新型城鎮化發展對能源消費的影響研

[摘要]運用空間計量經濟模型測算了城鎮化發展及其他影響因素對能源消費的影響程度，并將城鎮化發展及其他影響因素對能源消費的影響效應分解為直接影響效應與間接影響效應。結果顯示，城鎮化率水平提高1%，能夠促進能源消費減少0.0890%，對相鄰地區的空間溢出效應為正，帶來相鄰地區能源消費0.1362%的增長幅度。我國在推進新型城鎮化建設的過程中，需要大力推動城鎮化節能。

[關鍵詞]新型城鎮化；空間杜賓面板數據模型；能源消費；空間外溢性；影響效應分解

[中圖分類號]F290；F224.0[文獻標識碼]A [文章編號]1673-0461（2014）08-0012-07

一、引言與文獻回顧

城鎮化是經濟發展和社會進步的必然結果，我國城鎮化正進入快速發展期。城鎮化發展方式及對產業結構的影響，勢必帶動能源供應結構和消費結構調整，對能源供應體系建設和能源發展提出了新的要求。城鎮化進程中，最重要的特點是人口迅速從農村向城鎮集中，一方面，城鎮化是每個經濟社會必經的發展過程，其加速推進必然推動經濟增長，帶動人民生活水平提高，從而加大能源消費總量；另一方面，城鎮化進程有利于產業結構、技術結構、產品結構等得到更合理調整、優化，各種資源得到更合理利用，提高能源使用效率，降低單位能耗。如何深刻認識新型城鎮化對能源消費帶來的影響，在不透支生態環境的背景下積極穩妥推進新型城鎮化建設，實現城鎮化節能，是我國當前必須解決的重大課題。

關于城鎮化對能源消費的影響，引起了國內外學者的廣泛關注。Parikha（1995）運用發展中國家的面板數據進行實證研究，得出發展中國家城鎮化發展對能源消費的影響顯著[1]。York（2007）對14個歐盟成員國1960～2000年的數據進行深入分析，得出城鎮對能源消費的影響貢獻度大[2]。Poumanyvong（2010）運用99個國家1975～2005年的面板數據構建STIRPAT模型研究城市化對能源利用的影響，得出不同收入水平的國家城市化對能源利用的影響程度存在顯著差異，低收入水平的國家城市化有利于減少能源利用，而在中高收入水平國家則會增加能源利用[3]。Wei（2003）對中國城鎮化與能源消費之間的關系進行了研究，得出中國城鎮化率每提高1%，將帶動能源消費總量增加1%[4]。Liu（2009）對中國能源需求與其他影響因素之間的關系進行了分析，得出城鎮化與能源需求之間存在穩定的長期關系[5]。張傳平、周倩倩（2013）利用協整模型和誤差修正模型，實證分析了我國能源消費與城市化水平等主要影響因素之間的長期均衡和短缺波動關系，得出我國能源消費總量與城市化水平之間存在協整關系，且長期里城市化水平變動對能源消費產生正向影響[6]。

已有研究對理解城鎮化發展對能源消費的影響提供了廣闊的視野，但這些研究均忽視了不同區域之間能源消費與城鎮化發展存在空間相關性，沒有把城鎮化發展對能源消費的直接影響與間接影響區分開來進行考量。本文運用空間計量經濟模型，在控制其他影響因素的情況下，測算城鎮化發展對能源消費的影響程度，并將城鎮化發展對能源消費的影響效應分解為直接影響效應和間接影響效應，基于空間視角厘清城鎮化發展對能源消費的影響大小，進而更有針對性地制定城鎮化節能政策。

