【基于Malmquist指数的全要素能源生产率及其分解情况分析18000字】

基于Malmquist指数的全要素能源生产率及其分解情况研究目录TOC\o"1-3"\h\u176741引言 .966全国0.7220.8100.9000.7100.8090.8840.7190.8070.898图5.1.1全国2009~2018年第一阶段效率均值总体来看：2009年~2018年期间，全国的综合技术效率总体较高，各年的技术效率值均高于0.5，自2010年后呈现“倒U型”，即先波动下降后上升的趋势，拐点在2014年；全国的纯技术效率变化情况与综合技术效率的变化情况保持一致，而规模效率由较高水平呈现波动下降趋势。这一点与王萌、徐湘博等人的研究结论基本吻合[]；此外，10年间全国技术效率呈现“东部>东北部>中部>西部”的趋势，这与吴江、谭涛[22]等人的关于三大经济区域能源效率的研究结论大体一致。区域分析图5.1.7全国四大经济区域2009~2018年技术效率均值东部地区的综合技术效率和纯技术效率都高于全国平均水平且领先其他三大经济区域，规模效率相对较低；10年来综合技术效率呈波动下降趋势，原因在于规模效率的变化，而纯技术效率的影响作用较小；中部地区的平均综合技术效率为0.679，低于全国平均水平，综合技术效率受纯技术效率和规模效率的交叉影响呈波动下降后提升的趋势；西部地区的综合技术效率最低，远低于全国平均水平，10年间的综合技术效率变化趋势与全国技术效率变化趋势基本一致，说明全国技术效率的降低主要是由西部地区的低效率水平主导的，原因在于纯技术效率较低；东北地区的综合技术效率水平高于全国平均水平，低于东部地区的技术效率水平，主要原因在于规模效率较高；10年间技术效率呈现波动下降后提升的趋势，拐点在2015年，其中黑龙江省的技术效率水平最高。3.省份分析图5.1.3全国30省份2009年~2018年效率均值（分地区）上海10年间均位于效率前沿面上，广东省在2019-2014年间位于效率前沿面，2014年以后受规模效率下降的影响，使得综合技术效率下降为0.998，此后一直保持在0.95左右的效率水平；河北省、山东省和海南省低于东部地区平均技术效率水平，分别为0.667、0.736、0.747，河北和山东省综合技术效率较低是由纯技术效率主导的，海南省则是由于规模效率；中部8省中，湖南省的平均综合技术效率最高，为0.803，其次为安徽省、江西省和湖北省；山西省和内蒙古自治区的综合技术效率最低，分别为0.583、0.606，原因在于纯技术效率较低；西部10省中，四川省的综合技术效率和纯技术效率较高，分别为0.822、0.837，其次为重庆省（0.799、0.820）；而青海省（0.395）和宁夏回族自治区（0.343）的综合技术效率水平低于0.5，原因却是在于规模效率较低。5.1.2第二阶段似然SFA回归分析第二阶段SFA回归结果是将第一阶段计算出的劳动力投入、资本投入和能源消耗的松弛变量作为被解释变量，将经济水平、环境规制、科技水平这3个环境变量作为解释变量，运用Frontier4.1软件，得出SFA回归结果。表5.2.1第二阶段SFA回归结果变量人力投入松弛变量资本存量投入松弛变量能源消耗投入松弛变量系数值T检验值系数值T检验值系数值T检验值常数项2750.1499.161***2026.2472026.247***1066.36938.458***经济水平-680.254-6.615***-447.622-447.622***-219.749-15.413***环境规制-44630.533-9251.003***-56227.910-56227.910***-8728.643-3969.236***科技水平22475.1712897.403***22841.84422841.844***-110578.010-106017.950***1144235.6001144235.60***49183254.00049183254.00***113857510.000113857510.00***0.94218.020***0.99922.211***0.9992939390.700***logL-236.812-287.440-301.368LR3.12013.739***11.064***注：注:*、**、***分别表示在10%、5%、1%的水平上显著，括号内为T值，LogL表示对数似然函数，LR表示单边似然比检验。三次回归的值均在1%的水平下显著，且分别为0.942、0.999、0.999，表明对投入变量进行调整是合理且必要的。比对LR单边似然比检验值与混合卡方分布的临界值表可知显著性水平达到1%，说明SFA回归模型的研究设定合理。表中所有的环境变量T值都通过了1%的显著性检验，说明三个环境变量确实对综合效率存在显著影响。当回归系数为负值时，表明环境变量值的增加有利于减少投入冗余，即有利于综合效率的提高;当回归系数为正值时，则表明环境变量值的增加会导致投入冗余增加，即对综合效率有负向影响，具体分析如下:（1）经济水平：以2000年不变价的实际人均GDP指标衡量地区经济发展水平，经济发展水平对人力、资本和能耗的投入松弛变量的影响均为负值且回归系数均在1%水平下显著。