新型城镇化发展对能源消费的影响研

[摘要]运用空间计量经济模型测算了城镇化发展及其他影响因素对能源消费的影响程度，并将城镇化发展及其他影响因素对能源消费的影响效应分解为直接影响效应与间接影响效应。结果显示，城镇化率水平提高1%，能够促进能源消费减少0.0890%，对相邻地区的空间溢出效应为正，带来相邻地区能源消费0.1362%的增长幅度。我国在推进新型城镇化建设的过程中，需要大力推动城镇化节能。

[关键词]新型城镇化；空间杜宾面板数据模型；能源消费；空间外溢性；影响效应分解

[中图分类号]F290；F224.0[文献标识码]A [文章编号]1673-0461（2014）08-0012-07

一、引言与文献回顾

城镇化是经济发展和社会进步的必然结果，我国城镇化正进入快速发展期。城镇化发展方式及对产业结构的影响，势必带动能源供应结构和消费结构调整，对能源供应体系建设和能源发展提出了新的要求。城镇化进程中，最重要的特点是人口迅速从农村向城镇集中，一方面，城镇化是每个经济社会必经的发展过程，其加速推进必然推动经济增长，带动人民生活水平提高，从而加大能源消费总量；另一方面，城镇化进程有利于产业结构、技术结构、产品结构等得到更合理调整、优化，各种资源得到更合理利用，提高能源使用效率，降低单位能耗。如何深刻认识新型城镇化对能源消费带来的影响，在不透支生态环境的背景下积极稳妥推进新型城镇化建设，实现城镇化节能，是我国当前必须解决的重大课题。

关于城镇化对能源消费的影响，引起了国内外学者的广泛关注。Parikha（1995）运用发展中国家的面板数据进行实证研究，得出发展中国家城镇化发展对能源消费的影响显著[1]。York（2007）对14个欧盟成员国1960～2000年的数据进行深入分析，得出城镇对能源消费的影响贡献度大[2]。Poumanyvong（2010）运用99个国家1975～2005年的面板数据构建STIRPAT模型研究城市化对能源利用的影响，得出不同收入水平的国家城市化对能源利用的影响程度存在显著差异，低收入水平的国家城市化有利于减少能源利用，而在中高收入水平国家则会增加能源利用[3]。Wei（2003）对中国城镇化与能源消费之间的关系进行了研究，得出中国城镇化率每提高1%，将带动能源消费总量增加1%[4]。Liu（2009）对中国能源需求与其他影响因素之间的关系进行了分析，得出城镇化与能源需求之间存在稳定的长期关系[5]。张传平、周倩倩（2013）利用协整模型和误差修正模型，实证分析了我国能源消费与城市化水平等主要影响因素之间的长期均衡和短缺波动关系，得出我国能源消费总量与城市化水平之间存在协整关系，且长期里城市化水平变动对能源消费产生正向影响[6]。

已有研究对理解城镇化发展对能源消费的影响提供了广阔的视野，但这些研究均忽视了不同区域之间能源消费与城镇化发展存在空间相关性，没有把城镇化发展对能源消费的直接影响与间接影响区分开来进行考量。本文运用空间计量经济模型，在控制其他影响因素的情况下，测算城镇化发展对能源消费的影响程度，并将城镇化发展对能源消费的影响效应分解为直接影响效应和间接影响效应，基于空间视角厘清城镇化发展对能源消费的影响大小，进而更有针对性地制定城镇化节能政策。

二、城镇化发展对能源消费的影响模型构建

本文借鉴Ehrlish P R等（1971）、Dietz & Rosa（1994，1997）、York等（2002，2003）学者的做法[7-11]，在IPAT方程的基础上，将STIRPAT模型进行改造，将经济发展水平、城镇化发展水平、产业结构、能源消费结构、能源价格分别引入模型，改进后的城镇化发展对能源消费的影响模型表达形式如式（1）：

lnEC=lna+βlnGDP+βlnUR+β3lnPSI+β4lnPTI+

βlnSEC+β6lnEP+lne=α+βlnGDP+βlnUR+βlnPSI+

βlnPTI+βlnSEC+β6lnEP+ε（1）

式中各变量定义为：

EC——能源消费（Energy Consumption），用能源消费总量表示，单位为万吨标准煤。

GDP——经济发展水平（Gross Domestic Product），用国内生产总值表示，单位为亿元。能源消费是经济增长的重要基础，经济增长是能源消费的主要动力，随着我国经济总量的不断壮大，能源消费亦会不断增加，因此经济发展水平是能源消费的重要驱动因素之一。为保证各个地区不同年份之间的数据具有可比性，运用各个地区的GDP指数统一平减为2006年不变价GDP。

