基于稀疏主成分的能源利用效率綜合評(píng)價(jià)及影響因素分析

喻勝華 王婷婷

[收稿日期] 2020-12-29

[基金項(xiàng)目] 湖南省哲學(xué)社會(huì)科學(xué)基金項(xiàng)目： 基于穩(wěn)健稀疏主成分的指標(biāo)篩選與信息貢獻(xiàn)測(cè)算方法研究（18YBA080）

[作者簡(jiǎn)介] 喻勝華（1966—），男，湖南寧鄉(xiāng)人，湖南大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院教授，博士生導(dǎo)師，研究方向：數(shù)量經(jīng)濟(jì)學(xué)。

[摘 要] 基于能源消耗水平、能源高效利用水平、污染排放水平和污染治理水平四大準(zhǔn)則層構(gòu)建了評(píng)價(jià)能源利用效率的指標(biāo)體系，使用數(shù)據(jù)包絡(luò)分析、稀疏主成分方法和熵值法得到了我國(guó)各省市自治區(qū)2008-2018年的能源利用效率綜合評(píng)價(jià)結(jié)果。在此基礎(chǔ)上通過構(gòu)建省際動(dòng)態(tài)面板模型研究了能源利用效率的影響因素，回歸結(jié)果顯示：經(jīng)濟(jì)開放性、人均GDP、第三產(chǎn)業(yè)占比對(duì)能源利用效率有顯著的正影響，能源消費(fèi)結(jié)構(gòu)、政府環(huán)境規(guī)制對(duì)能源利用效率有顯著的負(fù)影響。最后就如何提高能源利用效率提出了相應(yīng)的政策建議。

[關(guān)鍵詞] 能源利用效率;稀疏主成分;影響因素

[中圖分類號(hào)]? F830?? [文獻(xiàn)標(biāo)識(shí)碼] A?? [文章編號(hào)] 1008—1763（2021）05—0060—09

A Comprehensive Evaluation of Energy Utilization

Efficiency and Analysis of Influencing Factors based

on Sparse Principal Components

YU Sheng hua， WANG Ting ting

（School of Economics and Trade， Hunan University， Changsha? 410079，China）

Abstract：Based on the four criterion layers of energy consumption level， energy efficient use level， pollution emission level and pollution treatment level， an index system was constructed to evaluate energy utilization efficiency， and the comprehensive evaluation results of energy utilization efficiency of China's provinces， municipalities and autonomous regions from 2008 to 2018 were obtained by data envelopment analysis， sparse principal component method and entropy value method. On this basis， the influential factors of energy utilization efficiency were studied by constructing the provincial dynamic panel model.The regression results show that economic openness， per capita GDP and the proportion of tertiary industry have a significant positive impact on energy utilization efficiency， while the energy consumption structure and government environmental regulation have a significant negative impact on energy use efficiency. Finally， some policy suggestions on how to improve energy utilization efficiency are put forward.

Key words： energy utilization efficiency; sparse principal components; influencing factors

一 引言及文獻(xiàn)綜述

能源利用效率是指利用較少能源產(chǎn)生同等數(shù)量的服務(wù)或有用的產(chǎn)出，根據(jù)測(cè)度方法不同可分為單要素能源利用效率和全要素能源利用效率。單要素能源利用效率是指一個(gè)地區(qū)或者經(jīng)濟(jì)體的實(shí)際消耗能源量與實(shí)際產(chǎn)出之比，如單位GDP能耗。由于單要素能源利用效率只考慮了能源消耗這一投入要素，因而不能反映其他生產(chǎn)要素對(duì)能源投入要素的替代效應(yīng)。全要素能源利用效率是把能源消耗量、人力資本和資本存量等多種生產(chǎn)要素作為投入指標(biāo)，把GDP等期望產(chǎn)出與廢氣排放等非期望產(chǎn)出作為產(chǎn)出指標(biāo)，通過構(gòu)建一個(gè)多元投入產(chǎn)出模型來測(cè)算的能源利用效率。全要素能源利用效率可更好地評(píng)估不同生產(chǎn)要素的替代效應(yīng)，以此來表征各地區(qū)在不同能源稟賦結(jié)構(gòu)下的能效水平。

我國(guó)已成為第一大能源消費(fèi)國(guó)。 2018年，我國(guó)能源進(jìn)口依存度已達(dá)到21%，能源進(jìn)口量約為9.7億噸標(biāo)準(zhǔn)煤，其中原油占比66%，天然氣占比16%，煤炭占比18%。與此同時(shí)，我國(guó)能源利用效率低，與其他發(fā)達(dá)國(guó)家相比，還有很大的節(jié)能降耗空間。另外，我國(guó)的能源消費(fèi)結(jié)構(gòu)不合理，煤炭在能源消費(fèi)中比例過高，阻礙了我國(guó)經(jīng)濟(jì)綠色高效發(fā)展。最新制定的“十四五”發(fā)展規(guī)劃綱要明確要求要持續(xù)推進(jìn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型升級(jí)、推進(jìn)經(jīng)濟(jì)與生態(tài)環(huán)境的高質(zhì)量協(xié)同發(fā)展，二氧化碳排放和單位GDP能耗要分別降低18%和13.5%，這一任務(wù)艱巨且具有挑戰(zhàn)性。為此，如何提高能源利用效率已成為各級(jí)政府急需解決的一個(gè)難題。

