考虑行业异质性的我国工业能源效率分析

周四军 廖芳芳 李丹玉

考虑行业异质性的我国工业能源效率分析

周四军 廖芳芳 李丹玉

提升能源效率是供给侧改革的重要方面，不同行业在资源、技术、资金和劳动组织上各有自身特性，使到各行业能源效率产生差异。运用超效率DEA模型，以2002-2014年我国36个工业行业的面板数据测算我国工业行业的静态全要素能源效率，分析行业异质性和演变过程。采用Malmquist指数法测算全要素能源效率变化指数，考察我国工业全要素能源效率的动态变化，进一步运用面板回归模型分析工业行业能源效率的影响因素。结果发现:我国工业行业能源效率保持缓慢上升趋势，不同要素密集度行业的能源效率存在显著差异性，从低至高依次为资源密集型、资本密集型和劳动密集型行业。不同行业间能源效率增长趋势不同，资源密集型行业和劳动密集型行业的全要素能源效率变化指数呈增长趋势，资本密集型行业的全要素能源效率变化指数呈下降趋势。产权结构、对外开放程度、行业平均规模和行业集中度对全要素能源效率的影响存在行业异质性。

工业能源效率； 行业异质性； 超效率DEA； 要素密集度； 效率分解

一 引 言

工业化发展已经成为我国经济增长不可或缺的重要支柱，而工业能耗降低又是一个不得不重视的约束条件。“十三五”规划明确提出，到2020年末，我国单位国内生产总值能源消耗较2015年要降低15%和二氧化碳总量降低18%的约束性目标。因此，对我国工业行业能源效率水平及其变动的根源进行定量分析和对比，对推动工业结构优化、建设资源节约型社会、实现经济社会可持续发展有重要意义。

国内外学者针对行业能源效率的差异性及影响因素进行了多方面的研究。Miketa和Mulder(2005)[1]对56个发达以及发展国家10个制造业行业在1971-1995年的能源效率进行了研究分析，发现大多数国家的制造业能源效率存在收敛趋势，但其收敛性水平会因国家的不同而存在差异。Mukherjee(2008)[2]在生产理论角度下对美国1970-2001年的制造业能源效率进行了测算，表明具有较大产出的能源密集型行业的能源效率较低。唐玲和杨正林(2009)[3]运用DEA模型测算了1998-2007年中国工业行业能源效率，并分析了能源效率提升的影响机制，中国工业行业能源效率的整体水平较低，国有企业比重、行业集中度与工业能源效率负相关，企业规模与工业能源效率正相关。李世祥和成金华(2009)[4]运用非参数前沿方法分析中国工业行业的能源效率特征，发现大多数工业行业能源效率较低，同时研究了工业化水平、产业结构、技术进步和能源价格对能源效率的影响机制。曲小娥(2011)[5]利用DEA效率评价方法对中国省际工业的能源效率和影响因素进行了测算和分析，研究发现我国各省份工业能源效率差异较大；行业集中度、资本深化对工业能源效率有正影响，而企业平均规模对工业能源效率有负影响。郭文和孙涛(2013)[6]运用改进的非期望SBM模型测算了我国39个工业行业的生态全要素能源效率，研究发现我国工业行业生态全要素能源效率值差异较大，企业规模、资本深化对高效率和低效率行业均为正影响，而国有控股对高效率行业产生正影响，对低效率行业产生负影响。陈关聚(2014)[7]运用随机前沿技术测算了我国制造业30个行业的全要素能源效率，结果发现2003-2010年制造业能源效率呈现先上升后停滞的阶梯形变化特征，且行业间能源效率水平差异较大；增加煤炭消费量对能源效率有显著负影响，增加电力、石油消费量对能源效率有显著正影响。武盈盈(2015)[8]通过构造随机前沿理论模型测算了各行业全要素能源效率值，并分析了其影响因素，研究发现企业规模、对外开放程度、外商投资水平、技术创新与能源效率正相关，而国有及国有控股企业占比与能源效率显著负相关。王娟等(2016)[9]运用非径向DEA模型测算了36个工业行业能源和环境综合效率，研究发现各行业的综合环境效率存在差异性和改善空间。

