劉丹丹，趙頌揚(yáng)旸，郭 耀（.東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院，遼寧 大連 6025；2.大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部，遼寧 大連 6024）

全要素視角下中國(guó)西部地區(qū)能源效率及影響因素

劉丹丹1，2*，趙頌揚(yáng)旸1，郭 耀1（1.東北財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院，遼寧 大連 116025；2.大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部，遼寧 大連 116024）

將非期望產(chǎn)出納入到投入產(chǎn)出指標(biāo)體系中，運(yùn)用超效率DEA方法測(cè)算出2003～2012年中國(guó)29省區(qū)的全要素能源效率，利用Malmquist指數(shù)對(duì)西部地區(qū)全要素能源效率變動(dòng)進(jìn)行分解，并應(yīng)用Tobit模型研究了西部地區(qū)全要素能源效率的影響因素.結(jié)果表明：西部地區(qū)全要素能源效率遠(yuǎn)低于東部地區(qū)，也略低于中部地區(qū)，說(shuō)明西部地區(qū)整體能源利用效率較低；西部地區(qū)省際間全要素能源效率存在明顯差異，但這種內(nèi)部差異近年來(lái)逐步縮小；西部地區(qū)全要素能源效率在樣本期間整體呈下降趨勢(shì)，技術(shù)進(jìn)步、純技術(shù)效率變化、規(guī)模效率變化對(duì)全要素能源效率都有顯著影響，技術(shù)退步是導(dǎo)致西部地區(qū)全要素能源效率下降的主要原因；產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和技術(shù)進(jìn)步對(duì)提高全要素能源效率有積極作用，而能源價(jià)格和煤炭消費(fèi)比重對(duì)全要素能源效率有負(fù)向影響.

全要素能源效率；超效率DEA；Malmquist指數(shù)；Tobit模型；中國(guó)西部地區(qū)

世界能源委員會(huì)將能源效率定義為“減少提供同等能源服務(wù)的能源投入”，具體可用某一生產(chǎn)過(guò)程中的有用產(chǎn)出與能源投入之比來(lái)計(jì)算.Patterson［1］基于帕累托效率對(duì)能源效率進(jìn)行了定義，即使用較少的能源創(chuàng)造出相同數(shù)量的服務(wù)或者其他有價(jià)值的產(chǎn)出，這也是目前學(xué)術(shù)界較為認(rèn)可的定義.

早期研究多用一個(gè)指標(biāo)來(lái)反映能源效率，隨著研究的深入，學(xué)者們逐漸達(dá)成共識(shí)，即能源效率是一個(gè)指標(biāo)群而非單一指標(biāo).王慶一［2］將能源效率分為物理能效和經(jīng)濟(jì)能效兩部分，并進(jìn)一步將物理能效指標(biāo)分解為熱效率以及單位產(chǎn)品或者服務(wù)的能耗，將經(jīng)濟(jì)能效指標(biāo)分解為能源成本效益以及單位產(chǎn)值能耗.魏楚等［3］參考投入產(chǎn)出的度量指標(biāo)，把能源利用效率歸為4類：熱力學(xué)指標(biāo)、物理-熱量指標(biāo)、經(jīng)濟(jì)-熱量指標(biāo)、純經(jīng)濟(jì)指標(biāo).魏一鳴等［4］整合了多數(shù)研究者的觀點(diǎn)，將能源效率指標(biāo)分為7類，并系統(tǒng)剖析了各類指標(biāo)的理論依據(jù)、假設(shè)前提以及適用范圍.這7類指標(biāo)分別是：能源宏觀效率、能源實(shí)物效率、能源物理效率、能源價(jià)值效率、能源要素利用效率、能源要素配置效率、能源經(jīng)濟(jì)效率.對(duì)于一個(gè)國(guó)家或地區(qū)，能源經(jīng)濟(jì)效率是相對(duì)理想的能源效率測(cè)度指標(biāo).

目前關(guān)于能源效率的研究主要集中在能源效率的測(cè)算、影響因素及收斂性等方面.能源效率的測(cè)算包括單要素能源效率和全要素能源效率兩種思路，單要素能源效率屬于較為傳統(tǒng)的能源效率測(cè)算方法，由于不能反映潛在的能源技術(shù)效率而逐漸被摒棄.全要素能源效率基于生產(chǎn)函數(shù)理論，把參與生產(chǎn)過(guò)程的所有要素均納入到測(cè)算體系中，能夠更準(zhǔn)確地反映能源效率.

全要素能源效率測(cè)算方法主要包括參數(shù)法和非參數(shù)法兩類.參數(shù)法是利用事先設(shè)置函數(shù)形式的辦法進(jìn)行參數(shù)估計(jì)，能夠作為參數(shù)法先驗(yàn)函數(shù)的有C-D函數(shù)、CES函數(shù)、Translog函數(shù)、隨機(jī)前沿函數(shù)等.史丹等［5］利用隨機(jī)前沿生產(chǎn)函數(shù)的區(qū)域能源效率差異分析模型分析了造成我國(guó)1980～2005年間能源效率差異的因素，并取得了理想的效果.但參數(shù)法的缺陷是有時(shí)會(huì)出現(xiàn)預(yù)設(shè)生產(chǎn)函數(shù)與現(xiàn)實(shí)不符的情況，并且利用隨機(jī)前沿法解決多產(chǎn)出問(wèn)題往往存在一定的困難.

