城镇化过程中能源消费空间格局异质性
2015-06-07汪泽波
汪泽波
(北京大学 政府管理学院,北京 100871)
城镇化过程中能源消费空间格局异质性
汪泽波
(北京大学 政府管理学院,北京 100871)
随着城镇化建设快速发展,中国人均能源消费持续长,从2000年到2013年的13年间增长了2.4倍。利用2005—2012年省级面板数据,将空间计量与普通面板计量对比分析,发现省级人均能源费量存在着较强的空间相关性,人均能源消费表现为空间格局不均衡,且相对于人口城镇化率、人均GDP、第二产业增加值占GDP比重呈现倒U型增长,即随着三者的增加人均能源消费会出现一个峰值拐点。空间杜宾随机效应模型分析结果显示人口城镇化率达到55.19%、人均GDP达到85 234.90元、第二产业增加值占GDP比重66.13%时,人均能源消费会达到峰值。
能源消费;面板数据;空间计量;倒U型
2014年国务院发布《能源发展战略行动计划(2014—2020年)》,提出要着力优化能源结构,“以开源、节流、减排为重点,确保能源安全供应,转变能源发展方式,调整优化能源结构,创新能源体制机制,着力提高能源效率,严格控制能源消费过快增长”[1]。2000年以来,中国城镇人口比重从36.22%增加到2013年的53.73%,城镇化发展快速推进,人均GDP从2000年7 858元增加到2013年41 907.59元,10余年间增长5倍多。随着工业化、城镇化快速发展,中国人均能源消费持续增加,从2000年1 148.24千克标准煤增加到2013年2 755.90千克标准煤,增加了1.4倍(如图1)。能源消费与工业化、城镇化发展之间的作用机制是什么?本文尝试着从这样一个角度做实证分析。
图1 2000—2013年中国人均能源消费与人口城镇化率
一、文献回顾
梳理文献发现,国内关于能源消费的研究主要集中于能源消费与经济发展的关系及影响因素的分析。林伯强(2001,2003,2014)研究了中国能源消费与经济发展的关系,尤其关注电力和煤炭部门对经济发展的影响,研究方法主要采用时间序列、面板数据计量分析[2-4]。韩智勇等(2005)在国内首次分析了能源与经济之间的协整性和因果关系,发现能源消费与经济增长之间存在双向因果关系,但不具有长期的协整性[5]。汪旭晖和刘勇(2007)、尹建华和王兆华(2011)利用不同年份数据做了类似分析[6-7]。马超群等(2005)研究了能源消费中煤炭、石油、天然气和水电与GDP关系,发现能源总消费和煤炭消费之间存在协整关系,而GDP与石油、天然气和水电之间不存在协整关系[8]。吴巧生等(2008)利用面板单位根、异质面板协整和基于面板的误差修正模型重新检验能源消费和GDP的关系[9]。齐绍洲等(2009)认为能源消费强度随产业结构的改善、能源价格的提高、技术进步和固定资产投资的扩大而降低[10]。
从全国范围看,不同地区能源消费状况存在明显的地区差异,因而对能源消费的研究在方法上逐渐引入空间因素。赵进文和范继涛(2007)利用非线性STR模型技术分析,认为中国经济增长对能源消费的影响具有非对称性和阶段性[11]。齐绍洲和罗威(2007)检验了西部与东部地区的能源消费强度差异与西部与东部地区人均GDP差异收敛性的关联度[12]。邹艳芬和陆宇海(2006)首次使用空间计量的方法分析了能源利用效率的空间属性[13]。王火根和沈利生(2007)、赵湘莲等(2012)认为空间面板回归模型较比传统面板回归模型在研究中国各省市区经济增长和能源消费的空间关系方面更加合适[14-15]。吴玉鸣和李建霞(2008)运用空间面板数据分析,发现省域能源消费在空间上存在依赖性,能源消费行为受到本地能源消费和相邻省域的能源消费的共同影响[16]。吴玉鸣(2012)应用空间滞后面板计量经济模型和空间误差面板计量经济模型对区域能源消费行为的空间溢出效应进行分析,发现能源利用效率对邻近区域的能源消费行为具有很强的溢出效应[17]。周肖肖等(2015)用双门限模型分析,认为能源效率与经济增长关系并非单调递增的,处于产业结构高区位的省市能源效率对经济增长具有最高的溢出效应[18]。
