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

楊仲山,魏曉雪*

(東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,遼寧 大連 116025)

將“一帶一路1”國(guó)內(nèi)重點(diǎn)地區(qū)作為研究對(duì)象,從“一帶”和“一路”角度分析重點(diǎn)地區(qū)全要素能源效率.遵循測(cè)算、分解及影響因素分析的研究路徑,考慮水體和大氣污染兩方面的三種非期望產(chǎn)出,采用超效率SBM模型測(cè)算重點(diǎn)地區(qū)2005-2015年的全要素能源效率,以Malmquist指數(shù)分解全要素能源效率變動(dòng),通過(guò)Tobit模型對(duì)10種影響因素進(jìn)行回歸分析.研究發(fā)現(xiàn):2005-2015年,“一帶一路”重點(diǎn)地區(qū)全要素能源效率未見進(jìn)步.以經(jīng)濟(jì)帶劃分的全要素能源效率存在差異,“一路”地區(qū)全要素能源效率最高,“一帶一路”重點(diǎn)地區(qū)總體次之,“一帶”地區(qū)最低,分別穩(wěn)定在0.96,0.82和0.76的水平;大部分重點(diǎn)地區(qū)的Malmquist指數(shù)大于1,顯示生產(chǎn)效率進(jìn)步,可能存在“回彈效應(yīng)”;經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放和能源價(jià)格可以促進(jìn)重點(diǎn)地區(qū)全要素能源效率提高,研究開發(fā)、政府干預(yù)、生產(chǎn)要素比沒(méi)有帶來(lái)正面影響,工業(yè)污染顯示顯著負(fù)影響.最終.

“一帶一路”倡議；全要素能源效率；超效率SBM模型；Malmquist指數(shù)；影響因素

2016年,中國(guó)以74.36萬(wàn)億人民幣的經(jīng)濟(jì)總量繼續(xù)位居世界經(jīng)濟(jì)總量第二位[1].然而,可觀的經(jīng)濟(jì)總量背后隱含著龐大的能源消費(fèi).盡管2016年中國(guó)能源消費(fèi)總量增長(zhǎng)僅1.3%,中國(guó)仍是世界最大能源消費(fèi)國(guó)[2].以高能源消費(fèi)帶動(dòng)經(jīng)濟(jì)發(fā)展的模式并非長(zhǎng)遠(yuǎn)之計(jì).首先,與發(fā)達(dá)國(guó)家相比,中國(guó)的能源強(qiáng)度偏高.2016年,在世界能源消費(fèi)總量中,中國(guó)有著最高的煤炭消費(fèi)量(50.6%),第二高的石油消費(fèi)量(13.1%)和第三高的天然氣消費(fèi)量(5.9%);與此同時(shí),美國(guó)、日本和德國(guó)一次能源消費(fèi)總量分別為17.1%,3.4%和2.4%[2].其次,中國(guó)對(duì)非清潔能源依賴嚴(yán)重.2016年,中國(guó)能源消費(fèi)結(jié)構(gòu)中煤炭和石油消費(fèi)共占80.3%,清潔能源僅占19.7%,清潔能源的比重偏低[3].最后,大量非清潔能源消耗帶來(lái)了嚴(yán)重的環(huán)境污染問(wèn)題.如:2016年中國(guó)CO2排放占據(jù)世界CO2排放的27.3%,美國(guó)、日本和德國(guó)分別為17.5%、4%和2.6%[2].因此,未來(lái)發(fā)展目標(biāo)應(yīng)當(dāng)是在高質(zhì)量經(jīng)濟(jì)增長(zhǎng)基礎(chǔ)上降低環(huán)境污染.“一帶一路”是中國(guó)提出的雙多邊區(qū)域合作倡議,惠及范圍廣至亞、歐、非三個(gè)大陸[4].其頂層設(shè)計(jì)中強(qiáng)調(diào)“促進(jìn)基礎(chǔ)設(shè)施互聯(lián)互通”.沿線國(guó)家已陸續(xù)與國(guó)內(nèi)相關(guān)地區(qū)開展電力資源開發(fā)、電網(wǎng)建設(shè)、油氣管網(wǎng)建設(shè)等合作.因此,全面了解境內(nèi)相關(guān)地區(qū)的能源效率有利于順利實(shí)現(xiàn)能源規(guī)劃目標(biāo).根據(jù)《推動(dòng)共建絲綢之路經(jīng)濟(jì)帶21世紀(jì)海上絲綢之路的愿景與行動(dòng)》(愿景與行動(dòng))[4],“一帶一路”在中國(guó)境內(nèi)主要涉及18個(gè)重點(diǎn)省、市、自治區(qū)(簡(jiǎn)稱為重點(diǎn)地區(qū)):內(nèi)蒙古、黑龍江、吉林、遼寧、上海、浙江、福建、廣東、廣西、海南、重慶、云南、陜西、甘肅、寧夏、青海、新疆和西藏.2015年,重點(diǎn)地區(qū)能源消費(fèi)總量為21.06億t標(biāo)準(zhǔn)煤,約占全國(guó)能源消費(fèi)總量的49%;工業(yè)廢水排放量達(dá)到75.51億t,約占全國(guó)工業(yè)廢水排放量的10.27%;二氧化硫排放量達(dá)到763.3萬(wàn)t,約占全國(guó)二氧化硫排放量的41.06%;工業(yè)煙粉塵排放量達(dá)到553.9萬(wàn)t,約占全國(guó)工業(yè)煙粉塵排放量的36.02%;重點(diǎn)地區(qū)GDP之和達(dá)到24.31萬(wàn)億人民幣,約占全國(guó)GDP的35.61%,2016年該比例上升至47.56%2.因此,從能源消費(fèi)、環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展三方面考慮,重點(diǎn)地區(qū)不容忽視.然而,從能源、環(huán)境和經(jīng)濟(jì)三方面考察,重點(diǎn)地區(qū)能源效率測(cè)算和比較研究相對(duì)較少.關(guān)注重點(diǎn)地區(qū)環(huán)境污染下的全要素能源效率,將有利于改善重點(diǎn)地區(qū)總體全要素能源效率,更好地參與“一帶一路”能源互聯(lián)網(wǎng)建設(shè),促進(jìn)與沿線國(guó)家在能源建設(shè)和利用方面互補(bǔ)互通.

