城鎮化與工業化對能源強度影響的實證研究

王珂英　張鴻武

摘要

城鎮化、工業化對中國能源強度的影響如何？如何在快速推進城鎮化、工業化進程的同時確保節能減排目標的實現？論文以能源強度指標代替傳統的能源消費指標來反映能源綜合利用效率，并應用考慮截面相關性和異質性回歸系數的非平衡面板數據模型，使用共同相關效應組均值（CCEMG）估計方法對中國1978-2014年城鎮化、工業化與能源強度之間的關系進行分析。研究結果表明：人均實際GDP增長1%，能源強度將會降低0.412%，工業化水平增長1%，能源強度將會上升0.630%，而由于生產消費等經濟活動的增加、高度集中化以及規模經濟的綜合作用，使得城鎮化對能源強度的影響并不確定。聯系研究結論，本文提出政策建議：我國應加快產業結構升級，轉變經濟增長方式；構建綠色制造體系，推進“五化”協同發展；推進綠色、循環、低碳發展的新型城鎮化建設，提高城鎮化質量，提升我國整體的能源效率，確保節能減排目標的實現，推動經濟全面、協調、可持續發展。

關鍵詞能源強度；城鎮化；工業化；非平衡面板數據

中圖分類號F062.1；F291.1文獻標識碼A文章編號1002-2104（2016）06-0122-08doi：103969/jissn1002-2104201606016

近年來，中國經濟高投入低產出的粗放型經濟增長方式使得經濟發展與資源環境之間的矛盾愈發凸顯，能源短缺、氣候變化和環境污染已成為制約中國經濟可持續發展的瓶頸，能源供需矛盾日趨尖銳，節約能源和提高能源綜合利用效率越來越受到政府和企業的關注。2016年政府工作報告提出：“今后五年，我國單位國內生產總值能耗和二氧化碳排放量分別下降15%和18%，能源資源開發利用效率大幅提高，生態環境質量總體改善”。這充分體現了政府對能源問題的高度重視和提高能源使用效率的堅定決心。與此同時，中國目前正處于城鎮化、工業化快速發展階段，其主要特征之一是經濟增長速度快、能源需求增長快且具有剛性，這顯然會對節能減排目標的實現產生較大影響。如何在快速推進城鎮化、工業化進程的同時確保節能減排目標的實現成為政策制定者和學術界關注的重要問題，而定量分析城鎮化和工業化對能源強度的具體影響，可為制定經濟政策和能源政策提供重要依據，因此研究城鎮化、工業化與中國能源強度之間關系具有重要的現實意義。

1文獻綜述

作為學術界和政府關注的熱點問題，國內外學者就城鎮化、工業化對能源消費和能源強度的影響進行了深入研究，從國外研究來看，根據研究方法不同可歸納如下：

一是定性研究，側重于分析城鎮化、工業化影響能源消費的內在機理。Samouilidis & Mitropoulos認為現代工業活動會大幅增加能源消費[1]。Sathaye & Meyers認為城鎮化影響了能源配置和消費方式，促進居民收入水平提高和生活方式轉變，使居民實現了由傳統能源向現代化能源的變遷，在提高能源使用效率的同時降低了能源消費總量，但城市居民家用電器的普及卻增加了能源消費總量[2]。Schneider & Enste認為城鎮化影響能源消費的主要渠道是生產。伴隨經濟生產活動在城市區域的集中會產生規模經濟，生產活動從低能源密集的農業向高能源密集的工業轉變，同時能源從農村分散化使用的傳統能源使用向城市集中化的現代能源使用轉變[3]。Pachauri & Jiang的研究表明由于低效固態燃燒能源（如生物質和原煤）向清潔、高效能源（如天然氣、電力等）的轉變，使得城市的人均能源消費要低于農村[4]。

