孟慶春，黃偉東，戎曉霞

(1.山東大學(xué)管理學(xué)院，山東 濟(jì)南 250100；2.山東大學(xué)數(shù)學(xué)學(xué)院，山東 濟(jì)南 250100；

3.山東大學(xué)價(jià)值共創(chuàng)網(wǎng)絡(luò)研究中心，山東 濟(jì)南 250100)

?

灰霾環(huán)境下能源效率測(cè)算與節(jié)能減排潛力分析—基于多非期望產(chǎn)出的NH-DEA模型

孟慶春1，3，黃偉東1，3，戎曉霞2,3

(1.山東大學(xué)管理學(xué)院，山東 濟(jì)南 250100；2.山東大學(xué)數(shù)學(xué)學(xué)院，山東 濟(jì)南 250100；

3.山東大學(xué)價(jià)值共創(chuàng)網(wǎng)絡(luò)研究中心，山東 濟(jì)南 250100)

考慮到現(xiàn)有能源效率測(cè)算未把灰霾作為環(huán)境約束這一問題，基于非參數(shù)前沿構(gòu)建了不可分的混合測(cè)度DEA 模型，將致霾污染物SO2、NOx、CO2和煙(粉)塵作為非期望產(chǎn)出，對(duì)各省份2010-2013年灰霾環(huán)境約束下的能源效率進(jìn)行了更加科學(xué)的測(cè)算，結(jié)果發(fā)現(xiàn)：我國省際能源效率差異比較大；東部平均能源效率最高，中部次之，西部最差；我國整體的能源效率為0.63。通過Tobit 模型對(duì)能源效率的影響因素進(jìn)行分析，發(fā)現(xiàn)能源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、政府影響力和能源效率呈顯著的負(fù)相關(guān)關(guān)系，技術(shù)進(jìn)步和能源效率呈顯著正相關(guān)關(guān)系，各因素對(duì)我國區(qū)域間的影響程度存在差異。在節(jié)能減排潛力方面，我國各省份的能源節(jié)約潛力和致霾污染物減排潛力都很大。這些結(jié)果有助于制定能源節(jié)約和灰霾治理規(guī)劃。

灰霾；能源效率；NH-DEA；多非期望產(chǎn)出；節(jié)能減排

1 引言

改革開放36年間，我國經(jīng)濟(jì)飛速發(fā)展。2014年我國GDP達(dá)到10.36萬億美元，占全球的13.3%。與此同時(shí)，能源消費(fèi)量也隨著經(jīng)濟(jì)發(fā)展而迅速增長(zhǎng)，2013年我國的能源消費(fèi)量就已經(jīng)超過了整個(gè)北美地區(qū)，2014年占全球能源消費(fèi)量的23%[1]。但從能源強(qiáng)度來看，2013年我國的能源強(qiáng)度分別為英國、德國、法國、日本和美國的4.5倍、3.6倍、3.4倍、2.9倍和2.2倍，可見單位GDP的能耗要比發(fā)達(dá)國家高很多。能源消費(fèi)在推動(dòng)經(jīng)濟(jì)發(fā)展的同時(shí)也帶來了嚴(yán)重的環(huán)境污染，近年來大規(guī)模爆發(fā)的灰霾污染就是表征之一。2013年1月底我國中東部地區(qū)出現(xiàn)大規(guī)模持續(xù)性的灰霾天氣，灰霾覆蓋面積達(dá)143萬平方公里，影響人數(shù)達(dá)到8億人。研究表明，除氣候因素外，能源燃燒產(chǎn)生的SO2和NOx等污染物是引起灰霾的重要前體物，要減輕灰霾污染，就必須在我國能源消費(fèi)總量仍然增長(zhǎng)的情況下，減少致霾污染物的排放[2～3]。因此，精確測(cè)算灰霾環(huán)境下我國的能源效率水平，并在此基礎(chǔ)上確定節(jié)能減排方向，就顯得尤為重要。

