李荣杰，李 娜，张 静，郭淑芬

(山西财经大学 资源型经济转型发展研究院，山西 太原 030006)

一、引 言

当前中国面临经济下行压力加大和污染防治任务繁重两难问题，推动能源结构的清洁低碳化转型成为必然选择。进入新世纪以来，中国能源体系开始加速推进清洁低碳化转型。2000年至2018年，中国总体能源结构中，煤炭消费占比从68.5%降低到59%，天然气、水电、核电、风电等清洁能源消费占比从9.5%增长到22.1%。十九大报告提出“推进能源生产和消费革命”，十九届四中全会再次强调“推进能源革命，构建清洁低碳、安全高效的能源体系”。能源革命是坚持和完善生态文明制度体系，促进人与自然和谐共生的重要举措。能源结构低碳化已经成为高质量绿色发展的直接推动力，也是中国参与全球环境治理，实现2030年自主减排承诺的重要保障。

中国以煤为主的能源结构短期内较难快速改变，截至2019年，中国煤炭消费和能源消费总量仍在增长，这对碳排放控制与削减带来较大压力。为积极应对气候变化以及更加主动地控制碳排放，中国正在加快推进“油气替代煤炭、非化石能源替代化石能源”的能源结构双重更替进程。能源结构低碳化是各类细分能源在复杂的互补和替代关系下，持续性调整优化的系统性工程，目前广泛使用的煤炭占比、可再生能源占比等简单结构指标显然无法体现能源结构的双重更替进程以及各类细分能源之间复杂结构关系。所以，构建一种能够精确反映多种细分能源复杂结构演化的低碳化指数，应用于能源结构低碳化评价，服务于能源结构转型研究，具有重要的理论价值和现实意义。地区间对不同类型能源的依赖性具有较大差异，从差异收敛视角探讨能源结构低碳化进程与经济发展、产业结构升级的动态关系，将有助于丰富和拓展能源结构转型理论研究，为地区优化能源结构、打赢污染防治攻坚战提供重要的决策参考，促进地区间协同推动节能减排目标的实现和美丽中国建设进程。

二、文献梳理

随着经济发展步入新常态，同时环境治理日趋严格，能源结构转变成为中国当前亟待深入研究的重要课题。当前关于能源结构转型的讨论主要基于简单指标或综合指标体系。简单指标主要采用煤炭占比、化石能源占比、可再生能源占比等[1-3]。近年来，综合指标体系方法应用较为广泛，如王贤等基于26项指标构建了低碳经济范式下的能源消费结构优化程度指标体系，许珊等基于广义距离最小原理构建最优评价方法选择模型构建了包括11项指标的能源结构低碳评价指标体系[4-5]。基于简单指标的能源结构分析难以解释各类能源多元替代关系，而多指标体系的评价方式涉及能源、环境、经济等多个方面，既有研究指标数量一般在10～30项之间，具有较大的随意性。另一种能源结构的评价思路是将各类能源的结构变化情况加总合成为一个指数，体现各类能源的总体变动情况。冯梦骐等构造了一种能源消费结构变动指数，由各类能源消费占比变化的绝对值加总表示[6]，但这种方法所得出的指数不具有方向性，只能考察变动幅度，而无法反映向好还是向差的变化。

Moore结构变化值可以通过计算当期与基期向量的夹角来反映结构变动程度[7]，近年来在结构测算应用中开始得到关注，如付凌晖、周明磊等对产业结构的测算，刘智勇等对人力资本结构高级化的评价等[8-10]。周明磊等指出了当前Moore值应用的局限性，并进行了拓展，但其改进的方法是以样本首年为基期，且计算得到的变化值均为正，无法捕捉结构劣化的情形，因此这种方法对变动方向识别仍然存在缺陷，且以样本首年为基期会导致跨期样本不可比问题。

