基于BP结构突变的中国能源强度及因素分解研究

夏晨霞+王子龙

摘要能源是人类生存和发展的物质基础，是中国经济可持续发展的关键。中国能源消耗量虽在逐年降低，但仍是世界上能源消耗量最大的国家。伴随常规能源的日益枯竭，能源安全问题成为中国经济可持续发展的瓶颈，因此，降低能源强度迫在眉睫。系统研究中国能源强度下降原因并进行因素分解有助于深入把握能源变动规律，具有重要的现实意义和应用价值。文章运用BP结构突变模型对1980—2015年能源强度突变点检验，建立LMDI分解模型，将能源强度分解为部门能源强度、运输线路单位长度能耗、运输线路产出能耗、人均生活用能、城市化、人均收入效应、产业结构、能源结构八个因素，分析能源强度各阶段动因变化特征。计算结果表明，受经济发展及国家政策冲击，能源强度在1980—2015年样本期间存在1991年、2002年和2008年三次结构突变，形成四阶段不同增长趋势。能源强度在样本期间呈整体下降趋势，能源强度各阶段主要影响因素不同，但是部门能源强度和能源结构对中国能源强度作用最大，人均生活用能、人均收入效应和产业结构中的交通运输仓储及邮电通信业对能源强度影响显著；在样本期内，各影响因素作用方向转变导致能源强度阶段特征不同。针对中国能源强度的阶段特征，提出开发推广可再生能源技术以调整能源结构；促进应用低碳节能产品以降低生活用能；推动增加第三产业比重以提高人均收入水平；加快建设运输节能技术以降低交通运输业能源强度等对策建议。

关键词能源强度；BP结构突变；因素分解；能源结构

中图分类号F206

文献标识码A文章编号1002-2104（2018）02-0028-08DOI：10.12062/cpre.20170716

能源是人類生存和发展的物质基础，是中国经济可持续发展的关键。近年来，随着世界范围内以发展中国家高能源强度为特征的经济快速发展，使能源消耗量大增。2016年中国能源消耗量虽有所降低，但仍是世界上一次能源消耗量最大的国家，占全球能源消费量的23%。常规能源的日益枯竭，致使能源安全问题成为中国经济可持续发展的瓶颈。能源强度是一个国家或地区、部门或行业在一定时间内生产单位产品所消耗的能源量，反映了能源的利用效益。2016年政府提出“未来五年中国单位国内生产总值能耗下降15%”。因此对能源强度进行研究，分析影响能源强度因素，不仅能够反映经济结构转型和经济管理系统面临的能源需求，而且对于政策制定实施具有明显的指导意义。本文使用BP结构突变点对中国1980—2015年能源强度进行阶段性特征划分，检验出突变点为1991年、2002年、2008年，将样本期间划分为四个时间段，并对突变点产生原因进行经济、政策分析，采用LMDI方法测算城市化、人均用能、人均收入等因素的贡献率，这也是本文的理论贡献。

1文献综述

由于工业化发展水平、能源消费结构、技术进步、人口因素等存在阶段性差异，对能源强度均存在一定影响，因此对能源强度影响因素的研究一直是学术界探讨的热点问题。国外关于能源强度的研究多集中于从国家层面进行分析。Alvydas Baleentis等[1]对立陶宛1995—2009年的能源强度进行分析，认为经济与能源效率相关，国家应制定相关政策，并和企业合作，在运输方面提高能源效率。国内关于能源强度的研究进行了部门划分，能源强度影响因素包括能源替代、产业结构、技术进步及城市化。阚大学、罗良文[2]运用空间滞后模型研究了城市化对能源强度的影响，认为短期内城市化水平对能源强度的影响在增强，长期看，城市化有助于降低能源强度。张成龙、李继锋等[3]对中国四十二个产业部门1997—2007年数据进行能源强度变化率分解，认为部门能源强度与中国能源强度正相关，产业结构改变导致能源强度上升。从以上可以看出，关于能源强度的文献研究，涉及国家、省份或工业行业，可以看出对能源强度的因素分解由初期在整个样本长度上分析产业结构、技术进步这些因素逐渐增加了城市化、工业化等对能源强度的影响，但是集中地研究关于城市化、人均用能、人均收入、运输交通等对能源强度影响的研究较少；对样本划分方式集中于产业划分，较少进行部分划分研究各部分总体主要影响因素。

