徐志強，呂 斌，戴 岳

（1.中國礦業(yè)大學 （北京）化學與環(huán)境工程學院，北京 100083；2.美國德克薩斯大學奧斯汀分校杰克遜地質(zhì)學院，美國 奧斯汀 78712）

對于能源效率問題的研究，根據(jù)投入變量的數(shù)量，通常可分為單要素法和全要素法兩種。由于單要素能源效率只反映能源和經(jīng)濟產(chǎn)出的關(guān)系，忽略了能源和其他要素的關(guān)系，而任何的經(jīng)濟產(chǎn)出是多要素投入的結(jié)果，且要素間可能存在一定的替代效應(yīng)，因此單要素能源效率值可能是有偏的。Hu和Wang（2006）首先引入了全要素能源效率概念，強調(diào)了經(jīng)濟產(chǎn)出與多投入之間的關(guān)系，將能源、勞動力和資本存量作為投入要素，利用傳統(tǒng)DEA模型對中國1995～2002年的能源效率進行了評價［1］。與單要素能源效率相比，全要素能源效率能夠更好的反映經(jīng)濟活動的宏觀能源效率水平。當前，利用由Charnes等人提出的DEA模型對地區(qū)能源效率進行評價已經(jīng)得到廣泛的應(yīng)用［2］。例如，魏楚和沈滿洪（2007）測算了1995～2004年中國30個省區(qū)市的全要素能源效率值［3］。徐國泉和劉則淵（2007）分析了1998～2005年中國八大經(jīng)濟區(qū)的全要素能源效率［4］。武春友和吳琦（2009）基于超效率DEA方法建立了能源效率評價模型，對2006年中國30個區(qū)域進行了實證研究［5］。Honma和 Hu（2008）對日本各地區(qū)的全要素能源效率進行了評價［6］。史丹等（2011）使用我國2005年的數(shù)據(jù)，分別利用單要素能源效率和全要素能源效率兩種方法對比分析了中國各地區(qū)的能源效率水平并探討了節(jié)能潛力［7］。

基于傳統(tǒng)DEA模型的全要素能源效率評價方法同樣存在自身的缺陷。由于忽略了環(huán)境因素和統(tǒng)計誤差的影響，傳統(tǒng)DEA模型的評價結(jié)果可能依然與實際情況存在差異。為了解決此問題，F(xiàn)ried等（2002）提出三階段DEA模型，該模型共包括三個過程：首先利用傳統(tǒng)DEA模型對效率進行分析，隨后利用隨機前沿分析的方法對環(huán)境和統(tǒng)計誤差的影響加以解釋，最后再次使用調(diào)整后的投入數(shù)據(jù)和原始產(chǎn)出數(shù)據(jù)采用傳統(tǒng)DEA模型對效率進行評價［8］。三階段DEA模型已經(jīng)在其他領(lǐng)域加以驗證和應(yīng)用，體現(xiàn)了其評價的優(yōu)勢。Shang等（2008）利用三階段DEA模型對臺灣地區(qū)酒店業(yè)的經(jīng)營效率進行了評價［9］。Jonchi和 Terri（2012）對臺灣地區(qū)銀行業(yè)的經(jīng)營效率進行了評價［10］。鄧波等（2011）基于三階段DEA模型對我國區(qū)域生態(tài)效率進行了研究［11］。黃薇（2012）利用改進型三階段DEA模型測算了1999-2009年中國保險企業(yè)經(jīng)過內(nèi)生風險和外生環(huán)境調(diào)整之后的技術(shù)效率值［12］。所有的研究結(jié)論驗證：利用三階段DEA模型的評價結(jié)果與傳統(tǒng)DEA模型存在較大差異；環(huán)境因素和統(tǒng)計誤差對效率的評價確實存在影響。

本研究將采用三階段DEA模型對中國2010年30個地區(qū)的能源效率水平予以評價。文章的結(jié)構(gòu)安排如下：首先介紹三階段DEA模型以及研究采用的數(shù)據(jù)和環(huán)境變量；之后分析結(jié)果；最后為總結(jié)。

1 研究方法

1.1 三階段DEA模型

傳統(tǒng)DEA模型測度出的效率值會受到三種因素的影響：內(nèi)部管理無效率、外部環(huán)境影響和隨機誤差影響。利用三階段DEA模型可剔除外部環(huán)境與隨機誤差對效率評價的影響，使計算結(jié)果更加準確地反映決策單元的效率水平。

