非期望產(chǎn)出下我國(guó)能源消耗產(chǎn)出效率差異研究

陳星星

(1.中國(guó)社會(huì)科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，北京 100732；2.特華博士后科研工作站，北京 100029)

1 引言

近10年來，中國(guó)經(jīng)濟(jì)迅速發(fā)展，人口紅利是促成這兩個(gè)國(guó)家經(jīng)濟(jì)騰飛的重要?jiǎng)右?。工業(yè)和實(shí)體經(jīng)濟(jì)的快速發(fā)展促使中國(guó)能源消耗迅速上升，與此同時(shí)，粗放型的發(fā)展方式也在推動(dòng)能源消耗的同時(shí)，埋下了經(jīng)濟(jì)增長(zhǎng)和社會(huì)發(fā)展的隱患。能源問題已經(jīng)不僅僅是中國(guó)問題，更是世界各國(guó)密切關(guān)注的全球問題。提高能源效率與利用水平，開發(fā)新能源技術(shù)和使用，將經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)協(xié)調(diào)發(fā)展，建立“資源節(jié)約與環(huán)境友好”的兩型社會(huì)，已不僅僅是中國(guó)社會(huì)發(fā)展的迫切要求，更是全世界國(guó)家和人民的共同心愿。

目前國(guó)外對(duì)于能源消耗的研究文獻(xiàn)比較零散且并不豐富，主要是從能源效率的指標(biāo)及測(cè)算、能源政策和能源消費(fèi)的效應(yīng)和影響因素、能源效率與經(jīng)濟(jì)發(fā)展、居民能源消費(fèi)間的關(guān)系、分行業(yè)能源效率以及能源消費(fèi)與環(huán)境變化等角度研究能源問題。(1)從研究能源效率的指標(biāo)及測(cè)算看，Patterson[1]認(rèn)為傳統(tǒng)的能源效率指標(biāo)不能有效衡量能源的生產(chǎn)問題和技術(shù)趨勢(shì)。(2)從能源政策的效應(yīng)看，Yuan Chaoqing等[2]運(yùn)用線性回歸的方法測(cè)算了不同能源政策下的長(zhǎng)期和短期節(jié)能效應(yīng)。(3)從能源效率與經(jīng)濟(jì)發(fā)展的關(guān)系看，Vance等[3]研究了能源需求、環(huán)境變化、人口增長(zhǎng)、經(jīng)濟(jì)發(fā)展和能源效率之間的關(guān)系。(4)從分行業(yè)能源效率看，Pérez-Lombarda等[4]分析了建筑行業(yè)的能源消耗，測(cè)算了建筑行業(yè)中能源消耗和二氧化碳排放量的比重。(5)從能源消費(fèi)與環(huán)境變化的角度看，Br?nnlund等[5]分析了瑞典家庭的能源消費(fèi)以及二氧化碳、二氧化硫和氮氧化物的排放情況。

