【论文摘要】本文利用我国1953—2007年的时间序列数据,检验了TFP和产业结构对我国能源效率的影响。结果发现,TFP对能源效率的影响最大,其次是产业结构。在影响TFP的因素中,FDI、市场化以及基础设施对能源利用效率具有正向影响,最终消费率与能源效率呈倒U关系。在产业结构中,第二产业比重与能源利用效率呈反方向变动,第三产业比重与其呈正方向变动。本文在此基础上,提出了提高TFP和优化产业结构的政策建议。

　　【论文关键词】能源利用效率 全要素生产率 产业结构

　　一、引言

　　对我国发展而言,依靠什么途径提高能源利用效率的问题,具有重大的科研和经济、社会意义。目前,学术界对能源利用效率的变动到底归因于产业结构变化还是技术进步一直存在着争议。许多文献,如Ian Sue Wing(2004)、徐国泉等(2007)、史丹(2007)、杨洋等(2008)等都认为,产业结构变化对能源利用效率起主要作用,其次才是技术进步。但近来越来越多的文献认为,技术进步是影响能源利用效率的主要因素。李廉水等(2006)、史丹等(2008)、蔡锋伟(2008)以及符淼(2008)的实证分析表明,决定能源利用效率的关键因素是全要素生产率(TFP)。

　　那么决定我国能源效率的主要因素是产业结构调整还是技术进步呢?学术界并没有形成一致的观点,并且以往文献也没有对TFP继续进行分解和细化以深入研究TFP对能源利用效率的影响。而认清这些问题却至关重要,因为许多政策建议就是建立在对这些分析之上的。

　　二、实证检验

　　本部分将利用1953—2007年的时间序列数据来检验产业结构变动、TFP对我国能源效率的影响程度及影响方向,以探索提高能源效率的有效途径。

　　1、模型的设定、变量说明和数据来源

　　为了检验产业结构以及TFP对能源效率的影响,本文拟采用的估计模型为:

　　E=C+α1IND2+α2IND3+α3A+α4p+μ(1)

　　其中,E为能源效率,它是产出与能源消费的比率,表示消耗一单位能源可以获得的产出数量,C是能源强度的倒数,为常数项,μ为残差项。

　　根据以往文献的研究,能源效率可能跟产业结构的变动密切相关,所以我们选择第二产业和第三产业占GDP的比重来反映产业结构的变动情况,分别用IND2和IND3表示。由于三次产业占GDP的比例之和为1,因此第一产业占GDP的比例未加入模型,否则回归矩阵为奇异的(符淼,2008)。

　　有不少学者分析了能源价格与能源效率的关系(Birol、Keppler,2000;高振宇等,2006;杭雷鸣等,2006),我们也将p能源价格变量加入模型中。由于不能得到能源价格的实际数据,所以采用John Asafu-Adjaye(2000)的做法,我们用1953—2007年我国居民消费价格指数(1978=1)作为其代理变量。A为TFP。我们通过两种方法来获得A的可靠数据。

　　第一,假定生产函数如Rashe 和Tatom的形式:

　　Y=AKφEL1-φ-,于是A=Y/(KφEL1-φ-)

　　其中Y为总产出,K为物质资本存量,E为能源消费,L为劳动力。我们的基础计量模型采用时间序列分析,其对数形式如下:

　　1n(Y/L)=C+φ1n(K/L)+1n(E/L)+?着(2)

　　其中C为常数项,?着为残差项。我们运用1953—2007年的全国时间序列数据(均以1978年为不变价格),所有数据来源于王小鲁等(2009)和《中国统计年鉴》,采用OLS对(2)式进行回归分析,得到φ=0.6095和=0.3905。

　　第二,为了获得稳健性的结论,我们考虑劳动力的质量,将(1)中的科布-道格拉斯生产函数变为Y=AKαE?茁H1-α-?茁,其中H为有效劳动力,我们得到α=0.6932和?茁=0.4068。计算的A的变动趋势如图1实线(方法1)和虚线(方法2)所示。我们可以看到,尽管两种方法所测算的TFP数值并不完全相同,但是其变动趋势是基本一致的,因此我们认为这两种方法所测算的TFP的数值还是可信的。

　　2、计量回归结果

　　运用我国1953—2007年的数据,我们采用OLS对(1)式进行了回归分析,回归结果如下:

　　E=-0.0436-0.0320IND2+0.1324IND3+0.0141p+0.3434A+μ(3)

　　(-1.7139)(-0.9153) (2.2563)(7.7614)(9.9392)

　　其中,Adj.R2=0.9432;DW=0.3360;N=54。

　　E=-0.0431-0.0354IND2+0.1379IND3+0.0145p+0.3266A(4)

　　(-1.6445)(-0.9852) (2.2917) (7.7889) (9.5368)

　　其中,Adj.R2=0.9401;DW=0.3369;N=54。

　　通过回归结果(3)和(4)看到IND2,第二产业比重的系数为负,这与许多文献的结论相符合。这是因为第二产业通常是资本密集型产业,而资本与能源是互补的。在产业结构变动中,如果能源消费水平高的第二产业比重增大,整个国民经济的能源强度就会提高,能源效率就会降低。但是我们看到,尽管IND2系数的符号符合经济规律,但t值却很低,不具有统计显著性。第三产业比重的系数为正,并且在5%水平上显著。这表明,第三产业比重变动对能源效率具有正向影响。这是因为第三产业通常以服务业为主,相对于第二产业,资本密度较低,能耗较低,其比重的扩张将有利于提高能源效率。

　　能源价格p的符号为正,并在1%的统计水平上显著异于零,这表明,能源价格上升会提高能源效率,但其对能源效率的影响显然要小于产业结构。

　　当然,我们最为关注的是回归结果中TFP对能源效率的影响。回归结果(3)和(4)显示,A的系数分别为0.3611和0.3439,并且在1%的水平上显著,这表明TFP对能源效率的确有着显著的正向影响,这与许多学者的观点也是一致的。而且比较其他变量对能源效率的影响后发现,TFP是影响能源效率的最为重要的因素。因此,要提高我国的能源效率,必须大力提高TFP。

　　但是,根据王小鲁等的研究,如下因素会能影响TFP:市场化改革、城市化、外贸、外资、基础设施、R&D和最终消费率。除此之外,许和连等认为,在生产效率提高中,人力资本所起的作用最大。究竟哪些因素会影响能源效率呢?我们将(1)式进一步扩展为下面形式:

　　E=C+α1IND2+α2IND3+α3p+α4h+α5r+α6m+α7μ+α8f+α9t+

　　α10i+α11fc+α12fc2+e(5)

　　其中h为人力资本。本文遵循普遍采用的人均受教育年限指标(Barro and Lee,2000),r为财政支出中用于科学研究的人均经费支出,用于衡量R&D。m用来代表市场化程度,以非国有经济在工业总产值中的比重代替。μ是城市化率。f是外资在总资本存量中的比重。t是外贸依存度,即进出口总额占GDP的比重。i是标准化道路里程与人口的比值,用以反映基础设施条件。fc是最终消费率,关于最终消费,根据王小鲁等(2009)的假设,它在GDP中的比重过高或过低都会影响经济效率,其影响是非线性的。因此,我们把fc及其平方项加入模型中,以检验其对能源效率的影响。e是随机误差项。