黄河流域城市能源生态效率的时空差异及其影响因素分析＊

孙 伟

（安徽建筑大学经济与管理学院，城市经济与区域发展研究所，合肥230601）

一、引言

作为中华文明主要发祥地的黄河流域，是我国重要的生态功能区，也是华北地区的生态屏障。黄河流域拥有丰富的自然资源，是我国煤炭与电力最主要的生产基地与供应基地，其煤炭产量占全国总产量的70%，占一次能源生产量的40%。［1］黄河流域在国家发展中具有重要的战略地位，党中央高度重视黄河流域的高质量发展，习近平总书记多次提出黄河流域要走生态保护和高质量发展的路子。

近年来，黄河流域的生态环境建设取得了突破性进展，但黄河流域资源环境存在高负载、生态环境脆弱、水资源短缺等问题［2］，黄河流域的高质量发展任重而道远。关于要素禀赋、生态补偿、水资源利用以及经济发展等问题，一直是黄河流域研究的重要方面。要素禀赋的差异是黄河流域经济空间分异的重要原因。李敏纳等的研究表明黄河流域的综合要素禀赋与经济空间分异大致吻合，要素禀赋充裕的下游比中上游经济实力强。［3］覃成林和李敏纳通过构建区域经济空间分异机制的分析模型，认为黄河流域经济空间分异受决定作用机制、分工传导作用机制和循环累积因果机制的支配。［4］上下游流域的经济差异不仅源于要素禀赋，上游为保护生态环境而承受的损失进一步加剧了经济空间的分异，下游居民作为生态环境改善的受益者，应适度承担生态保护成本。现有研究表明，要在黄河流域上下游间建立合理的生态补偿机制，应以政府补偿为主，市场补偿为辅，下游居民对流域上游居民的生态补偿只能作为一种补充。［5］对于如何促进黄河流域的高质量发展，学者们提出了各种建议。金凤君提出要处理好保护与发展之间的关系，建立推动流域高质量发展的长效机制和体系。［2］陈晓东和金碚探讨了黄河流域高质量发展的经济学含义，认为高质量发展是能够更好地满足人民不断增长的真实需要的生产方式、结构和动力状态，黄河流域的高质量发展需要全域统筹、生态保护、文化传承与创新，以实现人民宜居共享为根本目标。［6］水资源的利用是黄河流域研究方向的重要内容。现有研究表明，随着黄河流域经济不断增长，水资源的承载力及利用效率将得到进一步提高。［7，8］

目前，对黄河流域的研究已获取一定成果，但从能源生态效率的角度进行研究的文献较少。能源生态效率是兼顾区域能源消耗与生态效益的综合指标，核心思想是以较少的能源消耗和环境影响，创造出尽可能多的社会价值。［9］在节能降耗与加强生态文明建设的现实需求下，研究能源生态效率有一定意义。关伟和许淑婷的研究表明中国省际能源生态效率整体较低，且存在明显的空间效应。［9］杨刚强和李梦琴探讨了政治晋升对能源生态效率的影响，认为应加大对政府官员节能减排的考核力度。［10］周敏等认为财政分权改善了能源生态效率，地方政府间竞争降低了能源生态效率。［11］对黄河流域能源生态效率的相关研究中，仅有关伟等对黄河流域9省区的能源综合效率进行了测算和分析，认为黄河流域能源综合效率由非均衡向均衡转变，其驱动因子的解释力从大到小依次为财政分权、城镇化水平、人力资本水平、对外开发程度。［12］

流域的发展有其内在特性，在对黄河流域进行研究时，不仅要从省际层面进行分析，更重要的是要打破行政划分的边界，认识到上、中、下游存在的差异。因此，本文以62个地级市为研究样本，按照上、中、下游分类探讨黄河流域在能源生态效率上存在的空间差异，从内部因素和外部因素两方面进一步分析。对内利用黄河流域GML指数的分解，探讨内部因素对能源效率的影响，对外利用空间计量方法检验外部因素对能源效率的影响。从全流域的角度对我国黄河流域的能源生态效率进行研究，对制定合理的经济发展政策，促进流域经济高质量发展具有重要意义。

