■ 李彥華 焦德坤 劉婧 武勇杰

中北大學(xué)經(jīng)濟(jì)與管理學(xué)院 太原 030051

0 引言

2015年，全球大約200個(gè)國(guó)家簽訂了《巴黎協(xié)定》，目標(biāo)致力于將全球的溫升控制在2 度。為了達(dá)到這個(gè)目標(biāo)，一些學(xué)者或機(jī)構(gòu)提出了碳預(yù)算的概念（即向大氣里排放溫室氣體的最大限額），經(jīng)測(cè)算，大約是3萬(wàn)億噸，至今已用大約是75%，即2 萬(wàn)億噸，還剩下大約7 千億噸的溫室氣體排放空間。而每年全球排放的溫室氣體大約在400 億噸，意味著到了2035年，全球的碳預(yù)算可能將消耗殆盡，即2035年以后，全球溫室氣體排放必須保持零排放，這對(duì)全球各國(guó)能源工業(yè)帶來(lái)的挑戰(zhàn)是巨大的。當(dāng)今，我國(guó)作為世界上最大的能源消費(fèi)國(guó)，據(jù)《BP世界能源展望2019年版》預(yù)計(jì)，到2040年，我國(guó)仍是全球最大的能源消費(fèi)國(guó)，我國(guó)的碳排放則將在2020年達(dá)到頂峰。同時(shí)，煤炭在我國(guó)的能源消費(fèi)比重中居高不下，對(duì)我國(guó)的環(huán)境造成了沉重的壓力。所以，提高能源利用效率成為我國(guó)發(fā)展經(jīng)濟(jì)和節(jié)能減排合理并行的一個(gè)至關(guān)重要的因素。山西為煤炭資源大省，打造全國(guó)能源革命排頭兵的政策對(duì)山西能源產(chǎn)業(yè)的發(fā)展具有十分重要的影響，考察政策落實(shí)情況對(duì)于進(jìn)一步發(fā)展是必要的，山西省哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室因此設(shè)立了《山西打造全國(guó)能源革命排頭兵行動(dòng)方案》對(duì)山西能源產(chǎn)業(yè)發(fā)展的影響研究課題，本文是該課題的部分成果，測(cè)度山西省能源利用效率并將其與全國(guó)其他省份進(jìn)行比較，精準(zhǔn)定位其能源利用效率發(fā)展現(xiàn)狀及限制性因素，對(duì)于山西省能源產(chǎn)業(yè)的進(jìn)一步發(fā)展具有十分重要的借鑒意義。

