城镇化、工业化、信息化与中国的能源强度

李标 吴贾++陈姝兴

摘要 城镇化、工业化与信息化对能源强度正负双面效应的叠加，使其施加于能源强度的总体影响难以把握。本研究依托资本、劳动和能源三要素生产函数，借助城镇化、工业化与信息化与全要素生产率的联系机制，推导三者与能源强度的数理关系。我们以此为基础构建静态和动态面板模型，并基于中国30个省域2005-2013年的数据，使用FE、IV-FE、IV-GMM和MG四种估计方法，实证分析城镇化、工业化与信息化与能源强度之间的关系。实证结果表明：①城镇化短期内能够显著降低能源强度，但中国在城镇化发展道路中并没有持续发挥其在集约利用能源方面的优势，以至于城镇化对能源强度的长期影响表现为正。②在控制工业化的内生性后，IV-FE、IV-GMM模型表明工业化水平的提升可有效改善能源强度。③信息化在改善能源效率、降低能源强度方面的短期和长期作用均较为显著。从而，中国需将城镇化短期粗放型经济增长转化为长期节能降耗优势；需构筑节能型现代产业体系，释放工业化结构节能红利；需深挖“信息节能”潜力，强化信息化节能效应。

关键词 城镇化；工业化；信息化；能源强度

中图分类号 F061.5

文献标识码 A

文章编号 1002-2104（2015）08-0069-08

doi：103969/jissn1002-21042015.08009

能源是人们现代生产和生活不可或缺的要素，是经济社会发展的重要基础。中国能源赋存体量大，多年的粗放发展模式严重激化了能源消费与生态环境、经济绿色发展之间的矛盾。中国城镇化、工业化、信息化（下文简称三化）的加速建设必将引致更高的能源消费，加大节能降耗压力，同时，三化又能够借助全要素生产率的传导机制，促进经济增长，改善能源强度。这一正负叠加效应使三化施加于中国能源强度的总体影响难以准确把握。

目前，三化与能源强度的关系在学界尚未盖棺论定。

首先，城镇化对能源强度有正负两方面效应。一方面，城镇化进程中人口和产业的空间集中规模不断提高，能源消费规模将随城镇化的推进而增加[1]，加大能源强度的上升压力。另一方面，城镇化的集聚效应也带来了技术进步。Garbaccio et al.[2]；FisherVanden & Jefferson [3]研究发现技术水平的提高和创新投入的增加往往会带来能源利用效率的提升，从而能源强度的降低成为可能。

其次，工业化对能源强度的影响不容忽视。工业化并不仅仅是工业比重的提升，更是一种结构转换和优化升级的过程。Richard et al.[4]、董锋等[5]等研究表明，能源要素会因为产业结构的优化升级在不同产业间流动，主要是由生产率低的一产流向生产率高的二、三产，由高消耗、低产出的传统产业流向低消耗、高附加值的高新技术产业，从而有利于降低能源强度。狭义上看，大多数工业行业对能源具有高消费和强依赖特点[6]，工业化进程中经济规模与能源消费同步上升趋势显著，使得能源强度难以下降。Sadorsky[7-8]认为，工业化将会增加能源消费，对能源强度的长期弹性为正。

第三，信息化对能源强度的影响极为重要，但较缺乏定量分析。信息化加快了信息传播。在大量流动的信息中，提高微观主体投资决策效率与引导转变消费行为两个方面的信息能够显著改善能源利用效率，降低能源强度[9]。这可能得益于，信息化能够通过促进技术扩散与创新、提高企业与个人的决策质量、增加需求与降低生产成本三种途径推动产出水平大幅提升[10]。然而，信息的产生、传播与获取都离不开能源支撑，信息化的推进必然强化这一现象，从而刺激能源消费规模上升，不利于能源强度的下降。

