中國(guó)全要素能源效率測(cè)算及其驅(qū)動(dòng)因素

陳菁泉,連欣燕,馬曉君,米 軍

中國(guó)全要素能源效率測(cè)算及其驅(qū)動(dòng)因素

陳菁泉1*,連欣燕2,馬曉君2,米 軍3

(1.東北財(cái)經(jīng)大學(xué)經(jīng)濟(jì)與社會(huì)發(fā)展研究院,遼寧 大連 116025；2.東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,遼寧 大連 116025；3.四川大學(xué)經(jīng)濟(jì)學(xué)院,四川 成都 610065)

為敦促中國(guó)全要素能源效率提升,遵循中國(guó)全要素能源效率測(cè)算、驅(qū)動(dòng)因素分析的研究路徑,首先以中國(guó)30個(gè)省份、直轄市、自治區(qū)(不包括西藏、香港、澳門(mén)和臺(tái)灣)的面板數(shù)據(jù)為研究對(duì)象,將能源足跡納入非期望產(chǎn)出指標(biāo),旨在使全要素能源效率測(cè)度指標(biāo)更加科學(xué);其次采用更適宜于面板數(shù)據(jù)的動(dòng)態(tài)隨機(jī)非參數(shù)數(shù)據(jù)包絡(luò)分析法(StoNED)測(cè)度全要素能源效率,并按全國(guó)、八大經(jīng)濟(jì)區(qū)、分省3個(gè)層面分析測(cè)算結(jié)果;再次結(jié)合因變量為截?cái)鄶?shù)據(jù)且可能存在空間效應(yīng)的特性,構(gòu)建包含環(huán)境規(guī)制、對(duì)外貿(mào)易、科研經(jīng)費(fèi)、能源消費(fèi)結(jié)構(gòu)、人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)6個(gè)驅(qū)動(dòng)因素的空間誤差面板Tobit回歸模型(SEM-Tobit),研究中國(guó)全要素能源效率驅(qū)動(dòng)因素效應(yīng);最后探求提升全要素能源效率的政策建議.研究發(fā)現(xiàn):就全要素能源效率測(cè)度結(jié)果而言,從全國(guó)來(lái)看,中國(guó)全要素能源效率大致呈先下降后上升的分布特征;從區(qū)域來(lái)看,八大綜合經(jīng)濟(jì)區(qū)全要素能源效率呈現(xiàn)由沿海向內(nèi)陸逐漸收斂的發(fā)展態(tài)勢(shì);從具體省域來(lái)看,沿海省份全要素能源效率相對(duì)較高,但同一地區(qū)不同省份間全要素能源效率水平存在一定差異;從驅(qū)動(dòng)因素分析結(jié)果來(lái)看,環(huán)境規(guī)制、能源消費(fèi)結(jié)構(gòu)對(duì)全要素能源效率呈現(xiàn)顯著的負(fù)向作用,而產(chǎn)業(yè)結(jié)構(gòu)、人口規(guī)模、對(duì)外貿(mào)易、科研經(jīng)費(fèi)對(duì)全要素能源效率呈現(xiàn)積極推動(dòng)作用.

全要素能源效率；動(dòng)態(tài)StoNED模型；空間誤差面板Tobit回歸；驅(qū)動(dòng)因素分析

中國(guó)高速度的發(fā)展水平離不開(kāi)能源的支撐.但從長(zhǎng)期來(lái)看,“高能耗、高污染、低效率”的發(fā)展方式制約著社會(huì)進(jìn)步,阻礙經(jīng)濟(jì)發(fā)展進(jìn)程.如何突破能源制約瓶頸促進(jìn)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展成為當(dāng)前需要解決的問(wèn)題之一.而提升全要素能源效率是破解能源制約瓶頸的關(guān)鍵一環(huán),但由于中國(guó)部分地區(qū)長(zhǎng)期不可持續(xù)發(fā)展,粗放增長(zhǎng)模式依舊存在,對(duì)提升全要素能源效率改善能源問(wèn)題提出了新的挑戰(zhàn).因此,需綜合了解中國(guó)區(qū)域全要素能源效率情況,并深入分析全要素能源效率驅(qū)動(dòng)因素,以期為中國(guó)提升全要素能源效率提供可行性建議.

能源效率是指在產(chǎn)出一定時(shí)實(shí)際能源投入達(dá)到最優(yōu)程度[1],常因要素投入數(shù)量被分為單要素能源效率和全要素能源效率.其中,全要素能源效率使

用最為廣泛[2].研究普遍認(rèn)為應(yīng)將能源、資本與勞動(dòng)指標(biāo)納入全要素能源效率投入要素,并將增加值納入期望產(chǎn)出指標(biāo)[3-5].隨著生態(tài)經(jīng)濟(jì)發(fā)展,非期望產(chǎn)出開(kāi)始納入全要素能源效率產(chǎn)出體系,但非期望產(chǎn)出指標(biāo)具有一定的復(fù)雜性且尚未達(dá)成統(tǒng)一[6-7].汪東芳和曹建華[8]將二氧化硫(SO2)和二氧化碳作為非期望產(chǎn)出指標(biāo).馬曉君等[9]將廢水排放量和工業(yè)煙(粉)塵排放量的倒數(shù)作為非期望產(chǎn)出指標(biāo).楊仲山等[10]將3種污染物結(jié)合為一個(gè)綜合指標(biāo)來(lái)測(cè)度非期望產(chǎn)出.由此觀之,如何選擇合適指標(biāo)衡量非期望產(chǎn)出,已成為準(zhǔn)確測(cè)度全要素能源效率的關(guān)鍵.

關(guān)于全要素能源效率的測(cè)度方法,研究多采用隨機(jī)前沿分析法(SFA)和數(shù)據(jù)包絡(luò)分析法(DEA)及其衍生模型展開(kāi)測(cè)度[11-15],以此引致測(cè)算效率誤差較大,進(jìn)而導(dǎo)致各項(xiàng)研究之間不存在可比性,甚至得出與真實(shí)結(jié)果相悖的結(jié)論,且上述方法存在一定局限性.已有研究表明相較于SFA和DEA,隨機(jī)非參數(shù)數(shù)據(jù)包絡(luò)分析(StoNED)將SFA和DEA有機(jī)結(jié)合在一個(gè)框架內(nèi),建立在二者均認(rèn)可的標(biāo)準(zhǔn)公理和假設(shè)之下,無(wú)需引入新的概念和原理,在效率測(cè)度方面更具操作性、準(zhǔn)確性與靈活性[16].該模型經(jīng)過(guò)不斷演化被廣泛應(yīng)用于金融、制造業(yè)等領(lǐng)域,而將其運(yùn)用在全要素能源效率測(cè)度方面的研究相對(duì)匱乏.此外,從研究區(qū)域劃分來(lái)看,當(dāng)前的研究多考慮按經(jīng)濟(jì)帶劃分為三大地帶或四大經(jīng)濟(jì)區(qū)域[17-18],區(qū)塊劃分較大,且常忽略區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展所呈現(xiàn)的不同層級(jí)的異質(zhì)性與集聚性,不利于深入分析區(qū)域之間差異.因而,若要確立科學(xué)可行的能源措施解決能源問(wèn)題,需對(duì)全要素能源效率進(jìn)行科學(xué)測(cè)度與合理分析.

關(guān)于全要素能源效率驅(qū)動(dòng)因素的研究方法,目前常使用因素分解法和計(jì)量模型進(jìn)行分析[19-22].其中,因素分解法使用最廣泛的為結(jié)構(gòu)分解法和指數(shù)分解法等[20,23-24].在計(jì)量模型分析層面,采用協(xié)整和誤差修正模型、系統(tǒng)矩估計(jì)、SFA、分位數(shù)空間自回歸、面板Tobit回歸等方法來(lái)探索影響全要素能源效率提升的原因[21,25-28].但由于因素分解法只能衡量這些分解因素對(duì)于經(jīng)濟(jì)指標(biāo)的貢獻(xiàn)程度,并不能反映這些因素對(duì)于經(jīng)濟(jì)指標(biāo)的影響機(jī)制[29];計(jì)量經(jīng)濟(jì)模型往往忽略全要素能源效率本身受限特性及其可能存在的空間效應(yīng)特征,引致所得結(jié)果存在差異.由此可見(jiàn),若要統(tǒng)籌分析且真實(shí)、準(zhǔn)確地反映驅(qū)動(dòng)因素對(duì)全要素能源效率的影響效應(yīng),綜合考慮全要素能源效率的基本特性勢(shì)在必行.

