An Empirical Analysis of Energy Efficiency and Economic Growth Considering Unexpected Output
秦春艳 QIN Chun-yan;范爱华 FAN Ai-hua
(西南财经大学天府学院,绵阳 621000)
(Tianfu College of Southwestern University of Finance and Economics,Mianyang 621000,China)
摘要:本文选取2000-2016年全国各省份面板数据,利用DEA-Malmquist指数方法分别测算了考虑环境因素和不考虑环境因素的全要素生产力,t检验结果显示效率值差别显著,因此在测算投入产出效率过程中有必要考虑非期望产出环境指标。样本期间各省份全要素生产力迅速提高,由于纯技术效率低,西部地区全要素生产力和能源效率明显低于东部地区,能源效率与全要素生产力显著相关,尤其与纯技术效率相关性比较强,因此发展经济首要任务是提高科学技术水平。
Abstract: This paper selects the panel data of various provinces in China from 2000 to 2016, and uses the DEA-Malmquist index method to measure the total factor productivity considering environmental factors and environmental factors. The t-test results show that the efficiency values are significantly different, so it is measured and put into production. It is necessary to consider the undesired output environment indicators in the efficiency process. During the sample period, the total factor productivity of each province increased rapidly. Due to the low efficiency of pure technology, the total factor productivity and energy efficiency in the western region were significantly lower than that in the eastern region. Energy efficiency was significantly correlated with total factor productivity, especially with pure technical efficiency. The primary task of developing the economy is to improve the level of science and technology.
关键词:全要素能源效率;DEA-Malmquist指数模型;全要素生产力
Key words: energy efficiency;DEA-Malmquist;total factor productivity
中图分类号:F224.9 文献标识码:A 文章编号:1006-4311(2019)22-0001-04
1 文献综述
1792年,罗马俱乐部《增长的极限》,指出按照现在的能源消耗速度,地球将会由于资源枯竭、环境极度恶化而毁灭。Ang和Patterson提出“能源效率”是一个相对概念,能源效率可用多种数量指标进行衡量,主要有热力学指标,物理-热量指标,经济-热量指标和纯经济指标,由于对能源效率的概念定义不统一,对能源效率测算结果差异较大。金三林利用人民币汇率对我国能耗强度进行估算,结果表明我国能源消费强度是日本的4-5倍。李国璋(2010)等基于DEA方法和环境污染治理成本法测算了1989-2007年的全要素能源效率和环境污染经济损失,结果表明我国的全要素能源效率与环境污染经济损失之间存在长期均衡关系。赵丽霞和魏巍贤(1998)利用生产函数模型,对中国经济增长与能源消耗之间的关系做了实证研究,认为能源是中国经济增长过程中不可完全替代的要素。Zhang和Larh(2014)研究了中国经济增长和能源之间的关系,能源的利用刺激了经济的增长,区域间能源消耗,能源投入和经济增长差异比较大,生产结构的改变提高了能源的需求方式。刘浚(2009)发现:能源消耗对经济增长的影响在不同时期表现的不同,因此应该优化产业结构,转变经济增长方式,降低能源消耗。本文旨在考虑非期望产出的情况下,分析中国各省份经济增长全要素生产力和能源效率的关系。
