删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

2006-2012年中国工业行业能源和环境综合效率及其影响因素

本站小编 Free考研考试/2021-12-29

王娟¹^,, 赵涛¹^,, 张啸虎²

1. 天津大学管理与经济学部,天津 300072

2. 南京航空航天大学民航学院,南京 210016

Energy and environmental unified efficiency of industrial sub-sectors and its influemcing factors in China

WANGJuan¹^,, ZHAOTao¹^,, ZHANGXiaohu²

1. College of Management and Economics, Tianjin University, Tianjin 300072, China

2. College of Civil Aviation, Nanjing University of Aeronautics and Astronautic, Nanjing 210016, China

通讯作者:赵涛,E-mail：tonyzhaotju@163.com
收稿日期:2015-06-21
修回日期:2015-09-7
网络出版日期:2016-02-01
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:

教育部人文社会科学规划基金项目（15YJA790091）.教育部哲学社会科学研究重大课题攻关项目（15JZD021）

作者简介:
-->作者简介：王娟,女,山西临汾市人,博士生,主要研究方向为低碳经济与循环经济。E-mail：wangjuan_tju@163.com

展开

摘要
能源消费量大、能源效率低以及环境问题突出已经成为中国发展面临的严峻挑战。由于工业部门能源消耗占中国能源消耗总量的70%左右,因此,本文基于工业36个子行业2006-2012年的数据,采用结合自然处置性和管理处置性概念的DEA模型将固定资产、能源消费及劳动力作为自然处置性下的投入,研发（R&D）投资额作为管理处置性下的投入,评价各子行业能源和环境综合效率以及R&D投资对各子行业减少非期望产出的有效性,最后,采用Truncated回归模型分析中国工业能源和环境综合效率的影响因素。研究结果表明：除烟草制品业等4个行业外,其余32个行业的综合效率均有改善空间,煤炭开采和洗选业、化学原料和化学制品制造业以及非金属矿物制品业等的综合效率值均在0.800以下,其中非金属矿物制品业效率值最低仅为0.472;2012年,研发投资对煤炭开采和洗选业等16个行业减少非期望产出是有效的;能源结构、技术创新和市场竞争对综合效率具有显著影响,其中煤炭在能耗中占比的提高对综合效率有抑制作用,而研发投资比例的提高对其则有促进作用。

关键词：工业行业;能源和环境效率;DEA模型;Truncated模型;投资策略;中国
Abstract
As an energy-intensity sector, the industrial sector consumes 70% of energy and generates more than 50% of CO₂ in China. According to data spanning 36 industrial sub-sectors from 2006 to 2012, we adopted a non-radial DEA model which combined Natural Disposability and Managerial Disposability to study energy and environmental unified efficiency. Input indicators including fixed assets, energy and labor were considered as inputs under Natural Disposability, and R&D investment was regarded as an input under Managerial Disposability. The government promotes R&D investment on energy-saving technology and equipment in the industrial sector in China’s National Plan on Climate Change. This study also verified whether R&D investment was effective for different industrial sub-sectors to reduce undesirable outputs based on DEA modeling. Truncated regression modeling was adopted to analyze factors driving energy and environmental unified efficiency. We found that thirty-two sub-sectors had great room to improve their energy and environmental performance except for four sub-sectors (e.g. tobacco products industry). The unified efficiency scores of three sub-sectors including the coal mining and washing industry, chemical raw materials and chemical products manufacturing industry and non-metallic mineral products industry were all below 0.8, while the non-metallic mineral industry was 0.472 in this case. In 2012, R&D investment was effective for 16 sectors including coal mining and washing industry. Energy mix, technological innovation and market competition had significant impacts on unified efficiency. The proportion of coal consumption had a negative influence on unified efficiency, and the relationship between the ratio of R&D investments and unified efficiency was positive.

Keywords：Industrial sub-sectors;Energy and environmental efficiency;DEA model;Truncated regression model;Investment strategy;China

-->0
PDF (3788KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
王娟, 赵涛, 张啸虎. 2006-2012年中国工业行业能源和环境综合效率及其影响因素[J]. , 2016, 38(2): 311-320 https://doi.org/10.18402/resci.2016.02.13
WANG Juan, ZHAO Tao, ZHANG Xiaohu. Energy and environmental unified efficiency of industrial sub-sectors and its influemcing factors in China[J]. 资源科学, 2016, 38(2): 311-320 https://doi.org/10.18402/resci.2016.02.13

