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，本文主要内容关键词为：工业部门论文,实证论文,中国论文,技术进步论文,效率论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
随着能源问题与环境问题的日益突出，能源效率越来越受到国际社会的重视。Andrew Warren（1982）把能源效率称为“第五类能源”，以突出能源效率在节能中的重要作用。Farla和Blok（2001）指出，“国际性的能源强度比较近来受到科学及政治上的注意，因为国际性比较可以帮助了解各国能源强度降低的潜力”。一般认为，能源效率的提高源于两类因素，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。产业结构调整（至少在部分时段）有利于能源效率的提高已经为国内外诸多研究（Samuels et al.,1984; Reitler et al,1987; Liu et al.1992;Ang.1994; Richard,1999；史丹，2002；周勇等，2006）和实践所证实。但是，技术进步对于能源效率的影响却极少有相关的理论和实证分析。笔者猜测可能有两个原因：回报效应（rebound effect）的存在。回报效应最早是Khazzom（1980）提出的， 其含义为“技术进步提高能源效率而节约了能源，但同时技术进步促进经济的快速增长又对能源产生新的需求，部分地抵消了所节约的能源”。回报效应的存在使得衡量技术进步对能源效率——能源消费和经济增长的比值——的影响变得复杂了。狭义理解技术进步和能源效率的内涵。能源效率可分为物理效率和经济效率，前者多用于微观层面研究，后者多用于宏观层面分析（李嘉恒，2005）。能源经济效率又可分为能源强度（energy intensity）和能源生产率（energy productivity），两者互为倒数。另外，技术进步有广义和狭义两类，狭义技术进步仅指科技创新，广义技术进步除了包括科技创新外，还包括管理创新、制度创新等“软”技术进步。如果仅限于科技创新对能源物理效率的作用，则会因为结果“显而易见”而失去经济研究的价值，反而“工程技术专家更加关注技术对能源效率的积极作用”（Bentzen,2004）。 本文尝试实证分析广义技术进步对能源经济效率的影响。为行文方便，下文技术进步均指代广义，而能源强度和能源生产率则根据具体需要分别应用。
研究（施发启，2005）表明，无论用汇率方法还是PPP法， 我国的能源强度与发达国家相比还存在较大的差异，甚至低于世界平均水平。但2020年的宏观经济战略目标和能源严重短缺的现实，要求我国必须尽快降低能源强度。2006年中国政府工作报告和“十一五”规划纲要把单位GDP能耗（能源强度）指标列为国家发展目标，充分体现了政府发展可持续经济的决心。然而，继续依靠产业结构调整来提高能源效率显然难以满足当前的要求，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（史丹，2003）。技术进步成为了降低能源强度的“唯一依靠”。这就有必要深入分析技术进步对能源效率的影响。技术进步是否如一般认为的，能够提高能源效率？技术进步的各个部分对能源效率的影响是否一致？这种作用是否动态变化？应对这些问题，笔者尝试以1993～2003年中国工业部门为样本，应用规范的计量经济方法进行实证检验。实证的结果不仅仅是对技术进步与能源效率关系研究的理论补缺，而且可以细致地了解技术因素和非技术因素对能源效率的作用，为决策部门确定合适的节能政策措施提供客观的依据，本文的研究意义也在于此。
本文基本安排如下：第二部分对技术进步、能源效率及两者关系的相关文献作简单回顾；第三部分应用Malmquist生产率方法把35个工业行业的技术进步（全要素生产率）分解为科技进步、纯技术效率和规模效率；第四部分运用面板技术估算了技术进步3个部门对能源生产率的影响；第五部分是结论与启示。
二、相关文献综述
