绿色发展效率

关键词： 煤炭

绿色发展效率（精选七篇）

绿色发展效率 篇1

煤炭是我国的主要能源消耗品之一,大约占我国总能源消费量的70% 以上。因此,煤炭产业在我国国民经济中占有重要的地位。但是煤炭产业也是我国能源耗费和环境污染的主要工业部门之一, 以2012年为例,其能源消费大约为8437. 83万吨标准煤,约占工业总能耗的3. 58% ; 废水、废气、固体废弃物的排放量大约为142220万吨、 3249亿立方米及38537. 4万吨,分别占我国环境污染总水平的7% 、0. 5% 及12. 27% 。这些数据表明,我国煤炭产业仍处于高耗能、高污染的发展模式下,迫切需要向节能环保的绿色发展模式转变,而绿色发展效率的提升是实现煤炭产业向绿色发展模式转变的关键。本文以我国煤炭产业绿色发展效率为研究对象,对我国煤炭产业绿色发展效率水平进行测算,找出影响其绿色发展效率的主要原因,从而为我国煤炭产业绿色发展规划提供理论依据。

本文研究所要解决的关键性问题是绿色发展效率模型的构建。学术界已经对此模型进行了长达近20年的研究,该模型构建中所面临的核心问题有两个,( 1) 关于环境污染要素如何引入到模型中; ( 2) 采用测度哪种方法更有效。关于第一个问题,学术界有两种不同的做法,第一种做法是将能源要素、环境污染要素均作为投入要素, 绿色发展效率即为限定能源要素及环境污染要素投入下的产出最大化或限定产出情况下的能源及环境污染要素投入下的最小化下的效率[1,2,3],而此观点受到了众多学者的质疑,他们认为在实际生产中,环境污染是伴随着产品产出的附属产出, 纳入到投入要素进行测度并不合理,目前学术界已经达成了较为统一的意见,即将环境污染要素作为非期望 产出,而非投入 要素加入 到模型中[4,5,6,7,8]; 在该种模型中,投入要素有能源要素及劳动、资本等其他普通要素,在产出要素中有产品的期望产出及环境污染非期望产出,绿色发展效率也就是在考虑多种不同类型投入与产出下的效率; 而关于第二个问题的研究还在继续深入, 测度绿色发展效率的方法主要有两种, ( 1) 非参数的DEA方法; ( 2) SFA方法。这两种方法各有其优势与劣势,SFA方法能够分析DEA方法所不能解决的随机误差问题,也能将多种不同影响绿色发展效率的内外部影响因素纳入到模型中,从而构成基于多个环境变量下的绿色发展效率测算, 较为科学保证了绿色发展效率测算的科学性,但是SFA的方法不能够有效解决多种投入与多种产出问题,在面临多种产出的情况下,常用的做法是将多种产出水平进行整合,使其转化为多种投入与一种产出的效率测算问题; DEA方法则能实现多投入与多产出变量的创新效率测算,但是DEA也存在着一些不足之处,如无法将影响效率的内外部环境变量纳入到模型中[10]。

目前,在绿色发展效率的测算方面,学术界使用较多的是基于松弛变量的非径向、非角度的DEA - SBM模型[6],该种模型能够解决考虑控制能源投入及环境污染产出下的效率测度问题,因此该种模型也被广泛运用于绿色全要素生产率、 绿色生产率及环境效率的评价中[11,12,13],但这种模型也存在着诸多问题,如由于主观性的设定所导致的效率计算结果误差,而DEA - RAM模型则有效地解决了这个问题[7]。

在以上研究的基础上,本文将着重考虑经济发展与节能减排下的效率问题,根据DEA - RAM方法,将经济效率与绿色效率纳入到一个分析框架下,从而构建出一个绿色发展效率测度模型, 并以煤炭产业为研究对象,测度其绿色发展效率水平并分析其原因。

1绿色发展效率模型构建

根据DEA - RAM模型的基本框架[14],本文所建立的绿色发展效率模型分别包含经济效率模型及绿色效率模型。

1.1经济发展效率模型

假设有W种经济发展投入要素k = ( k1,k2, …,kw) ∈Rw+、I种经济产出要素p = ( p1,p2,…, pI) ∈RI+,假定t时期相对于经济产出前沿面的投入与产出的松弛变量分别为skw≥0,w; sip≥0, i,本文构建的经济发展效率RAM模型:

借鉴Sueyoshi的求解方法[14],可以对公式 ( 1) 求解,第t时期的煤炭产业的RAM经济发展效率指标可以转化为:

1.2绿色效率模型

假设煤炭产业生产过程中使用的能源投入为e = ( e1,e2,…,em) ∈Rm+,在生产后得到环境污染产出为h = ( h1,h2,…,hv) ∈Rv+。关于环境污染产出的处理方法,本文参照了Sueyoshi及李涛的研究成果[7,14],在能源与环境污染产出的DEA模型中加入了两个能源松弛变量( sem,sem+) ,本文构建的煤炭产业绿色效率RAM模型如下所示:

对公式 ( 3) 进行求解,可以得到第t时期煤炭产业绿色效率指标:

1.3绿色发展效率评价模型

根据Sueyoshi等构建的联合效率模型[14],本文将煤炭产业的经济发展效率与绿色效率纳入到同一模型中,构建了包含经济发展和环境污染产出的两个最优边界的发展效率模型。由于该效率值能够同时体现经济发展与节能减排等两个方面的变动情况,本文将该指标定义为绿色发展效率指标,其公式如下:

根据Sueyoshi和李涛的求解方法,可以得到第t时期第j个对象的绿色发展效率指标值:

2变量选取、样本选择与数据来源

2.1投入与产出指标的选取

根据模型和实证分析的需要,本文选择了我国煤炭产业的劳动投入量、资本投入量及能源投入量为投入指标; 选择了煤炭产业总产值与环境污染物的排放量为产出指标。其中劳动投入量为煤炭产业的年平均从业人数,而资本投入量是根据张军关于资本存量的计算方法得出的[15],能源的投入量为煤炭产业所消耗的化石能源的标准量; 在环境污染水平方面,本文主要采用了煤炭产业废水、废气及固体废弃物等三项指标; 在煤炭产业总产值的计算方面,本文采用煤炭产业的总值的平减值 ( 以2000年为基期) 。

2.2样本选取与数据来源

本文选取了2005 ~2012年我国煤炭产业发展状况为研究样本,其中能源消费的数据来源于 《中国能源统计年鉴》; 总产值、资本及和从业人数的相关数据来源于 《中国工业统计年鉴》; 工业污染物排放的数据来源于 《中国环境统计年鉴》。

3实证结果分析

3.1我国煤炭产业绿色发展效率评价

2005 ~ 2012年间,我国煤炭产业的绿色发展效率变化呈现先下降后快速增长的上升趋势。其中,2005 ~ 2007年,煤炭产业的绿色发展效率呈现下降的趋势,平均下降率为2. 36% ,而在2008年之后,出现了我国煤炭产业绿色发展效率快速上升,平均年上升率为12% 。在2008年,山西开始推行煤炭资源整合政策,将分布不合理、技术水平低及产出能力低的企业进行关停并转,通过整合提升生产能力及绿色安全生产水平,内蒙古、河南等随后也开始推行该政策,大量的中小型煤炭企业被兼并重组,落后的产能逐步被淘汰, 煤炭产业的布局得到进一步的优化,这种政策使得煤炭产业的绿色发展效果凸显出来。

我国煤炭产业的绿色发展效率受制于绿色效率与经济发展效率。其中,煤炭产业绿色发展效率与绿色效率弹性的平均值为0. 854,煤炭产业绿色发展效率与经济发展效率弹性的平均值为0. 502,即从总体而言,煤炭产业绿色发展效率受绿色效率波动的影响最大; 但在不同的时期,煤炭产业绿色发展效率与绿色效率和经济发展效率的弹性值存在较大差异,如在2005 ~ 2007年间, 我国煤炭产业绿色发展效率与绿色效率和煤炭发展效率的弹性值平均约为0. 438和 - 0. 315,这表明经济发展效率与绿色发展效率是负相关关系, 而与经济效率发展是正相关关系,即此阶段的煤炭产业经济效率是促进绿色发展效率值提升的主要推动力,而绿色效率的波动则对煤炭产业绿色发展效率的提升产生了不利影响; 而在2008 ~ 2012年间,我国煤炭产业绿色发展效率与绿色效率和煤炭发展效率的 弹性值平 均约为1. 02和0. 819,相对于上一时期,经济发展效率与绿色发展效率的关系转变为正相关关系,绿色效率对绿色发展效率的影响要大于经济发展效率,我国煤炭产业仍处于库兹涅茨曲线的底端,在由经济环境不协调发展时期向经济环境协调发展协调时期的过渡阶段。

