中國八大綜合經濟區能源生態效率測度及其驅動因素

陳菁泉,劉 娜,馬曉君

中國八大綜合經濟區能源生態效率測度及其驅動因素

陳菁泉1*,劉 娜2,馬曉君2

(1.東北財經大學經濟與社會發展研究院,遼寧 大連 116025；2.東北財經大學統計學院,遼寧 大連 116025)

為促進能源、經濟、社會與生態環境的綠色可持續發展,將經濟、社會福利等期望產出與生態環境污染非期望產出納入能源生態效率測度框架,運用基于Shephard能源距離函數的隨機前沿模型,從區域研究視角出發分析中國八大綜合經濟區能源生態效率演變趨勢,并探討其驅動因素的作用機制.結果顯示:樣本期內全國能源生態效率均值為0.5839,整體水平偏低,且呈現顯著的空間非均衡分布特征.八大綜合經濟區能源生態效率水平呈現由沿海向內陸逐漸遞減的發展態勢.南部、東部和北部等沿海經濟區能源生態效率均值分別為0.6941、0.6213、0.6087,位居前列;西南、黃河中游、長江中游以及東北等經濟區次之,能源生態效率均值分別為0.5803、0.5720、0.5623、0.5537;西北經濟區能源生態效率均值為0.5087,位列末位.經濟發展水平與能源消費結構的估計系數分別為0.0459、0.0747,對能源生態效率的提高具有抑制作用;產業結構、城鎮化水平以及環境規制的估計系數分別為-0.9339、-0.6197、-0.0387,對能源生態效率的提高具有促進作用.

能源生態效率；Shephard能源距離函數；隨機前沿分析；八大綜合經濟區；驅動因素

能源生態效率定義為在促進經濟增長并提高社會福利的同時,盡可能降低能源開發利用對生態環境系統的影響[1].關于能源生態效率的測算主要分為參數與非參數2種方法.由于非參數方法無需對生產函數形式與分布形式進行假設,學者們多運用數據包絡分析方法(DEA)及其衍生模型從國家[2]、地區層面[1,3-7]或從行業層面[8-9]對能源生態效率進行測度.但DEA等非參數方法在效率測度時會受到測量誤差或其他隨機因素的沖擊,且不能對技術效率的影響因素直接進行分析,可能會導致效率測算結果不穩健.研究表明,相較于DEA方法,以隨機前沿分析模型(SFA)為代表的參數方法充分考慮環境變化對生產行為造成的影響,估計穩健性更強、結論更可靠,更符合能源生產消費的本質特征[10].目前隨機前沿模型已廣泛應用于經濟管理領域,而運用其對能源生態效率及其影響因素進行研究相對匱乏.相關研究基于投影尋蹤(PP)的SFA模型,結合速度激勵思想研究了中國省際能源生態效率及三大區域的效率差異[11].但其測算的是單一產出的能源生態效率,能源生產活動的產出不止包含期望產出,還應包括生態環境影響等非期望產出.單一產出評價指標無法全面反映能源消耗對經濟、社會以及生態環境的影響,評價結果缺乏客觀性.因此,本文將進一步擴展隨機前沿模型,在能源生態效率的生產框架內同時納入期望與非期望產出,以彌補其單一產出設定的不足.

現有關于能源生態效率區域差異性研究多聚焦于傳統“三大經濟帶”[1,4-6]或是“四大經濟區域”[12-13]的劃分視角.由于中國各地區在經濟基礎、能源稟賦、產業結構以及生態環境狀況等方面各有不同,各地區能源生態效率水平也存在較大差距.傳統的區域劃分方法顯得較為粗略,不便于深入分析區域差距和制定區域政策.而國務院發展研究中心根據不同地區社會經濟發展狀況提出的八大綜合經濟區劃分構想,更符合當今經濟社會發展的實際需求,可操作性更強.此外,目前能源生態效率期望產出的表征指標多囿于傳統新古典經濟學框架,側重于運用地區生產總值(GDP)作為期望產出的替代變量[1-3,6-9].可持續發展經濟學專家Max-Neef提出的“福利門檻”假說認為經濟增長和福利增加二者呈現倒“U”型曲線關系,即經濟增長只能在一定范圍內改進生活質量和福利水平,超過這個范圍,將會導致生活質量和福利水平退化[14].因此僅用GDP無法全面反映能源開發利用帶來的社會福祉,指標選取未能兼顧經濟與社會子系統的協調發展.而聯合國開發計劃署提出的人類發展指數由于其現實操作性強、涵蓋范圍廣而常被作為經濟社會福利的替代指標[15].