二、数据与方法

（一）研究区域界定

根据水利部黄河水利委员会对黄河流域行政区域界定，参照李敏纳在研究黄河流域城市时提出的“以自然流域为基础支撑，考虑地域单元的完整性以及地区经济与黄河的直接关联性［13］”原则，剔除数据极度缺少的地级市、自治州，最终选定研究样本为黄河流域的62个地级市。黄河流域上中下游地区的划分，参考《黄河年鉴》中提出的“自内蒙古托克托县河口镇至河南荥阳市桃花峪为黄河中游，自桃花峪以下至入海口为黄河下游”划分标准，考虑到我国行政区划的影响，将黄河流域中青海、甘肃、宁夏的地级市划分为上游，内蒙古、山西、陕西的地级市划为中游，河南、山东的地级市划为下游。

（二）数据来源

本文的研究样本选取2003—2016年黄河流域62个地级市的面板数据，数据来自《中国统计年鉴》、《中国城市统计年鉴》、《中国能源统计年鉴》以及省市统计年鉴，少数缺失的数据采取平滑法插值进行了补充。借鉴相关文献，测算指标选取如下：

（1）劳动投入：劳动投入用该市当年城镇单位年末从业人员数（万人）表示。

（2）资本投入：参考张军的研究方法计算得出［14］。各指标用GDP平减指数处理。

（3）能源投入：考虑到能源消耗的主体为工业企业，能源投入按照规模上工业企业个数所占比例进行分割，将《中国能源统计年鉴》上各省的能源消费总量乘以各市规模以上工业企业个数与该省工业企业总数的比值，最终转换为地级市能源投入。

（4）期望产出：以各地市的地区生产总值作为期望产出，利用国民生产总值指数折算成2003年为基期的不变价地区生产总值。

（5）非期望产出：将“三废”作为非期望产出，即工业废水排放量（万吨）、工业二氧化硫排放量（吨）、工业烟粉尘排放量（吨）作为非期望产出。［15］

（三）研究方法

利用包含非期望产出的DEA—SBM模型测算黄河流域城市的能源生态效率，在分析其内部影响时，利用方向距离函数与GML指数对能源生态效率进行动态分析；在分析能源生态效率的外部影响时，借用空间计量的方法做进一步的探讨。

1．黄河流域城市的能源生态效率测算方法

数据包络分析由Charnes于1978年率先提出，并被广泛应用于效率评价。［16］引入非期望产出时，传统模型不适用。采用Chung et al.的研究，使用方向距离函数，可以得出生产可能性集中的最优解，以此来处理包含非期望产出的效率评价问题。［17］首先构造一个生产性可能性集，设有k个决策单元（DMU），使用n个投入x=（x1，…，xn），得出m个期望产出y=（y1，…ym）以及j个非期望产出b=（b1，…，bj），则包含非期望产出的生产可能性集可以表示为：进而可以写出包含非期望产出的SBM模型：

其中，λ≥0，s-≥0，sy≥0，sj≥0，s-、sy、sj分别表示投入、期望产出、非期望产出量，λ为权重向量，目标函数对于松弛变量是严格递减的。ρ*为目标函数值，ρ*ϵE［0，1］，当其为1时，松弛变量均为0，即无需调整投入产出，此时决策单元有效；若ρ*＜1时，需调整投入产出，松弛变量不全为0，此时决策单元无效。

2．能源生态效率内部影响的分析方法

利用方向距离函数与GML指数对能源效率进行动态分析，探讨黄河流域能源效率的内部影响。在上述包含非期望产出的生产可能性集上，另设方向性向量g=gy,gb，则可以设定方向性距离函数：

在测算非期望产出的效率值时，使用基于方向距离函数的ML指数和GML指数。由于ML指数无可行解，因此，使用GML指数法进行分析。GML指数以及按照Oh的研究将其分解为EC（技术进步）和BPC（效率改进）的形式如下：［18］

3.能源生态效率外部影响的分析方法

在对黄河流域城市能源生态效率的外部影响进行分析时，传统OLS回归分析的前提是各地市之间是相互独立的，不存在空间关联，这显然是不符合实际的。因此，本文将空间因素纳入模型之中，建立空间计量模型如下：

其中，ee表示能源生态效率，x为能源生态效率的影响因素，σ表示影响因素的弹性系数，μ则表示解释变量空间滞后项的弹性系数，W是空间权重矩阵，θ表示本地的能源生态效率与邻近地区的能源生态效率的相互作用的方向和程度，α是常数，ε表示个体随机效应，u表示随机误差项。这里对数据进行对数处理以减少数据量纲的影响，降低异方差性。