從國(guó)內(nèi)的研究來看，一部分文獻(xiàn)在測(cè)算能源效率的基礎(chǔ)上，研究了能源效率的變化趨勢(shì)。從現(xiàn)有文獻(xiàn)看，大多數(shù)研究認(rèn)為我國(guó)目前能源效率整體偏低，在60%～70%左右，即節(jié)能潛力為30%～40%[6]。對(duì)于全要素能源效率的趨勢(shì)，一些學(xué)者認(rèn)為呈現(xiàn)“倒U形”波動(dòng)，還有的學(xué)者認(rèn)為，能源效率在弱的“類周期性”波動(dòng)中總體呈下降趨勢(shì)，僅有局部階段的“倒U形”特征[7]。此外，大多數(shù)學(xué)者認(rèn)為我國(guó)區(qū)域間能源效率差異明顯，存在區(qū)域不平衡的特征[6]。陳星星[8]認(rèn)為，中國(guó)產(chǎn)業(yè)能源消費(fèi)整體呈空間集聚分布，終端能源消費(fèi)總量的空間集聚性有所減弱。另一些學(xué)者研究了能源效率產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系。在研究人均GDP增長(zhǎng)與能源經(jīng)濟(jì)效率之間的關(guān)系方面，有的學(xué)者認(rèn)為二者間存在先下降后穩(wěn)定再上升的“U形”關(guān)系[9]。還有部分文獻(xiàn)構(gòu)建了能源效率評(píng)價(jià)指標(biāo)體系，探討了全要素能源效率的影響因素，如李平和陳星星[10]、陳星星[11]分析了政府規(guī)模、第二產(chǎn)業(yè)增加值、城鎮(zhèn)化率、開放度對(duì)中國(guó)能源消耗產(chǎn)出效率的影響。此外，一些學(xué)者研究了環(huán)境規(guī)制、節(jié)能減排對(duì)能源效率的影響，認(rèn)為不考慮環(huán)境規(guī)制會(huì)高估能源效率，而張華等[12]發(fā)現(xiàn)，環(huán)境規(guī)制對(duì)全要素能源效率的影響“可正可負(fù)”，應(yīng)當(dāng)引入環(huán)境規(guī)制的平方項(xiàng)討論非線性影響。范建平等[13]發(fā)現(xiàn)，物流業(yè)環(huán)境效率整體偏低，加強(qiáng)環(huán)境管制可以提高經(jīng)濟(jì)效率。孟慶春等[14]認(rèn)為，中國(guó)省際能源效率差異較大，采用灰霾環(huán)境約束測(cè)算能源效率更加科學(xué)。崔百勝和朱麟[15]構(gòu)建了能源約束和碳排放約束下的內(nèi)生經(jīng)濟(jì)增長(zhǎng)模型，發(fā)現(xiàn)能源結(jié)構(gòu)逆向調(diào)整的存在使得控制能源消費(fèi)總量對(duì)少部分省份無法達(dá)到減排效果。

本論文的貢獻(xiàn)在于：第一，將環(huán)境因素和隨機(jī)因素從能源效率與能源全要素生產(chǎn)率的測(cè)算中剝離出來，從而得出更加準(zhǔn)確的能源效率值和能源全要素生產(chǎn)率值。第二，系統(tǒng)梳理了從1990～2013年的能源消耗投入產(chǎn)出相關(guān)指標(biāo)數(shù)據(jù)，尤其是對(duì)于污染物排放指標(biāo)(如二氧化硫排放總量、氮氧化物排放總量、煙粉塵排放總量)的梳理，從2001年及以前，很多指標(biāo)數(shù)據(jù)存在大量缺失，需要綜合參考大量歷年統(tǒng)計(jì)年鑒對(duì)有關(guān)缺失數(shù)據(jù)補(bǔ)全，從現(xiàn)有參考文獻(xiàn)來看，筆者收集的面板數(shù)據(jù)是較為全面和完整的。

2 理論模型

傳統(tǒng)DEA模型的最大缺點(diǎn)是無法剔除隨機(jī)擾動(dòng)和外部環(huán)境對(duì)效率值的影響，本文借助四階段DEA模型，調(diào)整投入變量，得到更為準(zhǔn)確的能源效率估計(jì)值。同時(shí)，本著節(jié)約成本的原則，構(gòu)造規(guī)模報(bào)酬可變下以投入為導(dǎo)向的BCC模型。

2.1 DEA-Malmquist指數(shù)模型

(1)

(2)

全要素生產(chǎn)率的變動(dòng)(TFPC)定義為：

TFPC=[D0s(xs,ys)/D0s(xt,yt)]

×([D0t(xs,ys)/D0s(xs,ys)]×[D0s(xt,yt)/

D0t(xt,yt)])1/2

(3)

則可以將全要素生產(chǎn)率變動(dòng)(TFPC)分解為技術(shù)效率變化(EFFC)與技術(shù)進(jìn)步(EFFCHC)的乘積，技術(shù)效率變化(EFFC)進(jìn)一步分解為純技術(shù)效率變化(PEC)與規(guī)模效率變化(SEC)的乘積。

2.2 調(diào)整后的SFA模型

參考Costantin等[17]，構(gòu)建隨機(jī)前沿(SFA)模型如下：

i=1,…,N;t=1,…,T

(4)

(i=1,…,N;t=1,…,T;p=1,…,P)

(5)

進(jìn)一步假設(shè)第k個(gè)決策單元的第i個(gè)松弛變量為sik，由于松弛變量的取值范圍為不小于0，因此采用SFA-Tobit模型：

i=1,…,N;k=1,…,K

(6)

(7)

