全要素能源效率研究：以采掘业为例

能源效率是能源经济学研究的重要问题之一。提高能源效率能够有效促进节能减排。传统的能源效率的研究主要是在单要素能源效率基础上进行，然而，单要素能源效率（一般用能源消费与国内生产总值的比值表示）有一个隐含的假定，即产出是由能源作为唯一的投入要素所创造的。因此，单要素能源效率只是衡量了能源投入与产出之间的一个比例关系，其作为测度能源效率的指标存在很大的局限性。因此，笔者考虑采用全要素能源效率。全要素能源效率能更好地反映客观实际情况，能源效率的提高也依赖于全要素生产效率的改善（Gale，2000[104]）。

全要素生产率是研究能源效率的一种重要途径。全要素能源效率主要采用前沿分析方法，包括数据包络分析法（DEA）以及随机前沿分析法（SFA）两种。两者的基本思想相同，先估计一个有效的前沿作为效率基准，以实际产出或投入水平与前沿之间的相对距离来衡量效率。这种方法比单要素能源效率能够更好地反映整体结构运行的能源效率，是目前多被采用的方法之一。

比较DEA和SFA这两种方法，DEA方法的优势在于不需要对不同产出进行加总。运用DEA方法研究行业能源效率和节能潜力的文献有很多。A.Azadeh等（2007）[104]整合了DEA和PCA方法，评估了主要OECD国家的能源密集行业的能源效率，结果表明，化石燃料的节能潜力要比电力的节能潜力大。O.A.Olanrewaju等（2012）[105]首次提出整合的IDA-ANN-DEA方法，研究加拿大15个工业部门的能源消费情况。Toshiyuki和Mika（2012）[106]运用DEA-DA方法将日本电力工业企业的效率进行打分和排名，进而发现2005—2009年日本电力企业的运行表现几乎没有发生变动。研究发现，该方法的主要缺陷在于：对确定前沿的函数形式没有做出明确规定，不能提供关于生产行为的任何信息；将相对于前沿的其余部分都视为非效率，从而可能高估非效率。

相比DEA方法而言，SFA方法对生产函数有明确的设定，并且能辨别各种因素对非效率的影响。很多研究学者运用SFA方法对特定行业进行了效率分析。史丹（2008）[109]提出了基于随机前沿生产函数的地区能源效率差异分析框架，采用方差分解测算了1980—2005年中国能源效率的地区差异中各因素的作用大小。结果表明，全要素生产率的平均贡献份额为36.54%，资本—能源比率的平均贡献份额达到45.67%，劳动—能源比率差异的平均贡献份额达到17.89%。Lin和Yang（2013）[110]运用随机前沿分析模型对中国火电行业的投入效率和节能潜力进行了分析，其结果显示，2005—2010年中国火电行业的平均能源投入效率为0.85，累计节能潜力达到551.04Mtce。

但是已有文献缺少对采掘业全要素能源效率的研究。作为首次对采掘业研究全要素能源效率，本章尝试使用全要素能源效率对采掘业的能源效率和节能潜力进行测度。

本章将运用省际面板数据，对中国采掘业的全要素能源效率进行研究。本章其余部分安排如下：

第二节提出了本章采用的针对采掘业的全要素能源效率估计模型和估计方法；(www.xing528.com)

第三节是运用的变量和数据来源说明；

第四节对采掘业随机前沿分析的模型进行检验；

第五节进行计量分析并得到实证分析结果，估计采掘业省际层面的能源效率；

第六节根据前面能源效率的分析，估计中国采掘业的历史节能潜力；

最后是本章小结。