四 模型计量结果分析

（一）第一阶段：能源效率的随机前沿模型

（1）假设检验

在对随机前沿模型进行参数估计前，需要对模型进行假设检验，以逐步确定模型的形式。本文采用广义似然比检验对参数构造假设检验。假设原假设为H0，备择假设为H1，含有约束条件模型的似然函数值为L（H0），不含约束条件模型的似然函数值为L（H1），则广义似然比的统计量LR为：

LR=-2×［lnL（H0）-lnL（H1）］　　　　　　（5）

当原假设H0成立时，LR统计量服从混合卡方分布，其自由度为受约束变量的个数。对于生产函数和技术无效项的设定可构造假设检验，如表3所示。

表3 随机前沿模型参数的假设检验结果

由表3可知，对随机前沿模型参数设定的假设检验的结果均在α=0.01的显著性水平下显著拒绝原假设，由此可以得出如下结论：第一，生产函数采用Translog生产函数是合适的，αi、βj、γj、δj、ηk（i=1，2；j=2，3；k=1，2，3）不全为0，说明此时模型未退化为C-D生产函数；第二，技术无效项显著不为0，说明技术无效项存在且对产出的影响显著；第三，技术无效项服从半正态分布ui～i.i.dN+（μ，σ2i），μ≠0；第四，技术无效项随时间变化，前文对技术无效项的设定uit=exp［η（T-t）］ui是合理的。

（2）模型构建

由前文可知，求解随机前沿模型首先需要确定公式（2）中的生产函数f（x′it，β）。假设第p种投入要素下第i个DMU在时间t的投入为xitp，产出为yit，p=1，2，…，P。则由公式（2）可知，C-D生产函数及Translog生产函数下的随机前沿函数表达式分别为公式（6）和公式（7）：

其中，β0、βp（p=1，2，…，P）是待估参数。对于使用哪种生产函数更好，目前还没有统一的结论。但由于当βpq（p=1，2，…，P；q=1，2，…，P）=0时，公式（7）会退化为公式（6），因此公式（6）是公式（7）在βpq=0下的特殊形式。事实上，Translog生产函数正是C-D生产函数在（0，0）点的近似二阶Taylor展开。因此本文选择更一般的形式即Translog生产函数，并在估计出参数后进行假设检验H0：βpq=0↔H1：βpq≠0，当原假设成立时生产函数退化为C-D生产函数。此外，技术无效项uit满足前文的设定。

本文最终选取1990～2012年23年间28个省份的644组观测值。在此，构建如下超越对数随机前沿模型：

运用Froniter 4.1软件，在格点搜索后采用极大似然估计法进行估计。模型的参数估计结果如表4所示。

表4 我国能源效率随机前沿模型的参数估计结果

续表

其中，模型（1）列的内容是加入了所有变量的测算结果，模型（2）～模型（4）列的内容是在模型（1）的基础上分别限定：①μ=0，η≠0；②μ≠0，η=0；③μ=0，η=0后的测算结果。从变量的显著性来看，模型（3）通过检验的参数较多，因此选择模型（3）为基准模型。在模型（3）的基础上，剔除不显著的变量，进一步进行参数估计得到模型（5）列的估计结果。

由表4的估计结果可知，模型（5）的解释变量全部通过了检验。模型（5）中的μ显著不为0，说明技术无效项存在且对产出的影响显著，其分布为半正态分布ui～i.i.dN+（μ，σ2u），μ≠0。由于η不为0且显著为负，说明技术无效项随时间变化，δ（t）是t的增函数，t越大技术越无效，此外，uit=exp［η（T-t）］ui的设定是合理的。下文选取模型（5）做进一步研究。由模型（5）可以计算出不同时段下中国八大经济区域的能源效率，结果如表5所示。

表5 不同时段下中国分省份的能源效率

续表

由表5可知，总体来看我国能源效率不容乐观，能源效率逐年下降。我国在经济发展的同时，每消耗1单位的标准煤，实际的GDP产出下降，大量的能源投入并没有带来同比例的经济产值增加。

由表6可知，不同时段下中国八大经济区域能源效率的差异比较明显，能源效率较高的区域有东部沿海和南部沿海，结合前文对能源投入产出水平的分析可知，这两个区域在能源投入产出水平高的同时，也拥有较高的能源效率。东部沿海和南部沿海的能源效率分别为0.945和0.927（1990～2012年），非常接近于1，因此这两个区域的能源使用是非常有效的，同时这两个区域的能源使用效率接近于生产前沿面。东北地区和北部沿海也具有较强的能源投入和产出，但其能源效率略低于东部沿海和南部沿海，分别为0.845和0.831（1990～2012年）。长江中游在能源效率方面表现平庸，其能源效率为0.782（1990～2012年），说明长江中游的能源效率有21.8%的提升空间。能源效率较低的区域为黄河中游、西南地区和大西北地区，这三个区域的能源投入和产出水平较低，同时它们的能源效率水平也低于全国平均水平，分别仅为0.684、0.663和0.625（1990～2012年）。

