王珂英　張鴻武

摘要

城鎮(zhèn)化、工業(yè)化對中國能源強(qiáng)度的影響如何？如何在快速推進(jìn)城鎮(zhèn)化、工業(yè)化進(jìn)程的同時確保節(jié)能減排目標(biāo)的實現(xiàn)？論文以能源強(qiáng)度指標(biāo)代替?zhèn)鹘y(tǒng)的能源消費指標(biāo)來反映能源綜合利用效率，并應(yīng)用考慮截面相關(guān)性和異質(zhì)性回歸系數(shù)的非平衡面板數(shù)據(jù)模型，使用共同相關(guān)效應(yīng)組均值（CCEMG）估計方法對中國1978-2014年城鎮(zhèn)化、工業(yè)化與能源強(qiáng)度之間的關(guān)系進(jìn)行分析。研究結(jié)果表明：人均實際GDP增長1%，能源強(qiáng)度將會降低0.412%，工業(yè)化水平增長1%，能源強(qiáng)度將會上升0.630%，而由于生產(chǎn)消費等經(jīng)濟(jì)活動的增加、高度集中化以及規(guī)模經(jīng)濟(jì)的綜合作用，使得城鎮(zhèn)化對能源強(qiáng)度的影響并不確定。聯(lián)系研究結(jié)論，本文提出政策建議：我國應(yīng)加快產(chǎn)業(yè)結(jié)構(gòu)升級，轉(zhuǎn)變經(jīng)濟(jì)增長方式；構(gòu)建綠色制造體系，推進(jìn)“五化”協(xié)同發(fā)展；推進(jìn)綠色、循環(huán)、低碳發(fā)展的新型城鎮(zhèn)化建設(shè)，提高城鎮(zhèn)化質(zhì)量，提升我國整體的能源效率，確保節(jié)能減排目標(biāo)的實現(xiàn)，推動經(jīng)濟(jì)全面、協(xié)調(diào)、可持續(xù)發(fā)展。

關(guān)鍵詞能源強(qiáng)度；城鎮(zhèn)化；工業(yè)化；非平衡面板數(shù)據(jù)

中圖分類號F062.1；F291.1文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2016）06-0122-08doi：103969/jissn1002-2104201606016

近年來，中國經(jīng)濟(jì)高投入低產(chǎn)出的粗放型經(jīng)濟(jì)增長方式使得經(jīng)濟(jì)發(fā)展與資源環(huán)境之間的矛盾愈發(fā)凸顯，能源短缺、氣候變化和環(huán)境污染已成為制約中國經(jīng)濟(jì)可持續(xù)發(fā)展的瓶頸，能源供需矛盾日趨尖銳，節(jié)約能源和提高能源綜合利用效率越來越受到政府和企業(yè)的關(guān)注。2016年政府工作報告提出：“今后五年，我國單位國內(nèi)生產(chǎn)總值能耗和二氧化碳排放量分別下降15%和18%，能源資源開發(fā)利用效率大幅提高，生態(tài)環(huán)境質(zhì)量總體改善”。這充分體現(xiàn)了政府對能源問題的高度重視和提高能源使用效率的堅定決心。與此同時，中國目前正處于城鎮(zhèn)化、工業(yè)化快速發(fā)展階段，其主要特征之一是經(jīng)濟(jì)增長速度快、能源需求增長快且具有剛性，這顯然會對節(jié)能減排目標(biāo)的實現(xiàn)產(chǎn)生較大影響。如何在快速推進(jìn)城鎮(zhèn)化、工業(yè)化進(jìn)程的同時確保節(jié)能減排目標(biāo)的實現(xiàn)成為政策制定者和學(xué)術(shù)界關(guān)注的重要問題，而定量分析城鎮(zhèn)化和工業(yè)化對能源強(qiáng)度的具體影響，可為制定經(jīng)濟(jì)政策和能源政策提供重要依據(jù)，因此研究城鎮(zhèn)化、工業(yè)化與中國能源強(qiáng)度之間關(guān)系具有重要的現(xiàn)實意義。

1文獻(xiàn)綜述

作為學(xué)術(shù)界和政府關(guān)注的熱點問題，國內(nèi)外學(xué)者就城鎮(zhèn)化、工業(yè)化對能源消費和能源強(qiáng)度的影響進(jìn)行了深入研究，從國外研究來看，根據(jù)研究方法不同可歸納如下：

一是定性研究，側(cè)重于分析城鎮(zhèn)化、工業(yè)化影響能源消費的內(nèi)在機(jī)理。Samouilidis & Mitropoulos認(rèn)為現(xiàn)代工業(yè)活動會大幅增加能源消費[1]。Sathaye & Meyers認(rèn)為城鎮(zhèn)化影響了能源配置和消費方式，促進(jìn)居民收入水平提高和生活方式轉(zhuǎn)變，使居民實現(xiàn)了由傳統(tǒng)能源向現(xiàn)代化能源的變遷，在提高能源使用效率的同時降低了能源消費總量，但城市居民家用電器的普及卻增加了能源消費總量[2]。Schneider & Enste認(rèn)為城鎮(zhèn)化影響能源消費的主要渠道是生產(chǎn)。伴隨經(jīng)濟(jì)生產(chǎn)活動在城市區(qū)域的集中會產(chǎn)生規(guī)模經(jīng)濟(jì)，生產(chǎn)活動從低能源密集的農(nóng)業(yè)向高能源密集的工業(yè)轉(zhuǎn)變，同時能源從農(nóng)村分散化使用的傳統(tǒng)能源使用向城市集中化的現(xiàn)代能源使用轉(zhuǎn)變[3]。Pachauri & Jiang的研究表明由于低效固態(tài)燃燒能源（如生物質(zhì)和原煤）向清潔、高效能源（如天然氣、電力等）的轉(zhuǎn)變，使得城市的人均能源消費要低于農(nóng)村[4]。