迄今為止，已有不少學(xué)者研究了能源利用效率的測(cè)度及其影響因素。史丹使用因素分解法對(duì)我國(guó)不同地區(qū)的能源利用效率進(jìn)行了測(cè)算，發(fā)現(xiàn)我國(guó)東南沿海地區(qū)的能源利用效率相對(duì)其他地區(qū)要更高，能源集聚的區(qū)域往往能源效率都不高[1] 。李霞在構(gòu)建一個(gè)涵蓋單要素、多要素及環(huán)境質(zhì)量約束的指標(biāo)體系的基礎(chǔ)上研究了我國(guó)各省市能源利用效率的變化趨勢(shì)[2] 。測(cè)算全要素能源利用效率的典型方法主要有隨機(jī)前沿法及DEA（數(shù)據(jù)包絡(luò)分析）方法。陳關(guān)聚以我國(guó)30個(gè)制造業(yè)行業(yè)作為研究對(duì)象，使用隨機(jī)前沿分析法測(cè)算了研究對(duì)象的全要素能源利用效率，以此來評(píng)估能源結(jié)構(gòu)變化和能源利用效率之間的影響關(guān)系[3]。陳德敏等人用DEA方法測(cè)算了我國(guó)各省市的全要素能源利用效率，結(jié)果表明我國(guó)不同省域的全要素能源利用效率存在非常大的差異，但總體上都呈“先升后降”的發(fā)展趨勢(shì)[4] 。Zhang S等基于DEA方法，利用亞太經(jīng)濟(jì)合作組織國(guó)家1995-2013年的數(shù)據(jù)，并考慮不良輸出來測(cè)算能源利用效率，發(fā)現(xiàn)發(fā)達(dá)國(guó)家的能源利用效率一般要高于發(fā)展中國(guó)家[5]。張志輝把DEA方法與Bootstrap DEA方法進(jìn)行有機(jī)結(jié)合，并通過Tobit模型探究了外部環(huán)境因素和全要素能源利用效率之間的相關(guān)性[6]。 Lin B Q等收集了我國(guó)114個(gè)城市的面板數(shù)據(jù)，在DEA模型的基礎(chǔ)上構(gòu)建了非徑向方向距離函數(shù)評(píng)價(jià)國(guó)家節(jié)能財(cái)政政策對(duì)于城市可持續(xù)發(fā)展的影響[7]。 考慮到能源消耗往往伴隨著廢氣、廢水等污染物的產(chǎn)生，比如CO2、SO2等，劉海英和鐘瑩構(gòu)建了包含二氧化硫?yàn)榉瞧谕a(chǎn)出的非徑向方向距離函數(shù)，運(yùn)用DEA模型測(cè)算了我國(guó)各省市的能源利用效率，結(jié)果表明從二氧化硫的排放來看，中國(guó)工業(yè)經(jīng)濟(jì)節(jié)能和減排并不一致[8] 。因此，能源利用效率的測(cè)算不應(yīng)該只涉及傳統(tǒng)的期望產(chǎn)出，還應(yīng)充分考慮到隨之而生的非期望產(chǎn)出，即廢氣廢水等污染物，以此衍生出綠色全要素能源利用效率。劉海英和劉晴晴構(gòu)建了綠色能源利用效率的評(píng)價(jià)指標(biāo)體系，以此來測(cè)算我國(guó)各地區(qū)2006-2016年的綠色全要素能源效率[9]。

已有文獻(xiàn)關(guān)于能源利用效率的研究多集中于全要素能源利用效率的測(cè)算，可歸納為如下三個(gè)研究方向：（1）只考慮GDP作為期望產(chǎn)出的非參數(shù)數(shù)據(jù)包絡(luò)模型，包括當(dāng)期的Malmquist指數(shù)分析、經(jīng)典DEA和超效率DEA，該方法比較簡(jiǎn)單，但準(zhǔn)確性和政策參考性相對(duì)較差。（2）將工業(yè)生產(chǎn)過程中產(chǎn)生的廢水、廢氣及二氧化硫等污染排放物作為非期望產(chǎn)出引入效率測(cè)度中，即為綠色全要素能源利用效率，測(cè)算方法主要有方向性距離函數(shù)及Malmquist-Luenberger指數(shù)分析，該方法能夠兼顧節(jié)能和經(jīng)濟(jì)增長(zhǎng)雙重目標(biāo)。在研究中，學(xué)者們大都把非期望產(chǎn)出作為投入或產(chǎn)出要素進(jìn)行處理，如汪克亮等[10]， 這種處理方式與現(xiàn)實(shí)中的生產(chǎn)活動(dòng)不符，污染排放物具有負(fù)產(chǎn)出的特征，應(yīng)作為副產(chǎn)品進(jìn)行處理，而Chung Y 等的研究是把非期望產(chǎn)出作為產(chǎn)出要素進(jìn)行處理，這種處理方式考慮了實(shí)際生產(chǎn)流程，并遵循生產(chǎn)函數(shù)的凸性要求[11-13] 。（3）采用參數(shù)型的隨機(jī)前沿分析方法，該方法需要對(duì)生產(chǎn)函數(shù)進(jìn)行前提假設(shè)，而生產(chǎn)函數(shù)的提出因人而異，研究結(jié)果差異較大。