技术进步的衡量一直是经济学界的难题，在没有更好替代方法的前提下，经济学界普遍使用全要素生产率（Total Factor Productivity）来代表技术进步（Solow,1956; Denison,1967），包括科技创新即“硬”技术进步（也叫狭义技术进步）和管理、制度、政策等的优化即“软”技术进步。近年来，西方经济学文献关于全要素生产率分解的研究颇多（Battese & Coelli,1995; Kumbhakar,2000; Karagiannis et al.,2002），这类文献认为，生产率的增长由3部分（也有研究将纯技术效率和规模效率合并为技术效率指数）组成，一是科技进步（如新技术的采用或新产品的发明），二是纯技术效率（如管理效率的提高和生产经验的积累），三是规模效率（组建和管理大企业的能力以及知识）。在计量方法上，Caves等（1982）首先将曼奎斯特指数（Malmquist Index,1953）应用于生产率变化的测算，此后与Charnes等（1978）建立的DEA理论相结合，在生产率测算中的应用日益广泛。目前的研究普遍采用Fare等（1994）构建的基于非参数的DEA-Malmquist指数。
技术进步的内涵丰富，其对能源系统的影响不仅仅体现在能源应用技术方面，而且体现在能源作为生产要素投入经济系统到经济产出的全过程之中。比如运输技术的改进可以降低能源运输过程的损耗、先进设备的引进可以减少生产过程中的能源损耗、管理制度的优化可以高效配置资源从而以等量投入获得更多的产出或者以更少的要素投入获得等量产出。因此，技术进步对能源需求以及能源效率的影响是一种全过程的影响，而不仅仅限于某个或某些环节（图1）。
国内外关于技术进步影响能源效率的研究极少。Henryson（2000）以瑞典为样本，研究了信息与提高能源消费效率的关系。结论是增加信息量可以提高能源消费效率。该研究认为，有两种信息可以提高能源消费效率，一是投资方面的信息，即有充分的信息让消费者选择最合理的投资方案。二是改变人们消费习惯和行为的信息。但Henyson的研究主要是基于生活部门。美国学者Jacobsen（2000）认为， 在分析长期能源需求时，必须要分析同一时期技术进步和相关政策措施对能源消费的影响。技术进步对能源效率是外生性的影响，对于长期能源需求，新技术的发明的影响要大于现有技术的扩散。总体而言，技术进步通过直接或者间接作用于能源系统，能够有效的提高能源使用效率。但又因为技术进步促进经济的快速增长而消耗更多的能源，即所谓回报效应的存在，技术进步对于能源效率的影响变得复杂了。
图1 技术进步对能源系统的影响
本文的基本思路是采用非参数的DEA-Malmquist指数方法，将中国工业部门的全要素生产率分解为科技进步、纯技术效率和规模效率，并以分解得到的3 个部分的值作为自变量，应用面板数据（Panel Data）模型估算技术进步不同部分对能源效率的影响，从而获得有价值的结论。
三、技术进步的分解
（一）曼奎斯特指数方法说明
Caves等（1982）和Fare等（1994）详细介绍了Malmquist生产率指数的计量方法。从t时期到t＋1时期，度量全要素生产率增长的Malmquist指数可以表示为：
＝
（1）
为避免时期选择的随意性可能导致的差异，仿照Fisher理想指数的构造方法，Caves等（1982）用式（2）和式（3）的几何平均值即（1）式，作为衡量从t时期到t＋1时期生产率变化的Malmquist指数。该指数大于1时，表明从t时期到t＋1时期全要素生产率是增长的。
根据上述处理得到的Malmquist指数具有良好性质， 它可以分解为不变规模报酬假定下技术效率指数（EC）和科技进步指数（TP），其分解过程如下：
其中，技术效率指数还可进一步分解为纯技术效率指数（PC）和规模效率指数（SC）。
度量Malmquist生产率指数， 需要借助线性规划方法来计算有关投入和产出的各种距离函数。对于t时期到t＋1时期第i个工业行业全要素生产率的变化，需要计算如下4个基于DEA的距离函数：
利用Malmquist指数度量全要素生产率增长具有3个方面的优势：（1）无需要素价格信息和经济均衡假设，从而避免了较强的理论假设约束。这对实证分析特别重要，因为，一般情况下，相关投入和产出的数量数据比较容易得到，而要素价格等信息的获取通常比较困难，有时甚至不可能。（2）可以将全要素生产率分解为技术效率与科技进步变化两部分，其中技术效率还可以进一步分解为纯技术效率和规模效率，从而提供更全面的全要素生产率信息。（3）可以对多个样本跨时期的研究，即适用于面板数据的样本分析。
（二）变量及数据说明
