中国能源效率与产业结构演变的空间差异研究

中国能源效率与产业结构演变的空间差异研究

一、资源禀赋对区域经济增长具有促进作用1993年，au最初提出了“资源诅咒”的概念。换句话说，丰富的资源对一些国家的经济增长没有充分条件，而是限制。此后国外很多学者对此进行了理论研究和实证研究。张力小、梁竞(2010)以31个省份2010年的能源和水资源的面板数据,运用统计模型资源的“诅咒”效应不仅作用于区域经济发展上,也同样作用于资源利用效率上。姜磊和季民河(2011)利用GWR模型研究指出能源资源丰沛的地区,能源强度较高。工业以及工业重型化是能源效率难以提高的原因之一,技术进步可以降低能源强度。围绕这一理论,我国许多学者大体就资源禀赋与经济增长,资源效率和产业结构两个层面进行了的研究。在第一层面的研究中,陈林生和李刚(2004)研究了能源和区域经济发展的关系,发现自然资源丰富的地区反而停留在较低的发展水平上。张其仔和郭朝先(2010)在经济增长中纳入资源环境因素,发现我国经济增长的性质还未完全摆脱资源驱动型的特征。刘涛等(2011)指出内蒙古丰富的自然资源禀赋对其第二产业拉动作用很大,对采掘业拉动作用最大。王智新和梁翠(2012)年的研究指出不同人口规模和资源禀赋的地区可以积极探索制度改革,提高社会分工水平实现区域经济增长。叶素云和叶振宇(2012)研究得出沿海地区城市的资源禀赋条件越好,越有利于吸引企业投资。张天舒(2013)资源禀赋对地区经济增长的负面影响通过弱化制度环境而产生。吴海兵等(2013)的研究指出能源自给率与工业增加值占比具有稳定且显著的关系,产业结构的演进对能源资源禀赋存在一定的依赖性。林勇等(2014)利用空间计量模型研究得出自然资源禀赋与区域经济增长显著正相关,自然资源丰裕在一定程度上能促进地区经济增长,但作用力较小。在资源效率和产业结构的研究中,孟昌和陈玉杰(2012)指出综合能源效率总体呈下降趋势,各区域产业沿着高耗能的重化工业化的方向加速发展,可能是能效下降的直接原因,而低资源价格可能是诱因。朱胜清等(2013)建立向量自回归模型研究能源效率对产业结构演变的响应机理和区域差异。结果表明东部地区产业结构演变高度大于中西部和东北地区,能源效率呈自东南向西北递减态势。薛文骏和徐瑞扬(2013)的研究表明我国产业结构变动同经济增长和能源效率分别互为Granger因果关系,并且能够促进经济增长和能源效率的提高。潘雄峰(2014)的研究表明产业转移有利于我国区域能源效率的收敛水平提升。关伟和许淑婷(2014)研究辽宁省的能源效率和产业结构问题,结果表明能源效率与产业结构整体耦合度较低,产业结构高级度与能源效率的耦合度相对较高。从区域的角度来看我国的资源禀赋,呈现出相对紧缺和发展不平衡的特点。改革开放三十多年的发展,我国资源省与加工省、资源丰富地区与资源贫乏地区在经济总量、发展速度和产业结构上出现了巨大的发展落差,这种落差的形成,固然受到改革的时序安排、体制问题以及区位条件、国家政策倾向的影响,但不可否认重资源开采、轻资源深加工的产业政策在这种经济增长的差异中起到了推波助澜的作用。我国不同地区资源禀赋差异巨大,产业安排不同,资源的效率更是巨大,他们三者之间的关系如何?本文拟从区域的角度出发,研究我国地区资源禀赋、地区产业结构安排和资源效率之间的关系。二、学习方法(一)dea模型的输出DEA是评价决策单元(decisionmakingunit,DMU)有效性的典型方法,但它在指标处理方面仍存在不足。无论是C2R模型还是BC2模型,都只要求决策单元的输入输出严格为正。后来的研究发现,输入输出指标间的相关性会影响DEA效率值的测算。为了处理众多指标间相关性对DEA效率值的影响,提高DEA测算的精度,Friedman和Sinuany-Stern将DEA相对效率思想运用到典型相关分析中,用典型相关分析来解决指标相关性对效率测度的影响以及利用DEA不能为所有DMU排序的缺陷。