EN中文

Resources Science >

2018 , Vol. 40 >Issue 12: 2438 - 2450

DOI: https://doi.org/10.18402/resci.2018.12.11

A study on the consistency and influencing factors of China’s provincial energy saving and environmental protection

  • LIU Haiying , 1, 2 ,
  • SHANG Jing , 1, 2, 3 ,
  • WANG Dianwu 1, 2
Expand
  • 1. Center for Quantitative Economics, Jilin University, Changchun 130012, China
  • 2. Business School, Jilin University, Changchun 130012, China
  • 3. Heilongjiang Provincial Academy of Social Science, Harbin 150018, China

Received date: 2018-05-09

  Request revised date: 2018-09-21

  Online published: 2018-12-10

Copyright

《资源科学》编辑部
Fold

Abstract

Energy conservation and environmental protection are two basic footholds for practicing the concept of green development of China. Whether the two can be coordinated is related to the sustainable development of China's economy. Incorporated the clean structure of energy consumption into the non-radial directional distance function (NDDF) which based on environmental technology, and used it to measure the energy saving efficiency, environmental protection efficiency, energy saving and environmental protection efficiency of total factors, and judged the realization of the consistency of inter-provincial energy conservation and environmental protection in China from 2001 to 2016 according to the calculation results. Found that if the clean structure of energy consumption is not considered, it will lead to the underestimation of the above-mentioned DEA total factor efficiency value. It is also found that the phenomenon of energy saving and environmental imbalance is more common than high energy consumption and high pollution. Probit model regression results show that the direction and intensity of the impact of fiscal energy conservation and environmental protection expenditure on energy conservation and environmental protection consistency depends on the level of economic development. On the contrary, the improvement of economic development level and the enhancement of environmental regulation have a negative impact on the realization of energy conservation and environmental protection consistency. The former suggests the existence of the phenomenon that sacrificing resources and environment to exchange for economic growth, while the latter illustrates that the Potter effect of “appropriate environmental regulation can stimulate technological innovation” has not yet appeared in China. The level of openness has a negative impact on achieving energy conservation and environmental coherence. Although this negative impact is small, it is enough to warn of the existence of “pollution paradise” risk.

Key words： total factors efficiency; consistency of energy conservation and environmental protection; Non-radial Directional Distance Function(NDDF); clean structure of energy consumption; Probit Model; China

Cite this article

LIU Haiying , SHANG Jing , WANG Dianwu . A study on the consistency and influencing factors of China’s provincial energy saving and environmental protection[J]. Resources Science, 2018 , 40(12) : 2438 -2450 . DOI: 10.18402/resci.2018.12.11

1 引言

中国的能源消耗结构一直以化石能源为主,化石能源消耗不仅排放出大量的温室气体,而且往往伴随着环境的污染。从这个意义上讲,污染物排放量减少应与能源消耗量降低正相关,但实际上并不完全等同,二者有其各自的形成特质与影响关系[1,2]。
目前在中国工业生产过程中,节能不环保、环保不节能现象普遍存在。如应用于清洁能源生产领域的光伏太阳能电池板,尽管其最终使用会减少化石能源消耗,但其上游产业多晶硅制造过程却伴随着高耗能和高污染[3,4];电力行业在政府补贴背景下,为满足SO2和氮氧化物减排的环保要求,大规模使用高耗能的脱硫和脱销工艺;在城市污水处理领域,如果将出水水质从一级A提高到地表水Ⅳ类水质标准,能源消耗量也将成倍增加,即更高环保目标的实现要以能源的大量消耗为代价。
节能和环保是践行中国绿色发展理念的两个基本立足点。节能不环保,将导致自然环境趋于恶化,损害社会公众的福利,而环保不节能,则不仅会导致温室气体超排,还会威胁国家能源安全。因此,节能和环保是否能够协调一致,事关中国经济的可持续发展。已有文献对节能环保综合绩效的关注程度较高[5,6,7],而对于节能与环保绩效关联性的相关研究较少。余泳泽[7]在研究2003—2008年中国节能减排潜力时,测算得到年均节能效率为0.671,COD年均减排效率为0.393,SO2年均减排效率为0.345。王兵等[8]在研究绿色全要素生产率贡献时,发现SO2和COD减排绩效优于节能绩效。上述研究证明了在同一框架下比较节能绩效与污染物排放绩效的可行性。Zhou等[9]提出非径向方向性距离函数（Non-radial Directional Distance Function, NDDF）建模方法,将能源投入和二氧化碳排放同时纳入DEA（Data Envelopment Analysis）模型,通过改变约束条件,给出全要素的能源效率、二氧化碳减排效率及综合效率的测度方法。该方法被广泛用于考虑能源和环境因素的效率测度 [5,10],Wang等 [11]基于非径向方向性距离函数测度了2005—2009年中国30个省、市、自治区的工业全要素能源效率。梁俊[12]建立非径向的 DEA模型框架,分析了中国工业增长与环境双赢发展状况。然而,以上研究并没有对节能与环保的关联性做进一步的深入分析。
基于此,本文在同一投入产出框架下,以“效率”作为节能环保的度量标准,采用基于环境技术的非径向方向性距离函数,构建全要素的节能效率、环保效率和节能环保效率（下文分别简称为节能效率、环保效率和节能环保效率）的DEA模型体系,提出节能与环保是否一致的判定条件,并检验2001—2016年中国省际节能与环保的一致性,运用Probit模型考察政府节能环保管理等因素对实现节能与环保一致性的影响,探索实现节能与环保一致的有效途径。为控制潜在期望产出对全要素节能效率、环保效率、节能环保效率值的影响,将Zhou等[9]的非径向方向性距离函数中期望产出的约束条件设定为“=”。此外,还考察了能源消费的清洁化结构对全要素效率测度结果的影响。

