海峡西岸经济区城市能源效率及其影响因素研究——基于空间计量模型

○张新红 庄家花

(华侨大学经济与金融学院，福建泉州362021)

一引言

能源是现代经济增长不可或缺的投入要素，对各国经济发展都有决定性影响，能源过度消费所带来的资源耗竭和环境问题已成为21世纪人类发展的重大挑战之一。改革开放30多年以来，能源为中国经济持续快速的增长提供了重要的动力支持。但作为最大的发展中国家，高能耗低效率的经济模式使得中国的经济面临严重的能源短缺和环境污染问题。提高能源效率成为中国当前最为迫切和重要的问题之一。由于中国幅员辽阔、空间发展不平衡，各地区能源效率存在很大差异，如果落后地区能够赶超发达地区的能源利用水平，将极大地提高总体能源效率。

海峡西岸经济区东与台湾地区一水相隔，北承长三角，南接珠三角，拥有优越的地理位置和生态环境，有良好的经济发展基础和广阔的发展前景。国务院于2009年5月出台了《关于支持福建省加快建设海峡西岸经济区的若干意见》。2011年3月国家发展和改革委员会制定了《海峡西岸经济区发展规划》，明确了地域范围，包括福建全境以及浙江的温州、衢州、丽水，广东的汕头、梅州、潮州、揭阳，江西的上饶、鹰潭、抚州、赣州，共20个设区市，陆域面积约27万平方公里。并对海峡西岸经济区20个设区市今后发展的空间布局进行科学规划，将海西在空间布局上划分为“东部沿海临港产业发展区，中部、西部集中发展区和生态保护和生态产业发展区三大功能区”。本文在海西规划背景下，以海西20个设区市为研究对象，运用空间计量模型从区域差异和空间相关角度分析海西全要素能源效率的区域特征及其影响因素，为积极寻求城市间的互助合作、形成互利共赢的节能减排格局提供理论支持和政策建议。

二 文献回顾

当前对能源效率区域差异状况的研究已经存在大量文献，一般而言，地区间能源效率的差距是中国在当前经济技术发展水平条件下可能实现的节能潜力［1］49－58。当前我国学者普遍采用时间序列数据分析方法［2］49－56［3］66－76［4］18－26检验我国省际或东中西三大地区的能源效率是否存在 σ 收敛、绝对β收敛以及条件β收敛。部分学者还通过运用DEA模型等方法，利用全要素生产率框架进行绩效测度和比较。Hu和 Wang［5］3206－3217首次尝试采用规模报酬不变 (CRS)的 DEA模型从中国三大地区间能耗差异角度测算中国各省域节能潜力，结果发现东部能源效率最高而中部却是最低。魏楚、沈满洪［6］110－121对能源效率指标进行了更为深入的讨论，同时采用 DEA方法测算并比较我国四大地区省域全要素能源效率，认为大多省份能源效率符合“先上升，再下降”的特征，东北能源效率最高而西部能源效率最低，地区间能源效率存在一定的趋同性。

综上所述，目前已有研究文献所具有的主要特点:一是对能源效率内涵的界定不断深入，从单要素能源效率模型到基于 DEA和超效率DEA全要素能源效率模型的研究［7］6172－6179［8］1021－1028［9］67－72;二是对能源效率收敛的衡量从如标准差等简单的区域差异标准方法到基于加权变异系数、基尼系数等更为深入的σ收敛和条件β收敛等;三是能源效率影响因素逐步达成共识，产业结构、技术进步和各类政策因素等被认为是主要的影响因素，但是各种影响因素的指标的设定仍带有一定的随机性和直觉性［10］22－26。最后，就地理空间尺度来看，当前绝大部分能源效率相关研究都基于省级行政单元，或更大级别单元(分地带和分大区)，目前还缺乏对更小空间单位——城市有关能源效率的研究。城市作为完整的基本空间单元及省域发展的基础层次，其行为的组织运行上具有省域无法替代的特色，表现出其特有的行为机制和运行规律。

