利用RAM-DEA模型測(cè)算貴州4個(gè)地級(jí)市節(jié)能減排績效,中國經(jīng)濟(jì)論文

利用RAM-DEA模型測(cè)算貴州4個(gè)地級(jí)市節(jié)能減排績效,中國經(jīng)濟(jì)論文改革開放以來,我們國家經(jīng)濟(jì)飛速發(fā)展,但是與此同時(shí),也產(chǎn)生了環(huán)境污染、資源消耗嚴(yán)重等一系列問題。眾所周知,我們國家過去的高速增長主要得益于粗放型的經(jīng)濟(jì)發(fā)展方式,使得我們國家發(fā)展中普遍存在能源利用效率低、能源消費(fèi)構(gòu)造不合理等問題,也造成了當(dāng)下高污染、高排放、高耗能的局面。中國的二氧化碳排放總量已經(jīng)于2008年超過美國,成為世界二氧化碳排放量第一的國家。2018年的哥本哈根氣候峰會(huì),我們國家初次正式提出了2020年碳排放強(qiáng)度比2005年下降40%~50%的減排目的。從貴州省來看,固然全省的單位能耗與污染物排放一直在逐年改善,但是環(huán)境保衛(wèi)治理工作還是需要繼續(xù)加強(qiáng),為此,省于2008年出臺(tái)(貴州省節(jié)能減排全民行動(dòng)施行方案〕旨在推動(dòng)全省市民投入于環(huán)境保衛(wèi)中來。將來貴州省能否在經(jīng)濟(jì)發(fā)展的壓力下權(quán)衡節(jié)能減排與發(fā)展間的矛盾,取決于能否又好又快地轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式。正因如此,本文打算從能源效率這一方面入手來研究貴州省的節(jié)能減排績效并討論能源構(gòu)造的改善方式。早在1995年的全球峰會(huì)上,世界能源委員會(huì)就將能源效率明確定義為減少提供同等能源服務(wù)的能源投入,用以區(qū)別之前所謂的節(jié)能概念。早期只是一味強(qiáng)調(diào)能源使用數(shù)量的絕對(duì)減少,而如今則強(qiáng)調(diào)通過能源利用的技術(shù)進(jìn)步來提高能源效率。但是,能源強(qiáng)度這個(gè)指標(biāo)有一個(gè)明顯的缺點(diǎn)即過于單一,所以當(dāng)前越來越多的學(xué)者使用全要素能源效率作為衡量能源效率的指標(biāo),使得不同國家或地區(qū)間的能源效率比擬更全面,其主要的測(cè)度方式方法有數(shù)據(jù)包絡(luò)分析(DEA)和隨機(jī)邊界分析(SFA)。由于DEA具有不需要設(shè)定詳細(xì)參數(shù)估計(jì)函數(shù)等優(yōu)勢(shì),因而本文選用DEA方式方法來進(jìn)行研究。數(shù)據(jù)包絡(luò)分析(DEA)最初由Farrell(1957)建立,用數(shù)學(xué)線性規(guī)劃方式方法比擬決策單元(DMUs)間的效率大小。經(jīng)過Charnesetal.(1978)的發(fā)展和改良,DEA模型被廣泛地應(yīng)用于微觀層面上生產(chǎn)部門和公共部門的效率比擬,以及宏觀層面上國家或地區(qū)間的效率比照。當(dāng)前,國內(nèi)外已有很多學(xué)者利用DEA模型研究能源效率,他們?cè)诟髯匝芯康幕A(chǔ)上,將污染物納入DEA模型進(jìn)行能源效率的分析(趙金樓,李根,蘇屹,2018;孫廣生、黃祎和田海峰,2020;李濤,2020)。但是以上的文獻(xiàn)大多數(shù)都是研究全國省際層面的節(jié)能減排績效或者分行業(yè)來研究節(jié)能減排問題,而對(duì)于某一個(gè)省份的節(jié)能減排績效研究卻很少,我們國家幅員遼闊,每個(gè)省份經(jīng)濟(jì)發(fā)展與環(huán)境能源的利用效率情況都非常不同,基于此,本文利用貴州省地級(jí)市數(shù)據(jù)來單獨(dú)研究貴州省節(jié)能減排績效,不僅能夠彌補(bǔ)這方面研究的空白,也能夠?yàn)橘F州省解決經(jīng)濟(jì)發(fā)展中的資源消耗與節(jié)能減排之間的矛盾提供政策建議。