低碳发展导向下，在众多的节能减排路径中，能源消费结构的优化尤为重要[11]。能源结构优化需依据能源的碳排放因子，按照由低向高的顺序通过清洁能源对高碳能源的替代来实现[12]。具体地讲，原煤、焦炭、柴油、汽油等各种细分能源具有不同的碳排放系数，既有方法难以处理多种能源的复杂结构演化，无法精确刻画地区能源结构的低碳化水平。本文的主要创新和贡献有两个方面：一是改进加权多维向量夹角方法，可以同时处理多种细分能源的复杂结构演化，基于此方法构建的能源结构低碳化指数具有一致的方向性和跨期、跨样本可比性；二是基于经济发展水平和产业结构设定虚拟最优参照，检验地区能源结构低碳化差异的收敛机制和影响因素，并对区域异质性进行深入的考察。

三、能源结构低碳化指数构建：基于改进的加权多维向量夹角方法

对现有Moore值方法进行改进和创新，不同于付凌晖以多个基本单位向量为基准的做法[8]，也不同于周明磊等以样本首年为基期的处理方式[9]，本文提出一种新的基准向量设置方式，以理论上的下限值作为唯一基准向量，使得所有时序上的测度结果都是相对于理论下限的优化。基于改进的加权多维向量夹角方法的能源结构低碳化指数构建步骤如下：

第二步，选取基准向量。假设存在一个能源结构低碳化水平的理论下限，能源消费全部来自碳排放水平最高的能源类型，以此情形下的能源消费结构构成的m维空间向量作为基准向量，形式为E0(1，0，0，…，0)。这里E0为不变且唯一的基准向量。

第三步，计算第j种能源变动形成的向量夹角。传统的Moore结构值方法计算的向量夹角不具有方向性，可能存在不同种类能源结构变动形成的向量夹角相同的情况，这里借鉴周明磊等的计算方式[9]。

以E0为参照，将向量E0中第j个分量的值替换为Et中第j个分量的值，构建新向量Ea，向量Ea和E0之间的夹角可以理解为单纯由第j种能源结构变化形成向量夹角。向量Ea表示如下：

此时，向量夹角θaj为：

(1)

以Et为参照向量，将向量Et中第j个分量的值替换为E0中第j个分量的值，构建新向量Eb，向量Eb和Et之间的夹角亦可以理解为由第j种能源结构变化形成向量夹角。向量Eb表示如下：

Eb=

计算向量Eb和Et的夹角θbj为：

(2)

θaj、θbj类似于帕式指数和拉式指数，可能造成夹角的低估或高估，为避免计算偏误，取两者的几何均值，得到第j种能源结构变动形成的夹角：

(3)

第四步，对m种能源结构变动形成的向量夹角进行加权，合成能源结构低碳化指数LCI。

(4)

实际上，式(4)的计算形式是将各类能源变动形成的夹角按照等差形式赋权。

通过改进加权多维向量夹角方法构建的能源结构低碳化指数，测度结果具有方向一致性，且无需考虑基期选择问题，因此具有跨期、跨样本可比的优点和更强的适用性。

四、地区能源结构低碳化水平测度

依据前文构建的指数测度方法，对中国30个省份(不含港澳台及西藏)1996—2017年的能源结构低碳化水平进行测度和分析。

(一)能源低碳化排序

计算加权多维向量夹角指数的前提是能够对各类能源依据碳排放水平进行排序。本文主要选取9类细分能源(1)这里未涉及电力，原因有两个方面：一是各省一次电力的消费数据缺失较为严重，能够获取的样本较少；二是电力消费总量数据中跨地区输送的电力数据难以对煤电和一次电力进行分离。进行分析，数据来源于1997—2018年《中国能源统计年鉴》，各类能源均折算为标准煤。细分能源低碳化水平排序依据为单位热值的碳排放系数，计算方式为：单位热值碳排放系数=单位热值含碳量×碳氧化率(2)单位热值含碳量及碳氧化率数据来自于《省级温室气体清单编制指南(试行)》。。单位热值碳排放系数越高，则该类能源的低碳化程度就越低，9类能源的低碳化水平从低到高排序依次为焦炭、原煤、燃料油、柴油、原油、煤油、汽油、LPG(液化石油气)、天然气。