本文首先以中國(guó)30個(gè)省份、直轄市、自治區(qū)(不包括西藏、香港、澳門(mén)和臺(tái)灣)的面板數(shù)據(jù)為研究對(duì)象,將能源足跡納入全要素能源效率測(cè)度框架;其次,使用更適宜于面板數(shù)據(jù)的動(dòng)態(tài)StoNED模型測(cè)度全要素能源效率,并按全國(guó)、分地區(qū)、分省3個(gè)層面分析測(cè)算結(jié)果;最后結(jié)合因變量為截?cái)鄶?shù)據(jù)且可能存在空間效應(yīng)的特性,構(gòu)建空間誤差面板Tobit回歸模型(SEM-Tobit)研究中國(guó)全要素能源效率驅(qū)動(dòng)因素效應(yīng),旨在探索提升全要素能源效率的政策建議,為推動(dòng)中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展提供參考.

1 研究方法和數(shù)據(jù)來(lái)源

1.1 動(dòng)態(tài)StoNED模型

動(dòng)態(tài)StoNED模型由Kuosmanen[30]首次提出,常用以解釋跨期生產(chǎn)過(guò)程中效率的變化.該模型不僅將DEA模型的非參數(shù)處理方式和SFA模型的參數(shù)設(shè)定方法有機(jī)結(jié)合在一個(gè)框架,還充分考慮面板數(shù)據(jù)特性,能有效提升效率測(cè)度準(zhǔn)確率.

本文將生產(chǎn)函數(shù)假設(shè)為乘法誤差結(jié)構(gòu),并以此形式進(jìn)行效率測(cè)算和參數(shù)估計(jì),旨在減少參數(shù)分布的相關(guān)假設(shè)及降低模型異方差.其中,動(dòng)態(tài)StoNED模型為:

就投入和時(shí)間而言,是特殊的常量,但該函數(shù)引入大量新的未知參數(shù),不便于計(jì)算.因而考慮選取參數(shù)近似形式,以減少不必要的未知參數(shù)引入,本文參照Kuosmanen[30]采用二次方程形式設(shè)定技術(shù)進(jìn)步.

若未出現(xiàn)技術(shù)退步,則需要滿足下述條件:

動(dòng)態(tài)StoNED模型可以改寫(xiě)為:,

為保證生產(chǎn)函數(shù)的凹性與單調(diào)性,求得公式(7)中的未知參數(shù),本文構(gòu)建CNLS估計(jì)模型:

式中:目標(biāo)函數(shù)表示隨機(jī)誤差項(xiàng)平方和的最小值;第一個(gè)約束條件是基期生產(chǎn)函數(shù);第二個(gè)約束條件是對(duì)切超平面的凹性約束,旨在保證生產(chǎn)函數(shù)是凹函數(shù);第三個(gè)約束條件是對(duì)生產(chǎn)函數(shù)的單調(diào)性限制,即確保生產(chǎn)函數(shù)單調(diào)遞增;第四個(gè)約束條件是實(shí)際生產(chǎn)情況對(duì)生產(chǎn)技術(shù)的限制,保證其恒為非負(fù)數(shù).

關(guān)于效率的測(cè)度可采用以下形式:

1.2 空間面板Tobit回歸模型

空間面板Tobit回歸模型是將空間面板模型和Tobin等[31]提出的Tobit模型加以結(jié)合,用于同時(shí)解決因變量受限且存在空間效應(yīng)的問(wèn)題.該模型的優(yōu)勢(shì)在于既能把樣本觀測(cè)點(diǎn)的空間信息以權(quán)重形式嵌入到回歸參數(shù)中,用以揭示變量之間的關(guān)系,又能有效解決因變量存在上限、下限及存在選擇行為的問(wèn)題,可以更好地分析各因素對(duì)因變量的影響.回歸模型形式為:

1.3 變量說(shuō)明

1.3.1 全要素能源效率評(píng)價(jià)指標(biāo)體系 (1)投入指標(biāo)①能源投入指標(biāo):選取能源消費(fèi)總量來(lái)衡量,同時(shí)為消除不同區(qū)域能源消費(fèi)種類和量綱的不一致,將消費(fèi)量統(tǒng)一轉(zhuǎn)換為“萬(wàn)t標(biāo)準(zhǔn)煤”.②勞動(dòng)力投入指標(biāo):就業(yè)人員的數(shù)目是衡量勞動(dòng)力在全要素能源效率上貢獻(xiàn)程度的指標(biāo).因此,將各省的城鎮(zhèn)單位、私營(yíng)企業(yè)等就業(yè)人員的總和作為勞動(dòng)力投入,單位為人數(shù).③資本投入指標(biāo):本文借鑒單豪杰[33]研究成果,用“永續(xù)盤(pán)存法”計(jì)算固定資本投資額,并以此進(jìn)行衡量資本投入,單位為萬(wàn)元.

(2)產(chǎn)出指標(biāo):是由期望產(chǎn)出和非期望產(chǎn)出指標(biāo)經(jīng)過(guò)熵值法得到的綜合指標(biāo),既反映人類在經(jīng)濟(jì)社會(huì)發(fā)展過(guò)程中所創(chuàng)造的服務(wù)和生產(chǎn),又反映人類在創(chuàng)造過(guò)程中對(duì)能源環(huán)境造成的不良影響.

①期望產(chǎn)出指標(biāo):選取地區(qū)生產(chǎn)總值作為期望產(chǎn)出的衡量指標(biāo),并使用GDP平減指數(shù)消除不同年份價(jià)格因素的影響,單位為萬(wàn)元.②非期望產(chǎn)出指標(biāo):選取能源足跡作為其衡量指標(biāo),參照《地球生命力報(bào)告》,能源足跡是反映地區(qū)能源消費(fèi)對(duì)生態(tài)環(huán)境影響的關(guān)鍵指標(biāo),不僅可從時(shí)空角度揭示人類經(jīng)濟(jì)活動(dòng)對(duì)區(qū)域生態(tài)環(huán)境的載荷,還能評(píng)估人類活動(dòng)中資源消費(fèi)與廢棄物排放等行為對(duì)環(huán)境造成的負(fù)向影響,指標(biāo)選取更具權(quán)威性.其中,能源足跡的測(cè)度公式為:

式中:C表示能源消費(fèi)量,萬(wàn)t標(biāo)準(zhǔn)煤;D指折合標(biāo)準(zhǔn)煤系數(shù);為熱值轉(zhuǎn)換系數(shù),單位為GJ/t,F表示能源足跡轉(zhuǎn)換系數(shù),GJ/ha;ER表示能源足跡,萬(wàn)ha.

1.3.2 驅(qū)動(dòng)因素指標(biāo) 為探索并分析驅(qū)動(dòng)全要素能源效率提升的影響效應(yīng),選擇以下六個(gè)指標(biāo)作為驅(qū)動(dòng)因素指標(biāo).

表1 能源足跡相關(guān)系數(shù)

(1)環(huán)境規(guī)制(ER):環(huán)境規(guī)制是指政府通過(guò)特定的政策對(duì)環(huán)境污染物進(jìn)行控制,影響產(chǎn)業(yè)技術(shù)創(chuàng)新與發(fā)展,從而實(shí)現(xiàn)能源有效利用,實(shí)現(xiàn)“經(jīng)濟(jì)-社會(huì)-環(huán)境”協(xié)調(diào)發(fā)展.本文借鑒陳菁泉等[34]的方法,從環(huán)境規(guī)制實(shí)施成本角度,采用政府工業(yè)污染投資完成額占地方生產(chǎn)總值的比重來(lái)衡量環(huán)境規(guī)制程度.單位是%.

(2)產(chǎn)業(yè)結(jié)構(gòu)(IS):產(chǎn)業(yè)結(jié)構(gòu)變化直接對(duì)地區(qū)能源消耗狀況產(chǎn)生影響.隨著中國(guó)產(chǎn)業(yè)結(jié)構(gòu)持續(xù)轉(zhuǎn)型,作為主要產(chǎn)業(yè)的第二產(chǎn)業(yè),開(kāi)始在國(guó)民經(jīng)濟(jì)中開(kāi)始有所下降,但整體上看,第二產(chǎn)業(yè)仍占較大比例,而產(chǎn)業(yè)結(jié)構(gòu)改善很可能對(duì)全要素能源效率產(chǎn)生作用.因此,借鑒馬曉君等[9]與劉丹丹等[35]的方法,采用第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比重(%)來(lái)反映產(chǎn)業(yè)結(jié)構(gòu).

