资源型城市能耗增长因素分解及差异分析

郭存芝 黄 青 何荧非

(南京财经大学经济学院，江苏 南京 210023)

资源型城市能耗增长因素分解及差异分析

郭存芝 黄 青 何荧非

(南京财经大学经济学院，江苏 南京 210023)

本文以95个有代表性的资源型城市2004—2013年的数据为样本，重点关注城市经济发展、人口增长和空间扩张几个方面，考虑能耗强度、经济规模、人口密度、辖区面积四个因素，利用LMDI法对资源型城市的能耗增长进行因素分解，并针对不同区位、不同规模与不同发展阶段三种情况分别进行资源型城市能耗增长影响因素的差异分析。得出了研究结论：总体来看，对资源型城市能耗增长影响较大的因素是能耗强度与经济规模，其中能耗强度下降对能耗增长有明显的抑制作用，经济规模扩大对能耗增长有明显的推动作用，但能耗强度下降的抑制作用不足以抵减经济规模扩大的推动作用，导致能耗总量增加。人口密度增加和辖区面积扩大对城市能耗增长的贡献率较小，都只是微弱的推动作用。单个城市能耗增长的因素分解结果与总体情况较为一致，但不同城市之间存在差异。分区位看，越是落后地区，能耗强度下降对能耗增长的抑制作用以及经济规模扩大对能耗的拉动作用越强；分规模看，小城市的落后产能改进空间还没有得到充分利用；分资源开发阶段看，衰退型城市落后产能改进成效突出但能源利用效率依然较低，成熟型城市对落后产能改进空间的利用不足。最后有针对性地提出了相关政策建议：优化产业结构，转变经济增长方式，实现资源型城市从“粗放型增长”到“集约型发展”的转变；大力发展新能源，提高能源利用效率；对不同类型的资源型城市有针对性地实施节能降耗的分类指导；强化宣传教育，有效提高企业和居民的节能降耗意识。

资源型城市；能耗增长；因素分解；LMDI法；差异分析

根据2013年11月12日国务院发布的《全国资源型城市可持续发展规划(2013—2020年)》，我国资源型城市有262座，即使不考虑其中的区、县，也能占到全国城市总数的约30%，数量多，分布广，地位突出。作为重要的能源资源战略保障基地，资源型城市也是我国的能源消耗大户。在我国经济高速增长、能耗压力日趋突出的大背景下，资源型城市控制能耗增长的任务十分艰巨，而对能耗增长影响因素的客观分析是解决问题的基础。 针对能耗增长影响因素，国内外学者已开展了许多有益的探索[1-16]。总体来说，现有研究大多以国家或区域等较大空间范围为研究对象，且通过生产领域特别是工业生产部门来分析能耗增长的影响因素[1-8]。由于就较大空间范围的研究较为笼统，对包含在其中的特定城市的能耗增长而言，缺乏针对性，研究成果的实践指导作用有限；而通过生产领域特别是工业生产部门的分析越来越不能客观反映研究对象的真实能耗增长情况，因为随着经济社会的发展，第三产业发展和居民生活方式变化对能耗增长的影响越来越大。因此，以特定城市或特定类型城市为研究对象的综合考虑二、三产业及居民生活的能耗增长影响因素研究显得越来越重要[9-11]。从研究方法上看，主要采用因素分解法，包括L氏指数法、D氏指数法等指数分解分析法[1-5, 9-12]和结构分解分析法[6-7]等，其中指数分解分析法是对能耗增长影响因素进行分析的最常用方法。 鉴此，本文综合考虑二、三产业以及居民生活能耗，采用因素分解法，分析我国资源型城市能耗增长的影响因素。另外，资源型城市的能耗增长虽然具有共同特征，但不同城市的区位、规模、资源开发所处阶段等的差异导致的气候条件、资源禀赋、居民生活习惯、经济发展状况等的差异会使其能耗结构以及能耗增长影响因素表现出显著差异。所以，本文也对不同类型资源型城市的能耗增长影响因素差异做进一步的探究。

1 资源型城市能耗增长因素分解

1.1 研究设计

1.1.1 研究方法

常用因素分解法主要有指数分解分析法(Index Decomposition Analysis，简称IDA)和结构分解分析法(Structural Decomposition Analysis，简称SDA)，相比于SDA法需要投入产出表作为支撑，IDA法只需使用部门加总数据，特别适合分解含有较少因素的时间序列，在资源环境经济研究中得到了广泛使用。IDA法主要有Divisia、Laspeyres、Pa-asche、Fisher等10多种，在研究中被广泛采用的是前两种。Ang B.W.等从理论基础、适用范围、结果表述、应用便利性等多个方面比较了IDA法多种形式的优劣性，认为大多数情况下，对数平均迪式指数法(logarithmic mean Divisia index，简称LMDI)是相对合理的一种[14, 17-19]。为此，本文采用LMDI法对资源型城市的能耗增长进行因素分解。

有关能源消耗的恒等式很多，不同的恒等式体现不同的研究侧重点。为了综合反映二、三产业与居民生活对能耗增长的影响，本文重点关注城市经济发展、人口增长和空间扩张几个方面，将能源消耗分解为能耗强度、经济规模、人口密度、辖区面积四个因素：

E=(E/G)×(G/P)×(P/A)×A

其中，E、G、P、A分别表示能耗总量、地区生产总值、人口数量、辖区面积，E/G、G/P、P/A分别反映能耗强度、经济规模、人口密度。

能耗增长可分解为：

ΔE=ΔEEG+ΔEGP+ΔEPA+ΔEA

其中，ΔE表示能耗总量增长额，ΔEEG、ΔEGP、ΔEPA、ΔEA分别表示能耗强度、经济规模、人口密度、辖区面积变化对能耗总量增长的贡献额，详如下：

ΔE=Et-Eo

ΔEEG=ΔEln[(Et/Gt)/(E0/G0)]/ln(Et/E0)

