吴献金，谢玲淋

湖南省地市间由于所处的位置、人口、经济发展、科技等面的差异，能源消费也表现出了空间差异性，而传统的基于OLS的分析方法往往忽略掉对空间效应的分析，因而得到结论的可靠性也值得怀疑。在研究能源消费及其影响因素时，不能仅仅局限于时间序列的分析，应该对存在空间效应的截面数据进行分析。本文根据空间计量的研究方法，利用2004～2007年湖南省13个地市（缺永州能源数据）的面板数据，研究这些地市的能源消耗及其影响因素，分析经济增长、人口、工业化和技术进步对能源消费的影响，检测湖南省13个地市间的能源消费是否存在空间效应，以及经济增长和人口对能源消费的影响程度。

1 地区能源消耗及其影响因素

影响能源消耗的因素有很多，国内学者在分析时以经济增长、总人口和能源价格为主的居多。由于历史体制等原因，虽然我国的能源市场进行了改革，但是目前仍然不是完全竞争市场，我国能源的价格依然与国际市场存在差异，能源价格不能真正反映市场的需求，本文以经济增长和人口总数为主要研究对象，并没有考虑价格对能源需求的作用。

（1）经济增长GDP：随着国民经济的发展，能源在经济增长中地位也越来越高，经济增长对能源的消耗也是逐年增多。目前，国内外学者在研究能源消耗时，均把经济增长GDP作为最重要的影响因素，进而分析能源消耗与经济增长的协整关系和格兰杰因果关系，从学者们的研究中可知，GDP与能源消费之间存在长期稳定的正相关关系。

（2）人口增长RK：能源是人类赖以生存的基础，人口的总量的多少直接影响着能源的消耗总量，也直接影响着能源资源的人均占有量和利用方式。经济的发展，人民生活水平的提高，人们对优质能源的需求也日益增多。湖南省是中部地区的人口大省，2007年湖南省总人口达到6800万人，居中部第二。庞大的人口总数带动了能源消耗的增长。理论上来说，人口增长与能源消耗之间存在着正相关关系。

（3）工业化IDU：工业是工业是耗能大户，工业化程度的高低直接影响着能源消耗量的多少。2007年第二产业耗能占全省耗能的71.69%；在第二产业中，工业的能耗占据了重要的比重，因此，本文以第二产业中工业增加值占GDP的比重即工业化率为基础，分析湖南省工业化水平对能源消费需求的影响。

（4）技术进步：本文以综合能耗产出率（ZHN，单位：元/千克标煤）反应技术进步在能耗中的作用，即一个地区能源的利用效率，该指标越高，说明能源的利用效率也就越高，能源的利用方式也就越先进。该指标与能耗应该是负相关关系。

本文以EG代表能源需求量，为能源需求模型的因变量，自变量为实际GDP、总人口RK、工业化IDU和技术进步ZHN，构建能源需求的柯布-道格拉斯（Cobb-Douglas）生产函数：

对（1）式两边取对数，则上式就变为：

式中，β1、β2、β3、β4表示第i个地区GDP、总人口、工业化、综合能耗产出率对能源需求的弹性系数，ξi为随机误差项。

2 能源消费的空间计量经济模型

2.1 空间自相关模型检验

在进行空间计量分析之前，首先应判断地区之间是否存在空间相关性。判断地区地区之间是否存在空间相关性，先要进行探索性空间数据分析。Anselin(1988)指出，探索性空间数据分析是一系列空间数据分析方法和技术的集合。检验变量之间的空间自相关性存在与否，最常用的方法由Moran[10]（1948）提出的空间相关指数Moran’s I指数和Geary’s C指数，两者的作用基本相同，所不同的是Moran’s I主要应用于全域空间自相关性的分析，而Geary’s C指数则适用与局部空间的关联分析。应用最为广泛的就是Moran’s I指数。

Moran’s I的定义如下：

距离矩阵的Wij[9]为：

（1）Wij=0 ， 如果i=j时；

该矩阵选取了比较简单的距离倒数函数，样本中最短的城市距离（Min）得到的权重为1，其它里程的权重则为式中dij为样本间的距离，Min为样本间距离的最小值。对于样本的权重矩阵，本文没有采用简单的二元邻接矩阵（即0，1两种值），而是应用到具体的数据，利用湖南省各地市（永州除外）之间的里程，按照距离倒数函数方法，计算出各地市之间的空间权重矩阵，这样可以更准确的描述周围地市对某个特定地市的能耗的影响。

