制造业能源效率测算与影响因素分析

1、制造业能源效率测算与影响因素分析 基于1995-2008年28个行业面板数据黄山松，谭清美(南京航空航天大学经济与管理学院,江苏南京,210016摘要:基于DEA方法测算了19952008年中国制造业能源效率,并利用Tobit模型探索不同要素密集型制造业能源效率的影响因素。研究表明,中国制造业能源效率的总体水平较低, 并随要素密集度的不同而不同。劳动密集型制造业能源效率最高，技术密集型行业次之，资本密集型行业最低。三大类型制造业能效提高仍有50%以上的空间，“十二五”期间单位GDP节能降耗目标约束的作用应进一步加强。Tobit模型发现进一步促进技术创新、保持适度合理的行业竞争、调整能源消费结构

2、以及扩大企业规模将有利于提高制造业能源效率。关键词：能源效率；三大类型制造业；数据包络分析；影响因素中图分类号:F062.4 文献标识码:A一、引言近五年来，我国国民经济表现出对能源高消费和强依赖的特征，能源巨额消耗对可持续发展施加越来越大的压力。2005年我国政府提出 “十一五”期间单位GDP能耗减排要比“十五”降低20%约束性指标后，到2008年止单位GDP能耗累计共下降10.1。近五年的节能过程遭遇很大困难，这表明现有的以行政区域为对象分解节能降耗约束指标的治理方式本身存在着较大局限性。我国在“十二五”期间有必要以行业或企业为约束对象并分解节能指标。有鉴于此,我们首先必须弄清楚各行业的能

3、源效率状况、节能潜力以及影响因素,然后再在此基础上采取对策措施,以确保国家节能减排目标的实现。为了弄清我国行业能源效率现状及其影响因素，众多学者主要以工业为对象展开研究。唐玲、杨正林（2009）利用DEA方法测算了19982007年中国工业行业能源效率,并利用Tobit模型探索工业经济转型对能源效率提升的影响机制。研究发现,中国工业能源效率的总体水平较低。开放程度高、竞争性强的行业能源效率较高,而开放程度低、垄断程度高的行业能源效率水平低;工业能源效率随着企业规模的扩大呈倒“U”形特征；李世祥、成金华（2008）采用DEA方法,应用不同目标的能源效率评价模型,评价了1990-2006年间中国的

4、能源效率状况,并用“两步法”估计其影响因素。认为工业部门能源效率不高是由能源密集型的工业结构以及生产技术结构所决定的；庞瑞芝,王卢羡等（2009）采用数据包络分析法对经济转型期间工业部门全要素能源效率进行分析，指出中国工业部门增长以能源低效为特征,工业部门全要素能源效率和技术效率都偏低,工业增长模式依旧粗放,重化工业化发展水平较低；周鸿和林凌(2005、史丹(2006、吴巧生和成金华(2006认为产业结构变动对能源效率的影响并不显著,王玉潜(2003则发现产业结构调整对能源效率的提升有负向作用；魏楚和沈满洪(2007a考察了产业结构、政府财政支出、进出口和国有经济比重对于能源效率的影响因素,师

5、博和沈坤荣(2008通过对能源消费结构、国内贸易比重、国有经济比重、FDI和能源价格对于能源效率影响因素的考察,发现市场分割造成了全要素能源的损失。以上研究把研究对象锁定在工业层面而不是省际区域，避免了使用省域宏观数据在加总过程中由于变量的波动性减少所导致严重的信息损失 (涂正革, 2007问题，而以工业行业作为研究单位,信息量更丰富,比以省市作为基本研究单位更能发现能源效率影响因素的制度及行业环境因素（唐玲,杨正林，2009），这对本文研究提供了重要启示。但是，已有的以工业为对象的研究却也忽略了不同行业间要素配置的区别，缺乏对要素配置结构的认识。而要素使用结构是效率变动的起始点，目前方法的缺

