常建新 李幸 陳藝璇

摘 要：以中國(guó)30 個(gè)省級(jí)行政區(qū)域2000—2017年的面板數(shù)據(jù)為研究對(duì)象，通過(guò)測(cè)度價(jià)格扭曲和要素錯(cuò)配的方法實(shí)證測(cè)度了30 個(gè)省級(jí)行政區(qū)域的能源錯(cuò)配程度并構(gòu)建了面板計(jì)量模型，從全國(guó)和地區(qū)層面實(shí)證檢驗(yàn)了能源錯(cuò)配與霧霾污染之間的關(guān)系。研究發(fā)現(xiàn)：30個(gè)省級(jí)行政區(qū)域均存在不同程度的能源錯(cuò)配情況，并且表現(xiàn)出了明顯的地區(qū)差異，其中，中部省份的能源錯(cuò)配程度最高，西部省份次之，東部省份的能源錯(cuò)配程度普遍小于中西部省份;無(wú)論從全國(guó)層面還是地區(qū)層面，能源錯(cuò)配對(duì)霧霾污染均有顯著的正向影響，但影響程度存在著一定的地區(qū)差異，其中，中部地區(qū)能源錯(cuò)配對(duì)霧霾污染的正向影響最大，東部地區(qū)次之，而西部地區(qū)的影響相對(duì)較弱。

關(guān)鍵詞：能源錯(cuò)配;霧霾污染;面板計(jì)量模型

中圖分類號(hào)：F205 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-626X（2020）02-0053-11

一、引言

改革開放以來(lái)，中國(guó)經(jīng)濟(jì)快速增長(zhǎng)的同時(shí)也面臨著嚴(yán)峻的環(huán)境問(wèn)題。尤其是近年來(lái)，一些城市的霧霾天數(shù)逐年增加，空氣質(zhì)量不斷惡化，對(duì)人民群眾生產(chǎn)生活造成較大影響，嚴(yán)重危害了居民的身體健康，霧霾治理已成為許多城市首要的環(huán)境治理工作。霧霾是對(duì)大氣中各種懸浮顆粒物含量超標(biāo)的籠統(tǒng)表述，其主要成分為SO2、NOx及可吸入顆粒物，前兩項(xiàng)為氣態(tài)污染物，而可吸入顆粒物（尤其是PM2.5，即空氣動(dòng)力學(xué)當(dāng)量直徑≤2.5微米的顆粒物）被認(rèn)為是霧霾天氣頻發(fā)的罪魁禍?zhǔn)??！?018中國(guó)生態(tài)環(huán)境狀況公報(bào)》顯示，2018年全國(guó)338個(gè)地級(jí)及以上城市中，空氣質(zhì)量達(dá)標(biāo)（即年均PM2.5濃度≤35μg/m3）的城市僅有121座，占全部城市數(shù)的35.8%，雖然這一比重較2017年上升了6.5個(gè)百分點(diǎn)，但空氣質(zhì)量未達(dá)標(biāo)的城市仍然占到了全部城市數(shù)的64.2%，霧霾污染問(wèn)題依然嚴(yán)峻。

“資源錯(cuò)配”是相對(duì)于資源的“有效配置”而言的，“有效配置”是指資源可以自由流動(dòng)、實(shí)現(xiàn)帕累托最優(yōu)、能夠使社會(huì)總產(chǎn)出最大化的最優(yōu)配置狀態(tài)，而“資源錯(cuò)配”是對(duì)這個(gè)最優(yōu)配置狀態(tài)的偏離[1]。受市場(chǎng)分割、政府管制、壟斷勢(shì)力等諸多因素制約，中國(guó)的主要生產(chǎn)要素資源均存在著不同程度的錯(cuò)配，市場(chǎng)優(yōu)化資源配置的功能并不能有效地發(fā)揮出來(lái)。特別在維持經(jīng)濟(jì)高速增長(zhǎng)和社會(huì)穩(wěn)定兩大發(fā)展目標(biāo)的驅(qū)使下，中國(guó)的電力、天然氣等能源價(jià)格仍處于政府的管制之中[2]，無(wú)法充分反映其稀缺程度與市場(chǎng)供求規(guī)律，導(dǎo)致了能源在地區(qū)間的錯(cuò)配。能源既是滿足居民消費(fèi)需求的終端產(chǎn)品和生活要素，更是滿足國(guó)民經(jīng)濟(jì)各行業(yè)發(fā)展不可或缺的中間投入品和生產(chǎn)要素[3]。當(dāng)前，中國(guó)正處于工業(yè)化與城市化加速發(fā)展時(shí)期，對(duì)能源的剛性需求不斷增加。據(jù)《世界能源統(tǒng)計(jì)年鑒（2019）》的統(tǒng)計(jì)顯示，2018年中國(guó)的能源消費(fèi)總量達(dá)46.4億噸標(biāo)準(zhǔn)煤，同比增長(zhǎng)3.3%，增速創(chuàng)5年來(lái)新高，且中國(guó)的能源消費(fèi)增量占據(jù)了全球能源消費(fèi)增量的1/3。與此同時(shí)，過(guò)量能源消耗所排放的SO2、NOx及PM2.5等大氣污染物，不僅給居民健康造成嚴(yán)重威脅，也給中國(guó)經(jīng)濟(jì)的綠色可持續(xù)增長(zhǎng)帶來(lái)巨大壓力。因此，要實(shí)現(xiàn)中國(guó)經(jīng)濟(jì)的綠色可持續(xù)增長(zhǎng)，必須在滿足生態(tài)環(huán)境要求的同時(shí)，提高能源配置的有效性。能源錯(cuò)配會(huì)加劇霧霾污染嗎？研究這一問(wèn)題對(duì)處于轉(zhuǎn)型升級(jí)關(guān)鍵階段的中國(guó)經(jīng)濟(jì)具有重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)回顧與機(jī)理分析