UR——城镇化发展水平（Urbanization Rate），用常住人口城镇化率表示，单位为%。在城镇化的发展过程中，往往会伴随着生产方式的转变、生活消费模式的改变、产业结构的调整、经济总量的扩大，能源在人类的生产生活中扮演着重要的角色，其消费量必然受城镇化发展的影响。

PSI——第二产业比重（Proportion of Secondary Industry），用第二产业增加值占国内生产总值（GDP）的比例表示，单位为%。我国正处于工业化快速发展阶段，并且高能耗的制造业在第二产业中占有较大比重，所以第二产业比重过高在助推能源消费增长中起着重要作用。

PTI——第三产业比重（Proportion of tertiary industry），用第三产业（服务业）增加值占国内生产总值（GDP的比例来表示，单位为%。第三产业是单位能源消耗相对较小的产业，目前我国正处于经济结构转型的关键时期，第三产业比重的增加有利于能源消费的减少，因此第三产业比重偏低是能源消费的主要因素。

SEC——能源消费结构（Structure of Energy Consumption），用煤炭消费量占能源消费总量的比重表示，单位为%。受我国资源禀赋的影响，富煤、贫油、少气的能源生产结构决定了我国的能源消费结构，随着能源技术进步的提高，能源效率会得到较大幅度的提高，能源消费结构不断优化，有助于控制甚至减少能源消费增加的趋势，因此能源消费结构是能源消费的核心因素。

EP——能源价格（Energy Prices），用分地区工业生产者出厂价格指数表示。从理论上来说，能源价格的上升会抑制能源消费增长，因此能源价格亦是影响能源消费的关键因素。

本文研究的样本为2006～2012年我国30个省、市、自治区（因西藏能源消费数据缺失，本文研究对象暂不包括西藏），能源消费数据来源于《中国能源统计年鉴2013》，能源消费结构数据通过分地区煤炭消费量占能源消费总量的比重进行测算，其中能源消费总量主要包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气等，按照能源标准量转换系数统一转换成万吨标准煤，煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气的能源标准量转换系数分别为0.7476、0.9714、1.4286、1.4714、1.4714、1.4571、1.4286、13.3，分煤炭、焦炭、原油等能源品种的实物量数据来自《中国能源统计年鉴2013》，国内生产总值、常住人口城镇化率、第二产业比重、第三产业比重、工业生产者出厂价格指数均来自《中国统计年鉴2013》。

三、城镇化发展对能源消费影响的空间效应检验

endprint

在建立城镇化发展对能源消费影响的空间计量模型之前，需要检验是否存在空间效应。本文运用Anselin（2006） 提出的空间面板数据的LM检验和Elhorst（2009）给出的空间面板数据模型相应的稳健LM检验，根据其统计量的显著性确定是否可以拒绝非空间模型，如果LM-ERR和LM-LAG都不显著，则选择传统面板模型。如果显著，则应该采用空间计量模型来刻画空间性。结合空间固定效应联合显著性和时间固定效应联合显著性似然比（LR）检验来判断选择空间固定效应、时期固定效应、时空固定效应中最合适的一种固定效应。LM检验结果如表1所示，在0.05的显著性水平下，传统面板数据模型中时空固定效应的空间滞后LM检验显著，无固定效应、空间固定效应、时间固定效应的空间滞后稳健LM检验显著，无固定效应、空间固定效应、时间固定效应、时空固定效应的空间误差LM检验和稳健LM检验均显著，因此可以完全拒绝非空间性，从空间计量的视角去研究城镇化对能源消费的影响相比传统面板数据模型具有更好的合理性。空间固定效应联合显著性和时间固定效应联合显著性检验LR检验显示，无空间固定效应和无时间固定效应的原假设均被拒绝，表明空间固定效应模型或者时间固定效应模型能够较好地刻画城镇化发展对能源消费的影响。

四、城镇化发展对能源消费影响的空间计量实证检验

由于城镇化发展对能源消费影响存在空间相关性，我们首先考虑建立空间杜宾面板数据模型，再根据Wald检验和LR检验判断是否可以简化为空间滞后面板数据模型或者空间误差面板数据模型，城镇化发展对能源消费影响的空间杜宾面板数据模型表达形式如式（2）：

lnEC=δwlnEC+lna+βlnGDP+βlnUR+

βlnPSI+βlnPTI+βlnSEC+βlnEP+θwlnGDP+θwlnUR+θwlnPSI+θwlnPTI+θwlnSEC+θwlnEP+μ+λ+lne=δwlnCS+α+