6、陷难以实现对不同类型行业的详细评价。另一方面，已有文献一般都是从国家宏观经济层面探讨能源效率的影响因素,鲜有从行业这一中观层面上的探讨，这就使得分析结论难免与行业实际之间存在差距。因此，本文从中观层面上选取不同要素密集度制造业作为研究对象，并在此层面上探讨能源效率变动的具体影响因素，这对于准确地把握制造业能源效率及其根源更具针对性和实际意义。二、 能源效率的研究方法（一）DEA模型介绍与全要素能源效率定义数据包络分析(DEA是由美国著名运筹学家Charnes和 Cooper等于1978年提出的,是在Farrell测度基础上发展起来的一种评价决策单元(decision making unit,D

7、MU相对业绩的非参数方法,其中应用最普遍的模型是C2R模型。假设有个决策单元（），每个决策单元（）都有种输入和种输出，其中，,为第个决策单元的第种输入类型的输入量；表示的第种输出类型的输出量（。分别为决策单元的输入和输出。对于选定的,判断其有效性的径向DEA模型可以表示为:， ， ，其中和分别为剩余变量和松弛变量，为非阿基米德无穷小量，一般取，为该决策单元的有效值，当时，称为DEA有效，当时，称为DEA无效。DEA方法正是通过一系列线性规划的计算来识别处于效率前沿的点,以此作为非效率决策单元的改进目标(Coelli, 1996的。最优前沿由有效率的决策单元构成，非效率点相对于最优前沿上有效点而

8、言存在过度投入,即实现同样产出需要更多的资源。按照Farrell(1957的解释，相对于在效率前沿上的参照点，无效点的无效损失包括两个部分:一部分是由于技术无效率而导致的所有投入过量,这一部分可以通过径量调整来减少;另一部分是由于资源配置不当导致的松弛投入量,这一部分可以通过松弛调整来减少。径向调整量与松驰量之和即为无效点为达到处于最优前沿上的目标点所可能实现的 “节约”数量。正是基于以上方法，Hu和Wang(2006提出了全要素能源效率(total factor energyefficiency,TFEE的概念,并将其定义为在其他要素保持不变的前提下,按照最佳生产实践,一定的产出所需的最少能

9、源投入量与实际投入量的比值。即:，其中为实际投入量，为目标投入量。调整量。该定义包含了除能源要素投入以外的其他要素(资本和劳动力对能源效率的影响。其中,能源投入的目标就是最佳实践的能源投入最低水平。由于实际能源消费总是大于或者等于目标值,所以的值在0、1之间。当指数越接近于1,说明其效率越高,需要的调整量越小;反之,若指数近于0,表明其能源消费的低效率,需要的调整量也就越大。上述目标值与调整值都可以由输入导向型的DEA模型计算获得。本文的主要工作在于沿袭Hu和Wang (2006的思路,基于DEA方法测算中国19952008年28个制造行业的能源效率,分析中国不同要素密集制造业能源效率的特征,

10、并使用Tobit模型探讨能源效率的影响因素。(二投入产出变量的选取、数据来源与处理行业划分：GBT4754-2002将制造业分成30个2位码的大类行业。其中，其他制造业、废弃资源和废旧材料回收加工业统计口径有所调整且数据并不全面，故我们将其除去，只探讨28个行业。根据使用要素的密集程度，我们将这28个行业划分为劳动密集型、资本密集型和技术：这28个行业是： H1农副食品加工业、H2食品制造业、H3饮料制造业、H4烟草制品业、H5纺织业、H6纺织服装、鞋、帽制造业、H7皮革、毛皮、羽(绒毛及其制品业、H8木材加工及木、竹、藤、棕、草制品业、H9家具制造业、H10造纸及纸制品业、H11印刷业和记录

