陕西省能源化工工业（精选5篇）
陕西省能源化工工业 篇1
1 引言
近年来,陕西省能源化工工业的发展取得了巨大的成就,但经济增长的质量和效率还没有从根本上提高,如资源环境制约等问题日益严重,转变经济发展方式的任务十分艰巨,要改变经济发展方式必须依靠技术创新,技术创新对于经济和产业结构的转型和调整都有着非常积极的意义。众所周知,技术创新是研究与试验发展(Research and Development,简称R&D)活动的最重要的产出,两者密切相关, R&D的人力资源则是R&D活动赖以进行的重要资源。企业对R&D人力资源总量的投入在不断增加,但是与R&D人力资源投入量逐年增加相伴随的并不是利用效率的提高。然而要提高企业的竞争力,既要合理的增加R&D投入,同时注重其效率的提高。本文对陕西省能源化工工业的R&D人力资源的效率进行了分析。首先介绍陕西省能源化工的R&D人力资源现状,对样本分组及投人产出变量的选择进行说明,使用DEA模型对其进行分析。从不同侧面分析陕西省能源化工工业不同行业的R&D人力资源效率。
2 文献综述和研究背景
2.1 国内外学者在R&D人力资源的相关研究
国内外很多学者从多个角度对R&D人力资源做了很多研究,其中有一些学者从人力资源管理的角度出发,基于定性分析,提出建议和对策。如杨宏进,邹珊刚[1]利用科技统计资料将我国R&D人力资源的基本情况从总体规模、执行部门、活动类型、学科和行业的分别、工作条件、人员素质、以及产出等各方面进行了分析。另外一些学者从经济学角度以定量方法进行研究,将R&D人力资源作为R&D投入的组成部分,研究其对经济增长的贡献作用。程巍伟,范彬,戴德颐[2]根据C-D生产函数,对南京市及其他七个国内主要城市的R&D投资经济效果进行了实证研究,提出了提高南京市R&D投资经济效果和加快技术进步的政策建议。傅利平,张出兰[3]通过构建面板数据模型对天津市主要行业的R&D投入滞后性与产业技术创新关系进行研究,通过与上海市的数据对比分析得出天津市主要行业R&D投入的特点,针对该特点提出了相应的对策建议。
以上学者的研究表明了技术创新研发投入和经济的发展有着积极的影响,但是以往学者在研究时,都比较关注R&D经费投入对科技创新和经济的影响,很少关注R&D人力资源投入指标对其的影响,其次众多学者对R&D人力资源的研究大多从人力资源管理的出发,对其进行定性的分析,或是将R&D人力资源作为R&D投入的一部分进行研究,缺乏对R&D人力资源效率方面的分析和模型论证,这不利于科学决策。综合以上分析,本文对陕西省能源化工工业的R&D人力资源的效率进行了分析,利用陕西科技统计年鉴,采用数据包络分析方法评价了R&D人力资源的利用效率。
2.2 陕西省能源化工工业R&D人力资源现状分析
R&D人力资源是指企业科技活动中从事基础研究、应用研究和试验发展三类活动的人员,包括直接参加上述三类项目活动的人员及这类项目的管理和服务人员。由于R&D人员折合全时当量可以准确地反映R&D人力资源的投入,本文把R&D活动人员折合全时当量作为反映R&D人力资源的核心指标。
2009年,陕西省能源化工工业企业的R&D人员全时当量是2449人年,比2005年增长48.15%,平均每年增长9.63%。能源化工工业的R&D人员全时当量在2007年达到最大值,共有2659人年,相当于2006年507人年的5.24倍,从2007年以后陕西省能源化工业的R&D人员全时当量基本保持在2300人年左右。这说明,从2007年开始陕西省能源化工业的科技活动逐渐发展起来了。
虽然陕西省能源化工工业R&D人员全时当量在近几年有所上升,但与同为陕西省支柱产业的装备制造工业相比,能源化工工业R&D人员全时当量与它有很大的差距,2009年,能源化工工业的R&D人员全时当量比装备制造业少9985人年,这说明陕西省能源化工工业R&D人员投入较少,因此,面对有限的资源,我们更应该提高其利用效率。要提高其R&D人力资源的效率,首先应该对其R&D人力资源效率进行评价,从而可以更好的利用R&D人力资源。
3 陕西省能源化工工业R&D人力资源DEA效率分析
3.1 DEA模型分析
数据包络分析法(Data Envelopment Analysis,以下简称DEA)所使用的规划模型多种多样,选取输入导向型的CCR模型与BCC模型分别测算陕西省能源化工工业R&D人力资源的综合效率和技术效率,并由此计算出规模效率值。CCR模型是1978年由Charnes给出的,假设有n个部门或单位(称为“决策单元”decision making units,简记DMU)。每个DMU都有种类型的输入以及s种类型的输出,对于第j个部门的投入和产出向量分别xi=(x1i,x2i,…xmi)T,yi=(y1i,y2i…ysi)T,i=1,2,……n.设有待评价的决策单元DMUj0的投入产出为(xj0,xy0)T这里简记(x0,y0)T,评价DMUj0有效性的DEA模型为[4]:
其中,v=(v1,v2,…vm)T,u=(u1,u2,…us)T分别为m种投入和s种产出的权系数。
式(1)提供了评价DMUjo有效性的指标 h0(表示为一组产出对一组投入的比率),其中目标函数是找出m种投入的权系数v=(v1,v2,…vm)T和s种产出的权系数u=(u1,u2,…us)T,从而给予待评价的DMUjo可能的最高的有效性(或比率);约束条件表示当同一组投入和产出的权系数(v和u)用于所有其他相比较的决策单元DMUi时,没有一个DMUj(j=1,2,…,n)将超过100%的有效性。利用charnes—cooper变换:undefined,可将分式规划模型(1)化为如下等价的线性规划模型(CCR模型)
对某个选定的决策单元DMU0,判断其有效性的CCR模型的对偶规划可表示为:
对式(3)引入松弛变量s-,s+:
其中:s-=(s-1,s-2,…s+m)T≥0为投入松弛向量,s+=(s+1,s+2,…s+s)T≥0,θ表示投入缩小比率,λ表示决策单元线性组合的系数,ε表示非阿基米德无穷小量。
式(3)的含义是:保持输出水平不降低,以其他DMU的实际投入--产出水平为参照,则优化目标值θ揭示了被评价DMU的投人要素同比例地减少所能达到的最低值。当且仅当θ=l时,被评价DMU的至少一个投入要素已经是最低值,不能再进一步减少;如果所有投入要素都是最低限(θ=1且第一个约束方程无松弛),则称为该DMU处于有效状态;当θ<1时,意味着被评价DMU0的投入要素相对于其他单元有减少的余地,θ越小,余地越大。据此,对于模型(4),当最优解θ=1,s-=0,s+ =0时,称DMU为DEA有效;θ<1,或s-≠0,s+≠0时,则称DMU为非DEA有效[5]。
考虑到非DEA有效的DMU除了可能是纯技术无效外,还可能是因为自身的规模问题,为单纯评价决策单元技术效率是否最佳,引入凸性限制条件∑λj=1即假定规模收益不变,可得到BCC模型,可计算决策单元的纯技术效率。BCC模型用于评价技术效率是否达到最佳,与CCR模型结合起来便可以对决策单元技术效率和规模效益做综合分析。
3.2 评价指标的选取
DEA模型是分析多投入与多产出的决策单元的相对效率的方法,需要选取R&D人力资源的投入与产出两方面的指标。R&D人力资源投入的数量、素质、结构以及活动状况,是企业人力资源能力的重要表现。由于R&D人员折合全时当量与其相关性极高,因此使用R&D人员全时当量作为R&D人力资源的投入指标。
工业企业R&D活动的产出可以采用多个指标来衡量。如果按照“科技投入-技术获取-成果转化-产出”的系统来测量R&D活动效率,R&D人力资源绩效至少可以用专利申请量、新产品销售收入这两个指标来衡量。专利申请量是指在报告年度内向专利行政部门提出专利申请并被受理的件数;新产品销售收入指报告年度本企业销售新产品实现的销售收入,是衡量产品创新的最直接指标。根据以往的研究表明,R&D投入并不能在投入的当年就见效,具有明显的滞后性[6],一般约有一至两年的滞后期,所以本文所采用的投入指标为2008年,产出指标为2009年数据,数据均来自陕西科技统计年鉴[7]。
3.3 R&D人力资源效率测度
以煤炭开采和洗选业为例进行效率评价
undefined
式中,θ为所求煤炭开采和洗选业投入比例量;λ1,…λ4表示陕西省能源化工企业的决策变量; s-1表示煤炭开采和洗选业R&D人力资源投入的冗余值;s+1,s+2煤炭开采和洗选业产出的不足量。同样我们也可以对其它能源化工企业进行效率评价,对以上数据利用DEAP软件做一定的处理。具体输出结果如下表2、3所示
3.4 分析结果
由表2的评估结果可以得出其中石油和天然气开采业,电力、燃气及水的生产与供应这两个行业R&D人力资源投入产出效率水平较高,处于DEA有效状态,以这两个行业目前的R&D人力资源投入来看,既是规模有效又是技术有效。即除非增加一种或多种新的投入,或减少某种产出,否则无法增加任何现有的产出量,这些行业R&D人力资源投入产出的为最优性。DEA无效的行业有煤炭开采与洗选业,石油化工、炼焦及核燃料加工,其效率值分别只有0.076和0.342。
结合技术效率情况,可将这两个行业分为技术有效行业和非技术有效行业。石油化工、炼焦及核燃料加工行业属于技术有效行业,虽然DEA无效,但是技术有效,表明他们在人力资源配置效率和管理水平方面表现良好,DEA无效主要是由于规模无效引起的。但其处于规模收益递增阶段,因此在调整R&D人力资源投入规模结构的基础上,增加R&D人力资源的投入,可以提高规模收益。
煤炭开采与洗选业为非技术有效行业,导致严重DEA无效不仅有技术因素也有规模因素的影响。从松弛变量上来看,煤炭开采与洗选业不仅存在R&D人力资源投入冗余,而且存在产出不足,主要是专利申请量产出不足,因而获利能力差。从规模效益看,煤炭开采与洗选业处于递增阶段,因此在调整R&D人力资源投入产出结构的基础上,适当地增加R&D人力资源的投入规模,可以提高规模收益。
4 结论
根据对陕西省能源化工工业各行业的R&D人力资源的综合效率、技术效率、规模效率分析,可以得出以下结论:
(1)能源化工工业中石油和天然气开采业,电力、燃气及水的生产与供应业这两个行业的R&D人力资源投入产出效率水平较高,煤炭开采与洗选业和石油化工、炼焦及核燃料加工这两个行业的R&D人力资源投入产出效率水平较低,总体看陕西省能源化工行业的R&D人力资源投入水平不高。
(2)石油化工、炼焦及核燃料加工,煤炭开采与洗选业的R&D人力资源产出潜力较大,其R&D人力资源投入规模较小,且规模收益递增。要提高其R&D人力资源的效率一方面要调整R&D人力资源投入产出结构,提高资源配置效率及管理水平以提高技术效率;另一方面适当加大R&D人力资源投入规模,可以增加它的R&D活动规模收益。
摘要：从技术创新投入产出角度设计评价指标,综合使用数据包络分析(DEA)方法中的模型,以2009年至2010年的陕西省科技统计年鉴数据为依据,对陕西省能源化工各个行业的R&D人力资源的总效率、技术效率、规模效率进行分析研究,分析结果显示,陕西省能源化工工业R&D人力资源效率普遍不高,平均效率仅为71.4%。
关键词：陕西省能源化工工业,R&,D人力资源,效率评价
参考文献
[1]杨宏进,邹珊刚.我国R&D人力资源配置分析[J].科研管理,2005(2):96-103
[2]程巍伟,范彬,戴德颐.南京市政府R&D投入对GDP增长的贡献分析[J].北方经济,2007(1):23-25
[3]傅利平,张出兰.天津市R&D投入与产业技术创新关系的实证研究[J].现代管理科学,2008(10):76-78
[4]魏权龄.数据包络分析[J].科学通报,2000(17):1793-1807
[5]沈荣芳.运筹学高级教程[M].北京:高等教育出版社,2008