關(guān)于能源利用效率的影響因素，學(xué)界主要從產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、能源消費(fèi)結(jié)構(gòu)、對(duì)外開放、環(huán)境規(guī)制及經(jīng)濟(jì)發(fā)展水平等方面加以探討。如林伯強(qiáng)等認(rèn)為，我國(guó)能源利用效率提升的主要驅(qū)動(dòng)因素是技術(shù)進(jìn)步，但技術(shù)進(jìn)步還存在著回彈效應(yīng)[14] 。王騰等將測(cè)算出的全要素能源利用效率分解為技術(shù)水平、純技術(shù)效率和規(guī)模效率，分別一一驗(yàn)證環(huán)境規(guī)制與全要素能源效率間波特假說的關(guān)系，結(jié)果表明環(huán)境規(guī)制與全要素能源效率和技術(shù)水平均存在單門限效應(yīng)，因此政府在制定政策時(shí)應(yīng)當(dāng)考慮不同主體間的技術(shù)水平差異[15]。 羅朝陽(yáng)等從產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對(duì)能源利用效率的非線性影響出發(fā)，發(fā)現(xiàn)當(dāng)技術(shù)進(jìn)步達(dá)到一定程度時(shí)，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)才會(huì)顯著提高能源利用效率[16] 。師博等研究了產(chǎn)業(yè)集聚對(duì)能源效率的影響[17] 。肖曉軍等研究了對(duì)外貿(mào)易和外商直接投資對(duì)能源效率的影響[18-20] 。多數(shù)研究表明，經(jīng)濟(jì)增長(zhǎng)水平、技術(shù)進(jìn)步和對(duì)外開放對(duì)提高能源利用效率有積極影響;產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對(duì)能源利用效率的影響方向隨著不同階段的調(diào)整而變化;環(huán)境規(guī)制通過不同的路徑影響著能源利用效率;就消費(fèi)結(jié)構(gòu)層面而言，能源利用效率隨煤炭消費(fèi)相對(duì)比重的降低而提升。

單要素不能準(zhǔn)確評(píng)價(jià)能源利用效率，但針對(duì)單要素能源利用效率的討論在學(xué)界一直存在。這是由于即使是一些國(guó)際公約在設(shè)計(jì)節(jié)能減排計(jì)劃時(shí)，也采用單要素能源利用效率指標(biāo)。著眼于理論層面，全要素能源利用效率的意義更加重大。為此，本文擬構(gòu)建一個(gè)綜合評(píng)價(jià)指標(biāo)體系，將傳統(tǒng)的能源利用效率指標(biāo)與多投入—產(chǎn)出的全要素生產(chǎn)率相結(jié)合，這樣既能反映單要素能源效率在實(shí)際中的應(yīng)用，又可以全面地考察相關(guān)因素對(duì)能源利用效率的影響。我們構(gòu)建指標(biāo)體系的目標(biāo)層為能源綜合利用效率，涵蓋能源消耗水平、能源高效利用水平、污染排放水平和污染處理水平四大準(zhǔn)則層，具體包括單位產(chǎn)值能耗、全要素能源效率、單位產(chǎn)值污染物排放量等26個(gè)指標(biāo)。我們擬將稀疏主成分分析方法[21]運(yùn)用到多指標(biāo)體系的綜合評(píng)價(jià)中，旨在解決多指標(biāo)體系中的降維問題，使模型具備更好的解釋性，從而客觀、準(zhǔn)確地評(píng)估我國(guó)各省市自治區(qū)的能源利用效率。

二 評(píng)價(jià)能源利用效率的指標(biāo)體系

為了兼顧評(píng)價(jià)能源利用效率的全面性和便利性，本文擬構(gòu)建綜合考量能源消耗水平、能源高效利用水平、污染排放及污染治理水平的指標(biāo)體系。根據(jù)選擇評(píng)價(jià)指標(biāo)的可比性、獨(dú)立性、科學(xué)性、關(guān)聯(lián)性，以及動(dòng)態(tài)指標(biāo)與靜態(tài)指標(biāo)相結(jié)合等原則，最終確定的指標(biāo)體系由三個(gè)評(píng)價(jià)層次、四大評(píng)價(jià)準(zhǔn)則層、26個(gè)指標(biāo)所構(gòu)成（見表1）。

