市场分割下的中国全要素能源效率：基于超效率DEA方法的经验分析，本文主要内容关键词为：效率论文,中国论文,要素论文,割下论文,能源论文，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
提升能源效率是国家能源战略规划的重要内容，然而能源效率的测度与比较却是一个相当棘手的问题。按照惯例，人们通常采用能源强度，即能源消费与国内生产总值（GDP）的比值衡量能源效率。但随之会产生三个问题：首先，能源强度实质上反映的是能源效率变化的结果，如果将能源强度视为能源效率难免失之精确；其次，计算能源强度有一个隐含的假定，即产出是由能源作为惟一的投入要素所创造的，由于忽略了其他生产要素的贡献，会导致对能源效率的高估，因此能源强度也被称为单要素能源效率（Hu and Wang，2006；史丹，2006）；最后，“十一五”规划制定了2010年能源强度较“十五”期末下降20％的能源效率改进目标，不同省市具有差异化的经济结构和技术水平，如果将节能指标按照固定比例分摊到不同地区，政策设计会因缺乏行之有效的针对性造成并不理想的结果。那么通过怎样的方式能够直观、准确地量化包括多种投入要素在内的能源效率？数据包络分析（DEA）为我们提供了一个全新的研究视角。
运用DEA方法研究能源效率问题一般围绕行业层面和区域层面两条线索展开。Mukheijee（2008）在假定能源与其他投入要素分别呈替代和互补关系的基础上，使用四种DEA模型考察1970～2001年美国制造业中六个高耗能部门的能源效率，研究发现造纸业能源利用最具效率，而冶金部门的能源效率水平最低。Azadeh等（2007）则将DEA模型与主成分分析、数值分类学相结合，分析伊朗和经济合作与发展组织（OECD）国家制造业中高能源强度产业的能源效率特征，指出在行业层面单纯依靠DEA模型无法辨别能源消费与产出增长以及结构变迁的特殊关系。就区域层面而言，应用DEA模型，通过对各区域能源效率的评比排序，能够设定较为准确且有针对性的节能目标。Hu和Wang（2006）采用规模报酬不变（CRS）DEA模型，估算了1995～2002年中国省际潜在能源投入量，并将潜在能源投入与实际能源投入的比值界定为全要素能源效率，发现东部能源效率最高而中部却是最低。魏楚和沈满洪（2007）借鉴Hu和Wang（2006）的方法，① 得到的结论是中国能源效率的演变呈倒U型，并且能源效率的区域分布按东北老工业基地、东部、中部和西部逐级递减。二者研究结论之所以不一致，一方面在于模型的投入要素种类不同；另一方面，投入-产出变量统计口径的差异也是主要原因。②
以上的方法依靠线性规划技术锁定最优的决策单元（DMUs），虽然系统地测度和比较了各决策单元的能源效率，但在对能源效率测评的深度和影响因素判断方面仍然留有一定的改进余地。本文沿袭Hu和Wang（2006）的研究思路，在生产投入中加入知识存量的前提下，使用规模报酬不变的超效率（superefficiency）DEA模型测算1995～2005年中国全要素能源效率，并基于市场分割的视角借助Tobit模型检验社会环境因素对全要素能源效率的影响。
本文的结构安排是：第二部分介绍测度全要素能源效率的DEA模型，并对投入-产出变量进行说明；第三部分报告全要素能源效率测度结果；第四部分经验分析全要素能源效率的影响因素；最后是一个简短的结论。
二 全要素能源效率的测度
（一）全要素能源效率测度方法
Charnes等（1978）分析了投入导向的技术效率，并假定存在规模报酬不变的生产技术，研究N个决策单元为生产M种产出时需要投入K种要素的技术效率问题。对于第i个决策单元，可以用投入向量
经过求解，第i个决策单元的效率分值即为θ，且θ≤1，而λ为N×1的不变向量。按照Farrell（1957）的观点，当θ＝1时表明这一点处于生产前沿上，是完美的技术效率；如果θ＜1，则存在1－θ的技术效率损失。