βlnGDP+βlnUR+βlnPSI+βlnPTI+βlnSEC+

βlnEP+θwlnGDP+θwlnUR+θw

lnPSI+θwlnPTI+θwlnSEC+θwlnEP+μ+λ+ε （2）

式（2）中，lnEC为区域i在t时刻能源消费的观测值，lnGDP、lnUR、lnPSI、lnPTI、lnSEC、lnEP为区域i在t时刻能源消费影响因素的观测值，α为常数项，θ与β类似，均为固定的K×1维未知参数向量，μ为空间固定效应，λ为时间固定效应。W为空间权重矩阵，目前构建空间权重矩阵的方法较多，本文采用肖宏伟、易丹辉等（2013）构建地理空间权重矩阵与经济权重矩阵相结合的空间权重矩阵[12]。

城镇化发展对能源消费影响的空间杜宾面板数据模型实证检验结果如表2所示，从Wald和LR检验结果来看，时空固定效应、时空固定效应偏差修正（Lee & Yu，2010a）[13]、空间随机时间固定效应三种模型下Wald和LR检验均显著，说明不能简化为空间滞后面板数据模型和空间误差面板数据模型，空间杜宾面板数据模型更能适合城镇化发展对能源消费影响的空间计量模型。同时，运用Hausman检验可以得出，应该选择空间随机效应、时间固定效应的空间杜宾模型。从模型的结果来看，空间随机效应杜宾模型的相关系数平方明显高于时空固定效应模型的相关系数平方，且所有变量的系数符号与预期一致。从而说明空间面板数据模型选择的合理性，空间杜宾模型能够对我国能源消费进行客观计量。

从表2最后一列空间随机效应、时间固定效应的空间杜宾模型结果可以看出，空间效应系数为正，且显著，说明区域间能源消费存在一定的示范效应，相邻区域能源消费减少1%，本区域能源消费会减少0.4580%，表明我国把能源消费总量控制目标科学分解到各地区，能够有效控制能源消费增长的势头，区域之间控制能源消费总量的示范和带头作用对整个国家的能源消费控制发挥着关键和核心作用。城镇化发展对能源消费影响结果显示，城镇化率水平增加1%，能够促进能源消费减少0.0890%，对相邻地区的空间溢出效应为正，带来相邻地区能源消费0.1362%的增长幅度，但不显著。虽然样本期间内城镇化发展对能源消费减少的影响不显著，但意义重大，我国在推进新型城镇化建设的进程中，需要大力推动城镇化节能。

其他影响能源消费的驱动因素的实证结果显示，经济发展水平提高1%，能够显著助推能源消费增长0.8127%，说明经济水平的提高对能源消费的增长存在一定的依赖性，而对相邻地区的空间溢出效应显著为负，能够带动相邻地区能源消费显著减少0.5126%，表明不同区域之间实施低碳经济对相邻区域有着示范效应，在保持经济发展水平稳定提高的同时实现能源消费控制。第二产业比重和第三产业比重每提高1%，能够分别带动能源消费增长0.1494%和0.074%，说明我国第二、第三产业快速发展的同时，相应带动了我国能源消费的高速增长，目前我国正处于工业化中后期阶段，第二产业快速发展对当期本地能源消费增长的拉动作用明显高于第三产业，同时对相邻地区的空间溢出效应显著为负，相应会带来相邻地区能源消费0.2285%和0.5026%的减少幅度，表明我国不同地区之间相互建立节约型产业结构，减少不合理的能源消费，第三产业的快速发展对相邻地区能源消费减少的空间溢出效应显著高于第二产业。能源消费结构中煤炭消费占比每优化1%，能够促进能源消费显著减少0.1092%，受资源环境约束趋紧，我国大力调整能源消费结构，减少煤炭在能源消费中的比重，有效控制能源消费，但对相邻地区的空间溢出效应显著为负，带动相邻地区能源消费增加0.1193%，表明不同地区受能源资源禀赋的影响，通过技术进步开发新能源的难度较大，从而对相邻地区的空间溢出效应为负。能源价格提高1%，能够促进能源消费减少0.0122%，虽然能源价格对能源消费减少的促进作用不太显著，但是随着能源市场价格机制的形成，能源价格能够有效控制能源消费过快增长，同时对相邻地区的空间溢出效应显著为负，能够助推相邻地区能源消费减少0.1668%，表明区域之间的能源价格体系不断完善，能够有效促进相邻区域能源消费减少。