1 引言

中国是世界上最大的发展中国家,尤其是改革开放以来,经济增长迅速。快速的经济增长依赖于大量的能源消耗并伴随大量二氧化碳的排放,目前中国已成为世界上最大的能源消耗国和二氧化碳排放国^[1]。2009年中国政府在“哥本哈根气候大会”上承诺2020年单位GDP碳排放在2005年基础上减少40%~45%。在2014年《中美气候联合声明》中,中国政府提出2030年碳排放达到峰值^[2]。“十二五规划”期间,中国设定每年能源强度减少目标值为3.7%,但2011年和2012年国内能源强度的减少仅为2.02%和3.62%,均低于目标值^[3]。开展减少二氧化碳排放、提高能源利用效率的相关研究将有助于中国实现二氧化碳减排目标和能源强度减小目标。此外,《国家应对气候变化规划（2014-2020年）》^1）明确指出工业领域要重点推进节能技术与装备研发,开展能源阶梯综合利用技术研发等,加大研发的投资力度^1）,这一报告强调了研发投资的重要性,因此研发投资的相关研究具有重大意义。
中国是世界上最大的工业产品供应国,同时作为资源密集型行业,工业的能耗占中国总能耗的70%左右,从1996年到2010年增加了134%^[4],并产生大约50%的二氧化碳^[5]。在应对气候变化及能源危机的背景下,学术领域对能源、碳排放及环境问题进行了一系列研究,其中一个主要研究热点是能源效率和环境效率。随着研究的不断完善,目前大多数****聚焦于全要素能源效率和环境效率方面的研究,如于鹏飞等采用超效率DEA模型研究中国2007年31个地区的节能减排效率以及规模收益类型,结果表明中国能源利用率、污染物治理以及排放效率等虽有提高但仍有很大潜力^[6];李力等采用DEA模型对中国工业产值、能源消费和废气排放进行了纵向和横向的效率评价,分析了中国1998-2005年的能源-经济-环境效率发展情况^[7];汪克亮等基于CCR模型计算中国2000-2007年各地区的全要素能源效率以及节能减排潜力,在此基础上进一步采用Tobit回归模型分析了节能减排潜力的影响因素,结果表明中国能源效率整体偏低,节能减排潜力较大,技术进步、经济结构和能源消费结构的改进和优化可以有效改善各地区的节能减排现状^[8];孟晓等采用超效率DEA模型,在“新型工业化”背景下研究中国“双三角”各城市工业能源效率的变化趋势,并对区域间差异进行对比分析^[9],表明“双三角”各城市的工业能源效率仍有很大提升空间^[9];黄德春等采用三阶段DEA模型研究中国29个省市2009年的技术效率和规模效率,结果表明大多数省份规模收益递增,并且东部地区能源效率最高,西部地区最低^[10]。以上研究主要聚焦于国家层面的能源效率和环境效率,并且基本从地区角度进行研究。对于工业能源效率的研究主要从分地区和分行业两个角度展开。从地区角度评价工业能源效率的研究,如Wang等采用DEA模型研究中国2006-2010年30个主要城市工业行业的能源和排放效率以及节能减排潜能,表明沿海地区以及经济发展较快的城市有较高的效率值^[3]。从分行业角度进行的研究,如孙广生等运用DEA模型研究中国工业1987-2005年14个子行业的能源效率问题,表明各行业的能源效率得到的改善成“U”型转变^[11];Li等采用超效率DEA模型研究中国工业不同子行业2001-2010年的能源效率,表明轻工业的能源效率值最大^[12]。
综上可见,目前大多数研究都集中于全要素能源效率的研究,或者在此基础上进一步探讨能源效率的影响因素。但关于能源和环境综合效率以及投资对工业行业减少二氧化碳排放是否有效等问题并没有深入研究。基于目前研究存在的问题,本文引入Sueyoshi等2014年提出的非径向DEA模型^[13]（结合自然处置性和管理处置性两个经济概念）,以2006-2012年工业36个子行业为研究对象,研究其能源和环境综合效率以及研发投资策略。在综合效率研究的基础上,采用Truncated回归模型进一步分析综合效率的影响因素,为评价政策的实施成效提供更为细致的依据,也为将来相关政策的制定提供依据。

2 研究方法与数据来源

2.1 数据包络分析

数据包络分析（DEA）是目前较常用的非参数相对效率（能源效率、排放效率及环境效率等）评价方法^[14],由美国运筹学家A.Charnes等于1978年提出^[15]。本文采用由Sueyoshi改进的基于松弛变量的非径向模型^[13],此模型将自然处置性和管理处置性两个经济概念纳入其中,并将投入指标分为自然处置性下的投入和管理处置性下的投入,效率值的计算基于所有与投入产出数据相关的松弛变量^[16]。自然处置性和管理处置性的概念为：自然处置性指决策单元通过减少投入,来减少非期望产出,并尽可能增加期望产出;管理处置性则是决策单元增加投入可以达到减少非期望产出的目的,并尽可能增加期望产出。
2.1.1 自然处置性和管理处置性下的综合效率
将自然处置性和管理处置性结合在同一模型中,既可以减少非期望产出又可以增加期望产出,同时兼顾经济效益和环境保护。模型如下：

\begin{matrix} \max ? ? ? ? ? ? ? ? ? ? \overset{m^{-}}{\sum_{i = 1}} R_{i}^{x} d_{i}^{x^{-}} + \overset{m^{+}}{\sum_{q = 1}} R_{q}^{x} d_{q}^{x^{+}} + \overset{s}{\sum_{r = 1}} R_{r}^{g} d_{r}^{g} + \overset{h}{\sum_{f = 1}} R_{f}^{b} d_{f}^{b} \\ s.t. ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} x_{ij}^{-} λ_{j} + d_{i}^{x^{-}} = x_{i 0}^{-} ? ? ? ? ? ? (i = 1,2, \dots, m^{-}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} x_{qj}^{+} λ_{j} - d_{q}^{x^{+}} = x_{i 0}^{+} ? ? ? ? ? ? ? (q = 1,2, \dots, m^{+}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} g_{rj} λ_{j} - d_{r}^{g} ? ? ? ? ? ? = g_{r 0} ? ? ? ? ? ? (r = 1,2, \dots, s) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} b_{fj} λ_{j} + d_{f}^{b} ? ? ? ? ? ? = b_{f 0} ? ? ? ? ? ? (f = 1,2, \dots, h) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} λ_{j} ? = 1 \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? λ_{j} \geq 0 ? (j = 1,2, \dots, n) ? ? ? \\ d_{i}^{x^{-}} \geq 0 ? (i = 1,2, \dots, m^{-}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? d_{q}^{x^{+}} \geq 0 ? (q = 1,2, \dots, m^{+}) ? \\ d_{r}^{g} \geq 0 (r = 1,2, \dots, s) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? d_{f}^{b} \geq 0 (f = 1,2, \dots, h) \end{matrix}

（1）
式中

\begin{matrix} x_{ij}^{-} \end{matrix}

和

\begin{matrix} x_{qj}^{+} \end{matrix}

分别表示自然处置性和管理处置性下的投入指标;

\begin{matrix} m^{-} \end{matrix}

和

\begin{matrix} m^{+} \end{matrix}

分别表示自然处置性和管理处置性下投入指标的个数;

\begin{matrix} d_{i}^{x^{-}} \end{matrix}

和

\begin{matrix} d_{q}^{x^{+}} \end{matrix}

是与投入指标相关的松弛变量;

\begin{matrix} g_{rj} \end{matrix}

和

\begin{matrix} b_{fj} \end{matrix}

分别为期望产出和非期望产出变量（s和h分别为其个数）;

\begin{matrix} d_{r}^{g} \end{matrix}

和

\begin{matrix} d_{f}^{b} \end{matrix}

则分别为其相关的松弛变量;

\begin{matrix} λ_{j} \end{matrix}

是与决策单元相关的未知变量,通常表示结构或强度变量。其中

\begin{matrix} R_{i}^{x} \end{matrix}

、

\begin{matrix} R_{r}^{g} \end{matrix}

以及

\begin{matrix} R_{f}^{b} \end{matrix}

的计算公式如下：

\begin{matrix} R_{i}^{x} = {(m + s + h)}^{- 1} \{\max [x_{ij} |j = 1,2, \dots, n] \\ - \min [x_{ij} |j = 1,2, ..., n {]\}}^{- 1} \end{matrix}

