劉浩旻，張?jiān)谛瘢觖愌?/p>

（中國(guó)石油大學(xué)（華東）經(jīng)濟(jì)管理學(xué)院，山東 青島 266580）

0 引言

“供給側(cè)結(jié)構(gòu)性改革”自2015年習(xí)近平總書記首次提出以來(lái)，指導(dǎo)各地區(qū)適度擴(kuò)大總需求、不斷提高供給體系質(zhì)量和效率、尋求經(jīng)濟(jì)持續(xù)增長(zhǎng)新動(dòng)力。能源作為生產(chǎn)要素的必要投入，在人類社會(huì)和國(guó)民經(jīng)濟(jì)發(fā)展中具有重要的戰(zhàn)略地位。推動(dòng)能源結(jié)構(gòu)優(yōu)化升級(jí)，減少能源無(wú)效供給，合理配置能源資源，不斷提高能源效率是能源供給側(cè)結(jié)構(gòu)性改革的目標(biāo)?！吨泄仓醒腙P(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃的建設(shè)》提出了“能源資源開發(fā)利用效率大幅的提高，能源消耗、碳排放量總量得到有效控制，主要污染排放總量大幅減少”的目標(biāo)。中國(guó)經(jīng)濟(jì)進(jìn)入“新常態(tài)”，改革進(jìn)入攻堅(jiān)克難的深水區(qū)，能源資源短缺，配置不合理，利用效率低下，隨之產(chǎn)生的沙塵暴、霧霾等生態(tài)環(huán)境問(wèn)題日趨嚴(yán)峻，可見提高能源效率，節(jié)約能源是中國(guó)實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)和環(huán)境保護(hù)的必要條件。為此，本文對(duì)中國(guó)各省域能源效率及影響因素進(jìn)行了研究，為能源供給側(cè)結(jié)構(gòu)性改革的實(shí)施和經(jīng)濟(jì)高質(zhì)量發(fā)展提供理論依據(jù)。

1 研究方法

1.1DEA—BCC模型

數(shù)據(jù)包絡(luò)分析（DEA）是Charnes和Cooper首次提出用于評(píng)價(jià)相同部門之間相對(duì)有效性的模型。本文選用DEA-BCC模型考慮非期望產(chǎn)出對(duì)中國(guó)省域能源效率進(jìn)行測(cè)算。

假設(shè)決策單元有n個(gè)，每個(gè)決策單元都有m種類型的投入變量以及s種類型的產(chǎn)出變量，則有：

其中，xij表示第 j個(gè)決策單元對(duì)第i種輸入的投入量，xij＞0；yrj表示第 j個(gè)決策單元對(duì)第r種輸出的產(chǎn)數(shù)量，yrj＞0；νi表示第i種輸入的一種度量（或稱權(quán)重）；ur表示第r種輸出的一種度量（或稱權(quán)重）。

其實(shí)質(zhì)確定一組最佳的權(quán)重變量 ν=(ν1，ν2，...，νm)T和u=(u1，u2，...，us)T。使得第 j個(gè)決策單元的效率值 ηj最大。

其中 ηj(j=1,2,…,n)均不超過(guò)1，即 maxηj≤1，若第j個(gè)決策單元ηj=1，說(shuō)明該決策單元是有效的；若ηj＜1，表明該決策單元是無(wú)效的，其生產(chǎn)效率需要提高。

BCC模型是在規(guī)模報(bào)酬可變的條件下對(duì)效率進(jìn)行測(cè)算，其表達(dá)式可以表示為：

其中，θ(θ≤1)的最大值為決策單元j0的技術(shù)效率值，λj為相對(duì)于決策單元j0重新構(gòu)造的有效決策單元組合中第j個(gè)決策單元的組合比例，表示約束條件，與分別為m種投入變量和s種產(chǎn)出變量的松弛變量。

模型的含義為：①若θ=1且=0，=0，表明該決策單元有效，且其規(guī)模效應(yīng)和技術(shù)效應(yīng)同時(shí)達(dá)到有效，由其所組成的效率前沿面為規(guī)模收益不變；②若θ＜1且≠

