王 斌，傅 強(qiáng)

基礎(chǔ)設(shè)施建設(shè)與空間溢出關(guān)系的變化機(jī)制分析

王 斌，傅 強(qiáng)

（重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，重慶 400044）

本文以電網(wǎng)拓?fù)浣Y(jié)構(gòu)變化對(duì)區(qū)域能源強(qiáng)度的影響為例，揭示區(qū)域基礎(chǔ)設(shè)施連接緊密程度對(duì)空間相關(guān)性的影響和其變化的內(nèi)在機(jī)理。根據(jù)1998-2014年中國(guó)30個(gè)省份高壓電網(wǎng)建設(shè)的時(shí)序順序與拓?fù)浣Y(jié)構(gòu)構(gòu)建空間權(quán)重矩陣，實(shí)現(xiàn)了基礎(chǔ)設(shè)施動(dòng)態(tài)建設(shè)與空間權(quán)重矩陣常數(shù)元素賦值的對(duì)應(yīng)。使用SDM面板模型，并采用內(nèi)生變量的滯后一期值代替原變量克服內(nèi)生性偏誤，得到了更為穩(wěn)健的結(jié)果。研究發(fā)現(xiàn)：①考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，電力占比與要素結(jié)構(gòu)提升對(duì)能源強(qiáng)度改善的影響得以體現(xiàn)，對(duì)外貿(mào)易的“污染天堂”效應(yīng)被發(fā)現(xiàn)。②《大氣污染防治計(jì)劃》配套的12條高壓電力線路改變了中國(guó)各省份能源強(qiáng)度的空間同質(zhì)性，使得電力占比、產(chǎn)業(yè)結(jié)構(gòu)、R&D研發(fā)水平對(duì)能源強(qiáng)度的影響變大；人均FDI存量、產(chǎn)權(quán)結(jié)構(gòu)、要素結(jié)構(gòu)、城市化率對(duì)能源強(qiáng)度的影響變小。③基于電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間權(quán)重矩陣能反映區(qū)域能源強(qiáng)度地理空間鄰接關(guān)系的主要信息，通過(guò)強(qiáng)化和調(diào)整各省間的電網(wǎng)拓?fù)浣Y(jié)構(gòu)能夠改變其空間溢出關(guān)系，促進(jìn)政策目標(biāo)的實(shí)現(xiàn)。此方法實(shí)現(xiàn)了省間基礎(chǔ)設(shè)施連接緊密程度與經(jīng)濟(jì)指標(biāo)空間相關(guān)性機(jī)理分析的計(jì)量方法應(yīng)用創(chuàng)新。

電網(wǎng)拓?fù)浣Y(jié)構(gòu)；空間權(quán)重矩陣；空間杜賓模型；能源強(qiáng)度

0 引言

加強(qiáng)省間交通、能源、通信等領(lǐng)域的基礎(chǔ)設(shè)施互聯(lián)以促進(jìn)經(jīng)濟(jì)發(fā)展是中國(guó)政府宏觀管理的重要方向。2016年5月，國(guó)家8部委聯(lián)合印發(fā)了《關(guān)于推進(jìn)電能替代的指導(dǎo)意見(jiàn)》（發(fā)改能源[2016]1054號(hào)），提出了提高電力占比以提升能源利用效率的政策目標(biāo)。國(guó)家電網(wǎng)公司作為主要執(zhí)行者，大力推進(jìn)特高壓電網(wǎng)戰(zhàn)略，試圖通過(guò)加強(qiáng)省間的電網(wǎng)設(shè)施互聯(lián)強(qiáng)化電力占比提升對(duì)能源效率提高的政策效果，受到了廣泛的關(guān)注與討論。那么，加強(qiáng)跨省高壓輸電通道的建設(shè)是否能改變能源強(qiáng)度的空間相關(guān)性，從而促進(jìn)能源效率的改善？本文以此為例，進(jìn)行空間權(quán)重矩陣的應(yīng)用創(chuàng)新，應(yīng)用空間計(jì)量方法量化分析省間基礎(chǔ)設(shè)施互聯(lián)對(duì)政策目標(biāo)實(shí)現(xiàn)的價(jià)值。

關(guān)于能源強(qiáng)度的影響因素，國(guó)內(nèi)外學(xué)者作了大量的研究。早期學(xué)者的研究，如史丹[1]、Fisher-Vanden et al[2]、魏楚[3]、傅曉霞[4]、原毅軍[5]、林伯強(qiáng)[6]、張宇[7]、齊紹洲[8]等發(fā)現(xiàn)人均GDP、能源消費(fèi)結(jié)構(gòu)、FDI流入、產(chǎn)業(yè)結(jié)構(gòu)、R&D研發(fā)水平、產(chǎn)權(quán)結(jié)構(gòu)、要素結(jié)構(gòu)、城市化率、對(duì)外開(kāi)放程度、能源稟賦等經(jīng)濟(jì)指標(biāo)均能影響能源強(qiáng)度。但是，上述研究未考慮各省能源強(qiáng)度的空間相關(guān)性，Elhorst[9]系統(tǒng)地總結(jié)了空間計(jì)量的研究成果，指出從計(jì)量分析的角度看，如果經(jīng)濟(jì)指標(biāo)自身存在的空間相關(guān)性被忽略，則回歸結(jié)果是有偏的；Toblers[10]從地理經(jīng)濟(jì)學(xué)的角度指出，區(qū)域間的地理位置越近，其經(jīng)濟(jì)聯(lián)系應(yīng)越緊密。隨著空間計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展，學(xué)者們將其引入了區(qū)域能源強(qiáng)度的研究，孫慶剛等[11]采用最近K點(diǎn)賦值法，按省份間的地理鄰接關(guān)系劃分為一階、二階與三階相鄰，以此為依據(jù)對(duì)空間權(quán)重矩陣賦值計(jì)算全局Moran’I指數(shù)，發(fā)現(xiàn)中國(guó)省間的能源強(qiáng)度空間依賴性隨距離擴(kuò)展逐漸減弱，一階鄰接關(guān)系下空間正相關(guān)依賴性最強(qiáng)，二階鄰接關(guān)系下空間關(guān)聯(lián)性減弱，三階鄰接關(guān)系下已不存在統(tǒng)計(jì)上顯著的空間依賴性。潘雄鋒等[12]采用DEA方法分析能源效率，采用Rook鄰近的空間權(quán)重矩陣方法使用SLM模型對(duì)其影響因素進(jìn)行分析，發(fā)現(xiàn)我國(guó)省域能源效率具有明顯的空間溢出效應(yīng)，且呈現(xiàn)出增強(qiáng)的趨勢(shì)。計(jì)及省域能源效率的空間相關(guān)性后，發(fā)現(xiàn)第二產(chǎn)業(yè)占比上升、能源價(jià)格提升對(duì)能源效率有反向的影響，而技術(shù)進(jìn)步對(duì)能源效率有顯著的促進(jìn)作用，能源結(jié)構(gòu)對(duì)能源效率的影響不顯著。關(guān)偉等[13]采用非期望產(chǎn)出的SBM模型測(cè)試生態(tài)能源效率，采用Rook鄰近的空間權(quán)重矩陣方法使用SLM與SEM模型對(duì)其影響因素進(jìn)行分析，發(fā)現(xiàn)中國(guó)省域生態(tài)能源效率呈現(xiàn)出顯著的全局空間相關(guān)性與局部空間聚焦特征，地理空間相鄰省份的生態(tài)能源效率呈現(xiàn)顯著的正向空間依賴特性，第二產(chǎn)業(yè)占比提升、能源投資增加與交通基礎(chǔ)設(shè)施建設(shè)不利于能源生態(tài)效率的提升，而經(jīng)濟(jì)發(fā)展、外商投資與人口數(shù)量增加對(duì)生態(tài)能源效率的提升有正向的作用?？梢?jiàn)，考慮能源效率/強(qiáng)度的空間相關(guān)性后，研究結(jié)論有了明顯的變化，區(qū)域能源效率的空間相關(guān)性不能被忽略。但是上述研究還存在兩個(gè)問(wèn)題：一是模型選擇僅限于SLM與SEM的比較，缺乏對(duì)適用性更為普遍的SDM的分析與檢驗(yàn)，忽略了各自變量的空間溢出效應(yīng)的影響，導(dǎo)致忽略變量偏誤。二是簡(jiǎn)單地根據(jù)地理空間鄰接關(guān)系賦值空間權(quán)重矩陣，地理位置相鄰并不一定意味著兩省份之間的能源效率溢出關(guān)系顯著，尚需有效的基礎(chǔ)設(shè)施載體，否則無(wú)法對(duì)空間相關(guān)性變化的機(jī)理與改進(jìn)方式進(jìn)行探討，并提出通過(guò)調(diào)整空間相關(guān)性改善能源效率的政策措施。

