王景波,劉忠誠,張佳
(1.山東科技大學(xué)財經(jīng)系,山東濟南250031;2.南京航空航天大學(xué)經(jīng)濟與管理學(xué)院,江蘇南京211106)
基于改進非期望SBM模型的工業(yè)能源效率測度研究
——以山東省17地市面板數(shù)據(jù)為例
王景波1,2,劉忠誠1,張佳1
(1.山東科技大學(xué)財經(jīng)系,山東濟南250031;2.南京航空航天大學(xué)經(jīng)濟與管理學(xué)院,江蘇南京211106)
文章運用最有效距離為前沿面頂點的改進非期望SBM模型和GMM動態(tài)回歸模型,對山東省2005-2015年17地市工業(yè)行業(yè)的能源效率及其影響因素進行實證研究。結(jié)果表明:山東省工業(yè)能源效率整體水平偏低,節(jié)能潛力為16%~36%;各地市間工業(yè)能源效率存在顯著差異,但差異程度不斷縮小,低效率地市不斷“追趕”高效率地市;影響因素中能源消費結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)對能源效率有較強的抑制作用,而經(jīng)濟發(fā)展水平、技術(shù)創(chuàng)新和開放程度對能源效率提升作用較小。
能源效率;工業(yè)行業(yè);改進非期望SBM模型;GMM動態(tài)回歸模型
工業(yè)是國民經(jīng)濟的支柱產(chǎn)業(yè),也是能源消耗和環(huán)境污染的主要源頭。據(jù)測算,占中國GDP總產(chǎn)值40%的工業(yè)消耗了近70%的能源,過度的能源消耗嚴重影響著社會可持續(xù)發(fā)展進程[1]。山東省是中國工業(yè)大省,鋼鐵、煤炭、水泥、化工、電解鋁等行業(yè)在全國占有重要地位,由此帶來的能源消耗和環(huán)境污染物排放量也高居首位。近年來山東省環(huán)境質(zhì)量急劇下降,已成為中國霧霾最嚴重的地區(qū)之一。為順利完成國家十三五規(guī)劃中提出的2030年單位產(chǎn)值能耗比2005年下降60%~65%的目標,山東省作為在經(jīng)濟社會發(fā)展中起舉足輕重作用且負責任的大省,分析工業(yè)能源效率影響因素并找到提升路徑意義重大,同時將山東省作為能源效率實證研究對象也具有一定的典型性和代表性。
近年來,國內(nèi)外學(xué)者關(guān)于能源效率進行了大量研究,主要集中在兩個方面:一是分區(qū)域或分行業(yè)的能源效率測算;二是基于能源效率差異性基礎(chǔ)上的影響因素分析。Farrell(1957)[2]提出的數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)模型是文獻中應(yīng)用于能源效率測算最常用的方法,該模型在應(yīng)用過程中經(jīng)過了不斷的修改和完善。Charners和Cooper(1978)及其團隊通過大量實證分析驗證DEA模型應(yīng)用的可行性[3]。Hu和Wang(2006)[4]開拓性地采用DEA模型測度中國省際能源效率,之后很多學(xué)者進行了相似研究(魏楚,2007;吳琦,2009;徐盈之,2014)[5-7]。DEA模型應(yīng)用的關(guān)鍵在于投入和產(chǎn)出要素的選取和界定,為解決該模型存在的投入要素“松弛”及產(chǎn)出要素“非期望”問題,Tone(2001)[8]先后提出基于松弛的(Slack-based Measure,SBM)效率測度模型和包含非期望產(chǎn)出的SBM模型,此后將污染物作為非期望產(chǎn)出的SBM模型成為能源效率測算的主要方法。