基于sml指数的中国全要素能源效率测度

基于sml指数的中国全要素能源效率测度

一、中国区域能源利用效率的历史溯源自21世纪以来，以三个高（高投资、高消费、高污染）为特征的“中国历史”变得越来越重要。这不是中国人民喜欢的经济增长模式。那么,究竟如何提高能源资源的高效率利用、实现经济社会可持续性发展的问题,在当前转变经济发展方式的问题域中便不期然地被凸显了出来。基于国内东中西部历史发展的差异,以及各地区劳动力、技术、资本等要素投入与能源消费量、价格等因素的不同,科学有效地测度中国各地区尤其是各省际间能源利用效率的基本状况,即是基础又是关键。因此,识别中国当前的能源利用效率对中国经济可持续发展具有重要的理论意义。目前,中国各地区的能源利用效率水平是否存在显著差距也是要关注的重点问题,这对缩小区域差距,实现区域协调发展具有重要的现实意义。二、全要素能源效率的测度针对资源耗竭、环境恶化对经济可持续发展的制约作用,比罗尔(Birol,2000)等指出,在保持或者促进经济增长的同时减少能源消费的关键政策参数是提升能源效率。学者开始重视能源效率的测算,其中数据包络分析(DEA)是测度能源效率的典型方法,胡和王(2006)应用数据包络分析模型评价多种投入与国内生产总值产出的生产关系,结果发现中国区域能源效率水平较低,具有较大的节能潜力,且各地能源效率具有显著的差异。秦放鸣等(2010)、屈小娥(2009)利用数据包络分析方法中的产出距离函数和曼奎斯特(Malmquist)生产率指数测度及分解了全要素能源效率,结果显示,技术进步是提升全国及各省市全要素能源效率的主要原因。魏楚和沈满(2007)洪利用数据包络分析测算了1995～2004年中国29个省市的能源效率,发现大多数省份的能源效率呈现出“先上升,后下降”的趋势,而能源效率在省市间的差异呈现“先减少,后增大”的特征。以上文献都是基于距离函数计算能源效率,没有考虑非合意产出。而非合意产出会低估在较强环境规制下的能源效率。袁晓玲等(2009)运用基于投入导向的规模报酬不变的超效率数据包络分析模型,在环境污染的约束条件下,测度了中国省际全要素能源效率,并分析了全要素能源效率的影响因素。王兵等(2010)和吴军等(2009)考虑了能源消费等投入,并将环境污染等看作是一种特殊产出,基于方向性距离函数和曼奎斯特一卢恩伯格(Malmquist-Luenberger,ML)生产率指数测算了非合意产出减少的情况下中国省际环境全要素生产率。由于曼奎斯特生产率指数在测算能源效率过程中,无法处理各地区环境污染物排放减少的情形,本文在将劳动力、物质资本等传统要素及能源消费量作为投入指标的基础上,引入了序列数据包络分析方法中的序列一曼奎斯特一卢恩伯格(Sequential-Malmquist-Luenberger,SML)生产率指数,利用方向性距离函数替换曼奎斯特指数里的产出距离函数,以便在减少污染排放情形下考虑能源效率。三、方法、变量和数据的研究(一)全要素能源效率变化率测算曼奎斯特一卢恩伯格生产率指数模型是基于生产可能性集合而构建的。每个省市可看作是一个决策单元,假设其使用N种投入,得到M种合意产出,以及J种非合意产出表示生产可能性集合:P(x)={(y,b):x能生产(y,b)},。利用钱伯斯等(Chambersetal.,2009)提出的方向性距离函数可以计算出生产可能性集合P(x)的最优解。方向性距离函数的形式见(1)式:其中,g=(gy,gb)为方向性向量,表示在生产投入一定的条件下,沿着设定的方向性向量,能够实现合意产出(y)最大化以及非合意产出(b)最小化。