0，≠0，表明該決策單元無(wú)效，決策單元的無(wú)效可能是由技術(shù)效率無(wú)效引起，也可能是由規(guī)模效率無(wú)效引起的，或者是兩者的共同作用所引起的；③若決策單元是無(wú)效的，可以根據(jù)目標(biāo)值對(duì)決策單元的投入和產(chǎn)出進(jìn)行調(diào)整和改進(jìn)，直至決策單元接近有效或者是完全有效。

1.2 面板數(shù)據(jù)模型

面板數(shù)據(jù)是一種二維結(jié)構(gòu)數(shù)據(jù)，具有時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù)的雙重性質(zhì)，既可研究對(duì)象個(gè)體間的差異又可研究個(gè)體隨時(shí)間的變化趨勢(shì)。面板數(shù)模型根據(jù)有無(wú)內(nèi)生變量分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型，其一般形式：

其中，i=1，2，…N，表示橫截面中研究的個(gè)體數(shù)目；t=1，2，…，T表示已知的T個(gè)時(shí)點(diǎn)；yit表示被解釋變量單位個(gè)體i在t時(shí)的觀測(cè)值；xkit表示的是第k個(gè)解釋變量對(duì)單位個(gè)體i在t時(shí)的觀測(cè)值；βki是模型中的待估計(jì)參數(shù)；uit是模型中的隨機(jī)誤差項(xiàng)。其矩陣形式為：

式（4）中：

2 中國(guó)省域能源效率測(cè)算

2.1 指標(biāo)選取與數(shù)據(jù)來(lái)源

根據(jù)中國(guó)各省市能源利用中對(duì)資本、勞動(dòng)力、技術(shù)和環(huán)境的要求及國(guó)內(nèi)外相關(guān)專家的研究成果，遵循科學(xué)性、可操作性和完備性的指標(biāo)構(gòu)建原則，構(gòu)建能源測(cè)算指標(biāo)體系，分為投入和產(chǎn)出兩類指標(biāo)，具體見表1。

表1 能源效率測(cè)算指標(biāo)

2.1.1 投入指標(biāo)

①勞動(dòng)投入，用各省市勞動(dòng)力質(zhì)量的人力資本存量（萬(wàn)人）表示。計(jì)算如公式（5）所示：

其中，Pi，t和all6i，t分別表示第i省第t年6歲及以上平均受教育程度和總?cè)丝?，Primi，t、Junii，t、Semii，t、Colli，t分別表示第i省第t年小學(xué)、初中、高中、?？萍皩？埔陨系漠厴I(yè)人數(shù)，Li，t和Si，t分別表示第i省第t年人力資本存量和年末的勞動(dòng)力總?cè)藬?shù)。相關(guān)數(shù)據(jù)均來(lái)自于歷年中國(guó)統(tǒng)計(jì)年鑒。

②資本存量，用固定資本存量（億元）衡量，由中國(guó)統(tǒng)計(jì)年鑒獲得中國(guó)各省市歷年固定資產(chǎn)投資完成額，采用單豪杰[16]的“永續(xù)盤存法”進(jìn)行計(jì)算。計(jì)算如公式（6）所示：

其中，Ki，t、Di，t和Ii，t分別表示第i個(gè)省份在第t年的資本存量、固定資本折舊率和投資額度，Ki，t-1表示第i個(gè)省份在第t-1年固定資本存量。名義固定資本形成總額和固定資產(chǎn)投資價(jià)格指數(shù)均從中國(guó)統(tǒng)計(jì)年鑒和各省統(tǒng)計(jì)年鑒獲取，固定資本折舊率借鑒單豪杰[16]采用的平均折舊率10.96%表示。本文的測(cè)算以2006年為基期，初始投資即為2006年的固定資本存量。初始資本存量的計(jì)算方法如公式（7）所示：