2.3 調(diào)整后的DEA-Malmquist指數(shù)及Bootstrap-DEA-Malmquist方法

參考Simar和Wilson[18-19]在DEA中引入Bootstrap的有放回重復(fù)抽樣DEA方法，以消除由于樣本差異造成的隨機(jī)影響。具體而言，Bootstrap-DEA模型的測(cè)算方法如下。

3 指標(biāo)選取及數(shù)據(jù)來源

3.1 投入產(chǎn)出指標(biāo)選取

(1)投入指標(biāo)。本文選取的投入指標(biāo)如下。一是實(shí)際資本存量(capital)。由于歷年《中國(guó)統(tǒng)計(jì)年鑒》中未直接給出實(shí)際資本存量的數(shù)值，參考單豪杰的估算方法，運(yùn)用總投資、固定資本形成額和定基CPI可以得到實(shí)際資本存量為：K(t)=ΔK(t)+(1-δ)K(t-1)。其中δ=5%，為折舊率，K(t)為當(dāng)年實(shí)際資本存量，單位為億元。二是有效勞動(dòng)力投入(labor)。參考傅曉霞和吳利學(xué)的做法，將有效勞動(dòng)力投入定義為勞動(dòng)力數(shù)量(l)與勞動(dòng)投入質(zhì)量(h)的乘積，即=l×h。其中，勞動(dòng)投入質(zhì)量用平均受教育年限表示，其計(jì)算公式為平均受教育年限=(小學(xué)畢業(yè)人口數(shù)×6+初中畢業(yè)人口數(shù)×9+高中畢業(yè)人口數(shù)×12+大專及以上畢業(yè)人口數(shù)×16)/6歲以上總?cè)丝跀?shù)。有效勞動(dòng)力投入的單位為萬人年。三是總能耗(energy)，以各省份能源消耗總量表示。根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒》，最終能源消費(fèi)分為：煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣、電力9種，而電力又是由其他能源生產(chǎn)的，為避免重復(fù)計(jì)算，借鑒一般文獻(xiàn)的通用做法，本文將除電力之外的8種能源統(tǒng)一折算為萬噸標(biāo)準(zhǔn)煤并進(jìn)行加總。因數(shù)據(jù)所限，僅使用1990～2014年的統(tǒng)計(jì)數(shù)據(jù)。

(2)產(chǎn)出指標(biāo)。整體來看，現(xiàn)有文獻(xiàn)的產(chǎn)出主要有單產(chǎn)出和多產(chǎn)出兩種。其中，單產(chǎn)出主要以地區(qū)GDP為指標(biāo)，少數(shù)研究使用工業(yè)生產(chǎn)總值或工業(yè)增加值作為單產(chǎn)出。但筆者認(rèn)為即然是測(cè)算能源效率，那么盡管工業(yè)是能源的消耗的最主要產(chǎn)出，但隨著科技發(fā)展、社會(huì)進(jìn)步、城鎮(zhèn)化水平的推進(jìn)以及第三產(chǎn)業(yè)比重的提升，用地區(qū)GDP作為產(chǎn)出指標(biāo)仍應(yīng)是反映產(chǎn)出的最適當(dāng)指標(biāo)。多產(chǎn)出分為合意產(chǎn)出組合和合意-非合意混合產(chǎn)出兩種。其中，合意產(chǎn)出組合指標(biāo)主要有工業(yè)生產(chǎn)總值和地區(qū)GDP，而非合意產(chǎn)出指標(biāo)主要有二氧化碳排放量或污染排放綜合指數(shù)[20]。本文選取的產(chǎn)出包括期望產(chǎn)出和非期望產(chǎn)出兩種。綜合目前國(guó)內(nèi)外主流能源污染物的定義和指標(biāo)選取，同時(shí)綜合指標(biāo)的可獲得性，最終確定期望產(chǎn)出為各地區(qū)生產(chǎn)總值GDP，非期望產(chǎn)出為二氧化碳排放量、二氧化硫排放量、煙(粉)塵排放、廢水排放總量。

第一，單位能耗GDP(egdp)。其中，各省份經(jīng)濟(jì)發(fā)展水平用各省份GDP以1978年的不變價(jià)格進(jìn)行衡量，單位為億元。為了使數(shù)據(jù)更具平穩(wěn)性，本文采用五年期的幾何平均值來代替當(dāng)年的生產(chǎn)總值GDP。單位能耗經(jīng)濟(jì)發(fā)展水平用地區(qū)生產(chǎn)總值GDP除以總能耗表示。