从绿色效率、经济发展效率及绿色发展效率的波动趋势来看,绿色效率的波动趋势较大,其年变动率为13. 567% ; 其次是经济发展效率,其值为12. 278,而绿色发展效率最低,约为7. 9% , 这可能是因为煤炭产业生产过程中存在着规模不经济、资源浪费等严重问题,从而导致绿色发展效率未呈现与绿色效率呈现完全一致的发展趋势。

3.2绿色发展效率的分解分析

在应用DEA - RAM模型及方法对我国煤炭产业的绿色发展效率进行测算的过程中,会产生导致绿色发展效率低下的投入及产出的无效率部分, 即模型中投入变量的松弛量,这些松弛量的产生是根据无效率决策单元与最优实践边界上的决策单元相比较而得出的,它的存在表明过多或者过少的投入使得生产资源的优化配置不合理,这是导致绿色生产能力受到影响的重要原因。此外, 将多种产出的冗余量进行剖析,就能够分析出那种产出要素的生产技术水平存在不足,从而得出有针对性的提升绿色发展效率的措施。Cooper等及李涛等学者对此方面进行大量的研究[7,16],根据他们的研究成果,本文对煤炭产业的能源要素、 劳动要素、资本要素、经济产出要素及环境产出等进行了分析,具体的分析公式如下:

DEl和DEk分别表示煤炭产业生产中投入的劳动及资本等基本投入要素的非效率; DEe表示煤炭产业生产中能源要素投入的非效率; DEp表示煤炭产业正常产出的无效率; DEh表示煤炭产业环境污染产出的无效率。根据公式 ( 7) ~ ( 11) ,对2005 ~ 2012年的我国煤炭产业的绿色发展中的无效率部分进行了分解,从而得出煤炭产业不同投入要素的配置效率,若某投入要素在无效率部分中所占比重较大,这表明其配置效率较低; 相反,则表明其效率较高。若某产出要素在无效率部分中比重较大,则表明其生产技术水平较低。

如图2所示,我国煤炭产业的资本及人力资本在绿色发展无效率中的比重呈现下降的趋势, 由原来的39% 下降至28% 左右,能源要素在绿色发展无效率中的比重也呈现下滑的趋势,这表明劳动、资本及能源要素的配置效率逐步提高,但是需要注意的是能源要素的配置效率低下仍然是影响我国煤炭产业绿色发展效率提升的制约因素; 在产出方面,煤炭产业经济产出在绿色发展无效率中的比重也在不断下降,这表明我国产品的生产技术水平在不断提升,而环境污染产出的比重却在呈现快速上涨的趋势,这说明与产品生产技术水平提升相比,我国环境污染处理技术水平提升速度较慢,这也是导致我国煤炭产业绿色发展能力提升的又一关键因素。以上结果表明我国煤炭产业经过国家政策调整在不断走向集约化发展的道路,尤其是2008年后,这一趋势更加明显,但是与此同时,煤炭产业环境污染问题依然没有得到解决, 其直接影响了煤炭产业的绿色发展程度。

4结论与政策建议

为本文利用DEA - RAM模型构建了包含绿色效率与经济发展效率的绿色发展效率模型,利用此模型对我国煤炭产业的绿色发展效率进行了测度,并对绿色发展的无效率部分进行了分解,所得出的结论如下:

( 1) 我国煤炭产业的绿色发展效率较低,受制于绿色效率与经济发展效率,其中前者对其影响程度更大。

( 2) 通过对煤炭产业绿色发展的无效率进行分解得出,能源要素投入及环境产出的无效率部分呈现逐渐增大的趋势,这表明我国煤炭产业存在着能源配置效率低及终端污染物的治理技术较低的问题,这是影响我国煤炭产业绿色发展的关键环节。

综上,本文提出以下建议:

( 1) 在煤炭资源整合的同时,应该加强对煤炭产业终端污染物的处理水平,通过制定煤炭产业的环评标准及环境税收制度,推动煤炭产业控制本企业的污染物排放水平及治理程度; 政府可以通过投入适当的环境治理的财政资金,引入第三方环境治理机构,参与终端环境污染的治理工作,促进煤炭产业绿色技术水平的提升。

无线通信网络绿色效率分析 篇2

1 绿色无线通信技术背景和发展现状

无线网络通信技术虽然没有很悠久的历史传统, 但在短短的几十年内获得了迅猛发展, 尤其是进入21世纪以后, 在互联网的帮助下, 全球迈入信息化时代, 其中无线通信技术也获得了跳跃式的发展, 国际上针对这一行业的制度准则也在不断地制定和修改中, 这些准则的制定旨在规范无线通信技术, 使得该项技术获得长远的进步。无线通信在给人们生活工作带来便利的同时, 其对环境的污染、效率低以及通信能耗问题也越来越严重。就拿能耗来讲, 目前全球信息通信技术 (ICT) 的用电总量占到世界总耗电量的8%左右, 该比例仍在增长中。国内的无线通信, 据统计, 3大运营商用电总量约为290亿度电, 占到全国用电总量的0.8%, 电信行业近些年业务量旺盛, 连年增长率为5%, 而耗电量每年增长10%, 比业务增长高出一倍。对于二氧化碳排放量, 从国际电信联盟 (ITU) 提供的数据来看, ICT占到世界排放总量的35%左右, 我国IT产品的CO2排放量分布如图1所示。而且仅2010年3大运营商的耗能所产生的二氧化碳就达到了30万吨。在这样的形势下, 绿色通信概念随之产生, 也被认为是解决无线通信高能耗和高污染的有效途径。绿色通信的理念从广义上涉及到了环境与产业的综合因素。通俗地说, 绿色通信的目的所在即降低通信行业对环境造成的污染, 并提高该行业的资源利用率, 为“节能减排”社会的建设贡献一份力量。

图1中可以很清晰地看到我国IT产业中的二氧化碳排放量对建设“节能减排”社会极为不利, 其中在所有产业中, 通信所占的比例不容小觑。因此, 绿色通信的概念一经提出便得到了了国内外相关领域专家学者的广泛关注。人们纷纷表示, 绿色通信的理念决定着通信行业的未来。紧接着国际组织机构也纷纷颁布有关绿色通信的文件, 整个社会纷纷许多研究机构和人员也越发关注绿色无线通信技术。首先是国际组织、国家政府等纷纷颁布了相关政策法规。

2 绿色无线通信关键技术分析

绿色通信的理念涵盖了整个通信系统, 要想实现绝非易事。除了需要在观念上深入人心以外, 还需要在现有的通信技术上进一步提高, 对传统的能耗工艺进行改进, 整个绿色通信的实现既要顾全大局, 又要抓住重点, 点面结合。接下来本文将从绿色通信的衡量准则出发, 从设备原件入手, 重点探讨绿色通信技术。

2.1 衡量准则

从一定程度上说, 绿色通信理念的核心内容是围绕着提高资源的利用率, 降低通信设备的能耗进行, 并以此达到“节能减排”的目的。其中衡量如何才算绿色通信的标准离不开合理的衡量准则的制定。现在国际上通用的对通信的能效的计算方式为总能耗与传输数据比特的总和的比例来确定, 比值越小, 说明能效越高, 该衡量方式还表明了达到一定的蜂窝网络容量需要耗费的能量。如果将其看作是付出与效益来看待, 那么, 这里的“付出”就是消耗的能量, 而“效益”就表示可传输多少信息比特。这个衡量准一度广受欢迎, 但由于该准则只能够衡量满载时的情况, 有一定的局限性, 因此后来更多的准则作为该准则的补充衡量标准相继被制定。

2.2 设备器件

考虑到各部分技术均会对系统整体能量效率产生影响, 所以必须得到重视。在整个无线通信系统中, 基站系统占据了所有能耗的相当大的一部分。可以说治理整个通信系统的关键在于基站, 绿色通信的成败在于基站。值得注意的是人, 这些基站中不仅消耗掉大部分的能源, 而且这些能源并不能全部的投入使用。因此, 在基站的改造中, 除了要注意降低能耗还要提高能源的利用率。因此, 目前研究的重点是提高功率放大器的效率。目前应用较为普遍的是开关模式的功率发达器, 当然, 根据其不同的信号包络, 不同的调制技术则会影响不同的信号峰均功率比 (PAPR) , 因此必要时需在接受前设置额外的滤波器。

2.3 链路层

在目前的通信网络系统的链路层中, 信号处理系统需要着大量的能源维持, 因此未来的绿色无线通信技术发展需要解决的节能问题主要关注于信号处理方面, 这就需要另辟蹊径。再加上未来的通信系统技术更先进, 工艺更复, 这就给信号处理系统节能减排造成了更大的压力。新的信号处理系统除了能够做到节能减排, 还要在技术上满足未来多功能的处理要求。其中, 软件无线电技术的应用很好地解决了这个问题, 通过无线电处理技术, 信号处理可以借助不同的软件分别实现, 这项技术代表着未来无线通信网络的发展方向。相关领域专家预见, 在未来的无线通信技术处理系统中, 多天线技术和多载波传输技术必将有很大的应用市场。在当今社会节奏加快, 人们对速度提出更多要求的前提下, 人们需要无线网络能够在更短的时间内同时实现多个功能。这虽然在某些层面达到了节能减排的目标, 却在技术领域和开发领域造成了大量的资源消耗, 无疑是把双刃剑。

