改革开放以来,中国经济总量在高速增长的同时,能源枯竭和环境恶化等问题日趋严重,绿色可持续发展成为社会各界高度关注焦点。《世界能源统计年鉴》数据显示,2018年中国化石能源消费量占全球23.77%,可再生能源消费量占全球28.87%,碳排放总量占全球27.82%。受制于“富煤、贫油、少气”的资源禀赋,目前煤炭仍然是中国依赖度最高的能源,2018年中国煤炭消费量占全球比例超过50%。因此,中国是全球可再生能源转型最为迫切的国家之一,如何实现更多可再生能源消费是最需要关注的问题。技术进步是可再生能源消费最重要的驱动因素之一,因此被视为能源转型最不可缺少的驱动因素[1]。
现有研究更多关注的是希克斯中性技术进步,中性技术进步的节能减排效应主要通过同比例改变生产要素使用量实现,这忽视了技术进步在不同生产要素之间的偏向性[2]。与中性技术进步不同,偏向技术进步能不同比例改变生产要素使用量[3]。例如,当偏向技术进步在不可再生能源与可再生能源之间偏向于使用更多可再生能源消费,且可再生能源能够有效替代不可再生能源时,有利于推动可再生能源转型。然而,现有研究很少关注偏向技术进步与可再生能源转型的关系。为此,本文构建一个偏向技术进步理论分析框架,并采用固定效应随机前沿生产函数分析技术进步的偏向性以及化石能源与非化石能源间的替代弹性,进而判断2000—2017年中国内地30个省域的偏向技术进步是否推动了可再生能源转型。
与已有研究相比,本文边际贡献在于:①运用固定效应随机前沿生产函数探索中国偏向技术进步与可再生能源转型的关系,拓展了现有研究视野;②在偏向技术进步测度中区分化石能源与可再生能源,提高了测算精度;③在偏向技术进步理论框架下测度化石能源与可再生能源的替代弹性,为未来研究偏向技术进步与能源转型的关系提供了新思路。
偏向技术是相对中性技术而言的,其概念最早由Hicks提出,主要用于刻画生产技术进步在不同生产要素之间的偏向性。Hicks[2]将技术进步的偏向性归因于技术进步诱导生产要素相对价格变化,并指出生产要素的相对价格取决于要素禀赋。以Kennedy[4]、Samuelson[5]为代表的经济学家认为,Hicks对偏向技术进步诱发机制的解释是不充分的,并进一步发现偏向技术进步能够改变生产要素之间的相互替代关系,因为技术进步会偏向使用成本更低的生产要素。由于早期研究对偏向技术进步的概念界定模糊,因此之后多年陷入沉寂,直到2000年前后,Acemoglu[6-7]重新定义偏向技术进步的概念,并完善其微观理论基础。近年来,偏向技术进步受到诸多学者关注,如偏向技术进步测算方法[8-9]、偏向技术进步与能源消费[10]、偏向技术进步的驱动因素[11]及偏向技术进步与环境污染[12]等。
能源转型的概念于1980年首次被德国科学院提出,其目的是为了应对当时正肆虐欧洲的第二次石油危机。在经济衰退、能源枯竭和环境恶化等多重因素驱动下,能源转型成为能源经济领域备受关注的热点问题,如能源转型内涵[13]、能源转型路径[14]、能源转型模式[15]等。技术进步在能源转型中扮演着重要角色,其作用主要是通过影响能源消费进而促进转型。已有研究结论可归纳为3类:第一类研究认为,技术进步会增加能源消费量,尤其是可再生能源消费[16];第二类研究认为,技术进步能够通过提高全要素生产率、优化产业结构等途径,减少化石能源消费,进而有利于能源转型[17-18];第三类研究发现,技术进步对能源消费具有显著非线性效应,技术进步初期有利于节约能源,当技术达到一定水平后会产生回弹效应,增加能源消费,此时对能源转型的影响是不确定的[19-20]。然而,上述涉及的技术均是希克斯中性的,忽略了技术进步在生产要素间的偏向性。近年来,偏向技术进步在能源经济领域逐渐得到关注。王班班和齐绍洲[21]研究发现,1999—2012年中国工业技术进步呈现出节约能源特征;何小钢和王自力[22]发现,1981—2000年中国33个行业技术进步偏向于能源消耗;Zha等[10]研究发现,1990—2012年中国工业技术进步偏向于使用能源,主要是因为劳动密集型产业不断减少。
目前,鲜有研究关注偏向技术进步与可再生能源转型的关系。偏向技术进步对能源转型的影响主要取决于技术进步的要素偏向性,当技术进步偏向使用更多可再生能源和更少化石能源,则有助于能源转型[23-24]。然而,可再生能源消费量及其比例的提升,可能不是有效的能源转型,因为化石能源消费量也在不断上升[25]。因此,学者们将这种现象描述为能源增加,认为可再生能源消费量增加只能被视为是一次能源补充。仅依据偏向技术进步在可再生能源与不可再生能源之间的偏向性,无法科学判断能源转型是否在发生。因此,在识别技术进步的要素偏向性后,还需要进一步计算可再生能源对化石能源的替代弹性。目前,已有研究关注了技术进步的要素替代效应,如Serletis等[26]通过测算美国不同能源之间的替代弹性发现,可再生能源对化石能源的替代效应十分有限;Wesseh&Lin[27]发现,西非国家共同经济体的可再生能源与不可再生能源之间存在相互替代关系。因此,如果技术进步偏向使用更多可再生能源,且可再生能源能够有效替代化石能源,则偏向技术进步有助于能源转型。