二、城鎮化發展對能源消費的影響模型構建

本文借鑒Ehrlish P R等（1971）、Dietz & Rosa（1994，1997）、York等（2002，2003）學者的做法[7-11]，在IPAT方程的基礎上，將STIRPAT模型進行改造，將經濟發展水平、城鎮化發展水平、產業結構、能源消費結構、能源價格分別引入模型，改進后的城鎮化發展對能源消費的影響模型表達形式如式（1）：

lnEC=lna+βlnGDP+βlnUR+β3lnPSI+β4lnPTI+

βlnSEC+β6lnEP+lne=α+βlnGDP+βlnUR+βlnPSI+

βlnPTI+βlnSEC+β6lnEP+ε（1）

式中各變量定義為：

EC——能源消費（Energy Consumption），用能源消費總量表示，單位為萬噸標準煤。

GDP——經濟發展水平（Gross Domestic Product），用國內生產總值表示，單位為億元。能源消費是經濟增長的重要基礎，經濟增長是能源消費的主要動力，隨著我國經濟總量的不斷壯大，能源消費亦會不斷增加，因此經濟發展水平是能源消費的重要驅動因素之一。為保證各個地區不同年份之間的數據具有可比性，運用各個地區的GDP指數統一平減為2006年不變價GDP。

UR——城鎮化發展水平（Urbanization Rate），用常住人口城鎮化率表示，單位為%。在城鎮化的發展過程中，往往會伴隨著生產方式的轉變、生活消費模式的改變、產業結構的調整、經濟總量的擴大，能源在人類的生產生活中扮演著重要的角色，其消費量必然受城鎮化發展的影響。

PSI——第二產業比重（Proportion of Secondary Industry），用第二產業增加值占國內生產總值（GDP）的比例表示，單位為%。我國正處于工業化快速發展階段，并且高能耗的制造業在第二產業中占有較大比重，所以第二產業比重過高在助推能源消費增長中起著重要作用。

PTI——第三產業比重（Proportion of tertiary industry），用第三產業（服務業）增加值占國內生產總值（GDP的比例來表示，單位為%。第三產業是單位能源消耗相對較小的產業，目前我國正處于經濟結構轉型的關鍵時期，第三產業比重的增加有利于能源消費的減少，因此第三產業比重偏低是能源消費的主要因素。

SEC——能源消費結構（Structure of Energy Consumption），用煤炭消費量占能源消費總量的比重表示，單位為%。受我國資源稟賦的影響，富煤、貧油、少氣的能源生產結構決定了我國的能源消費結構，隨著能源技術進步的提高，能源效率會得到較大幅度的提高，能源消費結構不斷優化，有助于控制甚至減少能源消費增加的趨勢，因此能源消費結構是能源消費的核心因素。

EP——能源價格（Energy Prices），用分地區工業生產者出廠價格指數表示。從理論上來說，能源價格的上升會抑制能源消費增長，因此能源價格亦是影響能源消費的關鍵因素。

本文研究的樣本為2006～2012年我國30個省、市、自治區（因西藏能源消費數據缺失，本文研究對象暫不包括西藏），能源消費數據來源于《中國能源統計年鑒2013》，能源消費結構數據通過分地區煤炭消費量占能源消費總量的比重進行測算，其中能源消費總量主要包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣等，按照能源標準量轉換系數統一轉換成萬噸標準煤，煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣的能源標準量轉換系數分別為0.7476、0.9714、1.4286、1.4714、1.4714、1.4571、1.4286、13.3，分煤炭、焦炭、原油等能源品種的實物量數據來自《中國能源統計年鑒2013》，國內生產總值、常住人口城鎮化率、第二產業比重、第三產業比重、工業生產者出廠價格指數均來自《中國統計年鑒2013》。

