中国行业隐含能源消费及其强度的变动与影响因素

2021-07-29 05:15李虹王帅
中国人口·资源与环境 2021年5期

李虹 王帅

摘要 与传统生产侧的能源消费和能源强度不同,使用2012、2015和2017年可比价非竞争性投入产出表从需求侧对我国各行业的隐含能源消费和隐含能源强度进行了测算。基于行业间投入产出关系编制了行业间能源消费、增加值和能源强度转入转出平衡表。最后分别使用加法SDA和乘法SDA将我国能源消费总量和能源强度的变动分解为能源效率效应、增加值率效应、生产结构效应和最终需求效应,并使用归因分析将全国层面的各个分解效应归因至行业层面。研究结果显示:第一,金属冶炼和压延加工业等传统高耗能行业的隐含能源消费并不高,而建筑业是隐含能源消费最高的行业,这是由于采掘业、制造业和能源工业超过30%的传统能源消耗都是因满足建筑业的最终需求导致的。第二,传统能源强度较高行业的隐含能源强度往往也比较高,如非金属矿物制品业、金属冶炼和压延加工业等,说明这些行业无论生产侧还是需求侧均带来了以过度能源消耗为代价的“粗放式”经济增长。第三,2012—2017年各行业能源效率变动和生产结构变动促进了我国能源消费总量的下降,而增加值率变动和最终需求变动大幅增加了能源消费总量,其中建筑业和其他服务业对能源消费总量上升的贡献最大。第四,2012—2017年除了增加值率效应外,其余三个效应均总体上降低了我国的能源强度,其中专用设备制造业和交通运输设备制造业是导致能源强度下降的主要行业。因此,促进能源节约高效利用的各项政策应从仅关注生产侧高耗能行业的生产导向模式向同时考虑生产侧和需求侧的多行业综合治理模式转变。

关键词 隐含能源消费;隐含能源强度;投入产出分析;结构分解分析

中图分类号 F223

文献标识码 A文章编号 1002-2104(2021)05-0047-11DOI:10.12062/cpre.20201006

能源是经济社会发展的重要因素,作为经济活动的关键投入之一,能源不仅保证了过去几十年来我国经济的高速发展,也导致了过度依赖能源资源的现状,形成了高投入、高消耗、高污染的“粗放式”经济发展模式。作为世界最大的能源消费国,我国在能源发展“十三五”规划、国民经济和社会发展“十三五”规划中对能源消费总量和能源强度进行了双重目标控制。因此,为了更有效地改善能源消费现状和降低能源强度,需要对各行业的能源消耗及其強度进行进一步分析,识别哪些行业的能源消费量和能源强度比较高,未来哪些行业更有潜力进行优化。目前我国将节能减排的重点放在了钢铁、水泥、金属冶炼、化工等高耗能行业上[1],却忽略了对高耗能行业产品需求量较大的其他行业,这些行业往往从需求侧拉动了高耗能行业的产品生产和能源消耗。与碳排放责任界定中的消费者负责原则类似,某行业隐含能源消费是该行业最终需求引起的该行业和其他行业能源消耗之和[2],即因满足该行业最终需求所消耗的全部能源。类似地,可以从需求角度计算该行业最终需求驱动的隐含增加值,隐含能源消费量与隐含增加值之比为该行业的隐含能源强度[3],即因满足该行业最终需求所产生的单位增加值的能源消耗。该指标可以衡量某行业最终需求所驱动的增加值增长是否以过度的能源消耗为代价,属于“集约式”增长还是“粗放式”增长。总的来说,对我国行业隐含能源消费及其强度进行深入研究可以更清晰地展示各行业最终需求导致的能源消耗现状,为制定行业层面能源节约高效利用政策提供理论依据,有利于推动我国顺利实现能源利用的“双控”目标。

1文献综述

目前学者们已经在行业隐含能源消费方面进行了较多研究,例如Liu等[2]测算了我国29个工业行业的隐含能源消费,发现建筑业和其他服务业的供应链中有大量的隐含能源消耗。Shi等[4]使用世界投入产出表研究了全球各行业间隐含能源流动的演变特征。有的学者针对个别行业进行详细分析,例如Hong等[5]采用多区域投入产出(MRIO)分析了建筑业隐含能源供应链的空间和行业分布,结果表明,辽宁、山东和广东是最大的能源供应区域,非金属矿物制品业、金属冶炼和压延加工业以及交通运输、仓储和邮政业是最大的能源供应行业。Cao等[6]使用投入产出分析方法计算了农业部门的总隐含能源需求量(TEER),并分析了影响农业部门TEER变化的因素。在隐含增加值方面,刘遵义等[7]、Chen等[8]和Dietzenbacher等[9]构建和发展了基于最终需求的隐含增加值,在此基础上,Su等[3]系统地定义了全国层面、各行业最终需求层面和各类最终需求层面的隐含能源强度,并使用乘法SDA对不同层面隐含能源强度的变化进行分解以识别其影响因素。Yan等[10]计算了“十二五”期间我国各行业的隐含能源消费及其强度,并分析了我国能源消费与能源强度变化的驱动因素。