(二)线性组合相关变量典型相关分析(CCA)是研究两组变量间相关关系的一种多元统计分析方法。设有两组随机变量(x1,x2,…,xp)和(y1,y2,…,yq),其研究的重点是分别找到变量(x1,x2,…,xp)的一个线性组合V和(y1,y2,…,yq)的一个线性组合W,使得到的新的综合变量V=a1x1+a2x2+…+apxp=a`X与W=b1y1+b2y2+…+bqyq=b`Y之间有最大可能的相关系数,以充分反映两组变量间的关系。称a`X和b`Y是X和Y的第一对典型相关变量,它们之间的相关系数为第一对典型相关系数,依此类推可以得出第i对典型相关变量。在研究中,设有两组变量,一组是产业结构要素变量组,为控制变量;另一组为资源禀赋组,为效标变量。(三)研究设计与模型构建用典型相关分析产生的典型变量作为综合指标应用于DEA方法的C2R模型中,能在尽可能保留原有信息的前提下,起到降维和消除输入输出指标间相关性影响的作用,并且得到的输入输出变量间的相关性最大,而输入指标或输出指标间的相关性最小。在应用于C2R模型构建Pareto效率边界时,是在固定规模报酬(constantreturnstoscale,CRS)的假设下衡量各决策单元的相对有效,求解得到的是综合效率。再进一步使用DEA的BC2模型评价决策单元的技术效率是否最佳,然后利用关系式:综合效率=技术效率×规模效率,推导出其规模效率,并进行规模经济分析。三、示范分析(一)研究区域设定自然资源是来自大自然、对人类生活生产有用的物质要素,主要包括地壳的矿物岩石、地表形态、土壤覆盖层、地上与地下资源、海洋资源、淡水资源、太阳光能、热能以及生物圈的动植物界等。在对经济系统分析时,往往反映的是对土地资源、林木资源、水利资源和矿产资源的分别统计。由于自然资源是一个难以量化的指标,为研究的方便,本文以地区能源产量来近似地表达该地区的自然资源丰度,并通过标准煤折算系数将所有能源转换为标准煤。具体包括原煤生产量x1(万吨)、原油生产量x2(万吨)、天然气生产量x3(亿立方米)和发电量x4(亿千瓦时)。产出和产业结构分别用第一产业增加值(y1)、第二产业增加值(y2)和第三产业增加值(y3)三个指标来反映。本文沿用2000年国家制定西部大开发政策时的东、中、西部划分标准。即东部地区包括北京、天津、海南等11个省(市);中部地区包括山西、吉林、黑龙江等8个省;西部地区包括重庆、广西、内蒙古等12个省、自治区和直辖市。数据采用2012年的年度数据,由于西部地区的西藏自治区历年的能源产量数据均缺失,西部地区不再考虑西藏。数据来自EPS数据平台。(二)中部地区能源生产与三次产业结构典型相关分析结果根据典型相关分析方法要求,输入变量组为能源产量=(原煤生产量x1,原油生产量x2,天然气生产量x3,发电量x4)。输出变量组为三次产业结构=(第一产业y1,第二产业y2,第三产业y3)。利用SPSS分析软件,首先得到了东部地区能源产量与三次产业结构典型相关分析结果。如表1所示。第一对典型相关系数为0.991,进行Wilks检验对应的p值为0.002,表明第一对典型相关变量是显著相关的。第二对典型相关变量的相关系数是0.809,但是对应的Wilks检验对应的p值为0.296,表明第二对典型相关变量的相关性不显著,因此仅考虑第一对典型相关变量。从东部地区的典型相关分析结果可以看出,在提取出的第一对典型变量中,在输入变量也即能源变量的线性组合中,在发电量这一变量上的系数绝对值最大,在输出变量也即产业变量的线性组合中,第二产业增加值的系数绝对值最大,而且第二产业增加值的系数和发电量的系数方向一致。表明东部地区产业结构这一典型变量主要由第二产业决定,而能源禀赋这一变量,主要由电力能源来决定,且发电量对东部地区第二产业的发展具有促进作用。中部地区能源生产量与三次产业结构典型相关分析结果如表2所示。第一对典型相关系数为0.994,进行Wilks检验对应的p值为0.092,表明第一对典型变量的相关性是显著的。