第二，二氧化碳排放量(carbon)。由于《中國(guó)能源統(tǒng)計(jì)年鑒》中并未直接給出二氧化碳排放量，而僅有能源消費(fèi)量，因此需要借助政府間氣候變化專門委員會(huì)IPCC公布的碳排放系數(shù)和碳氧化因子，來估計(jì)各地區(qū)的二氧化碳排放量。根據(jù)物料計(jì)算法，各地區(qū)二氧化碳排放量的計(jì)算公式為[21]：

(8)

其中，Ekt，為一省第t年第k種能源的年實(shí)際消費(fèi)量；Tk為第k種能源熱值轉(zhuǎn)換系數(shù)，可以根據(jù)2015年《中國(guó)能源統(tǒng)計(jì)年鑒》附錄4各種能源折標(biāo)準(zhǔn)煤參考系數(shù)中各種能源的平均低位發(fā)熱量得到(見表1)；Ck和Rk分別是第k種能源的碳排放系數(shù)和碳氧化因子，可以根據(jù)政府間氣候變化專門委員會(huì)IPCC得到；44/12為二氧化碳和碳的分子量比率。據(jù)此可測(cè)算出中國(guó)各省份的二氧化碳排放量，單位為萬噸每立方米。

其中，原煤、焦炭、原油、汽油、柴油、燃料油、天然氣、煤油的能源消費(fèi)量來自歷年《中國(guó)能源統(tǒng)計(jì)年鑒》。山西省的原油消費(fèi)量缺失，用《山西能源經(jīng)濟(jì)60年》中的石油制品消費(fèi)量替代。山西省的原油消費(fèi)量缺失，用歷年《貴州統(tǒng)計(jì)年鑒》補(bǔ)全。其他缺失數(shù)據(jù)用能源資源數(shù)據(jù)庫和線性插值法補(bǔ)全。

第三，二氧化硫排放量(sulfur)、煙(粉)塵排放量(smoke)、廢水排放總量(water)。分省份二氧化硫排放總量、煙(粉)塵排放總量、廢水排放總量數(shù)據(jù)均來自歷年《中國(guó)統(tǒng)計(jì)年鑒》。但由于《中國(guó)統(tǒng)計(jì)年鑒》中從2004年及以后才公布了環(huán)境保護(hù)條目，2004年以前的數(shù)據(jù)缺失，缺失的數(shù)據(jù)由歷年《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》補(bǔ)充，2001年及以前的缺失數(shù)據(jù)由《新中國(guó)六十年統(tǒng)計(jì)資料匯編1949～2008》《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)城市統(tǒng)計(jì)年鑒》以及高校財(cái)經(jīng)數(shù)據(jù)庫補(bǔ)充。1997年的二氧化硫排放量用1998年《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》中各地區(qū)縣及以上工業(yè)廢氣排放及處理情況中的二氧化硫排放量替代，煙粉塵排放量用工業(yè)粉塵排放量替代。2002年及2003年的廢水排放總量數(shù)據(jù)缺失，用工業(yè)廢水排放量替代，并根據(jù)2004年工業(yè)廢水排放總量占廢水排放總量的比例調(diào)整；1997年的廢水排放總量用1998年《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》中各地區(qū)縣及以上工業(yè)廢水排放及處理情況中的工業(yè)廢水排放總量替代。

表1 能源折標(biāo)準(zhǔn)煤參考系數(shù)、碳排放系數(shù)、碳氧化因子及折算系數(shù)

