能源密集產業電力效率提升與電力節約之反彈 效果測定

1. 緒　　論

在全球節能減碳趨勢下，國際間均致力 於提高能源效率以達能源節約目標，且相關文 獻(如WEC, 2010；Keay, 2011；Zhang and Lin, 2017；Lane and Mayer, 2018；DOE, 2019)均指 出，改善能源效率為達到此目的之最具成本效 益性方式。一般衡量能源效率時，普遍以能源 密集度為代理變數(Adetutu et al., 2016；Llorca

and Jamas, 2017；楊晴雯，2012)，惟此項變 數在運用和解釋能源效率變化時有較多爭議 (Filippini and Hunt, 2011；柏雲昌等，2010)，

並非評估能源效率之最適方式，因此學界提出 能源消費邊界函數，經由明確地控制收入和價 格效果、國家特徵、氣候變化效果，或其他影 響能源消費之外在共同因素等，以衡量出「潛 在的能源效率」。其次，因採取節能措施後，

能源用戶可能因為能源效率提升，導致其所面

Volume 6, No. 4, December 2019, pp. 369-388

能源密集產業電力效率提升與電力節約之反彈 效果測定

塗千慧

¹

　鄭睿合

^2*

　梁啟源

³

　林杏秋

⁴

　林華偉

⁵

摘　要

估計反彈效果以便正確顯現各項能源政策工具對能源效率影響程度至關重要。過往國內文獻大 多論及電價調整對整體經濟或各產業之節電影響，並未探討電價變動後對於電力效率提升與電力節 約之反彈效果，故本文運用我國1982-2017年六大能源密集產業之電力消費量與相關影響變數，採 效率彈性估算法與隨機邊界分析法，研析我國能源密集產業電力效率提升與電力節約之反彈效果。

研究結果顯示：(1)能源密集產業之工業生產指數提高將增加電力消費量，勞動投入增加亦對電力 消費產生正向影響，而調漲電價則會抑低電力消費量。(2)我國能源密集產業於1982-2017年平均電 力使用效率水準為0.81，顯示在產出、資本、勞動、中間投入、電價、產業結構成長率等因素不變 下，臺灣能源密集產業電力使用效率仍有19%的改善空間。(3)短期電力效率反彈效果為2.44%，長 期則為-3.56%，表示節電措施欲達到預期節能目標，須加大其力道。本文建議在未來國際能源價格 循環波動下，政府宜堅守浮動電價調整機制，合理反映其內部及外部成本，引導產業提升電力使用 效率，並為促進能源密集產業達到能源轉型目標，宜持續鼓勵業者採用高能源效率設備，以及透過 能源節約輔導、規管或獎勵機制等，強化能源需求面管理措施，同時採教育和宣導方式增加人員之 節能意識，以及導入能源管理師或節能服務團隊，強化能源管理事務，藉以減緩電力消費增量。

關鍵詞：能源效率，反彈效果，隨機邊界分析法，效率彈性估算法

收到日期: 2019年08月26日 修正日期: 2019年11月05日 接受日期: 2019年11月15日

1 中華經濟研究院第三研究所 高級專案管理師

2 中華經濟研究院第三研究所 分析師

3 中央大學管理 講座教授暨中華經濟研究院 諮詢委員

4 工業技術研究院綠能與環境研究所 資深管理師

5 工業技術研究院綠能與環境研究所 副研究員

*通訊作者電話: 02-2735-6006#6232, E-mail: [email protected]

對之單位能源使用成本降低，進而增加能源消 費量(價格效果)，以及能源效率改善後，產生 外溢效果帶動經濟成長，使得能源耗用量反而 上揚(所得效果)，亦即推行能源效率措施後，

因價格效果和所得效果影響而發生反彈效果 (rebound effect)，可能產生實際節能量小於預期 節能目標，將顯著影響政府施政成效，故有效 衡量反彈效果是能源經濟學中一個重要的研究 課題。

行政院於2017年4月修正核定「能源發展 綱領」，據以推動我國能源轉型，其中，提升 能源使用效率為邁向節能社會之重要措施，希 冀透過各項計畫，帶動國內民生部門、服務業 部門、工業部門、運輸部門、建築部門等之能 源效率，逐步降低能源耗用、調整能源消費結 構，且經濟部能源局長期以來亦投入資源於更 換發光二極體(LED)照明燈具、補助購置或汰 換動力與公用設備、節能家電、廢熱與廢冷回 收技術等相關能源節約或提升能源效率之措施 (經濟部，2019)，惟若政府所推動之節能政策 存在反彈效果，即表示採行該項能源政策所產 生之實際能源節約量低於預期能源節約量，將 產生政府執行該政策時未能達成效果之疑慮，

故應審慎規劃適宜目標，或考慮提高施政力 度，以避免錯估能源效率提升或節能實績。

有鑑於我國工業部門之電力消費量占全國 電力消費量比重甚高，透過政策工具促進工業 部門能源效率，對整體能源效率變化將有顯著 影響，特別是工業部門中之能源密集產業¹，若 以能源消費量除以實質國內生產毛額之值(即 一般定義之能源密集度)來觀察能源效率趨勢 變化，其自2000年之32.39公升油當量/千元，

提升為2017年之16.62公升油當量/千元，年均 成長率為-3.85%，並且在能源轉型白皮書中進 一步設定能源密集產業之能源密集度提升目 標，以帶動整體能源節約成效(經濟部能源局，

2018)。惟影響能源密集度的因素眾多，以能 源密集度來衡量效率時不易確知其背後改善成 因，加上國內過往尚無文獻研析工業部門能源 效率之反彈效果，不利於主管當局確切衡量工 業部門能源效率變化，以及各項節能補助政策 之力道及預期成效。

因此，本文聚焦於衡量國內六大能源密集 產業之電力使用效率與電力節約之反彈效果及 相關影響因素，以利未來政府在施行工業部門 節能措施時之決策參考依據。此外，在資料來 源及研究方法方面，係運用我國1982-2017年 各能源密集產業之電力消費量與相關變數，並 採效率彈性估算法與隨機邊界分析法(stochastic frontier approach, SFA)，研析我國各能源密集產 業電力使用效率水準與電力節約行為之反彈效 果，透過嚴謹理論方法和數據，估計完成我國 能源密集產業之電力效率與反彈效果。

2. 文獻回顧

電力效率提升與電力節約之反彈效果概 念最早來自Jevons (1865)，他認為能源效率提 高常伴隨技術進步與經濟成長，進而可能增加 能源消費量，此部分可稱為所得效果或成長效 果；另一方面，能源效率提升使得能源使用成 本降低，亦將刺激能源需求，此稱為價格效 果，在兩者的共同作用下將導致能源消費增 加，進而與原先設定的提高能源效率以達成能 源節約的目標背道而馳，從而產生反彈效果，

形成Jevons Paradox (Jevons悖論)，其後，則 有Brookes (1978)、Khazzoom (1980；1987)和 Saunders (1992)等將此一概念據以推展和應用 (Zhang and Lin, 2017)。

分析反彈效果之方法主要可分為以投入 產出模式和以計量模式為基礎(Jin and Kim, 2019a)²。前者包含運用可計算一般均衡模型

1 其中，本文分析之能源密集產業主要係參考經濟部能源局能源查核之六大重要產業，包括能源局定義的紡織成衣 及服飾業、造紙紙製品及印刷出版業、化學及塑膠業、非金屬礦物製品製造業、基本金屬製造業以及能源耗用量 大之電子及電力機械器材業，此六業別共占我國整體產業三分之二以上的電力使用量。

2 依Jin and Kim (2019a)，分析反彈效果的代表性方法主要有一般均衡模型、時間序列和縱斷面分析、邊界分析、投

(computable general equilibrium model, CGE)，

基於較為複雜和精細的假設(例如各要素間之 代替彈性)，並考量產業間或國與國間之相互 關聯，計算當能源效率提升後，可用較少的能 源生產要素來提供產品或服務、減少對能源部 門之需要，且生產成本降低有助於增進經濟成 長，進而增加能源投入需要，據此計算潛在的 反彈效果(Sorrell, 2007；Koesler et al., 2016；

