第一部分　行業能源發展和利用

第1章　重工業能源發展利用

1.1　重工業能源發展利用

1.1.1　重工業能源消費現狀

重工業指為國民經濟各部門提供物質技術基礎的主要生產資料的工業?！爸毓I”是“輕工業”的對稱，提供生產資料的部門稱為重工業，生產消費資料的部門稱為輕工業。重工業包括鋼鐵、冶金、機械、能源（電力、石油、煤炭、天然氣等）、化學、材料學等工業，是為國民經濟各部門提供技術裝備、動力和原材料的基礎工業。它為國民經濟各部門（包括工業本身）提供原材料、燃料、動力、技術裝備等勞動資料和勞動對象，是實現社會再生產和擴大再生產的物質基礎。一個國家重工業的發展規模和技術水平，是體現其國力的重要標志。

從產業鏈的角度來講，重工業在產業鏈中多為上游行業，主要為整體經濟運行提供能源和原材料。這就意味著能耗高是重工業的主要特征。從統計數據來看，中國重工業的能源消費量占全國能源消費總量的比重接近65%，重工業終端電力消費量占全社會用電總量的比重也超過60%。

進入21世紀以來，伴隨著經濟的快速增長，中國一次能源消費總量也在迅速增長。2009年，中國正式超過美國，成為世界上最大的能源消費國。2015年，中國一次能源消費總量約為30.14億噸油當量，占世界總量的22.92%。而美國的一次能源消費自2005年達到23.50億噸油當量的峰值之后，整體上保持平穩并略微下降；與此同時，美國一次能源消費占世界的比重則自2000年以來一直保持快速下降的趨勢。2016年美國一次能源消費總量約為22.80億噸油當量，占世界總量的17.35%（圖1-1）。

中國的能源消費以化石能源為主，迅速增長的能源消費和以化石能源為主的能源結構，導致中國因能源消費而產生的二氧化碳迅速增長。2015年，中國二氧化碳排放量約為91.54億噸，占當年世界二氧化碳排放總量的27.3%。隨著人們對全球氣候變暖問題的日益關注，中國面臨著巨大的節能減排壓力。

中國的能源消費主要集中在重工業，重工業的能源消費占全國能源消費總量的65%以上。新中國成立以來，中國建成了門類齊全的工業體系，但行業之間的不同特點往往導致行業之間的能源消費和能源強度存在著巨大的差異。這就要求我們在制定節能減排政策的過程中，應該針對不同行業的不同特點做出對應的安排，不能一概而論。

近年來，能源替代被認為是解決人類發展過程中面臨的資源約束與環境壓力、實現可持續發展的重要途徑之一。能源替代分為內部替代和外部替代：前者主要是能源結構優化，包括改變各能源品種在一次能源消費結構中的比重以及可再生能源的開發利用等；后者指包括能源、資本和勞動在內的社會資源有效配置，通常在能源相對價格變化的基礎上，通過調節其他要素投入比重來實現能源投入的邊際生產最優化進而達到節約能源的目的。由于內部替代受資源稟賦和技術成本等因素的影響較大，因而人們往往更關注于對能源與其他投入要素之間的外部替代問題。

1.1.2　重工業能源替代問題[1]

在大多數能源經濟問題的實證研究中，采用技術進步中性假設的常替代彈性生產函數（Constant Elasticity of Substitution,CES）最為常見。但是考慮到實際經濟系統中各種投入要素對產出的影響并不僅僅與該投入要素的變化相關，而且各種投入要素的技術進步也不相同。顯然CES不能全面反映投入要素間的相互作用和關系。因此針對能源替代問題的研究大多采用超越對數生產函數來進行。

超越對數生產函數（Translog Production Function,TPF）是一種變彈性生產函數，可以視為任何形式生產函數的二階泰勒級數近似。但是TPF和CES在估計能源與其他投入要素之間的替代關系時存在多重共線性的問題。因為TPF假設所有的投入要素都是內生的，這樣在使用線性回歸方法進行分析時會與其假設相沖突，進而導致對能源與其他要素之間的替代彈性的估計產生偏差。

從原理上來看，多重共線性并不影響最小二乘法估計量的無偏性和最小方差性（高斯馬爾科夫定理，Gauss-Markov Theory），但是雖然最小二乘估計量在所有線性估計量中是方差最小的，但是這個方差卻不一定小，而實際上可以找到一個有偏估計量，這個估計量雖然有較小的偏差，但它的精度卻能夠較大程度地高于無偏估計量。

嶺回歸分析就是根據這個原理，通過引入有偏常數而求得回歸估計量的一種能統一診斷和處理多重共線性問題的特殊方法。在多重共線性問題十分嚴重的情況下，兩個共線性的系數之間的二維聯合分布是一個山嶺狀曲面，曲面上的每一個點均對應一種殘差平方和，點的位置越高，相應的殘差平方和越小，因此山嶺的最高點和殘差平方和的極小值相對應，相應的參數值便是參數的OLS估計值。

嶺回歸實質上是一種改良的最小二乘估計法，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價，獲得回歸系數更為符合實際、更可靠的回歸方法，對病態數據的耐受性遠遠強于最小二乘法。

超越對數生產函數模型由克里斯滕森（Christensen et al.，1973）最早提出，一個包含兩個投入要素的生產函數的超越對數生產函數形式為

ln（y）=θ0+θ1ln（x1）+θ2ln（x2）+θ3ln（x1）2+θ4ln（x2）2+θ5ln（x1）×ln（x2）（1-1）

超越對數生產函數屬于變彈性生產函數模型，具有易估性和包容性兩大優點。易估計的原因在于它是一個簡單線性模型，可以直接采用單方程線性模型的估計方法進行估計。包容性則是指它可以近似任何形式的生產函數，如令θ3=θ4=θ5=0，可轉化為Cobb-Douglas生產函數，再如令θ3=θ4=-0.5θ5，則可轉化為常替代彈性生產函數。因此可利用超越對數生產函數有效研究生產函數中各個投入要素之間的相互影響以及各種技術進步的差異。

取中國重工業的年工業增加值（y）作為被解釋變量，行業能耗（e）、資本存量（k）及全部從業人員數（l）作為解釋變量，我們構建了如下模型：

ln（y）=θ0+θkln（xk）+θlln（xl）+θeln（xe）+θkkln（xk）2+θllln（xl）2+θeeln（xe）2+θklln（xk）×ln（xl）+θkeln（xk）×ln（xe）+θleln（xl）×ln（xk）（1-2）

要素產出彈性的定義是在技術水平和要素價格不變的前提下，某一要素投入量的相對變動所引起的產出量的相對變動。不同要素之間替代彈性的定義為：在技術水平和要素價格不變的前提下，邊際技術替代率的相對變動所引起的生產要素投入比例的相對變動。在模型（1-2）的基礎上，可以推算出不同要素間的替代彈性。

在經濟增長、效率分析等方面的研究中，資本存量（k）十分重要，其質量對研究結論往往具有決定性的作用，特別是資本存量這種不可直接觀察，只能通過估算獲得的變量。目前學術界針對資本存量估算的研究十分豐富，這些研究主要基于戈德史密斯（Goldsmith，1951）開創的永續盤存法。

本文在研究過程中引用陳詩一（2011）的研究結果，根據前文中對重工業的定義，對其所包含的子行業數據加總進而得出重工業的資本存量，并基于同樣的研究方法推算了2009—2014年的數據，從而得到完整的1990—2014年重工業資本存量數據，數據統一用1990年不變價表示。

重工業能源消費數據同樣來自于對其所包含的子行業各自能源消費數據加總，1995—2011年各子行業的能源消費數據來自《中國統計年鑒》和《中國能源統計年鑒》。由于統計口徑變化，1990—1994年統計年鑒中關于行業劃分標準與1995年之后有所不同，1995年之后行業劃分更加詳細。因此1990—1994年重工業能源消費數據來自對區間內重工業所包含的兩位數行業數據加總，缺失行業的能源消費數據已包含在其他行業當中。從數據平穩性來看這樣的處理方式是合理的。

陳詩一（2011）對1980—2008年工業分行業的工業增加值及從業人員都有詳細的統計，本文研究中所采用的工業增加值及從業人員數據同樣來自其研究結果，并采用相同的方式對2009—2014年的相關數據進行了估算。

正如前文所述，超越對數生產函數的假設，給實證模型的參數估計帶來了多重共線性的問題，導致普通最小二乘估計失效。從表1-1的檢驗結果來看，重工業的產出同資本、勞動和能源三種投入要素之間存在著顯著的多重共線性問題。為了解決模型出現的多重共線性的問題，我們使用嶺回歸代替普通最小二乘法。

表1-1　多重共線性檢驗

注：**表示在1%水平下具有顯著的多重共線性。表中各變量的含義依次為，y是重工業增加值，k是重工業資本存量，l是重工業勞動投入，e是重工業能源投入。

表1-2　不同k值下的可決系數以及系數估計結果

注：RSQ表示不同k值下的可決系數；lnk、lnl、lne分別表示資本存量、勞動投入和能源投入的對數形式。lnklnk、lnklnl、lnllne、lnllnl、lnllne、lnelne分別表示lnk、lnl、lne的乘積項。

敏感性分析表明，結果對于如何選擇嶺參數的值不是非常敏感。因此，本文通過曲線圖和VIF來確定最佳k值。根據表1-2中不同k值的r2和嶺回歸系數的變化，當k介于0.30～0.40之間時，大多數值變得穩定。當k小于0.30時，系數值全部不穩定，隨k變化而變化的幅度較大。

我們還可以從圖1-2中的超越對數生產函數的變量的嶺跡圖中看出，當k到達0.35附近時，嶺跡線變得穩定。

注：lnk、lnl、lne分別表示資本存量、勞動投入和能源投入的對數形式。

嶺回歸結果如表1-3所示。相關統計檢驗顯示，嶺回歸模型結果顯著。所有統計測試指標，如調整R2，標準誤差（SE），回歸方程的顯著性水平（F和SigF的值）以及方差分析表都反映出它是一個合理的模型。更重要的是，這種模型是否良好不僅取決于嶺回歸是否有效地克服了多重共線性問題，還取決于估計參數是否合理。從表1-3可以看出，由于標準誤差較小，系數的統計檢驗是理想的，其中66.7%小于0.01，且均小于0.10。因此，嶺回歸估計是合理的。

表1-3　嶺回歸結果

注：lnk、lnl、lne分別表示資本存量、勞動投入和能源投入的對數形式。

根據嶺回歸的結果，方程（1-2）可以重新表示為

ln（y）=1.48061+0.17954ln（xk）-0.04644ln（xl）+0.26951ln（xe）+0.00926ln（xk）2-0.00160ln（xl）2+0.02370ln（xe）2+0.01152ln（xk）×ln（xl）+0.01483ln（xk）×ln（xe）+0.01945ln（xl）×ln（xe）（1-3）

