中国全要素能源效率的地区差异研究.docVIP

中国全要素能源效率的地区差异研究 　　[摘 要]利用DEA方法测度了中国省际全要素能源效率。研究结果表明：中国全要素能源效率呈现了“W型”特征，在2000―2010年的平均值为0607，表明全国的能源效率水平较低，能源损耗较为严重，能源效率的提升空间较大。从2004年以来，全国及地区能源效率有逐年提高的趋势。从区域间来看，东部、中部和西部三大区域之间的全要素能源效率呈现出较大的差距。东部地区的全要素能源效率是最高的，平均值为0780，远远高于全国平均水平；位居第二的是中部地区，其平均值为0564，低于全国平均水平；效率值最低的是西部地区，平均值为0416。从主要省市来看，全国高效率省市主要集中在福建、广东、江苏、浙江、上海等东部沿海经济发达地区，而能源效率较低的省市主要集中在宁夏、贵州、内蒙古、甘肃、山西等中西部经济相对落后地区。 　　[关键词]能源；全要素能源效率；DEA 　　[DOI]1013939/jcnkizgsc201534010 　　1 引 言 　　当前，中国正处于工业化、城市化快速推进的时期，能源需求量高速增长。若按21世纪以来89%的年均增速，到2020年中国能源消费总量将达80亿吨标准煤，占全球能源消费近一半。而中国的能源尤其是石油的对外依存度持续攀升，2013年超过70%，严峻的现实要求中国不但需要寻求能源供给的多元化，还需要全面提高能源利用效率。 　　然而，长期以来，中国地方政府基于自身经济发展的需要，对地区间的能源开发、流动、贸易往来进行限制，政府定价也是中国能源价格形成的主要原因。此外，国有企业基于自身利益也限制民营企业进入能源市场，这些都阻止了资源的合理流动和资源的有效配置，导致能源低效或无效使用大量存在。 　　因此，研究能源全要素效率状况，不仅有利于能源需求的预测，也有利于降低中国能源对外依存度和国家能源安全，为政府制定能源效率提升战略和能源市场改革提供有益的启示。 　　2 中国省际能源效率的测度模型 　　本文运用DEA方法来考察中国能源效率水平。DEA方法是运用线性规划技术来评价决策单元（DMU）的效率水平。主要运用线性规划来构建出一条相对有效的非参数生产前沿面，然后运用实际值与DEA前沿面数值进行比较，从而评价出这些决策单元的相对有效性。具体方法为：假定有N个决策单元，每一个单元要生产M种产出，需要投入K种生产要素，则第i个决策单元的效率即求解如下线性规划： 　　其中，θ是个标量，表示的是投入要素相对于产出的有效使用程度。通常情况下，θ≤1。如果θ=1，则意味着该决策单元处于生产前沿面，是一个有效的决策单元；如果θ1，表明存在技术效率损失。 　　图1表示一个基于规模报酬不变假设下的投入导向型DEA模型。SS′为等产量线，即最优前沿线，前沿线上的C点和D点为有效点；A点和B点不在前沿线上，也即需要耗费更多的要素投入才能达到同样的产出水平，存在着一定的效率损失。B′点是B点改进的有效目标点，决策单元B存在着BB′这一段的效率损失。对决策单元A而言，有效目标点是C点。决策单元A的效率损失由两部分组成：对于决策单元A而言，要达到前沿线上的有效点C，需要调整的能源投入数量为AC=AA′+A′C。若AC越大，即生产过程中能源浪费越多，能源利用效率越低。若AC=0，即不再需要调整能源投入数量，意味着能源投入已处于最优前沿点，能源利用效率为1。 　　图1 基于投入的DEA模型 　　依据上述对全要素能源效率的定义，其公式为： 　　其中，i为第i个地区，t为时间，TFEE为全要素能源效率值，TEI（Target Energy Input）表示目标能源投入量，即在当前生产条件下，为达到一定产出水平所需的最少能源投入量；AEI（Actual Energy Input）为能源的实际投入量；LEI（Loss Energy Input）为损失的能源投入量。 　　多数情况下，0TFEE≤1。若TFEE=1，表示实际能源投入量刚好与目标能源投入量相等，即不存在能源投入效率损失，能源效率达到最优；反之，若TFEE值越小，表明实际能源投入量与目标能源投入量差距越大，生产过程中损失的能源投入就越多，能源效率就越低。 　　3 数据说明和计量结果 　　本文所考察的全要素能源效率所需的能源、资本和劳动投入都包括中国30个省、直辖市、自治区，2000―2010年的数据。具体的生产函数为： 　　Y=f{E，K，L} 　　（1）产出变量Y： 　　本文选取各省市年度GDP，并以2000年不变价格进行换算，得到实际生产总值，数据来源于2000―2010年的《中国统计年鉴》。 　　（2）投入变量： 　　能源E：本文使用30个地区每年的能源消费总量，已经折算为标准煤。数据来源于各年的《中国能源统计年鉴