為了檢驗和剔除環(huán)境以及統(tǒng)計誤差對地區(qū)能源效率評價的影響，本文引入三階段DEA模型。圖1展示了模型的運算框架。

圖1 三階段DEA模型框架

三階段DEA模型的構(gòu)建和運用包括三個階段。

第一階段：傳統(tǒng)的DEA模型。三階段DEA模型的第一階段是利用傳統(tǒng)BCC-DEA模型對效率水平進行初始評價。由于該模型已十分成熟并廣泛應(yīng)用，本文不再對BCC-DEA模型進行詳細介紹。

第二階段：相似 SFA（Stochastic Frontier Analysis，即隨機前沿分析）模型。第一階段分析得出的投入（或產(chǎn)出）松弛變量可能受外部環(huán)境、隨機誤差和管理效率等因素的影響。傳統(tǒng)DEA模型未能將這三部分因素的影響進行區(qū)分，從而導(dǎo)致效率值無法反映到底是哪種因素導(dǎo)致的低效。第二階段將通過構(gòu)建相似SFA模型對上述三個因素的影響予以測算，進而剔除外部環(huán)境和隨機誤差的影響，得出僅由管理無效率造成的DMU投入冗余。以投入導(dǎo)向為例，可構(gòu)建如式（1）所示SFA回歸方程。

式中，i＝1，2，…，m；k＝1，2，…，n；sik表示第k個決策單元第i項投入的松弛變量；zk＝（z1k，z2k，…，zpk）表示外部環(huán)境變量，βi為外部環(huán)境變量的待估參數(shù)；fi（zk；βi）表示外部環(huán)境變量對投入差額值sik的影響，一般取fi（zk；βi）＝zkβi。νik＋μik為混合誤差項，νik為隨機干擾，并假設(shè)νik·N（0）；μik表示管理無效率，假定其服從截斷正態(tài)分布，即μik·N＋（μi，）；νik與μik獨立不相關(guān)。為技術(shù)無效率方差占總方差的比重，當γ的值趨近于1時，表示管理因素的影響占主導(dǎo)地位；而當γ的值趨近于0時，則表明隨機誤差的影響占主導(dǎo)地位。

利用SFA模型的回歸結(jié)果對決策單元的投入項進行調(diào)整，原則是將所有的決策單元調(diào)整至相同的環(huán)境條件并面臨相同的客觀運氣。通常有兩種調(diào)整方法：一種是增加那些相對環(huán)境或運氣較好的決策單元的投入；另一種是減少那些相對環(huán)境或運氣較差的決策單元的投入。由于在某些極端情況下，減少處于環(huán)境或運氣較差的決策單元的投入，可能存在投入為負值的情況，因此，本文采用第一種方法予以調(diào)整?；谧钣行У臎Q策單元，以其投入量為基礎(chǔ)，對其他各單元投入量按式（2）的方法進行調(diào)整。

對于νik的估算，本文采用Jondrow等（1982）所提出的方法［13］。

式中［μik｜νik＋μik］是根據(jù)SFA的回歸結(jié)果估算得出，據(jù)此可以估算出［νik｜νik＋μik］的值。

第三階段：采用調(diào)整后數(shù)據(jù)的DEA模型。以第二階段得到的調(diào)整后的投入數(shù)據(jù)為新的投入數(shù)據(jù)，產(chǎn)出數(shù)據(jù)仍為原始數(shù)據(jù)，再次運用BCC模型對效率值進行評估，由此得出的各決策單元的效率值即為剔除外部環(huán)境因素和隨機因素影響后的效率值。

1.2 數(shù)據(jù)來源及投入產(chǎn)出指標、外部環(huán)境變量的選取

本文以2010年的數(shù)據(jù)為基礎(chǔ)對全國30個省或地區(qū)展開研究（西藏、香港、澳門、臺灣等地區(qū)不在本研究范圍之內(nèi)）。所需數(shù)據(jù)主要來源于2011年《中國統(tǒng)計年鑒》、2011年《各地區(qū)統(tǒng)計年鑒》以及2011年《能源統(tǒng)計年鑒》等。

