全要素能源效率与中国经济增长收敛性

收稿日期：2011-07-27

作者简介：陈德敏，博士，教授，博导，主要研究方向为可持续发展规划与政策。

通讯作者：张瑞，博士生，主要研究方向为环境经济与管理。

摘要

能源效率是促进经济增长、减少能源消费的关键政策参数，研究能源效率与经济增长收敛性关系，对于揭示能源效率在我国地区经济增长中的作用，指导能源发展战略具有重要的理论和实践意义。本文选取19952009年中国29个省份的面板数据样本，运用DEA方法测算全要素能源效率，发现全国以及区域能源效率经历了一个先上升再下降的过程，中国省域全要素能源效率差异显著，但总体上各省份之间的差异呈现缩小趋势；将能源效率纳入内生经济增长模型进行实证检验，运用IV、DIFF-GMM和SYS-GMM方法证明中国经济增长条件收敛存在，能源效率系数显著为正，说明能源效率促进中国经济增长和收敛；运用纠偏LSDV估计方法分区域开展实证检验，研究认为，能源效率对东部和中部地区经济增长起到显著的促进作用，由此表明能源效率对经济发达地区作用更为显著。基于此，国家能源效率提升战略重点应放在东中部能源消费集中地区，从而通过节能技术“溢出”效应促进西部地区能源效率的提升，以促进地区经济增长的收敛。

关键词全要素能源效率；经济增长；条件收敛；DEA；动态面板模型

中图分类号F0621文献标识码A

文章编号1002-2104（2012）01-0130-08

[WTHZ]doi:10.3969/j.issn.1002-2104.2012.01.021

改革开放以来，中国经济实现年均10%左右的高速增长，综合国力大大增强。与此相伴随的一些经济社会问题正在逐步累积，甚至有可能影响中国可持续发展。一是粗放的经济发展方式，能源利用效率低下导致能源消费需求猛增，据英国石油（BP）《世界能源统计年鉴》显示，2010年，中国超过美国成为世界上最大的能源消费国，能源消费量占到全球203%，这也同时预示着我国人口生存环境将面临更加严峻的考验；二是地区差距不断扩大，改革开放以来，除东部地区占全国总产出的比重上升外，中西部地区生产总值的比重都有下降[1]。当前，解决区域差距问题，缓解能源消费与经济社会发展的矛盾是实现中国经济社会和谐发展的重要举措。能源资源的可耗竭性特征使得经济持续增长已不能仅仅通过增加能源消费量来保障，能源效率的提升对经济增长的作用越来越强。Birol&Keppler指出能源消费效率是在保持或者促进经济增长的同时减少能源消费的关键政策参数[2]。史丹假定中国能源效率存在条件收敛，并在此基础上计算了各省份的节能潜力，对中国整体能源效率做了变异系数考察[3]。师博和张良悦从区域层面考察中国能源效率发展趋势，发现西部显示出发散特征，东部表现出趋同特征，而中部则有向东部收敛态势[4]。李国璋和霍宗杰运用数据包络方法（DEA）对各省份、三大区域及全国全要素能源效率进行研究，全国和东中部能源效率均呈现向一个稳态收敛的发展趋势，而西部能源效率却没有表现出显著的收敛趋势[5]。在研究能源效率与地区经济增长差异性的学者中，齐绍洲等对中国东西部之间、中国与发达国家之间的经济增长和能源消费强度之间的收敛性进行了实证研究[6-7]。张唯实在研究了能源效率、产业结构与中国区域经济发展差距的关系，认为提高能源效率、优化产业结构，对东、中、西部地区经济发展以及缩小区域间的经济发展差异至关重要[8]。那么，能源效率变动与我国区域经济增长差距缩小是否存在显著关系？为更加深入细致地考察能源效率对区域经济增长差异的影响，本文以全要素能源效率作为我国经济增长的收敛因素考虑，利用动态面板数据模型进行实证研究，科学探索我国区域经济增长的收敛机制，为实现中国区域经济协调发展提供政策建议。

