论文部分内容阅读
摘要：本文选取2007～2012年中国省际面板数据，利用泰尔指数、基尼系数及对数离差均值等指标对中国能源消费区域差异进行测度，并基于Shapley值分解方法，对中国能源消费差异的成因进行分解。实证结果表明，中国能源消费区域差异呈现逐年缩小的特征，且东部地区能源消费区域差异最为明显，西部次之，中部地区能源消费区域差异最小。Shapley值分解结果表明经济发展水平对能源消费区域差异的贡献最大，城市化次之，政府干预是能源消费区域差异的第三大贡献因素，且贡献度呈现逐年递增特点，研发投入及对外开放水平的提高有助于缩小能源消费的区域差异。
关键词：能源消费；区域差异；成因分解；Shapley值
中图分类号：F062.1 文献标识码：A DOI：10.3969/j.issn.1003-8256.2016.01.008
1 研究背景与文献综述
伴随着中国经济的持续高速增长，能源需求日益增加，中国已成为继美国之后的全球第二大能源消费国。当前，我国能源供需矛盾日益突出，降低能源消耗，缓解能源供需矛盾，已经成为我国实现经济可持续发展的重要议题。探究我国能源消费的区域差异特征，明确我国能源消费区域差异的成因，从而为制定节能措施提供参考，有助于更为科学的制定区域能源发展规划和发展战略，提高能源利用效率。
全球化的深入发展以及绿色经济理念在全球的兴起，降低能源消耗，实现节约、清洁生产已日益成为人们的共识。近年来，学术界对能源消费的研究日益增多。Guerra （2012）研究了荷兰能耗法规对住宅能耗的影响，其研究认为荷兰能耗法规的公布确实有效降低了住宅能耗[1]。Zhou.et al（2012）研究了中国城市化中的能源消费模式，其研究发现经济增长、外贸出口及中国国内需求是能源消费增长的最重要驱动因素[2]。Liddle（2015）实证分析了人口、年龄结构、家庭规模、城市化及人口密度对能耗与碳排放的影响，研究结果表明，平均家庭规模大小与交通能源使用、碳排放呈负相关关系，城市化与能源消耗呈正相关关系，较高的人口密度与较低水平的能源消耗、碳排放有关[3]。Abid et al（2014）以突尼斯为例考察了能源消费与工业生产的关系，研究结果表明工业生产是引起石油消费的格兰杰原因，然而石油消费与工业产值并不存在直接的格兰杰因果关系，从短期来看，工业产值的增长与能源消费存在格兰杰因果关系[4]。熊妍婷（2011）研究了对外贸易与能源消费的关系，其研究表明中国出口与能耗，进口与能耗均存在双向正向作用[5]。马珩（2012）、王蕾和魏后凯（2014），就工业化、城镇化对能源消费的影响进行研究，结果表明，城镇化、工业化均对中国能源消费有正向影响[6，7]。赵爱文等（2014）的研究认为人均GDP的增加是能源消费增加的驱动力，能源强度的下降对能源消费增长具有抑制作用，而工业能源强度对能源强度影响最大[8]。曹翠珍和赵国浩（2015）研究了区域物流发展、经济增长与能源消费的关系，其研究认为中国能源强度与物流发展呈反向关系，物流的发展能有效的降低能源强度[9]。但从文献分析中发现，关于能源消费的区域差异特征及影响因素的研究文献却较少，在少量的研究中，康晓娟和杨冬民（2008）利用泰尔指数测度了中国能源消耗的区域差异特征，研究结果表明中国区域能源消费的总差异主要源于区域内差异，且无论是从全国层面还是东中西部层面，能源消耗的区域差异均呈现缩小的趋势[10]。
本文对于能源消费区域差异问题的研究可能的创新在于：（1）综合利用了基尼系数、对数离差均值和泰尔指数对能源消费区域差异进行测度，从而更能准确的测度能源消费的区域差异特征，而在以往的研究中，较多的采用单一指标测度；（2）利用Shapley值分解方法，对能源消费区域差异成因进行分解，对影响能源消费区域差异的各因素进行贡献测度和排序，能够甄别出各影响因素的相对重要性，从而明确区域差异形成的根源，这对于更好的制定能源消费政策和发展战略具有重要意义，而在国内能源研究领域，这种分析方法却较为罕见，因此在研究方法上，弥补了已有研究的不足。
2 中国能源消费的区域差异测度
在衡量区域差异的指标中，基尼系数对变量数据中处于中等水平的数据变化较为敏感，泰尔指数对处于较高水平的数据变动较为敏感，对数离差系数对数据中处于较低水平数据变动较为敏感，为了更为科学的反映差异状况，本文分别利用以上3种指标对能源消费区域差异进行测度，这些指标数值越大表示差异越大。考虑到数据的可得性及保持统计口径的异质性，考察时间跨度为2007～2012年，由于可获得的数据中，西藏自治区数据不全，因此本文对能源消耗的研究对象仅包含除西藏外的中国大陆30省市数据。
2.1 全国30省市能源消耗差异测度
2007～2012年，中国能源消费逐年增加，由2007年的31.90亿吨标准煤，逐步上升至2012年的44.32亿吨标准煤，年均增长6.81%。能源消费逐年上升的同时，区域差异呈现日益缩小的特征。相应指标测度结果如表1所示，从基尼系数（GINI）看，2007～2012年，我国能源消费基尼系数由2007年的0.345下降至2012年的0.323，基本呈逐年下降趋势，对数离差均值（GE0）由0.222降至0.194，泰尔指数（GE1）由0.193降至0.170，可以看出无论从基尼系数、对数离差均值还是泰尔指数，中国能源消费的区域差异均呈现逐年缩小的特点。从能源消费的区域分布看，山东、河北、广东、江苏等省份能源消耗量居于30省份前列，而甘肃、宁夏、青海、海南等省份能源消费则较低。
数据来源：各年《中国能源年鉴》及EPS全球统计数据库数据整理得到
2.2 东、中西部能源消耗差异测度