袁曉玲(2009)[9]測算了中國28個省市包含環(huán)境污染產(chǎn)出的能源效率,王兵(2010)[10]測度了資源環(huán)境因素下中國各省市的環(huán)境效率和環(huán)境全要素生產(chǎn)率,Li(2012)[11]的研究表明中國西部地區(qū)能源效率最低,東部最高。類似研究(Yeh,et al.,2010;馮博,2015)[12-13]都證實非期望SBM模型評價結(jié)果更加科學(xué)。當然該模型也被廣泛應(yīng)用于工業(yè)能源效率領(lǐng)域,范丹(2013)[14]對中國工業(yè)不同行業(yè)能源效率進行研究,而魏楚(2010)、李春發(fā)(2012)、吳力圖吉(2013)、楊莉莉(2014)[15]分別實證分析了浙江、天津、上海、長三角等地區(qū)的工業(yè)能源效率,周四軍(2016)[16]運用投入導(dǎo)向、規(guī)模報酬不變的DEA模型測度出我國八大經(jīng)濟區(qū)域考慮環(huán)境效應(yīng)的全要素能源效率。
綜上所述,目前對區(qū)域工業(yè)能源效率及影響因素的研究文獻較多,主要不足在于:①研究方法多采用DEA模型或非期望SBM模型,而實證表明其對無效單元的測度偏低,不利于能源效率分解與評價;②對工業(yè)能源效率研究集中在不同工業(yè)類型或省級以上層面,對于地方工業(yè)的能源效率提升缺乏針對性指導(dǎo)。鑒于此,本文對傳統(tǒng)非期望SBM模型進行改進,結(jié)合廣義矩陣模型(Generalized Method of Moments,GMM)對影響工業(yè)能源效率的經(jīng)濟發(fā)展水平、能源消費結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新、開放程度等因素進行實證分析。
(一)試驗區(qū)概況
本文以山東省17地市2005-2015年的面板數(shù)據(jù)為研究樣本,基礎(chǔ)統(tǒng)計數(shù)據(jù)來源于《山東省統(tǒng)計年鑒》、《山東省工業(yè)統(tǒng)計年鑒》和《山東省各地市統(tǒng)計年鑒》。非期望SBM模型和GMM模型中各變量值的描述性統(tǒng)計見表1所列。
表1 各變量值描述性統(tǒng)計分析
(二)試驗設(shè)計
本文以山東省17各地市的環(huán)境效率狀況作為試驗區(qū),利用改進的非期望SBM模型測度這些區(qū)域工業(yè)能源效率狀況。研究中,利用山東17個地市的統(tǒng)計數(shù)據(jù),經(jīng)過對數(shù)據(jù)的收集、整理與統(tǒng)計分析,明確了17各地市能源效率的基本規(guī)律,根據(jù)分析的結(jié)果選擇相應(yīng)的測度模型以及實證研究模型,根據(jù)能源效率測度及其實證研究的需要進行了系統(tǒng)的研究設(shè)計。
在能源環(huán)境效率測度的設(shè)計中,選擇改進的非期望SBM模型,利用收集的統(tǒng)計資料進行測度計算,并利用相關(guān)方法對測度結(jié)果進行檢驗。在此基礎(chǔ)上,選擇線性回歸的實證研究模型,通過細致的實證研究設(shè)計以及相關(guān)性檢驗,確定印象因素的相關(guān)性,從而確定影響能源效率的主要因素。
(三)研究方法
1.改進的非期望SBM模型
設(shè)系統(tǒng)有n個決策單元,每個單元有3種投入產(chǎn)出指標:m種投入指標,n1種期望產(chǎn)出指標,n2種非期望產(chǎn)出指標。
則第i個決策單元投入指標值xi、期望產(chǎn)出指標值yi和非期望產(chǎn)出指標值bi分別為:
決策單元集TDMU為:
根據(jù)SBM模型構(gòu)造思路,樣本單元確定的可能集T為:
結(jié)合Tone(2001)[7]和L(i2012)[10]的研究,當規(guī)模報酬可變時,SBM模型測算的無效單元(ρ<1)的效率值差異程度較大,不利于規(guī)模效率的分解。為克服傳統(tǒng)DEA模型和SBM模型在處理負外部效益問題上的缺陷,構(gòu)建包含非期望產(chǎn)出的SBM模型。模型如下:
其中,xk、yk、bk分別為投入、期望產(chǎn)出、非期望產(chǎn)出指標;s-、s+、sb-分別為投入指標、期望產(chǎn)出、非期望產(chǎn)出松弛量;λ為投入要素的權(quán)重;目標函數(shù)值ρ0為效率評價標準,關(guān)于s-、s+、sb-嚴格遞減。該模型將松弛變量放進目標函數(shù),對投入要素與產(chǎn)出要素的松弛性問題進行優(yōu)化,兼顧負外部效益因素的影響,解決了存在非期望產(chǎn)出時的效率評價問題。但當TDUM是無效單元時,該模型以生產(chǎn)單元包絡(luò)面的最遠點為標準進行測算,造成效率測算結(jié)果偏?。?7]。因此,對無效決策單元的非期望SBM模型進行改進,將生產(chǎn)前沿面頂點由最遠距離調(diào)整為最有效距離。模型改進如下:
改進后的非期望SBM模型能夠最有效化目標函數(shù),而生產(chǎn)單元的包絡(luò)面與原始模型仍相同。因此:
2.GMM動態(tài)回歸模型
借鑒李群峰、李子奈、袁平紅、楊衛(wèi)濤等學(xué)者的研究成果,利用Arellano和Bond(1991)等提出的GMM模型進一步分析能源效率的影響因素。該模型與一般矩陣回歸模型相比,適用條件更寬泛,估計結(jié)果的一致性和有效性更高。
GMM模型的動態(tài)回歸形式為:
其中,α為因變量的固定效應(yīng);Yi為因變量;Yi-1為滯后項,Xi為所有自變量及控制變量組成的向量組;μi為年份效應(yīng);εi為隨機誤差項且滿足E(εi)=0。在該模型中,控制變量為嚴格的外生變量,即Yi-1與εi、Xi與εi不相關(guān)。
3.變量選取及說明
首先分析非期望SBM模型變量選擇問題。在工業(yè)經(jīng)濟模型中,勞動力、資本和能源為投入變量,期望產(chǎn)出和非期望產(chǎn)出共同構(gòu)成產(chǎn)出變量。各變量的選取和計算方法如下:
(1)勞動力(S)。衡量勞動力投入的最好指標是勞動時間,由于我國尚未對其進行系統(tǒng)統(tǒng)計,本文選取工業(yè)從業(yè)人員平均數(shù)量表示勞動力投入要素。
(2)資本(K)。由于工業(yè)資本存量無法直接獲得,本文選取規(guī)模以上工業(yè)企業(yè)資產(chǎn)合計替代。該指標數(shù)據(jù)以2005年為基期進行平減處理。
(3)能源(E)。選取規(guī)模以上工業(yè)企業(yè)的一次性能源(原煤、原油、電力等)消費量作為能源投入變量,需將各種能源折算為標準煤。Em,t表示生產(chǎn)單位m第t年的能源消費總量,ci表示能源i的折算系數(shù),em,t,i表示生產(chǎn)單位m第t年能源i的消費量。計算公式為:
(4)期望產(chǎn)出(Y)。選取工業(yè)總產(chǎn)值(GDP)表示期望產(chǎn)出,該指標同樣采取上述資本存量的換算方法進行平減處理。
(5)非期望產(chǎn)出(B)。工業(yè)廢水、工業(yè)化學(xué)需氧量、工業(yè)氨氮、工業(yè)二氧化硫、工業(yè)煙(粉)塵、工業(yè)固體廢棄物等都是能源消耗過程中的非期望產(chǎn)出指標??紤]到模型指標簡化要求,運用改進熵權(quán)法對上述6種工業(yè)污染物加權(quán)處理為綜合污染物。
GMM模型的變量選擇。本文選取經(jīng)濟發(fā)展水平(EL)、能源消費結(jié)構(gòu)(ES)、產(chǎn)業(yè)結(jié)構(gòu)(IS)、技術(shù)創(chuàng)新(TE)和開放程度(OP)為自變量,對山東省工業(yè)能源效率進行回歸分析。