其中，Ki,2006、Ii,2006和gi，2006-2011分別表示i省以2006年為基期的資本存量、固定投資和固定資本的年平均增長(zhǎng)率，采用平均增長(zhǎng)率能夠有效降低不同年份間資本差異過(guò)大所帶來(lái)的誤差。

③能源投入：將中國(guó)各省市生產(chǎn)和生活中煤炭、石油和天然氣等能源的耗用統(tǒng)一折算成標(biāo)準(zhǔn)煤表示能源消費(fèi)總量（萬(wàn)t標(biāo)準(zhǔn)煤）。相關(guān)數(shù)據(jù)均來(lái)自中國(guó)能源統(tǒng)計(jì)年鑒和各省統(tǒng)計(jì)年鑒。

2.1.2 產(chǎn)出指標(biāo)

①期望產(chǎn)出，用各省實(shí)際生產(chǎn)總值（億元）表示。為剔除價(jià)格變動(dòng)產(chǎn)生的影響，確保歷年數(shù)據(jù)間的可比性，本文以2006年為基期，將名義GDP換算為實(shí)際GDP。其中各省歷年名義GDP和GDP平減指數(shù)取自中國(guó)統(tǒng)計(jì)年鑒。

②非期望產(chǎn)出，用環(huán)境污染產(chǎn)出綜合指標(biāo)表示。本文對(duì)廢水排放量（萬(wàn)t）、酸性氣體SO2排放量（萬(wàn)t）、氨氮排放量（t）和固體廢棄物排放量（萬(wàn)t）四種污染物指標(biāo)先進(jìn)行標(biāo)準(zhǔn)化處理，再利用指標(biāo)權(quán)重熵值法計(jì)算環(huán)境污染產(chǎn)出綜合指標(biāo)。四大污染物數(shù)據(jù)均來(lái)自中國(guó)和各省份歷年統(tǒng)計(jì)年鑒。

熵值法的具體過(guò)程分為六步：

第一步：對(duì)原數(shù)據(jù)進(jìn)行預(yù)處理，xij為某省份第i年第j個(gè)污染指標(biāo)，計(jì)算公式如式（8）所示：

第二步：對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，計(jì)算公式如式（9）所示：

第三步：確定第j個(gè)污染指標(biāo)的熵值，計(jì)算公式如式（10）所示：

第四步：計(jì)算指標(biāo)差異系數(shù)，差異性越小，表明指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響越小，計(jì)算公式如（11）所示：

第五步：計(jì)算第j項(xiàng)污染指標(biāo)的權(quán)重，計(jì)算公式如（12）所示：

第六步：計(jì)算第i年環(huán)境污染指數(shù)，計(jì)算公式如（13）所示：

利用公式（13）計(jì)算2006—2016年各省市環(huán)境污染綜合指標(biāo)，值越低，能源效率相對(duì)越高。

2.2 能源效率的測(cè)算

采用DEAP2.1軟件對(duì)各省市的能源利用效率進(jìn)行測(cè)算。由測(cè)算結(jié)果（見表2）可知，各省市能源效率差異較大，以2016年為例，能源效率最高為北京市和上海市高達(dá)1.000，而最低值的青海市僅為0.314。樣本期內(nèi)，北京和上海的能源效率的效率值為1，均實(shí)現(xiàn)了能源效率最優(yōu)。能源高質(zhì)量發(fā)展要求產(chǎn)出過(guò)程中的非期望產(chǎn)出越少越好，北京上海一線城市的能源按需供給，且有效治理能源消耗中的污染物排放，注重生態(tài)保護(hù)，長(zhǎng)期以來(lái)保持能源高效利用。天津、黑龍江、廣西和廣東四省的能源效率由1出現(xiàn)下降，天津和廣西下降幅度過(guò)大，由效率值1分別降至0.443和0.373。天津和廣西人口多資源少，石油、煤、天然氣都常規(guī)能源均異常貧乏，經(jīng)濟(jì)的快速發(fā)展與能源有效供給的缺口越來(lái)越大，能源效率下降較多。其他24個(gè)省市呈現(xiàn)先上升后下降的波動(dòng)狀態(tài)。

