中国工业能源效率测度及其影响因素研究

发布时间：2017-09-23 20:17

  本文关键词：中国工业能源效率测度及其影响因素研究

  更多相关文章： 工业能源效率 影响因素分析 DEA模型 人工神经网络 个体时点固定效应模型 脉冲响应函数

【摘要】：我国既是资源大国,又是资源小国,能源总量世界占有量位居前列,而人均占有量却落后于世界平均水平。由于受中国近现代史的影响,加上地理结构差异,导致地域经济发展不平衡,工业内部结构相对落后,工业能源消耗总量大,中国工业能源利用效率低。国家统计数据显示我国工业能源消耗总量由2005年的16.8亿吨标准煤增加到2012年的25.2亿吨标准煤,年均增长率达9.6%,工业能源占全部能源消耗总量的70%以上。中国经济的发展是以能源的大量消耗为代价发展起来的,导致中国目前能源问题和环境问题日益严重。为了更好的阐述我国工业行业能源效率及其影响因素,以便能够为提高工业能源效率,节能减排提供可靠的对策和参考,本文从三个方面运用相关理论模型进行了研究。一、从省际层面对能源效率及影响因素进行了实证研究,通过DEA模型对2005—2012年30个省市的能源效率进行了测算。由于传统的采用线性或对数线性参数回归的计量经济模型可能存在多重共线性、自相关等问题。本文引入了人工神经网络(ANN)对省际能源效率影响因素重要性进行分析；实证结果显示：(1)除少数省份能源得到充分利用外,其余省份存在能源投入的冗余,特别是中西部地区的能源投入冗余量较多,其节能潜力较大；(2)技术水平、研发强度、劳动生产率、国有化程度、市场开放程度对能源效率有显著影响,产业结构和工业企业平均规模无显著影响；(3)按照对能源效率的影响程度排序,依次是市场开放程度、技术水平、研发强度、劳动生产率、国有化程度。二、从37个工业行业的角度对能源效率及影响因素进行了实证研究。DEA模型作为非参数数学规划模型,成为测算能源综合利用效率的主流方法。已有的研究大多是基于传统CCR或者BCC的DEA模型来对中国工业行业能源效率进行测算,由于该模型没有考虑到投入要素和产出要素松弛所带来的影响,会使的DEA效率值存在偏差。因此本文采用考虑到了投入与产出松弛变动的超效率DEA模型来对2005—2011年37个工业行业的能源效率进行测算,并运用个体时点固定效应模型对37个工业行业的能源效率与影响因素进行了面板数据回归分析,结果显示：(1)除少数工业行业DEA超效率外,绝大多数行业能源效率低,工业行业节能减排潜力大；(2)技术进步水平、市场开放程度、能源结构、企业规模、劳动生产率对总体、高、中与低能源效率行业的能源效率影响各不相同；(3)能源结构对总体、高、中能源效率行业的能源效率影响最大,而技术进步水平则对所有行业都起正向促进作用；(4)技术进步水平、市场开放程度、能源结构、企业规模对制造业能源效率有显著影响,而对采掘业和水电煤气生产与供应业的能源效率并无影响。三、对工业整体能源效率及影响因素之间的短期和长期动态关系进行了实证分析。目前能源效率的研究着重于单一产出要素的研究。然而,工业产出除了总产值这类我们所期望的产出外,也不可避免的伴随着非期望产出如废水、废气和固体废弃物。本文基于1989—2012年的时间序列数据采用非期望产出的SBM模型研究了我国工业24年总体能源效率的变动情况,运用向量误差修正模型和脉冲响应函数对能源效率的影响因素的动态关系进行了研究,研究结果发现：(1)中国工业环境能源效率总体呈现出提高趋势；(2)研发强度、能源价与企业规模格在长短期均对能源效率起正向影响,而市场开放程度、劳动生产率的提高短期内不利于能源效率的提高,但长期来看对能源效率起积极的促进作用,而能源结构对能源效率的影响与市场开放程度对能源效率的影响则相反,能源结构(煤炭比重)的短期降低会使能源效率下降,但是长期则对能源效率的提高起积极的促进作用；(3)其中市场开放程度对能源效率的贡献率最大,而能源结构对能源效率的短期影响最大。最后,在总结全文研究的基础上,根据研究的结论,针对性的提出了提高我国工业能源利用效率的政策建议。
【关键词】：工业能源效率 影响因素分析 DEA模型 人工神经网络 个体时点固定效应模型 脉冲响应函数
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F424;F206
【目录】：