(3)人口規(guī)模(PS):人口規(guī)模可能會(huì)對(duì)全要素能源效率產(chǎn)生影響.隨著地區(qū)城市化進(jìn)程加快,人口規(guī)模擴(kuò)大可能會(huì)導(dǎo)致基礎(chǔ)設(shè)施需求加大,從而促使相關(guān)產(chǎn)業(yè)迅速發(fā)展,使得相應(yīng)需求擴(kuò)大,能源消耗量增加,進(jìn)而可能導(dǎo)致全要素能源效率發(fā)生變化.因此,本文參考馬曉君等[9]的研究方法,采用各省份常住人口數(shù)來(lái)表示人口規(guī)模,單位為人數(shù).為消除異方差,本文在驅(qū)動(dòng)因素研究時(shí),對(duì)該指標(biāo)取對(duì)數(shù).

(4)對(duì)外貿(mào)易(FT):對(duì)外貿(mào)易是影響全要素能源效率的因素之一.在“一帶一路”政策的帶動(dòng)下,中國(guó)對(duì)外貿(mào)易蓬勃發(fā)展,短期內(nèi)交通基礎(chǔ)設(shè)計(jì)建設(shè)和運(yùn)營(yíng)是優(yōu)先發(fā)展領(lǐng)域,這勢(shì)必會(huì)引起全要素能源效率變動(dòng).因此,在當(dāng)前國(guó)情和國(guó)際環(huán)境下,對(duì)外貿(mào)易有必要列為驅(qū)動(dòng)因素指標(biāo)之一.而進(jìn)出口貿(mào)易情況常用于反映對(duì)外開(kāi)放程度.因此,本文結(jié)合Chen等[32]與劉丹丹等[35]研究,采用進(jìn)出口貿(mào)易額占地區(qū)生產(chǎn)總值的比重(%)來(lái)反映對(duì)外開(kāi)放程度.

(5)能源消費(fèi)結(jié)構(gòu)(ECS):能源消費(fèi)結(jié)構(gòu)是在一定時(shí)期內(nèi),國(guó)民經(jīng)濟(jì)各部門(mén)所消費(fèi)的每種能源的數(shù)量及其占全部能源消費(fèi)量的比重或是按消費(fèi)部門(mén)分類的能源消費(fèi)量及其比重.長(zhǎng)期以來(lái),煤炭在中國(guó)能源消費(fèi)結(jié)構(gòu)中一直占據(jù)主導(dǎo)地位,煤炭的大量消耗可能對(duì)全要素能源效率產(chǎn)生影響.故本文依據(jù)楊仲山等[10,34]介紹的方法,采用煤炭占能源消耗的比重(%)來(lái)衡量能源消費(fèi)結(jié)構(gòu).

(6)科研經(jīng)費(fèi)(RI):科技經(jīng)費(fèi)是指各種用于發(fā)展科學(xué)技術(shù)事業(yè)而支出的費(fèi)用,用以解決特定的科學(xué)和技術(shù)問(wèn)題.通過(guò)發(fā)展科研來(lái)實(shí)現(xiàn)持續(xù)創(chuàng)新是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵之要,科研經(jīng)費(fèi)是推動(dòng)創(chuàng)新的第一生產(chǎn)動(dòng)力.加大科研經(jīng)費(fèi),將進(jìn)一步改善科研環(huán)境,帶動(dòng)科研人員的創(chuàng)新活力,促進(jìn)更多高質(zhì)量科技成果提出,從而促進(jìn)全要素能源效率提高.因而,本文在劉丹丹等[35]的基礎(chǔ)上,使用研發(fā)與試驗(yàn)支出費(fèi)用作為科研經(jīng)費(fèi)指標(biāo).

1.4 數(shù)據(jù)來(lái)源

本文結(jié)合中國(guó)現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)的實(shí)際情況,考慮香港和澳門(mén)特別行政區(qū)、臺(tái)灣省及西藏自治區(qū)數(shù)據(jù)缺失較大,因而選取中國(guó)30個(gè)省域?yàn)檠芯糠秶?樣本為2000～2018年的面板數(shù)據(jù)展開(kāi)研究.研究數(shù)據(jù)主要來(lái)源于2000～2019年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》、國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)中心以及各省、直轄市、自治區(qū)的統(tǒng)計(jì)年鑒.各變量的描述性統(tǒng)計(jì)分析如表2所示.

表2 描述性統(tǒng)計(jì)

2 實(shí)證分析

2.1 中國(guó)全要素能源效率基本情況

為進(jìn)一步探索中國(guó)全要素能源效率區(qū)域特點(diǎn),本文從全國(guó)、分省、分地區(qū)3個(gè)層面展開(kāi)研究.其中,在分析中國(guó)全要素能源效率地區(qū)差異時(shí),考慮傳統(tǒng)區(qū)域劃分方法存在區(qū)塊劃分較大,研究不細(xì)致、不充分等問(wèn)題,為解決現(xiàn)有問(wèn)題,本文依據(jù)《區(qū)域協(xié)調(diào)發(fā)展的戰(zhàn)略和政策》將中國(guó)劃分為東北地區(qū)(遼寧、吉林、黑龍江)、北部沿海(北京、天津、河北、山東)、東部沿海(上海、江蘇、浙江)、南部沿海(福建、廣東、海南)、黃河中游(陜西、山西、河南、內(nèi)蒙古)、長(zhǎng)江中游(湖北、湖南、江西、安徽)、西南地區(qū)(云南、貴州、四川、重慶、廣西)、西北地區(qū)(甘肅、青海、寧夏、新疆)八大綜合經(jīng)濟(jì)區(qū)來(lái)完善當(dāng)前研究.該劃分方法的優(yōu)勢(shì)在于:充分考慮了歷史延續(xù)性及省域行政區(qū)的完整性,劃分更細(xì)致,在經(jīng)濟(jì)上地域發(fā)展優(yōu)勢(shì)明顯. 此外,本文基于測(cè)度結(jié)果繪制中國(guó)全要素能源效率變化趨勢(shì)圖(圖1).2000～2018年中國(guó)各省份全要素能源效率如表3所示.

從全國(guó)來(lái)看,在研究期間中國(guó)全要素能源效率呈先下降后上升的趨勢(shì).2000～2007年,中國(guó)全要素能源效率呈逐年下降趨勢(shì),這主要是由于隨著經(jīng)濟(jì)的高速增長(zhǎng),各地區(qū)重工業(yè)模式凸顯,導(dǎo)致化石能源消耗極具增加,環(huán)境污染嚴(yán)峻,“高能耗、高污染”的經(jīng)濟(jì)增長(zhǎng)模式促使全要素能源效率下降.2008～2018年,中國(guó)全要素能源效率進(jìn)入穩(wěn)步攀升期,由2008年的0.562上升至2018年的0.640,可見(jiàn),中國(guó)在全要素能源效率提升上已取得顯著成效.這主要得益于2008～2018年,政府相繼出臺(tái)《節(jié)能減排工作安排》、《國(guó)務(wù)院關(guān)于加快推進(jìn)生態(tài)文明建設(shè)的意見(jiàn)》、《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃(2014-2020年)》等政策措施,并始終以開(kāi)源、節(jié)流、減排為目標(biāo),通過(guò)淘汰落后產(chǎn)能、推廣先進(jìn)節(jié)能減排技術(shù),并加大對(duì)太陽(yáng)能、風(fēng)能以及水電等清潔能源的投資開(kāi)發(fā),著力轉(zhuǎn)變能源消費(fèi)方式,確保優(yōu)化能源結(jié)構(gòu),實(shí)現(xiàn)能源安全供應(yīng),控制能源過(guò)快消費(fèi),大力推行綠色可持續(xù)發(fā)展,進(jìn)而實(shí)現(xiàn)全要素能源效率的提升.此外,樣本期間內(nèi)中國(guó)全要素能源效率均值多數(shù)低于0.600,尚未達(dá)到1.000,表明在2000～2018年,中國(guó)全要素能源效率雖有所提升,但仍有較大提升空間.因此,加快能源轉(zhuǎn)型,積極推行技術(shù)創(chuàng)新仍是提升全要素能源效率,助力經(jīng)濟(jì)高質(zhì)量發(fā)展的重要路徑.

