電網發展、清潔電源接入與地區能源效率

王永培++馬丁++單葆國++晏維龍

摘要 鑒于我國已經建成全球規模最大的超高壓和特高壓電網，徹底彌補了電力跨區配置的電網基礎設施短板，并且為清潔電源并入電網和跨區消納提供了完善的基礎設施，不僅克服我國電力負荷中心和能源基地的區域布局不協調，而且有益于緩解日益嚴峻的能源利用率低下和環境污染問題。本文利用1991—2012年全國29個省市面板數據實證研究了清潔電源并網對地區全要素能源效率的影響。為保證實證結果穩健性分別在線性和非線性實證框架下采用系統廣義矩估計（SYSGMM）和面板平滑轉換模型（PSTR）兩種方法估計了清潔電源接入高壓、超高壓和特高壓電網的地區全要素能源效率異質性效應。實證結果顯示：①我國電網基礎設施對地區全要素能源效率具有明顯的增進效應，特別是超高壓電網在促進全要素能源效率提升上表現的最為突出，在特高壓骨干網架尚未形成的情況下起到了支柱性作用。②高壓、超高壓、特高壓與清潔電源交互項的估計系數始終位于負數區間，反映清潔電源并網的能源效率績效并不明顯，受限于并網規模和機制缺陷，還沒有發揮出全要素能源效率提升作用。③隨著人均GDP的不斷提高，各等級電網對地區能源效率的益處越來越明顯，并且存在著門檻效應。④特高壓電網對地區能源效率的積極作用主要表現在東部沿海高收入省份，這些省份作為電力消費負荷中心，大規模接入清潔電源對能源效率改善裨益明顯。接下來，需要根據地區的能源稟賦結構選擇清潔電源的并網模式，完善的電網基礎設施、合理的電源結構還需要配置以高效的清潔電源并網機制才能不斷增進地區全要素能源效率。

關鍵詞 超高壓；特高壓；清潔電源；全要素能源效率

中圖分類號F426文獻標識碼A文章編號1002-2104（2017）03-0039-10doi：10.3969/j.issn.1002-2104.2017.03.005

為防治大氣污染、實現可持續發展，世界主要國家和地區紛紛不遺余力地根據自身的資源稟賦提升水電、風能、太陽能以及核能等清潔能源在終端能源消費中的比例，并將其視為新世紀本國和地區經濟社會發展持續性的重要基石。在我國，以資源消耗和環境污染為代價的“經濟增長奇跡”業已難以為繼，為遏制大氣環境的進一步惡化，同時克服能源資源負荷中心逆向分布的內在缺陷，政府越來越重視通過發展特高壓電網，持續擴大水電、風電和光伏發電等清潔電源的并網規模。有關部門已將蒙西-天津南、錫盟-山東特高壓交流以及寧東-浙江、錫盟-江蘇特高壓直流工程等12條輸電通道列入大氣污染防治行動計劃，力爭通過完善電網基礎設施擴大東部沿海地區清潔電源的接入規模，提高地區能源效率和環境績效。

由于早期國內外對“能源效率”的概念尚未形成統一的認識，評價方法和標準存在各自缺陷[1-2]。盡管大規模引入清潔能源是節能減排和應對溫室效應的主要手段[3-5]，但清潔能源使用比例的提高并非意味著能源效率增進，一些有關清潔能源對全要素能源效率影響研究發現令人意外的經驗證據。如Pang et al[6]通過研究2004—2010年全球87個國家清潔能源對其經濟、能源和環境績效的影響發現，雖然清潔能源消費對全要素效率的綜合影響是正面的，清潔能源消費比例提高增進了減排效率和產出效率，但對全要素能源效率的影響卻是負面的。Wei et al[7]在一個包括煤炭、石油和清潔能源消費量的全要素能源效率分析框架下，研究我國全要素能源效率的變動趨勢以及清潔能源在其中發揮的作用。結果發現，1998—2010年我國全要素能源效率一直在較低的水平下沒有得到顯著改善，其中煤炭、石油能源效率略有提高，清潔能源效率卻幾乎沒有變化，且對全要素能源效率的提升作用十分有限。在我國，過度依賴火電的電源結構降低了整體的能源利用效率[8]。電力作為工業糧食和經濟社會運行發展不可或缺的終端能源，其電源結構清潔化是能源消費結構優化的重要標志。李蘭冰[9]指出，管理無效率和環境無效率是我國全要素能源效率低下的共同成因，能源效率的根本性的提升有待于培育內源性的管理效率。師博和沈坤榮[10]從市場分割的角度研究我國全要素能源效率低下的原因，發現能源稟賦充裕地區全要素能源效率較低的深層原因在于市場分割導致的資源配置扭曲。魏楚和沈滿洪[11]對全球38個主要國家和地區全要素能源效率的研究表明，全要素能源效率低下是由低水平的規模效率和要素配置效率所致。

