四 模型計量結果分析

（一）第一階段：能源效率的隨機前沿模型

（1）假設檢驗

在對隨機前沿模型進行參數估計前，需要對模型進行假設檢驗，以逐步確定模型的形式。本文采用廣義似然比檢驗對參數構造假設檢驗。假設原假設為H0，備擇假設為H1，含有約束條件模型的似然函數值為L（H0），不含約束條件模型的似然函數值為L（H1），則廣義似然比的統計量LR為：

LR=-2×［lnL（H0）-lnL（H1）］　　　　　　（5）

當原假設H0成立時，LR統計量服從混合卡方分布，其自由度為受約束變量的個數。對于生產函數和技術無效項的設定可構造假設檢驗，如表3所示。

表3 隨機前沿模型參數的假設檢驗結果

由表3可知，對隨機前沿模型參數設定的假設檢驗的結果均在α=0.01的顯著性水平下顯著拒絕原假設，由此可以得出如下結論：第一，生產函數采用Translog生產函數是合適的，αi、βj、γj、δj、ηk（i=1，2；j=2，3；k=1，2，3）不全為0，說明此時模型未退化為C-D生產函數；第二，技術無效項顯著不為0，說明技術無效項存在且對產出的影響顯著；第三，技術無效項服從半正態分布ui～i.i.dN+（μ，σ2i），μ≠0；第四，技術無效項隨時間變化，前文對技術無效項的設定uit=exp［η（T-t）］ui是合理的。

（2）模型構建

由前文可知，求解隨機前沿模型首先需要確定公式（2）中的生產函數f（x′it，β）。假設第p種投入要素下第i個DMU在時間t的投入為xitp，產出為yit，p=1，2，…，P。則由公式（2）可知，C-D生產函數及Translog生產函數下的隨機前沿函數表達式分別為公式（6）和公式（7）：

其中，β0、βp（p=1，2，…，P）是待估參數。對于使用哪種生產函數更好，目前還沒有統一的結論。但由于當βpq（p=1，2，…，P；q=1，2，…，P）=0時，公式（7）會退化為公式（6），因此公式（6）是公式（7）在βpq=0下的特殊形式。事實上，Translog生產函數正是C-D生產函數在（0，0）點的近似二階Taylor展開。因此本文選擇更一般的形式即Translog生產函數，并在估計出參數后進行假設檢驗H0：βpq=0?H1：βpq≠0，當原假設成立時生產函數退化為C-D生產函數。此外，技術無效項uit滿足前文的設定。

本文最終選取1990～2012年23年間28個省份的644組觀測值。在此，構建如下超越對數隨機前沿模型：

運用Froniter 4.1軟件，在格點搜索后采用極大似然估計法進行估計。模型的參數估計結果如表4所示。

表4 我國能源效率隨機前沿模型的參數估計結果

續表

其中，模型（1）列的內容是加入了所有變量的測算結果，模型（2）～模型（4）列的內容是在模型（1）的基礎上分別限定：①μ=0，η≠0；②μ≠0，η=0；③μ=0，η=0后的測算結果。從變量的顯著性來看，模型（3）通過檢驗的參數較多，因此選擇模型（3）為基準模型。在模型（3）的基礎上，剔除不顯著的變量，進一步進行參數估計得到模型（5）列的估計結果。

由表4的估計結果可知，模型（5）的解釋變量全部通過了檢驗。模型（5）中的μ顯著不為0，說明技術無效項存在且對產出的影響顯著，其分布為半正態分布ui～i.i.dN+（μ，σ2u），μ≠0。由于η不為0且顯著為負，說明技術無效項隨時間變化，δ（t）是t的增函數，t越大技術越無效，此外，uit=exp［η（T-t）］ui的設定是合理的。下文選取模型（5）做進一步研究。由模型（5）可以計算出不同時段下中國八大經濟區域的能源效率，結果如表5所示。

表5 不同時段下中國分省份的能源效率

續表

由表5可知，總體來看我國能源效率不容樂觀，能源效率逐年下降。我國在經濟發展的同時，每消耗1單位的標準煤，實際的GDP產出下降，大量的能源投入并沒有帶來同比例的經濟產值增加。

由表6可知，不同時段下中國八大經濟區域能源效率的差異比較明顯，能源效率較高的區域有東部沿海和南部沿海，結合前文對能源投入產出水平的分析可知，這兩個區域在能源投入產出水平高的同時，也擁有較高的能源效率。東部沿海和南部沿海的能源效率分別為0.945和0.927（1990～2012年），非常接近于1，因此這兩個區域的能源使用是非常有效的，同時這兩個區域的能源使用效率接近于生產前沿面。東北地區和北部沿海也具有較強的能源投入和產出，但其能源效率略低于東部沿海和南部沿海，分別為0.845和0.831（1990～2012年）。長江中游在能源效率方面表現平庸，其能源效率為0.782（1990～2012年），說明長江中游的能源效率有21.8%的提升空間。能源效率較低的區域為黃河中游、西南地區和大西北地區，這三個區域的能源投入和產出水平較低，同時它們的能源效率水平也低于全國平均水平，分別僅為0.684、0.663和0.625（1990～2012年）。

