我国能源消耗强度收敛性区域差异与影响因素分析

张勇军 刘灿 胡宗义

（湖南大学 金融与统计学院，湖南 长沙410079）

一、引言

能源、材料和信息是现代经济社会发展的三大支柱，其中能源作为人类赖以生存的物质基础，是经济社会发展的前提和保障。近年来，能源问题已经成为人们关注的热点，过快的能源消耗速度严重威胁到了人类经济社会的可持续发展。《我国国民经济和社会发展十二五规划纲要》明确指出要积极优化低梯度地区以及中部过度地区的能源结构，合理控制能源消费总量，降低能源消费强度。建国初期五个五年计划的实施初步构建了我国重工业的基本框架，区域均衡发展策略使得我国中西部的产业结构偏重。由于产业结构的差异，我国各梯度地区之间能源消费强度也必然存在一定的差异。为了逐步降低能源消耗强度，缩小各地区之间能源消耗强度的差异，探究我国各地区的能源消费强度的收敛性和影响因素具有重要的现实意义。

在能源效率收敛性方面，国外学者研究较多。Mielnik和Goldemberg（2000）认为发展中国家的能源强度在1971-1992年间表现出一定的收敛性，这与工业化国家在能源清洁方面的技术转移有很大的关系［1］。Markandya等 （2006）对东欧12个转型国家和欧盟15国之间能源消耗强度的差异进行了研究，发现欧盟新老成员国的能源消耗强度存在收敛性，并且转型国家的能源消耗强度的预测值明显收敛于欧洲能源强度的平均值［2］。Liddle（2010）根据两个大型数据集对全球范围的能源强度收敛性进行了研究，结论表明，经济合作与发展组织（OECD）和欧亚国家的能源强度表现出较强的持续收敛，而撒哈拉以南的非洲国家的能源强度虽然存在收敛，但收敛的速度比经合组织和欧亚国家慢［3］。国内学者对能源消耗强度收敛性的研究起步较晚，结论不尽相同。齐绍洲和罗威（2007）通过构建我国东西部能源消费强度差异和东西部人均GDP差异的函数，对我国各地区的能源消费强度收敛性及其差异进行了分析，研究表明，随着人均GDP的收敛，我国东西部地区的能源消耗强度的差异是收敛的，但整体收敛速度慢于人均GDP的收敛速度［4］。师傅和张良悦（2008）基于变异系数研究发现我国能源效率整体是趋异的，但就区域层面而言，东部地区能源消耗强度存在收敛性，西部则表现出发散的迹象，而中部则呈现出逐渐向东部收敛的趋势［5］。胡玉敏和杜纲（2009）采用空间计量的方法基于1986-2006年我国27个省区的数据对我国各省区的能源消耗强度收敛性进行了研究。研究发现各省区能源强度存在明显的趋同现象和空间外溢现象［6］。李激扬（2012）运用面板数据进行计量分析发现我国能源消耗强度和全要素能源效率均存在条件β收敛［7］。

在能源消耗强度影响因素方面，国内外研究都比较多。Miketa A.（2001）采用39个国家10个制造业1971-1996年的数据，分析了部门工业经济产出、资本形成以及工业能源价格对能源消耗强度的影响，发现资本形成不利于能源消耗强度的降低［8］。Fisher等（2004）运用工业企业的面板数据分析了1997-1999年间中国能源消耗强度下降的原因，研究表明能源相对价格、能源R＆D支出，企业产权改革以及中国的产业结构调整均对能源消耗强度的降低有积极作用［9］。王玉潜（2005）运用投入产出法，分别从生产和使用的角度研究技术因素和结构因素对能源消耗强度的影响，并建立能源消耗强度因素模型对能源消耗强度进行因素分析。结果表明能源技术进步能降低能源消耗强度，而需求结构的变动则会提高能源消耗强度［10］。刘畅、孔宪丽、高铁梅（2008）将技术进步、能源价格、高能耗出口贸易结构、产权结构以及能源替代等因素引入理论模型，研究其对工业行业能源消耗强度的影响［11］。屈小娥，袁晓玲（2009）采用1998-2006年全国30个省市自治区的面板数据分析了我国能源消耗强度的影响因子，研究表明经济发展、第三产业的发展以及制度因素能有效地促进我国东、中、西三大地区的能源消耗强度的降低，而工业化水平的提高和第二产业的发展则不利于中西部地区的能源消耗强度的降低，对东部地区则相反［12］。陈仲常、谢小丽（2011）采用因子分析法对能源消耗强度的下降原因进行分析，发现效率份额中的全要素生产率、对外开放程度和能源价格的市场化水平是导致能源强度下降的主要原因，而不合理的能源消费结构则使得中国的能源消耗强度仍然处于偏高的水平［13］。

