环境约束下基于全要素能源效率的我国. 各省份节能潜力分析

Energy of China - - CONTENTS - 收稿日期:2018-04-23作者简介:王志雄(1984-),男,陕西神木人,博士研究生,机械工业技术发展基金会副主任,主要从事技术经济及节能减排行业政策研究。

王志雄 1,2,徐海龙 1,祁卓娅 2,吴 怡 2

(1. 中国社会科学院研究生院,北京 102488;2. 机械工业技术发展基金会,北京 100823)

摘要:本文在环境约束条件下,采用 DEA 法测算了剔除冬季供暖能耗前后北方各省份的全要素能源效率,发现供暖能耗拉低了北方省份的全要素能源效率值;利用系统聚类分析法以产业结构、能源消费结构、技术水平、对外开放程度和资本- 能源比 5 个因素为依据,将 30个省份合理分组,剔除北方省份供暖能耗后,通过 DEA 法重新建立组内省份共同前沿,测算出相对务实的各省份全要素能源效率,并计算了各省的节能潜力。由此计算得到的节能潜力值更符合各省节能减排形势和经济发展的实际情况,对各地方科学制定节能减排目标具有现实指导意义。

关键词:环境约束;全要素能源效率;DEA ;节能潜力

中图分类号:F205 文献标识码:A 文章编号:1003-2355-(2018)06-0035-05

Doi: 10.3969/j.issn.1003-2355.2018.06.008 Abstract: Under the condition of environmental restricts, the DEA method has been utilized to calculate the total factor energy efficiency with or not excluding the winter heating energy consumption of northern provinces. It is discovered that the total factor energy efficiency of the northern provinces has been reduced by the heating energy consumption. Based on the five factors including industrial structure, energy consumption structure, technical level, external openness and capital-energy ratio, the 30 provinces have been reasonably grouped. And excluding the influence of heating energy consumption in the northern provinces, a common leading edge for the comparison within the group has been re-constructed via the DEA method. Meanwhile, the energy efficiency and energy saving potential of each province has been calculated. Through the above methods, the outcomes is more in line with the actual energy conservation and emission reduction, as well as economic development situation of each province, providing practical guidelines for the scientific formulating of local energy conservation and emission reduction targets.

Key words: Environmental Restricts; Total Factor Energy Efficiency; DEA; Energy Saving Potentiality

1 引言

随着我国经济步入新常态,资源、环境和能源约束越发收紧,研究环境约束下我国各省基于全要素能源效率的节能潜力,提出因地制宜的节能分解目标及实现路径,有助于顺利完成节能减排任务,减少经济发展带来的高能耗和高污染问题 [1]。

全要素能源效率是与单要素能源效率对应的 能源效率测度指标,是一种相对效率,在评估一个地区综合能源效率方面有着传统单要素能源效率无法替代的优势。基于环境约束下的全要素能源效率是指考虑化石能源消费带来的环境影响,将污染物作为非期望产出与能源、劳动力、资本、GDP等一起纳入投入产出指标中,测算综合能源利用效率。测算全要素能源效率常采用数据包络分析方法(DEA),DEA 法不需要给出具体的函数形式及投入和产出的具体权重,可获得各种投入

要素之间相互作用下的相对综合能源效率。

[2]全要素能源效率测算方面,Jin li Hu 等 利用 DEA 方法测算了中国 29 个省(区、市)1995— 2002 年的全要素能源效率,发现全要素能源效率

[3]比单要素能源效率更贴近实际;王志雄等 采用DEA 法测算了我国 2000—2015 年各省及区域全要素能源效率,分析了我国能源效率的演进趋势;

[4]

魏楚等 测算了 1995—2004 年省际能源效率及

[5]各省的节能潜力;李建武 采用能源强度指标测算了我国不同生产部门的节能潜力;王玉燕等 [6]、刘冰等 [7]、黄海峰等 [8] 分别从全国各区域间,区域和省、市各层级对能源效率和节能潜力开展了

[9]

研究分析;蒋雪梅等 研究发现节能技术和生产技术分别能为我国工业整体带来 22% 和 33% 的节能潜力。

[10]节能潜力影响因素方面,徐国泉 认为中国总体能源强度变化趋势与第二产业的能源强度变

[11]化趋势相吻合,存在很高的关联性;尹宗成等研究发现外商直接投资对我国能源效率提高具有显著的正向作用,扩大对外开放程度有利于能源

[12]

效率的提高;史丹 研究发现无论全国范围还是区域范围,能源效率的高低与煤炭在一次能源消费结构中的比重大小相对应,能源效率较低的省份,煤炭消费比重一般在 80% 以上,而能源效率高的地区,煤炭消费的比重较低、石油和水电消