在能源效率測(cè)算方面，中外學(xué)者已經(jīng)進(jìn)行了大量研究，取得了豐碩的研究成果。Patterson[4]對(duì)能源效率的定義、指標(biāo)和計(jì)量方法做了分析和總結(jié)；Phylipsen[5]、Boyd[6]、Hu Jinli和Wang[7]認(rèn)為單要素生產(chǎn)率角度無法全面的反映能源效率，進(jìn)而從全要素生產(chǎn)率的角度對(duì)Patterson[4]的研究進(jìn)行了擴(kuò)展，將能源效率的測(cè)算納入全要素生產(chǎn)率框架下。此后，能源效率的測(cè)算研究主要有兩個(gè)方向：(1)能源效率區(qū)域特征研究。魏楚等[8]、汪克亮等[9]構(gòu)建了非參數(shù)前沿函數(shù)，采用省級(jí)面板數(shù)據(jù)對(duì)我國能源效率進(jìn)行測(cè)算，發(fā)現(xiàn)我國東部能源效率要比中西部高，并且各省份之間的能源效率差異有擴(kuò)大的危險(xiǎn)；屈小娥[10]、李金鎧[11]利用Malmquist指數(shù)對(duì)我國能源效率進(jìn)行了分解，也發(fā)現(xiàn)我國東部能源效率較高，而中西部的能源效率則處于較低水平；師博等[12]、馬海良等[13]則是將知識(shí)存量納入生產(chǎn)函數(shù)對(duì)我國省際、三大經(jīng)濟(jì)區(qū)域的能源效率，發(fā)現(xiàn)各地區(qū)的能源效率整體呈上升趨勢(shì)。趙金樓等[14]還對(duì)能源效率的影響因素和收斂性做了分析，發(fā)現(xiàn)煤炭消費(fèi)比重下降能提高能源效率，我國東部地區(qū)能源效率不存在趨同趨勢(shì)，而中西部地區(qū)存在趨同收斂趨勢(shì)。蔡圣華等[15]則在能源效率影響因素的基礎(chǔ)上估計(jì)了我國的節(jié)能目標(biāo)，認(rèn)為在政府適當(dāng)干預(yù)情形下節(jié)能潛力能達(dá)到14%～17%。還有學(xué)者充分考慮了投入產(chǎn)出的松弛性問題，利用SBM-DEA模型對(duì)我國的能源效率進(jìn)行了測(cè)算：Choi等[16]發(fā)現(xiàn)我國能源效率總體較低，且和CO2排放效率成倒U型函數(shù)關(guān)系；Bian Yiwen等[17]發(fā)現(xiàn)我國經(jīng)濟(jì)系統(tǒng)的無效率主要是由第二產(chǎn)業(yè)的能源績(jī)效不佳引起的，并認(rèn)為當(dāng)前能源結(jié)構(gòu)調(diào)整、工業(yè)結(jié)構(gòu)優(yōu)化對(duì)我國能源效率有負(fù)作用；Meng Ming等[18]對(duì)我國的能源效率進(jìn)行三維分解，發(fā)現(xiàn)我國北部地區(qū)能源效率要高于南部，應(yīng)該調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和限制小規(guī)模私營工業(yè)企業(yè)的數(shù)量來提升能源效率。(2)能源效率行業(yè)特征研究。Wei Yiming等[19]利用Malmquist指數(shù)將我國鋼鐵行業(yè)1994-2003年的能源效率分解為技術(shù)進(jìn)步和技術(shù)效率兩個(gè)部分，發(fā)現(xiàn)各地區(qū)鋼鐵行業(yè)能源效率差距有擴(kuò)大趨勢(shì)，且這一時(shí)期我國鋼鐵行業(yè)的能源效率提高主要是技術(shù)進(jìn)步引起的；李廉水等[20]則發(fā)現(xiàn)技術(shù)效率提升才是我國工業(yè)部門能源效率提高的主要原因。此外，還有學(xué)者利用DEA模型對(duì)我國工業(yè)部門能源效率進(jìn)行測(cè)算：Zhao Xiaoli[21]、Wang Zhaohua等[22]發(fā)現(xiàn)我國東部工業(yè)部門能源效率要高于西部，并認(rèn)為技術(shù)進(jìn)步和經(jīng)濟(jì)發(fā)展對(duì)工業(yè)部門能源效率提高具有促進(jìn)作用；唐玲等[23]人則發(fā)現(xiàn)了開放程度高的工業(yè)部門能源效率較高，而壟斷程度高的工業(yè)部門能源效率低。

分析上述文獻(xiàn)可以看到，學(xué)者們對(duì)于我國區(qū)域及行業(yè)能源效率研究尚未得出一致結(jié)論，且大多數(shù)研究并未考慮能源消費(fèi)所產(chǎn)生的環(huán)境污染問題。然而，能源燃燒所排放的SO2和NOx等污染物不僅是灰霾細(xì)顆粒物的重要組成，同時(shí)也是二次細(xì)顆粒物的重要前體物質(zhì)，因此能源效率測(cè)算時(shí)必須考慮致霾污染物的影響。另外，盡管已有文獻(xiàn)考慮了非期望產(chǎn)出的影響，但都未考慮能源投入與非期望產(chǎn)出之間的不可分性(是指在技術(shù)水平不變的情況下，每消費(fèi)1單位能源必然產(chǎn)生一定比例的環(huán)境污染物)，這些不足將導(dǎo)致現(xiàn)有研究不能真實(shí)地反映我國灰霾環(huán)境約束下的能源效率水平，因此在測(cè)算能源效率過程中，考慮灰霾環(huán)境約束及投入產(chǎn)出之間的不可分性是極其必要的。

為此，本文做出以下改進(jìn)：(1)充分考慮能源效率測(cè)算中的環(huán)境約束問題，考慮能源消費(fèi)排放的SO2、NOx、CO2和煙(粉)塵4種致霾污染物；(2)采用不可分的混合DEA模型(Nonseparable Hybrid DEA Model)，充分考慮投入產(chǎn)出的松弛性，又兼顧徑向和非徑向角度，還區(qū)分了能源投入與非期望產(chǎn)出之間的不可分性。在此基礎(chǔ)上，本文將以煤炭、石油和天然氣的消費(fèi)量作為能源投入指標(biāo)，應(yīng)用考慮多非期望產(chǎn)出的不可分混合DEA模型對(duì)我國各省份在灰霾環(huán)境下的能源效率進(jìn)行測(cè)算，并通過處理受限變量的Tobit模型對(duì)能源效率的影響因素進(jìn)行計(jì)量分析，然后分別計(jì)算出各省份的節(jié)能減排潛力，進(jìn)而給出我國各地區(qū)提高能源效率、減輕灰霾污染的對(duì)策建議。