目前，能源利用效率測(cè)算相關(guān)文獻(xiàn)主要涉及不同的區(qū)域、行業(yè)以及方法的改進(jìn)和比較。其中，岳立[1-2]利用數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）的方向性距離函數(shù)（Directional Distance Function，DDF）和包含非期望產(chǎn)出的全要素生產(chǎn)率增長(zhǎng)指數(shù)（Global Malmquist Luenberger，GML）測(cè)算了“一帶一路”沿線50個(gè)國(guó)家的能源利用效率，并基于傳統(tǒng)DEA 模型和Malmquist 生產(chǎn)率指數(shù)對(duì)中國(guó)和中亞5 國(guó)的能源利用效率進(jìn)行了測(cè)算；孫偉[3]、關(guān)偉[4]分別基于松弛方向性距離函數(shù)（Slacks-based Measure，SBM）和超效率DEA模型對(duì)黃河流域62 個(gè)地級(jí)市的能源生態(tài)效率和9 省區(qū)的綜合能源效率值進(jìn)行了測(cè)算；劉海英[5]、厲樺楠[6]、孟潔[7]、于洋[8]和杜佳敏[9]等學(xué)者分別對(duì)我國(guó)省際能源利用效率進(jìn)行了測(cè)算。關(guān)于行業(yè)能源效率的測(cè)算，肖智[10]、雷輝[11]對(duì)中國(guó)工業(yè)行業(yè)的能源利用效率進(jìn)行了測(cè)算；賓厚[12]、張雪梅[13]、江兵[14]分別針對(duì)中國(guó)包裝產(chǎn)業(yè)、蘭州市節(jié)能環(huán)保產(chǎn)業(yè)、合肥市物流業(yè)的能源利用效率進(jìn)行了測(cè)算；何偉怡[15]、陳亞[16]分別基于Bootstrap-DEA 模型和傳統(tǒng)DEA模型對(duì)中國(guó)區(qū)域裝備制造業(yè)的能源全要素生產(chǎn)率進(jìn)行了測(cè)算。關(guān)于能源效率測(cè)算方法的應(yīng)用及改進(jìn)，主要是基于非期望產(chǎn)出涉及的兩個(gè)問(wèn)題：該指標(biāo)替代變量的選取和處理方式。其中，研究中更多的是將二氧化碳、二氧化硫和“三廢”作為非期望產(chǎn)出指標(biāo)的替代變量。最初階段，對(duì)于非期望產(chǎn)出的處理方法主要是將非期望產(chǎn)出變量取倒數(shù)，或者將非期望產(chǎn)出作為其投入變量[17,18]，這兩種方法與實(shí)際情況不符，測(cè)算結(jié)果會(huì)有所偏差；發(fā)展階段，學(xué)者通過(guò)坐標(biāo)變換改變非期望產(chǎn)出變量的變化方向?qū)δ茉蠢眯蔬M(jìn)行研究[19,20]，使用該方法使產(chǎn)出為負(fù)的決策單元（Decision Making Unit，DMU）為有效狀態(tài)，需要對(duì)此類(lèi)DMU 再次進(jìn)行測(cè)算；還有學(xué)者是通過(guò)方向距離函數(shù)來(lái)實(shí)現(xiàn)同時(shí)減少非期望產(chǎn)出和增加期望產(chǎn)出[21]，此方法彌補(bǔ)了前3 種方法的缺點(diǎn)，但與前3 種方法同屬于徑向的效率測(cè)度方法，會(huì)高估DMU 的效率值，結(jié)果區(qū)分度較低；目前應(yīng)用最廣泛且認(rèn)可度較高的的方法是包含非期望產(chǎn)出的SBM-U 模型，該模型基于松弛變量對(duì)效率值的影響，使效率值有更好的結(jié)果區(qū)分度[22]。另外，基于方法的改進(jìn)致使能源利用效率測(cè)算結(jié)果不一，從而對(duì)不同方法及指數(shù)測(cè)算的能源利用效率結(jié)果進(jìn)行比較也成為當(dāng)前研究的熱點(diǎn)，彭樹(shù)遠(yuǎn)[23]分別基于SBM模型、包含非期望產(chǎn)出的SBM-U 模型和非期望混合距離SBM 模型對(duì)中國(guó)全要素能源利用效率進(jìn)行了測(cè)算，并將3 種模型測(cè)算的結(jié)果進(jìn)行了比較；吳江[24]分別基于非期望產(chǎn)出不可分離的松弛方向性距離函數(shù)模型以及GML指數(shù)對(duì)中國(guó)全要素能源利用效率進(jìn)行了測(cè)算。

