黃河流域綠色能源效率測(cè)度及影響因素分析

武翠芳 王飛

摘 要：文章基于DEA-SBM模型將能源足跡納入非期望產(chǎn)出測(cè)算黃河流域各省的綠色能源效率，借助Tobit模型對(duì)綠色能源效率影響因素進(jìn)行實(shí)證分析。結(jié)果表明：（1）在研究期內(nèi)，黃河流域綠色能源效率呈現(xiàn)“先上升-后下降-再上升”的波動(dòng)趨勢(shì)特征；（2）空間上，綠色能源效率地區(qū)差異較大：2020年，黃河流域平均效率值為0.86，下游效率值為1，中游效率值為0.92，接近黃河流域平均效率值，上游效率值為0.77；（3）科技創(chuàng)新對(duì)綠色能源效率在10%的水平上具有積極推動(dòng)作用；政府干預(yù)程度、環(huán)境規(guī)制在5%的顯著水平上對(duì)綠色能源效率具有負(fù)向作用。

關(guān)鍵詞：黃河流域；綠色能源效率；影響因素；DEA- SBM模型；Tobit模型

本文索引：武翠芳，王飛.<變量 2>[J].中國(guó)商論，2024（02）：-159.

中圖分類號(hào)：F127；P754.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2024）01（b）--05

2020年，中國(guó)向世界宣布了“30·60”碳達(dá)峰和碳中和的目標(biāo)。為了進(jìn)一步實(shí)現(xiàn)這一目標(biāo)，落實(shí)在“雙碳”目標(biāo)下國(guó)家的戰(zhàn)略性舉措，我國(guó)在保證經(jīng)濟(jì)穩(wěn)定發(fā)展的同時(shí)需要減少碳排放，能源效率的提高是減少碳排放的重要手段。黃河流域是我國(guó)重要的生態(tài)經(jīng)濟(jì)區(qū)，貫徹東中西三大地帶，資源型城市占主導(dǎo)地位，尤其是山西、陜西、內(nèi)蒙古煤炭產(chǎn)業(yè)發(fā)達(dá)。作為煤炭集聚發(fā)展的地區(qū)，在碳達(dá)峰、碳中和目標(biāo)背景下，黃河流域正處于向高質(zhì)量發(fā)展的轉(zhuǎn)型階段，提升能源效率是促進(jìn)黃河流域高質(zhì)量發(fā)展的重要部署，也是實(shí)現(xiàn)雙碳目標(biāo)的必然選擇[1]。在工業(yè)進(jìn)程快速推進(jìn)的背景下，探討黃河流域綠色能源效率對(duì)于助推實(shí)現(xiàn)雙碳目標(biāo)和實(shí)現(xiàn)綠色發(fā)展具有重要意義。

1 文獻(xiàn)綜述

能源效率根據(jù)投入要素的個(gè)數(shù)，分為單要素能源效率和全要素能源效率。單要素能源效率通常采用能耗強(qiáng)度、生產(chǎn)能耗綜合指數(shù)來(lái)衡量。陳錫康等（2010）使用生產(chǎn)能耗綜合指數(shù)衡量能源效率[2]。單要素能源效率未考慮其他要素的作用，會(huì)高估能源效率值，全要素能源效率是指能源、勞動(dòng)力和資本等多元投入要素對(duì)經(jīng)濟(jì)發(fā)展水平的影響。全要素能源效率測(cè)度方法中較多使用的是非參數(shù)方法中的數(shù)據(jù)包絡(luò)分析，并考慮了松弛變量的影響，改善了傳統(tǒng)DEA模型的缺陷，基于非期望產(chǎn)出的SBM模型得到廣泛應(yīng)用。余顯等（2023）基于DEA-SBM模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶綠色能源效率進(jìn)行研究[3]。

在能源效率指標(biāo)選取方面，非期望產(chǎn)出作為DEA-SBM模型應(yīng)用的條件之一，暫時(shí)沒有統(tǒng)一的衡量標(biāo)準(zhǔn)。部分學(xué)者將CO2或SO2作為衡量環(huán)境效益的單一指標(biāo)[4-6]。田成詩(shī)等（2022）將SO2、固體廢棄物、工業(yè)廢水作為非期望產(chǎn)出指標(biāo)[7]。羅世華等（2022）將以上四類指標(biāo)綜合考慮[8]，將能源足跡作為非期望產(chǎn)出指標(biāo)，不僅可從時(shí)空角度揭示人類經(jīng)濟(jì)活動(dòng)對(duì)區(qū)域生態(tài)環(huán)境的載荷，還能評(píng)估人類活動(dòng)中資源消費(fèi)與廢棄物排放等行為對(duì)環(huán)境造成的負(fù)向影響，指標(biāo)選取更具權(quán)威性[9]，其研究主要集中在足跡的測(cè)算、區(qū)域和空間差異，對(duì)應(yīng)用在效率評(píng)價(jià)中比較少。