海西经济区承担全国发展大局和推动两岸关系和平发展、促进祖国统一大业的重任，对海西20个设区市能源效率的研究，避免了全国和省域层次研究中总体数据掩盖地区内部差异的缺陷，有着重要的理论和现实意义。而采用空间经济计量方法研究能源效率地区差异的经验研究很少。本文考虑空间相关性，并对传统估计模型进行改进，使用个体固定效应空间计量模型分析能源效率的影响因素，探索区域间互动发展和合作的方式。

本文其余部分的结构安排如下:第3部分测算海西20个设区市的全要素能源效率;第4部分对空间计量模型及相关检验介绍;第5部分是海西能源效率影响因素的选取及海西各市全要素能源效率空间相关性分析;第6部分是海西城市全要素能源效率空间计量模型的实证结果及分析;最后部分是全文结论。

三 海西各设区市全要素能源效率的测算

能源效率是指用较少的能源生产同样数量的服务或有用的产出，而问题是如何准确定义“有用的产出”和“能源投入”。本文采用全要素能源效率指标，即“在一定产出下，前沿面上最小能源投入量与实际能源投入量的比值”。［5］3206－3217并将根据投入导向的规模报酬不变的DEA(数据包络分析)模型，利用Colelli给出的DEAP计量分析软件和海西20个设区市的相关数据计算2000年至2010年海西各设区市的全要素能源效率。具体计算过程如下。

根据城市数据的可得性，我们的整体研究时间段为2000年至2010年。数据来源于2000－2010年福建、浙江、广东和江西四个省份的统计年鉴以及海西各市的统计局网站。

其中模型的投入—产出变量的具体选择如下:

模型的产出变量以2000年不变价格计算的实际城市GDP表示，平减指数选用相应省份的数据。

资本存量K，对城市资本存量的估算采用“永续盘存法”，借鉴张军等的处理方法，用基年固定资本投资总额除以10% 作为初始资本存量，折旧率取为9.6%［11］35－44。各设区市资本存量均以2000年可比价格表示，固定资产价格指数用该设区市所在省份的相应数据近似替代。

劳动力L，严格说应该由各市就业人员的有效劳动时间衡量，但由于缺失此方面研究的统计数据，所以改用各市从业人员指标代替，个别缺失数据的用平均人口数近似替代。

能源消费量E即城市能源消费量，用各设区市历年能源消费总量表示。由于江西省和浙江省有个别年份数据缺失，我们将根据年鉴中可获得的用电量换算得到，即用其余时期能源消费量与用电量比例的平均值与当年用电量相乘得到能源消费总量值［12］135－142。将不同的统计口径统一按照相应比例折算为统一单位(万吨标准煤)。

假定海西各设区市的生产具有相似的加总技术特征，以资本、劳动、能源作为投入变量，GDP为产出变量，设在每一个时期t=1，2…，11，第k个设区市(k=1，2，…，20)使用n(n=3)种投入要素:x=(K，L，E)，即资本、劳动和能源，得到m=1种产出q。规模报酬不变且投入可自由处置(C，S)情况下，投入集可表示为:L(q|C，S)={x∶q≤λM，λN≤x，λ∈}，u∈}。对于第k个生产单元，求解Farell技术效率值的DEA模型如下:

其中，λ为K×1的常向量。θ即为Farell技术效率值。

根据模型 (1)，利用DEAP2.1软件可求得海西各市2000－2010年每年的技术效率值和目标能源投入量，利用目标能源投入量除以实际的能源投入量就得到2000－2010年海西各市全要素能源效率值 (TFEE)，计算结果如表1所示。

表1 海西各设区市全要素能源效率 (2000－2010)

鹰潭 0.997 1.000 1.000 1.000 0.506 0.781 0.218 0.119 0.268 0.356 0.469赣州 1.000 1.000 0.990 0.958 0.973 0.998 0.998 0.261 0.891 0.595 0.611抚州 1.000 1.000 1.000 1.000 1.000 1.014 0.985 0.181 0.906 1.002 0.570上饶 0.996 1.003 1.000 1.000 0.999 0.327 0.593 0.137 0.332 0.315 0.450

