基于能源消费经验分解的京津冀地区产业发展研究

侯小菲，陈 耀，陈 孜

HOU Xiao-fei1, CHEN Yao2, CHEN Zi2

1. 天津社会科学院 京津冀及城市群发展研究中心 天津 300191；2. 中国社会科学院工业经济研究所 北京100836；3. 中国社会科学院研究生院 北京 102488

1. Tianjin Academy of Social Sciences, Tianjin, 300191; 2. Institute of Industrial Economy of CASS, Beijing,100836; 3. Graduate School of CASS, Beijing, 102488

基于能源消费经验分解的京津冀地区产业发展研究

侯小菲1，陈 耀2，陈 孜3

HOU Xiao-fei1, CHEN Yao2, CHEN Zi2

1. 天津社会科学院 京津冀及城市群发展研究中心 天津 300191；2. 中国社会科学院工业经济研究所 北京100836；3. 中国社会科学院研究生院 北京 102488

1. Tianjin Academy of Social Sciences, Tianjin, 300191; 2. Institute of Industrial Economy of CASS, Beijing,100836; 3. Graduate School of CASS, Beijing, 102488

长期以来，京津冀地区的经济发展对于能源消费增长有着很大程度上的依赖，而在“十三五”期间，中国则面临着单位GDP能耗和能源消费总量两项指标的双控，总体目标也进而被分解到了各地区。京津冀地区的协同发展作为国家战略，在能源消费的硬约束下如何实现产业结构合理、区域协调的发展，解决经济增长与环境污染的矛盾是一项重大的议题。论文以京津冀地区的能源消费为研究目标，利用迪氏对数平均指数（LMDI）分解方法将能源消费增长分解为规模效应、技术效应和结构效应，从产业部门和区域差异两个视角分析了京津冀地区在过去近20年中能源消费的驱动因素，辨析出京津冀地区的能源消费在产业结构和区域差异中的演化特征。结论表明，第二产业的规模效应和河北在区域三大效应方面的贡献是京津冀地区能源消费变化的主导因素。

京津冀地区；能源消费；产业结构；区域差异；LMDI分解方法

一、引言

习近平总书记在2014年2月26日对京津冀协同发展提出七点要求，自此京津冀协同发展上升为重大国家战略。2014年4月，中共中央政治局召开会议审议通过《京津冀协同发展规划纲要》，为京津冀协同发展共建生态文明指明了方向。过去二十年间，京津冀地区经济总量增长迅猛，但可以发现，经济的增长与能源消费存在着长期的均衡关系，经济增长对于能源有强烈的需求，能源的投入对于经济增长有着显著的推动作用（郭轲、王立群，2015）[1]。与此同时，伴随着高度依赖能源消费的经济发展模式，生态环境及资源破坏等问题也频繁发生，并且愈演愈烈。

由于过去没有考虑京津冀协同发展的问题，污染相互叠加，影响更为严重，再加之行政分割，能源资源大量消耗，都对当前的京津冀协同发展形成制约。京津冀地区内部的产业结构失衡以及高污染、高能耗、高排放产业的较大占比更是加剧了环境污染问题的发生。

2011年，中国的一次能源消费总量超越美国成为全球最大能源消费国，能源供给面临着从“流量约束”向“存量约束”转变速度加快的危险。2012年中国最大的500个城市中，只有不到1%达到了世界卫生组织推进的空气质量标准，世界上污染最严重的10个城市之中有7个在中国，这些都表明中国的环境承载能力已达到或接近上限。如果继续保持过去的增长速度而不进行结构调整与提高能源效率，中国的经济增长将会对全球环境造成严重破坏。

2017年1月由国家能源局发布的《能源发展“十三五”规划》规定了十三五期间能源总量和强度的双控目标，并分解到了全国各个区域。这样一来，京津冀地区不仅具有了能源总量控制的刚性约束条件，又有了区域内产业转移和结构优化调整实现经济转型发展的现实需求。因此，对产业结构和区域的能源消费驱动因素进行识别和分析，有助于更好地促进产业结构从传统的粗放型向现代的生态型进行转变，以及发现区域对于能源消费变化的贡献特征，这是京津冀产业结构转型实现可持续发展的必要条件。

二、国内外相关研究进展

（一）能源消费分解的相关研究

分解分析主要指将能源消费或能源强度等随时间变化的综合性指标分解为规模因素、结构因素和技术进步因素，从而讨论各项因素对于能源体系的变化影响的分析框架，这种分解方法也成为环境经济研究领域（例如碳排放）常用的手段。早期Myers、Nakamura（1978）[1]等曾经在假定经济结构和部门结构不变的条件下研究了能源消费结构的变动因素，随后Reitler等（1987）[2]通过赋权改进了研究方法。Boyd等（1987）[3]建立了Divisia指数分解法，并初步提出了基于算数平均的乘数分解形式，即AMDI（Arithmetic Mean Divisia Index）方法，但由于存在分解残余项和0值问题，在应用中受到很大局限。Park（1992）[4]以及Howarth等（1995）[5]则采用Laspeyres指数法，构建了能源消费的标准化分解公式。Laspeyres指数法和Divisia指数法成为指数分解分析中最常见的两种方法。Ang、Choi（1997）[6]提出了对数平均值权重方法，并进行了加和分解（LMDI II），从而改进了Divisia指数法运用过程中可能出现的一些计算问题。Ang等（1998）[7]和Ang、Liu（2001）[8]则讨论和总结了Divisia指数法的乘数分解形式，即LMDI I。此外在Laspeyres指数分解法的应用方面，主要包括了Fisher指数分解（Ang等，2004）[9]，Shapley值分解（Albrecht等，2002）[10]和修正Laspeyres指数分解（Sun，1998）[11]等方法。