从研究方法上看,研究能源消费与能源强度变动和影响因素的方法主要包括生产理论分解法(PDA)[11-12]、指数分解法(IDA)[13-14]和结构分解法(SDA)[15-18]。由于SDA模型基于投入产出表,可以分析国民经济中某行业对其他行业的直接或间接影响,因此近年来应用较多[19]。SDA有加法和乘法两种分解形式,加法形式的优势在于分析绝对量指标的绝对变化,其分解结果与所研究的绝对量指标用同一单位表示,便于展示和理解,且建模和计算都比较简单[20-21]。而乘法形式在分解相对量指标的相对变化时更有优势,由于其分解结果均为无量纲的指数形式,因此易于解释导致该相对量指标相对变化的影响因素[22],Fan等[23]和李玲等[24]均使用乘法SDA对能源强度变化进行分解。此外,由于我国对能源消费总量和能源强度的“双控”目标分别为绝对变动控制和相对变动控制,因此同时使用加法SDA和乘法SDA进行研究可以得到更具现实意义和政策指导性的分析结果。

在各行业对全国层面各影响因素的贡献方面,加法SDA便于通过归因分析(attributionanalysis)将全国层面各分解效应归因至行业层面,而乘法SDA比较复杂,根据目前的文献来看,乘法SDA全国层面各分解效应的行业归因分析主要有两种方法:第一种方法从全国能源强度的分子分母出发,分别将全国能源消费量相对变化和全国增加值相对变化表示为各行业传统能源消费量和传统增加值相对变化的几何平均形式,最后将全国各分解效应归因至行业层面[10,19]。第二种方法从全国能源强度是各行业隐含能源强度的加权平均关系出发,分别对权重和各行业隐含能源强度进行乘法SDA分解,最后用行业层面各分解效应来计算全国各分解效应[3,25]。两种归因分析方法的差别在于方法一是精确归因分析,而方法二是近似归因分析。尽管出发点不同,但可以验证两种方法得到的结果非常接近,且都可以准确刻画全国能源强度的相对变化。

综上所述,已有文献不仅从理论层面对行业隐含能源消费及其强度进行了研究,而且在方法论上进一步发展和完善了乘法SDA与归因分析,使其成为分析能源强度变化与影响因素的有力工具。这些文献提供了从需求侧考察各行业能源消耗状况的新视角,对该研究有重要的参考和指导意义。但是总的来看,对我国行业隐含能源消费及其强度的研究仍然存在以下几点不足:①已有文献虽然定义和测算了行业隐含能源消费和隐含能源强度,但并未深入探讨行业隐含能源消费与传统能源消费、隐含能源强度与传统能源强度之间的区别和联系。②已有文献大多尚未考察各行业隐含能源消费、隐含增加值和隐含能源强度的行业构成,由于能源消耗发生在产品的生产过程,因此探究各行业的隐含能源消费和隐含能源强度主要来源于哪些行业的生产过程是十分必要的,这有助于进一步优化行业的需求结构和生产结构。③已有文献大多只研究行业隐含能源消费量或隐含能源强度中的一个,在统一的框架下同时研究行业隐含能源消费及其强度的文献较少,由于对行业分类和基准年的选取各不相同,导致行业隐含能源消费与隐含能源强度的研究结果之间缺乏可比性,难以在行业层面得出可比且一致的结论。由于我国目前设定了能耗总量与强度的“双控”目标,因此有必要在统一的研究框架下对两者进行分析。

2模型方法

2.1全国与行业隐含能源消费及其强度的定义

根据Leontief非竞争性投入产出表的基本关系,可建立以下模型:

接下来定义能源直接消耗系数矩阵F等于各行业单位增加值的各品种能源消费量,1′F即为各行业的传统能源强度行向量。因此全国能源消费总量E可以表示为:

其中,v是传统增加值向量,k=()-1v是增加值率向量,是其对角矩阵。diag(1′F)Ldy为各行业传统能源消费列向量,1′F

Lddiag(y)为各行业隐含能源消费行向量,其中diag表示向量的对角矩阵,因此全国能源消费总量E等于各行业传统能源消费之和或各行业隐含能源消费之和。矩阵diag(1′F)Lddiag(y)通过投入产出关系建立了各行业隐含能源消费与传统能源消费之间的联系,其第i行第j列的元素∑eFeiiiLd,ijyj則代表了因满足行业j的最终需求所消耗的行业i的能源,其中e为能源种类。

类似地,基于非竞争性投入产出表生产法计算的全国总增加值GDP可以表示为:

其中,1′Lddiag(y)为各行业隐含增加值行向量,矩阵Lddiag(y)建立了各行业隐含增加值与传统增加值之间的联系,其第i行第j列的元素

iiLd、ijyj则代表了因满足行业j的最终需求所导致行业i的增加值。

在Su等[3]提出的整体隐含强度AEI(AggregateEmbodiedIntensity)的基础上,定义整体隐含能源强度AEEI(AggregateEmbodiedEnergyIntensity)为隐含能源消费与隐含增加值的比值,则AEEI在全国层面和行业层面的定义分别为:

其中,AEEI与传统的全国能源强度计算结果相同,AEEIi表示行业i的隐含能源强度,Ei与GDPi分别代表行业i的隐含能源消费与隐含增加值。可以发现:

其中,wi代表各行业隐含增加值占全国总增加值的比重,且∑iwi=1,因此全国能源强度是各行业隐含能源强度的加权平均。此外,各行业隐含能源强度与本行业最终需求的大小无关,且行业i的隐含能源强度是各行业传统能源强度的加权平均,权重γij=jjLd,jiyi∑jjjLd,jiyi衡量了行业i的隐含增加值中来自行业j的比例,且满足∑jγij=1。

2.2全国能源消费及其强度的SDA分解与行业归因分析

令t0时刻的能源消费总量为E0,t1时刻的能源消费总量为E1,因此从t0时刻到t1时刻的全国能源消费总量变化ΔE的加法SDA可以表示为:

类似地,令t0时刻的全国能源强度为AEEI0,t1时刻的全国能源强度为AEEI1,因此从t0时刻到t1时刻的全国能源强度变化D的乘法SDA可以表示为:

在结构分解分析方法的选择上,参考Dietzenbacher等[26]使用两级分解法(polardecomposition)计算各个影响因素的分解效应。

2.3数据来源与处理

投入产出数据来自国家统计局公布的2012年、2015年和2017年全国投入产出表,能源消费量数据来自对应年份的《中国能源统计年鉴》,鉴于数据可得性,研究未涉及港澳台地区。参照顾阿伦等[27]将多种能源合并为煤、焦炭、油品、天然气、热力和电力六种,并折算为标准煤(ce)。此外,2012年、2015年和2017年全国投入产出表分别有139部门、42部门和149部门,而能源消费数据有46部门。已有文献对部门数量差异通常有两种处理方法,第一种方法是通过部门合并使投入产出数据和能源数据匹配起来,第二种方法是将能源消费数据分解以匹配投入产出数据。两种方法各有优缺点,第一种方法虽然只能给出更粗糙的计算结果,但不会因为引入额外假设而导致其他潜在错误,保证了原始数据的准确性;第二种方法可以通过某些假设进一步分解能源数据,保留了更详细的投入产出数据[28-30]。由于不同年份投入产出数据的部门数并非都大于能源消费数据的部门数,且为了避免数据分解导致的潜在错误,因此通过部门合并的方式最终得到27个行业,行业代码和名称见表1。

由于国家统计局公布的投入产出数据均按当年生产者价格计算,而能源消费量数据均为实物量以及以实物量为基础计算的标准量,因此不同年份的投入产出表数据可比性较

差,需要使用相应的价格指数将2015年和2017年现价投入产出表折算为以2012年为基期的可比价投入产出表。参考Yang等[31]的做法,农林牧渔业使用农产品生产者价格指数进行折算,工业各行业使用工业生产者出厂价格指数进行折算,建筑业、批发和零售业、交通运输、仓储和邮政业、住宿和餐饮业、金融业、房地产业和其他第三产业均使用现价增加值与可比价增加值的比值进行折算,相关数据均来自《中国统计年鉴》。

由于全国投入产出表均为竞争性投入产出表,并未区分中间使用和最终使用中的国内产品和进口产品,需要编制非竞争性投入产出表。参考北京大学中国经济研究中心课题组[32]、彭水军等[33]的做法,假设各行业使用某行业的中间投入品中进口产品的比例相等,且等于该行业最终使用品中进口产品的比例,则该比例为:

3实证分析

3.1行业隐含能源消费及其强度的测算结果

表1显示了2012、2015和2017年我国各行业隐含能源消费及其强度的测算结果,可以发现隐含能源消费量较大的行业包括化学工业(S11)、交通运输设备制造业(S17)、电气机械和器材制造业(S18)、建筑业(S24)和其他服务业(S27)等,说明我国在生产这些行业最终需求产品的过程中消耗了大量的能源。在各行业隐含能源强度方面,非金属矿物制品业(S12)、金属冶炼和压延加工业(S13)、交通运输、仓储和邮政业(S26)等行业的隐含能源强度较高,是全国能源强度的二至三倍,说明这些行业的最终需求驱动了“粗放式”的经济增长模式,在生产其最终需求产品的过程中导致了较高的单位增加值能耗。而农林牧渔业(S1)、批发、零售、住宿和餐饮业(S25)和其他服务业(S27)的隐含能源强度比较低,只有全国能源强度的一半左右。

3.2行业隐含能源消费及其强度与传统能源消费及其强度的区别和联系

为了分析各行业隐含能源消费及其强度和传统能源消费及其强度的差异,将2017年各行业隐含能源消费及其强度与传统指标进行对比,见图1。从能源消费量来看,传统高耗能行业的隐含能源消费往往并不高,而隐含能源消费量较高行业的传统能源消耗则相对较低,这恰好证明从需求侧对各行业能源消费进行测算和分析是十分必要的,只关注传统能源消费会忽略需求对整个产业链的影响。从能源强度来看,可以发现隐含能源强度较高行业的传统能源强度往往也比较高,说明这些行业不仅在生产侧的能源利用效率较低,在需求侧也驱动了严重依赖能源的经济发展模式。

为更好地揭示行业隐含能源消费和传统能源消费之间的关系,编制了2017年各行业能源消费转入转出平衡表,但限于篇幅原因只给出了行业聚合的结果。参考郭朝先[34]和Zhou等[25]的分类方法,将所有27个行业合并为农业、采掘业、制造业、能源工业、建筑业、服务业、交通运输业共7个行业大类,其中农业包括S1,采掘业包括S2—S4,制造业包括S5—S9和S11—S21,能源工业包括S10和S22—S23,建筑业包括S24,服务业包括S25和S27,交通运输业包括S26,结果见表2。在表2中,第i行第j列(i,j

注:S1农林牧渔业,S2煤炭、石油和天然气开采业,S3金属矿采选业,S4非金属矿和其他矿业采选,S5食品加工及烟草制造业,S6纺织业,S7纺织、服装和皮革制造业,S8木材加工与家具制造业,S9造纸印刷和文教体育制造业,S10石油、炼焦产品和核燃料加工业,S11化学工业,S12非金属矿物制品业,S13金属冶炼和压延加工业,S14金属制品业,S15通用设备制造业,S16专用设备制造业,S17交通运输设备制造业,S18电气机械和器材制造业,S19计算机、通信和其他电子设备制造业,S20仪器仪表制造业,S21废品废料、设备修理与其他制造业,S22电力、热力生产和供应业,S23燃气和水的生产供应业,S24建筑业,S25批发、零售、住宿和餐饮业,S26交通运输、仓储和邮政业,S27其他服务业。

∈[1,7])的能源消费量表示在生产行业j最终需求产品过程中行业i的能源消耗,因此行和为行业i的传统能源消费量,列和为行业j的隐含能源消费量。圆括号中为能源消费量除以行和的结果,即行业i传统能源消费的转出比例;方括号中为能源消费量除以列和的结果,即行业j隐含能源消费的转入比例。

从传统能源消费的转出比例来看,农业的主要转出行业为制造业,即农业在生产过程中产生的传统能源消耗的46.98%应由制造业的最终需求来负责,采掘业、制造业、能源工业和服务业的主要转出行业均为建筑业和制造业,交通运输业的主要转出行业为交通运输业、制造业和服务业,而建筑业转出给其他行业的能源消耗比例很少,仅为1.22%。从隐含能源消费的转入比例来看,农业、建筑业和服务业的主要转入行业均为制造业,即为了满足这些行业的最终需求,制造业消耗了较多的能源,而采掘业、制造业、能源工业和交通运输业的主要转入行业均为本行业。因此,能源消费转入转出平衡表刻画了每个行业传统能源消费和隐含能源消费之间的转入转出平衡关系,是连接生产侧和需求侧能源消费的重要桥梁。