参考Yang等[23]的做法,本文采用固定效应随机前沿模型估计随机前沿生产函数,其一般形式如下:
yit=αi+βxit+vit-uit
(1)
其中,i、t分别表示地区和年份,y表示产出,α表示个体固定效应,x代表投入要素向量集,β代表投入要素待估系数的向量集;v是随机误差项,表示统计误差和各种随机因素对前沿产出的影响;u是技术无效率项,表示实际产出与技术前沿产出的差距。对于投入要素而言,化石能源和可再生能源是两种不同生产要素。然而,现有研究大多以资本、劳动和能源作为投入要素,没有区分化石能源与可再生能源对产出的不同贡献。为此,本文将化石能源和可再生能源作为两种独立生产要素,以识别技术进步在两者间的偏向性。
传统生产函数认为技术进步是中性的,但在要素成本和边际生产率驱动下,技术进步会偏向更多使用某一生产要素。因此,本文参考Wesseh&Lin[27]的做法,对式(1)进行扩展处理。
其中,Y代表各省产出,K、L分别代表资本和劳动,F、R分别代表化石能源和可再生能源。
(1)产出(Y)。本文选取各省2000年不变价GDP作为产出衡量指标。
(2)资本投入(K)。本文采用资本存量作为资本投入的代理变量,基于单豪杰[28]的研究,采用永续盘存法估算各省资本存量,公式表示如下:
Kit=Iit/Pit+(1-σ)Ki,t-1
(3)
其中,Kit、Iit、Pit和σ依次表示第i个省第t年的资本存量、固定资本形成总额、固定资产价格平减指数和资产折旧率。
(3)劳动投入(L)。本文采用劳动投入量作为劳动投入的代理变量,借鉴张宁和张维洁[29]的做法,以各省就业总人数表示劳动投入量。
(4)化石能源投入(F)。本文采用化石能源消费量作为化石能源投入的代理变量,借鉴Yang等[12]的做法,以煤炭、石油和天然气消费量之和表示化石能源消费量。
(5)可再生能源投入(R)。本文采用可再生能源发电量作为可再生能源投入的代理变量,考虑数据可得性,本文以水力发电量、风力发电量和太阳能发电量之和表示可再生能源消费量。
根据Shao等[9]的研究,将技术进步定义为:在控制其它因素时,前沿技术随时间的变化率。因此,技术进步可表示为:
(4)
其中,TP表示技术进步指数;β1+β2t代表纯技术效率变化,用于衡量技术溢出和技术扩散对前沿技术变化的影响;β7lnK+β8lnL+β9lnF+β10lnR代表偏向技术变化,用于衡量各要素生产技术对前沿技术变化的影响。偏向技术的概念是相对于希克斯中性技术而言的,中性技术变化假定所有生产要素的边际生产率会同等比例变化,偏向技术变化则假定所有生产要素的边际生产率不是同等比例变化。为了更直观地阐述偏向技术,图1给出了中性技术变化和偏向技术变化可能的情形。其中,S和T是两个不同时期,L1(y,b)、Ln(y,b)、L21(y,b)和L22(y,b)表示不同生产技术曲线,y、b分别表示期望产出和非期望产出。以化石能源和可再生能源为例,假设从S时期至T时期的技术进步是希克斯中性的,则L1(y,b)会平移至Ln(y,b),此时技术进步同等比例节约了可再生能源和化石能源;假设从S时期至T时期的技术进步偏向于使用更多化石能源,则L1(y,b)会旋转至L22(y,b);假设从S时期至T时期的技术进步偏向于使用更多可再生能源,则L1(y,b)会旋转至L21(y,b)。显然,当技术进步偏向于更多使用某种生产要素时,则生产技术曲线会出现旋转效应;当技术进步同等比例节约生产要素使用量时,则生产技术曲线会出现平移效应。
图1 偏向技术变化与中性技术变化
为进一步揭示技术进步的要素偏向性,本文沿用Diamond[30]的方法估算生产要素的相对偏倚程度,一般形式为:
(5)
其中,n、q是两种不同生产要素,MPn、MPq分别是n和q的边际生产率,Biasnq表示技术变化引起要素n与q之间边际产出增长率的差异。Biasnq>0(<0)表示在一次生产中技术进步偏向于使用更多n(q)或节约更多q(n);Biasnq=0表示技术进步是希克斯中性的,技术变化会同比例增加或节约n和q。
根据式(5),可以估算技术进步在任意两种生产要素之间的偏倚程度,本文以化石能源和可再生能源为例。结合式(2)、(5),BiasFR可表示为:
(6)
其中,εF、εR分别是化石能源和可再生能源的产出弹性。因此,化石能源和可再生能源的边际生产率可分别通过求解式(7)、(8)得到。
(7)
(8)