本文以工业部门为研究样本，分析1993～2003年35个工业行业的技术进步与能源生产率的关系。按照工业划分标准，二位码的工业包括采掘业（7个行业）、制造业（29个行业）、电力煤气及水生产供应业（3个行业），共计39个行业。受资料限制，本文研究对象为除了“其他矿采选业”、“木材及竹材采运业”、“其他制造业”、“自来水的生产和供应业”的35个二位码工业行业，时间跨度为1993～2003年。
在投入和产出变量的确定上，本文采用三要素投入（资本、劳动、能源）和单产出（总产值）①。所涉及变量数据如下：
产出数据。本文采用35个工业行业总产值作为衡量产出指标。基础数据来源于“中国经济统计数据查询与辅助决策系统”②，并根据《中国统计年鉴2005》的“分行业工业品出厂价格指数”折算为1990年不变价。
资本投入数据。Jefferson（1992）、郑玉歆（1992）和李小平等（2005）的研究以固定资本作为资本投入的基础数据。笔者认为，工业行业的共同特征是固定资本投入较高，但（同等规模条件下）各行业的绝对值差异较大，而且对流动资本的需求也各自不同，这与行业特征有关。如果仅以固定资本作为资本投入变量，可能造成固定资本依赖性强的行业产出率偏低的结果。因此，本文以固定资本年均余额和流动资本年均余额作为资本投入基础数据。具体处理方式是，分别以两个年份的中间值为当年数据，并按照各行业工业品出厂价格指数折算成1990年不变价格。基础数据来源于“中国经济统计数据查询与辅助决策系统”。
劳动投入数据。由于缺乏既能体现劳动者劳动时间又能体现劳动效率的统计指标，考虑数据的可得性和可比性，本文以职工年均人数表示。数据来源同上。
能源投入数据。以当年各工业行业消耗的能源为基础数据，按照发电煤耗计算法折算的一次能源消费总量。基础数据取自《中国统计年鉴2005》、《中国能源统计年鉴2000～2002》、《中国工业交通能源50年统计资料汇编》以及国家发改委宏观经济研究院能源经济数据库。
另外，考虑到工业异质性，若假设35个工业行业的科技进步、纯技术效率和规模效率对能源效率的影响具有相同的系数，很可能造成模型的设定误差。因此，本文参考李小平等（2005）的方法，将35个工业行业分为9大类， 分别估算各类产业技术进步对能源效率的影响，以获得更具针对性的研究结果。具体分类方法如下（括号里为行业编号）。
煤炭工业：煤炭采选业（H2）和非金属矿采选业（H6）；
石油工业：石油和天然气开采业（H3）、石油加工及炼焦业（H19）和煤气生产和供应业（H35）、电力蒸汽热水生产供应业（H36）；
冶金工业：黑色金属矿采选业（H4）、有色金属矿采选业（H5）、黑色金属冶炼及压延加工业（H26）、有色金属冶炼及压延加工业（H27）；
机械工业：金属制品业（H28）、普通机械制造业（H29）、专用设备制造业（H30）、交通运输设备制造业（H31）、电气机械及器材制造业（H32）、电子及通讯设备制造业（H33）、仪器仪表及文化、办公用机械制造业（H34）；
森林工业：木材加工及竹、藤、棕、草制品业（H14）和家具制造业（H15）；
食品工业：食品加工业（H7）、食品制造业（H8）、饮料制造业（H9）、烟草加工业（H10）；
纺织工业：纺织业（H11）、服装及其纤维制品制造业（H12）、皮革毛皮羽绒及其制品业（H13）；
造纸工业：造纸及纸制品业（H16）、印刷业、记录媒介的复制（H17）；文教体育用品制造业（H18）；
化学工业：化学原料及化学制品制造业（H20）、医药制造业（H21）、化学纤维制造业（H22）、橡胶制品业（H23）、塑料制品业（H24）、非金属矿物制品业（H25）。
（三）分解结果及基本分析
本文采用Coelli（1996）的DEAP软件包，对35个工业行业的全要素进行估算，并分解为Malmquist生产率指数（TFP）、技术效率指数（EC）、科技进步指数（TP）、纯技术效率指数（PC）和规模效率指数（SC），其中，TFP＝TP×EC，EC＝PC×SC。
表1是1993～2003年35个工业总体全要素生产率的Malmquist生产率指数及其分解结果。可以看出：1993～2003年中国工业全要素生产率的平均增长率为－0.5％，主要原因在于科技进步表现为负增长，平均增长率为－2.1％； 而同期技术效率的平均增长率为1.6％，其中，纯技术效率平均增长率为1.1％。规模效率平均增长率为0.6％。从最终结果来看，科技进步增长率的下降完全抵消了技术效率的提高，由此导致1993～2003年中国工业全要素生产率的平均增长率为负增长。这与Chen等（1988）、李京文等（1992）、李小平等（2005）的研究结论类似，即改革开放以来，TFP对中国工业增长的作用非常有限，对于大部分行业而言， 仍然以要素投入为主，TFP并不是产出增长的主要来源。