11、媒介的复制、H12文教体育用品制造业、H13石油加工炼焦及核燃料加工业、H14化学原料及化学制品制造业、H15医药制造业、H16化学纤维制造业、H17橡胶制造业、H18塑料制造业、H19非金属矿物制品业、H20黑色金属冶炼及压延加工业、H21有色金属冶炼及压延加工业、H22金属制品业、H23通用设备制造业、H24专用设备制造业、H25交通运输设备制造业、H26电气机械及器材制造业、H27通信设备计算机及其它电子设备制造业、H28仪器仪表及文化办公用机械制造业。密集型三大类型。具体划分是：H1-H3、H5-H12、H2为劳动密集型；H4、H13、H16-H21为资本密集型；H14-H15、H23

12、-H28为技术密集型。投入变量：包括资本、劳动和能源消耗。其中资本投入，利用永续盘存法计算19952008年中国制造业28个行业的资本存量。计算公式为:。其中为第年的资本存量，表示第年的资本存量，表示第年的投资，表示第年的折旧率;对于劳动投入量,我们采用历年制造业从业人员数作为投入量指标；能源投入使用各行业每年的煤炭、石油、天然气和水电等四种主要一次性能源消耗量来表示，折算为标准煤计算,单位为万吨标准煤。表1 制造业各行业能源效率（19952008）行业19951998200020012002200320042005200620072008meanH11.00 0.23 0.33 1.00 1

13、.00 1.00 1.00 1.00 1.00 1.00 1.00 0.80 H20.52 0.25 0.42 0.56 0.45 0.54 0.50 0.58 0.59 0.58 0.55 0.49 H30.47 0.25 0.26 0.30 0.26 0.25 0.34 0.55 0.55 0.57 0.52 0.40 H50.58 0.29 0.29 0.57 0.57 0.52 0.46 0.45 0.40 0.36 0.42 0.43 H60.90 0.98 0.96 0.92 0.90 0.88 0.88 0.88 0.85 0.80 0.83 0.91 H70.78 1.00 1

14、.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.98 H80.52 0.22 0.29 0.56 0.58 0.52 0.56 0.47 0.48 0.28 0.29 0.40 H90.67 0.56 0.61 0.77 0.74 0.68 0.94 0.76 0.78 0.39 1.00 0.67 H100.45 0.44 0.36 0.34 0.26 0.29 0.42 0.22 0.22 0.29 0.23 0.34 H110.52 0.37 0.34 0.35 0.40 0.31 0.45 0.38 0.40 0.41 0.42 0.40 H

15、120.76 0.54 0.62 0.62 0.58 0.61 0.64 0.66 0.69 0.68 0.74 0.65 H220.78 0.38 0.30 0.70 0.71 0.50 0.51 0.52 0.51 0.26 0.34 0.47 H41.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 H130.30 0.21 1.00 1.00 0.31 0.19 0.23 1.00 1.00 1.00 1.00 0.57 H160.33 0.45 0.45 0.10 0.32 0.40 0.28 0.24 0.24 0.

16、23 0.25 0.31 H170.44 0.24 0.22 0.32 0.46 0.25 0.32 0.35 0.35 0.32 0.27 0.32 H180.57 0.27 0.49 0.58 0.57 0.54 0.57 0.54 0.59 0.46 0.36 0.48 H190.30 0.33 0.14 0.14 0.13 0.34 0.43 0.40 0.34 0.35 0.22 0.29 H200.31 0.24 0.20 0.20 0.18 0.16 0.38 0.33 0.28 0.25 0.32 0.26 H210.35 0.36 0.32 0.15 0.27 0.37 0.

17、22 0.18 0.27 0.17 0.34 0.29 H140.29 0.32 0.20 0.20 0.13 0.04 0.29 0.36 0.37 0.30 0.38 0.26 H150.36 0.42 0.22 0.42 0.32 0.25 0.28 0.49 0.49 0.50 0.48 0.38 H230.61 0.28 0.36 0.62 0.66 0.68 0.80 0.75 0.78 0.60 0.66 0.57 H240.73 0.39 0.45 0.59 0.82 0.63 0.74 0.72 0.73 0.63 0.64 0.60 H250.54 0.31 0.37 0.

