能源效率空间溢出效应及其影响因素研究——基于空间计量方法的实证分析

刘荣华 鲁汇智

1（华中师范大学经济与工商管理学院，武汉 430079）

2（中国社会科学院大学继续教育学院，北京 100732）

3（复旦大学管理学院，上海 200433）

我国经济增长方式呈现出高投入、高消耗的特点，这一方式是长时间以来形成的，将资源环境置于很大的压力之下，而在对全球气候变化问题的应对上，国家所需接受的挑战同样是多样的。采取何种措施将能源强度控制于较低水平，并有效提升能源利用率，发挥节能减排对经济发展方式转变的倒逼作用，从而解决能源需求快速增长和供给相对短缺二者之间矛盾［1］，是我国当前亟需解决的问题。在我国经济社会可持续发展的过程中，能源效率的提升发挥着重要的保障性作用，不过各地区出于提高能源效率这一目的而采取差异化措施既会对本地区能源效率产生影响，也会在相应程度上影响到邻近地区能源效率的高低，亦即有一定的空间溢出效应显现出来。分析实际情况，此种类型的空间溢出效应表现形式并不唯一，可能是负外部效应，主要受到过度竞争这一因素的影响，也有可能是正外部效应，主要受到示范效应与联系效应的影响［2］。阅读相关文献发现，长期以来能源效率及相关方向始终是学术界研究的一个热点内容，目前学者们以全要素为框架，在针对能源效率进行评价时多是对DEA 模型加以运用，赵涛与曹天骐（2018）［3］将非期望产出作为考虑因素，基于超效率DEA 模型和Malmquist指数，对我国工业部门的能源效率水平展开测算与动态分析。冯玮与姚西龙（2018）［4］从内部管理和外部环境两个视角展开，通过DEA 四阶段方法测算获得的我国各省（区、市）绿色全要素能源效率，探讨可能会影响绿色全要素能源产生的相关因素，并明确其影响程度。虽然运用DEA 模型研究能源效率确实取得了相应的研究成果，但在对效率进行评价和对决策单元进行排序的过程中，该模型有两个比较明显的不足显现出来：（1） 在出现多个效率值为1 的测算结果时，模型将无法完成对决策单元的分级排序任务；（2） 一些在互评环节中处于相对不利位置的决策单元，由于在进行效率值测试时，权系数被人为放大，有较大可能会出现DEA 伪有效的问题。

另外，在溢出效应的研究方面，空间计量模型在研究各种对象的空间溢出效应中被广泛利用。为了使模型估计与客观事实更为贴近，空间计量经济学除了否定空间面板数据无空间关联性与均质性的假设，将空间经济矩阵、空间距离矩阵等空间关联权重作为回归模型的考虑因素，还进一步将区域经济活动由空间自相关性产生的影响纳入模型的考虑要素中。空间自相关性的体现根据模型空间效应的产生来源，即产生于误差项、空间依赖性和二者综合影响的不同，可被划分为空间误差模型、空间滞后模型和空间杜宾面板模型。其中空间杜宾面板模型也被称为双向模型，主要从以下4 个方面被应用于研究能源空间溢出效应的影响因素：（1） 技术进步水平。王强等（2014）［5］利用DEA－Malmquist 分析，发现与我国东部地区不同，西部地区能源效率中规模效率水平高于技术效率水平，意味着在这里技术效率可以发挥出提升能源效率的主导作用；（2） 能源价格。李铭等（2018）［6］利用DEA 模型测算全国与省际能源效率，并针对能源价格影响能源效率的情况，借助GMM 参数估计方法作重点研究，进而发现能源效率显著、正向地被能源价格所影响；（3） 产业结构。刘争等（2022）［7］构建空间计量经济模型，研究中国能源效率受到产业结构这一因素的影响，实证分析结果显示，产业结构确实是对能源效率产生影响的一项重要因素，但时期与区域不同，影响程度也存在差异；（4） 经济发展。江洪等（2020）［8］基于对DEA 博弈交叉效率模型的构建，以我国30 个省（区、市）为研究对象，执行对基于碳排放约束的能源效率的测算任务，进而在动态空间杜宾模型的运用之下探讨会对能源效率产生影响的各类相关因素，最终结果显示，与地区经济发展水平的提升相伴随，能源效率同样呈现出增加之势，亦即前者会对后者产生显著的正向影响，而对于本地区能源效率，其他地区经济发展水平有正向的溢出效应显现出来。

