東北三省全要素能源效率測(cè)算及影響因素分析

馬曉君*,魏曉雪,劉 超,劉亞雪 (東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,遼寧 大連 116025)

從地級(jí)市層面出發(fā),將廢水排放量和工業(yè)煙(粉)塵排放量作為非期望產(chǎn)出指標(biāo),利用DEA模型測(cè)算2009～2014東北三省35個(gè)地級(jí)市的全要素生產(chǎn)率(TFP),計(jì)算能源目標(biāo)投入量與實(shí)際投入量之比,測(cè)算東北三省真正全要素能源效率(TFEE);通過Malmquist指數(shù)分解得到全要素能源效率的內(nèi)部影響因素;基于Tobit模型分析全要素能源效率的外部影響因素.結(jié)果顯示:東北三省中黑龍江省的全要素能源效率最高,吉林省次之,遼寧省最低;部分城市的全要素能源效率與全要素生產(chǎn)率差距較大;純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)對(duì)東北三省能源效率有顯著正影響,技術(shù)進(jìn)步影響不顯著;第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重對(duì)東北三省能源效率有負(fù)影響,工業(yè)所有制結(jié)構(gòu)對(duì)東北三省能源效率有正影響.

東北三??；全要素能源效率；DEA模型；Malmquist指數(shù)；影響因素

“振興東北”戰(zhàn)略提出后,東北地區(qū)曾一度成為全國GDP增長(zhǎng)明星.但近年來全國性的產(chǎn)能過剩,使依靠投資密集、工業(yè)拉動(dòng)、產(chǎn)能擴(kuò)張的東北經(jīng)濟(jì)面臨三重衰退.2016年,國務(wù)院下發(fā)《關(guān)于全面振興東北地區(qū)等老工業(yè)基地的若干意見》,重申振興東北的關(guān)鍵性和迫切性.東北3省的重工業(yè)密集,能源消耗大,環(huán)境污染嚴(yán)重.應(yīng)當(dāng)將提高優(yōu)勢(shì)產(chǎn)業(yè)能源利用效率作為振興東北突破口,在滿足經(jīng)濟(jì)發(fā)展需求的同時(shí)減少能源消耗和污染排放,最終實(shí)現(xiàn)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),恢復(fù)東北地區(qū)經(jīng)濟(jì)活力.

能源效率是指產(chǎn)出一定時(shí)實(shí)際能源投入達(dá)到最優(yōu)程度或者能源投入一定時(shí)實(shí)現(xiàn)最大實(shí)際產(chǎn)出的程度[1].全要素能源效率作為被廣泛使用的能源效率測(cè)算指標(biāo),通常由非參數(shù)法測(cè)算,其無需參數(shù)估計(jì)便可通過數(shù)據(jù)確定生產(chǎn)前沿邊界,數(shù)據(jù)包絡(luò)分析(DEA)是應(yīng)用較廣的非參數(shù)方法.當(dāng)前,能源效率的研究多從省際或區(qū)域視角出發(fā).張偉等[2]測(cè)算了長(zhǎng)三角都市圈城市群全要素能源效率;邱靈等[3]將能源利用效率從空間上劃分為高效區(qū)、中效區(qū)和低效區(qū);李蘭冰[4]基于傳統(tǒng)的東、中、西、東北地區(qū)劃分方式,研究能源效率動(dòng)態(tài)演化與地區(qū)差異;而馬海良等[5]基于三大經(jīng)濟(jì)區(qū)域(長(zhǎng)三角、珠三角和環(huán)渤海區(qū)域)視角分析能源效率與全要素生產(chǎn)率之間的關(guān)系.

早期的“單投入-單產(chǎn)出”模式也逐漸轉(zhuǎn)化到“多投入-單產(chǎn)出”模式,進(jìn)而向包含非期望產(chǎn)出的“多投入-多產(chǎn)出”模式演進(jìn).在投入指標(biāo)方面,Hu等[1]首次運(yùn)用全要素能源效率指標(biāo)測(cè)算1995～2002年中國29個(gè)省市的能源效率;魏楚等[6]的實(shí)證結(jié)果表明,與傳統(tǒng)單投入指標(biāo)相比,全要素能源效率指標(biāo)更具有可信度;師博等[7]將知識(shí)存量指標(biāo)列為投入指標(biāo),更為準(zhǔn)確地測(cè)算了全要素能源效率.在產(chǎn)出指標(biāo)方面,曾賢剛[8]通過引入CO2排放量作為非期望產(chǎn)出,構(gòu)建綜合能源效率指標(biāo);張偉等[5]采用了工業(yè)廢棄排放量作為非期望產(chǎn)出;袁曉玲等[9]將工業(yè)三廢、粉塵、煙塵和SO2排放量按照熵權(quán)法形成綜合的非期望產(chǎn)出指標(biāo);劉丹丹等[10]用主成分分析法將5種污染物綜合為一個(gè)非期望產(chǎn)出指標(biāo).

