基于SBM模型的我国省际能源环境效率研究 周四军 陈强 苏文力摘 要 将SBM模型与四阶段DEA方法结合，研究了我国30个省市地区2004～2012年间省际全要素能源环境效率，同时考察了地区投入与产出松弛量，并对其影响因素进行了深入分析研究发现：环境约束的影响明显，科学评价能源环境效率必须把环境污染引入全要素能效测度之中；随着时间发展，各省间的效率存在优者愈优、劣者愈劣的两级分化趋势.对松弛量的Tobit回归结果显示：GDP是改善能源环境效率的有利因素，外商直接投资、产业结构以及能源消费结构是其不利因素，技术改进和环境治理对提高效率无显著影响；外部因素差异对能源环境效率有显著地影响，剔除外部因素差异的影响，将使效率能得到有效改善.Key 环境约束；能源环境效率；SBM模型；四阶段DEAF205 A1 引 言在工业经济中，能源投入达到前所未有的程度.时至今日，我国能源消费量已经由1980年的6.03亿吨标准煤增长到2013年的37.5亿吨标准煤，巨量的能源投入带来的负面环境效应日益突出，经济发展质量令人堪忧.据统计，当前中国二氧化碳、二氧化硫的排放量都已跃居世界第一位，其他主要污染物排放也已位于世界前列.此外我国工业企业的能源消费70%左右仍以煤炭为主.由此可见，我国能源利用正面临能源利用环境污染重和能源利用方式落后、效率低下的困境，提升能源环境效率迫在眉睫.在现有估算能源效率的研究中，利用非参数前沿分析模型测算全要素能源效率占有重要地位.Jinli Hu（2006）[1]提出“全要素能源效率”TFEE，利用CCR-DEA模型对中国29个省的面板数据进行实证分析.他将数据包络分析（DEA）引入中国的能源效率分析，有效克服了传统单要素能源效率研究方法的缺陷.近年来，许多学者将环境因素纳入全要素生产率的研究范围.郑丽琳、朱启贵（2013）[2]研究表明，考虑能源与环境的我国省际全要素生产率增长有限，且效率在东、西部区域内部收敛，中部收敛不显著，因此我国东中西三地区存在“俱乐部收敛”的情况.汪克亮（2011）[3]，张伟（2011）[4]等运用环境方向距离函数对我国省级全要素生产率进行了研究分析.涂正革等 [5]采用SBM模型计算了我国省际工业效率，它们发现东西部间效率差距明显，并认为重工业阻碍SBM效率的改善.Bi GongBing （2013）[6]等运用SBM模型测算了考虑环境约束下我国热力发电行业的全要素能源使用效率，他们研究发现我国热力发电行业全要素能源效率存在显著省际差异和地域差异.范丹、王唯国（2013） [7]把四阶段DEA与Simar、 Wilson开发的基于Bootstrap的随机DEA模型相结合，将能源和二氧化碳纳入工业企业的全要素能源效率评价体系中， 对我国2010年中国30个省、市、区规模以上工业企业的全要素能源效率及其分解变量进行了实证分析.Hong Li[8]运用SuperSBM模型研究发现“十一五”期间我国各工业部门间能源效率是非收敛的.纵观运用DEA方法对全要素能源利用效率的研究，不难发现以下几点研究趋势：一是运用各种方法将环境因素纳入全要素生产率的研究；二是将参数法和非参数法的优点相结合以克服传统DEA的缺陷，剔除外部因素差异对测算结果产生的不良影响，分离随机误差的影响，这类方法主要包括multistage DEA方法，以及Timo Kuosmanen（2006）[9] 提出的SToNED随机非参数及半参数方法等方法；三是从当期或序列DEA分析向全局DEA分析发展[10].本文将SBM模型与四阶段DEA结合起来研究我国省际能源效率，以克服传统DEA的缺陷.2 能源环境效率的理论分析2.1 利用DEA测算能源效率的理论分析从全要素角度测算能源效率有深刻地理论基础，也更客观地反映经济运行规律.17世纪英国经济学家威廉配第提出“土地为财富之母，而劳动则为财富之父和能动的要素”.