范秋芳 晏向星

摘要：選取2005—2017年中國30個省份的面板數(shù)據(jù)，運用Global Malmquist-Luenberger指數(shù)對中國綠色全要素能源效率變化進行測算與分解，并利用固定效應(yīng)模型回歸分析中國綠色全要素能源效率的影響因素。結(jié)果表明：考察期內(nèi)中國綠色全要素能源效率年均增長率為3.8%，東、中、西部地區(qū)年均增長率分別為4.5%、3.7%和3.1%，全國及各地區(qū)綠色全要素能源效率增長主要由技術(shù)進步推動，中西部地區(qū)與東部地區(qū)的綠色全要素能源效率差距正在逐漸縮小;經(jīng)濟發(fā)展水平、資本勞動比和科技發(fā)展水平對中國綠色全要素能源效率提升具有促進作用，政府干預(yù)程度、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境污染及對外開放程度對中國綠色全要素能源效率提升具有抑制作用。

關(guān)鍵詞：綠色全要素能源效率;Global Malmquist-Luenberger指數(shù);固定效應(yīng)模型;影響因素

中圖分類號：F062.1

文獻標識碼：A

文章編號：1673-5595（2021）06-0001-10

一、引言

為實現(xiàn)綠色可持續(xù)發(fā)展，《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二三五年遠景目標的建議》明確提出了“推動綠色發(fā)展，促進人與自然和諧共生”的目標，為實現(xiàn)這一目標，要“加快推動綠色低碳發(fā)展、全面提高資源利用效率并持續(xù)改善環(huán)境質(zhì)量”，這對中國的綠色能源效率提出了更高的要求。然而，《中國統(tǒng)計年鑒2020》顯示，2019年中國能源消費總量已超過48億噸標準煤，但能源生產(chǎn)總量僅占能源消費總量的81.5%。能源需求的快速增長使得能源供需矛盾越發(fā)凸顯。目前中國能源利用效率相較于發(fā)達國家仍處于較低水平，且能源消費構(gòu)成中非清潔能源（煤炭、石油）的占比遠高于清潔能源，這種“低能效、非綠色”的粗放型經(jīng)濟發(fā)展模式導(dǎo)致中國環(huán)境污染問題依舊十分嚴重。在能源供需矛盾日益突出與環(huán)境污染問題亟待解決的背景下，提升綠色全要素能源效率（GTFEE）是中國擺脫發(fā)展困境實現(xiàn)綠色可持續(xù)發(fā)展的重要出路。因此，精確測算中國綠色全要素能源效率并以此為基礎(chǔ)進一步探尋中國綠色全要素能源效率的影響因素具有重要意義。

二、文獻綜述

早期關(guān)于能源效率測算的研究主要從單要素視角切入，即只考慮將能源利用和產(chǎn)出比率作為度量指標，不考慮勞動力、資本等其他投入要素與能源投入之間的替代關(guān)系，存在較大的局限性。為了彌補單要素指標的不足，更精確地測算能源效率，Hu等[1]提出了由能源消耗、勞動力、資本存量以及生物質(zhì)能四個投入要素所組成的全要素能源效率指標，并應(yīng)用DEA模型研究多要素投入與GDP實際組合的效率表現(xiàn)。隨著能源效率研究的深入，全要素能源效率測算方法逐步發(fā)展為以隨機前沿分析法為主的參數(shù)方法和以數(shù)據(jù)包絡(luò)分析法為主的非參數(shù)方法，因為能源效率測算時參數(shù)條件難以確定，所以眾多學(xué)者往往采用后者對能源效率進行研究，其中數(shù)據(jù)包絡(luò)分析法中的Malmquist指數(shù)被廣泛應(yīng)用。[2-7]但由于Malmquist指數(shù)在測算效率時并未區(qū)別對待期望產(chǎn)出與非期望產(chǎn)出，將其都設(shè)置為盡可能大，因此在考慮非期望產(chǎn)出時運用該指數(shù)來測算全要素能源效率并不準確。為此，Chung等[8]提出了方向性距離函數(shù)，同時基于Malmquist指數(shù)構(gòu)造出Malmquist-Luenberger指數(shù)（ML指數(shù)），該指數(shù)將環(huán)境污染作為非期望產(chǎn)出納入考量，在提升期望產(chǎn)出的同時減少非期望產(chǎn)出。然而，ML指數(shù)并未考慮跨期DEA，因此測算結(jié)果存在無可行解以及不可傳遞性等問題。Oh[9]構(gòu)建了全局方向性距離函數(shù)，基于此函數(shù)定義了Global Malmquist-Luenberger指數(shù)（GML指數(shù)），該指數(shù)有效解決了ML指數(shù)所存在的無可行解及不可傳遞性問題。岳立等[10]、劉鉆擴等[11]、舒揚等[12]、田紅彬等[13]分別運用GML指數(shù)對絲綢之路經(jīng)濟帶沿線國家全要素能源效率、“一帶一路”沿線中國重點省域綠色全要素生產(chǎn)率、長江經(jīng)濟帶各城市綠色全要素生產(chǎn)率以及中國綠色創(chuàng)新效率進行了精確測算。

