中国能源强度的区域收敛性、空间差异与驱动因素

唐李伟 伍寒玲

(湖南师范大学 数学与统计学院/湖南省双碳研究院，湖南 长沙 410081)

一、引言

自改革开放以来，我国经济发展取得了巨大成就，同时，能源需求总量也在不断攀升。《中国能源供需报告》数据显示，2018年，我国能源消耗总量达到46.4亿吨标准煤，占全球一次能源消费总量的23.6%，居世界首位，我国面临巨大的节能压力。能源是经济发展的一把“双刃剑”，一方面，能源供应充足时，经济发展的潜力就会释放；另一方面，能源短缺或能源危机也可能造成重大经济创伤(Liu和Lee, 2020)[1]。因此，提高能源利用效率、降低能源依赖性至关重要。目前我国能源问题存在以下两个基本问题：一是不合理的能源消费结构和较低的能源利用效率。国家统计局数据显示，2018年，我国煤炭占能源消费总量的比重为59%，虽然比重逐年下降，但煤炭依赖性仍然很高。2019年《BP世界能源统计年鉴》数据显示，2017年我国能源强度是世界平均水平的1.8倍，分别是美国的2.5倍、欧盟的3.3倍、日本的4.3倍。此外，我国能源利用效率甚至远低于印度、墨西哥和巴西等发展中国家(Tang和He,2021)[2]。因此，我国在降低能源强度、缩小与其他国家差距的问题上任务繁重。二是我国能源强度的区域差异性较大。如2018年我国东部平均能源强度数值为1.51吨标准煤/万元，中部地区和西部地区则分别为2.04吨标准煤/万元、3.87吨标准煤/万元，能源强度分布呈东、中、西部梯度递增的特点。因此，促进西部能源强度水平能够向东中部地区的水平靠拢，减少我国能源强度在空间上的不均衡性，则我国整体能源效率将会得到明显提高，进而降低能耗。

较低的能源效率不仅导致巨大的能源消耗，同时也是大量CO2排放的主要影响因素。《自然》杂志数据显示，2020年全球碳排放总量约为336亿吨，其中我国碳排放占全球的30%，亦居世界首位。大量排放的CO2导致温室效应加剧、气候变暖等一系列环境问题，违背了我国社会可持续发展的理念，同时也使我国面临巨大的减排压力。尽管如此，作为世界最大的发展中国家，我国仍然主动承担了减排重担。2009年，在哥本哈根举行的联合国气候大会上，我国政府主动提出中国要到2020年实现单位GDP二氧化碳排放比2005年减少40%-45%。2015年巴黎气候大会上，我国政府再次提出中国要到2030年实现单位GDP二氧化碳排放比2005年降低60%至65%。2020年9月22日，国家主席习近平在联合国第七十五届大会上郑重向国际社会承诺在2030年前实现碳排放达峰、2060年前实现碳中和。碳减排问题归根结底仍然是能源利用效率问题，能源效率的大幅提高，可以显著减低碳排放。

能源利用关系到环境、产业结构的调整、经济增长的效率和社会发展等诸多方面，关乎一个国家的可持续发展。定量研究我国省域间趋同能够反映能源总体结构背后的技术趋同在全国范围内的使用，其差异可以指导我国节能减排政策合理制定。本文的研究目的在于通过实证分析我国区域能源强度的收敛情况来探究我国东部、中部、西部三大地区内部以及区域之间能源强度的差异性及其影响因素，这可以为决策者制定因地制宜的能源环境政策提供科学依据，以应对全球气候变暖问题，同时也能为探究我国能源利用效率发展动态提供一定的研究参考。

二、文献综述

能源强度可以用来度量不同国家或者地区的能源利用效率，用来衡量经济体的能源消耗以及对能源的依赖程度。近年来，越来越多的学者对能源强度的收敛性问题进行了研究，能源强度的收敛性问题已成为能源领域聚焦的热点之一。

