制造业能源效率及其影响因素分析

制造业能源效率及其影响因素分析

一、引言

进入新世纪以来，随着我国工业化城市化进程的加快，国民经济逐步表现出对能源的高消费和强依赖的特点，能源巨额消耗对可持续发展施加越来越大的压力。作为应对措施，2005年，我国政府提出了“十一五”期间节能减排的约束性指标，即在五年间单位GDP能耗减排要比“十五”降低20%。2006~2008年单位GDP能耗累计共下降10.1％，五年即将过去，节能结果并不令人满意。原因在于现有的节能降耗指标是以行政区域为分解对象按单位GDP能耗为约束目标的，这是典型的区域治理方式，它的局限性在于分解对象没有直接针对能源消耗的行业或企业。为加大节能减排力度，我国在“十二五”期间有必要以行业或企业为约束对象并分解节能指标。有鉴于此,我们首先必须弄清楚各行业的能源效率状况、节能潜力以及影响因素,然后再在此基础上采取对策措施,以确保国家节能减排目标的实现。

为了弄清我国行业能源效率现状及其影响因素，众多学者主要以工业为对象展开研究。唐玲、杨正林（2009）利用DEA方法测算了1998~2007年中国工业行业能源效率,并利用Tobit模型探索工业经济转型对能源效率提升的影响机制。研究发现,中国工业能源效率的总体水平较低。开放程度高、竞争性强的行业能源效率较高,而开放程度低、垄断程度高的行业能源效率水平低;工业能源效率随着企业规模的扩大呈倒“U”形特征；李世祥、成金华（2008）采用DEA方法,应用不同目标的能源效率评价模型,评价了1990-2006年间中国的能源效率状况,并用“两步法”估计其影响因素。认为工业部门能源效率不高是由能源密集型的工业结构以及生产技术结构所决定的；王少平、杨继生（2006）研究了12个工业行业的能源消费与行业增长的综列协整关系,得出了我国工业各主要行业的能源消费与行业增长和能源效率之间存在长期均衡,且长期均衡具有显著短期调整效应的结论；庞瑞芝,王卢羡等（2009）采用数据包络分析法对经济转型期间工业部门全要素能源效率进行分析，指出中国工业部门增长以能源低效为特征,工业部门全要素能源效率和技术效率都偏低,工业增长模式依旧粗放,重化工业化发展水平较低；孙海、王元地等（2009）将能源消耗强度分解为结构份额和效率份额两个因素，分析了制造业产业结构调整和能源效率提高对能源消耗强度的影

2

响，发现我国制造业能源消耗强度在不断下降，原因是产业结构调整和能源使用效率提高的综合影响；周鸿和林凌(2005)、史丹(2006)、吴巧生和成金华(2006)认为产业结构变动对能源效率的影响并不显著,王玉潜(2003)则发现产业结构调整对能源效率的提升有负向作用；史丹(2002)研究认为对外开放通过强化资源配置效率提升了能源效率,魏楚和沈满洪(2007a)考察了产业结构、政府财政支出、进出口和国有经济比重对于能源效率的影响因素,师博和沈坤荣(2008)通过对能源消费结构、国内贸易比重、国有经济比重、FDI 和能源价格对于能源效率影响因素的考察,发现市场分割造成了全要素能源的损失。

以上研究把研究对象锁定在工业层面而不是省际区域，避免了使用省域宏观数据在加总过程中由于变量的波动性减少所导致严重的信息损失,及其所忽略的中国经济多层次性、复杂性等多元特征(涂正革, 2007)等问题。而以工业行业作为研究单位,信息量更丰富,比以省市作为基本研究单位更能发现能源效率影响因素的制度及行业环境因素（唐玲,杨正林，2009），这对本文研究提供了重要启示。但是，已有的以工业为对象的研究却也忽略了不同行业间要素配置的区别，缺乏对要素配置结构的认识。而要素使用结构是效率变动的起始点，目前方法的缺陷难以实现对不同类型行业的详细评价。另一方面，已有文献一般都是从国家宏观经济层面探讨能源效率的影响因素,鲜有从行业这一中观层面上的探讨，这就使得分析结论难免与行业实际之间存在差距。因此，本文从中观层面上选取不同要素密集度制造业作为研究对象，并在此层面上探讨能源效率变动的具体影响因素，这对于更准确地把握制造业能源效率及其根源，并倡导把原来以行政区域分解节能降耗指标的做法改变为以行业为单位来分解，更具针对性和实际意义。

