2006-2012年中国工业行业能源和环境综合效率及其影响因素

doi:10.18402/resci.2016.02.13

摘要/Abstract

摘要：

能源消费量大、能源效率低以及环境问题突出已经成为中国发展面临的严峻挑战。由于工业部门能源消耗占中国能源消耗总量的70%左右,因此,本文基于工业36个子行业2006-2012年的数据,采用结合自然处置性和管理处置性概念的DEA模型将固定资产、能源消费及劳动力作为自然处置性下的投入,研发（R&D）投资额作为管理处置性下的投入,评价各子行业能源和环境综合效率以及R&D投资对各子行业减少非期望产出的有效性,最后,采用Truncated回归模型分析中国工业能源和环境综合效率的影响因素。研究结果表明：除烟草制品业等4个行业外,其余32个行业的综合效率均有改善空间,煤炭开采和洗选业、化学原料和化学制品制造业以及非金属矿物制品业等的综合效率值均在0.800以下,其中非金属矿物制品业效率值最低仅为0.472;2012年,研发投资对煤炭开采和洗选业等16个行业减少非期望产出是有效的;能源结构、技术创新和市场竞争对综合效率具有显著影响,其中煤炭在能耗中占比的提高对综合效率有抑制作用,而研发投资比例的提高对其则有促进作用。

关键词: 工业行业, 能源和环境效率, DEA模型, Truncated模型, 投资策略, 中国

Abstract:

As an energy-intensity sector, the industrial sector consumes 70% of energy and generates more than 50% of CO₂ in China. According to data spanning 36 industrial sub-sectors from 2006 to 2012, we adopted a non-radial DEA model which combined Natural Disposability and Managerial Disposability to study energy and environmental unified efficiency. Input indicators including fixed assets, energy and labor were considered as inputs under Natural Disposability, and R&D investment was regarded as an input under Managerial Disposability. The government promotes R&D investment on energy-saving technology and equipment in the industrial sector in China’s National Plan on Climate Change. This study also verified whether R&D investment was effective for different industrial sub-sectors to reduce undesirable outputs based on DEA modeling. Truncated regression modeling was adopted to analyze factors driving energy and environmental unified efficiency. We found that thirty-two sub-sectors had great room to improve their energy and environmental performance except for four sub-sectors (e.g. tobacco products industry). The unified efficiency scores of three sub-sectors including the coal mining and washing industry, chemical raw materials and chemical products manufacturing industry and non-metallic mineral products industry were all below 0.8, while the non-metallic mineral industry was 0.472 in this case. In 2012, R&D investment was effective for 16 sectors including coal mining and washing industry. Energy mix, technological innovation and market competition had significant impacts on unified efficiency. The proportion of coal consumption had a negative influence on unified efficiency, and the relationship between the ratio of R&D investments and unified efficiency was positive.

Key words: Industrial sub-sectors, Energy and environmental efficiency, DEA model, Truncated regression model, Investment strategy, China

王娟, 赵涛, 张啸虎. 2006-2012年中国工业行业能源和环境综合效率及其影响因素[J]. 资源科学, 2016, 38(2): 311-320.

WANG Juan,ZHAO Tao,ZHANG Xiaohu. Energy and environmental unified efficiency of industrial sub-sectors and its influemcing factors in China[J]. Resources Science, 2016, 38(2): 311-320.

图/表 5

表1

收益损失类型和投资策略的判断准则"

$u r *$	收益损失	投资策略
$u r * > 0$	正	投资无效
$u r * = 0$	零	投资无效
$u r * < 0$ , $z q - R q x = 0$	负	投资有限有效
$u r * < 0$ , $z q - R q x > 0$	负	投资有效

表1

表2

2006-2012年中国36个工业行业综合效率和投资策略计算结果"