表1 各类指数分解方法文献介绍

（二）我国能源消费影响因素研究综述

改革开放以来，伴随着我国经济高速增长，工业化和城镇化水平快速提高，我国的能源需求激增。2012年中国能源消费总量为36.2亿吨标准煤，比2011年增长了3.8%，成为世界第一能源消费大国，同时，人均能源消费2.6吨标准煤，超过世界平均水平；能源强度仅下降2.01%，与3.5%的节能目标尚有较大差距。2017年，国家能源局印发的《能源发展“十三五”规划》为能源消费总量和单位GDP能耗的控制下达了硬性指标，近五年来，中国能源消费总量增长速度逐渐放缓，但总量仍然非常可观。国家统计局发布的《2015年国民经济和社会发展统计公报》显示：作为“十二五”的收官之年，2015年能源消费总量43.0亿吨标准煤，比上年增长0.9%。煤炭消费量下降3.7%，原油消费量增长5.6%，天然气消费量增长3.3%，电力消费量增长0.5%。煤炭消费量占能源消费总量的64.0%，水电、风电、核电、天然气等清洁能源消费量占能源消费总量的17.9%。全国万元国内生产总值能耗下降5.6%。

为了实现产业结构生态化发展，首先必须识别产业发展过程中能源消费情况及其影响因素。近年来，对于能源消费总量和能源消费强度的影响因素研究成为国内外研究的热点。

目前研究能源消费影响因素的常用方法有结构分解分析（Structural Decomposition Analysis, SDA）和指数分解分析（Index Decomposition Analysis,IDA）。其中SDA主要利用投入产出表，以消耗系数矩阵为基础，对各影响因素如产业部门最终需求等做出细致的分析，其主要的研究方法包括两级分解法、投入产出法等；其优点在于，可以根据投入产出表获得非常详细的行业数据，揭示部门之间的完全联系，便于展开深入的微观分析。但是其局限性也非常突出，因为投入产出表每五年才编制一次，故只能用于跨期研究；而且只能进行加法分解。IDA方法利用产业部门水平的总和数据，进行时间序列分解和区间分解。目前应用得较多的是区间分解，即对两个基准年之间的变化进行比较分析，而中间年份的变化则忽略不计。同时，指数分解可对部门进行分解，也可对不同国家、地区进行分解研究，与投入产出结构分解法相比，其计算简便，数据易得。

（三）我国能源消费指数分解研究综述

目前研究我国能源消费的影响因素主要从两个层面展开，一个是对能源消费总量的影响因素进行分解，另外一个是对能源消费强度和能源消费效率的影响因素进行分解。

其研究视角也较广，包括从国家范围来研究能源消费，也有一些研究从具体的省级区域范围来展开。同时，许多研究试图从产业部门和行业类别范围来研究不同产业的能源消费情况。总的来说，对能源消费的影响因素研究取得了丰硕的成果。（1）对能源消费总量的因素分解分析。梁进社等（2007）[12]用投入产出法将1990年代以来中国能源消费增长分解为最终需求效应、技术效应和中间需求效应，认为能源消费的关键因素是技术效应；李艳梅等（2008）[13]用两极分解法对1997年—2002年我国能源消费的增长因素进行分解分析，发现贡献率最大的是经济规模的增加；高振宇等（2008）[14]采用迪氏指数分解方法对我国“六五”时期以来的生产用能源消费情况进行了分解分析，认为产业能源效率的提高是我国控制能源消费规模的主要因素；尚红云、蒋萍（2009）[15]基于投入产出分析，推导能源消费变动的一种前沿性结构分析形式，将能源消费变动分解为能源强度变动、技术进步变动和最终需求三种影响因素；房斌、魏一鸣（2011）[16]用基于投入产出的分解模型，对中国居民间接生活能源消费的增长原因进行了实证分析；吴巧生（2010）[17]利用Fisher指数分解模型从产业层面考察了我国工业化过程中的能源消费总量变化强度及影响因素；田园宏（2011）[18]基于IPAT方程运用完全分解法对上海市2000年—2009年间能源消费量进行了分析，探讨规模效应、技术效应和结构效应等影响能源消费的关键因素在能源消费波动方面的影响；刘元华（2011）[19]运用结构分解分析能源消费驱动因子，将能源消费增量分解为产出因子、效率因子、产出效率因子、产出结构因子、人口因子、生活方式因子和人口生活方式因子，分别分析各因子对能源消费增量的影响。（2）能源消费强度和能源效率的分析：李国璋等（2008）[20]利用迪氏指数分解法对1995年—2005年我国能源强度变动进行区域因素分解，认为由区域内能源强度所显示的区域内技术进步因素是影响中国能源强度变动的决定因素；吴巧生等（2006）[21]用简单平均微分方法对我国1980年—2004年的能源强度进行因素分解，认为工业部门的技术改进是影响能源消费强度的主导因素；师博（2007）[22]应用拉斯贝尔指数分解模型对中国1980年至2005年总能源强度进行分析，认为由于存在二元经济结构转换特征，产业结构变动无法从整体上对能源强度改进产生积极影响；史丹（2008）[23]用方差分解方法分析测算了1980年—2005年中国能源效率地区差异中各因素的作用大小；屈小蛾（2009）[24]基于DEA-Malmquist生产率指数，实证测算了1990年—2006年我国30个省份全要素能源效率及技术进步、技术效率指数；李力、王凤（2008）[25]用五种常用的因素分解法研究了1995年—2006年的中国制造业能源强度，指出我国制造业能源强度总体保持下降趋势，其中效率因素是主要原因；洪丽璇、梁进社（2011）[26]利用能源分解方法，对99个地级以上城市在2001年—2006年间工业能源消费量变化进行分解；董锋（2010）[27]从产业结构、技术进步、对外开放程度三个方面选择了第三产业、R&D技术知识存量、GDP与GNP之差三个变量，用协整分析方法对中国能源强度和三个变量之间的长期均衡关系进行了研究。

