研发投入对提高能源效率的影响
——基于中国省级面板数据的实证分析

杨志江

（韶关学院 经济管理学院， 广东 韶关 512005）

研发投入对提高能源效率的影响
——基于中国省级面板数据的实证分析

杨志江

（韶关学院 经济管理学院， 广东 韶关 512005）

利用基于方向性距离函数的全局DEA模型对中国29个省份1998-2013年期间的能源效率进行测度，并运用Tobit模型实证检验了研发投入对能源效率的影响。研究结果表明：中国能源效率水平较低，但整体呈上升趋势，东部与中西部的能源效率由样本初期不存在显著差异逐渐演变为两极分化格局凸显；研发投入对能源效率没有显著促进作用，但2006年以后的研发投入对能源效率有显著促进作用，这应该是由于在这阶段中国严格实施了一系列环境规制政策；1998-2005年间和2006-2013年间的企业研发投入对能源效率均有显著促进作用，而且2006年以后的促进作用更大，但公共研发投入对能源效率均没有显著促进作用。

研发投入；能源效率；DEA-Tobit；方向性距离函数

能源危机和环境污染是国家和社会极为关注和亟需解决的现实问题，实施节能减排已成为中国的基本国策，更成为各级地方政府的重要考核指标。空气中约70%的CO2排放、90%的SO2排放和67%的NOX排放来自于化石能源的使用［1］，这决定着实施节能减排的工作重点是在经济生产中减少能耗，而不是耗能之后再去解决减排问题［2］。当然，现阶段中国的节能减排工作，不能单纯地依靠减少能源投入，以牺牲经济增长为代价。在保障经济增长的前提下寻求能源效率的提升，促使经济增长向绿色方式转变，是中国当前亟需解决的难题。

技术进步是提高能源效率的主要途径，这被众多学者所认可。理论上，作为技术进步的主要来源，研发投入是促进能源效率提高的重要途径。但是，由于以下原因，研发投入并非必然能够提高能源效率：一是研发投入推动的技术进步有可能是能源耗用偏向。能源耗用偏向技术进步会引起能源要素对其他要素的替代，使得能源投入的相对比例提高，那么能源效率可能反而会出现降低或基本不变。地区将大量的研发资金投资于高耗能技术，并推动了能源耗用型技术进步，在很多研究中得到了验证，也符合很多地区的现实情景［3-4］。二是存在“能源回弹效应”。研发投入带来的技术进步在降低能源消耗的同时，也会推动经济增长，这反而可能会引发更多的能源需求，从而对能源效率提升产生负向作用。那么，近年来中国大量的研发投入是否促进了能源效率提高?2006年以来国家严格实施的环境规制政策是否能够改变研发投入对能源效率的影响？何种创新主体的研发投入更有助于提高能源效率？本文试图对这些问题进行解答。

一、文献回顾

近年来，很多学者对能源效率及其影响因素进行了实证研究。由于现实的生产活动是能源、资本和劳动等生产要素共同作用的结果，具有明显的“全要素”特点，许多文献在全要素框架内测度能源效率。Hu和wang、Yeh et al.、张志辉等基于径向DEA模型测算能源效率。然而，这样测算的能源效率只是包含所有生产要素的综合效率，并没有将资本、劳动等要素的无效率分离出来。为真实反映生产过程中的能源浪费程度或可节能空间，Zhou et al.、林伯强和杜克锐运用基于Shephard方向距离函数的SFA方法对能源效率进行了测度，其方向距离函数反映在资本、劳动投入与经济产出不变时能源投入可缩减的最大比例［5-6］。但该文献仅考察了期望产出，而没有考虑非期望产出（污染物）对能源效率的影响。另外，根据生产前沿的不同，DEA模型可以分为当期DEA、序列DEA和全局DEA。现有文献主要运用当期DEA或序列DEA测算能源效率。对于某个时期（假设为t期）的效率评价，当期DEA仅根据t期的观察值构造生产前沿，这容易出现“技术退步”现象，而序列DEA是根据t期以前（包括t期）所有的观察值构造生产前沿，这在形式上又不满足可传递性要求，上述缺陷均会制约能源效率的跨期可比性，不利于考察能源效率的长期趋势。

