我國城市化對能源強度的影響——基于空間計量經濟學的分析

闞大學，羅良文

（中南財經政法大學 經濟學院，湖北 武漢 430073）

能源短缺和經濟平穩(wěn)快速增長的矛盾是未來若干年內我國需要面對的主要問題之一。諸多學者從產業(yè)結構、工業(yè)化水平、技術進步、居民消費結構、外商直接投資、出口貿易等多個角度考察了經濟因素對我國能源消費的影響，并得出了有價值的結論。Wei等（2003）認為城市化對能源消費具有雙向作用：一方面，城市化水平的提高導致經濟的增長和人們生活水平的提高，加大了能源消費的數量；另一方面，城市化水平的提高使產業(yè)組織結構、技術結構、產品結構等得到更合理的調整，各種配置得到進一步的優(yōu)化，各種資源得到更合理的利用，使得能源消耗具有下降的趨勢。[1]Shen等(2003)利用城市化與能源消費之間的回歸關系預測了未來50年內我國的能源需求與供給。[2]鄭云鶴(2006)對我國能源消費與工業(yè)化、城市化與市場化之間的關系進行了實證研究，指出目前工業(yè)化與城市化水平的提高會導致能源消耗增加，而市場化水平的提高則會導致能源消耗降低。[3]劉耀彬（2007）則在建立向量自回歸模型的基礎上，運用格蘭杰因果分析和協(xié)整分析來實證城市化與能源消費之間的動態(tài)相關性，并利用因素分解模型定量測算出城市化對我國能源消費變動的貢獻份額。其研究結果表明，我國城市化與能源消費量之間存在單向的格蘭杰因果聯系，且二者之間存在著協(xié)整關系，但這種長期均衡的短期糾正力量并不很強，現階段城市化對我國能源需求的貢獻作用尚比較小，而且還呈現逐年下降的趨勢。[4]

從以上研究文獻可以看出，關于城市化與能源消費關系的研究較少，而且均是基于時間序列來考察兩者的相互關系，忽略了空間相關性，即一個地區(qū)城市化水平的提高不僅源于本地經濟對非農業(yè)部門就業(yè)和產出需求的增加以及本地要素供給狀況，還取決于區(qū)外經濟對本地區(qū)的需求；地區(qū)間的互補或競爭關系導致區(qū)間商品流通、要素流動以及技術擴散產生的“擴散—回波”效應對地區(qū)城市化發(fā)展具有重要影響；由于相近的社會、經濟、地理條件，某一地區(qū)制定的城市化發(fā)展目標往往會參照周邊地區(qū)的城市化發(fā)展水平，促進城市化發(fā)展的政策也常常在地理上相鄰的地區(qū)之間相互借鑒運用。[5]此外，我國幅員遼闊，地區(qū)間的空間差異非常明顯，傳統(tǒng)的時間序列數據分析很難揭示這種十分顯著的區(qū)域空間差異。因此，本文嘗試從空間維度檢驗城市化水平與能源消費（用能源強度來表示）之間的相互關系，論證城市化水平和能源強度的空間依賴特征，并定量計量城市化對能源強度的空間效應。

一、空間自相關分析

考察城市化對能源強度是否具有空間效應，首先要分析城市化是否具有空間自相關性，即衡量城市化是否存在空間溢出效應。而檢驗區(qū)域經濟變量的空間相關性存在與否，空間計量經濟學一般使用空間自相關指數。定義為:

Moran’I可看作各省區(qū)觀測值的乘積和，其取值范圍為-1≤Moran’I≤1。若各省區(qū)間城市化水平為空間正相關，Moran’I的數值應當較大，負相關則較小。具體到各省城市化水平的空間溢出效應問題上，當城市化水平在空間區(qū)位上相似，并且也有相似的屬性值時，空間模式整體上就顯示出正的空間自相關性，Moran’I大于0；而當在空間上鄰接的城市化水平具有不相似的屬性值時，就呈現為負的空間自相關性，Moran’I小于0；而Moran’I等于0則出現在當屬性值的分布與城市化水平的分布相互獨立時。

表1給出了2000年、2002年、2004年、2007年的城市化水平的空間相關性結果，從表1可以看出，4年的Moran’I大于0，說明我國省區(qū)城市化水平具有明顯的正相關關系。城市化水平的空間差異現象并不是隨機產生的，而是表現出相似值之間的空間集群。城市化水平在全局上表現出強烈的空間依賴特征，具有相對較高城市化水平的省區(qū)傾向于接近其他具有較高城市化水平的省區(qū)，具有相對較低城市化水平的省區(qū)趨于和其他具有較低城市化水平的省區(qū)相鄰。此外，Moran’I系數逐年增加，反映了城市化水平的空間相關性逐年加強。

