时代经贸 ２ ０１ ０年１ ０月中旬刊 总第１ ８４期 基于ＤＫＡ方法的中国区域能源效率评价 丁茜 谢梦 （北京指挥学院科技教研室，北京１０００１２） 【摘 要】提高能源效率有助于缓解环境压力，提升经济的总体竞争力。本文综合运用经济学、统计学、计量经济学等多学科的理论与分析方法，特别是数据 包络分析方法，对样本省市的能源问题现状作出评估分析。 经过改革开放３Ｏ年来的发展，中国社会经济取得了长足 在图中，横轴表示人力和资本，纵轴表示能源消耗量，等产 进步。２００９年我国国内生产总值３３５３５３亿元，仅次于美国、日 量线为 ’，在折线 上的点Ｃ、Ｄ是能源消耗有效率的点，位于折 本。在未来一段时期内，中国经济将会保持较高速度的增长， 线上方的Ａ、Ｂ两点即为无效率的点，无效率说明生产同样的产出 城市化进程也会加快，中国能源消费的继续增长将不可避免。 要消耗更多的资源，效率没达到最优，存在着效率的损失。ＤＭＵＡ 尽管中国能源效率持续提高，但同世界先进水平仍有较大 和ＤＭＵＢ的效率应该分别为ＯＡ ／ＯＡ与ＯＢ／ＯＢ，由技术无效率所导致 差距。能源发展面临着既要满足经济和社会发展的需求又要减 的能源过量投入为Ａ ，它被称为“径向调整量”，其值大小等 轻环境污染的双重压力。提高能源效率有助于缓解这一问题， 于（ ） 。但是通过进一步观察，可以发现 上的 。点并不是有效 同时带来经济效益，提升经济的总体竞争力。 点，因为Ａ’点可以继续减少能源投入Ｎｃ点，而产出却保持不变。 本文综合运用经济学、统计学、计量经济学等多学科的理 因此，ＡＡ若要有效率就必须减少能源消耗量Ａ＇Ｃ，Ａ＇Ｃ即为“松 论与分析方法，特别是数据包络分析方法，对样本省市的能源 弛调整量”。 问题现状作出评估分析。 综合以上分析可以发现，无效率的Ａ点若要达到有效率，其 一、模型与方法 参照点应为Ｃ点而不是 ’点，而Ａ点需要调整的能源消费量应为 １．ＤＥＡ方法的基本原理 径向调整量与松弛调整量的和。即ＡＣ为ＤＭＵ 达到有效需要调整 ＤＥＡ是以相对效率概念为基础，以凸分析和线性规划为工具 的能源要素数量，ＡＣ； ＋Ａ’Ｃ。ＡＣ越大，说明在生产中消耗的能 的一种非参数统计方法。主要思想是：把每一个被评价单位作为 源越多，同处在生产前沿面上的其他个体相比，需要减少的能 一个决策单元（Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ Ｕｎｉｔｓ，ＤＭＵ），再由大量ＤＭＵ构 源消耗量就越多，能源效率就越低。而如果ＡＣ为０，就说明该个 成被评价群体，通过对投入和产出比率的综合分析，确定有效 体能源投入量不需要调整，能源效率为１。 的生产前沿面。通过输入和输出数据的综合分析，ＤＥＡ可以得出 结合以上的分析，本文设定眦 ＴＥ， 、艇．．、雎 分别为某省市某 每个ＤＭＵ综合效率的数量指标。 时的全要素能源效率、能源目标投入量、能源实际投入量和能源 ２．全要素能源效率概念 调整量，从而得出某省市某时的全要素能源效率的计算公式为： 能源效率是一个技术效率概念。它是一种度量在固定产出 的前提下，所能实现的最小投入的程度；或是在固定产出的条 ＡＥＩ，，－艇．…ＬＥＩ￣，１一 ：—ＴＥｌｌ， ，，，—件下，所能达到的最大产出程度的变量。文献［１［基于数据包络 ， ＡＥ１Ｉ１Ｉ ｌ１ｊ ．方法给出了全要素能源效率的概念，文献［２］、［３］在运用ＤＥＡ模 其中ｉ为第ｉ个省（直辖市、自治区），ｔ为时间，ＥＥ（Ｅｎｅｒｇｙ 型进行能源效率的分析时，也都大体采用了文献［１］对全要素能 Ｅｆｆｉｃｉｅｎｃｙ）为能源效率，ＡＥＩ（Ａｃｔｕａｌ Ｅｎｅｒｇｙ Ｉｎ—ｐｕｔ）为实际 源效率的定义。