论文部分内容阅读
摘要:本文应用Shift-Share方法对近年来中国能源生产率变动状况在地区和产业层次上进行要素分解分析,研究表明,不管是在地区能源配置还是在部门能源配置中,效率因素始终是总体能效变动的决定性因素,结构因素作用较小。研究还发现,中国能源效率的变动受需求因素影响较大,这反映了国民经济运行中增长方式粗放等深层次矛盾。因此,针对中国能源经济发展的实际,应努力降低各产业部门的能源消耗强度,提高各部门特别是工业部门的技术创新能力。发展科技含量高、能耗小的新型产业,提高经济运行整体质量,立足长远目标,调整产业结构。
关键词:能源生产率;Shift-Share;结构变动;效率效应
中图分类号:17062.1 文献标识码:A 文章编号:1000-176X(2010)10-0008-06
2009年11月25日,中国政府提出了控制温室气体排放目标:到2020年,中国单位国内生产总值二氧化碳排放将比2005年下降40%一45%,到2020年中国非化石能源占一次能源消费的比重将达到15%左右。这些指标的实质是中国需要创新性地形成一个自然资本稀缺条件下的大国发展模式,而其中的理论关键则是提高能源的经济生产率。
近年来,随着经济持续快速发展,中国能源生产率也在不断提高。数据显示,中国能源生产率已从1980年927.68元/吨标准煤上升到2006年2 390元/吨标准煤,最高2000年达到2 593.35元/吨标准煤。但这种态势是可持续的吗?随着时间的推移,它是会增强还是消失?这些问题同能源生产率提高的原因密切相关。目前学术界对此有多种观点,基本上可以归结为两种具有代表性的结论:一是结构因素主导型,即认为中国能源生产率提高的主要原因是能源利用从高消耗领域向低消耗领域转移;二是效率因素主导型,即认为能源生产率提高的决定性因素是由技术进步、学习效应等狭义效率因素所引起的。究竟哪种因素更加重要?本文将试图从能源利用的地区和产业层次深入分析中国能源生产率变动的主要因素,探寻能源生产率提高的规律特征。
一、研究方法
在分析中国能源生产率的研究中,最常使用的方法包括因素分解法、描述性统计以及回归分析法。相比较而言,因素分解法能直接将生产率的增长率进行分解,从而能够对影响能源生产率变化的因素进行定量分析。另外,该方法的数据处理也较为容易,结论更为直观和简洁。因此,目前无论在国外还是国内,因素分解法已成为分析能源生产率变化的主要工具。
Shift-Share方法在实质上也是一种统计指数因素分解方法,它首次由Fabricant于1942年提出,之后该方法被广泛用于经济增长分析,近年来逐渐开始应用于分析生产率的增长问题。
通过对能源生产率的定义公式p1=Y1/1。做如下分解可得到:
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-1-l.jpg)
其中,p1为t时期的能源生产率,用元/吨标准煤表示;Y1为t时期的GDP;E1为t时期的能源消费量;eit为i部门(或地区)t时期的能源消费量;yit为i部门(或地区)t时期的增加值;pit为i部门(或地区)t时期的能源生产率;S2为i部门(或地区)t时期的能源消费份额,它的变化反映了能源要素的结构转移。目前,国内关于能源效率改进的研究多采用能源强度这一指标,它是能源生产率的倒数,如果对能源强度按此分解,则表示i部门(或地区)t时期的经济份额,反映的是经济结构的变化而非能源的再分配。虽然二者的变动趋势有一定的内在联系,但从考察能源效率改进角度而言,笔者认为,以能源结构衡量的能源生产率指标更有意义。
Shift-Share模型通常将生产率的增长分解为不同的来源项,它从供给角度强调了要素投入转移的影响,标准Shift-Share模型包含以下三项:
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-2-l.jpg)
其中,(2)式右边第一项测量了在能源消耗结构给定的情况下,产业部门(或地区)内部能源生产率增长对总体能源生产率增长产生的影响,它通常由技术进步、管理创新、组织改进或学习效应等原因所引起,可称之为效率效应;第二项测量了初始生产率不变时,能源要素在不同产业部门(或地区)间进行再分配时对总能源生产率的贡献,可称之为静态结构效应;最后一项测量了部门生产率增长和能源结构变化的交互影响,多数研究通常将其作为因素分解的余值看待,考虑到当能源向着高于平均生产率增长的部门转移时,该项为正值,即促进了总能源生产率的增长,反之为负值,部分抵消了总能源生产率的增长,所以不妨将其解释为能源在不同生产率部门(或地区)间转移的动态结构效应。这样,其第二项与第三项合在一起可称为能源生产率增长的结构效应。
