（华东师范大学经济学院，上海 200062）

引 言

技术进步与能源消费的相关关系一直是能源环境领域的研究热点问题之一。一直以来，技术进步被普遍认为是有效降低能源消费的重要手段。不可否认，随着时代的发展和新技术的普及，技术进步有助于能源效率的提高进而可以节约能源消费，使能源消费总量下降。然而目前这种节约能源消费的途径受到一些挑战。“杰文斯悖论” （Je⁃vons Paradox）指出，能源效率的提高在短时间内可以节约能源的使用，但是从长期来看，会导致更高的能源消费。为此，促使人们重新审视通过技术进步改善能源效率，进而降低能源消费的合理性。

大量的经验研究表明，技术进步的能源消耗效应具有双重性，即 “节约能源”与 “能源回弹”两种效应。（1）技术进步有利于降低能源消费。Ma和Stern（2008）认为技术进步有利于能源强度的下降，且技术进步对能源强度的影响具有行业异质性，化工行业的技术进步促进能源消耗的下降最为明显[1]。Fishervander等（2006） 基于微观企业层面视角，将能源价格与技术进步视为降低能源强度的首要因素，且不同类型的技术进步对能源强度的影响具有异质性[2]。何小钢和张耀辉（2012）基于36个工业行业面板数据，实证分析技术进步对节能减排的正向促进作用，并且进一步分析不同技术进步类型对节能减排的差异性，其中科技进步的影响最为明显，规模效率的影响最弱[3]。刘源远和刘凤朝（2008） 认为，虽然技术进步会引起能源回弹效应，但是这种回弹效应会呈现逐渐衰退的趋势，通过技术进步提升能源的利用效率已成为节约能源的重要手段[4]。钱娟和李金叶（2018）基于产品质量改进思想构建数理模型，讨论不同技术进步路径对节能降耗的影响，研究发现技术进步的节能减排效应显著为正，科技创新、规模效率和纯技术效率的节能降耗效应递减[5]；（2）技术进步有助于加快能源消费。“杰文斯悖论”是能源回弹效应的奠基石，而Brookes和Khazzoom最早关注到能源回弹效应现象，一致地发现技术进步带来能源效率的提高未必导致能源消费的下降，反而会增加能源的需求。Gardner和Joutz（1996）基于美国的数据研究发现，技术进步带来能源价格的下降，价格效应使得美国的能源消费增加1.1%[6]。 Broberg等（2015） 基于可计算的一般均衡模型模拟了瑞典经济中能源回弹效应大约在40%～70%之间，且能源回弹效应受能源效益改善模式、劳动力市场模型等多种因素影响[7]。周勇和林源源（2007） 以改革开放之后的我国能源消费数据为样本，发现我国能源消费的回弹效应大概在30%～80%之间[8]。陈凯等（2011）研究我国特定行业的能源回弹效应，以钢铁行业为样本，结果显示钢铁行业的能源回弹效应高达130.47%，表明我国钢铁行业具有强能源回弹效应[9]。而陈燕（2011） 研究我国特定省份的能源回弹效应，以我国湖北省为样本，研究发现湖北省在各年的能源回弹效应差异较大，如2001年的能源回弹效应只有3.6%，而2007年的能源回弹效应高达134.11%[10]。

此外，相关研究表明技术进步与能源消费之间的关系并不明确。秦腾等（2015）发现技术进步与能源消费之间并不是简单的线性关系，而是受经济发展水平的影响，且具有明显的区域异质性[11]。钱娟和李金叶（2018）构建多要素生产函数，测算技术进步的偏向性，研究能源节约型技术进步与能源消费之间存在欲扬先抑的 “倒U”型关系，而这种非线性关系受边际效用弹性的影响[12]。

已有研究大多利用线性模型对技术进步对能源消费的影响进行实证分析，且参数估计往往是静态的。而现实的经济活动中，经济增长的波动往往会带来要素禀赋、宏观政策等变动进而使经济时间序列出现偏离的趋势，因此运用线性模型很难刻画技术进步与能源消费之间的动态关系。另外，已有文献较少关注技术进步与能源消费的内生性问题，技术进步对能源消费会有影响，同样能源消费也会反向作用于技术进步，即二者之间存在双向因果关系，因此忽略内生性问题往往对结果造成偏误，而VAR模型将技术进步与能源消费当做一个经济系统，可以有效避免双向因果的偏误。但是传统的线性VAR模型是基于线性假设条件，仍然忽略了模型的动态变化特征。为此，本文选择近年来备受关注的马尔科夫向量自回归模型（MS-VAR），构建技术进步与能源消费的经济系统，探究技术进步与能源消费在涨落变换中，技术进步对能源消费的动态影响效应，以期为政府制定正确有效的节能减耗政策提供理论参考与政策依据。

