论文部分内容阅读
摘要 使用指数分解分析 进行能源强度变动的因素分解是研究能源变动的主要研究方法。拉氏指数和D氏指 数法各自都有其自身缺陷，费雪指数法则能折衷这两种指数方法，并能很好 地克服拉氏指数和D氏指数法的缺点，因此其在实践中越来越多地被用来进行能源强度变动 的因素分解分析。本文基于广义费雪指数（GFI）方法，将影响区域能源强度变动的因素分 解分：技术 进步效应、结构变动效应和经济规模效应，并利用1995-2005年间中国30个省（自治区、直 辖市）的相关数据对区域能源强度变动进行了因素分解分析，发现区域结构因素是能源强度 变动的主要解释因素，其次是区域技术进步，而区域经济规模的解释力较弱。
关键词 区域能源强度变动；因素分解；广义费雪指数；区域结构变动
中图分类号 F062.1 文献标识码 A 文章编号 1002-2104(2008)04-0062-05
分析经济活动如何影响能源强度变动，最初由Myers 和Nakamura（1978）提出，目前已成为 能源强度实证分析的重要部分。近年来，使用指数分解分析（IDAIndex Decomposition A n alysis）进行能源强度变动的因素分解是研究能源变动的主要研究方法。目前，最常用的包 括拉氏指数及D氏指数法（Ang 和Zhang，2000）。
有关指数分解中存在的残差项及拉氏指数和D氏指数何为最优的分解方法争论较大。当指数 分解存在残差项时，说明能源强度变动的部分不能为模型所解释。拉氏指数法及绝大部分D 氏指数都存在着这个缺陷。如果残差项很大，进行因素分解意义不大（Boyd和 Roop，2004 ）。Ang和Zhang（2000）的研究显示，不同方法的残差大小差异很大，有些方法的残差项甚 至超过了能源强度变动的比例，这将导致结论说服力下降。Sun（1998），Ang和Liu（2001 ）相继给出了改进方法，提出了限制的Laspeyres方法及LMDIⅠ（Log Mean Divisia Method Ⅰ，对数平均D氏指数法Ⅰ）、LMDIⅡ（Log Mean Divisia MethodⅡ，对数平均D氏指数法 Ⅱ）。
相对于拉氏指数和D氏指数法各自都有其自身缺陷，费雪指数法（Fisher Index）则能折衷 这两种指数方法，并能很好地克服拉氏指数和D氏指数法的缺点，因此其在实践中越来越多 地被用来进行能源强度变动的因素分解分析。本文拟采用费雪指数法对中国区域能源强度的 变动进行因素分解，即分析区域技术进步效应，区域结构效应和区域经济规模效应对中国区 域能源强度变动的影响。
本文结构安排如下：第二部分是对能源强度因素分解的文献回顾；第三部分介绍进行能源强 度因素分解的广义费雪指数（GFI）方法；第四部分利用1995-2005年数据具体分解中国区域 能源强度变动的因素，并对结果进行解释；最后给出结论和政策建议。
1 文献综述
Huang（1993）利用乘法代数平均D氏指数分解了中国第二产业（分为六个次部门：造纸、化 学、建筑、钢铁、机械—电力—电子，其他部门）1980-1988年的能源强度变化，分解为结 构变动效应和能源强度改进效应。他发现能源强度下降的主要贡献来源于次部门能源强度的 改进，而由次部门产品结构变动引起的产业结构变动对于能源强度变动贡献不大。Zhang（2 003）利用改进的拉氏指数计算了中国工业部门1990-1997年的能源使用情况。他将工业能源 消费分解为规模效应、实际的强度效应和结构效应，他发现实际的强度效应（即技术效应） 是主导因素。Chunbo Ma，David I. Stern（2006）利用对数平均D氏指数（Logarithmic Me an Divisia Index,LMDI）技术对中国1980-2003年能源强度变动进行因素分解，发现2000 年以来的能源强度增加源于负的技术进步，能源内部替代效应对能源强度变动的贡献不大。