2.4 网络层

在协作传输方面, 无线网络通信技术一般都选择多对一的服务方式, 即让多个基站同时为一个用户服务的形式, 快捷方便。无线网络通信系统的信号传输和绿色环保网络的实现还离不开中继节点的功劳, 中继节点可以让传输在原有的层面上更加高效地实现。除了中继节点之外, 协作传输目前采用的分布式天线技术, 虽然扩大了网络技术的预算成本, 但分布式天线可以将信号更广泛地覆盖到角落和边缘地带, 横扫信号盲区, 为居民的日常生活工作带来了极大的便利。由于用于协作传输的基站采用相对集中的方式。这种集中基站加分布式天线的传输系统本身就是一个网络, 更加形象地诠释了通信网络地功能。

在网络管理方面, 情况就相对复杂。与交通相一致, 网络管理可以根据时间和地段的不同而出现2种极端。比如说在晚上9点以后, 用户会达到高峰, 在一些高校, 这种形象更加常见。再加上高校将办公和学习集中到了一起, 人员比较密集, 以至于经常出现信号不好, 通话质量下降甚至上不去网的现象。这种到了周末就更加严重, 对师生的日常办公生活带来了极大的不便。鉴于此, 笔者建议, 在未来的网络管理上应该合理安排基站的开关和分布情况, 因地因时制宜, 尽量满足用户的需求。

2.5 其他技术

除了上文所提到的无线通信网络技术外, 新的技术也在不断地开发和应用中, 这本来就是一个不断丰富完善的大家族, 它们以追求绿色节能环保为追求, 以扩大频谱资源的利用率为目标。鉴于目前频谱资源的利用率较少, 资源造成了极大的浪费。未来无线电技术的新成员能够更好地解决这一问题, 为绿色通信网络做出一份贡献。

3 无线通信网络绿色效率与比较

笔者通过仿真, 探讨不同调制方式与各效率的关系。本节仿真所需参数如表1所示。

图2-4显示了各调制方式的各效率值与自适应逼近结果:

图2中在发射功率不变的情况下, 各调制技术由于传输距离的不同, 获得的b/s/Hz频谱效率也是各不相同的。所以, 要想得到较高的b/s/Hz频谱效率, 可以使用自适应调制技术获得比较接近b/s/Hz频谱效率上限。控制传输距离, 即限制小区半径, 且采用高阶调制技术, 以便能够获得较高的频谱效率。

图3中同样是传输距离一定时, 为获得较高的b/s/Hz频谱效率, 应研发相应的技术提高发射功率, 而且需要采用高阶调制技术。

图4中对于在发射功率确定的情况下, 距离发射端越近, 高阶调制技术所能得到的b/s/Hz/W功率谱效率越高。因此, 在此情况下, 同样应该限制小区的半径, 并使用高阶调制技术, 以获得比较理想的b/s/Hz/W功率谱效率。同时, 发射功率确定情况下, b/s/Hz/W功率谱效率与b/s/Hz频谱效率关于传输距离的趋势相同, 即可以通过缩短传输距离并采用高阶调制技术来获得较高的b/s/Hz/W功率谱效率。

4 结语

针对目前社会上倡导的“绿色能源”和“节能减排”的口号下, 整个国家掀起“减排风”, 各个行业和领域纷纷在开发新能源, 提高技术改善工艺以达到绿色生产的目的。本文将立足点放在无线通信网络上, 并致力于未来无线通信网络的绿色节能环保。通过对我国目前无线电通信技术的现状进行分析, 找出了目前通信领域存在的漏洞以及可开发项, 并结合以往的研究成果对现存问题提出了针对性的改进意见, 文中重点探讨了各种技术之间的绿色效率之间的协调和融合, 可以对未来的技术开发和改进起到有一定的指导作用。

参考文献

[1]GAUCH S, CHAFFEE J, PRETSCHNER A.Ontology-based personalized search and browsing[J].Web Intelligence and Agent System, 2003 (3) .

[2]邓志鸿, 唐世渭, 张铭.Ontology研究综述[J].北京大学学报:自然科学版, 2002 (5) .

绿色核算下的双因素效率分析 篇3

“绿色经济”作为一种颠覆性的发展趋势,已成为未来全球经济竞争的制高点。能源环境效率问题已经引起了世界各国的广泛关注,能源恢复、环境保护和经济发展之间的平衡已成为制约可持续发展的关键因素。我国当前的发展正面临国际减排和国内发展的双重压力,能源环境结构调整以及经济增长方式转变必将发生。在 “十一五” 规划中将能耗降低20% 作为硬性节能指标,“十二五规划” 中又指出要推进能源结构调整,提出两个硬性指标,即到2020年我国非化石能源占一次能源消费总量比重达到15% ,到2020 年我国单位GDP二氧化碳排放比2005 年下降40% ~45% 。因此,探讨能源环境效率与经济发展之间的内在关系不仅仅有重要的学术价值,也有很重要的实践价值。

近年来,国外一些经济学家为了研究经济发展与环境的关系,WS Chung,S Tohno ( 2009) 编制了韩国的能源投入产出表,并利用1985—2000 年投入产出数据对韩国的能源环境政策进行分析。本文基于2002 年、2005 年和2007 年三期可比价绿色投入产出表系( 雷明,赵欣娜,2011) ,首先从行业间关联度入手,然后从双因素效率层面,结合静态和动态角度,对双因素能源—经济—环境效率进行评估。并且通过各种消耗关系和消耗系数之间的变动分析资源环境与产业结构调整的关系。

2 绿色核算下的双因素效率分析

能源作为国家发展的基础,是经济社会发展的重要推动力。然而随着我国经济发展,能源利用效率改善取得的成就不容忽视。2001—2010 年十年之间,我国能源消费量以只翻一倍的增速推动了不变价GDP增加了1. 5 倍( 中国能源发展报告,2012) 。这说明近十年来,我国能源需求很大部分都是依靠能源效率提高的途径来实现的。改革开放以来,中国经济年均增长率高达9. 8% ,工业能耗和二氧化碳排放年均增长率分别为6% 和6. 3% ,平均占GDP 40. 1% 的工业产业消耗了67. 9% 的能源,排放出83. 1% 的二氧化碳( 崔民选,2009) 。许多专家学者和政策制定者都意识到如何正确衡量经济增长、能源消耗、环境制约三者之间相辅相成的关系已变得日益重要。

3 能源双因素效率评价

完全能源消耗系数是指每元产出所直接消耗和间接消耗的能源量之和。在绿色投入产出核算中,对能源的消费,除了与相关行业有直接消费外,还与有关行业有间接消费。从而完全能源消耗系数是这种直接消费与间接消费的全面体现,这个指数比直接消耗系数更本质、更全面地反映了行业内部、之间的发生的经济数量关系。

绿色核算所涉及的能源都属于不可再生能源,因此其消耗是不可逆转的。从可持续发展的战略角度来考虑,如果某行业能源消耗系数越大,该行业就应该考虑寻找相应的替代品,即有必要进行行业发展转移。基于上文编制方法,参照行业分类与投入产出部门对照表,本节基于2002 年、2005年和2007 年可比价绿色投入产出表系,将所有行业归并为42 个行业,整理核算出三期各行业能源消耗系数。表1 是2007 年、2005 年及2002 年中国能源消耗系数前十位的行业。为了统一加和,各种能源统一为吨标准煤,能耗系数的单位为吨标准煤/万元。

从表1 可以看出,一是能源消耗系数排名靠前的行业多年来比较稳定,排名前十位的行业基本没有改变,这也证明了能源消耗系数在一定时期内具有稳定性。二是2002—2007年间,能源消耗系数有波动性的减小,这说明五年来,推动经济飞速发展的同时能源利用效率虽有波动,但整体效率有所增加,响应了节能减排的号召。三是具体到居于前十位的各个行业,主要是包括能源产业行业及金属工业相关行业,尤其是五大能源行业。这说明能源行业无论是从直接能源消费角度,还是间接能源消费角度都是重点行业,能耗仍是产业转移的重点。