像所有的方法一样,Shift-Share本身不可避免地存在着某些局限:首先,Shift-Share分析是从供给的角度进行,并不能向我们展示需求因素在能源使用结构变动中的角色,根据前面分析,受现阶段我国经济增长方式影响,这种能源的需求作用为负,因而隐藏的能源需求变化特征可能会导致结构效应的低估。其次,传统的Shift.Share分析没有考虑到规模经济的问题,如果要素投入向某些部门(或地区)轉移,规模经济将导致这些部门(或地区)的生产率增长,这其实是一种间接的“结构效应”,但现有的两种结构效应均没有包含此项,因而无法有效识别其真实作用的大小。鉴于上述Shift-Share方法对结构效应存在低估的事实,一方面需要我们在具体的分析中仔细鉴别,另一方面不妨将其分析结果视作结构效应的下限估计。
二、能源生产率结构变动的地区分析
随着中国经济的迅速发展,地区间的经济绩效差异也愈加显现。各地区的不平衡发展,体现在能源生产率的增长上同样存在着相对效率。表1为1990-2007年我国分时间段计算的能源生产率增长的地区分解及要素贡献。其中,效应1表示效率效应,效应2表示静态结构效应,效应3表示动态结构效应。
为考虑不同阶段结构因素和效率因素对提高能源生产率的作用,同时兼顾数据的可得性,这里划分了三个时间段进行研究。
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-3-l.jpg)
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-4-l.jpg)
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-5-l.jpg)
从各地区对总能源生产率增长的促进作用来看,广东、山东、江苏、浙江这4个省对总能源生产率增长的影响最大。1990-1995年,这些地区的贡献率均在9%以上,远远超出同时期的其他地区,累计贡献率50.2%;1995-2000年,4个地区累计贡献38.5%,作用明显下降;2000-2007年,累计贡献有所回升,达到44.1%。根据新古典增长理论,要素生产率高的地区,单位投入创造的价值高,相应的要素收入
关键词:能源生产率;Shift-Share;结构变动;效率效应
中图分类号:17062.1 文献标识码:A 文章编号:1000-176X(2010)10-0008-06
2009年11月25日,中国政府提出了控制温室气体排放目标:到2020年,中国单位国内生产总值二氧化碳排放将比2005年下降40%一45%,到2020年中国非化石能源占一次能源消费的比重将达到15%左右。这些指标的实质是中国需要创新性地形成一个自然资本稀缺条件下的大国发展模式,而其中的理论关键则是提高能源的经济生产率。
近年来,随着经济持续快速发展,中国能源生产率也在不断提高。数据显示,中国能源生产率已从1980年927.68元/吨标准煤上升到2006年2 390元/吨标准煤,最高2000年达到2 593.35元/吨标准煤。但这种态势是可持续的吗?随着时间的推移,它是会增强还是消失?这些问题同能源生产率提高的原因密切相关。目前学术界对此有多种观点,基本上可以归结为两种具有代表性的结论:一是结构因素主导型,即认为中国能源生产率提高的主要原因是能源利用从高消耗领域向低消耗领域转移;二是效率因素主导型,即认为能源生产率提高的决定性因素是由技术进步、学习效应等狭义效率因素所引起的。究竟哪种因素更加重要?本文将试图从能源利用的地区和产业层次深入分析中国能源生产率变动的主要因素,探寻能源生产率提高的规律特征。
一、研究方法
在分析中国能源生产率的研究中,最常使用的方法包括因素分解法、描述性统计以及回归分析法。相比较而言,因素分解法能直接将生产率的增长率进行分解,从而能够对影响能源生产率变化的因素进行定量分析。另外,该方法的数据处理也较为容易,结论更为直观和简洁。因此,目前无论在国外还是国内,因素分解法已成为分析能源生产率变化的主要工具。
Shift-Share方法在实质上也是一种统计指数因素分解方法,它首次由Fabricant于1942年提出,之后该方法被广泛用于经济增长分析,近年来逐渐开始应用于分析生产率的增长问题。
