能源转型能否降低PM2.5 污染？

摘 要： 能源转型和大气污染防治是中国实现绿色发展的重要战略举措， 也是生态文明建设重要内容， 厘清二者关系并实现二者协同治理对于美丽中国建设具有重要理论意义和政策涵义。本文以长三角地区４１ 个城市为研究对象， 测度城市能源转型水平， 采用面板固定效应和门槛效应模型考察能源转型对ＰＭ２. ５污染的影响。研究发现， 能源转型能有效改善ＰＭ２. ５ 污染， 这一结论在各种稳健性检验下仍成立， 且此效应在不同类型城市之间均得到验证。技术创新是能源转型释放减少大气污染红利的重要机制， 即能源转型随着技术创新达到一定的门槛值后， 对改善ＰＭ２. ５ 污染表现出积极影响。研究结论推动了对减少大气污染动因以及能源转型改善ＰＭ２. ５污染的机制、效应和地区差异等的理解。

关键词： 能源转型； ＰＭ２. ５污染； 长三角地区

基金项目： 国家社会科学基金项目“数字经济对能源绿色低碳转型的驱动机制和治理对策研究” （２３ＢＪＹ１９６）

中图分类号： Ｆ２０６； Ｘ５１１ 文献标识码： Ａ

文章编号： １６７４－５３７Ｘ （２０２４） １０. ００９２－１１

一、引言

美丽中国建设是全面建设社会主义现代化国家的重要目标， 与人民福祉、强国建设、民族复兴休戚相关。大气污染防治作为美丽中国建设重要内容， 受到中国政府高度重视。从党的十八大部署深入坚决打好污染防治攻坚战， 到党的十九大报告提出着力解决突出环境问题， 再到党的二十大报告强调深入推进环境污染防治， 表明中国政府在深入持续推进大气污染防治中的坚定决心与坚强意志。党的十八大以来， 全国空气质量得到极大改善。自２０１２ 年至２０２１ 年， 单位国内生产总值能耗累计下降约２６. ４％， 全国地级以上城市空气质量优良天数比率达到８７. ５％。然而２０２３ 年上半年全国空气质量出现反弹现象， ＰＭ２. ５ 浓度增加了６. ２％， 同时优良天数比率下降了３. ２ 个百分点。因此， 仍然必须清醒地认识到， “三废” 达标排放等环境污染整治任务依然非常艰巨， 当前我国在生态环境保护方面仍然面临一些未能根本缓解的结构性问题和源头性、趋势性压力。因此， 必须继续深入打好环境污染防治攻坚战， 加快向绿色低碳方向发展并坚持将绿色低碳发展视为解决生态环境问题和应对环境挑战的治本之策， 事关广大人民群众的切身利益。

化石燃料燃烧产生的污染物是大气污染物浓度攀升的主要原因（Ｈｉｇｇｉｎｂｏｔｈａｍ ｅｔ ａｌ. ， ２０１０）［１］ 。我国以煤为主的能源生产和消费结构、能源行业发展为经济社会发展提供充足动力的同时也排放了大量污染物。随着中国经济进入高质量发展阶段， 通过优化能源结构， 推动能源绿色低碳转型以减少环境污染， 是正确处理高质量发展和高水平保护关系的重要举措。那么， 能源转型是否使ＰＭ２. ５ 浓度下降、空气质量得到改善？ 如果该效应经过验证， 其中的作用机制又是什么？ 能源转型对改善ＰＭ２. ５ 污染的作用有哪些特点和规律、又具有何种差异？ 虽然能源加工转换效率整体提高， 单位ＧＤＰ 能耗稳步下降， 高效节能技术不断推广， 但准确评估能源转型对降低ＰＭ２. ５ 污染的实证研究却极为缺乏。概括地看， 当前有关能源转型研究主要集中于三方面：一是能源转型的内涵及衡量方法（ 刘平阔等，２０１９； 刘司乐等， ２０２３）［２，３］ ； 二是能源转型的特征和实现路径（刘平阔和卢存禹， ２０２２； 赵晓丽等，２０２２）［４，５］ ； 三是能源转型技术（ Ｇｕｏ ｅｔ ａｌ. ，２０１９）［６］ 、政策和资源禀赋对能源绿色低碳转型的驱动作用（ Ｓｕ ｅｔ ａｌ. ， ２０２３）［７］ 以及能源市场（Ｇｕｏ ｅｔ ａｌ. ， ２０１９）［６］ 、产业结构（ 邹璇和王盼，２０１９）［８］ 、经济发展水平（王帅， ２０２０）［９］ 、城市化水平、环境规制和清洁生产比例等因素（Ｌｉｕ ｅｔａｌ. ， ２０２０）［１０］ 对能源消费结构以及能源效率的影响等能源转型子论题。关于ＰＭ２. ５ 污染的研究， 现有文献聚焦于污染来源和污染危害（ 杨玺等，２０２２）［１１］ 、时空分布特征（Ｚｈａｏ ｅｔ ａｌ. ， ２０２２）［１２］ 和包括地形气象层、污染源层、经济发展层在内的自然和社会经济因素以及相关政策对ＰＭ２. ５ 污染的影响（程中华等， ２０１９； 周侗等， ２０２２）［１３，１４］ 。少量文献虽然关注到能源转型对ＰＭ２. ５ 污染可能产生的影响（Ｚｈａｎｇ ｅｔ ａｌ. ， ２０２０）， 但并未考虑能源转型对ＰＭ２. ５污染的全面影响、内在机制和区域异质性等问题［１５］ 。

