區(qū)與中國整體各指標上下波動很大.這說明應(yīng)用中國29個省、直轄市和自治區(qū)中的最優(yōu)值來構(gòu)造最優(yōu)前沿面,中西部區(qū)域的省、直轄市和自治區(qū)相對于這個最優(yōu)前沿面不能具體真實地反應(yīng)它們的全要素生產(chǎn)率.
因此,按照地理位置、地區(qū)經(jīng)濟條件、資源稟賦、生產(chǎn)技術(shù)、工業(yè)和城市化水平等因素將中國分成3大區(qū)域進行獨立分析,然后進行整體分析,這樣不僅能從整體上對中國各省、直轄市和自治區(qū)進行測算評估,而且能夠結(jié)合實際條件分析各省、直轄市和自治區(qū)的能源效率.這樣分析得到的結(jié)果更加真實,對政策的制定有一定的參考價值.
圖1 29個地區(qū)的生產(chǎn)率指數(shù)比較
圖2 29個地區(qū)的技術(shù)進步趨勢比較
圖3 29個地區(qū)的效率變化趨勢比較
2.2.3 東中西部的能源效率
表5為東、中、西部獨立測算時各地區(qū)的能源效率.從表5可以看出,東部的河北、遼寧和山東的能源效率平均值分別為0.435 159,0.513 272,0.598 036,低于東部其他地區(qū)的能源效率;中部各地區(qū)能源效率相對均衡,只有山西的低一點;西部的甘肅和貴州能源效率平均值為0.671 052和0.481 204,也低于西部其他地區(qū)的能源效率.
表5 東中西部獨立測算時各地區(qū)的能源效率
本文基于1997~2012年中國東、中、西部和中國整體的面板數(shù)據(jù),采用了序列Malmquist-Luenberger模型分別估算了1997~2012年我國29個省(直轄市、自治區(qū))及東、中、西部區(qū)域在碳排放約束下的全要素生產(chǎn)率SML,并將其分解為技術(shù)進步STC和效率變化SEC兩部分.研究結(jié)果表明:技術(shù)進步和效率變化共同促進了整體全要素生產(chǎn)率的不斷提高,并且技術(shù)進步的作用大于效率變化的作用;東部區(qū)域的各省(直轄市、自治區(qū))在碳排放約束下全要素生產(chǎn)率SML在引領(lǐng)著整個中國的進步,中部區(qū)域和整個中國發(fā)展水平幾乎一致,而西部明顯落后于整體.
因此,在制定提高能源效率的相應(yīng)政策時,應(yīng)該注重提高那些相對于本區(qū)域能源效率落后的省份和中西部地區(qū)的技術(shù)水平,加快中西部地區(qū)市場化推進,以提高中西部地區(qū)全要素能源效率.
[1] 范丹,王維國.中國區(qū)域全要素能源效率及節(jié)能減排潛力分析——基于非期望產(chǎn)出的SBM模型[J].數(shù)學的實踐與認識,2013,43(7):12-21.
[2] 范丹.低碳視角下的中國能源效率研究[D].大連:東北財經(jīng)大學,2013.
[3] TONE K.Dealing with undesirable output in DEA:a slack-based measure(SBM) approach[J].GRIPS Research Report Series I,2003(5):138-141.
[4] 王兵,張技輝.環(huán)境約束下中國省際全要素能源效率實證研究[J].經(jīng)濟評論,2011(4):31-43.
[5] 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)濟理論與經(jīng)濟管理,2008(3):13-20.
[6] 劉心,李淑敏.基于非期望產(chǎn)出SBM模型的中國各省份能源效率的實證分析[J].數(shù)學的實踐與認識,2015(1):36-43.
[7] TONE K.A Slacks-based measure of efficiency in data envelopment analysis [J].European Journal of operational Research,2001(130):498-509.
[8] SHESTALOVA V.Sequential malmquist indices of producticity growth:an application to OECD industrial activities[J].Journal of Productivity Analysis,2013(19):211-226.
[9] CHUNG Y,FARE R,GROSSKOPF S.Productivity and undesirable output:a directional distance function approach[J].Journal of Environmental Management,1997,51(3):229-240.
[10] 程云鶴,齊曉安.低碳約束下中國全要素生產(chǎn)率的時空演變——基于Sequential Malmquist-Luenberger生產(chǎn)率指數(shù)分解方法[J].技術(shù)經(jīng)濟,2012(9):51-58.
[11] 王維國,范丹.節(jié)能減排約束下的中國區(qū)域全要素生產(chǎn)率演變趨勢與增長動力——基于Malmqulist-Luenberger指數(shù)法[J].經(jīng)濟管理,2012(11):142-151.
[12] 單豪杰.中國資本存量的再估算:1952~2006[J].數(shù)量經(jīng)濟與技術(shù)經(jīng)濟研究,2008(10):17-31.
[13] 李強,魏巍.碳排放約束視角下的全要素能源效率及影響因素研究[J].軟科學,2015(4):71-74.
[14] 王維國,范丹.中國區(qū)域全要素能源效率收斂性及影響因素分析——基于Malmqulist-Luenberger指數(shù)法[J].資源科學,2012(10):1 816-1 824.
(編輯 胡小萍)
Total Factor Energy Efficiencyunder the Carbon Emission Restriction Based on the Sequence Malmquist-Luenberger Index
PAN Hua, ZHENG Fang, GAO Yangyang
(SchoolofEconomicsandManagement,ShanghaiUniversityofElectricPower,Shanghai200090,China)
In order to study the total factor energy efficiency under the carbon emission restriction issue,using the model based on the named Sequence Malmquist-Luenberger which includes undesirable outputs SBM and the sequence Malmquist model to compare China’s eastern,middle,and western areas covering 29 provinces and the total factor productivity are compared and analyzed.Empirical study finds that STC and SEC promote the development of whole total factor productivity in common and the function of STC is stronger than SEC.The eastern regional area’s total factor productivity under the carbon emission restriction has been leading the whole China’s progress.The central region is almost identical to the whole development level of China,while the western region lags behind.
total factor energy efficiency; undesirable output’s SBM; sequence of malmquist-luenberger model
10.3969/j.issn.1006-4729.2017.03.008
2015-12-31
潘華(1976-),男,副教授,上海人.主要研究方向為電力信息化與決策支持,電力工程施工管理等.E-mail:stevepan2005@126.com.
國家自然科學基金(71271065).
F224;F124.5
A
1006-4729(2017)03-0251-07