类似地,可以计算出2017年各行業增加值转入转出平衡表,见表3。从传统增加值的转出份额来看,农业、建筑业和交通运输业传统增加值的转出份额就等于其传统能源消费的转出份额,原因是这三个行业并未做进一步的行业聚合。从隐含增加值的转入份额来看,能源工业的主要转入行业为能源工业和采掘业,为满足能源工业最终需求,采掘业贡献了能源工业隐含增加值的35.41%。因此,增加值转入转出平衡表可以揭示我国经济发展的行业结构,从需求侧角度看,制造业、服务业和建筑业是我国经济的支柱产业,因为这三类行业的最终需求驱动了全国GDP的92.85%,而从生产侧角度看,这三类行业仅贡献了全国GDP的79.49%。此外,增加值转入转出平衡表还可以被用来分析若某行业传统能源强度变动一单位,全国能源消费总量及其强度和各行业隐含能源消费及其强度将变化多少,证明过程略。

结合能源消费和增加值的转入转出平衡表,可以得出2017年各行业能源强度转入转出平衡表,结果见表4。第i行第j列(i,j∈[1,7])的能源强度表示生产行业j最终需求产品的过程中,行业i产生的能源消耗与增加值之比。因此,能源强度转入转出平衡表可以衡量因满足某行业的最终需求,哪些行业呈现了“粗放式”发展,而哪些行业又呈现了“集约式”发展。从各行结果来看,农业、建筑业和交通运输业由于未聚合行业,其转出的单位增加值能源消耗都等于各自行业的传统能源强度;制造业在转出给建筑业时的能源强度最高,为1.76tce/万元,说明建筑业的最终需求驱动了制造业的“粗放式”发展,导致制造业产生了较多的单位增加值能源消耗;能源工业在转出给交通运输业时能源强度最高,转出给采掘业时能源强度最低。从各列结果来看,交通运输业转入给各行业时的能源强度都是最大的,而服务业转入给各行业时的能源强度都是最小的,因此降低交通运输业的传统能源强度、优化生产结构和减少交通运输业产品的使用比例等措施将有效降低各类行业的隐含能源强度。

表4圆括号中是能源强度乘以表3相应圆括号中传统增加值转出份额的结果,行和即为传统能源强度,它衡量了某行业的传统单位增加值能源消耗转出给各行业的大小。方括号中是能源强度乘以表3相应方括号中隐含增加值转入份额的结果,列和即为隐含能源强度,它衡量了某行业隐含单位增加值能源消耗的转入来源。因此,通过各行业能源强度转入转出平衡表,可以对单位增加值的能源消费量在行业间进行再分配,以建立行业隐含能源强度与传统能源强度之间的联系。

3.3全国能源消费变动的加法SDA与归因

对2012—2017年间我国能源消费总量变动使用加法SDA分解为能源效率效应ΔEF、增加值率效应ΔEk、生产结构效应ΔELd和最终需求效应ΔEy,并将全国层面各分解效应归因至行业层面。

结果显示,能源效率效应在2012—2017年间总体为负,因此在其他因素不变的情况下,各行业传统能源强度变化降低了全国8496.74万tce的能源消费量。这与我国大多数行业传统能源强度下降和能源利用效率提高有关。从能源效率效应的行业归因分析结果来看,在2012—2017年间建筑业(S24)对全国能源消耗降低的贡献最大,一共降低了6860.06万tce,而交通运输、仓储和邮政业(S26)则大幅拉动了全国6623.70万tce的隐含能源消耗。进一步研究发现,由于生产交通运输、仓储和邮政业(S26)单位最终需求产品对本行业产品的完全需求量最大,且该行业的传统能源强度在2012—2017年间大幅上升了1.15tce/万元,因此导致其能源效率效应为正;而建筑业(S24)能源效率效应为负主要由于对煤炭、石油和天然气开采业(S2)、化学工业(S11)和非金属矿物制品业(S12)的完全需求系数较大,且这三个行业在样本期间内传统能源强度有较大幅度下降(分别下降了0.33、0.37和0.60tce/万元)。增加值率效应在2012—2017年间总体为正,因此在其他因素不变的情况下我国各行业增加值率变动导致了全国能源消耗上升,但是增加值率变动在不同时间段对全国能源消费总量的影响有较大差异,通过计算各行业增加值率的平均值可以发现,2012年各行业平均增加值率为0.29,2015年下降至0.26,2017年又上升至0.30,这在一定程度上解释了增加值率效应在不同时间段存在差异的原因,表明大多数行业为获得单位产出所消耗的中间投入品比例经历了先上升后下降的过程。生产结构效应在2012—2017年间总体为负,但在不同时间段的差异也比较大。从生产结构效应的行业归因分析结果来看,2012—2017年间建筑业(S24)因生产结构优化从而大幅降低了隐含能源消费量,主要原因是生产建筑业(S24)单位最终需求产品时降低了对非金属矿物制品业(S12)、金属冶炼和压延加工业(S13)、交通运输、仓储和邮政业(S26)等传统能源强度较高行业产品的完全需求量。最后,最终需求的不断上升是导致我国能源消费总量增加的主要原因,且2012—2017年间大部分行业的最终需求均有不同程度的上升。总的来看,建筑业(S24)和其他服务业(S27)对我国能源消费总量上升的贡献较大,而通用设备制造业(S15)和专用设备制造业(S16)的隐含能源消费量下降较多。