非參數(shù)法的原理為利用數(shù)據(jù)驅(qū)動(dòng)得到一條線性的包絡(luò)凸面，將該凸面作為生產(chǎn)前沿，從而避免參數(shù)函數(shù)的估計(jì).最常用的非參數(shù)法是數(shù)據(jù)包絡(luò)分析（DEA），它是把投入產(chǎn)出點(diǎn)映射到空間內(nèi)，將最小投入以及最大產(chǎn)出作為效率邊界，然后基于此測(cè)算其他點(diǎn)與邊界之間的離差程度.Hu等［6］首次將全要素能源效率指數(shù)引入能源效率評(píng)價(jià)，將資本存量、勞動(dòng)力、能源等因素作為多元投入，應(yīng)用DEA方法測(cè)算了中國(guó)1995～2002年29省的全要素能源效率.Chang［7］對(duì)Hu等的模型進(jìn)行了改進(jìn)，以非產(chǎn)出增長(zhǎng)模型來(lái)計(jì)算全要素能源效率.魏楚等［8］使用DEA方法測(cè)算出中國(guó)各省的能源效率，并分析了各省之間能源效率差異的影響因素.師博等［9］在傳統(tǒng)生產(chǎn)函數(shù)中增加了知識(shí)存量，然后通過(guò)超效率DEA模型測(cè)算出中國(guó)不同地區(qū)的能源效率.屈小娥［10］基于超效率DEAMalmquist生產(chǎn)率指數(shù)測(cè)算了1990～2006年全國(guó)30個(gè)省份的全要素能源效率及技術(shù)進(jìn)步、技術(shù)效率指數(shù).曾賢剛［11］基于DEA方法構(gòu)建出一個(gè)包含CO2排放量的綜合能源效率指標(biāo)，利用2000～2007年省際面板數(shù)據(jù)計(jì)算了中國(guó)30個(gè)省市的綜合能源效率.王維國(guó)［12］基于序列DEA的方向性距離函數(shù)及Malmqulist-Luenberger 指數(shù)測(cè)度了1999～2010年我國(guó) 28 個(gè)省區(qū)市及東、中、西三大區(qū)域的全要素能源效率的動(dòng)態(tài)變化及其分解變量.徐麗萍等［13］基于隱含能思想提出了行業(yè)完全能源效率的概念，并將投入產(chǎn)出模型與DEA方法相結(jié)合建立模型，對(duì)北京市42個(gè)行業(yè)的完全能源效率進(jìn)行了評(píng)價(jià).

關(guān)于能源效率的影響因素，大多數(shù)學(xué)者認(rèn)為能源效率改善的重要原因是技術(shù)進(jìn)步以及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整.關(guān)于產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源效率的影響，Denison［14］和Maddison［15］指出，如果能源要素從生產(chǎn)率較低的部門向生產(chǎn)率較高的部門轉(zhuǎn)移，經(jīng)濟(jì)實(shí)體的整體能源效率就會(huì)有所改善，反之亦然.關(guān)于技術(shù)進(jìn)步對(duì)能源效率產(chǎn)生的影響，Khazzoom［16］指出，由于技術(shù)進(jìn)步存在“回彈效應(yīng)”，即技術(shù)進(jìn)步雖然能夠提高能源效率，減少能源消耗，但同時(shí)也會(huì)提高生產(chǎn)率，促進(jìn)經(jīng)濟(jì)增長(zhǎng)，從而增加能源需求，抵消部分能源消費(fèi)減少，因此無(wú)法準(zhǔn)確估計(jì)出技術(shù)進(jìn)步指數(shù).除了上述兩個(gè)因素，Renshaw［17］指出能源價(jià)格也是引起能源效率變化的重要因素.相關(guān)研究表明，影響中國(guó)能源效率的因素有技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)、所有權(quán)結(jié)構(gòu)等，但某些因素的影響方向和程度還存在爭(zhēng)議，這可能是由于能源效率的定義、分析層面、時(shí)間段及研究方法不同造成的.吳巧生等［18］的研究表明，中國(guó)能源消耗強(qiáng)度減小的原因主要是各部門能源利用率提高，這其中最關(guān)鍵的因素是技術(shù)進(jìn)步.王群偉等［19］利用Malmquist 指數(shù)對(duì)1993～2005年我國(guó)28個(gè)省區(qū)的全要素能源效率變動(dòng)進(jìn)行了分解，證明技術(shù)效率對(duì)能源效率的影響程度甚至超過(guò)了技術(shù)進(jìn)步，原因是技術(shù)進(jìn)步會(huì)產(chǎn)生回彈效應(yīng).袁曉玲等［20］指出，產(chǎn)業(yè)結(jié)構(gòu)、所有權(quán)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)以及能源稟賦等因素與能源效率呈顯著負(fù)相關(guān)關(guān)系，能源價(jià)格則與能源效率呈弱正相關(guān)關(guān)系.但是，也存在著一些其他的看法，如史丹［21］認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源效率有影響并不是因?yàn)榈诙a(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比重，而可能是因?yàn)榈诙a(chǎn)業(yè)尤其是工業(yè)的技術(shù)水平.李廉水等［22］認(rèn)為技術(shù)效率比技術(shù)進(jìn)步更有利于提高工業(yè)部門的能源效率.關(guān)愛(ài)萍等［23］發(fā)現(xiàn)，能源價(jià)格對(duì)提高能源效率有抑制作用.Li等［24］利用SBM模型研究了2005～2009年中國(guó)的全要素能源效率及其影響因素，發(fā)現(xiàn)研發(fā)投入和外貿(mào)依存度對(duì)能源效率有正向影響，第二產(chǎn)業(yè)比重和政府對(duì)工業(yè)污染的補(bǔ)貼對(duì)能源效率有負(fù)向影響.

上述研究在全要素能源效率領(lǐng)域進(jìn)行了有價(jià)值的探索，但總體而言仍然存在以下兩點(diǎn)不足：（1）大部分研究沿用“多投入-單產(chǎn)出”方式測(cè)算能源效率，鮮有人將環(huán)境污染帶來(lái)的“負(fù)產(chǎn)出”效應(yīng)納入指標(biāo)體系，少數(shù)考慮環(huán)境因素的研究中，也僅僅考慮了二氧化碳排放量等單一指標(biāo)；（2）現(xiàn)有研究主要針對(duì)全國(guó)、行業(yè)、個(gè)別省份，針對(duì)某一區(qū)域能源效率的研究很少，且為某一時(shí)期的平均值，無(wú)法反映能源效率的變動(dòng)趨勢(shì).

中國(guó)西部地區(qū)包括四川、廣西、貴州、陜西、云南、內(nèi)蒙古、甘肅、青海、寧夏、新疆、重慶、西藏共十二個(gè)省區(qū)，疆域遼闊，資源豐富，截至2012年年底，西部地區(qū)石油基礎(chǔ)儲(chǔ)量占全國(guó)基礎(chǔ)儲(chǔ)量的37.65％；天然氣基礎(chǔ)儲(chǔ)量占全國(guó)基礎(chǔ)儲(chǔ)量的84.80％.但是，西部地區(qū)豐富的自然資源不僅沒(méi)有促進(jìn)經(jīng)濟(jì)發(fā)展，反而對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生了負(fù)效應(yīng)，2012年西部地區(qū)GDP僅占全國(guó)的19.76％，全國(guó)大部分貧困人口也都分布于西部地區(qū).學(xué)術(shù)界將這種“富裕的貧困”現(xiàn)象稱為“資源詛咒”效應(yīng)［25］.