Elhorst[9]闡明SLM模式是解釋變量空間相關(guān)項(xiàng)系數(shù)為零的SDM模型，SEM是被解釋變量空間相關(guān)項(xiàng)系數(shù)，與解釋變量空間系數(shù)和其空間相關(guān)項(xiàng)系數(shù)乘積項(xiàng)相反數(shù)相等的SDM模型，因此，SLM與SEM模型均嵌套于SDM模型。在計(jì)量分析上，空間面板模型相對(duì)于傳統(tǒng)面板模型加入了被解釋變量的空間相關(guān)項(xiàng)，帶來(lái)內(nèi)生性問(wèn)題。Elhorst[14]提出采用最大似然法估算空間自相關(guān)項(xiàng)的系數(shù)以克服最小二乘法估算帶來(lái)的內(nèi)生性偏誤。但是Lee和Yu[15]指出對(duì)于大N小T型的面板數(shù)據(jù)，采用最大似然法估計(jì)空間自相關(guān)項(xiàng)的系數(shù)將產(chǎn)生一定的偏誤，并提出了誤差修正方法。此方法得到了Elhorst[16]的認(rèn)可，將其稱為混合ML/BCLSDV方法。此外，Arrelano and Bond[17]用于動(dòng)態(tài)面板系數(shù)估算的GMM方法也可用于空間自相關(guān)項(xiàng)系數(shù)的估算，邵帥等[18]采用系統(tǒng)GMM方法對(duì)動(dòng)態(tài)空間面板的系數(shù)進(jìn)行估算，以克服解釋變量的內(nèi)生性問(wèn)題。但此方法也存在一定的缺陷，Elhorst[16]比較了GMM、混合ML/BCLSDV與混合GMM/BCLSDV方法，指出GMM方法的估算結(jié)果在大N小T的面板模型中存在嚴(yán)重的偏誤，對(duì)于大N小T的面板模型，在N小于500的條件下建議采用混合ML/BCLSDV方法。

由于換流站（直流與交流轉(zhuǎn)化的設(shè)備）建設(shè)的成本較高，導(dǎo)致直流輸電線路為“點(diǎn)對(duì)點(diǎn)”的電力輸送方式，及電源端所在省份與負(fù)荷端所在省份各建設(shè)一座換流站進(jìn)行電力交換。如葛洲壩—上海±500kV直流輸電線路，直接從湖北葛洲壩水電站輸送電力到上海，途經(jīng)省份不落點(diǎn)。因此，直流輸電線路使得中國(guó)各省份實(shí)現(xiàn)了跨區(qū)域的電網(wǎng)連接，空間鄰接矩陣不再受限于省份間地理位置是否相鄰的影響，地理位置間隔較遠(yuǎn)的省份可以通過(guò)直流輸電線路建設(shè)，在業(yè)已形成的電網(wǎng)拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上對(duì)空間權(quán)重矩陣賦值，以改變其空間相關(guān)性。因此，通過(guò)基礎(chǔ)設(shè)施建設(shè)改變空間權(quán)重矩陣從而調(diào)整經(jīng)濟(jì)變量的空間溢出關(guān)系有重要的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義。

本文的貢獻(xiàn)在以下三個(gè)方面：一是根據(jù)高壓交流/直流線路建設(shè)時(shí)序，提出了一種新的空間權(quán)重矩陣構(gòu)建方法，實(shí)現(xiàn)了基礎(chǔ)設(shè)施動(dòng)態(tài)建設(shè)與空間權(quán)重矩陣常數(shù)元素賦值的對(duì)應(yīng)；二是應(yīng)用適用性更強(qiáng)的SDM面板模型，對(duì)各省份能源強(qiáng)度與其影響因素進(jìn)行回歸分析，與SLM和SEM的回歸結(jié)果進(jìn)行比較，更全面地反映各影響因素對(duì)能源效率的直接效應(yīng)和間接效應(yīng)；三是在通過(guò)比較基于基礎(chǔ)設(shè)施的空間權(quán)重矩陣與基于地理鄰接關(guān)系的空間權(quán)重矩陣的SDM回歸結(jié)果，對(duì)前者進(jìn)行穩(wěn)健性檢驗(yàn)的同時(shí)，識(shí)別出省域能源強(qiáng)度空間溢出關(guān)系的變化機(jī)理。

1 理論模型

1.1 空間自相關(guān)指數(shù)

全局空間自相關(guān)：采用全局Moran’s I指數(shù)表示：

局部空間自相關(guān)：以能源強(qiáng)度為橫坐標(biāo)，能源強(qiáng)度的空間自相關(guān)項(xiàng)為縱坐標(biāo)構(gòu)建Moran散點(diǎn)圖，按各省份所在象限分為HH（高—高，第一象限）、LH（低—高，第二象限）、LL（低—低，第三象限）與HL（高—低，第四象限）四種類型。其中分布于HH與LL的省份表示能源強(qiáng)度的分布為空間正相關(guān)，體現(xiàn)為空間同質(zhì)性；分布于LH與HL的省份表示能源強(qiáng)度的分布為空間負(fù)相關(guān)，體現(xiàn)為空間異質(zhì)性。

1.2 基于基礎(chǔ)設(shè)施建設(shè)的空間權(quán)重矩陣設(shè)置

傳統(tǒng)的空間權(quán)重矩陣根據(jù)研究對(duì)象的地理位置關(guān)系賦值，以反映其地理空間聯(lián)系的程度，有三種類型：一是Rook鄰近空間權(quán)重矩陣法，研究對(duì)象在地理位置上有共同的邊界則在對(duì)應(yīng)位置賦值1，否則賦值0，此種方法在目前的研究中使用最為廣泛[11] [12] [13]；二是最近K點(diǎn)賦值法，即距離關(guān)系閾值預(yù)先給定，研究對(duì)象之間的距離小于給定值則賦值1，否則賦值0；三是距離關(guān)系賦值法，按照研究對(duì)象歐氏距離的倒數(shù)賦值，距離越短賦值越大。Lee and Yu[19]總結(jié)了空間計(jì)量研究成果，指出空間權(quán)重矩陣必須為常數(shù)陣，Elhorst[9]也堅(jiān)持此觀點(diǎn)。

由于空間權(quán)重矩陣W必須為常數(shù)陣。而基礎(chǔ)設(shè)施的建設(shè)與投運(yùn)具有時(shí)序性，使得各省間的基礎(chǔ)設(shè)施網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出隨時(shí)間變化的特點(diǎn)，即新建基礎(chǔ)設(shè)施的投運(yùn)導(dǎo)致其拓?fù)浣Y(jié)構(gòu)的改變。如果按傳統(tǒng)的方法對(duì)W進(jìn)行賦值，基礎(chǔ)設(shè)施投運(yùn)年前后會(huì)得到不同的空間權(quán)重矩陣值。為解決此問(wèn)題，采用基于基礎(chǔ)設(shè)施投運(yùn)時(shí)間的空間權(quán)重矩陣綜合賦值法，如t年m月有新的基礎(chǔ)設(shè)施投運(yùn)，該設(shè)施連接省份i與省份j，則W中的i行j列元素表示為：

yrfinal表示研究時(shí)期的末年，yrstart表示研究時(shí)期的開(kāi)始年份，yrt表示基礎(chǔ)設(shè)施投產(chǎn)年份，m表示基礎(chǔ)設(shè)施投產(chǎn)月份。模型(2)中的wij為0至1之間的值，越接近于1表示設(shè)施投產(chǎn)時(shí)期越早，對(duì)兩省份之間的空間溢出效應(yīng)貢獻(xiàn)度越高，越接近于0表示設(shè)施投產(chǎn)時(shí)間越晚，對(duì)兩省份之間的空間溢出效應(yīng)貢獻(xiàn)度越低。基礎(chǔ)設(shè)施在yrstart年前投運(yùn)，則相應(yīng)位置賦值為1，在yrfinal年末還未投運(yùn)，則相應(yīng)位置賦值為0。完成賦值后再將空間權(quán)重矩陣W標(biāo)準(zhǔn)化，用于空間計(jì)量分析。同時(shí)，為實(shí)現(xiàn)分年度的全局Moran’s I指數(shù)計(jì)算與Moran散點(diǎn)圖的繪制，定義各年度的空間權(quán)重矩陣W值為：