2 灰霾環(huán)境下能源效率測(cè)算和影響因素分析

2.1 考慮致霾污染物的不可分混合DEA模型

Farrell[24]首次提出可以構(gòu)造一個(gè)非參數(shù)線性凸面作為生產(chǎn)前沿來估計(jì)生產(chǎn)效率。Charnes和Cooper[25]等人在Farrell[24]研究基礎(chǔ)上提出了首個(gè)DEA模型(CCR)以后，DEA模型在生產(chǎn)率測(cè)度評(píng)價(jià)領(lǐng)域得到了廣泛應(yīng)用。Banker等[26]在CCR基礎(chǔ)上，提出了規(guī)模報(bào)酬可變的VCR模型，此后還有學(xué)者不斷地對(duì)DEA模型進(jìn)行擴(kuò)展。Tone等[27-28]基于已有研究提出了考慮投入產(chǎn)出松弛性的SBM-DEA模型，又在此基礎(chǔ)上發(fā)展了能夠處理多種非期望產(chǎn)出并且考慮投入產(chǎn)出不可分性的混合DEA模型(NH-DEA)，該模型可以描述如下：

假設(shè)生產(chǎn)系統(tǒng)中有n個(gè)相似的決策單元，決策單元在生產(chǎn)過程中的投入和產(chǎn)出向量分別為

X∈Rm×n和Y∈Rl×n，這里將投入產(chǎn)出矩陣X和Y分解為：

其中：XF∈Rm1×n和XBF∈Rm2×n分別代表可分和不可分的投入矩陣；YFG∈Rl1×n、YFB∈Rl2×n、YBFG∈Rl3×n和YBFB∈Rl4×n分別代表可分的期望產(chǎn)出、可分的非期望產(chǎn)出、不可分的期望產(chǎn)出和不可分的非期望產(chǎn)出。此時(shí)規(guī)模報(bào)酬不變的生產(chǎn)可能性集可描述為：

PBF={(xF,xBF,yFG,yFB,yBFG,yBFB)

|xF≥XFλ,xBF≥XBFλ,yFG≤YFGλ,yFB≥YFBλ,yBFG≤YBFGλ,yBFB≥YBFBλ}

其中λ是權(quán)重向量。

生產(chǎn)可能性集的特征有：

(1)不可分的投入產(chǎn)出變量是徑向的，可分投入產(chǎn)出變量是非徑向的。

(2)不可分非期望產(chǎn)出減少的同時(shí)，不可分期望產(chǎn)出也會(huì)按比例減少。

當(dāng)0≤ρ*<1時(shí)，說明該決策單元存在無效率，生產(chǎn)過程中投入產(chǎn)出需要進(jìn)行改進(jìn)；當(dāng)ρ*=1時(shí)，說明該決策單元是有效率的，處于生產(chǎn)前沿面上。

2.2 變量選擇和數(shù)據(jù)來源

本文采用我國30個(gè)省(市、區(qū))(西藏除外)的投入產(chǎn)出面板數(shù)據(jù)，考慮到數(shù)據(jù)的可得性，樣本區(qū)間選取為2010—2013年。當(dāng)前學(xué)者大多選擇資本存量、勞動(dòng)力和能源消費(fèi)量作為投入變量，且能源消費(fèi)量使用各省(市、區(qū))的能源消費(fèi)總量作為指標(biāo)(魏楚等[8]；史丹等[29]；師博等[12]； Choi等[16]；Zhao Xiaoli等[21]。與這些學(xué)者不同，本文分別使用煤炭、石油和天然氣作為能源投入指標(biāo)，不納入水電消費(fèi)量(水電屬二次能源，且消費(fèi)過程不污染環(huán)境)，這樣可以更有針對(duì)性地為各省(市、區(qū))提出節(jié)能減排的對(duì)策建議。產(chǎn)出變量方面，大多數(shù)學(xué)者選擇地區(qū)GDP作為期望產(chǎn)出，在非期望產(chǎn)出方面，學(xué)者往往選擇SO2或CO2作為非期望產(chǎn)出(袁曉玲等[30]；汪克亮等[9]；Wang Zhaohua等[31])，而事實(shí)上，2010年我國氮氧化物(NOX)的排放總量已經(jīng)超過了SO2，成為主要的大氣污染物之一，更嚴(yán)重的是NOx的危害比SO2還大，因此必須考慮其對(duì)能源效率的影響，因此本文選擇SO2、NOx、CO2和煙(粉)塵的排放量作為非期望產(chǎn)出變量。指標(biāo)選取如表2.1所示：

2.3 結(jié)果分析

本文利用上述投入產(chǎn)出面板數(shù)據(jù)，通過DEA solver pro5.0軟件對(duì)模型進(jìn)行求解，得到我國各省(市、區(qū))在2010-2013年間灰霾環(huán)境下的能源效率值，并求得能源效率均值，結(jié)果如表2.2所示：