[6]刘爱东,刘亚伟.大中型工业企业核心技术竞争力与R&D投入的实证研究[J].科技进步与对策,2008(4):67-69
[7]陕西省统计局,陕西省科学技术厅.陕西科技统计年鉴(2009-2010)
陕西省能源化工工业 篇2
5月26日，双鸭山市政府与姜殿臣中煤集团龙化公司在哈尔滨举行180万吨甲醇、60万吨烯烃项目签约仪式。市委书记、市人大常委会主任滕喜魁，市委副书记、市长李显刚，副市长范凤阳，中煤集团龙化公司董事长陈志京，中煤集团龙化公司总经理姜殿臣出席项目签约仪式。签约仪式由韩江水主持，苏三庆、朱杰利、姜殿臣、杨列克等分别致辞。近年来，该校加强与地方和企业合作，先后与20余个地市和50多个大中型企事业单位签订了战略合作协议。仅2011年，该校在企事业单位建立了2个校外研究生培养基地，27个校外研究生实践基地，有力地推动了人才培养、科学研究与企业行业需求的密切结合。
中国中煤能源股份有限公司总裁杨列克，中煤陕西榆林能源化工有限公司总经理姜殿臣，中煤西安设计工程有限责任公司执行董事、总经理朱杰利，副总经理孙书亮等一行人员；西安科技大学党委书记刘德安，校长苏三庆，党委副书记张立杰，副校长韩江水、马宏伟、张金锁等出席了签约仪式。近日，西安科技大学与中煤陕西榆林能源化工有限公司、中煤西安设计工程有限责任公司战略合作协议暨科研项目合同签约仪式隆重举行。苏三庆首先对出席此次签约仪式的各位领导和嘉宾的到来表示欢迎并对学校的情况作了简要介绍，希望合作各方在科学研究、人才培养和社会服务等方面积极开展合作，并表示学校将努力践行承诺，积极推动与各方的务实合作。
陕西省能源化工工业 篇3
本工作参考生态工业园区建设的相关政策文件, 在对煤基能源化工基地深入分析的基础上, 对煤基能源化工基地生态工业园区建设的指标体系进行了研究。
1 煤基能源化工基地生态工业园区的建设
1.1 煤基能源化工基地概况
“十一五”以来, 国家规划建设神东、晋北、晋中、晋东、陕北、黄陇、鲁西、两淮、冀中、河南、云贵、蒙东、宁东、新疆14个大型煤炭基地, 以煤炭为基础, 实现煤炭、煤电、煤化工大型化、一体化、深度化发展, 建设具有国际先进水平的能源化工基地。
煤基能源化工基地具有以下显著特征:1) 物耗、能耗高, 以4×109m3/a煤制天然气项目为例, 煤炭消耗约20 Mt/a, 新鲜水耗约2.7×107m3/a;2) 污染物排放量大且污染负荷高, 以2 GW超超临界空冷燃煤发电机组为例, 采用石灰石-石膏湿法脱硫、选择性催化还原法脱硝, SO2和NOx排放量在3 kt/a左右, 产生灰渣和脱硫石膏约1 Mt/a;3) 生态影响大, 我国能源化工基地主要分布在水资源短缺、生态环境脆弱的地区, 煤炭开采会破坏地下水资源, 造成地面塌陷, 资源的过度开发和不合理使用可能导致灾难性的环境后果。因此, 大型煤基能源化工基地的规划、建设和改造, 必须遵循循环经济、工业生态学原理和清洁生产的要求, 从而实现基地的可持续发展[1,2,3,4]。
1.2 煤基能源化工基地生态工业链
煤基能源化工基地生态工业链的核心是围绕资源的高效和循环利用以及产业链的延伸, 以煤炭、煤电、煤化工三大行业产业链为核心, 培育发展横向关联配套、纵向延伸拓展的产业网络以及与之相配套的园区基础设施和支撑体系[5,6]。
对于新建的煤基能源化工基地, 严格环境准入是构建园区生态工业链的核心;同时, 要强化园区管理, 完善配套的基础设施, 包括道路, 管网, 供水、供电、集中供热、集中污染治理设施建设等, 为项目落地和生态化发展提供保障。
1.3 煤基能源化工基地生态工业园区建设的指标与国家标准的差距
现行生态工业园区建设的标准主要有HJ 274—2009《综合类生态工业园区标准》[7]和HJ/T 273—2006《行业类生态工业园区标准 (试行) 》[8]。但现行标准主要存在如下问题。
1) 未体现准入控制。严格的环境准入对于合理规划、源头控制、优化产业链起着决定性作用, 也是构建煤基能源化工基地生态工业链的核心, 尤其对于规划中的煤炭基地, 环境准入控制至关重要。
2) 综合类园区标准的适用性差。煤炭开采、煤电属于国民经济中低端的基础支撑行业, 产品附加值低, 煤化工是以煤炭为基础的载能产品转化, 故煤基能源化工基地的物耗、能耗以及污染物排放量远高于经济技术开发区和高新技术开发区, 综合能耗强度、新鲜水耗强度、污染物排放量强度等指标可能超出综合类园区标准值的数倍甚至数十倍。
3) 行业类园区标准的针对性差。行业类园区标准要求综合能耗强度、新鲜水耗强度、污染物排放量强度等指标达到国际先进水平, 若没有定量指标值将难以量化评估。能源化工项目产品附加值低、受国家产业政策影响大, 且煤基能源化工基地是以能源加工转换类产业为主, 因此, 行业类园区标准中的单位工业增加值强度指标不适合考核煤基能源化工基地。
2 煤基能源化工基地生态工业园区建设指标体系的构建方法
2.1 基本原则
1) 提高准入指标。从项目规模、产业技术水平、资源能源利用效率、污染物排放、经济效益等方面设定准入指标, 提高准入门槛, 加强源头控制。
2) 总量控制。设定主要污染物控制指标, 确保入园项目和园区各类污染物排放总量符合总量控制要求。
3) 清洁生产。按照清洁生产一级标准或同行业国际先进水平设定, 作为新建项目审批的前置条件。
4) 坚持“3R”原则。从“减量化、再利用、资源化”及“无害化”等方面设定指标, 推动园区集群式、循环型、低碳化发展。
2.2 总体思路
1) 准入指标。与改造型园区区分开来, 设立项目准入指标, 提高准入门槛。准入指标主要针对项目落地前, 包括规模、技术工艺水平、污染物总量等前置审批指标, 作为园区审批项目的前置约束性指标。
2) 行业生态化发展指标。针对建成后的项目, 根据煤基能源化工基地煤炭、煤电、煤化工三大主导行业的特点、参考HJ/T 273—2006《行业类生态工业园区标准 (试行) 》, 按行业细化指标, 使考核指标更具针对性和实用性。