二是進行實證研究。前期的研究主要基于截面數據或時間序列數據。Jones使用59個發展中國家1980年的截面數據進行分析，得出城鎮化水平每增長1%，能源強度增長0.35%的結論[5]。Pachauri通過分析印度1993—1994年的微觀數據，發現由于商業性燃料使用的增加，印度城市居民的人均能源消費低于農村居民[6]。Holtedahl & Joutz使用臺灣1955—1995年數據，通過協整分析發現城鎮化與人均能源消費之間正相關[7]。Mishra et al.通過對太平洋島國的研究，發現城鎮化對不同國家人均能源消費的影響并不相同[8]。目前的實證研究中應用最為廣泛的方法是基于面板數據模型的分析。Parikh & Shukla使用發展中國家和發達國家1965—1987年數據，發現能源消費的城鎮化彈性大致在0.28—0.47之間[9]。York分析了歐盟國家1960—2005年能源消費的決定因素，發現能源消費的城鎮化彈性大致在0.29—0.56之間，收入彈性在0.52—0.69之間[10]。Liddle & Lung使用STIRPAT模型和17個發達國家在1960—2005年數據，發現城鎮化與居民生活能源消費呈正相關[11]。Poumanyvong & Kaneko使用99個國家1975—2005年數據，發現城鎮化對能源消費的影響隨經濟發展階段不同呈現不同特征[12]。Sadorsky通過使用76個發展中國家1980—2010年的數據，發現能源強度的工業化彈性在0.05—0.06之間，而城鎮化對能源強度的影響并不顯著[13]。

隨著中國城鎮化進程的快速推進和能源消費的快速增長，國內學者也逐漸關注中國城鎮化、工業化對能源消費和能源強度的影響，馬珩建立多元線性回歸模型，估算中國城市化和工業化對能源消費的影響[14]。胡宗義等基于2007年的截面數據進行研究，發現投資水平、工業結構和能源消費結構是造成能源效率地區差異顯著的主要因素[15]。王曉嶺等基于1990—2009年時間序列數據發現城市化水平的提高對能源強度的下降具有較強的促進作用[16]。畢軍賢構建了縣域工業化和市區產出與縣域城鎮化關系模型、城鎮化和工業化與能源銷量的模型，運用中部地區的面板數據進行了實證分析[17]。成金華和陳軍基于面板數據實證研究了中國城市化進程中的能源消費區域差異[18]。闞大學和羅良文利用面板數據和空間計量經濟學方法對城市化水平與能源強度進行了實證研究[19]。張瑞和丁日佳、周少甫和王亞南分別以不同時期省際面板數據為基礎分析工業化、城鎮化對能源強度的影響[20-21]。李標等構建靜態和動態面板模型，實證分析城鎮化、工業化與信息化與能源強度之間的關系[22]。

綜合來看，目前的研究呈現三個特點：一是在研究對象上，較多關注城鎮化、工業化與能源消費量之間的關系，而較少關注城鎮化、工業化與能源強度之間的關系。二是在研究方法上，面板數據因具有更多的信息和更大的變異等優點，成為主要的分析方法。三是在研究結論上，研究者均認為工業化導致了能源強度的提高，但關于城鎮化對能源強度影響還存在分歧。文章認為在當前新型城鎮化建設和節能減排的大背景下，還需要對工業化特別是城鎮化對能源消費的影響進行深入的研究，而提高能源綜合利用效率是緩解能源短缺和環境污染的途徑之一，相對于需求比較剛性的能源消費而言，研究能源強度也更有意義。從研究方法來看，目前絕大多數的研究都是基于“平衡面板”進行的，即每個時期在樣本中的個體完全一樣，但在現實中常面臨某些個體或者某些時期數據缺失的情況，即“非平衡面板數據”，在非平衡面板數據中提取平衡數據，通常會損失樣本容量，降低估計效率。另一方面，目前研究中通常假定城鎮化和工業化對能源強度的影響在所有個體間都是相同的，從而建立同質性回歸系數面板數據模型，而很少考慮影響在不同個體間的差異性，考慮面板數據個體間存在截面相關性而進行研究的就更少了。但是在本文問題的研究中，面板數據的個體通常是針對區域的，因此截面間往往會存在相關性。在研究中如果不考慮平衡面板數據導致的信息量缺失和估計效率問題以及個體間的截面相關性，難免會影響估計方法的嚴謹性和估計的準確性。綜上所述，論文擬采用中國1978-2014年省際水平的非平衡面板數據，運用考慮截面相關的異質性回歸系數面板數據模型，深入分析中國城鎮化、工業化對能源強度的影響，并在研究基礎上提出相關政策建議。