非參數(shù)法測(cè)算能源效率得到多數(shù)學(xué)者青睞,分解方法以Malmquist指數(shù)的應(yīng)用居多.范丹等[11]基于DEA-SBM模型測(cè)算能源效率,并用變異系數(shù)和聚類分析區(qū)域間能源效率差異;蔣偉等[12]通過VRS-DEA模型從索羅剩余中分離出了純?nèi)啬茉葱?降低了測(cè)算誤差;屈小娥[13]利用DEA-Malmquist生產(chǎn)率指數(shù)測(cè)算、分解并分析了1990～2006年全國省際全要素能源效率變動(dòng)情況;劉丹丹等[10]通過超效率DEA方法計(jì)算2003～2012年全國省際能源效率,并用Malmquist指數(shù)分解能源效率變動(dòng).

對(duì)影響因素的研究多集中于技術(shù)進(jìn)步、技術(shù)效率、產(chǎn)業(yè)結(jié)構(gòu)等.Khazzoom[14]指出,技術(shù)進(jìn)步存在“回彈效應(yīng)”,技術(shù)進(jìn)步在提高能源效率的同時(shí)會(huì)提高生產(chǎn)率,消耗更多能源,無法準(zhǔn)確估計(jì)技術(shù)進(jìn)步的作用;吳巧生等[15]發(fā)現(xiàn),能耗強(qiáng)度下降主要由能源使用效率提高引起,工業(yè)部門的技術(shù)進(jìn)步是影響能耗強(qiáng)度的主因; 李廉水等[16]認(rèn)為,與技術(shù)進(jìn)步相比,技術(shù)效率對(duì)能源效率的影響力較大產(chǎn)業(yè)結(jié)構(gòu).史丹[17]發(fā)現(xiàn)調(diào)整產(chǎn)業(yè)結(jié)構(gòu)能促進(jìn)能源效率上升,但影響力在逐步減弱.相反,魏楚等[18]認(rèn)為,產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源效率的影響作用在逐漸增強(qiáng);除上述因素外,能源價(jià)格、市場(chǎng)化程度、能源稟賦、自然環(huán)境因素對(duì)能源效率也有一定影響.

但能源效率領(lǐng)域的研究仍存在以下問題: (1)基于省際、區(qū)域視角觀察能源效率差異及演變特征的研究較多,基于地級(jí)市視角的文章較少; (2)大多研究仍忽略非期望產(chǎn)出對(duì)能源效率的影響,而多數(shù)考慮非期望產(chǎn)出的研究也僅采用單一非期望產(chǎn)出,僅少部分研究納入多種非期望產(chǎn)出; (3)部分研究將DEA模型直接測(cè)算出的全要素生產(chǎn)率代替全要素能源效率,在此基礎(chǔ)上利用Malmquist指數(shù)進(jìn)行的分解實(shí)際上并不是真正對(duì)全要素能源效率的分解;(4)內(nèi)部變動(dòng)因素對(duì)能源效率影響的研究居多,缺乏外部因素對(duì)能源效率影響的深入研究.

本文基于DEA模型和全要素能源效率概念,利用35個(gè)地級(jí)市的面板數(shù)據(jù),將東北3省廢水排放量和工業(yè)煙(粉)塵排放量作為非期望產(chǎn)出,先行計(jì)算能源投入目標(biāo)值,再測(cè)算2009～2014年東北3省各地級(jí)市的真正全要素能源效率,以Malmquist指數(shù)分解出技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)3種內(nèi)部影響因素,分析其對(duì)全要素能源效率的作用, 進(jìn)一步地,通過Tobit模型確定并分析產(chǎn)業(yè)結(jié)構(gòu)、政府干預(yù)、對(duì)外開放程度、科研投入和工業(yè)所有制結(jié)構(gòu)這5種外部影響因素的作用,針對(duì)東北3省經(jīng)濟(jì)發(fā)展現(xiàn)狀,結(jié)合“振興東北老工業(yè)基地”方針政策,為東北地區(qū)提高能源效率建言獻(xiàn)策.

1 研究方法、指標(biāo)選取及數(shù)據(jù)來源

1.1 DEA方法

DEA分析決策單元(DMU)的效率以線性規(guī)劃原理估計(jì)距離函數(shù)實(shí)現(xiàn)[19],構(gòu)建一條非參數(shù)包絡(luò)前沿線,決策單元實(shí)現(xiàn)效率最優(yōu)化,生產(chǎn)有效單元構(gòu)成生產(chǎn)前沿面,無效單元位于前沿面下方.假設(shè)有N個(gè)決策單元,每個(gè)單元由K種投入要素共同作用生產(chǎn)M種產(chǎn)出,第i個(gè)決策單元的效率可以通過求解以下線性規(guī)劃問題得到:

圖1 基于投入的CRS DEA模型Fig.1 CRS DEA model based on input

式中:θ是標(biāo)量;λ是N×1的常向量,求解出的θ就是決策單元i的效率值,一般θ≤1,若θ=1,則該單元是有效的,且位于生產(chǎn)前沿上[20].