行业	UENM									DTR/R&D投资策略
行业	2006		2007	2008	2009	2010	2011	2012	均值	2006	2007	2008	2009	2010	2011	2012
采矿业
煤炭开采和洗选业	0.717	0.745	0.787	0.789	0.820	0.804	0.792	0.779		I	I	I	I	I	L	E
石油和天然气开采业	0.985	0.985	1.000	0.985	0.980	1.000	0.986	0.989		E	E	E	E	E	E	E
黑色金属矿采选业	0.932	0.935	0.941	0.930	0.932	0.934	0.925	0.933		I	I	I	I	I	I	I
有色金属矿采选业	0.948	0.940	0.946	0.939	0.943	0.947	0.943	0.944		I	I	I	I	I	I	I
非金属矿采选业	0.927	0.929	0.938	0.926	0.930	0.930	0.922	0.929		I	I	I	I	I	I	I
制造业
农副食品加工业	0.878	0.892	0.909	0.914	0.897	0.891	0.883	0.895		L	L	L	E	L	L	L
食品制造业	0.901	0.908	0.917	0.910	0.915	0.914	0.908	0.910		I	I	I	L	L	E	E
酒、饮料和精制茶制造业	0.927	0.931	0.940	0.934	0.937	0.931	0.923	0.932		I	I	I	L	L	E	E
烟草制品业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		L	L	L	L	L	L	L
纺织业	0.745	0.769	0.820	0.812	0.847	0.857	0.850	0.814		E	E	L	L	L	L	L
纺织服装、服饰业	0.848	0.844	0.854	0.848	0.870	0.885	0.956	0.872		E	L	E	L	L	L	L
皮革、毛皮、羽毛及其制品和制鞋业	0.898	0.896	0.904	0.901	0.909	0.930	0.912	0.907		I	I	I	I	I	I	I
木材加工和木、竹、藤、棕、草制品业	0.910	0.910	0.916	0.906	0.911	0.913	0.904	0.910		I	I	I	I	I	I	I
家具制造业	1.000	1.000	1.000	1.000	0.969	1.000	1.000	0.996		I	I	I	I	I	I	I
造纸和纸制品业	0.877	0.887	0.898	0.890	0.904	0.893	0.887	0.891		I	I	I	I	I	I	I
印刷和记录媒介复制业	0.974	0.973	0.951	0.945	0.939	0.979	0.954	0.959		I	I	I	I	I	I	I
文教、工美、体育和娱乐用品制造业	1.000	1.000	1.000	1.000	1.000	1.000	0.933	0.990		I	I	I	I	I	I	I
石油加工、炼焦和核燃料加工业	0.803	0.786	0.821	0.811	0.825	0.816	0.810	0.810		I	I	I	I	I	L	E
化学原料和化学制品制造业	0.626	0.626	0.658	0.652	0.664	0.960	0.597	0.683		I	I	I	I	L	I	I
医药制造业	0.931	0.942	0.950	0.942	0.945	0.957	0.943	0.944		E	E	E	E	E	I	E
化学纤维制造业	0.944	0.947	1.000	1.000	1.000	1.000	0.949	0.977		I	I	I	I	I	I	I
橡胶和塑料制品业	0.847	0.861	0.876	0.862	0.878	0.885	0.881	0.870		I	I	I	I	I	I	I
非金属矿物制品业	0.472	0.487	0.495	0.471	0.491	0.448	0.437	0.472		I	I	I	I	I	I	I
黑色金属冶炼和压延加工业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		E	E	L	E	E	E	E
有色金属冶炼和压延加工业	0.921	0.924	0.917	0.908	0.908	0.900	0.891	0.910		L	L	E	L	L	L	E
金属制品业	0.858	0.867	0.870	0.859	0.868	0.872	0.872	0.867		I	I	I	I	I	I	I
通用设备制造业	0.864	0.876	0.878	0.870	0.871	0.879	0.887	0.875		I	I	I	I	I	I	I
专用设备制造业	0.896	0.907	0.913	0.908	0.910	0.909	0.886	0.904		I	I	I	I	I	E	E
交通运输设备制造业	0.936	1.000	1.000	1.000	1.000	1.000	1.000	0.991		I	I	I	I	I	E	E
电气机械和器材制造业	0.932	0.938	0.940	0.919	0.928	0.919	1.000	0.939		E	I	I	I	I	I	E
计算机、通信和其他电子设备制造业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		I	I	I	I	I	E	I
仪器仪表制造业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		I	I	C	I	I	I	I
其他制造业	0.892	0.901	0.915	0.909	0.918	0.925	0.923	0.912		I	I	I	I	I	I	I
电力、热力、燃气及水生产和供应业
电力、热力生产和供应业	1.000	1.000	0.810	1.000	1.000	0.805	1.000	0.945		L	L	L	L	L	L	L
燃气生产和供应业	1.000	1.000	0.978	0.985	0.987	0.983	1.000	0.990		I	I	I	I	I	I	I
水的生产和供应业	1.000	1.000	1.000	0.971	0.980	0.979	1.000	0.990		I	I	I	I	I	I	I

