中国能源消费强度影响因素分析

[提要] 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。

关键词：能源消费强度；影响因素；空间计量模型

中图分类号：F063.2 文献标识码：A

收录日期：2015年7月21日

一、问题提出

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，部分数据来源于《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赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度。

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、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；LeSage 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GeoDa095i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：

EI=-0.1220+0.4419WEI+0.0877SE+0.2231MT-0.3097INRD+0.2370CZ+？着

R2=0.7452 Log likelihood=5.2457

AIC=5.5086 SC=14.9805

（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。

主要参考文献：

[1]Apergis N，James E.Energy consumption and economic growth in Central America：Evidence from a panel cointegration and error correction model[J].Energy Economics，2009.31.2.

[2]Blanco L R.The Spatial Interdependence of FDI in Latin America[J].World Development，2012.40.7.

[3]Hang L，Tu M.The impacts of energy prices on energy intensity：Evidence from China[J].Energy Policy，2007.35.5.

[4]Jorgenson D，Garbaccio R，Ho M S.Why Has the Energy-Output Ratio Fallen in China[J].General Information，1999.20.3.

[5]Karen F V，Jefferson G H，Liu Het al.What is driving China’s decline in energy intensity[J].Resource & Energy Economics，2004.26.1.

[6]Keller W.Geographic Localization of International Technology Diffusion[J].American Economic Review，2001.92.1.

[7]Lei S，Cheng S，Gunson A J et al.Urbanization，sustainability and the utilization of energy and mineral resources in China[J].Cities，2005.22.4.

[8]Ma C，Stern D I.China’s changing energy intensity trend：a decomposition analysis[J].Energy Economics，2008.30.3.

[9]Mielnik O，Goldemberg J.Foreign direct investment and decoupling between energy and gross domestic product in developing countries[J].Energy Policy，2002.30.2.

[10]Rey S J，Montouri B D.US Regional Income Convergence：A Spatial Econometric Perspectiv[J].Regional Studies the Journal of the Regional Studies Association，1999.33.2.

[11]Sadorsky P.Financial development and energy consumption in Central and Eastern European frontier economies[J].Energy Policy，2011.39.2.

[12]Sun J W.Three types of decline in energy intensity――an explanation for the decline of energy intensity in some developing countries[J].Energy Policy，2003.31.6.

[13]Wu Y.Energy Intensity And Its Determinants In China's Regional Economies[J].Energy Policy，2012.41.

[14]Zheng Y，Qi J，Chen X.The effect of increasing exports on industrial energy intensity in China[J].Energy Policy，2011.39.5.

[15]崔亚飞，宋马林.我国省际工业污染治理投资强度的策略互动性――基于空间计量的实证测度[J].技术经济，2012.3.4.

[16]高振宇，.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.

[17]国涓，王玲，孙平.中国区域能源消费强度的影响因素分析[J].资源科学，2009.31.2.

[18]胡玉敏，杜纲.中国各省区能源消耗强度趋同的空间计量研究[J].统计与决策，2009.11.

[19]黄轶.中国地区经济增长与能源消费强度差异分析[J].经济研究，2007.7.

[20]刘畅，崔艳红.中国能源消耗强度区域差异的动态关系比较研究――基于省（市）面板数据模型的实证分析[J].中国工业经济，2008.4.

[21]马骊.空间统计与空间计量经济方法在经济研究中的应用[J].统计与决策，2007.19.

[22]吴玉鸣，李建霞.中国省域能源消费的空间计量经济分析[J].中国人口资源与环境，2008.18.3.

[23]张贤，周勇.外商直接投资对我国能源强度的空间效应分析[J].数量经济技术经济研究，2007.24.1.