为实现对以往研究欠缺的有效弥补，本文围绕决策单元之间所存在的竞争关系思考DEA 博弈交叉效率模型的构建，并将所构建模型应用于能源效率的测算中，以保证结果的科学性；在此之上，为了能更深层次地探讨能源效率的空间相关性，以对动态空间杜宾模型的运用为基础，借助邻近空间及地理距离两种权重，细化分析影响能源效率产生的各类因素，获取相关效应之后对其进行划分，得到直接效应和溢出效应两种类型。

1 理论假设

由于影响能源效率产生的因素之间存在错综复杂的关系，为了向省域能源措施实施提供针对性保障，同时促进能源效率的提升，本文对影响我国省域能源效率的主要因素进行深入分析。

城市化影响能源效率［9，10］。当前，部分学者就城市化水平与能源消费总量的关系，以及能源消费结构、城市规模对能源消费总量的影响进行了大量研究，但未从能源效率对城市化水平的影响进行深入研究。而目前我国工业化和城市化的加快，能源需求的增长对经济的增长更重要。因此，本文提出以下假设：

H1：城市化水平的提升会对能源效率产生不利影响。

产业结构影响能源效率［11，12］。因为第三产业对能源的消耗比较低，通过增加第三产业在所有产业中所占比重，会在相应程度上对能源效率的提升产生积极的推动作用；与之相对应的，第二产业对能源的消耗比较大，增加第二产业比重会对能源效率提升产生负面影响。出于对这一实际情况的考虑，本文提出以下假设：

H2：第三产业值与第二产业增加比值越大，能源效率越高。

技术进步影响能源效率［13，14］。以技术进步为视角，其对能源效率产生的影响主要通过以下两个渠道来实现：（1） 基于相关措施和手段的应用提升各种类型能源产品的加工转换率，达到节约利用和高效利用能源的目的；（2） 通过产品科技含量的提升，达到降低自身对能源的依赖性的目的，进而实现产品能耗的降低。本文在对技术进步的衡量上选取专利申请量这一指标，结合上述分析，本文提出以下假设：

H3：煤炭消费量在总能源消费量中所占比例越大，能源效率就越低。

在全国总专利申请量中，如一个地区的专利申请量大，则可以认为该地区的能源效率高［15，16］。出于对这一情况的考虑，提出以下假设：

H4：一个地区专利申请量在全国总专利申请量中所占比例越大，能源效率越高。

2 模型构建与数据来源

2.1 变量选取与数据来源

能源效率（EE）——以现阶段全要素能源效率为整体分析框架，基于对超效率DEA 模型的构建及运用，执行对我国各个地区实际能源效率高低的测算任务。在具体的测算过程中，投入要素设定为能源、资本和人力，分别用一个地区一次能源的总消费量、当期物质资本存量和从业者平均受教育年限来表示。同时，产出要素设置为期望产出和非期望产出，分别用国内生产总值（GDP）和燃料燃烧工业废气排放量表示。上述指标的具体数据参考自《中国统计年鉴》 和《中国能源统计年鉴》。

城市化水平（UL），使用非农业人口占城市总人口的比例来衡量。产业结构（IS），采用地区第三产业与第二产业增加值的比值来衡量。技术进步（TP），采用地区专利申请量占全国总专利申请量的比例来计算。能源消费结构（ECS），采用能源平衡表计算。

2.2 模型构建

（1） 能源效率评价模型。将碳排放指标作为DEA 博弈交叉模型的非合意产出，使用αd对（不同地区）决策单元DMUd的能源效率值进行表示。其他与DMUd相对应的决策单元DMUj博弈交叉能源效率需要避免αd降低的前提下达到自身的最高水平。对DMUj的博弈交叉能源效率值作以下定义：

