周 恒，石 時(shí)，劉洪濤

(1.西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院，陜西西安，710049;2.陜西西咸新區(qū)發(fā)展集團(tuán)有限公司，陜西咸陽，712000;3.蘇州大學(xué)商學(xué)院，江蘇蘇州，215006)

一、引 言

隨著中國(guó)經(jīng)濟(jì)的高速發(fā)展，我國(guó)的能源消費(fèi)量也隨之增加。盡管我國(guó)在降低能源強(qiáng)度上取得了顯著的成就，2008年的能源強(qiáng)度相對(duì)于1980年降低76%，但2007年中國(guó)已經(jīng)成為世界第二大能源消費(fèi)國(guó)和最大二氧化碳排放國(guó)(EIA，2008)。面對(duì)全球氣候變化的威脅，盡管作為發(fā)展中國(guó)家我國(guó)目前沒有減排義務(wù)，我國(guó)也已向國(guó)際社會(huì)自主承諾到2020年單位GDP碳強(qiáng)度相對(duì)2005年降低40-45%。如何進(jìn)一步降低能源強(qiáng)度就成為我國(guó)是否能實(shí)現(xiàn)該目標(biāo)的關(guān)鍵。值得注意的是，我國(guó)經(jīng)濟(jì)高速增長(zhǎng)的同時(shí)也帶來了嚴(yán)重的環(huán)境污染和區(qū)域發(fā)展不平衡。2008年，單位GDP能耗最高的省份寧夏的能源強(qiáng)度是最低的省份(廣東)的6倍。因此，在科學(xué)制定區(qū)域節(jié)能減排和低碳經(jīng)濟(jì)發(fā)展戰(zhàn)略的過程中，必須考慮到各省區(qū)能源強(qiáng)度的巨大差異和區(qū)域能源強(qiáng)度影響因素的作用。

二、文獻(xiàn)綜述

對(duì)中國(guó)能源強(qiáng)度變化的影響因素，國(guó)內(nèi)外學(xué)者采用不同的方法進(jìn)行了很多研究，但結(jié)論不盡相同［1］。Zhang對(duì)中國(guó)工業(yè)部門的能源消費(fèi)變化做了研究，其結(jié)果表明效率變化是關(guān)鍵因素［2］。Metcalf在國(guó)家層面分析了能源強(qiáng)度降低的主要因素［3］。Fisher-Vanden等發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的變化和企業(yè)生產(chǎn)力的提升都可以用來解釋中國(guó)2000年之前的能源強(qiáng)度降低現(xiàn)象，但后者是更為重要的驅(qū)動(dòng)因素［4］。Compton和Wo也發(fā)現(xiàn)最終需求結(jié)構(gòu)的變化，也就是在能源消費(fèi)下降情形下的結(jié)構(gòu)轉(zhuǎn)變，并不如效率提升因素一樣能導(dǎo)致能源強(qiáng)度大幅下降［5］。Liao等指出高能源消費(fèi)部門的過度擴(kuò)張和高的投資率是2003年到2005年中國(guó)能源強(qiáng)度反彈的主要?jiǎng)右颍?］。Ma和Stern的分析指出，技術(shù)革新是中國(guó)能源強(qiáng)度降低的首要因素，而消極的技術(shù)導(dǎo)致了2000年以后中國(guó)能源強(qiáng)度的反彈［7］。國(guó)內(nèi)學(xué)者對(duì)此問題的看法主要分為兩種，史丹［8］，韓智勇等［9］，齊志新和陳文穎［10］認(rèn)為我國(guó)能源強(qiáng)度的降低主要來自能源效率的提升;而王建海［11］，李國(guó)璋和王雙［12］則分別認(rèn)為我國(guó)能源強(qiáng)度下降過程中，經(jīng)濟(jì)結(jié)構(gòu)變化和區(qū)域結(jié)構(gòu)因素起到正面的影響。

