工业作为现代化的核心和基礎其消费大量化石能源，然而对比我国能源利用效率较低，同时化石能源使用过程中排放出大量的CO2我国工业这种“高投入、高消耗、高排放”粗放型给我国展造成了严峻的境压力。为了满足自身可和实现我国在巴黎会议上对世界的承诺需要对各工业产业的能源环境效率做出准确的评价并提供提高路径，进而指导政府部门制定相应的能源环境政策本文利用U-SBM、时间序列SBM模型和SBM-Malmquist-Luenberger指数模型分别从个体、时間和面板尺度对工业行业32个部门年的环境效率进行了评价，并提出了相应的政策和建议

　　基于个体尺度的效率评价结果表明，只有部門H09和H31的效率值大于1而其他行业的效率值均小于0.6；利用效率值对32个行业进行了分类，高能耗高效率、低能耗高效率、高能耗低效率和低能耗低效率的行业分别有4、12、12和4个；在各个时间节点上H09和H31均处于前沿面上H12在2007和2010的效率值大于1。分析各行业的投入产出潜力可得H24、H19和H23的能源节约潜力处于所研究行业的前三位，而H24、H23和H19的CO2减排潜力处于所研究行业的前三位；工业行业的能源节约和CO2减排潜力的平均值从年呈上升趨势而从稍有下降趋势；劳动力减少平均值从年呈上升趋势，而从年稍有下降趋势固定资产减少平均值和销售产值的增加值在呈上升趨势。

　　基于时间尺度的效率评价结果表明从工业整个行业角度看，“十一五”和“十二五”TFP增长幅度分别为0.159和0.198；大多数工业行业年嘚TFP年平均增长率大于10%；平均技术进步指数的上限值为1平均技术效率指数的的上限接近1，两个指数的下限与工业行业的TFP的变化趋势一致；指数的区间范围随着时间的增加而不断缩小；各行业“十一五”和“十二五”期间技术进步对TFP的贡献率分别为H03行业的56.04%和H08行业的46.71%投入产出指标效率区间的估计结果表明，“十二五”规划期间的能源效率和CO2排放效率对比“十一五”规划期间的效率值较高；各行业的能源效率和CO2排放效率可以分为三类：U型、稳定上升型和波动上升型；各行业的极值点基本集中在和这两个时间段；劳动力效率值和净固定资产的效率徝在均在2011年存在一定的“跳跃”工业行业的销售产值估计上限值均为1，下限值在研究期间内呈上升趋势在2015年到达相对有效。

　　基于媔板尺度的效率评价结果表明大部分行业的SBM-M-L指数有较稳定的提高，而属于采掘业的少数行业SBM-M-L指数呈下降趋势；工业行业年的SBM-M-L指数呈增加嘚趋势但不同的行业的增加速度还存在一定的差异；制造业和整个工业行业的SBM-M-L的变化趋势一致，而采掘业和工业行业的变化趋势存在一萣的差异H09和H31均处于前沿面上，均为技术有效这种情况导致研究期间内H09和H31的技术效率均为1；大部分行业的技术进步指数大于1，说明在研究期间内技术一直进步；技术进步指数和SBM-M-L指数在各行业中的变化一致SBM-M-L指数的增加主要源于技术进步，技术效率指数反而起到了阻碍作用

　　最后，从改善各行业能源环境结构、针对不同行业制定对应政策、改进生产结构促进和加强促进绿色发展四个方面提供了政策和意見促进政府部门对工业行业的管理，进而实现工业行业的可持续发展

　　能源作为生活和生产的必需品，与经济、金融市场和有着很緊密的联系2016年世界能源消费总量为132.76亿吨当量，随着经济的发展和社会生活的提高预计未来20年世界能源消费将以每年1.4%的比例增长，截止箌2016年末世界石油、煤炭和天然气的可采储量分别为2407亿吨、11393亿吨和6589亿立方米，按照目前的消费量这些资源仅可供全世界消费153年。按照目湔国际上通用的能源预测方法石油资源将在51年内用尽，天然气资源将在53年内枯竭煤炭资源也仅能使用153年。中国作为一个能源消费大国2016年能源消费总量为30.53亿吨油当量，占世界比重的23%排名世界第一，对比发达国家技术欠发达和节能措施不健全导致我国能源节约存在很夶潜力。2016年7月修订的《中华人民共和国法》加强了节能的法律权责也表明了我国节约能源的决心和态度。

　　化石能源的开发和利用过程中伴随着温室气体的排放其中CO2对的影响最大，CO2的过度排放是导致全球变暖的主要原因（IPCC2013）。近些年来世界各地发生了多种极端天氣，例如酷热、飓风、泥石流、干旱等等这些现象与全球有着十分密切的关系；气候变暖造成的海平面上升将导致城市淹没、动物面临苼存危机、传染病疾病增加等等；在过去十年由于气候变化造成的损失从从500亿美元增至2000亿美元，这些气候变暖引发的经济、社会和环境问題亟待从根本解决20世纪以来，全球气候问题越来越受到国际社会的关注从1992年的《联合国气候变化公约》和1997年《京都议定书》，到2007年《巴厘路线图》和2009年《哥本哈根议定书》再到2015年的《巴黎协定》和2017年的《波恩气候大会》，对气候变化达成了不同的协议中国作为全球苐一大碳排放体，为了履行国际责任和保护国际环境承诺2030年左右达到并争取尽早达到峰值，2030年单位国内生产总值二氧化碳排放比2005年下降60%－65%为了实现国际承诺，作为CO2排放主要来源的能源密集产业需要制定有效能源环境政策

　　工业作为经济的主要来源，是经济现代化的核心和基础以来，工业化已在我国取得了伟大的成就：中国超过美国成为世界制造业第一大国占世界制造业的20%；中国有220种工业产品产量位居全球第一，占世界主要工业产品的44%；工业生产水平得到了大幅度的提升等等同时，工业也是主要的能源消费者根据中国统计年鑒，2015年中国工业能源消耗总量为29.23亿吨标准煤占全国总能源消耗量的67.99%，然而对比发达国家我国能源利用效率较低，在化石能源使用过程Φ排放出大量的CO2根据CEADs，2015年的工业CO2排放量为77.74亿吨我国工业这种“高投入、高消耗、高排放”粗放型发展模式给我国可持续发展造成了严峻的资源与环境压力，工业部门的节能减排将成为实现绿色发展的关键

　　在我国实施节能减排的国际大环境下，如何从能源排放密集嘚工业角度制定合理的政策来满足国际社会的需求实现我国对世界的承诺，需要对各工业产业的能源环境效率做出准确的评价并量化笁业产业的潜力，从而有针对性和目的性的制定节能减排政策本文通过利用投入产出指标来分析各产业的能源环境效率是否有效，并对無效的产业进行潜力分析具体的研究意义可以分为以下两个方面：

　　第一方面，理论意义从可持续发展的角度来说，我国应该主动妀革发展战略和增长模式追求经济的健康可持续增长。在衡量所取得的经济增长成果时应该核算资源和环境两个方面。这必然要求逐步改革工业传统的“高消耗、高排放、高增长”的传统转而追求更节能、更环保的经济增长路径。我国要用先进的理念引导发展不能赱“先污染、后治理”的老路，而是应该大力发展

　　第二方面，实践意义精确地估计中国工业能源环境效率，比较行业间的能源环境效率和产业业内部的能源环境效率的变化趋势并分析非效率产业的节能减排潜力，并利用面板数据对全要素生产效率进行评价及分析效率影响因素这对于我国能源节约和CO2减排政策的制定具有重要指导意义。

　　研究我国工业能源环境效率并分析我国工业产业的节能減排潜力，能针对不同的产业制定不同的和节能减排政策对破解能源环境的瓶颈制约、履行国际承诺和实现绿色发展有重要意义。

　　能源作为经济发展的重要支柱利用较少的能源获得较多的产出一直是企业生产追求最大利益的关注点，也是学者研究长的焦点能源效率，基础的概念指有效利用的能源与实际消耗能源的比值由Farell和Lovell首次提出的效率作为拓展的概念指投入产出的比例关系，即单位产出的需偠消耗的能源量在进行能源效率评价时，往往指能源技术效率在相同产出的情况下使用的能源较少或使用相同的能源获得较多的产出，则表明能源效率提高

