基于隐含能的行业完全能源效率评价模型研究

徐丽萍 ,王 立 ,李金林 (1.北京城市系统工程研究中心,北京 100089；.北京市科学技术研究院,北京100089；.北京理工大学管理与经济学院,北京 100089)

基于隐含能的行业完全能源效率评价模型研究

徐丽萍1*,王 立2,李金林3(1.北京城市系统工程研究中心,北京 100089；2.北京市科学技术研究院,北京100089；3.北京理工大学管理与经济学院,北京 100089)

针对各行业能源利用效率的评价比较问题,考虑能源、经济、环境之间相互依存和相互制约的关系,基于隐含能思想提出了行业完全能源效率的概念,构建了评价指标体系,并将投入产出模型和数据包络分析方法相结合建立了评价模型,模型综合考虑了行业生产中能源消耗和碳排放对经济社会发展与环境演变的作用与价值.通过实证分析,对北京市 42个行业的完全能源效率进行了评价,鉴别其在生产全流程能源消费中存在的问题,并给出了提高行业完全能源效率的潜力和改进途径.实证研究结果表明,北京市第一产业的完全能源效率很低,有些服务业的完全能源效率也较低,相反地有些工业行业的完全能源效率却比较高.这说明,为了实现节能减排目标,政府不应该简单地限制所有工业行业发展,也不应该盲目地鼓励发展所有服务业,而应该参考各行业的完全能源效率情况,在充分衡量其对经济社会发展的贡献之后做出综合决策.

能源效率；隐含能；隐含碳排放；数据包络分析；投入产出模型

研究表明,我国GDP能源消费强度远超过发达国家,也超过世界平均水平.2008年,中国GDP能源强度为 0.74t标准煤/美元,是世界平均水平的2.73倍,是美国的3.55倍,是欧洲国家平均水平的4.98倍,是德国的5.55倍和日本的5.63倍;此外,2009年我国一次能源消费碳强度为0.62t碳/t标准煤,比世界平均水平高24%,比OECD国家高33%,比欧盟国家高 38%,比印度还高出 5.2%[1].可见,实现我国节能减排目标的关键是在发展经济的过程中大力提高能源利用效率和降低能源消费碳排放强度,而这需要通过深度调整产业结构、改善能源消费模式来实现.

世界能源委员会定义能源效率为减少提供同等能源服务的能源投入. 从经济学角度来说,能源效率是指给定能源投入条件下实现最大经济产出的能力,或是给定经济产出水平下实现投入能源最小化的能力.能源效率可以由多种指标来进行测算.由于能源消费所引起的环境问题日益严重,在研究不应仅考虑经济产出,还须考虑环境影响.魏楚[2]认为,能源效率评价是在经济发展和环境约束条件下对能源利用水平的判断.合理的能源效率评价方法可以为制定各行业节能减排措施和调整地区产业结构提出有价值的建议和决策支持.

对于能源利用效率的评价常有 2种不同的方式:一种是单要素评价,即只把能源要素与产出进行比较,不考虑其他相关要素,如以能源强度的倒数作为能源效率指标;另一种是多要素评价,考虑与能源消耗相关的各种要素的相互作用,也称全要素能源效率评价方法,思想来源于微观经济学上的全要素生产理论.全要素评价考虑经济社会系统的多种因素之间的相互作用关系,对从能源、经济、环境、社会之间的协调发展的角度研究能源效率评价问题更具有优势.

关于多要素能源效率评价的研究,目前主要是针对国家层面和区域层面的分析[3-8].从行业层面研究能源效率的文献比较少[9-12].目前,关于能源效率的研究文献主要是分析能源技术效率或是进行地区间能源效率的对比.尚没有对区域内各行业能源利用效率的比较分析.而分析比较各行业的能源利用效率,可以为通过深度调整产业结构来实现地区整体节能减排目标,进而为地区产业结构优化升级提供参考.本研究采用投入产出分析和数据包络分析相结合的方法,研究基于产业链能耗分析的区域各行业能源利用效率的评价方法,旨在揭示区域产业结构与能源利用效率的内在关系.