1.3 能源強(qiáng)度影響因素的理論模型

魏楚[3]通過(guò)能源效率的省級(jí)面板數(shù)據(jù)分析，發(fā)現(xiàn)“退二進(jìn)三”的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、微觀企業(yè)層面的產(chǎn)權(quán)制度、要素稟賦結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)、R&D研發(fā)水平均對(duì)各地區(qū)能源強(qiáng)度有顯著的影響，通過(guò)地區(qū)控制變量可見(jiàn)東部、中部的能源效率遠(yuǎn)高于西部地區(qū)。孫慶剛等[11]采用反映各省地理位置空間鄰接程度的最近K點(diǎn)賦值法，發(fā)現(xiàn)城鎮(zhèn)化率、對(duì)外開(kāi)放程度、產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源強(qiáng)度變動(dòng)有較強(qiáng)的解釋力度，而能源價(jià)格的解釋力度不顯著。潘雄鋒等[12]采用各省地理位置的空間鄰接矩陣，發(fā)現(xiàn)中國(guó)省域能源效率的空間溢出效應(yīng)顯著且逐年增強(qiáng)，能源效率、技術(shù)進(jìn)步對(duì)能源效率有顯著影響。關(guān)偉等[13]發(fā)現(xiàn)中國(guó)生態(tài)能源效率呈現(xiàn)全局與局部空間聚集特征，產(chǎn)業(yè)結(jié)構(gòu)對(duì)省域生態(tài)能源效率的影響最大。根據(jù)以上學(xué)者的研究成果，人均GDP、能源消費(fèi)結(jié)構(gòu)、FDI流入、產(chǎn)業(yè)結(jié)構(gòu)、能源價(jià)格①現(xiàn)有研究[12]采用歷年各省份的原材料、燃料、動(dòng)力購(gòu)進(jìn)價(jià)格指數(shù)，2009年后更名為工業(yè)生產(chǎn)者購(gòu)進(jìn)價(jià)值指數(shù)）上年=100表示，但該指標(biāo)不能單一地反映能源價(jià)格，而且由于采用上年=100的數(shù)據(jù)，造成該數(shù)據(jù)是一個(gè)比率，對(duì)數(shù)化處理后的經(jīng)濟(jì)意義不明確，故本文在能源效率的影響因素中不采用能源價(jià)格。、R&D研發(fā)水平、產(chǎn)權(quán)結(jié)構(gòu)、要素結(jié)構(gòu)、城市化率、對(duì)外開(kāi)放程度、能源稟賦等經(jīng)濟(jì)指標(biāo)均應(yīng)作為能源強(qiáng)度的解釋變量。

同時(shí)，中國(guó)省域能源強(qiáng)度/效率地理位置上的空間溢出關(guān)系已得到廣泛的關(guān)注與研究，但是現(xiàn)有的研究?jī)H僅是發(fā)現(xiàn)與驗(yàn)證了這種空間溢出關(guān)系，而沒(méi)有對(duì)其產(chǎn)生與變化的機(jī)理作進(jìn)一步探討。由于各省間的基礎(chǔ)設(shè)施連接是省間經(jīng)濟(jì)交流的基礎(chǔ)，而地理位置相鄰接省份的基礎(chǔ)設(shè)施連接相對(duì)緊密，因此本文從各省的基礎(chǔ)設(shè)施連接程度出發(fā)，采用Elhorst(2014)[9]中的SDM方法建模，以揭示各省份能源強(qiáng)度的空間溢出關(guān)系的變化機(jī)理。

可見(jiàn)，SLM與SEM均嵌套于SDM中。

1.4 直接、間接效應(yīng)

考慮空間相關(guān)性后，SDM中各解釋變量的直接/間接效應(yīng)為：

2 實(shí)證分析

2.1 數(shù)據(jù)來(lái)源及變量說(shuō)明

本文樣本為1998—2014年除西藏外的中國(guó)30個(gè)省市、自治區(qū)的面板數(shù)據(jù)。選取的各經(jīng)濟(jì)指標(biāo)如下：

（1）空間權(quán)重矩陣（W）：以國(guó)家電網(wǎng)公司和中國(guó)南方電網(wǎng)公司2014年《電網(wǎng)運(yùn)行方式報(bào)告》中的電網(wǎng)拓?fù)鋱D為基礎(chǔ)，找出省間500kV以上的電網(wǎng)連接線路。從歷年《中國(guó)電力統(tǒng)計(jì)年鑒》中的重大工程部分找出相應(yīng)線路的投運(yùn)時(shí)間，按照公式(2)對(duì)空間權(quán)重矩陣進(jìn)行賦值。

（2）能源強(qiáng)度（EI）：用各省份能源消耗總量與地區(qū)生產(chǎn)總值的比值表示，數(shù)據(jù)分別來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》，地區(qū)生產(chǎn)總值數(shù)據(jù)折算為2014年價(jià)。

（3）人均GDP（PGDP）：用各省份的地區(qū)生產(chǎn)總值除以總?cè)丝跀?shù)表示。各省人口數(shù)取自wind數(shù)據(jù)庫(kù)。

（4）能源消費(fèi)結(jié)構(gòu)(ECS)：能源分為一次能源和二次能源，一次能源指直接取自自然界沒(méi)有經(jīng)過(guò)加工轉(zhuǎn)換的各種能量和資源，包括：原煤、原油、天然氣等；二次能源是由一次能源經(jīng)過(guò)加工或轉(zhuǎn)換得到的其他種類和形式的能源，包括煤氣、焦炭、汽油、煤油、電力等。而電力被認(rèn)為是清潔的二次能源，污染低能源利用率高。故采用電力在能源消費(fèi)中的占比表示能源消費(fèi)結(jié)構(gòu)，各種能源消費(fèi)數(shù)據(jù)取自《中國(guó)能源統(tǒng)計(jì)年鑒》，統(tǒng)一換算為標(biāo)準(zhǔn)煤。

（5）FDI流入（PFDIS）：用勞均FDI存量表示，即各省份FDI存量除以勞動(dòng)力。用永續(xù)盤(pán)存法估算各省份FDI存量：FDISit=(1-d)FDISit-1+FDIit/Iit，其中FDIS表示資本存量，F(xiàn)DI表示外商直接投資額，用當(dāng)年平均匯率轉(zhuǎn)換為人民幣計(jì)價(jià)。采用單豪杰[21]方法取折舊率d值為10.6%，Iit表示t年i省的固定資產(chǎn)投資價(jià)格指數(shù)。FDI數(shù)據(jù)來(lái)自各省統(tǒng)計(jì)年鑒，Iit數(shù)據(jù)取自《中國(guó)統(tǒng)計(jì)年鑒》，統(tǒng)一折算為2014年價(jià)。

（6）產(chǎn)業(yè)結(jié)構(gòu)（IS）：采用第二產(chǎn)業(yè)增加值占GDP的比重表示，數(shù)據(jù)取自《中國(guó)統(tǒng)計(jì)年鑒》。

（7）R&D研發(fā)水平（RD）：用各省份歷年R&D投入占GDP比重表示。2000年及以后的R&D數(shù)據(jù)來(lái)自《中國(guó)科技統(tǒng)計(jì)年鑒》，1998-1999年的R&D數(shù)據(jù)用科技投入數(shù)據(jù)替代。

（8）產(chǎn)權(quán)結(jié)構(gòu)（OS）：采用各省歷年國(guó)有及國(guó)有控股企業(yè)工業(yè)總產(chǎn)值占工業(yè)總產(chǎn)值比重表示。2012年以前數(shù)據(jù)取自《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》，2013年后《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》不再發(fā)布各省工業(yè)總產(chǎn)值數(shù)據(jù)，故采用各省歷年國(guó)有及國(guó)有控股企業(yè)工業(yè)銷售產(chǎn)值占工業(yè)銷售產(chǎn)值的比重代替。

（9）要素結(jié)構(gòu)(CL)：采用各省歷年勞均資本存量數(shù)據(jù)表示。各省歷年資本存量采用單豪杰[21]的方法估算，將重慶與四川資本存量分開(kāi)估算，并將數(shù)據(jù)拓展到2014年，利用估算的價(jià)格平減指數(shù)將資本存量數(shù)據(jù)統(tǒng)一折算為2014年價(jià)。

（10）城市化率（UR）：2005-2014年數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》，2001-2004數(shù)據(jù)參考周一星[22]的方法修訂得到,1998-2000數(shù)據(jù)則直接采用周一星[22]的修訂值。

（11）對(duì)外貿(mào)易水平（TR）：采用各省歷年進(jìn)出口總額與GDP的比值表示，進(jìn)出口總額來(lái)自國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)庫(kù)。

（12）能源稟賦（ED）：采用各省歷年勞均焦炭、原油、天然氣產(chǎn)量數(shù)據(jù)折算為標(biāo)準(zhǔn)煤之和表示，數(shù)據(jù)來(lái)自《中國(guó)能源統(tǒng)計(jì)年鑒》。