3.2 環(huán)境指標(biāo)選取及數(shù)據(jù)來源

環(huán)境指標(biāo)主要考慮城鎮(zhèn)化水平、政府干預(yù)程度、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放程度、科技創(chuàng)新水平和進(jìn)出口水平。城鎮(zhèn)化水平用城鎮(zhèn)人口/人口總量表示；政府干預(yù)程度用政府規(guī)模衡量，即用財(cái)政支出/實(shí)際GDP，單位為%；產(chǎn)業(yè)結(jié)構(gòu)用第二產(chǎn)業(yè)增加值/實(shí)際GDP表示，其中第二產(chǎn)業(yè)增加值的數(shù)據(jù)來源于歷年“國(guó)家統(tǒng)計(jì)局進(jìn)度數(shù)據(jù)庫”，部分缺失數(shù)據(jù)由地方統(tǒng)計(jì)年鑒補(bǔ)充；對(duì)外開放程度用對(duì)外直接投資FDI/實(shí)際GDP，對(duì)外直接投資數(shù)值采用實(shí)際利用外商直接投資額，由于國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)單位為萬美元，因此需要查找當(dāng)年的人民幣兌美元匯率，換算成單位為億元的對(duì)外直接投資數(shù)值，并且由于上海的實(shí)際利用外商直接投資額缺失，采用實(shí)際吸收外資金額替代；科技創(chuàng)新水平用研發(fā)投入/實(shí)際GDP表示，其中研發(fā)投入用規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)表示。進(jìn)出口水平用進(jìn)出口總額/名義GDP表示。其他未標(biāo)明的數(shù)據(jù)均來自于國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫。

研發(fā)投入為規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)，數(shù)據(jù)來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》。由于《中國(guó)統(tǒng)計(jì)年鑒》中的規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)僅有2004年、2008年、2009年和2010～2015年的數(shù)據(jù)，因此，缺失的數(shù)據(jù)從歷年《中國(guó)科技統(tǒng)計(jì)年鑒》中用“大中型工業(yè)企業(yè)科技經(jīng)費(fèi)內(nèi)部支出”數(shù)據(jù)補(bǔ)全。由于1994年及以前《中國(guó)科技統(tǒng)計(jì)年鑒》中僅有分行業(yè)和分經(jīng)濟(jì)類型的“大中型工業(yè)企業(yè)科技經(jīng)費(fèi)內(nèi)部支出”情況，采用線性插值法補(bǔ)全。進(jìn)出口總額為按經(jīng)營(yíng)單位所在地分貨物進(jìn)出口總額，數(shù)據(jù)來源于“中國(guó)經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫”，用當(dāng)年年均美元兌人民幣匯率折算為萬元。以上指標(biāo)均除以名義GDP，以消除不同年份價(jià)格水平的影響。

4 模型計(jì)量結(jié)果分析

4.1 第一階段：DEA-Malmquist指數(shù)模型

本文構(gòu)建在既定產(chǎn)出下做出最小投入，因此選取以投入為導(dǎo)向、規(guī)模報(bào)酬可變的動(dòng)態(tài)DEA-Malmquist模型。不考慮環(huán)境效應(yīng)和隨機(jī)因素的影響時(shí)，1990～2014年全要素能源效率年均增長(zhǎng)1.2%，其中技術(shù)效率年均增長(zhǎng)1.6%，技術(shù)進(jìn)步年均下降0.1%。中國(guó)能源消耗技術(shù)效率變化中純技術(shù)效率年均增長(zhǎng)9%，規(guī)模效率年均增長(zhǎng)7%。整體來看，中國(guó)全要素能源效率增長(zhǎng)緩慢，全要素能源效率的增長(zhǎng)源于能源技術(shù)效率的推動(dòng)，而技術(shù)進(jìn)步起到阻礙的作用，能源技術(shù)效率的進(jìn)步來源于純技術(shù)效率與規(guī)模效率的共同推動(dòng)。

圖1顯示了不同時(shí)段下能源消耗產(chǎn)出全要素生產(chǎn)率的變化及其分解情況。1993～1994年、2000～2001年、2004～2008年以及2011～2013年的能源全要素生產(chǎn)率增長(zhǎng)，而其他年份均波動(dòng)下行。1993～1994年的全要素能源生產(chǎn)率增幅最大，為40.1%；2003～2004年的全要素能源生產(chǎn)率降幅最大，為8.7%。全要素能源效率的變化趨勢(shì)與能源技術(shù)效率的變化趨勢(shì)一致，而與能源技術(shù)進(jìn)步的變化趨勢(shì)相反。此外，純技術(shù)效率變化與規(guī)模效率變化在大多數(shù)年份保持一致，僅在少數(shù)年份此消彼長(zhǎng)。純技術(shù)效率增長(zhǎng)幅度最大的年份為1999～2000年，規(guī)模效率增幅最大的年份在2003～2004年，分別增長(zhǎng)19.0%和17.2%。