2經驗模型、變量說明與模型估計方法

2.1模型設定與變量說明

在分析城鎮化、工業化對能源強度的具體影響時，論文采用Jones的經驗模型進行實證研究[5]，模型設定為：

lnEIit=β1ilnYit+β2ilnINDit+β3ilnURBit+vi+εit（1）

式（1）中：EI表示能源強度，Y表示經濟發展水平，IND表示工業化水平，URB表示城鎮化水平；下標i表示省份，t表示時間，vi為不可觀測的地區效應，用以控制個體固定效應，εit為隨機擾動項。所有變量均以自然對數的形式進入模型，因此估計的系數可解釋為彈性。各變量的設定和具體說明如下：

（1）能源強度（EI）。該指標是對比不同國家或地區能源綜合利用效率的常用指標之一，體現了能源使用的經濟效益。常用計算方法有兩種：一種是單位國內生產總值（GDP）所消耗的能源；另一種是單位產值所消耗的能源。本文采用第一種方法，即以單位GDP能耗來反映能源強度，其量綱為“tec/萬元GDP”。

（2）經濟發展水平（Y）。研究表明：隨著經濟發展水平的提高，能源強度會呈現規律性變化，如Bernardini & Gali就發現隨著收入的增加，能源強度會降低[23]。本文以人均實際GDP來衡量經濟發展水平，單位為萬元。

（3）工業化水平（IND）。與傳統農業生產或制造業相比，工業活動的增多會導致更多的能源使用，提高能源強度。本文采用經驗研究中常用的工業增加值占GDP的比重來衡量工業化水平。

（4）城鎮化水平（URB）。城鎮化過程中，與消費和生產相關的經濟活動高度集中于城市，從而增加了能源的使用，但同時這種生產活動的集中又存在規模經濟，從而提高了能源的使用效率，兩方面的作用導致城鎮化對能源強度的影響不易預測。本文用城鎮人口占該地區總人口的比重來衡量城鎮化水平。

2.2截面相關性檢驗（CD檢驗）

研究表明：在使用面板數據模型進行計量分析時，某些情形下各截面間會存在較強的相關關系，其判斷依據是誤差項之間存在截面相關性。其原因在于影響因變量的共同經濟沖擊（如能源價格波動等）和未識別成分（如體制變化等）沒有作為自變量引入，而成為了誤差項的組成部分，這會導致通常的固定效應和隨機效應模型估計量是有偏且非一致估計量，因而，在對模型進行估計前，需進行截面相關性（CrossSectional Dependence）檢驗。面板數據分為平衡和非平衡兩種類型，類型不同，采用的截面相關性檢驗也有所差異。

考慮平衡面板數據模型的檢驗式：

2.3異質性斜率系數面板數據模型估計

2.3.1組均值估計（MG）

對面板數據模型進行估計時，不同假定下模型的估計方法存在較大差異。若待估參數滿足同質性假定（即有β1i=β1，β2i=β2，β3i=β3，β4i=β4），模型估計可使用標準面板數據模型估計方法，如混合回歸法（Pooled OLS，簡稱POLS），或固定效應（FE）模型。如果待估參數各不相同（即為β1i，β2i，β3i，β4i），即異質性斜率面板數據模型，可使用組均值（Mean Group，簡稱MG）來進行估計[25]。異質性斜率系數面板數據模型估計是當前計量經濟學研究比較活躍的領域[26]。

組均值（MG）估計中假定所有的系數和擾動項在所有面板間是不同的，并將最小二乘估計法應用于每個個體，得到回歸系數，最后將所有回歸系數求平均值。當時期T和樣本N較大時，組均值估計量為一致估計量。雖然組均值估計可以對異質性斜率系數面板數據模型進行估計，但是該方法沒有考慮截面相關性，即沒有考慮面板數據模型中影響各個體的共同因素的作用，如能源價格波動、技術進步以及經濟周期影響等，該類共同因素與特定時期相關聯并對各個體的影響是相同的，從而使得個體之間存在一定的截面相關性。