以上文献都是在同质性行业的假设下开展研究。不同的工业行业自身特性有所不同，在资源密集程度、环境污染程度、技术密集程度等方面存在差异，从而导致各行业能源效率存在显著的行业差异性。大多数研究提出的提高行业能源效率的政策都是面向所有行业，未区分行业异质性，因而无法对我国工业能源效率的变化趋势与成因进行深入分析和解释，也无法为改善我国工业能源效率提供针对性政策。为此本文从行业异质性的视角出发，测算我国工业能源效率，以反映各行业间能源效率的行业差异性，提出更有针对性的对策建议。

二 工业行业异质性理论简述

“异质性”相对于“同质性”，是指物质因为空间结构或物理差异所造成的性质差异。行业异质性主要是指各个行业由于自身条件特征，导致行业间存在较为明显的差异而且能够明显区分。对于行业的划分标准，可以根据生产要素密集程度、环境污染排放程度、垄断程度等具体划分。随着经济不断发展，生产要素密集度被广泛运用于行业分类的研究领域中。生产要素密集程度是指投入要素在生产过程中对生产经营活动产生的影响程度以及生产经营活动对各生产投入要素的依赖程度，实质是检验生产过程中各要素的投入比例关系。基于此，本文以生产要素密集程度为标准划分行业性质，具体分为资源密集型、劳动密集型与资本密集型3类(祝树金和许可瑞琳，2015)[10]。而资源密集型行业指投入资源要素多，且对生产经营活动影响大的工业行业；劳动密集型行业指投入劳动力多，且对生产经营活动影响程度大的工业行业；资本密集型行业指投入资本多，且对生产经营活动影响程度大的工业行业。因此，根据2002年版的《国民经济行业分类标准》，并参考以上文献，选取36个工业行业按其定义分成表1中的三大类型行业。

表1 我国36个工业行业的分类

(续上表)

资源密集型行业劳动密集型行业资本密集型行业(A6)烟草制品业(B6)皮革、毛皮、羽毛(绒)及其制品业(C6)塑料制品业(A7)电力、热力的生产和供应业(B7)印刷业和记录媒介的复制(C7)黑色金属冶炼及压延加工业(A8)燃气生产和供应业(B8)家具制造业(C8)有色金属冶炼及压延加工业(A9)水的生产和供应业(B9)造纸及纸制品业(C9)通用设备制造业(A10)木材加工及竹藤棕草制品业(B10)橡胶制品业(C10)交通运输设备制造业(B11)非金属矿物制品业(C11)专用设备制造业(B12)金属制品业(C12)电气机械及器材制造业(C13)仪器仪表及文化、办公用机械制造业(C14)通信设备、计算机及其他电子设备制造业

能源效率即投入产出的比例关系。而全要素能源效率是指一个经济体在综合考虑生产过程中能源、资本、人力等投入要素后实现的最大产出，主要通过衡量非有效前沿面与有效前沿面之间距离来测度各行业能源的相对效率，生产函数关系决定着能源效率高低。

由于各个行业各具特性，按要素密集度分类的行业对生产投入要素的依赖程度不同。在生产过程中，劳动密集型行业需要投入大量的劳动力，对于技术和设备的依赖程度较低；资本密集型行业需要投入较多的资本且消耗大量的能源；相对于上述两种类型的行业，资源密集型行业则需要消耗大量的自然资源。这三种类型行业对劳动、资本、能源的需求有所不同，将三种投入要素作为测算能源效率的指标加入到生产函数中，会导致不同的产出量。而用投入产出比例关系来表示的能源效率，也因行业间不同的投入要素而造成能源效率差异。