3 中國(guó)省域能源效率影響因素實(shí)證分析

3.1 變量選擇與數(shù)據(jù)來(lái)源

本文利用面板數(shù)據(jù)模型對(duì)能源效率影響因素進(jìn)行實(shí)證分析，借鑒前人已有的研究，考慮數(shù)據(jù)的可得性，選取經(jīng)濟(jì)發(fā)展水平（ES）、技術(shù)進(jìn)步（TP）、能源價(jià)格（EP）、城鎮(zhèn)化水平（CL）、產(chǎn)業(yè)結(jié)構(gòu)（IS）、能源消費(fèi)水平（ST）、政府干預(yù)度（FR）8個(gè)因素作為解釋變量，由BCC測(cè)算的能源效率值（EE）作為被解釋變量，解釋變量詳見下頁(yè)表3。

以上數(shù)據(jù)為2006—2016年的面板數(shù)據(jù)，解釋變量相關(guān)數(shù)據(jù)來(lái)源《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》和各省市統(tǒng)計(jì)年鑒，所有的變量數(shù)值都用比值或者絕對(duì)值的對(duì)數(shù)來(lái)進(jìn)行表示。部分缺失值則通過(guò)相鄰兩年的平均值來(lái)進(jìn)行彌補(bǔ)。

3.2 變量檢驗(yàn)

3.2.1 變量描述性統(tǒng)計(jì)分析

相關(guān)變量的描述性統(tǒng)計(jì)如下頁(yè)表4所示。

表3 解釋變量指標(biāo)

表4 面板模型相關(guān)變量描述統(tǒng)計(jì)

利用STATA12.0對(duì)變量進(jìn)行描述性統(tǒng)計(jì)，從表4可以看出，每一個(gè)變量的330個(gè)觀測(cè)值均沒(méi)有出現(xiàn)極端數(shù)據(jù)，各數(shù)據(jù)的離散度較小。

3.2.2 多重共線性檢驗(yàn)

進(jìn)行回歸分析時(shí)，必須保證解釋變量間的獨(dú)立性。若所選取的變量間存在相關(guān)性，將會(huì)影響模型估計(jì)的準(zhǔn)確性和有效性。因此，本文通過(guò)STATA12.0軟件采用膨脹因子法對(duì)解釋變量的多重共線性進(jìn)行檢驗(yàn)。

表5 相關(guān)變量多重共線性檢驗(yàn)

如表5所示，模型中膨脹因子的平均值為2.789，與經(jīng)驗(yàn)值2的差異較小，其最大值為7.200，遠(yuǎn)小于經(jīng)驗(yàn)值10，故表明該模型不存在多重共線性。

3.3 結(jié)果分析

3.3.1 固定效應(yīng)回歸分析

對(duì)面板數(shù)據(jù)進(jìn)行固定效應(yīng)模型首次回歸，結(jié)果顯示：模型的擬合優(yōu)度為0.7928，調(diào)整后的擬合優(yōu)度為0.7962，F(xiàn)統(tǒng)計(jì)量為6.7900，回歸方程成立。政府干預(yù)度（FR）的概率值為0.2300，對(duì)外開放程度（OO）的概率為0.3420，大于10%的顯著性水平，表明這兩個(gè)變量對(duì)我國(guó)省域能源效率的影響不顯著。所以將FR和OO剔除再進(jìn)行回歸，回歸結(jié)果如表6所示。

3.3.2 隨機(jī)效應(yīng)回歸分析

對(duì)面板數(shù)據(jù)進(jìn)行隨機(jī)效應(yīng)模型首次回歸，結(jié)果顯示：模型的擬合優(yōu)度為0.6943，調(diào)整后的擬合優(yōu)度為0.6362，F(xiàn)統(tǒng)計(jì)量為8.4500，回歸方程成立。但政府干預(yù)度（FR）的概率值為0.1890，對(duì)外開放程度（OO）的概率為0.2620，大于10%的顯著性水平，表明這兩個(gè)變量對(duì)我國(guó)省域能源效率的影響不顯著。所以將FR和OO剔除再進(jìn)行回歸，回歸結(jié)果如表7所示。