上述研究均是基于全國(guó)數(shù)據(jù)進(jìn)行分析，沒有考慮到區(qū)域因素對(duì)能源強(qiáng)度變動(dòng)的作用。Auffhammer和Carson利用省級(jí)的能源消費(fèi)面版數(shù)據(jù)，發(fā)現(xiàn)了中國(guó)各省間能源強(qiáng)度變動(dòng)的顯著異質(zhì)性［13］。Hu和Wang研究發(fā)現(xiàn)，地區(qū)的全要素能源效率和人均收入之間存在一個(gè)U型關(guān)系［14］。以上研究均得出了能源強(qiáng)度變動(dòng)存在顯著區(qū)域效應(yīng)的結(jié)論［15］。但是，對(duì)于進(jìn)一步系統(tǒng)分析能源強(qiáng)度變動(dòng)在區(qū)域?qū)用娴挠绊懸蛩?，?guó)內(nèi)研究鮮有涉及［16］。我國(guó)的一個(gè)省的面積差不多就與歐洲一個(gè)國(guó)家一樣，加上我國(guó)能源資源分布不均、經(jīng)濟(jì)結(jié)構(gòu)各異。因此，本文將基于全國(guó)29個(gè)省區(qū)(除西藏)1990年到2008年的面板數(shù)據(jù)，對(duì)我國(guó)能源強(qiáng)度變化在區(qū)域?qū)用娴闹饕绊懸蛩剡M(jìn)行系統(tǒng)深入分析，試圖為節(jié)能減排政策的制定和實(shí)施提供有力的理論支持與實(shí)踐指導(dǎo)。

三、面板回歸分析

1.數(shù)據(jù)收集與變量描述性統(tǒng)計(jì)

為了找出影響能源強(qiáng)度變化的原因，借鑒Boyd and Roop(2004)和Metcalf(2008)的研究，我們使用的面板數(shù)據(jù)包含了對(duì)29個(gè)省市的一系列觀察項(xiàng)目。每個(gè)省包括19個(gè)觀察項(xiàng)目(自1990年到2008年)，觀察項(xiàng)目總共有29*19=551個(gè)。本文研究因素包括:燃料價(jià)格(fuel)，人均收入(pci)，人均收入的平方(pci2)，熱度日(hdd)，冷度日(cdd)，時(shí)間趨勢(shì)(time)，時(shí)間趨勢(shì)的平方(time2)，資本勞動(dòng)比率(kl)，資本勞動(dòng)比率的平方(kl2)，投資資本比率(ik)，投資資本比率的平方(ik2)。每個(gè)省1990年到2008年的經(jīng)濟(jì)數(shù)據(jù)和能源數(shù)據(jù)分別來自于歷年的《中國(guó)統(tǒng)計(jì)年鑒》［17］和《能源統(tǒng)計(jì)年鑒》［18］。我們用對(duì)數(shù)線性回歸以期找出與數(shù)據(jù)匹配度最高的對(duì)數(shù)線性模型。

我們從統(tǒng)計(jì)年鑒的燃料零售指數(shù)中得到燃料價(jià)格。當(dāng)燃料價(jià)格上漲，能源強(qiáng)度將下降。這是因?yàn)榫用窈凸I(yè)將更加高效地使用燃料。從另一方面講，燃料零售價(jià)格并不能反映部分國(guó)有企業(yè)的實(shí)際支付價(jià)格。盡管如此，價(jià)格指數(shù)是唯一易得到并可用的數(shù)據(jù)。我們用人均收入及其二次方來反映能源強(qiáng)度與個(gè)人收入間的非線性效應(yīng)。當(dāng)居民收入增加，他們會(huì)從生物質(zhì)能源(如秸稈、柴火等)的使用轉(zhuǎn)向高效化石能源的使用，從而在前期降低能源強(qiáng)度。當(dāng)收入持續(xù)增加，電氣設(shè)備使用的擴(kuò)張又會(huì)反過來抬高能源強(qiáng)度。從總體來看，收入和能源強(qiáng)度之間的關(guān)系將呈現(xiàn)“U”型。從回歸結(jié)果的系數(shù)中看，線性項(xiàng)和二次項(xiàng)結(jié)合的極值(拐點(diǎn))的數(shù)值可以通過計(jì)算獲得。我們可以確定pci對(duì)能源強(qiáng)度的效應(yīng)是一直正相關(guān)，負(fù)相關(guān)或是在有意義的區(qū)間內(nèi)有變化，而這一切取決于拐點(diǎn)相對(duì)于人均收入樣本區(qū)間的位置。