二是進(jìn)行實證研究。前期的研究主要基于截面數(shù)據(jù)或時間序列數(shù)據(jù)。Jones使用59個發(fā)展中國家1980年的截面數(shù)據(jù)進(jìn)行分析，得出城鎮(zhèn)化水平每增長1%，能源強(qiáng)度增長0.35%的結(jié)論[5]。Pachauri通過分析印度1993—1994年的微觀數(shù)據(jù)，發(fā)現(xiàn)由于商業(yè)性燃料使用的增加，印度城市居民的人均能源消費低于農(nóng)村居民[6]。Holtedahl & Joutz使用臺灣1955—1995年數(shù)據(jù)，通過協(xié)整分析發(fā)現(xiàn)城鎮(zhèn)化與人均能源消費之間正相關(guān)[7]。Mishra et al.通過對太平洋島國的研究，發(fā)現(xiàn)城鎮(zhèn)化對不同國家人均能源消費的影響并不相同[8]。目前的實證研究中應(yīng)用最為廣泛的方法是基于面板數(shù)據(jù)模型的分析。Parikh & Shukla使用發(fā)展中國家和發(fā)達(dá)國家1965—1987年數(shù)據(jù)，發(fā)現(xiàn)能源消費的城鎮(zhèn)化彈性大致在0.28—0.47之間[9]。York分析了歐盟國家1960—2005年能源消費的決定因素，發(fā)現(xiàn)能源消費的城鎮(zhèn)化彈性大致在0.29—0.56之間，收入彈性在0.52—0.69之間[10]。Liddle & Lung使用STIRPAT模型和17個發(fā)達(dá)國家在1960—2005年數(shù)據(jù)，發(fā)現(xiàn)城鎮(zhèn)化與居民生活能源消費呈正相關(guān)[11]。Poumanyvong & Kaneko使用99個國家1975—2005年數(shù)據(jù)，發(fā)現(xiàn)城鎮(zhèn)化對能源消費的影響隨經(jīng)濟(jì)發(fā)展階段不同呈現(xiàn)不同特征[12]。Sadorsky通過使用76個發(fā)展中國家1980—2010年的數(shù)據(jù)，發(fā)現(xiàn)能源強(qiáng)度的工業(yè)化彈性在0.05—0.06之間，而城鎮(zhèn)化對能源強(qiáng)度的影響并不顯著[13]。

隨著中國城鎮(zhèn)化進(jìn)程的快速推進(jìn)和能源消費的快速增長，國內(nèi)學(xué)者也逐漸關(guān)注中國城鎮(zhèn)化、工業(yè)化對能源消費和能源強(qiáng)度的影響，馬珩建立多元線性回歸模型，估算中國城市化和工業(yè)化對能源消費的影響[14]。胡宗義等基于2007年的截面數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)投資水平、工業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)是造成能源效率地區(qū)差異顯著的主要因素[15]。王曉嶺等基于1990—2009年時間序列數(shù)據(jù)發(fā)現(xiàn)城市化水平的提高對能源強(qiáng)度的下降具有較強(qiáng)的促進(jìn)作用[16]。畢軍賢構(gòu)建了縣域工業(yè)化和市區(qū)產(chǎn)出與縣域城鎮(zhèn)化關(guān)系模型、城鎮(zhèn)化和工業(yè)化與能源銷量的模型，運用中部地區(qū)的面板數(shù)據(jù)進(jìn)行了實證分析[17]。成金華和陳軍基于面板數(shù)據(jù)實證研究了中國城市化進(jìn)程中的能源消費區(qū)域差異[18]。闞大學(xué)和羅良文利用面板數(shù)據(jù)和空間計量經(jīng)濟(jì)學(xué)方法對城市化水平與能源強(qiáng)度進(jìn)行了實證研究[19]。張瑞和丁日佳、周少甫和王亞南分別以不同時期省際面板數(shù)據(jù)為基礎(chǔ)分析工業(yè)化、城鎮(zhèn)化對能源強(qiáng)度的影響[20-21]。李標(biāo)等構(gòu)建靜態(tài)和動態(tài)面板模型，實證分析城鎮(zhèn)化、工業(yè)化與信息化與能源強(qiáng)度之間的關(guān)系[22]。

綜合來看，目前的研究呈現(xiàn)三個特點：一是在研究對象上，較多關(guān)注城鎮(zhèn)化、工業(yè)化與能源消費量之間的關(guān)系，而較少關(guān)注城鎮(zhèn)化、工業(yè)化與能源強(qiáng)度之間的關(guān)系。二是在研究方法上，面板數(shù)據(jù)因具有更多的信息和更大的變異等優(yōu)點，成為主要的分析方法。三是在研究結(jié)論上，研究者均認(rèn)為工業(yè)化導(dǎo)致了能源強(qiáng)度的提高，但關(guān)于城鎮(zhèn)化對能源強(qiáng)度影響還存在分歧。文章認(rèn)為在當(dāng)前新型城鎮(zhèn)化建設(shè)和節(jié)能減排的大背景下，還需要對工業(yè)化特別是城鎮(zhèn)化對能源消費的影響進(jìn)行深入的研究，而提高能源綜合利用效率是緩解能源短缺和環(huán)境污染的途徑之一，相對于需求比較剛性的能源消費而言，研究能源強(qiáng)度也更有意義。從研究方法來看，目前絕大多數(shù)的研究都是基于“平衡面板”進(jìn)行的，即每個時期在樣本中的個體完全一樣，但在現(xiàn)實中常面臨某些個體或者某些時期數(shù)據(jù)缺失的情況，即“非平衡面板數(shù)據(jù)”，在非平衡面板數(shù)據(jù)中提取平衡數(shù)據(jù)，通常會損失樣本容量，降低估計效率。另一方面，目前研究中通常假定城鎮(zhèn)化和工業(yè)化對能源強(qiáng)度的影響在所有個體間都是相同的，從而建立同質(zhì)性回歸系數(shù)面板數(shù)據(jù)模型，而很少考慮影響在不同個體間的差異性，考慮面板數(shù)據(jù)個體間存在截面相關(guān)性而進(jìn)行研究的就更少了。但是在本文問題的研究中，面板數(shù)據(jù)的個體通常是針對區(qū)域的，因此截面間往往會存在相關(guān)性。在研究中如果不考慮平衡面板數(shù)據(jù)導(dǎo)致的信息量缺失和估計效率問題以及個體間的截面相關(guān)性，難免會影響估計方法的嚴(yán)謹(jǐn)性和估計的準(zhǔn)確性。綜上所述，論文擬采用中國1978-2014年省際水平的非平衡面板數(shù)據(jù)，運用考慮截面相關(guān)的異質(zhì)性回歸系數(shù)面板數(shù)據(jù)模型，深入分析中國城鎮(zhèn)化、工業(yè)化對能源強(qiáng)度的影響，并在研究基礎(chǔ)上提出相關(guān)政策建議。