3.4全国能源强度变动的乘法SDA与归因

对我国2012—2017年间隐含能源强度变动使用乘法SDA分解为能源效率效应DF,增加值率效应Dk,生产结构效应DLd和最终需求效应Dy,并将全国层面的各分解效应归因至行业层面,最后把所有计算结果减1,得到最终结果。

从能源效率效应看,2012—2017年能源效率变动降低了我国能源强度,原因是能源效率变动使我国能源消费总量下降。增加值率效应在两个时间段内分别使全国能源强度提高了0.16%和3.74%,这与全国能源消费总量的增加值率效应先负后正的趋势不同,进一步研究发现,2012—2015年各行业增加值率变动导致我国能源消费总量和总增加值分别降低了8.72%和8.95%,而2015—2017年增加值率变动导致两者分别增加了12.42%和9.04%,导致增加值率效应在两个时间段内均大于1。从增加值率效应的行业归因分析结果来看,2012—2017年建筑業(S24)是推动增加值率效应的主要因素,这是因为增加值率变动使该行业隐含能源消费增加了6871.15万tce,但却使其隐含增加值降低了2209.12亿元。而增加值率变动使交通运输、仓储和邮政业(S26)的隐含能源消费量和隐含增加值分别下降5087.38万tce和2618.83亿元,从而抑制了全国增加值率效应的上升。生产结构效应在2012—2017年使全国能源强度降低了11.63%,这是由于生产结构变动使全国能源消费总量下降了40336.57万tce,却使总增加值上升了3563.05亿元,这表明我国生产技术提高和生产结构优化使许多行业降低了对能源密集型行业产品的依赖,提高了全国能源利用效率。从最终需求效应来看,虽然2012—2017年我国最终需求不断上升导致了能源消费总量大幅增加,但是同时也使总增加值得到更快速的增长,导致我国能源强度在此期间有所降低。总的来看,我国逐渐改变了过去由高耗能、低增加值等能源密集型行业为主导的经济发展模式,金融业和服务业等低耗能、高增加值行业得到快速发展,能源利用效率不断提高。

4结论与政策建议

基于2012、2015和2017年可比价非竞争性投入产出表数据,测算了我国行业隐含能源消费与隐含能源强度,编制了行业间能源消费量、增加值和能源强度的转入转出平衡表。分别使用加法SDA和乘法SDA方法将全国能源消费总量和能源强度变动分解为能源效率效应、增加值率效应、生产结构效应和最终需求效应,并使用归因分析将全国层面各个分解效应归因至行业层面,得出了以下结论:①2012—2017年,我国能源消费总量呈不断上升趋势,能源强度持续下降,表明“十三五”以来我国节能减排和促进能源节约高效利用等工作取得了较大进展。在行业层面,采掘业(S2—S4)的隐含能源消费量较低,而建筑业(S24)、其他服务业(S27)和交通运输设备制造业(S17)等行业的隐含能源消费量较高;化学工业(S11)、非金属矿物制品业(S12)、金属冶炼和压延加工业(S13)等重工业的隐含能源强度较高,而农林牧渔业(S1)、批发、零售、住宿和餐饮业(S25)和其他服务业(S27)的隐含能源强度较低。②行业隐含能源消费及其强度与传统能源消费及其强度既存在区别又存在联系。具体表现在行业隐含能源消费是从需求侧对全国能源消费总量的再分配,行业隐含能源强度是各行业传统能源强度的加权平均。在能源消费方面,采掘业、制造业和能源工业生产过程产生的能源消耗中,超过30%是为了满足建筑业最终需求导致的,且制造业贡献了建筑业隐含能源消费的68.79%。在能源强度方面,制造业在满足其他所有行业的最终需求时均贡献了较多的单位增加值能耗,这与制造业的传统能源强度较高且是国民经济基础性行业有关。③对全国能源消费总量变动的加法SDA发现,2012—2017年能源效率效应和生产结构效应总体促进了能源消费总量的下降,而增加值率效应和最终需求效应大幅增加了我国能源消费总量。从行业归因分析结果来看,各行业对各分解效应的贡献存在一定差异,其中建筑业(S24)和其他服务业(S27)是导致全国能源消费总量上升的主要行业。④对全国能源强度变动的乘法SDA发现,2012—2017年能源效率效应、生产结构效应和最终需求效应均总体上降低了我国能源强度,而增加值率效应则提高了能源强度。从行业归因分析结果来看,专用设备制造业(S16)、交通运输设备制造业(S17)、电气机械和器材制造业(S18)对我国能源强度下降的贡献最大,而建筑业(S24)和其他服务业(S27)导致能源强度上升。