1 研究方法与数据来源

1.1 MS（M）-VAR（p）模型构建

考虑到技术进步与能源消费之间复杂的动态关联性，传统的线性模型很难捕捉到两者之间微妙的关系，同时非线性模型可能更加符合现实情况。与传统向量自回归模型相比，马尔科夫向量自回归模型（MS（M）-VAR（p）） 融入 “区制转移因素”，可以凸显内生变量的非线性特征。为此本文采用该模型探究技术进步与能源消费的关系。

传统的线性向量自回归模型如下：

P阶线性截距型向量自回归模型为：

P阶线性均值型向量自回归模型为：

参考 Krolzig（1997）[13]的思路， 将区制转移因素融入传统的向量自回归模型，会形成马尔科夫向量自回归模型。参考隋建利等（2018）[14]的研究思路，具有如下几种形式：

在线性截距型向量自回归模型中引入 “区制因素”，即形成截距随着区制变化的马尔科夫向量自回归模型MSI（n）-VAR（p）：

在线性均值型向量自回归模型中引入 “区制因素”，即形成均值随着区制变化的马尔科夫向量自回归模型MSM（n）-VAR（p）：

假设yt生成的过程中的参数依赖st，而st表示M种区制，st遵循遍历M种区制的马尔科夫过程， 转移概率pij＝P（st＝j｜st-1＝i）， 满足，其中误差项εt服从正态分布，即εt～NID（0，Σ）。 以上截距随着区制变化的MSI（n）-VAR（p）和均值随着区制变化的MSM（n）-VAR（p）的区别在于，均值随着区制变化的模型是一个缓慢的平滑过程，而截距随着区制变化的过程更多带有突变性。

在MSI（n）-VAR（p）模型中， 进一步放松假定条件，回归系数中也引入区制变量st，即形成截距、系数随着区制变化的马尔科夫向量自回归模型MSIA（n）-VAR（p）：

同理， 在MSM（n）-VAR（p）回归系数中也引入区制变量st，即形成均值、系数随着区制变化的马尔科夫向量自回归模型MSMA（n）-VAR（p）：

另外， 在MSI（n）-VAR（p）模型中， 进一步放松假定条件，在方差中也引入区制变量st，即形成截距、方差随着区制变化的马尔科夫向量自回归模型MSIH（n）-VAR（p）：

同理，在MSM（n）-VAR（p）模型中也引入区制变量st，即形成均值、方差随着区制变化的马尔科夫向量自回归模型MSMH（n）-VAR（p）：

最后， 在原有的MSIA（n）-VAR（p）模型、MSMA（n）-VAR（p）模型的基础上， 更进一步将误差项也引入区制变量st，分别会形成均值、系数、误差项均随区制变化的MSMAH（n）-VAR（p）模型、以及截距、系数、误差项均随区制变化的MSIAH（n）-VAR（p）模型。

MSMAH（n）-VAR（p）模型与MSIAH（n）-VAR（p）模型分别可以表示为如下：

本文实证中，基于AIC和SC信息准则，确定具体选择哪一种类型的MS（M）-VAR（p）模型，其中yt是二维变量，y1t为能源消费变量、y2t是技术进步变量， 即yt＝（ec，te）′， 其中ec为能源消费增长率时间序列，te为技术进步率时间序列。本文利用最大化似然函数（ML）估计法和期望最大化（EM） 算法，求解MS（M）-VAR（p）模型中具体的参数值和刻画区制属性。

1.2 数据来源和模型选择

能源消费指标直接选择全国能源消费总量。而技术进步的指标，基于样本区间为1978～2018年的我国30个省、直辖市和自治区的面板数据（重庆数据并入四川，同时考虑数据的可获得性，港澳台地区未包含在内），采用衡量效率变化领域的非参数DEA-Malmquist指数法。在具体的投入产出数据的处理上，参考同类研究的做法，投入变量选择物质资本投入和劳动力投入、产出变量选择经过价格指数平减的各地区GDP。物质资本投入指标参考张军等（2004）[15]的永续盘存法测算所得，劳动力投入指标选择各地区从业人口的数量，将计算出的各省市的Malmquist指数再折合成全国的Malmquist指数。所有数据来源于历年《中国统计年鉴》、各省市统计年鉴。本文依次选择滞后阶数p为1～5，区制M为2～3的，根据AIC和SC信息准则最小的原则，最终选择MSIH（2）-VAR（2）的模型，即截距和方差随区制变化的马尔科夫向量自回归模型。