根據公式（1-3）中的系數，可以得到各投入要素的產出彈性和投入要素之間的替代彈性。結果見表1-4。

表1-4　各要素的產出彈性和要素間替代彈性

重工業是能源密集型和資本密集型產業，部分行業也是勞動力密集型的，這已經被估計產出彈性的結果所證明。一般來說，重工業的生產高度依賴于能源投入和資本投入，而勞動投入的影響卻相對較小。這些都是由重工業本身的特點決定的。另外，在重工業快速發展的時期，固定資產的能源消耗和投資將迅速增長。

從表1-4中的結果可以看出，1980—2014年，能源、勞動力和資本的產出彈性一直在增加，表明總體技術水平在不斷進步。在所有三種產出彈性中，能源的產出彈性最大，其次是資本，勞動力的產出彈性最?。▓D1-3）。雖然勞動力的產出彈性最小，但勞動產出彈性的增長率最高。1980—2014年期間，資本產出彈性增長19.67%；能源產出彈性增長20.89%；勞動力產出彈性增長55.20%。

接下來是資本、勞動和能源之間的替代彈性。從圖1-4可以看出，重工業的彈性估計值都是正的。根據方程式的定義，正的替代彈性意味著資本與勞動力、資本與能源以及勞動與能源之間的關系都是可以替代的。另外，資本與勞動力之間的替代彈性幾乎和資本與能源之間的替代彈性相同，兩者在1980—2014年間為0.94～0.96。結果表明，通過增加資本投入，可以有效節約中國重工業的能源消耗和勞動投入。

勞動力與能源之間的替代彈性相對較高，這意味著中國重工業的勞動和能源替代效率高。勞動和能源的替代性可以解釋如下。如果一個工廠投入更多的機器，就會消耗更多的能源，而勞動者的投入可能會減少。隨著自動化設備日益普及，能源和勞動力更具可替代性。過去幾年來，特別是90年代以后，中國勞動力投入的價格相對較低，農民工的存在也導致了勞動力供給充足。重工業的工廠選擇使用更多的勞動投入和較少的資本及能源投入。在這個意義上，中國的勞動力市場在減輕重工業的能源消耗方面發揮了積極的作用。資本與能源之間的可替代關系是相似的。更多的資本投入可以幫助投資更高效的機器，這可以降低給定產出的能源消耗。

近年來，隨著勞動力成本和人口老齡化的增加，中國的人口紅利逐漸消失，這也可以解釋勞動與能源替代彈性的下降。隨著資源約束和環境壓力的增加，未來的能源替代品將主要依靠資本替代能源和勞動力。資本與能源、資本與勞動力之間略有上升的趨勢表明，替代是有效的，這種替代的增加趨勢也表明，在更多的資本貢獻下，減少能源供應短缺的空間更大。

1.1.3　結論和政策建議

在本文中，建立了包括中國重工業的能源、資本和勞動力等輸入因素的超越對數生產函數模型。通過使用嶺回歸的方法，分析了每個投入因子的輸出彈性和輸入因子之間的替代彈性。主要研究結果如下：

首先，能源、資本和勞動力的產出彈性都是正的，這意味著要素投入的增加將導致總產出的增加。此外，1980—2014年，三大產出彈性都在上升，其增長速度同步增長，表明中國重工業的效率提高。盡管如此，增長幅度相當溫和，表明中國重工業的增長回報的影響正在逐漸消失。從絕對值的角度看，能源的產出彈性最大，其次是資本，勞動力的產出彈性最小，表明中國的重工業是能源密集型和資本密集型，而勞動的重要性是相對較小。由此可見，重工業發展與宏觀經濟環境高度相關，對能源消耗總量有明顯的影響。

其次，能源、資本和勞動力之間的替代彈性都是正的，表明所有三個投入因素兩兩之間互為替代品。勞動和能源之間的替代彈性相對較高（1.0178～1.0125），而彈性絕對值正在下降。隨著產業升級和自動化程度不斷提高，勞動力成本上升，中國重工業的能源替代效應將在未來下降。資本與能源和勞動力之間的替代彈性在絕對值和趨勢上是相似的。資本和能源是重工業的替代品，可以理解如下：當企業選擇投入更多的資本來提高能源效率時，給定產出的能源消耗將會下降。但是值得注意的是，機械的運行將消耗能源，因此能源和資本可能是互補的，需要從節能減排的角度來避免。對于政策發展，能源和資本之間的可替代性取決于資本投入的方向，即節能或能源消耗。

第三，由于中國重工業能源消費占一次能源消費總量的60%以上，替代效應將帶來巨大的節能減排。替代關系的存在表明，重工業面臨的能源消耗約束可以通過增加資本投入來改善。通過更多的投資，可以應用節能技術，可以促進資本與能源之間的替代。資本與勞動力之間的替代是相似的。

總而言之，中國的重工業是能源密集型和資本密集型的。更多的資金投入有助于提高能源效率，從而達到節能目標。作為能源和勞動力資本的替代品，涉及中國重工業的更多資本投入。要了解能源與其他投入因素之間的替代關系，以提高中國重工業的發展質量，優化發展模式。

1.2　重工業——高耗能行業能源發展和利用[2]

1.2.1　高耗能行業的發展現狀

根據《2010中國經濟和社會發展統計公報》的統計數據顯示，中國的高耗能行業主要包括六個，分別是石油加工、煉焦及核燃料加工業，化學原料和化學用品制造業，非金屬礦物品制造業，黑色金屬冶煉及壓延加工業，有色金屬冶煉及壓延加工業以及電力熱力的生產和供應業。作為生產基本材料的工業，高耗能行業對中國經濟發展和人民生活水平的提高意義重大，其主要產品包括成品油、塑料、化肥、水泥、玻璃、鋼、各種不同的有色金屬，如銅、鉛、鋅、鎂、鋁等以及熱力和電力。

中國高耗能行業的能源消耗和占比從1990年至2014年一直維持在較高水平，具體來說，1990年中國高耗能行業的能源消費量為3.96億噸標準煤，占工業能源總消費量的58.49%以及全中國能源消費量的40%。2014年中國高耗能行業的能源消費量為21.69億噸標準煤，占工業能源總消費量的73.34%，占全國能源消費量的50.93%。伴隨著如此巨大的能源消費量，中國高耗能行業的二氧化碳排放量也居高不下，圖1-5顯示了1985—2014年中國高耗能行業單位工業增加值的能源消費量和二氧化碳排放量：其橫坐標是年份，從1985年至2014年；主縱坐標是單位工業增加值的二氧化碳排放量，單位是萬噸二氧化碳/萬元；次縱坐標是單位工業增加值的能源消費量，單位是萬噸標準煤/萬元?？梢钥闯?，在分析區間1985—2014年間，中國高耗能行業單位工業增加值的二氧化碳和能源消費量均呈下降趨勢。1995年和1996年分別是單位工業增加值的二氧化碳排放量和能源消費量的峰值年份，自那之后，兩者均逐年下降。單位工業增加值的二氧化碳排放量的平均值為60.63噸/萬元，年均增長率為-4.36%；單位工業增加值的能源消費量的平均值為18.26噸標準煤/萬元，年均增長率為-4.41%。至2014年，中國高耗能行業的單位工業增加值能源消費量和二氧化碳排放量均達到歷史最低值，分別為18.98噸/萬元和5.8噸標準煤/萬元。

能源被大量消費的同時，中國高耗能行業也排放了大量二氧化碳。2014年，中國二氧化碳排放總量為84.2億噸，高耗能行業二氧化碳排放量為70.9億噸，占總排放量的84.2%。所以如果想要實現二氧化碳減排的目標，就必須重視中國高耗能行業。

中國目前仍然處于工業化和城市化階段，仍然需要高耗能行業來提供原材料產品和能源產品。例如，作為非金屬礦物品制造業的子行業的水泥行業保證了城市公共基礎設施建設的順利進行。石油加工煉焦及核燃料加工業為現代工業的生產提供血液：石油。黑色金屬冶煉及壓延加工業生產的鋼材是現代經濟的基石。

總體來說，中國高耗能行業會繼續保持一段快速發展時期，主要原因有：

（1）中國城市化和工業化還未完成，而城市化和工業化進程都需要大量原材料和能源產品作為基本支撐。近幾年來，中國高層提出了“中國夢”的指導思想，社會保障型住房建設進程加快，這在一定程度上促進了非金屬材料品制造業和黑色金屬冶煉及壓延加工業的發展。

（2）自2014年以來，中國提出了另一發展策略，即“一帶一路”?！耙粠б宦贰毖鼐€國家基礎設施建設投資不足，由于財政約束導致基礎設施建設落后。如果關注中國國內，與“一帶一路”連接的中國西北部省份的鐵路、公路建設遠遠落后于中國東部沿海地區?！耙粠б宦贰卑l展策略要求中國國內與中亞等國家的基礎設施建設能夠對接，這就給中國西北部地區的基礎設施建設提供了較大空間。這一要求也將促進中國高耗能行業的發展，因為國內基礎設施的建設需要高耗能行業的產品，尤其是黑色金屬冶煉及壓延加工業、有色金屬冶煉及壓延加工業以及非金屬礦物品制造業。

（3）與發達國家相比，“一帶一路”沿線國家的電力消費普遍較低，這給未來電力消費上漲騰出了較大空間。根據國際能源署（IEA）（International Energy Agency,IEA）的統計資料，非OECD國家的人均電力消費2013年僅為1655.52千瓦時；而OECD國家的人均電力消費2013年為7579.49千瓦時，是非OECD國家的4.58倍。這樣看來，“一帶一路”沿線的非OECD國家電力消費會顯著增長。伴隨電力消費量的增加，電力市場上的投資也會增加，這為中國電力熱力的生產及供應業發展提供了機會。

正因為以上這些原因，有理由相信中國高耗能行業在未來一段時間內能源消費量會持續增加。而自1985年以來，煤炭成為中國高耗能行業最重要的能源消費品種。因為技術的限制，短時間內想要大規模用其他能源替代煤炭并不現實，所以未來一段時間內，煤炭仍將是中國高能耗行業最主要的能源消費品種。而煤炭又是所有化石能源中碳排放系數最高的，所以中國高耗能行業的二氧化碳排放量也將繼續增加。

基于此，本報告認為有必要弄清影響中國高耗能行業二氧化碳排放的影響因素。這些因素與二氧化碳排放量的長期均衡關系是否存在？未來的二氧化碳減排潛力如何？中國高耗能行業的減排潛力如何？這些問題都將在本小節進行回答。

1.2.2　中國高耗能行業二氧化碳排放

基于Kaya恒等式，本小節將中國高耗能行業的二氧化碳排放量分為五個因素進行討論，它們分別是：碳強度效應（CI）、能源結構效應（S）、能源強度效應（EI）、勞動生產率效應（LP）以及產業規模效應（IS）。