從區(qū)域來(lái)看,八大綜合經(jīng)濟(jì)區(qū)全要素能源效率呈現(xiàn)由沿海向內(nèi)陸逐漸收斂的發(fā)展態(tài)勢(shì).由圖1可知,2000～2018年,東部、北部、南部沿海地區(qū)全要素能源效率較高,這是由于沿海地區(qū)具有先天的地理區(qū)位優(yōu)勢(shì),交通運(yùn)輸便利,在雙循環(huán)背景下,產(chǎn)業(yè)發(fā)展迅速且優(yōu)質(zhì)資源集中,能源工業(yè)企業(yè)發(fā)達(dá),故其全要素能源效率相對(duì)較高.但南部沿海地區(qū)全要素能源效率呈現(xiàn)下降趨勢(shì),說(shuō)明該區(qū)域在發(fā)展中,對(duì)于能源消耗與經(jīng)濟(jì)發(fā)展關(guān)系未得到平衡,在環(huán)境保護(hù)方面有所欠缺.東北、長(zhǎng)江中游、西南、黃河中游地區(qū)的全要素能源效率上升幅度較大.究其形成原因可能是當(dāng)前中國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài),黨中央、國(guó)務(wù)院積極推行“東北老工業(yè)基地振興”、“長(zhǎng)江中游城市群發(fā)展規(guī)劃”、“西部大開(kāi)發(fā)戰(zhàn)略”、“中部地區(qū)發(fā)展規(guī)劃”等政策措施,并取得明顯成效,尤其在區(qū)域能源發(fā)展優(yōu)化方面表現(xiàn)突出,其中偏資源型、傳統(tǒng)型、重化工型的產(chǎn)業(yè)正逐漸轉(zhuǎn)型為新興、清潔、節(jié)能產(chǎn)業(yè),經(jīng)濟(jì)增長(zhǎng)新動(dòng)力得到明顯增強(qiáng).反觀西北地區(qū)全要素能源效率發(fā)展緩慢且處于最低,形成原因可能是西北地區(qū)深居內(nèi)陸,經(jīng)濟(jì)發(fā)展相對(duì)落后且長(zhǎng)期側(cè)重第二產(chǎn)業(yè)發(fā)展工業(yè),該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)問(wèn)題嚴(yán)重影響全要素能源效率的良性發(fā)展態(tài)勢(shì).隨著“一帶一路”倡議的深入實(shí)施,該地區(qū)全要素能源效率雖有好轉(zhuǎn),但由于科技與能源經(jīng)濟(jì)發(fā)展融合不夠,新興產(chǎn)業(yè)發(fā)展偏慢,且難以在短時(shí)間內(nèi)扭轉(zhuǎn)消耗大量資源的局面,進(jìn)而造成環(huán)境嚴(yán)重污染,全要素能源效率依舊較低.綜合而言,八大綜合經(jīng)濟(jì)區(qū)全要素能源效率發(fā)展存在差異,消除區(qū)域全要素能源效率差異勢(shì)在必行.

圖1 2000～2018年中國(guó)全要素能源效率演變趨勢(shì)

從具體省域來(lái)看,各省份全要素能源效率發(fā)展水平參差不齊.如表3所示,2000～2018年,上海、北京、天津、廣東、江蘇、浙江的全要素能源效率位于前列,綜合對(duì)比區(qū)位條件,這幾個(gè)典型省份屬于東部、北部、南部沿海,且部分省份存在地理位置接壤、臨近海域的特點(diǎn),在產(chǎn)業(yè)發(fā)展中能夠最大限度利用區(qū)位優(yōu)勢(shì)發(fā)展經(jīng)濟(jì),實(shí)現(xiàn)能源的有效使用,故其形成明顯的內(nèi)部集群效應(yīng).而甘肅、青海、山西、安徽、貴州、寧夏位于末位,究其形成原因是這些省份處于內(nèi)陸,重工業(yè)產(chǎn)業(yè)未實(shí)現(xiàn)完全轉(zhuǎn)型,經(jīng)濟(jì)發(fā)展相對(duì)落后.這些省份長(zhǎng)期依賴能源消耗來(lái)發(fā)展經(jīng)濟(jì),導(dǎo)致資源耗竭嚴(yán)峻,同時(shí)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型緩慢又加劇能源損耗,導(dǎo)致粗放型經(jīng)濟(jì)發(fā)展模式循環(huán)惡化.此外,新疆全要素能源效率呈現(xiàn)先下降后上升的分布特征,這主要?dú)w因于在發(fā)展前期,新疆工業(yè)發(fā)展迅速,導(dǎo)致全要素能源效率提升,但隨著新疆優(yōu)勢(shì)產(chǎn)業(yè)農(nóng)業(yè)的大力發(fā)展,促使工業(yè)發(fā)展相對(duì)緩慢,進(jìn)而導(dǎo)致全要素能源效率停滯甚至下降.地方政府逐漸意識(shí)到全要素能源效率下滑局面,開(kāi)始積極推動(dòng)新能源產(chǎn)業(yè)發(fā)展,大力推行風(fēng)力發(fā)電等新興產(chǎn)業(yè),新疆全要素能源效率得到進(jìn)一步改善與提升.而同一地區(qū)不同省份間全要素能源效率水平存在一定差異,且部分省份間存在明顯的空間非均衡態(tài)勢(shì).如河北省位于北部沿海地區(qū),卻處于高全要素能源效率的塌陷地帶,究其原因是該省人口基數(shù)相對(duì)較大,長(zhǎng)期依賴石化、化工、建材、鋼鐵等重污染行業(yè)發(fā)展經(jīng)濟(jì),過(guò)度依賴高污染、高能耗資源,造成環(huán)境污染嚴(yán)峻.但值得一提的是,湖北省、湖南省全要素能源效率明顯高于長(zhǎng)江中游地區(qū)的其他省份,處于全要素能源效率低下的凸起地帶,究其形成原因是湖北省和湖南省大力推行可持續(xù)發(fā)展經(jīng)濟(jì),在優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、推行節(jié)能減排措施等方面取得顯著成效.因而,若要消除全要素能源效率區(qū)域差異,需要各省份因地制宜,發(fā)揮各自優(yōu)勢(shì),并采取節(jié)能措施,共同推進(jìn)區(qū)域協(xié)調(diào)發(fā)展.

2.2 中國(guó)全要素能源效率驅(qū)動(dòng)因素研究

2.2.1 多重共線性檢驗(yàn) 為保證各變量獨(dú)立且較為全面,本文對(duì)每個(gè)驅(qū)動(dòng)因素變量執(zhí)行了多重共線性檢驗(yàn).其中,方差膨脹因子(VIF)的值10為判斷變量間多重共線性的臨界值,即若VIF小于10,則說(shuō)明變量之間不存在多重共線性,反之則存在.由表4可知,所有驅(qū)動(dòng)因素變量的VIF均小于10,因此各個(gè)變量之間不存在多重共線性,可進(jìn)行后續(xù)分析.

2.2.2 空間相關(guān)性檢驗(yàn) 為驗(yàn)證構(gòu)建中國(guó)全要素能源效率驅(qū)動(dòng)因素模型時(shí)考慮數(shù)據(jù)空間特性的必要性和合理性,本文對(duì)全要素能源效率進(jìn)行了空間相關(guān)性檢驗(yàn).其中,空間自相關(guān)檢驗(yàn)常被用作空間相關(guān)性檢驗(yàn),是指對(duì)一定空間范圍內(nèi)的集聚現(xiàn)象進(jìn)行測(cè)度.

