环境约束视角下中国各省全要素能源利用效率变动研究——基于gml指数的分析-张忠杰.pdf

《环境约束视角下中国各省全要素能源利用效率变动研究——基于gml指数的分析-张忠杰.pdf》由会员分享，可在线阅读，更多相关《环境约束视角下中国各省全要素能源利用效率变动研究——基于gml指数的分析-张忠杰.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、环境约束视角下中国各省全要素能源利用效率变动研究基于GML指数的分析张忠杰，邓光耀(兰州财经大学统计学院，甘肃兰州730020)【摘 要】 文章基于Global Malmquist Luenberger(GML)指数，测算了中国各省20032014年全要素能源利用效率的变动情况，研究结果发现：(1)在大多数时间段的GML指数大于1，从而大部分情况下各省全要素能源利用效率在逐渐提高。(2)GML指数及其分解得到的EC指数和BPC指数均变化频繁，上升和下降的趋势交替出现，但是变化趋势并不一致。因此各省份应加大技术进步方面的资金投入和扶持力度，提升节能减排技术，并同时注意技术效率部分(EC指数)的变

2、化和技术进步部分(BPC指数)的变化。【关键词】GML指数；EC指数；BPC指数；能源利用效率【中图分类号】F1245 【文献标识码】F59 【文章编号】10042768(2017)12-011305一、引言随着经济的快速发展，中国对能源的消费量越来越大，环境污染问题也越来越严重。为了降低能源消耗强度，减少环境污染，建设资源节约型和环境友好型社会，十八大报告强调要重点关注生态文明建设。为此，在资本、劳动力和能源的全要素视角下，考虑非期望产出(例如碳排放)，研究中国各省能源利用效率水平是必要的。已有文献多采用DEA(Data EnvelopmentAnalysis)模型和SFA(Stochast

3、ic Frontier Analysis)模型来测算能源效率。Zhang等(2013)基于非径向DEA模型研究了韩国电力行业的能源利用效率，指出燃煤发电厂比燃油发电厂有更高的能源利用效率。李博等(2016)基于SBMDEA模型测算了考虑环境约束的中国资源型城市全要素能源效率，指出多数资源型城市处于非效率状态【。李玉婷和刘祥艳(2016)利用SFA模型研究了1997-2012年中国各省、区域和全国的工业全要素能源效率，指出各地的能源效率发展不平衡【甜。另外，还有部分文献利用Malmquist指数来研究中国的全要素能源利用效率的变动情况。王群伟和周德群(2008)基于DEA的非参数Malmquis

4、t指数法，分解了1993-2005年我国28个省区的全要素生产率变动，指出区域间能源效率的差异性较为显著【31。He等(2013)利用Malmquist Luenberger指数研究了中国钢铁企业的能源利用效率，指出忽略非期望产出会导致测算的能源效率存在偏差【4I。从以上文献可以看到：Malmq uist(M)指数、Malmquist【收稿日期】20171024【基金项目】甘肃省软科学项目(17CXlZA026)；教育部人文社科研究青年项目(17XJC790002)；兰州财经大学丝绸之路经济研究院科研项目(JYYZ201603)【作者简介】张忠杰(1979一)，男，河南商丘人，经济学博士，兰州

5、财经大学统计学院副教授、硕士生导师，研究方向：宏观经济政策；邓光耀(1985-)，男，湖南邵阳人，经济学博士，兰州财经大学统计学院讲师，研究方向：资源环境经济学。万方数据Luenberger(ML)指数和Global Malmquist Luenberger(GML)指数是测算全要素能源利用效率变化情况的三种主要方法。与M指数相比，ML指数和GML指数可用于考虑非期望产出(例如碳排放)的全要素能源利用效率。与M指数和ML指数相比，GML指数可以避免传统ML指数的线性规划无解的问题，并且可循环累加(Oh，2010s】)。因此本文基于GML指数测算了中国各省2004-2014年全要素能源利用效率的