近年來(lái)，隨著西部大開發(fā)的深入實(shí)施，西部地區(qū)經(jīng)濟(jì)增長(zhǎng)步伐明顯加快，但是過(guò)度能源消耗和污染嚴(yán)重等問(wèn)題始終是制約西部地區(qū)經(jīng)濟(jì)發(fā)展的重要因素.為了幫助西部地區(qū)破解“資源詛咒”，提高能源利用效率，充分發(fā)揮能源對(duì)經(jīng)濟(jì)發(fā)展的推動(dòng)作用，本文將非期望產(chǎn)出納入到能源效率評(píng)價(jià)體系中，用主成分分析法將5種污染物排放量綜合成為一個(gè)污染排放指標(biāo)，建立“多投入-多產(chǎn)出”模型，運(yùn)用超效率 DEA 方法測(cè)算出2003～2012年中國(guó)29省區(qū)的全要素能源效率，利用Malmquist指數(shù)將西部地區(qū)全要素能源效率變動(dòng)分解為技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)和規(guī)模效率變動(dòng)，并采用Tobit模型對(duì)影響能源效率的因素進(jìn)行研究，以期為提高西部地區(qū)能源效率提供有價(jià)值的參考.

1 研究方法、指標(biāo)選取及數(shù)據(jù)來(lái)源

1.1 超效率DEA方法

引入松弛變量s-和剩余變量s+，可以得到其對(duì)偶線性規(guī)劃

式中：θ為決策單元的有效值.

但是傳統(tǒng)C2R模型不能進(jìn)一步區(qū)分多個(gè)同時(shí)處于生產(chǎn)前沿面的DMU（決策單元）的相對(duì)效率，針對(duì)上述情況，Anderson等［26］提出了超效率（Super-Efficiency）DEA模型.與傳統(tǒng)DEA模型相比，超效率DEA模型主要考慮被評(píng)價(jià)DMU相對(duì)于其他DMU的效率，測(cè)算時(shí)將效率得分為1的DMU（即有效DMU）從參考效率前沿面分離出去，因而能夠進(jìn)一步區(qū)分出有效DMU之間的相對(duì)效率差異，可對(duì)所評(píng)價(jià)的DMU進(jìn)行有效的比較與評(píng)價(jià).

面向投入的超效率DEA模型可表示為［27］：

其對(duì)偶模型可以表示如下：

超效率DEA模型構(gòu)造參考集時(shí)，排除了被評(píng)價(jià)DMU原來(lái)的投入和產(chǎn)出，用其他DMU的投入和產(chǎn)出的線性組合代替其投入和產(chǎn)出.因此，在超效率DEA模型中，無(wú)效DMU的效率值與C2R模型一致，而有效DMU的效率值有可能大于1.

1.2 Malmquist指數(shù)

Malmquist指數(shù)最早由瑞典統(tǒng)計(jì)學(xué)家Malmquist于1953年提出，目前普遍采用的是Fare等構(gòu)建的基于DEA方法的Malmquist指數(shù).

以t時(shí)期技術(shù)為參照，基于產(chǎn)出角度的Malmquist指數(shù)可以表示為：

同理，以t+1時(shí)期技術(shù)為參照，基于產(chǎn)出角度的Malmquist指數(shù)可以表示為：

為避免時(shí)期選擇的隨意性所造成的差異，Caves等［28］仿照Fisher理想指數(shù)的構(gòu)造方法，取二者的幾何平均數(shù)作為衡量從t期到t+1期生產(chǎn)率變化的Malmquist指數(shù)，即：

式中（xt+1，yt +1）、（xt，yt）分別表示t+1期和t期的投入和產(chǎn)出向量；和分別表示以t時(shí)期技術(shù)為參照，t+1期和t期的距離函數(shù).

Malmquist指數(shù)可以分解為純技術(shù)效率變動(dòng)，技術(shù)進(jìn)步以及規(guī)模效率變動(dòng)，即：

式中：PTEC（Pure technical efficiency change）表示純技術(shù)效率變動(dòng)，指不同時(shí)期決策單元相對(duì)于生產(chǎn)前沿的距離的比值；TC（Technical change）表示技術(shù)進(jìn)步，即生產(chǎn)前沿的移動(dòng)對(duì)生產(chǎn)效率變化的影響程度；SEC（Scale efficiency change）表示規(guī)模效率變動(dòng)，通過(guò)比較在同一生產(chǎn)前沿上的不同時(shí)期投入的規(guī)模效率，反映規(guī)模經(jīng)濟(jì)變動(dòng)對(duì)生產(chǎn)效率變動(dòng)的作用.利用Malmquist指數(shù)，可以對(duì)全要素能源生產(chǎn)率變動(dòng)及其分解因素進(jìn)行研究.

1.3 投入產(chǎn)出指標(biāo)及數(shù)據(jù)來(lái)源

選取2003～2012年除西藏自治區(qū)、臺(tái)灣省、重慶市、香港和澳門特別行政區(qū)以外的29個(gè)省、直轄市、自治區(qū)（以下稱為省區(qū)）的數(shù)據(jù)作為能源效率評(píng)價(jià)的決策單元，從模型結(jié)果中選出西部10省區(qū)1本文中西部地區(qū)包括內(nèi)蒙古、廣西、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等10個(gè)省區(qū)，西藏和重慶由于數(shù)據(jù)不全而不包括在內(nèi).的結(jié)果進(jìn)行分析.

本文參考Rashe［29］建立的3要素生產(chǎn)函數(shù)，選取能源、人力和資本作為投入要素.

（1）能源投入

本文選取各省當(dāng)期能源消費(fèi)總量作為能源投入指標(biāo)，由于各種類型能源的量綱及單位能源熱值的不同，采用統(tǒng)一折算為“萬(wàn)噸標(biāo)準(zhǔn)煤”的能源消費(fèi)總量指標(biāo).數(shù)據(jù)來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》［30］.

