河南省能源环境效率评估及其驱动因子研究

田 丽

河南省能源环境效率评估及其驱动因子研究

田 丽

（河南工学院，河南 新乡 453003）

运用超效率情境相依DEA模型，测算出2015年河南省18个省辖市的能源环境效率，并运用T型关联度分析其影响因素，结果表明，河南省的能源环境效率整体状况良好；18个城市按效率水平被划分为 3个层级，郑州、开封、鹤壁、许昌、漯河、南阳、周口和济源位于效率顶层，而安阳、新乡和商丘位于效率最低层。创新驱动、对外开放、所有制结构、城镇化水平、产业结构对能源环境效率有正面影响，信息化水平、政府影响力则对能源环境效率有负面影响。最后，根据研究结果提出了政策优化建议。

能源环境效率；超效率情景相依DEA；T型关联度；驱动因子；河南

0 引言

绿色发展是我国当前的核心发展战略之一，绿色发展理念的核心在于处理好经济发展和资源环境之间的关系，而提升能源环境效率是实现经济提质增效和节能减排的重要保障。河南省处于城镇化和工业化快速推进的历史阶段，能源刚性高需求将在很长一段时期内客观存在，传统高能耗的经济增长方式以及粗放式的能源消费模式引起的环境问题已成为河南省加快推进绿色发展的“瓶颈”。如何做好节能减排、提高能源效率进而提升经济增长的质量是目前河南省绿色发展的重大挑战。笔者在客观评估河南省能源环境效率现状的基础上，拟提出河南省节能减排政策的优化思路，以期对加快中原绿色崛起有所助力。

近年来，国内的专家学者对能源环境效率的研究逐步深入。汪克亮、杨宝臣、杨力（2011）把二氧化碳排放量作为能源利用的环境影响,运用DEA和方向性距离函数构建了能源环境效率测度模型，对2000—2007年我国省际能源环境效率做了实证研究，结果表明，我国三大地区能源环境效率存在显著差异,并且大多数省份存在明显的环境规制成本[1]。殷子涵、雷明、虞晓雯（2014）基于工业企业微观数据，把能源利用和环境污染排放纳入方向性距离函数模型，对2001—2005年我国钢铁行业2973个企业级样本进行了能源环境效率测算，并采用广义线性回归法对中国钢铁企业能源环境效率影响因素进行了回归分析[2]。江洪、赵宝福(2015)采用三阶段DEA方法，对我国能源环境效率进行区域间比较研究，结果表明，我国三大区域的能源环境效率呈收敛趋势，中部地区能源环境效率最低[3]。林伯强、刘泓汛（2015）运用非径向方向距离函数测算了中国工业行业的能源环境效率,并通过联立方程组实证分析对外贸易如何影响能源环境效率，结果表明，中国工业行业能源环境效率水平不高,但整体处于上升趋势；对外贸易与能源环境效率之间存在正向的反馈作用[4]。周四军、陈强、苏文力（2016）将SBM模型与四阶段DEA方法结合，研究了我国30个省市2004—2012年间省际全要素能源环境效率，并对其影响因素进行了深入分析；研究发现，环境约束的影响明显；随着时间推移，各省间的效率存在优者愈优、劣者愈劣的两极分化趋势[5]。朱德米、赵海滨（2016）基于环境污染异质性，运用超效率DEA模型对2004—2013年我国能源环境效率的区域差异性进行了分析[6]。

目前在能源环境效率领域的研究主要集中在企业、产业、省域和国家层面，缺乏关注市域层面的能源环境效率的文献研究。随着我国城镇化率超过50%，我国已经是城市社会，城市的绿色健康可持续发展是经济社会可持续发展的关键，在理论上尤其需要对省内的市域能源环境效率进行深入、全面的分析和比较，为研究我国绿色高效的新型城镇化发展模式和路径构建出理论支点。本文采用超效率情境相依DEA模型对河南省各市域的能源环境效率进行评价，并分析能源环境效率的影响因素，进而提出河南省提升能源环境效率的政策建议。

1 能源环境效率评估与分析模型

1.1 超效率情境相依DEA模型

1.1.1 超效率DEA模型

Andersen和Petersen于1993年提出了超效率DEA评价模型(Super-efficiency DEA，简称SE-DEA)[7]，SE-DEA模型一方面可以有效地将各决策单元划分为DEA有效和DEA无效两类，DEA有效的决策单元构成了有效前沿面(efficient frontier)；另一方面可以根据超效率值的大小对有效前沿面上的决策单元进行排序。假定决策单元数量为n，每个决策单元有m种要素投入和s种产出，则超效率DEA模型如式（1）所示。