Lu et al., 2017)；後者則包括時間序列及縱斷面 分析、邊界分析等，大多藉由建立計量模型，

納入可能影響能源消費量和能源效率之變數(例 如資本或勞動等生產要素，以及能源價格、實 質國內生產毛額)，估計特定部門因能源效率提 升後所可能之反彈效果，及影響反彈效果之因 素與程度，其特點在於假設簡單(相較CGE模 型)，且各項係數為內生估計而定，較屬於部分 均衡概念(De Borger et al., 2016；Gillingham et

al., 2016；Zhang and Lin, 2017)。由於本文主要

研析近年我國能源密集產業之電力效率提升幅 度和是否存在電力節約之反彈效果，並未進一 步探討能源密集產業與其他部門間之關聯，係 由個體層面直接估算反彈效果，因此在文獻回 顧上，將彙整運用相關資料建立計量模型，據 以衡量工業部門之能源效率與反彈效果。

此 外 ， 過 往 文 獻 中 進 行 效 率 議 題 分 析 時 之 方 法 學 ， 主 要 有 資 料 包 絡 分 析 法(data envelopment analysis, DEA)及隨機邊界分析法 (Jin and Kim, 2019b)。其中因資料包絡分析法 屬無參數邊界法(nonparametric frontier)，係以 線性規劃(mathematical programming)方式求算 邊界，優點在於不須預先設定函數型式與估計 參數，即可同時處理多產出與多投入的效率評 估問題，但忽略資料會受隨機干擾項以及離 群值(outlier)影響，且為一種相對性的評估模 式，在個體資料蒐集上也有其一定限制。其

次，隨機邊界分析法係利用計量經濟法，須事 先預設生產(成本)函數形式³ 及函數誤差項分配 等若干假設，並進行統計檢定，接著再估算效 率值，且衡量的效率為絕對技術效率值，另因 隨機邊界分析法最大特色在於其組合性誤差項 (composite error term)，可處理外在環境中的不 確定性因素，並將各決策單位無效率值區分為 技術無效率和用以捕捉統計噪音(noise)的隨機 誤差項兩種。前者由相對效率邊界的效率差異 組成，後者則為無法衡量的誤差，例如氣候或 天災因素、生產要素供給不確定性因素、廠房 機械運作不可預期變動因素、政經情勢變動因 素等對於產出的影響結果，藉由組合性誤差項 的設計將無法衡量的誤差降至最低，以求取最 接近現況之技術效率值。綜合前述，為衡量能 源密集產業之絕對電力效率變化及影響因素，

且以隨機邊界分析法衡量之反彈效果更接近原 始反彈效果意涵(Jin and Kim, 2019a)，本文進一 步彙整應用隨機邊界分析法估算能源效率或反 彈效果之相關文獻，如表1所示並說明如後。

就分析範疇而言，依資料特性可估計國 際間或單一國家中各區域之能源效率或反彈效 果，應用性甚廣。如Filippini and Hunt (2011) 估計1978-2006年間29個OECD (Organization for Economic Co-operation and Development, OECD) 國家之能源效率變化；宋楓(2014)透過1995- 2011年間中國大陸28個省、市以及自治區資 料，求算其各項彈性和能源效率值；Adetutu et

al. (2016)評估全球55個國家1980-2010年各國的

能源效率水準、長短期能源效率彈性及能源節 約行為的反彈效果；Llorca and Jamas (2017)探 討1992-2012年間15個歐盟國家之道路貨物運輸 能源效率和反彈效果；Zhang and Lin (2018)彙 整中國大陸2003-2013年之30個省份、278個城 市資料，估計交通運輸系統之燃料效率和反彈 入產出分析與總體經濟反彈效果分析法。其中，一般均衡模型亦以投入產出為基礎，而時間序列和縱斷面分析、

邊界分析則可歸類為計量模式。

3 根據對偶理論(duality theory)，生產函數與成本函數具有對偶關係，故可由各成本函數找出其生產結構特性。且因 各廠商要素使用與生產技術時常被視為機密，使得建立生產函數之資料取得不易，因此利用產出數量與投入價格 的關係建立成本函數，並應用對偶理論，亦可以隨機邊界分析法估算技術效率。

表 1 能 源 使 用 效 率 水 準 與 能 源 節 約 行 為 之 反 彈 效 果 國 際 文 獻 彙 整 (本 研 究 整 理 ) 作者 國家 年份 部門別 電力需求隨 機邊界函數 被解釋變數 電力需求函數解釋變數 無效率函數解釋變數 效率水準 反彈效果 Fi lip pi ne an d H un t (2 01 1) O EC D (2 9國 ) 19 78 -2 00 6 整 體 產 業 能 源 消 費 量 (成 本 函 數 ) 國 內 生 產 毛 額 、 實 質 能 源 價 格 、 人 口 數 、 低 溫 虛 擬 變 數 、 區 域 面 積 、 工 業 產 出 占 比 、 服 務 業 產 出 占 比 、 時 間 趨 勢

分 配 假 設 ： 半 常 態 分 配

整 體 ： 0. 78 1 瑞 士 ： 0. 93 2 美 國 ： 0. 63 3 英 國 ： 0. 86 4 德 國 ： 0. 90 5 日 本 ： 0. 87 8 南 韓 ： 0. 80 4 宋 楓 (2 01 4)

中 國 大 陸 (2 8 省 、 市 及 自 治 區 )

19 95 -2 01 1 整 體 產 業 能 源 消 費 量 (成 本 函 數 )

國 內 生 產 毛 額 、 能 源 價 格 指 數 、 第 二 級 產 業 或 第 三 級 產 業 占 國 內 生 產 毛 額 比 重 、 人 口 數 、 資 本 占 勞 動 比 重 、 時 間 趨 勢

分 配 假 設 ： 截 斷 型 常 態 分 配 解 釋 變 數 ： 投 資 占 資 本 比 重 、 城 市 人 口 占 總 人 口 比 重 、 外 商 直 接 投 資 、 貿 易 占 國 內 生 產 毛 額 比 重

整 體 ： 0. 10 6- 0. 95 7 北 京 ： 0. 95 7 黑 龍 江 ： 0. 95 5 天 津 ： 0. 93 7 吉 林 ： 0. 93 6 山 西 ： 0. 92 6 山 東 ： 0. 10 6 O re a

et al

. (2 01 5) 美 國 19 95 -2 01 1 住 宅 部 門 能 源 消 費 量 (需 求 函 數 )

個 人 實 質 可 支 配 所 得 、 實 質 能 源 價 格 、 人 口 、 平 均 住 宅 面 積 、 暖 房 度 日 、 冷 房 度 日 、 獨 立 式 住 宅 占 比 和 時 間 虛 擬 變 數

分 配 假 設 ： 半 常 態 分 配 解 釋 變 數 ： 房 屋 面 積 、 人 均 所 得 及 所 支 付 的 能 源 價 格 0. 45 5- 0. 98 7 56 -8 0% W ey m an - Jo ne s et al . (2 01 6) 葡 萄 牙 19 70 -2 01 4 非 住 宅 部 門 電 力 消 費 量 (成 本 函 數 )

實 質 國 內 生 產 毛 額 、 電 力 相 對 燃 料 油 、 汽 油 以 及 天 然 氣 價 格 指 數 、 農 業 與 工 業 或 服 務 業 產 出 占 比 、 淨 資 本 價 格

分 配 假 設 ： 半 常 態 分 配 0. 95 -1 .0 0 A m ja di et

al

. ( 20 18 ) 瑞 典 20 00 -2 00 8 四 大 能 源 密 集 產 業 (紙 漿 與 紙 製 品 製 造 業 、 鋼 鐵 業 、 化 學 業 、 採 礦 業 ) 燃 料 或 電 力 消 費 量 (生 產 函 數 )

實 質 產 出 、 燃 料 相 對 電 力 價 格 、 資 本 額 、 員 工 數 、 時 間 趨 勢 分 配 假 設 ： 截 斷 型 常 態 分 配 解 釋 變 數 ： 實 質 產 出 、 燃 料 相 對 電 力 價 格 、 碳 排 放 密 集 度 、 燃 料 或 電 力 消 費 占 比 、 是 否 加 入 歐 盟 碳 排 放 交 易 體 系 之 虛 擬 變 數 、 時 間 趨 勢 、 時 間 趨 勢 平 方 項

燃 料 ： 0. 81 -0 .9 8 電 力 ： 0. 49 -0 .8 5 燃 料 ： 31 -5 4% 電 力 ： 26 -7 9%

表 1 能 源 使 用 效 率 水 準 與 能 源 節 約 行 為 之 反 彈 效 果 國 際 文 獻 彙 整 (本 研 究 整 理 ) ( 續 ) 作者 國家 年份 部門別 電力需求隨 機邊界函數 被解釋變數 電力需求函數解釋變數 無效率函數解釋變數 效率水準 反彈效果 Ll or ca an d Ja m as (2 01 7)