（2）人力資源投入

現(xiàn)有研究大多采用當(dāng)期從業(yè)人員數(shù)量作為人力資源投入，該指標(biāo)僅反映了勞動(dòng)力數(shù)量的變化，沒(méi)有反映勞動(dòng)者素質(zhì)的差異.為了綜合反映勞動(dòng)力數(shù)量的變化與勞動(dòng)力素質(zhì)的差異，本文將年末社會(huì)從業(yè)人員總數(shù)與15歲以上人口的平均受教育年限的乘積作為人力資源投入總量.數(shù)據(jù)來(lái)源于第六次人口普查數(shù)據(jù)和《中國(guó)統(tǒng)計(jì)年鑒》［31］.

（3）資本投入

大多數(shù)學(xué)者認(rèn)為資本存量可以較為精確地代表生產(chǎn)過(guò)程中的資本投入，但目前從統(tǒng)計(jì)年鑒中無(wú)法直接獲取資本存量數(shù)據(jù)，本文參照多數(shù)學(xué)者的做法，采用張軍等［32］對(duì)中國(guó)各省2000年資本存量現(xiàn)值的測(cè)算結(jié)果，以此為基準(zhǔn)推算得到2003～2012年的資本存量，并用2000年不變價(jià)格進(jìn)行縮減.

產(chǎn)出指標(biāo)同時(shí)考慮期望產(chǎn)出與非期望產(chǎn)出，以反映經(jīng)濟(jì)發(fā)展質(zhì)量與節(jié)能減排成效.

（1）期望產(chǎn)出——經(jīng)濟(jì)產(chǎn)出

本文采用GDP作為期望產(chǎn)出指標(biāo).數(shù)據(jù)來(lái)自《中國(guó)統(tǒng)計(jì)年鑒》［31］，以2000年不變價(jià)格進(jìn)行了縮減.

（2）非期望產(chǎn)出——污染物排放

本文將二氧化碳排放量、二氧化硫排放量、煙塵排放量、氮氧化物排放量、化學(xué)需氧量排放量這5個(gè)指標(biāo)作為污染物產(chǎn)出原始指標(biāo)，并利用主成分分析法將5個(gè)指標(biāo)合成為一個(gè)污染物排放指標(biāo).主成分分析法是因子分析法的一種，也是應(yīng)用最廣泛的一種.主成分分析法通過(guò)坐標(biāo)變換對(duì)原有變量進(jìn)行線性組合，選取前幾個(gè)方差較大的主成分來(lái)反映原有變量的絕大部分信息，從而有效降低變量維數(shù).本文采用主成分分析法求解初始公共因子特征值、方差貢獻(xiàn)率及累計(jì)方差貢獻(xiàn)率，計(jì)算結(jié)果表明各年度特征值大于1的公共因子累計(jì)方差貢獻(xiàn)率均在70％以上，能夠反映原始數(shù)據(jù)平均72.96％的信息，具有較好的代表性.根據(jù)公共因子載荷矩陣計(jì)算各年度各省的綜合得分，即為污染物排放綜合指數(shù)WR.

DEA模型包含一個(gè)基本假定，即以盡可能小的投入提供盡可能多的產(chǎn)出，而污染物排放表現(xiàn)為負(fù)的社會(huì)效應(yīng)，其值應(yīng)該是越小越好，因此需要轉(zhuǎn)換后才能代入模型.本文采用線性函數(shù)WR′=WR+v 對(duì)其進(jìn)行轉(zhuǎn)換，其中v是一個(gè)足夠大的正數(shù)，根據(jù)WR的值取v=5.

考慮非期望產(chǎn)出的全要素能源效率能更客觀地反映能源投入與產(chǎn)出之間的關(guān)系，由于產(chǎn)出指標(biāo)中包含非期望產(chǎn)出，計(jì)算的全要素能源效率值預(yù)計(jì)比不包含非期望產(chǎn)出的效率值低.

2 西部地區(qū)全要素能源效率測(cè)算及分解

2.1 西部地區(qū)省際全要素能源效率測(cè)算

本文關(guān)注的是能源作為區(qū)域經(jīng)濟(jì)增長(zhǎng)的一種投入要素，因此選取基于投入導(dǎo)向的超效率DEA模型，利用EMS軟件，得到2003～2012年中國(guó)各省的全能要素效率值，從中選出西部10省的數(shù)據(jù)進(jìn)行分析（表1）.

表1的數(shù)據(jù)顯示，2003～2012年，我國(guó)東部、中部和西部三大區(qū)域全要素能源效率呈現(xiàn)出“東—中—西”由高到低的格局，東部地區(qū)的平均能源效率為0.8572，明顯高于全國(guó)整體水平和中部、西部地區(qū)；西部地區(qū)的平均能源效率最低，為0.7641，中部地區(qū)的平均能源效率為0.7643，略高于西部地區(qū)，且二者之間的差距逐漸縮小.由于引入了非期望產(chǎn)出指標(biāo)，本文計(jì)算的全要素能源效率值比其他類似研究計(jì)算的數(shù)值要低，且各地區(qū)的能源效率都呈現(xiàn)出比較明顯的下降趨勢(shì)，這說(shuō)明如果不考慮環(huán)境因素的確會(huì)導(dǎo)致能源效率的高估.

從全要素能源效率的變動(dòng)趨勢(shì)來(lái)看，2003～2012年，西部地區(qū)各省區(qū)的能源效率都呈現(xiàn)出下降趨勢(shì)，其中內(nèi)蒙古、廣西、云南、甘肅幾個(gè)省區(qū)的下降趨勢(shì)比較明顯，其余各省區(qū)的下降趨勢(shì)相對(duì)平緩.西部地區(qū)各省區(qū)的全要素能源效率存在顯著差距，能源效率最高的省份是四川和青海，2003～2012年間兩省的全要素能源效率始終為1左右，這表明與其他省區(qū)相比，四川和青海的能源得到了較為充分的利用，資源配置也相對(duì)比較合理，從而在相同的產(chǎn)出水平下實(shí)現(xiàn)了最小的能源投入，達(dá)到相對(duì)能源效率最優(yōu).內(nèi)蒙古、廣西、陜西、寧夏、甘肅5省區(qū)的全要素能源效率值在0.7～0.8之間，說(shuō)明這些省份的能源效率仍有提升空間，需要在技術(shù)水平和資源配置方面加以改進(jìn).云南、貴州、新疆3省區(qū)的全要素能源效率值在0.6～0.7之間，說(shuō)明這3省區(qū)與生產(chǎn)前沿面的距離較遠(yuǎn)，能源利用效率較低.整體而言，西部10省區(qū)的全要素能源效率仍不高，主要原因是西部地區(qū)目前的經(jīng)濟(jì)增長(zhǎng)方式仍以“高投入、高消耗”的粗放式增長(zhǎng)為主，同時(shí)有些地區(qū)環(huán)境保護(hù)意識(shí)薄弱、觀念落后，忽略了環(huán)境保護(hù)，在經(jīng)濟(jì)發(fā)展的同時(shí)對(duì)生態(tài)環(huán)境造成了破壞.