3) 园区生态效率指标。主要参考HJ 274—2009《综合类生态工业园区标准》建立。根据能源化工基地特点及目前园区的突出问题, 增加生态保护类指标、“三同时”执行率和“园区环境投诉率”等指标。
3 煤基能源化工基地生态工业园区建设的指标体系
在上述分析的基础上, 提出了煤基能源化工基地生态工业园区建设的指标体系, 包括准入指标 (见表1) 、行业生态化发展指标 (见表2) 和园区生态效率指标 (见表3) 。
3.1 准入指标
3.1.1 项目规模
煤炭开采项目:产能大于等于1 Mt/a;煤电项目:大容量超超临界空冷机组, 单机容量600 MW以上;煤矸石热电项目:大容量亚临界空冷机组, 单机容量300 MW以上;煤化工项目:焦化产能大于等于1 300 kt/a, 煤经甲醇制烯烃产能大于等于600 kt/a, 煤制甲醇产能大于等于1 000 kt/a, 煤制天然气产能大于等于4×109m3/a, 煤制乙二醇产能大于等于750 kt/a, 煤制油产能大于等于1 000 kt/a。
3.1.2 清洁生产
符合HJ 446—2008《清洁生产标准煤炭采选业》[9]和HJ/T 126—2003《清洁生产标准炼焦行业》[10]等清洁生产一级标准, 达到国内同行业先进水平或其他相关标准的先进水平。
3.1.3 总量控制
水资源用量符合国家和基地水资源分配方案, 主要污染物排放量符合基地主要污染物总量控制指标分配方案, 实行基地、项目总量双控制。
注:项目准入规模主要参考《国家发展改革委关于规范煤化工产业有序发展的通知》 (发改产业[2011]635号) 、《产业结构调整指导目录 (2011年本) (修正) 》以及某能源化工基地的实地调研资料, 如焦化、煤制天然气、煤制乙二醇的项目准入规模;煤炭开采准入指标为HJ 446—2008《清洁生产标准煤炭采选业》中的一级标准, 煤电准入指标参考国内燃煤电厂的先进水平。
3.2 行业生态化发展指标
按照行业特性, 并参照行业类生态工业园区标准中的物质减量与循环和污染控制指标进行优化, 包括单位工业增加值综合能耗、单位工业增加值新鲜水耗、单位工业增加值废水产生量、工业用水重复利用率、工业固体废物综合利用率、单位工业增加值COD排放量、单位工业增加值SO2排放量。
3.2.1 煤炭开采
单位工业增加值综合能耗、单位工业增加值新鲜水耗、单位工业增加值废水产生量通过准入指标控制, 工业用水重复利用率通过矿井水综合利用率反映, 工业固体废物综合利用率通过煤矸石综合利用率反映, 单位工业增加值COD排放量、单位工业增加值SO2排放量在煤基能源化工基地层面可忽略。因此, 煤炭行业生态化发展指标主要包括矿井水综合利用率和煤矸石综合利用率。
3.2.2 煤电
煤电行业工业增加值的非市场因素较大, 因此不考核煤电行业的强度指标。SO2和NOx实行项目与园区双控制, 电厂废水可实现“零排放”, 工业用水重复利用率指标可忽略, 工业固体废物综合利用率通过粉煤灰综合利用率和脱硫石膏综合利用率反映。因此, 煤电行业生态化发展指标主要包括粉煤灰综合利用率和脱硫石膏综合利用率。
3.2.3 煤化工
煤化工产品如甲烷、甲醇、乙二醇、焦炭、煤焦油等为载能产品。煤化工的强度指标为主要产品的单位能耗和主要产品的单位水耗。废水产生量可通过新鲜水耗控制, COD、氨氮、SO2和NOx实行项目与园区双控制, 从而与现有管理体制相协调。因此, 煤化工生态化发展指标包括主要产品单位能耗、主要产品单位水耗、工业用水重复利用率、工业固体废物综合利用率。
注:煤炭开采行业指标为HJ 446—2008《清洁生产标准煤炭采选业》中的一级标准, 煤电行业指标参考国内燃煤电厂的先进水平。
3.3 园区生态效率指标
3.3.1 污染控制
包括危险废物处理处置率、生活污水集中处理率、生活垃圾无害化处理率、废物收集和集中处理处置能力。
3.3.2 生态保护
包括塌陷土地治理率、水土流失治理率、植被覆盖率 (考虑易于量化评估) 。由于煤基能源化工基地面积大、生态脆弱, 煤炭开采会导致土地塌陷、水土流失, 因此基地的生态保护尤为重要。
3.3.3 园区管理
包括“三同时”执行率、生态工业信息平台完善度、园区编写环境报告书情况、重点企业清洁生产审核率、辖区内公众对园区的环境投诉率 (园区内环境投诉的数量与辖区内环境投诉的数量之比) 。由于“三同时”执行率可直观体现环境管理制度的水平, 综合类园区标准中的环境管理制度与能力改用“三同时”执行率表示。将公众对环境的满意度和对生态工业的认知率改用辖区内公众对园区的环境投诉率表示。
注:污染控制和园区管理的标准数据来自综合类园区标准, 生态保护的标准数据主要参考某能源化工基地的实地调研资料。
3.4 指标体系检验
指标体系的检验主要包括效度和信度的检验。效度是指标体系反映评估对象特性的准确程度;信度是指标体系的可靠性或结果一致性。由于本指标体系的各指标没有权重系数, 因此通过请熟悉评估对象的人员计算效度和信度, 对该指标体系进行检验[11]。计算结果显示, 该指标体系的有效性和可靠性均较高。
4 结语
煤基能源化工基地不能简单依照综合类园区标准进行考评, 宜参考行业类园区标准并结合产业发展定位, 构建更有针对性和适用性的煤基能源化工基地生态工业园区建设指标体系。
本工作建立的煤基能源化工基地的生态工业园区指标体系, 及对煤基能源化工基地生态化建设方向提出的政策建议, 可为国家对生态工业示范园区建设开展分类指导提供决策参考。指标体系的合理性和实用性有待进一步论证和优化。
参考文献
[1]Shi Han, Tian Jinping, Chen Lujun.China’s quest for eco-industrial parks, partⅠ:History and distinctiveness[J].J Ind Ecol, 2012, 16 (1) :8-10.
