影响测算（共10篇）
影响测算 篇1
美国橡树岭国家实验室CO2信息分析中心 (CDI-AC) 研究显示:2007年, 中国碳排放17.8亿吨, 是世界上最大的二氧化碳排放国。而我国工业部门的能源消耗和二氧化碳排放量占总量的70%左右, 是最主要的能源消耗和排放大户。由于我国正处于工业化中期, 工业碳减排并不能简单地以放缓工业发展速度为代价。因此, 急需分析工业碳排放的总体趋势及其影响因素, 找准引致高碳工业的主要原因, 探究我国高碳工业低碳化的发展道路。
文献综述
已有能源碳排放研究的分析角度, 主要集中于能源结构、效率、排放强度、产出规模、产业结构等。如王中英等 (2006) [1]认为, 我国过分依赖投资的经济增长方式和以第二产业为主的经济结构, 在很大程度上是导致温室气体排放量增加的主要原因。刘兰翠 (2006) [2]利用LMDI方法通过时间序列分解方式分析指出, 经济增长和终端能源强度变化是影响二氧化碳排放的主要因素。也有学者的研究结论不同。林伯强等 (2009) [3]利用对数平均迪氏分解法 (LMDI) 和STIRPA模型分析得出, 除了人均收入外, 产业结构和能源消费结构都对二氧化碳排放有显著影响, 特别是能源强度中的工业能源强度。而查建平等 (2010) [4]研究发现, 产出是我国能源碳排放的主要拉升因素, 能源结构起轻微拉升作用, 能源强度和能源效率因素起显著抑制作用, 但作用低于产出因素, 能源排放强度与产业结构因素的作用力较弱。之所以学者们得出的结论不一致, 是因为他们的研究范围与观测期不尽相同。
在工业碳排放影响因素研究方面, 多数文献的研究视角与能源碳排放相似。例如, 刘红光等 (2009) [5]将工业燃烧能源所导致的碳排放量分解为, 能源消费总量、消费结构、技术因素、中间投入量、产业结构以及工业总量, 得出我国经济总量的增长、能源利用效率低以及“富煤、少气、缺油”的资源条件, 决定以煤为主的能源消费结构是导致我国工业碳排放大量增加的主要原因。叶祖达 (2009) [6]认为, 工业部门碳排放的驱动力主要包括, 园区总的工业增加值及单位工业增加值的能耗。潘佳佳等 (2011) [7]研究发现, 人口因素和经济发展是主要拉动因素, 能源消费结构是抑制因素, 能源强度是排放量的抑制因素, 却是排放强度增加的拉动因素。国娟等 (2011) [8]的研究得出, 各工业部门的碳排放趋势不同, 深度挖掘石油、电力、煤炭及冶金工业部门的减排潜力, 将是工业部门减排的关键。也有学者从某一工业行业 (刘颖昊等, 2009) [9]环境规制角度 (王怡, 2011) [10]等分析工业碳排放。
随着研究的不断深入, 学者们在工业碳排放影响因素分析方面开始注意工业的异质性, 尝试从工业R&D投入、资本深化、行业集中度、企业平均规模、外资进入等角度考察其对工业碳排放的影响 (Mattthew A.Cole, Robert J.R.Elliott, Kenichi, 2005;[11]何小钢等, 2011[12]) 。总体上看, 我国工业企业研发投入对工业碳排放影响不大, 企业规模适度扩大、重型工业和国有企业比例减少等有助于工业碳减排。
从方法上看, 已有研究较多采用的是指标分解法, 主要包括Laspeyres指数法、简单平均分解法 (SAD) 和自适应权重分解法 (AWD) 。[15]其中, SAD法又包括对数平均权重分解法 (Logarithmic Mean Weight Division Index Method, LMDI) 和平均增长率指数法 (Mean Rate—of—Change Index, MRCI) 。对数平均权重分解法 (LMDI) 使用较为广泛, 它是由Ang[13]等人在1998年提出的, 能将碳排放指标分解成几个不同的因素, 具有可不产生余值, 且允许数据中包含零等优点, 值得借鉴。
综上分析, 工业碳排放问题的研究已达到相当水平, 但存在两个问题:一是工业碳排放影响因素分解的依据各异, 体现工业异质性的因素是否对工业碳排放存在直接关系有待进一步研究;二是研究缺乏阶段针对性, 尚未找准工业碳排放的主要影响因素。因此, 本文在把握排放总体趋势的基础上, 划分排放阶段, 基于KAYA等式采用LMDI分解法, 对我国工业及分行业碳排放的影响因素进行有针对性的分解。
我国工业碳排放的历史轨迹与比较分析
1.我国工业碳排放的历史轨迹测算
(1) 测算碳排放量的方法较多, 本文采用较为普遍的碳排放系数法。其计算公式为:
式中, 下标i为不同的燃料 (包括煤、石油、天然气等) ;C为能源排放的二氧化碳量, t (吨) ;EC为总能源消耗量, TJ (万亿焦耳) ;ef为燃料的碳成分含量, t/TJ (万亿焦耳每吨) ;CS为未被氧化的储存碳部分;Oi为氧化了的碳;t为年份。其中, 数值44和12分别表示CO2和C的分子和原子量。具体计算时采用IPCC (2006) 公布的碳排放系数法, 根据统计年鉴中各年份的工业终端能源消耗量计算而得1991~2011年我国工业二氧化碳排放量, 结果如图1所示。该图的碳排放轨迹与世界银行WDI数据库的结论十分相近。
(数据来源:测算数据由相关年份《中国能源统计年鉴》的工业能源消费量, 以各类能源的碳排放系数折算而得。WDI数据来自世界银行网站, 由中国电、热生产及制造业与建筑业二氧化碳排放量数据加总而得)
由图1可见, 我国工业碳排放总体呈递增趋势, 1996~2000年间趋势有所缓和, 而后又进一步飙升, 2011年工业二氧化碳排放总量达674153.9万吨。据此, 可将我国1991~2011年工业碳排放划分为三个阶段:1991~1996年间的较快增长阶段, 1996~2000年间的平缓变动阶段;2000~2011年间的迅猛增长阶段。
(2) 2011年工业分行业的碳排放量测算结果见表1。
(数据来源:由2012年《中国能源统计年鉴》终端消费中工业分行业的各种能源消费量, 以IPCC (2006) 公布的各种能源碳排放系数计算而得)
制造业是工业各行业中的“排碳大户”, 占总量的85.18%。2011年, 我国工业分行业二氧化碳排放量的前几位分别是:黑色金属冶炼及压延加工业、化学原料及化学制品制造业、非金属矿物制品业、电力及热力的生产和供应业、有色金属冶炼及压延加工业、石油加工与炼焦及核燃料加工业、煤炭开采和洗选业。这7大行业的碳排放占工业碳排放总量的比重高达73.83%, 是工业低碳化发展应关注的重点行业。
2.我国与部分发达国家工业碳排放的比较分析
(1) 图2为2010年工业增加值前5位的国家2000~2010年工业二氧化碳排放量走势图。
(数据来源:根据世界银行公布的各国电、热生产及制造业与建筑业二氧化碳排放量数据加总而得)
图2所示的中国工业二氧化碳排放曲线与图1显示的测算结果基本一致, 处于迅猛增长阶段。由图2可见, 我国工业二氧化碳排放量自2003年超越美国以来, 居世界之首, 并继续大幅度上升。工业高碳现状堪忧, 高压力。
(2) 表2反映的是2010年工业增加值前5位国家相关能源及经济指标的比较情况。
(数据来源:世界银行网站〈http://databank.worldbank.org/ddp/home.do?Step=1&id=4〉, 美国能源信息中心〈http://www.eia.gov/cfapps/ipdbpro ject/IEDIndex3.cfm?tid=91&pid=46&aid=31〉) (注:GDP及工业增加值按2000年不变价, 单位GDP能耗中的GDP按2005年不变价, 工业二氧化碳比重采用2009年相关数据)
由表2可见, 尽管我国工业增加值为世界第二, 但二氧化碳排放占总排放比重最高, 单位GDP能耗最大, 可替代及新能源比重最低, 煤炭租金占GDP比重最大。前述指标均反映了我国能源利用率低, 能源结构不合理, 工业高碳排放情况严重。煤炭租金, 是按国际价格计算的硬煤和软煤的生产价值与生产总成本之间的差别, 类似生产者剩余。我国煤炭租金比重较其他4个国家明显高, 反映出我国煤炭市场的生产者剩余较大, 间接反映了我国煤炭需求量大, 能源结构中煤炭比重高, 助推了我国工业的高碳趋势。
我国工业碳排放的影响因素分解
本文基于KAYA等式与LMDI模型分解法, 从能源排放强度、能源效率、产出、能源结构、产业结构等方面, 分析我国工业及分行业碳排放的影响因素, 并根据我国工业二氧化碳排放趋势分阶段分析影响因素。
1.模型构建
(1) KAYA等式。KAYA等式是由Kaya Yoichi (1989) [14]提出的用于研究CO2排放量变化的驱动因子。其表达式为:
其中, C代表碳排放量, E代表能源消费量, Y代表经济产出, P代表人口。KAYA等式揭示的是, 二氧化碳排放量与能源消费、经济产出、人口等因素有关。为了进一步分解碳排放的影响因素, 结合工业领域碳排放的实际情况, 参考查建平等 (2010) 的研究方法, 将KAYA等式作适当变形, 具体如下:
式 (3) 中, C为工业碳排放量, Cij为工业内部第i产业的第j类能源的碳排放量, Eij为工业内部第i产业的第j类能源的消耗量, Ei为工业内部第i产业的能源消耗总量, Yi为工业内部第i产业的产出, Y为工业总产出。
则第t期相对于基期的工业碳排放变化公式可以表示为:
(2) LMDI模型。LMDI模型的原理如下:
式中, V表示被分解的对象, 可以表示碳排放量、能源消费量或能源结构效应等多种指标;X1i, X2i, …, Xni则表示对V有影响的n种因素;i表示不同能源品种、不同国家或地区、不同产业门类等多种指标;V0表示基期的值;Vt表示t期的值 (董军等, 2010[15]) 。
对于目标V的分解, 有乘法形式和加法形式, 两种分解形式本质上是相通的, 可以相互转化。这里采用乘法形式, 具体形式如下:
二是各具体效应:
基于公式 (4) , 利用对数平均权重Divisia分解法, 对工业碳排放进行因素分解。所得到的分解结果如下:
公式 (9) ~ (13) 分别表示的是, 能源碳排放强度因素对工业碳排放的贡献值、能源结构因素对工业碳排放的贡献值、能源效率因素对工业碳排放的贡献值、产业结构因素对工业碳排放的贡献值以及产出因素对工业碳排放的贡献值。
2.数据来源
工业及工业分行业产值、工业分行业各类能源消耗量等原始数据, 均来自相关年份的《中国统计年鉴》、《中国能源统计年鉴》, 并经过相应的计算而得。工业分行业分类采用国家统计局的分类方法, 将工业分为三类:一类是采掘业, 一类是制造业, 再一类是电力、煤气及水生产和供应业。在能源分类上, 选取能源统计年鉴的分类, 包括原煤、洗精煤、其他洗煤、焦炭、焦炉煤气、其他煤气等18种。在时间段划分上, 根据图1将工业碳排放因素分解检验的时间段划分为, 1991~1996年、1996~2000年、2000~2011年三段。
为剔除价格上涨对工业产值的影响, 将工业及工业分行业的产值根据统计年鉴提供的工业品出厂价格指数进行折算, 统一为1991年的价格水平。工业分行业各类能源的消耗量统一以万吨标准煤计算, 折算系数来自《中国能源统计年鉴》提供的《各种能源折标准煤参考系数》表。工业分行业的碳排放量计算方法采用碳排放系数法, 按各类能源的碳排放系数进行折算统计。
3.结果分析
(1) 我国工业碳排放影响因素分解结果。基于LMDI分解法, 上述来源的数据经计算得到了各项指标:能源排放强度D、能源结构因素ES、能源效率因素I、产业结构因素IS, 以及能源碳排放强度、能源结构因素、能源效率因素、产业结构因素与产出因素对工业碳排放的贡献度。由于本文采用碳排放系数法测算工业碳排放量, 因此, 无法准确衡量能源排放强度这一影响因素。故只选取了其余4个因素作分析 (如图3所示) 。
由图3可见, 能源结构因素在第一个时期对工业碳排放呈微弱抑制作用, 在后两个时期转为微弱拉动作用。反应出我国能源结构的高碳化趋势在加重, 但对碳排放的拉动作用变化不大;能源效率在三个时期均呈现出抑制作用, 且抑制作用显著增强;产业结构因素对于工业碳排放的影响不显著, 在图中几乎观察不到;产出因素对工业碳排放呈现显著的拉动作用。这一结果揭示, 我国工业碳排放与工业产出间存在较大相关性, 尽管能源效率不断提高对工业碳排放起着重要的抑制作用, 但不敌产出的拉动作用。
有学者用热力和电力排放强度的变化对工业能源碳排放的影响, 来定义能源排放强度因素的贡献值, 如查建平等 (2010) 的研究结果显示, 能源排放强度对工业碳排放起抑制作用, 但作用较小。魏一鸣等 (2008) [16]的检验结果也显示, 碳排放系数 (电力和热力碳排放系数) 对工业碳排放的影响最小, 主要是因为我国的电力生产主要是火电 (1998~2005年75%以上的电力是煤电) , 从而导致电力和热力碳排放系数变化较小。
为进一步探析各因素对我国工业碳排放持续的影响作用, 本文将1991~2011年间各因素的影响力做了细分, 结果如图4所示。
由图4可见, 4个因素对于我国工业碳排放均呈现波折变动作用趋势。其中, 能源效率因素主要以抑制作用为主, 而产出因素则主要以拉动作用为主, 与图3的结果大体一致。进一步分析1996~2000年间工业碳排放影响因素可以发现, 产业结构和产出因素较为显著的抑制作用导致了这一期间工业碳排放趋缓。
(2) 我国工业分行业碳排放影响因素分解。图5显示了我国工业分行业中采掘业, 制造业, 电力、煤气及水生产与供应业在三个时期的碳排放影响因素分解结果。其共同点是, 产出因素为强劲的拉动因素, 且拉动作用逐渐增强;能源效率因素是重要的抑制因素, 其作用也不断提高;4个影响因素的作用随时间段的推移不断增强, 综合表现为能源结构高碳化、产业结构重型化趋势显著。此外, 由于工业分行业异质性的存在, 分行业碳排放的影响因素作用理应呈现不同的走势。其中, 三个时期采掘业能源结构因素对碳排放的作用依次呈微弱拉动、微弱抑制、显著拉动;制造业能源结构因素对碳排放的作用依次呈微弱抑制、微弱拉动、显著拉动;电力、煤气及水生产与供应业能源结构因素对碳排放的作用依次呈较大抑制、微弱拉动、显著拉动, 但其拉动作用均小于前两个产业。1996~2000年间, 制造业的能源效率变化对碳排放抑制作用强于同时期的采掘业, 2000~2011年间则作用大小持平, 电力、煤气及水生产与供应业的能源效率对碳排放的抑制作用略小。产业结构因素方面, 采掘业和制造业的产业结构因素对碳排放的作用基本为先抑制后拉动, 而电力、煤气及水生产与供应业的产业结构因素在三个时期均对碳排放起拉动作用。
分析结论与政策建议
1.工业高碳排放趋势显著, 亟需控制碳排放总量
测算结果表明, 1991~2011年我国工业碳排放总体呈递增趋势, 其中, 1996~2000年间趋势有所缓和, 而后又呈快速增长;我国工业二氧化碳排放量自2003年超越美国以来, 稳居世界之首, 并继续大幅上升。与工业发达国家相比, 我国工业能源利用效率低, 以煤为主的能源结构高碳化, 均助推了我国工业的高碳趋势。对此, 我国亟需划定工业碳排放上限, 在总量控制的基础上, 开展工业碳减排。在落实总量控制与减排指标时, 碳排放监测起着关键作用。目前, 我国暂无完善的工业碳排放监测与信息披露体系, 工业低碳化政策制定缺乏有力的信息支持。因此, 急需建立工业碳排放监测体系, 为总量控制、减排目标的设定及监测提供基础。
2.工业结构不合理且生产粗放, 应加快产业结构及能源结构调整