圖1中LL′曲線表示生產(chǎn)前沿,決策單元C和1D1位于生產(chǎn)前沿上,表示生產(chǎn)有效;而單元A1′和B1′位于曲線上方,即生產(chǎn)同等產(chǎn)出要消耗更多資源,該生產(chǎn)無效率.根據(jù)Farrell[21]的定義,決策單元A1′和B1′的效率分別為和′.但是A1并不是A1′的有效點(diǎn),在A1基礎(chǔ)上還可以繼續(xù)減少能源投入到C1點(diǎn),因此決策單元A1′損失的投入要素可表示為C1A1=A1A1′+A1C1,A1A1′稱為徑向調(diào)整量,反映技術(shù)無效率;A1C1為松弛調(diào)整量,反映出資源配置無效[22].如果C1A1′越大,表示能源效率越低.

根據(jù)上述分析,可建立全要素能源效率的計(jì)算公式:

式中:TFEEi,t為第i個(gè)市t期的全要素能源效率;TEIi,t為能源目標(biāo)投入量;AEIi,t表示實(shí)際投入量;LEIi,t為損失的能源投入量.此外,計(jì)算全省的能源效率可以用省內(nèi)全部地級(jí)市的目標(biāo)能源投入量之和與實(shí)際能源投入量之和的比值來表示.

式中:REk,t表示第k個(gè)省t時(shí)期的全要素能源效率.

利用線性規(guī)劃的解題思路,基于規(guī)模報(bào)酬不變的傳統(tǒng)CCR-DEA模型可表示為:

式中:θ表示第j(j=1,2,…,N)決策單元的效率;x和y代表投入要素和產(chǎn)出要素,投入要素個(gè)數(shù)為K,產(chǎn)出變量個(gè)數(shù)為M;s-表示剩余變量;s+表示松弛變量.

1.2 指標(biāo)選取與數(shù)據(jù)來源

以資本、勞動(dòng)力和能源消費(fèi)作為投入要素,利用2009～2014年東北三省35個(gè)地級(jí)市(除大興安嶺地區(qū))的面板數(shù)據(jù)測(cè)算TFEE.為保證數(shù)據(jù)完整連貫,所有研究數(shù)據(jù)均來源于各年的《遼寧省統(tǒng)計(jì)年鑒》[23]、《吉林省統(tǒng)計(jì)年鑒》[24]、《黑龍江省統(tǒng)計(jì)年鑒》[25]和《中國城市統(tǒng)計(jì)年鑒》[26]等.

1.2.1 投入指標(biāo) 以能源、勞動(dòng)力和資本作為投入指標(biāo).其中:(1)能源投入:以各市每年綜合能源消費(fèi)量代表能源投入指標(biāo),單位為萬t/標(biāo)準(zhǔn)煤;(2)勞動(dòng)力投入:以三個(gè)省都統(tǒng)計(jì)過的年末單位從業(yè)人員數(shù)作為勞動(dòng)力投入,單位為萬人.(由于缺少教育水平數(shù)據(jù),所以未體現(xiàn)勞動(dòng)力在質(zhì)量上的差異);(3)資本投入:從省際層面出發(fā)的研究大多采用“永續(xù)盤存法”估計(jì)資本存量,但各地級(jí)市缺少相關(guān)指標(biāo),以固定資產(chǎn)投資額作為資本投入,單位為億元.

1.2.2 產(chǎn)出指標(biāo) 選取期望產(chǎn)出和非期望產(chǎn)出.(1)期望產(chǎn)出:以各市當(dāng)年的GDP作為期望產(chǎn)出,并以2009年進(jìn)行不變價(jià)縮減;(2)非期望產(chǎn)出:為保證指標(biāo)一致,以全市廢水排放量和工業(yè)煙(粉)塵排放量表示生產(chǎn)中的污染排放.非期望產(chǎn)出會(huì)產(chǎn)生負(fù)效應(yīng),其值越小越好,本文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).

2 東北地區(qū)全要素能源效率測(cè)算

選取投入導(dǎo)向的DEA模型,利用Deap2.1軟件計(jì)算東北三省各市TFP(表1),并在此基礎(chǔ)上分解出能源投入目標(biāo)值;以各省每個(gè)地級(jí)市的目標(biāo)能源投入總和與實(shí)際能源投入總和之比得到各地級(jí)市TFEE(表2).