[13]

费比重较高;李世祥等 研究发现技术进步以及技术效率的改进是能源效率的重要影响因素;王

[14]

鸿远等 认为技术进步是影响全要素能源效率最重要的因素,并认为全要素能源效率带有明显的地域特性差异。

本研究在环境约束条件下,采用 DEA 方法测算剔除冬季供暖能耗前后北方各省份的全要素能源效率,然后通过系统聚类分析方法合理分组,剔除北方省份冬季供暖能耗,利用 DEA 方法重新确定组内共同比较基础,测算出各省的全要素能源效率,并计算各省的节能潜力。

2 测算方法、变量选取及数据说明

2.1 测算方法

2.1.1 数据包络分析方法(DEA)

DEA利用线性规划法评价决策单元( DMU)的效率水平,每个 DMU 都有一定的经济意义,借助数学规划和统计数据确定相对有效的前沿面(共同比较基础),然后将各个决策单元投影到前沿面上,并通过比较决策单元偏离 DEA 前沿面的程度 来评判效率的大小。

基于规模报酬不变的DEA 模型(CCR模型) [15],假设有 n个决策单元,每个决策单元用m 种要素投入来生产 s种产出,则生产活动的投入量为

T

X=(X1,X2 ,…, Xm) ,产出量为 Y=(Y1,

T

Y2 ,…, Ys) ,第 i 个 DMU的效率就是求解下面的规划问题:

Min(θ,λ)θ

n θXi -∑ Xjλ

≥0 j j=1

s.t. n (1)

- Yi +∑ Yjλ ≥0 j

j=1

λj ≥0 (j=1, 2, …n)

其中:(Xi,Yi)、(Xj,Yj)—分别表示 DMU i、j(i,j=1,2,…,n)的投入产出; θ—投入产出向量之间的比例; λ—投入、产出的系数值。

则 DMU j 的生产可能集为:

T(C)={(X, Y)|X ≥∑ X ;Y ≤∑ Y λ λ ; λ ≥ 0, j j j j j

j=1, 2, …,n} (2)通过线性规划方法求出的θ值即为第i 个DMU的效率值,即全要素能源效率值。CCR 模型中,θ值一般都小于 1(在超效率模型中会出现大于 1的情况)。

利用全要素能源效率计算各省份(区域)节能潜力(实际效率值与目标值之间的改进空间大小)如式(3):

TEIi, LEI

t = (3)

Pi, t=1

-AEIi, AEIii,,tt

t

其中:Pi, t— i 省在 t 时期的节能潜力。

2.1.2 系统聚类分析法( System Clustering Analysis)

系统聚类分析法,是一种对分散的数据进行归纳分组的统计分析方法,先将各个数据单元各视为一类,然后选择某种标准来定义和测度单元之间的距离,将距离最小的一对进行合并标识为新的一类,然后重新计算新类与其余各类之间的距离,选择距离最近的单元(类)进行合并且标识为新类,再依次重复,重复到所有的数据单元都被归并为一个类终止。

2.2 变量选取及数据说明

DEA 方法中,投入要素指标为资本、劳动力、能源;产出指标为 GDP 和非期望产出。

资本存量,可通过当年价计算的固定资产投资额计算获得。

劳动力,采用 2000—2015 年各省就业人数统计数据作为劳动力投入,并将 WIND 提供的季度统计数据进行年度平均,用平均值作为统计值。

能源消费量,将煤炭、石油、天然气等一次能源消费量均转换为煤炭计量“万 tce ”。各省2000—2015 年能源消费量数据均来自于《中国统计年鉴》( 2001—2015 )、《中国能源统计年鉴》(2013—2015)、2016 年各省市环境统计公报。

冬季供暖能量,使用各城市蒸汽和热水供应能量,按 40%供热效率,最后折算成标准煤耗的总和。标煤热值按 2927.12 kj/kg ,蒸汽热值按 2.7 Gj/t 计算。数据来源于《中国统计年鉴》(2001—2016)。

国内生产总值( GDP ),各地区国内生产总值均采用 2000年不变价格计算得到,各地GDP 及GDP 指数均来自《中国统计年鉴》(2001—2016)。

非期望产出,采用传统的谢拔德距离(Shephard Distance Function)函数,以 SO2 作为环境对投入产出的约束。数据来自《中国能源统计年鉴》以及各省的环境状况公报。