1 行业完全能源效率及其评价模型

在评价行业能源效率时,不仅要考虑行业生产所直接消耗的能源和碳排放,还应考虑“隐含”在生产和服务的各个环节中的能耗和碳排放.隐含能是指某种产品或服务生产过程中直接和间接消耗的能源总量.隐含能消费所带来的碳排放称为隐含碳排放.

利用隐含能和隐含碳,评价行业生产的全流程能耗与碳排放,能够全方位地揭示能源消费对经济和环境的影响.另外,在进行能源效率分析时,除了经济产出和环境影响以外,还应考虑社会发展和居民生活因素.因此,本文定义行业完全能源效率为:在给定能源资源和环境需求的条件下,考虑生产全流程的能耗与碳排放,某行业实现最大经济产出和社会效益的能力.将行业完全能源效率记为TEES(Total Energy Efficiency of Sectors).

本研究构建行业完全能源效率 TEES的评价指标体系,提出利用经济计量学投入产出分析进行指标测算的方法,并运用规模报酬可变的投入导向型DEA方法建立TEES评价模型,最后以北京为案例进行实证分析.

1.1 模型描述

由于本研究测算的是不同行业(或称部门)的能源消费和碳排放对城市经济发展、人民生活和就业的贡献大小,目标是找出那些应该首先降低能源强度和碳排放强度的行业,故本文运用投入型DEA方法开展研究.

本研究中，行业分类以区域投入产出表为基准.假设有 n个行业或评价单元 DMU,每个DMUj都有m种输入(即投入)和k种输出(即产出),相应的向量分别为 Xj=(x1j,x2j,…,xmj)T和Yj=(y1j,y2j,…,ykj)T,Xj和 Yj均是非负向量(j=1, 2,…,n).对于第j0个评价单元DMUj0进行相对效率评价,采用的规模报酬可变的投入型 DEA模型(称BCC模型)为:

式中, X0和Y0为DMUj0的输入和输出向量;λj表示通过现有的评价单元重新组合构造一个有效DMU时,第j个评价单元DMUj的组合比例;θ表示有效前沿面的径向优化量或“距离”,称为相对效率,在本文中表示被评价行业DMUj0的完全能源效率,θ越小表示行业完全能源效率水平越低,行业的耗能结构和发展战略越需要调整.

根据 DEA理论,线性规划(1)用来衡量每个评价单元DMUj的综合有效性,其经济含义是:保持DMUj的产出水平不降低,以其他DMU的实际投入产出水平为基准优化 DMUj时,其投入要素同比例减少所能达到的最低程度.

DEA方法评价的有效性是相对意义上的有效,而非绝对有效,亦即各评价单元在相互比较优势之下的效率值.当评价单元DMUj0非DEA有效时,必定是因为投入冗余或产出不足.根据投影定理[13],非 DEA有效的评价单元在生产前沿面上的投影是DEA有效的,即通过调整非DEA有效的评价单元的投入产出指标数值使其转化为DEA有效,投影公式为:

对于非 DEA有效的评价单元,利用式(2)计算投入冗余量(投入指标需要减少的量)和产出不足量(即该产出指标应该予以扩大的量),进而决策非DEA有效的评价单元的改进方向.

在大部分DEA模型中,DEA有效的评价单元往往不只一个.因此,需解决有效单元的排序问题.研究者进行过有益的尝试, 其中 Super-SBM模型[14]较好地解决了DEA有效单元排序问题.

式中: ε为非阿基米德无穷小量,在实证研究中取为ε=10-8; em和ek分别为m维和k维分量全为1的行向量.该模型的主要改进在于评价决策单元时,把该评价单元与其他所有评价单元的线性组合做比较,使评价单元 j的投入和产出被其它所有的评价单元投入产出的线性组合替代,而将第j个评价单元排除在外.实际上,Super- SBM模型是对DEA有效单元评价计算时,去掉了效率指标小于等于1的隐形约束条件,此时会得到大于等于1的效率,称之为超效率.一个DEA有效的评价单元可以使其投入比例增加,产出保持不变,并与其他评价单元的组合保持平衡,投入增加的最小比例即是其超效率值.在能源效率评价中将超效率β称为完全能源超效率,并利用其对行业的能源效率进行排序.