2.3.2共同相關效應組均值估計（CCEMG）

Pesaran提出的共同相關效應組均值估計量（Common Correlated Effects Mean Group Estimator，簡稱CCEMG）同時考慮了截面相關性和異質性斜率系數[27]。CCEMG估計量對截面相關的處理是通過因變量和自變量的截面平均值來實現，該截面平均值解釋了未知的共同因素，可能是非線性或非平穩的。與組均值估計量相似，斜率系數也是通過面板平均求得。研究表明：CCEMG估計量對于結構突變、無協整關系和部分序列相關性問題都是穩健的[28]。

分別為自變量、因變量的觀測值，βi為個體特定的自變量回歸系數，uit包含未觀測部分和誤差項εit。式（8）中的未觀測部分由三部分構成：描述組間時不變異質性的組固定效應α1i、描述時變異質性的未察共同因素ft和描述截面相關的異質性負荷因子λi。因子ft、gt可能是非線性、非平穩的。由于自變量可能由某些共同因素驅動：式（8）、式（9）中包含ft導致估計方程中存在內生性問題[26]。εit、eit假定為白噪聲。為簡單起見，上述模型中只包含一個自變量和一個未觀測共同成分。

所有組均值類（MG）的估計量通過下面的基本步驟求得：

（1）對N個組分別用最小二乘法估計方程；

（2）計算各組估計系數的平均值。

Pesaran & Smith提出的組均值估計量并沒有涉及截面相關，因而假定沒有λi ft或用線性趨勢來描述未察部分[29]。因而估計式（7）時，對于每一面板個體i，包含截距項描述固定效應、線性趨勢項描述時變的未察值，估計的系數β^i隨后在所有個體間求均值。

就Pesaran提出的CCEMG估計量而言，模型設定如式（7）、（8）、（9），模型設定中包含截面相關、時變的未察成分對面板個體的不同影響，存在當包含ft時無法識別βi的問題[27]。CCEMG通過增加組特定方程來解決這一問題：除了自變量xit和截距項，方程包括因變量和自變量的截面均值y-t和x-t作為自變量。y-t、x-t可用于解釋未察共同因素ft。由于對每組個體都獨立地估計該方程，因而可得出異質性影響λi。對所有觀測變量，計算截面均值y-t和x-t，并用作N個回歸方程中的解釋變量。隨后，估計系數β^i在所有面板間求均值。

3實證分析

3.1數據說明

論文選取中國30個省市自治區（港澳臺和西藏除外）1978-2014年數據進行實證分析，由于部分省份某些年份缺損變量，即并不是所有省份在所有年份都有數據，因此本文得到的是非平衡面板數據，共803個觀測值。為剔除價格因素影響，各省份各年實際GDP以2005年為基期根據相應經濟增長率計算求得，能源強度為萬噸標準煤與實際GDP比值，人均實際GDP為各省實際GDP與當年年底人口數比值，工業化水平是名義工業增加值與名義GDP比值，城鎮化水平是各省城鎮人口占總人口比重，數據來源于《中國能源統計年鑒》、《中國統計年鑒》、《新中國60年統計資料匯編》及各省市自治區的統計年鑒。

3.2實證結果與討論

3.2.1描述性分析

圖1直觀地反映了全國1978-2014年的能源強度（噸標準煤/萬元GDP）、人均實際GDP（萬元）、城鎮化水平（%）、工業化水平（%）等變量隨時間變化的趨勢，表1是各變量間的相關系數。

由圖1可知：自1978年以來，人均實際GDP快速增加，城鎮化水平呈穩步上升態勢，而能源強度在不斷下降，同時，工業化水平的變化卻呈現先下降后上升的近似U形變化。而由表1可知，能源強度與人均實際GDP呈較強負相關、與城鎮化水平呈高度負相關、與工業化水平呈較強正相關，而人均實際GDP與城鎮化水平高度正相關。

3.2.2截面相關性及單位根檢驗

通常情況下，單位根檢驗會假定截面之間不存在相關性，一旦序列存在截面相關，單位根檢驗會無效。因此，首先采用Pesaran的CD檢驗對截面相關性進行檢驗[24]，檢驗結果見表2的（2）-（5）列。CD檢驗表明：在1%的顯著性水平下，拒絕序列lnEI、lnY、lnIND、lnURB在截面之間不相關的假定，因而各序列截面間均存在截面相關。同時，采用考慮截面相關的Pesaran提出的CIPS檢驗（Z（t-））對序列的平穩性進行檢驗，檢驗時除lnY包含常數項、趨勢項和一階滯后項外，其他序列都采用包含常數項和一階滯后項的方程進行估計[30]，檢驗結果見表2的（6）和（7）列。CIPS檢驗表明每個序列都包含單位根，由此，我們可以推斷，各序列存在截面相關性且全部為非平穩序列，因而面板數據模型估計中常用方法得出的估計量存在一定的偏誤。