歐 洲 15 個 國 家 19 92 -2 01 2 道 路 貨 物 運 輸 燃 料 消 費 量 (需 求 函 數 )

實 質 國 內 生 產 毛 額 (經 購 買 力 平 減 )、 柴 油 價 格 及 汽 油 價 格 所 組 成 之 價 格 指 數 與 相 對 價 格 、 貨 車 與 輕 型 車 存 量 及 物 流 績 效 指 數

分 配 假 設 ： 半 常 態 分 配 解 釋 變 數 ： 實 質 國 內 生 產 毛 額 、 柴 油 價 格 及 汽 油 價 格 所 組 成 之 價 格 指 數 、 鐵 路 貨 運 、 貨 車 數 量 占 比 及 物 流 績 效 指 數

0. 89 3. 8% Zh an g an d Li n (2 01 8) 中 國 大 陸 20 03 -2 01 3 道 路 運 輸 系 統 燃 料 消 費 量 (需 求 函 數 )

燃 料 價 格 指 數 、 車 輛 數 、 實 質 國 內 生 產 毛 額 、 貨 運 量 、 載 客 量 、 運 輸 距 離 長 度 、 都 市 營 建 土 地 面 積 、 時 間 趨 勢 變 數 、 區 域 虛 擬 變 數 和 總 人 口

分 配 假 設 ： 截 斷 型 常 態 分 配 解 釋 變 數 ： 燃 料 價 格 指 數 、 人 均 實 質 國 內 生 產 毛 額 、 運 輸 距 離 長 度 、 都 市 營 建 土 地 面 積 、 時 間 趨 勢 變 數 及 區 域 虛 擬 變 數

0. 69 8 27 .1 % A de tu tu et

al

. ( 20 16 ) 55 個 國 家 19 80 -2 01 0 整 體 產 業 能 源 消 費 量 (生 產 函 數 )

實 質 國 內 生 產 毛 額 、 實 質 資 本 投 入 、 員 工 數 、 中 間 財 、 時 間 趨 勢 分 配 假 設 ： 半 常 態 分 配 解 釋 變 數 ： 工 業 產 出 占 比 、 貿 易 開 放 程 度 、 人 口 數 、 地 區 面 積 、 溫 度 、 時 間 趨 勢 、 時 間 趨 勢 平 方 項 整 體 ： 0. 31 7- 0. 96 5 瑞 士 ： 0. 96 5 丹 麥 ： 0. 96 2 以 色 列 ： 0. 95 7 希 臘 ： 0. 95 6 中 國 大 陸 ： 0. 31 7

短 期 ： 90 % 長 期 ： -3 6% Ji n an d K im (2 01 9b ) 21 個 新 興 經 濟 體 19 95 -2 01 6 整 體 產 業 產 出 水 準 及 碳 排 放 量 (生 產 函 數 )

資 本 、 勞 動 、 能 源 消 費 和 經 濟 複 雜 度 指 數

平 均 能 源 效 率 ： 0. 71 2- 0. 76 2 碳 排 放 無 效 率 平 均 值 ： 0. 70 9- 0. 91 8

效果；Jin and Kim (2019b)參採摩根史坦利資本 國際(Morgan Stanley Capital International, MSCI) 所定義之21個新興經濟體，計算各新興國家之 能源效率和碳排放效率。若以單一國家、部門 別或能源類別為分析範疇，Orea et al. (2015)估 計1995-2011年間，美國48個州之住宅部門能 源效率和反彈效果變化；Weyman-Jones et al.

(2016)採用隨機邊界分析法估計1970-2014年葡 萄牙非住宅部門的電力需求邊界函數，並評估 在這段期間葡萄牙產業部門是否存在電力節約 行為之反彈效果；Amjadi et al. (2018)則估算 2000-2008年瑞典四大能源密集產業(包括紙漿 與紙製品製造業、鋼鐵業、化學業、採礦業)之 燃料效率、電力效率和其反彈效果。

在分析應用面向與變數選取方面，可透 過生產面(如Jin and Kim, 2019b)或需求面(如 Filippini and Hunt, 2011；Llorca and Jamas, 2017；Zhang and Lin, 2018)進行衡量。於建構 生產函數以計算效率值時，所納入之解釋變數 主要為資本投入、勞動投入、能源消費量等 生產要素，而建立能源或燃料需求函數時，主 要考量所得、能源價格、面積、人口數或員工 數，且視產業或部門別之不同，尚考慮氣候相 關變數(如低溫虛擬變數、暖房度日、冷房度日 等)、產業結構，以期在控制適宜變數下，估 計能源或燃料效率。在求取反彈效果方面，因 Filippini and Hunt (2011)之函數設定方式隱含反 彈效果為0之假設，其後相關研究(如Orea et al.

2015；Llorca and Jamas, 2017；Zhang and Lin, 2018)進一步放寬此條件，同時在衡量反彈效 果時於函數中放入相關變數，將產出水準、能 源價格、都市面積、時間趨勢、貿易開放度、

產業結構變化與虛擬變數等，作為影響反彈效 果變動之解釋因子，且和需求函數所採用變數 具高度一致(如Orea et al., 2015；Amjadi et al., 2018；Llorca and Jamas, 2017)。大抵而言，探 討整體經濟或產業部門之能源效率水準與能源 節約行為反彈效果議題時，所運用之解釋變數 涵蓋產出水準(如國內生產毛額、人均所得)、

能源價格、產業結構、投入要素(如資本投入、

員工人數、中間財貨等)、時間趨勢等，且影響 能源需求量之因子亦可能為影響反彈效果之變 數。

以實證估計結果言之，文獻均認為產出水 準(如國內生產毛額、所得)和價格對能源消費 量具備顯著影響。如Filippini and Hunt (2011)針 對1978-2006年間29個OECD國家之研究結果顯 示，能源所得彈性與能源價格需求彈性分別為 0.9與-0.275，表示當一國所得水準愈高或能源 價格愈低，能源需求量愈高；宋楓(2014)對中 國大陸28省、市及自治區進行之實證分析，則 顯示能源所得彈性與能源價格需求彈性分別為 0.31和-0.53；Orea et al. (2015)、Weyman-Jones

et al. (2016)、Llorca and Jamas (2017)、Zhang

and Lin (2018)之研究，亦支持產出水準與能源 需求量呈正相關、能源價格與能源需求量呈負 相關之結論。另除了產出水準和價格外，其他 可能影響能源消費量之因子尚包含氣溫相關 變數、土地面積(如Filippini and Hunt, 2011；

Orea et al., 2015；Zhang and Lin, 2018)、資本及 勞動投入(如Adetutu et al., 2016；Jin and Kim, 2019b)、產業結構(如Filippini and Hunt, 2011；

宋 楓 ，2014)和時間趨勢(如宋楓，2014；

Adetutu et al., 2016；Amjadi et al., 2018；Zhang and Lin, 2018)。

其他可能影響能源效率或反彈效果之因 素，尚包含投資、所得、面積、技術發展、物 流品質和能源價格等。例如宋楓(2014)評估中 國大陸各區域後發現，投資占資本比重愈高，

表示資本更新速度快，能源效率將愈高，其他 城市化程度、經濟開放程度等對能源效率均具 有顯著正向影響；Orea et al. (2015)之研究指 出，美國48個州住宅部門之反彈效果受人均 所得與房屋面積影響，且人均所得越高及房屋 面積越大時，將降低反彈效果、產生節能之 效；Weyman-Jones et al. (2016)分析1970-2014 年間葡萄牙非住宅部門之電力效率趨勢發現，

剛開始產業可能因技術創新、電力使用變得

更有效率，在生產過程或提供服務的單位成本 降低下，從而拉高各產業的電力需求，導致電 力節約行為之反彈效果，但電力效率隨時間經 過將逐漸克服反彈效果問題；Llorca and Jamas (2017)對15個歐盟國家之實證結果顯示，反彈 效果越高的國家通常有較高的燃料效率與較佳 的物流品質；Zhang and Lin (2018)研究中國大 陸道路運輸系統後提出結論，係燃料價格指數 越高時將有助於減少反彈效果，而人均實質國 內生產毛額及運輸距離長度增加時，則顯著提 高反彈效果。