氣候是一個(gè)影響能源使用的重要因素。熱度日和冷度日是用來反映加熱或冷卻一座建筑物所需要的能量的量化指標(biāo)。我們將對(duì)熱度日和冷度日的計(jì)算作出如下調(diào)整，我們給計(jì)算中添加一個(gè)乘積項(xiàng)——人口權(quán)重因子，以反映氣候?qū)δ茉词褂昧康挠绊?。例如，作為中?guó)最大的省之一的青海省只有500萬人口，而北京卻擁有1600萬人口。假設(shè)這兩個(gè)地區(qū)的氣候一樣，我們肯定要使用人口因子來反映其不同的能源使用量。

我們還包含了時(shí)間趨勢(shì)及其二次方，這是因?yàn)閯?chuàng)新和技術(shù)進(jìn)步將驅(qū)動(dòng)能源效率顯著提升，即時(shí)間趨勢(shì)效應(yīng)是一個(gè)反映技術(shù)進(jìn)步對(duì)能源使用影響的因素。我們的研究進(jìn)一步包含了資本勞動(dòng)比率及其二次方。我們通過永續(xù)存盤法從固定資產(chǎn)投資數(shù)據(jù)集中獲取了資本存量數(shù)據(jù)。資本勞動(dòng)比率對(duì)能源強(qiáng)度的影響是雙向的，我們既可以解釋為顯示在資本密集的重工業(yè)中不斷增加的能源強(qiáng)度的正相關(guān)指標(biāo)，也可以解釋為顯示類似電子產(chǎn)品和計(jì)算機(jī)產(chǎn)品生產(chǎn)商的向高科技產(chǎn)業(yè)過渡的負(fù)相關(guān)指標(biāo)。最后，我們還引入固定資產(chǎn)的投資資本比率。這是一個(gè)綜合性的指標(biāo)，用以反映固定資產(chǎn)投資的規(guī)模、結(jié)構(gòu)、增長(zhǎng)，和為觀察工程進(jìn)度與評(píng)估投資結(jié)果提供基礎(chǔ)。我們用地區(qū)固定資產(chǎn)投資的價(jià)格指數(shù)(現(xiàn)行價(jià)格)對(duì)投資數(shù)據(jù)進(jìn)行平價(jià)處理。Ik比率預(yù)期將與能源強(qiáng)度變化呈正相關(guān)關(guān)系，因?yàn)閲?guó)家通過大規(guī)模投資增加設(shè)備、機(jī)器和基礎(chǔ)設(shè)施，而這些體現(xiàn)了更多的能源消費(fèi)。對(duì)這些變量的描述性統(tǒng)計(jì)如下:總體標(biāo)準(zhǔn)差(stdev)測(cè)度了在整個(gè)跨省和跨時(shí)間數(shù)據(jù)集的變化。組間標(biāo)準(zhǔn)差測(cè)度29個(gè)省之間的變化，而組內(nèi)標(biāo)準(zhǔn)差測(cè)度省級(jí)數(shù)據(jù)在時(shí)間跨度上的變化。例如，對(duì)于冷度日，組內(nèi)標(biāo)準(zhǔn)差是0.19，低于值為1.44的組間標(biāo)準(zhǔn)差。這是因?yàn)樘鞖庠谝粋€(gè)省在各年間的變化不大，但在同一年不同省之間的變化較大。從另一個(gè)例子來看，對(duì)于零售燃料價(jià)格，組間標(biāo)準(zhǔn)差低于組內(nèi)標(biāo)準(zhǔn)差，這意味著各年間燃料價(jià)格變化較大，而在同年各省之間卻變化不大。

