能源消费总量控制政策对产业结构调整的门限效应及现实影响

摘要 本文采用动态面板门限模型分析能源消费对产业结构调整的门限效应，在此基础上以京津冀鲁为例模拟控制煤炭消费总量对产业结构的动态影响。研究发现：在经济发展的不同阶段，能源消费对产业结构调整的影响存在单门限效应，且这种效应会发生由负向到正向的趋向性变化。如果不考虑技术进步和能源消费结构变化的影响，实施能源消费总量控制政策，短期内不利于产业结构高级化；考虑技术冲击和能源消费结构变化，会有利于促进产业结构高级化，但能源消费结构调整会弱化技术进步带来的正向冲击。

关键词 能源消费总量控制；产业结构高级化；动态面板门限模型；数值模拟

中图分类号 F062.9 文献标识码 A 文章编号 1002-2104（2015）11-0075-07

BP世界能源统计数据显示：2010年，我国能源消费总量占全球能源消费总量比例达20.3%，首次超过美国，跃居世界第一。并且，能源对外依存度越来越高，据卓创资讯数据显示，2013年我国石油进口依存度达到57.39%，天然气对外依存度上涨至30.5%，较2012年均有明显上升，能源供给的压力不断增大。此外，以雾霾频发为典型特征的生态环境恶化，也与偏高的能源消费总量以及不尽合理的能源消费结构密切相关。为应对能源消费总量的刚性增长和资源环境约束不断趋紧的压力，国家“十二五”规划明确提出“单位GDP能耗降低”和“单位GDP二氧化碳排放降低”两大目标，并作为约束性指标纳入各地经济社会发展综合评价和绩效考核。在节能减排考核压力和一票否决的考核评价机制下，地方政府纷纷对企业“拉闸限电”，扭曲了政策初衷[1]。新一届政府进一步硬化节能减排考核，并试点实施能源消费总量控制政策，倒逼经济发展方式转变和产业结构优化升级。实施能源消费总量控制政策标志着我国能源战略从保供给为主，向控制能源需求转变，这必将对我国经济社会发展，特别是产业结构调整产生重大影响[2]。在经济发展进入新常态的大逻辑、大背景下，深入研究能源消费总量控制政策对产业结构调整的影响，对促进转方式、调结构，打造经济升级版具有重要的理论和现实意义。

学者们对能源消费总量与产业结构的关系进行了研究。从已有研究成果看，主要集中于产业结构调整对能源消费的影响，包括对能源消费总量和能源使用效率的影响两个方面。研究发现，产业结构调整有利于减少能源消费总量，并且有利于提高能源消费利用效率，降低能源消费强度。如张意翔和孙涵[3]检验了能源消费与产业结构重型化之间的短期波动和长期均衡关系，认为产业结构重型化的形成和发展对我国能源消费具有正向促进作用，间接证实产业结构优化将会减少能源消费。FisherVanden et al.[4]对1997-1999年间中国2 500个大中型能源密集型企业进行研究，得出产业结构调整有利于中国能源消费强度下降的结论。刘佳骏等[5]从空间视角分析了产业结构变动对区域能源效率的影响，发现合理的产业结构对能源效率提高贡献较大。

采用双重差分、倾向得分匹配等政策评价工具评估能源消费总量控制的结构效应是行之有效的研究方法。然而，由于能源消费总量控制试点地区较少、时间较短，不能为政策效果评估提供相对可靠的条件。因此，本文的研究思路更大程度上是分析能源消费规模与产业结构之间的相关关系，未能在反事实分析框架下做出能源消费总量控制对产业结构调整影响的因果推断，但仍是基于现实背景下一种新颖的尝试。具体的问题是，控制能源消费总量会对产业结构调整带来什么样的影响，这种影响与经济发展阶段和能源消费规模变化有什么样的关系，技术进步和能源结构调整会给这种影响带来什么样的冲击。鉴于煤炭是我国的主要能源，能源消费总量控制的重点应是煤炭消费总量控制。于是，在党的十明确实施能源消费总量控制政策后，选择京津冀鲁地区进行煤炭消费总量控制政策试点，能源消费总量控制与煤炭消费总量控制是内在统一的。