(1)經(jīng)濟發(fā)展水平(EL)。以工業(yè)GDP與工業(yè)從業(yè)人員年平均人數(shù)比值表示。盡管山東省各地市地域相近,但工業(yè)經(jīng)濟發(fā)展水平仍存在差距,這對能源效率有一定影響。
(2)能源消費結(jié)構(gòu)(ES)。以標準煤消費量與能源消費總量比值表示。各種能源單位含熱量、熱效率及污染物產(chǎn)生量存在差別,山東省工業(yè)最主要的能源消費來自原煤,其消費比重對能源效率影響重大。
(3)產(chǎn)業(yè)結(jié)構(gòu)(IS)。以第二產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總量比值表示。第二產(chǎn)業(yè)對能源的需求遠大于其他產(chǎn)業(yè),其比重對能源效率有一定影響。
(4)技術(shù)創(chuàng)新(TE)。以規(guī)模以上工業(yè)企業(yè)研發(fā)費用與工業(yè)GDP比值表示。企業(yè)的研發(fā)費用投入能夠推動科技創(chuàng)新和技術(shù)進步,從而影響行業(yè)的整體能源效率。
(5)開放程度(OP)。以工業(yè)企業(yè)實際使用外資額與工業(yè)GDP比值表示。境外資本的使用會伴隨新技術(shù)的引入,有利于能源效率提高。因此,建立山東省工業(yè)能源效率影響因素GMM動態(tài)回歸模型為:
其中,ρi為第i年的能源消費量;ρi-1為前一年能源消費量;ELi為第i年的經(jīng)濟發(fā)展水平;ESi為第i年的能源效率結(jié)構(gòu);ISi為第i年的產(chǎn)業(yè)結(jié)構(gòu);TEi為第i年的技術(shù)創(chuàng)新程度;OPi為第i年的開放程度。
(一)能源效率測算分析
基于研究模型(1)、(2)及相關(guān)數(shù)據(jù),結(jié)合DEASolver Pro5.0、Eviews8.0和MATLAB9.0軟件,測算山東省17地市工業(yè)行業(yè)能源效率值見表2所列。
表2 非期望SBM模型能源效率測算結(jié)果
山東省各地市工業(yè)能源效率測算結(jié)果驗證了式(3)的結(jié)論:兩種模型的有效值單元(ρ=1)分布完全相同;而無效值單元(ρ<1)存在差異,改進模型測算結(jié)果明顯大于原始模型,但各個測算單元的排序基本一致,說明兩種模型的測算原理并無根本性差別。以改進模型測算結(jié)果為分析基礎(chǔ):①從各時間節(jié)點看,山東省平均工業(yè)能源效率整體偏低但逐年提升。2005-2015年工業(yè)能源效率值處于0.64~0.84,平均值為0.77,在最近11年的工業(yè)平均生產(chǎn)水平下節(jié)能潛力為16%~36%,對于經(jīng)濟和能源大省,工業(yè)節(jié)能空間巨大。②從各地市角度看,煙臺、威海、東營和青島等地市工業(yè)能源效率較高,平均效率值在0.90以上,并都出現(xiàn)過有效單元(ρ=1)。而濟寧、萊蕪、日照和濟南等地市效率值較低,平均值都在0.70以下。表明山東省的工業(yè)發(fā)展高度依賴于資源比較優(yōu)勢,煤炭、鋼鐵等資源帶來工業(yè)發(fā)展的高耗能和高污染,該類型工業(yè)聚集區(qū)能源效率值在0.50~0.55之間,是山東省節(jié)能減排重點關(guān)注區(qū)域,而石油和海洋工業(yè)促成該種能源富集區(qū)的高效率。
(二)全要素能源效率離散性分析