王永培等：電網發展、清潔電源接入與地區能源效率中國人口·資源與環境2017年第3期 輸電通道的升級和擴建以及由此帶來的清潔電源并網規模的持續增加究竟對地區能源效率有何影響，目前尚難確定且鮮有研究涉及。鑒于此，本文試圖依托主流方法測算省際全要素能源效率，并實證檢驗電網發展和清潔電源加速并網對地區全要素能源效率的內在影響，從而為優化電網基礎設施建設和新一輪能效革命提供富有價值的啟示。

1我國地區全要素能源效率測算

1.1測算方法

掌握我國地區全要素能源效率是本文研究主題順利開展的前提。國內外相關研究工作提供了豐碩的理論支持和經驗基礎。對地區能源效率評估主要有三種常用的方法，即基于單一要素的指數分解法（IDA）、基于全要素生產率的數據包絡分析法（DEA）和隨機前沿函數法（SFA）。其中DEA和SFA兩種方法被廣泛應用于全要素能源效率的估算[12-15]?？紤]到工業生產和其他社會經濟活動中不僅能創造GDP等期望產出，還將產生工業廢品、污染物等副產品，本文選擇MalmquistLuenberger生產率指數方法測算省際全要素能源效率。假設任一地區k（k=1，…，K）在時期t（t=1，…，T）的社會再生產過程中將使用N種投入品x=（x1，x2，…，xN）R+N ，由此生產生M種期望產出y=（y1，y2，…，yM） R+M 并額外產生I種非期望產出b=（b1，b2，…，bI）R+I 。用Pt（xt）表示生產可行性集合，則在該生產可行性集合滿足閉集且有界的假設下，可以運用DEA技術將生產可能性集模型化為：

其中，ztk為地區k在時期t的權重，非負的權重表明生產技術是規模報酬不變的。在生產可能性邊界的基礎上，基于產出的方向性距離函數表示如下：

其中，g=（gy，gb）是產出擴張的方向向量。環境管制的目標是為了增加期望產出，減少各類污染物排放等非期望產出。參照王賓等[16]的處理方法，假定期望產出的增加和非期望產出的減少是同比例增減的，即g=（gy，-gb），β為期望產出增加、非期望產出減少的最大可能量。通過求解以下的線性規劃，求得方向性距離函數：

在方向性距離函數的基礎上可以構造全要素生產率指數。依據Chung et al [17]的方法，構造的基于產出的MalmquistLuenberger生產率指數如下：

1.2數據來源

本文的研究涵蓋我國除西藏自治區、臺灣省、香港和澳門特別行政區之外的所有省級行政區域，并且考慮的數據統計口徑的一致性，將四川省和重慶市的數據合并處理，共得到1991—2012年29個省級行政單位的面板數據。測算的地區全要素能源效率的投入指標有資本存量、勞動力和能源三類，產出指標期望產出GDP和非期望產出CO2排放量。其中，資本存量采用永續盤存法進行估算，2006年前的數據直接取自單豪杰[18]的研究成果，2006年后的數據根據《中國統計年鑒》相關數據推算，并且根據GDP平減指數據將資本存量換算成1978年不變價數據，以保證本文投入-產出相關數據統計口徑一致。勞動力指標為年末從業人員，數據取自《新中國六十年統計資料匯編》和《中國統計年鑒》。1991—1994年各省、直轄市和自治區的能源消費數據來自《新中國六十年統計資料匯編》，其余各年數據來自歷年《中國能源統計年鑒》，其中個別缺省數據采用兩年平均的平滑處理方法加以處理。CO2排放量數據通過消耗的原煤、原油、焦煤、石油等化石燃料的總量估算而來。聯合國政府間氣候變化委員會IPCC（Intergovernmental Panel on Climate Change，IPCC）提供了各類化石燃料單位碳排放系數，本文依據IPCC提供的碳排放系數和歷年《中國能源統計年鑒》提供的制造業化各類石燃料消耗量測算出其CO2排放量，具體計算公式如下：