三、城鎮化發展對能源消費影響的空間效應檢驗

endprint

在建立城鎮化發展對能源消費影響的空間計量模型之前，需要檢驗是否存在空間效應。本文運用Anselin（2006） 提出的空間面板數據的LM檢驗和Elhorst（2009）給出的空間面板數據模型相應的穩健LM檢驗，根據其統計量的顯著性確定是否可以拒絕非空間模型，如果LM-ERR和LM-LAG都不顯著，則選擇傳統面板模型。如果顯著，則應該采用空間計量模型來刻畫空間性。結合空間固定效應聯合顯著性和時間固定效應聯合顯著性似然比（LR）檢驗來判斷選擇空間固定效應、時期固定效應、時空固定效應中最合適的一種固定效應。LM檢驗結果如表1所示，在0.05的顯著性水平下，傳統面板數據模型中時空固定效應的空間滯后LM檢驗顯著，無固定效應、空間固定效應、時間固定效應的空間滯后穩健LM檢驗顯著，無固定效應、空間固定效應、時間固定效應、時空固定效應的空間誤差LM檢驗和穩健LM檢驗均顯著，因此可以完全拒絕非空間性，從空間計量的視角去研究城鎮化對能源消費的影響相比傳統面板數據模型具有更好的合理性。空間固定效應聯合顯著性和時間固定效應聯合顯著性檢驗LR檢驗顯示，無空間固定效應和無時間固定效應的原假設均被拒絕，表明空間固定效應模型或者時間固定效應模型能夠較好地刻畫城鎮化發展對能源消費的影響。

四、城鎮化發展對能源消費影響的空間計量實證檢驗

由于城鎮化發展對能源消費影響存在空間相關性，我們首先考慮建立空間杜賓面板數據模型，再根據Wald檢驗和LR檢驗判斷是否可以簡化為空間滯后面板數據模型或者空間誤差面板數據模型，城鎮化發展對能源消費影響的空間杜賓面板數據模型表達形式如式（2）：

lnEC=δwlnEC+lna+βlnGDP+βlnUR+

βlnPSI+βlnPTI+βlnSEC+βlnEP+θwlnGDP+θwlnUR+θwlnPSI+θwlnPTI+θwlnSEC+θwlnEP+μ+λ+lne=δwlnCS+α+

βlnGDP+βlnUR+βlnPSI+βlnPTI+βlnSEC+

βlnEP+θwlnGDP+θwlnUR+θw

lnPSI+θwlnPTI+θwlnSEC+θwlnEP+μ+λ+ε （2）

式（2）中，lnEC為區域i在t時刻能源消費的觀測值，lnGDP、lnUR、lnPSI、lnPTI、lnSEC、lnEP為區域i在t時刻能源消費影響因素的觀測值，α為常數項，θ與β類似，均為固定的K×1維未知參數向量，μ為空間固定效應，λ為時間固定效應。W為空間權重矩陣，目前構建空間權重矩陣的方法較多，本文采用肖宏偉、易丹輝等（2013）構建地理空間權重矩陣與經濟權重矩陣相結合的空間權重矩陣[12]。

城鎮化發展對能源消費影響的空間杜賓面板數據模型實證檢驗結果如表2所示，從Wald和LR檢驗結果來看，時空固定效應、時空固定效應偏差修正（Lee & Yu，2010a）[13]、空間隨機時間固定效應三種模型下Wald和LR檢驗均顯著，說明不能簡化為空間滯后面板數據模型和空間誤差面板數據模型，空間杜賓面板數據模型更能適合城鎮化發展對能源消費影響的空間計量模型。同時，運用Hausman檢驗可以得出，應該選擇空間隨機效應、時間固定效應的空間杜賓模型。從模型的結果來看，空間隨機效應杜賓模型的相關系數平方明顯高于時空固定效應模型的相關系數平方，且所有變量的系數符號與預期一致。從而說明空間面板數據模型選擇的合理性，空間杜賓模型能夠對我國能源消費進行客觀計量。

從表2最后一列空間隨機效應、時間固定效應的空間杜賓模型結果可以看出，空間效應系數為正，且顯著，說明區域間能源消費存在一定的示范效應，相鄰區域能源消費減少1%，本區域能源消費會減少0.4580%，表明我國把能源消費總量控制目標科學分解到各地區，能夠有效控制能源消費增長的勢頭，區域之間控制能源消費總量的示范和帶頭作用對整個國家的能源消費控制發揮著關鍵和核心作用。城鎮化發展對能源消費影響結果顯示，城鎮化率水平增加1%，能夠促進能源消費減少0.0890%，對相鄰地區的空間溢出效應為正，帶來相鄰地區能源消費0.1362%的增長幅度，但不顯著。雖然樣本期間內城鎮化發展對能源消費減少的影響不顯著，但意義重大，我國在推進新型城鎮化建設的進程中，需要大力推動城鎮化節能。