本文采用Kremer et al.[6]改进的动态面板门限模型，分析能源消费对产业结构调整的门限效应。进一步的，利用数值模拟技术刻画京津冀鲁这四个地区试点煤炭消费总量控制政策对产业结构调整的现实影响。

1.1 研究假设

能源消费与经济增长密切相关，同时与产业结构存在深层次的内在联系[7]。研究能源消费与产业结构调整的关系，无论是基于经济发展阶段，还是基于能源消费规模，其影响效应应该符合非线性逻辑。在经济发展的不同阶段，能源消费规模和能源消费结构均会发生显著变化，随着经济发展动力由要素驱动、投资驱动向创新驱动、财富驱动转变，能源消费需求应该会经历一个先上升后下降的过程。具体而言，当经济处于初级发展阶段时，此时的能源消费着力点在于推动工业化进程，不利于产业结构的高级化（本文借鉴干春晖等[8]的做法，采用第三产业与第二产业产值之比（TS）作为产业结构高级化的度量指标）；当经济处于高级发展阶段时，能源消费是伴随着科技进步和新能源的广泛利用，经济增长的重心由工业向服务业转移，能源消费推动产业结构高级化进程。据此，提出以下假设：

假设1：在经济发展的不同阶段，能源消费对产业结构调整的影响存在门限效应，且这种效应会发生由负向到正向的结构性变化。

对能源消费规模而言，其对产业结构调整的影响也是非线性的。当能源消费总量较低时，能源消费要素的作用无关紧要，产业结构调整会自然的沿农业-工业-服务业路线演进，能源消费会提升经济规模从而会促进向服务型经济转变；当能源消费总量较大时，能源的高消耗往往对应着粗放型经济发展方式，很明显此时的能源消费不利于产业结构优化。据此，提出以下假设：

假设2：依赖于不同的能源消费规模，能源消费对产业结构调整仍存在非线性影响，但此时的门限效应变化与研究假设1相反。

事实上能源消费总量控制政策的实质性影响尚未真正显现。这主要是因为在保持经济稳定增长的前提下，通过能源消费总量控制倒逼产业结构调整，需要经历一个相对长期的过程。但随着创新驱动发展战略和新能源发展战略的深化，技术进步和新能源替代的叠加效应将内化于能源消费总量控制过程，最终会促进产业结构优化。据此，提出以下假设：

假设3：单纯的能源消费总量控制对产业结构调整的短期效应不明显，但考虑到技术进步和新能源替代的叠加影响，能源消费总量控制政策会有效的促进产业结构调整。

1.2 模型及变量

Hansen[9]将Tong[10]提出的门限模型拓展到面板数据框架下，首次提出了非动态面板门限模型。在此基础上，为了能够考察经济变量之间的长期关系，TsungWu[11]首次将门限模型扩展为动态面板数据模型中，将Hsiao et al.[12]提出的动态面板估计方法和Hansen[9]提出的方法相结合，对动态门限模型进行估计。然而在传统的门限模型中，均假定变量为外生变量[13]，这就使得模型在实际应用中存在一定的障碍，同时对于动态门限模型的应用产生限制。Caner & Hansen[14]提出了门限模型的工具变量估计方法，该方法不仅可以很好的解决内生性的问题，同时对于动态门限模型的应用起到了积极的推进作用。Kremer et al.[6]在Caner & Hansen[14]的基础上利用面板数据对动态门限模型进行改进，同时解决了内生性问题。设模型形式为：

yit=μi+yit-1+β′1zitI（qit≤γ）+β′2zitI（qit>γ）+εit

其中，εit～iid（0，σ2），yit为被解释变量，zit为解释变量，可能包括内生变量，也可能包括外生变量，可将zit划分为z1it和z2it两部分，其中z1it是外生变量，与随机扰动项不相关，z2it为内生变量，与随机扰动项相关。

上式中，被解释变量本文采用产业结构高级化衡量产业结构优化。产业结构优化的度量主要包括两个维度：一个是产业结构高级化，另一个是合理化。相比较而言，产业结构高级化更能反映产业结构优化演进的特征。现阶段，我国产业结构升级的典型特征是“经济结构服务化”，第三产业与第二产业相对比重更适合度量现阶段我国产业结构高级化的主要特征。因此，本文借鉴干春晖等[8]的做法，采用第三产业与第二产业产值之比（TS）作为产业结构高级化的度量指标，其计算依据各省三次产业结构、三次产业就业结构数据。