綜合上述分析，考察包含非期望產(chǎn)出的能源利用效率及其影響因素成為當(dāng)前的研究熱點(diǎn)，基于此，本文借鑒Aparicio[25]等人提出的至強(qiáng)有效前沿最近距離模型（minimum distance to strong efficient frontier，MinDS），該模型是基于SBM-DEA 模型改進(jìn)而來(lái)的，結(jié)合Malmquist 生產(chǎn)率指數(shù)分別構(gòu)建基于MinDS-DEA 模型和SBM-DEA 模型的全要素生產(chǎn)率指數(shù)模型：MinDS-M和SBM-M 模型，然后對(duì)中國(guó)省際能源利用效率進(jìn)行評(píng)價(jià)，對(duì)現(xiàn)有研究?jī)?nèi)容和方法進(jìn)行補(bǔ)充。文章具體從以下幾個(gè)方面展開(kāi)研究：（1）將基于MinDS-M 指數(shù)模型、SBM-M 指數(shù)模型以及包含非期望產(chǎn)出的MinDS-U-M指數(shù)模型和SBM-U-M 指數(shù)模型測(cè)算的結(jié)果進(jìn)行比較分析，考察碳排放對(duì)我國(guó)能源全要素生產(chǎn)率的影響；（2）考察我國(guó)能源全要素生產(chǎn)率的時(shí)間序列特征和區(qū)域異質(zhì)性；（3）考察我國(guó)能源全要素生產(chǎn)率的增長(zhǎng)模式。

1 研究方法

1.1 MinDS-U-DEA模型

MinDS-DEA 模型是Aparicio 等人在SBM-DEA 模型的基礎(chǔ)上進(jìn)行了改進(jìn)。投入或產(chǎn)出松弛變量最大化是實(shí)現(xiàn)SBM-DEA 模型優(yōu)化的先決條件，但是這樣可能會(huì)高估了無(wú)效決策單元的可改進(jìn)空間?；诖耍珹paricio 等人提出了MinDS-DEA 模型，該模型使被評(píng)估的DMU 到強(qiáng)有效前沿面的距離最小，彌補(bǔ)SBM-DEA 模型的缺點(diǎn)，后來(lái)學(xué)著擴(kuò)展了SBM-DEA 和MinDS-DEA 模型，將非期望產(chǎn)出考慮到了模型當(dāng)中，被稱(chēng)為SBM-UDEA和MinDS-U-DEA模型。

（1）經(jīng)SBM-U-DEA 模型判定有效的決策單元的集合為Ecrs，SBM-U-DEA模型線性規(guī)劃如下:

公式（1）中，xik、yrk和bdk分別表示第k個(gè)DMU 對(duì)應(yīng)的投入，期望產(chǎn)出和非期望產(chǎn)出。、和為投入，期望產(chǎn)出和非期望產(chǎn)對(duì)應(yīng)的松弛變量。λj表示各DMU 的權(quán)重，若，表示生產(chǎn)技術(shù)處于規(guī)模報(bào)酬可變狀態(tài)，去除該條件，表示生產(chǎn)技術(shù)處于規(guī)模報(bào)報(bào)酬不變狀態(tài)。ρk表示第k個(gè)決策單元的技術(shù)效率值。

（2）基于SBM-U-DEA進(jìn)行MinDS-U-DEA模型前沿面的構(gòu)造。MinDS-U-DEA 模型的可能性生產(chǎn)集表示如下：

在公式（2）中，Ecrs為MinDS-U-DEA 模型的初始參考集，此外，我們假設(shè)vi、ur和βd分別表示投入、期望產(chǎn)出和非期望產(chǎn)出的權(quán)重。M是一個(gè)足夠大的正數(shù)。則MinDS-U-DEA的模型如下：

MinDS-U-DEA 模型由目標(biāo)函數(shù)和3個(gè)約束組成，約束a、b、c為混合整數(shù)線性約束。它參考同一個(gè)超平面的基準(zhǔn)。zk∈{0,1}，若zk= 0，則qk= 0，λk≤M，DMUK為參照集；若zk= 1，則qk≤Mzk，λk= 0，DMUK不是參照集。

1.2 MinDS-U-M指數(shù)

Malmquist指數(shù)是基于傳統(tǒng)DEA 模型衡量決策單元?jiǎng)討B(tài)效率的重要方法，根據(jù)Chung 等人的研究，結(jié)合MinDS-U-DEA 模型構(gòu)建了包含非期望產(chǎn)出的全要素生產(chǎn)率指數(shù)（MinDS-U-M）模型，公式如下：

