中国省域低碳消费影响因素的空间模式研究

苏方林，宋帮英

（广西师范大学 经济管理学院，广西 桂林 541004）

一、引言

“低碳经济”概念首先由英国在《我们未来的能源——创建低碳经济》（2003）的白皮书中提出。近年来，“低碳经济”成为国际社会应对全球变暖之策的热门话题。低碳，意指较低或更低的温室气体（CO2为主）排放，而化石原料中煤的含碳量最高，所以低碳经济煤炭消费行为研究比较具有理论和实践意义。目前国外已有文献[1-4]涉及到对低碳经济的研究，如Johnston等[1]、Treffers等[2]、Kawase等[3]、Shimada等[4]。而国内虽对能源研究的文献较多，但是单独对低碳经济进行分析的文献却很少，如杜飞轮[5、6]、付允云[7]、陈英姿，李雨潼[8]、谢军安，郝东恒[9]，并且在煤炭消费行为研究领域，几乎没有学者采用计量方法，而引用空间计量方法的就更没有了。然而中国省域之多，各省域煤炭消费行为之间是否存在空间效应（空间依赖性或空间误差性）？若有，它的影响系数是多少？影响的传导机制又是什么？影响效应是否受到距离的影响?……这些问题的解决显然对于引领中国的经济可持续发展之路是有益的，通过煤炭影响因素权重及溢出效应分析可以为区域政策制定提供参考。笔者正是基于此引入空间因素试探性研究中国煤炭能源消费行为，为实现低碳经济提供理论参考。

二、模型变量方法

（一）模型设定

本文采用五个解释变量，并利用C-D函数形式的双对数经验，建立模型如下：

其中，i表示中国的29个省市、自治区（直辖市）（不包括重庆和西藏），LNCONSi表示各地区的煤炭消费量，LNGGDPi表示各地区的工业生产总值，LNSTRUi表示各地区的产业结构，LNPEOi表示各地区的人口数量，LNPYi表示各地区的人均收入水平，LNOWNERi表示各地区的资源禀赋。

（二）数据来源

本文是对截面数据的研究，除了资源禀赋变量直接采用2004年数据外，其余的变量均采用2005-2007年数据的算术平均值，这样可以平滑掉短期突发因素的影响，并且为真实描绘出各区域煤炭消费量，一年的时滞是允许的。研究的区域是中国29个省市、自治区（直辖市）（其中西藏煤炭消费量缺失，重庆数据包含在四川省中）。所有的数据均来自于《中国统计年鉴》（2006-2008）、《中国能源统计年鉴》（2006-2008）、各省统计年鉴（2006-2008）以及《新中国五十五年统计资料汇编》。

（三）变量解释

1.煤炭能源消费量（CONS）：在三种化石能源中，煤的含碳量最高。当前中国温室气体的排放主要来源于对煤炭能源的消费，所以本文研究低碳经济，以煤炭能源消费量作为被解释变量比较具有合理性。

2.经济增长（GGDP）：中国目前经济发展正处于快速工业化阶段，工业化的发展对重化工产业形成巨大的需求，需求的依赖性也越来越强。目前的很多文献中都已经提到，经济增长特别是第二产业增长状况是影响煤炭能源消费最主要的因素之一。所以我们以第二产业的产值反映经济增长状况。

3.产业结构（STRU）：经济增长方式的转变影响煤炭消费量的大小，中国长期以来经济发展呈现出粗放式的特点，这种方式影响了煤炭能源的利用效率，使得对煤炭能源消费依赖度增高，并且增加了碳排量。经济方式由粗放式向集约式转变是提高煤炭能源利用效率的必然选择。文中以“第二产业与第三产业产值之比”反映产业结构。

4.人口总量（PEO）：高的人口增长率和高的人口基数是影响煤炭能源消费量的另一个重要因素，目前中国仍需供应相当大的一部分煤炭，来满足日益增长的人口对煤炭的需求。采用“人口总量”来衡量人口增长。