对影响能源强度变动的因素进行分解分析时，分解方法的选择至关重要。Lorna A. Greenin g 等（1997）利用六种不同方法，即：固定基年和移动基年的拉氏指数（Fixed and Rollin g Base Year Specifications of the Laspeyres）、固定基年及移动基年的简单平均D氏指 数（Fixed and Rolling Base Year Specifications of Simple Average Divisia）、固定 基年及移动基年的权数变动D氏指数（Fixed and Rolling Base Year Specifications of A WD——Adaptive Weighting Divisia）对10个OECD国家1970-1992年制造业的能源强度进行 分 解，比较了不同方法之间的残差项大小、残差项变动和方法实现的难易程度，发现权数变动 D氏指数（AWD）和移动基年的简单平均D氏指数法残差项的大小及变动最小。固定和移动基 年的拉氏指数低估了能源强度及分部门能源强度效应，而固定基年简单平均D氏指数则高估 了前两者。他们提出根据结构变动和能源强度对解释总体能源强度变动中的作用进行方法选 择，应该依据残差项的大小和变动进行排序，选择残差项及其变化最小的方法。虽然Lorna
A. Greening等人提出了选择的标准，但是这种标准较为粗略，没有经过严格的计量检验， 无法完全区分各种方法之间的差异，因此在具体实践中难以提供准确的选择标准。
（2004）进一步比较了广义费雪指数（Generalized Fisher Index）与其他五种常用 的IDA方法，即：拉氏指数（Laspeyres Index）、帕氏指数（Passche Index）、AMDI（Ari thmetic Mean Divisia Index，算术平均D氏指数）、LMDIⅠ（Log Mean Divisia methodⅠ ，对数平均D氏指数法Ⅰ）、LMDIⅡ（Log Mean Divisia methodⅡ，对数平均D氏指数法Ⅱ ），并利用Fisher（1922）提出的因子互换检验（Factorreversal Test）、时间互换检 验 （Timereversal Test）和比例检验（Proportionality Test）；Vartia（1976）、Balk （ 1996）提出的总量检验（Aggregation Test）；Ang和Choi（1997）提出的零值稳健检验（Z erovalue Robust Test）；Chung和Rhee（2001）提出的负值稳健检验（Negativevalue
Test）对各种方法进行了上述检验，给出了检验结果，为选择合理的因素分解方法提供了有 力的依据。这六种方法检验结果如下表所示：
从表中看出，广义费雪指数只在总量检验中未通过，其他检验均通过，而其他方法均有两个 或更多的检验未通过，因此广义费雪指数表现出优良的因素分解特性，综合来看其是进行因 素分解的最佳方法。
从上述文献可看出，对能源强度变动的因素分解分析多为针对中国总体能源强度，缺乏中国 各个区域能源强度变动的因素分解，且多选用拉氏指数和D氏指数方法，存在一定的缺陷（A ng 等，2004）。本文拟利用Ang、Liu等（2004）提出的广义费雪指数（GFIGeneralized Fisher Index）对中国区域能源强度变动进行因素分解分析。
3 数据处理及结果
首先，区域的划分标准采用《中国统计年鉴》（2006年）的标准：东部地区——北京市、天 津 市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省、辽宁省、吉林 省、黑龙江省（将东北地区归入东部地区）；中部地区——山西省、安徽省、江西省、河南 省 、湖北省、湖南省；西部地区——内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州 省 、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区（西藏地区能源 数据缺失，因此剔除）。其次，产业划分为第一产业、第二产业和第三产业，标准仍是《中 国统计年鉴》（2006年）的标准。为保持区域数据计算的一致性，能源强度都采用历年能源 消费总量与历年可比价GDP（以1981为基年，以下均同）的比值计算得到。
式（3）、（4）、（5）中计算需要的指标如下：
X1i——某省能源使用的技术进步，即单位GDP能耗，用该省能源消费总量与 其GDP的比值表示 ；X2i——某省结构因素，采用第二产业的产出份额表示结构因素 这里，用第二产业比重表示区域结构因素，原因在于：第二产业对能源的消耗较多，占 总能源消耗的比重较大，其对能源消耗的影响较大。，用某 省第二产业产值占 本省GDP的比重表示；X3i——某省经济规模，用某省GDP 占区域GDP（本区域各地区GDP加总值）比重表示。