国内外对能源强度阶段性研究的文献较少。Lidia Andrés和Emilio Padilla[4]逐年分析1996—2012年间西班牙公路运输业的能源强度影响因素，以提高货运道路的能源效率。国内对能源强度阶段性的研究多集中于工业行业及省份。张伟、朱启贵[5]对中国工业部门1994—2007年能源消费量的趋势深入研究，考虑了能源消费结构、部门能源强度与部门增加值占比因素，根据“五年规划”时间段划分进行因素分析。郑若娟、王班班[6]对中国制造业能源强度变化的因素研究，选取1994—2009年作为样本时间段，根据图表观察法，对能源强度变动趋势进行划分说明。综合国内外研究文献可以看出：对能源强度阶段性划分多使用观察法，但观察法因为数据偏差或者统计误差产生不同；而以政策制定时间进行划分，虽然具有一定合理性，但是难以反映能源强度受冲击导致数据内部分布变化情况。相关研究成果对能源强度阶段性划分的文献研究较少，缺乏对能源强度变化规律的深层次分析；现有研究多集中于根据“五年规划”分析能源强度影响因素，研究结果具有一定的主观性，没有从整体上突出能源强度变化的特征。因此，本文使用BP结构突变点对能源强度进行阶段性划分，能够较准确、直观的划分能源强度，研究成果具有重要的理论意义与应用价值。

2中国能源强度的阶段特征

2.1BP结构突变模型

在经济活动和环境变化中，一些事件的冲击和调整容易导致经济结构发生变化，这样的时间序列数据称为确定性非平稳。中国为促进能源向低碳化转型，对能源政策进行了调整和约束，对能源结构和能源技术进行了优化和提高，因此能源强度有可能发生结构突变。

结构突变始于Chow检验[7]，但此方法只能用于突变点已知的情况下，且只能检测到一个突变点。Bai和Perron[8]对结构突变点进行了深入研究，提出了“内生结构突变检验”这一方法。此方法可以检测到多个突变点存在，Bai[9]证明了此方法在小样本情况下也具有较好的检验水平和检验功效，是目前较为准确、客观的方法。endprint

假定时间长度为T的线性回归模型中存在m个结构突变点：

yt=x′tβ+z′tδ1+ut，t=1，2，…，T（1）

yt=x′tβ+z′tδ2+ut，t=T1+1，T2+2，…，T2（2）

yt=x′tβ+z′tδm+1+ut，t=Tm+1，Tm+2，…，T（3）

即：

yt=x′tβ+z′tδj+ut，t=Tj-1+1，Tj-2+2，…，Tj，

j=1，2，…，m+1（4）

其矩陣表达式为：

Y=Xβ+Zδ+U（5）

其中，yt为被解释变量，（xt）p×1和（zt）q×1是解释变量，β和δj是系数，ut是随机误差项，T1，T2，…，Tm是结构突变点发生时点，m为结构突变点个数，T为样本总数。令，Y=（y1，y2，…，yT）′，X=（x1，x2，…，xT），U=（u1，u2，…，uT）′，δ=（δ1′，δ2′，…，δ′m+1）′，对角矩阵Z=diag（Z1，Z2，…，Zm+1），Zi=（ZTi+1+1，…，ZTi）′。对（5）式求解，对每个可能的分割（T1，T2，…，Tm）计算残差平方和，使其达到最小的分割即估计所得分割，为：

T1^，T2^，T3^，…，Tm^=arg[minST（T1，T2，…，Tm）]（6）

在求出以上结果后，Bai和Perron提出一些检验方法，以确定突变点准确个数及具体时点。首先，提出了Sup-F检验，原假设为不存在结构突变点，备选假设为有固定的突变点：

FT（λ1，λ2，…，λk，q）=1TT-（K+1）q-pkpδ′R′（RV（δ）R′）-1Rδ（7）

式中，λi=Ti/T，（Rδ）′=（δ1′-δ2′，…，δk′-δk+1′）；V（δ）是残差存在自相关和异方差情况下的方差协方差矩阵的稳健估计。但是，此方法需要提前设定突变点个数。其次，他们提出“双重最大值检验”，为UDmax和WDmax检验，只需预设突变点上界。其统计量为：