關(guān)于全要素能源效率測算指標的選取，不同學(xué)者有不同觀點。在投入指標方面，孟慶春等[14]使用資本存量、各地區(qū)就業(yè)人數(shù)、能源消費量作為投入變量，Makridou等[15]選擇員工人數(shù)、實際固定資本存量、能源使用量作為投入變量，于斌斌[16]則以各城市就業(yè)人數(shù)、社會固定資產(chǎn)投資、工業(yè)用電量作為投入變量。在期望產(chǎn)出方面，絕大部分學(xué)者[14-16]都選擇了以實際GDP作為具體指標。在非期望產(chǎn)出方面，沈可挺等[17]、楊俊等[18]選擇了二氧化硫排放量作為非期望產(chǎn)出，岳立等[10]、王維國等[19]、陳詩一[20]、Cheng等[21]將二氧化碳排放量作為非期望產(chǎn)出，舒揚等[12]、田紅彬等[13]使用了工業(yè)廢水與工業(yè)廢氣作為非期望產(chǎn)出，陳超凡[22]則將二氧化碳、廢水、廢氣排放量及工業(yè)固體廢棄物產(chǎn)生量同時納入考慮，李汝資等[23]只選擇了工業(yè)廢水排放量和工業(yè)二氧化硫排放量作為非期望產(chǎn)出。通過梳理發(fā)現(xiàn)，已有研究在指標體系構(gòu)建上存在以下幾個問題：第一，大部分研究都將各地就業(yè)人數(shù)作為勞動投入，但由于受教育水平的不同，每個就業(yè)人員所能貢獻的勞動水平實際上是存在差異的，因此不能簡單地將各地就業(yè)人數(shù)作為勞動投入，應(yīng)該考慮將包含勞動力質(zhì)量的人力資本存量作為勞動投入指標;第二，多數(shù)研究都選擇了將資本存量作為資本投入指標，但由于資本存量計算所采用的投資數(shù)據(jù)選取口徑并不唯一，有學(xué)者選擇使用全社會固定資產(chǎn)投資數(shù)據(jù)來計算資本存量，也有學(xué)者在張軍等[24]、單豪杰[25]利用資本形成總額計算資本存量方法的基礎(chǔ)上進行數(shù)據(jù)更新，然而，無論是使用全社會固定資產(chǎn)投資額還是使用資本形成總額來計算資本存量都不合適，因為計算資本存量最合適的序列指標是新增固定資產(chǎn)，所以應(yīng)該采用新增固定資產(chǎn)來重新計算資本存量[26];第三，在非期望產(chǎn)出方面，大部分學(xué)者只選擇了一到兩種污染物作為代表，而這種以偏概全的方法并不能精確測算出全要素能源效率，基于該數(shù)據(jù)得出的結(jié)論也不夠科學(xué)，因此在非期望產(chǎn)出指標選擇上應(yīng)該盡可能地全面。

關(guān)于全要素能源效率影響因素的研究，多數(shù)學(xué)者主要從外部因素種類、作用方向以及影響程度等方面進行分析。如屈小娥[3]選擇產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、工業(yè)化水平、技術(shù)進步、能源價格與政府干預(yù)程度五個因素作為解釋變量對中國全要素能源效率進行回歸分析，結(jié)果發(fā)現(xiàn)前四個因素對提升中國全要素能源效率具有積極作用，而政府干預(yù)程度的影響并不顯著。李國璋等[27]、張兵兵[28]在研究中發(fā)現(xiàn)政府干預(yù)程度實際對中國全要素能源效率的提升產(chǎn)生了負面作用。此外，Lin等[29]、江洪等[30]均認為能源價格對全要素能源效率的作用是復(fù)雜的，一味地提升能源價格可能對中國全要素能源效率提升起到反作用。王兵等[31]、李靜等[32]在研究中國全要素能源效率影響因素時發(fā)現(xiàn)外商直接投資對全要素能源效率具有顯著影響。周四軍等[33]認為產(chǎn)業(yè)結(jié)構(gòu)對中國不同地區(qū)的全要素能源效率作用程度與方向存在差異。吳傳清等[34]在研究環(huán)境約束下長江經(jīng)濟帶全要素能源效率時認為資本勞動比對全要素能源效率的提升具有顯著的正向作用。

綜上所述，在考慮中國碳中和目標約束的前提下，結(jié)合劉海英等[35]對綠色全要素能源效率的定義，并對當前全要素能源效率相關(guān)研究中所存在的問題進行分析后，本文將考慮綜合環(huán)境污染的全要素能源效率定義為綠色全要素能源效率，同時擬從以下幾個方面尋求突破：第一，引入固定資產(chǎn)建設(shè)周期，構(gòu)造出“新增固定資產(chǎn)”，以此計算資本存量作為資本投入指標;第二，使用熵值法對廢水排放量、二氧化硫排放量、煙（粉）塵排放量、工業(yè)固體廢物產(chǎn)生量及二氧化碳排放量進行處理，將得到的綜合環(huán)境污染指數(shù)作為非期望產(chǎn)出指標;第三，在確定測算指標后，使用GML指數(shù)測算出中國綠色全要素能源效率變化（GTFEECH）并對其進行分解，從多個角度對中國綠色全要素能源效率進行分析;第四，引入經(jīng)濟發(fā)展水平、資本勞動比、政府干預(yù)程度、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、能源價格、科技發(fā)展水平、環(huán)境污染、對外開放程度九個變量，運用固定效應(yīng)模型對中國綠色全要素能源效率影響因素進行分析，并基于實證結(jié)果提出提升中國綠色全要素能源效率的政策建議。