2經(jīng)驗?zāi)Ｐ?、變量說明與模型估計方法

2.1模型設(shè)定與變量說明

在分析城鎮(zhèn)化、工業(yè)化對能源強(qiáng)度的具體影響時，論文采用Jones的經(jīng)驗?zāi)Ｐ瓦M(jìn)行實證研究[5]，模型設(shè)定為：

lnEIit=β1ilnYit+β2ilnINDit+β3ilnURBit+vi+εit（1）

式（1）中：EI表示能源強(qiáng)度，Y表示經(jīng)濟(jì)發(fā)展水平，IND表示工業(yè)化水平，URB表示城鎮(zhèn)化水平；下標(biāo)i表示省份，t表示時間，vi為不可觀測的地區(qū)效應(yīng)，用以控制個體固定效應(yīng)，εit為隨機(jī)擾動項。所有變量均以自然對數(shù)的形式進(jìn)入模型，因此估計的系數(shù)可解釋為彈性。各變量的設(shè)定和具體說明如下：

（1）能源強(qiáng)度（EI）。該指標(biāo)是對比不同國家或地區(qū)能源綜合利用效率的常用指標(biāo)之一，體現(xiàn)了能源使用的經(jīng)濟(jì)效益。常用計算方法有兩種：一種是單位國內(nèi)生產(chǎn)總值（GDP）所消耗的能源；另一種是單位產(chǎn)值所消耗的能源。本文采用第一種方法，即以單位GDP能耗來反映能源強(qiáng)度，其量綱為“tec/萬元GDP”。

（2）經(jīng)濟(jì)發(fā)展水平（Y）。研究表明：隨著經(jīng)濟(jì)發(fā)展水平的提高，能源強(qiáng)度會呈現(xiàn)規(guī)律性變化，如Bernardini & Gali就發(fā)現(xiàn)隨著收入的增加，能源強(qiáng)度會降低[23]。本文以人均實際GDP來衡量經(jīng)濟(jì)發(fā)展水平，單位為萬元。

（3）工業(yè)化水平（IND）。與傳統(tǒng)農(nóng)業(yè)生產(chǎn)或制造業(yè)相比，工業(yè)活動的增多會導(dǎo)致更多的能源使用，提高能源強(qiáng)度。本文采用經(jīng)驗研究中常用的工業(yè)增加值占GDP的比重來衡量工業(yè)化水平。

（4）城鎮(zhèn)化水平（URB）。城鎮(zhèn)化過程中，與消費和生產(chǎn)相關(guān)的經(jīng)濟(jì)活動高度集中于城市，從而增加了能源的使用，但同時這種生產(chǎn)活動的集中又存在規(guī)模經(jīng)濟(jì)，從而提高了能源的使用效率，兩方面的作用導(dǎo)致城鎮(zhèn)化對能源強(qiáng)度的影響不易預(yù)測。本文用城鎮(zhèn)人口占該地區(qū)總?cè)丝诘谋戎貋砗饬砍擎?zhèn)化水平。

2.2截面相關(guān)性檢驗（CD檢驗）

研究表明：在使用面板數(shù)據(jù)模型進(jìn)行計量分析時，某些情形下各截面間會存在較強(qiáng)的相關(guān)關(guān)系，其判斷依據(jù)是誤差項之間存在截面相關(guān)性。其原因在于影響因變量的共同經(jīng)濟(jì)沖擊（如能源價格波動等）和未識別成分（如體制變化等）沒有作為自變量引入，而成為了誤差項的組成部分，這會導(dǎo)致通常的固定效應(yīng)和隨機(jī)效應(yīng)模型估計量是有偏且非一致估計量，因而，在對模型進(jìn)行估計前，需進(jìn)行截面相關(guān)性（CrossSectional Dependence）檢驗。面板數(shù)據(jù)分為平衡和非平衡兩種類型，類型不同，采用的截面相關(guān)性檢驗也有所差異。

考慮平衡面板數(shù)據(jù)模型的檢驗式：

2.3異質(zhì)性斜率系數(shù)面板數(shù)據(jù)模型估計

2.3.1組均值估計（MG）

對面板數(shù)據(jù)模型進(jìn)行估計時，不同假定下模型的估計方法存在較大差異。若待估參數(shù)滿足同質(zhì)性假定（即有β1i=β1，β2i=β2，β3i=β3，β4i=β4），模型估計可使用標(biāo)準(zhǔn)面板數(shù)據(jù)模型估計方法，如混合回歸法（Pooled OLS，簡稱POLS），或固定效應(yīng)（FE）模型。如果待估參數(shù)各不相同（即為β1i，β2i，β3i，β4i），即異質(zhì)性斜率面板數(shù)據(jù)模型，可使用組均值（Mean Group，簡稱MG）來進(jìn)行估計[25]。異質(zhì)性斜率系數(shù)面板數(shù)據(jù)模型估計是當(dāng)前計量經(jīng)濟(jì)學(xué)研究比較活躍的領(lǐng)域[26]。