UDmaxFT（M，q）=max1≤m≤MFT（λ1，λ2，…，λm；q）（8）

WDmaxFT（M，q）=max1≤m≤Mc（q，α，1）c（q，α，m）FT（λ1，λ2，…，λm；q）（9）

式中，λi=Ti/T（i=1，2，…，m）；α是显著性水平值，c（q，α，m）是

max1≤m≤MFT（λ1，λ2，…，λm；q）的渐近临界值。

Bai和Perron通过对统计量进行蒙特卡洛模拟，使用上述方法检验是否存在结构突变。利用Sup-F（l+1）统计量检验变点次数。

SupFT（l+1/l）={ST（T1，…，T1）-

max1≤i≤l+1

infT∈Λi，η

ST（T1，…，Tl-1，τ，T1，…，Tl）}/σ2（10）

式中，Λi，η={τ；Ti-1+（Ti-Ti-1）ητ

Ti-（Ti-Ti-1）η}，σ2是原假设中残差项方差的一致估计值；η是对各时段区间长度的最低限制，一般为η=0.05T。

2.2数据来源

本文选取样本期为1980—2015年度数据，数据来源于《中国统计年鉴》《中国能源统计年鉴》及《新中国六十年统计资料汇编》，能源消费量包括风电、水电与核电消费量。为消除价格因素影响，GDP以1990年价格为基期的不变价格实际数据；为一定程度上消除异方差，本文对能源强度对数化处理；各种能源折算标准煤参考系数来自2015年《中国能源统计年鉴》。由于数据限制，本研究不涉及香港、澳门、台湾等省区。

2.3中国能源强度结构突变点检验

由于中国工业化和城市化发展进程加快，导致消费需求刚性，能源消费增长迅速。1980—2015年中国能源消费量及能源强度如图1所示。

由图1可以看出中国能源消费量在1980—2015年间呈不断增长态势，1980年中国能源消费量为60 275万tce，而2015年中国能源消费量则达到430 000万tce，增长了7倍之多。1980年至1996年间，中国能源消费量稳步增长，1996至2015年间，能源消费量出现小幅波动，但仍呈快速上升趋势。1997年亚洲金融危机后，中国加速工业化和城市化，工业化以重工业化为主要特征，在能源结构没有转变的情况下，能源消耗量的曲线呈上升趋势；2003年，在世界经济陷入“增长型衰退”后复苏的一年，全球经济增长速度达到3.7%，在中国，规模以上重工业增加值占所有规模以上工业增加值为65.7%，高耗能产业迅速扩张，同时居民生活中耗能产品增加，导致能源强度增长。

能源强度即从整体层面上衡量一国或地区能源使用的综合化效益指标，其计算公式为EI=能源消费总量/GDP。1980—2015年间，能源强度总体呈下降趋势，由

1980年的7.8下降到2015年的2.2。1980—2002年间能源强度下降速度较快，2002—2006年间出现小幅回升之后，以较缓趋势下降。本文使用BP结构突变点检验1980—2015年能源强度。Bai和Perron的内生结构突变模型检验结果如表1。

根据表1检验结果可知，在k=1，2，3时，SupFT（k）检验在1%的置信水平上都是显著的，而且UDmax和WDmax在1%置信水平都是显著的，因此确定能源强度在样本期内发生了结构突变，且结构突变点为三个，在1991年，2002年，2008年，把样本期间分为四个阶段，分别是：1980—1991年，1991—2002年，2002—2008年和2008—2015年。

为从宏观具体判断能源强度增长率，根据上文突变断点划分阶段，计算各阶段能源强度增长率，绘制中国能源强度变化率图2。endprint

从图2可以看出能源强度变化率波动较大。1980—

1991年能源强度年均增长率是-3.80%；1991—2002年能源强度年均增长率为-4.67%，较第一阶段下降0.87个百分点；2002—2008年能源强度年均增长率为-1.24%，比第二阶段上升2.56个百分点；2008—2015年能源强度年均增长率为-3.98%，与第三阶段相比下降274个百分点。其中，能源强度下降最快的阶段是1991—2002年。在样本期间，结构突变点分别为1991年、2002年、2008年主要有三方面的原因。

（1）国家进行了以整顿煤炭市场为主的调控政策。1990年国家对混乱的煤炭市场进行整顿，控制矿井的盲

目发展，关闭一大批耗能高、污染重的小企业。1991年国家提高煤炭、原油价格。编制了资源节约和综合利用计划，建立了工业产值能耗、主要产品单耗、措施节能能力等节能计划指标，初步形成了节能计划体系。这一系列政策导致1980—1991年这一阶段能源强度快速下降，1991年成为能源强度结构突变点。