其中，i表示各種類型的化石燃料以及熱力、電力等能源消耗實物量；NCV為能源的平均低位發熱量，即IPCC中的凈發熱值；CEF為單位熱值當量的碳排放因子；COF為碳氧化因子，因為99%—100%的化石燃料在燃燒過程中均被氧化，故缺省值設置為1；44和12分別為CO2和C的分子量。

1.3測算結果分析

測算結果表明，1991—2012年間我國全要素能源效率年平均提高幅度為3.22%，累計共提高了98.11%。本文的測算結果與早期全要素能源效率的研究結論保持了總體上的一致性。如張少華和蔣偉杰[15]估算1986—2009年我國能源效率年平均增長率為2.89%；孫廣生等[19]估算1986—2010年能源效率年平均提高幅度為3.73%。本文所測算的全要素能源效率增長并沒有呈現規律性的變動，更無法判斷所謂能源效率變動“拐點”的存在，盡管張少華和蔣偉杰[15]、史丹等[20]一些研究表明2002年是我國能源效率邁向加速增長的拐點。

ML指數分解指標測算結果表明，1991—2012年全要素能源效率提升的主要來源是技術進步，技術效率幾乎沒有發生變化，甚至略微所有下降。該結果與大多數的全要素能源效率分解結果的研究結論大致相同，即全要素能源效率變化的主要構成因素是技術進步。孫廣生等[19]認為，導致這一現象的主要原因是出口導向型的發展模式使得我國中西部與東部沿海地區差距越來越大，部分地區背離前沿面的趨勢越來越突出。以電力市場為例，“西電東送”工程建成了超高壓骨干網架，而特高壓電網更使得大規模清潔能源并網消納和大范圍、超遠距離輸電功能進一步增強，加上中央和地方政府基于環境績效對風電、光伏發電的持續補貼，刺激了東部地區擴大清潔電力消費，但同時也造成了我國電力消費區域差距進一步擴大，從而阻礙了電力消費技術效率提高。在其他領域也有相似的特點，也就是說我國區域經濟差距仍呈發散趨勢，尚未進入收斂通道。

2實證分析I：清潔電源并網效應的線性估計框架2.1計量模型設定

在借鑒國內外關于能源效率影響因素的實證模型基礎上[11，21]設置基準計量模型如下：

其中，i和t分別表示省份和年份，tfp表示全要素能源效率，即前文測算的省際全要素能源效率ML指數；grid和qjdy分別為電網發展和清潔電源變量；X表示一系列影響地區全要素能源效率的控制變量；ε為隨機誤差項。主要變量的具體情況如下：

電網發展變量。作為本文的核心解釋變量，根據國內通用的高壓、超高壓和特高壓電網劃分標準，將不同電壓等級的輸電線路密度作為電網發展衡量指標，如高壓電網密度（gymd）即用單位國土面積的電壓等級為33—220 kV的交直流輸電線路桿路長度表示；超高壓電網密度（cgymd）用單位國土面積電壓等級為330—700 kV的交直流輸電線路桿路長度表示；特高壓啞變量（tgy），即將±800 kV直流和1 000 kV交流特高壓輸電線路經過的省份設置為1，否則為0由于特高壓直流工程是點到點輸電工程項目，通過起點直接向落點輸電不給沿途地區供電，所以本文特高壓啞變量僅將特高壓直流電網的起點和落點省份設置為1。如，向家壩—上?！?00千伏特高壓直流輸電示范工程（簡稱“向上工程”），該工程起于四川宜賓復龍換流站，落于上海奉賢換流站，途經四川、重慶、湖北、湖南、安徽、浙江、江蘇、上海等8省市，但直流工程不能給起點和落點外的地區供電，因此只將四川和上海2省市設置為1。。

清潔電源變量。清潔電源由水電、風電、太陽能發電和核電四種類型電源構成，并且為了能夠更為全面地反映清潔能源快速發展態勢對地區能源效率的影響，用清潔電源發電裝機容量占該地區全部電源發電總裝機容量的比重作為代理變量。

