能源强度（共8篇）
能源强度 篇1
能源强度又称单位GDP能耗或能源密集度(energy intensity),即一个国家或地区、部门或行业在一定的时间内生产单位产品所消耗的能源量[1]。能源强度不仅反映了经济体对能源的依赖程度,而且也反映了能源的利用效益。为了对能源的投入实行统筹掌控,我国在2006年国务院政府报告中首次提出了控制单位GDP能耗在经济生产中的投入,即控制能源强度;“十二五”期间又施行了“能源双控”政策。2014年3月5日,国务院总理李克强在政府工作报告中提出:“推动能源生产和消费方式变革。加强节能减排力度,控制能源消费总量,年能源消耗强度要降低3.9%以上”。其后,国家能源局提出2014年具体能效目标———单位GDP能耗0.71吨标准煤/万元,然而最终并未达到政府目标。因此,在2015年《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》中进一步提出强化约束性指标管理,实行能源总量和强度双控行动。应当注意到,我国幅员辽阔,各地区初始禀赋的分配不均及其历史发展差异的积累,导致了能源强度的差异。因此,如何有效地提高地区能源的利用效率已经成为了新常态下保持经济和社会稳定可持续发展的重要课题。
目前,关于能源利用的研究已经受到了我国学者们的广泛关注,其中,能源强度的研究已经积累了大量的成果。概括起来主要有两方面:从“指数分解”技术角度来研究能源强度的变化。林伯强等[2]在数分解法(IDA)和生产理论分解法(PDA)的基础上提出了一个综合的分解框架,并对能源强度变化的驱动因素进行了分析。以“指数分解”技术、产业或行业角度为基础的能源强度研究仅从两个不同的维度来论证能源强度变化的内在机理,它只能够说明能源强度的变化状态,但却忽略影响能源强度的外部因素。
从产业或行业角度研究能源强度与差异性。韩智勇等[3]将能源强度变化分解为结构份额和效率份额,并提出了结构份额和效率份额的计算方法,对我国能源强度变化中的结构份额和效率份额进行了定量分析,说明了我国能源强度下降的主要动力来自于各产业能源利用效率的提高。周勇等[4]采用适应性加权迪维西亚指数分析法对我国1980—2003年期间能源强度的变化因素进行了分解,结果表明,产业结构因素和产业部门能源强度因素对我国总能源强度差异作用显著。刘畅等[5]应用协整模型和误差修正模型研究了不同区域各种经济因素与能源消耗强度之间的关系,结论表明就能源消耗强度的长期趋势和短期波动而言,产业结构及能源消费结构对高能耗区域的影响很大,高能耗区域通过结构调整有更大的节能空间。齐志新等[6]认为中国的能源强度与世界发达国家相比偏高不仅仅是技术上的差距,产业结构、产业部门内的产品结构和增加值率等3个因素都是经济因素的影响。
从区域角度,角度研究能源强度与差异性。李国璋等[7]利用对数平均D氏指数技术(LMDI)对1995—2005年中国能源强度变动进行区域因素分解,研究发现由区域内能源强度所显示的区域内技术进步因素是影响中国能源强度变动的决定因素。李善同等[8]采用结构分解方法对中国各地区能源强度的差异进行分解,研究了中国各地区能源强度差异的因素。他们认为,行业能源强度的差别是决定能源强度差异的主要因素。邱寿丰[9]运用完全分解模型,从省级区域、东中西部和经济发展不同组别等3类区域角度对我国能源强度变化的影响进行分解分析,得出了各省降低能源强度的一些具体建议。
目前,学术界的多角度研究已取得进展,为国家能源政策提出较多建议,但由于忽略地区能源强度与最优能源强度的差距即能源强度缺口及其影响因素,能源调控政策的针对性不强,地区政向指向不明。虽然采用数据包络方法研究能源效率文献不胜枚举,但研究过各地区的能源强度的缺口文献还鲜见。本文认为,能源效率是相对的,能源强度缺口的形成是由于技术、结构等因素所造成的,可以采取有效政策降低甚至消除能源强度缺口而处于最优状态。鉴于此,本文以数据包络分析方法,利用我国2003—2014年30个地区(西藏数据不完整)的面板数据测度地区能源强度缺口,进一步应用计量经济学方法研究的能源强度缺口的决定因素,以此提出有区域差异能源效率政策。
1 事实描述
1.1 数据来源
本文的研究对象为2003—2014年全国30个地区(由于西藏的数据不完整所以不包括西藏自治区)的能源强度的缺口。根据生产理论,选取各个地区的资本、能源、劳动作为投入变量,各个地区的GDP作为产出变量,其中,资本指的是固定资本存量,其估算方法是首先将历年各个地区的总固定资产投资调整为2005年的价格;然后以1952年的投资总额为标准将各年的投资总额进行折算得到每年初始资本存量;最后根据张军的“永续盘存法”,以亿元为单位、以折旧率为9.6%进行计算,其中2014年的固定资本形成额用2014年的固定资本投资完成额替代,其余年份均由固定资本形成额折算而来,其原始数据来源于各地区的统计年鉴和《中国固定资产投资统计数典》。劳动指的是各地区年初和年末的就业人数的平均值(以万人为单位),其中2014年的从业人数有前5年平滑得出,其原始数据来源于各地区的统计年鉴。能源是以我国的各种一次性能源投入按标准煤折算加总而来的(以万吨标准煤为单位),其原始数据来源于各地区的统计年鉴。2014年的能源消费总量是由发改委发布的其各年的能源强度降低百分比与上一年的能源强度经GDP折算而来。地区的产出变量GDP的原始数据也来自于各地区的统计年鉴。GDP和固定资本存量分别经过各自的价格指数平减至同一基期,即2005年。
1.2 能源强度概况
根据各地区统计年鉴公布的数据,本文计算了中国的30个省份、自治区及直辖市2003—2014年的能源强度(见图1)。从图1中可以看到,2003—2014年,中国各地区的能源消耗强度是有着明显的下降。下降幅度居于前五位的地区是宁夏回族自治区、贵州省、山西省、甘肃省和吉林省,降幅分别为2.71、2.57、2.16、1.39、1.25,能源强度降幅最小的是福建省,降幅为0.3。从图2可以进一步看出各地区之间能源强度的差异。平均能源消耗强度最高的几个地区分别是宁夏回族自治区、贵州省、山西省、青海省和内蒙古自治区,平均能源强度最低的是福建省、广东省、上海市、江苏省和浙江省。平均能源强度最高的宁夏回族自治区,其能源强度是平均能源强度最低的两个地区———广东省和福建省的6.61倍,这表明了我国地区间的能源强度存在较大的差异。此外,在能源强度的波动中,波幅最大的为贵州省、陕西省、宁夏回族自治区3个地区,说明了这3个地区的能源强度下降是最快的;波幅最小的是福建省和江苏省两个地区,能源强度下降较小。
本文将中国分为东中西部三大地带,东部为北京、天津、上海、河北、辽宁、江苏、浙江、福建、山东、广东、广西、海南12个地区,中部为山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、内蒙古9个省区,西部为新疆、四川、贵州、云南、陕西、甘肃、青海、宁夏、重庆10个省区。根据图3可知,经济发达的东部沿海地区的能源强度明显比其他地区的能源强度低,在研究期内呈现出“自西向东,能源的消耗强度依次下降”的态势。具而言之,东部的能源强度明显的低于全国的平均能源强度,西部的能源强度明显的高于全国平均水平,中部比较接近全国平均水平;东部、中部西部三者之间的能源强度差距正在不断的缩小———从2003年的1.21∶1.86∶2.49下降到了2014年的0.66∶0.90∶1.28。从图3中的“全国变异系数”曲线可以看到,东中西部三大地带的能源强度的总体差异在2003—2010年是上升的,2011—2014年地区能源强度差异又有所下降,这表明“十二五”期间的“能源双控”政策确实取得了一定的成效。地区间的能源强度在“十二五”期间表现出了收敛的特性[8],西部的能源强度下降的速度最快,中部次之,东部的下降速度最慢。
2 地区能源强度缺口测算
2.1 理论模型
能源强度是能源规模与总产出的比值,其本质表示的一种能源效率,由于计算牵涉到生产理论,所以本文以Rashe等[9]和赵丽霞[10]研究的生产函数为基础,以投入为资本、劳动、能源三要素,产出为GDP[11]。
(1)式中的Y代表的是产出即GDP,代表的是全要素生产率,Xi代表的是投入要素(K为资本总存量,L为劳动数量,E为能源投入量)。
基于松弛变量测度的以面向投入的数据包络分析方法(Data Envelopment Analysis,DEA)可以理解为最大化的一种分析技术,它是通过控制产出的数量不变从而得出最少投入要素的一种方法。它是由Charnes等[12]于1978年提出来的不变规模报酬数据包络方法(CCR-DEA)的一种扩展,该模型直接反映了决策单元投入的过度程度,且这种投入的过度只受整个数据集的决策单元的影响,而与单独的决策单位无关,所以用该模型来测度生产过程中能源的无谓损耗具有绝对的优势。其目标函数和规划形式为:
将其分式规划形式转化成线性规划问题,并经过一些变换,可得如下的规划形式:
式(2)、(3)、(4)、(5)中,ρ表示效率的评价标准,m、s分别为输入的要素种类和输出的产品种类,分别由向量xj=(x1j,x2j,…,xmj)t和yj=(y1j,y2j,…,ymj)t向量表示,输入向量和输出向量的权向量v=(v1,v2,…,vm)为和μ=(μ1,μ2,…,μs),si-为投入的松弛变量,sr-为产出的松弛变量,Λ=tλ,S-=ts-,S+=ts+。其中,投入的松弛变量描述的是决策单元有效时应当减少的投入的数量;产出的松弛变量描述的是决策单元有效时应当增加的产出的数量。当si*-=sr*+=0时,则在现有的状态下决策单元是技术有效的;当si*-≠0或sr*+≠0时,则是技术无效的。根据松弛变量的大小,可以得到前沿面上决策单元投入和产出变量的目标值x'0=x0-s-。其中,投入变量的目标值,产出变量的目标值y'0=y0-s+。
2.2 能源强度缺口测算
在以面向投入的SBM模型中,松弛变量是描述投入变量的平均松弛程度,也就是决策单元的投入数量离生产前沿面的相对距离,它表示在现有的技术水平和生产环境下,在不减少产出的情况下能够减少的要素投入的数量。投入过多时会产生投入松弛即投入冗余,这时适当减少投入要素不会减少产出反而能提高效率。在前文中提到的“能源投入的目标值”即为能源投入的实际值减去冗余值,表达式为x'0=x0-s-。
笔者利用DEAP软件测算了能源在生产过程中的松弛变量,计算出了各地区相对最优能源消耗,由相对最优能源消耗和GDP的比值可得出相对最优能源强度。从图4看出,2003—2014年,中国各地区的最佳能源消耗强度随着技术的提高有着明显的下降,且地区间的最佳能源强度的差距有所缩小。与各个地区的实际能源强度相比,各省在现有的技术水平和环境下,除了北京、福建、上海、广州、辽宁、安徽、云南达到了一个相对有效的能源强度外,其他的省份都没能达到相对的最佳能源强度。由于SBM模型是测度相对投入或产出的无谓损失值,即地区在现有的技术水平上所能达到的最小投入量或最大产出量,无谓的损失是由技术的无效性和社会摩擦所造成的,如果能减少这种影响将会明显的提高能源的利用效率。
鉴于此,接下来测度了能源利用过程的效率损失及能源强度的缺口。它等于现实达到的能源强度减去它在现有的技术水平和生产环境下,为达到能源利用的有效水平所需的最优能源强度,其结果见表1。
万吨/亿元
虽然2003—2014年,各地区的能源强度缺口明显下降,但某些地区的能源强度缺口还相当大,能源强度缺口超过“1”的地区有山西、内蒙古、贵州、甘肃、青海、宁夏、新疆,其中宁夏和山西的能源强度缺口达到了1.76万吨标准煤/亿元和1.53万吨标准煤/亿元。能源强度缺口相对有效的地区有北京、福建、上海、广州、辽宁、安徽、云南,而其他的地区能源强度都存在一定的缺口。从东中西部和全国的角度来看,其能源强度缺口都随着时间的推移而减少。其中,西部的能源强度缺口最大,这与西部的经济水平和技术水平密不可分;中部的能源强度缺口次之,和全国水平相近;东部的能源强度缺口最小。从全国的能源强度缺口变异系数来看,2003—2010年全国的能源强度缺口差异是上升的,而2011—2014年全国的能源强度缺口差异有所下降(见图5)。
3 能源强度缺口影响因素的计量分析
3.1 变量的选择与说明
由于所测度出来的能源强度缺口是一个相对指标,所以在研究其影响因素实时自变量应全为相对指标,且应与能源强度缺口有因果关系,因此,选取如下指标:(1)产业结构。各地区第三产业总产值占GDP的比重(IS)来表示,一般说来高端的产业一般能耗都较小,史丹等[13]认为产业结构的提升能有效地提升能源效率。(2)对外开放程度。选取进出口总额占GDP的比重(FO)来表示,魏楚等[14]研究了对外开放程度对能源效率的影响,但结果却各不相同,所以对外开放程度对能源强度缺口提升可能存在正的影响,也可能存在负的影响,这取决于本国的经济水平和国外的经济水平。(3)经济水平。用人均GDP取对数(log(PCGDP))来表示,对于经济水平对能源效率的影响,国内外都有人进行过研究,且结果都表明经济水平越高的地区,能源的利用率越高。(4)政府影响力。选取财政支出占地区GDP的比重(GOV)来表示,政府的干预可能对能源强度缺口有正的影响,也可能是负的。魏楚等[14]研究了政府的影响对全要素能源的提升是有抑制作用。(5)技术水平。一般说来能源效率的提高与技术进步是密不可分的,本文将利用R&D的投入经费占GDP的比重(TP)来表示技术水平。(6)生产要素禀赋水平。用生产函数中的资本存量除以劳动力取对数(log(K/L))来度量生产要素水平,由于造成地区的经济社会差异的一个主要原因就是地区的资源禀赋不同,一些地区的禀赋会对能源效率产生正的作用,一些会有负的作用。上述变量中,GDP、第三产业产值、进出口总额,财政支出的数据都来源于《中国统计年鉴》,R&D投入经费的原始数据来自于国家统计局及《中国科技统计年鉴》。这些指标预期对能源强度缺口的影响见表2所示。
注:1)+表示对能源强度的缺口有拉升作用;2)-表示对能源强度缺口有填补作用
3.2 计量模型分析
由于模型的研究时间跨度不长,所以考虑用面板数据截距项变动的固定效应模型来研究能源强度缺口。其模型为:
(6)式中,Insuff为能源强度缺口,C为公共截距,Ci为各地区的截距差异,(C+Ci)+Ci)为各地区除了模型中的影响因素以外的其他影响因素综合。βi表示的是各个因素对能源强度缺口的边际影响,各地区是相同的,不存在结构变化。εi,t表示的是随机误差,t表示时期。
3.3 参数估计
本文对全国和东中西部3个区域进行了回归分析(见表3)。从全国来看,它的被解释变量在5%的显著平下全都是显著的。技术进步、经济水平、产业结构的系数是负的,表明了在研究期内技术的创新、经济水平的改善、产业结构的升级与优化对能源强度缺口的降低有重要作用。对外开放程度、政府影响力、资源禀赋水平的系数是正的,说明了在研究期内各地区开放程度的扩大、政府的干扰和资源禀赋水平的变化对能源强度的缺口有增大的作用。
在研究期内,就其对填补能源强度缺口的因素来讨论。首先,在所有的影响因素中技术进步的系数是最大的。从结果中可以看到当科技与研究经费在GDP中的投入比重每上升一个百分点时,能源强度的缺口将缩小9.22个百分点左右,这说明了技术是研究期内改善能源利用效率的最主要因素。其次是经济水平对能源强度的降低作用。当经济水平每上升一个百分点时,能源强度的缺口将缩小2.37个百分点左右。最后,地区产业结构的升级及改善对能源强度的缺口有填补的作用,第三产业在GDP中的比重每上升一个百分点,能源强度的缺口将缩小1.06个百分点。
注:—为5%水平下不显著的变量
就其对拉升能源强度缺口的因素来讨论,政府影响和资源禀赋水平对能源强度缺口有负向作用。在研究期内政府的干扰和资源禀赋水平的变化都降低了能源的利用效率,可以看到当政府支出在GDP中的比重每上升一个百分点和劳动资本比每变化一个百分点时,能源强度的缺口将增大1.85个百分点和1.39个百分点左右。此外,在模型中,对外开放水平对能源利用效率缺口的影响是很小的,说明了外资的引进对当前我国经济环境下的能源效率影响很小;就截距项来说,外部环境对地区能源缺口有增大效应,其主要原因是生产外部不可避免的摩擦所致。
从东中西三大区域来说,东部地区的产业结构、经济水平和资源禀赋水平对能源强度缺口有显著的影响,其中产业结构对其影响最大,且是东部地区在所有因素中最大的,它表明了东部在研究期内,能源强度的缺口主要是由产业升级来填补的。中部地区的政府影响力、经济水平、资源禀赋水平对能源强度缺口有显著的影响。由变量的系数可知,中部地区存在着较大的政府干预对能源利用效率的影响,且中部想要降低能源强度的首选之策是提高经济水平。西部地区经济水平、资源禀赋水平和技术进步对能源强度缺口有显著的影响,其中技术进步是西部近年来能源缺口降低的重要原因。
鉴于以上的研究,我国在“十三五”期间应大力鼓励技术创新,提升产业结构,提高经济水平,增加就业水平,减少政府干预来降低能源强度缺口,提高能源的利用效率。但中部对能源强度缺口的填补应重点从产业结构的改善与升级着手,应着重减少政府影响对能源利用效率的干扰。西部应突出提高能源利用技术生产水平的发展。资源禀赋水平和常数项的结果表明了我国现今存在就业不足和外部摩擦严重的现状。
4 结论及含义
本文通过利用数据包络分析技术(SBM)对我国2003—2014年30个地区(除西藏外)能源强度缺口进行了测度,进一步用面板数据模型研究了能源强度缺口的决定因素。研究发现:在研究期内我国地区能源强度缺口是逐年缩小的,并且呈现出自西向东依次下降的态势,技术进步、经济水平和产业的不断升级对能源强度缺口有填补显著的作用,而政府的支出却是扩大能源强度缺口的显著因素;对于填平能源源强度缺口,政府的支出作用在中部尤为突出,东部主要是产业因素起作用,而西部最主要的是技术进步因素起作用。因此,从总体上看,国家在“十三五”期间国家应大力鼓励技术创新,提升产业结构,提高经济水平,增加就业水平,减少政府干预和社会摩擦来降低能源强度,填补能源缺口;从区域层面来看,东部应着力提升产业结构水平,中部应集中力量减少政府干预,而西部应大力提升技术生产水平,以提高能源效率,实现能源强度最优化状态。
能源强度 篇2
关键词：城市化；能源强度；能源消费；能源效率；人均收入；人口城市化率；大城市化率；新型城市化；城市化新常态
中图分类号：F062.1；F224.0 文献标志码：A 文章编号：16748131（2015）03009109
一、引言
城市化表现为农业人口向非农业人口、农村地域向非农村地域、农业活动向非农业活动的一系列转移，是复杂的经济结构、社会结构和空间结构变迁的过程。在最近几十年，全球城市化进程明显加快，特别是在发展中国家。根据2011年《世界城市化展望》报告，目前全球70亿人口有一半居住在城市，并且未来四十年城市人口还将急剧增长，其中亚洲和非洲的城市人口比重将达到86%。城市规模的不断扩大必然带来维持其发展的大量资源的消耗。根据IEA2008年的报告，2006年，只占全球二分之一人口的城市消耗了全球约三分之二的能源，并排放了超过70%的二氧化碳。在全球应对气候变化的背景下，城市发展过程中面临的资源环境压力与日俱增。
城市化发展引发的一系列能源和环境问题已经引起许多经济学家的关注，其探讨的核心在于城市化是否必然引起能源消费和污染排放的增长。理论上讲，城市化对能源消费和环境污染的影响是多方面的。首先，从产业结构角度来看，城市化过程中，能源使用强度低的传统农业不断升级，由使用农业机械、消耗大量柴油和电力能源的现代农业所代替；同时，由于城市化过程常常伴随着工业化的深入，各种工业生产要素在城市中的聚集和工业增加值的不断上涨也将消耗更多的能源。其次，从交通和运输方面来看，由于大量人口离开农村进入城市，粮食从生产到消费将增加庞大的运输过程；另外，工业生产和消费地区的分离，也要求城市建立便捷高效的交通运输体系，这些都增加了交通运输对能源的需求。最后，从城市化对居民消费的影响看，城市化过程中大规模的住房、公共交通、绿化、医疗等公共基础设施的建设和维护，需要消耗大量能源；城市居民相对农村居民更高的人均收入水平也使他们愿意购买更多能源密集型产品，增加对电力的需求。从上述分析看，似乎城市化一定会加剧能源消费，然而现实中城市化对能源消费的影响要复杂得多。例如，紧凑城市理论（compact city theory）认为，高密度的城市土地利用能够有效发挥基础设施的规模经济效应，减少私家车使用和长距离运输，从而起到降低能源消费和二氧化碳排放的作用；最近兴起的绿色建筑技术也能够降低城市建筑群的能源强度。综合来看，城市化在增加经济活动、引起生产和消费集中的同时，也能够发挥规模经济效应，通过资源优化配置提高能源使用效率。因此，从理论上讲城市化对能源消费和环境污染的影响并不确定。
史亚东：城市化与能源强度的非线性关系研究
针对这一不确定的影响，国内外已有不少学者利用不同的计量方法进行了大量实证检验。这些研究有基于跨国层面的比较，也有基于一国国内的分析，甚至是针对某些城市的检验；实证分析所用的数据包含截面数据、时间序列数据和面板数据；建立的模型多为可拓展的随机环境影响评估模型（STIRPAT model）、环境库兹涅茨模型（EKC model）或协整模型；应用的计量方法除了普通的OLS回归、面板回归，还有稍复杂的异质面板回归方法等。主要的相关研究情况见表1。
纵观国内外相关文献可以发现，现有文献大多研究城市化水平对能源消费总量或人均能源消费的影响，较少关注城市化对能源强度或者说能源效率的影响能源强度是单位GDP的能源使用量，其大小体现了经济对于能源消耗的依赖程度，是评价能源效率最重要的核心指标之一。在当前应对气候变化、保障国家能源安全的背景下，揭示城市化与能源强度的内在关联机制，对于政策制定者有更大的现实意义和参考价值。 。Sadorsky（2013）和王晓岭等（2012）虽然也着重研究了城市化对能源强度的影响，但他们的研究假设两者的关系是线性的，并且只是针对发展中国家和中国，缺乏其他收入水平国家的经验证据，从而不能科学地解释两者的内在联系。同时，不少学者提出城市化对能源消耗的影响要考虑不同的发展阶段和收入水平之间的差距（Pearce，1990；Poumanyvong et al，2010）。然而，现有的跨国层面研究多针对某一收入群体的国家，较少涉及全球范围的国家；国内的研究也多仅针对中国，缺乏国际比较。其中，Poumanyvong et al（2010）的研究虽然针对全球国家，但由于其实证分析中存在众多缺失数据，导致最终的数据来源并不一致；并且他们的研究只是把国家分为不同收入水平的群体，仍然认为城市化对能耗的影响是线性的。有鉴于此，本文从能源效率的角度出发，考虑不同国家发展阶段和收入水平差距的影响，利用跨国数据，采用面板门限回归的计量方法，以人均收入水平为门限变量，实证检验城市化与能源强度的非线性关系。
二、实证计量模型与数据说明
1.面板门限回归模型简介
现实中的宏观经济变量无论是在时序中还是变量之间常常呈现出某种非线性关系，为了捕捉这种非线性关系，门限回归模型（Threshold Regression Model）在计量经济学中得到了广泛的应用。门限回归方法力图找寻发生突变的临界点，其本质是将某一观测值作为门限变量，根据其大小将样本进行归类，再分别回归后比较回归系数的不同。对于门限模型的假设检验包括两个方面：一是检验门限效应是否显著；二是检验得到的门限估计值是否是真实值（或者说是否足够接近真实值），即构造门限值的置信区间。如果在单门限模型的第一个检验中拒绝了原假设，则意味着变量之间存在至少一个非线性转换的临界值。由于在实际经济运行中确实可能发生临界值不止一个的结构突变，因此，还需要引入多门限回归模型及其相应的假设检验。
2.实证模型的构建
本文主要研究城市化对能源强度的影响，采取Jones（1991）和Sadorsky（2013）的做法，模型中的解释变量为人均收入（y）、人口城市化率（ur）以及工业化率（ind），被解释变量为人均能源强度（en）。以单门限回归模型为例，建立对数化的计量模型（1）：
lnenit=ci+αlnyit+βlnindit+
θ1lnuritI（lnyit≤γ）+θ2lnuritI（lnyit≤γ）+εit（1）
按照紧凑城市理论，高密度的城市土地利用可以充分发挥规模经济效应，因此人口密度较高的大城市有可能会有更高的能源使用效率。为了考察这一点，我们引入人口密度更高的大城市化率指标（urb）代替人口城市化率指标，得到模型（2）：
lnenit=ci+α lnyit+βlnindit+
θ1lnurbitI（lnyit≤γ）+θ2lnurbitI（lnyit-1>γ）+εit（2）
3.样本选择与数据说明
本文中所有数据均来自世界银行发展指数数据库（WDI）。其中，人均收入为按购买力平价折算为2005年国际美元不变价的人均GDP水平（GDP per capita，ppp，constant 2005 international $），人口城市化率为居住在城市的人口比重，大城市化率为居住在人口超过100万大城市的人口比重，工业化率为工业增加值占GDP的比重，能源强度为以2005年不变价计算的每1 000美元GDP等价于原油的能源使用量（energy use per $1 000 GDP，constant 2005 ppp）。WDI数据库涵盖了213个国家自1960年开始的813个宏观经济指标，但许多国家在某些年份的数据存在缺失值，而本文计量模型又要求平衡面板数据，因此，在尽量扩大研究国家范围的原则下，最终确定的样本空间是1980—2010年52个国家的相关数据样本国家选取的标准是该国家最近几十年相关数据都没有缺失值；考虑到世界银行最新数据只更新到2010年，为最大限度地扩展国家范围，同时又能展现时间趋势性，最终划定研究的时间区间为1980—2010年。 。具体的国家名单以及相关变量的描述性统计性指标见表2和表3。
三、实证结果与分析
1.门限效应检验
为了检验城市化对能源强度的影响是否因收入水平不同而出现阶段性差异，我们对模型（1）和模型（2）分别进行了原假设为没有门限、单个门限、双门限以及三门限的实证检验。表4列出了模型（1）和模型（2）在各假设检验中的F值、通过自举法（bootstrap）得到的P值以及在10%、5%、1%显著水平下对应的临界值。从中可见，无论是人口城市化率还是大城市化率，城市化对能源强度都存在显著的门限效应。具体来说，上述两个计量模型在单门限检验中P值都很小，说明在1%显著水平下拒绝了没有门限的原假设，模型存在显著的门限效应；在双门限的检验中，模型（1）检验得到的P值为0.01，模型（2）的P值更小，说明两者在1%的显著水平下都应当拒绝原假设，即都具备显著的双门限效应；而在三门限的检验中，无论是人口城市化率还是大城市化率的检验结果在统计上都不显著。因此我们可以判定城市化对能源强度确实存在非线性影响，并且存在两个门限值。
图1和图2给出了以人口城市化率为解释变量时双门限模型中置信区间的构造，使似然比函数等于0的对数人均收入水平即是门限值，相应的95%置信区间是似然比函数位于虚线以下的部分。由图1可以看到，在第一个门限值6.10之后，似然比函数在9.2附近又有一次突降，这也暗示了在此附近应当还有第二个门限。表5给出了模型（1）和模型（2）在双门限模型中估计的门限值估计方法是先固定在单门限模型中得到的第一个门限值，搜寻第二个门限，得到第二个门限值；然后固定第二个门限值，再返回修正第一个门限值。 ，括号内是相应的99%显著水平下的置信区间。由表5可见，模型（1）的门限值与模型（2）的门限值非常接近，分别为6.10、9.72和6.35、9.72，可见，在不同人均收入水平下城市化对能源强度的影响存在显著差异，并且这种差异的突变点在人口城市化率和大城市化率的对比中几乎是确定的。
2.双门限模型估计结果
表6列出了本文对城市化与能源强度关系检验的实证结果。其中，第1列和第2列分别为模型（1）
和模型（2）的面板固定效应估计结果，第3列和第4列分别为模型（1）和模型（2）的面板非线性双门限估计结果。从各项回归结果看，所有解释变量的系数都非常显著（1%的显著水平下）。其中，人均收入水平在各个回归模型中的系数都显著为负，说明人均收入对能源强度的影响是反向的，即随着人均收入水平的提高，单位GDP的能源使用量趋于下降。人均收入对能源强度的弹性系数变化区间较小，在-0.420到-0.492之间，这与Sadorsky（2013）
