能源强度目标能否提升中国城市能源效率？——基于目标责任制度与综合能源投入—产出效率的实证研究

《Sustainability》：Can Energy Intensity Targets Improve Energy Efficiency in Chinese Cities?

　　

在中国目标导向治理框架内，能源强度目标（energy intensity targets）构成地方政府推进节能的重要约束性工具。研究人员利用2006—2022年中国城市层面能源强度目标数据，实证检验能源强度目标与城市能源效率（urban energy efficiency）之间的关系。结果表明，较高的能源强度目标水平与较高的城市能源效率显著相关。基准估计显示，能源强度目标每提高1个百分点，城市能源效率得分提高0.007分，约相当于样本均值的2.0%。面板分位数估计（panel quantile estimates）进一步表明，能源强度目标与能源效率之间的正相关关系在位于能源效率分布较高位置的城市中更强。机制分析表明，能源消费下降、科技财政支出（fiscal expenditure on science and technology）增加以及绿色创新（green innovation）增强，是能源强度目标提升城市能源效率的重要渠道。异质性分析进一步表明，该效应在北方城市、非资源型城市、中小城市以及面临较低经济增长目标压力的城市中更为明显。该研究识别了城市层面能源强度目标水平与综合能源投入—产出效率之间的关系，并为目标责任制度（target responsibility system）如何通过地方政府行为影响能源治理绩效提供了新的实证证据。

研究背景与问题：在全球能源转型和低碳发展背景下，提高能源效率被视为协调经济增长与环境约束的重要手段。城市既是能源消费和污染物排放的主要中心，也是产业活动和公共政策实施的关键空间单元，其能源绩效与绿色转型和可持续发展密切相关。中国自“十一五”起将能源强度目标（energy intensity targets）逐步纳入地方政府目标责任和绩效考核体系，通过目标分解、监测、评估和问责形成自上而下节能约束。与单项环境政策或短期试点不同，能源强度目标是持续嵌入地方治理的量化约束。由此产生的问题是：更高的能源强度目标水平能否真正提高城市能源效率（urban energy efficiency，多投入多产出下经济产出与环境成本的综合效率），以及通过哪些地方政府治理响应发挥作用。既有研究多从环境规制、市场化环境政策、低碳和节能政策试点解释城市能效差异，或从目标责任制度（target responsibility system，以目标分解、考核和问责为核心的治理安排）考察量化目标和绩效考核如何改变地方政府行为；能源目标研究也关注企业层面能效、能源消费和产业结构调整。但两个文献流连接不足：一是较少关注城市间及同一城市随时间连续变化的能源强度目标水平；二是较多关注能源消费、污染排放、产业结构等单项结果，较少考察目标压力如何通过能源使用、财政科技配置和绿色创新转化为综合投入—产出效率。并且，降低能源消费不等于提高能效；若伴随产出收缩、其他要素投入增加或环境成本上升，能源消费下降未必意味着综合能效改善。因此，研究人员采用多投入—多产出框架，以劳动、资本和能源为投入，实际地区生产总值为合意产出，污染排放为非期望产出（undesirable outputs，生产过程中伴随的污染排放等合意产出之外的产出）测度城市能源效率，并区分降低能源消费与提高能源效率两类政策结果。

研究开展与意义：研究人员手工收集2006—2022年中国地级市能源强度目标数据，构建269个地级市、4242个城市—年观测的非平衡面板，实证考察能源强度目标水平与城市综合能源效率的关系，并检验能源消费、科技财政支出和绿色创新机制，开展分位数、内生性、稳健性和异质性分析。结论是更高能源强度目标水平与更高城市能源效率显著相关；目标每提高1个百分点，效率得分提高0.007分，约为样本均值2.0%；正相关在能源效率分布较高城市更强；能源消费下降、科技财政支出增加和绿色创新增强是重要渠道；效应在北方城市、非资源型城市、中小城市和经济增长目标压力较低城市更明显。该研究把目标责任制度研究从政策采纳、总量节能和微观单项结果拓展到连续目标强度与城市多投入多产出效率，提供目标责任制度通过地方政府行为影响能源治理绩效的新实证证据，并为目标设定和节能治理提供依据。