4 环境双因素效率评价

完全碳排放系数是指每元产出直接产生和间接产生的污染物( 碳排放) 总量,是通过绿色核算计算而来的。完全碳排放消耗系数是直接碳排放与间接碳排放的全面体现,直接碳排放是指行业直接产生的碳排放污染,而间接碳排放是指其存在的隐形污染。完全碳排放系数比直接消耗系数更本质、更全面地反映了行业内部、之间的发生的经济数量关系,能反映出行业碳排放任务的完全责任担当程度。具体计算方法类似于完全能源消耗系数,与能源消耗系数不同的是,能源消耗系数是根据能源总量计算而来,而完全碳排放消耗系数是以煤炭、石油和天然气这三种消耗量较大的一次能源为基准来测算。首先基于绿色核算,核算出三种一次能源的完全能耗消耗系数,进而计算出完全能耗量,根据2006年联合国政府间气候变化专门委员会( IPCC,2006) 第二卷( 能源) 第六章提供的参考方法,结合中国能源消耗的实际情况,碳排放总量可以根据各种能源消费导致的碳排放估算量加和得到。具体公式( 1) 如下:

其中,CO2代表估算的二氧化碳排放量; i = 1,2,3 分别代表三种一次能源; E代表完全能耗量,在此折算成能源度量的统一热量单位标准煤; NCV为能源净发热值; CEF为碳排放系数; COF为碳氧化因子( 取缺省值1) ; 44 和12 分别为二氧化碳和碳的分子量。

基于上文编制方法,参照行业分类与投入产出部门对照表,本节基于2002 年、2005 年和2007 年可比价绿色投入产出表系,将所有行业归并为42 个行业,整理核算出三期各行业完全碳排放消耗系数。表2 是2007 年、2005 年及2002 年中国完全碳排放消耗系数前十位的行业。碳排放单位统一为吨,碳排放系数的单位为吨/万元。

从表2 以看出,一是从行业整体来看,完全碳排放消耗系数行业间差异很大,尤其是系数最大的石油加工、炼焦及核燃料加工业,远高于其他各个行业。然而三期各行业排名相对稳定,尤其是排名前九位的行业完全一致。这从某种程度上证明了行业异质性是造成系数差别的主要原因,因此行业系数相对稳定。二是2002—2007 年,64. 29%的行业完全碳排放系数呈现出波动性减小趋势。这说明五年来,各个行业的碳排放责任担当向好的方向缓慢前进。三是具体到居于前十位的各行业,都隶属于工业相关行业,尤其是五大能源行业,全部包含其中。这说明这些高能耗、高污染的工业行业无论是从实际排放效果,还是完全责任担当都是需要重视的重点控制行业。

5 结论

整体看来,能耗问题任重道远,产业结构和能源结构没有改变,结构性能耗问题仍将持续存在。产业发展模式仍旧较为粗放,结构性能源效益较差,与国际水平存在巨大差异。传统农业、工业在产业结构中的比例依然很高,而能源结构不合理,如煤炭在能源结构中仍占较大比例,且科技对经济的贡献率不够。同时未来10 年是中国完成资本密集型工业化发展的重要时期,能源安全问题也是迫在眉睫的关键问题。近年来,各行业中环境责任担当的控制存在停滞状态,对环境的污染负荷依然严重。产业结构性污染依然严重,产业结构和污染结构没有突破性改变,产业发展模式粗放,结构性环境问题依然存在。与国际水平存在的差异引发了长期的结构性环境问题。产业结构不合理,传统农业、工业在产业结构中的比例依然很高,科技对经济的贡献率不高,造成了排污超载,环境恶化,因此减排压力巨大。

随着经济增长贡献率的不断提高,资源相对不足、生态环境日益脆弱、生态承载力下降等环境问题凸显。经济的发展与环境有着必然的联系,而传统的国民经济核算是以市场原则设计的,只考虑了经济系统,对于资源环境的认识都是“取之不竭”的 “无价”资源。可持续发展下的绿色投入产出核算不仅考虑了资源环境与经济活动的密切联系,而且考虑了存量及其与流量间的相互关系。

参考文献

[1]W.S.Chung,S.Tohno.A Time-Series Energy Input-Output Analysis for Building an Infrastructure for the Energy and Environment Policy in South Korea[J].Energy&Environment,2009(9):875-899.

[2]雷明,赵欣娜.可持续发展下的绿色投入产出核算应用分析[J].经济科学,2011(184):16-27.

[3]崔民选.中国能源发展报告(2007)[M].北京:社会科学文献出版社,2007.

[4]中国能源研究会.2012中国能源发展报告[R].北京:中国电力出版社,2012.

绿色发展效率 篇4

据报道, 一个环保组织联盟目前正敦促总统奥巴马下令, 要求到2025年, 汽车燃油效率必须达到平均每加仑60英里。尽管这一建议很可能会让汽车制造商望而却步, 但西拉俱乐部等环保团体表示, 这是一个现实而且必要的目标。该俱乐部认为, 要实现这一目标, 届时全美国的车辆中应有15%为电动汽车, 55%为混合动力车, 剩余的传统燃气汽车则应在设计上尽可能地提高燃油效率, 而悍马只能被彻底抛弃。

各大汽车公司当然很可能会表示反对, 声称如此严格的燃油经济性标准很难或者不可能达到。 然而, 这些有漏洞的辩解同样也是汽车工业为反对提高燃油经济性而使用了多年的借口, 直至事实明显表明, 汽车工业拒绝发展实际上推动了美国汽车制造商走向破产。 今年对2015年的严格标准加以强化的优势在于, 汽车制造商可以由此获得15年的准备时间, 从而使他们制造的车辆效率更高。而到了2025年左右, 燃料短缺和气候变化很可能会使消费者乐于有更多的绿色环保车辆可供选择。

绿色发展效率 篇5

关键词：“三废”排放,不期望产出,数据包络分析,交叉效率

为了解决环境保护与经济发展矛盾, 实现和谐社会目标, 我国越来越重视发展绿色经济。《中华人民共和国国民经济和社会发展第十二个五年规划纲要》 ( 简称 《规划》) 提出, 到2015 年底, 单位GDP能耗比2010 年下降16% 左右, 主要污染物排放总量显著减少。 《规划》指出, “十二五”时期, 随着工业化进程的加快, 能源刚性需求也在增长, 节能减排任务十分艰巨, 面临的内外部压力非常严峻。为达到 《规划》的节能减排目标, 2011 年8 月底, 国务院制定了 《“十二五”节能减排综合性工作方案》。这些体现了我国政府对环境问题越来越重视, 并将其提升到战略的高度。

泛长三角地区经济发展迅速, 已成为提升国家综合实力和国家竞争力、带动中国经济社会又好又快发展的重要引擎, 同时该地区也面临着前所未有的资源环境压力和可持续发展挑战。泛长三角地区在转变发展方式、调整经济结构和加强科技创新方面要走在全国前列。泛长三角地区应将经济发展与环境保护结合起来, 致力绿色发展, 为其他地区的绿色发展作出表率和提供经验。然而, 实现绿色发展需要各个地区共同努力。为更加精准地把握各个地区绿色发展效率, 需要对不同地区的绿色发展效率进行评价, 并根据结果有针对性地采取措施, 以实现绿色发展。这不仅对提升泛长三角区域绿色发展绩效、推动区域绿色经济发展, 乃至对更好地贯彻落实国家可持续发展战略都具有重要的现实启示意义。

1 研究现状

莫剑芳将数据包络分析 ( Data Envelopment A-nalysis, 简称DEA) 用于区域经济发展状况评价研究, 提出投入冗余率概念。Kumar、Henderson等结合Malmquist生产率指数和DEA将经济增长的源泉分解为技术追赶 ( 技术效率变化) 、技术进步和要素积累 ( 资本深化等) 三大部分。Henderson、杨文举将人力资本积累从要素积累中分离开来。杨文举将劳动生产率分解为技术效率、技术进步、资本深化, 作为对经济增长的投入, 运用DEA方法分析经济增长效率的差异。王兵、杨俊、吴军等将 “三废”等非期望产出作为经济活动的副产出引入Malmquist - Luenberger ( ML) 生产率指数测度。然而, Murty认为把坏产出作为投入处理的第一种研究思路与 “物质平衡法”相悖, 而且这种好产出和坏产出的非对称处理扭曲了对经济绩效和社会福利水平的评价, 从而会误导政策建议。陈诗一将 “三废”等非期望产出作为环境投入要素引入传统的全要素生产率测度, 将二氧化碳排放量作为环境投入引入一个超越对数生产函数中, 对中国工业行业还进行了经济增长核算分析。杨文举将非期望产出的劳动生产率变化分解为技术效率变化、技术进步和资本深化, 基于DEA构建绿色经济增长的核算模型。李海东基于改进的ISBM - DEA模型, 以水资源、人力资源、能源、固定资本折旧费为投入, 以GDP为期望产出和以环境污染物为非期望产出, 测算2009 年中国各省市区的区域发展效率。

