张晨旗　姜娟

摘   要：基于2010—2019年10年间华北华东两大地区的面板数据，运用空间计量模型，研究了这两大地区的能源强度影响因素，并将模型的结果效应分解，结合地区特点深入分析，旨在研究地区内及地区之间各变量影响能源强度的作用，并根据分析结果提出相应的改进建议。结果表明，两地区间能源强度存在空间相关性。空间杜宾模型结果显示，总体上经济发展水平、外资水平、技术水平的提高都对降低能源强度有积极影响;产业结构优化结果虽不显著，但地区应结合自身实际情况提升第三产业的比重，从而实现长远的绿色发展。

关键词：华北华东;能源强度;空间杜宾模型;产业结构优化

中图分类号：F127    文献标志码：A      文章编号：1673-291X（2022）11-0043-05

引言

能源是人类社会生存与发展必不可少的重要物质基础，是中国以及全世界国家长远发展的关键。我国从1978年改革开放到现在已有40多年，经济始终保持高速增长态势，这与对能源资源的大量消耗密不可分。但是，能源資源是极其有限的，虽然我国的能源资源总量相对丰富，但人均能源资源拥有量较低;而且我国能源资源的分布极其不均衡，开发难度较大，再加上这些年来我国对能源的消费是非常粗放的。随着国家向城市化、工业化的快速发展，对各式各样的能源需求也越来越大，这样的能源消费方式不利于长久稳定的发展，还会引发生态环境变差、能源短缺等一系列问题。

作为能源消费大国，降低能源强度，是有效实现长远绿色发展的重要手段。我国在“十一五”期间提出了能源强度下降20%的目标，“十二五”期间提出了能源强度下降16%的目标;党的十八大以来提出了“能源革命”的战略思想等。最近与能源相关的政策是党中央根据现阶段我国的基本情况提出的“2030 年达到碳排放峰值，2060 年前实现碳中和”的目标。但是，我国的能源强度仍比世界平均水平高，而且由于我国国土辽阔，许多省份之间的能源结构、能源消费水平等因素差异巨大，各地区的省、市、自治区的发展极不平衡，所以，深入研究我国省级行政区及各地区之间的能源强度问题，分析其影响因素，对于制定相应政策具有现实意义。

基于此，本文有针对性地以我国华北及华东两个地区共12个省、市、自治区为研究对象，通过构建空间面板数据模型，对影响能源强度的因素进行分析。对此问题的深入研究，有利于优化我国能源资源的空间配置，有利于各级政府制定相应政策，也为我国实现高质量长远发展提供了建议和参考。

一、文献综述

相关文献对能源强度的影响因素等做了大量研究。沈小波（2021）利用空间面板模型考察分地区产业结构扭曲对能源强度的影响，结果表明，产业结构扭曲虽然对能源强度没有显著的直接效应，但却存在显著的间接效应。从总效应看，产业结构扭曲是抑制能源强度下降的一个重要因素。王韶华（2021）从供给侧改革的视角入手，研究了京津冀地区工业能源强度的影响因素，得出以下结论：京津冀工业能源强度具有负空间溢出效应，空间格局经历了“北京高耗期”、“能耗转换期”和“河北高耗期”3个阶段;京津冀工业能源强度与劳动生产率、能源结构、科技创新强度和环境规制强度呈负相关关系，与投资强度呈正相关关系;科技创新强度与环境规制强度具有显著的空间溢出效应。赵慧卿（2019）研究了30个省区市的能源强度的影响因素及其空间溢出性，结果表明，城市化水平、能源消费结构和能源禀赋对省区能源强度有显著正向影响，而经济发展水平和技术进步的影响则为负向;从溢出效应来看，东部省区的城市化水平、西部省区的能源消费结构以及东、中、西部地区的能源禀赋均产生了正向的空间溢出效应，而东西部地区的技术进步则产生了负向的空间溢出效应，东部、中部和西部地区固定资产投资的空间溢出效应方向相反。Zhao（2019）实证研究了产业转移对区域能源强度的影响，结果说明，产业转移和经济发展可以促进区域能源强度的趋同。

通过对现有文献的梳理发现，对于我国而言，能源强度存在空间自相关性。在探讨能源强度的影响因素中，大多是以产业结构、技术进步、政府干预、人力资本、能源价格等为主要变量，而且研究对象都是以某个特定的地区或是全国30个省级行政区为例，很少有将两个地区结合起来作为研究对象的。故本文将在现有文献的基础上，以能源强度为被解释变量，将产业结构、人均GDP、外资水平、技术进步作为解释变量，以2010—2019年的10年间华北华东12省、市、自治区的相关数据为例，采用空间计量模型研究这些因素对能源强度的影响作用究竟如何，并为完善这类问题的研究提供参考。