DEA需要通过线性规划识别处于前沿的点，作为非效率决策单元改进的目标。如图1所示，处于前沿面的决策单元的最大化产出已标准化为1，相应地能源和其他投入要素也通过与产出相除的标准化处理。
图1 规模报酬不变DEA模型
图2 超效率DEA模型
传统的DEA模型对技术效率进行测度和比较时，存在无法对多个处于前沿面的决策单元展开进一步比较与评价的缺陷，而超效率DEA模型（Andersen and Petersen，1993）成功地解决了上述问题。该方法在评价某个决策单元时，将其排除在决策单元的集合之外。如图2，在测度C[,2]点的效率时将其排除于决策单元的参考集之外，则前沿面就由
超效率DEA模型通过转换处于前沿面的决策单元，使得对完美效率的决策单元展开进一步的测度成为可能。
（二）投入－产出变量说明
本文研究选取的时间跨度是1995～2005年，模型的产出变量以1995年不变价格计算的实际GDP表示，并假定生产过程中需要五种投入要素：资本、劳动、能源、农地和知识，相应的生产函数可以表述为：
Y＝f（K，L，E，F，A）（2）
资本存量数值K取自Zhang等（2007），由于原始数据是以1952年为基期计算，为了保证投入－产出变量统计口径的一致性，我们用GDP平减指数将资本存量换算为以1995年为基期计算的相应数值。
劳动L严格地说应当由全国就业人员的有效劳动时间衡量，但由于缺乏平均工作时间的统计数据，我们采用全国就业人口数作为替代。
能源E即省际能源消费量，统计上是将煤炭、石油、天然气和水电等四种主要一次性能源的消费量按照相应比例折算为统一单位（标准煤），然后加总核算。
农地F用农作物总播种面积衡量，Hu和Wang（2006）认为一般的能源数据只包括传统的一次性能源，而没有涵盖低碳量的可再生能源尤其是生物能源。生物能源是中国农村地区广泛使用的非商业能源，2000年其消费量大致占中国能源消费总量的19.9％（Chang et al.,2003），由于生物能源多是农作物的秸秆，缺乏连贯的统计数据，③ 因此Hu和Wang（2006）使用农作物总播种面积作为生物能源的代理变量，并利用1995～1996年数据进行了检验，发现二者间的相关系数达0.841，本文沿用他们的处理方法。
以上四种投入均为物质形态的生产要素，随着内生增长理论的兴起，知识投入、技术进步对于经济增长的显著贡献在理论界得到普遍认同，因此本文在投入要素中加入非物质形态的知识存量。部分研究使用研究与开发（R&D）支出作为知识投入的代理变量，但Cordes（1989）研究发现R&D支出会因投资主体的规模和税收政策的不同而变化，另外R＆D更适合反映技术进步的投入而非技术进步的结果。本文遵循Gardner和Joutz（1996）的方法，使用专利授权数存量作为知识积累的代理变量。知识存量的计算公式为：
其中
为t期的知识存量，即专利授权数存量，
为知识流量（新增专利授权数），d为知识的折旧率，赋值为0.15。中国1985年通过立法形式确立了正式的专利审批制度，但当年各省获得专利授权的文件数目较少，我们将1985年和1986年数据合并作为基期知识存量，进而计算历年省际知识存量。
本文各变量数据取自《新中国五十年统计资料汇编》、历年《中国统计年鉴》和《中国能源统计年鉴》，2005年省际能源消费量从国家统计局发布的《2005年各省、自治区、直辖市单位GDP能耗等指标公报》所得数据换算而得。由于重庆成立直辖市时间较短，为了保持数据的连续性，我们将重庆与四川的数据合并。
三 全要素能源效率测度结果
我们选取基于投入导向的规模报酬不变超效率DEA模型，附表1为使用EMS软件对中国省际全要素能源效率的测算结果。总体来看，中国省际全要素能源效率的演进过程表现出如下特征。