国外学者将收敛性理论应用在能源方向比国内早，且国外的研究更多的是研究国家之间能源强度的收敛性。学者们采用的方法主要是基于经济增长收敛模型，结合面板数据构建传统的收敛回归模型。如Mielnik和Goldemberg (2000)[3]研究了1971-1922年期间41个国家的能源强度收敛性，实证结果表明，这41个国家存在能源强度收敛的关系。Liddle (2010)[4]研究显示，经合组织和欧亚地区国家表现出能源强度收敛性特征。相关研究还包括Markandya等 (2006)[5]、Mulder (2005)[6]、Burnett和Madariaga (2017)[7]及Mulder和Groot (2012)[8]等。此外，国外学者们对于能源强度收敛性研究采用的方法较多，除了传统的收敛性回归模型，还有一些学者采用其他分析方法研究了能源强度的收敛性特征。例如Duro和Padilla(2011)[9]先通过聚类的方法将116个样本国家分为9个组，然后采用Theil指数来研究1971-2006年期间组与组之间、组内部的能源强度敛散性。Herrerias(2012)[10]对83个国家的能源强度敛散性进行了研究，通过使用分布动力学方法研究发现，1971-2008年期间，在发达国家中至少存在两个收敛俱乐部。此外，Ezcurra(2007)[11]采用非参数方法、Canel等(2017)[12]使用线性和非线性单位根方法、Le Pen和Sévi(2010)[13]采用成对分析方法、Mussini(2020)[14]通过不平等变化分解的非参数方法对能源强度收敛问题进行了研究。

相比之下，我国学者关于收敛性的研究从经济增长扩展到人力资本以及能源强度等领域。学者们对于能源强度方面的研究大多借鉴传统的收敛性模型，即以经济增长收敛性检验方法为基础，运用面板数据回归模型来研究我国区域能源强度收敛性。如Zhang等 (2019)[15]利用2000-2015年期间中国各省的面板数据，研究了中国各省能源强度的收敛性。齐绍洲和罗威 (2007)[16]、孟望生 (2019)[17]使用滞后调整的面板数据模型研究了中国能源强度与经济增长方式转变之间的收敛关系。齐绍洲和李锴 (2010)[18]研究了我国东部和西部地区省份能源强度差异与劳均GDP差异间的关系。王春宝和陈迅 (2017)[19]基于省级面板数据，实证研究了技术进步、经济结构调整对能源强度收敛性的影响效应。王良虎和王钊 (2020)[20]研究显示长江经济带整体层面不仅存在能源强度绝对β收敛且存在条件β收敛。

近年来，空间计量方法在能源领域得到广泛应用，部分学者在研究我国区域能源强度收敛性时使用空间计量模型。如陈迅等 (2016)[21]通过使用空间面板模型分析了1997-2011年期间我国能源强度和经济增长之间的收敛关系，实证结果显示，能源强度随着经济的收敛也收敛，二者的收敛特性是同步的。赵新刚等 (2019)[22]研究显示能源强度存在显著的空间正相关性，且在空间分布上呈现出东南低、西北高的集聚特征，能源强度存在条件β收敛。Zhao和Fan (2019)[23]采用空间杜宾面板模型来研究我国省际能源强度的收敛性，结果表明2004-2017年样本期间区域能源强度存在β收敛。此外，由于更多的计量模型被提出，一些学者也开始基于更丰富的研究方法来研究我国区域能源强度的收敛性。如李梦蕴等 (2014)[24]研究了1995-2011年期间我国能源利用效率的收敛性，在通过计算泰尔指数的方法进行实证分析的基础上，得出不同地区间和地区内能源利用效率都存在收敛性的结论。Zhu和Lin (2020)[25]采用对数t检验和聚类算法、Wu等 (2018)[26]运用分布动力学方法研究了我国能源强度的收敛特征。

国内学者对于能源强度影响因素方面的研究也较多，主要从行业和区域层面来研究能源强度的影响因素。如张毅等 (2014)[27]研究了产业结构对交通运输行业能源强度的影响。唐晓华和刘相锋 (2016)[28]研究了产业结构对制造行业能源强度的影响。Li等 (2013)[29]研究了技术进步、经济结构以及能耗结构三个因素对中国三个地区能源强度的影响。Huang等 (2017)[30]研究了不同的技术因素对我国30个省份能源强度的影响作用，在使用线性回归和非线性回归方法的基础上发现，FDI可以促进能源强度的降低，而技术溢出效应则不利于能源强度的降低。吕琦等 (2019)[31]从地理层面和社会层面两方面，分析了城镇化水平对我国不同区域能源强度的影响。吴建新等 (2018)[32]采用加权的分布动态方法研究了我国省域能源强度的分布动态及其收敛性。王良虎和王钊 (2020)[20]考察了长江经济带能源强度收敛性情况。