表6 不同時段下中國八大經濟區域的能源效率

從圖1可以看出，1990～2012年我國能源效率最高的省份為上海和廣東，說明這兩個省份在給定產出時，能源消耗的損失最少；能源效率最低的省份為貴州和寧夏。我國省份間能源效率差異較大，能源效率較高的省份的效率值趨近于1，較低的省份的效率不足60%，因此政府部門應當注意縮小各省份、各區域間的能源產出效率，提高經濟欠發達地區傳統能源的技術水平，淘汰落后工藝，積極引進新技術、新能源，提升落后地區的單位能耗GDP。

圖1 1990～2012年我國各省份的能源效率

圖2顯示了1990～2012年中國八大經濟區域的能源效率。從中可以看出，我國各區域能源效率逐年下降，能源效率下降較快的區域有黃河中游、西南地區和大西北地區。這三個區域的能源效率本身偏低，并且逐年下降的幅度快于其他區域，需要得到有關區域政府部門的重視。另外，1990～1996年能源效率高于全國平均水平的區域有東北地區、北部沿海、東部沿海、南部沿海和長江中游，低于全國平均水平的區域有黃河中游、西南地區和大西北地區；1997～2002年能源效率高于全國平均水平的區域有東北地區、北部沿海、東部沿海、南部沿海和長江中游，低于全國平均水平的區域有黃河中游、西南地區和大西北地區；2003～2012年能源效率高于全國平均水平的區域有東北地區、北部沿海、東部沿海、南部沿海，低于全國平均水平的區域有黃河中游、西南地區和大西北地區，長江中游的能源效率與全國平均水平基本持平。

圖2 1990～2012年中國八大經濟區域的能源效率

（二）第二階段：能源效率影響因素的面板Tobit模型

下面進一步分析中國八大經濟區域能源效率差異的影響因素。由于運用隨機前沿方法測算出的能源效率是在［0，1］區間的，被解釋變量數據是部分連續的（片段截斷的），所以不能采用普通的最小二乘法（OLS）進行估計，此時應當遵循最大似然法概念，運用累積正態概率分布函數的Tobit模型。Tobit模型最早由諾貝爾經濟學獎得主James Tobin于1958年提出，是用于處理因變量受限的模型。假設本文構建的被解釋變量為前文第一階段隨機前沿方法測算出的能源效率m，解釋變量為政府規模govexprate、第二產業增加值second、城鎮化率urban、開放度trade，則構建的面板Tobit模型如下：

運用Stata 12.0軟件，可以得到上述模型的估計結果，如表7所示。

表7 中國能源效率影響因素模型的參數估計結果

由于LR檢驗結果拒絕原假設H0：σu=0，因此存在個體效應，應使用隨機效應Tobit回歸。因此，模型（9）的表達式為：

m*it=0.9099+0.3005govexprateit-0.2141secondit+0.0521urbanit+0.0007tradeit+ui+vit　　　　　　（10）

由表7可知，除開放度trade外，其他變量都通過了顯著性檢驗。從模型（10）可以看出，政府規模對能源消耗的影響顯著為正，說明當前政府應干預能源生產和消耗，引導企業走向高效能、低排放之路。不過值得注意的是，目前中國的政府規模相比于發達國家而言仍然偏低，2012年政府支出占GDP的比重僅為24.2%，因此政府規模擴大有可能提高經濟發展水平和能源利用效率，但是政府規模也不能過大，否則對經濟增長將產生不利影響，進而也會對能源利用效率產生不利影響。第二產業增加值對能源消耗的影響顯著為負，說明當前我國第二產業的能源效率是較低的。由于當前我國仍處于工業發展的中期階段，第二產業在很長時間里在國民經濟三次產業結構中都會占據較大比重，這就要求我國在第二產業中應當加大清潔能源的利用，同時也需要在第二產業中提出更高的能耗和環保要求。當然，加快產業結構從低附加值產業向高附加值產業、從第二產業向第三產業升級無疑是提高能源利用效率的重要手段。城鎮化率對能源消耗的影響顯著為正，說明城鎮化率上升可以有效提高能源效率。城鎮化率每提高一個單位，能源效率增加0.0521個單位。開放度對能源消耗的影響為正，說明對外貿易的發展有利于我國能源效率的提高。對外貿易的發展有利于國外先進技術的引進，促使我國傳統工業更新換代，提高能源效率。進一步提高我國能源效率，需要繼續實施以出口為導向的經濟發展戰略，積極學習發達國家在清潔能源、環境治理方面的管理經驗和先進手段，逐漸淘汰低附加值產業和高能耗低產出行業，建立適合我國社會、經濟、環境發展的民族支柱產業體系。