1研究方法与理论模型

11全要素能源效率指标构造与测算方法

Jinli Hu和Shihchuan Wang利用数据包络法较早提出了全要素能源效率（Total Factor Energy Efficiency，TFEE）的概念，并将其定义为在除能源要素投入外的其他要素（如资本、劳动力）保持不变的前提下，按照最佳生产实践，一定的产出（如GDP）所需的目标能源投入量与实际投入量的比值[9]。因此，本研究采用Charnes，Copper and Rhodes提出的CRS（Constant Returns to Scale）模型（图1）。

A、B、C、D为四个决策单元（DMU），GDP产出依赖于能源（energy）和其他要素（others）的共同投入，S―S’为现实条件下的最佳前沿面。C、D在前沿面上是有效的，A、B存在效率损失。B’点是B点在前沿面上的投影，即为B改善的目标点，决策单元B存在B’―B这一段的损失。考虑到能源投入的冗余问题，A点位于前沿面上的投影A’点可通过进一步减少能源投入达到C点，而保持产出不变，因此对于决策单元A而言，AA’和A’C是点A为到达目标点C所要调整的能源投入量，即存在径向调整量和松弛调整量两个部分。由此可将一个地区的全要素能源效率定义为：

TFEEi,t=ETi,tEAi,t=EAi,t-ELi,tEAi,t=1-ELi,tEAi,t

（1）

EADi,t=ELi,t=EAi,t-ETi,t

（2）

其中，TFEEi,t为全要素能源效率，ETi,t为目标能源投入量，EAi,t为实际能源投入量，ELi,t为能源损失量，即为EAi,t与ETi,t的差值，EADi,t为能源消费调整量，在数值上与ELi,t相等。假设有N个决策单元DMUj(j=1,2,…,n)，每个DMU有M种输入和S种输出，用xj=(xj,x2j…xij)T和yj=(yj,y2j…ysj)T，(j=1,2,…,n)分别表示输入和输出向量，λj为DMU的线性组合向量，s-表示剩余变量（投入过剩），s+表示松弛变量（产出不足）。

min［θ-ε(êTs-+eTs+)］

s.t.

∑nj=1λjxj+s-=θx0

∑nj=1λjyj-s+=y0

λj≥0,s-≥0,s+≥0

（3）

设λ*,s-*,s+*,θ*为模型的最优解，若θ*=1，且s+*=0，s-*=0，则DMUj为DEA有效；若θ*=1

，而s-*,s+*至少有一个不为零，则DMUj为弱DEA有效；若θ*＜1，则DMUj为DEA无效。在实际应用中，各输入量和输出量都带有一定的量纲，在不同量纲下，输入量与输出量的数值不同，但决策单元的最优效率评价指数与输入量及输出量的量纲选取无关。

12经济增长收敛性及其检验方法

在经济增长研究中，曼昆-罗莫-威尔（MRW）以及巴罗和萨拉-依-马丁（Barro，SalaIMartin）最早把增长回归方程建立在增长模型之上。本文分析区域经济增长收敛的依据来自MRW加入了人力资本的索洛―斯旺模型[10]。

生产函数为：Y(t)=K(t)αH(t)β［A(t)L(t)］1-α-β

其中，Y是总产出，K是资本总量，H是人力资本的总量，A是技术进步因子，L是劳动力总量，α是资本产出弹性，β为人力资本的产出弹性，1-α-β是劳动力的产出弹性。

经过推导后，可以得到自回归经济增长模型：

γi,t=c1lnyi,0+c2lnsk++c3lnsh+c4ln(ni+gi+δi)

（4）

其中，γi,t表示经济增长速度，由此一般采用截面回归计量模型进行检验。然而，相对于截面数据处理方法，面板数据（Panel Data）模型对增长收敛的描述能够解决异质性问题，更能接近现实状态。面板数据不仅可以同时利用截面数据和时间序列数据建立计量经济模型，而且能更好地识别和度量单纯的时间序列模型和单纯截面数据模型所不能发现的影响因素，它能够构造和检验更复杂的行为模型 [11]。邦德（Bond）、霍弗（Hoeffle）和坦普尔（Temple）对利用广义矩估计（GMM）对索洛（Solow）增长模型进行了动态面板分析[12]。模型形式为：