表1 我國省區(qū)城市化水平的Moran’I指數

二、空間計量模型分析

省區(qū)城市化水平存在空間溢出效應會對本地區(qū)和相鄰地區(qū)的經濟社會發(fā)展產生一定的影響，具體到城市化水平和能源強度也是如此，省區(qū)城市化水平通過多種途徑的溢出效應，不但會影響本地區(qū)的能源強度，而且能夠影響到相鄰地區(qū)的能源強度。當然，這需要嚴格的計量檢驗。

（一）空間計量模型

目前空間計量經濟學中應用最為普遍的模型是由Cliff和Ord（1981）所提出的空間自回歸模型，其一般形式為：

式中W1y為n×1維的因變量，X為n×k維的自變量，W1和W2分別為n×n維空間權值矩陣，W1y為空間滯后因變量，ρ和λ為空間相關系數，β為n×1維的參數向量，ε為隨機誤差項向量，μ為正態(tài)分布的隨機誤差向量。具體到本文中，y為能源強度，X為城市化水平。一般形式的空間自回歸模型可以派生出兩種常用的模型：一種是當ρ≠0，β≠0，λ=0時，為空間滯后模型（Spatial Lag Model，SLM），這個模型所研究地區(qū)的因變量不僅與本地區(qū)的自變量有關，還與相鄰地區(qū)的因變量有關，其主要是探討各變量在一個地區(qū)是否有溢出效應；另一種是當ρ=0，β≠0，λ≠0時，為空間誤差模型（Spatial Error Model，SEM），這個模型可以改寫為y=Xβ+λW2(y-Xβ)+μ，說明所研究地區(qū)的因變量不僅與本地區(qū)的自變量有關，還與相鄰地區(qū)的因變量以及自變量有關，并且也度量了相鄰地區(qū)關于因變量的誤差沖擊對本地區(qū)因變量的影響程度。[6]

對于上述兩種模型的估計采用最小二乘法估計（OLS）顯然是有偏差或無效的，需要通過其他方法來進行估計，一般是采用極大似然法來估計，至于在實證分析中哪個模型更加符合客觀實際，Luc Anselin（2005）提出了如下判別準則：如果在空間依賴性的檢驗中，LM(lag)和LM(error)都不能拒絕零假設，則堅持OLS的結果。如果有一個LM檢驗統(tǒng)計量拒絕了零假設，但其它的沒拒絕，也可以直接得出結論：估計與拒絕了零假設的檢驗統(tǒng)計量相對應的另一個空間回歸模型，即如果LM(lag)拒絕了零假設，LM(error)沒有，就估計空間滯后模型；反之亦然，如果兩個LM檢驗統(tǒng)計量拒絕了零假設，則要考慮Robust LM(lag)和Robust LM(error)檢驗統(tǒng)計量，當其中一個是顯著的或一個比另外一個更顯著時，估計最顯著的統(tǒng)計量相對應的空間回歸模型，兩個Robust LM檢驗統(tǒng)計量都不顯著的情況是很少見的。[7]此外，還可以根據擬合優(yōu)度R2、對數似然值LogL、赤池信息準則AIC以及施瓦茨準則SC等綜合判斷，LogL越大，AIC和SC值越小，該空間回歸模型擬合效果越好。

（二）模型設定與數據說明

根據以往的研究文獻，筆者設定了如下計量模型：

其中=1，2，…，30為30個省、直轄市和自治區(qū)，EC為能源強度，用單位國內生產總值的能耗來表示，具體是能源消費總量/國內生產總值；IND為工業(yè)化水平，大多數學者用工業(yè)產值占國內生產總值的比重表示或者用工業(yè)勞動力占全社會勞動力的比重表示，本文取二者之和的平均數，即為（工業(yè)產值占國內生產總值的比重+工業(yè)勞動力占全社會勞動力的比重）/2；TEC為技術進步，大多數學者用政府財政研發(fā)投入表示或者用基于柯布—道格拉斯生產函數，通過索洛余值法測算的全要素生產率表示。就前者而言，我國資本技術密集度較低，技術進步大多并不依賴高風險和高資本的研發(fā)投入，而是依賴低風險和低資本投入的技術引進，因此，該指標很可能低估了我國的技術進步。對于后者，基于新古典生產理論建立的全要素生產率測算方法有諸多前提和假定條件，如完全競爭市場、資本與勞動任意替代、要素充分利用、技術中性等，而我國幾乎不具備這些條件，所以用全要素生產率作為衡量技術進步指標難以說明我國存在明顯的技術進步。[8]故本文采用勞動生產率作為技術進步的替代指標，即國內生產總值/勞動力總數；URB為城市化水平，通常是以城鎮(zhèn)人口數占總人口數的比重來衡量；①FDI為外資依存度，用外商直接投資占國內生產總值比重表示；EX為出口貿易額。