其他控制變量，主要包括：①廠網分離（cwfl）。以2002年國務院發布的《電力體制改革方案》為標志的電力體制改革，為電力市場帶來的最突出的變化是將國家電力公司拆分為兩大電網公司、五大發電集團和四大輔業集團，在1997年推動的政企分離的基礎上進一步實現了發電和輸配電業務環節的垂直分離，即“廠網分離”。因此，本文引入廠網分離啞變量以控制電力體制改革因素的影響，2002年“5號文”出臺后設置為1，2002年前設置為0。②產業結構（struc）。相關研究分別以第三產業占GDP比重、用第三產業增加值和第二產業增加值比值作為產業結構優化的代理變量，實證發現它們都對全要素能源效率起到促進作用[11，21]?？紤]到通過從業人員能夠更準確反映第三產業發展狀況，本文的產業結構變量用第三產業從業人員數占全國總就業人員比重表示。③對外開放度（open）。對外開放度對我國全要素能源效率的影響已被眾多研究所證實[11，16，21-22]，因此將對外開放度作為地區能源效率的控制變量，具體數值為省市的對外貿易總額占當年GDP比重。④外商直接投資（fdi）。本文的外商直接投資變量為各省市當年外商直接投資流量占其GDP的比重。國內外相關研究發現外商直接投資通過技術外溢效應等作用機制顯著地促進能源效率提升[23-24]；長三角城市群FDI和全要素能源效率關系的實證檢驗則得出相反的結論[25]。⑤金融發展（fir）。金融發展水平是能源效率重要的影響因素[21]，以年末金融機構人民幣存款余額占GDP比重表示金融發展。⑥制度變量（inst）。不同于魏楚和沈滿洪[11]把國有工業總產值占比表示制度變量，本文選擇年度固定資產投資中非國有企業投資占比作為制度變量的衡量指標。⑦基礎設施（infr）。除電網基礎設施之外，交通、電信、水利等基礎設施也是影響地區能源效率的重要因素。本文以地區每萬人公路里程作為基礎設施的代理變量。⑧政府干預（gov）。政府干預程度在較大程度上影響著地區能源效率[11，21，25]。地方政府干預能力的衡量指標較為一致，使用地方政府財政支出占GDP比重表示。

為防止可能存在的內生性導致估計結果有偏，采用Arellano和Bover[26]、Blundell和Bond[27]提出的系統廣義矩估計（SYSGMM）方法進行參數估計。這種估計方法的優點是通過將水平方程和差分方程結合起來進行估計，并把被解釋變量的一階差分作為其滯后變量的工具變量，從而解決了弱工具變量問題。借鑒Andersen和Dalgaard[28]的方法，將地區各年平均地閃密度作為電網密度的工具變量地閃密度原始測試數據來源于美國全球水文資料中心（GHRC）提供的衛星觀測的包括云閃次數和地閃次數在內的總閃次數。該總閃次數由美國衛星光學瞬態探測器（OTD）、閃電成像傳感器（LIS）獲取，可以根據各省區所在的緯度折算為地閃次數，并根據各省區國土面積得到地閃密度，即每年每km2遭雷擊次數。由于OTD觀測時間為1995年4月到2000年3月，LIS觀測時間為1997年12月到2005年12月，本文采用該期間各省區平均每年的地閃密度作為工具變量。。計量模型如下：

清潔電源需要接入電網才能轉換為終端能源進行消費，它是通過與各等級電網交互作用才能發揮對地區全要素能源效率的影響。因此，本文將電網密度和清潔電源交互項引入式（8）的模型，得到如下的靜態計量模型：

2.2實證分析結果

首先利用雙固定效應最小二乘法分別估計高壓、超高壓和特高壓電網對地區全要素能源效率的影響，然后利用系統廣義矩估計（SYSGMM）方法估計了式（9）的動態面板模型。除特高壓電網密度估計結果外，Sargan test都無法拒絕過度識別限制是有效的原假設，即地閃密度作為高壓和超高壓電網密度的工具變量是有效的。與此同時，AR（2）檢驗也無法拒絕一階差分方程的隨機誤差項中不存在二階序列相關的原假設，估計結果不存在二階序列相關問題。

雙向固定效應模型中高壓和超高壓電網密度估計系數滿足了顯著性要求，并且估計系數為正，說明各省份高壓、超高壓電網密度增加對其全要素能源效率的提升具有顯著的促進作用。特高壓電網啞變量的估計系數沒有滿足顯著性，主要原因是在2013年之前我國僅有晉東南-南陽-荊門、向家壩-上海和楚雄-廣州等少數幾條特高壓輸電線路處于建成運行狀態，對地區能源效率的影響尚不明顯。SYSGMM估計結果與FE估計結果保持了基本一致。首先，高壓和超高壓電網密度估計系數顯著為正，它們對地區能源效率提升均起到促進作用；特高壓啞變量估計系數沒有達到顯著性要求，且Sargan test檢驗拒絕了工具變量的有效性。其次，比較各電壓等級電網估計系數可知，超高壓電網密度對地區能源效率的促進效果最佳，每提高1個單位的超高壓電網密度提高地區能源效率的水平是高壓電網的4.5倍多。已經建成的超高壓骨干網架形成的“西電東送、南北互供、全國聯網”的電網初步格局，不僅彌補了東部地區的電力缺口，對于電力資源跨區優化乃至地區全要素能源效率的提升都有顯著的正面作用。