2.2 能源強(qiáng)度的空間相關(guān)性分析

全局空間相關(guān)性：據(jù)方程(3)的方法分年度對(duì)空間權(quán)重矩陣賦值，以計(jì)算中國(guó)省際能源強(qiáng)度的全局Moran’s I指數(shù)，結(jié)果如圖1所示。1998-2014年間中國(guó)省際能源強(qiáng)度的全局Moran’s I指數(shù)除1998年為零的顯著性水平大于10%外，其余年份均為正值，顯著性水平低于10%。全局Moran’s I指數(shù)總體上呈現(xiàn)出逐年遞增的趨勢(shì)，說(shuō)明中國(guó)各省間的電力線路是一種有效的能源強(qiáng)度溢出渠道。由于各年份的全局Moran’s I指數(shù)均為正，說(shuō)明省間高壓電力線路的連接對(duì)能源強(qiáng)度的空間分布格局有很強(qiáng)的影響，有電力線路連接的省份，總體上能源強(qiáng)度趨于一致。

圖1 1998-2014年基于電網(wǎng)拓?fù)浣Y(jié)構(gòu)權(quán)重矩陣的全局moran’s I指數(shù)

Figure 1 Global moran’s I from 1998 to 2014 based on the weighted matrix of power network topology structure

圖2 1998、2006、2014年基于電網(wǎng)拓?fù)浣Y(jié)構(gòu)權(quán)重矩陣的moran散點(diǎn)圖

Figure 2 Moran scatter plot based on weighted matrix of power grid topology structure in 1998, 2006 and 2014

局部空間相關(guān)性：根據(jù)方程(3)的方法分年度對(duì)空間權(quán)重矩陣賦值，得到1998年、2006年、2014年的Moran散點(diǎn)圖，如圖2所示。隨著電網(wǎng)拓?fù)浣Y(jié)構(gòu)的加強(qiáng)，落于第一、三象限，呈現(xiàn)空間同質(zhì)性的省份越來(lái)越多。1998年，由于新疆、青海、山東、海南和福建電網(wǎng)為孤網(wǎng)運(yùn)行（電網(wǎng)與其他省份不相聯(lián)），故其Moran散點(diǎn)圖位于橫坐標(biāo)軸上（空間相關(guān)性為0）；到了2006年，只剩新疆、海南電網(wǎng)呈現(xiàn)孤網(wǎng)運(yùn)行，故橫坐標(biāo)上只剩下兩個(gè)點(diǎn)；到2014年初，所有省份的電網(wǎng)均與其他省份相聯(lián)，不再有省份落于橫坐標(biāo)軸上，除個(gè)別省份表現(xiàn)為空間異質(zhì)性的特征外，大部分省份均呈現(xiàn)空間同質(zhì)性的特征。

可見(jiàn)，電網(wǎng)拓?fù)浣Y(jié)構(gòu)對(duì)各省份的局部空間相關(guān)性有顯著的影響，隨著時(shí)間的推移，電網(wǎng)拓?fù)浣Y(jié)構(gòu)加強(qiáng)，能源強(qiáng)度呈現(xiàn)空間同質(zhì)性的省份越多，將一次能源豐富且能源強(qiáng)度較高的西部地區(qū)與一次能源相對(duì)匱乏且能源強(qiáng)度較低的東部負(fù)荷中心省份相連，可以通過(guò)空間同質(zhì)性控制西部省份的能源強(qiáng)度。

2.3 穩(wěn)定性檢驗(yàn)

為避免偽回歸，增強(qiáng)回歸結(jié)果的可信性，須對(duì)各變量進(jìn)行穩(wěn)定性檢驗(yàn)。面板單位根檢驗(yàn)常用的方法有MADF(multivariate augmented Dickey-Fuller)、Im, Pesaran and Shin檢驗(yàn)與Maddala, and Wu, Shaowen等檢驗(yàn)方法，但是上述方法均只適用于小N大T型的面板數(shù)據(jù)。由于本文采用1998-2014年30個(gè)省份17年的面板數(shù)據(jù)，屬于大N小T型的面板數(shù)據(jù)，故采用Levin, Lin and Chu (2002)[23]提出的面板單位根檢驗(yàn)方法，判斷解釋變量的穩(wěn)定性。

該檢驗(yàn)的原假設(shè)為面板中的所有截面對(duì)應(yīng)的序列都是非平穩(wěn)的，備擇假設(shè)為面板中所有截面的序列均是平穩(wěn)的。各變量首先采用帶時(shí)間趨勢(shì)的滯后一階形式，如不能拒絕原假設(shè)，再采用無(wú)時(shí)間趨勢(shì)的形式進(jìn)行檢驗(yàn)，如依然不能拒絕原假設(shè)，認(rèn)為該變量面板數(shù)據(jù)不穩(wěn)定。檢驗(yàn)結(jié)果如表1所示。

表1 穩(wěn)定性檢驗(yàn)

由表1可見(jiàn)，被解釋變量ln(EI)與10個(gè)解釋變量面板數(shù)據(jù)在10%的顯著性水平上均拒絕原假設(shè)，即面板數(shù)據(jù)各數(shù)列均穩(wěn)定，不存在偽回歸問(wèn)題。

2.4 能源強(qiáng)度的影響因素分析

現(xiàn)有的空間計(jì)量方法，主要關(guān)注空間自相關(guān)項(xiàng)的系數(shù)處理與修正[15][19] [16][9]，而對(duì)可能存在的解釋變量?jī)?nèi)生性問(wèn)題缺乏有效的處理方法。本節(jié)使用Davidson-mackinon(1993)的方法對(duì)解釋變量的內(nèi)生性進(jìn)行檢驗(yàn)，對(duì)存在內(nèi)生性的解釋變量使用其滯后一期值代替原變量進(jìn)行空間回歸分析，得到更為穩(wěn)健的結(jié)果。

內(nèi)生性檢驗(yàn)：采用Davidson-mackinon(1993)提出的方法檢驗(yàn)各解釋變量(變量順序如表2所示)是否存在內(nèi)生性問(wèn)題，原假設(shè)為所有解釋變量與干擾項(xiàng)不相關(guān)（即解釋變量是外生變量），使用其滯后1至8階作為工具變量，得到Davidson-mackinon值分別為：32.77、0.99、0.15、0.28、3.67、0.66、4.99、0.24、7.16與0.09，對(duì)應(yīng)的P值分別為0.00、0.32、0.70、0.59、0.06、0.42、0.03、0.63、0.01與0.76；表明人均GDP、R&D研發(fā)水平、要素稟賦與對(duì)外貿(mào)易水平對(duì)數(shù)值的外生性假設(shè)在10%的顯著性水平上被拒絕，此四變量存在內(nèi)生性問(wèn)題，其余解釋變量均可作為能源強(qiáng)度的外生變量。

按照方程(2)的方法，根據(jù)全國(guó)高壓電網(wǎng)拓?fù)浣Y(jié)構(gòu)對(duì)空間權(quán)重矩陣W進(jìn)行賦值，由于W的賦值已充分考慮了時(shí)間效應(yīng)，故不再對(duì)時(shí)間效應(yīng)進(jìn)行分析。分別對(duì)碳排放強(qiáng)度采用SLM、SEM、SDM模型進(jìn)行回歸分析，結(jié)果如表2所示。

表2 能源強(qiáng)度的SDM回歸分析

注：***、**和*分別表示1%、5%和10%的顯著性，篇幅原因省去解釋變量的空間相關(guān)項(xiàng)，下同。

直接/間接效益：為了檢驗(yàn)直接/間接效應(yīng)的統(tǒng)計(jì)顯著性，采用Lesage and Pace(2009)[20]中的多變量殘差正態(tài)分布法模擬最大似然函數(shù)，得到各影響因素的系數(shù)值，再使用t統(tǒng)計(jì)量判斷其顯著性。為保證結(jié)果的穩(wěn)健性，模擬次數(shù)設(shè)為1萬(wàn)次，各影響因素的直接、間接與總效應(yīng)如表2所示。