本文首先將社會福利指標納入能源生態效率測度框架,構建反映能源-經濟-社會-生態環境的評價指標體系,其次運用基于Shephard能源距離函數的“一步法”隨機前沿模型測度2003～2017年中國30個省份、直轄市、自治區(不包括西藏、香港、澳門和臺灣)能源生態效率,最后從八大綜合經濟區研究視角出發分析其演變趨勢,并探討各驅動因素的作用效果,旨在為促進能源生態文明建設、推動中國經濟高質量發展提供參考.

1 研究方法

1.1 Shephard能源距離函數

Zhou等[16]于2012年提出Shephard能源距離函數,該方法由投入距離函數衍生而來,通過縮減投入來衡量生產者所在生產點與生產可能性邊界的距離,將勞動和資本的無效率分離出來,僅反映能源要素的投入效率,故能準確獲知實際生產利用過程中的能源利用效率和可節能空間.因此本文引入Shephard能源距離函數定義能源生態效率,構建過程具體如下:

式中:為有界閉集,且滿足投入要素和期望產出的強可處置性,即投入要素和期望產出是可支配的;非期望產出的弱可處置性,即非期望產出的處理是有成本的;零結合性生產,即只有期望產出為0時,非期望產出才可能為0[17].

1.2 基于Shephard能源距離函數的隨機前沿模型

SFA是研究生產效率的有效工具[18].同DEA方法相比,SFA采用復合形式的誤差結構并運用計量方法估計生產函數,既考慮了測量誤差和其他統計噪聲對測量結果產生的影響,又可以對模型參數和模型本身進行統計檢驗,研究結果具有穩健性,且其測度的是“絕對”效率值,研究結果更具可比性[19].有學者提出了針對面板數據的“一步法”隨機前沿模型[20].“一步法”的思路是對前沿生產函數的解釋變量與技術無效率項的解釋變量同時構建回歸方程進行極大似然估計,該方法充分考慮隨機因素和外部環境因素對個體差異的影響,且放寬了前沿生產函數解釋變量必須獨立于技術無效率項解釋變量的假設,規避了變量間內生性問題[21].此外,由于超越對數生產函數能夠更好地展現不同要素之間、各要素與時間之間交互項對產出的影響,是一種靈活性和包容性很強的變彈性生產函數模型[22].因此本文采取基于超越對數函數形式的“一步法”估計Shephard能源距離函數,并參照Sun等[23]研究進行適當的數學變形和推導,可得式(4):

式中:ED、IS、ECS、UB、ES分別表示第個地區第年經濟發展水平、產業結構、能源消費結構、城鎮化水平、環境規制;表示隨機誤差項;表示待估參數,反映影響因素對能源生態效率的影響程度.若影響因素估計系數為正值,表示外部影響因素對能源生態效率具有負向影響;反之則具有正向影響.實際應用中,可根據來檢驗復合方差中技術無效率項所占比例[24].其取值范圍為[0,1],越接近1,說明誤差項中來自技術無效率項所占的比例越大,表明此時運用隨機前沿分析法是合理的.反之,使用普通最小二乘法分析即可.

1.3 指標選取及數據來源

1.3.1 能源生態效率評價指標 以新古典經濟學理論為藍本,綜合現有研究成果,構建能源生態效率評價指標體系(表1).

投入指標選取.以能源()、勞動力()、資本()作為生產階段的投入指標,分別選取能源消費總量、年末單位從業人員總數以及資本存量作為其表征指標.其中,資本存量采用永續盤存法[25]計算,折舊率與基期資本存量借鑒單豪杰[26]研究成果.

產出指標選取.期望產出()選取人類發展指數作為其衡量指標,參照聯合國開發計劃署[27]定義框架,從經濟發展水平、教育發展水平和健康醫療水平3個維度對各地區經濟、社會效益進行量化評估,有效彌補以傳統GDP作為唯一衡量指標的缺陷,指標選取更具權威性.具體指標選取見表1;非期望產出()選取工業固體排放總量、廢水排放總量、煙(粉)塵、二氧化硫以及二氧化碳排放量作為其衡量指標,并運用熵權法[3]綜合成生態環境污染指標.其中二氧化碳排放量計算依據王勇等[28]研究方法.

1.3.2 驅動因素指標 運用“物理-事理-人理”系統方法構建能源生態效率驅動因素指標體系[29].具體而言,“物理”包含經濟、技術因素;“事理”包含能源、產業因素;“人理”包含人力、管制因素.本文選取人均實際GDP反映地區經濟發展水平,作為衡量經濟、技術因素的變量;選取煤炭消費量占能源消費總量比重、第三產業占總產值比重反映能源消費結構水平和產業結構水平,作為衡量能源、產業因素的變量;選取城市人口占全國總人口比重、工業污染治理的投資額占GDP比重反映城鎮化水平和環境規制水平,作為衡量人力、管制因素的變量,進而分析各變量對能源生態效率的作用效果.