一、貴州省能源消耗現(xiàn)在狀況貴州省在改革開放以來,經(jīng)濟(jì)發(fā)展迅速,但是經(jīng)濟(jì)發(fā)展方式相對(duì)落后,以粗放型發(fā)展為主,所以對(duì)于能源的消耗還是特別宏大(見圖1)。從圖1我們能夠看出,貴州省的能源消費(fèi)從1995年的3000噸標(biāo)準(zhǔn)煤左右提高到2018年的8000多噸的標(biāo)準(zhǔn)煤,增加了2倍多,年增長率也超過7%,華而不實(shí),2003年、2018年的能源消耗量均比上一年度有比擬大的增加?？傮w來看,貴州省的能源消費(fèi)趨勢(shì)能夠分為三個(gè)階段,第一階段為1995年-2002年,貴州省的能源消費(fèi)處于較低的水平,年均增長率也在6%左右,這一階段全省的經(jīng)濟(jì)發(fā)展處于調(diào)整階段,能源消耗量處于比擬低的水平。第二階段即2003-2008年,這段時(shí)間能夠明顯看出貴州省的能源消耗開場(chǎng)出現(xiàn)快速增長勢(shì)頭,這可能得益于施行的西部大開發(fā)戰(zhàn)略,使得貴州省的各個(gè)產(chǎn)業(yè)出現(xiàn)蓬勃發(fā)展的良好勢(shì)頭,這也勢(shì)必帶動(dòng)了能源的消費(fèi)。第三個(gè)階段為2018年至今,這一階段由于2008年的金融危機(jī)所帶來的全球經(jīng)濟(jì)不景氣,使得貴州省的經(jīng)濟(jì)發(fā)展也處于相對(duì)停滯的階段,進(jìn)而能源消費(fèi)量也保持在2018年8000多噸標(biāo)準(zhǔn)煤的水平。另一方面,我們?cè)賮砜匆豢促F州省近年來的能源消費(fèi)增長率水平與能源消費(fèi)彈性系數(shù)(能源消費(fèi)增長率/增長率),能源彈性系數(shù)越大,這表示經(jīng)濟(jì)體的發(fā)展方式越依靠于能源消耗。從表1能夠看出,除了少數(shù)幾個(gè)年份之外(1996年、2003年、2018年),貴州省的能源消費(fèi)彈性系數(shù)總體上還是比擬低的,而且近期5年來也處于歷史的較低水平,能夠講,這與貴州省近年來大力施行節(jié)能減排是密不可分的。從圖2我們可以以看出,2020年我們國家西部省份之間能源消耗強(qiáng)度的區(qū)別還是比擬大的,貴州省總的來講在西部省份表現(xiàn)不算太好,只是好于寧夏和青海,處于西部省份的下游水平,而能源消耗小的省份比方陜西省只要0.873噸標(biāo)準(zhǔn)煤/萬元。通過上述數(shù)據(jù)我們能夠發(fā)現(xiàn),當(dāng)前貴州省的經(jīng)濟(jì)發(fā)展還是建立在能源消耗、資源消耗上,屬于比擬依靠資源的粗放型發(fā)展方式。二、實(shí)證研究方式方法DEA模型通常由兩部分構(gòu)成,即技術(shù)約束(referencetechnology)和效率測(cè)度(efficiencymeas-ures)。技術(shù)約束包括生產(chǎn)函數(shù)的規(guī)模報(bào)酬以及投入、產(chǎn)出變量的可處置性,而效率測(cè)度包括測(cè)算方式和目的函數(shù)(Zhouetal,2008)。傳統(tǒng)的DEA-CCR模型(Charnes,CooperandRhodes,1978)假設(shè)所有投入和產(chǎn)出變量均為強(qiáng)可處置性,并采用徑向DEA效率測(cè)算方式方法(radialefficiencymeasures,產(chǎn)出與投入同比例變化)在規(guī)模報(bào)酬不變(CRV)的條件下測(cè)度決策單元的效率。但如今越來越多的學(xué)者發(fā)現(xiàn)該模型中的假設(shè)與實(shí)際情況不符合,十分是在對(duì)能源效率進(jìn)行相關(guān)研究時(shí),由于這華而不實(shí)存在壞的產(chǎn)出污染物,所以如今有學(xué)者將這種壞的產(chǎn)出納入模型中,方式方法大致分為兩類:一是將非此類產(chǎn)出轉(zhuǎn)換為投入變量,還是那樣采用強(qiáng)可處置性假設(shè);二是利用環(huán)境DEA方式方法,設(shè)定弱可處置性條件。