能源消費困境：促進工業增長與阻礙結構調整并存

張艷芳　付一夫　夏宜君　曲直

摘要：能源消費的增長會促進工業產出的增長，但也會阻礙工業結構的優化和升級。將能源作為生產要素引入CD生產函數，利用中國2000—2014年工業及其內部各行業的相關數據，測算能源消費和其他要素對工業增長的貢獻，并運用LMDI能源強度分解模型分析技術進步和結構轉換對工業能源強度變化的影響，結果表明：中國工業增長具有“資本和能源雙驅動”的特征，能源產出彈性接近同期資本產出彈性，遠高于勞動產出彈性，要素貢獻則表現為“資本和能源為主，全要素生產率和勞動為輔”；工業能源強度不斷降低，但下降幅度趨緩；工業能源強度的降低得益于各行業普遍的技術進步，但通過技術進步進一步降低能耗已越來越難；工業結構升級進展緩慢，高耗能產業增加值比重不降反升，結構因子對能源強度降低具有負作用。因此，未來要進一步降低工業能源強度，必須重點推進工業內部結構調整和升級，減少工業發展對能源的依賴程度。

關鍵詞：能源消費；能源強度；結構調整；技術進步；能源使用效率；要素貢獻；全要素生產率；資本投入；勞動投入

中圖分類號：F424.1；F062.1文獻標志碼：A文章編號：16748131（2017）04009312

一、引言

能源是人類生存和社會發展的重要物質基礎，對經濟增長起著重要的支撐作用。近年來，中國能源消費與經濟社會發展之間的緊張態勢日益嚴峻：一方面，在保障經濟社會發展的同時，能源消費量持續快速攀升，中國已成為世界第一能源消費大國，能源供給壓力與日俱增；另一方面，在能源開發和利用過程中，也出現了諸如水污染加劇、多地持續大范圍霧霾天氣等一系列環境問題。在經濟增長速度換擋、結構調整步伐加快、發展動力轉換的經濟發展新常態下，推進能源供給側結構性改革，是破解目前中國能源行業結構性失衡難題、突破經濟發展能源瓶頸制約的緊迫任務和關鍵舉措。工業一直是國民經濟中能源消費的最主要部門。從能源消費結構來看，中國工業部門的能源消費量占比已接近70%，其中鋼鐵、有色金屬、建材、石化、化工和電力六大高耗能行業的能源消耗量約占全社會能源消費總量的一半以上。因此，對能源消費、結構轉換與工業經濟增長之間的關系進行深入研究有著重要的現實意義。

20世紀60年代起，經濟學家就已經開始關注能源消費與經濟增長之間的關系。已有相關研究主要集中在分析能源消費與產出增長二者之間的因果關系方面（Granger，1969），在分析過程中也采用了不同的方法，如相關分析、簡單回歸、雙變量因果檢驗、單位根檢驗、多變量協整分析、面板數據協整分析、VEC、方差分解等（Ghali et al，2004）。由于不同學者采用的方法各異，選擇的案例和數據也有所差別，故研究結論也不盡相同。國內關于能源消費與產出增長關系的研究主要也是采用各種計量方法來分析能源消費與工業經濟增長之間的關系。例如，劉愛芹（2008）運用灰色相對關聯度方法從能源消費總量與能源利用效率兩方面分析了山東省能源消費與工業經濟增長之間的關聯度；解堊（2008）運用DEA方法測度了1998—2003年中國36個工業行業的Malmqusit生產率指數、技術效率和技術進步并檢驗了能源消費與生產率之間的聯系；譚元發（2011）基于協整檢驗和誤差修正模型得出能源消費增長與工業經濟增長之間存在單向因果關系的結論；查建平等（2011）利用相對脫鉤、復鉤的理論和測度模型對2000—2009年中國工業經濟增長與能源消費和碳排放之間的脫鉤關系進行研究；姜磊和閆云鳳（2012）則對中國工業能源消費總量、煤炭消費和電力消費與工業增長之間是否存在長期穩定的均衡關系分別進行了面板協整檢驗；此外，還有學者計算了中國能源消費量與工業和重工業增長之間的相關系數（范振林 等，2016）。

張艷芳，付一夫，夏宜君，曲直：能源消費困境：促進工業增長與阻礙結構調整并存

國內外相關研究普遍認為，影響能源強度變化的因素可以歸于兩個方面：技術因素和結構因素，即技術進步和結構調整能夠提高能源使用效率，從而促進經濟的增長。從技術進步角度進行的研究認為，經濟增長仍然是一個技術、資本和制度的問題，在經濟增長理論中，可以把“能源問題”看做能夠用技術進步解決的“成本問題”，通過技術進步可以有效提高資源使用效率。大部分研究認為雖然能源匱乏和環境污染減緩了經濟增長的速度，但是可以通過技術進步提高能源消費的效率，這是經濟繼續增長的關鍵。技術進步改善自然環境的實例很多，例如新技術能夠在能源使用量增加的情況下讓含碳能源的使用減少（IPPC WGI，2001）。Solow和Wan（1976）提出資本積累對資源投入下降的補償條件，Stiglitz（1974）則構造了勞動、資本和資源互相替代的生產函數。Jaffe等（2003）認為經濟增長和環境之間的關系是由技術進步決定的，應該通過技術進步來解決能源消費帶來的環境問題。Bretschger（2005）認為知識增加和技術進步是解決自然資源不足問題的關鍵。Tsur和Zemel（2005）將“干中學”引入模型，認為知識資本決定長期經濟增長，技術進步能夠彌補資源的短缺，資源不足的經濟需要更多的研發投入。蒲志仲等（2015）按照工業化不同發展時期計算能源的產出彈性和替代彈性，進而分析能源消費效率對經濟增長的貢獻，解釋了能源消費、技術進步和經濟增長之間的關系。