（2）

\begin{matrix} R_{r}^{g} = {(m + s + h)}^{- 1} \{\max [g_{rj} |j = 1,2, \dots, n] \\ - \min [g_{rj} |j = 1,2, ..., n {]\}}^{- 1} \end{matrix}

（3）

\begin{matrix} R_{f}^{b} = {(m + s + h)}^{- 1} \{\max [b_{fj} |j = 1,2, \dots, n] \\ - \min [b_{fj} {|j = 1,2, ..., n]\})}^{- 1} \end{matrix}

（4）
综合效率UENM（Unified Efficiency under Natural and Managerial disposability）计算公式如下所示：

\begin{matrix} UENM = 1 - (\overset{m^{-}}{\sum_{i = 1}} R_{i}^{x} d_{i}^{x^{-}} + \overset{m +}{\sum_{q = 1}} R_{q}^{x} d_{q}^{x^{+}} + \overset{s}{\sum_{r = 1}} R_{r}^{g} d_{r}^{g} + \overset{h}{\sum_{f = 1}} R_{f}^{b} d_{f}^{b}) \end{matrix}

（5）
2.1.2 投资策略计算模型
在模型（1）的基础上,为了进一步判断投资对于非期望产出是否有效,即是否出现期望拥堵（技术进步）,采用相关数学模型如下：

\begin{matrix} \max ? ? ? ? ? ? ? ? ? ? \overset{m^{-}}{\sum_{i = 1}} R_{i}^{x} d_{i}^{x^{-}} + \overset{m +}{\sum_{q = 1}} R_{q}^{x} d_{q}^{x^{+}} + \overset{s}{\sum_{r = 1}} R_{r}^{g} d_{r}^{g} + \overset{h}{\sum_{f = 1}} R_{f}^{b} d_{f}^{b} \\ s.t. ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} x_{ij}^{-} λ_{j} + d_{i}^{x^{-}} = x_{ik}^{-} ? ? ? ? ? ? ? (i = 1,2, \dots, m^{-}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} x_{qj}^{+} λ_{j} - d_{q}^{x^{+}} = x_{qk}^{+} ? ? ? ? ? ? ? (q = 1,2, \dots, m^{+}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} g_{rj} λ_{j} = g_{r 0} ? ? ? ? ? ? (r = 1,2, \dots, s) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} b_{fj} λ_{j} - d_{f}^{b} = b_{fk} ? ? ? ? ? ? (f = 1,2, \dots, h) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{n}{\sum_{j = 1}} λ_{j} = 1 \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? λ_{j} \geq 0 ? (j = 1,2, \dots, n) ? \\ ? ? d_{i}^{x^{-}} \geq 0 ? (i = 1,2, \dots, m^{-}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? d_{q}^{x^{+}} \geq 0 ? (q = 1,2, \dots, m^{+}) \\ ? ? d_{f}^{b} \geq 0 (f = 1,2, \dots, h) \end{matrix}

（6）
各变量含义与模型（1）相同。
模型（2）的对偶模型为：

\begin{matrix} \min ? ? ? ? ? ? ? ? ? ? \overset{m^{-}}{\sum_{i = 1}} v_{i} x_{ik}^{-} - \overset{m^{+}}{\sum_{q = 1}} z_{q} x_{qk}^{+} + \overset{s}{\sum_{r = 1}} u_{r} g_{rk} - \overset{h}{\sum_{f = 1}} w_{f} b_{fk} ? + σ \\ s.t. ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \overset{m^{-}}{\sum_{i = 1}} v_{i} x_{ik}^{-} - \overset{m +}{\sum_{q = 1}} z_{q} x_{qk}^{+} + \overset{s}{\sum_{r = 1}} u_{r} g_{rk} - \overset{h}{\sum_{f = 1}} w_{f} b_{fk} ? + σ \geq 0 \\ (j = 1,2, ?, n) \\ 其中 ? ? ? ? ? ? ? ? ? v_{i} \geq R_{i}^{x} (i = 1,2, ?, m^{-}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? z_{q} \geq R_{q}^{x} (q = 1,2, ?, m^{+}) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? u_{r} : URS (r = 1,2, ?, s) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? w_{f} \geq R_{f}^{b} (f = 1,2, ?, h) \\ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? σ : URS \end{matrix}

（7）
式中

\begin{matrix} v_{i} (i = 1,2, ?, m^{-}), z_{q} (q = 1,2, ?, m^{+}), u_{r} (r = 1,2, ?, \end{matrix} \begin{matrix} s) \end{matrix}

和

\begin{matrix} w_{f} \end{matrix}

为模型（2）中相应变量的对偶变量,而对偶变量

\begin{matrix} σ \end{matrix}

是无约束变量。
收益损失（DTR）用来表示期望产出和非期望产出之间的关系,计算方法为：

\begin{matrix} DTR = (d_{b} / d_{g} \frac{)}{(} b / g) \end{matrix}

（8）
式中

\begin{matrix} b \end{matrix}

和

\begin{matrix} g \end{matrix}

分别表示期望产出和非期望产出,根据模型（7）和模型（8）可以得到收益损失类型和投资对减少非期望产出的有效性。具体规则如表1。
Table 1
表1
表1收益损失类型和投资策略的判断准则
Table 1The types of DTR and the judgment rules of investment strategies

$\begin{matrix} u_{r}^{*} \end{matrix}$	收益损失	投资策略
$\begin{matrix} u_{r}^{*} > 0 \end{matrix}$	正	投资无效
$\begin{matrix} u_{r}^{*} = 0 \end{matrix}$	零	投资无效
$\begin{matrix} u_{r}^{*} < 0 \end{matrix}$ , $\begin{matrix} z_{q} - R_{q}^{x} = 0 \end{matrix}$	负	投资有限有效
$\begin{matrix} u_{r}^{*} < 0 \end{matrix}$ , $\begin{matrix} z_{q} - R_{q}^{x} > 0 \end{matrix}$	负	投资有效