二、能源效率的研究方法

（一）DEA 模型介绍与全要素能源效率定义

数据包络分析(DEA)是由美国著名运筹学家Charnes 和 Cooper 等于1978年提出的,是在 Farrell 测度基础上发展起来的一种评价决策单元(decision making unit,DMU )相对业绩的非参数方法,其中应用最普遍的模型是C 2R 模型。假设有n 个决策单元（DMU ），每个决策单元（j D M U ）都有m 种输入和s 种输出，其中T mj j j j x x x x ),...,,(21=，T sj j j j y y y y ),...,,(21=,0>ij x 为第j 个决策单元j DMU 的第i 种输入类型的输入量；0>rj y 表示j DMU 的第r 种输出类型的输出量（),...,2,1;,...,2,1;,...,2,1s r m i n j ===。0000,j j y y x x ==分别为决策单元0j DMU 的输入和输出。对于选定的0j DMU ,判断其有

效性的径向DEA 模型可以表示为:

??

????+-∑∑==+-)(min 11m i s r r i s s εθ

3 01

.

.ij n j i ij j x s x t s θλ=+∑=-，m i ,..,2,1= 01rj n j r rj j y s y =-∑=+λ

，s r ,..,2,1=

,0≥j λ ;,...,2,1n j = 0≥-i s ，0≥+r s

其中-i s 和+r s 分别为剩余变量和松弛变量，ε为非阿基米德无穷小量，

一般取6

10-=ε，θ为该决策单元0j DMU 的有效值，当1=θ时，称0j DMU 为DEA 有效，当1<θ时，称0j DMU 为DEA 无效。DEA 方法正是通过一系列线性规划的计算来识别处于效率前沿的点,以此作为非效率决策单元的改进目标(Coelli, 1996)的。最优前沿由有效率的决策单元构成（决策单元的最大化产出已经标准化为1），非效率点相对于最优前沿上有效点而言存在过度投入,即实现同样产出需要更多的资源。按照Farrell(1957)的解释，相对于在效率前沿上的参照点，无效点的无效损失包括两个部分:一部分是由于技术无效率而导致的所有投入过量,这一部分可以通过径量调整来减少投入量;另一部分是由于资源配置不当导致的松弛投入量,这一部分可以通过松弛调整来减少。因此, 在计算效率的时候,必须同时考虑径向调整量和非零投入松弛量。径向调整量与松驰量之和即为无效点为达到处于最优前沿上的目标点所可能实现的 “节约”数量。

正是基于以上方法，Hu 和Wang(2006)提出了全要素能源效率(total factor energyefficiency,TFEE)的概念,并将其定义为在其他要素保持不变的前提下,按照最佳生产实践,一定的产出所需的最少能源投入量与实际投入量的比值。即:/P O TFEE E E =，其中O E 为实际投入量，P E 为目标投入量。调整量adj O P E E E =-。该定义包含了除能源要素投入以外的其他要素(资本和劳动力)对能源效率的影响。其中,能源投入的目标就是最佳实践的能源投入最低水平。由于实际能源消费总是大于或者等于目标值,所以TFEE 的值在0、1之间。当TFEE 指数越接近于1,说明其效率越高,需要的调整量越小;反之,若TFEE 指数近于0,表明其能源消费的低效率,需要的调整量也就越大。上述目标值与调整值都可以由输入导向型的DEA 模型计算获得。

本文的主要工作在于沿袭Hu 和Wang (2006)的思路,基于DEA 方法测算中国1995~2008年28个制造行业的能源效率,分析中国不同要素密集制造业能源效率的特征,并使用Tobit 模型探讨能源效率的影响因素。