從結構調整角度來看，不少研究通過計算各產業的能源消費效率來考察結構調整是否能夠帶來能源消費效率的提高。劉滿平和朱霖（2006）從產業結構調整和能源供給與消費協調發展的角度出發，提出采取多種配套措施緩減能源供給的“流量約束”；張宗成和周猛（2004）通過分析1995—2000年的數據，認為產業結構是中國能源消費彈性低的主要原因。劉鳳朝和孫玉濤（2008）認為能源消耗較少產業的產值比重增加能夠有效減少能源消費。史丹（2002，2009）利用結構指數方法的研究認為，結構變動降低了能源強度，但同時指出應該區別能源強度下降的原因是產業結構調整還是各產業能源效率同時提高。

綜上所述，國內外學者對能源消費與經濟增長關系的定量研究大多局限在兩者之間因果關系的驗證層面，而對于能源消費對工業經濟增長的具體貢獻程度以及工業經濟增長是否影響、如何影響能源強度變化等方面并沒有進行深入探討。考慮到能源在工業生產活動中扮演的重要角色，本文將能源消費作為除資本和勞動外的第三類生產要素引入CobbDouglas生產函數（以下簡稱CD生產函數），并以工業部門及其內部各行業為考察對象，嘗試采用拓展后的要素貢獻測度模型和改良后的對數平均迪氏分解法（以下簡稱LMDI分解法），測算各要素投入對中國工業經濟增長的貢獻程度以及部門技術進步和工業結構轉換對能源強度變化的影響，以期能豐富和拓展相關研究，并為我國工業結構調整及能源供給改革提供經驗依據和政策參考。

二、能源消費對中國工業經濟增長的貢獻

1.要素貢獻測度模型構建

已有研究在測度資本、勞動等生產要素對經濟增長的貢獻時，通常采用基于CD生產函數的增長核算模型來完成。傳統的CD生產函數只包括資本和勞動兩類生產要素，將除資本貢獻和勞動貢獻之外的部分視為全要素生產率（后文簡稱TFP）的貢獻。本文將能源作為“第三類”要素納入其中，拓展后的CD生產函數可以寫為：Yt=FAt，Kt，Lt，Et。其中，Y為國內生產總值，A為全要素生產率，K為資本投入，L為勞動投入，E為能源消費總量。假設生產函數為規模報酬不變，即資本、勞動和能源三要素的產出彈性之和為1，可得：

Y^Y=FAAYAA^+FKKYK^K+FLLYL^L+FEEYE^E

=AA^+αK^K+βL^L+γE^E

其中，α=FKKY，β=FLLY，γ=FEEY，分別為資本、勞動和能源的產出彈性；Y^Y、AA^、K^K、L^L、E^E分別為產出、TFP、資本投入、勞動投入、能源消費的增長率。由此可以得到各要素對經濟增長的貢獻度，同時TFP的增長率可由下式表示：

AA^=Y^Y-αK^K-βL^L-γE^E

為了能夠準確測度各類生產要素及TFP變化對經濟增長的貢獻，需要對三類生產要素的投入進行估算。工業部門及其內部各行業的能源消費數據可以從歷年的統計年鑒中直接獲得由于工業生產中參與生產的是“能源消費”而非“能源投入”，故在后文的實證過程中，一律采用能源消費的數據，而事實上，能源的投入量要比能源的消費量更多。，資本投入和勞動投入則需要進行估算。

2.資本投入估算

當前較為嚴謹完善的資本投入核算體系當屬OECD（2001）的《資本測算手冊》該手冊充分吸收了以Jorgenson（1963）為代表的諸多經濟學家的理論學說，將投資理論的有關內容引入資本測算過程中，并成為OECD成員國進行資本投入及全要素生產率測算的重要參考依據。，該手冊明確指出，真正作為要素投入參與生產的應該是資本服務而非一般意義上的存量資本。因此在估算過程中，除了歷年的固定資本形成額之外，還要考慮不同類型存量資本的生產能力變化情況（即“年限—效率模式”）和使用報廢情況（即“退役模式”）。本文從度量資本服務數量的指標——生產性資本存量出發，采用雙曲線“年限—效率模式”來描述存量資本的生產能力變化（用h表示），“退役模式”則采用對數正態分布來進行刻畫（用F表示）：

hnhyperbolic=T-nT-b·n

其中，T為資本的服務年限，n為當前年份，參數b≤1決定了函數的形狀。一般來說，在雙曲線“年限—效率模式”下，存量資本的生產能力衰減情況隨時間推移會呈現出從相對較慢到不斷加快的變化趨勢。