其他影響能源消費的驅動因素的實證結果顯示，經濟發展水平提高1%，能夠顯著助推能源消費增長0.8127%，說明經濟水平的提高對能源消費的增長存在一定的依賴性，而對相鄰地區的空間溢出效應顯著為負，能夠帶動相鄰地區能源消費顯著減少0.5126%，表明不同區域之間實施低碳經濟對相鄰區域有著示范效應，在保持經濟發展水平穩定提高的同時實現能源消費控制。第二產業比重和第三產業比重每提高1%，能夠分別帶動能源消費增長0.1494%和0.074%，說明我國第二、第三產業快速發展的同時，相應帶動了我國能源消費的高速增長，目前我國正處于工業化中后期階段，第二產業快速發展對當期本地能源消費增長的拉動作用明顯高于第三產業，同時對相鄰地區的空間溢出效應顯著為負，相應會帶來相鄰地區能源消費0.2285%和0.5026%的減少幅度，表明我國不同地區之間相互建立節約型產業結構，減少不合理的能源消費，第三產業的快速發展對相鄰地區能源消費減少的空間溢出效應顯著高于第二產業。能源消費結構中煤炭消費占比每優化1%，能夠促進能源消費顯著減少0.1092%，受資源環境約束趨緊，我國大力調整能源消費結構，減少煤炭在能源消費中的比重，有效控制能源消費，但對相鄰地區的空間溢出效應顯著為負，帶動相鄰地區能源消費增加0.1193%，表明不同地區受能源資源稟賦的影響，通過技術進步開發新能源的難度較大，從而對相鄰地區的空間溢出效應為負。能源價格提高1%，能夠促進能源消費減少0.0122%，雖然能源價格對能源消費減少的促進作用不太顯著，但是隨著能源市場價格機制的形成，能源價格能夠有效控制能源消費過快增長，同時對相鄰地區的空間溢出效應顯著為負，能夠助推相鄰地區能源消費減少0.1668%，表明區域之間的能源價格體系不斷完善，能夠有效促進相鄰區域能源消費減少。

五、城鎮化發展對能源消費影響效應分解

當在傳統面板數據模型引入空間效應時，城鎮化發展對能源消費的影響不能只看城鎮化發展變量前的估計系數，而應該考慮空間效應，將城鎮化發展對能源消費的影響效應分解為直接影響效應和間接影響效應。本文運用LeSage & Pace（2009）提出的兩種計算方法對空間杜賓面板數據模型解釋變量對能源消費的直接影響效應與間接影響效應進行分解[14]。

從表3、表4的影響效應分解結果來看，兩種計算方法差別不大。以計算方法1為例，得益于人口、生產要素和產業活動等向城鎮集聚，城鎮化發展水平每提高1%，通過空間集聚效應對降低能源消費的直接作用為0.0761%，在加快推進新型城鎮化進程的同時，會間接拉動建筑、交通、基礎設施等部門的空間布局，從而間接導致能源消費增加0.1612%，總體上會引起能源消費增長0.0850%。《國家新型城鎮化規劃（2014-2020年）》明確提出了積極穩妥扎實有序推進新型城鎮化的要求和目標，要求到2020年“常住人口城鎮化率達到60%左右，戶籍人口城鎮化率達到45%左右。根據空間計量模型測算，我國2020年常住人口城鎮化率達到60%時，相比2013年的53.5%提高11.73%，能夠直接帶動能源消費在2013年37.6億噸標準煤的基礎上減少0.8928%，但間接帶動能源消費在2013年的基礎上增加1.8912%，總體上會拉動能源消費在2013年的基礎上增加0.9972%。