其中，碳強度效應等于二氧化碳排放量與化石能源消費總量的比值，表示單位化石能源消費量的二氧化碳排放，因為不同種類的化石能源碳排放系數不一樣，化石能源消費量的變化將會導致碳強度的變化；能源結構效應等于化石能源消費量與能源消費總量的比值；能源強度效應等于能源消費總量與工業增加值的比值，表示單位工業增加值的能源消費量，它的變化可以一定程度上反映技術水平的變化；勞動生產率效應等于工業增加值與工作人數的比值，表示單位工作人員帶來的工業增加值，它的變化可能從兩個不同方向影響二氧化碳排放，即增加或減少，這取決于勞動生產率提高的方式；產業規模效應用工作人數來表示，通常情況下，雇傭的人數越多，表示生產規模越大，二氧化碳排放量也越高。

用對數平均迪氏分解法對中國高耗能行業二氧化碳排放量進行分解，我們以中國每個五年計劃為一個時間段，即把分析區間分成1986—1990年，1991—1995年，1996—2000年，2001—2005年，2006—2010年以及2011—2014年。根據政府間氣候變化委員會（IPCC）提供的二氧化碳排放計算方法，我們計算了中國高耗能行業由于能源使用所排放的二氧化碳。具體的分解分析結果如圖1-6所示。

從圖1-6中看出，從1986年到1990年，二氧化碳排放增加了3.26億噸，碳強度效應、能源強度效應和產業規模效應是導致排放量上升的主要因素，分別使二氧化碳排放量上漲0.63億噸、1.64億噸和1.25億噸。能源結構效應和勞動生產率效應是導致二氧化碳排放量下降的主要因素，分別使其下降了0.24億噸和0.019億噸。所以，在這一時期內導致二氧化碳排放上升的主要原因是產業規模的擴張和能源強度的增加。能源強度從1986年的4.23百萬噸標準煤每十億元工業增加值增加至1990年的4.62百萬噸標準煤每十億元工業增加值。在所有上漲因素中，碳強度效應的影響不顯著。

從1991年到1995年，二氧化碳排放增加了5.82億噸，勞動生產率效應和產業規模效應是導致其上升的最重要因素，前者使其增加了4.82億噸，后者使其增加了2.13億噸。能源強度效應和碳強度效應對二氧化碳排放量的上升起到了抑制作用，其中前者使其下降0.64億噸，后者使其下降0.66億噸。能源結構效應的影響不顯著。

注：1.ΔC CI，ΔC S，ΔC EI，ΔC LP和ΔC IS分別表示由于碳強度效應、能源結構效應、能源強度效應、勞動生產率效應以及產業規模效應引起的二氧化碳排放量；2.ΔC表示二氧化碳排放量。

在1996年到2000年這一區間內，二氧化碳排放量增加0.045億噸，這一增加量減少主要是因為這一時期大量小型私人企業和國企破產或倒閉，高耗能行業的生產規模下降。在所有影響因素中，勞動生產率效應的影響最大，使排放量增加了14.07億噸。碳強度、能源強度和產業規模效應也是使排放量上漲的因素，而后兩者的影響又比較大，分別使其上漲了5.22億噸和7.66億噸。

從2001年到2005年，二氧化碳排放總量增加18.48億噸，是6個考查時間段內增加量最大的時期。因為自2002年后城市化進程加快，需要大量的原材料，如建材和鋼材等，這促進了中國高耗能行業的發展。從工業增加值大幅度上升也可以看出這一點。2001年中國高耗能工業增加值為3660.2億元，2005年增加到8675.6億元，增長了1.37倍。勞動生產率效應使二氧化碳排放量增加了23.12億噸，行業規模效應和碳強度效應也使其上漲，但增加幅度沒有勞動生產率效應大。能源強度效應使二氧化碳排放量下降8.30億噸，能源結構效應也使其下降，但下降幅度很小。

從2006年到2010年，二氧化碳排放總量增加了約10.32億噸。同樣的，勞動生產率效應是使其上升的最重要因素，它導致排放量增加約26.07億噸，行業規模效應緊隨其后，導致排放量增加約10.63億噸。能源強度效應是使其下降的最重要因素，它導致排放量下降約25.26億噸，這一下降可以歸因于能源強度的下降，能源強度從2006年的2.09百萬噸標準煤每十億工業增加值下降至2010年的1.25百萬噸標準煤每十億工業增加值。可能的原因有兩個：一是“十一五規劃”提出要使能源強度與2005年相比下降20%；二是2008年的金融危機對能源強度下降也起到了一定的促進作用。金融危機發生的時候，一些落后技術的工廠會先關閉，繼續生產的企業往往具有更先進的生產技術，它們也往往有更低的能源強度。很多落后產能也在這一時期內被淘汰，這也提高了能源效率。能源結構效應和碳強度效應的影響很小，前者使排放量增加了0.62億噸，后者使排放量減少了1.73億噸。

最后，從2011年到2014年，二氧化碳排放量增加了約9.70億噸，勞動生產率效應和產業規模效應使其上升了約16.25億噸和7.89億噸。能源強度效應、能源結構效應和碳強度效應分別使其下降了約13.01億噸、0.46億噸和0.97億噸。

通過以上分時間段的分析，可以發現：勞動生產率效應和產業規模效應是中國高耗能行業二氧化碳排放量增加的最重要因素，能源強度的下降是二氧化碳排放量下降的最重要因素。如果在1996—2000年，2000—2005年，2006—2010年以及2011—2014年沒有能源強度的顯著下降，中國高耗能行業二氧化碳排放總量將會上升更多。在1996—2000區間段內，行業規模效應使二氧化碳排放總量下降，但在其他時間區間內，行業規模使二氧化碳排放總量上升。能源結構效應對二氧化碳排放的影響也不穩定，總體來看，它還是增加了二氧化碳排放量。這是因為中國以煤為主的能源結構在過去這些年并沒有得到改變。為了保持經濟的高速增長，煤炭具有儲量大、價格低的先天優勢，成為最理想的化石能源種類。所以能源結構效應的影響可以被忽略，因為其基本保持不變。碳強度效應在1991—1995年，1996—2000年，2006—2010年以及2011—2014年使二氧化碳排放總量下降，但在其他兩個時間區間，即1986—1990年和2001—2005年使二氧化碳排放總量上升。所以我們認為碳強度效應是使二氧化碳排放總量上升的原因。

在分析了中國高耗能行業二氧化碳排放量變化的影響因素后，我們進一步用協整理論分析二氧化碳排放量與這些影響因素之間的長期關系，并最終估算未來的節能潛力。之前的分析可以得到勞動生產率、產業規模以及能源強度是最重要的三個影響因素，所以建立這三者與二氧化碳排放量之間的長期均衡關系。最終得到的關系式如下：

ln（CO2）=1.209542lnEI+1.126516lnLP+0.410858lnIS-0.33814（1-4）式中：CO2表示二氧化碳排放量，EI表示能源強度，LP表示勞動生產率，IS表示產業規模。把lnCO2，lnLP,lnIS和lnEI的歷史數據代入方程（1-4）后，可以得到中國高耗能行業二氧化碳排放量的模擬排放量，把這一排放量與真實排放量進行對比，可以得到圖1-7?？梢钥闯觯趸寂欧帕康恼鎸嵵蹬c模擬值之間誤差較小，方程（1-4）的擬合效果較好。

為了進一步估算中國高耗能行業未來的二氧化碳減排潛力，需要進行情景設置。通常來說，情景設置包括對問題邊緣進行定義，對驅動因素進行描述并對未來的不確定性進行刻畫。我們以2020—2030年作為研究區間，因為中國的工業化和城市化進程將在2020年基本結束，而在《中美氣候變化聯合聲明》中，中國承諾到2030年左右達到二氧化碳排放峰值。

我們設置了三類不同情景，分別是常規情景（情景1），中等減排情景（情景2）和激進減排情景（情景3）。在情景1中，所有影響因素的增長率與歷史相同，在情景2中，很多中等減排措施將被采納；在情景3中，激進減排措施將被采納。從1985年到2014年，能源強度平均下降率為4.23%，尤其是在2000—2014年和2005—2014年間，能源強度的平均下降率更是達到了6.63%和8.52%。能源強度的下降有利于二氧化碳的減排，所以在情景1中能源強度的增長率被設定為-4.23%，在情景2中被設定為-6.63%，在情景3中被設定為-8.52%。勞動生產率在1985—2014和2000—2014年間的增長率分別為11.43%和16.21%，但是，隨著中國經濟從粗放式發展模式向集約式發展模式轉變，未來勞動生產率不太可能再維持如此高的增長率，所以在2020年前，我們設定勞動生產率的增長率為11.43%，2021—2025年為10.93%，2025—2030年為10.43%（每個時期平均下降0.5%）。產業規模在1985—2014年間的平均增長率為2.39%，考慮到中國已經進入工業化進程后期階段，對高耗能行業的產品需求將會下降，我們設定產業規模在情景1中為2.39%，情景2中為2.19%，情景3中為1.99%（每個情景下降0.2%）。情景設置具體見表1-5。

表1-5　三種情景中各變量增長率的設置

根據各變量歷史數據和未來增長率的設定，可以計算未來中國高耗能行業的二氧化碳排放量，具體結果為：2020年，情景1中二氧化碳排放量為114.9億噸，情景2中為95.1億噸，情景3中為81.6億噸。2030年，情景1中二氧化碳排放量為235.9億噸，情景2中為142.5億噸，情景3中為94.7億噸?？梢园l現在各情景中，中國高耗能行業的二氧化碳排放量都非常高，這說明必須采取減排措施來減少二氧化碳排放。二氧化碳排放潛力是由不同情景下的二氧化碳排放量的差值計算出來的，在中等減排情景下，中國高耗能行業二氧化碳減排潛力2020年為19.8億噸，2030年為93.4億噸，這與中國2013年的二氧化碳排放總量差不多。在激進減排情景下，中國高耗能行業二氧化碳減排潛力2020年為33.3億噸，接近歐盟2013年排放總量；2030年為141.2億噸，高于中國2013年排放總量。具體如表1-6所示。

表1-6　2020和2030年中國高耗能行業二氧化碳減排潛力

中國高耗能行業未來二氧化碳減排潛力巨大，從上面的分析可以看出，能源強度是可以減少二氧化碳排放的最重要因素，未來要采取更多的政策措施來減小中國高耗能行業的能源強度。具體的政策建議包括：

第一，改進中國高耗能行業的生產技術。高耗能行業主要為其他行業提高生產原材料，在產業鏈中屬于上游產業。根據一些專家的估計，中國電機的效率比發達國家要低20%左右（龔炳林，2006），中國每單位GDP所消耗的能源大約為日本和巴西的2倍，英國的3倍（牛東曉和勞詠昶，2014）?；鹆C組的平均能源效率僅為33.8%，比世界先進水平低6%到7%（王昕，2008）。能源效率低意味著能源強度高，先進的生產技術不僅要在終端生產上使用，而且要在中間環節使用，比如說，生產過程中的熱力利用設備要更新。在化學原料及化學用品制造業中，存在大量的熱力浪費，然而，傳統的熱力系統如酒精燈加熱、電力加熱、蒸氣加熱、水加熱、油加熱和砂浴加熱效率不高，在生產過程中產生了一些副產品，導致能源浪費。微波加熱是一種新型加熱方式，因為它會大量降低加熱時間和消耗的能源，提高了熱力傳輸效率，滿足低碳經濟的要求（鄭凌玲，2015）。勞動生產率與二氧化碳排放量正相關，說明中國高耗能行業中勞動生產率的提高并不是使用綠色技術實現的，而用綠色技術來實現勞動生產率的提高卻是未來減少二氧化碳排放的主要趨勢，所以要加大對綠色生產技術研發的支持力度。

