去产能视角下的长江经济带能源生态效率评价及收敛性分析

赵 鑫,孙 欣，陶 然

(1.安徽财经大学 统计与应用数学学院,安徽 蚌埠 233030； 2.国家统计局 统计科学研究所，北京 100826)



去产能视角下的长江经济带能源生态效率评价及收敛性分析

赵 鑫1,孙 欣1，陶 然2

(1.安徽财经大学 统计与应用数学学院,安徽 蚌埠 233030； 2.国家统计局 统计科学研究所，北京 100826)

采用考虑非期望产出的超效率SBM—DEA模型，对长江经济带整体及其上中下游1996—2013年能源生态效率进行评价，从三个方面测算省际间能源生态效率收敛性。结果显示：长江经济带整体能源生态效率平均水平为0.936，下游能源生态效率最高，上游次之，中游最低；能源生态效率区域差异性显著，长江经济带整体和中下游区域同时存在σ收敛、绝对β收敛和条件β收敛，上游只存在条件β收敛。在去产能背景下，应该更加注重长江经济带能源生态效率一体化发展进程，各省市结合自身能源生态效率发展状况特点推进能源效率提升，缩小区域间能源生态效率差异，促进过剩产能消化。

去产能;长江经济带;能源生态效率评价;超效率SBM—DEA模型;收敛性

一、引言

中国经济在经历三十余年的高速增长之后,其发展进入“新常态”,各方面的资源环境压力日益增大,国内国际市场需求量下降,仅依靠需求消化产能过剩的空间越来越小。在2016年1月召开的中央财经领导小组第十二次会议上,习近平强调,“要在适度扩大总需求的同时,去产能、去库存、去杠杆、降成本、补短板,从生产领域加强优质供给,减少无效供给,扩大有效供给,提高供给结构适应性和灵活性,提高全要素生产率,使供给体系更好适应需求结构变化”。能否实现新常态下经济增长与能源环境协调发展,改变我国当前产能过剩行业“高能耗、高污染、低效率、不协调”的粗放型生产方式,成为当前亟待解决的重大问题。长江通道是我国国土空间开发最重要的东西轴线,在区域发展总体格局中具有重要战略地位。国务院印发《关于依托黄金水道推动长江经济带发展的指导意见》明确提出，要“打造沿江绿色能源产业带”,将长江经济带建设成为我国“生态文明的先行示范带”。2016年1月在重庆召开的推动长江经济带发展座谈会上,习近平强调,“要依托长江水道,自觉推动绿色循环低碳发展,有条件的地区率先形成节约能源资源和保护生态环境的产业结构和消费模式”。

能源效率强调能源消耗量为人类可持续发展带来的贡献量[1]。生态效率是经济与资源环境发展协调程度的测度指标,“通过创造有价格竞争优势的产品和服务来满足人类的需求并提高生活质量,同时将其环境影响和资源利用强度控制在地球的承载力水平之内”[2]。两者均是以更少的资源投入和更小的环境污染实现更大的价值产出[3]。因此,研究如何提高长江经济带能源生态效率,既有助于产能过剩行业去产能化的推进,促进长江经济带经济发展从高能耗、高污染向低能耗、低污染转变,也是实现经济—能源—环境三者健康协调发展的客观要求和必然选择。