從表2看出各地市工業(yè)能源效率差異明顯。本文應(yīng)用差異系數(shù)比較各地市工業(yè)能源效率內(nèi)部差異程度,差異系數(shù)越大說明樣本差異程度越大,樣本均值的代表性越小。計算公式為:
其中,vj為第j年的差異系數(shù);sj為第j年的樣本標準差;xˉj為第j年的樣本均值;n為樣本容量。
山東省17地市2005-2014年工業(yè)能源效率的增長率及變異系數(shù)如圖1所示。圖1表明:①兩種模型的能源效率增長率都為非負值,原始模型的增長率明顯高于改進模型,山東省工業(yè)能源效率穩(wěn)步提高。②改進模型的能源效率差異程度低于原始模型且呈不斷縮小趨勢,即能源效率低的地市不斷“追趕”高效率城市??紤]到效率提高的目標一致性和技術(shù)擴散性效應(yīng),能源效率較低的單元會逐漸提升。改進后模型測算結(jié)果更符合社會發(fā)展規(guī)律。
圖1 非期望SBM模型增長率及差異性
因此,以最有效距離為前沿面頂點的改進模型測算結(jié)果更合理,后文的分析以該測算結(jié)果為基礎(chǔ)。
(三)GMM回歸結(jié)果分析
基于GMM動態(tài)模型的山東省各地市工業(yè)能源效率回歸分析結(jié)果見表3所列。除常數(shù)項外,所有解釋變量都在1%的檢驗水平下顯著,且樣本的隨機誤差和干擾項誤差較?。籇urbin-Watson stat接近2,表明樣本殘差基本服從正態(tài)分布,構(gòu)建的模型解釋能力較強;J-statistic大于0.05,表明樣本外生變量與擾動項相關(guān)性低,統(tǒng)計數(shù)據(jù)能夠解釋各地市能源效率的變化。
表3 工業(yè)能源效率因素回歸系數(shù)
根據(jù)表3的回歸結(jié)果和因素影響分析的結(jié)果,可以確定影響山東工業(yè)能源效率的主要因素以及各影響因素的關(guān)聯(lián)程度。結(jié)合研究的實際情況,對研究結(jié)果作如下分析:
(1)經(jīng)濟發(fā)展水平(EL)與能源效率顯著負相關(guān)。表明經(jīng)濟發(fā)展水平越高能源效率越低,但影響程度只有4.63%。一方面山東省工業(yè)走的是“高碳經(jīng)濟”模式,人均工業(yè)GDP高意味著耗能高排放量大,進而抑制能源效率的提高;另一方面,經(jīng)濟發(fā)展水平的提高會增加研發(fā)經(jīng)費投入,由此帶來先進節(jié)能減排設(shè)備和技術(shù),變向推動工業(yè)技術(shù)創(chuàng)新(TE)水平,這又會對能源效率提高起促進作用。
(2)能源消費結(jié)構(gòu)(ES)與能源效率顯著負相關(guān),即煤炭消費比重越高能源效率越低。相比較其他化石能源和清潔能源,煤炭產(chǎn)生同等熱量會排放更多的工業(yè)污染物。而目前山東省工業(yè)能耗仍以原煤為主,故該因素最大程度上抑制能源效率提升,影響程度達到53.28%。
(3)產(chǎn)業(yè)結(jié)構(gòu)(IS)對能源效率有顯著的負向影響。第二產(chǎn)業(yè)是三大產(chǎn)業(yè)中能源需求量最大的產(chǎn)業(yè),尤其是工業(yè)中的重工業(yè)能耗較多,較高的第二產(chǎn)業(yè)比重很大程度上抑制能源效率的提高,影響程度為22.57%。
(4)開放程度與能源效率呈正相關(guān)。外資的引入更重要的是帶來先進的生產(chǎn)和管理方法,能夠直接或間接提高能源效率。山東省投入研發(fā)經(jīng)費和使用外資額度占工業(yè)產(chǎn)值比重都較低(平均值小于1%),故技術(shù)創(chuàng)新和開放程度對能源效率影響程度都不到5%。