組均值（MG）估計中假定所有的系數(shù)和擾動項在所有面板間是不同的，并將最小二乘估計法應(yīng)用于每個個體，得到回歸系數(shù)，最后將所有回歸系數(shù)求平均值。當(dāng)時期T和樣本N較大時，組均值估計量為一致估計量。雖然組均值估計可以對異質(zhì)性斜率系數(shù)面板數(shù)據(jù)模型進(jìn)行估計，但是該方法沒有考慮截面相關(guān)性，即沒有考慮面板數(shù)據(jù)模型中影響各個體的共同因素的作用，如能源價格波動、技術(shù)進(jìn)步以及經(jīng)濟(jì)周期影響等，該類共同因素與特定時期相關(guān)聯(lián)并對各個體的影響是相同的，從而使得個體之間存在一定的截面相關(guān)性。

2.3.2共同相關(guān)效應(yīng)組均值估計（CCEMG）

Pesaran提出的共同相關(guān)效應(yīng)組均值估計量（Common Correlated Effects Mean Group Estimator，簡稱CCEMG）同時考慮了截面相關(guān)性和異質(zhì)性斜率系數(shù)[27]。CCEMG估計量對截面相關(guān)的處理是通過因變量和自變量的截面平均值來實現(xiàn)，該截面平均值解釋了未知的共同因素，可能是非線性或非平穩(wěn)的。與組均值估計量相似，斜率系數(shù)也是通過面板平均求得。研究表明：CCEMG估計量對于結(jié)構(gòu)突變、無協(xié)整關(guān)系和部分序列相關(guān)性問題都是穩(wěn)健的[28]。

分別為自變量、因變量的觀測值，βi為個體特定的自變量回歸系數(shù)，uit包含未觀測部分和誤差項εit。式（8）中的未觀測部分由三部分構(gòu)成：描述組間時不變異質(zhì)性的組固定效應(yīng)α1i、描述時變異質(zhì)性的未察共同因素ft和描述截面相關(guān)的異質(zhì)性負(fù)荷因子λi。因子ft、gt可能是非線性、非平穩(wěn)的。由于自變量可能由某些共同因素驅(qū)動：式（8）、式（9）中包含ft導(dǎo)致估計方程中存在內(nèi)生性問題[26]。εit、eit假定為白噪聲。為簡單起見，上述模型中只包含一個自變量和一個未觀測共同成分。

所有組均值類（MG）的估計量通過下面的基本步驟求得：

（1）對N個組分別用最小二乘法估計方程；

（2）計算各組估計系數(shù)的平均值。

Pesaran & Smith提出的組均值估計量并沒有涉及截面相關(guān)，因而假定沒有λi ft或用線性趨勢來描述未察部分[29]。因而估計式（7）時，對于每一面板個體i，包含截距項描述固定效應(yīng)、線性趨勢項描述時變的未察值，估計的系數(shù)β^i隨后在所有個體間求均值。

就Pesaran提出的CCEMG估計量而言，模型設(shè)定如式（7）、（8）、（9），模型設(shè)定中包含截面相關(guān)、時變的未察成分對面板個體的不同影響，存在當(dāng)包含ft時無法識別βi的問題[27]。CCEMG通過增加組特定方程來解決這一問題：除了自變量xit和截距項，方程包括因變量和自變量的截面均值y-t和x-t作為自變量。y-t、x-t可用于解釋未察共同因素ft。由于對每組個體都獨立地估計該方程，因而可得出異質(zhì)性影響λi。對所有觀測變量，計算截面均值y-t和x-t，并用作N個回歸方程中的解釋變量。隨后，估計系數(shù)β^i在所有面板間求均值。

3實證分析

3.1數(shù)據(jù)說明

論文選取中國30個省市自治區(qū)（港澳臺和西藏除外）1978-2014年數(shù)據(jù)進(jìn)行實證分析，由于部分省份某些年份缺損變量，即并不是所有省份在所有年份都有數(shù)據(jù)，因此本文得到的是非平衡面板數(shù)據(jù)，共803個觀測值。為剔除價格因素影響，各省份各年實際GDP以2005年為基期根據(jù)相應(yīng)經(jīng)濟(jì)增長率計算求得，能源強(qiáng)度為萬噸標(biāo)準(zhǔn)煤與實際GDP比值，人均實際GDP為各省實際GDP與當(dāng)年年底人口數(shù)比值，工業(yè)化水平是名義工業(yè)增加值與名義GDP比值，城鎮(zhèn)化水平是各省城鎮(zhèn)人口占總?cè)丝诒戎?，?shù)據(jù)來源于《中國能源統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》、《新中國60年統(tǒng)計資料匯編》及各省市自治區(qū)的統(tǒng)計年鑒。

3.2實證結(jié)果與討論

3.2.1描述性分析

圖1直觀地反映了全國1978-2014年的能源強(qiáng)度（噸標(biāo)準(zhǔn)煤/萬元GDP）、人均實際GDP（萬元）、城鎮(zhèn)化水平（%）、工業(yè)化水平（%）等變量隨時間變化的趨勢，表1是各變量間的相關(guān)系數(shù)。

