内生视角下能源价格、技术进步对能源效率的变动效应研究——基于PVAR模型.pdf

经济与金融管理管理评论 Vol.25No.02（2013）３８ 管理评论 Ｖｏｌ．２７ Ｎｏ．０４ ２０１５）内生视角下能源价格、技术进步对能源效率的变动效应研究 基于ＰＶＡＲ模型冯 烽１，２（１．清华大学经济管理学院，北京１０００８４；２．广西财经学院信息与统计学院，南宁５３０００３）摘要从内生性视角构建了分析能源效率及其影响因素动态效应的经验模型，并以中国省际面板数据实证研究了能源价格、技术进步与能源效率之间的长期均衡关系及动态效应。结果表明能源价格是调节能源效率的重要手段，能源价格上涨能有效提高能源效率；“软”技术进步对能源效率具有显著的促进作用与正向冲击效应，但“硬”技术进步对能源效率的影响及冲击在统计上不显著；能源价格与“硬”技术进步对改善能源效率的长期累计贡献相当且均大于“软”技术进步的长期累积贡献。结果提示，技术进步对改善能源效率具有很大的提升空间，完成“硬”技术进步由生产效率导向型向节能导向型转变是实现技术进步促进能源效率提高的重要途径。关键词能源效率；能源价格；技术进步；面板向量自回归收稿日期２０１３－０３－０８基金项目国家自然科学基金项目（７１１７１０５７）；国家社科基金项目（１２ＣＪＹ０１１）；广西自然科学基金项目（２０１４ＧＸＮＳＦＢＡ１１⁃８０１１）；广西高校科研项目（ＺＤ２０１４１２０）；广西数量经济学重点学科开放性课题（２０１４ＹＢＫＴ０１）；“广西高校数理金融高水平创新团队及卓越学者计划”资助。作者简介冯烽，清华大学经济管理学院博士后，广西财经学院信息与统计学院副教授，博士。引 言节能降耗，既是中国实现哥本哈根全球气候峰会减排承诺的重要举措，也是党的十八大工作报告中大力推进生态文明建设的四项工作之一。尽管中国一直在努力降低煤炭在一次能源中的比例，然而，受制于发展任务、发展阶段、以煤为主的能源资源禀赋以及相对落后的技术研发和应用水平等因素，以化石燃料为主的能源结构还将长期持续，因而，提高能源效率才是中国当前节能减排的上策。于是，正确甄别影响能源效率的主要因素并研究这些因素对能源效率的作用机制，将是一个值得着力研究的问题。国内外学者对能源效率的影响因素及其作用机制进行了广泛的研究。从能源效率的影响因素看，学者们主要关注如下五个方面其一，能源价格，根据经济学中所有要素具有相同的边际生产率的假设，能源价格的上升可以通过影响要素的替代效应进而提高能源效率［１－４］。其二，技术水平，新技术的应用在提高生产率的同时也可以降低单位产出的能源消耗［５－７］。其三，产业结构，通过产业结构的调整，能源从低生产率的行业流向高生产率的行业从而改善能源效率［８－１０］。其四，所有制形式，企业的所有制形式在经济体中所占比例的变经济与金融管理MANAGEMENT REVIEW Vol.25 No.02（2013）ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ Ｖｏｌ．２７ Ｎｏ．０４（２０１５ ３９ 化也会使能源效率发生变化，这是因为外资企业和私营企业相对国有企业往往具有更高的能源效率［１１，１２］。其五，能源消耗结构，由于煤炭的能源效率较低，因此工业行业中煤炭消费比例的下降也将促进能源效率的改善［２，１３］。从研究的技术方法看，主要有投入产出与结构分解技术［１４，１５］、指数分解模型［１６］、数据包络分析与随机前沿方法［１７，１８］、回归计量分析方法［１９－２１］等四类方法。尽管上述文献从不同的角度研究了能源效率影响因素对其的作用机制，然而，现有研究还存在局限其一，多数研究属于能源效率演变的静态分析，只关注能源效率与其影响因素之间的同期影响，无法捕捉影响因素滞后期的变动对能源效率的影响，未能讨论影响因素在外生冲击下偏离平衡增长路径对能源效率变动所产生的影响。其二，少数研究尽管探讨了相关影响因素对能源效率的脉冲响应情况，但是这些研究采用的是全国总量数据，其能源消耗样本序列长度不足３０期，过少的样本量将导致ＶＡＲ模型的估计结果不稳健甚至模型无法估计，此外，全国总量数据还存在无法体现各地区能源消耗数量差异的局限。事实上，能源效率与其影响因素构成的是一个复杂系统，技术水平、能源价格与能源效率之间通常是相互影响、互相制约的，因此，需要考虑影响因素与能源效率之间的内生性；同时，中国地区经济发展不平衡的实际情况要求我们不能忽略地区间的异质性，不能简单的用全国总量数据进行分析。为此，在上述文献的基础上，本文基于中国省际面板数据，通过构建面板向量自回归（Ｐａｎｅｌ ＶＡＲ，ＰＶＡＲ）模型，对技术水平、能源价格与能源效率之间的内生关系进行分析，试图更深入地分析这些影响因素的变化对能源效率的动态效应。