就能源效率和反彈效果估計結果而言，依 不同分析構面和產業類別特性，文獻中之實證 數據不盡相同，惟大體上均顯示所分析之對象 仍有能源效率提升空間，以及確認反彈效果確 實存在，值得政策當局關注。如Filippini and Hunt (2011)估計29個OECD國家平均整體的能 源效率水準為0.781，其中，瑞士之能源效率 水準最高(0.932)，美國、英國、德國、日本、

南韓的能源效率水準則分別為0.633、0.864、

0.905、0.878、0.804；Orea et al. (2015)估算美 國住宅部門之反彈效果均值為56-80%；Adetutu

et al. (2016)評估全球55個國家1980-2010年各國

的能源效率水準、長短期能源效率彈性及能源 節約行為反彈效果。研究結果顯示，OECD國 家的能源效率水準普遍較非OECD國家高，顯 示國際間存在技術落差；此外，短期與長期的 能源效率反彈效果平均值分別為90%與-36%，

表示短期下可能產生部分反彈現象，能源效率 提升將抵銷部分的能源消費量，但長期下能源 消費量降幅應會超過能源效率提升幅度，產生 超節能現象；Llorca and Jamas (2017)指出 15個 歐盟國家於1992-2012年間之平均燃料效率及反 彈效果分別為0.89和3.8%；Amjadi et al. (2018) 估計2000-2008年瑞典四大能源密集產業之效率 水準與反彈效果，其結果顯示，在燃料需求邊 界函數中，燃料節約行為之反彈效果約為31- 54%，在電力需求邊界函數方面，電力節約行 為之反彈效果為26-79%；Zhang and Lin (2018)

研究中國大陸道路運輸系統之實證結果，全 國 平 均 燃 料 效 率 和 反 彈 效 果 分 別 為0.698、

27.1%；Jin and Kim (2019b)則發現，21個新 興經濟體於1995-2016年之平均能源效率介於 0.712(中國大陸、泰國)至0.762(巴西)間，碳排 放無效率平均值為0.709(埃及)至0.918(土耳其) 間。

綜觀過去相關文獻可知，產出與生產要 素投入增加將提高能源消費量，而能源價格上 漲則有助於抑低能源消費量與反彈效果，因此 在政策意涵上，可考慮課徵碳稅使燃料價格上 揚，應能發揮抑低反彈效果之效，以及在不同 國家間所呈現出之能源效率和碳排放無效率具 備差異性，故國際合作上需特別著重於先進能 源和碳排放效率，國際組織也需要在各國間就 經濟結構、能源組合、技術研究成果進行連結 和分享。鑑於過往諸多研究顯示，能源節約行 為普遍存在反彈效果，將抵消政府推行節能政 策所產生之節能成效，若在制定能源政策時未 考量此一現象，可能會高估能源效率改善的節 能減碳成效。因國內尚未見運用隨機邊界分析 法探討能源密集產業之能源效率變化及反彈效 果議題，同時我國針對能源密集產業已於能源 轉型白皮書明確制定提升能源效率規劃，衡量 其能源效率及反彈效果程度具重要政策意涵，

故本文參考文獻中曾引用之相關變數，同時依 循資料特性及可取得性，研析我國六大能源密 集產業之電力效率與反彈效果，瞭解我國能源 密集產業之電力使用行為，進行電力效率成長 估計與後續節電之反彈效果計算，以提供政府 政策制訂時之決策依據。

3. 研究方法與資料分析

3.1 研究方法說明

本文主要研究目的在於運用隨機邊界分 析法與效率彈性估算法，分別評估我國六大能 源密集產業電力效率水準與電力節約之反彈效

果。

隨 機 邊 界 分 析 法 與 隨 機 邊 界 生 產 模 型 (stochastic production frontier model)最早係由 Aigner et al. (1977)以及Meeusen and den Broeck (1977)提出，目的在於改良資料包絡分析法 中，將任何無法控制的影響均視為無效率的問 題。一般化之隨機邊界生產(成本)函數可以下 式表示：

Ln(Y

i )=

β

0+∑

β

j

Ln(X

ji)+

ε

i (1)

ε

i =

v

i

– su

i , s=

1, 生產函數

–1, 成本函數 (2) 其中，

i

由1、2、3至

n，Y

i 表示第

i

個決策單位 的實際產出水準，

X

ji 表示第

i

個決策單位之第

j

個的投入要素，

β

0 表示截距項，

β

j 表示待估計 之係數，

ε

i 表示組合性誤差項，包含隨機誤差 項(vi)則和技術無效率誤差項(ui)，且組合性誤 差項的變異數(σ²)即為隨機誤差項之變異數(σv2 ) 與技術無效率誤差項之變異數(σu2 )的加總，即σ²

=

σ

v2 +

σ

u2 ，而

γ

=

σ

u2 /(σv2 +

σ

u2 )則代表無效率因素在 組合性誤差項中的重要程度。另依Filippini and Hunt (2011)及Jondrow et al. (1982)，定義電力需 求函數及電力效率(EFi)如下：

Ln(E

i)=

β

0 +∑ βj

Ln(X

ji)+

v

i +

u

i (3)

EF

i =exp(–ui) (4) 其中，

E

i 為電力需求量，而

β

0 +∑j = 1

β

j

Ln(X

ji)為最 適電力需求邊界、

X

ji 意指各項控制變數以決定 最適電力需求。

v

i 代表隨機誤差項，假設符合 對稱性常態分配，即

v

i ~

iid N(0, σ

v2 )；而

u

i 則代 表技術無效率誤差項，為非負隨機項且與

v

i 相 互獨立。參考Orea et al. (2015)及Zhang and Lin (2018)，式(3)表示能源效率值將位於(0,1]間。

當EFi <1時存在能源無效率，而EFi =1則代表能 源使用效率已屬最適化。惟式(3)隱含無反彈效 果，此即與「能源效率改善將可能產生反彈效 果」之論點相違背，因此需修正此一條件。依

Saunder (2000)之效率彈性估算法及定義之反彈 效果(RE)如下：

RE

=1+

ε

EF

(5)

其中，

ε

EF 為效率彈性，即電力效率(EF)變動一 個百分點對電力需求量(E)變動之百分比，表示 為：

ε

EF = (6) 因此，反彈效果即在衡量電力效率改善對 電力消費量影響的敏感程度。根據式(5)，電力 節約之反彈效果估計結果可分為下列五種：

(1) RE>1或εEF>0：表示產生事與願違(backfire) 現象，電力效率雖提升，但電力消費量卻不 減反增，亦即實際節電量不僅未達預期，反 而還更加耗電。

(2) RE=1或εEF= 0：表示產生完全反彈(full rebound)現象，面對電力效率提升，但電力 需求並未改變，即實際節電量亦未達預期，

但也並未發生電耗增加的情況，故該電力效 率提升政策可能對於電力節約行為並無太大 用處。

(3) 0<

RE

<1或-1<

ε

EF<0：表示產生部分反彈 (partial rebound)現象，電力效率提升，抵銷 了一部分的電力消費量，即實際電力節約量 低於預期，故表示該電力效率提升措施尚須 審慎評估其成本效益性或政策有效性。

(4) RE=0或εEF=

‒1：表示產生零反彈(zero

rebound)現象，電力效率提升的幅度與電力 需求量下降的幅度一致，故實際與預期的電 力節約量相符。

(5) RE<0或εEF<

‒1：表示產生超節電(super

conservation)現象，電力消費量下降幅度超 過電力效率提升幅度，亦即實際電力節約量 超過預期。

配合前述效率定義，式(6)可改寫為

ε

EF= = = – (7) 由(7)式可知， 即為式(3)中，Ln(E)

對

u

偏微分之估計係數。結合(5)式與(7)式得知

= –ε

EF=1

– RE，則式(3)可改寫為

Ln(E

i)=

β

0+∑

β

j

Ln(X

ji)+

v

i+(1

‒ RE)u

i (8) 另一方面，

u

i可定義為下式，藉以分析影 響無效率項之解釋因子：

u

i =

δ

0 +∑ δj Zji +

w

i (9) 其中，

Z

ji 代表影響各決策單位技術無效率的 外生因素，

δ

0 表示截距項，

δ

j 表示待估計之係 數，

w

i代表隨機誤差項。此外，隨機邊界分析 法對於技術無效率誤差項分配的假設主要有三 種(Greene, 1993)，分別為半常態(half-normal) 分配、指數型(exponential)分配以及截斷型常 態(truncated-normal)分配。其中，半常態分配 為截斷型常態分配的特例，且截斷型常態分配 係假設

u

i小於某正數，而半常態分配允許極端 值存在，兼且過去相關實證研究指出(Greene, 1990)，技術無效率項分配型態的假定對於效率 估計結果差異不大，且Ritter and Simar (1997) 建議應使用估計參數相對較少之半常態分配或 指數型分配，於文獻中則大多假設為截斷型常 態分配(如宋楓，2014；Amjadi et al., 2018；