公式（1）中，(xt,yt,bt)和(xt+1,yt+1,bt+1)分別是兩個(gè)時(shí)期的技術(shù)效率值；(xt+1,yt+1,bt+1) 和(xt,yt,bt)是在兩個(gè)時(shí)期的混合期間的技術(shù)效率值。將公式（4）其進(jìn)一步分解：

1.3 指標(biāo)選取和數(shù)據(jù)來(lái)源

指標(biāo)選取的科學(xué)性是進(jìn)行效率評(píng)價(jià)的本質(zhì)要求，應(yīng)滿足以下兩個(gè)要求：一是指標(biāo)要具有客觀性、代表性和可量化的特征；二是指標(biāo)數(shù)量要達(dá)到科學(xué)合理的標(biāo)準(zhǔn)，投入和產(chǎn)出指標(biāo)個(gè)數(shù)應(yīng)構(gòu)成max{m×s,3(m+s)}≤n的數(shù)值關(guān)系。另外，綜合分析各省能源效率現(xiàn)有狀況及已有成果，本文選取如下指標(biāo)：

（1）能源投入。

以考察期間各省能源消耗總量來(lái)衡量，單位萬(wàn)噸標(biāo)準(zhǔn)煤。

（2）勞動(dòng)力投入。

勞動(dòng)力通常以有效時(shí)間內(nèi)實(shí)際參與生產(chǎn)過(guò)程的就業(yè)人數(shù)來(lái)表示，因此本文選取各省考察期間年末就業(yè)人數(shù)來(lái)衡量勞動(dòng)力投入。

（3）資本投入。

以往研究多采用永續(xù)存盤(pán)法估計(jì)資本存量作為資本投入，因此，本文借鑒單豪杰[26]的計(jì)算方法，取折舊率為10.96%，并以2000為基年計(jì)算2000～2017年期間的資本存量。

（4）期望產(chǎn)出。

經(jīng)濟(jì)活動(dòng)中要素投入的直接收益，以考察期間各省的國(guó)內(nèi)生產(chǎn)總值來(lái)衡量，單位億元，并將各省歷年GDP通過(guò)平減指數(shù)調(diào)整為2000年價(jià)格。

（5）非期望產(chǎn)出。

本文借鑒張志雯[27]，采用碳排放系數(shù)法，將能源消耗總量通過(guò)各種能源的碳排放系數(shù)來(lái)估算CO2的排放量。計(jì)算公式為：

其中，i為能源種類(lèi)，本文選取原煤、焦炭、原油等8 種能源；Ei為各省第i種能源消費(fèi)量；NCVi為《中國(guó)能源統(tǒng)計(jì)年鑒》附錄中各能源的平均低發(fā)熱量；CFiCO2排放系數(shù)，COF為碳氧化率。

文中原始數(shù)據(jù)均來(lái)自歷年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》以及各地區(qū)的統(tǒng)計(jì)年鑒。

2 實(shí)證分析

2.1 不同指數(shù)結(jié)果的比較分析

由表1可知，與不考慮碳排放的MinDS-M 和SBMM 模型相比，考慮碳排放的MinDS-U-M 和SBM-U-M 模型測(cè)量的中國(guó)省際全要素生產(chǎn)率指數(shù)都有不同程度的下降，不考慮碳排放將導(dǎo)致對(duì)能源全要素生產(chǎn)率的高估。另外，由表2可知，經(jīng)Wilcoxon 帶符號(hào)秩檢驗(yàn)MinDS-U-M 模型和SBM-U-M 模型的測(cè)量結(jié)果之間，以及MinDS-M 模型和SBM-M 模型的測(cè)量結(jié)果之間存在顯著差異。這是因?yàn)镸inDS 模型對(duì)SBM 模型缺點(diǎn)的修補(bǔ)，減小了決策單元的投入松弛變量。因此，MinDS-UM 和MinDS-M 模型分別優(yōu)于SBM-U-M 和SBM-M 模型。此外，考慮碳排放的MinDS-U-M 模型和不考慮碳排放的MinDS-M 模型的測(cè)量結(jié)果，以及考慮碳排放的SBM-U-M 模型和不考慮碳排放的SBM-M 模型之間存在顯著差異。這些關(guān)系表明考慮碳排放的必要性和重要性。因此，下文將重點(diǎn)分析考慮碳排放時(shí)MinDS-U 模型的測(cè)量結(jié)果。