2 研究方法与数据来源

2.1 判定节能与环保一致性的研究方法

2.1.1 基于非径向方向性距离函数的全要素效率测度
假设N个决策单元都使用M种能源投入,记为 E m m = 1,2 , ⋯ , M ;K种非能源投入,记为 N E k k = 1,2 , ⋯ , K ;生产P种期望产出,记为 Y p p = 1,2 , ⋯ , P ,并伴随Q种非期望产出,记为 B q q = 1,2 , ⋯ , Q 。生产技术集 T = E m , N E k , Y p , B q : E m , N E k 能够生产 Y p , B q 满足以下条件：
（1） E m , N E k , Y p , B q ∈ T 且 B q = 0 ,则有 Y p = 0 ;
（2） ∑ n = 1 N B n q > 0 ,且 ∑ q = 1 Q B n q > 0 成立,其中 n = 1,2 , ⋯ , N ,表示第n个决策单元;
（3）若 E m , N E k , Y p , B q ∈ T ,且0≤ θ ≤1,则 E m , N E k , θ Y p , θ B q ∈ T ,其中, θ 为期望产出扩张和非期望产出压缩的比例。
以相对最佳的方向和比例扩张期望产出并缩减投入要素及非期望产出的非径向方向性距离函数[5,9,10]的一般形式为：
D ⃗ E m , N E k , Y p , B q : g = sup ω T β : E m + g E m , N E k + g N E k , Y p + g Y p , B q + g B q ∈ T （1）
式中 ω = ω E m , ω N E k , ω Y p , ω B q 为能源投入、非能源投入、期望产出和非期望产出的权重向量; g = - g E m , - g N E k , g Y p , - g B q 为以 β = β E m , β N E k , β Y p , β B q 为比例缩减投入要素,增加期望产出和减少非期望产出的方向向量。当 β = β E m , β N E k , β Y p , β B q = 0 时,表明该决策单元的投入产出比例相对最佳,为相对技术有效单元,是当期生产边界的开拓者。否则,说明决策单元相对技术无效,距离当期生产前沿面还有一定差距,存在提升空间。
全要素效率=潜在强度/实际强度[9,10]（以能源强度为例,潜在能源强度=潜在能源投入/潜在期望产出;实际能源强度=实际能源投入/实际期望产出）的定义方式,实现了同一生产技术集下的节能效率、环保效率、节能环保效率数值上的可比性。但是,效率值会受到潜在期望产出的影响,导致节能与环保一致性判定结果的误差增加。为克服这一可能出现的干扰,有必要控制期望产出,即假定期望产出不变（约束条件取“=”）,这与Zhou等[9]文献的“≥”所表示的期望产出不减少的设定不同。应用公式（1）计算全要素效率的线性规划为：
D ⃗ E m , N E k , Y p , B q : g = max : 1 4 1 M ∑ m = 1 M β E m + 1 K ∑ k = 1 K β N E k + 1 P ∑ p = 1 P β Y p + 1 Q ∑ q = 1 Q β B q s.t. ∑ n = 1 N λ n E n m ≤ 1 - β E m E n m ( m = 1,2 , ⋯ , M ) ∑ n = 1 N λ n N E n k ≤ 1 - β N E k N E n k ( k = 1,2 , ⋯ , K ) ∑ n = 1 N λ n Y n p = 1 + β Y p Y n p ( p = 1,2 , ⋯ , P ) ∑ n = 1 N λ n B n q = 1 - β B q B n q ( q = 1,2 , ⋯ , Q )
0 ≤ β E m , β N E k , β B q ≤ 1 ; β Y p ≥ 0 ; λ n ≥ 0 ; n = 1,2 , ⋯ , N
（2）
同一生产技术集下,节能非径向方向性距离函数为：
D EC → E m , N E k , Y p , B q : g = sup ω T β : E m + g E m , N E k , Y p , B q ∈ T （3）
式中能源节约的方向向量为 g = - g E m , 0,0 , 0 ,每类能源的权重为 ω = 1 M , 0,0 , 0 。
环保非径向方向性距离函数为：
D EP → E m , N E k , Y p , B q : g = sup ω T β : E m , N E k , Y p , B q + g B q ∈ T （4）
式中环境污染物减排的方向向量为 g = 0,0 , 0 , - g B q ,每种环境污染物的权重为 ω = 0,0 , 0 , 1 Q 。
相应地,节能效率为：
F EC = 1 - D EC → E m , N E k , Y p , B q : g （5）
环保效率为：
F EP = 1 - D EP → E m , N E k , Y p , B q : g （6）
当 F EC = 1 时,节能效率有效,决策单元节能效率相对最佳;当 F EP = 1 时,环保效率有效,决策单元环保效率相对最佳。然而,即使节能效率与环保效率同时有效,仍然无法识别节能与环保的内在关联是互相促进还是掣肘,还需考察节能与环保的协调性[5,6]。根据公式（1）关于非径向方向性距离函数的设定,定义兼顾节能环保的非径向方向性距离函数为：
D EE → E m , N E k , Y p , B q : g = sup ω T β : E m + g E m , N E k , Y p , B q + g B q ∈ T （7）
式中能源节约和污染物减排的方向向量为 g = - g E m , 0,0 , - g B q ,每类能源和环境污染物的权重为 ω = ω E m , 0,0 , ω B q = 1 2 M , 0,0 , 1 2 Q 。与之对应的全要素效率称为节能环保效率,计算公式为：
F EE = 1 - D EE → E m , N E k , Y p , B q : g （8）
公式（8）用于度量决策单元节能与环保的协调程度,若 F EE = 1 ,表示二者具有协调性;若 F EE ≠ 1 ,表示二者不具有协调性。
2.1.2 节能与环保一致性的判定条件
节能与环保一致包括两个方面,一是节能与环保的现实表现一致;二是节能与环保具有协调性。因此,称一个决策单元具有节能与环保一致性必须同时满足以下两个条件：
（1）节能效率与环保效率同时有效,即 F EC = F EP = 1 ;
（2）节能环保效率有效,即 F EE = 1 。等价于 F EC = F EP = F EE = 1 。否则,称节能与环保不一致。
2.1.3 数据描述性统计
为考察能源消费的清洁化结构对全要素效率测度是否存在影响,将能源投入以两种方式纳入计算过程。一是以能源消费总量表示,这与大多数文献的做法一致[8,9,10]。二是根据能源使用过程中污染物的排放强度将能源分为非清洁化能源和清洁化能源。“清洁化能源”区别于传统意义上的清洁能源,既包括可再生能源（水电、风能、太阳能、生物质能等）和核电,还包括煤电和天然气。清洁能源的清洁性指的是符合一定的排放标准,是对能源清洁、高效、系统化应用的技术体系 [13]。因此,清洁化能源的界定更应关注能源消耗后的排放是否清洁,而不应过度关注能源自身的属性。本文中将非清洁化能源界定为煤炭、原油的终端消费量以及各种成品油消费量的总和,清洁化能源界定为电力和天然气消费量之和。将煤电和天然气归为清洁化能源的原因如下：
（1）二者都是国家能源结构调整的重要对象,国家《能源发展“十三五”规划》[14]及《能源生产和消费革命战略（2016—2030）》[15]都将提高天然气消费比重和煤炭清洁利用作为构建清洁低碳能源新体系的重要内容。
（2）煤电是煤炭清洁化利用的主要手段,国家发放大量补贴用于减少污染排放,煤电企业基本能够达到排放标准。随着煤电机组的技术革新和改造升级,煤电转化效率持续提升,污染排放不断下降,煤电清洁化程度也将越来越高。如果一次能源转变二次能源的过程符合排放标准,二次能源在使用过程中无污染,二次能源就具有清洁性的特征。
（3）国家《北方地区冬季清洁取暖规划（2017—2021）》[16]将天然气供暖、电供暖与可再生能源供暖等均称为清洁供暖。国家能源局网站解读清洁取暖时将天然气、电、地热、生物质、太阳能、工业余热、清洁化燃煤（超低排放）、核能等称为清洁化能源。
非能源投入的设定与大多数文献[5,6,7,8,9,10]一致,以固定资本存量（固定资本存量基础数据和计算方法参考张军等[17]的计算方法）表示资本投入,用年均从业人员总数表示劳动投入。期望产出用可比价格地区生产总值表示。4种非期望产出分别用废水和废气中的主要污染物COD,氨氮化合物,SO2和烟（粉）尘排放量表示。样本期内,决策单元的单位产值能耗及污染物排放的描述性统计见表1。各省份万元GDP能耗和万元GDP污染物排放量均呈逐年下降趋势,但省际差异较大。清洁化能源消费量占能源消费总量的比重逐年递增,能源消费结构的清洁化水平显著提升。
Table 1 Descriptive statistics of provincial energy conservation and environmental protection indicators in China from 2001 to 2016(base period 2001)