華而不實(shí)效率測(cè)度類型主要分為五種:徑向DEA(radial)、非徑向DEA(non-radial)、松弛變量DEA(slacks-based)、雙曲線DEA(hyperbolic)和方向距離函數(shù)DEA(directionaldistancefunction)。華而不實(shí),松弛變量DEA既有非徑向DEA的各類要素不同比例變化的優(yōu)點(diǎn),又克制了方向距離函數(shù)DEA中方向向量設(shè)定的主觀性,能夠較好地反響經(jīng)濟(jì)活動(dòng)的真實(shí)情況。本文所使用的RAM-DEA模型就屬于松弛變量DEA方式方法中的一種,模型的詳細(xì)形式如下:(一)技術(shù)約束技術(shù)約束T將壞產(chǎn)出與投入變量相結(jié)合,考慮節(jié)能減排績效。式(1)中包含投入變量和壞產(chǎn)出的技術(shù)約束,x代表資本和勞動(dòng)投入,e代表能源投入,b代表壞產(chǎn)出。華而不實(shí),Sx和Sb分別代表資本、勞動(dòng)以及壞產(chǎn)出的松弛變量,在生產(chǎn)經(jīng)過中需要減少投入與壞產(chǎn)出才能到達(dá)最優(yōu)邊界。傳統(tǒng)DEA方式方法中能源投入的技術(shù)約束與資本、勞動(dòng)的技術(shù)約束一樣,只要在減少能源投入的情況下才能到達(dá)最優(yōu)邊界。Sueyoshietal.(2018)對(duì)能源投入的技術(shù)約束進(jìn)行了優(yōu)化,從減少污染物排放的角度出發(fā),考慮不同類別能源之間的替代效應(yīng),即某種能源投入的增加不一定意味著效率惡化,反而有可能會(huì)提高效率。約束條件中用兩組能源松弛變量來刻畫能源投入之間的替代效應(yīng),Se-代表需要減少的能源投入,Se+代表需要增加的能源投入。如此圖3所示,橫坐標(biāo)表示能源投入,縱坐標(biāo)表示污染物排放,弧線ABC表示壞產(chǎn)出與能源的最優(yōu)邊界。而由于可再生電力等清潔能源沒有二氧化碳排放,因而清潔能源邊界與X軸重合。若決策單位沿著JA方向到達(dá)邊界,則表示該決策單位通過能源縮減實(shí)現(xiàn)減排,即所謂自然減排若沿著JC方向到達(dá)邊界,則表示該決策單位通過能源擴(kuò)張實(shí)現(xiàn)減排,即所謂管理減排。清潔能源固然沒有二氧化碳排放,但其與化石能源之間的替代效應(yīng)將影響節(jié)能減排績效。VRS),松弛變量的正數(shù)約束保證了決策單位的各變量向最優(yōu)邊界靠近。另外,能源投入的非線性約束確保一種能源只能有一種改良方向。(二)效率測(cè)度RAM-DEA是基于松弛變量的非徑向DEA,其目的函數(shù)具有可加性。因而本文選擇壞產(chǎn)出與投入變量的松弛變量構(gòu)成目的函數(shù)來測(cè)算貴州省各個(gè)地級(jí)市的節(jié)能減排績效。在技術(shù)約束下求解最大化目的函數(shù)Max()[0,1],用來表示決策單位J在T時(shí)期的無效率。公式(2)中R為各產(chǎn)出、投入變量的權(quán)重,由該變量的調(diào)整區(qū)間來確定,即變量極差Max(xnj)-Min(xnj)。由于松弛變量介于0到調(diào)整區(qū)間之間(公式3),因而Max()[0,1]。若Max()=0則表示效率最優(yōu),若Max()=1則表示最無效率。三、變量選取及實(shí)證結(jié)果分析(一)變量選取本文選取的指標(biāo)包括壞產(chǎn)出變量:每平方公里工業(yè)二氧化硫排放量(噸)和其他經(jīng)濟(jì)、能源消費(fèi)指標(biāo)。研究對(duì)象選取了貴州省4個(gè)地級(jí)市:貴陽市、六盤水市、遵義市、安順市。各指標(biāo)的詳細(xì)情況如下:1.壞產(chǎn)出:由于本文側(cè)重于能源消費(fèi)與工業(yè)二氧化硫排放量(噸)減排的績效分析,因而選擇每平方公里工業(yè)二氧化硫排放量(噸)作為DEA模型的壞產(chǎn)出。2.經(jīng)濟(jì)指標(biāo):本文選取各個(gè)地級(jí)市的人均和人口數(shù)量作為該地區(qū)的經(jīng)濟(jì)指標(biāo)。3.