（2）新型工业发展方式的调整促进了绿色能源消费。党的十六大提出走“新型工业化”道路，能源工业要注重开发与节约并重，做到能源、经济与环境协调发展，强调中国重工业的集约型和内涵式发展。1990年能源消费结构中，煤炭占79%，石油占17.2%，天然气占2.1%，水电占1.7%；而2002年能源消费结构中，煤炭占71.5%，石油23.4%，天然气占2.6%，水电占2.4%，核电占0.2%，工业发展方式调整对能源强度快速下降起到一定贡献。这些政策冲击以及经济发展转变促使2002年成为结构突变点。

（3）新能源产业的快速发展推动了能源结构的不断优化。2008年新增的水力

和风电

总装机容量达到了1 210万kW，与2007年相比，2008年新增装机增长率为89%，据世界第四。2008年中国需求增长过快，有效资源供给不足，因此开展全民节能行动，加强节油节电，并颁布石油炼制业、乙烯工程、储油库和加油站等环境保护准则。中国整体上刚刚进入工业化中期阶段。这一阶段属于重工化发展阶段，高能耗问题突显，中国能源发展政策与工业化状态促使2008年能源强度出现结构突变。

通过对能源强度结构突变检验，研究结果说明在样本期内中国能源强度存在三个结构突变点，形成四段不同的增长趋势。为具体研究结构突变点形成原因及不同增长趋势的作用因素，运用LMDI分解模型分析不同阶段各影响因素贡献率。

3中国能源强度的因素分解

3.1研究方法

由于LMDI分解模型可以處理包括零值和负值的数据，有效解决了分解中的剩余问题[10]，因此使得其适用于能源问题的分解分析。本文采用的LMDI是在Wu等[11]和Ang等[12]的基础上，根据“三层完全分解法”构建模型，对能源强度影响因素分解分析，首先将中国能源消费行业划分为三个部门：生产服务部门、交通运输部门和居民生活部门。对行业划分为：农林牧渔业、工业、建筑业、商业（批发、零售业、住宿、餐饮业和其他行业）、交通运输仓储及邮电通信业和生活部门（城镇居民生活和农村居民生活），再对各个行业进行因素分解。其中生产部门包括：农林牧渔业、工业、建筑业、商业（批发、零售业、住宿、餐饮业和其他行业），其余两个部门对应两个行业。

对能源强度各行业进行划分：

I=∑4i=1∑4j=1EijEiEiYiYiY+∑i=5∑4j=1EijTDTDYiYiY+∑7i=6∑4j=1EijPiPiPPY（11）

式中，i=1，2，3，……，7，分别代表农林牧渔业、工业、建筑业、商业、交通运输仓储及邮电通信业、城镇居民生活和农村居民生活。j=1，……，4分别代表煤炭、石油、天然气、其他（水电、核电、风电）。I表示能源强度，Eij表示第i行业消费的第j种燃料，Ei代表第i行业消费的燃料总量，Yi表示第i行业的产出，Y表示GDP，Pi是第i行业人数。

能源强度可以进一步变换为：

I=∑4i=1∑4j=1ESijEPiSGi+∑i=5∑4j=1ETijTGiSGi+∑7i=6∑4j=1EILijLSiEIi（12）

式中，EP代表部门能源强度，ET是运输线路单位长度能耗，TG是运输线路产出能耗，EIL代表人均生活用能，LS代表城市化，EI表示人均收入效应，SG表示产业结构，ES表示能源结构。

对式（12）计算得能源强度瞬时增长率：

dlnIdt=

∑4i=1∑4j=1ωij1（dlnESijdt+

dlnEPidt

+dlnSGidt）+

∑i=5∑4j=1ωij2（dlnETijdt+

dlnTGidt

+dlnSGidt）+

∑7i=6∑4j=1ωij3（dlnEILijdt+

dlnLSidt

+dlnEIidt）

（13）

式中，令ωij1=ESijEPiSGi，ωij2=ETijTGiSGi，ωij3=EILijLSiEIi[13]，ω（t*）[14]为当t=t*∈[0，T]时的权重函数值。