根据国家统计局对3大经济带的区域划分， 将所考察的中国大陆30省份划分为东部、中部和西部，其中东部包括北京、天津、辽宁、河北、上海、江苏、浙江、福建、山东、广东、广西和海南12个省份； 中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南9个省份； 西部包括云南、四川、重庆、贵州、陕西、甘肃、青海、宁夏和新疆9个省份。 2007～2012年，我国东、中西部省份能源消费均呈上升特点，东部12省份能源消费均值由13545万吨标准煤上升至18127万吨标准煤，年均增长6.02%，中部9省份能源消费均值由10968万吨标准煤上升为15331万吨标准煤，年均增长6.94%，西部9省份能源消费均值由6414万吨标准煤上升至9746万吨标准煤，年均增长8.75%，从东、中西部能源消费可以看出，东部为我国能源消费最高区域，中部次之，而西部最低，而从能源消耗增长速度来看则正好相反，西部能源消费增长速度高于中部，而东部能源消费增长速度最低。
图1 不同区域能源消费差异的基尼系数动态变动情况
数据来源：《中国能源年鉴》及EPS全球统计数据库，经相应指标计算得到
图1所示的是2007～2012年，东、中西部地区能源消费区域差异及动态变化情况。东部地区能源消耗区域差异最大，基尼系数保持在0.34～0.35之间，2010年以前东部地区能源消费基尼系数略高于全国水平，而2010年后东部地区能源消费基尼系数由0.35下降至0.33，且低于全国水平。西部地区能源消费区域差异小于东部地区，基尼系数维持在0.24～0.25，低于同期全国水平。而中部地区能源消费区域差异最小，基尼系数维持在0.18～0.20，且有逐年下降特点。综合来看，我国能源消费呈现由沿海向内陆递减的态势，而能源消费增速则表现为从内陆向沿海递增特点，东部省份能源消费的省域差异最大，西部次之而中部地区差异最小。
3 能源消费区域差异影响因素及实证检验
3.1 能源消费区域差异的影响因素分析
一个地区的能源消费受诸多因素影响，产业结构、经济发展、人口特征等均有可能对能源消费区域差异的形成产生影响。本文仅考察经济发展、研发投入、经济开放度、城市化水平及政府干预等因素在能源消费区域差异形成中的机制及影响路径。
（1）经济发展水平（GDP）。经济的发展带来经济部门的扩张，特别是工业部门的扩张，引起能源需求的快速增长，在能源技术效率不能迅速提高的情况下，工业部门的扩张必然带来能源消费的持续增长。经济发展带来也使居民收入得到提高，根据收入消费理论，居民收入的增长必然带来消费支出的增长和消费结构的升级，特别是居民将增加家电、汽车等消费品的支出，进而引起能源消费需求的持续增长。
（2）研发投入（RD）。研发投入的增加通过促进技术进步与技术创新，进而提高能源利用效率，降低能源消耗。技术进步对能源的影响是通过两种路径实现的，技术进步通过提高能源的边际生产率进而提高能源利用效率，降低能源消耗，技术进步也通过改变能源与其他要素的边际替代率而影响能源的边际产出（王班班和齐绍洲，2014）[11]。
（3）经济开放程度（OPEN）。经济开放程度越高，越有利于要素的国际流动，国际间的商品、技术贸易将有利于技术传播，国际贸易通过技术溢出效应，对能源效率的提高产生积极影响。因此经济开放程度的提高将有利于能源利用的节约。
（4）城市化水平（URB）。城市化对能源消费的影响效应具有两面性，城市化水平的提高，促进了居民收入的增长，提高居民的消费层次，并且改变居民的消费支出结构，特别是汽车、家电及相关耗能产品的消费将大幅提高，这将提高整个社会的能源需求，另一方面，城市化过程也是要素向城市集中过程，这个过程使得要素利用效率得到提高，特别是城市化水平的提高将有利于产业结构优化、技术进步与技术创新，进而有利于节约能源。城市化对能源消费的影响将取决于城市化对能源消费的正负效应的大小。
（5）政府干预（EXP）。政府对经济的干预将通过影响资源配置效率而对能源消费的节约产生负面影响，这种负面影响，可能由于地方政府的政绩冲动和道德风险的产生而得到加强。政府干预，不利于市场的有效竞争，影响企业进行技术创新和技术改造活动，从而不利于能源消费的节约。地方政府的政绩冲动，易使其保持一些高耗能企业的存在，如本不该获得补贴的企业获得能源补贴，使得企业缺乏降低包括能源消耗在内的各项成本的激励，而一些应该获得补贴的企业却得不到政府的有效支持。
3.2 能源消费区域差异影响因素的实证检验
3.2.1 变量的选取与数据来源
本文选取中国各地区能源消费量作为被解释变量，并记为ED。分别选取经济发展水平（GDP）、研发投入（RD）、经济开放程度（OPEN）、城市化水平（URB）、政府干预状况（EXP）等作为解释变量。考虑到数据的可获得性及保证统计口径的一致性，将考察的时间跨度设定为2007～2012年，在地区选择上，由于西藏地区数据不全，且其数据与其他地区数据相比差异较大，因此将西藏排除在考察范围之外，如此我们仅选择2007～2012年中国大陆30省份、直辖市、自治区面板数据作为变量的数据基础，数据来源于各年《中国能源年鉴》及EPS全球统计数据库。
3.2 模型的设定与估计方法
以上分析了各因素对能源消费可能产生的影响，我们进一步通过构建计量模型对这些因素实际影响能源消费情况进行实证检验，根据以上分析，我们将模型设定如下：
⑴
其中为常数项，为变量系数，代表地区，代表时期，为随机误差项。各变量的数据统计性特征如表2所示：
表2 模型变量的描述性统计
变量名 含义 样本个数 均值 标准差 最小值 最大值
ED 能源消费量（吨标准煤） 180 126000000 79600000 10600000 389000000
GDP 国内生产总值（万元） 180 139000000 114000000 7973500 571000000
EXP 政府财政支出（万元） 180 23300000 13800000 2418545 73900000 RD 研发投入（万元） 180 2331642 2623037 26000 12900000