Δyi,t=γt+(α-1)yi,t-1+xi,tβ+ηi+νi,t

（5）

其中，Δyi,t为对数形式的人均GDP，t表示每5年的一个时期，xi,t表示该时期的解释变量，对于Solow模型它包括对数投资率或储蓄率si,t，对数形式的人口增长率与折旧率、技术进步率之和（ni,t+g+δ）。在扩展的索洛模型中，还包括人力资本的储蓄率。观测不到的ηi反应初始效率水平，γt反应所有国家共同面临的生产率改变（时间效应）。为全面考察我国经济增长的收敛机制，本文中xi,t包括全要素能源效率（TFEE）、产业结构（IS）、实际利用外资（FDI）等。因此，建立如下计量模型：

yi,t=γt+αi,t-1+xi,tβ+ηi+νi,t,i=1，…，N，t=2，…，T

（6）

其一次差分方程为：

Δyi,t=γt-γt-1+(α-1)Δyi,t-1+Δxi,tβ+Δνi,t，i=1，…，N，t=3，…，T

（7）

其中，α代表上一期对数人均产出yi,t-1对当期人均产出yi,t的影响程度，实际上α=e-λΔt，当α＜1时意味着λ＞0，人均产出的长期增长率最终趋向均衡增长率，经济增长呈现收敛。α≥1意味着λ≤0，人均产出的长期增长率出现加速现象，经济增长呈现发散。α越小时，λ越大，人均产出的增长率趋向均衡增长途径的速度越快，经济到达均衡增长的时间越短 [13]。

在面板数据模型估计中，如果解释变量具有内生性，采取固定效应模型和随机效应模型不能保证得出无偏的参数估计。同时，一些影响经济增长的因素，比如说能源消费、人力资本等解释变量既可能是经济增长的原因，也可能是经济增长的结果，这些解释变量存在一定程度的内生性。因此，对于模型（6）采用工具变量法（IV）或者广义距估计（GMM）更为可靠。Anderson和Hsiao通过一阶差分并选用因变量2阶滞后项及2阶的差分滞后项作为工具变量，给出了AH法，这种方法从理论上给出了系数的一致估计，但不是有效的；Arellano和Bond(1991)在AH工具变量法的基础上给出了差分的广义矩估计法（DIFGMM），该方法采用t-2期前的因变量的滞后项作为因变量一阶差分滞后项的工具变量，从而得到一致且更为有效的估计结果。然而，进一步研究认为差分GMM估计量有限样本的特性较差，较易受到弱工具变量的影响，从而使得估计时出现偏误。Arellano and Bover以及Blundell and Bond提出了一种有效的方法，即系统GMM（SYSGMM）估计方法[14-15]。其具体做法是将水平回归方程和差分回归方程结合起来进行估计，在这种估计方法中，滞后水平作为一阶差分的工具变量，而一阶差分又作为水平变量的工具变量。实践证明，系统GMM估计相对差分GMM估计方程来说有着更好的有限样本特征，因此其估计结果更加有效 [16]。Arellano and Bover及Blundell and Bond同时提出了两种统计检验方法来检验系统GMM的工具变量是否有效。一是称为过度识别约束检验，称为Sagan检验或者Hansen检验，主要用来判断在估计过程中所使用的矩条件工具变量在总体上是否有效。二是自回归（AR）检验，主要用来判断残差项在差分回归或者水平方程回归中是否存在序列相关。在Sargan检验中，原假设为工具变量有效，在AR检验中，残差项允许存在一阶序列相关，但不允许存在二阶序列相关。

2样本与数据

本文以1995-2009年中国29个省、市、自治区的面板数据为样本，澳门、香港和台湾由于数据资料原因未予考虑，统计资料不全未包括在内。此外，为了保持口径统一，将重庆数据合并到四川省。数据资料主要来源于《新中国六十年统计资料汇编》、历年《中国劳动统计年鉴》、《中国统计年鉴》、《中国能源统计年鉴》。本文用到的主要指标如下：

①实际GDP产出。本文选取各省、市、自治区的实际GDP（单位：亿元）作为产出指标。为了剔除价格因素的影响，将原始数据按可比价统一折算成实际GDP（1995＝100）。

