基于DEA－M almquist指数的我国区域*全要素能源效率分析

陈 忠，钟杭州

基于DEA－M almquist指数的我国区域
*全要素能源效率分析

陈 忠1，2，钟杭州1

（1.福州外语外贸学院经济学院，福建福州350202；2.福建师范大学经济学院，福建福州350007）

运用DEA与Malmquist指数相结合的方法，以能源、劳动力、资本作为投入指标，以GDP作为产出指标，测算了2000－2011年间我国全要素能源效率变动及其构成情况.结果表明：我国东、中、西部地区全要素能源效率整体上在提高，且主要源于技术进步的推动，而技术效率的作用有待加强.在实证分析的基础上，提出了推进能源技术研发、深化能源体制改革、优化能源结构、调整产业结构等四点有助于提高我国能源效率水平的建议.

DEA模型；Malmquist指数；区域全要素能源效率

我国正处于快速工业化的中后期，第二产业所占比重较高，重化工业增长较快.与此同时，能源消耗持续增长，能源效率长期偏低，能源问题已成为制约我国经济发展的重要因素.《BP世界能源统计》资料显示，2010－2012年，我国已连续三年超过美国成为世界第一大能源消费国.据世界银行统计数据计算显示，2011年，我国单位GDP能耗是世界平均水平的1.5倍，美国的1.7倍，日本的2.3倍. 21世纪，随着全球气候变暖问题日益凸显，作为世界第一大温室气体排放国的我国将面临更加严峻的节能减排压力.2013年，我国已发生了两次大范围持续雾霾天气，25个省份、100多个大中型城市陷入严重污染.我国“十二五”规划中明确提出要坚持把建设资源节约型、环境友好型社会作为加快转变经济发展方式的重要着力点.因此，新形势下，对能源效率问题的研究显得尤为重要和紧迫.

能源效率度量的是在既定能源投入下所能实现的最大产出程度，或者是在既定产出条件下所能实现的最小能源投入程度.传统的单要素能源效率只反映了有效产出与能源这单一投入的比例关系.由于它忽略了劳动力、资本等其他生产要素的影响，所以夸大了能源效率.Hu和Wang［1］基于数据包络分析（DEA）提出了全要素能源效率的概念.全要素能源效率衡量了除能源外的其他投入要素保持不变的情况下，按最佳生产实践，生产一定产出所需最少能源投入占实际能源投入的比例，因而考虑了其他投入要素对能源效率的影响.本文采用DEA－Malmquist指数方法对我国29个省区以及东、中、西部地区2000－2011年的面板数据进行实证分析，以期对我国全要素能源效率演化的路径有更好地把握.

1 DEA－Malmquist指数方法介绍

1978年，美国著名运筹学家查恩斯（A·Charnes）、库伯（W·W·Cooper）和罗兹（E·Rhodes）［2］首先提出了数据包络分析（DEA）.它是一种评价决策单元投入产出相对效率的非参数方法［3］.DEA方法能够处理多个投入与多个产出指标，各个指标的单位也可以不统一.更重要的是它在评价技术效率时无需设定投入产出之间的函数形式，也不必人为给定各指标的权重，因而避免了主观因素所产生的误差.

Malmquist指数最早是作为测量消费水平的定量指数由曼奎斯特（Malmquist，1953）提出.后来Malmquist指数与DEA模型相结合，成为一种测量全要素生产率变动的专门指数，用以反映各个决策单元不同时期效率的变动情况.本文测算的Malmquist指数将全要素能源效率变动（Total Factor Energy Efficiency Change，TFEECH）分解为技术变动（Technical Change，TECH）与技术效率变动（Technical Efficiency Change，EFFCH）.技术效率变动可以进一步分解为纯技术效率变动（Pure Technical Efficiency Change，PECH）和规模效率变动（Scale Efficiency Change，SECH）.