表1 能源生態效率評價指標體系

1.3.3 數據來源 考慮指標數據的權威性和可獲得性,以2003～2017年中國30個省份、直轄市、自治區(不包括西藏、香港、澳門、臺灣)的面板數據為研究樣本.原始指標數據均來自2004～2018年《中國統計年鑒》[30]、《中國環境統計年鑒》[31]、《中國能源統計年鑒》[32]以及各省份、直轄市、自治區統計年鑒.為消除價格因素對指標的影響,以2003年為基期采用固定資產價格指數、GDP平減指數對固定資本形成總額和國內生產總值進行平減處理.

2 實證分析

2.1 模型適用性檢驗

2.1.1 多重共線性檢驗 首先對技術無效率函數中的變量執行多重共線性檢驗.如表2所示,各變量方差膨脹因子(VIF)值均小于10,模型不存在多重共線性,可平行反映出各驅動因素對能源生態效率的作用效果,變量體系構建較為完整.

表2 多重共線性診斷

表3 隨機前沿模型設定檢驗結果

注:結果根據Frontier4.1回歸結果整理得出.

檢驗一為驗證技術無效率項的存在性.零假設在1%顯著性水平下被拒絕,說明技術無效率項存在,即技術無效率方程中驅動因素參數的設定合理,可以采用隨機前沿模型進行估計.檢驗二為驗證技術進步效應是否存在.零假設在1%顯著性水平下被拒絕,說明能源生態效率是隨時間變化的,存在技術進步.檢驗三為進一步驗證技術變化是否為希克斯中性.零假設在1%顯著性水平下被拒絕,說明這種技術進步是非希克斯中性.檢驗四為驗證柯布-道格拉斯生產函數形式的適用性.SFA估計需要確定合適的生產函數形式,主要有柯布-道格拉斯生產函數和超越對數生產函數兩種.采用柯布-道格拉斯生產函數形式的原假設在1%顯著性水平下被拒絕,說明超越對數生產函數形式設定合理.

2.2 隨機前沿模型估計結果分析

2.2.1 前沿生產函數分析 由表4可知,資本投入和勞動力投入要素的彈性系數值分別為-0.7989和-0.0064,資本投入彈性系數大于勞動力彈性系數,說明資本對能源消費的提升拉動作用較大,我國企業發展軌跡正由勞動密集型向資本密集型轉變.期望產出的一次項彈性系數顯著為正,表明隨著居民生活水平和生活質量逐漸改善,人們開始追求更加綠色、環保、高效的生活方式.非期望產出與能源消費呈顯著正相關,表明能源消耗帶來的非期望產出造成較為嚴重的生態環境污染.政府應積極采取節能減排措施來降低能源使用過程中污染物排放,提高能源利用效率.時間變量的一次項系數顯著為正,而二次項系數顯著為負,說明經濟發展初期能源消費呈現下降趨勢.但長期來看,我國的能源消費狀況是逐年增加的.

表4 超越對數生產函數的隨機前沿模型估計結果

注:*、**、***分別表示在10%、5%和1%的水平上顯著.

2.2.2 技術無效率函數分析 經濟發展水平(ED)影響.經濟發展水平與能源生態效率呈顯著負相關.隨著經濟發展,能源生態效率呈現微弱的下降趨勢.這表明我國以能源消耗驅動經濟增長的發展方式尚未根本改變,經濟增長仍然建立在高能耗、高污染的傳統發展方式之上.因此,政府應大力發展低碳經濟,推動形成綠色發展方式,實現經濟發展方式由規模速度粗放型增長向質量高效率集約型轉變.

產業結構(IS)影響.產業結構估計系數顯著為負,第三產業所占比重每增加1%,能源生態效率提高93.39%.從產業結構發展的演變規律來看,我國經濟發展重心逐漸由低級形式向高級形式過渡,環境保護型、經濟效益好的第三產業得到進一步的發展.產業結構的合理化和高級化降低能源消耗和環境壓力,對提升能源生態效率起到積極的促進作用.因此在經濟發展過程中,政府應積極引導產業結構調整與優化,優化產業空間布局.

能源消費結構(ECS)影響.能源消費結構同能源生態效率呈顯著負相關.煤炭消費所占比重增加1%,能源生態效率降低7.47%.煤炭作為我國主要能源產品,在能源消費總量中占有較大比重,且利用過程中伴隨著大量污染排放,破壞生態環境,降低了人民福利水平,進而導致能源生態效率降低.因此企業在注重節能減排的同時應優化能源消費結構,提高傳統化石能源利用效率,推動能源低碳化發展.同時引進先進技術和發展模式,著重開發新能源和利用可再生資源,實現能源消費方式的根本性轉變.

