• (010)84657853 84657852 84657855 84658665
  • (010)84657900
  • mt@zgmt.com.cn
  • 北京市朝阳区芍药居35号中煤信息大厦(100029)

★经济管理★

中国省际煤炭资源利用效率研究

李成宇1 张士强1,2

(1.山东科技大学经济管理学院,山东省青岛市,266590;2.济南大学绿色发展研究院,山东省济南市,250022)

摘 要 以我国30个省(区、市)面板数据为研究对象,首先运用DEA-BCC模型对2006-2015年30个省(区、市)煤炭资源利用效率进行测算,然后利用ESDA方法对煤炭利用效率的空间相关性进行分析,最后通过SEM模型分析影响煤炭利用效率的影响因素。研究结果表明:我国当前煤炭资源利用效率水平较低,仅有北京、上海、福建、湖南4个省(市)综合效率值达到1,其他26个省(区、市)均有不同程度无效率状态,仍有提升空间;我国30个省(区、市)煤炭资源利用效率呈现正向空间自相关性,且存在明显的集聚状态,近邻效应显著;煤炭资源利用效率的主要影响因素是经济发展水平、技术进步、外商投资、对外开发水平、产业结构和交通成本。

关键词 煤炭资源利用效率 影响因素 DEA-BCC模型 ESDA方法 SEM模型

随着我国经济的不断发展,能源资源浪费、环境污染等矛盾日益突出,已成为制约我国经济社会协调发展的重要因素。面对当前能源资源浪费、环境污染对社会经济发展的束缚,我国开始意识到不能单纯追求GDP增长速度,要充分发挥能源资源、生态环境的积极影响来实现绿色可持续发展,从而形成经济发展、环境保护、能源资源高效利用的三赢局面。煤炭资源作为我国最重要的基础能源,在能源结构中的占比高达60%以上,远超世界平均水平,这种现状决定了煤炭资源利用效率会对我国能源利用效率甚至我国绿色可持续发展都产生重要影响。因此,科学地测度我国煤炭资源利用效率,探讨我国省域煤炭资源利用效率空间特征,识别我国煤炭资源利用效率的影响因素,对于制定差异化的能源、环境政策,推进我国绿色可持续发展具有重要意义。

目前,学术界对自然资源利用效率的研究已趋于完善,研究结构从简单利用效率测度向空间相关性分析、影响利用效率因素深入,研究方法则经历了从传统AHP方法、聚类分析、DEA模型、SFA模型、聚类分析到三阶段DEA模型、Malmquist指数法、空间自相关分析、Tobit模型、空间计量模型的转变。具体来看,在能源资源利用效率方面,史丹指出改革开放后我国能源利用效率的改进非常显著,而这种显著是在对外开放、结构调整、体制改革共同作用下引起的[1];赵楠、王辛睿采用DEA-Bootstrap模型测度我国省际能源资源利用效率,并进行收敛性分析,得出我国各地区能源利用效率存在绝对收敛和相对收敛特征,且地区间差异在逐渐缩小的结论[2]。在水资源方面,廖虎昌基于DEA和Malmquist指数对我国西部地区水资源利用效率开展研究[3];藏正、钱文婧则进一步在测度水资源利用效率的基础上,对水资源利用效率的空间关联、区域差异、影响因素进行研究[4-5]。在土地资源方面,张志辉利用Bootstrap-DEA方法,测算了全国622个城市的土地利用效率,并分析其相关影响因素[6];张雅杰、金海基于DEA-ESDA-GWR研究思路,测度长江中游地区城市建设用地利用效率,并分析其总体特征、区域差异及时空演化格局,最后探究影响建设用地利用效率的驱动机理[7];谢花林则从静态、动态两个角度出发,利用DEA-SBM模型和Malmquist指数对我国主要经济区城市的工业用地利用效率展开研究[8];叶浩、濮励杰运用随机前沿生产函数对1990-2008年间我国各省(区、市)耕地利用效率进行了测算,并以此为基础分析其耕地利用效率的差异性和收敛性[9]。可以看出,当前自然资源利用效率研究主要集中在水资源、土地资源、能源3个资源领域,针对煤炭资源利用效率的研究还比较少。从现有文献来看,钱婷婷着重从经济学角度出发来分析我国煤炭资源利用效率低下的原因[10];于贵芳、赵国浩以山西省为例,研究煤炭资源利用效率与生态帕累托效率之间的关系[11];王兴华、赵凯运用层次分析法对山西省煤炭资源利用效率进行综合测度[12];任世华则采用全生命周期法来构建煤炭资源利用效率分析模型[13];车亮亮、韩雪基于DEA-SBM模型测度我国省域煤炭资源利用效率,并相继进行了脱钩分析以及空间关联分析[14-15];张小盟运用自向量回归模型、脉冲响应法、方差分解法来探寻宁夏煤炭利用效率的主要影响因素及贡献率[16];武戈、杨静明利用非期望产出SBM模型模拟长江经济带15个核心城市的煤炭资源利用效率,并针对区域内差异进行收敛性研究[17];樊静丽基于Divisia指数分解法对我国2000-2016年工业行业煤炭利用效率变化进行测度和分解,指出电力等能源行业是引起工业行业煤炭利用效率变化的主要动因[18];姚俊、张军峰在考虑环境因素的基础上,运用Malmquist-Luenberger指数测算我国30个省(区、市)的煤炭利用全要素生产率,并应用Tobit模型对其影响因素进行了初步识别[19]。可以看出,现阶段煤炭资源利用效率的研究多局限于理论研究和煤炭资源利用效率的简单测度,并没有考虑到煤炭资源利用效率的空间特征及影响因素,缺乏深度。因此,本文采用DEA-BCC模型对2006-2015年全国30个省(区、市)的煤炭资源利用效率进行测度,在此基础上,研究我国省际煤炭资源利用效率的差异性及变动趋势,结合ESDA分析方法探讨效率的空间特性,并运用空间计量模型分析各种影响因素对我国煤炭资源利用效率的影响程度,以期提升研究深度,为国家、地方及有关部门制定有针对性的能源环境政策提供决策依据。