四 空间经济计量模型及相关检验

空间经济计量模型主要研究存在空间效应的问题。空间效应主要包括空间相关性 (依赖性)和空间异质性 (差异性)。空间异质性 (差异性)定义为事物和现象在不同空间区位上的区别;空间相关性定义为观测值与区位之间的一致性［13］。空间异质性源于观测值地理空间分布的非均匀或非随机性，空间相关性则是观测值由于某种空间作用而在地理上的集聚。

(一)空间计量模型介绍

空间经济计量的两种基本模型分别是空间滞后模型 (Spatial Lag Model，SLM)和空间误差模型 (Spatial Error Model，SEM)，空间滞后模型又称为空间自回归模型 (SAR)，这两个模型的基本形式为［14］67－71:

空间自回归模型 (SAR):

空间误差模型 (SEM):

其中，ε～N(0，σ2IN)(N为地区数)，y表示因变量向量，X为N×K的外生解释变量矩阵(含常数项)，C为标准化的空间权重矩阵，用矩阵C乘以向量y，表示空间滞后因变量;ρ表示空间滞后项系数;β表示变量系数;λ表示空间误差系数;ε和ξ为随机误差项。

对于上述两种模型的估计如果仍采用普通最小二乘法 (OLS)，由于空间效应的存在，普通最小二乘估计法估计空间误差模型是无偏的，但不具有效性;估计空间滞后模型不仅是有偏的，而且是不一致的，因此，普通最小二乘法不能用于空间计量模型的估计，而最大似然估计法能够克服以上问题。所以本文将采用空间计量经济的极大似然法 (MaximumLikelihood，ML)进行估计。另一方面，面板数据的回归包括固定效应和随机效应估计方面，而实际运用中往往根据所研究问题的特点以及具体数据特征来决定，如果仅对样本本身的个体差异进行分析，则可以使用固定效应模型，如果用样本推断总体的个体差异，则采取随机效应模型。

(二)空间自相关检验及SLM、SEM的选择

国内外学者普遍采用Moran’s I值度量各种变量的空间相关性，它用于验证整个研究区域某一要素的空间模式。除了使用Moran’s I指数，还可以使用稳健 (Robust)的最大似然LM－Error检验、最大似然LM－Lag检验等来进行检验。由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性，所以有必要构建一种判别准则，以决定哪种空间模型更加符合客观实际。Anselin(1988)提出下面的判别准则:如果在空间依赖性的检验中发现最大似然LM－Lag检验显著而最大似然LM－Error检验不显著，则可以断定适合的模型是空间滞后模型;最大似然LM－Error检验显著而最大似然LM－Lag检验不显著，则可以断定空间误差模型是恰当的模型。

五 海西各市全要素能源效率的空间相关性分析

(一)构造空间权重矩阵

利用海西20个设区市所处的地理位置，根据相邻与否构造出它们的空间权重矩阵，本文采用线性相邻定义空间矩阵，按照行政区划，如果设区市i和设区市j有共同边界，记Wij=1，否则，记Wij=0，即:即有共同边界的设区市对应的元素为1，否则为0。

对得到的空间权重矩阵W(20×20)进行标准化处理，得到标准空间加权矩阵C(20×20)。

(二)空间自相关检验

在建立空间计量模型前，应先计算海西20个设区市的Moran’s I值和拉格朗日乘数LM统计量及其稳健形式Robust LM统计量，检验海西20个设区市的全要素能源效率是否存在空间依赖性和异质性。运用Matlab软件，检验结果见表2和表3。以上各检验的原假设为H0∶ρ=0或λ=0。

表2 空间相关性检验 (截面)

表3 空间相关性检验 (面板)