综上所述, 国内外学者的研究主要集中在绿色经济增长的效率评价方法和不同地区的绿色经济效率测算两方面, 而对于地区绿色经济增长效率的纵向比较的研究较少; 有的研究将非期望产出作为投入指标, 有的作为投入指标, 但实际上, 经济增长是一个伴随着非期望产出 ( 或坏产出, 如废水、废气、固体废弃物等) 和期望产出 ( 或好产出, 如GDP) 增加的过程, 若 “三废” 等非期望产出不加限制地排放, 则势必会阻碍经济可持续发展进程, 因此, 本文采用考虑非理想产出的DEA交叉效率模型综合评估泛长三角地区历年绿色经济增长效率。

2 考虑非理想产出的DEA交叉效率评价

数据包络分析主要用于多投入多产出的效率评价。从决策科学的角度而言, 投入和产出都可以作为被评价对象的指标, 而且总是希望投入越少越好、产出越多越好。但是考虑到投入、产出都有期望的 ( Desirable) 和不期望的 ( Undesirable) 投入、产出, 例如一个地区在发展经济的同时排放了大量的废气、废水和固体废弃物等污染物, 这里GDP是期望产出, 而废气、废水、固体废弃物等则是不期望产出。 Hailu和Veeman在利用数据包络分析 ( DEA) 评价加拿大造纸行业效率时将不期望的产出视为投入的角度考虑, 提出以下模型:

在此, 假设不期望的产出可以同投入以相同比例减少, 可以得到下述模型:

模型 ( 2) 的对偶模型如下所示:

记模型 ( 3 ) 的最优解为 ( E*dd, u*dr, v*di, w*dk) 。显然, 对于其他决策单元j, 同样可以得到最优解为 ( E*jj, u*jr, v*ji, w*jk) ( j = 1, …, n) 。

交叉效率是由Sexton等提出来的, 该方法是对传统的CCR模型的改进和完善, 主要是利用自评和互评结合来消除传统的CCR模型单纯依靠自评体系来进行效率评价的弊端。根据Sexton等的定义得出, 在考虑非理想产出的情况下, DMUj利用DMUd的权重计算的交叉效率为:

3泛长三角地区的综合效率评价

3.1决策单元的选取及数据来源

考虑到数据的可得性, 本文选取泛长三角三省一市作为评价的决策单元, 选择了2001—2010 年的数据, 可以更好地考虑各地区在此期间综合效率的变化。本文采用的地区数据来源于 《中国统计年鉴》。

3. 2 评价指标体系的确定

本文在参考国内外主要代表文献的投入、产出界定并同时考虑DEA方法运用对指标的要求, 选择的指标体系如表1 所示。

3. 3 评价结果

根据模型 ( 3) 和模型 ( 4) 求解得到泛长三角地区三省一市的效率值和排序如表2 所示。

3. 4 结果分析

从以上计算出来的结果可以得出下列结论:

( 1) 泛长三角地区的绿色经济效率值在2001—2010 年间总体呈现上升趋势, 说明泛长三角地区在实施一系列转变经济发展方式、调整产业结构举措后总体表现是良好的, 经济保持持续快速增长的同时单位能源消耗的GDP产出不断增长, 同等GDP产出的 “三废”排放不断下降。其中, 2010 年的绿色经济效率总值最高, 较2001 年相比总体效率上升14. 26% 。

( 2) 上海的绿色经济效率值增长较快, 增长幅度达到62. 31% , 2010 年达到基本有效状态。江苏的绿色经济效率值增长较慢, 在2008 年达到最优状态, 随后出现一定程度的下降态势。浙江的绿色经济效率值呈U型增长, 至2003 年达到最低值, 随后出现上升, 在2010 年达到基本有效状态。安徽的绿色经济效率值呈倒U型, 至2004 年达到最高值, 随后出现下降, 始终未达有效状态。

4 结论

本文基于DEA处理非理想产出的方法并利用交叉效率对泛长三角地区绿色经济进行效率评价和排序, 从评价的结果看, 与目前一些已有的评价结果是基本吻合的。本文基于研究结论, 提出发展绿色经济的对策建议:

( 1) 泛长三角地区绿色经济可持续发展的潜力较大, 其中浙江、江苏和安徽基本上都存在着较大的绿色经济效率改善空间, 在后续经济转型发展中, 应加强环境保护, 提倡节能减排技术的应用, 在提高经济产出的同时减少非期望产出。实现绿色经济增长, 不仅可以实现资源节约、环境友好的发展目标, 还可以改善人们的生存生活环境。

( 2) 为促进泛长三角地区绿色经济可持续发展, 改变经济发展方式至关重要。上海近年来绿色经济效率快速增长, 其主要原因不仅在于要素积累, 而且全要素生产率也稳定增长。随着经济发展方式转变和产业结构升级的持续推进, 上海绿色经济发展方式为泛长三角地区的转型发展作出表率。因此, 转变经济发展方式, 通过多种途径提高我国经济增长中的绿色全要素生产率是泛长三角地区经济可持续发展的必由之路。

( 3) 在今后的经济发展中, 环境约束将是促进企业进行环境技术创新的重要动力, 对于地区绿色经济增长, 环境约束下的技术进步和技术效率不可偏废。作为绿色全要素生产率增长的两大源泉, 技术效率改善和技术进步都是促进我国绿色经济发展的重要手段, 因此, 在不断地完善绿色技术创新的激励机制的同时, 还应该重视技术效率改善和经济发展公共服务的不断完善, 如加强创新公共服务基础设施建设、扩大绿色技术应用的投资规模、不断完善环保产业扶持政策、进一步扩大对外开放水平等, 从而以更加有效的技术方式来组织经济活动。

绿色发展效率 篇6

关键词：绿色技术效率,趋同,影响因素,数据包络分析法

改革开放以来,我国经历了快速的经济增长, GDP年均增长率高达9. 83% ,在全球经济增长历史中堪称 “世界奇迹”。与此同时,国内地区差距不断扩大,其中省份GDP的最大最小值比由1978年的20. 99扩大到2012年的81. 41。不仅如此,我国的高速经济增长还付出了沉重的环境代价,学术界普遍认为这主要源于我国多年来走过的高投入、高产出和高污染并存的粗放型经济增长道路。中国环境保护部环境规划院联合课题组[1]完成的 《2009年中国环境经济核算报告》 表明: 在2004—2009年间,我国由于退化成本产生的环境污染代价从5 118. 2亿元增加到9 701. 1亿元,仅2009年的环境退化成本和生态破坏损失成本就高达

139 16. 2亿元,约占当年GDP的3. 8% ; 一次能源二氧化碳排放量由2000年的34. 7亿吨大幅提高到2009年的71. 8亿吨,已成为当前世界主要的二氧化碳排放大国; 而我国的资源使用效率却相对低下,“十一五”期间我国资源产出率为320美元/ 吨 ~ 350美元/吨,远低于发达国家的2 500美元/吨 ~ 3 500美元 / 吨。显然,如何转变经济发展方式, 促进地区均衡发展和可持续发展仍然是我国当前及今后较长时期内亟需解决的重要问题,而科学地把握我国经济增长的源泉及其省际差异演变趋势在其中具有重要的现实意义。近年来众多研究表明,技术效率提升与技术进步和要素投入一样都是经济增长的重要源泉,但它们却存在较大的个体差异[2]。 因此,深入研究技术效率的演变趋势及其影响因素, 对我国经济可持续发展和地区协调发展具有重要的意义和作用,本文正是立足于此的一项经验研究。

1文献综述

20世纪70年代以来,以 “中间技术” 为代表的适宜技术理论表明,后进国家 ( 或地区) 在使用从发达国家 ( 或地区) 引进的先进技术时,限于技术能力不足,它们不可避免地会出现技术使用的低效率,从而阻碍经济快速增长[2]。这意味着技术效率提升也会拉动经济增长,它与要素投入增加和技术进步一样都是经济增长的重要源泉。进入80年代以后,以效率和生产率研究为代表的一组研究将该论点进一步深化,认为新古典经济增长理论中的 “索洛余值” 并非等同于技术进步,而是由技术效率变动和技术进步两大部分构成。90年代以来,随着可持续发展理念逐步深入人心,国内外一些研究在测度技术效率时还将非期望产出纳入了分析框架, 我们把这种综合考虑资源和环境约束的技术效率称为绿色技术效率,一些研究亦称之为绿色经济效率、 环境 ( 技术) 效率等。如果绿色技术效率提高,那么在投入组合不变的情况下,期望产出将随之增加而非期望产出则会减少。显然,绿色技术效率的提升不仅是经济增长的重要源泉,而且也是改善环境绩效的重要手段,下面对相关研究进行简要回顾。