表3 中國(guó)全要素能源效率測(cè)度情況

在空間聚類檢驗(yàn)時(shí),一般采用莫蘭指數(shù)(Moran's I)對(duì)空間集聚特征進(jìn)行測(cè)度.Moran's I取值范圍是[-1,1],若Moran's I大于0則表示空間正相關(guān)性,且其值越大表明空間相關(guān)性越強(qiáng);若Moran's I小于0則說(shuō)明存在空間負(fù)相關(guān)性,且其值越小空間差異越大;否則無(wú)空間相關(guān)性.其計(jì)算公式如下:

表4 多重共線性診斷

應(yīng)用Stata15.0計(jì)算鄰接空間權(quán)重下的Moran's I以探索中國(guó)全要素能源效率空間特征,結(jié)果如圖2所示:整體上看Moran's I呈現(xiàn)下降趨勢(shì),且隨著年份增長(zhǎng),中國(guó)全要素能源效率的空間集聚開(kāi)始減弱.在5%的顯著性水平下Moran's I均顯著,且其值均大于0,表明中國(guó)全要素能源效率具有較強(qiáng)的空間集聚性.因而,在研究其影響機(jī)制時(shí)亟需考慮省份之間的空間效應(yīng).

圖2 中國(guó)全要素能源效率Moran's I

2.2.3 驅(qū)動(dòng)因素分析 鑒于動(dòng)態(tài)StoNED模型測(cè)得的全要素能源效率值恒大于0,屬于典型的因變量受限,且存在顯著的正向空間相關(guān)性,故傳統(tǒng)的回歸模型不再符合當(dāng)前研究需求.而空間面板Tobit模型包含SLM-Tobit、SEM-Tobit及SDM-Tobit模型,本文在盧飛等[36]研究的基礎(chǔ)上,采用拉格朗日乘數(shù)檢驗(yàn)(LM)進(jìn)行模型選擇.通過(guò)表5發(fā)現(xiàn),空間誤差的LM和穩(wěn)健LM檢驗(yàn)均通過(guò)顯著性檢驗(yàn),而空間滯后的穩(wěn)健LM檢驗(yàn)統(tǒng)計(jì)量并未通過(guò)顯著性檢驗(yàn),這表明誤差項(xiàng)的空間相關(guān)性較強(qiáng).

表5 模型選擇

因此,本文應(yīng)用Stata15.0軟件構(gòu)建SEM-Tobit模型,以分析各驅(qū)動(dòng)因素對(duì)全要素能源效率的影響程度,回歸結(jié)果如表6所示.若擬合系數(shù)為正值,驅(qū)動(dòng)因素對(duì)全要素能源效率有促進(jìn)作用;反之有抑制作用,且擬合系數(shù)絕對(duì)值越大,表明驅(qū)動(dòng)因素對(duì)全要素能源效率的影響越大.

表6 中國(guó)全要素能源效率驅(qū)動(dòng)因素

注:*、**、***分別表示在5%、1%和0.1%的水平上顯著.

(1)環(huán)境規(guī)制.環(huán)境規(guī)制在1%顯著性水平上對(duì)全要素能源效率的影響為負(fù),這與Hancevic[37]與王跨等[38]所得結(jié)論一致.究其形成原因可能是:環(huán)境規(guī)制帶來(lái)的遵循成本會(huì)同時(shí)產(chǎn)生替代效應(yīng)和擠出效應(yīng)[39].一方面,加大環(huán)境規(guī)制有利于推廣先進(jìn)的生態(tài)生產(chǎn)技術(shù),并提升污染減排與治理投入,提高能源與資源利用效率,有利于發(fā)揮環(huán)境規(guī)制對(duì)全要素能源效率的創(chuàng)新替代效應(yīng).但另一方面,嚴(yán)格的環(huán)境規(guī)制會(huì)迫使企業(yè)加大環(huán)境污染治理投資力度,增加企業(yè)成本,擠占企業(yè)用于生產(chǎn)活動(dòng)的流動(dòng)資金,導(dǎo)致生產(chǎn)經(jīng)營(yíng)活動(dòng)的資金、發(fā)展速度、擴(kuò)張規(guī)模以及經(jīng)濟(jì)產(chǎn)出等發(fā)生停滯,進(jìn)而抑制全要素能源效率的提升.整體上看,當(dāng)前環(huán)境規(guī)制實(shí)施力度可能較大,促使先進(jìn)技術(shù)改善的同時(shí),也為企業(yè)成本帶來(lái)了負(fù)擔(dān),從而造成其對(duì)全要素能源效率的負(fù)向影響.

(2)產(chǎn)業(yè)結(jié)構(gòu).在5%的顯著性水平上,產(chǎn)業(yè)結(jié)構(gòu)對(duì)全要素能源效率呈現(xiàn)正向作用.依據(jù)劉丹丹等[35]的研究,產(chǎn)業(yè)結(jié)構(gòu)與全要素能源效率呈倒“U”形關(guān)系,即隨著產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平的提高,全要素能源效率呈現(xiàn)先逐漸上升后下降的趨勢(shì).結(jié)合當(dāng)前現(xiàn)實(shí)背景,第二產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)運(yùn)行中占較大比重,是中國(guó)國(guó)民財(cái)富的主要來(lái)源.但與發(fā)達(dá)國(guó)家相比,中國(guó)的產(chǎn)業(yè)化發(fā)展水平相對(duì)較低,經(jīng)濟(jì)發(fā)展仍需依賴粗放式、耗能式的工業(yè)拉動(dòng),整體上看,中國(guó)的產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平尚未達(dá)到倒“U”形拐點(diǎn)值,即產(chǎn)業(yè)結(jié)構(gòu)對(duì)中國(guó)全要素能源效率提高的抑制效應(yīng)尚未顯現(xiàn),中國(guó)全要素能源效率仍有一定的提升潛力.

(3)人口規(guī)模.在1%的顯著性水平下,人口規(guī)模對(duì)全要素能源效率有積極作用.即人口規(guī)模越大,全要素能源效率越高.這與馬曉君等[9]所得結(jié)論一致.其中,形成原因可能在于一方面,人口規(guī)模增加會(huì)驅(qū)動(dòng)各省人力資本、物質(zhì)資本的更新速度,加速先進(jìn)節(jié)能產(chǎn)品與技術(shù)的創(chuàng)新與應(yīng)用,從而提高全要素能源效率;另一方面,人口規(guī)模增加將帶動(dòng)其他產(chǎn)業(yè)發(fā)展,推動(dòng)城市基礎(chǔ)設(shè)施改善與建設(shè),進(jìn)而促使中國(guó)城市化進(jìn)程加快,形成“低能耗-低污染-高效益”的經(jīng)濟(jì)模式,促進(jìn)全要素能源效率提升,實(shí)現(xiàn)可持續(xù)發(fā)展.

(4)對(duì)外貿(mào)易.對(duì)外貿(mào)易對(duì)全要素能源效率呈現(xiàn)顯著的正向影響.究其形成原因是中國(guó)積極推進(jìn)“一帶一路”經(jīng)濟(jì)帶、海上絲綢之路的發(fā)展,各省對(duì)外貿(mào)易政策相對(duì)完善,因地制宜積極開(kāi)展經(jīng)濟(jì)貿(mào)易,并積極引進(jìn)國(guó)外先進(jìn)技術(shù),推動(dòng)貿(mào)易產(chǎn)品由早期高污染產(chǎn)品逐步轉(zhuǎn)向第三產(chǎn)業(yè)及高新產(chǎn)業(yè)產(chǎn)品,從而促進(jìn)全要素能源效率提升.

(5)能源消費(fèi)結(jié)構(gòu).能源消費(fèi)結(jié)構(gòu)與全要素能源效率呈顯著負(fù)相關(guān).這意味著煤炭作為中國(guó)的主要能源產(chǎn)品,若其占能源消費(fèi)的比重下降,全要素能源效率將提升.形成原因主要是目前中國(guó)仍以煤炭作為主要發(fā)展經(jīng)濟(jì)的能源,而產(chǎn)業(yè)的發(fā)展離不開(kāi)能源的使用,能源消費(fèi)比重的增加,會(huì)伴隨著大量污染物產(chǎn)生,破壞生態(tài)環(huán)境,影響人民生活水平,進(jìn)而導(dǎo)致全要素能源效率下降.