表2中Moran’s I值均很小且其正态统计量Z值除2007年外均小于正态分布函数在0.05水平下的临界值 (1.65)，表明海西各设区市全要素能源效率的空间误差自相关不明显。进一步通过LMERR和LMLAG检验空间自相关性和判别自相关的类别，2001－2010年的LMERR值均未能通过0.1水平下的显著性检验，同样表明了空间误差自相关不明显。LMLAG在2008年较不显著，2001年和2005－2007年显著性水平为0.15外，其余5年均通过了0.05水平下的显著性检验，表明存在内生的空间滞后自相关。表3中对于面板数据的检验结果中LMERR、LMLAG、RLMERR、R－LMLAG在混合回归模型和个体固定效应模型中均通过了0.01水平下的显著性检验，LMLAG大于LMERR，R－LMLAG大于R－LMERR，表明空间滞后自相关比空间误差自相关更明显，空间滞后模型比空间误差模型更适合。综合以上检验可以判断海西全要素能源效率存在着空间上的相互关联性，相邻城市全要素能源效率水平存在相互影响的作用。

六 空间计量实证检验与结果分析

空间自相关检验说明海西20个设区市全要素能源效率存在着空间上的相互关联性，因而对海西全要素能源效率的研究中应考虑地理空间上的相互作用，接下来，本文将采用空间经济计量模型对海西20个设区市全要素能源效率的影响因素进行计量分析。

(一)海西能源效率影响因素的选取及数据说明

整体来看，能源效率的变化是受到多种综合因素作用的结果。由于我们不可能详尽所有难以观测的各种影响因素，又受限于海西20个设区市数据难以获得的现状，本文结合当前学者对能源效率变动形成原因的相关研究，同时结合海西特点，将主要考虑以下方面的影响因素:

(1)城市化水平 (Urban)，使用各设区市的市区人口与全市总人口的比值反映各设区市的城市化水平。

(2)资源禀赋水平 (Endow)，即能源禀赋丰裕度，由于无法获得各设区市煤炭消费量等数据，这里我们使用各设区市采掘业从业人员占城市总从业人员比重来近似替代。

(3)产业结构 (Str)，第二产业是主要能源消费行业，所以使用第二产业占国民经济比例来表示产业结构。

(4)政府干预度 (Gov)，使用各设区市财政支出与地区生产总值的比值来表示，在一定程度上反映了市场化程度下降对经济资源配置所产生的影响。

(5)外商直接投资比重 (FDI)，用各设区市当年实际使用外资金额与地区生产总值的比值来表示。

(6)外贸依存度 (Im_ex)，用各设区市进出口总值与地区生产总值的比值来衡量各设区市对外贸易对经济增长质量的作用。

(7)能源价格 (Price)，以2000年为基期，将各省燃料、动力价格指数分配到省内所在城市，衡量各设区市的能源价格。

(8)技术水平 (Tfpch)，生产率的本质内涵为生产活动中要素投入以外的其他因素带来的产出增加，所以可以反映技术水平，因此本文用不包含能源投入的Malmquist生产率指数来表示技术水平。以资本与劳动作为投入变量，地区生产总值作为产出变量，根据2000－2010年各设区市的数据，构建测度全要素生产率指数的DEA模型，利用DEAP2.1软件可测算出各期间的Malmquist生产率指数。由于Malmquist生产率指数反映的是两时期之间的全要素生产率变化，在此用2000－2001年的全要素生产率变化表示2001年的技术水平进步，其他各年依次类推。

文中进出口总额及燃料、动力价格指数来自四个省的统计年鉴 (2001－2011)，其他样本数据均来自《中国城市统计年鉴》(2002－2011)。

(二)空间计量模型的设定

建立空间计量模型前，先根据样本数据特征选择模型形式。为选择合适的模型，对空间滞后模型 (SLM)和空间误差模型 (SEM)分别进行Hausman检验、冗余固定效应检验，检验结果见表4。