不同生产要素间的替代或互补关系能够反映要素投入相对增加或减少。以F和R为例,如果F与R具有稳定的替代关系,则F投入增加会使R投入减少;如果F与R具有稳定的互补关系,则F投入增加会使R投入增加。因此,根据F与R之间的替代或互补关系,可以判断出偏向技术进步是否推动了可再生能源结构转型。要素间的替代弹性是要素投入结构变化与边际替代率变化的比率,替代弹性公式如下:
(9)
其中,SubsFR表示要素F与要素R间的替代弹性。结合式(7)、(8),要素F与要素R间的边际替代率为:
(10)
结合式(9)、(10),可得:
SubsFR=
(11)
通过式(11)可计算任意两种要素间的替代弹性。其中,SubsFR>0(<0)表示要素F与要素R间具有替代(互补)关系,SubsFR=0表示要素F与要素R间不具有替代或互补关系。
基于数据可获取性,本文选取2000—2017年中国内地30个省域面板数据作为研究样本(西藏因数据不全未纳入统计)。为消除通货膨胀等因素的影响,将资本存量和GDP按照价格指数平减为2000年不变价格。GDP及其价格指数、资本存量等数据来源于《中国统计年鉴》,劳动投入数据来源于《中国劳动统计年鉴》,化石能源投入数据来源于《中国能源统计年鉴》,可再生能源投入数据来源于《中国电力统计年鉴》。相关变量统计描述见表1。
表1 各变量描述性统计结果
变量单位样本数均值标准差最小值最大值峰度偏度Y(产出)亿元5409 8449 941263.762 0008.8832.189K(资本投入)亿元54010 00013 000135.476 0008.4732.194L(劳动投入)万人5402 5111 677274.46 7672.6170.705F(化石能源投入)万吨标准煤54010 0007 550407.937 0004.1921.255R(可再生能源投入)万吨标准煤5402945050.1113 95122.0603.923
表2报告了超越对数生产函数的参数估计结果。可以发现,大多数参数均在10%统计水平上显著异于0,极大似然函数值和LR检验结果表明本文估计模型具有很强的解释力。复合残差值为0.001 3且在1%统计水平上显著,表明误差项和无效率项波动较小。因此,固定效应随机前沿模型能够很好地刻画技术效率变化。此外,时间与生产要素的交互项系数、不同生产要素的交互项系数及相同生产要素的交互项系数均显著异于0,这为技术进步的要素偏向性和要素替代弹性分析提供了良好基础。
基于表2的估计结果,本文估计了2000—2017年中国各省域技术进步指数。为了说明中国各省域技术进步指数的时间变化趋势,以2000年、2006年、2011年和2017年各省技术进步指数为例,详见图2。由图2(a)可知,2000年中国仅北京、上海、江苏、浙江和广东的技术进步指数超过0.72,其余省份均低于0.72。其中,仅上海的技术进步指数超过0.76,北京、江苏、浙江介于0.72~0.74之间,广东介于0.74~0.76之间。由图2(b)可知,2006年技术进步指数超过0.72的省市有北京、天津、上海、江苏、浙江、福建、江西和山东,其余省份均低于0.7。其中,上海和广东的技术进步指数均超过0.8,北京、江苏和浙江均超过0.78。相较于2000年,2006年大部分省份的技术进步指数都有不同程度提高。由图2(c)可知,2011年中国技术进步指数低于0.72的省(市、自治区)有天津、河北、山西、辽宁、福建、海南、宁夏和新疆,其余省份均高于0.74。2011年中国绝大部分省份的技术进步指数相较2000年均有所提高。由图2(d)可知,2017年技术进步指数小于0.72的区域进一步缩小,仅河北、山西、辽宁和海南低于0.72,北京、上海、广东和重庆的技术进步指数均超过0.8,介于0.74~0.78之间的省份有10个,该数量相较之前年份有显著提升。2017年各省技术进步指数均高于2000年。对比2000年、2006年、2011年和2017年各省技术进步指数发现,各省技术进步指数随时间推移均有显著提高。
表2 超越对数生产函数参数估计结果
注:***、**、*分别表示在1%、5%和10%的水平上显著
变量系数标准差t值变量系数标准差t值t0.053 6**[0.026 2]2.040.5lnKlnL-0.099 3***[0.033 7]-2.940.5t2-0.000 8[0.000 5]-1.620.5lnKlnF0.068 7**[0.032 9]2.09lnK0.344 8**[0.141 9]2.430.5lnKlnR0.016 8*[0.009 8]1.71lnL1.130 5***[0.259 3]4.360.5lnLlnF-0.048 6**[0.019 1]-2.54lnF0.273 3**[0.122 0]2.240.5lnLlnR-0.023 2**[0.009 3]-2.49lnR-0.147 6***[0.033 7]-4.380.5lnFlnR-0.025 6*[0.013 