式（1） 中，αdj表示的是DMUj相对于DMUd的博弈交叉效率值；μdij与ωdij表示的是模型的可行权重，可利用下述线性规划模型进行求解：

式（2） 中，αd≤1，为DMUd平均交叉效率的初始参数值。若得到的模型最优解为μdrj，那么DMUj的平均博弈交叉效率可定义为：

在上述分析基础上，将区域能源效率值的计算步骤分为以下几步：

①令t＝1、αd＝α1d＝，带入式（3），则可以得到一组平均交叉效率值。

③设存在DMUj使令αj＝αtj＋1，然后返回第二步；若对于全部的DMUj，满足则停止计算，此时得到平均博弈交叉效率值为αt＋1j。

（2） 能源效率空间溢出效应模型。通过全域性依赖检验和局域空间依赖对经济数据分布特征进行分析。Moran's I 指数可用于表征空间依赖方向与强弱，在空间依赖性检验中具有较高的应用率。

①全域性分析：

式（4） 中，xi和分别代表地区的指示变量与变量均值；N代表整个区域内地理单元的数量；wij和S2分别代表空间权重与变量方差。

对于经济变量而言，在分析其空间依赖性之时，不仅要界定空间单元，还要对地理单元之间相互邻接关系完成界定，即针对空间单元的实际位置进行量化处理。

地理单元之间的常见相互邻接关系包括r邻接、q邻接、k邻接与D邻接4 种。其中，r邻接是指有相同边的两个区域；q是指有相同的边或顶点的两个区域；k邻接是指区域最为邻近的k个地区（本文k取值为4）；D邻接是指针对制定的距离阈值完成邻接关系的定义工作。如果在两个地理单元之间，有前文所述邻接关系存在，则有wij＝1，不然则有wij＝0。

I值的取值范围为（－1，1）。如果此值与－1或1 越接近，在地理单元上，观察变量的正相关性或负相关依赖性就越强；如果与0 相近，相应的观察变量的随机分布特点即彼此的独立特征就越突出。

②局域性分析：

式（5） 中，Zi＝xi－ˉ；Zj＝xj－ˉ；xi表示的是地区的指示变量；wij表示的是空间权重。

利用上述指数对地区和周围地区之间的相关程度进行测算，若此值为正，意味着此地区和周围地区之间具有正相关性，亦即能源效率相似的地区在一起集聚；若此值为负，则表明此地区和周围地区之间具有负相关性，即能源效率相异的地区在一起集聚。

（3） 空间效应分解模型。由于空间滞后项会影响回归系数对变量的真实反映，以总体效应、直接效应和间接效应3 种类型对能源效应的影响进行划分，基于此，可得到经过变形的空间杜宾模型：

可以知道，总体效应是矩阵Sr（W）内全部元素的均值，有如下表示：

直接效应是Sr（W）对角线元素的均值，有如下表示：

间接效应是Sr（W）非对角线元素的均值，也就是总体效应和直接效应两者之间的差值，有如下表示：

3 实证结果与分析

3.1 能源效率空间自相关性检验结果

（1） 全域性空间依赖性检验结果。相邻关系的确定具有外生性。本文对多种邻接关系下2012～2021 年我国能源效率的I 指数进行测算，用以对空间溢出效应的存在情况及其稳健性进行检验，得到如表1 所示结果。

表1 全域Moran's I 指数与伴随概率值

通过表1 可以得出以下结论：

①在我国，能源效率的实际分布表现出正空间依赖性，且这一表现具有显著性，由表可知，除了三阶r相邻以外，其余都是正值，且全部在5%的水平下显著。其中以一阶相邻I 值最大，意味着我国能源效率从整体上表现出正向关联的特点，相邻地区能源效率的变化会对本地区能源效率的变动产生一定的影响。

②在距离不断扩展的过程中，能源效率空间依赖性呈现出逐渐减弱之势。表1 所示r1相邻关系下有着最强的空间正相关依赖性；r2为依旧表现出显著空间关联性，不过较之r1而言关联性减弱比较明显；r3关系下空间依赖性已无统计学意义。

③我国能源效率空间依赖性在时间维度上有不断加强的趋势显现，不管是在哪种邻接关系下，I 值在2012 ～2021 年均有大致相同的趋势，亦即不断增加。即随着时间的变化，我国能源效率的空间溢出效应逐步增强。

