能源消费、产业结构与经济增长——基于省级面板数据的分析

（中南财经政法大学统计与数学学院，湖北 武汉 430073）

一、引言

21世纪以来，中国经济取得了巨大的成就，经济持续高速增长，并且在2010年超越日本成为世界第二大经济体。中国经济的高速增长很大程度上是由大量的能源消耗所推动的，但是煤炭和石油等不可再生能源逐年减少而新型能源的发展速度却很缓慢，因此，依靠能源的消耗来推动中国经济的持续增长是不可行的。2012年，我国国内生产总值达到518 942.1亿元，其中第二产业生产总值为235 262亿元，占国内生产总值的45.32%，对国内生产总值的贡献率为48.7%，这说明目前我国仍是一个制造大国，第二产业在国民经济中占着巨大的比重。由于第二产业主要是制造业、采矿业、建筑业、电力燃气及水的生产和供应，这些产业对能源消耗巨大，而第三产业主要是商业、金融、保险、不动产业、运输、通讯业、服务业及其他非物质生产部门，对能源的消耗相对较小，因此，产业结构的优化升级（由第二产业转变到第三产业）会改变能源的需求结构。鉴于能源消费、产业结构和经济增长之间具有相互促进相互制约的关系，因此，对三者进行实证研究具有一定的现实意义。

二、文献综述

能源消费、产业结构和经济增长是宏观经济中三个重要的内容，因此国内外学者对它们之间的关系进行了大量的研究。Yu和Choi（1985）的研究发现，在美国，能源消费和经济增长是独立的，而韩国存在着经济增长到能源消费的单向因果关系，菲律宾却存在能源消费到经济增长的单向因果关系。Kunitachi（2008）通过动态模型得出中国的经济增长是伴随着产业结构的变化而变化的，并且产业结构的变化加速了经济增长的结论。王立新（2014）利用中国省级面板数据对经济增长、产业结构和城镇化之间的关系进行了实证研究，研究结果表明：在全国层面上，经济增长与第二、三产业的发展对城镇化带来了显著正向影响，而产业结构与经济增长的交互作用迟滞了城镇化，并且第二、三产业的发展对不同区域城镇化影响有差异。许广月（2009）在C-D生产函数中引入能源消费，并对能源消费与经济增长的因果关系进行了检验。张静（2013）通过结构方程模型对我国27个省市自治区的经济增长、产业结构和能源消费进行了分析，分析结果显示，产业结构对经济增长的影响系数高达1.019，对能源消费结构的总影响为0.998，因此产业结构的优化升级对经济增长和能源消费都具有重大意义。吴振信（2012）在环境库兹涅茨曲线的基础上加入产业结构调整因素，分析了我国碳排放量、经济增长和产业结构的协整关系，并证实了碳排放量和经济增长存在着倒U型关系。张传平（2014）通过VAR模型发现山东省能源消费、产业结构和经济发展之间存在长期均衡关系，并且产业结构对能源消费的弹性系数明显大于经济发展对能源消费的弹性系数。从上面已有的文献来看，已有的研究要么是研究能源消费和经济增长的关系，要么是研究产业结构和经济增长的关系，把三者结合起来的研究却非常少，并且对三者之间的研究多采用的是VAR模型，通过脉冲响应函数和方差分解去分析三者之间的相互影响。由于单个省市的VAR模型分析并没有考虑到不同地区的区域差异，因此，有必要利用面板数据的分析方法去研究能源消费、产业结构与经济增长之间的关系是否存在区域差异。

三、变量的度量和样本的选取

（一）能源消费

查阅历年《中国统计年鉴》和《中国能源统计年鉴》，能源消费总量是由煤炭、石油、天然气和水电、风电、核电的消费总量构成，单位为万吨标准煤。由于不同地区人口总量是不同的，因此用能源消费总量不能反映各个地区的能源消费的实际情况，在本文中用人均能源消费量来衡量地区能源的消费，用符号PEC来表示，单位为吨标准煤。由于各省市的能源消费总量从2000年开始数据比较全面没有缺失，因此选择2000年到2012年的统计数据作为样本，考虑到年鉴中没有西藏能源消费的数据，所以在分析中剔除掉西藏，只分析其他30个省市自治区的情况。