三 基于稀疏主成分的我國(guó)能源利用效率綜合評(píng)價(jià)

（一）基于稀疏主成分方法的指標(biāo)層評(píng)分

本文選取了我國(guó)30個(gè)省市自治區(qū)（由于西藏自治區(qū)的數(shù)據(jù)缺失較多，故未予以考慮）2008-2018年期間的面板數(shù)據(jù)。在評(píng)價(jià)過程中，通過采用對(duì)逆向指標(biāo)取倒數(shù)的方法將其轉(zhuǎn)化為與評(píng)價(jià)目標(biāo)同趨勢(shì)的正向指標(biāo)，利用Z Score方法對(duì)表1中列出的26個(gè)變量進(jìn)行標(biāo)準(zhǔn)化處理。

1. 將能源消耗水平標(biāo)準(zhǔn)正向化后的11個(gè)指標(biāo)數(shù)據(jù)運(yùn)用R軟件進(jìn)行稀疏主成分分析，稀疏主成分分析方法是在主成分分析方法的基礎(chǔ)上引入懲罰系數(shù)λ，其值對(duì)應(yīng)于不同的稀疏主成分。它可以將部分變量的系數(shù)壓縮為零，從而達(dá)到降維的目的。懲罰系數(shù)的選擇如圖1所示，PEV代表解釋程度，SPARSE代表稀疏度，解釋程度與稀疏度存在權(quán)衡取舍的關(guān)系，λ值越大，則PEV越小，SPARSE越大。經(jīng)過比較，最終選擇了每個(gè)稀疏主成分對(duì)應(yīng)的懲罰系數(shù)為（0.0035， 0.0022， 0.0020， 0.0018）。

根據(jù)選擇的懲罰系數(shù)，確定了前4個(gè)稀疏主成分，其累計(jì)方差貢獻(xiàn)率達(dá)到了83.496%，保留了原11個(gè)指標(biāo)的大部分信息。稀疏主成分的特征值及方差貢獻(xiàn)率如表2所示，各稀疏主成分的載荷矩陣如表3所示：

相應(yīng)的稀疏主成分為：

SPCA1= 0.459х1+0.448х2+0.444х3-0.174х4+0.444х7+0.315х8

SPCA2= 0.182х2-0.219х3-0.552х6-0.436х10-0.582х11

SPCA3= 0.145х2+0.143х4+0.561х5+0.655х6-0.243х11

SPCA4= 0.241х1-0.366х7-0.601х8

以方差貢獻(xiàn)率作為稀疏主成分的權(quán)重，則可以計(jì)算出我國(guó)各省市自治區(qū)2008-2018年能源消耗水平的綜合得分。

2. 將污染排放水平的10個(gè)指標(biāo)經(jīng)過標(biāo)準(zhǔn)正向化處理后，進(jìn)行稀疏主成分分析，經(jīng)比較確定的懲罰系數(shù)分別為（0.0017， 0.0015， 0.0012， 0.0013），選取前3個(gè)累計(jì)方差貢獻(xiàn)率達(dá)到了86.738%的稀疏主成分，特征值和方差貢獻(xiàn)率如表4 所示：

各稀疏主成分的載荷矩陣如表5所示：

相應(yīng)的稀疏主成分為：

SPCA1=0.303x15+0.323x16-0.509x18+0.362x19+0.289x20+0.246x22

SPCA2=0.4x13+0.428x15-0.318x16+0.353x17-0.156x19+0.148x20+0.226x21

SPCA3=0.038x13-0.471x16-0.224x17-0.386x18+0.564x19+0.431x20

以方差貢獻(xiàn)率作為稀疏主成分的權(quán)重，則可以計(jì)算得出我國(guó)各省市自治區(qū)2008-2018年污染排放水平的綜合得分。

3. 將污染治理水平經(jīng)過標(biāo)準(zhǔn)正向化處理的4個(gè)指標(biāo)進(jìn)行稀疏主成分分析，經(jīng)比較確定的懲罰系數(shù)分別為（0.002， 0.006），選取了前2個(gè)累計(jì)方差貢獻(xiàn)率達(dá)到了76.504%的稀疏主成分，特征值和方差貢獻(xiàn)率如表6所示：

各稀疏主成分的載荷矩陣如表7所示：

相應(yīng)的稀疏主成分為：

SPCA1=0.687x24+0.722x25

SPCA2=-0.026x24+0.021x25-0.989x26

以方差貢獻(xiàn)率作為稀疏主成分的權(quán)重，則可以計(jì)算得出我國(guó)各省市自治區(qū)2008-2018年污染治理水平的綜合得分。

（二） 基于熵值法確定各準(zhǔn)則層權(quán)重

在計(jì)算出各準(zhǔn)則層的稀疏主成分得分后，我們使用熵值法確定各準(zhǔn)則層的權(quán)重，設(shè)有m個(gè)評(píng)價(jià)對(duì)象，n個(gè)指標(biāo)，xij為第i個(gè)評(píng)價(jià)對(duì)象的第j個(gè)指標(biāo)的對(duì)應(yīng)數(shù)值（i=1，2，…，m;j=1，2，…，n），計(jì)算步驟如下：