根据式（13）可以得到能源强度变化率：

ITI0≌

exp

∑4i=1∑4j=1ωij1（t*）lnESij，TESij，0×

exp

∑4i=1∑4j=1ωij1（t*）lnEPi，TEPi，0×

exp

∑4i=1∑4j=1ωij1（t*）lnSGi，TSGi，0×

expendprint

∑i=5∑4j=1ωij2（t*）lnTGi，TTGi，0×

exp

∑i=5∑4j=1ωij2（t*）lnETij，TETij，0×

exp

∑7i=6∑4j=1ωij3（t*）lnEILij，TEILij，0×

exp

∑i=5∑4j=1ωij2（t*）lnSGi，TSGi，0×

exp

∑7i=6∑4j=1ωij3（t*）lnLSi，TLSi，0×

exp

∑7i=6∑4j=1ωij3（t*）lnEIi，TEIi，0（14）

计算式（14）得能源强度增长率：

lnIT-lnI0≌

∑4i=1∑4j=1ωij1（t*）lnESij，TESij，0+

∑4i=1∑4j=1ωij1（t*）lnSGi，TSGi，0+

∑4i=1∑4j=1ωij1（t*）lnEPi，TEPi，0+

∑i=5∑4j=1ωij2（t*）lnETij，TETij，0+

∑i=5∑4j=1ωij2（t*）lnTGi，TTGi，0+

∑7i=6∑4j=1ωij3（t*）lnEIi，TEIi，0+

∑i=5∑4j=1ωij2（t*）lnSGi，TSGi，0+

∑7i=6∑4j=1ωij3（t*）lnEILij，TEILij，0+

∑7i=6∑4j=1ωij3（t*）lnLSi，TLSi，0

（15）

式中，X是各因素变化率，各因素贡献率为：

XlnIT-lnI0×100%（16）

式中，能源强度分解为七个部门，其具体特征由八个因素进行解释说明：部门能源强度，由于全要素生产率提高引起的强度变化，因此称为部门能源强度因素，部门能源强度能够提高能源利用效率，影响能源强度；产业结构，产业结构优化即非农产业、服务业在国民经济中比重增加，能源要素在不同产业间流动，随着高耗能产业的减少，能源从高耗能、低产出的产业转到低耗能产业，但中国处于工业化阶段，产业结构转变缓慢，对能源强度影响的长期弹性为正[15]；运输线路单位长度能耗，中国工业化、城市化速度加快，交通工具数量不断增多，交通运输线路不断改善；运输线路产出能耗，是运输部门单位产出所需运输线路公里数，代表运输部门线路长度的产出效率，该数据越小说明运输部门产出效率越高；人均生活用能，生活水平的提高会引起生活能耗用品的增加，增加能源消耗；城市化，即乡村人口向城镇人口转化，优化资源配置，使能源消费增长速度增快且呈现需求刚性的特征[16]，城市的市场竞争结构推动了技术创新和知识积累，推动全要素生产率上升[17]；人均收入效应即人均收入的倒数，与人均收入有相反的效应；调整能源结构，减少煤炭使用量，使主要消耗能源转换为清洁能源，减少含煤量。

本文采用“三层完全分解法”构建模型，为简要说明本文所构建模型的整体框架，以及各影响因素的作用及其相互关系，绘制分解模型框架图3。

这里将能源强度划分为生产服务部门、交通运输部门和生活部门。生产服务部门即农林牧渔业、工业、建筑业

和商业，其煤炭、石油、天然气、水电、核电和风电能源总消耗量影响因素是能源结构、技术进步和产业结构；交通运输部门指交通运输仓储及邮电通信业，其能源总消耗可用运输线路单位长度能耗、运输线路产出能耗和产业结构解释；生活部门包括城镇居民生活和农村居民生活，其能源消耗量用人均生活用能、城市化和人均收入效应说明。

3.2结果分析

以下对各阶段各因素贡献率进行说明：

（1）能源结构的调整促使部门能源强度不断降低。1980—1991年间能源强度从7.8下降为5.1，年均增长率为-3.8%。能源结构起到了最大的正向作用，贡献率达46%，部门能源强度提供了44%的正向贡献。从表2可以看出，运输线路产出效应、人均收入效应、产业结构、能源

结构、部门能源强度均对能源强度的下降起到了正向影响，部门能源强度的贡献主要因为这段时期工业行业能源强度下降较迅速。中国从20世纪80年代开始，在农村实施沼气、小水电和节能技术；在城镇实施建筑节能；开发太

