中国沿海地区能源效率测算及全要素生产率研究

王晨

[提要] 能源是经济生产过程中重要的生产资源，但是能源消耗过多伴随的是环境污染问题的出现。为实现经济可持续发展，必须考虑对能源的节约以及对环境污染的防治。本文通过使用非径向方向距离函数（NDDF）模型建立考虑非期望产出的投入产出模型，对沿海地区能源效率及全要素生产率进行测算。研究结果显示：我国沿海11省市能源效率除广西较低外，其他省市均处于相对较高水平。沿海省市全要素生产率指数经历先下降后上升的过程，整体增长较为平稳。沿海各省市在技术效率和技术进步方面仍有较大提升空间。

关键词：非径向方向距离函数;能源效率;全要素生产率

中图分类号：F12 文献标识码：A

收录日期：2019年3月2日

一、前言

能源是现今经济发展的重要物质基础，工业发展需要消耗大量能源资源。但是，能源的过度消耗，会造成能源紧张、环境污染等问题。目前，我国的经济发展仍然离不开工业生产，我国的经济发展仍然依赖能源这一重要生产要素的投入。但是，大量能源消耗所带来的环境问题，尤其是二氧化碳等温室气体排放问题受到了越来越大的重视，节能减排成为经济可持续发展的必然选择。提高能源效率、降低碳排放成为未来经济发展的重要目标。我国沿海地区借助对外开放的有利条件，经济增长快，工业发展良好，能源消耗量大。因此，研究我国沿海地区能源效率对于沿海地区节能减排，促进经济可持续发展具有重要意义。

本文使用DEA模型对沿海地区能源效率进行测度。传统DDF模型设定投入产出指标同比例变化，但是在实际生产活动中，这一条件不一定符合。因此，本文使用NDDF模型对沿海地区经济效率及其全要素生产率进行测度。

二、理论模型

（一）NDDF模型。本文参考Zhou（2012）提出的非径向方向距离函数（NDDF）模型，对投入产出设定不同的变化比例。本文假设有N个决策单元，投入要素选择的是资本（K）、劳动（L）和能源消费（E），期望产出为各省GDP（Q），非期望产出为CO2排放量。生产技术为：

（二）Malmquist-Luenberger指数。DEA模型通常与Malmquist-Luenberger指数结合起来用于考虑非期望产出的全要素生产率的测算。该全要素生产率（ML）反映的是相邻两期生产效率的动态变化指数，它在反映单个决策单元的技术效率的同时还能反映在同一时期所有决策单元的技术效率。产出导向的Malmquist-Luenberger指数可以表示为：

三、中国沿海地区能源效率测算及全要素生产率分析

（一）指标选取及数据来源。本文以2006～2015年数据为样本构建投入产出模型度量沿海地区能源效率。投入指标选择资本存量、劳动力和能源。其中，各省市资本存量参考张军（2004）的研究使用永续盘存法进行核算，资产折旧率选择10.96%。劳动投入选择沿海各省市年末从业人员数量。能源效率指标选择的是每年各种资源的消费量折算成万吨标准煤的总值。期望产出指标选择的是地区生产总值，以2006年为基期，对GDP进行不变价平减，消除价格影响。非期望产出指标选择二氧化碳排放量。数据来源于《中国统计年鉴》、《中国能源统计年鉴》和国家统计局网站等。

（二）中国沿海地区能源效率测算结果及分析。根据公式（3）求出松弛变量最优解，并根据公式（4）计算全效率指标UEI，并且根据程序运行结果，对每一年各省市能源效率的平均值进行计算，对每个省在样本期间的平均值进行计算，具体结果见表1。根据表1中结果进行分析。从地区角度来看，在样本期间沿海11省市能源效率具有地区差异。河北、上海、广东在2006～2015年期间年平均UEI最大为1，天津、辽宁、江苏、浙江、山东和海南的年平均UEI都大于0.9。但是，广西的能源效率最低，平均值仅有0.654，对于能源的利用效率的提高有很大空间。虽然，整体来看沿海省市能源利用效率较高，但地区发展不均衡，能源效率提升仍然有空间。（表1）