3.3模型估計結果

在數據處理并進行檢驗基礎上，為對比起見，依據不同的假設條件，我們對面板數據進行了一系列的估計，分別有混合最小二乘估計（POLS）、固定效應模型（FE）、組均值估計（MG）、共同相關效應組均值估計（CCEMG），估計結果及模型擬合效果的相關檢驗見表3。采用Pesaran的CD檢驗對各回歸方程估計所得殘差進行截面相關性檢驗[24]，通常情況下，殘差的平穩與否是計量模型擬合優度判斷的一個重要標準，本文采用Pesaran的CIPS檢驗對殘差進行平穩性檢驗[30]，另外表3將各方程的均根方誤差（RMSE）一并列出。

從表3的結果可以得到以下幾點結論：

（1）就混合最小二乘估計（POLS）來看，在1%的顯著性水平上，拒絕各回歸系數為0的假設，各系數顯著成立。從系數值來看，人均實際GDP每增加1%，能源強度下降0.711%，同時，能源強度的工業化水平彈性和城鎮化水平彈性分別為0.602和0.562。但對估計殘差截面相關性進行的CD檢驗表明，在1%的顯著性水平下，拒絕殘差序列不相關的假設；進一步，對殘差序列平穩性進行的CIPS檢驗表明，殘差序列非平穩，意味著混合最小二乘估計的模型擬合優度較差。

（2）在混合最小二乘估計的基礎上，采用固定效應模型（FE）進行估計，人均實際GDP、工業化水平、城鎮化水平及常數項的系數仍然顯著。然而，對殘差序列進行的檢驗同樣表明：殘差序列仍然存在截面相關性且是非平穩的，這里的固定效應模型由于沒有考慮截面之間的相關性，仍然沒有較好的擬合數據。

（3）考慮到在前兩個模型估計中，殘差序列都存在截面相關性和非平穩性，因而我們采用異質性回歸系數模型進行估計。采用組均值估計（MG）方法，可得出人均實際GDP、工業化水平和常數項的系數仍然顯著，城鎮化水平的系數變得不顯著。對殘差序列進行的檢驗再次表明：殘差序列的截面相關性并沒有消除，但殘差序列是平穩的，通過異質性面板數據回歸雖然沒有消除截面相關性，但模型擬合效果相對有所改進。

（4）最后，采用共同相關效應組均值（CCEMG）方法進行估計，即同時考慮了截面相關性和異質性回歸系數的模型。從回歸系數來看，除城鎮化水平系數外，各系數的符號及顯著性與固定效應模型、MG模型相一致，系數值也比較接近。對殘差序列進行的檢驗表明：殘差序列不存在截面相關性，同時殘差序列是平穩的，表明模型的擬合優度較好，而且該模型中的均方根誤差（RMSE）也是最小的。

根據對殘差檢驗的結果、各均方根誤差（RMSE）大小的變化以及模型擬合度的判斷，我們認為CCEMG模型較好的擬合了非均衡面板數據，因而隨后的結論與政策分析主要以該模型結果為基礎。

4結論與政策建議

與現有研究城鎮化與能源消費之間關系的文獻不同，本文以反映能源綜合利用效率的能源強度指標替代傳統的能源消費總量指標，以考慮截面相關性和異質性斜率系數的非平衡面板數據建立模型，使用共同相關效應組均值（CCEMG）方法進行估計，對城鎮化、工業化與能源強度之間關系進行了深入研究。研究結果表明：