三、GML測算方法

方向性距離函數(shù)是GML指數(shù)的基礎(chǔ)，因此在定義GML指數(shù)前首先需要確定方向性距離函數(shù)。

相較于ML指數(shù)，GML指數(shù)具有更強的傳遞性與連續(xù)性，同時克服了ML指數(shù)可能存在無可行解的問題。使用Oh[9]提出的線性規(guī)劃方法來求解距離函數(shù)，可計算出相鄰兩期決策單元的綠色全要素能源效率變化（GTFEECH）、技術(shù)效率變化（GEC）、技術(shù)進步變化（GTC）及GEC與GTC的分解項：純技術(shù)效率變化（GPEC）、規(guī)模效率變化（GSEC）、純技術(shù)進步（GPTC）及技術(shù)規(guī)模變化（GSTC），這幾項指標大于1（小于1）分別代表綠色全要素能源效率提升（降低）、技術(shù)效率上升（下降）、技術(shù)進步（退步）、純技術(shù)效率增加（減少）、規(guī)模效率變大（變?。?、后一期的生產(chǎn)技術(shù)相較于前一期與全局生產(chǎn)技術(shù)更為接近（遠離）、技術(shù)偏離（靠近）不變規(guī)模報酬。

四、測算指標選取與數(shù)據(jù)來源

本文參考已有研究成果，選擇勞動投入、資本存量與能源消耗作為投入指標，以經(jīng)濟發(fā)展為期望產(chǎn)出，環(huán)境污染作為非期望產(chǎn)出，具體見表1。因2018年非期望產(chǎn)出數(shù)據(jù)缺失，本文選取2005—2017年中國30個省份（考慮數(shù)據(jù)可得性，剔除了西藏、香港、澳門和臺灣）面板數(shù)據(jù)進行分析，數(shù)據(jù)主要來源于《中國統(tǒng)計年鑒2020》《中國勞動統(tǒng)計年鑒2019》《中國價格統(tǒng)計年鑒2019》《中國能源統(tǒng)計年鑒2018》、國家統(tǒng)計局、CEADs數(shù)據(jù)庫以及各省份歷年統(tǒng)計年鑒。

3.能源消耗

該指標以各類能源通過折標系數(shù)折算為標準煤的能源消費總量來表示，單位為“萬噸標準煤”。

（二）產(chǎn)出

1.期望產(chǎn)出

經(jīng)濟發(fā)展指標用各省份以2005年為基期平減后的實際GDP來表示，單位為“億元”。

2.非期望產(chǎn)出

選擇2005—2017年中國各省份廢水排放量、二氧化硫排放量、煙（粉）塵排放量、工業(yè)固體廢物產(chǎn)生量及二氧化碳排放量作為代表，運用熵值法對其進行處理，最后得到綜合環(huán)境污染指數(shù)（指數(shù)越大，環(huán)境污染越嚴重），將其作為非期望產(chǎn)出。熵值法計算過程如下。

五、GML指數(shù)測算結(jié)果與實證分析

以投入為導(dǎo)向，借助MaxDEA軟件，用GML指數(shù)測算出2005—2017年中國綠色全要素能源效率平均變化情況（見表2）與歷年變化情況（如圖1所示），從多角度對GTFEE的平均變化及歷年變動情況進行分析。為了體現(xiàn)不同區(qū)域之間GTFEE的變化情況，本文將所選取的30個省份劃分為東部、中部及西部地區(qū)①。

（一）中國綠色全要素能源效率平均變化及其分解

由表2可知，在考慮非期望產(chǎn)出的情況下，總體來看，中國2005—2017年GTFEE年均增長率為3.8%，其中技術(shù)效率與技術(shù)進步分別貢獻了-0.7%、4.5%，可見技術(shù)進步是綠色全要素能源效率增長的主要原因。進一步分解發(fā)現(xiàn)，技術(shù)效率下降的原因是純技術(shù)效率和規(guī)模效率均有所降低，純技術(shù)效率下降說明當前國內(nèi)有不少企業(yè)在制度、管理和技術(shù)方面存在較大不足，這些企業(yè)的資源利用能力和資源利用技術(shù)水平亟待提升;規(guī)模效率下降則說明當前中國不少企業(yè)要素配置結(jié)構(gòu)不合理，生產(chǎn)資源投入規(guī)模與市場產(chǎn)品需求發(fā)展狀況不匹配程度愈發(fā)嚴重。技術(shù)進步是因為獲得了純技術(shù)進步與技術(shù)規(guī)模變化的雙重貢獻，兩者分別為其貢獻了2.8%、1.7%，這主要得益于中國產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與優(yōu)化以及國家對能源技術(shù)創(chuàng)新的不斷推進。