2.1 全要素生產(chǎn)率測(cè)算

TFP指產(chǎn)出與全部要素投入量之比,該指標(biāo)衡量全部投入要素的利用效率.由表1可知,大連、遼源、松原、大慶、七臺(tái)河、黑河和綏化的TFP每年均為1,即在同等產(chǎn)出水平下,這7個(gè)城市實(shí)現(xiàn)了最少的能源、勞動(dòng)力和資本投入.TFP均值在[0.9,1)之間的城市有沈陽、白城、雞西、哈爾濱、吉林、遼陽、牡丹江和四平8個(gè)城市.遼寧撫順、本溪、阜新、盤錦、鐵嶺、朝陽和葫蘆島,吉林省通化、白山和延邊,黑龍江齊齊哈爾、鶴崗、雙鴨山、伊春和牡丹江的TFP均值低于各省平均值.總體上,遼寧省地級(jí)市間的TFP差距較大,全省TFP均值為3省最低.吉林省的TFP均值處于3省中間水平. 黑龍江省的TFP均值最高.

2.2 全要素能源效率測(cè)算

在TFP的基礎(chǔ)上分解能源目標(biāo)值,計(jì)算TFEE.表2中,大連、遼源、松原、大慶、黑河和綏化的TFEE每年均為1,在同等產(chǎn)出水平下,這6個(gè)地級(jí)市充分利用了能源投入,構(gòu)成了生產(chǎn)前沿面,屬于高效率地區(qū).TFEE均值在[0.9,1)之間的地級(jí)市有沈陽、四平、白城、哈爾濱、雞西、佳木斯和牡丹江.遼寧省的撫順、本溪、營口、阜新、盤錦、鐵嶺、朝陽、葫蘆島,吉林省的吉林市、通化、白山、延邊,黑龍江省的齊齊哈爾、鶴崗、雙鴨山、七臺(tái)河、牡丹江,TFEE均值均低于本省平均值,但黑龍江省5個(gè)城市中除去雙鴨山外另4個(gè)城市的TFEE在0.8以上,牡丹江甚至達(dá)到0.9,在東北三省全部地級(jí)市屬于中上水平.僅遼寧省撫順、本溪、營口和盤錦的TFEE均值在0.5以下,在3省效率最低,這也意味著能源損失最高.總之,3省的TFEE排名為黑龍江最高,吉林次之,遼寧最低,與TFP排名結(jié)果一致.

2.3 全要素生產(chǎn)率與全要素能源效率相關(guān)關(guān)系

表1 東北3省2009～2014年全要素生產(chǎn)率Table 1 TFP of three northeast provinces (2009～2014)

續(xù)表1

表2 東北3省2009～2014年全要素能源效率Table 2 TFEE of three northeast provinces (2009～2014)

續(xù)表2

對(duì)比表1和表2可將各地級(jí)市歸為3類:(1)TFP和TFEE均較高的地級(jí)市.如:大連、沈陽、遼源、松原、大慶、綏化、黑河、佳木斯等,其TFP和TFEE基本接近或相同,均處于較高水平.(2)2種效率值均偏低的地級(jí)市.如:盤錦、延邊、朝陽、通化、撫順、葫蘆島等, 其TFP總是略高于TFEE.(3)2種效率差距明顯的地級(jí)市.如:營口、本溪、吉林的2種效率值之差分別為0.41、0.36、0.37.其TFEE均值在省TFEE均值之下,遠(yuǎn)低于TFP均值.

為展示東北三省TFP與TFEE相關(guān)關(guān)系及特點(diǎn),利用表1和表2中各省歷年平均值繪制折線圖(圖2).圖2顯示,3省TFP均值曲線均在TFEE均值曲線上方;3省2條曲線同步增減并逐漸靠近;黑龍江省的TFP均值和TFEE均值整體水平一直高于其它2省,吉林省居中,遼寧省最低;黑龍江2條曲線間差距最小,并均處于逐年上升狀態(tài),保持在0.90以上;吉林省在2012年后2條曲線逐漸靠近,整體水平均保持在0.80以上;遼寧省2條曲線差距最大,2014年TFEE均值僅為0.67.

綜上分析,TFP與TFEE之間存在相關(guān)關(guān)系,但部分地級(jí)市的2種效率差距較大.因此, TFP與 TFEE不能等同,以TFP代替TFEE進(jìn)行研究會(huì)產(chǎn)生偏差.

圖2 東北三省全要素生產(chǎn)率均值和全要素能源效率均值走勢(shì)Fig.2 Mean TFP & mean TFEE’s tendency of three northeast provinces

3 東北三省能源效率內(nèi)部影響因素

3.1 內(nèi)部影響因素確定

盡管無法直接分解TFEE變動(dòng),但Hu等[1]認(rèn)為技術(shù)進(jìn)步、純技術(shù)效率和規(guī)模效率的變動(dòng)都會(huì)對(duì)TFEE產(chǎn)生影響.本文利用Malmquist指數(shù)對(duì)TFP進(jìn)行分解,得到三個(gè)指標(biāo),即技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng),作為TFEE的內(nèi)部影響因素.