影响因素分解结果显示, 产出因素是我国工业碳排放增长的强劲带动因素, 能源效率因素对工业碳排放起不断增大的抑制作用, 且能源效率的抑制作用小于产出因素的拉动作用;能源结构因素逐渐呈现拉动作用, 而产业结构因素的影响不明显。以上结果表明, 由于我国能源结构主要以化石能源为主, 工业结构偏向重型化, 较为稳定的能源结构与产业结构对于工业碳排放的影响因素并不显著。因此, 要实现高碳工业的低碳化转型, 必须调整我国工业产业结构, 尤其是调整重工业比例, 提高“高碳产业”准入门槛, 完善落后产能淘汰约束机制、新兴产业激励机制, 优化能源产业结构。同时, 要鼓励开发利用新能源, 提高能源利用效率。
3.根据行业特征有针对性地探索碳减排途径
分行业的碳排放因素分解结果显示, 产出因素是强劲的拉动因素, 且拉动作用逐渐增强;能源效率因素是重要的抑制因素, 抑制作用也不断提高;4个影响因素的作用随时间段的推移不断增强, 综合表现为能源结构高碳化、产业结构重型化趋势显著。分行业碳排放影响因素分析显示, 碳排放影响因素存在行业异质性。因此, 在制定工业碳减排政策时, 应充分考虑行业异质性, 有针对性地调整与改善, 深入挖掘减排潜力。
影响测算 篇2
关键词：人民币 跨境流通 影响因素
一、引言
2009年1月20日中国人民银行与香港金融管理局签署双边本币互换协议，正式开启跨境人民币业务。自此，中国积极与他国签订货币互换协议、开展人民币跨境融资试点业务、放开人民币合格境外机构投资者制度等，有序推动人民币跨境流通。2013年9月，中国第一个自由贸易园区“上海自贸区”建成，为促进了跨境人民币业务的发展采取了一系列措施，如出台《关于支持中国（上海）自由贸易试验区扩大人民币跨境使用的通知》，启动跨境电子商务试点平台“跨境通”等。2014年1—8月自贸区进出口额就增长了11%，人民币跨境成绩斐然。
人民币跨境流通表明人民币在境外承担交换媒介、价值储藏等职能，为人民币国际化打下了基础。目前对人民币跨境流通的研究主要集中在原因分析、流通路径以及其带来的影响等，而对于人民币境外流通的量化计算以及宏观经济变量对其影响研究较少，本文即从这两个方面出发，先构建境外境内人民币需求量的估算模型，再据此计算人民币境外流通量，然后选取经济、贸易、货币、波动指标构建人民币跨境流通影响因素模型，最后根据实证分析结果，针对经济发展、对外贸易、汇率机制及交易体系这四方面提出政策建议。
二、人民币境外流通量的测算
人民币境外流通量的测算分直接估计法和间接估计法。鉴于直接估计法通过人民币境外流通渠道来计算，而流通渠道没有统一的界定，且不同渠道的统计口径差异带来误差，本文采用间接估计法：构建货币需求模型计算国内货币需求总量，再与国内实际货币供应量进行对比，供给量与需求量的差值即为人民币境外流通量（若为负值则表示人民币回流量）。
根据凯恩斯货币需求理论，货币需求由消费、预防与投机需求组成，而消费需求由收入决定，预防需求取决于整体经济环境，投机需求与利率相关。故本文选取国民收入、经济货币化程度X以及实际利率R这三个指标作为解释变量，并以货币现金需求M0为被解释变量构建货币需求模型。其中，以GDP代替国民收入，并通过居民消费价格指数CPI剔除价格因素，X为广义货币M2与GDP的比值，R为名义利率与通货膨胀率之差。
同时，由于2000年以前我国的境外货币流通量较少，本文选取1993—2002年的数据检验因变量与自变量之间是否存在协整关系，然后进行回归求得货币需求表达式，最后将2003—2013年的数据代入表达式中，得出这一阶段国内货币需求量，并与国内实际货币供应量比较，差额即为境外货币流通量。本文使用季度数据，为减少误差，用X12法进行季节调整，并对M0、GDP取自然对数。
（一）判断各变量的平稳性
对1993—2002年数据进行单位根检验，以判断各变量的平稳性：
由表1可以看出，每个变量一阶差分后的序列在对应显著水平下均为平稳序列。
（二）Johansen协整检验
对数据进行Johansen协整检验，判别变量间是否存在协整关系，结果如表2所示：
可以看出，在5%的显著水平下，各变量间存在长期稳定的均衡关系。
（三）根据1993—2002年数据进行回归分析，得到货币需求表达式
LN（M0）=0.4529LN（GDP）+0.0024R+0.1300X+0.7690
S.E=0.0398 0.0054 0.0142 0.3813
T（p）=11.3900（0.0000） 0.4531（0.1512） 9.1718（0.0000） 9.8834（0.0012）
Adjusted R2=0.9829 F=746.9592 P=0.0000 S.D.dependent var=0.240601
从回归结果来看：1、在1%的显著水平下，各变量除R外均显著；2、F统计量的概率为0说明模型整体显著；3、调整后的R2为0.9829，说明方程拟合程度较好；4、GDP、X系数为正，说明收入及经济货币化程度越高，货币需求量越多，符合现实；R系数为正，表明货币需求量随利率升高而增加，而理论上货币需求量与利率成反比，这一矛盾可能是因为本文选取的是实际利率，而人们大多关注名义利率，当名义利率上升但上升幅度小于通货膨胀率时，实际利率下降，货币需求量也下降，这就造成了R与M0的同向变动。
回归后对残差进行同上的单位根检验，求得残差为平稳序列，该模型稳定。
（四）得到境外货币流通量
将2003—2013年的数据代入求出的方程中，求出国内实际货币需求量，再用国内实际货币供应量减去该值，即得到境外货币流通量。限于篇幅，本文仅列出2012—2013年各季度境外货币流通量（见表3）：
三、人民币跨境流通的影响因素研究
人民币跨境流通主要通过以下四条途径：一是跨境人民币贸易往来；二是跨境人民币投资，指开办工厂等直接投资与购买股票等间接投资；三是跨境人民币融资，指境内外金融机构和企业间资金借贷；四是货币互换。由此可知，人民币跨境业务与经济运行状况、进出口数量、人民币汇率密切相关。故本文选取经济指标国内生产总值GDP、贸易指标进出口总值T、货币指标汇率ER为自变量，计算得到的境外货币流通量Y为因变量构建影响因素模型。其中，GDP用CPI剔除价格因素，T以人民币为单位，ER是以美元为基准的直接标价法下的人民币汇率。以上数据均为季度数据，为消除季节趋势影响，用X12法进行季节调整，并取自然对数。
特别提出，本文在模型中考虑到宏观经济波动因素。借鉴Baum et al.（2013）利用ARCH模型测度宏观风险的方法，同时注意到中国GDP环比数据的缺乏，选用2003—2013年CPI环比季度数据测算宏观经济波动。根据AIC和BIC信息准则，选择以ARCH（4）模型估计CPI的波动VCPI。求出ARCH（4）值后，将所有数值从小到大排列，将前25%的数据取值为1，其余数据取值为0，构造虚拟变量加入影响因素模型中，考察宏观经济波动对人民币境外流通的影响。
与第二部分相同，对自变量和因变量进行单位根检验和Johansen检验，得出各变量一阶差分后的序列均在一定显著水平上平稳，且各变量之间存在长期稳定的均衡关系，故对变量进行回归，结果如下：
LN（Y）=1.1270LN（GDP）+0.2106LN（T）+0.6239LN（ER）-0.0141VCPI-2.3952
S.E=0.1616 0.0636 0.3029 0.0080 1.8725
T（P）=6.9726（0.0000） 3.3138（0.0020） 2.0594（0.0462） -1.7619（0.0859） -1.2792（0.2084）
Adjusted R2=0.9911 F=1200.778 P=0.0000 S.D.dependent var=0.236295
根据回归参数可知：1、在10%的显著水平下，除截距项外其余变量均显著；2、F统计量的P值为0说明模型整体显著；3、调整的R2为0.9911，说明自变量能解释因变量99.11%的变化，拟合程度好。故可认为该模型较好地反映了境外人民币流通量的影响因素。
分析模型可得：1、GDP与Y成正比，即经济实力越强，人民币在国际上流动越频繁；2、T与Y成正比，即中国对外贸易联系越密切，流通至境外的人民币越多；3、ER与Y成正比，即人民币币值越低，其他国家与中国开展经济往来的意愿越强，人民币跨境交易越多；4、VCPI与Y成反比，即宏观经济越稳定，境内消费越多，对外商投资境内的吸引力越大，人民币回流，境外人民币流通量越少。
为证明变量之间构成上述因果关系，进行Granger因果检验（见表4）：
Granger因果检验表明，在5%的显著性水平下，国内生产总值与进出口总额为人民币境外流通量的影响因素；在10%的显著性水平下，汇率与宏观经济波动影响人民币境外流通量。
四、促进人民币跨境流通政策建议
根据上述实证分析可知，若要推进人民币跨境流通，需以经济实力为保障，人民币币值稳定为前提，以开展进出口贸易、跨境投融资及国际货币合作等为手段。本文基于此提出以下政策建议：
（一）保证经济稳健运行
在经济增速放缓的“新常态”下，应加快经济转型，优化产业结构，协调消费、投资、出口的关系，缩小城乡差距；以创新为驱动，引进技术、人才；稳定物价。
（二）促进对外贸易往来
中国应加大对外开放力度，积极推广“上海自贸区”等成功经验，以金融改革、制度创新拉动国际间经济交往。
（三）完善汇率形成机制
在推动汇率市场化的同时，应形成合理的弹性区间，依经济形势建立动态调整机制，使人民币既能维持币值相对稳定又能保持坚挺的走势，从而增强其他国家对人民币的信心。
（四）健全跨境交易体系
扩大人民币跨境业务范围，降低准入门槛；扶持人民币跨境服务机构如清算行等；设立境内外统一的人民币跨境监测系统；加快人民币跨境流出的同时构建人民币回流机制，实现人民币境内外双向流通。
参考文献：
[1]孟之静.人民币跨境流通研究[D].天津：天津财经大学，2011：1—8
[2]张远军.中俄间人民币跨境流通的理论与实证研究[J].金融研究，2011（6）：201—204
[3]孙杰. 跨境结算人民币化还是人民币国际化[J].环球金融，2014（4）：39—47
金融危机对我国经济影响测算 篇3
金融危机从萌芽状态的美国次贷危机, 在经济全球化的背景下慢慢演变成了一场波及世界各个角落的金融危机。在这场危机中, 无论是何种社会制度、金融体系是否发达、市场体系是否健全, 几乎每个国家都受到了负面影响。我国的宏观经济以及各个实体经济行业无疑也受到了危机的冲击, 文章就是基于上述背景对我国的受影响情况作出定量分析, 并根据其发展趋势预测我国经济前景。
对于本次金融危机国内学者已经做了大量定性分析, 在危机产生原因、形成和发展过程、传播途径、产生影响以及各国对此的积极反应和我们应该继续努力的方向等都有深入探索。相对而言, 就该问题定量研究有更大空间发展空间。本文正是在这一背景下, 通过行业景气指数这一关键性变量对金融危机快速灵活真实反应实体经济各行业的变化, 在凯恩斯宏观经济理论框架中用定量方法测算此次金融危机对我国实体经济在结构上有怎样影响, 并在目前的趋势下预测我国经济未来走势。
二、金融危机对我国宏观经济影响测算
(一) 选择变量
在凯恩斯的宏观经济理论框架下有宏观经济核算体系:
Y是国民收入, C是居民消费, I是总投资, G是政府支出, (EX-IN) 是净出口额。
根据上述理论, 应选取消费、投资、净出口和财政支出作为自变量, 建立相关模型分析经济发展状况。由于以上变量对经济环境的变化有一定时间的时滞, 仅仅局限于这些变量无法准确体现金融危机对经济的影响。找到能够及时反映危机变化又能够符合经济理论的变量, 就显得十分必要。
对于此次金融危机进行分析的众多研究已经相对比较深入, 但是定量分析经济受其影响程度的研究还有很大研究空间。其中一个重要原因就是缺少能够迅速反应实体经济对危机敏感程度的变量。在对国内众多数据库的查询比较下, 文章利用行业景气指数这一因变量来反映实体经济对危机的敏感度。
行业景气指数是根据《中华人民共和国统计法》的规定, 由国家统计局制定企业景气调查制度下, 为及时、准确地反映宏观经济运行和企业生产经营状况, 利用企业家对所在行业运行状况和企业生产经营状况的判断和预期编制景气的指数。
行业企业景气调查是对行业经济发展的周期波动进行监测和预测的一个重要而又行之有效的统计调查方法。它以企业家为调查对象, 采用问卷调查的方式, 收集企业家对本行业景气状况和企业生产经营状况的判断及对未来发展的预期, 并根据企业家对宏观经济状况及企业生产经营状况的判断和预期来编制景气指数, 从而准确、及时地反映各行业经济运行和企业生产经营状况, 预测行业经济发展的变动趋势。
景气调查方法起源于本世纪20年代的欧洲, 最早由德国伊弗研究所 (ifo) 研究创立, 于1949年正式开始企业景气调查。法国经济研究所 (INSEE) 对景气调查方法的发展有很大的贡献, 日本在二战后学习ifo的经验也建立起景气调查制度。现在, 世界上己有50多个国家开展了企业景气调查, 并把它作为一项重要的统计调查制度, 形成了很规范的景气调查体系。随着市场经济的深入发展, 为满足各级政府进行宏观决策以及企业参与市场竞争的需要, 我国有关部门从90年代初期开始借鉴国外的经验开展景气调查, 并运用西方经济周期波动理论及方法, 经过科学运算建立宏观经济“晴雨表”或“报警器’, 客观、灵敏、形象地反映宏观经济及社会需求的景气态势及未来走势。
国家统计局企业调查队系统建立后, 于1998年开始进行大范围、规范的企业景气调查, 并正式形成国家统计调查制度。经过多年的努力, 这项调查已产生广泛的积极影响, 并被国内外专家评价为最具权威的中国行业企业景气调查。
企业景气度数据是依据对企业家的调查结果计算得出的, 反映了企业经营者对行业以及企业现状的判断和前景的预期, 能相对准确的反映行业及其相关企业的生产经营状况以及未来可能的变动趋势, 企业经营者也会按照自己对当前状况的判断以及未来前景的预期来采取具体的经营措施, 进而影响企业的经营业绩。另一方面, 证券的市场价格从理论上是根据企业的经营状况即公司的内在价值的变化而波动的, 企业经营状况改善, 内在价值提高, 则市场价格也应该上涨, 反过来, 企业经营状况恶化, 内在价值降低, 则市场价格会下跌。由此可以看出, 行业景气度与由证券价格计算得出的行业指数应该是相关的, 而且应该是正向相关。
从我国2000年至2010年一季度企业景气指数的变化趋势可以看出, 这一期间有两次比较大幅度的下行过程, 一次是2003年初, 一次是2007年前后。
前者是由于1997年亚洲金融危机波及我国, 出现了供大于求、需求不足的问题, 经济增长明显受到需求不足的制约。当时实际上出现一定程度上的通货紧缩。治理通货紧缩, 最关键的是扩大需求, 因此我国实施了积极的财政政策, 主要是通过发行长期建设国债、增加财政赤字、扩大政府支出, 特别是增加投资性支出等来扩大需求, 拉动经济增长。这一政策指导方向一直持续到2002年。从2003年开始我国经济走出了通货紧缩的阴影, 经济增长进入新一轮周期的上升阶段并呈现出加速发展的态势。但另一方面, 又存在经济结构不合理、经济增长方式粗放等问题, 经济在一定程度上出现了波动。因此货币当局在继续实行稳健货币政策的同时开始调整财政政策取向, 由扩张性的积极财政政策转向稳健财政政策。这一变化清楚地反映在企业景气指数变化趋势的转折上。