從地區(qū)差異來看，三大地區(qū)均實現(xiàn)了GTFEE的正增長，但東部地區(qū)GTFEE平均增長速度（4.5%）高于中部地區(qū)（3.7%）與西部地區(qū)（3.1%）;三大地區(qū)的技術(shù)效率平均變化為東部-0.4%、中部-0.6%、西部-1.1%，這是由純技術(shù)效率與規(guī)模效率同時下降所導(dǎo)致的;三大地區(qū)的技術(shù)水平都在提升，但東部技術(shù)進步最快，中部次之，西部最慢，其中東部與中部地區(qū)技術(shù)進步的主要貢獻來自純技術(shù)進步，而西部地區(qū)技術(shù)進步的主要貢獻來自于技術(shù)規(guī)模變化。結(jié)合上述分析可知，技術(shù)進步是三個地區(qū)GTFEE提升的主要原因，這也反映出這三個地區(qū)存在企業(yè)管理水平落后、企業(yè)規(guī)模與要素配置混亂、資源利用效率低下等問題。

從省份的角度來看，全國30個省份GTFEECH均大于1，其中增長最快的是內(nèi)蒙古，年均提升幅度為7.9%，新疆增長速度最慢，年均提升幅度為2.0%;GEC值大于1的省份有天津、內(nèi)蒙古、遼寧、吉林、江蘇和重慶，剩余24個省份技術(shù)效率均為負向增長或者保持不變。由此可知，天津、內(nèi)蒙古等6個省份的GTFEE提升來自于技術(shù)效率增長以及技術(shù)進步兩者的貢獻，而北京、河北、山西等24個省份主要依靠技術(shù)進步來促使GTFEE提升。

（二）中國歷年綠色全要素能源效率變動情況

從圖1可以看出，總體上，2005—2013年中國GTFEE增長速度不斷加快，2014年GTFEE增長速度出現(xiàn)劇烈下降，2015—2017年增長速度重新回升并出現(xiàn)波動。其主要原因在于：2014年之前中國投入大量資源來推動技術(shù)進步以提升能源效率，使得GTFEE增長速度持續(xù)加快;但在2014年，中國開始全面推進深化改革，用于推動技術(shù)進步的資源投入開始減少，不少省份技術(shù)進步速度隨之下降甚至出現(xiàn)負增長的情況，因此2014年GTFEE增長速度出現(xiàn)大幅度下降;隨著改革的不斷深入，其優(yōu)勢也不斷展現(xiàn)出來，盡管用于促進技術(shù)進步的資源投入減少，但是改革的推進使得各類科技成果進入市場，抵消了前者所帶來的不利影響，最終使得2015年以后中國GTFEE增長速度快速回升并隨著市場變化輕微波動。

從地區(qū)差異來看，2005—2009年期間，東部地區(qū)GTFEE增長速度顯著高于中、西部地區(qū)。主要原因是三個地區(qū)的經(jīng)濟發(fā)展水平差距較大，經(jīng)濟發(fā)達地區(qū)相較于經(jīng)濟落后地區(qū)更容易招攬到高水平的科研人才，同時高新技術(shù)企業(yè)也更傾向于在經(jīng)濟發(fā)達地區(qū)扎根，從而使得對GTFEE增長具有促進作用的綠色技術(shù)在東部地區(qū)發(fā)展迅猛，而在中、西部地區(qū)發(fā)展緩慢。2010年中、西部地區(qū)GTFEE增長速度出現(xiàn)大幅度上升，這可以歸因于2010年中、西部地區(qū)發(fā)展戰(zhàn)略進行調(diào)整，大量引進科技人才使得區(qū)域內(nèi)綠色技術(shù)獲得了較大幅度的進步，促使GTFEE以更快的速度提升。2011—2013年東部地區(qū)GTFEE增長速度呈現(xiàn)出先下降再回升的趨勢，中部地區(qū)則表現(xiàn)為持續(xù)緩慢下降，而西部地區(qū)在2011年上升到該地區(qū)測算期內(nèi)的最高水平隨后兩年一直保持穩(wěn)定。這種差異可以歸因于2008年發(fā)生的金融危機。首先，對經(jīng)濟變化最為敏感的東部地區(qū)受到其滯后影響，要素利用水平劇烈下降從而導(dǎo)致2010年區(qū)域內(nèi)GTFEE增長速度大幅度下降，但因為東部地區(qū)企業(yè)抗風險能力較強，可以快速適應(yīng)金融危機所帶來的影響，因此2012年東部地區(qū)GTFEE增長速度又重新回升到較高水平;其次，中部地區(qū)對經(jīng)濟變化的敏感性不如東部地區(qū)，而且區(qū)域內(nèi)企業(yè)抗風險能力也遠不如東部地區(qū)，即金融危機在中部地區(qū)產(chǎn)生的影響雖沒有東部地區(qū)強烈，但會持續(xù)一段時間，最終使得中部地區(qū)GTFEE增長速度在2011—2013年持續(xù)緩慢下降;最后，金融危機對西部地區(qū)的負面作用遠低于東部與中部地區(qū)，同時得益于西部大開發(fā)政策的有效推進以及國家資金的大量投入，西部地區(qū)技術(shù)水平取得明顯進步，從而促使西部地區(qū)GTFEE得以高速而穩(wěn)定地增長。

六、中國綠色全要素能源效率影響因素分析

由于GTFEE在測算過程中涉及了勞動投入、資本存量、能源消耗、經(jīng)濟發(fā)展與環(huán)境污染五個指標，其中任意一項發(fā)生變化都會對GTFEE產(chǎn)生直接影響，因此在研究中國GTFEE的影響因素時就需要考慮有哪些因素會對上述五個指標產(chǎn)生作用，以此來確定可能會對GTFEE產(chǎn)生影響的因素，而后選取與這些影響因素相對應(yīng)的具體指標作為解釋變量進行回歸分析，找出真正能夠?qū)χ袊鳪TFEE產(chǎn)生影響的因素。