3.2 回歸結(jié)果與分析

利用東北三省地級(jí)市面板數(shù)據(jù)和軟件Deap2.1,選擇Malmquist模式對(duì)東北三省35個(gè)地級(jí)市TFP進(jìn)行分解,得到各市技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)指標(biāo),作為自變量.以當(dāng)年TFEE與上一年TFEE的比值——TFEE變動(dòng),作為因變量,構(gòu)建回歸模型如下:

式中:,EEij表示i地區(qū)第j時(shí)期的TFEE變動(dòng)率;分別表示技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng);C是截距項(xiàng);ε,i,j表示隨機(jī)擾動(dòng)項(xiàng).

用Eviews6.0軟件進(jìn)行模型參數(shù)估計(jì),對(duì)自變量和因變量進(jìn)行單位根檢驗(yàn),顯示各變量均是平穩(wěn)序列;通過Hausman檢驗(yàn)確定使用隨機(jī)效應(yīng)模型,采用加權(quán)GLS方法進(jìn)行回歸估計(jì),回歸結(jié)果見表3.由于吉林省地級(jí)市數(shù)目較少,樣本量不足,回歸結(jié)果不理想,故未將吉林省的情況列出.

表3 回歸結(jié)果Table 3 Regression results

表3中,純技術(shù)效率變動(dòng)PECHi,j和規(guī)模效率變動(dòng)SECHi,j在1%水平上顯著,呈顯著正影響.而技術(shù)進(jìn)步TCi,j的系數(shù)均為負(fù),僅遼寧省的系數(shù)在10%水平上顯著.技術(shù)進(jìn)步能源效率的影響為負(fù)向的現(xiàn)象為“回彈效應(yīng)”,通常企業(yè)引進(jìn)先進(jìn)技術(shù)本應(yīng)提高能源效率,但因應(yīng)用新技術(shù)生產(chǎn)造成的能源消耗與浪費(fèi)無法準(zhǔn)確估計(jì),導(dǎo)致技術(shù)進(jìn)步對(duì)能源效率呈負(fù)影響.

4 東北三省能源效率外部影響因素分析

4.1 外部影響因素確定

根據(jù)東北三省實(shí)際情況,依據(jù)相關(guān)理論以及指標(biāo)、數(shù)據(jù)的可獲得性和完整性,本文選取產(chǎn)業(yè)結(jié)構(gòu)、政府干預(yù)、對(duì)外開放、科研投入和工業(yè)所有制結(jié)構(gòu)作為TFEE的外部影響因素.(1)產(chǎn)業(yè)結(jié)構(gòu):選取第三產(chǎn)業(yè)比重(SC)和第二產(chǎn)業(yè)比重(EC)作為產(chǎn)業(yè)結(jié)構(gòu)影響因素指標(biāo);(2)政府干預(yù)(ZF):以地方公共財(cái)政支/GDP表示;(3)對(duì)外開放程度(KF):以當(dāng)年實(shí)際使用外資金額/GDP表示;(4)科研投入(KY):以科學(xué)技術(shù)研發(fā)支出/公共財(cái)政支出表示;(5)工業(yè)所有制結(jié)構(gòu)(GY):以國有企業(yè)產(chǎn)值/工業(yè)總產(chǎn)值的表示.

4.2 模型選擇

研究TFEE的外部影響因素時(shí),要以TFEE值作為因變量建立回歸模型.由于能源效率值僅為(0,1]區(qū)間內(nèi)的連續(xù)數(shù)據(jù),用最小二乘法估計(jì)參數(shù)會(huì)造成有偏估計(jì),因此建立Tobit回歸模型,以極大似然法估計(jì)參數(shù).

Tobit模型是因變量受到限制或被截?cái)鄷r(shí)常用的回歸方法. Tobit模型如下:

當(dāng)被解釋變量有指標(biāo)界限值α?xí)r,就會(huì)出現(xiàn)截?cái)?(6)式可寫為:

4.3 回歸結(jié)果與分析

以TFEE 為被解釋變量,以產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)、政府干預(yù)指標(biāo)、對(duì)外開放程度指標(biāo)、科研投入指標(biāo)、工業(yè)所有制結(jié)構(gòu)指標(biāo)為解釋變量,建立Tobit回歸模型.模型表達(dá)式如下:

用Eviews6.0對(duì)模型進(jìn)行參數(shù)估計(jì),見表4.