三 工业全要素能源效率测算及行业异质性比较

(一)研究方法

本文从我国工业发展的实际出发，利用超效率DEA模型和Malmquist指数测算我国36个工业行业全要素能源效率和指数。

1. 超效率DEA模型

数据包络分析是一种分析多投入、多产出的决策单元的相对有效性的评价方法。传统的DEA方法会出现多个决策单元同时有效，即效率值同时为1的情形，从而无法对有效的决策单元进行进一步的比较。为了解决传统DEA模型无法评价的问题，Andersen和Petersen提出了超效率DEA模型，克服了决策单元的效率值不能超过1的约束条件，进一步辨别出有效DEA决策单元之间的差别。超效率DEA模型如下：

(1)

2. Malmquist指数

Malmquist指数主要是用距离函数测算值的比率来测算某个行业的t时期和t+1时期之间全要素生产指数的变化(Fare et al.，1994)[11]。在t时期的技术条件下，t时期和t+1时期之间的Malmquist全要素生产率指数可以表示为：

(2)

Färe et al.(1994)[11]在研究中发现全要素生产率指数可分解成技术进步指数和技术效率指数两部分，而技术效率指数可分解为纯技术效率指数和规模效率指数。技术进步指数衡量了决策单元科技创新、引进技术等方面内容，若数值大于1则表示技术进步，反之表示技术颓废。纯技术效率指数衡量决策单元从t期到t+1期的最佳生产前沿的距离，体现决策单元在管理、教育、知识水平等方面的改善状况。规模效率指数权衡各个决策单元规模收益是增加还是减少，评价决策单元最佳的生产规模，若该数值大于1，则规模收益递增，反之规模收益递减。

(二) 变量选择及数据来源

考虑到数据的可取性，本文选择数据为我国36个工业行业(表1)2002-2014年的工业总产值、劳动投入、能源消耗总量、二氧化硫排放量。

1. 投入项目

(1)资本投入：以工业总产值作为资本投入指标。资本存量的计算方法根据张军(2004)[12]的计算结果，取2002年现值作为本文的计算基准，采用永续盘存法向后推算得到各行业的资本存量，并折算为2002年不变价格，单位为亿元。

(2)劳动投入：选取规模以上工业企业全部从业人员平均数作为劳动投入，数据来源为《中国工业统计年鉴》，单位为万人。

(3)能源投入：以规模以上工业企业能源消耗总量作为能源投入，数据来源为《中国能源统计年鉴》，单位为万吨标准煤。

2. 产出项目

(1)期望产出：用规模以上工业总产值作为产出指标，用固定资产投资价格指数平减后以2002年为基期作为经济产出，数据来源为《中国工业统计年鉴》，单位为亿元。

(三)测算结果分析

1. 基于环境因素的我国工业行业全要素能源效率

利用Matlab8.0软件，在规模收益不变假设下，运用基于投入导向的超效率DEA模型测算了2002-2014年基于环境因素的我国36个工业行业全要素能源效率，测算结果见附表1。

(1) 我国工业行业能源效率存在很大的行业差异性。测算结果显示：2002-2014年我国36个工业行业的全要素能源效率水平相对较高，年均值达到0.743。效率最高的五个行业分别为烟草制造业、燃气生产和供应业、家具制造业、文教体育用品制造业和通信设备、计算机及其他设备制造业，其中烟草制造业、家具制造业和通信设备、计算机及其他设备制造业2002-2014年全要素能源效率一直大于1，即处于生产前沿面上。能源效率最低的五个行业分别为煤炭开采和洗选业、石油和天然气开采业、造纸及纸制品业、非金属矿物制品业和黑色金属冶炼及压延加工业，能源效率处于0.1-0.4，说明这些行业离最佳能源效率前沿面较远，无效损失较高。