（1）人均GDP（PGDP）：GMM估算（不考慮空間溢出效應(yīng)，下同）人均GDP的彈性系數(shù)為-0.816，在1%的水平下顯著。考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中電力占比的彈性系數(shù)為-0.452，在1%的水平下顯著。直接效應(yīng)為-0.437，為0的顯著性小于1%，表明各省份的人均GDP每上升1%，能源強(qiáng)度下降0.437%，表明各省份的經(jīng)濟(jì)發(fā)展模式已轉(zhuǎn)變?yōu)槟茉垂?jié)約型。間接效應(yīng)為0.453，在1%的水平下顯著，表明通過(guò)電網(wǎng)互聯(lián)的鄰接省份人均GDP上升1%，本省份能源強(qiáng)度上升0.453%?？傂?yīng)的彈性系數(shù)不顯著性，這是因?yàn)楦魇》萑司鵊DP的直接效應(yīng)顯著為負(fù)，間接效應(yīng)顯著為正，二者之和為0.015，在10%的水平下不顯著，即各省份人均GDP的變化對(duì)能源效率的影響不顯著。SDM總效應(yīng)的估算結(jié)果不顯著，而GMM的估算結(jié)果顯著，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，人均GDP對(duì)能源強(qiáng)度的影響會(huì)被高估；SLM、SEM中人均GDP的彈性系數(shù)顯著，表明不考慮人均GDP的空間溢出效應(yīng)，人均GDP對(duì)能源強(qiáng)度的影響也會(huì)被高估。

（2）能源消費(fèi)結(jié)構(gòu)（ECS）：GMM估算的電力占比彈性系數(shù)不顯著，各省份電力占比的變化不能影響能源強(qiáng)度?？紤]電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中電力占比的彈性系數(shù)為-0.128，在5%水平下顯著。直接效應(yīng)為-0.127，在5%水平下顯著，表明各省份的電力占能源消費(fèi)的比重上升1%，能源強(qiáng)度下降0.127%。同時(shí)，電力占比的間接效應(yīng)不顯著，表明中國(guó)各省份的電力占比變化無(wú)法通過(guò)電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出影響到其他省份。這是因?yàn)楦邏弘娋W(wǎng)僅作為電力的傳輸渠道，還不是能源的主要傳輸形式；相對(duì)于煤炭消費(fèi)而言，電力消費(fèi)的量較小，電力傳輸渠道導(dǎo)致的能源強(qiáng)度空間溢出效應(yīng)不顯著。SDM總效應(yīng)的估算結(jié)果顯著，GMM的估算結(jié)果不顯著，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)，電力占比對(duì)能源強(qiáng)度的影響會(huì)被忽略；SDM總效應(yīng)估算結(jié)果的絕對(duì)值小于SLM、SEM，表明不考慮電力占比的空間溢出效應(yīng)，電力占比對(duì)能源強(qiáng)度的影響會(huì)被高估。

（3）人均FDI存量（PFDIS）：GMM估算人均FDI存量的彈性系數(shù)為-0.077，在1%的水平下顯著。考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中人均FDI存量的彈性系數(shù)為-0.017，不顯著。直接效應(yīng)為-0.019，不顯著；間接效應(yīng)為-0.078，總效應(yīng)為-0.097，在5%水平下顯著?？傂?yīng)的絕對(duì)值大于間接效應(yīng)，表明各省份的人均FDI存量上升1%，能源強(qiáng)度下降0.097%，F(xiàn)DI的“污染光環(huán)”效應(yīng)較弱。SDM總效應(yīng)估算結(jié)果的絕對(duì)值大于GMM，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，人均FDI存量對(duì)能源強(qiáng)度的影響會(huì)被低估；SLM、SEM中人均FDI存量的彈性系數(shù)不顯著，表明不考慮人均FDI存量的空間溢出效應(yīng)，人均FDI存量對(duì)能源強(qiáng)度的影響會(huì)被忽略。

（4）對(duì)外貿(mào)易水平（TR）：GMM估算對(duì)外貿(mào)易水平的彈性系數(shù)為-0.096，在1%的水平下顯著。考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中對(duì)外貿(mào)易水平的彈性系數(shù)與直接效應(yīng)均不顯著。間接效應(yīng)為0.187，總效應(yīng)為0.194，在1%的水平下顯著，表明考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，對(duì)外貿(mào)易水平占GDP比重上升1%，能源強(qiáng)度上升0.194%。SDM的總效應(yīng)的估算結(jié)果符號(hào)與GMM相反，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，對(duì)外貿(mào)易水平對(duì)能源強(qiáng)度的影響會(huì)被錯(cuò)估；SLM、SEM中對(duì)外貿(mào)易水平的彈性系數(shù)不顯著，表明不考慮對(duì)外貿(mào)易水平的空間溢出效應(yīng)，對(duì)外貿(mào)易水平對(duì)能源強(qiáng)度的影響會(huì)被忽略。結(jié)合SDM中人均FDI存量的總效應(yīng)可見(jiàn)，對(duì)外開(kāi)放程度對(duì)能源強(qiáng)度的影響有正向和負(fù)向兩個(gè)方面，外資會(huì)通過(guò)對(duì)外貿(mào)易的形式，將產(chǎn)業(yè)鏈中將高耗能、高污染的產(chǎn)能向中國(guó)轉(zhuǎn)移；同時(shí)外資通過(guò)FDI流入的產(chǎn)能相對(duì)于國(guó)內(nèi)較為先進(jìn)，對(duì)能源強(qiáng)度的降低有略微的正向影響，但是，對(duì)外貿(mào)易占比上升對(duì)能源強(qiáng)度降低的負(fù)向影響大于正向影響。綜合可見(jiàn)，對(duì)外開(kāi)放程度越高，對(duì)能源強(qiáng)度上升的推動(dòng)作用越強(qiáng)，“污染天堂”效應(yīng)較為隱蔽。

（5）產(chǎn)業(yè)結(jié)構(gòu)（IS）：GMM估算產(chǎn)業(yè)結(jié)構(gòu)的彈性系數(shù)為0.441，在1%的水平下顯著。考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中產(chǎn)業(yè)結(jié)構(gòu)的彈性系數(shù)為0.376，在1%的水平下顯著。直接效應(yīng)為0.389，在1%的水平下顯著，表明各省份的第二產(chǎn)業(yè)占比每上升1%，本省份的能源強(qiáng)度上升0.389%，因?yàn)榈诙a(chǎn)業(yè)的能源強(qiáng)度高于第三產(chǎn)業(yè)。間接效應(yīng)為0.585，在1%的水平下顯著，表明通過(guò)電網(wǎng)連接省份的第二產(chǎn)業(yè)占比上升1%，本省份的能源強(qiáng)度上升0.586%，因?yàn)楦魇》莸牡诙a(chǎn)業(yè)聚集達(dá)到一定程度后，必然向其他省份溢出，而省份之間的電網(wǎng)連接保障了第二產(chǎn)業(yè)空間溢出的電力供應(yīng)，促進(jìn)了其空間溢出。SDM的總效應(yīng)的估算結(jié)果大于GMM，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源強(qiáng)度的影響會(huì)被低估；SDM總效應(yīng)的估算結(jié)果大于SLM、SEM，表明不考慮產(chǎn)業(yè)結(jié)構(gòu)的空間溢出效應(yīng)，產(chǎn)業(yè)結(jié)構(gòu)對(duì)能源強(qiáng)度的影響會(huì)被低估。

（6）R&D研發(fā)水平（RD）：GMM估算R&D研發(fā)水平的彈性系數(shù)為0.080，在10%水平下不顯著?？紤]電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中R&D研發(fā)水平的彈性系數(shù)為0.189，在1%的水平下顯著，因?yàn)镽&D研發(fā)導(dǎo)致的技術(shù)進(jìn)步是存在偏向的，分為生產(chǎn)技術(shù)和減排技術(shù)兩類（邵帥等，2016），R&D研發(fā)投入偏好在很大程度上決定了技術(shù)進(jìn)步對(duì)能源效率的影響。R&D研發(fā)的彈性系數(shù)為正，表明各省份的研發(fā)投入更多地用于生產(chǎn)技術(shù)的提高而非節(jié)能減排。直接效應(yīng)為0.186，在1%的水平下顯著；間接效應(yīng)不顯著；總效應(yīng)為0.130，在1%的水平下顯著，表明考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，R&D研發(fā)投入占GDP的比重上升1%，能源強(qiáng)度上升0.130%。SDM總效應(yīng)的估算結(jié)果大于GMM，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)，R&D研發(fā)水平對(duì)能源強(qiáng)度的影響會(huì)被低估；SDM總效應(yīng)的估算結(jié)果小于SLM、SEM，表明不考慮R&D研發(fā)水平的空間溢出效應(yīng)，R&D研發(fā)水平對(duì)能源強(qiáng)度的影響會(huì)被高估。