表1 西部10省2003～2012年全要素能源效率Table 1 TFEE of western provinces（2003～2012）

2.2 基于Malmquist指數(shù)的全要素生產(chǎn)率分析

表2 西部地區(qū)2003～2012全要素能源效率變動(dòng)及分解Table 1 variation of TFEE of western region and its decomposition（2003～2012）

為了進(jìn)一步分析西部地區(qū)全要素能源效率的變動(dòng)情況，利用Malmquist指數(shù)對(duì)西部10省區(qū)分年和分省的全要素能源效率變動(dòng)進(jìn)行分解，Deap2.1軟件的計(jì)算結(jié)果詳見表2和表3.

表3 西部10省2003～2012全要素能源效率變動(dòng)及分解Table 3 variation of TFEE of western provinces and its decomposition（2003～2012）

由表2可知，2003～2012年，西部地區(qū)全要素能源效率平均下降了4.29％，各年的全要素能源效率變動(dòng)均小于1，表明西部地區(qū)全要素能源效率整體呈現(xiàn)下降趨勢(shì).從Malmquist指數(shù)的分解結(jié)果來(lái)看，各年的技術(shù)進(jìn)步指數(shù)TC和純技術(shù)效率指數(shù)PTEC均小于1，規(guī)模效率指數(shù)SEC則在1附近上下波動(dòng)，有的年份大于1.技術(shù)進(jìn)步指數(shù)的值最小，說(shuō)明這10年間出現(xiàn)了較為明顯的技術(shù)退步，這也是導(dǎo)致西部地區(qū)全要素能源效率下降的主要原因.表3的分省Malmquist指數(shù)分解結(jié)果顯示了與表2類似的趨勢(shì)，各省區(qū)的全要素能源效率都有不同程度的下降，且技術(shù)退步是導(dǎo)致全要素能源效率下降的主要原因.

2.3 全要素能源效率的計(jì)量分析

Hu等［6］認(rèn)為技術(shù)進(jìn)步、純技術(shù)效率和規(guī)模效率的改善有助于能源效率的提高.為深入研究技術(shù)進(jìn)步、純技術(shù)效率和規(guī)模效率對(duì)全要素能源效率的影響，以各省的純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)和技術(shù)進(jìn)步指數(shù)作為解釋變量，全要素能源效率作為被解釋變量，構(gòu)建計(jì)量分析回歸模型.因?yàn)镸almquist 指數(shù)表示的是與上一年相比的變化情況，因而將被解釋變量全要素能源效率也轉(zhuǎn)化為與上一年的比值.構(gòu)建的回歸模型表達(dá)式如下：0.6357，表明這3個(gè)指數(shù)每提高1％，可以分別引起全要素能源效率平均提高0.4350％、0.9512％、0.6357％.技術(shù)進(jìn)步指數(shù)的系數(shù)最小，表明技術(shù)進(jìn)步對(duì)全要素能源效率的貢獻(xiàn)最??；純技術(shù)效率指數(shù)的系數(shù)最大，超過(guò)了技術(shù)進(jìn)步指數(shù)的系數(shù)，這也印證了技術(shù)進(jìn)步存在回彈效應(yīng)的猜想.

表4 回歸結(jié)果（隨機(jī)效應(yīng)變截距模型）table 4 Regression results（random effects variant intercept model）

式中：i代表第i個(gè)地區(qū)；t代表第t年；Eechit、Techit、Pechit和 Sechit分別代表全要素能源效率的變動(dòng)率、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)，εit為隨機(jī)擾動(dòng)項(xiàng)；C為常數(shù)項(xiàng).

采用Eviews8.0估計(jì)模型參數(shù)，首先對(duì)各變量進(jìn)行單位根檢驗(yàn)，結(jié)果表明Eechit、Techit、Pechit和 Sechit均為平穩(wěn)序列.Hausman檢驗(yàn)與似然比檢驗(yàn)結(jié)果均表明應(yīng)該建立隨機(jī)效應(yīng)模型，為了消除異方差和序列自相關(guān)的影響，采用橫截面加權(quán)的GLS法進(jìn)行估計(jì)，回歸結(jié)果見表4.

從計(jì)量回歸結(jié)果可以看出，模型整體的擬合優(yōu)度為0.6345，截距項(xiàng)以及各解釋變量系數(shù)所對(duì)應(yīng)的P值均小于0.05，表明技術(shù)進(jìn)步、純技術(shù)效率及規(guī)模效率的變化對(duì)全要素能源效率變動(dòng)都有顯著影響.技術(shù)進(jìn)步指數(shù)、純技術(shù)效率指數(shù)及規(guī)模效率指數(shù)的系數(shù)分別為0.4350、0.9512、

3 西部地區(qū)全要素能源效率影響因素分析

3.1 影響因素的確定

根據(jù)相關(guān)理論，同時(shí)考慮數(shù)據(jù)的可獲得性，選取產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、技術(shù)進(jìn)步、對(duì)外開放程度、能源價(jià)格等影響因素進(jìn)行分析.數(shù)據(jù)來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》［30］、《中國(guó)統(tǒng)計(jì)年鑒》［31］、《中國(guó)科技統(tǒng)計(jì)年鑒》［34］等.

（1）產(chǎn)業(yè)結(jié)構(gòu).以各省第二產(chǎn)業(yè)增加值比重（GC）和第三產(chǎn)業(yè)增加值比重（FC）來(lái)反映產(chǎn)業(yè)結(jié)構(gòu).

（2）能源消費(fèi)結(jié)構(gòu).目前西部地區(qū)能源消費(fèi)以煤炭為主，因此采用各省原煤消費(fèi)量占全省能源消費(fèi)總量的比重（CC）來(lái)衡量能源消費(fèi)結(jié)構(gòu).

