[摘 要] 本文利用我国13个主要煤炭产区1993-2004年的横截面数据，建立了煤炭生产效率的面板数据模型，通过面板单位根检验与面板协整的FMOLS与DOLS估计，研究了影响我国煤炭生产效率的主要因素。计算结果表明：规模效应与价格效应在总体上推动了我国煤炭生产效率的进步，其中价格效应对煤炭生产效率的推动作用，随煤炭开采难度的增加而逐步降低。但在煤炭价格双轨制条件下，由于电煤价格低于市场煤价格，对主要电煤输出省份煤炭生产的规模效应也带来一定程度的负面影响。 [关键词] 煤炭行业；生产效率；面板单位根；面板协整 [中图分类号] F407.21 [文献标识码] A [文章编号] 1006-5024(2008)10-0113-04 [基金项目] 国家自然科学基金项目“衰退矿区优势要素向西部能源富集地转移研究”(批准号：90510010) [作者简介] 赵梦楠，南京航空航天大学经济与管理学院博士生，研究方向为能源经济学； 周德群，南京航空航天大学经济与管理学院副院长、教授，博士生导师，研究方向为能源系统工程、管理科学与工程。 (江苏 南京 210016) 一、引言 煤炭工业是我国国民经济的重要基础产业之一。目前，煤炭作为我国最主要的能源，在一次能源消费中所占的比重达到70%以上。自新中国成立以来，我国的煤炭产量在总体上保持着7.2%的增长率，目前产量已稳居世界第一位。与此同时，我国的煤炭生产效率也一直保持着稳定增长，从1952年的0.661吨/工，到2004年的5.04吨/工，年均增长率达3.8%(见下图)。 2002年起，我国能源消耗的增长速度已连续4年超过GDP的增长速度，2002年与2003年能源消耗的增速分别为14.5%与13.5%。按经济增长与能源消耗8∶5的比率计算，仅这两年时间即消耗了我国5年的能源供应。而在今后的一段时间内，伴随着我国的工业化与城镇化进程加快，对能源的需求还会持续增长，这必将给我国的煤炭生产带来巨大压力。因此，提高煤炭生产效率，充分利用我国煤炭资源，已成为煤炭行业可持续发展的重大问题。而目前我国涉及煤炭行业自身生产效率及影响因素的研究相对较少，大量的文献研究主要集中在对包括煤炭在内的整体能源与GDP之间的关系，以及能源使用效率变化情况的分析。为此，本文利用目前国外面板数据(Panel Data)的单位根与协整理论研究的最新成果，对影响我国各煤炭产区规模以上煤炭企业生产效率的主要因素进行定量分析，并进行区域比较。 二、模型设定与指标选取 (一)模型设定。考虑到本文的研究对象包括了我国各主要煤炭产区，我们采用同时包含截面数据与时间序列数据的面板数据(panel data)模型。参照Ellerman、Stoker、Berndt(2001，2005)，本文设定了影响我国分省区煤炭生产效率的模型为： lnYit=αi+βilnPit+γilnQit+εit i=1，…，N；t=1，…，T (1) 其中，i代表各煤炭生产省份，t代表年份，Yit为各省历年规模以上煤炭企业生产效率的指标，Pit和Qit为相应的价格和产量指标。βi反映了各省煤炭企业生产效率的价格弹性，γi反映了各省煤炭企业生产的规模效应，αi为表明各省不同开采条件的常数值。考虑到我国针对煤炭行业的相关重要政策法规多出台于上世纪90年代后期，发挥作用的时间较短，因此，在本文的研究中未包括政策效应因素。 令yit=lnYit，pit=lnPit，qit=lnQit，则模型(1)可表示为： yit=αi+βiPit+riqit+εit (2) (二)指标选取。在指标选取上，本文使用各省历年煤炭出厂价格指数用以反映煤炭价格Pit，用分省规模以上煤炭企业的历年煤炭产量表示Qit。在煤炭生产效率指标上，目前国外普遍使用人均单位时间的煤炭产量来表示Yit。从计量方法上看，由于人均单位时间的煤炭产量是通过总产量计算而来，而总产量同时作为解释变量出现在模型中，为保证计量结果的一致性，必须对煤炭产量的外生性作出严格假定(Ellerman、Stoker、Berndt，2005)。从美国的实际情况看，其国内煤炭行业的市场集中度较高，2004年最大的4家煤炭企业总产量已占全国总产量的45%，且美国的大型煤炭企业一般是通过3-5年的长期合同为下游企业生产，因此，基本可以作出这种产量外生性的假定。相比而言，目前，我国煤炭行业的市场集中度相对是比较低的，2004年最大的8家煤炭企业总产量也仅占全国产量的21%，而大型煤炭企业通过长期合同供货更是在近两年才开始试行。因此，煤炭产量外生性的假定很难成立。所以，本文使用历年可比价格煤炭行业人均工业增加值，作为衡量各省煤炭企业生产效率的指标。其计算公式为： 可比价格煤炭行业人均工业增加值=报告期人均煤炭工业增加值/报告期煤炭出厂价格指数 与人均产量相比，可比价格人均工业增加值同样可以反映一个行业的生产技术、经营管理水平与职工的生产效率。同时，由于它是以价值进行衡量的指标，也便于对不同煤炭产区的生产效率进行横向比较。