FT=1Tσ2πe-lnT-μ2/2σ2

其中，T是資本的役齡，σ和μ分別是對數正態分布函數的標準差和均值，σ=ln[1+m/s-2]，μ=lnm-0.5σ2，m代表資本的平均服務年限，s的取值范圍一般為[m/4，m/2]。

設定存量資本的“年限—效率模式”和“退役模式”后，即可采用永續盤存法（PIM）來估算第i類QUOTE生產性資本存量；進一步確定資本價格（或用戶成本）后，用二者相乘便可估算出資本要素投入（即資本服務的價值）：

KPi，t=Tτ=0hi，τ·Fi，τINi，t-τqi，t-τ，0

μi，t，s=qi，t，s（rt+di，t，s-ρi，t+di，t，sρi，t）

=μi，t，0·hi，s·Fi，s

其中，INi，t為t時期第i類資本的投資支出（即“固定資本形成”），qi，t，0為價格指數，hi，τ、Fi，τ分別為資本的“年限—效率模式”和“退役模式”，下標s為資本役齡，μ為用戶成本，q為資產價格，r為資本回報率，d為資產折舊率，ρ為資產價格的變化。

在生產過程中，不同類型的資本在生產能力變化、使用壽命和“退役模式”等方面是有所不同的，為了區分不同類型的資本在生產過程中所具備的不同的生產能力變化、役齡及“退役模式”，根據《中國統計年鑒》中對固定資產投資構成的劃分，將資本劃分為“建筑物”“機器設備”“其他”三大類，并參考OECD（2001）、蔡躍洲和張鈞南（2015）、曹躍群等（2012）的研究，對其分別進行參數設定：“建筑物”的服務年限T和參數b分別為38和0.75，“機器設備”分別為16和0.5，“其他”分別為20和0.6。

具體來講，本文按照如下步驟對資本投入（即資本服務）進行估算：

（1）采用《中國國內生產總值核算歷史資料：1952—2004》和歷年《投入產出表》等統計資料，并補齊缺失年份數據，形成1952—2014年“固定資本形成總額”數據序列；假定每年三大類固定資產形成額占固定資產形成總額的比重與相應年份三大類固定資產投資額占固定資產投資總額比重基本一致，將歷年固定資本形成總額進行分解，得到“建筑物”“機器設備”“其他”三類固定資本形成數據序列。

（2）從歷年《中國統計年鑒》中獲得1990年以來“建筑安裝工程投資”“設備購置投資”和“其他費用”三類固定資產投資價格指數，并利用《中國國內生產總值核算歷史資料：1952—2004》中的“現價固定資本形成總額”和“不變價固定資本形成增長率”計算1990年以前的固定資產投資價格指數，進而推算出1952—1989年期間的缺失數據；將各類資本歷年的固定資本形成額分別折算成2012年不變價，并結合已設定好的“年限—效率模式”和“退役模式”進行永續盤存估算，從而得到各類資本的生產性資本存量，即資本服務的數量。

（3）根據“勞動報酬與資本報酬之和等于國民經濟總產出”這一等量關系，利用資金流量表中的“勞動者報酬”數據，計算出歷年（平均）資本回報率，求出各類生產性資本的用戶成本，結合生產性資本存量進一步估算出各類資本服務的價值，即各類資本要素投入。

（4）按照上述方法，同樣將各行業的資本要素劃分為“建筑物”“機器設備”和“其他”三類，并以各行業各類資本的歷年固定資產投資額為基礎，分別進行永續盤存處理，算出各行業中每一類資本所占比重，進而得到各行業歷年的資本要素投入。

3.勞動投入估算

與資本投入類似，作為要素投入的是就業人員貢獻的勞動工時數而非就業人數本身，這主要是因為勞動工時的變化情況與法定工作日及工作時間的變化、勞動者的加班加點、從業人員自身素質差異以及是全職或是兼職等因素均有關系，而這些因素是無法反映在就業人數上的（岳希明 等，2008）。故有必要根據不同特征對勞動者進行分類，不同類型的勞動要素投入可以用其在總勞動報酬中所占份額作為權重進行加總。于是，勞動要素投入增長可以表示為：

dlnLdt=ividlnLidtvi=piLiipiLi

其中，L為總勞動投入；Li為不同類型的勞動投入，表現為勞動小時數；pi為第i種勞動投入的價格，如小時工資；vi為第i種勞動報酬所占的份額。

在勞動投入總量估算中，我們直接參考蔡躍洲和張鈞南（2015）的思路及具體估算方法，以勞動小時作為衡量勞動要素投入的數量單位，并充分考慮勞動者受教育程度分布情況，將各類勞動（時間）的價值（即勞動要素投入總量）的估算數據延長至2014年。具體而言，基于“中國綜合社會調查（CGSS）”“中國家庭收入調查（CHIP）”、歷年《中國勞動統計年鑒》以及Barro和Lee（2013）的“世界各國教育分布數據庫”中關于不同教育程度勞動者的工資與勞動時間和全國勞動者受教育程度分布狀況的有關數據，將勞動投入按照不同的受教育程度進行劃分；由于受家庭調查的樣本數限制，不同受教育程度勞動者工資和勞動時間的數據波動較大，假設不同受教育程度勞動者的工作時間及其相對工資基本保持不變，計算調查所覆蓋年份（1995、2002、2005、2006、2007、2008、2010、2011、2012、2013）的不同受教育程度勞動者的平均工作時間及相對工資平均值，并以上述平均值作為恒定值。此外，《中國勞動統計年鑒》中的勞動者受教育程度分布最早只到1996年，之前年份的數據用“世界各國教育分布數據庫”中15歲以上人口的受教育程度分布替代，并將中間空缺年份用內插法補全。另外，由于統計口徑的變化，參考Holz（2006）的研究對1990年前的勞動人數進行了調整。于是可以得到工業內部各行業的勞動投入序列數據。