后者转折情况则是由于2007年美国爆发次贷危机, 并在2008年升级为金融危机, 在全球经济不景气的背景下, 对我国经济的影响也表现为企业景气指数急剧下挫。2006年末期我国经济局部过热内外失衡的, 发展速度高涨, 企业景气指数也保持持续上扬趋势并达到前所未有的高度——接近150。此时随着美国房价的不断下滑次贷危机渐露端倪, 我国几大银行所持次级债受危机影响开始缩水, 人们对经济发展状况开始表示怀疑, 于是企业景气指数在2007年初改变了保持4年之久的上升趋势急转直下。企业景气指数持续急剧下行, 到2008年末已跌至2000年以来的最低点——接近100。在短短的两年时间企业景气指数将七年的积累化为乌有, 可见此次金融危机对我国实体经济的影响程度。
所以, 通过企业景气指数在金融危机前后运行趋势变化的角度, 能够反映出我国实体经济在此次金融危机中受到的影响。在此基础上, 在原模型中加入企业景气指数, 由IDX表示, 其经济理论意义可以解释为人们对经济的预期。因为储蓄与消费的负相关性, 文章选择用储蓄代替消费作为模型变量。同时, 财政支出与企业经济指数的关联性相对较小, 综上所述文章选择GDP、企业景气指数、投资、储蓄、净出口作为模型的最终变量, (1) 式变化为:
(二) 模型构建
经反复试验得到以下结果最终确定以为因变量, 为自变量建立多元计量经济学模型:
以2000年一季度到2010年一季度数据作为样本区间, 利用Eviews5.1对模型参数进行分析。首先进行单位根检验, 结果如下表所示:
检验结果表明, gdp、投资、储蓄、净出口、企业景气指数时间序列都在5%的显著水平上接受了非平稳的原假设, 而其一阶差分序列均拒绝非平稳的原假设。因此, gdp、idx、i、s、ex都是一阶单整时间序列, 可以进行协整分析。
对各变量的一阶差分序列进行协整Johansen检验, 检验结果说明上述变量间存在至少两个协整关系。因此对用原变量的一阶差分序列对模型参数进行估计, 修正异方差问题, 选择加权最小二乘法对模型参数估计, 结果如下:
很明显, D.W.统计量说明模型存在序列自相关问题, 并且D (s) 未通过t检验, 因此剔除D (s) 后重新对模型进行估计, 结果如下:
上述为我国经济在金融危机影响后, 经济整体运行中各宏观变量之间存在的一个稳定的线性关系。在前面已经分析出2006底是企业景气指数的转折点, 因此用相同的方法对2000-2006年的数据重新用OLS估计, 得到以下结果:
通过两者的比较不难发现, 各个自变量前参数都发生了变化, 企业景气指数、投资和出口对经济的贡献度都在危机发生以后有所降低, 降幅分别是:景气指数17.65%、投资8.77%、净出口37.98%。其中以净出口的贡献度降幅最为突出, 降幅超过了1/3。无疑, 这对严重依赖外需支撑我国经济飞速发展这一现实动力造成了严重打击。这也意味着, 相同的信心、投资力度和出口规模下, 经济发展没有危机发生前那样有效率。恶劣的经济环境已经对我国经济产生了明显的负面作用。
通过上面的定量分析, 我们可以确定的是此次金融危机对我国经济的确产生了影响, 在人们预期受到巨大冲击的情况下经济结构也发生了明显变化。这种变化的产生我们无法避免也无法抗拒, 在过去的一段时间里, 不论强弱每个国家都迅速采取了不同的措施应对危机的发生。对于我国, 目前面对危机我们能做的就是重拾信心, 在困境中寻找生机。
(三) 神经网络及灰色预测
由于金融危机对经济结构和经济环境的影响, 用传统的回归方法已经无法准确描述不同结构下的参数, 要精确模拟这种非线性经济发展动态趋势需寻求更好的解决方法。
1. BP神经网络预测。
神经网络是一个信息过程模型, 用来识别与追踪不同内生变量的相互关系, 神经网络有自训练机制, 能够比较预测值与真实值, 并且靠调整权值来减少预测值与真实值的差异, 神经网络的这种能力使得他们能够更适合于未知的模型。
神经网络最显著的特征是可以通过对其连续的数据匹配而达到自学习。首次应用Hu (1964) , 使用Widrow’s自适应线性网络进行天气预报。当时多层神经网络学习算法的缺乏, 这种研究非常有限, 直到1986年, BP算法出现 (Rumelhart, etal, 1986) , 神经网络用于预测问题才得到了长足的进步。Werbos (1974, 1988) 首次公式化了后向传播网络并且发现用BP算法训练的网络超过了传统统计法像回归方法。
BP结构的提出为神经网络的发展起了关键作用, 它的基本原理以及梯度下降算法被广泛应用。在输入输出呈高度非线性相关的情形下, 以及输入变量之间高阶相关的情形下, 一个神经网络能得出很好的结果。
网络除输入输出节点外, 还有一层或多层的隐层节点。输入信号从输入层节点依次传过各隐层节点, 然后传到输出节点, 每一层节点的输出只影响下一层节点的输出。其节点单元传递函数通常为型Sigmid型 (f (x) =1/ (1+EXP (-BX) ) (B<0) 。在输出层中, 节点的传递函数有时为线性。BP网络可看作是一个从输入到输出的高度非线性映射, 即F∶Rn→RM, f (X) =Y.BP。它具有R个输入, 每个输入都通过一个适当的权值w, 与神经元相连, 神经元的输出可表示成:a=f (w*p, b) 。
神经网络由输入样本与连到第一隐层的初始权值进行内积运算得到第一隐层神经元的总输入, 经非线性激励函数的作用后得到输出, 此输出再作为下一层的输入, 依次计算直至输出层得到网络的输出。但是如果神经元的总输入与阈值相距太远, 由于各神经元的激励函数具有饱和非线性特性, 会使得神经元的输出落在饱和区域, 这样网络的实际输出要么为激励函数的最大值, 要么为激励函数的最小值, 使得输出的导数值将很小 (趋于零) 。从而将导致权值的修改量很小, 不但学习速度缓慢, 而且网络很难收敛。同时, 小数值信息有可能被大数值信息所淹没。因此, 在进行神经网络预测之前, 为避免原始数据过大造成网络麻痹, 要对原始数据进行归一化处理, 对于预测值, 由于变化幅度较大, 也不宜直接作为神经网络的输出。
对于单极型Sigmoid函数来说, 其输出在0-1之间变化, 并且只有当输入为 (-∞, +∞) 时, 输出才达到 (0, 1) , 一般提法是将输入量归一至 (0, 1) 。本文对样本数据进行如下归一化处理公式为:
其中, max和min分别为样本数据中的最大值和最小值, x为原始样本数据, Y为变换后的数值。这样不但避免了输入数据落入饱和区域, 也保持了数据的原有特征。当神经网络处理结束后, 再做反归一化运算。对网络输出, 对输出数据采用如下公式使输出数据与原始数据在同一个区域之内, 反归一化的公式为:
显然, 这是原始数据进行归一化的逆过程。
首先, 分别用函数traingdx和trainlm对网络进行训练明显发现trainlm函数的收敛速度更快, 因此选用该函数为训练函数。与此同时试算输出神经元的个数在[8, 13]之间时的收敛速度以及网络误差, 并对此加以比较, 如表格2所示。
显然, 在经过2000次训练后, 隐层神经元为11的BP网络对函数的逼近效果最好, 因为其误差最小而且网络经过12次训练就达到了目标误差。隐含层为12、13的网络误差也比较小, 但是它们所需要的训练时间相对较长。考虑到网络性能的训练速度, 这里将网络隐含层的神经元数目设定为11。
训练结果为:
以危机影响前2000-2007年数据对2008和2009年国民生产总值进行预测, 并利用前述反归一化公式得到2008年、2009年国内生产总值的模拟仿真值分别为275213.2404亿元、335112.6097亿人民币。
2. 灰色序列预测。
1982年, 北荷兰出版公司出版的《System S&ControlLetterS》 (系统与控制通讯) 杂志刊载了我国学者邓聚龙教授的第一篇灰色系统论文《TheeontrolProblemSOfGreysystems》 (灰色系统的控制问题) , 标志着灰色系统理论这一新兴横断学科的问世。所谓灰色系统 (Grey System) 理论, 就是研究灰色系统分析、建模、控模、预测、决策、控制、优化等问题的理论, 它把一般系统论、信息论及控制论的观点和方法延伸到社会、经济和生态等抽象系统, 并结合数学方法, 发展出一套解决信息不完全系统 (灰色系统) 的理论和方法。灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测, 就是对在一定方位内变化的、与时间有关的灰色过程的预测。尽管过程中所显示的现象是随机的、杂乱无章的, 但毕竟是有序的、有界的, 因此这一数据集合具备潜在的规律, 灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。灰色预测通过鉴别系统因素之间发展趋势的相异程度, 即进行关联分析, 并对原始数据进行生成处理, 来寻找系统变动的规律, 生成有较强规律性的数据序列, 然后建立相应的微分方程模型, 从而预测事物未来发展趋势状况。灰色预测法用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型, 预测未来某一时刻的特征量, 或达到某一特征量的时间。
文章采用单序列一阶线性动态模型, 即GM (1, 1) 模型对国民身产总值进行预测。与神经网络方法类似, 仍以2000到2007年度数据位样本对2008和2009年国内生产总值进行预测。首先对序列进行级比检验, 得到级比值如表格3。
n=7时, 可溶覆盖域为[0.7788, 1.2840], 因此可以直接用原数据进行GM (1, 1) 建模分析。以生成序列残差为残差序列并进行5次建模。两年国内生产总值预测值分别为294398.9982亿元、341006.0067亿元。
(四) 金融危机影响分析
将预测结果与实际值进行比较, 可以发现:
1. 两种方法对2008年预测的结果都小于实际发生值, 说明金融危机发生一年的时间内, 对我国宏观经济发展的负面影响并不显著, 甚至可以说发展状况相对较好。一方面说明危机影响需要一定时滞, 另一方面说明我国宏观经济状况健康平稳, 未受危机影响太深。
2. 与2008年相反, 两种方法对2009年预测的结果都大于实际发生值, 虽然误差绝对量比2008年都有所收窄, 但是宏观经济并没有预期的那样好。这样的结果意味着, 我国2009年经济受危机负面影响较为明显。现实也是这样的, 我国2009年外贸行业受到严重冲击, 许多外贸企业亏损甚至倒闭, 失业情况较为严重。2009年外贸净出口增长为负, 为改革开放以来形式最为严峻的一年。这也再次应证了模型部分结果:出口贡献度降幅高达37.98%, 出口对经济的拉动作用在金融危机影响下严重削弱, 经济结构因此发生改变。
3. 两种预测方法都属于非线性预测, 对计量模型的线性假设有很好的弥补作用, 相比较而言较为准确把握了变化莫测的经济发展规律。从二者的预测误差来看, 灰色预测在本研究中更为精确。
三、建议对策
通过对近代世界上大范围经济危机的深入研究, 我们可以总结一些规律性的经验, 值得在美国次贷危机的背景下作为参考。以史为鉴, 我们会更加从容而面对危机更加理智的应对危机。
1.繁荣总是和危机相伴相随。对近百年来发生的世界范围经济危机产生的背景作进一步的思考, 我们会发现, 在经济危机发生之前基本都是经济的高度繁荣。在这种人们经济预期十分乐观, 资本市场越加膨胀的情况下, 我们对于风险的敏感程度会迟钝很多。危机就往往暗藏在一片繁荣的假象之中。从1907年的危机, 1929年开始的大萧条, 第一次石油危机引发的经济危机以及第二次石油危机引发的主要工业国家的滞胀, 无一不是在危机之前经历了一段持续发展高度繁荣的阶段。这一规律提醒我们, 在繁荣景象的欢心鼓舞中保持头脑的清醒时刻留意无处不在的风险, 只要稍不留意就有可能酿成祸及别国的危机。
本次由此贷引发的全球金融危机就是金融创新过度, 分散风险的同时也加大了利益连带的范围, 一旦这个长长的链条有一节出现问题就会连累链条上的每一环。在鼓励金融创新并享受着金融创新给人们带来巨额财富的同时, 人们恰恰忘记了金融创新的虚拟性, 在经济繁荣的环境中没有料想到风险一旦显现便会出现这样不可收拾的局面。
2.在危机出现后政府采取政策正确与否直接决定危机对国家经济负面的影响程度。在对两次石油危机引发的经济危机和1929年经济大萧条的对比中, 我们已经分析出美国在这三次危机中货币政策的执行水平现实上对危机的影响程度确实有决定性作用。除此之外, 英国、日本的不同政策也直接导致了在同一场危机发生过程中其受危机影响程度也是截然不同的。因此, 在对当前金融危机的应对中, 谁的反应快、谁的政策符合现实谁就能越早抽身危机的困扰。这也就解释了为什么在雷曼倒闭后, 美国、英国以及欧盟——这些资本主义坚定护卫者——迅速将各自面临倒闭的银行不同程度的收为国有, 并且纷纷出巨资救市。这对于稳定人们的情绪, 帮助人们恢复信心都起到十分重要的作用。当然, 对于我们国家这一条规律运用也是十分必要的。目前我国的房地产市场以及股票市场都面临着巨大挑战, 在我国资本市场发展不无完善的情况下能否成功应对这些挑战, 也是我国能否尽量减少金融危机给我们带来的损失的关键环节。
3.危机的发生中往往也蕴藏着时机。波及世界范围的经济危机一定是由有巨大经济规模和水平的国家在经济的运行中出现这样或者那样问题引起的, 这就说明这样的导火索国家一定是经济中存在着不可弥补的缺陷。在大国经历危机的过程中其经济实力一定会受到削弱, 当然这也就蕴藏着许许多多的机会, 让原来的相对落后的国家改变一些原来对自己不利的国际经济规则, 为未来奠定更好的基础甚至改变世界经济格局。如德国的工业实力就在1907年的积极危机中超过了英国, 而1929年开始的大萧条大大削弱了英、美、法的经济实力加之绥靖政策纵容了德国的法西斯并促成了欧亚两大战争策源地。第一次石油危机的爆发即让日本陷入到严重的经济危机中, 但是也促使日本改变原来受制于能源的发展模式, 降低对能源的依赖程度, 换以节能型的汽车、家电等利用国际贸易占领国际市场, 短短五年时间就从手石油危机影响最为严重的国家摇身变为在第二次石油危机中受影响最小持续时间最短的国家, 并借之其他国家受到削弱的有利条件, 在1985年成为世界上第一大债权国。较之于现在的金融危机, 我们是不是能发现蕴藏在暴风骤雨中的机会并抓住机会在这一历史变革时刻为我们今后的发展争取到更大的空间。如, 在危机中各西方强国的资产价值都不同程度的贬值, 如果我们能够认清货真价实的资产并且借助人民币升值的有利条件, 在海外投资就是个不错的选择。当然这需要谨慎选择, 挑选风险已经基本完全释放的优质资产, 如何实现值得仔细研究。
4.西方资本主义国家往往在本国经济危机相当严重的情况下, 为转移国内矛盾把危机转嫁于战争。对于这一点, 笔者认为并没有太大的借鉴价值。我们不可能利用这样的方式解决我们面临的危机, 但是确实应该提防危机的重灾国会故伎重演, 我们应该作好充分的心理准备。
参考文献
[1].韩文蕾.中国股票市场的非线性分析与预测[D].西北工业大学博士学位论文, 2005
[2].刘开华.基于BP神经网络方法的上市公司财务预警研究[D].重庆大学硕士学位论文, 2006
[3].葛哲学, 孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社, 2008
[4].刘国宏.基于人工神经网络的经济预测研究[D].天津大学硕士学位论文, 2005
[5].许松荣.基于线性神经网络的协整分析[J].厦门理工学院学报, 2005