综上所述，在能源消耗强度收敛性方面，国外学者主要聚焦于国家之间的收敛性分析，而国内对能源消耗强度的收敛性研究尚处于摸索阶段，研究所用方法不尽相同，所得结论存在较大差异，尚未有学者采用分位数回归的方法对其进行研究；在能源强度影响因素方面，国内外学者多数从技术因素，结构因素、价格因素和规模因素等方面分析其对能源消耗强度的影响，并且现有文献大都利用省际面板数据建立面板模型进行分析，忽略了空间自相关因素的存在，这在一定程度上会影响结论的完整性和可靠性。本文在总结前面学者研究的基础上，采用面板数据的分位数回归方法对我国省际能源消耗强度进行绝对β收敛检验，分析我国不同地区能源消耗强度收敛性的差异，然后引入空间因素，建立空间计量模型对影响我国能源消耗强度的影响因素进行分析。

二、模型与数据

（一）面板数据分位数模型

本文基于收敛假说［14］，建立面板数据分位数收敛模型来对我国省际能源消耗强度进行绝对β收敛检验。收敛的定义是初期人均产出水平较低的经济实体较之初期人均产出水平较高的经济实体能以更快的速度增长，由此两个经济实体的人均产出水平差距就会逐渐缩小直至水平趋同。能源消耗强度的绝对β收敛是指随着时间的推移，我国各地区的能源消耗强度差异会越来越小，最后趋于同一水平。首先根据经济增长的收敛模型［14］，建立能源效率的收敛模型。

其中log（Ei，t）表示第i个地区第t年的能源效率的对数值，log（Ei，t＋1/Ei，t）表示第i个地区第t年的能源效率的年增长率。因为能源消耗强度δit和能源效率Eit互为倒数，故式（1）可以转化为

式（2）变形得

将模型写成如下形式

根据分位数回归模型的定义，在式（4）的基础上进一步将能源消耗强度绝对β收敛模型表示成如下形式

式（5）即为能源消耗强度的面板数据分位数收敛模型，其中γit＝log（δi，t＋1/δi，t），α（τ）和β（τ）为给定τ分位数下解释变量的系数。log（δi，t＋1/δi，t）表示第i个地区第t年的能源消耗强度的下降率（即能源利用效率的增长率），当β（τ）小于0时，表示各地区的能源消耗强度下降率和初始能源消耗强度呈反向变化关系（此处能源下降率为负数，β（τ）绝对值越大，负得越多），即能源消耗强度高的地区较之能源消耗强度低的地区以更快的速度降低能源消耗强度，各地区的能源消耗强度最终会趋于绝对β收敛；反之，当β（τ）大于0时则说明各地区的能源消耗强度下降率和初始能源消耗强度呈正向变化关系，各地区的能源消耗强度成发散状态，不存在绝对β收敛。

（二）空间计量模型

空间计量经济学认为，地理空间上的某一经济实体的某些属性值和与它相邻的经济实体上的同一属性值是相关的，即区域之间存在空间自相关性。为了研究我国能源消耗强度的影响因素，并使得研究更具说服力和实际意义，本文将空间因素纳入模型进行考量建立面板数据空间计量模型［16］。空间计量模型一般分为两种：空间滞后模型（SAR）和空间误差模型（SEM）。SAR模型主要考量地区间相同变量是否具有溢出效应，因变量之间的空间自相关关系通过因变量的空间滞后项来反应，SEM模型与SAR模型的不同点在于，SEM模型的空间依赖性存在于扰动误差项中。本文引入人均GDP、产业结构、科技发展水平和能源消费结构等经济变量，建立如下关于能源消耗强度的SAR和SEM模型

式（6）、式（7）即为探索能源消耗强度影响因素的面板数据空间计量模型，其中log（δi，t）为第i个地区第t年的能源消耗强度的对数值，LNRGDPit、GSit、TSit、ESTRit分别表示人均GDP，产业结构，科技发展水平，能源消费结构。ωij为空间权重矩阵的第i行第j列的元素，若省份i和j相邻则取1，不相邻则取0，令ωij＝0，排除自身的影响。∑jωijlog（δit）为空间滞后变量，ρ表示空间回归相关系数，其估计值表示各省能源消耗强度的空间相关性的大小和方向。∑jωijεit为空间滞后误差项，λ为空间误差自相关系数，表示邻近地区能源消耗强度的误差冲击对本地能源消耗强度的影响强度。