新窗口打开

2.2 Truncated回归模型

在第一阶段的研究中,已采用模型（1）计算出中国工业各子行业能源和环境综合效率值,而综合效率值的影响因素还需要进一步研究。Tobit回归模型被多数****用来研究能源和环境效率的影响因素^[7,12]。但是Simar&Wilson^[17]研究表明Tobit回归模型会使DEA效率影响因素的回归结果出现不一致和有偏估计,并指出Truncated回归模型更适合进行相关研究,国外****Wijesiri等^[18]以及Lee等^[19]均采用Truncated回归模型进行效率影响因素的研究。Truncated回归模型如下：

\begin{matrix} θ_{i}^{*} = α + z_{i} β + ε_{i} ? ? ? ? ? ? ? ? ? ? ? （ ? ? ? i = 1,2, ?, n ） \end{matrix}

（9）
式中

\begin{matrix} θ_{i}^{*} \end{matrix}

表示综合效率

\begin{matrix} z_{i} \end{matrix}

为自变量;

\begin{matrix} α \end{matrix}

是常数项;

\begin{matrix} β \end{matrix}

是影响因素

\begin{matrix} i \end{matrix}

的向量;

\begin{matrix} ε_{i} ～ N (0, σ_{ε}^{2}) \end{matrix}

。

2.3 变量说明及数据来源

本文选取工业36个子行业为研究对象,因此模型中的

\begin{matrix} j \end{matrix}

为36。自然处置性下的投入指标

\begin{matrix} x_{ij}^{-} \end{matrix}

为工业各行业当期从业人员数、工业固定资产和能源消费（

\begin{matrix} m^{-} \end{matrix}

=3）,管理处置性下的投入指标

\begin{matrix} x_{qj}^{+} \end{matrix}

为R&D投资额（

\begin{matrix} m^{+} \end{matrix}

=1）,期望产出

\begin{matrix} g_{rj} \end{matrix}

为工业增加值（

\begin{matrix} s \end{matrix}

=1）,非期望产出

\begin{matrix} b_{fj} \end{matrix}

为二氧化碳排放量（

\begin{matrix} h \end{matrix}

=1）。其中能源投入包括煤炭、石油、电力和天然气等,并统一折算成标准煤再求和。能源相关数据来源于《中国能源统计年鉴》（2007-2013年）^[20],其他数据从《中国统计年鉴》（2007-2013年）^[21]获得。
Table 2
表2
表22006-2012年中国36个工业行业综合效率和投资策略计算结果
Table 2Unified efficiency and investment strategies for China’s industrial sub-sectors from 2006 to 2012

行业	UENM									DTR/R&D投资策略
行业	2006		2007	2008	2009	2010	2011	2012	均值	2006	2007	2008	2009	2010	2011	2012
采矿业
煤炭开采和洗选业	0.717	0.745	0.787	0.789	0.820	0.804	0.792	0.779		I	I	I	I	I	L	E
石油和天然气开采业	0.985	0.985	1.000	0.985	0.980	1.000	0.986	0.989		E	E	E	E	E	E	E
黑色金属矿采选业	0.932	0.935	0.941	0.930	0.932	0.934	0.925	0.933		I	I	I	I	I	I	I
有色金属矿采选业	0.948	0.940	0.946	0.939	0.943	0.947	0.943	0.944		I	I	I	I	I	I	I
非金属矿采选业	0.927	0.929	0.938	0.926	0.930	0.930	0.922	0.929		I	I	I	I	I	I	I
制造业
农副食品加工业	0.878	0.892	0.909	0.914	0.897	0.891	0.883	0.895		L	L	L	E	L	L	L
食品制造业	0.901	0.908	0.917	0.910	0.915	0.914	0.908	0.910		I	I	I	L	L	E	E
酒、饮料和精制茶制造业	0.927	0.931	0.940	0.934	0.937	0.931	0.923	0.932		I	I	I	L	L	E	E
烟草制品业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		L	L	L	L	L	L	L
纺织业	0.745	0.769	0.820	0.812	0.847	0.857	0.850	0.814		E	E	L	L	L	L	L
纺织服装、服饰业	0.848	0.844	0.854	0.848	0.870	0.885	0.956	0.872		E	L	E	L	L	L	L
皮革、毛皮、羽毛及其制品和制鞋业	0.898	0.896	0.904	0.901	0.909	0.930	0.912	0.907		I	I	I	I	I	I	I
木材加工和木、竹、藤、棕、草制品业	0.910	0.910	0.916	0.906	0.911	0.913	0.904	0.910		I	I	I	I	I	I	I
家具制造业	1.000	1.000	1.000	1.000	0.969	1.000	1.000	0.996		I	I	I	I	I	I	I
造纸和纸制品业	0.877	0.887	0.898	0.890	0.904	0.893	0.887	0.891		I	I	I	I	I	I	I
印刷和记录媒介复制业	0.974	0.973	0.951	0.945	0.939	0.979	0.954	0.959		I	I	I	I	I	I	I
文教、工美、体育和娱乐用品制造业	1.000	1.000	1.000	1.000	1.000	1.000	0.933	0.990		I	I	I	I	I	I	I
石油加工、炼焦和核燃料加工业	0.803	0.786	0.821	0.811	0.825	0.816	0.810	0.810		I	I	I	I	I	L	E
化学原料和化学制品制造业	0.626	0.626	0.658	0.652	0.664	0.960	0.597	0.683		I	I	I	I	L	I	I
医药制造业	0.931	0.942	0.950	0.942	0.945	0.957	0.943	0.944		E	E	E	E	E	I	E
化学纤维制造业	0.944	0.947	1.000	1.000	1.000	1.000	0.949	0.977		I	I	I	I	I	I	I
橡胶和塑料制品业	0.847	0.861	0.876	0.862	0.878	0.885	0.881	0.870		I	I	I	I	I	I	I
非金属矿物制品业	0.472	0.487	0.495	0.471	0.491	0.448	0.437	0.472		I	I	I	I	I	I	I
黑色金属冶炼和压延加工业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		E	E	L	E	E	E	E
有色金属冶炼和压延加工业	0.921	0.924	0.917	0.908	0.908	0.900	0.891	0.910		L	L	E	L	L	L	E
金属制品业	0.858	0.867	0.870	0.859	0.868	0.872	0.872	0.867		I	I	I	I	I	I	I
通用设备制造业	0.864	0.876	0.878	0.870	0.871	0.879	0.887	0.875		I	I	I	I	I	I	I
专用设备制造业	0.896	0.907	0.913	0.908	0.910	0.909	0.886	0.904		I	I	I	I	I	E	E
交通运输设备制造业	0.936	1.000	1.000	1.000	1.000	1.000	1.000	0.991		I	I	I	I	I	E	E
电气机械和器材制造业	0.932	0.938	0.940	0.919	0.928	0.919	1.000	0.939		E	I	I	I	I	I	E
计算机、通信和其他电子设备制造业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		I	I	I	I	I	E	I
仪器仪表制造业	1.000	1.000	1.000	1.000	1.000	1.000	1.000	1.000		I	I	C	I	I	I	I
其他制造业	0.892	0.901	0.915	0.909	0.918	0.925	0.923	0.912		I	I	I	I	I	I	I
电力、热力、燃气及水生产和供应业
电力、热力生产和供应业	1.000	1.000	0.810	1.000	1.000	0.805	1.000	0.945		L	L	L	L	L	L	L
燃气生产和供应业	1.000	1.000	0.978	0.985	0.987	0.983	1.000	0.990		I	I	I	I	I	I	I
水的生产和供应业	1.000	1.000	1.000	0.971	0.980	0.979	1.000	0.990		I	I	I	I	I	I	I