本研究的贡献体现在三个方面：一是，将信息化纳入定量分析框架。既有文献大多研究了工业化、城镇化对能源强度的影响或是定性说明信息化与能源、能源强度的关系。本文利用信息化指数测度信息化水平，将信息化融入分析，填补这一空缺。二是，强化计量建模的理论基础。现有城镇化、工业化与能源强度关系的研究，多是将它们或其一直接引入计量模型。而本文基于理论模型，借助三化与全要素生产率的联系机制，推导三化与能源强度的数理关系，加强理论分析。三是，处理内生性与降低估计偏误。已有研究文献往往忽视工业化与能源强度的反向因果关系导致的内生性问题，本研究使用IV-FE与IV-GMM方法解决工业化的内生性及其带来的估计偏误。另外，在面板分析中，一般假定各截面变量对被解释变量有同质影响，当截面数量较多或存在截面相关时，会产生估计偏误。我们用组间均值估计（Mean Group，MG）方法处理此问题。并且，通过该方法还可识别三化对能源强度的长、短期影响。

李标等：城镇化、工业化、信息化与中国的能源强度

中国人口·资源与环境 2015年 第8期

1 模型构建

1.1 理论模型

国际上通常使用单位GDP能耗测算能源强度。为得到三化与能源强度的数理关系表达式，将三化作为变量融入生产函数中是一种可行之举。包含资本、劳动、能源三要素的总量生产函数为：

Y=A（·）F（K，L，E）

（1）

Y代表总产出；K代表资本投入；L代表劳动力投入；E代表能源投入；A（·）表示总量生产函数的全要素生产率，是除了资本、劳动与能源要素以外所有影响产出的综合代表。对于全要素生产率A（·），此处我们着重考虑三化的影响：

第一，城镇化是全要素生产率的重要影响因素已得到学者的论证，如Henderson[11]；Hanson[12]等。Jaffe et al[13] 等认为城镇的市场竞争结构极大地推动了技术创新与知识积累，微观个体在城镇空间上更加邻近，信息传播速度更快，彼此之间的创新热情更容易被激发，新专利与新发明更易产生，从而推动全要素生产率上升。

第二，工业化是一种动态演化过程，不仅仅是工业增加值比重的提高，更多地表现为整个非农产业、服务业在国民经济中比重和地位的提升。因而，可认为工业化本质上是产业结构不断优化升级或高级化的过程。在产业结构高级化的不断调整过程中，投入要素从低生产率或低生产率增长率的部门流向高生产率或高生产率增长率的部门可以促进整个社会生产率水平的提高[14-15]。由于非农产业多聚集于城镇，在城镇发展过程中，产业结构（工业化）确实可能是全要素生产率的重要影响因素[16]。

第三，信息化对经济增长具有正的显著的影响力[17]。这有两方面的原因：一方面，信息化技术的发展和应用形成了巨大的生产力，提高了生产效率；另一方面，信息通过作用于人力、资本、自然资源等，促进资源优化配置[18]，利于精确使用资源等要素，提高了要素配置效率。可见，信息化是推动全要素生产率上升的重要原因[19]。

进而，将城镇化（u）、工业化（ind）以及信息化（inf）纳入A（·）中，可得：

Y=A（lnu，lnind，lninf）·F（K，L，E）

（2）

借助C-D生产函数以及幂指数的生产率形式，将（2）式显性化为：

Y=A0eφ·lnu+·lnind+η·lninf·Kα·Lβ·Eγ

（3）

其中，A0表示初始生产率水平；α，β，γ分别表示资本、劳动和能源要素的产出弹性。假定规模报酬不变，即α+β+γ=1。式子（3）两边同时除以E可得：

Y/E=

（A0eφ·lnu+·lnind+η·lninf·Kα·Lβ·Eγ）/Eα+β+γ

（4）

上式取倒数后，两边求自然对数有：

ln（E/Y）=-lnA0-φ·lnu-·lnind-η·lninf

+α·ln（E/K）+β·ln（E/L）

（5）

1.2 计量模型

基于数理表达式（5），可建立如下计量模型：

ln（E/Y）it=β1lnuit+β2lnindit+β3lninfit

+α1ln（E/K）it+α2ln（E/L）it+X′itΓi+φi+εit

（6）

其中，i表示省份，t表示时间。lnuit，lnindit，lninfit分别表示i省t年的城镇化、工业化和信息化水平的对数值；ln（E/K）it和ln（E/L）it分别表示i省份t年资均能耗和劳均能耗的对数值；Xit表示其它控制变量，如人均实际收入；φi用来控制省际固定效应；εit为误差项。本研究关注的估计系数为β=（β1，β2，β3）′，由于模型中各变量已取了自然对数，从而β可解释为城镇化、工业化和信息化的能源强度弹性。

