基于环境效应工业行业能源效率测算和研究.docVIP

基于环境效应工业行业能源效率测算和研究 　　摘要：本文采用数据包络分析方法，以资本、劳动力、能源为投入变量，工业增加值（合意产出）、CO2和SO2排放量（非合意产出）为产出变量，对我国39个工业细分行业2004-2011年能源效率进行测算、比较和分析。主要结论如下：工业行业能源效率较低，主要原因是能源纯技术效率和规模效率都偏低。除2009年之外，其他年份工业行业能源效率具有一定的趋同性。随着时间的推移，能源纯技术效率提高，而能源规模效率下降，两者共同作用导致能源整体效率较为平稳。 关键词：环境效应 工业行业 能源效率 非合意产出 中图分类号：G642 文献标识码：C DOI：10.3969/j.issn.1672-8181.2014.05.014 1 引言及相关文献综述 改革开放以来，我国取得了巨大的经济增长，但也付出了惊人的资源耗费和环境代价，给人民生产生活和身体健康带来严重威胁。传统的“重能耗、轻产出”的经济发展模式已经不能保证经济社会的协调发展。可喜的是，这种情况正在逐渐改善，节能减排思想已深入人心。 随着世界范围内能源形势的紧张和环境污染的加剧，能源效率成为国内外学者的研究热点。传统的能源效率定义侧重于将其看成是能源产出与投入间的对比关系，比如能耗强度或者单位产值能耗指标，但忽略了不同生产要素可以互相替代。 上述研究为探索能源效率问题提供了全新视角，但大多仅以地区总产值或者行业/产业总产值或增加值为产出变量，没有考虑能源使用后形成的大量废气和污染物排放。为了在经济发展的同时减少污染排放、保护人类共同的家园，必须将能源耗费后的非期望产出考虑在内。 2 模型、变量和数据 2.1 DEA基本模型 数据包络分析即DEA方法是一种适用于多投入多产出的效率评价方法，从本质上讲它是线性规划。DEA方法有两个基本模型――C2R模型和BC2模型。 图1直观明确的解释了DEA基本模型。资本（K）、能源（E）和劳动力（L）为三项投入要素。SS为生产前沿面，SS包络面上和右侧的投入点可以实现同等产出，而左侧无法实现同等产出。在等量产出下投入越少显然生产效率更高，比如C点和A点在生产前沿面上，投入最少所以能源效率最高；C点和A点需要耗费更多的投入才能达到同等产出，能源效率小于1，离生产前沿面越远能源效率越低。图1 DEA基本模型简单实例（图略） 2.2 变量选择及数据计算 考虑环境效应的工业全要素能源效率投入变量主要包括资本、劳动力和能源，产出变量包括期望产出和非期望产出。投入产出变量主要参考李世祥和成金华（2009）[16]、唐玲和杨正林（2009）[17]、王姗姗和屈小娥（2011）[18]等相关文献。 2.2.1 投入产出变量及计算 根据相关文献，学者们主要采用行业固定资产净值年平均余额来测度资本投入，并使用固定资产投资价格指数进行平减。同时，劳动力投入选择各工业行业职工年平均人数；能源投入采用各行业每年能源实际消费总量（折算成标准煤）测算。行业期望产出选用每年度行业工业增加值数据，并按工业品出厂价格指数进行平减。上述所有原始数据和价格指数都来自于《中国统计年鉴》和《中国能源统计年鉴》。 2.2.2 研究对象和数据取得 2002-2003年，我国的国民经济行业分类标准进行了一定调整，为保证行业分类和统计口径的连续性，本文的研究时间为2004-2011年，研究对象为39个二位码的细分工业行业，包括6个采矿业细分行业，30个制造业细分行业和3个电力、燃气及水的生产和供应业细分行业，分别用H1-H6、H7-H36和H37-H39代替。非合意产出SO2和CO2采用数据转化方法进行换算，数据处理时使用的软件是DEAP2.1和Eviews7.0。 3 实证结果与分析 将2004-2011年工业细分行业投入产出数据分别代入DEA基本模型，可测算出每年的能源技术效率、纯技术效率和规模效率值，一般来说能源效率值都指能源技术效率。主要结果如表1、图2-3所示。（表1略） 其中：①整体看，8年间工业行业平均能源技术效率为0.364，说明大部分工业细分行业能源效率距离当年的生产前沿面差距很大，有超过60%以上的潜在提升空间。主要原因是能源纯技术效率和规模效率都偏低，分别为0.553和0.749。两者都较低意味着工业行业整体技术水平亟待提高，投入产出规模应适当调整；②能源效率最高的行业是烟草制造业和废弃资源、废旧材料回收加工业。这两个行业连续8年间能源效率都为1，每年都在生产前沿面上。年度平均能源效率在0.5以上的还有纺织服装、鞋、帽制造业，仪器仪表及文化、办公用机械制造业，家具制造业，皮革、毛皮、羽毛（绒）及其制品业和其它采矿业。这几个行业的能源效率