二、理论分析

（一）能源强度（EI）

能源强度是用于对比不同国家和地区能源综合利用效率的最常用指标之一，体现了能源利用的经济效益。能源强度最常用的计算方法有两种，一种是单位国内生产总值（GDP）所需消耗的能源，另一种是单位产值所需消耗的能源。而后者所用的产值，由于随市场价格变化波动较大，因此若非特别注明，能源强度均指代单位GDP能耗，最常用的单位为“吨标准煤/万元”。

（二）产业结构（IS）对能源强度的影响

产业结构是一个地区乃至国家的重要因素，决定着各级投入与产出，对经济发展有着极大的影响。而产业结构的调整对地区的能源强度也有明显的关联。但学者们对其分析的结果却并不统一。总体而言，产业结构的合理变化是可以降低能源强度的，但对于区域间调整后的作用也有显著的差异，这是值得探讨的。

（三）其他变量对能源强度的影响

经济发展水平（GDP）对能源强度也有直接影响。发展水平越高，其对能源的供需要求就越大。外商投资（FDI）对能源强度的具体影响还未可知，但必定是有关联性的。技术进步（NIP）一直也是学者们在能源强度问题上的重点关注变量，技术进步在理论上能对降低能源强度产生作用，但在区域间的影响作用还需进一步研究。

三、模型设计

（一）模型设定

经过上文的理论分析，可大致将本文的模型按如下设计：

EI=f （IS，GDP，FDI，NIP，θ）

其中，EI为能源强度，其数值为能耗总量与GDP的比值;IS为产业结构优化，其度量方式采用各地区第三产业总产值与第二产业总产值的比值;GDP为人均GDP，即各地区年末总人口数与国内生产总值的比值;FDI为外商投资水平，采用各地区每年的外商直接投资额与国内生产总值的比值来度量;NIP为技术进步，用各地区每年的规模以上企业的有效发明专利数来代替;θ表示残差项。

虽然影响能源强度的因素有很多，所选的变量必定不能代替所有方面，但也在某种角度上尽量将主要因素考虑周全了。

（二）数据来源

本文的数据均来源于各大统计年鉴，主要有《中国统计年鉴》、《中国能源统计年鉴》、《中国贸易外经统计年鉴》、《中国科技统计年鉴》。为避免数据间的异方差性，对其进行了对数化处理。

（三）空间权重矩阵

空间权重矩阵是研究空间相关性等的重要基础。现有研究主要采用的空间权重矩阵有四种，地理距离权重矩阵、0—1邻接矩阵、经济权重矩阵和经济距离权重矩阵。本文选取地理距离倒数空间权重矩阵来进行分析研究。根据地理学第一定律，距离越近，权重影响越大。一般是取距离的倒数或者距离平方的倒数（距离越大影响越小）。

（四）变量描述性统计（见表1）

四、实证研究

（一）空间自相关检验

本文这里选用空间统计学相关指数Moran’s I对其进行检验。若两个地区邻接，矩阵元素取1;否则取0。Moran’s I值的取值范围为-1<I<1。若Moran’s I值大于0，则说明存在空间正相关，Moran’s I值越大，正相关程度越强;若Moran’s I值等于0，则说明不存在空间自相关;若Moran’s I值小于0，则说明存在空间负相关，其绝对值越大，空间排斥现象越严重。

本文使用GeoDa软件进行检验，并绘制出莫兰散点图，以更直观地显示空间相关性。结果显示，两个地区的12个省级单位都位于第一、第三象限，总体存在空间自相关，故运用空间计量模型才能准确地研究各变量对能源强度的具体影响。

（二）模型结果

为了确定具体使用的空间计量模型，报告了SEM、SAR、SDM三种模型的结果，还将结果的空间效应分解，从直接、间接和总效应角度来分析回归结果，并根据赤池准则（AIC）和对数似然估计值（LL）来判断最优模型。

以下是三种模型的结果（见表2）。

Akaike Info Criterion（赤池信息准则）越小，说明模型越好;Log Likelihood（对数似然值）越大，说明模型越好。从模型结果看，SDM模型的AIC值最小，LL值最大，所以选择SDM模型的结果进行分析。

根据SDM模型初步的结果可以看出，经济发展水平和外商投资水平的结果显著为负，意味着这两种因素能对降低能源强度起到显著的促进作用;而产业结构调整和技术进步的结果并不显著。为了更有效地说明各变量对能源强度的具体影响，将SDM的效应分解，从直接、间接的角度并结合各地區的特点深入分析。以下是SDM模型效应分解后的结果（见表3）。

对于各变量的直接效应：人均GDP和外商投资水平呈显著负相关，产业结构和技术进步呈正相关;对于各变量的间接效应：技术进步呈负相关，人均GDP和外资水平呈正相关;对于各变量的总效应：产业结构呈正相关，人均GDP、外资水平和技术进步均呈负相关。