从掌握的文献看，目前在能源消费和能源强度的分解研究中，运用Laspeyres和Divisia分解方法较多，投入产出结构分解和其他方法较少。从分解的层次看，产业部门和区域的层次较多，而从产品和企业层次的分解较少。从分解的形式看，加法分解较多，乘法分解较少。从已有的研究看，由于采用的研究方法和分解层次不同，具体的研究结果有所差异。总体而言，众多研究者都是将能源强度的变化归结为产业结构调整和部门能源效率变化（结构份额和效率份额）共同作用的结果，大致产生了2种具有代表性的结论：（1）技术进步决定论，即认为技术进步是我国能源效率提高的决定性因素，这是国内大部分学者得出的共性结论；（2）发展阶段变化论，这部分主要是由较长时间序列分析结果得到，即对改革开放以来的能源消费变动进行分析，结论认为在不同的经济发展阶段，产业结构因素和技术因素（结构份额和效率份额）对能源强度的下降的作用不同。

本研究从产业和区域两个层面分别分析京津冀地区经济发展过程中的能源消费的总量和强度的影响因素。进而辨析出京津冀地区产业结构生态化过程中面临的能源约束的影响因素。产业划分原则是根据《国民经济行业分类》（GB/T 4754—2002），将国民经济行业划分为三次产业：第一产业是指农、林、牧、渔业；第二产业是指采矿业，制造业，电力、燃气及水的生产和供应业，建筑业；第三产业是指除第一、二产业以外的其他行业，包括：交通运输、仓储和邮政业，信息传输、计算机服务和软件业，批发和零售业，住宿和餐饮业，金融业，房地产业，租赁和商务服务业，科学研究、技术服务和地质勘查业，水利、环境和公共设施管理业，居民服务和其他服务业，教育，卫生、社会保障和社会福利业，文化、体育和娱乐业，公共管理和社会组织，国际组织。

三、能源消费分解模型及数据来源

（一）能源消费模型运算公式推导

综合近年来研究能源消费影响因素的文献，许多学者将经济增长影响能源消费的变化分解为规模效应、结构效应和技术效应三个方面，可以表示为：

其中，E表示当年的能源消费总量；Ei表示i层面的能源消费量（在区域分解中，i分别表示北京、天津和河北三个地区；在行业分解中，i分别表示第一、二、三产业部门）；Q表示当年的地区生产总值；Qi表示i层面的经济增加值（在区域分解中，i分别表示北京、天津、河北；在行业分解中，i分别表或区域的增加值占GDP的比重；Ii表示产业部门或区域的能源效率。

对式（1）两边求时间的导数可得：

公式（2）的分析是在连续时间的前提下进行的，因为统计数据多是以离散数据表示的，为了分析实际的问题，借鉴Divisia指数方法，对公式（1）两边取对数并对时间求导得到：

将上式进行定积分的运算，得到：

所以有：

根据Boyd 等提出的方法，可以取两个端点值的算术平均值，则式（5）可以运算为：

且L( x, y) =x。则可构造对数平均数：

因此：

该分解方法为完全分解方法，式（9）右边的三项分别是规模效应、结构效应和技术效应。则式（9）可写为：

即总的能源消费变化可以写成规模、结构和技术效应的乘积。进一步对式（10）两边取对数得到：

公式（9）为基本运算公式，公式（10）和公式（14）分别为乘法分解形式和加法分解形式。

（二）数据来源及说明

为了分析京津冀地区能源消费的影响因素，本研究主要选取北京、天津、河北三地的GDP、第一、二、三次产业增加值、一次能源消费总量、第一、二、三次产业的一次能源消费量数据进行统计分析。其中，GDP、第一、二、三次产业增加值数据来自于历年的《北京市统计年鉴》《天津市统计年鉴》《河北经济年鉴》；历年一次能源消费总量数据来自于历年《能源统计年鉴》；三次产业部门的能源消费量来自于《能源统计年鉴》中的能源平衡表和各地历年的《国民经济与社会发展统计公报》。按照《国民经济行业分类》（GB/T 4754—2002）中的行业划分原则对相关的行业数据和能源消费数据进行加总。