将每个省区看作是一个决策单元（DMU），用（xt，yt）和（xt＋1，yt＋1）分别表示该省区在t年和t＋1年的投入产出量，从t期到t＋1期的全要素能源效率变化的Malmquist指数为：

在规模收益不变的情况下，Malmquist指数可以分解为：

在规模收益可变的情况下，以C代表不变规模收益，以V代表可变规模收益，Malmquist指数可以进一步分解为：

全要素能源效率变动（TFEECH）表示从t期到t＋1期决策单元沿不同生产前沿能源效率的变化.技术进步率（TECH）表示从t期到t＋1期生产前沿的移动，反映技术的变动.技术效率变动（EFFCH）和纯技术效率变动（PECH）分别表示相对于不变规模收益和可变规模收益生产技术，从t期到t＋1期决策单元向生产前沿的追赶效应，反映决策单元对投入的技术利用变化程度.规模效率变动（SECH）表示从t期到t＋1期决策单元规模变动的效率值变化.

TFEECH、TECH、EFFCH、PECH和SECH的值大于1，表明从第t期到t＋1期全要素能源效率、技术进步率、技术效率、纯技术效率和规模效率在提升；等于1，表明未发生变化；小于1，则表明在下降.

2 我国区域全要素能源效率变动测算

2.1指标选取与数据来源

本文以能源、劳动力、资本为投入指标，以GDP为产出指标，测算了2000－2011年我国东部、中部和西部地区以及29个省级行政区（将重庆数据并入四川，由于西藏能源消费量、资本存量数据不可得，故将西藏剔除）的全要素能源效率变动及其构成.其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省区；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省区；西部地区包括四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古10个省区.

2.1.1 能源

选取各省区的能源消费量作为能源投入的衡量指标，单位为万吨标准煤，数据来源于《中国能源统计年鉴》（2001－2012）.由于2001年宁夏的能源消费量数据缺省，用前后两年相应数据的平均数进行了替代.

2.1.2 劳动力

选取各省区年初、年末就业人数的平均数作为劳动力投入的衡量指标，单位为万人，数据来源于《中国统计年鉴》（2001－2012）.由于2006年末和2011年末各省区就业人数数据缺省，2006年末各省区就业人数用前后两年相应数据的平均数进行了替代，而2011年各省区的劳动力投入指标值是用2010年各省区的劳动力投入指标值乘以2000－2010年各省区劳动力投入指标值的平均增长率求得的.

2.1.3 资本

运用“永续盘存法”估算每年各省区的资本存量，公式为：Kit＝Kit－1（1－δi）＋Iit.其中，Kit是i省区第t年的资本存量，Iit是i省区第t年的投资，δi是i省区的固定资产折旧率.利用张军等［4］的研究结果，取2000年当年价格计算的资本存量作为初始资本存量，I取当年价格固定资本形成总额，并用固定资产投资价格指数缩减成以2000年为不变价格的投资额，δ取9.6%.利用公式计算2001－2011年的资本存量，数据来源于《中国统计年鉴》（2001－2012），单位为亿元.

2.1.4 GDP

以各省区2000年当年价格GDP和2001－2011年国内生产总值指数求得各省区2000－2011年以2000年为不变价格的实际GDP，单位为亿元，数据来源于《中国统计年鉴》（2001－2012）.

表1 2000－2011年三大区域全要素能源效率变动及其分解

2.2实证结果及分析

2.2.1 我国三大区域全要素能源效率变动总体分析

2000－2011年我国东部、中部和西部地区全要素能源效率变动及其构成测算结果见表1.从历年全要素能源效率变动的情况来看，2000－2011年间，我国东部和中部地区，除2002年、2005年全要素能源效率出现负增长外，其余年份均有不同程度的增长.西部地区2000－2008年间全要素能源效率均保持了增长，但2009年、2010年开始出现小幅下降，分别下降了0.9%和0.6%.2001年和2007年，三大区域全要素能源效率增长幅度都达到了高点.说明加入世贸组织和国民经济的高速增长对我国全要素能源效率的提高起到了很大的促进作用. 2008年、2009年受国际金融危机影响，国家投入大量救市资金于基础设施建设和重化工业，使我国全要素能源效率增幅有所下降.说明能源效率的变化受宏观环境和政策因素的影响较大.