近几年来,从城镇化角度分析能源消费的文献也比较多。王蕾和魏后凯(2014)认为城镇化、工业化对能源消费的净效应为正,并且城镇化的影响作用更加明显,中部地区城镇化转型面临的能源消费压力最大[19]。王文蝶等(2014)分析了城镇化进程中生活能源消费与收入的关联及其空间差异[20]。关雪凌和周敏(2015)发现城镇化对能源消费产生刺激和抑制双向的作用[21]。也有对城镇化是否影响能源消费持不同观点,谢利平(2015)认为中国的能源消费最大的决定因素不是城镇化,而是工业化,工业和其中的制造业是中国能源消费的主导因素。城镇化不仅不会带来能源消耗的大幅上升,反而能够促使能源效率的提升,提高能源消费的质量[22]。
二、数据来源与实证模型
本文研究参照一般文献对城镇化发展与能源消费之间关系的假设。王蕾和魏后凯(2014)认为城镇化对能源消费的影响效应“主要通过投资拉动、人力资本积累、技术创新和技术进步以及能源消费结构的改善等途径来影响能源消费”[19]。城镇化建设对能源消费的影响机制主要有两个方面:一方面,在城镇化发展的初期,由于大量的农村人员涌向城市,加速城市工业化发展,“在这一过程中,城镇化对建筑、交通、道路等城市建设方面产生了巨大的投资需求,从而带动水泥、钢材、能源、汽车等相关产业的发展”,需要消耗更多的能源。另一方面,城镇化发展使得更多的人享受更好的教育医疗条件,打破了城乡二元社会结构差异,社会更加均等发展,提高全社会劳动力的生产效率和创造力。随着经济社会发展,人们会研发出更加高效的能源使用技术,降低能源的消耗。由于能源的高消耗会造成污染物高排放破坏环境,影响居民的生活质量。随着城镇化率的提高,人们更加注重环境保护,提高生活的质量,经济发展也逐渐从粗放式发展转变为节约化、精细化发展,从而降低了发展中的能源消耗成本。
本文选取2005—2012年省、市、自治区(不包括西藏自治区、香港、澳门和台湾)面板数据,以省级人均能源消费量为因变量,以人口城镇化率、人均GDP和第二、第三产业增加值占GDP的比重为自变量,选取人口城镇化率、人均GDP和第二产业增加值占GDP比重的平方作为自变量以探寻人均能源消耗峰值拐点。所有数据均来自于各年《中国统计年鉴》、《中国能源统计年鉴》及各省省级统计年鉴。
表1 本文所用主要指标的描述性统计结果
本文模型形式为:
lgenergyit=αi+γt+β1urbanit+β2(urbanit)2+β3gdpit+β4(gdpit)2+β5indu_2it+β6(indu_2it)2+β7indu_3it+εit
(1)
其中,lgenergyit表示对数化的i个省在第t年的人均能源消费量,urbanit表示i省在第t年的人口城镇化率,gdpit表示表示i省在第t年的人均GDP,indu_2it、indu_3it表示表示i省在第t年的第二、第三产业增加值占GDP的比重。αi表示不随时间变化的省级截面效应,γt表示时序效应,εit为服从经典计量经济学假设的独立同分布(i.i.d)的随机扰动项。采用对数形式的回归可以降低数据的波动程度以及减少可能存在的异方差问题[23]。
方程(1)是未考虑空间效应的普通面板分析模型,可以在此基础上引入空间自相关因素建立空间计量经济学分析模型。目前,常用的空间计量经济学模型包括空间滞后模型(spatiallagmodel,SLM)和空间误差模型(spatialerrormodel,SEM)。勒沙杰(LeSage,2008)建议采用一个综合的空间杜宾(Durbin)模型将SLM和SEM两模型的特点整合起来[24]。本文建立空间杜宾模型如下:
