碳约束情景下技术创新对能源效率影响的实证研究
发布时间:2020-05-08 05:16
【摘要】:中国经济快速发展和能源需求导致经济-能源-环境3E系统发展矛盾日益突出,国家“五位一体”总体战略布局需要充分考虑经济、能源与环境间的协调关系,提高能源效率、加强节能减排的研究至关重要,针对碳约束情景下技术创新对能源效率影响的系统研究具有重要的理论价值和现实意义。本文首先对技术创新影响能源效率的路径进行理论分析,将非合意产出纳入全要素能源效率评价框架中,通过构建SBM-Undesirable模型对碳排放约束下区域能源效率及节能减排潜力进行测度;然后运用空间计量模型估计技术创新对能源效率的影响程度,探讨中国区域技术创新因素对能源效率影响的时空差异以及技术创新对能源效率空间收敛性的影响;最后对碳排放情景进行模拟分析,比较不同情景下技术创新对能源效率的促进作用并预测未来中国经济、能源与环境系统发展趋势。论文研究发现:第一,基于技术创新对能源效率影响的系统分析,样本期间内中国各省区碳排放约束下的能源效率值普遍较低,忽视非期望产出因素的影响会产生误差,四大地区能源效率表现差异较大,呈东-中-东北-西部地区递减格局;第二,碳约束下区域能源效率存在显著的正空间相关性,空间效应的存在将会对能源效率影响因素的估计及统计检验结果产生影响,中国区域能源效率提升的重要来源是技术创新;第三,基于技术创新水平差异前提,中国区域能源效率同时呈现出了绝对收敛和条件收敛,在控制技术创新水平、RD资金投入、产业结构以及对外开放程度等方面后,区域能源效率初始水平低的地区能效增速加快更为明显,技术创新对能源效率收敛趋势影响显著;第四,通过碳约束下技术创新对能源效率影响的情景模拟分析发现技术创新对能源效率的提高有积极作用,低碳情景是与3E系统协调发展最为合适和现实的方法。中国碳排放总量在2005~2050年期间会呈库兹涅茨倒“U”型发展趋势,在2020年左右达到最高峰后经历缓慢下降的过程。实现中国节能减排任务目标关键关键在于提高能源效率,能源技术创新发展越迅速,能源效率提高越显著。
【图文】:
图 2.1 能源效率影响因素之间的逻辑关系:作者基于各影响因素之间逻辑关系绘制合图 2.1 进行分析,技术创新对能源效率的影响机制包括直接作用和间接作用,入包括 R&D 资金投入和人力资本投入,通过新替代能源技术 R&D 的开发和现有善等途径使得新能源技术以及节能技术得到更广泛的传播使用,最终能源效率得效率的间接影响主要体现在作用于产业结构调整、工业化水平提升和能源结构优具体而言,在能源生产消费过程中,能源 R&D 投入越多,有关能源利用方面的效率设备引进的就越多,这可以减少生产过程中对能源的消耗,降低能源强度,
图 2.2 SFA 模型的技术效率在图 2.2 中,由 C-D 生产函数确定的生产前沿面为: iiq explnx01 ,基于该前沿面的随机前沿模型为: iiiiq exp lnx v u01 。图中 A 点表示随机影响为正,其随机误差项Av 为正数,,生产前沿面上移至 AAAq exp lnx v01* ;B 点表示随机影响为负,随机误差项Bv 即为负数,生产前沿面下降至 BBBq exp lnx v01* 。样本 A和B的技术效率分别表示为: AAAAAAAAxvxvuqqTE explnexpln0101* (2.4) BBBBBBBBxvxvuqqTE explnexpln0101* (2.5)根据上述技术效率的计算公式,定义 iiiTE exp EU ,通过极大似然法可估计出各参数值,在能源效率 SFA 方法的测度中,技术无效率项的条件期望即为所求效率值。与 DEA方法相比,SFA 测度结果一般不会出现效率值相同并等于 1 的情况,其受特殊点影响的概率较小,计算结果更加稳定。(2)数据包络分析 DEADEA 方法是由 Charnes、Coopor 和 Rhodes(1978)[23]
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:F124.3;F426.2
本文编号:2654188
【图文】:
图 2.1 能源效率影响因素之间的逻辑关系:作者基于各影响因素之间逻辑关系绘制合图 2.1 进行分析,技术创新对能源效率的影响机制包括直接作用和间接作用,入包括 R&D 资金投入和人力资本投入,通过新替代能源技术 R&D 的开发和现有善等途径使得新能源技术以及节能技术得到更广泛的传播使用,最终能源效率得效率的间接影响主要体现在作用于产业结构调整、工业化水平提升和能源结构优具体而言,在能源生产消费过程中,能源 R&D 投入越多,有关能源利用方面的效率设备引进的就越多,这可以减少生产过程中对能源的消耗,降低能源强度,
图 2.2 SFA 模型的技术效率在图 2.2 中,由 C-D 生产函数确定的生产前沿面为: iiq explnx01 ,基于该前沿面的随机前沿模型为: iiiiq exp lnx v u01 。图中 A 点表示随机影响为正,其随机误差项Av 为正数,,生产前沿面上移至 AAAq exp lnx v01* ;B 点表示随机影响为负,随机误差项Bv 即为负数,生产前沿面下降至 BBBq exp lnx v01* 。样本 A和B的技术效率分别表示为: AAAAAAAAxvxvuqqTE explnexpln0101* (2.4) BBBBBBBBxvxvuqqTE explnexpln0101* (2.5)根据上述技术效率的计算公式,定义 iiiTE exp EU ,通过极大似然法可估计出各参数值,在能源效率 SFA 方法的测度中,技术无效率项的条件期望即为所求效率值。与 DEA方法相比,SFA 测度结果一般不会出现效率值相同并等于 1 的情况,其受特殊点影响的概率较小,计算结果更加稳定。(2)数据包络分析 DEADEA 方法是由 Charnes、Coopor 和 Rhodes(1978)[23]
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:F124.3;F426.2
【参考文献】
相关期刊论文 前10条
1 林伯强;刘泓汛;;对外贸易是否有利于提高能源环境效率——以中国工业行业为例[J];经济研究;2015年09期
2 武盈盈;李燕;;山东省工业能源效率及其影响因素研究[J];中国人口·资源与环境;2015年06期
3 张云;唐海燕;;中国贸易隐含碳排放与责任分担:产业链视角下实例测算[J];国际贸易问题;2015年04期
4 曲直;;中国国有工业企业效率研究——基于SFA的实证分析[J];工业技术经济;2014年01期
5 师博;沈坤荣;;政府干预、经济集聚与能源效率[J];管理世界;2013年10期
6 范丹;王维国;;中国区域全要素能源效率及节能减排潜力分析—基于非期望产出的SBM模型[J];数学的实践与认识;2013年07期
7 杜强;陈乔;杨锐;;基于Logistic模型的中国各省碳排放预测[J];长江流域资源与环境;2013年02期
8 贾军;张卓;;中国高技术产业技术创新与能源效率协同发展实证研究[J];中国人口.资源与环境;2013年02期
9 王兵;张技辉;张华;;环境约束下中国省际全要素能源效率实证研究[J];经济评论;2011年04期
10 蒋金荷;;中国碳排放量测算及影响因素分析[J];资源科学;2011年04期
相关硕士学位论文 前1条
1 王雪娜;我国能源类碳源排碳量估算办法研究[D];北京林业大学;2006年
本文编号:2654188
本文链接:https://www.wllwen.com/jingjilunwen/shijiejingjilunwen/2654188.html