鉴于此， 着重探讨长三角地区能源转型对ＰＭ２. ５污染的影响机制和效应。与现有文献相比， 全文可能的边际贡献在于： 一是研究视角上， 以长三角４１ 个城市为研究对象， 从更加细致的空间尺度上研究能源转型对ＰＭ２. ５ 污染的影响。二是指标衡量上， 构建了电力消费规模、能源结构、能耗强度、绿色发展４ 个层面涵盖６ 个指标的能源转型评价指标体系， 采用主成分分析法测度长三角４１ 个城市能源转型水平。三是研究内容上， 不仅研究了能源转型对ＰＭ２. ５ 污染的线性影响， 而且以理论结合实证分析了技术创新对能源转型改善ＰＭ２. ５ 污染的非线性作用机制和效应。本研究有助于丰富城市能源转型的环境效应研究内容， 促进长三角地区绿色发展， 为科学合理评价指导城市群能源转型提供理论支撑， 也为中国其他区域力图实现能源转型和ＰＭ２. ５污染的协同治理提供决策参考。

二、理论机制与假说提出

深入推动能源革命和加快能源绿色低碳转型是当前中国经济社会发展的重要指导性原则， 也是协同推进经济高质量发展、生态环境高水平保护和社会全面可持续发展的关键路径。除了凭借能源生产与消费结构转变对改善空气质量产生的直接影响外， 能源转型偏向性技术进步还可以通过提高能源利用效率， 改善城市空气质量。然而， 技术创新、科技创新成果对能源转型技术的应用存在滞后性，且技术进步对污染物排放的影响也存在较大争议。［１６］ 技术进步有助于改善能源结构和提高能源效率来减少污染物排放（魏巍贤和杨芳， ２０１０）［１７］ ，技术进步也会引致能源回弹效应， 增加污染物排放（Ｗｕ ｅｔ ａｌ. ， ２０２３）。因此， 明晰技术进步在能源转型过程中所发挥的实际作用， 可以为充分挖掘“技术红利” 的重要贡献、破解城市空气污染与能源转型协同增效难题提供必要的经验支持和政策注脚。

（一） 能源转型对ＰＭ２. ５污染的影响机制

能源转型是指能源生产方式和消费结构发生根本性改变， 并深刻影响一国社会经济发展乃至世界地缘政治格局（马丽梅和史丹， ２０１８）［１８］ 。人类社会已经经历了从薪柴到煤炭再到油气的两次重大能源转型， 对世界发展产生巨大的积极影响， 由此塑造了不同的人类社会文明形态， 但随之也引发了大量资源损耗和环境污染的严重问题。当前我国正在进行的、以可再生能源和低碳技术为主导驱动的第三次能源转型， 实施能源生产侧清洁替代和消费侧电能替代， 能够有效减少二氧化碳和大气污染物排放， 降低ＰＭ２. ５ 污染。在能源供给侧， 可再生风电和太阳能发电、先进核能、新型储能、智能电网等一批能源领域的全产业链关键技术突破及应用， 促进清洁低碳能源开发利用， 降低了燃煤发电装机容量和发电量的占比， 能够有效实现减污降碳。在能源消费侧， 随着能源消费革命深入推进， 积极实施再电气化， 推动了电能替代， 能源消费结构得到极大改善， 也显著降低了ＰＭ２. ５ 和ＣＯ２ 的污染（Ｚｈａｎｇｅｔ ａｌ. ， ２０２０）［１５］ 。如２０２２ 年我国新能源汽车保有量达到１３１０ 万辆， 同比增长６７. １３％； 新能源汽车在市区广泛使用， 有效降低了汽车尾气导致的ＰＭ２. ５污染。为此， 提出研究假设１。

研究假设１： 能源转型能够有效改善城市ＰＭ２. ５污染。

（ 二） 能源转型对改善ＰＭ２. ５ 污染的非线性效应

能源系统作为国家或地区经济社会发展中具有特定社会功能的系统之一， 不仅囊括了能源资源与能源生产、储运、消费相关的物理设施、技术、知识体系， 还涉及到政府部门、企业、消费者、相关法规制度等社会要素， 其涵盖范围之广、影响程度之深， 决定了能源转型必然是一个渐进、长期、复杂的系统过程（李俊江和王宁， ２０１９）［１９］ 。能源系统演变的非线性特征导致能源转型对ＰＭ２. ５ 污染的影响可能是非线性的， 即可能会随某些重要变量到达一定水平或门槛值之后， 其影响方向或程度产生突变。