关键技术方法：样本为2006—2022年269个地级市、4242个城市—年观测的非平衡面板。能源强度目标手工取自市政府工作报告、国民经济和社会发展规划及节能减排综合实施方案等；能效原始数据来自《中国能源统计年鉴》《中国城市统计年鉴》《中国城乡建设统计年鉴》，绿色创新数据来自中国研究数据服务平台（CNRDS），其他宏观数据来自《中国城市统计年鉴》。以劳动、资本和能源为投入，实际GDP为合意产出，SO₂、工业废水和工业固废为非期望产出，用超效率SBM-DEA模型（super-efficiency slacks-based measure-data envelopment analysis，考虑非期望产出的效率测度模型）测度能效；基准采用双向固定效应模型，辅以Canay面板分位数回归（panel quantile regression）、河流密度×下一期国家能源强度目标作工具变量（instrumental variable, IV，用于缓解内生性的外生变量）的两阶段最小二乘法（two-stage least squares, 2SLS）、IV中介分析及Tobit、部分线性IV和双机器学习（double machine learning）等稳健性检验。

研究结果：
5.1 基准回归结果：双向固定效应模型（含与不含控制变量）显示能源强度目标系数在5%水平显著为正；面板分位数回归显示10、50、90分位系数均正且随分位上升而增大；作者强调这不是目标自身边际效应递增，而是条件能源效率分布较高城市正关系更强。
5.2 内生性分析：以城市河流密度与下一期国家能源强度目标交互项作为城市能源强度目标的工具变量，采用2SLS估计；Kleibergen–Paap rk LM统计量p<0.001拒绝不可识别，Kleibergen–Paap rk Wald F统计量超过10%临界值16.39；含与不含控制变量系数均显著正。
5.3 稳健性检验：剔除北京、天津、上海、重庆；以滞后能源强度目标作替代IV；Tobit模型；剔除低碳试点城市；部分线性IV与双机器学习；将CO₂纳入非期望产出重算效率；结果均支持正向关系。
5.4 异质性分析：按秦岭—淮河线分南北，北方系数0.011且在1%显著，南方不显著，Bootstrap检验显示10%水平差异；按资源型城市分类，非资源型5%显著，资源型不显著且差异显著；按2014年国务院城市规模标准，中小城市10%显著，大城市不显著且差异显著；按经济增长目标中位数，高增长目标下不显著，低增长目标下显著正；相对目标设定水平较高城市倾向短视策略、稀释目标激励，较低城市正响应更明显。
5.5 机制分析：采用IV中介分析；能源强度目标显著降低能源消费，能源消费与能效负显著；显著提高科技财政支出占一般公共预算支出比重，该支出与能效正相关；显著提高每万人绿色专利（green patents）申请和授权，二者均与能效正相关；表明多维度传导。

讨论与结论：讨论指出，结果将环境政策与能效文献拓展到目标导向治理工具；与省级目标和企业层面证据的差异可能源于分析层次和效率测度不同，城市层面产业结构、能源结构和资源再配置可改善综合能效；分位数结果说明初始条件、技术能力、能源管理和治理资源影响目标压力转化；机制与全要素能源效率（total-factor energy efficiency）框架、公共研发支持环境技术变化、创新补偿论点（innovation-compensation argument）及绿色技术降低能源强度证据一致；异质性说明目标治理受地方特征和竞争目标制约，应从“是否达标”转向“目标强度—行为响应—效率结果”。结论部分译述：基于2006—2022年地级市数据，该研究发现更高能源强度目标水平与更高城市能效显著相关，且在内生性处理、模型设定和能效测度替代下稳健；正相关在条件能效分布较高城市更强；能源消费下降、科技财政支出增加和绿色创新改善是重要渠道；效应在北方、非资源型、中小城市和经济增长目标压力较低城市更明显。研究在理论上把目标治理分析拓展到连续目标强度与多投入多产出效率，在环境管理上说明正式环境目标可通过能源使用、财政科技支出和绿色创新转化为管理结果，并受区域特征、资源依赖、城市规模和增长压力制约。政策上应重视目标设定的证据基础、连续性和地方适宜性，在保持节能约束的同时考虑能源结构、产业基础、基线能效和调整能力，完善信息披露、实施监测和反馈，差异化设定目标，并使财政科技资源与节能目标对齐、营造支持节能技术扩散和绿色创新的稳定政策环境；税收激励、研发补贴、绿色信贷和考核权重等具体工具仍需单独评估。局限是城市能源强度目标主要来自公开地方政府政策文件，部分城市—年观测缺失；中国目标责任制度具有特定制度背景，未来可结合目标实施细节、企业行为数据和其他环境目标治理证据进一步研究。