1 文獻(xiàn)綜述

能源效率早期研究主要采取“單投入-單產(chǎn)出”形式,忽略了其他要素的作用.因此,考慮資本和勞動(dòng)投入的“多投入-單產(chǎn)出”的全要素能源效率測(cè)算框架得到發(fā)展.后來(lái),伴隨環(huán)境污染問(wèn)題日益加劇,能源效率的研究框架向包含非期望產(chǎn)出的“多投入-多產(chǎn)出”模式演進(jìn).測(cè)算框架改進(jìn)的同時(shí),測(cè)算方法也在不斷進(jìn)步.數(shù)據(jù)包絡(luò)分析[5](Data envelope analysis, DEA)作為非參數(shù)、非隨機(jī)方法,在能源效率分析中得到廣泛應(yīng)用.Anderson等[6]于1993年提出超效率DEA來(lái)為前沿決策單元(Decision-making unit, DMU)進(jìn)行排序.韓一杰等[7]應(yīng)用超效率DEA分析中國(guó)地區(qū)鋼鐵行業(yè)的能源效率,但將CO2排放量處理為投入存在問(wèn)題.為了更好處理非期望產(chǎn)出,Tone提出包含非期望產(chǎn)出的SBM模型[8](Slack-based measure model, SBM).Li等[9]和范丹等[10]使用SBM考察了包含非期望產(chǎn)出的區(qū)域全要素能源效率,二者均發(fā)現(xiàn)不考慮環(huán)境污染會(huì)對(duì)高估能源效率.然而,SBM模型的缺點(diǎn)在于無(wú)法處理前沿DMU的排序問(wèn)題.因此,出現(xiàn)了將超效率DEA和SBM模型結(jié)合的應(yīng)用.Li等[11]、宮大鵬等[12]均基于超效率SBM模型測(cè)算能源效率.超效率與SBM模型的結(jié)合既實(shí)現(xiàn)了對(duì)非期望產(chǎn)出的處理,又可對(duì)前沿DMU效率進(jìn)行排序,然而以上研究局限于工業(yè)部門能源效率的測(cè)算.目前超效率SBM模型在區(qū)域能源效率測(cè)算的應(yīng)用較少.

能源效率分析通常有兩種路徑:分解分析和回歸分析.被廣泛應(yīng)用的分解方法是Malmquist指數(shù),是Malmquist于1953年提出,由Caves等[13]首次介紹的一種基于距離函數(shù)的生產(chǎn)效率分解指數(shù).屈小娥[14]應(yīng)用Malmquist指數(shù)分解中國(guó)省際全要素能源效率,發(fā)現(xiàn)前沿地區(qū)能源效率提高主要由技術(shù)進(jìn)步推動(dòng),能源效率低的地區(qū)主要受技術(shù)退步、純技術(shù)效率和規(guī)模效率影響.Feng等[15]發(fā)現(xiàn)在技術(shù)進(jìn)步驅(qū)動(dòng)下能源效率有提高,地區(qū)間技術(shù)水平存在差距,規(guī)模效率變動(dòng)顯示下降.然而,指數(shù)分解不能解釋全部能源效率變化.如:指數(shù)顯示技術(shù)進(jìn)步但能源效率顯示降低[16].并且Malmquist指數(shù)僅在截面維度解釋能源效率變動(dòng).為補(bǔ)充其他因素影響和面板維度,還需要進(jìn)行回歸分析.Tobit模型因其可以處理受限因變量問(wèn)題,常被用于處理能源效率影響因素的回歸分析.Li等[11],宮大鵬等[12],馬曉君等[16],劉丹丹等[17],Lv等[18]均通過(guò)Tobit模型對(duì)能源效率可能存在的影響因素進(jìn)行了回歸分析.劉丹丹等[17]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步對(duì)西部地區(qū)能源效率有正影響,能源價(jià)格和煤炭消費(fèi)有負(fù)影響.Lv等[18]發(fā)現(xiàn)中國(guó)區(qū)域能源效率存在較大差異,能源消費(fèi)結(jié)構(gòu)和制度因素對(duì)地區(qū)能源效率起促進(jìn)作用,產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源效率有負(fù)影響.宮大鵬等[12]發(fā)現(xiàn)地區(qū)GDP、產(chǎn)業(yè)結(jié)構(gòu)、外商直接投資等對(duì)東部地區(qū)工業(yè)化石能源效率有正影響,產(chǎn)業(yè)結(jié)構(gòu)對(duì)中部地區(qū)工業(yè)化石能源效率有負(fù)影響.馬曉君等[16]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)對(duì)東北地區(qū)城市能源效率有負(fù)影響,科研投入有正影響.

上述研究普遍存在的不足在于:研究視角上缺少對(duì)大型倡議合作項(xiàng)目的關(guān)注,尤其缺乏對(duì)“一帶一路”境內(nèi)重點(diǎn)地區(qū)全要素能源效率測(cè)算、分解和影響因素分析的研究.因此,本文關(guān)注“一帶一路”重點(diǎn)地區(qū)能源效率,對(duì)其進(jìn)行測(cè)算、分解和影響因素分析的研究.

2 研究方法

本文遵循“測(cè)算-分解-分析”的研究思路,采用“超效率SBM-Malmquist-Tobit模型”的方法路徑.以下對(duì)上述方法路徑涉及原理進(jìn)行說(shuō)明.

2.1 超效率SBM模型

2.2 Malmquist指數(shù)

通過(guò)幾何平均法可將Malmquist指數(shù)表達(dá)為式(4),進(jìn)一步將Mlamquist指數(shù)分解成兩部分(式(5)):技術(shù)變動(dòng)(式(6))和效率變動(dòng)(式(7))[21].其中,效率變動(dòng)的含義為管理效率變動(dòng),在規(guī)模報(bào)酬可變前提下可被分解為規(guī)模效率變動(dòng)和純技術(shù)效率變動(dòng).根據(jù)Grifell等[22],假設(shè)規(guī)模報(bào)酬可變時(shí),Malmquist指數(shù)不能正確測(cè)算生產(chǎn)效率變化.并且,本文在計(jì)算規(guī)模報(bào)酬可變下的Malmquist指數(shù)時(shí)出現(xiàn)線性規(guī)劃無(wú)可行性解的情況,故本文未分解管理效率變動(dòng).