分析框架与计量模型借鉴Ｆｉｓｈｅｒ⁃Ｖａｎｄｅｎ等［２］的理论思路，由产品成本函数推导出能源需求函数，进而构建中国能源效率动态效应的经验分析模型。首先，假设生产函数为希克斯中性技术进步的函数形式Ｙ＝ｆ（Ｋ，Ｌ，Ｅ，Ｍ），其中，Ｙ为产出，Ａ为技术水平，Ｋ、Ｌ、Ｅ、Ｍ分别为劳动、资本、能源、原材料的要素投入。通过求厂商成本最小化问题可得到Ｃｏｂｂ⁃Ｄｏｕｇｌａｓ形式的成本函数Ｃ（ＰＫ，ＰＬ，ＰＥ，ＰＭ，Ｙ） ＝ Ａ－１ＰαＫＫ ＰαＬＬ ＰαＥＥ ＰαＭＭ Ｙ （１）其中，Ｃ为总成本，ＰＫ、ＰＬ、ＰＥ、ＰＭ分别为资本、劳动、能源、原材料的价格，αＫ、αＬ、αＥ、αＭ分别为各投入要素的产出弹性。根据谢泼德引理（Ｓｈｅｐｈａｒｄ’ｓ Ｌｅｍｍａ），一种投入要素的需求量等于成本函数关于该投入要素价格的偏导数。式（１）两端关于ＰＥ求偏导数，可得Ｅ ＝ ∂Ｃ∂ＰＥ＝ αＥＡ－１ＰαＫＫ ＰαＬＬ ＰαＥＥ ＰαＭＭ ＹＰＥ （２）进一步假设ＰＹ ＝ＰαＫＫ ＰαＬＬ ＰαＥＥ ＰαＭＭ ，其中αＫ＋αＬ＋αＥ＋αＭ ＝１。则式（２）可改写为Ｅ ＝ αＥＡ－１ＰＹＹＰＥ （３）由能源效率的定义及式（３），可得ＥＥ ＝ ＹＥ ＝ １αＥＡ ＰＥＰＹ（４）式（４）两端取对数，可得能源效率与技术水平、价格的关系ｌｎＥＥ ＝ α０ ＋ α１ｌｎＡ ＋ α２ｌｎ（ＰＥ ／ ＰＹ） （５）为了探寻能源效率的变化与技术进步、能源价格波动之间的动态关系，进一步对式（５）施加差分运算可得ＤｌｎＥＥ ＝ α１ＤｌｎＡ ＋ α２Ｄｌｎ（ＰＥ ／ ＰＹ） （６）其中，Ｄ为差分运算算子，ＤｌｎＥＥ为能源效率的变化率，ＤｌｎＡ为技术水平的变化率（即技术进步程度），Ｄｌｎ（ＰＥ ／ ＰＹ）为能源相对价格的变化率。技术进步的衡量一直是学术界的难题，在没有更好替代方法的情况下，学者们普遍使用全要素生产率经济与金融管理管理评论 Vol.25No.02（2013）４０ 管理评论 Ｖｏｌ．２７ Ｎｏ．０４ ２０１５）（Ｔｏｔａｌ Ｆａｃｔｏｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ，ＴＦＰ）的变化率来代表技术进步。其计算方法主要有基于Ｃｏｂｂ⁃Ｄｏｕｇｌａｓ生产函数的全要素生产率测算法、基于增长速度方程的Ｓｏｌｏｗ余值测算法、基于数据包络分析（Ｄａｔａ Ｅｎｖｅｌｏｐｍｅｎｔ Ａｎａｌｙ⁃ｓｉｓ，ＤＥＡ）的Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数测算法。其中，Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数测算法具有不需要对生产函数的具体形式进行假定，而且可将Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数分解出技术效率变化指数与技术变化指数等优点。考虑到技术进步包括“硬”技术进步（如生产工艺、中间投入品以及制造技能等方面的革新和改进）和“软”技术进步（如管理、制度、政策的优化）两方面［２２］，因此，本文采用Ｆäｒｅ等［２３］的ＤＥＡ模型计算Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数以体现广义的技术进步，以技术效率变化指数表示“软”技术进步① ，以技术变化指数表示“硬”技术进步。尽管式（６）给出了能源效率（ＥＥ）的变化率与技术水平（Ａ）、能源相对价格（ＰＥ ／ ＰＹ）变动的基本关系，但是它难以全面刻画能源效率及其影响因素之间多向的、相互影响、相互制约的特征。有鉴于此，本文首先通过面板数据模型式（７）考察能源效率及其影响因素的长期均衡关系，进而从内生性视角构建Ｐａｎｅｌ ＶＡＲ模型式（８），在此基础上通过脉冲效应函数与方差分解方法，研究各影响因素扰动对能源效率所产生的动态效应。具体的模型如下ＤｌｎＥＥｉｔ ＝ ｃｉ ＋ β１ＥＦＦＣＨｉｔ ＋ β２ＴＥＣＨＣＨｉｔ ＋ β３ＤｌｎＰｉｔ ＋ εｉｔ （７）ＥＦＦＣＨｉｔＴＥＣＨＣＨｉｔＤｌｎＰｉｔＤｌｎＥＥｉｔæèçççççöø÷÷÷÷÷＝ γ０ ＋ Γ１ＥＦＦＣＨｉ，ｔ－１ＴＥＣＨＣＨｉ，ｔ－１ＤｌｎＰｉ，ｔ－１ＤｌｎＥＥｉ，ｔ－１æèçççççöø÷÷÷÷÷＋ ＋ ΓｐＥＦＦＣＨｉ，ｔ－ｐＴＥＣＨＣＨｉ，ｔ－ｐＤｌｎＰｉ，ｔ－ｐＤｌｎＥＥｉ，ｔ－ｐæèçççççöø÷÷÷÷÷＋ ｆｉ ＋ ｄｔ ＋ ｅｉｔ （８）式（７）、（８）中，ＥＦＦＣＨ、ＴＥＣＨＣＨ、ＤｌｎＰ、ＤｌｎＥＥ分别为“软”技术进步、“硬”技术进步、能源相对价格的变化率、能源效率的变化率，ｐ为滞后阶数，ｃｉ、β１、β２、β３、γ０、ｆｉ、ｄｔ、Γ为待估参数（或参数向量、参数矩阵）。