表1 不同模型能源全要素生產(chǎn)率結(jié)果

表2 Wilcoxon帶符號(hào)秩檢驗(yàn)結(jié)果

2.2 MinDS-U-M指數(shù)結(jié)果分析

2.2.1 中國(guó)省際全要素能源利用效率時(shí)間序列分析

由表3可知，我國(guó)能源全要素生產(chǎn)率指數(shù)（MI）與技術(shù)進(jìn)步指數(shù)（TC）的變化趨勢(shì)一致，整體呈現(xiàn)小幅上升趨勢(shì)。在跨期對(duì)比數(shù)據(jù)中：2012～2013年、2014～2015年、2015～2016年和2016～2017年的全要素生產(chǎn)率呈現(xiàn)不同幅度的提升，其余年度均為下降。明顯注意到，2012年為下降轉(zhuǎn)為上升的一個(gè)節(jié)點(diǎn)。2012～2017年間我國(guó)能源全要素生產(chǎn)率為1.006，平均上升了0.6%，其原因與2011年國(guó)家出臺(tái)“十二五”規(guī)劃有關(guān)（包括《國(guó)家能源科技“十二五”規(guī)劃》、《“十二五”節(jié)能減排綜合性工作方案》等相關(guān)政策）。從要素增長(zhǎng)結(jié)構(gòu)來(lái)看，2012～2017年期間，TC指數(shù)年均增長(zhǎng)1.8%，說(shuō)明科研創(chuàng)新水平有所提高，存在創(chuàng)新效應(yīng)；規(guī)模技術(shù)進(jìn)步（STC）指數(shù)和純技術(shù)進(jìn)步（PTC）指數(shù)年均增長(zhǎng)分別為1.7%和0.2%，說(shuō)明主要受益于規(guī)模技術(shù)的提升。然而，規(guī)模效率（SEC）指數(shù)和純技術(shù)效率（PEC）指數(shù)年均下降分別為0.9%和0.2%，兩者均抑制了綜合技術(shù)效率（EC）指數(shù)的增長(zhǎng)。技術(shù)效率指數(shù)低是導(dǎo)致我國(guó)近年來(lái)省際能源利用水平不高的主要原因，說(shuō)明相對(duì)于能源創(chuàng)新體系、技術(shù)進(jìn)步和管理，我國(guó)對(duì)于能源科研投入的利用能力和管理水平有待進(jìn)一步提高。

表3 我國(guó)整體全要素能源利用效率

2.2.2 中國(guó)省際能源全要素生產(chǎn)率區(qū)域異質(zhì)性及發(fā)展模式分析

進(jìn)一步考察我國(guó)能源全要素生產(chǎn)率區(qū)域特征，結(jié)果如表4所示。從分地區(qū)看，全要素生產(chǎn)率指數(shù)（MI）東部>東北>中部>西部，僅有東部地區(qū)的能源全要素生產(chǎn)率超過(guò)了1，其增長(zhǎng)主要由綜合技術(shù)進(jìn)步提供，綜合技術(shù)效率指數(shù)（EC）為0.998，處于能源制度保障和管理狀態(tài)不佳，主要是因?yàn)橐?guī)模效率不經(jīng)濟(jì)。與東部地區(qū)相比，東北及中西部地區(qū)規(guī)模技術(shù)進(jìn)步（STC）指數(shù)值均大于東部地區(qū)，但純技術(shù)進(jìn)步（PTC）指數(shù)遠(yuǎn)遠(yuǎn)落后于東部地區(qū)，導(dǎo)致拉低了綜合技術(shù)進(jìn)步（TC）指數(shù)，且均未超過(guò)1；另外，東北及中西部地區(qū)純技術(shù)效率和規(guī)模技術(shù)效率指數(shù)值也均未超過(guò)1，抑制了綜合技術(shù)效率（EC）的增長(zhǎng)。整體來(lái)講，地區(qū)及各省份的全要素生產(chǎn)率較低主要源于綜合技術(shù)技術(shù)效率和純技術(shù)進(jìn)步共同作用的結(jié)果。