②劳动力指标。借鉴李小平和朱钟棣的研究方法，使用从业人员总数代替劳动投入。当年就业人数按照（当年年末就业人数+上一年年末就业）/2计算得到。

③能源消费。能源消费以历年各省的能源消费总量表示，4种主要能源消费量统一折算成标准煤（单位：万吨标准煤）。由于宁夏缺少2001年能源消费总量数据，因此取前后两年的平均数补齐。

④资本存量。本文参照单豪杰对资本存量的估算方法，采用固定资本形成总额作为当年投资指标[17]；固定资产投资价格指数根据《中国国内生产总值核算资料（1992-1995）》、《中国国内生产总值核算历史资料（1952-2004）》提供的1952-2004年全国和分省的固定资本形成价格指数，计算出平减价格指数，对于缺省指数的年份，我们借用各省的固定资产投资价格指数进行替代，利用这一指数平减各年投资，折旧率选择统一取1096%[18]。

⑤人力资本。人力资本是劳动者通过长期投资获得的素质和能力，是决定长期经济增长的一个重要变量。在研究长期内人力资本的影响，需要重视存量分析。本文采用教育积累作为人力资本积累的替代变量，教育程度用平均受教育年限来反映。劳动力平均受教育年限用劳动力受教育程度结构指标加权计算，赋值：文盲0年，小学6年，初中9年，高中12年，中专14年，大专以上16年。

3实证检验与分析

31全要素能源效率分析

使用DEAP21软件，以GDP产出作为输出变量，资本存量、人力资本和能源消费量作为输入变量，假定规模报酬不变，进行输入导向型DEA分析，得出中国各省份1995-2009年能源消费的目标值，再根据各年能源投入实际值，利用全要素能源效率计算公式，得到各省份历年全要素能源效率值，篇幅所限不再列出，根据计算结果绘制了图2和图3。

根据计算结果，1995-2009年中国整体全要素能源效率值维持在07-08，在1995年至2006年呈现缓慢上升趋势，最近几年有所下降。上海市和广东省的全要素能源效率值始终等于1，意味着相对于其它省份而言，上海市和广东省的相对能源效率最优，在同样产出水平下实现了

注：数据缺失，重庆数据合并到四川省，本图由空间计量软件Geoda095i得出。

最小能源投入，这两个省市共同组成了能源效率的最佳效率前沿面，其他省市距离该前沿越远，其效率值越低。除上海和广东一直处于前沿外，江苏、浙江、福建、山东、海南、广西等省的全要素生产率靠近效率前沿面，而山西、贵州、青海、宁夏和新疆等省份离最佳前沿面的距离较远，意味着无效损失较高，同时也是中国节能降耗的重点地区。测算结果与魏楚、沈满洪，杨正林等基本一致[19-20]。由此可见，中国全要素能源效率在省际间的差距较为明显，并且省域能源效率与所处地区经济

发展之间具有一定的空间依赖性和相关性。

根据三大区域划分，结合全要素能源效率测算结果，可以得出1995-2009年中国三大区域的能源效率均值（见图4）。从能源效率均值的空间分布规律可以看，中国东、中、西部能源效率分布呈现梯度变化，东部地区的平均能源效率为087，中部地区的平均能源效率为073，而西部地区的平均能源效率只有060，东部地区是全国能源效率最高的地区，明显高于全国整体水平和中、西部地区能源效率，而西部地区能源效率最低，中部地区处于中间位置，这与刘立涛、沈镭以及徐盈之、管建伟等学者的研究结论一致[21-22]。三大区域在变化趋势方面也不尽相同，其中东、中、西部地区在2005年之前大体保持上升趋势，

2005年之后开始下降，其主要原因是由于加速的重工业化进程所致 [23]。东部地区从1996年开始缓慢上升；中部地区在2002年达到最高值之后，能源效率开始下降；西部地区与之类似，这与史丹等结论基本一致。同时也体现了