利用公式（3）（4）（5），我们分别计算了东、中、西部地区技术进步、结构变动及经济 规模对能源强度变动的影响，结果如下：
表2、表3及表4是区域能源强度变动的GFI因素分 解结果。我们发现，结构变动因 素对区域能 源强度变动贡献最多，东部、中部和西部地区累积的结构因素效应分别为10.029 22（占34. 0 %）、10.077 16（占35.1%）和10.191 25（占35.3%），这与史丹（1999），张宗成、 周猛（ 2004）的研究结果一致。技术进步的影响次之，而经济规模对区域能源强度变动的影响最小 。其中，西部地区结构因素对能源强度的贡献大于东、中部地区，说明西部地区产业结构的 优化升级在逐步加快，由于消耗能源的第二产业比重不断上升，从而带动能源 强度增大。从技术进步对能源强度变动的影响看，西部地区累积的技术进步效应为9.554 08 9（占33.1%），东部为9.480 525（占32.1%），中部地区则为9.422 4（占32.8%），显 示出西部地区技术进步对增加能源强 度的效应高于东部和中部地区，说明西部地区能源使用的技术 水平落后于东、中部地区。从经济规模上看，东部地区累积的经济规模对区域能源强度变动 的作用大小为9.980 1（占33.8%） ，中部和西部地区分别为9.205 823（占32.1% ）和9.123 026 （占31.6%），这与实际相符。东部地区经济规模在三大区域中最大，由于产出基数较大， 对能源的需求和消耗也相应较大。
4 结论和政策建议
利用GFI方法，我们将区域能源强度变动分解分区域技术进步（以区域能源强度表示）、区 域结构变动、区域经济规模，分别反映区域强度效应、区域结构效应和区域规模效应，根据 Aug等（2004）的分析框架，分析了1995-2005年间中国区域能源强度变动的影响因素，得到 结论：区域结构因素是能源强度变动的主要解释因素，其次是区域技术进步，而区域经济规 模的解释力较弱。因此，由区域结构变动所显示的区域结构效应是能源强度变动的主要因素 。由此，得出的政策含义是：
第一，由于区域产业结构变动显示的结构效应是能源强度变动的决定因素，因此进一步调整 产业结构，逐步降低能源密集型的第二产业在产业结构中的比重，是降低区域能源强度的关 键。第二，区域技术进步效应不突出，说明三大区域能源使用的技术进步效应不能够及时降 低能源强度。因此加快产业技术进步，提升产业能源产出水平，促进各产业能源节约使用是 区域能源使用战略的重要任务。第三，区域经济规模对能源强度变动的解释力相对最弱，说 明经济规模不是决定能源使用的主要因素，因此 各个区域应关注经济增长过程中技术和结构 因素对能源消耗的作用，将注意力放在增长质量上，而不是单纯追求增长的数量目标。 （编辑：刘呈庆）
参考文献（References）
［1］ Ang B.W. Decomposition Analysis for Policymaking in Energy: Which
is the Preferred Method? ［J］. Energy Policy, 2004，(32):1131～1139.
［2］Ang B.W., Na Liu. Energy Decomposition Analysis: IEA Model Versus Ot her Methods ［J］. Energy Policy, 2007，(35):1426～1432.
［3］Ang B.W., F.L. Liu, HyunSik Chung. A Generalized Fisher Index Appr oach to Energy Decomposition Analysis ［J］. Energy Economics, 2004，(26): 757～ 763.
［4］Chunbo Ma, David I. Stern. China's Changing Energy Intensity Trend: a
Decomposition Analysis ［Z］. Working papers, Rensselaer Polytechnic Institute ，2006.
［5］Fisher Vanden K. et al. What is Driving China's Decline in Energy Intensity ? ［J］.Resource and Energy Economics, 2004，(26): 77～97.