二、文献综述

目前,国内外学者大体上从两种视角对能源效率进行了测度研究。第一种是基于单投入要素视角的偏要素能源效率指标，如能源强度、能源生产率、能源生态效率、能源技术效率等[4-5]。随着研究的进一步加深,偏要素能源效率指标受到质疑,单要素能源效率指标只能够测度能源与经济产出的比例关系,无法体现能源要素和其他生产要素之间的替代关系,并且能源作为一种生产投入要素,无法独立地促进经济增长[6-8]，这会导致对效率值的估计产生较大偏差,影响评价结果。鉴于此种方法的缺陷,Hu和Wang从能源效率的替代性出发，首次提出了基于多投入要素视角的全要素能源效率指标,从微观经济学全要素生产率(Total Factor Efficiency,TFP)的理论角度,给出全要素能源效率的概念,即“保持能源要素之外的其他要素不变,依据最佳生产实践的原则,要达到一定产出所需的目标能源投入量与实际投入量的比值”[9]。对于全要素能源效率的研究,目前主要有两种,一种是参数化的随机前沿分析(Stochastic Frontier Analysis,SFA),另一种是非参数的数据包络分析(Data Envelopment Analysis,DEA),两者都是基于方向距离函数的前沿度量方法。在进行效率评价时,SFA对于模型的基本假设比较复杂,不仅需要建立生产函数,而且对于技术无效率的分布形式也需要进行具体设定,使得模型的参数估计较为困难[10]。相比之下,DEA对于生产前沿的具体形式不做严格要求,并且对具有相同类型的多投入、多产出的决策单元(DMU)是否技术有效进行评价具有较大优势。本文将采用考虑非期望产出的超效率SBM—DEA模型对长江经济带11个省市1996—2013年的能源生态效率进行评价,进而通过比较研究长江经济带整体及上中下游能源生态效率的收敛性,最后从去产能的视角对提升能源生态效率提出建议。

三、长江经济带能源生态效率评价

(一)模型的选取

传统的DEA模型,如CCR、BCC模型都是基于径向和角度的思想,无法测算松弛变量对效率的影响,从而高估DMU的全要素生产率。Tone提出的SBM—DEA模型是基于松弛变量的非径向和非角度的效率评价模型,不仅考虑到松弛投入和松弛产出,而且可以解决由于径向和角度选择的不同导致评价效率时产生的偏差。

虽然SBM—DEA模型解决了径向及角度的选择和松弛变量非零的问题,但是当存在多个投入和多个产出指标时,经常会出现多个DMU同时有效,即效率值同时为1的情况。此时,传统的SBM—DEA模型就无法对DMU进一步评价,并且在实际生产活动中,“坏产出”的产生不可避免。为了解决DMU的排序和产生非期望产出的问题,Tone[11]又提出了考虑非期望产出的超效率SBM—DEA模型,数学表达式如下:

(1)

(二)评价指标体系的构建及说明

在研究国内外学者构建生态全要素生产率及能源全要素生产率评价指标体系的基础上[12-14],本文从能源、环境和经济三个方面构建长江经济带能源生态效率评价指标体系。鉴于重庆市于1996年从四川省独立出来,依据数据的可获得性和全面性,以1996—2013年为研究期间,将指标分为投入指标和产出指标。

选取长江经济带11个省市的能源消费总量来衡量能源投入;以各省市从业人员数表征劳动力投入;在衡量资本投入时,国内学者多选取资本存量作为资本投入的代理变量,本文选取固定资产投资额作为资本存量的代理变量,并以1996年为基期剔除价格因素的影响;期望产出选取以1996年为基期不变价的各省市地区生产总值;选取工业烟粉尘排放量、工业固体废物排放量、工业废水排放量、工业废气排放量及工业二氧化硫排放量五个指标,通过熵值法拟合成为综合值作为非期望产出。所用数据均来源于相应年份的《中国环境统计年鉴》《中国能源统计年鉴》及长江经济带各省市的《统计年鉴》。

(三)能源生态效率分析

本文通过软件MaxDEA6.0得到长江经济带11个省市1996—2013年能源生态效率值,如表1所示。

表1 长江经济带省际及其上中下游能源生态效率值

从表1可以看出,长江经济带11个省市1996—2013年能源生态效率变动规律有如下特征。(1)从长江经济带省际视角来看,能源生态效率最高的为上海,均值达到1.143,在1996—2013年间均位于生产前沿面上,江苏、江西和重庆的能源生态效率也处于领先地位;浙江、安徽、四川和贵州的能源生态效率处于中等水平;能源生态效率较低的为湖南、湖北和云南,1996—2013年的能源生态效率均值低于0.8。(2)长江经济带各省市间能源生态效率存在一定差异。对于一直处于生产前沿的上海来说,能源生态效率呈现不断下降的趋势,由1.600降低到1.095,其能源生态效率提升空间不大;对于能源生态效率水平居中的安徽来说,其能源生态效率从1996年的0.765提高到2013年的1.042；对于能源生态效率水平较低的湖北,从1996年的0.539上升到2013年的0.624,它们的能源生态效率则具有一定的提升空间。对于长江经济带11个省市来说,各省市年均能源生态效率值的标准差为0.189,能源生态效率最高与最低之间相差0.582,表明各省市间能源生态效率具有较大差异性。