从上述分析中可以发现，能源效率高的大多数是能源消耗低、技术含量高的工业行业，而能源效率低的大多数是能源消耗高、污染排放严重的工业行业。行业异质性导致各行业能源效率差距明显且行业之间存在着巨大的节能潜力。

图1 2002-2014年我国36个工业行业全要素能源效率均值

(2)为进一步说明行业异质性对能源效率产生的影响，将所有行业按要素密集度分类，重新对工业能源效率进行测算，结果见附表2。

从全部行业的整体性来看，2002-2008年我国工业行业能源效率呈现微小的波动变化，2008-2010年呈现上升趋势，2010-2012年大幅度下降，2013年微小变动之后呈现逐渐上升趋势。从行业异质性的角度出发，劳动密集型行业的工业能源效率是最高的，可能是因为随着城镇化和工业化的推进，这些行业的劳动力利用效率不断提高，而且相对于其他行业，其粗放型的耗能产业较少，因而工业能源效率高于资本密集型行业。资本密集型行业的工业能源效率较高，是因为这些行业在能源利用方面采用集约化、低耗能的生产方式，不存在能源投入冗余。资源密集型行业的工业能源效率最低，可能是因为这类行业的增长方式主要以粗放型为主，行业技术装备水平较低，自然资源、能源等浪费严重，所以其能源效率相对较低。

图2 我国工业行业异质性能源效率

2. 行业异质性条件下我国工业行业全要素能源效率变动

为进一步说明行业异质性条件下我国工业行业能源效率的动态变化情况，利用Malmquist指数方法对我国36个工业行业的数据进行测算得到全要素能源效率变化指数(TFP)，并将其分解为技术进步指数(ECHCH)、技术效率指数(EFFCH)、纯技术效率指数(PECH)和规模效率指数(SECH)。表2列出了2002-2014年全要素能源效率Malmquist指数值变化年均值及其分解结果。

表2 2002-2014年我国工业行业全要素能源效率指数年变化值

(续上表)

年份TFP指数ECHCH指数EFFCH指数PECH指数SECH指数2008-20091.0751.0291.0441.0451.0002009-20101.0691.0411.0271.0121.0152010-20111.1091.1760.9420.9311.0132011-20120.9981.0270.9720.9291.0462012-20131.0711.0601.0101.0061.0052013-20141.0471.0421.0051.0170.998均值1.0841.0840.9990.9931.007

从表2可以看出，2002-2014年我国工业行业全要素能源效率年均增长8.4%，表明我国能源效率在2002-2014年整体处于上升阶段。从其分解看，技术效率指数年均值为0.999，说明技术效率处于下降状态，主要是由纯技术效率下降导致，而技术进步指数和全要素能源效率指数的变动情况几乎一致，说明技术进步对能源效率的提高起到关键性作用，其中技术进步的年增长率为8.4%。原因在于随着我国经济体制改革的推进和市场经济体制的完善，产业结构调整的力度逐渐加大，企业管理水平也在经济改革的影响下不断提高，中国工业正向以管理创新、制度创新、科技创新等为主的新型工业化道路发展，技术进步、科技创新对全要素能源效率提高的作用逐渐显现。

为进一步分析行业异质性条件下各子行业全要素能源效率的变动情况，表3给出了2002-2014年我国36个工业行业以及行业分类条件下的全要素能源效率变化指数及其分解。

表3 我国36个工业行业全要素能源效率变化情况及其分解

(续上表)

工业行业TFP指数ECHCH指数EFFCH指数PECH指数SECH指数B50.9671.0330.9370.9740.961B60.9521.0330.9221.0000.922B71.0271.0290.9981.0540.947B80.9641.0330.9341.0000.934B91.0811.0541.0261.1420.898B101.2841.0391.2351.0381.189B111.0681.0720.9961.0000.996B121.0711.0541.0160.9541.065资本密集型1.0931.0811.0121.0140.998C10.9591.0330.9291.0000.929C21.0491.0351.0141.0620.955C31.0981.0641.0321.0301.002C41.0831.0631.0191.0191.000C51.0991.0311.0661.0571.008C61.0091.0380.9730.9980.975C71.0831.0601.0221.0650.959C81.1101.0571.0501.0001.050C91.0651.0730.9930.9931.000C101.0881.0631.0241.0231.001C111.0721.0701.0021.0021.000C121.0571.0571.0000.9971.003C131.0091.0330.9771.0900.897C141.0701.0701.0001.0001.000