（一）文獻(xiàn)回顧

能源作為生產(chǎn)過(guò)程中的一種重要投入要素，是經(jīng)濟(jì)與社會(huì)發(fā)展的重要物質(zhì)基礎(chǔ)，是經(jīng)濟(jì)增長(zhǎng)的“動(dòng)力源”，是一個(gè)國(guó)家的經(jīng)濟(jì)命脈，同時(shí)，能源的消費(fèi)和使用也是導(dǎo)致大氣環(huán)境污染的主要原因[4]，因此，能源問(wèn)題與大氣環(huán)境污染的關(guān)系一直是學(xué)術(shù)界關(guān)注的重點(diǎn)?，F(xiàn)有文獻(xiàn)從能源消費(fèi)與大氣環(huán)境污染[5～7]、能源強(qiáng)度與大氣環(huán)境污染[8～9]、能源效率與大氣環(huán)境污染[10～12]、能源稅與大氣環(huán)境污染[13]等視角對(duì)能源問(wèn)題與大氣環(huán)境污染的關(guān)系進(jìn)行了深入研究。近年來(lái)，由于霧霾污染問(wèn)題日益嚴(yán)重，也有部分文獻(xiàn)研究了能源問(wèn)題與霧霾污染的關(guān)系。馬麗梅和張曉（2014）運(yùn)用空間計(jì)量模型探討了中國(guó)31個(gè)省份本地與異地之間霧霾污染的交互影響問(wèn)題以及經(jīng)濟(jì)變動(dòng)、能源結(jié)構(gòu)影響因素，研究發(fā)現(xiàn)，從長(zhǎng)期看改變能源消費(fèi)結(jié)構(gòu)以及優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是治理霧霾的關(guān)鍵;而從短期看，減少劣質(zhì)煤的使用是治理霧霾較為有效的途徑[14]。魏巍賢和馬喜立（2015）通過(guò)建立動(dòng)態(tài)可計(jì)算一般均衡模型，對(duì)中國(guó)能源結(jié)構(gòu)調(diào)整、技術(shù)進(jìn)步（能效提高與清潔技術(shù)進(jìn)步）與霧霾治理的政策組合進(jìn)行了模擬研究，結(jié)果表明，推進(jìn)能源結(jié)構(gòu)調(diào)整與技術(shù)進(jìn)步才是治理霧霾的根本手段[15]。冷艷麗和杜思正（2016）基于2001—2010年中國(guó)省際面板數(shù)據(jù)，考察了能源價(jià)格扭曲對(duì)霧霾污染的影響，研究結(jié)果表明，能源價(jià)格扭曲對(duì)霧霾污染具有顯著的正向影響[16]。馬麗梅等（2016）通過(guò)構(gòu)建空間杜賓模型對(duì)能源結(jié)構(gòu)、交通模式與霧霾污染的關(guān)系進(jìn)行了實(shí)證分析，結(jié)果顯示，從短期看，緩解交通擁堵、減少劣質(zhì)能源的使用是較為有效的減霾途徑，制定符合城市發(fā)展的中長(zhǎng)期布局規(guī)劃至關(guān)重要;而從長(zhǎng)期看，發(fā)展清潔能源相關(guān)技術(shù)則更具戰(zhàn)略意義[17]。唐登莉等（2017）基于2004—2013年中國(guó)30個(gè)省份、市及自治區(qū)（應(yīng)該表達(dá)為“省、直轄市和自治區(qū)”，簡(jiǎn)單一點(diǎn)就用省份）的空間面板數(shù)據(jù)，結(jié)合靜態(tài)和動(dòng)態(tài)空間面板數(shù)據(jù)模型實(shí)證分析能源消費(fèi)對(duì)霧霾污染的影響，研究發(fā)現(xiàn)，靜態(tài)和動(dòng)態(tài)空間面板數(shù)據(jù)模型均顯示能源消費(fèi)對(duì)霧霾污染具有顯著的正向影響[18]。

自從Restuccia和Rogerson（2008）[19]以及Hsieh和Klenow（2009）[20]分別從宏觀和微觀的視角提出資源錯(cuò)配測(cè)度的理論框架后，學(xué)術(shù)界已經(jīng)注意到中國(guó)市場(chǎng)化進(jìn)程中的資源錯(cuò)配現(xiàn)象。一方面，現(xiàn)有文獻(xiàn)從產(chǎn)業(yè)、區(qū)域和所有制等方面考察了中國(guó)資源錯(cuò)配的現(xiàn)狀[21～24]。另一方面，現(xiàn)有文獻(xiàn)從產(chǎn)業(yè)結(jié)構(gòu)、政府干預(yù)、行政壟斷、地方保護(hù)主義、產(chǎn)業(yè)集聚、交通基礎(chǔ)設(shè)施和企業(yè)行為等視角探討了中國(guó)資源錯(cuò)配的形成原因[25～29]。雖然現(xiàn)有資源錯(cuò)配的文獻(xiàn)已經(jīng)取得了豐富的研究成果，但在研究錯(cuò)配的對(duì)象上基本聚焦于資本、勞動(dòng)力和土地，很少有文獻(xiàn)關(guān)注能源錯(cuò)配。王芃和武英濤（2014）研究發(fā)現(xiàn)，對(duì)能源市場(chǎng)扭曲糾正后可實(shí)現(xiàn)能源產(chǎn)業(yè)TFP增長(zhǎng)43.51%，其中糾正企業(yè)間能源要素市場(chǎng)扭曲對(duì)其增長(zhǎng)貢獻(xiàn)最大[30]。孫傳旺和林伯強(qiáng)（2014）研究表明，能源要素市場(chǎng)的扭曲會(huì)導(dǎo)致能源要素向高耗能行業(yè)流動(dòng)，而約束性的能源強(qiáng)度目標(biāo)與能源價(jià)格市場(chǎng)化改革能夠改善能源要素配置效率[31]。張江洋和袁曉玲（2015）研究指出，通過(guò)降低能源扭曲能顯著提高TFP，而降低能源扭曲的有效途徑是提高企業(yè)能源利用效率、增加出口、擴(kuò)大規(guī)模、深化所有制改革并嚴(yán)格執(zhí)行環(huán)境規(guī)制制度[32]。陳詩(shī)一和陳登科（2017）的研究表明，近年來(lái)能源扭曲逐漸超越資本扭曲成為中國(guó)資源配置扭曲的首要貢獻(xiàn)者，亟需關(guān)注[33]。Yang等（2018）研究發(fā)現(xiàn)，如果能源市場(chǎng)扭曲能夠修正，中國(guó)工業(yè)部門的能源投入能夠減少10.57%[34]。