在式（1）中，X和Y分别表示第j决策单元的投入和产出可能集。为决策单位的效率指数，q³1说明决策单元属于DEA有效，，说明DMU属于DEA无效，表示DMU的效率没有达到最佳，可以通过调整投入要素之间的比例来进行有效改善；θ值越大意味着 DMU的效率越高；λj为权重变量；s-和 s+分别为投入和产出的松弛变量。

1.1.2 情境相依DEA模型

情景相依DEA( context-dependent DEA) 亦称背景依存DEA。 与传统DEA模型相比，情景相依DEA可以对非DEA有效前沿面的决策单元进行分层和再评价，通过对DEA无效的决策单元按不同前沿面进行分类，从而识别出其中相对有效的决策单元。情景相依DEA的突出特征是凸显了无效率决策单元在评价过程中所起的作用，并给出了无效决策单元向有效决策单元逐级改进的途径。其中情境相依DEA模型的决策单元分层模型是对所有的决策单元进行分层，划分出多级有效前沿面。所有决策单元集记为 J1，且在 J1中有效决策单元的集合为 E1。在决策单元中，求其有效前沿面 E2；依次类推，可以得到。集合El可以通过式（2）求得，其由最优值≥1的决策单元构成。其中，Xij和yrj分别是决策单元（j）的第i项投入和第r项产出。当l=1时，式(2)即为式(1)的对偶形式。

1.2 驱动力分析模型

传统的邓氏关联度、斜率关联度、绝对关联度、相对关联度和综合关联度等模型仅考虑数值的大小，忽略了数值的正负。T型关联度模型引入符号函数，不但可以有效区分关联度的大小，还可以有效地反映正负相关关系。T型关联度的基本思想是按照因素序列曲线的相对变化态势的接近程度来测算关联度，从而反映影响因素对系统因素的作用程度[8]。

设 Xl={xi(1),xi(2),xi(k),…,xi(n)},i=0,1,…,m。i=0时,为系统因素序列，i≠0时,为影响因素序列。则各影响因素序列与系统因素序列的关联系数ξ（y0,yi）可以通过式（3）计算得到。

式（3）中，y0和yi分别是序列x0和xi进行均值标准化处理后的数值，Δyi(k)=yi(k)-yi(k-1)。sgn(x)为符号函数，满足以下条件：

x0和xi之间的T型关联度通过（4）可以计算得到：

-1

2 指标体系的构建与数据处理

从数据的可获得性、指标的代表性和系统性等原则出发构建能源环境效率评价与分析的指标体系。选取2015年河南省18个省辖市为能源环境效率的决策单元。样本数据主要来自2016年《中国城市统计年鉴》和《河南统计年鉴》。能源环境效率的投入与产出指标及其影响因素指标的数据特征如表1所示。

表1 能源环境效率投入产出及其影响因素指标的统计性描述

2.1 投入指标

（1）能源投入。用河南省18个省辖市2015年的能源消费量表示，单位为万吨标准煤。

（2）劳动力投入。用河南省18个省辖市2015年的从业人员总数表示，单位为万人。

（3）资本投入。由于难以获得各省辖市的固定资产折旧率，所以不能用资本存量来度量资本投入。为此，本文选用固定资产投资总额代替资本存量作为资本投入指标，单位为亿元。

2.2 产出指标

（1）经济产出。以河南省18个省辖市2015年的GDP表示，单位为亿元。

（2）非期望产出。根据河南省节能减排的目标，本文以河南省18个省辖市2015年的工业废气排放量、工业烟尘排放量和工业固体废物产生量这3个指标作为非期望产出的原始指标，单位分别为万吨、亿立方米和万吨。对于非期望产出指标的数据处理，本文参照 Seiford和 Zhu(2002)的处理方法，先全部取负值，再加上一个足够大的正数，使变换后的数据适用于任何求解能源环境效率的模型[9]。

2.3 驱动因素

结合目前已有的研究成果，本文选取以下几个变量作为能源环境效率的主要驱动因子：

（1）政府影响力。市场机制不能有效地处理环境外部性的问题，必须发挥政府的影响力，才能提升能源环境效率，实现节能减排的目标。政府影响力用节能减排支出占财政支出的比例来表示。