（1）計(jì)算出第j個(gè)指標(biāo)下第i行的貢獻(xiàn)度：

Pij=xij∑mi=1xij，i=1，2，…，m;j=1，2，…，n

（2）求出第j個(gè)指標(biāo)下第i個(gè)評(píng)價(jià)對(duì)象占該指標(biāo)的比重：Pijln（Pij）;

（3）計(jì)算第j個(gè)指標(biāo)的熵值ej和常數(shù)k， 這里

k=1ln（n），ej=-k∑mi=1Pijln（Pij），ej≥0

（4）利用上述所求的ej，可以得到信息熵冗余度dj，dj=1-ej;

（5）確定各指標(biāo)的權(quán)重ωj=dj∑nj=1dj

經(jīng)計(jì)算得出四個(gè)準(zhǔn)則層的權(quán)重分別為 0.212 、0.010、 0.457、 0.321。

（三） 我國(guó)各省市自治區(qū)能源利用效率的綜合評(píng)價(jià)

通過前文計(jì)算得出的各省市自治區(qū)歷年各準(zhǔn)則層綜合得分及權(quán)重，最終得到了我國(guó)各省市自治區(qū)2008-2018年能源利用效率的綜合得分及排名，表8列出了2008年和2018年的綜合得分及排名。

從表8可以看出，2018年每個(gè)地區(qū)的能源利用效率都較十年前有所提升，其中北京的能源利用效率提升最多，增長(zhǎng)了近70%，綜合排名從第二提升到了第一位。寧夏的能源利用效率增長(zhǎng)緩慢，僅提升了3%左右，排名不變，為全國(guó)各省市自治區(qū)中能源利用效率最低的地區(qū)。上海、海南和天津的能源利用效率一直處于較高水平，其綜合得分位于前四位。山西、內(nèi)蒙古、遼寧、吉林、黑龍江、安徽、河南、湖北、湖南、廣東等能源利用效率提升較快，排名較十年前有所上升。

四 我國(guó)能源利用效率的影響因素分析

（一）能源利用效率的影響因素

前文通過稀疏主成分分析方法計(jì)算出了我國(guó)各省市自治區(qū)2008-2018年的能源利用效率綜合得分，不同地區(qū)的能源利用效率存在較大差異，且呈現(xiàn)出不同的發(fā)展趨勢(shì)。我們從經(jīng)濟(jì)體制、經(jīng)濟(jì)發(fā)展、結(jié)構(gòu)變化和技術(shù)進(jìn)步4個(gè)層面選取了6個(gè)影響能源利用效率的因素，并選取了人口密度、生產(chǎn)要素稟賦作為控制變量（見表9），通過構(gòu)建動(dòng)態(tài)面板回歸模型深入探討各個(gè)因素對(duì)能源利用效率的影響。

（二） 模型設(shè)定與回歸結(jié)果

已有研究表明，能源利用效率較高的國(guó)家和地區(qū)在未來一段時(shí)期仍然會(huì)保持較高的能源利用效率，基于這一事實(shí)，我們?cè)趧?dòng)態(tài)面板回歸模型中加入能源利用效率的滯后項(xiàng)，具體如下：

COMEEi，t=β0+β1COMEEi，t-1+β2OPENi，t+β3GIi，t+β4PERGDPi，t+β5COALi，t+β6SIi，t+β7TIi，t+β8STi，t+β9PDi，t+β10KLi，t+β11ELi，t+πi+εi，t（1）

其中，i=1，2，… ，30代表各省市自治區(qū)，t=2008， 2009，…，2018代表觀測(cè)年份。COMEEi，t為被解釋變量，COMEEi，t-1為被解釋變量的滯后項(xiàng)，πi表示個(gè)體異質(zhì)性，εi，t是隨機(jī)擾動(dòng)項(xiàng)。

考慮到滯后項(xiàng)與擾動(dòng)項(xiàng)相關(guān)，且經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)變化、科學(xué)技術(shù)進(jìn)步與能源利用效率之間可能存在著雙向因果關(guān)系，所以，該模型存在內(nèi)生性問題。為此，我們采用系統(tǒng) GMM方法估計(jì)模型參數(shù)，用被解釋變量的更高階滯后項(xiàng)和內(nèi)生變量的滯后項(xiàng)作為工具變量。為了保證模型（1）中系統(tǒng)GMM估計(jì)結(jié)果的有效性，我們進(jìn)行了擾動(dòng)項(xiàng)序列相關(guān)性檢驗(yàn)和過度識(shí)別檢驗(yàn)，回歸結(jié)果如表10所示：