基于29個(gè)省19年的數(shù)據(jù)，我們?cè)O(shè)計(jì)了“大N小T”的面板模型，在該模型中我們用大量的個(gè)體來構(gòu)建大樣本近似。小T對(duì)可估計(jì)項(xiàng)目作了限定。對(duì)于所有的變量，組內(nèi)標(biāo)準(zhǔn)差是非零的，這意味著所有變量都不是時(shí)間不變變量?？赡艽嬖谀芙忉屇茉磸?qiáng)度及其組成的時(shí)間不變特征，將被歸屬到省級(jí)固定效應(yīng)中。

2.固定效應(yīng)回歸及其結(jié)果

面板數(shù)據(jù)集就同一經(jīng)濟(jì)單位進(jìn)行多重觀測(cè)。在本文中，我們對(duì)跨時(shí)間的能源強(qiáng)度進(jìn)行了多重觀測(cè)的數(shù)據(jù)收集。在得到的數(shù)據(jù)中，每個(gè)數(shù)據(jù)都包含有跨地區(qū)和跨時(shí)間的雙重屬性。因此，面板數(shù)據(jù)可以擁有時(shí)間效應(yīng)或者群體效應(yīng)，有時(shí)兩者兼有。針對(duì)面板數(shù)據(jù)，我們從最一般的線性表示來定義模型:

i=1，……，N

t=1，……，T

其中，N表示省的數(shù)目(29)，T表示時(shí)間周期數(shù)(19年)，K 是鑒別出的變量數(shù)目(例如 pci，i/k，ratio等)。在本文中，線性表示為:log(E/Y)it=α1+

這種效應(yīng)可以用固定效應(yīng)模型或隨機(jī)效應(yīng)模型來分析，我們通過豪斯曼檢驗(yàn)來確定用哪個(gè)模型。豪斯曼檢驗(yàn)結(jié)果表明省級(jí)個(gè)體效應(yīng)確實(shí)顯現(xiàn)出與回歸矩陣相關(guān)。我們決定選擇固定效應(yīng)模型。表2中的結(jié)果顯示，R2為0.799，這表明數(shù)據(jù)對(duì)能源強(qiáng)度變化的解釋度較高。Rho的估計(jì)結(jié)果表明能源強(qiáng)度的所有變化都與省間能源強(qiáng)度價(jià)值差異有關(guān)。F檢驗(yàn)說明確實(shí)存在顯著的個(gè)體(省級(jí))效應(yīng)。正如我們所觀察到的，corr(u_i，xb)值為 -0.80，表示模型中ui與回歸矩陣有著很高的相關(guān)度。使用固定效應(yīng)模型是正確的。除時(shí)間趨勢(shì)以外，所有的系數(shù)都能表示出彈性。例如，當(dāng)人均收入增加1%，能源強(qiáng)度將下降1.68%。

表1 描述性統(tǒng)計(jì)分析結(jié)果

燃料價(jià)格系數(shù)為正并在1%的水平上顯著。在正常的市場(chǎng)情況下，燃料價(jià)格的上漲會(huì)促進(jìn)節(jié)能，從而導(dǎo)致能源強(qiáng)度的降低。對(duì)于模型結(jié)果，一個(gè)可能的解釋是存貨管理行為可能導(dǎo)致這種情況。同樣，前文已經(jīng)提過，一些國(guó)有企業(yè)的非市場(chǎng)效應(yīng)可能會(huì)導(dǎo)致能源消費(fèi)方式對(duì)價(jià)格并不敏感。