ΔEGP=ΔEln[(Gt/Pt)/(G0/P0)]/ln(Et/E0)

ΔEPA=ΔEln[(Pt/At)/(P0/A0)]/ln(Et/E0)

ΔEA=ΔEln[(At/A0)/ln(Et/E0)

其中，Et、Gt、Pt、At和E0、G0、P0、A0分别表示第t年(考察年份)和第0年(对比年份)的E、G、P、A。

ΔEEG/ΔE、ΔEGP/ΔE、ΔEPA/ΔE、ΔEA/ΔE分别是能耗强度、经济规模、人口密度、辖区面积变化对能耗总量增长的贡献比率。

1.1.2 样本选择

结合数据可得性，本文选择95个地级以上资源型城市为样本(见表1)。分区域看，包括东部城市22个、中部城市46个、西部城市27个，分别占23%、48%和29%；分发展阶段看，包括成长型城市8个、成熟型城市51个、衰退型城市22个、再生型城市14个，分别占8%、54%、23%和15%；分规模看，包括中等城市15个、大城市49个、特大城市31个，分别占16%、52%和32%。样本城市数量占我国资源型城市总数的36%，样本城市中各类城市的构成比例与我国资源型城市中各类城市的构成比例基本一致，样本选择具有代表性。

表1 样本城市基本情况

Tab.1 Basic situation of the sample cities

城市类型城市类型城市类型城市类型城市类型唐山A4III抚顺A3III马鞍山B4II临沂A4III泸州C3III邯郸A2III本溪A2II淮北B3III洛阳B4III广元C2II邢台A2II阜新A3II铜陵B3I平顶山B2II南充C1III张家口A2II盘锦A4II滁州B2II鹤壁B2II达州C2II承德A2II葫芦岛A4II宿州B2III焦作B3II雅安C2II大同B2III吉林B2III亳州B2III濮阳B3II安顺C2II阳泉B2II辽源B3I池州B2II三门峡B2I保山C2II长治B2II通化B4I宣城B2II南阳B4III铜川C3II晋城B2I白山B3II景德镇B3I黄石B3II宝鸡C2III朔州B1II松原B1II萍乡B3II鄂州B2III咸阳C1II晋中B2II鸡西B2II新余B3II衡阳B2II渭南C2II运城B2II鹤岗B3II赣州B2II邵阳B2II延安C1I忻州B2II双鸭山B3I宜春B2III郴州B2II榆林C1II临汾B2II大庆B2III淄博A4III娄底B2I金昌C2I包头C4III七台河B3II枣庄A3III韶关A3II白银C3I乌海C3II徐州A4III东营A2II百色C2I武威C1III赤峰C2III宿迁A4III济宁A2III河池C2I张掖C4II鄂尔多斯C1I湖州A2III泰安A2III自贡C2III平凉C2II鞍山A4III淮南B2III莱芜A2III攀枝花C2II石嘴山C3I

注：表中A、B、C分别表示所属区域类型为东部、中部、西部；1、2、3、4分别表示所属发展阶段类型为成长型、成熟型、衰退型、再生型；I、II、III分别表示所属规模类型为小、中等、大。按照2014年10月29日国务院印发的《关于调整城市规模划分标准的通知》中的定义，小、中等、大城市分别指市辖区非农业常住人口50万以下、50—100万、100—500万的城市。

1.1.3 数据说明

《中国统计年鉴》显示，改革开放以来，我国能源消费增长最快的时期是2003—2007年，年增长率依次是15.3%、16.1%、10.6%、9.6%和8.4%，不仅都高于其它任何年份，也是在2002年的6.0%的基础上的一个跳跃，其中2003、2004年的能源消费增长率还超过了同期国内生产总值增长率(能源消费弹性系数分别高达1.53、1.60)。结合数据的可得性，本文选择基本包含能耗最快增长期和近期的2004—2013年为分析期。考虑到城市能耗总量、能耗强度、经济规模、人口密度、辖区面积的变化主要体现在市辖区，本文采用市辖区的数据进行分析。

所需样本数据中，能源消耗总量需要由全社会用电总量、煤气供气量、液化石油气供气量、汽车耗油量、集中供暖耗煤量等折算成标准煤加总得到，而其中的汽车耗油量、集中供暖耗煤量在相关统计年鉴中没有显示。本文通过出租车、私家车、公交车数量和单车年均耗油量估算汽车耗油量；通过集中供暖面积、单位供暖面积耗煤量和法定供暖天数估算集中供暖耗煤量。

数据来源如下：全社会用电量、煤气供气量、液化石油气供气量、地区生产总值、人口数量、辖区面积、公交车数量、出租车数量来源于相关年份的《中国城市统计年鉴》，私家车数量来源于相关年份的《中国区域经济统计年鉴》，单位供暖面积耗煤量、供暖天数来源于住房和城乡建设部2010年发布的《严寒和寒冷地区居住建筑节能设计标准》(JGJ26-2010)，集中供暖面积数据来源于相关年份的《中国城市建设统计年鉴》(其中缺少的2013年的数据通过回归拟合补齐)，相关能源折算系数来源于《中国能源统计年鉴》(2013)，单车年均耗油量结合调研及赵敏等[20]、李永芳等[21]、藤飞等[11]的研究估算，其中：出租车、私家车的年均汽油耗油量分别按7 938 kg/辆、957 kg/辆估算；公交车的年均柴油耗油量按27 430 kg/辆估算。地区生产总值使用实际值，以2004年为基期进行了折算。

95个样本城市2004—2013年的能耗总量、能耗强度、经济规模、人口密度、辖区面积数据的描述统计如表2。

1.2 因素分解

使用LMDI法对表1中95个资源型城市2004—2013年的能耗增长进行因素分解，得出95城市整体以及各个城市的能耗强度、经济规模、人口密度、辖区面积变化对能耗增长的贡献如表3、表4所示。限于篇幅，表4中不列出各影响因素对各城市的能耗增长的贡献额，只列出贡献率。