实证分析１、变量及数据说明采用１９９５－２０１０年中国２９个省区的面板数据，考虑到统计数据的一致性和可获性，将重庆市与四川省的数据合并计算，西藏、台湾、香港和澳门不包括在研究的样本中。能源效率。各省区的能源效率由实际地区生产总值除以能源消耗总量计算，这一计算方法参考了魏一鸣等［２４］对能源效率的定义。能源相对价格。各省区的能源价格由各省区原材料、燃料、动力购进价格指数（ＰＰＩＲＭ）表示② 。这是因为目前中国能源价格体系尚未健全，电力、天然气价格仍以政府制定为主，煤炭价格与市场接轨，使得煤炭资源禀赋不同的地区价格不同，张宗益等［４］、孙敬水和汪德兴［２５］建议用各省区原材料、燃料、动力购进价格指数表示能源相对价格以体现地区间资源禀赋的差异。“硬”技术进步与“软”技术进步。各省区的“硬”技术进步与“软”技术进步分别由技术效率变化指数、技术变化指数表示。技术效率变化指数、技术变化指数根据Ｆäｒｅ等［２３］由Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数分解，其中，Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数采用资本、劳动、能源三投入要素的ＤＥＡ模型通过Ｄｅａｐ软件包计算得到。在计算Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数的ＤＥＡ模型中，资本投入用固定资本投入表示，劳动力投入用年末就业人数表示，能源投入用能源消费总量表示，产出用地区生产总值表示。对于资本存量，大多数学者采用张军等［２６］的方法进行估算，近年来一些学者根据最新统计资料对省际资本存量的估算问题进行了再研究，但所得存量估计结果的客观性仍有待进一步检验，为此，本文沿用张军等［２６］的方法及结果估算各省区的固定资本存量，取资本折旧率为９􀆰 ６％。各省区的能源消耗总量数据来源于历年中国能源统计年鉴，地区生产总值、地区生产总值指数、年末①②技术效率变化指数是在规模报酬不变的假设下计算的，它主要反映的是“软”技术进步的程度。尽管ＰＰＩＲＭ下的子指标燃料动力类价格指数更能反映能源价格的变化，但是鉴于不少省区该子指标数据缺失严重，为此，本文采用ＰＰＩＲＭ反映能源价格的变化。经济与金融管理MANAGEMENT REVIEW Vol.25 No.02（2013）ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ Ｖｏｌ．２７ Ｎｏ．０４（２０１５ ４１ 就业人数、固定资本形成总额、固定资本价格指数来源于国泰安数据库。各省区的原材料、燃料、动力购进价格指数来源于新中国６０年统计资料汇编、各省区统计年鉴（２０１０、２０１１年）。各省区生产总值和固定资本存量均以１９９５年为基年的可比价格计算。２、面板数据单位根检验与协整检验为避免伪回归，先对各变量进行面板数据的单位根检验。本文除了采用ＬＬＣ、ＩＰＳ、Ｆｉｓｈｅｒ ＡＤＦ、Ｆｉｓｈｅｒ ＰＰ、Ｈａｄｒｉ五种传统方法进行面板数据单位根检验外，还采用了Ｐｅｓａｒａｎ［２７］提出的面板数据单位根检验方法，该检验方法的优点在于允许序列存在横截面相关，其原假设是序列存在单位根。表１的检验结果表明， ＤｌｎＥＥ、ＤｌｎＰ、ＥＦＦＣＨ、ＴＥＣＨＣＨ均为平稳过程。表１ 各面板数据变量单位根检验结果检验方法变量ＤｌｎＥＥ ＤｌｎＰ ＥＦＦＣＨ ＴＥＣＨＣＨＬＬＣ －１６􀆰 ３１２∗ ∗ ∗（０􀆰 ０００）－１６􀆰 ３２８∗ ∗ ∗（０􀆰 ０００）－１９􀆰 ３９８∗ ∗ ∗（０􀆰 ０００）－１７􀆰 １０７∗ ∗ ∗（０􀆰 ０００）ＩＰＳ －１２􀆰 ５８３∗ ∗ ∗（０􀆰 ０００）－１３􀆰 ４３０∗ ∗ ∗（０􀆰 ０００）－１２􀆰 ８１２∗ ∗ ∗（０􀆰 ０００）－１７􀆰 ２０９∗ ∗ ∗（０􀆰 ０００）Ｆｉｓｈｅｒ ＡＤＦ －１１􀆰 ３３８∗ ∗ ∗（０􀆰 ０００）－１１􀆰 ９１８∗ ∗ ∗（０􀆰 ０００）－１１􀆰 １６２∗ ∗ ∗（０􀆰 ０００）－１４􀆰 ４９１∗ ∗ ∗（０􀆰 ０００）Ｆｉｓｈｅｒ ＰＰ －１２􀆰 １２０∗ ∗ ∗（０􀆰 ０００）－２０􀆰 ３５１∗ ∗ ∗（０􀆰 ０００）－１５􀆰 ２４４∗ ∗ ∗（０􀆰 ０００）－１６􀆰 ０４２∗ ∗ ∗（０􀆰 ０００）Ｈａｄｒｉ １􀆰 ８０９∗ ∗（０􀆰 ０３５）４５􀆰 ９０５∗ ∗ ∗（０􀆰 ０００）１６􀆰 ４７７∗ ∗ ∗（０􀆰 ０００）３􀆰 ２９８∗ ∗ ∗（０􀆰 ０００）Ｐｅｓａｒａｎ －３􀆰 ３５９∗ ∗ ∗（０􀆰 ０００）－２􀆰 ９０５∗ ∗ ∗（０􀆰 ０００）－２􀆰 ３７０∗ ∗ ∗（０􀆰 ００１）－２􀆰 ２７４∗ ∗ ∗（０􀆰 ００３）注统计值下括号内的数值为Ｐ值，∗ ∗ ∗ 、∗ ∗ 、∗分别表示在１％、５％、１０％的水平下拒绝原假设，下同；前五种检验方法使用计量软件Ｅｉｖｅｗｓ７􀆰 ０，最后一种检验方法使用计量软件Ｓｔａｔａ１１􀆰 ０；检验选择的模型形式为１期滞后且无时间趋势。