(6)科研投入.科研投入與全要素能源效率呈現(xiàn)顯著正向關(guān),即科研投入越高,全要素能源效率提升幅度越快.這主要?dú)w因于科學(xué)技術(shù)是社會(huì)發(fā)展的引擎,科研投入用于各類科研機(jī)構(gòu)來(lái)促使實(shí)現(xiàn)地方科研計(jì)劃項(xiàng)目的實(shí)現(xiàn),加大科研投入意味著全面提升中國(guó)的科技創(chuàng)新能力,利于科技人員對(duì)新型技術(shù)的開(kāi)發(fā)與探索,為國(guó)家的經(jīng)濟(jì)發(fā)展提供基礎(chǔ)和動(dòng)力,進(jìn)一步讓能源方向的科研成果在國(guó)際競(jìng)爭(zhēng)中占據(jù)主導(dǎo)地位的同時(shí),促進(jìn)中國(guó)全要素能源效率提升.

2.3 討論

本文采用能源足跡來(lái)定量分析能源消耗對(duì)生態(tài)環(huán)境造成的不良影響,具有一定的代表性.其次,考慮面板數(shù)據(jù)獨(dú)特性,并依據(jù)前人對(duì)半?yún)?shù)法測(cè)度效率更佳的研究結(jié)果,使用動(dòng)態(tài)StoNED測(cè)度能源效率,結(jié)合SFA和DEA的優(yōu)勢(shì),減少參數(shù)設(shè)置,有效減小測(cè)度誤差,提高準(zhǔn)確率,具有一定的先進(jìn)性.再次,多視角挖掘全要素能源效率特征,并將中國(guó)細(xì)分為八大綜合經(jīng)濟(jì)區(qū),有助于完善當(dāng)前研究,進(jìn)一步挖掘地區(qū)差異,促使全要素能源效率提升.最后,考慮因變量為截?cái)鄶?shù)據(jù)且具有空間集聚性,構(gòu)建SEM-Tobit模型,結(jié)合二者優(yōu)勢(shì)在同一框架內(nèi),實(shí)現(xiàn)更全面、深入分析全要素能源效率驅(qū)動(dòng)因素影響的研究目的,并基于研究結(jié)果探索提升全要素能源效率的重要途徑,這不僅對(duì)可持續(xù)發(fā)展目標(biāo)的實(shí)現(xiàn)起到推動(dòng)作用,還為后續(xù)效率改善措施的制定提供指導(dǎo).

3 政策建議

3.1 落實(shí)節(jié)能降耗措施,帶動(dòng)中國(guó)全要素能源效率提升

以政策為導(dǎo)向從源頭控制能源消耗,對(duì)依托重工業(yè)企業(yè)發(fā)展經(jīng)濟(jì)的地區(qū)予以政策支持,對(duì)污染嚴(yán)重的企業(yè)加大排放污染稅,敦促其優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),實(shí)現(xiàn)能源消費(fèi)結(jié)構(gòu)轉(zhuǎn)變.政府還應(yīng)健全環(huán)保監(jiān)管體制,強(qiáng)化節(jié)能環(huán)保執(zhí)法監(jiān)察,確保節(jié)能環(huán)保法律、法規(guī)、規(guī)章和強(qiáng)制性標(biāo)準(zhǔn)有效落實(shí).在全要素能源效率發(fā)展較高的地區(qū),利用以5G、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等新型基礎(chǔ)設(shè)施,實(shí)行“互聯(lián)網(wǎng)+智慧能源”管理,通過(guò)智能算法構(gòu)建城市智慧能源系統(tǒng),鼓勵(lì)發(fā)展智能小區(qū)和智能工廠,推動(dòng)儲(chǔ)能設(shè)施、分布式能源、智能用電終端協(xié)同發(fā)展,以此實(shí)現(xiàn)科學(xué)節(jié)能降耗,進(jìn)而帶動(dòng)全要素能源效率提升.

3.2 消除全要素能源效率區(qū)域失衡,積極鼓勵(lì)區(qū)域互助發(fā)展

以本文實(shí)證結(jié)果為依據(jù),北部、東部、南部沿海的全要素能源效率相對(duì)較高,經(jīng)濟(jì)發(fā)展較好,且高新產(chǎn)業(yè)發(fā)展迅速.因此,應(yīng)鞏固先進(jìn)能源技術(shù)在沿海地區(qū)的發(fā)展優(yōu)勢(shì),積極創(chuàng)新的同時(shí)鼓勵(lì)企業(yè)優(yōu)質(zhì)能源技術(shù)向內(nèi)陸地區(qū)如黃河中游、長(zhǎng)江中游、西南地區(qū)等有序支援,加強(qiáng)區(qū)域間合作共贏,進(jìn)而早日實(shí)現(xiàn)區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略,有效消除全要素能源效率區(qū)域失衡.此外,東北地區(qū)、長(zhǎng)江中游的重工業(yè)企業(yè)較多,導(dǎo)致能源消耗較多、產(chǎn)業(yè)結(jié)構(gòu)尚未實(shí)現(xiàn)轉(zhuǎn)型.故該地區(qū)應(yīng)在借鑒沿海地區(qū)優(yōu)質(zhì)經(jīng)驗(yàn)與技術(shù)的基礎(chǔ)上,統(tǒng)籌整合鋼鐵、水泥、電力等高耗能企業(yè)的余熱、余能資源,推進(jìn)能源梯級(jí)利用,促進(jìn)全要素能源效率提升.對(duì)于區(qū)域內(nèi)部的差異,可試行“一對(duì)一”幫扶政策,切實(shí)做到高效率省份對(duì)低效率省份的對(duì)口支援.如可依據(jù)區(qū)域增長(zhǎng)極理論,試行北京市對(duì)河北省的“一對(duì)一”幫扶,北京市可以提供技術(shù)、人才支持的方式幫助河北省更新技術(shù),實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化,從而提升全要素能源效率.

3.3 綜合考慮全要素能源效率驅(qū)動(dòng)因素,以多措并舉的方式提升全要素能源效率

應(yīng)大力發(fā)展高新技術(shù)產(chǎn)業(yè),確保環(huán)境規(guī)制合理實(shí)施;各省應(yīng)積極淘汰落后產(chǎn)能,調(diào)整能源消費(fèi)結(jié)構(gòu)推進(jìn)新型產(chǎn)業(yè)發(fā)展,培育壯大戰(zhàn)略性新興產(chǎn)業(yè),同時(shí)優(yōu)先發(fā)展新一代信息技術(shù)、節(jié)能環(huán)保、生物、新能源、新材料、新能源汽車等重點(diǎn)產(chǎn)業(yè)以實(shí)現(xiàn)全要素能源效率提升.此外,還應(yīng)積極制定人才引入計(jì)劃,加大各項(xiàng)科研投入,改善科研人員的生活、工作環(huán)境并適當(dāng)提高薪資待遇,注重獎(jiǎng)勵(lì)科技創(chuàng)新,推動(dòng)效率提升.同時(shí),還需改善對(duì)外貿(mào)易產(chǎn)品的輸出與引入,將高碳、高污染產(chǎn)品向低耗能、低污染產(chǎn)品轉(zhuǎn)變,并積極引進(jìn)國(guó)外先進(jìn)技術(shù),從而綜合推動(dòng)全要素能源效率發(fā)展.

4 結(jié)論

4.1 從全國(guó)來(lái)看,中國(guó)全要素能源效率大致呈先下降后上升的分布特征.2000～2007年,中國(guó)全要素能源效率呈逐年下降趨勢(shì);2007年后,中國(guó)全要素能源效率進(jìn)入穩(wěn)步攀升期.

4.2 從區(qū)域來(lái)看,八大綜合經(jīng)濟(jì)區(qū)全要素能源效率呈現(xiàn)由沿海向內(nèi)陸逐漸收斂的發(fā)展態(tài)勢(shì).從具體省域來(lái)看,各省份全要素能源效率發(fā)展水平參差不齊.沿海省份全要素能源效率相對(duì)較高,但同一地區(qū)不同省份間全要素能源效率水平存在一定差異,且部分省份間存在明顯的空間非均衡態(tài)勢(shì).

4.3 各驅(qū)動(dòng)因素對(duì)全要素能源效率的影響程度與趨勢(shì)存在差異.環(huán)境規(guī)制、能源消費(fèi)結(jié)構(gòu)對(duì)全要素能源效率呈現(xiàn)顯著的負(fù)向作用,而產(chǎn)業(yè)結(jié)構(gòu)、人口規(guī)模、對(duì)外貿(mào)易、科研經(jīng)費(fèi)對(duì)全要素能源效率呈現(xiàn)積極推動(dòng)作用.

[1] Patterson, Murray G. What is energy efficiency? [J] Energy Policy, 1996,24(5):377-390.

