城镇化对中国区域能源消费及居民生活能源消费的影响

郭 文，孙 涛（1.南京航空航天大学经济与管理学院，金融发展研究所，江苏 南京 211106；2.滑铁卢大学工程学院，加拿大安大略省滑铁卢 N2L 3G1）

城镇化对中国区域能源消费及居民生活能源消费的影响

郭 文1，2，孙 涛1*（1.南京航空航天大学经济与管理学院，金融发展研究所，江苏 南京 211106；2.滑铁卢大学工程学院，加拿大安大略省滑铁卢 N2L 3G1）

通过引入城镇化和居民消费变量，拓展了能源消费分解的对数平均迪氏指数分解方法（LMDI），并将区域能源消费和居民生活能源消费分解为能源结构、能源强度、人口规模、城镇化、居民消费和消费抑制6大效应，分析其对区域整体能源消费和居民能源消费的影响.结果表明：2003～2012年，城镇化对3大区域的能源消费和居民生活能源消费的贡献明显高于人口规模；人口的东部聚集现象使得东部地区人口规模效应最大；居民消费对区域能源消费和居民生活能源消费的驱动力远高于其它5大效应；源于居民消费相对于政府消费、资产投资和净出口等经济成分在节能方面的比较优势，居民消费率降低反而推动了区域能源消费的增长；能源利用技术进步放缓了区域能源消费的增长.

城镇化；居民消费；能源消费；居民生活能源消费

目前，旺盛的能源需求给中国能源供给带来了巨大的压力，能源约束将成为制约经济发展的重要因素.同时，人口城镇化作为人口转移的重要途径，其伴随着人们生产和生活方式的双重变革，会导致能源消费变动的双重效应.一方面，城镇化发展作为一种集约化的发展方式，对于能源效率的提高、高效能源利用技术的推广具有聚集效应和规模效应，在一定程度上可能减少能源消耗.另一方面，从全球来看，城镇的生产性能源消费明显大于农村［1］；同时，人口城镇化也会带来居民生活消费规模和消费水平的提高，这些因素的变化会带来居民生活能源消费的增长，从而推动能源消费的增长.从现有文献来看，城镇化发展对能源消费的影响最终体现为负向的聚集效应还是正向的促进效应，结论并未统一［2］.

文献表明，影响区域能源消费和居民生活能源消费的因素很多，包括：能源价格、能源结构、经济发展水平、人口规模、居民生活方式等等［3-4］.关于城镇化对区域能源消费和居民生活能源消费的影响，现有文献主要从两方面展开.其一，实证分析城镇化发展与区域能源消费量、居民生活能源消费量间的相关关系和因果关系.许多文献认为城镇化水平与能源消费显著正相关［5-10］；也有部分文献得出了相反的结论，认为在高收入国家中，城镇化水平与能源消费显著负相关［11］.而城镇化发展与能源消费间的因果关系研究中，现有文献主要有种观点.一是城镇化水平在长期是能源消费变化的格兰杰原因，而在短期，这种因果关系不存在［12］；二是城镇化水平在短期和长期都是能源消费的单向格兰杰原因［13］；三是城镇化发展与能源消费在短期和中长期都存在双向因果关系［14-15］.可见，相关文献为得出一致的结论.

居民生活能源消费研究领域也是一个焦点问题.鉴于城镇化发展必然带来居民消费结构、消费方式的变化，而城镇居民对于能源密集型产品的消费量大于农村居民，大部分文献都认为城镇化发展会无疑增加居民生活能源消费总量［16-18］.然而，在区分大城市和中小城市后，Sun等［19］发现，中小城市的人口聚集和大城市的人口聚集对居民生活能源消费的影响方向相反.前者能够解决农村居民能源利用分散、技术落后、效率低下等问题，对居民生活能源消费的聚集效应能够降低居民生活能源消费；而大城市人口密度的增加带来的交通拥堵等问题反而会推动居民生活能源消费的提升.

其二，定量分析区域能源消费、居民生活能源消费的城乡差异或城镇化发展对区域能源消费变动和居民生活能源消费变动的贡献.现有文献大多分别计算城镇居民和农村居民的能源消费，然后根据两者的差异来分析城镇化发展的贡献［20-22］.也有文献认为城乡居民在采暖、烹饪和水加热等方面利用的能源资源差异较大，导致城乡居民能源利用结构的巨大差异，从而进一步影响居民能源消费，城镇化对居民能源消费间接影响不容忽视［23-24］.