（1）隨著收入水平的提高，能源強度呈降低的趨勢。能源強度的人均實際GDP彈性為-0.412，該系數在各回歸模型中均顯著成立，且數值變化較小，說明該值比較穩健。同時，實證研究發現：如果在面板數據回歸中不考慮截面相關的影響，會傾向于高估收入水平提高對能源強度的影響。收入水平對能源強度的影響可以歸結為經濟增長和社會進步的結果，在經濟增長和社會進步的過程中，往往伴隨著技術進步和技術創新，而這會導致生產效率和能源綜合利用效率的提高，從而有助于能源強度的降低，與此同時，能源相關的技術進步亦使得低能源強度的替代產品得到廣泛應用，進一步降低能源強度。

（2）工業化水平的提高不利于能源強度的降低。從各模型來看，該系數一直顯著為正且變化不大，在CCEMG模型中，能源強度的工業化彈性約為0.630。在推進工業化的過程中，不僅大量的工業企業和工業基礎設施建設需要耗費大量的能源資源，而且隨著工業化水平的提高，工業也傾向于使用更多的能源來進行生產活動。同時工業化的發展也帶動了人民生活水平的大幅提升，刺激了對能源消費的需求。而我國現有工業生產的技術水平和設備使用現狀還相對比較落后，工業粗放型增長方式并沒有得到根本性的改變，致使能源利用效率較低，浪費比較嚴重，因而，工業化進程的推進使得能源強度不降反升。

（3）城鎮化對能源強度的影響不確定。在上述四個模型中，混合最小二乘法、固定效應模型中城鎮化的系數均顯著為正，而組均值估計和共同效應組均值估計模型中，該系數均不顯著，可見城鎮化影響能源強度的方向和大小難以確定，因而，根據現有研究，尚無法判定城鎮化對能源強度的影響，這與目前相關實證研究中得出的結論比較一致。其深層次原因在于：城鎮化的主要特征表現為農村人口轉為城市人口并集中居住，在城鎮化過程中，人口密度逐步增加，促使了能源密集型基礎設施的增加，同時城鎮化導致居民收入增加和生活方式改變，交通通訊等活動對能源的消耗也會增加，這意味著生產和消費類等經濟活動在城市區域的高度集中，導致了能源消費的增加和能源強度的上升。但另一方面，城鎮化也意味著生產和消費中規模經濟和產業集聚效應的出現，以及對優化產業組織結構、產品結構、技術進步的促進，因此城鎮化又有助于降低能源消費和提高能源綜合利用效率。正是這些因素的綜合作用，以及中國正處于快速城鎮化發展階段的現實背景，使得中國目前城鎮化發展對能源強度的影響并不確定。

基于以上結論，政策似乎陷入了相互沖突的兩難處境：提高人均收入水平有利于降低能源強度，因而保持經濟的持續增長，提高城鎮化水平就成為政策的必然選擇。然而，為了實現經濟的持續增長和城鎮化水平的提高，政府往往傾向于采取推動工業發展的路徑和方式，畢竟工業化是經濟增長和發展的主要動力源泉，而且城鎮化與工業化兩者間又存在相互促進的發展關系，但工業化水平的提升又提高了能源強度。因此在目前促進經濟發展、提高城鎮化水平和收入水平，同時節能減排又面臨較大壓力的情況下，政策措施的選擇與配合就顯得尤為重要，具體可從以下幾方面進行：

首先，加快產業結構升級，轉變經濟增長方式。技術進步是產業結構優化升級的直接動力，要采取有效措施，促進企業提高自主創新能力，帶動產業結構優化升級，扭轉我國粗放型經濟增長方式，促進高附加值、低能耗的產業增長，實現集約型經濟增長。從長遠來看，推動技術進步，加強我國的自主創新能力，實現經濟增長方式由粗放型向集約型轉變，才能最終提升我國整體的能源效率，確保節能減排目標的實現。

其次，構建綠色制造體系，推進“五化”協同發展。工業的過快發展不僅會加大能源需求的壓力，而且以資源大量投入為特征的粗放型發展還會導致能源效率降低。因此應加快構建以高效、清潔、低碳、循環為特征的綠色制造體系，推進新型工業化、信息化、城鎮化、農業現代化和綠色化的協同發展。同時需充分考慮不同地區、不同行業和不同規模企業的差異和發展情況，研究制定工業節能減排差異化政策。對于工業結構重化短時間內難以快速調整的局面，嚴格新項目能評環評，降低重化工業比重，減少能源消耗和環境污染，降低能源強度。