（三）数据说明

本文采用全国29个省1995-2010年的面板数据，数据均来自《新中国60年统计资料汇编》、《中国统计年鉴》和《2011能源统计年鉴》，其中西藏、台湾、澳门和香港数据因为缺失较多，故不做分析，重庆和四川的数据合并。部分省份缺失部分年份的数据，采用线性插值法补齐。

能源消耗强度（δ）采用的是各地区能源消耗总量和各地区GDP的比值。能源消耗总量包括煤炭、石油、天然气等，单位为万吨标准煤。各地区GDP以1952年为基期，单位为亿元。能源消耗强度单位为吨标准煤/万元，根据模型要求，对能源消耗强度取对数。

人均 GDP（LNRGDP）采用各地区GDP（gdp）和各地区总人口数（popu）的比值的对数值；产业结构（GS）采用各地区第二产业增加值（industry）占各地区生产总值（gdp）的比重，第二产业主要包括工业和建筑业，是相对能耗较大的产业，所以本文将第二产业占GDP的比重引入考察产业结构对能源消耗强度的影响；科学技术水平（TS）采用的是各地区的人均技术市场成交额（tec）的对数值来代替，旨在考量科学技术水平对降低能源消耗强度的贡献；能源消费结构（ESTR）采用各地区煤炭消耗量和能源消耗总量（energy）的比值。

表1给出了各变量的基本统计值，其中1995年山西的能源消耗强度最大，约为6.11吨标准煤/万元，到2010年，山西省的能源消耗强度已降至1.83吨标准煤/万元。以2010年北京的能源消耗强度最低，约为0.49吨标准煤/万元。由此可见，我国能源消耗强度存在比较大的地域差异，同时总体来说呈下降趋势。

表1 各变量的描述性统计值

三、实证分析

（一 ）分位数回归结果

本文采用Hausman检验对模型进行选择［17］，Hausman检验统计量为2.781 04，P值 ＝0.09，故拒绝原假设，将模型设定为固定效应模型。基于模型（5）本文采用 R.2.13.0对数据进行分位数回归分析，回归结果见表2。由表2可知，在能源消耗强度的九个分位数中，前0.1到0.5分位数β小于0，且全部在0.01的置信水平上通过显著性检验，并且随着分位数的增加，β的绝对值越来越小，由此可见能源消耗强度低的地区存在绝对β收敛，并且能源消耗强度越低，收敛越强。0.6到0.9分位数β大于0，且随着分位数的减小，β的绝对值越小，由此可见能源消耗强度高的地区不存在绝对β收敛，但是随着能源消耗强度的降低，能源消耗强度存在绝对β收敛的趋势。

表2 分位数回归结果

由此可知，能源消耗强度的收敛性确实在我国区域间存在一定的差异，这种差异与各地区的能源消耗强度的差异有关。以此为基础，下面本文通过对应分析，将能源消耗强度的不同与我国的经济区域划分联系起来对能源消耗收敛性进行分析。

（二）对应分析结果

本文参考李善同［18］、张虎［19］等关于经济区域的分类方法，把29个省、直辖市和自治区划分为8个经济区域，划分标准见表3。

为了直观的分析我国各地区之间的能源收敛性差异，接下来本文结合分位数回归结果进行双变量对应分析。这里两变量均为品质变量，同时为了重点分析能源消耗强度水平与经济区域各类别之间的联系，而非它们之间的差异，选取对称化（symmetrical）方法，用SPSS16.0得到的分析结果，如图1