圖1 傳統(tǒng)DEA-Malmquist指數(shù)模型測(cè)算結(jié)果注：effch、techch和tfpch為左軸，pech、sech為右軸；effch表示技術(shù)效率變化，techch表示技術(shù)進(jìn)步，pech表示純技術(shù)效率變化，sech表示規(guī)模效率變化，tfpch表示全要素生產(chǎn)率變動(dòng)。

1990～2014年八大區(qū)域全要素能源生產(chǎn)率均呈增長(zhǎng)趨勢(shì)，其中最高的是東北地區(qū)，其次是北部沿海和東部沿海，其他區(qū)域的全要素能源生產(chǎn)率差異不大。所有省份的能源全要素生產(chǎn)率均大于1，低于年均值1.152的省份有：河北、山東、浙江、福建、廣東、山西、山西、安徽、江西、廣州、貴州、云南和大西北地區(qū)的所有省份。能源全要素生產(chǎn)率最高的省份為北京，年均增長(zhǎng)25.6%，主要源于能源技術(shù)進(jìn)步的提高；最低的為寧夏，年均增長(zhǎng)8.5%，主要是能源技術(shù)效率增長(zhǎng)較少。

4.2 第二階段：隨機(jī)前沿模型

將三個(gè)投入變量：實(shí)際資本存量、有效勞動(dòng)力投入、能源消耗的松弛變量作為被解釋變量，環(huán)境變量：城鎮(zhèn)化水平、政府干預(yù)程度(政府規(guī)模)、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放程度、科技創(chuàng)新水平、進(jìn)出口水平作為解釋變量，構(gòu)建隨機(jī)前沿模型測(cè)算環(huán)境效應(yīng)對(duì)投入的靜態(tài)影響，結(jié)果如表2所示。

三個(gè)模型均通過顯著性檢驗(yàn)，模型設(shè)定合理(見表2)。環(huán)境變量對(duì)三種投入均有影響，但影響的因素和程度不同。三種投入松弛變量下，γ均趨近于0，說明隨機(jī)環(huán)境誤差占主導(dǎo)因素，技術(shù)管理對(duì)能源效率的影響不顯著，因此研究環(huán)境變量對(duì)投入的影響是非常必要的。從回歸結(jié)果看，當(dāng)環(huán)境變量系數(shù)為正時(shí)，表明增加外部環(huán)境投入時(shí)會(huì)增加投入松弛量，從而導(dǎo)致投入浪費(fèi)或產(chǎn)出下降；當(dāng)環(huán)境變量系數(shù)為負(fù)時(shí)，表明增加外部環(huán)境投入時(shí)會(huì)減少投入松弛量，從而導(dǎo)致投入減少或產(chǎn)出增加。

表2 第二階段隨機(jī)前沿模型結(jié)果

注：括號(hào)內(nèi)是z值；***代表顯著性水平<0.01，**代表顯著性水平<0.05，*代表顯著性水平<0.1。

城鎮(zhèn)化水平對(duì)實(shí)際資本存量松弛變量的影響在1%的顯著性水平下為正，對(duì)有效勞動(dòng)力投入和能源消耗的影響不顯著。說明當(dāng)提高城鎮(zhèn)化水平時(shí)，將增加實(shí)際資本存量，從而導(dǎo)致能源使用效率下降，造成浪費(fèi)。

政府規(guī)模對(duì)實(shí)際資本存量和能源消耗的影響顯著為正，對(duì)有效勞動(dòng)力投入的影響顯著為負(fù)，說明增加財(cái)政支出占名義GDP的比重會(huì)提高實(shí)際資本存量和能源消耗值，從而降低能源效率；而提高政府規(guī)模會(huì)降低有效勞動(dòng)力投入，在一定程度上提高能源效率，但是相比起對(duì)實(shí)際資本存量和能源消耗的負(fù)效應(yīng)，這種正向的影響是有限的。

產(chǎn)業(yè)結(jié)構(gòu)對(duì)實(shí)際資本存量的影響顯著為正。工業(yè)增加值占名義GDP的比重越大，實(shí)際資本存量越多，能源效率越低。產(chǎn)業(yè)結(jié)構(gòu)對(duì)有效勞動(dòng)力投入和能源消耗的影響不顯著。說明當(dāng)前中國(guó)的產(chǎn)業(yè)結(jié)構(gòu)尚未完善，能源使用效率不高，仍需進(jìn)一步調(diào)整第二產(chǎn)業(yè)在三產(chǎn)中的比重。