为便于研究，本文将全要素能源效率做了如下 的能源投入数量，ＬＥＩ（Ｌｏｓｓ Ｅｎｅｒｇｙ Ｉｎｐｕｔ）为损失的能源投入 定义：全要素能源效率是指在既定人力、资本投入的前提下， 数量，ＴＥＩ（Ｔａｒｇｅｔ Ｅｎｅｒｇｙ Ｉｎｐｕｔ）为目标能源投入，也就是在 按最佳实践，生产一定的国内生产总值所需投入的最少能源消 当前生产技术水平下，为实现一定产出所需要的最优（最少）的 耗量占实际能源消耗量的百分比。这个定义包含了除要素投入 能源投入数量。 以外的其它因素对能源效率的影响。 全要素能源效率取值范围在ｏＮＩＺ间，当其越接近１时，表 ３．能源要素的经济增长模型 明目标能源投入量与实际能源消耗量越接近，能源效率越高； 传统的经济增长理论包括资本存量、人力资本两个生产要 反之，如果其值越接近０，则说明能源效率越低，能源消耗中存 素。为了分析能源利用情况，将影响经济增长的因素进行了扩 在的浪费现象就越严重。 展，把能源要素引入到了经济增长模型中［ 。扩展后的基本模 三、能源效率的实证分析 型框架为： 本文应用全要素能源效率模型，选取１９９５－－２００７年问中国 ｙ＝Ａ／（ ，Ｌｊ ） ７个代表省市的数据进行能源效率的分析。在模型中，本文选取 其中，Ｙ为实际产出ＧＤＰ，Ｋ为实际资本存量，Ｌ为劳动力，Ｅ 资本存量、劳动力、能源消费量作为投入要素，选取ＧＤＰ作为产 为实际能源消耗量。 出要素。 一个地区的最优生产是在国内生产总值增长的同时，提高 全国八届四次会议上，国家“九五”计划把我国划分 能源消费效率，控制能源消费总量。生产的实际投入和产出值 为七个跨省区市的经济区：环渤海经济区、东北经济区、长江 可以直接观测到，前沿面的确定就成了测量全要素能源效率的 三角洲及沿江经济区、中部五省经济区、东南沿海经济区、大 关键。ＤＥＡ模型就可以通过构造一个非参数的线性凸面来估计生 西南经济区、西北经济区。考虑到数据来源的可获得性，本文 产前沿实现这一目的。 从这７个经济区中各选取一个代表省市作为样本。时间跨度上， 二、全要素能源效率的分析方法 从１９９５年￣２００７年共有１３年的数据。 本文采用基于投入法的ＤＥＡ模型，用图１来解释全要素能源 １．国内生产总值（ＧＤＰ） 效率的计算方法。ＤＥＡ分析法可以确定所有ＤＭＵ中最有效率的点 本文从《中宏数据库》中采集到各省市１９９５—２００７年ＧＤＰ 组成的前沿面，这相对于其他没有效率的ＤＭＵ来说，通过线性规 （当年价格）数值，并根据《中国统计年鉴一２００８￣中的国内生 划可以得到其目标值。 产总值指数构造ＧＤＰ平减指数，将ＧＤＰ折算为１９７８年不变价格的 各省各年ＧＤＰ。 ２．资本存量 目前，我国还没有现成的资本存量数据，对于资本存量的 测算，学者们普遍采取是永续盘存法，采用了张军，吴桂英和 张吉鹏（２００４）在《中国省际物质资本存量估算：１９５２～２００１》中 对全国各地各年份的资本存量的估计方法和结果。本文在分析 时采用了张军等人的研究方法得出的数据，并且根据该方法， 将数据推算至２００７年。数据已折算成１９７８年不变价格数值。 ３．劳动力 劳动力指标为各省市从业人员数，并以前一年年底数和当 Ｘ、 年年底数得出平均数作为当年从业人员数。数据来源于《中宏 Ｊ， 数据库》。 ４．