从平均值来看，2000－2011年，我国三大区域全要素能源效率呈现增长趋势，但增长率并未显示出东、中、西部依次递减的阶梯式演变格局.东部地区全要素能源效率年均增长了1.4%，大于西部地区的1.0%，也大于中部地区的0.9%.三大区域全要素能源效率的增长主要是技术进步的贡献，2000－2011年，三大区域年均技术进步率分别为1.9%、1.3%和1.0%.说明技术进步是我国全要素能源效率提高的主要动力，我国在节能、新能源技术的自主创新、技术交流与合作、技术转移与引进，技术进步的基础条件、政策环境等方面有所改善.

而这12年间，东部和中部地区的技术效率却平均下降了0.5%，西部地区的技术效率平均来看增长率为零.将技术效率分解成纯技术效率和规模效率来看，三大区域的情况又有所不同，东部地区技术效率的下降是由纯技术效率和规模效率二者都下降引起的；中部地区技术效率的下降是由规模效率的下降引起的，其纯技术效率增长不明显；而西部地区技术效率的零增长状况是由于这12年间的纯技术效率和规模效率平均来看未发生变化.我国能源价格的长期低价管制、市场结构的国有垄断化，导致了利用现有技术配置能源资源的低效率，使得价格发出了“能源不稀缺”的错误信号，市场机制的作用在弱化，技术成果的转化、推广与应用受到影响，高耗能重化工业未进行有效的转型升级，阻碍了我国能源效率的提高.

表2 2000－2011年我国各省区全要素能源效率变动及其分解

2.2.2 各省区全要素能源效率变动差异分析

2000－2011年我国29个省级行政区全要素能源效率变动及其分解测算结果见表2.2000－2011年，东部地区中，全要素能源效率年均增速最快的是上海、北京、天津，较快的是浙江、江苏、福建和广东，且主要是由于技术进步的推动，说明这些省区作为我国对外开放的前沿地带，科技投入大，技术与人才的交流与合作频繁，技术进步率提升明显，从而促进了全要素能源效率的大幅提高.上海、北京、天津的服务业非常发达，能源消耗较少，能源效率较高.浙江、江苏、福建和广东等地随着用工成本的提高，制造业有内迁的趋势，产业转型升级较快，能源效率也提高较快.而河北、辽宁、山东这12年间的全要素能源效率整体在下降，技术退步和技术效率下降两方面的原因都存在，说明这些省区在经济发展的同时，并没有发挥自身地域优势，在开发利用新技术、新能源方面还存在不足，产业结构、能源结构有待进一步调整优化.

虽然吉林、黑龙江、江西属于中部地区，四川、陕西、新疆、内蒙古属于西部地区，经济发展水平欠发达，技术研发条件、能力较差，但在国家“中部崛起”、“西部大开发”战略实施背景下，这些省区投入了大量人力、财力、物力，学习东部地区先进节能技术和管理经验，促进了能源技术的引进、扩散以及技术研发能力的提高，实现了技术进步，从而推动了全要素能源效率的大幅增长.

而中西部地区中，全要素能源效率下降幅度排在前五位的依次是甘肃、山西、贵州、湖南、湖北，年均下降幅度分别达到了3.6%、2.9%、2.5%、1.9%和1.1%，是技术退步和技术效率下降两方面的原因造成的，说明中西部这些省区的能源技术水平、管理体制、市场化程度和对外开放程度还比较低.特别是能源资源相对丰裕，加上较低的开采成本，能源价格也相对较低，使其产业结构固化在了资源型产业上，产业转型升级缺乏动力，能源消耗较大，能源效率出现下降.

3 结论及政策建议

2000－2011年，我国三大区域全要素能源效率整体上在提高，主要源于技术进步的推动，而技术效率的作用有待加强.全要素能源效率的波动受宏观环境和政策因素的影响较大.东部地区全要素能源效率年均增长率大于西部地区，也大于中部地区，并未显示出东、中、西部依次递减的阶梯式演变格局.