阳能、风能、地热能，1980—1991年天然气及其他能源的消费量从3 291万tce增加到5 647万tce，增长了41.2%，因此能源结构起到了正向贡献。

（2）制造业结构初步实现了劳動密集型向资本密集型转变。1991—2002年间能源强度年均增长率为-4.67%，较第一阶段下降了0.87个百分点。能源结构具有最大的正向贡献，达到337%，运输与交通部门产业结构、运输线路单位长度能耗、人均生活用能、城市化提供了正向的贡献。部门能源强度提供了最大的负向贡献，达到-258%。部门能源强度由第一阶段的正向贡献转变为负向贡献，说明部门能源强度阻碍了能源强度的下降。具体原因为：消费结构升级、城市化进程加快、交通和基础设施投资加大。民营与外资企业迅速增长，1994年轻、重工业产值比例最低为46.3∶53.7，且1999年，重工业占工业增加值的比重为50.8%。而运输线路单位能耗由27 tce/km增加为34 tce/km，因此转为负向贡献。

（3）技术进步有效提升了能源利用效率。2002—2008年间能源强度年均增长率为-1.24%，比第二阶段上升了2.56个百分点。人均生活用能提供正向贡献达到了42%，由于这一阶段中国用电紧张，全国开始拉闸限电，至2003年，中国拉闸限电的省份达到22个，且这一阶段的

“限电减排”淘汰掉一些高能耗、高排放和产能过剩的企业，人均生活用能较上一阶段减少39%。城市化提供11.8%的正向贡献，较上一阶段有所增长，由于这一阶段城镇化速度较上一阶段减少27%。人均收入效应提供46%的负向贡献，与上一阶段相比变化较大，反映了技术进步对能源消耗的减少。由于中国在2002年提出“新型工业化”endprint

道路，建设集约型工业，部门能源强度的负向贡献降到-25%。

（4）产业结构优化一定程度上降低了高耗能产业比重。2008—2015年间能源强度年均增长率为-3.98%。能源结构、产业结构、运输线路单位长度能耗、人均生活用能、城市化提供了正向贡献，其中，虽然能源结构贡献达到118%，较上一时期变化不大。部门能源强度、运输线路产出效应、人均收入效应提供了负向贡献，分别为-23%、-0.4%和-10%。

4研究结论与政策建议

本文运用BP结构突变模型对1980—2015年能源强度突变点检验，建立LMDI分解模型，将能源强度分解为部门能源强度、运输线路单位长度能耗、运输线路产出能耗、人均生活用能、城市化、人均收入效应、产业结构、能源结构八个因素，分析能源强度各阶段动因变化特征，得出如下主要结论：

（1）能源強度在样本期间存在三个结构突变点。本文运用BP结构突变模型对1980—2015年能源强度进行结构突变点检验，研究结果表明，能源强度在样本期间存在1991年、2002年和2008年三次结构突变，根据数据特征将整个样本期划分为四段不同的增长趋势。

（2）能源结构和部门能源强度对能源强度的影响最大。根据LMDI能源因素分解结果可知：1980—1991年，能源结构对能源强度的贡献率为46.33%，部门能源强度对能源强度的作用率达到43.97%。1991—2002年，能源结构对能源强度的作用率为337.04%，部门能源强度对能源强度的贡献率达到-258.37%。2002—2008年，能源结构对能源强度的贡献率为105.28%，部门能源强度对能源强度的贡献率达到-24.68%。2008—2015年，能源结构对能源强度的贡献率是118.48%，而部门能源强度对能源强度的贡献率为-22.75%。

（3）人均生活用能、人均收入效应和产业结构对能源强度影响显著。1980—1991年，人均收入效应贡献率为19.93%；1991—2002年，产业结构中的交通运输仓储及邮电通信业对能源强度的贡献率达到25.25%；2002—2008年，人均生活用能对能源强度的作用率为41.93%，人均收入效应对能源强度的贡献率是-46.27%；2008—2015年，人均收入效应对能源强度的贡献率是-10.07%。

根据以上研究结论，提出降低中国能源强度的政策建议：

（1）开发推广可再生能源技术以调整能源结构。加强太阳能基础材料与存储技术的研究，加速太阳能的热转换，发展光伏并网及分配；增加风力发电装机容量，政策补贴民营风力发电企业，引进国外先进风力发电技术，成立风电研究开发部门；发展海洋发电装置，开发海洋发电技术，研究海洋能转换技术以开发新能源。政策推进工业企业采用新能源技术和产品，推行绿色能源，应淘汰落后工业产能，并提高工业能效准入标准，且促进高新技术产业等节能产业的发展。