（二）機(jī)理分析

中國(guó)的市場(chǎng)化程度經(jīng)過(guò)多年的經(jīng)濟(jì)改革已經(jīng)明顯提高，但導(dǎo)致資源錯(cuò)配的體制機(jī)制仍然存在[22][35]。作為仍然處于轉(zhuǎn)型時(shí)期的發(fā)展中大國(guó)，中央和地方政府對(duì)經(jīng)濟(jì)的干預(yù)程度依然較多，尤其是財(cái)政分權(quán)后地方政府掌握了生產(chǎn)要素的定價(jià)權(quán)，為了當(dāng)?shù)谿DP的發(fā)展和政績(jī)的提高，地方政府對(duì)關(guān)鍵要素市場(chǎng)進(jìn)行控制，一定程度上扭曲了市場(chǎng)均衡狀態(tài)下資源的最優(yōu)配置水平[36]。尤其是能源作為重要的生產(chǎn)要素，其能否實(shí)現(xiàn)帕累托最優(yōu)、達(dá)到社會(huì)總產(chǎn)出最大化的最優(yōu)配置狀態(tài)一定程度上決定了中國(guó)能否實(shí)現(xiàn)經(jīng)濟(jì)的綠色可持續(xù)增長(zhǎng)。能源錯(cuò)配對(duì)霧霾污染的影響機(jī)制可能有：（1）能源的國(guó)有性質(zhì)表明，地方政府具有能源的初始配置權(quán)，即能源不是按照市場(chǎng)規(guī)律優(yōu)先分配給生產(chǎn)效率高的企業(yè)，而是分配給有政治聯(lián)系的企業(yè)，較低的能源使用成本使得這些低生產(chǎn)效率的企業(yè)僅僅通過(guò)增加能源投入便可以獲得可觀的利潤(rùn)，導(dǎo)致能源消耗過(guò)多，而能源消耗的增加勢(shì)必會(huì)加大環(huán)境壓力，進(jìn)而可能引致霧霾污染。（2）能源錯(cuò)配導(dǎo)致大量能源流向能源密集型、高能耗、高污染、重化工和低水平加工業(yè)，阻礙了能源供給與消費(fèi)結(jié)構(gòu)的升級(jí)轉(zhuǎn)型。同時(shí)，能源錯(cuò)配抑制了能源效率的提升[37]，降低了能源開采和生產(chǎn)企業(yè)的積極性，使得能源產(chǎn)出單一、品質(zhì)不高、利用效率低下，從而增加污染排放，導(dǎo)致霧霾天氣頻發(fā)。

綜上所述，現(xiàn)有文獻(xiàn)很少探討要素配置與霧霾污染的關(guān)系，對(duì)能源錯(cuò)配的研究也相對(duì)較少，而探討能源錯(cuò)配對(duì)霧霾污染的影響更尚未涉及。本文的貢獻(xiàn)主要在于：第一，參考陳永偉和胡偉民（2011）[38]的研究，提出能源錯(cuò)配的測(cè)度方法，并對(duì)30個(gè)省份2000—2017年的能源錯(cuò)配程度進(jìn)行度量;第二，以30個(gè)省份2000—2017年的面板數(shù)據(jù)為研究對(duì)象，通過(guò)構(gòu)建面板計(jì)量模型，從全國(guó)層面和地區(qū)層面實(shí)證檢驗(yàn)了能源錯(cuò)配對(duì)霧霾污染的影響程度，并有針對(duì)性地提出了政策建議。

三、研究方法與數(shù)據(jù)來(lái)源

（一）能源錯(cuò)配測(cè)度方法介紹 （注釋①是標(biāo)注在這里嗎，原文沒(méi)有）

參考陳永偉和胡偉民（2011）[38]以及Chu等（2019）[39]的研究，本文通過(guò)測(cè)度價(jià)格扭曲和要素錯(cuò)配的方法來(lái)對(duì)中國(guó)30個(gè)省份2000—2017年的能源錯(cuò)配程度進(jìn)行度量。①測(cè)度方法表示如下：

其中， 表示 省份 時(shí)期能源錯(cuò)配程度的能源錯(cuò)配指數(shù); 為 省份 時(shí)期能源價(jià)格的絕對(duì)扭曲系數(shù)，是指能源不存在扭曲時(shí)的加成狀況，體現(xiàn)了能源使用成本的絕對(duì)值信息。但是，由于缺少能源實(shí)際使用價(jià)格這一項(xiàng)重要信息，無(wú)法對(duì)其進(jìn)行實(shí)際測(cè)算，因此本文采用能源價(jià)格的相對(duì)扭曲系數(shù)對(duì)其進(jìn)行代替：

其中， 為 省份 時(shí)期能源價(jià)格的相對(duì)扭曲系數(shù);分子 為 省份 時(shí)期的能耗在經(jīng)濟(jì)體總能耗中所占的實(shí)際比例;分母 為 省份 時(shí)期的產(chǎn)出在經(jīng)濟(jì)體總產(chǎn)出中所占的份額， 為 省份的能源產(chǎn)出彈性， 為 時(shí)期所有省份總能耗對(duì)于總產(chǎn)出的加權(quán)貢獻(xiàn)值，因此，分母 度量了能源處于有效配置時(shí)， 省份 時(shí)期應(yīng)該消耗的能源在經(jīng)濟(jì)體總能耗中所占的理論比例。如果 即 ，說(shuō)明 省份 時(shí)期的能源使用成本等于經(jīng)濟(jì)體的平均水平，實(shí)際配置的能源等于有效配置時(shí)的理論水平;如果 即 ，說(shuō)明相對(duì)于經(jīng)濟(jì)體而言， 省份 時(shí)期的能源使用成本較低，導(dǎo)致該省份實(shí)際配置的能源高于有效配置時(shí)的理論水平，能源配置過(guò)度;反之如果 即 ，則說(shuō)明相對(duì)于經(jīng)濟(jì)體而言， 省份 時(shí)期的能源使用成本較高，導(dǎo)致該省份實(shí)際配置的能源低于有效配置時(shí)的理論水平，能源配置不足。

