节能减排约束下的工业全要素生产率.docVIP

节能减排约束下的工业全要素生产率 　　摘要：本文运用基于熵的USBM模型建立了包含能源、环境因素的曼氏指数，对我国30个省际1992-2011年的工业节能减排生产率及其分解进行测度，结果发现：传统的忽略节能减排因素的生产率测度会高估我国工业的全要素生产率；中部地区在节能减排约束下的工业生产率增长最快，且全部来自于技术进步；生产前沿面几乎都来自东部地区，它们是节能减排技术的引领者；全国省际工业效率水平与前沿面的差异性正在扩大，未考虑节能减排约束的省际工业效率测度低估了这一差异的严重性。 　　关键词：节能减排；环境规制；熵；全要素生产率 　　中图分类号：F0622文献标识码：A 　　一、引言 　　我国能源资源有限，煤炭和水力资源人均拥有量相当于世界平均水平的50%，石油、天然气拥有量仅为世界水平的1/15左右，但能源等资源的消耗量却十分巨大。英国石油（BP）《世界能源统计年鉴》显示，我国已经超过美国，成为了世界第一能源消费者①。作为能源消费大户的工业，虽然贡献了一半的GDP，却消耗了70%的能源并制造了70%的污染。因此，合理测度节能、减排约束下的工业全要素生产率，对于推动我国产业转型升级具有十分重要的意义。 　　国内外对于环境规制及中国工业绩效评价的文献众多，大都涉及了能源、环境对我国工业发展的约束。Guang-Ming Shi等[1]运用2000-2006年的数据，发现中国部分地区的工业仍然依赖能源的大量投入。陈诗一[2]运用改革开放以来的数据，发现能源是驱动工业增长的源泉之一。陈军等[3]运用30个省的数据，发现能源效率的改进有利于我国工业化水平的提高。李世祥和成金华[4]运用1990-2006年的数据，发现我国13个工业省区能源效率差异较大。唐玲和杨正林[5]运用1998-2007年的数据，发现中国工业能源效率的总体水平较低，具有较大的节能和提升空间。邵军和管驰名[6]运用1999-2005年的工业数据，发现我国工业能源效率在50%-60%之间，效率不高。王少平和杨继生[7]运用1985-2002年的时序数据，发现中国工业大多数行业对能源具有高消费和强依赖的特点。可见，能源作为工业的重要投入，在工业TFP测算中必须加以重视。与此同时，还有一些学者将研究重点放在了工业的产出上，即纳入了影响环境的污染排放因素。涂正革[8]的研究发现，区域间环境、工业协调性极不平衡。吴军[9]的研究发现各地区TFP增长均主要来源于技术进步，且东部地区是推动环境技术创新的主要地区。杨俊和邵汉华[10]运用1998-2009年的地区工业数据，发现忽略环境因素会高估我国工业全要素生产率的增长。 　　综上所述，我国工业受能源和环境的双重约束。为此，本文将运用基于熵的非径向、非角度、无方向的数据包络分析（Data Envelopment Analysis， DEA）模型分别建立及包含能源、环境的工业TFP生产率模型，并在此基础上对测度出的生产率进行分解，以便更为准确地测度我国工业的全要素生产率。 　　二、熵权背景下SBM节能减排技术效率测度模型的设定 　　（一）非参数DEA生产系统中投入产出要素熵权的引入 　　本部分在现有的非参数DEA中引入了包含能源、环境因素的节能减排技术模型。该模型可以测度在能源、环境的双重约束下我国地区工业的相对效率及生产率。 　　区别于传统径向的DEA方法，为了充分反映节能减排工业生产中各能源投入、污染排放的比例关系，本文引入了熵来为能源、非合意产出加权。熵加权是一种精度更高、客观性更强，能够反映各要素变异程度的赋权方法。现有文献[11-12]对于熵的运用大多是代替主成分分析，以免出现负值的情况，本文则运用在对于能源、非合意产出的加权上。某一要素的变异程度越大，提供的信息就越多，在整个生产过程中起的作用也就越大，其权重应该越大；反之，某一要素的变异程度越小，其提供的信息量越少，在整个生产过程中的作用也就越小，其权重也应越小。 　　（二）省际工业投入产出系统生产可能性集性质的确定 　　本文以省为决策单元，以n代表省的个数，其中有m个投入要素 x∈Rm+，生产了s1个合意产出yd∈RS1+和s2个非合意产出（污染排放）yu∈RS2+。关于规模报酬方面，我们认为，规模报酬可变更符合我国工业现状，故本文选择规模报酬可变，其生产可能性集可定义为： 　　P=?x（xe，xn，yd，yu）|xeXλ，xnXλ，yg 　　（三）节能减排技术模型的构建 　　公式（1）技术条件下的相对效率可由包含非合意产出的SBM[13]求得。定义松弛变量se-∈Rm1、sn-∈Rm2、su∈Rs2分别为能源投入、非能源投入、非合意产出可能压缩的量。定义松弛变量sd∈Rs1为合意产出可能扩张的量。这些松弛变量都大于或等于零。