1 研究方法及数据说明

1.1 研究方法

1.1.1 DEA模型

查恩斯(Charnes)、库珀(Cooper)等人于1978年提出DEA-CCR模型,该模型仅能测算固定规模报酬下的效率,未考虑规模报酬可变的实际情况[20];随后班克(Banker)等人提出规模报酬可变的DEA-BCC模型,并将技术效率分解为纯技术效率和规模效率(SE),即TE=PTE×S[21]。此外,DEA模型又可分为投入型和产出型。投入型是指以产出不变为前提,减少投入量以提高效率;产出型则是指以投入不变为前提,增加产出量以提高效率。本文采用投入导向型DEA-BCC模型,具体模型如下:

(1)

式中:θ——标量;

λ——N×l的常向量;

解出来的θ值——单元(DMUi)的效率值,一般有θ≤1;如果θ=1,则意味着该单元是技术有效的,且位于前沿上。

1.1.2 探索性空间数据分析(ESDA)

探索性空间数据分析(ESDA)作为空间经济计量学的一个重要领域,主要用于解释与空间位置相关的空间依赖、空间关联或空间自相关现象,并通过对空间分布格局的描述与可视化,探究空间规律[22]。笔者采用全局 Moran' s 指数测度我国省际煤炭资源利用效率的空间相关性。全局 Moran' s 指数用于衡量区域总体空间关联和空间差异程度的指标,其公式为:

(2)

式中:n——研究对象的个数;

ZiZj——ij区域的观测值;

Wij——空间权重矩阵(空间相邻为1,不相邻为0);

S2——观测值的方差;

——观测值的平均值。

Moran's I取值区间为[-1,1],越接近1或-1,空间相关性越强。若Moran's I值为正,说明呈现空间集聚;若Moran's I值为负,说明呈现显著空间分异;当Moran's I取值接近于0时,则说明空间分布是随机的,不存在空间相关性。

1.1.3 空间计量模型

空间计量模型是一种能够有效解决被考察变量之间存在的空间依赖性及空间相关性问题的分析工具,经典的空间计量模型包括空间滞后模型(SLM)和空间误差模型(SEM)。

根据Anselin判定准则[23],选择构建空间误差模型研究煤炭资源利用效率的影响因素,建立我国30个省(区、市)煤炭资源利用效率影响因素空间计量模型,为确保计量结果的准确性,影响因素指标均取对数,模型如下:

(3)

式中:Cruei,t——i省份t年的煤炭资源利用效率;

β——回归参数,反映影响因素对煤炭资源利用效率的影响程度;

PCGDP——经济发展水平;

IS——产业结构;

TP——技术水平;

TC——运输成本;

FDI——外商投资;

IE——对外开发;

IA——煤炭产业集聚度;

λ——空间误差自相关系数;

W——空间权重矩阵;