的研究结果非常接近Sadorsky（2013）针对发展中国家的研究表明人均收入对能源强度的弹性系数在-0.499到-0.434之间。 。另外，在各回归模型中，以工业增加值占GDP比重表示的工业化水平的系数显著为正，表明工业化水平提高将引起能源强度上升，这可能与工业活动要比传统农业消耗更多能源相关。工业化水平对能源强度的弹性系数变化区间也较小，在0.109到0.198之间，并且两个在双门限回归模型中，这两个系数的估计值十分接近。
人口城市化率对能源强度的回归系数无论在线性模型还是非线性模型中都显著为正，表明随着城市化水平提高能源强度有所上升。值得注意的是，在双门限回归模型中，根据估计的两个门限值，城市化的影响系数被划分为三个区间：在对数人均收入水平小于6.10时，城市化对能源强度的弹性系数较高，为0.433；当对数人均收入水平大于6.10但小于9.72时，城市化的弹性系数下降为0.283；当对数人均收入水平大于9.72时，这一系数又上升为0.347。从整体上看，城市化对能源强度的影响在不同发展阶段并不一致，表现为其弹性系数随着人均收入水平的提高先下降后又上升，或者说，城市化对能源强度的正向作用在较低和较高的收入水平阶段更大一些。模型（2）式的估计结果与模型（1）相似：大城市化率对能源强度的弹性系数在各估计模型中都显著为正；在双门限回归模型中，大城市化率的弹性系数随着人均收入水平的提高也呈现从由高到低再升高的趋势。通过查看对数人均收入在6.1到9.72之间的国家名单可以发现，这些国家基本上都是发展中国家。根据上述估计结果，城市化对能源强度影响的弹性系数在此阶段最小，意味着目前这些发展中国家的城市化可能给能源效率带来的负面效应最低。
综合来看，人均收入水平的提高能够降低能源强度，并且其影响最大，反映出技术进步所带来的能耗降低效应；工业活动的增加引致了大量的能源消耗，它对能源强度的影响是正向的，但影响程度相对较小；城市化对能源强度的影响是正向的，但不同的收入水平（发展阶段）其影响强度不一。大部分发展中国家目前正处于城市化对能源效率的负面影响程度最低的阶段，并且只要人均收入水平提高的正向影响足够大，完全可以抵消城市化所带来的能源消费负面效应。
四、结论与政策启示
从全球范围来看，城市化发展的劲头依然强劲，尤其是在非洲和亚洲的发展中国家，城市化还将迎来新的高潮。然而，城市化发展往往面临环境污染和资源消耗的双重压力，特别是在全球应对气候变化的背景下，城市化发展会对能源消耗产生什么样的影响，将会直接影响各国政府的相关决策。
理论上讲，城市化对能源消耗的影响是双面和多重的。一方面，由于城市化所带来的经济活动的增加会引致能源消费的上升；另一方面，城市化所带来的规模经济效应和资源优化配置也可能降低能源消耗。当前国内外文献关注城市化与能源消费的研究众多，但对城市化与能源强度关系的研究较少，而从低碳发展和保障能源安全的角度出发，能源强度无疑是政策制定者更为关心的指标。处于不同发展水平和不同收入阶段的国家，其经济社会发展特征并不一致，城市化对能源强度的影响也可能因此而产生差异。本文采用跨国数据，利用面板门限回归计量方法，以人均收入水平为门限变量，检验了城市化对能源强度的非线性影响，分析表明城市化与能源强度之间存在显著的双门限效应，证实了在不同收入水平下两者之间的关系存在差异。人均收入水平的提高将降低能源强度，而工业化水平的提升会提高能源强度；城市化水平的提高将增加能源强度，其中，处于中间收入水平的国家的城市化对能源效率提高的负面影响最低。在我国积极稳妥推进新型城镇化的战略背景下，本文上述实证结果具有诸多政策启示：
首先，城市作为经济发展的主要载体，是产业结构转型升级的主阵地，是先进技术和生产力的聚集地。在我国，城市化的发展更是承担起了转变经济发展方式以及稳增长、调结构的重任而被寄予厚望。本文实证结果表明，城市化发展确实伴随着能源强度的增加，但从我国目前的发展阶段来看，相对其他发展阶段来说这种负面影响是最小的。因此，即便考虑资源环境约束，把城镇化作为“提振经济的巨大引擎”“扩大内需的最大潜力”的战略定位也是有积极意义的。
其次，考虑资源环境承载力，我国在新型城市化推进过程中应着重提高城市化质量。实证分析表明，虽然城市化水平对能源强度的影响是正向的，但这种影响完全可以因人均收入水平的提高而被抵消。因此，提高人均收入水平，特别是建立合理的资产财富分配体系和相应的社会保障制度，可以突破城市化发展带来的诸多资源环境约束，这也是使得城市化真正能够实现拉动内需、提振经济的必备条件。
再次，本文实证分析显示，相比人口城市化率，大城市化率对能源强度的正向影响在各个阶段都相对更小。这说明我国长期以来优先发展小城镇和中小城市的做法亟待改进，这种城市化发展战略实际上弱化了城市化效益，没有充分发挥城市化的集聚效应和规模经济，不利于资源集约使用，更容易造成环境污染“遍地开花”难以治理的景象。
最后，在经济新常态下，我国的城市化发展也要进入新常态。我国正处于“三期叠加”的敏感期，经济新常态意味着“中高速、优结构、新动力，多挑战”。根据本文的实证结果，我国的城市化对能源利用效率最大程度的负面影响还有相当长的一段“缓冲时期”，利用好这个阶段，转变城市化发展模式，将是顺利渡过经济下行期、扩大内需、跨越中等收入陷阱等的关键。在经济新常态下，着重实现“人的城镇化”，培育城市经济增长的新动力，推动产业不断优化升级，着力提高城市化发展的质量，将是城市化改革和发展的新常态。
参考文献：
梁朝辉.2010.城市化不同阶段能源消费的影响因素研究[J].上海财经大学学报（5）：8996.
刘耀斌.2007.中国城市化与能源消费关系的动态计量分析[J].财经研究（11）：7281.
王晓岭，武春友，赵奥.2012.中国城市化与能源强度关系的交互动态响应分析[J]. 中国人口.资源与环境（5）：147152.
王子敏，范从来.2012. 城市化与能源消耗间关系实证研究[J].城市问题（8）：814.
张黎娜，夏海勇.2013.城市化进程中的能源消费差异研究——基于中国省级面板分析[J].学海（2）：136141.
中国能源消费强度影响因素分析 篇3
改革开放以来, 我国经济得到了全面、高速、持续发展, GDP以年均9.8%的增长率增长, 成为世界上发展最快的国家。随着经济的发展, 我国的能源消耗量也大幅度提升, 2010年已成为全球第一大能源消费国。我国在“十二五”规划中明确提出了节能减排的具体目标。国外学者对能源消费的研究起步较早, 由于经济体制的限制, 国内学者在改革开放后才逐步开始对能源问题的研究。目前, 学术界主要从以下几个方面研究能源消费强度问题:
(一) 能源消费强度总体趋势研究。
由于数据和研究方法的选取不同, 因此国内外学者对于我国能源消费强度的趋势存在不同的判断。Ma and Stern (2008) 利用中国1980~2003年的经济数据考察了我国能源消费强度的变化趋势, 发现1978~2000年之间呈现下降趋势, 2000年后又开始回升。但是, 对于2000年是否是我国能源消费强度变化的拐点, 依然存在争议。Liao et al. (2007) 通过实证研究发现从2003年起我国的能源消费强度才开始上升, 章爽 (2013) 也持相同观点。王安建和王高尚 (2010) 的研究表明各国能源消费强度在每个国家经济发展的不同阶段呈现不同的变化趋势, 但是随着工业化进程的不断推进, 每个国家能源消费强度的变化基本上都呈现“U”形分布。马小微 (2007) 的研究结果表明1953~2005年间, 中国能源消费强度变化与环境库兹涅茨曲线较为吻合。类似结论还有史丹 (2002) 、余甫功 (2007) 、张建文和刘学之 (2010) 。
(二) 能源消费强度影响因素。
诸多学者从产业结构、技术进步等多个角度考察了经济因素对我国能源消费的强度影响, 并得出了有价值的结论。Garbaccio et al. (1999) 用投入-产出模型创建了能源消费强度指数, 分析了1978~1995年中国能源消费的数据, 发现技术革新是中国能源消费强度变化的主要因素。Perry (2011) 运用异质面板回归技术分析发展中国家的城市化和工业化对能源消费强度的影响, 研究发现收入提高可以降低能源消费强度, 而工业化会使能源消费强度提高。刘满平 (2006) 分析我国近年来产业结构调整的特点及所面临的能源供给约束, 并从产业结构调整与能源供给相协调的角度出发, 提出能源发展战略及产业调整政策。但是, 其中产业结构调整的思路没有细化, 只是泛泛而谈调整重工业轻工业比重、国有经济比重等, 同时缺少对各省份产业结构差异的考虑。关于能源消费强度和FDI的关系, 部分学者认为“FDI的规模对能源消费强度具有负效应” (Mielnik and Goldemberg, 2002;齐绍洲和云波, 2009) , 持否定态度的学者有Huble and Keller (2009) 。
结构因素、技术因素和对外贸易因素是国内外学者在研究能源消费强度问题上经常考虑的指标。大多数学者得出了能源消费强度的相同影响因素, 本文在总结前人研究的基础上, 结合我国的具体实际, 增加了政府支出这个变量, 希望在回归结果上更有说服力。
(三) 能源消费强度区域差异研究。
近年来, 国内学者对我国能源消费强度区域差异的研究开始关注, 但是大多数研究只停留在表层阶段, 粗略的划分出能源高耗区和能源低耗区, 研究方法局限于面板数据、省际因素分解等模型。国涓等 (2009) 运用聚类分析方法将中国各省市划分成高增长高能耗、低增长高能耗、低增长低能耗和高增长低能耗4个区域, 并运用面板数据的协整分析与误差修正模型, 对影响各区域能源消费强度的长、短期因素进行实证分析。目前, 运用空间计量方法系统地研究中国能源消费强度相关问题的文献较少, 部分文章在数据的全面性和方法的正确性方面还存在欠缺。张贤和周勇 (2007) 曾利用空间自相关和空间回归模型, 发现FDI具有显著的空间溢出效应, 对本地区和周边地区能源消费强度的降低具有明显的作用。宋马林等 (2012) 采用LISA统计分析空间聚集和扩散模式, 结合Moran’s I和Geary’s C方法, 对这88个地市产业发展所处的状态进行综合判断并进行相关预测。姜磊和季民河 (2012) 利用Moran散点图分析得出我国能源强度存在空间集聚效应, 但是其没有建立空间计量模型。袁梁和王军 (2011) 研究表明我国能源消费强度存在显著的空间相关性, 并建立相应的空间计量模型, 但是他们的研究没有进行残差的空间相关性检验、异方差检验等, 模型的正确性不能保证, 所以需要做进一步的分析。类似的研究还有阚大学和罗良文 (2010) 、吴玉鸣 (2012) 。本文在综合国内外学者相关研究的基础上, 利用空间计量方法对我国能源消费强度的空间相关性及影响因素进行更加全面系统的分析。
二、研究设计
(一) 变量定义。
作为复杂经济系统中的一个指标, 能源消费强度的变化以及中国经济最终能耗水平的形成实际是多种因素综合作用的结果, 从这个意义上讲, 技术变化、市场化水平、政府规制、产业发展特征、产业结构、经济发展模式等经济系统的诸多方面都直接或间接影响着能源投入的多少以及产出水平的高低, 并最终通过能耗强度的变化而表现出来。综合相关文献的分析, 本文选取以下几个指标作为能源消费强度水平的影响因素。
1、产业结构。
产业结构是影响能源消费的一个重要因素, 产业结构是衡量一国经济结构是否合理的关键因素, 不同的产业结构会对能源消费产生不同的影响, 进而影响能源消费强度高低。本文产业结构选取第二产业增加值占生产总值的比重以及第三产业增加值占生产总值的比重来表示, 变量代码为SE和TH。
2、能源结构。
能源消费结构反映的是能源消费中各种能源的比例关系问题, 是衡量国家和地区发展方向和程度的重要指标之一。我国特殊的资源禀赋和能源消费习惯决定了煤炭、石油在我国能源消费中的绝对比重, 而新能源、清洁能源的发展会有效降低能源消费强度。本文选取煤炭消费总量占能源消费总量的比重来表示能源结构, 变量代码为MT。
3、经济发展水平。
经济发展水平也是影响能源消费强度的一个重要因素。能源消费强度等于能源消费总量与国内生产总值的比值, 两者增加的幅度和速度不同会对能源消费强度产生不同的影响。本文经济发展水平用各省的人均生产总值来表示, 变量代码为GDP。
4、技术进步。
科技投入带来的技术进步对于降低能源消费强度有着积极的作用。技术进步可以有效提高生产效率, 并且可以在经济发展水平相同的条件下降低能源消费强度。科研经费的投入是影响能源利用效率的重要因素, 也是节能降耗的根本途径。Keller (2002) 认为, R&D投入越多, 有效的研发劳动也越多, 对技术进步的促进能力也越强, R&D有利于促进知识和技术的外溢。本文选取R&D经费支出代表技术进步, 变量代码为R&D。
5、外商直接投资。
首先, 外国直接投资会带来先进的技术, 从而促进中国企业的技术进步, 提高能源效率, 降低能源消费强度水平;其次, 外商直接投资也会通过产业结构调整来影响能源消费强度。张贤和周勇 (2007) 从空间效应因素验证了外商直接投资对能源效率的影响。因此, 预期外商直接投资会促进能源消费强度的降低。本文用各个省的外商投资总额占地区生产总值的比重来表示外商直接投资, 变量代码为FDI。
6、政府影响力度。
政府影响力可以制约市场化程度的加深, 国家的各种政策对能源消费强度的影响还是很大的。政策的侧重点不同将直接关系到经济发展领域的不同, 进而导致不同的产业结构、不同地区发展目标, 这些都会引起能源消费强度的变化。本文政府影响力选取的是财政支出占生产总值的比重, 变量代码为CZ。
(二) 数据来源。
文中数据来自于《中国能源统计年鉴2013》、《中国统计年鉴2013》等, 部分西藏数据来源于《西藏自治区能源发展“十二五“规划》, 数据为2012年截面数据。为了消除异方差现象, 本文对R&D经费支出、人均地区生产总值等指标数据进行了对数化处理。
(三) 模型设定。
国内外学者对于能源消费强度的研究多从全局来入手, 忽略了区域性差异因素。然而, 在地大物博的中国, 地区之间发展不均衡, 引入空间因素到相关研究中是十分必要的。因此, 本文采用空间计量方法, 建立能源消费强度影响因素的空间计量模型, 包括空间滞后模型和空间误差模型。