经济学界有关技术效率测度的研究始于法雷尔, 他从投入角度对公司的技术效率和配置效率的测度进行了探讨,后来经过众多学者的深化和拓展,在学术界已得到比较广泛的应用。迄今为止,考虑非期望产出的技术效率测度主要有参数法和非参数法两种,相关综述性研究可参见Hailu和Veeman[3]、 刘艳萍[4]。其中,参数法包括投入距离函数思路和产出距离函数思路,它们都是在预先设定生产函数形式的基础上,借助随机前沿分析法 ( Stochastic Frontier Analysis, 简称SFA ) 对误差项进行估计, 进而获取各决策单元的技术效率。非参数法则不需要先验地给出生产函数的具体形式,而是借助数据包络分析法 ( Data Envelopment Analysis,简称DEA) 直接根据投入和产出数据来确定经济中的最佳实践前沿,进而获取各决策单元的技术效率,如Fare等[5]、Chung等[6]。显然,从减少人为因素干扰的角度而言,非参数法比参数法更具有优势,其测度的技术效率也更接近经济 现实。特别是在Chung等[6]提出并应用的 基于DEA和方向性 距离函数 ( Directional Distance Function,简称DDF) 的技术效率测度思路下,当技术效率提升时,决策单元可在投入数量不变的情况下同时实现期望产出增加和非期望产出减少,这正好与经济可持续发展理念相一致,国内一些研究对此进行了应用,如杨文举[7]、 石风光[8]。然而,从综合考虑经济发展中投入和产出的多样性而言,目前几乎没有一项研究在同一框架内将期望产出、非期望产出、中间品投入、人力资本、物质资本和劳动力等一并纳入,而这些要素在经济发展中都是不可或缺的,它们的缺失必然会导致技术效率测度结果偏离实际情况,从而可能误导政策建议。因此,本文拟在同一框架内综合考虑上述多投入、多产出的实际情况,对绿色技术效率的测度进行尝试性补充和完善。

新古典经济增长理论表明,由于经济中存在资本边际报酬递减现象,与发达国家 ( 或地区) 相比,后进国家 ( 或地区) 将以更快的速度增长,从而将在经济增长中出现 “追赶”现象,包括绝对 β 趋同、条件 β 趋同、俱乐部趋同和 θ 趋同。但新增长理论对此提出了质疑,认为人力资本和内生技术进步会导致经济增长中存在递增收益,从而不可避免地出现经济增长趋异。作为这两大理论的试金石, 始于20世纪80年代的趋同 ( 或趋异) 经验测试研究应运而生,近年来其应用领域不断扩展,在经济学、管理学、环境科学、社会学等多学科领域都有涉足。其中,一组研究在借鉴 β 趋同和 θ 趋同测试模型基础上,对企业、行业和区域层面的技术效率趋同进行了多领域的经验分析。其中,企业层面的研究主要涉及零售业[9]和银行业[10]; 产业 ( 或行业) 层面的研究基本上集中在能源行业,如徐盈之和管建伟[11],王玉燕和林汉川[12]等; 区域层面的研究则集中在一国内部不同地区的技术效率趋同, 如Becerril Torres等[13],杨文举[14]、傅晓霞和吴利学[15]、杨龙和胡晓珍[16]、石风光[8]等。然而,相关研究由于研究对象和方法的不同,研究结论差异较大。比如在区域技术效率趋同分析中,杨文举[14]得出我国不同省份间存在显著的技术效率趋同,而其他研究却没有得出技术效率趋同的结论,其中傅晓霞和吴利学[15]得出中部地区存在显著趋异的结论,杨龙和胡晓珍[16]得出中国整体存在显著趋异结论。有鉴于此,本文将立足于较全面考虑多投入、 多产出情况下的绿色技术效率测度结果,对中国省份绿色技术效率再次进行趋同测试。

技术效率测度的相关研究一致表明,经济中不同个体存在或多或少的技术效率差异,这催生了一组研究对其背后的原因进行经验分析,但相关结论不尽相同。其中,何枫[17]、何元庆[18]等发现对外开放程度会影响技术效率的变化,但是FDI、进口和出口的影响在不同研究中的结论并不一致。Zheng等[19],燕安和黄武俊等[20]发现人力资本对技术效率变化具有显著的促进作用。Wu等[21]发现资本密度和R&D投入对技术效率具有显著的促进作用,而姚伟锋等[22]却发现R&D投入与产业技术效率之间不存在明显的相关关系。其他一些研究还探讨了公司规模、融资方式和金融中介对技术效率的影响。 显然,这些研究对技术效率的影响因素都做了一些有价值的探讨,但是研究结论不一而有待完善。比如,经济发展水平、环境政策、能源消耗情况等都可能是绿色技术效率的影响因素,但它们在既有研究中都未能纳入分析,这也是本文的努力方向之一。

综上,技术效率领域的相关研究在测试方法、 趋同分析和影响因素探讨等方面都进行了一系列很有价值的研究,它们对本研究都有很好的借鉴意义。 正如前文所述的那样,这些研究在研究对象和结论方面都存在一些差异,而且部分研究领域尚有待完善。比如,在区域技术效率的测度中,非期望产出、 能源等中间投入、人力资本等变量在既有研究中并未纳入同一个框架内,这不仅会影响到技术效率的测度结果,而且对技术效率的影响因素和演变趋势分析以及在此基础上的全要素生产率分析和经济增长核算研究等都会产生一些不利影响。因此,本文拟在DEA - DDF思路下,将非期望产出、能源、人力资本和期望产出、劳动力、物质资本一并纳入, 较全面的测度我国省份绿色技术效率,同时结合 β 趋同和 θ 趋同测试模型对绿色技术效率进行趋同测试,并采用Tobit模型进行影响因素分析。文章的后续部分如下安排: 第三部分对本文的经验分析框架进行介绍,包括基于DEA - DDF的绿色技术效率测度模型、绿色技术效率的趋同测试模型和绿色技术效率影响因素的Tobit模型; 第四部分对本文绿色技术效率测度中的相关变量和数据进行选择; 第五部分以我国30个省份为例进行相应的经验分析; 最后部分总结全文并进行简要的研究展望。

2研究框架

为验证我国省份绿色技术效率是否存在趋同, 并就其影响因素进行经验分析,本文在借鉴相关研究基础上,构建一个包括绿色技术效率的测度、趋同测试和影响因素分析的经验研究框架。

2.1基于DEA-DDF的绿色技术效率测度模型

根据绿色技术效率的内涵,其测度模型应满足在投入组合不变的情况下,能够实现期望产出增加和非期望产出减少的双重目标。Chung等[6]在生产技术应满足期望产出可自由处置性、非期望产出弱可处置性、期望产出和非期望产出的零联合性等3大假定基础上,结合DDF提出了一个考虑非期望产出的技术效率测度模型,有效地解决了投入不变情况下实现期望产出增加和非期望产出减少的双重目标。

假定经济活动中的投入变量为x∈RN,期望产出变量为y∈RM,非期望产出变量为b∈RI。根据绿色技术效率测度的要求和生产技术满足的3大假定前提,对经济活动中的生产技术用方向性距离函数来表示,见式 ( 1) 和图 ( 1) 。

其中,g = ( y, - b) 为产出水平变动的方向向量,β 为方向性距离函数值,P ( x) 为生产可能性集,C ( y,b) 对应产出集为 ( y,b) 的决策单元。 根据方向向量g的上述界定,点C对应的决策单元如果以最佳实践技术进行生产,那么在不改变投入组合的情况下,它能够实现的理想产出集是B而不是A。其中A为根据Sheperd距离函数得到的理想产出集。从图1中可以很直观地看出,当经济体从C点变化到A点时,期望产出和非期望产出都增加了, 这与绿色技术效率的内涵是相悖的; 而经济体从C点变化到B点时,正好能够同时实现期望产出增加和非期望产出减少的双重目标。显然,与Sheperd距离函数思路下的技术效率测度相比,方向性距离函数思路下的绿色技术效率测度更符合可持续发展理念,在经济发展中更具有指导意义。

那么,如何测度绿色技术效率呢? 根据技术效率的一般定义,它测度的是决策单元对最佳实践技术的利用程度,通常用其真实的产出值与潜在产出值之比来测度,取值介于0和1之间。其中,技术效率为1的所有决策单元就构成经济中的生产前沿 ( 亦称生产边界或技术前沿) 。本文沿袭这一思路, 从期望产出角度来确定经济活动的绿色技术效率, 即绿色技术效率等于真实的期望产出与该投入组合下位于生产前沿上的潜在期望产出之比1 / ( 1 + β) 。 为测度方向性距离函数值 β,可构建式 ( 2) 所示的线性规划模型来进行计算。其中,K为决策单元个数,M为期望产出个数,I为非期望产出个数,N为投入要素个数 ( 包括中间品投入) ,为t期观测值k' 的方向性距离函数。