αiσt——空间固定效应、时空固定效应。

1.2 数据说明

1.2.1 投入产出指标

煤炭资源利用效率影响因素具有多样性特点,在选取投入产出指标时要尽量避免指标间的线性相关性[3]。笔者在参考以往文献的基础上[14-15,24],选取以下投入产出指标:以2006-2015年间我国30个省(区、市)的资本存量、劳动力存量、煤炭消费量为投入要素,以各省GDP为产出要素。资本存量数据参考张军[25]等人的研究,通过“永续盘存法”计算得出;劳动力存量通过(当年年末就业人数+上年年末就业人数)/2计算得出;煤炭消费量通过《中国能源统计年鉴》直接获取;GDP则以2006年为基期,通过GDP平滑指数计算得出。考虑到我国西藏、台湾、香港、澳门的数据可获取性差,故未作考虑。

1.2.2 影响因素变量选取

在空间计量模型中,笔者选取经济发展水平、产业结构、技术进步、交通成本、外商投资、对外贸易、产业集聚度7个指标作为我国煤炭利用效率的影响因素。其中,经济发展水平用各省(区、市)人均GDP表示;产业结构用地区第二产业增加值/地区GDP表示;技术进步用各省(区、市)专利数(实用新型专利与发明专利之和)表示;运输成本用各地区(铁路里程+公路里程)/总面积表示;外商投资用各地区直接利用外资金额/地区GDP表示;对外开放用各地区进出口贸易总额/地区GDP表示;产业集聚度通过区位熵计算得出,具体公式为(地区煤炭产业总产值/地区工业总产值)/(煤炭产业总产值均值/工业总产值均值)。

1.2.3 数据来源

研究区间自2006-2015年,共计10年,数据来自历年《中国统计年鉴》《中国能源统计年鉴》《中国工业经济年鉴》《中国科技统计年鉴》,并结合相关省(区、市)的统计年鉴、统计公报和新闻报道等资料进行修正。

2 我国省际煤炭资源利用效率测算

通过DEAP2.2软件测算我国30个省(区、市)2006-2015年煤炭资源利用效率值,包括综合效率值、纯技术效率值及规模效率值,见表1。

1 我国省际煤炭资源利用效率测算(2006-2015)

省份综合效率纯技术效率规模效率北京1.0001.0001.000上海1.0001.0001.000福建1.0001.0001.000湖南1.0001.0001.000广东0.9941.0000.994天津0.9320.9900.941海南0.9111.0000.911黑龙江0.9040.9210.982安徽0.8780.8900.986浙江0.8600.8740.985山东0.7870.8090.974辽宁0.7750.7810.993重庆0.7330.7760.945广西0.7190.7300.984四川0.7090.7130.993山西0.6710.7050.951新疆0.6410.7140.898江苏0.6270.9610.654河北0.6200.6270.989贵州0.6140.7090.866吉林0.6070.6450.940湖北0.6020.6031.000陕西0.5780.6020.960云南0.5690.5990.951河南0.5620.5930.951内蒙古0.5570.6110.913江西0.4710.4850.972宁夏0.4560.9960.458甘肃0.4120.4770.865青海0.4031.0000.403均值0.7200.7940.915东部0.8590.9040.953中部0.7340.7600.966西部0.5810.7200.839

由表1可知,总体来看,我国当前煤炭资源利用效率还处于较低水平,综合效率均值为0.720,纯技术效率均值为0.794,规模效率均值为0.915。具体各省(区、市)来看,排名前5位的省(市)为北京、上海、福建、湖南和广东,除广东效率值为0.994以外,其他4省(市)综合效率值均达到1,处于前沿面上;排名后5位的省(区)依次是内蒙古、江西、宁夏、甘肃和青海,其综合效率值均在0.6以下。其他接近前沿面的省(区、市)以沿海地区为主,而处于效率底端的省(区、市)则主要分布在西部地区。我国各区域煤炭资源利用效率存在明显的差异性。具体来看,东部地区煤炭资源利用效率最高,其综合效率均值、纯技术效率均值和规模效率均值分别为0.859、0.904和0.953;中部地区次之,3个效率值分别为0.734、0.760和0.966;西部地区最低,3个效率值仅为0.581、0.720和0.839。因此,可以看出我国煤炭资源利用效率整体呈现出东部>中部>西部的格局。东部地区凭借优越的地理位置和雄厚的资金、政策、科教实力,使其产业结构趋于合理,煤炭资源投入正逐步向资源集约型、环境友好型转变;中部地区因为规模效率的优势,在综合效率上高于西部地区;而经过西部大开发战略的耕耘,西部地区在技术、管理、人才、生态等方面已有了长足的进步,其纯技术效率(0.720)已基本追上中部地区(0.760),中部地区对西部地区的技术优势已基本殆尽,现存的规模优势也仅是因为中部地区大多数省份煤炭资源丰富,煤炭产业在当地属于支柱产业,再加上开发历史早,在总体规模上还领先西部地区。西部地区拥有丰富的煤炭资源,只是因为开发历史晚,基础设施不完善,未能形成规模,但随着国家对西部地区重视程度的增加,西部地区已获得了越来越多的支持,加上国家绿色可持续发展战略的实施,国家在发展西部地区时,必将会考虑发展中东部地区时的经验教训,在经济发展的同时兼顾绿色发展,使西部地区的煤炭资源利用效率得到提升。

