中国省域间能源强度空间溢出效应分析

作者简介：孙庆刚，博士，副教授，主要研究方向为区域经济和能源经济。

基金项目：新疆大学创新管理研究中心招标课题 “新疆煤炭资源开发利用过程中民生收益代价及对策研究” （编号：010112C04）；新疆大学“天山学者”讲座教授科研项目“新疆民生诉求下的碳减排途径及扶持政策研究”；国家自然科学基金项目“西部民生诉求下的碳减排实现途径及扶持政策研究”（编号：71173169）；国家自然科学基金项目“基于经济主体行为选择的节能减排动力机制研究”（编号：71203179）。

摘要 本文利用空间计量技术对我国30个省份的截面数据分析表明，我国省际能源强度具有全域性空间依赖关系，并随距离的扩大而减弱，已呈现西北省份和东南省份两大局域性“空间俱乐部”式收敛分布特征。运用空间滞后模型（SLM）和空间误差模型（SRM）与普通最小二乘回归模型（OLS）的对比分析发现，能源强度的空间溢出效应明显，空间溢出对能源强度的边际效应超过许多传统影响因素；考虑空间溢出效应后，城镇化率、工业化率和开放度对能源强度变动依然具有较强解释力度，但边际效应有所下降。投资率对能源强度变动影响稳定且非常显著。能源价格对能源强度影响无法通过显著性检验。基于结论，本文认为我国能源强度总目标分省份分解执行时，省份地理区位因素不可忽视。结论同时表明加快经济增长方式转变和进一步提高我国的开放程度是未来能源强度下降的主要驱动力，加快能源价格改革和技术创新速度也将促进能源强度下降。

关键词 中国；能源强度；空间溢出；空间滞后模型；空间误差模型

中图分类号 FO62.1

文献标识码 A

文章编号 1002-2104（2013）11-0137-07

doi：10.3969/j.issn.1002-2104.2013.11.020

我国自“十一五”时期将节能减排作为约束性指标以来，虽然能源强度呈较快下降

趋势，但能源需求总量仍快速增长，2011年达到34.8亿t标准煤，其中2012年

我国石油对外依存度已达56%以上，能源需求与能源供给矛盾日益突出。长期形

成的高投入高消耗经济增长方式对我国的资源环境造成很大压力，在应对全球气

候变化问题上也面临更多的挑战。如何进一步降低能源强度，提高能源利用效率，

以应对全球气候变化，倒逼经济发展方式转变，解决能源需求快速增长与供给相对短缺的矛盾，是我国经济社会发展中长期面临的战略问题。中外学者对此进行了大量研究。

产业结构变动和城镇化的推进对能源使用效率的影响在多数实证模型中得到证实[1-3]。大多数学者认为相比传统农业和服务业，高附加值的工业产品生产需要更多能源消耗，工业增加值比重的提高会导致能源强度增加。城镇化水平提高既可以通过产业集聚形成的规模经济促进能源使用的节约，也会由于交通通讯活动的增加、能源密集型基础设施增加、消费方式的改变等，造成能源强度增加。根据需求法则，理论上能源价格变动会对能源需求造成反向影响，不过目前研究结论不尽一致[4-10]，这可能与我国能源价格市场化程度低有关，也与采用的数据不同有关。FDI对发展中国家能源强度的下降作用得到了众多研究成果的支持[11-12]，有的学者将这一因素称为国家开放度[13]，认为发展中国家开放度的提高意味着有更多的机会接触、吸收国外先进的节能技术，同时跨国公司会将先进的节能技术带到东道国，并对东道国产生技术外溢效应。

以上这些研究成果对我国能源强度的变动提供了多维解释，不过多数文献并未考虑我国能源利用在地域上存在巨大差异的事实，分析过程中并未将能源强度在地理空间上存在的异质性和依赖性作为关键变量去考察。目前将区域地理因素纳入考虑的文献中，考虑的影响因素较少，缺乏与前人研究成果的可比性[7，8，11]，在研究方法上较为简单，主要以设置虚拟变量的方式将我国划分为几个大区，无法将能源强度空间依赖性定量化[13]。考虑到我国经济发展和能源利用效率在地理空间上呈现明显的聚类性质，如果在实证分析模型中不考虑能源强度的空间影响，将不能准确估计各种影响因素对能源强度的边际效应，从而造成分析的偏误；也不利于制定具有区域差别化的节能减排政策。