1、空间滞后模型。
空间滞后模型 (Spatial Lag Model, SLM) 主要是探讨各变量在某一地区时有扩散现象 (溢出效应) 。其模型表达式为:
式 (1) 中, EI为因变量;SE、TH、MT、GDP、R&D、FDI和CZ为变解释量;ρ为空间回归系数;W为n×n阶的空间权值矩阵, 一般用邻接矩阵 (Conti-guity Matrix) ;ε为随机误差项向量;参数β分别反映了解释变量对因变量的影响, 空间滞后因变量WEI是一个内生变量, 反映了空间距离对区域行为的作用。
2、空间误差模型。
若地区间的相互作用因所处的相对位置不同而存在差异, 则需要采用空间误差模型。空间误差模型 (Spatial Error Model, SEM) 的模型形式为:
其中, ε为随机误差项向量, λ为n×1阶的截面因变量向量的空间误差系数, μ为正态分布的随机误差向量。SEM中参数β分别反映了解释变量对因变量的影响。参数λ衡量了样本观察值中的空间依赖作用, 即相邻地区的观察值EI对本地区观察值EI的影响方向和程度。存在于扰动误差项之中的空间依
三、空间计量模型实证分析
(一) 空间相关性检验结果。
应用空间计量方法首先要检验我国能源消费强度是否存在空间相关性。本文自相关统计量采用的是Moran’s I, 选用的是rook一阶、二阶和三阶空间权值矩阵。检验结果如下。 (表1)
表1中Rook1、Rook2、Rook3依次为rook一阶、二阶、三阶空间权值矩阵。从表1可知, 能源消费强度一阶权值矩阵的Moran’s I通过1%显著性水平的检验, 并且Moran’s I的值为0.3838, 说明能源消费强度存在明显的空间自相关。同时发现, 权值矩阵所选的阶数越高, Moran’s I值越低, 说明能源消费强度的空间相关性符合地理学第一定理, 即各个地区的空间联系随着空间距离的增大而呈现降低的趋势。因此, 在空间计量经济学模型分析中选择rook一阶空间权值矩阵。
为了更直观地展示出我国能源消费强度不同省份的集聚类型, 本文给出了中国各省能源消费强度2012年我国能源消费强度的Moran散点图和局域空间自相关LISA集聚图, 参见图1和图2。 (图1、图2)
Moran散点图是以能源消费强度的原始值为横坐标, 以空间滞后值为纵坐标。从Moran散点图中可以看出我国多数省份分布在第一象限和第三象限。图2的LISA集聚图红色区域表示高-高集聚地区, 表示该区域自身和周边地区的水平均较高, 存在较强的空间正相关, 包括内蒙古、甘肃、新疆、西藏和青海;深蓝色区域表示低-低集聚地区, 表示该区域和它周围的其他区域都是低水平的区域, 包括江苏、浙江、上海、广东等地方;浅蓝色区域表示低-高集聚地区, 表示高水平的区域包围着一个低水平的区域。该区域的水平与周围邻居相比是比较低的, 意味着该区域的空间差异的程度是比较大的, 存在较强的空间负相关, 包括四川和海南。
通过以上空间效应检验可以看出, 总体来看我国省际能源消费强度以第一象限L-L、第三象限H-H型为主, 表示我国能源消费强度存在明显的空间集聚和空间依赖性。
(二) 空间计量模型估计结果。
经典的计量经济学模型假设空间是均质的, 而空间自相关性是客观存在的, 空间效应会使得普通最小二乘估计无效 (Anselin, 1988;Le Sage and Pace, 2009) 。因此, 需要建立空间计量模型来克服普通最小二乘法无法解决的空间依赖效应。但为了与空间计量经济学模型结果进行对比, 本节先采用普通最小二乘法进行估计, 然后再建立相关空间计量经济学模型。
由于变量之间可能存在多重共线性, 建立模型之前, 首先通过计算出6个解释变量的方差膨胀因子 (VIF) 来检验多重共线性。 (表2)
从表2可以看出, 选取的6个解释变量方差膨胀因子的值都小于5, 所以可知解释变量之间不存在多重共线性, 可以用来建立相关的模型。
1、经典最小二乘回归模型估计结果。
通过建立OLS得出相关结果如表3所示。 (表3)
从经典最小二乘模型中, 可以知道拟合优度为0.6935, F统计量为9.05156, 模型整体也通过了1%显著性水平的检验, 因此模型的拟合程度很好。解释变量MT、SE在10%的显著性水平下通过了检验, 解释变量INRD、CZ在5%的显著性水平下通过了检验, 而INGDP、FDI没有通过检验。
通过最小二乘法同时得到Lagrange乘数判断的结果, 以下检验结果可以作为如何选择空间模型的参考, 检验结果如表4所示。 (表4)
诊断结果中给出了5个Lagrange乘数检验统计量。从表4可以得出, Lagrange multiplier (lag) 通过了检验, 而Lagrange multiplier (error) 未通过检验, 可以理论上推出空间滞后模型比空间误差模型更合适。但这并不是绝对的检验方法, 具体选择建立哪个模型, 还需要结合两个模型的检验结果比较, 以及根据与经典的最小二乘模型的比较结果来决定。
2、空间模型估计结果。
本文采用空间统计软件Geo Da095i建立空间模型, 空间邻接矩阵选取一阶邻近矩阵, 估计方法为极大似然估计。为了选择合适的计量模型, 本文列出了空间滞后模型和空间误差模型的估计结果, 并将其进行对比分析。 (表5)
从空间模型的估计结果来看, 空间滞后模型的ρ均通过了1%显著性水平的检验, 因此空间滞后模型是成立的。模型中第二产业比重、煤炭消费比重、R&D经费支出、财政支出通过了10%显著性水平检验, 地区生产总值和外商直接投资没有通过检验;空间误差模型的也通过了1%显著性水平的检验, 因此空间滞后模型也是成立的。模型中第二产业比重、煤炭消费比重、R&D经费支出、财政支出及外商直接投资通过了10%显著性水平检验, 只有地区生产总值没有通过检验。
表6空间滞后模型和空间误差模型的Breusch-Pagan检验结果可以看出, 模型均不存在异方差性。从两个模型的残差空间自相关性检验来看, 模型的残差的Moran’s I没有通过检验, 所以不存在残差空间自相关性, 说明空间模型将残差的空间相关性消除了。 (表6、表7)
3、OLS、空间滞后模型与空间误差模型对比。
从表8可以看出相比OLS, 空间计量模型的Log likelihood都有显著增长, 同时AIC、SC有所下降, 表明空间模型估计结果更为稳健。然而, 综合比较OLS、空间滞后模型和空间误差模型的统计量, 空间滞后模型不但比最小二乘法计量模型拟合的好, 而且比空间误差模型拟合的好。 (表8)
结合Lagrange乘数检验和表8的比较结果, 本论文最后选择空间滞后模型作为空间计量模型来说明能源消费强度的相关影响因素, 空间滞后模型为:
(W为n×n阶的空间权值矩阵)
从空间滞后模型各个解释变量的弹性系数数值来看, 与普通最小二乘估计的系数有所修正, 因此可以说明考虑空间效应的空间滞后模型的估计结果更为稳健。空间滞后模型中第二产业增加值比重、煤炭消费总量比重、各省科研经费投入、各省财政支出比重通过了检验, 下文将重点分析空间滞后模型中的这四个变量对能源消费强度的影响。
4、空间滞后模型结果分析
(1) 能源消费强度在省域之间形成显著空间扩散效应。空间滞后模型的ρ十分显著, 说明了能源消费强度在省域之间形成了空间扩散 (溢出) 效应, 空间滞后效应较强, 也就是说相邻两个地区能源消费强度互相产生影响。ρ值为0.4419, 说明周围地区能源消费强度每增加1%, 本地区能源消费强度就会提高0.44%, 空间滞后效果相当明显。
(2) 产业结构的优化有利于降低能源消耗强度。各省第二产业占地区生产总值的比重代表产业结构, 模型的回归系数为0.0877, 符号为正, 与预期相同, 并且在0.1的显著性水平通过了检验。说明能源消费强度与第二产业所占比重存在正相关关系, 即第二产业所占比重每增加1%, 会导致能源消费强度增加0.09%。国家应尽量优化产业结构, 降低第二产业所占比重, 增加第三产业比重, 以降低我国能源消费强度。
(3) 能源消费结构是制约能源消费强度降低的重要原因。煤炭占能源消费总量的比重代表能源消费结构, 其在模型得到的回归系数为0.2231, 在5%显著性水平下通过了检验。回归结果说明能源消费结构对能源消费强度的影响比较显著, 煤炭占能源消费总量的比重每增加1%, 就会使能源消费强度增加0.22%。然而, 由于资源禀赋的限制, 我国以煤炭为主的消费结构短期内不会有显著变化, 能源消费结构严重制约着能源消费强度的下降。国家应大力发展清洁能源, 优化能源消费结构, 逐步以新能源代替传统能源。
(4) 技术进步是降低我国能源消费强度的关键因素。R&D经费支出代表技术进步, 由模型得到的回归系数为-0.3297, 符号与预期相同, 并在5%的显著性水平下通过了检验。实证结果表明, 技术的进步, 尤其是能源技术的进步, 对降低能源消费强度有着至关重要的作用。所以, 技术进步是解决我国未来能源危机的一个重要的关键因素, 可以强有力地降低能源消费强度。
(5) 财政支出的增长导致能源消耗强度上升。财政支出占GDP的比重代表政府影响力, 由模型得到的回归系数为0.2370, 符号为正, 在1%的显著性水平通过了检验。即财政支出所占比重增加1%, 会导致能源消费强度增加0.24%, 这就要求政府在合理的情况下应尽量减少财政支出, 适当优化财政支出结构。
四、政策建议
(一) 重视区域经济间相互影响。
基于区域相关性的调整策略是指从区域经济受相关区域影响角度出发, 制定区域发展政策时要考虑到受其他相邻区域的经济影响, 各省份制定的产业政策要有协同性, 形成系统性的全国区域产业发展政策。例如, 我国西部大开发、东北工业振兴等区域政策尤其要考虑对相邻区域的影响, 邻近省份的产业政策、能源消费强度变化。对于一个空间统计上表现为离群现象的省份, 比如西北地区的陕西省, 制定政策时要考虑到周边省份能源消费强度的负相关性, 合理的调整政策力度。
(二) 调整产业结构。
调整优化产业结构, 特别是工业部门的内部结构。产业结构调整是能源消费强度下降的物质基础。就我国目前的发展阶段来看, 第二产业所占比重较大, 重工业增长明显加快。因此, 要严格控制第二产业、工业和重工业的发展速度和规模, 提高高耗能行业的进入门槛, 努力形成“低投入、低消耗、高效率”的经济发展方式。同时, 合理地调整产业结构布局, 由以工业为主导的产业结构向第三产业为主导的产业结构转化也显得尤为重要。
(三) 优化能源消费结构。
“以煤为主”的能源资源禀赋决定了长期以来我国“以煤为主”的能源消费现状, 但由于煤炭利用技术不成熟, 使得煤炭利用率较低, 造成了能源浪费和大量的废弃排放。特别是那些资源禀赋丰裕的地区, 应该充分利用本地的资源优势, 发展煤炭、石油深加工行业, 提高煤炭的利用效率, 降低能源消费强度。此外, 应加大对新能源、清洁能源等领域的科技、人力、资金等方面的投入, 不断优化能源结构, 采取多元化能源结构的发展战略, 提高优质能源比重, 努力实现能源工业的均衡发展。
(四) 提高科技水平。
实证分析表明技术的进步对于降低能源消费强度有着积极的作用。在经济高速发展的过程中, 新工艺、新技术都可以强有效地降低能源消耗的强度。所以, 技术进步可以有效提高生产效率, 并且可以在经济发展水平相同的条件下降低能源消费强度。国家应鼓励科技的创新, 加大科学技术研发方面的投入, 从而提高能源利用效率, 降低能源消费强度;同时能源方面的科学技术进步同时也会促进新能源、清洁能源的发展, 降低传统能源使用规模, 从而降低我国能源消费强度。
(五) 合理控制财政支出总量。
我国目前以经济建设为中心, 经济发展迅速, 不可避免地会积极实施财政政策, 而且在诸多领域都需要财政支出, 因此尽管降低财政支出可以降低能源消费强度, 但是应该合理控制财政支出, 不能一味为了能源消费强度的降低而影响经济发展。此外, 可以在财政支出的结构上加大控制力度。比如实证分析结果显示R&D经费支出可以有效降低能源消费强度, 所以对于此类既能促进经济增长又能降低能源消费强度领域, 政府可以多投入一些, 这就能在保证国家政策落实、维护政府控制力度的前提下, 既促进经济增长, 又降低我国能源消费强度。
摘要：本文基于2012年我国30个省市的截面数据, 运用空间计量方法研究我国能源消费强度的影响因素, 研究结果表明:空间滞后模型中空间滞后效应明显, 能源消费强度在省域之间形成显著空间扩散效应。第二产业比重、煤炭消费所占比重、R&D经费支出以及政府财政支出是影响我国能源消费强度的主要因素。能源消费结构、产业结构是能源消费强度难以降低的重要原因;技术进步可以显著降低能源消费强度;适当减少政府财政支出有利于降低能源消费强度。
能源强度 篇4
能源已经成为影响世界经济发展的重要因素，我国经过改革开放的三十多年的快速增长，经济已经进入工业化的重要时期，对能源的依赖也越来越严重。然而，此时地区间的能源强度水平存在的巨大差异成为我国实现节能减排的一大障碍。因此，积极探寻降低各地区能源强度的政策和措施，对实现我国总体能耗水平的降低，实现节能减排工作具有重要的意义。
1 合理设定各地区的能源强度目标
地区能源强度受当地多种影响因素及邻近地区的空间效应共同影响，各地区的能源强度状况和相关的影响因素也差别较大，因此地区能源强度政策必须与各地区发展的实际情况相结合，能源强度的目标设定不能采取“一刀切”方式，而应该根据各地区实际合理设定能源强度目标，有序降低各地区能源强度水平，逐步降低地区间能源强度差异。我国是个幅员辽阔的大国，各地区要素禀赋的差异巨大，使得各种生产要素的相对价格在各个地区有不同的表现，按照市场资源配置方式，各地区的要素投入比例也会不一样，各地区在地理条件和经济社会条件上的巨大差别使得各地开展节能降耗工作的成本和效率也有很大的差别。因此，要实现全国2010年总体20%的节能指标以及2020年降低单位GDP二氧化碳排放40%到50%的承诺，必须明确考虑各地区实际情况，因地制宜，制定与区域发展政策或规划相结合的能源强度发展目标。
2 要素价格体系要进一步完善
2.1 消除地区间要素的流动限制