城鎮化水平(UB)影響.城鎮化水平與能源生態效率呈顯著正相關關系.隨著我國人口規模不斷擴大以及城市化進程加快,生產生活資料伴隨著人口向城鎮轉移逐步形成產業集聚效應,不斷提高產業的生產效率和科技創新能力,推動了節能技術的發展,進一步提高能源生態效率.

環境規制(ES)影響.環境規制估計系數顯著為負,說明能源生態效率與環境規制呈正相關關系.這與李根等[8]研究結論相反.工業污染治理的投資額比重提高1%,能源生態效率提高3.87%.究其原因,環境規制可以刺激企業加快技術創新,減少低效設備的使用,更加注重使用節能、綠色能源.技術水平改善帶來的創新補償將高于遵循成本,從而提升了地區能源生態效率.

2.3 能源生態效率演變趨勢分析

2003～2017年中國各地區能源生態效率值如表5所示(限于文章篇幅,文章僅列出偶數年份能源生態效率值).為進一步研究能源生態效率變化趨勢和地區分布特點,依據國務院發展研究中心發布的“區域協調發展的戰略和政策”[33],將中國劃分為東北(遼寧、吉林、黑龍江)、北部沿海(北京、天津、河北、山東)、東部沿海(上海、江蘇、浙江)、南部沿海(福建、廣東、海南)、黃河中游(陜西、山西、河南、內蒙古)、長江中游(湖北、湖南、江西、安徽)、西南(云南、貴州、四川、重慶、廣西)以及西北(甘肅、青海、寧夏、西藏、新疆)八大綜合經濟區.并基于測度結果繪制全國及八大綜合經濟區能源生態效率變化趨勢圖(圖1).

從全國來看,中國能源生態效率大致呈“N”型的階梯式失衡分布特征.如圖1所示,2003～2009年間,中國能源生態效率大致呈逐年上升趨勢.這主要得益于“十一五”期間,政府開始旨在調整能源結構與節能減排的政策調控,《可再生能源法》[34]、《中國應對氣候變化國家方案》[35]等政策措施的相繼出臺,在節能減排的同時加快了產業結構的調整與升級,能源生態效率進入穩步攀升期.然而受2008年國際金融危機后續影響,我國工業發展中的重工業化模式凸顯,第二產業所占比重開始回升[36],在造成能源消費大幅度增長的同時使得能源的利用效率降低,從而導致2009年以后能源生態效率出現惡化.2012年黨的十八大報告提出“大力推進生態文明建設”,各地區積極引進先進生產技術提高能源利用效率,生態環境質量得以改善,人民生活福利水平提升,能源生態效率徹底扭轉了前期持續下滑態勢,步入快速增長階段.但總體來看,樣本期間內我國能源生態效率均值多數年份低于0.6,未達到1,故整體處于較低水平,距離達到生產前沿仍有較大提升空間.因此經濟發展需求、社會福利提升和區域資源環境承載能力有限之間的矛盾依然存在且亟待改善.

從區域來看,八大綜合經濟區能源生態效率總體變動趨勢與全國基本一致,且呈現由沿海向內陸地區逐漸遞減的發展態勢.如圖1所示,南部、東部和北部沿海經濟區處于高效率水平地區.但東部沿海經濟區能源生態效率水平整體呈現下滑發展態勢,說明其在能源消耗與經濟社會發展、生態環境保護方面仍有欠缺,政府應對此加以重視;西南、東北以及長江、黃河中游等經濟區處于中效率水平地區且波動幅度較為劇烈.其主要原因在于,該地區資源與能源依賴型省份較多,長期側重于重工業發展,生態環境較為脆弱,人民生活福利水平相對較低,加之生產技術水平相對落后導致能源的利用效率較低,嚴重影響該地區能源生態效率的良性發展態勢;反觀西北經濟區發展相對滯后,且隨著“西部大開發”戰略和“一帶一路”倡議的深入實施,經濟快速增長的同時也伴隨著過度的能源消耗和環境污染問題,導致西北地區環境效益和社會效益下降,能源生態效率開始走低.2013年以后,西北地區能源生態效率迅速攀升,趕超東部、東北以及長江、黃河中游等地區.這主要是由于近幾年來,青海省能源生態效率急劇攀升.究其原因,2014年國家六部委批準《青海省生態文明先行示范區制度實施方案》[37],將先行示范區上升為國家戰略.青海省依托其高原特有的自然生態資源和天然氣、太陽能、水能等清潔能源資源,積極培育綠色產業,促進了能源生態效率的提升.