表3 经济区域划分标准

图1 对应分析结果图

由图1可以看出，我国八个经济区域的能源消耗强度大致可以分为两类，其中西南地区、大西北地区、黄河中游地区和东北地区归为能源消耗强度较高的一类，东南沿海地区、东部沿海地区、长江中游地区和北部沿海地区归为能源消耗强度较低的一类。结合上文β绝对收敛的分位数回归结果可以看出，西南地区、大西北地区、黄河中游地区和东北地区作为能源消耗强度较高的地区回归结果中β值大于0，能源消耗强度不存在绝对β收敛；而东南沿海地区、东部沿海地区、长江中游地区和北部沿海地区作为能源消耗强度较低的地区回归结果中β值小于0，能源消耗强度存在绝对β收敛。对此，本文认为可以从我国地区间产业结构差异方面进行原因分析。建国初期五个五年计划的实施初步构建了我国重工业的基本框架，区域均衡发展策略使得我国中西部的产业结构偏重。由于产业结构的差异，我国各梯度地区之间能源消费强度也必然存在一定的差异。西南地区、大西北地区、黄河中游地区和东北地区矿产资源丰富，工业基础雄厚，成为我国高能耗产业发展的主要地区，高能耗产业规模迅速扩张与较低的能源利用效率的矛盾阻碍了这些地区能源消耗强度的降低，使其呈现发散状态。而东南沿海地区、东部沿海地区、长江中游地区和北部沿海地区的产业结构则是以轻工业为主，近年来以出口为主的多种加工工业和制造业发展迅猛，低投入、低消耗、低排放，高产出、高质量、高效益的集约型增长方式对于节能降耗起到了巨大的促进作用，因此其能源消耗强度呈现收敛态势。

综上可知，我国能源消耗强度并不存在全国范围内的收敛性，也就是说从长期来看，我国的经济发展必然严重受到能源短缺的制约，因此降低我国各地区尤其的中西部地区的能源消耗强度成为社会发展的必然要求。下面本文就如何降低能源消耗强度对能源消耗强度的影响因素进行空间计量分析。

（三）空间自相关检验

在运用空间计量模型前，通常要先对各省份相同属性的数据进行空间自相关的检验。空间自相关分为全局自相关和局域自相关，本文分别采用Moran I指数法和 Moran I散点图法来判断是否存在全局自相关和局域自相关全局Moran I指数的计算公式为

本文根据1995-2010年的29个省市的能源消耗强度数据，采用matlab的空间计量工具包得出Moran I指数及其检验结果见表4。由表4可知，Moran I指数均为正数，且都在1%水平下通过了显著性检验。表明各地区之间的能源消耗强度在所考察的年份里存在一定的空间正自相关性。

表4 1995-2010年我国各地区能源消耗强度的Moran I指数统计值

由于Moran I指数法并不能检验局部空间上的自相关性，具有一定的局域性，接下来本文采用Moran散点图法来检验能源消耗强度的局域自相关性。检验局域自相关性的Moran I散点图是根据（Yi，W_Yi）来绘制的，本文中，Yi表示标准化的第i个省份的能源消费强度的对数值，W为空间矩阵，W_Yi表示W＊Yi，即与第i个省份相邻的地区的能源消耗强度的平均值。通过散点图中各个省份的分布可以分析每个省份与相邻省份的空间相关关系：第一、三象限的点表示存在空间正相关的省份，即能源消耗强度大的省份和能源消耗强度小的省份分别存在正的集聚现象［20］。第二、四象限的点表示存在空间负相关的省份，即能源消耗强度小的省份其周边省份的能源消耗强度大，能源消耗强度大的省份其周边省份的能源消耗强度小。图2，图3分别为2000年和2010年能源消耗强度 Moran I散点图和LISA集聚图。

图2 2000年和2010年能源消耗强度的Moran I散点图

图2 2000年（左）和2010年（右）能源消耗强度的LISA集聚图

由图2可以看出大部分的点都分布在第一、三象限，说明我国大部分地区的能源消耗强度都存在正的空间自相关关系。结合图2和2000年各地区的能源消耗强度数据，可以看出位于第一象限的省份有河北、山西、内蒙古、辽宁、吉林、黑龙江、贵州、云南、甘肃、青海、宁夏、新疆。位于第三象限的有天津、江苏、浙江、安徽、福建、江西、山东、河南、湖南、广东、广西、海南。位于第二象限的有北京、四川、陕西。2010年除个别省份变动外，其他省份在散点图中的分布没有发生改变。由此可见，我国各地区的能源消耗强度之间存在明显的区位集聚效应，并且十年来分布格局没有发生较大改变。为了使结论更加直观，可以结合LISA集聚图进行分析。由图3可以看出能源消耗强度大的省份集聚大西北地区和黄河中游地区，而能源消耗强度较小的省份则集聚以浙江为中心的东部沿海地区和以广东为中心的东南沿海地区，这与前文对应分析的结论相一致。

因此，由 Moran I指数、Moran I散点图和LISA集聚图得出的结论可以看出我国各地区能源消耗强度存在一定的空间自相关性，这为本文下面运用空间计量模型分析能源消耗强度的影响因素提供了理论依据。