上述研究從測(cè)度模型和指標(biāo)上，研究了不同視角、不同指標(biāo)下的全要能源效率，也有文獻(xiàn)對(duì)黃河流域綠色效率進(jìn)行測(cè)度，但深入探討綠色能源效率的時(shí)間趨勢(shì)和空間特征較少，影響因素的分析需要完善。

因此，本文使用基于非期望產(chǎn)出的DEA-SBM模型，將能源足跡納入非期望產(chǎn)出測(cè)算黃河流域綠色能源效率，分析綠色能源效率的時(shí)序和空間演變特征；在此基礎(chǔ)上，建立基于Tobit模型的黃河流域綠色能源效率影響因素的指標(biāo)體系，旨在提出促進(jìn)黃河流域能源效率的政策建議，對(duì)提升區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展水平具有重要的理論和現(xiàn)實(shí)意義。

2 綠色能源效率測(cè)度

2.1 DEA-SBM模型

SBM模型在傳統(tǒng)DEA模型的基礎(chǔ)上進(jìn)一步改進(jìn)，規(guī)避了傳統(tǒng)模型選擇徑向和角度的偏差，解決了投入產(chǎn)出變量的松弛性問(wèn)題，同時(shí)考慮了期望產(chǎn)出不足或者非期望產(chǎn)出冗余的情況[10]，假設(shè)有n個(gè)省份（DMU），規(guī)模報(bào)酬不變，非徑向非角度的模型如下：

式（1）中，為綠色能源效率值；m種投入x， q種期望產(chǎn)出y， h種非期望產(chǎn)出b；、、分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量； 表示第j個(gè)省份的第i個(gè)投入；表示第j個(gè)省份的第r個(gè)期望產(chǎn)出，表示第j個(gè)省份的第k個(gè)非期望產(chǎn)出。

2.2 能源效率測(cè)度指標(biāo)體系

綠色能源效率投入指標(biāo)分為三個(gè)方面：人力、資本和能源投入，產(chǎn)出指標(biāo)分為期望產(chǎn)出和非期望產(chǎn)出。（1）人力投入。選取各省年末從業(yè)人數(shù)總量來(lái)衡量，單位為“萬(wàn)人”。（2）資本投入。借鑒單豪杰（2008）[11]的做法，計(jì)算得到2010年不變價(jià)格下的固定資本存量，單位為“億元”。（3）能源投入。本文選取煤、石油、電力、天然氣四大類能源，根據(jù)能源消費(fèi)數(shù)據(jù)匯總并折合成標(biāo)準(zhǔn)煤，單位為“萬(wàn)噸標(biāo)準(zhǔn)煤”。（4）期望產(chǎn)出。采用實(shí)際GDP，利用GDP折算指數(shù)進(jìn)行價(jià)格平減得到2010年不變價(jià)格下的GDP，消除價(jià)格因素對(duì)GDP 的影響，單位為“億元”。（5）非期望產(chǎn)出。根據(jù)計(jì)算得到的能源消費(fèi)總量進(jìn)行熱值轉(zhuǎn)換和能源足跡轉(zhuǎn)換，最終得到各省份的能源足跡總量，單位為“萬(wàn)ha”[12]。

式（2）中，表示能源消費(fèi)總量，為各個(gè)能源的消費(fèi)總量，表示各類能源折合標(biāo)準(zhǔn)煤系數(shù)，單位為“萬(wàn)噸標(biāo)準(zhǔn)煤”。式（3）中，為能源足跡，為各類能源的能源足跡轉(zhuǎn)換系數(shù)。根據(jù)表2所列折合標(biāo)準(zhǔn)煤系數(shù)、熱值轉(zhuǎn)換系數(shù)和能源足跡轉(zhuǎn)換系數(shù)計(jì)算得到能源消費(fèi)總量和能源足跡。

3 綠色能源效率分析

3.1 時(shí)序趨勢(shì)