但是考虑变量指标的空间异质性和空间依赖关系后，标准的计量方法面临许多难处，因为传

统计量经济学假设所有的指标是在一个均质平面上进行，不存在空间自相关问题。西方上世

纪八十年代提出的空间计量经济学方法，在一定程度上克服了传统计量技术的不足，可以将

扩散效应、溢出效应等涉及空间传播的经济学概念进行实证研究，在区域经济学、城市经济

学中得到广泛应用。本文即利用该方法，集中考察我国能源强度是否存在地理空间依赖性，如果存在，定量测度能源强度的空间溢出效应，并将前人验证过的主要影响因素纳入研究模型中，对比考虑空间依赖性后这些影响因素的边际效应作何变化。考虑到我国节能减排任务仍然是以省域为主要行政单位进行目标分解，我国节能减排目标的实现，以省域层面的执行最为关键，本文以省级行政区划作为地理单元进行研究。缺乏能源消耗数据，本文研究地理单元为除外我国大陆30个省级行政单位。本文研究成果对推动我国能源强度下降，节能减排总目标在省际间合理分解具有参考价值。

1 能源强度空间依赖性检验

经济变量的空间依赖性检验可以分为两类：第一类是分析经济数据在整个地理系统内表现出来的分布特征，称为全域性空间依赖；第二类是分析局部子空间系统所表现出来的分布特征，称为局域空间依赖。空间依赖性检验比较常用的分析指标是Morans I指数（简称I指数），该指数可以表征空间依赖的方向和强弱[14]。

1.1 全域性空间依赖性分析

全域性空间依赖性检验的Morans I指数计算公式如下：

式中，xi是i区域的指示变量，N是全域内地理单元数量，x为变量均值，S2为变量方差，wij为空间权重。本文对空间权重作一重点说明。

对经济变量空间依赖性分析，除对空间单元进行界定外，还需对空间单元位置进行量化，即对地理单元的邻接关系进行界定。比较常用的邻接关系有r邻接（rook contiguity）、q邻接（queen contiguity）、k邻接和距离邻接（D邻接）[15]。

两个区域有共同的边为r邻接，有共同的边或顶点为q邻接，每个省选择k个最邻近的区域

定义为k相邻（本文k=4），D邻接将指定的距离阈值内定义为邻接关系（本文选择的是保证

任何省份至少有一个相邻省份的最短距离）。

I值在（-1，1）内取值，越趋近1，说明观察变量在地理单元上越呈现正相关依赖性，正外溢效应越强。越接近0，越说明观测数值在地理空间上呈随机分布，彼此独立的特征。越接近-1，表明观察变量在地理空间越呈现相异分布。

相邻关系的选择是外生的，Morans I值有时对相邻关系的选择比较敏感，本文考察了多种邻接关系下2000年至2010年中国能源强度的I指数，以检验是否存在稳健的空间溢出效应。其中r1表示一阶r相邻，r2表示二阶r相邻，即“相邻的相邻”也定义为相邻关系，r3类推。基于中国省份间地理邻接的特征，r相邻与q相邻具有相同的邻接关系，所以表中r邻接I值即为q邻接I值。本文中D

邻接选取的是每个省至少有一个邻接关系时的距离阈值，k4表示保证每个省均有4个最邻近关系。

观察表1，得出如下基本结论：

第一，我国能源强度分布呈显著正空间依赖性。除3阶r相邻外，均为正值且通过5%显著性检验。其中以具有共同省界的相邻关系I值最高，d邻接和k邻接I值稍小。说明我国能源强度总体呈正向关联，相邻省份能源强度变动会波及到本省能源强度变动。r相邻符合大众对相邻关系的通常理解，同时I值最大，如无特殊说明，下文均用r邻接进行分析。