為了更好地分析城市化水平和能源強度的空間特征，并且避免采用截面數據選擇造成因樣本年份可能具有特殊性而導致以特殊結論代替一般結論的結果，此處仍然選取了2000年、2002年、2004年和2007四個年份，以更好地觀察城市化水平對能源強度空間影響的動態(tài)趨勢。2000年、2002年和2004年的原始數據來源于《新中國55年統(tǒng)計資料匯編》，2007年的原始數據來源于《中國統(tǒng)計年鑒》，為了消除統(tǒng)計數據中價格因素和匯率因素的影響，用國內生產總值指數（以2000年為100）對各地區(qū)國內生產總值的數據進行了折算；又由于2005年人民幣匯率制度改革導致人民幣對美元匯率變動，因此，筆者將各地區(qū)外商直接投資、出口按當年時間加權平均匯率調整，分別得到了各地區(qū)的真實增加值。此外，由于數據的自然對數變換不改變原變量之間的關系，并能使其趨勢線性化，消除序列中存在的異方差，所以已經對各序列進行自然對數變換。

（三）實證結果

本文首先利用GeoDa對模型作OLS估計，估計結果見表2。從表2可知，4年的OLS估計的調整擬合優(yōu)度均在70%以上，F值也表明模型整體上均通過了顯著性檢驗。其中，工業(yè)化水平、城市化水平和出口與能源強度是正相關關系，回歸系數在不同水平上均顯著，技術進步和對外依存度與能源強度是負相關關系，前者回歸系數在不同水平上均顯著，后者回歸系數則不顯著。目前我國處于全面工業(yè)化和城市化進程推進的時期，短期內能源需求結構不會發(fā)生太大變動，工業(yè)化和城市化水平的提高導致了能源需求增長超過經濟增長，能源消費強度增強。至于出口與能源強度成正相關關系，主要是由于我國出口貿易中，高能耗產品出口的比重較大，高耗能產品出口是我國能源供應短缺的重要因素。據測算，每年出口的高耗能產品的能源消耗相當于全國能源消耗總量的五分之一。而關于技術進步和對外依存度與能源強度是負相關關系的主要原因在于二者都提高了能源的利用效率，但可能由于流入我國的外商直接投資的技術溢出效應不十分明顯，才造成其對能源強度的影響不顯著。如果不考慮省區(qū)城市化水平之間的相互作用，本文的分析也就到此為止了。但由于前述的檢驗己經證明了省區(qū)城市化水平之間具有明顯的空間自相關性，說明忽視空間自相關性直接采用OLS法建立模型進行估計分析存在一定問題。出現這種問題的原因可能有兩個：一是遺漏了重要的變量；一是模型設定有問題，如未能考慮省區(qū)之間的空間相關性。[9]

為了進一步驗證空間自相關性的存在，由表2中的（誤差）檢驗表明，基于OLS法的經典回歸誤差的空間相關性非常明顯。同時為了區(qū)分是SLM模型還是SEM模型，根據前面介紹的判別準則，表2中4年的拉格朗日乘子誤差和滯后及其穩(wěn)健性檢驗均表明，LM(lag)和LM(error)檢驗統(tǒng)計量拒絕了零假設，Robust LM(lag)不顯著，Robust LM(error)顯著，故選擇SEM模型。

表3給出了SEM估計結果，比較表2和表3的檢驗結果發(fā)現，SEM估計的擬合優(yōu)度高于OLS估計結果，擬合優(yōu)度均在85%以上。當然，由于采用極大似然法估計參數，基于殘差平方和分解的擬合優(yōu)度檢驗的意義不是很大。為此，比較對數似然值LogL、AIC和SC值就會發(fā)現，SEM估計的LogL大，AIC和SC值小。因此，SEM估計比OLS估計要好。由此可見，基于OLS法的經典線性回歸模型由于遺漏了空間誤差自相關性而設定的模型不夠恰當，以往與之相關的研究大多假定省區(qū)之間相互獨立，導致了基于OLS法估計結果及推論可能不夠可靠，需要通過引入空間差異性和空間依賴性對經典的線性回歸模型進行修正。[10]

