一、绿色增长与能源效率概述

人类社会发展至今，来自于自然资源过度开采和低效利用，已经在全球范围内造成了激烈的资源竞争形势和严重的资源危机，不可再生资源(能源)消耗与环境污染破坏已经成为全球经济发展不可规避的两个主要问题，聚焦中国，如何在“十九大”后寻找到绿色发展的新出路？聚焦辽宁省，如何在供给侧改革的感召下，克服自身产业结构的缺陷，走出一条经济、环境、资源可持续发展的健康之路？诸多问题迫在眉睫，而解决这些问题的关键就在于发展绿色经济、走绿色增长之路。辽宁省作为东北老工业基地，自建国以来都属于能源开采和消耗大省，伴随着GDP数字的逐年攀升，一系列资源枯竭、环境污染等问题接踵而至，特别是在经济新常态和供给侧改革框架下，辽宁省经济-资源-环境系统矛盾愈发凸显。

绿色增长(Green Growth)的思想发轫于20世纪60年代的绿色运动，在最近的数十年间，成为全球实践和研究的热点。自2001年Murgai明确提出“绿色增长”的概念后，绿色增长的理念在全球迅速传播[1]。2005年联合国亚太经济合作与发展(ESCAP)会议将“绿色增长”看作是实现可持续发展的关键战略，并认为绿色增长是“为推动低碳、惠及社会所有成员的发展而采取的环境可持续的经济过程”[2]。2015年巴黎气侯峰会给发达国家、发展中国家的经济发展都提出了前所未有的挑战，中国正处于工业化发展阶段，能源结构以煤为主，控制温室气体排放任务艰巨。同时，中国以煤为主的能源结构在未来相当长的时期内难以根本改变，控制温室气体排放的难度很大、任务艰巨。因此，如何顺应新形势下经济发展、减排责任以及节能降耗的发展需要，无疑给中国能源经济提出了一个发展难题，而解决这一难题的科学出路就在于提升化石能源即不可再生能源消耗效率。在效率影响因素研究领域，之前的研究出发点基本上是以能源强度或国家、省域宏观能源效率为因变量，缺乏对不可再生能源效率影响因素的研究。例如在国家层面上，Cornillie J和Fankhauser S[3]研究发现能源价格和企业重组是国家能源效率提高的重要原因；Taichen Chien、Jin-Li Hu[4]基于对45个OECD国家和非OECD国家能源效率影响因素的研究，发现了可再生能源的投入能够提高能源消耗的经济效率，相反，传统煤炭资源投入比重的提高会造成整体效率的降低；Birol F.、Keppler J.H. [5]认为能源价格和技术进步是能源效率提升的两个关键因素，因而可以通过提高能源相对价格或引进先进技术来提高能源消耗效率。在区域层面上，董利[6]研究发现第二产业比重上升会造成能源强度的上升，能源消费结构中清洁型能源消费比重的提升会降低能源消耗强度；屈小娥[7]认为工业化水平提高对东西部地区能源效率改善有促进作用；姜磊、季民河[8]研究发现技术进步与能源效率呈现显著的正相关，工业比重过高、产业结构不合理是中国能源效率低下的症结所在；许启钦、孙浦阳[9]等研究发现在贸易自由化的过程中，省际能源消费强度随对外贸易规模的扩大而降低，即能源效率提高；马晓君等人[10]研究发现产业结构、技术进步对东北三省能源效率变动具有一定影响；刘殿国、肖辉旭[11]研究发现第二产业比重、水核使用比重对泛珠三角区域能源效率具有一定影响。在行业层面上，李建博、武春友[12]对企业不可再生能源效率制约因素的实证分析；陈小姣[13]研究发现技术效率是建筑业能源效率增长的主要源泉；曲晨瑶等人[14]研究发现行业内竞争、技术进步对制造业能源效率有正的影响,能源消费结构、对外开放以及环境规制对制造业能源效率有负的影响。

综上，目前，国内外关于不可再生能源效率研究成果较少，基本以国家层面为主，而且效率测度指标大多以能源强度为主，即使涉及到投入产出模型，也缺乏在绿色增长框架下的指标考量，关于关键影响因素的研究尤为少之。因此，本文正是要在这一研究缺口上引入绿色增长理念，对辽宁省不可再生能源消耗效率的关键影响因素进行实证分析。

