区域全要素能源效率测算及其收敛分析

区域全要素能源效率测算及其收敛分析——基于中国省级面板数据的实证研究刘战伟(许昌学院经济与管理学院，河南许昌461000)摘要：利用Malmquist指数方法，测量了2000-2009年间我国全要素能源效率、技术进步及技术效率，检验了区域能源效率的收敛性。结果表明：我国全要素能源效率总体呈上升趋势，且动力主要来源于技术进步；东、中、西部全要素能源效率变动存在差异，变化原因也各不相同；全国范围内全要素能源效率存在收敛趋势，后进区域的追赶效应明显。关键词：全要素能源效率；Malmquist指数法；收敛TheCalculationandConvergenceAnalysisofRegionalTotalFactorEnergyEfficiency——AnEmpiricalStudyBasedonCross-ProvincePanelDatainChinaLIUZhan-wei(SchoolofEconomics&Management,XuchangUniversity,Xuchang461000,China)Abstract:ByusingtheMalmquistindex,thispapercalculatesthetotalfactorenergyefficiency,thetechnologyprogress,andthetechnologyefficiencyfrom2000to2009,andthenteststheconvergenceofregionalenergyefficiency.ThestudyshowsthatthetotalfactorenergyefficiencyofChinatakesonupwardtendencyprimarilyduetotechnicalprogress;thedivergenceoftotalfactorenergyefficiencydidexistintheeast,middleandwestregionofChinaanditscauseisdifferent;Inthenationwidethetotalfactorenergyefficiencyexistsconvergencetendency,thelessadvancedregionpursuestheeffecttobeobvious.Keywords:totalfactorenergyefficiency;Malmquistindex;convergence1引言能源是国民经济发展的重要保障。改革开放以来，随着我国国民经济的快速发展，能源消费增长迅速，我国能源经济面临着越来越多的压力，国际油价不断升高，对全球经济复苏带来了障碍，增加我国进口能源资源的成本；全球性的货币宽松政策将推动国际大宗资源类商品价格上涨，我国输入性通胀压力加大，能源资源类产品价格改革难度增加；近几年极端异常天气对能源行业的影响也越来越大，能源的平稳运行和持续稳定供应将面临挑战[1]。由于我国长期以来粗放型的发展方式导致能源效率低于国外水平，为了实现可持续发展，我国政府已经做出了“到2020年GDP二氧化碳排放比2005年下降40%-45%”、“到2020年非化石能源占一次能源消费比重达15%左右”两项承诺[2]。为了实现节能减排目标，我国政府必须制定相关政策提高能源效率，而能源效率的提高一般认为有两种途径，一是能源从低生产率的产业流向高生产率的产业（如农业向工业、工业向服务业、传统工业向新型工业等），简言之，即产业结构的调整；二是通过技术进步提高要素利用效率。目前，产业结构变化对能源效率的作用自20世纪90年代中期起正在逐渐消失，甚至产生负向作用，技术进步成为了降低能源强度的“唯一依靠”。在这种背景下，研究我国能源效率问题具有重要的现实意义，那么，目前我国各地区的能源利用效率水平如何？技术进步能否提高能源效率？各地区能源效率差异是否会随着时间的推移而缩小，出现收敛？为此，利用科学的方法对我国各省区的能源效率进行评价，对进一步认识和挖掘能源的节能潜力，完善国家的能源资源配置方式具有较强的参考价值。[基金项目]河南省政府决策研究招标项目：中原经济区能源与经济协调可持续发展的路径与对策研究（2011B703）[作者简介]刘战伟(1979－)，男，河南许昌人，讲师，从事区域经济与技术创新研究。E-Mail:[e-mail]，Tel:[phone]近年来，我国学者对能源效率问题的研究已经取得了一定的成果，主要集中于两个方面的研究，一是对我国各地区能源效率的测算，采用的方法有因素分析法和DEA方法。例如：周勇、李廉水（2006）运用因素分析法，研究了1980-2003年间六大产业能源强度，发现了不同时段结构调整对能源强度的影响不同。[3]Hu和Wang（2006）使用DEA的方法对中国各地区1995-2002年间的全要素能源效率做了比较研究，并发现人均GDP最高的东部地区能源效率最高，其次是西部和中部。[4]徐国泉和刘则渊（2007）应用1998-2005年升级面板数据对我国八大经济区域全要素能源效率进行了分析，发现中国区域全要素能源效率呈现东南向西北逐步下降，并且与区域发展水平呈“U型”的关系；[5]二是对能源效率影响因素的研究。例如：周鸿和林凌（2005）的研究发现产业结构变动对中国能源效率的影响并不显著，[6]魏楚和沈满洪（2007）指出了产业结构、政府财政支出、进出口和国有经济比重对于能源效率的影响，[7]李国璋和霍宗杰（2009）考察了产业结构、国有经济比重、对外开放程度、政府影响力、能源禀赋、能源消费结构和能源价格对能源效率的影响。[8]现有文献对能源效率收敛性的研究并不多，史丹（2006）假定我国能源效率存在条件收敛，并在此基础上计算了各省份的节能潜力。[9]师博和张良悦（2008）运用能源效率变异系数，考察发现我国整体的能源效率趋势是趋异的。