中西部地区有一个“追赶前沿”不断逼近前沿的动态过

程。从全要素能源效率的变异系数（图5，即σ趋同）来看，变异系数逐渐变小，表明全国各省份能源效率差距逐步缩小。就地区而言，西部地区的变异系数始终最大，说明西部地区内部的能源效率差距一直较大。中部地区的变动在西部和东部之间，总体表现出差距缩小的趋势，但2005年后，能源效率差距有所拉大。东部地区内部差异最小，且这种差异在相对稳定地缩小，东部能源效率在2006年前具有明显的“俱乐部收敛”特征，近几年差异性也有所拉大。

32能源效率与中国经济增长收敛性分析

在实证分析中，采用计量软件Stata100对动态面板模型（6）进行估计。为稳妥起见，我们给出了工具变量（IV）估计量、差分GMM（一步和二步）估计量以及系统GMM（一步和二步）估计量，并给出过度识别的检验统计量（Sargan Test）和差分转换方程的序列相关检验（Abond test for AR（1）&AR（2））等。为考察不同时期能源效率对经济增长收敛的影响，引入时间虚拟变量D2005（2005年及以后取值1，2005年之前取值0），具体结果如表1所示。

根据估计结果，一阶段差分GMM未通过过度识别检验（Sargan Test），其他均接受原假设，表明估计方法有效，AR（1）统计量值拒绝原假设，而AR（2）统计量值接受原假设，表明模型估计的残差序列不相关。根据各变量的系数与显著性水平可以得出：①lnyi,t-1的系数在工具变量、两阶段差分GMM以及系统GMM（一步和两步）估计方法下分别为0672、0652、0926、0930，均小于1，且在统计上显著，表明人均产出的长期增长率最终趋向均衡增长率，即存在条件收敛；②物质资本、劳动力系数均为正数，表明他们对经济增长有着明显的促进作用，滞后一期系数有所变化，但基本一致，表明该阶段如果在低收入地区和高收入地区增加投资或者劳动力的情况下，经济增长速度会加快，这与1995年以来我国依赖投资拉动经济增长情况相符，也表明我国人口红利的存在1986年，中国进入劳动力负担低于53%的人口红利门槛，于学军、马瀛通、蔡等认为人口红利是21世纪中国跨越式发展的动力，是未来中国经济增长的源泉，陈友华认为人口红利将一直持续到21世纪30年代初。 ；③FDI当期系数为正，表明经济增长与当期FDI的正向关系，但是对数FDI滞后一期的系数为负，这可能是由于FDI对经济增长的挤出效应所致[24]，而工业化程度（IS）只有滞后一期的系数

显著为正，表明产业结构调整与实际产出之间的时滞性；④当期全要素能源效率系数显著为负，这可能是由于能源效率改进对当期经济增长带来了一定的负面效应，而滞后一期的显著为正，表明长期来看能源投入的增加会带来经济产出的增加，产能技术改造有利于经济增长。⑤从图5、图6可以看出，全要素能源效率在2005年发生了较大变化，这与“十一五”期间我国推行节能减排战略的力度加大有关。D2005的系数显著为正，表明2005年之后中国经济增长受能源效率等因素的影响更为显著。

33能源效率与地区经济增长差异性分析

实际上，前面用到的差分GMM和系统GMM估计方法适合个体较多（大N小T）的面板数据，而对于个体较少的动态面板估计，Kiviet通过蒙特卡洛模拟表明，采用纠偏后的虚拟变量最小二乘法（LSDV）相对于前两种估计方法可以纠正90%以上的偏误[25]。因此，在考察地区经济增长的差异时，采用纠偏LSDV估计方法，用计量软件Stata100分东、中、西三个地区进行回归（表2）。

由表2可以看出：①对数之后一期地区生产总值系数均在09左右，三大区域的经济增长具有较强的滞后性，系数小于1，则三大区域内部存在俱乐部收敛，就收敛速度来看，中部地区、西部地区、东部地区依次递减；②物质资本、劳动力、人力资本以及工业化程度在中西部地区的表现良好，表明其对地区经济增长有着显著影响，而东部地区仅有对数劳动力和工业化程度显著，实际利用外资对中部地区经济增长的促进作用显著；③东部地区TFEE的系数为00645，且在统计上显著，能源效率在1995-2009年间对东部地区经济增长起到显著的促进作用，能源效率的改进对东部地区的发展至关重要，中部地区TFEE的系数为0048，在10%的显著性水平下通过检验，中部地区与东部地区有着相似的情况，西部地区的TFEE系数虽未通过检验，但系数却是大于0的，这说明能源效率改进对地区经济增长有积极作用。从系数大小可以看出，能源效率对经济发达地区的作用更为明显。