表2

图1

表3

表4

参考文献 6

[1]	Liu L C, Liang Q M, Wang Q.Accounting for China's regional carbon emissions in 2002 and 2007: Production-based versus consumption-based principles[J]. Journal of Cleaner Production, 2015, 103:384-392.
[2]	中美气候变化联合声明[EB/OL]. (2014-11-13)[2015-06-21]. .
	[China-US Joint Statement on Climate Change [EB/OL]. (2014-11-13)[2015-06-21]. .]
[3]	Wang K, Wei Y M.China’s regional industrial energy efficiency and carbon emissions abatement costs[J]. Applied Energy, 2014, 130: 617-631.
[4]	Ke J, Price L, Ohshita S, et al.China's industrial energy consumption trends and impacts of the top-1000 enterprises energy-saving program and the ten key energy-saving projects[J]. Energy Policy, 2012, 50: 562-569.
[5]	Wang Z H, Zeng H L, Wei Y M, et al.Regional total factor energy efficiency: An empirical analysis of industrial sector in China[J]. Applied Energy, 2012, 97(9): 115-123.
[6]	于鹏飞, 李悦, 高义学, 等. 基于DEA 模型的国内各地区节能减排效率研究[J]. 中国人口·资源与环境, 2010, 20(3): 39-42.
	[Yu P F, Li Y, Gao Y X, et al.Study on efficiency of energy saving and emission reduction by region based DEA model[J]. China Population, Resources and Environment, 2010, 20(3): 39-42.]
[7]	李力, 韩丽媛. 基于能源-经济-环境DEA分析的我国工业发展效率评价研究[J]. 科技管理研究, 2008, 28(5): 93-95.
	[Li L, Han L Y.Study on the efficiency evaluation of China’s industrial development based on the energy-economics-environment DEA model[J]. Science and Technology Management Research, 2008, 28(5): 93-95.]
[8]	汪克亮,杨宝臣,杨力.基于环境效应的中国能源效率与节能减排潜力分析[J].管理评论,2012,24(8): 40-50.
	[Wang K L, Yang B C, Yang L.Analysis on China’s energy efficiency and potentials of energy conservation and emissions reduction from the perspective of environmental impact[J]. Management Review, 2012, 24(8): 40-50.]
[9]	孟晓, 孔群喜, 汪丽娟. 新型工业化视角下“双三角”都市圈的工业能源效率差异-基于超效率 DEA 方法的实证研究[J]. 资源科学, 2013, 35(6): 1202-1210.
	[Meng X, Kong Q X, Wang L J.Regional disparity analysis of industrial energy efficiency in double triangle deltas[J]. Resources Science, 2013, 35(6):1202-1210.]
[10]	黄德春, 董宇怡, 刘炳胜. 基于三阶段 DEA 模型中国区域能源效率研究[J]. 资源科学, 2012, 34(4): 688-695.
	[Huang D C, Dong Y Y, Liu B S.Research on regional energy efficiency in china based on three-stage DEA model[J]. Resources Science, 2012, 34(4): 688-695.]
[11]	孙广生,杨先明,黄祎.中国工业行业的能源效率(1987-2005)-变化趋势、节能潜力与影响因素研究[J].中国软科学,2012,(11):29-39.