（3）技術(shù)進(jìn)步.采用R&D 經(jīng)費(fèi)支出（RD）作為衡量技術(shù)進(jìn)步的指標(biāo).

（4）對(duì)外開放程度.選取進(jìn)口額比重（IC）和出口額比重（OC）兩個(gè)指標(biāo)，分別從進(jìn)口和出口兩個(gè)角度衡量對(duì)外開放程度.

（5）政府影響力.選取財(cái)政支出占GDP比重（MC）和污染治理支出占GDP比重（WC）來(lái)衡量政府影響力.

（6）能源價(jià)格（JG）.以原材料、燃料、動(dòng)力購(gòu)進(jìn)價(jià)格指數(shù)反映能源價(jià)格（該指數(shù)從2011年1月起改稱為“工業(yè)生產(chǎn)者購(gòu)進(jìn)價(jià)格指數(shù)”），以2000年的能源消費(fèi)價(jià)格指數(shù)為基準(zhǔn).

3.2 模型選擇

本文測(cè)得的各省區(qū)全要素能源效率取值均大于0，表明只能從“掐頭”的連續(xù)區(qū)間隨機(jī)抽取被解釋變量的樣本觀測(cè)值，即數(shù)據(jù)被截?cái)?對(duì)于包含截?cái)啾唤忉屪兞康哪Ｐ?，若采用OLS法進(jìn)行估計(jì)，會(huì)導(dǎo)致參數(shù)估計(jì)量的偏誤，在不了解解釋變量分布的情況下，要估計(jì)出偏誤的程度非常困難.因此，本文運(yùn)用Tobit 模型對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，以克服一般線性回歸參數(shù)估計(jì)有偏且不一致的問(wèn)題.

Tobit模型又稱為刪截回歸模型，是一種被解釋變量受限的模型，適用于解決效率分布問(wèn)題且能得出效率改進(jìn)的方向和途徑.Tobit 模型的一般形式如下：

不失一般性，設(shè)a為0，這是Tobit模型的標(biāo)準(zhǔn)形式.在Tobit模型標(biāo)準(zhǔn)形式中，當(dāng)yi＞0時(shí)，被解釋變量取無(wú)限制的實(shí)際觀測(cè)值；當(dāng)yi≤0時(shí)，被解釋變量受限制，均截取為0表示.

3.3 回歸結(jié)果及分析

對(duì)2003～2012年西部地區(qū)10省的面板數(shù)據(jù)，以各省全要素能源效率為被解釋變量，以第二產(chǎn)業(yè)增加值比重、第三產(chǎn)業(yè)增加值比重、R&D經(jīng)費(fèi)支出、進(jìn)口比重等作為解釋變量，建立全要素能源效率影響因素的計(jì)量回歸模型，模型表達(dá)式如下：

采用Eviews8.0對(duì)模型進(jìn)行估計(jì)，方法為最大似然估計(jì)法，結(jié)果見表5.

表5結(jié)果顯示，對(duì)全要素能源效率有顯著影響的因素包括第二產(chǎn)業(yè)增加值比重（GC）、第三產(chǎn)業(yè)增加值比重（FC）、煤炭消費(fèi)比重（CC）、技術(shù)進(jìn)步（RD）、能源價(jià)格（JG）.

（1）產(chǎn)業(yè)結(jié)構(gòu)的影響.第二產(chǎn)業(yè)增加值比重（GC）和第三產(chǎn)業(yè)增加值比重（FC）分別在10％和1％的水平上顯著，表明產(chǎn)業(yè)結(jié)構(gòu)對(duì)西部地區(qū)全要素能源效率具有顯著影響.二者的系數(shù)都為正，第二產(chǎn)業(yè)增加值每提高1％，全要素能源效率平均提高0.7855％；第三產(chǎn)業(yè)增加值每提高1％，全要素能源效率平均提高0.9456％.根據(jù)師博等［9］的研究，工業(yè)產(chǎn)值比重與全要素能源效率呈倒“U”型關(guān)系，隨著工業(yè)比重的增加，全要素能源效率先是逐漸上升然后又下降.西部地區(qū)目前工業(yè)化水平相對(duì)較低，第二產(chǎn)業(yè)規(guī)模相對(duì)較小，處于倒“U”型曲線的左邊，因此第二產(chǎn)業(yè)增加值比重對(duì)能源效率的影響為正.

表5 全要素能源效率影響因素Tobit估計(jì)結(jié)果Table 5 estimation of determinants of TFEE by Tobit model

（2）能源消費(fèi)結(jié)構(gòu)的影響.實(shí)證結(jié)果顯示，煤炭消費(fèi)比重（CC）對(duì)西部地區(qū)全要素能源效率具有顯著負(fù)向影響，煤炭消費(fèi)比重每下降1個(gè)百分點(diǎn)，全要素能源效率將提高0.6241％，這意味著降低煤炭消費(fèi)比重能夠提高能源效率.

（3）技術(shù)進(jìn)步的影響.實(shí)證結(jié)果顯示，R&D經(jīng)費(fèi)支出（RD）對(duì)全要素能源效率有顯著正向影響，其系數(shù)為0.00000004，即R&D 經(jīng)費(fèi)每增加1元，西部地區(qū)全要素能源效率將平均提高0.000004％；但是，與其他因素相比，R&D投入對(duì)提高能源效率的作用比較微弱，說(shuō)明西部地區(qū)未能充分發(fā)揮技術(shù)進(jìn)步對(duì)能源效率的提升作用.

（4）能源價(jià)格的影響.能源價(jià)格對(duì)全要素能源效率有顯著的負(fù)向影響，能源價(jià)格指數(shù)每提高1個(gè)百分點(diǎn)，西部地區(qū)全要素能源效率平均降低0.0022％.理論上來(lái)講，能源價(jià)格上漲應(yīng)該有助于提高能源效率.現(xiàn)有研究中，袁曉玲等［20］和屈小娥［10］的結(jié)果表明能源價(jià)格對(duì)能源效率具有正向影響，但影響程度都非常??；關(guān)愛(ài)萍等［23］的結(jié)果與本文一致，即能源價(jià)格的系數(shù)為負(fù).西部地區(qū)的能源價(jià)格上漲未能帶來(lái)能源效率的提升，原因一方面是由于引入非期望產(chǎn)出后計(jì)算的全要素能源效率呈下降趨勢(shì)，而能源價(jià)格近年來(lái)基本呈上漲趨勢(shì)，因此二者表現(xiàn)為負(fù)相關(guān)；另一方面也反映西部地區(qū)能源市場(chǎng)價(jià)格機(jī)制不完善，能源價(jià)格不能很好地反映資源稀缺程度、市場(chǎng)供求關(guān)系以及環(huán)境成本.