三、黄河流域城市能源效率测算

（一）能源效率测算的结果及空间差异

在指标初步分析时发现统计指标的变异系数较大，说明数据的离散程度很大，在某种程度上可以反映地区之间发展的不平衡。本文采取相比于规模报酬不变更具有经济现实意义的规模报酬可变的SBM模型，利用DEA—solver pro 5.0进行非期望产出模型（undesirable outputs model）测算了历年来黄河流域62个地级市的能源生态效率值。图1汇报了黄河流域历年能源生态效率的均值，图2汇报了黄河流域城市能源生态效率的均值，具体城市的能源生态效率值略。

根据图1，黄河流域城市的能源生态效率处于较低水平，仅2003和2006年的能源效率均值高于0.5，62个地级市能源生态效率的均值仅为0.49。图2黄河流域城市历年能源生态效率均值中，数值最低的城市为山西省的吕梁市，能源生态效率仅为0.2422，均值最高的城市为山东省的济南市，为0.9526，可见黄河流域城市间能源生态效率差异较大。

图1 黄河流域能源生态效率的均值（2003—2016）

根据样本城市历年效率均值和横向可比较性，按照断点法将城市能源生态效率分为高效率、较高效率、中效率及低效率四种类型，如表1所示。可见，处于高、较高能源效率型的城市有13个，仅占研究范围的21%，多数城市属于上游与下游流域；中效率型城市占42%，中游与下游城市居多；低效率型城市占37%，上游和中游城市居多。

图2 黄河流域城市能源生态效率的均值

表1 黄河流域城市能源生态效率分类表

黄河流域上、中、下游地区的能源生态效率的差异可通过均值得到进一步反映，图3汇报了历年来的效率均值。除2011年以外，历年中游地区的能源生态效率均低于上游地区和下游地区①2011年下游地区的能源效率波动较大，是因为受烟（粉）尘指标变动的影响，该年部分城市如青岛、德州等能源效率值较低。。中游区域的能源生态效率均值0.4227，低于上游地区的0.4874及下游地区的0.5449。究其原因，主要在于黄河流域，特别是中上游地区的能源基础原材料产业占比较大，能源消费结构多是以煤炭消费为主，煤炭为主的消费结构将制约能源生态效率的提高。［32］在黄河流域各省能源生态效率值中，下游省份的山东省均值最高，为0.6459；甘肃省、宁夏和内蒙古的均值次之，分别为0.5774、0.5654、0.5002；陕西省和河南省的均值分别为0.4486和0.4438；山西 省和青海省的均值最低，分别为0.3194和0.3193。

对477例莫西沙星致肌腱损伤的相关安全信号的数据挖掘和分析 ………………………………………… 田晓江等（13）：1827

图3 黄河流域上中下游能源效率均值（2003—2016）

（二）内部影响因素分析

GML指数所研究的是能源生态效率的跨期的变动值，本文利用Matlab 2014将其分解为EC（技术进步）和BPC（效率改进），并据此分析能源生态效率的内部影响因素。

图4仅报了地级市GML指数的均值及分解，历年地级市GML指数及分解指数省略。在62个地级市中，有37个城市的GML均值大于1，说明了多数城市的能源生态效率有一定程度的改善。从区域上来看，上游和下游地区的多数地级市的能源生态效率高于1，如上游的15个城市中，仅有2个城市的GML均值小于1；下游地区的河南省和山东省共有22个地级市，其中16个城市的GML大于1；而中游地区多数城市的GML小于1，25个城市中有17个城市的GML值小于1，其中内蒙古6个地级市的GML值均小于1，山西省11个地级市中仅有3个城市的GML大于1。这在图3的黄河流域上中下游能源生态效率均值中也得到了体现，即上游和下游城市的能源生态效率值改进较大，而中游城市的能源生态效率值改善并不明显。

图4 黄河流域城市能源效率GML指数及其分解指数均值图

对2003—2004年、2009—2010年、2015—2016年三个时间段的GML指数进行比较，可以看出近年来能源生态效率在整体上得到了提升。2003—2004年，有52个城市的GML指数小于1，说明能源生态效率相比上年普遍下降了。2009—2010年GML指数小于1的城市下降到27个，相比上年大部分城市的能源生态效率有所提升。2009年国家批复了《黄河三角洲高效生态经济区发展规划》，一定程度上促进了区域优化产业结构、提高效益、降低能耗。2015-2016年仅有5个城市的GML指数是小于1，说明能源生态效率在整体上得到了提升。