（2）促进应用低碳节能产品以降低生活用能。随着生活水平的提高，奢侈消费、超前消费、浪费情况严重，应建立长效节能环保公众宣传机制，改善公众对低碳消费的认知。普及低碳消费途径，降低低碳实施成本，建立政策法规促使低碳消费简单易行。

（3）推动增加第三产业比重以提高人均收入水平。人均收入的提高到达一定程度能够降低能源强度，其反映了技术进步的能耗降低效益。应建立合理的资产财富分配体系和相应的社会保障制度。人均收入的提高增加人们制冷、加热、出行、照明等生活方面的能源消耗，但是当人均收入达到一定水平，人们会进而转向节能产品的使用，降低人均收入对能源消耗的敏感度。

（4）加快建设运输节能技术以降低交通运输业能源强度。铁路运输是中国运输体系的主要方式，应推广内燃和电力牵引技术，提高能源利用效率；公路运输中社会车辆较多是能源消耗最多的行业，应降低天然气价格，政策补贴天然气使用者；发展集约型运输模式，提高水路和民航业能源利用效率。

（编辑：王爱萍）

参考文献（References）

[1]BALEENTIS A， BALEENTIS T， STREIMIKIENE D. The energy intensity in Lithuania during 1995-2009： a LMDI approach [J]. Energy policy， 2011， 39（11）： 7322-7334.

[2]阚大学， 罗良文. 我国城市化对能源强度的影响——基于空间计量经济学的分析[J].当代财经，2010（3）： 83-88. [KAN Daxue， LUO Liangwen. The impact of Chinas urbanization on energy intensity： based on an econometric analysis [J]. Contemporary finance and economics， 2010（3）： 83-88.]

[3]张成龙， 李继峰， 张阿玲， 等. 1997—2007年中国能源强度变化的因素分解[J]. 清华大学学报（自然科学版）， 2013， 53（5）： 688-693.[ZHANG Chenglong， LI Jifeng， ZHANG Aling， et al. Factor decomposition analyses on Chinese energy use intensity changes [J]. Journal of Tsinghua University （science and technology）， 2013， 53（5）： 688-693.]

[4]ANDRS L， PADILLA E. Energy intensity in road freight transport of heavy goods vehicles in Spain [J]. Energy policy， 2015，85： 309-321.endprint

[5]张伟， 朱启贵. 基于LMDI的我国工业能源强度变动的因素分解：对我国1994—2007年工业部门数据的实证分析[J]. 管理评论， 2012， 24（9）： 28-36，95. [ZHANG Wei， ZHU Qigui. Factor decomposition of the change of Chinas industrial energy consumption intensity： an empirical analysis of the 1994-2007 data from Chinas industrial sectors [J]. Management review， 2012， 24（9）： 28-36，95.]

[6]郑若娟， 王班班. 中国制造业真实能源强度变化的主导因素——基于LMDI分解法的分析[J]. 经济管理，2011（10）： 23-32. [ZHENG Ruojuan， WANG Banban. The dominant drivers of the real energy intensity changes in Chinese manufacturing sectors： the LMDI decomposition approach [J]. Economic management journal，2011（10）： 23-32.]

[7]CHOW G， GREGORY C. Tests of equality between sets of coefficients in two linear regressions [J]. Econometrica， 1960， 28（3）： 591-605.

[8]BAI J， PERRON P. Estimating and testing linear models with multiple structural changes [J]. Econometrica， 1998， 66（1）： 47-78.

[9]BAI J. Likelihood ratio tests for multiple structure changes [J]. Journal of econometrics， 1999， 91（2）： 299-323.

[10]ANG B W， LIU N. Handling zero values in the Logarithmic Mean Divisia index decomposition approach [J]. Energy policy， 2007， 35（1）： 238-246.

[11]WU L， KANEKO S， MATSUOKA S. Driving forces behind the stagnancy of Chinas energy：related CO2 emissions from 1996 to 1999： the relative importance of structural change， intensity change and scale change [J]. Energy policy， 2005， 33（3）： 319-335.

[12]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.