根据钟等(Chungetal.1997)等的方法,本文用曼奎斯特一卢恩伯格生产率指数测度非合意产出减少的情况下全要素能源效率的变化率,计算公式见(2)式:ML生产率指数测度了在t时期技术条件下,全要素能源效率从t期到t+1期的变化率。其中,,yt+1,bt+1;yt+1,bt+1)是混合距离函数,表示在参考第t期技术的情况下第t+1期的生产状况。同理,在t+1期的技术条件下,ML生产率指数的表示形式见(3)式:为了降低时期选择随意可能导致的测度结果的不同,通常使用(2)式和(3)式的几何平均值(见(4)式),以此测度以t期为基期到t+1期的全要素能源效率的变化率。从(4)式可以看到,根据ML生产率指数全要素能源效率的变化率被分解为技术进步率和技术效率变化两部分。其中,技术进步率指数测度的是生产可能性边界在t期和t+1期之间的移动。当>1时,生产前沿面的向外移动,即t+1期相对于t期具有更高的合意产出及更少的非合意产出。技术效率变化率指数测度从t期到t+1期各省份能源效率的实际变化与生产可能性边界所示的最优可能产出迫近(Catchingup)程度的变化。表示能源效率有所改善。ML生产率指数是一种当期数据包络分析方法,据此测算得到的技术进步率经常小于1,也就是意味着技术出现倒退——之前已经实现过的技术在以后的时期却不可行,这往往不能让人信服。而序列数据包络分析方法通过引入前期的技术构建一个新的前沿面(参考技术),从而避免了技术出现倒退,那么全要素能源效率的恶化主要是由于技术效率的下降。而在基于不变规模报酬的序列数据包络分析方法下,假设第t(t=1,…,T)期,第xx个省份的投入、合意产出和非合意产出组合为(xk,t,yk,t,bk,t),则可以构造如下生产可能性集合:其中,,t0表示所考察的决策单元可以得到的第一期的投入和产出观测值。当期数据包络分析和序列数据包络分析只是参考的技术前沿面有所不同,测度及分解全要素能源效率变化情况的思路是相同的。根据(4)式,利用序列数据包络分析中的SML生产率指数同样可以将全要素能源效率的变化分解为技术效率变化和技术进步率。为了度量SML指数,需要借助线性规划方法计算有关投人和产出的各种方向性距离函数,由此得出各省份全要素能源效率、技术效率变化以及技术变化。(二)数据来源和说明本文的研究覆盖中国除西藏自治区、台湾省、香港和澳门特别行政区以外的所有地区,共29个省、直辖市、自治区(重庆和四川合成一个省份),样本区间为2001～2010年。生产过程中选取了物质资本存量、劳动力、能源消费三种投入要素,生产出国内生产总值和二氧化碳两种产出。(1)物质资本存量。通常采用“永续盘存法”Ki,t=Ii,t+(1-δi,t)Ki,t-1估计每年的实际资本存量。本文直接采用单豪杰的研究成果,并将其扩展到2010年,由于原始数据是以1952年为基期的,为了保证投入一产出变量统计口径的一致性,采用固定资产平减指数将物质资本存量换算为2001年为基期。(2)劳动力。该投入要素采用各省年末社会从业人员总量。数据来源于2002～2011年《中国统计年鉴》。(3)能源消费。该投入要素采用各省的能源消费量。一般而言,生产过程中主要用煤炭、石油和天然气三种一次性能源,但种类不同消费量的单位不同,因此本文先将煤炭、石油、天然气的消费量统一换算成标准煤,然后加总得到各省历年能源消费量。数据来源于2002～2011年《中国能源统计年鉴》。此外,需要说明的是,对于部分省份个别年份的缺省数据采用取前后两年平均数的方式加以补齐。(4)国内生产总值。国内生产总值是合意产出,越大越好。原始数据来源于2002～2011年《中国统计年鉴》,并采用国内生产总值平减指数将名义国内生产总值换算成以2001年为不变价格的实际国内生产总值。