3]-1.92tlnK0.000 4*[0.000 2]0.200.5(lnK)2-0.000 1[0.019 5]-0.01tlnL0.016 9***[0.003 2]5.270.5(lnL)2-0.068 0*[0.037 6]-1.81tlnF-0.013 5***[0.002 7]-5.060.5(lnF)20.041 5***[0.008 9]4.66tlnR-0.001 4*[0.000 8]-1.790.5(lnR)20.002 7***[0.002 7]3.76常数项2.688 6**[1.192 8]2.25σ2v0.001 3***[0.002]6.50σ2u0.956 1***[0.298 6]3.20极大似然函数值896.036 5LR检验1 693.254 5
图2 不同年份中国省域技术进步指数
通过前文分析结果可知,2000—2017年间中国各省技术进步指数逐渐提升,说明期间各省技术水平均有所提高。然而,仅从技术进步指数变化中无法识别出技术进步的要素偏向性。基于此,本文重点讨论技术进步的要素偏向性。表3报告了2000—2017年中国整体技术进步在资本、劳动、化石能源和可再生能源之间的偏向性,可以看出整体上技术进步偏向于使用更多资本,其次依次是化石能源、劳动和可再生能源。其中,2000—2001年和2003—2004年技术进步均偏向于使用更多劳动,说明期间主要采用劳动密集型生产模式;2000年、2005—2008年、2012—2013年和2015年技术进步均偏向于使用更多化石能源,说明期间主要采用化石能源密集型生产模式;2009—2011年、2014年和2016—2017年技术进步均偏向于使用更多资本,说明期间主要采用资本密集型生产模式。值得关注的是,化石能源与非化石能源的偏倚程度在所有年份均大于零,说明2000—2017年中国整体技术进步偏向于使用更多化石能源。该结论能很好解释的一个客观事实是,样本期间内中国技术进步在不断提升的同时,能源枯竭和环境污染问题也在不断加剧。事实上,Zha等[10]也发现,技术进步是显著偏向化石能源的,且这种偏倚程度还在不断增加。
表3 技术进步的要素偏向性
年份Bias-KLBias-KFBias-KRBias-LFBias-LRBias-FR要素偏向次序2000-0.033-0.0670.0660.0330.0990.132L>F>K>R2001-0.034-0.0700.0630.0360.0970.132L>F>K>R2002-0.034-0.0720.059-0.0370.0930.131F>L>K>R2003-0.0350.0730.0550.0380.0890.128L>K>F>R2004-0.0350.0740.0530.0390.0870.127L>K>F>R20050.035-0.0750.049-0.0410.0830.124F>K>L>R20060.035-0.0770.046-0.0420.0810.123F>K>L>R2007-0.035-0.0800.045-0.0450.0800.125F>L>K>R20080.035-0.0830.046-0.0480.0810.129F>K>L>R20090.0360.0870.0440.0510.0800.131K>L>F>R20100.0360.0900.043-0.0540.0790.133K>F>L>R20110.0360.0910.0420.0560.0780.133K>L>F>R20120.036-0.0990.042-0.0620.0780.140F>K>L>R20130.037-0.1070.041-0.0700.0780.148F>K>L>R20140.0370.1170.041-0.0800.0790.158K>F>L>R20150.0380.1300.040-0.092-0.0790.170F>K>R>L20160.0390.1460.040-0.106-0.0790.185K>F>R>L20170.0400.1600.039-0.1200.0790.200K>F>L>R2000—20170.0130.0130.047-0.0300.0660.142K>F>L>R
表4报告了2000—2017年各省技术进步在化石能源与可再生能源之间的偏向性,可以看出各省份技术进步在化石能源与可再生能源之间存在显著差异。2000—2005年,各省技术进步均偏向于使用更多化石能源,相对节约可再生能源;2006—2011年,除上海、浙江、湖北和云南偏向使用更多可再生能源外,其它省份技术进步偏向使用更多化石能源;2012—2017年,北京、上海、浙江、安徽、湖北、海南和重庆的技术进步偏向使用更多可再生能源,而其它省份则表现出相对节约可再生能源的偏向特征。从各省偏向性局部差异看,北京、上海、浙江、安徽、湖北、海南和重庆的偏向性由相对节约可再生能源过渡为相对节约化石能源,而其余省份在样本期间内始终以相对节约可再生能源为主。