上述研究已经验证了城镇化是区域能源消费及居民生活能源消费变动的重要影响因素.然而，这些文献大多是验证城镇化与区域能源消费及居民生活能源消费变动关系的定性分析，少量的定量分析中，也大多直接基于城乡能源消费分别构建模型进行测算，而没有将城镇化水平指标直接体现在模型中，缺乏整体性.鉴于此，本文试图在能源消费指数分解因素中加入城镇化、居民消费和居民消费结构等影响因素，进一步拓展LMDI方法.借助上述方法直观地分析城镇化水平对能源消费的影响.以2003～2012年中国30个省份面板数据为研究样本，采用拓展的LMDI方法将区域能源消费和居民生活能源消费分别分解为6个方面的影响效应，比较各影响因素对能源消费变动的贡献度以及不同地区各自的重要影响因素.

1 研究方法

1.1 区域能源消费分解方法

在定量分析方法上，结构分解分析（SDA）和指数分解法（IDA）最为常见.相较于SDA方法，IDA方法，尤其是对数平均迪氏指数分解方法（LMDI）能够处理零值，并且具有数据路径独立和数据可获得性方面的优势，适合宏观、区域和行业等各个层面的实证分析，在能源消费分解领域的应用较为广泛［25-32］.赵晓丽等［33］、Nie等［34］对IDA方法的改进更是为该方法在居民生活能源消费的分解与分析研究领域的应用奠定了基础.因此，本文采用的研究方法以LMDI方法为基础，本文在分解因素中加入了居民消费、居民消费结构等影响因素.借鉴Ang等［35］、Carla等［36］的研究成果，用RCi表示省份i居民消费总额，本文将区域能源消费分解如下式（1）所示：其中：i∈｛1，2，...，I｝、j∈｛1，2，...，J ｝分别表示各省份和能源种类，Ei，Eij，Gi，Pi分别代表省份i能源消费总量、省份i能源j消费量、省份i生产总值以及省份i人口总量.

其次，将居民消费结构和城镇化纳入考虑范围.以Piu，Pir表示省份i城乡人口总量；《中国统计年鉴》将居民消费分为食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通讯、文教娱乐用品及服务、其他商品及服务八大类，用RCiku、RCikr（k∈｛1，2，...，K ｝）分别表示省份i城镇居民和农村居民用于k类产品的消费，则省份i居民消费可表示为：

将上式（2）代入式（1）中可得基于居民消费视角的区域能源消费分解式为：

通过2边取对数，再取微分可得：

将式（6）代入式（5），可得：

根据上式（7）可以得到基于因素分解的省份i能源消费量的连乘形式如下：

为了测度能源消费结构等变量变动对能源消费量变动的贡献，必须将能源消费量的变动分解为上述各变量变动的和或积.本文采用Ang［26］的LMDI加和分解方法处理上述因素分解问题，以省份i能源消费量由0期到T期的变动总效应（ΔEi）可分解为能源结构效应（）、能源强度效应（）、消费抑制因子效应（）、城镇化效应、居民消费效应）和人口规模效应（）6个方面，其计算式如下：

1.2 居民生活能源消费分解方法

同理，本文将居民能源消费分解如下式（11）所示：

其中：LEi， LEij，RYi分别代表省份i居民生活消费总量、省份i居民生活能源j消费量、省份i生产总值.同理，本文采用LMDI加和分解方法处理上述因素分解问题，以省份i居民生活能源消费量由0期到T期的变动总效应（ΔLEi）可分解为居民生活能源消费结构效应（）、居民生活能源强度效应（）、消费抑制因子效应（i）、城镇化效应（）、居民消费效应（）和人口规模效应（）6个方面，其计算式如下式（12）所示：