[6].邓聚龙.灰色控制系统 (第二版) [M].武汉:华中理工大学出版社, 1993
[7].刘思峰, 郭天榜, 党耀国.灰色系统理论及其应用 (第二版) [M].北京:科学出版社, 1999
房产面积测算问题初探 篇4
【关键词】 房产测绘；层次；变形缝；室外楼梯
房产测绘是房产管理工作的重要基础，其主要目的和任务就是采集和表述房屋以及房屋用地的有关信息，为房产产权、产籍管理、房地产开发利用、交易、征收税费，以及为城镇规划建设提供数据和资料。为此建设部于2000年8月1日发布实施了我国第一个房产测绘国家标准《房产测量规范》（GB/T 17986-2000），其发布实施对加强房产测绘管理、规范房产测绘行为、提高房产测绘的现代化水平、促进我国房产测绘事业的发展具有十分重要的作用。但是，由于该规范是开展全国房地产测绘工作的统一技术标准，原则性较强，可操作性欠妥，再加上由于测绘者对《房产测量规范》的理解程度还不够，对某些问题的认识和理解存在一定的偏差，因此在实际测量操作中总是捉拿不准，给工作带来麻烦。本文将在工作实践中遇到的几个面积测算问题提出来进行探讨，寻求一种正确的处理方法，切实解决实际工作中出现的问题，让测算成果更准确。
一、层次的认定
《房产测量规范》5.6.6.1规定，房屋的层数是指房屋的自然层数，一般按室内地坪±0以上计算；采光窗在室外地坪以上的半地下室，其室内层高在2.20m以上的，计算自然层数。房屋总层数为房屋地上层数与房屋地下层数之和，假层、附层（夹层）、插层、阁楼（暗楼）、装饰性塔楼、顶层突出层面的楼梯间、水箱间不计层数。《房产测量规范》中对地下室及半地下室没有明确的定义，我们可以参考国家标准《住宅设计规范》对地下室及半地下室的定义，地下室是指房间地面低于室外地平面的高度超过该房间净高的一半者；半地下室是指房间地面低于室外地平面的高度超过该房间净高的三分之一，但不超过一半的地下室。由此可以判断当房间地面低于室外地平面的高度不超过该房净高的三分之一的既不是地下室，也不是半地下室，应记入自然层数。在实际工作中，我们经常遇到许多楼房在设计图纸上标注为地下室（或地面车库等，室内地坪±0以下），而实际上室内地面与室外地平面的高度根本不超过房间净高的三分之一，有的甚至在地平面以上（地面车库），根据上述规定该楼层应计入自然层。如图所示，设计图纸上为地下室（地面车库），
设计层数实际认定层数
（层高均在2.20m以上）测算
而实际测量时定义为一层。由于层次认定不同产生两种结果。其一，对房屋建筑面积不构成影响的，即房屋不因层次认定不同而造成公摊面积变化，虽然房屋建筑面积不受影响，但在销售时房价由于层次不同价格也不同。比如，二层加价10%，三层加价可能为20%。这样层次的认定就非常重要，它直接影响到买卖双方的经济利益。其二，由于层次认定对房屋建筑面积造成影响的。如图所示设计为地面车库，室内地平在±0以下，楼上为住宅，地面车库不用楼梯（即楼梯在地面车库没留由门洞
进入任一车库内），根据《房产测量规范》8.2.1d规定，楼梯间，电梯（观光梯）井、提物井、垃圾道、管道井等均按房屋自然层数计算面积，因此该楼层若定义为地下室，那么此楼梯则不应计算建筑面积，若定义为一层，则该楼梯则应计算建筑面积，分摊至楼上住宅部分，从而造成房屋的建筑面积由于层次认定不同而不同，因此层次的判断问题并不是一个小问题，应有一个明确统一的认定方法，因此房屋在层次认定时无论是设计、规划、建设、房管等部门均应严格按照地下室（半地下室）定义进行认定，统一标准，切实维护交易双方的利益。
二、变形（伸缩）缝
《房产测绘规范》8.2.1.O中规定，有伸缩缝的房屋，若其与室内相通的伸缩缝计算建筑面积。变形缝是指建筑物在外界因素作用下，结构内部产生附加变形和应力，导致建筑物开裂、碰撞甚至破坏而预留的构造缝，包括伸缩缝、沉降缝和抗震缝。伸缩缝主要是防止建筑物由于温度变化大产生开裂；沉降缝主要是防止建筑物由于沉降不均产生开裂；抗震缝是主要是防止建筑物由于地震产生开裂。由此可见，上述规定不仅适用于伸缩缝，也适用于沉降缝和抗震缝。在实际测量工作中会出现变形缝全部或部分与室内相通的情况，对于全部相通或其与两边房屋任一边完全相通的情况测算时没有影响，而对于局部相通的情况在测算时由于理解不同而造成测算结果出现差异。第一种观点认为，只要伸缩缝与房屋相通，伸缩缝都全部计算建筑面积；第二种观点认为，伸缩缝局部与房屋相通，通行部分计算建筑面积，不通行部分不计算建筑面积。个人认为，第二种观点比较可行。如图所示，因为在规范规定中仅将是否与室内相通作为唯一判断条件，并未考虑伸缩缝宽度等其他因素，说明与室内相通是根本，同时计算建筑面积要具备房屋的一般条件，因此第二种观点比较合理。变形缝仅三角部分计算建筑面积。
三、阳台封闭的问题
由于，我国疆域辽阔，南北方气温差距较大，南方天气较暖，阳台大部分为不封闭，北方气候较冷，阳台大部分为封闭阳台。而作为中东部地区的徐州市在楼房建设时，阳台有的封闭、有的不封闭、有的原为不封闭后来又由房主自行封闭的，因此在测算时对阳台封闭与不封闭问题很难判断，但封闭与不封闭对房屋建筑面积影响较大，阳台面积在计算时相差一半。如果判断不准确，容易造成面积纠纷。故在阳台封闭问题判别时应分以下几种情况。第一，若规划设计阳台为全封闭阳台，在实际测算时阳台也是封闭的，则按封闭阳台计算全部建筑面积。第二，如果规划设计阳台为封闭的，而实际上测算时为不封闭的，则按不封闭阳台计算一半建筑面积。第三，规划设计为不封闭阳台，实际测算时无论封闭与不封闭，计算一般建筑面积。
四、室外楼梯
《房产测量规范》8.2.1.g中规定属永久性结构有上盖的室外楼梯，按各层水平投影面积计算；在8.2.2.d中规定无上盖的室外楼梯按各层水平投影面积的一半计算。对于规范中这两条规定如果从字面意义上进行理解，属永久性结构有上盖的室外楼梯，按照楼梯每层水平投影面积计算；无上盖的室外楼梯按每一层楼梯水平投影面积的一半计算；在对室外楼梯进行测算之前，我们必须首先明白什么是室外楼梯，室外楼梯是位于房屋外部的、供人民生产或生活的、上下各层通道之用的、有围护结构的永久性建筑物，属房屋的附属设施。当上层楼梯设计为下层楼梯的顶盖，且可以完全遮盖的，可视为该层室外楼梯有顶盖。因此我们在对室外进行测算时，首先对室外楼梯的层次进行判断，作为房屋附属设施的室外楼梯其水平投影面积应该按照楼梯的水平投影面积进行，即五层楼房室外楼梯的水平投影面积应该为四层，即n-1层，当该室外楼梯属永久性结构有上盖的室外楼梯时其面积为(n-1)s,其中n为楼房层数，s为一层室外楼梯面积；当该室外楼梯为无上盖的室外楼梯时，我个人认为其面积为(n-2)s+ s/2，其中n为楼房层数，s为一层室外楼梯面积。如果仅仅根据规范字面意义上的理解，对于室外楼梯有无上盖在面积测算时相差一半，差别太大，只有从现实出发，根据室外楼梯的定义，有无上盖的差别体现在顶层，既体现了规范的严肃性，又灵活运用规范，让交易双方满意。
参考文献：
影响测算 篇5
关键词：河南省,普惠金融,影响因素
1引言
“普惠金融”是英文“inclusive financial system”的中文翻译,是联合国在2005年世界小额信贷年中正式提出来的,表示一个能够为社会所有群体(包括偏远地区贫困农民、城市低收入人群以及小微企业)提供全面的、高效率的金融产品与服务的金融体系,其目的在于让那些被传统金融排斥的用户,能够使用到储蓄、信贷、转账支付等基本金融服务。一般认为,普惠金融的理念与宗旨与小额信贷一样,都是将过去被排斥在金融体系之外的穷人和低收入人群纳入自己的服务对象范围,使其可以享受到平等的金融服务,以改善他们的生活,但两者又存在一定的差别,即小额信贷实质上是对普惠金融理念的践行,而普惠金融是对小额信贷在扶贫理论认识方面更深层次的发展。但无论如何,普惠金融都是对金融系统“嫌贫爱富”这一传统的挑战,体现着一种公平的理念,让大多数人享受平等的金融服务并从中获益,将有助于缩小贫富差距,实现共同富裕的目标。
河南省是中部地区的农业大省和人口大省,担负着国家粮食生产的重任,传统农业的改造升级和新农村的发展建设对资金有着迫切巨大的需求,这需要一个层面多样、覆盖全面、持续性强的普惠金融体系作为支撑。但是,由于地理位置、经济水平以及政策扶持力度的不同,河南省各地市的金融发展水平仍具有较大差异,金融资源分配不均衡,中小企业、农村地区居民获取资金仍然困难,距离普惠金融还有一定的差距,因此,对河南省普惠金融发展问题进行研究,找出影响普惠金融发展水平高低的因素,并制定出相应的政策建议,将有助于推动河南省普惠金融整体水平的进步。
2河南省普惠金融指数测度
2.1指标的确立
在总结国内外专家学者关于普惠金融指标确立的成果上,根据数据的可得性以及考虑到河南省仍以银行业金融机构提供的存贷款服务为主,本文共确立六个具体指标,包括万平方公里银行网点数、万平方公里银行从业人员数、万人拥有的银行网点数、万人拥有的银行从业人员数、金融机构存款余额占GDP比重以及贷款余额占GDP比重。该六个指标均与普惠金融指数为正相关,并依顺序标为第1d-d6号指标。
2.2方法的选取
2.3结果分析
本文数据主要来源于2005~2014年各年的《河南省统计年鉴》、《河南省金融运行报告》、中国银监会网站以及相关金融机构的官方网站,按上述方法,在计算出各指标变异系数和权重的基础上,测算出河南省2005~2014年各指标的具体值以及普惠金融指数(见表1)。
从整体上来看(见图1),2005~2014年河南省的普惠金融指数发展趋势呈现“对勾型”。在2007年普惠金融指数达到最低值,为0.075,此后,普惠金融指数逐年上升,其中2012年增长幅度最大,达到60%,而到了2014年,又出现较小的回落。
从各项指标来看,万平方公里银行机构网点数(d1)和万人拥有的银行网点数(d3)指标波动并不大,两者最低值都出现在2010年,之后有所回升,但整体程度较低,2014年较2005年相比数值呈下降趋势。万平方公里银行从业人员数(d2)和万人拥有的银行从业人员数(d4)指标在2009年之后快速上升,2014年相比2005年数值有所提升,且一直处于相对较高的水平。银行业机构数平稳波动与银行从业人员数量显著上升的事实,说明河南省银行业的金融改革取得一定成效,银行不再追求开办新的机构,而是扩大从业人员规模,开始追求质的提升。在银行服务的使用方面,在2007年之前,贷款使用情况(d6)指标是要高于存款使用情况(d5)指标的,但在2007年之后,d5指标逐渐超过d6指标,并且两者差距越来越大,即存款余额占GDP的比重越来越大。这说明受08年全球金融危机影响,越来越多的人开始把钱存入银行,再加上多数中小企业由于生产效益不好破产,生产投资减少,导致贷款数额缩减。总体来说,2005~2014年河南省普惠金融的发展虽中间经历曲折,但整体趋势较好,各个层面都有了一定的进步。
3河南省普惠金融的影响因素分析
3.1河南省普惠金融的影响因素
由于研究的区域、侧重点的不同,导致国内外专家学者对于普惠金融的影响因素的认识存在一些差异,从普惠金融的概念和理论分析,普惠金融程度主要受到金融和社会经济两方面的影响,鉴于数据的可得性,本文将影响普惠金融水平的因素分为社会因素和金融因素两类。在社会因素方面,选取城乡收入差异(GAP),教育水平(EDU),公路里程数(ROAD)以及互联网普及率(NET)作为相应解释变量,在金融因素方面,则选取金融相关程度(FIR)作为解释变量。各变量解释如下:(1)城乡收入差异(GAP):城乡居民收入差异过大,会加剧城乡金融资源的分配不均,农村地区居民和企业被金融机构排斥,不利于普惠金融发展,这里用城镇居民的人均可支配收入与农村居民人均纯收入的比值表示。(2)教育水平(EDU):一般认为教育程度高的人群更容易接受金融服务,也更受金融机构的青睐,这里用中学以上在校生人数占总人数的比重表示教育水平。(3)公路里程数(ROAD):交通的通畅影响获取金融服务的便利,这里用公路里程数来表示交通接触便利程度。(4)互联网普及率(NET):互联网技术大大降低了金融服务的成本和地域限制,为金融服务的普及提供了技术支持,这里用互联网使用人数占总人数的比重表示。(5)金融相关比率(FIR):金融相关率表示地区金融资产总量与经济总量的比值,代表着地区的经济货币化水平,这里用银行业金融资产/GDP表示。
选取2005~2014年各变量相关数据进行OLS回归分析,自变量数据来源于《河南省统计年鉴》,因变量IFI数据为前文计算所得。建立回归模型如下:
其中,iβ为各自变量的系数,ε为误差项。
3.2结果分析
运用EVIES6.0软件对模型进行回归,得到结果如下(见表2)。
结果显示,调整后的R2=0.987,DW=1.98,说明回归方程拟合度较高且误差项无自相关。具体来看,在5%的显著性水平下,互联网普及率的系数为正,且影响显著,这表明互联网普及率的提高可以有效促进普惠金融的发展。金融相关率的系数为正,且影响显著,表明金融相关程度对普惠金融的发展密切正相关,金融相关率越高,金融在经济发展中的作用越明显,越能够促进整体普惠金融的进步。城乡收入差距与普惠金融指数呈负相关,且影响显著,表明城乡收入差距的加大会严重阻碍普惠金融的发展。教育水平和公路里程数的系数的实证结果不显著,即两者与普惠金融发展水平不相关。
4结论与建议
本文运用普惠金融指数的方法对2005~2014年河南省的普惠金融水平进行测度,然后对相关影响因素进行了定量分析,可以看出,河南省的普惠金融指数在2007年之后得到了显著的提升,但距离完全的普惠金融仍有一定的距离,其中互联网普及率,金融相关率与普惠金融水平呈显著正相关,城乡收入差距则与普惠金融水平呈负相关。结合河南省目前的普惠金融发展现状,本文提出以下建议:
第一,加大政策扶持力度,引导金融资源流向弱势地区和弱势产业。综合运用再贷款、再贴现等货币政策工具,结合实施差别化的存贷款利率政策,为那些“支农支小”的普惠金融机构提供一定的资金支持,提高机构的资金实力,保证其发展的可持续性,以加大对当地“三农”、中小企业等薄弱环节的信贷投入,为更多的贫困群体提供金融服务
第二,完善金融基础设施建设,创造良好的普惠金融环境。普惠金融的发展需要一个良好的外部金融环境,一方面,加快省内统一征信系统的建设,特别帮助那些低收入群体建立信用档案,同时,金融监管部门与金融机构,金融机构与金融机构之间要建立信息共享平台,设立信用状况黑名单,减少信贷风险的发生。另一方面,完善农村抵押担保体系,可建立一套农村资产价值评估机制,对农民所拥有的资产进行确权和价值评估,并由当地政府创立农村产权交易平台,通过发布各类产权交易价格信息,盘活农村抵押品交易市场,从而帮助农民能够通过抵押的方式获得贷款服务。
第三,鼓励金融创新,充分发挥互联网在普惠金融发展中的推动作用。大数据时代,移动支付、P2P网络借贷、众筹等新型互联网金融模式层出不穷,与传统金融相比具有低成本、高效率、广覆盖等优势,同时其公平共享的理念与普惠金融不谋而和,逐渐成为普惠金融发展的重要平台。所以,政府应加大省内光纤宽带网络的基础设施建设,努力提高互联网普及率,为互联网普惠金融发展提供条件基础,并且在积极鼓励省内互联网金融企业开展普惠业务创新的同时也要对可能存在的金融风险做好防范。
参考文献
[1]夏园园.普惠金融视角下小额信贷机制发展研究[J].湖北社会科学,2010(9):88-91.
[2]戴宏伟,随志宽.中国普惠金融体系的构建与最新进展[J].理论学刊,2014(5):48-53.