上述计量模型中，可能引起估计偏误的问题是变量lnindit的内生性。原因在于能源强度可能影响工业化进程，比如能源效率较低的省份，为获得计划的经济增速，往往会倾向于粗放的发展模式，因此模型（6）具有的反向因果关系将使得E[lnindit·εit]≠0，从而导致对系数β2的估计产生偏误。为解决该问题，本文采用两阶段最小二乘法对固定效应模型进行估计（下文简称为IVFE）。

由于能源效率的改善需要较长的时间，当期的能源效率可能受到前期的影响，这说明能源强度可能存在累积滞后效应。进一步，构建以下动态模型：

（7）式被称为自回归分布滞后（autoregressive distributed lag， ARDL）模型。

由于在用差分法去除（7）式固定效应后，被解释变量的差分项将与误差项相关（E[Δln（E/Y）i，t-1·

Δξit]≠0），这被称为动态面板偏误。对此问题， Arellano and Bond [20]提出的IVGMM方法可以解决。该方法（下文简称IVGMM）的好处在于不仅可以去除方程存在的动态面板偏误，且当回归方程中存在其它内生变量时，也可以通过加入该内生变量的滞后期作为工具变量解决，即可以解决多个内生变量问题[21]。

IVGMM方法的局限性在于它假设各截面对被解释变量具有相同的弹性，当数据存在截面相关时，会产生估计偏误。为此，本文进一步采用组间均值（mean group，MG）回归方法处理此问题。该方法不仅可以去除固定效应、解决动态面板偏误（Pesaran & Shin[22]），并且可以识别关注变量的长短期影响。MG方法针对每一截面进行回归，所得估计系数作为变量的短期影响，估计系数的平均值作为变量的长期影响。由（7）式可推导出相应的误差修正模型（ECM）：

（8）

其中，系数τ称为误差修正系数，决定了调整到长期均衡的速度。若τ∈（-1，0）则说明方程是动态平稳的，

并且可以收敛到长期均衡。θ=（θ1，θ2，θ3）′衡量了城镇化、工业化和信息化的长期影响，系数ρ=（ρi1，ρi2，ρi3）′则衡量了这三个变量对能源强度的短期影响。

2 变量说明

2.1 能源强度

国际上通常使用衡量一个国家或地区整体层面上能源使用的综合化效益指标单位GDP能耗（E/Y）测度能源强度。该指标可由《中国统计年鉴》直接查询获得。单位是“吨标准煤/万元”。

2.2 资均能耗

资均能耗（E/K）表示生产过程中每单位资本占用的能源规模。它可由《中国能源统计年鉴》中的能源消费规模除以资本投入总量计算得到。对于资本投入规模总量指标，我们使用《中国统计年鉴》中的固定资产投资总额予以粗略测算。鉴于对资本存量的估计方法没有一致的结论，且各省域的资本折旧率难以科学界定，因而我们仅使用流量数据粗略衡量。此外，实证分析中进行差分后所做的估计能够消除使用流量数据替代存量数据的影响。单位是“t标准煤/万元”。

2.3 劳均能耗

劳均能耗（E/L）表示生产过程中每单位劳动所消费的能源量。本研究使用《中国能源统计年鉴》中的能源消费总量与《中国统计年鉴》中的地区从业人员规模的比值衡量E/L。单位是“t标准煤/人”。