3 我国省际煤炭资源利用效率空间格局演变

根据2006-2015年我国30个省(区、市)煤炭资源利用效率,在一阶rook空间矩阵的基础上,运用GeoDa1.6软件,计算Moran's I值,见表2。

2 我国省际煤炭利用效率的Moran's I检验(2006-2015)

年份Moran'sIZ值E[I]SD[I]P值20060.218282.2426-0.03450.11520.02520070.198522.0259-0.03450.11770.03020080.193081.9980-0.03450.11590.02820090.188421.9159-0.03450.11620.04320100.160121.7155-0.03450.11710.05620110.117381.3205-0.03450.11700.09720120.107511.2316-0.03450.11950.09620130.166961.7854-0.03450.11410.05020140.223712.2538-0.03450.11500.01020150.226792.2849-0.03450.11390.018均值0.184901.9822-0.03450.11360.038

由表2可以看出,2006-2015年的Moran's I值均在5%或10%显著性水平下通过检验,表明我国30个省(区、市)煤炭资源利用效率呈现正向空间自相关性,说明煤炭资源利用效率高(低)相邻省际单元相对集聚,呈现出集聚模式。2006-2015年Moran's I值由0.21828提高到0.22679,呈现增长趋势,表明2006年以来,省际煤炭资源利用效率的空间相关显著性有所增强,集聚态势有所凸显。但2010-2013年的Moran's I值出现较大波动,说明省际煤炭资源利用效率空间分布格局不太稳定,容易发生变动。

为更准确地测度我国30个省(区、市)煤炭资源利用效率的空间集聚状态及变化特征,GeoDa1.6软件绘制了2006年、2009年、2012年、2015年Moran散点图,见图1。Moran散点图分为4个象限,分别对应4种空间差异类型:右上象限表示区域自身和周边煤炭利用效率均较高,二者的空间差异较小;左上象限表示区域自身煤炭利用效率较低,周边煤炭资源利用效率较高,二者的空间差异较大;右下象限表示区域自身煤炭利用效率较高,周边煤炭资源利用效率较低,二者的空间差异较大;左下象限表示区域自身和周边煤炭利用效率均较低,二者的空间差异较小。

根据我国煤炭资源利用效率Moran散点图,可以将我国30个省(区、市)划分为高高(H-H)、高低(H-L)、低高(L-H)、低低(L-L)4种类型,见表3。

3 我国省际煤炭利用效率的类型划分(2006-2015)

年份高高(H-H)高低(H-L)低高(L-H)低低(L-L)2006北京、天津、上海、浙江、福建、广东、广西、海南黑龙江、辽宁、山西、山东、安徽、湖南吉林、河北、江苏、江西、贵州内蒙古、青海、甘肃、宁夏、四川、云南、河南、湖北、陕西、重庆、新疆2009北京、天津、上海、浙江、福建、广东、广西、海南黑龙江、辽宁、山东、安徽、湖南吉林、河北、江苏、江西、贵州内蒙古、青海、甘肃、宁夏、四川、云南、河南、湖北、陕西、重庆、新疆、山西2012北京、天津、上海、浙江、福建、广东、重庆、海南黑龙江、辽宁、山东、安徽、湖南、四川吉林、河北、江苏、江西、贵州、湖北、广西内蒙古、青海、甘肃、宁夏、云南、河南、陕西、新疆、山西2015北京、天津、上海、浙江、福建、广东、广西、海南、江苏黑龙江、辽宁、山东、安徽、湖南、四川吉林、河北、江西、贵州、湖北、广西内蒙古、青海、甘肃、宁夏、云南、河南、陕西、新疆、山西

