基于多層因子模型研究高耗能行業綠色轉型

(天津財經大學 天津 300222)

一、緒論

(一)研究背景

長期以來，中國經濟的飛速發展離不開工業化的發展。高投資、高耗能、高排放和低產出的傳統工業是拉動經濟增長的頭號功臣。但工業作為我國經濟發展過程中能源消耗較大的產業，其高耗能、重化工的特征較為明顯。隨著能源可用量的減少與生態環境的惡化，工業綠色轉型發展面臨一系列嚴峻的挑戰，集中表現在環境容量臨近極限、結構性矛盾突出和發展機制不是足夠完善、發展理念相對較為落后、技術創新支撐不足等。

(二)文獻綜述

對高耗能行業的研究，Thomas G.Rawski(2001)分析了我國的經濟增長與能源消費增長呈反向變動，經研究發現我國的能源效率近十年沒有顯著提高了。Richard Bradly(2006)研究指出雖然中國在節能減排中取得了進展，但從能源消費依然遠高于經濟增長的速度，中國能源效率依舊很低。王班班等(2013)用產業動態區域集聚指數刻畫了高耗能產業在各省區的轉入、轉出情況，實證結論發現，我國高耗能產業近年來確實發生了由東部向中、西部地區的轉移。李湘梅(2014)對中國工業各行業中經濟增長、產業結構、能源強度、能源結構等四個因素對碳排放的影響進行分析。

二、模型介紹

(一)因子分析模型

因子分析法是從原始數據的多指標中提取出少量互不相關但包含絕大部分信息的因子，用提取出的少量因子去描述原指標之間關系的分析方法。

因子分析的數學模型為X(p×1)=A(p×m)F(m×1)+ε(p×1)，其中，X=(X1,…,Xp)′是由p個觀察指標所構成的p維隨機變量；F=(F1,…,Fm)′是潛變量，F是X的公共因子，矩陣A稱為因子載荷矩陣，aij稱為因子載荷，是第i個變量在第j個公共因子上的負荷，ε稱為X的特殊因子，表示該變量中不能被公共因子解釋的部分各個特殊因子之間以及特殊因子和公共因子之間相互獨立的。

(二)結構方程模型

結構方程模型是基于變量的協方差矩陣來分析變量間的關系的一種分析方法。結構方程可同時處理多組自變量與因變量間的關系，分析潛變量和觀察變量之間的關系，此模型分為測量方程和結構方程，可以同時估計因子結構、因子關系以及整個模型的擬合程度。其中，測量方程描述的是潛變量和觀測變量之間的相關性，主要通過驗證性因素分析來考驗測量模式的有效程度。結構方程描述的是潛變量之間的相關程度，主要針對潛變量進行分析，檢驗一個假定的因果模型的可信度，檢測變量間因果關系的強弱，以考驗結構模式的兼容性。

三、模型的建立

(一)指標的選取

根據國家高耗能行業的特點，現今的工業發展及環境、資源現狀，通過參考高耗能行業相關文獻、成形的指標體系以及國家“十三五”計劃對高耗能行業轉型的要求，本文選取了25個主要影響工業綠色轉型的指標，如能源消費彈性系數、人均能源生產量、人均能源生活消費量、天然氣儲量以及電力、燃氣及水的生產和供應業國有單位就業人員平均工資等。并選取2001年至2015年這十五年的數據作為進行研究分析，數據均來自國家統計年鑒。

(二)因子分析模型的構建

(1)KMO 檢驗。KMO 統計量用于比較變量間的簡單相關系數和偏相關系數，取值介于0 到1 之間，當KMO 值越接近1，變量之間相關性越強，越適合作因子分析。本文數據得到基于標準化項的KMO系數為0.867≥0.8，由此可看出此數據適合做因子分析。

(2)公因子提取。由于原始數據中單位量級的不一致，這里先對原始數據進行標準化處理。之后計算25個變量的公因子，由總方差解釋表可知，前5個主成分的累計方差貢獻率已達到98.7%，即5個主成分中包含了原始數據98.7%的信息。這表明這五個主成分能夠代表最初的二十五個指標來分析高耗能行業綠色轉型的發展形勢，故提取這五個指標即可，分別記作F1、F2、F3、F4、F5。

根據成分載荷矩陣，可以得出在第一主成分中貢獻率較大的變量主要是反映針對污染排放以及能源工業的投資情況的因子；在第二主成分中占有較高荷載的，是反映環境污染的指標；第三主成分中占有較高荷載的是體現能源消耗和生產的情況的變量；第四主成分中占較高載荷的是反應能源出口量及能源流通情況的變量；第五主成分則主要反應能源行業中的就業情況。同時，根據成分得分系數矩陣，可以得到五個主成分的解析表達式。