表4 2000～2017年我國(guó)各省份年均全要素能源效率指數(shù)及其分解

將各地區(qū)全要素生產(chǎn)率指數(shù)按照MI、EC和TC進(jìn)行模糊聚類(lèi)分析，考察中國(guó)能源全要素生產(chǎn)率增長(zhǎng)模式，如表5所示。整體來(lái)看，一方面，在考察期間，MI指數(shù)超過(guò)1 的省份有7 個(gè)，僅占總樣本的23.3%。在Ⅰ類(lèi)中，北京、天津、上海和福建的TC 指數(shù)和EC 指數(shù)均大于1，創(chuàng)新效應(yīng)和追趕效應(yīng)并存（屬于雙高增長(zhǎng)模式），表明這幾個(gè)省份能源綜合利用效果最好，能源效率保持良好的上升發(fā)展趨勢(shì)。在Ⅱ類(lèi)中，雖然EC指數(shù)小于1，缺失追趕效應(yīng)（屬于創(chuàng)新驅(qū)動(dòng)增長(zhǎng)模式），但技術(shù)進(jìn)步指數(shù)的提升掩蓋了技術(shù)效率的下降，從而拉動(dòng)了MI 指數(shù)的增長(zhǎng)，從側(cè)面講，該類(lèi)省份的科技創(chuàng)新水平對(duì)能源利用效率的提升有強(qiáng)大的推動(dòng)作用。另一方面，MI指數(shù)小于1 的省份占總樣本的76.7%。在Ⅲ類(lèi)中，技術(shù)效率是增長(zhǎng)趨勢(shì)，不存在創(chuàng)新效應(yīng)（屬于效率驅(qū)動(dòng)增長(zhǎng)模式），這類(lèi)省份的能源全要素生產(chǎn)率較大程度上受科技創(chuàng)新水平的約束。Ⅳ類(lèi)省份的技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)均小于1（屬于雙低增長(zhǎng)模式），說(shuō)明這類(lèi)省份需在技術(shù)應(yīng)用和技術(shù)創(chuàng)新兩個(gè)方面同時(shí)加強(qiáng)改進(jìn)。另外，廣西和海南沒(méi)有歸并到上述四類(lèi)，同Ⅱ類(lèi)相似，但MI 指數(shù)小于1，在較大程度上受技術(shù)效率的影響，表明了其技術(shù)利用和管理能力較低，基于影響因素是可控制的，所以通過(guò)優(yōu)化資源利用結(jié)構(gòu)，改善基礎(chǔ)設(shè)施條件可以進(jìn)一步提升技術(shù)效率，從而提高能源全要素生產(chǎn)率。整體而言，中國(guó)省際能源全要素生產(chǎn)率增長(zhǎng)模式并不理想。