5.人民收入水平（PY）：一种商品需求量的大小往往要受到消费支出和消费习惯的影响，随着近几年中国居民生活水平的提高，人们对汽车、高档家用电器的需求量也越来越多，造成碳的排量增加；另一方面，消费支出能力不仅影响消费水平，面临经济不景气时，刺激消费、拉动内需还是促进经济增长的重要途径，也同样说明了消费影响需求量大小。文中采用“农村居民纯收入与城镇家庭可支配收入之和”来反映人民的消费支出能力。

6.资源禀赋（OWNER）：各区域能源探明储蓄量中，煤炭所占比重存在地域性差异性，由于运输成本的存在，资源禀赋差异影响了区域煤炭消费量的大小，一般情况下，区域煤炭能源探明储蓄量与资源禀赋富裕程度成正比。由于国家统计中公布的很多省份的煤炭能源探明储蓄量比重存在缺失，而原煤占能源生产总量的比重在很大程度上反映了煤炭能源探明储蓄量比重状况，文中以“原煤占能源生产总量的比重”来反映资源禀赋状况。

三、空间计量方法

（一）空间自相关检验

空间权重矩阵构建是进行空间探索性分析的基础条件。二元对称空间权重矩阵Wn×n表示n个位置的空间临近关系。可以采用邻接标准或者距离标准，一般邻接标准为两个地区相邻，Wij=1，否则Wij=0；一般距离标准为两个地区距离小于d，Wij=1，否则Wij=0。笔者文中采用的是基于邻接标准的权重矩阵，根据邻接的阶数，共建立了五个邻接矩阵，以二阶邻接矩阵为例，表示A邻接B，B又邻接C，则A与C是相邻的，即邻居的邻居还是相邻的。

全局空间自相关指数Global Moran′s I是衡量观测单元全局空间自相关的指标，表示为如下形式（Cliff等（1981））：

其中，z是观测值与均值的离差向量，W是行标准化的空间权重矩阵，s0=ΣΣWij，n为地区总数。

在指数的显著性检验中，采用一个标准化的Z统计量来推断：

其中，E（I）是理论均值，SD（I）是理论标准方差。大样本情况下，正态统计量Z值服从标准正态分布，显著性水平可由正态分布表来判断。给定置信水平时，若Moran′s I显著且为正，则表示高值区域在空间上集聚，或低值区域在空间上集聚。值越趋于1，区域总体空间差异越小。反之，若Moran′s I显著且为负，则表明所观测区域与周边区域存有显著的差异。值越趋于-1，区域总体差异越大。

Moran散点图、Local Moran′s I和空间联系的局部指标（LISA）可以用来研究局部空间不稳定性，分析每个观测单元区域与周边地区的空间差异程度。LISA指标计算公式为：

检验统计量可以对有意义的局部空间关联进行显著性检验。当两个区域单元的某些相邻区域相同时，局部统计量存在着相关，可以遵循Bonferroni标准。Moran散点图可以用平面空间表示，他表述标准化原始向量W与其标准化空间滞后向量WZ之间的关系，回归直线的斜率为Moran I。根据平面坐标可以划分为四个单元：第Ⅰ（Ⅲ）象限：表示高（低）值的区域观测单元被高（低）值的区域观测单元所包围，可以记为H-H（L-L）。第Ⅱ（Ⅳ）象限：表示低（高）值的区域观测单元被高（低）值的区域观测单元所包围，可以记为L-H（H-L）。

（二）空间滞后模型（Spatial Lag Model）

空间滞后模型研究一个地区因变量变化对相邻地区因变量变化的影响，即一个地区的因变量被假定依赖于其附近的因变量，而不是无法解释的成分。本文用于研究中国区域某省域煤炭能源消费行为对整个系统的相邻地区的煤炭能源消费行为产生的影响。可以表示为：

其中，y是因变量；Wy是空间滞后因变量；X是外生解释变量（自变量）；β是自变量X的参数；W是空间权重矩阵；μ是白噪音干扰项；λ是相邻地区对本地区产生的影响系数，反映因变量在某一区域内是否发生溢出效应，这种行为受空间距离的影响十分显著。区域能源消费行为受到经济环境及与空间距离有关的迁移成本的影响，具有很强的地域性。由于SLM模型与时间序列中自回归模型相类似，SLM也被称作空间自回归模型（Spatial Autoregressive Model，SAR）。对空间滞后模型的检验主要是检验一个地区的残差和与该地区相邻近地区因变量之间的关系，主要是使用两个拉格朗日乘数（Lagrange Multip lier）形式：LMLAG和稳健（Robust）的R-LMLAG等来进行。