18、59 0.68 0.72 0.65 0.72 0.76 0.74 0.67 0.56 H260.87 0.72 0.87 0.94 0.93 0.95 1.00 1.00 1.00 1.00 1.00 0.91 H271.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.95 1.00 H281.00 0.88 1.00 0.74 1.00 0.92 1.00 1.00 1.00 1.00 0.83 0.96 数据来源：由DEA方法得到全要素能源投入目标值后，再依能源效率计算公式计算而得。限于篇幅，2000年前结果只列出1995和1998年，其

19、余年份如有需要，可向作者索要。产出变量：我们选用工业总产值表示产出变量，主要考虑是与工业增加值比较, 总产值包括了中间产品转移价值,而正是由于中间产品价值的计算,反映了规模节约和资源配置效率的经济效能,体现了全要素生产率的指标功能。所用数据均来源于中国统计年鉴和中国能源统计年鉴(19962009。三、不同要素密集型制造业能源效率特征分析（一）全要素能源效率变动总特征我们基于上述DEA方法测算了中国28个制造行业在19952008年间的能源效率值,并将其列于表1。从表1可以看出,中国制造业能源效率总体水平较低,各行业能源效率相差比较悬殊。在多数年份能源效率值达到1的行业仅有 H1农副食品加工业、

20、H7皮革、毛皮、羽(绒毛及其制品业、H4烟草制品业、H27通信设备计算机及其它电子设备制造业和H28仪器仪表及文化办公用机械制造业；能效值大于0.8以上处于较高水平的行业也不多，只有H6纺织服装、鞋、帽制造业和H26电气机械及器材制造业。其中,烟草加工业是28个制造行业中能源技术效率最高的行业,在研究样本期内的所有年份其能源效率值均为1。这一结果与唐玲、杨正林（2009）的研究完全相同，能源效率较高行业的结果也与多数研究基本相同。除此之外的其余四分之三的行业样本期间平均能源效率值均处在0.6以下,十五个行业能效值甚至低于50%。行业平均能源效率最低的六个行业分别是: H14化学原料及化学制品、

21、H20黑色金属冶炼及压延加工、H19非金属矿物制品、H21有色金属冶炼及压延加工、H16化学纤维和H17橡胶制造业。说明我国重点耗能行业能耗大、效率低状况并无根本改变。（二）不同要素密集型制造业的能源效率如果按要素密集度对制造业进行区分，那么三大类型制造业的能源效率如表2所示。为方便观察它们的变化情况，我们把表2的数据绘成图1。从表2和图1可见，三大类型制造业能源效率与人们的经验判断或预期比较一致，即劳动密集型制造业能源效率最高，技术密集型行业次之，资本密集型行业最低。在样本期内，劳动密集制造业能效变动较大，自2001年之后维持在相对较高水平，近期有收敛趋势；技术密集制造业能效变动较为平缓，接

22、近于全制造业平均走势，自2005年后有较大改善；资本密集型制造业几乎集中了节能减排的重点对象，但值得肯定的是, 自2005年始，能效值有了较大幅度的提高，说明其节能工作取得了一定成效。但与其他两类行业相比,仍有显著差距。表2 三大类型制造业能源效率类型1995 1997 1998 2000 2001 2002 2003 2004 2005 2006 2007 2008 劳动密集0.64 0.36 0.35 0.36 0.60 0.58 0.54 0.55 0.52 0.51 0.46 0.49 资本密集0.32 0.26 0.28 0.36 0.33 0.22 0.25 0.36 0.44 0