1.3 结果分析

表3显示，总体来看，95个样本资源型城市2004—2013年的能耗总量增长7 856.02万t标煤，能耗强度变化对能耗增长的贡献额、贡献率分别为-1 635.62万t标煤、-20.82%，而经济规模、人口密度和辖区面积变化对能耗增长的贡献额和贡献率分别为8 385.51万t标煤、321.35万t标煤、784.67万t标煤和106.74%、4.09%、9.99%。这说明：对资源型城市能耗增长影响较大的因素是能耗强度与经济规模，其中能耗强度下降对能耗增长有明显的抑制作用，经济规模扩大对能耗增长有明显的推动作用，但能耗强度下降的抑制作用不足以抵减经济规模扩大的推动作用，导致能耗总量增加；人口密度增加和辖区面积扩大对城市能耗增长的贡献率较小，都只是微弱的推动作用。

需要特别指出的是，人口密度增加对城市能耗增长的贡献率为正(虽然较小)这一分析结果，与一些研究的结论似乎相悖。一些相关研究认为人口密度通过交通和家庭能耗来影响城市能源消耗，低密度化发展会刺激城市能耗的增加，因而紧凑型发展是提高能源资源效率的有效途径[22-23]。这些研究重点比较的是低密度化发展和紧凑型发展的城市能耗差异，其中的人口密度指的是人口数量与人口聚集区域大小的对比关系，与辖区面积无关。这与本文的研究有本质区别，因为本文对资源型城市能耗随时间推移的增长进行因素分解，其中的人口密度是城市人口数量和辖区面积的比值，不少城市在研究期发生了行政区划(即辖区面积)的改变。所以，本文的研究结论与相关研究不矛盾。

自“十一五”规划明确提出节能降耗目标以来，我国不断提高工业部门生产技术、使用清洁能源替代传统能源，能耗强度不断下降，95个样本资源型城市的能耗强度由2004年的 358.91 kg标煤/万元下降到了2013年的299.89 kg标煤/万元，下降了16.44%，能耗强度下降对能耗增长的抑制作用明显。但这些城市的同期经济规模由人均GDP 1.89万元增长到了4.74万元，增长率高达151.18%，能耗强度下降对能耗增长的抑制作用远不能抵消经济规模扩大带来的能耗增长。人口因素对城市能耗的影响主要通过人口数量和交通、居住等生活方式发生作用，大多数样本资源型城市的辖区面积在研究期没有调整，人口密度变化不大，因此人口密度和辖区面积对能耗增长的影响较小。由此可见，对95个样本资源型城市的能耗增长因素分解结果与实际情况相符。

表2 数据的描述统计

Tab.2 Descriptive statistics of data

指标能耗总量E/kg标煤能耗强度E/G/kg标煤/万元经济规模G/P/元/人人口密度P/A/人/km2辖区面积A/km2均值1017155423385．7032687．850．08661996．19标准差1091381610206．1031863．970．07571667．70最大值92853045281460．47250733．600．425312965．00最小值6226258995．544577．870．0065132．00

表3 各影响因素对95城市整体能耗增长的贡献额及贡献率

Tab.3 Volume and ratio contribution of influencing factors on energy consumption growth of 95 cities

因素能耗强度E/G经济规模G/P人口密度P/A辖区面积A能耗总量E贡献额/万t标煤-1635．628385．51321．31784．827856．02贡献率/%-20．82106．744．099．99100．00

表4 各影响因素对95城市能耗增长的贡献率

Tab.4 Contribution ratio of influencing factors on energy consumption growth of 95 cities

城市各因素的贡献率/%能耗强度E/G经济规模G/P人口密度P/A辖区面积A城市各因素的贡献率/%能耗强度E/G经济规模G/P人口密度P/A辖区面积A唐山19．4978．58-108．86110．79新余-128．67211．8716．540．25邯郸-5．43105．17-7．988．24赣州-38．41123．895．638．90邢台24．1128．34-80．05127．61宜春37．3655．936．710．00张家口25．8175．51115．17-116．50淄博-15．49111．463．110．92承德-27．1387．23-51．8591．75枣庄-28．51116．1113．33-0．93大同-68．29127．8740．420．00东营-34．21126．080．607．53阳泉11．6581．3811．49-4．52济宁-68．05119．03-7．8456．86长治-83．48165．9317．550．00泰安13．1287．04-0．160．00晋城19．4163．4719．34-2．23莱芜-4．64102．352．290．00朔州-89．41167．1521．940．33临沂13．4566．120．1020．33晋中33．2659．277．89-0．42洛阳39．9941．56-5．9124．36运城-3．7294．728．050．95平顶山18．1476．599．36-4．09忻州-10．70104．504．971．24鹤壁-6．8289．686．8710．28临汾10．8485．993．170．00焦作22．1954．8925．13-2．21包头-63．47154．678．96-0．15濮阳46．2929．5923．051．07乌海-37．65113．9323．720．00三门峡-60．71151．4820．77-11．54赤峰-5．4598．506．270．68南阳36．5255．162．066．26鄂尔多斯-11．28102．259．030．00黄石-40．57149．45-10．721．84鞍山25．0668．57-36．0042．37鄂州-42．53137．69-2．066．90抚顺-229．66324．71-222．17227．11衡阳-178．98278．61-47．4547．83本溪-67．81172．35-27．7523．21邵阳-50．46146．344．120．00阜新3．6796．93-9．198．59郴州-113．55190．4622．940．15盘锦-404．28544．24-19．08-20．88娄底-11．4197．4813．240．70葫芦岛52．2641．963．392．38韶关-53．29148．743．610．94吉林-52．77150．88-0．552．44百色45．3951．682．720．20辽源-156．29247．00-103．34112．62河池27．2666．765．770．20通化-116．34220．95-0．97-3．64自贡2023．93-1382．20352．65-894．38白山-107．90147．69-14．7474．95攀枝花-114．72210．853．97-0．10松原-22．77115．25-7．7315．25泸州-4014．333887．36261．58-34．61鸡西28．1078．89-6．990．00广元-482．99566．7311．474．79鹤岗-8．58111．25-2．660．00南充-65．03158．136．96-0．06双鸭山52．5149．08-1．22-0．38达州6．9860．25-19．4452．21大庆-131．12199．6031．510．00雅安-37．6977．3315．5744．79七台河32．7456．31-62．8173．76安顺51．3144．334．51-0．15徐州1．7449．38-29．7478．61保山-20．31113．037．280．00宿迁36．7658．673．630．95铜川-36．13134．881．250．00湖州33．2565．181．240．33宝鸡-71．3285．4284．031．86淮南-34．47122．14-3．6515．98咸阳-179．73260．4718．380．88马鞍山-24．4886．76-43．5881．29渭南17．5577．754．690．00淮北-72．17148．73-26．5850．02延安1．8587．1810．680．29铜陵-37．47123．77-11．1624．86榆林2．3390．357．320．00滁州50．8645．853．210．09金昌19．6070．819．590．00宿州17．4477．435．140．00白银-10．68106．963．710．00亳州55．3736．028．610．00武威-57．41151．635．790．00池州4．9690．854．190．00张掖-84．36175．179．190．00宣城42．2655．282．460．00平凉42．9152．474．620．00景德镇-414．08474．9031．197．99石嘴山12．8885．09-42．4544．47萍乡-22．18115．918．15-1．89

