2018-中国区域能源效率差异及影响因素分析_26页-1mb

报告摘要

中国区域能源效率差异及影响因素分析总结

核心内容

本报告由中国人民大学国家发展与战略研究院（国发院）发布，旨在分析我国28个省、市、自治区在1995-2011年间能源效率的变动趋势及其影响因素。报告采用固定效应随机前沿分析方法（SFA），以更准确地衡量能源效率，从而为能源政策制定提供科学依据。

主要观点

1. 能源效率与能源强度的区别

能源强度：即单位GDP能源消费量，是衡量能源效率的常用代理指标，但其变动可能受到经济结构变化等因素的影响，不能准确反映能源效率的提升。
能源效率评分：通过SFA方法计算出的指标，介于0-1之间，越接近1代表效率越高。该指标能更准确地衡量能源效率，且与能源强度的排名差异较大。

2. 能源需求弹性分析

能源需求的价格弹性约为 -0.53，表明能源需求对价格信号较为敏感。
收入和人口增长对能源需求的弹性分别为 0.31 和 0.49，表明两者是能源需求上升的强劲推动力。
资本劳动比 的弹性为负，表明资本和能源存在一定的替代关系，但替代程度不高。

3. 能源效率提升因素

资本更新速度：资本更新越快，能源效率越高。
市场化程度：市场化程度越高，能源效率越高。
外商直接投资（FDI）：FDI对能源效率有正向促进作用。
经济开放程度：对能源效率的影响为负，这为“污染天堂”假说提供了间接证据。
城市化进程：对能源效率的影响为负，表明城市化可能带来更高的能源消耗。

4. 能源效率区域差异

我国能源效率整体呈上升趋势，但各地区步调不一致。
北京、黑龙江、吉林、山西和天津在2011年的能源效率评分排名前五，而上海、浙江、广东、江苏和北京在能源强度排名中居前，说明两者排名存在显著差异。
能源效率评分和能源强度在排名上存在较大差异，尤其是对部分省份而言，差距超过10位。

5. 政策建议

在新一轮能源改革中，应放松管制、改革能源价格定价体系，以更有效地引导能源消费。
推进市场化导向的改革，有助于提高能源效率。
中央政府在分解节能目标时，应使用更科学的能源效率评分指标，避免因使用能源强度指标而发出错误信号。

关键信息

研究方法：采用固定效应随机前沿分析模型，避免了传统SFA方法中对固定效应的忽视，从而减少了对能源无效率的高估和系数估计偏差。
数据来源：主要来源于《中国统计年鉴》《中国能源统计年鉴》和《新中国60年统计资料汇编》，涵盖1995-2011年的经济、社会与能源数据。
模型设定：能源需求函数包括GDP、能源价格指数、人口、第二和第三产业比重、资本劳动力比、时间趋势等变量。
效率函数：包括投资资本比（IK）、城市人口比重（Urban）、FDI、经济开放程度（OPEN）和市场化指数（Market Index）等变量。

研究结论

我国能源效率整体呈上升趋势，但地区差异显著。
能源效率评分能更准确地衡量能源效率，应作为政策制定的重要参考。
政策制定应考虑区域差异，根据各地特点设定节能目标，以提高政策的针对性和有效性。

附录：重要变量及统计描述

变量名称	描述	平均值	标准差	最小值	最大值
E	能源消费（万吨标煤）	459,7162	4970	688	32225
GDP	GDP（亿元，1995不变价格）	459,4363	3879	168	24207
P	能源价格指数（1995=100）	459,117.47	23.20	84.42	234.4
POP	人口（万人）	459,4618	2698	481	11625
SSH	第二产业增加值占比	459,46.52	6.19	25.70	61.50
ISH	第三产业增加值占比	459,37.31	6.69	24.60	73.20
KL ratio	资本劳动力比	459,1.62	2.11	0.08	11.40
IK ratio	投资资本比	459,0.77	0.43	0.18	2.72
Urban	城市人口比重	459,0.41	0.15	0.08	0.89
FDI	FDI占当年投资比重	459,0.09	0.09	0.00	0.52
Open	进出口总值与GDP比	459,0.27	0.37	0.00	2.05
Market Index	市场化指数	459,3.61	1.88	0.40	9.67

图表说明

图1：展示了1995年和2011年我国各省市能源效率评分的核密度估计分布，显示能源效率整体上升，但地区差异扩大。
表4：列出了1995-2011年各省市能源效率评分的平均值及排名，北京、黑龙江、天津、吉林和山西排名靠前。
表5：比较了2011年各省市能源效率评分与能源强度的排名差异，说明能源强度不能准确反映各地区间的能源效率。

参考文献

Ang, B. W. and F. Q. Zhang, 2000. A survey of index decomposition analysis in energy and environmental studies. Energy, 25(12): 1149-1176.
Filippini M. and Hunt, L. C. (2012). US Residential Energy Demand and Energy Efficiency: A Stochastic Demand Frontier Approach. Energy Economics 34 (5): 1484-1491.
Filippini, M. and Hunt, L. C. (2011). Energy demand and energy efficiency in the OECD countries: a stochastic demand frontier approach. Energy Journal, 32(2): 59-80.
Griffin, J. M., 1981. Engineering and econometric interpretations of energy–capital complementarity: comment. American Economic Review, 1981(71): 1100–04.
Griffin, J. M. and P. R. Gregory, 1976. An intercountry translog model of energy substitution Responses. American Economic Review, 66(December): 845-57.
Ma, H., L. Oxley and J. Gibson, 2010. China's energy economy: a survey of the literature. Economic Systems, 34(2): 105-132.
National Bureau of Statistics (NBS), 1995–2010a. China Energy Statistical Yearbook. NBS, Beijing.
National Bureau of Statistics (NBS), 1995–2010b. China Statistical Yearbook. NBS, Beijing.
Song, F. and Zheng X.Y. 2012. What drives the change in China's energy intensity: combining decomposition analysis and econometric analysis at the provincial level. Energy Policy, 51(12).
Zhang, J., G. Wu and J. Zhang, 2004. Estimating China's provincial capital stock: 1952-2001. Journal of Economic Research, 10 (in Chinese).
Zhang, J., G. Wu and J. Zhang, 2007. Estimating China's provincial capital stock. Working Paper Series, China Center for Economic Studies, Fudan University.
白俊红、江可申、李婧，2009：《应用随机前沿模型评测中国区域研发创新效率》，《管理世界》第10期，第51-61页。
杜克锐、邹楚沅，2011：《我国碳排放效率地区差异、影响因素及收敛性分析——基于随机前沿模型和面板单位根的实证研究》，《浙江社会科学》第11期，32-43页。
魏楚、沈满洪，2009：《能源效率研究发展及趋势：一个综述》，《浙江大学学报》第3期，55-63页。