技术是提高生产力的关键要素之一， 技术创新对提高能源利用效率至关重要［２０］ 。由于生产条件变化， 技术创新从促进化石燃料生产技术创新偏向促进以可再生能源为基础的新兴技术创新， 新兴技术的发展有助于克服新能源设备利用小时不足问题以及“弃风弃光弃水” 等严重限电问题， 为建设以风电、光伏等为主体的新型电力系统打下坚实基础，在能源转型中以技术领域突破助力提高可再生能源的效率并降低成本， 进而对环境产生正外部性（刘吉臻等， ２０２１）［２１］ 。如果新兴技术的发展跟不上能源转型过程中对可再生能源生产的需求， 就有可能降低社会生产力， 引致化石能源回弹效应（Ｗｕｅｔ ａｌ. ， ２０２３）［１７］ 。因此， 提出研究假设２。

研究假设２： 技术创新在能源转型对ＰＭ２. ５污染的影响存在非线性门槛效应。

三、方法和数据

（一） 模型构建

为验证城市能源转型对ＰＭ２. ５ 浓度的影响， 设定面板计量模型进行实证分析， 基准回归模型如下：

ＰＭｉｔ ＝ α０ ＋ α１ ＥＴＩｉｔ ＋ Σ αｃ ｃｔｒｌｉｔ ＋ μｉ ＋ δｔ ＋ εｉｔ（１）

式（１） 中， ＰＭｉｔ 为城市ｉ 在ｔ 年的ＰＭ２. ５年均浓度； ＥＴＩｉｔ 表示城市ｉ 在ｔ 年的能源转型水平； ｃｔｒｌｉｔ 为控制变量， γｉ 为城市个体固定效应， δｔ 为时间固定效应， εｉｔ 为随机扰动项。

在基础计量模型中加入被解释变量的二次项以探索能源转型与ＰＭ２. ５ 浓度之间的非线性关系存在局限性， 故采取不需要事先设定非线性方程具体形式的门槛效应模型来更准确地表示门槛变量与被解释变量之间的关系。构建如下面板门槛模型：

ＰＭｉｔ ＝ β０ ＋ β１ Ｘｉｔ × Ｉ（ｑｉｔ £γ） ＋ β２ Ｘｉｔ × Ｉ（ｑｉｔ ＞ γ）＋ βｃ ｃｔｒｌｉｔ ＋ μｉ ＋ εｉｔ （２）

ＰＭｉｔ ＝ β０ ＋ β１ ＥＴＩｉｔ × Ｉ（ｑｉｔ £γ） ＋ β２ ＥＴＩｉｔ ×Ｉ（ｑｉｔ ＞ γ） ＋ βｃ ｃｔｒｌｉｔ ＋ μｉ ＋ εｉｔ （３）

式（２）、（３） 中： Ｉ ·（ ） 为指示函数， 取值１ 即满足括号内条件， 否则为０； ｑｉｔ 为门槛变量； 式（２） 中以技术创新Ｒ＆Ｄ 为门槛变量， 式（３） 选取核心解释变量能源转型ＥＴＩ 作为门槛变量； γ 为待估计的门槛值。式（２） 和式（３） 考虑的是单门槛情况， 可以从单门槛扩展到多门槛模型。

（二） 变量测度与说明

被解释变量： ＰＭ２. ５ 污染。ＰＭ２. ５ 是诸多有害物质的载体和集合体， 能最大限度代表整体大气污染水平（韦东明等， ２０２２）［２２］ ， 故以ＰＭ２. ５ 年均浓度作为被解释变量。

核心解释变量： 能源转型。能源转型过程复杂且多元， 可再生能源利用比例逐渐提高， 电力消费规模变化便直接反映了能源转型进程； 通过技术创新和产业升级， 能源利用效率提高， 能耗强度降低、环境保护力度加大推动可持续发展是实现绿色低碳发展的关键途径和内涵要求。因此， 从电力消费规模、能源结构、能耗强度以及绿色发展４ 个方面、６ 个指标通过主成分分析法来衡量能源转型水平（ＥＴＩ） 作为核心解释变量。

控制变量。参考赵晓丽等（２０２２）［５］ ， 从经济、社会、人口、技术等多个方面纳入控制变量： （１）经济发展， 以人均地区生产总值的对数值（ｌｎＰＧＤＰ） 来衡量； （２） 城市化水平， 以城镇化率的对数值（ｌｎｕｒ） 来衡量； （３） 对外开放， 采用外商直接投资（ＦＤＩ） 占地区生产总值的比重来衡量；（４） 人口聚集程度， 以人口密度的对数值（ｌｎｐｄ）来衡量； （５） 技术创新， 以研究与发展经费支出（Ｒ＆Ｄ） 占地区生产总值比重来衡量； （６） 产业结构， 通过量化各年城市三大产业占其生产总值的比重来表征产业结构层次系数（ａｉｓ）， 以数量层面份额比例上的相对变化来刻画城市产业结构水平和演进过程。

（三） 数据来源及处理

１. 数据来源及描述性统计

针对２０１１－２０２１ 年中国长三角地区４１ 个城市展开研究。研究数据均来自长三角４１ 个城市的统计年鉴、《中国城市统计年鉴》《中国能源统计年鉴》、历年统计公报。