由（1）式和（2）式可知，若要得到 省份 時(shí)期的能源錯(cuò)配指數(shù) ，必須要估計(jì)出 省份的能源產(chǎn)出彈性 ?，F(xiàn)有研究普遍采用規(guī)模報(bào)酬不變的C-D生產(chǎn)函數(shù)或超越對(duì)數(shù)生產(chǎn)函數(shù)來(lái)估計(jì)要素的產(chǎn)出彈性。前者假設(shè)要素的替代彈性為1，估計(jì)形式簡(jiǎn)單;后者則更具有包容性，但由于待估計(jì)的參數(shù)數(shù)量較多，往往具有過(guò)度的共線性[40]，如果再加上能源要素，這一缺陷將變得更加明顯。因此，本文采用了最基本的規(guī)模報(bào)酬不變C-D生產(chǎn)函數(shù)，并將能源要素納入其中，具體形式如下：

其中， 、 、 和 分別表示 省份 時(shí)期的產(chǎn)出、資本投入、勞動(dòng)力投入和能源投入; 、 和 分別表示 省份的資本、勞動(dòng)力和能源產(chǎn)出彈性。參考蒲志仲等（2015）[41]的研究，令 ，對(duì)（3）式兩邊同時(shí)除以 并同時(shí)取對(duì)數(shù)，并在等式右邊加入個(gè)體效應(yīng) 、時(shí)間效應(yīng) 和隨機(jī)干擾項(xiàng) ，經(jīng)過(guò)整理便可以得到 省份能源產(chǎn)出彈性 的回歸模型如下：

本文利用30個(gè)省份2000—2017年的面板數(shù)據(jù)對(duì)（4）式進(jìn)行回歸，估計(jì)各省份的 。由于存在經(jīng)濟(jì)發(fā)展和生產(chǎn)技術(shù)水平等差異，各省份的 可能不同，參考白俊紅等（2017）[42]的研究，本文采用最小二乘虛擬變量（LSDV）模型對(duì)（4）式進(jìn)行回歸，LSDV模型通過(guò)在（4）式中引入個(gè)體虛擬變量以及其與可變系數(shù)解釋變量的交互項(xiàng)來(lái)進(jìn)行估計(jì)，從而不同省份可以得到不同的 。在估計(jì)出 后，將其帶入（1）式和（2）式，經(jīng)過(guò)計(jì)算整理，便可以得到各省份各時(shí)期的 。估計(jì) 及計(jì)算 所涉及變量名稱、符號(hào)及定義如表1所示。表1中所有變量涉及的數(shù)據(jù)來(lái)源于2001—2018年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。

（二）面板計(jì)量模型構(gòu)建

為進(jìn)一步考察能源錯(cuò)配對(duì)霧霾污染的影響，本文構(gòu)建如下面板計(jì)量模型：

其中， 和 分別表示省份和時(shí)期; 為省份個(gè)體效應(yīng); 為服從獨(dú)立同分布的隨機(jī)擾動(dòng)項(xiàng)，滿足 。上述面板計(jì)量模型所涉及變量的性質(zhì)、名稱、符號(hào)及定義如表2所示。表2中被解釋變量霧霾污染的PM2.5濃度原始數(shù)據(jù)來(lái)源于美國(guó)大氣成分分析組（Atmospheric Composition Analysis Group），該原始數(shù)據(jù)為柵格數(shù)據(jù)，精度為0.01°*0.01°，本文采用ArcGIS軟件解析出每個(gè)省份的PM2.5濃度數(shù)據(jù)，并基于對(duì)人口密度的考慮進(jìn)一步測(cè)算出30個(gè)省份2000—2017年的PM2.5年均人口加權(quán)濃度（單位：μg/m3）數(shù)據(jù)。該數(shù)據(jù)與生態(tài)環(huán)境部發(fā)布的《關(guān)于實(shí)施環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)的通知》對(duì)中國(guó)霧霾污染基本形勢(shì)的判斷大體一致，具有較高的可信度。控制變量的選取本文參考了現(xiàn)有文獻(xiàn)中影響霧霾污染程度的代表性變量。表2中其余所有變量所涉及的數(shù)據(jù)來(lái)源于2001—2018年的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。

四、實(shí)證結(jié)果與分析

（一）能源錯(cuò)配程度測(cè)算結(jié)果分析

利用Stata軟件以30個(gè)省份2000—2017年的面板數(shù)據(jù)為研究對(duì)象，對(duì)（4）式設(shè)定的LSDV模型進(jìn)行回歸，估計(jì)出各省份的能源產(chǎn)出彈性 ，然后將其帶入（1）式和（2）式，通過(guò)計(jì)算整理便可以得到各省份各時(shí)期的能源錯(cuò)配指數(shù)（見表3）②。（注釋②是標(biāo)注在這里嗎，原文也沒(méi)有。上下段兩處都用“如表3所示”不好）

如表3所示，2000—2017年各省份的能源市場(chǎng)均存在不同程度的錯(cuò)配情況，并且地區(qū)間的差異明顯。比較而言，經(jīng)濟(jì)較發(fā)達(dá)的東部地區(qū)省份能源錯(cuò)配指數(shù)的絕對(duì)值普遍小于中西部地區(qū)省份，說(shuō)明東部地區(qū)省份的能源錯(cuò)配水平普遍較低。此外，東部地區(qū)大多數(shù)省份的能源錯(cuò)配指數(shù)均大于零，表明這些省份實(shí)際配置的能源低于有效配置時(shí)的理論水平，能源配置不足。其原因可能是：（1）東部地區(qū)由于經(jīng)濟(jì)發(fā)展水平較高，對(duì)能源的需求量較大，能源配置低于與其經(jīng)濟(jì)發(fā)展程度相匹配的最優(yōu)配置水平;（2）為了摒棄高能耗、高排放、高污染的“三高”增長(zhǎng)模式，東部地區(qū)通過(guò)提高能源價(jià)格或提高資源稅等方式，抑制企業(yè)能源投入，導(dǎo)致能源配置不足;（3）東部地區(qū)經(jīng)濟(jì)增長(zhǎng)方式已逐步由粗放型向集約型轉(zhuǎn)變，節(jié)能減排環(huán)保生產(chǎn)技術(shù)的應(yīng)用以及產(chǎn)業(yè)轉(zhuǎn)型升級(jí)都導(dǎo)致了能源需求量的下降。中部地區(qū)省份的能源錯(cuò)配指數(shù)絕對(duì)值普遍高于東西部地區(qū)省份，且?guī)缀跛惺》菽茉村e(cuò)配指數(shù)為正值。其原因可能是一系列促進(jìn)區(qū)域發(fā)展的政策如“中部崛起”戰(zhàn)略，在經(jīng)濟(jì)加速發(fā)展階段，中部省份的能源需求量增長(zhǎng)迅速，導(dǎo)致能源配置不足。經(jīng)濟(jì)發(fā)展相對(duì)落后的西部地區(qū)，幾乎所有省份的能源錯(cuò)配指數(shù)都小于零，表明這些省份實(shí)際配置的能源高于有效配置時(shí)的理論水平，能源配置過(guò)度。其原因可能是為了平衡地區(qū)發(fā)展，縮小地區(qū)經(jīng)濟(jì)差距，國(guó)家通過(guò)實(shí)施“西部大開發(fā)”等戰(zhàn)略給予西部地區(qū)重點(diǎn)支持，但是由于生產(chǎn)技術(shù)水平低、企業(yè)產(chǎn)出附加值低，投入生產(chǎn)要素不能充分貢獻(xiàn)當(dāng)?shù)亟?jīng)濟(jì)，導(dǎo)致能源配置高于當(dāng)前產(chǎn)出水平下的最優(yōu)配置。