（四）SAR和SEM模型结果

虽然由Moran指数法、Moran散点图以及LISA集聚图可以看出，我国各地区能源消耗强度存在一定的空间自相关性，但是要检验是否能够建立空间计量模型，同时在SAR和SEM模型中选择效果最好的模型还需要进一步的分析。本文采用LM检验及其稳健形式检验和拟合优度系数等统计量甄选较好的模型，如果LMlag和LMerror都不显著，则选用传统面板数据模型；如果LMlag显著而LMerror不显著则选用空间滞后模型（SAR）；如果LMerror显著而LMlag不显著则选用空间误差模型（SEM）；如果LMlag和LMerror都显著，则观察robust-LMlag和robust-LMerror，如果robust-LMlag比robust-LMerror显著，则采用空间滞后模型（SAR）；如果robust-LMerror比robust-LMlag显著，则采用空间误差模型（SEM）［21］。表5给出了LM 检验结果，为了比较模型优劣，使模型选择更具说服力，这里同时给出了传统面板数据模型的估计结果。

由表5可知，传统面板数据模型的拟合优度系数为0.489，模型拟合不是很理想。同时Durbin-Watson和Moran检验结果表明模型存在一定的自相关性，这进一步说明了空间面板数据模型的必要性。LM检验中LMlag和LMerror检验统计量都显著，robust-LMerror和robust-LMlag检验统计量显著并且相差不大。由此看出，建立空间计量模型具有可行性。同时为了使模型甄别更具说服力，本文结合SAR和SEM模型的估计结果（见表6）及其拟合优度系数、对数似然值进行模型选择。

表5 传统面板数据模型估计结果

由表6可知，空间自相关系数估计和空间误差回归系数估计都在1%的水平下通过显著性检验，进一步说明了我国的能源消耗强度在地理空间上存在空间自相关性。除了SAR模型和SEM模型中随机效应的TS系数估计值未通过显著性检验外，其他变量系数均在1%的水平下通过显著性检验，且模型拟合优度都达到90%以上。同时Hausman检验P值均小于0.05，拒绝采用随机效应的原假设。综合两种模型的估计结果来看，SEM固定效应模型的的拟合优度系数值和对数似然值均高于其他模型，分别为95.64%和364.664 95，故采用SEM固定效应模型进行估计结果分析。

由表6中的SEM固定效应模型的估计结果可以看出，所有估计参数均通过显著性检验，空间误差回归系数为-0.270，说明能源消耗强度在各省份之间存在溢出效应。其中LNRGDP参数估计值为-0.589，表明人均GDP的增加能够降低能源消耗强度，即经济的发展对降低能源消耗，提高能源利用效率起促进作用。GS的系数为1.945，表明产业结构中第二产业比重的增加会提高能源消耗强度，这与预期相一致。如果产业结构不合理，将直接导致能源消耗总量的增加，加之第二产业的能源利用水平偏低，能源消耗强度就会居高不下，从而阻碍建设资源节约型社会的步伐。TS的系数为-0.016，表明科技发展水平的提高对降低能源消耗强度有一定的促进作用。科学技术的进步，尤其是能源科技的发展是提高能源效率，解决能源短缺问题的至关重要的一环。例如智能电网、清洁高效发电技术、第四代核电、海上风电等这些炙手可热的创新能源技术正在引起一场能源产业的巨大变革。大力发展清洁能源技术，开发新能源是我国降低能源消耗强度，建设资源节约型社会的必然要求。ESTR的系数为0.002，表明能源消费结构中煤炭比重的增加会提高能源消耗强度。煤炭的利用效率是很低的，环境污染也较严重，在我国各省份的能源消费结构中，煤炭的比重一直都很高，一些省份近十年来煤炭的消费比重甚至高达90%，例如安徽、内蒙古、河北。由此可见，高水平的煤炭比重是我国的能源消耗强度偏高的原因之一。