表2.1 投入產(chǎn)出變量

數(shù)據(jù)來源包括《中國統(tǒng)計(jì)年鑒》(2011-2014)、《中國能源統(tǒng)計(jì)年鑒》(2011-2014)和《中國環(huán)境統(tǒng)計(jì)年鑒》(2011-2014)。

表2.2 2010—2013年我國各省份能源效率值

由表2.2可以看出：在2012年之前，能源效率在前沿面上的地區(qū)分別是北京、江蘇、廣東和廣西4個(gè)省份，其能源效率值都為1，主要位于我國東部地區(qū)。而陜西、甘肅、青海、寧夏、新疆5個(gè)省份的能源效率值都低于0.4，全部位于我國西北地區(qū)。從三大區(qū)域看，我國區(qū)域能源效率“東高西低”的態(tài)勢(shì)非常明顯，東、中、西部地區(qū)2010-2013年的能源效率均值分別為0.78、0.64、0.48，這與大多學(xué)者的研究結(jié)果一致(魏楚和沈滿洪[8]；史丹等[29]；屈小娥[10]；李金鎧等[11]；Wang Zhaohua等[31])；另外還可以看到，我國區(qū)域能源效率不僅差距較大，而且有擴(kuò)大的危險(xiǎn)。2010-2012年，東部能源效率分別是中部和西部的1.2倍和1.6倍，而到了2013年，差距已經(jīng)擴(kuò)大為1.4倍和1.7倍。再從全國來看，全國30個(gè)省(市、區(qū))2010-2013年的能源效率均值僅達(dá)到0.63，能源效率損失高達(dá)0.37，能源效率整體比較低。

需要注意的是，2013年處于能源效率前沿面的省份大幅增加，東部新增天津、河北、上海、浙江4個(gè)省份，中部和西部分別新增了湖南和內(nèi)蒙古兩個(gè)省份。究其原因，可能是2013年1月份出現(xiàn)的強(qiáng)灰霾天氣，以及國務(wù)院相繼印發(fā)的《重點(diǎn)區(qū)域大氣污染防治“十二五”規(guī)劃》、《大氣污染防治行動(dòng)計(jì)劃》等大氣污染治理?xiàng)l例，使得各地政府意識(shí)到了灰霾污染的嚴(yán)重性，采取了更加積極有效的灰霾治理措施，因此2013年出現(xiàn)了多個(gè)省份的能源效率到達(dá)前沿面的情況。此外，需要指出的是，2013年我國京津冀魯?shù)貐^(qū)、長(zhǎng)三角地區(qū)和廣東的能源效率都較高，但恰恰是灰霾污染最嚴(yán)重的的地區(qū)，這二者看似矛盾，其實(shí)不然。盡管我國東部技術(shù)水平較高，能源效率也處于較高水平，但是人口密度很大，為滿足人們生產(chǎn)生活需要，消費(fèi)的能源數(shù)量非常巨大，因此排放了大量的致霾污染物。經(jīng)測(cè)算，這3個(gè)區(qū)域每平方公里承載的致霾污染物分別為6500、7344、和3429噸，均為我國致霾污染物密度(是指SO2、NOx、CO2和煙(粉)塵的重量之和除以地區(qū)土地面積，其中CO2的重量通過能源消費(fèi)量和折算系數(shù)算得)最高的地區(qū)之一。污染物密度高，再加上靜穩(wěn)和逆溫天氣等不利于污染物擴(kuò)散的氣候因素，這3個(gè)地區(qū)很容易爆發(fā)嚴(yán)重的灰霾天氣。

2.4 影響因素計(jì)量分析

由上分析可以看到，灰霾環(huán)境下我國省際間的能源效率相差很大，東、中、西部的差異也很大。為了探查造成能源效率差異的原因，下面對(duì)能源效率的影響因素進(jìn)行分析。

2.4.1 影響因素指標(biāo)選擇和模型構(gòu)建

能源稟賦(EB)：能源稟賦體現(xiàn)了一個(gè)省份的能源豐裕程度，也是其能源依賴度的重要指標(biāo)?？紤]到不是每個(gè)省份都有煤炭礦藏，因此這里能源稟賦用各省份的一次能源(煤炭、石油，天然氣)的生產(chǎn)量和能源消費(fèi)總量的比值來衡量，這與師博等[12]、袁曉玲等[30]以煤炭生產(chǎn)量占能源消費(fèi)量的比重作為能源稟賦不同。

產(chǎn)業(yè)結(jié)構(gòu)(IS)：與魏楚等[8]、屈小娥[10]選擇第三產(chǎn)業(yè)作為產(chǎn)業(yè)結(jié)構(gòu)變量不同，本文認(rèn)為工業(yè)生產(chǎn)排放是引起灰霾的重要污染源，且我國第二產(chǎn)業(yè)消耗的能源達(dá)到能源消費(fèi)總量的70%，因此這里選擇各省份第二產(chǎn)業(yè)和地區(qū)生產(chǎn)總值的比值作為產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)。

技術(shù)進(jìn)步(TP)：R&D經(jīng)費(fèi)投入能代表一個(gè)省份在科技方面的投入力度，一定程度上能體現(xiàn)其技術(shù)進(jìn)步水平，因此這里選擇各省份R&D經(jīng)費(fèi)投入強(qiáng)度作為技術(shù)進(jìn)步的衡量指標(biāo)。