表1 2001—2016年中国省际节能、环保指标的描述统计（2001年为基期）

描述统计量/单位 最大值 最小值 均值 样本标准差
单位产值能耗/（tce/万元） 5.01 0.49 1.62 0.790
单位产值非清洁化能耗/（tce/万元） 4.09 0.26 0.98 0.550
单位产值清洁化能耗/（tce/万元） 1.16 0.10 0.21 0.040
单位产值COD排放量/（t/亿元） 554.24 9.40 61.52 0.340
单位产值氨氮排放量/（t/亿元） 33.04 1.24 6.20 0.002
单位产值SO2排放量/（t/亿元） 1 071.66 5.60 79.04 2.180
单位产值烟（粉）尘排放量/（t/亿元） 735.90 4.08 59.74 1.430

2.2 影响节能与环保一致性因素研究方法

2.2.1 模型设定说明
决策单元是否具有节能环保一致性是一个属性变量,以之作为被解释变量,需将其数量化。令 Y = 1 , 决策单元具有节能与环保一致性 0 , 决策单元不具有节能与环保一致性 ,显然Y是一个二元离散变量,故选择Probit模型研究实现节能与环保一致性的影响因素。
Probit模型[18,19,20]的数学表达式为：
Prob Y = 1 | X = G X T β = ∫ - ∞ X T β 1 2 π exp - t 2 2 dt （9）
式中G为标准正态累积分布函数（cdf）, X T = 1 , X 1 , X 2 , … , X K 为解释变量; β = β 0 , β 1 , β 2 , … , β K 为待估参数。公式（9）可由一个潜变量模型导出,设 Y * 是一个潜在变量,与 X T 之间具有线性关系 Y * = X T β + u ,其中, u 是随机扰动项。那么, Y 和 Y * 的关系为 Y = 1 , Y * > 0 0 , Y * ≤ 0 ,G为标准正态累积分布函数（cdf）, Y 的响应概率为：
P Y = 1 | X = P Y * > 0 | X = P u > - X T β = 1 - G - X T β = G X T β （10）
X j 对响应概率 P Y = 1 | X 的偏效应是：
∂ P Y = 1 | X ∂ X j = ∂ G X T β ∂ X j = g X T β β j （11）
式中 g z = ∂ G z ∂ z = φ z ,是标准正态概率密度（pdf）。 X j 对响应概率 P Y = 1 | X 的偏效应取决于 β j 与一个正数 g X T β 的乘积,且总具有与 β j 相同的符号, g X T β 称为比例因子或调整因子,与全部解释变量相关,因而随 X 值而变化。但是,若公式（9）中含有 X j 的 m 次方项 X j m ,或者交互项 X j × X i 时, X j 对响应概率 P Y = 1 | X 的偏效应与 X j 或 X i 的值直接相关,符号不再与 β j 完全一致。计算偏效应时,有两种方法可用来找到一个适用于所有 β j 的比例因子。
第一种方法是用解释变量观测值的均值计算比例因子：
g X ̅ β ̂ = g β ̂ 0 + β ̂ 1 X ̅ 1 + ⋯ + β ̂ K X ̅ K （12）
其中 g X ̅ β ⌢ × β ⌢ i 称为均值偏效应。
第二种方法是对每个观测值计算比例因子,然后计算样本均值,得到平均偏效应：
1 N ∑ i = 1 N g X i β ̂ β ̂ j = 1 N ∑ i = 1 N g X i β ̂ β ̂ j （13）
本文的解释变量和控制变量中包含二次项和交互项,分别应用以上两种方法计算的比例因子在数值上差异较大,为保证计算结果的稳健性,采用二者的算术平均值作为最终比例因子,则 β ⌢ i 对响 应概率 P Y = 1 | X 的偏效应为 1 2 1 N ∑ i = 1 N g X i β ̂ + g X ̅ β ̂ β ̂ i 。
2.2.2 变量选择
政府行为是节能与环保能否实现一致的决定性因素,而政府在节能与环保领域的管理能力又受经济社会发展水平的制约。因此,考察节能与环保一致性实现的影响因素时,将反映政府管理节能环保事务的能力、力度和成效的指标作为解释变量。将经济发展水平,经济结构变化,科技进步,对外开放水平[21,22,23,24]等作为控制变量。解释变量和控制变量指标选择及说明见表2。
Table 2 Variable selection that affects the consistency of energy conservation and environmental protection