2 实证研究

2.1 变量与数据

以我国31个省份2003～2012年的能源消费量、居民生活能源消费量及其分解效应作为研究对象，剔除缺乏大量研究数据的西藏，筛选后的样本共计30个省份的300个观察值.变量选取和原始数据获得主要来源于2部分：其一，区域能源消费测算与分解研究中，本文以《中国能源统计年鉴》地区能源平衡表中的20类终端能源消费为样本，并将其归纳为5大类（煤炭类、焦化类、石油类、天然气类、热力电力类能源）作为能源种类指标（Eij），其中煤炭类主要包括原煤、洗选煤、其他洗煤和型煤，焦化类主要包括焦炭、焦炉煤气、其他煤气和其他焦化产品，石油类主要包括原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气和其他石油制品，地区能源消费总量指标（Ei）则用五大类能源消费量之和指代.地区GDP总量（Gi）、地区居民消费总额（RCi）、地区人口总量（Pi）、地区城镇人口比例（PPiu）和地区农村人口比例（PPir）均采用《中国统计年鉴》中披露的数据.另外，《中国统计年鉴》披露的居民生活消费类型包括食品、衣着、居住、家庭设备用品及服务、医疗保健、交通通讯、文教娱乐用品及服务、其他商品及服务8大类，因此，居民消费结构指标（CPCi）采用该8大类消费类型占居民消费总额的比例来指代.其二，居民生活能源消费测算与分解中，居民生活能源消费量以《中国能源统计年鉴》地区能源平衡表中的20类终端生活能源消费为样本，由于焦化类数据存在大量0值数据，本文最终将其归纳为4类（煤炭焦化类、石油类、天然气类、热力电力类能源）作为生活能源种类指标（LEij）.地区生活能源消费总量指标（LEi）则用该4大类生活能源消费量之和指代.其余变量及原始数据与前文一致，个别数据缺省采用插值法补齐.通过对原始数据的搜集筛选以及变量数据的预处理，本文模型中变量数据的描述性统计结果如表1.

表1 变量数据的描述性统计结果Table 1 Descriptive statistic results of the variables

2.2 实证结果与分析

2.2．1 我国整体能源消费及居民生活能源消费变动分解结果 根据上述数据统计结果，结合本文能源消费分解方法及式（9）～（13）计算得出我国2003～2012年整体能源消费变动以及居民生活能源消费变动分解结果如下图1所示：

由图1可知，2003～2012年中国整体能源消费总量增加17.4803亿t.从其分解效应来看，与人口因素相关的人口规模效应、城镇化效应以及与居民消费相关的居民消费效应、消费抑制因子效应都正向地推动了中国能源消费量的增长.其中：贡献值最大的是居民消费效应，2003～2012年间，居民消费变动推动中国整体能源消费增加14.7779亿t；人口规模变动、城镇化发展和消费抑制因子变动对中国能源消费增长的贡献值分别为1.3765、2.4977和5.0006亿t.与技术因素相关的能源强度效应对中国能源消费的影响呈现为负效应，样本期间内，其贡献值为-6.1723亿t；由于能源结构效应计算的是各类能源加总后的贡献值，因此始终为0，下文不再赘述.

2003～2012年，中国居民生活能源消费总量增加1.9236亿t（图1）.各影响因素对居民生活能源消费的作用方向与前文一致，其中：呈现负效应的生活能源强度效应的贡献值为-0.7755亿t.Ma等［37］、郑义等［38］都认为，能源强度指标能反映化石能源的利用效率，一定程度上体现了能源利用的技术水平，上述结果表明，2003～2012年间，中国能源利用技术获得较大的改善，然而，经济总量增长、人口规模扩大和城镇化发展等一系列外在变量的影响仍使得中国能源消费总量和生活能源消费总量进一步增长.另外，人口规模效应、城镇化效应、居民消费效应以及消费抑制因子效应对居民生活能源消费总量增长的贡献值分别为0.1496，0.2747，1.7241，0.5507亿t.

图1 2003～2012年中国能源消费变动、居民生活能源消费变动及其分解结果Fig.1 Change of Chinese energy consumption， household energy consumption and their decomposition in 2003～2012

在区域能源消费相关研究中，以往文献大多按照地理位置将我国划分为东、中和西部3大区域，本文借鉴张车伟等［39］的区域划分方法.由图2可知：无论是从整体能源消费变动，还是从3大区域能源消费变动来看，居民消费效应和消费抑制因子效应都是影响最大的因素.人口规模效应、城镇化效应、居民消费效应、消费抑制因子效应以及能源强度效应对中国整体能源消费变动影响的贡献率分别为6.58%、13.05%、71.14%、28.54%和-19.31%.具体到3大区域分析，各因素的贡献率存在显著特征.2003～2012年间，东部地区人口规模效应（10.72%）的贡献率明显高于中、西部地区；其消费抑制因子效应（19.43%）和能源强度效应（-12.97%）的贡献率则明显低于中、西部地区；中部地区人口规模效应接近于0；而3大区域的城镇化效应和居民消费效应的贡献率则差异较小.