圖1 2003～2017年全國及八大綜合經濟區能源生態效率演變趨勢

從不同省份來看,中國能源生態效率兩極分化傾向顯著.如表5所示,北京、海南、廣西、江西和陜西等地區能源生態效率水平位居前列.而湖南、山東、湖北、河北、甘肅和寧夏等地區能源生態效率位列末位,這些地區教育、醫療水平相對落后,產業結構相對不合理、粗放型經濟增長方式造成能源極大損耗并由此引發了一系列環境污染問題.此外,綜合對比區位條件不難發現,同一地區不同省份間能源生態效率水平存在一定程度的個體異質性,且存在顯著的空間非均衡分布特征.如河北省和山東省位于北部沿海經濟發達地區,處于高能源生態效率地區的塌陷地帶.究其原因是其長期以來高耗能的重化工型產業結構造成了嚴重的資源浪費和環境污染.湖北省和湖南省能源生態效率也明顯低于長江中游經濟區其他省份.隨著“十二五”以來能源改革力度的不斷加大,湖北省和湖南省在優化能源結構、節能減排等方面取得顯著成效,但受自然資源稟賦和產業結構的約束,能源生態效率連年持續低迷.值得一提的是,陜西省和廣西省能源生態效率明顯高于西南和黃河中游經濟區其他省份,處于能源生態效率低下的隆起地帶,這要歸功于其大力推進生態文明建設,積極推動節能環保產業發展.

表5 2003～2017年中國各地區能源生態效率值及其排名

續表5

2.4 政策建議

鑒于能源生態效率整體發展水平較低,國家應實行能源消耗總量與強度的雙頭管控,以差異化、精細化的管控為導向、以生態優先和綠色發展為引領,加強能源法與環境保護法的協調銜接,進一步優化能源高質量發展政策機制,進而為居民提供經濟物質水平高、生活質量優質、生態宜居的生存環境.

為消除八大綜合經濟區能源生態效率顯著性差異,各地區應消除市場分割和地方保護主義,建立區域合作與互助機制.南部、東部和北部沿海等效率前沿地區,應積極推動能源“消費者”向“產銷者”轉變,筑牢能源生態安全的產業和技術支撐,并進一步優化升級社會服務.同時充分發揮高效率地區示范效應和輻射帶動作用,科學有序的引導高新技術產業向黃河中游、西北地區轉移,切實做到對低效率地區的對口支援;東北經濟區應促進以工業為主導的產業結構向第三產業為主導的產業結構轉化,避免能源消費快速增長[38];西南、黃河及長江中游等經濟區應將淘汰落后產能與培育特色戰略新興產業齊頭并進,以政策鼓勵支持技術創新;西北經濟區應整合優質科技資源,以發展生態產業、提高生態環境質量為突破口,推動低排放、高循環的產業集群化發展,同時加強居住環境和綜合服務設施建設.

綜合考慮能源生態效率驅動因素的作用機制,我國應以經濟實力帶動技術創新,加快培育和壯大以綠色科技為基礎的戰略新興產業;注重生活領域減排,推進民用散煤清潔化治理,加快推進煤改電、煤改氣、氣改電等工程;加強城市化進程質量管控與綠色新型城市建設,調整城市人口規模;構建綠色投融資機制與財政體系,推動綠色能源產品與生態服務資產化.

2.5 討論

本文在福利指標選取過程中,由于現階段統計資料獲取的局限性,指標選取具有一定局限性.本文參考聯合國開發計劃署發布的人類發展指數,選取經濟發展水平、教育水平以及健康醫療衛生水平作為衡量能源活動經濟社會效益的表征性指標.指標選取受數據可獲得性限制未考慮周全,但總體適合能源生態效率的評價原則.能源消耗帶來的福利已經滲透到經濟發展和社會生活的方方面面,不同種類的福利指標具有不同的優缺點.未來在相關數據可獲取的基礎上可以充分考慮到能源利用對人民福利水平所帶來的綜合影響,并結合我國發展現狀選取更具有代表性的指標.

3 結論

3.1 2003～2017年間能源生態效率總體呈“先上升后下降再上升”的變化趨勢.樣本期內全國能源生態效率均值為0.5839,整體水平偏低,仍具有很大的提升空間.