1.2 行业和评价指标选取

进行行业能源效率的综合评价主要目的是,对地区的各行业在经济活动中能源消耗和碳排放水平在整个经济体和社会生活中所处的地位和作用的理性认识.因此,需要评价能源效率的行业是对城市经济社会有重要影响的行业,以区域投入产出表的行业分类为基准选取被评价的行业,如对北京选取2007年价值型投入产出表中的42个部门作为评价对象.

确定合理的输入输出指标是建立有效的行业完全能源效率评价 DEA模型的前提和基础.在选取输入输出指标时,输入指标作为评价单元的投入应为成本型指标,输出指标作为评价单元的产出应为效益型指标.

输入指标选取的关键在于确定投入要素.本研究主要分析能源利用水平对社会经济的贡献,以比较各行业在可持续发展方面的优势.能源利用水平一般是通过能源消耗总量、能源强度(也称能耗系数)、能源消耗弹性系数等指标衡量.而能源生产和使用中产生的污染物和碳排放给环境带来不可忽视的影响,故应将能源消费的碳排放强度纳入到能源效率评价中.因此,本研究选取各行业的能耗系数和碳排放系数作为输入指标,其中能耗系数又分为直接能耗系数DEE和完全能耗系数 TEE,碳排放系数又分为直接碳排放系数DCE和完全碳排放系数TCE.其中,直接能耗系数和直接碳排放系数度量的是行业生产活动中直接消耗的能源和碳排放.由于生产过程中需要投入原料和中间产品,而它们的生产也会带来能耗和碳排放,行业能耗效率分析中还应考虑原料和中间产品隐含的间接能耗和间接碳排放.因此,从全流程分析和产品隐含能的角度,选取完全能耗系数和完全碳排放系数作为分析指标.

对于能源的产出度量,一般是考虑经济产出或物理产出.物理产出由于形式的多样性可能会给产出指标造成偏差,在能源效率分析很少采用.经济产出是指以市场价格测量的经济指标,对于国家和地区层面就是国民生产总值,对于行业和企业来说就是增加值.经济指标虽然可以度量能源使用的经济价值,但是不能衡量能源使用的社会价值,因此,在选取产出指标时,主要考虑行业的经济指标,行业生产对提升本地居民生活水平的贡献,以及行业的经济活动对全社会就业数量的贡献.

具体地,根据能源使用对经济社会的影响价值取向,选取 3个输出指标:行业增加值占地区GDP的比例 ADD,行业的最终消费量占行业总产值的比例 FC,行业就业数占全市就业人数的比例EP.指标ADD是经济指标的比例形式,用以描述行业增加值对地区GDP的贡献.指标FC描述行业产品有多少是供给本地最终消费了,包括居民消费和政府消费2部分.这些数据都可以利用统计年鉴上数据计算得到.

综上,行业完全能源效率评价DEA模型中包含了7个输入输出指标,而被评价的行业有42个,符合DEA方法对评价单元数量的要求,即DMU的数量至少是投入产出指标数量之和的 2倍,以及DMU数量不少于输入指标数量与输出指标数量之积.因此,评价模型及其分析结果是有意义的.

2 关键指标的测算方法

在行业完全能源效率评价模型中,各行业能耗系数DEE和TEE,以及碳排放系数DCE和TCE是需要测算的关键指标.直接能耗系数DEE等于行业年能源消费量与年总产值之比,可通过统计年鉴的数据计算.另外3个输入指标的测算则较为复杂.本文在投入产出经济学的完全需求系数理论[15]的基础上,提出行业完全能耗系数TEE,以及碳排放系数DCE和TCE的测算方法.