在研究期內(nèi)，黃河流域綠色能源效率呈“先上升-后下降-再上升”的波動(dòng)趨勢(shì)特征，總體向較好態(tài)勢(shì)發(fā)展，如圖1所示。2010—2013年、2016—2020年能源效率值呈現(xiàn)上升趨勢(shì)， 2013—2016年呈現(xiàn)下降趨勢(shì)。上、中、下游各階段平均能源效率值與黃河流域平均效率值變化趨勢(shì)基本一致。上游效率值在0.49～0.77穩(wěn)步上漲，處于低位，2014—2017年上游效率值略高于中游；中游效率值在0.56～0.92變動(dòng)，并且逐漸接近黃河流段的平均效率值，處于均衡發(fā)展的水平；下游效率在0.76～1變動(dòng)，處于高位，下游效率值總體高于中上游水平。

3.2 空間演變

除在時(shí)序特征上分析得到黃河流域綠色能源效率的波動(dòng)趨勢(shì)特征，還可以從空間上分析分布特征?；?010年、2015年、2020年的綠色能源效率數(shù)據(jù)，剖析其變化的空間分布特征。利用自然斷點(diǎn)法將綠色能源效率值聚類為低效率區(qū)、較低效率區(qū)、中等效率區(qū)、較高效率區(qū)和高效率區(qū)[13]。總體上，黃河流域綠色能源效率呈上升趨勢(shì)。具體來(lái)看：2010年，低效率區(qū)為內(nèi)蒙古；較低效率區(qū)有寧夏和甘肅；中等效率區(qū)有青海和山西；較高效率區(qū)有四川、陜西和山東；河南為高效率區(qū)。2015年，寧夏、甘肅和青海分別由較低效率和中等效率區(qū)變?yōu)榈托蕝^(qū)；內(nèi)蒙古由低效率區(qū)域轉(zhuǎn)為較低效率區(qū)；陜西和河南有所回落，由較高效率和高效率分別回落到中等效率和較高效率；四川上升到高效率水平。2020年，黃河流域高效率區(qū)占比明顯增加，四川、內(nèi)蒙古、山西、河南和山東為高效率區(qū)；青海、寧夏和陜西效率水平均有所提升。

4 綠色能源效率影響因素

4.1 Tobit 模型

全要素能源效率值是在（0，1]連續(xù)區(qū)間內(nèi)的非連續(xù)性的數(shù)據(jù)，使用最小二乘法容易造成參數(shù)估計(jì)的誤差，Tobit模型能夠有效緩解非連續(xù)性數(shù)據(jù)做線性分析的誤差，因此選擇Tobit模型[14]。Tobit模型的一般形式為：

式（4）中，表示被解釋變量綠色能源效率值EFF；影響因素的集合用表示；獨(dú)立且服從正態(tài)分布N（0，）；是影響要素的估計(jì)參數(shù)。且滿足

若，為實(shí)際測(cè)算得到的效率值；若，為0，通常設(shè)=0。

4.2 指標(biāo)選取

根據(jù)黃河流域的經(jīng)濟(jì)社會(huì)條件并借鑒已有研究，選取6個(gè)指標(biāo)探究其對(duì)綠色能源效率的影響。（1）產(chǎn)業(yè)結(jié)構(gòu)（IS）：采用第二產(chǎn)業(yè)生產(chǎn)總值占地區(qū)生產(chǎn)總值的比重反映產(chǎn)業(yè)結(jié)構(gòu)[15]。（2）能源消費(fèi)結(jié)構(gòu)（ECS）：以煤炭消費(fèi)總量占能源消費(fèi)總量的占比反映能源消費(fèi)結(jié)構(gòu)[16]。（3）政府干預(yù)程度（FE）：采用地方公共預(yù)算支出占地方生產(chǎn)總值的比重來(lái)反映政府干預(yù)程度。（4）環(huán)境規(guī)制（ER）：采用各省工業(yè)污染投資完成總額占地方生產(chǎn)總值的比重衡量環(huán)境規(guī)制成效[17]。（5）科技創(chuàng)新（R&D）：使用各省R&D投入總額進(jìn)行衡量。（6）城鎮(zhèn)化率（UR）：使用年末城鎮(zhèn)人口占總?cè)丝诘谋戎睾饬砍擎?zhèn)化水平[18]。