清潔電源只有通過各電壓等級的輸電線路才能送達終端用戶進行消費。鑒于電網設施對清潔電源消納的基礎性作用，清潔電源消費對地區能源效率的偏效應還將取決于電網設施狀況。為驗證清潔電源消費與各等級電網設施的交互效應，本文在式（8）和（9）的基礎上引入清潔電源和電網設施交互項，分別得到式（10）的靜態模型和式（11）的動態模型，估計結果如表1所示。

高壓電網密度和清潔電源交互項的估計系數顯著為負，意味著高壓電網密度越高清潔電源對地區全要素能源效率的促進作用越弱。高壓電網輸電線路占比較高是我國電網結構的主要特點，雖然近幾年高壓電網輸電線路占比略有下降，可仍接近70%，高壓電網已經能夠滿足城鎮配網的總體需求，甚至部分城市的配網建設已經有所超前，過高比重的高壓電網減弱了清潔電源消納對全要素能源效率的提升效應。超高壓電網密度和清潔電源交互項的估計系數顯著為正，也就是說，超高壓電網密度越高清潔電源消納對地區全要素能源效率促進作用越明顯，超高壓電網密度擴大了清潔電源對地區全要素能源效率的偏效應。超高壓電網密度和清潔電源的交互效應在很大程度上取決于我國獨特的清潔能源地區分布特征。我國風電基地集中于華北、西北和東北等“三北”地區，由于輸電通道建設不足造成風電無法消納，“三北”地區棄風率普遍偏高，甚至遼寧、吉林兩省份棄風率分別高達35%和

58%。超高壓電網主要用于跨省區輸電，其與清潔電源正向的交互效應反映了清潔電源消納帶來的能源效率增進機制迫切需要輸電通道。

3實證分析II：清潔電網并網效應的非線性估計框架 3.1計量模型

前文基于一個基本的假設是電網發展、清潔電源接入與地區能源效率之間的關系是線性的，對應的計量模型都是不變系數模型，無法通過估計系數的非線性變化來描述截面異質性。Hansen[29]提出的面板門限模型，使得估計系數在外生的轉換變量達到門檻值的情況下出現轉折性變化。然而，PTR模型估計系數在兩種體制之間的轉換是

突發和跳躍性的，這并不符合經濟社會現象漸進式、連續性的發展規律和運行特點。González et al[30]在假設估計系數是轉換變量的連續函數的基礎上擴展了Hansen[30]的面板門限模型，建立了面板平滑轉換模型（Panel Smooth Transition Regression，PSTR）。PSTR模型能夠更有效地用于描述估計系數隨個體和時間變化的異質性特征，其最突出的貢獻是實現了兩體制或多體制間由突發、跳躍式的轉換模式過渡到漸進、連續的轉換模式。本文的PSTR模型如下：

其中，qit為轉換變量，γ為決定機制轉換速度的斜率參數，m表示位置參數個數，c為反映門檻值的位置參數。gj（·）表示平滑轉換函數，它是一個關于轉換變量qit的、取值范圍為（0，1）的連續變化的有界函數。j=1，…，r表示第j種轉換機制。轉換函數gj（·）通常采用如下的Logistic函數形式：

3.2實證結果

利用Rats軟件的非線性最小二乘法（Nonlinear Least Squares，NLS）方法分別針對高壓、超高壓和特高壓電網估計式（12）和（13）兩種模型的相關參數，估計結果如表2所示。首先分別通過LM、LMF和LRT三類統計量判斷模型是否滿足非線性檢驗，結果表明各統計量均在顯著性要求下拒絕了線性原假設，說明通過PSTR模型進行參數估計是合理和可識別的；再利用AIC和BIC準則確定轉換函數中位置參數個數，結果表明除不含交互項的特高壓模型和含交互項的超高壓模型位置參數個數m=2之外，其他模型均為m=1。參數估計結果顯示，引入非線性機制后高壓和超高壓估計系數滿足顯著性要求、特高壓估計系數未能滿足顯著性要求的特征沒有變化，高壓、超高壓和特高壓估計系數將隨轉換變量，即人均GDP的不斷增加而呈現非線性的變化，具體變化特點集中體現于圖1和圖2之中。