美国劳动统计部门The Bu-reau of Labor Statistics (BLS)一直以来就是使用类似的人均价值指标测算美国煤炭行业的生产效率(Flynn，1999)。最重要的是，可比价格煤炭行业人均工业增加值是通过煤炭出厂价格指数计算得出。虽然煤炭出厂价格指数同样作为解释变量出现在模型中，但是考虑到我国煤炭生产的低集中度，对煤炭价格指数的外生性假定更符合我国的实际情况。 长期以来，我国的煤炭价格基本上实行计划价格体制，煤炭价格由国家统一制订。从1993年起，国家开始放开普通工业用煤与民用煤的价格。目前，除电力用煤仍实行限价外，我国煤炭价格已经全部放开。因此，本研究将考察区间设定为1993-2004年。考察对象为黑龙江、辽宁、河北、内蒙古、山西、陕西、河南、山东、安徽、湖南、四川(含重庆)、贵州与甘肃这13个我国最主要煤炭产区的规模以上煤炭企业。为统一口径，1993年各省区煤炭价格出厂指数均设为100，各省区历年煤炭企业工业人均增加值也全部折算为1990年不变价格，所使用样本数据取自历年中国统计年鉴、中国工业经济统计年鉴与各省统计年鉴。其中，在13个主要煤炭产区中，缺少内蒙古与河北两省区的历年煤炭出厂价格指数，以两省区的采掘业出厂价格指数替代，而1997年后缺少重庆煤炭出厂价格指数，统一以四川省数据替代。 三、面板单位根检验与协整 (一)面板单位根检验。如果面板数据是不平稳的，那么传统的最小二乘估计不仅是有偏差的，而且是无效的。这是由于变量的内生性及残差的自相关性所导致的结果。为此，首先需要对各变量进行面板单位根检验。本文使用Im、Pe-saran和Shin(2002)的W检验考察面板数据的平稳性。W检验的原理是，首先对每个个体序列分别进行ADF回归： △yi，t=αi+γiyi，t-1+∑bi，j△yi，t-j+εi，t (3) 原假设为：H0∶γ1=…=γN=γ=0；备择假设为：H1∶γ tit是对每个个体分别进行ADF回归获得的t统计量。 (4) 其中：tNT= ∑tit(pi)，为各截面单元序列ADF检验统计量的平均值。E[tiT(Pi，0)]，var[tiT(Pi，0)]分别为相应设定下ADF统计量的均值和方差，是Im、Pesaran与Shin根据Monte Carlo仿真计算获得的结果。
对我国13个煤炭主产区的煤炭生产效率(yit)、煤炭出厂价格(pit)与煤炭产量(qit)等数据分别进行面板单位根的W检验，由检验结果(下表1)可知，三个变量的面板数据水平值的 检验的p值均大于50%，而其一阶差分后 检验的p值均为0或接近于0，高度显著地拒绝原假设。故由W检验的结果可知，三个变量的面板数据均为非平稳的I(1)过程。 (二)面板协整的完全修正最小二乘估计(FMOLS)与动态最小二乘估计(DOLS)。在面板数据是不平稳的条件下，本文使用完全修正最小二乘法(FMOLS)与动态最小二乘法(DOLS)两种方法进行面板协整计算。 完全修正的最小二乘估计(FMOLS)由Philips和Hansen(1990)提出，在此基础上Pedroni(1995，1999)提出了两种基于FMOLS的面板协整方法，即组内面板协整方法与组间面板协整方法。Pedroni(1999)发现，相比较而言，组间面板FMOLS具有更好的小样本性质。为此，本文使用组间面板FMOLS进行面板协整估计，其计算原理如下： 对所有截面单元i，若{yit，xit}是I(1)过程，则对面板数据经济模型为： yit=αi+β′xit+υit i=1，…，N；t=1，…，T (5) xit=xi，t-1+εit，υit=γi，t+uit，γit=γi，t-1+θuit 其中，uit～i.i.dN(0，σ2u)。该模型可等价表示为： yit=αi+β′xit+θ∑uij+uit=αi+x′it+eit (6) 定义：wit={uit，ε′it}′，则wit的长期方差矩阵为： Ω=lim E(∑wit)(∑wit)=Σ+Γ+Γ′= (7) 其中：Γ=lim ∑ ∑ E(witw′i，t-k)= Σ=lim ∑E(witw′it)= 令Π=∑+Γ=，w21，2=w21-w12Ω-1w21， y+=yit-w12Ω-1εit 则FMOLS估计量为： βFM(X′iXi)-1(X′iy+-ekTδ+) (8) 其中，Xi=(lT，xi)为T×(k+1)向量，k为解释变量个数，即xi的维数，lT为元素全为1的1×k向量；ek=(0，lk)′，Ik为元素全为1的k×1向量；δ+=Π21-Π22Ω-1w21 Saikkonen(1991)，Stock和Watson(1993)最早在单方程研究中应用动态最小二乘法(DOLS)。Kao和Chiang(2000)将此方法引入面板数据研究。