（三）京津冀地区能源消费产业部门影响因素分解结果分析

根据前文所述的分解模型，从产业部门层面分别计算了1995年—2015年共20个时段的影响京津冀地区能源消费的规模效应、结构效应和技术效应。具体的乘法分解结果和加法分解结果见表2和图1。

图1 京津冀地区能源消费产业部门驱动因素加法分解（1995年—2015年）

从图1可以看出，京津冀地区产业发展过程中，整体的能源消费变化总效应从1995年到1998年能源消费的总体趋势是递减的，随后从2000年开始到2003年间呈现递增的趋势。在这之后，从2004年到2008年间能源消费呈现小幅下降的趋势，2009年上升较为明显，而后下降。分析历年来能源消费变动的原因，1997年亚洲金融危机和2008年开始的全球经济危机对经济造成的冲击显著地体现在能源消费总量的变化上。本研究利用LMDI方法从产业部门层面将能源消费变化分解为规模效应、结构效应和技术效应。发现从总量上看，规模效应和京津冀地区能源消费变化的相关性最大，这表明，京津冀地区经济规模的增加是能源消费变化的主要原因。从1995年到2015年，绝大多数年份的结构效应为负值，说明产业结构的重型化是造成京津冀地区能源消费增加的主要原因之一。技术效应变化趋势分析结果中，除1998年—2001年几年的变化为正值外，其余所有年份的数值均为负，说明产业技术进步导致的能源消费总量的降低是整体降低能源消费的有效手段。同时，能源强度的变化可以分为结构份额和效率份额，从结构效应和技术效应变化两方面的结果可以得到，技术效应变化是影响能源强度变化的主要原因。这与大部分已有的研究结果是一致的。为了更详细地分析京津冀地区能源消费变化的原因，下面分别分析三次产业部门的规模效应、结构效应和技术效应。

表2 京津冀地区产业部门能源消费的驱动因素分解（1995年—2015年）

1. 京津冀地区产业部门能源消费的规模效应分析

为了进一步分析京津冀地区产业部门能源消费的规模效应（三次产业部门产业增加值占当年GDP比重），研究将产业部门分为第一产业、第二产业和第三产业，利用迪氏对数平均指数分解方法分析，分解结果如表3和图2。

表3 京津冀地区产业部门能源消费的规模效应因素分解结果（1995年—2015年） 万吨标煤

图2 京津冀地区产业部门能源消费的规模效应因素分解结果（1995年—2015年）

根据分析结果，从总体看，从1995年到2015年，随着京津冀地区三次产业规模效应造成的能源消费增加绝大部分年份大于总的能源消费增量。这说明，随着经济发展，经济总量的增加是导致能源消费增加的主要原因。再分析产业部门内不同产业部门的规模效应不同：第二产业规模效应在整个规模效应中的比重最大，并且整体变动趋势几乎和整个规模效应相同，第三产业其次，而第一产业较为平稳，影响也较小。另外，从图中还可以发现一个趋势是第二产业的规模效应在整个规模效应中的比重越来越小，而第三产业的规模逐渐增加。

党的十八大明确到2020年我国建成小康社会，人均可支配收入翻番，这些目标都是建立在经济发展的基础上，由此可以预见，经济规模在未来将持续扩大，且随着工业化的推进，为了减缓我国能源消费需求增加的趋势，进行结构调整和提高经济效率的需求越来越紧迫。

2. 京津冀地区产业部门能源消费的结构效应分析

产业部门的结构变化同样会导致能源消费的变化，为了分析京津冀地区产业结构的变化对总的能源消费的影响，本研究利用迪氏对数平均指数分解方法进一步分析了京津冀地区三次产业的结构效应所导致的能源消费变化，结果见表4和图3。

图3 京津冀地区产业部门能源消费的结构效应因素分解结果（1995年—2015年）

表4 京津冀地区产业部门能源消费的结构效应因素分解结果（1995年—2015年） 万吨标煤

计算产业结构（即三次产业当年的增加值占GDP的比重）变化的趋势结果如图3。结果显示：1995年—2015年间，产业结构变化趋势与总的能源消费增量变化趋势走向相似，但是相关度低于规模效应，说明产业发展的结构效应对京津冀地区能源消费变化的影响相对较小，结构效应是驱动京津冀地区能源消费变化的次要因素。

不同产业部门的结构效应也不相同：第二产业的结构效应与总的结构效应相关度最大，其数值符号保持一致，且前者的绝对值要高于后者，虽然北京地区第三产业早已超过第二产业所占比重，但是天津和河北的经济发展仍然主要依靠第二产业进行带动，第二产业的比重都超过50%；第一产业的结构效应在总的结构效应中份额较小，且变化趋势较为平稳；第三产业的结构效应在总的结构效应中的比例逐渐增加。