4.實證結果與分析

本文對工業部門的劃分，在盡可能貼近現行國民統計核算體系的同時，根據數據的可獲得性將行業性質相近的部門進行合并，最后，將工業部門細分為10個行業，分別為“采掘業”“食品加工業”“紡織業”“煉焦、燃氣、石油加工業”“化學工業”“非金屬礦物制品業”“金屬制品業”“機械設備制造業”“其他制造業”和“電力熱力業”。為了確保宏觀經濟整體與各行業要素投入在核算過程中的平衡性，對于各細分行業資本投入和勞動投入的缺失數據，借鑒蔡躍洲和付一夫（2017）“先宏觀后行業”的處理思路，先對國民經濟總體的資本投入和勞動投入進行總量上的估算，然后再按照OECD（2001）提供的方法計算得到工業內部各行業的資本和勞動要素占國民經濟總體資本投入與勞動投入的份額，進而得到工業各行業的要素投入數量。

采用Stata軟件對工業整體及其內部10個行業2000—2014年的數據分別進行OLS計量回歸，得到工業及各行業要素產出彈性（見表1）。工業整體及10個行業的擬合優度均達到0.99以上，擬合情況良好，且根據表1可知，所有變量均在10%、5%、1%或1‰的顯著性水平上通過檢驗。進而，根據α+β+γ=1，可以得到工業整體及10個行業的勞動投入的產出彈性。2000—2014年中國工業的能源產出彈性高達0.421，接近同期資本產出彈性的數值；而勞動產出彈性很低，僅為0.096。由此可以初步判斷，2000年來資本投入和能源消費在推動中國工業發展方面的作用巨大，即工業經濟增長主要是依靠資本投入的不斷積累和能源消費的持續增加來實現的。這也基本符合中國工業發展的實際。

分行業看，除個別行業外，各行業也大多呈現出“資本和能源雙驅動”特征，且能源產出彈性小于資本產出彈性?！皺C械設備制造業”和“非金屬礦物制品業”的能源產出彈遠大于資本產出彈性，反映出能源消費在這兩個行業增長中扮演了更為重要的角色；“其他制造業”的能源產出彈性為負值，這可能是因為其他制造業對能源的需求不大。

在得到各類生產要素的產出彈性后，可對2000—2014年中國工業整體經濟增長的來源進行分解，進而測算出資本、勞動、能源和TFP分別的貢獻程度；沿用這一方法，同樣可以獲得各要素對各工業行業經濟增長的貢獻程度（見表2）。由于不同階段發展狀況不同，經濟結構也發生了變化，故有必要分時間段進行考察，從而對不同階段的要素貢獻差異及背后的原因進行更為深入的剖析。基于對2000—2014年經濟周期性波動的判斷，以2008年為時間節點（即國際金融危機爆發），分別對2000—2008和2009—2014年中國工業經濟的增長進行考察，從而可以得到各要素投入及TFP增長對工業及各行業增長的貢獻（見表3）。

從表2和表3中可以看出，不同要素對中國工業經濟增長的貢獻有著以下主要特點：

第一，從整體情況來看，2000—2014年資本投入對工業整體增長的平均貢獻高達62.45%，資本是這期間支撐中國工業經濟增長的主導因素；而能源要素的平均貢獻超過了1/3，也起到了重要的支撐作用。相比之下，TFP和勞動投入的貢獻均較低，分別只有2.16%和0.61%。分行業來看，各部門也基本呈現出較為明顯的“資本和能源為主，TFP和勞動為輔”的要素貢獻特征。這一方面印證了21世紀以來中國工業經濟投資驅動的增長特征，另一方面也映射出中國工業經濟較為明顯的粗放式發展模式。

第二，從變化趨勢來看，2008年以后，工業整體及內部多數行業的資本投入對增長的貢獻均有較大幅度的提升，其中，“采掘業”“食品加工業”“紡織業”“金屬制品業”和“其他制造業”的資本貢獻甚至超過了90%；而各行業能源消費的貢獻變動不大，2008年后較前一階段略有下降；除“采掘業”和“煉焦、燃氣、石油加工業”外，其他行業TFP的增長貢獻均由前一階段的正向貢獻變為后一階段的負向貢獻。這反映了自2008年金融危機以來中國工業經濟以投資驅動為主導的低質量增長特征，以“四萬億計劃”為代表的一攬子經濟刺激政策在帶動工業經濟增長的同時，也拉高了資本對增長的貢獻，并對TFP的貢獻形成了擠壓。2008年后，勞動要素在多數行業中也呈現出負向貢獻，主要是因為勞動工時呈下降趨勢。原因可能在于，隨著科技不斷發展，越來越多的機器投入到工業生產活動中，在一定程度上對工人的勞動工時造成了排擠；同時，近年來互聯網、云計算等信息通信技術的發展大大提高了工業各行業的生產效率，這也相應地減少了工人的勞動時間；此外，服務業的不斷發展吸引了不少勞動力從工業部門轉移至服務業部門。這些都會造成工業各行業的勞動投入不斷下降，進而導致其增長貢獻多為負值。