2.4 城镇化水平

城镇化水平（u）是一个国家或区域城镇化发展达到的程度，是人口向城镇集中程度的主要标志。本研究使用《中国统计年鉴》中的城镇化率对其进行测算。单位是“%”。

2.5 工业化水平

既有研究文献一般使用工业增加值（就业人数）的比重、非农产业增加值（就业人数）的比重或服务业增加值（就业人数）占非农产业的比重衡量工业化水平（ind）。鉴于中国正处于工业化的中后期，非农产业凸显服务化，因而，我们使用《中国统计年鉴》中的服务业增加值占非农产业之比衡量ind。单位是“%”。

2.6 信息化水平

信息化水平（inf）是后工业化社会发展高度化与现代化的基础。我们使用国家统计局统计科研所信息化统计评价研究组[23]构造的信息化综合发展指数测算inf。

3 实证分析

本文将分别对静态和动态面板模型实证三化与能源

强度的关系。采用静态模型分析时，首先采用固定效应模型（FE）去除省际不可观测的异质性；其次用2SLS（IV-FE）解决工业化的内生性问题。采用动态模型分析时，首先用IV-GMM估计方法解决动态面板偏误，并处理lnindit的内生性；其次，用MG方法估计三化对能源强度的长短期影响。

3.1 静态面板模型

3.1.1 FE估计

表1报告了基于式（6）的FE结果。其中，（1）和（2）列为全国样本估计结果；（3）和（4）列为东部子样本估计结果，（5）、（6）列为中西部子样本估计结果，（2）、（4）和（6）列为控制人均GDP的回归结果。我们有如下发现：

表1 固定效应模型估计结果

Tab.1 Estimation results for fixedeffect model

第一，城镇化水平的提高推动了能源强度上升。全国与区域层面上，城镇化对单位GDP能耗的弹性系数均显著为正。一般而言，城市人均能源消费量远远高于农村，城市化水平的提高必将带动整体能源消费水平的上升[24]。同时，城镇化进程中交通运输业和通讯业等高耗能行业飞速发展，大幅拉升能源消费规模，阻碍能源强度降低。值得一提的是，东部城镇化水平对能源强度的影响大于中西部。其潜在的可能原因是，东部城镇化起步时间要早于中西部，发展速度也更快，城镇人口和非农产业的集中度更是高于中西部，这就导致东部地区的能耗规模高于中西部地区，再加上能源强度的累积效应，东部多年城镇化发展伴生的高能耗在短期内难以消化，从而使得东部能源强度对城镇化的弹性系数大于中西部地区。

第二，工业化水平提升对改善能源强度的作用显著。工业化水平在全国样本和分区域样本下的回归系数均表现出显著为负的特征，说明伴随工业化的推进，产业结构逐渐优化升级，改善了能源消费效率，非农产业的服务化带来的产出增长幅度要大于其调整过程中的能耗增幅。三产比重的提升能够降低能源强度的主要原因是各项节能措施的实施和节能技术的推广，行业内的能源配置效率较高，经济结构对能源效率的总效应为正[25]。

第三，信息化水平提高有益于能源强度降低。信息化的弹性系数均显著为负，可见，信息化建设的加快推进对降低能耗强度尤为重要。从信息化的节能降耗效应大小来看，东部较中西部明显。当我们控制人均收入水平时，信息化水平每提高1%，东部的能源强度将降低1.070%，高于全国水平的0.336%，而中西部的能源强度仅约下降0.219%。原因可能是，东部在运用信息技术监测用能、管理用能、精准用能、节约用能、提高能效等方面显著优于中西部，这就使得东部信息化发展降低能源强度的效果高于中西部。

3.1.2 IVFE估计

FE的估计结果可能由于工业化存在的内生性问题而产生估计偏误。为此，我们用2SLS对固定效应模型进行估计。

表2显示，工业化的弹性系数在-0.10至-0.20之间，较表2中的结果显著降低，说明在没有控制工业化内生性的估计中产生了向上的偏误。一个可能的原因在于某些欠发达的省份倾向于以粗放的工业化发展达到预定的经济增速。我们通过对中西部样本进行回归发现能源强度增加1%将会引起工业化显著上升0.12%。