萨伊将所有生产出来的价值都归因于劳动、资本和自然力三个要素，他从财富生产的过程出发系统地说明了生产要素的构成.斯密在《国富论》中讨论财富与收入时提到“材料等部分，可转化为固定资本投入、也可转化为目前消费的财富”.到19世纪末，马歇尔在《经济学原理》中提出“土地是指大自然为了帮助人类，在陆地、海上、空气、光和热各方面所赠与的物质和力量”，也就明确了包括能源在内“土地”的要素地位.马克思政治经济学认为劳动对象和劳动资料是最基础生产要素，与劳动构成最基础的物质资料生产.因此，经济学家将能源作为多种投入的一种，考虑投入要素替代在实现能源效率中的作用，提出以全要素能源效率来衡量一个地区的能源利用效率.区别于传统的单要素能源效率分析，需要在 “多投入-多产出”框架下测算全要素能源效率.数据包络分析方法（DEA）的原理性质十分契合这样研究需要：①DEA方法测算产出与投入之比，本身就是测算若干决策单元相对效率的方法；②DEA方法适用于“多产出-多投入”[10]的情况；③DEA方法不需要具体的生产函数、不需要主观赋权，且具有“单位不变性”[10]；④DEA方法能确定每一项无效率决策单元非效率的原因[10].由上可知，DEA方法适于测算全要素能源利用效率.当然，许多传统的DEA方法不能避免径向与角度带来的偏差，没有考虑松弛量的影响，也没有考虑各决策单元外部条件差异以及随机误差的可能影响，这些因素都可能造成效率测度的偏误.SBM模型（Slack Based Model）是一种较为完善的DEA拓展模型，可以很好地解决一般DEA模型（方法）存在的问题.本文基于以上理论分析，将参数法和非参数法的优点相结合可以克服以上传统DEA存在的缺陷，使用SBMDEA模型与四阶段DEA方法结合的方法来测算我国省际全要素能源环境效率下文称以这种方法的到的效率值为能源效率，或SBM效率（考虑环境约束条件下的测度）..本文从经济和环境的双重角度研究能源利用效率，人类通过投入能源、资本、技术、劳动力进行生产而获得产出，产出由期望产出和非期望产出组成，期望产出主要为GDP，非期望产出为环境污染排放.这种考虑环境效应的能源利用效率（投入与产出的比率）称为能源环境效率.endprint2.2 外部因素调整理论分析下文将以四阶段DEA的研究步骤进一步阐述本文如何将SBMDEA与四阶段DEA方法结合，以测算外部因素差异对能源环境效率的影响，并在此基础上对能源环境效率进行再测算.2.2.1 第一阶段，SBM效率测算第一阶段Tone（2001）[11]首先提出了非径向非角度的基于松弛变量测度的SBM（SlacksBased Measure）模型.SBM模型将松弛变量直接引入目标函数，藉此特点，不仅将环境因素很好地纳入SBM模型的测度中，也避免了径向和角度差异带来的影响.-传统的SBM模型（以下称模型一）表示为：2.2.4 第四阶段，SBM效率再测算.将第三阶段得到的调整后的投入数据代替原始投入数据，再次运用SBM模型进行效率评估，由此得到的各决策单元的效率值即为剔除了外部因素差异影响后的效率值.综上所述，本文将SBM模型与Fried等（1999）[13]提出四阶段DEA模型结合起来，减少了径向角度模型带来的偏差以及外部因素对效率的影响，更准确地评估我国考虑环境约束的省际全要素生产效率.3 基于SBM的我国能源环境效率测度3.1 样本、变量与数据本文将SBM模型与四阶段DEA方法结合起来，测算我国各省能源环境效率.样本数据为2004至2012年我国省际数据（因数据不可得，港、澳、台和西藏不在研究范围内）.所有的数据均收集于官方统计年鉴以及数据库，主要包括历年《中国统计年鉴》《中国能源统计年鉴》、《中国环境统计年鉴》《中国科技统计年鉴》及部分地方统计年鉴.3.1.1 SBM模型的投入与产出变量生产过程中需要三种生产要素：资本、劳动、能源，产出由期望产出和非期望产出组成，期望产出为GDP，非期望产出为环境污染排放.