（7）產(chǎn)權(quán)結(jié)構(gòu)（OS）：GMM估算產(chǎn)權(quán)結(jié)構(gòu)的彈性系數(shù)為-0.125，在5%的水平下顯著?？紤]電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中產(chǎn)權(quán)結(jié)構(gòu)的彈性系數(shù)為-0.119，在1%的水平下顯著，直接效應(yīng)為-0.109，在1%的水平下顯著，表明本省份國(guó)有企業(yè)產(chǎn)值占比的提升有助于能源強(qiáng)度的降低。間接效應(yīng)為0.324，在1%的水平下顯著，表明通過(guò)電網(wǎng)互聯(lián)省份的國(guó)有企業(yè)產(chǎn)值占比上升給本省份政府帶來(lái)攀比效應(yīng)，本省份政府為攀比電網(wǎng)連接省份國(guó)有企業(yè)產(chǎn)值占比上升帶來(lái)的政績(jī)壓力，會(huì)放松對(duì)高耗能、高污染行業(yè)的管制，力爭(zhēng)短期內(nèi)提高工業(yè)產(chǎn)值以不落后于其它省份，導(dǎo)致能源強(qiáng)度上升。總效應(yīng)為0.214，在1%的水平下顯著，表明考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，各省份的國(guó)有企業(yè)產(chǎn)值占比上升1%，能源強(qiáng)度上升0.214%。SDM總效應(yīng)的估算結(jié)果符號(hào)與GMM相反，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，產(chǎn)權(quán)結(jié)構(gòu)對(duì)能源強(qiáng)度的影響會(huì)被錯(cuò)估；SLM、SEM中產(chǎn)權(quán)結(jié)構(gòu)的彈性系數(shù)不顯著，表明不考慮產(chǎn)權(quán)結(jié)構(gòu)的空間溢出效應(yīng)，產(chǎn)權(quán)結(jié)構(gòu)對(duì)能源強(qiáng)度的影響會(huì)被忽略。

（8）要素結(jié)構(gòu)(CL)：GMM估算要素結(jié)構(gòu)的彈性系數(shù)不顯著。考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中要素結(jié)構(gòu)的彈性系數(shù)不顯著，直接效應(yīng)不顯著。間接效應(yīng)為-0.234，在5%的水平下顯著，表明電網(wǎng)互聯(lián)省份勞均資本存量上升1%，會(huì)導(dǎo)致本省份的能源強(qiáng)度下降-0.234%。這是因?yàn)殡娋W(wǎng)互聯(lián)省份的產(chǎn)業(yè)偏向于資本密集型，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，則先進(jìn)的技術(shù)會(huì)向本省份溢出，導(dǎo)致本省份能源強(qiáng)度降低?？傂?yīng)為-0.298，在5%的水平下顯著，表明考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，各省份勞均資本存量上升1%，本省份的能源強(qiáng)度下降-0.298%。SDM的總效應(yīng)的估算結(jié)果顯著，而GMM、SLM、SEM估算結(jié)果不顯著，表明不考慮能源強(qiáng)度與要素結(jié)構(gòu)的空間溢出效應(yīng)，要素結(jié)構(gòu)對(duì)能源強(qiáng)度的影響會(huì)被忽略。

（9）城市化率（UR）：GMM估算城市化率的彈性系數(shù)為0.827，在1%的水平下顯著?？紤]電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，SDM中城市化率的彈性系數(shù)為0.216，直接效應(yīng)為0.222，在1%的水平下顯著，因?yàn)槌鞘腥丝谙鄬?duì)于農(nóng)村人口，人均能源消費(fèi)量較高。間接效應(yīng)為0.379，為0的顯著性水平低于10%，表明各省份之間的城市化率存在正向的空間溢出關(guān)系，而電網(wǎng)拓?fù)浣Y(jié)構(gòu)可以在一定程度上反映這種空間溢出關(guān)系?？傂?yīng)為0.601，在1%的水平下顯著，表明考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，城市化率上升1%，能源強(qiáng)度上升0.601%。SDM的總效應(yīng)的估算結(jié)果低于GMM，表明不考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間溢出效應(yīng)，城市化率對(duì)能源強(qiáng)度的影響會(huì)被高估；SDM總效應(yīng)的估算結(jié)果大于SLM、SEM，表明不考慮城市化率的空間溢出效應(yīng)，城市化率對(duì)能源強(qiáng)度的影響會(huì)被低估。

（10）能源稟賦（ED）：GMM、SLM、SEM與SDM的估算結(jié)果均不顯著，這是因?yàn)橹袊?guó)各省份的能源調(diào)配與價(jià)格受中央政府的統(tǒng)一管控，一次能源產(chǎn)地的能源優(yōu)勢(shì)不顯著。

2.5 加入12條電力線路后的電網(wǎng)拓?fù)浣Y(jié)構(gòu)對(duì)能源強(qiáng)度的影響

作為《大氣污染防治行動(dòng)》的配套政策，國(guó)家能源局于2014年5月發(fā)布《國(guó)家能源局關(guān)于加快推進(jìn)大氣污染防治行動(dòng)計(jì)劃12條重點(diǎn)輸電通道建設(shè)的通知》。由于此12條線路在2014年后陸續(xù)開(kāi)工，現(xiàn)有數(shù)據(jù)無(wú)法評(píng)估其對(duì)能源強(qiáng)度的影響效果，故采用林伯強(qiáng)等(2013)[6]所使用的反事實(shí)計(jì)量的方法，假設(shè)該12條線路在1998年初已建成投運(yùn)，據(jù)此修改空間權(quán)重矩陣，再使用SDM進(jìn)行回歸分析。將回歸結(jié)果與原空間權(quán)重矩陣的回歸結(jié)果進(jìn)行比對(duì)分析，識(shí)別出12條輸電線路對(duì)能源強(qiáng)度的影響。在不考慮空間相關(guān)性的前提下，進(jìn)行解釋變量?jī)?nèi)生性檢驗(yàn)，檢測(cè)出人均GDP、R&D研發(fā)水平、要素稟賦與對(duì)外貿(mào)易水平為內(nèi)生變量，其他解釋變量為外生變量。SDM回歸結(jié)果及直接/間接效應(yīng)如表3所示。

加入12條高壓電力線路后，電力占比的直接效應(yīng)絕對(duì)值變大，間接效應(yīng)變得顯著，總效應(yīng)絕對(duì)值變大，表明電網(wǎng)越密集，電力占比對(duì)能源強(qiáng)度的影響越大。人均GDP的直接效應(yīng)絕對(duì)值變大，間接效應(yīng)變小，總效應(yīng)依然不顯著，表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)加強(qiáng)對(duì)人均GDP的彈性系數(shù)影響較小。人均FDI存量的直接效應(yīng)、間接效應(yīng)均不顯著，說(shuō)明電力線路的拓?fù)浣Y(jié)構(gòu)不能反映FDI的空間溢出效應(yīng)。對(duì)外貿(mào)易水平的直接效應(yīng)依然不顯著，間接效應(yīng)與總效應(yīng)變小，電網(wǎng)拓?fù)浣Y(jié)構(gòu)的強(qiáng)化對(duì)對(duì)外貿(mào)易水平的影響較小。產(chǎn)業(yè)結(jié)構(gòu)的直接效應(yīng)與總效應(yīng)變大，表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)越強(qiáng)，第二產(chǎn)業(yè)占比提高對(duì)能源強(qiáng)度的影響越強(qiáng)。R&D研發(fā)水平的直接效應(yīng)略微變小，總效應(yīng)變大，表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)越強(qiáng)，R&D研發(fā)水平提高對(duì)能源強(qiáng)度的影響越強(qiáng)。產(chǎn)權(quán)結(jié)構(gòu)的直接效應(yīng)不變，間接效應(yīng)變小，總效應(yīng)變小，表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)加強(qiáng)后國(guó)有企業(yè)產(chǎn)值占比提升對(duì)能源強(qiáng)度的影響變小。要素結(jié)構(gòu)的間接效應(yīng)、總效應(yīng)變得不顯著，表明新增電力線路的方向不能反映要素結(jié)構(gòu)的空間溢出效應(yīng)。城市化率的直接效應(yīng)變大，間接效應(yīng)不顯著，總效應(yīng)變小，表明新增電力線路的方向與城市化率的空間溢出方向不一致。能源稟賦的直接效應(yīng)、間接效應(yīng)與總效應(yīng)依然不顯著。

可見(jiàn)，加入12條高壓電力線路后，各解釋變量的空間相關(guān)性發(fā)生變化，導(dǎo)致電力占比、產(chǎn)業(yè)結(jié)構(gòu)、R&D研發(fā)水平對(duì)能源強(qiáng)度的影響變大；而人均FDI存量、產(chǎn)權(quán)結(jié)構(gòu)、要素結(jié)構(gòu)、城市化率對(duì)能源強(qiáng)度的影響變??；人均GDP、對(duì)外貿(mào)易水平對(duì)能源強(qiáng)度的影響不變。能源稟賦對(duì)能源強(qiáng)度的影響依然不顯著。