动态最小二乘法(DOLS)的原理为，假设原面板经济模型为： yit=αi+γ′xit+μit i=1，…，N t=1，…，T (9) 其中，Δxit=Vit，且μit与Δxit的超前Pi项与滞后Pi项相关，即 μit=∑δ′i，svi，t-s+uit=∑δ′i，sΔxi，t-s+uit=δ′izit+uit(10) 则原方程可写为： yit=αi+γ′xit+δ′izit+uit (11) 对其取平均得： ∑yit=αi+γ′ ∑xit+δ′i ∑zit+ ∑uit (12) (11)式减(12)式得： yit=γ′xit+δ′izit+uit (13) 为进行模型估计，设qit为2k(1+∑i=1Pi)维向量，其中，前k维元素为xit，自k×[1+∑j=1(2pj+1)]+1到k×[1+∑ij=1(2pj+1)]为zit，其余元素为0。 此时，原式可改为：yit=β′qit+uit (14) β的面板动态最小二乘估计值为： βdols=[∑∑qitq′it]-1[∑∑qity′it](15) 为研究我国主要煤炭产区煤炭企业生产效率与煤炭产量和价格之间的总体关系，首先进行同质面板的FMOLS和DOLS面板协整检验，即假定所有横截面具有相同的系数β与γ，计算结果如下表2： 结果显示，所有系数的统计量均显著，tNT值也拒绝了不存在协整关系的零假设。两种计算结果表明，煤炭的价格与煤炭产量均是促进我国煤炭企业生产效率提高的因素，其中，价格对提高煤炭生产效率的影响更大，这与目前国外实证研究的结论不同。 Kao与Chiang(2000)的计算结果显示，在小样本、异质面板情况下，FMOLS方法由于使用两步非参数修正，可能会造成统计量的严重偏离。相比之下，异质面板的DOLS协整估计量具有更好的统计性质。Mark与Sul(2003)的研究也表明，在样本数据存在一定程度横截面相关的条件下，异质面板的DOLS协整估计量仍具有较好的小样本性质。因此，下面我们使用异质面板的DOLS协整检验，进一步分析13个主要煤炭产区各自煤炭企业生产效率的价格效应与规模效应，计算结果如下表3： 计算结果表明，在13个主要煤炭产区中，煤炭产量最高的7个省区价格弹性全部为正，其中煤炭产量最高的山西、内蒙古与山东，其生产效率的价格弹性也最高，分别是1.3515、2.6275与2.4500。随着煤炭产量的降低，各省区的价格弹性也开始逐渐变小，除安徽0.6685外，河南、贵州与陕西的价格弹性均在0.4以下。最后，除湖南外，表3中5个煤炭产量最低省区生产效率的价格弹性全部为负，其中辽宁与黑龙江的β值最低，分别只有-3.7750与-1.9190。而规模效应值显示，除山西、内蒙古与山东3省区外，其他省区的煤炭企业均存在显著的规模效应。 按照Smith(2004)等的研究结论，在煤炭价格上涨的刺激下，煤炭企业为求利润会雇佣大量的新工人，并扩大开采规模以增加产量，其开采的对象包括一些边缘地区甚至是以前被废弃的煤矿，技术不熟练加之开采难度的增加，会导致整体煤炭生产效率的下降。与国外的情况不同，我国煤炭价格长期以来由国家统一制定。为保证市场稳定，国家一直采用煤炭低价政策，这使得我国煤炭企业普遍积累率不足，赢利水平低，发展受到严重制约。自1993年后，随着国家逐步放开煤炭价格，煤炭价格出现了恢复性上涨。价格上涨使煤炭企业有能力通过增加投入，采用新技术、新装备进行生产，提高煤炭生产效率。计量结果表明，我国的煤炭价格上涨，在整体上对煤炭生产效率的促进作用，超过了由于企业扩大开采规模导致开采难度增加所产生的负面影响，提高了煤炭行业的生产效率。通过对分省煤炭生产价格效应的计算，我们发现，在煤炭资源储备比较丰富、煤炭开采难度相对较小的地区，如山西、内蒙古、安徽等省区，价格上涨对当地煤炭企业生产效率的拉动作用最为明显。而在那些经过多年开采后煤炭储备水平较低，开采难度较大的地区，煤炭价格上涨对当地煤炭企业生产效率的拉动效应则相对较小，部分地区价格效应甚至为负。这说明煤炭价格上涨对煤炭企业生产效率的拉动作用，会随着开采难度的上升被逐步抵消。 在我国13个主要煤炭产区中，绝大部分地区煤炭企业都呈现出一定的规模效应，规模效应为负的只有山西、内蒙古与山东3省区，分别为-0.2658、 -1.0192与-0.9409。我们初步认为，造成以上3个地区规模效应为负的主要原因，可能与本文所使用的煤炭生产效率指标及我国的煤炭价格体制有关。自1993年煤炭价格改革以来，国家虽然已经放开了普通工业用煤与民用煤的价格，但对电力用煤仍然实行政府指导价，因此，我国的煤炭实际上实行的是“双轨制”的价格体制，而在大多数年份下，电煤价格都要低于市场煤价格。山西、内蒙古与山东不仅是我国煤炭产量最高的3省区，同时也是电煤输出大省与电力生产大省。以2002年为例，3省区的煤炭外运量分别为2.15亿吨、0.41亿吨与0.38亿吨，其中，相当部分为电煤，再加上本地电力企业消耗，较低的电煤价格对当地煤炭行业人均工业增加值必然带来一定程度的负面影响。而我们现在使用的煤炭出厂价格指数，实际上是对两套煤炭价格用综合法折算出来的，并不反映电煤与市场煤之间的价格差异。因此，对煤炭工业增加值使用价格指数进行平减，不能完全消除价格双轨制给电煤生产大省所带来的负面效应，受同样原因影响，其他几个电力生产与电煤输出大省，如安徽、河南、陕西等规模效应值相对也较低。但由于缺少相关具体数据，目前尚无法进行更准确的分析。