（二）面板計(jì)量模型回歸結(jié)果分析

利用Stata軟件以30個(gè)省份2000—2017年的面板數(shù)據(jù)為研究對(duì)象，對(duì)（5）式設(shè)定的面板計(jì)量模型進(jìn)行回歸，此外，鑒于本文研究期限為18年，具有一定的時(shí)間跨度，且30個(gè)省份的霧霾污染程度存在顯著差異，因此截面異方差問(wèn)題不容忽視。為此，本文采用固定效應(yīng)面板回歸方法對(duì)（5）式設(shè)定的面板計(jì)量模型分別從全樣本層面和分地區(qū)層面進(jìn)行估計(jì)，結(jié)果見表4和表5。

1.全樣本回歸結(jié)果分析

表4給出了30個(gè)省份全樣本的回歸結(jié)果。由表4可知，核心解釋變量能源錯(cuò)配指數(shù)絕對(duì)值（|τE|）的回歸系數(shù)在1%的顯著性水平為正，表明能源錯(cuò)配（|τE|）對(duì)霧霾污染（HAZE）產(chǎn)生了顯著的正向促進(jìn)作用。其原因可能是中國(guó)各省份的能源市場(chǎng)普遍存在不同程度的錯(cuò)配情況，使得能源價(jià)格低于其邊際產(chǎn)出水平，導(dǎo)致能源供給和消費(fèi)結(jié)構(gòu)不合理，能源利用效率低下，尤其是煤炭、石油等傳統(tǒng)能源甚至劣質(zhì)資源被過(guò)度消費(fèi)，而風(fēng)能、水能、太陽(yáng)能等清潔型新能源發(fā)展較為滯后，從而加劇了霧霾污染的程度。因此，降低霧霾污染的一條有效途徑是將能源錯(cuò)配水平限制在合理范圍內(nèi)，提高能源配置效率。此外，模型（1）～（9）是逐步加入其他控制變量的回歸結(jié)果，結(jié)果顯示能源錯(cuò)配指數(shù)絕對(duì)值（|τE|）回歸系數(shù)的大小、符號(hào)和顯著性水平均沒(méi)有發(fā)生大變化，說(shuō)明能源錯(cuò)配對(duì)霧霾污染的正向影響是穩(wěn)健的。

控制變量方面，經(jīng)濟(jì)發(fā)展水平（PGDP）的回歸系數(shù)在1%的顯著性水平為負(fù)，其原因可能是人們對(duì)生活質(zhì)量和環(huán)境質(zhì)量的要求隨著經(jīng)濟(jì)發(fā)展水平的提高而相應(yīng)地提高;同時(shí)，政府也有充足的資金加大對(duì)霧霾污染的治理力度，從而在一定程度上改善大氣環(huán)境狀況。能源消費(fèi)結(jié)構(gòu)（Coal）的回歸系數(shù)在1%的顯著性水平為正，與其他能源相比，煤炭的消耗對(duì)大氣環(huán)境的污染最為嚴(yán)重，其在使用過(guò)程中會(huì)產(chǎn)生大量的CO2和煙粉塵，從而會(huì)加劇霧霾污染的程度。工業(yè)結(jié)構(gòu)水平（Ind）的回歸系數(shù)均在1%的顯著性水平為正，其原因可能是第二產(chǎn)業(yè)的發(fā)展嚴(yán)重依賴化石能源，且中國(guó)長(zhǎng)期以來(lái)實(shí)行的“重重工業(yè)、輕服務(wù)業(yè)”發(fā)展戰(zhàn)略使得產(chǎn)業(yè)結(jié)構(gòu)存在諸多不合理之處，尤其是工業(yè)比重過(guò)高，經(jīng)濟(jì)增長(zhǎng)方式粗放，生產(chǎn)過(guò)程中排放出的污染物會(huì)加劇霧霾污染的程度。機(jī)動(dòng)車保有量（Vehicle）的回歸系數(shù)在1%的顯著性水平為正，說(shuō)明機(jī)動(dòng)車尾氣排放是中國(guó)城市霧霾天氣頻生的一個(gè)重要原因。房屋施工面積（House）的回歸系數(shù)在1%的顯著性水平為正，說(shuō)明房屋建筑工地的揚(yáng)塵會(huì)增加大氣中的顆粒物含量，導(dǎo)致霧霾天氣的形成。城市化水平（Urban）的回歸系數(shù)在1%的顯著性水平為正，說(shuō)明中國(guó)的霧霾污染與城市化進(jìn)程密切相關(guān)，城市化水平越高，人口密度越大，大氣環(huán)境壓力相對(duì)也較大。對(duì)外開放水平（Open）的回歸系數(shù)在10%的顯著性水平為正，根據(jù)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)數(shù)據(jù)顯示，中國(guó)絕對(duì)多數(shù)省份均呈現(xiàn)出口額大于進(jìn)口額的特征，而中國(guó)的大多數(shù)出口產(chǎn)品中尤以能源消耗型的初級(jí)制造品占比較高，這些產(chǎn)品在國(guó)內(nèi)生產(chǎn)，消耗國(guó)內(nèi)資源，排放的大氣污染物會(huì)加劇國(guó)內(nèi)的霧霾污染。最后，科技發(fā)展水平（R&D）的回歸系數(shù)為負(fù)但并不顯著，說(shuō)明隨著R&D投入的增加，直接用于治理霧霾污染的技術(shù)研發(fā)支出也隨之增加，可以降低霧霾污染程度，然而這一減霾效應(yīng)在30個(gè)省份全樣本的回歸結(jié)果中尚不明顯。