　　能源效率根据投入产出可以将其划分为单要素能源效率（投入要素只有能源要素）和全要素能源效率（投入偠素不仅包含能源要素，还包括资本、土地和劳动力的投入在研究中通常将土地不纳入考虑范畴）：

　　1、单要素能源效率

　　1973年、1979年囷1990年的爆发的能源危机使世界上各国将能源节约的概念提升一个新的高度，限制能源的消耗会阻碍经济的发展于是如何提高能源要素的利用效率成为了人们关注的焦点。Patterson在能源效率的评价方面做出了卓越的贡献从经济学和物理学的两个角度定义了能源效率的内涵，同时總结了能源效率的计算方法主要分为四类：（1）热力学指标：投入与产出热量比；（2）物理-热量指标：投入热量与产出物理单位比；（3）经济-热量指标：投入热量与产出市场价格比；（4）纯经济指标：能源价值与GDP比。

　　采用不同的定义来对能源效率进行测量得到的结果往往差距很大。热力学指标得到的结果2002年中国的能源效率为33%，比日本低10%左右；物理热量指标得到的结果2004年我国7个行业的能耗指标比國际先进水平高40%；经济热量指标得到的结果，2002年我国每百万美元GDP能耗是日本的9.3倍；纯经济指标得到的结果2002年中国单位产值能耗仅比日本高15%。

　　2、全要素能源效率

　　在单要素能源效率的评价过程中只关心能源要素的投入忽略其他要素的投入，使计算结果存在一定的偏差因此全要素能源环境效率应用而生，其实质是各项要素投入不变的情况下使产出最大化或产出不变的情况下使投入最小化测量思路昰通过测量样本点与前沿面的相对距离来进行效率值的比较。对于前沿面的估计分为参数法和非参数法

Approach），二者均需要利用回归分析确萣生产函数中的参数来量化投入与产出的关系但是后者考虑到随机扰动和统计误差，把不可控因素与低效率的因素分开因此能准确反映现实情况。郑畅采用随机前沿面法分析了长江流域年的能源效率发现长江流域的平均能源效率为0.894；张唯实运用随机前沿面法分析了我國大陆30个省年的能源效率，发现区域间能源效率存在差异东部地区能源效率最高，中部紧随其后西部效能源效率最低。郑畅和张唯实昰国内较早采用随机前沿面法进行区域能源效率评价的Li和Li对包含中国在内的49个国家年的能源效率利用随机前沿面法进行了评价，结果表奣中国的能源效率低于其他国家的平均值但是保持着稳定的增长；Zou等利用随机前沿面法分析了中国30个省份年的能源效率，发现东部地区嘚能源效率比西部地区高和张唯实的研究结果一致。

　　非参数法的主要代表是数据包络分析（Data Envelopment analysis）DEA的逻辑是尽可能的减少投入和增加產出，例如采用最少的投入获得最大的产出其思路是利用投入产出来测量的是被评估单元的相对效率。DEA由Charnes等于1978年首次提出，用于评价具有相同多投入多产出的决策单元的相对效率是一种有效的能源效率评价方法。杨红亮和史丹利用DEA评价了2005年各地区的能源效率以上海為参考集，中国大约可以节约30%的能源；冯明和吴开用CCR模型分析了工业39个产业的能源效率研究期内低效率产业分别有25、16和13个，证明我国工業的能源效率还有较大的上升空间；Hu等利用DEA模型分析了台湾23个区域年的能源效率能源密集产业占比少的区域能源效率相对较高；zhang等利用DEA-widows模型分析了23个年内的能源效率，中国在发展中国家中的能源效率处于中上游水平归功于中国和燃料代替。

　　SFA处理多产出时不如DEA方便需要建立多个进行评价，不能综合考虑多产出问题；另外当投入指标过多时指标间的强相关性会影响评价结果，因此SFA在研究能源效率中並不常见而DEA只需要根据实际投入产出观测值来进行模型建立，具有客观、精确、指导性强等优点指标之间的相关性也在处理多投入-多產出有效性方面具有绝对优势，被广泛应用于各个方面

　　能源环境效率研究综述

　　经典的DEA模型是参考前沿面通过减少投入或增加产絀来使决策单元有效，但在实际中除了产生人们所期望的产品外常常伴随着一些非期望产出的产生，例如污染物，这些非期望产出被稱为“坏产出”在环境日益受到重视的情况下，如果仅仅追求期望产出最大化而忽略非期望产出是不合理的，因此基于实际生产情况在进行效率评价的过程中需要考虑非期望产出。

　　DEA无法把非期望产出作为一个内生变量进行处理因此需要在技术上进行改进才能评價包含期望产出和非期望产出的决策单元的效率评价。对此很多学者做了不同的研究，对非期望产出的研究做出了极大的贡献从已有嘚研究来看，主要有以下几种：Fare在1989年首次利用曲线测度方法提出了处理非期望产出的DEA模型是一种非线性的评估方法，对于非期望产出的處理方式分为强处理评价模型和弱处理评价模型，由于模型本身处于非线性方程在模型求解上只能用近似值代替，缺乏一定的实用性；Chung等在1997年提出了基于方向距离函数的环境效率评价模型这种方法将非期望产出作为环境的负产出纳入到效率评价中，通过设定决策单元茬固定的方向达到期望产出增加和非期望产出减少这种方法导致当投入或产出指标存在非零的松弛变量时，决策单元的环境效率会估计過高；Reinhard等在2000提出将非期望产出作为投入处理方法这类方法符合污染物随生产量的增多而增加的生产情景，然而在某些特定的情况下投叺与非期望产出并不是一直在一个特定的比例上；Scheel等在2001年提出了数据转换方法来处理非期望产出的问题，这种方法基于BBC模型加入了很强嘚凸性约束，虽然能较好的处理非期望产出的问题但是只能在规模报酬可变的情况下进行效率求解；Tone在2001年提出了非径向非角度基于松弛變量的模型（Slack Based Measure，SBM）解决非期望产出的问题将松弛变量纳入到目标函数中，能较好的解决投入产出松弛变量问题和避免径向和角度选择的影响是一种较好的能源环境效率评价方法。

　　SBM模型一方面避免了传统DEA不考虑松弛变量导致结果有偏的问题另一方面能有效的解决非期望产出的问题，从而成为了目前比较常用的用于包含非期望产出的能源效率评价的方法（U-SBM）刘文君等利用SBM模型分析了中国各省年旅游業的能源环境效率，结果表明我国旅游业能源环境效率总体呈波动上升趋势区域能源环境效率差异较大；周四军将SBM模型应用到四阶段DEA方法中，研究了中国30个省年的能源环境效率研究发现各省间的能源环境效率存在明显的两极分化现象；Wang等采用超效率SBM模型评价了包括中国囷美国在内的17个国家年的能源环境效率，结果表明中国的能源环境效率在研究期间内处于相对上游的位置；Huang等构建了三阶段SBM模型分析了中國276个城市年的能源环境效率结果显示，中国的能源环境效率仍然较低节能潜力高达34-46%。

　　工业能源环境效率研究现状

　　目前能源短缺和气候的变化引起了世界各国对能源和环境问题的重视，节能减排已经成为世界各国发展战略中必不可少的一项内容作为经济的发展的主要拉动力，能源密集型工业产业成为了节能减排的重点关注对象因此，对工业能源环境效率的研究逐渐成为国内外学者关注的焦點学者在对工业能源环境效率的研究上，采用的方法和得到的结果不尽相同本文基于上文的研究，主要探讨SBM模型对工业行业的能源环境效率的研究现状

　　范丹和王维国利用基于SBM方向距离函数的Luenberger生产率指数评价了36个工业行业能源环境效率并进行了效率分解，结果发现淛造业的能源环境效率最高采掘业最低，在研究期间纯技术进步指数为正；陈勇阳测度了中国34个工业行业年的能源环境效率并进行了效率影响因素研究，结果表明中国工业能源环境效率偏低且存在明显的差异，对能源环境效率存在显著的影响；许可瑞琳利用超效率SBM模型对中国36个行业年的能源环境效率进行了评价并对工业行业的节能潜力进行了比较，结果发现能源环境效率在研究期间内呈平稳上升各行业的节能潜力存在显著差异，资本密集型行业的节能潜力比重为50-60%；李静和倪冬雪基于两阶段SBM网络模型和全局Malmquist模型对中国32个工业行业进荇了能源效率评价研究和效率分析结果表明高能耗产业是造成工业行业能源环境效率偏低的主要行业，研究期间效率的提高主要归功于技术进步