第二，有必要對中國高耗能行業的資源進行有效配置，應該根據原材料和能源的分布以及市場需求來配置高耗能行業的資源。這樣有可能解決產能過剩問題并減少交通運輸成本。

第三，優化高耗能行業企業的內部管理。比如，要建立高耗能行業企業的淘汰機制，達不到排放標準的企業要進行淘汰。能源合同管理也可以逐步使用，這同時可以提高能源效率。

對產業規模來說，它會增加二氧化碳排放，然而，因為中國進入了工業化進程后期，產業規模并不會跟以前一樣迅速擴張。高耗能行業會雇傭越來越少的工作人員，但是其產品仍然要滿足經濟發展的需求，這就要求高耗能行業進行技術的更新。產能過剩是當前中國高耗能行業面臨的一個嚴重問題，所以未來政府要控制高耗能行業的盲目擴張，提高行業準入標準，并對相關行業設立排放限度。

1.2.3　中國高耗能行業能源強度的進一步分解分析

根據上文的分析，能源強度的下降是能夠使中國高耗能行業二氧化碳排放量減少的最重要原因，但是并不清楚能源強度下降的深層原因，本小節將進一步對此問題作出回答。

我們將使用將對數平均迪氏分解法（Logarithmic Mean Divisia Index,LMDI）與生產分解分析法（Production Decomposition Analysis,PDA）相結合的方法。實施過程分為兩步：第一步，使用LMDI方法將中國高耗能行業的能源強度分解為能源結構效應、產業結構效應和部門能源強度效應三個因素；第二步，使用PDA方法將部門能源強度效應分解為技術效率效應、技術進步效應、資本能源替代效應和勞動能源替代效應。

對全中國高耗能行業能源強度的分解結果中，除了上述效應外，還多一個地區產出結構效應（在分省分析中，不包括西藏、海南和港澳臺）。主要結果如下：

表1-7　中國高耗能行業能源強度變化的主要因素分解

表1-7第2列是能源強度的變化值，如果該值小于1，則意味著能源強度下降。除了云南省，其他省的該值都小于1，這說明高耗能行業在除了云南省的其他地方能源強度均下降。對其他各效應來說，如果該值大于1，則說明其導致能源強度上升；如果該值小于1，則說明其導致能源強度下降。

在其他所有效應中，技術進步效應是對能源強度下降最顯著的效應，其在所有省都小于1。分區域來看，技術進步效應使得東部地區高耗能行業能源強度下降70.76%，中部地區下降66.50%，西部地區下降69.14%。

對技術效率效應來說，其值在12個省大于1，在其他19個省小于1，這說明在這12個省中，技術效率下降，在另外19個省中，技術效率上升。這個發現與孫廣生等（2012）的結論相一致，他們也是發現在1986—2010年間，有12個省的技術效率下降，且這些省份與本報告省份基本相一致。但幸運的是，對三大區域而言，技術效率效應的平均值小于1，說明對三大區域而言，技術效率還是使高耗能行業能源強度下降，且下降幅度在西部地區最大，為13.22%，中部地區為1.25%，東部地區為1.60%。一個可能的原因在于，西部地區最初的技術效率遠低于中東部，這使得其有很大的提升空間，所以由技術效率效應導致的能源強度下降幅度最大。

對資本能源替代效應來說，其導致能源強度在20個省下降，這說明用更多的資本替代能源可以使能源強度下降。在中東部地區，資本能源替代效應使得能源強度下降，但是在西部地區，資本能源替代效應使得能源強度上升，這說明在中東部地區，資本替代了能源，但是在西部地區，能源替代了資本。西部地區能源資源豐富，能源價格也相對較低，所以西部地區的高耗能行業選擇在生產過程中投入相對更多的能源。在未來，節能意識在西部地區有待加強，倒逼西部地區加快生產設備的更新，在生產中投入能源效率更高的生產設備。

勞動能源替代效應幾乎在所有省都大于1，這說明該效應不利于能源強度的下降?？赡艿脑蛟谟?，近些年勞動價格一直呈現上漲趨勢，但勞動力的供給卻在減少，使企業勞動力成本大幅度增加，很多企業選擇用能源來替代勞動，這對能源強度的下降不利。各能源品種之間的替代效應與1的差別不大，說明其對能源強度的影響幾乎可以忽略。在生產一定量的產品過程中，如果用熱值更高的能源品種替代熱值較低的能源品種，能源強度將會下降，但是這種情況在中國高耗能行業中并沒有發生。中國近些年在逐漸降低煤炭使用量，但是對高耗能行業來說，因為煤炭擁有成本低的優勢，以其他能源來替代煤炭這一現象并不十分明顯。

行業結構效應在中東部地區小于1，在西部地區大于1，這說明高耗能行業在中東部地區逐漸向低能源強度的高耗能子行業集中，在西部地區并沒有如此。

地區產出效應測度的是高耗能行業是否向能源強度較低的地區集中。東部和西部地區這一效應大于1，但是中部地區小于1，說明東部和西部地區的高能耗行業在考查區間內向能源強度較低的地區集中，但在中部地區并沒有如此。

分析完各區域高耗能行業能源強度下降的原因后，我們接著分析高耗能子行業能源強度下降的原因。如表1-8所示，非金屬制品制造業的年平均能源強度最高，黑色金屬冶煉及壓延加工業其次，化學原料及化學用品制造業再次，有色金屬冶煉及壓延加工業最低。能源強度的變化這一列都小于1，說明能源強度在四個子行業都下降了。除了黑色金屬冶煉及壓延加工業外，技術效率導致能源強度在其他三個子行業都上升。也就是說，技術效率在其他三個子行業并沒有上升，這可能與其粗放式發展相關。技術進步效應使得四個子行業的能源強度都下降了，說明四個子行業的技術都有進步。勞動能源替代效應都大于1，說明四個子行業都在生產過程中用能源替代勞動。除了化學原料及化學用品制造業外，其他三個子行業都用資本替代能源，但是這一替代效應對能源強度的下降作用有限，因為資本能源替代效應值與1相當接近。

表1-8　PDA方法分解分析高耗能子行業能源強度變化

為了使分析更加全面準確，我們接著以1年為單位分時間區間分析高能源行業能源強度變化的影響因素。從表1-9中可以看出，除了2007—2008年以外，能源強度在其他所有年份都有所下降。金融危機導致大量工廠關閉，中國東部地區受到的影響最大，而東部地區又是生產技術最先進的地區。中西部地區受到影響的時間相對滯后，所以中西部地區的工廠可以維持相對較長的生產時間，這會對能源強度的下降產生不利影響。技術效率的下降，用能源替代勞動以及能源結構的變化是2008年能源強度上升的主要原因。總體而言，2000—2013年能源強度下降，下降的年均速度是7.58%，技術進步效應、技術效率效應、資本能源替代效應和部門產出結構效應是使其下降的因素，而地區產出結構效應、勞動能源替代效應和能源結構效應是使高耗能行業能源強度上升的因素。

表1-9　以1年為單位的高耗能行業能源強度下降因素分解分析

技術進步效應是導致能源強度下降的最重要因素，共導致能源強度下降68.71%，年均下降8.63%。用資本替代能源是影響第二大的因素，共導致能源強度下降14.35%，年均下降1.35%。2004年以前，更多的能源來替代資本，但是從2005年開始，這一現象反轉過來，即對節能的投資開始變得司空見慣。技術效率效應和行業結構效應的影響非常接近。它們分別導致能源強度下降6.14%和5.32%，年均下降0.33%和0.17%。技術效率得到了改進，這說明資源在高耗能行業中越來越被充分利用，尤其是2010年以后。行業結構效應的影響說明高耗能行業在逐漸向能源強度較低的子行業集中。從表1-10中可以看出，化學原料及化學用品制造業的產出在四個子行業總產出中的比重下降但是其他三個子行業的比重上升。非金屬制品制造業的能源強度低于化學原料及化學用品制造業。勞動能源替代效應不利于能源強度的下降，即存在用能源替代勞動的現象，其平均每年使能源強度上升3.03%。能源結構效應的影響很小甚至可以忽略。受限于資源稟賦，煤炭在中國一次能源結構中扮演著最重要角色，其占比一直維持在70%左右，在高耗能行業中也是如此。Ma和Stern（2008）的研究結論與此類似。

表1-10　高耗能子行業平均能源強度及產出占比變化

圖1-8描述了各省（不包括香港、澳門、臺灣、西藏和海南）對高耗能行業能源強度下降的貢獻度。可以看出，除了新疆做出了負貢獻以外，其他各省的貢獻均為正。分區域來看，東部地區遼寧省的貢獻最大，其貢獻度為9.83%，河北、上海緊隨其后，貢獻度分別為9.14%和9.01%。天津、福建和北京的貢獻度最小。在中部地區，山西、河南和吉林的貢獻度排名前三，貢獻度分別為7.28%、5.63%和3.48%。在西部地區，貢獻度第一和第二的省份之間的差距比另外兩個地區大。甘肅和四川排名第一和第二。云南省的貢獻度最小，為0.05%。貢獻度小于1%的省份全部位于西部，分別為寧夏、內蒙古、青海和云南。相應地，這些省份的高耗能行業能源強度下降幅度很小，而云南省是唯一一個能源強度上升的省份。主要原因是這些省份用能源替代資本。西部能源成本相對勞動成本較低。遼寧、河北和上海的貢獻度大于9%，主要原因是由技術進步和用能源替代勞動。三大地區的平均貢獻度分別為5.56%、3.60%和1.42%。

根據上文的分析，為了使中國高耗能行業能源強度繼續下降，提出以下政策建議：第一，繼續保持技術進步趨勢。中國高耗能行業的生產規模已經很大，例如，2015年中國生產了8.04億噸粗鋼，排名世界第一，占全球鋼鐵生產量的幾乎一半。但是，沒有一家中國鋼鐵企業能夠在鋼鐵企業競爭力方面排名進入世界前十，說明中國鋼鐵企業生產高質量材料的能力有限。所以，要加強對中國高耗能行業生產技術研發的投資，只有生產技術持續進步，才有可能使其能源強度持續下降。第二，高耗能行業技術效率在有些省份沒有得到提高，這與生產要素沒有得到充分利用有關，價格扭曲是一重大原因，根據林伯強和杜克銳（2013）的研究，能源價格扭曲使能源效率下降了約10%，所以高耗能行業要逐漸轉向集約式發展，能源價格也要逐漸由市場決定。尤其對西部地區而言，要停止用能源替代資本，而提高能源價格是個不錯的選擇。第三，用資本替代能源，加強對節能設備的投入和節能技術的開發。例如，廢熱利用技術和廢物利用技術要在高耗能行業生產過程中采用，用二氧化碳作為中間生產過程中的原材料來合成其他種類的化工品這一技術要在化學原料和化學用品制造業中推廣。第四，高耗能行業的地區布局要合理化。重點發展能源強度較低的高耗能子行業。每個省的生產優勢不一樣，未來要不斷引導一些省生產其自己能源強度最低的高耗能子行業產品。