2.2．2 人口因素对能源消费及居民生活能源消费的影响 图3的结果表明，样本期间内，中国东部地区的人口规模效应明显高于中、西部地区，并且西部地区的人口规模效应的贡献值始终接近于0，而中部地区甚至在2005～2008年出现小于0的情况.根据模型（9）可知，3大区域人口规模效应的差异来源于区域人口规模的变化，而人口规模总量的减少将使其呈现负效应，即2005～2008年，中国中部地区的人口规模总量的减少，导致了中部地区能源消费量的降低.张车伟等［39］的研究表明，自20世纪90年代初以来，中国始终存在明显的区域人口聚集现象，由于东部地区的经济发展水平优势，该阶段中国大量中、西部地区人口向东部地区集聚，特别是中部地区在地理空间上接近东部地区，其人口向东部地区集聚的现象更加明显，这可能是人口规模效应出现上述区域特征的主要原因.另外，由图3可知样本期间内，中国东、中、西部地区的城镇化效应的贡献值分别为0.1052，0.0792，0.0595亿t，都明显高于其人口规模效应，可见，影响中国区域能源消费变动的主要人口因素是人口城镇化.

图2 能源消费和生活能源消费变动分解效应的贡献率Fig.2 Contribution rates of decomposed effects to change of energy consumption and household energy consumption

3大区域生活能源消费中城镇化效应和人口规模效应的变化趋势与其整体能源消费中城镇化效应和人口规模效应的变化趋势相似（图3）.并且东部人口规模效应与中、西部地区的人口规模效应的发散性更明显，体现了人口规模变化对居民生活能源消费的作用更灵敏.

图3 2003～2012年三大区域能源消费和生活能源消费中城镇化效应和人口规模效应变化趋势Fig.3 Change tendencies of urbanization effect and population scale effect in three areas in 2003～2012

2.2．3 居民消费因素对能源消费及居民生活能源消费的影响 由图4可知，其一，对于居民消费效应，东、中、西部地区均呈现了明显的上升趋势，其2012年的居民消费效应贡献值分别上升至1.4192，1.4131，0.9358亿t，体现了居民消费额增加对能源消费量增长的推动作用.3大区域居民消费效应贡献值由大到小排序依次为东部、中部和西部，且差异较大.居民消费效应体现的是居民消费额对区域能源消费的影响，而Jin等［40］、邹红等［41］的研究表明，居民消费额与居民可支配收入、经济发展水平和经济增长等因素成正相关关系，可见，东部地区的经济发展优势是造成其居民消费效应最高的主要原因.

其二，2003～2012年，消费抑制因子效应对3大区域能源消费变动的影响均表现为正效应，且呈现波动上升趋势，这与本文的预期相反，表明消费抑制因子并未表现出其对能源消费量的抑制作用.本文消费抑制因子取区域GDP与区域消费总额的比值来指代，即为居民消费率的倒数.根据GDP的支出法定义可知，居民消费率的倒数与政府消费、固定资产投资和净出口之和的上升的变动方向一致，即在既定区域GDP的条件下，居民消费率的降低将导致政府消费、固定资产投资和净出口之和的上升，若政府消费、固定资产投资和净出口3个经济部门的能源强度高于居民消费品生产部门，则可能进一步导致区域能源消费的增长，这可能是消费抑制因子效应（居民消费率的倒数）体现为正效应的原因.根据《中国统计年鉴》的统计资料，2003～2012年，中部地区的居民消费率年均下降3.15%，其幅度远高于东、西部地区的2.44%，而这也解释了该阶段中部地区的消费抑制因子效应明显高于东、西部地区的现象.可见，中国经济发展内需拉动不足的特征造成了居民消费抑制因子与区域能源消费量的正相关逻辑.

图4 样本期间内三大区域能源消费和生活能源消费中消费抑制因子效应和居民消费效应变化趋势Fig.4 Change tendencies of consumption inhibitory factor effect and residential consumption effect in three areas during the sample period

其三，样本区间内，3大区域居民生活能源消费变动中的居民消费效应和消费抑制因子效应的变动趋势与其在区域整体能源消费变动中的变化趋势相似.