由圖1可知：自1978年以來，人均實際GDP快速增加，城鎮(zhèn)化水平呈穩(wěn)步上升態(tài)勢，而能源強(qiáng)度在不斷下降，同時，工業(yè)化水平的變化卻呈現(xiàn)先下降后上升的近似U形變化。而由表1可知，能源強(qiáng)度與人均實際GDP呈較強(qiáng)負(fù)相關(guān)、與城鎮(zhèn)化水平呈高度負(fù)相關(guān)、與工業(yè)化水平呈較強(qiáng)正相關(guān)，而人均實際GDP與城鎮(zhèn)化水平高度正相關(guān)。

3.2.2截面相關(guān)性及單位根檢驗

通常情況下，單位根檢驗會假定截面之間不存在相關(guān)性，一旦序列存在截面相關(guān)，單位根檢驗會無效。因此，首先采用Pesaran的CD檢驗對截面相關(guān)性進(jìn)行檢驗[24]，檢驗結(jié)果見表2的（2）-（5）列。CD檢驗表明：在1%的顯著性水平下，拒絕序列l(wèi)nEI、lnY、lnIND、lnURB在截面之間不相關(guān)的假定，因而各序列截面間均存在截面相關(guān)。同時，采用考慮截面相關(guān)的Pesaran提出的CIPS檢驗（Z（t-））對序列的平穩(wěn)性進(jìn)行檢驗，檢驗時除lnY包含常數(shù)項、趨勢項和一階滯后項外，其他序列都采用包含常數(shù)項和一階滯后項的方程進(jìn)行估計[30]，檢驗結(jié)果見表2的（6）和（7）列。CIPS檢驗表明每個序列都包含單位根，由此，我們可以推斷，各序列存在截面相關(guān)性且全部為非平穩(wěn)序列，因而面板數(shù)據(jù)模型估計中常用方法得出的估計量存在一定的偏誤。

3.3模型估計結(jié)果

在數(shù)據(jù)處理并進(jìn)行檢驗基礎(chǔ)上，為對比起見，依據(jù)不同的假設(shè)條件，我們對面板數(shù)據(jù)進(jìn)行了一系列的估計，分別有混合最小二乘估計（POLS）、固定效應(yīng)模型（FE）、組均值估計（MG）、共同相關(guān)效應(yīng)組均值估計（CCEMG），估計結(jié)果及模型擬合效果的相關(guān)檢驗見表3。采用Pesaran的CD檢驗對各回歸方程估計所得殘差進(jìn)行截面相關(guān)性檢驗[24]，通常情況下，殘差的平穩(wěn)與否是計量模型擬合優(yōu)度判斷的一個重要標(biāo)準(zhǔn)，本文采用Pesaran的CIPS檢驗對殘差進(jìn)行平穩(wěn)性檢驗[30]，另外表3將各方程的均根方誤差（RMSE）一并列出。

從表3的結(jié)果可以得到以下幾點結(jié)論：

（1）就混合最小二乘估計（POLS）來看，在1%的顯著性水平上，拒絕各回歸系數(shù)為0的假設(shè)，各系數(shù)顯著成立。從系數(shù)值來看，人均實際GDP每增加1%，能源強(qiáng)度下降0.711%，同時，能源強(qiáng)度的工業(yè)化水平彈性和城鎮(zhèn)化水平彈性分別為0.602和0.562。但對估計殘差截面相關(guān)性進(jìn)行的CD檢驗表明，在1%的顯著性水平下，拒絕殘差序列不相關(guān)的假設(shè)；進(jìn)一步，對殘差序列平穩(wěn)性進(jìn)行的CIPS檢驗表明，殘差序列非平穩(wěn)，意味著混合最小二乘估計的模型擬合優(yōu)度較差。

（2）在混合最小二乘估計的基礎(chǔ)上，采用固定效應(yīng)模型（FE）進(jìn)行估計，人均實際GDP、工業(yè)化水平、城鎮(zhèn)化水平及常數(shù)項的系數(shù)仍然顯著。然而，對殘差序列進(jìn)行的檢驗同樣表明：殘差序列仍然存在截面相關(guān)性且是非平穩(wěn)的，這里的固定效應(yīng)模型由于沒有考慮截面之間的相關(guān)性，仍然沒有較好的擬合數(shù)據(jù)。

（3）考慮到在前兩個模型估計中，殘差序列都存在截面相關(guān)性和非平穩(wěn)性，因而我們采用異質(zhì)性回歸系數(shù)模型進(jìn)行估計。采用組均值估計（MG）方法，可得出人均實際GDP、工業(yè)化水平和常數(shù)項的系數(shù)仍然顯著，城鎮(zhèn)化水平的系數(shù)變得不顯著。對殘差序列進(jìn)行的檢驗再次表明：殘差序列的截面相關(guān)性并沒有消除，但殘差序列是平穩(wěn)的，通過異質(zhì)性面板數(shù)據(jù)回歸雖然沒有消除截面相關(guān)性，但模型擬合效果相對有所改進(jìn)。

（4）最后，采用共同相關(guān)效應(yīng)組均值（CCEMG）方法進(jìn)行估計，即同時考慮了截面相關(guān)性和異質(zhì)性回歸系數(shù)的模型。從回歸系數(shù)來看，除城鎮(zhèn)化水平系數(shù)外，各系數(shù)的符號及顯著性與固定效應(yīng)模型、MG模型相一致，系數(shù)值也比較接近。對殘差序列進(jìn)行的檢驗表明：殘差序列不存在截面相關(guān)性，同時殘差序列是平穩(wěn)的，表明模型的擬合優(yōu)度較好，而且該模型中的均方根誤差（RMSE）也是最小的。

根據(jù)對殘差檢驗的結(jié)果、各均方根誤差（RMSE）大小的變化以及模型擬合度的判斷，我們認(rèn)為CCEMG模型較好的擬合了非均衡面板數(shù)據(jù)，因而隨后的結(jié)論與政策分析主要以該模型結(jié)果為基礎(chǔ)。