[2]Shi Han, Tian Jinping, Chen Lujun.China’s quest for eco-industrial parks, partⅡ:Reflections on a decade of exploration[J].J Ind Ecol, 2012, 16 (3) :290-292.
[3]田金平, 刘巍, 赖玢洁, 等.中国生态工业园区发展的经济和环境绩效研究[J].中国人口·资源与环境, 2012, 22 (11) :119-122.
[4]田金平, 刘巍, 李星, 等.中国生态工业园区发展模式研究[J].中国人口·资源与环境, 2012, 22 (7) :60-66.
[5]沈鹏, 傅泽强, 智静, 等.《能源 (煤) 化工基地发展循环经济环境保护导则》框架研究[J].生态经济, 2011 (6) :138-139, 167.
[6]沈鹏, 傅泽强, 高宝, 等.中国能源煤化工基地循环经济发展研究[J].中国环境管理, 2011 (2) :30-32.
[7]中国环境科学研究院.HJ 274—2009综合类生态工业园区标准[S].北京:中国环境科学出版社, 2009.
[8]中国环境科学研究院.HJ/T 273—2006行业类生态工业园区标准 (试行) [S].北京:中国环境科学出版社, 2006.
[9]太原市环境科学研究设计院, 中国环境科学研究院.HJ 446-2008清洁生产标准煤炭采选业[S].北京:中国环境科学出版社, 2008.
[10]山西省环境科学研究院.HJ/T 126—2003清洁生产标准炼焦行业[S].北京:中国环境科学出版社, 2003.
陕西省能源化工工业 篇4
基于国家发改委的指导方法,本文测算了陕西省1995—2014年火电碳排放数据,并与省内能源工业发展和环境治理进行相关性分析,探讨三者的长期均衡和短期影响机制,分析两者对碳排放响应的贡献度,以期对火电行业节能减排提供参考。
1 研究方法与数据来源
1.1 研究方法
火电碳排放测算:《中国发电企业温室气体排放核算方法与报告指南(试行)》规定,发电企业的温室气体排放总量等于企业边界内化石燃料燃烧排放、脱硫过程排放和净购入使用电力产生的排放之和。公式为:
式中,ADi为第i种能源活动水平,以热值表示;EFi为第i种能源排放因子;CAL为脱硫过程中碳酸盐的消耗量;EF为脱硫剂中碳酸盐的排放因子。本核算是根据中国火力发电的实际情况,脱硫剂选择为石灰石,其碳酸盐含量取默认值90%,燃烧碳排放因子为0.44,发电1亿k W·h耗用石灰石0.27万t;AD为购入电量;EF为排放因子[2]。
向量自回归模型与误差修正模型:向量自回归模型常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态影响。表达式为:
式中,Yt为k维内生变量向量;Xt为d维外生变量向量;p为滞后阶数;T为样本数;εt为K维误差向量;A1,A2,AP…,B为待估系数矩阵。向量自回归模型的缺陷是无法描述同期变量之间的影响关系,而误差修正模型则较好地解决了该问题,公式为:
式中,ECMt-1为误差修正项,α为调整系数,Γi为△Yt-i的短期波动对△Yt的影响系数[12]。
指标的选取与处理:技术更新与强化环境治理是目前节能减排的主要策略。由于电力能源属于能源工业,所以为了更好地体现相应的管理力度,选取能源工业投资(EIS)与工业污染治理投资(IPS)分别代表能源工业发展现状与环境治理现状,并与火电碳排放(CES)为模型构建的内生变量。根据选取指标,式(4)中为了减少数据的较大波动,对CES、EIS、IPS序列分别取自然对数,将X、Y、t值代入式(4)可得:
1.2 数据来源
火力发电消耗数据、购入电力和能源平均低位发热值来源于《陕西省统计年鉴》[13];单位热值含碳量来源于《省级碳排放清单核算指南》和IPCC标准[14];部分能源资料和区域电网供电平均排放因子来源于《中国电力碳排放核算指南》[2]。其中,西北电网平均排放因子为0.977kg/k W·h,历年陕西省能源工业投资额、工业污染治理投资额来源于国家统计局[15]。
2 实证结果与分析
2.1 陕西省1995—2014年火电碳排放量
根据计算结果(表1),陕西火电碳排放从1995年开始基本呈增长状态,直到2010年拐点出现。总体来看,陕西省火电碳排放量约占到碳排放总量的50%以上[16]。其中,2010年达到最高值,主要是由于2010年的火力发电量比上年增加了190.52×108k W·h,增幅为历年最高。用于火力发电的原煤量增加,由2009年的3949.22×104t增加到4850.49×104t,到2011年又降到4107.56×104t。究其原因,主要是陕西省在“十一五”规划中“大力优化发展火电企业”,火力发电是省内主要的发电形式;“十二五”规划明确提出大力发展水电、风电和太阳能发电,因此单位GDP能耗和火电供电标准煤耗分别在2010年的基础上降低了16%和13%[17,18];2011—2014年,火力发电量持续增加,但碳排放却比以前下降,说明火力发电的能源效率有所提升。能源效率的提高和水利、风力等清洁能源的快速建设促进了陕西省电力行业的低碳发展。
2.2 模型验证与分析
模型参数估计:保证模型有效的前提是时间序列数据平稳,研究采用ADF方法对数据平稳性进行单位根检验,结果见表2。在模型滞后阶数选择中,以赤池信息量准则(AIC)和施瓦兹准则(SC)信息量最小为原则,确定最优滞后期为2阶。
由表2可知,LCES、LEIS和LIPS的ADF统计量大于10%的检验水平都包含了单位根,是非平稳序列。但其一阶差分的检验值均小于1%的临界值,差分序列不包含单位根,因此差分序列是平稳的,数据系列符合构建模型的要求。我们将运算数据结果代入式(6),其向量自回归模型为:
模型(7)构建的是陕西省火电的碳排放、能源工业发展、环境治理的变量系统。我们对构建的模型(7)进行AR根检验,原则是模型(7)所有特征根的模倒数小于1。
由图1可以判定该模型具有6个特征根,且所有特征根模的倒数都在单位圆内,所以模型是稳定的。同时,通过变量间的残差同期的相关矩阵来看,LCES与LEIS、LIPS的相关系数分别为0.6071、0.4259,存在相互影响的关系。所以,为了探讨能源工业发展、环境治理与火电碳排放的响应机制,需要进一步对模型(7)的残差序列进行协整检验,以了解三变量是否存在长期的均衡关系。由于实际经济数据往往是由“非均衡过程”所产生,长期的均衡关系不能反应短期的变化。因此,需构建向量误差修正模型来分析若偏离均衡关系时,变量间将产生怎样的短期影响。
能源工业发展、环境治理与火电碳排放的响应机制:非平稳序列很可能出现伪回归,对多个变量的验证采用Johansen协整检验方法,检验变量之间是否存在稳定的关系(表3)。
表3说明,在5%水平上存在一个协整关系,表明能源工业发展与环境治理、火电碳排放之间具有长期的均衡关系。其协整方程为:
从协整方程可见,能源工业发展对火电碳排放的弹性系数为0.3470。即能源工业投资增每加1%,火电碳排放相应增加约0.35%,而环境污染治理表现为负影响,说明工业污染治理投资可有效减少火电企业的碳排放。同时,基于协整方程(8)可构造误差修正项,并建立误差修正模型,见表4。
由表4建立向量误差修正模型(9):
模型(9)的误差修正模型包含两部分内容:一是自身和其他变量短期的影响;二是偏离长期均衡关系的影响。其中,-0.445、2.040和-0.100分别表示火电碳排放、能源工业发展、环境治理将偏离调整到长期协整状态的速度和方向。从绝对值来看,能源工业发展的调整速度最快。从方向来看,火电碳排放和环境治理投资均对协整关系存在负向调整作用。根据本文的研究对象,着重分析火电碳排放误差修正模型,其行列式为:
从式(10)来看,能源工业发展和环境治理可负向调整火电碳排放。能源工业建设投资可提高技术生产力水平,工业污染投资将直接推动对各项污染源的治理。IPS滞后差分项系数分别为-0.0544和-0.1294,表明环境治理的短期波动可减少火电碳排放数量。EIS对火电碳排放的影响不稳定,但从影响系数来看,能起到抑制碳排放的效果。
能源工业发展、环境治理对火电碳排放贡献度分析:协整分析与误差修正模型是从静态角度估计能源工业发展、环境治理与火电碳排放的长期均衡与短期影响机制,脉冲响应函数则可更好地了解能源工业发展、环境治理与火电碳排放响应的动态特征[19,20]。
图2分别给出了火电碳排放对能源工业发展、环境治理脉冲响应的反映结果。横轴表示冲击作用的滞后期间,纵轴表示碳排放数量,实线表示脉冲响应函数,虚线表示正负两倍标准差偏离带。根据图2,火电碳排放对能源工业发展、环境治理的响应类似,均在第二期达到最高值。能源工业投资从三期开始持续下降,到第六期趋于平稳,整体呈现收敛趋势。环境治理在第三期和第四期有一个响应波动,到第五期后趋于平稳和收敛,说明目前陕西省能源工业发展、环境治理从长期来看是有效的,可逐步减缓火电的碳排放量;进一步采用方差分解分析两者每一个结构冲击对火电碳排放变化的贡献(表5),以此评定不同变量的贡献度。
由表5可见,火电碳排放自身的干扰响应呈递减趋势,到第九期开始平稳,基本保持在89%的贡献度;能源工业发展和环境治理的贡献度逐步上升。在第二期到第四期,能源工业发展贡献度均高于环境治理,能源效率的提升可快速降低碳排放,但由于技术更新的阶段性,从第五期开始贡献度增势减缓;到二十期,两者的贡献分别为5%和6%左右,说明能源工业发展与环境污染治理的力度对火电碳排放波动具有一定的解释力,并具有较大的提升空间。
3 结论与讨论
经济发展离不开电力能源的驱动。本文基于估算1995—2014年陕西省火电的碳排放值,结合历年陕西省能源工业建设和环境治理投入,构建VCE模型,探寻三者之间的长期均衡与短期波动响应机制。根据分析结果,得出以下结论:(1)陕西火电碳排放从1995年开始一直持增长状态,直到2010年才出现拐点。由于2010年用于火力发电的原煤量增加,导致火电的碳排放量达到近20年的峰值;水电、风电、太阳能发电的大力发展和火电供电标准煤耗等的降低促进了陕西省电力行业的低碳发展。(2)能源工业发展、环境治理与火电碳排放存在长期的协整关系,两者可负向调整火电的碳排放。(3)在贡献度方面,能源工业发展和环境治理的贡献度逐步上升,工业污染治理投资贡献度略高于能源工业投资。因此,在未来陕西省火电行业的发展中,应深化能源结构的调整,充分高效利用非化石能源,积极推进产业结构的优化升级。
综合来看,对火电碳排放的测算学者大多采用“能源消耗法”,即用火电能源消耗量乘以能源碳排放因子计算。本文在“能源消耗”的基础上,更多考虑了脱硫过程与电力传输的碳排放问题,计算内容较全面。但工业污染物包括废水、废气、固体废物、噪声等,由于针对废气处理数据的部分缺失,本文选用工业污染物治理总投资进行误差修正模型构建。由于2004—2014年废气治理投资占总投资的平均比例为49.72%,尤其2013年、2014年每年投资占比高达77%[16],因此治理总投资能代表废气治理的客观影响,同时具体行业的电力能源消耗是火电碳排放减排的重要依据。基于产业的宏观数据分析,未来将进一步探讨火电碳排放的主要减排路径。
摘要：借鉴国家推荐方法测算1995—2014年陕西省火电碳排放数据,以能源工业发展、环境治理指标作为内生变量,采用协整方法和误差修正模型分析三者的长期均衡与短期影响机制,基于方差分解细化了动态能源工业发展、环境治理对火电碳排放的贡献度。结果表明:陕西省火电碳排放从1995年的1891.63×10~4t增加到2010年峰值的11086.14×10~4t,此后由于能源效率的提升碳排放下降。长期看,陕西省应逐步减缓火电碳排放量,能源工业发展与环境治理的贡献度为5%和6%,具有较大的提升空间。