[13]劉源， 李向阳， 林剑艺， 等. 基于LMDI分解的厦门市碳排放强度影响因素分析[J]. 生态学报， 2014， 34（9）： 2378-2387. [LIU Yuan， LI Xiangyang， LIN Jianyi， et al. Factor decomposition of carbon intensity in Xiamen City on LMDI Method [J]. Acta ecologica sinica， 2014， 34（9）： 2378-2387.]

[14]TAN Z， LI L， WANG J， et al. Examining the driving forces for improving Chinas CO2 emission intensity using the Decomposing Method [J]. Applied energy， 2011， 88（12）： 4496-4504.

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

[16]林伯强， 刘希颖. 中国城市化阶段的碳排放： 影响因素和减排策略[J]. 经济研究， 2010（8）： 66-78. [LIN Boqiang， LIU Xiying. Chinas carbon dioxide emission under the urbanization process： influence factors and abatement policies [J]. Economic research journal， 2010（8）： 66-78.]

[17]JAFFE A， HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations [J]. Quarterly journa1 of economics， 1993， 108（3）： 577-598.endprint

[18]李標，吴贾，陈姝兴.城镇化、工业化、信息化与中国的能源强度[J].中国人口·资源与环境，2015，25（8）：69-76.[LI Biao， WU Jia， CHEN Shuxing. Urbanization， industrialization， informatization and Chines energy intensity [J]. China population， resources and environment， 2015， 25（8）：69-76.]

[19]宁自军，吴德彪，杨松. 基于LMDI模型的浙江省能源强度变动影响因素分析[J].统计与信息论坛，2013，28（2）：80-83.[NING Zijun， WU Debiao， YANG Song. The factor decomposition analysis in the energy intensity of Zhejiang Province based on LMDI Model [J]. Statistics and information forum， 2013， 28（2）：80-83.]

[20]李国璋，王双.中国能源强度变动的区域因素分析——基于LMDI分析方法[J].财经研究，2008， 34（8）：52-62.[LI Guozhang， WANG Shuang. Regional factor decompositions in Chinas energy intensity change： based on LMDI technique[J]. Journal of finance and economics， 2008， 34（8）：52-62.]

[21]韩松，张宝生，唐旭，等.中国能源强度变化的驱动因素分析——基于对数平均迪氏指数方法[J].当代经济科学，2016，38（5）：89-98.[HAN Song， ZHANG Baosheng，TANG Xu， et al. Analysis of driving factors in Chinas energy intensity change： based on logarithmic mean Divisia Index Method[J]. Modern economic science， 2016，38（5）：89-98.]

AbstractEnergy is the material basis for human survival and development， it is the key to sustainable development of Chinas economy， and it also reveals the performance of social progress. Although energy consumption in China is decreasing， China is still the largest energy consumption country in the world. With the decline of conventional energy sources， energy security becomes the bottleneck of sustainable development Chinas economy. Therefore， energy intensity needs to be reduced urgently. It is significant to study the reasons of energy intensity decline； by using factor decomposing， it is helpful to find rules of energy changes. The structural breaks of energy intensity in China from 1980 to 2015 were examined by using BP method and LMDI decomposition model to study the reasons for the decline of different stages. In this paper， energy intensity was decomposed into eight factors， namely energy intensity in sectors， energy consumption per unit length of transportation routes， energy consumption of transportation output， per capita living energy consumption， urbanization， per capita income effect， industrial structure， and energy structure. The experimental results showed that three structural breaks existed from 1980 to 2015 due to the economic development and national policy shocks. And the structural breaks took place in 1991， 2002 and 2008， which divided the time series of energy intensity in China into four stages. In addition， energy intensity showed a decreasing trend during the sample period and the main factors of the reduction in energy intensity were energy intensity in each sector and energy consumption structure. Meanwhile， per capita living energy， per capita income effect， and transportation industry had significant impact on energy intensity. Taking into account of the contribution of each factor to energy intensity， we put forward several suggestions. The renewable energy technologies need to be developed and popularized to adjust the energy consumption structure. Whats more， lowcarbon energy saving products should be applied to reduce the living energy consumption. Besides the per capita income needs to be increased by increasing the proportion of the tertiary industry. Energy saving way of transportation should be developed to reduce the energy intensity of transportation industry.

Key wordsenergy intensity； BP structural break； factor decomposition； energy consumption structureendprint