２. 指标计算

ＫＭＯ 和Ｂａｒｔｌｅｔｔ 检验结果表明利用主成分分析法对长三角地区能源转型水平进行综合评价可行（表３）。提取特征值大于１ 的， 即两个主成分的特征值分别为３. ２３２１ 和１. ９９９０， 其方差贡献率为０. ５３８７ 和０. ３３３２， 累计方差贡献率为０. ５３８７ 和０. ８７１９ （表４）。这两个主成分综合了多个评价指标中的大部分信息可视为能源转型评价中的两个核心维度。进一步联合分析表明， 主成分能够解释评价指标的变异和揭示评价指标之间的潜在关系。

以线性加权求和公式可得各年各市能源转型水平指数（ＥＴＩ） （图１）， 再计算其方差和极差（图２）。

从整体上看， 在样本考察期间， 能源转型水平（ＥＴＩ） 前８ 的高低次序为上海、苏州、嘉兴、宁波、杭州、金华、南京和无锡， 表明近７ 年这８ 个城市的能源转型水平较高。ＥＴＩ 排位倒数的８ 个城市依次为舟山、黄山、亳州、淮北、宿州、扬州、六安、淮安。除上海外， 浙江与江苏ＥＴＩ 相差不大， 安徽最低。从能源转型水平的时空差异来看，２０１１－２０２１ 年１６ 个城市均出现较大程度的波动， 且多数城市能源转型水平指数呈下降趋势， 仅南京、无锡、常州、苏州、连云港、盐城、扬州、宿迁、杭州、宁波、嘉兴、绍兴、舟山、合肥和蚌埠存在不同幅度的上升趋势。另外， 除合肥外， 南京、杭州这两个省会城市和直辖市上海ＥＴＩ 处于领先地位。能源转型水平的地区差异化程度在很大程度上受制于经济发展水平和地区优势两大因素。从能源转型水平动态演变特征来看（图２）， 按长三角各城市能源转型水平（ＥＴＩ） 的方差由高到低排序可知安庆、金华、嘉兴、苏州、滁州、宣城、丽水和温州的能源转型水平变化幅度较大， 而南京、扬州、舟山、芜湖、淮北、淮安、杭州、徐州则相对稳定。其余城市能源转型存在一定波动。应逐步加大转型力度， 形成能源转型稳中增长的新局面。

四、实证分析

（一） 基准回归结果

共线性检验结果如表５ 所示： 各变量的方差膨胀因子（ＶＩＦ） 均小于６， 且ＶＩＦ 的均值为２. ８５，故否定了共线性。

在基准回归中， 控制城市个体与时间固定效应以消除因城市特性和时间趋势所带来的潜在偏差，并逐步引入控制变量进行回归。首先， 在排除控制变量的估计结果中初步观察到， 核心解释变量ＥＴＩ即能源转型的系数显著为负， 能源转型能够改善ＰＭ２. ５污染（表６ 第（１） ～ （２） 列）。其次， 在原有基础上依次加入经济发展、产业水平、人口城市化水平等层面的控制变量后， 核心解释变量能源转型水平系数值发生变化， 这可能源于相关影响城市ＰＭ２. ５浓度的因素被控制变量吸收所致， 但其影响方向与显著性均未发生根本性改变， 假设１ 得到验证。其可能原因在于， 在能源供给侧， 加速研发、创新和扩散清洁能源技术对于低成本、高质量地推动可再生能源的供应规模和结构布局至关重要； 在需求侧， 能源系统转型对市场主体（企业、消费者等） 的用能方式（如煤改气、煤改电等） 和用能结构产生积极影响， 用能更加环保且高效。由此逐步塑造并建立新型能源供需格局， 降低ＰＭ２. ５ 排放以改善空气质量。

就控制变量而言， 人均地区生产总值对ＰＭ２. ５污染具有显著正向影响， 其可能原因在于长三角地区经济发展与雾霾污染仍未完全脱钩。城镇化率对ＰＭ２. ５污染具有显著负向影响， 长三角地区新型城镇化建设在改善城市生态环境方面取得了积极成果，城市环境绿化面积增加， 环境规制加强以及环保意识提升有利于减少雾霾污染。外商直接投资的系数为负但不显著， 这可能与多种因素有关， 外商直接投资既能够带来先进的生产技术和管理经验有助于降低污染排放， 但如果外资主要集中在能源密集型、高污染行业， 则会加剧环境污染。“污染避难所” 假说在当前长三角地区是否成立仍需进一步检验。人口密度对ＰＭ２. ５ 污染的负向影响可能源于人们环保意识的提高。尽管人口聚集和人类活动强度加大会增加污染排放， 但随着经济水平和受教育程度的提高， 人们对环境质量的要求提高， 更加注重环保可持续的用能及生活方式。故人口密度增大并非长三角地区ＰＭ２. ５ 浓度上升的核心原因。技术创新对长三角地区ＰＭ２. ５污染具有不显著的正向影响，这可能与创新成果的应用时滞以及能源回弹效应有关。尽管技术创新在理论上有助于减少污染排放，但由于其应用于生产实践需要一定时间， 且新技术和新产品的出现往往会增加能源消费引致污染物排放反弹， 因此技术创新的节能减排效应可能被新一轮能源消费和污染物排放所冲击。产业结构的系数为正但不显著， 较大的工业部门和建筑部门不利于ＰＭ２. ５污染的降低， 虽然近年来第二产业产值比重在降低， 但产业结构升级对改善空气质量发挥出应有的积极效果还不够充分。