(二)投入产出变量的选取、数据来源与处理

行业划分：国民经济行业分类标准GBT4754-2002将制造业门类分成30个2位码的大类

4

行业。其中，其他制造业、废弃资源和废旧材料回收加工业统计口径有所调整且数据并不全面，故我们将其除去，即本文所探讨的制造业只包括28个行业。根据使用要素的密集程度，我们将这28个行业划分为劳动密集型、资本密集型和技术密集型三大类型。具体划分是：H1-H3、H5-H12、H2为劳动密集型；H4、H13、H16-H21为资本密集型；H14-H15、H23-H28为技术密集型①。

投入变量：包括资本、劳动和能源消耗。其中资本投入,沿用张军、吴桂英等[13]的做法，利用永续盘存法计算1995～2008年中国制造业28个行业的资本存量。计算公式为:1)1(--+=t t t t K I K δ。其中t K 为第t 年的资本存量，1-t K 表示第1-t 年的资本存量，t I 表示第t 年的投资，t δ表示第t 年的折旧率;对于劳动投入量,我们采用历年制造业从业人员数作为投入量指标，并直接引用统计年鉴中历年制造业从业人员数据。能源投入使用各行业每年的煤炭、石油、天然气和水电等四种主要一次性能源消耗量来表示，折算为标准煤计算,单位为万吨标准煤。

产出变量：不同文献所选取的标准并不一致，主要采用增加值和总产值两种。我们选用工业总产值表示产出变量，主要考虑是与工业增加值比较, 总产值包括了中间产品转移价值,而正是由于中间产品价值的计算,反映了规模节约和资源配置效率的经济效能,体现了全要素生产率的指标功能。

所用数据均来源于《中国统计年鉴》和《中国能源统计年鉴》(1996～2009)。

三、不同要素密集型制造业能源效率特征分析

（一）全要素能源效率变动总特征

我们基于上述DEA 方法测量了中国28个制造行业在1995～2008年间的能源效率值,并将其列于表1。从表1可以看出,中国制造业能源效率总体水平较低,各行业能源效率相差比较悬殊。在多数年份能源效率值达到1的行业仅有 H1农副食品加工业、H7皮革、毛皮、羽(绒)毛及其制品业、H4烟草制品业、H27通信设备计算机及其它电子设备制造业和H28仪器 仪表及文化办公用机械制造业。虽未达到最优，但能效值大于0.8以上，能效较高的行业也

注①：为研究方便,我们以H 为代号表示这些行业,这28个行业分别对应的代号为: H1农副食品加工业、H2食品制造业、H3饮料制造业、H4烟草制品业、H5纺织业、H6纺织服装、鞋、帽制造业、H7皮革、毛皮、羽(绒)毛及其制品业、H8木材加工及木、竹、藤、棕、草制品业、H9家具制造业、H10造纸及纸制品业、H11印刷业和记录媒介的复制、H12文教体育用品制造业、H13石油加工炼焦及核燃料加工业、H14化学原料及化学制品制造业、H15医药制造业、H16化学纤维制造业、H17橡胶制造业、H18塑料制造业、H19非金属矿物制品业、H20黑色金属冶炼及压延加工业、H21有色金属冶炼及压延加工业、H22金属制品业、H23通用设备制造业、H24专用设备制造业、H25交通运输设备制造业、H26电气机械及器材制造业、H27通信设备计算机及其它电子设备制造业、H28仪器仪表及文化办公用机械制造业。

不多，只有H6纺织服装、鞋、帽制造业和H26电气机械及器材制造业。其中,烟草加工业是28个制造行业中能源技术效率最高的行业,在研究样本期内的所有年份其能源效率值均为

1。这一结果与唐玲、杨正林（2009）的研究完全相同，能源效率较高行业的结果也与多数

研究基本相同。除此之外的其余四分之三的行业样本期间平均能源效率值均处在0.6以下,十五个行业能效值甚至低于50%。其中，行业平均能源效率最低的六个行业分别是: H14化学原料及化学制品制造业、H20黑色金属冶炼及压延加工业、H19非金属矿物制品业、H21有色金属冶炼及压延加工业、H16化学纤维制造业和H17橡胶制造业。长期以来，我国重点耗能大户正是出现在这些行业当中的，它们能耗大、效率低已成老大难问题，显然本文的测算结果是与实际经验是相符合的。由于绝大多数行业能源效率过低，因此通过提高制造业能源效率进而节能降耗仍具有较大的潜力和空间。