3.2 八大綜合經濟區能源生態效率呈顯著的階梯式失衡分布特征,且呈由沿海向內陸地區逐漸遞減的發展態勢.其中,南部、東部和北部等沿海經濟區能源生態效率均值分別為0.6941、0.6213、0.6087,位居前列;西南、黃河中游、長江中游以及東北等經濟區次之,能源生態效率均值分別為0.5803、0.5720、0.5623、0.5537;西北經濟區能源生態效率均值為0.5087,位列末位.此外,中國能源生態效率存在顯著的空間非均衡分布特征,不同地區或同一地區不同省份之間能源生態效率水平參差不齊.

3.3 經濟發展水平與能源消費結構的估計系數分別為0.0459、0.0747,說明人均GDP、煤炭消費比重的提高對能源生態效率改善具有抑制作用;產業結構、城鎮化水平及環境規制的估計系數分別為-0.9339、-0.6197、-0.0387,說明第三產業占比、城鎮人口比重及工業污染治理投資額比重的提高對能源生態效率改善具有促進作用.

[1] 周 敏,王 騰,嚴 良,等.財政分權、經濟競爭對中國能源生態效率影響異質性研究[J]. 資源科學, 2019,41(3):532-545. Zhou M, Wang T, Yan L, et al. Heterogeneity in the influence of fiscal decentralization and economic competition on China's energy ecological efficiency [J]. Resources Science, 2019,41(3):532-545.

[2] 王曉嶺,武春友.“綠色化”視角下能源生態效率的國際比較——基于“二十國集團”面板數據的實證檢驗[J]. 技術經濟, 2015,34(7): 70-77. Wang X L, Wu C Y. International comparison on energy eco- efficiency under perspective of greenization: Empirical study based on panel data of G20 [J]. Journal of Technology Economics, 2015,34(7): 70-77.

[3] 關 偉,許淑婷.中國能源生態效率的空間格局與空間效應[J]. 地理學報, 2015,70(6):980-992. Guan W, Xu S T. Study of spatial patterns and spatial effects of energy eco-efficiency in China [J]. Journal of Geographical Sciences, 2015,70(6): 980-992.

[4] Zhang N, Choi Y R. Environmental energy efficiency of China's regional economies: A non-oriented slacks-based measure analysis [J]. The Social Science Journal, 2013,50(2):225-234.

[5] 王 騰,嚴 良,易 明.中國能源生態效率評價研究[J]. 宏觀經濟研究, 2017,(7):149-157. Wang T, Yan L, Yi M. Research on China's energy eco-efficiency evaluation [J]. Macroeconomics, 2017,(7):149-157.

[6] 閆明喆,李宏舟,田飛虎.中國的節能政策有效嗎?——基于SFA-Bayes分析框架的生態全要素能源效率測定[J]. 經濟與管理研究, 2018,39(3):89-101. Yan M Z, Li H Z, Tian F H. Are the energy conserving policies effective? ——Estimating ecological total factor energy efficiency based on SFA-Bayes framework [J]. Research on Economics and Management, 2018,39(3):89-101.

[7] 馬曉君,魏曉雪,劉 超,等.東北三省全要素能源效率測算及影響因素分析[J]. 中國環境科學, 2017,37(2):777-785.Ma X J, Wei X X, Liu C, et al. The analysis of total factor energy efficiency calculation and influence factors of the three northeast provinces [J]. Chinese Environmental Science, 2017,37(2):777-785.

[8] 李 根,劉家國,李天琦.考慮非期望產出的制造業能源生態效率地區差異研究——基于SBM和Tobit模型的兩階段分析[J]. 中國管理科學, 2019,27(11):76-87. Li G, Liu J G, Li T Q. Regional differences of energy eco-efficiency in manufacturing industry under consideration of undesirable outputs based on the SBM-Tobit Two-stage model [J]. Chinese Journal of Management Science, 2019,27(11):76-87.

[9] Li J, Lin B Q. Ecological total-factor energy efficiency of China’s heavy and light industries: Which performs better? [J]. Renewable and Sustainable Energy Reviews, 2017,72:83-94.

[10] 傅曉霞,吳利學.前沿分析方法在中國經濟增長核算中的適用性[J]. 世界經濟, 2007,(7):56-66. Fu X X, Wu L X. The applicability of frontier analysis method in China's economic growth accounting [J]. The Journal of World Economy, 2007,(7):56-66.

[11] 孟凡生,鄒 韻.基于PP-SFA的能源生態效率動態評價——以我國30個省市自治區為例[J]. 系統工程, 2018,36(5):47-56. Meng F S, Zou Y. Dynamic evaluation of energy eco-efficiency based on PP-SFA——Take the 30 autonomous regions of China as an example [J]. Systems Engineering, 2018,36(5):47-56.