能源消耗量 图１基于ＣＣＲ一１模型下的径向调整和松弛调整 本文从宏观角度分析能源利用的总体情况，选取能源消费总 ・４７・ Ｅｃｏｎｏｍｉｃ＆Ｔｒａｄｅ Ｕｐｄａｔｅ Ｍｉｄ－ｊｏｕｒｎａｌｓ Ｓｕｍ．ＮＯ．１８４Ｏｃｔｏｂｅｒ．２０１０ 我国深证成指收益波动非对称性实证研究 卢绪光刘延敏 青岛２６６０７１） （青岛大学经济学院，山东【摘要】对于股票市场的研究发现，殷价下跌和上涨相同幅度时，股价下趺过程往往会伴随着更剧烈的波动性。为了解释这种现象，本文拟采用ＧＡＲＣＨ族非 对称性模型对深证成指收益率序列进行实证分析，验证我国深证股票市场是否存在着这种非对称性现象，并比较分析各模型的拟合效果。 【关键词】深证成指；收益率波动性；ＧＡＲＣＨ族模型；非对称性 弓ｌ言 后阶数。在上述模型中，均值等式包括了一个经常用以度量风 股票价格可能会发生突然性的波动，并且在一个大的波动 险程度的变量 如果 表示金融资产收益率，那么该项前的系 后面常跟着另一个大的波动，而在一个小的波动后面又常跟着另 数ｇ衡量了收益率与风险之间的关系，如果ｇ为正值，那么说明 一个小的波动。这就是金融时间序列经常表现出的波动集群性。 该金融资产的风险越高，则收益率越高。相反，负的ｇ值暗示资 这种现象经常会导致股票收益率的分布出现尖峰、厚尾的现象， 产收益率与风险反向变化。如果 ＜０，则‘＝１；如果 ０，则‘ 而不是有效市场假说所形容的正态分布。近年来，波动性被广泛 ＝Ｏ。由于引入 ，股价上涨信息（“，＞Ｏ）和下跌信息（“ ＜０） 用于金融风险的度量。关于非对称性波动的研究是波动模型的一 对条件方差的作用效果不同。上涨时 吒０。为０，其影响可用系 个重要方面，目前国外学者对股市波动的不对称性的产生机制存 数 代表，下跌时为 ＋ａ。如果ａ ０，则说明信息作用是非 在两种解释：杠杆效应和波动反馈效应。杠杆效应认为股票当前 收益和未来波动之间呈现负相关；波动反馈效应认为同等强度的 对称的。而当ａ＞０时，认为存在杠杆效应。 “利空”消息比“利好”消息导致的市场波动性更大。 １．２ ＥＧＡＲＣＨ—ｉｎ—Ｍｅａｎ模型 国外学者对波动的非对称性研究很多，如Ｋｏｕｔｍ０ｓ和Ｂｏｏｔｈ在 Ｎｅｌｓｏｎ（１９９１）提出了另一种非对称ＧＡＲＣＨ模型，ＯＯＥＧＡＲＣＨ模 研究日本、伦敦、和纽约股票市场之间的波动传导机制时，发现 型，其方差等式分析的不是ｓ 而是 ），并且分别使用均值等 收益波动存在潜在的非对称性，Ｋｏｕｔｍｏｓ研究发现欧洲各国主要股 式的扰动项的绝对值与扰动项的标准差之比来捕捉正负冲击给 票常见股价指数报酬率波动也存在不对称性的特性。国内学者也 波动性带来的非对称影响。ＥＧＡＲＣＨ（ｑ，ｐ）一ｉｎ—Ｍｅａｎ模型的 对波动非对称性进行了大量研究，陈工孟、芮萌分别利用Ａ、Ｂ股 形式： 一一一 ） 综合指数证明了上证Ａ股９１年至９７年存在反向非对称效应，但上证 ｒ ： 综合与上证Ｂ股市场杠杆效应不确定。我国股市是一个新兴的市 － ａ 场，由于制度、方面的不完善，与发达国家成熟市场存在着 Ｉ９，Ｉ 十 ，差别，本文运用ＧＡＲＣＨ类模型对深证成指的收益波动性进行实证研 从ＥＧＡＲＣＨ的基本形式可以看出 一∑ 究，来说明我国股市收益波动自身的非对称性特点。 为负，但是在回复到方差的情况下，却又能保证方差为正值。¨ ‘ ｓ ，的值可能为正，也可能 ， １．非对称ＧＡＲＣＨ族模型概述 这样，在ＥＧＡＲＣＨ回归中，方差等式的系数就不再像一般的ＧＡＲＣＨ 生 １．１ ＴＧＡＲＣＨ—ｉｎ—Ｍｅａｎ模型 模型那样需要约束才能确保方差ｓＣｌｏｓｔｅｎ等人（１９９３）较早地提出了ＴＧＡＲＣＨ模型的应用。