政策建议如下:①由于传统高耗能行业巨大的能源消耗可能是由于处在产业链下游行业(如建筑业)对上游高耗能行业产品的高需求引起的,因此节约能源和提高能源利用效率的政策应从仅关注生产侧能源消耗较高和能源利用效率较低行业的生产导向模式,向同时考虑生产侧和需求侧的多行业综合治理模式转变。②对于化学工业(S11)、非金属矿物制品业(S12)、金属冶炼和压延加工业(S13)等传统高耗能行业,需要大力发展节能生产技术,淘汰落后的生产设备,这是降低我国能源消耗直接且有效的途径。对于建筑业(S24)等隐含能源消费量较高行业,则需要更加关注产业链的能耗问题。例如调整其最终需求结构向节能化发展,优化其生产结构以降低对高耗能行业产品的依赖,尽可能降低其为获取单位最终产出而投入的中间产品,控制不合理的最终需求等。对于隐含能源强度和传统能源强度均较高的行业,例如非金属矿物制品业(S12)、金属冶炼和压延加工业(S13)、交通运输、仓储和邮政业(S26)等,不仅需要提高其生产侧能源利用效率、提高资源回收利用率和中间产品循环利用水平,还需要大力发展和培养节能需求模式,不断推动其最终需求驱动的经济增长向“集约式”方向发展。③调整我国最终需求的行业结构,提高隐含能源强度较低行业(如服务业和电子设备制造业等高新技术行业)在国民经济中的地位,可以有效降低我国的能源消费总量与能源强度。同时,这种经济发展方式的转变和调整需要协调我国的经济政策和能源政策,应根据各行业实际情况适当运用财政补贴、优惠税率和低息银行贷款等政策工具,鼓励和扶持高新技术产业发展,最终才能实现低能耗的高经济增长。④应积极探索有助于降低能源消耗与能源强度的其他方法,例如调整和优化能源消费结构,开发利用效率更高的新能源和可再生能源,促进能源系统改造升级等。

参考文献

[1]魏一鸣,廖华,余碧莹,等.中国能源报告2018:能源密集型部门绿色转型研究[M].北京:科学出版社,2019.

[2]LIUZ,GENGY,LINDNERS,etal.EmbodiedenergyuseinChinasindustrialsectors[J].Energypolicy,2012,49:751-758.

[3]SUB,ANGBW.Multiplicativestructuraldecompositionanalysisofaggregateembodiedenergyandemissionintensities[J].Energyeconomics,2017,65:137-147.

[4]SHIJ,LIH,GUANJ,etal.Evolutionaryfeaturesofglobalembodiedenergyflowbetweensectors:acomplexnetworkapproach[J].Energy,2017,140:395-405.

[5]HONGJ,GUJ,LIANGX,etal.Characterizingembodiedenergyaccountingwithamulti-dimensionalframework:astudyofChinasbuildingsector[J].Journalofcleanerproduction,2019,215:154-164.

[6]CAOS,XIEG,ZHENL.TotalembodiedenergyrequirementsanditsdecompositioninChinasagriculturalsector[J].Ecologicaleconomics,2010,69(7):1396-1404.

[7]劉遵义,陈锡康,杨翠红,等.非竞争型投入占用产出模型及其应用:中美贸易顺差透视[J].中国社会科学,2007(5):91-103,207.

[8]CHENXK,CHENGLK,FUNGKC,etal.DomesticvalueaddedandemploymentgeneratedbyChineseexports:aquantitativeestimation[J].Chinaeconomicreview,2012,23(4):850-864.

[9]DIETZENBACHERE,PEIJ,YANGC.Trade,productionfragmentation,andChinascarbondioxideemissions[J].Journalofenvironmentaleconomicsandmanagement,2012,64(1):88-101.