擾動(dòng)項(xiàng)序列相關(guān)檢驗(yàn)和工具變量過度識(shí)別檢驗(yàn)的結(jié)果如表11所示，序列相關(guān)檢驗(yàn)的原假設(shè)是“擾動(dòng)項(xiàng)差分不存在一階（或二階）自相關(guān)”，從檢驗(yàn)結(jié)果來看，一階和二階序列相關(guān)檢驗(yàn)的Z值分別為-3.2857和 0.3070，故系統(tǒng)GMM估計(jì)的擾動(dòng)項(xiàng)不存在一階、二階自相關(guān)。另一方面，Sargan統(tǒng)計(jì)量的P值為1，表示模型（1）中所使用的工具變量有效。

從表10可知，能源利用效率滯后項(xiàng)的系數(shù)顯著為正，證實(shí)了能源利用效率具有慣性這一特點(diǎn)，這一結(jié)果與鄭翔中等人的結(jié)論一致[22]。能源消費(fèi)結(jié)構(gòu)、政府環(huán)境規(guī)制對(duì)能源利用效率有顯著的負(fù)向影響，人均GDP、經(jīng)濟(jì)開放性、第三產(chǎn)業(yè)占比對(duì)能源利用效率有顯著的正向影響，第二產(chǎn)業(yè)占比以及科技水平對(duì)能源利用效率的影響為正但未通過顯著性檢驗(yàn)。

對(duì)外貿(mào)易對(duì)能源利用效率有正向影響，因?yàn)橘Q(mào)易是技術(shù)擴(kuò)散的重要手段之一，對(duì)外開放有利于中國(guó)學(xué)習(xí)國(guó)外先進(jìn)的能源利用技術(shù)。政府環(huán)境規(guī)制對(duì)能源利用效率有顯著的負(fù)向影響，說明提高污染治理投資反而會(huì)降低能源利用效率，可能是因?yàn)橥顿Y的滯后性或者是因?yàn)榄h(huán)境污染過于嚴(yán)重的地區(qū)需要投入更多的資金治理工業(yè)環(huán)境污染。人均GDP對(duì)能源利用效率有顯著的正向影響，這一結(jié)果與前文中的理論分析一致，經(jīng)濟(jì)發(fā)展水平的提高可以通過提升生產(chǎn)效率、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)及促進(jìn)技術(shù)進(jìn)步等提高能源利用效率。能源消費(fèi)結(jié)構(gòu)對(duì)能源利用效率有顯著的負(fù)向影響，因?yàn)槊禾孔鳛榉乔鍧嵞茉床粌H熱效率低，而且會(huì)排放出大量的污染物，嚴(yán)重影響了環(huán)境。第三產(chǎn)業(yè)占比對(duì)能源利用效率有顯著的正向影響，這部分印證了學(xué)術(shù)界關(guān)于改善經(jīng)濟(jì)結(jié)構(gòu)可以調(diào)節(jié)資源配置從而提升投入要素生產(chǎn)效率的研究結(jié)論，即Salter所提出的“結(jié)構(gòu)紅利假說”。技術(shù)進(jìn)步有利于能源利用效率的提升，但未通過顯著性檢驗(yàn)，其可能的原因?yàn)椋涸诶孟∈柚鞒煞址椒ㄟM(jìn)行綜合評(píng)價(jià)的過程當(dāng)中損失了部分信息，可能導(dǎo)致技術(shù)層面的信息被部分削弱，從而弱化了技術(shù)進(jìn)步對(duì)能源利用效率的影響效應(yīng)，也可能是模型中還存在部分內(nèi)生性問題?；诖?，我們將進(jìn)一步進(jìn)行穩(wěn)健性檢驗(yàn)以保證回歸結(jié)果的可靠性。

（三） 穩(wěn)健性檢驗(yàn)

現(xiàn)將模型（1）中的被解釋變量替換成基于數(shù)據(jù)包絡(luò)分析法測(cè)算的全要素能源效率值，構(gòu)建如下的Tobit回歸模型，并使用最大似然法進(jìn)行參數(shù)估計(jì)：

TFEEi，t=β0+β1OPENi，t+β2GIi，t+β3PERGDPi，t+β4COALi，t+β5SIi，t+β6TIi，t+β7STi，t+β8PDi，t+β9KLi，t+β10ELi，t+εi，t? （2）

式（2）中的TFEEi，t為i地區(qū)第t年的全要素能源效率值， Tobit回歸結(jié)果與系統(tǒng)GMM回歸結(jié)果如表12所示：

從表12可以看出，在改變被解釋變量的測(cè)算方法和模型的估計(jì)方法后，各影響因素的影響方向及顯著性仍然一致，說明本文前面的回歸結(jié)果具有穩(wěn)健性。在Tobit模型的回歸結(jié)果中，技術(shù)進(jìn)步的系數(shù)為正且較GMM回歸結(jié)果變小，但仍未通過顯著性檢驗(yàn)。