(二)测度结果

如图1所示，中国能源结构低碳化水平总体呈现波动上升趋势，在2001年达到阶段性峰值后开始回落，2001—2010年10年间呈波动趋势，2010年之后则开始快速提升。从区域差异来看，东部地区的能源结构低碳化水平最高，中部地区最低，且2008年以后区域差异有扩大的趋势。

图1 能源结构低碳化水平均值变化图

核密度估计可以进一步考察能源结构低碳化指数的动态演进轨迹及分布特征(见图2)。从全国情况来看，指数分布曲线整体保持着向右平移的趋势，这体现了能源结构低碳化水平总体呈现上升趋势，曲线存在较为明显的向右拖尾特征，意味着能源结构低碳化水平较高的省份与其余省份之间差异较大。东部地区的指数分布曲线由尖峰形向宽峰形变化，且变化趋势十分明显，这表明东部地区内部各省份能源结构低碳化发展不平衡且差异在不断扩大。中部地区核密度曲线的波峰峰值先下降后上升，2017年曲线左侧开始出现次峰，说明中部地区能源结构低碳化水平存在两极分化倾向。西部地区核密度曲线的波峰峰值不断降低，且峰形不断变宽，这意味着西部地区能源结构低碳化正在向着多极化发展。总体来看，在东中西部地区内部，能源结构低碳化均出现趋异发展倾向，20年间东中西部地区都出现了少数能源结构低碳化水平快速提高的省份，并正在逐渐拉大与周边省份的差距。

图2 能源结构低碳化指数的核密度估计图

五、地区能源结构低碳化水平差异的收敛机制检验

能源与经济之间的紧密关系已经为诸多研究所验证，GDP的稳定增长被认为是实现中国能源消费结构优化的有效手段[13]。同时，张纳军和程郁泰认为产业结构升级能有效改善工业化过程中能源消费结构的“高碳化”[14]。《能源生产和消费革命战略(2016—2030)》提出“以产业结构调整促进能源消费结构优化。推动产业体系向集约化、高端化升级，实现能源消费结构清洁化、低碳化”。因此，收敛机制的检验围绕经济发展水平和产业结构两个维度开展。

(一)地区差异收敛模型

不同于齐绍洲以发达地区均值为参照的做法[15](3)齐绍洲(2007)的处理方法是以中位数为界，将样本内30个省份划分为发达地区15个省份和落后地区15个省份，假设落后地区省份所学习趋近的目标是15个发达省份的“均值”，这样处理后会使得样本量缩减一半，存在较大的信息损失，不利于区域异质性的考察。，本文假定存在一个由历年各地区的实际经济最优水平所构成的虚拟参照X。各地区以X作为学习的对象，期望通过缩小经济发展水平差异进而缩小能源结构低碳水平的差距。进一步，假设地区间能源结构低碳化差异是地区间人均GDP差异的函数，据此有：

(5)

进而为了避免面板数据分析中时间序列因素的影响，在模型中加入一期的滞后量变量，表示如下：

(6)

联立方程式(5)和式(6)，取对数整理得到能源结构低碳化差异随经济发展水平(PGDP)差异变动的收敛模型如下：

ln(LCIi，t/LCIi，t-1)=B+Cln(LCIx，t/LCIi，t-1)+

Dln(PGDPi，t/PGDPx，t)+εi，t

(7)

其中，B=μlnA，C=μ，D=μη，故而η=D/C。η的含义可以作如下理解：

当η>0，说明地区间的人均GDP差距每降低1%，会使两者之间能源结构低碳化差距降低η%，即地区间缩小经济差距的过程中，其能源结构低碳化差距也在不断地缩小，落后地区可以在经济发展水平提升过程中实现低碳化发展。其中，η=1表示能源结构低碳化指数的收敛速度和人均GDP的收敛速度相当；η>1表示能源结构低碳化指数的收敛速度快于人均GDP的收敛速度；0<η<1表示能源结构低碳化指数的收敛速度慢于人均GDP的收敛速度。