四、结论 通过对影响我国煤炭生产效率因素的面板协整分析，我们得出以下主要结论： 1.与国外学者已有研究结论不同，从总体上来看，目前我国煤炭价格的上涨带动了煤炭行业的生产效率，分省数据的研究进一步表明，煤炭价格上涨对煤炭生产效率的拉动效应主要集中在一些煤炭产量较大、煤炭储量丰富且易于开采的省区，如山西、内蒙古、山东、安徽、陕西等。对其他一些煤炭产量相对较小且储量不足的省份来说，煤炭价格上涨对生产效率的正面影响就逐渐减小。对那些资源已近枯竭，开采难度较大的地区，甚至可能出现负的价格弹性指数。这说明煤炭价格波动对煤炭生产效率的影响结果并不是唯一的，必须将价格波动与一个地区的煤炭资源储备以及当地整体煤炭开采难度等因素相结合，才能综合判断煤炭价格波动对煤炭生产效率所带来的影响。 2.规模效应也是促进我国煤炭生产效率的重要因素。对我国大部分煤炭产区而言，产量的增加都在不同程度上提高了煤炭企业的生产效率。而产量最大的山西、内蒙古与山东的规模效应之所以为负数，则可能是由于目前我国特殊的煤炭价格体制所造成。 今后，随着国家逐步取消对电煤价格的干预措施，煤炭价格全面与市场接轨，我国整体煤炭价格可能会进一步走高。而煤炭行业大公司、大集团战略的实施，又将催生一批大型、特大型的煤炭企业。而价格效应与规模效应对煤炭生产效率的影响又会如何，还需要我们做进一步的跟踪研究。 参考文献： [1]Joe G. Baker. (1981)Sources of Deep Coal Mine Pro-ductivity Change，1962-1975The Energy Journal，Volume 2，PP.95-106. [2]Brown，C. and J，Medoff. 1978，Trade Unions in the Production Process，Journal of Political Economy，Vol.86，num-ber 4，pp. 355-378. [3]Jeremy Smith.Productivity Trends in the Coal Mining Industry in Canada，CSLS Research Report 2004，(7). [4]Darmstadter，Joel. 1999，Innovation and Productivity in U.S. Coal Mining，in R. David Simpson ed.，Productivity in Natural Resource Industries： Improvement through Innovation，(Washington，D.C： Resources for the Future)，pp. 35-72. [5]Kuby，M. and Xie，Z. 2001，The effect of restructuring on US coal mining labor productivity，1980-1995，Energy，Vol. 26，pp. 1015-1030. [6]Ellerman，Danny.Thomas，M. Stoker and Ernst R. Berndt，2001，Sources of Productivity Growth in the American Coal Industry： 1972，95，in Charles R. Hulten，Edwin R. Dean and Michael J. Harper eds.，New Developments in Productivity Analysis，(Chicago and London： University of Chicago Press). [7]Ellerman，Danny.Thomas，M. Stoker and Ernst R. Berndt，2005，Panel data analysis of U.S. coal Productivity，Journal of Econometrics，Vol. 127，pp. 131-164. [8]Boyd，Gale A，1987，Factor Intensity and Site Geology as Determinants of Returns to Scale in Coal Mining.The Review of Economics and Statistics，Vol.69，number 1 (February)，pp. 18-23. [责任编辑：陈 瑾] “本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
