在实际经济问题研究中,面板数据因受到各种因素(如全球化趋势的加强,使得各个经济体之间存在显著的相关性)的影响,导致面板数据截面相关,而截面相关问题使得面板数据的分析(如单位根和协整检验)变得更加复杂。若忽视截面相关性的存在,不仅会降低模型的精度,而且甚至会产生相反的错误结论。因此,检验面板数据截面相关性以及截面相关下面板数据的单位根和协整检验对于建立合理的计量模型有着重要的理论意义和现实意义。第一代面板数据单位根和协整检验中均假设截面数据相互独立,如Levin,Lin和Chu(1997)、Im,Pesaran和Shin(1997)提出的单位根和协整检验,然而O’Connell(1998)通过研究PPP理论时,发现在进行单位根检验中若忽视截面相关性的存在会造成较大的尺度扭曲,导致研究结果缺乏可信度。因此,学术界提出并发展了考虑截面相关性的第二代面板数据单位根和协整检验,但国内关于截面相关性检验的研究文献仍然很少,该理论的发展尚未成熟,仍具有较大的研究潜力。近年来,随着计算机模拟仿真技术的不断发展以及贝叶斯方法能充分利用先验信息和样本信息进行推断检验,提高模型可信度的独特优势,使得贝叶斯分析方法受到国内外学者的广泛应用。本文基于国外关于贝叶斯方法的相关文献,引入了贝叶斯面板数据推断方法检验能源消费区域的空间相关性。本文在引入贝叶斯面板数据推断方法前,结合面板聚类分析方法原理以及K-means算法的特点,提出了基于K-means算法的面板聚类分析方法,实现面板数据的识别与分类；然后运用该方法将我国划分为四个不同的能源消费区域。随着低碳经济政策的建立以及经济增长方式的改变,能源消费与经济增长的关系已成为国内外研究热点,一方面,实现我国能源消费模式(区域)的识别与归类,对制定差异化的区域政策有着重要的现实意义；另一方面,检验区域能源消费空间相关性,并进一步分析能源消费强度与经济增长之间的长期均衡关系,具有重要的理论意义。论文的主要工作和创新：一、选取我国29个地区(省、直辖市和自治州)1990-2009年的人均能源消费总量、能源消费强度和人均实际GDP面板数据,考虑各地区产业结构、能源利用效率以及经济发展程度的差异性,根据能源消费分解式构造了评价地区能源消费的“综合指数体系”。二、扩展了K-means聚类算法在面板数据中的应用,提出了K-means面板聚类分析方法,并根据“综合指数体系”所计算的三组面板数据将我国划分为四个不同的能源消费模式(区域),该划分方法克服了传统区域划分方法中未综合考虑各地区的产业结构、能源利用效率以及经济增长的差异性。三、引入了贝叶斯面板数据推断方法,检验四个能源消费区域的空间相关性,检验结果表明：我国的能源消费区域具有显著的空间相关性。四、考虑面板数据中截面相关,采用了Bai和Ng(2004)提出的PANIC方法,检验了四个不同能源消费区域的能源消费强度与人均实际GDP是否存在协整关系,实证结果表明：四个不同能源消费区域的能源消费强度与人均实际GDP仍然存在协整关系,即能源消费强度与人均实际GDP仍存在长期均衡关系。