由表3可以看出,2006-2015年期间,位于H-H象限的地区基本保持不变,2006年、2009年位于H-H象限的地区均为北京、天津、上海、浙江、福建、广东、广西、海南8省(区、市),2012年重庆代替广西,其他省(市)不变,2015年新增江苏、广西代替重庆,其他省(市)不变。H-H象限省(市)大多位于东部沿海地区,自身经济水平较高,具有政策、资金、技术等优势,在提升自身煤炭利用效率的同时,还能对周边地区产生扩散效应,呈现出“高-高”聚集的空间关系;位于L-L象限的地区数量则有所减少,由2006年时的11个下降到2015年的9个,2006年位于L-L象限的地区有内蒙古、青海、甘肃、宁夏、四川、云南、河南、湖北、陕西、重庆、新疆11个省(区、市),2009年又新增山西省,2012年则仅剩下内蒙古、青海、甘肃、宁夏、云南、河南、陕西、新疆、山西9省(区),2015年保持不变,这些地区主要集中在中西部地区,这类地区与其他地区外部性差异大,但其自身内部的差异性较小,呈现“低-低”聚集的空间关系;位于H-L象限的地区数量保持在6个省份左右,2006年位于H-L象限的地区有山东、辽宁、安徽、黑龙江、湖南、山西6省,2009年减少山西省,2012年新增四川省,2015年保持6省不变,这些地区主要集中在中东部地区,自身煤炭利用效率较好,但被煤炭资源利用效率低地区包围,呈现“高-低”聚集的空间关系;位于L-H象限的地区有所增加,2006年、2009年均为吉林、河北、江苏、江西、贵州5省,2012年新增湖北、江西两省,2015年减少江苏省,其他省份与2012年一致,这些地区主要集中在中部和西南部地区,自身煤炭资源利用效率较低,但被煤炭资源利用效率高的地区包围,呈现“低-高”聚集的空间关系。通过上述4个时点的Moran's I散点图,可以发现总体上呈现出东部和西部地区表现出相似的空间关联性(“高-高”或“低-低”),而中部地区则表现出非相似的空间关联性(“低-高”或“高-低”),这说明我国煤炭资源利用效率的空间依赖性和差异性是并存的,但以空间依赖性为主。

图1 我国煤炭资源利用效率空间分布Moran's I散点图

4 我国省际煤炭资源利用效率空间计量模型分析

4.1 模型选择

空间计量模型主要分为SLM模型和SEM模型两类。在实证研究中可以通过LM检验来判断具体模型的选择,通过MATLAB软件对2006-2015年我国30个省(区、市)面板数据进行检验,见表4。结果显示,LM-lagLM-err均通过1%下的显著性水平检验,且LM-err值大于LM-lag值,同时Robust-LM-err通过了在5%下的显著性水平检验,而Robust-LM-lag未通过显著性水平检验,因此根据Anselin判别准则[23],笔者选择空间误差模型。在此基础上,分别对无固定效应、空间固定效应、时间固定效应、时空双固定效应及随机效应这5种情况下的空间误差模型进行检验,通过对比分析选取其中最为合理的模型,5种效应的检验结果见表5。由表5可以看出,时空双固定效应空间误差模型的判定系数和Log-L值分别为0.9636、570.42,均高于其他4种效应,且模型中spat.aut通过1%的显著性水平检验,存在显著的空间依赖性,因此,笔者采用时空双固定空间误差模型分析我国省际煤炭利用效率的影响因素。

4 OLS估计及检验结果

变量系数t统计量P值a0.9163.9370.000lnGDP-0.031-1.2730.204lnIS-0.227-5.1780.000lnTP0.0323.1440.002lnIE0.0785.4980.000lnTC-0.009-0.5800.562lnFDI0.0634.7430.000lnIA0.0010.1280.898Log-L182.52R-squared0.5233Durbin-Watson1.6791LM-lag4.482∗∗∗RobustLM-lag0.0057LM-error11.3527∗∗∗RobustLM-error6.4857∗∗

5 SEM模型估计及检验

变量无空间效应空间固定效应时间固定效应双固定效应随机效应lnGDP-0.033∗(-1.731)-0.035(-1.288)0.040∗(1.683)0.179∗∗∗(3.075)-0.038(-1.544)lnIS-0.266∗∗∗(-7.051)0.033(0.892)-0.386∗∗∗(-8.925)-0.090∗(-1.836)-0.0006(-0.018)lnTP0.017∗(1.898)0.013(1.148)0.0369∗∗∗(3.732)0.025∗∗(2.160)0.014(1.368)lnIE0.052∗∗∗(4.772)0.022∗(1.888)0.004(0.326)0.023∗(1.919)0.037∗∗∗(3.419)lnTC0.013(1.008)-0.026∗(-1.197)0.005(0.431)-0.031∗∗(-2.27)-0.017(-1.378)lnFDI0.08∗∗∗(7.219)0.0268∗∗∗(3.725)0.063∗∗∗(5.621)0.021∗∗∗(3.03)0.029∗∗∗(4.241)lnIA-0.026∗∗∗(-4.216)-0.0098(-1.144)-0.0303∗∗∗(-4.954)-0.008(-0.96)-0.015∗(-1.907)SPat.aut-0.615∗∗∗(-7.202)0.145∗(1.835)-0.663∗∗∗(-7.864)0.255∗∗∗(3.419)0.130(1.547)R-squared0.48980.96090.51710.96360.9565Log-L196.64558.32210.15570.42467.75