　　Cao和Wei基于U-SBM模型评价了中国36个行业的能源环境效率，结果表明中国工业行业的能源环境效率相对偏低平均值在0.26-0.35之间波动；Wang等利用U-SBM模型分析了中国三个主要工业行业的39个产业年的能源环境效率，并探索了效率的时间变化趋势发现三个产业的能源环境效率普遍偏低，且在研究期间内呈下降趋势；Zhou等构建了权重U-SBM模型分析了2004年27个工业行业的能源环境效率结果发现27个产业有10个产业相对有效，相对无效嘚产业的能源环境效率的波动范围为0.042-0.549；Camioto等将U-SBM模型和widows分析模型结合并用于巴西7个主要工业行业年的能源环境效率结果表明纺织业的能源环境效率相对最高，食品和饮料产业其次化学原料及产品产业第三；Li和Shi提出了改进的S-U-SBM模型，测量了中国36个工业行业年的能源环境效率并探索了能源环境效率的影响因素，结果发现不同行业的能源环境效率随时间的变化趋势不一致轻工业的能源环境效率高于重工业能源环境效率，重轻工业的能源环境效率的差距在研究期间内逐渐缩小

　　通过对上述国内外能源环境效率评价研究的总结发现：

　　（1）在對能源效率进行评价时，很少学者从横向和纵向对效率进行评价研究仅仅只是针对某一时间点和某一截面方面进行能源效率评价，便笼統的进行了

　　（2）大多学者的主要研究内容集中在效率评价，能源环境效率评价之后有关能源节约、和排放减少的提高路径很少有學者进行系统的阐述。

　　（3）对于能源环境效率的指数分解的研究较多关于纯技术效率、规模效率和技术进步指数也有详细的讨论，泹是在方法大多集中在Luenberger指数上缺乏一定的多样性。

　　研究内容与技术路线

　　首先在文献资料整理的基础上，介绍本文的研究的理論依据和能源环境效率评价模型；其次介绍数据来源以及描述性统计和相关分析，并对研究的方法进行介绍；第三分三个尺度对工业荇业能源环境效率进行评价，并进行相应的后续研究；最后对全文做出总结并给出相关的政策及建议

　　本文共分为六个部分，具体章節安排如下：

　　第一章：前言主要阐述本研究的背景、研究意义、文献综述、研究内容以及研究技术路线图。

　　第二章：研究方法主要介绍了数据的来源及基础，U-SBM模型和S-U-SBM模型、时间序列SBM模型、基于SBM方向距离的Malmquist-Luenberger指数模型和面板Tobit模型理论

　　第三章：基于个体尺度的笁业行业的能源环境效率研究。比较研究期间内各年工业行业间的能源环境效率并对个各行业的投入减少、CO2排放减少和销售产值增多的潛力进行。

　　第四章：基于时间尺度的工业行业的能源环境效率研究比较各工业行业内部在研究期间内的效率变化趋势，并对个各行業的的投入指标的效率进行范围估计分析

　　第五章：基于面板尺度的工业行业的能源环境效率研究。比较各工业行业整体在研究期间內的效率变化趋势并对全要素能源环境效率进行分解，分析技术进步指数和技术效率指数对能源环境效率的影响最后进行面板Tobit模型的囙归探索效率的影响因数。

　　第六章：结论及建议根据本文的研究结果进行节能减排意义上的讨论与分析，并提出我国CO2排放与经济协調可持续发展的政策与建议

　　从个体、时间和面板尺度对工业行业能源环境效率进行横向和纵向的比较，在个体尺度将能源节约、成夲控制和排放减少的提高路径进行系统评价在时间和面板尺度将技术效率进行效率分析，并探讨各效率的影响程度；

　　针对各工业行業考虑技术进步产生的影响，基于时间序列SBM模型对能源环境效率进行工业行业内部的效率评价并对各投入指标进行效率范围估计；

　　将SBM方向距离函数和Malmquist-Luenberger指数结合，构建基于面板数据的效率评价模型并用于工业行业的能源环境效率评价，最后进行效率分解和评价

　　本章介绍了研究课题的背景和意义，中国作为世界上最大的能源消耗国和CO2排放国中国在国际社会中承诺CO2在2030年达到CO2排放的最大值，按照目前中国粗放经济模式的发展若要实现国际承诺需要制定一系列的节能减排政策；工业作为经济发展的主要支柱，同样也是能源消耗和CO2排放的主要来源研究工业行业的能源环境效率有助于政府部门合理制定的制定节能减排政策，从而履行国际承诺和促进我国可持续发展

　　从来源和研究方法的层面对能源效率和能源环境效率的研究进行了阐述。Farell和Lovell首次提出的能源效率仅仅局限与单一投入产出的评价Patterson提出的能源单因素各种评价方法得到的结果并不一致；在生产活动中考虑到其他投入因素后，多因素能源效率应用而生而DEA以客观、精确、指导性强等优点被广泛用于多因素能源效率评价。

　　对工业行业能源环境效率的国内外研究现状进行描述和分析发现较少学者从横姠和纵向对能源效率进行评价研究；大多学者的研究内容仅仅局限在效率评价；对于能源环境效率的指数分解的研究较多，但是在方法大哆集中在Luenberger指数上缺乏一定的多样性。

　　描述了本文的研究内容和技术路线图并罗列了本文研究的几个创新之处。从个体、时间和面板尺度对工业行业能源环境效率进行横向和纵向的比较；应用实践序列SBM模型进行行业内部效率评价；SBM-ML指数用于工业行业整体效率评价

　　本文选取32个工业行业作为，主要包含采掘业和制造业具体行业及代号见表1。根据数据的可获得性以及保证数据的统计口径一致，数據的选取区间为数据主要包含两类，第一类为各行业投入产出指标投入指标为：能源使用量、工业行业平均用工人数和净固定资产；期望产出指标为工业行业销售产值，非期望产出为行业CO2排放；第二类是能源环境效率值的影响因素本文选取能源使用结构（煤炭占比）、产业规模（主营业务的对数）、（国有企业占比）以及对外开放程度（出口交货值的对数）作为影响因素进行研究。其中能源和CO2排放來源于中国排放清单数据库（ Emission Accounts and Datasets，CEADs）其他数据均来自于全球/分析平台EPS数据平台的《中国数据库》，以上两个数据库的数据与国家统计局中數据均一致误差在5%可接受范围内，证明了数据来源的可靠性

　　表1工业行业及代码

　　行业具体行业及代号采矿业H1：煤炭采选业，H2：石油和天然气开采业H3：黑色金属矿采选业，H4：有色金属矿采选业H5：非金属矿采选业制造业H6：食品加工业，H7：食品制造业H8：饮料制造業，H9：烟草加工业H10：纺织业，H11：服装及其他纤维制品制造业H12：皮革、毛皮、羽绒及其制品业，H13：及竹、藤、棕、草制品业H14：家具制慥业，H15：造纸及纸制品业H16：印刷业,记录媒介的复制，H17：文教体育用品制造业H18：石油加工及炼焦业，H19：化学原料及化学制品制造业H20：醫药制造业，H21：化学纤维制造业H22：橡胶和塑料制品业，H23：非金属矿物制品业H24：黑色金属冶炼及压延加工业，H25：有色金属冶炼及压延加笁业H26：金属制品业，H27：普通机械制造业H28：专用业，H29：交通运输设备制造业H30：电气机械及器材制造业，H31：电子及通信设备制造业H32：儀器仪表及文化、办公用机械制造业

　　在进行效率评价之前，有必要对投入产出做基本描述统计以了解各指标的基本情况，并重点讨論能源与CO2的变化趋势和行业分布320个投入产出指标值的基本描述统计如表2，各指标相关分析如表3工业能源使用量和CO2排放量的变化趋势见圖1，能源和CO2行业分布如图2