2 实证结果分析

2.1 技术进步与能源消费的动态关系

由表1可知，线性检验LR统计量为191.0711，在1%的显著性水平上拒绝原假设，表明模型具有显著的非线性特征，表明MS-VAR模型优于线性VAR模型，即相比于传统的VAR模型，MSVAR模型可以更好地反应技术进步与能源消费之间的关系。从EC动态方程来看，能源消费增长率的变化存在明显的 “惯性”特征。滞后一期的能源消费变量对当期能源消费增长率具有明显的正向影响（效应为0.8901），表明前一期的能源消费的增加会带动当期能源消费的增加。而技术进步对能源消费的影响在10%的显著性水平上为负，表明在整个样本区间，技术进步对能源消费的影响主要表现为 “节约效应”，总体来说，虽然在整个样本期间具有 “节约效应”和 “回弹效应”，但是技术进步引致的节约能源效应占据主导作用。同时，在区制1下，EC和TE的截距分别为0.0151、0.0051，在区制2下，EC和TE的截距分别为0.0507、0.0229，区制1对应的截距均小于区制2， 因此借鉴 Krolzig（1997）[13]、 隋建利和刘金全（2013， 2014）[16，17]、 隋建利等（2015）[18]的观点，将区制1视为 “缓慢增长区制”，将区制2视为 “快速增长区制”。且在区制1下，EC和TE对应的标准差分别为0.0155、0.0071；在区制2下，EC和TE对应的标准差分别为0.0229和0.0212，区制1的标准误均小于区制2，说明我国 “技术进步与能源消费”系统存在着一种潜在的特殊现象。即当 “技术进步与能源消费”变量处于 “缓慢增长区制”时，还表现出较强的 “惰性”，表现为在 “缓慢增长区制”内，不确定性和波动性相对较小。而在 “高速增长区制”内，不确定性和波动性相对较大，“惰性”特征消失。因此，决策部门在制定相关节能政策时，应关注“技术进步与能源消费”处于不同增长区制内的波动性特征。那么在不同的区制内技术进步与能源消费总体呈现何种关系，为此，本文进行区制属性分析。

表1 MSIH（2）-VAR（2）模型的估计结果

2.2 技术进步与能源消费区制转移的属性分析

观察表2技术进步与能源消费增速在不同区制内的相关系数可以发现，在两者关系处于 “缓慢增长区制”时，技术进步增速与能源消费增速呈负相关关系，处于 “快速增长区制”时呈正相关关系。表明在缓慢增长区制时，技术进步与能源消费具有非一致性，即技术进步减少能源消费。而在快速增长区制，技术进步与能源消费呈现一致增长效应，表明技术进步将促进能源消费。可能的原因在于：（1）技术进步带动能源效率的提升，从而有助于节约能源，进而使能源消费总量降低，即技术进步对能源消费具有 “节约效应”；（2）技术进步带来能效的提高，可能会通过收入效应、产出效应等产生新的能源需求，进而部分或者完全抵消节约的能源，即形成能源 “回弹效应”（Greening等， 2000）[19]。 在实际的经济活动中，节约效应与回弹效应并存，能源消费量的净效应取决于两者效应强度的对比。当然，不同类型的技术进步对能源消费的影响也存在差异，Ac⁃cemoglu等（2002）[20]明确指出技术进步具有偏向性，能源偏向型技术进步会加快能源消费，而能源节约型技术进步会降低能源消费，技术进步的方向受价格效应、收入效应等影响。此外，表3进一步给出了技术进步与能源消费组成的经济系统的区制转移概率矩阵。

表2 技术进步与能源消费增速在不同增长区制内的相关系数估计

表3 技术进步与能源消费区制转移矩阵与区制属性分析

观察表3，可知当技术进步与能源消费的相关关系处于区制1时，继续保持在区制1时的概率为0.8464，从区制1转移到区制2的概率为0.1536；当技术进步与能源消费的相关关系处于区制2时，继续保持在区制2的概率为0.1834，而从区制2转移到区制1的概率为0.8166；表明技术进步与能源消费经济系统维持在原有增长区制的可能性更大，不会在两个区制间频繁的转换。根据区制属性可以发现，在区制1和区制2内的样本数量分别为20.2、17.8，平均持续期分别为6.51、5.45，频率分别为0.5441、0.4559，可见在样本期内，维持在区制1内的样本数量、平均持续期和频率均大于区制2，说明 “技术进步与能源消费”处于区制1内的持续性更强，表明中国经济更易形成 “高技术低能耗”或者 “低技术高能耗”的均衡，且平均持续期维持在6年左右，技术进步的能源消耗效应转换为 “节约效应”的概率高于“能源回弹”的效应。