表4 模型识别与检验

其中，Hausman检验原假设H0∶E(εi/Xit)=0(即为随机效应)。冗余固定效应检验原假设H0∶u1，u2=…=uN(即不同个体截距相同)。从表4可以看出，检验结果均在0.01显著性水平下拒绝原假设，因此应该选择固定效应模型。

在空间自回归模型中，变量的空间相关关系由因变量的空间滞后项来反映，用于考察海西城市全要素能源效率区位分布的空间自回归模型为:

式 (6)中，下标k=1，2，…，20代表各设区市，t表示年份。TFEEkt为全要素能源效率，C为标准化空间权重矩阵，CTFEEkt为空间滞后因变量，ρ为空间自回归系数，其估计值反映了空间相关性的方向和大小;βk为解释变量系数，μk为个体固定效应，εkt为随机误差项。

当空间相关通过被模型解释变量忽略了的变量传递时，可以假定空间相关通过误差过程产生。检验海西城市全要素能源效率区位分布的空间误差模型为:

式 (7)中，Wξkt为空间滞后误差项，λ为空间误差自相关系数，表示回归残差之间空间相关的强度。其他和 (6)式定义相同。

(三)实证分析及估计结果

本文用极大似然法估计空间滞后模型SLM和空间误差模型SEM的参数，运用Matlab空间计量软件包得到的估计结果见表5。为了比较，本文还给出了采用传统面板数据估计方法估计的结果，也列在表5中。

表5 2000－2010年海西城市全要素能源效率区位影响因素的估计结果

从表5中的检验结果可以看出，SLM模型和SEM模型的对数似然函数值log－likelihood(113.4564，110.529)均大于传统面板数据模型 (92.2705)，表明空间面板数据模型比传统面板数据模型要好，空间滞后模型又比空间误差模型好。SLM模型的R2高于OLS估计的传统模型的R2，SEM模型的R2略低于OLS估计的传统模型的R2。同时因为自由度的减小，SLM与SEM模型调整后的R2偏低，但本文空间计量模型估计采用的是最大似然法，R2检验的意义不大。

由于空间自回归系数ρ和空间误差自相关系数λ均为正值，且显著水平都达到1%，说明海西各设区市的全要素能源效率与相邻设区市的全要素能源效率间确实存在正向的空间依赖关系。从SLM模型来看，空间自回归系数ρ为0.5130，说明相邻设区市全要素能源效率水平每提高1个单位，本设区市全要素能源效率将提升0.5130个单位，相邻城市能源效率水平的提高将有助于本市能源效率水平的提高。从SEM模型来看，空间误差自相关系数λ为0.5210，说明海西设区市之间的各种观测不到的因素的地区相关性也对能源效率产生正向作用。

从各变量系数及其显著性水平来看，多数影响因素变量对能源效率水平的区位分布的影响和已有研究文献的假设一致。所有模型的估计结果显示，城市化水平对全要素能源效率的影响在空间滞后模型中显著性水平达到0.0787，而在传统模型中不显著，说明海西各设区市城市化水平对全要素能源效率的正向影响具有显著的空间地理特征，城市化进程有空间溢出作用。

资源禀赋丰裕度在0.1显著性水平下与全要素能源效率负相关。尽管在考虑空间相关性时显著程度有所减弱，但依然严重阻碍了全要素能源效率的提高，说明海西各设区市之间的能源商品流通还不发达，无法实现能源要素自由流动，这同时影响了能源价格。能源价格对全要素能源效率的负向作用在考虑空间因素后减弱，一定程度上反映了各设区市之间的能源要素流动促进了能源资源的优化配置，但由于资源与环境保护制度法规的不完善，能源价格不能反映巨大的外部成本和正常的市场供需。另外政府对主要能源及相关产业的价格干预还比较多，这从回归结果可以看出，考虑空间相关性后政府干预度对海西全要素能源效率的负影响比较小，说明政府干预程度增强而导致市场化水平的下降的状况有所改善。