表3 不同空間權(quán)重矩陣下的SDM模型回歸結(jié)果

注：***、**和*分別表示1%、5%和10%的顯著性；直接/間接效應(yīng)求取時(shí)，正態(tài)模擬的種子值設(shè)為10000。

2.6 穩(wěn)健性檢驗(yàn)

電網(wǎng)拓?fù)浣Y(jié)構(gòu)能在多大程度上體現(xiàn)各省份之間能源強(qiáng)度的地理空間溢出關(guān)系？是否與目前研究中廣泛采用的地理鄰接空間權(quán)重矩陣[11][12][13所反映的空間溢出信息一致？為驗(yàn)證基于電網(wǎng)拓?fù)浣Y(jié)構(gòu)而設(shè)置的空間權(quán)重矩陣的穩(wěn)健性，采用除西藏外的30個(gè)省份的地理空間鄰接關(guān)系建立空間權(quán)重矩陣，再采用SDM面板模型進(jìn)行回歸分析。

從表3的地理空間鄰接權(quán)重矩陣回歸結(jié)果與表2的SDM回歸結(jié)果對(duì)比可見(jiàn)：

（1）電力占比的直接效應(yīng)絕對(duì)值變大，總效應(yīng)變得不顯著。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映本省份電力占比變大，能源強(qiáng)度變小的信息，但反映幅度較小。

（2）人均GDP的直接效應(yīng)絕對(duì)值變小，間接效應(yīng)變得不顯著，總效應(yīng)不變。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映本省份人均GDP上升，能源強(qiáng)度變小的信息。

（3）人均FDI存量的直接效應(yīng)變得顯著，間接效應(yīng)與總效應(yīng)變大。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映人均FDI存量上升，能源強(qiáng)度變小的信息，但反映幅度較小。

（4）對(duì)外貿(mào)易水平的直接效應(yīng)變得顯著，總效應(yīng)變大。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映對(duì)外貿(mào)易總額占比上升，能源強(qiáng)度變大的信息，但反映幅度較小。

（5）產(chǎn)業(yè)結(jié)構(gòu)的直接效應(yīng)變得不顯著，間接效應(yīng)、總效應(yīng)變小。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映的對(duì)第二產(chǎn)業(yè)占比上升，能源強(qiáng)度變大的信息，但反映幅度較小。

（6）R&D研發(fā)水平的直接效應(yīng)與總效應(yīng)變大，間接效應(yīng)變得顯著。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映R&D研發(fā)支出占比上升，能源強(qiáng)度變大的信息，但反映幅度較小。

（7）產(chǎn)權(quán)結(jié)構(gòu)的直接效應(yīng)符號(hào)相反，間接效應(yīng)與總效應(yīng)相同。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映國(guó)有企業(yè)產(chǎn)值占比上升能源強(qiáng)度增大的信息，但對(duì)本省份直接效應(yīng)的反映較差。

（8）要素結(jié)構(gòu)的直接效應(yīng)變得顯著，但間接效應(yīng)與總效應(yīng)的符號(hào)相反。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映的要素結(jié)構(gòu)對(duì)能源強(qiáng)度的影響，與地理鄰接空間權(quán)重矩陣不一致。按照產(chǎn)業(yè)資本密集程度越高，能源強(qiáng)度應(yīng)降低的現(xiàn)象，電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣的結(jié)果較為可信。

（9）城市化率的直接效應(yīng)、間接效應(yīng)和總效應(yīng)變得不顯著。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣反映的城市化率與能源強(qiáng)度的關(guān)系較為明確。

（10）能源稟賦的直接效應(yīng)、間接效應(yīng)與總效應(yīng)的依然不顯著。表明電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣反映的能源稟賦與能源強(qiáng)度的關(guān)系，與地理鄰接空間權(quán)重矩陣一致。

3 結(jié)論

本文以電網(wǎng)建設(shè)時(shí)序?yàn)槔?，提出了一種基于基礎(chǔ)設(shè)施建設(shè)時(shí)序的空間權(quán)重矩陣構(gòu)建方法，實(shí)現(xiàn)了基礎(chǔ)設(shè)施動(dòng)態(tài)建設(shè)與空間權(quán)重矩陣常數(shù)元素賦值的對(duì)應(yīng)。采用內(nèi)生變量的滯后一期代替原變量，克服了空間面板分析不注重解釋變量?jī)?nèi)生性的問(wèn)題，得到了更為穩(wěn)健的結(jié)果。采用反事實(shí)計(jì)量的方法，根據(jù)擬建高壓電力線路修改空間權(quán)重矩陣，識(shí)別出空間溢出關(guān)系的變化對(duì)能源強(qiáng)度的影響。將基于基礎(chǔ)設(shè)施建設(shè)時(shí)序的空間權(quán)重矩陣SDM回歸結(jié)果與傳統(tǒng)的地理鄰接空間權(quán)重矩陣SDM回歸結(jié)果進(jìn)行對(duì)比分析以檢驗(yàn)其穩(wěn)健性，主要研究結(jié)論如下：

一是考慮電網(wǎng)拓?fù)浣Y(jié)構(gòu)的空間溢出效應(yīng)后，電力占比與要素結(jié)構(gòu)提升對(duì)能源強(qiáng)度改善的影響得以體現(xiàn)。對(duì)外貿(mào)易的“污染天堂”效應(yīng)被發(fā)現(xiàn)。二是《大氣污染防治計(jì)劃》配套的12條高壓電力線路改變了中國(guó)各省份之間的空間同質(zhì)性，使得電力占比、產(chǎn)業(yè)結(jié)構(gòu)、R&D研發(fā)水平對(duì)能源強(qiáng)度的影響變大；人均FDI存量、產(chǎn)權(quán)結(jié)構(gòu)、要素結(jié)構(gòu)、城市化率對(duì)能源強(qiáng)度的影響變小。三是電網(wǎng)拓?fù)浣Y(jié)構(gòu)空間權(quán)重矩陣能反映地理鄰接空間權(quán)重矩陣的主要空間溢出信息，通過(guò)強(qiáng)化和調(diào)整各省間的電網(wǎng)拓?fù)浣Y(jié)構(gòu)可以改變變量間的空間溢出關(guān)系，為通過(guò)強(qiáng)化基礎(chǔ)設(shè)施建設(shè)而減少能源強(qiáng)度的政策措施提供了理論依據(jù)。本文的實(shí)用意義在于：本文提出的基于基礎(chǔ)設(shè)施建設(shè)的空間權(quán)重矩陣方法實(shí)現(xiàn)了省間基礎(chǔ)設(shè)施連接緊密程度與研究指標(biāo)空間相關(guān)性變化機(jī)理分析的計(jì)量方法應(yīng)用創(chuàng)新。

[1] 史丹.我國(guó)經(jīng)濟(jì)增長(zhǎng)過(guò)程中能源利用效率的改進(jìn)[J].經(jīng)濟(jì)研究, 2002(9):49-56+94

Shi D. The Improvement of Energy Consumption Efficiency in China’s Economic Growth[J].Economic Research Journal, 2002, (9):49-56+94

[2] Fisher Vanden K, Jefferson G H, Liu H, Tao Q. What is driving china’s decline in energy intensity?[J]. Resource and Energy Economics, 2004, 26(1):77-97.

[3] 魏楚,沈滿洪. 結(jié)構(gòu)調(diào)整能否改善能源效率:基于中國(guó)省級(jí)數(shù)據(jù)的研究[J]. 世界經(jīng)濟(jì), 2008, 11:77-85.

Wei C, Shen M H. Can Structure Change Improve the Energy Efficiency? An Empirical Study Based on Provincial Data[J]. The Journal of World Economy, 2008, (11):77-85.

[4] 傅曉霞,吳利學(xué). 中國(guó)能源效率及其決定機(jī)制的變化—基于變系數(shù)模型的影響因素分析[J]. 管理世界, 2010, 204(9):45-54.

Fu X X, Wu L X. The Efficiency of China's Energy Resources, and the Change in its Decisive Factors[J]. Management World, 2010, 204(9):45-54.

[5] 原毅軍,郭麗麗,孫佳. 結(jié)構(gòu)、技術(shù)、管理與能源利用效率[J]. 中國(guó)工業(yè)經(jīng)濟(jì), 2012,7:18-30.

Yuan Y J， Guo L L， Sun J. Structure, Technology, Management and Energy Efficiency[J].China Industrial Economics 2012,7:18-30.