注：D,C和I分别表示负收益损失,零收益损失和正收益损失;E和L分别表示投资有效和投资有限有效。其中,当DTR类型为D时,投资策略为E和L。

新窗口打开

3 结果及分析

3.1 工业子行业综合效率测算及投资策略

以中国工业36个子行业2006-2012年的数据为基础,根据模型（1）和模型（3）计算得到各子行业的能源和环境综合效率值以及相应的投资策略,结果如表2所示。烟草制造业、黑色金属冶炼和压延加工业及计算机、通信和其他电子设备制造业和仪器仪表制造业从2006-2012年均是有效的,这些行业的垄断程度和进入壁垒都较高,同时具有较强的经济实力,企业内部新技术研发和技术改进的能力较强。接下来表现较好的行业有石油和天然气开采业、家具制造业等8个行业,其7年的综合效率平均值在0.950~1.000之间。13个行业的综合效率平均值在0.900~0.950之间,例如黑色金属矿采选业和有色金属矿采选业等。煤炭开采和洗选业、化学原料和化学制品制造业以及非金属矿物制品业表现最差,其综合效率均值分别为0.779、0.683和0.472。其中煤炭开采和洗选业由于行业规模不断扩大,竞争日益激烈,导致供求不平衡,自2010年以来产业附加值逐年下降,环境污染较大,所以其综合效率较低。其余8个行业的综合效率均值在0.800到0.900之间,例如石油加工、炼焦和核燃料加工业仅为0.810,其为高耗能高污染的资源型产业,在节能减排方面仍需加强。由分析可以看出,只有4个行业位于前沿面上,其余32个行业均需要进一步提高自身的效率值,尤其煤炭开采和洗选业、化学原料和化学制品制造业以及非金属矿物制品业等三个行业具有很大改善空间。可见,国家提出的一系列政策和项目的完成对于提高能源和环境绩效仍需继续践行。

显示原图|下载原图ZIP|生成PPT
图12006-2012年中国工业三大子部门与工业综合效率对比
-->Figure 1Comparison of unified efficiency among three sub-sectors and the whole industrial sector from 2006 to 2012
-->

图1为采矿业、制造业和电力、热力、燃气及水生产和供应业三个部门以及工业整个行业2006-2012年综合效率均值的对比及其变化趋势。总体来看,电力、热力、燃气及水生产和供应业表现最好,且效率值从2006-2012年均高于工业整个行业,此外在2006年、2007年和2012年均为有效。制造业2006-2012年的效率值均较低,并且均低于工业整个行业的平均值。因为制造业包含很多高碳行业,整体重制造、轻研发,技术开发和技术创新能力较弱,给环境带来较大压力,加之中国劳动力成本低,发达国家把大量高污染的制造业转移到中国加剧了中国的环境问题。采矿业2006-2012年的效率值介于制造业和电力、热力、燃气及水生产和供应业之间,并且均高于工业整个行业。因此,在效率改善方面应该将重点放在制造业上。从变化趋势方面讲,没有呈现明显的逐渐升高或者逐渐降低的趋势,但有一定的波动性。
Table 3
表3
表3中国工业能源和环境综合效率影响因素及其计算方法
Table 3Influence factors and computational method of unified energy and environmental efficiency of China’s industrial sector

影响因素	变量	变量定义/单位
工业结构	ES（企业规模）	各子行业工业总产值/各子行业企业数/（亿元/个）
工业结构	CL（资产-劳动力结构）	各子行业总资产/各子行业从业人员/（万元/人）
能源结构	CS（煤炭）	各子行业煤炭消费量/各子行业能源消费总量/%
能源结构	NS（天然气）	各子行业天然气消费量/各子行业能源消费总量/%
技术创新	RDI（研发投资额）	各子行业R&D投资额/各子行业固定资产/%
技术创新	Ln(RDL)（研发人员）	各子行业的研发人员/人
市场竞争	Ln(MC)（企业个数）	各子行业的企业个数/个

新窗口打开
由模型（3）可以定量计算DTR的类型,根据DTR类型进一步判断投资对于减少非期望产出是否有效。如果一个行业属于负DTR,那么有必要考虑投资对其是有效还是有限有效。投资有效是指R&D投资可以改善该行业能源与环境综合效率,并且对于减少该行业的二氧化碳排放是有效的。投原因可以理解为：不同行业工业结构的变化存在差异性,会使得行业间的相对效率发生变化,如果其变化方向相反则会导致工业结构对整个工业的效率影响不明显。天然气消费量占比不显著的主要原因是各工业子行业的天然气消费量很小,占能耗总量的比例较小,并且在整个研究阶段中同一行业天然气比例的变化也相对较小。
Table 4
表4
表4Truncated回归结果
Table 4Truncated regression results