（一）指標選取與處理

因為GML指數(shù)具備可傳遞、可累加的特征，所以本文以2005年技術(shù)效率值為初始GTFEE，將測算出的歷年GTFEECH設(shè)為變動比例，計算得到2005—2017年中國30個省份的GTFEE，令其作為被解釋變量②。根據(jù)以往的研究成果[3，27-34]同時結(jié)合國內(nèi)實際情況，本文最終確定了經(jīng)濟發(fā)展水平、資本勞動比、政府干預(yù)程度、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、能源價格、科技發(fā)展水平、環(huán)境污染、對外開放程度九個可能對中國GTFEE產(chǎn)生影響的因素，并根據(jù)數(shù)據(jù)可獲得性來選取對應(yīng)的具體指標作為解釋變量，最終確定的指標如表3所示。

回歸分析的前提是解釋變量相互獨立，為避免選取的指標存在多重共線性而導(dǎo)致虛假回歸，本文采用膨脹因子法來檢驗多重共線性。結(jié)果顯示城鎮(zhèn)化水平的膨脹因子為11.07，說明城鎮(zhèn)化水平與其他變量之間存在嚴重的共線性，因此需將城鎮(zhèn)化水平剔除后重新檢驗共線性，得到結(jié)果如表4所示。根據(jù)第二次共線性檢驗可知，剔除城鎮(zhèn)化水平變量之后，剩余變量膨脹因子均小于10，因此變量之間不存在多重共線性。

（二）回歸結(jié)果分析

運用Stata13.0軟件對處理過的面板數(shù)據(jù)分別進行固定效應(yīng)回歸與隨機效應(yīng)回歸，并進行Hausman檢驗，所得結(jié)果如表5—7所示。

由表7可知，Hausman檢驗結(jié)果強烈拒絕隨機效應(yīng)模型的原假設(shè)，即應(yīng)該選用固定效應(yīng)模型對解釋變量進行回歸。從表5固定效應(yīng)模型回歸結(jié)果整體上看，R2為0.849 5，擬合效果較好，F(xiàn)統(tǒng)計量為18.95，相應(yīng)的P值為0.000 0，說明回歸參數(shù)整體上相當顯著，另外能源價格的P值為0.487，說明能源價格對GTFEE的影響不顯著，這與Lin等[29]、江洪等[30]的結(jié)論一致，因此將其剔除，得出回歸方程

GTFEE=-2.173 63+0.352 43×pergdp+

0.019 22×rl-0.766 18×gov-0.808 22×struc+

9.086 32×tech-0.1647 6×ep-1.4093 4×fdi? （15）

通過回歸方程可知：

（1）經(jīng)濟發(fā)展水平對GTFEE有促進作用。人均實際GDP每提高1個單位，GTFEE平均增加0.352 43個效率值。經(jīng)濟發(fā)展有助于加強人們保護環(huán)境的意識，使得社會對環(huán)保綠色產(chǎn)品的需求不斷擴大。為滿足需求，企業(yè)必須開始注重綠色技術(shù)的應(yīng)用以及產(chǎn)品生產(chǎn)與創(chuàng)新綠色化，進而促進GTFEE的提升。

（2）資本勞動比對GTFEE有促進作用。資本勞動比每提升1個單位，GTFEE會增加0.019 22個效率值。一個區(qū)域的資源利用模式可以通過資本勞動比進行反映，比率的提升意味著資源不再是以簡單、粗放的形式進行利用，而是逐漸轉(zhuǎn)向集約式利用，這種利用模式具有資源投入低、環(huán)境污染少等多重優(yōu)勢，從而可以有效提升GTFEE。

（3）政府干預(yù)程度對GTFEE有抑制作用。政府干預(yù)程度每上升1個百分點會使得GTFEE下降0.766 18個效率值。這是由于政府過度干預(yù)容易導(dǎo)致經(jīng)濟泡沫的產(chǎn)生，使得資源無法得到有效配置，甚至是扭曲市場，同時，政府可能會為了追求經(jīng)濟的增長而放松對環(huán)境污染的控制與監(jiān)督，從而導(dǎo)致環(huán)境污染加劇，GTFEE下降。這與佟家棟等[38]、趙卿等[39]的結(jié)論相一致。

（4）產(chǎn)業(yè)結(jié)構(gòu)對GTFEE有抑制作用。產(chǎn)業(yè)結(jié)構(gòu)每上升1個百分點GTFEE減少0.808 22個效率值。這是因為第二產(chǎn)業(yè)主要是以高耗能高污染的工業(yè)為主，因此第二產(chǎn)業(yè)占GDP比重越高，說明高能耗產(chǎn)業(yè)越集中，即能源消費量越大，造成的污染也就越嚴重，GTFEE下降越明顯。