四、长江经济带能源生态效率的收敛性分析

通过对能源生态效率变动规律特征的分析可以看出,长江经济带各省市及各区域之间存在差异性,对地区间能源生态效率差异性做出合理有效的测度,既有利于长江经济带产能过剩行业去产能化,也有助于对长江经济带经济—能源—环境的协调发展做出更加全面的把握。本文分别从σ收敛、绝对β收敛及条件β收敛三个角度对能源生态效率差异变动趋势进行深入分析。

(一)收敛性分析方法

1.能源生态效率σ收敛反映各区域能源生态效率的敛散程度。σ收敛可以由下式表示:

(2)

其中,Ei(t)为第i个评价区域在t年的能源生态效率评价值,N为评价区域的数目。

2.能源生态效率绝对β收敛是指随着时间的推移,能源生态效率水平较低的区域对水平较高区域存在“追赶”的趋势,最终各区域的能源生态效率趋同,达到一个相同的稳定值。根据Barro和Sala-I-Martin的研究[15],能源生态效率的绝对β收敛检验方程可以用下式表示:

(3)

其中,Ei,t和Ei,t+T分别表示第i个区域第t期即基期和t+T期的能源生态效率评价值;ln(Ei,t+T/Ei,t)/T表示第i个区域从第t期到第t+T期的年均能源生态效率增长率;a为常数项;b为基期能源生态效率的系数;μi,t为随机误差项。若b显著为负,即意味着各区域能源生态效率的增长速度与初始值成反比,能源生态效率较低地区对较高地区有“追赶”的趋势,存在绝对β收敛;反之,则不存在。

3.能源生态效率的条件β收敛指的是各个区域的能源生态效率不仅取决于该区域初期水平,同样受到区域差异的影响,最终会凭借自身特征收敛于各自的稳定状态。由Xavier X和Sala-I-Martin的研究[16]给出能源生态效率条件β收敛的检验方程为:

(4)

(二)能源生态效率的σ收敛、绝对β收敛及条件β收敛

由图1可以看出,长江经济带整体能源生态效率在1996-2013年间表现出一定的收敛态势,σ值从1996年的0.327下降至2013年的0.204 4。同时,通过σ值可以看出,上中下游区域的能源生态效率表现出不同的敛散性,特征如下:(1)下游区域三个省市之间能源生态效率差距最小,且1996—2013年间的每一年差异均小于长江经济带整体能源生态效率差异,这主要是由于上海、江苏和浙江均具有较高的能源生态效率,研究期间的差异不明显;(2)中游区域能源生态效率σ值呈现较大波动状态,由1996年的0.457 6下降到1997年的0.164 4,再上升到1999年的0.366 6,最终达到2013年的0.200 8,表明中游区域四个省市之间能源生态效率差异变动趋势较为明显;(3)上游区域能源生态效率σ值呈现波动上升趋势,由1996年的0.240 5小幅度增加至2013年的0.263 7,表明上游四个省市之间的能源生态效率差距逐渐扩大,主要原因在于云南省的能源生态效率显著低于重庆、四川和贵州三个省市。总体来说,从长江经济带整体及其上中下游三个区域来看,长江经济带整体及中下游区域能源生态效率呈现出较为明显的σ收敛特征,上游区域能源生态效率未表现出σ收敛趋势。

图1 长江经济带整体及其上中下游能源生态效率的σ收敛结果

表2给出长江经济带整体及其上中下游绝对β收敛检验结果。从长江经济带整体层面看,系数b的估计值为-0.140 9且十分显著,说明初始时期能源生态效率水平与其增长率成反比,长江经济带能源生态效率整体上呈现出绝对β收敛,区域能源生态效率趋于一个稳定水平。从长江经济带各流域的角度观察,上游区域能源生态效率回归系数b虽然为负,但未通过10%水平下的显著性检验,意味着上游区域未表现出显著的绝对β收敛趋势。中下游区域能源生态效率呈现出显著的绝对β收敛,表明中下游区域中能源生态效率较低的省市对能源生态效率水平较高的省市有“追赶”效应。这与能源生态效率的σ收敛结果一致,表明长江经济带能源生态效率协调发展有进一步提升的空间。