1.2.4　小結

本節用對數平均迪氏分解法和Kaya恒等式對中國高耗能行業二氧化碳排放變化進行分析，并得到影響其變化的最重要的三個因素，即能源強度效應，勞動生產率效應和產業規模效應。基于此，用協整理論建立了中國高耗能行業二氧化碳排放量與這三個因素的長期均衡關系，并進一步用情景分析法預測了未來的二氧化碳排放量和節能潛力。結果顯示能源強度下降是中國高耗能行業二氧化碳排放量減少的最重要原因，產業規模和勞動生產率的提高是中國高耗能行業二氧化碳排放量增加的重要因素。這與Alves和Moutinho（2013）、Inglesi-Lotz和Pouris（2012）、Kumbarog.lu（2011）的研究結論相一致，從而在一定程度上佐證了我們結果的合理性。為了進一步探討高耗能行業能源強度下降的深層次原因，我們進一步結合LMDI方法和PDA方法對能源強度做了分解分析，結果表明中國高耗能行業能源強度除了在云南省有所上升外，在其他各省份均有所下降，在中國東部、中部和西部地區的下降幅度分別為70.92%、61.26%和46.58%。技術進步效應是導致能源強度下降的最重要因素，高耗能行業的技術在各省都在不斷進步，技術進步使高耗能行業能源強度在東中西部下降幅度分別為70.74%、64.26%和69.16%。技術效率在一些省得到了改進，在另一些省沒有得到改進。資本替代能源在東部地區和中部地區有發生，有利于能源強度下降，但是用能源替代資本卻在西部地區發生，不利于能源強度下降。部門產出結構效應的影響同資本能源替代效應的影響類似，在東部和中部地區，高耗能行業在逐漸向低能源強度的高耗能子行業集中。勞動能源替代效應不利于高耗能行業能源強度的下降，說明幾乎所有省用能源替代勞動，這與勞動力成本高息息相關。在西部地區，能源替代勞動使高耗能行業能源強度上升約79.02%。能源結構效應的影響幾乎可以被忽略，因為中國以煤為主的能源結構在短時間內不會改變。最后，除了新疆外，其他各省對中國高耗能行業能源強度下降做出正向貢獻，云南省的貢獻最小，遼寧、河北和上海的貢獻度最大。

1.3　重工業——有色金屬工業能源發展和利用[3]

1.3.1　有色金屬工業背景介紹

經過三十多年的飛速發展，中國已然成為世界第二大經濟體。伴隨著經濟的快速發展，中國亦于2010年超越美國成為世界上最大的能源消費國，到2015年中國的能源消費總量已占世界的22.9%。能源驅動作為經濟發展的助推器，一方面給人類社會帶來了繁榮和日新月異的發展，但是另一方面大量化石能源的使用又無疑造成了大量溫室氣體的排放和環境的污染。

能源對于人類生存和社會發展尤為重要，在中國經濟和工業的發展中，能源消費大量增長。其中，中國總的能源消費量從2000年的14.6940億噸標煤增長到了2014年的42.5806億噸標煤，增長了近190%。工業部門的能源消費量從10.3773億噸標煤增長到了2014年的29.5686億噸標煤，工業部門能源消費在中國能源總消費占比在2014年接近70%，并且能源消費總量仍呈上升趨勢。中國的能源消費量不僅非常大，而且與其他國家相比，中國有著高碳的能源結構。在一次能源消費結構中，中國在2014年的煤炭消費占比為66%，而同期世界平均水平為30%，美國為19.7%，中國的煤炭消費占比要遠高于美國和世界平均水平。對于石油消費量，中國在2014年的占比為17.5%，世界平均水平為32.6%，美國的石油消費占比為36.4%，中國的石油消費比例要低于美國和世界平均水平。同時，中國的清潔能源消費占比卻遠遠地低于美國和世界平均水平，中國清潔能源占比僅為16.5%，美國清潔能源占比為43.9%，世界平均水平為37.4%。中國傳統化石能源在能源消費結構中的占比非常高并預計在今后很長時間內仍將不低。中國面對當前的國際國內生態形勢和減排承諾，挑戰無疑是巨大的。

能源消費的組成與工業經濟發展的結構相關，在近幾十年中，中國為發展工業耗費了大量的能源與資源。中國當前高能耗、高排放的工業產業結構是在不斷發展中所形成的，工業結構的調整與轉型也并不能在短時間內改變當前的能源消費結構。在經濟和工業發展的限制下，產業結構和工業生產投入結構以及與工業發展所匹配的能源消費結構并不能在短時間內進行調整。中國傳統化石能源在能源消費結構中的占比在未來很長時間內仍然會很高，能源消費所帶來的碳排放也并不會迅速下降。

有色金屬工業是我國重要的工業部門之一，產業關聯度高，是其他工業部門不可替代的，在經濟建設、國防建設、社會發展等諸多方面發揮重要作用。有色金屬工業包括有色金屬采選業、有色金屬冶煉和壓延加工業。有色金屬是國民經濟發展的重要材料，其在工業化和科學技術發展的過程中比如在航空、航天、汽車、機械制造、建筑等絕大多數的行業必不可少。

中國有色金屬行業在改革開放后迅猛發展，特別是2000年后發展更為迅猛，中國成為世界上最大的有色金屬生產及消費國。據中國有色金屬工業協會統計，2016年，中國10種常用有色金屬[4]產量達5283.2萬噸，占全球總產量的40%以上。1980—2016年，中國十種常用有色金屬產量從124.79萬噸增至5283.2萬噸，年均增長10.96%（如圖1-9所示）。伴隨有色金屬高產量的必然是高的能源消費量，中國有色金屬工業2014年消費18790.31萬噸標準煤，占全國能源消費總量的4.41%，相當于比利時和瑞士兩個國家（2014年）的能源消費總量。

數據來源：中國有色金屬工業協會.

有色金屬工業較高的能源消費量加之較為粗放的能源使用，引起了大量溫室氣體的排放。有色金屬生產過程中溫室氣體的排放主要通過與生產過程相關的非能源的排放、生產過程中直接地化石燃料的使用和生產過程中電力使用所引起的間接排放三種途徑形成。該行業的主要排放途徑是生產過程中的化石燃料的使用和電力使用引起的間接的排放，又由于火電占中國電力結構的高比例（2014年火力發電占總發電量的75.2%），這直接決定了中國有色金屬工業的高能耗和高排放。中國有色金屬工業部門的二氧化碳排放在2000—2014年間增長了4～5倍，并且主要能源消費品種的二氧化碳排放量在2014年突破了3萬噸。其中在2014年，有色金屬工業二氧化碳排放量最多的省份是河南省，超過了6000萬噸，約占全國該行業二氧化碳排放量的20%，另外，內蒙古、山西、山東、青海、陜西、甘肅、云南、廣西的二氧化碳排放量也非常多，均超過了1000萬噸。北京、上海、河北、天津、黑龍江、吉林、湖北等省份的二氧化碳排放量則相對較少。

中國近幾十年的快速發展得益于工業部門的快速發展。但是中國工業部門對GDP的貢獻卻與其所消費能源、產生的碳排放量不相稱。工業部門的發展，消費了大量的能源，由于過多的能源消費，中國工業部門自然就成為了最主要的碳排放與污染物排放源。其中，中國工業部門的二氧化硫排放和煙塵排放占比就達到了總排放的80%和70%。從中國的改革開放政策實施以來，中國工業部門對中國GDP平均貢獻了40%，但是卻消費了近80%的能源以及85%的二氧化碳排放（Zhou et al.，2016），這都表現了中國較高的能源消費以及碳排放。化石能源的消費和所產生的碳排放，給中國帶來了嚴重的環境問題。尤其是在近幾年中，中國各大城市霧霾頻發，環境質量指數急劇下降。根據耶魯大學在2012年發布的環境表現指數，中國在132個國家中排名116位，并且在全球10個污染最嚴重的城市中，中國就占了7個（Zhou et al.，2016）。為緩解當前生態環境所面臨的巨大壓力，國際各方應該共同努力來應對氣候和環境變化。為了約束各個國家在節能減排與環境保護方面能夠做出承諾并付諸實踐，在2015年召開的巴黎氣候大會中，100多個國家經過協商締約了巴黎氣候協定。其中，巴黎氣候大會制定了具體目標：到本世紀末地球溫度與19世紀工業革命前相比溫度上升控制在2℃以內，并為將其控制在1.5℃內而努力。中國中央政府也承諾將于2030年左右使二氧化碳排放達到峰值，并承諾2030年單位GDP二氧化碳排放比2005年下降60%～65%。

總體來看，中國有色金屬工業產業規模龐大并存在產能過剩，我國有色金屬精深加工產品總體處于國際產業鏈中低端，產品精度、一致性、穩定性較差，部分電子、海洋工程、航空用高端有色金屬產品還依賴進口。中國有色金屬工業行業的產品多是產業鏈中上游的中低端制造，而許多技術要求較高的產品還需要通過進口來滿足。例如在2016年，我國進口集成電路芯片2271億美元，進口額已連續四年超過2000億美元，是進口額最大的商品，集成電路材料中70%是有色金屬，這說明中國有色金屬工業的技術創新能力有待加強。同時，初級產品加工的能耗占整個產業鏈能耗相當大的比例，產品結構也是行業高能耗的主要原因。面對當前的經濟發展形勢，中國中央政府提出供給側結構性改革。通過供給側改革來解決供給體系生產要素低效率、低質量的“錯配”。對供給側的結構進行深入調整，能夠矯正并優化產業投入的要素配置，提高供給結構的適應性和靈活性，提高全要素生產率。針對當前嚴峻形勢，有色金屬工業可以通過供給結構的調整來化解過剩產能并推動有色金屬工業的規模經濟，促進行業加快技術創新，優化資本能源、勞動能源投入要素的配置結構。為了行業健康發展、有效降低行業的能耗并提升效率，有必要加快相關節能生產技術研發和設備的升級改造。

1.3.2　有色金屬工業的能源利用

圖1-10是中國有色金屬工業在2000—2014年間分地區的工業總產值（基期=2000年）及其全國占比。在此期間，三個地區的工業總產值增長迅速，東部地區的工業總產值由2000年的1132.29億元上升到2014年的13797.3億元，中部地區由723.66億元上升到11468億元，西部地區由725.97上升到7492.04，三個地區的工業總產值分別上升了11.18倍、14.84倍和9.32倍。通過對比三個地區的全國占比可以發現，東、西部地區的占比下降，中部地區的工業總產值占比明顯上升。到2014年，東中西部三個地區的工業總產值占比分別為42.1%、35.0%和22.8%。