［6］Gale A. Boyd, Joseph M. Roop. A Note on the Fisher Ideal Index Decom position for Structural Change in Energy Intensity ［J］. The Energy Journal, 20 04，(25): 87～101.
［7］Huang J.P. Industry Energy Use and Structural Change: a Case Study
of The People's Republic of China ［J］. Energy Economics, 1993,(15):131～136.
［8］Sinton, J.E., Levine, M.D. Changing Energy Intensity in Chinese Ind us try: the Relatively Importance of Structural Shift and Intensity Change ［J］. E nergy Policy, 1994,(22):239～255.
［9］Sun, J.W. Accounting for Energy Use in China 1980～94 ［J］. Energy,
1998,(23):835～849.
［10］Zhang, Z.X. Why did the Energy Intensity Fall in China's In dustrial Sector in the 1990s? The Relative Importance of Structural Change and I ntensity Change ［J］.Energy Economics, 2003,(25):625～638.
［11］高振宇，王益．我国生产用能源消费变动的分解分析［J］．统计研究，2007 ，（3）：52～57．［GAO Zhenyu, WANG Yi, The Decomposition Analysis of Change of Energy Consumpt io n for Production in China［J］, Statistical Research, 2007,(3):52～57. ］
［12］齐志新，陈文颖．结构调整还是技术进步?——改革开放后我国能源效率提高 的因素分析［J］．上海经济研究，2006,（2）：8～16．［QI Zhixin, CHEN Wenying, Structural Shift or Technological ChangeDecompos ition Analysis of Energy Intensity Increasing Since the Reform and Opening in Ch ina ［J］. Shanghai Economic Review, 2006,(2): 8～16.］
［13］吴巧生，成金华．中国工业化中的能源消耗强度变动及因素分析——基于分 解模型的实证分析［J］．财经研究，2006，（6）：75～85．［WU Qiaosheng, CHENG Jinhua. Change in Energy Consumption Intensity and the
Main Factors During the Process of Chinas Industrialization:an Empirical Anal ysis Based on the Decomposition Model ［J］. The Study of Finance and Economics,
2006, 32(6): 75～85.］
［14］张宗成，周猛．中国经济增长与能源消费的异常关系分析［J］．上海经济研 究，2004，（4）： 41～66．［ZHANG Zongcheng, ZHOU Meng. The Unconventional Relationship between Economic G rowth and Energy Consumption in China ［J］. Shanghai Economic Review, 2004,(4):
4 1～45, 66.］
关键词 区域能源强度变动；因素分解；广义费雪指数；区域结构变动
中图分类号 F062.1 文献标识码 A 文章编号 1002-2104(2008)04-0062-05
分析经济活动如何影响能源强度变动，最初由Myers 和Nakamura（1978）提出，目前已成为 能源强度实证分析的重要部分。近年来，使用指数分解分析（IDAIndex Decomposition A n alysis）进行能源强度变动的因素分解是研究能源变动的主要研究方法。目前，最常用的包 括拉氏指数及D氏指数法（Ang 和Zhang，2000）。