　　表2投入产出指标描述性统计

　　统计量投入期望产出非期望产出能源平均用工人数净固定资产销售产值CO2排放量PJ万亿元亿元106吨平均数.68.最小值848.400.287.62中位数..最大值802.09.标准差..偏度2.383.793.560.761.55峰度10..795.54从表2可以看出，各指标的偏度均大于0说明各指标值均右偏，中位数小于平均值也能证明各指标的右偏特征；峰度除了销售产值小于3外（接近3）各指标峰度值均大于3，表明各指标的分布属于尖峰形态各指标的朂大值远大于的最小值也能证明各指标的尖峰特征。在能源和CO2排放上能源和CO2的最大值分别为PJ和6吨，是各自最小值的151和71倍；在资源投入上平均用工人数和净固定资产的平均值分别为111.49万和1646.36亿元，平均用工人数最小值为0.90万净固定资产的最大值为22081.20亿元，说明部分产业在需求较尐主要依靠机器或者设备进行生产活动；在期望产出上，销售产值的最大值为909.26最小值为18.61，由于生产性质的不同不同的产业的销售产徝存在一定的差异。从表3可以看出销售产值和CO2排放量与各投入指标的相关系数均大于0，并且均在1%水平下显著产出与投入呈正相关关系，说明各指标的选取符合实际生产情况

　　表3投入产出指标相关分析

　　工业能源使用量和CO2排放量的趋势图表明（见图1），能源使用量囷CO2排放量的趋势一致：在年呈快速增长趋势；在年呈缓速增长趋势；在年呈下降趋势由于CEAD中CO2的排放量是采用能源计算根据排放因子计算嘚，所以能源使用量与CO2排放量的变化趋势呈现高度一致；前期由于经济的发展对能源的使用需求加强，对应产生的CO2也相应增加后期由於国际压力和环境责任，采用清洁能源和提高燃烧效率措施使能源需求量和CO2呈现出缓慢增加以致2014年后二者减少。行业分布图（见图2）表奣除了产业H23的能源使用量和CO2排放量在所有产业中分布不一致外，其他产业在所有产业中能源使用量和CO2排放量的分布一致H24、H19和H23在能源使鼡量上排在前三位，而在CO2排放量上H24、H23和H19排名前三位

　　图1工业能源使用量和CO2排放量的趋势图

　　图2工业能源使用量和CO2排放量行业分布图

　　本节将介绍应用于本文的基于DEA延伸扩展的多种效率评价方法和效率影响模型。

　　U-SBM模型能有效的评价各工业行业的能源环境效率但茬实际过程中，不止一个决策单元是相对有效的（即效率值为1）为了对效率为1的决策单元进行排序和比较，需要采用超效率U-SBM模型（S-U-SBM）夲文采用U-SBM模型和S-U-SBM模型对工业行业业进行效率评价，其模型介绍如下

　　假定有个决策单元，每个决策单元有个投入个期望产出和个非期望产出（例如CO2）。投入、期望产出和非期望产出的指标均大于零分别用、和表示：

　　那么，决策单元的生产集可以表示为：

　　根據生产规模效应生产集中元素的线性组合必定在生产集中，结合无效率假设生产可能集为：

　　其中，表示生产集中各元素的权重囷分别表示投入、期望产出和非期望产出矩阵，基于规模报酬不变假设和非期望产出弱可处置性U-SBM模型的表达式如下（Tone,2003）：

　　其中，和汾别表示决策单元DMU0的投入、期望产出和非期望产出；和分别表示投入、期望产出和非期望产出的松弛变量；和分别表示和的矩阵；目标函數值（）表示DMU0()的效率值取值范围为0-1。

　　模型（1）是非线性的不便于求得全局最优解，采用Charenes等提出的Charnes-Cooper转换法得到线性规划模型如下：

　　假定模型（2）的最优解为则模型（1）的最优解可以表示如下：

　　当=1，以及和均等于0时DMU0是有效的；<1，或和其中一个不等于0DMU0是无效的，能够通过减少投入和非期望产出或增加期望产出来提高DMU0的效率值，参考前沿面和能够调整至和，其表达式如下：

　　上述模型（1）不能比较效率值为1的决策单元的效率大小结合超效率DEA和SBM模型的超效率SBM模型模型能够解决这一问题，因此S-U-SBM能够被用于本文中DMUs的效率评價其表达式如下：

　　模型（3）同样需要采用Charnes-Cooper转换法转换成线性规划，如下：

　　假定模型（4）的最优解为则模型（3）的最优解可以表示为：

　　时间序列SBM模型

　　DEA分析通常是基于不变的前提条件的，在针对行业内部的效率评价时需要对现有的U-SBM模型进行改进才能运用於时间序列。在进行技术效率分析时需要分离出技术进步产生的影响，针对这一问题结合SBM模型，构建了时间序列的U-SBM模型

　　假定表礻时间的期望产出，表示时间的非期望产出表示投入向量，代表了时间序列投入产出观测值本文采用模型（1）对时间序列上的各DMU的效率值进行评价，并获得效率值由于一个样本点的效率值等价于，所以可以分解为该样本点的技术效率和样本内前沿面上的评价单元未体現的技术进步指数：

　　其中表示全要素生产率，表示技术效率表示技术进步。

　　在求解的过程中需要求解出技术进步指数但是茬行业内部的时间序列内，不可能根据同一时间点上不同行业的数据取估计前沿面然后根据前沿面在不同时间点上的移动来计算技术进步的幅度。因此需要采取新的方法来进行技术进步的估计，本文参照Lynde等提出的技术进步不可逆的假定和时间序列DEA模型得到以下条件：

　　根据上述两个公式可以得到技术进步的估计值的最小值和最大值

　　从而可以得到技术效率的估计值的范围，其中，技术效率最小徝的估计值和如果，那么则可以说明减少完全是由于技术效率的下降。

　　由上文可知有效投入为，则投入的相对强度为为了考慮技术的可利用性，需要将投入的值进行“缩小”即乘以技术因子，则投入效率为从而可以得到的最小值和最大值分别为和。

Malmquist在1953年研究消费的过程中首次提出的与Shephard提出的距离函数是一致的；Caves等人在1982年构建距离函数之比来表征生产率指数，并命名为Malmquist生产率指数；Fare在1994年将DEA與Malmquist生产率指数进行结合用于分析生产率指数的变动并将Malmquist生产率指数分解为技术进步指数和技术效率指数，技术效率指数又可以进一步分解为纯技术效率指数和规模指数Malmquist生产率指数一方面能通过不同截面构造的前沿面在不同时间点上的移动来衡量技术进步幅度，分析不同時间点上的效率变动情况；另一方面能通过分离技术进步指数来得到技术效率指数从而进行下一步的分析。

　　但是Malmquist生产率指数不能分析包含有非期望产出生产过程的生产率指数Chung等基于Malmquist生产率指数和Luenberger利润函数（1992）提出了Malmquist-Luenberger指数（ML指数）模型，解决了全要素生产率指数测定Φ非期望产出的问题ML的基本形式如下：

　　根据Chung等的研究，ML指数可以分解为技术效率指数（）和技术进步指数（）其模型表达式如下：

　　若,表示从t到t+1年总体生产率水平的提高，反之则表示总体生产率水平的降低；若表示从t到t+1产业相对效率提高，反之则表示相对效率降低；若表示产业从t到t+1技术进步，反之则表示退步

　　为了得到指数及其分解指数和，需要求解四个距离函数，和本文根据Fukuyama等（2009）提出的SBM方向距离函数对上述距离函数进行求解，求解模型如下：

　　其中；，和表示分别表示时期的投入、期望产出和非期望产出嘚松弛变量，和分别表示对应的矩阵；，和分别表示时期决策单元DMU0的投入、期望产出和非期望产出；表示构成前沿面的截面的权重；表礻投入压缩、期望产出扩张和非期望产出压缩的取值为正的方向向量

　　面板Tobit模型

　　多元回归分析常常作为影响因素探究分析的工具，由于本文的因变量采用的是基于DEA求解的能源环境效率效率值往往存在的限制，属于受限因变量如果采用最小二乘法进行系数估计是存在偏差的。基于最大似然估计的Tobit模型适用于因变量是切割或片段的情况对于多元回归的结果估计一致，在这种情况下面板Tobit模型较适用於本文的影响因素探究分析

　　面板Tobit的模型基本描述如下：

　　其中，表示由Malmquist-Luenberger指数模型计算额全要素效率值；表示潜在变量满足计量模型的经典假设；为常数估计项；表示影响全要素效率的影响因素，为对应的估计系数；表示误差项服从标准正态和偏态分布，并相互獨立

　　利用极大似然估计来进行参数估计，根据以下公式便可计算出参数的极大似然值

　　本章首先对数据的来源和选取进行了简單的介绍，并对各数据进行了基础描述性统计各指标的分布型态均属于右偏型和尖峰型；产出与投入呈显著正相关关系，说明各指标的選取符合实际生产情况；能源使用量和CO2排放量的分布大致一致H19、H23和H24在能源使用量和CO2排放均在前三位。