技术进步是提高能源效率的重要途径，大量文献依据中国地区或行业的数据对两者的关系进行了实证检验。齐志新和陈文颖、Zhao et al.、孙广生等学者是采用指数分解法或结构分解法，通过将能源效率指标分解为地区或部门能源强度的变化（衡量技术进步效应）、地区或部门产值占比的变化（衡量结构效应）等因素来考察。张伟、赵楠、王班班和齐绍洲等学者建立了能源效率的影响因素回归模型，并通过分析技术进步变量的系数估计值及其显著性来考察。第二类研究需要选取技术进步的代理衡量指标，多数文献是利用Malmquist生产率指数法测度的全要素生产率（或其分解项技术进步、技术效率）来衡量，少数文献是采用FDI技术溢出或研发投入来衡量。

综上所述，关于能源效率的实证研究文献颇为丰富，但多数文献在测度能源效率时都没能真实地反映生产过程中的能源浪费程度或可节能空间，或者没有考虑非期望产出（污染物）对能源效率的影响，采用的当期DEA、序列DEA也不利于考察能源效率的长期趋势；在实证检验技术进步对能源效率影响的文献中，虽有少数文献选取研发投入作为代理指标实证分析了技术进步对能源效率的影响，但是这些文献均未详细探究实现技术进步的具体路径——研发投入对能源效率的影响，更鲜有文献进一步分析不同主体的研发投入对能源效率影响的异质性以及环境规制如何影响研发投入与能源效率的关系。

二、研究方法与数据来源

（一）研究方法

1.能源效率测算模型

在借鉴已有文献的基础上，本文将DEA方法和方向性距离函数相结合，构建基于方向性距离函数的全局DEA模型测度能源效率。假设在时期t（t=1，…，T）第j（j=1，…，J）个决策单元使用M种非能源投入x和N种能源投入e，生产出Q种期望产出y和H种非期望产出b，基于方向性距离函数的测度能源效率全局DEA模型为：

在（1）式中，j0和t0分别代表受评的决策单元和时期，I表示投入导向；方向性距离函数表示在非能源投入、期望产出和非期望产出保持不变时，能源投入可缩减的最大比例；各决策单元的能源效率都是用样本期间所有投入产出数据所构建的单一生产前沿来评价。

2.计量模型

DEA模型测算的能源效率值都处于0～1之间，如果直接采用最小二乘法进行回归分析，会给参数估计带来偏误。为解决这个问题，Tobin提出了截取回归模型（Tobit模型）。在考虑相关控制变量的基础上，构建的Tobit计量回归模型如下：

在（2）式中，EE表示实际测算的能源效率水平，EE*是对应的隐藏变量；RD、CYJG、NYJG、FDI和YSBF分别表示研发投入、产业结构、能源结构、外商直接投资和要素禀赋水平，其中RD是本文关注的核心变量；ωit是随机误差项。运用固定效应Tobit回归模型对面板数据进行计量分析，得到的估计值往往存在偏误，因此本文采用随机效应Tobit模型。为消除异方差影响，对各解释变量均取自然对数。

（二）数据来源

在测算能源效率时，期望产出用GDP来衡量，劳动力用从业人数表示，非能源投入考虑劳动力投入和资本投入。借鉴Watanabe and Tanaka和涂正革的做法，非期望产出用二氧化硫（SO2）指标表示。《中国统计年鉴》从1998年才开始提供地区二氧化硫排放量的数据，因此，样本数据选取1998-2013年间中国29个省份的面板数据。西藏数据多有缺失，分析中将其略去，重庆市数据合并至四川省，并将数据调整为1998年不变价格。资本存量用常见的“永续盘存法”估算，并借鉴张军等的测算数据及公式，计算得到各省份1998-2013年间的资本存量。由于各省份的能源消费结构存在差异，能源投入采用以折算成标准煤的能源消费量表示。能源投入的数据来自《中国能源统计年鉴》，资本存量、劳动力、期望产出和非期望产出的数据来自《中国统计年鉴》。