OPEN 进出口总额（万元） 180 65300000 115000000 400857 621000000
URB 年末城镇人口（人） 180 21900000 13900000 2211864 71400000
为了选择合适的估计方法，我们利用F统计量、LM检验及Hausman检验，选择静态面板估计方法。F统计量所对应的p=0.0000说明FE明显优于混合回归，而LM检验所对应的p=0.0000，说明RE也明显优于混合回归，进一步利用Hausman检验对随机效应和固定效应做出选择，Hausman检验所对应的p=0.0000，说明在固定效应（FE）和随机效应（RE）中应该选择FE，FE效应模型组内R2=0.94，且各变量均较为显著。然而，如果存在组内自相关、组间异方差和组间同期相关的情况下，则不能简单的使用固定效应模型，因此需要进行进一步检验，我们利用Wooldridge检验方法对是否存在组内自相关进行检验，同时利用Pesaran检验方法对是否存在组间同期相关情况进行检验，利用Greene所提供的检验异方差的沃尔德检验，对是否存在组间异方差进行检验，检验结果表明同时存在组间异方差、组内自相关及同期相关情况，基于此，我们利用全面广义最小二乘法（FGLS）对计量模型进行估计，以下表4的模型（4）为考虑同时存在组间异方差、同期相关及组内自相关情形，利用广义最小二乘法（FGLS）的估计结果，同时为了便于比较，表4中分别列出了各种回归结果，模型（5）为仅考虑组内自相关的FGLS的估计结果。基于以上检验分析，最终选择模型（4）作为我们的估计方程。
3.3 回归模型的结果解释
表3报告了模型回归的结果，模型（4）的回归结果中，我们发现各变量系数均在1%或5%水平上显著，且GDP、EXP及URB系数符号显著为正，这说明经济发展水平的提高、政府干预经济的加强及城市化的推进，均对能源消费有显著的正向影响。经济发展带来居民收入增长，将提高居民消费层次和引起消费结构的变革，在经济发展水平较低时，居民收入水平通常也较低，此时居民更多的关注于食物消费，而在其他消费物品支出较少，随着经济发展水平的提高，居民收入增长，居民消费能力得到增强，消费层次得以提高，消费结构得到改善，居民将更多的消费工业产品如：购买汽车和家电，这种消费支出的增长，对能源消耗产生显著的正向影响。同时，经济增长使工业部门实现扩张，增加了能源消费需求，对能源消费产生显著的正向影响。政府干预经济的后果易引起资源配置的扭曲，政府可能迫于经济增长压力，而保留了本应该淘汰的落后产能，进而限制了新技术的运用，使得能源效率得不到有效提高。政府干预导致市场无法实现有效竞争，使得企业缺乏进行技术改造和技术革新的激励，限制了能源利用效率的提高，因此政府干预经济对能源消费的下降起到阻滞作用，提高了能源消费水平。城市化对能源消费具有正向影响，主要原因在于城市化与工业化是相辅相生的，城市化过程也是工业化过程，农村人口向城市集中，为工业部门的发展提供了充裕的劳动力资源，这使得企业更倾向于雇佣劳动，而不是进行技术改造，用技术和资本替代劳动，企业的技术改造惰性将影响企业生产技术效率的提高和产业结构优化。同时城市化的推进，也通过促进经济增长和提高居民收入影响能源消费，我国城市化过程中，居民收入水平实现了较高增长，随着居民在汽车、家电、住宅等方面的消费支出增长，势必提高我国整个社会的能源消耗水平。RD和OPEN的符号显著为负，说明研发投入所带来的技术进步和技术创新有利于能源消费的节约，对降低能源消费具有积极的影响。经济开放水平的提高有助于降低能源消费水平，主要原因在于经济开放水平的提高，促进了国际要素流动，特别是国际贸易的开展，带来了技术溢出和技术传播，这将有利于能源利用效率的提高，进而降低了能源消耗。 模型（4）回归结果表明，经济发展、政府干预、对外开放水平、研发投入及城市化均对能源消费有显著影响。由于我国各地区经济发展水平、政府干预、对外开放水平、研发投入状况均有较大差异，这成为各地区能源消费差异的重要原因。那么这些因素对我国能源消费区域差异贡献如何，这需要借助于Shapley值分解，做进一步分析。
表3 模型估计结果
OLS FE RE FGLS FGLS
（1） （2） （3） （4） （5）
GDP 0.796*** 0.394*** 0.382*** 0.357*** 0.687***
（0.000） （0.000） （0.000） （0.000） （0.000）
EXP -0.398 0.866*** 0.564*** 0.748** -0.602***
（0.543） （0.000） （0.000） （0.007） （0.000）
RD -5.920 -5.166*** -5.872*** -6.171*** -8.217***
（0.208） （0.000） （0.000） （0.000） （0.000）
OPEN -0.264*** -0.0930*** -0.0976*** -0.0532*** -0.308***
（0.001） （0.001） （0.001） （0.000） （0.000）
URB 1.464 -0.670 1.821*** 1.621*** 3.860***
（0.120） （0.335） （0.000） （0.000） （0.000）
C 22750547.5* 83182594.0*** 39218204.0*** 33770999.9** -14123704.3 （0.021） （0.000） （0.000） （0.004） （0.398）
N 180 180 180 180 180
adj. R2 0.85032492 0.93786712
AIC 6724.2 5976.9 . . .