上述研究表明，在研究能源强度收敛性方面，国外学者更多的是对国家与国家间的能源强度收敛性进行研究，而国内学者的研究主要聚焦于我国区域能源强度的收敛性特征。现有关于能源强度收敛性的研究主要是采用线性模型，但能源强度的演进路径可能会随着外界经济环境变化或者某些政策的实施而发生变化，因此，只采用线性模型并不能够准确刻画出能源强度的收敛性。基于上述考虑，本文拟构建非线性的面板两区制门限自回归(TAR)模型研究我国区域能源强度的收敛性问题，构建偏最小二乘回归(PLS)模型探究能源强度的影响因素，并结合研究结论提出切实可行的提高能源效率的政策建议。

三、实证研究方法

Evans和Karras (1996)[33]最早提出在线性模型基础上进行收敛性检验(刘金全等, 2009[34]；张大永和刘子寅, 2015[35])，模型设定如下：

(1)

其中，n为地区个数，t为时间，且n=1,…,N，t=1,…,T，变量gn,t定义如下：

(2)

(3)

(4)

在Evans和Karras (1996)[33]提出的线性模型检验框架的基础上，Beyaert和Camacho (2008)[36]将其拓展到了非线性面板TAR模型，模型形式如下：

Δgn,t=

(5)

其中，n=1,…,N，t=1,…,T。λ表示为门限参数；zt-1是转移变量，I{x}表示指示函数。当zt=1<λ时,I{zt-1<λ}=1，I{zt-1≥λ}=0，此时，模型处于区制I中。当zt-1≥λ时，I{zt-1<λ}=0,I{zt-1≥λ}=1，模型处于区制II中。同时，方程(5)还可以写成：

Δgn,t=

(6)

接下来是进行非线性检验。非线性检验是为了检验能源强度路径是否存在非线性特征，即判断线性模型(1)和非线性模型(5)哪个更适合用来检验N个地区的能源强度收敛性。检验原假设是线性模型，备择假设是非线性面板TAR模型，原假设如下：

当检验表明能源强度路径存在非线性特征时，下一步则是基于非线性TAR模型来检验收敛性，检验的原假设为：

原假设H0表示的含义是：N个地区能源强度在两个区制中均发散。若原假设被拒绝，则接下来检验能源强度路径在两个区制的收敛情况，三个备择假设如下：

(7)

(8)

(9)

式(7)说明能源强度路径在两个区制中均收敛，称为完全收敛；式(8)和(9)表示只在一个区制存在收敛性，即部分收敛。可以使用Beyaert和Camacho (2008)[36]提出的Wald检验统计量来检验完全发散的原假设H0与完全收敛的备择假设H1a：

四、我国能源强度的空间差异分析

(一)能源强度发展现状

图1为1986-2018年期间全国能源强度的时间趋势图①。图中结果显示，在这期间我国能源强度呈现出下降趋势。1986至2002年，我国能源强度逐年降低，2002-2005年期间，能源强度不降反升，主要是因为这段时期第二产业相对于其他产业比重上升，且第二产业内部重工业占工业比重也上升，产业变化出现明显“重化”趋势，这类产业能源消费不仅量大而且刚性也大，导致能源强度呈现上升趋势(孙广生等, 2012)[37]。但2005年之后，随着节能减排政策相应推出以及技术进步，能源强度继续呈现降低趋势。

图1 1986-2018年中国能源强度变化趋势图(单位：吨标准煤/万元)

(二)区域间能源强度差异性分析

图2为东部、中部和西部能源强度1986-2018年的时间趋势图。图中显示三大区域的能源强度均呈下降趋势。其中，东部地区在样本期间内与全国能源强度变化相同，呈下降趋势，由1986年的6.76吨标准煤/万元降至2018年的1.51吨标准煤/万元。与中西部地区相比，东部地区在经济发展、技术进步、市场化和对外开放方面表现更好，因此能源效率更高、能源强度更低。中部能源强度稍高于全国和西部能源强度均值，且中部能源强度除了在2002年有轻微上升波动外，在样本期间内均呈下降趋势。西部地区能源强度在1986-2002年期间逐年降低，在2002-2005年期间波动增长，随后继续保持下降趋势，且始终高出全国能源强度均值，是我国能源强度最高的地区，这意味着西部能源利用效率相较于其他两个区域是最低的。因此，西部地区在未来节能降耗潜力更大，同时也是我国未来提高整体能源效率的关键所在。