1.2.1 投入產(chǎn)出指標的選取

本研究的投入指標包括勞動力、資本和能源，產(chǎn)出指標為地區(qū)GDP。其中，勞動力數(shù)據(jù)為各地區(qū)統(tǒng)計的當年從業(yè)人口數(shù)量；各地區(qū)能源消費量采用《中國能源統(tǒng)計年鑒》公布的數(shù)據(jù)；各地區(qū)當年GDP的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》的統(tǒng)計。由于我國未對資本存量進行統(tǒng)計，數(shù)據(jù)多為估算值，鑒于此，本研究將參照張軍等（2004）的算法及基礎(chǔ)數(shù)據(jù)利用“永續(xù)盤存法”對2000～2010年全國各地區(qū)的資本存量予以估算［14］，并將數(shù)據(jù)全部折為2010年不變價，用于模型分析。

1.2.2 環(huán)境變量的選取

環(huán)境變量是指那些影響地區(qū)能源效率但不在樣本主觀可控范圍內(nèi)的因素。關(guān)于能源效率的影響因素分析，國內(nèi)外很多學者進行過大量的理論和實證的研究。本文在環(huán)境變量的選取上，重點參考了史丹等（2011）的研究結(jié)論，選取與能源結(jié)構(gòu)、經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、地理位置相關(guān)的數(shù)據(jù)［7］?？紤]到數(shù)據(jù)的可獲得性及可比性，并結(jié)合模型的特性，本文最終選取地區(qū)煤炭消費量、地區(qū)主要城市氣候條件、人均GDP以及三產(chǎn)產(chǎn)值為環(huán)境變量。

2 實證結(jié)果分析

2.1 第一階段實證結(jié)果

利用DEAP2.1軟件，本文對我國30個省或地區(qū)（西藏、香港、澳門、臺灣除外）的能源效率水平以及規(guī)模報酬情況進行了測算，結(jié)果如表1（調(diào)整前）所示。由表1可以看出，在未剔除外部環(huán)境和隨機誤差影響的情況下，2010年我國各省或地區(qū)能源消費綜合技術(shù)效率平均值為0.742，純技術(shù)效率平均值為0.822，規(guī)模效率均值為0.908。其中，北京、上海、廣東三個地區(qū)處于技術(shù)效率前沿面，三項效率值均為1。每種效率值最低的三個地區(qū)分別為：綜合技術(shù)效率：青海（0.535）、寧夏（0.54）、云南（0.596）；純技術(shù) 效 率：河 南 （0.644）、吉 林 （0.645）、云南（0.665）；規(guī)模效率：青海（0.535）、寧夏（0.579）、海南（0.789）。通過分析結(jié)果可以看出，地區(qū)層面能源利用效率水平依然存在較大的差異，而導(dǎo)致效率值較低的原因可能是純技術(shù)效率較低、也可能是規(guī)模效率較低或者兩者都較低。

表1 調(diào)整前后（一、三階段）效率值情況

2.2 第二階段實證結(jié)果

將第一階段得出的各項投入的松弛變量作為被解釋變量，將四個外部環(huán)境變量作為解釋變量，利用Frontier4.1軟件進行SFA回歸。第二階段SFA回歸結(jié)果列于表2。鑒于各地區(qū)資本存量的松弛變量僅有兩個地區(qū)大于零，其他均為零，因此，在第二階段SFA回歸過程中，本研究將此項變量予以忽略。

表2 第二階段SFA回歸結(jié)果

通過表2可以看出，四種環(huán)境變量對兩種投入松弛變量的回歸系數(shù)幾乎都通過5%或1%顯著性水平檢驗，說明外部環(huán)境因素確實對松弛變量具有影響。兩項回歸的γ值均接近于1，表明該兩種投入中，管理因素占據(jù)主導(dǎo)地位，是影響能源效率的關(guān)鍵因素。這一結(jié)果表明，初始投入數(shù)據(jù)的選取有著較高的可靠度，統(tǒng)計隨機誤差對能源效率的影響十分有限。因此，本文將重點分析外部環(huán)境因素對各地區(qū)能源利用效率評價的影響。根據(jù)回歸結(jié)果，當回歸系數(shù)為負時，表示增加外部環(huán)境變量值有利于減少投入松弛量；反之，則表示增加外部環(huán)境變量將會增加投入松弛量，從而導(dǎo)致投入的浪費或產(chǎn)出的減少。