4.3.1 產(chǎn)業(yè)結(jié)構(gòu)的影響 東北三省和遼寧省第三產(chǎn)業(yè)SC在10%水平上顯著,吉林省在1%水平上顯著,系數(shù)較小且呈負(fù)影響;第三產(chǎn)業(yè)對(duì)黑龍江省TFEE影響不顯著.與魏楚等[15]的結(jié)論相似,魏楚等的研究得出第三產(chǎn)業(yè)比重對(duì)中國沿海地區(qū)、中部地區(qū)和西部地區(qū)具有正影響,對(duì)東北地區(qū)具有負(fù)影響.東北地區(qū)的重工業(yè)比重高,盡管第三產(chǎn)業(yè)比重每年有所增長(zhǎng),但高耗能產(chǎn)業(yè)多,能源消耗量大,第三產(chǎn)業(yè)比重增長(zhǎng)帶來的能源效率提高未顯著彌補(bǔ)第二產(chǎn)業(yè)的能源消耗.近年來黑龍江第三產(chǎn)業(yè)比重增幅較大,與第二產(chǎn)業(yè)比重差距逐漸減小,第三產(chǎn)業(yè)比重開始顯現(xiàn)正影響.東北三省和遼寧省第二產(chǎn)業(yè)EC在10%水平上顯著,黑龍江省在5%水平上顯著,系數(shù)較小且呈負(fù)影響;第二產(chǎn)業(yè)對(duì)吉林省TFEE影響不顯著.第二產(chǎn)業(yè)是高耗能產(chǎn)業(yè),東北三省作為典型的重工業(yè)基地,第二產(chǎn)業(yè)比重大,能源消耗量大,屬于規(guī)模報(bào)酬遞減階段,會(huì)對(duì)能源效率產(chǎn)生負(fù)影響.

表4 Tobit模型回歸結(jié)果Table 4 Regression results by Tobit model

4.3.2 政府干預(yù)的影響 地方公共財(cái)政支出包括基礎(chǔ)設(shè)施建設(shè)、科技三項(xiàng)費(fèi)用、教科文衛(wèi)事業(yè)等.用于企業(yè)提高能源效率的資金為其中的一部分,由于無法獲取各地級(jí)市公共財(cái)政支出中用于提高企業(yè)能源效率的占比,難以準(zhǔn)確估計(jì)政府干預(yù)的影響,僅從現(xiàn)有數(shù)據(jù)表現(xiàn)進(jìn)行分析.東北三省、遼寧省和吉林省該指標(biāo)分別在1%、1%和10%水平上顯著,均呈負(fù)影響;黑龍江省該指標(biāo)不顯著.與多數(shù)政府干預(yù)對(duì)能源效率影響的研究類似,該指標(biāo)對(duì)能源效率導(dǎo)向并不明確.這與地方公共財(cái)政支出中用于提高能源效率的部分占比少,政府干預(yù)限制部分企業(yè)自主發(fā)展的潛力等多種因素有關(guān).

4.3.3 對(duì)外開放程度的影響 僅黑龍江省的KF在10%水平上顯著呈正影響.黑龍江與俄羅斯毗鄰,與俄貿(mào)易往來頻繁,在吸引外資的同時(shí)學(xué)習(xí)先進(jìn)技術(shù)、設(shè)備和管理經(jīng)驗(yàn),其資源配置效率有所強(qiáng)化,促進(jìn)能源效率提高.東北三省總體、遼寧和吉林的該項(xiàng)指標(biāo)均不顯著.

4.3.4 科研投入的影響 科研投入多來自公共財(cái)政支出中的科技三項(xiàng)費(fèi)用,用于各類科研所、高校等科研機(jī)構(gòu)承擔(dān)的國家或地方重點(diǎn)科技計(jì)劃項(xiàng)目.科研投入既用于科學(xué)技術(shù)試驗(yàn),也用于基礎(chǔ)科學(xué)、社會(huì)科學(xué)研究.該指標(biāo)應(yīng)與“技術(shù)進(jìn)步”指標(biāo)區(qū)別看待.遼寧省和吉林省的KY在1%水平上顯著,科研投入對(duì)東北三省總體和黑龍江省的影響不顯著.

4.3.5 工業(yè)所有制結(jié)構(gòu)的影響 GY對(duì)東北三省和黑龍江省均在1%水平上顯著呈正影響,對(duì)遼寧省和吉林省影響不顯著.與遼寧和吉林相比,黑龍江省的國有企業(yè)產(chǎn)值占工業(yè)總產(chǎn)值比重較高,政府為實(shí)施“振興東北老工業(yè)基地”戰(zhàn)略頒布的一系列政策對(duì)黑龍江省的作用更大,而東北三省整體國有企業(yè)比重較大,因此工業(yè)所有制對(duì)東北三省整體的影響顯示正影響.

5 政策建議

協(xié)調(diào)全要素生產(chǎn)率和全要素能源效率.針對(duì)各省、地級(jí)市特點(diǎn),合理分配生產(chǎn)資源;分析生產(chǎn)過程, 以能源利用效率高的生產(chǎn)階段優(yōu)化整個(gè)生產(chǎn)過程;建立預(yù)警機(jī)制,實(shí)時(shí)反映全要素生產(chǎn)率與全要素能源效率變化,保證二者共同提升.