2.3 Tobit模型

為實(shí)現(xiàn)對(duì)影響因素的計(jì)量分析,文章采用Tobit模型[23].Tobit模型是因變量受限或存在階段因變量時(shí)常用的回歸方法.基于超效率SBM模型測(cè)算出的能源效率值符合Tobit模型應(yīng)用要求.模型基本形式如下:

3 全要素能源效率測(cè)算

3.1 數(shù)據(jù)來(lái)源及指標(biāo)說(shuō)明

由于2004年之前各地區(qū)污染物指標(biāo)的統(tǒng)計(jì)口徑不一致,數(shù)據(jù)缺失嚴(yán)重,本文將研究區(qū)間定為2005~2015年.研究數(shù)據(jù)來(lái)自中國(guó)統(tǒng)計(jì)年鑒(2006~ 2016)[24],各地區(qū)統(tǒng)計(jì)年鑒(2006~2016),中國(guó)能源統(tǒng)計(jì)年鑒(2006~2016)[25],中國(guó)科技統(tǒng)計(jì)年鑒(2006~ 2016)[26],新中國(guó)六十年統(tǒng)計(jì)資料匯編[27]等.假設(shè)生產(chǎn)過(guò)程中的投入要素為資本、勞動(dòng)力和能源,期望產(chǎn)出為GDP(或稱經(jīng)濟(jì)產(chǎn)出),非期望產(chǎn)出為工業(yè)污染物.為方便后續(xù)說(shuō)明及分析并節(jié)約篇幅,實(shí)證部分均對(duì)全要素能源效率采取簡(jiǎn)稱TFEE.

3.1.1 資本投入OECD《生產(chǎn)率測(cè)算手冊(cè)》[28]建議以資本服務(wù)測(cè)算效率與生產(chǎn)率.目前計(jì)算資本服務(wù)實(shí)行難度大,故與其他同類研究一致,以資本存量作為資本投入.本文采用Goldsmith[29]提出的永續(xù)盤存法計(jì)算資本存量,計(jì)算公式為:

本文采用修正增長(zhǎng)率法[30]確定基期資本存量;將固定資產(chǎn)折舊額作為可變折舊;根據(jù)張軍等[31],將固定資本形成總額作為當(dāng)期投資.利用式(10)計(jì)算以2005年為基期的各地區(qū)資本存量.

3.1.2 勞動(dòng)投入 與其他同類研究一致,選取全社會(huì)從業(yè)人員數(shù)作為勞動(dòng)投入.

3.1.3 能源投入 與其他同類研究一致,選取能源消費(fèi)總量作為能源投入.

3.1.4 期望產(chǎn)出 選取GDP作為期望產(chǎn)出,以2005年為基期進(jìn)行價(jià)格縮減.

3.1.5 非期望產(chǎn)出 本文的非期望產(chǎn)出包含水體和大氣污染帶來(lái)的非期望產(chǎn)出.分別以工業(yè)廢水排放總量3,SO2排放量和工業(yè)煙粉塵排放量4作為代表.通過(guò)改進(jìn)熵值法[32]將3種污染物結(jié)合為一個(gè)綜合指標(biāo)作為非期望產(chǎn)出.

3.2 測(cè)算結(jié)果分析

3.2.1 TFEE分析 根據(jù)“愿景與行動(dòng)”[4],參照楊玲[33],將“一帶一路”18個(gè)重點(diǎn)地區(qū)作為研究對(duì)象(由于數(shù)據(jù)限制,本文分析未包括西藏自治區(qū)).各重點(diǎn)地區(qū)在“愿景與行動(dòng)”中均被賦予獨(dú)特定位,如:新疆被定位為“絲綢之路經(jīng)濟(jì)帶核心區(qū)”,福建則被定位為“21世紀(jì)海上絲綢之路核心區(qū)”等.因此,本文便依據(jù)各重點(diǎn)地區(qū)定位,圍繞兩個(gè)核心區(qū)及“一帶”和“一路”規(guī)劃路線,從經(jīng)濟(jì)帶規(guī)劃和地理區(qū)位兩方面考慮,將重點(diǎn)地區(qū)劃分為“一帶”地區(qū)和“一路”地區(qū),從而達(dá)到細(xì)化分析研究結(jié)果的目的.劃分方式如表1所示.

表1 “一帶一路”重點(diǎn)地區(qū)地理劃分

注:這種劃分方式僅用于從多角度解釋本文研究結(jié)果.

本節(jié)測(cè)算重點(diǎn)地區(qū)的TFEE,并通過(guò)K-均值聚類對(duì)各地區(qū)年均值進(jìn)行聚類分析,將重點(diǎn)地區(qū)分為高效率、中效率和低效率3組,進(jìn)而從地理區(qū)位和效率聚類兩方面考察17個(gè)重點(diǎn)地區(qū)的TFEE.結(jié)果如表2所示.(1)連續(xù)11年構(gòu)成前沿的高效率組為:上海、廣東和青海,其中上海和廣東屬于“一路”地區(qū),青海屬于“一帶”地區(qū);中效率組包括:內(nèi)蒙古、遼寧、吉林、黑龍江、寧夏、浙江、福建和海南,其中僅浙江、福建和海南屬于“一路”地區(qū);低效率組包括:廣西、重慶、云南、陜西、甘肅和新疆,均為“一帶”地區(qū).(2)“一路”地區(qū)總體TFEE均值較大多數(shù)“一帶”地區(qū)高,差距在0.17~0.37之間.原因在于:上海和廣東為前沿地區(qū),歷年TFEE均大于1,在17個(gè)重點(diǎn)地區(qū)中效率居于前列.“一路”地區(qū)為“21世紀(jì)海上絲綢之路”的必經(jīng)之地,均為沿海地區(qū).參照大多研究,沿海地區(qū)能源效率一般較內(nèi)陸地區(qū)高,本文測(cè)算結(jié)果具有一定可信度.(3)盡管“一路”地區(qū)總體歷年TFEE均值高于“一帶”地區(qū),但“一路”地區(qū)中海南和浙江的排序分別為10和11位,在50%之后;而“一路”地區(qū)中的青海,內(nèi)蒙古,寧夏,遼寧,吉林和黑龍江排名在50%之前;說(shuō)明不管是“一帶”地區(qū)還是“一路”地區(qū),地區(qū)TFEE差異不同程度存在,且在研究期間未顯示改善.