(2)
其中,Xjt为方程(1)中等式右侧的所有解释变量构成的向量,β为这些解释变量的系数构成的向量。因而,若θ=0,则空间杜宾模型退化为SLM;若θ=-ρβ,则空间杜宾模型简化为SEM。本文再基于地理空间临近与否构建所需的空间权重矩阵ωij。
三、空间自相关分析
空间自相关分析,即探索性空间数据分析(exploratoryspatialdataanalysis,ESDA),用以分析空间位置临近区域间的相关性。测度空间自相关的统计量有莫兰指数(Moran’sI)、吉尔里指数(Geary’sC)和Getis-Ord指数(Getis-OrdGeneralG)等,主要用来描述整个研究区域上所有空间单元之间的平均关联度及其显著性。其中莫兰指数统计量是应用最为广泛的全局空间相关统计量,其计算公式为:
(3)
从2005年和2012年中国人均能源消费分布图比较看(如图2),人均能源消费表现为空间格局不均衡状态,和经济发展水平不是完全的对应。人均能源消费较高地区不仅有天津、上海这样发达东部地区,也有青海、宁夏这样欠发达的西部省份,其中值得注意的是山西这样的产煤大省,人均能源消费量一直排在全国的前列。
图2 2005 年(左)和2012年(右)人均能源消费分布图
从图3到图6的莫兰散点图分析看,人均能源总消费量表现出明显的空间相关性,但空间相关性有所减弱,2005年莫兰指数I为0.325 6,到2012年有所下降为0.220 3。人均柴汽油、煤炭消费量莫兰I指数从2005年到2012年均下降。从人均天然气莫兰散点图看,多数省份处于第三象限,表现出明显的低值与低值集聚的正向空间自相关性。
图3 2005 年(左)和2012年(右)人均能源消费量的莫兰散点图
图4 2005 年(左)和2012年(右)人均柴汽油消费量的莫兰散点图
图5 2005 年(左)和2012年(右)人均天然气消费量的莫兰散点图
图6 2005年(左)和2012年(右)人均煤炭消费量的莫兰散点图
四、计量模型实证分析
首先,本文用以各省份为聚类变量的聚类稳健标准差对人均能源消费量对数做混合OLS估计,利用空间权重矩阵对结果进行诊断发现,从空间误差、滞后LM和稳健的LM检验角度,1‰显著拒绝上述变量“无空间自相关”的原假定,再次证明需要在分析中考虑引入空间因素,否则结果不可靠。
然后,对空间面板杜宾模型与普通面板模型分析做比较(结果参见表2)。对普通面板做空间固定效应回归,人均能源消费对数对城镇化率和城镇化率平方,人均GDP和人均GDP的平方、第二产业增加值的占比和其平方以及第三产业增加值的占比的回归十分显著。符号也符合预期,随着城镇化率的提高、人均GDP的增加,第二产业增加值占GDP比重增加,人均能源消费量不断提高。同时,第三产业增加值比重增加也会促使均人能源消费的增加。
表2 不同模型计量回归结果比较
表2(续)
本文在普通固定面板模型的基础上考虑时间因素,得到时空双固定效应模型,城镇化率对人均能源消费的影响变得不显著。对时间做显著性检验,发现结果显著拒绝原假定,说明若用普通面板固定效应模型分析需要考虑时间因素。之所以出现城镇化率系数不显著的情况,可能一方面是没有考虑地区差异,另一方面是用固定效应分析不是十分合适。故再做面板效应和随机效应模型,用Hausman检验,结果显示Prob= 0.867 1,因此可以认为使用随机效应模型更加合适。
接下来,本文考虑空间区域差异,在普通面板分析的基础上引入空间杜宾(Durbin)模型分析,分别考虑空间固定、时间固定、时空双固定以及随机效应模型4种情况。其中时间固定效应模型显示城镇化率对人均能源消费的影响是负向的,这个和实际不符,故而排除。相比较普通面板模型结果,空间面板模型反映了城镇化率、人均GDP、第二产业增加值占比对人均能源消费影响系数均有所降低,说明空间因素确实影响到分析结果的可靠性判断。