（2）创新驱动。科技创新推动了新能源的开发与利用，有助于能源节约集约利用，可以提高能源的使用效率，减少环境污染。创新驱动用R&D支出占GDP的比重来表示。

（3）经济开放。Karen Fisher-Vanden(2006)的研究表明，对外开放程度对我国能源效率的提升具有正向的影响[10]。经济开放用外商直接投资额占固定资产的比重来表示。

（4）所有制结构。所有制结构是指各种不同所有制经济形式在经济中的地位、构成及作用。所有制结构用非公有制经济占GDP的比重来表示。

（5）城镇化水平。随着城镇化进程的加快，农村人口迅速向城镇转移，从而导致能源消费量的急剧上升和环境压力的增大，城镇化水平也是影响能源环境效率的一个重要因素。城镇化水平用区域城镇化率来表示，它是区域内城镇人口占总人口的比重。

（6）产业结构。与一、三产业相比，第二产业更显出能耗大、污染重的特征，因此产业结构用第二产业产出值占GDP的比重来表示。

（7）信息化水平。通过大数据和云计算等技术对信息资源进行深度开发，可以提高能源与环境领域的监控管理能力，可以提升能源利用效率，并降低能源消耗对环境造成的污染，从而提高能源环境效率。信息化水平用国际互联网用户数量占总人口的比例来表示。

3 实证结果与分析

3.1 区域能源环境效率分层情形

运用超效率情景相依DEA模型对河南省能源环境效率进行评价分析，结果见表2。在表2中，用式（1）的超效率DEA 模型对所有的18个省辖市的能源环境效率进行评估，得到一次效率；排除一次效率中的有效决策单位，然后运用式（2）的分层模型进行计算，得到二次效率值，按照分层计算结果得出不同城市所在的层级。

由表2可以看出，第一层是能源环境效率表现相对最好的城市，超效率值均大于 1，共有8个城市，占城市总数的 44.4%，它们分别是郑州、开封、鹤壁、漯河、许昌、南阳、周口和济源，它们构成了第一个前沿面；第二层为能源环境效率表现相对较好的城市，约占城市总数的 38.9%，包括洛阳、平顶山、焦作、濮阳、三门峡、信阳和驻马店等7个，它们构成第二个前沿面；第三层是能源环境效率表现相对最差的城市，只有3个城市即安阳、新乡和商丘，约占城市总数的16.7%，它们构成第三个前沿面。由表2可以看出，在18个省辖市中，城市规模最小的济源市的能源环境效率最高，超效率值达到2.2072；其次为规模最大的郑州，超效率值达到1.5335；能源环境效率最差的是商丘，超效率值只有0.7889。整体上，2015年河南省的能源环境效率比较好，超效率DEA值平均达到1.05295。

表2 2015年河南省能源环境效率分层情形

3.2 驱动力分析

根据式（3）—（4），计算得到河南省能源环境效率各驱动因素的T型关联度，结果见图1。

图1 河南省能源环境效率驱动因素的T型关联度

从图 1可以看出，在影响河南省能源环境效率的主要因素中，经济开放与能源环境效率的关联度为0.3359，表明外商直接投资是影响河南省能源环境效率的最主要因素。产业结构与河南省能源环境效率的关联度为0.3313，表明产业结构是影响河南省能源环境效率的第2因素。城镇化水平与能源环境效率的关联度为 0.0875，表明城镇化水平与河南省能源环境效率存在正向关联度，但关联度较小，表明城镇化水平对能源环境效率提升的促进作用比较微弱。政府影响力和信息化水平与能源环境效率的关联度都为负数，说明它们对河南省能源环境效率存在制约作用，而信息化水平对能源环境效率的制约程度最大，关联度达到-0.2661；节能减排财政支出不足和落后的信息化水平均制约着河南省能源环境效率的提升，而信息化水平低下的障碍作用尤为明显。

4 结论与政策建议

选用包含效率分层在内的超效率情景相依 DEA模型，并在生产函数中引入非期望产出，测算出 2015年河南省18个省辖市的能源环境效率，并选取T型关联度进一步分析其影响因素，结果表明，河南省的能源环境效率整体状况水平较高，2015年河南省的能源环境效率的超效率DEA值平均达到1.05295。创新驱动、对外开放、所有制结构、城镇化水平、产业结构对能源环境效率呈正向驱动作用，信息化水平、政府影响力则对能源环境效率表现出负向制约作用。因此加大研发(R&D)经费支出、持续扩大对外开放、优化所有制结构、提升新型城镇化水平、推动产业结构优化升级、深化产业融合、强化政府的节能减排调控力度、全面落实能源环境相关政策，就成为河南省提升能源环境效率的重要着力点。