当η<0，说明地区间的人均GDP差距每降低1%，会引起两者之间能源结构低碳化差距增大η%，即地区间缩小经济差距的过程中，其能源结构低碳化差距却在不断扩大，落后地区难以在经济增长过程中实现低碳化发展。其中，-1<η<0表示能源结构低碳化指数的发散速度小于人均GDP的收敛速度。η<-1表示能源结构低碳化指数的发散速度快于人均GDP的收敛速度。

同理，构建能源结构低碳化差异随产业结构高级化(ISS)差异变动的收敛模型，如下：

ln(LCIi，t/LCIi，t-1)=B+Cln(LCIx，t/LCIi，t-1)+

Dln(ISSi，t/ISSx，t)+εi，t

(8)

(二)地区能源结构低碳化差异的收敛机制检验

地区能源结构低碳化指数差异随经济发展水平和产业结构高级化差异而收敛的前提是经济发展水平和产业结构自身具备收敛性，因此需要对经济发展水平和产业结构高级化水平的收敛性先行检验。各地区人均GDP和产业结构数据来自于1997—2018年《中国统计年鉴》《新中国六十年统计资料汇编》以及各地区历年统计年鉴。人均GDP数据以1996年为基期进行价格调整。产业结构高级化指数参照能源结构低碳化指数的构建方法，以一产、二产、三产由低到高排序计算得出。经济发展水平和产业结构高级化水平的收敛性显著(见表1)，因此可以进行下一步地区能源结构低碳化指数差异收敛性检验。

表1 人均GDP和产业结构高级化指数的β收敛检验

比较全国各地区历年人均GDP和产业结构，发现1996—2017年期间，上海的人均GDP历年均是全国最高水平，而北京的产业结构高级化指数则始终位居第一。同时，北京与上海的能源结构低碳化指数遥遥领先其他省份。因此，这里选取上海的人均GDP、北京的产业结构以及两个地区能源结构低碳化指数的均值构建虚拟地区X。以地区X为参照，对除上海、北京外的其他28个省份进行差异收敛性检验。F检验显示，随经济发展水平和产业结构高级化水平差异收敛的两个模型采用混合回归的效果更好。估计结果如表2所示，列(1)为地区能源结构低碳化差异随经济发展水平差异的收敛性检验结果，列(2)为能源结构低碳化差异随产业结构高级化水平差异变动的检验结果。

如表2中列(1)所示，从全样本估计结果来看，地区能源结构低碳化差异随经济发展水平差异的收敛性较为显著，说明随着地区间经济差异的缩小，能源结构低碳化水平的差异随之缩小。计算可得η=0.62，说明地区间的人均GDP差距每缩小1%，会使两者之间能源结构低碳化差距降低0.62%。

根据表2中列(2)的回归结果，地区能源结构低碳化差异随产业结构高级化的收敛性不甚明显，背后的原因可能是，“退一进二进三”、“退一退二进三”、“退一平二进三”等产业结构升级方式及阶段性特征可能会对能源结构产生截然不同的影响，这与张友国发现的三次产业结构调整反而可能导致碳排放强度上升的结论相一致[16]。总体检验结果并未揭示能源结构低碳化与产业结构的明确影响关系，可能是因为处于不同发展阶段的地区采取了不同的产业结构升级路径。