城镇化、信息化的IVFE估计结果与FE基本相同。

表2 IVFE模型估计结果

Tab.2 Estimation results for fixedeffect model withinstrumental variables

当模型控制收入水平时，城镇化的弹性系数在0.28-0.85之间，且均在5%及以上的水平上显著。这说明中国城镇化的发展进程中并没能够有效提高能源的利用效率、改善能源强度，相反地，能源强度是伴随城镇化水平的提高而有所提升的。相较于中西部，东部城镇化水平的提高带来更高的能源强度。另外，信息化的弹性系数在-0.40至-1.56之间，且均在1%的水平上显著。东部的信息化程度提高1个百分点可使能源强度显著降低0.91%，高于中西部的0.40%，再次肯定了东部在利用信息技术资源降低能耗方面所取得的重大成效。

表3 IVGMM模型估计结果

Tab.3 Estimation results for GMM with instrumentalvariables

3.2 动态模型

3.2.1 IVGMM估计

在静态FE模型中，假定能源强度只受变量当期值的影响，这对于本文关注的问题过于严格。一方面，能源效

率受到技术水平、产业结构等具有粘性特征因素的影响，能源强度可能会受到这些因素过去值的影响；另一方面，

能源强度可能具有累积效应，即前期的能源强度可能会对当期值产生较大影响。为此，本文采用IVGMM方法对式（7）设定的动态模型进行估计。为处理动态面板偏误，我们选用能源强度2阶及以上的滞后期作为工具变量，用于处理工业化的内生性。

用工业化的2阶滞后项，而没有包含更高阶的滞后项原因在于与IVFE估计模型中的工具变量保持一致，使结果具有可比性。

从表3中我们能够得到以下信息：首先，城镇化当期值对能源强度的影响较IVFE明显减小。比如，从全国样本来看，其弹性系数由0.33减小到0.15，且不显著，但这并非说明城镇化对能源强度不具有影响。可以发现，城镇化对能源强度的影响体现在其滞后项上。比如，表3第（2）列显示，能源强度对城镇化滞后期的弹性为0.71。究其原因，在于城镇化对能源强度在长短期具有不同的影响。

其次，与IVFE的估计结果进行比较，工业化水平对

能源强度的影响也明显减小，但与城镇化的影响转移到滞后项上的现象不同，工业化滞后期的弹性系数非常微小且并不显著。其可能原因是动态模型中控制了能源强度的滞后期，这也肯定了我们关于能源强度对工业化具有反向影响的设想。

再次，IVGMM模型下信息化的弹性系数基本与采用静态模型的回归结果一致，信息化的估计值在-0.39

至-1.29之间，均在10%及以上的水平上显著，且信息化程度的提高对降低能源强度在东部比中西部更为有效。

第四，能源强度具有显著的累积效应。各模型对能源强度滞后期前的系数估计值在0.5左右，且在1%的水平上显著，较好地印证了能源强度具有累积效应的猜测假定，其值小于1说明累积效应随时间推移而逐渐减弱。

3.2.2 均值组间（MG）回归估计

IVGMM估计方法控制了能源强度、城镇化、工业化和信息化的滞后值，当模型控制一阶滞后项时，相当于对被解释变量和解释变量之间的相互关系在时间上做出了假设，从而难以考察自变量对因变量的长短期影响。均值组间估计方法（MG）能够很好的识别区分三化对能源强度的长短期影响。表4报告了基于（8）式的MG结果。