表4显示，单个城市能耗增长的因素分解结果与总体情况较为一致，但不同城市之间存在差异。

田秋元等［11］对洋葱核型进行了探索，结果发现，洋葱根尖较好的预处理时间为30 h，染液为碱性品红染液，在此基础上，对洋葱根尖细胞染色体核型分析，发现试验洋葱的染色体数为2n＝2x＝16。在洋葱的16条染色体上没有发现具有随体的染色体，却发现有端部着丝点染色体。该结果对洋葱品种资源的鉴定具有一定的参考价值。

95个城市中，有55个城市的能耗强度对能耗增长的贡献率为负值，与整体一致；有40个城市的能耗强度对能耗增长的贡献率为正值，如唐山(19.49%)、邢台(24.11%)、张家口(25.81%)等，其中自贡市的能耗强度对能耗增长的贡献率高达2 023.93%，十分突出。究其原因，自贡是95个城市中唯一一个能耗下降的城市，能耗总量从2004年的92.02万t标煤下降到2013年的86.37万t标煤，主要原因是煤气大量更换为天然气，极大地提高了能源使用效率，能耗强度由627.47 kg标煤/万元大幅下降到了173.72 kg标煤/万元，能耗强度的大幅下降与能耗总量的同时下降使得能耗强度对能耗增长的贡献十分突出。其它39个能耗强度对能耗增长的贡献率为正的城市都是能耗增长并且能耗强度不降反升的城市，能耗强度与能耗总量呈现出的正相关使得能耗强度对能耗增长的贡献为正，以唐山为例，能耗总量从2004年的329.67万t标煤上升到了2013年的928.53万t标煤，能耗强度从2004年的397.96 kg标煤/万元上升到2013年的486.97 kg标煤/万元。

有94个城市的经济规模对能耗增长的贡献率为正值，与整体一致；只有自贡一个城市因为能耗下降使得经济规模对能耗增长的贡献率为负值。贡献率较大的前10名城市的贡献率均超过200%，包括：泸州(3 887.36%)、广元(566.73%)、盘锦(544.24%)、景德镇(474.90%)、抚顺(324.71%)、衡阳(278.61%)、咸阳(260.47%)、辽源(247.00%)、通化(220.95%)、新余(211.87%)。其中泸州的经济规模从2004年的0.95万元/人增长到了2013年的3.01万元/人，增长了216.7%，经济规模的迅速扩张使得经济规模对能耗增长的贡献十分突出。经济规模对能耗增长贡献度较小的城市是经济增长较小的城市，例如邢台、濮阳、亳州、洛阳、葫芦岛、安顺、滁州等，贡献率均不足50%。

辖区面积没有改变的城市，如大同、鄂尔多斯、莱芜、铜川等，辖区面积对能耗增长的贡献率为0，人口密度变化也小，相应的贡献率也很小。辖区面积扩大的城市，如自贡、唐山、邢台、抚顺等，人口密度随之下降，都得出了辖区面积对能耗增长的贡献率为正值、人口密度对能耗增长的贡献率为负值的结果。相反，辖区面积缩小的城市，如张家口、阳泉、泸州等，都得出了辖区面积对能耗增长的贡献率为负值、人口密度对能耗增长的贡献率为正值的结果。其中，自贡的辖区面积从2004年的813 km2大幅调整到2013年的1 434 km2，人口密度则从2004年的1 319人/km2下降到2013年的1 055人/km2，使得辖区面积和人口密度对能耗增长的贡献率绝对值远远高于平均水平。这表明城市扩张或人口密度增加会拉动能耗增长。

由此可见，不同城市的能耗强度、经济规模、人口密度、辖区面积的变化特征的不同导致了这些因素对能耗增长的贡献的差异，而不同资源型城市的能耗强度、经济规模、人口密度、辖区面积的变化特征与其地理区位、城市规模、发展阶段等密切相关。