基于我国经济发展特征、非期望产出的SBM模型的对全要素效率估算的要求以及数据的可得性，分别选取省际城镇就业人口、固定资产投入和能源消费总量作为劳动力、资本以及能源投入的变量.产出方面，以省际不变价格的GDP作为期望产出.非期望产出方面，本文将空气污染、水污染和固体排放污染全方位地纳入效率测算，分别选取省际二氧化硫排放量、COD化学需氧量COD（Chemical Oxygen Demand）是以化学方法测量水样中需要被氧化的还原性物质的量.在河流污染和工业废水性质的研究以及废水处理厂的运行管理中，它是一个重要的而且能较快测定的有机物污染参数.排放量和工业固体废物产生量作为非期望的产出.表1为投入与产出变量的统计描述.3.1.2 四阶段DEA外部因素变量的选取在第一阶段SBM效率的测算结果中，各投入要素以及非期望产出都产生了松弛变量.许多因素影响松弛量的产生，本文选取了6个变量作为其解释变量：1）经济发展水平影响，以不变价格国内生产总值（亿元）为变量（GDP）.经济是衡量地区发展水平核心指标，一方面，较高的产出往往意味着较高的收入，发达的高收入地区与欠发达低收入地区在产业结构、产出方式、技术水平、消费行为等方面有很大的差异；另一方面，大量研究表明收入与环境污染之间存在库兹涅茨假说[14]的情况，因此经济发展水平指标是此阶段研究重要的自变量.2）科技创新能力水平影响，以各地区研究与开发机构科技活动经费内部支出（万元）代表（R&D）.在较高的生产技术水平下，许多产业可以做到高效率与低污染的统一.除了研发方向、转化利用水平等因素，R&D作为解释变量能反映经济主体对技术进步支持力度，也能进一步论证技术水平与非效率松弛量的关系.3）经济开放水平，用外商直接投资额（万美元）表示（FDI）.经济开放程度与污染排放之间存在确切的联系，相关研究对此结论不一，考虑我国过去高速增长的发展模式，本文将FDI作为影响松弛量的因素之一.4）环境治理投资水平影响，以工业污染治理完成投资（万元）为变量（HJZL）.污染治理投资反映了地方对环保的重视程度和支持力度.当然，不考虑各地区已产生的污染量差异情况下，各地区污染治理水平也有不同，因此不仅能在计量分析中分析环境治理对松弛量的影响，同时也能研究环境治理的有效性.5）能源消费结构影响，以煤炭消费总量（万吨）为变量（CC）.据统计，目前发达国家能源消耗中石油约占能耗总量的40%；其次是煤炭，占比26%；天然气占比由10%上升至24%；核能、水能等可再生能源约占10%，而我国能源消费中煤炭消耗占能耗总量接近70%，优质能源供给有限.落后的能源消费行为以及能源消费结构对能源投入以及污染产出有直接影响.6）产业结构影响，以第二产业产出值（亿元）作为变量（IND）.相比第一产业和第三产业，第二产业中有众多能耗大、污染重的工业单位，因此必须考虑各地第二产业对松弛量的影响.3.2 SBM能源效率测度在进行DEA分析时，需考虑变量之间的相关性，因为较高的相关性表明投入与产出的“等张性”关系.本文对所取7个变量进行了pearson相关性检验.如表2所示，在此使用SBM模型是可行的.为了验证环境约束对我国能源效率的影响，本文对是否考虑非期望产出的两种情况作了比较分析.通过对SBM结果的统计数据分析，发现能源环境效率与无环境约束的能源效率之间有明显的差异：相对于模型一，考虑环境约束的SBM总体平均效率值由0.669 5降至0.539 9；同时模型二的标准差与极差明显大于模型一.为了进一步探究其原因，进一步从SBM效率的时间趋势以及省级结构差异分析其特点.从2004～2012年，2个模型中我国省际能源环境效率存在一些相同的发展趋势，研究发现两个模型的平均SBM效率值都经历先降后缓慢上升、再回落的相似过程.在差异方面，考虑环境因素使得平均能源环境效率降低了19.3%，同时发现2个模型的标准。