根据研究问题，本文门限变量主要有两个：一是反映经济发展阶段的人均GDP，为精确GDP和人均GDP均按2012年价格进行平减；二是反映能源消费规模的能源消费总量。影响产业结构的因素是多方面的，既有宏观层面也有微观层面的因素。纵观已有文献，选取的解释变量主要集中在创新变量、对外开放变量、结构变量等。在此基础上，本文选取的解释变量主要有对外依存度、科技进步、资源禀赋和能源消费结构等。对外依存度是衡量开放水平的重要指标，开放水平越高，越有利于我国承接发达国家的产业转移，同时有利于促进跨境电子商务、服务贸易等发展，其对产业结构高级化的影响需要综合评判。达成共识的是，科技进步是促进产业结构高级化的重要因素，其影响渠道主要包括技术和人才两个方面，技术和人才红利最终将转化为产业发展红利，提升产业发展的质量和效益。资源禀赋、能源消费结构与产业结构是内在统一的，很大程度上一地区的资源禀赋和能源消费结构决定了该地区的主导产业，进而影响着本地区的产业结构。比如，煤炭、石油资源丰富的地区，往往煤炭开采加工、石油化工等产业比较发达。

对外依存度以进出口贸易总额与GDP之比计算，其中进出口贸易总额按当年人民币兑美元平均汇价进行了折算。科技进步指标借鉴Lesage et al[15]的做法，以专利授权数代表该地区的知识储备予以衡量。资源禀赋指标采用一次能源生产量占全国能源生产量比重指标，能源消费总量与年鉴统计口径一致。能源消费结构以煤炭能源消费占能源消费总量比重指标表示，由于统计年鉴中该指标缺失度较高，因此通过历年《中国能源统计年鉴》中地区煤炭能源消费实物量估算各地区煤炭能源消费量（煤炭能源消费量的主要构成是原煤，因此按原煤的折标准煤系数（0.714 3标准煤/kg）将煤炭消费实物量进行折标）。由于青海和两省数据缺失较多，上海和湖南能源生产量数据因统计口径的原因缺失严重，故剔除上述四地的样本，重庆与四川的数据进行合并处理，最后样本地区为26个。综合考虑数据的完整程度，确定样本时间跨度为1987-2012年。变量的描述性统计见表1。

2 模型的计量分析

为了保证变量的平稳性，我们将上述门限变量取自然对数，然后对门限变量的平稳性进行检验。通过LLC检验发现，两个门限变量在1%的显著性水平均为平稳过程，符合门限模型的估计要求。传统的非动态面板回归模型没有考虑解释变量的内生性问题，假定解释变量为外生变量，会导致模型估计产生偏误。考虑到地区资源禀赋一方面决定了当地会依赖现有资源发展产业，直接影响产业结构，如山西省煤炭资源丰富，煤炭业是其支柱产业；另一方面，储量相对丰富的能源会成为地区能源消费的首选，如煤炭在山西能源消费总量中的占比高达90%。因此，资源禀赋具有较强的内生性。本文采用资源禀赋的滞后期作为工具变量对模型中存在的内生性予以修正。在现实经济环境中，产业结构调整是一个连续、动态的过程，单纯采用非动态门限模型不足以刻画产业结构优化升级的非线性路径。因此，将资源禀赋的滞后二期作为工具变量引入到动态门限模型中，回归结果如表2所示。

从表2中可以看出，当人均GDP作为门限变量时，能源消费对产业结构高级化的门限效应通过了显著性检验，人均GDP的门限值为13 795元。当门限值小于13 795元时，能源消费对产业结构高级化的门限效应为-0.006 8，当门限值大于13 795元时，能源消费对产业结构高级化的门限效应为0.014 9，即随着经济发展由初级阶段向高级阶段演进，能源消费对产业结构调整的影响存在门限效应，且这种效应会发生由负向到正向的趋向性变化，支持了研究假设1。本文测算出的人均GDP门限值是所有地区的平均值，未能反映出地区间经济发展阶段的差异。这与选取方法本身有关，但不影响目前所有地区均已跨越经济发展门限的判断。当能源消费总量作为门限变量时，能源消费对产业结构高级化的门限效应出现与假设相同的结果，具有较强的趋向性变化，但未通过显著性检验。