对黄河流域城市GML指数进行分解，得到的GML、EC和BPC的均值分别为1.004、1.002和1.0082，说明黄河流域城市的能源生态效率整体有所提升，其提升的内部因素主要得益于效率改进，技术进步对能源生态效率的提升也有促进作用，但作用力度小于效率改进。为进一步分析，将黄河流域各个时间段的GML、EC和BPC指数的均值绘制成柱状图，如图5所示。从图中可见，仅有2005—2006年、2006—2007年、2007—2008年、2009—2010年、2011—2012年、2014—2015年和2015—2016年这7个阶段的GML指数的均值高于1，说明在这期间的能源生态效率有所提高；对GML指数进行分解的结果表示，在能源生态效率提升的7个阶段中，由效率改进和技术进步同时拉动的有3个阶段，而单独由效率改进拉动则有4个阶段，这同样反映了当前黄河流域城市能源生态效率的提高过多地依赖于效率改进，而非技术进步。效率改进主要体现在企业内部管理、组织、控制等方面的提高，但是，能源效率改进的本质在于依托技术进步，若无技术进步的推进，能源生态效率很难得到突破性的提高。［19，20］

图5 黄河流域城市能源效率GML指数及其分解指数均值图

从总体来看，2012—2013年的GML指数达到了最低值，之后实现了快速增长，说明流域内城市愈加重视能源生态效率的提高，效果明显。2004—2015年黄河流域的能源生态效率均值仅维持在0.4—0.5，效率损失严重，2016年的能源生态效率均值是历年来最高，为0.6586，增长较快，但仍有较大提升空间。可见，继续深化改革能源结构，提高能源利用效率，依然是黄河流域目前迫切需要解决的问题。

（三）外部影响因素分析

1．能源生态效率外部影响因素的选取

借鉴已有文献，选取外部影响因素如下，各指标的描述性统计如表2所示。

（1）产业结构（is）：关伟和许淑婷认为产业结构对能源生态效率的影响最大。［9］魏楚和沈满洪认为第三产业占GDP比重能够提升能源效率。［21］这里取第二产业占地区生产总值的比重作为衡量产业结构的指标。

（3）交通基础设施（if）：选取占比最大的人均道路面积作为评价交通基础设施水平的指标，［23］由于2017年《中国城市统计年鉴》不再统计道路相关数据，这里根据2015年和2014年相对于上一年的增长率取平均值，再乘以2015年的人均道路面积得出2016年的数据。

（4）城市化率（urban）。城市化率通过能源消费总量影响的到能源效率。考虑到在城市化的进程中，城市的土地面积随着居住人口的增加而增加，本文用城市建设用地占市区面积比重来代替城市化率。［24］

（5）对外开放程度（fdi）：城市利用外资的同时也带来了技术与管理效应，在一定程度上能够改进能源效率，［25］这里以当年实际使用的外资金额与资本形成额比值来衡量对外开放程度。

表2 描述性统计

0.5 6 8 0.7 0 6 f d i u r b a n 8 6 8 8 6 8 0.0 1 5 0.0 8 0 0.0 3 2 0.0 8 8 0 0.0 0 1

2．空间自相关分析

图6 2006年与2016年局部莫兰检验散点图① 图中的1、2、3……62按照图4中顺时针方向的城市排序，分别代表了黄河流域的地级市。

本文对能源生态效率分别进行了全局和局部莫兰指数的检验，这里仅在图6列举了2006和2016年的局部莫兰检验散点图。图形显示，早期流域范围内大多处于低能源生态效率集聚区，随着能源生态效率的提高，部分城市向高集聚区转移，表明当城市能源生态效率提高时会影响到周边的城市，形成高高集聚。对影响因素进行全局莫兰指数检验的结果表明，各因素确实存在空间自相关性，且数值显著为正。

3．空间计量模型检验

对于空间计量模型的选取上，采用在文献中使用较多的空间杜宾模型（SDM）。在确定合适的模型之前，需要进行LR检验以确定空间杜宾模型是否会退化为空间误差模型（SEM）或空间滞后模型（SAR）。其中，在SDM是否退化成SEM的检验中，LR统计量在1%显著性水平上拒绝原假设；在SDM是否退化成SAR的检验中，LR统计量未通过检验；在Wald检验中得到同样的结论。因此本文采取SAR模型进行空间计量检验。在固定效应与随机效应的选取上，进行了Hausman检验，选取了固定效应；在地区固定效应、时间固定效应与混合效应的选取中，进行了模型检验最终选取了时间固定效应进行分析。为对比空间计量回归结果，本文进行了OLS与GLS的回归检验，检验结果汇报于表3。

