基于DRF与SEDEA模型节能减排效率评价.docVIP

基于DRF与SEDEA模型节能减排效率评价 　　摘要：本文将因子分析与超效率DEA模型相结合的方法用于研究节能减排效率，选取山西省2003年至2010年的面板数据，对影响节能减排效率的因素进行了具体分析。结果表明：山西省节能减排整体有效，但效率水平不高，节能减排潜力很大；同时还发现，经济规模和市场化程度与节能减排效率存在明显正相关关系，工业比重和排污收入与节能减排效率存在明显负相关关系。 　　关键词：节能减排 因子分析 超效率DEA模型 Tobit模型 　　一、引言 　　地区经济的快速发展，在很大程度上是靠能源资源的高投入、高消耗来拉动的，有的甚至是以牺牲环境为代价的，这种现象越来越受到全社会广泛地重视。如何提升能源利用效率、促进节能减排一直是一些学者热点关注的问题，许多学者在这方面做了大量研究。最典型的做法是在全要素生产理论的基础上运用数据包络分析（DEA）的方法。如汪克亮等采用全要素方法，将环境污染作为能源利用经济产出的环境成本纳入研究框架，基于投入导向的CCR-DEA模型测算了能源利用的经济效率并度量了其环境绩效。RASHE等建立了能源、人力和资本的3要素生产函数，将能源、人力和资本作为投入要素，运用DEA模型分析能源利用效率。刘睿劼等（2011）采用超效率DEA评价方法，结合社会支付意愿理论，对2000年至2008年的中国工业进行了经济-环境效率测算。这些研究对节能减排效率的评价具有一定的借鉴意义，但运用DEA方法时会暴露出一些不足。如：投入产出指标主次不分，无法很好的反应评价目的和评价内容；无法消除投入产出指标之间的强线性关系；不能保证决策单元的数量不少于投入产出之和的2倍。此外，这些都是单方面的针对能源效率或环保投入产出效率的研究，不是以节能减排作为一个整体进行研究，也没有对影响效率的因素进行相关分析。为了克服以上不足，本文采取因子分析（DRF）与超效率DEA（SE-DEA）模型相结合的方法在全要素理论框架下对山西省近几年的节能减排效率及规模收益进行了测算。运用因子分析法将大量的彼此可能存在相关关系的变量，转换成较少的彼此不相关的综合指数，消除指标之间的强线性关系，实现降维。利用SE-DEA模型计算出各决策单元的效率值，并对决策单元进行有效排序。在此基础上，采用Tobit回归模型分析经济运行因素和制度变迁因素对山西省节能减排效率的影响。 　　二、研究设计 　　（一）指标构建 鉴于有关能源效率的成熟研究普遍认可以能耗、资本和劳动作为经济增长模型中的投入要素，本文也沿用这样的思路，将能耗、资本投入和劳动投入作为投入指标。此外，为了有效地衡量环境效率，本文将废水排放量、SO2排放量和固体废物产生量这三种非期望产出作为投入指标，此类将非期望产出作为投入变量的研究有很多，如Hailu（2001）把非期望产出变量作为投入进行处理分析了加拿大造纸工业的环境效率；王波（2002）将污染物作为投入变量来研究DMU的环境效率，并证明了其与多目标规划的Pareto有效解是等价的；陆捷（2010）用三废排放量表示环境容量资源作为投入变量来研究青岛市节能减排效率。以经济和环境质量指标作为产出指标，反映了经济发展质量及节能减排成效。投入指标：能耗总量（I1），以山西省2003-2010年的能源消耗总量为基础数据，单位为万t标准煤；资本投入（I2），本文采用固定资本存量指标来衡量资本投入。目前，国内外常用的测算固定资本存量的方法是永续盘存法：Kt=Kt-1（1-δ1）+I1，其中Kt是第t期的固定资本存量，单位为万亿元，δ表示折旧率，I1代表第t期的固定资本投资额，具体做法可参见张军等；劳动投入（I3），本文不考虑劳动种类和劳动质量，将当期从业人员数作为劳动投入指标，其中，当期从业人员数=（当期末从业人数+上期末从业人数）/2，单位为万人；以非期望产出作为投入的指标：I4=废水排放量，单位为万t；I5=SO2排放量，单位为万t；I6=固体废物产生量，单位为万t。产出指标：O1=地区生产总值（简称GDP），单位为亿元；O2=废水处理排放达标率，单位%；O3=SO2排放消减率（当年比上一年减少的百分比），单位为%；O4=固体废物综合利用率，单位为%。见表（1）所示。 　　θ为决策单元DMU的有效值，指的是相对于产出的有效投入，S+， S-为松弛变量。当θ=1且S+ ≠ 0或S-≠0时，决策单元不同时为技术有效和规模有效，称DMU为弱 DEA 有效；当θ=1且S+ = S-= 0时，决策单元同时为技术有效和规模有效，称DMU为DEA有效；当θ1且S+= S-= 0时，决策单元同时为技术有效和规模有效，称DMU为DEA有效。 　　（四）因子分析 因子分析通常用于数据降维，其目的是识别出少数几个因子来解释大多数在众多显性变量中所观测到的