有关指数分解中存在的残差项及拉氏指数和D氏指数何为最优的分解方法争论较大。当指数 分解存在残差项时，说明能源强度变动的部分不能为模型所解释。拉氏指数法及绝大部分D 氏指数都存在着这个缺陷。如果残差项很大，进行因素分解意义不大（Boyd和 Roop，2004 ）。Ang和Zhang（2000）的研究显示，不同方法的残差大小差异很大，有些方法的残差项甚 至超过了能源强度变动的比例，这将导致结论说服力下降。Sun（1998），Ang和Liu（2001 ）相继给出了改进方法，提出了限制的Laspeyres方法及LMDIⅠ（Log Mean Divisia Method Ⅰ，对数平均D氏指数法Ⅰ）、LMDIⅡ（Log Mean Divisia MethodⅡ，对数平均D氏指数法 Ⅱ）。
相对于拉氏指数和D氏指数法各自都有其自身缺陷，费雪指数法（Fisher Index）则能折衷 这两种指数方法，并能很好地克服拉氏指数和D氏指数法的缺点，因此其在实践中越来越多 地被用来进行能源强度变动的因素分解分析。本文拟采用费雪指数法对中国区域能源强度的 变动进行因素分解，即分析区域技术进步效应，区域结构效应和区域经济规模效应对中国区 域能源强度变动的影响。
本文结构安排如下：第二部分是对能源强度因素分解的文献回顾；第三部分介绍进行能源强 度因素分解的广义费雪指数（GFI）方法；第四部分利用1995-2005年数据具体分解中国区域 能源强度变动的因素，并对结果进行解释；最后给出结论和政策建议。
1 文献综述
Huang（1993）利用乘法代数平均D氏指数分解了中国第二产业（分为六个次部门：造纸、化 学、建筑、钢铁、机械—电力—电子，其他部门）1980-1988年的能源强度变化，分解为结 构变动效应和能源强度改进效应。他发现能源强度下降的主要贡献来源于次部门能源强度的 改进，而由次部门产品结构变动引起的产业结构变动对于能源强度变动贡献不大。Zhang（2 003）利用改进的拉氏指数计算了中国工业部门1990-1997年的能源使用情况。他将工业能源 消费分解为规模效应、实际的强度效应和结构效应，他发现实际的强度效应（即技术效应） 是主导因素。Chunbo Ma，David I. Stern（2006）利用对数平均D氏指数（Logarithmic Me an Divisia Index,LMDI）技术对中国1980-2003年能源强度变动进行因素分解，发现2000 年以来的能源强度增加源于负的技术进步，能源内部替代效应对能源强度变动的贡献不大。
对影响能源强度变动的因素进行分解分析时，分解方法的选择至关重要。Lorna A. Greenin g 等（1997）利用六种不同方法，即：固定基年和移动基年的拉氏指数（Fixed and Rollin g Base Year Specifications of the Laspeyres）、固定基年及移动基年的简单平均D氏指 数（Fixed and Rolling Base Year Specifications of Simple Average Divisia）、固定 基年及移动基年的权数变动D氏指数（Fixed and Rolling Base Year Specifications of A WD——Adaptive Weighting Divisia）对10个OECD国家1970-1992年制造业的能源强度进行 分 解，比较了不同方法之间的残差项大小、残差项变动和方法实现的难易程度，发现权数变动 D氏指数（AWD）和移动基年的简单平均D氏指数法残差项的大小及变动最小。固定和移动基 年的拉氏指数低估了能源强度及分部门能源强度效应，而固定基年简单平均D氏指数则高估 了前两者。他们提出根据结构变动和能源强度对解释总体能源强度变动中的作用进行方法选 择，应该依据残差项的大小和变动进行排序，选择残差项及其变化最小的方法。虽然Lorna
A. Greening等人提出了选择的标准，但是这种标准较为粗略，没有经过严格的计量检验， 无法完全区分各种方法之间的差异，因此在具体实践中难以提供准确的选择标准。
（2004）进一步比较了广义费雪指数（Generalized Fisher Index）与其他五种常用 的IDA方法，即：拉氏指数（Laspeyres Index）、帕氏指数（Passche Index）、AMDI（Ari thmetic Mean Divisia Index，算术平均D氏指数）、LMDIⅠ（Log Mean Divisia methodⅠ ，对数平均D氏指数法Ⅰ）、LMDIⅡ（Log Mean Divisia methodⅡ，对数平均D氏指数法Ⅱ ），并利用Fisher（1922）提出的因子互换检验（Factorreversal Test）、时间互换检 验 （Timereversal Test）和比例检验（Proportionality Test）；Vartia（1976）、Balk （ 1996）提出的总量检验（Aggregation Test）；Ang和Choi（1997）提出的零值稳健检验（Z erovalue Robust Test）；Chung和Rhee（2001）提出的负值稳健检验（Negativevalue
Test）对各种方法进行了上述检验，给出了检验结果，为选择合理的因素分解方法提供了有 力的依据。这六种方法检验结果如下表所示：