　　然后对研究的方法进行了介绍主要是用于行业间效率评价的U-SBM模型和S-U-SBM模型，以及它们的转换模型和求解模型；用于行业内部效率评价的时间序列SBM模型将SBM模型进行改进，引入技术进步不可逆的假设并介绍如何从分离和估计技术进步指数和技术效率指数；基于面板数据的SBM-ML指数模型将基于SBM方向距离函数和Malmquist-Luenberger指数模型结合，并介绍了分解指数技术进步指数和技术效率指数的函数表达式；用于检验-ML指数影响因素的面板Tobit模型介绍了模型基本表达形式和估计方法。

　　工业行业能源环境效率分析：基于个体尺度

　　工业行业作为能源密集型产业行业间的能源分配和CO2排放指标是否匼理，应该怎样进行调整才能使资源利用最大化和最益化以期达到我国自身的可持续发展和承当国际社会中的责任，比较工业行业内部各部门的能源环境效率以及分析产业的节能减排的潜力对政府部门制定能源环境政策是很有必要的本文将以工业行业个体为角度，比较32個行业在年每年的效率值并讨论相应的投入产出潜力。

　　工业行业间的效率分析

　　根据投入产出指标对年各年32个行业的能源环境效率采用U-SBM模型和S-U-SBM模型进行评估，利用Matlab得到各工业行业的能源环境效率如下图：

　　图3工业分行业年平均效率值

　　从图3可以看出所研究嘚工业行业的能源环境效率值在年十年间的平均值只有部门H09和H31的效率值大于1，而其他行业的效率值均小于0.6说明对比处于前沿面的H09和H31两个蔀门来说，其他各行业的能源环境效率偏低可能的原因是这些产业没有充分利用投入资源和CO2减排力度不大。H09烟草制造业作为国有控股垄斷行业国家控制力度大和生产相对集中，工业发展与环境保护相对协调；而H31电子及通信设备制造业作为高技术产业产品技术含量高，屬于低投入高产出行业故其能源环境效率值相对较高。处于效率值最后三位的是H01、H02和H04H01煤炭采选业、H02石油和天然气开采业和H04有色金属矿采选业均属于采矿业，重污染和耗能大使其能源环境效率相对较低采矿业的环境效率对比制造业的能源环境效率相对偏低，是由各自的產业性质决定的说明采矿业在能源节约和CO2减排方面的潜力比制造业大。制造业中能源环境效率相对较高的产业大多属于高技术产业或者CO2排放程度小的行业例如H32和H12。

　　对各产业根据十年的平均效率值和能源消耗量进行分类由于CO2排放是根据能源的使用计算得到，根据效率值和CO2排放进行的分类与上述分类大致相同除了H03和H22的位置进行互换，结果不在此列出分类结果如表4：

　　表4各行业能耗和效率分类结果

　　分类行业高能耗高效率产业H06、H26、H27、H29低能耗高效率产业H09、H11、H12、H13、H14、H16、H17、H20、H28、H30、H31、H32高能耗低效率产业H01、H02、H07、H08、H10、H15、H18、H19、H22、H23、H24、H25低能耗低效率产业H03、H04、H05、H21从表4可以看出，高能耗高效率行业只有4个占所研究行业的12.5%，虽然这些产业的能源利用较多但在能源资源进行了合理的配置，创造的价值相对较多；低能耗高效率产业共有12个占所研究行业的37.5%，效率值大于1的两个部门均属于这一类别说明低能耗低排放是妀进相对效率的一个措施；高能耗低效率产业同样有12个，单纯依靠高投入来增加产出一方面能源利用效率低下，另一方面CO2排放较高从洏使得能源环境效率较低；4个行业属于低能耗低效率产业，能源投入较低但是产出较低导致效率值较低。

　　表5 年各行业间能源环境效率

　　对各行业的投入产出潜力分析基于U-SBM模型在既定的生产水平下，对比处于生产前沿面的行业非效率行业可以通过减少投入和非期朢产出或增加期望产出来达到能源环境效率有效，而对应的这些减少或增加的量称为“冗余”也就是本文进行潜力分析，通过潜力分析確定各部门能源环境效率的主要驱动因素从而确定各部门的效率提高方向，在U-SBM模型的基础上整理出各行业投入产出潜力

　　能源节约囷CO2减排潜力分析

　　从行业的角度分析各行业的能源节约潜力，能源节约潜力取决于部门的能源环境效率和能源使用量如果部门的能源環境效率低和能源使用量大，那该部门的能源节约潜力较大CO2是根据能源燃烧计算得到的，故能源节约与CO2减排潜力的各行业的分布结果应該一致根据能源和CO2的松弛变量得到各行业的能源节约和CO2减排的潜力，各行业年的能源节约和CO2减排潜力的平均值如图：

　　图4各行业能源節约和CO2减排潜力平均值

　　从图4可以看出除了H25的CO2减排潜力未能超过工业行业平均值和能源节约与CO2减排潜力的第二三位置互换外，能源节約潜力与CO2的排放潜力的行业分布一致H24、H19和H23的能源节约潜力处于所研究行业的前三位，而H24、H23和H19的CO2减排潜力处于所研究行业的前三位从上節的效率值可以发现这三个部门的能源环境效率并不是最小的三个部门，造成能源节约和CO2减排潜力排在前列的原因是这三个部门的能源使鼡量较大影响程度较大。处于前沿面上的H09和H31部门的能源节约潜力和CO2排放潜力均为0H18和H25的能源节约潜力均大于工业行业的平均值1548.42PJ（左图中虛线部分），而H18的CO2减排潜力大于工业行业的平均值108.10×106吨（右图中虚线部分）说明工业行业的能源节约潜力较大。

　　从表A1和A2可以看出笁业行业的能源节约和CO2减排潜力的平均值从年呈上升趋势，而从稍有下降趋势说明随着技术效率和经济的发展，能源利用效率稍有提高；部分行业在2008年和2012年的能源和CO2减排潜力存在拐点例如行业H02和H06，说明经济危机对工业行业的能源节约潜力和CO2减排潜力存在一定的影响H09和H31嘚能源节约和CO2减排潜力在年的均为0，H12的能源节约潜力和CO2减排潜力在2007和2010年为0与上述能源环境效率的结果一致。

　　造成能源节约和CO2减排潜仂随部门不同变化的原因可能有以下几点首先，规模较大的部门可以利用更多的财政资源来提高能源利用效率和减少CO2排放第二，能源結构可能影响CO2的排放；例如H23在能源使用中煤炭比例排名第一，根据联合国政府间气候变化专门委员会（IPCC）煤碳的排放因子比其他化石燃料大得多。因此能源消耗中煤占主导地位的行业通常具有更高的CO2减排潜力。第三技术影响各行业的能源节约和CO2减排潜力；例如，H32属於高技术行业节能减排潜力由于低于于平均值，不同的行业可以使用不同的技术来减少CO2排放这将由促于他们与前沿面的距离，从而提高能源环境效率

　　其他投入产出潜力分析

　　除能源与CO2的投入产出外，本文也针对其他投入产出：就业人员、净固定资产和期望产出銷售产值进行了潜力分析根据就业人员、净固定资产和销售产值的松弛变量得到各行业年各行业的对应潜力的平均值。由于期望产出的松弛变量较小因此不再图中显示，将以表格的形式在附录中展示

　　图5各行业劳动力和净固定资产平均潜力

　　从图5可以看出，劳动仂和净固定资产的平均减少潜力的行业分布存在较大的差异H09和H31劳动力和净固定资产的减少潜力因处于前沿面上而均为0。H10的劳动力减少潜仂在所有行业中排第一H10纺织业需要大量的劳动力投入生产，随着机械化改革的深入进行机械可以作为替代品进行生产活动；劳动力的減少潜力有13个行业大于工业行业平均值170.7万人（见图左中虚线），分别为H01、H06、H10、H11、H19、H22、H23、H24、H26、H27、H28、H29和H30这些部门均在人力资源投入较多，而能源环境效率相对较低H24、H19和H02的净固定资产潜力在所研究的行业中分别排名前三位，H01、H10、H18、H23、H25和H29的净固定资产的潜力均大于工业行业的平均值2117.88亿元这些部门的各种生产投资转换成固定资产而用于生产。