在近些年的有色金屬工業生產中，資本、勞動和能源作為最主要的生產要素支撐了有色金屬工業的生產發展。投入要素（資本、勞動和能源）呈現出明顯的上升趨勢。如圖1-11所示，固定資產凈值代表資本，在2014年達到了9031.37億元人民幣，相比2000年上升了5.22倍。能源消耗在2014年達到了9656.49萬噸標煤，相比2000上升了3.05倍。勞動人口在2014年達到了262.34萬人，相比2000年上升了0.70倍。有色金屬工業是資本密集型產業，需要高資本、高能源投入。在2000—2014年的投入產出要素變化趨勢上看，資本一直呈現上升趨勢，但是能源消耗在2008年有上升放緩趨勢，表現出了資本與能源之間在一定程度上的替代。

有色金屬工業的技術進步使得產品生產能耗得到部分降低，但是有色金屬工業作為重工業部門，能源消耗一直在上升。圖1-12是中國有色金屬工業在2000—2014年間主要能源品種的消費情況。有色金屬工業生產中，電力是最主要的能源品種。有色金屬工業的電力消費是繼黑色金屬工業和化工業之后最多的行業，占了全國電力消費量的7.58%（2014年中國統計年鑒）。該行業電力消費占比很高且在近些年大幅上升，這與產品生產特性有關，部分產品的電解工藝需要電力。電力消費量從2000年的956.62萬噸標煤上升到2014年的5839.18萬噸標煤，電力消耗從2000年的40.2%上升到2014年的60.46%。煤炭也是有色金屬工業生產中的重要能源品種，煤炭消費從2000年的694.35萬噸標煤上升到2014年的1653萬噸標煤，但是消耗占比卻出現了下降，從29.19%下降到了17.12%。其他能源消費品種的占比變化不大，電力與煤炭之間的替代比較明顯。

數據來源：中國能源統計年鑒、中國工業統計年鑒、各省市統計年鑒.

數據來源：中國能源統計年鑒.

圖1-13則是中國有色金屬工業在2014年不同能源消費品種的占比。電力占比最高，達到了60.64%，其次是煤炭占比為17%，焦炭和天然氣占比則在6%左右，油品和天然氣的占比則為4%左右，其他能源消費品種2%。

不同地區展現了不同的產業結構，有色金屬工業在不同地區的能源消費趨勢也不盡相同。圖1-14是中國有色金屬工業在2000—2014年間三個地區的能源消費情況。中國東、中、西部地區的能源消耗均呈現出了上升的趨勢，其中西部地區的能源消耗在2008年超過中部地區。結合圖1-10來看，東部地區貢獻了有色金屬工業最高的工業總產值，能源消耗占比相對中、西部地區卻是最低的。中西部地區在高能耗特征下的工業總產值占比貢獻卻相對較低。造成這種情況的原因主要是不同地區的產業結構不同。有色金屬資源主要分布于中西部地區，并且主要是高能耗的初中級加工，而東部地區相對于中西部地而言則以中高級加工為主，東部地區得到了更多的產品附加值。

數據來源：中國能源統計年鑒.

數據來源：中國能源統計年鑒.

中西部地區的能源消耗占比較東部地區高。圖1-15則展現了2014年中國有色金屬工業各省的能源消費量情況。其中河南省的能源消費量最高，達到了2246.077萬噸標煤，其次為內蒙古1505萬噸標煤，山西、山東、陜西等省份的能源消耗也非常高。能源消耗最低的省市為北京市，其次為黑龍江、河北、上海、天津、吉林和安徽等。通過省份能源消耗的對比來看，中西部地區的省份較為集中地消耗了有色金屬工業的能源。東部地區省份的能源消耗則相對較少。

數據來源：中國能源統計年鑒、各省市統計年鑒.

能源強度可以作為評價能源效率的一個單要素指標。圖1-16則是中國2000—2014年間中國有色金屬工業分地區能源強度[5]變化趨勢。從總體上來看，中國整體以及東、中、西部三個地區的能源強度均呈現了下降趨勢。東部地區的能源強度最低，并由2006年的0.37噸/萬元下降到2014年的0.13噸/萬元。中部地區的能源強度下降趨勢最明顯，由2006年的1.10噸/萬元下降到2014年的0.36噸/萬元，中部地區的能源強度在2007年以前與西部地區比較接近，之后，能源強度便迅速下降，到2009年接近于全國水平。對于西部地區而言，能源強度最高，但也呈下降趨勢，從2006年的1.25噸/萬元下降到2014年的0.74噸/萬元。在此期間，東、中、西部三個地區的能源強度分別下降了63.4%、66.7%和40.5%。但是在2014年時，三個地區的能源強度差距仍然明顯。其中，西部地區的能源強度是中部地區的2.02倍，是東部地區的5.43倍。通過能源強度這個指標以及以上的各種分析我們可以得知，中國有色金屬工業不同地區間存在明顯的能源消費差異。

數據來源：中國能源統計年鑒、各省市統計年鑒.

有色金屬工業作為高能耗、高排放行業，是中國供給側改革狠抓的重點。為了履行國際減排任務以及促進環境綠色發展，中國政府將節能減排列為中國社會經濟發展的重要課題。

以上從不同角度詳細分析了中國有色金屬工業不同地區的能源結構和能源消費等靜態的指標。在下文中，筆者將會構造動態的指標來分析中國有色金屬工業能源生產率指標。這個指標可以詳細描述能源生產率的變動情況，并且可以將其分解為三個指標來解釋引起能源生產率變動的主要原因，分別為技術效率、技術進步和追趕效應。

對于中國有色金屬工業，針對其高能耗的特征，我們有必要提升中國有色金屬工業的能源生產率。中國的有色金屬工業無論是在產品產量還是在能源消費方面的體量都是非常大的，在當前的低碳發展的大背景下，對有色金屬工業進行動態能源生產率的研究對于了解行業的能源效率變化趨勢有比較重要的意義。

1.3.3　有色金屬工業Malmquist能源生產率指數

1.Malmquist能源生產率指數介紹

Malmquist指數最早是由Malmquist于1953年提出。1982年，Cavesetal將Shephard距離函數引入到Malmquist指數中。Malmquist指數在許多學者的研究下不斷完善。Malmquist指數方法通過結合Shephard距離函數可以來計算投入產出效率。下式描述了Malmquist指數：

其中，IN表示投入，OUT表示產出，D表示Shephard距離函數。

作為非參數方法，Malmquist指數方法有很多優點。首先Malmquist指數方法的計算只需要量化的投入產出數據，而不需要價格數據。其次Malmquist指數方法可以很容易地分解為多種要素，以便于區分并分析影響要素的變化。再者，向Malmquist指數方法中添加投入或者產出數據時不需要考慮使用權重比例問題。

根據以能源消費為導向的Shephard距離函數，可以構建Malmquist能源生產率指數（MEPI）。我們可以根據在t期的生產技術集T（t）以及在t+1期的生產技術集T（t+1）來構造兩期Malmquist指數。當MEPI＞1時，則表示決策單元t+1期相對于t期的能源生產率變好，MEPI值越大，則表示變好程度越高；若MEPI＜1時，則表示決策單元t+1期相對于t期的能源生產率變差。

式中：K代表資本存量，L代表勞動人口，E代表能源消費，Y代表總產出，k表示第k個決策單元，分別表示為不同的省市。

Malmquist指數的一個優點就是可以將這個指數分解為研究所需要的要素，根據Zhouetal（2010）的分解方式，可以將Malmquist分解為兩項，分別為技術效率（EFFCH）和技術進步（TECCH）。在這里，組群前沿表示由決策單元組成的一個組群的最優的能源生產率水平，即將中國東、中、西部地區分別作為不同的組群。基于組群前沿，Malmquist能源生產率的分解過程為

在這里，EFFCH表示的是在t和t+1期的決策單元技術可行性前沿的比值，表示的是決策單元t+1期相對于t期的技術效率變化。TEECH表示的則是決策單元t+1期和t期相對的技術進步變化。當EFFCH＞1時，表示的是決策單元在t+1期相對于t期的技術效率上升，當EFFCH＜1時，則表示的是決策單元的技術效率下降；當TEECH＞1時，表示決策單元在t+1期相對于t期存在技術進步，當TECCH＜1時，則表示決策單元的技術退步。

共同前沿表示的是所有決策單元中最優的能源生產率，即將中國所有省份的最優能源生產指數作為共同前沿。共同前沿Malmquist能源生產率的分解過程為

在組群前沿和共同前沿下，兩種情況下的前沿技術面不同，組群前沿面表示的是區域能源生產率的前沿，共同前沿面是組群前沿面的包絡線，決策單元可以通過提高技術水平和技術效率使組群前沿面更接近于共同前沿面。即與之間存在技術追趕效應，Fare et al.（1994）首次提出追趕效應，

根據技術差距率的概念

我們可以將CATCHUP轉變為技術差距率的幾何平均數，表示為

那么，對于決策單元k，共同前沿能源生產率指數可以分解為

技術追趕效應（CATCHUP）表示了組群前沿面向共同前沿面的移動，當CATCHUP＞1時，表示組群前沿面向共同前沿面靠近，當CATCHUP＜1時，表示組群前沿面遠離共同前沿面。

2.中國Malmquist能源生產率指數

通過計算能源生產率指數以及其分解的技術效率、技術進步和追趕效應指標可以分析有色金屬工業2006—2014年的能源生產率指數動態變動情況，以對有色金屬工業的能源生產率深入分析。

表1-11為中國有色金屬工業各省市在2006—2014年的平均能源生產率、技術效率、技術進步及追趕效應。關于能源生產率指數，除上海和浙江外，其平均數均大于1，說明從整體上看，中國各個省市的能源生產率在2006—2014年間是上升的。黑龍江能源生產率指數平均值最高，其次為湖南及湖北，上海和浙江的能源生產率指數最低且小于1，說明這兩個省份的能源生產率下降。

表1-11　中國有色金屬各省市2006—2014年平均能源生產率、技術效率、技術進步和技術追趕效應

通過分解能源生產率指數得到技術效率、技術進步和追趕效應指標。對于技術效率指標，從各省份來看，上海、浙江、江蘇、山西、河南、云南及青海的值小于1，說明這些省份的技術效率使得能源生產率下降，其余省份的技術效率值大于1，說明其余省份的技術效率使得能源生產率上升，其中內蒙古的技術效率最高。對于技術進步指標，只有河南省的技術進步指標小于1，為0.992，其余省份的技術進步指標均大于1，這說明了技術進步在各個省份提升有色金屬工業能源生產率中的重要作用，其中內蒙古的技術進步指標最高。對于追趕效應指標，大部分省份均小于等于1，說明追趕效應并沒有明顯提升能源生產率。河南省的技術追趕效應最高。

圖1-17展示的是2006—2014年中國有色金屬工業東、中、西部地區能源生產率指數。從全國平均水平來看，每年的能源生產率指數均大于1，說明能源生產率逐年上升。中部地區的能源生產率指數也都大于1。東部地區在2007年和2010年的能源生產率指數小于1，說明當年的能源生產率較上年有稍微下降。而西部地區的能源生產率指數變動較為明顯。

數據來源：本文計算.