图5 2003～2012年3大区域8类居民消费效应变动趋势Fig.5 Change tendencies of eight types of residents' consumption effect in 3 areas in 2003～2012

模型（9）在测算区域能源消费变动中的居民消费效应的同时，能将居民消费的八大类效应直接分离出来，本文记为食品类消费效应、衣着类消费效应、居住类消费效应、家庭设备类消费效应、医疗保健类消费效应、交通通讯类消费效应、文教娱乐类消费效应、其他商品类消费效应，分别表征该各类居民消费变化对能源消费变动的影响，分离结果见图5.

图6 2003～2012年三大区域能源消费和生活能源消费中城乡居民消费效应变动趋势Fig.6 Change tendencies of urban and rural residents' consumption effect on regional energy consumption and household energy consumption in three regions from 2003 to 2012

图6表明，样本期间内，3大区域城镇居民消费效应对区域整体能源消费变动和居民生活能源消费变动的影响都呈现为较强的正效应，其中区域整体能源消费变动中东、中、西部城镇居民消费效应的贡献值分别为0.8315，0.7056，0.5286亿t，其在居民生活能源消费变动中的贡献值则分别为0.0906，0.0883，0.0766亿t.而3大区域农村居民消费效应对区域整体能源消费变动和居民生活能源消费变动的影响方向则相反，都表现为负效应，其贡献值则远小于城镇居民消费效应.究其原因，主要由两方面：其一，虽然各省农村居民的人均消费都成上升趋势，然而本文农村居民消费效应还考虑了人口城镇化因素，即人口自农村向城市转移，两者的共同结果导致了农村居民的消费总额呈下降趋势，从而造成了农村居民消费效应呈现负效应的结果，这也正体现了城镇化对区域能源消费及居民生活能源消费具有重要影响.其二，根据《中国统计年鉴》的统计资料显示，2003～2012年间，中国城镇居民人均消费一直是农村居民人均消费的2.5倍以上，巨大的消费差额使得农村居民消费效应的贡献值远小于城镇居民消费效应.

图7 2003～2012年3大区域能源强度与生活能源强度效应变动趋势Fig.7 Change tendencies of energy intensity and household energy intensity effect in three regions in 2003～2012

2.2．4 技术因素对能源消费及居民生活能源消费的影响 能源强度效应和生活能源强度效应体现的是影响能源消费变动的技术因素.由图7可知，第一，3大区域能源强度效应总体上均表现为负效应，2012年，东、中、西部能源强度效应的贡献值分别为-0.2197，-0.2654，-0.1567亿t. 2003～2006年，3大区域的能源强度效应围绕0值波动，而2007～2012年间，中部地区能源强度效应的绝对值最大，表明该地区能源利用技术进步最快，其次是东部地区.可能的解释是东部地区经济发展水平较高，能源利用技术基础较好，技术进步的难度加大；而西部地区的经济基础较差，技术进步的条件不足，从而导致了中部地区能源利用技术进步最为明显.第二，3大区域生活能源效应总体上均表现为负效应，2012年，东、中、西部能源强度效应的贡献值分别为-0.0167亿吨、-0.0319亿吨和-0.0334亿吨.中、西部地区生活能源强度效应差异较小，但都远小于东部地区，这与上文的结论相似，原因在于东部地区的能源利用技术基础较好，技术进步的难度加大.

3 讨论

在区域能源消费及居民生活能源消费变动的众多影响因素中，城镇化发展和居民消费规模扩张的贡献越来越大.然而，现有的文献大多区分城镇和农村能源消费分别构建模型，未将城镇化水平指标直接体现在模型中，并且同时兼顾居民消费因素的文献较少.为解决现有文献的上述缺陷，本文通过纳入城镇化、居民消费和消费抑制因子等变量来拓展LMDI分解方法，并以2003～2012年中国30个省份的面板数据为研究样本，将区域能源消费和居民生活能源消费分别分解为6大影响效应，从而进一步分析人口规模、城镇化、居民消费、消费抑制等因素对区域能源消费和区域居民生活能源消费变动的影响程度和变动趋势.