注：表中*表示在5%的显著性水平下，估计系数显著异于0；**表示在1%的显著水平下，估计系数显著异于0；***表示在0.1%显著性水平下，估计系数显著异于0。
3.4 基于Shapley值分解结果
Shapley值分解方法是Shorrocks（1999）提出的一种分解不平等的方法，是一种基于回归方程的分解方法，能够克服简单回归分析和常规指数分解的局限性，得到影响因素对被解释变量贡献度和排序（孙晓华，2014）。这种方法相对于其他不平等分解方法具有许多优势，如它对不平等指标的使用没有任何限制，它不需要预先设定等式只需要估算出回归方程即可，而且对回归方程也没有什么限制（万广华，2009）。Shapley值分解方法具有的优势，本文将其运用于分解中国能源消费区域差异的影响因素，计算出各个变量的贡献率及排序，从而明确各因素在影响能源消耗区域差异方面的相对重要性。在利用Shapley值进行分解之前，需要明确用于分解的回归方程，我们在以上部分已经估算出以下回归方程：
⑵
基于以上回归方程，利用联合国发展研究院开发的java软件，对各影响因素进行Shapley值分解。衡量区域差异有多种指标，为了更为准确的分解各变量的贡献度及排序，本文综合使用基尼系数（GINI）、对数离差均值（GE0）和泰尔指数（GE1）等指标计算出个影响因素的贡献率后，进行加权平均计算出三个指标的平均贡献率，并按照平均贡献率对各变量的贡献度进行排序。分解结果见表4。
分解结果显示，经济发展水平对能源消费区域差异的贡献最大，平均贡献率由2007年的56.86%，逐年上升至2012年的68.58%，这说明我国能源消费区域差异问题的产生，很大程度上可以归结为地区经济发展程度的差异，经济发展程度越高的地区其能源消费需求越大，经济发展程度越低地区能源消费需求越小。城市化是导致能源消费区域差异的第2大贡献因素，然而，平均贡献率已由2007年的46.69%下降至2012年的35.05%，这反映出随着城市化水平的提高，城市化对能源消费区域差异的影响将逐步下降的趋势，政府对经济的干预是影响能源消费区域差异的第3大贡献因素，且贡献度呈逐年上升特点，平均贡献率由2007年的10.43%上升至2012年的16.37%，这说明政府对经济的干预，对能源消费区域差异的影响逐年显现，对能源消费差异扩大有负面影响。研发投入对能源消费的省域差异的贡献率为负，且平均贡献率逐年上升，这说明我国对研发投入，对缩小地区能耗差异作用日益显现，成为缩小地区能耗的重要因素，对外开放水水平的提高对缩小能源消费的区域差异有积极影响，然而贡献率处于较低水平。
表4 各变量分解结果
年份 经济发展水平 政府财政支出 研发投入 进出口规模 城市化
贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序
2007年 56.86 1 10.43 3 -8.78 5 -5.20 4 46.69 2
2008年 60.03 1 11.72 3 -10.42 5 -4.66 4 43.32 2
2009年 61.45 1 13.10 3 -12.36 5 -4.71 4 41.67 2
2010年 64.37 1 14.11 3 -13.33 5 -4.30 4 39.15 2
2011年 67.39 1 15.30 3 -14.82 5 -4.03 4 36.16 2
2012年 68.58 1 16.37 3 -16.34 5 -3.66 4 35.05 2
5 结论与启示
本文选取2007～2012年全国30省份面板数据，利用基尼系数、对数离差均值及泰尔指数，对中国能源消费区域差异情况进行测度，发现我国能源消耗区域差异呈逐年缩小趋势，从东、中西部来看，东部地区省份能源消费区域差异最大，西部次之，而中部地区省份能源消费差异最小。实证分析结果表明，各地区经济发展、政府干预、研发投入、经济开放程度及城市化进程差异均为影响能源消费区域差异的重要因素，其中经济发展水平的提高、政府对经济干预的加强及城市化水平的提高，对能源消费的增长具有显著的正向影响，而研发投入的增加及经济开放水平的提高，有助于降低能源消费。Shapley值分解结果表明经济发展是造成能源消费区域差异的最主要因素，其贡献率从2007年的56.86%上升至2012年的68.58%，城市化是能源消费区域差异的第2大影响因素，但贡献率呈现逐年下降态势，贡献率由46.69%，降至35.05%。政府对经济的干预是能源消费区域差异的第3大影响因素，且影响效应逐年显现。研发投入及经济开放程度的提高有助于缩小能源消耗的区域差异，且贡献率呈逐年上升的特点。
基于以上结论，我们提出如下政策启示：
要降低能源消耗，实现能源消费由粗放型向节约型转变，需要在以下几方面加强关注：（1）提高市场化水平，充分利用市场机制对资源配置的决定性作用，通过创造公平、平等的竞争环境，实现企业间的公平有效竞争，通过市场竞争淘汰落后产能，实现资源利用效率的提高；（2）加大技术研发投入力度，让企业技术创新活动有充足的政策支持，加大对企业创新活动的财政支持力度，使创新活动成为企业的一种自觉行为；（3）不断提高对外开放水平，扩大国际交流，继续实行引进来和走出去战略，鼓励引进国外先进的技术和管理经验，同时限制引进国外落后产能和高耗能产业；（4）要在城市化过程中，提高整体国民科学文化素质，加快城市产业结构优化升级，以便为节约能源消耗提供良好的产业基础和劳动力基础。 参考文献：
[1] Guerra-Santin O，Itard L. The effect of energy performance regulations on energy consumption[J].Energy Efficiency， 2012，5（3）：269-282.
[2] Zhou W，Zhu B，Chen D，et al. Energy consumption patterns in the process of China’s urbanization[J]. Population and Environment， 2012，33（2-3）：202-220.
[3] Liddle B. Impact of population， age structure， and urbanization on carbon emissions/energy consumption： evidence from macro-level， cross-country analyses[J]. Population and Environment， 2014，35（3）：286-304.
[4] Abid M，Mraihi R. Energy Consumption and Industrial Production： Evidence from Tunisia at Both Aggregated and Disaggregated Levels[J]. Journal of the Knowledge Economy，2014：1-15.
[5] 熊妍婷.对外贸易与能源消耗：基于中国面板数据的经验分析[J]. 财贸研究， 2011（6）：70-75.
[6] 马珩. 中国城市化和工业化对能源消费的影响研究[J]. 中国软科学，2012（1）：176-182.
[7] 王蕾， 魏后凯. 中国城镇化对能源消费影响的实证研究[J]. 资源科学，2014（6）：1235-1243.
[8] 赵爱文，何颖，王双英 等. 中国能源消费的EKC检验及影响因素[J]. 系统管理学报， 2014（03）：416-422.
[9] 曹翠珍，赵国浩. 区域物流发展、经济增长与能源消费——基于中国省际面板数据的实证分析[J]. 财贸研究， 2015（2）：44-52.
[10] 康晓娟，杨冬民. 基于泰尔指数法的中国能源消费区域差异分析[J]. 资源科学，2010（3）：485-490.
[11] 王班班，齐绍洲. 有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究，2014（2）：115-127.
[12] 孙晓华，王昀. 企业规模对生产率及其差异的影响——来自工业企业微观数据的实证研究[J]. 中国工业经济， 2014（5）：57-69.
[13] 万广华.不平等的度量与分解[J].经济学（季刊）， 2009（1）： 347-368.