本文利用空间计量经济知识和模型（1）建立空间滞后误差模型，研究煤炭消费行为的外部性，即周边地区的煤炭消费性对本地区煤炭消费行为的影响：

其中，WLNCONSi表示周边地区煤炭消费行为的加权和，如果参数β6为正，表示正的溢出行为，即周边地区的煤炭消费行为会带动本地区的消费行为；反之表示负的溢出行为，即周边地区的煤炭消费行为会抑制本地区的消费行为。

（三）空间误差模型（Spatial Error Model）

空间误差模型是研究一个地区的因变量被假定依赖于其附近的地区因变量中无法解释或无法预期的成分。模型可以表示为如下形式：

其中，ε是回归残差向量；Ψ是随机误差向量；δ是自回归参数，用来衡量观测样本中的空间依赖作用。对空间误差模型的检验主要是检验一个地区的残差和来自于该地区相邻近地区残差之间的关系，主要是使用两个拉格朗日乘数（Lagrange Multiplier）形式：LMLERR和稳健（Robust）的LMERR等来进行。

另外，对空间滞后模型和空间误差模型检验除以上方法及对拟合优度R2检验外，还有其他的一些检验准则如：自然对数似然函数值（Log likelihood，LogL），似然比率（Likelihood Ratio，LR）、赤池信息准则（Akaike information criterion，AIC），施瓦茨准则（Schwartz criterion，SC）。对数似然值越大，AIC和SC值越小，模型拟合效果越好。

本文利用空间计量经济知识和模型（1）建立空间误差滞后误差模型，研究煤炭消费行为的另一个外部性，即空间误差影响：

其中γ表示空间自回归参数，表示误差项中空间自相关（相互依赖性的）强度。

四、实证分析

本研究的所有结果均是在geoda和spss13.0软件里面实现的。

根据图1、图2，我们首先采用全局Moran′s I与零假设检验初步测算各省域之间煤炭能源消费的相关性（模型2-4）。全局Moran′s I为0.012，Z值为-31.160，P值为0.012小于5%的显著性水平，说明中国29个省域相邻地区的煤炭能源消费行为存在着普遍正相关。但是全局空间自相关统计量仅反映了全局内的整体平均差异程度，并不能反映局域差异状况。这样就可能掩盖正负相关相互抵消的情况，故我们还需要采用局部散点图来分析。结果显示：黑龙江、内蒙古、吉林、陕西、山西、山东、河南、安徽、湖北、湖南、贵州、广东、河北、江苏、辽宁、浙江等16个省域位于第Ⅰ象限（HH：高能源消费强度-高空间滞后）；北京、天津、宁夏、江西、广西、上海等6个省域位于第Ⅱ象限（LH：低能源消强度-高空间滞后）；新疆、甘肃、青海、等3个省域位于第Ⅲ象限（LL：低能源消费强度-低空间滞后）；云南、四川等两个省域位于第Ⅳ象限（HL：高能源消费强度-低空间滞后）；其中海南跨越了Ⅱ、Ⅲ象限，福建跨域了第Ⅰ、Ⅱ象限。可以算出，2005-2007年，平均65.52%（19个）的省域显示了相似的空间关联，其中，55.17%（16个）的省域在第Ⅰ象限，10.34%（3个）的省域在第Ⅲ象限；27.59%（8个）省域显示了非相似值的空间关联，其中6个省域在第Ⅱ象限，2个省域在第Ⅳ象限。这表明各省域能源消费行为的空间局域依赖性和差异性是同时存在的。