[摘 要] 本文利用我国13个主要煤炭产区1993-2004年的横截面数据，建立了煤炭生产效率的面板数据模型，通过面板单位根检验与面板协整的FMOLS与DOLS估计，研究了影响我国煤炭生产效率的主要因素。计算结果表明：规模效应与价格效应在总体上推动了我国煤炭生产效率的进步，其中价格效应对煤炭生产效率的推动作用，随煤炭开采难度的增加而逐步降低。但在煤炭价格双轨制条件下，由于电煤价格低于市场煤价格，对主要电煤输出省份煤炭生产的规模效应也带来一定程度的负面影响。 [关键词] 煤炭行业；生产效率；面板单位根；面板协整 [中图分类号] F407.21 [文献标识码] A [文章编号] 1006-5024(2008)10-0113-04 [基金项目] 国家自然科学基金项目“衰退矿区优势要素向西部能源富集地转移研究”(批准号：90510010) [作者简介] 赵梦楠，南京航空航天大学经济与管理学院博士生，研究方向为能源经济学； 周德群，南京航空航天大学经济与管理学院副院长、教授，博士生导师，研究方向为能源系统工程、管理科学与工程。 (江苏 南京 210016) 一、引言 煤炭工业是我国国民经济的重要基础产业之一。目前，煤炭作为我国最主要的能源，在一次能源消费中所占的比重达到70%以上。自新中国成立以来，我国的煤炭产量在总体上保持着7.2%的增长率，目前产量已稳居世界第一位。与此同时，我国的煤炭生产效率也一直保持着稳定增长，从1952年的0.661吨/工，到2004年的5.04吨/工，年均增长率达3.8%(见下图)。 2002年起，我国能源消耗的增长速度已连续4年超过GDP的增长速度，2002年与2003年能源消耗的增速分别为14.5%与13.5%。按经济增长与能源消耗8∶5的比率计算，仅这两年时间即消耗了我国5年的能源供应。而在今后的一段时间内，伴随着我国的工业化与城镇化进程加快，对能源的需求还会持续增长，这必将给我国的煤炭生产带来巨大压力。因此，提高煤炭生产效率，充分利用我国煤炭资源，已成为煤炭行业可持续发展的重大问题。而目前我国涉及煤炭行业自身生产效率及影响因素的研究相对较少，大量的文献研究主要集中在对包括煤炭在内的整体能源与GDP之间的关系，以及能源使用效率变化情况的分析。为此，本文利用目前国外面板数据(Panel Data)的单位根与协整理论研究的最新成果，对影响我国各煤炭产区规模以上煤炭企业生产效率的主要因素进行定量分析，并进行区域比较。 二、模型设定与指标选取 (一)模型设定。考虑到本文的研究对象包括了我国各主要煤炭产区，我们采用同时包含截面数据与时间序列数据的面板数据(panel data)模型。参照Ellerman、Stoker、Berndt(2001，2005)，本文设定了影响我国分省区煤炭生产效率的模型为： lnYit=αi+βilnPit+γilnQit+εit i=1，…，N；t=1，…，T (1) 其中，i代表各煤炭生产省份，t代表年份，Yit为各省历年规模以上煤炭企业生产效率的指标，Pit和Qit为相应的价格和产量指标。βi反映了各省煤炭企业生产效率的价格弹性，γi反映了各省煤炭企业生产的规模效应，αi为表明各省不同开采条件的常数值。考虑到我国针对煤炭行业的相关重要政策法规多出台于上世纪90年代后期，发挥作用的时间较短，因此，在本文的研究中未包括政策效应因素。 令yit=lnYit，pit=lnPit，qit=lnQit，则模型(1)可表示为： yit=αi+βiPit+riqit+εit (2) (二)指标选取。在指标选取上，本文使用各省历年煤炭出厂价格指数用以反映煤炭价格Pit，用分省规模以上煤炭企业的历年煤炭产量表示Qit。在煤炭生产效率指标上，目前国外普遍使用人均单位时间的煤炭产量来表示Yit。从计量方法上看，由于人均单位时间的煤炭产量是通过总产量计算而来，而总产量同时作为解释变量出现在模型中，为保证计量结果的一致性，必须对煤炭产量的外生性作出严格假定(Ellerman、Stoker、Berndt，2005)。从美国的实际情况看，其国内煤炭行业的市场集中度较高，2004年最大的4家煤炭企业总产量已占全国总产量的45%，且美国的大型煤炭企业一般是通过3-5年的长期合同为下游企业生产，因此，基本可以作出这种产量外生性的假定。相比而言，目前，我国煤炭行业的市场集中度相对是比较低的，2004年最大的8家煤炭企业总产量也仅占全国产量的21%，而大型煤炭企业通过长期合同供货更是在近两年才开始试行。因此，煤炭产量外生性的假定很难成立。所以，本文使用历年可比价格煤炭行业人均工业增加值，作为衡量各省煤炭企业生产效率的指标。其计算公式为： 可比价格煤炭行业人均工业增加值=报告期人均煤炭工业增加值/报告期煤炭出厂价格指数 与人均产量相比，可比价格人均工业增加值同样可以反映一个行业的生产技术、经营管理水平与职工的生产效率。同时，由于它是以价值进行衡量的指标，也便于对不同煤炭产区的生产效率进行横向比较。