4.3 回歸分析

4.3.1 多重共線性分析

首先，采用多元共線性檢驗(yàn)方法，確保各個(gè)因子之間的相互獨(dú)立性。其中，方差膨脹因子（VIF）的閾值是衡量多個(gè)因子共線性的重要依據(jù)：若VIF的值小于10，則說(shuō)明各個(gè)因子之間不存在共線性關(guān)系，反之則存在。由表3可知，各個(gè)因子的方差膨脹系數(shù)均小于10，不存在共線性關(guān)系，可以進(jìn)行后續(xù)分析。

4.3.2 影響因素分析

根據(jù)DEA-SBM模型計(jì)算得到的綠色能源效率與影響因素做Tobit回歸分析。在一般的線性回歸中，需要考慮固定效應(yīng)和隨機(jī)效應(yīng)的影響，由于面板Tobit的固定效應(yīng)估計(jì)量被證明是有偏差的。除固定效應(yīng)的面板Tobit模型外，還包括混合Tobit模型和隨機(jī)效應(yīng)Tobit模型。對(duì)回歸方程首先進(jìn)行隨機(jī)效應(yīng)Tobit回歸，并對(duì)其進(jìn)行LR檢驗(yàn)，其結(jié)果不拒絕原假設(shè)，說(shuō)明無(wú)法通過(guò)隨機(jī)效應(yīng)Tobit檢驗(yàn)。因此，本文使用面板混合Tobit進(jìn)行回歸分析，結(jié)果如表4所示。

科技創(chuàng)新在10%的置信水平上對(duì)綠色能源效率有積極推動(dòng)作用， R&D投入強(qiáng)度越高，綠色能源效率越高。加強(qiáng)R&;D投入助于國(guó)家基礎(chǔ)和創(chuàng)新建設(shè)，提高科技創(chuàng)新能力，促進(jìn)綠色能源效率。政府干預(yù)、環(huán)境規(guī)制與綠色能源效率的系數(shù)在5%的水平上顯著負(fù)相關(guān)。地方財(cái)政支出越多，綠色能源效率越低，其原因說(shuō)明能源投資建設(shè)增加占比遠(yuǎn)低于地方財(cái)政支出增加占比，需要加大能源建設(shè)投資；環(huán)境規(guī)制帶來(lái)的成本會(huì)同時(shí)帶來(lái)兩方面的效果。一方面，企業(yè)加大投資用于生態(tài)建設(shè)，提高生態(tài)技術(shù)，從而提高資源利用效率；另一方面，嚴(yán)格的環(huán)境規(guī)制政策會(huì)促使企業(yè)提高污染治理力度，用于生產(chǎn)活動(dòng)的流動(dòng)資金減少，抑制綠色能源效率的提升。這兩方面造成了環(huán)境規(guī)制對(duì)綠色能源效率的負(fù)向影響。

5 結(jié)論與討論

5.1 結(jié)論

（1）從時(shí)序變化特征來(lái)看，綠色能源效率向較好態(tài)勢(shì)發(fā)展，大致呈現(xiàn)先上升-后下降-再上升的分布特征。2010—2013年、2016—2020年呈現(xiàn)上升趨勢(shì)，2013—2016年呈下降趨勢(shì)，上、中、下游綠色能源效率變化特征具有相同變化特征。黃河流域平均值介于0.6～0.86，上游介于0.49～0.77，中游介于0.56～0.92，接近黃河流域平均效率值，下游介于0.76～1。

（2）空間演變趨勢(shì)進(jìn)行分析，根據(jù)2010年、2015年、2020年的效率值空間變化趨勢(shì)來(lái)看，在研究時(shí)段內(nèi)，低效率水平向中等效率、高效率水平轉(zhuǎn)變，高效率地區(qū)占比明顯增加。未改變相對(duì)效率水平的地區(qū)由于自然斷點(diǎn)法的相對(duì)劃分標(biāo)準(zhǔn)上升，因此黃河流域總體綠色能源效率水平有所提升。

（3）驅(qū)動(dòng)因素對(duì)綠色能源效率的影響程度存在差異。根據(jù)回歸結(jié)果模型，政府干預(yù)程度、環(huán)境規(guī)制在5%的置信水平上對(duì)綠色能源效率呈現(xiàn)負(fù)向作用，而科技創(chuàng)新在10%的顯著水平上對(duì)綠色能源效率具有積極推動(dòng)作用。