五、城镇化发展对能源消费影响效应分解

当在传统面板数据模型引入空间效应时，城镇化发展对能源消费的影响不能只看城镇化发展变量前的估计系数，而应该考虑空间效应，将城镇化发展对能源消费的影响效应分解为直接影响效应和间接影响效应。本文运用LeSage & Pace（2009）提出的两种计算方法对空间杜宾面板数据模型解释变量对能源消费的直接影响效应与间接影响效应进行分解[14]。

从表3、表4的影响效应分解结果来看，两种计算方法差别不大。以计算方法1为例，得益于人口、生产要素和产业活动等向城镇集聚，城镇化发展水平每提高1%，通过空间集聚效应对降低能源消费的直接作用为0.0761%，在加快推进新型城镇化进程的同时，会间接拉动建筑、交通、基础设施等部门的空间布局，从而间接导致能源消费增加0.1612%，总体上会引起能源消费增长0.0850%。《国家新型城镇化规划（2014-2020年）》明确提出了积极稳妥扎实有序推进新型城镇化的要求和目标，要求到2020年“常住人口城镇化率达到60%左右，户籍人口城镇化率达到45%左右。根据空间计量模型测算，我国2020年常住人口城镇化率达到60%时，相比2013年的53.5%提高11.73%，能够直接带动能源消费在2013年37.6亿吨标准煤的基础上减少0.8928%，但间接带动能源消费在2013年的基础上增加1.8912%，总体上会拉动能源消费在2013年的基础上增加0.9972%。

endprint

其他影响能源消费的驱动因素对能源消费的直接影响效应与间接影响效应分解结果显示，经济发展水平每提高1%，直接带动能源消费增长0.7880%，间接减少能源消费0.2371%，直接影响效应明显高于间接影响效应，总体上带动能源消费增长0.5509%，表明经济规模的不断扩大是拉动能源消费增加的主要因素。第二产业比重每提高1%，直接带动能源消费增长0.1179%，间接减少能源消费0.2534 %，间接影响效应明显高于直接影响效应，总体上促进能源消费减少0.1355%。第三产业比重每提高1%，直接带动能源消费减少0.0163%，间接减少能源消费0.7737%，间接影响效应明显高于直接影响效应，总体上促进能源消费减少0.7901%。表明产业结构是影响能源消费的重要驱动因素之一，随着新型工业化和现代服务业的快速推进，通过促进经济结构转型升级，有利于间接减少能源消费。煤炭在能源消费总量中的比重每降低1%，直接带动能源消费减少0.0956%，间接带动能源消费增加0.1190%，总体上引起能源消费增加0.0233%，表明我国“富煤、贫油、少气”的能源特点决定了以煤炭为主的能源消费结构短期内难以改变，给能源消费的控制带来一定的挑战。能源价格每提高1%，直接带动能源消费减少0.0470%，间接带动能源消费减少0.2944%，间接影响效应显著高于直接影响效应，总体上带动能源消费减少0.3414%，由于能源是生产生活的必需品，能源价格的上升短期内对能源消费的影响较小，但从长期来看，能源价格的合理上涨会影响投资领域和生产生活方式的转变，从而间接促进能源消费减少。

六、结论与政策建议

本文在控制经济发展水平、产业结构、能源消费结构、能源价格等其他能源消费影响因素的基础上，运用空间计量经济模型测算了2006～2011年我国30个省、市、自治区（不包括西藏）城镇化发展及其他影响因素对能源消费的影响程度，并将城镇化发展及其他影响因素对能源消费的影响效应分解为直接影响效应和间接影响效应。研究结果显示：区域间能源消费存在一定的示范效应，相邻区域能源消费减少1%，本区域能源消费会减少0.4580%，对不同区域实行能源消费总量控制对整个国家的能源消费控制发挥着关键和核心作用。城镇化率水平提高1%，能够促进能源消费减少0.0890%，对相邻地区的空间溢出效应为正，带来相邻地区能源消费0.1362%的增长幅度，但不显著。我国2020年城镇化率达到60%时，能够直接带动能源消费在2013年37.6亿吨标准煤的基础上减少0.8928%，但间接带动能源消费在2013年的基础上增加1.8912%，总体上会拉动能源消费在2013年的基础上增加0.9972%。我国在推进新型城镇化建设的进程中，需要大力推动城镇化节能。

第一，提高城镇化节能的约束水平。针对不同城镇实施能源消费总量和强度双控制，同时针对城市重点耗能行业亦进行能源消费总量和强度双控制，逐步形成两横两纵的能源消费控制格局。将节能优先理念全面融入新型城镇化发展，通过能源消费总量和强度双控制促进向生态城镇化转型，带动经济增长方式和生产生活模式的转变。