行业完全能耗是指与各项生产活动和使用相关的所有能耗,包括直接能耗和间接能耗.其中,直接能耗是行业生产中直接消耗的能源,而间接能耗是指生产的中间投入所有环节的能源消耗.一个行业的生产势必需求其他一些行业的产品,被需求行业的能源消耗便是该行业生产所带来的间接能耗.投入产出理论中的 Leontief逆矩阵可用来计算各行业由中间投入叠加所产生的对其他行业的完全需求系数,可以利用其来计算行业完全能耗系数,公式为

式中: et为行业完全能耗系数构成的向量, ed为行业直接能耗系数构成的向量,(I −A)−1为Leontief逆矩阵.

行业的碳排放主要是经济活动中的能源使用所造成的.能源消费的碳排放强度可通过分品种能源的使用结构来测度,因为不同类型的能源所带来的碳排放和污染物排放水平是有差异的.不同品种能源的碳排放因子不同[16].由于各个行业的能源消费量和消费结构不同,因此碳排放系数也不同.本研究考虑的分品种能源有煤炭、焦炭、汽油、柴油、煤油、燃料油、液化石油气和天然气,它们的碳排放因子取为《2006年 IPCC国家温室气体清单》[16]上的缺省值.

行业直接碳排放系数是行业活动直接消耗的各种能源所带来的碳排放水平.对于第 j个行业,直接碳排放系数为

式中: ci为第i种能源的碳排放因子,K为能源的种类数,eij为第 j个行业对第 i种能源的消耗量,Pj为该行业的总产值.各行业分品种能源的消耗量来自北京统计年鉴的数据.

行业完全碳排放量是行业生产活动各环节中由能源使用所产生的所有碳排放量,包括直接碳排放和间接碳排放.对一个地区来说,在确定行业完全碳排放水平时应考虑进口、调入所产生的排放转移因素,即满足本地需求的产品,其制造所产生的直接或间接碳排放并不都发生在本地.因为,如果产品或中间投入来自于进口或调入(如电力),调入品的生产碳排放并不会形成对本地的环境压力.因此,在行业完全碳排放系数的计算中考虑本地自给系数,即为各行业中间产品中本地区生产所占的比例.完全碳排放系数的计算公式见式(6).

式中: ct为行业完全碳排放系数构成的向量,cd为行业直接碳排放系数DCEj构成的向量, α为本地自给系数矩阵.各行业在生产中所消耗的中间产品有些是本地生产的,有些是外地调入或进口的,各行业同一种中间产品的本地自给比例可能不相等,但该数据没有可用的统计资料.因此,为了便于分析,假设各个行业在生产过程中所消耗的同一种中间投入具有相同的本地区生产比重.这样,本地自给系数矩阵α简化成对角阵,主元素为每个行业的总产出占该行业总产出与本地区进口、调入之和的比例,可利用投入产出表的数据计算求得.

3 实证研究

1980年以来,北京市以较低的能耗增速支撑了较快的经济发展.1980～2008年,全市能源消费平均增速约为 4.4%,低于 5.6%的全国平均水平,但同欧洲国家相比,增速仍然较高(英国为-0.3%、德国为-1.9%),主要原因在于北京仍然是发展中地区,经济社会发展势必带来能源消费的持续增长.在《北京市国民经济和社会发展第十二个五年规划纲要》中作为约束性指标提出,北京在“十二五”期间的万元地区生产总值能耗和二氧化碳排放的降低幅度均要达到国家要求.虽然北京提前一年完成“十一五”万元GDP能耗降低 20%的目标,但是过去几年主要靠首钢等高耗能企业的退出,通过“以退促降”推进节能.而“十二五”时期北京工业领域“以退促降”的空间进一步缩小,与其他省市相比,以传统手段推进节能减碳工作的边际成本逐渐增加,后续节能减排压力很大,必须从“以退促降”向以深化产业结构调整、技术节能和管理节能为核心的“内涵促降”转变.因此,本节对北京各行业进行完全能源效率评价,以期识别各行业在能源利用方面存在的问题,并提出改进潜力和调整方向,为北京深度调整各次产业的内部结构和经济结构提供科学依据.