表2 影响节能与环保实现一致的变量选择

变量属性 变量代码 变量名称 变量含义/单位
解释变量 Z1 政府对节能环保的管理力度 财政预算支出中节能环保支出所占比重/%
Z2 政府对工业污染的规制强度[25] 工业污染治理投资占GDP比重/%
Z3 能源消费强度 单位GDP能源消费量/（tce/万元）
控制变量 X1 经济发展水平[21,22,26-28] 不变价格的人均GDP的对数
X2 产业结构[7,29,30] 第三产业增加值占地区GDP份额/%
X3 产权结构[22,31] 国有控股工业总产值占工业总产值比重/%
X4 工业结构 高耗能高污染行业总产值占工业总产值比重/%
X5 城市化率[32] 城镇人口占总人口比重/%
X6 科技基础条件 单位R&D人员占有研发经费/（万元/人）
X7 国内自主研发能力 国内发明专利申请授权量/%
X8 科技占有量规模 技术市场成交额占销售产值比重/%
X9 外资利用水平 外商直接投资与GDP之比/%
X10 出口贸易 出口总额与GDP之比/%
X11 进口贸易 进口总额与GDP之比/%
财政支出反映政府政策选择,体现政府活动的方向和范围。节能环保支出一方面能够直接用于改善生态环境,一方面能够发挥财政资金的引领功能,引导社会资本聚焦节能环保领域,推动节能环保进步,预期其对节能与环保一致性的实现具有积极作用。工业污染治理投资体现政府对环境污染的规制强度[25]。政府环境规制加强,会促使企业增加污染治理投资,反之,则会降低污染治理投资力度。也有学者用排污费收入作为政府环境规制强度的衡量指标[32],但是,2018年1月1日《环境保护税法》正式实施,有关排污收费规章和规范性文件同时废止。将工业污染治理投资占GDP比重作为一个解释变量的另一个目的是从节能与环保一致的视角验证“波特假说”的存在性。能源强度变化是能源政策、环境政策、节能环保规制、技术进步等多方力量共同作用的结果,预期能源强度下降有利于节能与环保实现一致。
环境污染物排放与经济增长之间若存在倒“U”型环境库茨涅兹曲线关系,在本文中将以“U”型曲线的方式呈现。为此,引入人均GDP的对数的二次项（X12）,考察经济发展水平对实现节能与环保一致性的影响是否存在拐点。财政收支与经济发展水平高度相关[28],为考察经济发展水平是否还通过财政节能环保支出间接影响节能与环保一致性的实现,引入节能环保支出和人均GDP对数的交互项Z1×X1。由于对“经济结构”的表述不一,甚至导致截然相反的研究结论[31]。为避免单一指标造成参数估计偏倚,本文选取产业结构、产权结构、工业内部结构和城市化率四个指标表示经济结构,见表2。单一指标也难以保证描述科技进步的客观性。研发投入[33]能够反映科技活动规模,但是衡量科技活动成效的能力有限。相对国外技术的引进和吸收,国内的自主研发力度弱且实用性小,用授权专利数衡量技术进步也存在不足之处[34]。而且,技术的获取还包括交易、购买、FDI（Foreign Direct Investment,外商直接投资）的方式[35],技术市场是促进科技与经济结合,优化配置科技资源,推动科研成果转化的重要平台,技术市场成交额能够体现科技占有量规模。综上选择多个指标表征科技进步较为合适。已有研究用不同指标表征对外开放水平。魏楚等[29]采用地区进出口贸易总额占 GDP 比重来表示对外开放程度。王兵等[22]和涂正革[33]分别研究了FDI对环境效率的影响,却得到相反的结论。林伯强等[36]认为对外贸易同时通过进、出口两种途径对能源效率产生影响。为验证是否存在“污染天堂”,“隐性污染转移风险”,“对外贸易依赖”等现象,选取外资利用规模、出口贸易和进口贸易三个变量反映对外开放水平。

2.3 数据来源

本文以2001—2016年中国30个省、直辖市和自治区为基本决策单元（由于统计数据不全,本次研究不包括西藏、香港、澳门和台湾）。计算数据来源于2002—2017年间的历年《中国统计年鉴》[37],《中国能源统计年鉴》[38,39,40]和《中国环境统计年鉴》[41,42]。
从2007年开始,国家及各省统计年鉴将“节能环保支出”作为各省财政预算支出专项指标独立统计,涵盖的内容的不断调整和扩充,名称历经“环境保护”（2007—2010年）,“节能保护”（2011年）,到“节能环保”（2012年—至今）的系列变化,但是支出项目均涉及节能和环保领域,为简洁起见,本文中统称为财政节能环保支出。受财政节能环保支出数据的可得性限制,节能与环保一致性影响因素分析是基于2007—2016年相关统计数据进行的。

3 节能与环保一致性判定结果及分析

3.1 能源消费的清洁化结构对全要素效率测度的影响

节能、环保、节能环保效率的累计计算次数均为480省次。不考虑能源消费的清洁化结构时,节能效率有效380省次,环保效率和节能环保效率有效的省份数量均为65省次。考虑能源消费的清洁化结构情形下,节能效率有效 405省次,环保效率有效与节能环保效率有效的省份数量均为110省次。考虑能源消费的清洁化结构后,全要素的节能效率、环保效率、节能环保效率的有效性显著增加,增加的省次情况如表3所示。
Table 3 Additional provinces which energy efficiency or environmental efficiency is effective in the context of considering the clean structure of energy consumption (years)

表3 考虑能源消费的清洁化结构情形下,新增的节能效率或环保效率有效的省份（年份）

类别 考虑能源消费的清洁化结构情形下,新增的效率有效的省份（年份）
节能效率
（25省次）		 辽宁（2010—2012年）;吉林（2002年,2011年,2014年,2016年）;江苏（2005年）;浙江（2008年,2011年）;安徽（2003年）;江西（2002—2003年）;山东（2002—2010年,2014年）;广西（2011年）;陕西（2003年）
环保效率
（45省次）		 天津（2011—2015年）;吉林（2011—2016年）;黑龙江（2009—2016年）;江苏（2001年）;安徽（2004年）;福建（2005—2009年）;江西（2001年,2003年,2005—2010年）;湖南（2005年,2008—2009年,2011—2016年）;海南（2011—2012年）
如图1所示,考虑能源消费的清洁化结构情形下,节能效率值、环保效率值、节能环保效率值均比不考虑能源消费的清洁化结构时增加,环保效率增幅大于节能效率增幅,二者差距随时间呈递增趋势。直接以能源消费总量作为投入要素而不考虑能源消费的清洁化结构的做法,造成节能效率值、环保效率值、节能环保效率值的低估。这一关系也表明能源消费的清洁化结构优化有利于提升全要素的节能效率、环保效率、节能环保效率。因此,将能源作为DEA效率模型的投入要素时,应考虑能源消费的清洁化结构的影响。除论证能源消费的清洁化结构对全要素效率测度的影响外,本文的分析均以考虑能源消费的清洁化结构情形下的效率值为基础。
Figure 1 The increase rates of total factor efficiency under consideration of the clean structure of energy consumption in China from 2001 to 2016

图1 2001—2016年中国考虑能源消费的清洁化结构情形下全要素效率提升幅度

3.2 实现节能与环保一致性的省份数量及时空分布

样本期内,实现节能与环保一致性的省份数量累计110省次,不足计算省次总数的1/4,数量上仍有很大提升空间。按照四大区域划分方式（东部地区包括北京,天津,河北,上海,江苏,浙江,山东,福建,广东,海南;东北地区包括辽宁,吉林,黑龙江;中部地区包括山西,安徽,江西,河南,湖北,湖南;西部地区包括内蒙古,广西,重庆,四川,贵州,西藏（未包含于本文的样本空间）,云南,陕西,甘肃,青海,宁夏,新疆）,分析节能与环保一致的实现情况是否具有区域差异。节能与环保一致的省份空间分布的区域差异特征显著,东部地区实现节能与环保一致共计77省次,中部地区18省次,东北地区14省次,西部地区1省次,分别占各区域计算省次总数的48.13%,18.75%,29.17%,0.57%。节能与环保一致的省份数量随时间增加缓慢,“十五”时期,实现31省次,“十一五”时期,实现34省次,“十二五”时期,实现37省次,2016年实现8省次。
能源消费的清洁化结构优化有利于节能与环保一致性的实现。考虑能源消费的清洁化结构后,节能与环保一致的省份累计数量从65省次增加至110省次,新增省份如表4所示。新增节能与环保一致的45省次与新增环保效率有效省次完全一致,其中仅有3省次是由于能源消费的清洁化结构优化使得节能效率、环保效率、节能环保效率同时变为有效而实现节能与环保一致,其他42省次均是由于能源消费的清洁化结构优化使环保效率、节能环保效率变为有效而实现的。
Table 4 Province statistics with energy conservation and environmental protection consistency in China in the two contexts of whether considering the clean structure of energy consumption from 2001 to 2016