圖1-18展示的是中國有色金屬工業2006—2014年分地區的能源生產率指數累加圖。從圖中可以看出，中部地區的能源生產率上升最為明顯，說明在此期間內中部地區的能源生產率得到了最為明顯的提升。其次為中國東部地區和西部地區，可以發現，中西部地區的能源生產率指數要低于全國平均水平。

數據來源：本文計算.

3.中國能源生產率指數及其分解結果

表1-12和圖1-19表示的是中國有色金屬工業能源生產率指數分解情況。促使能源生產率上升的主要因素是技術進步，其次為技術效率。對于技術效率，在2009—2010年間的值小于1，其余年份均大于1。對于技術進步，各個年份間的值均大于1。對于追趕效應指標，從圖1-19上可以看出，在2006—2014年間，追趕效應并沒有明顯提升中國有色金屬工業的能源生產率。

表1-12　中國有色金屬工業能源生產率指數及其分解因素變動

數據來源：本文計算.

4.中國東部地區能源生產率指數及其分解結果

對于東部地區的能源生產率及其分解情況，通過表1-13和圖1-20可以得知，促進東部地區能源生產率上升的因素是技術效率和技術進步。對于技術效率指標，除了2007，2010和2014年的技術效率值小于1外，其他年份的值均大于1。對于技術進步指標，各個年份的值均大于1，說明在各年中技術進步都促使能源生產率提升。對于追趕效應，各個年份間的值均為1。由于東部地區的組群前沿和共同前沿下的能源生產率相同，所以追趕效應并沒有體現在東部地區能源生產率的提升上。

表1-13　中國有色金屬工業東部地區能源生產率指數及其分解因素變動

數據來源：本文計算.

5.中國中部地區能源生產率指數及其分解結果

對于中部地區能源生產率及其分解情況，通過表1-14和圖1-21可知，促使中部地區能源生產率上升的主要因素是技術進步，其次是技術效率和追趕效應。對于技術效率指標，在2008年小于1，技術效率下降，其余年份均大于1。對于技術進步指標，各年的值均大于1，說明技術進步明顯促進了中部地區的能源生產率。對于追趕效應指標，在2008年明顯提升了能源生產率。

表1-14　中國有色金屬工業中部地區能源生產率指數及其分解因素變動

數據來源：本文計算.

6.中國西部地區能源生產率指數及其分解結果

對于西部地區的能源生產率及其分解情況，通過表1-15及圖1-22可知，促進西部地區能源生產率上升的最主要的因素是技術進步，其次是技術效率。追趕效應并沒有提升西部地區的能源生產率。技術效率上升的幅度接近于能源生產率上升幅度。對于技術進步，西部地區的技術水平相對于中東部地區較低，有很大的技術進步上升空間，通過各年分解結果，技術進步均大于1，技術進步對西部地區的能源生產率的提升最為明顯。對于追趕效應，僅在2010和2014年大于1，其余年份均小于1，從累加結果上來看，追趕效應沒有提升能源生產率。

表1-15　中國有色金屬工業西部地區能源生產率指數及其分解因素變動

數據來源：本文計算.

7.中國有色金屬工業主要政策建議

中國有色金屬工業是高能耗、高排放的行業。該行業近些年中經歷了快速的擴張，投入了較大的資本，并且消耗了大量的能源。近些年有色金屬工業的能源強度有了明顯的下降，但是不同區域間的能源強度差異仍然非常大。中國東部地區具有最低的能源強度并且貢獻了最高比例的總產值。中國中西部地區資源豐富，有色金屬初級加工占比較高，有較高的能源強度，貢獻了相對較低的總產值。其中，由于技術和設備的提升，中部地區的能源強度下降最為明顯。通過構造能源生產率指數，考察能源生產率的動態變化，發現在2006—2014年間的能源生產率指數呈明顯的上升趨勢。分地區來看，中部地區的能源生產率指數上升最為明顯，其次為東部地區，西部地區的能源生產率指數上升幅度最少。通過能源生產率指數的分解結果來看，對于全國以及不同的地區，技術進步都是促使能源生產率指數上升最主要的因素。其次為技術效率變動，而追趕效應對能源生產率的提升沒有表現出明顯的促進作用。

通過分析中國有色金屬工業的現狀以及從多個角度分析不同地區的能源消費以及能源生產率，在當前的大背景下，本文提出以下關于中國有色金屬工業發展的政策建議：

第一，中國有色金屬工業東部地區的技術水平最高，能源強度最低，能源生產率上升最明顯，東部地區具備較好的區位優勢以及便利的資金支持，在這種形勢下，東部地區應繼續保持當前的技術發展趨勢并加大對產業鏈末端的高端產品技術的研發。政府應加大對相關有色工業技術和產品的研發扶持，如航空航天、精密儀器所用材料。東部地區企業在自身區位和技術優勢下，由高能耗的初級產品加工向低能耗的深加工轉型，突破綠色壁壘以保證國際競爭力。

第二，中部地區在2006—2014年間能源生產率指數上升最為明顯，能源強度也最為顯著。自2006年《中共中央國務院關于促進中部地區崛起的若干意見》起，中部地區有色金屬工業在相關多項政策扶持下展現強勁發展勢頭。中部地區自然資源豐富，應利用好該優勢，在提升技術水平和產業裝備的同時提高資源利用率。西部地區的能源強度和能源生產率表現都很差，西部地區企業應引進中東部先進生產技術和管理經驗，在國家供給側改革的大背景下，對于落后產能和高耗能企業，地方政府應加強監管，在不影響經濟發展的情況下應對相關企業予以關?；蛘咿D型。

第三，清潔電力引入。中國有色金屬工業在2014年消耗電力4708億千瓦時，占了全國電力消費的8.5%。中國的中西部地區風電、光電以及西南地區水電特別豐富，有色金屬工業企業可以提高使用相關的清潔能源電力的比例并降低火電的使用比例，一方面可以降低有色金屬工業生產中的碳排放，另一方面也可以緩解中國的“棄風、棄光”問題。

第四，有色金屬產品循環利用和產能轉移。有色金屬產品屬于高載能物質，產品生產高能耗、高排放。國家政策應強化并推廣有色金屬的再生利用技術及其應用，這樣可以大量節能減排。在國家供給側改革的背景下，可以考慮轉移有色金屬產能到資源豐富的國家。比如中國當前的銅富氧熔煉技術和電解鋁新型結構電解槽技術國際領先，具備出口技術的條件，國家以及相關企業可以在政治和投資環境允許的情況下向資源富裕地區轉移技術和產能，優化國內產業結構并實現有色金屬產業的節能減排與健康發展。

1.4　重工業——機械工業的能源發展利用

1.4.1　機械工業的發展現狀

機械工業是重工業的重要組成部分。為國民經濟各部門提供設備的機械工業是制造業的重要基礎。根據《中國機械工業年鑒》，機械工業主要包括“非金屬礦產品制造業，金屬制品制造業，通用機械制造業，專用機械制造業，運輸設備制造業，電氣機械設備制造業，文化活動和辦公室測量儀器和機械制造業”七個子行業。機械生產在工業化、城鎮化進程中的經濟發展和能源消耗中起著重要的作用。高耗能、重污染、低效率是機械行業的主要特點。中國機械工業的能源消費是近年來促進中國能源總需求快速增加的一個重要組成部分。節能是中國乃至全世界一項長期又緊迫的戰略方針。而機械工業因高能耗、高污染，一直在可持續發展方面備受詬病。

21世紀，中國機械工業產值（增加值）從2000年的1308.88億元增長到2014年的4909.35億元（以1990年為基準）。這一部門的能源消耗也從2000年的14969.3萬噸標準煤升至2014年的54074.3萬噸標準煤（見圖1-23）。中國積極推進節能減排，是確保機械工業可持續發展的關鍵。

數據來源：中國機械工業年鑒，中國統計年鑒.

自引入市場經濟和實行改革開放政策以來，中國機械工業的能源投入急劇增加。2014年，中國機械行業的能源消費約為540.743億噸，約占中國能源消費總量的12.7%。其中，在2014年，煤炭的消耗量約為27307萬噸標準煤，油品的消耗量約為889萬噸標準油，天然氣的消費量約為156.1億立方米，電力消費量約為7362.4億千瓦時（見圖1-24）。

隨著工業化和城鎮化的逐步推進，中國機械工業的能源消耗量可能在未來十年甚至更長時間內將保持較高水平。由于使用較多的化石燃料，節能已成為一個非常重要的課題。在本節中，我們試圖用更多的資本或勞動力，對能源進行替代來解決這個問題，探索機械行業的能源替代。

數據來源：中國統計年鑒.

由于能源是生產要素之一，能源和非能源按照一定的比例投入生產，可以在一定程度上替代。在可替代性的前提下，通過改變能源和非能源投入因素的結合，實現經濟增長和節能的雙重目標是有可能的。因此，在機械行業生產中需要進行兩點分析。首先，其他投入因素在多大程度上替代能源？其次，替代效果對機械行業的發展和節能有何影響？

在可持續經濟發展和環境污染日益加劇的背景下，中國的機械行業面臨著能源消耗的制約。在機械行業發展中如何優化資源配置，提高能源效率，降低能源強度已成為關鍵。本節試圖研究1980—2014年期間中國機械工業的能源與資本和勞動力之間的替代效應。

1.4.2　機械工業的資本、勞動和能源之間的替代

目前，眾多學者通過實證考察能源與非能源要素之間的替代彈性，對上述兩個問題進行了積極地探索。一般認為：能源與非能源要素之間主要存在替代、互補、不確定三種相互作用關系，即在保持同樣的經濟發展水平下，增加非能源要素投入對能源消費量產生三種不同的作用，分別為減少、增加和不確定。

本文利用超越對數生產函數對中國機械工業在1980—2014年間能源與資本、勞動之間的替代關系進行了研究，并據此給出了相應的政策建議。

Translog函數屬于二次響應面函數，具有易于估計的優點。首先，可以通過使用線性模型方法來估計基于輸入輸出（或價格）數據的超文本函數模型，這比非線性CES函數更容易處理。其次，在多因素情況下，各種因素之間的替代彈性由數據完全確定，沒有任何其他限制。相反，一級CES生產函數假定任何一對元素之間的替代彈性是相同的。多級CES生產函數可以放寬這一假設，但是以引入嵌套結構為代價，并大大增加了模型的復雜性。第三，過時序功能可以是諸如Cobb-Douglas或CES生產函數的任意函數的二階泰勒近似。第四，可以通過實際數據估計的產出彈性和替代彈性等具體參數而不需要先行假設。因具有上述優點，泛函函數被廣泛用于揭示投入要素的替代效應。