表1 中国工业Malmquist生产率指数及其分解（1993～2003）
年份 Malmquist
科技进步 技术效率 纯技术效率 规模效率
生产率指数 指数变化指数 变化指数 指数
1994～19930.678
0.6021.126 1.057
1.065
1995～19940.882
0.8930.988 0.993
0.995
1996～19951.021
1.0680.956 0.991
0.965
1997～19960.978
0.9761.002 1.044
0.960
1998～19971.057
0.9441.119 1.005
1.114
1999～19981.041
1.0221.019 1.025
0.995
2000～19991.119
1.1260.994 0.993
1.001
2001～20001.049
1.0381.011 1.014
0.996
2002～20011.114
1.1190.996 1.000
0.995
2003～20021.109
1.1460.968 0.987
0.980
平均值 0.995
0.9791.016 1.011
1.006
其中值得引起注意的是，1998年之前，全要素生产率和科技进步的增长率多为负值（科技进步增长率为负并非指科技退步，而是科技术进步速度减缓之意），此后明显上升，持续为正；而技术效率变化指数、纯技术效率变化指数和规模效率指数的增长率则恰恰相反，1998年之前多为正增长，此后以负增长为主。笔者认为，出现这种现象的原因是：中国的经济建立在一个市场规范度较低、产业结构不合理、管理水平低下、制度安排不完善、科学技术落后的基础之上，因此在经济发展初期，技术效率提升的空间较大（这与20世纪70年代末80年代初期农村经济体制改革对劳动生产率产生显著正向影响类似），但随着经济体制改革向纵深发展，市场逐渐完善，技术效率改进的空间减小。相对而言，正是经济发展初期较高的技术效率“掩盖”了科技进步的贡献；随着技术效率的逐渐下降，工业增长逐渐转向以科技进步为主的发展道路，科技进步指数逐年上升。据此，笔者猜测：随着市场化程度的进一步深入，科技进步对工业增长的作用继续加大，而技术效率的贡献相对降低。
表2 9类行业1993～2003年平均Malmquist生产率指数及其分解
Malmquist生 科技进 技术效率 纯技术效率 规模效
产率指数步指数 变化指数 变化指数率指数
煤炭工业 煤炭采选业(H2) 0.979 0.974
1.005 1.018
0.988
非金属矿采选业(H6) 0.991 0.992
0.999 1
0.999
煤炭工业平均0.985 0.983
1.002 1.009
0.994
石油工业 石油和天然气开采业(H3) 0.987 0.961
1.027 1.047
0.98
石油加工业及炼焦业(H19)0.93
0.933
0.997 1
0.997
电力蒸汽热水生产供应(H35) 0.955 0.989
0.966 0.975
0.99
煤气的生产和供应业(H36)1.056 1.033
1.022 1.024
0.998
石油工业平均0.982 0.979
1.003 1.012
0.991
冶金工业 黑色金属矿采选业(H4)
1.027 1.005
1.022 1.008
1.013
有色金属矿采选业(H5)
1.047 0.994
1.054 1.043
1.01
黑色金属冶炼压延加工(H26) 0.976 0.976
1 1
1
有色金属冶炼压延加工(H27) 0.973 0.972
1 0.987
1.014
冶金工业平均
1.006 0.987
1.019 1.011.009
食品工业 食品加工业(H7) 0.989 0.957
1.034 1.027
1.007
食品制造业(H8) 1.003 0.973
1.031 1.028
1.002
饮料制造业(H9) 0.99
0.982
1.009 1.027
0.982
烟草加工业(H10)0.985 0.997
0.988 1.003
0.986
食品工业平均
0.992 0.977
1.016 1.021
0.994