第三，從能源消費的貢獻度來看，對比2008年前后，能源消費對工業整體增長的貢獻變化不大，為僅次于資本投入的重要角色。分行業看，2009—2014年“非金屬礦物制品業”“機械設備制造業”“化學工業”“電力熱力業”以及“煉焦、燃氣、石油加工業”等的能源消費貢獻度相對較高；“機械設備制造業”“非金屬礦物制品業”的能源貢獻度超過了資本并占據首位，與前文中這兩個行業能源產出彈性大于資本產出彈性的測算結果是吻合的，這也反映了“機械設備制造業”和“非金屬礦物制品業”對能源的依賴程度較高。

上述分析結果表明，21世紀以來中國能源消費量快速增加，這一方面是由于國內工業化進程不斷加快，經濟發展對能源的需求不斷增加；另一方面則是加入WTO后中國積極融入全球產業分工體系，但由于國內要素價格長期扭曲，土地、能源、勞動力和原材料價格相對低廉，越來越多的非核心部件加工制造和勞動密集型裝配環節被轉移到中國，“投資+出口”導向型經濟增長模式得到了進一步強化，形成了以高耗能行業為主導的工業結構。高耗能行業的快速擴張帶動了能源消費的急劇增長，能源的大量投入為高耗能行業的增長提供了堅實的物質基礎。因此，能源成為僅次于投資的促進工業經濟增長的重要因素。

在觀察到能源對工業增長起到重要作用的同時，我們也應注意到，2000—2014年TFP對工業增長的貢獻份額較小且不太穩定，尤其是2008年后TFP貢獻較前一階段下降，甚至降為負值。TFP貢獻為負的原因，如前文所述，一個可能的解釋是，2008年后“四萬億計劃”中以工程建設為主要投向的投資增速甚至超過了GDP增速，在拉高資本貢獻的同時對TFP貢獻形成了擠壓，導致TFP貢獻出現負值。但是，即便如此，事實上TFP貢獻較資本、能源貢獻仍然是要小得多。在能源供給日趨緊張的今天，節能已是勢在必行，而有效提高工業各部門的全要素生產率，才是推動工業各部門乃至整個國民經濟可持續健康發展的關鍵。因此，應充分發揮科技對工業發展的引領支撐作用，切實有效提高全要素生產率，在提高能源利用效率的基礎上減少能源消費總量。

三、中國工業能源強度變化的分解

1.LMDI能源強度分解模型

工業能源強度即單位工業增加值的能源消費量，其變化取決于兩個方面：一是工業內各個行業能源強度的普遍降低會降低工業整體的能源強度，即能源的使用效率得到提高；二是由于不同行業的能源使用效率不同，在工業化進程中，工業內部結構會不斷轉換調整，各行業所占份額也會隨之變化，這必然會對工業整體能源強度產生影響。上述影響工業能源強度變化的兩種因素可稱之為技術進步因子（以下簡稱“技術因子”）和工業結構調整因子（以下簡稱“結構因子”），如果能分別測算出這兩種因子對工業能源強度變化的影響，就可以對工業內部各行業的能源使用效率變化和工業結構的轉換所帶來的影響有更清晰的認識，從而為政府部門有針對性地調整工業結構提供參考依據。

LMDI因素分解模型多用來探究經濟結構、能源結構、能源強度、技術進步等因素對碳排放強度變化的影響及貢獻（郭朝先，2004；劉建翠，2013）。因此，本文擬采用改良后的LMDI因素分解模型，對中國工業能源強度的變化進行分解。若將工業經濟劃分為n個行業，那么有如下等式存在：

E（t（=niEi（t）

Y（t）=niYi（t）

其中，t表示時期，i表示行業，E表示能源消費總量，Y表示工業增加值，Yi表示行業i的增加值。于是，工業部門的總體能源消費強度e可表示為：

e（t）=E（t）Y（t）=niEi（t）niYi（t）=niei（t）Yi（t）niYi（t）=niei（t）yi（t）

其中，ei表示行業i的能源強度，yi表示行業i的增加值占總產出的份額。總體能源強度由各部門的能源強度以及各部門增加值占比兩個因素共同決定；前者反映了各部門的能源使用效率，直接表現為各部門的技術進步；后者則反映了工業經濟的結構變動。假設以第m-1年為基期，那么總體能源強度的變化可以按下式進行分解：