(三)結構方程模型的建立

(1)潛變量的設定。接下來，以上述25個研究變量作為結構方程模型中的觀測變量，將提取出的5個主成分因子作為潛變量，做進一步的分析、擬合及修。根據各主成分主要關聯的指標，這里又將五個二級指標F1、F2、F3、F4、F5分別定義為能源經濟、工業污染、能源可用量、能源進出口量、就業形勢。

(2)結構模型的建立。由上文可知，由主成分分析的成分得分系數矩陣，可以得到五個主成分F1、F2、F3、F4、F5的解析表達式，帶入25個研究變量的數值，可以得到5個主成分因子2001-2015年的數值(表中只顯示了后五年的數據)：

表3.1 主成分數據

根據各因子所占載荷大小，將F1解釋為能源經濟，主要指能源工業投資、環境污染治理投資等。由表中數據可知，從2001年至2015年的整體數據來看，國家及社會逐漸意識到能源轉型的重要性，在能源工業及治理環境污染方面投入了較多的資金，雖在2012-2015年間有所下降，但整體呈上升狀態；F2被解釋為工業污染，由表中數據可知，該指標在2001-2015年呈快速上升的趨勢，可以看出，近年來，能源工業的發展造成的環境污染問題尤為嚴重，高耗能行業在保護環境的前提下發展已經迫在眉睫；F3被解釋為能源可用量，有表中數據可知，該主成分整體呈現下降趨勢，說明現國家可用能源正在逐年減少；F4主要反映為高耗能源的進出口量等，這一數據整體呈上升趨勢，能源進出口量增大說明近年來能源流通程度較大，能源在各國都呈現緊缺狀態。F5主要反映了電力、燃氣及水等的生產和供應業國有單位的就業人員和平均工資，可以簡單認為是工業單位的就業情況，該指標的波動幅度較大，2006-2009年呈現下降趨勢，之后又迅速上升，說明近年來國家及社會對能源工業更加重視，并投入更多的人力、物力及財力。

通過計算潛變量之間的相關系數，可知F1與F3、F4，F2與F3、F4、F5，F3和F4，F4和F5之間的相關程度較大，可探究潛變量之間的回歸關系。由VAR模型可知，二階差分后的序列通過了協整檢驗，說明二階差分序列平穩，可建立滯后階數為2的回歸模型。

由VAR模型的參數估計、方程檢驗的結果可知，F1為控制變量，在模型中不做因變量；F3和F4的擬合效果較好，F2和F5調整后的數據表現較差，做進一步的格蘭杰因果檢驗，F2和F5未通過因果檢驗，說明這兩個主成分與其他因素不存在因果關系，不能建立回歸方程。只有F3和F4與其他主成分因子具有因果關系，可建立向量自回歸模型。由VAR模型參數估計可以得到關于F3和F4的回歸方程。

由回歸方程可知，F3、F4的值與其他主成分前兩年的數據具有較強的因果關系。其中，對F3的影響程度：F1≥F2≥F3≥F5≥F4，說明能源可用量主要受能源經濟、工業污染和其自身的往年數據的影響，為提高能源可用量，可以提高能源經濟(即增加對能源工業及污染處理的投資)、減少工業污染排放量(即廢氣、廢水排放量等)；對F4的影響程度：F1≥F3≥F2≥F4≥F5，說明能源經濟、能源可用量和工業污染對能源進出口量的影響較大。

表3.2 控制變量的調整數據

表3.3 F3和F4的預測數據

(四)模型的預測

國家“十三五”計劃針對高耗能行業綠色轉型提出的實施機制以及F1、F2、F5對F3、F4的影響程度的權重，調整未來5年的數據。經測試發現：想要F3、F4增長，需要控制F1增長，F2降低，F5增長調整后控制變量的數據以及預測數據如表3.2、表3.3所示。

四、總結

本文采用主成分分析法，從25個高耗能行業相關指標中提取出5個主成分；并對主成分進行平穩性檢驗、格蘭杰因果檢驗；建立能源可用量和能源進出口量的回歸方程。由回歸方程可知，能源工業及污染治理投資、工業污染對能源可用量和能源進出口量的控制程度較大，其中投資指標對綠色轉型的效率有積極影響，而工業污染則呈負影響；最后利用控制預測模型調整控制參數對狀態變量的數據走向進行預測分析。

由上述分析可知，為加快實現高耗能行業綠色轉型，提高能源可用量和能源進出口量，并保障環境和資源的可持續發展，降低能源工業的發展與環境之間的沖突程度，實現經濟、資源和環境效應的統一性，我國應該：①加大對工業污染、環境污染的治理，加大能源工業投資力度；②加強環境管理的力度，通過采取高科技措施凈化處理廢氣、廢水，從而降低對環境的破壞度，增加森林覆蓋率，加大綠化程度；③給綠色創新技術的企業盡可能提供各項政策優惠，如提供研發補貼、減免稅收等；④綠色工業企業也要明確，綠色技術創新產業將會使企業在未來的市場競爭中占據“綠色轉型”的制高點，為企業創造更加長遠的利益。