图2 1986-2018年我国三大区域和全国能源强度均值趋势图

(三)区域内能源强度差异分析

由上文分析可知区域之间能源强度存在显著差异性，为了分析这种差异性出现的原因，接下来分别分析三大区域内部省际能源强度的差异性。图3为我国东部地区11个省份在1986-2018年期间平均能源强度值，我们可以看到东部省份平均能源强度值变化范围是在1.74-5.99吨标准煤/万元之间，各省之间能源强度差异比较小，平均能源强度最高为河北(5.99吨标准煤/万元)，最低的海南为1.74吨标准煤/万元。上海、江苏、浙江、福建、广东这几个省份能源强度值比较接近，在3.0吨标准煤/万元左右，且这五个省份分布在我国经济基础较好、新兴技术产业较发达地区。

图4是我国中部地区8个省份在1986-2018年期间平均能源强度。可以发现，山西省能源强度高于其他7个省份，高达10.24吨标准煤/万元，约为江西省(3.53吨标准煤/万元)的3倍。山西是能源大省，拥有丰富的煤矿资源，且能源消费结构中煤炭消费占据主要地位，这也是山西省能源强度较高的原因。整体上来看，除山西省以外，其他7个省份能源强度水平比较接近，差异性较小。其中，安徽、江西、河南、湖北以及湖南的平均能源强度比较接近，均在4.0吨标准煤/万元左右。

图5是我国西部地区11个省份平均能源消费强度，可以看出各省区间能源强度水平参差不一，具有较大差异性。能源强度值最大的省份是宁夏，为12.90吨标准煤/万元，是最低省份广西(3.64吨标准煤/万元)的3.5倍，同时在全国30个省份中，宁夏能源强度也是最高的。重庆、四川、云南、陕西的能源强度比较接近，大致在5.0吨标准煤/万元左右。青海、贵州、新疆这几个省份的能源消费强度值基本在9.0吨标准煤/万元左右。内蒙古和甘肃的能源强度基本在6.5吨标准煤/万元左右。由此可以看出，西部地区内部省际能源强度差异性很大，呈现集聚性特征，这也可能是导致西部地区和东、中部地区能源强度差异性较大的原因。

图3 东部地区各省1986-2018年平均能源强度

图4 中部地区各省1986-2018年平均能源强度

图5 西部地区各省1986-2018年平均能源强度

通过前文分析可知，三大区域内部省份以及地区之间的能源强度存在差异性，为了更好地对比30个省份能源强度的发展水平，接下来对我国整体能源强度分布情况进行分析。表1为我国各省区1986-2018年期间能源强度描述性统计值。由表1中数据可以发现，平均能源强度高于全国平均值(5.32吨标准煤/万元)的省份有河北、吉林、黑龙江、山西、四川、贵州、甘肃、青海、宁夏、新疆、内蒙古11个省份，云南和辽宁的能源强度和全国平均能源强度水平较接近，剩下的17个省份能源强度比全国平均能源强度低。这11个省份中能源强度最低的地区是海南省(1.74吨标准煤/万元)，最高地区是宁夏(12.90吨标准煤/万元)，约为海南的7.4倍。同时，宁夏能源强度水平在全国30个省份中也是位列首位。

表1 1986-2018年全国各省份能源强度描述性统计值 (单位：吨标准煤/万元)

五、我国区域能源强度收敛性的实证分析

(一)数据来源与处理

本文选取了1986-2018年期间中国内地30个省份(西藏由于数据缺失太多，不包括在内)的能源消费总量和GDP数据，并将这些省份划分为三大区域来进行收敛性分析。能源强度通常被用来衡量能源利用效率，能源强度越低，说明能源效率越高。能源强度以能源消费总量(万吨标准煤)除以地区生产总值(亿元)计算得到。本文将地区生产总值换算为以1986年为基期。数据来源于各年度《中国统计年鉴》《中国能源统计年鉴》《新中国60年统计资料汇编》以及各省统计年鉴。