本文采用改進前后的非期望SBM模型測算山東省工業(yè)行業(yè)能源效率,并結(jié)合GMM動態(tài)回歸模型分析主要影響因素。研究表明:①改進后的非期望SBM模型無效單元的效率值有明顯提高且差異程度不斷減弱,有利于規(guī)模效率的分解,更符合能源效率的實際走勢。②山東省工業(yè)能源效率整體較低,但在統(tǒng)計期內(nèi)呈波動上升趨勢,從2005年的0.64穩(wěn)步上升到2015年的0.84,10年內(nèi)提升了31.25%;各地市間能源效率差異明顯,排名前兩位的煙臺、威海與排名最后的濟寧相差88.24%。③各地市間能源效率無明顯地域性,影響因素中能源消費結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)對能源效率有較強的抑制作用,而經(jīng)濟發(fā)展水平、技術(shù)創(chuàng)新和開放程度對能源效率提升作用較小。
基于上述實證研究的結(jié)論,提升山東省工業(yè)能源效率的關(guān)鍵在于:①逐漸改變濟寧、棗莊、萊蕪等煤炭富集區(qū)工業(yè)能耗結(jié)構(gòu),通過提高煤化工產(chǎn)業(yè)規(guī)模,促進山東工業(yè)由“高碳”向高附加值、低污染及清潔型能耗結(jié)構(gòu)轉(zhuǎn)變。②加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級,推動工業(yè)與第三產(chǎn)業(yè)的融合。將山東省輪胎、造紙、醫(yī)藥、鋼鐵、食品、家具、紡織服裝、有色金屬、地方煉化、信息技術(shù)和高端裝備制造業(yè)等11個行業(yè)轉(zhuǎn)化升級,加快現(xiàn)代物流、電子商務(wù)、軟件信息、研發(fā)等高端生產(chǎn)性行業(yè)的壯大速度。同時關(guān)注工業(yè)與服務(wù)業(yè)的融合現(xiàn)象,既節(jié)能降耗又降低成本,是未來“新常態(tài)”下經(jīng)濟發(fā)展的趨勢。③增加工業(yè)企業(yè)研發(fā)經(jīng)費和使用外資額在工業(yè)總產(chǎn)值中的比重,提升技術(shù)創(chuàng)新和開放程度的影響程度。建立有利于技術(shù)創(chuàng)新和科技成果轉(zhuǎn)化的有效運行機制,加強合作,盡快縮小與國外先進企業(yè)在技術(shù)和管理水平上的差距。同時要加強主導(dǎo)產(chǎn)業(yè)和重點領(lǐng)域技術(shù)帶頭人的培養(yǎng)和引進,提高生產(chǎn)要素的參與受益。
總之,提升工業(yè)能源效率是一個系統(tǒng)工程,需要合理處理節(jié)能減排、環(huán)境保護與地方經(jīng)濟發(fā)展的關(guān)系,穩(wěn)定推進高耗能高污染產(chǎn)業(yè)向低碳環(huán)保產(chǎn)業(yè)轉(zhuǎn)移,保障工業(yè)生產(chǎn)行為和能源消費行為的可持續(xù)性。
[1]陳詩一.能源消耗、二氧化碳排放與中國工業(yè)的可持續(xù)發(fā)展[J].經(jīng)濟研究,2009(4):41-55.
[2]Farrell M J.The measurement of productive efficiency[J].Jour?nal of the Royal Statistical Society,1957,120(3):253-290.
[3]魏權(quán)齡.數(shù)據(jù)包絡(luò)分析(DEA)[J].科學(xué)通報,2000(9):1793-1808.
[4]Hu J L,Wang S C.Total-factor energy efficiency of regions in China[J].Energy Policy,2006,34(17):3206-3217.