表4 技术进步的偏向性(化石能源与可再生能源)
地区2000—2005年2006—2011年2012—2017年平均地区2000—2005年2006—2011年2012—2017年平均北京0.0650.118-0.1050.026河南0.3540.8192.1421.105天津0.0350.0580.2130.102湖北0.636-0.770-0.430-0.188河北0.3661.0002.0441.137湖南1.2192.2480.4721.313山西0.3760.4730.7230.524广东0.0510.0220.5640.212内蒙古0.0530.0540.4050.171广西1.1050.4040.2770.595辽宁0.2864.1930.5241.668海南0.5060.253-0.1760.194吉林0.2620.4520.4720.395重庆1.5931.181-0.3090.822黑龙江0.0580.2190.8070.361四川0.4150.8280.4320.558上海0.020-0.030-0.339-0.116贵州0.0160.7220.3420.360江苏0.3180.6820.1200.373云南0.494-1.4120.474-0.148浙江0.099-0.163-2.386-0.817陕西0.2040.2507.8152.756安徽1.2291.812-0.1530.963甘肃0.8441.1380.3030.762福建1.0691.0450.3540.823青海0.2690.1890.1550.204江西0.2550.7651.0270.682宁夏1.9701.5830.3521.302山东0.6060.2830.6680.519新疆0.1820.6920.7570.544
整体而言,2000—2017年中国仅有上海、浙江、湖北和云南表现出相对节约化石能源的偏向特征,表明上述4个省市的生产模式相对绿色可持续。究其原因,不难发现上述省份的可再生能源生产规模更大,对应的可再生能源生产技术水平也相对先进。例如,云南和湖北的可再生能源规模位居全国第二、三位,其可再生能源生产技术相对先进,尤其是水力发电技术。因此,对于这些省份而言,其技术进步会偏向于使用更多可再生能源。相比之下,其它省份的技术进步则导致使用化石能源的边际产出增长率较高,表明中国大部分省份在样本期间内保持较高的能源需求水平,依然处于相对污染与不可持续的生产模式。究其原因,煤炭和石油仍是大多数省份最依赖的能源,其生产技术创新投资高于其它生产要素。例如,山西和内蒙古是煤炭禀赋最高的两个省份,其煤炭对应的生产技术远高于其它生产要素;陕西和山东是石油禀赋较高的两个省份,其石油对应的生产技术高于其它生产要素。因此,对于这些省份而言,其技术进步会偏向于使用更多化石能源。与本文研究结果相悖的是,一些研究认为,技术进步会改善全要素能源(尤其是化石能源)效率,有助于实现节能减排[12]。然而,2020年《世界能源统计年鉴》数据显示,1965—2019年间中国化石能源消费总量在不断增加。因此,技术进步会刺激生产规模扩张,能源需求水平也在日益提高,技术进步对可再生能源转型的作用还需要在偏向性分析的基础上,进一步测算技术进步的要素替代弹性。
表5报告了2000—2017年资本、劳动、化石能源与可再生能源间的替代弹性。依据前文要素弹性的判别方法,可以看出资本对劳动的替代弹性在样本期间内均大于零,说明资本与劳动之间存在稳定的替代关系。资本与化石能源的替代弹性在不同年份表现出差异,二者的替代弹性在2011—2014年和2016—2017年大于零,其余年份则小于零,说明二者关系并不稳定,但整体上是互为替代关系。与资本和劳动的关系一致,资本与可再生能源的替代弹性在样本期间内均大于零,表明资本与可再生能源之间具有稳定的替代关系。劳动与化石能源的关系在样本期间内互为替代关系,但这种替代关系并不稳定,二者在2000—2001年、2005年、2011年和2013年表现为互补关系。劳动与可再生能源在样本期间内具有较稳定的互补关系,仅在2005年和2014年互为替代关系。本文最为关注的是化石能源与可再生能源之间的关系,弹性系数表明二者虽然整体上表现为替代关系,但这种替代关系并不稳定,因为样本区间内二者在替代关系与互补关系中多次转换,该结论与Yang等[23]的结果相似。上述发现表明,化石能源与可再生能源之间的关系相对易于调整。
表5 要素替代弹性测算结果