短期来看，城镇化对能源强度的影响为负，控制地区收入水平时，弹性系数在-0.35至-0.65之间。由于城镇化初期发展阶段能够在有限空间内加快产业整合、集约利用资源、形成竞争性市场有利于快速增加产出，提高能源效率，从而改善能源强度。这与Sadorsky[7-8]的结论一致。然而，从长期来看，城镇化对能源强度的影响为正，控制地区收入水平时，弹性系数在0.71和0.90之间，且均在5%的水平上显著。这说明了中国城镇化发展中的一个不协调现象：各地区在初期取得城镇化固有的优势后，没有持续发挥城镇化集聚、集约的节能优势，尤其没有处理好城镇化进程中能耗与发展的关系，城镇化的快速推进伴生了能源的“浪费性”消耗。因此，中国的城镇化从长期来看是以牺牲能源效率为代价的，发展潜力和持续性遭到极大地削弱。工业化不论在长期还是短期对能源强度影响都不显著（除东部地区显著为负外）。值得注意的是，由于MG回归无法对工业化的内生性加以控制，因此表4中的工业化弹性会存在向上的偏误。因此，对工业化弹性的测量，我们更倾向于接受IVGMM的估计结果。

信息化水平的提升在长期和短期都可以有效增加能源使用效率，长期中的影响较短期更大，但短期影响在统计上更显著。从全国样本来看，信息化的长期影响为-0.24，短期影响为-0.27，但短期影响在1%的水平上显著，长期影响不显著；对比东部与中西部的差异，东部更有效的利用了信息化在节能促产方面所发挥的作用，在长期和短期都有所体现，这也与前述结论一致；东部短期的信息化弹性是中西部的2.9倍，长期中这一倍数高达6倍。

3.3 基于新型城镇化与新型工业化的稳健性分析

考虑到中国推进新型城镇化与新型工业化的现实国情，此处从人口、基础设施、环境和

卫生教育四个维度，用主成分分析，基于KMO检验和SMC检验从13个指标中挑选出

城镇人口比重、城市人口密度、用水普及率、生活垃圾无害化处理率、人均绿地面积、初中师生比和高中师生比。

7个指标，以各变量对每一主成分的权重以及各主成分的方差贡献率为权重计算得分值作为新型城镇化的衡量。同理，从经济、效益、科技和资源四个方面，从11个指标中挑选出

非农产业比重、资产负债率、R&D经费占GDP比重、新产品项目经费、财政科技支出比重、一般工业废弃物综合利用率和处理率7个指标，

以其对主成分的权重和主成分的方差贡献率为权重计算得分测度新型工业化。基于（6）式

的估计结果显示，新型工业化对能源强度的影响为-0.075（t值为3.00），新型城镇化对能

源强度的影响为-0.067（t值为1.20），信息化对能源强度的影响为-0.98（t值为2.42）。可

见，信息化与新型工业化对能源强度的负向影响与表1所得结果一致。而新型城镇化却与表

1相反，可能原因之一是新型城镇化已经对环境、基础设施等因素进行了控制，剔除了其对

降低能源强度的不利影响。

4 结论与建议

本研究立足中国经济发展转型的现实国情和三化加

速建设的阶段背景，依托包含资本、劳动和能源的三要素生产函数，探讨能源强度与三化的数理关系，以此为基础构建静态和动态面板模型，基于中国30个省域2005-

表4 均值组间回归估计结果

Tab.4 Estimation results for meangroup model

2013年的面板数据，使用FE、IVFE、IVGMM和MG四种估计方法，实证研究三化与能源强度之间的关系。结果表明，城镇化短期内能够显著降低能源强度，但中国在城镇化发展道路中并没有持续发挥其在集约利用能源方面的优势，以至于城镇化对能源强度的长期影响表现为正；在控制工业化的内生性后，IVFE、IVGMM模型表明工业化水平的提升可有效改善能源强度；信息化在提升能源效率、降低能源强度方面的短期和长期能力尤其值得重视。

本研究的政策意蕴在于以下几点：第一，中国应正视能源强度的累积效应，协调能源消费与环境保护、持续发展的长短期关系，努力建设两型社会；第二，中国应妥善处理城镇化发展与能源消费的矛盾，创新性地将城镇化进程中人才、技术、产业等短期经济增长优势转化为长期节能降耗优势，着力推进绿色、低碳、集约型城镇化建设；第三，中国应坚持新型工业化道路，加快产业升级转型，构筑节能型现代产业体系，全力释放工业化的结构节能红利；第四，中国应重视信息化的节能效应，深挖“信息节能”潜力，促进能源强度降低。

（编辑：于 杰）

参考文献（References）

[1]Parikh J， Shukla V. Urbanization，Energy Use and Greenhouse Effects in Economic Development： Results from Acrossnational Study of Developing Countries[J]. Global Environmental Change， 1995， 5（2）：87-103.