表6 SAR和SEM模型的估计结果

四、结论和政策建议

本文通过对我国区域能源消耗强度的β绝对收敛模型进行分位数回归，分析了我国各地区能源消耗强度收敛性的差异，并建立空间面板数据模型分析了能源消耗强度的影响因素，得出结论如下：（1）我国西南地区、大西北地区、黄河中游地区和东北地区作为能源消耗强度较高的地区能源消耗强度不存在绝对β收敛；而东南沿海地区、东部沿海地区、长江中游地区和北部沿海地区作为能源消耗强度较低的地区，能源消耗强度存在绝对β收敛。（2）各省份之间能源消耗强度存在空间溢出效应，人均GDP的增加能够降低能源消耗强度；产业结构中第二产业比重的增加会提高能源消耗强度；科技发展水平的提高对降低能源消耗强度有一定的促进作用；能源消费结构中煤炭比重的增加会提高能源消耗强度。

基于上述结论，本文提出以下几点政策建议：第一，应该着眼于区域能源消耗强度的不平衡，在能源政策上向西南地区、大西北地区、黄河中游地区和东北地区倾斜，对于中西部地区煤炭储量较多的省份，可以适当提高能源消费税，改善能源结构，降低中西部地区能源消耗强度。第二，应该在发展经济的同时，注重产业结构合理化，对现有的重工业应逐步进行产业优化，鼓励和引导第三产业的发展，促进地区经济合理布局和协调发展，加快区域经济的梯度推进。第三，应该大力发展能源技术，提高能源利用效率，逐步我国摆脱对石油煤炭的依赖，改善国内能源消费结构，在鼓励提高能源利用效率和能源节约的同时，进一步促进发展替代能源和可再生能源的研发，大力发展太阳能、风能、燃料电池以及植物燃料等新能源，我国政府应当加大新能源科研预算，促进煤的清洁利用，发展新一代核能，大力推动氢能的研发，鼓励扩大核电站的建设。

［1］Mielnik O，Goldemberg J.Converging to a Common Parttern of Energy Use In Developing and Industrialized Countries［J］.Energy Policy，2000，28（8）：503-508.

［2］Markandya A，Pedroso-Galinato S，Streimikiene D.Energy Intensity in Transition Economies：Is There Convergence towards the EU Average？［J］.Energy Economics，2006，28（1）：121-145.

［3］Liddle B.Revisiting World Energy Intensity Convergence for Regional Differences［J］.Applied Energy，2010，87（10）：3218-3225.

［4］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.

［5］师博，张良悦.我国区域能源效率收敛性分析［J］.当代财经，2008（2）：17-21.

［6］胡玉敏，杜纲.中国各省区能源消耗强度趋同的空间计量研究［J］.统计与决策，2009（11）：95-96.

［7］李激扬.中国省际能源效率的收敛性分析［J］.统计与决策，2012，02：106-108.

［8］Miketa A.Analysis of Energy Intensity Developments in Manufacturing Sectors in Industrialized and Developing Countries［J］.Energy Policy，2001，29（10）：769-775.

［9］Fisher Vanden K，Jefferson G H，Liu H M，et al.What is Driving China’s Decline in Energy Intensity？［J］.Resource and Energy Economics，2004，26（1）：77-97.

［10］王玉潜.基于投入产出方法的能源消耗强度因素模型［J］.中南财经政法大学学报，2005（6）：35-39.

［11］刘畅，孔宪丽，高铁梅.中国工业行业能源消耗强度变动及影响因素的实证分析［J］.资源科学，2008（9）：1290-1299.

［12］屈小娥，袁晓玲.中国地区能源强度差异及影响因素分析［J］.经济学家，2009（9）：68-74.

［13］陈仲常，谢小丽.中国GDP能源消耗强度变动趋势及影响因素解析［J］.经济学家，2011（6）：56-62.

［14］樊潇彦.经济增长与中国宏观投资效率研究［D］.复旦大学，2005.

［15］Martin Sala I，Xavier X.The Classical Approach to Convergence Analysis［J］Economic Journal，1996，106（437）：1019-1036.

［16］吴玉鸣.中国经济增长与收入分配差异的空间计量经济分析［M］.北京：经济科学出版社，2005.

［17］Hausman J A.Specification Tests in Econometrics［J］.Econometrica，1978，46（6）：1251-1271.

［18］李善同，侯永志.中国大陆：划分8大社会经济区域［J］.经济前沿，2003（5）：12-15.

［19］张虎，等.我国农村剩余劳动力转移与通货膨胀关系的实证研究［J］.宏观经济研究，2013（2）：91-96＋104.

［20］吕斌.基于特征分析和配额分配的地区能源效率研究［D］.中国矿业大学（北京），2013.

［21］熊灵，魏伟，杨勇.贸易开放对中国区域增长的空间效应研究：1987—2009［J］.经济学（季刊），2012（3）：1037-1058.