(二)能源强度收敛性检验结果

本文首先检验东部地区能源强度敛散性。东部省份能源强度随时间变动趋势如图6所示，由趋势图可以发现，随着时间的推移，这11个省份的能源强度差异在逐渐减小。1986年，东部地区各省份能源强度数值差异性还比较大，但到2018年时，各省份能源强度水平已经非常接近，有明显的收敛态势。线性模型和非线性TAR模型的收敛性检验结果由表2给出。表2(a)显示，自举模拟概率p值为0.593，无法拒绝发散的原假设，说明东部地区的11个省份能源强度是发散的。但从表2(b)中非线性检验的结果来看，这11个省份能源强度变化具有非线性的特征(无约束和有约束检验的p值分别为0.002、0.028)，因此采用TAR模型来检验这11个省份能源强度敛散性更为合适。由TAR模型检验结果显示，转移变量是福建省(g福建,t-g福建,t-1)，门限参数为-0.09，滞后参数d=1。这意味着当福建省能源强度的变动低于同期东部11个省份的平均变动幅度的0.09%时，模型处于区制I中；否则，模型处于区制II。区制I占总样本的40%，区制II占总样本的60%。由TAR模型的收敛性检验结果可以看到，东部能源强度在区制II(p=0.001)和两区制(p=0.013)中均拒绝了原假设，这表示东部地区11个省份能源强度在区制II部分收敛。进一步从绝对收敛与条件收敛的检验结果来看，在区制II(p=0.414)和两区制(p=0.817)中均为绝对收敛。

图7所示为11个省份门限变量(福建省)的动态路径。可以看出，1996年以后，模型主要处于区制II中，也就是说，1996年以后这11个省份能源强度基本呈现出绝对收敛的状态，其原因可能是国家出台的有关节约能源的政策所致。早在1986年，国务院就颁布了《节约能源管理暂行条例》和《中国技术政策·能源》蓝皮书，要求把节约能源作为在国民经济调整时期挖潜、革新、改造的重点来抓。“八五”时期(1991-1995年)，在党中央“开发与节约并重，近期把节约放在优先地位”和“高度重视节约能源原材料，提高资源利用效率”的方针指引下，我国资源节约综合利用工作也取得了显著成绩。1995年，党中央又提出了“经济增长方式从粗放型向集约型转变”的国民经济和社会发展的指导方针，这促进了各地区的产业结构调整、新兴技术产业的发展。由此可见，中国政府采取的一系列节能降耗的政策和措施，促进了各省份的能源强度的下降，能源政策实施效果明显。因此，省域间能源强度差异性缩小，1996年开始出现了收敛的趋势。

表2 东部能源强度收敛性检验结果

图6 东部地区能源强度的时间动态轨迹

图7 东部地区门限变量的时间动态轨迹

图8为中部地区能源强度随时间变动的趋势，可以看到，各省份之间的能源强度差异性缩小趋势明显，能源强度路径存在收敛性特征。表3(a)中的线性模型检验结果表明，这8个省份能源强度是发散的(p=0.311)。然而非线性检验结果显示，TAR模型更优于线性模型(无约束检验 p =0 .005 ,有约束检验 p =0 .002)。因此，对于这8个省份能源强度收敛性问题用非线性TAR模型更为合适。从TAR模型估计结果来看，江西省被确定为区制I过渡到区制II的转移变量(g江西,t-g江西,t-1)，门限参数的估计值为-0.32，滞后期参数值d=1，即当江西省能源强度变动低于中部11个省份的平均变动幅度0.32个百分点时，模型处于区制I中；否则，模型处于区制II中。区制II占据样本观测期的60%，占据主导地位。收敛性检验的结果发现这8个省份能源强度在区制II 中呈现部分收敛(p=0.000)且绝对收敛(p=0.294)特征。

图9所示为门限变量的时间轨迹图，可以发现，1999年以后TAR模型基本是处于区制II中，说明1999年以后这8个省份的能源强度是收敛的。这也是由于“八五”“九五”期间出台的关于节能降耗的政策措施，促进各个省份能源强度下降，差异性逐步减小。

表3 中部能源强度收敛性检验结果

图8 中部地区能源强度的时间动态轨迹

图9 中部地区门限变量的时间动态轨迹

图10 西部地区能源强度的时间动态轨迹

图10为西部地区能源强度的趋势变化。可以看出，这11个省份的能源强度变化比较平缓，且各省份之间能源强度差异变化不明显，没有很明显的收敛特征。从非线性检验结果来看，无约束和有约束检验的p值均为1，这意味着这11个省份能源强度不存在非线性特征，所以建立TAR模型来进行敛散性检验是不合适的。因此，按照线性模型的估计结果为准。表4(a)中的线性模型估计的自举模拟概率p值为0.145，表明我国西部这11个省份在整个样本期间能源强度是呈发散态势。

