Moreover, the k′-th firm's total-fa

Moreover, the k′-th firm's total-factor energy efficiency (TFEE) can
be defined (Hu andWang, 2006) as:
TFEEk0
energy ¼
xk0
energy−β
k
0
energy  gk0
energy
xk0
energy
¼ 1−
β
k
0
energy  gk0
energy
xk0
energy
¼ 1−ESPI
k
0
ð5Þ
Similarly,we introduce the CO2 Abatement Potential Index (CAPI) as
the ratio of maximum feasible reduction volume to its actual emission
level (Wei et al., 2012). That is:
CAPIk0
¼
β
k
0
CO2
 gk0
CO2
bk0
CO2
ð6Þ
CAPI in Eq. (6) is used to measures the relative degree of CO2 reduction
for plant k′. It has a non-negative value and is not higher than 1. A
zero value of CAPI indicates that the firmperformsbest in terms of emission.
Conversely, a higher value indicates greater inefficiency and larger
potential to remove excessive undesirable outputs.
Also, the k′-th firm's total-factor CO2 efficiency (TFCE) is given as
below, that is:
TFCEk0
CO2
¼
bk0
CO2
−β
k
0
CO2
 gk0
CO2
bk0
CO2
¼ 1−
β
k
0
CO2
 gk0
CO2
bk0
CO2
¼ 1−CAPIk0
: ð7Þ
3.3. Data
The novel data set used in this study is taken from the First and
Second National Economic Census (NECC) of the Zhejiang province
that was conducted in 2004 and 2008, respectively.5 It covers the
basic characteristics of coal-fired power enterprise units, including the
number of employees, financial situation, production and business operation
situation, production capacity, consumption of raw materials
and energy as well as scientific and technology-oriented activities.
All state-owned industrial corporations and non-state-owned industrial
enterprises in the Zhejiang province with annual sales fromprincipal
activity of five million Yuan or more in the power sector are
analyzed. The input data consists of labor, capital stock and energy consumption.
The average number of employees is used to represent the
productive labor force. As for capital, we use the value of fixed assets
in the power enterprise derived from independent accounting systems.
The price indices of investment in fixed assets are used to deflate the
capital value in 2008's constant price. The energy data in 2004 comes
fromthe firstNECC. The 2008's energy data comes fromthe Compilation
of Statistical Data of Electric Power Industry (CEC, 2009). The aggregate
heat content of coal, oil and natural gas are used to represent the energy
input. They are all converted to standard coal equivalents. There are two
outputs: one good output, given by the electricity generation (gigawatt
hour, GWh), and one bad output, measured by estimated CO2 emission.
We follow Du et al. (2012) to estimate the CO2 emissions fromfossil fuel
consumption.6
To ensure that all units under the DEA assessment are homogeneous
and employ the same production technology (Dyson et al., 2001), we
select for our sample those units whose primary output is electricity
and exclude power enterprises where the coal share in fuel input is
less than 95% (Färe et al., 2007). Finally, the data set covers 106 coalfired
power enterprises in 2004 and 76 enterprises in 2008, totally
182 observations.7 Since private information of enterprises (such as
ID, name, geographical location etc.) is unavailable, we cannot assess
which enterprises appear in both years. Descriptive statistics for all variables
are presented in Table 3. FromTable 3 a rough first impression is
that the average sample enterprise in 2008 doubled its capital input in
order to double its electricity and CO2 production compared to 2004.
However, energy consumption increases by less and labor input even
decreases.
The study sample provides a rather representative picture. In 2004,
the 106 sample power enterprises consumed 32.7 million tce, about
30% of total energy in Zhejiang to generate 83.9 TWh electricity,
which accounts for 68.2% of total generation. Compared with 2004,
the number of power enterprise in the 2008 sample decreased to 76.
But they accounted for an even higher share of total generation
(68.5%) and a slightly smaller share in energy consumption (26.4%).
4. Empirical results
The GAMS/MINOS solver was employed to estimate theWRDDM in
Eq. (3). We first report ESPI and CAPI according to Eqs. (4) and (6), respectively.
Thereafter we conduct statistical tests.