进一步采用Ｐｅｄｒｏｎｉ［２８］的方法做协整检验，其原假设为变量间不存在协整关系，结果表明，这七个统计量中有五个统计量的检验在５％的水平下拒绝了原假设，即至少部分地区各变量之间存在协整关系。表２ 各面板变量协整检验结果检验统计量Ｐａｎｅｌ ｖ Ｐａｎｅｌ ｒｈｏ Ｐａｎｅｌ ＰＰ Ｐａｎｅｌ ＡＤＦ Ｇｒｏｕｐ ｒｈｏ Ｇｒｏｕｐ ＰＰ Ｇｒｏｕｐ ＡＤＦ统计量的值（Ｐ值）－４􀆰 ３６３（１􀆰 ０００）－１􀆰 ７３７∗ ∗（０􀆰 ０４１）－６􀆰 ８５９∗ ∗ ∗（０􀆰 ０００）－６􀆰 ８４７∗ ∗ ∗（０􀆰 ０００）０􀆰 ８３８（０􀆰 ７９９）－８􀆰 ７１０∗ ∗ ∗（０􀆰 ０００）－７􀆰 ８３１∗ ∗ ∗（０􀆰 ０００）注检验模型选择的趋势形式为无截距项及确定性趋势、滞后期由ＳＣ准则选择。３、长期均衡关系分析为避免由于内生性对参数估计所造成的偏误，本文采用广义矩法（ＧＭＭ）得到模型式（７）参数的有效估计，其估计结果见表３。从表３的Ｈａｕｓｍａｎ检验结果看，在１％的显著性水平上拒绝了个体随机效应的原假设，即接受个体固定效应的面板数据模型。为此，进一步基于固定效应面板数据模型对能效因素与能源效率的长期均衡关系进行分析，可发现（１）能源效率关于能源价格的弹性系数为０􀆰 １１１，即能源价格提高１％，能源效率将提升０􀆰 １１１％，并且能源价格的变化对能源效率的变化是显著的，这提示可以通过能源价格的宏观调控改善能源效率。 （２）“软”技术进步对能源效率的提高具有显著的正向作用，这表明企业更好的利用及整合其现有的投入要素提升效率水平，管理和组织能源要素的优化使用提高能源节约意识，有助于提高能源效率。 （３）“硬”技术进步对能源效率的提高具有积极作用，但不显著，其原因是“硬”技术进步是通过生产设备的更新，经过市场机制传导到生产部门而促进经济增长，因而“硬”技术进步对能源效率的提高存在时滞性；更重要的是，在西部大开发、工业化与城市化的进程中，机械、冶金、化工等高耗能工业行业极大地增加了对能源的需求，使得能源消耗的增速高于实际ＧＤＰ的增速，致使不少地区近年来能源效率不升反降的局面。经济与金融管理管理评论 Vol.25No.02（2013）４２ 管理评论 Ｖｏｌ．２７ Ｎｏ．０４ ２０１５）表３ 能源效率及其影响因素长期均衡模型参数估计结果变量个体固定效应模型个体随机效应模型系数估计值（Ｐ值）系数估计值（Ｐ值）常数项－１􀆰 ０１６∗ ∗ ∗（０􀆰 ００２）－０􀆰 ９９１∗ ∗ ∗（０􀆰 ０００）ＥＦＦＣＨ ０􀆰 ６５９∗ ∗ ∗（０􀆰 ０００）０􀆰 ６１８∗ ∗ ∗（０􀆰 ０００）ＴＥＣＨＣＨ ０􀆰 ３２１（０􀆰 １８２） ０􀆰 ３３７∗（０􀆰 ０７８）ＤｌｎＰ ０􀆰 １１１∗ ∗（０􀆰 ０４４）０􀆰 １１３∗ ∗（０􀆰 ０２０）Ｒ２ ０􀆰 ６０３ ０􀆰 ５５７Ｄ．Ｗ． １􀆰 ７７８ １􀆰 ６５１ＳＳＲ ０􀆰 ８８３ ０􀆰 ９８６Ｈａｕｓｍａｎ检验统计量７３􀆰 ８１６∗ ∗ ∗（０􀆰 ０００）注使用ＧＭＭ进行参数估计，其中工具变量选择为各解释变量的滞后１期与滞后２期。４、ＰＶＡＲ模型的参数估计与模型的稳定性检验本文采用Ｈｏｌｔｚ⁃Ｅａｋｉｎ等［２９］提出的方法估计ＰＶＡＲ模型的参数。其基本思想是，首先采用差分运算消除个体效应，以避免由于个体效应和解释变量相关而造成的系数估计有偏，在消除时间效应和个体效应后，再估计模型的参数，限于篇幅，估计结果文中不列出。图１ 模型稳定性检验需要注意的是，ＶＡＲ类模型在经济预测和政策评价上的应用是有条件的③ ，它回避了结构约束问题，只有那些没有政府干预完全按照市场规律运行的经济体（系统），ＶＡＲ类模型方可成功预测。反之，对于存在政府干预的系统，采用ＶＡＲ类模型进行的预测很难获得成功［３０］。考虑到样本期内中国能源市场执行的是计划和市场的价格双轨制度以及ＰＶＡＲ模型上述局限，本文不直接对ＰＶＡＲ模型参数估计结果进行经济分析和政策评价，而是采用基于ＰＶＡＲ模型的脉冲响应函数和方差分解技术，分析各能效因素的外生扰动对能源效率所产生的动态效应。在对ＰＶＡＲ模型进行脉冲响应分析和方差分解之前，需要检验模型的稳定性， ＰＶＡＲ模型的稳定要求模型特征方程的根全在单位圆内，图１是模型特征根在复平面上的散点图。图１表明，模型所有的特征根都在单位圆内，可知本文所构建的ＰＶＡＲ模型是稳定的。