[2]Garbaccio R F， Jorgenson D W. Why Has the Energyoutput Ratio Fallen in China？[J]. Energy Journal， 1999， 20（3）： 63-91.

[3]FisherVanden J K. What Is Driving Chinas Decline in Energy Intensity？[J]. Resource and Energy Economics， 2006， 7（26）：7-97.

[4]Richard G， Adam B. The Induced Innovation Hypothesis and Energysaving Technological Change[J]. Quarterly Journal of Economics， 1999， 114（3）：941-975.

[5]董锋，龙如银，周德群，等.产业结构、技术进步、对外开放程度与单位GDP能耗：基于省级面板数据和协整方法[J].管理学报， 2012， 9（4）：603-610. [Dong Feng， Long Ruying， Zhou Dequn，et al. The Relationship Between Industrial Structure， Technical Progress， and Opening Degree with Unit GDP Energy Consumption Based on Provincial Panel Data and Cointegration Approach[J]. Chinese Journal of Management， 2012，9 （4）： 603-610.]

[6]王少平， 杨继生.中国工业能源调整的长期战略与短期措施：基于12个主要工业行业的综列协整分析[J].中国社会科学， 2006， （4）：88-97. [Wang Shaoping， Yang Jisheng. Longrun Energy Strategy and Shortrun Energy Policies for Chinese Industries： Based on Panel Cointegration Testing for the Energy Demands of 12 Industries[J]. Social Sciences in China， 2006， （4）：88-97. ]

[7]Sadorsky P. Do Urbanization and Industrialization Affect Energy Intensity in Developing Countries？[J]. Energy Economics， 2013， （37）： 52-59.

[8]Sadorsky P. The Effect of Urbanization and Industrialization on Energy Use in Emerging Economies： Implications for Sustainable Development[J]. American Journal of Economics and Sociology， 2014， 73（2）： 392-409.

[9]Henryson J， Hkansson T， Pyrko J. Energy Efficiency in Buildings Through Information： Swedish Perspective[J]. Energy Policy， 2000， 28（3）：169-180.

[10]Vu K M. ICT as A Source of Economic Growth in the Information Age： Empirical Evidence from the 1996-2005 Period[J]. Telecommunications Policy， 2011， （35）： 357-372.

[11]Henderson J V. Efficiency of Resource Usage and City Size[J]. Journal of Urban Economics， 1986， 19（1）： 47-70.

[12]Hanson G H. Market Potential， Increasing Returns， and Geographic Concentration[J]. Journal of International Economics， 2005， 67（1）： 1-24.

[13]Jaffe A， Henderson R. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations[J]. Quarterly Journal of Economic， 1993， 108（3）：577-598.

[14]Peneder M. Industrial Structural and Aggregate Growth[J]. Structural Change and Economic Dynamics， 2003， （14）：427-448.

[15]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011，（5）：4-16. [Gan Chunhui， Zheng Ruogu， Yu Dianfan. An Empirical Study on the Effects of Industrial Structure on Economic Growth and Fluctuations in China[J]. Economic Research Journal， 2011，（5）：4-16.]

[16]毛丰付， 潘加顺.资本深化、产业结构与中国城市劳动生产率[J].中国工业经济， 2012， （10）： 32-44. [Mao Fengfu， Pan Jiashun. Capital Deepening， Industry Structure and Labor Productivity in Chinese Cities[J]. China Industrial Economics， 2012，（10）：32-44.]

[17]周先波， 盛华梅.信息化产出弹性的非参数估计分析[J]. 数量经济技术经济研究， 2008， （10）：130-141. [Zhou Xianbo， Sheng Huamei. A Nonparametric Estimation on the InformatizationOutput Elasticity[J]. The Journal of Quantitative & Technical Economics， 2008， （10）：130-141.]