能源:能源使用指標(biāo)包括用電總量(千瓦小時(shí))、煤氣家庭用量(萬立方米)、液化石油家庭用量(噸)。4.資本投入:本文以限額以上工業(yè)企業(yè)年度總產(chǎn)值(萬元)表示。5.勞動(dòng)投入:本文以統(tǒng)計(jì)年鑒中的單位從業(yè)人員人數(shù)(萬人)表示。(二)簡單回歸分析我們首先對(duì)二氧化硫排放進(jìn)行簡單的面板數(shù)據(jù)回歸分析:lnSO2=+1E+2lnG+3lnP+(5)E代表能源消費(fèi),即包括上述用電總量(千瓦小時(shí))、煤氣家庭用量(萬立方米)、液化石油家庭用量(噸)等變量;G代表人均,用來控制城市經(jīng)濟(jì)發(fā)展情況;P代表人口總數(shù),控制城市的人口數(shù)量?；貧w結(jié)果(固定效應(yīng)模型)如表2所示:從結(jié)果看,首先,電力作為清潔能源,它的消費(fèi)越多,則能夠一定程度的限制二氧化硫的排放,而對(duì)于煤氣和液化石油的家庭用量固然在數(shù)值上與二氧化硫排放量成負(fù)相關(guān),但是卻不是顯著的。其次,人均反映了該市的總體經(jīng)濟(jì)發(fā)展水平,地區(qū)經(jīng)濟(jì)越發(fā)達(dá),其產(chǎn)能和消費(fèi)潛力都相對(duì)更大,因而會(huì)造成更多的能源消耗即二氧化硫的排放。最后,人口總數(shù)反響了一個(gè)地區(qū)的消費(fèi)需求,結(jié)果上看其也與該地區(qū)二氧化硫排放成正相關(guān)。(三)節(jié)能減排績效分析根據(jù)上文中的方式方法,我們根據(jù)數(shù)據(jù)構(gòu)造了最優(yōu)邊界,每個(gè)地級(jí)市的詳細(xì)節(jié)能減排效率情況如表3所示:表3為節(jié)能減排績效的年度均值比擬情況,華而不實(shí)減排潛力、資本優(yōu)化潛力和勞動(dòng)優(yōu)化潛力由相應(yīng)變量的松弛量除以當(dāng)年的實(shí)際量得到。結(jié)果能夠看出,節(jié)能減排績效最好的地區(qū)是六盤水市、其次為遵義市、安順市和貴陽市。而華而不實(shí)六盤水市的減排潛力最大(70.91%),意味著六盤水市需要減少其實(shí)際二氧化硫排放的70.91%才能到達(dá)最優(yōu)。資本優(yōu)化潛力最大的是貴陽市(16.74%),這講明貴陽市將近20%的資本存量存在無效率的情況。而勞動(dòng)潛力最大的是安順市,講明安順市有93.99%的勞動(dòng)投入是無效率的。圖4即各個(gè)年份所對(duì)應(yīng)的效率指數(shù)。(四)無效率來源分析RAM-DEA通過將模型變量的松弛量加權(quán)求和得到?jīng)Q策單位的無效率值,因而根據(jù)不同模型變量對(duì)無效率值進(jìn)行分解,能夠得出產(chǎn)出、投入各自的無效率值及其奉獻(xiàn)比例。從表4可知,總體來講無效率奉獻(xiàn)最大的是電力(12.43%),其次是天然氣(5.93%),資本的無效率奉獻(xiàn)最小(2.30%)。由此可見,電力與天然氣作為清潔能源在減少二氧化碳排放,提高能源利用效率方面起到特別積極的作用?？偟膩碇v,我們以為改善節(jié)能減排績效最有力的方式是優(yōu)化能源構(gòu)造。結(jié)論本文通過利用RAM-DEA模型對(duì)貴州省4個(gè)地級(jí)市2000年-2020年的節(jié)能減排績效進(jìn)行測(cè)算,并在這里基礎(chǔ)上進(jìn)行相關(guān)的分析研究。最后,針對(duì)本文的研究,我們?yōu)橘F州省提高節(jié)能減排績效提出下面幾個(gè)方面的政策建議:1.減少資本投入,優(yōu)化資本構(gòu)造。本文的研究結(jié)果表示清楚,資本投入的不斷擴(kuò)大導(dǎo)致了能源消耗和污染的日益嚴(yán)重。隨著技術(shù)提高和產(chǎn)業(yè)升級(jí),資本構(gòu)成逐步從高污染、高排放、高耗能的工業(yè)產(chǎn)業(yè)轉(zhuǎn)型為污染較少、耗能較低的技術(shù)密集型產(chǎn)業(yè),由此提高能源利用效率。2.提高勞動(dòng)投入效率,