二、研究方法

1.超效率S-DEA模型

C2R-DEA模型和C2B-DEA模型能够区别决策单元是否有效，却不能区分出有效的决策单元之间的效率差异和效率高低，Anderson和Peterson于1993年提出了一种超效率DEA模型，能够有效区别出有效单元之间的效率差异，对决策单元的效率值进行有效排序，从而弥补了传统DEA模型只能区分效率是否有效而无法区分效率值高低的弊端。假设依据不变，按照“一定产出下投入最小化”的分段线性逼近原则构建基于投入导向的S-DEA模型，如(1)所示。同理，对应有基于产出导向的S-DEA模型(2)。

商誉对橡胶与塑料制品业上市公司收益的影响研究………………………………………………刘树艳，马贵凤（3，24）

(1)，

(2)。

2.岭回归模型

普通最小二乘法(OLS)估计是建立在自变量必须相互独立的前提下的，考虑到解释变量个数较多会产生多重共线性，因而不能直接用最小二乘模型进行回归，因此，本文选取岭回归模型来克服多重共线性问题。

设线性回归模型Y=βX+ε；参数β的最小二乘估计为

(1)产业结构优化——第三产业比重提升——不可再生能源消耗效率提升。产业结构的优化体现于第二产业比重下降和第三产业比重上升，而第三产业是低耗能、高产出、低污染部门，故提高第三产业比重将有助于减少不可再生能源的消耗量，提升经济收益即GDP产出量。

；其中，为β的岭回归估计量。

针对高外向性消费者的特点，店铺设计应注重环境的美观性。同时，化妆品牌应建立自己的社交媒体平台，定期发布品牌活动。企业应推出参与性强的营销活动，增加外向性消费者者的参与度。

由于污染物个数较多，会影响效率评价效果，故采用熵-Topsis模型进行降维处理，换算成环境负荷指数。TOPSIS法是一种多目标决策方法，由Wang和Yoon于1981年首次提出。TOPSIS法相对于传统的用于评价问题的多元统计方法来说具有分析原理直观、计算简便、对样本量要求不大等特点。具体计算公式和过程过于复杂，鉴于篇幅有限，故省略，如若需要请与作者本人联系索取。

2.3 5组患者恶心呕吐发生率较低，只有A组1例出现恶心呕吐。检查时间、清醒时间（从操作停止至患者睁眼，能控制语言和行为）、苏醒时患者疼痛视觉模拟评分（VAS）五组患者无统计学意义；丙泊酚用量、术中体动 （包括干呕吞咽和四肢活动等）发生率 B 组高于 A、C、D、E 组(P＜0.05)；A 组丙泊酚用量多于 C、D、E 组(P＜0.05)；呼吸抑制(检查中需麻醉医师双手托下颌或辅助呼吸)A组大于B、C、D、E 组(P＜0.01)。 见表 3。

岭回归κ值上限记为；其中，

2001年，时年24岁的徐中伟突发颈椎肿瘤，经过半年多的治疗，他出院了，可是却给家里落下了一堆的债，由于治疗不彻底导致肢体残疾，徐中伟也失去了部分劳动能力，家中情况异常艰难，师团残联在摸底排查中，得知他的情况，上门送上慰问品，还根据徐中伟的实际情况给他办理了肢体二级残疾证，并送他外出参加培训学习。

建立良好的足球课堂秩序，教师必须要精通足球的学科知识，这是进行足球教学的基础。没有扎实的足球专业知识素养将很难进行有效教学，更谈不上建立良好的课堂秩序。教师还要掌握教育理论，遵循教育规律，是提高足球教学质量的前提。“授人予鱼，不如授人予渔”。教师在给学生传授知识的同时，也要教会学生学习的方法，这就要求教师要有丰富的教育专业知识。

胖子站在我和胡马强的中间，生怕胡马强把树抢走似的，他近乎乞求地说，胡总，您挣钱都好比捋花栗树叶子似的，我们挣的可是几个血汗钱啊，这树没有二十万元，我们着实是卖不起啊！

