高耗能产业技术创新与节能减排效率协同发展实证研究

吴卫红，王建英，张爱美，刘安国，李娜娜

(北京化工大学经济管理学院，北京　100029)



高耗能产业技术创新与节能减排效率协同发展实证研究

吴卫红，王建英，张爱美，刘安国，李娜娜

(北京化工大学经济管理学院，北京100029)

通过构建技术创新与节能效率和减排效率复合系统协同度模型，对高耗能产业技术创新和节能减排效率协同发展状况进行了实证研究。结果表明，2004—2013年，高耗能产业的技术创新与节能减排效率系统的协同度总体呈上升趋势；节能效率-减排效率系统协同度高于其他系统的协同度；与技术创新子系统相关的系统协同度均较低，这与技术创新子系统的有序度较低有直接关系，表明高耗能产业的发展中要克服“木桶原理”中的短板效应，使各子系统协同发展。

高耗能产业；技术创新；节能减排；协同

中国工业在高速增长的同时伴随着能源消耗过大、环境污染严重及创新性不足的问题，迫切需要向节能环保和创新驱动的模式转变[1]。2013年，高耗能产业的增加值占全国工业增加值的33.7%，但能源消费总量、废气排放总量、废水排放总量和固体废弃物排放总量达到全国工业总量的72.4%、90.3%、61.6%和49.3%。因此，利用技术创新提升高耗能产业的能源使用效率和减排迫在眉睫。学术界对技术创新和节能减排所做的研究有以下两种观点：第一种观点认为技术创新能够驱动节能减排效率的发展，即将技术创新作为自变量进行研究，节能减排效率作为因变量[1-4]；第二种观点认为节能减排效率能够促进技术创新能力的提高，即将节能减排作为自变量，技术创新作为因变量进行研究[5-6]。

已有研究表明技术创新与节能减排存在明显的相互促进作用，但技术创新与节能减排的发展是否协同未见研究，而协同发展可以产生“1+1>2”的效果。因此，本论文将对高耗能产业的技术创新与节能效率、减排效率的协同发展状况进行研究，并提出相关政策建议。

1　高耗能产业技术创新与节能减排效率系统协同度模型构建

复合系统协同度模型能够科学地测度系统协同度，受到广大研究人员的青睐[7-8]。本文拟通过此方法来研究高耗能产业技术创新与节能减排效率系统的协同状态。

结合技术创新与节能减排效率系统的特点，协同度模型的构建过程如下：

假设系统中技术创新、节能效率和减排效率子系统为Sj，j∈[1,3]。设各子系统在其发展过程中的序参量变量为Xj=(Xj1，Xj2，…，Xjn)，其中n≥1,ji≤Xji≤ji，i∈[1,n]。假设Xj1，Xj2，…，Xjt的取值越大，系统的有序度越高，反之则系统有序度越低；假设Xjt+1，…，Xjn的取值越大，系统的有序度越低，反之则系统有序度越高，则子系统Sj，j∈[1,3]的序参量分量Xji的有序度的计算公式为：

(1)

子系统的有序度可通过以下公式计算：

(2)

由式(2)可知，Uj(Xji)值越高，子系统有序度越高，反之子系统有序度越低。

(3)

式中：θ满足以下条件：

由式(3)可知，LC代表复合系统的协同程度，它的取值范围在-1～1之间，LC越接近1代表系统的协调程度越高，LC越接近-1代表系统的协调程度越低。复合系统的协同演化水平受到每一个子系统的影响，只要整个系统中的某一个子系统的有序程度较低，则整个复合系统的协同演化水平就很低。

2　实证分析

本文对高耗能产业技术创新与节能效率和减排效率系统演化协同度进行了研究，主要流程如图1所示。本文首先构建高耗能产业技术创新与节能减排效率系统，包含技术创新、节能效率和减排效率三个子系统，然后根据三个子系统的特性确定各子系统的序参量，进行数据获取，并且依据相关方法对数据进行处理，得到各子系统的有序度，最后计算系统协同度，根据计算结果，提出相应的对策建议。