５、波动传导机制分析为研究各内生变量在偏离平衡增长路径时的波动传导机制，我们在ＰＶＡＲ模型的基础上对脉冲响应函数进行分析，其优点在于能够分析模型受到某种冲击时对系统的动态影响。为消除模型中各方程随机扰动项的同期相关问题，需要用Ｃｈｏｌｅｓｋｙ分解方法获得脉冲响应函数。按照“相对外生性”原则，本文进行Ｃｈｏｌｅｓｋｙ分解选取的变量顺序是ＥＦＦＣＨ、ＴＥＣＨＣＨ、ＤｌｎＰ、ＤｌｎＥＥ，这是因为本文旨在考察各影响因素对能源效率的影响。（１）各影响因素对能源效率的直接影响图２－５分别是各影响因素对能源效率增长率的脉冲响应函数图，其描绘了各影响因素扰动项的一个正③由于ＶＡＲ类模型的建立通常不需要经济理论的支撑，因而，ＶＡＲ类模型很少用于对经济系统进行长期均衡关系的边际分析或弹性分析，其应用更多的在于将它作为一个动态平衡系统，分析该系统受到某种冲击时系统中各个变量的动态变化，以及每一个外生冲击对内生变量变化的贡献度，即脉冲响应分析和方差分解分析。这也是Ｓｉｍｓ获得２０１１年诺贝尔经济学奖的主要原因。经济与金融管理MANAGEMENT REVIEW Vol.25 No.02（2013）ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ Ｖｏｌ．２７ Ｎｏ．０４（２０１５ ４３ 交化冲击对能源效率增长率的当前值和未来值所带来的影响。图２表明，“软”技术进步的一个正交化冲击对于能源效率增长率始终呈现显著的正向影响，尽管在第２、５期略有下降，但这种正向影响仍表现出随响应期限的增大而增大的趋势。同样，能源价格增长率的一个正交化冲击也会对能源效率增长起到积极的推动作用，脉冲响应函数在第６期后基本保持在８％的水平（见图４）。此外，当能源效率增长率自身受到一个正向冲击时，对其未来值的影响也是正向的，且随响应期限的增大而缓慢增加，最后脉冲响应函数基本稳定在６％的水平（见图５）。 “硬”技术进步的一个正交化冲击对能源效率增长率产生的影响总体而言在统计上是不显著的，只在第３期出现了显著的负冲击（见图３），这一结果基本与史红亮和陈凯［３１］的研究结果一致。上述“软”技术进步与“硬”技术进步对能源效率增长率的脉冲响应效果并不相同，其原因是一方面，根据生产成本最小化法则及要素替代效应，能源价格的上升促使企业用资本、劳动力和原材料等生产要素代替能源要素以降低生产成本，这种“软”技术进步减少了相同产出的能源要素投入，促进了能源效率的提高；另一方面，尽管“硬”技术进步可以促进生产率的提高，然而，高能源含量产品（生产过程或使用过程是高能源消耗的产品）的价格也将随之下降，消费者会购买更多的这类高能源含量产品，当这种“硬”技术进步片面追求生产效率的提高而忽略能源效率的改善时，就出现了“硬”技术进步与能源效率的提高不相称，甚至是“硬”技术进步不利于改善能源效率的情形，这也就是样本期内“硬”技术进步对能源效率改善的冲击不显著的重要原因。这一结果提示，中国的“硬”技术进步是以提高生产效率为主导的，针对能源利用效率的“硬”技术发展还较为落后，这也体现了中国处于重工业化发展阶段“高产出、高能耗”的技术现状。图２ ＥＦＦＣＨ对ＤｌｎＥＥ的正交化脉冲响应函数图３ ＴＥＣＨＣＨ对ＤｌｎＥＥ的正交化脉冲响应函数图４ ＤｌｎＰ对ＤｌｎＥＥ的正交化脉冲响应函数图５ ＤｌｎＥＥ对自身的正交化脉冲响应函数注上、下曲线分别是脉冲响应函数水平为９０％的置信上、下限；由蒙特卡洛模拟２００次得到。（２）技术因素对能源效率的间接影响根据Ｃｈｏｌｅｓｋｙ分解选取的变量顺序，技术进步对能源效率的间接影响可按如下两条路径传递一是“软”技术进步引起能源价格增长率的变化进而影响能源效率增长率的变化，即ＥＦＦＣＨ→ ＤｌｎＰ→ ＤｌｎＥＥ；二是“硬”技术进步通过能源价格增长率传导并影响能源效率增长率的变化，即ＴＥＣＨＣＨ→ ＤｌｎＰ→ ＤｌｎＥＥ。图６－７分别是技术效率变化指数与技术变化指数对能源效率增长率的脉冲响应函数图。图６显示，“软”技术进步对能源价格增长率在未来１、２期内产生正向的冲击效果，于第３期下降至－０􀆰７％，随后又继续着正向的冲击，又据图４，由于价格增长率的变化对能源效率增长率的冲击始终是正向的，因此，经济与金融管理管理评论 Vol.25No.02（2013）４４ 管理评论 Ｖｏｌ．２７ Ｎｏ．０４ ２０１５）“软”技术进步对于能源效率增长率的变化所产生的间接影响基本上是正向的。图６ ＥＦＦＣＨ对ＤｌｎＰ的正交化脉冲响应函数图７ ＴＥＣＨＣＨ对ＤｌｎＰ的正交化脉冲响应函数图７显示，“硬”技术进步对能源价格增长率在未来１、２期内产生负向的冲击效果，于第３期上升至０􀆰 ０３％，随后又继续着负向的冲击，由于价格增长率的变化对能源效率增长率的冲击始终是正向的，因此，“硬”技术进步可通过能源价格下降对能源效率变化产生负向的间接影响。