五 結(jié)論與政策建議

本文以我國(guó)30個(gè)省市自治區(qū)為研究對(duì)象，運(yùn)用稀疏主成分分析方法對(duì)能源利用效率進(jìn)行綜合評(píng)價(jià)，并分析其影響因素。從綜合得分來看，在2008-2018年間，各地區(qū)的能源利用效率都有所提升，其中，北京的能源利用效率提升最多，寧夏的能源利用效率增長(zhǎng)緩慢。政府環(huán)境規(guī)制、能源消費(fèi)結(jié)構(gòu)對(duì)能源利用效率有顯著的負(fù)向影響，經(jīng)濟(jì)開放性、人均GDP、第三產(chǎn)業(yè)占比對(duì)能源利用效率有顯著的正向影響，第二產(chǎn)業(yè)占比及科技水平對(duì)能源利用效率的影響為正但未通過顯著性檢驗(yàn)。為此，我們就如何提升能源利用效率提出如下建議：

（1） 各地區(qū)的能源消耗水平差異巨大，以北京、福建為代表的東部地區(qū)能源強(qiáng)度低，以寧夏為代表的西部地區(qū)能源強(qiáng)度較高。對(duì)于能源強(qiáng)度大且具有很大提升空間的中、西部地區(qū)，尤其是寧夏、新疆、青海等地區(qū)，應(yīng)將其作為重點(diǎn)監(jiān)測(cè)區(qū)域，允許地方政府因地制宜制定合適的節(jié)能政策。繼續(xù)深入推進(jìn)供給側(cè)改革，控制高能耗產(chǎn)業(yè)的增長(zhǎng)，淘汰落后產(chǎn)能，加快釋放優(yōu)質(zhì)產(chǎn)能。對(duì)于高能耗的行業(yè)要嚴(yán)格執(zhí)行準(zhǔn)入門檻，從源頭上限制能源消耗。要建立有效的退出機(jī)制，逐步淘汰落后產(chǎn)能。建議充分利用現(xiàn)代社交媒體作為宣傳中介，培養(yǎng)和提高全民的節(jié)能意識(shí)，形成從個(gè)人到企業(yè)再到國(guó)家的節(jié)能社會(huì)氛圍。

（2） 除了節(jié)能，減少對(duì)環(huán)境的污染也能提高能源的利用效率。對(duì)甘肅、內(nèi)蒙、山東、山西等煤炭大省，應(yīng)著力減少小型煤窯數(shù)量，嚴(yán)格把控污染物排放和污染物處理。對(duì)于煤炭資源并不豐富的省市，應(yīng)大力提高煤層開發(fā)技術(shù)，并積極開發(fā)清潔能源，有針對(duì)性地對(duì)產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行調(diào)整和優(yōu)化，加強(qiáng)環(huán)境保護(hù)和污染治理力度。鼓勵(lì)各地方政府出臺(tái)適合當(dāng)?shù)貙?shí)際情況的地方性法規(guī)，如可以視當(dāng)?shù)氐墓I(yè)發(fā)展情況制定嚴(yán)于國(guó)家污染物排放標(biāo)準(zhǔn)的地方標(biāo)準(zhǔn)。此外，相關(guān)數(shù)據(jù)統(tǒng)計(jì)部門在環(huán)境保護(hù)的監(jiān)測(cè)過程中，應(yīng)當(dāng)完善對(duì)各地區(qū)污染治理方面的數(shù)據(jù)統(tǒng)計(jì)，便于及時(shí)反饋污染治理的成效與不足，從而更好地監(jiān)測(cè)環(huán)境保護(hù)情況。

（3）西部和中部地區(qū)要綜合考慮水資源和生態(tài)環(huán)境的承載能力，以節(jié)水節(jié)能為前提，引入先進(jìn)的技術(shù)設(shè)備，加大可再生能源的開發(fā)力度。對(duì)于東部地區(qū)，可考慮穩(wěn)步發(fā)展海上風(fēng)電，推行多元化的能源消費(fèi)結(jié)構(gòu)。對(duì)煤炭依賴度大的地區(qū)，必須積極探索煤炭等能源的高效開發(fā)使用技術(shù)，降低煤炭消費(fèi)比重，實(shí)施煤炭減量替代，穩(wěn)步、有序地推進(jìn)“煤改氣”。引導(dǎo)不同地區(qū)合理優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，積極發(fā)展第三產(chǎn)業(yè)，降低第二產(chǎn)業(yè)的比重。同時(shí)，應(yīng)繼續(xù)提高對(duì)外開放水平，堅(jiān)持“走出去、引進(jìn)來”的重要戰(zhàn)略思想，積極引進(jìn)國(guó)外先進(jìn)的生產(chǎn)技術(shù)，在國(guó)際通行規(guī)則下，可放開自由貿(mào)易試驗(yàn)區(qū)的建設(shè)，推動(dòng)貿(mào)易的平衡發(fā)展，擴(kuò)大對(duì)外貿(mào)易中的正外部性，提高能源利用效率。

[參 考 文 獻(xiàn)]

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

[2] 李霞. 我國(guó)能源綜合利用效率評(píng)價(jià)指標(biāo)體系及應(yīng)用研究[D].北京：中國(guó)地質(zhì)大學(xué)，2013.