（责任编辑：张 萌）
Research on Provincial Difference and Influential Factors of the China’s Energy Consumption
ZHU Wentao
（Fuzhou university，Fuzhou 350116）
Abstract： An empirical research on the provincial differences of china’s energy consumption and its influencing factors was conducted by using the provincial panel data during 2007 to 2012.The empirical results showed that the provincial differences of China’s energy consumption presented a feature of shrinking year by year， and the differences in eastern provinces are most obvious， then western provinces， central regions least. The level of economic development， government intervention and the level of urbanization have a significant positive impact on energy consumption， R
关键词：能源消费；区域差异；成因分解；Shapley值
中图分类号：F062.1 文献标识码：A DOI：10.3969/j.issn.1003-8256.2016.01.008
1 研究背景与文献综述
伴随着中国经济的持续高速增长，能源需求日益增加，中国已成为继美国之后的全球第二大能源消费国。当前，我国能源供需矛盾日益突出，降低能源消耗，缓解能源供需矛盾，已经成为我国实现经济可持续发展的重要议题。探究我国能源消费的区域差异特征，明确我国能源消费区域差异的成因，从而为制定节能措施提供参考，有助于更为科学的制定区域能源发展规划和发展战略，提高能源利用效率。
全球化的深入发展以及绿色经济理念在全球的兴起，降低能源消耗，实现节约、清洁生产已日益成为人们的共识。近年来，学术界对能源消费的研究日益增多。Guerra （2012）研究了荷兰能耗法规对住宅能耗的影响，其研究认为荷兰能耗法规的公布确实有效降低了住宅能耗[1]。Zhou.et al（2012）研究了中国城市化中的能源消费模式，其研究发现经济增长、外贸出口及中国国内需求是能源消费增长的最重要驱动因素[2]。Liddle（2015）实证分析了人口、年龄结构、家庭规模、城市化及人口密度对能耗与碳排放的影响，研究结果表明，平均家庭规模大小与交通能源使用、碳排放呈负相关关系，城市化与能源消耗呈正相关关系，较高的人口密度与较低水平的能源消耗、碳排放有关[3]。Abid et al（2014）以突尼斯为例考察了能源消费与工业生产的关系，研究结果表明工业生产是引起石油消费的格兰杰原因，然而石油消费与工业产值并不存在直接的格兰杰因果关系，从短期来看，工业产值的增长与能源消费存在格兰杰因果关系[4]。熊妍婷（2011）研究了对外贸易与能源消费的关系，其研究表明中国出口与能耗，进口与能耗均存在双向正向作用[5]。马珩（2012）、王蕾和魏后凯（2014），就工业化、城镇化对能源消费的影响进行研究，结果表明，城镇化、工业化均对中国能源消费有正向影响[6，7]。赵爱文等（2014）的研究认为人均GDP的增加是能源消费增加的驱动力，能源强度的下降对能源消费增长具有抑制作用，而工业能源强度对能源强度影响最大[8]。曹翠珍和赵国浩（2015）研究了区域物流发展、经济增长与能源消费的关系，其研究认为中国能源强度与物流发展呈反向关系，物流的发展能有效的降低能源强度[9]。但从文献分析中发现，关于能源消费的区域差异特征及影响因素的研究文献却较少，在少量的研究中，康晓娟和杨冬民（2008）利用泰尔指数测度了中国能源消耗的区域差异特征，研究结果表明中国区域能源消费的总差异主要源于区域内差异，且无论是从全国层面还是东中西部层面，能源消耗的区域差异均呈现缩小的趋势[10]。
本文对于能源消费区域差异问题的研究可能的创新在于：（1）综合利用了基尼系数、对数离差均值和泰尔指数对能源消费区域差异进行测度，从而更能准确的测度能源消费的区域差异特征，而在以往的研究中，较多的采用单一指标测度；（2）利用Shapley值分解方法，对能源消费区域差异成因进行分解，对影响能源消费区域差异的各因素进行贡献测度和排序，能够甄别出各影响因素的相对重要性，从而明确区域差异形成的根源，这对于更好的制定能源消费政策和发展战略具有重要意义，而在国内能源研究领域，这种分析方法却较为罕见，因此在研究方法上，弥补了已有研究的不足。
2 中国能源消费的区域差异测度
在衡量区域差异的指标中，基尼系数对变量数据中处于中等水平的数据变化较为敏感，泰尔指数对处于较高水平的数据变动较为敏感，对数离差系数对数据中处于较低水平数据变动较为敏感，为了更为科学的反映差异状况，本文分别利用以上3种指标对能源消费区域差异进行测度，这些指标数值越大表示差异越大。考虑到数据的可得性及保持统计口径的异质性，考察时间跨度为2007～2012年，由于可获得的数据中，西藏自治区数据不全，因此本文对能源消耗的研究对象仅包含除西藏外的中国大陆30省市数据。
2.1 全国30省市能源消耗差异测度
2007～2012年，中国能源消费逐年增加，由2007年的31.90亿吨标准煤，逐步上升至2012年的44.32亿吨标准煤，年均增长6.81%。能源消费逐年上升的同时，区域差异呈现日益缩小的特征。相应指标测度结果如表1所示，从基尼系数（GINI）看，2007～2012年，我国能源消费基尼系数由2007年的0.345下降至2012年的0.323，基本呈逐年下降趋势，对数离差均值（GE0）由0.222降至0.194，泰尔指数（GE1）由0.193降至0.170，可以看出无论从基尼系数、对数离差均值还是泰尔指数，中国能源消费的区域差异均呈现逐年缩小的特点。从能源消费的区域分布看，山东、河北、广东、江苏等省份能源消耗量居于30省份前列，而甘肃、宁夏、青海、海南等省份能源消费则较低。