（二） 内生性与稳健性检验

１. 内生性检验

由于遗漏变量可能引致分析结果产生内生性，参考高文静和杨舒怡（２０２３）［２３］ ， 选择工具变量法对内生性问题进行控制以支持前文分析。考虑到能源转型对改善ＰＭ２. ５ 污染可能存在时滞效应， 故将能源转型滞后一期并采用两阶段最小二乘法（２ＳＬＳ） 进行估计。表７ 第（１） ～ （２） 列显示，能源转型对改善ＰＭ２. ５ 污染的效应仍成立。Ｋｌｅｉｂｅｒ⁃ｇｅｎ－Ｐａａｐｒｋ ＬＭ 和Ｋｌｅｉｂｅｒｇｅｎ－Ｐａａｐｒｋ Ｗａｌｄ Ｆ 统计量的值分别为４. ２８２ 和７７. ８５０， 通过了工具变量的有效性检验。为进一步减缓内生性、避免因果倒置，将能源转型水平指数和所有控制变量均滞后一期再对当期ＰＭ２. ５ 浓度进行估计（ 表７ （３） ～ （４）列）。考虑到能源转型受多种因素的影响， 确实存在未被考虑的因素可能被包含在误差项中而出现内生性， 在双向固定效应基础上， 将ＰＭ２. ５ 浓度滞后一期加入模型中利用系统ＧＭＭ 法估计。无论采取何种估计方法都显示， 能源转型可以显著降低城市ＰＭ２. ５污染（表７ 第（５） ～ （６） 列）。

２. 稳健性检验

先对所有变量做１％缩尾处理进行数据清洗以防由于变量存在较大波动或异常值而影响回归结果的准确性， 在此基础上采用更换核心变量衡量方法和消除宏观系统性变化的方法进行稳健性检验。

（１） 更换核心变量衡量方法。为了避免指数测算方法差异对回归结果可能存在的影响， 以熵值法重新测算能源转型水平进行回归分析， 所得与基准回归结果保持一致（表８ 第（１） ～ （２） 列）

（２） 消除宏观系统性变化的影响。在探讨能源转型对ＰＭ２. ５ 污染的影响时， 需要考虑包括经济周期、政策调整等宏观系统性变化可能带来的干扰，故加入省份与年份的交互固定效应， 以捕捉个体在不同年份对宏观冲击的异质性反映。表８ 第（３） ～ （４） 列结果表明， 即使在宏观环境发生变化的情况下， 能源转型依然能够显著降低ＰＭ２. ５ 污染， 此结果验证了前文分析的准确性， 支持能源转型对改善空气质量有积极作用这一结论。

（三） 城市异质性分析

由于各城市所处发展阶段不同、资源禀赋存在差异， 能源转型对城市ＰＭ２. ５ 浓度的影响在不同层级的城市之间也可能存在异质性， 因此需对此进行深入讨论。长三角地区的城市可按照中心与外围城市进行划分［２４］ 。在分类回归检验之前， 对中心与外围城市的能源转型水平和ＰＭ２. ５ 浓度做趋势分析和描述性统计说明。

利用趋势分析法（ｔｒｅｎｄ ａｎａｌｙｓｉｓ） 对２０１１－２０２１年长三角地区能源转型水平（ＥＴＩ） 和ＰＭ２. ５年均浓度变化（ＰＭ２. ５ ） 的空间分布格局进行分析， 如公式所示：

式（４） 中， ｎ 为年份跨度（ ｎ ＝ １１）， ｉ 为年份；Ｐｉ 为第ｉ 年的城市能源转型水平指数（ＥＴＩ） 或ＰＭ２. ５年均浓度（ＰＭ２. ５）。斜率为显著正值表明能源转型水平或ＰＭ２. ５年均浓度有增长趋势， 反之则为显著下降。

趋势分析结果显示， ２０１１－２０２１ 年长三角地区大部分城市的能源转型水平出现轻微下降趋势， 能源转型进程受阻。４１ 个城市的ＰＭ２. ５ 浓度均呈现显著下降趋势， 长三角地区在改善空气质量方面取得了显著成效（图３）， 其中上升与下降速率均有差异。这一结果为能源转型水平影响城市ＰＭ２. ５ 浓度的城市异质性检验奠定了基础。由表９ 可以发现，中心城市能源转型领先于外围城市， 两类城市间的均值相差近０. ５。城市群中不同城市的城市化速度、进程、阶段差异显著， 所以其大气污染浓度也存在空间差异， 中心城市的ＰＭ２. ５ 浓度均值、最小值与最大值均较于外围城市更低。

表１０ 第（１） ～ （４） 列为基于城市异质性的估计结果。中心城市和外围城市的能源转型对ＰＭ２. ５浓度均有显著负向作用， 但外围城市能源转型对降低ＰＭ２. ５ 浓度的积极效应更强。可能是因为，长三角中心城市作为人口和经济规模上的大城市，虽然能源转型水平不断提升， 但化石能源消费总量并没有明显缩减， 从而导致能源转型对改善ＰＭ２. ５污染的效应小于外围城市。