表4 2001—2016年是否考虑能源消费的清洁化结构两种情形下中国具有节能与环保一致性的省份统计

年份 节能与环保一致的省份 年份 节能与环保一致的省份
2001 北京、上海、福建、广东、海南、江苏、江西 2009 北京、天津、上海、广东、海南、黑龙江、福建、江西、湖南
2002 北京、上海、福建、广东、海南 2010 北京、上海、广东、海南、黑龙江、江西
2003 北京、上海、福建、广东、海南、江西 2011 北京、上海、广东、天津、吉林、黑龙江、湖南、海南
2004 北京、上海、福建、广东、海南、安徽 2012 北京、上海、广东、天津、吉林、黑龙江、湖南、海南
2005 北京、上海、广东、海南、福建、江西、湖南 2013 北京、上海、广东、天津、吉林、黑龙江、湖南
2006 北京、上海、广东、海南、福建、江西 2014 北京、上海、广东、天津、吉林、黑龙江、湖南
2007 北京、上海、广东、海南、福建、江西 2015 北京、上海、广东、天津、吉林、黑龙江、湖南
2008 北京、上海、广东、海南、福建、江西、湖南 2016 北京、天津、上海、广东、新疆、吉林、黑龙江、湖南

注：表中斜体字的省份为考虑能源消费的清洁化结构后新增的节能与环保一致的省份。

3.3 节能与环保不一致的原因分析

样本期内,节能效率有效405省次,其中环保效率无效295省次,表明节能不一定环保。节能效率与环保效率均无效的省份75省次,证明高耗能必然高污染。可见,节能与环保失衡的现象比高耗能高污染更普遍。环保效率有效的省份（110省次）节能效率也有效,意味着环保必然节能。根据年度全要素效率均值绘制图2。从图2可以看出节能效率年度均值高于环保效率（与余泳泽[7]的研究结论一致）,节能环保效率均值高于环保效率而低于节能效率。效率有效次数和效率均值的差异都表明节能绩效优于环保绩效。
Figure 2 Average values of total factor efficiency of energy saving, environmental protection, and energy saving and environmental protection in China from 2001 to 2016

图2 2001—2016年中国全要素的节能效率、环保效率、节能环保效率均值

节能与环保失衡现象出现的普遍性是由能源和环境污染物在生产过程中的属性差异决定的。能源作为投入要素,是生产成本的一部分,生产主体出于降低生产成本,获得超额利润的目的,必然想方设法提高能源利用率,减少能源投入量。环境污染物作为生产过程的“坏产出”,无法带来经济利润。在一定技术条件下,要减少环境污染物的产出量和排放量,生产主体要么减少期望产出量,要么增加投入用于处理环境污染物,二者都将损失经济利润。如果没有外在的环境规制压力,市场经济条件下以追求经济利润最大化为目标的生产主体不可能自愿为减少环境污染物而放弃经济利润。生产主体关于成本—收益的决策导致了环保效率低下,造成节能与环保失衡。

4 影响节能与环保一致性的因素分析

4.1 Probit回归模型估计

首先采用Probit模型[43]确定解释变量节能环保支出（Z1）,工业污染治理投资完成额占GDP比重（Z2）,单位GDP能源消费量（Z3）与被解释变量节能与环保一致性的因果关系形式,拟合结果如表5所示。参数估计结果显著性较强,节能环保支出比重和节能与环保一致性的实现概率之间为二次型关系。工业污染治理投资完成额占GDP的比重对节能与环保一致性的影响是负向的。单位GDP能耗下降有利于实现节能与环保一致。但,衡量线性概率模型拟合优度指标的McFadden R2值为0.3855,不够理想,表示可能遗漏了具有重要影响的变量。
Table 5 Probit model estimation results (1)

表5 Probit模型估计结果（1）

变量 Z1 Z12 Z2 Z3 C（常数项）
系数 -2.173 6* 0.374 2* -8.457 6* -2.145 8* 5.398 5*
McFadden R2 0.385 5 LR statistic 114.900 6 AIC 0.715 3
期望—预测表检验 82.96% Prob(LR statistic) 0.000 0 SC 0.782 0

注：*,**,***分别表示在1%,5%,10%水平上显著。

接下来,在模型中引入控制变量,剔除不显著的国内发明专利授权（项）数和技术市场成交额占销售产值比重（二者对实现节能与环保一致性有正向影响,但是不显著）后,模型估计结果如表6所示。引入控制变量后,拟合优度增强,McFadden R2增加至0.6454,AIC和SC两个统计量值显著下降为0.5173和0.7439。截断值为0.5的期望—预测值检验表明模型分组正确率达到90.74%,控制变量的引入是合适的。除了政府节能环保管理影响节能与环保一致性的实现,其他经济因素对实现节能与环保一致性也有显著影响。利用Probit回归模型系数估计值计算解释变量和控制变量影响节能与环保一致性实现概率的偏效应,如表6所示。
Table 6 Probit model estimation results (2)

表6 Probit模型估计结果（2）

变量 估计系数 偏效应 变量 估计系数 偏效应
Z1 -13.817 4* -0.012 7 X4 -0.056 4*** -0.003 3
Z12 0.370 2** — X5 0.375 9* 0.022 2
Z2 -14.979 3* -0.885 9 X6 -0.152 0* -0.009 0
Z3 -3.395 7** -0.200 8 X7 — —
X1 -57.927 1* -0.005 9 X8 — —
X12 2.379 9* — X9 -1.322 7* -0.034 1
Z1×X1 1.130 8** — X92 0.067 5 —
X2 0.091 8** 0.005 4 X10 -0.087 9* -0.005 2
X3 -0.100 2** -0.005 9 X11 0.067 1** 0.004 0
McFadden R2 0.645 4 常数项 339.276 9* —
期望预测表检验 90.74% AIC 0.517 3
LR statistic 192.370 5 SC 0.743 9
Prob(LR) 0.000 0