4 政策建議

4.1 考慮非期望產(chǎn)出的全要素能源效率與其他研究的估算值相比明顯較低且呈現(xiàn)下降趨勢(shì)，可見，西部地區(qū)近年來(lái)的經(jīng)濟(jì)增長(zhǎng)付出了較高的環(huán)境代價(jià)，這種增長(zhǎng)模式是不可持續(xù)的，能源效率并沒(méi)有真正提高.西部地區(qū)應(yīng)大力加強(qiáng)技術(shù)創(chuàng)新和引進(jìn)，包括能源節(jié)約技術(shù)、循環(huán)利用技術(shù)和污染治理技術(shù)等，通過(guò)技術(shù)進(jìn)步促進(jìn)能源效率的提高.煤炭是西部地區(qū)的優(yōu)勢(shì)能源，因此推廣煤炭潔凈技術(shù)，減少原煤直接燃燒，提高煤炭使用效率尤為重要.

4.2 逐漸改變目前“煤依賴癥”的能源消費(fèi)結(jié)構(gòu)，開發(fā)可再生能源和清潔能源，促進(jìn)能源結(jié)構(gòu)多元化，推動(dòng)能源生產(chǎn)和消費(fèi)方式變革.西部地區(qū)擁有豐富的可再生能源，可開發(fā)水能資源占全國(guó)的72％，風(fēng)能資源占全國(guó)的50％以上，青藏高原、甘肅北部、寧夏北部和新疆南部是我國(guó)太陽(yáng)能資源最豐富的地區(qū)，這些都是發(fā)展特色可再生能源的有利條件.

4.3 加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)，尤其是提高第三產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中的比重.與東部地區(qū)不同，西部地區(qū)目前工業(yè)化水平仍較低，第二產(chǎn)業(yè)規(guī)模相對(duì)較小，處于倒“U”型曲線的左邊，因此，增加第二產(chǎn)業(yè)比重能夠提高能源效率.但與此同時(shí)也要注意提高工業(yè)化的質(zhì)量，大力發(fā)展節(jié)能環(huán)保產(chǎn)業(yè)、新能源產(chǎn)業(yè)等戰(zhàn)略性新興產(chǎn)業(yè)，逐步淘汰高能耗、高污染的低端產(chǎn)業(yè).

4.4 加快能源價(jià)格的市場(chǎng)化改革進(jìn)程，充分發(fā)揮市場(chǎng)機(jī)制的資源配置功能.2014年11月，國(guó)務(wù)院辦公廳發(fā)布《能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014-2020年）》，強(qiáng)調(diào)將推進(jìn)能源價(jià)格改革，對(duì)于西部地區(qū)而言，這是建立健全能源價(jià)格形成機(jī)制、提高能源效率的新契機(jī).

5 結(jié)論

5.1 2003～2012年間，西部地區(qū)的平均全要素能源效率遠(yuǎn)低于東部地區(qū)，也略低于中部地區(qū)，說(shuō)明西部地區(qū)整體能源利用效率水平仍然較低，存在較大的提升空間.西部地區(qū)省際間全要素能源效率存在明顯差異，青海、四川的能源效率最高，內(nèi)蒙古、廣西、甘肅、陜西、寧夏處于第二層次，貴州、云南、新疆的能源效率最低，但這種差異近年來(lái)逐步縮小.

5.2 2003～2012年間，西部地區(qū)全要素能源效率整體呈下降趨勢(shì).對(duì)全要素能源效率變動(dòng)的分年和分省Malmquist指數(shù)分解結(jié)果顯示，技術(shù)退步是導(dǎo)致西部地區(qū)全要素能源效率下降的主要原因.回歸模型的結(jié)果顯示技術(shù)進(jìn)步、純技術(shù)效率及規(guī)模效率的變化對(duì)全要素能源效率都存在顯著影響.純技術(shù)效率的系數(shù)最大，超過(guò)了技術(shù)進(jìn)步的系數(shù)，說(shuō)明技術(shù)進(jìn)步的確存在“回彈效應(yīng)”，即技術(shù)進(jìn)步在提高能源效率、減少能源消耗的同時(shí)也會(huì)提高生產(chǎn)率，增加能源需求.

5.3 Tobit回歸分析結(jié)果顯示，第二產(chǎn)業(yè)增加值比重、第三產(chǎn)業(yè)增加值比重、R&D經(jīng)費(fèi)支出對(duì)提升能源效率具有積極影響，其中第三產(chǎn)業(yè)增加值比重對(duì)能源效率的影響最為明顯；煤炭消費(fèi)比重和能源價(jià)格對(duì)能源效率具有抑制作用.

［1］Patterson M G.What is energy efficiency？： Concepts，Indicators and Methodological Issues［J］.Energy Policy，1996，24（5）：377-390.

［2］王慶一.中國(guó)的能源效率及國(guó)際比較（上）［J］.節(jié)能與環(huán)保，2003，（8）：5-7.

［3］魏 楚，沈滿洪.能源效率及其影響因素基于DEA的實(shí)證分析［J］.管理世界，2007，（8）：66-76.

［4］魏一鳴，廖 華.能源效率的七類測(cè)度指標(biāo)及其測(cè)度方法［J］.中國(guó)軟科學(xué)，2010，（1）：128-137.

［5］史 丹，吳利學(xué)，傅曉霞.中國(guó)能源效率地區(qū)差異及其成因研究——基于隨機(jī)前沿生產(chǎn)函數(shù)的方差分解［J］.管理世界，2008，（2）：35-43.

［6］Hu Jin-Li，Wang Shih-Chuan.Total-factor energy efficiency of regions in China［J］.Energy Policy，2006，34（17）：3206-3217.

［7］Chang Ming-Chung.A comment on the calculation of the total-factor energy efficiency（TFEE）index［J］.Energy Policy，2013，53（2）：500-504.

［8］魏 楚，沈滿洪.能源效率與能源生產(chǎn)率：基于DEA方法的省際數(shù)據(jù)比較［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007，24（9）：110-121.