endprint

其他影響能源消費的驅動因素對能源消費的直接影響效應與間接影響效應分解結果顯示，經濟發展水平每提高1%，直接帶動能源消費增長0.7880%，間接減少能源消費0.2371%，直接影響效應明顯高于間接影響效應，總體上帶動能源消費增長0.5509%，表明經濟規模的不斷擴大是拉動能源消費增加的主要因素。第二產業比重每提高1%，直接帶動能源消費增長0.1179%，間接減少能源消費0.2534 %，間接影響效應明顯高于直接影響效應，總體上促進能源消費減少0.1355%。第三產業比重每提高1%，直接帶動能源消費減少0.0163%，間接減少能源消費0.7737%，間接影響效應明顯高于直接影響效應，總體上促進能源消費減少0.7901%。表明產業結構是影響能源消費的重要驅動因素之一，隨著新型工業化和現代服務業的快速推進，通過促進經濟結構轉型升級，有利于間接減少能源消費。煤炭在能源消費總量中的比重每降低1%，直接帶動能源消費減少0.0956%，間接帶動能源消費增加0.1190%，總體上引起能源消費增加0.0233%，表明我國“富煤、貧油、少氣”的能源特點決定了以煤炭為主的能源消費結構短期內難以改變，給能源消費的控制帶來一定的挑戰。能源價格每提高1%，直接帶動能源消費減少0.0470%，間接帶動能源消費減少0.2944%，間接影響效應顯著高于直接影響效應，總體上帶動能源消費減少0.3414%，由于能源是生產生活的必需品，能源價格的上升短期內對能源消費的影響較小，但從長期來看，能源價格的合理上漲會影響投資領域和生產生活方式的轉變，從而間接促進能源消費減少。

六、結論與政策建議

本文在控制經濟發展水平、產業結構、能源消費結構、能源價格等其他能源消費影響因素的基礎上，運用空間計量經濟模型測算了2006～2011年我國30個省、市、自治區（不包括西藏）城鎮化發展及其他影響因素對能源消費的影響程度，并將城鎮化發展及其他影響因素對能源消費的影響效應分解為直接影響效應和間接影響效應。研究結果顯示：區域間能源消費存在一定的示范效應，相鄰區域能源消費減少1%，本區域能源消費會減少0.4580%，對不同區域實行能源消費總量控制對整個國家的能源消費控制發揮著關鍵和核心作用。城鎮化率水平提高1%，能夠促進能源消費減少0.0890%，對相鄰地區的空間溢出效應為正，帶來相鄰地區能源消費0.1362%的增長幅度，但不顯著。我國2020年城鎮化率達到60%時，能夠直接帶動能源消費在2013年37.6億噸標準煤的基礎上減少0.8928%，但間接帶動能源消費在2013年的基礎上增加1.8912%，總體上會拉動能源消費在2013年的基礎上增加0.9972%。我國在推進新型城鎮化建設的進程中，需要大力推動城鎮化節能。

第一，提高城鎮化節能的約束水平。針對不同城鎮實施能源消費總量和強度雙控制，同時針對城市重點耗能行業亦進行能源消費總量和強度雙控制，逐步形成兩橫兩縱的能源消費控制格局。將節能優先理念全面融入新型城鎮化發展，通過能源消費總量和強度雙控制促進向生態城鎮化轉型，帶動經濟增長方式和生產生活模式的轉變。

第二，優化能源空間布局，完善城鎮能源供應體系結構。《國家新型城鎮化規劃（2014-2020）》提出以城市群為推進城鎮化的主體形態，目前我國城市群大部分只是區域空間分布上相對集中，其他的產業空間組織、能源空間布局、公共服務體系等方面未能跟上城市群建設的步伐。能源作為生產生活的重要組成部分，其空間布局對城鎮化的發展至關重要，優化能源空間布局，為新型城鎮化發展提供保障。