• 摘要4-6
• Abstract6-15
• 第一章 绪论15-21
• 1.1 研究背景和意义15-17
• 1.1.1 研究背景15-16
• 1.1.2 研究意义16-17
• 1.2 研究内容和框架17-19
• 1.3 主要创新之处19-21
• 1.3.1 研究内容上的创新19
• 1.3.2 研究思路上的创新19
• 1.3.3 研究方法上的创新19-21
• 第二章 工业能源效率研究现状21-26
• 2.1 工业能源效率概念阐述21
• 2.2 文献综述21-26
• 2.2.1 以研究对象来分类21-24
• 2.2.2 以研究方法来分类24-26
• 第三章 所用方法和模型介绍26-33
• 3.1 基于DEA的能源效率测度26-29
• 3.1.1 DEA模型简介26-27
• 3.1.2 基于VRS假设的能源效率测度27-28
• 3.1.3 超效率DEA模型28
• 3.1.4 非期望产出的SBM模型28-29
• 3.2 能源效率影响因素分析方法29-33
• 3.2.1 基于人工神经网络的分析29-30
• 3.2.2 个体时点固定效应面板分析模型30-31
• 3.2.3 基于VEC模型的脉冲响应函数31-33
• 第四章 省际能源效率及其影响因素实证研究33-39
• 4.1 省际能源效率测度33-35
• 4.1.1 相关指标和数据33
• 4.1.2 基于DEA模型能源效率测度33-35
• 4.2 省际工业能源效率的影响因素分析35-38
• 4.2.1 影响因素的确定35-37
• 4.2.2 基于ANN的影响因素的重要性分析37-38
• 4.3 小结38-39
• 第五章 工业各行业能源效率及影响因素实证分析39-49
• 5.1 工业各行业能源效率的测度39-41
• 5.1.1 变量和来源39
• 5.1.2 基于超效率DEA的工业各行业能源效率测算39-41
• 5.2 工业各行业能源效率影响因素分析41-48
• 5.2.1 工业能源效率影响因素的确定42
• 5.2.2 数据的平稳性检验42-43
• 5.2.3 F检验43
• 5.2.4 豪斯曼检验43-44
• 5.2.5 模糊C均值聚类分析44
• 5.2.6 基于个体时点固定效应模型的分析44-46
• 5.2.7 基于行业性质分类的分析46-48
• 5.3 小结48-49
• 第六章 我国工业能源利用效率及影响因素实证分析49-61
• 6.1 我国历年工业能源效率的测算49-51
• 6.1.1 指标与数据选取49
• 6.1.2 基于非期望产出的SBM能源效率测算49-51
• 6.2 基于协整和误差修正模型的实证分析51-59
• 6.2.1 指标的选取51-52
• 6.2.2 变量的平稳性检验52-54
• 6.2.3 协整方程的建立54-55
• 6.2.4 向量误差修正模型(VECM)的建立55-56
• 6.2.5 脉冲响应函数分析56-58
• 6.2.6 方差分解58-59
• 6.3 小结59-61
• 第七章 结论与对策61-64
• 7.1 结论61-62
• 7.2 对策与建议62-64
• 参考文献64-68
• 攻读学位期间发表的论文68-70
• 致谢70-71
• 附录71-83

【参考文献】

中国期刊全文数据库 前10条

1 张兵兵;朱晶;;出口对全要素能源效率的影响研究——基于中国37个工业行业视角的经验分析[J];国际贸易问题;2015年04期

2 安岗;郁培丽;石俊国;;中国工业部门能源利用效率的测度与节能潜力:基于随机前沿方法的分析[J];产经评论;2014年01期

3 朱旭芳;梁华家;;关于广西工业能源消费状况和走新型工业化道路的分析[J];科学之友;2013年12期

4 郭文;孙涛;;中国工业行业生态全要素能源效率研究[J];管理学报;2013年11期

5 周春应;杨红强;;中国工业能源利用效率的行业差异与节能潜力研究[J];山西财经大学学报;2013年09期

6 梁伟;张慧颖;朱孔来;;能源-经济-环境问题的国内外研究热点对比分析——基于CGE模型的研究视角[J];东岳论丛;2012年10期

7 包江山;关峻;;低碳经济背景下我国工业能源利用效率分析——基于协整理论和DEA模型[J];科技进步与对策;2012年20期

8 王喜平;姜晔;;碳排放约束下我国工业行业全要素能源效率及其影响因素研究[J];软科学;2012年02期

9 孙广生;杨先明;黄yN;;中国工业行业的能源效率(1987-2005)——变化趋势、节能潜力与影响因素研究[J];中国软科学;2011年11期

10 滕玉华;;自主研发、技术引进与能源消耗强度——基于中国工业行业的实证分析[J];中国人口.资源与环境;2011年07期

中国博士学位论文全文数据库 前1条

1 李玲;中国工业绿色全要素生产率及影响因素研究[D];暨南大学;2012年

，

本文编号：907292