4.1. Measure ESPI and CAPI
The left vertical axis in Fig. 2 shows the projected minimum energy
input and excess energy usage due to inefficiency for each power enterprise
in 2004. The total length of a bar comprises projected and excess
energy. The right vertical axis shows the ESPI score which is derived
by dividing the excess energy input by the observed energy level. Similarly,
the left vertical axis in Fig. 3 depicts the observed CO2 emission and
the excess CO2 emission resulting from inefficiency for year 2004. The
right axis is the CAPI that is used to measure the relative abatement potential
of CO2. 62 out of 106 enterprises in 2004 have a zero value of
ESPI, which suggests that these enterprises perform better than others
in terms of energy utilization, or they cannot reduce energy input further
if all other things remain unchanged. 12 out of 106 enterprises in
2004 have a zero value of CAPI, which suggests that these enterprises
cannot reduce CO2 emissions further if other things are fixed.
It should be kept in mind that the zero value of ESPI or CAPI for these
power enterprises is a relative concept. It indicates that they are
5 Themajor purpose of theNational Economic Census of China (NECC) is to keep abreast
of the development of the secondary and tertiary industries of China. The data of the first
and second NECC covered the whole year of 2004 and 2008, respectively. The detailed
introduction of the first NECC (2004) can be found at: http://www.stats.gov.cn/english/
NewsEvents/200603/t20060301_25734.html; the information for the second NECC (2008)
can be found at: http://www.stats.gov.cn/english/NewsEvents/200912/t20091225_26264.
html.
6 The IPCC guideline provides the reference value for the emission factor. The average
calorific value for each fuel can be obtained from NBS (2009).
7 Some of the power enterprisesmay havemore than one plant. However, this information
is unavailable in NECC 2004 and 2008.
Table 3
Descriptive statistics of coal-fired power enterprises in Zhejiang.
Variable Description Units Mean Std.
dev.
Min Max
2004 (n = 106)
Y Electricity GWh 792.08 2059.34 2.27 13,000
B CO2 10,000
tonnes
85.68 169.89 1.62 1100
L Labor Persons 314.69 417.63 21.00 2528
K Capital stock Million Yuan 464.25 1130.22 3.55 7600
E Heat content of fuel 10,000 tce 30.82 63.08 0.59 410
2008 (n = 76)
Y Electricity GWh 1717.58 3742.94 11.72 15,000