2.分地區(qū)回歸結(jié)果分析

由于各省份的經(jīng)濟(jì)發(fā)展水平與地理位置存在差異，為了考察能源錯(cuò)配對(duì)霧霾污染的影響，本文進(jìn)一步分地區(qū)進(jìn)行估計(jì)和檢驗(yàn)，各地區(qū)的回歸結(jié)果如表5所示。由表5可知，不同地區(qū)能源錯(cuò)配對(duì)霧霾污染的影響既存在較大的共性特征，也存在一定的地區(qū)差異。從共性方面來(lái)看，所有地區(qū)核心解釋變量能源錯(cuò)配指數(shù)絕對(duì)值（|τE|）的回歸系數(shù)在不同的顯著性水平均顯著為正，說(shuō)明能源錯(cuò)配程度的加重都在一定程度上加劇了地區(qū)的霧霾污染程度，這與全國(guó)層面的估計(jì)結(jié)果在方向上具有一致性，再次驗(yàn)證了能源錯(cuò)配對(duì)霧霾污染的正向影響是穩(wěn)健的。從區(qū)域差異方面來(lái)看，能源錯(cuò)配對(duì)各地區(qū)霧霾污染的影響程度不盡相同，中部地區(qū)能源錯(cuò)配對(duì)霧霾污染的正向影響相對(duì)較大，東部地區(qū)次之，相比之下，西部地區(qū)能源錯(cuò)配指數(shù)絕對(duì)值（|τE|）的回歸系數(shù)最小，顯著性也最弱。這一結(jié)果也呼應(yīng)了表3呈現(xiàn)出來(lái)的結(jié)果，即中部地區(qū)省份的能源錯(cuò)配程度普遍大于東西部地區(qū)省份，重工業(yè)也更為集中，能源消耗量大，環(huán)境壓力也相對(duì)較大，更容易出現(xiàn)霧霾天氣。

控制變量方面，分地區(qū)的回歸結(jié)果中各控制變量回歸系數(shù)的符號(hào)和顯著性水平與全樣本的回歸結(jié)果基本一致，值得注意的是經(jīng)濟(jì)發(fā)展水平（PGDP）、對(duì)外開放水平（Open）和科技發(fā)展水平（R&D）的回歸系數(shù)在東部地區(qū)的回歸結(jié)果中更為顯著，這一結(jié)果表明，繼續(xù)縮小地區(qū)間的經(jīng)濟(jì)發(fā)展差距，提升出口產(chǎn)品的科技含量，加大R&D投入力度能夠顯著減輕霧霾污染，改善大氣環(huán)境質(zhì)量。此外，東部地區(qū)的回歸結(jié)果中，機(jī)動(dòng)車保有量（Vehicle）、房屋施工面積（House）和城市化水平（Urban）的回歸系數(shù)在大小和顯著性水平方面均超過(guò)了中西部，而根據(jù)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)數(shù)據(jù)顯示，東部省份的這三項(xiàng)指標(biāo)均普遍大于中西部省份，這一結(jié)果說(shuō)明，機(jī)動(dòng)車尾氣排放、房屋建筑工地?fù)P塵以及城市人口密度增加仍然是霧霾污染加劇的主要原因。

五、結(jié)論與政策建議

本文以中國(guó)30個(gè)省級(jí)行政區(qū)域2000—2017年的面板數(shù)據(jù)為基礎(chǔ)，通過(guò)測(cè)度價(jià)格扭曲和要素錯(cuò)配的方法實(shí)證測(cè)度各省份的能源錯(cuò)配指數(shù)，構(gòu)建面板計(jì)量模型，從全國(guó)層面和地區(qū)層面對(duì)能源錯(cuò)配對(duì)霧霾污染的影響進(jìn)行了實(shí)證研究。主要結(jié)論如下：（1）30個(gè)省份的能源市場(chǎng)均存在不同程度的錯(cuò)配情況，并且地區(qū)間的差異明顯。東部地區(qū)各省份能源錯(cuò)配指數(shù)的絕對(duì)值普遍小于中西部地區(qū)，且東部地區(qū)大多數(shù)省份的能源錯(cuò)配指數(shù)都大于零;中部地區(qū)各省份的能源錯(cuò)配指數(shù)絕對(duì)值普遍高于東部和西部地區(qū)，且所有省份都出現(xiàn)了正的能源錯(cuò)配;西部地區(qū)幾乎所有省份的能源錯(cuò)配指數(shù)都小于零。其原因可能是，首先，東部地區(qū)的市場(chǎng)化水平相對(duì)較高，使得能源錯(cuò)配程度較低;其次，中部地區(qū)目前正處于經(jīng)濟(jì)快速發(fā)展時(shí)期，能源需求量大，能源利用效率低，造成了該地區(qū)能源錯(cuò)配的程度較高;最后，生產(chǎn)技術(shù)水平低，國(guó)家各項(xiàng)優(yōu)惠政策對(duì)西部地區(qū)的大力支持可能導(dǎo)致能源的投入產(chǎn)出效率低下，使得目前西部地區(qū)能源配置相對(duì)過(guò)剩。（2）無(wú)論從全國(guó)層面還是地區(qū)層面，能源錯(cuò)配對(duì)霧霾污染均有顯著的正向影響，但影響程度存在著一定的地區(qū)差異。中部地區(qū)能源錯(cuò)配對(duì)霧霾污染的正向影響最大，東部地區(qū)次之，西部地區(qū)的影響相對(duì)較弱。此外，經(jīng)濟(jì)發(fā)展水平的提高能夠顯著改善大氣環(huán)境狀況，而第二產(chǎn)業(yè)產(chǎn)值在GDP中的占比越高、能源消耗中煤炭消耗量所占的比重越大、機(jī)動(dòng)車保有量越多、房屋施工面積越多、城市化水平越高以及對(duì)外開放水平越高都會(huì)越發(fā)顯著加劇霧霾污染的程度。