６、各影响因素对能源效率变动效应的贡献由上述脉冲效应分析可见，“软”技术进步、“硬”技术进步以及能源价格均在一定程度上影响着能源效率，为了评价这些影响因素的结构冲击对能源效率变动的重要性，进一步对能源效率变动效应的方差分解，图８为各变量对能源效率的方差分解图。图８ “软”、“硬”技术进步及能源价格变化对能源效率变动的贡献率由图８可见，“软”技术进步对能源效率的变动所产生的贡献是随时间而衰减的，由滞后１期的５４􀆰 ９％逐步下降至第１０期的８􀆰 ６％，这是因为尽管通过生产要素组合的优化、管理水平的提升、制度与政策的倾斜等途径对于能源效率的改善具有积极的作用，但其贡献的时效是短暂的。技术变化对能源效率的贡献程度整体变化幅度不大，基本稳定在２０％左右，这表明“硬”技术进步对能源效率的贡献具有持久性。能源价格变化对能源效率的贡献程度由滞后１期的１􀆰 ８％迅速上升至第３期的１５􀆰 ６％，之后略有下降，在第４期下降至１３􀆰 ７％，随后逐步增加至第１０期的２３􀆰 ７％，这是因为受资源禀赋的制约，能源价格的变化对于能源效率变动具有较大的持续贡献。能源效率来自自身的贡献始终呈现逐年上升的趋势，由滞后１期的２３􀆰 ０％增加到第１０期的４７􀆰 ２％，这表明能源效率的变动在时间上具有“惯性”。结论与启示本文以中国省际面板数据，通过ＤＥＡ方法测度了各省Ｍａｌｍｑｕｉｓｔ ＴＦＰ指数并分解出“软”、“硬”技术进步的度量指标，在此基础上通过面板数据模型分析了能效因素与能源效率的长期均衡关系，并通过基于四元Ｐａｎｅｌ ＶＡＲ模型的脉冲响应函数与方差分解技术研究了各能效因素对能源效率的波动传导机制，分析结果表明（１）对能效因素与能源效率长期均衡关系的计量分析发现，能源价格对能源效率的弹性系数显著为正，并且脉冲响应分析表明，能源价格的冲击在整个脉冲响应期内对改善能源效率具有显著的正向影响。其原因是，能源价格的上涨会促使能源要素从高能耗的产业转向低能耗的产业，化学原料及化学制品制造业等高能经济与金融管理MANAGEMENT REVIEW Vol.25 No.02（2013）ＭＡＮＡＧＥＭＥＮＴ ＲＥＶＩＥＷ Ｖｏｌ．２７ Ｎｏ．０４（２０１５ ４５ 耗行业将受到制约，金融、酒店餐饮等低能耗的第三产业将因其低能耗、低成本的优势得以扩张，进而提高了能源效率，这一结果客观反映了能源价格对能源市场调节的“杠杆”作用。（２）“软”技术进步与能源效率的长期均衡关系表明，“软”技术进步可以显著提高能源效率，同时，能源价格的外生冲击在整个脉冲响应期内对改善能源效率具有显著的正向影响。这是因为，管理创新、制度优化等“软”技术进步可以有效配置资源，从而减少单位产出的要素投入并实现能源效率的提高。此外，这种“软”技术进步对提高能源效率的促进作用也通过生产成本最小化法则及要素替代效应体现，企业通过用资本、劳动力和原材料等生产要素代替较高价格的能源要素以降低成本，使得相同产出的能源要素投入降低，促进了能源效率的提高。（３）长期均衡关系与脉冲响应分析均表明，“硬”技术进步对能源效率变化的影响统计上不显著（只在个别时点上出现了显著的负冲击）。这一结果与大多数学者相关研究的结果并不相同，对此我们从五个方面进行解释从指标的选取来看，不少学者［９，１８，３１］采用基于ＤＥＡ方法测算得到的能源全要素生产率作为能源效率指标，本文以单位能源消耗所产生的实际ＧＤＰ作为能源效率指标，这也是国务院“十二五”节能减排综合性工作方案重要的节能参考指标，能源效率指标选取的差异是该结论与其他学者相关研究结果不同的原因之一；从数据的变化趋势来看，通过对样本期内实际ＧＤＰ及能源消耗数据的审察发现，随着工业化战略的推进，大部分地区２０００年以后的实际ＧＤＰ增长速度低于能源消耗增长速度，使得大部分地区的能源效率呈现先升后降的倒“Ｕ”型，这也导致了“硬”技术进步对能源效率改善不显著；从“硬”技术进步对经济发展的时滞性看，前者是通过生产设备的更新，经过市场机制传导到生产部门而促进经济增长，这种滞后性也使得“硬”技术进步对同期能源效率的改善不显著；从“硬”技术进步对能源效率的间接影响看，前者可通过市场机制降低能源价格，而能源价格的下降又会制约能源效率的改善，从而导致前者对能源效率改善的作用不显著甚至产生负冲击；从“硬”技术进步对能源效率作用机制的复杂性看，并非所有的新技术所带来的技术进步都有利于能源效率的改善，有些新工艺、新技术尽管可以促进生产率的提高，降低生产成本，但是，随着产品价格的下降，消费者也将增加这种产品的消费，从而促使企业扩大生产规模，进而增加了能源消耗总量，这就可能导致了技术进步对能源改善的负冲击，这种情形对于高能源含量产品表现尤为突出。