促進(jìn)企業(yè)技術(shù)進(jìn)步與高?？蒲杏行ЫY(jié)合.為降低技術(shù)進(jìn)步的回彈效應(yīng),提高科研投入的正影響.當(dāng)以優(yōu)質(zhì)高校資源作為未來產(chǎn)業(yè)創(chuàng)新、企業(yè)技術(shù)進(jìn)步的核心.引導(dǎo)高?？蒲信c企業(yè)加強(qiáng)聯(lián)系,鼓勵(lì)自主創(chuàng)新,圍繞高?？蒲邪l(fā)展?jié)撛谛屡d領(lǐng)域,迅速轉(zhuǎn)化科研成果.

調(diào)整優(yōu)化升級(jí)產(chǎn)業(yè)結(jié)構(gòu),實(shí)現(xiàn)可持續(xù)發(fā)展.打造具有國際競(jìng)爭(zhēng)力的區(qū)域特色產(chǎn)業(yè)集群[27];積極培育新興產(chǎn)業(yè),形成經(jīng)濟(jì)多元化的新格局;大力發(fā)展現(xiàn)代服務(wù)業(yè),形成現(xiàn)代旅游、休閑和養(yǎng)生產(chǎn)業(yè)[27];構(gòu)建現(xiàn)代化大農(nóng)業(yè),科學(xué)提高農(nóng)業(yè)生產(chǎn)規(guī)?；?專業(yè)化水平;開發(fā)應(yīng)用新型清潔能源, 鼓勵(lì)資源依賴型城市轉(zhuǎn)型,實(shí)現(xiàn)科學(xué)可持續(xù)發(fā)展.

加快轉(zhuǎn)變政府職能,轉(zhuǎn)化政府干預(yù)影響.提高公共財(cái)政支出中用于提高能源效率的投入;制定資金使用計(jì)劃,讓政府財(cái)政支出得到最優(yōu)化利用;建立溝通機(jī)制,了解企業(yè)訴求;做好市場(chǎng)監(jiān)督,拉近市場(chǎng)與政府距離,激發(fā)市場(chǎng)內(nèi)在活力,促進(jìn)企業(yè)資源配置最優(yōu)化.

提高對(duì)外開放水平,積極參與對(duì)外戰(zhàn)略.東北地區(qū)靠近邊境,有著天然的地理優(yōu)勢(shì),未來可成為對(duì)外交流樞紐.東北三省應(yīng)積極參與“一帶一路”等對(duì)外戰(zhàn)略,成為東北亞地區(qū)合作中心和中國向全世界交流的窗口.

6 結(jié)論

6.1 研究測(cè)算的TFP雖與TFEE呈同增同減趨勢(shì),但部分地級(jí)市的二者差距較大.TFP不能代表TFEE.遼寧省TFEE在東北三省中最低,吉林省居中,黑龍江省最高.

6.2 Malmquist指數(shù)分解結(jié)果顯示,純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)對(duì)東北地區(qū)、遼寧和黑龍江TFEE變動(dòng)呈顯著正影響;遼寧省的技術(shù)進(jìn)步指標(biāo)在10%顯著性水平上呈負(fù)影響.

6.3 Tobit回歸結(jié)果顯示,產(chǎn)業(yè)結(jié)構(gòu)和政府干預(yù)對(duì)東北三省總體TFEE呈負(fù)影響,工業(yè)所有制結(jié)構(gòu)呈正影響;遼寧省TFEE受產(chǎn)業(yè)結(jié)構(gòu)和政府干預(yù)負(fù)影響,受科研投入正影響;吉林省的第三產(chǎn)業(yè)比重、政府干預(yù)和科研投入呈負(fù)影響;黑龍江省的TFEE受第二產(chǎn)業(yè)比重的負(fù)影響,對(duì)外開放程度和工業(yè)所有制結(jié)構(gòu)對(duì)其有正影響.

[1] Hu J, Wang S. Total-factor energy efficiency of regions in China [J]. Energy Policy, 2006,34(17):3206-3217.

[2] 張 偉,吳文元.基于環(huán)境績(jī)效的長(zhǎng)三角都市圈全要素能源效率研究 [J]. 經(jīng)濟(jì)研究, 2011,76(10):95-109.

[3] 邱 靈,申玉銘,任旺兵.中國能源利用效率的區(qū)域分異與影響因素分析 [J]. 自然資源學(xué)報(bào), 2008,23(5):920-928.

[4] 李蘭冰.中國能源績(jī)效的動(dòng)態(tài)演化、地區(qū)差距與成因識(shí)別——基于一種新型全要素能源生產(chǎn)率變動(dòng)指標(biāo) [J]. 管理世界, 2015,31(11):40-52.

[5] 馬海良,黃德春,姚惠澤.中國三大經(jīng)濟(jì)區(qū)域全要素能源效率研究 [J]. 中國人口·資源與環(huán)境, 2011,21(11):38-43.

[6] 魏 楚,沈滿洪.能源效率與能源生產(chǎn)率:基于DEA方法的省際數(shù)據(jù)比較 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2007,24(9):110-121.