4结论与政策建议

本文利用全国29个省1995-2009年面板数据，通过投入导向的DEA方法测算了我国整体和区域全要素能源效率，并通过运用工具变量法、差分GMM和系统GMM实证分析了全要素能源效率等对我国经济增长收敛的影响，运用纠偏的虚拟变量最小二乘法计算了能源效率等对地区经济增长俱乐部收敛影响的差异性。主要研究结论如下：①中国全要能源效率在07-08左右，1995-2005年持续上升，近几年有所下降。东部、中部和西部各区域的能源效率差异性较为明显，能源效率较高的省份基本都在东部地区，而能源效率较低的省份大多位于西部地区，与各区域经济实力的梯次分布一致。全要素能源效率差异性总体上存在缩小趋势，东部地区差异性最小，西部最大。②对能源效率与中国经济增长收敛的实证分析表明，我国整体上存在条件收敛，当期全要素能源效率对经济增长带来一定的负面效应，而滞后一期的显著为正，表明从长远来看，作为一种要素，能源投入增加会带来经济产出增加，产能技术改造有利于经济增长；③东、中、西三大区域存在俱乐部收敛，中部收敛速度最快，能源效率对东部地区经济增长的促进作用最为显著，对中部地区经济增长在10%的显著性水平下显著，能源效率改进对经济发达地区的作用更为明显。基于此，本文提出如下政策建议：

（1）推进能源技术进步，提高能源效率。区域能源效率水平与各相应区域的经济发展水平具有高度的一致性。推进能源技术进步，积极开发和推广节约、替代、循环利用和治理污染的先进适用技术，为能源技术进步创造良好的政策环境；组织先进能源技术的研发和推广应用，通过市场机制，引导企业加快技术进步，提高能源利用效率；大力加强能源科技人才培养，注重完善政策法规和技术标准，为能源技术发展创造良好条件。

（2）制定区域差别化的能源政策，促进地区经济的协调发展。能源效率较高的地区是中国能效保持上升趋势的关键，必须首先稳定东部高能效地区的能效水平，在推进自主创新的同时继续引进国际能源领域的先进技术，加快科技进步速度。借鉴国际节能减排政策机制、管理法规和经验，保证自身能源效率得以稳步提高，从而产生辐射作用带动中西部地区能源消费向高效、节能方向发展。中西部省区在提高能源消费效率时，一方面，应该制定更加有效的产业发展规划和产业部门能源政策，针对不同产业部门的能源强度变化趋势采取不同的部门层面上的政策，提高其整体能源消费效率；另一方面，政府应该通过创造一个活跃的技术创新环境，重视技术引进，加强地区之间的技术交流与合作，提倡节能技术的普遍化推广，从而形成有利于技术溢出的空间环境。

（3）改善发展环境，深化能源体制改革。改善发展环境，完善能源法律制度，为增加能源供应、规范能源市场、优化能源结构、维护能源安全提供法律保障，是中国能源发展的必然要求；深化能源体制改革，充分发挥市场配置资源的基础性作用，鼓励多种经济成分进入能源领域，积极推动能源市场化改革，建立能够反映资源稀缺程度、市场供求关系和环境成本的价格形成机制。同时，政府应采取适当的财政、税收和产业政策，鼓励能源效率先进的地区将相关节能技术向能源效率较低的地区转移，鼓励发达地区带动落后地区优化产业布局，实现技术扩散和创新。同时通过资金支持、政策激励等措施鼓励欠发达地区能源领域的技术自主创新，制定实现技术“溢出效应”的战略思路和途径，从而全面推动经济增长和能源效率水平的稳步提高，缩小与发达地区经济增长的差距。

参考文献（References）

［1］国家统计局课题组中国区域经济非均衡发展分析［J］统计研究,2007,(5):48-54 ［Researching Group of National Bureau of Statistics of China The Analysis of Disequilibrium of Regional Economic Development in China［J］. Statistical Research, 2007,(5):48-54］