圖1和圖2展示了清潔電源接入電網對地區全要素能源效率的非線性影響效應。圖1分別報告了在以人均GDP為轉換變量情況下高壓、超高壓和特高壓電網估計系數隨人均GDP的變化趨勢?？梢钥闯?，隨著人均GDP不斷提高高壓電網密度對地區能源效率的促進作用越來越明顯，人均GDP為12 888元/人（1978年價，下同）時估計系數最終由負轉正，說明只有當人均GDP達到較高的水平高壓電網對地區能源效率的密度經濟才能顯示出來。超高壓電網密度的估計系數為正，并且隨著人均GDP增加估計系數呈擴大趨勢，人均GDP的門檻值為10 228元/人，超過該水平超高壓電網密度估計系數顯著增加，意味著當人均GDP超過10 228元/人超高壓電網密度能夠起到突出的增進地區能源效率的作用。特高壓電網啞變量的估計系數顯示特高壓電網對地區能源效率影響隨著人均GDP變化呈現兩種“極端”情況。在人均GDP小于4 865元/人時，特高壓估計系數為負，地區的特高壓電網項目不利于其能源效率的提高；在人均GDP大于4 865元/人時，特高壓估計系數由負轉正，地區的特高壓項目能夠促進其能源效率的提高。

但必須指出的是，特高壓電網啞變量估計系數沒有滿足顯著性要求，說明由于2012年前特高壓僅在少數幾個 省份建成投運，它促進地區能源效率提升的作用尚不具有普遍意義。比較而言，三種類型電網中具有最突出的促進地區能源效率作用的應屬超高壓電網，這顯然符合我國電網發展的主體特征。

圖2分別匯報了在人均GDP為轉換變量情況下高壓、超高壓和特高壓電網與清潔電源占比交互項估計系數隨人均GDP變化的趨勢。

首先，高壓電網密度與清潔電源占比交互項的估計系數隨人均GDP提高不斷縮小，表明高壓電網密度越大清潔電源接入電網對地區全要素能源效率的促進作用越明顯，但這種作用邊際隨著人均GDP提高呈現明確的遞減效應。也就是說，對于處于高收入組的地區，提高高壓電網密度并不能明顯地提升清潔電源并網的能源效率增進效應，因為我國處于高收入組的地區普遍是東部沿海省份，這些省份基本都是能源凈輸入的電力受端地區，主要依賴的是超高壓、特高壓電網組成的遠距離輸電通道，實現“三北”風電和西南水電等清潔電源大規模輸入，以提高清潔能源消費比例。

其次，超高壓電網密度與清潔電源占比交互項的估計系數隨人均GDP提高呈現深“V”型的變動趨勢。同時，由于該估計系數為負數，意味著提高超高壓密度有損于清潔電源占比提高對地區能源效率的促進作用，但深“V”型變動趨勢說明在人均GDP不斷提高的情況下超高壓電網密度的負面影響逐步減弱。為什么超高壓電網密度增加反而妨礙了清潔電源并網消納對地區能源效率的增進效應？深究其原因，根本上是由錯綜復雜的發供電運行體制造成的，同時超高壓電網的風電、光伏發電遠距離輸電效率以及電網布局不合理等因素也助長了這種負面影響，導

致出現“窩電”和輸電通道利用率不足并存的現象，“棄風、棄光和棄水”問題比較普遍。例如，2012年我國風電平均利用小時1 890 h，棄風率達到20%；美國風電平均利用小時超過2 500 h，棄風率僅為2.7%。

再次，特高壓電網啞變量與清潔電源占比交互項的估計系數隨人均GDP提高呈“Z”型波動趨勢。由于估計系數始終處于負數的區間，意味著對于存在特高壓電網的地區，清潔電源并網消納對地區能源效率促進作用將所有減弱，并且在高收入地區特高壓電網抑制清潔電源并網消納的全要素能源效率增進效應的作用更為突出。高收入地區多屬于東部沿海電量凈輸入的電力受端省份，特高壓消納清潔電源的能源效率增進作用很可能被消納傳統火電的能源效率抑制作用抵消，東部沿海地區有待進一步提高清潔電源比例，使得清潔電源對地區能源效率提升具備規模優勢。