6、变动情况，并将GML指数分解为EC指数和BPC指数。二、研究方法由于在能源使用过程中，常常会产生碳排放，因此在测算全要素能源利用效率变动时将碳排放当成非期望产出是必要的。下面叙述本文中测算全要素能源利用效率变动的方法：将各省视为一个决策单元(DMU)，要素投人戈包括资本、劳动力和能源，期望产出Y为各省GDP，非期望产出b为能源消费碳排放量。设时期总数为r，利用各省第t期的投入和产出值，可以构造生产可行集P()=(Y，b)：生产(Y，b)，t=1，2，丁。设全局生产技术集为严(戈)=尸I(并1)uP(x2)uuP(戈7)，参考Oh(2010)，Global Malmquist Luenberge

7、r(GML)指数可定义为：G J)I：化：”1(，Y，bY bt，“，“，b c+1)：G J)I：化。 (，“，“，”1)=!旦!(生：Z!垒! f 1、I+D6(”，Y“，b“1)”7其中，D6(，b)是全局方向性距离函数，可通过以下公式求解：D6(，Y，b)=max#r Xstt t。(1叩)，：，m=1，Mt=l=lr 膏之6矗18)6：，歹=1，I=1=lr Ktz：。(1书)戈：，n=1，I=1 I=IZk0，k=1，K (2)其中，大写的r、K、M、，、分别为时期、省份、期望产出、非期望产出、投入指标的总数，小写的t、k、m、i、n分别为具体某个时期、省份、期望产114出、非期望

8、产出、投入指标。GML；”1的值大于1，说明与第t年相比，第+1年k省的全要素能源效率在进步；GML。“的值等于1，表示全要素能源效率保持不变；G舰y1的值小于1，表示全要素能源效率在倒退。参考Oh(2010t61)，GML指数可以进一步分解为EC指数(测度技术效率变化)和BPC指数(测度技术进步变化)的乘积，Ec指数和BPC指数的定义如下：ECit。(，Y，bY b z，一，Y“，b川)：EC (， ，“， “，”1)=_笔咝垂冬盟不 (3)1+“(”，”，b”1) 胱wt。“1(，Y，bY bt，“，Y“，b川)：引DjC (，“，“，“1)=!塑!(笙：Z：垒! !：2：!笙：!Z：!i

9、!：1 2 f4)l+DV(矿“，Y“，b“1)“ 1+(，Y，b c)”7其中，(，Y，b)按照以下公式计算：tr(x，Y，b)=maxp汛tt t。(1+f1)y：，m=1，MZ川t bt=(1书)6：，歹=1，tz：。s(1书)算：，凡=1，之-0，k=1，K (5)Ecyl的值大于1，说明与第年相比，第+1年k省的全要素能源效率的技术效率部分在进步；Ecyl的值等于1，表示全要素能源效率的技术效率部分保持不变；Ecyl的值小于1，表示全要素能源效率的技术效率部分在倒退。B粥y1的值大于1，说明与第t年相比，第f+1年k省的全要素能源效率的技术进步部分在进步；B t。”1的值等于1，表示

10、全要素能源效率的技术进步部分保持不变；B粥y1的值小于1，表示全要素能源效率的技术进步部分在倒退。三、数据来源限于数据的可得性。本文测算中国大陆除西万方数据藏外30个省2004-2014年中全要素能源效率，所用到的能源消费量、劳动力和GDP等数据来自于历年的中国统计年鉴，资本存量参考张军等(2004)【71、邓光耀等(2017)181中的方法，采用永续盘存法计算，能源强度根据能源消费量除以GDP得到。根据2006版IPCC中的方法，本文中各省碳排放量按照各类能源的消费量乘以对应的碳排放系数计算得到(Amstel，2006t9I)。另外，考虑到通货膨胀的影响，本文以2004年为基期，对GDP和资

11、本存量数据进行平减处理。四、实证分析(一)GML指数的测算结果将公式(2)代人公式(1)，可以计算出中国各省全要素能源效率的逐年变动值(GlVIL指数值)，本文以2004m2005年、2009-2010年、20132014年为例，计算得到的结果如表1所示。表1 20042005年、2009-20lO年、20132014年各省GML指数值省份 北京 天津河北 山西内蒙古辽宁 吉林黑龙江上海 江苏2004-2005 10090 10314 10042 0998l 09420 09829 09641 10044 l_0069 1 014720092010 10289 10101 10274 1015