3.1 数据处理

选取北京市 2007年投入产出表[17]上的 42个行业作为评价单元.由于投入产出表与北京统计年鉴分行业能源消费的行业分类不一致,以投入产出表分类为基准,采用归并和分解的方法调整统计年鉴上的行业分类及其相应数据.

对4个投入指标的数据处理方法是:直接能耗系数DEE等于行业年能源消费量与年总产值之比,可通过《北京统计年鉴2008》[18]数据计算得到;系数TEE、DCE和TCE利用北京2007年投入产出表[17]和统计年鉴[18]上的数据,运用公式(4)、(5)、(6)进行计算.

对3个产出指标的数据处理方法是:行业增加值占地区GDP的比例ADD和行业最终消费量占行业总产值的比例FC可根据北京2007年42个部门的投入产出表[17]的数据计算得到;行业就业数占全市就业人数的比例指标EP以北京统计年鉴上的国民经济各行业城镇单位在岗职工人数为基础计算,由于统计年鉴与投入产出表的行业分类不完全一致,需要进行相应的归类统计.

3.2 行业完全能源效率的DEA有效性分析

运用 BCC模型测度各行业完全能源效率的DEA有效性.采用MATLAB7.0软件运行模型,运算结果表明北京有 21个行业的完全能源效率小于1,其中包括第一产业、第二产业的14个行业、第三产业的 6个行业,这些都是非 DEA有效的行业.其他完全能源效率等于1的行业都是DEA有效的,即没有弱DEA有效的行业.表1给出了非 DEA有效的行业完全能源效率值,同时给出了这些行业的投入冗余量和产出不足量的计算结果.

3.2.1 第一产业完全能源效率 传统上对第一产业的认识是能源强度低、污染排放小,但是模型结果却显示其是非DEA有效的,完全能源效率只有 0.5774.此结果是其生产过程中的中间投入所带来的间接能耗较高所导致:第一产业的直接能耗系数只有 0.35,但是完全能耗系数却达到了2.46,这说明由于产业内部结构不合理,使得第一产业的间接能源消耗量过大,导致其完全能源效率很低.根据对投入冗余和产出不足的分析,第一产业若想提高完全能源效率,转化为DEA有效的,其DEE值须降低0.1496,通过改善内部结构使其TEE值降低1.0385,并通过改善用能结构使DCE值降低0.2911,TCE值至少降低0.2,同时本地消费比例须提高1.89%.

3.2.2 第二产业完全能源效率行业特点 第二产业中大部分行业的生产能耗高、能源强度大、能源消费碳排放强度大,从计算结果来看,第二产业中有56%的行业都是非DEA有效的.由于直接/完全能耗系数和直接/完全碳排放系数都较高,一些工业行业完全能源效率很低,如金属采选业、非金属矿及其他矿采选业、非金属矿物制品业和金属冶炼及压延加工业.另外,非金属矿物制品业的本地消费仅占 1.4%,其他3个行业都在北京本地没有消费,因此,从提高城市整体的能源效率出发,北京应限制这四个行业的发展.

工业中的石油加工、炼焦及核燃料加工业,除直接碳排放系数以外,DEE、TEE和TCE的冗余量都较大,要想提高其完全能源效率,不仅要努力降低2个能耗系数和2个碳排放系数,而且要使就业比例提高 4.99%,本地消费比例提高21.7%.

化学工业的直接/完全能耗系数的冗余量较大,但是直接/完全碳排放系数的冗余量并不大,因此提高完全能源效率关键是降低能耗系数.

其他工业行业的直接能耗系数虽然不高,但是完全能耗系数很大,使得完全能源效率偏低,如建筑业、食品制造及烟草加工业,造纸印刷及文教体育用品制造业、金属制品业、通用、专用设备制造业、交通运输设备制造业、电力、热力的生产和供应业,这主要是因为这些行业在生产的中间投入环节消耗了过多的能源,故可通过改变行业的中间投入结构来降低完全能耗系数,提高完全能源效率.