美国劳动统计部门The Bu-reau of Labor Statistics (BLS)一直以来就是使用类似的人均价值指标测算美国煤炭行业的生产效率(Flynn，1999)。最重要的是，可比价格煤炭行业人均工业增加值是通过煤炭出厂价格指数计算得出。虽然煤炭出厂价格指数同样作为解释变量出现在模型中，但是考虑到我国煤炭生产的低集中度，对煤炭价格指数的外生性假定更符合我国的实际情况。 长期以来，我国的煤炭价格基本上实行计划价格体制，煤炭价格由国家统一制订。从1993年起，国家开始放开普通工业用煤与民用煤的价格。目前，除电力用煤仍实行限价外，我国煤炭价格已经全部放开。因此，本研究将考察区间设定为1993-2004年。考察对象为黑龙江、辽宁、河北、内蒙古、山西、陕西、河南、山东、安徽、湖南、四川(含重庆)、贵州与甘肃这13个我国最主要煤炭产区的规模以上煤炭企业。为统一口径，1993年各省区煤炭价格出厂指数均设为100，各省区历年煤炭企业工业人均增加值也全部折算为1990年不变价格，所使用样本数据取自历年中国统计年鉴、中国工业经济统计年鉴与各省统计年鉴。其中，在13个主要煤炭产区中，缺少内蒙古与河北两省区的历年煤炭出厂价格指数，以两省区的采掘业出厂价格指数替代，而1997年后缺少重庆煤炭出厂价格指数，统一以四川省数据替代。 三、面板单位根检验与协整 (一)面板单位根检验。如果面板数据是不平稳的，那么传统的最小二乘估计不仅是有偏差的，而且是无效的。这是由于变量的内生性及残差的自相关性所导致的结果。为此，首先需要对各变量进行面板单位根检验。本文使用Im、Pe-saran和Shin(2002)的W检验考察面板数据的平稳性。W检验的原理是，首先对每个个体序列分别进行ADF回归： △yi，t=αi+γiyi，t-1+∑bi，j△yi，t-j+εi，t (3) 原假设为：H0∶γ1=…=γN=γ=0；备择假设为：H1∶γ tit是对每个个体分别进行ADF回归获得的t统计量。 (4) 其中：tNT= ∑tit(pi)，为各截面单元序列ADF检验统计量的平均值。E[tiT(Pi，0)]，var[tiT(Pi，0)]分别为相应设定下ADF统计量的均值和方差，是Im、Pesaran与Shin根据Monte Carlo仿真计算获得的结果。
对我国13个煤炭主产区的煤炭生产效率(yit)、煤炭出厂价格(pit)与煤炭产量(qit)等数据分别进行面板单位根的W检验，由检验结果(下表1)可知，三个变量的面板数据水平值的 检验的p值均大于50%，而其一阶差分后 检验的p值均为0或接近于0，高度显著地拒绝原假设。故由W检验的结果可知，三个变量的面板数据均为非平稳的I(1)过程。 (二)面板协整的完全修正最小二乘估计(FMOLS)与动态最小二乘估计(DOLS)。在面板数据是不平稳的条件下，本文使用完全修正最小二乘法(FMOLS)与动态最小二乘法(DOLS)两种方法进行面板协整计算。 完全修正的最小二乘估计(FMOLS)由Philips和Hansen(1990)提出，在此基础上Pedroni(1995，1999)提出了两种基于FMOLS的面板协整方法，即组内面板协整方法与组间面板协整方法。Pedroni(1999)发现，相比较而言，组间面板FMOLS具有更好的小样本性质。为此，本文使用组间面板FMOLS进行面板协整估计，其计算原理如下： 对所有截面单元i，若{yit，xit}是I(1)过程，则对面板数据经济模型为： yit=αi+β′xit+υit i=1，…，N；t=1，…，T (5) xit=xi，t-1+εit，υit=γi，t+uit，γit=γi，t-1+θuit 其中，uit～i.i.dN(0，σ2u)。该模型可等价表示为： yit=αi+β′xit+θ∑uij+uit=αi+x′it+eit (6) 定义：wit={uit，ε′it}′，则wit的长期方差矩阵为： Ω=lim E(∑wit)(∑wit)=Σ+Γ+Γ′= (7) 其中：Γ=lim ∑ ∑ E(witw′i，t-k)= Σ=lim ∑E(witw′it)= 令Π=∑+Γ=，w21，2=w21-w12Ω-1w21， y+=yit-w12Ω-1εit 则FMOLS估计量为： βFM(X′iXi)-1(X′iy+-ekTδ+) (8) 其中，Xi=(lT，xi)为T×(k+1)向量，k为解释变量个数，即xi的维数，lT为元素全为1的1×k向量；ek=(0，lk)′，Ik为元素全为1的k×1向量；δ+=Π21-Π22Ω-1w21 Saikkonen(1991)，Stock和Watson(1993)最早在单方程研究中应用动态最小二乘法(DOLS)。Kao和Chiang(2000)将此方法引入面板数据研究。