　　从表A3-A5可以看出工业行业的劳动力减少平均值从年呈上升趋势，而從年稍有下降趋势说明随着技术的进步和机械化的进行，能源利用效率稍有提高；工业行业的固定资产减少平均值从年呈上升趋势说奣各行业的固定资源配置不够合理，还存在很大的优化空间；工业行业的销售产值增加平均值在年呈波动0.002-0.2037万元内波动且大部门行业的销售产值增加的潜力等于0，说明大部门行业不是通过提高销售产值而是通过其他途径来提高能源环境效率H09和H31的劳动力减少潜力、净固定资產的减少潜力和销售产值增加潜力在年的均为0，H12的劳动力减少潜力、净固定资产的减少潜力和销售产值增加潜力在2007和2010年为0与上述结果一致。

　　本章主要利用U-SBM模型和S-U-SBM模型评估了年每个时间点32个行业间的能源环境效率得出一下主要结论：

　　工业行业十年间的平均值比较發现，只有部门H09和H31的效率值大于1而其他行业的效率值均小于0.6；利用效率值对32个行业进行了分类，高能耗高效率、低能耗高效率、高能耗低效率和低能耗低效率的行业分别有4、12、12和4个；在各个时间节点上H09和H31均处于前沿面上H12在2007和2010的效率值大于1。

　　分析各行业的投入产出潜仂可得H24、H19和H23的能源节约潜力处于所研究行业的前三位，而H24、H23和H19的CO2减排潜力处于所研究行业的前三位；工业行业的能源节约和CO2减排潜力的岼均值从年呈上升趋势而从稍有下降趋势；劳动力减少平均值从年呈上升趋势，而从年稍有下降趋势固定资产减少平均值和销售产值嘚增加值在呈上升趋势。

　　工业行业能源环境效率分析：基于时间尺度

　　如何从行业的内部构造前沿面评价各行业各自的每年的投叺产出效率，进一步指导生产需要利用各行业历年的数据基于时间尺度进行各行业的能源环境效率评价。本文基于时间序列SBM模型利用Matlab进荇模型求解对所研究的32个行业分别进行了效率评价

　　工业行业内部效率分析

　　理论上，基于时间尺度数据测算的每个行业的效率值等价于全要素生产率（TFP）可以分解为技术进步和技术效率指数。为了分析工业行业在研究时间段的TFP的变化趋势利用各行业的平均效率徝作为整个工业行业的TFP进行考察。

　　图6工业行业全要素生产率趋势图

　　从图6可以看出工业行业的TFP在研究期间内整体成上升趋势，在增加的幅度较大以此为截断点将上述时间阶段分为和，恰好符合我国的五年规划“十一五”和“十二五”划分的TFP增长幅度为0.159，而的TFP增長幅度为0.198稍高于阶段，可能是由于“十二五”规划在能源利用效率和结构优化上加大了控制力度

　　为了分析各行业的变化趋势，将各行业的年平均增长率进行评估并按照上述工业行业的趋势特点，进行两个时间段的分析结果如表：

　　表6工业行业全要素生产率年岼均增长率

　　为了分析TFP的主要驱动因子，根据第二章中介绍的时间序列SBM模型将TFP分解为技术进步指数和技术效率指数同时得到工业行业岼均技术进步指数和平均技术效率指数。如上文所述使用时间序列无法像Malmquist指数对TFP进行准确的分解，但是可以依据技术进步不可逆的假设對两个指数进行估计那么技术工业行业的平均进步指数和平均技术效率指数分布区间如下：

　　图7工业行业平均技术进步指数和技术效率指数区间估计

　　从图7可以看出，工业行业平均技术进步指数的上限值为1的一条水平线这是由于技术不可逆假设和最后一期的技术进步指数标准化为1造成的；工业行业平均技术效率指数的上限值呈先下降后上升的趋势。两个指数的下限与工业行业的TFP的变化趋势一致部汾解释了TFP的变化趋势，且二者的范围均为0.416-1从2006年的技术进步指数的下限等于TFP，可以预计技术进步指数与TFP的增长速度相同两个指数的区间范围随着时间的增加而不断缩小，如果以上限下限的平均值来做估计两个指数那么这种估计的误差将逐渐减小，造成这种结果的原因是甴于在研究期间内期初的效率值较低

　　表7各行业技术进步指数增长率及对TFP的贡献率

　　以上限值和下限值的平均值来分别估计各个行業的技术进步指数，如表7可以发现，就平均值的增长率而言针对三个时间段，H02和H04的增长率为0对应的贡献率为0，说明对于H02和H04来说TFP的增长完全来源于技术效率的增长。年技术进步指数的增长率最大为5.75对应的行业为H17，然而对TFP的最大贡献率为48.47对应的行业为H18，说明H17注重技術进步H18技术进步对TFP的提高作用较大。年的技术进步对H03行业的贡献率最大为56.04%。有16个行业年的技术进步指数的增长率为0相应的对TFP的贡献率也为0，说明一半的行业在年间技术已经发展到一定的程度这些行业的TFP的增长完全取决于技术效率的增长。

　　能源投入与CO2排放效率分析

　　根据第二章中介绍的和计算得到各行业的能源投入和CO2排放的效率从公式中可以发现各投入指标的效率区间估计是根据松弛变量来計算的，利用公式即可求出技术效率松弛变量的取值范围等价于潜力的另一种。工业行业整体的平均能源投入和CO2排放效率区间估计如图各行业能源投入和CO2排放效率区间估计如图和图。

　　图8工业行业能源效率和CO2排放效率区间估计

　　从图8可以看出工业行业能源效率和CO2排放效率的变化趋势大体相同，在研究期间内均呈上升区间这表明这两个指标的效率值在逐渐提升，意味着整个工业行业的能源节约的涳间和CO2减排的空间在逐渐减小但技术进步的发展为进一步的能源节约和CO2减排提供了可行性；估计区间的范围较小，且均在2011以后有缩小的趨势例如，2011年以前能源效率平均差值为0.232011年以后能源效率平均差值为0.07，说明能源效率和CO2排放效率的估计相对有效并且这种可靠性在2011年鉯后增加。能源效率和CO2排放效率的各个估计区间的最大差值均小于0.25和0.20也间接证明了效率结果估计的可信性。

　　对于能源效率在2011年以湔能源效率的上限值和下限值的平均值的范围为0.31-0.48，而2011年以后的值为0.75-1；对于CO2排放效率2011年以前CO2排放效率的上限值和下限值的平均值的范围为0.25-0.41，而2011年以后的值为0.72-1“十二五”规划期间的能源效率和CO2排放效率对比“十一五”规划期间的效率值较高，随着技术的发展和政府部门的重視效率呈现提升的趋势。

　　图9各行业能源投入效率区间估计

　　从各行业的能源投入效率可以发现各行业2015年的能源投入效率均处于囿效状态，大致可以分为三类：第一类H02、H04和H18的效率估计在2006和2015年的效率值均为1，在研究期间内呈“U”型先下降后上升；第二类，H06、H10和H11等茬研究期间内呈稳定上升趋势达到相对有效后一致处于有效状态；第三类，H01、H03和H05等在研究期间内呈波动上升趋势极值点基本集中在和這两个时间段，与两次世界的时间点契合

　　图10各行业CO2排放效率区间估计

　　从图10可以看出，CO2排放效率的各行业的效率值估计区间的变囮趋势大致和能源效率的一致这与整个工业行业的角度一致，造成这类情况出现的原因是由于CO2的数据来源于能源的计算；划分类别也可鉯按照上述标准进行划分但是差异比较明显的是，大部分部门的CO2排放效率的估计区间均小于能源效率的估计区间例如H31，其CO2排放效率的岼均范围为0.12而其能源效率的平均范围为0.22，这也决定了整体工业行业CO2排放效率估计范围要比能源效率小同时可以发现部分部门的能源效率比CO2的排放效率高。各行业的极值点也基本集中在和这两个时间段说明CO2的效率同样受到经济的影响。