注：*,**,***分别表示在1%,5%,10%水平显著。

考虑到节能与环保一致性实现的省际差异,针对每个省份分别计算比例因子及解释变量和控制变量对响应概率 P Y = 1 | X 的偏效应。各省份的比例因子大小具有较大差异,比例因子超过5%的省份有天津、吉林、黑龙江、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广东、广西、海南、重庆,共15个省份,这些省份实现节能与环保一致性的概率对外在因素的影响更敏感。比例因子较小的省份分为两类,一类是节能与环保一致的两个直辖市北京和上海;另一类是河北等13个在样本期内未曾实现节能与环保一致性的省份。

4.2 实现节能与环保一致性的影响因素分析

在控制经济发展水平,经济结构、科技进步、对外开放等因素的情况下,增加财政节能环保支出有利于实现节能与环保一致性。但是,财政支出用于节能环保的比重对节能与环保一致性实现概率的影响方向和强度依赖于经济发展水平,导致省份之间的情况不尽相同。一定经济发展水平下,北京、河北、内蒙古、吉林、黑龙江、江苏、广东、重庆、甘肃、青海、宁夏共11个省份的财政节能环保支出对实现节能与环保一致具有积极作用。工业污染治理投资完成额占GDP的比重对实现节能与环保一致的响应概率的偏效应为负。节能与环保失衡现象的大量存在也说明经济活动主体治理污染的积极主动性还不高,迫于政府环境规制压力完成的污染治理投资额越大反而说明污染越严重,也表明“合理的环境规制会促进企业技术创新,从而实现保护环境和提高竞争力的‘波特效应’”还未显现。这与谢荣辉[44]的研究结论一致。单位GDP能耗对节能与环保一致性实现概率的偏效应为负,表明能源强度下降有利于节能与环保一致性实现。单位GDP能源消耗量下降一方面提高节能效率;另一方面减少环境污染物排放量,促进环保效率提升。
经济发展水平、经济结构因素、科技进步、对外开放水平对提高节能与环保一致性的实现概率既有积极作用也有消极影响。
人均GDP对数和节能与环保一致性的实现呈二次型关系,与财政节能环保支出存在正向交互作用。但是,人均GDP对数对节能与环保一致性实现概率的偏效应为负,经济发展水平提高对节能与环保一致性实现概率的影响与预期相反,并没有起到促进作用,反而成为阻力,提示以牺牲资源环境换取经济增长现象的存在。高耗能高污染行业比重下降和第三产业增加值比重提升对实现节能与环保一致的响应概率有正向的偏效应,表明产业结构优化有利于节能与环保实现一致。城市化水平的偏效应为正,城市化的集聚效应客观上能够推动能源规模化利用,有利于提高能源利用效率,同时也更便于环境污染物集中处理和资源化利用,推动节能与环保趋于一致。进口总额与GDP之比提高对节能与环保一致性实现具有促进作用。国际先进知识和技术通过进口贸易促进中国的技术水平提升[45],从而提高节能、环保效率。
国有控股经济比重、单位R&D人员占有研发经费、外商直接投资与GDP之比、出口额与GDP之比四个因素对节能与环保一致性实现的响应概率有负向偏效应。国有企业的公有产权属性导致其在各类所有制企业中效率处于较低水平[46,47],对实现节能与环保一致性产生不利影响。科技投入对节能与环保一致性实现概率的负向偏效应提示科技投入的方向应该向节能环保领域倾斜。外商直接投资与GDP之比、出口额占GDP比重对提高节能与环保一致性实现概率的负向影响,警示“污染天堂”风险的存在。引进FDI导致的高污染高耗能行业转移[36]不利于实现节能与环保一致。本文还发现外商直接投资与GDP之比对天津、上海、江苏、海南实现节能与环保一致的偏效应为正,说明外商直接投资对东道国资源环境的负向影响是可以弱化和克服的。以上4个省市FDI规模居全国各省份前列但并不是最大,表明一定的FDI规模是纠正其消极环境影响的必要条件,但不是决定因素。出口商品中,生产过程高耗能高污染的产品对国内环境的负面影响极大,是“污染天堂”的另一种表现形式。

5 结论及政策建议

5.1 结论

将能源消费的清洁化结构纳入非径向方向性距离函数,测算全要素的节能效率、环保效率和节能环保效率,提出节能与环保一致性判定条件,并据此考察了2001—2016年中国省际节能与环保一致性的实现情况及影响因素,获得以下研究结论：
（1）将能源作为DEA效率模型的投入要素时,不考虑能源消费的清洁化结构会造成对全要素的节能效率、环保效率、节能环保效率值的低估。清洁化能源比重提高,有利于节能与环保实现一致。
（2）节能与环保失衡（295省次）的现象比高耗能高污染（75省次）更普遍,环保弱化是实现绿色发展的短板。
（3）财政节能环保支出比重提高有利于节能与环保一致性实现的概率增加,与经济发展水平的交互作用强化了这一正向影响。然而,经济发展水平提高、环境规制增强却对实现节能与环保一致性有负向影响,而节能与环保失衡恰恰是由于环保绩效低造成的,因此,可以认为前者提示存在以牺牲资源环境换取经济增长的现象,后者说明合适的环境规制会刺激企业技术创新的“波特假说”效应还未显现。优化能源消费的清洁化结构、降低能源强度、提高城市化率,有利于实现节能与环保一致。科技进步推动节能与环保一致性实现的潜力亟待挖掘。对外开放水平对节能与环保一致性实现概率的负向影响警示“污染天堂”风险的存在。

5.2 政策建议

基于前文的实证结果,实现节能与环保协调一致,相互促进,提高绿色发展水平,应从以下方面做出努力。
（1）增加财政节能环保支出,提高政府对节能环保事务的调控能力和执行能力。
（2）加快经济结构优化升级步伐。协调省际节能环保政策,严防严控高耗能高污染企业择地建厂,防范承接产业转移带来的资源环境破坏风险。加快国有企业改革步伐,提升国有企业节能效率、环保效率,发挥国有企业在节能环保领域的带动作用。城市化进程更要提质增效,使其成为推动绿色发展的动力源泉。
（3）加快发展节能环保产业,大力鼓励和支持节能环保技术创新,通过对生产设备和生产工艺的绿色改造升级、更新换代,推行清洁生产方式,提高产业结构清洁度。
（4）扩大对外开放,提高对外开放质量。建立健全外资项目绿色审核机制和出口产品生产过程的绿色评估机制,加强对引进外资的绿色监管,防止成为外资产业的“污染天堂”。同时通过规模经济和“出口中学”[48]效应,提高出口贸易品生产过程的清洁水平,防止因出口贸易带来隐性污染转移。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Williams R H.Low cost strategies for coping with CO2 emission limits[J]. The Energy Journal, 1990, 11(4): 35-60.

[2]
段文斌, 刘大勇, 余泳泽. 异质性产业节能减排的技术路径与比较优势-理论模型及实证检验[J]. 中国工业经济, 2013, (4): 69-81.