（四） 非线性效应分析

为了探讨能源转型对ＰＭ２. ５ 污染的非线性影响机制， 以面板门槛回归模型进行实证检验。先进行面板门槛存在性检验（表１１）。经过“自助法”（ｂｏｏｔｓｔｒａｐ） 迭代３００ 次， 结果显示技术创新（Ｒ＆Ｄ） 和能源转型（ＥＴＩ） 门槛变量仅显著通过了单一门槛， 故分别以Ｒ＆Ｄ 和ＥＴＩ 为门槛变量， ＥＴＩ为核心解释变量建立单门槛回归模型（表１２）。

在以技术创新（Ｒ＆Ｄ） 作为门槛变量的模型１１ 中， 当技术创新水平低于门槛值０. ０３３１ 时， 能源转型对ＰＭ２. ５ 污染的影响系数为－０. １２４ 且在１％水平下显著， 能源转型会改善城市ＰＭ２. ５ 污染； 当技术创新水平跨过门槛值０. ０３３１ 时， 能源转型对ＰＭ２. ５污染的估计系数为－０. ０５７ 但不显著， 能源转型对改善ＰＭ２. ５ 污染的影响同技术创新水平的变化而变化， 表现为当技术创新水平跨越临界点时， 能源转型对有效治霾发挥正外部性， 假设２ 得到验证。在技术创新水平较低时， 技术创新非系统性以及技术成熟度较低， 单点技术的突破及过度应用、低成熟度技术应用可能导致能源转型过程无序和低效， 能源转型对ＰＭ２. ５ 污染起不到改善作用。一旦技术创新超过门槛值， 系统性技术创新及集成应用促使能源转型向有序且高效的方向演进， 能源转型则对ＰＭ２. ５污染起明显抑制作用。

五、结论与启示

立足于能源生产方式与用能方式极大影响空气质量、引发雾霾天气， 产生气候、环境、健康等负面影响这一典型事实， 基于２０１１－２０２１ 年长三角地区４１ 个城市的面板数据， 测度能源转型水平， 运用面板固定效应模型和门槛模型， 实证检验了长三角地区能源转型对改善ＰＭ２. ５ 污染的作用机制。结果发现： 第一， 能源转型能显著降低ＰＭ２. ５ 污染，这一结论在更换核心变量衡量方法、消除宏观系统性变化、工具变量法等系列稳健性检验后依然成立。第二， 异质性分析发现， 外围城市能源转型对降低ＰＭ２. ５ 浓度的积极效应强于中心城市。第三，技术创新对能源转型改善ＰＭ２. ５ 污染存在显著的门槛效应， 能源转型对改善ＰＭ２. ５ 污染具有技术创新的经济代价， 当技术创新高于门槛值时， 能源转型对治霾起促进作用。鉴于以上分析， 提出以下对策建议。

第一， 深入推进能源转型以充分发挥其对ＰＭ２. ５污染的改善效应。由于能源资源禀赋特征制约， 长三角城市能源转型与世界能源转型存在阶段和进程不同， 是跨越第二次能源转型直接到第三次能源转型。能源转型过程中可能涵盖如增加油气生产和消费等过渡技术， 以确保有序转型和能源安全。在能源生产侧， 需要加大对太阳能、风能、先进核能、海洋能等清洁能源开发利用的政策支持力度， 尤其是对城市屋顶光伏和海上风电开发利用的政策支持， 以改变能源生产结构。在能源消费侧，在确保能源安全前提下， 加大对天然气替代、电能替代等政策支持力度， 推动高耗能行业天然气替代、电能替代进程， 优化能源消费结构。通过统筹考虑能源转型和能源安全， 有序推进能源转型和ＰＭ２. ５污染的协同治理。

第二， 针对不同类型城市实施能源转型和ＰＭ２. ５污染协同治理策略。研究发现能源转型对外围城市的ＰＭ２. ５ 污染的影响效应显著强于中心城市。针对外围城市， 需要加快推进能源转型进程， 在确保能源安全的前提下， 出台政策支持能源消费侧的电能替代， 并带动能源生产侧清洁替代， 充分发挥能源转型对ＰＭ２. ５污染的抑制作用。针对中心城市，在推进能源转型过程中， 除了优化能源生产和消费结构外， 需要更注重能源效率提升， 出台政策限制使用化石能源的高耗能行业发展， 以抑制化石能源消费总量快速增长。

第三， 有序布局从能源生产、输配到能源使用全产业链的技术创新。在能源转型过程中， 技术创新始终是关键要素之一。为此， 各城市需要加大对能源技术创新的政策支持力度， 紧跟世界能源科技发展大势， 有序布局整个能源系统基础共性技术、能源生产侧清洁低碳利用技术、能源输配侧智慧能源技术、能源消费侧节能技术等能源全产业链的系统技术创新， 鼓励对储能、氢能、分布式电气化等战略性前沿技术协同攻关和国际合作， 实现能源发展从“资源依赖” 转变为“技术依赖”， 为能源转型和ＰＭ２. ５污染协同治理提供技术支撑。