第二对典型相关系数为0.905,但Wilks检验对应的p值为0.482,表明第二对典型变量的相关性不显著,因此仅考虑第一对典型相关变量。中部地区的典型相关分析结果可以看出,第一对典型变量的输入变量中,原煤产量的系数绝对值最大,原油产量的系数绝对值次之,也比较大。在输出变量中,第一产业增加值的典型载荷绝对值最大,表明中部地区产业结构这一典型变量主要由第一产业决定,而能源禀赋这一典型变量,主要由原煤产量和原油产量决定。我国中部地区农业资源丰富,是我国重要的商品粮生产基地,从自然资源禀赋来看,原煤和原油也相对较为丰富。这一分析结果与中部地区的经济发展现状和自然资源禀赋基本一致。从典型相关分析的符号来看,原油这种自然资源对于中部地区农业的发展有很好的促进作用。西部地区能源产量与三次产业结构典型相关分析结果如表3所示。第一对典型变量的典型相关系数为0.884,进行Wilks检验对应的p值为0.055,表明第一对典型变量的相关系数是显著的。第二对典型相关系数为0.839,但Wilks检验对应的p值为0.124,表明第二对典型变量的相关系数不显著,因此仅考虑第一对典型相关变量。从西部地区的典型相关分析结果可以看出,在提取出的第一对典型变量的输入变量中,原煤的典型载荷绝对值最大,其次原油的系数绝对值也比较大。表明西部地区资源禀赋主要是原煤和原油,二者对于西部地区的经济发展很重要。在第一对典型变量的输出变量中,第一产业的系数绝对值最大,第三产业的系数也相对较大。表明西部地区的产业结构主要由第一产业决定,第三产业相对也比较重要。从提取出的典型变量的系数符号来看,原油对第一产业发展具有促进作用,煤炭对第三产业的发展具有促进作用。表4对2012年东中西三个区域的产业结构做了一个比较,可以看出东部地区的发展主要以第二产业为主,第三产业相对也比较发达。与上面的分析结果较为一致,东部地区经济发展对电力的依赖性很大,电力资源对东部地区第二产业的发展具有正向的促进作用。中部和西部第一产业在全国仍然具有重要的影响,西部的第三产业比重略高于中部地区。这两个地区的原油对于第一产业的发展具有正向的促进作用,西部地区的煤炭对于其第三产业发展具有正向促进作用。在进行典型相关分析时,有必要了解两组典型变量所能解释的各自原始变量变异的能力,从而测度典型变量所包含的原始信息量的大小,这就是典型变量的冗余分析。表1~表3中输入变量的组内方差是指资源变量被自身典型变量解释的方差比例,组外方差是指资源变量被产业结构变量的典型变量解释的方差比例。输出变量的组内方差是指产业结构变量被自身典型变量解释的方差比例,组外方差是指产业结构变量被资源变量的典型变量解释的方差比例。从表1~表3反映的组内方差和组外方差来看,东部和中部地区典型变量所包含的原始变量的信息量较高一些,西部地区提取的典型变量包含的信息量略低一些。(三)中国—DEA分析。由典型变量值可以计算得到综合变量指标值,但通过典型相关分析得到的综合变量指标值有可能存在负值的情况,所以有必要对现有的综合变量指标值Vi和Wi进行修正,运用指数函数,把修正之后的结果带入DEA模型的输入和输出变量,运用DEAP2.1软件计算综合效率、纯技术效率和规模效率值,结果见表5~表7。由表5可知,东部地区中DEA总体有效(θ*=1)的是上海市,表明上海市的资源投入要素达到了最佳的组合。其他省份均为DEA总体无效(θ*<1),表明这10个省份均在不同程度上存在着资源冗余问题。纯技术有效(σ*=1)的省份有3个,分别是天津、上海和山东。表明这3个省份的资源技术效率处于最佳状态,当投入量一定时,三次产业的产出结构能达到最佳。纯技术无效(σ*<1)的省份有8个,分别是北京、河北、辽宁、江苏、浙江、福建、广东和海南。说明这8个省份处在技术和规模都无效的状态。纯规模有效(ω*=1)的省份是上海市,说明其规模经济不变,达到了最大的资源投入产出状态。