［2］Birol F, Keppler J H Prices, Technology Development and the Rebound Effect ［J］Energy Policy, 2000,28:457-469

［3］史丹中国能源效率的地区差异与节能潜力分析［J］中国工业经济,2006,(10):51-60 ［Shi Dan Regional Differences in China′s Energy Efficiency and Conservation Potentials ［J］ China Industrial Economy, 2006, (10):51-60］

［4］师博,张良悦我国区域能源效率收敛性分析［J］当代财经,2008,(2): 17-21 ［Shi Bo Zhang Liangyue The Analysis on Regional Energy Efficiency Convergence in China ［J］ Contemporary Finance & Economics, 2008，(2): 17-21］

［5］李国璋,霍宗杰 我国全要素能源效率及其收敛性［J］ 中国人口•资源与环境, 2010，20(1):11-16［Li Guozhang, Huo Zongjie Total Factor Energy Efficiency of China and Its Convergence［J］ China Population, Resources and Environment, 2010,20(1):11-16］

［6］齐绍洲,罗威中国地区经济增长与能源消费强度差异分析［J］经济研究, 2007,(7):75-82 ［Qi Shaozhou, Luo Wei Regional Economic Growth and Differences of Energy Intensity in China［J］Economic Research Journal, 2007, (7):75-82］

［7］齐绍洲,云波,李锴中国经济增长与能源消费强度差异的收敛性及机理分析［J］经济研究, 2009,(4):58-66 ［Qi Shaozhou, Yun Bo, Li Kai International Comparative Analysis of the Convergence and Economic Mechanism of China′s Economic Growth and Energy Intensity［J］Economic Research Journal,2009, (4):58-66]

［8］张唯实能源效率、产业结构与中国区域经济发展［J］ 山西财经大学学报, 2010, (7):63-69 ［Zhang Weishi Energy Efficiency, Industrial Structure and Regional Economic Development in China［J］ Journal of Shanxi Finance and Economics University, 2010, (7):63-69］

［9］Hu J L, Wang S C Totalfactor Energy Efficiency of Regions in China［J］Energy Policy, 2006,34:3206-3217

［10］Mankiw N G, Romer D, Weil D A Contribution to the Empirics of Economic Growth ［J］ Quarterly Journal of Economics, 1992, 107:407-437

［11］国涓,王玲,孙平中国区域能源消费强度的影响因素分析［J］资源科学, 2009 ,(2):31-39 ［Guo Juan, Wang Ling, Sun Ping The Analysis of Factors Affecting Regional Energy Consumption Intensity in China［J］ Resources Science, 2009, (2):31-39］

［12］Bond S, Hoeffler A, Temple J GMM Estimation of Empirical Growth Models［J］CEPR Discussion Paper 3048，2001

［13］乔宁宁,王新雅西部大开发对我国区域经济增长收敛性的影响［J］西部论坛,2010,(6):19-26［QIiao Ningning, Wang Xinya The Influence of Western Development on Convergence of China’s Regional Economic Growth［J］ West Forum, 2010,(6):19-26］

［14］Arellano M, Bover O Another Look at the Instrumental Variables Estimation of Error Component Models ［J］ Journal of Econometrics, 1995，(68): 29-51

［15］Blundell R, Bond S Initial Conditions andMoment Restrictions in Dynamic Panel Data Models ［J］Journal of Econometrics, 1998, 87:115-143

［16］Blundell R, Bond S, Windmeijer F Estimation in Dynamic Panel Data Models: Improving on the Performance of the Standard GMM Estimator［J］ Advances in Econometrics, 2000,(15): 53-91 DOI: 101016/S0731-9053(00)15003-0

［17］单豪杰中国资本存量K的再估算:1952-2006［J］数量经济技术经济研究, 2008, (10):18-31 ［Shan Haojie Reestimating the Capital Stock of China:1952-2006［J］ The Journal of Quantitative & Technical Economics, 2008, (10):18-3］