表2 长江经济带整体及其上中下游绝对β收敛检验结果

注:*,**,***分别表示10%,5%,1%的显著性水平;括号内为t统计量。

表3给出长江经济带整体及其上中下游区域能源生态效率面板数据的固定效应(FE)和随机效应(RE)条件β收敛回归结果,并利用Hausman检验来确定模型应该选用固定效应还是随机效应模型。

根据Hausman检验结果显示,长江经济带整体及其上中下游都应该采用固定效应模型的估计结果。从固定效应模型回归系数b显著为负能够看出,长江经济带整体及其上中下游均存在条件β收敛的特征,即长江经济带整体及其上中下游区域最终会凭借自身特征收敛于各自的稳定状态。综上所述,长江经济带整体和中下游区域同时存在σ收敛、绝对β收敛和条件β收敛,表明这些区域的能源生态效率稳固提升,并且趋向一个共同水平,其原因可能在于中下游区域地理位置优越,经济较发达,拥有较为先进的技术和丰富的管理经验,能够吸引更多的外来投资,对能源生态效率的提高具有推动作用;上游区域只存在条件β收敛而不存在σ收敛和绝对β收敛,表明上游区域能源生态效率没有趋向于一个共同的稳态,而是由于各省之间的差异趋向于自身的稳态,这可能是由于上游区域所处的地理位置较为封闭,经济发展水平相对落后,因此难以在技术进步上得到有力的资金支持,容易出现“能耗大、效益差、污染高”的状况,使得上游区域能源生态效率较低。

表3 长江经济带整体及其上中下游条件β收敛检验结果

注:*,**,***分别表示10%,5%,1%的显著性水平;括号内为t统计量。

五、政策启示

根据上述结论,可以得到如下政策启示。(1)加快长江经济带能源生态效率区域一体化建设。长江经济带能源生态效率具有区域差异,下游地区能源生态效率最优，上游能源生态效率次优,中游能源生态效率较低,长江流域能源生态效率总体水平有待提高。因此，应该加强各区域间人才、技术和资金流动,促使先进的流域管理和流域生态等理念从下游区域向中上游区域转移,推进“自上而下”式长江流域能源生态效率发展规划,通过下游区域的高能源生态效率带动中上游区域能源生态效率的提高。区域一体化的建设必然要求减小长江经济带能源生态效率省际差异,这就需要消除各流域省市间的同质竞争,加强经济合作与平台共享。长江经济带实现能源生态效率一体化能够为经济、能源和环境协调发展提供良好的政策环境,促进产能过剩行业消化过剩产能。(2)各省市应结合自身实际发展状况推进能源效率的提升。遵循“分区推进、适度开发、协调发展”的原则,从各省市的能源发展特点出发,对于经济发达且拥有较高能源生态效率的省市(它们拥有相对有力的财政支持和较为先进的技术支撑),我们需要注重其经济—能源—环境协调发展的可持续性;对于欠发达地区,不应该片面追求能源生态效率的提升,优化资源配置、改善生产力空间布局、推进资源环境可承载的特色产业发展是首要任务。

[1] 关伟,许淑婷.中国能源生态效率的空间格局与空间效应[J].地理学报,2015(6):980-992.

[2] WBCSD.Eco-efficient Leadership for Improved Economic and Environmental Performance[M].Geneva:WBCSD,1996:3-16.

[3] OECD.Eco-efficiency[R].Paris：Organization for Economic Cooperation and Development,1998.

[4] SINTON J E,LEVINE M D.Changing energy intensity in Chinese industry:The relatively importance of structural shift and intensity change[J].Energy Policy,1994,22(3):239-255.

[5] GARBACCIO R F,HO M S,Jorgenson D W.Why has the energy-output ratio fallen in China?[J].The Energy Journal,1999，20(3):63-91.