数据来源：各年《中国能源年鉴》及EPS全球统计数据库数据整理得到
2.2 东、中西部能源消耗差异测度
根据国家统计局对3大经济带的区域划分， 将所考察的中国大陆30省份划分为东部、中部和西部，其中东部包括北京、天津、辽宁、河北、上海、江苏、浙江、福建、山东、广东、广西和海南12个省份； 中部包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南9个省份； 西部包括云南、四川、重庆、贵州、陕西、甘肃、青海、宁夏和新疆9个省份。 2007～2012年，我国东、中西部省份能源消费均呈上升特点，东部12省份能源消费均值由13545万吨标准煤上升至18127万吨标准煤，年均增长6.02%，中部9省份能源消费均值由10968万吨标准煤上升为15331万吨标准煤，年均增长6.94%，西部9省份能源消费均值由6414万吨标准煤上升至9746万吨标准煤，年均增长8.75%，从东、中西部能源消费可以看出，东部为我国能源消费最高区域，中部次之，而西部最低，而从能源消耗增长速度来看则正好相反，西部能源消费增长速度高于中部，而东部能源消费增长速度最低。
图1 不同区域能源消费差异的基尼系数动态变动情况
数据来源：《中国能源年鉴》及EPS全球统计数据库，经相应指标计算得到
图1所示的是2007～2012年，东、中西部地区能源消费区域差异及动态变化情况。东部地区能源消耗区域差异最大，基尼系数保持在0.34～0.35之间，2010年以前东部地区能源消费基尼系数略高于全国水平，而2010年后东部地区能源消费基尼系数由0.35下降至0.33，且低于全国水平。西部地区能源消费区域差异小于东部地区，基尼系数维持在0.24～0.25，低于同期全国水平。而中部地区能源消费区域差异最小，基尼系数维持在0.18～0.20，且有逐年下降特点。综合来看，我国能源消费呈现由沿海向内陆递减的态势，而能源消费增速则表现为从内陆向沿海递增特点，东部省份能源消费的省域差异最大，西部次之而中部地区差异最小。
3 能源消费区域差异影响因素及实证检验
3.1 能源消费区域差异的影响因素分析
一个地区的能源消费受诸多因素影响，产业结构、经济发展、人口特征等均有可能对能源消费区域差异的形成产生影响。本文仅考察经济发展、研发投入、经济开放度、城市化水平及政府干预等因素在能源消费区域差异形成中的机制及影响路径。
（1）经济发展水平（GDP）。经济的发展带来经济部门的扩张，特别是工业部门的扩张，引起能源需求的快速增长，在能源技术效率不能迅速提高的情况下，工业部门的扩张必然带来能源消费的持续增长。经济发展带来也使居民收入得到提高，根据收入消费理论，居民收入的增长必然带来消费支出的增长和消费结构的升级，特别是居民将增加家电、汽车等消费品的支出，进而引起能源消费需求的持续增长。
（2）研发投入（RD）。研发投入的增加通过促进技术进步与技术创新，进而提高能源利用效率，降低能源消耗。技术进步对能源的影响是通过两种路径实现的，技术进步通过提高能源的边际生产率进而提高能源利用效率，降低能源消耗，技术进步也通过改变能源与其他要素的边际替代率而影响能源的边际产出（王班班和齐绍洲，2014）[11]。
（3）经济开放程度（OPEN）。经济开放程度越高，越有利于要素的国际流动，国际间的商品、技术贸易将有利于技术传播，国际贸易通过技术溢出效应，对能源效率的提高产生积极影响。因此经济开放程度的提高将有利于能源利用的节约。
（4）城市化水平（URB）。城市化对能源消费的影响效应具有两面性，城市化水平的提高，促进了居民收入的增长，提高居民的消费层次，并且改变居民的消费支出结构，特别是汽车、家电及相关耗能产品的消费将大幅提高，这将提高整个社会的能源需求，另一方面，城市化过程也是要素向城市集中过程，这个过程使得要素利用效率得到提高，特别是城市化水平的提高将有利于产业结构优化、技术进步与技术创新，进而有利于节约能源。城市化对能源消费的影响将取决于城市化对能源消费的正负效应的大小。
（5）政府干预（EXP）。政府对经济的干预将通过影响资源配置效率而对能源消费的节约产生负面影响，这种负面影响，可能由于地方政府的政绩冲动和道德风险的产生而得到加强。政府干预，不利于市场的有效竞争，影响企业进行技术创新和技术改造活动，从而不利于能源消费的节约。地方政府的政绩冲动，易使其保持一些高耗能企业的存在，如本不该获得补贴的企业获得能源补贴，使得企业缺乏降低包括能源消耗在内的各项成本的激励，而一些应该获得补贴的企业却得不到政府的有效支持。
3.2 能源消费区域差异影响因素的实证检验
3.2.1 变量的选取与数据来源
本文选取中国各地区能源消费量作为被解释变量，并记为ED。分别选取经济发展水平（GDP）、研发投入（RD）、经济开放程度（OPEN）、城市化水平（URB）、政府干预状况（EXP）等作为解释变量。考虑到数据的可获得性及保证统计口径的一致性，将考察的时间跨度设定为2007～2012年，在地区选择上，由于西藏地区数据不全，且其数据与其他地区数据相比差异较大，因此将西藏排除在考察范围之外，如此我们仅选择2007～2012年中国大陆30省份、直辖市、自治区面板数据作为变量的数据基础，数据来源于各年《中国能源年鉴》及EPS全球统计数据库。
3.2 模型的设定与估计方法
以上分析了各因素对能源消费可能产生的影响，我们进一步通过构建计量模型对这些因素实际影响能源消费情况进行实证检验，根据以上分析，我们将模型设定如下：
⑴
其中为常数项，为变量系数，代表地区，代表时期，为随机误差项。各变量的数据统计性特征如表2所示：
表2 模型变量的描述性统计
变量名 含义 样本个数 均值 标准差 最小值 最大值
ED 能源消费量（吨标准煤） 180 126000000 79600000 10600000 389000000