图1　技术创新与节能效率和减排效率系统协同度的研究流程

2.1序参量的确定

序参量能够表现系统的有序结构和类型，它是所有子系统对协同运动的贡献总和，是子系统介入协同运动程度的集中体现。本研究遵循代表性、科学性和数据的可取性原则，构建高耗能产业各子系统的序参量，见表1。实证分析中技术创新子系统的序参量数据来源于《中国科技统计年鉴》；节能效率子系统和减排效率子系统序参量数据来源于《中国统计年鉴》和《中国环境统计年鉴》。

为衡量高耗能产业技术创新子系统的特点，选取技术创新的投入和产出两类序参量。在技术创新投入的序参量上，大多从人员和经费两个方面入手[9-10]。考虑到指标的可比性，在人员投入上，选取高耗能产业R&D人员全时当量占劳动力数量比，该指标能够客观反映技术创新的人员投入占到产业全部劳动力的比重。经费投入上，选取研发投入强度和R&D经费投入强度两个指标，这两个指标能够有效反映技术创新的经费投入。在产出指标上，选取高耗能产业有效发明专利数与研发投入比和新产品销售收入占销售收入比重两个指标。有效发明专利数代表技术创新的中间成果，新产品销售收入则代表技术创新的最终成果。

表1　 高耗能产业技术创新与节能减排效率系统序参量

节能效率子系统和减排效率子系统的序参量分别选取节能效率和减排效率。节能效率和减排效率需要选取指标进行测度。

2.2高耗能产业节能效率和减排效率测度

(1)效率测度方法及指标选择。本文采用数据包络方法中的非径向、非导向基于松弛测度的SBM-DDF模型，对高耗能产业的节能效率和减排效率进行测度，该模型有效解决了径向性、导向性以及效率被高估的问题[11]。通过SBM-DDF模型可以计算出节能指标无效率值和减排指标无效率值，进而求解节能效率和减排效率。在节能效率和减排效率测度的指标选取上，从投入和产出两个角度考虑。投入指标在沈可挺研究的基础上考虑指标的可比性，采用相对指标，将单位产值劳动力数量和单位产值占有资产量作为传统的要素投入，单位产值能源消耗量作为第三种投入。产出指标考虑到期望产出和非期望产出，以高耗能产业各行业的单位工业产值作为期望产出[12]，选取单位产值废水排放总量、单位产值废气排放总量和单位产值固体废弃物排放总量作为高耗能产业的非期望产出[13]。将指标数据代入模型，可以求解出节能效率和减排效率。

基于SBM-DDF模型，以高耗能产业部门作为决策单元构造技术前沿面。x表示每个测评单元的N种投入，x=(x1,…，xN)；y表示M种期望产出，y=(y1，…，yM)；b表示K种非期望产出，b=(b1,…，bK)；则(xt，yt，bt)为第t时期的投入产出数据，(gx，gy，gb)为方向向量，(snx，smy，skb)为投入和产出达到效率前沿面的松弛变量。那么，高耗能产业非径向、非导向基于松弛测度的方向性距离函数如下：

(4)

将获取的统计数据带入式(4)求解，解得t时期高耗能产业各生产要素的无效率值。

在对式(4)求解的基础上，根据刘瑞翔等的研究[14]，对无效率值分解，从而获得各要素无效率值：

(5)

因此，式(4)计算出的高耗能产业无效率值最终可分解为：

(6)

本研究需要评估高耗能行业的节能效率和减排效率，因此，选取IEVenergy代表能源过度消费，IEVwater、IEVgas、IEVsolid代表废水、废气和固体废弃物过度排放，因此，高耗能产业的能源消费和废弃物排放的无效率值为IEVIES和IEVIER,即：

(7)

(8)

根据Fukuyama 和Weber对SBM-DDF模型的定义可知，当方向向量gnx=xnmax-xnmin,n，gmy=ymmax- ymmin,m，gkb=bkmax-bkmin,k时，有,也即0≤(IEVIES，IEVIER)≤1，此时，可依据无效率值来计算高耗能行业的节能效率和减排效率：

(9)

(10)

由式(9)和式(10)可知，IES和IER的值表示高耗能产业的节能效率和减排效率。

(2)效率测度的结果。根据式(4)～(6)，代入相应的指标数据，得到高耗能产业 2003—2013年能源消费、废水排放、废气排放和固体废弃物排放的无效率值,如表2所示。