B CO2 10,000
tonnes
145.30 309.33 1.18 1200
L Labor Persons 290.80 361.21 22.00 2059
K Capital stock Million Yuan 940.34 1812.52 2.42 7600
E Heat content of fuel 10,000 tce 52.53 112.13 0.43 450

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ ประสิทธิภาพการใช้พลังงานรวมตัวคูณของบริษัท k′ th (TFEE) สามารถจะกำหนด (Hu andWang, 2006) เป็น:TFEEk0พลังงาน¼xk0energy−βk0gk0 พลังงานพลังงานxk0พลังงาน¼ 1−Βk0gk0 พลังงานพลังงานxk0พลังงาน¼ 1−ESPIk0ð5Þในทำนองเดียวกัน เราแนะนำ CO2 ลดหย่อนเป็นดัชนี (CAPI) เป็นอัตราส่วนลดที่เป็นไปได้สูงสุดปริมาณการปล่อยก๊าซของจริงระดับ (Wei et al., 2012) นั่นก็คือ:CAPIk0¼Βk0CO2gk0CO2bk0CO2ð6Þใช้ CAPI ใน Eq. (6) การวัดระดับสัมพัทธ์ของการลด CO2สำหรับพืช k′ มันมีค่าไม่เป็นลบ และไม่สูงกว่า 1 Aศูนย์ค่า CAPI หมายถึง firmperformsbest ในแง่ของการปล่อยก๊าซในทางกลับกัน ค่าที่สูงบ่งชี้ inefficiency มากกว่า และขนาดใหญ่อาจจะเอาออกมากเกินไปแสดงผลที่ไม่พึงปรารถนายัง มีประสิทธิภาพ CO2 รวมปัจจัยของบริษัท k′ th (TFCE) ได้เป็นด้านล่าง ที่อยู่:TFCEk0CO2¼bk0CO2−Βk0CO2gk0CO2bk0CO2¼ 1−Βk0CO2gk0CO2bk0CO2¼ 1−CAPIk0: ð7Þ3.3. ข้อมูลชุดข้อมูลนวนิยายที่ใช้ในการศึกษานี้นำมาจากวันแรก และสองชาติเศรษฐกิจสำนึก (NECC) ของจังหวัดเจ้อเจียงที่ได้ดำเนินการในปี 2004 และ 2008, respectively.5 ครอบคลุมการลักษณะพื้นฐานของหน่วยองค์กรพลังงานถ่าน รวมทั้งการจำนวนพนักงาน สถานการณ์ทางการเงิน การผลิต และการดำเนินธุรกิจสถานการณ์ การผลิต ปริมาณการใช้วัตถุดิบและพลังงานตลอดจนกิจกรรมทางวิทยาศาสตร์ และเทคโนโลยีที่มุ่งเน้นการรัฐเป็นเจ้าของบริษัทและอุตสาหกรรมที่ไม่ใช่รัฐเป็นเจ้าของทั้งหมดวิสาหกิจในจังหวัดเจ้อเจียงกับ fromprincipal ขายประจำปีกิจกรรมห้าล้านหยวนหรือเพิ่มเติมในภาคพลังงานวิเคราะห์ ข้อมูลที่ป้อนเข้าประกอบด้วยแรงงาน ทุนจดทะเบียน และการใช้พลังงานจำนวนเฉลี่ยของพนักงานจะใช้เพื่อแสดงการกำลังแรงงานที่มีประสิทธิภาพ ส่วนเมืองหลวง เราใช้มูลค่าของสินทรัพย์ถาวรในองค์กรพลังงานมาจากระบบบัญชีอิสระดัชนีราคาของการลงทุนในสินทรัพย์ถาวรจะใช้รูปแฟบค่าเงินทุนในราคาคงของปี 2008 ข้อมูลพลังงานในปี 2004 มาจาก firstNECC ข้อมูลพลังงานของ 2008 มาจากการคอมไพล์ข้อมูลสถิติของอุตสาหกรรมพลังงานไฟฟ้า (พบกับ CEC, 2009) การรวมเนื้อหาความร้อนของถ่านหิน น้ำมัน และก๊าซธรรมชาติจะใช้แทนพลังงานป้อนข้อมูล พวกเขาทั้งหมดแปลงเป็นถ่านหินมาตรฐานเทียบเท่า มีสองแสดงผล: หนึ่งดีผลผลิต โดยไฟฟ้า (gigawattชั่วโมง GWh), และหนึ่ง ผลลัพธ์ไม่ดี วัด โดยปล่อยก๊าซ CO2 โดยประมาณเราตามดู et al. (2012) การประเมินน้ำมัน fromfossil ปล่อยก๊าซ CO2consumption.6เพื่อให้แน่ใจว่า หน่วยทั้งหมดภายใต้การประเมิน DEA