表2 2005~2015年重點(diǎn)地區(qū)TFEE

圖1 TFEE年均值圖

為具體分析重點(diǎn)地區(qū)TFEE變動(dòng),繪制重點(diǎn)地區(qū)總體與“一帶”地區(qū)和“一路”地區(qū)的TFEE均值折線圖(圖1).(1)圖1中,3條曲線相互靠近.“一路”地區(qū)TFEE最高,重點(diǎn)地區(qū)次之,“一帶”地區(qū)最低.(2)重點(diǎn)地區(qū)總體TFEE均值較為穩(wěn)定,在0.82~0.84之間,研究期間沒(méi)有TFEE改善.(3)“一帶”地區(qū)在2006~2013年間增長(zhǎng)到0.78,其后保持在0.76左右.“一帶”地區(qū)TFEE較低,在薄弱基礎(chǔ)上的增長(zhǎng)較為有限.“一帶”地區(qū)資源大省多,仍保持著“高耗能-高排放”的發(fā)展方式.如:2015年,工業(yè)廢氣污染物排放靠前的地區(qū)為內(nèi)蒙古、遼寧、新疆和陜西等,其中遼寧、內(nèi)蒙古和新疆的能源消費(fèi)總量位居重點(diǎn)地區(qū)前5,上述地區(qū)的TFEE在研究后期呈規(guī)模報(bào)酬遞減趨勢(shì).(4)“一路”地區(qū)的TFEE逐年遞減,從2005年平均1.09降低至2013年的平均0.96,即“一路”地區(qū)TFEE早期逐年降低,后趨于平穩(wěn).尤其,浙江和海南兩省與前沿地區(qū)比還有很大差距,“一路”地區(qū)內(nèi)部存在較大差異.同時(shí),根據(jù)本文測(cè)算結(jié)果顯示,“一路”地區(qū)早期顯示大多處于規(guī)模報(bào)酬遞增階段,后期多在規(guī)模報(bào)酬遞減階段.

3.2.2 TFEE分解 為討論重點(diǎn)地區(qū)TFEE變動(dòng),本文對(duì)TFEE進(jìn)行了Malmquist指數(shù)分解,結(jié)果見表3所示.表3中,TFEE變動(dòng)為當(dāng)年TFEE與上年TFEE比值,Malmquist指數(shù)為效率變動(dòng)與技術(shù)變動(dòng)的乘積,此處未列出.(1)TFEE變動(dòng).“一帶”地區(qū)11年間平均提高0.77%,在各年變動(dòng)中,2005~2006,2013~2014和2014~2015年間均小于1,TFEE下降.“一路”地區(qū)TFEE則平均下降0.92%,僅2013~2014年變動(dòng)大于1,其余年份變動(dòng)均小于1.“一路”地區(qū)整體呈下降趨勢(shì),與圖1一致.同時(shí),“一帶”地區(qū)提升較為有限.(2)效率變動(dòng).“一帶”地區(qū)有3個(gè)時(shí)間段TFEE變動(dòng)指數(shù)分別為0.9935,0.9999,0.9999,其余年份TFEE變動(dòng)大于1.即“一帶”地區(qū)管理效率提升幅度不大.“一路”地區(qū)在5個(gè)時(shí)間段的TFEE變動(dòng)小于1,其中2005~2006, 2010~2011,2012~2013和2014~2015年間,管理效率降低的同時(shí)TFEE也在降低,在此期間管理效率對(duì)TFEE降低可能存在影響.(3)技術(shù)變動(dòng).技術(shù)變動(dòng)均大于1,2008~2009年技術(shù)進(jìn)步最大.即便存在技術(shù)進(jìn)步,重點(diǎn)地區(qū)TFEE未見明顯增長(zhǎng),可能存在“回彈效應(yīng)”.與本文一致,龐軍等[34]的研究表明中國(guó)存在能源回彈效應(yīng).技術(shù)進(jìn)步可以促進(jìn)生產(chǎn)率提高,也帶來(lái)更多能源消耗,使能源效率降低,難以準(zhǔn)確估計(jì)技術(shù)進(jìn)步作用[35].(4)Malmquist變動(dòng).重慶在2006~2007, 2007~2008,2009~2010年間,陜西在2012~2013年間以及海南在2005~2006年間的Malmquist指數(shù)略小于1,最大差距僅為0.0414.其余均大于1,說(shuō)明生產(chǎn)效率進(jìn)步?jīng)]有帶來(lái)TFEE的有效增長(zhǎng),可能存在其他因素的影響.

表3 2005~2015年重點(diǎn)地區(qū)TFEE變動(dòng)及分解

由上述可知,部分年份管理效率降低抑制TFEE增長(zhǎng),這在“一路”地區(qū)中的反映較為明顯.盡管一直存在技術(shù)進(jìn)步,但未帶動(dòng)所有年份TFEE增長(zhǎng),要考慮“回彈效應(yīng)”的存在.此外,還存在以Malmquist指數(shù)分解難以解釋的TFEE變動(dòng),需考慮其他因素影響.

4 影響因素計(jì)量分析

4.1 影響因素說(shuō)明

本節(jié)將進(jìn)行除規(guī)模效率和技術(shù)進(jìn)步以外的影響因素計(jì)量分析.根據(jù)國(guó)內(nèi)外研究成果,影響因素主要有:經(jīng)濟(jì)發(fā)展[36-40]、產(chǎn)業(yè)結(jié)構(gòu)[9,39-41]、煤炭消費(fèi)[17]、能源價(jià)格[17,42]、對(duì)外開放[16-17,39-40]、研究開發(fā)[9,16]、生產(chǎn)要素[36,39-40]、政府干預(yù)[9,16-17]和環(huán)境污染[39,43]等.

考慮到數(shù)據(jù)可獲得性,選取來(lái)自上述8個(gè)方面的10個(gè)影響因素.(1)經(jīng)濟(jì)發(fā)展(JF):以不變價(jià)人均GDP對(duì)數(shù)表示經(jīng)濟(jì)發(fā)展水平.(2)產(chǎn)業(yè)結(jié)構(gòu):選取第二產(chǎn)業(yè)增加值占GDP份額(EC)和第三產(chǎn)業(yè)增加值占GDP份額(SC)表示產(chǎn)業(yè)結(jié)構(gòu)變量.(3)對(duì)外開放(KF):以各地區(qū)進(jìn)出口總額占GDP份額表示.(4)研究開發(fā)(YK):以各地區(qū)研究與開發(fā)內(nèi)部經(jīng)費(fèi)支出的對(duì)數(shù)作為研究開發(fā)變量.(5)政府干預(yù)(ZF):以地方公共財(cái)政支出經(jīng)費(fèi)衡量政府影響程度.(6)能源因素:將煤炭消費(fèi)占能源消費(fèi)總量份額(MT)作為煤炭消費(fèi)變量;將原材料、燃料、動(dòng)力購(gòu)進(jìn)價(jià)格指數(shù)作為能源價(jià)格變量(JG),將基期調(diào)整為2005年.(7)生產(chǎn)要素比例(YS):將資本投入和勞動(dòng)投入的比例作為生產(chǎn)要素比例.(8)工業(yè)污染(WR):將第3節(jié)計(jì)算的污染物綜合指標(biāo)作為工業(yè)污染變量.數(shù)據(jù)來(lái)自各地區(qū)統(tǒng)計(jì)年鑒,中國(guó)能源統(tǒng)計(jì)年鑒和中國(guó)科技統(tǒng)計(jì)年鑒.