Zhang and Lin, 2018)或半常態分配(如Filippini and Hunt (2011)；Adetutu et al., 2016；Weyman- Jones et al., 2016；Llorca and Jamas, 2017)，因 此考量

u

i特性未知與半常態分配允許存在極端 值，故本文假設無效率項服從半常態分配，即

u

i~

N

⁺ (0,

σ

u2 )。

在 估 計 方 法 上 ， 隨 機 邊 界 模 型 與 無 效 率 項 的 參 數 可 採 最 大 概 似 估 計 法(maximum likelihood, ML)估計⁴，並將虛無假設設定為

H

0

:

γ

=0，當檢定結果接受虛無假設時，代表

σ

u2 = 0，亦即電力消費量變動與人為的技術無效率無 關，純粹歸因於隨機因素，此時便可直接以普

通最小平方法(ordinary least square, OLS)估計，

但若檢定結果為拒絕虛無假設時，表示技術無 效率對於衡量生產變動具重要性，必須以隨機 邊界分析法估計。惟Coelli (1995)指出，此虛無 假設因位於參數空間之邊界上，若以傳統概似 比(likelihood ratio)檢定判斷將產生偏誤，須改 以單邊概似比檢定，檢定統計量為

LR

=

–2[Ln(γ

=0)

– Ln(γ

=

γ)]~χ

²，服從自由度為1之混合式卡 方分配(mixture of chi-square distribution)，其

中，

Ln(γ

=

γ)取自隨機邊界分析法，為在拒絕虛

無假設下之對數概似比值，而

Ln(γ

=0)係利用普 通最小平方法，滿足在虛無假設下之對數概似 比值。一般而言，單邊概似比檢定優於雙邊概 似比、Wald(以最大概似估計法或校正後普通 最小平方法)或第三動差(third moment)檢定，但 當

γ

數值愈高或樣本數愈大，前述五種檢定結 果差異愈小。

由過去的實證研究中，例如Pitt and Lee (1981)或De Borger et al. (1996)等是以兩階段 方式來衡量各決策單位的效率，即先估算出技 術無效率，再以技術無效率為被解釋變數，其 他會影響效率的因素，例如廠商規模、管理經 驗等代表決策單位特質的因素為解釋變數，進 行第二階段的迴歸分析，探討各決策單位技術 效率差異的原因。然而，在兩階段的分析方法 中存在一個問題，在第一階段估算技術無效率 部分時，無效率項係假設為獨立且相同之分 配，但在第二階段中，無效率項假設為決策單 位特質因素的函數，即隱含除非決策單位特質 因素的迴歸係數皆為零，否則無效率項應是不 同的分配，從而估計參數將產生嚴重的偏誤 (bias)。因此，許多學者例如Kumbhakar et al.

(1991)、Reifschneider and Stevenson (1991)、

Wang and Schmidt (2002)和Schmidt (2011)等，

建議應以一階段模型，聯立估計隨機邊界生產

4 Coelli (1995)採用蒙地卡羅模擬方法，比較以最大概似估計法與校正後普通最小平方法估計半常態分配之隨機邊界 生產函數的估計參數差異，研究結果指出，兩方法均存在估計偏誤，但當無效率因素在組合性誤差項中的重要程 度(即γ)愈靠近1時，以最大概似估計法估計之估計式偏誤較以校正後普通最小平方法估計小，且在大樣本資料分析 下，最大概似估計法亦優於校正後普通最小平方法。

模型與無效率項的參數，而本文在進行後續實 證估計時亦採一階段方式求解⁵。

3.2 研究模型建構

藉由相關文獻及方法學回顧，本文依國際 常用於衡量影響產業電力消費的可能因素，同 時以既有公開統計資料，採用產業結構與電力 價格變化作為影響我國六大電力消費產業近年 電力效率的解釋變數，以隨機邊界分析法進行 電力使用效率水準實證分析，設定電力需求隨 機邊界函數如下⁶：

Ln(E

it)=

β

0+

β

1

Ln(Y

it)+

β

2

Ln(K

it)+

β

3

Ln(L

it)+

β

4

Ln(M

it)+

β

5

IND1

i+

β

6

IND2

i+

β

7

IND3

i+

β

8

IND4

i+

β

9

IND5

i+

β

10

Ln(PE

t)+

v

it

– u

it ,

i

=1,2,…., n; t=1,2,….,

T u

it=

δ

0+

δ

1

Ln(S

it)+

δ

2

T

t+

w

it,

i

=1,2,….,

n; t

=1,2,….,

T

(10) 其中，

E

it 表示第

i

主要電力消費產業於第

t

期的 電力消費量；

Y

it 表示第

i

主要電力消費產業於 第

t

期的工業生產指數；

K

it、

L

it、

M

it 分別表示 第

i

主要電力消費產業於第

t

期的資本投入數量 指數、勞動投入數量指數以及中間投入數量指 數；

IND1

i、

IND2

i至

IND5

i係代表各主要電力消 費產業的虛擬變數，其中，若該樣本為紡織成 衣及服飾業，則

IND1

i =1，其餘產業虛擬變數 為0；若該樣本為造紙紙製品及印刷出版業，則

IND2

i =1，其餘產業虛擬變數為0；若該樣本為 化學及塑膠業，則

IND3

i =1，其餘產業虛擬變 數為0；若該樣本為非金屬礦物製品製造業，則

IND4

i =1，其餘產業虛擬變數為0；若該樣本為

基本金屬製造業，則

IND5

i =1，其餘產業虛擬 變數為0；若該樣本為電子及電力機械器材業，

則

IND1

i、

IND2

i、…、

IND5

i =0；PEt 表示第

t

期之平均實質電力價格；

v

it 為隨機誤差項，假 設符合對稱性常態分配，即

v

it ~ iid

N(0, s

v2 )；uit

為非負的技術無效率誤差項，且在

u

it 特性未知 的情況下，假設符合半常態分配，即

u

it ~

iid N

⁺ (0,

σ

u2 )，並與

v

it 相互獨立；此外，

S

it 表示第

i

主 要電力消費產業於第

t

期之名目國內生產毛額 占全國比重；

T

t 表示時間趨勢項；

w

it 為隨機誤 差項；

β

與

δ

則表示待估計之係數。

另一方面，本文以最大概似估計法，並採 一階段求解，同時估計電力需求函數和無效率 函數，再將由隨機邊界分析法估計而得之潛在 電力效率水準(EFit =exp(–uit))納入電力需求函 數中。當估計完成效率之後，進而參考Adetutu

et al. (2016)估算長短期反彈效果之方式，將落

後一期之電力消費量納入電力需求函數解釋變 數，藉以求算我國六大電力消費產業電力節約 行為之長短期反彈效果：

Ln(E

it)=

θ

0+

αLn(E

it – 1)+

θ

1

Ln(Y

it)+

θ

2

Ln(K

it) +

θ

3

Ln(L

it)+

θ

4

Ln(M

it)+

θ

5

IND1

i+

θ

6

IND2

i+

θ

7

IND3

i+

θ

8

IND4

i+

θ

9

IND5

i

+

θ

10

Ln(PE

t)+

θ

11

Ln(EF

it)+

w

it (11)

其中，

E

it – 1 表示第

i

主要電力消費產業於第

t –

1

期的電力消費量、

θ

表示待估計之係數。由上 式即可計算短期與長期的效率彈性與電力節約 行為之反彈效果：

短期

ε

EF= =

θ

11

短期

RE

=1+短期

ε

EF=1+

θ

11 (12)

5 文獻中進行反彈效果估計時，主要包含透過建立反彈效果函數方式(如Orea et al., 2015；Amjadi et al., 2018；Zhang and Lin, 2018)據以估計，亦或先建立效率函數後，再計算反彈效果(如Adetutu et al., 2016)，惟效率彈性源自於估計 出效率值，本質上衡量效率或建立反彈效果函數進行估算，實為一體兩面。

6 對比文獻中之方法學，Orea et al. (2015)使用的是input requirement function (IRF)，主要是固定投入和產出水準下，