产业结构与全要素能源效率显著负相关。因此提高第二产业的能源效率、增加第二产业内部能源节约型产业比例和调整三大产业的结构是今后节能工作的方向。

对外贸易对全要素能源效率产生显著负影响。对外贸易虽然可以扩大生产规模和优化要素配置，有利于效率的提高，但海西经济的特点是中小型民营经济占主导，总量大，处于产业链中上游地位的优势企业为数不多，不能有效地提高规模效率和优化资源配置。因此亟待产业链的整合来提高经济质量、改善要素效率。外贸依存度对海西全要素能源效率产生负面影响。这种反向作用在空间计量模型中有所减弱，说明它对周围设区市有积极作用。

与其他因素不同，外商直接投资占地区生产总值的比重对海西全要素能源效率的负向作用在考虑空间相关性时增强。

全要素生产率增长对海西全要素能源效率有显著的促进作用，且这种正向作用在考虑空间相关性时更强，表明全要素生产率增长的扩散效应明显。全要素生产率增长率是全要素能源效率提高的关键因素。

七结论

本文采用空间计量模型实证研究了海西20个设区市全要素能源效率的地区分布特征，得出以下结论:

第一，空间相关性检验和个体固定效应的空间计量模型分析表明，海西各市的全要素能源效率的区位分布存在正向空间依赖性，相邻城市全要素能源效率水平的改进有助于城市能源效率的整体提高。

第二，从全要素能源效率的区位分布影响因素的估计结果可知，在空间相关情况下各因素对海西全要素能源效率的影响程度有所变化，这揭示了各因素对全要素能源效率的空间作用机制。空间相关的存在加强了全要素生产率增长、城市化水平对全要素能源效率的正向作用，减轻了资源禀赋、产业结构、外贸依存度、能源价格、政府干预的负面影响。仅有外商投资比重的负面影响在空间相关时加强。全要素生产率增长是海西全要素能源效率改进的主要推动因素。

第三，从海西各设区市全要素能源效率区位分布存在空间相关性的特征出发，有关部门在制定能源政策时应充分重视这种跨区域的空间联系，积极寻求城市间的互助合作方式，形成互利共赢的节能减排格局。

［1］ 史 丹.中国能源效率的地区差异与节能潜力分析 ［J］.中国工业经济，2006，(10).

［2］ 史 丹.我国经济增长过程中能源利用效率的改进 ［J］.经济研究，2002，(9).

［3］ 魏 楚，沈满洪.能源效率及其影响因素:基于DEA的实证分析［J］.管理世界，2007，(8).

［4］ 李世祥，成金华.中国能源效率评价及其影响因素分析 ［J］.统计研究，2008，(10).

［5］ Hu Jin－li，Wang Shih－Chuan.Total－factor Energy Efficiency of Regions in China ［J］.Energy Policy，2006，(34).

［6］ 魏 楚，沈满洪.能源效率与能源生产率:基于DEA方法的省际数据比较 ［J］.数量经济技术经济研究，2007，b(9).

［7］ Shi G M，Bi J，Wang J N.Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non－energy inputs［J］.Energy Policy.2010，38(10).

［8］ 汪克亮，杨宝臣，等.基于技术差距的中国区域全要素能源效率研究 ［J］.科学学研究.2011，(29).

［9］ 孙久文，肖春梅.长三角地区全要素能源效率变动的实证分析 ［J］.中国人口·资源与环境.2012，22(12).

［10］ 李 治，李国平.城市能源效率分布特征影响因素研究 ［J］.城市发展研究.2010，(17).

［11］ 张 军，吴桂英，张吉鹏.中国省际物质资本存量估算:1952－2000［J］.经济研究，2004，(10).

［12］ 武春友，岳良文，等.基于MFA和DEA的煤炭资源效率测算方法的研究［J］.中国人口·资源与环境.2012，22(12).

［13］ 沈体雁，冯等田，等.空间计量经济学［M］.北京:北京大学出版社.2010.

［14］ 邹艳芬，陆宇海.基于空间自回归模型的中国能源利用效率区域特征分析.统计研究，2005，(10).