4.2 計(jì)量模型

本文的模型同時(shí)具有時(shí)間和空間兩種特性,采用面板數(shù)據(jù)進(jìn)行回歸.以Tobit模型處理受限因變量,基于4.1中的變量解釋,構(gòu)建如下模型:

4.3 計(jì)量結(jié)果討論

由表4可知,回歸一、二和三中,分別有9,8和6個(gè)變量顯著,變量選擇效果較好,個(gè)別影響因素在不同方程顯示不同作用方向.原因有:(1)地區(qū)差異.不同地區(qū)的TFEE變動(dòng)趨勢(shì)不一致,反映影響因素作用程度方向不一.(2)樣本數(shù)量差異.回歸一、二和三的樣本量分別為187,132和55個(gè),數(shù)據(jù)量分為2057,1452和605個(gè).因此,僅對(duì)影響因素的作用方向進(jìn)行討論,不對(duì)3次回歸各系數(shù)大小進(jìn)行比較.

表4 回歸模型估計(jì)結(jié)果

注: ***,**,*分別表示顯著性水平為1%,5%和10%.

(1)經(jīng)濟(jì)發(fā)展.JF在回歸一、三中呈顯著負(fù)影響,在回歸二中不顯著.“一路”地區(qū)TFEE逐漸降低,而“一路”地區(qū)人均GDP逐年增加,與其TFEE變動(dòng)相反.如:“一路”地區(qū)中,研究后期多數(shù)地區(qū)的TFEE顯示規(guī)模報(bào)酬遞減.盡管“一路”地區(qū)GDP水平偏高,其背后能源的大量消耗也反映在TFEE中.

(2)產(chǎn)業(yè)結(jié)構(gòu).EC對(duì)重點(diǎn)地區(qū)顯示1%水平上的正影響,在其余回歸中不顯著.近年來(lái)的產(chǎn)業(yè)結(jié)構(gòu)改革使各地區(qū)第二產(chǎn)業(yè)占比降低,但第二產(chǎn)業(yè)仍是許多地區(qū)的支柱產(chǎn)業(yè).如:2015年,內(nèi)蒙古、陜西等地區(qū),第二產(chǎn)業(yè)占比仍超過(guò)50%,當(dāng)?shù)亟?jīng)濟(jì)的貢獻(xiàn)較大.SC在回歸一、二中均在5%水平上顯著,該變量對(duì)重點(diǎn)地區(qū)有正影響,對(duì)“一帶”地區(qū)有負(fù)影響.第三產(chǎn)業(yè)多為服務(wù)業(yè),可通過(guò)少量能源投入創(chuàng)造更多增加值,產(chǎn)生更少工業(yè)污染.但產(chǎn)業(yè)結(jié)構(gòu)的變化也應(yīng)當(dāng)考慮到地區(qū)差異,“一帶”地區(qū)的資源大省,如內(nèi)蒙古,黑龍江,陜西等,其資源優(yōu)勢(shì)適合優(yōu)先發(fā)展重工業(yè),其服務(wù)業(yè)受季節(jié)因素影響較大.而“一路”地區(qū)服務(wù)業(yè)發(fā)展受季節(jié)因素影響相對(duì)較小.

(3)對(duì)外開放.KF在三個(gè)回歸方程中均顯著,在回歸一、二中為正影響,回歸三中為負(fù)影響.該指標(biāo)增加既反映經(jīng)濟(jì)發(fā)展水平提高,又反映國(guó)際交流程度加深.“一帶”地區(qū)中,對(duì)外開放的提升較為明顯.一方面,“一帶”地區(qū)經(jīng)濟(jì)發(fā)展水平提高對(duì)TFEE有正影響;另一方面,該地區(qū)進(jìn)出口總額較“一路”地區(qū)低,獲取先進(jìn)生產(chǎn)經(jīng)驗(yàn)和產(chǎn)品交流機(jī)會(huì)較“一路”地區(qū)少,對(duì)外開放帶來(lái)的正面技術(shù)影響相對(duì)大.“一路”地區(qū)近年來(lái)多處于規(guī)模報(bào)酬遞減階段,歷年TFEE基礎(chǔ)較“一路”地區(qū)高,對(duì)外開放對(duì)其TFEE帶動(dòng)作用偏小.因此,“一帶一路”政策將是“一帶”地區(qū)加深與其他國(guó)家進(jìn)行產(chǎn)品和技術(shù)上的交流的絕佳機(jī)會(huì),同時(shí)也會(huì)分擔(dān)“一路”地區(qū)部分進(jìn)出口貿(mào)易,屆時(shí)“一路”地區(qū)對(duì)外開放的負(fù)影響可能會(huì)有所改善.

(4)研究開發(fā).YK在三次回歸中均顯著,在回歸一、二中為負(fù)影響,回歸三中為正影響.負(fù)影響原因在于:該指標(biāo)的初始數(shù)據(jù)不僅包含工業(yè)企業(yè)用于提高生產(chǎn)技術(shù)的研發(fā)支出,還包含其他科研單位的研發(fā)支出,但現(xiàn)有統(tǒng)計(jì)體系并未單獨(dú)分列;研究開發(fā)支出中真正用于節(jié)能減排的部分難以確定,以總經(jīng)費(fèi)代替僅可以從宏觀上研發(fā)支出對(duì)TFEE的作用.

(5)政府干預(yù).ZF在回歸一、二呈顯著負(fù)影響,在回歸三中不顯著.與馬曉君等[16],劉丹丹等[17]一致,政府干預(yù)未帶來(lái)預(yù)期的正影響.一方面,與研究與開發(fā)內(nèi)部經(jīng)費(fèi)支出類似,政府財(cái)政支出中環(huán)境保護(hù)支出數(shù)據(jù)在2007年之前未單獨(dú)分列,之后也存在部分地區(qū)未單獨(dú)分列情況;另一方面,政府干預(yù)對(duì)部分企業(yè)自由發(fā)展和創(chuàng)新可能起到抑制作用.