其一，样本期间内，中国人口规模效应对其能源消费和居民生活能源消费的贡献值最小，考虑到中国目前尚未实质性放开的计划生育政策，短期内，中国人口规模效应的影响可能进一步下降.而中国城镇化效应对其能源消费和居民生活能源消费的贡献值都明显高于人口规模效应，人口城镇化已经成为中国能源消费变动的主要人口因素，加上我国正处于人口城镇化的高速增长期，未来中国人口城镇化效应的影响将进一步增强.另外，从区域视角来看，中、西部地区的人口规模变动对区域能源消费和居民生活能源消费的贡献值接近于0，明显小于东部地区，验证了张车伟等［39］关于中国人口向东部地区聚集的研究结论.并且，人口区域聚集对区域能源消费及其居民生活能源消费具有重要影响.

其二，2003～2012年间，居民消费变化对区域能源消费变动和居民生活能源消费变动（居民消费效应）的影响远高于能源消费结构效应等其他5类因素，居民消费规模的扩大是该阶段3大区域整体能源消费和居民生活能源消费增长的主要驱动力，而人口城镇化的发展增大了区域城镇居民消费总额和农村居民消费总额的两极分化，城镇居民消费水平的提高是居民消费规模扩大的主要驱动力.具体到八大消费类别，其中交通通讯类和衣着类两类消费规模扩张的贡献最大.另外，3大区域居民消费率的持续下降（消费抑制因子上升）未能表现出其抑制作用，反而使得政府消费、固定资产投资和净出口之和的扩张，进一步推动了区域能源消费的增长.这一现象告诉我们，除了前文提到的“技术节能”外，提高居民消费部门产出的比重同样可以通过其能源消耗方面的比较优势来实现“经济结构节能”，而“经济结构节能”的实现需要依靠以拉动内需为导向的经济结构调整这一路径来实现，这为中国改善居民生活与节能减排双重任务的实现提供了可能.

其三，近10年来，3大区域能源强度和生活能源强度的持续降低，表明3大区域的能源利用技术逐步改善，这也有利于减少区域整体能源消费和居民生活能源消费的需求.相比较于东、西部地区，中部地区的经济发展水平和能源利用技术基础都适中，因此，中部地区能源利用技术进步最为明显，这也说明了能源利用技术进步的边际递减特征.另外，由于本文的能源结构效应计算的是各类能源加总后的贡献值，因此始终为0，也未能分离出各类能源对能源消费变动的影响程度，需要在后期的研究中进行补充.

4 结论

4.1 从人口因素来看，人口城镇化已经成为中国能源消费变动的主要人口因素.人口规模效应对其能源消费和居民生活能源消费的贡献值最小，分别为1.3765，0.1496亿t，远小于城镇化效应的贡献值（2.4977，0.2747亿t）.人口“东部聚集”现象使得中、西部地区的人口规模效应的贡献值明显低于东部地区.

4.2 从居民消费因素来看，居民消费效应对其能源消费和居民生活能源消费的贡献值分别为14.7779，1.7241亿t，远高于其他五类效应.8大消费类别中，交通通讯类和衣着类两类消费规模扩张的贡献最大.3大区域居民消费率的持续下降（消费抑制因子增大）未能表现出其抑制作用，反而推动了区域能源消费和生活能源消费的增长.

4.3 从技术因素来看，3大区域能源强度和生活能源强度的持续降低，样本期间内，其对能源消费和居民生活能源消费的贡献值分别为-6.1723，-0.7755亿t.可见，能源利用技术的改善减少了区域能源消费和居民生活能源消费的需求.本文能源结构效应测算的是各类能源加总后的贡献值，因此始终为0.

［1］张鸿武，王珂英，项本武.城市化对CO2排放影响的差异研究 ［J］.中国人口资源与环境， 2013，23（3）：152-157.

［2］Fang W S， Miller S M， Yeh C C. The effect of ESCOs on energy use ［J］. Energy Policy， 2012，51：558-568.

［3］Crosbie T. Household energy consumption and consumer electronics： The case of television ［J］. Energy Policy， 2008，36（6）：2191-2199.

［4］Cohen J， Pearlmutter D， Schwartz M. Lifestyle and energy consumption： a comparison of four collective communities in transition ［J］. Energy Efficiency， 2010，3（1）：19-31.

［5］Poumanyvong P， Kaneko S. Does urbanization lead to less energy use and lower CO2emissions？ A cross-country analysis ［J］. Ecological Economics， 2010，70（2）：434-444.