[7] 師 博,沈坤榮.市場(chǎng)分割下的中國全要素能源效率:基于超效率DEA方法的經(jīng)驗(yàn)分析 [J]. 世界經(jīng)濟(jì), 2008,68(9):49-59.

[8] 曾賢剛.我國能源效率、CO2減排潛力及影響因素分析 [J]. 中國環(huán)境科學(xué), 2010,30(10):1432-1440.

[9] 袁曉玲,張寶山,楊萬平.基于環(huán)境污染的中國全要素能源效率研究 [J]. 中國工業(yè)經(jīng)濟(jì), 2009,26(2):76-86.

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

[11] 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(xué)的實(shí)踐與認(rèn)識(shí), 2013,43(7):12-21.

[12] 蔣 偉,李 蓉,強(qiáng)林飛.環(huán)境約束下的中國全要素能源效率研究 [J]. 統(tǒng)計(jì)與信息論壇, 2015,30(5):22-28.

[13] 屈小娥.中國省際全要素能源效率變動(dòng)分解—基于Malmquist 指數(shù)的實(shí)證研究 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2009,26(8):29-43.

[14] KhazzoomJ D. Economic implications of mandated efficiency in standards for household appliances [J]. The Energy Journal, 1980,1(4),21-40.

[15] 吳巧生,成金華.中國能源消耗強(qiáng)度變動(dòng)及因素分解:1980～2004 [J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2006,26(10):34-40.

[16] 李廉水,周 勇.技術(shù)進(jìn)步能提高能源效率嗎？—基于中國工業(yè)部門的實(shí)證檢驗(yàn) [J]. 管理世界, 2006,22(10):82-89.

[17] 史 丹.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整變動(dòng)對(duì)能源消費(fèi)需求的影響 [J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2003,23(8):30-32.

[18] 魏 楚,沈滿洪.能源效率及其影響因素:基于DEA的實(shí)證分析[J]. 管理世界, 2007,23(8):66-76.

[19] Coelli T J, Rao D S P, O’Donnell C J, et al. AnIntroductionto efficiency and productivity analysis [M]. NewYork: Springer, 2005:162.

[20] Coelli T J, Rao D S P, Battese G E. An introduction to efficiency and productivity analysis [M]. Boston: K luwer Academic Publishers, 1998.

[21] Farrell MJ. The Measurement of productive efficiency [J]. Journal of Royal Statistical Society, 1957,120(3):253-281.

[22] Ferrier G D, Lovell C A. Measuring cost efficiency in banking: econometric and linear programming evidence [J]. Journal of Econometrics, 1990,46(2):229-245.

[23] 遼寧省統(tǒng)計(jì)局.遼寧省統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2009-2014.

[24] 吉林省統(tǒng)計(jì)局.吉林省統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2009-2014.

[25] 黑龍江省統(tǒng)計(jì)局.黑龍江省統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2009-2014.

[26] 國家統(tǒng)計(jì)局.中國城市統(tǒng)計(jì)年鑒 [M]. 北京:中國統(tǒng)計(jì)出版社, 2009-2014.

[27] 中共中央國務(wù)院關(guān)于全面振興東北地區(qū)等老工業(yè)基地的若干意見 [N]. 人民日?qǐng)?bào), 2016-4-27.

The analysis of total factor energy efficiency calculation and influence factors of the three northeast provinces.

MA Xiao-jun*, WEI Xiao-xue, LIU Chao, LIU Ya-xue
(School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China). China Environmental Science, 2017,37(2)：777～785

The wastewater emissions and industrial smoke (powder) emissions were defined as undesirable output in the output indicators. The DEA models were used to calculate the total-factor production (TFP) of 35prefecture-level cities in northeastern China from2009 to 2014. The ratio of energy target inputs and actual inputs were measured to estimate the total-factor energy efficiency (TFEE). Moreover, the internal variables of the TFEE were obtained via the Malmquist Index Decomposition approach, and the external variables of the TFFE were analyzed based on the Tobit models. Heilongjiang had the highest TFEE, followed by Jilin and Liaoning sequentially; a large gap existed between TFEE and TFP in some prefecture-level cities; the changes of pure technical efficiency and scale efficiency had significantly positive effect on energy efficiency, while technological progress had no significant effect; as opposed to the proportions of secondary industry and tertiary industry in the industry composition, which were negatively related to energy efficiency, ownership structure in industries had a positive effect on energy efficiency in the three provinces.

three provinces in the northeast；total-factor energy efficiency；DEA model；Malmquist index；variables

X24

A

1000-6923(2017)02-0777-09

馬曉君(1978-),女,遼寧撫順人,副教授,博士,研究方向?yàn)楹暧^政治經(jīng)濟(jì)統(tǒng)計(jì).發(fā)表論文30余篇.

2016-06-15

國家社科基金重大項(xiàng)目(13&ZD171);國家社科基金(13CTJ005);遼寧省社科基金一般項(xiàng)目(L14CTJ005)

* 責(zé)任作者, 副教授, 772905437@qq.com