23、.40 0.37 0.39 技术密集0.39 0.29 0.36 0.29 0.34 0.31 0.24 0.42 0.48 0.50 0.44 0.48 行业平均0.39 0.22 0.31 0.34 0.37 0.30 0.28 0.40 0.46 0.44 0.40 0.43 数据来源：由DEA方法计算而得。图1 三大类型制造业能源效率变化引人注目的是，三大类型制造业能效自2005年后都处在较高水平上，这是前十年所没有的现象，这共同说明了我国自2006年以来实施的节能降耗目标约束发挥了作用。由于本文是从全要素角度计量能源效率的，因此节能潜力可容易地由于1-TFEE计得。依此看，制造业四分

24、之三的行业，能效提高仍然有4050%的空间，因此，“十二五”期间单位GDP节能降耗指标可以适当提高，目标约束的作用应进一步加强。四、制造业能源效率的影响因素（一）变量确定与数据来源能源效率改进最重大的背景在于经济增长方式从粗放型向集约型这一全局性转变。在行业层面分析上，我们认为对制造业能源效率发生直接作用的方面主要包括产业结构（特别是制造业内部结构）、企业规模结构和能源消费结构的变动、行业集中、技术进步、能源价格调整等因素。因此本文将这些因素确定为影响能源效率的解释变量，通过合适的回归模型揭示它们与能源效率之间的关系。我们以上文中利用DEA方法计算出的效率值作为因变量,以影响因素作为自变量建立

25、回模型。市场竞争用新产品销售收入占主营业务收入比重表示；企业规模用企业平均资产规模表示；企业技术进步用研究与试验发展经费支出占主营业务收入比重表示;由于我国的主要能源是煤炭,故能源消费结构用煤炭消费占能源消费总量的比重表示; 能源价格用燃料零售价格指数表示，以1995年为基期；行业集中度用制造业赫芬达尔指数表示。以上数据来源于相应年份中国统计年鉴、中国能源统计年鉴和中国科技统计年鉴。制造业结构变动也是一个重要变量，但因本文已对制造业按要素密集程度作了结构区分，并基于结构差别研究能源效率，故对其不再作为变量用于分析。由于各行业能源效率值处于0和1之间,数据被删截,需要建立截断因变量模型,因此采用

26、处理限值因变量的Tobit模型才能避免回归的偏误和不一致。模型构建如下:其中, 和分别表示不同行业和不同年份的对应值, 为潜在变量, 为不同时期不同行业的能源效率, 为比例数，为随机误差项。考虑到数据的可得性和完整性，回归区间为20012008年。(二计量结果分析基于28个行业2001-2008年的面板数据,各行业能源效率影响因素的Tobit模型回归结果如表3所示。Tobit模型的估计系数不能直接解释为相应自变量的边际效应,而只是表示对观察到的的均值和被观察到的概率。由于本文着重研究各种因素对于能源效率的影响方向而非具体效应大小，故对变量系数大小与被解释变量效应不作具体分析。表3 制造业能效影

27、响因素Tobit模型回归结果解释变量全部制造业劳动密集型资本密集型技术密集型-0.202319*（-3.519683）-0.101643*(-1.4875540.097915*（0.097915）-1.363048*（-16.08587）0.910040*（1.812010）-16.63831*(-10.596832.626129*（2.501358）13.27400*（2.163286）0.010594*（0.720913）0.647663*（7.206411）0.030528*（6.580595）2.36053*(4.52290.000503*（1.392119）2.40E-05*（2.9

28、83123）0.000503*（1.392119）-0.000426*（-2.865815）0.004565*（1.542004）-0.006179*（-2.832311）0.772510*(6.22111.035070*(9.0856690.391968*（5.104807）1.626248*（6.872586）Log likelihood-20.9475141.3973610.1455652.32827224966464注：括号中的数值为z值，*、*、*分别表示在1%、5%和10%水平下显著。表示该变量未通过检验、不进入方程。所有检验借助Eviews6.0完成。由表3可见，能源消费结构、市