(6)能源因素.MT變量?jī)H在回歸二中為顯著正影響.“一帶”地區(qū)包含了幾個(gè)煤炭消費(fèi)大省.如:內(nèi)蒙古,寧夏,陜西,吉林,黑龍江等,其經(jīng)濟(jì)增長(zhǎng)主要由能源消費(fèi)帶動(dòng),因此表現(xiàn)為煤炭消費(fèi)促進(jìn)TFEE增長(zhǎng),但持續(xù)的煤炭消費(fèi)將加劇工業(yè)污染.EP在3個(gè)回歸中均呈顯著正影響.能源價(jià)格提高將帶來(lái)生產(chǎn)成本提高,企業(yè)為降低生產(chǎn)成本將盡可能地有效利用資源,最終呈現(xiàn)出TFEE提高的結(jié)果.

(7)生產(chǎn)要素比例.根據(jù)王兵等[44]研究,本文以資本勞動(dòng)比作為生產(chǎn)要素比例.YS在3個(gè)回歸中均顯著,對(duì)回歸一、二有負(fù)影響,對(duì)回歸三有正影響.資本勞動(dòng)比上升,說(shuō)明當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)從勞動(dòng)密集型向資本密集型轉(zhuǎn)化,而資本密集型產(chǎn)業(yè)則更傾向于重污染產(chǎn)業(yè)[45].因此,該變量的提高對(duì)重點(diǎn)地區(qū)和“一帶”地區(qū)顯示負(fù)影響.而“一路”地區(qū)中除上海在全部年份及浙江和海南在部分年份的資本勞動(dòng)比明顯高于大多“一帶”地區(qū)外,其余地區(qū)的資本勞動(dòng)比并無(wú)明顯差距.但從業(yè)人數(shù)上,廣東和浙江具有明顯優(yōu)勢(shì),勞動(dòng)密集型企業(yè)傾向大,拉平了資本勞動(dòng)比不平衡的負(fù)影響.

(8)工業(yè)污染.WR在三次回歸中均呈顯著負(fù)影響,說(shuō)明工業(yè)污染對(duì)TFEE確實(shí)存在抑制作用.一方面,工業(yè)污染排放作為非期望產(chǎn)出,使TFEE降低.另一方面,工業(yè)生產(chǎn)過(guò)程必然伴隨工業(yè)污染排放,盡管各地區(qū)發(fā)展模式和能源效率存在差異,工業(yè)污染亟待治理的情況在重點(diǎn)地區(qū)中不同程度存在.

5 政策建議

5.1 構(gòu)建合作交流框架,縮小TFEE差距.首先,通過(guò)合作機(jī)制將前沿地區(qū)先進(jìn)節(jié)能減排技術(shù)與管理經(jīng)驗(yàn)進(jìn)行傳遞.廣東省的能源利用更加有效與清潔[46],廣東省可以作為模范地區(qū)供其他地區(qū)效仿.此外,生產(chǎn)單位需要在提高管理效率的同時(shí)控制技術(shù)進(jìn)步帶來(lái)的“回彈效應(yīng)”.

5.2 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),降低能源強(qiáng)度.經(jīng)濟(jì)發(fā)展水平偏低的“一帶“地區(qū)在提高經(jīng)濟(jì)水平同時(shí)控制高耗能產(chǎn)業(yè)帶來(lái)的環(huán)境污染.產(chǎn)業(yè)結(jié)構(gòu)方面,一些資源大省:內(nèi)蒙古、陜西、黑龍江、吉林和遼寧等可通過(guò)碳減排來(lái)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),實(shí)現(xiàn)可持續(xù)發(fā)展.此外,可根據(jù)地區(qū)特色豐富第三產(chǎn)業(yè)形式,如:發(fā)展健康、旅游休閑和互聯(lián)網(wǎng)金融等新興行業(yè),形成區(qū)域特色產(chǎn)業(yè)集群.

5.3 擴(kuò)大對(duì)外開放水平,促進(jìn)國(guó)際能源合作.重點(diǎn)地區(qū)已成為對(duì)外開放新樞紐,未來(lái)需注重與沿線國(guó)家的技術(shù)交流,學(xué)習(xí)先進(jìn)的節(jié)能減排技術(shù).同時(shí),與沿線各國(guó)達(dá)成稅收、貿(mào)易和能源等方面互惠互利政策,積極推進(jìn)重點(diǎn)地區(qū)自由貿(mào)易試驗(yàn)區(qū)構(gòu)建.

5.4 高效利用科研經(jīng)費(fèi),重視節(jié)能環(huán)保研究.細(xì)化研究與開發(fā)支出,注重節(jié)能減排和能源創(chuàng)新性研究,提高該部分科研經(jīng)費(fèi).同時(shí),依托本地優(yōu)質(zhì)高校資源,通過(guò)產(chǎn)學(xué)研結(jié)合促進(jìn)研究成果落實(shí).

5.5 能源消費(fèi)結(jié)構(gòu)清潔化,能源生產(chǎn)消費(fèi)機(jī)制市場(chǎng)化.重點(diǎn)地區(qū)的風(fēng)能、太陽(yáng)能和水能資源豐富,通過(guò)對(duì)清潔能源進(jìn)行財(cái)政補(bǔ)貼使能源消費(fèi)結(jié)構(gòu)向清潔能源傾斜.煤炭潔凈和轉(zhuǎn)化等技術(shù)可減少CO2排放.另外可通過(guò)對(duì)煤炭消費(fèi)征收環(huán)境稅費(fèi)等方式降低煤依賴[47],推動(dòng)能源生產(chǎn)和消費(fèi)更加市場(chǎng)化.

5.6 改進(jìn)生產(chǎn)要素比例,合理分配生產(chǎn)要素.投入要素間存在替代效應(yīng),要素投入結(jié)構(gòu)的調(diào)整可以實(shí)現(xiàn)更多對(duì)能源的替代.以高能源效率地區(qū)為范例,優(yōu)化生產(chǎn)要素比例,合理分配生產(chǎn)資源,引導(dǎo)資本密集型產(chǎn)業(yè)與勞動(dòng)密集型產(chǎn)業(yè)均衡發(fā)展.

5.7 環(huán)保政策多元化,生產(chǎn)過(guò)程低碳化.政府可通過(guò)增加環(huán)境保護(hù)財(cái)政支出、對(duì)節(jié)能減排企業(yè)給予稅收或財(cái)政獎(jiǎng)勵(lì)、限制高耗能高污染能源使用,制定碳排放總量減排政策[48]等方式促進(jìn)生產(chǎn)部門節(jié)能減排.