［9］師 博，沈坤榮.市場(chǎng)分割下的中國(guó)全要素能源效率：基于超效率DEA方法的經(jīng)驗(yàn)分析［J］.世界經(jīng)濟(jì)，2008，（9）：49-59.

［10］屈小娥.中國(guó)省際全要素能源效率變動(dòng)分解——基于Malmquist指數(shù)的實(shí)證研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2009，（8）：29-43.

［11］曾賢剛.我國(guó)能源效率、CO2減排潛力及影響因素分析［J］.中國(guó)環(huán)境科學(xué)，2010，（10）：1432-1440.

［12］王維國(guó).中國(guó)區(qū)域全要素能源效率收斂性及影響因素分析——基于Malmqulist-Luenberge指數(shù)法［J］.資源科學(xué)，2012，（10）：1816-1824.

［13］徐麗萍，王 立，李金林.基于隱含能的行業(yè)完全能源效率評(píng)價(jià)模型研究［J］.中國(guó)環(huán)境科學(xué)，2012，32（11）：2095-2102.

［14］Denison E F.Why growth rates differ；postwar experience in nine Western countries［M］.1967.

［15］Maddison A.Growth and slowdown in advanced capitalist economics： Techniques of quantities assessment［J］.Economics Literature，1987，25：649-698.

［16］Khazzoom J D.Economic implications of mandated efficiency in standards for household appliances［J］.The Energy Journal，1980，1（4）：21-40.

［17］Renshaw E F.Energy efficiency and the slump in labour productivity in the USA［J］.Energy Economics，1981，3（1）：36-42.

［18］吳巧生，成金華.中國(guó)能源消耗強(qiáng)度變動(dòng)及因素分解：1980～2004［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2006，（10）：34-40.

［19］王群偉，周德群.中國(guó)全要素能源效率變動(dòng)的實(shí)證研究［J］.系統(tǒng)工程，2008，26（7）：74-80.

［20］袁曉玲，張寶山，楊萬(wàn)平.基于環(huán)境污染的中國(guó)全要素能源效率研究［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2009，（2）：76-86.

［21］史 丹.中國(guó)能源效率的地區(qū)差異與節(jié)能潛力分析［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2006，（10）：49-58.

［22］李廉水，周 勇.技術(shù)進(jìn)步能提高能源效率嗎？——基于中國(guó)工業(yè)部門的實(shí)證檢驗(yàn)［J］.管理世界，2006，（10）：82-89.

［23］關(guān)愛(ài)萍，師 軍，張 強(qiáng).中國(guó)西部地區(qū)省際全要素能源效率研究——基于超效率DEA模型和Malmquist指數(shù)［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2014，（2）：32-40.

［24］Li Lan-Bing，Hu Jin-Li.Ecological total-factor energy efficiency of regions in China［J］.Energy Policy，2012，46（7）：216-224.

［25］邵 帥，齊中英.西部地區(qū)的能源開發(fā)與經(jīng)濟(jì)增長(zhǎng)——基于“資源詛咒”假說(shuō)的實(shí)證分析［J］.經(jīng)濟(jì)研究，2009，（4）：147-160.

［26］Andersen P，Petersen N C.A procedure for ranking efficient units in data envelopment analysis［J］.Manage Sci，1993，39（10）：1261-1265.

［27］吳文江.用超效率綜合DEA模型來(lái)研究DEA有效性［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，42（4）：158-165.

［28］Caves D W，Christensen L R，Diewert W E.The economic theory of index numbers and the measurement of input，output，and productivity［J］.Econometrica，1982，50：1393-1414.

［29］Rashe R，Tatom J.Energy Resources and Potential GNP［J］.Federal Reserve Bank of St Louis Review，1977，59（6）：68-76.

［30］國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司.中國(guó)能源統(tǒng)計(jì)年鑒［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2004-2013.

［31］國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2004-2013.

［32］張 軍，吳桂英，張吉鵬.中國(guó)省際物質(zhì)資本存量估算：1952～2000［J］.經(jīng)濟(jì)研究，2004，（10）：35-44.

［33］童抗抗，馬克明.中國(guó)的產(chǎn)業(yè)產(chǎn)值與能源消耗碳排放相關(guān)性研究［J］.中國(guó)環(huán)境科學(xué)，2011，31（7）：1212-1218.

［34］國(guó)家統(tǒng)計(jì)局.中國(guó)科技統(tǒng)計(jì)年鑒［M］.北京：中國(guó)統(tǒng)計(jì)出版社，2004-2013.

Energy efficiency and its determinants of western China: total factor perspective.

LIU Dan-dan*，ZHAO Song-yangyang，GUO Yao（College of Statistics，Dongbei University of Finance and Economics，Dalian 116025，China）.China Environmental Science，2015，35（6）：1911～1920

Incorporating undesirable output in the input-output indicators，the total-factor energy efficiency（TFEE）of 29 Chinese administrative regions during 2003～2012 was computed based on super-efficiency DEA.Then the TFEE of western region was decomposed with Malmquist index and determinants of energy efficiency were examined with Tobit model.Results indicated that energy efficiency of western region was far below that of eastern region，and also below that of central region，which reflected the low level of energy efficiency of western region.TFEE varied among western provinces，but the gap was narrowed in recent years.TFEE of western region showed a decending tendency during research period.TFEE was influenced significantly by technical change，pure technical efficiency change and scale efficiency change，and technology degradation was the most significant factor that led to the decline of TFEE of western region.Industrial structure upgrade and technology progress had positive effects on energy efficiency，while energy price and coal consumption had negative effects on energy efficiency.

total factor energy efficiency；super efficiency-DEA；Malmquist index；Tobit model；western China

X24

A

1000-6923（2015）06-1911-10

劉丹丹（1980-），女，陜西安康人，講師，博士，主要從事經(jīng)濟(jì)統(tǒng)計(jì)分析和國(guó)民經(jīng)濟(jì)核算方面的研究.發(fā)表論文近20篇.

2014-12-20

國(guó)家社科基金青年項(xiàng)目（12CTJ005）；國(guó)家自然科學(xué)基金青年項(xiàng)目（71103029）；遼寧省高校人文社科重點(diǎn)研究基地專項(xiàng)項(xiàng)目（ZJ2014046）

* 責(zé)任作者，講師，liudandan@dufe.edu.cn