从表3可知，行业异质性的存在导致各行业之间全要素能源效率变化指数存在明显差异，对比三大类行业的能源效率变化指数及分解情况可以看出：

(1)资源密集型行业的全要素能源效率处于增长趋势，年均增长9.9%。从其分解来看，技术效率指数小于1，主要受到纯技术效率微弱的抑制作用影响，而技术进步年增长达到10.4%，说明劳动密集型行业全要素能源效率的增长主要依靠技术进步的增长。从资源密集型行业各个子行业来看，除了木材加工及竹藤棕草制品业，其它行业的能源效率都有所提高，但是引致因素有所不同。煤炭开采和洗选业、石油和天然气开采业、燃气生产和供应业、水的生产和供应业的能源效率提高都是技术效率和技术进步共同作用，其它行业主要是依靠技术进步的增长。除了煤炭开采与洗选业、石油和天然气开采业、燃气生产与供应业和水的生产与供应业，其他行业的技术效率均下降，大多数是受到纯技术效率和规模效率下降影响。而食品制造业、木材加工及竹藤棕草制品业、燃气生产和供应业的规模效率有待进一步提高。

(2)劳动密集型行业的全要素能源效率增长率达到11.7%，而技术进步增长率达到10.8%，说明劳动密集型行业全要素能源效率的提升主要依靠技术进步的提高。从劳动密集型行业各个子行业分析，橡胶制品业的能源效率增长率最高，达到了28.4%，主要受到技术进步和技术效率共同改进影响，保证了能源的高效率。有色金属矿采选业的能源效率增长率下降速度最大，其技术退步明显。而黑色金属矿采选业、造纸及纸制品业、橡胶制品业和金属制品业的技术效率都有所提高，其它行业的技术效率都是下降的，说明这些行业在技术改造方面，自身实力相对较弱，而外资企业进入这些行业主要是看中了我国廉价的劳动力资源优势，相比于其它行业，外资企业所带来的溢出效应较小，且对提高我国工业行业能源效率的贡献较小。造纸及纸制品业、印刷业和记录媒介的复制都获得了较好的纯技术效率，但是其规模效率有待进一步提高。

(3)资本密集型行业的全要素能源效率呈增长趋势，年均增长9.3%，其规模效率处于负增长，年均下降0.2%。主要是因为资本密集型行业的主要经营单位是国有企业，拥有较高的市场集中度。但国有企业规模较大容易造成不合理的制度安排和较低的管理效率，从而导致资本密集型行业的规模效率比较低。分析资本密集型行业各个子行业可以发现，文教体育用品制造业的能源效率下降，主要是受技术效率下降的影响，而其它行业的能源效率都有所提高，增长速度也较快，是因为这些行业无论是自身经济能力、行业垄断程度还是技术改造能力都比较强。塑料制品业、通用设备制造业、仪器仪表制造业和文教体育用品制造业的技术效率都有所下降，但其影响因素不同。塑料制品业技术效率下降主要是纯技术效率和规模效率共同下降所致，通用设备制造业的技术效率下降是由于纯技术效率下降，而仪器仪表制造业和文教体育用品制造业的技术效率下降主要是由规模效率下降引起的。

四 工业全要素能源效率影响因素的行业异质性

利用我国工业行业全要素能源效率值，构建回归模型进行行业间的比较，从行业异质性特征的视角讨论影响全要素能源效率的因素，以便为提高我国工业行业能源效率，实现节能减排目标提供参考。