这一结果较为客观反映了处于重工业化发展阶段的中国，片面追求生产效率提高的“高产出、高能耗”的技术现状。（４）从各因素对提高能源效率的作用程度看，短期内“软”技术进步对提高能源效率的贡献程度最大，“硬”技术进步的贡献程度次之，能源价格变化的贡献最小，但就长期而言，能源价格与“硬”技术进步的贡献较大且相当，“软”技术进步的贡献最小。这是因为，中国的能源消耗存在典型的消费惯性现象，上期的能源消耗对本期的能源消耗具有重要影响，因而，能源价格的变化在短期内对改善能源效率的贡献小于技术进步对改善能源效率的贡献，但从长远来看，价格机制与“硬”技术进步仍是影响能源效率的两大途径。根据本文对能源效率影响因素的研究结论，可以对提高能源效率进行以下的政策思考第一，政府应当进一步放松对能源价格管制，利用市场对能源价格进行自发调节，逐步形成能够反映资源稀缺程度、市场供求关系和治污成本的能源价格形成机制，通过能源要素的优化配置提高能源效率；第二，建立完善的节能激励机制，鼓励企业提升生产管理水平以改善能源使用效率；第三，关注“低效率高能耗”、“高效率高能耗”这两类行业的能源效率变化，通过淘汰落后产业、产业结构优化等途径提升总体能源效率；第四，充分挖掘“硬”技术进步对改善能源效率的巨大潜力，通过不断加大节能技术的研发投入，加快先进节能技术的研发、示范与推广，将技术创新从生产效率导向型转向节能导向型的创新，使得技术进步与能效提高同向发展；第五，政府一方面应当重视价格机制对改善能源效率的作用，另一方面需要利用好技术进步这把“双刃剑”，使其能够真正为提高能源效率、降低能源消耗服务。参考文献［１］ Ｂｉｒｏｌ Ｆ．， Ｋｅｐｐｌｅｒ Ｊ． Ｈ． Ｐｒｉｃｅｓ， Ｔｅｃｈｎｏｌｏｇｙ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ ｔｈｅ Ｒｅｂｏｕｎｄ Ｅｆｆｅｃｔ［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２０００，２８（６）４５７⁃４６９［２］ Ｆｉｓｈｅｒ⁃Ｖａｎｄｅｎ Ｋ．， Ｊｅｆｆｅｒｓｏｎ Ｇ．， Ｌｉｕ Ｈ．， ｅｔ ａｌ． Ｗｈａｔ ｉｓ Ｄｒｉｖｉｎｇ Ｃｈｉｎａ’ｓ Ｄｅｃｌｉｎｅ ｉｎ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ［Ｊ］． Ｒｅｓｏｕｒｃｅ ａｎｄ ＥｎｅｒｇｙＥｃｏｎｏｍｉｃｓ， ２００４，２６（１）７７⁃９７经济与金融管理管理评论 Vol.25No.02（2013）４６ 管理评论 Ｖｏｌ．２７ Ｎｏ．０４ ２０１５）［３］ Ｚｈｅｎｇ Ｙ．， Ｑｉ Ｊ．， Ｃｈｅｎ Ｘ． Ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｉｎｃｒｅａｓｉｎｇ Ｅｘｐｏｒｔｓ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ ｉｎ Ｃｈｉｎａ［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２０１１，３９（５）２６８８⁃２６９８［４］ 张宗益，呙小明，汪锋．能源价格上涨对中国第三产业能源效率的冲击 基于ＶＡＲ模型的实证分析［Ｊ］．管理评论，２０１０，２２（６）６１⁃７０［５］ Ｃｒｏｍｐｔｏｎ Ｐ．， Ｗｕ Ｙ． Ｒ． Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ ｉｎ Ｃｈｉｎａ Ｐａｓｔ Ｔｒｅｎｄｓ ａｎｄ Ｆｕｔｕｒｅ Ｄｉｒｅｃｔｉｏｎｓ［Ｊ］． Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓ， ２００５，２７（１）１９５⁃２０８［６］ Ｍａ Ｃ．， Ｓｔｅｒｎ Ｄ． Ｉ． Ｃｈｉｎａ’ｓ Ｃｈａｎｇｉｎｇ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ Ｔｒｅｎｄ Ａ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ Ａｎａｌｙｓｉｓ［Ｊ］． Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓ， ２００８，３０（３）１０３７⁃１０５３［７］ 樊茂清，郑海涛，孙琳琳等．能源价格、技术变化和信息化投资对部门能源强度的影响［Ｊ］．