對(duì)外開放程度對(duì)三種投入的影響均不顯著?？萍紕?chuàng)新水平即研發(fā)投入占名義GDP的比重對(duì)有效勞動(dòng)力投入的影響顯著為負(fù)，而對(duì)實(shí)際資本存量和能源消耗的影響不顯著，說明提高科技創(chuàng)新水平可以降低有效勞動(dòng)力投入，從而提高能源效率。進(jìn)出口水平對(duì)有效勞動(dòng)力投入的影響顯著為負(fù)，對(duì)實(shí)際資本存量和能源消耗的影響不顯著，說明提高進(jìn)出口水平也可以降低有效勞動(dòng)力投入，促進(jìn)能源效率的提高。

4.3 第三階段：調(diào)整后的DEA-Malmquist指數(shù)模型

將投入中的外部環(huán)境因素予以剔除(僅剔除通過顯著性檢驗(yàn)的環(huán)境因素)，從而使所有省份調(diào)整至具有相同外部環(huán)境的條件。通過對(duì)比調(diào)整初始投入前與調(diào)整后效率值可以看出，在剔除外部環(huán)境影響因素后得到的能源效率值、技術(shù)效率變化以及全要素生產(chǎn)率變動(dòng)均有不同程度的下降，而調(diào)整初始投入后的技術(shù)進(jìn)步值有所上升，說明如果不考慮環(huán)境因素，將高估能源效率值、技術(shù)效率變化以及全要素生產(chǎn)率變動(dòng)值，而低估技術(shù)進(jìn)步的作用。

進(jìn)一步對(duì)比分析調(diào)整初始投入前與調(diào)整后的省域能源效率值?？梢钥闯觯蕹獠凯h(huán)境影響因素前，能源效率值、技術(shù)效率變化以及全要素生產(chǎn)率變動(dòng)均存在不同程度的高估，而對(duì)于技術(shù)進(jìn)步的變化有增有減，并不能得出一致的結(jié)論。從不同省份來看，剔除外部環(huán)境影響因素后的能源效率變化幅度并不相同，如遼寧、黑龍江、河北、山東、江蘇、河南、四川等省份，能源效率下降的幅度非常大，說明這些省份獲得外部環(huán)境對(duì)能源效率貢獻(xiàn)的影響非常大，如果不予以剔除外部環(huán)境因素，將極大地高估能源效率值。此外，盡管技術(shù)效率變化、技術(shù)進(jìn)步以及全要素生產(chǎn)率變動(dòng)在剔除環(huán)境因素前后的變化并不大，但是以遼寧為例，原來這三個(gè)指標(biāo)均是增長(zhǎng)的趨勢(shì)，但是調(diào)整初始投入后，三者均為下降，因此環(huán)境因素對(duì)全要素生產(chǎn)率指數(shù)、技術(shù)效率變化以及技術(shù)進(jìn)步的影響不容忽視。

4.4 第四階段：Bootstrap-DEA-Malmquist模型

參考Simar和Wilson[18-19]的方法，對(duì)第三階段調(diào)整后的DEA-Malmquist模型運(yùn)用隨機(jī)抽樣Bootstrap法，做有放回重復(fù)抽樣500次，進(jìn)一步消除樣本抽樣差異造成的隨機(jī)影響。由于通過Bootstrap隨機(jī)抽樣法最終得到的DEA-Malmquist指數(shù)值是一個(gè)置信區(qū)間，因此本文通過取置信區(qū)間端點(diǎn)的平均值得到DEA-Malmquist指數(shù)。

從三種方法得出的結(jié)果來看，無論是分時(shí)段研究還是分省域研究，調(diào)整初始投入后的能源效率值均為最低，說明考慮環(huán)境因素后，能源效率值下降，但是進(jìn)一步運(yùn)用Bootstrap隨機(jī)抽樣法消除隨機(jī)因素的影響后，能源效率值又有所上升，Bootstrap隨機(jī)抽樣法下得出的能源效率值最為準(zhǔn)確。此外，技術(shù)效率變化、技術(shù)進(jìn)步和能源全要素生產(chǎn)率變動(dòng)的變化不明顯，但從整體上看，考慮環(huán)境因素和隨機(jī)因素后，大多數(shù)時(shí)段和省域的三個(gè)指標(biāo)值有所下降。