人均收入與能源強(qiáng)度負(fù)相關(guān)，并且很顯著，而其二次項(xiàng)為正。拐點(diǎn)值為37.5，遠(yuǎn)遠(yuǎn)大于樣本范圍(最大為4.03)。因此，pci的影響效應(yīng)與能源強(qiáng)度的變化一直保持負(fù)相關(guān)。前文已經(jīng)提到，在個(gè)人收入增加時(shí)，人們會(huì)從生物質(zhì)能轉(zhuǎn)向燃料能源，因而導(dǎo)致能源強(qiáng)度的降低。收入的影響效果與Metcalf(2008)通過美國(guó)數(shù)據(jù)研究所得出的結(jié)論是一致的。不同點(diǎn)在于，用中國(guó)數(shù)據(jù)得出的收入所影響的能源強(qiáng)度變化的速度是遞減的，而基于美國(guó)數(shù)據(jù)研究的該結(jié)論為遞增的。這個(gè)截然相反的結(jié)論告訴我們，兩個(gè)國(guó)家正處于不同的發(fā)展階段。例如，從使用煤到使用電會(huì)導(dǎo)致能源強(qiáng)度的降低，但并不如從使用電轉(zhuǎn)變?yōu)槭褂镁G色技術(shù)所帶來的能源強(qiáng)度的降低幅度大。

表2 固定效應(yīng)模型下的面板回歸分析

類似的，資本勞動(dòng)比率的系數(shù)為正，而其二次項(xiàng)為負(fù)，圖形開口向下。拐點(diǎn)值為2.43，超出了均值1.11。對(duì)能源強(qiáng)度變化的影響效果總是正向的。中國(guó)是一個(gè)發(fā)展中國(guó)家，并正處于工業(yè)化進(jìn)程的中期，大多數(shù)固定資產(chǎn)投資存在于建設(shè)、擴(kuò)大公用設(shè)施。當(dāng)這個(gè)比率上升時(shí)，說明累積的固定資產(chǎn)資本在增加，從而導(dǎo)致能源強(qiáng)度的增加。

正如所預(yù)期的，熱度日和冷度日的系數(shù)都為正。盡管t指數(shù)表明冷度日并沒有顯著的影響，當(dāng)熱度日增加，能源強(qiáng)度升高。從總體上來說，這是有意義的，因?yàn)橹袊?guó)的大多數(shù)地方室內(nèi)取暖是普遍存在的，但空調(diào)卻不是。根據(jù)最新調(diào)查，在每100戶農(nóng)村家庭中，只有7戶擁有空調(diào)設(shè)備。這就意味著能源消費(fèi)與冷天的相關(guān)度要高于熱天。

投資資本比率的估計(jì)結(jié)果似乎與預(yù)期相同。這里的投資指的是用于固定資產(chǎn)的投資。拐點(diǎn)值為-2.38，超出了均值-1.91。當(dāng)投資增加，整個(gè)國(guó)家的設(shè)備、建筑及基礎(chǔ)設(shè)施數(shù)量增加，這就意味著更多的能源消費(fèi)。時(shí)間趨勢(shì)的系數(shù)為負(fù)，與預(yù)期一致。隨著時(shí)間逐步發(fā)生的技術(shù)進(jìn)步和創(chuàng)新對(duì)能源強(qiáng)度變化的影響效果是十分明顯的。但t指數(shù)很大讓我們懷疑回歸的正確性。當(dāng)變量表現(xiàn)為有類似“趨勢(shì)”的特征時(shí)，傳統(tǒng)的回歸技術(shù)是不適用的，因?yàn)檫@種技術(shù)是為靜態(tài)變量所設(shè)計(jì)的。盡管如此，本文所用的數(shù)據(jù)卻類似非靜態(tài)的時(shí)間序列。在進(jìn)行了第一次估計(jì)后，由于冷度日的效果并不顯著，我們將其去掉了。同時(shí)，為了避免寄生效應(yīng)，我們?cè)谌サ袅藭r(shí)間趨勢(shì)及其二次項(xiàng)對(duì)模型進(jìn)行了修正，修正后的分析結(jié)果見表3。

如表3所示，時(shí)間趨勢(shì)可能導(dǎo)致了寄生效應(yīng)。對(duì)比現(xiàn)在的和表3中的結(jié)果，我們發(fā)現(xiàn)回歸的結(jié)果有所改進(jìn):燃料價(jià)格顯著性降低(對(duì)之前的結(jié)論我們就持有懷疑態(tài)度);熱度日的效果在5%的水平上顯著;其他變量的t指數(shù)在1%的水平上顯著。對(duì)于有二次項(xiàng)的變量來說，拐點(diǎn)值并未發(fā)生大的變化。對(duì)各個(gè)變量的解釋同前。