[5]魏楚,沈滿洪.能源效率及其影響因素:基于DEA的實證分析[J].管理世界,2007(8):66-76.
[6]吳琦,武春友.基于DEA的能源效率評價模型研究[J].管理科學(xué),2009(1):103-122.
[7]徐盈之,魏莎.我國區(qū)域節(jié)能減排效率及空間相關(guān)性研究[J].大連理工大學(xué)學(xué)報:社會科學(xué)版,2014(1):1-7.
[8]Tone K.A slacks-based measure of efficiency in data envel?opment analysis[J].European Journal of Operational Re?search,2001(3):498-509.
[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),2009(2):76-86.
[10]王兵,吳延瑞,顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長[J].經(jīng)濟研究,2010(5):95-109.
[11]LI L B,HU J L.Ecological Total-factor energy efficiency of regions in China[J].Energy Policy,2012,46(7):216-224.
[12]Yeh T L,Chen T Y,Lai P Y.A Comparative Study of En?ergy Utilization Efficiency between Taiwan and China.En?ergy Policy[J].2010(5):1-8.
[13]馮博,王雪青.考慮霧霾效應(yīng)的京津冀地區(qū)能源效率實證研究[J].干旱區(qū)資源與環(huán)境,2015(10):1-7.
[14]范丹.中國區(qū)域全要素能源效率及節(jié)能減排潛力分析[J].數(shù)學(xué)的實踐與認識,2013(7):12-21.
[15]楊莉莉,邵帥,曹建華.長三角城市群工業(yè)全要素能源效率變動分解及影響因素[J].上海財經(jīng)大學(xué)學(xué)報,2014(6):95-102.
[16]周四軍,張庚.考慮環(huán)境效應(yīng)的我國全要素能源效率區(qū)域比較研究[J].華東經(jīng)濟管理,2016(4):63-67.
[17]郭文,孫濤.中國區(qū)域全要素能源效率評價及其空間收斂性[J].系統(tǒng)工程,2015(5):70-80.
A Study on Industrial Energy Efficiency Measurement
Based on Improved Undesirable SBM Model—Evidence from the Panel Data of 17 Prefecture-level Cities in Shandong Province
WANG Jing-bo1,2,LIU Zhong-cheng1,ZHANG Jia1
(1.Department of Finance and Economics,Shandong University of Science and Technology,Jinan 250031,China; 2.School of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China)
This paper makes an empirical study on industrial energy efficiency and its influencing factors of 17 prefecture-level cities in Shandong province from 2005 to 2015 by using the improved most effective distance undesirable SBM model and GMM dynamic regres?sion model.The results show that:The overall level of industrial energy efficiency in Shandong province is low,the energy saving potential is about 16%to 36%;The industrial energy efficiency is significantly different between all the cities,but the degree of difference is shrink?ing,and inefficient cities are constantly“catching up with”efficient cities;Among influencing factors,energy consumption structure and industrial structure have strong inhibitory effects on energy efficiency,whereas economic development level,technological innovation and the degree of openness have small promoting effects on energy efficiency.
energy efficiency;industrial sector;improved undesirable SBM model;GMM dynamic regression model
?F406.5
A
1007-5097(2017)07-0025-06
[責任編輯:余志虎]
10.3969/j.issn.1007-5097.2017.07.003
2017-01-18
國家社會科學(xué)基金項目(15ZDB163;11BJY121);教育部人文社會科學(xué)基金規(guī)劃項目(11YJA790133);山東省高校人文社會科學(xué)研究計劃項目(J16YF38)
王景波(1981-),男,山東濱州人,講師,博士研究生,研究方向:能源經(jīng)濟與環(huán)境治理;劉忠誠(1968-),男,山東梁山人,副教授,博士,研究方向:能源經(jīng)濟與管理;張佳(1981-),女,山東泰安人,講師,博士研究生,研究方向:資源經(jīng)濟。