影响测算 篇6
我国经济快速发展的同时引发了一系列环境问题,近几年雾霾问题频发引起了人们对大气污染的高度关注,硫氧化物排放是大气污染的主要成因。工业在我国国民经济中处于重要地位,但其也是引起高污染的主要行业,2013 年中国工业产值占GDP总额比重为37. 46% ,工业废气污染占废气污染总量的80. 65% 。我国以往对污染排放的管理思想是从排污的生产者责任制着手,即谁排污谁治理。但是,通过深入考察排污者的动机可以知道,市场需求是排污者进行生产的源动力。由此,要根治污染问题,与供给侧管理相结合,从需求侧管理是釜底抽薪的有效可行之路。因此本文重点测算最终需求引致的工业行业环境效率,并从最终需求侧分解工业行业环境效率的影响因素,希望能够通过行业发展的需求端管理,提高环境效率,实现可持续减低污染总量的长效机制。
20 世纪30 年代,投入产出模型被Leontief提出,此后这种方法在环境研究领域得到广泛应用。Wyckoff和Roop ( 1994)[1]、Machado等(2001)[2]、Mukhopadhyay(2004)[3]、Tassielli(2006)[4]、刘遵义(2007)[5]、张友国(2010)[6]、刘轶芳等(2010)[7]、马涛(2012)[8]、闫云凤(2013)[9],苏昕等(2013)[10]运用投入产出法测算了进出口贸易中的隐含碳。研究影响因素主要采用因素分解法,比较常用的是指数分解法(IDA)和结构分解法(SDA)。朱勤(2012)[11]、彭水军(2013)[12]、蒋雪梅(2013)[13]运用结构分解法对碳排放量进行了分解,高振宇(2007)[14]、蒋金荷(2011)[15]、李从欣(2014)[16]等运用指数分解法对排放量进行分解。也有许多学者运用数据包络分析(DEA)方法测算环境效率,取得了大量成果(Fare,1989;Hyanes,1997;Zofio JX,2001;Seiford,2002;Ang,2008;李静,2009;王兵,2010;宋马林,2012;刘睿稢,2012;王璞,2014等)[17,18,19,20,21,22,23,24,25,26,27]。但是DEA方法有其不足之处,它采用的排放量指标是直接排放量,无法反映经济生产过程中的污染间接排放,也即隐含污染,使用投入产出方法可以测算隐含污染,细分行业探究污染来源。
本文采用世界投入产出数据库( WIOD) 中国投入产出数据和硫氧化物排放数据,运用投入产出方法测算了中国1995 ~ 2009 年工业行业最终需求侧环境效率,并进行比较,找出了效率较低的行业,接着测算中国分行业对工业总体环境效率变动的贡献度,综合第一和第二部分测算结果进行分行业环境效率的SDA分解,分析影响环境效率的各个因素,最后提出了政策建议。相比已有研究,本文的创新点有: 利用投入产出模型测算环境效率,把隐含污染考虑进去,测算了最终需求侧环境效率; 解构了分行业对工业总体环境效率变动贡献率,将环境污染治理落实到行业层面; 从最终需求侧分析了对工业行业环境效率的影响因素,找出污染源动力,以便治理污染,提升环境质量。
1 模型建构与数据来源
1. 1 行业最终需求侧完全环境效率的测算
1992 年,生态效率首次被提出,本文用其来表征环境效率。环境效率指单位环境负荷带来的经济产值,是产品和服务效益与环境承受能力的比值。
投入产出技术能够反映国民经济各部门之间的技术经济关系。利用投入产出法可以测算各个行业生产过程中的直接和间接污染物排放,从而得到行业需求侧的完全污染物排放量,再测算行业的完全增加值,进而得出行业环境效率。测算的具体步骤如下:
首先,测算出各行业单位产出的排放量F。
Fj为第j行业的硫氧化物直接排放强度,Cj为j行业硫氧化物直接排放量,Xj表示j行业的总产出。
其次,测算出各行业最终需求侧完全排放量P。
aij为第j行业生产单位产品对第i行业产品的直接消耗量,Zij为第j行业对第i行业产品的直接消耗量。
n个行业间直接消耗系数用矩阵形式表示如下:
投入产出模型中,总产出可以表示为:
A为直接消耗系数矩阵,Y为国产产品最终需求量矩阵。完全污染排放量公式如下:
列项相加可得到对某一行业最终产品消费诱发的各行业总排放量,等同于以下公式:
P为完全排放量,即对某一行业最终产品消费诱发的各行业总排放量,F'为直接排放强度矩阵的转置,( I - A)- 1为里昂惕夫逆矩阵,用L表示,为最终需求的对角矩阵。
接着,测算出各行业的完全增加值V。
Dj为直接增加值系数,Vj为j行业的直接增加值。根据式(7)同理可得:
最后,测算出各行业需求侧环境效率E。
Ej表示j行业的完全环境效率,Vj表示j行业的完全增加值,Pj表示j行业的最终需求引致的完全排放量。
1. 2 分行业对环境效率变化的贡献率分解模型
各行业污染排放量不同,增加值所占比重也不同,从而各行业对环境效率变化贡献率是有差异的。为了分析工业整体环境效率改善主要由哪些行业推动,本文参考肖皓、杨佳衡( 2014)[28]的做法,引进分行业贡献分解模型,公式如下:
1,0 分别表示报告期和基期,Δ 表示变量的变化,e表示总体环境效率的变化率,v和p分别表示增加值变化率和污染排放量变化率。
式( 16) 中前一项括号中就是第j行业最终产品对整体完全环境效率变动的贡献,后一项是整体完全环境效率变动贡献分解的误差项。
由于误差项较大,因此将误差项进行进一步分解,误差项也可以分为各行业变动引起,运用上述分解方法对误差项进行分解,以此类推,进行无限次分解,最后误差项可以约等于0,即将误差项所占比重分到各个行业,最后得出各行业贡献率等于一次分解后变动率除以1———误差项所占比重。
1. 3 行业完全环境效率变动的结构分解模型
结构分解法( SDA) 最初用来分析投资和技术进步变动,后来常用于研究各种影响因素贡献比例,应用于经济、贸易、资源、环境等多个领域中。各自变量变动的和即为因变量变动,SDA能够更深入分析影响因素,全面分析直接及间接影响因素,这是IDA分解法不具备的。为了避免分解结果的不唯一性,本文采用SDA中的两级分解法分解环境效率变动的影响因素。
上式中效率是增加值和排放量矩阵的点除,表示各行业的环境效率是各行业的增加值除以对应各行业的排放量,最终需求可以约去。
E( ΔD) 表示增加值变动效应,E( ΔL) 表示中间需求效应,E( ΔF) 表示排放强度效应。
1. 4 数据来源
本文所用数据来源于世界投入产出数据库( World Input - Output Database,WIOD) ,此数据库是由欧盟资助开发的,包含40 个国家( 28 个发达国家和12 个发展中国家) 35 个行业( 其中包含16 个工业行业) 1995 ~ 2009 年投入产出数据、环境、能源以及就业卫星账户。
本文利用WIOD数据库里中国国民账户中的非竞争型可比价投入产出表数据核算经济产出,考虑到硫氧化物排放是大气污染的主要成因,选取环境卫星账户中的硫氧化物数据作为代表性污染排放,取1995 ~ 2009 年共15 年的数据,统一以美元为经济产出单位,以吨为环境污染物排放单位。
2 实证结果
2. 1 中国工业行业完全环境效率测算分析
本文以完全增加值表征经济产出,以硫氧化物完全排放量表征环境影响,利用世界投入产出数据库里中国投入产出数据及环境卫星账户中的硫氧化物排放数据,根据式( 1) ~ ( 10) ,可以计算出中国工业行业完全环境效率,结果如表1 所示。考虑到2001 年中国加入世界贸易组织,对增加值总量及排放量都有较大的影响,从而对环境效率也有较大影响,因此把2001 年重点考虑进去。从表1 可见,各工业行业完全环境效率从1995 ~ 2009 年大体是一个递增的过程,除食品、饮料和烟草制造业、纺织业及纺织服装鞋帽制造业、皮革毛皮羽毛( 绒) 及其制品、木材加工及木、竹、藤、棕、草制品业这4 个行业在2005 年环境效率低于2001 年环境效率以外,其他行业环境效率都是提高的。从具体的效率值来看,1995年行业平均效率为0. 03 百万美元/吨,2001 年行业平均效率为0. 06 百万美元/吨,2005 年为0. 07 百万美元/吨,2009 年为0. 10 百万美元/吨,2009 年比1995 年提高了2. 93 倍,环境状况有很大好转。
百万美元/吨
注: 行业代码: 1. 采矿和采选业; 2. 食品、饮料和烟草制造业; 3. 纺织业及纺织服装鞋帽制造业; 4. 皮革毛皮羽毛( 绒) 及其制品业; 5. 木材加工及木、竹、藤、棕、草制品业; 6. 造纸及印刷业; 7. 石油加工炼焦及核燃料加工业; 8. 化学原料及化学制品制造业; 9. 橡胶制品业及塑料制品业; 10. 非金属矿物制品业; 11. 金属制品业; 12. 电气机械及器材制造业; 13. 通信设备计算机及其他电子设备制造业; 14. 交通运输设备制造业; 15. 仪器仪表机械制造及废弃资源回收加工业; 16. 电力热力、燃气、水的生产和供应业; 因数据太小导致四舍五入后效率值相等的行业本身环境效率不相等,效率值为0 的行业本身效率不为0。资料来源:根据WIOD中国1995~2009年投入产出表及环境卫星账户相关数据计算得到。
从具体的行业看,在1995 年,食品、饮料和烟草制造业及皮革毛皮羽毛( 绒) 及其制品业环境效率最高,效率为0. 05 百万美元/吨,电力热力、燃气、水的生产和供应业效率最低。在2001年,皮革毛皮羽毛( 绒) 及其制品业效率最高,效率为0. 11 百万美元/吨,比1995 年提高了1. 2倍,效率最低的仍然是电力热力、燃气、水的生产和供应业,效率为0. 01 百万美元/吨。2005 年环境效率最高的是交通运输设备制造业,效率为0. 12百万美元/吨,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 01 百万美元/吨。2009年环境效率最高的交通运输设备制造业,效率为0. 16 百万美元/ 吨,比2005 年提高了0. 33 倍,比1995 年提高了4. 43 倍,增幅明显,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 02 百万美元/ 吨,比2005 年提高了1 倍。
2009 年中国完全环境效率最高的行业是交通运输设备制造业,效率为0. 16 百万美元/吨,效率最低的是电力热力、燃气、水的生产和供应业,效率为0. 02 百万美元/吨。中国工业行业平均完全环境效率为0. 10 百万美元/吨,有11 个行业高于( 包括等于) 平均值,5 个低于平均值,分别为食品、饮料和烟草制造业,化学原料及化学制品制造业,非金属矿物制品业,金属制品业,电力热力、燃气、水的生产和供应业。
2. 2 中国分行业对完全环境效率变化的贡献率
根据式( 16) 测算出各行业对整体完全环境效率的贡献率,结果如表2 所示。本文分三阶段分析1995 ~ 2009 年各行业的贡献率,分别为1995 ~ 2001 年、2001 ~ 2005 年、2005 ~ 2009 年。
%
注: 行业代码同上。因数据太小导致四舍五入后贡献率为0 的行业本身环境效率贡献率不为0。资料来源: 根据WIOD中国投入产出表及环境卫星账户相关数据计算得到。
从整体看,1995 ~ 2009 年中国工业环境效率变化率为300. 18% ,贡献率最高的是通信设备计算机及其他电子设备制造业,为28. 25% ,其次,电气机械及器材制造业和交通运输设备制造业贡献率也较高,分别为14. 37% 和13. 07% ,贡献率较低的是木材加工及木、竹、藤、棕、草制品业,石油加工炼焦及核燃料加工业和造纸及印刷业,分别为0. 40% 、0. 48% 及0. 51% 。
具体来看,在1995 ~ 2001 年阶段,工业环境效率变化率为98. 18% ,通信设备计算机及其他电子设备制造业贡献率最高,为20. 50% ,接下来较高的是食品、饮料和烟草制造业和纺织业及纺织服装鞋帽制造业,贡献率分别是18. 15% 和12. 74% ,贡献率较低的行业是电力热力、燃气、水的生产和供应业,木材加工及木、竹、藤、棕、草制品业和石油加工炼焦及核燃料加工业,贡献率分别为- 3. 17% 、0. 54% 、0. 88% 。符号为负表示此行业对环境效率的改善起负向作用,污染排放量的增长大于增加值的增加,从而引起环境效率的降低。
在2001 ~ 2005 年阶段,工业环境效率变化率为34. 31% ,贡献率最高的3 个行业分别为通信设备计算机及其他电子设备制造业、电气机械及器材制造业、交通运输设备制造业,贡献率为43. 65% 、22. 63% 、18. 77% ,贡献率最低的3 个行业符号均为负,引起环境效率大大降低,分别是食品、饮料和烟草制造业,皮革毛皮羽毛( 绒) 及其制品业,纺织业及纺织服装鞋帽制造业,贡献率是- 35. 93% 、 - 2. 94% 、 - 1. 81% 。
在2005 ~ 2009 年阶段,工业环境效率变化率为50. 34% ,贡献率最高的3 个行业为通信设备计算机及其他电子设备制造业,食品、饮料和烟草制造业、交通运输设备制造业,贡献率为28. 04% 、15. 82% 、14. 31% 。贡献率较低的是电力热力、燃气、水的生产和供应业、非金属矿物制品业、石油加工炼焦及核燃料加工业,其中前两个行业变动引起环境效率降低,贡献率为-2. 06% 、 -0. 13% 、0. 25% 。
综合上述阶段分析,通信设备计算机及其他电子设备制造业、电气机械及器材制造业、交通运输设备制造业对工业整体环境效率的变动贡献率最大,可通过提高这些行业的环境效率寻求工业整体环境效率的改善,也可通过提高贡献率为负的行业环境效率从而促进整体环境效率的提高。食品、饮料和烟草制造业、纺织业及纺织服装鞋帽制造业、皮革毛皮羽毛( 绒) 及其制品业在2001 ~ 2005 年阶段贡献率为负可能是受到中国加入世贸组织的影响,行业最终需求大大增加,生产污染排放量增长远远高于增加值增长,从而造成环境效率降低,环境质量下降。
2. 3 中国分行业完全环境效率的影响因素分析
根据式( 22) ~ ( 24) 对中国工业分行业环境效率变化进行结构分解,阶段划分同上,分解为三大效应,即增加值系数效应、中间需求效应及排放强度效应。下面4 个雷达图显示三大效应对环境效率变动的贡献率,1 ~ 16 表示各行业,同心圆上数据表示贡献率。
结构分解结果显示,1995 ~ 2009 年行业环境效率变动中排放强度贡献率最大,增加值系数和中间需求贡献较小甚至为负。当行业环境效率变动为正,即环境效率提高时,因素贡献率为负,意味着此因素变动引起环境效率的降低,贡献率为正,此因素变动引起环境效率的提高。据此,1995 ~ 2009 年行业环境效率变动均为正,可以得出排放强度变动引起环境效率的提高,而增加值系数变动和中间需求结构变动引起环境效率的降低。
通过环境效率测算及分行业对总体环境效率变化的贡献率测算结果,我们可把行业进行分类:环境效率取其平均值0. 1 百万美元/吨,高于( 包括等于) 这个值的为高效率行业,低于其的为低效率行业; 贡献率取平均值6. 25% ,大于( 包括等于) 其的为贡献大行业,低于其的为贡献小行业。