东部地区科技投入大，技术进步率提升明显，产业转型升级较快，全要素能源效率提高较快.中西部地区虽然部分省区发挥了后发优势，学习和引进了先进技术和经验，全要素能源效率得到一定提升.但一些资源型省份，能源相对丰裕，产业结构层次较低，能源效率出现下降.

本文从提高我国各地区全要素能源效率、实现区域协调发展方面提出以下几点建议：

（1）推进能源技术研发.技术进步是能源效率提升的根本源泉.我国应注重节能、新能源技术的自主创新和消化吸收创新；加强我国各地区之间、国际之间的人才、技术的交流与合作；引进高水平的科研人员和先进的技术，提升能源技术竞争力.在经济政策激励方面，应制定有效的产业扶持政策，促进新能源产业的发展，通过财政、税收、金融手段支持节能和新能源技术的研发，实现能源技术强国的转换.

（2）深化能源体制改革.能源价格的扭曲和市场结构的垄断化导致我国能源配置的低效率.政府应减少干预，合理监管，逐步建立以市场定价为主的能源价格形成机制，使能源价格反映市场供求状况，以价格手段降低能耗提高效率；推进能源市场化改革，打破高度国有化和管制化的垄断性能源市场结构，放松市场准入的限制，引入有效的竞争机制；深化国有能源企业的改革，建立现代公司制企业制度.

（3）优化能源结构.我国煤炭消费量占到了能源消费总量的70%左右，由于煤炭本身的特性及转化技术的有限，导致煤炭利用效率不高，这在很大程度上制约着我国能源效率的提高.因此，要大力发展和引进清洁、高效的新能源和可再生能源，积极开发利用太阳能、风能、水能、生物质能等，促进能源消费结构由煤炭为主向多元化方向转变.

（4）调整产业结构.能源消费量的大小与产业结构有着密切的关系，我国第二产业增加值占GDP的比重接近一半，工业中包含着许多高耗能、高污染的产业，工业能源消费量占到了能源消费总量的70%左右.因此，产业结构的转型升级是能源效率提高的关键.应大力发展高附加值、高技术、低能耗、低污染的产业，限制高耗能、高污染产业的生产规模，促进能源从低生产率的产业向高生产率的产业流动.

［1］Hu J，Wang S.Total－factor energy efficiency of regions in China［J］.Energy Policy，2006，（17）：3206－3217.

［2］Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，（6）：429－444.

［3］张运华，吴洁，施琴芬.高校科技投入及成果转化效率分析——价值链角度的考察［J］.科技管理研究，2008，（8）：133－135.

［4］张军，吴桂荣，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.

Analysis of China’s Regional Total Factor Energy Efficiency Based on DEA－Malmquist Index Method

CHEN Zhong1，2，ZHONG Hangzhou1
（1.School of Economics，Fuzhou Foreign Language and Foreign Trade College，Fuzhou Fujian 350202，China；2.School of Economics，Fujian Normal University，Fuzhou Fujian 350007，China）

Taking energy，labor and capital as the input indicators and using GDP as the output indicator，this paper，with amethod combining the DEA and Malmquist Index，estimates China’s total factor energy efficiency fluctuation and its composition from 2000 to 2011.The results show that the total factor energy efficiencies in China’s eastern，central and western regions are overall improving and it ismainly due to the technological progress.But the role of technology efficiency needs to be strengthened.On the basis of the empirical analysis，suggestions are put forward to improve China’s energy efficiency level.

DEA model；Malmquist index；regional total factor energy efficiency

F062.1

A

1008－4681（2014）02－0097－05

（责任编校：晴川）

2014－03－15

福建省社会科学规划项目（批准号：2013B128）；福建省教育厅人文社科项目（批准号：JA12585S）；福建省教育厅人文社科项目（批准号：JB12356S）.

陈忠（1967－），男，福建福州人，福州外语外贸学院经济学院、福建师范大学经济学院副教授，硕士.研究方向：产业经济与贸易.