（5）科技發(fā)展水平對GTFEE有顯著的促進作用。科技發(fā)展水平每上升1個百分點就可以促使GTFEE增加9.086 32個效率值?？萍及l(fā)展水平反映了技術(shù)進步程度，該水平的提升可以促進節(jié)能減排和控制污染物排放技術(shù)的發(fā)展，使得社會各類生產(chǎn)只需要較低的生產(chǎn)要素投入就可以獲得高期望產(chǎn)出的同時減少非期望產(chǎn)出，對提高GTFEE具有十分重要的作用。

（6）環(huán)境污染對GTFEE有抑制作用。具體表現(xiàn)為污染指數(shù)每升高1個單位值，GTFEE下降0.164 76個效率值。其一，工業(yè)污染物排放作為非期望產(chǎn)出參與了GTFEE的測算，必定會對GTFEE產(chǎn)生負面作用;其二，工業(yè)生產(chǎn)過程中不可避免地會出現(xiàn)污染物的排放，而過高的污染物排放直接體現(xiàn)了資源利用效率低下，進而影響GTFEE，使其降低。

（7）對外開放程度對GTFEE有抑制作用。對外開放程度每上升1個單位，GTFEE下降1.409 34個效率值。隨著發(fā)達國家環(huán)境保護力度的不斷加強，其國內(nèi)的高污染產(chǎn)業(yè)被迫轉(zhuǎn)移至環(huán)境標準較低的國家，其中大量高耗能高污染外資企業(yè)涌入中國，從而使得GTFEE受到負面影響。

七、結(jié)論與建議

本文基于GML指數(shù)測算了中國30個省份2005—2017年的綠色全要素能源效率變化，同時將綠色全要素能源效率變化分解為技術(shù)效率變化與技術(shù)進步變化，并對分解后的指標進行再分解，從多角度對中國綠色全要素能源效率進行分析，最后運用固定效應(yīng)模型對影響綠色全要素能源效率的因素進行回歸分析，得到如下的結(jié)論。

（1） 2005—2017年中國綠色全要素能源效率年均增長率為3.8%，其中技術(shù)效率與技術(shù)進步分別貢獻了-0.7%、4.5%。

（2） 綠色全要素能源效率增長速度最快的地區(qū)依舊是東部地區(qū)，其次是中部地區(qū)，西部地區(qū)效率增長速度最慢，但中部、西部地區(qū)的增長速度正在加快，與東部地區(qū)的差距逐漸縮小，甚至有些年份已經(jīng)超過東部地區(qū)。

（3） 對中國大多數(shù)省份而言，技術(shù)進步是綠色全要素能源效率提升的主要來源。

（4） 經(jīng)濟發(fā)展、資本勞動比、科技發(fā)展水平對中國綠色全要素能源效率增長具有正向促進作用;政府干預(yù)程度、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境污染、對外開放程度對綠色全要素能源效率具有負面抑制作用。

根據(jù)以上結(jié)論，本文對提升中國綠色全要素能源效率提出如下建議。

（1）政企聯(lián)合，合理增加R&D經(jīng)費投入，同時完善科研支持體系，構(gòu)建成果共享平臺，加強產(chǎn)學(xué)研之間的交流與合作，促使節(jié)能減排技術(shù)加速轉(zhuǎn)化與落實;另外政府還要加大對中、西部地區(qū)高校的經(jīng)濟與政策支持，優(yōu)化現(xiàn)有的人才引進政策，在不斷引入高技術(shù)人才的同時防止人才外流，使優(yōu)秀人才在中西部地區(qū)得以安家落戶，為中、西部地區(qū)科學(xué)技術(shù)發(fā)展做出積極貢獻。

（2）加快經(jīng)濟區(qū)域化及一體化步伐，例如在東部、中部和西部地區(qū)合理劃分城市經(jīng)濟群。由于各城市之間資源存在差異，因此以優(yōu)勢互補的方式來整合區(qū)域內(nèi)的資源并通過加強產(chǎn)業(yè)鏈分工協(xié)作的方式可實現(xiàn)整個區(qū)域的協(xié)同發(fā)展，同時還可以通過制定多城市共同合作協(xié)議的方式，來打造利益共同體，以實現(xiàn)大范圍的區(qū)域經(jīng)濟合作;另外政府應(yīng)出臺相應(yīng)激勵型優(yōu)惠政策來鼓勵各類企業(yè)向中西部邊緣地區(qū)扎根，帶動經(jīng)濟落后地區(qū)的發(fā)展，不斷縮小各區(qū)域經(jīng)濟發(fā)展差距，促進綠色經(jīng)濟在各地高質(zhì)量發(fā)展。

（3）在全國范圍內(nèi)持續(xù)推動第二產(chǎn)業(yè)生產(chǎn)技術(shù)的更新與優(yōu)化，淘汰落后技術(shù)與裝備，加快推廣綠色生產(chǎn)技術(shù)升級。在中西部地區(qū)不斷承接產(chǎn)業(yè)轉(zhuǎn)移的情況下要特別重視區(qū)域內(nèi)綠色技術(shù)的發(fā)展現(xiàn)狀，必要情況下對高能耗高污染的產(chǎn)業(yè)發(fā)展予以限制。鼓勵各地區(qū)第三產(chǎn)業(yè)及高科技產(chǎn)業(yè)發(fā)展，促使企業(yè)由高投入-低產(chǎn)出或低投入-低產(chǎn)出的生產(chǎn)模式轉(zhuǎn)向低投入-高產(chǎn)出的生產(chǎn)模式，以實現(xiàn)綠色經(jīng)濟可持續(xù)發(fā)展。