6 結(jié)論

6.1 TFEE測(cè)算結(jié)果顯示:(1)高TFEE地區(qū)為:上海、廣東和青海,連續(xù)11年均構(gòu)成生產(chǎn)前沿,且超效率TFEE值大于1;中TFEE地區(qū)有內(nèi)蒙古、遼寧、吉林、黑龍江、寧夏、浙江、福建和海南,其TFEE年均值在(0.70,1.00)之間;低TFEE地區(qū)為:廣西、重慶、云南、陜西、甘肅和新疆,其TFEE年均值低于0.70.(2)“一路”地區(qū)TFEE最高,但逐年降低;重點(diǎn)地區(qū)TFEE居中且保持平穩(wěn);“一帶”地區(qū)TFEE較低,在2009~2013年有小幅增長(zhǎng).(3)部分年份管理效率降低,影響TFEE增長(zhǎng);技術(shù)進(jìn)步并未帶來(lái)顯著TFEE增長(zhǎng),可能存在“回彈效應(yīng)”.

6.2 回歸分析結(jié)果顯示各影響因素對(duì)不同地區(qū)的影響存在差異.(1)重點(diǎn)地區(qū):經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放和能源價(jià)格對(duì)TFEE存在正影響,研究開發(fā)、煤炭消費(fèi)、生產(chǎn)要素比例和環(huán)境污染對(duì)TFEE存在負(fù)影響.(2)“一帶”地區(qū):對(duì)外開放和能源因素對(duì)TFEE存在正影響,第三產(chǎn)業(yè)、研究開發(fā)、政府影響、生產(chǎn)要素比例和環(huán)境污染對(duì)TFEE存在負(fù)影響,經(jīng)濟(jì)發(fā)展和第二產(chǎn)業(yè)作用不顯著;(3)“一路”地區(qū):研究開發(fā)、能源價(jià)格和生產(chǎn)要素比例對(duì)TFEE存在正影響,經(jīng)濟(jì)發(fā)展和環(huán)境污染對(duì)TFEE存在負(fù)影響,產(chǎn)業(yè)結(jié)構(gòu)、政府影響和煤炭消費(fèi)作用不顯著.

[1] 國(guó)家統(tǒng)計(jì)局關(guān)于2016年國(guó)內(nèi)生產(chǎn)總值(GDP)最終核實(shí)的公告,Http://www.stats.gov.cn/tjsj/zxfb/201801/t20180105_1569933.html [EB/OL]. 2018-01-08.

[2] BP世界能源統(tǒng)計(jì)年鑒 [EB/OL]. https://www.bp.com/zhcn/china/ reports-and-publications/_bp_2017-_.html, 2017.

[3] 中華人民共和國(guó)2016年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào), Http://www.stats.gov.cn/tjsj/zxfb/201702/t20170228_1467424.html [EB/OL]. 2017-02-28.

[4] 國(guó)家發(fā)展改革委,外交部,商務(wù)部.推動(dòng)共建絲綢之路經(jīng)濟(jì)帶21世紀(jì)海上絲綢之路的愿景與行動(dòng)[N]. 人民日?qǐng)?bào), 2015-03-29(4).

[5] Charnes A, Cooper W, Rhodes E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6):429-444.

[6] Andersen P, PetersenN. A procedure for ranking efficient unites in data envelopment analysis [J]. Management Science, 1993,39:1261-1264.

[7] 韓一杰,劉秀麗.基于超效率DEA模型的中國(guó)各地區(qū)鋼鐵行業(yè)能源效率及節(jié)能減排潛力分析[J]. 系統(tǒng)科學(xué)與數(shù)學(xué), 2011,31(3): 287-298.

[8] Tone K. Dealing with undesirable outputs in DEA: a slacks-based measure approach [R]. Research Report Series, 2003.

[9] Li L B, Hu J L. Ecological total-factor energy efficiency of regions in China. Energy Policy, 2012,46:216–224

[10] 范 丹,王維國(guó).中國(guó)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.

[11] Li H, Shi J F. Energy efficiency analysis on Chinese industrial sectors: an improved Super-SBM model with undesirable outputs [J]. Journal of Cleaner Production, 2014,65(4):97-107.

[12] 宮大鵬,趙 濤,慈兆程.基于超效率SBM的中國(guó)省際工業(yè)化石能源效率評(píng)價(jià)及影響因素分析[J]. 環(huán)境科學(xué)學(xué)報(bào), 2015,35(2):585-595.

[13] Caves D W, Christensen L R, Diewert W E. Multilateral comparisons of output, input, and productivity using superlative index numbers [J]. Economic Journal, 1982,92(365):73-86.

[14] 屈小娥.中國(guó)省際能源效率差異及其影響因素分析[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2009,(2):46-52.

[15] Feng C, Wang M. Analysis of energy efficiency and energy savings potential in China’s provincial industrial sectors [J]. Journal of Cleaner Production, 2017,164:1531-1541.

[16] 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.

[17] 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.

[18] Lv W, Hong X, Fang K. Chinese regional energy efficiency change and its determinants analysis: Malmquist index and Tobit model [J]. Annals of Operations Research, 2015,228(1):1-14.

[19] Tone K. A slacks-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2001,130(3): 498-509.

[20] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2002,143(1):32-41.

[21] F?re R, Grosskopf S, Lovell A K. Production frontiers [M]. Cambridge University Press, 1994.

[22] Grifell-Tatjé E, Lovell A K. A note on the Malmquist productivity index [J]. Economics Letters, 1995,47:169-175.

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

[24] 國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2006~ 2018.

[25] 國(guó)家統(tǒng)計(jì)局.中國(guó)能源統(tǒng)計(jì)年鑒 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2006~ 2017.

[26] 國(guó)家統(tǒng)計(jì)局.中國(guó)科技統(tǒng)計(jì)年鑒 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2006~ 2017.

[27] 國(guó)家統(tǒng)計(jì)局.新中國(guó)六十年統(tǒng)計(jì)資料匯編 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2010.

[28] Measuring capital-OECD manual 2009: Second edition complete edition [M]. OECD, 2009.

[29] Goldsmith R W. A perpetual inventory of national wealth [M]. National Bureau of Economic Research, 1951.

[30] Reinsdorf M, Cover M. Measurement of capital stocks, consumption of fixed capital and capital Services [R]. Report on a Presentation to the Central American AD Hoc Group on National Accounts, 2005.