Moran’s I可看做是各地区观测值的成绩和，其取值范围为-1≤Moran'sI≤1。如果各地区间为空间正相关时，则其数值就比较大；如果各地区间为负相关时，则其数值就比较小。如果具体到湖南省市区域能源消耗影响因素的空间依赖性的问题上，当目标区域在空间区位上相似的同时，也有相似的属性时，空间模式在整体上就显示出正的空间相关性；而当在空间临近的目标区域数据不同寻常地具有不相似的属性时，就呈现为负的空间自相关性；当指数值为零时，说明地区之间不存在空间自相关性，也即各区位数值的属性分布与数据的分布相互独立。

2.2 面板数据（Panel Data）模型

本文研究的时段为2004～2007年，空间单元数据为13个区域的连续4年的时间序列变化情况，反映的是不同时间（4年）和不同区域（湖南省13个地市）的经济增长GDP和总人口对各地区能源需求影响的情况。因此，我们引进对n个个体（湖南省各地市）连续观察T期得到的空间和时间合成的时空数据回归模型-Panel-Data模型，其模型可以表示为：

式中，Yit=(Y1it,Y2it...Ykit)'，为因变量向量；Xit=(x1it,x2it,...,xkit)'是K个外生变量在特定时间和地区的观测值；βit'=(β1it,β2it,...,βkit)'为参数向量，K是除去截距项的外生变量（斜率）个数，n是截面样本点的个数，T是时期总数。

2.3 空间计量经济模型

空间滞后模型（Spatial Lag Model，SLM）主要是探讨各变量在一地区是否有扩散现象（溢出效应）。其模型表达式：

y=ρWy+Xβ+ξ

式中，y为因变量，本文中代表的是地区能源消耗量；Wy为空间滞后因变量；ρ为空间回归系数，反映地区观测值之间的空间依赖作用，即相邻区域的观测值Wy对本地区观测值y的影响方向和程度；W为nхn阶的空间权重矩阵，最为常用的是临近矩阵（Contiguity Matrix）和距离矩阵；X为nхk的外生解释变量矩阵；β反映了自变量X对因变量Y的影响程度；ε为随机误差项项量。空间滞后因变量Wy是一内生变量，反映了空间距离对区域能源消费行为的作用。受经济环境及与空间距离有关的迁移成本的影响，区域能源消费行为具有很强的地域性。

2.3.2 空间误差模型

空间误差模型（Spatial Error Model，SEM）是当地区间相互作用由于其所在的相对位置不同而存在差异时所采用的空间经济学模型。空间误差模型（Spatial Error Model，SEM）的形式为：

式中，y、x、w与空间空间滞后模型中的含义相同。ε为随即物产项变量，λ为nх1阶的界面因变量项量的空间误差系数，μ为正态分布的随机误差项量。β反映了自变量X对因变量y的影响程度。参数λ衡量了因变量观测值（即区域能源消耗）之间的空间依赖作用，也就是说相邻的地区的能源消耗量对本地区的能源消耗量的影响方向和程度。而在随机误差项中的空间依赖作用，则反映了临近地区关能源消耗量的误差冲击对本地区能源消耗量的影响程度。

2.4 数据选择与估计方法

本文所研究数据来源为2004～2007年湖南省各地市统计年鉴和《湖南省统计年鉴》。研究的时段为2004～2007年，因变量为湖南省13个地市（永州的统计年鉴中没有统计能源消耗量）的能源消耗量（EG），由于能源的种类有很多，本文没有一一进行统计，而是选择各种能源折合为标准煤的总数，单位为万吨标准煤；自变量为13个地市以2004年为基期的实际GDP和总人口数RK，为消除异方差、和多重共线性，又考虑对各数据取对数后不会影响各变量之间的协整关系，而且所得到的数据容易得到平稳序列，在下面的分析中，所有的数据在处理之前都已经取了对数，因此，在所有的变量字母前都加了L，表示经过数据转换后得到的新数据。

本文为解决OLS方法失真的问题，采用极大似然（LM）方法对模型进行估计。

高潮正欲挤过去再问，手机突然响了，掏出一看，是“诗的妾”的短信息：老公，妾在去温州的列车上呢。不知怎的，妾突然后悔了自己的这个行动，妾现在最想见的人，是你。高潮回信息：一场突袭大戏的序幕，即将拉开，未知的结局，会涂抹谁生活的色彩？

3 面板面板数据的OLS分析结果

表1 地市能源消费的OLS回归分析结果

在能源消耗与其影响因素的分析中，传统的分析方法仅仅考虑时间序列的影响，而忽视了空间效应对能源消耗的作用，从而有可能造成回归结果与现实不符的情况，也即是出现了伪回归现象。本文首先利用Eviews 6.0软件对湖南省13个地市的4年的面板数据，在不考虑空间效应的前提下，利用OLS方法进行估计，得出的结果表1所示。