估算出短期效率結果；Adetutu et al. (2016)使用的input distance function (IDF)，則是固定產出、投入是變動的，要 素和能源間可互相替代互補，因此為長期效果。然而，若分析對象為國家整體時，一國之內可以藉由調整國內要 素間的配置和變化(尚含部門間要素流動)，影響效率變動；若為單一部門時，則因生產活動之故，使得要素之間的 替代程度甚低。以工業部門為例，能源或電力間幾無替代可能，例如當設備沒有電力作為驅動時，應無以人力替 代電力推動機器運轉的可能性，即使要素間的相對價格改變，在工業部門的實務上，也不易有要素替代能源運作 之空間，故採IRF模式相對合宜。

長期

ε

EF=

長期

RE

=1+長期

ε

EF=1+

(13)

3.3 資料蒐集與變數定義

本文蒐集1982-2017年我國六大能源密集產 業影響電力消費量與效率變數的年資料，並據 以估計電力節約行為之反彈效果。其中，六大 能源密集產業包括經濟部能源局定義之紡織成 衣及服飾業、造紙紙製品及印刷出版業、化學 及塑膠業、非金屬礦物製品製造業、基本金屬 製造業等五大能源密集產業、以及能源耗用量 大之電子及電力機械器材業，共占我國整體產 業三分之二以上的電力使用量，且為我國政府 能效提升計畫的重點推動產業，亦為經濟部能 源局能源查核主要產業，實具評估電力使用效 率與反彈效果之重要性。以下詳細說明能源密 集產業電力需求隨機邊界函數中各解釋變數的 計算方式與資料來源。

(1) 電力消費量：

我國六大能源密集產業(紡織成衣及服飾 業、造紙紙製品及印刷出版業、化學及塑膠 業、非金屬礦物製品製造業、基本金屬製造 業、電子及電力機械器材業)之1982-2017年電 力消費 量年資料，數據取自經濟部能源局《能 源統計年報》。

(2) 工業生產指數：

我國六大能源密集產業工業生產指數資料 取自經濟部統計處工業生產統計資料庫。

(3) 資本投入數量指數：

我國六大能源密集產業資本投入數量指數 資料取自行政院主計總處國民所得及經濟成長 統計資料庫、工商普查資料、國富調查及產業 關聯表，並參考梁啟源(2009a, 2009b)、梁啟源 等(2019)之資本投入數量指數，將資本投入分 為建物、其他建物、運輸設備、機械設備、存 貨、土地、無形資產七大類。其中，資本存量 資料係根據永續存量(perpetual inventory)法來推 估；各產業資本形成毛額的資料取自行政院主

計總處歷年工商普查資料及國富調查以內插外 補的方式取得；除土地外，各類資本之存量係 將各年的資本形成毛額扣掉折舊後予以加總，

而折舊則另採定率折舊法加以計算，折舊年限 取自1988年的國富調查；各產業的存貨統計資 料則取自主計總處之資本形成毛額中存貨增加 數值。

計算資本投入數量指數所用的資本勞務價 格係根據Jorgenson and Gollop (1980)的方法編 製，充分考慮平均資本報酬率、折舊率、資本 利得(capital gain)、所得稅以及財產稅等因素，

資本勞務價格為各類資本價格的Divisia指數，

本文即依此指數進行估算。各類資本勞務價格 (Pki)係根據下式計算：

(14) 其中，

μ(T

)為有效營業事業所得稅稅率；Zi (T) 為折舊現值；

P

Ii 為

i

資本財價格；

R

r(T)為內部 報酬率；

PC為資本報酬；δ

i為

i

資本財折舊率；

τ

i 為

i

資本財之財產稅率。

由於國民所得帳的資本報酬包括利息、地 租及利潤，惟產業中小企業甚多，自雇及無酬 家屬工作者，因勞動報酬不會反映在盈餘中，

需要調整。然而，因產業關聯表已設算自雇及 無酬家屬工作者的報酬改列為勞動報酬，故本 文改以歷年產業關聯表的資本報酬及勞動報酬 占產值比率來替代國民所得帳的資本及勞動份 額。

(4) 勞動投入數量指數：

我國六大能源密集產業勞動投入數量指數 資料取自中研院調研中心歷年人力運用調查資 料，並參考梁啟源(2009a, 2009b)、梁啟源等 (2019)之勞動投入數量指數，按性別(男、女)、

就業別(受雇、自雇及無酬)、年齡別(15-24歲、

25-34歲、35-44歲、45-54歲、55-64歲、超過65 歲)、教育別(國中、高中及高職、大學及大學 以上)細分為72類，各類別勞動人數與薪資之乘 積即為各類別之勞動報酬，並計算72個類別的 勞動報酬份額，進而計算為Divisia 指數，本文 即依此指數進行估算。

(5) 中間投入數量指數：

我國六大能源密集產業中間投入數量指數 資料取自中華民國物價統計月報、進出口統計 月報、國民所得資料、工業生產統計及交通統 計年報等，並參考梁啟源(2009a, 2009b)、梁啟 源等(2019)之中間投入數量指數，將中間投入 分為農產品、工業產品、運輸服務、服務產品 以及進口品五大類，各類中間投入份額的資料 再根據歷年產業關聯表，茲以內插法及外插法 求得並予以調整，進而計算成Divisia指數，本 文即依此指數進行估算。

(6) 平均實質電力價格：

我國六大能源密集產業平均實質電力價 格資料取自經濟部能源局《能源統計年報》與 行政院主計總處物價指數資料庫。本文係以年 平均名目電力價格除以各年度消費者物價指數

(consumer price index, CPI)後再乘以100，即可 得工業年平均實質電力價格。

由1982-2017年我國實質工業電價變化趨 勢可知(參考圖1)，過去因國際燃料價格大幅 上漲，政府於2006年至2013年間曾數次調高 電價，透過價格機制降低臺灣整體電力消費 量，其後於2015年訂定新版浮動電價調整機 制，使電價能合理反映燃料成本變化，惟2014 年後因美國頁岩油氣大量生產、全球景氣趨 緩影響原物料需求，帶動國際能源價格下跌，

因此2014-2017年間依據電價計價公式反映燃 料成本變動，故我國2017年電價相較2014年為 低，惟2017年我國工業電價相較2005年仍成長 19.62%。

(7) 產業結構：

我國六大能源密集產業國內生產毛額資料 取自行政院主計總處國民所得及經濟成長統計 資料庫。本文係以各能源密集產業國內生產毛 額占全國比重作為衡量能源密集產業之產業結 構變化的代理變數(proxy variable)。

比較1982-2017年我國六大能源密集產業國 內生產毛額占全國比重(參考圖2)，其中以電子

圖1　1982-2017年我國實質工業電價 資料來源：經濟部能源局，2019；行政院主計總處，2019a (本研究整理)。

及電力機械器材業占比最大，且近年來比重明 顯增加，成長速度最快，其餘業別占比則呈逐 年遞減現象。

茲彙整我國六大能源密集產業電力需求隨 機邊界函數各解釋變數敘述統計資料如表2所

示。

4. 實證結果

估計結果顯示(參考表3)，工業生產指數、

圖2　1982-2017年我國六大能源密集產業國內生產毛額占全國比重 資料來源：行政院主計總處，2019b(本研究整理)。

表2　1982-2017年我國六大能源密集產業電力需求隨機邊界函數各解釋變數敘述統計(本研究整理)

解釋變數 單位 平均數 標準差 最小值 最大值 個數 資料來源

電力消費量 十億度 10.87 10.70 1.10 49.02 216 經濟部能源局，2019 工業生產指

數 指數 113.35 128.67 13.62 768.09 216 經濟部統計處，2019 資本投入數

量指數 指數 127,313 226,485 343.42 1,279,812 216 梁啟源(2009a, 2009b)與梁 啟源等(2019)

勞動投入數

量指數 指數 200.71 123.46 53.16 597.82 216 梁啟源(2009a, 2009b)與梁 啟源等(2019)

中間投入數

量指數 指數 80.48 5.87 60.66 92.78 216 梁啟源(2009a, 2009b)與梁 啟源等(2019)

平均實質電

力價格 元/度 2.77 0.61 2.06 4.29 216 經濟部能源局，2019 與行 政院主計總處，2019a 產業結構(各

能源密集產 業國內生產 毛額占全國 比重)

% 3.47 3.75 0.59 17.24 216 行政院主計總處，2019b

勞動投入對能源密集產業電力消費量具高度顯 著影響。其中，產出增加會提高電力消費量，

且平均工業生產指數每提高1%將增加0.59%的 電力消費量；而勞動投入提升將帶動能源密集 產業電力使用量，表示對能源密集產業而言，

增聘較多人力會導致電力消費量上揚，因此若 在產業持續成長進而增雇人力之際，宜透過教 育和宣導增加人員之節能意識，並且同時導入 能源管理師或節能服務團隊，強化能源管理事 務；另本研究以電子及電力機械器材業為參考