5.2 討論

盡管本文對(duì)黃河流域綠色能源效率在指標(biāo)選取和影響因素方面進(jìn)行了較為綜合的分析，但仍有待完善之處。我國(guó)以煤為原料的火力發(fā)電廠，排放的廢氣中還有氮氧化物、PM10、PM2.5等污染物，此外含有酸堿、油脂和微量元素等有害物質(zhì)，在測(cè)算綠色能源效率的指標(biāo)上，可以將“三廢”和溫室氣體一并引入能源效率測(cè)算上，使得能源效率測(cè)度更加全面。同時(shí)，長(zhǎng)江經(jīng)濟(jì)帶和黃河流域作為中國(guó)兩個(gè)重要的發(fā)展區(qū)域，可以對(duì)沿線城市的綠色能源效率進(jìn)行比較分析。

參考文獻(xiàn)

邊志強(qiáng)，鐘順昌.資源型城市經(jīng)濟(jì)增長(zhǎng)目標(biāo)如何影響碳排放效率？[J].中國(guó)環(huán)境科學(xué)，2023（5）：1-15.

夏炎，陳錫康，楊翠紅. 基于投入產(chǎn)出技術(shù)的能源效率新指標(biāo) ：生產(chǎn)能耗綜合指數(shù)[J].管理評(píng)論，2010，22（2）：17-22.

余顯，丁文斌.長(zhǎng)江經(jīng)濟(jì)帶綠色全要素經(jīng)濟(jì)能源效率研究：基于DEA-SBM模型測(cè)算[J].特區(qū)經(jīng)濟(jì)，2023（4）：52-55.

王群勇，李海燕.基于不確定環(huán)境DEA模型下中國(guó)各區(qū)域能源效率和二氧化碳排放效率評(píng)價(jià)[J].軟科學(xué)，2022，36（8）：78-83.

谷曉梅，范德成，杜明月.中國(guó)區(qū)域能源效率關(guān)鍵影響因素分析：基于GML指數(shù)和BMA方法的實(shí)證研究[J].軟科學(xué)，2022，36 （9）：81-88.

張平淡，屠西偉.制造業(yè)集聚、技術(shù)進(jìn)步與企業(yè)全要素能源效率[J].中國(guó)工業(yè)經(jīng)濟(jì)，2022（7）：103-121.

田成詩(shī)，張亞兵.中國(guó)多中心城市空間結(jié)構(gòu)與能源效率關(guān)系[J].自然資源學(xué)報(bào)，2022，37（1）：135-148.

羅世華，王棟.碳交易政策對(duì)省域全要素能源效率的影響效應(yīng)[J].經(jīng)濟(jì)地理，2022，42（7）：53-61.

陳菁泉，連欣燕，馬曉君，等.中國(guó)綠色能源效率測(cè)算及其驅(qū)動(dòng)因素[J].中國(guó)環(huán)境科學(xué)，2022，42（5）：2453-2463.

Tone K. A slacks- based measure of efficiency in data envelop?ment analysis[J]. European Journal of Operational Research， 2001， 130（3）： 498-509.

單豪杰.中國(guó)資本存量K的再估算：1952～2006年[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2008，25（10）：17-31.

張文彬，郝佳馨.中國(guó)能源足跡的測(cè)度及區(qū)域差異分析[J].統(tǒng)計(jì)與決策，2020，36（8）：93-97.

關(guān)偉，吳亭亭，許淑婷.中國(guó)沿海地區(qū)能源效率時(shí)空演變研究[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，（2）：49-56.

李曉菲.“一帶一路”相關(guān)省份綠色能源效率影響因素研究[J].調(diào)研世界，2021（3）：49-57.

馬曉君，董碧瀅，于淵博，等.東北三省能源消費(fèi)碳排放測(cè)度及影響因素[J].中國(guó)環(huán)境科學(xué)，2018，38（8）：3170-3179.

楊仲山，魏曉雪.“一帶一路”重點(diǎn)地區(qū)全要素能源效率：測(cè)算、分解及影響因素分析[J].中國(guó)環(huán)境科學(xué)，2018，38（11）：4384-4392.

陳菁泉，劉娜，馬曉君.中國(guó)八大綜合經(jīng)濟(jì)區(qū)能源生態(tài)效率測(cè)度及其驅(qū)動(dòng)因素[J].中國(guó)環(huán)境科學(xué)，2021，41（5）：2471-2480.

關(guān)偉，許淑婷，郭岫垚.黃河流域能源綜合效率的時(shí)空演變與驅(qū)動(dòng)因素[J].資源科學(xué)，2020，42（1）：150-158.