12、9 09933 10175 I0051 10482 10383 103382013一加14 09998 10l加09706 09772 1 0002 09818 10496 09776 10341 1 0547省份 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西2004-25 097“09舳7 I0015 09793 10147 09956 10176 10210 09989 097252009-2010 10300 10168 10195 10472 I0019 09907 l-0387 10076 10028 098172013-2014 10058 09970 09909 0

13、9827 09779 09927 09985 09949 09926 l_0173省份 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆2004-2005 09860 09779 09997 101 18 09603 10188 09975 1 0046 09756 099442009-2010 10397 10398 10134 09970 09978 10414 10228 10273 I0467 1049320132014 09942 l舶71 09973 09870 09723 1 0001 09868 n9790 09767 09893从表1可以看到：在2004-2005年

14、、20092010年和2013-2014年这3个时间段中，大部分省份的GNL指数值大于1，这说明相对于上一年度，当年的全要素能源利用效率有所上升。其中：天津、上海、江苏和陕西等4个省份在3个时间段的GlVIL指数均大于l；北京、河北、黑龙江、福建、山东、湖北、湖南和青海等8个省份在2004-2005年、2009-2010年时间段的GML指数大于1，但是在201382014年时间段小于l；吉林、浙江和重庆等3个省份2004-2005年时间段的GNL指数小于1，但是在2009m2010年、2013m2014年时间段的GML指数大于1；山西、辽宁、安徽、江西、广东、海南、四川、甘肃、宁夏和新疆等10

15、个省份在20042005年、2013-2014年时间段的GML指数小于l，但是在2009-2010年时间段的GML指数大于1；内蒙古和广西等2个省份在20042005年、2009-2010年时间段的GML指数小于1，但是在2013-2014年时间段的GlVlL指数大于l；对贵州来说，在2004D2005年时间段的GNL指数大于l，但是在200912010年、2013m2014年时间段的GlVIL指数小于1；对河南和云南等2个省份来说，在3个时间段的GML指数均小于l，这说明在这3个时间段内，河南和云南省的全要素能源利用效率相对于上一年度，均有所下降。为了进一步分析GML指数的逐年变化情况，本文

16、以30个省份GlVIL指数的平均值为例，说明2004-2005年等10个时间段GNL指数的计算结果，如图l所示。从图1可以看到：(1)30个省份各时间段GML指数的平均值波动频繁，上升和下降的趋势交替出现。其中，200482005年、2005m2006年、200612007年、2007-2008年时间段的GNL指数上升；2007R2008年、2008-2009年时间段的GlVlL指数下降；2008n2009年、2009-2010年、20102011年时间段的GlVIL指数上升；2010-2011年、20112012年时间段的GML指数下降；201l一2012年、2012m2013年时间段的GM

17、L指数上升；2012m2013年、2013-2014年时间段的GIVIL指数下降。(2)由于节能减排技术的提高，在大多数时间段的GML指数大于1，例外的情况有20042005年、2008-2009年、201l一2012年、20132014年等4个时间段。(二)GML指数的分解根据公式(3)和公式(4)可以计算得到EC指数和BPC指数，本文以2004-2005年、20092010年、2013-2014年为例，说明各省EC指数和BPC指数值，如表2和表3所示。万方数据表2 20042005年、2009m2010年、20132014年各省I=C指数值省份 北京 天津 河北 山西内蒙古辽宁 吉林黑龙江

18、上海 江苏2004-2005 10000 10231 10092 10000 09928 10045 09697 10107 10000 0986720092010 10000 09854 10036 10000 10000 09986 10205 10126 10000 1011820132014 10000 10000 09765 I0000 10000 09823 10l09883 I0123 09988省份 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西2004-2005 09889 10030 1 0161 10070 1 0143 10022 10206 10194 l