(一)变量的选取及模型设定

1. 产权结构：用按行业分国有及国有控股工业企业的工业总产值与按行业分规模以上工业企业的工业总产值的比值(ES)衡量行业产权结构。产权制度不同会导致激励机制不同，我国多数工业以国有企业为主，国有工业比重越高，能源效率越低。

2. 对外开放程度。用按行业分规模以上行业出口交货值占销售收入的比值(OD)来衡量对外开放程度。对外开放使中国企业与世界知名企业不断交流学习，引进国外先进技术设备，提高技术水平，而技术水平的提高会带来能源效率提高。

3. 行业平均规模：用按行业分规模以上工业行业总产值与按行业分规模以上行业单位数的比值(SL)来衡量行业规模。大量文献证明，行业规模对能源效率有显著的正影响。

4. 行业集中度。用按行业分大中型工业企业的销售产量与按行业分规模以上工业企业的工业销售产量的比值(CR)来表示行业集中度。行业集中度越强会导致行业竞争力越弱，低强度的竞争力会削弱利润基础从而导致技术退步，进而造成能源效率的下降。

以前文测算出来的全要素能源效率为被解释变量，以上述因素为解释变量，建立如下面板数据回归模型：

LnEEi,t=β0+β1LnCRi,t+β2LnODi,t+β3LnSLi,t+β4LnESi,t+μi,t

(3)

上式中EEi,t表示i行业第t年的全要素能源效率，βi为待定系数，μi,t为随机误差项。

(二) 实证结果分析

为了能够反映出各行业之间的个体特征，本文选用变截距模型进行回归分析。变截距模型包括固定效应模型、混合效应模型和随机效应模型，而Hausman检验结果拒绝原假设，所以运用固定效应模型对2002-2014年我国36个工业行业面板数据进行参数估计，估计结果见表4。

从表4可以得出以下四点：

1. 产权结构对三大类型行业的能源效率具有负影响，尤其是资本密集型行业最为显著。对于一个以公有制为主体的国家来讲，国有产值占整个地区乃至国家的比重都很大，国有企业的发展程度决定整个国家的经济发展水平。而资本密集型行业以国有企业为主，虽有国家的资金投入以及政策的扶持，但其仍以现有的生产模式进行生产，导致国有工业企业存在管理水平低下、人员冗余以及技术发展水平低下等问题，从而阻碍了工业能源效率的提高。这也从另一个角度说明，外资企业、港澳台企业和民营企业的壮大发展有利于工业行业能源效率的提高。

表4 工业全要素能源效率影响因素的参数估计结果

注：系数相应的括号内为t值，*、**、***分别表示系数通过置信度为10%、5%、1%的显著性检验。

2.对外开放程度对三大类型行业的能源效率均有正影响，其中劳动密集型行业最为显著。因为劳动密集型行业在技术改造方面能力相对较弱，对外开放使劳动密集型行业通过学习国外先进的技术来更大程度地提高能源效率。而资源密集型行业的对外开放程度对能源效率有正影响但不显著，说明高耗能行业的总出口交货值比重随着我国国际分工地位的不断提升而下降，造成对外贸易结构的重大改变。所以加大对外开放，引进国外先进节能技术、设备和管理经验能够提高工业行业能源效率。

3.行业平均规模对三大类型行业能源效率的影响不明确。劳动密集型行业具有劳动力资源优势，适当增加行业规模，可以利用其优势来促进产品的深加工，提高产业链附加值，发挥范围经济的优势，从而提高能源效率。而资本密集型行业具有资金周转较慢、投资量大等特点，行业过于分散会导致节能减排治理难度加大，从而导致能源效率的下降，所以合理的规模配置有利于能源效率的提高。整体上，适当增大行业规模，增加行业科研创新研发的资金投入，能够在一定程度上提高行业的能源使用效率。