综合效率	系数	z	P>\|z\|
ES	-0.000 3	-0.23	0.820
CL	-0.000 1	-1.02	0.307
CS	-0.153 4^***	-6.25	0.000
NS	-0.152 8	-1.46	0.145
RDI	1.250 6^***	6.88	0.000
Ln(RDR)	-0.017 7^***	-2.65	0.008
Ln(MC)	-0.033 7^***	-3.69	0.000
_cons	1.390 8^***	26.46	0.000
/sigma	0.077 1^***	22.45	0.000
Log likelihood	288.219 9
Wald	219.690 0

注：*,**,***分别表示10%,5%和1%水平显著。

新窗口打开
（2）煤炭在总能耗的占比对综合效率影响系数为-0.153 4,并且在1%水平上显著。这说明改善能源结构,减少煤炭的消费量,同时减少其他碳排放系数较高的能源消耗,增加清洁能源的消费量,在一定程度上会减少二氧化碳的排放并且提高综合效率。
（3）技术创新中,研发投资额对固定资产的比例与综合效率的关系是正向的,系数为1.250 6,并且在1%水平上是显著的,意味着增加研发投资额在总体上可以改善工业的能源和环境绩效。而研发人员对效率的影响系数为-0.017 7,并且在1%水平上是显著的,这说明研发人员的配备不是越多越好,将具有超高专业素养的研发人员合理配备是必要的。
（4）如果是良性的市场竞争原则上对综合效率的影响应为正向,但回归结果的影响系数-0.033 7在1%水平上显著,这说明同行业内企业数量的增加并不能促使工业能源和环境效率的提高。原因可能有以下两方面：一是目前各行业的环保意识还有待提高,企业过多的注重经济效益,因此企业越多会给环境带来更多的压力;二是国家出台的相关约束企业行为政策法规的落实需要时间,目前还没有取得显著的成效。

4 结论与建议

4.1 结论

本文采用结合了自然处置性和管理处置性这两个经济概念的非径向DEA模型,评价了中国工业36个子行业的能源和环境综合效率,并定量计算了R&D投资对于各行业减少非期望产出的有效性。基于DEA模型计算的综合效率值,进一步采用Truncated回归模型分析中国工业能源和环境效率的影响因素。本文的贡献主要有以下四方面：结合自然处置性和管理处置性两个经济概念,将投入分为自然处置性下的投入与管理处置性下的投入两部分,评价中国能源和环境综合效率;将R&D投资金额作为投入指标,定量计算中国工业行业研发投资对减少二氧化碳排放的有效性;基于中国工业提出的相关政策和项目,例如：不经济的高耗能工业企业必须关闭,千家企业节能方案以及十大重点节能工程等项目,《工业转型升级规划（2011-2015年）》等,根据能源和环境综合效率的评价结果来检验政策的实施效果;采用Truncated回归模型研究综合效率的影响因素,基于结果提出改善能源和环境综合效率的措施。主要结论如下：
（1）2006-2012年间,工业各行业的综合效率值没有明显的升高或降低趋势,除烟草制品业、黑色金属冶炼和压延加工业、计算机、通信和其他电子设备制造业以及仪器仪表制造业等四个行业,其余32个行业的综合效率均有一定的提高空间,尤其是煤炭开采和洗选业（0.779）、化学原料和化学制品制造业（0.683）以及非金属矿物制品业（0.472）。国家相关政策和项目的实践是一个长期的过程,不可能一蹴而就,各行业需要高度配合。
（2）2012年,研发投资对中国工业的16个子行业（煤炭开采及洗选业等）是有效的,技术或设备的改进可以有效改善能源和环境行为。这些行业应该重视投资分配,加大研发投资,具体的方式有：将行业内部其他非必须的投资转移向研发方面;政府专门建立工业研发投资基金,通过奖励或者鼓励的方式为需要的行业发放研发资金;行业间或者同行企业也可将自身多余的资金通过适当的方式转移给需要的行业或企业,达到共同进步的效果。
（3）煤炭在总能耗的占比对综合效率的影响是负向的,使用煤炭作为主要能源的传统能源结构需要改革。应合理控制煤炭消费总量,加强煤炭清洁利用,加快石油、天然气资源勘探开发力度,推进页岩气等非常规油气资源调查评价与勘探开发利用。鼓励水能、风能、核能和太阳能等情节能源的开发和利用,虽然存在太阳能利用技术不够成熟及核能利用的风险性较大难以推广等障碍,但仍需加大相关方面人、财、物的投资。研发投资额对固定资产的比例对综合效率提高具有正向作用,因此,政府和各行业需要合理利用和分配研发投资,从而发挥投资的积极作用。