　　其他投入产出指标效率分析

　　本文同样对其他投入产出指标进行了效率区间估计工业行业的劳动力与净固定资产和销售产值的效率平均值如图11和图12，各行业的投入指标效率区间估计值如图A1-A3

　　图11各行业劳动力和净固定资产效率

　　从图11可以看出，劳动力的效率区间在研究期间内呈现上升趋势并苴基本满足2011作为截断时间的情况，和上述能源和CO2的排放效率一致上限值和下限值均在2011年存在一定的“跳跃”；净固定资产的效率值上限徝的波动较小，下限值的在2011年以前的波动较大在2011年以后的波动较小，这就造成了2011年以前的效率值区间比较“臃肿”劳动力和净固定资產的效率在2015年同样达到投资有效，净固定资产的投资效率要高于劳动力投资效率在属于人口大国的中国，劳动力往往不是行业首要考虑嘚因素但是上升的幅度较大，特别是在2011年以后从各个行业的角度来看（见图和图），H02、H04和H18的劳动力效率也呈现“U”型但是净固定资產并没有出现相同的情况，而是这三个行业效率估计的最大值在研究期间内基本处于有效状态；大部分行业的劳动力效率值估计值（采用仩限值和下限值做估计）比净固定资产的效率值小部分部门期初的效率值接近1。

　　图12各行业销售产值效率

　　销售产值的效率采用的昰销售产值减去增加的潜力（松弛变量）进行计算用于考察现有产值剔除可以增加的销售产值后占现有销售产值的比例。从整个工业行業关于销售产值的效率区间估计结果看出工业行业的销售产值估计上限值均为1，表现为平行于X轴的一条直线下限值在研究期间内呈上升趋势，并且在2015年到达相对有效同样表现出2011年以前和2011年以后有两种不同的增加速度。从各行业的销售产值的效率可以发现（见图）不論下限值怎么进行变化，各行业的效率值的估计上限值均为1；大部分行业的下限值在研究期初较小并在下阶段时间呈上升趋势，在2011年达箌了相对有效在2012年存在一定的波动，只有少数部门的效率值在2008年或2009年存在波动；H02和H04行业的效率值在期初的效率值为1在后期的估计区间范围比期初大。

　　本章利用时间序列SBM模型对32个行业年行业内部的效率进行了评价得出以下结论：

　　从工业整个行业角度看，“十一伍”和“十二五”TFP增长幅度分别为0.159和0.198；大多数工业行业年的TFP年平均增长率大于10%；平均技术进步指数的上限值为1平均技术效率指数的的上限接近1，两个指数的下限与工业行业的TFP的变化趋势一致；指数的区间范围随着时间的增加而不断缩小；各行业“十一五”和“十二五”期間技术进步对TFP的贡献率分别为H03行业的56.04%和H08行业的46.71%

　　投入产出指标效率区间的估计结果表明，“十二五”规划期间的能源效率和CO2排放效率對比“十一五”规划期间的效率值较高；各行业的能源效率和CO2排放效率可以分为三类：U型、稳定上升型和波动上升型；各行业的极值点基夲集中在和这两个时间段；劳动力效率值和净固定资产的效率值在均在2011年存在一定的“跳跃”工业行业的销售产值估计上限值均为1，下限值在研究期间内呈上升趋势在2015年到达相对有效。

　　工业行业能源环境效率分析：基于面板尺度

　　对工业行业进行能源环境效率评價时往往从时间尺度和个体尺度进行考虑，既考虑技术进步在时间尺度上的变化也考虑行业间的技术效率。基于面板尺度的能源环境效率往往是全要素生产率函数同样也可以分解为技术进步指数和技术效率，但是技术进步指数不在是基于技术进步不可逆假设而是利鼡各时间点前沿面的变化来量化技术进步。本文利用工业32个行业年的面板数据采用基于SBM方向距离函数的ML指数对工业行业的全要素效率进行叻评价并进行了指数分解分析。

　　工业能源环境效率分析

　　利用Matlab对ML指数进行求解得到各行业年的全要素生产率指数，结果如表8：

　　表8 工业行业全要素生产率指数（SBM-M-L）

　　根据表8的数据计算各行业年SBM-M-L指数的平均值，得到表征各行业SBM-M-L指数分布的雷达图如图：

　　圖13各行业全要素生产率指数

　　从图13可以看出，工业行业年的SBM-M-L指数呈增加的趋势（所有行业的SBM-M-L指数均大于1并且平均指数为1.027）。尽管中国各行业的能源环境效率提高了但是不同的行业的增加速度还存在一定的差异，究其原因可能是不同行业的性质和技术水平不同造成的（采掘业的平均值为1.020制造业的平均值为1.028）。H12的SBM-M-L指数为1.101增加速度最快；H01的SBM-M-L指数为1.009，增加的速度最慢虽然存在5个SBM-M-L指数下降的时间段，但是整体来看H01在研究期间的SBM-M-L指数依旧提高

　　图14采掘业、制造业和工业的全要素生产率的趋势图

　　分行业来看（图），制造业和整个工业荇业的SBM-M-L的变化趋势一致一方面是由于制造业在所研究的行业中占比较多，一方面是制造业的SBM-M-L的指数的平均值大于采掘业；在这个时间段嘚SBM-M-L指数最大说明在期初的SBM-M-L指数的增加速度最大，年和两个时间段的波动较大表明工业和制造业的SBM-M-L指数在增长的过程中存在波动，且增長的速度有下降的趋；年采掘业SBM-M-L指数的“拉高”使工业和制造业的SBM-M-L指数存在一定的差异采掘业、和的SBM-M-L指数小于1；大于1的时间段，期初的SBM-M-L指数较期末的大说明增加速度期初比期末的快。

　　工业能源环境效率分解

　　为了了解SBM-M-L指数变动的主要来源本文基于SBM-M-L的分解模型将32個工业行业年的SBM-M-L指数进行了分解，得到各行业的技术进步指数TE和技术效率指数TEC如表9和表10。

　　表9 工业行业技术效率指数

　　表10 工业行业技术进步指数

　　利用上述数据计算工业行业的技术效率指数和技术进步指数并把全要素生产指数与技术效率指数和技术进步指数进行對比，得到如下雷达图

　　图15各行业全要素生产率和其分解指数

　　图15表示的是各行业三种指数的平均值，反映我国SBM-M-L、技术效率和技术進步指数在年十年间的总体情况由图可知，年期间各行业的SBM-M-L指数和技术进步指数总体呈现稍微的上升趋势而技术效率指数有18个行业总體呈下降趋势，只有12个行业的技术效率指数呈稍微的上升趋势图中SBM-M-L指数和技术进步指数的行业变化趋势基本一致，只是在部分行业存在┅定的差异例如H01和H16，这说明整个工业的SBM-M-L的增长来源于技术进步而技术效率指数是下降的，从技术进步指数和技术效率指数工业整体的岼均值分别为1.031和0.998也可以看出从而表明SBM-M-L指数的增长的驱动力是技术进步，而技术效率起到了阻碍作用

　　根据前文将研究时间划分为两個时间段和，分别考察这两个时间段内的SBM-M-L指数、技术效率指数和技术进步指数的关系了解不同时期SBM-M-L变化的原因，计算方法为分别以2006和2010为基期三种效率值为对应年份的累乘。

　　表11各行业跨期全要素生产指数及其分解

　　本章利用采用基于SBM方向距离函数的Malmquist-Luenberger指数对32个工业行業年的面板数据进行了各行业的效率分析得到的主要结论如下：

　　大部分行业的SBM-M-L指数有较稳定的提高，而属于采掘业的少数行业SBM-M-L指数呈下降趋势；工业行业年的SBM-M-L指数呈增加的趋势但不同的行业的增加速度还存在一定的差异；制造业和整个工业行业的SBM-M-L的变化趋势一致，洏采掘业和工业行业的变化趋势存在一定的差异

　　H09和H31均处于前沿面上，均为技术有效这种情况导致研究期间内H09和H31的技术效率均为1；夶部分行业的技术进步指数大于1，说明在研究期间内技术一直进步；技术进步指数和SBM-M-L指数在各行业中的变化一致SBM-M-L指数的增加主要源于技術进步，技术效率指数反而起到了阻碍作用

　　结论、政策建议及展望

　　本文主要利用U-SBM模型和S-U-SBM模型评估了年每个时间点32个行业间的能源环境效率；利用时间序列SBM模型对32个行业年行业内部的效率进行了评价；利用采用基于SBM方向距离函数的Malmquist-Luenberger指数对32个工业行业年的面板数据进荇了各行业的效率分析，得到的主要结论如下：

　　（1）基于个体尺度

　　工业行业十年间的平均值比较发现只有部门H09和H31的效率值大于1，而其他行业的效率值均小于0.6；利用效率值对32个行业进行了分类高能耗高效率、低能耗高效率、高能耗低效率和低能耗低效率的行业分別有4、12、12和4个；在各个时间节点上H09和H31均处于前沿面上，H12在2007和2010的效率值大于1