纺织工业 纺织业(H11)0.965 0.958
1.007 1.017
0.99
服装及其他纤维制品（H12)
0.98
0.968
1.012 1.009
1.003
皮革毛皮羽绒制品业(H13)0.993 0.954
1.041 1.003
1.038
纺织工业平均 1.979 0.961.02 1.011.01
森林工业 木材加工竹藤棕草(H14) 1.047 1.025
1.021 1.006
1.015
家具制造业(H15)1.052 1.009
1.042 1.017
1.024
森林工业平均
1.05
1.017
1.032 1.012
1.02
造纸工业 造纸及纸制品业(H16)0.97
0.959
1.011 1.005
1.005
印刷业记录媒介复制(H17)0.982 0.984
0.998 1.006
0.992
文教体育用品制造业(H18)0.997 0.971
1.027 0.999
1.028
造纸工业平均 0.983 0.971
1.012 1.003
1.008
化学工业 化学原料及化学制品(H20)0.995 0.977
1.018 1.014
1.004
医药制造业(H21)0.972 0.968
1.005 0.996
1.008
化学纤维制造业(H22)1 0.962
1.039 1.024
1.015
橡胶制品业(H23)0.967 0.963
1.005 1.009
0.995
塑料制品业(H24)0.984 0.965
1.02 1.006
1.013
非金属矿物制品业(H25) 0.991 0.999
0.992 1.004
0.988
化学工业平均
0.985 0.972
1.013 1.009
1.004
机械工业 金属制品业(H28)1.003 0.989
1.014 1.007
1.007
普通机械制造业(H29)1.004 0.986
1.019 1.014
1.005
专用设备制造业(H30)0.992 0.977
1.015 1.017
0.998
交通运输设备制造业(H31)0.989 0.976
1.013 1
1.013
电气机械及器材制造(H32)1.001 0.981.021 1.002
1.019
电子及通信设备制造(H33)1.036 0.979
1.058 1
1.058
仪器仪表文化办公机械(H34) 1.037 0.987
1.051 1.035
1.015
机械工业平均 1.009 0.982
1.027 1.011
1.016
35个工业行业平均 0.995 0.979
1.016 1.011
1.006
分别对9类工业进行Malmquist的分解结果（表2）表明：各类工业全要素生产率增长存在显著差异，且影响全要素生产率增长的原因也不相同。具体而言：
（1）全要素生产率增长为负的工业类型有：煤炭工业（－1.5％）、石油工业（－1.8％）、食品工业（－0.8％）、纺织工业（－2.1％）、造纸工业（－1.7％）和化学工业（－1.5％）。其中平均变化率下降最多的是纺织工业，最小的是食品工业。全要素生产率增长为正的工业类型有：冶金工业（0.6％）、森林工业（5.0％）和机械工业（0.9％）。
（2）全要素生产率增长为负的工业行业中， 科技进步为负而技术效率变化也为负的行业包括：非金属矿采选业、石油加工业及炼焦业、电力蒸汽热水的生产和供应业、烟草加工业、印刷业记录媒介的复制、非金属矿物制品业。这些行业1993～2003年的全要素生产率增长为负的主要原因是科技进步和技术效率的同步下降。
（3）全要素生产率增长为负的工业行业中， 科技进步变化为负而技术效率变化为正的行业包括：煤炭采选业、石油和天然气开采业、食品加工业、饮料制造业、纺织业、服装及其他纤维制品制造业、皮革毛皮羽绒及其制品业、造纸及纸制品业、文教体育用品制造业、化学原料及化学制品制造业、医药制造业、橡胶制品业、塑料制品业、专业设备制造业、交通运输设备制造业。这些行业1993～2003年技术效率均有不同程度提高，但科技进步变化下降的幅度超过技术效率增长的幅度，最终表现为全要素生产率增长为负。
（4）全要素生产率增长为正的工业行业中， 科技进步变化和技术效率均为正的行业包括：煤气的生产和供应业、黑色金属矿采选业、有色金属矿采选业、木材加工及竹藤棕草制品业、家具制造业。这些行业的全要素生产率的增长来自科技进步和技术效率共同的推动。