表2 地区能源结构低碳化差异的收敛性检验结果

(三)收敛机制的区域异质性考察

能源结构低碳化与产业结构高级化的收敛检验结果表明，不同发展水平、类型的地区可能存在不同的收敛关系。因此，将样本分组进一步考察区域异质性。前文可知以地理区位划分的东中西部地区内部各省份的能源结构低碳化发展趋异，收敛特征不明显。所以分组检验采用非地理区位的分组方式，各省份按照经济发展水平、产业结构高级化水平以及能源禀赋进行分组(4)由于参照地区数据值为北京和上海两地数据合成，分组样本中不含北京、上海，具体分组为：经济发展水平较高地区包括天津、江苏、浙江、广东、福建、山东、辽宁、内蒙古、黑龙江、湖北、吉林、河北、重庆，其余省份为经济发展水平较低地区；产业结构升级较快地区包括天津、广东、浙江、江苏、山西、辽宁、重庆、福建、宁夏、青海、山东、陕西、湖北，其余为产业结构升级较慢地区；能源输出型地区包括山西、陕西、内蒙古、黑龙江、新疆、贵州、青海、宁夏，其余为能源输入型地区。。经济和产业分组的依据为样本期内各指标历年均值排序，能源禀赋分组依据为地区能源自给率的历年均值是否大于或小于1。表3、表4、表5展示了依据经济发展水平、产业结构高级化水平以及能源禀赋的分组检验结果。各表中列(1)和列(3)为地区能源结构低碳化差异随经济发展水平差异的收敛性检验结果，列(2)和列(4)为能源结构低碳化差异随产业结构高级化水平差异的收敛性检验结果。F检验结果表明，三种分组样本均适合采用混合回归。

表3 依据经济发展水平的地区能源结构低碳化差异收敛性分组检验

表4 依据产业结构的地区能源结构低碳化差异收敛性分组检验

从区域异质性的检验结果来看，经济发展水平较高、产业结构升级较快、能源输入型地区的能源结构低碳化差异随经济发展水平和产业结构高级化的收敛性均较为显著，说明在经济和产业结构相对领先的地区，经济发展水平和产业结构高级化水平的提升能够有效推动能源结构的优化。相对而言，在经济发展水平较低、产业结构升级较慢、能源输出型地区这两种收敛关系的表现则不明显。这可能是因为经济发展水平和产业结构升级较慢地区困囿于粗放型发展模式，存在一定的模式锁定效应和路径依赖问题，导致能源结构具有较强的刚性，难以随着经济发展水平提升和产业结构调整而实现低碳化转型。而能源输出型地区一定程度上可能面临着的“资源诅咒”现象，良好的资源禀赋可能导致对其他要素的挤出效应，造成对能源的过度依赖，形成单一的资源型产业结构，在低碳发展方面也就面临较大的困难。

表5 依据能源禀赋的地区能源结构低碳化差异收敛性分组检验

六、地区能源结构低碳化差异的影响因素分析

由能源结构低碳化水平差异收敛的检验结果可知，经济发展水平和产业结构均对能源结构低碳化具有重要影响，能源结构一定程度上内生于经济系统和产业结构，且地区间表现差异明显。是哪些因素使得经济发展水平和产业结构的变化能够推动能源结构低碳化水平改变，以及为什么存在区域差异，均需要进一步讨论。

(一)计量模型

地区能源结构低碳化差异影响因素的选择考虑经济发展水平和产业结构两个方面。经济发展水平因素方面，基于包含能源的生产函数Y=AF(K，L，E)，并参考齐绍洲等的做法，选择技术和投入要素相关的5个影响因素[17]；产业结构因素方面，借鉴韩永辉等的分析思路，选择市场化、需求结构、政府支出、出口、城镇化、要素结构等6个影响因素[18]。模型如下：

ln(LCIi，t/LCIx，t)=γ0+γ1ln(RDi，t/RDx，t)+γ2ln(FDIi，t/FDIx，t)+γ3ln(FIi，t/FIx，t)+γ4ln(Li，t/Lx，t)+γ5ln(Ei，t/Ex，t)+γ6ln(MAKi，t/MAKx，t) +γ7ln(CPRi，t/CPRx，t)+γ8ln(GSRi，t/GSRx，t)+

γ9ln(TERi，t/TERx，t)+γ10ln(UBZi，t/UBZx，t)+

γ11ln(LEi，t/LEx，t)+εi，t

(9)

其中，RD表示研发投入，使用R&D经费内部支出数据；FDI表示外商投资，采用外商投资企业的投资总额衡量；FI表示固定资产投资，使用全社会固定资产投资总额度量；L表示劳动力，使用年末就业人口数据；E表示能源投入，使用能源消费总量数据；MAK表示市场化水平，使用非国有企业固定资产投资占比衡量；CPR表示需求结构，用人均居民消费占人均GDP的比重衡量；GSR表示政府支出占比，采用政府财政支出占GDP的比重衡量；TER表示出口占比，用出口总额占GDP的比重衡量；UBZ表示城镇化水平，使用城镇人口占总人口的比重度量；LE表示要素结构，采用劳动力与能源投入的比值衡量。虚拟地区X的设置与前文中一致，即选取上海的经济发展水平相关变量和北京的产业结构相关变量构建地区X。