表6 面板數(shù)據(jù)固定效應(yīng)回歸

表7 面板數(shù)據(jù)隨機(jī)效應(yīng)回歸

3.3.3 Hausman檢驗(yàn)

對(duì)剔除變量的固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行Hausman檢驗(yàn)，檢驗(yàn)結(jié)果如表8所示。

表8 回歸模型Hausman檢驗(yàn)

檢驗(yàn)結(jié)果表明，模型卡方統(tǒng)計(jì)量為50.7800，接受原假設(shè)的概率為0.0000，因此在5%的顯著性水平下拒絕原假設(shè)，應(yīng)選固定效應(yīng)模型及其估計(jì)方法研究中國(guó)各省域間能源效率的影響因素?；貧w方程見式（14）：

該結(jié)果表示了經(jīng)濟(jì)發(fā)展水平、技術(shù)進(jìn)步、能源相對(duì)價(jià)格、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)對(duì)我國(guó)能源效率的影響方向和程度，通過(guò)固定效應(yīng)檢驗(yàn)結(jié)果可知，其先后通過(guò)了擬合優(yōu)度檢驗(yàn)和F檢驗(yàn)，表明各個(gè)解釋變量影響顯著，所以回歸模型成立。各個(gè)變量對(duì)能源效率產(chǎn)生的結(jié)果如下：

①經(jīng)濟(jì)水平（ES）與能源效率呈正相關(guān)關(guān)系。當(dāng)其他的變量保持不變時(shí)，實(shí)際GDP的自然對(duì)數(shù)每提高1個(gè)單位值，能源效率平均上升0.0525個(gè)效率值。中國(guó)各省域GDP的提高有賴于能源消費(fèi)，GDP越高，表明對(duì)能源的需求相對(duì)也就越高。需求的提高會(huì)反作用于供給，廠商將會(huì)擴(kuò)大規(guī)模帶動(dòng)規(guī)模效率提高，進(jìn)而促進(jìn)整體效率的提升；

②技術(shù)進(jìn)步（TP）與能源效率呈正向關(guān)系。保持其他變量不變，能源效率隨各省域的專利授權(quán)個(gè)數(shù)的自然數(shù)每增加1個(gè)單位值而提高0.0432個(gè)效率單位。中國(guó)到2016年的專利授權(quán)數(shù)量達(dá)到175.38萬(wàn)件，比2015年增加了3.56萬(wàn)件。其中專利授權(quán)數(shù)平均數(shù)最多是廣東省，最低的是青海省。相應(yīng)的廣東能源資源達(dá)到了最優(yōu)配置，而青海能源效率仍需提高。雖然技術(shù)的進(jìn)步不能僅僅用各省市的專利授權(quán)數(shù)來(lái)進(jìn)行表示，卻能夠反映技術(shù)進(jìn)步對(duì)于促進(jìn)能源效率的提升至關(guān)重要；

③能源相對(duì)價(jià)格（EP）對(duì)能源效率產(chǎn)生積極影響。保證其他影響因素不變下，能源效率的平均值隨能源相對(duì)價(jià)格提高1個(gè)單位而提高0.0418個(gè)效率單位。廠商購(gòu)進(jìn)生產(chǎn)要素的提高，帶動(dòng)其附屬品燃料、動(dòng)力類資源的價(jià)格的提升，成本的提升變相降低工業(yè)產(chǎn)品的價(jià)格，能源效率相對(duì)提高。能源相對(duì)價(jià)格的提高會(huì)使企業(yè)的利潤(rùn)降低，企業(yè)都是逐利的，為了保持自身效益和競(jìng)爭(zhēng)優(yōu)勢(shì)，將會(huì)增加技術(shù)投入，在該產(chǎn)出水平下使投入的資源更少，從而提高了企業(yè)能源的利用效率；