2 模型介绍
1978年著名的运筹学家A.Charnes(查恩斯),W.W.Cooper(库伯)等提出一个相对效率评价方法,数据包络分析(Data Envelopment analysis,简称DEA模型)。基本思想是将所有被评价单元(DMU)构成被评价集,根据每个DMU投入产出变量的观察值确定有效前沿面,若该决策单元位于前沿面上则称为DEA有效,效率值为1,若不在前沿面上则称为DEA无效,通过该决策单元与前沿面的相对距离来衡量该DMU的效率,并指出无效原因和改进方向。即:
■
ur和wi分别表示第r种产出和第i种投入的权重指标。?兹d表示第d个的DMU效率值,当且仅当?兹d=1时,是有效的。
Malmquist是一种基于距离函数的非参数方法,该模型将第t期到第t+1效率的变化原因分为技术变化(TC)与技术效率变化(EC),并进一步把技术效率变化细分为纯技术效率变化与规模效率变化,即
■
其中:■分别表示第i 个公司在时期t和 t+1 期的投入量;■分别表示第i 个公司在时期t和 t+1 期的产出量,■分别表示以 t 时期的技术为参照的、时期 t 和时期 t +1 生产点的距离函数。
数据包络DEA模型为多投入多产出模型,所计算的技术效率为多种投入指标共同的效率值,并不能区分为具体的某一个投入指标的效率,为了计算能源的产出效率,本文关于能源效率的定义采用的是 HUand Wang(2006)运用数据包络DEA分析法,提出的基于全要素生产率的全要素能源效率概念,定义全要素能源效率(TFEE)为为相对效率,即最优能源投入(TEI)和实际能源投入(AEI)之间的比值,即:■
WEI表示浪费的能源部分,投入过多的部分,也可以表示产出不足的部分,松弛变量正好表示投入要素中无效率的部分。
3 实证分析
3.1 变量的选取
①产出变量包括期望产出GDP和非期望产出环境污染指标。利用GDP平减法,将各省及全国各年度生产总值数据根据GDP指数分别折算为按2000年为基期的不变价GDP。环境污染指标选取工业废水,工业固体废弃,二氧化硫,化学氨氮,化学需氧量,运用熵权法合并为环境污染指标。
②投入指标选取就业人口数,能源消费总量,资本存量。资本存量的测算采用张军等测算的2000年资本存量为基年资本存量,利用永续盘存法计算各年资本存量。劳动力指标采用的是各地区的从业人员数。能源消耗量为以万吨标准煤计算的能源消耗值。
③DEA 模型要求每个决策单元的输入和输出数据必须为正值,投入数据越小越好,产出数据越大越好,否则就可能DEA无效,因此需要对数据进行正规化处理,这里采用Afonso等人提出的无量纲化数据处理方法,用各项子指标除以各自平均值的方法来对指标数据进行正规化处理,得到均值为 1 的无量纲子指标。环境指标的处理采用Seiford and Zhu的方法,该方法在规模报酬可变的BCC模型中尤其好用,具体公式为y′=y+1.1C,这里C为样本地区最大值的1.1倍。
3.2 基于DEA-Malmquist指数方法省际全要素生产力和能源效率分析
通过deap2.1软件,在不考虑环境因素与考虑环境因素的前提下,测算全国30个省份2000-2016年的基于规模报酬可变(VRS)的Malmquist 生产率指数及分解情况见表1。
由表1,这里对考虑环境因素与不考虑环境因素的情况下测算的全要素生产力进行t检验,算的t=4.003167,通过置信度为5%的假设检验,因此有理由证明在考虑环境因素与不考虑环境因素的情况下测算的全要素生产力情况差别显著,因此在分析我国投入产出效率过程中有必要考虑环境因素的真实影响。
由表2,2000-2016年这17年间,各省份全要素生产力处于明显递增趋势。改革开放以来,我国综合国力明显提升,经济发展迅猛,各项生产技术稳步提高,与实际情况相符。但是通过全要素生产力平均值的排序可以看出,TFP比较高的省份主要集中在东部,西部省份排名基本都在后面,本文进一步借助于DEA-Malmquist软件对全要素生产力进行分解,全要素生产力TFP=EC*TC,EC=PEC*SEC。由分解结果可以看出西部省份全要素生产力水平比较低的主要原因是纯技术效率比较低。西部地区科学技术水平相对落后,与我国实际情况相符,但总体水平比较高。90年小平同志南巡讲话后,进一步加大了对外开放的广度和深度,东部地区借助其有利的位置优势,优先得到了国外先进技术和管理经验,设备和资金,极大地促进了生产力水平的提高,全要素生产力快速发展,西部大开发的目的正是将这些先进技术和资金引入西部,促进西部发展,近年来西部发展越来越好,科学技术水平也在逐年上升。个别省份规模效率低,比如四川,新疆,山西等,说明资源配置不合理,存在浪费现象,由于生产过于分散,中小企业数量众多,发展之初不注重能源效率,只关注结果,造成能源浪费和管理的无效率,因此应该合并小企业实现规模生产,以提高规模效率。