4.2 建议

煤炭开采和洗选业、化学原料和化学制品制造业以及非金属矿物制品业是中国工业各子行业中能源和环境绩效最差的行业,将这些高耗能行业作为重点改革对象,提出以下政策建议：
（1）煤炭开采和洗选业要加快采用高效采掘、运输、洗选工艺和设备,加快煤层气抽采利用,推广应用二氧化碳驱煤层气技术。
（2）中国应该继续加大结构调整力度,引导基础化学原料制造行业优化升级,在《石油和化学工业“十二五”发展规划》^[23]的基础上,对化学原料和化学制品制造业的部分产能过剩产业实施严格的总量控制措施;优化非金属矿物制品品种结构,从而降低单位产品二氧化碳排放强度。
（3）政府需重点推进电力、钢铁、建材、有色、化工和石化等高能耗、高碳行业重大节能技术与装备研发,开展能源梯级综合利用技术研发,同时控制其产能过度扩张,提高新建项目准入门槛,制定重点行业单位产品温室气体排放标准。优化工业企业空间布局,在符合国家产业政策的前提下,鼓励高碳行业通过区域有序转移实现集群发展。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Liu L C, Liang Q M, Wang Q.Accounting for China's regional carbon emissions in 2002 and 2007: Production-based versus consumption-based principles [J]. Journal of Cleaner Production, 2015, 103:384-392. [本文引用: 1]
[2]	中美气候变化联合声明 [EB/OL]. (2014-11-13)[2015-06-21]. .URL [本文引用: 1] [China-US Joint Statement on Climate Change [EB/OL]. (2014-11-13)[2015-06-21]. .]URL [本文引用: 1]
[3]	Wang K, Wei Y M.China’s regional industrial energy efficiency and carbon emissions abatement costs [J]. Applied Energy, 2014, 130: 617-631. [本文引用: 2]
[4]	Ke J, Price L, Ohshita S, et al.China's industrial energy consumption trends and impacts of the top-1000 enterprises energy-saving program and the ten key energy-saving projects [J]. Energy Policy, 2012, 50: 562-569. [本文引用: 1]
[5]	Wang Z H, Zeng H L, Wei Y M, et al.Regional total factor energy efficiency: An empirical analysis of industrial sector in China [J]. Applied Energy, 2012, 97(9): 115-123. [本文引用: 1]
[6]	于鹏飞, 李悦, 高义学, 等. 基于DEA 模型的国内各地区节能减排效率研究 [J]. 中国人口·资源与环境, 2010, 20(3): 39-42. [本文引用: 1] [Yu P F, Li Y, Gao Y X, et al.Study on efficiency of energy saving and emission reduction by region based DEA model [J]. China Population, Resources and Environment, 2010, 20(3): 39-42.] [本文引用: 1]
[7]	李力, 韩丽媛. 基于能源-经济-环境DEA分析的我国工业发展效率评价研究 [J]. 科技管理研究, 2008, 28(5): 93-95. [本文引用: 2] [Li L, Han L Y.Study on the efficiency evaluation of China’s industrial development based on the energy-economics-environment DEA model [J]. Science and Technology Management Research, 2008, 28(5): 93-95.] [本文引用: 2]
[8]	汪克亮,杨宝臣,杨力.基于环境效应的中国能源效率与节能减排潜力分析 [J].管理评论,2012,24(8): 40-50. [本文引用: 1] [Wang K L, Yang B C, Yang L.Analysis on China’s energy efficiency and potentials of energy conservation and emissions reduction from the perspective of environmental impact [J]. Management Review, 2012, 24(8): 40-50.] [本文引用: 1]
[9]	孟晓, 孔群喜, 汪丽娟. 新型工业化视角下“双三角”都市圈的工业能源效率差异-基于超效率 DEA 方法的实证研究 [J]. 资源科学, 2013, 35(6): 1202-1210. [本文引用: 2] [Meng X, Kong Q X, Wang L J.Regional disparity analysis of industrial energy efficiency in double triangle deltas [J]. Resources Science, 2013, 35(6):1202-1210.] [本文引用: 2]
[10]	黄德春, 董宇怡, 刘炳胜. 基于三阶段 DEA 模型中国区域能源效率研究 [J]. 资源科学, 2012, 34(4): 688-695. [本文引用: 1] [Huang D C, Dong Y Y, Liu B S.Research on regional energy efficiency in china based on three-stage DEA model [J]. Resources Science, 2012, 34(4): 688-695.] [本文引用: 1]
[11]	孙广生,杨先明,黄祎.中国工业行业的能源效率(1987-2005)-变化趋势、节能潜力与影响因素研究 [J].中国软科学,2012,(11):29-39. [本文引用: 1] [SUN Guangsheng, YANG Xianming, HUANG Yi.Industrial energy efficiency in China (1987-2005)-trend, conservation potential and influential factors [J]. China Soft Science, 2012, (11): 29-39.] [本文引用: 1]
[12]	Li H, Shi J.Energy efficiency analysis on Chinese industrial sectors: An improved Super-SBM model with undesirable outputs [J]. Journal of Cleaner Production, 2014, 65(4): 97-107. [本文引用: 2]
[13]	Sueyoshi T, Goto M.Investment strategy for sustainable society by development of regional economies and prevention of industrial pollutions in Japanese manufacturing sectors [J]. Energy Economics, 2014, 42(1): 299-312. [本文引用: 2]
[14]	Zhou P, Ang B W, Poh K L.A survey of data envelopment analysis in energy and environmental studies [J]. European Journal of Operational Research, 2008, 189(1): 1-18. [本文引用: 1]
[15]	Charner A, Cooper W W, Rhodes E.Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6):429-444. [本文引用: 1]
[16]	Wang K, Lu B, Wei Y M.China’s regional energy and environmental efficiency: A range-adjusted measure based analysis [J]. Applied Energy, 2013, 112:1403-1415. [本文引用: 1]
[17]	Simar L, Wilson P W.Estimation and inference in two-stage, semi-parametric models of production processes [J]. Journal of econometrics, 2007, 136(1):31-64. [本文引用: 1]
[18]	Wijesiri M, Viganò L, Meoli M.Efficiency of microfinance institutions in Sri Lanka: A two-stage double bootstrap DEA approach [J]. Economic Modelling, 2015, 47: 74-83. [本文引用: 1]
[19]	Lee B L, Worthington A C.Technical efficiency of mainstream airlines and low-cost carriers: New evidence using bootstrap data envelopment analysis truncated regression [J]. Journal of Air Transport Management, 2014, 38(3): 15-20. [本文引用: 1]
[20]	国家统计局工业交通统计司. 2007-2013年中国能源统计年鉴[M]. 北京: 中国统计出版社,2008-2014. [本文引用: 1] [National Bureau of Statistics of Industrial Transportation. Chinese Statistics Yearbook [M]. Beijing: China Statistics, 2008-2014.] [本文引用: 1]
[21]	国家统计局. 2007-2013年中国统计年鉴[M]. 北京: 中国统计出版社, 2008-2014. [本文引用: 1] [National Bureau of Statistics of China (NBSC). Chinese Statistics Yearbook [M]. Beijing: China Statistics, 2008-2014.] [本文引用: 1]
[22]	王姗姗, 屈小娥. 基于环境效应的中国制造业全要素能源效率变动研究 [J].中国人口·资源与环境, 2011, 21(8): 130-137. [Wang S S, Qu X E.Research on total factor energy efficiency change of China manufacturing industry considering environmental effects: Based on DEA-Malmquist index empirical study [J]. China Population, Resources and Environment, 2011, 21(8): 130-137.]
[23]	石油和化学工业“十二五”发展规划 [EB/OL]. (2011-12-13)[2015-06-21]. .URL [本文引用: 1] [Twelfth Five-Year Development Plan on Petroleum and Chemical Industry [EB/OL]. (2011-12-13)[2015-06-21]. .]URL [本文引用: 1] 资有限有效则表示R&D投资对该行业改善能源和环境绩效以及减少二氧化碳排放具有一定的促进作用,但作用有限.URL [本文引用: 1]
[24]	如表2所示,石油和天然气开采业、在整个研究阶段均为投资有效的情况,说明这些行业的技术设备等改进空间较大,并且一旦得到改进即会使其经济效益和环境保护达到双赢.医药制造业、黑色金属冶炼和压延加工业在2006-2012年间分别除2011年和2008年研发投资对其有限有效外,其余均为有效,表明这两个行业也应该加大研发投资的投入,使其实现在提高能源和环境效率的同时保持经济效益的提高.对于农副食品加工业、电力、热力生产和供应业等行业而言,R&D投资是有限有效的,说明适当的投资在一定程度和范围内可以平衡这些行业的经济效益和环保行为.煤炭开采和洗选业及食品制造业的综合效率有提高的空间,然而在2006-2010年投资对其无效,但2011年和2012年投资均是有效的,意味着这些行业同样需要加大研发投资.烟草制造业以及黑色金属冶炼和压延加工业等行业的综合效率值较高,同时研发投资对其也有效,这说明适量的投资会使这类行业履行环保责任的同时创造更多的经济效益.化学原料和化学制品制造业及非金属矿物制品业等行业的综合效率较低,但整个研究阶段研发投资对其都是无效的,二者均为高耗能行业,目前制约其发展的主要因素是其不合理的能源结构.
[25]	总体而言,化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、石油加工炼焦及核燃料加工业、电力热力生产和供应业等六大高耗能行业的综合效率和投资策略存在差异性.黑色金属冶炼及压延加工业的主体是钢铁行业,其在整个研究阶段的综合效率值均为1.000,主要原因是国家近些年鼓励高性能钢铁的研发,通过税收减免、补贴、重大项目支持等形式支持企业的研发、研究成果产业化和发展相关配套设施.投资策略结果表明加大黑色金属冶炼及压延加工业投资力度还可进一步改善其环境绩效.有色金属冶炼及压延加工业以及电力热力生产和供应业的综合效率均值均在0.900以上,其中有色金属冶炼及压延加工业附加值逐年增长,呈现良好发展态势,电力热力生产和供应业作为中国国民经济的基础性支柱行业,在中国经济持续稳定发展的前提下,工业化进程的推进产生日益增长的电力需求,中国中长期电力需求形势依然乐观,电力行业将持续保持较高的景气水平,但适当的技术研发投资仍可提高二者的能源和环境绩效.石油加工、炼焦和核燃料加工业的综合效率均值为0.810,为高耗能高污染的资源型产业,能源结构需要进一步优化.化学原料和化学制品制造业的综合效率均值为0.683,中国作为世界最大的基础化学原料制造国,化学原料和化学制品制造业能源消耗占工业能源消耗的14%,产生大量环境污染物,因此在追求经济效益的同时需要加强环境保护.非金属矿物制品业的综合效率均值均最低,仅为0.472,因为非金属矿物制品业包含建材类产品,例如水泥等高污染、高二氧化碳排行业,知识和技术的扩散有限,仍处于粗放增长的阶段.此外,煤炭开采和洗选业由于行业规模不断扩大,竞争日益激烈,导致供求不平衡,自2010年以来产业附加值逐年下降,其综合效率均值较低,为0.779.
[3.]	2 Truncated回归结果分析 [本文引用: 2]
[4]	在中国工业能源效率影响因素的研究中,王珊珊等^[22]考虑了研发投入、企业规模、外资水平、资本深化及市场竞争等5个因素,Li等^[12]探讨了工业结构、能源消费结构、技术进步以及政府规制等四个因素.中国“十一五”和“十二五”规划将工业经济转型是否可以改善工业的能源和环境绩效作为讨论的热点,加之中国目前工业经济基本是加强市场竞争力、推进国企改革以及完善产权法律结构的阶段,结合前人研究的理论基础,本文选取工业结构、能源结构、技术创新以及市场竞争等4方面的7个基本因素来分析综合效率变化的影响因素.具体见表3. [本文引用: 1]
[5]	表4为Truncated回归结果,根据表4可以得到以下结论: [本文引用: 1]
[6]	(1)企业规模、资产-劳动力结构以及天然气消费量在能源消费总量占比等因素的系数不显著,这说明三者并不是现阶段中国工业综合效率的主要影响因素.其中企业规模和资产-劳动力结构代表的是工业结构,工业结构对综合效率影响不显著的 [本文引用: 1]