4結(jié)論與政策建議

與現(xiàn)有研究城鎮(zhèn)化與能源消費之間關(guān)系的文獻(xiàn)不同，本文以反映能源綜合利用效率的能源強(qiáng)度指標(biāo)替代傳統(tǒng)的能源消費總量指標(biāo)，以考慮截面相關(guān)性和異質(zhì)性斜率系數(shù)的非平衡面板數(shù)據(jù)建立模型，使用共同相關(guān)效應(yīng)組均值（CCEMG）方法進(jìn)行估計，對城鎮(zhèn)化、工業(yè)化與能源強(qiáng)度之間關(guān)系進(jìn)行了深入研究。研究結(jié)果表明：

（1）隨著收入水平的提高，能源強(qiáng)度呈降低的趨勢。能源強(qiáng)度的人均實際GDP彈性為-0.412，該系數(shù)在各回歸模型中均顯著成立，且數(shù)值變化較小，說明該值比較穩(wěn)健。同時，實證研究發(fā)現(xiàn)：如果在面板數(shù)據(jù)回歸中不考慮截面相關(guān)的影響，會傾向于高估收入水平提高對能源強(qiáng)度的影響。收入水平對能源強(qiáng)度的影響可以歸結(jié)為經(jīng)濟(jì)增長和社會進(jìn)步的結(jié)果，在經(jīng)濟(jì)增長和社會進(jìn)步的過程中，往往伴隨著技術(shù)進(jìn)步和技術(shù)創(chuàng)新，而這會導(dǎo)致生產(chǎn)效率和能源綜合利用效率的提高，從而有助于能源強(qiáng)度的降低，與此同時，能源相關(guān)的技術(shù)進(jìn)步亦使得低能源強(qiáng)度的替代產(chǎn)品得到廣泛應(yīng)用，進(jìn)一步降低能源強(qiáng)度。

（2）工業(yè)化水平的提高不利于能源強(qiáng)度的降低。從各模型來看，該系數(shù)一直顯著為正且變化不大，在CCEMG模型中，能源強(qiáng)度的工業(yè)化彈性約為0.630。在推進(jìn)工業(yè)化的過程中，不僅大量的工業(yè)企業(yè)和工業(yè)基礎(chǔ)設(shè)施建設(shè)需要耗費大量的能源資源，而且隨著工業(yè)化水平的提高，工業(yè)也傾向于使用更多的能源來進(jìn)行生產(chǎn)活動。同時工業(yè)化的發(fā)展也帶動了人民生活水平的大幅提升，刺激了對能源消費的需求。而我國現(xiàn)有工業(yè)生產(chǎn)的技術(shù)水平和設(shè)備使用現(xiàn)狀還相對比較落后，工業(yè)粗放型增長方式并沒有得到根本性的改變，致使能源利用效率較低，浪費比較嚴(yán)重，因而，工業(yè)化進(jìn)程的推進(jìn)使得能源強(qiáng)度不降反升。

（3）城鎮(zhèn)化對能源強(qiáng)度的影響不確定。在上述四個模型中，混合最小二乘法、固定效應(yīng)模型中城鎮(zhèn)化的系數(shù)均顯著為正，而組均值估計和共同效應(yīng)組均值估計模型中，該系數(shù)均不顯著，可見城鎮(zhèn)化影響能源強(qiáng)度的方向和大小難以確定，因而，根據(jù)現(xiàn)有研究，尚無法判定城鎮(zhèn)化對能源強(qiáng)度的影響，這與目前相關(guān)實證研究中得出的結(jié)論比較一致。其深層次原因在于：城鎮(zhèn)化的主要特征表現(xiàn)為農(nóng)村人口轉(zhuǎn)為城市人口并集中居住，在城鎮(zhèn)化過程中，人口密度逐步增加，促使了能源密集型基礎(chǔ)設(shè)施的增加，同時城鎮(zhèn)化導(dǎo)致居民收入增加和生活方式改變，交通通訊等活動對能源的消耗也會增加，這意味著生產(chǎn)和消費類等經(jīng)濟(jì)活動在城市區(qū)域的高度集中，導(dǎo)致了能源消費的增加和能源強(qiáng)度的上升。但另一方面，城鎮(zhèn)化也意味著生產(chǎn)和消費中規(guī)模經(jīng)濟(jì)和產(chǎn)業(yè)集聚效應(yīng)的出現(xiàn)，以及對優(yōu)化產(chǎn)業(yè)組織結(jié)構(gòu)、產(chǎn)品結(jié)構(gòu)、技術(shù)進(jìn)步的促進(jìn)，因此城鎮(zhèn)化又有助于降低能源消費和提高能源綜合利用效率。正是這些因素的綜合作用，以及中國正處于快速城鎮(zhèn)化發(fā)展階段的現(xiàn)實背景，使得中國目前城鎮(zhèn)化發(fā)展對能源強(qiáng)度的影響并不確定。

基于以上結(jié)論，政策似乎陷入了相互沖突的兩難處境：提高人均收入水平有利于降低能源強(qiáng)度，因而保持經(jīng)濟(jì)的持續(xù)增長，提高城鎮(zhèn)化水平就成為政策的必然選擇。然而，為了實現(xiàn)經(jīng)濟(jì)的持續(xù)增長和城鎮(zhèn)化水平的提高，政府往往傾向于采取推動工業(yè)發(fā)展的路徑和方式，畢竟工業(yè)化是經(jīng)濟(jì)增長和發(fā)展的主要動力源泉，而且城鎮(zhèn)化與工業(yè)化兩者間又存在相互促進(jìn)的發(fā)展關(guān)系，但工業(yè)化水平的提升又提高了能源強(qiáng)度。因此在目前促進(jìn)經(jīng)濟(jì)發(fā)展、提高城鎮(zhèn)化水平和收入水平，同時節(jié)能減排又面臨較大壓力的情況下，政策措施的選擇與配合就顯得尤為重要，具體可從以下幾方面進(jìn)行：