第二，我国能源强度空间依赖性随距离扩展逐渐减弱。根据表1，r1相邻关系下空间正相关依赖性最强，Morans I均值达到0.3；“相邻的相邻关系”下，能源强度在全域范围内空间关联性依然显著，但关联程度明显减弱，Morans I指数均值降到0.18。3阶r相邻关系下已不具有统计上显著的空间依赖性。

第三，我国能源强度空间依赖性在时间维度上呈逐渐加强趋势。如图1所示，无论何种邻接关系，我国的I指数在2000-2010年间呈现基本相同的趋势――即逐渐增加的趋势。说明随着时间推移，我国能源强度在省际间的空间溢出效应逐渐增强。

1.2 局域空间依赖性检验

全域Morans I值衡量整个空间系统内总体相关性问题，但不排除局部区域分布出现全域指标所不能反映的“非典型”情况，甚至与全域分布相反的情况。为了更具体的观察能源强度在地理空间上是否存在“俱乐部”式依赖关系，本文使用空间关联局域指标（LISA），结合Moran散点图进行分析，这与以往从样本经济特征角度所研究的俱乐部式收敛有本质区别[13]。

LISA指数用局部Morans I指数计算：

其中，Zi=xi-x，Zj=xj-x，xi、xj和wij的意义同（1）式。

该指数测度第i地区与其周围其它地区间的相关程度：正值表征该地区与周围地区具有正相关特征，即具有相似能源强度的省份集聚在一起；负值表示与周围地区存在负相关，即相异能源强度的地区集聚在一起。

限于篇幅，本文未列出局域Morans I值及其伴随概率。图2为2000年和2010年两个年份30个省份能源强度Morans I指数散点图。总体上2000年伴随概率P值通过5%显著性水平的地区共有11个，（高，高）4个，处于第一象限；（低，低）5个，处于第三象限， “非典型”地区有2个，位于第二象限和第四象限，分别为陕西和安徽两省。2010年格局基本类似，伴随概率P值通过5%显著性水平的区域（高，高）4个，（低，低）6个，非典型地区降为1个，即为陕西省。总体上观察，我国已形成两大稳定的能源强度“俱乐部”，即西北地区高能源强度“俱乐部”和东南地区低能源强度“俱乐部”。

综合以上分析，说明中国全域性空间依赖与局域性空间依赖紧密相联，总体方向一致，存在空间溢出效应，且以局域性的地区“俱乐部”式的溢出为主要表现形式。这种局域性的空间溢出效应在解释能源强度变动时能起多大作用？对传统解释因素的边际效应会产生怎样的影响？本文通过严格的空间计量技术作进一步的实证分析。

2 理论模型和数据说明

2.1 空间计量模型

本文利用Anselin提出的空间计量方法分析[14]，其一般形式为：

式中，X为n×k维解释变量，Y为n×1维被解释变

量，β为k×1维系数向量，n为地理单元数，u是空间模型残差。W=[wij]n×n，为空间权重矩阵，按照一般做法，进行了行标准化处理。ρ和λ是表征空间依赖关系的系数值，是本文重点关注变量。根据ρ和λ的特征，（3）式存在如下3种具体形式：

当ρ=0，λ=0时，为传统的线性回归模型，表明能源强度不受空间溢出效应的影响。

当ρ≠0，λ=0时，为空间滞后模型（SLM），表明本省能源强度受到邻接省份能源强度的影响。

当ρ=0，λ≠0时，为空间误差模型（SEM），表明本省能源强度受到相邻省份能源强度随机冲击的影响。

ρ、λ同时不为零的情况较少，出现这种情况表明仍存在未被发现的较为重要的能源强度影响因素，且该因素具有空间相关性特征。

对于线性回归模型，仍用普通最小二乘估计法（OLS），但是用该法估计后两种模型会产生有偏且不一致的结果，Anselin提出采用最大似然法进行参数估计，并给出了一般步骤，本文即用该法估计。