จะเหมือนและใช้เทคโนโลยีผลิตเดียวกัน (Dyson et al., 2001), เราเลือกหน่วยหลักเป็นไฟฟ้าสำหรับตัวอย่างของเราและไม่รวมองค์กรพลังงานซึ่งเป็นหุ้นถ่านหินในการป้อนเชื้อเพลิงน้อยกว่า 95% (Färe et al., 2007) สุดท้าย ชุดข้อมูลครอบคลุม 106 coalfiredพลังงานวิสาหกิจในวิสาหกิจ 2004 และ 76 ใน 2008 ทั้งหมด182 observations.7 เนื่องจากข้อมูลส่วนตัวขององค์กร (เช่นรหัส ชื่อ ที่ตั้งทางภูมิศาสตร์อื่น ๆ) จะไม่พร้อมใช้งาน ที่เราไม่สามารถประเมินวิสาหกิจใดปรากฏในทั้งสองปี สถิติอธิบายสำหรับตัวแปรทั้งหมดแสดงในตาราง 3 FromTable 3 เป็นความประทับใจแรกที่หยาบว่า องค์กรตัวอย่างเฉลี่ยในปี 2551 สองเท่าป้อนข้อมูลของทุนสั่งคู่ของไฟฟ้าและผลิต CO2 เมื่อเทียบกับปี 2004อย่างไรก็ตาม เพิ่มปริมาณการใช้พลังงาน โดยน้อยและแรงงานที่เข้าถึงลดลงศึกษาตัวอย่างรูปภาพเป็นตัวแทนทาง ในปี 2004ในองค์กรพลังงานตัวอย่าง 106 ใช้ 32.7 ล้าน tce เกี่ยวกับ30% ของพลังงานทั้งหมดในเจ้อเจียงสร้าง 83.9 ตวาไต้หว่านไฟฟ้าบัญชีที่ 68.2% รวมรุ่น เมื่อเทียบกับปี 2004จำนวนองค์กรพลังงานจากตัวอย่างปี 2008 ลดลงถึง 76แต่พวกเขาคิดเป็นส่วนแบ่งสูงรวมรุ่น(68.5% และหุ้นเล็กในการใช้พลังงาน (26.4%)4. ประจักษ์ผลSolver GAMS/MINOS ได้จ้าง theWRDDM ในการประเมินEq. (3) เราต้องรายงาน ESPI และ CAPI ตาม Eqs (4) และ (6), ตามลำดับหลังจากนั้นเราทำการทดสอบทางสถิติ4.1 การวัด ESPI และ CAPIแกนตั้งซ้ายใน Fig. 2 แสดงพลังงานต่ำสุดคาดการณ์ไว้การใช้พลังงานที่ป้อนเข้า และส่วนเกินจาก inefficiency สำหรับแต่ละองค์กรพลังงานในปี 2004 ประกอบด้วยความยาวรวมของแถบคาด และส่วนเกินประหยัดพลังงาน แกนแนวตั้งด้านขวาแสดงคะแนน ESPI ซึ่งได้มาโดยแบ่งการป้อนพลังงานส่วนเกินจากระดับพลังงานสังเกต ในทำนองเดียวกันแกนตั้งซ้ายใน Fig. 3 มีภาพปล่อยก๊าซ CO2 สังเกต และมลพิษ CO2 ส่วนเกินที่เกิดจาก inefficiency สำหรับปี 2004 นี้ ที่เป็นแกนขวา CAPI ที่ใช้วัดอาจลดหย่อนญาติของ CO2 62 จากทั้งหมด 106 วิสาหกิจในปี 2004 มีมูลค่าเป็นศูนย์ของESPI ซึ่งชี้ให้เห็นว่า องค์กรเหล่านี้ทำดีกว่าผู้อื่นในแง่ของพลังงาน ใช้ประโยชน์ หรือพวกเขาไม่สามารถลดพลังงานที่ป้อนข้อมูลเพิ่มเติมถ้าสิ่งอื่น ๆ ยังคงเหมือนเดิม 12 ของ 106 วิสาหกิจใน2004 มีค่าเป็นศูนย์ของ CAPI การที่องค์กรเหล่านี้ไม่สามารถลดการปล่อย CO2 ต่อไปถ้าสิ่งอื่น ๆ อยู่คงที่ควรเก็บไว้ในใจที่ศูนย์ค่าของ ESPI CAPI สำหรับเหล่านี้องค์กรพลังงานเป็นแนวคิดที่สัมพันธ์กัน บ่งชี้ว่า5 Themajor ของ theNational เศรษฐกิจบ้านของจีน (NECC) จะให้เป่าของการพัฒนาของอุตสาหกรรมรอง และระดับตติยภูมิของประเทศจีน ข้อมูลครั้งแรกและ NECC สองครอบคลุมตลอดทั้งปี 2004 และ 2008 ตามลำดับ รายละเอียดแนะนำ NECC แรก (2004) สามารถพบได้ที่: http://www.stats.gov.cn/english/NewsEvents/200603/t20060301_25734.html