同理，分别计算时的值，按照最小误差平方和原则，确定最优κ值。最后，得到岭回归方程，可以根据回归系数对影响因素作用方向与程度进行分析。

三、辽宁省不可再生能源效率的关键影响因素识别及作用效果分析

1.不可再生能源效率测度

(1)投入指标。不可再生能源消耗：不可再生能源消耗主要包括原煤、原油、天然气，本文将三种能源折合成以万吨标准煤为单位的辽宁省不可再生能源消耗总量。

劳动力投入：不可再生能源消耗利用的整个过程与行业内部各个领域的从业人员是密不可分的，故劳动力投入指标用辽宁省就业总人数予以表征。

资本投入：本文选择经固定资产投资价格指数平减后的实际资本投资形成额作为资本投入的表征指标，从而剔除通货膨胀、价格变动等因素的影响。

TE=1.3843IS+0.0960OL-0.2070UI+0.3987RD-0.0859CP

(2)产出指标。经济收益：以辽宁省地区生产总值作为主要经济收益产出，并对指标进行GDP平减处理。

随着人们对环保意识的增强以及国家政策的要求、移动破碎筛分设备在城市建筑垃圾、矿山等方面应用越来越广泛。

环境负荷：选取辽宁省1995-2014年工业固体废弃物排放量、工业废水排放量、二氧化硫排放量、工业烟尘(粉尘)排放总量以及二氧化碳排放量指标作为衡量辽宁省生态环境污染负荷水平的评价指标。由于二氧化碳排放量数据在省际层面的统计工作开展较晚，无法直接从统计年鉴中获取，因此，本文根据联合国政府间气候变化专门委员会IPCC数据库关于二氧化碳的估算方法，将1995-2014年间辽宁省能源消耗总量进行二氧化碳折标计算，估算出1995-2014年间辽宁省二氧化碳排放量。

与普通最小二乘估计比较，岭回归估计量不再是β的无偏估计，且的方差比最小二乘估计β的方差要小。岭回归系数的确定是基于κ值进行选择的，若关系式成立，则由公式定义的岭回归估计就优于OLS估计，其中，λ=ρ′β=λ1,λ2……λn′，ρ′为正交矩阵。κt值的确定按照如下公式：

(3)效率测度结果分析。鉴于本文重点是对辽宁省不可再生能源消耗效率的关键影响因素进行研究，故只运用超效率DEA模型计算出综合技术效率，具体测算结果见表1。

记者看养老服务中心条件这么好，收费一定不低吧，张振美表示，企事业单位退休下来的老人完全能够负担得起，能自理老人收费标准在2000元左右，半自理老人收费在3000元左右，完全不能自理老人收费在4000元以上。

表1 产出导向下辽宁省不可再生能源消耗的综合技术效率值

年份综合技术效率值年份综合技术效率值19951.137720051.03419960.86720061.032619970.991920071.019519981.015820080.994219990.979620091.033720000.83420101.006520010.813720110.966420020.951220120.972120030.959420130.929920041.041820140.9396

产出导向模型是假定投入端要素数量既定，通过效率测算来探析产出端的经济产出即GDP和环境负荷水平能够得到提升与改善。经过测度发现：1995-2014年间辽宁省不可再生能源消耗的综合技术效率值整体处于小幅波动变化态势，且效率有效年份数量仅为40%。整个年份区间内出现两次比较大的效率低谷，例如1999-2003年间、2011-2014年间，这两次效率低谷的主要原因在于辽宁省在上世纪末、本世纪初产业结构畸形化加重所致以及近些年在国家号召供给侧改革下产业结构被动调整所致，并且，2011-2014年的效率低谷恰好验证了目前辽宁省必须加快进行供给侧改革、去产能、去库存，才能更好地实现节能降耗目标。与此同时，1995-2014年间，辽宁省不可再生能源消耗效率也出现了一次较长的效率峰值期，即2004-2007年间，这次效率峰值的出现与国家生态文明建设的推动相关，辽宁省不可再生能源消耗实现了经济收益与环境负荷相适应的良性循环。

2.关键影响因素识别及逻辑假设

通过岭回归计算结果可知，第三产业比重指标、进出口贸易总额占GDP比重指标、研发与试验开发经费占GDP比总指标对辽宁省不可再生能源消耗效率的作用方向是正向的，作用系数分别为1.3843、0.096、0.3987；而城镇人口比重、清洁能源消耗比重指标呈负向作用，作用系数分别为-0.207、-0.0859。具体分析如下：

为了解决变量之间的多重共线性问题，在X′X加上一个正的常数矩阵κIκ>0，构造出使得X′X+κI≈0的可能性比单独X′X≈0的可能性更小，从而达到因X′X≈0而造成的方差变大的目的。因此，岭回归估计方程可以记为：

(2)开放程度提升——进出口贸易总额比重提升——不可再生能源消耗效率提升。对外开放程度的提升意味着进出口贸易总额比重的提升，在一定程度上将有助于国外先进技术设备的购入，与此同时，增加外汇收入，达到增加有效经济产出的目的，在一定不可再生能源消耗投入条件下，有效经济产出规模越大，消耗效率越高。

(3)城市化水平的提升——城镇人口比重上升——不可再生能源消耗效率提升。城镇人口比重增大，居民节能环保意识增强，服务业发展速度加快，社会总体不可再生能源需求减少，经济总量扩大、污染物排放量降低，不可再生能源消耗效率提高。