从表中看出，广义费雪指数只在总量检验中未通过，其他检验均通过，而其他方法均有两个 或更多的检验未通过，因此广义费雪指数表现出优良的因素分解特性，综合来看其是进行因 素分解的最佳方法。
从上述文献可看出，对能源强度变动的因素分解分析多为针对中国总体能源强度，缺乏中国 各个区域能源强度变动的因素分解，且多选用拉氏指数和D氏指数方法，存在一定的缺陷（A ng 等，2004）。本文拟利用Ang、Liu等（2004）提出的广义费雪指数（GFIGeneralized Fisher Index）对中国区域能源强度变动进行因素分解分析。
3 数据处理及结果
首先，区域的划分标准采用《中国统计年鉴》（2006年）的标准：东部地区——北京市、天 津 市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省、辽宁省、吉林 省、黑龙江省（将东北地区归入东部地区）；中部地区——山西省、安徽省、江西省、河南 省 、湖北省、湖南省；西部地区——内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州 省 、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区（西藏地区能源 数据缺失，因此剔除）。其次，产业划分为第一产业、第二产业和第三产业，标准仍是《中 国统计年鉴》（2006年）的标准。为保持区域数据计算的一致性，能源强度都采用历年能源 消费总量与历年可比价GDP（以1981为基年，以下均同）的比值计算得到。
式（3）、（4）、（5）中计算需要的指标如下：
X1i——某省能源使用的技术进步，即单位GDP能耗，用该省能源消费总量与 其GDP的比值表示 ；X2i——某省结构因素，采用第二产业的产出份额表示结构因素 这里，用第二产业比重表示区域结构因素，原因在于：第二产业对能源的消耗较多，占 总能源消耗的比重较大，其对能源消耗的影响较大。，用某 省第二产业产值占 本省GDP的比重表示；X3i——某省经济规模，用某省GDP 占区域GDP（本区域各地区GDP加总值）比重表示。
利用公式（3）（4）（5），我们分别计算了东、中、西部地区技术进步、结构变动及经济 规模对能源强度变动的影响，结果如下：
表2、表3及表4是区域能源强度变动的GFI因素分 解结果。我们发现，结构变动因 素对区域能 源强度变动贡献最多，东部、中部和西部地区累积的结构因素效应分别为10.029 22（占34. 0 %）、10.077 16（占35.1%）和10.191 25（占35.3%），这与史丹（1999），张宗成、 周猛（ 2004）的研究结果一致。技术进步的影响次之，而经济规模对区域能源强度变动的影响最小 。其中，西部地区结构因素对能源强度的贡献大于东、中部地区，说明西部地区产业结构的 优化升级在逐步加快，由于消耗能源的第二产业比重不断上升，从而带动能源 强度增大。从技术进步对能源强度变动的影响看，西部地区累积的技术进步效应为9.554 08 9（占33.1%），东部为9.480 525（占32.1%），中部地区则为9.422 4（占32.8%），显 示出西部地区技术进步对增加能源强 度的效应高于东部和中部地区，说明西部地区能源使用的技术 水平落后于东、中部地区。从经济规模上看，东部地区累积的经济规模对区域能源强度变动 的作用大小为9.980 1（占33.8%） ，中部和西部地区分别为9.205 823（占32.1% ）和9.123 026 （占31.6%），这与实际相符。东部地区经济规模在三大区域中最大，由于产出基数较大， 对能源的需求和消耗也相应较大。
4 结论和政策建议
利用GFI方法，我们将区域能源强度变动分解分区域技术进步（以区域能源强度表示）、区 域结构变动、区域经济规模，分别反映区域强度效应、区域结构效应和区域规模效应，根据 Aug等（2004）的分析框架，分析了1995-2005年间中国区域能源强度变动的影响因素，得到 结论：区域结构因素是能源强度变动的主要解释因素，其次是区域技术进步，而区域经济规 模的解释力较弱。因此，由区域结构变动所显示的区域结构效应是能源强度变动的主要因素 。由此，得出的政策含义是：
第一，由于区域产业结构变动显示的结构效应是能源强度变动的决定因素，因此进一步调整 产业结构，逐步降低能源密集型的第二产业在产业结构中的比重，是降低区域能源强度的关 键。第二，区域技术进步效应不突出，说明三大区域能源使用的技术进步效应不能够及时降 低能源强度。因此加快产业技术进步，提升产业能源产出水平，促进各产业能源节约使用是 区域能源使用战略的重要任务。第三，区域经济规模对能源强度变动的解释力相对最弱，说 明经济规模不是决定能源使用的主要因素，因此 各个区域应关注经济增长过程中技术和结构 因素对能源消耗的作用，将注意力放在增长质量上，而不是单纯追求增长的数量目标。 （编辑：刘呈庆）
参考文献（References）
［1］ Ang B.W. Decomposition Analysis for Policymaking in Energy: Which
is the Preferred Method? ［J］. Energy Policy, 2004，(32):1131～1139.