具体关注行业层面分解,把行业分为4 类:第一类,效率高且贡献大的行业,有纺织业及纺织服装鞋帽制造业,电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业; 第二类,效率高但贡献小的行业,有采矿和采选业,皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,造纸及印刷业,石油加工炼焦及核燃料加工业,橡胶制品业及塑料制品业,仪器仪表机械制造及废弃资源回收加工业; 第三类,效率低但贡献大行业,有食品、饮料和烟草制造业; 第四类,效率低且贡献小的行业,有化学原料及化学制品制造业,非金属矿物制品业,金属制品业,电力热力、燃气、水的生产和供应业。
2. 3. 1 第一类行业完全环境效率结构分解
纺织业及纺织服装鞋帽制造业在1995 ~ 2009年阶段效率变动为0. 05 百万美元/吨,排放强度效应最大,为0. 08 百万美元/吨,贡献率为147. 59% ,中间需求和增加值系数贡献率分别为- 27. 74% 和- 19. 84% ,效应均为负值,引起环境效率的降低。电气机械及器材制造业在2005 ~2009 年阶段中间需求效应为正,其余阶段,中间需求效应和增加值系数效应均为负,且中间需求结构更大地引起环境效率的降低,排放强度贡献率最大。通信设备计算机及其他电子设备制造业在1995 ~ 2009 年阶段效率变动为0. 11 百万美元/吨,排放强度效应最大,为0. 16 百万美元/吨,贡献率为136. 60% ,中间需求和增加值系数贡献率分别为- 17. 41% 和- 19. 19% 。交通运输设备制造业在1995 ~ 2009 年阶段效率变动为0. 12 百万美元/吨,排放强度效应最大,为0. 17 百万美元/吨,贡献率为136. 79% ,增加值系数贡献率为- 15. 75% ,中间需求贡献率为- 21. 04% 。
2. 3. 2 第二类行业完全环境效率结构分解
采矿和采选业在1995 ~ 2009 年环境效率变动排放强度效应最大,为0. 13 百万美元/吨,贡献率为139. 71% ,增加值系数效应和中间需求效应均为负,在1995 ~ 2001 年增加值系数效应为正,2005 ~ 2009 年中间需求效应为正, 贡献率为23. 81% 。皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,石油加工炼焦及核燃料加工业和橡胶制品业及塑料制品业环境效率变动中排放强度效应最大,中间需求效应更大程度地引起环境效率的降低。造纸及印刷业环境效率变动中排放强度效应最大,增加值系数效应更大程度地引起环境效率的降低。仪器仪表机械制造及废弃资源回收加工业在1995 ~ 2009年环境效率变动中排放强度效应最大,为0. 13 百万美元/吨,贡献率为118. 01% ,增加值系数效应为正,中间需求效应为负。
2. 3. 3 第三类行业完全环境效率结构分解
食品、饮料和烟草制造业在1995 ~ 2001 年增加值系数效应和排放强度效应为正,中间需求效应为负,在2001 ~ 2005 年三大效应均为正,2005~ 2009 年增加值效应为负,整体来看,排放强度效应最大,贡献率为167. 94% ,增加值系数效应和中间需求效应为负值。
2. 3. 4 第四类行业完全环境效率结构分解
化学原料及化学制品制造业在1995 ~ 2009 年环境效率变动中排放强度效应最大,为0. 08 百万美元/吨,贡献率为133. 40% ,增加值系数效应和中间需求效应均为负。非金属矿物制品业和金属制品业环境效率变动中排放强度效应最大,中间需求效应更大程度地引起环境效率的降低。电力热力、燃气、水的生产和供应业在1995 ~ 2009年环境效率变动中排放强度效应最大,增加值系数效应更大程度地引起环境效率的降低。
3 结论及政策建议
3. 1 研究结论
本文采用投入产出法从最终需求角度测算了中国工业行业环境效率,测算中国各行业对工业整体环境效率变动的贡献率,进而关注各行业的结构分解,探寻环境效率影响因素。研究结论如下:
( 1) 通过测算中国分行业环境效率,经过实证研究证明中国环境效率较低,因此,提高中国环境效率,改善环境质量刻不容缓。各工业行业完全环境效率从1995 ~ 2009 年大体是一个递增的过程,其中,5 个行业环境效率相对较低。
( 2) 通过测算中国分行业对工业整体环境效率变动的贡献率,得出结论: 对整体效率贡献率大的行业,有电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业; 对整体效率贡献率为负的行业有食品、饮料和烟草制造业,纺织业及纺织服装鞋帽制造业,皮革毛皮羽毛( 绒) 及其制品业,非金属矿物制品业,电力热力、燃气、水的生产和供应业。
( 3) 通过对行业进行分类进而对环境效率变动进行结构分解,深层次探寻环境效率影响因素,得出结论: 1995 ~ 2009 年分行业环境效率变动中排放强度贡献率最大,增加值系数和中间需求贡献较小甚至为负。
3. 2 政策建议
目前中国工业环境效率较低,整体环境质量不高,将改善环境措施具体落实到行业层面,从哪些途径做到提高环境质量,这是本文要重点研究的问题。针对不同行业实行差异的环境政策,缓解环境污染问题可以从以下几方面入手:
( 1) 大力支持第一类环境效率高且对整体效率贡献率大的行业的发展,有纺织业及纺织服装鞋帽制造业,电气机械及器材制造业,通信设备计算机及其他电子设备制造业,交通运输设备制造业。这类行业本身环境效率较高,且效率变动对整体环境效率贡献大,支持其发展,提高清洁行业比重,有利于整体环境的改善。如: 国家最新提出的制定 “互联网+ ”行动计划,把移动互联网等技术运用于现代制造业中,引导制造业健康发展,促进新兴产业的发展。
( 2) 针对第二类效率高但贡献小的行业,有采矿和采选业,皮革毛皮羽毛( 绒) 及其制品业,木材加工及木、竹、藤、棕、草制品业,造纸及印刷业,石油加工炼焦及核燃料加工业,橡胶制品业及塑料制品业,仪器仪表机械制造及废弃资源回收加工业,可通过增加产出和减少污染排放从而达到提高贡献率的目的。
( 3) 第三类效率低但贡献大的行业,有食品、饮料和烟草制造业,可通过提高其环境效率和加大进口两种途径减少污染。使其排放强度降低,从减少污染排放量和增加产出两方面考虑;提高增加值系数,从而降低环境效率; 优化行业中间需求结构,通过中间技术结构改进达到提高环境效率的目的。具体来说,政府应加强环保监控,强制企业减少污染排放量,企业应自律,不应忽视社会利益,公众可参与监督,三管齐下,达到减少污染排放目的; 企业可引进新技术,提高产品增加值; 优化中间需求结构,致力减少隐含污染。
影响测算 篇7
APEC国家贸易便利化的发展历程主要分为三个阶段:第一个阶段是1994年“, 茂物宣言”中领导人承诺决心把实现亚太地区的贸易和投资自由化作为APEC的长远目标;第二个阶段是1997年, 提出到2010年在APEC成员收入增长的690亿美元中, 将有2/3源自贸易便利化的贡献;第三个阶段是2001年, 初步提出加快成员国之间的贸易便利化建设, 并建议成员国应在2006年前将区内交易成本降低5%。中国参与贸易便利化的进程是从加入APEC开始的, 我国逐渐深刻地意识到贸易便利化对一国出口贸易带来的显著效果。
贸易便利化的提升主要影响一国出口贸易的四个方面:第一减少国际贸易交易成本, 亚洲开发银行 (2008) 研究调查显示, 通过贸易便利化可有效缩短原产地证书的领取时间, 最高可为企业节省5%的经济成本;第二增加出口商品结构的多样化, Dennis (2011) 的研究结果表明, 贸易伙伴的进口方市场准入成本的下降有助于促进贸易伙伴国出口商品的多样化;第三提高交易水平, Wilson (2003) 的研究结果表明, 如果当年APEC全体成员贸易便利化水平都达到现有的平均水平, 那么全部成员国内部贸易量将会提升约21%;第四促进企业国际贸易业务发展, Asian Development Bank (2009) 指出贸易便利化有助于改善投资环境, 为东道国吸引大型跨国公司投资, 同时还有助于提高中小企业在国际贸易中的参与度和竞争力 (沈铭辉, 2011) 。
2 贸易便利化综合评价体系的建立及测算
本文选取19个 (巴布亚新几内亚在《全球竞争力报告》中缺少数据, 文莱在《贸易促进报告》中缺少数据。) APEC主要成员国2010~2014年5年的贸易便利化数据, 参考以往APEC的研究方法, 设定4个一级指标, 具体说明如下 (括号内为各指标计算后的权重) 。
2.1 口岸效率 (0.453)
(1) X11海运基础设施质量 (0.0411) , 考察一国的港口基础设施和海岛交通水平, 1~7分 (1=极差, 7=极好) , 来源GCR (世界经济论坛发布的《全球竞争力报告》) ;
(2) X12航空运输基础设施质量 (0.0415) , 考察一国的航空运输基础设施质量和交通的基本情况, 1~7分 (1=极差, 7=极好) , 来源GCR;
(3) X13公路基础设施质量 (0.0356) , 考察一国陆路运输的基础设施质量和交通状况, 1~7分 (1=极差, 7=极好) , 来源GCR;
(4) X14铁路基础设施质量 (0.0018) , 考察一国铁路运输基础设施质量状况和交通情况, 1~7分 (1=极差, 7=极好) , 来源GCR。
2.2 海关环境 (0.255)
(1) X21通关中的非常规支付 (0.046) , 指企业是否为了通关方便而经常向海关管理部门支付额外的行贿费用, 1~7分 (1=经常行贿, 7=从未行贿) 来源GCR;
(2) X22腐败指数 (0.0422) , 反映全球各国腐败状况的评价, 0~100分 (2012~2014年, 0=最腐败, 100=最廉洁) ;0~10分 (2010~2011年, 0=最腐败, 10=最廉洁) , 来源CPI (透明国际发布的全球清廉指数) ;
(3) X23贸易壁垒盛行程度 (0.06) , 衡量一国非关税壁垒的盛行程度, 1~7分 (1=贸易壁垒十分盛行, 7=无贸易壁垒) 来源GCR;
(4) X24海关手续负担 (0.0557) , 衡量一国海关在为国际货物办理出入境手续时是否简便易行, 1~7分 (1=进出口手续极复杂, 7进出口手续非常简便) , 来源GCR。
2.3 规则环境 (0.213)
(1) X31政府规章制度负担 (0.0532) , 衡量企业需要遵守的政府行政要求是否繁杂, 1~7分 (1=极复杂, 7=非常简便) , 来源GCR;
(2) X32政府政策制定透明度 (0.058) , 衡量一国政府在海关相关政策制定过程中是否公开、透明, 1~7分 (1=混乱且不稳定, 7=非常透明且稳定) , 来源GCR;
(3) X33公共服务的可靠度 (0.0422) , 反映一国法律法规的执行程度, 执行越彻底表示法规越可靠, 1~7分 (1=未被执行, 7=彻底地执行) , 来源GCR;
(4) X34金融服务的广泛程度 (0.0555) , 衡量企业是否能够在经济活动的各方面都享受到专业的金融机构服务, 1~7分 (1=极差, 7=极好) , 来源GCR;
(5) X35国内市场准入程度 (0.0573) , 衡量进口国国内市场对外商投资的接受程度, 1~7分 (1=极差, 7=极好) , 来源GETR (世界经济论坛发布的《全球贸易促进报告》) ;
(6) X36金融服务的可负担程度 (0.0533) , 衡量企业对于金融机构所提供的服务的负担程度, 1~7分 (1=完全无法负担, 7=可完全负担) , 来源GCR。
2.4 电子商务 (0.079)
(1) X41互联网利用率 (0.013) , 衡量一国的互联网普及率, 企业和国家是否能够利用信息化提高推动商业效率和经济发展, 0~100 (0=没有人使用互联网, 100=所有人都使用互联网) , 来源GCR;
(2) X42新技术的可获性 (0.014) , 衡量数据等通讯技术能否有效地满足一国企业的需求, 1~7分 (1=极差, 7=极好) , 来源GCR。
由于本文所用的贸易便利化数据来源不同取值范围存在差异, 需要进行标准化处理。首先设表示原始数据, 表示向量指标在该年度可获得的最大值, 表示规范化后的指标。通过该种方法计算后, 若=1表示该国在该年度该指标中处于最高水平, 同时最差水平的国家不会出现=0的情况, 计算公式为 (1) :
对标准化后的数据利用SPSS19.0软件进行因子分析, 确定贸易便利化的综合得分模型, 如公式 (2) 所示:
通过运行公式, 可得到19个国家这5年间贸易便利化的水平。
由计算结果可明显看出APEC主要成员国的贸易便利化水平分为4个等级, 0.6以上为贸易高度便利化国家;0.5~0.6为贸易比较便利化国家;0.4~0.5为贸易一般便利化国家;0.4以下为贸易不便利国家。APEC主要成员国中贸易便利化水平最高的是新加坡, 近4年都保持在0.6以上属于贸易高度便利;其次大致为中国香港, 这说明贸易便利化程度较高的国家基本集中于经济水平发达地区;中国长期保持在0.4~0.5属于贸易一般便利化国家, 与贸易高度便利化的国家还有一定差距。
3 贸易便利化对我国出口影响的实证分析
贸易引力模型最原始的形式为公式 (3) :
为了便于回归, 一般将原模型转化为自然对数线性形式。本文在此基础上进行扩展和修正, 建立能够反映APEC主要成员国之间贸易便利化对中国出口影响的引力模型如公式 (4) , 各个解释变量做详细说明, 具体见表1。
GDP数据来源于世界银行数据库;关税数据源自2010~2014年的《全球竞争力报告》;两国首都间的绝对地理由巴厘岛距离计算器得出;出口贸易数据源自联合国贸易商品统计数据库。根据上述引力模型, 为避免异方差问题, 本文采用Eviews6.0软件进行广义最小二乘法回归, 获得引力模型回归公式为:
4 结论与对策建议
4.1 在促进经济全球化中, 贸易便利化已逐渐超越贸易自由化
通过混合回归模型结果可知, 贸易便利化的回归系数为2.7768且通过显著性检验, 关税的回归系数为-0.011951, 可见贸易便利化的收益远超过降低关税所带来的收益。
4.2 发达国家较高的贸易便利化程度促进了我国出口的增长
中国作为出口大国, 出口的贸易流量大部分依赖于进口国在处理进口商品入关时所提供的贸易便利化水平, 一旦发达国家针对中国出口贸易的商品设置相关贸易壁垒, 就将对中国出口贸易造成较大程度的打击;同时, 中国与APEC主要成员国之间在资源禀赋、产业结果等方面具有一定互补性, 经济合作潜力较大, 如2014年中国对墨西哥出口的贸易量为322.5亿美元, 约是中国出口中国香港的十分之一, 由此可见中国对APEC主要成员国中的发展中国家还有一定的贸易增长空间。
摘要：APEC是较早开展贸易投资便利化研究的区域性经济组织之一。本文主要采用口岸效率、海关环境、规则环境、电子商务应用共4个一级指标以及16个二级指标, 利用因子分析法和引力模型研究贸易便利化对中国与APEC主要成员国出口贸易的实证影响。本文通过研究发现, 贸易伙伴国的经济规模大小和贸易便利化水平对双边贸易有着显著的正向作用, 同时发现贸易便利化对一国出口贸易的影响程度远大于关税下降带来的福利。
关键词：APEC,贸易便利化,引力模型
参考文献
[1]Wilson, J.S., Mann, C.L.&Otsuki, T..2003.Trade Facilitation and Economic Development:A New Approach to Measuring the Impact[J].World Bank Economic Review, Vol.17, No.3.