从表1中可以看出，在没有考虑空间效应的情况下，利用OLS回归出来的结果不是很理想。Adjust R2仅为0.62。因此，从拟合优度上看，在没有考虑能源消耗的空间效应影响的情况下，模型的拟合优度不高。

4 空间计量实证分析结果

首先使用全域Moran’s I统计量，测算各地市间能源消耗的正负相关性。2004～2007年湖南省13个地市的能源消耗的Moran’s I指数是0.30，无空间相关假设成立的概率几乎为0。这说明地市间能耗存在空间争相关性。

表2 空间滞后模型（SLM）的ML估计结果

从表2和表3也可以看出，SLM模型的极大似然值LogL为-7.41小于SEM的-2.97，且SEM的AIC值1.07小于SLM的1.76；SC值1.24小于SEM的1.93。因此，我们可以得出结论，SEM模型优于SLM模型，并且，SEM模型的拟合优度0.95大于SLM的拟合优度0.94和OLS的拟合优度0.62，SEM模型更能反映湖南省地市的能源消耗的情况，本节的分析也就以SEM的结果为准。

表3 空间误差模型（SEM）的ML估计结果

表3的空间误差模型的分析结果显示，SEM的空间滞后估计参数λ的显著性非常的高，表明临近地区的能耗冲击对本地区能耗有明显的影响。在SEM模型中，LGDP与能源消耗LEG的弹性系数为0.88，在1%的水平下显著，表明经济增长是影响区域能源消耗的重要因素；人口数LRK与能源消耗LEG的弹性系数为0.16，通过了9%水平下的显著性检验，这表明湖南省各地市人口及居民收入的增加，加大了对能源的消耗，人口总数是能源消耗的另一个重要的影响因素；工业化的弹性系数为0.82；综合能耗产出率的系数为-1.98，说明技术越进步，能源利用效率越高，能耗就越低。

5 结论与建议

5.1 结论

本文利用2004～2007年湖南省13个地市（永州除外）的面板数据，对湖南省地市间能源消耗的空间效应进行了分析，并以13个地市的空间距离为基础，计算出地市间的距离矩阵，最后得到的结论为湖南省地市间的能源消耗存在明显的空间效应，Moran’s I指数为0.30，无空间相关假设成立的概率为0.000。

传统的最小二乘法在没有考虑到空间效应时，得到的回归结果拟合优度比较的小。利用空间计量模型得到结果的拟合优度相对来说就高了许多。利用Matlab 7.0软件得到的空间滞后模型SLM和空间误差模型SEM，进行比较后发现，SEM模型优于SLM模型，临近地区能耗的冲击对本地区能耗有显著的影响。通过SLM模型的ML估计结果可以看出，GDP、人口总数、工业化和综合能耗产出率都是地市能源消耗的重要影响因素。

5.2 建议

(1)依靠科技进步，提高能源利用效率。

要实施重点科技专项，努力攻克一批核心关键技术，力争在重点优势领域取得突破；努力引导企业开展技术创新活动，形成一大批集研发、设计、制造与一体，具有国际竞争力的企业。支持高效节能产品的推广、重大节能项目建设和重大节能技术示范，培育一批技术推广机构，为中小企业提供技术之和援助；健全知识产权保护体系，激发全社会的创造力，促使经济增长有主要依靠资金和物质要素投入带动向主要依靠科技进步带动转变。

(2)大力实施计划生育政策，控制人口增长。

湖南省要努力将人口总量保持在一个适度范围，达到人口总量及其内部各种年龄组成人口相对稳定、相对平衡，从总量到结构彻底完成人口转变，在人口与经济、社会、环境、资源相协调的总量水平上静止下来，实现相对稳定的零增长。

(3)优化产业结构，走新型工业化道路。

工业化是影响湖南省能源需求的重要因素之一，加快工业的调整力度，优化工业行业结构，是降低湖南省能源消耗的重要措施。结合湖南省的实际情况，应摒弃湖南省以前走的消耗大、污染大的发展老路子，走新型工业化道路。

[1] 周少甫,闵娜.中国经济增长与能源消费关系的协整分析[J].当代经济,2005,(6).

[2] 徐小斌,李传昭.中国东西部省份能源消耗与经济增长关系比较研究—面板数据的协整分析[J].科技管理研究，2008,(5).

[3] 晏正春，彭莉莎等.我国能源消费和经济增长关系的数量分析[J].商业研究,2006,(9).

[4] 何永秀，李艳.北京地区能源消费与经济增长的协整检验[J].统计与决策,2008,(8).

[5] Anselin L.Spatial Econometrics:Methods and Models[M].Dordrecht:Kluwer:Academic Publishers,1988.

[6] Moran.The Interpretation of Statistical Maps[J].Journal of the Roual Staistical Society,1948,10(2).