[18]徐瑾.地区信息化对经济增长的影响分析[J]. 统计研究， 2010， （5）：74-80. [Xu Jin. Analysis of Impacts of Regional Informatization on Economic Growth[J]. Statistical Research， 2010， （5）： 74-80.]

[19]Antonopoulos C， Sakellaris P. The Contribution of Information and Communication Technology Investments to Greek Economic Growth： An Analytical Growth Accounting Framework[J]. Information Economics and Policy， 2009， 21（3）：171-191.

[20]Arellano M， Bond S. Some Tests of Specification for Panel Data： Monte Carlo Evidence and An Application to Employment Equations[J]. Review of Economic Studies， 1991， 58（2）： 277-297.

[21]Zhang H， Behrman J R， Zhang J. Does Parental Absence Reduce Cognitive Achievements？ Evidence from Rural China[J]. Journal of Development Economics， 2014， 111（11）： 181-195.

[22]Pesaran M H， Smith R P. Pooled Mean Group Estimation of Dynamic Heterogeneous Panels[J]. Journal of the American Statistical Association， 1999， 94（446）： 621-634.

[23]国家统计局统计科研所信息化统计评价研究组. 信息化发展指数优化研究报告[J]. 管理世界， 2011， （12）：2-12. [Informatization Assessment Group of National Bureau Statistics Research Institute. An Informatization Optimal Development Index Report[J]. Management World， 2011， （12）：2-12.]

[24]成金华， 陈军.中国城市化进程中的能源消费区域差异：基于面板数据的实证研究[J].经济评论， 2009， （3）：38-46. [Cheng Jinhua， Chen Jun. Regional Differences in Energy Consumption on the Process of Chinese Urbanization： An Empirical Research Based on Panel Data[J]. Economic Review， 2009， （3）：38-46.]

[25]谭忠富， 张金良.中国能源效率与其影响因素的动态关系研究[J]. 中国人口·资源与环境， 2010， 20（4）：43-49. [Tan Zhongfu， Zhang Jinliang. Demonstrational Analysis of the Relationship Between Energy Efficiency and Its Influential Factor in China[J]. China Population， Resources and Environment， 2010， 20（4）：43-49.]

Urbanization， Industrialization， Informatization and Chinese Energy Intensity

LI Biao1 WU Jia2 CHEN Shuxing3

（1. Post Doctor， Southwestern University of Finance and Economics， Chengdu Sichuan 611130，China； 2. School of Economics， Jinan University， Guangzhou Guangdong 510632，China； 3. School of Economics， Southwestern University of Finance and Economics， Chengdu Sichuan 611130，China）

Abstract The previous finding on the impact of urbanization， industrialization and informatization on energy intensity is mixed because there is opposite power contained in the total effect. This study contributes the existing literature by exploring the theoretical link among urbanization， industrialization， informatization and energy intensity based a production function with TFP， and then we deduce static and dynamic linear models respectively. Using FE， IVFE， IVGMM and MG estimation strategy， we provide empirical evidences of the effect of urbanization， industrialization and information on energy intensity by employing the Chinese provincial data from 2005 to 2013. The results show that， firstly， urbanization can significantly reduce energy intensity in the shortrun， while the effect is adverse in the longrun. The reason may be that China did not explore the superiority of the intensive energy utilization on the process of urbanization. Secondly， after control for the endogeneity of industrialization， the estimation results of IVFE and IVGMM model show that industrialization could effectively decrease energy intensity. Finally， we find that informatization has significant negative impacts on the energy intensity in both short run and long run. This study also provides policy implication from the following aspects： firstly，

it is necessary for China to construct modern energyefficiency industrial system and

release the structure energysaving dividends of industrialization and to exploit information

energysaving potential and strengthen its effects.

It is necessary for China to transform the shortrun extensive economic growth into the long term energysaving advantages in the process of urbanization.

Key words urbanization； industrialization； informatization； energy intensity