根据模型（1），建立表1回归估计结果：模型拟合优度达到95.1%，说明变量对模型的解释能力很强；各个变量（除和截距项外）均通过了10%的显著性水平检验，各变量与因变量均呈现正相关，产业结构和工业经济增长是影响能源消费行为的两个最重要的因素，其次是资源禀赋、人口和收入水平。第二产业与第三产业的比值每增加1%，煤炭能源消费量增加0.7813%；工业经济每增长1%，煤炭能源消费量增加0.455%；煤炭能源生产占总量比值、人口、支出水平每增长1%，煤炭能源消费量分别增加0.3604%、0.3251%、0.1233%。另外根据DW=1.826，说明模型不存在序列相关问题；通过Tolerance值、VIF值对模型多重共线性进行检验，发现Tolerance值均大于0.1，VIF值均小于10，说明模型并不存在多种共线性问题。

表1 省域能源消费的古典回归估计分析结果（模型a）

然而，虽然通过Moran指数验证了省域煤炭能源消费行为存在明显的空间自相关性，并通过古典回归方法进行了回归估计，但是这种方法却忽略了空间效应，所以下面我们有必要进一步引入空间滞后或空间误差模型验证煤炭能源消费行为的空间自相关性。根据模型（5）、（6）形成表2结果，首先对模型进行空间依赖性检验，根据原则：如果LMLAG显著而LMERR不显著，则采用空间滞后模型；如果LMLAG不显著而LMERR显著，则采用空间误差模型；如果LMLAG、LMERR都显著，则需要通过RLMLAG、R-LMERR的显著性水平来选择。所以据表2，笔者采用五个不同的空间邻接矩阵，发现LMLAG、R-LMLAG在5%的显著性水平下均是显著的，而LMERR、R-LMERR则均不显著。采用空间滞后模型是比较好的选择，即周边地区的煤炭能源消费行为会对本地区产生影响。另外有表1、表3（空间误差模型的结果鉴于篇幅问题没有再列出）可知还可以通过R2、AIC、SC、LR、LOGL值来确定最优模型选择：基本上，空间滞后模型中拟合优度R2的值、对数似然值LOGL都大于空间误差模型和古典回归估计模型下的值，而空间滞后模型中AIC值、SC值则均小于空间误差模型和古典回归估计模型下的值，这也说明了，空间滞后模型是本文研究煤炭能源消费空间依赖性的最优选择。

表2 省域能源消费的空间依赖性检验

表3 省域能源消费的空间滞后模型估计结果

根据模型（5），建立表3回归估计结果：模型（b）解释了省域能源消费总变异的96.03%，而模型（a）解释了省域能源消费的总变异的95.1%，验证了在构建模型分析省域煤炭能源消费行为时，空间滞后模型比古典回归模型有明显的改善。产业结构和人口增长是影响能源消费行为的两个最重要的因素，其次是资源禀赋、人均收入水平和人口、工业经济增长。这与模型（a）中结果存在差异：人口增长影响权重上升，工业经济增长影响权重下降，这个结论是符合实际的，因为随着能源利用效率的提高、产业结构的优化以及工业经济发展方式转变，较高的工业经济增长并不一定伴随高的能源消费需求量。

省域煤炭能源消费行为的溢出效应用同期煤炭能源消费行为的空间滞后（W-LNCONS）表示，模型（b）下W-LNCONS的参数估计值最大，并且此时拟合优度R2的值、对数似然值LOGL最大，AIC值、SC值最小，LR的p值最显著。一方面说明模型（b）模拟效果最好，另一方面标明能源消费行为溢出效应受到空间距离的影响，原因在于煤炭消费运输受到运输成本的影响，距离越远成本越大，溢出效应越小。总体上，不同权重矩阵下，模型（b～f）拟合优度达到95.7%以上，说明变量对模型的解释能力很强；除模型（a、b）截距项不显著和模型（c、d、f）的项通过10%的显著性水平外，各个变量均通过了5%的显著性水平检验。STRU对CONS影响的弹性系数最大为0.7193，说明在其他条件不变情况下（下同），第二产业与第三产业比值每增加1%，煤炭能源消费量则增加0.7193%；PEO对CONS影响的弹性系数其次为0.4464，说明人口量每增加1%，煤炭能源消费量则增加0.4464%；OWNER、PY对CONS影响的弹性系数相当分别为0.2631、0.2582，说明煤炭能源生产占总量比值、人均收入水平每增加1%，则煤炭能源消费量分别增加0.2631%、0.2582%；GGDP对CONS影响的弹性系数最小为0.2192，说明工业经济发展每上升1%，煤炭能源消费量则增加0.2192%。另外，代表煤炭消费行为溢出效应的W-LNCONS估计值为0.1286，并且高度显著，说明来自临近地区的煤炭能源消费量每增加1%，本地区煤炭能源消费增加0.1286%，这意味着相邻地区煤炭消费行为存在溢出效应。