2006-2012年中国工业行业能源和环境综合效率及其影响因素

本站小编 Free考研考试/2021-12-29

Energy and environmental unified efficiency of industrial sub-sectors and its influemcing factors in China

1 引言

2 研究方法与数据来源

2.1 数据包络分析

2.2 Truncated回归模型

2.3 变量说明及数据来源

3 结果及分析

3.1 工业子行业综合效率测算及投资策略

4 结论与建议

4.1 结论

4.2 建议

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/能源 工业 综合 投资 环境

领限时大额优惠券,享本站正版考研考试资料!

2001-2012年全球23国新能源发电效率测算与驱动因素分析

2002-2012年江苏省化石能源消耗的影响因素

工业用水库兹涅茨曲线分析

面向综合定位导航授时系统的天地基脉冲星时间研究

级联环境下三量子比特量子关联动力学研究

环境温度下晶硅光伏组件的直冷背板散热分析

Al-Ti-B细化工业纯铝凝固组织演变过程数值模拟

浅海周期起伏海底环境下的声传播

氮化镓在不同中子辐照环境下的位移损伤模拟研究

基于摩擦纳米发电机的可穿戴能源器件

2006-2012年中国工业行业能源和环境综合效率及其影响因素

本站小编 Free考研考试/2021-12-29

Energy and environmental unified efficiency of industrial sub-sectors and its influemcing factors in China

1 引言

2 研究方法与数据来源

2.1 数据包络分析

2.2 Truncated回归模型

2.3 变量说明及数据来源

3 结果及分析

3.1 工业子行业综合效率测算及投资策略

4 结论与建议

4.1 结论

4.2 建议

参考文献文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

相关话题/能源 工业 综合 投资 环境

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/能源工业综合投资环境