政府影響力(GI)：政府主要是通過財(cái)政支出對(duì)經(jīng)濟(jì)社會(huì)進(jìn)行干預(yù)，因此這里選擇財(cái)政支出占GDP的比重作為政府影響力的衡量指標(biāo)。

基于以上指標(biāo)選擇，構(gòu)建如下模型：

EEi,t=C+β1EBi,t+β2ISi,t+β3TPi,t+β4GIi,t+μi,t, EEi,t∈(0,1)

其中：EEi,t為能源效率值，μi,t為隨機(jī)誤差項(xiàng)，i為省份，t為時(shí)期。

所用基礎(chǔ)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》(2011-2014)、《中國能源統(tǒng)計(jì)年鑒》(2011-2014)。

2.4.2 計(jì)量結(jié)果分析

由于能源效率值大于0而小于或等于1，為受限因變量，因此這里選擇處理受限因變量的Tobit模型進(jìn)行能源效率影響因素分析，模型估計(jì)結(jié)果如表2.3所示：

由表2.3可以看出：

(1)能源稟賦(EB)與全國及中部、西部的能源效率都呈顯著的負(fù)相關(guān)關(guān)系，與東部也呈負(fù)相關(guān)，但不顯著，與師博等[12]、袁曉玲等[30]的研究結(jié)果基本一致。從全國來看，在其它因素不變的情況下，能源稟賦每增加1%，能源效率就下降0.072%。此外，能源稟賦對(duì)中、西部地區(qū)的影響也不相同，對(duì)中部影響最大，能源稟賦增加1%，中部能源效率就下降0.102%，而西部只下降0.078%。這與我國的能源礦藏主要分布在西部是相對(duì)應(yīng)的，西部能源儲(chǔ)量豐富，對(duì)能源效率的邊際影響較小，而中部較西部來說，能源礦藏缺乏，對(duì)能源效率的邊際影響較大。

(2)產(chǎn)業(yè)結(jié)構(gòu)(IS)對(duì)全國具有顯著的負(fù)作用，即第二產(chǎn)業(yè)每增加1%，能源效率就降低1.05%。從三大區(qū)域來看，產(chǎn)業(yè)結(jié)構(gòu)對(duì)東部的影響為負(fù)，對(duì)中、西部的影響為正，但都不顯著。

(3)從全國來看，技術(shù)進(jìn)步(TP)對(duì)全國有顯著的正作用，技術(shù)進(jìn)步每提高1%，能源效率就提高7.605%。此外，技術(shù)進(jìn)步對(duì)三大區(qū)域的能源效率影響是不同的，對(duì)東部有顯著的正影響，對(duì)中部影響不顯著，對(duì)西部甚至有負(fù)影響。這與東部能源稟賦較低，只能通過技術(shù)進(jìn)步來提高能源效率的現(xiàn)實(shí)情況是相對(duì)應(yīng)的，而西部由于能源稟賦較高，R&D經(jīng)費(fèi)很有可能傾向于投入到能源開采上，而對(duì)于能源消費(fèi)領(lǐng)域的研究投入不足，因此出現(xiàn)了這一情況。

(4)從全國及三大區(qū)域來看，政府影響力(GI)和能源效率都呈顯著負(fù)相關(guān)關(guān)系。相關(guān)研究表明，政府通過財(cái)政支出對(duì)經(jīng)濟(jì)社會(huì)的影響會(huì)造成能源效率的流失。在其它因素不變的情況下，政府影響力提高1%，能源效率就會(huì)下降1.2%。 這一結(jié)果與王志剛等[34]、魏楚等[8]、屈小娥[10]的研究結(jié)果是一致的。因此，為了提升能源效率，各地政府應(yīng)減少對(duì)經(jīng)濟(jì)的干預(yù)。