第一，省际全要素能源效率显示出快速提升的态势，不考虑位于前沿面的省市，1995～2005年除浙江和广东外其余省份的能源效率均有不同幅度的改进，其间全要素能源效率的全国平均分值也由0.678上升至0.887，年均提高2.72个百分点。另外，全要素能源效率的改进还体现在处于前沿面的省份逐渐增加，1995年、2000年和2005年位于前沿面的省份的数目分别为5、8和11，相应地占总样本量的17.24％、27.59％和37.93％。辽宁、上海、福建、海南和云南在样本期内均为前沿面省份，持续保持了能源利用的高效率水平。值得注意的是，湖北1999年进入前沿面省份，但在2003年全要素能源效率却退化至0.654，这在其他已进入前沿面的省份中绝无仅有。伴随省际全要素能源效率逐渐攀升，从表面来看能源利用效率存在两极分化的现象，1995～2005年处于前沿面的上海市全要素能源效率分值持续高于2.10，与之相对应，山西和宁夏的分值却均在0.40以下徘徊。我们通过进一步计算全要素能源效率的变异系数发现，事实上省际能源利用效率趋于收敛，变异系数由1995年的0.758下降到2005年的0.447。
第二，为了更加清晰地划分省际能源利用效率模式，本文采用沃德法（Ward's method）对2005年非前沿面地区按照全要素能源效率和能源投入水平进行聚类分析。如表1所示，非前沿面地区大致可划分为七类，其中能源高投入的三类地区最需关注。
高效率、高投入地区：广东和浙江两省历年来全要素能源效率均在0.90上下波动，相对于经济发展水平而言能源投入水平比较合理。由于这类地区能源投入量大，同时又位于较为发达的东部沿海地区，其周边省份也多处于全要素能源效率的前沿面，只要生产投入模式稍做调整，广东和浙江即可进入前沿面省份。
中效率、高投入地区：山东和河南全要素能源效率水平不高，但能源投入量的绝对水平较大。河南全要素能源效率正处于稳步上升阶段，由1995年的0.426提高到2005年的0.808，2001年更达到0.844，接近能源利用的高效率。山东的全要素能源效率一直位于0.8以下，缺乏实质性的改进。总体来说，这类地区的经济仍然以传统的数量型增长为主导，产出需要依靠大量的要素投入来拉动，因此只要通过向集约化生产方式逐步转变，山东和河南具有较大的能源效率提升空间和节能潜力。
低效率、高投入地区：河北、山西和四川能源消耗较大，但由于利用效率水平低，对能源投入的浪费巨大。这类地区应当是国家实施节能计划的重点地区，以全国能源效率最低的山西省为例，如果进入全要素能源效率前沿面可节约能源8 328.63万吨标准煤，是2005年北京市能源消费量的150％。河北、山西和四川的全要素能源效率改进速度较为缓慢，缺乏有效的自动调节机制，因此，可以通过强化能源区域调配力度来提高这类地区的能源效率，减少不必要的能源消耗。
第三，本文按照东、中、西部④ 分别计算各区域的全要素能源效率，辨别能源效率的区域分布特征。
如图3所示，1995～2005年全要素能源效率的区域分布并非严格呈东、中、西梯度递减。全要素能源效率在东部水平最高且变动较为平坦，并从1999年起持续高于1，但在中西部却展现出螺旋型的演进态势，1995～2002，年中部地区全要素能源效率优于西部，而此后却被西部反超。Hu和Wang（2006）得出西部能源效率高于中部的结论，但是研究中没有包含知识投入的因素。我们将知识投入从DEA模型中剔除后，发现测算的全要素能源效率分值有所提高。由于中部地区知识投入水平明显高于西部，本文认为Hu和Wang的研究由于没有考虑知识积累的影响，从而导致对西部能源效率的高估。
图3 全要素能源效率的区域分布
此外，我们先后将知识投入和农地投入从模型中剔除，并分别采用超效率DEA方法和一般的DEA方法测度了四种投入要素（Hu and Wang，2006）和三种投入要素（魏楚和沈满洪，2007）的全要素能源效率，⑤ 进而利用相关样本的非参数威尔柯克森（Wilcoxon）符号秩检验，考察包括本文测度的全要素能源效率在内的四种方法测算结果的差异性。如表2所示，本文测度的全要素能源效率与其余三种测算结果均具有较为显著的差异性，从侧面印证了采用超效率DEA模型测度包含知识投入在内的全要素能源效率的必要性。