29、场竞争、企业技术进步和企业规模对制造业整体的能源效率有显著影响，并且前一因素对能源效率改善的作用是负向的，后三个因素的作用则是正向的，这与人们的预期较为一致，也与多数学者的结论相吻合。其中，市场竞争和技术进步的作用更为重要，这表明引入竞争机制、促进技术进步作为引导经济增长方式转变的基本手段，对提高能源效率乃至资源配置的效率都是不可或缺的。本文中能源消费结构是由煤炭消费占一次性能源消费的比重来表示的，它对能源效率改善的负向作用表明，制造业煤炭能耗越高，能源效率就越低，反之亦然。能源价格变量未能进入方程令人意外，但却反映了我国的现实，即多数重点耗能行业或企业处于产业链的低端，对能源价格变化消化能力

30、并不强。就劳动密集型制造业而言，对制造业整体的能效产生影响的因素同样对它发生了作用，区别在于除能源消费结构、市场竞争、企业技术进步和企业规模外，能源价格对该类行业的能效产生了正向效应。表明劳动密集制造业对能源价格变动反映及时，价格能发挥其节能导引功能；劳动密集制造业能效对技术进步负效应。这可能是由于该类行业的技术进步主要应用于产品创新而不是用于要素配置或能效改进方面所导致。在资本密集制造业方面，变量的回归系数均为正。企业技术进步对该行业能效的影响最显著，这也符合我们的一般预期；行业集中度有助于该类制造业能效的提升，但效果并不突出；企业规模大是该类型行业的显著特征，一般来说，企业规模大可以使要素

31、配置得更合理，使用更充分更加集约化，从而使能源利用同其他要素一样获得规模收益,回归结果说明了这一点；能源消费结构变量系数为正，与另两类行业都不同，反映了资本密集行业长期以来是我国煤炭消费主体的事实，能效的提高之于它们就是煤炭利用效率的提高。技术密集制造业能效受企业技术进步、能源消费结构、市场竞争、行业集中度和能源价格的影响比较明显。其中技术进步施加重大影响，能源消费结构次之；后三个变量系数都较小。值得注意的是，能源消费变量与能源效率负相关,也就是该行业煤炭消费越多，能效就越低。其中合理的解释可能是，技术密集行业本来更适合的能源消费结构是多使用电力等非煤能源而少消耗煤炭，而实际上由于我国能源供给

32、结构的制约只好使用了不经济的煤炭，从而降低了能效。一般来说，能源价格的上涨会提高企业的生产成本,从而促使企业在生产过程中采用更加节能的生产设备和技术,尽量减少能源的消耗。因而,能源价格的上升有利于提高能源的利用效率。在这里，能源价格变量对能效却产生负效应，一个原因可能是能源价格变量选择不当，以燃料零售价格指数表示的能源价格无法真实反映该行业能耗变动情况；另一个原因则与上述导致能耗与能效负相关的原因相同，即行业更适合使用非煤能源，但由于其他能源价格相对较高引起使用煤炭替代，从而导致能效下降。如是,对于技术密集制造业，改善当前以煤炭为主的能源消费结构,大力推行高效、环保类能源将会提升该类行业的能源

33、效率并有利于节能减排工作的落实。五、结论与启示本文基于DEA方法测量了中国制造业19952008年间的能源效率,并对不同要素密集制造业能源效率的特征进行了分析,最后建立tobit计量模型重点探讨影响中国制造业能源效率的因素，主要得到以下几点结论和启示。首先，制造业能源效率变化的特征分析表明,中国制造业能源效率总体水平较低,各行业能源效率相差比较悬殊，劳动密集型制造业能源效率最高，技术密集型行业次之，资本密集型行业最低。三大类型制造业能源效率年平均最高值不超过46%，最低仅有22%。因此，通过提高制造业能源效率进而节能降耗仍具有较大的潜力和空间。其次，近期制造业整体能效值显示出上升的趋势。资本、