[2] 李曉菲.“一帶一路”相關(guān)省份全要素能源效率影響因素研究[J]. 調(diào)研世界, 2021,(3):49-57.

Li X F. A study on the factors influencing total factor energy efficiency in "Belt and Road" related provinces [J]. Research World, 2021,(3):49-57.

[3] 許光清,鄧 旭,陳曉玉.制造業(yè)轉(zhuǎn)型升級(jí)與經(jīng)濟(jì)高質(zhì)量發(fā)展——基于全要素能源效率的研究[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2020,(12): 100-110.

Xu G Q, Deng X, Chen X Y. Transformation and upgrading of manufacturing industry and high-quality economic development--a study based on total factor energy efficiency [J]. Economic Theory and Economic Management, 2020,(12):100-110.

[4] 高 鵬,岳書(shū)敬.中國(guó)產(chǎn)業(yè)部門(mén)全要素隱含全要素能源效率的測(cè)度研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2020,37(11):61-80.

Gao P, Yue S J. A study on the measurement of total factor implied total factor energy efficiency in China's industrial sector [J]. Journal of Quantitative Economics and Technical Economics, 2020,37(11):61-80.

[5] 張文彬,郝佳馨.生態(tài)足跡視角下中國(guó)全要素能源效率的空間差異性和收斂性研究[J]. 中國(guó)地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2020,20(5): 76-90.

Zhang W B, Hao J X. Spatial variability and convergence of total factor energy efficiency in China from the perspective of ecological footprint [J]. Journal of China University of Geosciences (Social Science Edition), 2020,20(5):76-90.

[6] 畢神浩,鐘曉紅,來(lái)宇敏,等.基于PVAR模型的能源消費(fèi)結(jié)構(gòu)與能源效率的關(guān)系研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2021,40(7):65-71.

Bi S H, Zhong X H, Lai Y M, et al. Study on the relationship between energy consumption structure and energy efficiency based on PVAR model [J]. Industrial Technology Economy, 2021,40(7):65-71.

[7] 彭樹(shù)遠(yuǎn).我國(guó)省域全要素能源效率研究——基于三階段全局UHSBM模型[J]. 經(jīng)濟(jì)問(wèn)題, 2020,(1):11-19.

Peng S Y Study on China’s provincial total factor energy efficiency based on three-stage Global UHSBM model [J]. Economic Issues, 2020,(1):11-19.

[8] 汪東芳,曹建華.互聯(lián)網(wǎng)發(fā)展對(duì)中國(guó)全要素能源效率的影響及網(wǎng)絡(luò)效應(yīng)研究[J]. 中國(guó)人口?資源與環(huán)境, 2019,29(1):86-95.

Wang D F, Cao J H. Impact of Internet development on total factor energy efficiency and network effects in China [J]. China Population, Resources and Environment, 2019,29(1):86-95.

[9] 馬曉君,魏曉雪,劉 超,等.東北三省全要素能源效率測(cè)算及影響因素分析[J]. 中國(guó)環(huán)境科學(xué), 2017,37(2):777-785.

Ma X J, Wei X X, Liu C, et al. Measurement of total factor energy efficiency and analysis of influencing factors in three northeastern provinces [J]. China Environmental Science, 2017,37(2):777-785.

[10] 楊仲山,魏曉雪.“一帶一路”重點(diǎn)地區(qū)全要素能源效率-測(cè)算、分解及影響因素分析[J]. 中國(guó)環(huán)境科學(xué), 2018,38(11):4384-4392.

Yang Z S, Wei X X. Total factor energy efficiency in key regions of the "Belt and Road"-measurement, decomposition and analysis of influencing factors [J]. China Environmental Science, 2018,38(11): 4384-4392.

[11] 王 雄,岳意定,劉貫春.基于SFA模型的科技環(huán)境對(duì)中部地區(qū)全要素能源效率的影響研究[J]. 經(jīng)濟(jì)地理, 2013,33(5):37-42.

Wang X, Yue Y D, Liu G C. Study on the impact of scientific and technological environment on total factor energy efficiency in central region based on SFA model [J]. Economic Geography, 2013,33(5):37-42.

[12] 趙金樓,李 根,蘇 屹,等.我國(guó)全要素能源效率地區(qū)差異及收斂性分析——基于隨機(jī)前沿分析和面板單位根的實(shí)證研究[J]. 中國(guó)管理科學(xué), 2013,21(2):175-184.

Zhao J L, Li G, Su Y, et al. Regional differences and convergence analysis of total factor energy efficiency in China--an empirical study based on stochastic frontier analysis and panel unit root [J]. China Management Science, 2013,21(2):175-184.

[13] 孟 昌,陳玉杰.1995～2010年間的中國(guó)區(qū)域全要素能源效率變動(dòng)研究——描述性特征與基于面板數(shù)據(jù)DEA方法的實(shí)證[J]. 財(cái)貿(mào)經(jīng)濟(jì), 2012,(6):116-123.

Meng C, Chen Y J. A study of regional total factor energy efficiency changes in China during 1995～2010: descriptive characteristics and empirical evidence based on panel data DEA method [J]. Finance and Trade Economics, 2012,(6):116-123.

[14] 吳曉怡,邵 軍.進(jìn)口開(kāi)放對(duì)中國(guó)制造業(yè)全要素能源效率的影響——基于關(guān)稅減讓的實(shí)證分析[J]. 財(cái)貿(mào)經(jīng)濟(jì), 2016,(6):82-96.

Wu X Y, Shao J. The impact of import liberalization on total factor energy efficiency in China's manufacturing industry: an empirical analysis based on tariff concessions [J]. Finance and Trade Economics, 2016,(6):82-96.

[15] 趙亞瓊,秦放鳴,劉琦平.全要素能源效率對(duì)中國(guó)油氣進(jìn)口貿(mào)易影響研究——基于與主要能源伙伴國(guó)全要素能源效率的面板數(shù)據(jù)[J]. 技術(shù)經(jīng)濟(jì)與管理研究, 2021,(8):9-13.

Zhao Y J, Qin F M, Liu Q P. Study on the impact of total factor energy efficiency on China's oil and gas import trade-based on panel data of total factor energy efficiency with major energy partner countries [J]. Technology Economics and Management Research, 2021,(8):9-13.

[16] Kuosmanen T. Stochastic nonparametric envelopment of data: Combining virtue of SFA and DEA in a unified framework [C]. MTT Discussion Paper, 2006.

[17] 王維國(guó),范 丹.中國(guó)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(xué), 2012, 34(10):1816-1824.

Wang W G, Fan D. Convergence and influencing factors of regional total factor energy efficiency in China: Based on Malmqulist- Luenberger index method [J]. Resource Science, 2012,34(10):1816-1824.

[18] 趙吉?dú)g,楊桂元,韓孟君.基于SBM模型的中國(guó)四大經(jīng)濟(jì)區(qū)全要素能源效率及冗余率研究[J]. 荊楚理工學(xué)院學(xué)報(bào), 2017,32(4):79-85.

Zhao J H, Yang G Y, Han M J. Research on total factor energy efficiency and redundancy rate of four major economic zones in China based on SBM model [J]. Journal of Jingchu Institute of Technology, 2017,32(4):79-85.

[19] Reuter M, Patel M K, Eichhammer W. Applying expost index decomposition analysis to primary energy consumption for evaluating progress towards European energy efficiency targets [J]. Energy Efficiency, 2017,10(1):1381-1400.

[20] 史紅亮,楊先明.能源效率變動(dòng)分解模型及其實(shí)證研究——基于云南省6大城市群 [J]. 技術(shù)經(jīng)濟(jì), 2016,35(1):97-102.

Shi H L, Yang X M. Decomposition model of energy efficiency change and its empirical study -- based on six major urban agglomerations in Yunnan Province [J]. Technology Economy, 2016, 35(1):97-102.

[21] 賀 勇,饒繼文,傅飛飛,等.基于協(xié)整和誤差修正模型的中國(guó)工業(yè)能源效率影響因素動(dòng)態(tài)分析 [J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2020,50(3):37-47.

He Y, Rao J W, Fu F F, et al. Analysis on influencing factors of industrial energy efficiency in China based on cointegration and error correction model [J]. Mathematics in Practice and Theory, 2020,50(3): 37-47.