参考文献：

［１］Ｈｉｇｇｉｎｂｏｔｈａｍ Ｎ. ， Ｆｒｅｅｍａｎ Ｓ. ， Ｃｏｎｎｏｒ Ｌ. ， Ａｌｂｒｅｃｈｔ Ｇ. Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｉｎｊｕｓｔｉｃｅ ａｎｄ Ａｉｒ Ｐｏｌｌｕｔｉｏｎ ｉｎ Ｃｏａｌ Ａｆｆｅｃｔｅｄ Ｃｏｍｍｕｎｉｔｉｅｓ， Ｈｕｎｔｅｒ Ｖａｌｌｅｙ， Ａｕｓ⁃ｔｒａｌｉａ［Ｊ］. Ｈｅａｌｔｈ Ｐｌａｃｅ， ２０１０（１６）： ２５９－２６６.

［２］刘平阔， 彭欢， 骆赛. 中国能源转型驱动力的结构性特征研究［Ｊ］. 中国人口·资源与环境， ２０１９， ２９（１２）： ４５－５６.

［３］刘司乐， 王芳， 冯艳芬， 曾紫琪. “ 双碳” 目标下中国能源绿色消费转型的时空格局及影响因素［ Ｊ］ . 资源开发与市场， ２０２３， ３９（ ４）：４０８－４１５.

［４］刘平阔，卢存禹. 中国能源转型路径选择的影响因素：理论检验与实证分析［Ｊ］. 中国软科学， ２０２２（０６）： ５１－６１.

［５］赵晓丽，张钰琛，杨曦. 中国城市能源转型的特征及影响因素分析———基于中国１３１个城市的经验证据［ Ｊ］ .技术经济， ２０２２， ４１（ ４）：１３０－１３９.

［６］Ｇｕｏ Ｐ. Ｂ. ， Ｋｏｎｇ Ｊ. ， Ｇｕｏ Ｙ. Ｓ. ， Ｌｉｕ Ｘ. Ｌ. Ｉｄｅｎｔｉｆｙｉｎｇ ｔｈｅ Ｉｎｆｌｕｅｎｃｉｎｇ Ｆａｃｔｏｒｓ ｏｆ ｔｈｅ Ｓｕｓｔａｉｎａｂｌｅ Ｅｎｅｒｇｙ Ｔｒａｎｓｉｔｉｏｎｓ ｉｎ Ｃｈｉｎａ［Ｊ］. Ｊｏｕｒｎａｌ ｏｆ ＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ， ２０１９（２１５）： ７５７－７６６.

［７］Ｓｕ Ｘ. ， Ｔａｎ Ｊ. Ｌ. Ｒｅｇｉｏｎａｌ Ｅｎｅｒｇｙ Ｔｒａｎｓｉｔｉｏｎ Ｐａｔｈ ａｎｄ ｔｈｅ Ｒｏｌｅ ｏｆ Ｇｏｖｅｒｎｍｅｎｔ Ｓｕｐｐｏｒｔ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｅｎｄｏｗｍｅｎｔ ｉｎ Ｃｈｉｎａ［Ｊ］. Ｒｅｎｅｗａｂｌｅ ａｎｄ Ｓｕｓｔａｉｎ⁃ａｂｌｅ Ｅｎｅｒｇｙ Ｒｅｖｉｅｗｓ， ２０２３， １７４： １１３１５０－１１３１５９.

［８］邹璇，王盼. 产业结构调整与能源消费结构优化［Ｊ］. 软科学， ２０１９， ３３（０５）： １１－１６.

［９］王帅. 中国能源使用绿色化、碳排放与经济增长的关系研究［Ｊ］. 软科学， ２０２０， ３４（１０）： ７－１１.

［１０］Ｌｉｕ Ｈ. Ｍ. ， Ｚｈａｎｇ Ｚ. Ｘ. ， Ｚｈａｎｇ Ｔ. ， Ｗａｎｇ Ｌ. Ｙ. Ｒｅｖｉｓｉｔｉｎｇ Ｃｈｉｎａ’ ｓ Ｐｒｏｖｉｎｃｉａｌ Ｅｎｅｒｇｙ Ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｉｔｓ Ｉｎｆｌｕｅｎｃｉｎｇ Ｆａｃｔｏｒｓ［ Ｊ］ . Ｅｎｅｒｇｙ， ２０２０（２０８）： １１８３６１－１１８３７１.

［１１］杨玺，孙奕生，常世彦，李胜悦，郑昊天，王书肖，张希良. 加速能源转型与产业结构调整的环境健康协同效益评估：以京津冀鲁地区为例［ Ｊ］.中国环境科学， ２０２２， ４４（７）： ３６２７－３６３６.