本文考虑的城市能耗种类包括电、煤气、液化石油气、交通、供暖等五种，每种能耗在不同类型城市的差别很大。分地理区位看，西部地区、珠三角地区的液化气的供应量相对丰富，而西气东输工程使得长三角地区液化气消耗也比较高。此外各地气候条件对居民夏季用电、冬季供暖也有影响，这与能源消费量关系密切。气温越高，用电量越大[24-25]，而气温越低，供暖能耗越高。分经济规模看，经济发达的城市基础建设完善，出租车、公交车及公共设施用电量较其他城市多。居民的人均收入较高，在人均家用电器、私家车拥有量等方面拥有更大的消费能力，致使其电、交通能耗较大。分发展阶段看，不同发展阶段的资源型城市，发展策略、产业结构、能源消费结构及其使用效率不同，而这些不同都会导致能耗增长原因的差异。为此，本文接下来将针对资源型城市的不同区位、不同规模与不同发展阶段三种情况分别进行能耗增长影响因素的差异分析。

2 资源型城市能耗增长影响因素差异分析

2.1 不同区位城市的差异

使用LMDI法对表1中22个东部城市、46个中部城市、27个西部城市2004—2013年的能耗增长进行因素分解，得出三类城市整体的能耗强度、经济规模、人口密度、辖区面积变化对能耗增长的贡献率如表5所示。

表5显示，分区位看，对能耗增长贡献较大的因素也主要是能耗强度、经济规模，人口密度和辖区面积对能耗增长的贡献相对较小，但各因素对能耗增长的贡献率的大小在不同区域的城市间存在明显差异。

能耗强度、经济规模对能耗增长的贡献率的绝对值从大到小的顺序都依次为西部、中部和东部地区，与地区发达程度负相关。这说明，越是落后地区，能耗强度下降对能耗增长的抑制作用以及经济规模扩大对能耗的拉动作用越强。原因在于，城市发展水平越低，落后产能改进空间越大，能耗强度下降空间越大，经济增长速度也相对越快。以西部为例，原本发展缓慢，技术水平落后，2000年以来的“西部大开发”战略使得其发展明显加快，大量节能高效设备、材料投入使用，27个西部城市的能耗强度从2004年的499.49 kg标煤/万元下降到2013年的305.79 kg标煤/万元，下降了38.78%，经济规模由2004年的人均GDP 1.32万元增长到了2013年的人均GDP 4.39万元，增长了233.14%。西部能耗强度的下降幅度和经济规模的增长幅度明显大于中、东部地区。

辖区面积对能耗增长的贡献率的从大到小依次为东部、中部和西部地区，这与辖区面积的扩张东部地区较多、中部次之、西部最少直接相关。

东部、中部地区人口密度对能耗增长的贡献率为负，西部地区人口密度对能耗增长的贡献率为正，按绝对值大小的排序依次为中部、西部、东部，这与辖区面积扩张、人口迁移等因素的综合作用导致的地区人口密度的增减及其程度直接相关。

2.2 不同规模城市的差异

使用LMDI法对表1中15个小城市、49个中等城市、31个大城市2004—2013年的能耗增长进行因素分解，得出三类城市整体的能耗强度、经济规模、人口密度、辖区面积变化对能耗增长的贡献率如表6所示。表6显示，分规模看，对能耗增长贡献较大的因素也都是能耗强度、经济规模，人口密度和辖区面积对能耗增长的贡献相对较小。其中，能耗强度、人口密度和辖区面积对能耗增长的贡献在不同规模城市间存在一定差异，经济规模对能耗增长的贡献在不同规模城市间没有明显差异。

能耗强度对能耗增长的贡献率在大、中等和小城市都为负值，其中中等城市的贡献率绝对值明显大于大、小城市，大、小城市的贡献率没有明显差异。这说明不同规模城市的能耗强度下降都对能耗增长有抑制作用，中等城市的抑制作用大于大、小城市。原因在于近10年来不同规模城市对落后产能的改进都取得了成效，中等城市的改进成效最突出，小城市的落后产能改进空间还没有得到充分利用。

经济规模对能耗增长的贡献率在大、中等和小城市都为正值，且贡献率大小没有明显差异。这说明不同规模城市的经济规模增长都对能耗增长有明显的拉动作用，而经济增长速度的大致相同决定了不同规模城市的经济规模对能耗增长的贡献的差异较小。

辖区面积对能耗增长的贡献率的从大到小依次为大、中等和小城市，这是因为辖区面积的扩张大城市较多、中等城市次之、小城市最少。其中，31个大城市的辖区面积由2004年的69 404 km2增加到了2013年的77 934 km2，增长了12.29%。

表5 各影响因素对不同地区城市能耗增长的贡献额及贡献率

表6 各影响因素对不同规模的城市能耗增长的贡献额及贡献率

大城市人口密度对能耗增长的贡献率为负，中等城市和小城市人口密度对能耗增长的贡献率为正，按绝对值大小的排序依次为大、中等和小城市，这是由辖区面积扩张、人口迁移等因素的综合作用导致的地区人口密度的增减及其程度决定的。其中，31个大城市的人口密度由2004年的748人/km2下降到了2013年的 682人/km2，下降了8.82%。

2.3 不同资源开发阶段城市的差异

使用LMDI法对表1中8个成长型城市、51个成熟型城市、22个衰退型城市、14个再生型城市2004—2013年的能耗增长进行因素分解，得出四类城市整体的能耗强度、经济规模、人口密度、辖区面积变化对能耗增长的贡献率如表7所示。

表7显示，分资源开发阶段看，对能耗增长贡献较大的因素也主要是能耗强度、经济规模，人口密度和辖区面积对能耗增长的贡献相对较小，但各因素对能耗增长的贡献率的大小在不同资源开发阶段的城市之间存在明显差异。

能耗强度对能耗增长的贡献率都为负值，按贡献率绝对值从大到小的排序是衰退型、成长型、成熟型、再生型。这说明不同发展阶段的资源型城市的能耗强度下降都对能耗增长有抑制作用，衰退型城市的抑制作用最大，再生型城市的抑制作用最小。原因在于：近10年来不同发展阶段城市对落后产能的改进都取得了一定成效，其中：衰退型城市的转型压力最大，对落后产能的改进成效最突出，通过发展资源型深加工、发展非资源型主导产业、发展第三产业等，大幅降低了能耗强度；而再生型城市已完成转型，基本摆脱了资源依赖，对落后产能的进一步改进空间较小；这也说明成熟型城市对落后产能改进空间的利用不足。