[Duan W B, Liu D Y, Yu Y Z.Technology path choices and comparative advantages of heterogeneous industries for energy saving & emission reduction-theoretical model and empirical evidence[J]. China Industrial Economics, 2013, (4): 69-81. ]

[3]
卢兰兰, 毕冬勤, 刘壮, 等. 光伏太阳能电池生产过程中的污染问题[J]. 中国科学: 化学, 2013, 43(6): 687-703.

[Lu L L, Bi D Q, Liu Z, et al. Pollution problems in the production process of solar cells[J]. Scientia Sinica (Chimica), 2013, 43(6): 687-703. ]

[4]
孙利利, 赵雪锋, 付宏祥. 光伏太阳能电池生产中的污染问题分析[J]. 节能, 2015, 398(11): 64-66.

[Sun L L, Zhao X F, Fu H X.Analysis of pollution in photovoltaic solar cell production[J]. Energy Conservation, 2015, 398(11): 64-66. ]

[5]
Zhou D Q, Wang Q W, Su B, et al. Industrial energy conservation and emission reduction performance in China: a city-level nonparametric analysis[J]. Applied Energy, 2016, 166: 201-209.

[6]
王锋, 冯根福. 基于DEA窗口模型的中国省际能源与环境效率评估[J]. 中国工业经济, 2013, (7): 56-68.

[ Wang F, Feng G F.Evaluation of China’s regional energy and environmental efficiency based on DEA window model[J]. China Industrial Economics, 2013, (7): 56-68. ]

[7]
余泳泽. 我国节能减排潜力、治理效率与实施路径研究[J]. 中国工业经济, 2011, (5): 58-68.

[Yu Y Z.The potential of energy-saving and emission-reducing, the efficiency of pollution control and implementation path[J]. China Industrial Economics, 2011, (5): 58-68. ]

[8]
王兵, 刘光天. 节能减排与中国绿色经济增长-基于全要素生产率的视角[J]. 中国工业经济, 2015, (5): 57-69.

[ Wang B, Liu G T.Energy conservation and emission reduction and China’s green economic growth-based on a total factor productivity perspective[J]. China Industrial Economics, 2015, (5): 57-69. ]

[9]
Zhou P, Ang B W, Wang H.Energy and CO2 emission performance in electricity generation: a non-radial directional distance function approach[J]. Eur J Oper Res, 2012, 221(3): 625-635.

[10]
Zhang N, Zhou P, Choi Y.Energy efficiency, CO2 emission performance and technology gaps in fossil fuel electricity generation in Korea: ameta-frontier non-radial directional distance function analysis[J]. Energy Policy, 2013, 56(2): 653-662.

[11]
Wang Z H, Zeng H L, Wei Y M, et al. Regional total factor energy efficiency: anempirical analysis of industrial sector in China[J]. Appl Energy, 2012, (97): 115-123.

[12]
梁俊. 环境约束下中国工业增长与节能减排双赢绩效研究-一个非径向DEA模型分析框架[J]. 产业经济研究, 2014, (2): 93-102.

[Liang J.Win-win performance of China's industrial growth and energy conservation and emission reduction under environmental restriction: a non-radial DEA analytical framework[J]. Industrial Economics Research, 2014, (2): 93-102. ]

[13]
李宇灏. 当前清洁能源的发展概况[J]. 地球, 2015, (9): 54-55.

[Li Y H.Current envelopment of clean energy[J]. The Earth, 2015, (9): 54-55. ]

[14]
国家发展改革委员会, 国家能源局. 能源发展“十三五”规划[EB/OL]. (2017-01-17)[2018-05-16].

[National Development and Reform Commission, National Energy Administration. The 13th Five-Year Plan for Energy Development[EB/OL]. (2017-01-17)[2018-05-16].

[15]
国家发展改革委员会, 国家能源局. 能源生产和消费革命战略(2016-2030)[EB/OL]. (2017-04-25)[2018-05-16].

[National Development and Reform Commission, National Energy Administration. Energy Production and Consumption Revolutionary Strategy (2016-2030) [EB/OL]. (2017-04-25)[2018-05-16].

[16]
发展改革委, 能源局, 财政部, 等. 北方地区冬季清洁取暖规划(2017-2021)[EB/OL]. (2017-12-20)[2018-05-16].

[National Development and Reform Commission, National Energy Administration, Ministry of Finance, et al. Winter Cleaning and Heating Plan in the North(2017-2012) [EB/OL]. (2017-12-20)[2018-05-16].

[17]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000[J]. 经济研究, 2004, (10): 35-44.

[ Zhang J, Wu G Y, Zhang J P.The estimation of China's provincial capital stock: 1952-2000[J]. Economic Research Journal, 2004, (10): 35-44. ]

[18]
高铁梅. 计量经济分析方法与建模EViews应用及案例[M]. 北京: 清华大学出版社, 2006.

[Gao T M.Econometric Analysis Methods and Modeling EViews Applications and Cases[M]. Beijing: Tsinghua University Press, 2006. ]

[19]
陶长琪. 计量经济学教程[M]. 上海: 复旦大学出版社, 2012.

[Tao C Q.Econometrics Course[M]. Shanghai: Fudan University Press, 2012. ]

[20]
潘省初. 计量经济学中级教程(第二版)[M]. 北京: 清华大学出版社, 2013.

[Pan X C. Econometrics Intermediate Course (Second Edition)[M]. Beijing: Tsinghua University Press, 2013. ]

[21]
Mork K A.Business cycles and the oil market[J]. Energy Journal, 1994, 15: 15-38.

[22]
王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究, 2010, 45(5): 95-109.

[ Wang B, Wu Y R, Yan P F.Environmental efficiency and environmental total factor productivity growth in China’s regional economies[J]. Economic Research Journal, 2010, 45(5): 95-109. ]

[23]
Atkeson A, Kehoe P J.Models of energy use: putty-putty versus putty-clay[J]. American Economic Review, 1999, 89(4): 1028-1043.

[24]
傅晓霞, 吴利学. 中国能源效率及其决定机制的变化-基于变系数模型的影响因素分析[J]. 管理世界, 2010, 204(9): 45-54.

[Fu X X, Wu L X.Changes in China's energy efficiency and its determining mechanism: analysis of influencing factors based on variable coefficient model[J]. Management World, 2010, 204(9): 45-54. ]

[25]
王俊能, 许振成, 胡习邦, 等. 基于DEA理论的中国区域环境效率分析[J]. 中国环境科学, 2010, 30(4): 565-570.

[Wang J N, Xu Z C, Hu X B, et al. Analysis of environmental efficiencies and their changes in China based on DEA theory[J]. China Environmental Science, 2010, 30(4): 565-570. ]

[26]
张志辉. 中国区域能源效率演变及其影响因素[J]. 数量经济技术经济研究, 2015, (8): 73-88.