（二）产业结构

对产业结构的衡量一般是用各产业的生产总值占国内生产总值的比重来表示的，在已有的文献中，有些学者用第二产业生产总值的比重或者第三产业的比重来度量产业结构，但考虑到产业结构的升级是由第一和第二产业向第三产业转变，并且在目前我国的产业结构中，第一产业所占的比重比较小，因此，产业结构用第三产业的生产总值占第二产业和第三产业生产总值之和的比重来度量更合理。在本文中，用此种方法来度量产业结构，用符号INDS来表示。

（三）经济增长

在经济学的文章中多采用实际国内生产总值来衡量一个国家或地区的经济增长，但是国内生产总值只是反映了总体的经济发展情况，并不能衡量整个国家或地区的个人生活因为经济增长而带来的改善。由于经济发展的最终目标是提高个人的生活水平，因此，采用人均国内生产总值能更有效反映经济发展的实际状况，故在本文中使用人均国内生产总值（PGDP）来度量经济增长。为了剔除价格波动的影响，以2000年为基期，将历年的人均国内生产总值折算为2000年的不变价的人均国内生产总值。

由于面板数据中包含不同的横截面个体，因此很可能出现异方差问题。为了消除变量可能出现的异方差问题，并能从估计的结果中直接看出能源消费与产业结构、能源消费与经济增长的弹性系数，在本文中对所有变量取对数处理，并用对数数据进行分析。

四、研究方法与实证分析

（一）面板单位根检验

在时间序列分析中一般都需要对序列进行单位根检验以确定序列是否平稳，如果对不平稳的时间序列建模容易出现伪回归问题。在面板数据分析中，为了避免出现伪回归问题，在分析之前也必须对面板数据进行单位根检验以确定数据序列是否平稳。面板数据的单位根检验有两大类，一类是假设各个截面序列具有相同的单位根过程，即同根情形下的检验；一类是假设各个截面序列具有不同单位根过程，即不同根情形下的检验。

1．具有相同单位根情形下的检验

面板数据的同根情形下的单位根检验方法主要有LLC（Levin-Lin-Chu）检验、Breitung检验和Hadri检验，在本文中采取的是LLC检验方法。LTC检验的假设为H0:γ=0，H1:γ＜ 0，对如下的模型：

时间序列分析中的ADF单位根检验是对（1）式进行直接估计得到参数r ，然后再去检验r与0的大小关系去判断是否存在单位根过程。若接受原假设，认为r=0，则序列存在着单位根过程，是不平稳的，只有拒绝原假设时，认为r＜0，原序列才是平稳过程。LLC检验与ADF检验原理相同，但是需要使用Δyit和yi(t−1)的代理变量去估计（1）来得到。Δyit和yi(t−1)的代理变量分别为：

si为第i 个截面的ADF检验式的标准差，表示Δyit对其滞后差分项和外生变量的估计值，如果接受原假设则认为存在相同单位根过程，序列是非平稳的，否则序列是平稳的。

2．不同单位根情形下的检验

对不同单位根情形下的检验方法主要有Im-Pesaran-Skin检验、Fisher-ADF检验和Fisher-PP检验。本文主要考虑Im-Pesaran-Skin检验，但是会给出另两种检验的结果。IPS检验首先是对每个截面单位进行检验，然后再构造整个面板数据的检验统计量。对于(1)，由于各个截面存在不同的单位根，于是(1)式变为：

IPS的原假设为：H0:γi=0,i=1,2,...,N ,先对每个截面进行单位根检验得到t 统计量ti，则整个面板数据的单位根统计量就是这些统计量ti的平均值，即如果（2）中包含有差分项的滞后项，则需要使用修正的统计量WNT，

WNT=WNT渐进服从正态分布。

3．面板单位根检验结果

表1 面板单位根检验结果

由检验的结果可知，即使在10%的显著性水平下，LnPGDP，LnINDS和LnPEC的水平值在四种检验方法中总有通不过显著性检验的，即在某一检验方法下存在单位根过程，说明序列的水平值是不平稳的。对数据进行一阶差分后，在1%的显著性水平下，三个序列在四种检验方法下都通过了显著性检验，差分序列是不存在单位根过程，即一阶差分序列是平稳的，这三个变量均为一阶单整的I(1)序列，可以进行协整分析。

（二）面板协整检验

面板数据的协整检验方法可以分为两大类，一类是建立在Engle and Granger二步法检验基础上的协整检验，主要有Pedroni检验和Kao检验，另一类是建立在Johansen协整检验基础上的面板协整检验。在本文中采用的是Pedroni检验和Kao检验方法进行协整检验。