組，在1982-2017年期間，平均而言，紡織成 衣及服飾業、造紙紙製品及印刷出版業、化學 及塑膠業、非金屬礦物製品製造業、基本金屬 製造業均較電子及電力機械器材業電力消費量 低，其中又以造紙紙製品及印刷出版業的電力 消費量最小，表示宜對我國電子及電力機械器 材業提供適宜之能源節約輔導、規管或獎勵機 制，以誘使用戶投入資源於節能工作，藉以減 少和各業別間之電力消費量差距。其次，在5%

的顯著水準下，電力價格調 漲將有助於降低電 表3　能源密集產業電力需求隨機邊界函數估計結果：隨機邊界分析法(本研究估算)

解釋變數 係數(t統計)

電力需求函數(被解釋變數：電力消費量)

Ln

(工業生產指數) 0.5898***

(13.80)

Ln

(資本投入數量指數) -0.0005

(-0.06)

Ln

(勞動投入數量指數) 0.1739***

(5.05)

Ln

(中間投入數量指數) 0.3837

(1.14)

紡織成衣及服飾業 -1.9277***

(-17.53)

造紙紙製品及印刷出版業 -2.4067***

(-33.63)

化學及塑膠業 -0.2023***

(-2.66)

非金屬礦物製品製造業 -2.2059***

(-26.38)

基本金屬製造業 -1.0915***

(-14.53)

Ln

(平均實質電力價格) -0.1694**

(-2.36)

常數 -1.4035

(-0.91) 無效率項函數(被解釋變數：無效率性)

Ln

(產出占國內生產毛額比重) 3.1826***

(6.64)

時間趨勢 -0.2789***

(-7.68)

常數 -2.7253***

(-3.93) 最大概似估計(H0 : γ=0)

P-value 0.0000***

說明：***、**、*分別表示在1%、5%、10%的顯著水準下，拒絕虛無假設。

力消費量，且電價每上漲1%，電力需求量將減 少0.17%(電力需求價格彈性為-0.17)，故電價 上漲將增進產業節能誘因，促使電力使用效率 改善，尤其是對於電力使用量龐大的能源密集 產業而言，電價提高將大幅提高產業的營運支 出，從而誘發能源密集產業從事節能行為，使 電力消費量下降。

再者，就影響無效率項的係數估計結果可 發現，產業結構變數對無效率項的影響為正，

亦即能源密集產業之產業結構變化會導致無效 率性提高，表示近年來隨著能源密集產業占我 國整體經濟比重越高與結構變化，並無助於能 源密集產業的電力使用效率，故宜針對能源密 集產業中成長快速之電子及電力機械器材業，

診斷其主要用電流向和耗能項目，提供輔導、

規管及獎勵措施，協助其提升能源效率；另一 方面，時間趨勢的係數估計結果為顯著負向，

表示近幾年在技術持續提升下，能源密集產業 的電力使用效率仍呈改善趨勢。

此外，

γ

(=

σ

u2 /(σv2 +

σ

u2 ))表示無效率項之變 異數相較於隨機誤差項變異數之貢獻程度，或 表示無效率項對電力消費影響的重要程度，其 數值將介於0與1之間，若γ=0即代表無效率項 無關緊要，此時採隨機邊界分析法的估計結果 將等於普通最小平方法的估計結果；若

γ

=1則 代表所有電力消費估計誤差均來自電力使用的 無效率性。根據本文最大概似估計法檢定估 計結果為顯著拒絕虛無假設(H0 : γ =0)，且γ= 0.9838⁷，表示產業結構變化與時間趨勢之無效 率項對於衡量電力需求影響因素具重要性，應 以隨機邊界分析法估計。

就效率水準而言，我國能源密集產業於 1982-2017年平均潛在電力效率水準為0.81，

顯示能源密集產業電力使用仍有19%的改善空 間。另一方面，電力效率提升將影響我國能源 密集產業的電力消費量下降，且由短期電力效 率彈性估計結果，從而計算我國能源密集產

業短期電力消費反彈效果為2.44%，其值大於 零，顯示短期而言實施相關電力效率提升政策 雖可降低我國能源密集產業電力消費量，但實 際電力節約量低於預期，產生部分反彈現象，

故若欲在短期內達到預期節能目標，政府應加 大節能措施力道。除此之外，我國能源密集產 業長期電力效率反彈效果為-3.56%，其值小於 零，表示長期下電力消費量下降幅度超過電力 效率預期提升幅度，亦即有超額節電現象，故 若實施相關節電政策以提升電力使用效率，對 我國能源密集產業而言可能會產生額外的節電 效果。其原因可能為任何的能源政策對節電影 響有累積效果，且產業結構變化亦需要時間，

另外，因我國《能源管理法》訂有相對應罰 則，在能源密集產業用戶為避免受到懲罰下，

會有意願在政府節能政策下進一步從事電力節 約行為，因而產生高於預期下之節電量(參考表 4)。

比較我國實證分析與國際文獻研析結果，

產出水準對能源消費量具正向顯著影響，而價 格對能源消費量呈反向關係，和過往相關研究 結論具一致性，代表未來產業持續擴張之際，

預期電力消費量仍將提升，惟善用價 格機制作 為政策工具，則可有效抑低電力消費量上揚，

例如透過課徵碳稅或能源稅，讓能源價格反 映實際使用成本、增進產業節能誘因。而在 短期與長期之效率彈性方面，本文研究結論與 Adetutu et al. (2016)相同。Adetutu et al. (2016) 估計全球55個國家在1980-2010年整體平均短期 能源效率反彈效果為90%，長期則為-36%，即 短期下可能產生節能行為部分反彈現象，但長 期而言能源消費降幅應會超過能源效率升幅，

存在超額節電現象，因此，雖在短期內所達成 之節能量可能未達原先預期，但隨時間經過，

能源用戶將克服反彈效果問題，達到節能政策 目標。

7 根據Coelli (1995)，當γ愈靠近1時，以最大概似估計法估計之估計式偏誤較以校正後普通最小平方法估計小，且以 概似比檢定、Wald檢定或第三動差檢定結果差異不大。

5. 結論與建議

依本文建置我國能源密集產業電力需求隨 機邊界函數之實證分析顯示，每提高1%的工業

生產指數平均將增加0.59%的電力消費量，電 價每上漲1%，電力需求量將減少0.17%，而勞 動投入增加將提高能源密集產業的電力使用。

其次，我國能源密集產業於1982-2017年之 平均潛在電力效率水準為0.81，顯示能源密集 產業電力使用效率仍有19%改善空間，且整體 平均短期電力效率反彈效果為2.44%，長期則 為-3.56%，此研究結果與Adetutu et al. (2016)一 致，即短期而言實施相關節電政策以促進電力 效率提升雖可降低電力消費量，但電力效率提 升將抵銷部分的電力消費量，導致實際電力節 約量低於預期，產生部分反彈現象，惟長期下 節電量將超過預期，使電力消費降低幅度高於 電力效率提升幅度。因此，透過產業結構變化 或節能政策工具，若欲在短期內達到預期節能 目標，須加大其力道，長期而言，整體能源密 集產業應能克服反彈效果問題，甚至達到超額 節電的政策效果。

考量我國正持續推動能源轉型，且能源密 集產業為國內主要耗能產業，預期未來工業生 產仍將增加與廠商擴廠投資下，將導致電力需 求提高，故本文建議能源價格宜合理反映其內 部及外部成本，引導各產業有效使用能源。其 次，除落實合理的能源價格政策外，政府宜促 進低耗能產業發展，鼓勵業者採用高能源效率 設備，並持續提高設備能源效率標準，特別是 電子及電力機械器材業為能源密集產業中成長 最為快速的業別，可藉由能源節約輔導、規管 或獎勵機制等，強化其能源需求面管理措施，

以及在產業持續成長進而增雇人力之際，宜透 過教育和宣導增加人員之節能意識，並且同時 導入能源管理師或節能服務團隊，強化能源管 理事務。

誌　　謝

本文承蒙經濟部能源局、財團法人工業技 術研究院綠能與環境研究所支持，僅誌謝忱。

表4　 能源密集產業電力消費短期與長期反彈效 果估計結果：效率彈性估算法(本研究估 算)

解釋變數 係數(t統計)