煤炭消費量對能源投入松弛變量為正，而對勞動力投入松弛變量為負，且都在1%顯著性水平上顯著，說明煤炭消費量的增加，將進一步加大能源投入的松弛變量，即增加煤炭消費的比重，將降低地區(qū)能源利用的效率，造成更多的浪費。

氣候條件會對一個地區(qū)的能源利用水平及效率造成較大的影響?；貧w結(jié)果同樣印證了這一結(jié)論，平均氣溫對能源投入松弛變量系數(shù)為負，且通過1%顯著性水平檢驗，表明地區(qū)平均氣溫越高，能源消費的浪費越低，效率水平相對較高。對于勞動力投入松弛變量的系數(shù)為正，說明平均氣溫較高的地區(qū)人員密集水平同樣較高，勞動力浪費相比平均氣溫條件低的地區(qū)要略微嚴重。

人均GDP的高低可以直接反應(yīng)一個地區(qū)的經(jīng)濟發(fā)展水平。隨著收入水平的不斷提高，居民對生活質(zhì)量的要求也相應(yīng)的進一步提高，具體可表現(xiàn)在汽車、電子產(chǎn)品、家用電器等的消費等，從而帶動能源的更多消耗?；貧w結(jié)果顯示，人均GDP的提高會導(dǎo)致能源的更多消耗以及勞動力的浪費，同樣驗證了地區(qū)人均GDP較高或經(jīng)濟水平較發(fā)達可能會導(dǎo)致能源的過多消耗及勞動力的密集這一結(jié)論。

三產(chǎn)比重的提高不僅有利于能源利用效率的提高，同樣有利于勞動力資源的利用。與二產(chǎn)和一產(chǎn)相比，三產(chǎn)的產(chǎn)值形成可以依賴更少的能源投入。通過發(fā)展第三產(chǎn)業(yè)，可以有效的降低能耗強度，同時會創(chuàng)造更多的就業(yè)機會。中國多數(shù)地區(qū)已將發(fā)展第三產(chǎn)業(yè)作為經(jīng)濟轉(zhuǎn)型以及提高能效的重要手段。

分析結(jié)果同樣對地區(qū)節(jié)能工作提出啟示。四個環(huán)境變量均對能效水平造成較大影響，而其中三個變量屬于人為可調(diào)整的。因此，調(diào)整能源結(jié)構(gòu)、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、轉(zhuǎn)變經(jīng)濟發(fā)展方式、引導(dǎo)居民低碳消費觀與價值觀等方法將有利于各地區(qū)提高能源效率。

2.3 第三階段實證結(jié)果

由于外部環(huán)境不同，導(dǎo)致各地區(qū)的投入冗余受外部環(huán)境的影響程度存在顯著差異。因此，有必要調(diào)整初始投入，使所有地區(qū)面臨相同的外部環(huán)境，進而考察各地區(qū)更為合理的能效水平。基于調(diào)整后的投入數(shù)據(jù)以及原始的產(chǎn)出數(shù)據(jù)，再次運用BCCDEA模型，便可得到第三階段各地區(qū)的效率值及規(guī)模報酬，詳見表1調(diào)整后結(jié)果。對比第一階段和第三階段的效率值，剔除外部環(huán)境變量的影響后，全國能源利用效率水平發(fā)生了較大的變化，綜合技術(shù)效率由原來的0.742下降到0.726；純技術(shù)效率由0.822下降到0.806；規(guī)模效率由0.908下降到0.905。結(jié)果說明，剔除外部環(huán)境因素的影響后，我國能源利用效率更不理想。但從地區(qū)層面來看，調(diào)整前后的變化并不一致，部分地區(qū)效率值提高，而部分地區(qū)效率值降低。其中純技術(shù)效率值下降的有：天津、山西、內(nèi)蒙古、寧夏、新疆、陜西等地區(qū)，說明以上地區(qū)在第一階段效率值較高可能是由于比較有利的外部環(huán)境所致；上升的地區(qū)有：江西、廣西、福建、山東、浙江等地區(qū)，說明這些地區(qū)的技術(shù)管理水平被低估。由此也證明了三階段DEA的重要意義。