[6] 林伯強(qiáng),杜克銳. 要素市場(chǎng)扭曲對(duì)能源效率的影響[J]. 經(jīng)濟(jì)研究, 2013,9:125-136.

Lin B Q, Du K R. The Energy Effect of Factor Market Distortion in China [J]. Economic Research Journal, 2013,9:125-136.

[7] 張宇,蔣殿春. FDI環(huán)境監(jiān)管與能源消耗：基于能耗強(qiáng)度分解的經(jīng)驗(yàn)檢驗(yàn)[J]，世界經(jīng)濟(jì), 2013,36(3):103-123.

Zhang Y. Jiang D C.FDI Environmental Regulation and Energy Consumption: An Empirical Test Based on Energy Consumption Intensity Decomposition[J], The Journal of World Economy, 2013,36(3):103-123.

[8] 齊紹洲,王班班. 開(kāi)放條件下的技術(shù)進(jìn)步、要素替代和中國(guó)能源強(qiáng)度分解[J]. 世界經(jīng)濟(jì)研究, 2013,(9):3-9+87.

Qi S Z, Wang B B. Technical Progress, Factor Substitution and China's Energy Decomposition under Open Economy Condition[J]. World Economy Study, 2013,(9):3-9+87.

[9] Elhorst J.P. Spatial Econometrics From Cross-Sectional Data to Spatial Panels[M]. SpringerBriefs in Regional Science, 2014.

[10] Tobler W R. Cellular Geography[J], Theory & Decision Library, 1979, 20(12):979-386.

[11] 孫慶剛,郭菊娥,師博. 中國(guó)省域間能源強(qiáng)度空間溢出效應(yīng)分析[J]. 中國(guó)人口資源與環(huán)境, 2013,23(11):137-143.

Sun Q G, Guo J E, Shi B. The Analysis of Spatial Spillover Effect of Energy Intensity across Chinese Provinces [J]. China Population Resources and Environment, 2013,23(11):137-143.

[12] 潘雄鋒,楊越,張維維. 我國(guó)區(qū)域能源效率的空間溢出效應(yīng)研究[J]. 管理工程學(xué)報(bào), 2014, 28(4):132-136.

Pan X F, Yang Y, Zhang W W. The Spatial Spillover Effect of China＇s Regional Energy Efficiency [J]. Journal of Industrial Engineering and Engineering, 2014, 28(4):132-136.

[13] 關(guān)偉,許淑婷. 中國(guó)能源生態(tài)效率的空間格局與空間效應(yīng)[J]. 地理學(xué)報(bào), 2015,70(6):980-992.

Guan W, Xu S T. Study on spatial pattern and spatial effect of energy eco-efficiency in China [J]. Acta Geographica Sinica, 2015,70(6):980- 992.

[14] Elhorst J P. Spatial panel data models, In:Fischer MM, Getis A(eds) Handbook of applied spatial analysis[M], Springer, Berlin, Herdelberg and New York, 2010a.

[15] Lee L F, Yu J. A spatial dynamic panel data model with both time and individual fixed effects[J], Econometric Theory, 2010a, 26(2): 564- 597.

[16] Elhorst J P. Dynamic panels with endogenous interaction effects when T is small[J]. Regional Science and Urban Economics, 2010b, 40(5):272-282.

[17] Arrelano, Bond. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations[J]. Review of Economic Studies, 1991,58(2):277-297.

[18] 邵帥,李欣,曹建華,楊莉莉. 中國(guó)霧霾污染治理的經(jīng)濟(jì)政策選擇—基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究, 2016,51(9):73-88.

Shao S, Li X, Cao J H, Yang L L. China's Economic Policy Choices for Governing Smog Pollution Based on Spatial Spillover Effects [J].

Economic Research Journal, 2016,51(9):73-88.

[19] Lee L F, Yu J. Some recent development in spatial panel data models[J]. Regional Science & Urban Economics, 2010b, 40(5):255- 271.

[20] Lesage J P, Pace R K. Introduction to spatial econometrics[M]， CRC Press/Taylor & Francis Group, Boca Raton, 2009.

[21] 單豪杰. 中國(guó)資本存量K的再估算:1952～2006年[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2008,25(10):17-31.

Dan H J. Reestimating the Capital Stock of China: 1952～2006 [J]. The Journal of Quantitative & Technical Economics,2008,25(10):17-31.

[22] 周一星,田帥. 以“五普”數(shù)據(jù)為基礎(chǔ)對(duì)我國(guó)分省城市化水平數(shù)據(jù)修補(bǔ)[J]. 統(tǒng)計(jì)研究, 2006,23(1):62-65.

Zhou Y X, Tian S. Amending the Data of Provincial Urbanization of China Based on the Data of the 5th Population Census [J]. Statistical Research, 2006,23(1):62-65.

[23] Levin, Andrew, Lin, et al. Unit Root Tests in Panel Data: Asymptotic and Finite Sample Properties[J]. Journal of Econometrics, 2002,108(1):1-24.

Analysis on the spatial spillover mechanism change induced by infrastructure construction

WANG Bin, FU Qiang

(School of Economics and Business Administration, Chongqing University, Chongqing 40044, China)

The interconnection of infrastructure such as transportation, energy, and communication among Chinese provinces is used to promote economic development effectively. But there is a lack of powerful quantitative methods to evaluate the effect of the intensity of infrastructure interconnection on various economic indicators. The paper explored the spatial correlation affected by infrastructure construction by considering the regional energy intensity affected by power topology structure. Electric power is considered to be of high quality, efficient energy. Improving the proportion of electricity in energy consumption can improve regional energy efficiency. The State Grid Corp uses the opportunity to implement the strategy of UHV power grid, by connecting the western region of China with rich energy resources with the eastern region with high load via the UHV power grid. Thus, the power substitution policy in the eastern region has a solid infrastructure assurance. However, it is unclear about how to evaluate the effect one the regional energy efficiency through power ratio promotion coming from inter-provincial high voltage power grid construction. It is also unclear about the mechanism of spatial correlation of energy intensity through inter-provincial high voltage transmission channel change to improve energy efficiency. These are the main problems that have to be solved urgently.

Firstly, A new spatial weight matrix confirmation method based on 1998-2014 Chinese high voltage power grid’s topology construction sequence and its topological structure is presented to reflect the infrastructure construction effect. Secondly, spatial Dubin panel model is adapted to overcome the ignored variables bias error, and the one-period lag value of the endogenous variable is used to control the endogeneity bias, the regression results are more robust. Thirdly, the counterfactual econometric method was adopted to analyze the effect on regional energy intensity caused by the 12 high voltage power lines that support the measures of "Air pollution prevention and control plan.” Finally, this study contrasts the results of the presented spatial weight matrix conformation method with those of the conventional spatial adjacency weight matrix to prove the rationality of the method.

Firstly, the interconnection of high voltage power grid among the provinces makes regional energy intensity trends to show spatial homogeneity. The more grid lines among provinces, the higher the spatial correlation. Secondly, promoting power proportion and factor structure can reduce regional energy intensity when considering spatial correlation affected by the power grid. The “pollution halo effect” of FDI existed but “pollution heaven effect” of foreign trade was discovered. The high consumption of energy and high pollution part of the industrial was quietly transferred to China through the integration of industrial chain by foreign capital. Thirdly, the operation of 12 high voltage power lines will change the spatial homogeneity among the provinces. The effects of power proportion, industrial structure, and R&D research and development level will be strengthened. The per capita FDI stock, ownership structure, factor structure, and urbanization rate will be weakened. Finally, the regression results using the spatial weight matrix based on the topology of the power network can reflect the major information of the spatial adjacency relationship of regional energy intensity. The spatial spillover effect of regional energy intensity can be changed by adjusting the power topology structure among the provinces. The results provide a theoretical basis for policy measures to reduce regional energy intensity. Infrastructure construction effect on the index reduction can be calculated by this method. This not only realizes the theoretical innovation of spatial correlation analysis mechanism but also provides a theoretical basis for the government to adopt energy-saving policies and measures.

Power grid topology; Spatial weight matrix; Spatial Dubin Panel model; Energy intensity

2017-03-03

2017-12-19

Supported by the Ministry of Education Layout Foundation of Humanities and Social Science (13YJA630018)

A

1004-6062(2020)01-0127-009

10.13587/j.cnki.jieem.2020.01.014

2017-03-03

2017-12-19

國(guó)家教育部人文社會(huì)科學(xué)研究規(guī)劃基金項(xiàng)目（13YJA630018）

王斌（1983—），男，重慶人；重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院，博士研究生；研究方向：技術(shù)經(jīng)濟(jì)與管理。

中文編輯：杜 ??；英文編輯：Charlie C. Chen