[10]YANJ,SUB.WhatdrivethechangesinChinasenergyconsumptionandintensityduring12thFive-YearPlanperiod?[J].Energypolicy,2020,140:111383.

[11]孙广生,黄祎,田海峰,等.全要素生产率、投入替代与地区间的能源效率[J].经济研究,2012,47(9):99-112.

[12]TANR,LINB.WhatfactorsleadtothedeclineofenergyintensityinChinasenergyintensiveindustries?[J].Energyeconomics,2018,71:213-221.

[13]ROMN-COLLADOR,COLINETMJ.IsenergyefficiencyadriveroraninhibitorofenergyconsumptionchangesinSpain?twodecompositionapproaches[J].Energypolicy,2018,115:409-417.

[14]LIUH,WANGC,TIANM,etal.AnalysisofregionaldifferencedecompositionofchangesinenergyconsumptioninChinaduring1995–2015[J].Energy,2019,171:1139-1149.

[15]SUB,ANGBW.Structuraldecompositionanalysisappliedtoenergyandemissions:somemethodologicaldevelopments[J].Energyeconomics,2012,34(1):177-188.

[16]ZHANGH,LAHRML.Chinasenergyconsumptionchangefrom1987to2007:amulti-regionalstructuraldecompositionanalysis[J].Energypolicy,2014,67:682-693.

[17]SUB,ANGBW,LIY.Input-outputandstructuraldecompositionanalysisofSingaporescarbonemissions[J].Energypolicy,2017,105:484-492.

[18]马晓微,石秀庆,王颖慧,等.中国产业结构变化对能源强度的影响[J].资源科学,2017,39(12):2299-2309.

[19]SUB,ANGBW.AttributionofchangesinthegeneralizedFisherindexwithapplicationtoembodiedemissionstudies[J].Energy,2014,69:778-786.

[20]张中华,赵玉焕,SUB,等.能源需求与碳排放驱动因素分解模型发展评述[J].生态经济,2019,35(4):13-19,38.

[21]WANGH,ANGBW,SUB.Multiplicativestructuraldecompositionanalysisofenergyandemissionintensities:somemethodologicalissues[J].Energy,2017,123:47-63.

[22]SUB,ANGBW.Multiplicativedecompositionofaggregatecarbonintensitychangeusinginput-outputanalysis[J].Appliedenergy,2015,154:13-20.

[23]FANY,XIAY.ExploringenergyconsumptionanddemandinChina[J].Energy,2012,40(1):23-30.

[24]李玲,张俊荣,汤铃,等.中国能源强度变动的影响因素分析:基于SDA分解技术[J].中国管理科学,2017,25(9):125-132.

[25]ZHOUX,ZHOUD,WANGQ,etal.WhoshapesChinascarbonintensityandhow:ademand-sidedecompositionanalysis[J].Energyeconomics,2020,85:104600.

[26]DIETZENBACHERE,LOSB.Structuraldecompositiontechniques:senseandsensitivity[J].Economicsystemsresearch,1998,10(4):307-324.

[27]顾阿伦,吕志强.经济结构变动对中国碳排放影响:基于IO-SDA方法的分析[J].中国人口·资源与环境,2016,26(3):37-45.

[28]MACHADOGV.Energyuse,CO2emissionsandforeigntrade:anIOapproachappliedtotheBraziliancase[C]//ThirteenthInternationalConferenceonInput-OutputTechniques.Macerata,Italy,2000:21-25.

[29]LENZENM,PADELL,MUNKSGAARDJ.CO2multipliersinmulti-regioninput-outputmodels[J].Economicsystemsresearch,2004,16(4):391-412.

[30]SUB,HUANGHC,ANGBW,etal.Input-outputanalysisofCO2emissionsembodiedintrade:theeffectsofsectoraggregation[J].Energyeconomics,2010,32(1):166-175.

[31]YANGL,LAHRML.SourcesofChineselaborproductivitygrowth:astructuraldecompositionanalysis,1987–2005[J].Chinaeconomicreview,2010,21(4):557-570.

[32]北京大學中国经济研究中心课题组.中国出口贸易中的垂直专门化与中美贸易[J].世界经济,2006(5):3-11,95.

[33]彭水军,刘安平.中国对外贸易的环境影响效应:基于环境投入-产出模型的经验研究[J].世界经济,2010,33(5):140-160.

[34]郭朝先.中国二氧化碳排放增长因素分析:基于SDA分解技术[J].中国工业经济,2010(12):47-56.

(责任编辑:李琪)