4結論

本文利用1991—2012年29個省、直轄市和自治區面板數據，在運用MalmquistLuenberger生產率指數測算省際全要素能源效率的基礎上，在線性和非線性實證框架下分別評估了清潔電源接入高壓、超高壓和特高壓電網對地區能源效率的影響。首先，在電網發展、清潔電源接入與地區能源效率線性關系假設前提下，分別采用FE和SYSGMM估計方法檢驗了高壓、超高壓、特高壓電網以及它們與清潔電源占比交互作用對地區能源效率提升的促進效應。然后，在電網發展、清潔電源接入與地區能源效率非線性關系假設前提下，采用PSTR模型對這種非線性關系進行了估算。LM、LMF和LRT三種統計量的非線性檢驗顯示電網發展和清潔電源接入對地區能源效率影響是非線性的。最終的實證結果表明，通過清潔電源接入超高壓骨干網架是當前增進地區能源效率的最佳途徑；由于高壓電網遠距離輸電的技術局限，高壓電網密度提高并不能增強我國東部高收入地區的清潔電源并網的能源效率增進作用；特高壓電網仍處于起步階段，尚未形成全國聯網的骨干網架，對地區能源效率的促進作用并不明顯。超高壓電網密度和清潔電源占比交互項的估計系數始終處于負數區間，充分暴露了我國比較普遍的“棄風、棄光和棄水”問題，清潔電源并網面臨著通道不足和電力市場體制缺陷等眾多障礙。

（編輯：劉呈慶）

參考文獻（References）

[1]PATTERSON M G. What is energy efficiency？ concepts， indicators and methodological issues[J].Energy policy，1996，24（5）：377-390.

[2]魏楚，沈滿洪. 能源效率及其影響因素：基于DEA的實證分析[J].管理世界，2007（8）：66-76.[WEI Chu， SHEN Manhong. Energy efficiency and its influencing factors： an empirical analysis based on DEA [J]. Management world， 2007 （8）：66-76.]

[3]林伯強，孫傳旺. 如何在保障中國經濟增長前提下完成碳減排目標[J].中國社會科學，2011（1）：64-76. [LIN Boqiang， SUN Chuanwang. How can China achieve its carbon emission reduction target while sustaining economic growth？ [J].Social sciences in China， 2011 （1）：64-76.]

[4]PAO H T， LI Y Y， FU H C. Clean energy， nonclean energy， and economic growth in the MIST countries[J].Energy policy，2014，67：932-942.

[5]SAIDI L， FNAIECH F. Experiences in renewable energy and energy efficiency in Tunisia： case study of a developing country[J].Renewable sustainable energy reviews，2014，32：729-738.

[6]PANG R Z， DENG Z Q， HU J L. Clean energy use and totalfactor efficiencies： an international comparison [J]. Renewable and sustainable energy reviews，2015，52：1158-1171.

[7]WEI X，SHENG P F， GUO X H. Coal， oil， or clean energy： which contributes most to the low energy efficiency in China？[J].Utilities policy，2015，35：67-71.

[8]楊妍，孫濤.電力能源生產可持續發展的政策分析[J].科學管理研究，2008，26（6）：50-53.[YANG Yan， SUN Tao. Policy analysis on sustainable energy development of electric power production [J].Scientific management research， 2008，26 （6）：50-53.]

[9]李蘭冰.中國全要素能源效率評價與解構：基于“管理-環境”雙重視角[J].中國工業經濟，2012，29（6）：57-69. [LI Lanbing. Evaluation on regional energy efficiency in China： based on managerial and environmental viewpoints [J].China industrial economics， 2012， 29（6）：57-69.]

[10]師博，沈坤榮.市場分割下的中國全要素能源效率：基于超效率DEA方法的經驗分析[J].世界經濟，2008（9）： 49-59. [SHI Bo， SHEN Kunrong. Total factor energy efficiency in China under market segmentation： an empirical analysis based on the super efficiency DEA method[J].The journal of world economy， 2008 （9）：49-53.]

[11]魏楚，沈滿洪.規模效率與配置效率：一個對中國能源低效的解釋[J].世界經濟，2009（4）：84-96. [WEI Chu， SHEN Manhong. Scale efficiency and allocation efficiency： an interpretation of Chinas energy efficiency [J].The journal of world economy， 2009 （4）：84-96.]

[12]HU J L， WANG S C. Totalfactor energy efficiency of regions in China[J].Energy policy， 2006，34：3206-3217.

[13]MUKHERJEE K. Energy use efficiency in US manufacturing： a nonparametric analysis [J].Energy economics，2008，30：76-96.

[14]史丹，吳利學，傅曉霞，等.中國能源效率地區差異及其成因研究：基于隨機前沿生產函數的方差分解 [J].管理世界，2008（2）：35-43. [SHI Dan， WU Lixue， FU Xiaoxia， et al. Research on regional differences of energy efficiency in China and its causes： variance decomposition based on stochastic frontier production function [J]. Management world， 2008 （2）：35-43.]