表2.3 能源效率影響因素Tobit模型估計(jì)結(jié)果

注： ***、**、*分別代表在1%、5%、10%的顯著性水平下顯著。

表3.1 2010-2013年我國各省份平均節(jié)能減排潛力

3 節(jié)能減排潛力分析

我國整體能源效率低，能源效率損失大，能源節(jié)約和致霾污染物減排潛力都很高。下面將對(duì)各省份的節(jié)能減排潛力進(jìn)行分析。

由表3.1可以看出：

(1)從節(jié)能潛力來看，我國各省份的煤炭節(jié)約潛力都比較大(不含前沿面上的省份)，山西、黑龍江、貴州、陜西、甘肅、青海、寧夏和新疆8個(gè)省份的節(jié)煤潛力都超過了60%，其中山西和新疆兩個(gè)省份的節(jié)煤潛力甚至超過了80%。從區(qū)域來看，中國西部的節(jié)煤潛力最高，中部次之，東部最低，分別達(dá)到59.9%、53.7%和30.9%。再從全國來看，中國整體的節(jié)煤潛力高達(dá)46%。由此可見，我國各地區(qū)能源效率若能趨近前沿面，將能夠節(jié)省近乎一半的煤炭資源。石油方面，遼寧、海南、甘肅、寧夏和新疆5個(gè)省份的節(jié)油潛力都超過了55%，而福建、山西、安徽、河南、湖南、四川和重慶7個(gè)省份應(yīng)增加10%以上的石油消費(fèi)量。我國東部和西部地區(qū)節(jié)油潛力分別為20.4%和24.0%，而中部地區(qū)應(yīng)該增加石油消費(fèi)量。從全國來看，我國的整體節(jié)油潛力為17.4%。再看天然氣方面，海南、山西、四川、青海、寧夏和新疆6個(gè)省份的節(jié)氣潛力都超過了60%，而浙江、山東、安徽、江西、湖北、湖南、廣西和云南8個(gè)省份應(yīng)增加天然氣消費(fèi)。從區(qū)域來看，西部節(jié)氣潛力最大，為62.7%，東部和中部分別為2.3%和12.6%。全國整體節(jié)氣潛力為26.1%。從能源結(jié)構(gòu)調(diào)整方面來看，所有地區(qū)都應(yīng)該減少煤炭的消費(fèi)量，改變能源消費(fèi)中“一煤獨(dú)大”的現(xiàn)狀。浙江、安徽、湖北和湖南4個(gè)省份應(yīng)增加石油和天然氣的消費(fèi)量；福建、山西、河南、四川、重慶和貴州6個(gè)省份應(yīng)增加石油消費(fèi)量減少天然氣消費(fèi)量；山東、江西、廣西和云南4個(gè)省份應(yīng)增加天然氣消費(fèi)量減少石油的消費(fèi)量；其余16個(gè)省份應(yīng)在提高能源效率的基礎(chǔ)上，減少煤炭、石油和天然氣三種能源的消費(fèi)量。

(2)從致霾污染物的減排潛力來看，在能源效率達(dá)到前沿面時(shí)，除上海外，我國各省(市、區(qū))都有較大的SO2減排潛力，其中山西、重慶、貴州、陜西、甘肅、青海、寧夏和新疆8個(gè)省份的SO2減排潛力均超過了70%且大部分位于西部地區(qū)，我國整體的SO2減排潛力高達(dá)47.9%。NOX減排方面，山西、貴州、陜西、甘肅、青海、寧夏和新疆7個(gè)省份的NOX減排潛力都超過了60%，也主要位于西部地區(qū)，全國整體的NOX減排潛力達(dá)到38.1%。CO2減排方面，海南、山西、貴州、陜西、甘肅、寧夏和新疆7個(gè)省份的CO2減排潛力超過了60%，中國整體的CO2減排潛力高達(dá)39.6%。最后來看煙(粉)塵方面，減排潛力超過70%的有山西、黑龍江、陜西、甘肅、青海、寧夏和新疆7個(gè)省份，我國整體的煙(粉)塵減排潛力高達(dá)55.2%。從橫向來看，山西、陜西、甘肅、青海、寧夏和新疆這6個(gè)省份4種致霾污染物的減排潛力都很大，并且這6個(gè)省份大都是煤炭資源比較豐富、能源稟賦較高的地區(qū)，這與2.4的研究結(jié)果是一致的。

4 結(jié)語

本文利用2010—2013年我國30個(gè)省份的投入產(chǎn)出數(shù)據(jù)，采用考慮多非期望產(chǎn)出的不可分混合DEA模型，將資本存量、人力資本和煤炭、石油、天然氣作為投入要素，區(qū)分期望產(chǎn)出(GDP)和非期望產(chǎn)出(SO2、NOx、CO2和煙(粉)塵)的同時(shí)，考慮能源消費(fèi)和致霾污染物排放的不可分性，測(cè)算我國各省份灰霾環(huán)境下的能源效率值，并通過處理受限因變量的Tobit模型，對(duì)能源效率的影響因素進(jìn)行分析，最后還計(jì)算了我國各省份的節(jié)能減排潛力，主要結(jié)論如下：

(1)能源效率的測(cè)算考慮了SO2、NOx、CO2和煙(粉)塵多種致霾污染物的影響，并考慮了能源消費(fèi)和致霾污染物之間的不可分性，方法更加科學(xué)，結(jié)果更符合實(shí)際情況。測(cè)算結(jié)果顯示：各省份能源效率差異明顯，節(jié)能減排潛力巨大；我國整體的能源效率只有0.63，能源效率損耗較大。

(2)從我國整體來看，能源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、政府影響力和能源效率都呈顯著負(fù)相關(guān)關(guān)系，在其它因素保持不變的情況下，能源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、政府影響力每增加1%，將導(dǎo)致能源效率分別下降0.072%、1.05%、1.2%；技術(shù)進(jìn)步和能源效率呈顯著正相關(guān)關(guān)系，技術(shù)進(jìn)步水平每提高1%，能源效率將提高7.6%；各因素對(duì)東、中、西部的影響不盡相同。

(3)我國的能源節(jié)約潛力和致霾污染物的減排潛力都非常巨大，煤炭、石油和天然氣的整體節(jié)約潛力分別達(dá)到46%、17.4%和26.1%； SO2、NOx、CO2和煙(粉)塵整體的減排潛力分別達(dá)到47.9%、38.1%、39.6%和55.2%。同時(shí)還發(fā)現(xiàn)，能源稟賦較高的省份，能源節(jié)約潛力和致霾污染物減排潛力都要比其他省份高一些。