e（m）-e（m-1）=niei（m）yi（m）-niei（m-1）yi（m-1）

=niei（m）-ei（m-1））yi（m）+

niei（m-1）（yi（m）-yi（m-1））

其中，等號右邊第一項表示技術因子，用來衡量各部門普遍的技術進步引起的能源強度變化；第二項表示結構因子，用來衡量產業結構調整對總體能源強度的影響。在此基礎上，可以得到技術因子和結構因子各自對總體能源強度變動率的貢獻程度，即：

wT=niei（m）-ei（m-1））yi（m）niei（m）yi（m）-niei（m-1）yi（m-1）

wS=niei（m-1）（yi（m）-yi（m-1））niei（m）yi（m）-niei（m-1）yi（m-1）

其中，分母為工業總體能源強度的年度變化，其值為負則意味著能源消費強度降低；如果分子的值也為負，那么wT（wS）值為正，意味著各行業因技術進步（結構調整）帶動能源消費強度降低。

2.實證結果與分析

將歷年的增加值均平減為2012年不變價后，以2000年為基期，可以得到2000—2014年工業各部門能源強度的變化以及各部門技術因子和結構因子的影響；進而，同樣以2008年為時間節點，將考察階段劃分為2000—2008年和2009—2014年，分別計算出不同階段各行業的技術因子和結構因子對工業能源強度變化的貢獻度（見表4）。

可以看出，2000年以來中國工業部門能源強度變化以及技術因子和結構因子對其的貢獻有著以下主要特點：

第一，從整體來看，2000—2014年工業部門能源強度下降了0.91噸標準煤/萬元增加值，降幅為40.58%；其中，技術因子使能源強度下降了1.21噸標準煤/萬元增加值，而結構因子卻使能源強度提高了0.31噸標準煤/萬元增加值，二者的貢獻分別133.89%和-33.89%。這說明工業部門的技術進步提高了能源使用效率，對能源強度的下降起到了決定性作用；而工業結構轉換對工業整體能源使用效率的提升作用有限，甚至可以說是起到了負作用。分階段來看，2009—2014年工業能源強度年均降幅與2000—2008年相比明顯趨緩。其原因，一方面在于通過技術進步推動能源使用效率提升的難度日益增加；另一方面則是由于能源強度與產業結構也息息相關，2008年后高耗能行業的增加值比重較前一階段不但沒有下降，反而上升5.42個百分點2008年高耗能行業增加值占工業比重為37.28%，2014年該比重增至42.71%。。高耗能行業的擴張使產業結構呈現重化趨勢，能源消費量劇增，抵消了部分技術進步帶來的效率提升，使能源強度整體下降幅度呈現放緩趨勢。

第二，從技術因子貢獻來看，2000—2014年，“食品加工業”“紡織業”“煉焦、燃氣、石油加工業”“機械設備制造業”和“其他制造業”5個行業的技術因子平均貢獻率相對較低，均未超過7%；“金屬制品業”和“采掘業”的技術因子平均貢獻率則相對較高，分別達到了48.16%和20.25%；“非金屬礦物制品業”“化學工業”和“電力熱力業”的技術因子貢獻也均在15%左右。分階段看，2008年后“采掘業”“金屬制品業”“機械設備制造業”和“其他制造業”的技術因子貢獻較前一階段有所下降，這些行業通過技術進步提高能源使用效率的難度在加大，其中“采掘業”技術進步對能源強度下降的貢獻由正轉負；其余行業技術因子的貢獻則在2008年后較前一階段有所上升，說明這些行業的技術進步加速了能源強度的下降。

第三，從結構因子貢獻來看，2000—2014年結構因子對工業整體能源強度變化的反向貢獻幾乎全部來自“金屬制品業”，這與其技術因子較高的貢獻度形成鮮明的反差；結構因子的反向貢獻還來自“非金屬礦物制品業”“采掘業”和“其他制造業”。分階段看，2008年后“金屬制品業”的結構因子反向貢獻程度有所降低；同樣作為高耗能行業的“化學工業”“非金屬礦物制品業”“煉焦、燃氣、石油加工業”和“電力熱力業”，2008年后其結構因子均對工業總體能源強度帶來了負向貢獻，且有加劇的趨勢。這說明，由于高耗能產業增加值比重不降反升，使產業結構呈現重化趨勢，工業結構轉換并沒有取得實質性進展，工業內部結構調整緩慢對能源強度下降起到了負面作用。因此，推動工業內部結構的升級也是提高能源使用效率、促進工業節能的重要途徑。

但是，究其原因，2000以來工業結構調整緩慢正是工業內部以高耗能產業為主導的產業結構特征造成的。高耗能產業對能源的需求量大，而大量的能源消耗支撐了高耗能產業的快速擴張。因此可以說，高度依賴于能源的高耗能產業的快速發展阻礙了工業結構調整。一方面，2000年以后中國工業化進程加速，城鎮化建設加快，發展階段決定了21世紀以來中國對基礎設施建設的需求較大，固定資產投資規模保持較高增速，高耗能產業的發展有其合理性和必然性；另一方面，由于要素價格長期扭曲，價格形成機制不完善，能源價格一直未包含環境成本，長期處于較低水平，使得高耗能項目不斷增多。此外，由于部分地區一時未能找到新的經濟增長點，形成對傳統發展路徑的依賴，也是高耗能項目欲罷不能的重要原因。未來一段時期，中國工業化進入中后期階段，新型城鎮化建設繼續推進，還需要大量能源的支撐，工業結構重化趨勢難以得到迅速逆轉，工業結構調整依然面臨諸多阻礙。