（4）不斷完善區(qū)域生態(tài)環(huán)境治理體系，對企業(yè)施加嚴格的環(huán)境約束，促使企業(yè)調(diào)整自身能源消費結(jié)構(gòu)，改善內(nèi)部生產(chǎn)技術(shù)，進一步提升能源利用水平，減少企業(yè)生產(chǎn)所造成的污染排放。

（5）政府應(yīng)該不斷提高區(qū)域內(nèi)環(huán)境規(guī)制水平，制定更為嚴格的環(huán)境標準，在進一步擴大對外開放的同時嚴格限制國外低技術(shù)高污染產(chǎn)業(yè)向中國轉(zhuǎn)移，迫使外資企業(yè)采用先進環(huán)保技術(shù)與管理經(jīng)驗，促進綠色全要素能源效率提升。

注釋：

① 借鑒全國人大六屆四次會議提出的中國區(qū)域劃分標準，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南與廣西;西部地區(qū)包括四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏及新疆。

② 利用GML指數(shù)測算出的GTFEECH等于當年GTFEE與上一年GTFEE之比，為科學(xué)地計算出GTFEE，得出準確結(jié)論，本文并未將各城市的初始GTFEE簡單地設(shè)置為1，而是將各城市2005年技術(shù)效率值設(shè)置為初始GTFEE，通過歷年GTFEECH迭代計算可求得各城市歷年GTFEE值。

參考文獻：

[1] Hu J L， Wang S C. Total-Factor Energy Efficiency of Regions in China[J]. Energy Policy，2006，34（17）：3206-3217.

[2] Wei Y M， Liao H，F(xiàn)an Y. An Empirical Analysis of Energy Efficiency in Chinas Iron and Steel Sector[J]. Energy，2007， 32（12）：2262-2270.

[3] 屈小娥.中國省際全要素能源效率變動分解——基于Malmquist指數(shù)的實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，26（8）：29-43.

[4] 范秋芳，王麗洋.中國全要素能源效率及區(qū)域差異研究——基于BCC和Malmquist模型[J].工業(yè)技術(shù)經(jīng)濟，2018，37（12）：61-69.

[5] 盧銳，陸蕓，陳郁煒，等.考慮行業(yè)耗能差異的技術(shù)進步、技術(shù)效率與制造業(yè)全要素能源效率研究：基于30個行業(yè)面板數(shù)據(jù)的實證分析[J].管理工程學(xué)報，2019，33（3）：9-16

[6] 劉丙泉，尚夢芳，李永波.基于碳排放約束的中國省際生態(tài)效率評價與驅(qū)動力研究[J].中國石油大學(xué)學(xué)報（社會科學(xué)版），2016，32（1）：22-28.

[7] 孫菲，楊曉龍，陳雍淦，等.東北地區(qū)資源型城市綠色發(fā)展效率測度——基于2008—2017年數(shù)據(jù)的實證研究[J].中國石油大學(xué)學(xué)報（社會科學(xué)版），2021，37（3）：18-25.

[8] Chung Y H， Fre R， Grosskopf S. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Journal of Environmental Management，1997，51（3）：229-240.

[9] Oh D H. A Global Malmquist-Luenberger Productivity Index[J]. Journal of Productivity Analysis，2010，34（3）：183-197.

[10] 岳立，楊玉春，江鈴峰.“絲綢之路經(jīng)濟帶”綠色全要素能源效率的地區(qū)差異及影響因素研究——基于Global Malmquist-Luenberger指數(shù)的實證分析[J].蘭州大學(xué)學(xué)報（社會科學(xué)版），2018，46（6）：158-166.

[11] 劉鉆擴，辛麗.“一帶一路”建設(shè)對沿線中國重點省域綠色全要素生產(chǎn)率的影響[J].中國人口·資源與環(huán)境，2018，28（12）：87-97.

[12] 舒揚，孔凡邦.內(nèi)生視角下環(huán)境規(guī)制、產(chǎn)業(yè)集聚與城市綠色全要素生產(chǎn)率——以長江經(jīng)濟帶城市為例[J].工業(yè)技術(shù)經(jīng)濟，2019，38（10）：49-57.

[13] 田紅彬，郝雯雯.FDI、環(huán)境規(guī)制與綠色創(chuàng)新效率[J].中國軟科學(xué)，2020（8）：174-183.

[14] 孟慶春，黃偉東，戎曉霞.灰霾環(huán)境下能源效率測算與節(jié)能減排潛力分析——基于多非期望產(chǎn)出的NH-DEA模型[J].中國管理科學(xué)，2016，24（8）：53-61.

[15] Makridou G， Andriosopoulos K， Doumpos M， et al. Measuring the Efficiency of Energy-Intensive Industries Across European Countries[J]. Energy Policy，2016，88：573-583.

[16] 于斌斌.生產(chǎn)性服務(wù)業(yè)集聚與能源效率提升[J].統(tǒng)計研究，2018，35（4）：30-40.

[17] 沈可挺，龔健健.環(huán)境污染、技術(shù)進步與中國高耗能產(chǎn)業(yè)——基于環(huán)境全要素生產(chǎn)率的實證分析[J].中國工業(yè)經(jīng)濟，2011（12）：25-34.