以上結(jié)論蘊(yùn)含的政策啟示主要有：制定節(jié)能減排規(guī)劃和灰霾減輕規(guī)劃既要著眼全國，又要針對(duì)我國不同區(qū)域、不同省份的實(shí)際情況，制定相應(yīng)的對(duì)策。具體而言就是：對(duì)于能源稟賦較高的陜西、內(nèi)蒙古、山西、黑龍江、寧夏、新疆等省份，要學(xué)習(xí)北京、江蘇等能源稟賦低但能源效率高省份的經(jīng)驗(yàn)，加快改變能源稟賦高能源效率低的局面，向能源稟賦低但能源效率高的地區(qū)看齊，充分發(fā)揮節(jié)能減排的潛力；政府干預(yù)容易導(dǎo)致能源效率的流失，因此各地政府應(yīng)減少對(duì)于經(jīng)濟(jì)社會(huì)活動(dòng)的影響，將財(cái)政資金更多向節(jié)能環(huán)保及清潔能源研究方面傾斜，減少化石能源消費(fèi)及致霾污染物排放；各省份要增加能源利用科技方面的投入，引進(jìn)國內(nèi)外先進(jìn)經(jīng)驗(yàn)，提高自身能源利用水平，使技術(shù)進(jìn)步成為提高能源效率的內(nèi)生動(dòng)力；同時(shí)要促進(jìn)區(qū)域間的能源技術(shù)擴(kuò)散，實(shí)現(xiàn)能源技術(shù)的規(guī)模效益，使能源節(jié)約和致霾污染物排放減少達(dá)到最大化，改善環(huán)境質(zhì)量，減輕灰霾污染。

[1] BP Amoco. BP statistical review of world energy[R]. Report, London: BP Amoco, 2014-2015.

[2] Lin Chang, Ma Qingxin, Liu Yongchun, et al. Synergistic reaction between SO2and NO2on mineral oxides: A potential formation pathway of sulfate aerosol[J]. Physical Chemistry Chemical Physics, 2012, 14(5):1668-76.

[3] 齊曄. 中國低碳發(fā)展報(bào)告2014[R]. 北京: 清華大學(xué)氣候政策研究中心, 2014.

[4] Patterson MG. What is energy efficiency? Concepts, indicators, and methodological issues[J]. Energy Policy, 1996,24(5): 377-390.

[5] Phylipsen G J M, Blok W, Worrell E. Handbook on international comparisons of energy efficiency in the manufacturing industry[M]. Netherlands: Utrecht University, 1998.

[6] Boyd G A, Pang J X. Estimating the linkagebetween energy efficiency and productivity[J]. Energy Policy, 2000, 28(5): 289-296.

[7] Hu Jin-li, Wang S C. Total factor energy efficiency of regions in China[J]. Energy Policy, 2006,34(17): 3206-3217.

[8] 魏楚, 沈滿洪. 能源效率及其影響因素:基于DEA的實(shí)證分析[J]. 管理世界, 2007,(8): 66-76.

[9] 汪克亮, 楊寶臣, 楊力. 基于環(huán)境效應(yīng)的中國能源效率與節(jié)能減排潛力分析[J]. 管理評(píng)論, 2012, 24(8):40-50.

[10] 屈小娥. 中國省際全要素能源效率變動(dòng)分解—基于Malmquist指數(shù)的實(shí)證研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2009,(8):29-44.

[11] 李金鎧, 沈波, 韓亞峰, 等. 中國區(qū)域能源效率比較—基于DEA_Malmquist和聚類分析[J]. 北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2012, 14(6):1-6.

[12] 師博, 沈坤榮. 市場(chǎng)分割下的中國全要素能源效率—基于超效率DEA方法的經(jīng)驗(yàn)分析[J]. 世界經(jīng)濟(jì), 2008,(9): 49-59.

[13] 馬海良, 黃德春, 姚惠澤. 中國三大經(jīng)濟(jì)區(qū)域全要素能源效率研究—基于超效率DEA模型和Malmquist指數(shù)[J]. 中國人口·資源與環(huán)境, 2011, 21(11):38-43.

[14] 趙金樓, 李根, 蘇屹,等. 我國能源效率地區(qū)差異及收斂性分析——基于隨機(jī)前沿分析和面板單位根的實(shí)證研究[J]. 中國管理科學(xué), 2013, 21(2): 175-184.

[15] 蔡圣華, 杜立民, 畢清華. 我國提高能源效率的目標(biāo)設(shè)計(jì)[J]. 中國管理科學(xué), 2012, 20(3):152-160.

[16] Choi Y, Zhang Ning, Zhou Peng. Efficiency and abatement costs of energy-related CO2emissions in China: A slacks-based efficiency measure[J]. Applied Energy, 2012, 98(5):198-208.

[17] Bian Yiwen, Hu Miao, Wang Yousen, et al. Energy efficiency analysis of the economic system in China during 1986-2012: A parallel slacks-based measure approach[J]. Renewable & Sustainable Energy Reviews, 2016, 55: 990-998.