影响测算 篇8
工业化加速了我国自然资源耗竭和生态环境破坏。一方面, 大量资源消耗的同时, 其利用效率却很低, 中科院《2006年中国可持续发展战略报告》对世界上59个主要国家的资源绩效水平进行了排序, 中国仅排在第54位, 属于资源绩效最差的国家行列。另一方面, 工业发展付出了巨大的环境代价。根据由美国哥伦比亚大学环境专家2008年完成的“环境绩效指数”显示:在全球149个国家中, 中国位列第105名, 环境质量堪忧。面对资源与环境的双重约束, 粗放式发展模式难以为继的严峻现实, 2007年, 党的十七大报告指出:必须加强能源资源节约和生态环境保护, 增强可持续发展能力;把建设资源节约型、环境友好型社会Erkman (1997) 指出, 产业生态化主要研究产业系统如何运作, 并基于对生态系统的认知, 决定如何对产业进行调整以达到人类生产活动与自然生态的有机统一[2]。2002年日本政府制定的一系列的定量化的评价指标, 对日本全国物质实物流量进行了核算 (Material Flow Accounting) , 编制了资源实物流量表, 并在此基础上建立了一组定量化的评价指标, 包括资源投入量、资源有效利用率、资源生产率、废弃物产生量等指标。Allenby在2005年提出了著名的产业生态系统分级进化理论, 他认为最低级的产业生态系统是线性的, 特征是向自然界无限索取资源, 同时, 无限排放废物;中级的产业生态系统的特点是索取资源和排放废物的有限性;到了高级的产业生态系统将是不存在废物的, 资源与废物的概念是相对的, 一个环节排放的废物应当通过有效处理而转化成下一个环节的资源, 实现封闭循环运转[3]。
国内对于产业生态环境效率的研究主要是采用不同方法从不同视角测算了环境全要素生产率。涂正革等 (2009) 通过研究发现随着环境全要素生产率和产业环境结构优化的提高, 中国工业生产力水平也得到提高, 发展模式正在发生转变, 环境约束对经济增长的抑制作用正逐渐减弱[4]。陈诗一 (2010) 采用动态行为分析模型对中国工业全要素生产率进行了重新估算, 并模拟了2009～2049年我国节能减排的损失和收益, 为找到通向未来双赢发展的最优节能减排路径提供了理论依据[5,6]。王兵等 (2010) 发现了环境全要素生产率与市场全要素生产率变化的背离趋势, 这表明我国节能减排任务任重而道远[7]。
现有文献的研究焦点主要集中于区域与行业层面的测算, 然而, 本文认为找出影响产业两型化发展的主要因素, 从而有效提高产业两型化发展效率更值得关注和研究。本文与现有文献的区别与主要贡献在于:①采用超效率DEA对我国30个省级区域2002～2010年产业两型化发展效率进行测算, 刻画了我国区域产业两型化发展效率分布的锥型特征。②从技术进步、产业结构、环境规制和开放程度等维度构建影响因素分析模型, 并对各因素的作用进行实证分析。
3 产业两型化效率评价
3.1 产业两型化发展内涵
产业两型化发展要求以技术进步和管理创新为手段, 在生产过程中实现资源节约和环境友好, 即:在生产过程中, 既要提高资源的使用效率, 不断降低单位经济产出的资源消耗量;同时, 又要减少污染的排放, 并对已产生污染物的处理上更要加大控制力度, 实现经济效益和社会效益的有机统一。从本质上讲, 产业两型化发展就是要以最少的资源消耗和环境污染实现最大的经济产出。
3.2 产业两型化发展效率评价
(1) 模型的选择
从已有的文献来看, DEA模型经常被用于测算纳入资源环境因素的效率问题 (邓波, 2011;张炳等, 2008) [8,9]。然而, 传统DEA模型[10]等建立了超效率DEA模型, 使相对有效决策单元之间进行效率高低比较成为可能。鉴于此, 本文选取超效率DEA模型测算省级区域产业两型化发展效率王恩旭等, 2011;王宏志, 2010;陈傲, 2008) [11,12,13]并考虑到数据可得性, 本文选取的投入指标包括能源消耗和环境污染两大类:其中, 能源消耗指标为工业能源消耗总量 (x1) , 环境污染指标包括:工业污染物排放综合指数 (x2) 魏巍贤, 2010) [14]。②产业结构。工业化进程的加快使资源消耗速度超出资源的再生速率和环境承受能力, 从而使得环境状况恶化, 而随着经济发展水平的不断提高, 产业结构将从以能源密集型为主的重工业逐步向第三产业转移, 这种结构的变化将逐渐降低当地污染物排放水平 (Grossman, 1991) ) [15]。③环境规制。对环境更加严格的规制将有利于工业绿色生产效率的改善、技术的进步以及绿色甥产率的提高 (李静, 沈伟2012) [16]。④开放程度。外商直接投资、跨国公司的进入加剧了各个地区企业间技术水平的差异, 使得非外资企业同代表前沿最优的先进企业之间的差异加大, 从而降低了整个地区相对前沿的平均水平。研究发现外资进入会通过直接渠道和间接渠道总体增加行业环境技术效率 (王海宁, 2011) [17]。
基于相关研究成果, 本文从技术进步、产业结构、环境规制以及对外开放四个方面陈诗一, 2010) , 因此我们预计技术进步因素对产业两型化发展效率的影响为正;Str表示产业结构相关的因素, 其中Str1it为第i个省市在第t年的重化工业化水平, 我们用重化工业产值占比表示, 有研究表明中国重化工业生产率往往低于轻工业 (张军等, 2009) , 其占比越高将会带来更多的资源扭曲效应, 不利于传统工业的提质改造, 因此对产业两型化发展效率影响预期符号为负;Str2it为第i个省市在第t年的高新技术产业发展水平, 我们用高新技术产业总产值/工业总产值表示, 用来说明新兴产业与传统产业在工业结构中的相对变化, 预计其与产业两型化发展效率为正相关关系;Env表示环境规制相关的因素, Env1it其中为第i个省市在第t年的工业污染治理投资额占工业增加值比重, 其值越大说明政府和工业企业对环境干预越强, 预计与产业两型化发展效率呈正相关关系;Env2it为社会民众对环境的关注程度, 用当年由各省市人大与政协提出且已被政府有效执行的环保类议案数目与历届人大政协代表总数之比表示 (9) , 预计与产业两型化发展效率呈正相关关系;Ope表示开放程度相关变量, 用第i个省市在第t年外国直接投资强度, 用工业利用外商直接投资表示, 相关研究认为FDI的影响呈现出“双刃剑”的特征, 因此本文也认为其影响存在复杂性。dum为表征时间和区域的虚拟变量。以上数据均从《中国统计年鉴2003～2011》以及各省 (市) 2003～2011统计年鉴获得。
4.2 估计方法
首先对最近一期2010年度的截面数据进行回归, 并采用稳健的标准误, 结果如表3 a列所示。然后对包含了2002～2010年全国30个省市的混合数据进行了回归, 由于同一个省市地区不同期之间的扰动项一般存在自相关, 因此我们采用以“省份 (或市) ”为聚类变量的聚类稳健标准差, 结果显示在表3 b列。考虑到社会和制度因素导致的产业两型化效率差异不能被观测到, 为了控制这种不可观测的异质性对模型的影响, 我们分别采用固定效应模型和随机效应模型进行估计, 且都采用以“省份 (或市) ”为聚类变量的聚类稳健标准差。结果显示在表3 c列和表3 d列。为了获得更稳健的估计结果, 由于我们的面板数据中截面单元与时间序列单元的维度相差不大, 应该考虑组内自相关的问题, 同时注意到由于我们选取的是省际面板数据, 相邻省份之间同期的经济活动可能相互影响, 基于这两种考虑, 我们采用能同时处理组内自相关和组间同期相关的FGLS估计面板数据, 结果显示在表3e列。
注: 括号内为估计系数的se值, 其中***、**、*分别代表1%、5%和10%的显著性水平。
4.3 估计结果分析
估计结果表明:
①就技术进步因素而言, R&D经费支出占比对产业两型化发展效率有较显著的影响, 不论是我们采取截面数据还是面板数据进行回归分析, 其贡献都稳定在0.5%～0.6%. 我们认为可能的原因是技术进步能有效提升能源管理利用和环境监测水平。技术的创新减少对传统能源的依赖同时也提高能源利用效率, 改善排放的污染物含量。并通过计划与平衡调度、环保监测数据报警、能源和环保实时监管等方面信息技术在能源管理和环保监测管理中的应用, 促进企业集约、清洁发展, 进而对产业的两型化发展效率产生积极影响。
②就产业结构相关因素而言, 重化工业比重是造成产业两型化发展效率下降的重要负面影响因素之一, 重化工业占比平均每提高1%将使得产业两型化发展效率下降0.2%左右, 这是因为重化工业大都依赖传统的生产方式, 前期投资大, 改造难度高, 造成了资源能源利用效率的扭曲, 这一结果与我们的预期是一致的。同时高技术产业占比的加大对产业两型化发展效率的提升有明显的促进作用, 这一结果与我们的预期也是一致的。
③从环境规制的相关因素来看, 工业污染治理强度能够提高产业两型化发展效率, 但结果并不显著。而社会关注因素, 从我们的结果来看, 并未获得与预期完全一致的结论。可能的原因是, 我们对人大政协相关资源环境的提案是否能代表社会关注程度仍值得商榷, 并且这提案是否存在滞后效应也未得到证实。
④从经济开放因素看, FDI流入的影响出现了较复杂的情况, 出现了所谓对资源环境的“双刃剑”作用, 仅就相对较稳健的面板FGLS估计结果而言, FDI流入促进了产业两型化发展效率, 可能的原因是通过FDI的外溢效应造成的区域绿色生产率水平提高。
4.4 稳健性检验
由于对产业两型化效率测算部分我们采取的是超效率DEA, 其结果是非负变量, 对于受限变量我们考虑采用Tobit方法对前文的结果进行稳健性检验, 考虑到Tobit模型中Probit部分可能存在异方差性, 我们采取稳健的标准误, 其结果如表4所示。
注: 括号内为估计系数的se值, 其中***、**、*分别代表1%、5%和10%的显著性水平。
从Tobit模型的估计结果来看技术进步、高新技术产业占比以及FDI流都显示出显著的正向贡献, 重化工业占比则出现了与预期一致的负向影响, 环境规制变量的影响为正, 但是并不显著。基本与前文中FGLS的估计结果相一致, 因此有理由认为本文的相关结论是稳健的。
5 结论及政策启示
本文采用超效率DEA对我国30个省级区域2002～2010年产业两型化发展效率进行测算, 刻画了区域产业两型化发展效率的分布特征, 并从技术进步、产业结构、环境规制和对外开放等方面对产业两型化发展效率的影响因素贡献进行了估计, 得出以下研究结论:
第一, 我国区域产业两型化发展效率分布呈锥型特征, 大多数地区的效率值均处于中等水平。
第二, 技术进步因素对产业两型化发展效率提升有正向的促进作用。产业结构涵盖的诸因素中, 重化工业化水平对产业两型化发展效率的影响为负, 高新技术产业占比对产业两型化发展效率的影响为正。环境规制涵盖的诸因素中, 工业污染治理因素能够提高产业两型化发展效率, 而社会关注因素的影响还不能确定。表征经济开放水平的FDI流入水平对产业两型化发展效率也随估计方法的不同而出现差异, 出现了所谓对资源环境的“双刃剑”作用。
本文的研究结论为我们提供了以下几点政策启示:
第一, 积极发展绿色技术, 推动产业绿色转型。发展绿色技术, 需要社会各界共同努力。政府应在绿色技术创新中发挥主导作用, 支持鼓励发展绿色技术:通过科研规划、财税及金融政策上给予支持;组织制定相关标准和技术规范支持绿色技术应用;采用绿色技术改造、替代落后工艺和技术, 加快利用绿色技术提升传统产业的两型化水平, 实现产业转型升级。企业要成为绿色技术创新的主体, 增加绿色技术研发投入, 建立绿色技术创新的人才激励机制, 加快培养研发队伍。社会组织要充分发挥催化剂的作用, 行业协会通过提供绿色技术交流平台和绿色技术推广渠道, 促进成果的转化和应用;开展相关的咨询、认证服务等。
第二, 加快推进高新技术产业发展, 深化产业结构调整。首先, 更加重视自主创新能力的提高。大力提高原始创新能力、集成创新能力和引进消化吸收再创新能力, 着力突破制约产业转型升级的重要关键技术;加快建立以企业为主体、市场为导向、产学研相结合的技术创新体系。其次, 把培育新兴战略性产业摆在重要位置。进一步促进知识、技术、人才等要素向高新企业聚集区域集中, 加快科技成果转化为现实生产力。再次, 建立符合高新技术产业发展规律的运行机制。
第三, 加强环境规制, 促使环境成本内部化。经济层面, 目前环境污染成本不足以覆盖企业为减少污染排放进行技术改造的投入, 应通过开征环境税等经济手段促使环境成本的内部化成为企业加大环境友好技术开发的直接动力。制度层面, 应尽快开展环境税立法工作并选择经济相对发达地区开展环境税征收试点, 待时机成熟时扩大试点范围。同时, 要加强执法力度, 使企业违法带来的罚款大于甚至远大于守法成本。
第四, 科学引导承接产业转移, 避免“污染避难所”效应。外商直接投资能够带来技术外溢效应;同时也将污染产业迁移至环境标准较宽松的国家, 从而使发展中国家成为专业化生产污染产品的“污染避难所”。政府应在项目准入、能源消耗、污染排放等方面制定严格标准, 引导企业合理引进低污染、低耗能、高技术含量、高附加值的外资项目, 避免在资源配置全球化的大背景下, 发达国家的一些污染产业或企业转移至我国, 进而产生生态环境负面影响。
经济增速是如何测算出来的？ 篇9
—Daenerys
对于GDP增速的预测是个非常有难度的事情，实际上并没有哪个预测机构会给出准确答案。预测GDP增速通常的逻辑是依靠主观判断和数学模型结合。主观判断可以看做是对数学模型的一个修正和补充，因为再完善的GDP数学模型也可能会遗漏一些重要的参数。
数学模型是个更复杂的事儿，简单来说就是设定一些参数以及这些参数之间的相关关系，然后根据已有数据对未来作出一些判断。目前常用的数学模型有两种，一种是根据影响GDP的几大核心因素来推算出GDP可能的增速。另一种是根据以往GDP历史数据所呈现的变化规律，预测未来GDP可能沿着怎样的路径变化。
根据以往GDP历史数据预测的方法在短期预测方面优势较为明显。它进行预测时只需要用到某个变量—比如GDP—本身的历史数据，不需要像进行回归分析时收集大量相关变量的历史数据，操作更为简便快捷。同时，它所利用的该变量历史数据本身已经综合了众多相关变量的影响在其中，短期预测的稳定性相对较好。
通常来说，能够影响到GDP的核心因素包括固定资产投资、工业增加值、社会消费品零售额和经济活动人口等主要经济指标。由于有众多因素在影响GDP增速，不同的机构在进行预测时，根据自身判断的影响因素强弱、资料可比性以及模型要求等方面原因，会选择不同的因素作为预测GDP回归模型的解释变量。
因为不同机构在选择GDP增速预测的数学模型和核心变量时往往有所差异，所以各自做出的预测数据往往会有较大差别。例如2014年瑞士银行发布的中国GDP增速预测为7.8%，而野村证券发布的预测数据则只有6.9%。
那么到底哪个机构预测的数据更为靠谱呢？我们可以根据它们预测的数据和最终国家统计局给出的实际数据进行对比。2013年，网易曾据此数据发布过“年度最佳预测机构排名”，排行榜前三位依次为瑞银证券、德意志银行和中信证券。它们预测的数据与统计局公布的实际数据一致的次数分别为17次、16次和15次。
《第一财经周刊》实习记者 吴杨盈荟
微博互动专区
苏小信爱你：@第一财经周刊 来给忠实粉丝点个赞吧[挖鼻屎][挖鼻屎]一下买了20本。
RE：20本都是过刊吗？这日子太会过 了。
九秋菌：工作妥了！！后天开始上班，明天办健康证和银行卡，包吃包住，给个赞，AMD介绍的工作就是赞！！接下来一个月好好工作，宝丽来不是梦了！！彩虹君，我这就接你回家！[酷]顺便奖自己一本一财！@第一财经周刊
RE：听起来一派生机。恭喜。
Nirvanadroid：@第一财经周刊 iPad上的版本和纸质的版本文章书目完全一样吗？指的就是贵刊现在头像的这期，怎么觉得跟以前读的时候相比页数少了许多呢？
RE：只有《纽约时报》的授权文章iPad没有收录，其他都有噢。
鱼小婴：一个德克萨斯州的小伙子，居然在努力看一财周刊！当场采访起来！他是想既能学中文又能了解中国商业社会，最关键是他觉得这本杂志有趣时尚。给他普及了一下中国的财经媒体格局，一财的亲们不用谢。
RE：太有品了，为德克萨斯州的小伙点赞，也谢谢亲的现场报道。
读者来信
毕业一周年之际，想离职的我
您好！写这封邮件是因为看了贵刊4月7号《老实人没有春天》一文，最近离职的躁动感特别强烈，从去年毕业到现在，我一直在一家公司做销售，过去的一年对于公司的好与坏皆有体会。
我们的公司是合资企业，前身是传统产业的老国企，即便合资了，现在所采用的还是国企时代的运作模式。公司员工正处于青黄不接之时，我们被招聘进来，按照公司的想法是对公司人才的储备—公司员工的平均年龄偏大，对于新鲜血液的加入尤为渴望。同一时间进来的还有两位同校毕业生。