从西部地区的11个省份的实际能源强度数值上来看，省份之间能源强度差异性较大，且这种差距并没有随着时间而有很明显的缩小趋势。如青海、宁夏、新疆的能源强度很高，1986年这三个省份平均能源强度为16.62，尽管在过去三十多年内这些省份能源强度都表现出了逐步下降的趋势，但2018年它们的平均能源强度为7.80，仍然是广西、重庆、四川、陕西这些省份能源强度的3-6倍。因此，这11个省份能源强度不具备收敛性特征。此外，西部地区无论是从科技水平还是从经济实力来看，都比不上东、中部地区。高耗能产业比较集中，以第二产业为主，相关的节约能源资源的政策效应不明显，这也是造成整个西部地区能源强度路径发散的原因。

表4 西部能源强度收敛性检验结果

最后，我们检验三个区域之间能源强度的收敛情况。图11描绘出三个区域能源强度均值随时间变动的趋势。由趋势图可以看出，随着时间的推移，三个地区的能源强度均值没有出现明显的收敛趋势，尤其是西部地区和东、中部地区的差距仍然较大。进一步地，从表5(a)中的线性模型估计结果进一步来看，p值为0.799，无法拒绝路径发散的原假设，说明这三个地区能源强度均值在整个样本期间不存在收敛证据。表5(b)中的非线性测试结果也显示三个地区能源强度不存在非线性特征(无约束、有约束的p值分别为0.829、0.835)，这意味着线性模型更适合用来检验区域间能源强度收敛性。因此，区域间能源强度在整个样本区间内都不存在收敛证据。原因在于，一方面，近些年来，虽然东部与中部地区能源强度差距在减小，然而东部与西部的能源强度差距越来越大，可见，区域间能源强度的差异性仍然较大。同时，由于各地区的经济发展状况、资源禀赋存在很大的差异性，也使得区域间能源强度表现为发散趋势。另一方面, 从前面实证结果来看，东部地区的11个省份能源强度在出现部分收敛特征，中部地区内8个省份能源强度也呈部分收敛特征，但西部地区11个省份能源强度在样本期间都是发散的。这三个区域分别存在着差异性的收敛状态，也可能是导致这三个区域之间能源强度发散的原因。

表5 区域间能源强度收敛性检验结果

上述实证分析结果表明，区域间能源强度的差异性仍然较大。相较于东部和中部地区来看，西部地区能源强度具有更大的下降空间。这也意味着从长期来看，降低我国整体能源强度的压力还很大，尤其是降低西部地区能源强度以及缩小区域间存在的差距是我们更要关心的问题。接下来，本文分析对能源强度影响显著的经济变量。

图11 三大区域能源强度的时间动态轨迹

六、我国能源强度的影响因素分析

(一)影响因素选择

1. 技术进步

技术进步是发展低碳经济、改善能源利用效率的有效办法。学者们针对技术进步对能源强度的影响方面的研究也比较多，如王班班和齐绍洲(2014)[38]研究发现R&D水平溢出效应有利于能源强度的下降。R&D经费投入是技术进步的主要来源，同时也是促进技术进步的重要途径之一。因此，技术进步由研究与试验发展活动经费支出(R&D)占GDP的比重来衡量。

2. 产业结构

产业结构对能源强度的影响一直以来是学者们关注的焦点，不同产业的能源利用效率差异性较大。如第二产业对煤炭石油需求很大，在我国能源消耗总量中占有较高比例。同时，第二产业具有高污染、高耗能的特征，因此第二产业的发展会增加能源消耗并产生较高的能源强度。而第三产业中除了交通运输业之外，其他行业对能源的依赖性较低，能源消耗较少。因此，合理的产业结构调整有利于降低能源强度、改善能源效率。本文通过计算第三产业增加值占GDP的比值来表示产业结构。

3. 经济发展水平

经济发展水平对我国能源强度的发展可以从几个角度来分析。一方面，收入增加会导致更多的消费和投资，这在发展的早期阶段可能会使得能源强度上升；另一方面，不断增加的收入倾向于推动经济结构向能源密集度较低的行业发展，并促使先进技术的应用。经济发展水平变量使用人均GDP的对数值来指代。