年份Subs-KLSubs-KFSubs-KRSubs-LFSubs-LRSubs-FR20000.496-0.9390.705-1.239-0.756-0.94620010.484-0.9480.711-1.271-0.761-0.96120020.471-0.9580.7201.298-0.771-0.98020030.461-0.9660.7291.309-0.780-0.99520040.454-0.9760.7351.3330.786-1.00620050.445-0.9870.745-1.356-0.7961.02120060.434-0.9970.7511.378-0.8031.03320070.426-1.0100.7541.4220.8051.04220080.421-1.0260.7531.480-0.804-1.04720090.408-1.0450.7571.545-0.8081.06020100.399-1.0670.7601.614-0.810-1.07020110.3901.0780.765-1.640-0.8151.07620120.3781.1210.7661.800-0.815-1.08920130.3651.1700.766-2.0080.8151.10220140.3501.2480.7672.358-0.815-1.11520150.329-1.3580.7692.9550.8171.12220160.3081.5310.7714.270-0.8181.11520170.2891.7520.7727.303-0.8191.0902000-20170.406-0.2430.7501.253-0.4420.025
表6报告了2000—2017年各省化石能源与可再生能源之间的替代弹性。可以看出,2000—2005年中国仅有上海、浙江、湖北、广东、海南和云南6个省市的化石能源与可再生能源互为替代关系,在其它省份则表现为互补关系,表明在此期间能源需求处于较高水平,可再生能源增加只是对能源消费总量的一次补充。与2000—2005年不同的是,2006—2011年中国有10个省(市、自治区)(河北、内蒙古、黑龙江、江西、湖南、贵州、甘肃、青海、宁夏和新疆)的化石能源与可再生能源具有互补关系,在其它省份则表现为替代关系。究其原因,上述表现为互补关系的省份中有的能源需求水平较高,如上海、浙江和广东,这些省市仅仅依赖化石能源供应可能无法满足能源需求,因此需要额外的可再生能源作为补充。值得关注的是,2000—2005年大多数省份化石能源与可再生能源之间的互补关系转变为2006—2011年的替代关系,表明可再生能源增加在一定程度上会减少化石能源消费。2012—2017年中国有8个省(市、自治区)(河北、内蒙古、黑龙江、江西、云南、甘肃、青海和新疆)的化石能源与可再生能源之间具有互补关系,其它省份则互为替代关系。究其原因,上述省份的能源消费规模在逐渐扩张,能源需求水平也在不断提高,需要更多能源供给满足其生产需求,这也可能是化石能源与可再生能源之间具有互补关系的潜在原因。从2000—2017年平均水平看,中国有13个省份的化石能源与可再生能源之间具有互补关系,其它17个省份则表现为替代关系。因此,整体上二者具有替代关系,但从局部看,各省存在差异。
表6 要素替代弹性测算结果(化石能源与可再生能源)
地区2000—2005年2006—2011年2012—2017年平均地区2000—2005年2006—2011年2012—2017年平均北京-2.1921.3840.569-0.080河南-2.3180.0860.122-0.703天津-2.5465.0570.5101.007湖北0.9120.3380.8450.698河北-1.0840.027-0.218-0.425湖南-0.227-0.0510.8590.194山西-4.9130.0600.031-1.607广东0.0930.0990.2850.159内蒙古-5.0153.265-3.451-1.734广西-0.1451.0080.8810.581辽宁-0.700-0.0360.683-0.018海南0.0941.8200.9080.941吉林-2.397-0.7270.103-1.007重庆-0.3130.0700.8920.216黑龙江-0.361-0.930-0.663-0.651四川-0.8080.0980.9250.072上海1.8082.8361.4262.023贵州-0.181-0.3420.9510.143江苏-0.2110.6250.4870.300云南0.9720.041-1.607-0.198浙江5.776-3.3740.0600.821陕西-4.0361.4840.4120.713安徽-0.2070.7260.3440.288甘肃-0.442-0.038-0.543-0.341福建-0.1020.4580.8760.411青海-0.666-1.211-0.941-0.939江西-2.111-0.407-1.198-1.239宁夏-0.224-0.0831.1110.268山东-0.5750.7631.5200.569新疆-0.501-0.653-0.252-0.469