[12] 孟凡生,鄒 韻.中國生態能源效率時空格局演化及影響因素分析[J]. 運籌與管理, 2019,28(7):100-107. Meng F S, Zou Y. Analysis of spatial-temporal pattern evolution of ecological energy efficiency in China and its influencing factors [J]. Operations Research and Management Science, 2019,28(7):100-107.

[13] 楊剛強,李夢琴.財政分權、政治晉升與能源生態效率提升——基于中國257個城市的實證[J]. 宏觀經濟研究, 2018,(8):41-51. Yang G Q, Li M Q. Fiscal decentralization, political promotion and energy eco-efficiency improvement: based on empirical research in 257 cities in China [J]. Macroeconomics, 2018,(8):41-51.

[14] MAX-NEEFM. Economic growth and quality of life: a threshold hypothesis [J]. Ecological Economics, 1995,15(2):115-118.

[15] 方時姣,肖 權.中國區域生態福利績效水平及其空間效應研究[J]. 中國人口·資源與環境, 2019,29(3):1-10. Fang S J, Xiao Q. Research on regional ecological well-being performance and spatial effect in China [J]. China Population, Resources and Environment, 2019,29(3):1-10.

[16] Zhou P, Ang B W, Zhou D Q. Measuring economy-wide energy efficiency performance: a parametric frontier approach [J]. Applied Energy, 2012,90(1):196–200.

[17] 檀勤良,張興平,魏詠梅,等.考慮技術效率的碳排放驅動因素研究[J]. 中國軟科學, 2013,(7):154-163. Tan Q L, Zhang X P, Wei Y M, et al. The driving forces of carbon emissions in consideration of technical efficiency [J]. China Soft Science, 2013,(7):154-163.

[18] Aigner D, Lovell C, Schmidt P. Formulation and estimation of stochastic frontier production function models [J]. Journal of Econometrics, 1977,6(1):21-37.

[19] 張德鋼,陸遠權.市場分割對能源效率的影響研究[J]. 中國人口·資源與環境, 2017,27(1):65-72. Zhang D G, Lu Y Q. Impact of market segmentation on energy efficiency [J]. China Population, Resources and Environment, 2017, 27(1):65-72.

[20] Battese, G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data [J]. Empirical Economics, 1995,(20):325-332.

[21] Wang H J, Schmidt P. One-step and Two-step estimation of the effects of exogenous variables on technical efficiency [J]. Journal of Productivity Analysis, 2002,18:129-144.

[22] 鄭照寧,劉德順.考慮資本-能源-勞動投入的中國超越對數生產函數[J]. 系統工程理論與實踐, 2004,(5):51-54. Zheng Z N, Liu D S. China's Trans-log production function using capital, energy and labor as input [J]. Systems Engineering-Theory & Practice, 2004,(5):51-54.

[23] Sun H P, Edziah B K, Sun C W, et al. Institutional quality, green innovation and energy efficiency [J]. Energy Policy, 2019,135,111002.

[24] Battese G E, Corra G S. Estimation of a production frontier model: with application to the pastoral zone of eastern Australia [J]. Australian journal of agricultural economics, 1977,210(3):169-179.

[25] Goldsmith R W. A perpetual inventory of national wealth [M]. National Bureau of Economic Research, 1951.

[26] 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, 2008,25(10):17-31. Shan H J. Reestimating the capital stock of China: 1952～2006 [J]. The Journal of Quantitative & Technical Economics, 2008,25(10):17-31.

[27] UNDP. Human Development Report 1990 [M]. New York and Oxford: Oxford University Press, 1990.

[28] 王 勇,畢 瑩,王恩東.中國工業碳排放達峰的情景預測與減排潛力評估[J]. 中國人口·資源與環境, 2017,27(10):131-140. Wang Y, Bi Y, Wang E D. Scene prediction of carbon emission peak and emission reduction potential estimation in Chinese industry [J]. China population, resources and environment, 2017,27(10):131-140.

[29] 顧基發,高 飛.從管理科學角度談物理-事理-人理系統方法論[J]. 系統工程理論與實踐, 1998,(8):3-5. Gu J F, Gao F. To see Wuli -Shili -Renli systems approach from the view of management science [J]. Systems Engineering-Theory & Practice, 1998,(8):3-5.

[30] 國家統計局.中國統計年鑒[M]. 北京:中國統計出版社, 2004-2018. National Bureau of Statistics of China. China statistical yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[31] 國家統計局能源司.中國環境統計年鑒[M]. 北京:中國統計出版社, 2004-2018. Department of Energy, National Bureau of Statistics. China environmental statistics yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[32] 國家統計局能源司.中國能源統計年鑒 [M]. 北京:中國統計出版社, 2004-2018. Department of Energy, National Bureau of Statistics. China energy statistics yearbook [M]. Beijing: China Statistics Press, 2004-2018.