19、 0000 0975920092010 10000 10000 0 9857 10329 09960 09858 10221 100110 10000 0994220132014 10000 10000 09909 10010 10054 09823 1 0033 10000 09987 09850省份 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆2004-2005 10028 09784 10047 10292 09656 10225 1 0033 10233 09927 099362009-2010 10215 l-0131 10074 09917 09619 10737 1

20、0230 10092 10287 1036620132014 09879 10102 09965 10113 09777 10000 1O008 09801 10000 I0160表3 2004-2005年、2009n2010年、2013-2014年各省BPC指数值省份 北京 天津 河北 山西内蒙古辽宁 吉林黑龙江上海 江苏2(104-2005 10090 1 0081 09951 09981 09489 09785 09943 09938 10069 lJD28320092010 10289 10251 10237 10159 09933 10189 09849 10352 10383 10

21、2172013-2014 09998 1 0140 09940 09772 1O002 0 9994 10384 09892 10215 10560省份 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西2004-2005 09853 09778 09856 09725 I0003 09934 09971 10016 09989 0996520092010 10300 10168 10342 l 0138 10060 10050 10162 10076 1 0028 0987420132014 158 09970 10000 09817 0 9726 10106 09952 09949

22、 0 9938 10328省份 海南 重庆 四川 贵州 云南 陕西 甘肃 青海 宁夏 新疆2004-2005 09832 09995 0 9950 09830 0 9945 09964 0 9942 09817 09828 1O00820092010 10178 10263 10060 10053 10374 09699 09999 10179 10175 1012220132014 10064 09969 10008 09760 09944 I0001 09860 09989 09767 09737从表2可以看到：(1)部分省份的EC指数值在2004m2005年、2009m2010年、201

23、3m2014年等3个时间段可能近似地(由于表2中数据只保留四位有效小数，微小的变化不能反映)保持不变，也就是说在测算全要素能源效率时，技术效率保持不变。例如：北京、天津、山西、内蒙古、上海、浙江、安徽、湖南、广东、陕西和宁夏等11个省份。(2)对其余19个省份来说，河北、辽宁、吉林、黑龙江、江苏、福建、山东、河南、海南、重庆、四川、贵州、青海和新疆等14个省份在以上3个时间段的EC指数值可能大于1，也可能小于l。江西、湖北和甘肃等3个省份在以上3个时间段的EC指数值均大于1；广西和云南等2个省份在以上3个时间段的EC指数值均小于1。从表3可以看到：在20042005年、20092010年、20

24、13m2014年等3个时间段中，大部分省份的BPC指数值可能大于1，也可能小于1，这说明在测算全要素能源效率时，这些省份的技术进步部分可能存在进步，也可能存在倒退。例如：北京、河北、山西、内蒙古、辽宁、吉林、黑龙江、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、青海、宁夏和新疆等26个省份。另外，天津、上海和江苏等3个省份在以上3个时间段的BPC指数值均大于l，这说明在测算全要素能源效率时，技术进步部分在3个时间段均存在进步；甘肃在以上3个时间段的BPC指数值均小于1，这说明在测算全要素能源效率时，技术进步部分在3个时间段均存在倒退。为了进一步

25、分析EC指数和BPC指数的逐年变化情况，本文以30个省份Ec指数或BPC指数的平均值为例，说明2004-2005年等10个时间段EC指数或BPC指数的计算结果，如图2和图3从图2可以看到：(1)30个省份各时间段EC指数的平均值变化频繁，上升和下降的趋势交替出现。其中，在2004m2005年、2005m2006年时间段下降；在2005m2006年、2006m2007年、20072008年时间段上升；在2007m2008年、20082009年时间段下降；在2008m2009年、20092010年时间段上升；在2009-2010年、20102011年、20112012年、2012m2013年、20

26、132014年时间段持续下降。(2)30个省份各时间段EC指数的平均值大于1的时间段有2004m2005年、20072008年、20082009年、20092010年、20102011年、20112012年等6个时间段；其余4个时间段则小于1。从图3可以看到：(1)30个省份各时间段BPC万方数据指数的平均值变化频繁，上升和下降的趋势交替出现。其中，在2004-2005年、2005-2006年、2006-2007年时间段上升；2006-2007年、20072008年、2008-2009年时间段下降；2008-2009年、2009-2010年、20102011年时间段上升；20102011年、2