表3 固定效應(yīng)模型下的面板回歸分析(修正后模型)

3.對(duì)三個(gè)經(jīng)濟(jì)和地理地區(qū)的回歸分析

根據(jù)中央政府的規(guī)定，中國(guó)被劃分為省、自治區(qū)和直轄市。如表1所示，六個(gè)變量中的四個(gè)都有著更大的組間方差，而不是組內(nèi)方差。為了描述經(jīng)濟(jì)和地理方面的變化，并將北部與南部，東部與西部的差異等因素考慮在內(nèi)，我們將29個(gè)省分為3個(gè)主要地區(qū)。北部地區(qū)包括遼寧、吉林、黑龍江、北京、天津、河北、山東、河南、山西、陜西、內(nèi)蒙古。南部地區(qū)包括上海、江蘇、浙江、福建、廣東、廣西、海南、湖北、湖南、江西、安徽。西部地區(qū)包括四川和重慶，貴州、云南、甘肅、青海、寧夏、新疆。

為避免寄生效應(yīng)，我們?nèi)サ魰r(shí)間趨勢(shì)及其二次項(xiàng)，增加了地區(qū)虛擬變量，回歸結(jié)果如表5所示:

與使用總體數(shù)據(jù)相反，當(dāng)使用區(qū)域數(shù)據(jù)時(shí)，所有燃料價(jià)格系數(shù)均為負(fù)，并且只有區(qū)域1(北部地區(qū))在1%水平上顯著，區(qū)域2在20%水平上顯著。這里的價(jià)格數(shù)據(jù)是指零售燃料價(jià)格指數(shù)數(shù)據(jù)，其主要包括兩個(gè)組成部分:工業(yè)燃料價(jià)格和用于運(yùn)輸?shù)奶烊粴鈨r(jià)格。北部地區(qū)擁有著全國(guó)最大的工業(yè)企業(yè)集聚地，例如與最大的煤生產(chǎn)基地山西齊名的“東北鐵三角”——吉林、黑龍江和遼寧。相反的，區(qū)域2包括了許多南方的以農(nóng)業(yè)和紡織業(yè)貿(mào)易為主的省份，而區(qū)域3則是不發(fā)達(dá)地區(qū)，幾乎沒有重工業(yè)。此外，區(qū)域1和2擁有大多數(shù)的私有和工業(yè)車輛，這與不發(fā)達(dá)的中國(guó)西部地區(qū)大不相同?；谝陨嫌懻?，北部地區(qū)似乎對(duì)燃料價(jià)格更加敏感。

表4 區(qū)域數(shù)據(jù)集的描述性統(tǒng)計(jì)

對(duì)于三個(gè)地區(qū)來說，能源強(qiáng)度顯現(xiàn)為人均收入的二次函數(shù)，呈現(xiàn)為先降后升的圖像。二次項(xiàng)系數(shù)為正，展現(xiàn)出一個(gè)凸關(guān)系，即下降速度隨著時(shí)間推移也在減緩。這與總體水平上的結(jié)論是一致的。中國(guó)仍然是一個(gè)發(fā)展中國(guó)家，不發(fā)達(dá)的農(nóng)村地區(qū)占到55%。收入的影響效應(yīng)有兩個(gè)階段，當(dāng)個(gè)人收入增加時(shí)，居民從消耗生物質(zhì)能轉(zhuǎn)為電力，因此能源效率提高。在某個(gè)特定的點(diǎn)，人均收入將與能源強(qiáng)度正相關(guān)。這是因?yàn)楫?dāng)收入進(jìn)一步增加，居民將加大對(duì)電器的使用，從而導(dǎo)致了更多的能源消費(fèi)。收入因素的影響效果是由兩個(gè)階段共同構(gòu)成的。對(duì)區(qū)域2和3來說，階段1占主要地位，這也是在1%水平上顯著的原因。然而，區(qū)域1是兩個(gè)階段共同作用的，這是數(shù)據(jù)結(jié)果不顯著的原因，同時(shí)其系數(shù)是最小的也證明了這點(diǎn)。