从以上分解结果看，从1995年—2015年京津冀地区产业发展的结构效应不是驱动能源消费增加的最主要因素，这也说明通过调整结构来控制能源消费的增加有很大的潜力，也是未来发展关注的重点。

3. 京津冀地区产业部门能源消费的技术效应分析

产业部门的技术变化会导致能源消费的变化，为了分析京津冀地区产业技术的变化对总的能源消费的影响，本研究利用迪氏对数平均指数分解方法进一步分析了京津冀地区三次产业的技术效应导致的能源消费变化，结果见表5和图4。效应为正，其余数值为负，这说明除1998年和2001年产业部门的技术效应变化导致总的能源消费增加，其余各年技术效应减少了京津冀地区的能源消费总量。分析技术效应与总的能源消费的变化，除了2008年—2011年其相关度不大，其他年份表现出一定的相关性，这说明技术效应已经可以在一定程度上驱动京津冀地区能源消费总量的变化，也就是说，通过提升产业部门的技术进步来降低能源消费还有一定潜力。

表5 京津冀地区产业部门能源消费的技术效应因素分解结果（1995年—2015年） 万吨标煤

不同产业部门内技术效应的贡献份额也不一致：第二产业的技术效应与总的技术效应的相关度最大，这表明，第二产业内技术的进步是整个技术效应降低能源消费的重要原因，其后是第三产业，第一产业内的技术效应波动不大。

从以上结果总体看来，京津冀地区产业发展的技术效应对驱动能源消费减少的作用越来越大，但是从目前来看，技术效应还不是驱动能源消费变化的最主要原因，通过改进技术、降低能源强度来降低京津冀地区经济发展过程中的能源消费总量的空间仍然很大，尤其是通过提高第二产业和第三产业的能源效率，改进技术是未来发展的重点，同时，也为京津冀地区走绿色环保的健康发展道路提供了一个思路。

（四）京津冀地区区域能源消费区域影响因素分解分析

图4 京津冀地区产业部门能源消费的技术效应因素分解结果（1995年—2015年）

1995年—2015年间三次产业的技术效应分解结果如上图4所示。结果显示，除了1998年和2001年技术

根据前文所述的迪氏对数平均指数分解模型，考虑数据的可得性，从区域层面分别计算了1995年—2015年共20个时段的影响京津冀地区能源消费的规模效应、结构效应和技术效应。具体的乘法分解结果和加法分解结果如表6和图5。

表6 京津冀地区能源消费区域部门驱动因素分解（1995年—2015年）

图5 京津冀地区能源消费区域部门驱动因素加法分解（1995年—2015年）

从以上的分析结果可以看出，京津冀地区能源消费总量出现先增后降的趋势，但是每年增加和降低的幅度各不相同。从1995年到1999年间，每年的能源消费在上一年的基础上增加幅度较小，但从2000年之后，每年的能源消费大幅增加，2005年到2007年略有下降，之后直到2010年持续上升，2010年之后再次下降，2013年以后变化幅度极小，基本持平。

从区域的层面分析京津冀地区能源消费变化的驱动因素，将驱动京津冀地区总的能源消费变化的因素分解为规模效应（区域总的经济增长因素）、结构效应（不同区域的经济总量占整个地区经济总量的变化因素）和技术效应（不同区域能源利用效率变动的因素）三个因素，发现规模效应和技术效应是引起京津冀地区能源消费变化的两个主要原因，相对来说结构效应的影响非常小。另外从图5可以得到，1995年—1999年间，规模效应和技术效应两种因素对京津冀地区能源消费变化的影响相近，从1999年后，规模效应对京津冀地区能源消费变化的影响大于技术效应，说明1999年后京津冀地区总体经济增长带来的能源消费增加量大于由于能源效率的提高而导致的能源消费的减少量。

1. 京津冀地区区域能源消费的规模效应分析

为了进一步分析京津冀地区区域能源消费的规模效应（三个不同地区产业增加值占当年GDP比重），利用迪氏对数平均指数分解方法分析，分解结果如表7和图6。

图6 京津冀地区能源消费的规模效应因素分解结果（1995年—2015年）

计算得到区域能源消费规模效应（不同区域产业增加值占当年GDP比重）的份额和变化结果见图6。

表7 京津冀地区能源消费的规模效应驱动因素分解（1995年—2015年） 万吨标煤

从总体看，除去1998年、2001年、2002年，在1995年—2015年京津冀地区经济规模效应（各区域的经济总量增加造成的能源消费变化的效应）造成的能源消费增加均大于京津冀地区总的实际能源消费量。这说明，随着经济发展，区域经济总量的增加是导致京津冀地区能源消费增加的主要原因。从不同区域的规模效应来看，河北经济发展的规模效应在整个规模效应中的比重最大，北京和天津经济发展的规模效应影响不大。另外，2003年至2011年期间河北省的规模效应的贡献比例始终高于60%。2008年和2011年是两个明显的拐点，规模效应出现大幅下降，其他年份三个地区整体的规模效应呈现增加趋势，2010年之后，下降也较为明显。出现这些结果的原因可能是，2008年世界金融危机影响了全球经济的发展，京津冀地区经济发展同样受到影响。