******分别表示在1%、5%、10%水平上显著

4.2 煤炭资源利用效率空间计量结果分析

根据空间时间双固定SDM模型估计结果显示,经济发展水平(PCGDP)、技术进步(TP)、外商投资(FDI)、进出口总额(IE)均通过显著性检验,且都显著为正。其中,经济发展水平和外商投资的系数分别为0.179和0.021,在1%的显著性水平下通过检验;技术进步的系数为0.025,在5%的显著性水平下通过检验;进出口总额的系数为0.023,在10%的显著性水平下通过检验。具体来看,经济发展水平系数显著为正,表明在2006-2015年这10年里,经济增长对煤炭资源利用效度的提高具有显著的正向影响,人均地区生产总值每提高1万元,就能促进煤炭资源利用效率提高0.179。经济发展水平高的地区,产业结构更为合理,基础设施完善,资金投入量大,生产技术与工艺先进,政府管理也更为高效,在这种环境下,煤炭资源利用效率更高。同时,经济发展水平高的地区,人民生活更富裕,日常生活电气化程度高,使用的多是经过先进煤炭利用技术、工艺处理过的二次能源,避免直接使用煤炭资源,因而煤炭资源利用效率更高。外商投资系数显著为正,表明在研究期间内,外商投资对煤炭资源利用效率的提高具有显著正向影响,地区外商投资占比每上升1%,煤炭资源利用效率就会提高0.021。外资及港澳台资企业多集中在工业产业,相比内资企业,其在规模、技术、管理上更具优势,能有效促进管理经验、技术工艺的转移及人才的培养,对煤炭资源利用效率起到积极作用。技术进步显著为正,表明在研究期间内,技术进步会对煤炭资源利用效率产生显著正向影响,技术进步水平每上升1%,煤炭资源利用效率就能提高0.025。技术进步的增强有利于创新和推广先进的生产技术、利用技术以及节能减排技术,在推动工业化、城市化过程中提高煤炭资源利用效率。对外开放度显著为正,表明在研究期间内,对外开放度会对煤炭资源利用效率产生显著正向影响,地区进出口总额占比每上升1%,煤炭资源利用效率就会提高0.023。对外开放程度的提升,有利于引进国外先进技术、设备、管理经验,降低单位煤炭消耗,提高煤炭利用效率。同时,对外开放程度的提升还能加剧市场竞争,迫使企业降低资源成本消耗,达到提高煤炭资源利用效率的目的。

产业结构(IS)、运输成本(TC)通过显著性检验,都显著为负。其中,产业结构系数为-0.09,在10%的显著性水平下通过检验;运输成本系数为-0.031,在5%的显著性水平下通过检验。具体来看,产业结构系数显著为负,表明在研究期间内,产业结构对煤炭资源利用效率的提高具有显著的负向影响,地区第二产业占比越高,煤炭资源利用效率就越低。我国经济发展正处于工业化中后期阶段,高耗能、高污染的重工业占比大,发展模式粗放,尤其以中西部地区为甚,直接造成煤炭资源的大量消耗和浪费,给我国煤炭资源利用效率的提升带来消极影响。运输成本系数显著为负,表明在研究期间内,运输成本对煤炭资源利用效率的提高具有显著的负向影响,地区运输成本越高,煤炭资源利用效率就越低。运输是煤炭资源的生命线,在很大程度上影响着煤炭资源的成本,煤炭运输成本越高,流通速度就越慢,煤炭闲置率就越高,周转次数也就越少,煤炭资源利用效率也会更低。煤炭产业集聚(IA)系数为-0.008,呈负相关,但未通过显著性检验,说明煤炭产业集聚对煤炭资源效率的影响不显著。煤炭产业集聚对煤炭资源利用效率的影响很小且呈负相关,这可能是由于煤炭产业集聚地区多处于中西部地区,其在煤炭产业集聚上的优势并无法弥补其在地理位置、技术、资金、交通上的劣势,最终出现煤炭产业集聚度高的中西部地区煤炭资源利用效率低,而煤炭产业集聚度低的东部地区煤炭资源利用效率高的局面。

5 结论与建议

5.1 结论

本文首先基于传统DEA-BCC模型,测度了我国30个省(区、市)2006-2015年的煤炭资源利用效率;其次利用ESDA分析方法,分析煤炭资源利用效率的空间格局演变;最后基于空间计量方法使用时间空间双固定SEM模型,探讨了我国煤炭资源利用效率的主要影响因素,从而得出以下3个结论。