经济规模对能耗增长的贡献率都为正值，其中成长型、成熟型城市的贡献率大小较接近，衰退型城市的贡献率最大，再生型城市的贡献率明显低于其它三类城市。这说明不同发展阶段城市的经济规模增长都对能耗增长有明显的拉动作用，其中：衰退型城市的受资源枯竭、产能落后等问题的困扰，能源利用效率较低，经济增长导致的能耗增长较高；而再生型城市的经济社会发展已步入良性运转轨道，能源利用效率较高，经济规模扩张导致的能耗增长较低。

辖区面积对能耗增长的贡献率的从大到小依次为再生型、衰退型、成熟型和成长型城市，这是因为辖区面积的扩张再生型城市较多、成熟型城市次之、衰退型城市第三、成长型城市最少。其中，14个再生型大城市的辖区面积由2004年的23 137 km2增加到了2013年的29 294 km2，增长了26.61%。

成长型城市人口密度对能耗增长的贡献率为正，再生型、衰退型、成熟型城市人口密度对能耗增长的贡献率为负，按绝对值大小的排序依次为衰退型、再生型、成长型和成熟型城市，这是由辖区面积扩张、人口迁移等因素的综合作用导致的地区人口密度的增减及其程度决定的。其中，22个衰退型城市的人口密度由2004年的503人/km2下降到了2013年的469人/km2，下降了6.76%。

3 结论与建议

3.1 基本结论

本文以95个有代表性的资源型城市2004—2013年的数据为样本，重点关注城市经济发展、人口增长和空间扩张几个方面，利用LMDI法对资源型城市的能耗变化进行因素分解分析，包括总体情况分析、对单个城市的分析和对不同类型资源型城市的差异分析，得出的结论主要如下：

第一，总体来看，对资源型城市能耗增长影响较大的因素是能耗强度与经济规模，其中能耗强度下降对能耗增长有明显的抑制作用，经济规模扩大对能耗增长有明显的推动作用，但能耗强度下降的抑制作用不足以抵减经济规模扩大的推动作用，导致能耗总量增加；人口密度增加和辖区面积扩大对城市能耗增长的贡献率较小，都只是微弱的推动作用。

表7 各影响因素对不同发展阶段的城市能耗增长的贡献额及贡献率

第二，单个城市能耗增长的因素分解结果与总体情况较为一致，但不同城市之间存在差异。不同城市的能耗强度、经济规模、人口密度、辖区面积的变化特征的不同导致了这些因素对能耗增长的贡献的差异，而不同资源型城市的能耗强度、经济规模、人口密度、辖区面积的变化特征与其地理区位、城市规模、发展阶段等密切相关。

第三，分区位看，各因素对能耗增长的贡献率存在明显差异。能耗强度、经济规模对能耗增长的贡献率的绝对值从大到小的顺序都依次为西部、中部和东部地区。这说明，越是落后地区，能耗强度下降对能耗增长的抑制作用以及经济规模扩大对能耗的拉动作用越强。人口密度和辖区面积对能耗增长的贡献在各区域都相对较小，区域间的差异主要源于辖区面积扩张、人口迁移等因素的差异。

第四，分规模看，能耗强度、人口密度和辖区面积对能耗增长的贡献在不同规模城市间存在一定差异，经济规模对能耗增长的贡献在不同规模城市间没有明显差异。不同规模城市的能耗强度下降都对能耗增长有抑制作用，中等城市的抑制作用大于大、小城市，说明小城市的落后产能改进空间还没有得到充分利用。辖区面积、人口密度对能耗增长的贡献率的绝对值从大到小依次为大、中等和小城市，这也与辖区面积扩张、人口迁移等因素直接相关 。

第五，分资源开发阶段看，各因素对能耗增长的贡献率存在明显差异。能耗强度下降都对能耗增长有抑制作用、经济规模扩张对能耗增长的拉动作用，都是衰退型城市最大，而再生型城市明显较小。这说明衰退型城市的转型压力最大，对落后产能的改进成效最突出，但受资源枯竭等问题的困扰，能源利用效率依然较低；而再生型城市已基本摆脱资源依赖，经济社会发展步入良性运转轨道，对落后产能改进空间较小，能源利用效率较高。这也说明成熟型城市对落后产能改进空间的利用不足。人口密度和辖区面积对能耗增长的贡献差异也主要源于辖区面积扩张、人口迁移等因素。

3.2 政策建议

针对上述研究结论，联系我国实际，借鉴国际经验，本文提出相关政策建议如下：

第一，优化产业结构，转变经济增长方式，实现资源型城市从“粗放型增长”到“集约型发展”的转变。一方面，政府应当利用经济手段和行政手段，在重化工业领域进行资源整合，通过制定合理的能耗限制政策限制高能耗产业发展，包括强制淘汰落后产能、落后工艺技术和设备，完善主要工业耗能设备、机动车能效标准等，同时加快产品升级换代步伐；另一方面，优先发展低能耗、高附加值且具有国际竞争力的制造行业，大力发展高新技术产业和现代服务业，不断提高第三产业在国民经济中的比重，以促进资源性城市的经济向内涵集约型转变。此外，增加研发支出，鼓励技术创新，建立能够保护技术创新的有效机制。适当运用财政政策引导，鼓励并扶持绿色产品开发，包括信息产业、生态旅游、生态农业、新能源开发等产业，逐渐增大资源性城市绿色产业的比重，促进产业结构的合理化高级化，从而带动经济增长，降低能源消耗水平。