再次，推進綠色、循環、低碳發展的新型城鎮化建設。我國已進入城鎮化快速發展時期，同時又面臨著能源相對不足、生態環境比較脆弱的嚴峻制約，因此，走具有中國特色的綠色、循環、低碳發展的城鎮化道路，是我國在眾多約束條件下的必然選擇。應充分利用城鎮化發展的機遇，加速包括工業、建筑物、交通運輸等終端耗能領域的能源低碳轉型。在推進城鎮化的進程中，同步規劃適應當地情況的區域型能源利用系統，加強能源結構調整，建立和完善以清潔、可再生替代能源為規模利用，以傳統能源的減量化、集約化、循環利用為特征的城市能源系統，不斷促進能源強度的下降和能源利用綜合效益的上升，在更大程度上降低經濟社會發展對能源的依賴程度，實現經濟全面、協調、可持續發展。

（編輯：徐天祥）

參考文獻（References）

[1]SAMOUILIDIS J E. Mitropoulos.energy and economic growth in industrialized countries： the case of Greece[J]. Energy economics， 1984，6（3）： 191-201.

[2]SATHAYE J S.Energy use in cities of the developing countries[J].Annual review of energy， 1985（10）： 109-133.

[3]SCHNEIDER F，ENSTE D H. Shadow economies：size，causes and consequence[J].Journal of economic literature， 2000， 38（1）： 77-114.

[4]PACHAURI S L. The household energy transition in India and China[J]. Energy policy， 2008， 36（11）： 4022-4035.

[5]JONES D W.How urbanization affects energyuse in developing countries[J]. Energy policy， 1991， 19（7）： 621-630.

[6]PACHAURI S. An analysis of crosssectional variations in total household energy requirements in India using micro survey data[J].Energy policy， 2004， 32（15）： 1723-1735.

[7]HOLTEDAHL P，JOUTZ F L. Residential electricity demand in Taiwan[J].Energy economics， 2004，26（2）： 201-224.

[8]MISHRA C R， SMYTH S S. The EnergyGDP nexus： evidence from a panel of Pacific island countries [J].Resource and energy economics， 2009， 31（3）：210-220.

[9]PARIKH J， SHUKLA V.Urbanization，energy use and greenhouse effects in economic developmentresults from a crossnational study of developing countries[J].Global environmental change， 1995， 5（2）： 87-103.

[10]YORK R. Demographic trends and energy consumption in European Union nations[J].Social science research， 2007， 36（3）： 855-872.

[11]LIDDLE B， LUNG S. Agestructure， urbanization and climate change in developed countries： revisiting STIRPAT for disaggregated population and consumptionrelated environment impacts[J]. Population and environment， 2010， 31（5）： 317-343.

[12]POUMANYVONG P， KANEKO S.Does urbanization lead to less energy use and lower CO2 emissions？ a crosscounty analysis[J].Ecological economics， 2010， 70（2）： 434-444.

[13]SADORSKY P.Do urbanization and industrialization affect energy intensity in developing countries[J].Energy economics， 2013（37）：52-59.

[14]馬珩. 中國城市化和工業化對能源消費的影響研究[J].中國軟科學，2012（1）：176-182. [MA Heng. Influence of urbanization and industrialization on Chinas energy consumption [J]. China soft science， 2012 （1）： 176-182.]

[15]胡宗義，劉靜，劉亦文. 中國省際能源效應差異及其影響因素分析[J].中國人口·資源與環境，2011（7）：33-39. [HU Zongyi， LIU Jing， LIU Yiwen. Research on interprovincial differences in energy efficiency of China and its influencing factors [J]. China population， resources and environment， 2011（7）： 33-39.]

[16]王曉嶺，武春友，趙奧. 中國城市化與能源強度關系的交互動態響應分析[J].中國人口·資源與環境，2012（5）：147-152. [WANG Xiaoling， WU Chunyou， ZHAO Ao. The analysis of energy intensity determinants and empirical research in China [J]. China population， rresources and environment， 2012（5）： 147-152.]

[17]畢軍賢. 中部縣域城鎮化與工業化、能源消耗量關系的實證研究[J].中國管理科學，2008（S1）：592-595. [BI Junxian. An empirical study on the relationship between industrialization and urbanization， energy consumption in Central China [J]. Chinese journal of management society， 2008（S1）： 592-595.]