首先，加快產(chǎn)業(yè)結(jié)構(gòu)升級，轉(zhuǎn)變經(jīng)濟(jì)增長方式。技術(shù)進(jìn)步是產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的直接動力，要采取有效措施，促進(jìn)企業(yè)提高自主創(chuàng)新能力，帶動產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，扭轉(zhuǎn)我國粗放型經(jīng)濟(jì)增長方式，促進(jìn)高附加值、低能耗的產(chǎn)業(yè)增長，實現(xiàn)集約型經(jīng)濟(jì)增長。從長遠(yuǎn)來看，推動技術(shù)進(jìn)步，加強(qiáng)我國的自主創(chuàng)新能力，實現(xiàn)經(jīng)濟(jì)增長方式由粗放型向集約型轉(zhuǎn)變，才能最終提升我國整體的能源效率，確保節(jié)能減排目標(biāo)的實現(xiàn)。

其次，構(gòu)建綠色制造體系，推進(jìn)“五化”協(xié)同發(fā)展。工業(yè)的過快發(fā)展不僅會加大能源需求的壓力，而且以資源大量投入為特征的粗放型發(fā)展還會導(dǎo)致能源效率降低。因此應(yīng)加快構(gòu)建以高效、清潔、低碳、循環(huán)為特征的綠色制造體系，推進(jìn)新型工業(yè)化、信息化、城鎮(zhèn)化、農(nóng)業(yè)現(xiàn)代化和綠色化的協(xié)同發(fā)展。同時需充分考慮不同地區(qū)、不同行業(yè)和不同規(guī)模企業(yè)的差異和發(fā)展情況，研究制定工業(yè)節(jié)能減排差異化政策。對于工業(yè)結(jié)構(gòu)重化短時間內(nèi)難以快速調(diào)整的局面，嚴(yán)格新項目能評環(huán)評，降低重化工業(yè)比重，減少能源消耗和環(huán)境污染，降低能源強(qiáng)度。

再次，推進(jìn)綠色、循環(huán)、低碳發(fā)展的新型城鎮(zhèn)化建設(shè)。我國已進(jìn)入城鎮(zhèn)化快速發(fā)展時期，同時又面臨著能源相對不足、生態(tài)環(huán)境比較脆弱的嚴(yán)峻制約，因此，走具有中國特色的綠色、循環(huán)、低碳發(fā)展的城鎮(zhèn)化道路，是我國在眾多約束條件下的必然選擇。應(yīng)充分利用城鎮(zhèn)化發(fā)展的機(jī)遇，加速包括工業(yè)、建筑物、交通運輸?shù)冉K端耗能領(lǐng)域的能源低碳轉(zhuǎn)型。在推進(jìn)城鎮(zhèn)化的進(jìn)程中，同步規(guī)劃適應(yīng)當(dāng)?shù)厍闆r的區(qū)域型能源利用系統(tǒng)，加強(qiáng)能源結(jié)構(gòu)調(diào)整，建立和完善以清潔、可再生替代能源為規(guī)模利用，以傳統(tǒng)能源的減量化、集約化、循環(huán)利用為特征的城市能源系統(tǒng)，不斷促進(jìn)能源強(qiáng)度的下降和能源利用綜合效益的上升，在更大程度上降低經(jīng)濟(jì)社會發(fā)展對能源的依賴程度，實現(xiàn)經(jīng)濟(jì)全面、協(xié)調(diào)、可持續(xù)發(fā)展。

（編輯：徐天祥）

參考文獻(xiàn)（References）

[1]SAMOUILIDIS J E. Mitropoulos.energy and economic growth in industrialized countries： the case of Greece[J]. Energy economics， 1984，6（3）： 191-201.

[2]SATHAYE J S.Energy use in cities of the developing countries[J].Annual review of energy， 1985（10）： 109-133.

[3]SCHNEIDER F，ENSTE D H. Shadow economies：size，causes and consequence[J].Journal of economic literature， 2000， 38（1）： 77-114.

[4]PACHAURI S L. The household energy transition in India and China[J]. Energy policy， 2008， 36（11）： 4022-4035.

[5]JONES D W.How urbanization affects energyuse in developing countries[J]. Energy policy， 1991， 19（7）： 621-630.

[6]PACHAURI S. An analysis of crosssectional variations in total household energy requirements in India using micro survey data[J].Energy policy， 2004， 32（15）： 1723-1735.

[7]HOLTEDAHL P，JOUTZ F L. Residential electricity demand in Taiwan[J].Energy economics， 2004，26（2）： 201-224.

[8]MISHRA C R， SMYTH S S. The EnergyGDP nexus： evidence from a panel of Pacific island countries [J].Resource and energy economics， 2009， 31（3）：210-220.

[9]PARIKH J， SHUKLA V.Urbanization，energy use and greenhouse effects in economic developmentresults from a crossnational study of developing countries[J].Global environmental change， 1995， 5（2）： 87-103.

[10]YORK R. Demographic trends and energy consumption in European Union nations[J].Social science research， 2007， 36（3）： 855-872.

[11]LIDDLE B， LUNG S. Agestructure， urbanization and climate change in developed countries： revisiting STIRPAT for disaggregated population and consumptionrelated environment impacts[J]. Population and environment， 2010， 31（5）： 317-343.

[12]POUMANYVONG P， KANEKO S.Does urbanization lead to less energy use and lower CO2 emissions？ a crosscounty analysis[J].Ecological economics， 2010， 70（2）： 434-444.

[13]SADORSKY P.Do urbanization and industrialization affect energy intensity in developing countries[J].Energy economics， 2013（37）：52-59.