3 对京津冀鲁四地的考察：模拟与校准

国家明确京津冀鲁试点煤炭消费总量控制政策，为估算能源消费总量控制对产业结构调整的具体影响提供了良好契机。根据京津冀及周边地区《落实大气污染防治行动计划实施细则》要求，到2017年底四地共压减煤炭消费总量8 300万t，各地净削减量分别为北京市1 300万t、天津市1 000万t、河北省4 000万t、山东省2 000万t。国家《2014年能源工作指导意见》也明确要求，2014年京津冀鲁分别削减原煤消费300万t、200万t、800万t和400万t，合计1 700万t。因此，我们根据2017年底的总目标以及2014年的具体目标，对京津冀鲁四地从2013年至2017年的削减计划予以分解，并依据是否考虑技术进步和能源消费结构调整，分类预测能源消费总量控制政策对产业结构调整的影响。

数值模拟的依据是表2求解的以人均GDP作为门限变量的动态面板门限方程。模拟过程中，区分出变量与不变量，综合各变量2013至2017年的实际变化和各自的系数差异，求解出2013年各地区的产业结构高级化水平。校准是建立在数值模拟的基础上，其依据是2013年产业结构高级化的实际值和模拟值的差值。具体而言，2014至2017年产业结构高级化的具体值为各年度各地区产业结构高级化的模拟值±2013年两者的差值（若低估则为+，高估为-）。

3.1 不考虑技术进步和能源消费结构变化

表3列示了不考虑技术进步和新能源替代情况下，京津冀鲁四地能源消费总量控制对产业结构高级化的影响。结合总体煤炭削减计划，我们假定北京2013年削减100万t，2014至2017年每年削减300万t；天津、河北、山东每年分别削减200，800，400万t。根据表2动态面板门限模型回归结果，煤炭消费总量下降比例乘以回归系数β^2即得到煤炭消费总量控制对产业结构高级化的具体影响。从表3显示数据看，实施能源消费总量控制政策，短期内不利于产业结构高级化，还将产生负向影响，落实到京津冀鲁四地到2017年影响程度分别为-0.192 8，-0.129 7，-0.140 7，-0.056 5。说明在现有技术水平和能源结构条件下，能源消费总量控制政策产生的产业结构调整倒逼机制短期内不会显现。我们必须正视这一问题，采取措施加速能源消费总量控制政策倒逼效应的显现。

3.2 考虑技术进步和能源消费结构变化

事实上，技术进步和能源结构调整都会对产业结构调整产生影响，从表2科技进步和能源消费结构等变量的系数符号也反映出相关变量对产业结构高级化的影响。同时需进一步考虑国家实施的创新驱动战略、新能源战略与刚刚起步的能源消费总量控制政策交叉作用对产业转型升级的影响。

具体方法为：计算研究区间内京津冀鲁四地科技进步平均增长率，结合各地科技发展目标，将科技进步平均增长率上下浮动2个百分点，分为三种情况进行模拟。图1、2的三维坐标轴分别表示年度区间、能源消费量变化及产业结构高级化水平，反映出从2012年至2017年京津冀鲁四地受科技进步冲击后能源消费总量变化对产业结构高级化的影响。

与表3的结果相比，科技进步对产业结构高级化产生了明显的正向冲击，产业结构高级化变动由负向转为正向。这说明科技进步可以弥补能源消费总量下降产生的负面影响。

具体到地区而言，2013年北京产业结构高级化模拟值为3.56，根据《北京市2013年国民经济和社会发展统计公报》公布数据，测算其产业结构高级化实际值为3.443 4，高估3.39%，在可接受的误差范围内，而天津、河北、山东三地模拟值与实际值相差较大，导致模拟值的可信度大大降低。为此，我们查阅了2013年京津冀鲁四地的《国民经济和社会发展统计公报》，计算了其产业结构高级化实际值，并以此为基准予以校准，同时结合各地新能源发展目标及能源消费结构调整目标，考虑能源消费结构变动的影响。校准后的能源消费总量控制与产业结构高级化关系如图2所示。校准后发现，京津冀鲁四地产业结构高级化变动范围在合理的区间内，北京的产业结构高级化水平保持稳定，天津微幅上升，河北、山东产业结构高级化演进趋势相对明显。这种表现态势与上述四地产业结构差异有很大的关系。目前，北京市产业结构已进入服务业主导阶段，天津正处于服务业加快赶超工业的阶段，河北、山东仍处于以工业为主导加快服务业发展阶段。