能源强度不仅跟能源价格有关，还跟其他要素的价格相关。总体能源禀赋水平对能源强度的影响非常明显，而当前我国各地区在要素流动方面还有很多限制，如户籍制度、信贷资源配给等等。这些限制都会对各地区的要素配置产生扭曲，从而提高要素的价格。要想从总体上降低各地区的能源强度以及地区间能源强度差异水平，必须要努力消除各地区间劳动要素和资本要素的流动限制，从制度上保证要素流动的顺利实现，从而实现各地区的要素合理配置。
2.2 改革与完善能源价格形成机制与价格政策
要积极推进能源价格形成机制改革，研究制定和完善有利于节能环保的能源价格体系，使价格的节能导向作用充分发挥。具体包括：在电价改革中实行环境折价，使发电外部成本内部化；对高耗能产业坚决执行差别电价，取消地方实行的针对高耗能产业的各种优惠政策，以抑制高耗能产业的盲目扩张；进一步完善用电峰谷差别定价机制；积极推行自愿性产品价格市场化改革进程，逐步形成反映资源稀缺程度、环境损害成本和供求关系的价格形成机制。
2.3 对不同地区实行有差别的能源税收政策
各个地区能源消费量不同，对环境和社会造成的损害也有所不同，这必须在各地区的能源税收方案中体现出来，即高耗能地区应当承担更重的能源税负，而低能耗地区则应在税负方面进行相应的减免。
3 优化能源消费结构和产业结构
3.1 加大对各地区尤其是高能源强度地区新能源应用的扶持力度，提高新能源在总体能源消费中的比重
核能、风能、太阳能等新能源的大量应用对于解决我国当前经济面临的能源供需矛盾具有重要的意义。由于大部分新能源都是可再生能源，且具有低污染、低排放的优良性能，新能源对于降低我国总体能源强度同样具有重要的辅助作用。
3.2 优化各地区产业结构，尤其是提高能源强度较高地区第三产业在国民经济中的份额
从发达国家发展历史来看，第三产业的发展对于经济的可持续发展具有重要作用，我国当前正处于改革的重要时期，加大第三产业的发展力度刻不容缓。
4 大力提高技术进步的支持力度
4.1 提高各地区尤其是高能源强度地区技术改进的支持力度
高能源强度地区由于其能源工业企业众多，因此在相关的技术改进方面的微小进步都能带来非常巨大的经济效益和能源节约。因此，国家可以在技术改进的加大对该部分地区的支持力度，如在中央政府投入的研发资金中，提高高能源强度地区的预算比重，在税收优惠政策方面给予高能源强度地区更大力度的支持和优惠等。
4.2 鼓励各地区节能技术产品的进出口贸易，提高高能源强度地区出口退税率
鼓励节能产品的进出口贸易能够有效的提高当地的节能技术水平，从而达到降低能源强度，缩小地区间能源强度差异的目标。
4.3 加大各地区尤其是高能源强度地区外商投资的引入力度，特别是控制能源强度相关项目的支持
加大节能项目的FDI引入力度尤其是能源强度较高地区的引入力度，对于我国总体意义上能源强度的降低以及各地区能源强度差异的缩小都具有重要的意义。FDI能够显著刺激当地技术水平的提升，从而降低地区能源强度，我们的研究也证实了这一点，因此加大对高能源强度地区FDI的支持，能够有效的降低该地区的能源强度，并进而降低各地区间的能源强度差异。
4.4 最后加大各地区知识产权的保护力度
能源强度相关技术水平的提高需要知识产权的保护，这样科研人员的创新精神才能得到充分调动，技术水平才会加速上升，从而有效的降低各地区能源强度以及各地区间能源强度差异水平。
5 规范地方政府竞争和优化绩效考核体系
我国正处于转轨经济时期，政府在经济活动中依然扮演着重要角色，降低能源强度的工作离不开政府行为的支持。
5.1 建立纳入能源强度指标的政绩综合考核体系
将能源强度指标纳入到目标评价考核机制中，其重点是要将各级政府以及国务院相关部门的评价考核工作中加入能源强度指标。明确国家有关部门在节能降耗方面的相关职责，对其职能范围内与节能降耗有关的政策制定和管理情况进行考评是非常必要的。而各省级的节能降耗工作的考核也应该由国家发改委进行认真的考核，并签订节能降耗责任书。明确各省级政府节能降耗相关工作职责和降耗指标。最终要建立起中央、地方和企业三级节能目标评价考核体系，并实行严格的目标责任制度。
5.2 完善各地区法规体系建设。
5.2.1 结合《节约能源法》实施10年来的情况，以及节能执法检查中反映的一些问题和建议，从我国实际出发，借鉴国外先进经验，加快对现行《节约能源法》的修订工作，力争《节约能源法》修订稿尽快完稿并提交人大审议，为其他与节能相关的法律法规的修订或制定奠定基础。
5.2.2 其次应做好节能法与其他国家相关法律的协调工作。由于我国当前的法律非常多，各种法律在规定方面有可能会产生一定的相互抵触和不统一，不同法律间的协调工作非常重要。当前我国正在制定的能源法、循环经济法，以及正在修订中的《电力法》等等，这些相关法律中都有关于节能的条款，因此在制定过程中应重点注意各个法律与《节约能源法》间的协调和衔接工作，尽量避免造成冲突。
5.2.3 相关的法规方面尽量做好与《节约能源法》的配套和完善工作。随着《节约能源法》的修订，与此相配套的节约能源的法规也应进行相应的建立和完善。我们建议国家相关的法规制定部门应该努力完善下列法规：电力需求侧管理条例、节能技术进步条例、节能监察条例、建筑节能条例以及节能管理条例。
5.2.4 地方相关节能的法规建设和配套实行。全国各地区都应当结合《节约能源法》的修订，以及在各地方节能执法检查中反映的各级节能法规中存在的现实问题，借鉴国外发达国家和先进地区的优秀经验，努力的完善相关节能法规的建设以及配套措施的实行。
总之，巨大的经济总量和快速的经济增长使得我国对于能源的需求增长非常迅速，需求量也日益庞大。2004年中国已经超过日本、成为仅次于美国的世界第二大能源消费国，而且，当前我国正处于工业化、城镇化加速的历史时期，国民经济对能源的依赖程度非常高。经济对能源的依赖性和能源的供需矛盾已经成为阻碍我国经济持续发展的瓶颈之一。如何提高能源利用效率，降低能源消耗成为摆在我国面前的首要问题，应引起政府当局的高度重视。
摘要：经济对能源的依赖性和能源的供需矛盾已经成为阻碍我国经济持续发展的瓶颈之一。如何提高能源利用效率,降低能源消耗成为摆在我国面前的首要问题。本文从价格、结构、技术进步和地方政府行为等多角度因素进行分析,提出降低我国地区间能源强度水平和其差异的相关政策建议。
关键词：地区能源,能源强度,政策研究
参考文献
[1]刘源远.中国能源效率的地区差异及收敛性研究[D].大连:大连理工大学,2008.
[2]Gylfason T.Natural resources,education,and economic development[J].European Economic Review,2001,45(4-6):847-859.
[3]阎敏.FDI对中国技术进步的贡献效应实证分析[J].当代经济科学,2007(06):74-78.
[4]李廉水,周勇.技术进步能提高能源效率吗?——基于中国工业部门的实证检验[J].管理世界,2006(10):82-89.
能源强度 篇5
能源消费的变动可分解为能源强度、结构变动和经济产出效应。基本的分解公式为:
undefined
(1) 式中, Rt为t 时期总的最终能源消耗量;Rit为t时期i 部门消耗的最终能源;Yt为t 时期的总产出;Yit为t 时期i 部门的产出;Sit为t 时期i 部门的产出份额;Eit为t 时期i 部门的能源消耗强度。方程 (1) 除以Yt, 得到国家或地区水平的能源消耗强度Et为:
undefined
为了得到能源消耗强度随时间的变化关系, 公式 (2) 两边同时对t进行微分, 得到:
undefined
(3) 式两边同时除以Et, 然后对t进行从0 到t时期的积分, 有:
undefined
(4) 式存在计算上的困难, 需要参数技术来逼近 (4) 式。一般而言, 分解模型可表示为:
undefined
总的能源消耗强度变化被定义为部门能源强度效应 (ΔEint, 即总的能源消耗强度的变化随着部门能源强度的变化而变化) 、结构效应 (ΔEstr, 即总的能源消耗强度的变化随着GDP结构而变) 与残留项D。从式 (4) 变换为 (5) 式有多种方法可以使用, 最常用的是参数微分法1 (PDM1) 和参数微分法2 ( PDM2) 。PDM1方法分解的结果为:
undefined
undefined
PDM2方法分解的结果为:
undefined
undefined
其中:0≤βi, τi≤1。
PDM1和PDM2各自产生了2n个参数, 对这些参数取值就可以计算出强度效应与结构效应的具体数额。参数βi, τi值的确定有四种不同处理形式, 即:
(1) βi=τi=0, 为基于Laspey res的方法。
(2) βi=τi=1, 为Paasche指数。
(3) βi=τi=0.5, 简单平均微分法。
(4) AWD法。它的基本思想是PDM1和PDM2所产生的结果应该是一样的, 可以通过方程解出βi和τi。
理论上讲四种方法差别不大, 一般来说PDM2方法效果比较好, 比较常用的部门结构和效率因素分解公式即为基于PDM2方法, 为分析的方便, 我们取第三种简单平均微分法确定参数:βi=τi= 0.5, 因此得到下面两个方程式
undefined
undefined
2 部门结构变化及效率提高对江苏能源消费强度的影响分析
依照简单平均微分PDM2方法分解模型, 根据《江苏统计年鉴》和《中国能源统计年鉴》数据, 对江苏1995-2007年间能源消费强度以及六部门能源消费强度进行分析, 在图1中, ET曲线表示当年的能源消耗强度比上一年的增量;ES表示当年ET变量的结构份额部分, EE表示当年ET变量的效率份额部分, ET=ES+EE.
从图1可以看出, 在1995年到2007年的时间里, 在能源消费强度下降的诸因素中, 效率份额的贡献最大, 结构份额的影响比较少, ET线几乎完全随着EE线运行, 说明结构变动对能耗提高影响作用比较大, 2000年后有一段时期, 江苏能耗明显提高, 从折线图来看, 这一段时期, 效率份额影响比较大, 效率份额也变为正影响, 加上产业结构的效应, 导致这一时期江苏能耗出现了升高的趋势, 此后效率份额转为负数, 拉动江苏能耗下降。
3 六部门效率份额和结构份额的比较
3.1 六部门能源强度变动结构份额
通过以上分析可知, 1995-2007年江苏能源消费强度下降主要是能源使用效率作用的结果, 从表1我们可以看出, 结构变动引起的能源消费强度的变化相对较小, 除了工业的影响程度比较大以外, 其他各部门的影响程度都比较小, 比如农业基本上都在小数点三位以后;这与工业和第三产业的比例稳步提高是一致的。从表中数据可知, 结构份额的累积影响, 农业和批发零售贸易餐饮业以及交通运输仓储邮电通讯业出现了负值, 但影响并不大, 结构份额的影响实际上具有推动能源消耗强度上升的趋势, 虽然效果比较小。
3.2 六部门能源强度变动效率份额
通过对六部门能源强度变动效率份额的分解分析, 江苏能源消耗强度的变动主要是由于效率份额的影响, 农业部门的效率一直在提高, 能源消耗强度一直在下降, 工业部门基本上也处于下降状态, 而且在六部门中下降幅度变动最大, 江苏能源消耗强度下降主要归功于工业部门的能源利用效率的提高, 一个显著的特征是2002年开始, 工业部门能源消耗强度开始上升, 能源利用效率开始下降, 交通运输和批发零售部门出现了小幅增加地现象, 非物质生产部门能耗一直在下降;建筑业部门能耗基本是上升的趋势, 这与江苏房地产业投资繁荣有关, 房产开发比较快, 在大量需求和迅猛发展下, 能耗提高也就是必然的现象。
单位:千克/元
3.3 结构份额和效率份额的比较分析
通过对六部门能源强度变动分析表明, 效率份额对能源消耗强度贡献最大, 效率份额的变动代表的是产业结构和技术进步的效果, 对比工业化国家, 工业化国家在进入工业化初期时, 都伴随着单位GDP能耗的上升过程, 而且这一过程发生在第二产业上升的阶段。江苏目前的单位GDP能耗完全符合这个特征, 从2000年以后, 江苏工业比例开始出现较大幅度的增加, 特别是重工业比例的增加, 与此同时多年来的单位GDP能耗下降的趋势开始恶化。尽管江苏第三产业一直在增加, 但是江苏的经济增长方式仍然没有完全摆脱粗放型的增长方式, 因此第三产业并不能够带来单位GDP能耗的长期下降, 江苏的第三产业比例仍然过低, 主要原因还是工业化进程没有完成, 没有提供足够的向第三产业发展的物质基础。
4 建议
(1) 加大能源生产的建设, 提高江苏的能源供应。
江苏省本身有比较发达的能源生产产业, 对支持江苏经济发展产生了重大的作用, 但是江苏不是能源原产地, 优质能源供应能够得到保证, 但是大量基础能源仍然需要从外省份调拨, 这就面临着和其他省份的竞争压力, 随着中国经济的趋同发展, 各省都会对能源产生巨大的需求。江苏省要积极建立能源供应渠道, 多渠道得到能源供应, 以支持江苏经济发展。
(2) 进一步加大技术改造, 提升能源利用效率。
总的来说, 江苏的能耗下降时技术进步的结果, 这是江苏经济发展的一个优势;随着全国的经济趋同效应, 江苏的能耗优势渐渐就弱化了;而和国际上的发达国家比较, 江苏的技术水平, 能源利用水平仍然是相对落后的, 能源利用效率仍然有很大的提升空间;因此, 江苏在“十一五”期间仍然不能放松技术改造的重要性, 努力提升产业的技术水平, 提高能源利用效率, 实现江苏经济又快又好的发展, 实现江苏经济的可持续发展。
(3) 改善产业结构。
江苏产业结构不合理, 工业比重过大, 这些都给能耗带来很大的压力。对于农业, 江苏应该重新重视, 农业对能源的消耗和能耗的改善作用是很明显的。对于江苏来说, 全省都去发展工业是一个不合理的方式, 另一方面从中国的近30年的发展来看, 工业化并不能很好的解决广大农村的发展问题, 资源是有限的, 应该合理利用资源, 而不是采取极端发展模式。
参考文献
[1]尹敬东.江苏省能够实现“十一五”规划能耗目标吗:一项实证研究[J].产业经济研究, 2006, (2) .
[2]刘兆恒.江苏能源消耗变动因素的实证研究[J].能源研究与利用, 2008, (1) .
[3]蒋金荷.提高能源效率与经济结构调整的策略分析[J].数量经济技术经济研究》, 2004, (10) .
[4]林伯强.中国能源需求的经济计量分析[J].统计研究, 2001, (10) .