針對(duì)上述研究結(jié)論的政策建議是：（1）應(yīng)加快煤炭、石油、天然氣等能源要素價(jià)格的市場(chǎng)化機(jī)制改革，減少不適當(dāng)?shù)恼O(jiān)管和干預(yù)，使能源要素的產(chǎn)品價(jià)格真正反映市場(chǎng)的供求關(guān)系和稀缺性，充分發(fā)揮市場(chǎng)機(jī)制在能源配置中的決定性作用。政府部門應(yīng)發(fā)揮好協(xié)調(diào)和監(jiān)督作用，消除省際間的行政壁壘，根據(jù)價(jià)格信號(hào)使生產(chǎn)要素在省際間合理流動(dòng)，減少能源錯(cuò)配。（2）在能源的跨區(qū)域配給上要更多地依賴市場(chǎng)機(jī)制，而不是過(guò)多地進(jìn)行行政干預(yù)，同時(shí)也要注意發(fā)展經(jīng)濟(jì)和治理環(huán)境污染的過(guò)程中的區(qū)域差異，完善區(qū)域合作治理霧霾污染的機(jī)制，形成各區(qū)域聯(lián)防聯(lián)控的格局。（3）通過(guò)多部門合作、多行業(yè)協(xié)同、多手段相互配合等手段加大對(duì)霧霾污染的治理力度，同時(shí)也要正確處理好經(jīng)濟(jì)社會(huì)發(fā)展和環(huán)境保護(hù)的關(guān)系，既要考慮經(jīng)濟(jì)和社會(huì)發(fā)展的需要，也要顧及環(huán)境和資源的承載能力，以實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)和環(huán)境的協(xié)調(diào)發(fā)展。

注釋：

鑒于西藏的相關(guān)數(shù)據(jù)缺失嚴(yán)重，因此本文的研究對(duì)象為中國(guó)4個(gè)直轄市、4個(gè)自治區(qū)及22個(gè)省份共30個(gè)省級(jí)行政區(qū)。另外，本文按照慣例將30個(gè)省級(jí)行政區(qū)劃分為東部、中部和西部三大地區(qū)，其中，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南;西部地區(qū)包括內(nèi)蒙古、重慶、四川、貴州、云南、陜西、甘肅、廣西、青海、寧夏和新疆。為了便于統(tǒng)計(jì)下文將30個(gè)省級(jí)行政區(qū)統(tǒng)稱為省份。

②由于篇幅限制，本文不列出回歸LSDV模型估計(jì)求得的各省份能源產(chǎn)出彈性βEi的具體值，如需要可向作者索取。

參考文獻(xiàn)：

[1] 陳永偉.資源錯(cuò)配：?jiǎn)栴}、成因和對(duì)策[D]. 北京：北京大學(xué)，2013.

[2] 劉殿國(guó)， 肖輝旭.泛珠三角區(qū)域能源效率影響因素的實(shí)證研究——基于社會(huì)嵌入性視角和多層統(tǒng)計(jì)模型的分析[J].軟科學(xué)，2017，（4）： 80-84.

[3] 余康.市場(chǎng)化改革、技術(shù)進(jìn)步與地區(qū)能源效率——基于1997-2014年中國(guó)30個(gè)省份的面板數(shù)據(jù)模型分析[J].宏觀經(jīng)濟(jì)研究，2017，（11）： 79-93.

[4] 沈能.能源投入、污染排放與我國(guó)能源經(jīng)濟(jì)效率的區(qū)域空間分布研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2010，（1）： 107-113.

[5] 張文靜.大氣污染與能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)的關(guān)系研究[J].中國(guó)人口·資源與環(huán)境，2016，（S2）： 57-60.

[6] 李世奇，朱平芳.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與能源消費(fèi)變動(dòng)對(duì)大氣污染的影響——基于上海投入產(chǎn)出表的實(shí)證分析[J].上海經(jīng)濟(jì)研究，2017，（6）： 82-89.

[7] 陳菡，於世為. 中國(guó)生活能源消費(fèi)的典型污染物排放及驅(qū)動(dòng)因素研究[J].中國(guó)人口·資源與環(huán)境，2017，（12）： 40-51.

[8] 李力，洪雪飛.能源碳排放與環(huán)境污染空間效應(yīng)研究——基于能源強(qiáng)度與技術(shù)進(jìn)步視角的空間杜賓計(jì)量模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017，（9）： 65-72.

[9] 趙立祥，趙蓉.經(jīng)濟(jì)增長(zhǎng)、能源強(qiáng)度與大氣污染的關(guān)系研究[J].軟科學(xué)，2019，（6）： 60-78.

[10] 杜雯翠.工業(yè)化視角下的能源效率、技術(shù)進(jìn)步與空氣質(zhì)量——來(lái)自工業(yè)國(guó)與準(zhǔn)工業(yè)國(guó)的比較[J].軟科學(xué)，2013，（12）： 109-113.

[11] 楊愷鈞，劉健露，毛博偉.大氣污染下中國(guó)工業(yè)全要素能源效率研究[J].軟科學(xué)，2018，（6）： 49-52.

[12] 楊仲山，魏曉雪. “一帶一路”重點(diǎn)地區(qū)全要素能源效率——測(cè)算、分解及影響因素分析[J].中國(guó)環(huán)境科學(xué)，2018，（11）： 4384-4392.

[13] 王德發(fā).能源稅征收的勞動(dòng)替代效應(yīng)實(shí)證研究——基于上海市2002年大氣污染的CGE模型的試算[J].財(cái)經(jīng)研究， 2006，（2）： 98-105.

[14] 馬麗梅，張曉.中國(guó)霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014，（4）： 19-31.

[15] 魏巍賢， 馬喜立.能源結(jié)構(gòu)調(diào)整與霧霾治理的最優(yōu)政策選擇[J].中國(guó)人口·資源與環(huán)境，2015，（7）： 6-14.

[16] 冷艷麗，杜思正.能源價(jià)格扭曲與霧霾污染——中國(guó)的經(jīng)驗(yàn)證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2016，（1）： 71-79.