（2） 局域空间依赖性检验结果。图1 所示为2012 年与2021 年我国能源效率Moran's I 指数散点图。其中，2012 年，在5%水平下显著的地区有11 个：第一象限4 个（高－高）、第三象限5 个（低－低）、第二象限与第四象限2 个（“非典型”）；2021年与2012 年类似，数量也为11 个。因此，从整体层面来看，我国已经大致有两个较为稳定的能源效率“俱乐部”，即东南和西北“俱乐部”。

图1 Moran's I 指数散点图

综上，我国全域性空间依赖和局域性空间依赖之间有着密切的联系，有着相同的总方向，均有空间溢出效应表现出来，主要表现形式为局域性地区“俱乐部” 式溢出。

3.2 模型检验结果

分别进行Hausman、LR 和SDM 模型检验。其中，表2 为Hausman 的检验结果。

表2 Hausman 检验结果

根据表2 可知，通过Hausman 检验，呈现出显著性相关（p＝0.000，p＜0.01）。另外，从固定效应模型的速记效应模型的统计量看，固定效应模型的统计量要大，因此可进行固定效应面板分析。

进一步进行相应的退化检验，得到如表3 所示结果。

表3 LR 检验结果

根据表3，各模型通过假设检验（p＝0.000，p＜0.01），且SAR 模型与SEM 模型统计量（482.55与490.01）较之SDM 模型统计量（517.63）均明显要小，表示可进行SDM 检验。

表4 为SDM 模型的检验结果。

表4 SDM 模型选择检验结果

根据表4，各类固定效应SDM 模型都在1%水平下显著，经过比较分析最终决定对时空固定效应模型加以运用。

3.3 空间杜宾模型检验结果

在前文检验结果的基础上进行空间杜宾模型检验，得到如表5 所示结果。

表5 时空双向固定效应SDM 模型直接效应与溢出效应分解

根据表5，在直接效应上，邻近空间权重矩阵与地理距离权重矩阵有趋同的估计结果，在能源效率的影响因素上，地区城镇化水平和成员消费结构产生的影响均为显著的负向影响（H1 与H4得证），技术进步与产业结构产生的影响则是显著的正向影响（H2 与H3 得证）。在城镇化进程不断加快的过程中，水泥以及钢铁等污染行业的发展速度同样会加快，这会造成生活能源需求量的增加，在这一驱动之下，能源效率将会呈现出上升之势。

在溢出效应上，本地区能源效率会受到其他地区产业结构的影响，且这一影响表现为显著的正向溢出效应，不仅如此，地理距离权重矩阵估计结果显著性更强。另外，地理距离权重矩阵估计结果表明，其他地区城镇化水平同样是影响本地区能源效率的一个因素，且此因素的影响表现出显著的负向溢出效应。

4 结论与建议

本文对我国各地区2012 ～2021 年的面板数据进行分析，分析能源效率空间相关性，得出以下3 点结论：（1） 不同地区之间的能源效率存在明显的空间依赖性；（2） 对能源效率的影响因素很多，其中产业结构对能源效率产生正向影响，但城镇化水平对能源效率产生负面影响；（3） 从能源效率的溢出效率看，产业结构对能源效率产生显著的正向影响，城镇化水平对能源效率产生负面影响。

基于以上结论，提出以下4 点建议：

（1） 协调城市发展和经济发展之间的关系。短期看来，城镇化促进城市发展，但会负面影响能源效率。而目前我国的城镇化水平已经得有显著提高，因此稳定城镇化发展水平，是协调经济发展和能源效率的关键；（2） 各地区应不断加快自身产业集聚向高级阶段发展的进程，在此过程中实现对绿色能源产业集聚区的打造。需要针对性地将单一产业的集聚质量提升，还应探寻产业协同集聚路径，除此之外，还要始终做到对区域协同发展的坚持，基于合理手段及措施的运用，持续提升邻近地区资源配置的合理化程度；（3）不断优化创新驱动发展策略，加大科技创新力度，为能源消耗的降低以及全要素能源效率的提升营造一个积极有利的大发展环境；（4） 发挥对外开放门户作用，加大对开放型产业的发展力度。