（三）结果分析

首先，在产业结构方面，模型的结果虽为正但不显著。华北地区长时间以来第二产业比重较大，尤其以重工业为主，且在能源资源的使用上以煤炭资源为主，此类能源能耗大、能效较低、污染严重。虽然近年来各级政府相应国家号召加快转型步伐，但多年的此种产业结构基础短时间内难以实现有效转型，所以短时间内不会对本地的能源强度降低有较积极的作用。经过摸索和积累经验后，相邻地区可取其精华、去其糟粕，制定更实用有效的相关政策，从而可降低能源强度。总体上结合回归结果，本文认为，华北地区短时间内试图依靠产业结构转变来提高能源效率有较大难度;对于华东地区而言，由于在经济水平上处于全国前列，且相关政策及地理位置等因素较优越，近年来第三产业的比重持续上升，逐渐居于主导地位，人力资源与贸易水平等也都具有优势，所以在产业结构转变上相对更得心应手，所以本文认为，华东地区产业结构虽短时间内不会显著降低当地能源强度，但从长远看，华东地区各省市能各自相互借鉴邻近省市的经验，实现产业结构的有效转变，进而得到能源强度的改进。

其次是各其他变量。对于人均GDP即经济发展水平，直接效应和总效应均显著为负，这说明经济发展水平越高，该地区生产水平越高，生产效率也越高，所以能对降低能源强度产生有利影响。但其间接效应显著为正，表明某区域经济发展水平的提高，可能对相邻地区能源强度的降低产生不利影响。结合地区来分析，华北和华东两大地区都存在经济发展较快并领先的省份或直辖市等，同时相较之下也都存在经济发展水平较弱的地区。GDP的提高会降低本地区的能源强度，但短时间内对相邻地区并无影响，这需要时间的积淀，由经济发展水平较高的地区来指引带动其他较弱地区，学习其科学有效的政策。总效应显著为负也可说明在长远发展中可以降低能源强度。

对于外商直接投资水平，根据结果可知，其对本地区的能源强度降低有显著正向作用，但对相邻地区却并不友好。本文认为，此原因是由于某地区吸引了大量外资，对当地的能源效率提升必定是积极的，但相较之下反观相邻省份，由于不能吸收有规模的外资，在实践上缺乏资金与相关专家的建议，所以影响是消极的。结合华北华东两地区来看，华北地区的京津冀城市圈与华东地区的长三角城市圈必定比本地区其他省份能吸收更具规模的外资，所以在降低能源强度上地区内省份之间也有差别。

對于技术进步，本文以规上企业有效发明专利数为研究对象。得出的结果是，在总体上此类技术的进步必定能降低能源强度，且能对相邻省份产生较好辐射作用。但其对本地区降低能源强度无法产生积极作用，原因可能是短时间内的技术进步对能源消费水平等影响能源强度测算的因素的作用并不明显，所以无法有效降低能源强度;而从长远看，相邻地区能吸取经验，制定更有效的政策，从而实现能源强度的降低。结合两地区看，仍然是经济发展更好的省份或城市圈在有效专利发明即技术进步上更占优势，从而结果上更为显著。

五、结论与政策建议

影响能源强度的因素有很多，而产业结构优化等则是其中的重要因素。因此，本文选取我国华北华东两个地区的省级面板数据做分析。首先得到的是能源强度在空间上具有显著的相关性，然后再对各变量进行分析。

结合上述结论，本文对未来华北华东两地区长远降低能源强度实现经济绿色快速发展提出以下政策建议。

（一）积极优化产业结构，促进第三产业的比重持续上升

对于能源消费量巨大的第二产业，应根据各地区实际情况积极调整，改变长期以来高投入、高能耗、高污染、高排放的粗放型能源消费模式。政府制定相关政策时也要因地制宜，而且要注重地区间的协调合作。此外，应结合地区特色大力发展第三产业，同时要保证产业结构布局的合理性。

（二）结合自身实际情况，发展朝阳产业，推动经济快速发展

经济发展仍是要务，各地区的朝阳产业不仅促进了经济发展，在能源的合理有效使用上也更有经验，值得其他产业效仿学习。对于华北华东两大地区而言，京津冀地区与长三角地区要发挥带头作用，积极与其他兄弟城市或省份协同发展。

（三）增进对外贸易项目往来，吸引足够规模的外商直接投资

相对发达地区所吸引的外资规模也更大，所以不仅是发达地区，其他相邻地区也要积极加大与国际接轨的力度。只有提高自身在国际上的影响力，才能吸引更具规模的外资，从而促进能源强度的降低。

（四）积极学习借鉴、开拓创新，通过各项手段提高技术水平

各地区的行业应结合自身情况，在技术水平上攻克难关，冲破壁垒，积极创新。各地方政府应加大对相关创新科技的投入力度，国家应在大范围内提倡创新，推广高新技术及相关先进理念，从而达到多方合作，共同促进降低能源强度。

参考文献：

[1]   Xin-gang Z，Fan L.Spatial distribution characteristics and convergence of China's regional energy intensity： An industrial transfer perspective[J].Journal of cleaner production，2019，233：903-917.