［6］Menz T， Welsch H. Population aging and carbon emissions in OECD countries： Accounting for life-cycle and cohort effects ［J］. Energy Economics， 2012，34（3）：842-849.

［7］Poumanyvong P， Kaneko S， Dhakal S. Impacts of urbanization on national transport and road energy use： Evidence from low，middle and high income countries ［J］. Energy Policy， 2012，46：268-277.

［8］Knight K W， Rosa E A， Schor J B. Could working less reducepressures on the environment？ A cross-national panel analysis of OECD countries， 1970-2007 ［J］. Global Environmental Change， 2013，23（4）：691-700.

［9］杨玉含，刘峰贵，陈 琼，等.2000～2008年青海省居民生活能源消费与碳排放分析 ［J］. 中国人口.资源与环境， 2011（S1）：307-310.

［10］Poumanyvong P， Kaneko S. Does urbanization lead to less energy use and lower CO2emissions？ A cross-country analysis ［J］. Ecological Economics， 2010，70（2）：434-444.

［11］Ewing R， Rong F. The impact of urban form on US residential energy use ［J］. Housing Policy Debate， 2008，19（1）：1-30.

［12］Halicioglu F. Residential electricity demand dynamics in Turkey［J］. Energy Economics， 2007，29（2）：199-210.

［13］Fan Y， Xia Y. Exploring energy consumption and demand in China ［J］. Energy， 2012，40（1）：23-30.

［14］Poumanyvong P， Kaneko S， Dhakal S. Impacts of urbanization on national transport and road energy use： Evidence from low，middle and high income countries ［J］. Energy Policy， 2012，46：268-277.

［15］张 欢，成金华.中国城市化进程对能源需求的动态冲击效应［J］. 管理学报， 2011，8（7）：1060-1066.

［16］Sadorsky P. Do urbanization and industrialization affect energy intensity in developing countries？ ［J］. Energy Economics， 2013，37：52-59.

［17］Zha D L， Zhou D Q， Zhou P. Driving forces of residential CO2emissions in urban and rural China： An index decomposition analysis ［J］. Energy Policy， 2010，38（7）：3377-3383.

［18］王兆华，杨 琳.基于生态足迹的我国居民间接能源消费研究［J］. 科研管理， 2014，35：128-135.

［19］Sun C W， Ouyang X L， Cai H B， et al. Household pathway selection of energy consumption during urbanization process in China ［J］. Energy Conversion and Management， 2014，84：295-304.

［20］Pachauri S， Jiang L. The household energy transition in India and China ［J］. Energy policy， 2008，36（11）：4022-4035.

［21］Krey V， O'Neill B C， van Ruijven B， et al. Urban and rural energy use and carbon dioxide emissions in Asia ［J］. Energy Economics，2012，34：S272-S283.

［22］Wang S， Fang C， Guan X， et al. Urbanisation， energy consumption， and carbon dioxide emissions in China： A panel data analysis of China's provinces ［J］. Applied Energy， 2014，136：738-749.

［23］Zheng X， Wei C， Qin P， et al. Characteristics of residential energy consumption in China： Findings from a household survey ［J］. Energy Policy， 2014.

［24］张 馨，牛叔文，赵春升，等.中国城市化进程中的居民家庭能源消费及碳排放研究 ［J］. 中国软科学， 2011（9）：65-75.

［25］Hoekstra R， Van der Bergh J C J M. Comparing Structural and Index Decomposition Analysis ［J］. Energy Economics， 2003，25（1）：39-64.

［26］Ang B W. Decomposition Analysis for Policymaking in Energy：Which is the Preferred Method ［J］. Energy Policy， 2004，32（9）：1131-1139.

［27］范 丹.中国能源消费碳排放变化的驱动因素研究——基于LMDI-PDA分解法 ［J］. 中国环境科学， 2013，33（9）：1705-1713.

［28］田中华，杨泽亮，蔡睿贤.广东省能源消费碳排放分析及碳排放强度影响因素研究 ［J］. 中国环境科学， 2015，35（6）：1885-1891.

［29］Su B， Ang B W. Structural decomposition analysis applied to energy and emissions： some methodological developments ［J］. Energy Economics， 2012，34（1）：177-188.

［30］Zhao X， Li N， Ma C. Residential energy consumption in urban China： A decomposition analysis ［J］. Energy Policy， 2012，41：644-653.