(5)二氧化碳。二氧化碳是非合意产出,越小越好。二氧化碳的排放量无法直接从统计年鉴中获得,本文用各地区煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气7种一次能源的消耗量与相应排放系数的乘积和来估算其排放量。四、示范分析(一)非合意产出检测的全要素能源效率与生物医用能源技术效率比较本文测算了中国29个省市和地区2001～2010年序列一曼奎斯特一卢恩伯格生产率指数,并将其进行了分解,进而通过算术平均得到全国年均及各省市年均SML全要素能源效率指数及技术进步率、技术效率变化率,具体结果如表2、表3所示。总体而言中国全要素能源效率在不断地改善。从表1可以看出,2001～2010年除了最初的2001～2002年的SML指数低于1外,其余年份的SML指数值均大于1,表明“十五”规划的开局之年中国能源要素的利用效率出现反弹,随后中国全要素能源效率一直呈现改进的趋势;除了2004～2005年,全要素能源效率的增长突然有所下降,从全国的角度看,全要素能源效率的增长整体上符合“先上升,后下降”的特征,转折点出现在2007～2008年;2001～2010年中国全要素能源效率的平均增长指数为1.015,即“十五”“十一五”期间中国全要素能源效率以1.5%的年均增长率不断改善。同时根据SML指数的分解公式,本文进一步将全要素能源效率的变化率分解成两大因子:技术效率变化率指数和技术进步率指数。结果显示,中国能源技术水平不断进步,其年均增长率为2.1%,是中国全要素能源效率改善的主要源泉,而能源技术效率呈现不断恶化的趋势,其年均下降率为0.7%,遏制了全要素能源效率的增长。SML指数是基于“非合意产出不断减少,合意产出不断增大”的方向性距离函数进行测度,为了与已有结果进行比较分析,本文同时运用基于产出距离函数的曼奎斯特指数及其分解因子测算了非合意产出——二氧化碳排放存在的情况下中国的全要素能源效率。只不过基于产出距离函数测度时二氧化碳排放量不能减少。表3显示,在考虑二氧化碳排放的情况下,利用曼奎斯特指数及其分解因子测算出:中国2001～2010年全要素能源效率年均率为1.0%,其中,技术效率不断恶化,年均恶化速度为0.2%,技术水平在不断提升,年均增长率为1.2%;而基于方向性距离函数的中国2001～2010年全要素能源效率年均提高1.5%,其中,能源技术效率仍然不断恶化,年均下降率为0.7%,能源技术水平以2.1%的年均速度不断提升。通过比较发现两种距离函数计算出的全要素能源效率及其分解因子存在较为明显的差异,从模型和经济现实的角度看,利用方向性距离函数计算的SML指数比利用产出距离函数计算出的M指数更为可信。因为M指数无法在非合意产出减少的情况下测度分析各个省份全要素能源效率的增长状况。未考虑二氧化碳排放减少时,2001～2010年中国全要素能源效率的改善程度低于考虑二氧化碳排放减少时全要素能源效率的改善程度。这主要是由于未考虑资源环境约束时,企业没有动力和激情进行技术革新去减少二氧化碳的排放,从而导致技术效率的恶化程度虽然有所减缓,但能源技术进步程度下降速度更快,使得全要素能源效率的增长有所下降。这说明未考虑环境污染会低估技术水平的提升程度和技术效率的恶化程度,而环境规制会刺激企业采用更为先进的节能减排技术,促进经济增长和环境保护的双赢。也就是说环境规制的存在提高了能源利用效率,验证了“波特假说”的正确性。