从图2可以看出，在考虑技术进步正向冲击的基础上，加入能源消费结构调整因素，产业结构高级化演进曲线变得相对平坦，说明能源消费结构调整弱化了技术进步带来的正向冲击。我国能源的消费结构以煤炭为主，能源消费结构调整刚性特征较为明显，虽然各地提出了明确的新能源发展目标，降低煤炭占比的过程相对缓慢，再加上产业结构调整慢于能源消费结构调整，使得能源消费结构调整短期内没能促进产业结构调整。但长期来看，新能源在能源消费中的比重将进一步提高，其替代效应会逐渐显现，在技术进步的正向冲击和新能源替代的双重作用下，能源消费总量控制政策能够倒逼产业结构调整，这同时验证了研究假设3提出的观点。

4 结论与政策建议

本文选择经济发展阶段和能源消费总量作为门限变量，采用动态面板门限模型分析能源消费对产业结构调整的门限效应，在此基础上以京津冀鲁为例模拟控制煤炭消费总量对产业结构调整的动态影响。研究发现：当人均GDP和能源消费量分别作为门限变量时，能源消费对产业结构调整存在单门限效应，其中，人均GDP变量通过95%置信区间的显著性检验，能源消费总量变量未通过95%置信区间的显著性检验。对于经济发展的不同阶段，能源消费对产业结构调整的门限效应会发生由负向到正向的趋向性变化。具体而言，当人均GDP小于13 795元时，能源消费量变动1%，产业结构高级化水平变动-0.006 8；当人均GDP大于13 795元时，能源消费量变动1%，产业结构高级化水平变动0.014 9。

通过模拟与校准，对京津冀鲁四地的进一步考察发现：不考虑技术进步和能源消费结构变化，实施能源消费总量控制短期内不利于产业结构高级化，到2017年京津冀鲁四地削减煤炭消费总量，将使产业结构高级化水平分别变动-0.192 8，-0.129 7，-0.140 7，-0.056 5。考虑技术冲击和能源消费结构调整后，实施能源消费总量控制有利于促进产业结构高级化，经过模拟与校准发现：北京的产业结构高级化水平保持稳定，天津微幅上升，河北、山东产业结构高级化演进趋势相对明显，能源消费结构调整弱化了技术进步带来的正向冲击。

从提高政策实施效果角度，应采取积极措施与相关政策有机结合，不断提高政策效应。第一，深入实施创新驱动发展战略，提高投入产出效率，主动引领新常态。实证研究表明，技术进步对产业结构调整具有明显的正向冲击，可以有效消除经济发展达到一定水平（超过门限阈值）后降低能源消费总量所带来的对产业结构高级化的不利影响，不断实现产业结构优化升级。为此，应着力推进创新驱动战略的深入实施，提高能源利用效率，降低能源消耗强度，在满足能源消费总量“只减不增”要求的同时，实现“效率换规模”，保持产业结构不断优化升级。第二，加大能源消费结构调整力度，提高新能源消费比重，积极适应新常态。回归和模拟分析均发现，能源消费结构调整会弱化技术进步带来的正向冲击，降低能源消耗总量控制政策倒逼效应，减缓产业结构高级化速度。着力推动能源消费结构调整，短期看可以有效实现经济平稳发展和加速控制政策全面实施；长期看，可以通过能源消费“以新替旧”，减少环境污染，实现经济发展的“环保红利”，提高社会福利。第三，结合各地区资源禀赋和产业结构，实施差异化的能源消费总量控制策略，提高能源配置效率，全面融入新常态。综合考虑资源禀赋、产业结构、市场需求、生态环境等因素，合理制定分地区能源消费总量分配方案，因地制宜，提供能源消费总量控制的针对性和有效性，持续提高能源配置效率。

参考文献（References）

[1]薛爽，洪昀，陈昕.股权性质，政治关系与地方政府拉闸限电：来自有色金属行业的经验证据[J].金融研究，2013，（3）：130-142.[Xue Shuang， Hong Yun， Chen Xin. The Nature of Equity， Political Relations and Local Government Power Brownouts：From Nonferrous Metal Industry Empirical Evidence [J]. Journal of Financial Research， 2013， （3）： 130-142.]