1．Pedroni检验

对于协整方程：

Pedroni检验方法是先估计（3），然后利用估计的残差来构造如下的辅助回归方程：

对于辅助回归的估计系数γi的两种不同假设，Pedroni检验即可以进行同质面板的协整检验又可以进行异质面板的协整检验。在假设H0:γi=1,H1:(γi=γ)＜1下，可以构造了检验同质面板协整关系的四个统计量，面板方差统计量（Panel v-Statistic）、面板ρ统计量（Panel rho-Statistic）、面板PP统计量（Panel PP-Statistic）和面板t统计量。而对异质面板的协整关系检验是在假设H0:γi=1,H1:γi＜1下构造组间ρ统计量（Group rho-Statistic）、组间PP统计量（Group PP-Statistic）和组间ρ统计量进行检验。Kao检验的方法与Pedroni检验方法类似，只是求得统计量不同，在这里直接给出检验结果。

2．面板协整检验结果

表2 面板协整检验

由表2的检验结果可知，除了两个协整关系检验在同质面板的Panel ρ统计量和异质面板的Groupρ统计量通不过显著性检验外，其他的统计量都通过了5%显著性水平下的检验，Kao检验也表明可以拒绝不存在协整关系的原假设。综合分析，有理由拒绝三个变量不存在协整关系的原假设，这说明了能源消费、产业结构和经济增长存在长期稳定的均衡关系，可以建立协整方程分析它们之间的长期影响。

（三）模型的选取与检验

在面板数据模型中，根据各个截面的截距项和斜率项是否相同，可以将面板数据模型划分为三种类型：混合回归模型、变截距模型和变系数模型。

1．混合回归模型

混合回归模型假设对于不同的截面和不同的时间里，截距项和斜率系数始终保持不变，因此可以将所有数据进行混合得到一个大样本，用普通最小二乘估计方法对模型进行估计。

2．变截距模型

变截距模型中各个截面单元的斜率系数是相同的，而截距项却根据面的不同而不同，即假设截面单元存在个体差异但却不存在结构差异。根据截距项ai与随机误差项是否相关，又将变截距模型分为个体固定效应模型和个体随机效应模型。

3．变系数模型

在变系数模型中，各个截面不仅在截距项上存在差异，而且在斜率项上也存在差异。

4．模型的检验

在对面板数据模型进行估计时，首先需要检验样本数据是属于哪种形式，以避免模型误设的偏差，从而提高参数估计的有效性。在检验样本数据属于哪种模型时，一般是采用协方差分析的方法，构造F统计量。协方差分析主要是检验以下两个假设：

在检验时一般是先对假设2进行检验，通过估计变系数模型得到无约束的残差平方和S1，在假设2成立的条件下得到有约束的残差平方和S3，然后构造F 统计量：

F2=如果F2小于给定显著性水平下的临界值，则不拒绝假设2，认为样本数据属于混合回归模型，直接用OLS进行回归估计，不需要检验假设1。如果拒绝了假设2，就需要再检验假设1，令变截距模型的残差平方和为S2，同理可得到检验假设1的F 统计量：

F1=如果不拒绝假设1，则认为属于变截距模型；如果也拒绝了假设1，那么应该用变系数模型进行估计。

（四）模型的估计与分析

1．协整方程的估计与分析

在协整分析的基础上，通过估计各地区的能源消费和产业结构，能源消费、产业结构和经济增长的协整方程来得到能源消费与产业结构和经济增长的弹性系数。在协方差分析的基础上，结合似然比检验和Hausman检验，能源消费与产业结构的协整方程选择了个体随机效应模型，而能源消费、产业结构和经济增长则选取了个体固定效应模型。模型的估计结果如下：

方程(5)是单纯的分析产业结构对能源消费的影响，2.319 6不是30个地区共同的截距，而是各地区在截距项上的差异，即个体固定效应。斜率系数为-0.157 9，符号为负，说明产业结构对能源消费具有反向作用，产业结构的升级（由第二产业向第三产业的转变）变动1个百分点会使得能源消费减少0.157 9个百分点。因为协整方程是常系数模型，斜率系数在不同地区保持不变，因此产业结构对能源消费的弹性系数不存在区域差异。方程中的AR项是用来修正误差项可能存在的序列相关，因为回归结果中DW统计量的值比较小，但是由于在面板数据中，误差项存在着序列相关一般称为空间自相关，时间序列中的DW统计量一般不适合用来检验空间自相关，因此不能仅根据DW 统计量的值来确定回归方程的误差项存在序列相关。只是在方程中引入AR项后，回归估计结果得到明显的改善，SC 和AIC 值都变小，F统计量变大，而且各个回归系数仍然十分显著，因此将AR项引入模型中是合适的。