[22] 戴 俊,傅彥銘.環(huán)境規(guī)制、產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源效率的影響 [J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃, 2020,41(9):55-63.

Dai J, Fu Y M. Impact of environmental regulation and industrial structure on energy efficiency [J]. China’s Agricultural Resources and Regionalization, 2020,41(9):55-63.

[23] 馬曉微,石秀慶,王穎慧,等.中國(guó)產(chǎn)業(yè)結(jié)構(gòu)變化對(duì)能源強(qiáng)度的影響[J]. 資源科學(xué), 2017,39(12):2299-2309.

Ma X W, Shi X Q, Wang Y H, et al. The impact of industrial structure change on energy intensity in China [J]. Resource Science, 2017,39 (12):2299-2309.

[24] Carmona M J C, Collado R R. LMDI decomposition analysis of energy consumption in Andalusia(Spain) during 2003～2012: the energy efficiency policy implications [J]. Energy Efficiency, 2015, 9(3):1-17.

[25] 姜彩樓,朱 琴,馬 林.中國(guó)工業(yè)行業(yè)全要素能源效率變動(dòng)及影響因素研究[J]. 中國(guó)科技論壇, 2015,(4):51-56.

Jiang C L, Zhu Q, Ma L. Study on the changes of total factor energy efficiency and influencing factors in Chinese industrial industries [J]. China Science and Technology Forum, 2015,(4):51-56.

[26] 張 媛,許羅丹.基于SFA的微觀企業(yè)全要素能源效率及影響因素實(shí)證研究[J]. 社會(huì)科學(xué)家, 2018,(5):57-63.

Zhang Y, Xu L D. An empirical study on total factor energy efficiency and influencing factors of micro enterprises based on SFA [J]. Social Scientist, 2018,(5):57-63.

[27] 周四軍,唐靜媛,江秋池,等.全要素能源效率影響因素分位研究一—基于分位數(shù)空間自回歸模型[J]. 調(diào)研世界, 2019,(9):10-16.

Zhou S J, Tang J Y, Jiang Q C,et al. A study on the quantile of factors influencing total factor energy efficiency - based on quantile spatial autoregressive model [J]. Survey World, 2019,(9):10-16.

[28] 田 澤,張懷婧,任芳容.環(huán)境約束下中國(guó)三大城市群全要素能源效率評(píng)價(jià)與影響因素比較研究[J]. 軟科學(xué), 2020,34(12):87-95.

Tian Z, Zhang H J, Ren F R. A comparative study on the evaluation and influencing factors of total factor energy efficiency of three major urban agglomerations in China under environmental constraints [J]. Soft Science, 2020,34(12):87-95.

[29] 陳曉毅.基于分位數(shù)回歸的我國(guó)全要素能源效率影響因素動(dòng)態(tài)研究[J]. 生態(tài)經(jīng)濟(jì), 2012,(8):63-66.

Chen X Y. A study on the dynamics of factors influencing total factor energy efficiency in China based on quantile regression [J]. Ecological Economics, 2012,(8):63-66.

[30] Kuosmanen T. Stochastic Nonparametric Envelopment of panel data: Frontier estimation with fixed and random effects approaches [C]. MTT Discussion Paper, 2010.

[31] Tobin J. Estimation of relationships for limited dependent variables [J]. Econometrica, 1958,26(1):24-36.

[32] Chen J, Lian X, Su H, et al. Analysis of China’s carbon emission driving factors based on the perspective of eight major economic regions [J]. Environ. Sci. Pollut. Res., 2021,28(7):8181–8204.

[33] 單豪杰.中國(guó)資本存量K的再估算:1952～2006年[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2008,25(10):17-31.

Shan H J. Re-estimation of capital stock K in China: 1952～2006 [J]. Research in Quantitative Economics and Technology Economics, 2008,25(10):17-31.

[34] 陳菁泉,劉 娜,馬曉君.中國(guó)八大綜合經(jīng)濟(jì)區(qū)能源生態(tài)效率測(cè)度及其驅(qū)動(dòng)因素[J]. 中國(guó)環(huán)境科學(xué), 2021,41(5):2471-2480.

Chen J Q, Liu N, Ma X J. Measurement of energy eco-efficiency and its driving factors in eight integrated economic zones in China [J]. China Environmental Science, 2021,41(5):2471-2480.

[35] 劉丹丹,趙頌揚(yáng)旸,郭 耀.全要素視角下中國(guó)西部地區(qū)能源效率及影響因素[J]. 中國(guó)環(huán)境科學(xué), 2015,35(6):1911-1920.

Liu D D, Zhao S Y Y, Guo Y. Energy efficiency and influencing factors in western China from a total factor perspective [J]. China Environmental Science, 2015,35(6):1911-1920.

[36] 盧 飛,宮紅平.中國(guó)旅游生態(tài)效率測(cè)度、時(shí)空特征與影響因素研究[J]. 統(tǒng)計(jì)與決策, 2020,36(16):96-100.

Lu F, Gong H P. Tourism eco-efficiency measures, spatial and temporal characteristics and influencing factors in China [J]. Statistics and Decision Making, 2020,36(16):96-100.

[37] Hancevic P I. Environmental regulation and productivity: The case of electricity generation under the CAAA-1990 [J]. Energy Economics, 2016,(60):131-143.

[38] 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(shuō)的分解 [J]. 中國(guó)環(huán)境科學(xué), 2017,34(4):1571-1578.

Wang T, Yan L, He J H et al.An empirical study on the impact of environmental regulation on total factor energy efficiency- Decomposition test based on Baud’s hypothesis [J]. China Environmental Science, 2017,34(4):1571-1578.

[39] 秦 艷,蔣海勇.西部地區(qū)環(huán)境規(guī)制、能源足跡治理與綠色全要素生產(chǎn)率 [J]. 財(cái)經(jīng)理論研究, 2021,(2):29-38.

Qin Y, Jiang H Y. Environmental regulation, energy footprint management and green total factor productivity in western China. Theoretical Research in Finance and Economics, 2021,(2):29-38.

Total factor energy efficiency measurement and drivers in China.

CHEN Jing-quan1*, LIAN Xin-yan2,MA Xiao-jun2, MI Jun3

(1.Economic and Social Development Institute, Dongbei University of Finance and Economics, Dalian 116025, China；2.Department of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China；3.Department of Economics, Sichuan University, Chengdu 610065, China)., 2022,42(5)：2453～2463

In order to urge the improvement of total factor energy efficiency in China, Firstly, the panel data of 30 provinces, municipalities directly under the central government and autonomous regions of China (excluding Tibet, Hong Kong, Macao and Taiwan) were used to incorporate the energy footprint into the non-expected output indicators, aiming to make the total factor energy efficiency measures more scientific. Secondly, a dynamic stochastic non-parametric data envelopment analysis (StoNED), which is more suitable for panel data, was used to measure total factor energy efficiency, and the results are analysed at three levels: national, eight economic regions and sub-provinces. A spatial error panel Tobit regression model (SEM-Tobit) was constructed to investigate the effects of the drivers of total factor energy efficiency in China, and finally, policy recommendations are explored to improve total factor energy efficiency. The study finds that: in terms of total factor energy efficiency measurement results, from a national perspective, China's total factor energy efficiency generally shows a decreasing and then increasing distribution, from a regional perspective, the total factor energy efficiency of the eight comprehensive economic zones shows a gradual convergence from coastal to inland, from a provincial perspective, the total factor energy efficiency of coastal provinces is relatively high, but there are some differences in the level of total factor energy efficiency between different provinces in the same region. From the analysis of the drivers, environmental regulation and energy consumption structure have a significant negative effect on total factor energy efficiency, while industrial structure, population size, foreign trade and research funding have a positive effect on total factor energy efficiency.

total factor energy efficiency；dynamic StoNED model；spatial error panel-Tobit regression；driver analysis

X24

A

1000-6923(2022)05-2453-11

陳菁泉(1979-),男,遼寧遼陽(yáng)人,研究員,博士,研究方向?yàn)槭澜缃?jīng)濟(jì)、中國(guó)城市熱點(diǎn)問(wèn)題等.發(fā)表論文20余篇.

2021-10-16

國(guó)家社會(huì)科學(xué)基金資助項(xiàng)目(19VDL002,21&ZD148)

* 責(zé)任作者, 研究員, 9488297@qq.com