样本数据来源于历年《中国统计年鉴》《中国能源统计年鉴》《中国劳动统计年鉴》《中国科技统计年鉴》及各地区统计年鉴。基于数据的可得性，样本区间为1999—2017年。外商投资总额、出口总额以当年平均汇率换算为人民币。

(二)影响因素检验结果

表6报告了地区能源结构低碳化差异影响因素的估计结果。其中，列(1)为基于式(9)的回归结果；列(2)将式(9)中的劳动替换为人力资本，列(3)将式(9)中消费占GDP比重替换为人均消费水平，列(4)则对劳动、消费占GDP比重两个变量均进行了替换。Hausman检验结果表明四个模型均应采用随机效应模型进行估计。从估计结果来看，面板模型的性质和估计结果的系数大小、方向及显著性均保持了良好的稳定性，说明模型设定和估计结果具有较强的稳健性。

从经济发展水平因素来看：(1)研发投入和FDI差异的系数显著为正，说明技术水平差距的缩小是地区能源结构低碳化水平差异缩小的重要动力，无论自主创新还是技术引进都能够显著推动能源结构低碳化水平的提升。(2)固定资产投资差异的估计系数为负，说明固定资产投资差异的缩小反而导致了地区能源结构低碳化水平差异的扩大，这与李秋妍等发现的结论一致[19]。(3)劳动力投入差异的估计系数为负，说明劳动力投入地区差异的扩大可以促进能源结构低碳化水平差异的缩小，原因可能是地区间劳动力双向流动的频繁化加快了知识流动，进而促进了能源系统效率以及能源结构低碳化水平的提升。当然，人力资本的作用机理也类似。(4)能源投入差异的估计系数显著为正，说明随着地区间能源投入差异的缩小，能源结构的低碳化水平也在趋近。正如邵帅等研究能源效率时指出能效提升的知识积累来源于能源使用[20]，这里也可以认为能源结构低碳化水平提升的知识积累来源于能源使用。

表6 地区能源结构低碳化差异影响因素的总体估计结果

从产业结构因素来看：(1)市场化水平差异的估计系数显著为负，与直觉并不一致，可能的原因在于地区市场化水平的提升，导致了地区间能源密集型产业的跨区域转移，这弱化了其通过优化产业结构进而提升能源结构低碳化水平的作用。(2)消费占比体现了地区需求结构，系数显著为正，说明地区需求结构的合理化有效促进了能源结构的低碳化，地区消费水平差异的缩小可以推动能源结构低碳化水平差异的缩小。(3)政府支出差异的估计系数为负，说明地区政府支出差距降低无法促进能源结构差异的缩小。(4)出口占比差异与地区能源结构低碳化差异的相关性不大，从另一角度来看，地方政府无需担心当前的贸易争端对地区能源结构调整造成压力。(5)城镇化水平差异的估计系数显著为负，地方在城市化水平向北京和上海追赶的过程中，带来了基础设施建设需求的扩张，尽管可能间接提升产业结构水平，但可能短期内引致较大的高碳能源需求。(6)以劳动-能源比表征的要素结构差异的估计系数显著为正，要素结构的趋近能够促进地区低碳化水平的提升。但背后事实是，近年来各地区能源投入规模快速膨胀，劳动力规模则相对稳定，劳动-能源比呈普遍下降的趋势，中国仍然存在化石能源路径依赖。要素结构的扭曲将会阻碍能源结构低碳化进程。总体而言，部分产业结构相关因素的作用与预期中存在差距，可以为地区能源结构低碳化差异随产业结构高级化差异收敛性相对较差的显著性提供一定解释。