[18] 楊俊，邵漢華.環(huán)境約束下的中國工業(yè)增長狀況研究——基于Malmquist-Luenberger指數(shù)的實證分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，26（9）：64-78.

[19] 王維國，范丹.中國區(qū)域全要素能源效率收斂性及影響因素分析——基于Malmqulist-Luenberger指數(shù)法[J].資源科學(xué)，2012，34（10）：1816-1824.

[20] 陳詩一.中國的綠色工業(yè)革命：基于環(huán)境全要素生產(chǎn)率視角的解釋（1980—2008）[J].經(jīng)濟研究，2010，45（11）：21-34.

[21] Cheng Z H，Liu J，Li? L S，et al. Research on Meta-Frontier Total-Factor Energy Efficiency and its Spatial Convergence in Chinese Provinces[J]. Energy Economics，2020，86（C）：104702.

[22] 陳超凡.中國工業(yè)綠色全要素生產(chǎn)率及其影響因素——基于ML生產(chǎn)率指數(shù)及動態(tài)面板模型的實證研究[J].統(tǒng)計研究，2016，33（3）：53-62.

[23] 李汝資，劉耀彬，王文剛，等.長江經(jīng)濟帶城市綠色全要素生產(chǎn)率時空分異及區(qū)域問題識別[J].地理科學(xué)，2018，38（9）：1475-1482.

[24] 張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000[J].經(jīng)濟研究，2004（10）：35-44.

[25] 單豪杰.中國資本存量K的再估算：1952—2006年[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，25（10）：17-31.

[26] 柯善咨，向娟.1996—2009年中國城市固定資本存量估算[J].統(tǒng)計研究，2012，29（7）：19-24.

[27] 李國璋，霍宗杰.中國全要素能源效率、收斂性及其影響因素——基于1995—2006年省際面板數(shù)據(jù)的實證分析[J].經(jīng)濟評論，2009（6）：101-109.

[28] 張兵兵.碳排放約束下中國全要素能源效率及其影響因素研究[J].當代財經(jīng)，2014（6）：13-22.

[29] Lin B， Liu X. Dilemma between Economic Development and Energy Conservation： Energy Rebound Effect in China[J]. Energy，2012，45（1）：867-873.

[30] 江洪，李金萍，紀成君.省際能源效率再測度及空間溢出效應(yīng)分析[J].統(tǒng)計與決策，2020，36（1）：123-127.

[31] 王兵，張技輝，張華.環(huán)境約束下中國省際全要素能源效率實證研究[J].經(jīng)濟評論，2011（4）：31-43.

[32] 李靜，汪克亮.多重目標約束下我國能源效率變動分解、區(qū)域差異與影響因素研究[J].華東經(jīng)濟管理，2013，27（10）：66-71.

[33] 周四軍，張庚.考慮環(huán)境效應(yīng)的我國全要素能源效率區(qū)域比較研究[J].華東經(jīng)濟管理，2016，30（4）：63-67.

[34] 吳傳清，董旭.環(huán)境約束下長江經(jīng)濟帶全要素能源效率研究[J].中國軟科學(xué)，2016（3）：73-83.

[35] 劉海英，劉晴晴.中國省級綠色全要素能源效率測度及技術(shù)差距研究——基于共同前沿的非徑向方向性距離函數(shù)估算[J].西安交通大學(xué)學(xué)報（社會科學(xué)版），2020，40（2）：73-84.

[36] 彭國華.中國地區(qū)收入差距、全要素生產(chǎn)率及其收斂分析[J].經(jīng)濟研究，2005（9）：19-29.

[37] Reinsdorf M，Cover M. Measurement of Capital Stocks， Consumption of Fixed Capital， and Capital Services[R]. Santo Domingo： The Central American Ad Hoc Group on National Accounts，2005：1-6.

[38] 佟家棟，陳霄.出口擴張、環(huán)境規(guī)制與能源效率——來自中國城市層面的經(jīng)驗證據(jù)[J].經(jīng)濟問題探索，2019（6）：174-184.

[39] 趙卿，曾海艦.產(chǎn)業(yè)政策推動制造業(yè)高質(zhì)量發(fā)展了嗎？[J].經(jīng)濟體制改革，2020（4）：180-186.

責任編輯：曲 紅

Abstract： This paper uses panel data from 30 provinces in China from 2005 to 2017 and the Global Malmquist-Luenberger index to measure and decompose the changes in Chinas green total factor energy efficiency， and uses a fixed-effects model to regress and analyze the influencing factors of Chinas green total factor energy efficiency. The results are as follows： （1） During the inspection period， the average annual growth rate of Chinas green total factor energy efficiency was 3.8%， and the average annual growth rates of the eastern， central and western regions were 4.5%， 3.7% and 3.1% respectively. The efficiency growth is mainly driven by technological progress， and the green total factor energy efficiency gap between the central and western regions and the eastern region is gradually narrowing. （2） The level of economic development， capital-labor ratio， and technological development have a positive effect on the improvement of Chinas green total factor energy efficiency， and the degree of government intervention， industrial structure， environmental pollution and the degree of opening up have a restraining effect on the improvement of Chinas green total factor energy efficiency.

Key words： green total factor energy efficiency; Global Malmquist-Luenberger index; fixed effects model; influencing factors