2.2绿色技术效率的趋同测试模型

迄今为止,经济增长理论中的趋同测试模型较多,其中比较常用的有 β 趋同和 θ 趋同测试模型。 以Quah[23]为代表的一些研究指出,β 趋同的测试结果存在缺陷。比如,当后发者以更快的速度增长并超越先发者时同样会得出趋同结论,这显然是一种伪趋同现象。不仅如此,该思路还不能判断各分析对象间的水平差距是否随着时间推移而逐步缩小。 经济增长趋同理论认为,β 趋同检验的是经济增长率是否出现了 “追赶”现象,而 θ 趋同检验的是经济增长水平是否出现了经济体间的差距逐步缩小现象; β 趋同是 θ 趋同的必要条件但非充要条件,它们在检验经济发展中是否存在趋同现象时是互为补充的。本文借鉴Kasman和Kasman[10]应用于银行技术效率研究中的 β 趋同和 θ 趋同测试模型进行经验分析,见式 ( 3) 和式 ( 4) 。

其中,LTEi,t表示第i个经济体第t年绿色技术效率的自 然对数; DLTEi,t表示相邻 两个年份LTEi,t之差; Wi,t - 1表示第i个经济体第t - 1年绿色技术效率的自然对数与所有经济体绿色技术效率对数值的平均值之差; DWi,t为相邻两年Wi,t的差值; α、β 和 γ 为待估参数; εi,t为随机扰动项。式 ( 3) 为 β 趋同测试模型 ( 去掉滞后项即为绝对 β 趋同测试模型) ,其目的在于检验绿色技术效率的年际变化中是否存在 “追赶”现象,如果待估参数 β 为负并统计显著,就意味着绿色技术效率存在 β 趋同,反之则不存在趋同现象。式 ( 4) 为 θ 趋同测试模型,其目的在于检验绿色技术效率的年际变化中是否存在经济体间绿色技术效率差距逐步缩小现象,如果待估参数 γ 为负并统计显著,则意味着绿色技术效率存在 θ 趋同,反之则不存在趋同现象。

2.3绿色技术效率影响因素分析的Tobit模型

绿色技术效率的测度值介于0 ~ 1之间,如果采用常规的最小二乘法进行回归估计,会出现伪回归结论。而Tobit模型正好是应用于因变量取值受限的回归模型,也称为受限因变量模型或样本选择模型。 在实际应用中,因变量有上限、下限、或者存在极值等问题的这类模型包含两种方程,即反映选择问题的离散数据模型和受限制的连续变量模型,符合本文分析的属于第二种模型 ( 脚标省略了表征时间的变量t) ,见式 ( 5) 。

其中,i = 1,2,3……; Yi表征第I个经济体的绿色技术效率; Xi是影响绿色技术效率的相关变量,具体变量选择将在后文分析; βT是待估参数向量; 随机扰动项ui~ N ( 0,σ2) 。

3变量和数据选取

为较科学地测度资源、环境双重约束下中国省份经济的技术效率,我们需要尽可能全面地选用经济中的投入和产出变量。在绿色技术效率测度的既有研究中,通常采用物质资本、劳动力 ( 如就业人员数量) 和中间投入品 ( 如能源) 作为投入变量, 采用增加值 ( 或总产值) 和 “三废”排放量 ( 如二氧化碳、二氧化硫等) 作为产出变量,但尚无研究将人力资本纳入。笔者认为,人力资本不仅代表了劳动力的质量,而且还是技术吸收能力的关键因素, 它在技术效率测度中是不可忽视的重要因素。因此, 结合数据的可得性,本文选取地区生产总值为期望产出变量 ( GDP) ,省份工业废气中的二氧化硫排放量作为代表性的非期望产出变量 ( SO2) ,省份年均从业人员数作为劳动力投入变量 ( L) ,省份人均受教育年限作为人力资本投入变量 ( H) ,省份物质资本存量作为物质资本投入变量 ( K) ,省份能源消耗总量 ( 按标准煤折算) 作为能源投入变量 ( E) 。其中,地区生产总值、劳动力、能源消耗量、工业二氧化硫排放量的数据直接来源于中经网和相关年份的 《中国统计年鉴》、《中国能源统计年鉴》、《中国环境统计年鉴》及 《重庆市统计年鉴》。

关于物质资本存量数据,国内外相关研究都是研究者自己测算而得,现有的测算方法主要包括永续盘存法和资本价格租赁度量法,其中第一种方法为当前国际上通行的估计法,测算公式见式 ( 7) 。 实际应用中,为避免折旧率的人为选取差异对测算结果带来较大影响,如果固定资产折旧额已知,物资资本存量的测算就可按照式 ( 6) 所示的方法进行。其中,K、I、P、D分别代表物质资本存量、名义投资额、投资价格指数和固定资产折旧额,t代表时间,δ 代表折旧率。本文以靖学青[24]测算结果中1995年的省际测算值作为基期的物质资本存量数据,采用式 ( 7) 来估算省际物资资本存量数据, 相关基础数据源于 《中国国内生产总值核算历史资料1952—2004》和历年 《中国统计年鉴》。

关于人力资本存量数据,本文沿袭相关研究做法[2],采用人均受教育年限代替,计算公式见式 ( 8) 。其中,i代表除西藏外的30个省份,j代表6种受教育层次 ( 文盲、扫盲班、小学、初中、高中、 大学及以上) ,Hti为第i个省份t年的人均受教育年限,eduti,jt为第i个省份t年的第j种受教育层次所代表的受教育年限 ( 6种受教育层次的受教育年限分别为0、1、6、9、12、16) ,Pti,j为第i个省份t年第j种受教育层次人口数量。在计算过程中,基础数据来源于历年 《中国教育统计年鉴》。

在具体的数据选取中,一旦在不同年份公布的统计资料中对同一年份的数据统计存在差异时,本文以近期公布的数据为准。限于部分数据在早期缺乏统计 ( 如二氧化硫排放量) ,本文分析数据的时间跨度选取为1998—2012年。另外,由于各种公开的能源消耗统计资料中都没有统计西藏自治区的相应数据,因而本文的分析对象仅限于除西藏、港澳台之外的我国30个省市区,所有数据的一般统计描述见表1,其中地区生产总值和物资资本存量数据以2000年为基期进行了相应平减,平减指数分别为GDP平减指数和固定资产投资价格指数。

注: 表中所有数据均由笔者计算得出,其中地区生产总值和物资资本存量 GDP 平减指数和固定资产投资价格指数进行了调整,基期为 2000 年

表1的数据表明,各变量都具有较大差异。其中,除人均受教育年限和二氧化硫排放量之外的技术效率测度变量中,它们的标准差均接近 ( 部分变量还大于) 相应的中间值和平均值,这充分表明中国各省在1998—2012年间的发展差异较大。如此巨大的数值差异不仅表明中国各省的经济规模和增长速度差异大,而且也表明它们对环境的影响也具有较大差异。另外,对技术效率可能产生影响的变量取值差异也较大,但它们是否影响技术效率以及影响程度大小等还有待经验验证。因此,为合理测度并深入探讨中国各省的技术效率及其演变趋势,将污染排放物、能源投入、人力资本等引入分析模型中具有重要的意义。

4经验分析:以中国省份经济为例

4.1生产前沿确定及绿色技术效率测度

以中国大陆除西藏外的30个省份1998—2012年的面板数据为分析样本,对式 ( 2) 进行计算, 得出各年的生产前沿构成和所有省份的绿色技术效率值 ( 见图1) 。显然,中国省际绿色技术效率差异较大,而且只有少数省份位于生产前沿上。其中, 2000年位于生产前沿上的省份个数最多,有北京、 上海、江苏、福建、广东、广西、海南和重庆的绿色技术效率值都为1; 位于生产前沿上的省份个数最少的年份为2011和2012年,只有北京、内蒙古、 上海和广东; 分析期间内只有北京、上海和广东一直位于生产前沿上。绿色技术效率的省际差异较大, 分析期间内其标准差都介于0. 156 7 ~ 0. 172 4之间, 是绿色技术效率年度平均值的20% 左右。不过,绿色技术效率的省际分布格局在不同年份间并非一致, 这从各曲线的年际波动中可见一斑。那么,这种分布格局的年际变动是否意味着存在绿色技术效率趋同呢? 下面将借鉴经济增长趋同测试模型进行经验分析。

4.2绿色技术效率的趋同测试

绿色技术效率趋同测试的主要目的在于经验探讨环境约束下是否存在技术效率变化的追赶效应, 并最终实现各分析对象的技术效率水平都趋于一致, 这可为经济发展中相关政策制订提供决策参考。上文分析结果表明,我国各省的绿色技术效率水平及其年际变化都有较大差异,但是却不能直观地判断是否存在技术效率趋同。这里分别采用式 ( 3) — ( 4) 所示的 β 和 θ 趋同测试模型及不引入滞后项的测试模型来经验验证我国省份绿色技术效率趋同现象。在经验分析中,两个模型的豪斯曼检验结果 ( P值为0) 都拒绝了随机效应模型,因此都采用时点—截面固定效应模型 ( 限于空间,时点、截面固定效应估计结果这里没有列出) ,结果见表2。