说明：a为本文测算的全要素能源效率；b为使用超效率DEA方法测算不包含知识存量的四种投入要素的全要素能源效率；c与d分别代表使用一般DEA方法测算的四种投入要素和三种投入要素的全要素能源效率。
四 全要素能源效率影响因素分析
（一）模型设定
借助DEA模型测度的全要素能源效率，不仅是由预先设定的投入－产出指标生成，还会受到指标以外的社会环境因素的影响。由于省际全要素能源效率有一个最低界限值0，数据因此而被截断，用传统的线性方法对模型直接进行回归可能会得到负的拟合值。本文采用处理限值因变量的Tobit模型，检验全要素能源效率的影响因素。
Tobit模型可以定义为一个潜变量模型（伍德里奇，中译本，2003）：
观察附表1的省际全要素能源效率测算结果，我们发现一个有趣的现象，山西、陕西、贵州等煤炭储量丰富的地区全要素能源效率均低于0.5，而能源贫乏的长三角、珠三角等地区却拥有极高的能源效率。诚然能源相对稀缺的地区为缓解能源供应压力，会采用先进的节能技术提高能源效率，⑥ 但既然能源禀赋丰裕地区的能源效率较低，更多的能源理应通过市场调节配置到效率更高的地区。然而事实并非如此，以上海为例，2005年实际能源消费量为8056万吨标准煤，按照本文的测算上海潜在能源消费应为18335万吨，高效率的地区并没有获取足够多的能源配置。不可否认运输条件会影响能源配置效率，但这并不是问题的全部解释，大量的经验事实和研究表明中国的市场分割状态严重，⑦ 要素资源的流动性受制于地域的界限。林毅夫和刘培林（2004）指出由于推行赶超发展战略，改革开放后在分权改革体制下，地方政府受激励机制驱动产生地方保护和市场分割，出于提高本地企业的生存和获利能力的目的，各地会限制本地资本和自然资源的流出，限制外地产品的流入。现有研究将市场分割或归因于渐进式改革（Young，2000），或认为是分权体制的结果（银温泉、才婉茹，2000），但无论何种成因其内在机制仍在延续。
依据上述分析本文认为，在市场分割和分权体制下，地方政府出于政绩考虑会动用行政干预手段促进和保护本地区的工业化发展，因此在能源禀赋丰裕的地区，本地工业获取能源的机会成本相对较低，从而造成资源配置扭曲使能源效率受损。郑毓盛和李崇高（2003）的研究证实，2000年中国由于市场分割所造成的产出结构配置效率和省际要素配置效率损失达到20％。
囿于数据匮乏大多数研究都采用间接的方式判断中国市场分割程度，我们根据Poncet（2002）提供的数据经整理和计算后可知，1987年、1992年和1997年省内贸易与省际贸易的比例大致为1／7.33、1／4和1／1.94，而同期国内贸易量则表现出强劲的上升趋势，分别为5115、9704.8和27298.9亿元。借此我们可以推断，国内贸易量的增加是以省内贸易所占比重的扩张为支撑，与此同时省际贸易的份额却在逐渐萎缩，伴随国内贸易量的逐步攀升，在市场割据的背景下，国内贸易与全要素能源效率呈反向变动关系。⑧
基于以上分析，本文构建如下基本计量模型：
由于各省煤炭生产量和消费量的数据只能搜集到2004年，Tobit模型研究样本时间段为1995～2004年。
已有研究所关注的能源效率影响因素，主要涵盖以下几个方面：（1）能源价格，Newell等（1999）发展的诱致性技术变迁理论阐明，能源价格上升会通过刺激技术进步诱发能源效率提高；（2）产业结构，吴巧生和成金华（2006）运用简单平均微分PDM2的分解结果显示，产业结构变动对中国能源效率的影响并不显著；（3）市场化，Fan等（2007）采用超对数（translog）成本函数估计要素替代弹性，指出1993年以来市场经济的加速发展提高了要素替代弹性，要素配置速度加快，能源效率得以提高；（4）经济开放性，史丹（2002）研究发现，对外开放使要素的国际流动性有所增强，并通过强化资源配置效率提升了能源效率。基于以上分析，Tobit模型的控制变量选择能源价格、市场化进程、对外开放，本文在对全要素能源效率测度中已包含了知识积累的因素，我们不再考察技术进步对全要素能源效率的影响。