[3] 陳關(guān)聚. 中國(guó)制造業(yè)全要素能源效率及影響因素研究 ——基于面板數(shù)據(jù)的隨機(jī)前沿分析[J]. 中國(guó)軟科學(xué)，2014（1）：180-192.

[4] 陳德敏，張瑞，譚志雄.全要素能源效率與中國(guó)經(jīng)濟(jì)增長(zhǎng)收斂性——基于動(dòng)態(tài)面板數(shù)據(jù)的實(shí)證檢驗(yàn)[J]. 中國(guó)人口·資源與環(huán)境，2012（1）：130-137.

[5] Zhang S， Lundgren T， Zhou W. Energy Efficiency in Swedish Industry A firm-level Data Envelopment Analysis[J]. Energy Economics， 2016（55）：42-51.

[6] 張志輝. 中國(guó)區(qū)域能源效率演變及其影響因素[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015（8）：73-88.

[7] Lin B Q， Zhu J P. Impact of Energy Saving and Emission Reduction Policy on Urban Sustainable Development： Empirical Evidence from China[J]. Applied Energy， 2019（239）：12-22.

[8] 劉海英，鐘瑩.中國(guó)工業(yè)節(jié)能與減排效率一致性及影響因素——基于NDDF-面板Tobit兩步法的實(shí)證研究[J]. 數(shù)量經(jīng)濟(jì)研究， 2019（1）： 67-81.

[9] 劉海英，劉晴晴.中國(guó)省級(jí)綠色全要素能源效率測(cè)度及技術(shù)差距研究——基于共同前沿的非徑向方向性距離函數(shù)估算[J].西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020（2）： 73-84.

[10]汪克亮，楊寶臣，楊力. 環(huán)境約束下的中國(guó)全要素能源效率測(cè)度及其收斂性[J].管理學(xué)報(bào)，2012（7）：1071-1077.

[11]Chung Y ， Fare R. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Microeconomics，1995（3）：229-240.

[12]王兵，吳延瑞，顏鵬飛. 中國(guó)區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長(zhǎng)[J]. 經(jīng)濟(jì)研究，2010（5）：95-109.

[13]師博，沈坤榮. 政府干預(yù)、經(jīng)濟(jì)集聚與能源效率[J].管理世界，2013（10）： 6-18.

[14]林伯強(qiáng)，杜克銳. 理解中國(guó)能源強(qiáng)度的變化：一個(gè)綜合的分解框架[J]. 世界經(jīng)濟(jì)，2014（4）：69-87.

[15]王騰，嚴(yán)良，何建華，等.環(huán)境規(guī)制影響全要素能源效率的實(shí)證研究——基于波特假說的分解驗(yàn)證[J]. 中國(guó)環(huán)境科學(xué)，2017（4）： 1571-1578.

[16]羅朝陽(yáng)，李雪松. 產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、技術(shù)進(jìn)步與中國(guó)能源效率——基于非動(dòng)態(tài)面板門檻模型的實(shí)證分析[J]. 經(jīng)濟(jì)問題探索，2019（1）： 159-166.

[17]師博，任保平. 產(chǎn)業(yè)集聚會(huì)改進(jìn)能源效率么？[J].中國(guó)經(jīng)濟(jì)問題， 2019（1）：27-39.

[18]肖曉軍，楊志強(qiáng)，曾荷.環(huán)境規(guī)制視角下貿(mào)易出口對(duì)中國(guó)綠色全要素生產(chǎn)率的影響——基于省際面板數(shù)據(jù)的非線性實(shí)證檢驗(yàn)[J].軟科學(xué)，2020（10）：18-24.

[19]劉海英，丁瑩.環(huán)境補(bǔ)貼經(jīng)濟(jì)效應(yīng)的門限特征分析——基于FDI與要素稟賦結(jié)構(gòu)的視角[J]. 數(shù)量經(jīng)濟(jì)研究， 2020（2）：60-74.

[20]王謙.大氣污染治理、資源配置結(jié)構(gòu)與工業(yè)綠色全要素生產(chǎn)率[J].財(cái)經(jīng)理論與實(shí)踐，2021（1）：94-101.

[21]Zou H ， Hastie T， Tibshirani R.Sparse Principal Component Analysis[J].Journal of Computational and Graphical Statistics， 2006（2）： 265-286.

[22]鄭翔中， 高越. FDI與中國(guó)能源利用效率：政府扮演著怎樣的角色？[J]. 世界經(jīng)濟(jì)研究， 2019（6）：78-89.