正如上文所述,当技术进步偏向使用更多可再生能源,且可再生能源与化石能源之间具有替代关系(互补关系),则偏向技术进步有利于(不利于)可再生能源转型;当技术进步偏向使用更多化石能源,且可再生能源与化石能源之间具有替代关系(互补关系),则偏向技术进步不利于(有利于)可再生能源转型。本文按照要素偏向性和要素替代弹性对各省进行归类,如表7所示。其中,Bias-FR>0且Subs-FR>0的省份有天津、江苏、安徽、福建、山东、湖南、广东、广西、海南、重庆、四川、贵州和宁夏,上述省份的技术进步偏向于使用更多化石能源,且化石能源增加替代了可再生能源,表明偏向技术进步阻碍了可再生能源转型。Bias-FR>0且Subs-FR<0的省份有北京、河北、山西、内蒙古、辽宁、吉林、黑龙江、江西、河南、山西、甘肃、青海和新疆,上述省份的技术进步偏向于使用更多化石能源,尽管可再生能源也在不断增加,但这些省份更多的是使用化石能源,表明偏向技术进步阻碍了可再生能源转型。Bias-FR<0且Subs-FR<0的省份仅有云南,云南的技术进步偏向于使用更多可再生能源,且可再生能源与化石能源表现出互补关系,表明偏向技术有利于可再生能源转型。Bias-FR<0且Subs-FR>0的省份有上海、浙江和湖北,上述省份的技术进步偏向于使用更多可再生能源,且可再生能源有效替代了化石能源,表明偏向技术进步有利于可再生能源转型。相比之下,Bias-FR<0且Subs--FR>0是最理想的生产模式。
表7 省级要素偏向性与要素替代弹性分类结果
项目Subs-FR>0Subs-FR<0Bias-FR>0天津、江苏、安徽、福建、山东、湖南、广东、广西、海南、重庆、四川、贵州、宁夏北京、河北、山西、内蒙古、辽宁、吉林、黑龙江、江西、河南、山西、甘肃、青海、新疆Bias-FR<0上海、浙江、湖北、云南
作为全球最大能源消费国,中国是可再生能源转型最为迫切的国家之一。尽管偏向技术进步是可再生能源消费的重要驱动因素,但鲜有研究关注偏向技术进步是否推动了可再生能源转型。基于此。本文首先基于偏向技术进步理论框架,采用固定效应随机前沿生产函数,测度2000—2017年中国内地30个省域的技术进步指数并识别其在生产要素中的偏向性。其次,本文进一步分析化石能源与可再生能源间的替代弹性,结果发现,中国整体技术进步偏向于使用更多资本,其次依次是化石能源、劳动力和可再生能源,且化石能源与可再生能源互为替代关系,这说明偏向技术进步阻碍了可再生能源转型。同样地,本文从分省视角进一步分析发现,上海、浙江、湖北和云南的技术进步偏向于使用更多可再生能源,且上海、浙江和湖北的可再生能源与化石能源间具有替代关系,表明这些省市的偏向技术进步推动了可再生能源转型。值得关注的是,部分省份的技术进步在化石能源与可再生能源之间的偏向性随时间产生变化,表明二者之间的偏向特征并不稳定。同样地,一些省份化石能源与可再生能源的替代关系也并不稳定。
基于上述研究结论,各省应积极诱导生产技术进步偏向于使用更多可再生能源。然而,目前我国可再生能源生产规模仍然相当有限,仅依靠可再生能源供应无法满足当前能源需求。因此,侧重于可再生能源技术创新是重点工作,通过技术创新降低可再生能源成本,扩大可再生能源生产规模,提高可再生能源供给能力。具体地,对于可再生能源禀赋较高的省份,应加大相应可再生能源技术创新投资。例如,西北地区具有丰裕的风力资源,应适当加大对内蒙古、甘肃、宁夏等省份的风力发电技术创新投资;西南和华中地区更适宜发展水电技术,如四川、云南、湖北等。不仅如此,还应能动地改变化石能源与可再生能源间的替代关系,加快可再生能源有效替代化石能源。各省应为可再生能源产业发展营造优质发展环境,如四川、云南和湖北的水力发电量接近全国发电量的20%,这些省份应该为水力发电相关企业提供更多优惠政策,尤其是为处于发展初期的水电相关产业提供一定补助,扶持其提高市场竞争力,扩大可再生能源在能源市场中的份额,加快可再生能源利用的基础设施建设,促使生产技术偏向使用更多可再生能源,从而实现可再生能源有效替代化石能源。
[1] BOSO,GARRIDO J,LVAREZ B,et al.Narratives of resistance to technological change:drawing lessons for urban energy transitions in southern Chile[J].Energy Research & Social Science,2020(65):101473.
[2] HICKS J.The theory of wages[M].London:McMillian, 1932.