表1 制造业各行业能源效率（1995～2008）

数据来源：由DEA方法得到全要素能源投入目标值后，再依能源效率计算公式计算而得。限于篇幅，2000年前结果只列出1995和1998年，其余年份如有需要，可向作者索要。

（二）不同要素密集型制造业的能源效率

如果按要素密集度对制造业进行区分，那么三大类型制造业的能源效率如表2所示。为

5

方便观察它们的变化情况，我们把表2的数据绘成图1。从表2和图1可见，三大类型制造业能源效率与人们的经验判断或预期比较一致，即劳动密集型制造业能源效率最高，技术密集型行业居其次，资本密集型行业最低。

在样本期内，劳动密集制造业能效变动较大，自2001年之后维持在相对较高水平，近期有收敛趋势。这表明进入新世纪后，劳动密集制造业在市场上不仅表现为成本的比较优势，而且表现为能源效率的优势。从这个意义上，我们应重新审视片面追求制造业重化及高技术化倾向，更加重视劳动密集型行业对国民经济的贡献及其发展格局。技术密集制造业能效变动较为平缓，也在2005年后有较大改善；资本密集型制造业集中了H13石油加工炼焦及核燃料加工业、H16化学纤维制造业、H19非金属矿物制品业、H20黑色金属冶炼及压延加工业、H21有色金属冶炼及压延加工业等传统耗能行业，因此该类行业历来是节能减排的重点对象。但值得肯定的是,在近几年,资本密集制造行业的节能工作取得了一定成效。自2005年始，能效值有了较大幅度的提高，但与其他两类行业相比,仍有显著差距。

表2 三大类型制造业能源效率

数据来源：由DEA方法计算而得。

图1 三大类型制造业能源效率变化

引人注目的是，劳动、技术密集制造业能效自2005年后都比前十年抬升到一个新平台，并且两类制造业在近期也显示出明显的收敛趋势，从2006-2008年它们的能效值相当接近。这至少说明了不同制造行业的经济行为是适应可持续发展战略需要的，我国自2006年以来

6

7 实施的节能降耗目标约束发挥了作用。由于本文是从全要素角度计量能源效率的，因此节能潜力可容易地由于1-TFEE 计得。依此看，制造业四分之三的行业或三大类型制造业，能效提高仍然有40～50%的空间，因此，“十二五”期间单位GDP 节能降耗指标可以适当提高，目标约束的作用应进一步加强。

四、制造业能源效率的影响因素

（一）变量确定与数据来源

能源效率改进最重大的背景在于经济增长方式从粗放型向集约型这一全局性转变。中国政府在1995年的《国民经济和社会发展“九五”计划和2010年远景目标》就已明确提出转换经济增长方式的任务，此后，政府一直坚持依托市场，利用各种政策和措施引导企业从外延式数量型增长转变为内涵式质量型增长。在宏观上，加快市场经济体制的建立，发挥市场竞争作用；国有经济的战略性改组，使国有资产从分散的中小企业向大型和特大型的企业集团集中，使产业结构、企业规模和集中度等都发生明显变化；建立现代企业制度，企业自我约束增强，成为市场竞争主体；鼓励技术进步和技术创新以适应新的市场需求，推动结构调整和升级；逐步完善要素价格机制，发挥其配置资源的作用。政府这些促进经济增长方式转换的方法手段，其作用是综合性的。但在行业层面分析上，我们认为对制造业能源效率发生直接作用的方面主要包括产业结构（特别是制造业内部结构）、企业规模结构和能源消费结构的变动、行业集中、技术进步、能源价格调整等因素。因此本文将这些因素确定为影响能源效率的解释变量，通过合适的回归模型揭示它们与能源效率之间的关系。

我们以上文中利用DEA 方法计算出的效率值作为因变量,以影响因素作为自变量建立回模型。

市场竞争COMP 用新产品销售收入占主营业务收入比重表示；企业规模SCALE 用企业平均资产规模表示；企业技术进步RD 用研究与试验发展经费支出占主营业务收入比重表示;由于我国的主要能源是煤炭,故能源消费结构COALC 用煤炭消费占能源消费总量的比重表示; 能源价格PIND 用燃料零售价格指数表示，以1995年为基期；行业集中度HHI 用制造业赫芬达尔指数表示。以上数据来源于相应年份《中国统计年鉴》、《中国能源统计年鉴》和《中国科技统计年鉴》。制造业结构变动也是一个重要变量，但因本文已对制造业按要素密集程度作了结构区分，并基于结构差别研究能源效率，故对其不再作为变量用于分析。