(1)从我国煤炭资源利用效率测算结果来看,当前煤炭资源利用效率水平较低,综合效率均值、纯技术效率均值、规模效率均值分别为0.720、0.794和0.915,仅有北京、上海、福建、湖南4个省(市)综合效率值达到1,处于前沿面上,其他26个省(区、市)均有不同程度无效率状态,有很大提升空间。我国煤炭资源利用效率整体呈现出东部>中部>西部的格局,东部地区利用效率最高,中部地区次之,西部地区最低。但值得注意的是,西部地区在技术、管理、人才、生态等方面已取得长足进步,其纯技术效率(0.720)已基本追上中部地区(0.760),中部地区对西部地区的技术优势已基本殆尽,现仅存的规模效率优势也会随着西部大开发战略、绿色发展战略的深入,逐渐被西部地区追上。

(2)从空间自相关分析结果来看,我国30个省(区、市)煤炭资源利用效率呈现正向空间自相关性,2006-2015年Moran's I值由0.21828提高到0.22679,呈现增长趋势,集聚态势有所凸显。2010-2013年出现波动,则表明省际煤炭资源利用效率空间分布格局不太稳定,易发生变动。通过Moran散点图可以看出,我国30个省(区、市)煤炭资源利用效率在空间上存在明显的集聚状态。其中,北京、天津、上海、浙江、福建、广东等东部沿海地区体现为“H-H”集聚;内蒙古、青海、甘肃、宁夏、四川、陕西、重庆、新疆等西部地区体现“L-L集聚”;安徽、黑龙江、吉林、江西等中部地区则主要表现为“H-L”和“L-H”集聚。

(3)从空间计量估计结果来看,除煤炭产业集聚度对煤炭资源利用效率影响不显著以外,经济发展水平、技术进步、外商投资、对外开发对煤炭资源利用效率的提升有正向影响,产业结构、交通成本对煤炭资源利用效率的提升有负向影响。

5.2 建议

基于上述实证分析,针对煤炭资源利用效率的提升,笔者给出以下4点建议。

(1)东部地区要充分发挥其在区位、产业结构、基础设施、政策、资金、人才等方面的优势,坚持“引进来”与“走出去”相结合的发展战略,对外通过外资引进先进的技术设备、工艺流程和管理经验,对内积极与高校、科研院所开展合作,提高自身的自主研发水平,从而做到引进技术和自主研发两手抓两手硬,以此来提升自身的煤炭资源利用效率。

(2)中部地区要发挥好其在资源、规模、交通等方面的优势,在引进东部地区相对先进的技术工艺、管理经验的同时,发挥煤炭产业的规模优势,积极建立起高效便捷的煤炭运输及物流网络,降低煤炭运输成本,并在政府和市场的共同作用下优化煤炭资源配置及产业结构,以此来提升中部地区的煤炭资源利用效率。

(3)西部地区则要利用好西部大开发战略的契机,加强基础设施建设,扩大煤炭产业规模,积极引进国内外先进技术装备、工艺流程管理经验及优秀人才,以中东部地区过去的发展经验教训为鉴,提升自身煤炭资源利用效率。

(4)全国各省(区、市)不仅可以通过引进外资、提高规模、完善基础设施等传统手段来提升煤炭资源利用效率,还可以通过金融手段来提升煤炭资源的利用效率,而煤炭资源资本化就是一种有效的形式,通过转让煤炭资源使用权,使其能够在煤炭产权市场上流通,筹集到更多的资金,再利用筹集到的资金来进行投资,循环往复,既能实现煤炭资源的价值增值,又能提升煤炭资源利用效率。

参考文献:

[1] 史丹.我国经济增长过程中能源利用效率的改进[J].经济研究,2002(9):49-56,94.

[2] 赵楠,王辛睿,朱文娟.中国省际能源利用效率收敛性研究[J].统计研究,2015,32(3):29-35.

[3] 廖虎昌,董毅明.基于DEA和Malmquist指数的西部12省水资源利用效率研究[J].资源科学,2011,33(2):273-279.

[4] 藏正,邹欣庆,宋翘楚.空间权重对分析地理要素时空关联格局的影响——基于中国大陆省域水资源消耗强度的实证[J].地理研究,2017,36(5):872-886.

[5] 钱文婧,贺灿飞.中国水资源利用效率区域差异及影响因素研究[J].中国人口·资源与环境,2011,21(2):54-60.

[6] 张志辉.中国城市土地利用效率研究[J].数量经济技术经济研究,2014,31(7):134-149.

[7] 张雅杰,金海.长江中游地区城市建设用地利用效率及驱动机理研究[J].资源科学,2015,37(7):1384-1393.