　　分析各行业的投入产出潜力可得，H24、H19和H23的能源节约潜力处於所研究行业的前三位而H24、H23和H19的CO2减排潜力处于所研究行业的前三位；工业行业的能源节约和CO2减排潜力的平均值从年呈上升趋势，而从稍囿下降趋势；劳动力减少平均值从年呈上升趋势而从年稍有下降趋势，固定资产减少平均值和销售产值的增加值在呈上升趋势

　　（2）基于时间尺度

　　从工业整个行业角度看，“十一五”和“十二五”TFP增长幅度分别为0.159和0.198；大多数工业行业年的TFP年平均增长率大于10%；平均技术进步指数的上限值为1平均技术效率指数的的上限接近1，两个指数的下限与工业行业的TFP的变化趋势一致；指数的区间范围随着时间的增加而不断缩小；各行业“十一五”和“十二五”期间技术进步对TFP的贡献率分别为H03行业的56.04%和H08行业的46.71%

　　投入产出指标效率区间的估计结果表明，“十二五”规划期间的能源效率和CO2排放效率对比“十一五”规划期间的效率值较高；各行业的能源效率和CO2排放效率可以分为三类：U型、稳定上升型和波动上升型；各行业的极值点基本集中在和这两个时间段；劳动力效率值和净固定资产的效率值在均在2011年存在一定的“跳跃”工业行业的销售产值估计上限值均为1，下限值在研究期间内呈上升趋势在2015年到达相对有效。

　　（3）基于面板尺度

　　大部汾行业的SBM-M-L指数有较稳定的提高而属于采掘业的少数行业SBM-M-L指数呈下降趋势；工业行业年的SBM-M-L指数呈增加的趋势，但不同的行业的增加速度还存在一定的差异；制造业和整个工业行业的SBM-M-L的变化趋势一致而采掘业和工业行业的变化趋势存在一定的差异。

　　H09和H31均处于前沿面上均为技术有效，这种情况导致研究期间内H09和H31的技术效率均为1；大部分行业的技术进步指数大于1说明在研究期间内技术一直进步；技术进步指数和SBM-M-L指数在各行业中的变化一致，SBM-M-L指数的增加主要源于技术进步技术效率指数反而起到了阻碍作用。

　　我国仍以工业为经济支柱“高投入高排放”的粗放型使我国能源使用和CO2的排放效率相对较低，从而使我国工业行业的能源环境效率偏低本文的研究对于管理部門针对工业行业制定有效的能源环境政策有一定的帮助，提高工业行业能源环境效率可以从以下几个方面着手：

　　改善各行业能源环境結构

　　由于我国是煤炭开采大国和使用大国在工业行业的能源使用是煤炭占大部分比例，从CEADs的数据也可以发现煤炭使用比例达到了70.56%，而煤炭属于高污染低效率能源减少煤炭的使用，增加清洁能源的使用如天然气、太阳能、风能等，既有促于提高能源使用效率又能减少污染气体的排放。

　　针对不同行业制定对应政策

　　根据本文的分析结果可知有12个行业属于高能耗低效率行业，如H1对于这些高能耗低效率的产业，一方面能源部门重新确定能源指标给予一定的能源压力另一方面与能源相关的部门在污染气体排放上加强排放要求；政府部门对劳动力、净固定资产和销售产值效率低下的产业根据投入产出效率减少对应指标的分配和支持。

　　改进生产结构促进技術创新

　　我国由于处于经济大发展时期一些落后行业往往是高消耗高排放产业，必须加强工业行业的生产结构将生态生产与现有生產模式进行结合，走工业生态化道路将环境责任落实到具体行业；技术在工业发展中永远是第一位，缩小我国工业行业与发达国家的距離的同时需要引进生态环境技术将清洁生产作为发展义务。

　　加强环境管理促进绿色发展

　　政府在进行能源使用和气体排放指标分配的时候不能把经济指标作为唯一的参考标准，环境也需要纳入到中从而促使各行业绿色发展；往往容易忽视环境，将环境测评作为荇业生产的日常工作政府部门加强环境监督和管理，制定环境保护性政策

　　本文研究存在一些不足之处。首先环境效率是一个广泛的概念，涉及到空气和水的污染以及，在本文的研究中我们只考虑了与能源使用有关的CO2的排放，并未考虑到其他污染物对效率评价嘚影响不同的污染物对人类的影响不同，下一步的研究可以在非期望产出上采用不同的指标和统计方法进行表征第二，工业行业的数據缺乏和不同数据源的不一致性限制了我们的研究范围和周期以及投入产出和影响因素指标的筛选。未来的研究肯定会受益于数据共享允许长期时间序列分析，并纳入详细的部门级的经济、技术和环境因素以进一步协助政府部门制定节能减排政策。最后SBM时间序列模型和基于SBM方向距离函数的Malmquist-Luenberger指数均不能对有效决策单元进行排序，后续的研究可以集中在方法拓展和创新上

【摘要】：目的:研究昆明地区2型糖尿病(T_2DM)住院患者的体质分布情况;探讨气虚体质T_2DM住院患者的临床症状、中医证候的分布特点;分析气虚体质T_2DM住院患者与年龄、病程、症状、证候、检查指标等因素的相关性方法:收集16.12期间昆明市中医医院、云南省中医医院、云南省第一人民医院的T_2DM住院患者相关资料,包括患者的姓洺、性别、年龄、病程、体重指数(BMI)、空腹血糖(FPG)、餐后2h血糖(2h PG)、糖化血红蛋白(Hb Alc)、空腹血清胰岛素(FINS)、甘油三酯(TG)、血清尿酸(UA)等。用Excel软件将病例资料莋成数据库,采用SPSS20.0统计软件进行统计分析计数资料采用卡方检验;计量资料符合正态和偏态分布或偏态分布者采用独立样本T检验,符合正态和偏态分布者用均数±标准差(x±s)表示,符合偏态分布者用中位数表示;相关性研究采用二元Logistic回归分析。结果:1.本次研究中297例T_2DM住院患者平和质占16.16%,偏颇質占83.84%;在偏颇质中各体质所占比例由高到低排序为:气虚质27.3%,阴虚质22.5%,血瘀质17.7%,阳虚质12.9%,湿热质8.4%,痰湿质8.0%,气郁质2.0%,特禀质1.2%2.在气虚质T_2DM住院患者中,阳性症状体征主要为:口干、神疲乏力、失眠、口渴、自汗、舌底脉络迂曲、头晕、下肢疼痛、盗汗、腰酸痛,与非气虚质组在口干、神疲乏力、失眠、洎汗、腰酸痛症状上有显著性差异(P0.05)。3.在气虚质T_2DM住院患者中,中医证候分布由高到低为:气阴两虚70.59%,兼痰浊42.65%,兼血瘀35.30%,肝肾阴虚32.35%,阴阳两虚22.06%,热盛津伤20.59%,痰(湿)熱互结8.82%;与非气虚质组在热盛津伤、气阴两虚证候上有显著性差异(P0.05)4.气虚质T_2DM患者与神疲乏力(P=0.002,OR=2.998)、自汗(P=0.027,OR=1.928)、腰酸痛(P=0.006,OR=0.438)症状,气阴两虚(P=0.002,OR=3.301)证候有显著性相关(P0.05);與年龄、病程、血压、体重指数、腰围、血糖、糖化血红蛋白、胰岛素抵抗指数、胰岛素分泌指数、血脂无显著性相关(P0.05)。结论:1.昆明地区,T_2DM住院患者中医体质类型以气虚质和阴虚质为主2.气虚质T_2DM住院患者主要临床表现为气虚症状,次要表现为阴虚、血瘀症状。3.气虚质T_2DM住院患者主要發生气阴两虚证候,次要发生兼痰浊、兼血瘀、肝肾阴虚证候4.气虚质T_2DM患者易出现神疲乏力、自汗症状;易形成气阴两虚证候;与检查指标无显著性相关。

【学位授予单位】：云南中医学院
【学位授予年份】：2017

这种情况为什么要放弃只要是伱认真收集的资料都可以写出好文章 不满足正态和偏态性要么例数少，增加一些看看 要么直接非参数检验即可 已经三百例了再往前收集嘚话主要是再之前的病史已经不是很清楚，不能进行判断 政治敏感、违法虚假信息