进一步依据经济发展水平、产业结构高级化水平以及能源禀赋进行分组检验(5)限于篇幅，影响因素分组检验未在正文报告，感兴趣的读者可向作者索取。，各变量估计系数的显著性和方向基本保持稳定，证明影响因素模型及参数估计结果的稳健性，但是个别变量的表现差异值得关注：1.从FDI来看，经济发展水平较低、产业结构较差的省份FDI的作用不显著，而能源输出省份则呈现了一定的副作用，说明落后地区外商投资质量或者外部技术引进的作用还有待提升；2.市场化的作用在经济发展水平较高和产业结构升级较快的地区不显著，而在其他落后地区则显著为负，这验证总体估计结果的分析结论，说明相对落后地区的市场化的方向主要在于接受了先进地区的高耗能产业转移，短期内不利于能源结构低碳化转型；3.出口占比指标在总体估计结果中并不显著，但在产业结构较差以及能源输出型地区却具有较好的显著性，这说明落后地区加快对外开放将更加有利于能源结构的低碳化发展。

七、结论与启示

本文构建基于加权多维向量夹角方法的能源结构低碳化指数，测度30个省市1996—2017年的能源结构低碳化水平。以样本期内各地区历年人均GDP和产业结构高级化的最优水平设定虚拟参照，检验了地区能源结构低碳化差异的收敛机制和区域异质性，并对地区差异的影响因素进行了系统分析，主要形成以下结论：第一，中国能源结构低碳化水平呈现波动上升趋势，在2001年左右出现了一次回落过程，2001—2010年间呈波动趋势，2010年后则开始快速提升。东中西部地区间的能源结构低碳化水平存在显著差异性，近年来东部与中西部地区差距有扩大的趋势，各地区内部亦表现出非平衡发展特征。第二，地区能源结构低碳化差异随经济发展水平差距的缩小而降低，地区间的人均GDP差距每缩小1%，会使地区间能源结构低碳化差距降低0.62%。总体估计中，地区能源结构低碳化差异随产业结构高级化的收敛性不显著。分组检验中，在经济发展水平较高、产业结构升级较快以及能源输入型地区，能源结构低碳化水平随着经济发展水平提升和产业结构升级的收敛性均较为显著，落后地区的收敛性则均不显著。第三，地区能源结构低碳化差异影响因素的分析显示，经济发展水平和产业结构相关的影响因素估计系数均显著性良好，变量调整和分组估计结果验证了模型的稳健性。值得留意的是FDI在落后地区的作用没有得到充分的发挥，市场化在落后地区也没有起到推动能源结构低碳化的应有作用。

基于本文对地区能源结构低碳化差异的收敛机制及影响因素的研究，可以得到如下启示：第一，经济发展水平的持续提升和产业结构优化升级是实现能源结构低碳化的重要保障，能源结构低碳化要在经济高质量发展中推进，更要注重与产业结构升级进程的协同。要严格限制高能耗、高污染产业扩张，依法依规淘汰落后产能，加快推动制造业绿色转型升级，大力发展战略新兴产业，培育低能耗、低排放、高效益的新增长点，在产业结构优化升级进程中实现能源消费结构的低碳化转型。第二，优化需求结构和改善要素结构是促进能源结构低碳化切实可行的发展策略。从总需求来看，要实施消费升级工程、提升居民消费水平，不断扩大消费占GDP比重。在要素供给端，可以通过营造公平就业环境、深化户籍制度改革、健全统一规范的人力资源市场体系等手段，加强人才流动和地区人力资本积累，强化劳动力要素对能源要素的替代作用。第三，对于落后地区而言，经济发展和产业结构向先进地区看齐、缩小与先进地区的差距可以提升能源结构低碳化水平，尤其是在技术创新、经济开放、市场化等“短板”领域。落后地区应以能源节约及绿色低碳技术为产业升级突破口，建立对内对外双向开放的新经济体制，弱化政府对要素的直接配置，深化能源资源及各类要素的市场化配置改革，激发全社会创造力和市场活力，破解模式锁定和路径依赖。