第三，優化能源消費結構，針對不同城鎮的資源優勢，提高新能源和可再生能源的比重。我國幅員遼闊，可再生能源豐富，內蒙古、新疆、青海、西藏等地區風能資源豐富，西部和西南地區蘊含豐富的水電資源，西藏、新疆、河北、山東、遼寧、廣東、福建、海南等地太陽能資源豐富，農業廢棄物、城市生活垃圾等生物質能源資源分布廣泛，在快速推進新型城鎮化建設的同時，根據城市所在地可再生能源資源特色，分區域分階段推動分布式太陽能、風能、生物質能、地熱能多元化、規模化應用，提高新能源和可再生能源利用比例。

第四，充分挖掘新型城鎮化進程中的建筑節能和交通節能潛力。城鎮化發展主要表現為人口從農村向城鎮聚集，由于城鎮與農村之間的生產生活方式不同，在建筑和交通行業的空間布局與能源消費模式存在顯著差異，總體看來，城鎮人均能源消費明顯高于農村人均能源消費，在新型城鎮化的推進過程中，亟須建筑節能和交通節能。建筑節能方面，加快既有建筑節能改造，大力發展綠色節能建筑；交通節能方面，大力發展公共交通，合理控制機動車保有量，加快以新能源、低能耗為主的汽車推廣應用，倡導自行車、步行等綠色出行方式。

第五，充分發揮區域之間能源消費的空間溢出效應，通過區域示范效應控制能源消費。空間溢出效應主要通過能源消費與經濟發展水平、產業結構、能源消費結構、能源價格等影響因素的空間滯后項進行傳遞，充分發揮經濟發展水平、產業結構、能源消費結構、能源價格對能源消費的直接影響效應和間接影響效應。通過加快經濟結構轉型升級、優化能源消費結構、適當合理提高能源價格等措施來實現區域能源消費控制與經濟增長的共贏。

［參考文獻］[1] Parikh J， Shukla V. Urbanization， energy use and greenhouse effects in economic development: Results from a cross-national study of developing countries[J]. Global Environmental Change， 1995， 5（2）: 87-103.

[2] York R. Demographic trends and energy consumption in European Union Nations， 1960-2025[J]. Social Science Research， 2007， 36（3）: 855-872.

[3] Poumanyvong P， Kaneko S. Does urbanization lead to less energy use and lower CO2 emissions? A cross-country analysis[J]. Ecolo-gical Economics， 2010， 70（2）: 434-444.

[4] Wei B R， Yagita H， Inaba A， et al. Urbanization impact on energy demand and CO2 emission in China[J]. Journal of Chong-qing University-Eng. Ed， 2003， 2: 46-50.

[5] Liu Y. Exploring the relationship between urbanization and energy consumption in China using ARDL （autoregressive distributed lag） and FDM （factor decomposition model）[J]. Energy， 2009， 34（11）: 1846-1854.

endprint

[6]張傳平， 周倩倩. 我國能源消費影響因素研究——基于長期均衡和短期波動的協整分析[J]. 中國能源， 2013， 35（3）: 35-38.

[7] Ehrlich P R， Holdren J P， Mezirow J， et al. Impact of population growth[J]. Science， 1971， 171（3977）: 1212-1217.

[8] Dietz T，Rosa E A. Rethinking the environmental impacts of popu-lation，affluence and technology[J]. Human Ecology Review，1994， 1: 277-300.

[9] Dietz T， Rosa E A. Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Sciences， 1997， 94（1）: 175-179.

[10] York R， Rosa E A， Dietz T. Bridging environmental science with environmental policy: plasticity of population， affluence， and technology[J]. Social Science Quarterly， 2002， 83（1）: 18-34.

[11] York R， Rosa E A， Dietz T. STIRPAT， IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics， 2003， 46（3）: 351-365.

[12] 肖宏偉，易丹輝，張亞雄. 中國區域碳排放空間計量研究[J]. 經濟與管理，2013（12） :53-62.

[13] Lee L，Yu J. Estimation of spatial autoregressive panel data models with fixed effects[J]. Journal of Econometrics， 2010， 154（2）: 165-185.

[14] Lesage，J.P.，and R.K. Pace. Introduction to spatial econometrics[J]. Boca Raton， US: CRC Press Taylor & Francis Group，2009.

endprint