Page 30 - 201805

第 33 卷摇 第 5 期 江摇 静, 马摇 莹: 中国服务业全要素能源效率:测度与影响因素

较少,在中国知网中以服务业和全要素能源效率 加值作为产出指标,基于数据的可得性,测算了

为主题进行检索,得到的 18 个文献中只有宋雪、 2003—2014 年全国 28 个省份的服务业全要素能
匡贤明 [13] 对服务业全要素能源效率进行了研究, 源效率。
其侧重点在于服务业全要素能源效率的总体评 本文选取各省份的第三产业就业总人数作为
价,而其影响因素方面关注的是结构和环境。 本 劳动力指标, 该数据来源于历年 《 中国统计年

文试图从更广的层面进行分析,重点从开放程度、 鉴》。 资本指标则采用当前研究中普遍使用的永
国有化等层面进行分析,是对现有研究的有益补 续盘存法。 公式为:
充。 本文的框架如下:第二部分为服务业全要素 K = (1 - 琢)K t - 1 + I t (2)
t
能源效率测度及收敛性分析;第三部分为影响服 其中,K 表示第 t 年的资本存量;I 表示第 t 年
t
t
务业全要素能源效率因素的理论与实证分析;第 的实际资本投资额;琢 表示折旧率,设定为 5% 。
四部分为稳健性检验;第五部分是相关结论。 本文使用各省份服务业的全社会固定资产投资额
二、中国服务业全要素能源效率的测度及收 表示。 基期资本存量的计算为 K 2003 = I 2003 / (琢 +
敛性分析 姿),姿 为服务业增加值年平均增长速度。 能源消
(一)服务业全要素能源效率的测度 耗指标采用的是各省份各年度第三产业能源消耗
1郾 测度方法 总量;产出指标使用各省份 2003—2014 年的第三
[5] 对全要素能源效率的定 产业增加值,并且以 2002 年为基期,计算出服务
根据 Hu & Wang
义可知,测度全要素能源效率,主要就是要测算出 业增加值的平减指数进行改进。 劳动力、资本、能
目标能源消耗。 源消耗和服务业增加值的单位分别为万人、亿元、
正如文献综述部分所言,很多文献将 DEA 方 万吨标准煤和亿元。 相关数据来源于历年《第三
法应用到制造业和服务业的能源使用效率评估之 产业统计年鉴》和《中国统计年鉴》。
[14] 的研究方法,在规 3郾 测度结果分析
中。 本文参考了 Fang et al.
模收益可变的假设前提下,利用投入导向的数据 表 1 是各地区历年来的服务业全要素能源效
包络分析(VRS鄄DEA) 方法 [15] 来测算全要素能源 率测度结果。 通过表 1,可以得出如下结论:
第一,整体上,全国服务业全要素能源效率呈
效率。
根据 VRS鄄DEA 方法,可以得到全要素能源 现下降趋势, 各个省份之间差距较大。 2003—
2014 年, 全 国 服 务 业 全 要 素 能 源 效 率 下 降 了
效率(TFEE)的测算公式:
TEI AEI - EST 9郾 09% ,平均值为 0郾 57 ~ 0郾 83,说明在总体投入
TFEE i. t = i,t = i,t i,t =
AEI
i,t AEI i,t 上存在着 17% ~ 43% 的节约空间。
EST i. t SAEI i. t + RAEI i. t 第二,从地区层面来看,东部地区与中部地区
1 - = 1 - (1)
AEI AEI 的能源效率均值要大于西部地区。 处于均值以上
i,t i,t
其中,TFEE 为全要素能源效率,TEI 为目标 的东部地区有 8 个,处于均值以下的西部地区有
能源投入,AEI 为实际能源投入,EST 为能源节约 7 个。 但是东部地区效率年均增长率多为负值,
目标,SAEI 与 RAEI 分别为松弛调节变量和径向 呈现下降趋势;只有北京和山东的年均增长率为

调节变量;下标 i、t 分别为省份和年度。 EST = 0 正值,处于上升趋势。 正如图 1 所示,东部地区服
代表决策单元落在前沿上,此时 TFEE = 1,意味 务业效率大于中部和西部,这与东部地区服务经
着没有多余的能源使用存在,全要素能源效率为 济相对发达的事实相一致,但总体上东部地区服
最佳。 越低的 TFEE 意味着越多的能源无效率和 务业能源效率呈现下降趋势,说明随着东部地区

越高的应节约能源量,反之亦然。 服务业规模的扩大,需要进行技术创新,更加高效
2郾 指标选择 地利用清洁能源。 中部地区的变化趋式与东部地
测度全要素能源效率需要选取合理的投入变 区类似,但是 2006—2010 年,中部地区的服务业
量和产出变量。 本文使用 MaxDEA 软件,选取劳 全要素能源效率呈现小幅上升趋势,说明在这段
动力、资本和能源消耗 3 个投入指标,以服务业增 时间存在后发优势,中部地区利用与东部地区的

· 2 5 ·