(二)全要素能源效率的“创新者”虽然从整体上看,中国技术水平在不断进步,并推动全要素能源效率不断改善,但如果想进一步确定每一年到底是哪个省市带动其他省市使得生产可能性边界向外移动,即确定能源技术的“创新者”,则需要在技术进步率的基础上引进其他条件。根据法勒(Fare,2001)和库马尔(Kumar,2006)的做法,本文引入如下三个条件:条件1:技术进步率,表示从t期到,+1期技术水平在不断提升,也就是说,在既定的投入向量下,在t期和t+1期之间,生产可能性边界沿着“合意产出—GDP增加和非合意产出一CO2排放量减少”的方向向量向外移动。条件2:当参考第t期的生产技术时,方向性距离函数的值小于零。这表示如果参考t期的技术,t+1期的投人是不可能生产出t+1期的产出的,也就是说,技术进步已经发生,t+1期的生产发生在t期的生产可能性边界之外。条件3:当参考第t+1期的生产技术时,方向性距离函数的值等于零。这表明参考第t+1期的技术时,t+1期的生产必须在生产前沿面上。能够同时满足以上三个条件的省市即是全要素能源效率的“创新者”,使得t+1期的生产可能性边界相对于t期向外移动。本文利用上面三个条件分析了在二氧化碳排放减少的约束条件下全要素能源效率的“创新者”。结果显示,2001～2010年中国共有5个省份使得生产可能性边界向外移动。其中,辽宁(2次)、北京(3次)、福建(7次)、广东(9次)、上海(9次)。虽然不同的年份,创新省市有所不同,但广东和上海市表现最为突出,在所有年份都是技术水平的主要创新者,推动中国生产前沿面的外移和全要素能源效率的改善。总体看,东部沿海省市是推动能源效率技术创新性发展的主体力量,中西部地区主要是能源效率的“模仿者”。这是因为东部省市经济、技术基础良好,并且也是造成能源耗竭、环境恶化的主要原因,如今已经开始意识到环境保护的重要性,也有能力和义务进行技术创新,通过能源效率的增长推动经济发展方式的转变。东部省市更应通过地区合作引导、帮助后进地区改善能源效率,共同促进“资源节约型、环境友好型”两型社会的建设。五、全要素能源效率统筹协调区域发展,提高能源资源的高效率利用,是中国积极应对能源和环境压力,促进经济发展方式转变的必然选择。在探讨提高能源利用效率时,必须把全要素指标纳入到测度体系中,才能厘清中国各省际间全要素能源效率的实际利用水平。传统的全要素能源效率测度方法没有考虑到非合意产出这个变量,因此使得测度出的全要素能源效率的增长变化数据可信度较低。虽然一些研究成果把非合意产出因素纳入了论述分析中,但是运用基于产出距离函数的曼奎斯特指数测度非合意产出不变时的全要素能源效率,或采用当期数据包络分析方法计算非合意产出减少时的全要素能源效率,导致得出的结果要么低估了实施严格环境规制地区的全要素能源效率的增长率,要么就有可能存在“技术倒退”的现象。基于上述原因,本文运用序列数据包络分析中的序列一曼奎斯特一卢恩伯格生产率指数,测度了2001～2010年二氧化碳排放约束下中国省际间全要素能源效率的增长率。从测度结果看,中国全要素能源效率呈现增长趋势,且主要是由技术进步所驱动,技术效率的恶化对全要素能源效率的增长有阻碍作用;在二氧化碳排放量减少的约束条件下得到的全要素能源效率的年均增长率要优于二氧化碳排放量保持不变的情况下得到的结果,从而验证了“波特假说”的正确性,也正符合中国正在筹划的低碳经济模式。上述结论可得出以下启示:(1)单纯依靠能源的投入不仅不能确保经济的可持续发展,相反随着能源投入的加大,二氧化碳排放量也会随之增加。在提高能源利用率的驱动力主要依靠科技进步、技术创新的大背景下,降低全要素能源效率的环境约束,将导致技术效率的逐渐恶化,进而演化为经济增长中的恶性循环。据统计显示,由于技术进步的速度高于技术效率恶化的速度,全要素能源