通过对能源生产率的定义公式p1=Y1/1。做如下分解可得到:
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-1-l.jpg)
其中,p1为t时期的能源生产率,用元/吨标准煤表示;Y1为t时期的GDP;E1为t时期的能源消费量;eit为i部门(或地区)t时期的能源消费量;yit为i部门(或地区)t时期的增加值;pit为i部门(或地区)t时期的能源生产率;S2为i部门(或地区)t时期的能源消费份额,它的变化反映了能源要素的结构转移。目前,国内关于能源效率改进的研究多采用能源强度这一指标,它是能源生产率的倒数,如果对能源强度按此分解,则表示i部门(或地区)t时期的经济份额,反映的是经济结构的变化而非能源的再分配。虽然二者的变动趋势有一定的内在联系,但从考察能源效率改进角度而言,笔者认为,以能源结构衡量的能源生产率指标更有意义。
Shift-Share模型通常将生产率的增长分解为不同的来源项,它从供给角度强调了要素投入转移的影响,标准Shift-Share模型包含以下三项:
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-2-l.jpg)
其中,(2)式右边第一项测量了在能源消耗结构给定的情况下,产业部门(或地区)内部能源生产率增长对总体能源生产率增长产生的影响,它通常由技术进步、管理创新、组织改进或学习效应等原因所引起,可称之为效率效应;第二项测量了初始生产率不变时,能源要素在不同产业部门(或地区)间进行再分配时对总能源生产率的贡献,可称之为静态结构效应;最后一项测量了部门生产率增长和能源结构变化的交互影响,多数研究通常将其作为因素分解的余值看待,考虑到当能源向着高于平均生产率增长的部门转移时,该项为正值,即促进了总能源生产率的增长,反之为负值,部分抵消了总能源生产率的增长,所以不妨将其解释为能源在不同生产率部门(或地区)间转移的动态结构效应。这样,其第二项与第三项合在一起可称为能源生产率增长的结构效应。
像所有的方法一样,Shift-Share本身不可避免地存在着某些局限:首先,Shift-Share分析是从供给的角度进行,并不能向我们展示需求因素在能源使用结构变动中的角色,根据前面分析,受现阶段我国经济增长方式影响,这种能源的需求作用为负,因而隐藏的能源需求变化特征可能会导致结构效应的低估。其次,传统的Shift.Share分析没有考虑到规模经济的问题,如果要素投入向某些部门(或地区)轉移,规模经济将导致这些部门(或地区)的生产率增长,这其实是一种间接的“结构效应”,但现有的两种结构效应均没有包含此项,因而无法有效识别其真实作用的大小。鉴于上述Shift-Share方法对结构效应存在低估的事实,一方面需要我们在具体的分析中仔细鉴别,另一方面不妨将其分析结果视作结构效应的下限估计。
二、能源生产率结构变动的地区分析
随着中国经济的迅速发展,地区间的经济绩效差异也愈加显现。各地区的不平衡发展,体现在能源生产率的增长上同样存在着相对效率。表1为1990-2007年我国分时间段计算的能源生产率增长的地区分解及要素贡献。其中,效应1表示效率效应,效应2表示静态结构效应,效应3表示动态结构效应。
为考虑不同阶段结构因素和效率因素对提高能源生产率的作用,同时兼顾数据的可得性,这里划分了三个时间段进行研究。
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-3-l.jpg)
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-4-l.jpg)
![](https://www.soolun.com/img/pic.php?url=http://img.resource.qikan.cn/qkimages/cjwt/cjwt201010/cjwt20101002-5-l.jpg)
从各地区对总能源生产率增长的促进作用来看,广东、山东、江苏、浙江这4个省对总能源生产率增长的影响最大。1990-1995年,这些地区的贡献率均在9%以上,远远超出同时期的其他地区,累计贡献率50.2%;1995-2000年,4个地区累计贡献38.5%,作用明显下降;2000-2007年,累计贡献有所回升,达到44.1%。根据新古典增长理论,要素生产率高的地区,单位投入创造的价值高,相应的要素收入