2.2 变量说明及数据来源

根据引言所梳理的能源强度影响因素，本文将分省份万人拥有专利数、外商直接投资（FDI）占地区生产总值比重、工业增加值占地区生产总值比重、城镇化率、能源价格作为解释变量引入模型。此外，本文认为我国未来实现经济发展方式转变的途径之一是由投资型驱动向消费型驱动转变，投资性驱动是以高投入高消耗为基本特征，其中包括能源的高消耗，全社会投资额占地区生产总值的比重（投资率）可能会对能耗强度造成影响；同时一个地区市场化程度越高，企业逐利的驱动性就越强，那么能源消耗作为企业成本之一，节能意愿应该越强，节能技术的推广速度应该越快，最终会对能源强度造成影响。所以本文新增投资率和市场化程度作为解释变量，以考察我国经济发展方式不断调整和市场化程度不断提高可能对能源强度造成的影响（见表2）。3 研究过程与结果分析

本文将2000年作为基准年份进行实证分析，同时对比2005年和2010年的分析结果。这三个时间段，经历我国两个五年计划（“十五”和“十一五”），尤其是“十一五”时期我国首次将节能减排纳入地方政府约束性指标，通过比较三年的截面分析结果，可以观察模型参数随时间变动趋势，及检验模型稳定性。

表3中模型（1）为2000年OLS分析结果，方程总体拟

非国有城镇单位职工占职工总数比重

注：能源强度单位为“t标煤/万元”、技术进步率单位为“项/万人”，其它指标单位均为“%”。 数据来源：开放度和能源价格两指标来自相应省份统计年鉴，市场化率来自《中国人口与就业统计年鉴》，能源消耗指标来自《中国能源统计年鉴》，其余指标来自历年《中国统计年鉴》。统计性描述数据为2000年数据，实际GDP以2005年为基期。

合优度为0.668，通过F值检验。回归残差正态性Jarque-Bera检验值为1.93，无法拒绝正态性假设，Breusch-Pagan test、Koenker-Bassett test和white检验均表明不存在

异方差。各解释变量系数值正负号符合经济学解释。利用OpenGeoDa1.2.0软件所做的空间诊断结果表明，空间滞后模型（SLM）和空间误差模型（SEM）均可以优化OLS模型，空间滞后模型统计性质最好[16]。

SLM模型与OLS模型相比，整体拟合度提高，回归标准差下降。LR值为3.5，通过5%的显著性检验，说明SLM模型与OLS模型存在显著差别。空间滞后变量系数（ρ值）通过1%显著性检验，空间溢出弹性系数达0.334，表明相邻省份能源强度变动1%，空间溢出效应使本省能源强度同方向变动0.3%左右。与OLS模型相比，解释变

量显著性基本不变，不过城镇化、开放度和市场化率的边际效应均下降0.1%左右。说明未考虑空间因素的实证模型中，这些因素的边际效应存在高估现象，究其原因，是因为城镇化、开放度和市场化率这三个指标，自身具有很强的空间集聚特性。根据这三个指标的全域空间自相关检验，自相关系数分别为0308、0319和0387，且均通过1%显著性检验。利用空间计量技术将空间溢出效应剔除后的系数值才是这些因素对能源强度无偏的边际影响值。

因OLS模型中，残差的Morans I值为2.278，伴随概率值为0.023，表明残差存在空间聚集现象，SEM模型仍优于OLS模型，LAMBDA=0.445，通过5%的显著性检验。说明未考虑空间滞后因素的OLS模型，将空间因素归并到误差项中，通过残差的空间溢出效应，影响能源强度。SEM模型与SLM模型相比，解释变量显著性和系数大小均变化不大，这也说明考虑空间溢出效应的空间计量模型比较稳健。

2005年和2010年数据分析过程与2000类似，均发现SLM模型拟合优度最高，限于篇幅，本文只列出了2005年和2010年的SLM模型。2005年空间溢出效应依然显著，弹性系数为0.257。与2000年相比，各解释变量对能源强度影响方向没有变化，城镇化、开放度影响系数有所下降，投资率成为能源利用强度最主要影响因素。工业化率对能源强度影响仍较为显著。技术进步和开放度提高仍为促进能源强度下降的主要因素。