表2　2003—2013年高耗能产业节能减排指标无效率值

将表2中的数据带入式(7)-(10)，得到高耗能产业2003—2013年的节能效率和减排效率，如表3所示。

表3　2003—2013年高耗能产业节能效率和减排效率

从表3中可以看出，高耗能产业的节能效率和减排效率在2003—2013年总体呈现上升的态势。本研究所测定的效率属于相对效率，节能效率最高的是2011年，减排效率最高的是2013年。从测定结果来看，高耗能产业节能效率总体高于减排效率，但减排效率的发展速率明显高于节能效率，节能效率的年平均增长速率为3.7%，减排效率的年平均增长速率为6.6%。

2.3高耗能产业技术创新与节能减排效率系统有序度和协同度的测度及分析

将节能效率和减排效率的计算结果与技术创新系统序参量原始数据结合，构成高耗能产业技术创新与节能效率和减排效率各子系统的序参量值，将数据进行标准化处理并带入式(1)，其中序参量上限值和下限值分别取2003—2011年最大值和最小值的110%，得到三个子系统序参量的有序度，如表4所示。

将表4的数据带入式(2)，得到各子系统的有序度，如表5所示。最后，以2003年为基年，将各子系统有序度的数据带入式(3)，得到高耗能产业技术创新-节能效率系统协同度，技术创新-减排效率系统协同度、节能效率-减排效率系统协同度和技术创新-节能效率-减排效率系统的协同度，见表6。

表4　各子系统序参量有序度

表5　各子系统有序度

表6　各子系统之间的协同度以及整个系统协同度

根据表6中高耗能产业技术创新与节能减排效率系统协同度的计算结果，绘制高耗能产业系统协同度演进趋势图，见图2。

图2　2004—2013年高耗能产业技术创新与节能减排效率系统协同度

研究结果表明，2004—2013年，高耗能产业技术创新与节能减排效率系统协同度总体上不断上升，即技术创新子系统、节能效率子系统和减排效率子系统之间协同发展程度越来越好，这也是三个子系统有序度不断上升的一种体现。节能效率-减排效率系统协同度总体高于其他三个系统的协同度，这主要是由于技术创新子系统的有序度总体低于节能效率子系统和减排效率子系统的有序度造成的。

技术创新-节能效率系统、技术创新-减排效率系统以及技术创新-节能效率-减排效率系统的协同度在2008年均出现较为明显的下降，出现上述波动的主要原因在于2008年技术创新子系统的有序度出现了明显的下降，这也体现了“木桶原理”的短板效应。这个研究结果提示我们，高耗能产业的技术创新、节能效率和减排效率需要同步协调发展。

从节能效率-减排效率系统协同度的发展来看，研究期间系统的协同度大体呈上升趋势，这表明高耗能产业的节能减排效率在不断提升。但是，节能效率-减排效率系统在2012年和2013年出现下降，对比有序度的计算结果可知，这与这两年节能效率的有序度出现下降有关。同时，2003—2013年，减排效率的有序度整体上低于节能效率的有序度，因此，影响高耗能产业节能效率和减排效率系统协同度的关键在于减排效率子系统，其发展应当得到重视。2012年和2013年技术创新与减排效率系统的协同度是上升趋势，而节能效率-减排效率系统协同度是下降趋势，这说明只有所有子系统都协同发展才能有效促进节能减排效率的提高。

3　结论与启示

研究结果表明，高耗能产业技术创新与节能减排效率系统的协调度和有序度总体呈上升趋势，存在一些波动，表明高耗能产业在技术创新和节能减排方面的发展已经初见成效，但也存在一些问题。技术创新子系统的有序度最低，导致与其相关的系统协调度都较低，“木桶原理”的短板效应提示我们，只有提升高耗能产业的技术创新水平才能不断降低生产产品的能耗以及污染物排放，降低企业成本，提高节能效率和减排效率，最终提升高耗能产业的竞争力。减排效率子系统的有序度始终低于节能效率子系统的有序度，说明高耗能产业的节能和减排工作也未能完全协同发展，这与企业提升节能效率的动力高于提升减排效率的动力有关，提示我们应该在节能减排的政策制定上向减排方面倾斜。节能效率子系统的有序度在2012—2013年出现持续的下滑，导致节能效率-减排效率系统协同度出现相应的下滑，其他系统协同度出现上下不同的波动，说明节能效率与减排效率和技术创新并非确定的因果关系，除技术创新外，还有其他因素如能源价格会对节能效率产生影响，提示我们提升节能效率要全方位考虑。综上所述，要提升高耗能产业的节能减排效率，一方面要努力提升技术创新的投入和产出，另一方面要引导企业向低能耗的方向发展，由粗放式发展向精细化发展方式转变，最终实现技术创新与节能减排效率的协同发展。

[1]姚西龙,牛冲槐,刘佳.创新驱动、绿色发展与我国工业经济的转型效率研究[J].中国科技论坛,2015(01):57-62.