进来公司一年多，没有规范的培训体制，只是和领导偶尔的谈话，或者邮件报告回复，就这样我在公司度过了前半年。新年后，公司中层领导变动，事前并没有丝毫征兆。高层的变动与我们这些一线下属员工无关，但似乎总有些心理作用在里面。在公司一年多，开始半年就相当于一个打杂性质的员工，并没有很明确的岗位发展方向，领导对于我们的定位不明确，我们也被牵着走，大大小小的活都在做。
对于现在的公司，也有一种不舍，舍不得放手的原因，自己也没搞清楚，应该是贵刊文章中的那句话：舍不得放手的原因，表面上是责任心，实际是事情多到没时间区分重点。但是过去的一年，自己似乎又很闲，多数是些杂碎活，或者找不到该干的活。新上任副总最近对我有特别的安排—他觉得我们三个同期员工总是不合拍，交流太少。—副总让我去处理这些问题，尽量能够让气氛看起来更融洽。至于原因，我了解到可能是性格上的差异，其中一位同事自信心极强，入职一年自认是公司里对某业务最了解的人。我该怎么去处理这烫手的山芋？
离职的想法最近颇为强烈，只是在没想清下一步之前，还不敢去做最后的决定。过去的一年，成长不少，毕竟是现任副总手把手带的我们。现在的我，是找不前进的方向还是因对公司的种种不满而产生离职的念头，我还在迷惑。
—LI
RE：应该是你还没有找到方向，没找到自己擅长的东西，所以处于诸事不爽的否定期。辞呈分分钟可递，不过理顺自己却没这么容易。
一位东北读者的第一封信
一财君，你好！
第一次给你写信，也是第一次给你“挑刺”：在第309期《黄金时代的完结》一文中，“而他们也成为了世界杯历史上第四支在小组赛阶段就如此快速地被淘汰的前冠军球队”这句话里的“前冠军球队”有待商榷。我认为应该是“卫冕冠军球队”，因为“前冠军球队”是指得到过世界杯的球队，这里包括乌拉圭、巴西、德国、意大利、法国等等所有得到过世界杯的队伍，“卫冕冠军球队”是指上届世界杯夺冠，又参加了此届世界杯正式比赛的球队。而文中的意思是指西班牙以卫冕冠军的身份参加比赛，却在小组赛第二场比赛后就惨遭淘汰，成为了继意大利（有两次）、巴西、法国之后“第四支在小组赛阶段就如此快速地被淘汰的卫冕冠军球队”。而这也是世界杯历史上第五次出现这种情况。
另，我看《一财》已经有快两年了，感谢一财君一路陪我走过的时光。
—涛
RE：谢谢你的挑刺指正。
咨询一下
Hi，恭维话少说，直入主题。
今年世界杯期间，最热门的词语是什么？天台，竞彩。这个话题可能涉及敏感因素，一财不方便讨论，但是网络上如此高密度的博彩活动，为什么能畅通无阻？监管机构在哪里？作为诸多博彩网支付手段之一的支付宝，阿里集团凭借博彩每天能获得多少现金流？而且有个很搞笑的现象是即使中彩，发奖金的时差也近12小时，更有甚者，企鹅的足彩发奖告示中提到“发奖最晚可能有5天的延迟”？！这其中的收益如何监督？
另，本人去年订阅iPad版无意间选择了默认续订，今年自己在邮局订了纸质杂志，如何退订其中任一种？谢谢。不说废话了，某宝由于监管要关闭博彩了，今天还没押呢～输了天台见！
突然感觉一财萌！萌！哒！
—Leon Sha（沙良）
RE：谢谢选题建议。另外关于多订退订，建议退iPad更为方便一点。
提下建议
《第一财经周刊》的编辑，你好！这是我第一次写信给杂志，我就开门见山说了。
我认为关于财经、经济方面，你们不应该只关注那些大品牌的消息，或者老是将注意力放在楼市、股市以及一些奢侈品还有网上购物方面，有的时候读者可能会腻。我就有很好的材料推荐。
因为我喜欢的歌手是Beyonce，所以在这里我就以她为例说一下。她是让人瞩目的女歌手，但同时也是精明的女商人，她几年前解雇了自己的经纪人，自己管理自己的商演。商演这块收入可观，她的巡演遍及美国各个州，甚至各个国家，这样下来，她的收入在财富榜上可以排第六左右，再加上她的丈夫，也就是同为歌手的Jayz，每年也能赚很多钱，强强联手，自然更利于财富累积……通过这些我们可以发现在一些歌手或娱乐明星有逃税问题。
其实，我真正想推荐的吧，是现在不太被人了解的家纺行业。家纺市场在2000年左右还是挺冷门的生意，因为以前很多小厂家都是自己做被子，没有什么品牌意识。现在十几年过去了，出现了很多家纺品牌，其中有恒源祥这样的大牌子，但也有很多贴牌的小牌子。
家纺市场不是很规范。就拿恒源祥来讲，单单是在安徽，它就有三四个代理商。有一个是经过总公司授权的，有一个是通过子公司授权的，而且天猫商城也有它们的“专卖店”，但是广大群众不知道到底哪家是正牌。某种程度上说，这个市场是乱的，所以我希望一财的编辑和记者们可以报道一些关于家纺行业的话题。
财经，讲小一点也就是钱的问题，不妨转换成百姓们喜闻乐见的文章，富大人就写的不错。At last，祝一财的发行量直线上升！！如果听了我的意见的话哈哈哈哈。我是来自安徽合肥的，如果能刊登最好能通知我，如果不能刊登……最好也能通知我。谢谢
—陈凯琳
RE：家纺行业我们会关注的，如果有合适的题目会报道的。不过你第一个建议，歌手明星逃税问题，没有你想的那么简单。等我们改名为《第一娱乐周刊》时再说吧。
本周我推荐
本周转发量超过7万次的一则热门微博内容，讲的是豆瓣开了个活动“给我你的照片，让我为你画张肖像2014”。一开始，大家都很平静地发布照片接受肖像。直到有一天，出现了一位画师，慷慨地将他的大作赠予了各位成员。
推荐人：江南大野花
影响测算 篇10
从中国统计局近几年发布的《中国统计年鉴》中得到有关各产业GDP (当年价格, 除特别说明外, 本文所用指标均是当年价格) 和从业人员数据, 绘制各产业GDP占总GDP的百分比和3次产业就业结构的散点图, 如图1。
从图1中可以看出, 一直以来, 三次产业中第二产业对我国国民生产总值的贡献最大, 一直保持在45%以上, 其次是第三产业约占40%左右。而从就业比例上看, 从事第一产业的人口仍占我国总人口的多数以上, 这主要是因为我国城市化程度不高, 农业自动化覆盖面小造成的。但随着我国产业结构的调整, 第三产业的从业人员正逐年呈上升趋势, 由1993年的20%上升到2005年的30%;农业人口正逐年减少, 从1993-2005的13年间, 农业人口比重下降了十个百分点。但是与国外发达国家相比, 我国还存在很大差距。如图2所示, 2001年和2002年, 美日两国农业占GDP的比重均在5%以下, 第二产业的比重维持在20%-30%上下, 而第三产业比重则上升到65%以上。同样, 从就业比例上来看, 农业人口所占比重均低于5%, 第三产业的从业人员最多, 占到了60%以上。从产业结构偏离度来看, 2005年我国的产业结构偏离度达到了1.98, 而2001年美国的产业结构偏离度仅为0.37, 日本的为0.77。可见我国亟待对产业结构进行调整, 以适应可持续发展的需求。
产业结构调整和效率提高是目前我国降低单位GDP能耗的两种主要方式。自20世纪90年代以来, 我国政府相继出台的一系列法规政策, 都提到以加快产业结构调整, 提高能源使用效率。1997年颁布的《中华人民共和国节约能源法》第四条第十条明确指出, 加强节能工作应合理调整产业结构、企业结构、产品结构和能源消费结构。在对能源节约与能源开发进行技术、经济和环境比较论证的基础上, 择优选定能源节约、能源开发投资项目, 制定能源投资计划。2006年初颁布的《节能中长期专向规划》再次指出, 加快调整产业结构、产品结构和能源消费结构, 是建立节能型工业、节能型社会的重要途径, 应重视发展低能耗、高附加值的第三产业, 尤其是重点发展劳动密集型服务业和现代服务业, 扭转服务业发展长期滞后局面, 提高第三产业在国民经济中的比重。通过节能法规对我国产业结构调整的规制和引导效应使得产业结构调整对当前节能降耗的重要性逐步凸显。
二、我国能源消耗现状分析
(一) 我国各部门各行业的能源消耗现状分析
如图3所示, 长期以来, 工业部门的能源消耗占据了全国能源消耗的绝大部分:一直在70%左右徘徊。而近几年来, 由于交通运输的发展, 机动车保有量的增加, 居民出行的频繁使得传统的第三产业即交通运输、仓储和邮政业的能耗略有增长。而伴随着全社会节能意识的提高, 以及节能电器的逐步使用, 生活用能在十年间下降了六个百分点。其他各部门的能源消耗在十余年中基本保持不变。
从能源利用效率上来看, 工业部门的单位GDP能耗近十几来下降最为明显, 这主要是近十余年来我国工业现代化速度加快, 许多高能耗产业, 如冶金业等, 通过企业重组产生的规模效应, 使能源利用效率有所提高, 不过到2005年, 工业部门的单位GDP能耗仍高于全国平均水平。而交通运输、仓储和邮政业的单位GDP能耗一直呈波动状态。其他部门的单位GDP能耗基本维迟不变。 (如图4所示)
(二) 我国工业各部门的能源消耗现状分析
工业是我国目前的主要产业, 无论从GDP上还是从就业上看, 它对我国的经济发展做出了巨大贡献, 但同时它也是我国能源的使用大户。在组成工业的三个部门 (制造业、电力煤气及水生产供应业、采掘业) 中, 制造业又是其中能耗最大的部门, 占到了75%以上。 (如图5所示) 造成制造业能源消耗量较大的原因有二:制造业的下属部门最多;某些部门的能源使用效率一直较低。制造业, 尤其是其中的高能耗行业将是未来我国降耗的重点领域。而在制造业内部, 黑色金属冶炼及压延加工业、化学原料及制品制造业、非金属矿物制品业等几个行业的能耗又占据着重要地位。其中, 2005年黑色金属冶炼及压延加工业约占整个制造业能源消耗的26%, 而黑色金属冶炼及压延加工业等七个行业约占我国总能耗的55% (如图6、7所示) , 是名副其实的高耗能行业, 因此这些行业也将是未来我国降耗的重要领域。
2002年全国的单位GDP能耗为1.41吨标准煤/万元, 而在工业中又有十个行业的单位GDP能耗远远超过全国的平均值。这其中在采掘业的六个行业中有四个行业:煤炭采选业、黑色金属采选业、石油和天然气开采业及非金属矿采 业 (图8中只列出三个) 的单位GDP能耗都高于全国的平均值, 而电力煤气及水生产供应业中的全部三个行业 (图8中只列出两个) 的单位GDP能耗均高于全国的平均值。图8中余下六个行业则属于制造业的范畴, 而且这六个行业全部属于重工业。这六个行业的能源消耗总量又占据了全国能源消耗总量的40%, 而制造业中的某些行业如纺织业、造纸和纸制品业, 虽然单位GDP能耗不高, 但由于耗能总量较大, 而且此类产业技术含量较低, 这也从产业结构上影响了我国消耗水平。
三、产业结构调整对单位GDP能耗的贡献度测算
(一) 基于产业结构比例的单位GDP能耗测算
产业结构调整和效率提高是目前我国降低单位GDP能耗的两种主要方式。通过对单位GDP能耗 的计算公式的推导, 得到基于产业结构比例的单位GDP能耗测算公式:
undefined
e:单位GDP能耗;E:能源消耗量;Y:国内生产总值;ei:i产业的单位GDP能耗;yi:i产业的产值占国内生产总值的比重。
由公式 (1) 可以看出, 单位GDP能耗e主要取决于ei和yi, 其中ei反映了各产业能源利用效率的情况, yi反映了各产业的结构变化情况。固定某一产业的单位GDP能耗, 通过第n期与基期产业结构的比较, 可以得到结构调整降耗。
结构调整降耗是指由于产品结构调整和产业结构升级、生产规模和消费模式转变所导致的单位GDP能耗下降, 为了表示结构变化对单位GDP能耗的影响份额, 有如下具体计算公式:
undefined
eundefined:结构调整对单位GDP能耗的影响份额;yundefined:第n期i产业的产值占国内生产总值的比重
eundefined:第n期i产业的单位GDP能耗;该公式表示在能源利用效率不改变的情况下, 结构调整 (yundefined-yundefined) 对降低能耗所产生的作用。
(二) 产业结构调整对单位GDP能耗的贡献度
通过对1994-2005年间的数据分析表明, 目前我国在节能上取得的主要成就来源于能源使用效率的提高。效率提高带来的贡献度基本都在99% 以上, 而产业结构调整不仅贡献度微乎其微——最高不足5%, 而且在1995-1997年和2005年基本上都对能耗降低起的是负作用 (如图9所示) 。
虽然我国政府一直号召要调整产业结构, 但由于历史、技术等诸多因素的影响产业结构的调整并不显著。在三大产业中, 第二产业的结构调整是我国降耗的重要途径, 但2003年以来, 其重要性有所降低, 而自1997年以来第一产业在结构调整中所起的作用正逐步突显, 但不容忽视的是第三产业只有在最初的几年发挥了一定作用, 之后其在产业结构调整中就一直起负作用 (如图10所示) 。
(三) 三次产业GDP对单位GDP能耗的弹性模型与分析
采用线性回归法, 用中国年鉴中1993-2005年各产业GDP的对数值和单位GDP能耗的对数值进行回归, 建立对数模型:loge=β0+∑undefinedβ0logYi+μ0。其中, β0为常数项, βi为因变量和自变量之间的弹性, 即各产业GDP对单位GDP能耗的弹性, 也就是近年来我国三次产业的单位产值能耗弹性。得到如下结果:
回归方程为loge=3.303-1.568logY1+2.526logY2-1.821logY3
判决系数R2=0.979, 调整后的判决系数R2=0.972, 说明回归拟合效果比较好。F统计量为141.548, 说明三次产业的GDP对单位GDP能耗具有整体的解释意义, 并且各产业对应的系数为正数, 也说明具有现实的经济意义解释。D-W统计量是2.170, 说明回归方程的残差项不存在自相关, 因此方程的参数估计在统计意义上是可置信的。从方程可以得出, 第一产业GDP对单位GDP能耗的弹性为-1.568, 即第一产业的GDP增长1%会导致单位GDP能耗减少1.568%;第二产业GDP对单位GDP能耗的为2.526, 即第二产业的GDP增长1%会导致单位GDP能耗增长2.526%;第三产业GDP对单位GDP能耗的为-1.821, 即第三产业的GDP增长1%会导致单位GDP能耗减少1.821%。可见, 就目前我国的产业结构而言, 加快第三产业增长对我国能源利用效率的提高有一定促进作用。
(四) 我国促进产业结构调整的相关法规
我国政府已清楚认识到产业结构调整在节能工作中的重要性, 自1997年以来, 尤其是进入21世纪, 相关部门一再下发文件强调产业结构调整。 (如表1所示) 。
大量数据分析显示, 在近几年我国单位GDP能耗下降缓慢的背景下, 加大产业结构调整力度是实现“十一五”规划20%节能目标的主要措施。但是产业结构的调整不是一蹴而就的, 自改革开放以来, 我国正试图用最短的时间来完成资本主义国家历经300余年的资本原始积累, 这种资本的积累势必需要强有力的工业来推动。此外, 我国人口密度大, 必须维持一定规模的第一产业比例, 才能养活13亿人, 因而合理, 有序地对产业结构进行调整, 以高技术带动产业结构优化才是我国发展的必经之路。在目前的经济条件下, 我国要通过产业结构调整促进能源利用效率提高, 应采取以下措施: (1) 加快发展服务业, 尤其是生产型服务业和新型服务业, 提高第三产业增加值比重, 并适当控制工业部门增长速度, 使三次产业结构调整所形成的负节能效应进一步减弱。 (2) 将优化调整工业内部行业结构, 推进新型工业化作为结构节能的主攻方向, 严格控制高耗能工业行业的增长速度, 进一步加快高附加值、高新技术产业的发展, 同时在重点行业在重点领域加强规模化经济。 (3) 加快工业部门尤其是高耗能工业的技术进步和产品结构升级, 用信息化带动产业化, 限制高能耗, 低技术附加值的产品出口, 使中国逐步由原材料供应国向技术输出过迈进。
摘要：产业结构调整和效率提高是目前我国降低单位GDP能耗的两种主要方式。针对我国工业部门能耗高, 产业结构不均衡, 尤其是第三产业比重较小等一系列问题, 自二十世纪九十年代以来, 我国政府出台的一系列法规政策, 都提到以加快产业结构调整, 提高能源使用效率。但是产业结构调整对能源效率提高的作用不够显著, 这充分说明, 目前我国产业结构调整的力度不够, 加快产业结构调整将成为我国今后提高能源利用效率最有效的措施。
关键词：产业结构,单位GDP能耗,弹性模型
参考文献
[1]上海申银万国证券研究所.任重道远, 却大有可为——我国降低单位GDP能耗的路径与措施[J].宏观经济, 2006-04-06.
[2]高飞, 秦炜.我国能源现状及政策解析[J].资源与发展, 2006 (1) .
[3]戴彦德, 周伏秋, 朱跃中, 熊华文.实现单位GDP能耗降低20%目标的途径和措施建议[J].中国工业经济, 2007 (4) .