四、結論與建議

2000年以來中國工業經濟保持較快增長的同時，也出現了一系列能源環境問題，工業經濟增長受到能源與環境的雙重約束，工業結構轉型也面臨一些問題。本文采用以CD生產函數為基礎的要素貢獻測度模型，對2000—2014年中國工業能源消費對工業增長的影響進行了定量研究；在此基礎上，進一步運用改良后的LMDI能源強度分解模型對工業各行業的技術進步和結構轉換對工業能源強度變化的貢獻進行了測度。結果顯示：

第一，從產出彈性來看，2000—2014年中國工業的能源產出彈性高達0.421，接近同期資本產出彈性，遠高于勞動產出彈性；除個別行業外，各行業基本呈現出“資本和能源雙驅動”的特征；資本和能源在推動中國工業化進程起主要作用，工業經濟增長主要是依靠資本投入的不斷積累和能源消費的持續增加來實現的。

第二，從要素貢獻來看，能源消費對中國工業經濟增長的貢獻僅次于資本投入的貢獻，高于全要素生產率的貢獻和勞動投入的貢獻；分行業來看，各行業也基本呈現出較明顯的“資本和能源為主，TFP和勞動為輔”的要素貢獻特征；2008年后“四萬億計劃”中以工程建設為主要投向的投資增速超過了GDP增速，在拉高資本貢獻的同時，也對TFP貢獻形成了擠壓，導致TFP貢獻轉為負值。

第三，從能源強度分解情況來看，2000—2014年中國能源強度呈下降趨勢，能源使用效率提高；技術進步因子對能源強度的下降起決定性作用，而工業結構轉換對工業整體能源使用效率的提升表現出負作用；同時，能源強度下降幅度放緩，依靠技術進步推動能源強度下降已越來越難。

第四，2000年以來高耗能產業增加值比重不降反升，工業結構轉換進展緩慢，結構因子對能源強度降低所起的作用有限，甚至可以說是起負作用；高耗能產業的持續擴張帶動了能源消費量的劇增，反過來也阻礙了工業結構調整。

面對經濟增長速度換擋、能源資源環境約束以及國際環境變化，如何在工業化中后期不斷促進產業結構優化升級，努力提高工業部門全要素生產率，以實現國民經濟可持續發展，是擺在我們面前的重大理論和現實問題。在能源供應日趨緊張、環境污染日益嚴重的背景下，大力推進工業、能源供給側結構改革是適應中國經濟發展新常態、解決經濟增長與能源約束及環境污染之間矛盾的必然選擇。結合實證研究結論，本文提出以下幾點政策建議：

一是貫徹落實創新驅動發展戰略，堅持創新發展理念，充分發揮科技對工業發展的引領支撐作用，促進全要素生產率的提升，提高工業經濟增長的科技含量，并切實通過技術進步來提高各部門的能源使用效率。當今世界正處在新一輪科技革命和產業變革孕育期，顛覆性技術不斷涌現，積極推進能源領域技術創新，尤其是節能和新能源領域的技術創新，是加速能源生產和消費變革的重要路徑，對提高我國能源效率、保障能源安全和減輕環境壓力具有重要意義。

二是推動工業供給側結構性改革，著力運用稅收、環境規制等政策工具，引導生產要素更多地向低能耗、低污染、高技術含量行業配置，從而實現工業整體能耗水平的進一步降低?，F階段，能源效率的提高與產業結構優化具有一定的內在一致性，而產業結構的調整和優化是一項系統工程，受到各種因素的影響。政府可以通過制定各種產業政策和能源消費政策來引導產業結構的調整；反過來，也可以通過能源價格改革來調節不同產業的需求，從而達到引導產業結構優化升級的目標。

三是推動能源供給結構調整與經濟發展模式轉變的協同共進。積極培育可再生能源、核電、天然氣等新興能源需求和生產能力，加強能源開發的整體規劃指引，引導資源進行優化配置；加快工業能源使用的綠色化進程，調整能源供給結構，同時提高能源使用效率，以實現能源與經濟可持續發展的目的。

參考文獻：

蔡躍洲，付一夫.2017.全要素生產率增長中的技術效應與結構效應——基于中國宏觀和產業數據的測算及分解[J].經濟研究（1）：7288.

蔡躍洲，張鈞南.2015.信息通信技術對中國經濟增長的替代效應與滲透效應——基于喬根森增長核算框架的測算與分析[J]. 經濟研究（12）：100114.

曹躍群，秦增強，齊倩.2012.中國資本服務估算[J].統計研究（12）：4552.

范振林，馬茁卉，黃建華.2016.我國能源消費與工業增長變化關系研究[J].中國國土資源經濟，29（10）：6064.

郭朝先.2010.中國碳排放因素分解：基于LMDI 分解技術[J].中國人口·資源與環境（12）：49.

姜磊，閆云鳳.2012.中國29個行業能源消費與工業增長關系的研究[J].產經評論（3）：3240.