世界经济， ２０１２，（５）２２⁃４５［８］ Ｈｕａｎｇ Ｊ． Ｐ． Ｉｎｄｕｓｔｒｉａｌ Ｅｎｅｒｇｙ Ｕｓｅ ａｎｄ Ｓｔｒｕｃｔｕｒａｌ Ｃｈａｎｇｅ Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆ ｔｈｅ Ｐｅｏｐｌｅ’ｓ Ｒｅｐｕｂｌｉｃ ｏｆ Ｃｈｉｎａ［Ｊ］． Ｅｎｅｒｇｙ Ｅｃｏｎｏｍ⁃ｉｃｓ， １９９３，１５（２）１３１⁃１３６［９］ 原毅军，郭丽丽，孙佳．结构、技术、管理与能源利用效率 基于２０００⁃２０１０年中国省际面板数据的分析［Ｊ］．中国工业经济， ２０１２，（７）１８⁃３０［１０］ Ｙｕａｎ Ｃ． Ｑ．， Ｌｉｕ Ｓ． Ｆ．， Ｆａｎｇ Ｚ． Ｇ．， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ ｔｈｅ Ｅｎｅｒｇｙ⁃Ｓａｖｉｎｇ Ｅｆｆｅｃｔ ｏｆ Ｅｎｅｒｇｙ Ｐｏｌｉｃｉｅｓ ｉｎ Ｃｈｉｎａ １９８２⁃２００６［Ｊ］． Ｅｎ⁃ｅｒｇｙ Ｐｏｌｉｃｙ， ２００９，３７（７）２４７５⁃２４８０［１１］ Ｓｉｎｔｏｎ Ｊ． Ｅ．， Ｆｒｉｄｌｅｙ Ｄ． Ｇ． Ｗｈａｔ Ｇｏｅｓ Ｕｐ Ｒｅｃｅｎｔ Ｔｒｅｎｄｓ ｉｎ Ｃｈｉｎａ’ｓ Ｅｎｅｒｇｙ Ｃｏｎｓｕｍｐｔｉｏｎ［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２０００，２８（１０）６７１⁃６８７［１２］ Ｆｉｓｈｅｒ⁃Ｖａｎｄｅｎ Ｋ．， Ｊｅｆｆｅｒｓｏｎ Ｇ．， Ｍａ Ｊ．，ｅｔ ａｌ． Ｔｅｃｈｎｏｌｏｇｙ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ｅｎｅｒｇｙ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ Ｃｈｉｎａ［Ｊ］． Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓ，２００６，２８（５）６９０⁃７０５［１３］ 许广月．碳强度俱乐部收敛性理论与证据 兼论中国碳强度降低目标的合理性和可行性［Ｊ］．管理评论， ２０１３，２５（４）４８⁃５８［１４］ Ｇａｒｂａｃｃｉｏ Ｒ． Ｆ．， Ｈｏ Ｍ． Ｓ．， Ｊｏｒｇｅｎｓｏｎ Ｄ． Ｗ． Ｗｈｙ Ｈａｓ ｔｈｅ Ｅｎｅｒｇｙ⁃Ｏｕｔｐｕｔ Ｒａｔｉｏ Ｆａｌｌｅｎ ｉｎ Ｃｈｉｎａ［Ｊ］． Ｅｎｅｒｇｙ Ｊｏｕｒｎａｌ， １９９９，２０（３）６３⁃９１［１５］ 王锋，冯根福．中国碳强度对行业发展、能源效率及中间投入系数的弹性研究［Ｊ］．数量经济技术经济研究， ２０１２，（５）５０⁃６２［１６］ Ｌｉａｏ Ｈ．， Ｆａｎ Ｙ．， Ｗｅｉ Ｙ． Ｗｈａｔ Ｉｎｄｕｃｅｄ Ｃｈｉｎａ’ｓ Ｅｎｅｒｇｙ Ｉｎｔｅｎｓｉｔｙ ｔｏ Ｆｌｕｃｔｕａｔｅ １９９７⁃２００６［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２００７，３５ （９）４６４０⁃４６４９［１７］ Ｈｕ Ｊ． Ｌ．， Ｗａｎｇ Ｓ． Ｃ． Ｔｏｔａｌ⁃Ｆａｃｔｏｒ Ｅｎｅｒｇｙ Ｅｆｆｉｃｉｅｎｃｙ ｏｆ Ｒｅｇｉｏｎｓ ｉｎ Ｃｈｉｎａ［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２００６，３４（１７）３２０６⁃３２１７［１８］ 黄德春，董宇怡，刘炳胜．基于三阶段ＤＥＡ模型中国区域能源效率分析［Ｊ］．资源科学， ２０１２，３４（４）６８８⁃６９５［１９］ 刘畅，孔宪丽，高铁梅．中国能源消耗强度变动机制与价格非对称效应研究 基于结构ＶＥＣ模型的计量分析［Ｊ］．中国工业经济， ２００９，（３）５９⁃７０［２０］ 傅晓霞，吴利学．中国能源效率及其决定机制的变化 基于变系数模型的影响因素分析［Ｊ］．管理世界， ２０１０，（９）４５⁃５４［２１］ 滕玉华．自主研发、技术引进与能源消耗强度 基于中国工业行业的实证分析［Ｊ］．中国人口．资源与环境， ２０１１，２１（７）１６９⁃１７４［２２］ 仲长荣．技术经济学［Ｍ］．福州福建教育出版社， １９９８［２３］ Ｆäｒｅ Ｒ．， Ｇｒｏｓｓ Ｋ． Ｓ．， Ｎｏｒｒｉｓ Ｍ． Ｐｒｏｄｕｃｔｉｖｉｔｙ Ｇｒｏｗｔｈ， Ｔｅｃｈｎｉｃａｌ Ｐｒｏｇｒｅｓｓ ａｎｄ Ｅｆｆｉｃｉｅｎｃｙ Ｃｈａｎｇｅｓ ｉｎ Ｉｎｄｕｓｔｒｉａｌｉｚｅｄ Ｃｏｕｎｔｒｉｅｓ［Ｊ］．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ Ｒｅｖｉｅｗ， １９９４，８４（１）６６⁃８３［２４］ 魏一鸣，焦建玲，廖华．能源经济学［Ｍ］．北京科学出版社， ２０１１［２５］ 孙敬水，汪德兴．中国地区能源效率差异及其影响因素分析［Ｊ］．技术经济与管理研究， ２０１１，（１２）７７⁃８１［