Translog生產功能作為Cobb-Douglas或CES生產功能的延伸，在演示后很快變得流行起來。核心改進在于，它允許替代彈性隨投入要素的比例而變化，而不同投入對之間的替代彈性可能不同。另外，放松均勻性和輸入分離性也是一個重要的優點。

替代彈性是測量投入對之間替代關系的關鍵指標。替代彈性定義為投入對比率的百分比變化，對應于技術替代邊際率比率的1%變化。Lerner指出，替代彈性的直觀含義是等量曲率。

我們可以計算每年投入要素諸如資本，勞動力和能源的產出彈性，繪制這些產出彈性如圖1-25所示，這表明資本的產出彈性最高，能量的產出彈性最低。所有輸入因素的輸出彈性一般呈上升趨勢。資本的平均產出彈性約為0.517，勞動和能源的平均產出彈性分別約為0.487和0.443。它揭示了中國機械工業的能源投入大大增加，其產出彈性是所有三個投入因素中最低的。伴隨著高能耗的經濟增長模式并沒有從根本上扭轉。與資本和勞動力相比，有可能降低能源強度并提高能源效率。

我們計算資本、勞動和能源之間的替代彈性（見表1-16），它們的變化非常溫和。實證結果如下：首先，資本、勞動和能源之間的替代彈性都是正的，相對穩定的，這表明任何兩個投入之間的關系是替代效應，而不是互補。其次，所有的替代彈性略大于1，這表明這些投入要素之間的替代效應相對較強。第三，資本與能源之間的替代彈性約為1.0295，勞動和能源的彈性約為1.0296。增加資本或勞動力，但減少能源投入是可行的。第四，目前中國正處于環境退化和霧霾嚴重的階段，用資本或勞動力代替能源可以促進節能減排和環境保護。

表1-16　1980—2014年期間資本、勞動和能源之間的替代彈性

注：K-L,K-E,L-E分別表示資本勞動，資本能源，勞動能源之間的替代彈性。

為了分析中國機械行業的能源替代效應，我們計算不同替代情景下的能源消耗。如果產量保持不變，提高資本或勞動力投入可以有效降低中國機械行業的能源消耗和二氧化碳排放量。

根據替代彈性，能源消耗結構和二氧化碳排放系數，我們估計2014年不同替代情景下能源消耗和二氧化碳排放量是相應減少的（IPCC 2006）[6]。

表1-17　2014年不同情景下的能源節約和二氧化碳減排

根據表1-17可以得到以下結果：

（1）在情景1中，如果勞動投入保持不變，資本投入增加5%將節約能源2774.2萬噸標準煤，減少排放6455.3萬噸二氧化碳；如果資本投入不變，勞動力投入增加5%將節約能源2773.8萬噸，減少排放6454.3萬噸二氧化碳。

（2）在情景2中，如果勞動投入保持不變，資本投入增加10%將節約能源5548.3萬噸標準煤，減排12910.5萬噸二氧化碳；如果資本投入不變，勞動力投入增加10%將節約能源5547.5萬噸標準煤，減少排放量12908.7萬噸二氧化碳。情景分析結果表明，中國機械行業的能源投入可能被資本或勞動力有效地替代。

1.4.3　機械工業不同能源品種之間的替代

通過投入使用更多的資本或勞動，可以減少對能源的消耗。接下來，我們繼續討論不同能源品種之間的替代可能性。不同的能源品種產生的污染排放程度是有一定差異的。煤炭的污染排放最大，油品其次，天然氣和電力相對清潔，因此，探索不同能源品種之間的替代是具有重要的現實意義的。

本節從能源的要素屬性出發，認為不同的能源品種之間有共同的能源屬性，且受要素稀缺性和技術水平進步的影響，不同的能源品種在一定程度上可以相互替代。據此，在考察不同能源品種之間替代性難易程度的基礎上，通過改變不同能源品種的投入比例，實現經濟增長與節能降耗的雙重目標。由此產生兩個問題：在經濟生產活動中，不同的能源品種在多大程度上存在替代性？且這種替代效應對未來經濟發展以及能源節約將產生何種程度的影響？

在中國機械工業的能源消耗中，煤炭、石油、天然氣和電力的產出彈性如圖1-26所示，其中煤炭的產出彈性為0.2195，石油的產出彈性為0.1765，天然氣的產出彈性為0.0718，電力的產出彈性為0.2803?？梢钥闯觯娏Φ漠a出彈性最高，煤炭的產出彈性次高，石油的產出彈性較低，天然氣的產出彈性最低。但這些能源品種的產出彈性總體上差別并不大。

替代彈性指的是，在其他條件保持不變的情況下，由xi與xj的邊際產量之比（xi與xj之間的邊際技術替代率MRTS）的1%的變化所引致的投入比例xj/xi的百分比變化。

兩種投入之間的替代彈性，衡量的是一種投入對另一種投入進行替代的難易程度。因此，替代彈性越大意味著一種投入對另一種投入替代的可能性越大。

圖1-27給出了中國機械工業煤炭、石油、天然氣、電力兩兩之間的替代彈性，從中可以發現：①煤炭石油、煤炭天然氣、煤炭電力、石油天然氣、石油電力的替代彈性相對平穩，說明煤炭石油、煤炭天然氣、煤炭電力、石油天然氣、石油電力之間存在著穩定的替代關系。②煤炭和石油的替代彈性是1.0352，煤炭與天然氣之間的替代彈性在1.0239，可以用天然氣對煤炭進行有效的替代；煤炭與電力之間的替代彈性在1.0286左右，也可以用電力對煤炭進行有效的替代。石油與天然氣之間的替代彈性在1.0407左右，也可以用天然氣對石油進行替代。石油與電力的彈性系數在1.0114左右，可以用電力對石油進行替代。天然氣和電力的替代彈性是1.0163。③在當前中國能源資源緊張，環境惡化，霧霾嚴重的情況下，機械工業又是高耗能、高污染、高排放的行業，因此用天然氣、電力對煤炭進行替代，可以達到減少能源消耗，降低排放，保護環境的目的。

從圖1-28能夠看出，不同能源品種之間的使用的技術進步存在一定的相對差異，煤炭的技術進步要高于石油和天然氣，但低于電力。石油的技術進步低于天然氣和電力。天然氣的技術進步低于電力。

1.4.4　小結

本節分析了所有投入對之間的資本、勞動和能源的產出彈性和替代彈性。結果表明：

（1）在1980—2014年期間，研究中使用的所有投入的產出彈性是正的。資本的產出彈性為0.468～0.579，勞動和能源的產出彈性分別為0.426～0.553和0.397～0.498。總體而言，它們呈現出相對平緩的增長趨勢。說明中國機械行業投入產出的利用效率一直在提高，雖然增幅不算太大。與資本或勞動力的產出彈性相比，能源的產出彈性最低；因此，它有更多的提高的余地。

（2）1980—2014年期間，資本和勞動力之間的替代彈性約為1.0268，資本能源和勞動能源的替代彈性分別約為1.0295和1.0296。所有替代彈性均被發現略大于1。這表明，用資本或勞動代替能源是可行的。

在分析了資本勞動能源之間的替代彈性以后，我們又建立了一個以資本、勞動、煤炭、石油、天然氣、電力為投入要素的中國機械工業超越對數生產函數模型，分析研究了各主要能源品種的產出彈性和煤炭石油、煤炭天然氣、煤炭電力、石油天然氣、石油電力、天然氣電力的替代彈性，結論如下：

（1）在1980—2014年期間，中國機械工業的能源投入要素中，煤炭、石油、電力、天然氣的產出彈性均為正，煤炭的產出彈性在0.2195，石油的產出彈性在0.1765，天然氣的產出彈性在0.0718，電力的產出彈性在0.2803，且都呈現逐年遞增趨勢，增長率比較平緩，說明中國機械工業的各品種能源投入要素的利用效率在不斷提高，但幅度不是很大。天然氣與電力的產出彈性最高，石油的產出彈性其次，煤炭的產出彈性最低。

（2）在1980—2014年期間，煤炭與石油的替代彈性在1.0352左右，煤炭與天然氣的替代彈性在1.0239左右，煤炭與電力的替代彈性在1.0286左右，石油與天然氣的替代彈性在1.0407左右，石油與電力的替代彈性在1.0114左右，天然氣與電力的替代彈性在1.0163左右，這說明在中國的機械工業，可以用石油對煤炭進行替代，用天然氣或電力對煤炭進行替代，用相對清潔的能源對高排放高污染的能源進行替代，減少環境污染和溫室氣體排放。

（3）通過分析不同能源品種之間的技術進步的相對差異，可以知道，由于中國的富煤貧油少氣的資源稟賦，煤炭的利用技術相對較高，電力又是以火電為主，電力的利用技術也是相對很高的，石油和天然氣的利用技術相對較低。由于中國的機械工業是高耗能的，大量的能源消耗無疑會對環境污染產生嚴重影響，石油比煤炭相對清潔，天然氣污染較小，因此，應大力提高石油和天然氣的利用技術，逐步加大石油和天然氣的使用量，減少對環境的污染。

基于以上結論，本文給出如下政策建議：

首先，由于能源消耗高，二氧化碳排放量較高，中國機械行業應加大資本密集度，加大人力資源開發力度，加快產業結構調整步伐。中國政府應積極引導機械工業從能源密集型轉向技術密集型。中國機械工業本身也應該利用當前有利的國際環境，引進發達國家節能技術，提高全要素生產率，促進發展方式的根本轉變。資源消耗過剩，環境污染嚴重的傳統開發模式，應逐步轉變。鼓勵和支持機械工業企業升級兼并重組。應該消除能源強度過高的機械企業。改善中國機械行業的管理和能源效率，降低成本是非常重要的。

其次，在中國機械工業，煤炭、石油、天然氣、電力之間存在替代關系，那么就可以在給定機械工業產出水平的前提下，對機械工業企業施加能源總量控制和約束，并提高煤炭價格和稅率，倒逼機械工業加大技術研發的資本投入和人力資源投入，促進節能技術水平的上升，提高能源利用效率，加快清潔能源對煤炭的替代，降低機械工業對能源的消耗水平，提高機械工業的全要素生產率，減少溫室氣體排放。

再次，從1980年到2014年，在中國機械工業，煤炭與石油、煤炭與天然氣、煤炭與電力、石油與天然氣、石油與電力之間的替代彈性均在1左右。并且，煤炭、石油、天然氣、電力的產出彈性不同，煤炭與石油的產出彈性相對較低，尤其是煤炭的產出彈性最低。然而煤炭是高污染高排放的，石油次之，天然氣與電力相對清潔。既然如此，政府可以通過價格、財政、稅收等手段鼓勵機械企業減少煤炭與石油的消耗，用天然氣與電力對煤炭與石油進行替代，提高機械工業的能源使用效率，增加使用煤炭和石油的成本，有效降低機械工業的能源強度，減少機械工業的二氧化碳排放。