考虑到研发投入对能源效率的影响具有滞后性，采用R&D存量度量研发投入。对于R&D存量，同样采用“永续盘存法”估算，并借鉴王班班和齐绍洲对R&D价格指数、R&D存量折旧率和基期R&D存量的处理方法，计算得到各省份1998-2013年间的R&D存量。为考察不同主体的研发投入对能源效率影响的差别，将研发投入还分为了公共研发投入（GGRD）和企业研发投入（QYRD），其中公共研发投入用高等学校、研究与开发机构的R&D存量之和表示，企业研发投入用企业R&D存量表示。在控制变量中，产业结构选取第三产业产值与GDP的比重表示；能源结构选取能源终端消费中非煤炭能源所占比重表示；外商直接投资选取外商直接投资额与GDP的比值表示；生产要素禀赋水平选取人均能源使用量表示。各解释变量的计算数据来源于《中国科技统计年鉴》、《中国能源统计年鉴》、《中国统计年鉴》以及各个省份的统计年鉴。

三、估计结果及分析

（一）省级能源效率水平

图1 各省份能源效率

依据式（1），使用MaxDEA 6.3软件测算了中国1998-2013年间各省份的能源效率（EE），图1展示了样本期间全国及分地区能源效率的演变趋势。与现有多数文献相比，本文测算的能源效率较低，这主要是由于我们采用的是全局DEA模型，对各个时期所有省份的能源效率测度均是采用整个样本期间的最优生产前沿。整体而言，中国的能源效率水平较低，样本期间的平均EE仅为0.554，有8个省份的平均EE低于0.40，平均EE超过0.80的的省份只有3个，大部分省份存在较为严重的能源过量消耗问题。从空间分布来看，东部的平均EE达到0.705，而中部和西部的平均EE分别仅为0.458和0.467，呈现出“东部高，中西部低”的梯状分布特征。从演变趋势来看，样本期间全国平均EE呈“1998-2005年波动中微弱下降，2006-2013年逐年较快上升”的演变特征，整体处于上升趋势。东部与中西部的能源效率在样本初期不存在显著差异，但是由于在1998-2005年间中西部的平均EE处于下降趋势，而东部的平均EE表现出上升趋势，以及2006-2013年期间东部平均EE递增速度明显高于中西部，导致在样本期末东部与中西部的能源效率呈现出严重的两极分化格局。

（二）回归结果及其分析

本文接下来利用Stata 12.0软件对式（2）进行了回归估计。为考察2006年以后中国严格实施的环境规制政策是否改变了研发投入对能源效率的影响，笔者对1998-2005年和2006-2013年进行了分阶段估计；为识别何种主体的研发投入更有助于提高能源效率，将研发投入进一步分为了公共研发投入（GGRD）和企业研发投入（QYRD），结果见表1。其中，（1）-（3）列是整体研发投入的估计结果，（4）-（6）列是区分不同主体研发投入的估计结果。如表1显示，各变量的系数估计值在方向上基本保持一致，且多数情况下显著，说明估计结果具有稳健性。