[6] GHALI KH,El-SAKKA M I.Energy use and output growth in Canada:a multivariate cointegration analysis[J].Energy Economics,2004,26(2):225-238.

[7] 魏一鸣,廖华.中国能源报告(2010):能源效率研究[M].北京:科学出版社,2010.

[8] 吴传清,董旭.环境约束下长江经济带全要素能源效率研究[J].中国软科学,2016(3):73-83.

[9] HU Jinli,WANG Shichuan.Total factor energy efficiency of regions in China[J]. Energy Policy,2006,34(17):3206-3217.

[10] 李双杰,范超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策,2009(7):25-28.

[11] TONE K.A strange case of the cost and allocative efficiencies in DEA[J].Journal of the Operational Research Society,2002，53(53):1225-1231.

[12] HÖH H,SCHOER K,SEIBEL S.Eco-efficiency indicators in German Environmental Economic Accounting[J].Statistical Journal of the United Nations Economic Commission for Europe,2002(19):41-52.

[13] 邱寿丰,诸大建.我国生态效率指标设计及其应用[J].科学管理研究,2007,25(1):20-24.

[14] 黄和平,伍世安,智颖飙，等.基于生态效率的资源环境绩效动态评估——以江西省为例[J].资源科学,2010,32(5):924-931.

[15] BARRO R.J,SALA-I-MARTIN X.“Convergence”[J].Journal of Political Economy, 1992(100):223-251.

[16] XAVIER X.SALA-I-MARTIN.The Classical Approach to Convergence Analysis[J].Economic Journal,1996,106(437):1019-36.

(编辑：赵树庆)

Energy Eco-efficiency Evaluation and Convergence Analysis of the Yangtze River Economic Belt from the Perspective of Capacity Reduction

ZHAO Xin1， SUN Xin1， TAO Ran2

(1.SchoolofStatisticsandAppliedMathematics,AnhuiUniversityofFinanceandEconomics,BengbuAnhui233030,China;2.InstituteofStatistics,NationalBureauofStatisticsofChina,Beijing100826,China)

This paper uses the super efficiency SBM-DEA model with the consideration of unexpected outputs to evaluate the energy eco-efficiency of Yangtze River Economic Belt as a whole and that of its upstream, midstream and downstream from 1996 to 2013 and to calculate the convergence of the inter provincial energy eco-efficiency from three aspects. The results show that the average level of energy eco-efficiency of Yangtze River Economic Belt is 0.936, and that the energy eco-efficiency of its downstream is the highest, followed by that of its upstream and midstream. The regional differences of energy eco-efficiency is significant. The Yangtze River Economic Belt and its midstream and downstream haveσ-convergence, absoluteβ-convergence and conditionalβ-convergence, and its upstream only has conditionalβ-convergence. In the context of the capacity reduction, we should pay more attention to the integration development process of the energy eco-efficiency of Yangtze River Economic Belt. The provinces and cities should promote their energy efficiency in accordance with their own characteristics of the development of energy eco-efficiency, narrow the regional differences of energy eco-efficiency and contribute to the digestion of excess capacity.

capacity reduction; Yangtze River Economic Belt; energy eco-efficiency evaluation; super efficiency SBM-DEA model; convergence

2016-07-05

国家自然科学基金项目“面向大数据的环境绩效评价理论、方法及其应用研究”(71471001)，“绿色气候基金融资责任分摊机制研究”(71503001)，“基于涵盖误差的我国周期性普查数据质量评估方法:理论与应用研究”(71301033)；国家社科基金项目“环境约束、空间外溢效应与我国企业技术创新效率”(14CGL065)；安徽省高等学校自然科学项目“新常态下长江经济带生态文明发展评价研究”(KJ2006A004)

赵 鑫(1993- ),男,安徽六安人,安徽财经大学硕士生,主要从事资源环境统计、数量经济研究;孙 欣(1973- ),男,安徽庐江人,安徽财经大学副教授、硕士生导师,主要从事资源环境统计、数量经济研究。

F424.1

A

1009-5837(2016)05-0045-06