由于各行业能源效率值处于0和1之间,数据被删截,需要建立截断因变量模型,因此采用处理限值因变量的Tobit 模型才能避免回归的偏误和不一致。模型构建如下:

123456it it it it it it it it TFEE C COALC RD HHI COMP SCALE PIND ββββββαε*=++++++++

(0,)it it TFEE Max TFEE *=

其中, i 和t 分别表示不同行业和不同年份的对应值, it TFEE *为潜在变量, it TFEE 为不同时期不同行业的能源效率, α为比例数，it ε为随机误差项。考虑到数据的可得性和完整

性，回归区间为2001—2008年。

(二)计量结果分析

基于28个行业2001-2008年的面板数据,各行业能源效率影响因素的Tobit模型回归结果如表3所示。

Tobit模型的估计系数不能直接解释为相应自变量的边际效应,而只是表示对观察到的TFEE的均值和TFEE被观察到的概率。但由于TOBIT模型的估计系数的符号和偏效应的符号与OLS是一致的,而且统计显著性也一致，因而适合于本文着重研究各种因素对于能源效率的影响方向而非具体效应大小之目的。

表3 制造业能效影响因素Tobit模型回归结果

注：括号中的数值为z值，***、**、*分别表示在1%、5%和10%水平下显著。—表示该变量未通过检验、不进入方程。所有检验借助Eviews6.0完成。

由表3可见，能源消费结构、市场竞争、企业技术进步和企业规模对制造业整体的能源效率有显著影响，并且前一因素对能源效率改善的作用是负向的，后三个因素的作用则是正向的，这与人们的预期较为一致，也与多数学者的结论相吻合。其中，市场竞争和技术进步的作用更为重要，这表明引入竞争机制、促进技术进步作为引导经济增长方式转变的基本手段，对提高能源效率乃至资源配置的效率都是不可或缺的。本文中能源消费结构是由煤炭消费占一次性能源消费的比重来表示的，它对能源效率改善的负向作用表明，制造业煤炭能耗越高，能源效率就越低，反之亦然。能源价格变量未能进入方程令人意外，但却反映了我国的现实，即多数重点耗能行业或企业处于产业链的低端，对能源价格变化消化能力并不强。

就劳动密集型制造业而言，对制造业整体的能效产生影响的因素同样对它发生了作用，区别在于除能源消费结构、市场竞争、企业技术进步和企业规模外，能源价格对该类行业的

8

能效产生了正向效应。表明劳动密集制造业对能源价格变动反映及时，较重视节能，这可以部分解释上文表明的在三大类型行业中该类制造业能效一直保持最高的原因。另一区别在于，劳动密集制造业能效对技术进步负效应。这可能是由于该类行业的技术进步主要应用于产品创新而不是用于要素配置或能效改进方面所导致。

在资本密集制造业方面，变量的回归系数均为正。企业技术进步对该行业能效的影响最显著，这也符合我们的一般预期；行业集中度有助于该类制造业能效的提升，但效果并不突出；行业集中度高、企业规模大是该类型行业的显著特征，一般来说，企业规模大可以使要素配置得更合理，使用更充分更加集约化，从而使能源利用同其他要素一样获得规模收益,回归结果说明了这一点。但与劳动密集制造业相比，资本密集行业企业规模的能效效应要小得多，这可解释为，劳动密集企业规模通常要比资本密集企业的小，而后者规模过大，适得其反。随着企业规模的扩大,内部结构的复杂性增强,这种复杂性会消耗能量和资源,这种消耗会抵消规模扩大带来的好处,使得规模效应大大降低(涂正革、肖耿, 2005)。能源消费结构变量系数为正，与另两类行业都不同，反映了资本密集行业长期以来是我国煤炭消费主体的事实，能效的提高之于它们就是煤炭利用效率的提高。