[Zhang Z H.China’s regional energy efficiency evolution and its affecting factors[J]. The Journal of Quantitative & Technical Economics, 2015, (8): 73-88. ]

[27]
袁鹏, 程施. 中国工业环境效率的库兹涅茨曲线检验[J]. 中国工业经济, 2011, (2): 79-88.

[Yuan P, Cheng S.Examining Kuznets curve in environmental efficiency of China’s industrial sector[J]. China Industrial Economics, 2011, (2): 79-88. ]

[28]
王江宏. 我国地方经济发展与财政收入增长的实证分析[J]. 西安交通大学学报(社会科学版), 2013, 33(6): 21-26.

[Wang J H.Empirical analysis of China's local economic development and fiscal revenue growth[J]. Journal of Xi’an Jiaotong University(Social Sciences), 2013, 33(6): 21-26. ]

[29]
魏楚, 沈满洪. 能源效率及其影响因素: 基于DEA的实证分析[J]. 管理世界, 2007, (8): 66-76.

[Wei C, Shen M H.Energy efficiency and its influencing factors: empirical analysis based on DEA[J]. Management World, 2007, (8): 66-76. ]

[30]
齐绍洲, 王班班. 开放条件下的技术进步、要素替代和中国能源强度分解[J]. 世界经济研究, 2013, (9): 3-9.

[Qi S Z, Wang B B.Technical progress, factor substitution and China's energy decomposition under open economy condition[J]. World Economy Study, 2013, (9): 3-9. ]

[31]
袁晓玲, 张宝山, 杨万平. 基于环境污染的中国全要素能源效率研究[J]. 中国工业经济, 2009, (2): 76-86.

[Yuan X L, Zhang B S, Yang W P.The total factor energy efficiency measurement of China based on environmental pollution[J]. China Industrial Economics, 2009, (2): 76-86. ]

[32]
王兵, 侯冰倩. 中国区域绿色发展绩效实证研究-基于全局非径向方向性距离函数[J]. 中国地质大学学报(社会科学版), 2017, 17(6): 24-40.

[Wang B, Hou B Q.Empirical study of regional green development performance in China-based on global non-radial directional distance function[J]. Journal of China University of Geosciences(Social Sciences Edition), 2017, 17(6): 24-40. ]

[33]
涂正革. 环境、资源与工业增长的协调性[J]. 经济研究, 2008, (2): 93-105.

[Tu Z G.The coordination of industrial growth with environment and resource[J]. Economic Research Journal, 2008, (2): 93-105. ]

[34]
曾贤刚. 中国区域环境效率及其影响因素[J]. 经济理论与经济管理, 2011, (10): 103-110.

[Zeng X G.Environmental efficiency and its determinants across Chinese regions[J]. Economic Theory and Business Management, 2011, (10): 103-110. ]

[35]
魏楚, 沈满洪. 结构调整能否改善能源效率: 基于中国省级数据的研究[J]. 世界经济, 2008, (11): 77-85.

[Wei C, Shen M H.Whether structural adjustment can improve energy efficiency: a study based on Chinese provincial data[J]. The Journal of World Economy, 2008, (11): 77-85. ]

[36]
林伯强, 刘泓汛. 对外贸易是否有利于提高能源环境效率-以中国工业行业为例[J]. 经济研究, 2015, 50(9): 127-141.

[Lin B Q, Liu H X.Do energy an environment efficiency benefit from foreign trade? The case of China’s industrial sectors[J]. Economic Research Journal, 2015, 50(9): 127-141. ]

[37]
中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2002-2017.

[National Bureau of Statistics of the People's Republic of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2002-2017. ]

[38]
国家统计局工业交通统计司, 国家发展和改革委员会能源局. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2000-2007.

[Department of Industry and Transport Statistics of the People’s Republic of China, Energy Bureau National Department and Reform Commission. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 2000-2007. ]

[39]
国家统计局能源统计司, 国家能源局综合司. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2008.

[ Department of Energy Statistics, National Bureau of Statistics of the People’s Republic of China, Department of General Affairs National Energy Administration of the People’s Republic of China. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 2008. ]

[40]
国家统计局能源统计司. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2009-2017.

[Department of Energy Statistics, National Bureau of Statistics of the People’s Republic of China. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 2009-2017. ]

[41]
国家统计局, 国家环境保护总局. 中国环境统计年鉴[M]. 北京: 中国统计出版社, 2002-2007.

[ National Bureau of Statistics, State Environmental Protection Administration. China Statistical Yearbook on Environment[M]. Beijing: China Statistics Press, 2002-2007. ]

[42]
国家统计局, 环境保护部. 中国环境统计年鉴[M]. 北京: 中国统计出版社, 2008-2017.

[ National Bureau of Statistics, Ministry of Environmental Protection. China Statistical Yearbook on Environment[M]. Beijing: China Statistics Press, 2008-2017. ]

[43]
高铁梅, 李颖, 梁云芳. 2009年中国经济增长率周期波动呈U型走势-利用景气指数及Probit模型的分析和预测[J]. 数量经济技术经济研究, 2009, (6): 3-14.

[Gao T M, Li Y, Liang Y F.The business cycle will be u shaped in 2009[J]. The Journal of Quantitative & Technical Economics, 2009, (6): 3-14. ]

[44]
谢荣辉. 环境规制、引致创新与中国工业绿色生产率提升[J]. 产业经济研究, 2017, (2): 38-48.

[Xie R H.Environmental regulation, induced innovation, and growth of green productivity in China[J]. Industrial Economics Research, 2017, (2): 38-48. ]

[45]
谢建国, 周露昭. 进口贸易、吸收能力与国际R&D技术溢出: 中国省区面板数据的研究[J]. 世界经济, 2009, 32(9): 68-81.

[Xie J G, Zhou L Z.Import trade, absorptive capacity and international R&D spillovers: a study of panel data in China's provinces[J]. The Journal of World Economy, 2009, 32(9): 68-81. ]

[46]
聂辉华, 贾瑞雪. 中国制造业企业生产率与资源误置[J]. 世界经济, 2011, (7): 27-42.

[Nie H H, Jia R X.The mistake of productivity and resources in Chinese manufacturing enterprises[J]. The Journal of World Economy, 2011, (7): 27-42. ]

[47]
吴延兵. 国有企业双重效率损失研究[J]. 经济研究, 2012, 37(3): 1-10.

[Wu Y B.The dual efficiency losses in Chinese state-owned enterprises[J]. Economic Research Journal, 2012, 37(3): 1-10. ]

[48]
Melitz M J.The impact of trade on intra-industry reallocations and aggregate industry productivity[J]. Econometrica, 2003, 71(6): 1695-1725.

Options
Outlines

/

〈 〉