	[SUN Guangsheng, YANG Xianming, HUANG Yi.Industrial energy efficiency in China (1987-2005)-trend, conservation potential and influential factors[J]. China Soft Science, 2012, (11): 29-39.]
[12]	Li H, Shi J.Energy efficiency analysis on Chinese industrial sectors: An improved Super-SBM model with undesirable outputs[J]. Journal of Cleaner Production, 2014, 65(4): 97-107.
[13]	Sueyoshi T, Goto M.Investment strategy for sustainable society by development of regional economies and prevention of industrial pollutions in Japanese manufacturing sectors[J]. Energy Economics, 2014, 42(1): 299-312.
[14]	Zhou P, Ang B W, Poh K L.A survey of data envelopment analysis in energy and environmental studies[J]. European Journal of Operational Research, 2008, 189(1): 1-18.
[15]	Charner A, Cooper W W, Rhodes E.Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6):429-444.
[16]	Wang K, Lu B, Wei Y M.China’s regional energy and environmental efficiency: A range-adjusted measure based analysis[J]. Applied Energy, 2013, 112:1403-1415.
[17]	Simar L, Wilson P W.Estimation and inference in two-stage, semi-parametric models of production processes[J]. Journal of econometrics, 2007, 136(1):31-64.
[18]	Wijesiri M, Viganò L, Meoli M.Efficiency of microfinance institutions in Sri Lanka: A two-stage double bootstrap DEA approach[J]. Economic Modelling, 2015, 47: 74-83.
[19]	Lee B L, Worthington A C.Technical efficiency of mainstream airlines and low-cost carriers: New evidence using bootstrap data envelopment analysis truncated regression[J]. Journal of Air Transport Management, 2014, 38(3): 15-20.
[20]	国家统计局工业交通统计司. 2007-2013年中国能源统计年鉴[M]. 北京: 中国统计出版社,2008-2014.
	[National Bureau of Statistics of Industrial Transportation. Chinese Statistics Yearbook [M]. Beijing: China Statistics, 2008-2014.]
[21]	国家统计局. 2007-2013年中国统计年鉴[M]. 北京: 中国统计出版社, 2008-2014.
	[National Bureau of Statistics of China (NBSC). Chinese Statistics Yearbook [M]. Beijing: China Statistics, 2008-2014.]
[22]	王姗姗, 屈小娥. 基于环境效应的中国制造业全要素能源效率变动研究[J].中国人口·资源与环境, 2011, 21(8): 130-137.
	[Wang S S, Qu X E.Research on total factor energy efficiency change of China manufacturing industry considering environmental effects: Based on DEA-Malmquist index empirical study[J]. China Population, Resources and Environment, 2011, 21(8): 130-137.]
[23]	石油和化学工业“十二五”发展规划[EB/OL]. (2011-12-13)[2015-06-21]. .
	[Twelfth Five-Year Development Plan on Petroleum and Chemical Industry[EB/OL]. (2011-12-13)[2015-06-21]. .]