(4)技术进步水平提升——研发与试验开发经费占GDP比重上升——不可再生能源消耗效率提升。研发与试验开发经费支出有助于节能降耗技术的研发与推广，有助于降低不可再生能源的源头消耗量，增加经济收益即GDP产出量，提高不可再生能源消耗效率。

2017年，广西新增城镇绿色建筑竣工面积约1760.012万平方米，竣工房建工程面积5497.54万平方米，城镇绿色建筑占新建建筑比重达32.015%，较2016年绿色建筑面积比重15.49%同比增长了16.525%。2018上半年，全区城镇竣工民用建筑面积约2652.24万平方米，折合节能量46.89万吨标准煤；城镇新增报建绿色建筑面积约1720.85万平方米，绿色建筑评价标识项目27个。

(5)能源消费结构改善——清洁、新能源比重提升——不可再生能源消耗效率提升。能源消费结构中清洁、新能源比重愈高将有助于提升生态环境负荷水平，即生态环境的有效产出，从而提升不可再生能源消耗效率水平。

3.影响因素作用效果分析

借助多元统计分析软件，计算出剩余值即误差平方和，时的值最小，因此，选择时的预报结果，相应的岭回归方程为：

科技创新投入：不可再生能源的消耗利用离不开科技创新投入，原则上可推断出科技创新投入力度愈大，不可再生能源消耗利用效率水平则愈高。本文以辽宁省研究与试验发展经费支出总额予以表征科技创新投入指标。

在相关文献回顾以及实证分析的基础上，本文总结归纳出辽宁省不可再生能源消耗效率的影响因素有产业结构因素、信息化水平因素、开放程度因素、技术进步因素、不可再生能源消耗结构因素、城市化水平因素、资本深化程度因素、能源价格因素、所有制结构因素。这些因素在很多学者的研究成果中均有涉猎，并且影响程度和作用方向均有不同。考虑到多元回归模型的解释能力和拟合情况，本文无法将这些因素都纳入模型中，故选择能源经济学研究领域的多为专家、学者、教授、博士对影响因素进行重要性筛选，普遍认为产业结构、城市化水平、开放程度、技术进步、能源消费结构是影响辽宁省不可再生能源消耗效率的关键影响因素，并做出如下假设。

辽宁省产业结构中第三产业比重上升有助于不可再生能源消耗效率水平的提升，并且在众多影响因素中，产业结构因素作用系数是1.3843，是影响力最大的。这一回归结果恰好和之前的假设推论相一致，与辽宁省实际发展情况相吻合。第三产业中的众多行业部门都是低耗能、高收益、低污染部门，因而加快第三产业发展、优化全省产业结构，将有助于辽宁省不可再生能源消耗效率水平的提升。因此，辽宁省要加快产业结构调整与优化步伐，在供给侧改革框架下，降低第二产业特别是高耗能行业比重，提高环保产业、新能源产业、金融、高端服务行业的发展比重。

辽宁省进出口贸易总额占GDP比重上升有助于不可再生能源消耗效率水平的提升，但作用效果较弱，作用系数仅为0.096。这一回归结果与假设推论相一致。进出口贸易总额占GDP比重上升意味着对外开放程度的提升，目前，辽宁省在五点一线、东北亚航运中心、东北老工业基地振兴的发展框架下，扎实推进全省对外贸易的发展步伐，特别是省内的大连市。辽宁省对外开发程度的提升将有助于全省经济总量的扩张和国外先进技术的引入。

辽宁省城市化水平的提升即城镇人口比重的增加阻碍了不可再生能源消耗效率水平的提升，这一回归结果与原假设相悖。原假设是城镇化水平的提升将有助于效率提升，但实际情况则截然相反，辽宁省城镇人口比重的增加造成了不可再生能源浪费性消耗的增加，特别是生活中能源消耗量的增加，并且在一定程度上也造成生态环境污染的不良影响。以日常生活为例，城市化水平提高，城镇人口数量增加，公众生活中消耗的能源数量特别是煤炭资源、石油资源数量愈发增加，例如城市供暖、私家车消耗等方面，都在一定程度上造成了能源资源的浪费。

⑤最大坝高、集水面积、库容信息完整的溃坝水库165例统计分布见图1，可见溃坝案例基本集中于库容100万m3以下、集水面积50km2、坝高30 m以下的小 （2）型水库，为138例，占165座水库的83.6%。说明小（2）型水库安全状况差，应为重点管理对象。