[10]从现有文献来看，大多数学者对全要素能源效率所得结论以总体效率为主，缺乏从技术进步和技术效率的角度做进一步的分解，且缺乏动态比较。在研究跨度上多针对于2005年之前的比较，对近期能源效率水平没有考察。鉴于此，本文运用新的测算全要素能源效率的方方——Malmquist指数方法对我国2000-2009年间的全要素能源效率进行了测度，并在此基础上考察了我国地区全要素能源效率收敛性的特征和趋势，进而提出提升我国能源效率、缩小能效差距的政策建议。2研究方法与数据处理2.1Malmquist指数方法Malmquist指数通常用于测量不同时期决策单元的效率演化，它首先由Caves,ChristensenandDiewert(1982)引入[11]，由Fare等人进一步发展而来。该指数运用Shephard（1953）的距离函数（distancefunctions）来定义，它用来描述不需要说明具体行为标准（例如成本最小化和利润最大化）的多个输入变量和多个输出变量生产技术。运用定向输出（output-oriented）方法或定向输入（input-oriented）方法能够定义距离函数。给定输入变量矩阵，一个输出距离函数定义为输出变量矩阵的最优比例项；同样，给定输出变量矩阵，输出变量距离函数可以看作是输入变量矩阵的最小比例项。本文应用Malmquist指数来研究中国地区全要素能源效率。[12]首先定义产出的距离函数，在时期s，技术效率可以表示为：)}(:min{),(xPyyxds（1）其中，最小化，意味着使/y最大化。这个距离函数衡量了给定投入下产出的最大值，因此，表示技术效率指数。同理，我们可以定义t时期的产出距离函数：)}(:min{),(xPyyxdt（2）根据Caves，Christensen和Diewert（1982a和1982b）的研究，以时期s作为参考标准，从时期s到时期t的Malmquist生产率指数变化可以定义为：),(),(sssttssyxdyxdm（3）同时，以时期t作为参考标准，Malmquist生产率指数变化为：),(),(sstttttyxdyxdm（4）这两个指数在一种产出、一种投入的情况下是相同的，但是在多种投入和可变规模收益的情况下两个指数是不同的，为了避免这种不一致性，Färeetal（1992，1994）根据上面两种指数的几何平均值推导出产出导向的生产率指数的变化[13]：2/12/1),(),(),(),(),(),(),(),(),(),(),,,(sstssstttttsssstttssttttsssttsssttyxdyxdyxdyxdyxdyxdyxdyxdyxdyxdyxyxm（5）其中，等式右边第一项),(),(ssstttyxdyxd衡量了从时期s到时期t的技术效率变化指数EC，其中，技术效率指数EC又可继续分解为纯技术效率指数PTE和规模效率指数SE；等式右边括号内的部分衡量了两个时期之间技术进步指数TC。即技术效率变化指数，EC=),(),(ssstttyxdyxd=PTE×SE（6）技术进步指数，TC=2/1////bsasctbtyyyyyyyy(7)为了对Malmquist指数进行分解，我们需要计算出四个距离函数：),(sssyxd，),(sstyxd、),(tttyxd和),(ttsyxd。每个距离函数可以通过下面的线性规划模型来计算：',1''''ax),(kzikikimyxD（8）s.t.Kkkimkiikmikyzy1'''',m=1,…,M''1iknKkkinkixxz,n=1,…,N0kiz,k=1,…,K当Malmquist指数大于l时，表示全要素能源效率（TFP）提高；当构成Malmquist指数的技术进步指数和技术效率指数大于l时，表示其是TFP增长的主要源泉，反之，则是导致TFP下降的根源；而规模效率指数和纯技术效率指数的高低，则反映了它们对技术效率指数之间的影响。2.2数据来源与处理本文以2000-2009年间中国29个省、自治区、直辖市（将重庆合并入四川省，西藏自治区部分能源数据不可得，故剔除，为了方便全部简称省）的资本存量、劳动力和能源消费量为投入要素，以各省GDP作为产出要素进行能源效率分析。（1）资本存量。一般采用“永续盘存法”来估计每年的实际资本存量，计算方法为1,,,1tiititiKIK）（，其中tiK,是i省份第t年的资本存量，tiI,是i省份第t年的投资，i是i省份固定资产折旧率，此处主要参考了单豪杰(2008)的研究成果，以1952年不变价格计算。[14]（2）劳动力。主要数据来源于《新中国五十统计资料汇编》和《中国统计年鉴》，当年就业人数以各省区年初、年末人数的平均数来计算，这里由于各省的人均教育水平等数据不可得，因此没有包括各省劳动力质量上的差异。（3）能源消费量。以各省区的能源消耗量为基础数据，折算为标准煤计算，单位为万吨标准煤，数据来源于《中国能源统计年鉴》，其中宁夏缺少2001年的能源数据，取前后两年的平均数代替。（4）GDP。以各省的国内生产总值计算，单位为亿元，为与资本存量价格保持一致，也以1952年不变价格折算。数据来源于《新中国五十统计资料汇编》和《中国统计年鉴》。3实证结果及分析本文利用DEAP2.1软件计算2000-2009年我国29个省份的Malmquist生产率及其分解指数。3.1区域全要素能源效率变动的总体分析表1历年平均Malmquist全要素能源效率及其分解年份技术效率指数技术进步指数纯技术效率指数规模效率指数Malmquist指数2000-20010.9911.0430.9781.0141.0332001-20020.9851.0310.9831.0021.0152002-20030.9731.0310.9711.0021.0032003-20040.9780.9950.9980.980.974200