综合已有文献，全要素能源效率与各类影响因素的关系可能有如表3中显示的预期。
（二）经验结果分析
1995～2004年各地区全要素能源效率与影响因素的Tobit回归分析结果如表5所示。模型Ⅰ中解释变量只有各省能源禀赋，回归结果显示，有理由接受能源丰裕程度与全要素能源效率显著负相关，即不考虑其他影响因素，能源禀赋越充裕的地区全要素能源效率越低，与我们的初始判断相符，这一点在图4中也有所反映。
在模型Ⅱ中加入各省国内贸易占GDP的比重以及工业产值与全国工业总产值之比，观察图5不难发现，地区工业产值占全国工业总产值的比重与全要素能源效率并非呈线性关系，我们进而在模型中引入地区工业产值占比的二次项。能源丰裕程度与全要素能源效率依然显著负相关。国内贸易占GDP的比重越大，全要素能源效率越低，并通过了1％的显著性检验，验证了在国内贸易增加的同时，由于市场分割程度的加剧扭曲了资源配置，造成全要素能源效率的损失。工业产值占全国工业总产值比重与全要素能源效率呈显著正相关关系（系数为13.10，双尾t检验为10.67）。本文认为，随着工业产值的增加，在规模经济的作用下对能源的利用会更加有效。这也能够解释中西部偏远地区能源禀赋比较充裕，但由于工业化水平相对较低、工业经济的规模相对较小，对能源的利用效率低于东部工业发达的地区。工业产值占全国工业总产值比重二次项系数显著为负，表明全要素能源效率随该比重的提高先上升后下降，呈“倒U”型关系，我们认为可能是规模报酬递减发生了作用。根据模型Ⅱ的结果可以测算，地区工业产值占全国工业总产值的6.9％左右对能源利用最有效，但由于地方保护和市场分割，在分权体制下地方政府具有动用行政手段发展本地工业的激励，而地方政府的干预行为造成了重复建设过多、产业结构趋同，进而地区间相互牵制难以实现规模经济，⑩ 这在一定程度上又会妨碍能源效率的提高。
我们接下来引入其他控制变量构成模型Ⅲ，进一步考察市场分割对能源效率的影响。引入其他影响因素后，能源禀赋虽然仍与全要素能源效率负相关，但未能通过显著性检验。用以考察市场分割对能源效率影响的三个变量的方向均未发生变化，并通过了相应的显著性检验。这说明，表象上看能源禀赋相对充裕的地区全要素能源效率较低，而深层的原因在于市场分割扭曲了资源配置、阻碍了地区工业规模经济的形成，造成全要素能源效率损失。因此，模型Ⅱ由于遗漏了制度和价格等因素，其结果可能是有偏的。此外，我们也有理由接受能源价格、非国有经济比重以及外商直接投资与资本形成总额的比值和全要素能源效率显著正相关，这与Fisher- Vanden等（2004）研究企业层面能源利用效率的结果一致。因此面对不同的激励机制和约束水平，非国有经济和外资对能源的利用更加有效。
为了考察以上研究结论是否稳健，我们对全要素能源效率影响因素做新的检验。首先，魏楚和沈满洪（2007）的研究认为2000年是中国能源效率发生变化的转折点，本文研究显示2002年之前中部能源效率高于西部，但此后却被西部反超，我们认为这是因为2000年实施西部大开发导致西部能源效率提高得更快。模型Ⅳ是在模型Ⅲ的基础上加入西部大开发虚拟变量（WD），2000年前取值为0，2000年后取值为1，该模型的分析结果显示，除能源价格系数不显著外，其余变量的作用方向均未发生变化并通过显著性检验，而西部大开发虚拟变量的系数显著为正。
其次，交通运输条件可能会对能源配置效率产生影响，但国内贸易与交通运输存在共线性（国内贸易与铁路密度的相关系数为0.632），我们在模型Ⅴ中将国内贸易剔除，考察铁路密度（
）对全要素能源效率的影响。铁路密度与全要素能源效率显著正相关（系数为0.064，双尾t检验为8.65），其余变量对能源效率的影响均未发生变化，表明交通运输条件的改善会提高能源效率。我们在模型Ⅵ中加入国内贸易，其作用符号仍然与预期一致，并通过5％的显著性水平，因此控制了交通运输条件后同样证实市场分割会降低能源效率。