辽宁省研究与试验开发经费占GDP比重的提升有助于不可再生能源消耗效率水平的提升，这一回归结果与原假设一致。研究与试验开发经费占GDP比重表征的是技术创新水平的高低，技术创新水平提升有助于能源技术领域技术创新成果的应用与自主创新。因此，辽宁省未来技术创新发展应该侧重于能源技术领域，特别是重化工行业的节能减排技术的研发与创新。

辽宁省清洁、新能源比重提升没有和原假设所预想的推动不可再生能源消耗效率提升的正向作用方向一致，而是呈现负向影响。清洁、新能源主要是指风能、水能、电能和核能，这些清洁能源比重的上升意味着能源消费结构的日趋合理，但辽宁省的清洁能源比重则相对较低，特别是与国内其他省市例如北京、上海、浙江、江苏、广东等相比，则发展较慢，因而没有形成可以推动不可再生能源效率水平提升的发展规模。

四、对策与措施

一是要加快辽宁省产业结构调整与优化步伐。有步骤、有计划的进行三次产业结构比重的调整，降低第二产业特别是高耗能、重化工行业的比重，对那些落后的、污染重的小钢炉、小煤窑都要一一关闭，鼓励第三产业特别是高端服务行业的发展，提升地区经济的有效产出，降低环境污染影响。

二是要重视辽宁省对外开放和技术创新战略部署。加快外商直接投资以及出口加工贸易的发展速度，增加贸易额，扩大地区生产总值增加额。重视科技研发创新工作，特别是重点领域、重点行业部门的技术创新与研发，鼓励和支持科研人员出国进修，引进国外先进的节能降耗技术进行二次创新，继而实现自主创新。

三是要提升辽宁省公众的节能环保意识与认知素养。在城市化进程加快的今天，辽宁省要从公众认知培养方面着手进行宣传教育，将节能环保意识渗透至公众生活的各个层面，例如低碳生活、低碳交通、低碳消费等领域。与此同时，在城市化进程中也要注重城市化质量而不是单纯的追求城镇人口比重的增加，逐渐缩小城乡二元经济差异。

最后，辽宁省要从不可再生能源自身消费结构优化入手，降低煤炭消费比重，提升清洁、新能源消费比重，大力发展风力发电、水利发电和生物质发电技术，逐渐降低对煤炭、石油资源的依赖度，减少这些黑色能源对辽宁省环境造成的污染影响，从而提升不可再生能源消耗效率水平。

参考文献：

[1] RINKU MURGAI. The Green Revolution and the Productivity Paradox: Evidence from the Indian Punjab [J].Agricultural Economies, 2001(25): 199-209.

[2] UNESCAP. Shifting Towards “Green Growth” in Asia and the Pacific[R]. Souel, 2005.

[3] CORNILLIE J, FANKHAUSER S. The Energy Intensity of Transition Countries[J]. Energy Economics,2004,26(3):283-295.

[4] CHIEN T，HU J L.Renewable energy and macroeconomic efficiency of OECD and non-OECD economics[J].Energy Policy,2007,35(7):3606-3615.

[5] BIROL F,KEPPLER J H. Price,technology development and the rebound effect[J].Energy Policy,2000,28:86-97.

[6] 董利.我国能源效率变化趋势的影响因素分析[J].产业经济研究,2008(1):8-18.

[7] 屈小娥.中国省际全要素能源效率变动分解——基于Malmquist指数的实证研究[J].数量经济技术经济研究,2009(8):29-43.

[8] 姜磊,季民河.技术进步、产业结构、能源消费结构与中国能源效率——基于岭回归的分析[J]. 当代经济管理,2011,33(5):13-16.

[9] 许启钦,孙浦阳,陈思阳.贸易开放是否改善了能源效率：:基于省区间比较优势非线性的实证分析[J]. 上海经济研究,2011(8):21-28.

[10] 马晓君,魏晓雪,刘超,等.东北三省全要素能源效率测算及影响因素分析[J].中国环境科学,2017,37(02):777-785.

[11] 刘殿国,肖辉旭.泛珠三角区域能源效率影响因素的实证研究——基于社会嵌入性视角和多层统计模型的分析[J].软科学,2017,31(04):80-84.

[12] 李建博,武春友.企业不可再生能源效率制约因素的实证分析[J].科技与管理,2013,15(04):67-70,76.

[13] 陈小姣. 中国建筑业能源效率空间差异与影响因素研究[D].北京：中国地质大学(北京),2017.

[14] 曲晨瑶,李廉水,程中华.中国制造业能源效率及其影响因素[J].科技管理研究,2016,36(15):128-135.