第二，大力发展新能源，提高能源利用效率。节约能源不能是简单的“拉闸限电”式的减少使用，也不能降低人民的生活水平，根本上要应通过采用先进技术提高能源利用效率。推动能源开采、转换及利用等环节上的创新，以科技创新和技术进步为节能降耗提供强大而持久的动力。一方面，加强与发达国家的技术交流合作，引进先进的节能技术、提高能效技术以及可再生能源技术。另一方面，处于当下工业化转型期，应该“开源”与“节流”并举，充分开发优势新能源，充分利用地热资源、太阳能资源、风能资源，依靠区域能源规划等成熟的可再生能源综合利用技术，从而进一步提高能源利用效率。同时，尽可能地从法律、规章、制度等方面激励和保障我国能源效率的持续提高。在各级相关科技计划和专项中，应大力支持对节能降耗科技研发，建立节能降耗技术产业化示范和推广应用，建立相关技术的评定及推广机制。实施节能重点工程、循环经济重点工程。

第三，对不同类型的资源型城市有针对性地实施节能降耗的分类指导。针对越是落后地区能耗强度下降对能耗增长的抑制作用以及经济规模扩大对能耗的拉动作用越强的状况，继续加大对西部、中部地区资源型城市的落后产能改进力度，以进一步促进其能源利用效率的提高，缓解经济增长带来的能耗压力；针对小城市落后产能改进空间还没有得到充分利用的状况，努力推进小型资源型城市的节能降耗工作，做到抓大也不放小；针对衰退型城市落后产能改进成效最突出但能源利用效率依然较低、成熟型城市落后产能改进空间的利用不足的状况，在继续积极鼓励与支持衰退型城市转型的同时，督促成熟性城市重视落后产能改进，提高能源利用效率。

第四，强化宣传教育，有效提高企业和居民的节能降耗意识。缓解日趋严重的能源资源紧缺和环境污染的压力，需要全社会的努力，需要参与社会经济活动的每一个单位和个人从我做起、从小事做起，强化全社会的节能降耗的意识，在市民中形成良好的节能降耗习惯，十分必要。一方面，从生产的角度，面向企业员工特别是决策管理层大力开展宣传教育，提升生产者的节能降耗意识，有效推动低能耗、新兴、技术密集型产业的发展，实现资源型城市整体产业结构的提升；另一方面，从消费的角度，面向居民积极倡导低碳、绿色消费理念，引导居民消费模式向可持续性消费方向发展。

(编辑：徐天祥)

References)

[1]JENNE C A, CATTELL R K. Structural change and energy efficiency in industry [J]. Energy economics, 1983,5(2): 114-123.

[2]MARLAY R C. Trends in industrial use of energy [J]. Science, 1984, 226: 1277-1283.

[3]高振宇,王益.我国生产用能源消费变动的分解分析[J].统计研究,2007,24(3):52-57. [GAO Zhenyu, WANG Yi. The decomposition analysis of change of energy consumption for production in China [J].Statistical research,2007,24(3):52-57.]

[4]欧育辉,刘轶芳,满讲义.基于LMDI的我国能耗增长总量分解[J].经济管理,2007(7):91-95. [OU Yuhui, LIU Yifang, MAN Jiangyi. Decomposition research of the hotel energy consumption of China based on LMDI [J]. Economic management, 2007(7):91-95.]

[5]徐盈之,张全振.中国制造业能源消耗的分解效应:基LMDI模型的研究[J].东南大学学报(哲学社会科学版),2011,13(4):55-60. [XU Yingzhi, ZHANG Quanzhen. Decomposition effect of energy consumption in China based on LMDI [J].Journal of Southeast University (philosophy and social sciences), 2011,13(4):55-60.]

[6]尚红云,蒋萍.中国能源消耗变动影响因素的结构分解[J].资源科学,2009,31(2):214-223. [SHANG Hongyun, JIANG Ping. The structure decomposition analysis of factors influencing energy consumption change in China [J].Resources science,2009,31(2):214-223.]

[7]ROSE A, CASLER S. Input-output structural decomposition analysis: a critical app raisal [J].Economic systems research, 1996, 8(1):33-62.

[8]吕峰,陈建国,曾雪琴,等.我国能源消耗影响因素及其预测预警[J].统计与决策,2014 (16)：82-85. [LV Feng, CHEN Jianguo, ZENG Xueqin, et al. Factors of Chinese energy consumption and its forecast and early warning [J].Statistics and decision,2014 (16)：82-85.]

[9]姚永玲.北京城市发展中的能源消耗影响因素分析[J].中国人口·资源与环境,2011,21(7)：40-45. [YAO Yongling. Analysis of Beijing urban development factors on energy consumption [J].China population, resources and environment,2011,21(7)：40-45.]

[10]PERMANA A S, PERERA R, KUMAR S. Understanding energy consumption pattern of households in different urban development forms: a comparative study in Bandung City, Indonesia [J].Energy policy, 2008, 36(11)：4287-4297.

[11]滕飞,刘毅,金凤君.中国特大城市能耗变化的影响因素分解及其区域差异[J].资源科学,2013,35(2):240-249. [TENG Fei, LIU Yi, JIN Fengjun. Factor decomposition of energy consumption changes and regional differences in selected Chinese mega cities [J].Resources science, 2013,35(2):240-249.]

[12]岳婷,龙如银.基于LMDI的江苏省能源消费总量增长效应分析[J].资源科学,2010,32(7)：1266-1271. [YUE Ting, LONG Ruyin. Analysis of factors affecting the energy intensity growth in Jiangsu province based on LMDI [J].Resources science, 2010,32(7)：1266-1271.]

[13]邵庆龙.基于IPAT理论的中国能源消耗与反弹效应[J].统计与决策,2015(18):132-134. [SHAO Qinglong. Chiness energy consumption and the rebound effect based on IPAT [J].Statistics and decision, 2015(18):132-134.]