4.行业集中度对三大类型行业能源效率的影响不相同。劳动密集型行业和资本密集型行业的行业集中度对能源效率产生负影响，在资源密集型行业则产生正影响。说明行业过度集中，一方面对企业之间的竞争不利，垄断程度随着行业集中度的提高而不断增强，一些垄断企业通过垄断地位而拥有高额利润和廉价资源，削弱企业管理创新和技术创新动力，从而导致能源效率下降；但另一方面，一些行业企业通过竞争可能会形成所谓的主导优势，并利用自身强大的优异人才储备、资本支持及有效的政策便利承担起全行业技术进步的责任，在一定程度上推动技术进步，从而促进能源效率的提高。

五 结论与建议

(一)结论

本文以2002-2014年我国36个工业行业的面板数据为例，利用投入导向、规模报酬不变的超效率DEA模型、Malmquist指数法和面板回归模型对我国工业行业的全要素能源效率和影响因素进行实证分析，得出以下结论:

1. 2002年以来我国各行业之间的全要能源效率存在行业差异。全部工业行业的全要素能源效率呈缓慢上升趋势，年均增长8.4%但数值相对较低，节能减排任务艰巨；三大类型行业的全要素能源效率都有上升趋势，劳动密集型行业的能源效率最高且增长最快，主要依靠技术进步的驱动；其次是资本密集型行业，但增长最慢，主要受规模效率微弱的抑制作用影响；最后是资源密集型行业，主要依靠技术效率的提高。说明行业异质性的存在导致各行业的能源效率变动具有差异性。

2.行业集中度、对外开放程度、行业平均规模和产权结构对全要素能源效率影响存在行业异质性。产权结构对资本密集型行业、劳动密集型行业和资源密集型行业都有显著的负影响。对外开放程度对劳动密集型行业和资本密集型行业的能源效率均有显著的正影响，而对资源密集型行业的能源效率具有正影响但不显著。行业平均规模、行业集中度对三大类型行业能源效率的影响各不相同。

(二)政策建议

行业自身特性使得我国各个工业行业的全要素能源效率及其影响因素存在显著差异性，所以必须考虑行业异质性，结合能源效率的影响因素，从各工业行业的具体情况出发，针对性地采取措施，提高工业能源效率。

1.劳动密集型行业内部子行业在技术改造方面能力相对较弱，因此，应着力推动技术进步，重视科技创新，加大科技与研发投入，特别是在对节能技术设备的投入与新产品开发的投入上，以降低技术退步趋势。

2.资源密集行业的技术效率水平降低，说明一定要素投入条件下未得到最大收益。因此必须加速提高和改进技术创新、管理效率以及制度安排以充分发挥其技术潜力。另外资源密集型行业主要是高耗能、污染严重的工业行业，应通过增加行业的技术改造和研发经费支出，加快淘汰落后生产能力，并鼓励工业行业内部增加关于节能技术引进的投资。

3.资本密集型行业规模效率较低，所以应合理改善规模，扭转规模报酬降低的趋势，同时采取优化技术结构等相关措施提高行业技术效率。

[1] Miketa, A., Mulder, P.. Energy Productivity Across Developed and Developing Countries in 10 Manufacturing Sectors: Patterns of Growth and Convergence[J].EnergyEconomics, 2005, 27(3): 429-453.

[2] Mukherjee, K.. Energy Use Efficiency in U.S. Manufacturing: A Nonparametric Analysis[J].EnergyEconomics, 2008, 30(1): 76-96.

[3] 唐玲, 杨正林. 能源与工业经济转型——基于中国1998～2007年行业数据的实证研究[J]. 数量经济技术经济研究, 2009, (10): 34-47.

[4] 李世祥, 成金华. 中国工业行业的能源效率特征及其影响因素——基于非参数前沿的实证分析[J]. 财经研究, 2009, 35(7): 134-142.