[18]成金華，陳軍. 中國城市化進程中的能源消費區域差異[J].經濟評論，2009（3）：38-46. [CHENG Jinhua， CHEN Jun. The differences of energy consumption in the process of regional Chinese City [J]. Economic review， 2009（3）： 38-46.]

[19]闞大學，羅良文. 我國城市化對能源強度的影響[J].當代財經，2010（3）：83-88. [KAN Daxue， LUO Liangwen. The impact of Chinas urbanization on energy intensity [J]. Contemporary finance & economics， 2010（3）： 83-88.]

[20]周少甫，王亞南.中國工業化、城鎮化對能源強度的影響——基于動態面板數據模型的研究[J].生態經濟，2015（2）：75-79. [ZHOU Shaopu， WANG Yanan. The impact of Chinas industrialization and urbanization on energy intensity [J]. Ecological economy， 2015（2）： 75-79.]

[21]張瑞，丁日佳.工業化、城市化對能源強度的影響——基于我國省際動態面板數據的實證研究[J]. 經濟問題探索，2015（1）：11-16. [ZHANG Rui， DING Rijia. The impact of Chinas industrialization and urbanization on energy intensity [J]. Inquiry into economic issues， 2015（1）： 11-16.]

[22]李標，吳賈，陳姝興.城鎮化、工業化、信息化與中國的能源強度[J].中國人口·資源與環境，2015（8）：69-76. [LI Biao， WU Jia， CHEN Shuxing. Research on the relationship between urbanization， industrialization， informatization and energy consumption in China [J]. China population， resources and environment， 2015（8）： 69-76.]

[23]BERNARDINI O， GALLI R. Embracing change： futures inquiry as applied history[J]. Futures， 1993（5）： 431-448.

[24]PESARAN M H. General diagnostic tests for cross section dependence in panels[J].Cambridge working papers in economics， 2004（35）：52-65.

[25]PESARAN M H. The role of economic theory in modeling the long run [J]. Economic journal， 1997， 107（1）： 178-191.

[26]EBERHARDT M， TEAL F. Econometrics for grumblers： a new look at the literature on crosscountry growth empirics[J].Journal of economic survey， 2011， 25（1）： 109-155.

[27]PESARAN M H. Estimation and inference in large heterogeneous panels with a multifactor error structure[J].Econometrica，2006，74（4）： 967-1012.

[28]KAPETANIOSG. PESARAN M H， YAMAGATA T. Panels with nonstationary multifactor error structures[J].Journal of econometrics， 2011， 160（2）：326-348.

[29]PESARAN M H， SMITH R. Estimating longrun relationships from dynamic heterogeneous panels[J]. Journal of econometrics， 1995， 68（1）： 79-113.

[30]PESARAN M H. A simple panel unit root test in the presence of crosssection dependence [J].Journal of applied econometrics， 2007， 22（2）： 265-312.

AbstractWhat are the effects of urbanization and industrialization on the energy intensity in China？ How to ensure the realization of energy conservation and the reduction of emissions targets in the process of urbanization and industrialization？ Against the backdrop of studies on relationship between urbanization and energy consumption， by replacing the traditional energy consumption with energy intensity indicator which reflects the efficiency of energy use， the paper applies the unbalanced panel data models with crosssection dependence and heterogeneous slopes to analyze the relationship urbanization， industrialization and energy intensity in 1978-2014. As a result， a 1% increase in real GDP per capita reduces energy intensity by 0.412%. A 1% increase in industrialization increases energy intensity by 0.630%. However， due to the effect of both highly centralized economic activity and scale economy， the impact of urbanization on energy intensity is uncertain. In conclusion， the implications of these results for energy policy are discussed. The government should upgrade industrial structure， promote fundamental shifts in the mode of economic growth， and construct the green manufacturing industry system， promote collaborative development， promote the construction of new towns in green， recycling， lowcarbon development， and ensure the realization of energy conservation and the reduction of emissions targets， in order to promote allround， balanced and sustainable development of economy and society.

Key wordsenergy intensity； urbanization； industrialization； crosssection dependence； unbalanced panel data