	资有限有效则表示R&D投资对该行业改善能源和环境绩效以及减少二氧化碳排放具有一定的促进作用,但作用有限.
24	如表2所示,石油和天然气开采业、在整个研究阶段均为投资有效的情况,说明这些行业的技术设备等改进空间较大,并且一旦得到改进即会使其经济效益和环境保护达到双赢.医药制造业、黑色金属冶炼和压延加工业在2006-2012年间分别除2011年和2008年研发投资对其有限有效外,其余均为有效,表明这两个行业也应该加大研发投资的投入,使其实现在提高能源和环境效率的同时保持经济效益的提高.对于农副食品加工业、电力、热力生产和供应业等行业而言,R&D投资是有限有效的,说明适当的投资在一定程度和范围内可以平衡这些行业的经济效益和环保行为.煤炭开采和洗选业及食品制造业的综合效率有提高的空间,然而在2006-2010年投资对其无效,但2011年和2012年投资均是有效的,意味着这些行业同样需要加大研发投资.烟草制造业以及黑色金属冶炼和压延加工业等行业的综合效率值较高,同时研发投资对其也有效,这说明适量的投资会使这类行业履行环保责任的同时创造更多的经济效益.化学原料和化学制品制造业及非金属矿物制品业等行业的综合效率较低,但整个研究阶段研发投资对其都是无效的,二者均为高耗能行业,目前制约其发展的主要因素是其不合理的能源结构.
25	总体而言,化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、石油加工炼焦及核燃料加工业、电力热力生产和供应业等六大高耗能行业的综合效率和投资策略存在差异性.黑色金属冶炼及压延加工业的主体是钢铁行业,其在整个研究阶段的综合效率值均为1.000,主要原因是国家近些年鼓励高性能钢铁的研发,通过税收减免、补贴、重大项目支持等形式支持企业的研发、研究成果产业化和发展相关配套设施.投资策略结果表明加大黑色金属冶炼及压延加工业投资力度还可进一步改善其环境绩效.有色金属冶炼及压延加工业以及电力热力生产和供应业的综合效率均值均在0.900以上,其中有色金属冶炼及压延加工业附加值逐年增长,呈现良好发展态势,电力热力生产和供应业作为中国国民经济的基础性支柱行业,在中国经济持续稳定发展的前提下,工业化进程的推进产生日益增长的电力需求,中国中长期电力需求形势依然乐观,电力行业将持续保持较高的景气水平,但适当的技术研发投资仍可提高二者的能源和环境绩效.石油加工、炼焦和核燃料加工业的综合效率均值为0.810,为高耗能高污染的资源型产业,能源结构需要进一步优化.化学原料和化学制品制造业的综合效率均值为0.683,中国作为世界最大的基础化学原料制造国,化学原料和化学制品制造业能源消耗占工业能源消耗的14%,产生大量环境污染物,因此在追求经济效益的同时需要加强环境保护.非金属矿物制品业的综合效率均值均最低,仅为0.472,因为非金属矿物制品业包含建材类产品,例如水泥等高污染、高二氧化碳排行业,知识和技术的扩散有限,仍处于粗放增长的阶段.此外,煤炭开采和洗选业由于行业规模不断扩大,竞争日益激烈,导致供求不平衡,自2010年以来产业附加值逐年下降,其综合效率均值较低,为0.779.
3.	2 Truncated回归结果分析
4	在中国工业能源效率影响因素的研究中,王珊珊等[22]考虑了研发投入、企业规模、外资水平、资本深化及市场竞争等5个因素,Li等[12]探讨了工业结构、能源消费结构、技术进步以及政府规制等四个因素.中国“十一五”和“十二五”规划将工业经济转型是否可以改善工业的能源和环境绩效作为讨论的热点,加之中国目前工业经济基本是加强市场竞争力、推进国企改革以及完善产权法律结构的阶段,结合前人研究的理论基础,本文选取工业结构、能源结构、技术创新以及市场竞争等4方面的7个基本因素来分析综合效率变化的影响因素.具体见表3.
5	表4为Truncated回归结果,根据表4可以得到以下结论:
6	(1)企业规模、资产-劳动力结构以及天然气消费量在能源消费总量占比等因素的系数不显著,这说明三者并不是现阶段中国工业综合效率的主要影响因素.其中企业规模和资产-劳动力结构代表的是工业结构,工业结构对综合效率影响不显著的

影响因素	变量	变量定义/单位
工业结构	ES（企业规模）	各子行业工业总产值/各子行业企业数/（亿元/个）
工业结构	CL（资产-劳动力结构）	各子行业总资产/各子行业从业人员/（万元/人）
能源结构	CS（煤炭）	各子行业煤炭消费量/各子行业能源消费总量/%
能源结构	NS（天然气）	各子行业天然气消费量/各子行业能源消费总量/%
技术创新	RDI（研发投资额）	各子行业R&D投资额/各子行业固定资产/%
技术创新	Ln(RDL)（研发人员）	各子行业的研发人员/人
市场竞争	Ln(MC)（企业个数）	各子行业的企业个数/个

综合效率	系数	z	P>\|z\|
ES	-0.000 3	-0.23	0.820
CL	-0.000 1	-1.02	0.307
CS	-0.153 4^***	-6.25	0.000
NS	-0.152 8	-1.46	0.145
RDI	1.250 6^***	6.88	0.000
Ln(RDR)	-0.017 7^***	-2.65	0.008
Ln(MC)	-0.033 7^***	-3.69	0.000
_cons	1.390 8^***	26.46	0.000
/sigma	0.077 1^***	22.45	0.000
Log likelihood	288.219 9
Wald	219.690 0