本文发现实行5年强制性节能减排后的2010年，与前两个年份相比，分析结果发生较大变化。首先空间溢出效应有所增加，弹性系数达0.354%。2000年和2005年均较为显著的城镇化率和工业化率不再显著。工业化率不再显著说明我国在转变工业增长方式上确实出现向好迹象，工业增加值提高与高能耗不再具有较强关联。用万人拥有专利数衡量的技术进步程度虽然系数仍为负值，但

注：*、*[KG-*2]*、*[KG-*2]*[KG-*2]*分别代表0.01、0.05和0.10的显著性水平，括号内数字为系数标准差。前三个实证分析模型采用2000年数据，后两个分别为2005年和2010年数据分析结果。为使估计系数具有直观经济意义（弹性意义），并在一定程度上减轻异方差，分析过程中变量均取自然对数值。空间模型中的R2是一个伪数值，不能直接用来比较模型拟合度的优劣。适用的是Log-Likelihood、AIC和SC检验，Log-Likelihood越大，拟合优度越高，后两者越小，拟合优度越好。

不再具有显著性。开放程度对能源强度影响仍然较大，FDI占地区生产总值比重每高1%，能源强度会下降02%。2010年投资率对能源强度影响最为显著，系数达064，高投资率成为解释高能耗的主要原因，同时说明我国经济如果能够实现投资驱动向消费驱动的成功转型，将会促进能源强度较大幅度下降。

4 结论与政策建议

4.1 研究结论

综合分析结果，得出如下基本结论：

第一，地理空间依赖性和空间溢出效应是分析能源强度变动影响因素时不可忽略的重要因素。能源强度在我国省际间存在聚类反馈现象，能源强度越相似的省份越聚集在一起。我国已形成两个最为明显的能源强度聚集区，以新疆、甘肃、内蒙古、宁夏和青海为聚集核心的高能源强度区域和以上海、江苏、浙江、福建为聚集核心的低能源强度区域。

第二，剔除了空间溢出效应后，一些重要影响因素的边际效应变小，如城镇化率、市场化率和开放度对能源强度的弹性系数均下降1%左右，说明以往未考虑空间溢出效应的实证模型，对这三个变量系数的估计正向有偏。

第三，各省的资本形成率（投资率）是本文发现的最为稳定持久的影响因素。说明我国的高能源强度（与世界平均水平和其它发展中国家相比）与我国高投资率紧密相连，投资率每下降01%，能源强度大体下降0.6%-0.7%。未来能源强度下降的主要驱动力之一来自于我国经济增长方式由投资型驱动向消费型驱动转变。与前人研究结论相同，外商直接投资增加能显著降低我国的能源强度，这可能来自外商投资企业的节能技术溢出效应。

第四，市场化程度和能源价格因素在分析模型中均不显著。市场化推进能源强度下降的机制可能有两个，第一，通过加快技术创新速度促进能耗下降[13]，第二，通过强化价格激励抑制能源消费促进能源替代。本文模型中市场化程度不显著，可能第一个实现机制已经在技术进步因素中得到体现，本文发现市场化程度与技术水平高度相关，如2000年的相关系数为0.8，通过1%的显著性检验。同时由于我国能源价格的行政性定价，能源价格并没有及时反映资源稀缺程度，造成能源价格对能源强度影响不显著的同时[6]，也阻断了市场化水平促进能源强度下降的第二个机制。

4.2 政策建议

本文研究结论对于降低我国能源强度具有明确的政策含义。

第一，我国在节能目标分省份分解时，除了要“综合考虑经济发展水平、产业结构、节能潜力、环境容量及国家产业布局等因素”外国发〔2011〕26号文件《国务院关于印发“十二五”节能减排综合性工作方案的通知》。，还需关注地理区位因素，区位不同，空间溢出效应方向和大小均有差别，影响分省节能目标实现。

第二，中央政府应以更加积极的政策，使东南部省份能源强度（低低）集聚区域逐渐扩散。另外引导东部省份节能技术向西部转移，比如可以采取对口支援的方式进行，打破西部（尤其是西北部）省份（高，高）集聚的路径依赖。

第三，改变投资驱动型增长方式，提高消费率在我国经济增长中的作用。城镇化推进方式，应由原先“大规模投资造城”式的城镇化向“生活方式城镇化”转变，这样既可以发挥城镇化的规模效应，又在一定程度上降低投资率。

第四，提高我国开放度和加快技术创新；加快能源价格改革，使能源价格对能源需求起到合理引导和有效抑制作用。

参考文献（References）

[1]Perry S. Do Urbanization and Industrialization Affect Energy Intensity in Developing Countries？ [J].Energy Economics， 2013，37：52-59.