[33] 王夢奎.中國中長期發展的重要問題(2006-2020) [M]. 北京:中國發展出版社, 2005. Wang M K .Important issues for China's mid- and long-term development (2006-2020) [M]. Beijing:China Development Press, 2005.

[34] 中華人民共和國中央人民政府.中華人民共和國可再生能源法[EB/OL]. http://www.gov.cn/ziliao/flfg/2005-06/21/content_8275.htm /2005-06-21. The Central People's Government of the People's Republic of China. Renewable Energy Law of the People's Republic of China [EB/OL]. http://www.gov.cn/ziliao/flfg/2005-06/21/content_8275.htm/2005-06-21.

[35] 國務院.國務院關于印發中國應對氣候變化國家方案的通知[EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/content_5743.htm/ 2008-03-28. General Office of the State Council. Notice of the State Council on Printing and Distributing China's National Climate Change Plan [EB/OL]. http://www.gov.cn/zhengce/content/2008-03/28/content_5743.htm/ 2008-03-28.

[36] 張同斌,宮 婷.中國工業化階段變遷、技術進步與能源效率提升——基于時變參數狀態空間模型的實證分析[J]. 資源科學, 2013,35(9):1772-1781. Zhang T B, Gong T. The transition of industrialization stage, technological progress and energy efficiency upgrading based on the time-varying state space model [J]. Resources Science, 2013,35(9): 1772-1781.

[37] 青海省人民政府辦公廳.青海省人民政府辦公廳轉發省發展改革委關于青海省生態文明先行示范區建設2018年度工作要點的通知[N]. 青海政報, 2018,(11):13-23. General Office of the People's Government of Qinghai Province .The General Office of the People's Government of Qinghai Province forwarded the notice of the Provincial Development and Reform Commission on the main points of work in the construction of the first demonstration zone for ecological civilization in Qinghai Province in 2018 [N]. Gazette of the People's Government of Qinghai Province, 2018,(11):13-23.

[38] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費碳排放測度及影響因素[J]. 中國環境科學, 2018,38(8):3170-3179. Ma X J, Dong B Y, Yu Y B, et al. Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors [J]. Chinese Environmental Science, 2018,38(8): 3170-3179.

Energy eco-efficiency measurement and driving factors of China's eight comprehensive economic zones.

CHEN Jing-quan1*, LIU Na2,MA Xiao-jun2

(1.Economic and Social Development Institute, Dongbei University of Finance and Economics, Dalian 116025, China；2.Department of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)., 2021,41(5)：2471～2480

To promote green and sustainable development of energy, economy, society and ecological environment, the expected outputs of economy and social welfare and the undesired output of ecological environment pollution were included in the energy eco-efficiency measurement framework, and the stochastic frontier model based on Shephard energy distance function was used to study the energy eco-efficiency of China's eight comprehensive economic zones. This realized the analysis of the evolution trend of China's energy eco-efficiency from the perspective of regional research, and explored the mechanism of its driving factors. The results showed that the national average energy eco-efficiency was 0.5839 during the sample period. The overall level was low, and it showed significant spatial imbalanced distribution characteristics. The energy eco-efficiency level of the eight comprehensive economic zones was gradually decreasing from the coast to the inland. The average value of energy eco-efficiency in the southern, eastern, and northern coastal economic zones were 0.6941, 0.6213 and 0.6087 respectively, which ranked the top. Southwest, the middle reaches of the Yellow River, the middle reaches of the Yangtze River and the northeast economic zones followed. The average value of energy eco-efficiency were 0.5803, 0.5720, 0.5623 and 0.5537 respectively. The average value of energy eco-efficiency in the northwest economic zone was 0.5087, which ranked the last. The estimated coefficients of economic development level and energy consumption structure were 0.0459 and 0.0747 respectively, which inhibited the improvement of energy eco-efficiency. The estimated coefficients of industrial structure, urbanization level and environmental regulation were -0.9339, -0.6197 and -0.0387 respectively, which promoted the improvement of energy eco-efficiency.

energy eco-efficiency；Shephard energy distance function；stochastic frontier analysis；eight comprehensive economic zones；driving factors

X196

A

1000-6923(2021)05-2471-10

陳菁泉(1979-),男,遼寧遼陽人,副研究員,博士,研究方向為世界經濟、中國城市熱點問題等.發表論文20余篇.

2020-11-03

國家社會科學基金資助重點項目(18AGJ003);國家社會科學基金資助一般項目(19BTJ054);國家自然科學基金資助青年項目(11701071)

* 責任作者, 副研究員, 9488297@qq.com