［１２］Ｚｈａｏ Ｈ. Ｂ. ， Ｌｉｕ Ｙ. Ｘ. ， Ｇｕ Ｔ. Ｓ. ， Ｚｈｅｎｇ Ｈ. ， Ｗａｎｇ Ｚ. Ｙ. ， ａｎｄ Ｙａｎｇ Ｄ. Ｙ. Ｉｄｅｎｔｉｆｙｉｎｇ Ｓｐａｔｉｏｔｅｍｐｏｒａｌ Ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｏｆ ＰＭ２. ５ Ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ａｎｄ ｔｈｅＫｅｙ Ｉｎｆｌｕｅｎｃｉｎｇ Ｆａｃｔｏｒｓ ｉｎ ｔｈｅ Ｍｉｄｄｌｅ ａｎｄ Ｌｏｗ Ｒｅａｃｈｅｓ ｏｆ ｔｈｅ Ｙｅｌｌｏｗ Ｒｉｖｅｒ［Ｊ］. Ｒｅｍｏｔｅ Ｓｅｎｓ， ２０２２， １４（１１）： ２６４３－２６５７.

［１３］程中华， 刘军， 李廉水. 产业结构调整与技术进步对雾霾减排的影响效应研究［Ｊ］. 中国软科学， ２０１９（０１）： １４６－１５４.

［１４］周侗，张帅倩，闫金伟，吴义豪，武奇，陶菲. 长江经济带三大城市群ＰＭ２. ５ 时空分布特征及影响因素研究［Ｊ］. 长江流域资源与环境， ２０２２，３１（４）： ８７８－８８７.

［１５］ＺｈａｎｇＹ. ， Ｌｉ Ｗ. ， Ｗｕ Ｆ. Ｄｏｅｓ Ｅｎｅｒｇｙ Ｔｒａｎｓｉｔｉｏｎ Ｉｍｐｒｏｖｅ Ａｉｒ Ｑｕａｌｉｔｙ？ Ｅｖｉｄｅｎｃｅ Ｄｅｒｉｖｅｄ ｆｒｏｍ Ｃｈｉｎａ’ｓ Ｗｉｎｔｅｒ Ｃｌｅａｎ Ｈｅａｔｉｎｇ Ｐｉｌｏｔ （ＷＣＨＰ） Ｐｒｏｊｅｃｔ［Ｊ］. Ｅｎｅｒｇｙ， ２０２０（２０６）： １１８１３０－１１８１３８.

［１６］魏巍贤，杨芳. 技术进步对中国二氧化碳排放的影响［Ｊ］. 统计研究， ２０１０（７）： ３６－４４.

［１７］Ｗｕ Ｄ. Ｓ. ， Ｘｉｅ Ｙ. ， Ｌｉｕ Ｄ. Ｊ. Ｒｅｔｈｉｎｋｉｎｇ ｔｈｅ Ｃｏｍｐｌｅｘ Ｅｆｆｅｃｔｓ ｏｆ ｔｈｅ Ｃｌｅａｎ Ｅｎｅｒｇｙ Ｔｒａｎｓｉｔｉｏｎ ｏｎ Ａｉｒ Ｐｏｌｌｕｔｉｏｎ Ａｂａｔｅｍｅｎｔ： Ｅｖｉｄｅｎｃｅ ｆｒｏｍ Ｃｈｉｎａ’ ｓＣｏａｌ－ｔｏ－Ｇａｓ Ｐｏｌｉｃｙ［Ｊ］. Ｅｎｅｒｇｙ， ２０２３， ２８３： １２８４１３－１２８４２５.

［１８］马丽梅，史丹，裴庆冰. 国家能源低碳转型与可再生能源发展：限制因素、供给特征与成本竞争力比较［ Ｊ］. 经济社会体制比较， ２０１８（０５）：７０－７９.

［１９］李俊江， 王宁. 中国能源转型及路径选择［Ｊ］. 行政管理改革， ２０１９（０５）： ６５－７３.

［２０］Ｃｈｒｉｓｔｏｄｏｕｌｏｕ Ｄ. ， Ｌｅｖ Ｂ. ， ＭＡ Ｌ. Ｔｈｅ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ｐａｔｅｎｔｓ： ｔｈｅ Ｒｏｌｅ ｏｆ Ｂｕｓｉｎｅｓｓ Ａｒｅａ ａｎｄ Ｏｗｎｅｒｓｈｉｐ Ｔｙｐｅ［Ｊ］. Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆＰｒｏｄｕｃｔｉｏｎ Ｅｃｏｎｏｍｉｃｓ， ２０１８（１９９）： １０７－１２４.

［２１］刘吉臻，马利飞，王庆华，等. 海上风电支撑我国能源转型发展的思考［Ｊ］. 中国工程科学， ２０２１， ２３（１）： １４９－１５９.

［２２］韦东明， 顾乃华， 刘育杰. 雾霾治理、地方政府行为和绿色经济高质量发展———来自中国县域的证据［Ｊ］. 经济科学， ２０２２， （０４）： . ６４－６９.

［２３］高文静， 杨舒怡. 火电行业碳全要素生产率、低碳技术进步和效率追赶－基于ＦＤＩ、Ｒ＆Ｄ 的门槛效应［Ｊ］. 中国环境科学， ２０２３， ２１： １－１３.

［２４］赵涛，张智，梁上坤. 数字经济、创业活跃度与高质量发展———来自中国城市的经验证据［Ｊ］. 管理世界， ２０２０， ３６（１０）： ６５－７６.