[15]張少華，蔣偉杰.基于ISP指數的中國能源生產率再測度與分解研究[J].數量經濟技術經濟研究，2014（6）：55-73.[ZHANG Shaohua， JIANG Weijie. Reestimating and decomposing of energy productivity[J].The journal of quantitative & technical economics， 2014 （6）：55-73.]

[16]王賓，吳延瑞，顏鵬飛. 環境管制與全要素生產率增長：APEC的實證研究 [J].經濟研究，2008（5）：19-32. [WANG Bin， WU Yanrui， YAN Pengfei. Environmental regulation and total factor productivity growth： an empirical study of the APEC economies [J].Economic research journal， 2008 （5）：19-32.]

[17]CHUNG Y R， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J].Journal of environmental management，1997，51：229-240.

[18]單豪杰.中國資本存量 K 的再估算：1952—2006年 [J].數量經濟技術經濟研究，2008（10）：17-31. [SHAN Haojie. Reestimating the capital stock of China：1952-2006 [J].The journal of quantitative & technical economics， 2008（10）：17-31.]

[19]孫廣生，黃祎，田海峰，等.全要素生產率，投入替代與地區間的能源效率 [J].經濟研究，2012（9）：99-112.[SUN Guangsheng， HUANG Yi， TIAN Haifeng， et al. Total factor productivity， inputs substitution and regional energy efficiency disparity [J].Economic research journal， 2012 （9）：99-112.]

[20]史丹.我國經濟增長過程中能源利用效率的改進[J].經濟研究，2002（9）：49-56. [SHI Dan. The improvement of energy consumption efficiency in Chinas economic growth [J].Economic research journal， 2002 （9）：49-56.]

[21]師博，沈坤榮.政府干預、經濟集聚與能源效率[J].管理世界，2013（10）： 6-20.[SHI Bo， SHEN Kunrong. Government intervention， economic agglomeration and energy efficiency[J].Management world， 2013 （10）：6-20.]

[22]張兵兵，朱晶.出口對全要素能源效率的影響研究：基于中國37個工業行業視角的經驗分析[J].國際貿易問題，2015（4）：56-65. [ZHANG Bingbing， ZHU Jing. Study on influence of export on total factor energy efficiency： an empirical analysis from perspective of 37 industrial sectors in China [J].Journal of international trade， 2015 （4）：56-65.]

[23]FISHERVANDEN K G， JEFFERSON H， HONGMEI L， et al. What is driving Chinas decline in energy intensity？[J]. Resource and energy economics，2004，26：77-97.

[24]尹宗成，丁日佳， 江激宇. FDI、人力資本、R&D與中國能源效率[J].財貿經濟，2008（9）：95-98.[YIN Zongcheng， DING Rijia， JIANG Jiyu. FDI， human capital， R&D and Chinas energy efficiency[J].Finance & trade economics， 2008 （9）：95-98.]

[25]楊莉莉，邵帥，曹建華，等.長三角城市群工業全要素能源效率變：基于隨機前沿生產函數的經驗研究 [J].上海財經大學學報，2014（3）：95-102.[YANG Lili， SHAO Shuai， CAO Jianhua， et al. Decomposition and influencing factors of changes in industrial total factor energy efficiency of urban agglomeration in the Yangtze River Delta in China： an empirical analysis based on stochastic frontier production function [J].Journal of Shanghai University of Finance and Economics， 2014 （3）：95-102.]

[26]ARELLANO M， BOVER O. Another look at the instrumental variable estimation of error components models[J].Journal of economentrics，1995，68（1）：29-51.

[27]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J].Journal of econometrics，1998，87：115-143.

[28]ANDERSEN T B， DALGAARD C J. Power outages and economic growth in Africa[J].Energy economics，2013，38：19-23.

[29]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing and inference[J]. Journal of econometrics， 1999， 93： 345-368.

[30]GONZLEZ A， TERSVIRTA T， VAN DIJK D. Panel smooth transition regression model[R]. 2005.

收稿日期：2016-11-25

作者簡介：王永培，博士，高級經濟師，主要研究方向為資源環境經濟、區域經濟與公共政策。Email：wang_yongpei@139.com。

基金項目：國家電網公司科技項目“中國區域經濟與電力發展格局演變及國際比較研究”（批準號：B3670215A），“兩個替代潛力評估研究”（批準號：GS176215C），“新型城鎮化與能源電力供需影響機理研究”（批準號：GS321214A）。