（5）全要素生产率增长为正的工业行业中， 科技进步变化为负而技术效率为正的行业包括：有色金属矿采选业、食品制造业、金属制品业、普通机械制造业、电气机械及器材制造业、电子及通信设备制造业、仪器仪表文化办公机械制造业。这些行业全要素生产率的增长主要来自技术效率的提高。
四、技术进步影响能源效率的计量分析
Malmquist指数把各行业的技术进步分解为科技进步率、 纯技术效率和规模效率3个部分，为深入分析技术进步对能源效率的影响提供了可能。我们将35个行业各年的科技进步、纯技术效率和规模效率值作为解释变量，以各行业的能源生产率为被解释变量，估算技术进步与能源生产率的关系。尝试解决如下问题：技术进步是否促进能源效率提高？3个部分分别的作用如何？是否动态变化？
根据Malmquist指数方法原理，科技进步、纯技术效率和规模效率均是指与上年比较的相对值，因此被解释变量也采用当年能源生产率与上一年能源生产率的比值，即能源生产率指数来表示。另外，由于只有1994～2003年共10年的时间序列数据，单个行业的回归分析可能会因为自由度过低而导致回归结果不够显著。此处仍然按9大类工业分别进行面板回归。
表3 工业部门技术进步影响能源生产率的回归结果
注：sig为对应系数等于零的概率，也即解释变量的显著性水平。OBS为进入计量回归的样本个数。
在分类讨论之前，笔者出于兴趣尝试将35个行业一起进行面板回归。由于各种面板模型和计量方法都有其特定的适用条件，只能根据计量结果的具体情况和检验指标加以选择，表3给出了几种主要模型和计量方法的回归结果。从中可以看出，聚合回归（POOLED）、固定效应回归（FIXED）、随机效应回归（RANDOM）和可行的广义最小二乘回归（FGLS）的结果非常相似，系数符号完全相同，所有系数符合均为正且通过了1％的显著性检验。据此可以判断：1994～2003年期间，中国工业整体而言，技术进步对能源效率具有显著促进作用，但技术进步各部分的作用并不一致，科技进步率、纯技术效率和规模效率每上升一个百分点，分别会带动能源生产率上升0.4％、0.8％～0.9％、0.5％～0.7％， “软”技术进步的作用要大于“硬”技术进步的贡献。
分别对9类工业进行面板数据的回报，回归结果见表4。对9类工业回归模型的选择上，本文根据系数的符号、系数的显著性检验、模型的检验值综合确定。煤炭工业PC系数和食品工业的SC系数均为负值，且不能通过20％的显著性检验，因此剔除。纺织工业和化学工业的SC系数均在20％的显著性水平上通过检验。造纸工业的TP系数、PC系数和SC系数的系数检验均不显著（30％～55％显著性）。
根据表4，可以得到如下基本结论：
（1）总体上看，所有类型工业的科技进步对提高能源效率均有显著贡献， 但贡献程度要明显小于纯技术效率的贡献，接近或略小于规模效率的贡献。如果合并纯技术效率和规模效率为技术效率，则科技进步的贡献低于技术效率的贡献。这一点与把35个工业行业共同进行分析的结果一致。 这个结果给予的启示是：首先，1994～2003年期间，中国工业部门的技术进步能够有效地促进能源效率的提高；其次，技术进步对能源效率提升的贡献更多的来自技术效率的贡献，科技进步的贡献要低于技术效率的贡献；第三，在提高工业部门能源使用效率的途径上，依靠科技进步依然有较大的潜力。
（2）煤炭工业的纯技术效率系数为负，不具有经济意义，故剔除。重新回归的结果显示科技进步对于能源效率的弹性系数要高于规模效率系数，也是9大类工业中唯一的科技进步系数高于其他系数的工业类型。但由于回归的样本量较小，变量自由度较低，回归结果可能存在一定偏差，方程回归的拟合优度也不高（0.704），只能基本反映科技进步与技术效率对煤炭工业能源效率的影响。
（3）冶金工业、食品工业、纺织工业、森林工业、化学工业的科技进步的贡献均明显小于纯技术效率的贡献，说明这些工业行业在1994～2003年期间的结构调整、管理优化等对促进能源效率提高有积极的作用，但相比之下，科技进步在促进能源效率提高上并没有表现出一般认识上的价值，影响度过低，这一方面表明过去的时段内这些工业的科技投入可能相对不高，另一方面也反映出依靠科技进步提升能源效率任重而道远。