3.2.3 第三产业完全能源效率的行业特点 第三产业虽然表面上看能源强度都很低,污染排放也少,但是有些行业的完全能源效率却不高,如交通运输与仓储业、邮政业、住宿和餐饮业、综合技术服务业、水利、环境和公共设施管理业、居民服务和其他服务业等.其中,前3个行业的直接能耗系数和完全能耗系数都有较大的降低需求,同时前2个行业的碳排放系数也须降低,后3个行业主要是完全能耗系数需要大幅度降低.另外,综合技术服务业应提高行业增加值的占比,其他几个非DEA有效的服务行业须提高本地消费的比例.

综上所述,完全能源效率非DEA有效的行业主要是由于能耗系数和碳排放系数过大,也有一部分是因为在行业增加值、就业和本地消费方面的不足,因此应降低这些行业的能源强度,并改善用能结构以降低碳排放强度,使之达到DEA有效前沿.为提高完全能源效率,各行业应根据自身情况采取不同的措施.

3.3 行业排序结果及分析

从表2可以看到,完全能源超效率居前的行业有:工艺品及其他制造业、金融业、通信设备、计算机及其他电子设备制造业、卫生、社会保障和社会福利业、石油和天然气开采业、仪器仪表及文化、办公用机械制造业、木材加工及家具制造业等.排名前10位的行业中有6个是工业行业,而后10位全部是工业行业.

从行业完全能源效率排序结果来看,不是所有服务业都应该鼓励发展,可以优先发展的服务业有:金融业、卫生、社会保障和社会福利业、公共管理和社会组织、研究与试验发展业、房地产业、批发和零售业、教育、文化、体育和娱乐业、信息传输、计算机服务和软件业、租赁和商务服务业等.同时,不是所有的工业都要限制发展,有些工业的完全能源效率较高,可以鼓励其发展,以促进本地经济增长和增加就业,如,通信设备、计算机及其他电子设备制造业、工艺品及其他制造业、仪器仪表及文化、办公用机械制造业、废品废料业、电气机械及器材制造业等.

综上,政府不应该为了降低能源消耗量和碳排放强度而片面地压缩那些能耗高和能源强度大的行业,或者限制它们的发展,也不应该盲目地鼓励发展所有服务业.作为社会管理者,政府应该参考这些行业的完全能源效率,在充分考虑其对社会和经济发展的贡献之后做出综合决策,从提高区域能源利用效率的角度实现产业结构的深化调整和优化升级.

4 结论

4.1 第一产业和交通运输与仓储业、住宿和餐饮业、综合技术服务业等的完全能源效率是非DEA有效的，对这些服务业的发展应予以适当控制.通信设备、计算机及其他电子设备制造业、工艺品及其他制造业等工业行业的完全能源效率是DEA有效的,是应该鼓励发展的行业.

4.2 利用 Super-SBM 超效率模型对各行业的完全能源效率进行的排序表明,很多工业行业的排序靠前,而有些服务业的排序却靠后.这进一步说明,不是所有的工业行业都要限制其发展,也不是所有的服务业都应鼓励其发展.

[1] The energy data and modeling center, the institute of energy economic, Japan. Handbook of energy and economic statistics in Japan 2011[M]. Japan: Published by the energy conservation center, Japan, 2011.

[2] 魏 楚.中国能源效率问题研究 [D]. 杭州:浙江大学, 2009.

[3] Azadeh A, Amalnick M S, Ghaderi S F, et al. An integrated DEA PCA numerical taxonomy approach for energy efficiency assessment and consumption optimization in energy intensive manufacturing sectors [J]. Energy Policy, 2007,35(7):3792-3806.

[4] Ang B W. Monitoring changes in economy -wide energy efficiency: from energy GDP ratio to composite efficiency index [J]. Energy Policy, 2006,5:574-582.

