
题目:利用潜在类随机前沿方法测量异质技术下的能源效率:中国能源经济的应用(Measuring energy efficiency under heterogeneous technologies using a latent class stochastic frontier approach: An application to Chinese energy economy)
作者:林伯强*,杜克锐
期刊:能源(Energy)
详细:76卷,2014年11月1日,884-890页
DOI: https://doi.org/10.1016/j.energy.2014.08.089
文献导读:
近年来,气候变化的影响日益严重。人们普遍认为,由化石燃料消费引起的温室气体排放量的不断增加是造成气候变化的主要原因。提高能源效率被认为是对抗气候变化最具成本效益的方法之一。因此,评价整个经济领域的能源效率绩效引起了人们的广泛关注,关于这一问题的研究也在逐年增多。
在文献中,从概念上讲,能源效率指标分为两类:部分要素能源效率(PFEE)指标和全要素能源效率(TFEE)指标。PFEE指标由能源投入与产出的比值关系来定义。有两个著名的PFEE指标:能源强度(能源投入产出比)和能源生产率(产出投入比)。由于使用方便,PFEE指标在实践中得到了广泛的应用。然而,PFEE指标并未考虑其他投入因素(劳动力和资本)的作用,这与实际生产活动不符,因此受到了一些近期研究的批评。
与PFEE指标不同,TFEE指标定义为多因素框架下的最优能量投入与实际能量投入之比。概念上,TFEE指标是建立在新古典生产理论的基础上的。估计TFEE指标的方法主要有两种:DEA(数据包络分析)和SFA(随机前沿分析)。DEA是一种非参数方法,它使用线性规划技术来估计边界,从而不需要在边界上施加函数形式。利用DEA方法对能源效率进行估计,计算方便,可以避免模型可能出现的误判。从这个意义上讲,DEA在能源效率分析中一直很受欢迎。
摘要:
近年来的文献强调了技术异质性在全经济能源效率评价中的重要性。一些研究使用共同前沿分析方法来估算能源效率。然而,在这类研究中,需要一些可靠的先验信息来正确地划分样本观测值,这就给无偏估计能源效率带来了困难。此外,单独估计特定于组的边界可能会丢失不同组之间的一些公共信息。为了克服这些缺点,本文引入了一种潜在的类随机前沿方法来度量异构技术下的能效。介绍了该模型在中国能源经济中的应用。结果表明,中国各省能源利用总体水平不高,1997-2010年平均得分为0.632。
关键词:潜在等级分析;随机前沿分析;能源效率;技术异质性