從調(diào)整初始投入后Bootstrap隨機(jī)抽樣法下的最終結(jié)果看(見圖2)，調(diào)整后的能源效率總體呈先上升后下降，再上升再回落的M形趨勢(shì)，近25年來能源效率變化明顯，且近年來有下降趨勢(shì)。細(xì)分來看，技術(shù)效率變化較為平穩(wěn)，除了個(gè)別年份(如2000年、2002年和2013年)有較大提升外，其余年份均維持在1左右的水平；技術(shù)進(jìn)步基本以5年為一個(gè)周期波動(dòng)，變化劇烈明顯；能源全要素生產(chǎn)率變化與技術(shù)進(jìn)步趨勢(shì)基本一致，與技術(shù)效率變化在大多數(shù)年份存在背離，說明技術(shù)進(jìn)步是能源全要素生產(chǎn)率變化的主要推動(dòng)力，技術(shù)效率阻礙了能源全要素生產(chǎn)率的提升。

圖2 Bootstrap-DEA-Malmquist模型結(jié)果

此外，從Bootstrap-DEA-Malmquist模型測(cè)得的全要素能源生產(chǎn)率及其分解狀況來看，八大區(qū)域中能源效率最高的區(qū)域?yàn)榇笪鞅钡貐^(qū)，北部沿海和南部沿海次之，東北地區(qū)和黃河中游的能源效率較低；全要素能源效率較高的區(qū)域?yàn)闁|部沿海和南部沿海，西南地區(qū)的全要素能源效率較低；南部沿海技術(shù)進(jìn)步遠(yuǎn)高于其他區(qū)域，而各區(qū)域技術(shù)效率變化的差異不顯著。

5 結(jié)語

本文通過構(gòu)建四階段Bootstrap-DEA-Malmquist模型，通過松弛指標(biāo)調(diào)整能源投入，剔除外部環(huán)境和隨機(jī)因素對(duì)能源效率和能源全要素生產(chǎn)率的擾動(dòng)，并借助Bootstrap隨機(jī)抽樣法進(jìn)一步減小由于樣本差異造成的影響，從靜態(tài)和動(dòng)態(tài)兩個(gè)維度測(cè)算了1990～2014年中國(guó)能源消耗產(chǎn)出效率和全要素生產(chǎn)率。本文的主要結(jié)論如下。

第一，在剔除外部環(huán)境影響因素后得到的能源效率值、技術(shù)效率變化以及全要素生產(chǎn)率變動(dòng)均有不同程度的下降，而調(diào)整初始投入后的技術(shù)進(jìn)步值有所上升，說明如果不考慮環(huán)境因素，將高估能源效率值、技術(shù)效率變化以及全要素生產(chǎn)率變動(dòng)值，而低估技術(shù)進(jìn)步的作用。第二，從三種方法得出的結(jié)果來看，無論是分時(shí)段研究還是分省域研究，調(diào)整初始投入后的能源效率值均為最低，說明考慮環(huán)境因素后，能源效率值下降，但是進(jìn)一步運(yùn)用Bootstrap隨機(jī)抽樣法消除隨機(jī)因素的影響后，能源效率值又有所上升，Bootstrap隨機(jī)抽樣法下得出的能源效率值最為準(zhǔn)確。第三，從調(diào)整初始投入后Bootstrap隨機(jī)抽樣法下的最終結(jié)果看，調(diào)整后的能源效率總體呈先上升后下降，再上升再回落的M形趨勢(shì)，近25年來能源效率變化明顯，且近年來有下降趨勢(shì)。第四，整體來看，八大區(qū)域中能源效率最高的區(qū)域?yàn)榇笪鞅钡貐^(qū)，北部沿海和南部沿海次之，東北地區(qū)和黃河中游的能源效率較低；全要素能源效率較高的區(qū)域?yàn)闁|部沿海和南部沿海，西南地區(qū)的全要素能源效率較低；南部沿海技術(shù)進(jìn)步遠(yuǎn)高于其他區(qū)域，而各區(qū)域技術(shù)效率變化的差異不顯著。分省份來看，北京、天津、上海、福建、江西、廣西、青海、寧夏的能源效率較高，除東北地區(qū)和黃河中游地區(qū)外，每個(gè)省域均有能源效率較高的省份。