注: 表中括号内的数据为对应待估参数估计值的 T 统计量; ***、**分别表1% 、5% 的显著性水平上通过 T 检验

在上述趋同测试模型的估计结果中,除模型 ( 4) 中的常数项未能通过T检验之外,其余各待估参数值都在1% 或5% 的显著性水平上通过率T检验。这意味着1998—2012年间,我国省份绿色技术效率经历了显著的 β 和 θ 趋同,也就是说那些在期初绿色技术效率越低的省份,分析期间内不仅经历了更快的绿色技术效率提升,而且还逐步缩小了它们与期初生产前沿省份之间的绿色技术效率差距, 这也从另一个侧面印证了前面得出的绿色技术效率的省际分布格局在分析期间并非一致的结论。

4.3影响因素分析

前面的经验分析结果表明我国省份绿色技术效率经历了明显的趋同,但同时也还存在较大的省际差异。因此,逐步缩小省际绿色技术效率差异在后续经济发展中具有重要意义。为此,此部分从经验分析角度出发,对影响绿色技术效率的主要因素进行探讨。目前,国内外关于绿色技术效率影响因素的现有研究结论差异较大。笔者在相关研究基础上认为,作为资源、环境双重约束下技术使用效率的衡量指标,绿色技术效率的影响因素涉及经济、社会、环境和制度等多个方面。为便于经验分析,笔者对相关变量做如下选择: 用人均地区生产总值 ( PGDP) 代表经济发展水平; 用城镇化率 ( UR) 衡量社会发展水平; 用进出口总额和外商直接投资占地区生产总值比重 ( OPEN) 衡量对外开放程度; 用3种专利申请量 ( TL) 衡量科技进步水平; 用单位地区生产总值能耗 ( NH) 衡量能源投入情况; 用环境污染治理实际投资额占GDP比重 ( WT) 衡量环境规制水平。各变量的相关数据均源于历年 《中国统计年鉴》,时间跨度为1998—2012年,对式 ( 5) 的回归分析结果见表3。

注: 表中 LOG 表示对相应变量取自然对数; ***和**分别表示在 1% 和 5% 的显著性水平上通过统计检验

上述回归分析结果表明,除表征科技水平的参数估计值未能通过显著性检验外,其余待估参数估计值至少在5% 的显著性水平上通过了统计检验, 这些变量对省份绿色技术效率的影响情况分析如下。

( 1 ) 对外开放 程度 ( OPEN ) 和城镇化 率 ( UR) 与绿色技术效率正相关。笔者认为,无论是扩大对外开放还是推进城镇化,都有助于先进技术、 高级人才、管理经验和各种信息的集聚和扩散,它们都有助于经济体更好地使用生产技术,从而提升技术效率。

( 2) 能源投入强度 ( NH) 与绿色技术效率负相关。根据绿色技术效率的内涵及其计算思路,只有单位产值的投入 ( 包括能源投入) 越少,绿色技术效率值才会越高。因此,作为衡量单位产值能源投入大小的指标,能源投入强度越高,绿色技术效率不可避免地会越低,从而两者之间也就存在着负相关关系。

( 3) 经济发展水平 ( PGDP) 和环境规制水平 ( WT) 与绿色技术效率之间存在负相关关系,而科技进步水平 ( TL) 与之关系不明显。一般来说,这些变量的取值越高,意味着经济体在改善绿色技术效率方面的努力程度越大,从而它们更可能具有较高的绿色技术效率。但本文并未得出与此一致的结论,笔者认为其主要原因如下。一方面,我国改革开放以来经历了高增长、高消耗和高排放并存的粗放型经济增长道路; 与此同时,我国各省在节能减排压力下不得不加大治污力度 ( 这在近年来表现得更为突出) ,如不断加大工业污染治理投入力度,对资源集约利用技术、节能减排技术等先进技术研发及其应用的力度也在不断加大。也就是说,污染程度越高的经济体减排治污努力程度也就越高 ( 否则会受到监管部门更为严格的管制) ,从而高的经济发展水平、环境规制水平和科技水平与绿色技术效率之间就可能存在着负相关关系。在上述两组对立力量的不对等作用下,就得出了上述回归分析结论, 但是笔者认为,该结论不具有普适性,它在行业、 企业或跨国分析中是否如此还有待深入验证。

5结语

要素投入增加和生产效率提升都会引起经济增长,而在资源和环境双重约束下的经济可持续增长则只可能寄希望于生产效率的提升,这包括技术进步和技术效率改善两大方面。中国近年来的经济增长经历表明,地区差距和快速增长一样举世瞩目, 因此,深入研究中国省际技术效率的演变趋势及其背后的一些影响因素具有重要的理论和实际意义。 本文结合数据包络分析法、方向性距离函数、经济增长趋同测试模型和受限因变量模型,对中国省份绿色技术效率的测度、趋同和影响因素进行了一个比较系统的经验探讨。研究结论表明: 中国省际绿色技术效率差异较大,在分析期间内经历了显著的趋同过程; 对外开放程度和城镇化率的提升有助于改善绿色技术效率,而能源投入强度、经济发展水平和环境规制水平的提高却阻碍了绿色技术效率提高,科技进步水平的影响不明显。

绿色发展效率 篇7

一种替代的解决方案是采用开关模式调节架构，例如buck或boost调节器(图1b)。这类调节器通常需要一个0.8V至1.3V的反馈电压，用于调节流过LED的电流。用来建立该电压的电流测量电路通常是与LED串联的一个小电阻。电阻两端的电压作为反馈电压，可以为LED维持恒流供电。这种架构降低了调节器本身的损耗，但检流电阻的功耗使系统损耗仍然存在。

为了降低检流电阻的功耗，应采用低损耗电流检测电路，例如采用电阻/运放结合的方式提供开关转换器所要求的反馈电压。可以采用专用的精密检流放大器，例如MAX9938H，为检流电阻两端的电压产生100V/V的检测增益。这一方案能够把反馈电路的损耗降至几个毫瓦，甚至可以采用电路板上的一小段覆铜引线作为小的检流电阻，成本几乎为零，由此可见，该方案具有很大吸引力。

在图2所示电路中，boost转换电路采用了M A X 9 9 3 8 H检流放大器，并使用MAX8815A升压转换器通过两节NiMH串联电池为其供电。MAX8815A工作在最高2MHz的开关频率下，效率高达97%。高开关频率最大限度减小了外部元件的尺寸;而内部补偿功能则减少了外部元件数量，适用于成本和空间敏感产品。该转换器可以在两节NiMH或NiCd电池或单节Li+/Li聚合物电池供电时产生3.3V至5V的输出电压。

MAX 8815A具有两种工作模式：低功耗模式和重载条件下的固定频率、强制PWM模式。低功耗模式仅消耗30μA的静态电流，空载或轻载条件下允许转换器仅在必要时才启动开关工作。低功耗模式在轻载时能够提供最高效率，最大限度地避免了能量的浪费，有效降低电池损耗。

另一种模式适用于重载条件(通常超过90mA),采用固定频率、强制PWM模式,任何负载条件下均工作在固定频率。该模式便于噪声滤波,并具有较低的输出纹波,不过功耗较大。此应用中,MAX8815A工作在大功率的固定PWM模式,关断引脚用于控制驱动器的使能或关断。关断模式下,MAX8815A仅消耗100nA的电池电流,有助于延长电池的使用寿命和两次充电之间的时间间隔。

配合M A X 8 8 1 5 A工作时，MAX9938H检流放大器对电流进行控制，从而保持流过LED的电流为固定的1A。该放大器的输入端集成了增益设置电阻，将增益设置在100V/V。此外，该器件还具有低于500μV(最大值)的VOS和低于0.5%(最大值)的增益误差，保持较高的精度等级。MAX9938H在静态模式下仅消耗1μA电流。通过调整不同的并联电阻值(有时可以采用覆铜引线)，例如修改或微调芯片的并联电阻，可以改变电流值。该设计方案包括4个单元：buck或boost调节器、控制环路、检流电阻、检流放大器(MAX9938H)。因为最大限度地降低了调节器和控制环路的功耗，该方案有效延长了电池使用寿命。公司提供MAX8815A和MAX9938H的样品和评估板。

摘要：现今有很多不同的方案可以为高亮LED(HBLED)供电。由于多数系统采用电池供电,能效成为延长电池使用寿命和系统工作时间的关键。提高电池的使用效率还有助于加快系统的“绿色”进程。在电池的有效使用期限内,相同充电次数下,延长两次充电之间的时间间隔有可能使电池的有效使用时间延长数百小时。这意味着送到垃圾填埋场或危险废物处理场进行销毁电池数量会大大降低。

关键词：绿色环保,LED,DC-DC转换器,升压,降压

参考文献

[1]MAX8815A Datasheet,Maxim

[2]MAX9938Datasheet,Maxim

[3]Maxim应用笔记:用LED替代低效率的MR16卤素灯

[4]Maxim应用笔记:为高亮度LED提供高效电流驱动