这说明实际人均GDP的增加导致人力、资本和能耗的投入松弛变量的减少，从而有利于综合效率的提升。因此，实际人均GDP的增加意味着地区经济发展水平的提高，将能减少人力、资本和能耗的冗余，从而产生节约现象。（2）环境规制：以地方政府环境保护支出占地方财政一般预算的比重衡量地区的环境污染治理情况。环境规制与人力、资本和能耗的投入冗余均呈负相关且回归系数均在1%水平下显著，说明各地区环境规制措施总体上效果良好，环保措施和治理手段在一定程度上抑制了盲目的经济投资，提升了对于人力、资本和能耗的利用效率，对全要素能源效率的提高有明显的正向作用。此外，环境规制可能与全要素能源效率之间的“倒Ｕ型”结构之间存在一定联系，即环境规制的适度增加在一定程度上有利于全要素能源效率的提升，但过度的环境规制反而可能会抑制全要素能源效率。（3）科技水平：以研究与试验发展(R&D)经费投入强度来衡量地区科技发展水平和技术进步程度。回归结果表明，科技投入水平与人力及资本投入松弛变量的影响为正值，与能源消耗投入松弛变量的影响为负值，且三个回归系数均在1%水平下显著。这说明科学技术水平的提高无法减少人员冗余以及资本冗余，却能减少能源消耗冗余。原因是R&D经费支出的增加能够带来先进的生产技术，促进节能减排技术的发展与应用，新型专利设备设施的发明与使用，从而引起全要素能源效率的显著提升，可见加强科技投入和创新应用对提高能源利用效率具有重要作用。5.1.3第三阶段调整后的DEA分析第三阶段是根据第二阶段SFA回归分析剔除我国30个省级行政单位的环境因素和随机扰动的影响，将调整后的投入变量和原始产出变量再次带入BCC-DEA模型中，运用DEAP2.1软件重新测算调整投入后的效率值，限于篇幅仅列出部分年份的能源效率测算结果及均值情况。1.整体分析表5.1.3.1中国四大经济区域2009年及2018年第三阶段效率值地区2009年2018年10年效率均值TEPTESERTETEPTESERTETEPTESE东部地区北京市0.6551.0000.655irs0.7320.8060.908irs0.7010.8820.807天津市0.6550.9720.674irs0.6290.7440.845irs0.6200.8050.776河北省0.6600.7470.884irs0.6920.7730.895irs0.6680.7770.861山东省0.7860.8260.951irs0.9140.9250.988irs0.8550.8780.973江苏省0.8790.9170.959irs1.0001.0001.000-0.9800.9920.988上海市0.7751.0000.775irs1.0001.0001.000-0.9090.9950.913浙江省0.7780.9010.864irs0.8660.9360.925irs0.8310.9250.899福建省0.7610.9340.814irs0.8960.9110.984irs0.8930.9420.948广东省1.0001.0001.000-1.0001.0001.000-1.0001.0001.000海南省0.5481.0000.548irs0.7201.0000.720irs0.7291.0000.729mean0.7500.9300.8120.8450.9100.9270.8180.9190.889中部地区内蒙古自治区0.5540.7630.727irs0.5590.7590.737irs0.5250.7580.693陕西省0.5710.8330.685irs0.5910.8900.664irs0.5740.9020.638山西省0.5750.8360.688irs0.6150.8680.708irs0.5740.8760.655河南省0.6460.6760.955irs0.7210.7370.978irs0.6690.7110.940安徽省0.7750.8640.897irs0.8130.8820.921irs0.7990.8640.924湖北省0.6840.7720.885irs0.7090.8770.808irs0.7070.8450.838湖南省0.7960.8630.922irs0.9811.0000.981irs0.8110.8680.934江西省0.6870.9010.763irs0.8200.9710.845irs0.7760.9380.828mean0.6610.8140.8150.7260.8730.8300.6790.8450.806西部地区新疆维吾尔自治区0.5321.0000.532irs0.4651.0000.465irs0.5150.9990.516甘肃省0.6070.9030.672irs0.6921.0000.692irs0.6570.9380.702青海省0.2670.8950.298irs0.2811.0000.281irs0.3020.9310.325宁夏回族自治区0.2610.9830.266irs0.2550.9370.