3.3 全要素能源效率测算
本文通过DEA模型测算了能源投入的冗余量,计算出了各省份2000-2016年能源效率,部分年份冗余量和能源效率值如表3。
由表3,总体来说各省份能源效率基本呈上升趋势,说明近年来我国提倡节能减排,使用清洁能源的措施行之有效。具体来说,能源高效区有:湖北,天津,浙江,广东,四川,福建,江苏,能源中效区有:北京,湖南,山东,内蒙古,广西,陕西,河南,河北,江西,重庆,上海,辽宁,海南。安徽能源低效区有:云南,宁夏,山西,贵州,,黑龙江,新疆,甘肃,青海。与魏楚(2007),高振宇,王益(2006)所得出的结论基本一致。但是总体来说东部地区能源效率高于西部地区。能源效率变化趋势总体上升。本文测算发现2005年以后,随着我国科技水平的提高,产业结构的调整,新能源的使用,国家节能减排政策的逐步实施,各省份能源效率都开始稳步提升,为了进一步分析能源效率的影响因素,本文测算了能源效率全要生产力,技术进步,技术变化,技术效率,规模效率之间的相关性,结果如表4。
结合表3和表4以及技术效率分解关系可知,能源效率与全要素生产力水平具有相关性,尤其与纯技术效率相关性最强,能源效率的提高仍然需要先进的科学技术,科学技术才是第一生产力。综合表2,3,4,西部地区全要素生产力水平普遍较低,能源效率普遍较低主要原因都是因为技术水平。
4 结论与建议
本文选取期望产出GDP和非期望产出环境污染指标作为产出指标,资本存量,劳动力,能源消耗量作为投入指标,数据来源各省统计年鉴,并对数据进行了处理,保证评价指标体系公平合理。投入产出指标共5个,决策单元30个,决策单元个数大于投入产出指标个数的2倍,且决策单元个数也大于投入产出指标数的乘积,满足了DEA软件对决策单元和投入产出指标数量的要求。实证分析结果表明:
①我国正处于粗放型经济向集约型经济转变的时刻,经济增长主要还是靠资本投入来推动,科学技术水平的贡献率正在逐步提高,能源是经济发展过程中不可或缺的生产要素,但是能源很多时候满足生活需要,不能直接带来经济效益,因此能源消耗量对经济增长贡献率总体不高。
②样本期间我国各省份全要素生产力总体处于明显上升趋势,东部地区明显高于西部地区,西部地区全要素生产力水平低的主要原因是纯技术效率低,能源效率数据显示西部地区能源效率普遍低于东部地区,能源效率与全要素生产力相关性显著,且与纯技术效率相关性最强,可见西部地区能源效率低的主要原因仍然是技术效率低。部分省份规模效率低也是能源效率和全要素生产力的低的一个原因。
以上分析说明技术水平的高低才是影响能源效率和全要素生产力的最主要因素。能源是经济发展过程中不可或缺的重要因素,但是经济的发展不能以环境的破坏为代价,自然环境才是人类赖以生存的根本。在环境和能源的制约条件下发展经济,本文认为首要任务是提高科学技术水平,优化产业结构,研发节能型新设备,淘汰旧设备,发展清洁,高效的新能源,例如核能,风能,太阳能,建立全方位、多渠道、有保证的能源供应体系,同时要坚定保护环境,节能减排的意志,同时加强东西部合作发挥各自优势,合并小企业实现规模化生产,节约能源,提高能源效率,进而促进全要素生产力的发展。
参考文献:
[1]Hu J L,Wang,S c,Total-factor energy efficiency of regions in China [J].Energy Policy,2006(34):3206-3217.
[2]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.
[3]赵丽霞,魏巍贤.能源与经济增长模型研究,预测[J].1998(6):32-34.
[4]史丹.中国能源需求的影响因素分析[D].华中科技大学经济管理学院,2003.
[5]魏楚,沈满洪.能源效率及其影响因素:基于DEA的实证分析[J].管理世界,2007(8):66-76.
[6]高振宇,王益.我国能源生产率的地区划分及影响因素分析[J].数量经济技术经济研究,2006(9):46-55.
[7]李激扬.技术进步视角下中国能源效率的测算与实证分析[D].湖南大学,2012. |