陕西省能源化工工业 篇5
1995—2010年煤炭在江西省一次能源消费结构中所占比重均在68%以上, 江西省的一次能源消费结构以煤炭为主。由于能源的大规模消耗导致的环境问题也日趋严重, 提高能源利用效率日益受到关注。在开放的经济条件下, 世界各国尤其是发展中国家将外商直接投资 (FDI) 作为获取国外先进技术的重要途径[1]。根据2011年《江西统计年鉴》统计, 截至2010年底江西省省实际利用外商直接投资289.0609亿美元。江西省作为我国中部欠发达地区, 自主研发投入和技术水平有限, 因此通过分析外商直接投资对江西省工业能源强度的影响, 制定合理的外资政策, 对江西省工业可持续发展具有重要意义。
国外有学者对FDI与能源强度之间的关系进行了研究。如Mielnika、Goldemberg的研究发现, 随着FDI的增加能源强度显著降低, 认为主要原因在于FDI技术溢出效应的存在[2]。Blackman A W发现, FDI对提高能源效率有着重要的影响[3]。国内也有一些学者对FDI与能源强度之间的关系进行了研究。如叶素云和叶振宇研究发现, FDI通过技术溢出效应降低了各省区的能源强度, 并通过分地区回归结果发现, FDI对降低东部、中部工业能源强度影响具有显著作用, 对西部地区却有反作用[4]。张贤与周勇认为, FDI通过技术溢出效应不仅降低本地区能源强度, 而且对周边地区能源强度的降低也有显著作用, FDI的集群对抑制能源强度呈现逐年增强的效用[5]。朱彤和陈媛媛的研究表明, FDI在高技术行业中对能源强度的降低有积极作用, 而在低技术行业中有消极作用[6]。
现有文献大多是从工业层面或省际工业层面分析FDI与能源消耗强度之间的关系, 鲜有文献从设区市层面研究FDI对工业能源强度的影响。因此, 笔者拟借鉴目前的研究成果, 以设区市工业能源强度为研究对象, 利用2007—2010年江西省11各设区市的面板数据, 分析外商直接投资对设区市工业能源强度的影响。在此基础上, 根据外资的来源地不同将直接投资分为港澳台直接投资和其他外商直接投资两类, 分析不同来源地投资对设区市工业能源强度的影响。
2 模型说明
在传统经济增长理论的基础上, 构建物质资本、劳动力和能源消费量的生产函数, 以江西省各设区市工业为经济单位, 将生产函数设定为:Y=f (K, L, E) , 则成本函数为:
C=F (PL, PK, PE, PM, A) =A-1PβLLPβKKPβEEPβMMQ (1)
式中, A表示技术水平, PL、PK、PE和PM分别表示生产中投入的劳动资本、物质资本、能源和原材料的价格, Q表示产出, βL、βK、βE和βM分别表示劳动资本、物质资本、能源和原材料的价格弹性。
根据谢泼德引理可知, 一种生产要素的需求量等于成本函数对该要素价格的偏导数。设能源的需求量为E, 通过式 (1) 对能源价格求偏导数, 得到:
undefined
假设, PQ=PβLLPβKKPβEEPundefined表示产出价格, EI表示能源消耗强度, 则由式 (2) 可得:
undefined
由式 (3) 可知, 能源消耗强度主要受技术水平及其产品相对价格的影响。用全要素生产率 (TFP) 表示式 (1) 中的技术水平 (A) , 并将其代入式 (3) , 两边取对数后, 可得到以下基本回归方程:
lnEIt=βo+β1ln (PQ/PE) t+β2ln (A) t+εt
(4)
式中, t表示时间, β0代表截距项, ε为随机误差项, β2表示各设区市全要素生产率的弹性系数。
在解释各设区市工业能源强度的变量中, 本文还加入了两个控制变量:①外商直接投资参与程度。国内外的研究结果表明, FDI通过两个传导机制影响能源消费。一是外商直接投资通过影响东道国的产业结构或工业内部的行业结构, 最终影响能源消耗强度;二是外商直接投资通过国际技术溢出, 提高东道国的技术水平, 降低能源消耗强度。②工业内部行业结构。由于工业内部各个行业在生产过程、技术水平、对外开放度等不尽相同, 从而导致这些工业行业能源强度不同, 重工业与轻工业的能源消耗程度存在较大差异。基于以上分析, 本文构建以下计量方程:
ln (EI) it=bi+biln (PQ/PE) it+b2Jit+b3Fit+b4Zit+eit (5)
式中, βi为截距项;εit为随机误差项;i与t分别表示设区市与时期 (下同) ;Fit表示第i个设区市在时期t的外商直接投资参与程度;Zit表示第i个设区市在时期t的工业内部的行业结构, Jit表示第i个设区市在时期t的自主研发投入。
由于不同来源地外商直接投资质量存在差异, 对工业能源强度的影响不同。为了更清楚地分析不同来源地外资对江西省11个设区市工业能源强度的影响, 根据外资来源地的不同, 本文将外商直接投资分为港澳台直接投资和其他外商投资, 构建以下计量方程:
ln (EI) it=βi+β1ln (PQ/PE) it+β2Jit+β3Git
+β4Qit+β5Zit+εit (6)
式中, Git、Qit分别表示第i个设区市在时期t的港澳台直接投资和其他外商直接投资。
3 变量选取与数据说明
3.1 数据来源
本文数据来源于2008—2011《江西统计年鉴》。
3.2 变量构建