最后，模型Ⅶ是在模型Ⅲ的基础上用各省对外贸易总额占GDP的比重取代FDI作为对外开放的代理变量。该模型所关注的三个解释变量
和
系数符号未改变并且显著，而对外贸易占GDP的比重对能源效率具有不显著的正向影响，主要原因可能在于该变量受多重共线性的干扰而使得自身的影响被掩盖。
五 结论
实现“十一五”规划提出的能源效率改进目标的关键在于，对省际能源效率展开尽可能详尽的测度与比较，进而探寻影响能源效率变动的决定性力量。本文使用包含资本、劳动、能源、土地和知识存量五种投入要素的超效率DEA模型，对1995～2005年中国全要素能源效率进行测算，在此基础上采用Tobit模型检验社会环境对全要素能源效率的影响。以下是我们得到的基本结论。
（1）中国全要素能源效率正处于稳步攀升的阶段，这不仅体现在能源效率分值逐步上升，而且位于能源效率前沿面省份的数量也在不断增加。1995～2005年全要素能源效率在东部水平最高且较为平坦，但在中西部却展现出螺旋型的演进态势。对各地区能源利用效率模式的聚类分析结果表明，低效率高投入的河北、山西和四川应是国家实施节能计划的重点地区，此外中效率高投入的山东与河南也具有较高的节能潜力。
（2）表象上能源禀赋相对充裕的地区全要素能源效率较低，其深层次的原因在于市场分割扭曲了资源配置，同时由于地方保护造成产业结构趋同，致使地区间相互牵制难以实现规模经济，从而造成全要素能源效率损失。因此，培育统一、规范、有序的市场经济是改进中国能源效率根本之策，从当前来看则需要强化“西气东输”、“西电东送”和“北煤南运”等能源区域调配力度，并完备能源区域调配补偿制度，防止区域经济非均衡发展趋势的拉大。
2008年1月
注释：
① 全要素能源效率与经济增长理论中的全要素生产率无关，全要素能源效率特指能源的利用效率，而全要素生产率则是衡量单位总投入的生产率指标。
② Hu和wang（2006）的投入变量包括能源、资本、劳动和农地，产出与资本存量数据均以1995年为基期计算；魏楚和沈满洪（2007）投入要素中不包农地，产出是以1990年不变价格换算，而资本存量则以1952年为基期计算。
③ 需要指出的是，沼气作为生物能源的一种，由于投入成本高，其应用和推广需要政府的引导和推动。沼气占中国生物能源的比例较低，不将其纳入分析之中不会对测算结果造成显著影响。
④ 东部地区包括京、津、冀、辽、沪、苏、浙、闽、鲁、粤、琼；中部是晋、吉、黑、皖、赣、豫、鄂、湘；西部包括内蒙古、桂、川、黔、滇、陕、甘、青、宁、新。
⑤ 用超效率DEA方法仅测算不包含知识存量的四种投入要素的全要素能源效率，用以比较纳入知识存量对测算结果的影响，通过使用非参数检验我们发现，纳入知识存量后对测算结果具有显著的影响。
⑥ 煤炭资源丰裕的地区将二次能源（火电）输往煤炭资源稀缺地区，在一定程度上也会造成煤炭资源贫乏地区因消费了火电而较少消耗煤炭，间接提高了一次能源利用效率。但是由于统计数据的限制，我们无法将各地区所消耗的火电来源加以区分。此外，火电产业对地方税收具有较大的贡献，并且中国现行的电煤价格远低于商品煤价格，因此各地方政府也都在不遗余力地发展本地火电产业，以促进地方经济增长。
⑦ Poncet（2002）研究发现，1987年、1992年和1997年中国省际间平均贸易量分别占GDP的54％、50％和38％，而省际间贸易障碍的等价关税则逐步上升，分别为37％、41％和51％。
⑧ 这一点在沈坤荣和李剑（2003）的研究中也有所体现，他们指出由于市场分割的加剧，国内贸易与人均资本呈负相关性。
⑨ 为使回归结果的系数含义更加明确，Tobit回归中的因变量＝全要素能源效率×100％。
⑩ 表4对各变量的描述性统计显示，地区工业产值占全国工业总产值比重的均值为3.45％、中位数为2.11％，与6.9％相去甚远。在29个省、市、自治区中，历年来只有浙江的工业产值比重最接近6.9％的水平，其余大部分省份均远低于这一水平。1995年18个省份工业产值比重位于3.45％以下，2004年也有17个省份处于该状况。