272irs0.2790.9760.286四川省0.7540.8070.934irs0.9040.9540.948irs0.8370.8790.953重庆市0.5940.8960.663irs0.7530.9330.807irs0.7300.8820.828贵州省0.5380.7700.698irs0.5260.9480.555irs0.5690.9250.616云南省0.6530.7900.826irs0.5280.8540.618irs0.5690.7680.748广西壮族自治区0.6410.8050.796irs0.6420.9890.650irs0.6600.8850.749mean0.5390.8720.6320.5610.9570.5880.5690.9090.636东北地区辽宁省0.7710.9830.784irs0.8310.9970.833irs0.7810.9740.801吉林省0.5250.9330.563irs0.7860.9260.848irs0.6530.8510.768黑龙江省0.8550.9760.876irs0.8150.9260.881irs0.8240.9170.899mean0.7170.9640.7410.8110.9500.8540.7520.9140.823全国0.6590.8850.7520.7250.9180.7920.7000.8960.785对比第一阶段和第三阶段的结果，在剔除环境因素和随机误差的干扰后，全国2009~2018年的综合技术效率值下降了1.92%，纯技术效率上升8.91%，而规模效率下降11.35%，说明10年间纯技术效率受环境因素及随机因素影响被低估，而规模效率和综合技术效率却被高估。这基本符合我国近10年来的科技发展速度加快、国民经济质量提高、政府管理更有效，但发展速度放缓的实际情况。图5.1.3.2全国2009~2018年第三阶段效率均值及其变化情况相比于第一阶段，调整投入后的第三阶段10年间的效率均值走势大体一致，呈“倒U型”走向，但整体趋势放缓，这进一步论证了第一阶段高估了规模效率对于地区能源效率的负影响，低估了技术改进带来的纯技术效率的提升引发的对于综合能源效率的正影响，两者的交互作用使得综合能源效率变化率降低。这在一定程度上说明本文运用三阶段DEA方法排除环境因素及随机误差的影响的必要性和合理性。2.区域分析图5.1.3.2四大经济区域2009年~2018年第三阶段效率均值（分地区）同第一阶段，四大经济区域能源效率呈现“东部>东北>中部>西部”的分布格局。具体来看，东部地区全要素能源效率值相较于第一阶段下降3.65%，纯技术效率提高0.84%，规模效率却降低了5.27%；中部地区全要素能源效率上升0.02%，纯技术效率提高12.94%，规模效率降低了14.07%；西部地区全要素能源效率下降2.241%，纯技术效率提高13.12%，规模效率降低了14.72%；而东北地区全要素能源效率下降0.45%，纯技术效率提高12.98%，规模效率降低了14.33%。3.省份分析图5.1.3.4中国30省份2009~2018年间第三阶段技术效率均值综合效率值相比第一阶段有所提升的有15个省份，分别为：河北、山东、江苏、浙江、福建、广东、河南、安徽、湖北、湖南、江西、四川、广西、辽宁、吉林；效率值相比第一阶段有所降低的也有15个省份，分别为：北京、天津、上海、海南、内蒙古、陕西、山西、新疆、甘肃、青海、宁夏、重庆、贵州、云南、黑龙江。此外，处于效率前沿面的省份也有所变化，上海由原来的综合技术效率、纯技术效率、规模效率均位于效率前沿下降到0.909，这说明上海因全要素能源效率受到环境因素和随机因素的影响而被高估；广东省综合技术效率由原来的0.988上升至1，这说明广东省的全要素能源效率受到环境因素和随机因素的影响而被低估。5.2Malmquist指数实证分析由于三阶段DEA方法只能对能源效率的进行静态的比较，而不能从时间维度上反应地区的全要素能源效率增长或衰退情况。为进一步研究我国四大经济区域能源利用效率的动态变化，本文使用Malmquist指数方法深入分析全要素能源效率的变动与技术进步变化率和技术效率变化率的关系。使用DEAP2.1软件将剔除了外部环境和随机因素的各投入变量和初始产出变量代入Malmquist指数模型计算，测出的结果更加符合实际情况。具体测算结果如下表所示：表5.2.1中国四大经济区域Malmquist指数分解情况地区firmeffchtechchpechsechtfpch东部地区北京市11.0120.9770.9761.0370.989天津市20.9960.9790.9711.0260.975河北省31.0050.9781.0041.0010.983山东省41.0171.0461.0131.0041.064江苏省51.0141.0471.011.0051.062上海市61.0290.98111.0291.009浙江省71.0121.0121.0041.0081.024福建省81.0181.0210.9971.0211.04广东省910.943110.943海南省101.0310