[2]Madlener R， Sunak Y. Impacts of Urbanization on Urban Structures and Energy Demand： What Can We Learn for Urban Energy Planning and Urbanization Management？ [J]. Sustain. Cities Soc. 2011，1：45-53.

[3]Yaobin Liu， Yichun Xie. Asymmetric Adjustment of the Dynamic Relationship between Energy Intensity and Urbanization in China. [J]. Energy Economics， 2013，36：43-54.

[4]魏楚，杜立民，沈满洪.中国能否实现节能减排目标：基于DEA方法的评价与模拟[J].世界经济.2010，（3）：141-159.[ Wei Chu， Du Limin， Shen Manhong. Are Chinas Energysaving and Emission Reduction Targets Feasible： An Evaluation and Simulation Analysis Based on DEA [J]. The Journal of World Economy. 2010，（3）：141-159.]

[5]林伯强.中国能源需求的经济计量分析[J].统计研究，2001，（10）：34-39.[Lin Boqiang. The Econometric Research on Energy Demands of China [J]. Statistical Research， 2001，（10）：34-39.]

[6]袁晓玲，张宝山，杨万平.基于环境污染的中国全要素能源效率[J].中国工业经济，2009，（2）：76-86.[Yuan Xiaoling， Zhang Baoshan， Yang Wanping. The Total Factor Energy Efficiency Measurement of China Based on Environmental Pollution[J].China Industrial Economics， 2009，（2）：76-86.]

[7]吴玉鸣.中国区域能源消费的决定因素及空间溢出效应[J].南京农业大学学报：社会科学版，2012，（4）：124-131.[Wu Yuming. Determinants and Spatial Spillovers Effects of Regional Energy Consumption in China[J]. Journal of Nanjing Agricultural University： Social Sciences Edition， 2012，（4）：124-131. ]

[8]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，（3）：93-98. [WuYuming， Li Jianxia. Spatial Econometric Analysis of Energy Consumption of Chinese Provinces[J]. China Population， Resources and Environment， 2008，（3）：93-98.]

[9]FisherVanden K， Jefferson G H， Liu Hongmei， et al. What Is Driving Chinas Decline in Energy Intensity？ [J]. Resource and Energy Economics， 2004，26， 77-97.

[10]FisherVanden K，Jefferson M L， Jiangy X. Technology Development and Energy Productivity in China[J]. Energy Economics， 2006，28： 690-705.

[11]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，（1）：101-108.[Zhang Xian， Zhou Yong. Spatial Effect Analysis of FDI to Energy Intensity of China[J]. The Journal of Quantitative & Technical Economics， 2007，（1）：101-108.]

[12]Mielnik O， Goldemberg J. Foreign Direct Investment and Decouping between Energy and Gross Domestic Product in Developing Countries[J]. Energy Policy， 2002，30： 87-89.

[13]Herrerias M J， Cuadros A， Orts V. Energy Intensity and Investment Ownership across Chinese Provinces[J]. Energy Policy， 2013，36： 286-298.

[14]Luc A. Spatial Economics： Methods and Models [M]. Boston： Kluwer Academic Publisher，1988.

[15]沈体雁，冯等田，孙铁山. 空间计量经济学[M]. 北京：北京大学出版社，2010.[Shen Tiyan， Feng Dengtian， Sun Tieshan. Spatial Econometrics[M]. Beijing： Peking University Press， 2010.]

[16]Luc A. Exploring Spatial Data with GeoDaTM ： A Workbook[M/OL]. Urbana：

Spatial Analysis Laboratory Department of Geography University of Illinois，2005[2013-03-20]. http：//geodacenter.asu.edu/system/files/geodaworkbook.pdf.