表1 2006～2015 年中国沿海地区能源效率一览表

从时间维度来看，根据图1所示，各省市平均UEI经历了先下降后上升然后平稳波动的过程。其中，2009年的效率值最低，原因可能是2008年发生的经济危机，对经济发展造成了一定负面影响，直到危机发生的次年负向影响依然存在。2010～2015年沿海地区能源效率逐渐趋于平稳，这与此阶段国家实行“稳增长，调结构”的调节政策相关，地区经济平稳运行，经济增长进入“新常态”阶段。加之，为了实行节约资源、保护环境的发展目标，国家开始实行较为严格的环境管制，影响了能源效率的提升，使得能源效率在2012～2015年出现下降趋势。（图1）

图1 2006～2015 年中国沿海地区平均UEI 值趋势图

（三）中国沿海地区能源全要素生产率结果及分析。根据NDDF求出的能源效率，本文测算了在2007～2015年的中国沿海地区能源全要素生产率，对每一年各省市能源效率的平均值進行计算，具体结果见表2所示。对每个省在样本期间的平均值进行计算，具体结果如表3所示。（表2、表3）

表2 2006～2015 年中国沿海地区能源全要素生产率及其分解指数一览表

表3 中国沿海各省市全要素生产率及其分解指数一览表

根据表2中结果进行分析，2006～2015年沿海省市全要素生产率为0.984，技术效率变化指数平均值为1.003，技术进步变化指数平均值为0.986。全要素生产率的提高来自技术效率的提高。在整个研究期间，ML指数经历了先下降后上升的过程。2008～2010年的下降应该是与2008年的经济危机有关，经济危机的持续作用使得经济增长动力不足。而2012～2015年的下降，应该是与“十二五”期间较为严格的环境管制有关。

根据表3中结果进行分析，沿海11省市只有江蘇、浙江、山东、广东和海南的全要素生产率大于1，表示经济发展的增长。其中，广西的全要素生产率最低仅为0.844。广西工业发展较为落后，经济增长的动力不足。但同时也说明，广西经济增长具有较大空间。而沿海各省市的技术效率变化指数平均值为大于1，技术进步指数小于1。全要素生产率的提高来自技术效率的提高。

四、结论

本文使用非径向方向距离函数测算了沿海省市能源效率。非导向方向距离函数对投入产出变化比例没有限制，可以在一定程度上避免松弛偏误，在测算考虑非期望产出的效率方面具有一定的优点。研究结果显示，我国沿海11省市能源效率除广西较低外，其他省市能源效率处于相对较高水平。从时间角度，能源效率经历了先下降后上升然后平稳波动的过程。中国沿海省市全要素生产率指数平均值为0.984，经历了先下降后上升的过程。全要素生产率的提高来自技术效率的提高。而且，广西的全要素生产率仍然处于最低水平，具有较大提升空间。

主要参考文献：

[1]关伟，吴亭亭，许淑婷.中国沿海地区能源效率时空演变研究[J].哈尔滨商业大学学报（社会科学版），2018（2）.

[2]Zhou P，Ang B W，Wang H.Energy and CO2 emission performance in electricity generation：a non-radial directional distance function approach[J].European Journal of Operational Research，2012.221（3）.

[3]Zhang N，Kong F，Choi Y，et al.The effect of size-control policy on unified energy and carbon efficiency for Chinese fossil fuel power plants[J].Energy Policy，2014.70.

[4]尹庆民，李田田，许长新.基于NDDF的我国各省用水效率测量及对外贸易影响因素分析[J].江西农业学报，2018.30（1）.

[5]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952～2000[J].经济研究，2004（10）.

[6]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008.25（10）.