其他10个省份为纯规模无效(ω*<1),其中天津市为规模经济递减,表明其资源投入产出没有达到最佳比例,资源投入已经出现饱和,增加资源投入量不可能带来更大比例的产出,因此没有必要再增加资源的投入。其余9个省份为规模经济递增,说明这9个省份的资源投入产出没有达到最佳比例,增加投入量可能会带来更多比例的产出,因此,有必要增加一定比例的资源投入。纯技术有效、纯规模无效(σ*=1,ω*<1)的省份有天津和山东,表明这两个省份的资源投入没有达到最佳的投入规模。由表6可知,中部地区中DEA总体有效(θ*=1)的是安徽省,表明安徽省的资源投入要素达到了最佳的组合。其他省(自治区)均为DEA总体无效(θ*<1),表明这7个省份均在不同程度上存在着资源冗余问题。纯技术有效(σ*=1)的省份有3个,分别是安徽、江西和河南。表明这3个省份的资源技术效率处于最佳状态,当投入量一定时,三次产业的产出能达到最佳。纯技术无效(σ*<1)的省(自治区)有5个,分别是山西、吉林、黑龙江、湖北和湖南。说明这5个省份处在技术和规模都无效的状态。纯规模有效(ω*=1)的省份是吉林和安徽,说明这两个省份规模经济不变,达到了最大的资源投入产出状态。其他6个省(自治区)为纯规模无效(ω*<1),其中江西和湖南为规模效益递增,表明这2个省份的资源投入产出没有达到最佳比例,增加投入量可能会带来更多比例的产出,因此,有必要增加一定比例的资源投入。其余4个省(自治区)为规模效益递减,表明这时资源投入产出没有达到最佳比例,资源投入已经出现饱和,增加资源投入量不可能带来更大比例的产出,因此没有必要再增加资源的投入。纯技术有效、纯规模无效(σ*=1,ω*<1)的省份有江西和河南,表明这两个省份的资源投入没有达到最佳的投入规模。由表7可知,西部地区中DEA总体有效(θ*=1)的是青海,表明青海的资源投入要素达到了最佳的组合。其他省份均为DEA总体无效(θ*<1),表明这10个省份均在不同程度上存在着资源冗余问题。纯技术有效(σ*=1)的省(自治区)有5个,分别是内蒙古、广西、云南、陕西和青海。表明这5个省(自治区)的资源技术效率处于最佳状态,当投入量一定时,三次产业的产出能达到最佳。纯技术无效(σ*<1)的省(自治区、直辖市)有6个,分别是重庆、四川、贵州、甘肃、宁夏和新疆。说明这6个省份处在技术和规模都无效的状态。纯规模有效(ω*=1)的省(自治区、直辖市)是青海,说明其规模经济不变,达到了最大的资源投入产出状态。其他10个省(自治区、直辖市)为纯规模无效(ω*<1),其中广西、重庆、四川、贵州、云南、甘肃和宁夏为规模效益递增,表明这7个省(自治区、直辖市)的资源投入产出没有达到最佳比例,增加投入量可能会带来更多比例的产出,因此,有必要增加一定比例的资源投入。其余3个省(自治区)(内蒙古、陕西和新疆)为规模效益递减,表明这时资源投入产出没有达到最佳比例,资源投入已经出现饱和,增加资源投入量不可能带来更大比例的产出,因此没有必要再增加资源的投入。纯技术有效、纯规模无效(σ*=1,ω*<1)的省(自治区)有内蒙古、广西、云南和陕西,表明这两个省份的资源投入没有达到最佳的投入规模。由表5得到东部地区资源投入与产出结构平均总体效率为0.598,平均纯技术效率为0.729,平均纯规模效率为0.843。由表6得到中部地区资源投入与产出结构平均总体效率为0.857,平均纯技术效率为0.939,平均纯规模效率为0.914。由表7得到西部地区资源投入与产出结构平均总体效率为0.608,平均纯技术效率为0.765,平均纯规模效率为0.826。由此可以看出三大经济带的资源投入总体效率中部最高,西部居中,东部最低。东部和西部资源利用效率偏低的主要原因是纯技术效率偏低造成的,也就是说在资源开采技术和运用技术上还存在不少问题,效率改善的空间较大。中部地区资源总体效率较低的原因在规模效率,各个省份对其资源规模进行调整,可以进一步提高中部经济带的资源效率。四、关于西部与沿海地区资源效率的差异本文运用典型相关分析和数据包络分析方法从区域的角度分