［31］Wang W， Liu X， Zhang M， et al. Using a new generalized LMDI（logarithmic mean Divisia index） method to analyze China's energy consumption ［J］. Energy， 2014，67：617-622.

［32］Xu S C， He Z X， Long R Y. Factors that influence carbon emissions due to energy consumption in China： Decomposition analysis using LMDI ［J］. Applied Energy， 2014，127：182-193.

［33］赵晓丽，李 娜.中国居民能源消费结构变化分析 ［J］. 中国软科学， 2012（11）：40-51.

［34］Nie H， Kemp R. Index decomposition analysis of residential energy consumption in China： 2002～2010 ［J］. Applied Energy，2014，121：10-19.

［35］Ang B W， Zhang F Q. A Survey of Index Decomposition Analysis in Energy and Environmental Studies ［J］. Energy， 2000，25（12）：1149-1176.

［36］Carla A， Roberto S. Decomposition Analysis of the Variations in Residential Electricity Consumption in Brazil for the 1980～2007 Period： Measuring the Activity， Intensity and Structure Effects ［J］. Energy Policy， 2009，（37）：5208-5220.

［37］Ma C， Stern D I. China's changing energy intensity trend： A decomposition analysis ［J］. Energy Economics， 2008，30（3）：1037-1053.

［38］郑 义，徐康宁.中国能源强度不断下降的驱动因素——基于对数均值迪氏分解法（LMDI）的研究 ［J］. 经济管理， 2012（2）：11-21.

［39］张车伟，蔡翼飞.中国城镇化格局变动与人口合理分布 ［J］. 中国人口科学， 2012（6）：44-57.

［40］Jin Y， Li H， Wu B. Income inequality， consumption， and social-status seeking ［J］. Journal of Comparative Economics，2011，39（2）：191-204.

［41］邹 红，喻开志.劳动收入份额、城乡收入差距与中国居民消费［J］. 经济理论与经济管理， 2011（3）：45-55.

［42］Wei Y M， Liu L C， Fan Y， et al. The impact of lifestyle on energy use and CO2emission： An empirical analysis of China's residents［J］. Energy policy， 2007，35（1）：247-257.

［43］黄 芳，江可申.我国居民生活消费碳排放的动态特征及影响因素分析 ［J］. 系统工程， 2013，31（1）：52-60.

Impact of urbanization on regional energy consumption and residents’ energy consumption in China.

GUO Wen1，2，SUN Tao1*（1.Research Institute of Financial Development， College of Economics and Management， Nanjing University of Aeronautics and Astronautics， Nanjing 211106， China；2.College of Engineering， University of Waterloo， Waterloo Ontario N2L 3G1， Canada）. China Environmental Science， 2015，35（10）：3166～3176

Expanded Logarithmic Mean Decomposition Index （LMDI） method through introducing variables of urbanization and residential consumption. Decomposed regional energy consumption and residential energy consumption into six effects as energy structure， energy intensity， population scale， urbanization， residential consumption， and consumption inhibit. And then， this paper analyzedits influence on the overall regional energy consumption and residential energy consumption. Results show that： From 2003 to 2012， impact of urbanization on regional energy consumption and residential energy consumption of Chinese three areas was significantly higher than population size； The "eastern gathered" phenomenon of population causedeastern region getting the largest Population Scale Effect； Driving force of residential consumption on regional energy consumption and residential energy consumption was much higher than the other five effects； Due to the comparative advantage of residential consumptioncompared with government consumption，investmentand net export， the decrease of ratio of consumptionpromoted the growth of regional energy consumption； The progress of energy utilization technology slowed the growth of regional energy consumption.

urbanization；residents' consumption；energy consumption；household energy consumption

X196，F062.1

A

1000-6923（2015）10-3166-11

郭 文（1987-），男，江西新余人，南京航空航天大学博士研究生，主要从事能源与环境效率研究.发表论文10余篇.

2015-03-09

国家自然科学基金（71203151）；国家留学基金委：2014年国家建设高水平大学公派研究生项目（留金发［2014］3026）；教育部人文社科基金（11YJA790133）；江苏省高校哲学社科基金重点课题（11ZDIXM051）；江苏省研究生培养创新工程项目（KYZZ_0107）

* 责任作者， 教授， xsyjst@126.com