[14]馬珩. 中國城市化和工業(yè)化對能源消費的影響研究[J].中國軟科學(xué)，2012（1）：176-182. [MA Heng. Influence of urbanization and industrialization on Chinas energy consumption [J]. China soft science， 2012 （1）： 176-182.]

[15]胡宗義，劉靜，劉亦文. 中國省際能源效應(yīng)差異及其影響因素分析[J].中國人口·資源與環(huán)境，2011（7）：33-39. [HU Zongyi， LIU Jing， LIU Yiwen. Research on interprovincial differences in energy efficiency of China and its influencing factors [J]. China population， resources and environment， 2011（7）： 33-39.]

[16]王曉嶺，武春友，趙奧. 中國城市化與能源強(qiáng)度關(guān)系的交互動態(tài)響應(yīng)分析[J].中國人口·資源與環(huán)境，2012（5）：147-152. [WANG Xiaoling， WU Chunyou， ZHAO Ao. The analysis of energy intensity determinants and empirical research in China [J]. China population， rresources and environment， 2012（5）： 147-152.]

[17]畢軍賢. 中部縣域城鎮(zhèn)化與工業(yè)化、能源消耗量關(guān)系的實證研究[J].中國管理科學(xué)，2008（S1）：592-595. [BI Junxian. An empirical study on the relationship between industrialization and urbanization， energy consumption in Central China [J]. Chinese journal of management society， 2008（S1）： 592-595.]

[18]成金華，陳軍. 中國城市化進(jìn)程中的能源消費區(qū)域差異[J].經(jīng)濟(jì)評論，2009（3）：38-46. [CHENG Jinhua， CHEN Jun. The differences of energy consumption in the process of regional Chinese City [J]. Economic review， 2009（3）： 38-46.]

[19]闞大學(xué)，羅良文. 我國城市化對能源強(qiáng)度的影響[J].當(dāng)代財經(jīng)，2010（3）：83-88. [KAN Daxue， LUO Liangwen. The impact of Chinas urbanization on energy intensity [J]. Contemporary finance & economics， 2010（3）： 83-88.]

[20]周少甫，王亞南.中國工業(yè)化、城鎮(zhèn)化對能源強(qiáng)度的影響——基于動態(tài)面板數(shù)據(jù)模型的研究[J].生態(tài)經(jīng)濟(jì)，2015（2）：75-79. [ZHOU Shaopu， WANG Yanan. The impact of Chinas industrialization and urbanization on energy intensity [J]. Ecological economy， 2015（2）： 75-79.]

[21]張瑞，丁日佳.工業(yè)化、城市化對能源強(qiáng)度的影響——基于我國省際動態(tài)面板數(shù)據(jù)的實證研究[J]. 經(jīng)濟(jì)問題探索，2015（1）：11-16. [ZHANG Rui， DING Rijia. The impact of Chinas industrialization and urbanization on energy intensity [J]. Inquiry into economic issues， 2015（1）： 11-16.]

[22]李標(biāo)，吳賈，陳姝興.城鎮(zhèn)化、工業(yè)化、信息化與中國的能源強(qiáng)度[J].中國人口·資源與環(huán)境，2015（8）：69-76. [LI Biao， WU Jia， CHEN Shuxing. Research on the relationship between urbanization， industrialization， informatization and energy consumption in China [J]. China population， resources and environment， 2015（8）： 69-76.]

[23]BERNARDINI O， GALLI R. Embracing change： futures inquiry as applied history[J]. Futures， 1993（5）： 431-448.

[24]PESARAN M H. General diagnostic tests for cross section dependence in panels[J].Cambridge working papers in economics， 2004（35）：52-65.

[25]PESARAN M H. The role of economic theory in modeling the long run [J]. Economic journal， 1997， 107（1）： 178-191.

[26]EBERHARDT M， TEAL F. Econometrics for grumblers： a new look at the literature on crosscountry growth empirics[J].Journal of economic survey， 2011， 25（1）： 109-155.

[27]PESARAN M H. Estimation and inference in large heterogeneous panels with a multifactor error structure[J].Econometrica，2006，74（4）： 967-1012.

[28]KAPETANIOSG. PESARAN M H， YAMAGATA T. Panels with nonstationary multifactor error structures[J].Journal of econometrics， 2011， 160（2）：326-348.

[29]PESARAN M H， SMITH R. Estimating longrun relationships from dynamic heterogeneous panels[J]. Journal of econometrics， 1995， 68（1）： 79-113.

[30]PESARAN M H. A simple panel unit root test in the presence of crosssection dependence [J].Journal of applied econometrics， 2007， 22（2）： 265-312.

AbstractWhat are the effects of urbanization and industrialization on the energy intensity in China？ How to ensure the realization of energy conservation and the reduction of emissions targets in the process of urbanization and industrialization？ Against the backdrop of studies on relationship between urbanization and energy consumption， by replacing the traditional energy consumption with energy intensity indicator which reflects the efficiency of energy use， the paper applies the unbalanced panel data models with crosssection dependence and heterogeneous slopes to analyze the relationship urbanization， industrialization and energy intensity in 1978-2014. As a result， a 1% increase in real GDP per capita reduces energy intensity by 0.412%. A 1% increase in industrialization increases energy intensity by 0.630%. However， due to the effect of both highly centralized economic activity and scale economy， the impact of urbanization on energy intensity is uncertain. In conclusion， the implications of these results for energy policy are discussed. The government should upgrade industrial structure， promote fundamental shifts in the mode of economic growth， and construct the green manufacturing industry system， promote collaborative development， promote the construction of new towns in green， recycling， lowcarbon development， and ensure the realization of energy conservation and the reduction of emissions targets， in order to promote allround， balanced and sustainable development of economy and society.

Key wordsenergy intensity； urbanization； industrialization； crosssection dependence； unbalanced panel data