ข้อมูลใน NECC 2 (2008)สามารถพบได้ที่: http://www.stats.gov.cn/english/NewsEvents/200912/t20091225_26264html.6 The IPCC guideline provides the reference value for the emission factor. The averagecalorific value for each fuel can be obtained from NBS (2009).7 Some of the power enterprisesmay havemore than one plant. However, this informationis unavailable in NECC 2004 and 2008.Table 3Descriptive statistics of coal-fired power enterprises in Zhejiang.Variable Description Units Mean Std.dev.Min Max2004 (n = 106)Y Electricity GWh 792.08 2059.34 2.27 13,000B CO2 10,000tonnes85.68 169.89 1.62 1100L Labor Persons 314.69 417.63 21.00 2528K Capital stock Million Yuan 464.25 1130.22 3.55 7600E Heat content of fuel 10,000 tce 30.82 63.08 0.59 4102008 (n = 76)Y Electricity GWh 1717.58 3742.94 11.72 15,000B CO2 10,000tonnes145.30 309.33 1.18 1200L Labor Persons 290.80 361.21 22.00 2059K Capital stock Million Yuan 940.34 1812.52 2.42 7600E Heat content of fuel 10,000 tce 52.53 112.13 0.43 450

ผลลัพธ์ (ไทย) 2:

นอกจากนี้ k'-ณ บริษัท รวมปัจจัยประสิทธิภาพการใช้พลังงาน (TFEE)
จะถูกกำหนด(Hu andWang 2006) เมื่อ:
TFEEk0
พลังงาน¼
xk0
พลังงานβ
k
0
พลังงาน? gk0
พลังงาน
xk0
พลังงาน¼ 1- β k 0 พลังงาน? gk0 พลังงานxk0 พลังงาน¼ 1 ESPI k 0 ð5Þในทำนองเดียวกันเราแนะนำ CO2 ลดดัชนีศักยภาพ (CAPI) ในขณะที่อัตราส่วนของปริมาณการลดความเป็นไปได้สูงสุดในการปล่อยก๊าซเรือนกระจกที่เกิดขึ้นจริงของระดับ(Wei et al., 2012) นั่นคือ: CAPIk0 ¼β k 0 CO2? gk0 CO2 bk0 CO2 ð6Þ CAPI ในสมการ (6) มีการใช้มาตรการการศึกษาระดับปริญญาญาติของลด CO2 สำหรับโรงงาน k ' แต่ก็มีค่าที่ไม่ใช่เชิงลบและไม่สูงกว่า 1. ค่าเป็นศูนย์ของ CAPI บ่งชี้ว่า firmperformsbest ในแง่ของการปล่อยก๊าซเรือนกระจก. ตรงกันข้ามค่าที่สูงขึ้นบ่งชี้ว่าการขาดประสิทธิภาพมากขึ้นและมีขนาดใหญ่ที่มีศักยภาพที่จะเอาผลที่ไม่พึงประสงค์มากเกินไป. นอกจากนี้ k ' บริษัท -th รวมของปัจจัยประสิทธิภาพ CO2 (TFCE) จะได้รับเป็นด้านล่างที่: TFCEk0 CO2 ¼ bk0 CO2 -β k 0 CO2? gk0 CO2 bk0 CO2 ¼ 1- β k 0 CO2? gk0 CO2 bk0 CO2 ¼ 1 CAPIk0: ð7Þ 3.3 ข้อมูลชุดนวนิยายข้อมูลที่ใช้ในการศึกษาครั้งนี้จะนำมาจากครั้งแรกและครั้งที่สองสำรวจสำมะโนประชากรของเศรษฐกิจแห่งชาติ(NECC) ของจังหวัดเจ้อเจียงที่ได้ดำเนินการในปี2004 และปี 2008 respectively.5 มันครอบคลุมลักษณะพื้นฐานของไฟฟ้าถ่านหินหน่วยองค์กรรวมทั้งจำนวนพนักงานสถานการณ์ทางการเงิน, การผลิตและการดำเนินธุรกิจสถานการณ์กำลังการผลิต, การใช้วัตถุดิบและพลังงานเช่นเดียวกับกิจกรรมทางวิทยาศาสตร์และเทคโนโลยีที่มุ่งเน้น. ทุก