[2]   Yu B.Industrial structure，technological innovation，and total-factor energy efficiency in China[J].Environmental Science and Pollution Research，2020，27（8）：1-15.

[3]   Liu J，Cheng Z，Zhang H.Does industrial agglomeration promote the increase of energy efficiency in China？[J].Journal of Cleaner Production，2017，164（oct.15）：30-37.

[4]   Chen W，Shen Y，Wang Y，et al.The effect of industrial relocation on industrial land use efficiency in China：A spatial econometrics approach[J].Journal of Cleaner Production，2018，205：525-535.

[5]   Song M，Yu C，An Q.Spatial econometric analysis of factors influencing regional energy efficiency in China[J].Environ Sci Pollut Res Int，2018，25（11）：1-15.

[6]   Wang Q S，Su C W，Hua Y F，et al.Can fiscal decentralisation regulate the impact of industrial structure on energy efficiency？[J].Economic Research-Ekonomska Istra？ivanja，2021，34（1）：1727-1751.

[7]   Wang Z，Sun Y，Yuan Z，et al.Does energy efficiency have a spatial spill-over effect in China？Evidence from provincial-level data[J].Journal of Cleaner Production，2019，241：118258.

[8]   Long R，Shao T，Chen H.Spatial econometric analysis of China’s province-level industrial carbon productivity and its influencing factors[J].Applied Energy，2016，166：210-219.

[9]   沈小波，陈语，林伯强.技术进步和产业结构扭曲对中国能源强度的影响[J].经济研究，2021，（2）：17.

[10]   邓靖.基于空间计量的能源效率影响因素分析——来自中国地市及以上城市的经验证据[J].广州大学学报：社会科学版，2017，16（1）：51-57.

[11]   徐洁香，王恩慧.人力资本，产业结构与区域能源效率改进——基于空间Durbin模型的实证研究[J].合肥工业大学学报：社会科学版，2019，33（6）：1-9.

[12]   孙志红，陈玉路.基于碳排放约束的金融支持、技术进步与能源效率分析[J].商业研究，2017，（5）.

[13]   华坚，施明月，王育芳.科技金融，产业结构优化与区域生态效率——基于空间计量模型的实证分析[J].技术经济，2021，40（5）：11.

[14]   于斌斌.产业结构调整如何提高地区能源效率？——基于幅度与质量双维度的实证考察[J].财经研究，2017，（1）：87-98.

[15]&nbsp;  张志雯，王子龙.碳约束下技术创新对能源效率影响的空间计量分析[J].中国科技论坛，2017，（4）：164-171.

[16]   冯永晟，张娅，刘自敏.能源价格、技术进步与能源强度——基于中国城市数据的动态时空演化[J].城市与环境研究，2020，（3）：69-92.

[17]   赵慧卿，郭晨阳.中国省区能源强度的影响因素及其空间溢出性[J].河北地质大学学报，2020，43（1）：61-69.

[18]   冉启英，徐丽娜.异质性R&D、政府支持与能源强度[J].科技管理研究，2020，40（5）：224-232.

[19]   王韶华，何美璇，张伟，刘熙宁.供给侧改革视角下京津冀工业能源强度及其影响因素研究[J].地理与地理信息科学，2021，37（5）：110-116.

[20]   王斌，傅强.基础设施建设与空间溢出关系的变化机制分析[J].管理工程学报，2020，34（1）：127-135.

Analysis on Influencing Factors of Regional Energy Intensity from the Perspective of Spatial Metrology

— Taking North China and East China as Examples

ZHANG Chen-qi， JIANG Juan

（School of Management， Nanjing University of Posts and Telecommunications， Nanjing 210000， China）

Abstract： Based on the panel data of the two regions in North China and East China from 2010 to 2019， a spatial measurement model was used to study the energy intensity influencing factors of these two regions， and the results of the model were decomposed and analyzed in depth based on regional characteristics. It aims to study the effects of various variables within and between regions on energy intensity， and propose corresponding improvement suggestions based on the analysis results. The results show that there is a spatial correlation between the energy intensity of the two regions. The results of the Spatial Dubin Model show that the overall economic development level， foreign investment level， and technological level improvement have a positive impact on reducing energy intensity; although the result of industrial structure optimization is not significant， the region should increase the proportion of the tertiary industry based on its own actual conditions， so as to achieve long-term green development.

Key words： North China and East China; energy intensity; Spatial Dubin Model; industrial structure optimization

[責任编辑 若云]