河南省18个省辖市能源环境效率划分为三个层次，对于第一层面的8个城市而言，既要相互之间进行对比找差距，更要与东部先发地区看齐，要用发展的眼光看待能源环境效率发展，不应满足于现状。对于第二层面的7个城市，要推行差异化发展战略，对于经济实力比较强的洛阳来说，要拉长环境优化方面的短板，加大环境治理投入，在洛南新区的建设中注重“产城人”融合发展，协同推进经济发展、能源节约与环境优化；对于平顶山、信阳、驻马店等传统农区城市，应以建设黄淮生态经济功能区为抓手组团发展，推进新型工业化、新型城镇化、信息化与绿色化协调发展，加快产业高端化步伐，完成由资源经济向绿色经济转型发展；焦作要利用自身的资源优势，大力发展健康产业、休闲产业、体验旅游业等现代服务业，加快工业节能减排的步伐，由环境保护向生态资本运营转化，走生态资源资本化的发展路子，跃升能源环境效率；濮阳和三门峡等资源型城市要加大黑色经济向绿色经济的转型力度，构建和完善科学开发、高效利用资源的动力机制，由资源供给地向绿色技术吸附地转变，实现追随型经济向先导型经济跨越。对于第三层的传统工业城市安阳与新乡，应加大技术升级改造投资，大力推行清洁生产，实现企业的“节能、降耗、减污、增效”；对于商丘来说，要走信息化、绿色化、集约节约型的新型工业化道路，实现有传统农区向新型工业化城市转型。

[1] 汪克亮,杨宝臣,杨力.中国省际能源利用的环境效率测度模型与实证研究[J].系统工程，2011（1）.

[2] 殷子涵,雷明,虞晓雯.中国钢铁行业能源环境效率分析——基于工业企业微观数据[J].中国管理科学，2014（S1）.

[3] 江洪,赵宝福.碳排放约束下能源效率与产业结构解构、空间分布及耦合分析[J].资源科学，2015（1）.

[4] 林伯强,刘泓汛.对外贸易是否有利于提高能源环境效率——以中国工业行业为例[J].经济研究，2015（9）.

[5] 周四军,陈强,苏文力.基于SBM模型的我国省际能源环境效率研究[J].经济数学，2016（1）.

[6] 朱德米,赵海滨.环境约束下中国能源环境效率区域差异性分析[J].南京社会科学，2016（4）.

[7] Anderson P，Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J].Management science，1993，39 (10)：1261-1264.

[8] 姜秀娟，赵峰.我国科技投入与经济增长的T型关联度分析[J].科技进步与对策，2010（27）.

[9] Seiford LM, Zhu J. Modeling undesirable factors in efficiency evaluation[J].European Journal of Operational Research, 2002（142）: 16-20.

[10] Karen Fisher-Vanden GH, Jefferson M, Jingkkui X. Technology Development and Energy Productivity in China[J].Energy Economics, 2006（28）:690-705.

Research on Energy Efficiency Evaluation and Its Driving Factors in Henan

TIAN Li
(Henan Institute of Technology, Xinxiang 453003, China)

This paper uses super-efficiency context-Dependent DEA model to calculate the energy environmental efficiency of 18 cities of Henan Province in 2015, and uses grey T's correlation degree to analyze the influence factors. The results showed that the energy environmental efficiency overall is in good condition in Henan province. The 18 cities are divided into 3 levels by the efficiency level, Zhengzhou, Kaifeng, Hebi,Xuchang, Luohe, Nanyang, Zhoukou and Jiyuan are located at the top of efficiency, while Anyang, Xinxiang and Shangqiu are located at the lowest level of efficiency. Innovation driven, opening up, ownership structure,urbanization level and industrial structure have significantly positive impacts on energy environmental efficiency.Information level and government influence have negative impacts on that. Finally, according to the research results, the policy optimization suggestions are put forward.

energy environmental efficiency; super-efficiency context-dependent DEA; grey T's correlation degree；driving factors; Henan Province

F205

A

1008–2093(2017)04–0029–06

2017-05-28

2017年度河南省科技厅软科学项目“低碳约束下河南省物流产业效率评价及政策研究”（172400410087）

田丽（1974―），女，河南新乡人，副教授，主要从事现代服务业、区域经济与城市经济研究。

（责任编辑 杨文忠）