对固定效应和随机效应模型用Hausman检验,拒绝了固定效应模型,采用随机效应解释比较好。人均能源消费滞后项的系数为0.355,说明区域间的能源消费呈现正向集聚的特征,即,某地区较高的能源消费需求可能会导致临近区域的能源消费的增长。空间杜宾模型中的解释变量与空间权重矩阵W的乘积项反映的是相邻区域的这些解释变量对该区域解释变量的影响。只有W×urban和W×urbansq的系数是显著的,W×urban符号为负数,说明临近区域加快城镇化发展可能通过吸引外来人口流入以及工业企业向该区域集中,从而减少或者抑制本地区能源的消费。
无论是普通面板分析,还是空间面板分析,从回归结果系数符号上可以清楚地发现,人均能源消费和城镇化率、第二产业增加值占GDP比重、人均GDP之间呈现倒U型关系,即能源消费随着城镇化率、第二产业增加值占GDP比重、人均GDP增加而增加,但会出现一个峰值拐点。这可能一方面由于人们节能意识增强,更加注重能源节约使用,另一方面随着城镇化率发展,能源大量消耗影响到环境质量,人们在生产生活中更新能源使用技术,采用更高效能源利用方式,提高了能源利用效率。据此可以求出不同模型下人均能源消费拐点出现的时机。普通面板随机效应模型显示城镇化率55.37%、人均GDP达到85 161.29元、第二产业增加值占GDP比重66.72%时,人均消费会达到峰值。空间面板随机效应模型估计结果显示城镇化率达到55.19%,人均GDP达到85 234.90元、第二产业增加值占GDP比重66.13%人均消费才会会达到峰值,这和不考虑空间区域差异影响得到的结果有一定的差异,显得更加合理。
为了考察相邻省份对本地区的影响,本文继续考察了空间模型中直接效应和间接效应(限于篇幅,结果略)。直接效应不仅包括相邻省份对该地区的影响,还包括从本地区到相邻地区最后再返回本地区的这样一种反馈效应。这些空间因素的影响既通过空间滞后因变量 W×lgener产生作用,也通过空间滞后自变量自身发生作用。
五、结论
本文选取30个省(直辖市、自治区)2005—2012年的面板数据,通过普通面板模型和空间杜宾模型分析城镇化率,人均GDP,第二、第三产业生产增加值占GDP比重对人均能源消费量影响。结果显示:(1)省级人均能源费量存在着较强的空间相关性,表现为人均能源消费空间格局不均衡,且4个解释变量的空间滞后性对人均能源也有一定的影响;(2)人均能源消费对城镇化率、人均GDP、第二产业增加值占GDP比重表现为倒U型增长,即随着三者的增加人均能源消费会出现一个峰值。空间杜宾随机效应模型分析结果显示人口城镇化率达到55.19%,人均GDP达到85 234.90元、第二产业增加值占GDP比重66.13%时人均消费会达到峰值。
为争取2020年实现全国同步建成小康社会的目标,中国需要加快城镇化发展的步伐,提高国民的人均收入水平,加快工业技术革新,从而有效控制人均能源消费量的增长,同时缓解经济发展中的能源制约压力。由于能源消费空间的格局不均衡性,中国在制定能源政策措施时需要因时、因地制宜。另外,要鼓励企业发展高效能源利用技术,积极向大众宣传节能知识、提高公众的环保意识显得十分必要。
[1]国务院办公厅.国务院办公厅关于印发能源发展战略行动计划(2014-2020年)的通知[EB/OL].(2014-11-19)[2015-06-29].http://www.gov.cn/zhengce/content/2014-11/19/content_9222.htm.
[2]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.
[3]林伯强.电力消费与中国经济增长:基于生产函数的研究[J].管理世界,2003(11):18-27.
[4]林伯强,毛东昕.煤炭消费终端部门对煤炭需求的动态影响分析[J].中国地质大学学报(社会科学版),2014(6):1-12.