[17] 馬麗梅，劉生龍，張曉.能源結(jié)構(gòu)、交通模式與霧霾污染——基于空間計(jì)量模型的研究[J]. 財(cái)貿(mào)經(jīng)濟(jì)，2016，（1）： 147-160.

[18] 唐登莉，李力，洪雪飛.能源消費(fèi)對(duì)中國(guó)霧霾污染的空間溢出效應(yīng)——基于靜態(tài)與動(dòng)態(tài)空間面板數(shù)據(jù)模型的實(shí)證研究[J].系統(tǒng)工程理論與實(shí)踐，2017，（7）： 1697-1708.

[19] Diego Restuccia， Richard Rogerson. Policy Distortions and Aggregate Productivity with Heterogeneous Plants[J]. Review of Economic Dynamics， 2008，（11）： 707-720.

[20] Hsieh Chang-Tai， Peter Klenow. Misallocation and Manufacturing TFP in China and India[J]. Quarterly Journal of Economics， 2009， （4）： 1403-1448.

[21] 曹玉書，樓東瑋. 資源錯(cuò)配、結(jié)構(gòu)變遷與中國(guó)經(jīng)濟(jì)轉(zhuǎn)型[J].中國(guó)工業(yè)經(jīng)濟(jì)，2012，（10）： 5-18.

[22] Loren Brandt， TervorTombeb， Zhu Xiaodong. Factor Market Distortions across Time， Space and Sectors in China[J]. Review of Economic Dynamics， 2013，（16）： 39-58.

[23] 張鐘文.資源錯(cuò)配對(duì)全要素生產(chǎn)率的影響——基于總產(chǎn)出的核算框架[J].統(tǒng)計(jì)研究，2015，（12）： 22-29.

[24] 周新苗，錢歡歡.資源錯(cuò)配與效率損失：基于制造業(yè)行業(yè)層面的研究[J].中國(guó)軟科學(xué)，2017，（1）： 183-192.

[25] 韓劍，鄭秋玲.政府干預(yù)如何導(dǎo)致地區(qū)資源錯(cuò)配——基于行業(yè)內(nèi)和行業(yè)間錯(cuò)配的分解[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014，（11）： 69-81.

[26] 靳來(lái)群，林金忠，丁詩(shī)詩(shī).行政壟斷對(duì)所有制差異所致資源錯(cuò)配的影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2015，（4）： 31-43.

[27] 季書涵，朱英明，張?chǎng)?產(chǎn)業(yè)集聚對(duì)資源錯(cuò)配的改善效果研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2016，（6）： 73-90.

[28] 周海波，胡漢輝，謝呈陽(yáng)，戴萌.地區(qū)資源錯(cuò)配與交通基礎(chǔ)設(shè)施：來(lái)自中國(guó)的經(jīng)驗(yàn)證據(jù)[J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2017，（1）： 100-113.

[29] 余壯雄，米銀霞.地區(qū)產(chǎn)業(yè)轉(zhuǎn)型中的企業(yè)行為與資源錯(cuò)配[J].中國(guó)工業(yè)經(jīng)濟(jì)，2018，（6）： 98-116.

[30] 王芃，武英濤.能源產(chǎn)業(yè)市場(chǎng)扭曲與全要素生產(chǎn)率[J].經(jīng)濟(jì)研究，2014，（6）： 142-155.

[31] 孫傳旺，林伯強(qiáng).中國(guó)工業(yè)能源要素配置效率與節(jié)能潛力研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，（5）： 86-99.

[32] 張江洋，袁曉玲.能源扭曲對(duì)全要素生產(chǎn)率的影響及對(duì)策研究[J].經(jīng)濟(jì)問(wèn)題探索，2015，（11）： 63-71.

[33] 陳詩(shī)一，陳登科.中國(guó)資源配置效率動(dòng)態(tài)演化——納入能源要素的新視角[J].中國(guó)社會(huì)科學(xué)，2017，（4）： 67-83.

[34] Yang Mian， Yang Fuxia， Sun Cuanwang. Factor Market Dstortion Correction， Resource Reallocation and Potential Productivity Gains： An Empirical Study on China's Heavy Industry Sector[J]. Energy Economics， 2018，（69）： 270-279.

[35] 白俊紅，劉宇英.對(duì)外直接投資能否改善中國(guó)的資源錯(cuò)配[J].中國(guó)工業(yè)經(jīng)濟(jì)，2018，（1）： 60-78.

[36] 雷達(dá)，張勝滿.超越要素價(jià)格扭曲的新“外向型”發(fā)展戰(zhàn)略——基于二元邊際分析與產(chǎn)品內(nèi)分工雙重視角的實(shí)證研究[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2015，（7）： 24-35.

[37] 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.

[38] 陳永偉，胡偉民.價(jià)格扭曲、要素錯(cuò)配和效率損失：理論和應(yīng)用[J].經(jīng)濟(jì)學(xué)（季刊），2011，（4）： 1404-1422.

[39] Chu Xiaoxiao， Geng Hong， Guo Wen. How Does Energy Misallocation Affect Carbon Emission Efficiency in China？ An Empirical Study Based on the Spatial Econometric Model[J]. ?Sustainability， 2019， 11（2115）： 1-16.

[40] 戴魁早.要素市場(chǎng)扭曲如何影響出口技術(shù)復(fù)雜度？——中國(guó)高技術(shù)產(chǎn)業(yè)的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)學(xué)（季刊），2019，（1）： 337-366.

[41] 蒲志仲，劉新衛(wèi)，毛程絲.能源對(duì)中國(guó)工業(yè)化時(shí)期經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，（10）： 3-19.

[42] 白俊紅，王鉞，蔣伏心，李婧.研發(fā)要素流動(dòng)、空間知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)[J].經(jīng)濟(jì)研究，2017，（7）： 109-123.

[43] 張軍，吳桂英，張吉鵬.中國(guó)省際物質(zhì)資本存量估算：1952-2000[J].經(jīng)濟(jì)研究，2004，（10）： 35-44.

[44] 季書涵，朱英明，張?chǎng)?產(chǎn)業(yè)集聚對(duì)資源錯(cuò)配的改善效果研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2016，（6）： 73-90.

（責(zé)任編輯：彭晶晶）