［18］张军,吴桂英,张吉鹏中国省际物质资本存量估算:1952-2000［J］经济研究,2004, (10):35-44 ［ Zhang Jun, Wu Guiying, Zhang Jipeng The Estimation of China′s Provincial Capital Stock: 1952-2000［J］ Economic Research Journal, 2004, (10):35-44］

［19］魏楚, 沈满洪 能源效率与能源生产率:基于DEA方法的省际数据比较［J］ 数量经济技术经济研究,2007,(9):110-129 ［Wei Chu, Shen Manhong Energy Efficiency and Energy Productivity: A Comparison Based on the Panel Data by Province［J］ The Journal of Quantitative & Technical Economics, 2007,(9):110-129］

［20］杨正林,方齐云能源生产率差异与收敛:基于省际面板数据的实证分析［J］ 数量经济技术经济研究,2008,(9):17-30 ［Yang Zhenglin, Fang Qiyun Difference and Convergence of Energy Productivity: An Empirical Analysis Based on the Panel Data by Province［J］ The Journal of Quantitative & Technical Economics, 2008,(9):17-30］

［21］沈镭,刘立涛中国能源可持续发展区域差异及其因素分析［J］ 中国人口•资源与环境,2010，20(1):17-24 ［Shen Lei, Liu litao Regional Differences and Influencing Factor for Sustainable Energy Development of China［J］ China Population, Resources and Environment, 2010，20(1):17-24］

［22］徐盈之,管建伟中国区域能源效率趋同性研究:基于空间经济学视角［J］ 财经研究,2011，(1):112-123 ［Xu Yingzhi, Guan Jianwei On the Convergence of Regional Energy Efficiency in China:A Perspective of Spatial Economics［J］Journal of Finance and Economics, 2011，(1):112-123］

［23］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 ［Shi Dan The Improvement of Energy Consumption Efficiency In China’s Economic Growth［J］ Economic Research Journal, 2002, (9):49-56］

［24］李昕 FDI对中国经济增长的影响及其理论预期:基于新古典经济增长模型［J］ 南方金融,2007,(12):23-25 ［Li Xin FDI in China’s Economic Growth and Its Theoretical Expectations: Based on The Neoclassical Growth Model［J］South China Finance, 2007,(12):23-25］

［25］Kiviet J F Expectations of Expansions for Estimators in a Dynamicpanel Data Model: Some Results for Weakly Exogenous Regressors［A］ Hsiao C, Lahiri K, Lee L F, et al (eds) Analysis of Panels and LimitedDependent Variables［C］ Cambridge: Cambridge University Press, 1999

Total Factor Energy Efficiency and Regional Economic Convergence

in China：An Empirical Analysis Based on Dynamic Panel Data Model

CHEN Demin1ZHANG Rui2TAN Zhixiong3

(1 Institute for Sustainable Development, Chongqing University, Chongqing 400044, China; 2 School of Economics and Management, Chongqing University，Chongqing 400044，China; 3 School of Trade and Administration, Chongqing University，Chongqing 400044, China)

AbstractEnergy efficiency is the key policy parameters of promoting economic growth and reducing energy consumption Researching the relationship between the energy efficiency and regional economic convergence is of great theoretical and practical value to reveal the role of energy efficiency in regional economic growth and guide energy development strategy From the total factor energy efficiency estimated by DEA method on the basis of the panel data sample of GDP, energy consumptions, etc, of 29 provinces in China during 1995-2009, we found that energy efficiency of the total country and three areas first went up and then dropped down，the provincial total factor energy efficiency which went differently was going to be convergent By putting the energy efficiency into the endogenous growth model using IV, DIFFGMM and SYSGMM method, the empirical result showed that conditional convergence dis exist in China’s economic growth Coefficient of the energy efficiency was significantly positive which indicated that energy efficiency had a promoting role during the economic growth The research showed that energy efficiency played a significant role in promoting economic growth in eastern and central regions by using biascorrected LSDV method for regional analysis and we concluded that energy efficiency played a more significant role in much more developed areas So the national energy efficiency strategy should focus on eastern and central areas where energy efficiency was high and promoted the development of energy efficient industry in western area through the energysaving technology “spillover” effect

Key wordstotal factor energy efficiency; economic growth; convergence; DEA; dynamic panel data model