บริษัท ที่รัฐเป็นเจ้าของอุตสาหกรรมและไม่ใช่รัฐที่เป็นเจ้าของอุตสาหกรรมผู้ประกอบการในจังหวัดเจ้อเจียงที่มียอดขายประจำปี fromprincipal กิจกรรมของห้าล้านหยวนหรือมากกว่าในภาคพลังงานที่มีการวิเคราะห์ ป้อนข้อมูลประกอบด้วยแรงงานหุ้นทุนและการใช้พลังงาน. ค่าเฉลี่ยของจำนวนพนักงานที่ถูกนำมาใช้เพื่อเป็นตัวแทนของกำลังแรงงานที่มีประสิทธิภาพ ในฐานะที่เป็นเมืองหลวงของเราจะใช้ค่าของสินทรัพย์ถาวรในองค์กรอำนาจที่ได้มาจากระบบบัญชีที่เป็นอิสระ. ดัชนีราคาของการลงทุนในสินทรัพย์ถาวรที่ใช้ในการยุบมูลค่าทุนในราคา 2008 อย่างต่อเนื่อง ข้อมูลการใช้พลังงานในปี 2004 มาfromthe firstNECC ข้อมูลพลังงาน 2008 มา fromthe รวบรวมจากข้อมูลสถิติของอุตสาหกรรมไฟฟ้าพลังงาน(CEC 2009) รวมเนื้อหาความร้อนของถ่านหินน้ำมันและก๊าซธรรมชาติที่ใช้แทนพลังงานที่ป้อนข้อมูล พวกเขาทั้งหมดแปลงถ่านหินเทียบเท่ามาตรฐาน มีสองเอาท์พุท: หนึ่งในการส่งออกที่ดีที่ได้รับจากการผลิตไฟฟ้า (กิกะวัตต์. ชั่วโมง GWh) และการส่งออกที่ไม่ดีวัดได้จากการปล่อยก๊าซ CO2 ประมาณเราปฏิบัติตามDu et al, (2012) ที่จะประเมินเชื้อเพลิงการปล่อย CO2 fromfossil consumption.6 เพื่อให้แน่ใจว่าทุกหน่วยงานภายใต้การประเมินผลการปปสเป็นเนื้อเดียวกันและใช้เทคโนโลยีการผลิตเดียวกัน (ไดสัน et al., 2001) เราเลือกสำหรับหน่วยตัวอย่างของเราผู้ที่มีการส่งออกเป็นหลักไฟฟ้าและไม่รวมผู้ประกอบการพลังงานที่หุ้นถ่านหินในการป้อนเชื้อเพลิงน้อยกว่า95% (ค่าโดยสาร et al., 2007) ในที่สุดชุดข้อมูลที่ครอบคลุม 106 coalfired องค์กรอำนาจในปี 2004 และ 76 สถานประกอบการในปี 2008 ทั้งหมด182 observations.7 เนื่องจากข้อมูลส่วนตัวของผู้ประกอบการ (เช่นรหัสชื่อตั้งทางภูมิศาสตร์ฯลฯ ) ไม่สามารถใช้งานเราไม่สามารถประเมินซึ่งปรากฏในสถานประกอบการทั้งปี สถิติเชิงพรรณนาสำหรับตัวแปรทั้งหมดถูกนำเสนอในตารางที่ 3 FromTable 3 ความประทับใจแรกที่หยาบกร้านเป็นว่าองค์กรตัวอย่างเฉลี่ยในปี2008 สองเท่าการป้อนข้อมูลทุนในเพื่อที่จะเป็นสองเท่าของการผลิตไฟฟ้าและก๊าซCO2 เมื่อเทียบกับปี 2004 อย่างไรก็ตามการเพิ่มขึ้นของการใช้พลังงานน้อยลงและ แรงงานแม้จะลดลง. กลุ่มตัวอย่างให้ภาพที่ค่อนข้างตัวแทน ในปี 2004, 106 ผู้ประกอบการพลังงานตัวอย่างบริโภค 32,700,000 TCE ประมาณ30% ของพลังงานทั้งหมดใน Zhejiang การผลิตกระแสไฟฟ้า TWh 83.9, ซึ่งคิดเป็นสัดส่วน 68.2% ของการผลิตทั้งหมด เมื่อเทียบกับปี 2004 จำนวนขององค์กรที่มีอำนาจในปี 2008 ตัวอย่างลดลง 76 แต่พวกเขาคิดเป็นส่วนแบ่งที่สูงขึ้นของการผลิตทั้งหมด(68.5%) และหุ้นขนาดเล็กในการใช้พลังงาน (26.4%). 4 ผลเชิงประจักษ์GAMS / MINOS แก้ถูกจ้างมาเพื่อประเมิน theWRDDM ในสมการ (3) เรารายงานครั้งแรก ESPI และ CAPI ตาม EQS (4) และ (6) ตามลำดับ. หลังจากที่เราดำเนินการทดสอบทางสถิติ. 