27、0112012年时间段下降；20112012年、2012-2013年时间段下降；2012-2013年、2013-2014年时间段上升。(2)30个省份各时间段BPC指数的平均值大于1的时间段有20052006年、20062007年、20072008年、2009-2010年、20102011年、2012-2013年等6个时间段；其余4个时间段则小于1。比较表1一表3和图1图3中的结果，可以看到：(1)GML指数大于1时，并不能保证EC指数和BPC指数大于1，例如2009-2010年时间段天津的GML指数大于l，但是EC指数小于l；2004-2005时间段河北的GML指数大于1，但是BPC指数小于

28、1。(2)从30个省份各时间段的平均值来看，虽然GML指数、EC指数和BPC指数均变化频繁，上升和下降的趋势交替出现，但是变化趋势并不一致，即不一定同步。五、结论与启示本文基于GML指数，测算了中国各省20032014年全要素能源利用效率的变动情况，研究结果发现：(1)由于节能减排技术的提高，在大多数时间段的GML指数大于1，即大部分情况下各省全要素能源利用效率在逐渐提高。(2)GML指数、EC指数和BPC指数均变化频繁，上升和下降的趋势交替出现，但是变化趋势并不一致。根据以上研究结论，可得到以下政策启示：(1)由于技术进步是提升能源利用效率的必要条件，因此各省份应加大技术进步方面的资金投入和

29、扶持力度，提升节能减排技术。(2)根据GML指数的分解结果，GML指数大于1的省份，EC指数和BPC指数并不一定大于1，GML指数小于1的省份，EC指数和BPC指数并不一定小于1，因此各省在提升全要素能源利用效率时，应同时注意技术效率部分的变化和技术进步部分的变化。(3)另外，由于各行业消费效率和消费结构也可能存在差异，因此优化产业结构和能源消费结构也是提升能源利用效率的必要措施。【参考文献】1】李博，张文忠，余建辉考虑环境约束的中国资源型城市全要素能源效率及其差异研究J1自然资源学报，2016，31(3)：3773892】李玉婷，刘祥艳中国工业能源效率及其收敛性sFA全要素与单要素方法的比较

30、分析【J】干旱区资源与环境，2016，30(12)：14-193】王群伟，周德群中国全要素能源效率变动的实证研究【J】系统工程。2008，26(7)：7480【4】He F，Zhang Q，Lei J，Fu J，Xu XEnergy efficiency and productivitychange of ChinaS iron and steel industry：Accounting for undesirableoutputsJEnergy Policy，2013，54(54)：204-213【5116】Oh D HA global Malmquist-Luenberger produc

31、tivity index【J】Journal of Productivity Analysis。2010。34(3)：183197【7】张军，吴桂英，张吉鹏，2004中国省际物质资本存量估算：19522000J经济研究(10)：3544【8】邓光耀，韩君，张忠杰，2017中国各省水资源利用效率的测算及回弹效应研究【J】软科学(1)：15一199】Amstel A VIPCC 2006 Guidelines for National Greenhouse GasInventoriesM2006 (责任编辑：A校对：L)(上接第34页)效机制。【参考文献】【1】李晓宁，鲁豪，2011“限购令”对西

32、安房地产市场的影响趋势分析fJ西安建筑科技大学学报(社会科学版)(5)：3036【2】张德荣，郑晓婷，2013“限购令”是抑制房价上涨的有效政策吗?基于70个大中城市的实证研究【J】数量经济技术经济研究(11)：56723】邓柏峻，李仲飞，张浩，2014限购政策对房价的调控有效吗【J】统计研究(11)：50-57【4】国家统计局网站EBOLhttp：#datastatsgovcn2016【5】颜色，朱国钟，2013“房奴效应”还是“财富效应”?房价上涨对国民消费影响的一个理论分析【J】管理世界(3)：34-476】鞠方，周佳梅，彭李娜，2016购房者羊群行为对中国房价波动的影响研究【J】湖南大学学报(社会科学版)(2)：8793(责任编辑：A校对：T)117万方数据