方程(6)是三个变量的协整方程，ai同样是各地区的固定效应，即不同的地区在截距项上的差异。对于斜率系数，LnINDS前的系数对于不同的地区仍然是保持不变的，即在保持人均国民生产总值不变时，产业结构对各个地区的能源消费的影响是相同的。而LnPGDP前的系数却是变化的，即对于不同的地区，能源消费对经济增长的弹性系数是不同的，这可能是由于各个地区的经济增长的方式存在差异，导致弹性系数的不同。对于两个协整方程，产业结构对能源消费的弹性系数都不存在区域差异，其中一个重要原因可能是因为本文中仅用第三产业的生产总值与第三产业和第二产业的生产总值之和作为产业结构的衡量指标，而没有考虑衡量产业结构的其他变量。第三产业生产总值仅代表了生产的最终成果，却没有考虑获得这些成果的产业组成与结构，可能各个地区产业结构的差异更多的是表现在其他方面，比如不同行业的组成，而不是最终产值。因此在本文中对于不同的地区，估计的产业结构对能源消费的弹性系数不存在差异。面板估计的结果如表3所示。

表3 面板回归估计结果

（续表）

由表3的具体估计结果可知，在方程（5）中，个体效应有正有负，在不同的省市、自治区中存在着较大的差异。个体效应最大的是内蒙古，为1.667 0，最小的是安徽，为-0.920 6。在方程（6）中，不仅个体固定效应存在着显著差异，能源消费对经济增长的弹性系数也是随着截面单元不同而不同。总体来说，βi都大于0，说明经济增长会带动能源消费的增加，这一方面是因为经济增长使得居民收入水平提高，购买小汽车的人数增加使得对石油等化石燃料的消费增加，同时居民收入水平的提高也会增加大功率电器的使用，使得电力等能源的消费增加；另一方面，经济增长会促使企业扩大生产规模，而企业的的生产是需要消耗大量能源的。具体到单个地区，能源消费对经济增长的弹性系数存在着很大的差别，βi介于0.197 9到1.052 3之间。在分析的30个省市自治区里，只有湖南省的βi＞1，βi＞1说明能源消费增加的速度快于经济增长的速度，经济增长是靠能源驱动的粗放型增长模式。湖南位于中国中部，目前处于中部崛起战略发展的初期，因此在经济发展提速的同时导致能源的大量消耗。除了湖南，其他地区的βi＜1，说明随着社会的发展，中国各个地区的经济增长方式已经开始由粗放型转变到集约型，这有利于我国的经济持续稳定增长。查阅相关资料,可知西方发达国家的能源消费对经济增长的弹性系数小于0.5，而表中的估计结果只有北京、天津和上海的βi小于0.5，其他地区的βi都是大于0.5的。北京、天津和上海是我国最早设立的三个直辖市，具有先天的政治地理优势，北京是我国首都，上海是我国金融中心，所以这三个地区经济发展水平明显快于其他省份。根据能源消费与经济增长的倒U型曲线，当经济发展达到一定规模后，经济增长会使得能源消费减少，由能耗系数可判断北京、天津和上海已经超过了能源消费与经济增长的倒U型曲线的拐点，达到了西方发达国家的能耗弹性系数标准。相对于北京、天津和上海，另一个直辖市重庆的βi则明显偏大，高达0.882 1。由于重庆是最晚设立的直辖市，相对于其他三个直辖市，在经济发展水平上还是存在一定差距的，因此能耗系数在四个直辖市中最大是符合实际的，但是接近0.9的能耗系数反映出重庆调整产业结构促进产业升级的任务很紧迫和艰巨。除了重庆，西部的四川、贵州、云南、新疆、青海、宁夏、甘肃和陕西的能耗系数普遍较高，这和西部地区普遍经济发展落后的实际有关，符合现实情况。此外，在表3的回归估计结果中，有20个省市自治区的βi大于0.7，这说明相对于西方发达国家而言，我国绝大部分省市自治区的能源利用效率还有待提高。