[2]林伯强.控制能源消费总量 硬化节能减排考核[N].中国证券报，2013-02-01.[Lin Boqiang. Control Total Energy Consumption and Evaluate Energysaving Emission Reduction [N]. China Securities Journal， 2013-02-01.]

[3]张意翔，孙涵.我国能源消费误差修正模型研究：基于产业结构重型化视角的实证分析[J].中国人口・资源与环境，2008，（1）：74-78.[Zhang Yixiang， Sun Han. A Study on China’s Energy Consumption Error Correction Model：An Empirical Analysis Based on Heavy Industrial Structure [J]. China Population， Resources and Environment， 2008， （1）： 74-78.]

[4]FisherVanden K， Jefferson G H， Liu H， et al. What Is Driving China’s Decline in Energy Intensity？[J]. Resource and Energy Economics， 2004， 26（1）： 77-97.

[5]刘佳骏，董锁成，李宇.产业结构对区域能源效率贡献的空间分析：以中国大陆31省（市、自治区）为例[J].自然资源学报，2011，（12）：1999-2011.[Liu Jiajun， Dong Suocheng， Li Yu. Spatial Analysis on Contribution of Industrial Structure Change to Regional Energy Efficiency：A Case Study of 31 Provinces in Mainland China [J]. Journal of Natural Resources， 2011， （12）： 1999-2011.]

[6]Kremer S， Bick A， Nautz D. Inflation and Growth： New Evidence from A Dynamic Panel Threshold Analysis[J]. Empirical Economics， 2013， 44（2）： 861-878.

[7]Kahrl F， RolandHolst D. Growth and Structural Change in China’s Energy Economy[J]. Energy， 2009， 34（7）： 894-903.

[8]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011，（5）：4-16.[Gan Chunhui， Zheng Ruogu， Yu Dianfan. An Empirical Study on the Effects of Industrial Structure on Economic Growth and Fluctuations in the Case of China [J]. Economic Research Journal， 2011， （5）：4-16.]

[9]Hansen B E. Threshold Effects in NonDynamic Panels： Estimation， Testing， and Inference[J]. Journal of Econometrics， 1999， 93（2）： 345-368.

[10]Tong H. On a Threshold Model[M]. Amsterdom： Sijthoff & Noordhoff， 1978.

[11]Tsung W H. Income Thresholds and Growth Convergence： A Panel Data Approach[J]. The Manchester School， 2006， 74（2）： 170-189.

[12]Hsiao C， Hashem P M， Kamil Tahmiscioglu A. Maximum Likelihood Estimation of Fixed Effects Dynamic Panel Data Models Covering Short Time Periods[J]. Journal of Econometrics， 2002， 109（1）： 107-150.

[13]Hansen B E. Sample Splitting and Threshold Estimation[J]. Econometrica， 2000， 68（3）： 575-603.

[14]Caner M， Hansen B E. Instrumental Variable Estimation of a Threshold Model[J]. Econometric Theory， 2004， 20（05）： 813-843.

[15]LeSage J P， Fischer M M， Scherngell T. Knowledge Spillovers Across Europe： Evidence from a Poisson Spatial Interaction Model with Spatial Effects[J]. Papers in Regional Science， 2007， 86（3）： 393-421.

Abstract There is little empirical research to explore the implications of the total energy consumption control. This paper analyzes the threshold effect of energy consumption on industrial restructuring using the dynamic panel threshold model and simulates the dynamics effect of total coal consumption control on industrial structure within Beijing， Tianjin， Hebei and Shandong. We find that there is single threshold effect in the impact of energy consumption on industrial structure adjustment at different stages of economic development， which changes from negative to positive. If technology and energy consumption structure remain the same， the total energy consumption control policy does not induce industrial structure upgrade. However， in the presence of technology shocks and energy consumption structure changes， this policy contributes to the upgrade of industrial structure despite that energy consumption structure adjustment weakens the positive impact of technological advances.

Key words total energy consumption control； industrial structure upgrading； dynamic panel threshold model； numerical simulation