GDP 国内生产总值（万元） 180 139000000 114000000 7973500 571000000
EXP 政府财政支出（万元） 180 23300000 13800000 2418545 73900000 RD 研发投入（万元） 180 2331642 2623037 26000 12900000
OPEN 进出口总额（万元） 180 65300000 115000000 400857 621000000
URB 年末城镇人口（人） 180 21900000 13900000 2211864 71400000
为了选择合适的估计方法，我们利用F统计量、LM检验及Hausman检验，选择静态面板估计方法。F统计量所对应的p=0.0000说明FE明显优于混合回归，而LM检验所对应的p=0.0000，说明RE也明显优于混合回归，进一步利用Hausman检验对随机效应和固定效应做出选择，Hausman检验所对应的p=0.0000，说明在固定效应（FE）和随机效应（RE）中应该选择FE，FE效应模型组内R2=0.94，且各变量均较为显著。然而，如果存在组内自相关、组间异方差和组间同期相关的情况下，则不能简单的使用固定效应模型，因此需要进行进一步检验，我们利用Wooldridge检验方法对是否存在组内自相关进行检验，同时利用Pesaran检验方法对是否存在组间同期相关情况进行检验，利用Greene所提供的检验异方差的沃尔德检验，对是否存在组间异方差进行检验，检验结果表明同时存在组间异方差、组内自相关及同期相关情况，基于此，我们利用全面广义最小二乘法（FGLS）对计量模型进行估计，以下表4的模型（4）为考虑同时存在组间异方差、同期相关及组内自相关情形，利用广义最小二乘法（FGLS）的估计结果，同时为了便于比较，表4中分别列出了各种回归结果，模型（5）为仅考虑组内自相关的FGLS的估计结果。基于以上检验分析，最终选择模型（4）作为我们的估计方程。
3.3 回归模型的结果解释
表3报告了模型回归的结果，模型（4）的回归结果中，我们发现各变量系数均在1%或5%水平上显著，且GDP、EXP及URB系数符号显著为正，这说明经济发展水平的提高、政府干预经济的加强及城市化的推进，均对能源消费有显著的正向影响。经济发展带来居民收入增长，将提高居民消费层次和引起消费结构的变革，在经济发展水平较低时，居民收入水平通常也较低，此时居民更多的关注于食物消费，而在其他消费物品支出较少，随着经济发展水平的提高，居民收入增长，居民消费能力得到增强，消费层次得以提高，消费结构得到改善，居民将更多的消费工业产品如：购买汽车和家电，这种消费支出的增长，对能源消耗产生显著的正向影响。同时，经济增长使工业部门实现扩张，增加了能源消费需求，对能源消费产生显著的正向影响。政府干预经济的后果易引起资源配置的扭曲，政府可能迫于经济增长压力，而保留了本应该淘汰的落后产能，进而限制了新技术的运用，使得能源效率得不到有效提高。政府干预导致市场无法实现有效竞争，使得企业缺乏进行技术改造和技术革新的激励，限制了能源利用效率的提高，因此政府干预经济对能源消费的下降起到阻滞作用，提高了能源消费水平。城市化对能源消费具有正向影响，主要原因在于城市化与工业化是相辅相生的，城市化过程也是工业化过程，农村人口向城市集中，为工业部门的发展提供了充裕的劳动力资源，这使得企业更倾向于雇佣劳动，而不是进行技术改造，用技术和资本替代劳动，企业的技术改造惰性将影响企业生产技术效率的提高和产业结构优化。同时城市化的推进，也通过促进经济增长和提高居民收入影响能源消费，我国城市化过程中，居民收入水平实现了较高增长，随着居民在汽车、家电、住宅等方面的消费支出增长，势必提高我国整个社会的能源消耗水平。RD和OPEN的符号显著为负，说明研发投入所带来的技术进步和技术创新有利于能源消费的节约，对降低能源消费具有积极的影响。经济开放水平的提高有助于降低能源消费水平，主要原因在于经济开放水平的提高，促进了国际要素流动，特别是国际贸易的开展，带来了技术溢出和技术传播，这将有利于能源利用效率的提高，进而降低了能源消耗。 模型（4）回归结果表明，经济发展、政府干预、对外开放水平、研发投入及城市化均对能源消费有显著影响。由于我国各地区经济发展水平、政府干预、对外开放水平、研发投入状况均有较大差异，这成为各地区能源消费差异的重要原因。那么这些因素对我国能源消费区域差异贡献如何，这需要借助于Shapley值分解，做进一步分析。
表3 模型估计结果
OLS FE RE FGLS FGLS
（1） （2） （3） （4） （5）
GDP 0.796*** 0.394*** 0.382*** 0.357*** 0.687***
（0.000） （0.000） （0.000） （0.000） （0.000）
EXP -0.398 0.866*** 0.564*** 0.748** -0.602***
（0.543） （0.000） （0.000） （0.007） （0.000）
RD -5.920 -5.166*** -5.872*** -6.171*** -8.217***
（0.208） （0.000） （0.000） （0.000） （0.000）
OPEN -0.264*** -0.0930*** -0.0976*** -0.0532*** -0.308***
（0.001） （0.001） （0.001） （0.000） （0.000）
URB 1.464 -0.670 1.821*** 1.621*** 3.860***
（0.120） （0.335） （0.000） （0.000） （0.000）
C 22750547.5* 83182594.0*** 39218204.0*** 33770999.9** -14123704.3 （0.021） （0.000） （0.000） （0.004） （0.398）
N 180 180 180 180 180
adj. R2 0.85032492 0.93786712
AIC 6724.2 5976.9 . . .