系统聚类分析法中,以产业结构、对外开放程度、能源消费结构、技术水平和资本—能源比率为指标。考虑数据可获得性,以第二产业增加值占 GDP比重代表产业结构,以外商直接投资(FDI)占全社会固定资产投资比重代表对外开放程度,用以煤炭消费量占总能源消费量的比重代表能源消费结构,以研究与实验发展(R&D)经费投入强度表示技术进步水平。考虑生产函数对区域能源效率的影响,将资本—能源比率作为控制因素。以上指标均采用 2015 年统计数据,数据来源于 2016 年《中国统计年鉴》、《中国能源统计年鉴》和《中国科技统计年鉴》。

3 测算结果与分析

3.1 剔除冬季供暖能耗前后北方省份的全要素能源效率

表 1测算结果显示,剔除集中供暖能耗后,北部省份的全要素能源效率则均有所提高,北京提高最多。我国北方冬季集中供暖时间长,提高了其能源投入和非期望产出,期望产出增加却有限,拉低了全要素能源效率。河北、山西两省全要素能源效率基本无变化,这两省是产煤大省,能源消费结构普遍以煤为主,能源利用水平低、 能耗基数大且污染严重,剔除冬季供暖能耗对于全省全要素能源效率的提高影响很小。

提高值最高的北京,在剔除集中供暖能耗之前,全要素能源效率均值( 0.654 )远低于其周边的天津( 0.741 )、河北( 0.825 )和山西( 0.731),实际上北京不应该处于如此低的水平,所以不考虑冬季集中供暖能耗的影响计算得出的省际全要素能源利用效率是不符合实际情况的。

剔除集中供暖能耗前后北京和上海在共同前沿下的能源效率比较详见图 1(2003 年北京市供热量异常高,为 2002 年的 6.78 倍,导致剔除后的全要素能源效率也异常的高)。在 2007—2008年间北京剔除供暖影响后的年度全要素能源效率有较大幅度提升,一方面由于以首都钢铁为代表的一大批高耗能、高污染企业迁出北京,另一方面为迎接 2008 年北京奥运会,北京加大了环境治理和保护力度,实施节能技术改造,能耗水平大幅降低、能源效率大幅提高。2014 年以后,北京进一步强化了冬季供暖节能减排力度,五环内全面禁燃煤采用清洁能源供暖,冬季供暖能耗进一步下降、能源效率进一步提升,使得供暖能耗所占比例越来越小,供暖能耗对省际全要素能源效

率的影响逐步减弱,所以剔除前后全要素能源效率相差不大,并处于高水平,与上海市效率基本相当。

3.2 系统聚类分析分组结果依据系统聚类分析结果,将我国 30 个省份划分为 6 组,组别划分相对合理,见表 2。北京和海南是相对特殊的两个省直辖市,各自独立成为一组。北京作为我国的政治、经济和文化中心,也是旅游城市,随着京津冀协同发展部分工业企业外迁,第三产业比重较高,远远高于第2 组中的天津和上海。天津和上海作为直辖市,尽管城市规模存在一定的差距,但总体指标比较接近;海南作为国际旅游城市,第一产业和第三产业比重较高,工业发展滞后,总体经济水平在全国排名处于中等偏下水平。第4组所含省份主要分布在中西部,尤其以西部省份居多。第5 组主要为传统的产煤大省,重工业比较发达;重庆之所以被划分到里面,主要由于产业结构、对外开放程度等因素与这些省份比较相近。第 6 组中,除陕西、江西、四川、吉林和安徽外,其余均为东部发达省份,而陕西和四川在西部省份中经济比较发达。

3.3 组内共同前沿比较下各省份全要素能源效率

在分组基础上,采用DEA 方法测算群组能源效率,第 1、2、3 组由于所含省份较少,会出现“伪前沿”情形,测算结果不再有实际意义,将三组合并为一组,作为特殊组不再定量计算考察。第 4、5、6 组在计算全要素能源效率时,每组内所含北方省份的能源消耗均剔除了冬季集中供暖能耗。同时,为减少统计失误导致的计算误差,本文利用 2010—2015 年 6 年的全要素能源效率平均值作为最终全要素能源效率值,结果见表 3。

从计算结果看,采用群组内部共同前沿得出的省际全要素能源效率相对符合客观实际情况。以西部省份为主的第4组各省份全要素能源效率值大部分明显低于以东部省份为主的第6 组各省份全要素能源效率值,而且第4 组的数值较第 6组大小差距起伏波动程度大。说明第4 组内各省份之间在能源利用、污染物排放等方面差距较为明显,组内各省份能耗较大、能效水平较低;以东部省份为主的第 6组对外开放程度较高、经济发展较快、能耗水平较低,各省份能源利用效率具有趋同性。以产煤为主的第5 组各省份的全要素能源效率在组内共同前沿下得出的数值较高,并不代表这几个省份的能效水平高,而是因为这几个省份的能源使用基本以煤炭为主、重工业行业集中,能源消费结构相同、能源利用水平均较低,且具有很强的趋同性,与组内共同前沿差距较小,数值虽然较高实际却反映了这几个省份的节能减排任务困难而艰巨,有相当大的改进空间且难以一步到位。