第二，优化能源空间布局，完善城镇能源供应体系结构。《国家新型城镇化规划（2014-2020）》提出以城市群为推进城镇化的主体形态，目前我国城市群大部分只是区域空间分布上相对集中，其他的产业空间组织、能源空间布局、公共服务体系等方面未能跟上城市群建设的步伐。能源作为生产生活的重要组成部分，其空间布局对城镇化的发展至关重要，优化能源空间布局，为新型城镇化发展提供保障。

第三，优化能源消费结构，针对不同城镇的资源优势，提高新能源和可再生能源的比重。我国幅员辽阔，可再生能源丰富，内蒙古、新疆、青海、西藏等地区风能资源丰富，西部和西南地区蕴含丰富的水电资源，西藏、新疆、河北、山东、辽宁、广东、福建、海南等地太阳能资源丰富，农业废弃物、城市生活垃圾等生物质能源资源分布广泛，在快速推进新型城镇化建设的同时，根据城市所在地可再生能源资源特色，分区域分阶段推动分布式太阳能、风能、生物质能、地热能多元化、规模化应用，提高新能源和可再生能源利用比例。

第四，充分挖掘新型城镇化进程中的建筑节能和交通节能潜力。城镇化发展主要表现为人口从农村向城镇聚集，由于城镇与农村之间的生产生活方式不同，在建筑和交通行业的空间布局与能源消费模式存在显著差异，总体看来，城镇人均能源消费明显高于农村人均能源消费，在新型城镇化的推进过程中，亟须建筑节能和交通节能。建筑节能方面，加快既有建筑节能改造，大力发展绿色节能建筑；交通节能方面，大力发展公共交通，合理控制机动车保有量，加快以新能源、低能耗为主的汽车推广应用，倡导自行车、步行等绿色出行方式。

第五，充分发挥区域之间能源消费的空间溢出效应，通过区域示范效应控制能源消费。空间溢出效应主要通过能源消费与经济发展水平、产业结构、能源消费结构、能源价格等影响因素的空间滞后项进行传递，充分发挥经济发展水平、产业结构、能源消费结构、能源价格对能源消费的直接影响效应和间接影响效应。通过加快经济结构转型升级、优化能源消费结构、适当合理提高能源价格等措施来实现区域能源消费控制与经济增长的共赢。

［参考文献］[1] Parikh J， Shukla V. Urbanization， energy use and greenhouse effects in economic development: Results from a cross-national study of developing countries[J]. Global Environmental Change， 1995， 5（2）: 87-103.

[2] York R. Demographic trends and energy consumption in European Union Nations， 1960-2025[J]. Social Science Research， 2007， 36（3）: 855-872.

[3] Poumanyvong P， Kaneko S. Does urbanization lead to less energy use and lower CO2 emissions? A cross-country analysis[J]. Ecolo-gical Economics， 2010， 70（2）: 434-444.

[4] Wei B R， Yagita H， Inaba A， et al. Urbanization impact on energy demand and CO2 emission in China[J]. Journal of Chong-qing University-Eng. Ed， 2003， 2: 46-50.

[5] Liu Y. Exploring the relationship between urbanization and energy consumption in China using ARDL （autoregressive distributed lag） and FDM （factor decomposition model）[J]. Energy， 2009， 34（11）: 1846-1854.

endprint

[6]张传平， 周倩倩. 我国能源消费影响因素研究——基于长期均衡和短期波动的协整分析[J]. 中国能源， 2013， 35（3）: 35-38.

[7] Ehrlich P R， Holdren J P， Mezirow J， et al. Impact of population growth[J]. Science， 1971， 171（3977）: 1212-1217.

[8] Dietz T，Rosa E A. Rethinking the environmental impacts of popu-lation，affluence and technology[J]. Human Ecology Review，1994， 1: 277-300.

[9] Dietz T， Rosa E A. Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences， 1997， 94（1）: 175-179.

[10] York R， Rosa E A， Dietz T. Bridging environmental science with environmental policy: plasticity of population， affluence， and technology[J]. Social Science Quarterly， 2002， 83（1）: 18-34.

[11] York R， Rosa E A， Dietz T. STIRPAT， IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics， 2003， 46（3）: 351-365.

[12] 肖宏伟，易丹辉，张亚雄. 中国区域碳排放空间计量研究[J]. 经济与管理，2013（12） :53-62.

[13] Lee L，Yu J. Estimation of spatial autoregressive panel data models with fixed effects[J]. Journal of Econometrics， 2010， 154（2）: 165-185.

[14] Lesage，J.P.，and R.K. Pace. Introduction to spatial econometrics[J]. Boca Raton， US: CRC Press Taylor & Francis Group，2009.

endprint