时间固定效应的检验结果表明，能源生态效率的空间相关性系数（rho）在1%的水平上显著为正值，表明能源生态效率在不同阶段存在正的空间相关性，即能源生态效率较高的地区，其相邻地区的能源生态效率也会较高，能源生态效率较低的地区，其相邻地区的能源生态效率也会较低。

产业结构对能源生态效率的回归系数在1%水平上显著为负值，反映了黄河流域内城市产业结构抑制了能源生态效率的提升。第二产业是能源消耗较高的行业，能源利用不够充分，第二产业比重的提升会降低能源生态效率，仍需继续推进产业升级和优化；［21］姚愉芳等的研究也表明工业结构的升级和优化有利于能源效率的提升。［26］

交通基础设施对能源生态效率的影响显著为正值，说明黄河流域内交通基础设施的提升能够提升能源的使用效率。随着交通基础设施的提高，城市的可通达性提升，能源的运输效率提高、损耗率下降，这在一定程度上能够提升能源生态效率。

政府干预对能源生态效率的影响显著为负值，表明在黄河流域当政府对市场干预过多时，反而阻碍了能源生态效率的提升，这与师博和沈坤荣的观点一致。［22］政府干预企业的信贷资源配置，引发贷款企业的过度投资，反而使能源消耗激增。［22］

城市化率对能源生态效率的影响显著为负值。随着城市化进程的发展，绿地面积不断减少，能源消耗中产生污染物不断累积，城市化过程中会产生“拥挤效应”［27］，使城市化水平负向地影响城市能源生态生态效率。

对外开放程度在各模型中的回归结果不够显著性，表明在黄河流域城市中引进外资的行为对能源生态效率仅存在有限影响。

为进一步分析SAR模型中解释变量的空间滞后项，采取Le Sage&Pace提出的偏微分方法，将总效应分解为直接效应和间接效应。［28］直接效应即是本地的各影响因素对本地的能源效率的影响，间接效应体现为溢出效应，即其他地区的相关因素对本地能源生态效率产生影响，检验结果汇报于表3。实证分析结果表明，若要提升本地区的能源效率，不仅要考虑到本地区的产业结构与交通基础设施等的影响，周围地区的能源生态效率水平以及周围地区的产业结构及交通基础设施同样会影响到本地区的能源生态效率。对各因素的直接效应与间接效应进行比较分析，可发现各影响因素的直接效应系数均大于间接效应系数，这反映了各城市采取措施提升能源生态效率时，不仅使自身及周围城市受益，且自身的收益程度将大于邻近城市。

为检验回归结果的稳健性，本文对SAR模型的个体固定效应、双固定效应和随机效应，以及SDM模型的个体固定效应和时间固定效应进行了检验，检验结果无实质性改变，检验结果省略。

表3 模型检验结果

四、结 论

根据SBM-DEA模型，测算了2003-2016年黄河流域62个地级市的能源生态效率值，进行上中下游地区能源生态效率的比较分析；为探析影响城市能源生态效率的决定因素，本文从内部因素和外部因素两方面对能源生态效率进行分析，结论如下。

（1）黄河流域的能源生态效率仍处于偏低水平，城市间能源生态效率差距较大，中游地区的能源生态效率水平低于上游和下游地区。黄河流域要针对上中下游地区采取差异化的策略。内部影响因素分析的结果表明能源生态效率值的提升过多地依赖于效率改进而非技术进步。来若要协调上中下游的发展差异，推进区域协同发展，需要加强技术进步对能源生态效率提升的作用。加大对下游区域技术创新的支持力度，鼓励流域下游区域的先进技术向中游区域进行转移，鼓励中游区域通过技术引进和自主创新推进能源效率的提升，特别是对于具有煤炭优势能源的区域，通过煤炭洁净技术、污染治理技术等提高煤炭使用效率，并推进能源结构多元化，鼓励可再生能源的使用。能源生态效率高的地区通过加强区域合作，实施区域共同提高的政策，实现双赢发展。

（2）外部影响因素分析的结果表明，产业结构、政府干预、城市化率在空间上对能源生态效率均存在显著负向影响，交通基础设施建设对能源效率存在显著正向影响。因此，应加快产业优化升级，推进产业结构调整。通过淘汰落后高耗能产业，降低能源密集型产业比重，大力发展高新技术产业和服务业，提升能源效率；合理发挥政府作用，加强城市化进程质量管控；发挥交通基础设施的积极作用，提高车辆的使用效率，降低区域间的交通成本，以提升黄河流域的能源生态效率。