所 的方差等式中包含ｂ， 兰 为正值。另外，ＥＧＡＲＣＨ模型 ａ Ｉｎ ｓ 项，当ｂ 为正数时，就可以捕捉实证分 ｉ￣ＴＧＡＲＣＨ模型，就是指利用虚设变量来设置一个门限，用以区 析中经常观察到的波动持久性现象。而用来刻画非对称性影响 分正的和负的冲击对条件波动性的影响。ＴＧＡＲＣＨ（ｑ，Ｐ）一ｉｎ Ｍｅａｎ模型的形式： 的因素是ａ 和ａ。 ｔ —３ ，一Ｉ ＝ｔＴ ， ，“，Ｎ（０，ｓ ） ～１．３ ＰＧＡＲＣＨ—ｉｎ～Ｍｅａｎ模型 杰 ｂ ｓ ：ａ。＋圭ａＧＡＲＣＨ模型是对方差模拟，而不同冲击对于不同幂次的标准 ｉ＝１ ＋ ｂ，ｊ＝ｌ ｓ三，＋ａ“三 差影响不同，基于这个思想，ＰＧＡＲＣＨ模型对ＧＡＲＣＨ模型作了进一 其中，ｑ表示ＧＡＲＣＨ项中的滞后阶数，ｐ表示ＡＲＣＨ项中的滞 步的扩展，对标准差的幂次进行模拟，这个幂通过模型自身来 量数据来代表能源消费量。通过查阅１９９６年￣Ｕ２ｏｏ８年共十几年 可以看到北京市ＧＤＰ增幅大大高于能源消耗量的增幅。以２００３年 的《中国能源统计年鉴》，汇总得到中国７省市ｉ９９５—２００７年能 为例，北京市ＧＤＰ提高１３．Ｏ８个百分点，能源消耗量却仅增长了 源消耗总量。 ３．２２个百分点。所以北京市ＧＤＰ的增长并不是靠能源的大量投入 将以上３个投入量、１个输出量代入全要素能源效率模型， 带动的，这一情况最终影响了北京市的能源效率，使之提高到 分别计算得￣Ｕ１９９５－２００７年各年各省市能源相对效率。本文应用 了１的水平。 统计软件ＤＥＡＰ２．１进行运算，结果汇总如下： （３）河南省能源效率持续下降，自１９９５年的０．８３０下降到 ２００７年的０．７１１。 （４）四川省１９９５—１９９７年能源效率都为１，然后从１９９８年开始 掉出生产前沿面，能源效率持续下降，下降￣Ｕ２００７年的０．７８７。 （５）陕西省能源效率从１９９５年的０．６３１持续上升，到１９９９年 达）Ｕｏ．７７３，之后一直在０．７５左右波动。 （６）从不同省份之间的变动差异来看，在２００１年之前，各省 市之间的能源效率的变异系数在逐渐减小，即省际问的差距在 缩小；但在２００１年之后省市之间的能源效率的变异系数逐年加 大，说明这７个省之间的能源效率差距正在扩大，并不具有趋同 性，这同史丹等（２００６）所考察的省际之间的收敛性结论一致。 参考文献： 【１Ｕｉｎ一“Ｈｕ，ｓｈＩｈ—Ｃｈｕａｎ Ｗａｎｇ．Ｔｏｔａｌ—ｆａｃｔｏｒ Ｅｎｅｒｇｙ Ｅｆｆｉｃｅｎｃｙ ｏｆ ｒｅ￣ｏｎｓ ｉｎ ＣｈｉｎａＯ］．Ｅｎｅｒｇｙ 围２中国７省市１９９５—２００７年能源相对效翠折线图 Ｅｃｏｎｏｍｉｃｓ，Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ，２００６，５：１１４－１２３． 四、研究结论 【２］魏楚，沈满洪能源效率及其影响因素：基于ＤＥＡ的实证分析Ⅱ］．管理世界，２ｏ０７，（８）： （１）上海、广东、黑龙江三省市能源相对效率一直为１，表明 ６６—７６． 在总体７个省市中，上海、广东、黑龙江一直处于生产前沿面上。 ［３】徐国泉，刘则溯．１９９８—２００５年中国经济区域全要素能源效率——基于省际面 （２）北京市从１９９５年开始能源效率保持提高的趋势，并且 板数据的分析Ⅱ］ｌ中国科技论￣，２００７， ：６８－７２． 从２００３年开始达到１，成为生产前沿面上的省市之一。从数据 赵丽霞，魏巍贤．能源与经济增长模型研究Ⅱ】．预测，１９９８，（６）：３２—４９ ・４８・