對(duì)于氣候因素，只有區(qū)域2，也就是中國(guó)南部地區(qū)顯著。冷度日的系數(shù)要高于熱度日系數(shù)，這說明前者的彈性更大。這一點(diǎn)是有意義的，因?yàn)檫@說明了在中國(guó)溫暖的南部地區(qū)，對(duì)制冷系統(tǒng)的需求大于制熱系統(tǒng)。對(duì)于熱度日的顯著性難以解釋，因?yàn)樵谠谥袊?guó)南部地區(qū)的房地產(chǎn)開發(fā)中，由于冷天數(shù)很少，制熱系統(tǒng)并未廣泛使用。

資本勞動(dòng)比率與能源強(qiáng)度正相關(guān)，而且在三個(gè)地區(qū)都顯著。能源強(qiáng)度顯現(xiàn)為二次函數(shù)，先升后降。三個(gè)地區(qū)拐點(diǎn)值都大于均值，所以可以假定能源強(qiáng)度在所有地區(qū)所有時(shí)段內(nèi)都隨著資本勞動(dòng)比率的增加而增大。這一點(diǎn)與之前的結(jié)論相同。最后，能源強(qiáng)度與投資資本比率正相關(guān)，同時(shí)只有地區(qū)1和3分別在1%和15%的水平上顯著。重工業(yè)企業(yè)集聚的中國(guó)北部能吸引更多的國(guó)家固定資產(chǎn)投資，這些投資可以有效率效應(yīng)或活動(dòng)效應(yīng)，這取決于其所處的階段。在建設(shè)階段，企業(yè)幾乎沒有生產(chǎn)能力，所以活動(dòng)效應(yīng)占主要地位，這將導(dǎo)致高能耗。在穩(wěn)定階段，新增投資(例如新擴(kuò)建的工廠，新設(shè)備等)將比舊資產(chǎn)更有效率，則效率效應(yīng)主導(dǎo)，能源消耗降低。因此，表6中的系數(shù)是混合作用的結(jié)果。在地區(qū)1因?yàn)榛顒?dòng)效應(yīng)大于效率效應(yīng)，所以其系數(shù)更大。在地區(qū)2因?yàn)樾市?yīng)已經(jīng)趕上了活動(dòng)效應(yīng)，所以其系數(shù)較小。與對(duì)人均收入因素的解釋類似，當(dāng)一個(gè)地區(qū)發(fā)生混合作用時(shí)，數(shù)據(jù)的顯著性將降低。

表5 區(qū)域數(shù)據(jù)的面板回歸分析

四、結(jié) 論

我們基于我國(guó)29個(gè)省市自1990年到2008年的區(qū)域面板數(shù)據(jù)，對(duì)省級(jí)的氣候和經(jīng)濟(jì)相關(guān)的因素進(jìn)行了回歸分析，并在國(guó)家和地區(qū)層面上分析了能源強(qiáng)度變化的原因。研究結(jié)果發(fā)現(xiàn)燃料價(jià)格與能源強(qiáng)度變化呈負(fù)相關(guān)關(guān)系，熱度日和冷度日的影響效果只有在南部地區(qū)顯著，人均收入、投資資本比率等因素在不同階段對(duì)能源強(qiáng)度有著不同的影響。