2．能源消费与经济增长库兹涅茨曲线的验证

环境库茨涅茨曲线是Grossmann和Kruger在研究经济增长对环境的影响时提出的，他们研究发现：当人均GDP处于较低水平时，二氧化硫排放量处于集中增长阶段，当人均GDP处于较高水平时，二氧化硫排放量处于下降阶段，即随着经济增长，二氧化硫排放量呈倒U型曲线。环境库兹涅茨曲线提出后很多学者对其进行了验证，并且发现不仅仅是环境污染和经济增长存在倒U型曲线，其他变量之间也可能存在倒U型曲线。由于石油和煤炭等能源的消耗会产生大量二氧化硫和一氧化碳等污染物，而这些污染物的排放与经济增长存在倒U型曲线关系，那么能源消耗可能也与经济增长存在着倒U型曲线的关系。于是在能源消费、产业结构与经济增长的协整方程的基础上引进人均GDP的二次项，通过似然比检验和Hausman检验，最终选取了固定效应的常系数模型。模型的估计结果如下：

通过上面的方程可以发现，人均GDP的二次项系数是非常显著的，在模型中再引入人均GDP的三次项，方程的拟合效果下降并且三次项的系数也不显著，因此最终选择了上面的方程。在方程中，人均GDP的二次项前的系数是负的，因此人均能源消费与经济增长的倒U型曲线关系是成立的，这证明了能源消费与经济增长的库兹涅茨曲线是存在的，在经济水平比较低时，经济的增长会引起能源消耗的增加，经济发展达到一定水平时，能源消费会逐步减少。这主要是因为在经济水平比较低时是以第一、二产业为主要产业的粗放型增长方式，并且由于技术水平不高，能源利用效率比较低下，因此经济的增长需要大量的能源消耗作为支撑。但是随着经济水平的提高，产业结构不断由第一、二产业向第三产业升级，高科技的发展使得能源利用效率大幅提高，同时人们的节能减排意识也得到增强，因此能源的消耗会逐步减少。

五、结论

通过对我国30个省市自治区能源消费、产业结构和经济增长的相互关系进行实证分析，可以得到如下结论：

1．产业结构对于能源消费具有长期稳定的均衡关系。通过估计的回归方程中产业结构的回归系数的符号可知，产业结构对能源消费具有反向作用，产业结构的优化升级能抑制能源的消费。虽然在产业结构与能源消费的回归方程中，不同地区的个体效应存在差异，但是产业结构对能源消费的弹性系数却不存在差异，即对于不同的地区，产业结构对能源消费具有相同的影响。

2．经济增长与能源消费具有长期稳定的均衡关系。通过回归方程可以得知，经济增长对能源消费具有正向影响，但是影响系数却存在区域差异，除了两个地区能源消费对经济增长的弹性系数大于1外，其他的地区都是小于1的，说明我国绝大部分地区的经济增长方式已经由粗放型转变为集约型，但是弹性系数普遍大于0.7，说明能源利用效率不高，仍有待提高。

3．能源消费与经济增长的库兹涅茨曲线是存在的。在经济发展水平比较低时，经济增长会促进能源消费的增加，而经济发展到一定规模后，经济增长会抑制能源的消费。

[1] 王立新.经济增长、产业结构与城镇化——基于省级面板数据的实证研究[J].财经论丛，2014(4):3-8.

[2] 许广月.能源消费与经济增长的因果关系研究——基于省级面板数据的实证分析[J].重庆工商大学学报，2009，(6):161-166.

[3] 张静.经济增长与产业结构对能源消费的影响分析——基于27个省（区、市）面板数据[J].河南科学，2013，(8):1313-1316.

[4] 吴振信.经济增长、产业结构对碳排放的影响分析——基于中国的省际面板数据[J]，中国管理科学，2012，(3):27-31.

[5] 张传平.山东省能源消费、产业结构和经济发展关系实证研究[J]．华东经济管理，2014，(4):23-26.

[6] 高铁梅.计量经济分析方法与建模[M]．北京：清华大学出版社，2009．

[7] Yu E S H,Choi J Y，The Causal Relationship Between Energy and GNP:An International Comparsion[J].Journal of Energy and Development，1985，Vol.10:249-272.

[8] Kunitachi ,Learning by doing ,changes in industrial structure and trade patterns，and economic growth in a small open economy[J].Faculty of Economic，2008，Vol8:210-212.Vol.8:210-212.

[9] Grossman G M，Krueger A B.Environment impact of a north American free trade agreement [R].National Bureau of Economic Research Working paper 3941，1991