为了更加深入地探究技术进步与能源消费的关联性以及阶段性的差异，本文利用技术进步与能源消费在两个区制内的平滑转移概率，分析技术进步的能源消费效应的 “节约效应”与 “回弹效应”的阶段性规律。

图1 分区制平滑概率

表4 1981～2017年中国 “技术进步与能源消费”增长区制划分和平滑概率均值

表4具体列出了 “技术进步与能源消费”系统处于 “缓慢增长区制St＝1”和 “快速增长区制St＝2”的时间区间以及平滑规律的均值，同时图1绘制出了整个样本区间的实时平滑的动态时间足迹。当区制变量St的平均平滑概率值Pr（st＝i｜IT）＞0.5 时， 其中i＝1，2（其中，IT表示基于过去的信息集），说明 “技术进步与能源消费”系统处于该区制中，若平滑概率值越大，落入该区制的可能性越大。如表4和图1所示，在1981年、1989～1990年、 1994～2000年、 2008～2018年， “技术进步与能源消费”经济系统处于区制1，即技术进步对能源消费主要表现为 “节约效应”。而在1982～1988年、1991～1993年、2001～2007年，“技术进步与能源消费”经济系统处于区制2，即技术进步对能源消费主要表现为 “回弹效应”。且无论处于区制1还是处于区制2，平滑概率的均值均接近1，更加表明技术进步与能源消费之间的内在关联性作用的确存在区制差异性，用MSVAR模型检验两者关系是可靠的。纵观我国技术进步与能源消费历程，改革开放伊始，技术进步与能源消费处于缓慢增长阶段，而到1982年跨入“快速增长区制”，伴随着工业化进程的加快，能源消费增速逐步提高，同时，随着经济增长水平的提升，我国技术水平逐年提升。快速增长维持了近7年后，1989～1990年经历了两年的渐进调整阶段，而后又跃迁至 “快速增长区制”。然后从20世纪中期开始，在宏观经济 “软着陆”的背景下，“技术进步与能源消费”系统再次步入“缓慢增长区制”，并且持续到本世纪末。21世纪初，中国加入WTO以后，与各国的联系日益紧密增加了我国技术进步水平，且高对外依存度的经济增长特征使我国能源消费快速增长。2008年全球金融危机爆发后，虽然我国已经具备防范金融风险的能力，但是不可避免地受到金融危机的影响，使我国 “技术进步与能源消费”系统再次步入 “缓慢增长区制”。另外，粗放型的经济发展方式使环境污染日益严重，人民的生活与健康受到威胁，为此，十九大将 “绿色发展”提高到前所未有的高度。转变经济发展方式实现可持续发展是实现 “绿色发展”的重要途径，而调整能源消费结构是转变经济发展方式的必然要求，因此逐步提高清洁能源的比重，实现能源消费的多元化发展，这一能源消费结构的调整目前处于缓慢发展阶段。

2.3 技术进步与能源消费区制转移的脉冲响应分析

为了更进一步深入剖析技术进步率与能源消费率之间动态关系，本文分别采用区制转换脉冲响应函数，分析当给定经济系统一个冲击，在不同的区制内，技术进步与能源消费的脉冲响应的动态响应变化状况。脉冲响应图的横轴代表的是冲击发生之后技术进步与能源消费响应的滞后期数，而纵轴代表技术进步与能源消费的响应程度。

图2 区制转换脉冲响应

图2为区制转换的脉冲响应，当技术进步与能源消费的动态关系处于区制1，以及从区制2向区制1转换过程中时，当受到来自区制内经济变量的冲击时，技术进步与能源消费增长率均表现为负响应。不同的是，当从区制2向区制1过渡时，受到经济变量冲击时，技术进步与能源消费的响应程度更大，可能的原因是当处于区制转换过程中，受到的不确定性更大，波动性较高。同时，可以发现能源消费变量的增速逐渐下降，而技术进步变量在滞后2.5期时，达到最低点，而后开始上升，即技术进步与能源消费的关系在滞后2.5期之后为反向变动。因此，在缓慢增长区制，技术进步对能源消费影响的 “节约效应”具有时滞特征，为此，政策制定者在制定通过技术进步来降低能源消费需要考虑政策的 “时滞性”。