④城鎮(zhèn)化水平（CL）對(duì)能源效率有正向影響。各省份城鎮(zhèn)人口所占比重每增加一個(gè)百分點(diǎn)，能源效率將相應(yīng)提高0.0085個(gè)單位。北京和上海的城鎮(zhèn)化水平較高，城鎮(zhèn)人口占總?cè)丝诘谋戎胤謩e為86.5%和82.93%，而貴州的比重為較低的，僅為44.15%，但上海和北京的能源效率值遠(yuǎn)高于貴州。城鎮(zhèn)化水平越高，引進(jìn)的技術(shù)更先進(jìn)，人才更優(yōu)秀，同樣投入在外部?jī)?yōu)越環(huán)境推動(dòng)下產(chǎn)出更多，從而提高該地區(qū)的能源效率；

⑤產(chǎn)業(yè)結(jié)構(gòu)（IS）與能源效率呈顯著的負(fù)相關(guān)關(guān)系。第二產(chǎn)業(yè)比重每增加一個(gè)百分點(diǎn)能源效率下降0.0233個(gè)效率單位。2006—2016年，河南第二產(chǎn)業(yè)所占的比重最高，平均為54.61%，第二產(chǎn)業(yè)所占比重最低的是北京市，僅為23.77%，而北京的能源效率遠(yuǎn)高于河南。河南作為中國(guó)人口大省，中部崛起戰(zhàn)略的實(shí)施有效推動(dòng)第二產(chǎn)業(yè)發(fā)展，對(duì)能源的需求遠(yuǎn)高于北京市；第二產(chǎn)業(yè)所占比重對(duì)能源效率有消極影響，相比北京，河南第二產(chǎn)業(yè)處于規(guī)模報(bào)酬遞減階段，生產(chǎn)資料的配置已超過(guò)最佳組合，使得該產(chǎn)業(yè)能源效率下降，而影響整個(gè)省的能源效率；

⑥能源消費(fèi)結(jié)構(gòu)（ST）對(duì)能源效率產(chǎn)生消極影響。當(dāng)其他影響因素不變，煤炭、石油消費(fèi)比重每上升1個(gè)百分點(diǎn)，能源效率隨之下降0.0004個(gè)效率單位。西北地區(qū)煤炭石油在能源消費(fèi)比重偏高，沿海地區(qū)的電力消費(fèi)比重偏高，調(diào)整每個(gè)地區(qū)的煤炭、石油、電力消費(fèi)比例，會(huì)相應(yīng)的調(diào)整各種能源利用的貢獻(xiàn)度，有利于提高各個(gè)地區(qū)的能源效率，從而提高中國(guó)整體能源效率。

4 結(jié)論

本文在考慮環(huán)境非期望產(chǎn)出基礎(chǔ)上利用DEA-BCC模型和面板數(shù)據(jù)模型對(duì)2006—2016年中國(guó)各省域能源效率及影響因素進(jìn)行了分析，結(jié)果顯示：①樣本中，同一年份不同省市之間能源效率差異較大，北京市和上海市能源效率值高達(dá)1，而最低值青海市僅為0.314；②樣本期內(nèi)，中國(guó)能源效率總體上呈現(xiàn)先上升后下降趨勢(shì)；③地區(qū)經(jīng)濟(jì)發(fā)展水平、科學(xué)技術(shù)發(fā)展水平、能源相對(duì)價(jià)格變化、地區(qū)城鎮(zhèn)化水平與能源效率呈顯著正相關(guān)關(guān)系；④第二產(chǎn)業(yè)所占的比重、煤炭石油為主的能源消費(fèi)結(jié)構(gòu)與能源效率呈負(fù)相關(guān)關(guān)系；⑤在能源效率影響因素上，政府干預(yù)程度和地區(qū)對(duì)外開放程度對(duì)中國(guó)省域能源效率影響不顯著；因此，政府應(yīng)考慮各區(qū)域?qū)嶋H情況，因地制宜制定與能源供給側(cè)結(jié)構(gòu)性改革相適應(yīng)的對(duì)策，提高整體能源效率。