.99411.0311.025mean—1.01340.99780.99751.01621.0114中部地区内蒙古自治区111.0010.97211.0010.973陕西省121.0040.9721.0070.9970.976山西省131.0070.9731.0041.0030.98河南省141.0121.0371.011.0031.05安徽省151.0050.9731.0021.0030.978湖北省161.0040.9731.0140.990.977湖南省171.0240.9751.0161.0070.998江西省181.020.9911.0081.0111.011mean—1.0096250.983251.0076251.0018750.992875西部地区新疆维吾尔自治区190.9850.9721.0000.9850.958甘肃省201.0150.9731.0111.0030.988青海省211.0060.9731.0120.9940.979宁夏回族自治区220.9970.9730.9951.0030.971四川省231.0200.9721.0191.0020.992重庆市241.0271.0041.0051.0221.030贵州省250.9980.9731.0230.9750.971云南省260.9770.9821.0090.9680.959广西壮族自治区271.0001.0271.0230.9781.027mean—1.0030.9831.0110.9920.986东北地区辽宁省281.0081.0211.0021.0071.029吉林省291.0461.0310.9991.0471.078黑龙江省300.9950.9730.9941.0010.968mean—1.0161.0080.9981.0181.025全国均值1.00950.99061.00431.00541.00021.整体分析整体来看，2009年~2018年我国全要素能源效率为1.0002>1，处于缓慢增长的状态，技术进步变化率0.9906<1，纯技术效率变化率为1.0043>1。这说明虽然10年间全国各地区管理更有效率使得纯技术效率水平提高，但因地区科技水平进步增长不足使得全要素能源效率降低。这说明我国当前能源效率的提升的制约因素仍然在于科技水平的进步相对缓慢，未来加强科技投入和耗能行业的技术创新仍是我国亟需解决的问题。2.区域分析图5.2.2四大经济区域2009~2018年malmquist生产率指数及其分解指标2009年~2018年我国全要素能源技术效率变化率呈现出“东北>东部>中部>西部”的格局，四大经济区域的全要素能源效率均值依次为1.025、1.011、0.993、0.986，平均技术进步率分别为1.008、0.998、0.983、0.983、0.983，纯技术平均进步率分别为0.998、0.998、1.008、1.011。四大经济区域能源效率提升的驱动力有很大区别，东北地区能源效率增长的的主要动力为技术进步，说明东北地区近年来通过大力引进先进节能技术与治理设备从而改进了能源效率；东部地区平均技术进步率和纯技术进步率都处于退步状态，使得其整体效率水平较高的原因在于保持了较高的规模效率；中部地区和西部地区的技术效率虽然不断改善，但全要素能源效率的增长却整体下滑，说明中西部地区并没有找到有效地能源效率改善的途径，技术水平有待进一步提升。3.省份分析全要素能源效率进步的有12个省份，按变化率降序排列依次为：吉林、山东、江苏、河南、福建、重庆、辽宁、广西、海南、浙江、江西、上海，其他18个省份均处于全要素能源效率退步的状态；全要素能源效率变化最大的前三个省份为吉林省、山东省、江苏省，表明上述三个地区的全要素能源效率的提高最为显著；东北地区的三个省份中，吉林、辽宁都处于能源效率进步的状态，原因主要在于技术进步率的带动作用，这也解释了四大经济区域中东北地区的全要素能源效率进步提升最高的原因。6结论与建议6.1研究结论1.全国来看，2009年~2018年全国30省份调整后的综合效率和规模效率均低于调整前的水平，其中规模效率下降幅度较大，而纯技术效率缓慢上升。这说明能源综合效率不高是受规模效率的制约，各省区大多数企业的管理水平比较成熟但尚未达到最优规模水平，能源利用重视程度不足导致规模效率低下。这一点与王萌、徐湘博（2021）关于区域能源效率的测度结果相同[43]。2.区域来看，我国全要素能源效率呈现“东部>东北>中部>西部”的阶梯状分布格局，即东部最高、东北次之、中部其后、西部最低，且东北地区因技术进步而使得近年来总体效率提高。这一结论与吴江、谭涛等人将全国划分为三大经济区域（东北三省：辽宁省划入东部地区、黑龙江省和吉林省划入中部地区）的能源效率研究结论中“东部>中部>西部”的能效格局大体一致[22]。3.三阶段DEA对于区域能源效率的静态分析说明，剔除外部环境因素和随机干扰后全国全要素能源效率总体降低1.92%，东部、西部、东北地区全要素能源效率均值分别下降3.66%、2.24%、1.92%，中部地区上升0.02%。外部环境水平过分乐观导致了全要素能源效率的“失真”，且东部地