表2 OLS估計結果

從表3的估計結果可以看出，四個年份城市化水平的系數均在5%水平上顯著，說明省區(qū)城市化水平對能源強度都存在著顯著的影響，而且影響系數均是正數，即城市化水平的提高導致了能源強度的增強，但不同年份的城市化水平對能源強度的影響系數大小不同，影響系數有逐漸加大的趨勢。此外，四個年份的滯后項參數λ均顯著，這表明能源強度不僅受本地區(qū)能源強度的影響，也受相鄰省區(qū)的能源強度的影響；也表明能源強度不僅受本地區(qū)城市化水平影響，也受相鄰省區(qū)城市化水平的影響。λ為正數，表明相鄰省區(qū)的能源強度和城市化水平提高了本地區(qū)的能源強度。由此，能源強度和城市化水平的空間溢出效應得到了證實。并且從表3可知，不同年份λ的大小不同，其值有逐漸加大的趨勢，說明城市化水平對能源強度的空間效應在增強。

表3 SEM估計結果

三、結論

本文利用空間計量經濟學的相關知識對城市化水平與能源強度進行了實證研究，得出以下幾點結論：一是我國城市化水平具有顯著的空間溢出效應；二是能源強度不僅受本地區(qū)的能源強度的影響，也受相鄰省區(qū)的能源強度的影響；三是能源強度不僅受本地區(qū)的城市化水平影響，也受相鄰省區(qū)城市化水平的影響；四是城市化水平對能源強度的影響和空間效應均在增強。

目前我國正處于城市化進程的快速推進時期，經濟高速發(fā)展，能源消耗巨大，我國的經濟發(fā)展越來越接近資源和環(huán)境條件的約束邊界，能源需求和供給的矛盾使我國經濟發(fā)展面臨著嚴峻的挑戰(zhàn)。[11]短期內我國城市化對能源需求還有很大的依賴性，城市化水平提高會增加能源消費強度，這從實證研究中已經證實。但長遠來看，城市化水平的提高會使產業(yè)組織結構、技術結構、產品結構等得到更合理的調整，各種配置得到進一步的優(yōu)化，各種資源得到更合理的利用，會使能源消耗具有下降的趨勢。即城市化會使能源利用效率得以提高，這就要求我們更加注重城市化推進的質量，這是解決我國能源問題的出路之一。此外，從本文的實證研究來看，工業(yè)化和出口與能源強度是正相關關系，技術進步和外商直接投資與能源強度是負相關關系。這告訴我們，可以通過轉變經濟增長方式，推進經濟集約型增長；通過調整出口貿易結構，減少高能耗產品出口，以緩解出口貿易對能源消費的嚴重依賴；通過引進外資，注重承接外資的技術溢出效應來降低能源強度，解決能源問題。

注 釋：

①有的學者認為這一衡量方法存在一定的片面性，應該從城市化質量的角度出發(fā)，建立起一組指標來衡量。本文認為從表面上看，單一衡量城市化水平的指標已具有理論和現實的經濟統(tǒng)計意義，可以獨立反映出城市化的發(fā)展水平和層次，故仍然采用城鎮(zhèn)人口數占總人口數的比重來衡量。

[1]Wei B.R,Yagita H,Inaba A,Sagisaka M.Urbanization impact on energy demand and CO2emission in China[J].Journal of Chongqing University-Eng.Ed.,2003，(2)：46-50.

[2]Shen L,Cheng S.K,Cunson A.J,Wan H.Urbanization,sustainability and the utilization of energy and mineral resources in China[J].Cities.2005，(4)：287-302.

[3]鄭云鶴.工業(yè)化、城市化、市場化與中國的能源消費研究[J].北方經濟，2006，(10).

[4]劉耀彬.中國城市化與能源消費關系的動態(tài)計量分析[J].財經研究，2007，(11).

[5]蔣 偉.中國省域城市化水平影響因素的空間計量分析[J].經濟地理，2009，(4).

[6]CliffAD,Ord J K.Spatial processes:models and applications[M].London：Pion Limited，1981.

[7]Luc Anselin.Exploring Spatial Data with GeoDa：A Workbook[EB/OL].http://sal.uiuc.edu/2005.

[8]王 鶴.中國工業(yè)化進程中能源消費變動的實證分析[J].中國國土資源經濟，2009，(6).

[9]張繼紅，吳玉鳴，何建坤.專利創(chuàng)新與區(qū)域經濟增長關聯機制的空間計量經濟分析[J].科學學與科學技術管理，2007，(1).

[10]吳玉明.空間計量經濟模型在省域研發(fā)與創(chuàng)新中的應用研究[J].數量經濟技術經濟研究，2006，(5).

[11]帥 博，張良悅.我國區(qū)域能源效率收斂性分析[J].當代財經，2008，(2).