能源强度 篇6
近年来, 能源问题已成为我国可持续发展的核心问题。改革开放后, 云南经济得到了飞速发展, 然而, 云南在取得经济成就的同时, 也消耗了大量能源。目前全省经济发展仍处于以投资拉动为主的发展阶段, 能源消费居高不下, 能源的综合利用率也较低。因此, 降低能源消耗, 便成了亟待解决的能源问题之一。本文将在现有关于中国能源强度研究结果的基础上, 对云南经济结构变化对能源强度的影响进行研究, 主要运用魏一鸣等提出的能源强度结构分解分析法, 分析经济结构变化对能源强度的影响, 旨在为今后云南省降低能耗提出一些建议。
二、基于结构分解分析方法的能源强度分析
结构分解分析方法 (SDA) 的基本思路, 是把一个目标变量的变化分解成若干个组成要素的变化, 从而可以辨别各个要素影响程度的大小, 确定出影响作用比较大的因素。继而可以根据需要把这种分解逐层进行下去, 最终把各种影响因素对目标变量的影响区分开来。常用的结构分解方法有Laspeyres指数分解法和Paasche指数方法。它们的共同问题在于总是有分解残差的存在。本文将采用由Sun提出的另一种能够完全分解的结构分解方法 (Sun, 1998) , 可以避免残差的出现, 从而提高分解结果的解释效果。
魏一鸣等将能源强度变化分解为结构份额与效率份额。能源强度e指的是:生产单位经济产出 (国内生产总值) 所消耗的能源投入量, 即单位GDP所消耗的能源数量。因此, 总体能源强度一方面取决于反映各产业能源利用效率高低的各产业能源强度, 另一方面取决于反映各产业国民经济总量中所占比重的产业结构。鉴于此, 本文将着眼于对产业结构, 以及各产业能源利用效率变化对能源强度影响的分析。
依照能源强度结构分解分析法公式, 可对云南能源强度变化的影响份额进行计算, 其公式如下:
令:e0表示基期的能源强度, en (n=1, 2, ……N) 表示第n期的能源强度, 则能源强度变化可以分解为结构份额和效率份额, 其中结构份额为:
效率份额为:
其中, ei表示第i产业的能源强度, yi表示第i产业产值占GDP的比例。
为计算当年能源强度变化中的结构份额和效率份额, 取第n-1期为基期, 则当年能源强度变化中的结构份额为:
效率份额为:
其中, ein-1表示第i产业第n-1期的能源强度, yin-1表示第i产业第n-1期产值占国内生产总值的比例。
能源强度变化中的结构份额式和效率份额式分别表示了从基期以来能源强度变化总量中, 经济结构变化和能源利用效率提高分别提供的贡献率。当结构份额和效率份额为正值时, 说明其推动力与能源强度的变化是同相的;如果是负值, 则表示其影响方向和能源强度的变化方向是相反的。
三、云南经济结构变化对能源强度的影响
1.云南能源经济基本趋势
(1) 云南三次产业GDP及其结构的基本趋势
1978年～2007年间, 云南经济总量持续增长, 按照1978年人民币不变价计算, GDP增长了13.8倍。尤其在1993年加快社会主义市场经济建设以后, GDP年均增长率达到10%以上。虽然1997年亚洲金融危机之后GDP增长有所减缓, 但仍然保持了9%以上的年增长率。图1反映了按照1978年人民币不变价计算的1992年～2007年云南生产总值及各产业生产总值的增长趋势。
在产业结构上, 如图2所示, 第一产业基本呈持续下降趋势;第二产业的比重从1993年的41.97%开始上升至1998年的46.18%, 此后出现下降, 2001年后有所上升, 但2005年又出现下滑, 此后的两年呈上升趋势。第三产业的比重在1992年出现大幅度上升, 但1993年便由于第二产业比重的上升而出现了波动。
(2) 云南各产业能源消费基本趋势
在云南经济增长的同时, 能源消费总量从2000年开始持续稳定增加, 平均年增长率为5.75%, 到2007年达到最高点7173.26万吨标准煤。从三次产业能源消费趋势 (见图3) 可以看出, 2003年后, 第二产业能源消费量呈快速增长趋势, 而第一、三产业的能源消费量与其他能源消费量、生活能源消费量则一直处于平稳状态。
(3) 云南能源强度变化趋势
经济总量和能源消费的趋势决定了能源强度的趋势和波动, 从图4可以看出, 云南能源强度于2002年后下降趋势总体趋于平稳, 这是由GDP数值稳步上升, 能源消费量亦有所增长引起的。
与此同时, 图4还反映了第三产业能源强度受能源消费量波动的影响很小, 基本保持稳定的小幅下降, 这显示出了能源强度变化外在性的特征。
从能源强度的下降幅度来看, 云南的能源强度从2000年的1.77下降到了2007年的1.51, 平均每年下降0.037。从能源强度下降幅度的数据中 (见图5) 可以看出, 能源强度的变化幅度基本在-0.15～0.05之间波动。在云南控制能源供给, 促使能源消费者加强能源节约和能源替代的情况下, 云南经济的能源利用效率出现较快上升是完全可能的。
2. 云南能源强度的结构分解分析
(1) 结构份额与效率份额的比较
依照前面提到的能源强度结构分解方法, 根据历年云南统计年鉴和中国能源年鉴数据中的可获得数据, 对云南2001年～2007年间三次产业结构变化, 以及能源效率提高对整体能源强度下降的影响份额进行计算。表1和图6分别表示了计算的结果。
表云南能源强度变化中的结构份额与效率份额
从计算结果可以看出, 除去2002年及2004年, 结构份额均为负值, 也就是说, 经济结构的变化实际上反而促使了能源强度的上升。2001年～2007年间, 效率份额均为正值, 即三次产业结构变化和能源利用率的提高共同促进了能源强度的降低, 但后者的作用效果明显高于前者, 云南能源强度下降完全来自于效率份额, 其中结构份额累计为-23.08%, 效率份额累计达到了123.08%, 即2001年～2007年期间, 云南能源效率的提高全部是由各产业能源利用效率提高所推动的。
(2) 三次产业效率份额的比较
根据以上分析结果:云南能源强度下降完全来自各产业能源利用效率提高, 因此有必要对各产业的效率份额进行分析。依照当年效率份额公式, 可得各产业的效率份额计算公式:
其中, ein-1表示第i产业第n-1期的能源强度, yin-1表示第i产业第n-1期产值占国内生产总值的比例。
由此可计算出三次产业各自的效率份额。图7是三次产业各自效率份额的计算结果。从图7中可以看出:三大产业结构变动的效果差异显著。2002年后的六年间, 第二产业的效率份额平均值已超过100%, 因而可以进一步把云南能源强度下降的动力归结到工业能源利用效率的提高。第二产业的能源利用效率提高不仅在一定程度上抵消了其他产业能源消费波动以及产业结构变化导致能源强度上升的影响, 而且推动了能源强度持续快速的下降。
四、结果分析与讨论
从对云南能源强度的结构分解分析的结果来看, 三次产业结构变化对能源强度产生了一定影响。三次产业结构变化在2001年～2007年间总体上推动云南能源强度上升了23.08%, 从这个结果来看, 结构变动在产业层次上对能源强度变化的起到了一定的推动作用。
分析结果表明, 云南能源强度下降的动力, 主要来自能源利用效率的提高, 其中云南整体能源强度变化中的效率份额占到了123.08%。
在产业层次, 第二产业的能源强度下降是整体能源强度下降的最根本和最主要的因素。2002年后的六年间, 第二产业的效率份额平均值已超过100%, 该结果说明, 云南能源强度持续快速下降的原因基本上来自于第二产业能源利用效率的提高, 同时, 第二产业能效的提高还抵消了其他产业能源强度波动, 以及产业结构变化引起的能源强度上升。
五、政策分析与建议
1. 通过经济结构调整来降低能源强度已取得一定成效, 然尚存潜力可挖
本文的实证研究说明了云南经济结构的调整在一定程度上推动了能源强度的下降。通过调整经济结构来降低能源强度已经得到了一定的重视和发展, 在云南未来降低能源强度, 保障能源安全的战略中, 经济结构的调整有可能代替效率提高, 起到主要的推动作用。
2. 经济结构升级应继续以工业化为主要方向, 并大力发展第三产业
从目前云南经济结构的变化趋势来看, 第一产业的比重除1999年之外, 一直呈下降态势;第三产业的比重总体呈上升趋势;而第二产业的比重则在第三产业的影响下出现了一些波动。这充分说明云南在经济结构调整中, 在以工业化为主要方向的同时, 第三产业已经开始受到重视。此外, 由于第二产业的能源强度大大高于其他产业, 其快速发展必须以大量能源消费为基础, 在未来能源供应日益紧张的情况下, 这种发展战略的可持续性很难保证。因此, 云南的发展战略必须进行调整, 并大力发展第三产业, 尤其是以新技术为基础的高科技产业, 从而以更低的能源消费强度来支撑云南的经济增长。
3. 仍需通过制度改革和技术引进来促进能源效率提高, 从而达到降低能源强度的目的。
改革开放以来, 制度创新和技术引进使得云南在经济增长的同时实现了能源消费的低速增长。虽然这些制度创新和技术引进的潜力正在逐渐减少, 但现阶段能源效率的提高依然是降低能源强度的主要途径。因此对于目前的云南经济来说, 必须通过深化制度改革, 加大技术引进力度, 以税收、法律等为辅助手段, 继续推动能源强度下降, 控制能源消费的快速增长。
4. 加快推广新能源与可再生能源, 促进能源结构的多元化、清洁化
要结合云南的自身优势, 提高太阳能、沼气等清洁无污染能源的使用度, 减少不可再生能源的消费, 积极开发和推广使用新能源、可再生能源, 促进能源消费结构的多元化、清洁化, 大力发展清洁、优质能源。
摘要：本文在分析云南能源经济基本趋势的基础上, 运用能源强度结构分解分析法, 对云南经济结构变化对能源强度的影响进行分析研究。研究结果表明:结构变动在产业层次上对能源强度变化的起到了一定的推动作用, 而能源效率的提高则是云南能源强度下降的主要动力。经分析得出结论:云南通过经济结构调整来降低能源强度已经取得一定成效, 然尚有潜力可挖;经济结构升级应继续以工业化为主要方向, 并大力发展第三产业;仍需通过制度改革和技术引进来促进能源效率提高, 从而达到降低能源强度的目的。本文针对上述情况, 提出了相应的建议。
关键词：云南,能源强度,经济结构
参考文献
[1]魏一鸣等:中国能源报告 (2006) :战略与政策研究[R].北京:科学出版社, 2006
[2]韩智勇, 魏一鸣, 范英:中国能源强度与经济结构变化特征研究[J].数理统计与管理, 2004, 23 (1) :1-6
[3]云南省统计局:云南统计年鉴[R].北京:中国统计出版社, 1993-2008
[4]国家统计局能源统计司, 国家能源局综合司:中国能源统计年鉴.2008[R]北京:中国统计出版社, 2009.1
能源强度 篇7
能源强度即单位GDP能耗(或者单位增加值能耗、单位总产出能耗、单位总产值能耗)是测度一个国家、地区或行业总体能源效率水平时最常用的指标。近年来,我国的能源问题引起了社会各界的广泛关注,众多学者从不同角度对能源强度问题进行了分析。一类研究探析了我国能源强度的时间变化趋势及影响因素。其中一部分文献运用结构分解法或指数分解法对能源强度进行分解研究, 以找出能源强度变化的主要原因。另一部分文献研究了能源强度与经济增长、进出口和产业结构等经济变量的关系。另一类研究则探讨了中国能源强度的横截面数据的变化。史丹运用洛伦兹曲线、弗罗伦斯系数和基尼系数分析了中国能源效率的地区差异以及能源效率趋同条件下的节能潜力;齐绍洲和罗威分析了我国不同区域间能源强度的差异是否会随经济差异的缩小而收敛;Wang对我国各省能源强度的差异分析,认为资本积累提高了能源使用效率并且对地区差异有缩小的作用。
本文基于基尼系数,首先衡量GDP、能源消耗总量、技术进步、产业结构、FDI、出口额等区域分布的不平衡性,然后运用灰色关联理论考察各个变量和地区能源强度差距之间的关系,从而得到各变量在其中的作用和地位。
2 区域能源强度发展不平衡的测度
我们选取了2001-2010年全国30个省、自治区、直辖市的多项数据进行分析,西藏由于样本数据缺乏,在研究中予以剔除。同时为了消除物价的影响,采用样本期内国内生产总值指数将以上数据折算为2001年的不变价格。本文选取的指标有单位GDP能耗、GDP、能源消费总量、FDI、出口额、第二产业生产总值、R&D 技术知识存量等等。其中单位GDP能耗是用来表征能源强度的指标;产业结构由第二产业生产总值来衡量;R&D 技术知识存量则用来代表技术进步;出口额和FDI代表了对外开放程度。R&D 技术知识存量采用永续盘存法计算。所有数据均来自于各年份的《中国统计年鉴》和《中国能源统计年鉴》。
本文采用基尼系数法来测度区域能源强度的差异。区域的划分中东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南,中部包括山西、吉林、黑龙江、安徽、江西、河南、湖南和湖北,西部包括内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆和西藏。根据这些数据可以计算出各个地区的人口比重、能源强度比重、GDP比重、能源消耗总量比重、FDI比重、出口额、产业结构比重、技术进步比重,以及区域的累计比重。以人口的累计百分比作为洛伦兹曲线的横轴,能源强度、GDP、能源消耗量、FDI、出口额、产业结构、技术进步的累计百分比作为洛伦兹曲线的纵轴,可以计算出2001-2010年间的能源强度基尼系数、GDP基尼系数、能源消耗量基尼系数、出口额基尼系数、FDI基尼系数、产业结构基尼系数和技术进步基尼系数。
以2010年的能源强度基尼系数为例,通过《中国统计年鉴2011》中的原始数据,可以整理得到2010年各区人口占总人口的比重分别为东部占41.36%,中部占31.77%,西部占26.88%。当年单位GDP能耗的比重分别为:东部占25.95%,中部占25.89%,西部占48.15%。由上述数据可以画出相应的洛伦兹曲线,再根据基尼系数的定义,计算2010年的能源强度基尼系数为
按上述方法可以计算出不同年份相应指标的基尼系数(表1)。由表1中的数据可看出,2001-2010年这十年间不同的指标衡量东部、中部和西部的差距所得到的结果不一。总体来说,以FDI、出口总额、R&D存量来衡量的区域差异较大,而已能源强度、GDP、能耗总量、第二产业生产值衡量的区域发展差异较小。具体到每一个基尼系数,以能源强度、R&D资本存量、GDP、第二产业生产总值和出口额衡量的区域差异时而扩大,时而缩小,以FDI和能源消耗总量衡量的区域差异不断减小。
3 区域能源发展差距的灰色关联分析
为了研究各因素对区域能源强度差异造成的影响,采用灰色关联分析法,考察单位GDP能耗基尼系数与其他几个基尼系数之间的关系。
3.1 模型建立
分别以2001-2010年间的能源强度系数和GDP基尼系数、能源消费总量基尼系数、FDI基尼系数、出口额基尼系数、产业结构基尼系数、技术进步基尼系数计算出灰色综合关联度,得到灰色综合关联序列,从而判断能源强度与其他指标之间的关系,具体的计算步骤如下:
3.1.1 求绝对关联度。
设行为序列Xi=(xi(1),xi(2),xi(3),…,xi(n)),i=0,1,2,…,m,当i=0时即X0为能源强度基尼系数,X1,X2,…,Xm为其它指标的基尼系数。灰色绝对关联度是序列X0分别与序列X1,X2,…,Xm之间相似程度的表征,X0与其越相似,灰色绝对关联度越大,反之就会越小。
首先,求X0与Xi(i=1,2,L,m)的始点零化象 X(i=0,1,2,L,m)。
X=(xi(1)-xi(1),xi(2)-xi(1),L,xi(n)-xi(1))=(x (1),x (2),L,x(n)),(i=0,1,2,L,m)。
其次,求|s0|,|si|和|si-s0|。具体公式为:
最后,求各灰色绝对关联度ε0i,(i=1,2,L,m)。具体公式为:
由上述步骤计算出能源强度基尼系数和其它各基尼系数之间的灰色绝对关联度ε0i。
3.1.2 求灰色相对关联度。
灰色相对关联度是序列X0与序列Xi相对于始点变化速率之联系的表征,X0与Xi变化速率越接近,灰色相对关联度就会越大,反之则越小。
首先,求X0与Xi,(i=1,2,L,m)的初值象X'i,(i=1,2,L,m)。计算公式为
其次,求X'i(i=1,2,L,m)的始点零化象
再次,计算|s'0|,|s'i|和|s'i-s'0|。
最后,计算灰色相对关联度r0i。
3.1.3 求灰色综合关联度。
灰色综合关联度能同时体现序列X0与序列Xi的相似程度和相对于起始点的变化速率的接近程度。因此它是一个能较为全面的反映序列之间的联系是否紧密的数量指标。计算公式为:ρ0i=θε0i+(1-θ)r0i,θ∈[0,1]。取θ=0.5表示对绝对关联和相对关联同等关注。由此得到能源强度基尼系数和其它基尼系数之间的灰色综合关联度ρ0i。根据其大小可以排列出灰色综合关联序,由此判断各因素对于区域能源强度差异的不同影响程度。
3.2 实证结果
利用表1中的原始数据计算2001-2010年间的能源强度基尼系数和其它基尼系数之间的灰色绝对关联系数、灰色相对关联系数和综合关联度。以此来判断变量之间的关系远近。首先其行为序列分别为:
能源强度基尼系数:X0=(x0(1),x0(2),x0(3),…,x0(10)) =(0.2147,0.2171,0.2367,0.2424,0.2451,0.2435,0.2438,0.2329,0.2364,0.1881);
GDP基尼系数:X1=(x1(1),x1(2),x1(3),…,x1(10)) =(0.2092,0.2147,0.2229,0.2218,0.2204,0.2152,0.2063,0.1904,0.1802,0.1632);
能源消耗总量基尼系数: X2=(x2(1),x2(2),x2(3),…,x2(10)) =(0.1034,0.1020,0.0926,0.0903,0.0925,0.0888,0.0847,0.0786,0.0734,0.0644);
R&D资本存量基尼系数: X3=(x0(1),x3(2),x3(3),…,x3(10)) =(0.3078,0.3167,0.3197,0.3157,0.2958,0.2951,0.3005,0.3057,0.3114,0.3106);
第二产业生产总值基尼系数:X4=(x0(1),x4(2),x4(3),…,x4(10)) =(0.2326,0.2355,0.2467,0.2608,0.2537,0.2428,0.2282,0.2067,0.1858,0.1578);
FDI基尼系数: X5=(x5(1),x5(2),x5(3),…,x5(10)) =(0.4928,0.4910,0.4870,0.4621,0.4319,0.4182,0.3983,0.3659,0.3480,0.3091);
出口总额基尼系数:X6=(x6(1),x6(2),x6(3),…,x6(10)) =(0.5318,0.5303,0.5289,0.5311,0.5279,0.5214,0.5113,0.4947,0.5032,0.4883);
其次根据上述灰色关联度的计算公式得到能源强度基尼系数和其他的基尼系数之间的绝对关联度、相对关联度和综合关联度(表2)。
最后得出的综合关联度的数据排列出综合关联序列,进而得出各变量的基尼系数相对于能源强度基尼系数不同的关系远近程度。也就是说,2001-2010年这十年间,对区域能源强度差异影响最大的指标按相关紧密程度从大到小排序依次为第二产业生产总值、GDP、R&D资本存量、能源消耗总量、FDI和出口额。这一结论也比较符合理论预期。
4 结论
根据上述分析,得到以下两点结论:
第一,从不同的指标看,东部、中部和西部地区之间的区域发展不平衡程度是不一样的。具体而言,能源强度、R&D资本存量、GDP、第二产业生产总值和出口额的基尼系数变化呈现“M”型的变化趋势;FDI和能源消耗总量基尼系数呈现下降的态势。由此可见,东部、中部和西部在FDI和能源消耗总量这两个指标上的差距是随着时间变化而减小的。而其他的几个基尼系数随着我国经济发展的变化并没有呈现固定的规律,这些指标的区域差异程度有时增大,有时是减小的。
第二,以单位GDP能耗基尼系数作为衡量区域能源强度差距的关键指标,运用灰色关联分析法计算得到的结果显示,产业结构、GDP和技术进步是造成各地区能源强度差异的最重要因素。第二产业作为能源消耗量最大的产业,自然会对能源消费强度产生重要影响。作为经济发展程度的代表GDP对能源强度的影响也不小,这是由于经济发展程度越高的地区,拥有的节能技术也就越先进,产业结构也相对合理,一些高耗能、低产出的产业逐渐丧失了生存的空间。而技术进步更是对能源强度有极大的影响,拥有先进的技术才能从本质上改善能源利用效率低的问题。
东部、中部和西部的层级发展有历史和自身条件的限制,区域的协调发展也并非要求区域之间发展的绝对平衡,但差距过大必然会影响我国对能源强度的整体控制。因此,在总体上我们应继续推进产业结构转型,加快高耗能产业结构内部的优化升级,推进企业加快技术进步的步伐,深化能源体制改革,提高能源价格的市场化程度,从而从各方面综合提高能源的利用效率。为提高我国整体的能源利用效率,更应对东、中、西部实行分层次、有差别的区域能源发展战略:东部地区的能源利用效率水平较高,但能源消费总量也是处在较大的范围。应以产业结构调整和技术创新作为节能降耗的重点,积极发展低能耗、高附加值的高新技术产业和服务业,同时发展技术含量高、能源消耗低的工业,并充分利用其所在地的地域优势进口优质清洁能源;中部地区则需要抓好第二产业内部的结构转型,重点淘汰高耗能、高污染的重化工业项目,培植能源消耗低的第三产业,通过科技投入改变现有的能源消费结构,同时注重同东部地区的合作,将先进的节能技术引进中部;西部地区目前需要通过与东、中部地区开展经济合作,引进先进的技术和人才,建设一批经济效率高、能源利用效率高、可持续发展的工业项目,同时也要依托本区能源储存丰富的优势,发展第三产业以促进西部地区的经济发展。
摘要：利用2001-2010年的时间序列和横截面数据,基于基尼系数测度了能源强度、技术进步、产业结构、出口额、FDI、GDP和能源消费总量区域分布的不平衡性;在此基础上运用灰色关联理论实证分析不同影响变量和地区能源强度差异之间的关系。结果表明,以不同的指标进行衡量,区域差异的不平衡程度也不一样;产业结构、经济发展水平和技术进步的区域分布差异是造成东部、中部、西部区域能源强度不平衡的主要原因。
关键词：能源强度,区域差异,灰色关联度,基尼系数
参考文献
[1]刘思风,党耀国,方志耕,等.灰色系统理论及其应用[M].北京:科学出版社,2005
[2]史丹.我国经济增长过程中能源利用效率的改进[J].经济研究,2002(9):49-56
[3]高振宇,王益.我国能源生产率的地区划分及影响因素分析[J].数量经济技术经济研究,2006,23(9):46-57
[4]齐绍洲,罗威.中国地区经济增长与能源消费强度的差异分析[J].经济研究,2009(7):74-81
[5]WANG C.Sources of energy productivity growth and its distributiondynamics in China[J].Resource and Energy Economics,2011,33:279-292
[6]MA HENGYUN,OXLEY L,GIBSON J.China's energy economy:Asurvey of the literature[J].Economic Systems,2010,34(2):105-132
[7]齐志新,陈文颖.中国的能源强度究竟有多高[J].数量经济技术经济研究,2009(8):51-58
[8]屈小娥.中国省际能源效率差异及其影响因素分析[J].经济理论与经济管理,2009(2):45-46
[9]邱灵,申玉铭.中国能源利用效率的区域分异与影响因素分析[J].自然资源学报,2008,23(5):920-921
能源强度 篇8
关键词：工业行业,产业政策,能源强度,异质性,动态面板模型
一、引言
近十年以来,得益于经济的高速增长,人民生活水平普遍提高,但大众对于提升生活质量的诉求与生活环境不断恶化( 如时常超过警戒线的雾霾指数) 相互背离。降低能源消耗已经成为我国经济长期可持续发展的重要途径和目标。在这种现实背景下,“十一五”和 “十二五”特别强调将节能减排作为政府工作的重心,并依据节能减排的完成情况制定了严格的奖惩标准。具体来看, “十一五”时期要求我国单位GDP能耗( 简称能源强度,能源强度越高意味着能源效率越低) 降低20%, “十二五”时期要求单位GDP能耗降低16% 。于是,各级政府纷纷加大对高耗能行业的监测、管理力度和对高耗能企业的整改、惩罚力度。
对能源强度的研究随着数据的完善,逐渐从以国家能源强度作为研究对象的宏观层面,转到以省际能源强度为研究对象的中观层面,再到以行业为研究对象的较微观层面( 已有的公开数据没有企业能耗的数据,致使以企业为研究对象的微观层面研究难以开展) 。因此,目前与能源强度有关的实证研究可分为三类: 第一类以全国能源强度为研究对象。杭雷鸣和屠梅曾( 2006) 分析了能源价格对能源强度的影响; Yuan et al. ( 2008) 研究了我国产出增长和能源消费及分类能源消费之间的关系,发现经济增长和能源消费之间的因果关系在短期和长期上表现不同; 樊茂清等( 2010) 认为技术变化、要素替代、贸易、一次能源结构和部门结构变化是引起能源强度变化的重要因素; 邵帅等( 2013) 在能源效率内生化条件下,利用时变参数状态空间模型测算了我国宏观经济的长短期回弹效应,发现改革开放前能源回弹效应总体上表现为逆反效应,而改革开放期间则表现为部分回弹效应。第二类以省份、区域能源强度为研究对象。张贤和周勇( 2007) 采用空间回归模型在省际层面分析了FDI对能源强度的影响; 齐绍洲等( 2007) 通过分析1995 - 2002年我国西部和东部省份的能源消费强度差异与人均GDP差异之间的关系,发现东部地区与西部地区的人均GDP差异存在收敛关系,而且随着人均GDP差异的收敛,西部与东部地区的能源消费强度差异也是收敛的; 吴巧生等( 2008) 选取我国各省1986 - 2005年的数据,运用面板模型重新检验我国能源消费和GDP的关系,结果发现: 从长期来看,我国总体存在能源消费与GDP的双向因果关系,但东部地区只存在从能源消费到GDP的单向因果关系,而中西部地区则存在从GDP到能源消费的单向因果关系; 就短期而言,我国总体及东西部地区的能源消费与GDP无因果关系,而中部地区则存在能源消费和GDP之间的双向因果关系; 俞毅( 2010) 通过我国省级面板数据的实证发现,当GDP总量超过一定的门限值时,能源消耗所导致的废气排放就会越高,污染就会越严重; GDP超过门限值的省份大多集中于我国的东部发达地区, 中部次之,西部最少; Herrerias. el. ( 2013) 分析我国28个省域1985 - 2008年的数据发现,外商投资和民间投资在降低能源强度上发挥了主导作用, 而国有投资在降低能源强度上却没起到正向引导作用。第三类以工业行业能源强度为研究对象。例如李未无( 2008) 分析了1999 - 2005年我国35个工业行业的能源效率与对外开放的关系,结果支持对外开放能提高能源效率; 孔婷等( 2008) 运用1995 - 2005年的数据分析了制造业24个重要行业的能源价格与能源强度的关系,结果表明,对大多数行业,能源价格的提升并未明显降低能源强度,能源价格对于技术进步对能源强度影响的调节效应不显著,能源价格的调节效应更多地表现为促进能源消费结构转化来降低行业能源强度; 郝新东( 2011) 运用我国工业36个行业1999 - 2009年的面板数据,选取工业行业的主营业务成本和主营业务收入两个变量来解释工业行业能源强度的变化情况; 滕玉华( 2011) 运用1998 - 2007年我国工业32个行业面板数据,研究了自主研发、国外技术引进、国内技术转移、能源相对价格、FDI的进入程度和工业内部行业结构等因素对行业能源强度的影响; 呙小明和张宗益( 2012) 对1985 - 2008年我国交通运输业能源强度的影响因素进行了实证分析; 李锴和齐绍洲( 2013) 运用1999 - 2008年我国36个工业行业的面板数据,分析了FDI影响中国工业能源效率的传导渠道。
以上三大类研究在运用计量模型分析省份、 区域、行业能源强度时,都默认所选取的省份、区域、行业具有相同的斜率参数( 截距参数可因面板模型的基本设定表现为不相同的个体异质性) , 但这样的设定显然不合理。以高耗能的工业行业为例,其下属的37个子行业发展不均衡,国家行业政策扶持倾向不一致且各行业基本属性( 劳动密集型或资本密集型、重工业或轻工业等) 差异度较大,如果简单将37个行业进行平均意义上的回归分析没有太多的实际意义。因此,在理论分析和实证检验时,如果不事前经过细致诊断研究就简单地将所有工业行业组织在一起进行建模分析, 将得到有偏误甚至是错误的研究结论。针对这一问题,本文将从行业的角度来进行中国工业行业的能源强度影响因素分析,具体研究两个密切相关的问题:( 1) 中国工业行业的能源强度是否存在异质性差异? 如果存在,哪些行业存在? 对这个问题的研究,本文将以中国工业行业2001 - 2011年所组成的面板数据为研究对象,采用动态面板数据诊断理论对其能源强度异质性特征进行检验, 以便识别出中国工业行业能源强度的差异性规律, 从而为深刻认识和分析中国工业能源强度的理论决定机制提供重要的基础和前提性保障。 ( 2) 在第一个问题研究基础上,本文将重新归类出经过理论分析和实证检验的无异质性差异的工业行业, 并基于这些具有一致性参数形成机制的行业对中国工业行业能源强度影响因素进行分析。
二、工业行业能源强度特征描述