[5]韩智勇,魏一鸣,焦建玲,等.中国能源消费与经济增长的协整性与因果关系分析[J].系统工程,2005(12):17-21.
[6]汪旭晖,刘勇.中国能源消费与经济增长:基于协整分析和 Granger 因果检验[J].资源科学,2007(5):57-62.
[7]尹建华,王兆华.中国能源消费与经济增长间关系的实证研究——基于 1953—2008 年数据的分析[J].科研管理,2011(7):122-129.
[8]马超群,储慧斌,李科,等.中国能源消费与经济增长的协整与误差校正模型研究[J].系统工程,2005(10):47-50.
[9]吴巧生,陈亮,张炎涛,等.中国能源消费与 GDP 关系的再检验——基于省际面板数据的实证分析[J].数量经济技术经济研究,2008(6):27-40.
[10]齐绍洲,云波,李锴.中国经济增长与能源消费强度差异的收敛性及机理分析[J].经济研究,2009(4):56-64.
[11]赵进文,范继涛.经济增长与能源消费内在依从关系的实证研究[J].经济研究,2007(8):31-42.
[12]齐绍洲,罗威.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):74-81.
[13]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[J].统计研究,2006(10):67-71.
[14]王火根,沈利生.中国经济增长与能源消费空间面板分析[J].数量经济技术经济研究,2007(1):98-107.
[15]赵湘莲,李岩岩,陆敏.我国能源消费与经济增长的空间计量分析[J].软科学,2012(3):33-38.
[16]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.
[17]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):124-132.
[18]周肖肖,丰超,魏晓平.能源效率、产业结构与经济增长——基于匹配视角的实证研究[J].经济与管理研究,2015(5):13-21.
[19]王蕾,魏后凯.中国城镇化对能源消费影响的实证研究[J].资源科学,2014(6):1235-1243.
[20]王文蝶,牛叔文,齐敬辉,等.中国城镇化进程中生活能源消费与收入的关联及其空间差异分析[J].资源科学,2014(7):1434-1441.
[21]关雪凌,周敏.城镇化进程中经济增长与能源消费的脱钩分析[J].经济问题探索,2015(4):88-93.
[22]谢利平.能源消费与城镇化、工业化[J].工业技术经济,2015(5):95-100.
[23]郝宇,廖华,魏一鸣.中国能源消费和电力消费的环境库兹涅茨曲线:基于面板数据空间计量模型的分析[J].中国软科学,2014(1):134-147.
[24]LESAGE J P.An introduction to spatial econometrics[J].Revue d'économie industrielle,2008,n°123(123):19-44.
(责任编辑:周 斌)
The Spatial Pattern of China’s Energy Consumption in the Process of Urbanization
WANG Zebo
(School of Government,Peking University,Beijing 100871,China)
With the rapid development of urbanization in China,per capita energy consumption continues to grow,and has increased 2.4 times from 2000 to 2013.The article uses the provincial panel data from 2005 to 2012,compares the analysis of the spatial econometrics with the ordinary econometrics,finds that China’s provincial per capita energy consumption has a strong spatial correlation,the per capita energy consumption for the spatial pattern is not balanced.The relative population urbanization rate,per capita GDP and secondary industrial added value accounted for the proportion of GDP show an inverted “U” type growth,which means the increase in per capita energy consumption will appear a peak inflection point.Space Durbin random effects model analysis results show that per capita energy consumption will reach a peak when population urbanization rate reaches 55.19%,per capita GDP reaches 85 234.90 yuan,and the secondary industrial added value accounts for 66.13% of GDP.
energy consumption;panel data;spatial econometrics;inverted U type
2015-06-29
国家社会科学基金项目“中国城市公共产品空间失配的纾解策略研究”(11BJY055); 国家社会科学基金项目“高铁时代区域经济协调发展重点与支撑政策研究”(11AZD093)
汪泽波(1986—),男,北京大学政府管理学院博士研究生,研究方向为能源、环境政策与区域发展。
F062.1
A
1008-2700(2015)06-0003-09