4. 对外开放程度

随着全球化的发展，我国不断加强对外经济技术交流。外商投资的增加可以通过技术扩散和知识溢出的影响提高我国生产率和能源效率，从而降低能源强度。但外商投资若主要集中在能源消耗大的行业或部门，则会使得能源消耗增大，不利于提高我国能源利用效率。本文选取实际利用外资额占GDP比重来表示对外开放程度，来研究对外开放程度对我国能源强度的影响。

狠抓安全生产工作。健全规章制度，落实安全生产责任。加强安全生产监督检查，组织开展“打非治违”专项行动，加大挂牌督办力度，着力抓好事故预防和隐患治理。积极开展安全生产宣传教育活动，增强了干部职工安全生产意识。

5. 能源消费结构

目前，我国能源消耗中煤炭占据最大比例，而煤炭的利用效率低，小于石油和天然气，其燃烧过程中产生的磷、硫氧化物等有害气体会导致严重的大气污染。煤炭占比太高不仅会使得能源强度增加，还会破坏生态环境。能源消费结构变量用煤炭消费量占总能源消费的比重指代。

6. 城镇化水平

当前，我国正处在城镇化的快速进程中，这直接导致了城市对于能源的需求量增加，如基础设施和交通运输设备等。然而，紧凑城市理论的观点认为，随着城镇化率的增长，若集中布局居民的工作、住宅与娱乐场地，可以降低交通需求，进而减少能源消耗。本文将城镇人口数除以年末总人口数比值来表示城镇化水平，考察其对能源强度的影响。

7. 投资水平

固定资产投资是经济发展的重要驱动力之一。同时，投资也拉动了对高耗能产品的需求，会导致能源强度的上升。但如果投资侧重于高新技术产业，则有助于改善能源效率，能源强度也会下降。本文选取全社会固定投资额占GDP的比重来探究投资水平对能源强度的影响。

本节所用数据均来源于《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》。其中名义人均GDP数据以1986年为基期，利用GDP指数进行计算得到实际人均GDP。实际利用外资额单位先统一换算成了人民币(亿元)，再计算与GDP的比值。各变量的定义和说明如表6所示：

表6 变量说明

(二)模型回归结果分析

为了消除多重共线性的影响，本文采用偏最小二乘法(PLS)来探究1986-2018年期间上述七个经济变量对能源强度的影响作用。首先，我们将初始成分的个数设置为自变量的个数，即7个成分数，得到模型初步估计结果，表7所示为每个成分数对应的累积贡献率，可以看到，成分数为2个时对被解释变量(EI)的累积贡献率也比较高(94.85%)，因此选取成分个数为2个。表8为PLS估计结果表，表9为解释变量的投影重要性指标(VIP)表，用来判断各自变量对因变量解释的重要程度。

表7 成分累计贡献率

PLS分析结果显示，变量Tech、Sect、LGDP、FDI、Urban系数为负，且在1%的显著性水平下均是显著的，说明技术进步、第三产业比重、经济发展水平、对外开放水平、城镇化水平对我国能源强度表现为显著的负向作用，均有助于降低我国能源强度水平。增加R&D的投入，有利于促进科技的进步，比如非侵入式负荷监测、核能技术、海洋能技术等这些先进能源技术的发展，是改善能源使用方式、提高效率的重要手段。第三产业大多都是低耗能、高回报的行业，例如旅游、金融等行业，加快第三产业的发展有助于显著降低能源强度。高经济发展水平意味着高投入水平，高投入水平有利于先进节能技术的发展，促使企业部门生产向低能耗、高产出方向发展，提高能效，降低能源强度；外商投资增加不仅促进我国经济发展，也给一些企业部门带来了更先进的技术，对于实现能源强度的降低大有帮助。城镇化水平对于能源强度的影响，从长期来看，有利于促进产业和技术结构等进一步优化，也有助于资源配置合理化，对提高我国能源利用效率是有帮助的。变量EC的回归系数为正，且通过了1%显著性水平下的检验，说明煤炭消费比重的增加会抑制我国能源强度的下降，这也与预期相符。因此，要提升我国能源使用效率就要合理调整我国能源消费结构，降低煤炭使用所占比例。同时，需要大力发展新能源和可再生能源，增加绿色能源消费比重。变量Invest未通过10%显著性水平检验，即在本文的研究中，固定资产投资对EI的影响不明显。