[8] 谢花林,王伟,姚冠荣等.中国主要经济区城市工业用地效率的时空差异和收敛性分析[J].地理学报,2015,70(8):1327-1338.

[9] 叶浩,濮励杰.我国耕地利用效率的区域差异及其收敛性研究[J].自然资源学报,2011,21(9):1467-1474.

[10] 钱婷婷.经济学视域中的我国煤炭资源利用效率问题分析[J].中国煤炭,2008,34(11):40-43.

[11] 于贵芳,赵国浩.煤炭资源利用效率与生态帕累托之间的关系研究[J].工业技术经济,2012,31(4):55-58.

[12] 王兴华,赵凯,赵静等.基于AHP综合测度山西省煤炭资源利用效率[J].煤炭经济研究,2009(1):19-23.

[13] 任世华.煤炭资源开发利用效率分析评价模型研究[J].中国能源,2015,37(2):33-36.

[14] 车亮亮,韩雪,赵良仕等.中国煤炭利用效率评价及与经济增长脱钩分析[J].中国人口·资源与环境,2015,25(3):104-110.

[15] 车亮亮,韩雪,武春友.中国煤炭流动格局与利用效率的空间关联分析[J].经济地理,2015,35(2):134-140.

[16] 张小盟,李宁煜,高文青.宁夏煤炭利用效率的影响因素分析[J].煤炭加工与综合利用,2017(3):59-65.

[17] 武戈,杨静明.基于SBM模型的长三角工业煤炭利用率分析[J].市场论坛,2018(2):54-58.

[18] 樊静丽,孔令斯,张贤.我国工业部门煤炭利用效率变化及其驱动因素研究[J].中国煤炭,2018,44(7):21-25,53.

[19] 姚俊,张军峰.中国煤炭资源利用全要素生产率的区域差异研究[J].数学的实践与认识,2018,48(7):22-30.

[20] Charnes A, Cooper W W, Rhodes E.Measuring the efficiency of decision-making units[J].European Journal of Operational Research,1978,2(6):429-444.

[21] Banker R D, Charnes A, Cooper W W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science,1984,30(9):1078-1092.

[22] Getis A, Ord J K.The analysis of spatial association by use of distance statistics[J].Geographical Analysis,1992,24(3):189-206.

[23] Anselin L, Florax R, Rey S J.Advanced in spatial econometrics:methodology tools and applications[M].Berlin:Springer Science & Business Media,2004.

[24] 武春友,岳良文,张米尔.基于MFA和DEA的煤炭资源效率测算方法的研究[J].中国人口·资源与环境,2012,22(12):135-142.

[25] 张军,章元.对中国资本存量K的再估计[J].经济研究,2003(7):35-43,90.

Study on the utilization efficiency of provincial coal resources in China

Li Chengyu1, Zhang Shiqiang1,2

(1.College of Economics and Management, Shandong University of Science and Technology, Qingdao, Shandong 266590, China;2.Institute of Green Development, University of Jinan, Jinan, Shandong 250022, China)

Abstract Taking the panel data of 30 provinces in China as the research objects, the DEA-BCC model was used to measure the coal resource utilization efficiency of 30 provinces and cities in 2006-2015, and ESDA was used to analyze the spatial correlation of coal utilization efficiency, and SEM model was used to analyze the influencing factors affecting coal utilization efficiency.The results showed that China's current utilization efficiency of coal resources is relatively low.Only four provinces or cities in Beijing, Shanghai, Fujian and Hunan have a comprehensive efficiency value of 1, and the other 26 provinces have different degrees of inefficiency.There is still room for improvement.The coal resource utilization efficiency of 30 provinces and cities in China showed positive spatial autocorrelation, and there was obvious agglomeration state, and the neighbor effect was significant.The main influencing factors of coal resource utilization efficiency were economic development level, technological progress, foreign investment, external development level, industrial structure and transportation costs.

Key words coal resource utilization efficiency, influencing factors, DEA-BCC model, ESDA method, SEM model

中图分类号 TD-9

文献标识码 A

基金项目:国家社科基金重大项目(15ZDB163)

引用格式:李成宇,张士强.中国省际煤炭资源利用效率研究[J].中国煤炭,2020,46(3):13-22.

Li Chengyu, Zhang Shiqiang.Study on the utilization efficiency of provincial coal resources in China[J].China Coal,2020,46(3):13-22.

作者简介:李成宇(1990-),男,山东青州人,山东科技大学经济管理学院博士研究生,研究方向:能源经济、绿色经济。E-mail:852981624@qq.com。

(责任编辑 宋潇潇)