注：表中*表示在5%的显著性水平下，估计系数显著异于0；**表示在1%的显著水平下，估计系数显著异于0；***表示在0.1%显著性水平下，估计系数显著异于0。
3.4 基于Shapley值分解结果
Shapley值分解方法是Shorrocks（1999）提出的一种分解不平等的方法，是一种基于回归方程的分解方法，能够克服简单回归分析和常规指数分解的局限性，得到影响因素对被解释变量贡献度和排序（孙晓华，2014）。这种方法相对于其他不平等分解方法具有许多优势，如它对不平等指标的使用没有任何限制，它不需要预先设定等式只需要估算出回归方程即可，而且对回归方程也没有什么限制（万广华，2009）。Shapley值分解方法具有的优势，本文将其运用于分解中国能源消费区域差异的影响因素，计算出各个变量的贡献率及排序，从而明确各因素在影响能源消耗区域差异方面的相对重要性。在利用Shapley值进行分解之前，需要明确用于分解的回归方程，我们在以上部分已经估算出以下回归方程：
⑵
基于以上回归方程，利用联合国发展研究院开发的java软件，对各影响因素进行Shapley值分解。衡量区域差异有多种指标，为了更为准确的分解各变量的贡献度及排序，本文综合使用基尼系数（GINI）、对数离差均值（GE0）和泰尔指数（GE1）等指标计算出个影响因素的贡献率后，进行加权平均计算出三个指标的平均贡献率，并按照平均贡献率对各变量的贡献度进行排序。分解结果见表4。
分解结果显示，经济发展水平对能源消费区域差异的贡献最大，平均贡献率由2007年的56.86%，逐年上升至2012年的68.58%，这说明我国能源消费区域差异问题的产生，很大程度上可以归结为地区经济发展程度的差异，经济发展程度越高的地区其能源消费需求越大，经济发展程度越低地区能源消费需求越小。城市化是导致能源消费区域差异的第2大贡献因素，然而，平均贡献率已由2007年的46.69%下降至2012年的35.05%，这反映出随着城市化水平的提高，城市化对能源消费区域差异的影响将逐步下降的趋势，政府对经济的干预是影响能源消费区域差异的第3大贡献因素，且贡献度呈逐年上升特点，平均贡献率由2007年的10.43%上升至2012年的16.37%，这说明政府对经济的干预，对能源消费区域差异的影响逐年显现，对能源消费差异扩大有负面影响。研发投入对能源消费的省域差异的贡献率为负，且平均贡献率逐年上升，这说明我国对研发投入，对缩小地区能耗差异作用日益显现，成为缩小地区能耗的重要因素，对外开放水水平的提高对缩小能源消费的区域差异有积极影响，然而贡献率处于较低水平。
表4 各变量分解结果
年份 经济发展水平 政府财政支出 研发投入 进出口规模 城市化
贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序 贡献率（%） 排序
2007年 56.86 1 10.43 3 -8.78 5 -5.20 4 46.69 2
2008年 60.03 1 11.72 3 -10.42 5 -4.66 4 43.32 2
2009年 61.45 1 13.10 3 -12.36 5 -4.71 4 41.67 2
2010年 64.37 1 14.11 3 -13.33 5 -4.30 4 39.15 2
2011年 67.39 1 15.30 3 -14.82 5 -4.03 4 36.16 2
2012年 68.58 1 16.37 3 -16.34 5 -3.66 4 35.05 2
5 结论与启示
本文选取2007～2012年全国30省份面板数据，利用基尼系数、对数离差均值及泰尔指数，对中国能源消费区域差异情况进行测度，发现我国能源消耗区域差异呈逐年缩小趋势，从东、中西部来看，东部地区省份能源消费区域差异最大，西部次之，而中部地区省份能源消费差异最小。实证分析结果表明，各地区经济发展、政府干预、研发投入、经济开放程度及城市化进程差异均为影响能源消费区域差异的重要因素，其中经济发展水平的提高、政府对经济干预的加强及城市化水平的提高，对能源消费的增长具有显著的正向影响，而研发投入的增加及经济开放水平的提高，有助于降低能源消费。Shapley值分解结果表明经济发展是造成能源消费区域差异的最主要因素，其贡献率从2007年的56.86%上升至2012年的68.58%，城市化是能源消费区域差异的第2大影响因素，但贡献率呈现逐年下降态势，贡献率由46.69%，降至35.05%。政府对经济的干预是能源消费区域差异的第3大影响因素，且影响效应逐年显现。研发投入及经济开放程度的提高有助于缩小能源消耗的区域差异，且贡献率呈逐年上升的特点。
基于以上结论，我们提出如下政策启示：
要降低能源消耗，实现能源消费由粗放型向节约型转变，需要在以下几方面加强关注：（1）提高市场化水平，充分利用市场机制对资源配置的决定性作用，通过创造公平、平等的竞争环境，实现企业间的公平有效竞争，通过市场竞争淘汰落后产能，实现资源利用效率的提高；（2）加大技术研发投入力度，让企业技术创新活动有充足的政策支持，加大对企业创新活动的财政支持力度，使创新活动成为企业的一种自觉行为；（3）不断提高对外开放水平，扩大国际交流，继续实行引进来和走出去战略，鼓励引进国外先进的技术和管理经验，同时限制引进国外落后产能和高耗能产业；（4）要在城市化过程中，提高整体国民科学文化素质，加快城市产业结构优化升级，以便为节约能源消耗提供良好的产业基础和劳动力基础。 参考文献：
[1] Guerra-Santin O，Itard L. The effect of energy performance regulations on energy consumption[J].Energy Efficiency， 2012，5（3）：269-282.
[2] Zhou W，Zhu B，Chen D，et al. Energy consumption patterns in the process of China’s urbanization[J]. Population and Environment， 2012，33（2-3）：202-220.
[3] Liddle B. Impact of population， age structure， and urbanization on carbon emissions/energy consumption： evidence from macro-level， cross-country analyses[J]. Population and Environment， 2014，35（3）：286-304.
[4] Abid M，Mraihi R. Energy Consumption and Industrial Production： Evidence from Tunisia at Both Aggregated and Disaggregated Levels[J]. Journal of the Knowledge Economy，2014：1-15.
[5] 熊妍婷.对外贸易与能源消耗：基于中国面板数据的经验分析[J]. 财贸研究， 2011（6）：70-75.
[6] 马珩. 中国城市化和工业化对能源消费的影响研究[J]. 中国软科学，2012（1）：176-182.
[7] 王蕾， 魏后凯. 中国城镇化对能源消费影响的实证研究[J]. 资源科学，2014（6）：1235-1243.
[8] 赵爱文，何颖，王双英 等. 中国能源消费的EKC检验及影响因素[J]. 系统管理学报， 2014（03）：416-422.
[9] 曹翠珍，赵国浩. 区域物流发展、经济增长与能源消费——基于中国省际面板数据的实证分析[J]. 财贸研究， 2015（2）：44-52.
[10] 康晓娟，杨冬民. 基于泰尔指数法的中国能源消费区域差异分析[J]. 资源科学，2010（3）：485-490.
[11] 王班班，齐绍洲. 有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究，2014（2）：115-127.
[12] 孙晓华，王昀. 企业规模对生产率及其差异的影响——来自工业企业微观数据的实证研究[J]. 中国工业经济， 2014（5）：57-69.
[13] 万广华.不平等的度量与分解[J].经济学（季刊）， 2009（1）： 347-368.
（责任编辑：张 萌）
Research on Provincial Difference and Influential Factors of the China’s Energy Consumption
ZHU Wentao
（Fuzhou university，Fuzhou 350116）
Abstract： An empirical research on the provincial differences of china’s energy consumption and its influencing factors was conducted by using the provincial panel data during 2007 to 2012.The empirical results showed that the provincial differences of China’s energy consumption presented a feature of shrinking year by year， and the differences in eastern provinces are most obvious， then western provinces， central regions least. The level of economic development， government intervention and the level of urbanization have a significant positive impact on energy consumption， R