由表9可知，这几个因素对能源强度的影响程度从大到小依次为LGDP、FDI、Sect、EC、Urban、Tech、Invest。因此，为了有效降低我国能源强度，尤其要注重提高外商投资质量、优化产业结构、减少煤炭消费比重这几个方面的问题。

表8 PLS回归系数显著性统计表

表9 自变量的VIP值表

七、结论

本文基于经济增长收敛理论，通过构建两区制TAR模型，分析了我国区域能源强度的收敛性特征。此外，还采用了PLS回归模型考察了我国能源强度的主要影响因素。研究结果显示：东部地区内11个省份能源强度路径呈典型的非线性结构特征，TAR模型检验结果表明东部地区省际能源强度在1996-2018年期间呈现绝对收敛特征。中部地区内8个省份能源强度路径也存在非线性结构特征，TAR模型检验结果表明中部地区省际能源强度在2000-2018年期间绝对收敛。西部地区内11个省份的能源强度路径不存在非线性特性，线性模型检验结果显示，在整个样本期间内，西部地区省际能源强度不存在收敛证据。三大区域的检验结果意味着较发达区域率先通过调整产业结构和采用新技术等方法实现了稳定状态。最后本文检验了三个地区间能源强度收敛性，结果显示三个区域能源强度均值不存在非线性特性，通过构建线性模型进行检验发现，在整个样本期间内，三大区域间能源强度呈发散态势。这表明我国区域间能源强度水平发展不平衡，缩小地区之间差异性尤其是缩小西部与东中部地区差距才能实现我国整体能源效率的提高。对我国能源强度影响因素分析的结果表明：技术进步、第三产业比重、经济发展水平、对外开放程度、城镇化水平都和能源强度有显著的负相关关系，说明上述五个经济影响因素水平的提高均能显著降低能源强度水平。而煤炭消费比重和能源强度呈显著正向关系，这表明，降低煤炭消费的比重会有助于我国能源强度的下降。由这几个变量对能源强度的影响程度排名来看，为了有效降低我国能源强度，尤其要注重提高外商投资质量、优化产业结构、减少煤炭消费比重这几个方面的问题。

结合本文结论以及我国实际情况，现提出以下几点政策建议：第一，因地制宜地实施节能措施。从前文研究来看，我国能源强度呈西高东低的分布格局，且各区域内省份之间的能源强度大小也存在差异性。能源强度高的西部地区是未来节能减排的重点关注对象，应多学习借鉴其他地区比较先进的技术，充分挖掘其节能潜力。尤其是青海、宁夏、新疆、贵州、山西等这些能源强度很高的省份，应根据各省市自身资源特点，发展优势产业，实现资源配置合理化[39]。第二，积极开展能源国际合作，加强对话与交流。由前文研究来看，对外开放水平的提高在降低能源强度方面发挥了积极的作用，且对能源强度的影响程度较高。因此，政府应鼓励企业保持开放的态度，从国外获取新的、清洁的和节能的技术。同时，也要注重外商投资的侧重点，保证外资高质量投入，避免大量的外资投入到高耗能、高污染产业，引导外资向能耗低的技术密集型和资本密集型产业转移。第三，优化产业结构。前文研究结论显示，第三产业比重提高有助于降低我国能源强度，提高能源效率。我国政府应促进产业调整政策与节能政策的协调，合理配置不同产业的比例、提高资源利用效率。第四，合理调整能源消费结构，推广使用清洁能源。从前文研究来看，降低煤炭消费比重能够促进能源效率的提升。如采用先进技术实现煤炭的清洁高效使用，以及根据不同地区特点，发挥区域资源优势，积极推广太阳能以及生物质能等低碳清洁能源。第五，立足创新，不断提高对先进技术的学习能力。从前文研究来看，技术进步能够有效降低我国能源强度，因此，各地区应适当加大R&D 投入，促进节能技术的研发；政府应特别关注针对节能减排、节能教育和培训相关的财政激励措施，鼓励有实力的企业和部门进行自主创新。同时，政府应促进节能技术在地区间的扩散，如东部省份的经济实力雄厚、技术水平高，应突出东部省份在节能技术方面的研发优势，将先进的技术传播到能源强度水平高的西部地区，降低西部的能源强度水平，缩小其与其他地区之间的差距，从而实现我国整体能源强度水平的全面降低。

【注 释】

① 本文GDP均换算为以1986年为基期。