［2］Ang B.W., Na Liu. Energy Decomposition Analysis: IEA Model Versus Ot her Methods ［J］. Energy Policy, 2007，(35):1426～1432.
［3］Ang B.W., F.L. Liu, HyunSik Chung. A Generalized Fisher Index Appr oach to Energy Decomposition Analysis ［J］. Energy Economics, 2004，(26): 757～ 763.
［4］Chunbo Ma, David I. Stern. China's Changing Energy Intensity Trend: a
Decomposition Analysis ［Z］. Working papers, Rensselaer Polytechnic Institute ，2006.
［5］Fisher Vanden K. et al. What is Driving China's Decline in Energy Intensity ? ［J］.Resource and Energy Economics, 2004，(26): 77～97.
［6］Gale A. Boyd, Joseph M. Roop. A Note on the Fisher Ideal Index Decom position for Structural Change in Energy Intensity ［J］. The Energy Journal, 20 04，(25): 87～101.
［7］Huang J.P. Industry Energy Use and Structural Change: a Case Study
of The People's Republic of China ［J］. Energy Economics, 1993,(15):131～136.
［8］Sinton, J.E., Levine, M.D. Changing Energy Intensity in Chinese Ind us try: the Relatively Importance of Structural Shift and Intensity Change ［J］. E nergy Policy, 1994,(22):239～255.
［9］Sun, J.W. Accounting for Energy Use in China 1980～94 ［J］. Energy,
1998,(23):835～849.
［10］Zhang, Z.X. Why did the Energy Intensity Fall in China's In dustrial Sector in the 1990s? The Relative Importance of Structural Change and I ntensity Change ［J］.Energy Economics, 2003,(25):625～638.
［11］高振宇，王益．我国生产用能源消费变动的分解分析［J］．统计研究，2007 ，（3）：52～57．［GAO Zhenyu, WANG Yi, The Decomposition Analysis of Change of Energy Consumpt io n for Production in China［J］, Statistical Research, 2007,(3):52～57. ］
［12］齐志新，陈文颖．结构调整还是技术进步?——改革开放后我国能源效率提高 的因素分析［J］．上海经济研究，2006,（2）：8～16．［QI Zhixin, CHEN Wenying, Structural Shift or Technological ChangeDecompos ition Analysis of Energy Intensity Increasing Since the Reform and Opening in Ch ina ［J］. Shanghai Economic Review, 2006,(2): 8～16.］
［13］吴巧生，成金华．中国工业化中的能源消耗强度变动及因素分析——基于分 解模型的实证分析［J］．财经研究，2006，（6）：75～85．［WU Qiaosheng, CHENG Jinhua. Change in Energy Consumption Intensity and the
Main Factors During the Process of Chinas Industrialization:an Empirical Anal ysis Based on the Decomposition Model ［J］. The Study of Finance and Economics,
2006, 32(6): 75～85.］
［14］张宗成，周猛．中国经济增长与能源消费的异常关系分析［J］．上海经济研 究，2004，（4）： 41～66．［ZHANG Zongcheng, ZHOU Meng. The Unconventional Relationship between Economic G rowth and Energy Consumption in China ［J］. Shanghai Economic Review, 2004,(4):
4 1～45, 66.］