本文之所以选择工业行业下属的37个子行业作为研究对象1,一是因为 “十一五” 《单位GDP能耗监测体系实施方案》中要求对主要耗能行业节能降耗进展情况进行监测,其中,主要耗能行业包括煤炭、钢铁、有色、建材、石油、化工、火力发电、造纸、纺织等,而这些行业属于工业行业的范畴,即高耗能行业主要集中在工业行业; 二是因为我国现有关于能源消耗的统计数据包括全国能耗数据、省级能耗数据以及两位代码行业的能耗数据,因此工业行业下属的37个子行业能耗数据是目前能收集到的在行业层面最微观的数据。
若要在行业层面测算单位增加值能耗,需要各行业的工业增加值数据,而现实情况却是从2008年开始我国统计局不汇报工业增加值的数据, 仅汇报工业总产值,依据现有数据无法测算工业行业在2008年以后的单位增加值能耗,故我们选择构建单位工业总产值能耗指标来进行分析。
仿照能源强度的定义( 单位GDP的能源消耗总量) ,我们将行业能源强度定义为:
行业能源强度= 行业能源消费总量/行业工业生产总值
其中,工业生产总值用分行业工业品出厂价格指数( PPI) 进行平减处理计算得出。
表1所列的是2005年与2010年各行业能源强度,以及2010年能源强度相对2005年下降的幅度。可以看出,行业能源强度总体呈现下降趋势, 即随着时间推移,各行业能源效率提高了,其中有15个工业行业的能源强度下降幅度超过50% 。进一步,以 “十一五”规划提出的2010年单位GDP能耗比2005年降低20% 为参考值,我们发现有三个行业的单位生产总值能耗降幅小于20% ,分别是石油和天然气开采业,石油加工、炼焦及核燃料加工业,水的生产和供应业,它们的能源强度分别下降4% 、9% 和12% 。燃气生产和供应业、黑色金属矿采选业、非金属矿采选业三个行业能源强度下降幅度最大,分别下降73% 、67% 、67% 。 由此可见,虽然中国工业行业的能源强度都出现了一定程度的下降,但是下降幅度和趋势在行业之间存在着一定程度的差异性特征,不能简单地将所有行业组合在一起作为样本来进行中国工业能源强度的理论机制分析。
三、工业行业异质性特征的统计诊断
综合了截面数据和时间序列数据双重优势的面板数据不仅能体现变量在时间维度上的变化趋势,而且还能体现变量在个体维度上的差异性,从而可以显示总体数据所隐藏的个体差异性。现有以能源强度面板数据为研究对象的文献一般采用静态面板模型,没有考虑经济变量的动态变化特征,然而在经济系统中,当期的决策往往会受到前期决策的影响,忽略经济变量的惯性特征可能出现遗失变量的问题致使回归结果不可靠。因此,在实证分析中采用动态面板模型比静态面板模型更具有一般性、稳健性。故本文采用动态面板模型分析中国工业行业的异质性特征和理论机制。在行业异质性特征诊断的基础上,本文将从动态惯性、 行业经营情况、科技研发水平、行业结构和行业规模五个方面对行业能源强度的影响因素进行分析。
( 一) 变量选取与数据来源
本文以2001 - 2011年37个工业行业的能源强度为研究对象,选取的变量如下:
单位工业总产值能耗( 万吨标准煤/亿元,变量名为eiit) ,代表行业能源强度;
上一期单位工业总产值能耗( 变量名为eiit -1) ,代表经济变量动态惯性;
行业规模以上工业企业工业总产值( 亿元, 变量名为igv ) ,代表企业经营状况;
行业规模以上工业企业的研究与试验发展支出( R&D) ( 万元,变量名为rd ) 、有效发明专利数( 项,变量名为paten ) ,代表科技研发水平;
国有及国有控股工业企业总产值占规模以上工业企业总产值的比重( 国资产值比重,变量名为sown ) 、外商投资和港澳台商投资工业企业总产值占规模以上工业企业总产值的比重( 外资产值比重,变量名为sf ) ,代表行业结构2;
行业规模以上工业企业的企业单位数( 个, 变量名为inum ) 、全部从业人员年均人数( 万人, 变量名为labor ) ,代表行业规模。
工业总产值和R&D数据经过数据平减处理。数据来源于 《中国统计年鉴》、《中国科技统计年鉴》、 《中国工业统计年鉴》和 《中国能源统计年鉴》。
( 二) 行业离散程度分析
在实证中为避免异常数据对整体回归结果的影响,常用的方法是删除最大、最小5% 的极端数据。为了衡量行业数据的极端程度,我们分别计算了37个工业行业的8个变量( ei 、igv 、rd 、 paten 、sown 、sf 、inum和labor ) 的变异系数,再对每一个变量的变异系数按37个行业降序排序。 定义单个变量的序数指标为rij( 其中下标i代表行业,j代表变量,变异系数越大对应的rij越小,即数据离散程度越大) ,所有变量的序数指标为Ri,Ri越小代表行业总体相对变异程度越大。行业总体变异程度由大到小的顺序排列见表2。
从表2可以看出,石油加工、炼焦及核燃料加工业,纺织服装、鞋、帽制造业,饮料制造业,电气机械及器材制造业,石油和天然气开采业等行业的数据整体离散程度较大。数据变异程度排序靠前的那些行业是异质性行业的可能性相对更大, 在节能减排过程中可能表现出不一样的行为模式, 但具体哪些行业具有异质性特征还需依靠更为严谨的统计诊断。下文采用个体异质性诊断统计量IPH对行业异质性做进一步分析。
(三)行业系数异质性诊断检验
考虑固定效应动态面板模型:
( i = 1,…,N; t = 1,…,T )
写成矩阵形式为y = Zδ + ( IN lT) α + ε 。
其中,yi= ( yi1,yi2,…,yi T) ' ,y = ( y1,y2,…,yN) ' ,δ = ( γ,β') ' ,y和分别是NT × 1和NT × ( K + 1) 维,ε 是NT × 1维随机扰动向量,lT= ( 1, …,1) ' 是元素全为1的T × 1维向量。
面板数据包含时间和个体两个维度,常用的估计方法都假设所有个体的斜率系数是相同的, 即 δ 对所有个体来说是相同的,参数异质性体现在截距参数上。然而,要求组成面板数据的众多个体具有相同的参数生成机制不论在计量理论上还是我国处于经济转轨的现实上都是一个非常严格的假设,因此通过检验个体的斜率系数的相异性,将研究对象分类,把具有相同的斜率系数的群体作为一个整体进行建模,对具有异质参数的个体单独研究,才能够准确揭示协变量对被解释变量的影响程度。本文依据Zhou等( 2014) 提出的动态面板模型个体参数异质性的IPH统计量,检验参数异质性。该统计量为,其中Pi=i(')-1'i,=INF'T,T-1Z,i是的第i个分量;FT,T-1是JT矩阵中(T-1)个特征值为1对应的特征向量所组成的矩阵,其中是Bun and Kiviet(2001)提出的动态面板模型的偏差调整估计量,是删除了第i个个体在所有时间上的数据后所得到的估计量。若第i个个体的IPHi统计量超过卡方分布临界值,则认为该个体拒绝了斜率参数同质性的原假设,即该个体具有异质性斜率参数,不应与具有相同斜率参数的群体一起回归。
为了能够对中国工业行业能源强度差异性特征进行诊断,本文从时间和空间两个角度来进行检验分析。为此,本文对所有变量取对数后建立的行业能源强度的动态面板模型为:
根据IPH统计量服从 χ2( T - 1) 分布,我们得到IPH在1% 、5% 和10% 的显著性水平下的临界值,分别为 χ20. 01( 9)= 2. 09 ,χ20. 05( 9)= 3. 33 , χ20. 1( 9) = 4. 17 。由表3可以看出,在1% 和5% 的显著性水平下,有6个行业拥有异质斜率参数( 在10% 的显著性水平下有5个行业拥有异质斜率参数) ,即交通运输设备制造业,石油加工、炼焦及核燃料加工业,电气机械及器材制造业,石油和天然气开采业,电力、热力的生产和供应业和饮料制造业具有各不相同的数据生成机制。因此,这6个行业能源强度有着其自身的异质性特征。由于样本数据有限,每一个行业只有10年的数据,在数据量少的情况下做计量回归分析难以准确得出影响系数,所以在后文中将不对这6个行业进行分析。
由表2可知,石油加工、炼焦及核燃料加工业, 饮料制造业,电气机械及器材制造业,石油和天然气开采业,电力、热力的生产和供应业、交通运输设备制造业这6个行业的数据总体变异程度在37个行业分别位列第1、3、4、5、8和11位,故通过行业异质性诊断得出的6个异质性行业属于数据总体相对离散程度较大的行业; 但反过来看,数据离散程度较大的行业却不一定拒绝IPH诊断统计量的原假设。
表4为IPH统计量的稳健性检验。我们把6个具有异质斜率参数的行业删除,将剩下的31个具有相同斜率参数的行业作为一个整体重新计算每个行业的IPH统计量,可以发现在1% 的显著性水平下这31个行业都接受了参数同质性的假设,再次验证了这31个行业具有相同的数据生成机制, 适合用同系数动态面板模型进行分析。
四、参数回归结果比较
在前文对中国工业行业异质性特征诊断基础上,本文对具有一致性参数形成机制的31个工业行业进行能源强度的理论机制分析。
表5中M1、M2和M3为37个行业数据的回归结果,M4、M5和M6为31个行业数据的回归结果。其中,M1和M4对应的模型为动态面板模型, 且出于稳健性的考虑同时对工业总产值( lnrigv ) 作了内生性处理,选取工业总产值的滞后值作为工具变量。M2 、M3和M4、M5对应的模型都是不含能源强度动态项的普通面板模型,它们之间的区别在于M3和M6没有考虑lnrigv的内生性问题。 因此,对于模型M1和M4我们采用动态面板模型GMM估计,对于模型M2和M4我们采用面板数据模型IV估计方法,对于模型M3和M6我们采用面板固定效应模型的估计方法( FE) 。
表5中M1和M4分别为37个和31个工业行业的动态面板模型的GMM估计的回归结果。我们采用Pagan - Hall统计量检验含有内生变量的模型是否存在异方差,结果显示M1和M4两个模型的Pagan - Hall统计量都小于5% 显著性水平下的临界值,接受扰动项不存在异方差的原假设; 自相关检验采用Arellano - Bond统计量,其作用是检验动态面板模型的一阶差分扰动项是否存在自相关, 结果显示M1和M4两个模型的Arellano - Bond AR ( 1) 统计量都接受一阶差分扰动项存在一阶自相关的原假设,而Arellano - Bond AR ( 2) 统计量都拒绝一阶差分扰动项具有二阶自相关的原假设,因此可认为M1和M4两个模型的扰动项不存在自相关。
由于M2、M3、M5和M6模型设定不同,因此在检验各个模型扰动项的异方差性和自相关性时, 采取了不同的检验统计量,其中M2和M5的异方差检验采用Pagan - Hall统计量,M3和M6的异方差检验采用Modified Wald统计量; M2、M3、M5和M6的自相关检验均采用Wooldridge统计量。检验结果显示M2、M3、M5和M6四个模型都存在异方差和自相关。由此可见,设定的模型若忽略了动态效应将会导致回归结果缺乏可靠性和有效性。 从回归系数也可以发现,模型M2、M3、M5和M6的显著性变量个数比M1和M4少,且部分变量的符号与M1和M4相反。
比较M1和M4两个模型的参数回归结果,可发现: ( 1) 31个工业行业的能源强度动态项的系数比37个行业的系数小( 由0. 652变为0. 424) , 而其他所有变量的系数却变大了;( 2) 总体上来看,31个行业的工业总产值的回归系数比37个行业的更显著,尤其是31个行业的实际R&D和企业单位数这两个变量的回归系数是显著的( 其中, 实际R&D的回归系数在10% 的显著性水平下显著,企业单位数的回归系数在1% 的显著性水平下显著) ,然而在37个行业中这两个变量的回归系数却是不显著的; ( 3) 31个行业回归的R2变大了( 由0. 996变为0. 997) ,表明31个行业数据的动态面板模型拟合效果比37个行业数据更好,进一步说明个体异质性除了表现在不可观测的截距项上,还可能表现在斜率系数上。
具体分析31个行业的回归结果可发现:( 1) 工业行业能源强度具有正向动态惯性特征,上一期能源强度对于下一期具有显著的正向影响,其弹性系数为0. 424,即上一期能源效率提高1% 会使下一期能源效率提高0. 424% ,但31个行业所表现出的动态效应弱于37个行业。( 2) 31个工业行业的产值规模效应强于37个行业的产值规模效应,31个工业行业的总产值提高1% 可以使能源强度显著降低0. 127% 。 ( 3) 如果忽略了参数异质性,37个行业的数据不能支持R&D支出对提高行业能源效率具有正面作用,然而在考虑了参数异质性后,31个行业数据显示R&D支出对提高行业能源效率起到显著的正面作用,并且放大了这种作用。 ( 4) 作为具有科技实践作用的有效专利数呈现出与R&D支出一样的特征,各行业有效专利数增加可以有效提高行业能源效率。 ( 5) 行业结构对能耗强度具有显著影响,综合31个行业的数据表明国有及国有控股产值比重( lnsown ) ,以及外商投资和港澳台商投资产值比重( lnsf ) 对能源强度的平均影响为正。因此,适当降低国有及国有控股产值比重,增大外商投资和港澳台商投资在能源强度较低行业的比重对降低工业行业能源强度具有正向作用。 ( 6) 从行业规模来看,行业内企业数量、行业平均从业人员数量与能源强度呈负相关关系。这表明,通过扩大行业内企业数量以及从业人员数量,形成行业规模效应和集聚效应可达到降低能源强度的效果。
五、结论及启示
本文首次采用动态面板数据诊断理论对中国工业行业能源强度异质性特征进行了诊断,在此基础上重新归类出无异质性差异的工业行业,进一步对中国工业行业能源强度影响因素进行了实证检验,得到如下主要结论:( 1) 中国工业行业能源存在着显著的异质性差异。在本文所采用的中国37个工业行业中,有6个行业( 交通运输设备制造业,石油加工、炼焦及核燃料加工业,电气机械及器材制造业,石油和天然气开采业,电力、 热力的生产和供应业和饮料制造业) 能源强度存在着显著的异质性差异,其余的31个行业可以由共同一致的动态面板模型进行理论分析和实证检验。这表明,在研究中国工业行业能源强度理论分析和影响机制时,如果简单地像已有文献那样将已有的37个能源行业直接合并在一起进行计量经济建模处理,将会产生严重的计量分析偏误,从而得到不准确甚至是错误的能源经济政策研究结论。 ( 2) 动态面板模型的回归残差接受了扰动项同方差和没有自相关的原假设,而非动态面板模型不能接受以上原假设,表明动态面板模型在拟合工业行业数据时效果好于非动态面板模型。比较37个行业和31个行业的动态面板回归结果可发现, 31个工业行业的能源强度动态项的系数比37个行业的系数小,但是31个工业行业对应的其他变量的回归系数变大了; 31个行业的工业总产值的回归系数比37个行业的更显著,同时31个行业的R2也增大了( 由0. 996变为0. 997) ,进一步说明个体异质性除了表现在不可观测的截距项上,还可能表现在斜率系数上。 ( 3) 对具有一致性参数形成机制的31个工业行业的动态面板数据实证分析表明,经济变量的动态惯性、行业经济状态、科技研发水平、行业结构以及行业规模对工业行业能源强度都具有显著影响。