電力需求函數(被解釋變數：電力消費量)

Ln

(電力消費量‒1) 0.0579***

(3.44)

Ln

(工業生產指數) 0.5684***

(30.91)

Ln

(資本投入數量指數) 0.0001 (0.02)

Ln

(勞動投入數量指數) 0.1537***

(7.11)

Ln

(中間投入數量指數) 0.4745**

(2.56) 紡織成衣及服飾業 -1.8944***

(-26.92) 造紙紙製品及印刷出版

業

-2.3187***

(-40.92) 化學及塑膠業 -0.2329***

(-6.60) 非金屬礦物製品製造業 -2.1388***

(-36.89) 基本金屬製造業 -1.0725***

(-28.41)

Ln

(平均實質電力價格) -0.1539***

(-4.24)

Ln

(電力效率) -0.9756***

(-40.46)

常數 -1.7760**

(-2.12)

樣本數 215

Adj R-squared 0.9936

F統計量 2,759.33

效率彈性 反彈效果

短期 -0.9756 0.0244

長期 -1.0356 -0.0356

說明： ***、**、*分別表示在1%、5%、10%

的顯著水準下，拒絕虛無假設。

參考文獻

行 政 院 主 計 總 處 ，2019a。「物價指數資料 庫」，https://www.dgbas.gov.tw/lp.asp?ctNo de=3091&CtUnit=333&BaseDSD=7 (資料擷 取日期2019年8月) 。

行政院主計總處，2019b。「國民所得及經濟 成長統計資料庫」，https://www.dgbas.gov.

tw/ct.asp?xItem=33338&ctNode=3099&mp=

1 (資料擷取日期2019年8月) 。

宋楓，2014。「中國區域能源效率差異及影響 因素分析」，《中國人民大學國家發展 與戰略研究院—能源與資源戰略系列報 告》，總第24期。

柏雲昌，李翊綸與陳玟綺，2010。「我國終端 面能源效率之追蹤分析」，《中華民國能 源經濟學會九十九年年會暨學術研討會論 文集》，臺北：中華民國能源經濟學會。

梁啟源，2009a。「Industrial Structure Changes and Measurement of Total Factor Productivity Growth: The Krugman-Kim-Lau-Young Hypothesis Revisited」，《經濟論文》，

37(3)，305-338。

梁啟源，2009b。「能源稅對臺灣能源需求及經 濟之影響」，《臺灣經濟預測與政策》，

40(1)，45-78。

梁啟源，鄭睿合與塗千慧等，2019。「工業尖 離峰用電影響因子分析(期中報告)」，財 團法人工業技術研究院委託研究計畫。

楊晴雯，2012。「能源效率之衡量及其與環境 政策工具的關聯」，《經濟研究》，臺北 大學經濟學系，48(2)，287-317。

經 濟 部 ，2 0 1 9 。 節 約 能 源 法 規 及 行 政 規 則，參考網址：https://www.moeaboe.

gov.tw/ECW/populace/Law/LawsList.

aspx?kind=7&menu_id=3303 (資料擷取日 期2019年8月) 。

經濟部能源局，2018。《能源轉型白皮書 - 2018.03初稿》，臺北：經濟部，https://

www.moeaboe.gov.tw/ECW/populace/news/

News.aspx?kind=1&menu_id=41&news_

id=14974 (資料擷取日期2019年8月) 。 經濟部能源局，2019。《能源統計年報資料

庫》，https://www.moeaboe.gov.tw/ECW/

populace/content/SubMenu.aspx?menu_

id=6977 (資料擷取日期2019年8月) 。 經濟部統計處，2019。「工業生產統計資料

庫」，https://dmz26.moea.gov.tw/GMWeb/

investigate/InvestigateDB.aspx (資料擷取日 期2019年8月) 。

Adetutu, Morakinyo O., Anthony J. Glass and Thomas G. Weyman-Jones, 2016. “Economy- wide Estimates of Rebound Effects: Evidence from Panel Data,” The Energy Journal, 37(3), 251-269.

Aigner, Dennis J., C. A. Knox Lovell and Peter Schmidt, 1977. “Formulation and Estimation of Stochastic Frontier Production Function Models,” Journal of Economics, 6(1), 21-37.

Amjadi, Golnaz, Tommy Lundgren and Lars Persson, 2018. “The Rebound Effect in Swedish Heavy Industry,” Energy Economics, 71, 140-148.

Brookes, Leonard G., 1978. “More on the Output Elasticity of Energy Consumption,” The

Journal of Industrial Economics, 21(1), 83-

92.

Coelli, Tim J., 1995. “Estimators and Hypothesis Tests for a Stochastic Frontier Function:

A Monte Carlo Analysis,” Journal of

Productivity Analysis, 6(3), 247-268.

De Borger, Bruno, Inge Mayeres, Stef Proost andSandra Wouters, 1996. “Optimal Pricing of Urban Passenger Transport: A Simulation Exercise for Belgium,” Journal of Transports

Economics and Policy, 30(1), 31-54.

De Borger, Bruno, Ismir Mulalic and Jan Rouwendal, 2016. “Measuring the Rebound

Effect with Micro Data: A First Difference Approach,” Journal of Environmental

Economics and Management, 79, 1-17.

DOE, 2019. Energy Efficiency, Science &

Innovation, U. S. Department of Energy on the World Wide Web: https://www.energy.

gov/science-innovation/energy-efficiency.

Filippini, Massimo and Lester C. Hunt, 2011.

“Energy Demand and Energy Efficiency in the OECD Countries: a Stochastic Demand Frontier Approach,” Energy Journal, 32(2), 59-80.

Gillingham, Kenneth, David Rapson and Gernot Wagner, 2016. “The Rebound Effect and Energy Efficiency Policy,” Association of

Environmental and Resource Economists,

10(1), 68-88.

Greene, William H., 1990. “A Gamma-Distributed Stochastic Frontier Model,” Journal of

Econometrics, 46(1/2), 141-164.

Greene, William H., 1993. “The Econometric Approach to Efficiency Analysis,” in H.O.

Fried, C.A.K. Lovell, and S.S. Schmidt (ed.),

The Measurement of Production Efficiency Techniques and Applications, New York:

Oxford University Press.

Jevons, William Stanley,1865. The Coal Question, London: Macmillan and Co.

Jin, Taeyoung and Jinsoo Kim, 2019a, “A Comparative Study of Energy and Carbon Efficiency for Emerging Countries Using Panel Stochastic Frontier Analysis,” Scientific reports, 9(1), 6647.

Jin, Taeyoung and Jinsoo Kim, 2019b. “A New Approach for Assessing the Macroeconomic Growth Energy Rebound Effect,” Applied

Energy, 239(C), 192-200.

Jondrow, James, C.A. Knox Lovell, Ivan S.

Materov and Peter Schmidt, 1982. “On the

Estimation of Technical Efficiency in the Stochastic Frontier Production Function Model,” Journal of Econometrics, 19(2-3), 233-238.

Jorgenson, Dale W. and Frank M. Gollop, 1980.

“U.S. Productivity Growth by Industry, 1947- 73,” in J. W. Kendrick and B. N. Vaccara, (ed.), New Developments in Productivity

Measurement and Analysis, Chicago:

University of Chicago Press.

Keay, Malcolm, 2011. “Energy Efficiency - Should We Take It Seriously?” Oxford Institute for

Energy Studies.

Khazzoom, J. Daniel, 1980. “Economic Implications of Mandated Efficiency in Standards for Household Appliances,” The Energy Journal, 1(4), 21-40.

Khazzoom, J. Daniel, 1987. “Energy Saving Resulting From The Adoption of More Efficient Appliances, The Energy Journal, 8(4), 85-89.

Koesler, Simon, Kim Swales and Karen Turner, 2016. “International Spillover and Rebound Effects from Increased Energy Efficiency in Germany,” Energy Economics, 54, 444-452.

Kumbhakar, Subal C., Soumendra Ghosh and J.

Thomas McGuckin, 1991, “A Generalized Production Frontier Approach for Estimating Determinants of Inefficiency in us Dairy Farms,” Journal of Business and Economic

Statistics, 9(3), 279-286.

Lane, Kevin and Armin Mayer, 2018. “Commentary:

Efficiency Should Always Be the First Answer,” retrieved November 20, 2018 from IEA Newsroom on the World Wide Web:

https://www.iea.org/newsroom/news/2018/

november/efficiency-should-always-be-the- first-answer-.html.

Llorca, Manuel and Tooraj Jamas, 2017. “Energy