總體來看，我國能源利用效率水平存在較大的提高空間。絕大多數(shù)地區(qū)的規(guī)模效率也具備較大的提升潛力，除了處于前沿面的北京、上海、廣東以及規(guī)模報酬遞減的山東、浙江、江蘇六個地區(qū)外，其他地區(qū)規(guī)模報酬狀態(tài)普遍處于遞增階段，說明各地區(qū)經(jīng)濟發(fā)展規(guī)模依然不盡合理，可通過提升其發(fā)展規(guī)模進一步提高能源利用的效率水平。

3 結(jié)論

傳統(tǒng)DEA模型忽略了環(huán)境因素及統(tǒng)計誤差對評價結(jié)果的影響。本文利用三階段DEA模型對2010年中國30個地區(qū)的能源效率水平進行評價，主要的結(jié)論有如下內(nèi)容。

1）外部環(huán)境變量確實對地區(qū)能源效率評價造成影響。本研究采取四個環(huán)境變量進行SFA回歸分析，回歸結(jié)果均通過了顯著性檢驗，說明所選環(huán)境變量有效，影響顯著。通過分析回歸結(jié)果，同樣可以發(fā)現(xiàn)降低煤炭比重、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、轉(zhuǎn)變經(jīng)濟發(fā)展方式、引導(dǎo)低碳消費觀和價值觀是提高地區(qū)整體能源效率水平的有效方式。

2）采用三階段DEA模型得出的全國平均技術(shù)效率值要低于采用傳統(tǒng)DEA模型的結(jié)果。說明：受環(huán)境變量對效率值的影響，全國平均技術(shù)效率水平被高估。在地方層面，環(huán)境變量對結(jié)果的影響差異較大。30個地區(qū)中，有被高估的、也有被低估的、還有變化甚微的。

3）對比傳統(tǒng)DEA模型和三階段DEA模型的評價結(jié)果，雖然存在一定的差異，但也保持了較好的一致性。三階段DEA模型可以有效的確定和分析受環(huán)境和統(tǒng)計誤差影響較為嚴重的單元，例如內(nèi)蒙古和天津。

［1］Hu Jinli，Wang Shih-chuan.Total Factor Energy Efficiency of Regions in China［J］.Energy Policy，2006（34）：3206-3217.

［2］Charnes A，Cooper W W，Rhodes E.Measuring the Efficiency of Decision Making Units［J］.European Journal of Operation Research，1978（2）：429-444.

［3］魏楚，沈滿洪.能源效率與能源生產(chǎn)率—基于DEA方法的省際數(shù)據(jù)比較［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007（9）：110-121.

［4］徐國泉，劉則淵.1998～2005年中國八大經(jīng)濟區(qū)域全要素能源效率——基于省際面板數(shù)據(jù)的分析［J］.中國科技論壇，2007（7）：68-72.

［5］武春友，吳琦.基于超效率DEA的能源效率評價模型研究［J］.管理學報，2009（11）：1460-1465.

［6］Honma S，Hu JL.Total-factor energy efficiency of regions in Japan［J］.Energy Policy，2008（2）：824-833.

［7］史丹，等.中國能源利用效率問題研究［M］.經(jīng)濟管理出版社，2011.

［8］Fried， Lovell， Schmidt， Yaisawarng. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis［J］.Journal of Productivity Analysis，2002（17）：121-136.

［9］Shang JK，Huang WT，LO CF，Wang FC.Ecommerce and hotel performance：three-stage DEA analysis［J］.The Service Industries Journal，2008（28）：529-540.

［10］JonchiShyu，Terri Chiang.Measuring the true managerial efficiency of bank branches in Taiwan：A three-stage DEA analysis［J］.Expert Systems with Applications，2012，［online］http：∥dx.doi.org/10.1016/j.eswa.2012.04.005.

［11］鄧波，張學軍，郭軍華.基于三階段DEA模型的區(qū)域生態(tài)效率研究 ［J］.中國軟科學，2011（1）：92-99.

［12］黃薇.環(huán)境、風險與企業(yè)技術(shù)效率：基于改進型三階段DEA模型 ［J］.系統(tǒng)工程理論與實踐，2012，32（1）：1-10.

［13］Jondrow，Lovell，Materov，Schmidt.On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model［J］.Journal of Econometrics，1982（19）：233-238.

［14］張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952～2000［J］.經(jīng)濟研究，2004（10）：35-44.