上述分析结果表明，虽然所考察的时间序列内京津冀地区的经济规模效应造成的能源消费总体是呈现先升后降的趋势，但是这与京津冀地区经济规模快速扩张而后北京和天津进入平稳阶段的背景相吻合。不同地区的规模效应差别很大，且不同地区的规模效应变化趋势也不相同，这就为将来通过缩小区域差距降低京津冀地区能源消费和制定相关的协同发展的区域政策指明了方向。

2. 京津冀地区区域能源消费的结构效应分析

区域部门的结构变化会导致能源消费的变化，为了分析京津冀地区区域经济的变化对总的能源消费的影响，本研究利用迪氏对数平均指数分解方法进一步分析了京津冀三地的结构效应导致的能源消费变化，结果见表8和图7。

表8 京津冀地区能源消费的结构效应驱动因素分解（1995年—2015年） 万吨标煤

图7 京津冀地区能源消费的结构效应因素分解结果（1995年—2015年）

计算不同区域结构效应（即该区域当年的产业增加值占GDP的比重）变化的趋势结果如图7。结果显示，1995年—2014年间区域结构变化趋势与总的能源消费增量变化趋势相关度不大，说明区域的结构效应对京津冀地区能源消费的变化的影响相对较小，区域结构效应并非是驱动京津冀地区能源消费变化的主要因素。但在所考察的时间序列内，除了1995年、2003年、2007年、2009年和2010年五个年份之外，区域结构效应为负，说明大部分的时间内，区域结构效应降低了能源消费总量。

不同地区的结构效应也不尽相同，从1995年—2015年间，北京地区的结构效应累计623.71（负数代表降低总的能耗，正数代表增加总的能耗）万吨标准煤，天津为1366.76万吨标准煤，河北为-3976.19万吨标准煤，对应的三地总的结构效应为-1985.72万吨标准煤。这表明，在所考察时间序列中，河北是影响结构效应最大的区域，累计降低能耗1985.72万吨标准煤。

从以上分析结果可知，在所考察的年份中，结构效应对总的能源消费变化影响不大。但是考察不同地区的结构效应可以发现，不同地区的节能潜力不一，相对而言，河北的节能潜力最大。

3. 京津冀地区区域能源消费的技术效应分析

技术变化会导致能源消费的变化，为了分析京津冀地区产业技术的变化对总的能源消费的影响，本研究利用迪氏对数平均指数分解方法进一步分析了京津冀三地产业的技术效应导致的能源消费变化，结果见表9和图8。

表9 京津冀地区能源消费的技术效应驱动因素分解（1995年—2015年） 万吨标煤

图8 京津冀地区能源消费的技术效应因素分解结果（1995年—2015年）

1995年－2015年间不同区域的技术效应分解如图8所示。分析结果：除1999年的技术效应为正，其余年份的数值为负，这说明除了1999年京津冀地区能源效率降低，其余年份由于技术进步导致能源效率提高。从1995年—1999年总的技术效应是上升的，1999年后，区域技术效应又开始下降，2008年由于经济危机的影响出现反弹，2008年—2011年出现波动，而后进入平稳阶段，比2006年略有上升。

另外不同地区内技术效应的贡献份额差别很大，河北省对技术效应的贡献最大，在考察的时间序列内，河北的技术效应导致能源消费累计降低22754.57万吨标准煤，其次为北京，天津最小，为6047.74万吨标准煤。

从以上分析结果来看，京津冀地区区域技术的变动对能源消费的作用较大，但是区域技术效应还不是驱动能源消费变化的最主要原因。因此，通过发展绿色技术，提高能源效率实现绿色发展来推动京津冀地区实现减量化的发展空间还有很大。另外一方面，京津冀地区内部的技术差距较大，河北的能源利用效率亟待提高。

四、基本结论

本文以京津冀地区的能源消费为例，利用迪氏对数平均指数（LMDI）分解方法将能源消本文以京津冀地区的能源消费为例，利用迪氏对数平均指数（LMDI）分解方法将能源消费增长分解为规模效应、技术效应和结构效应，从产业部门和区域差异两个视角分析京津冀地区在过去近20年中能源消费的驱动因素，进而辨析出京津冀地区的能源消费的变化在产业结构和区域差异中的变化特征。

1. 从产业部门层面的分解结果看，京津冀地区的产业发展过程中，整体的能源消费变化总效应从1995年到1997年能源消费的总体趋势是平稳的，随后从2000年开始到2003年间呈现递增的趋势。在这之后，从2004年到2008年间能源消费呈现小幅下降的趋势，2009年上升较为明显，而后下降。研究利用LMDI方法从产业部门层面将能源消费变化分解为规模效应、结构效应和技术效应。从加法分解的结果上看，规模效应和京津冀地区能源消费变化的相关性最大，这表明，京津冀地区经济规模的增加是能源消费变化的最主要原因；同时，结构效应的数值绝对值较小，且在2010年之后主要体现为负效应；技术效应则是影响京津冀地区能源消费变化的重要原因，在绝大多数年份为负值，为能源消费增长提供了负向作用，相较结构效应，技术效应是降低能源消费的核心驱动因素。