表1 实证分析结果

数据来源: 根据官方统计数据运用Stata 12.0软件计算得到。其中，括号内为P值。

在表1中的第（1）列，RD变量的系数估计值为正，但是不显著，表明研究投入对能源效率没有显著促进作用，研发投入并不是地区能源效率存在显著差异的主因。山东、辽宁、河北、四川和陕西等省份是研发投入相对较高的地区，但这些地区并没有较高的能源效率，而海南、青海、贵州和广西等省份是R&D投入相对较少的地区，但这些省份具有较高的能源效率。研究投入对能源效率没有显著促进作用，其原因在于：一是研发投资带来的更多是耗能技术。近年来，中国的钢铁、非金属矿产、化工和电力等高能耗产业的快速发展也反映出生产技术的高能耗特征。二是由于“能源回弹效应”的存在。邵帅基于中国数据的研究证实在技术进步的节能效果中有相当一部分被经济快速增长所带来的新一轮能源消费所抵消［7］。第（2）列和（3）列的估计结果显示1998-2005年间的研发投入对能源效率没有显著影响，但是2006-2013年的研发投入对能源效率有显著正影响。与1998-2005年相比，2006-2013年的研发投入对能源效率有显著促进作用，这可能是由于2006年以来中国严格实施了一系列环境规制政策，例如在“十一五”和“十二五”的国民经济与社会发展规划中制定了节能减排的强制性任务，并制定落实了“千家企业节能行动”、“十大重点节能工程”、“淘汰落后产能”等具体政策措施。环境规制强度的提高有利于刺激创新主体增加节能技术研发的投入力度，强化研发创新的节能偏向，促进能源节约型技术进步的实现，进而有助于提高研发投入对能源效率的促进作用。

第（4）-（6）列的估计结果表明：1998-2005年间和2006-2013年间的企业研发投入对能源效率均有显著促进作用，且2006-2013年间的企业研发投入对能源效率的促进作用更大，但是各个阶段的公共研发投入对能源效率均没有显著正影响。公共研发投入对能源效率没有显著促进作用，其原因在于：一是中国的高等学校、研究与开发机构存在较为严重的技术成果转化率低的问题。《中国高校知识产权报告（2010）》的数据显示，近年来中国高校的专利转化率一般低于5%。公共研发机构产出的技术成果不能有效转化为生产力而推动技术进步，造成研发资源的大量浪费，其研发投入也就难以通过推动技术进步来促进能源效率提高。二是由于公共研发机构一般不直接从事生产活动，并不是污染物排放的主要来源，面临的节能减排压力很小，国家实施的环境规制政策也很少对其进行约束或激励，这些因素都可能使得公共研发机构缺乏开展节能技术研发的动力，造成研发活动的节能导向不足，其研发投入也就难以通过推动能源节约型技术进步而对能源效率具有显著促进作用。2006年以来，国家积极实施的环境规制政策主要是针对企业进行节能减排的约束与激励，也正是由于企业面临较为严厉的环境规制，从而有利于刺激其增加节能技术研发的投入，使得2006年以后的企业研发投入对能源效率的促进作用更大。

从控制变量的回归结果来看，产业结构变量多数情况下显著为正，这说明第三产业的发展有利于能源效率的提升。当前中国第三产业发展相对滞后，而工业化程度还在不断提高,这都将对能源效率的提升产生不利影响。能源结构变量均显著为正，这说明在能源消费中提高非煤炭能源的比重将有助于改善能源效率。现阶段中国仍以煤炭为主要能源，而煤炭使用是大气污染的主要原因。因此，加快新型能源发展，优化以煤炭为主的能源结构，将是各地区完成节能目标的重要途径。外商直接投资变量多数情况下都为负，这在一定程度上支持了“污染天堂假说”。在今后较长的时期内，中国利用外资引进技术的战略还将继续实施，在限制高耗能项目引进的前提下多引进世界先进的节能技术和产品对能源效率具有积极意义。生产要素禀赋水平变量在多数情况下显著为负，这说明随着人均能源使用量的下降，能源效率会不断得到提高。

四、结论与建议

基于中国29个省份1998-2013年间的面板数据，实证检验了研发投入对能源效率的影响，研究发现：整个样本期间的研发投入对能源效率没有显著正影响，但2006年以后的研发投入对能源效率有显著正影响；1998-2005年间和2006-2013年间的企业研发投入对能源效率均有显著正影响，但公共研发投入对能源效率均没有显著正影响；2006年以来中国严格实施的环境规制政策有助于提高企业研发投入对能源效率的促进作用，但是没有改变公共研发投入对能源效率的影响。