（4）比较而言，石油工业和机械工业的科技进步对能源效率的弹性系数明显高于其他工业类型，且科技进步贡献率与技术效率贡献率基本接近。说明这两个工业类型的行业比较注重科学技术在产业发展中的应用，同时加强行业的结构调整优化，积极促进行业走集约化道路。但两者也明显区别：石油工业的科技进步系数中等，纯技术效率系数较低，规模效率系数相对较高。由于在统计中新设备购置等往往计入科技投入，因此石油工业的科技进步系数和规模效率系数较高在一定程度上反映了中国石油工业依然沿袭传统的数量取胜的发展道路；而纯技术效率很低表明中国石油工业发展过程中存在制度设计合理性差、管理水平低下等诸多问题。未来发展中除了继续加强科技创新外，重点提升石油工业的“软”技术能力应当得到充分的重视。
表4 各工业类型技术进步影响能源生产率的回归结果
注：***指1％水平显著；**指5％水平显著；*指10％水平显著；#指20 ％水平显著；OBS为进入计量回归的样本个数；随机效应模型中采用GLS方法进行估计；FGLS模型中的设定形式包括截面单元异方差且不相关；森林工业面板内部时间序列为一阶自回归AR（1）形式。
表5 机械工业技术进步影响能源生产率的分时段回归
（5）机械工业的科技进步系数在所有9类工业中最高，纯技术效率系数和规模效率系数也是最高之一，且三者较为接近。从机械工业的构成来看，包括了金属制品业（H28）、普通机械制造业（H29）、专用设备制造业（H30）、交通运输设备制造业（H31）、电气机械及器材制造业（H32）、电子及通讯设备制造业（H33）、仪器仪表及文化办公用机械制造业（H34）。其中H32、H33和H34都是当前被认为“科技含量高、经济效益好、环境污染小”的新型工业。回归结果基本符合机械工业的这些特征，比如科技进步系数明显高于其他工业类型，体现了机械工业科技含量（相对）较高的特质；作为现代工业的机械工业采用的管理模式、制度设计、人力资源水平也高于其他工业类型，因此机械工业的纯技术效率系数和规模系数也相对较高。
（6）另外，前文曾经猜测：随着行业的发展和制度的不断完善，科技进步对提高能源效率的作用逐渐增强，纯技术效率和规模效率的贡献会逐渐减小。此处笔者选取最具科技代表性的机械工业为样本再次论证该猜测。保留机械工业中最具有科技含量的电气机械及器材制造业、电子及通讯设备制造业、仪器仪表及文化办公用机械制造业，剔除其他几个行业。并将3个行业分为1994～1998年和1999～2003年两个时段进行回归分析。回归结果如表5，从变量系数值来看， 所有系数值都较大，进一步印证了的解释。而从两个时间段的结果比较来看，科技进步系数明显提高，纯技术效率系数和规模效率系数不同程度下降，且在第二时段科技进步对提升能源效率的贡献超过了纯技术效率和规模效率的贡献。前文的猜测得到验证。
五、结论与启示
通过把35个工业行业的技术进步的分解结果与能源生产率进行计量回归分析，可以得到以下几点结论与启示。
1.提高能源效率源于两类因素：产业结构调整和技术进步。前者的作用已经为众多理论与实践所证实，至少在有限条件下可以成立。后者因为技术进步对能源消费存在回报效应，因而缺乏经济层面的研究，更多的是工程技术专家对能源物理效率给予了关注。
2.对35个工业行业的Malmquist生产率分解显示：1993～2003年期间，技术进步（全要素生产率）对中国工业增长的作用十分有限，对于大部分行业而言，TFP并不是产出增长的主要来源。但是，基于面板数据的计量分析表明：虽然技术进步对工业增长的作用有限，但对工业能源效率具有显著的正向促进作用。
3.技术进步对能源经济效率的促进作用更多的来自技术效率的贡献，科技进步的作用相对小些。从另一个角度而言，在提高工业部门能源使用效率的途径上，依靠科技进步依然有较大的潜力。
4.科技进步和技术效率对能源效率的作用随时间动态变化。随着行业的发展和制度的完善，科技进步对提高能源效率的作用逐渐增强，纯技术效率和规模效率的贡献会逐渐减小。在尽量改善技术效率的前提下，依靠科技进步提高能源效率应当成为主要努力方向。
注释：
① 经济增长模型中采用资本、劳动和能源三投入要素已经为众多学者所采用（Rashe and Tatom,1977; Ebohon,1996; Collins and Bosworth,1996;赵丽霞等，1998; Ayres and Warr.2003）。
② http://db.cei.gov.cn/scorpio_online/default.aspx。
标签：全要素生产率论文; 生产率论文; 能源效率论文; 能源论文; 经济指数论文; 经济研究论文; 中国制造业论文; 投入资本论文; 劳动生产率论文; 经济学论文; 科技论文;