本文研究結(jié)果表明，針對(duì)各地區(qū)間能源強(qiáng)度的差異及影響因素的不同，在后續(xù)節(jié)能工作中應(yīng)結(jié)合國(guó)家能源發(fā)展“十二五”規(guī)劃，制定相應(yīng)的區(qū)域能源發(fā)展策略，從而解決我國(guó)能源發(fā)展中提高能源效率以及降低資源約束等問題。促進(jìn)在西部大開發(fā)過程中的節(jié)能工作，同時(shí)還應(yīng)依照科學(xué)發(fā)展觀要求，積極實(shí)現(xiàn)我國(guó)能源戰(zhàn)略的推進(jìn)與實(shí)施，加強(qiáng)能源發(fā)展與其他方面發(fā)展的利益協(xié)調(diào)機(jī)制，最終實(shí)現(xiàn)我國(guó)的可持續(xù)發(fā)展。

［1］ Hang Leiming，Tu Meizeng.The impacts of energy prices on energy intensity:Evidence from China［J］.Energy Policy，2007，35:2978-2988.

［2］ Zhang Zhong xiang.Why did the energy intensity fall in China′s industrial sector in the 1990s?The relative importance of structural change and intensity change［J］.Energy Economics，2003，25:625-638.

［3］ Metcalf G E.An empirical analysis of energy intensity and its determinants at state level［J］.The Energy Journal，2008，29:1-26.

［4］ Fisher-Vanden K，Jefferson G H，Liu Hong mei，et al.What is driving China′s decline in energy intensity?［J］.Resource and Energy Economics，2004，26:77-97.

［5］ Crompton P，Wu Yan rui.Energy consumption in China:Past trends and future directions［J］.Energy Economics，2005，27:195-208.

［6］ Liao Hua，F(xiàn)an Ying，Wei Yi ming.What induced China′s energy intensity to fluctuate:1997-2006?［J］.Energy Policy，2007，35:4640-4649.

［7］ Ma Chun bo，Stern D I.China’s changing energy intensity trend:A decomposition analysis［J］.Energy Economics，2008，30:1037-1053.

［8］ 史丹.我國(guó)是如何以較低的能源消費(fèi)實(shí)現(xiàn)高速的經(jīng)濟(jì)增長(zhǎng)［J］.中國(guó)能源，2002，12(8)-11.

［9］ 韓智勇，魏一鳴，焦建玲等.中國(guó)能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)的協(xié)整性與因果關(guān)系分析［J］.系統(tǒng)工程，2004，22(12):17-21.

［10］ 齊志新，陳文穎.結(jié)構(gòu)調(diào)整還是技術(shù)進(jìn)步?——改革開放后我國(guó)能源效率提高的因素分析［J］.上海經(jīng)濟(jì)研究，2006(6):8-16.

［11］ 王海建.經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)與能源需求的投入產(chǎn)出分析［J］.統(tǒng)計(jì)研究，1999，16(6):30-32.

［12］ 李國(guó)璋，王雙.中國(guó)能源強(qiáng)度變動(dòng)的區(qū)域因素分解分析——基于 LMDI分解方法［J］.財(cái)經(jīng)研究，2008，34(8):52-62.

［13］ Auffhammer M，Carson R T.Forecasting the Path of China′sCO2 Emissions Using Province Level Information［J］.Journal of Environmental Economics and Management，2008，55(3):229-247.

［14］ Hu J L，Wang S C.Total-factor energy efficiency of regions in China［J］.Energy Policy，2006，34(17):3206-3217.

［15］ 邱壽豐.福建對(duì)國(guó)家能源強(qiáng)度變化的貢獻(xiàn)分析［J］.發(fā)展研究，2008(8)93-97

［16］ 韋蘭幸，趙曉芳.論我國(guó)能源強(qiáng)度區(qū)域差異及影響因素--基于計(jì)量模型的實(shí)證分析［J］.現(xiàn)代商貿(mào)工業(yè)，2008(12)53-55.

［17］ 中國(guó)統(tǒng)計(jì)局編.中國(guó)統(tǒng)計(jì)年鑒2010［M］.北京:中國(guó)統(tǒng)計(jì)出版社，2010:30-76.

［18］ 中國(guó)統(tǒng)計(jì)局編.中國(guó)能源統(tǒng)計(jì)年鑒2010［M］.北京:中國(guó)統(tǒng)計(jì)出版社，2010:51-89.