通过对于规模效应、结构效应和技术效应在产业结构层面的进一步分解，得到三次产业对于三种效应的贡献，并得到了如下结论：第二产业的贡献是规模效应的主导因素，其整体变动趋势几乎和整个规模效应相同，而规模效应又是近20年来影响能源消费变化的核心驱动因素，因此，可以进一步判断，从产业角度看，第二产业的规模效应是导致京津冀区域的能源消费增长的最重要原因；结构效应方面，第二产业的结构效应变化也牵引着总的结构效应；在技术效应上，第二产业内技术的进步是整个技术效应降低能源消费的重要原因，第三产业其次。

2. 从区域的层面分析京津冀三地能源消费变化的驱动因素，将驱动京津冀地区总的能源消费变化的因素分解为规模效应（区域总的经济增长因素）、结构效应（不同地区的经济总量占整个区域经济总量的变化因素）和技术效应（不同地区能源利用效率变动的因素）三个因素。从加法分解的结果上发现，规模效应和技术效应是引起京津冀地区能源消费变化的两个主要原因，前者是能源消费增加的核心驱动因素，而后者则是减少能源消费的关键力量，相对来说结构效应的影响较小。并且1995年—1998年间，规模效应和技术效应两种因素对京津冀地区能源消费变化的影响相近，从1999年后，规模效应对京津冀地区能源消费变化的影响大于技术效应。

通过对于规模效应、结构效应和技术效应在北京、天津和河北省三个区域层面上的进一步分解，得到三个地区对于三种效应的贡献，并有如下发现：在规模效应方面，河北省的贡献比例始终保持最高，自2000年到2013年，其贡献比例均高于50%，在2003年至2011年期间贡献比例始终高于60%，而北京则从1998至2002年保持着30%以上的贡献变化为2003年至2012年间的不足20%的贡献率，这样的结果也反映了2003年—2011年期间京津冀区域的能源消费和河北省经济规模之间的强烈联系，从层面印证了在京津冀整体视角下，河北省的经济相比北京和天津有趋向于高能耗的特征，出现了区域发展的失衡；在结构效应方面，河北省的贡献最为突出，体现出能源要素在区域之间的分配或流动导致的区域减排潜力增加的情形对于河北省最为显著；在技术效应方面，河北省的贡献份额最大，在2003年至2012之间的大多数年份里保持着60%以上的贡献，天津的贡献在2005年之后维持在20%之下。

3. 产业角度的能源消费的演变规律，反映出了京津冀区域在过去20年间的能源消费的增长与第二产业规模扩张密切联系，直到2013年产业部门的能源消费出现了逆转趋势。同时，区域特征上河北省的规模、结构和技术效应也主导了京津冀区域的能源消费的变化。因此，为实现京津冀区域能源消费增长和经济发展脱钩，合理控制京津冀地区第二产业的规模，并以河北省为能源要素分配优化、能源效率提高的主攻区域是未来区域能源战略的关键任务。

另一方面，可以看到，2014年—2015年，京津冀协同发展战略的出台后，能源消费的增长控制和区域的发展协调程度出现明显积极的趋势，一方面能源消费的增量在逐步减小，另一方面，河北省对于规模效应的贡献比例显著降低，从2003年—2012年之前几乎年年高于60%减少至2014和2015年的45%上下，体现了河北省对于改变经济增长与能源消费之间均衡关系的导向已经初步显现。

[1] MYERS J, NAKAMURA L. Saving Energy In Manufacturing [M].Cambridge, Ma: Ballinger, 1978.

[2] REITLER R S. Analysis of the Factors Influencing Energy Consumption in Industry: A revised method[J]. Energy Economics, 1987, 9(3): 145-148.

[3] BOYD G A, HANSON D A, STERNER T. Decomposition of Changes in Energy Intensity—a Comparison of the Divisia Index and Other Methods [J]. Energy Economics, 1988, 10(4): 309-312.[4] PARK S H, DISSMANN B, NAM K Y. A Cross Country Decomposition Analysis of Manufacturing Energy Consumption [J]. Energy,1993, 18(8): 843-858.

[5] HOWARTH R B, SCHIPPER L, DUERR P A. Manufacturing Energy Use in Eight OECD Countries [J]. Energy Economics, 1991,13(2): 135-42.

[6] ANG B W, CHOI K H. Decomposition of Aggregate Energy and Gas Emission Intensities for Industry: a Refined Divisia Index Method [J]. The Energy Journal, 1997, 18(3): 59-73.

[7] ANG B W, ZHANG F Q, CHOI K H. Factorizing Changes in Energy and Environmental Indicators through Decomposition [J].Energy, 1998, 23: 489-495.

[8] ANG B W, LIU F L. A New Energy Decomposition Method:Perfect in Decomposition and Consistent in Aggregation [J].Energy, 2001, 26(6): 537-548.

[9] ANG B W, LIU F L, CHUNG H S. A Generalized Fisher Index Approach to Energy Decomposition Analysis [J]. Energy Economics, 2004, 26(5): 757-763.