此外，当技术进步与能源消费的动态关系处于区制2时，以及从区制1向区制2转换过程中时，当受到来自区制内经济变量的冲击时，技术进步与能源消费增长率均表现为正响应。但是技术进步变量响应在2.5期之后达到峰值，而后开始下降，逐渐收敛。即技术进步对能源消费的正向作用发生在变量冲击的2.5年之内，表明在快速增长区制，能源回弹效应具有 “即时性”，政策制定者若在快速发展区制，制定通过技术进步降低能源消耗的战略时，需要考虑到回弹效应的“即时性”。

以上分区制分别显示不同区制内，技术进步与能源消费变量的关系具有区制依赖性，在缓慢增长区制，技术进步对能源消费以 “节约效应”主导，而在 “快速增长区制”，技术进步以 “回弹效应”主导，而总体上在样本期内，技术进步对能源消费是何种关系？在表1中，初步表明技术进步对能源消费的影响在10%的显著性水平上为负，为了使结论更加稳健，本文使用累积脉冲函数，观察技术进步对能源消费影响的整体变化情况。观察图3，可以发现当给技术进步一个正向冲击，累积能源消费呈现负向变化，即总体上技术进步对能源消费具有 “节约效应”，验证了上文的分析。

2.4 MS-VAR模型有效性分析

参考李智等（2014）[21]验证有效性的方式，整体上看，MS-VAR模型拟合了技术进步与能源消费各变量的变动。其中，图4左侧描述了技术进步增速与能源消费增速的实际值、1步预测值和平滑值，而右侧为MS-VAR模型实际残差的正态分布拟合结果。证实了MS-VAR模型被运用在研究技术进步与能源消费双区制动态关系中的有效性。

图3 累积脉冲响应

图4 MS-VAR方法对技术进步与能源消费变量的拟合及残差分布

3 基本结论与建议

本文基于技术进步与能源消费增速的年度时间序列，构建 “技术进步与能源消费”的经济系统，运用MS（M）-VAR（P）模型，考察技术进步与能源消费之间的非线性动态关联作用。研究结论如下：

（1）“技术进步与能源消费”系统存在 “双区制”特征，即 “缓慢增长区制”和 “快速增长区制”。当该经济系统处于 “缓慢增长区制”时具有“惰性特征”，表现为在 “缓慢增长区制”内具有较低的波动性，而在 “快速增长区制”具有较高的波动性，且“缓慢增长区制”为1981年、1989～1990年、1994～2000年、2008～2017年； “快速增长区制”为1982～1988年、1991～1993年、2001～2007年。

（2）不同区制内技术进步的能源消费效应具有差异性。在 “缓慢增长区制”内技术进步对能源消费的影响为负，而在 “快速增长区制”内技术进步对能源消费的影响为正。表明在 “缓慢增长区制”内，技术进步以 “节约能源效应”为主，而在 “快速增长区制”内，技术进步以 “能源回弹效应”为主，但技术进步的能源消费效应总的效应为负，即整体上看，我国技术进步以 “节约能源效应”为主导。

（3）技术进步与能源消费易形成 “非一致性”的均衡。 “技术进步与能源消费”在 “缓慢增长区制”内的样本数量、平均持续期和频率均大于“快速增长区制”，表明中国经济易形成 “高技术低能耗”抑或 “低技术高能耗”的 “非一致性”均衡，平均持续期维持在6年左右，技术进步的能源消耗效应转换为 “节约效应”的概率高于“能源回弹”的效应。

（4）技术进步的能源消费效应具有 “时效性”，当经济系统处于 “缓慢增长区制”时，技术进步对能源消费的影响具有 “时滞性”；而当经济系统处于 “快速增长区制”时，技术进步的影响具有 “即时性”。此外响应时长具有 “对称性”，均为2.5年左右。

由此可见，虽然总体上技术进步具有降低能源消费的作用，但是技术进步的能源消费效应在不同增长区制内具有差异性。具体而言，在 “缓慢增长区制”，仍需大力加大科研投入，在引进、消化、吸收国外先进技术条件下，加快自主创新能力，实现技术追赶，进而提高能源效率，降低能源密度。但是在 “高速增长区制”，技术进步的 “能源回弹”效应占主导作用，为此，中性技术进步并未实现节约能源的作用，因此需要大力研发有偏性技术以实现节约能源，如在高速增长阶段，可以优先发展清洁能源技术，借助可再生能源组合技术、太阳能发电、人工光合作用等先进清洁能源技术实现节能减排。