3.4 各省份节能潜力计算分析在各组内共同前沿下各省份全要素能源效率的基础上,计算得出的各省份 2015 年的节能潜

[12] [4]

力见表 4。同时列入史丹 和魏楚 测算的我国各省市的节能潜力值进行对照分析。其中,史丹基于单要素能源效率,魏楚基于全要素能源效率,节能潜力为 0的,并非说明该地区能源效率已经没有任何改进的空间,只是该省份处在了组内前沿面上,仍有提高的空间。

从表 4可看出,基于规模报酬不变的DEA 测算的 2015年我国各省份的节能潜力明显低于史丹和魏楚测算的我国 2005 和 2007 年各省的节能潜力,这可能是因为“十一五”和“十二五”时期,我国更加注重区域之间的平衡发展,深入实施西部大开发、中部崛起、东北振兴及淘汰落后产能等战略,推动产业结构调整和科技创新,强化技术扩散以及扩大对外开放程度,使得省份之间能效水平相对差距进一步缩小;另一方面,能源价格的居高不下( 2014 年之前)、能源供给的不平衡,使得企业更加注重节约能源、提高能效水平,极大地促进了我国整体能源利用效率水平;国家大气污染防治行动计划的实施,也使得各地区强化减排措施、污染物减排水平不断上升,省份或区域之间的能效排污差异总体上呈现收缩状态,这也就导致以相对能源效率测算的节能潜力不断缩小。

本研究得出的各省份节能潜力更符合实际情况。节能潜力极低的辽宁和黑龙江经济发展相对缓慢、人口流失严重、工业发展后劲不足,节能减排的主动性和能动性确实较低;节能潜力较高的山西、安徽、河南、湖北、四川、甘肃、青海、新疆等地处于中西部地带,近几年经济发展速度加快、发展转型升级意愿强烈,节能减排空间大、 积极性高;剩余省份的节能潜力一般,这些省份或是东南沿海发达省份,能效水平已经较高,在目前发展条件下提高空间有限,或是限于产业结构、区域禀赋等因素而导致发展相对缓慢稳定的省份,在现有科技水平下能源利用效率很难实现较高提升。

4 结论

(1)冬季集中供暖能耗影响北方省份的全要素能源效率。剔除冬季供暖能耗后,大多数北方省份全要素能源效率都得到了一定幅度的提高,尤其是北京的全要素能源效率提高最显著,在 2014年后,基本与其经济科技水平相当的上海持平。

(2)依据产业结构、对外开放程度、能源消费结构、技术水平和资本—能源比5 个因素,对我国 30 个省(区、市)用系统聚类分析的方法进行重新分组是有效的。剔除冬季供暖能耗后,重新确定各组内省份的共同前沿,通过 DEA 法测算得出的具有环境约束的各省份全要素能源效率更符合我国各地区发展实际情况。

(3 )基于全要素能源效率计算得出的节能潜力,考虑了各省经济发展的比较优势,已充分融合了我国各省节能减排形势和经济发展的实际情况,可以作为参考评定各省在未来一段时期内可实际达到或实现的节能量,对于各地方科学制定节能减排目标具有现实指导意义。

(4)建议因地制宜制定符合各地区现状的节能减排政策。在节能减排责任分解和补偿机制设计过程中,综合考虑地区差距和节能潜力,引导各地区逐步提升能源效率、不断挖掘节能潜力。对同组内省份,可充分考虑相似性,开展竞争与合作,推进协同创新和技术进步。另外,各地应加大清洁能源改造力度,能源消费结构以煤炭为主的地区须加快提升煤炭高效清洁利用技术水平,逐步提高能源利用效率和减少污染物排放。

参考文献:

[1] 胡安俊,孙久文.提升中国能源效率的产业空间重点[J]. 中

国能源,2018,40(3):11-15.

[2] Jin li Hu, Shi Chuan Wang. Total-factor energy efficiency of regions

in China [J]. Energy Policy, 2006, 34: 3206-3217.

[3] 王志雄,祁卓娅,徐海龙,等.基于环境约束的我国能源效率

演进趋势研究[ J ] . 现代管理科学,2018,(1):81-84.

[4] 魏楚,沈满洪.能源效率与能源生产率:基于DEA方法的省

际数据比较[ J ] . 数量经济技术经济研究,2007,(9):110-121.

◆(下转第15 页)

Newspapers in Chinese (Simplified)

Newspapers from China

© PressReader. All rights reserved.