表6 不同时段下中国八大经济区域的能源效率

从图1可以看出，1990～2012年我国能源效率最高的省份为上海和广东，说明这两个省份在给定产出时，能源消耗的损失最少；能源效率最低的省份为贵州和宁夏。我国省份间能源效率差异较大，能源效率较高的省份的效率值趋近于1，较低的省份的效率不足60%，因此政府部门应当注意缩小各省份、各区域间的能源产出效率，提高经济欠发达地区传统能源的技术水平，淘汰落后工艺，积极引进新技术、新能源，提升落后地区的单位能耗GDP。

图1 1990～2012年我国各省份的能源效率

图2显示了1990～2012年中国八大经济区域的能源效率。从中可以看出，我国各区域能源效率逐年下降，能源效率下降较快的区域有黄河中游、西南地区和大西北地区。这三个区域的能源效率本身偏低，并且逐年下降的幅度快于其他区域，需要得到有关区域政府部门的重视。另外，1990～1996年能源效率高于全国平均水平的区域有东北地区、北部沿海、东部沿海、南部沿海和长江中游，低于全国平均水平的区域有黄河中游、西南地区和大西北地区；1997～2002年能源效率高于全国平均水平的区域有东北地区、北部沿海、东部沿海、南部沿海和长江中游，低于全国平均水平的区域有黄河中游、西南地区和大西北地区；2003～2012年能源效率高于全国平均水平的区域有东北地区、北部沿海、东部沿海、南部沿海，低于全国平均水平的区域有黄河中游、西南地区和大西北地区，长江中游的能源效率与全国平均水平基本持平。

图2 1990～2012年中国八大经济区域的能源效率

（二）第二阶段：能源效率影响因素的面板Tobit模型

下面进一步分析中国八大经济区域能源效率差异的影响因素。由于运用随机前沿方法测算出的能源效率是在［0，1］区间的，被解释变量数据是部分连续的（片段截断的），所以不能采用普通的最小二乘法（OLS）进行估计，此时应当遵循最大似然法概念，运用累积正态概率分布函数的Tobit模型。Tobit模型最早由诺贝尔经济学奖得主James Tobin于1958年提出，是用于处理因变量受限的模型。假设本文构建的被解释变量为前文第一阶段随机前沿方法测算出的能源效率m，解释变量为政府规模govexprate、第二产业增加值second、城镇化率urban、开放度trade，则构建的面板Tobit模型如下：

运用Stata 12.0软件，可以得到上述模型的估计结果，如表7所示。

表7 中国能源效率影响因素模型的参数估计结果

由于LR检验结果拒绝原假设H0：σu=0，因此存在个体效应，应使用随机效应Tobit回归。因此，模型（9）的表达式为：

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

由表7可知，除开放度trade外，其他变量都通过了显著性检验。从模型（10）可以看出，政府规模对能源消耗的影响显著为正，说明当前政府应干预能源生产和消耗，引导企业走向高效能、低排放之路。不过值得注意的是，目前中国的政府规模相比于发达国家而言仍然偏低，2012年政府支出占GDP的比重仅为24.2%，因此政府规模扩大有可能提高经济发展水平和能源利用效率，但是政府规模也不能过大，否则对经济增长将产生不利影响，进而也会对能源利用效率产生不利影响。第二产业增加值对能源消耗的影响显著为负，说明当前我国第二产业的能源效率是较低的。由于当前我国仍处于工业发展的中期阶段，第二产业在很长时间里在国民经济三次产业结构中都会占据较大比重，这就要求我国在第二产业中应当加大清洁能源的利用，同时也需要在第二产业中提出更高的能耗和环保要求。当然，加快产业结构从低附加值产业向高附加值产业、从第二产业向第三产业升级无疑是提高能源利用效率的重要手段。城镇化率对能源消耗的影响显著为正，说明城镇化率上升可以有效提高能源效率。城镇化率每提高一个单位，能源效率增加0.0521个单位。开放度对能源消耗的影响为正，说明对外贸易的发展有利于我国能源效率的提高。对外贸易的发展有利于国外先进技术的引进，促使我国传统工业更新换代，提高能源效率。进一步提高我国能源效率，需要继续实施以出口为导向的经济发展战略，积极学习发达国家在清洁能源、环境治理方面的管理经验和先进手段，逐渐淘汰低附加值产业和高能耗低产出行业，建立适合我国社会、经济、环境发展的民族支柱产业体系。