动态最小二乘法(DOLS)的原理为，假设原面板经济模型为： yit=αi+γ′xit+μit i=1，…，N t=1，…，T (9) 其中，Δxit=Vit，且μit与Δxit的超前Pi项与滞后Pi项相关，即 μit=∑δ′i，svi，t-s+uit=∑δ′i，sΔxi，t-s+uit=δ′izit+uit(10) 则原方程可写为： yit=αi+γ′xit+δ′izit+uit (11) 对其取平均得： ∑yit=αi+γ′ ∑xit+δ′i ∑zit+ ∑uit (12) (11)式减(12)式得： yit=γ′xit+δ′izit+uit (13) 为进行模型估计，设qit为2k(1+∑i=1Pi)维向量，其中，前k维元素为xit，自k×[1+∑j=1(2pj+1)]+1到k×[1+∑ij=1(2pj+1)]为zit，其余元素为0。 此时，原式可改为：yit=β′qit+uit (14) β的面板动态最小二乘估计值为： βdols=[∑∑qitq′it]-1[∑∑qity′it](15) 为研究我国主要煤炭产区煤炭企业生产效率与煤炭产量和价格之间的总体关系，首先进行同质面板的FMOLS和DOLS面板协整检验，即假定所有横截面具有相同的系数β与γ，计算结果如下表2： 结果显示，所有系数的统计量均显著，tNT值也拒绝了不存在协整关系的零假设。两种计算结果表明，煤炭的价格与煤炭产量均是促进我国煤炭企业生产效率提高的因素，其中，价格对提高煤炭生产效率的影响更大，这与目前国外实证研究的结论不同。 Kao与Chiang(2000)的计算结果显示，在小样本、异质面板情况下，FMOLS方法由于使用两步非参数修正，可能会造成统计量的严重偏离。相比之下，异质面板的DOLS协整估计量具有更好的统计性质。Mark与Sul(2003)的研究也表明，在样本数据存在一定程度横截面相关的条件下，异质面板的DOLS协整估计量仍具有较好的小样本性质。因此，下面我们使用异质面板的DOLS协整检验，进一步分析13个主要煤炭产区各自煤炭企业生产效率的价格效应与规模效应，计算结果如下表3： 计算结果表明，在13个主要煤炭产区中，煤炭产量最高的7个省区价格弹性全部为正，其中煤炭产量最高的山西、内蒙古与山东，其生产效率的价格弹性也最高，分别是1.3515、2.6275与2.4500。随着煤炭产量的降低，各省区的价格弹性也开始逐渐变小，除安徽0.6685外，河南、贵州与陕西的价格弹性均在0.4以下。最后，除湖南外，表3中5个煤炭产量最低省区生产效率的价格弹性全部为负，其中辽宁与黑龙江的β值最低，分别只有-3.7750与-1.9190。而规模效应值显示，除山西、内蒙古与山东3省区外，其他省区的煤炭企业均存在显著的规模效应。 按照Smith(2004)等的研究结论，在煤炭价格上涨的刺激下，煤炭企业为求利润会雇佣大量的新工人，并扩大开采规模以增加产量，其开采的对象包括一些边缘地区甚至是以前被废弃的煤矿，技术不熟练加之开采难度的增加，会导致整体煤炭生产效率的下降。与国外的情况不同，我国煤炭价格长期以来由国家统一制定。为保证市场稳定，国家一直采用煤炭低价政策，这使得我国煤炭企业普遍积累率不足，赢利水平低，发展受到严重制约。自1993年后，随着国家逐步放开煤炭价格，煤炭价格出现了恢复性上涨。价格上涨使煤炭企业有能力通过增加投入，采用新技术、新装备进行生产，提高煤炭生产效率。计量结果表明，我国的煤炭价格上涨，在整体上对煤炭生产效率的促进作用，超过了由于企业扩大开采规模导致开采难度增加所产生的负面影响，提高了煤炭行业的生产效率。通过对分省煤炭生产价格效应的计算，我们发现，在煤炭资源储备比较丰富、煤炭开采难度相对较小的地区，如山西、内蒙古、安徽等省区，价格上涨对当地煤炭企业生产效率的拉动作用最为明显。而在那些经过多年开采后煤炭储备水平较低，开采难度较大的地区，煤炭价格上涨对当地煤炭企业生产效率的拉动效应则相对较小，部分地区价格效应甚至为负。这说明煤炭价格上涨对煤炭企业生产效率的拉动作用，会随着开采难度的上升被逐步抵消。 在我国13个主要煤炭产区中，绝大部分地区煤炭企业都呈现出一定的规模效应，规模效应为负的只有山西、内蒙古与山东3省区，分别为-0.2658、 -1.0192与-0.9409。我们初步认为，造成以上3个地区规模效应为负的主要原因，可能与本文所使用的煤炭生产效率指标及我国的煤炭价格体制有关。自1993年煤炭价格改革以来，国家虽然已经放开了普通工业用煤与民用煤的价格，但对电力用煤仍然实行政府指导价，因此，我国的煤炭实际上实行的是“双轨制”的价格体制，而在大多数年份下，电煤价格都要低于市场煤价格。山西、内蒙古与山东不仅是我国煤炭产量最高的3省区，同时也是电煤输出大省与电力生产大省。以2002年为例，3省区的煤炭外运量分别为2.15亿吨、0.41亿吨与0.38亿吨，其中，相当部分为电煤，再加上本地电力企业消耗，较低的电煤价格对当地煤炭行业人均工业增加值必然带来一定程度的负面影响。而我们现在使用的煤炭出厂价格指数，实际上是对两套煤炭价格用综合法折算出来的，并不反映电煤与市场煤之间的价格差异。因此，对煤炭工业增加值使用价格指数进行平减，不能完全消除价格双轨制给电煤生产大省所带来的负面效应，受同样原因影响，其他几个电力生产与电煤输出大省，如安徽、河南、陕西等规模效应值相对也较低。但由于缺少相关具体数据，目前尚无法进行更准确的分析。