[18] Meng Ming, Shang Wei, Zhao Xiaoli, et al. Decomposition and forecasting analysis of China′s energy efficiency: An application of three-dimensional decomposition and small-sample hybrid models[J]. Energy, 2015, 68(1):366-369.

[19] Wei Yiming, Liao Hua, Fan Ying. An empirical analysis of energy efficiency in China′s iron and steel sector[J]. Energy, 2007, 32(12):2262-2270.

[20] 李廉水, 周勇. 技術(shù)進(jìn)步能提高能源效率嗎?—基于中國工業(yè)部門的實(shí)證檢驗(yàn)[J]. 管理世界, 2006,(10):82-89.

[21] Zhao Xiaoli, Rui Yang, Qian Ma. China′s total factor energy efficiency of provincial industrial sectors[J]. Energy, 2014, 65: 52-61.

[22] Wang Zhaohua, Zeng Hualin, Wei Yiming, et al. Regional total factor energy efficiency: An empirical analysis of industrial sector in China[J]. Applied Energy, 2012, 97(9):115-123.

[23] 唐玲, 楊正林. 能源效率與工業(yè)經(jīng)濟(jì)轉(zhuǎn)型—基于中國1998-007年行業(yè)數(shù)據(jù)的實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2009, (10):34-48.

[24] Farrell M J. The measurement of productive efficiency[J]. Journal of the Royal Statistical Society, 1957, 120(3):253-290.

[25] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6):429-444.

[26] Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management Science, 1984, 30(9):1078-1092.

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

[28] Tone K, Tsutsui M. Applying an efficiency measure of desirable and undesirable outputs in DEA to US electric utilities[J]. Journal of CENTRUM Cathedra: The Business and Economics Research Journal, 2011, 4(2): 236-249.

[29] 史丹, 吳利學(xué), 傅曉霞, 等. 中國能源效率地區(qū)差異及其成因研究—基于隨機(jī)前沿生產(chǎn)函數(shù)的方差分解[J]. 管理世界, 2008, (2):35-43.

[30] 袁曉玲, 張寶山, 楊萬平. 基于環(huán)境污染的中國全要素能源效率研究[J]. 中國工業(yè)經(jīng)濟(jì),2009, (2):76-86.

[31] Wang Zhaohua, Feng Chao, Zhang Bin. An empirical analysis of China′s energy efficiency from both static and dynamic perspectives[J]. Energy, 2014, (74): 322-330.

[32] 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(jì)研究, 2004,(10):35-44.

[33] Shi Yun, Xia Yinfang, Lu Bihong, et al. Emission inventory and trends of NOx for China, 2000-2020[J]. Journal of Zhejiang University Science A, 2014, 15(6):454-464.

[34] 王志剛, 龔六堂, 陳玉宇. 地區(qū)間生產(chǎn)效率與全要素生產(chǎn)率增長(zhǎng)率分解(1978-2003)[J]. 中國社會(huì)科學(xué), 2006,(2):55-66.

Energy Efficiency Calculation and Analysis on Potentials of Energy Conservation and Emissions Reduction under Haze Environment—Based on the NH-DEA Model of Multiple Undesirable Output

MENG Qing-chun1，3, HUANG Wei-dong1,3, RONG Xiao-xia2，3

(1.School of Management, Shandong University, Jinan 250100, China;2.School of Mathematics, Shandong University, Jinan 250100, China；3.Research Center for Value Co-creation Network, Shandong University,Jinan 250100,China)

Considering the current energy efficiency calculation hasn’t included the grey haze as the environmental constraint, a Nonseparable Hybrid DEA Model is constructed based on the non-parametric frontier. Taking SO2, NOx, CO2, smoke(dust) who cause haze as undesirable output of energy consumption, the provincial energy efficiency in 2010-2013 under haze environment constraint is measured more scientific. The result suggests that: difference of provincial energy in China is significant; energy efficiency in the eastern China is the highest, followed by central China and western China is the worst; the overall energy efficiency in China is 0.63. Then the influence factors of energy efficiency are analyzed through Tobit model and it is found that energy endowment, industrial structure, the government influence have significant negative effect on energy efficiency, and technological progress has significantly positive effect on energy efficiency. The influence degrees of various factors varies on eastern, central, western China are different. From the perspective of energy conservation and emissions reduction potential, potential of energy saving and pollutants caused haze reduction are both huge. Research results will help different provinces to establish energy saving and gray haze management planning.

haze; energy efficiency; NH-DEA; multiple undesirable output; energy conservation and emissions reduction

2015-05-31；

2016-03-26

山東省軟科學(xué)研究項(xiàng)目(2015RKE27019)、山東大學(xué)基本科研業(yè)務(wù)費(fèi)資助項(xiàng)目(2014QY001-05)

簡(jiǎn)介：戎曉霞(1973-)，女(漢族)，山東禹城人，山東大學(xué)數(shù)學(xué)學(xué)院副教授，碩士生導(dǎo)師，理學(xué)博士，研究方向：運(yùn)籌與管理，E-mail: rongxiaoxia@sdu.edu.cn.

C931；X51

A

1003-207(2016)08-0053-09

10.16381/j.cnki.issn1003-207x.2016.08.007