[2]余泳泽.我国节能减排潜力、治理效率与实施路径研究[J].中国工业经济，2011(05)：58-68.

[3]韩一杰，刘秀丽.基于超效率DEA模型的中国各地区钢铁行业节能效率及节能减排潜力分析[J].系统科学与数学，2011(03)：287-298.

[4]蔡宁，丛雅静，李卓.技术创新与工业节能减排效率——基于SBM-DDF方法和面板数据模型的区域差异研究[J].经济理论与经济管理，2014(06)：57-70.

[5]陈诗一.节能减排与中国工业的双赢发展:2009—2049[J].经济研究，2010(03)：129-143.

[6]曾萍，邓腾智，吴小节.节能减排与技术创新：来自广东珠三角地区企业的经验证据[J].经济体制改革，2013(01)：107-111.

[7]王宏起，徐玉莲.科技创新与科技金融协同度模型及其应用研究[J].中国软科学，2012(06)：129-138.

[8]陶长琪，陈文华，林龙辉.我国产业组织演变协同度的实证分析——以企业融合背景下的我国IT产业为例[J].管理世界，2007(12)：67-72.

[9]李国柱，李从欣.区域高耗能行业技术创新能力评价[J].当代经济管理，2012(10)：40-45.

[10]李国柱，李从欣.区域高耗能行业技术创新效率评价[J].石家庄经济学院学报，2012(05)：39-42.

[11]FUKUYAMA H，WEBER W L.A directional slacks-based measure of technical inefficiency[J].Socio-economic planning sciences，2009，43(4)：274-289.

[12]沈可挺，龚健健.环境污染、技术进步与中国高耗能产业——基于环境全要素生产率的实证分析[J].中国工业经济，2011(12)：25-34.

[13]吴桐.高耗能产业群循环经济发展建设中的序参量三维协同调控模型和机理研究[D].昆明理工大学，2013.

[14]刘瑞翔，安同良.资源环境约束下中国经济增长绩效变化趋势与因素分析——基于一种新型生产率指数构建与分解方法的研究[J].经济研究，2012(11)：34-47.

(责任编辑沈蓉)

An Empirical Research on the Synergistic Development of the Technology Innovation in Energy-Intensive Industry and the Efficiency of Energy Saving and Emission Reduction

Wu Weihong，Wang Jianying，Zhang Aimei，Liu Anguo,Li Nana

(School of Economics and Management，Beijing University of Chemical Technology，Beijing 100029,China)

This paper constructs a composite system synergetic degree model of technology innovation，efficiency of energy saving and efficiency of emission reduction and makes an empirical research on the synergistic development between the technology innovation in energy-intensive industry of China and the efficiency of energy saving and emission reduction.The results show that from 2004 to 2013，the synergy degree of the system of technology innovation in energy-intensive industry of China and the efficiency of energy saving as well as the efficiency of emission reduction is on the rise in general；the synergy degree of the system of the efficiency of energy saving and the efficiency of emission reduction system is higher than that of others；the synergy degree of other systems that related to technology innovation’s subsystem is lower，which is directly related to the order degree of technical innovation’s subsystem.It shows that the cask effect in the“cask principle”should be overcome in the development of energy-intensive industry，making each subsystem develop in coordination.

Energy-intensive industry；Technology innovation；Energy saving and emission reduction；Synergy

国家自然科学基金项目“区域协调发展的理论基础和政策设计研究—不完全竞争视角”(71473012)，国家自然科学基金项目“大都市圈区域一体化下的区域补偿理论与政策研究”(71373294)，教育部人文社会科学研究规划基金项目“环境友好的产业转移理论和政策研究”(14YJA790030)。

2015-10-22

吴卫红(1972-)，女，安徽定远人，博士，副教授；研究方向：技术创新、技术经济、资源环境经济学和政策。

F426

A