[10] ALBRECHT J, FRANCOIS D, SCHOORS K. A Shapley decomposition of carbon emission without residuals [J]. Energy Policy,2002, 30: 727-736.

[11] SUN J W. Accounting for Energy Use in China 1984-1994[J].Energy, 1998(23): 835-949.

[12] 梁进社，郑蔚，蔡建明. 中国能源消费增长的分解——基于投入产出方法[J]. 自然资源学报, 2007(6): 853-864.

[13] 李艳梅, 张雷. 中国居民间接生活能源消费的结构分解分析[J].资源科学, 2008(6): 890-895.

[14] 高振宇, 王益. 我国能源生产率的地区划分及影响因素分析[J].数量经济技术经济研究, 2006(9): 46-57.

[15] 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(2): 214-223.

[16] 房斌, 关大博, 廖华, 等. 中国能源消费驱动因素的实证研究: 基于投入产出的结构分解分析[J]. 数学的实践与认识,2011(2): 66-77.

[17] 吴巧生. 中国工业化进程中的能源消耗强度变动及影响因素——基于费雪(Fisher)指数分解方法的实证分析[J]. 经济理论与经济管理, 2010(5): 44-50.

[18] 田园宏, 刘国平, 曹莉萍. 上海市能源消费影响因素研究——基于IPAT方程与完全分解法分析[J]. 盐城工学院学报(社会科学版), 2011(4): 37-40.

[19] 刘元华, 吴玉峰, 李新, 等. 中国能源消耗增量结构分解研究[J]. 中国人口·资源与环境, 2011(S2): 347-350.

[20] 李国璋, 王双. 中国能源强度变动的区域因素分解分析——基于LMDI分解方法[J]. 财经研究, 2008(8): 52-62.

[21] 吴巧生, 成金华. 中国能源消耗强度变动及因素分解[J]. 经济理论与经济管理, 2006(10): 34-40.

[22] 师博. 中国能源强度变动的主导效应分析——一项基于指数分解模型的实证研究[J]. 山西财经大学学报, 2007(12): 24-28.

[23] 史丹, 吴利学, 傅晓霞, 等. 中国能源效率地区差异及其成因研究——基于随机前沿生产函数的方差分解[J]. 管理世界,2008(2): 35-43.

[24] 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.

[25] 李力, 王凤. 中国制造业能源强度因素分解研究[J]. 数量经济技术经济研究, 2008(10): 66-74.

[26] 洪丽璇, 梁进社, 蔡建明, 等. 中国地级以上城市工业能源消费的增长——基于2001～2006年的数据分解[J]. 地理研究,2011(1): 83-93.

[27] 董锋, 谭清美, 周德群, 等. 技术进步、产业结构和对外开放程度对中国能源消费量的影响——基于灰色关联分析-协整检验两步法的实证[J]. 中国人口·资源与环境, 2010(6): 22-27.

Research on Industrial Development of Beijing - Tianjin - Hebei Region Based on Decomposition of Energy Consumption

For a long time, the economic development of the Beijing-Tianjin-Hebei region have largely depended on the increase of energy consumption. During the 13th Five-Year Plan, the country is faced with dual missions of controlling total amount of energy consumption and energy consumption per unit of GDP. The general goal has been dispatched to individual regions. Beijing-Tianjin-Hebei integration is one of the three strategic initiatives put forth by the central government. To rationalize industrial structure and to achieve balanced regional development,especially under the strict constraints of energy consumption, it is crucially important to resolve the contradiction between economic growth and environmental pollution. This paper aims to study the energy consumption of theBeijing-Tianjin-Hebei region using LMDI decomposition method by dividing the increase of energy consumption into scale effect, technological effect and structural effect. After reviewing the international and domestic literature that introduced and discussed the decomposition method of energy consumption in the past few decades, this paper analyzed the driving factors of energy consumption of the Beijing-Tianjin-Hebei region in the past twenty years, and explored from two different angles which are industrial sectors and regional differences. The evolving characteristics of energy consumption from different industry sectors and regional areas in the Beijing-Tianjin-Hebei region are studied and discussed afterwards.

Beijing-Tianjin-Hebei region; energy consumption; industrial structure; regional difference; LMDI decomposition method

F426

A

1007-6875(2017)05-0044-12

10.13937/j.cnki.hbdzdxxb.2017.05.007

天津市哲学社会科学规划智库项目“涉环保项目‘邻避’问题治理能力提升机制研究”（TJZK170503）。

侯小菲（1986—），女，上海人，经济学博士，任职于天津社会科学院京津冀及城市群发展研究中心，研究方向为可持续发展经济学、环境经济学、区域经济学。陈耀（1958—），男，湖南长沙人，经济学博士，研究员、博士生导师，中国社会科学院工业经济研究所区域经济研究室主任，中国区域经济学会副会长，研究方向为区域经济、产业空间组织和政府政策、国家区域政策等。陈孜（1990—），男，湖北宜昌人，中国社会科学院研究生院博士研究生，研究方向为可持续发展经济学。

（责任编辑：周吉光）