[3] 王班班,齐绍洲.有偏技术进步、要素替代与中国工业能源强度[J].经济研究,2014,49(2):115-127.
[4] KENNEDY C.Induced bias in innovation and the theory of distribution[J].The Economic Journal,1964,74(295):541-547.
[5] SAMUELSON P.A theory of induced innovation along Kennedy-Weisacker lines [J].Review of Economics and Statistics,1965, 47(4):343-356.
[6] ACEMOGLU D.Why do new technologies complement skills? directed technical change and wage inequality[J].The Quarterly Journal of Economics,1998,113(4):1055-1089.
[7] ACEMOGLU D.Directed technical change[J].Review of Economic Studies,2002,69(4):781-809.
[8] FRE R,GRIFELL-TATJÉ E,GROSSKOPF S,et al.Biased technical change and the malmquist productivity index[J].Scandinavian Journal of Economics,1997,99(1):119-127.
[9] SHAO S,LUAN R R,YANG Z B,et al.Does directed technological change get greener:empirical evidence from Shanghai's industrial green development transformation[J].Ecological Indicators,2016(69):758-770.
[10] ZHA D L,KAVURI A S,SI S J.Energy-biased technical change in the Chinese industrial sector with CES production functions[J].Energy,2018(148):896-903.
[11] 杨翔,李小平,钟春平.中国工业偏向性技术进步的演变趋势及影响因素研究[J].数量经济技术经济研究,2019,36(4):101-119.
[12] YANG G L,ZHA D L,ZHANG C Q,et al.Does environment-biased technological progress reduce CO2 emissions in APEC economies? evidence from fossil and clean energy consumption[J].Environmental Science and Pollution Research,2020,27(17):20984-20999.
[13] ELSHURAFA A M,FARAG H M,HOBBS D A.Blind spots in energy transition policy:case studies from Germany and USA[J].Energy Reports,2019(5):20-28.
[14] SCHMIDT T S,STEFFEN B,EGLI F,et al.Adverse effects of rising interest rates on sustainable energy transitions[J].Nature Sustainability,2019,2(9):879-885.
[15] TZANKOVA Z.Public policy spillovers from private energy governance:new opportunities for the political acceleration of renewable energy transitions[J].Energy Research & Social Science,2020(67):101504.
[16] BAMATI N,RAOOFI A.Development level and the impact of technological factor on renewable energy production[J].Renewable Energy,2020(151):946-955.
[17] 张兵兵,徐康宁.技术进步与CO2排放:基于跨国面板数据的经验分析[J].中国人口·资源与环境,2013,23(9):28-33.
[18] AN H,XU J J,MA X J.Does technological progress and industrial structure reduce electricity consumption? evidence from spatial and heterogeneity analysis[J].Structural Change and Economic Dynamics,2020(52):206-220.
[19] 任海军,赵景碧.技术创新、结构调整对能源消费的影响:基于碳排放分组的PVAR实证分析[J].软科学,2018,32(7):30-34.
[20] GU W,ZHAO X H,YAN X B,et al.Energy technological progress,energy consumption,and CO2 emissions:empirical evidence from China[J].Journal of Cleaner Production,2019(236):117666.
[21] 王班班,齐绍洲.中国工业技术进步的偏向是否节约能源[J].中国人口·资源与环境,2015,25(7):24-31.
[22] 何小钢,王自力.能源偏向型技术进步与绿色增长转型:基于中国33个行业的实证考察[J].中国工业经济,2015,32(2):50-62.
[23] YANG Z B,SHAO S,YANG L L,et al.Improvement pathway of energy consumption structure in China's industrial sector:from the perspective of directed technical change[J].Energy Economics,2018(72):166-176.
[24] DAVIDSON D J.Exnovating for a renewable energy transition[J].Nature Energy,2019,4(4):254-256.
[25] YORK R,BELL S E.Energy transitions or additions?why a transition from fossil fuels requires more than the growth of renewable energy[J].Energy Research & Social Science,2019(51):40-43.
[26] SERLETIS A,TIMILSINA G R,VASETSKY O.Interfuel substitution in the United States[J].Energy Economics,2010,32(3):737-745.
[27] WESSEH P K,LIN B Q.Output and substitution elasticities of energy and implications for renewable energy expansion in the ECOWAS region[J].Energy Policy,2016(89):125-137.
[28] 单豪杰.中国资本存量K的再估算:1952—2006年[J].数量经济技术经济研究,2008,25(10):17-31.
[29] 张宁,张维洁.中国用能权交易可以获得经济红利与节能减排的双赢吗[J].经济研究,2019,54(1):165-181.
[30] DIAMOND P A.Disembodied technical change in a two-sector model[J].The Review of Economic Studies,1965,32(2):161-168.