3 結(jié)論及建議

本文首先采用2000～2017年面板數(shù)據(jù)，運(yùn)用MinDSU-M模型對(duì)我國(guó)30個(gè)省份的能源效率進(jìn)行了動(dòng)態(tài)分析，并將不同指數(shù)測(cè)算的全要素能源利用效率進(jìn)行比較，結(jié)果表明：①與不考慮碳排放的MinDS-M 和SBM-M 模型相比，考慮碳排放的MinDS-U-M 和SBM-U-M 模型測(cè)量的中國(guó)能源全要素生產(chǎn)率指數(shù)都有不同程度的下降，不考慮碳排放將導(dǎo)致對(duì)全要素生產(chǎn)率的高估，碳排放對(duì)我能源全要素生產(chǎn)率具有顯著影響；②我國(guó)能源全要素生產(chǎn)率指數(shù)與技術(shù)進(jìn)步指數(shù)的變化趨勢(shì)一致，整體呈現(xiàn)小幅上升趨勢(shì)，2012年以來(lái)，我國(guó)能源全要素生產(chǎn)率為1.006，年均上升了0.6%。③我國(guó)東部、中部、西部和東北地區(qū)的能源利用效率存在顯著差異，其中東部、中部、西部和東北部能源全要素生產(chǎn)率指數(shù)的年均增長(zhǎng)率分別為2.5%、-1.6%、-3.3%和-3.8%，整體來(lái)講，地區(qū)及各省份的全要素生產(chǎn)率較低主要源于綜合技術(shù)技術(shù)效率和純技術(shù)進(jìn)步共同作用的結(jié)果。④僅有4個(gè)省份追趕效應(yīng)和創(chuàng)新效應(yīng)并存，分別北京、天津、上海和福建，屬于雙高增長(zhǎng)模式；5個(gè)省份為單一的創(chuàng)新驅(qū)動(dòng)增長(zhǎng)模式，分別是吉林、江蘇、浙江、廣西、海南；黑龍江、安徽、湖北、重慶、四川、貴州為單一的效率驅(qū)動(dòng)增長(zhǎng)模式；其余15個(gè)省份均為雙低增長(zhǎng)模式，綜合來(lái)說(shuō)我國(guó)省際能源全要素生產(chǎn)率增長(zhǎng)模式并不理想。

基于以上結(jié)論，給出以下建議：①推進(jìn)能源綠色低碳發(fā)展。通過(guò)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和可再生能源的開(kāi)發(fā)，降低煤炭消費(fèi)比重。進(jìn)行價(jià)格機(jī)制改革，完善管道運(yùn)輸基礎(chǔ)設(shè)施，降低成本，提高天然氣、風(fēng)電、太陽(yáng)能等能源消費(fèi)比重，構(gòu)建高效、綠色的社會(huì)用能模式。②優(yōu)化資源配置和提升能源管理利用水平。在我國(guó)地區(qū)間能源效率顯著差異下，東部地區(qū)應(yīng)提升對(duì)中西部地區(qū)的開(kāi)放水平，通過(guò)政府、企業(yè)、高校之間的合作等方式主動(dòng)輸送高水平人才和先進(jìn)的要素管理理念；中西部地區(qū)以及東北地區(qū)應(yīng)積極主動(dòng)加強(qiáng)與東部地區(qū)人才、技術(shù)交流強(qiáng)度，積極引進(jìn)相關(guān)高技術(shù)人才，學(xué)習(xí)先進(jìn)的能源管理技術(shù)經(jīng)驗(yàn)，促進(jìn)地區(qū)間生產(chǎn)要素的合理流動(dòng)。③提高技術(shù)轉(zhuǎn)化效率和能源技術(shù)管理水平。各地區(qū)加大科技財(cái)政支持力度，提供良好的政策環(huán)境，完善能源技術(shù)保障制度，從而推進(jìn)技術(shù)成果轉(zhuǎn)化以及提高技術(shù)利用效率，保障技術(shù)進(jìn)步和技術(shù)效率共同推進(jìn)，優(yōu)化我國(guó)省際能源全要素生產(chǎn)率增長(zhǎng)模式；另外，合理控制能源要素投入，在現(xiàn)有規(guī)模下充分發(fā)揮資源優(yōu)勢(shì)。

表5 2000～2017年各地區(qū)全要素能源效率指數(shù)分類(lèi)