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

[6] 武春友,吴 琦.基于DEA的能源效率评价模型研究 [J]. 管理科学, 2009,22(1):103-112.

[7] 曾贤刚.我国能源效率、CO2减排潜力及影响因素分析 [J]. 中国环境科学, 2010,30(10):1432-1440.

[8] 魏 楚,沈满洪.能源效率与能源生产率:基于DEA方法的省际数据比较 [J]. 数量经济技术经济研究, 2007,(9):110-121.

[9] Mukherjee Kankan. Energy use efficiency in the Indian manufacturing sector: an interstate analysis [J]. Energy Policy, 2008,(2):662-672.

[10] Mukherjee Kankan. Energy use efficiency in U.S. manufacturing: a nonparametric anal-ysis [J]. Energy Economics, 2008,(1):76-96.

[11] Wei Y M, Liao H, Fan Y. An empirical analysis of energy efficiency in China's iron and steel sector [J]. Energy, 2007, 32(12):2262-2270.

[12] 李廉水,周 勇.技术进步能提高能源效率吗? ——基于中国工业部门的实证检验 [J]. 管理世界, 2006,(10):82-89.

[13] Cooper W W, Seiford L M, Zhu J. Handbook on data envelopment analysis [M]. Boston: Kluwer Academic Publishers, 2004.

[14] Kemmler Andreas Spreng. Energy indicators for tracking sustainability in developing countries [J]. Energy Policy, 2007, 35(4):2466-2480.

[15] Siebe T. Important intermediate transactions and multi-sectoral modeling [J]. Economic Systems Research, 1996,8(2):183-193.

[16] 政府间气候变化专门委员会.《2006年IPCC国家温室气体清单指南》 [M]. 日本:日本全球环境战略研究所, 2006.

[17] 北京市统计局.北京市2007年投入产出基本流量表 [Z]. 北京:北京统计信息网, 2010.

[18] 北京市统计局,国家统计局北京调查总队.北京统计年鉴 2008 [M]. 北京:中国统计出版社, 2009.

Evaluation model of sectors’ energy efficiency based on embodied energy.

XU Li-ping1*, WANG Li2, LI Jin-lin3(1.Beijing Research Center of Urban Systems Engineering, Beijing 100089, China；2.Beijing Academy of Science and Technology, Beijing 100089, China；3.School of Management and Economic, Beijing Institute of Technology, Beijing 100089, China). China Environmental Science, 2012,32(11)：2095～2102

Considering the interdependence and mutual restriction relationship between energy, economic and environment, this paper emphasized on energy efficiency of various sectors of social economy, and put forward the concept of total energy efficiency of sectors based on embodied energy. At the same time, an evaluation index system was discussed. Moreover, an evaluation model was established by combining the input-output model and data envelopment analysis method, which considered the comprehensive effect of energy consumption and carbon emissions on social economic development and environmental evolution. An empirical study of 42 sectors in Beijing was conducted, which identified the problems existing in the processes of energy consumption. Furthermore, the case study investigated how to improve the total energy efficiency of various sectors. Results demonstrated that instead of simply restricting on industrial development in order to achieve emission reduction targets or blindly encouraging the development of all service sectors, government should put forward a comprehensive decision-making after considering the total energy efficiency of various sectors and their contribution for economic and social development.

energy efficiency；embodied energy；embodied carbon emissions；data envelopment analysis；input-output model

2012-03-25

国家自然科学基金资助项目(71172172);北京市自然科学基金项目(9122011); 北京市科学技术研究院项目(PXM2012_ 178215_000004)

* 责任作者, 副研究员, csxtgc@126.com

X24

A

1000-6923(2012)11-2095-08

致谢：感谢中国科学院研究生院管理学院许建老师在项目合作中为本论文研究提供了部分基础资料!

徐丽萍(1970-),女,辽宁沈阳人,副研究员,博士,主要从事能源环境系统分析、收益管理、管理决策方法研究.发表论文近20篇.