技术密集制造业能效受企业技术进步、能源消费结构、市场竞争、行业集中度和能源价格的影响比较明显。其中技术进步施加重大影响，能源消费结构次之；后三个变量系数都较小。值得注意的是，能源消费变量与能源效率负相关,也就是该行业煤炭消费越多，能效就越低。其中合理的解释可能是，技术密集行业本来更适合的能源消费结构是多使用电力等非煤能源而少消耗煤炭，而实际上由于我国能源供给结构的制约只好使用了不经济的煤炭，从而降低了能效。一般来说，能源价格的上涨会提高企业的生产成本,从而促使企业在生产过程中采用更加节能的生产设备和技术,尽量减少能源的消耗。因而,能源价格的上升有利于提高能源的利用效率。在这里，能源价格变量对能效却产生负效应，一个可能原因是能源价格变量选择不当，以燃料零售价格指数表示的能源价格无法真实反映该行业能耗变动情况；另一个原因则与上述导致能耗与能效负相关的原因相同，即行业更适合使用非煤能源，但由于其他能源价格相对较高引起使用煤炭替代，从而导致能效下降。如是,对于技术密集制造业，改善当前以煤炭为主的能源消费结构,大力推行高效、环保类能源将会提升该类行业的能源效率并有利于节能减排工作的落实。

五、结论与启示

本文基于DEA方法测量了中国制造业1995~2008年间的能源效率,并对不同要素密集制造业能源效率的特征进行了分析,最后建立tobit计量模型重点探讨影响中国制造业能源效率的因素，主要得到以下几点结论和启示。

首先，制造业能源效率变化的特征分析表明,中国制造业能源效率总体水平较低,各行业能源效率相差比较悬殊，劳动密集型制造业能源效率最高，技术密集型行业次之，资本密集型行业最低。三大类型制造业能源效率年平均最高值不超过46%，最低仅有22%。因此，通

9

过提高制造业能源效率进而节能降耗仍具有较大的潜力和空间。

其次，近期制造业整体能效值显示出上升的趋势。资本、技术密集制造业能效自2004年后都比前十年抬升到一个新平台，并且近三年来三类制造业能效值维持在各自较高水平上。说明我国自2006年以来实施的节能降耗目标约束发挥了作用。基于以上两点结论，我国“十二五”期间单位GDP节能降耗指标可以适当提高，目标约束的作用可进一步加强。

再次，能源效率最低的子行业三分之二属于资本密集制造业。其中，黑色金属冶炼及压延加工业、非金属矿物制品业、有色金属冶炼及压延加工业、化学纤维制造业和橡胶制造业仍然是能耗大、能效低的重点行业，表明该类型行业在较长时期内面临巨大能源消耗和节能减排的沉重压力。与之相比，劳动、技术密集行业显示较高效率，从这个意义上，我们应重新审视片面追求能源密集型的工业结构和制造业重化倾向，优先发展低能耗、低污染的技术密集型行业，巩固劳动密集型制造业。坚持用先进适用技术改造资本密集行业中高耗能产业,提高产品的技术含量和附加值,降低单位产品能耗,改善环境质量,最终实现工业经济结构的优化升级与能耗消费、环境改善的协调一致,缓解资源和节能减排压力。

最后，使用Tobit模型对中国制造业能源效率影响因素的检验表明,能源消费结构、市场竞争、企业技术进步和企业规模等因素对制造业整体的能源效率有显著影响，尤其是市场竞争和技术进步的作用更为重要。这表明引入竞争机制、促进技术进步作为引导经济增长方式转变的基本手段，对提高能源效率乃至资源配置的效率都发挥着重大作用。其中，资本、技术密集制造业能效对技术进步，劳动、技术密集行业对能源消费结构，劳动、资本密集行业对企业规模等的反映更为敏感。但能源价格无法对能效产生重要影响的现象令人担心，这说明自2007年底以来成品油、电力价格上调为主要内容的能源价格改革对制造业，尤其是资本密集制造业能源效率改进以及节能减排的作用还相当有限。我国应尽快完善能够反映资源稀缺程度、市场供求关系和环境成本的能源价格形成机制,以发挥其节能减排的调节功能。

10