[14]蔡九菊,叶竹,孙文强.1995-2010年中国钢铁工业能源消耗影响因素分析[J].东北大学学报(自然科学版),2013,10(10)：1438-1441. [CAI Jiuju, YE Zhu, SUN Wenqiang. Analysis of influence factors on energy consumption in Chinese steel industry from 1995 to 2010 [J].Joural of Northeastern University(natural science), 2013,10(10)：1438-1441.]

[15]郭雅恒,谢德泳.产业结构、经济增长及能源消耗的计量分析[J].统计与决策,2013(16)：102-105. [GUO Yaheng, XIE Deyong. Econometric analysis of industrial structure, economic growth and energy consumption [J].Statistics and decision, 2013(16)：102-105.]

[16]王军,仲伟周.中国地区能源强度差异研究——要素禀赋的分析视角[J].产业经济研究,2009(6):44-51. [WANG Jun, ZHONG Weizhou. The research of regional energy intensity difference in China from the factor endowment perspective [J]. Industrial economics research, 2009(6):44-51.]

[17]ANG B W. The LMDI approach to decomposition analysis: a practical guide [J]. Energy policy, 2005, 33(7): 867-871.

[18]ANG B W. Decomposition analysis for policymaking in energy: which is the preferred method [J]. Energy policy, 2004, 32(9):1131-1139.

[19]ANG B W, ZHANG F Q, CHOI K H. Factorizing changes in energy and environmental indicators through decomposition [J].Energy,1998,23(6):489-495.

[20]赵敏,张卫国,俞立中.上海市居民出行方式与城市交通CO2排放及减排对策[J].环境科学研究,2009,22(6):747-752. [ZHAO Min, ZHANG Weiguo, YU Lizhong. Resident travel modes and CO2emissions by traffic in Shanghai City [J]. Research of environmental sciences,2009,22(6):747-752.]

[21]李永芳,钱宇彬.我国家用轿车运行成本分析[J].汽车与配件,2008 (2):52-54. [LI Yongfang, QIAN Yubin. An analysis of operation cost of Chinese family car [J].Automobile and parts,2008 (2):52-54.]

[22]范进.城市密度对城市能源消耗影响的实证研究[J].中国经济问题,2011(6):16-22. [FAN Jin. The empirical study of the impact of urban density on energy consumption [J]. Economic issues in China, 2011(6):16-22.]

[23]马丽,金凤君.中国城市化发展的紧凑度评价分析[J].地理科学进展,2011,30(8)：1014-1020. [MA Li, JIN Fengjun. Evaluation of Chinese urban compactness [J].Progress in geography, 2011,30(8)：1014-1020.]

[24]付桂琴,李运宗.气象条件对电力负荷的影响分析[J].气象科技,2008,36(6)：795-800. [FU Guiqin, LI Yunzong. Influence analysis of meteorological conditions on electric loads [J].Meteorological science and technology,2008,36(6)：795-800.]

[25]张艳,秦耀辰,闫卫阳,等.我国城市居民直接能耗的碳排放类型及影响因素[J].地理研究,2012,31(2)：345-356. [ZHANG Yan, QIN Yaochen, YAN Weiyang, et al. Urban types and impact factors on carbon emissions from direct energy consumption of residents in China [J].Geographical research,2012,31(2)：345-356.]

朱小会,陆远权.环境财税政策的治污效应研究[J].中国人口·资源与环境，2017,27(1)：83-90.[ZHU Xiaohui,LU Yuanquan.Pollution governance effect on environmental fiscal and taxation policy[J].China population, resources and environment, 2017,27(1):83-90.]

Analysis on factor decomposition and differences of energy consumption growth of resource-based cities

GUOCun-zhiHUANGQingHEYing-fei

(School of Economics，Nanjing University of Finance and Economics，Nanjing Jiangsu 210023，China)

Based on the data of 95 typical resource-based cities from 2004 to 2013 as samples, this article focuses on the cities’ economic development, population growth and spatial expansion, considering energy intensity, economic scale, population density, and the jurisdiction area. LMDI method is used for energy consumption growth factor decomposition of resource-based cities, and differences between factors of their energy consumption growth are analysed according to different regions, scales and development stages. In conclusion, energy intensity and economic scale have a great influence on energy consumption growth of resource-based cities overall. The energy intensity decline has obvious inhibitory effect on growth of energy consumption, and economic scale expanding has obvious promoting effect. But the inhibiting effect decrease of energy intensity is weaker than the promoting effect of the expanding of economic scale to energy consumption growth. The increasing population density and expanding area make small contributions to energy consumption growth. The factor decomposition result of single city is more consistent with the overall situation, but there are differences between different cities. From the perspective of region, the more backward, the stronger the inhibitory effect of energy intensity decline is and the promoting effect of expanding of economic scale is. From the perspective of scale, down backward production capacity of room for improvement of small cities has not been made full use of. From the perspective of resource development stages, the recession cities do well in capacity improvement, but energy efficiency is still very low, maturation cities don’t make full use of room for improvement of down backward production capacity. Finally, some targeted suggestions are given: Optimize the industrial structure and transform the economic growth pattern from ‘extensive growth’ to ‘intensive development’. Develop the new energy and improve the efficiency of energy utilization. Give different guidance on saving energy and reduce consumption directed to different types of resource-based cities. Improve the consciousness of saving energy of companies and residents effectively by the enhancement of publicity and education.

resource-based cities； growth of energy consumption； factor decomposition； LMDI； difference analysis

2016-08-27

郭存芝，博士，教授，主要研究方向为资源与环境经济学。E-mail：gczhnj@163.com。

国家社会科学基金项目“我国资源型城市可持续发展影响因素及其影响机制的实证分析”(批准号：13BTJ026)；江苏高校优势学科建设工程资助项目。

F062.1

A

1002-2104(2017)01-0073-10

10.3969/j.issn.1002-2104.2017.01.009