[5] 曲小娥. 中国省际工业能源效率与节能潜力: 基于DEA的实证与模拟[J]. 经济管理, 2011, (7): 16-24.

[6] 郭文, 孙涛. 中国工业行业生态全要素能源效率研究[J]. 管理学报, 2013, 10(11): 1690-1695.

[7] 陈关聚. 中国制造业全要素能源效率及影响因素研究——基于面板数据的随机前沿分析[J]. 中国软科学, 2014, (1): 182-188.

[8] 武盈盈, 李燕. 山东省工业能源效率及其影响因素研究[J]. 中国人口·资源与环境, 2015, 25(6): 114-120.

[9] 王娟, 赵涛, 张啸虎. 2006-2102年中国工业行业能源与环境综合效率及其影响因素[J]. 资源科学, 2016, 38(2): 311-320.

[10] 祝树金, 许可瑞琳. 中国工业行业全要素能源效率度量及其影响因素——基于共同前沿法的研究[J].工业技术经济, 2015, (12): 102-111.

[11] Färe, R., Grosskopf, S., Lovell, C. A. K..ProductionFrontiers[M]. Cambridge: Cambridge University Press, 1994.

[12] 张军， 吴桂英， 张吉鹏. 中国省际物质资本存量估算： 1952-2000[J]. 经济研究， 2004， (10)： 35-44.

[13] Seiford, L. M., Zhu, J.. Modeling Undesirable Factors in Efficiency Evaluation[J].EuropeanJournalofOperationalResearch, 2002, 142(1): 16-20.

[引用方式]周四军, 廖芳芳, 李丹玉. 考虑行业异质性的我国工业能源效率分析[J]. 产经评论, 2017, 8(1): 31-44.

Research on Energy Efficiency of Chinese Industry Consider Industrial Heterogeneity

ZHOU Si-jun LIAO Fang-fang LI Dan-yu

Improving energy efficiency is an important aspect of supply-side reform. Different industries have their own characteristics in resources, technology, capital and labor organization, which make the energy efficiency of different industries different. Based on industry heterogeneity perspective, the paper calculates the static total factor energy efficiency of Chinese industry by using super efficiency DEA and the panel data of 36 industries from 2002 to 2014,and analyzes the industry differences and evolution. The paper goes on using the Malmquist index measured the change in total factor energy efficiency index and study the dynamic changes of Chinese industrial total factor energy efficiency. Further studying the influence factors of the industry energy efficiency by using panel regression model. The conclusion is that total factor energy efficiency of Chinese industry remains a slow increasing trend and there are significant differences in the energy efficiency of the different elements of intensive industry and distinct differences are observed in energy efficiency sectors with different factor intensity, its ranking from low to high based on energy efficiency is: resource-intensive, capital-intensive and labor-intensive industries. Between different industries in different energy efficiency growth, resource-intensive and labor-intensive industries in total factor energy efficiency change index appear increasing trend, capital-intensive industries in total factor energy efficiency change index appear dropping trend. Industrial structure, opening degree, industry average scale and industry concentration have showed industry heterogeneity in impact of the total energy efficiency.

industrial energy efficiency; industry heterogeneity; super efficiency DEA; factor intensity; panel regression model

附表1 全国36个工业行业2002-2014年能源效率

附表2 三大类型行业能源效率值

2016-10-08

国家社会科学基金项目“考虑环境效应的我国能源利用效率统计与政策优化研究”(项目编号：14BTJ010，项目主持人：周四军)。

周四军，经济学博士，湖南大学金融与统计学院教授，主要研究方向：经济统计分析；廖芳芳，湖南大学金融与统计学院统计学硕士研究生，研究方向：经济统计分析；李丹玉，湖南大学金融与统计学院统计学硕士研究生，研究方向：经济统计分析。

F426；F224

A

1674-8298(2017)01-0031-14

[责任编辑：陈 林]

10.14007/j.cnki.cjpl.2017.01.003