劉愛芹. 2008.山東省能源消費與工業經濟增長的灰色關聯分析[J].中國人口·資源與環境（3）：103107.

劉鳳朝，孫玉濤.2008. 技術創新、產業結構調整對能源消費影響的實證分析[J].中國人口·資源與環境（3）：108113.

劉建翠. 2013.產業結構變動、技術進步與碳排放[J].首都經濟貿易大學學報（5）：1420.

劉滿平，朱霖. 2006.中國產業結構調整與能源供給、消費的協調發展研究[J].中國能源（1）：1114.

蒲志仲，劉新衛，毛程絲.2015.能源對中國工業化時期經濟增長的貢獻分析[J].數量經濟技術經濟研究（10）：319.

史丹. 2002.我國經濟增長過程中能源效率的改進[J].經濟研究（9）：3239.

史丹. 2009.結構變動是影響我國能源消費的主要因素[J].中國工業經濟（11）：3843.

譚元發. 2011.能源消費與工業經濟增長的協整與ECM分析[J].統計與決策（4）：8991.

解堊. 2008.能源消費與中國工業生產率增長[J].中國人口·資源與環境（3）：8892.

岳希明，任若恩.2008.測量中國經濟的勞動投入：1982—2000年[J].經濟研究（3）：1628.

查建平，唐方方，傅浩.2011.中國能源消費、碳排放與工業經濟增長——一個脫鉤理論視角的實證分析[J].當代經濟科學（6）： 8189.

張宗成，周猛.2004.中國經濟增長與能源消費的異常關系分析[J].上海經濟研究（4）：4146.

BRETSCHGER. 2005. Economies of technological change and the natural environment：How effective are innovations as a remedy for resource scarcity？[J]. Ecological Economics，54：148163.

GHALI K H，ELSAKKA. 2004. Energy use and output growth in Canada：A multivariate cointegration analysis[J]. Energy Economics，26：225238

GRANGER C W J. 1969. Investigating causal relations by econometric models and crossspectral Methods[J]. Econometrica，37：424438.

IPPC WGI. 2001. Summary for policymaker climate change 2001：Impacts，adaption and vulnerability[DB/OL]. http：//www. ippc.ch/pub/spm2201.

JAFFE A，NEWELL R，STAVINS R. 2003. Technological change and the environment[M]//MTLER KG，VINCENT J. Handbook of environmental economies. NorthHolland，Amsterdam.

JORGENSON D W. 1963. Capital theory and investment behavior[J]. American Economic Review，53：247259.

OECD. 2001. Measuring Capital： Measurement of capital stocks，consumption of fixed capital and capital services[R]. OECD Manual.

SOLOW R M，WAN F Y. 1976. Extraction costs in the theory of exhaustible resources[J]. Bell Journal of Economics，7：359370.

STIGLITZ E. 1974. Growth with exhaustible resources：Efficient and optimal growth paths[J]. Review of Economic Studies，89：109115.

TSUR Y，ZEMEL A. 2005. Scarcity，growth and R&D[J]. Journal of Environmental Economics and Management，49：484499.

The “Dilemma” of Energy Consumption： Coexistence of

Promoting Industrial Growth and Restraining Structural Adjustment

—An Empirical Analysis Based on Contribution of Production Factors and Energy Intensity Decomposition

ZHANG Yanfang1a， FU Yifu1b， XIA Yijun1b，2， QU Zhi3

（1. Chinese Academy of Social science， a. Industrial Economy Institute， Beijing 100836； b. Postgraduate School，

Beijing 102488， China； 2. Industry and Information Ministry， Electronic Science and Technology Intelligence

Institute， Beijing 100040， China； 3. China International Engineering Consultation Company， Beijing 100048， China）

Abstract： Energy consumption growth promotes industrial output growth but obstructs the optimization and upgrading of industrial structure. Energy， as production factor， is introduced into CD production function， by using the related data of industry and all industries inside industry of China during 20002014， this paper measures the contribution of energy consumption and other factors to industrial growth， and uses LMDI energy strength decomposition model to analyze the influence of technical progress and structure transformation on industrial energy intensity change. The results show that Chinas industrial growth has the feature of doubledriving by capital and energy， energy output elasticity closes to capital output elasticity over the same period and is far higher than labor output elasticity， that factor contribution is made mainly by capital and energy and then by TFP and labor， that industrial energy intensity is continuously decreasing but the decreasing extent is slowed down， that general technological progress in various industries plays a decisive role in reducing the intensity of industrial energy consumption， but the rate of decrease in energy intensity slows down and further reduction of energy consumption through technological progress has become increasingly difficult， that the slow progress of industrial structure adjustment makes the proportion of high energy consumption industry rise but not fall， and the structural factor hinders the decrease of the energy intensity. Therefore， in order to reduce the intensity of industrial energy consumption， it is significant to focus on promoting the internal structural adjustment and upgrading of the industry and to reduce the dependence on energy.

Key words： energy consumption； energy intensity； structure adjustment； technical progress； energy using efficiency； factor contribution； total factor productivity； capital input； labor input

CLC number：F424.1；F062.1Document code：AArticle ID：16748131（2017）04009312

（編輯：夏冬）