主要有:①工业能源强度 (EI) 。采用地区工业能源消费量与工业GDP的比值表示工业能源强度, 用江西省GDP指数将当年价格的工业GDP折算成以2007年为基期的可比价。②能源相对价格 (PE/PQ) 。采用工业品出厂价格指数与燃料、动力购进价格指数的比值表示能源相对价格, 将各设区市工业产品出厂价格指数折算成以2007年为基期的定基指数, 燃料、动力购进价格指数也折算成以2007年为基期的定基指数。③外商直接投资参与程度 (F) 。外商直接投资参与程度用外商直接投资企业增加值占该地区规模以上工业企业增加值中所占的比重。④工业内部行业结构 (Z) 。根据国家统计局对重工业与轻工业的划分标准, 各设区市的工业内部行业结构采用重工业增加值与规模以上工业企业工业增加值之比来表示。⑤自主研发投入 (J) 。由于无法获取企业水平的研发数据, 只能以企业科技人员投入的指标替代。根据“各设区市科技从业人员”中的政府科技从业人员占该地区规模以上工业就业人数比重来刻画各设区市的技术研发投入力量。⑥港澳台投资参与程度 (GF) 、其他外资参与程度 (QF) 。港澳台直接投资参与程度采用港澳台直接投资企业增加值占该地区规模以上工业企业增加值中所占的比重表示;其他外商直接投资参与程度用港澳台直接投资企业以外的外资企业增加值占该地区规模以上工业企业增加值中所占的比重表示。
4 实证分析及估计结果
对面板数据模型的估计, 主要包括聚合最小二乘法回归模型、固定效应模型和随机效应模型。理论上, 面板数据模型的设定和筛选, 宜采用HAUSMAN进行检验。由于本文选取的横截面单位是总体的所有单位, 且随机效应模型严格要求扰动项与解释变量不相关, 这与本文所讨论的工业能源强度测定影响因素的实际情况不符合, 故直接选择固定效应模型。以式 (5) 为基本的回归模型, 分析外商直接投资对对江西省11个设区市工业能源强度的影响, 然后再以式 (6) 为基本回归模型, 分析港澳台直接投资和其他外商直接投资对江西省11个设区市工业能源强度的影响, 分析工具Eviews 6.0, 估计结果见表1。
注:***、**和*分别代表在1%、5%和10%水平显著。
4.1 全样本检验结果
由表1可知:①样本研究期间内, 在10%的显著水平上, 外商直接投资参与程度对工业能源强度有显著的正影响, 这表明外商直接投资对降低地区工业能源强度有不利影响。原因可能是2010年江西省外商直接投资在重工业投资总额中占外商直接投资总额的比重为33.39%, 其中在五大高耗能行业 (有色金属冶炼及压延加工业、非金属矿物制品业、石油加工炼焦及核燃料加工业、化学原料及化学制品制造业、电力热力生产和供应业) 的投资额占外商直接投资总额的比重为11.5% (2011年《江西统计年鉴》) 。可见, 外商直接投资主要集中在重工业, 且高耗能行业利用外商直接投资的比重较高, 从而导致地区工业企业能源强度上升。②在样本研究期间内, 自主研发投入在1%的显著水平上对工业能源强度有显著的正影响, 这表明自主研发投入不利于降低地区工业能源强度。笔者认为, 原因可能在于政府科技投入缺乏效率, 从而对地区工业能源强度产生不利影响。
4.2 按外资来源地的分类检验
在样本研究期间内, 不同来源地外商直接投资对工业能源强度影响存在显著差异。在10%的显著水平上, 港澳台商直接投资和其他外商直接投资对工业能源强度影响都有显著正的影响, 所不同的是与港澳台投资相比, 其他外商投资对工业能源强度的影响程度更大。这说明, 不同来源地的外资对江西省11个设区市的工业能源强度的影响程度存在显著差异。原因可能在于:江西省外资直接投资主要来自港澳台地区, 2010年港澳台投资占江西省外资直接投资的比重高达79.9%。与其他外资相比, 港澳台投资的技术水平与内资企业的差距较小, 他们凭借其技术、管理、资源等多方面的优势, 挤占了内资企业的市场份额, 通过竞争效应对内资企业产生不利影响较弱。
5 结论与建议
为了缓解江西省能源的大规模消耗导致的环境问题, 江西省各地区必须将引进外资与节能降耗有效地结合起来。基于这一思路, 本文运用2007—2010年江西省11个设区市面板数据, 首先对外商直接投资与地区工业能源强度之间的关系进行了实证分析, 然后根据外资来源地不同, 深入分析不同来源地外资对地区工业能源强度的影响。研究发现, 外商直接投资对地区工业能源强度有显著的正影响;进一步分类检验表明, 港澳台投资和其他外商直接投资对地区工业能源强度也有显著的正影响, 并且与港澳台投资相比, 其他外商投资对地区工业能源强度的影响程度更大。
基于以上结论, 本文提出以下政策建议:①江西省工业在引进外商直接投资过程中, 要引导外商直接投资流向工业中的低耗能行业, 防止外资集中在高耗能行业;采取相关政策, 合理引导外资的流向, 将利用外资和降低能源强度有机结合起来, 实现地区工业的可持续发展。②江西省要提高工业的自主研发效率。自主研发活动是实现技术进步的一个重要途径, 江西省的各设区市工业要在增加自主研发投入的同时, 尤为重要的是提高工业自主研发效率。
参考文献
[1]Keller W.International Technology Diffusion[J].Journal of Economic Litera－ture, 2004, 42 (3) ∶752-782.
[2]OtaviaM, Josle G.Foreign Direct Investment and Decoupling between Energyand Gross Domestic Product in Developing Countries[J].Energy Policy, 2002, (30) ∶87-89.
[3]Blackman A W.Foreign Direct Investment in Power Sector Trends Benefitsand Barriers[J].Energy Policy, 1999, 3 (27) ∶395-711.
[4]叶素云, 叶振宇.FDI对我国地区能源强度影响的经验研究[J].国际贸易问题, 2010, (9) ∶90-95.
[5]张贤, 周勇.外商直接投资对我国能源强度的空间效应分析[J].数量经济技术经济研究, 2007, (1) ∶101-108.