四、结论 通过对影响我国煤炭生产效率因素的面板协整分析，我们得出以下主要结论： 1.与国外学者已有研究结论不同，从总体上来看，目前我国煤炭价格的上涨带动了煤炭行业的生产效率，分省数据的研究进一步表明，煤炭价格上涨对煤炭生产效率的拉动效应主要集中在一些煤炭产量较大、煤炭储量丰富且易于开采的省区，如山西、内蒙古、山东、安徽、陕西等。对其他一些煤炭产量相对较小且储量不足的省份来说，煤炭价格上涨对生产效率的正面影响就逐渐减小。对那些资源已近枯竭，开采难度较大的地区，甚至可能出现负的价格弹性指数。这说明煤炭价格波动对煤炭生产效率的影响结果并不是唯一的，必须将价格波动与一个地区的煤炭资源储备以及当地整体煤炭开采难度等因素相结合，才能综合判断煤炭价格波动对煤炭生产效率所带来的影响。 2.规模效应也是促进我国煤炭生产效率的重要因素。对我国大部分煤炭产区而言，产量的增加都在不同程度上提高了煤炭企业的生产效率。而产量最大的山西、内蒙古与山东的规模效应之所以为负数，则可能是由于目前我国特殊的煤炭价格体制所造成。 今后，随着国家逐步取消对电煤价格的干预措施，煤炭价格全面与市场接轨，我国整体煤炭价格可能会进一步走高。而煤炭行业大公司、大集团战略的实施，又将催生一批大型、特大型的煤炭企业。而价格效应与规模效应对煤炭生产效率的影响又会如何，还需要我们做进一步的跟踪研究。 参考文献： [1]Joe G. Baker. (1981)Sources of Deep Coal Mine Pro-ductivity Change，1962-1975The Energy Journal，Volume 2，PP.95-106. [2]Brown，C. and J，Medoff. 1978，Trade Unions in the Production Process，Journal of Political Economy，Vol.86，num-ber 4，pp. 355-378. [3]Jeremy Smith.Productivity Trends in the Coal Mining Industry in Canada，CSLS Research Report 2004，(7). [4]Darmstadter，Joel. 1999，Innovation and Productivity in U.S. Coal Mining，in R. David Simpson ed.，Productivity in Natural Resource Industries： Improvement through Innovation，(Washington，D.C： Resources for the Future)，pp. 35-72. [5]Kuby，M. and Xie，Z. 2001，The effect of restructuring on US coal mining labor productivity，1980-1995，Energy，Vol. 26，pp. 1015-1030. [6]Ellerman，Danny.Thomas，M. Stoker and Ernst R. Berndt，2001，Sources of Productivity Growth in the American Coal Industry： 1972，95，in Charles R. Hulten，Edwin R. Dean and Michael J. Harper eds.，New Developments in Productivity Analysis，(Chicago and London： University of Chicago Press). [7]Ellerman，Danny.Thomas，M. Stoker and Ernst R. Berndt，2005，Panel data analysis of U.S. coal Productivity，Journal of Econometrics，Vol. 127，pp. 131-164. [8]Boyd，Gale A，1987，Factor Intensity and Site Geology as Determinants of Returns to Scale in Coal Mining.The Review of Economics and Statistics，Vol.69，number 1 (February)，pp. 18-23. [责任编辑：陈 瑾] “本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”