[31] 張 軍,吳桂英,張吉鵬.中國(guó)省際物質(zhì)資本存量估算:1952~2000 [J]. 經(jīng)濟(jì)研究, 2004,(10):35-44.

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

[33] 楊 玲.生產(chǎn)性服務(wù)進(jìn)口復(fù)雜度及其對(duì)制造業(yè)增加值率影響研究--基于“一帶一路”18省份區(qū)域異質(zhì)性比較分析 [J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2016(2):3-20.

[34] 龐 軍,龔亞珍,石媛昌,等.中國(guó)的能源回彈效應(yīng)及其對(duì)實(shí)現(xiàn)“十三五”節(jié)能目標(biāo)的影響[J]. 中國(guó)環(huán)境科學(xué), 2018,8(5):1979-1989.

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

[36] 史 丹,吳利學(xué),傅曉霞.中國(guó)能源效率地區(qū)差異及其成因研究——基于隨機(jī)前沿生產(chǎn)函數(shù)的方差分解[J]. 管理世界, 2008,(2):35-43.

[37] 魏 楚,沈滿洪.結(jié)構(gòu)調(diào)整能否改善能源效率:基于中國(guó)省級(jí)數(shù)據(jù)的研究[J]. 世界經(jīng)濟(jì), 2008,(11):77-85.

[38] 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.

[39] 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)的分解驗(yàn)證[J]. 中國(guó)環(huán)境科學(xué), 2017,37(4): 1571-1578.

[40] 潘雄鋒,彭曉雪,李 斌.市場(chǎng)扭曲、技術(shù)進(jìn)步與能源效率:基于省際異質(zhì)性的政策選擇[J]. 世界經(jīng)濟(jì), 2017,40(1):91-115.

[41] 于斌斌.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整如何提高地區(qū)能源效率?——基于幅度與質(zhì)量雙維度的實(shí)證考察[J]. 財(cái)經(jīng)研究, 2017,43(1):86-97.

[42] 關(guān)愛(ài)萍,師 軍,張 強(qiáng).中國(guó)西部地區(qū)省際全要素能源效率研究——基于超效率DEA模型和Malmquist指數(shù)[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2014,(2):32-40.

[43] 張兵兵,田 曦,朱 晶.環(huán)境污染治理、市場(chǎng)化與能源效率:理論與實(shí)證分析[J]. 南京社會(huì)科學(xué), 2017,(2):39-46.

[44] 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.

[45] 涂正革.環(huán)境、資源與工業(yè)增長(zhǎng)的協(xié)調(diào)性[J]. 經(jīng)濟(jì)研究, 2008,(2): 93-105.

[46] 陳 磊,徐琳瑜.基于行業(yè)關(guān)聯(lián)研究的廣東省能源消費(fèi)分析[J]. 中國(guó)環(huán)境科學(xué), 2017,37(10):3972-3980.

[47] 秦昌波,葛察忠,劉倩倩,等.中國(guó)煤炭環(huán)境成本內(nèi)部化的經(jīng)濟(jì)影響分析[J]. 中國(guó)環(huán)境科學(xué), 2018,38(2):745-754.

[48] 張同斌,劉 琳.中國(guó)碳減排政策效應(yīng)的模擬分析與對(duì)比研究——兼論如何平衡經(jīng)濟(jì)增長(zhǎng)與碳強(qiáng)度下降的雙重目標(biāo)[J]. 中國(guó)環(huán)境科學(xué), 2017,37(9):3591-3600.

1.“一帶一路”是“絲綢之路經(jīng)濟(jì)帶”和“21世紀(jì)海上絲綢之路”的簡(jiǎn)稱,后文將: “絲綢之路經(jīng)濟(jì)帶”簡(jiǎn)稱“一帶”,將“21世紀(jì)海上絲綢之路”簡(jiǎn)稱“一路”.

2. 2015年數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒2016》.2016年重點(diǎn)地區(qū)占全國(guó)GDP比值為根據(jù)《中國(guó)統(tǒng)計(jì)年鑒2017》數(shù)據(jù)計(jì)算.全國(guó)GDP并非為各地區(qū)GDP簡(jiǎn)單加總而來(lái),該比值進(jìn)行了簡(jiǎn)化處理.

3. 工業(yè)廢水排放總量指標(biāo)已包含“化學(xué)需氧量”,“氨氮”等主要污染物,由于數(shù)量級(jí)較小,因此認(rèn)為以工業(yè)廢水排放總量可以作為水體污染的綜合指標(biāo)更為合適.

4. 由于2011年之前的工業(yè)廢氣污染對(duì)“氮氧化物”的統(tǒng)計(jì)不完全,因此本文的大氣污染指標(biāo)未包含“氮氧化物”.

Total factor energy efficiency of the regions along the belt and road: Measurement, decomposition and influence factorsanalysis.

YANG Zhong-shan, WEI Xiao-xue*

(School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2018,38(11)：4384~4392

The total factor energy efficiency (TFEE) of the Belt and Road (B&R) key regions in China are the research objectives. The research scheme consists: measurement, decomposition and influence factors analysis. Three kinds of undesirableoutputs of air and water pollution is considered Firstly, a super-efficiency SBM model was used to measure the TFEE of the key regions during 2005~2015. Then, a Malmquist index was applied to analyze the TFEE changes. Finally, a Tobit model was applied to analyze10 influence factors. The results showed that, during 2005~2015, no significant progress is found in the TFEE of key regions; and there existed difference in the TFEE with different economic belts: “the road” key regions had the highest TFEE, followed by the whole key regions, and “the belt” key regions had the lowest TFEE. The TFEE of them are stabled at 0.96, 0.82 and 0.76 level. The Malmquist index of most of the key regions is larger than 1, indicating that the productivity has improved but there may be the rebound effect. In addition, we found that, economic development, industrial structure, opening-up and energy price were the major positive influence factors of TFEE; while research and development, government intervention, productive factor proportion and industrial pollution were the major negative influence factors of TFEE.

the belt and road initiative；total factor energy efficiency；super efficiency-SBM model；Malmquist index；influence factor.

X22

A

1000-6923(2018)11-4384-09

楊仲山(1971-),男,陜西漢中人,教授,博士,主要從事國(guó)民經(jīng)濟(jì)核算與宏觀經(jīng)濟(jì)統(tǒng)計(jì)研究.發(fā)表論文30余篇.

2018-04-08

國(guó)家社科基金重大項(xiàng)目(13&ZD171)

* 責(zé)任作者, 在讀博士生, Xiaoxueweideufe@163.com