上述结论引起中国节能政策的思考：中国过去主要依靠行政手段来推动节能，尽管在短期内能够取得一定效果，但是这种方法是不可持续的；而通过政府政策驱使企业等创新主体开展研发活动，尤其是通过环境规制政策刺激节能技术研发，充分发挥研发投入对能源节约的积极效应，才是真正有效的策略与方法。在政策层面上，首先需要进一步完善技术创新财税扶持政策，从健全自主创新产品政府采购制度、大力发展风险投资和创业投资等层面营造有利于企业研发的制度环境，从供给和需求两方面激励企业从事更多的研发活动。其次，深化公共研发机构的体制机制改革，加快改革与完善财政科技资金管理制度、科研评价制度和科技成果转化激励机制等，切实推动科技成果转化为现实生产力，营造有利于科技成果转移转化的良好环境。再者，合理制定和实施环境规制政策，形成研发创新的倒逼和激励机制，促使创新主体加大节能技术研发的投入力度，引导研发创新往节能方向发展。以资源环境成本内部化为目标，综合运用排放权交易、节能技术补贴、排污费返还、环境税返还等多种环境规制工具，激励企业更多依靠研发投入来促进节能减排，并实现生产率提高和利润增长。通过科技计划、专项基金和技术需求等形式，积极引导公共研发机构开展节能产业关键共性技术的研发活动，提高节能领域共性技术供给能力，增强公共研发投入的节能偏向。总之，研发投入不仅是推动经济增长的主要动力，更是推动节能减排和环境保护的主导力量，有效发挥研发投入对能源效率的积极作用，对于实施创新驱动发展战略，推动经济社会实现可持续发展都具有重要的战略意义。

［1］张伟，吴文元．基于环境绩效的长三角都市圈全要素能源效率研究［J］．经济研究，2011（10）：95-109．

［2］林伯强，姚昕，刘希颖.节能和碳排放约束下的中国能源结构战略调整［J］.中国社会科学，2010（1）：58-72.

［3］Acemoglu D. Directed Technical Change［J］.Review of Economic Studies,2002（4）:781-810.

［4］贾军，张伟．绿色技术创新中路径依赖及环境规制影响分析［J］.科学学与科学技术管理，2014（5）：44-52．

［5］Zhou P,Ang B W,Zhou D Q. Measuring Economy-wide Energy Efficiency Performance: A Parametric Frontier Approach［J］. Applied Energy,2012（90）:196-200．

［6］林伯强，杜克锐．要素市场扭曲对能源效率的影响［J］．经济研究，2013（9）：125-136．

［7］邵帅，杨莉莉，黄涛.能源回弹效应的理论模型与中国经验［J］．经济研究，2013（2）：96-109．

The Impact of R&D Input on Increasing Energy Efficiency:
An Empirical Analysis of the Provincial Panel Data in China

YANG Zhi-jiang
（College of Economic and Management, Shaoguan University, Shaoguan 512005, Guangdong, China）

The paper employs global DEA on the directional distance function to estimate energy efficiency, and investigates the relationship between R&D and energy efficiency by using Tobit model, based on the data on the China’s 29 provinces during 1998-2013. Our study finds that: The eastern region does not make its energy efficiency significantly higher than that of the mid-western region at the beginning, however, the polarization pattern of energy efficiency highlights at the end; R&D input has not significantly positive effects on energy efficiency, but R&D input has significantly positive effects on energy efficiency because of environmental regulation policy since 2006; R&D input of enterprise has significantly positive effect on energy efficiency in the period of 1998-2005 but during 2006-2013, but the R&D input of public R&D institutes has no significantly effect on energy efficiency.

R&D input; energy efficiency; DEA-Tobit; directional distance function

F223

A

1007-5348（2017）04-0050-05

（责任编辑：陈 娜）

2017-01-06

2014年教育部人文社会科学研究规划青年基金项目“创新的节能减排效应分析”（14YJC630169）

杨志江（1978-），男，湖南浏阳人，韶关学院经济管理学院副教授，硕士；研究方向：技术创新与区域经济学。