五、结论

1.通过五个不同权重矩阵下省域煤炭能源消费行为溢出能力（W-LNCONS）比较：效应模型（b）下W-LNCONS的参数估计值最大，并且此时拟合优度R2的值、对数似然值LOGL最大，AIC值、SC值最小，LR的p值最显著（空间滞后模型（b）比古典回归模型（a）也有明显的改善）。表明空间滞后模型（g）最好反映了省域煤炭能源消费行为，并且表明省域煤炭能源消费行为溢出能力会受到地理距离和成本等因素影响。

2.通过测定全局Moran′I为0.012，初步确定中国29个省域相邻地区的煤炭能源消费行为存在着普遍正相关。进一步通过最优的空间滞后模型显示：产业结构和人口增长是影响能源消费行为的两个最重要的因素，其次是资源禀赋、人均收入水平和人口、工业经济增长。具体来说，在其他条件不变情况下（下同），第二产业与第三产业比值每增加1%，煤炭能源消费量则增加0.7193%；PEO对CONS影响的弹性系数其次为0.4464，说明人口量每增加1%，煤炭能源消费量则增加0.4464%；OWNER、PY对CONS影响的弹性系数分别为0.2631、0.2582，说明煤炭能源生产占总量比值、人均收入水平每增加1%，则煤炭能源消费量分别增加0.2631%、0.2582%；GGDP对CONS影响的弹性系数最小为0.2192，说明工业经济发展每上升1%，煤炭能源消费量则增加0.2192%。通过不同程度的控制各个影响因素，为政府控制和引导煤炭能源消费行为提供参考，包括产业结构调整、技术改进等措施。

3.最优模型下，代表煤炭消费行为溢出效应的W-LNCONS估计值为0.1286，并且高度显著，说明来自临近地区的煤炭能源消费量每增加1%，本地区煤炭能源消费增加0.1286%，这意味着相邻地区煤炭消费行为存在溢出效应。

［1］Johnston，D，Lowe，R，Bell，M.An Exploration of the Te chnical Feasibility of Achieving CO2Emission Reductions in Excess of 60%Within the UK Housing Stock by the Year 2050 ［J］.Energy Policy，2005，（33）：p1643～1659.

［2］Treffers，T，Faaij，APC，Sparkman，J，Seebregts，A.Exploring the Possibilities for Setting up Sustainable Energy Systems for the Long Term：Two Visions for the Dutch Energy System in 2050 ［J］.Energy Policy，2005，（33）：p1723～1743.

［3］Kawase，R，Matsuoka，Y，Fujino，J.Decomposition Analysis of CO2Emission in Long2term Climate Stabilization Scenarios［J］.Energy Policy，2006，（34）：p2113～2122.

［4］Koji Shimada，Yoshitaka Tanaka，Kei Gomi，Yuzuru Matsuoka.Developing a Long2termLocalSociety Design Methodology Towards a Low-carbon Economy：An Application to Shiga Prefecture in Japan［J］.Energy Policy ，2007，（35）：p4688～4703.

［5］杜飞轮.低碳经济［J］.宏观经济管理，2009，（7）：p74.

［6］杜飞轮.对我国发展低碳经济的思考［J］.中国经贸导刊，2009，（10）：30-31.

［7］付允，马永欢，刘怡君，牛文元.低碳经济的发展模式研究［J］.中国人口、资源与环境，2008，18，（3）：14-19.

［8］陈英姿，李雨潼.低碳经济与我国区域能源利用［J］.吉林大学社会科学学报，2009，49，（2）：66-73.

［9］谢军安，郝东恒，谢雯.我国发展低碳经济的思路与对策.当代经济管理，2008，30，（12）：1-7.