4.1 วัด ESPI และ CAPI ซ้ายแกนแนวตั้งในรูป 2 แสดงให้เห็นถึงการใช้พลังงานขั้นต่ำที่คาดการณ์การป้อนข้อมูลและการใช้พลังงานส่วนเกินที่เกิดจากการขาดประสิทธิภาพสำหรับองค์กรแต่ละอำนาจในปี2004 ความยาวทั้งหมดของบาร์ประกอบด้วยส่วนที่เกินคาดและพลังงาน แกนแนวตั้งขวาแสดงคะแนน ESPI ซึ่งได้มาโดยการหารการป้อนพลังงานส่วนเกินจากระดับพลังงานสังเกต ในทำนองเดียวกันแกนแนวตั้งที่เหลืออยู่ในรูป 3 แสดงให้เห็นถึงการปล่อยก๊าซ CO2 สังเกตและการปล่อยCO2 ส่วนเกินที่เกิดจากการขาดประสิทธิภาพในปี 2004 แกนขวา CAPI ที่ใช้ในการวัดศักยภาพในการลดญาติของCO2 62 จาก 106 ผู้ประกอบการในปี 2004 มีค่าเป็นศูนย์ของESPI ซึ่งแสดงให้เห็นว่าองค์กรเหล่านี้ทำงานได้ดีกว่าคนอื่น ๆในแง่ของการใช้พลังงานหรือพวกเขาไม่สามารถลดพลังงานต่อไปถ้าทุกสิ่งอื่น ๆ ยังคงไม่เปลี่ยนแปลง 12 จาก 106 ผู้ประกอบการใน2004 มีค่าเป็นศูนย์ของ CAPI ซึ่งแสดงให้เห็นว่าผู้ประกอบการเหล่านี้ไม่สามารถลดการปล่อยCO2 ต่อไปถ้าสิ่งอื่น ๆ ที่ได้รับการแก้ไข. มันควรจะเก็บไว้ในใจว่าค่าเป็นศูนย์ของ ESPI หรือ CAPI เหล่านี้ผู้ประกอบการพลังงานเป็นแนวคิดญาติ มันแสดงให้เห็นว่าพวกเขามี5 จุดประสงค์เพื่ออำนวยความสะดวกในการสำรวจสำมะโนประชากร theNational ทางเศรษฐกิจของประเทศจีน (NECC) เป็นเพื่อให้ทันการพัฒนาของอุตสาหกรรมมัธยมศึกษาและอุดมศึกษาของประเทศจีน ข้อมูลในครั้งแรกและครั้งที่สอง NECC ปกคลุมตลอดทั้งปีของปี 2004 และ 2008 ตามลำดับ รายละเอียดการเปิดตัวครั้งแรก NECC (2004) สามารถพบได้ที่: http://www.stats.gov.cn/english/ NewsEvents / 200603 / t20060301_25734.html; ข้อมูลสำหรับสอง NECC (2008) สามารถพบได้ที่:. http://www.stats.gov.cn/english/NewsEvents/200912/t20091225_26264. html ที่6 แนวทาง IPCC ให้ค่าอ้างอิงสำหรับปัจจัยที่ปล่อยก๊าซเรือนกระจก ค่าเฉลี่ยค่าความร้อนเชื้อเพลิงแต่ละคนสามารถได้รับจาก NBS (2009). 7 บางส่วนของพลังงาน havemore enterprisesmay กว่าหนึ่งในพืช แต่ข้อมูลนี้ไม่พร้อมใช้งานในปี 2004 และ NECC 2008 ตารางที่ 3 สถิติเชิงพรรณนาถ่านหินผู้ประกอบการมีอำนาจในเจ้อเจียง. ตัวแปรรายละเอียดหน่วย Mean Std. dev. มินแม็กซ์2004 (n = 106) Y ไฟฟ้า GWh 2,059.34 792.08 2.27 13,000 CO2 B 10,000 ตัน85.68 169.89 1.62 1,100 L บุคคลแรงงาน 314.69 417.63 21.00 2528 K ทุนหุ้นล้านหยวน 464.25 1,130.22 3.55 7600 E เนื้อหาความร้อนของน้ำมันเชื้อเพลิง 10,000 TCE 30.82 63.08 0.59 410 2008 (n = 76) Y ไฟฟ้า GWh 1,717.58 3,742.94 11.72 15,000 B CO2 10,000 ตัน145.30 309.33 1.18 1,200 L บุคคลแรงงาน 290.80 361.21 22.00 2059 K ทุนหุ้น 940.34 ล้านหยวน 1,812.52 2.42 7600 E เนื้อหาความร้อนของน้ำมันเชื้อเพลิง 10,000 TCE 52.53 112.13 0.43 450