34、技术密集制造业能效自2005年后都比前十年抬升到一个新平台，并且近三年来三类制造业能效值维持在各自较高水平上。说明我国自2006年以来实施的节能降耗目标约束发挥了作用。再次，能源效率最低的子行业几乎都属于资本密集制造业。表明该类型行业在较长时期内面临巨大能源消耗和节能减排的沉重压力。与之相比，劳动、技术密集行业显示较高效率，从这个意义上，我们应重新审视片面追求能源密集型的工业结构和制造业重化倾向，优先发展低能耗、低污染的技术密集型行业，扩大劳动密集型制造业规模。坚持用先进适用技术改造资本密集行业中高耗能产业,以实现工业经济结构的优化升级与能耗消费、环境改善的协调一致。最后，使用Tobit模型对

35、中国制造业能源效率影响因素的检验表明,能源消费结构、市场竞争、企业技术进步和企业规模等因素对制造业整体的能源效率有显著影响，尤其是市场竞争和技术进步的作用更为重要。这表明引入竞争机制、促进技术进步作为引导经济增长方式转变的基本手段，对提高能源效率乃至资源配置的效率都发挥着重大作用。其中，资本、技术密集制造业能效对技术进步，劳动、技术密集行业对能源消费结构，劳动、资本密集行业对企业规模等的反映更为敏感。但能源价格无法对能效产生重要影响的现象令人担心，这说明自2007年底以来成品油、电力价格上调为主要内容的能源价格改革对制造业，尤其是资本密集制造业能源效率改进以及节能减排的作用还相当有限。我国应尽

36、快完善能够反映资源稀缺程度、市场供求关系和环境成本的能源价格形成机制,以发挥其节能减排的调节功能。参考文献：1唐玲,杨正林.能源效率与工业经济转型基于中国19982007年行业数据的实证分析J 数量经济技术经济研究.2009,（10）：30-42.2 屈小娥.中国省际全要素能源效率变动分解基于Malmquist指数的实证研究J. 数量经济技术经济研究.2009,（8）：35-47.3 史丹:我国经济增长过程中能源利用效率的改进J.经济研究.2002,(94 陈勇,李小平:中国工业行业的技术进步与工业经济转型对工业行业技术进步的DEA法衡量及转型特征分析J.管理世界.2007,(65 史丹,吴利

37、学,傅晓霞等:中国能源效率地区差异及其成因研究基于随机前沿生产函数的方差分解J.管理世界.2008,(26 魏楚,沈满洪(a.能源效率及其影响因素:基于DEA的实证分析J.管理世界.2007,(8:66-69.7 魏楚,沈满洪(b.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,(98 曾胜,黄登仕.中国能源消费、经济增长与能源效率基于19802007年的实证分析J. 数量经济技术经济研究.2009,（8）:18-269 李世祥,成金华.中国能源效率评价及其影响因素分析J. 统计研究,2008,(10:18-2510 李国璋,霍宗杰.中国全要素能源效率、收

38、敛性及其影响因素基于1995-2006年省际面板数据的实证分析J.经济评论,2009,(6:101-109.11 Jin-Li Hu,Shih-Chuan Wang,2006,“Total-factor Energy Efficiency of Regions in China”,Energy Policy,34,pp.32063217.12 Fare R, Grosskopf S, Norrism , et al.Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries

39、J, American Economic Review, 1994, 84: 6683.13 Caves D W, Christensen L R, Diewert W E.Multilateral Compositions of Output, Inputand Pro-ductivity Using Superlative Index NumbersJ, Economic Journal, 1982, 92: 73286.14 Coelli,T.J.,1996, A Guide to DEAP Version2.1: A Data Envelopment Analysis (Compute

40、rProgram, CEPA Working Paper96/8, Departmentof Econometrics, University of New England, Armidale NSW Australia.15Farrel,M.J.,1957,“The Measurement of Productive Efficiency”,Journal of Royal Statistical Society, 120, pp.253281.Study on the Energy Efficiency and its Determinants of Manufacturing industry in China Based on DEA ModelHANG Shan-song1, TAN Qing-mei 2 (1Department Of Social science, Guangxi University