中國省際能源效率和排放效率的收斂性研究

侯丹丹

(聊城大學 商學院，山東 聊城 252059)

?

中國省際能源效率和排放效率的收斂性研究

侯丹丹

(聊城大學 商學院，山東 聊城 252059)

借助于經濟增長收斂的分析方法，使用空間面板模型研究分析中國30個省份能源效率收斂性問題。研究結果發現，中國能源效率和排放效率水平的空間分布均呈現東、中、西依次遞減的格局，但2001—2010年十年間的排放效率和能源效率存在絕對收斂，即兩種效率落后的地區，經過發展最終可以趕上兩種效率較高的地區。因此，在政策制定時要考慮地區間的溢出效應，做好地區間的協調。

能源效率；排放效率；σ收斂；β收斂

一、引言

中國能源效率的空間分布呈現與區域經濟非均衡發展相吻合的特征，即沿東、中、西部梯度遞減。而弱化能源效率空間分布的不均衡，實現低水平地區向高水平地區收斂，能夠顯著改善中國整體能源效率(師博、張良悅，2008)。

在經濟學中，“收斂”一詞最初是用來研究國家或地區間收入差距是否會隨時間推移而逐步縮小的范疇。之后，國內外學者將其引申，用于能源效率等收斂問題上。理論上主要存在三種收斂：σ收斂、絕對β收斂和條件σ收斂。應用到能源效率(以及后文的排放效率)的收斂上，β收斂是指不同地區的能源效率差距隨時間的推移而下降，通常使用各省份能源效率的變異系數、基尼系數表示能源效率差距。絕對β收斂是指各省份的能源效率最終趨于同一穩態水平。σ收斂和絕對β收斂都屬于絕對收斂。條件β收斂則放棄了各個地區具有完全相同的經濟特征的假定，考慮各個地區不同的特征和條件，在控制各地區異質性條件后，能源效率差距如果收斂，則存在條件β收斂。

區域能源效率的收斂性問題逐漸成為近年來的研究熱點。Miketa et al(2005)利用面板數據研究了1971—1995年56個發達國家和發展中國家10個制造業部門的能源生產率的收斂情況。Mulder et al(2007)針對1970—1997年14個OECD國家間的能源和勞動生產率的研究結果表明其存在收斂現象。Liddle(2010)選用1971-2006年111個國家和1990—2006年134個國家的數據研究能源強度收斂問題，發現兩個子樣本的研究結果均表明存在持續的能源強度收斂現象。Herrerias(2012)研究了1971—2008年83個國家的總能源強度、73個國家的化石燃料能源強度和7個國家的替代能源強度及核能強度的收斂狀況，發現發展中國家的能源強度收斂速度快，發達國家存在“俱樂部”收斂。

近年來，國內學者開始關注中國區域能源強度(效率)的收斂性問題。姜雁斌和朱桂平(2007)研究發現，中國東部地區的能源強度存在絕對β收斂，而中西部地區則不存在β收斂。師博和張良悅(2008)使用變異系數研究中國區域能源效率的收斂問題，他們發現，整體來看，中國能源效率是趨異的；而東部顯示趨同的特征。西部地區的能源效率表現出發散的趨勢，中部地區的能源效率具有β收斂的特征。李國璋和霍宗杰(2009)對中國1999—2006年能源效率的收斂性進行了研究。研究結果發現，就全國而言，無論是絕對收斂還是條件收斂，都呈現明顯的收斂特征。東部、中部地區的能源效率均收斂。與此相反，西部地區的能源效率則不收斂，東中部地區的能源效率差距不隨時間推移而縮小。

以往文獻的特點：第一，在能源效率的測度上，一般選用能源強度指標。雖然該指標簡單易懂，較為直觀，但其缺點在于屬于單一要素能源效率指標，其忽略了勞動投入、資本投入等其他要素投入。因此，本文選用全要素能源效率指標考察地區能源效率的收斂性問題。第二，在考察區域能源效率差異的收斂性時，一般忽略了不同區域間的能源效率的空間自相關問題。一般而言，由于地理空間單元之間的互相影響，相鄰的地理單元如省域之間往往有技術溢出，造成空間地理單元的自相關問題。鑒于此，本文使用空間面板模型研究中國省域能源效率的收斂性問題。

本文借助于經濟增長收斂的分析方法，分析30個省份能源效率的σ收斂和β收斂。β收斂是指初始能源效率較低的地區比能源效率較高的地區有更高的能源效率增長率，強調能源效率增長率與初始能源效率成負相關，可以通過收斂回歸模型來檢驗。本文使用變異系數(CV)和基尼系數(GINI)對地區之間能源效率差異進行統計描述，然后使用收斂回歸模型驗證β收斂。

二、省際能源效率的收斂性分析

(一)省際能源效率的σ收斂

作為描述地區間能源效率差距的重要指標，σ收斂可以采用變異系數(CV)和基尼系數(GINI)等指標測度。如果指數隨時間推移下降，則表示中國30個省份能源效率存在收斂。CV和GINI計算公式分別如下：

CVt=st/EEt

(1)

其中：EE1t≥EE2t≥EE3t≥EEnt

(2)

表1　省際能源效率差距基尼系數和變異系數

圖1　省際能源效率的基尼系數和變異系數

當然，如果使用標準差衡量σ收斂，也可以使用回歸模型進行考察。如果能源效率的標準差隨時間推移而區域下降，即st+k

(3)

圖2　省際能源效率的標準差和變異系數

(二)能源效率收斂的傳統計量研究

1.絕對β收斂

由Martin(1996)關于絕對β收斂的橫截面分析方法模型為：

(4)

使用stata12進行穩健的OLS估計，結果見表2。

圖3　省際能源效率及其年均增長率散點圖(2001—2010)

圖4　省際能源效率及其年均增長率散點圖(2001-2005)

圖5　省際能源效率和各省份年均增長率散點圖(2006—2010)

期間β系數t值P值β絕對收斂2001—2010-0.0184-2.390.024是2001—2005-0.0459-3.230.003是2006—2010-0.0047-0.340.735否

從上述回歸結果可以看出，2001—2010年期間、2001—2005年期間基年能源效率的經濟系數均有β<0，且分別在5%、1%的顯著性水平上顯著，存在β絕對收斂。表明在2001—2010年、2001—2005年各省能源效率差異成縮小趨勢，能源效率落后地區最終可以追趕上能源效率較高的地區。但需要注意的是，在2006—2010年間，β系數雖然為負，但并不顯著，說明“十一五”計劃期間各省能源效率并不收斂。這一點，從圖3中可以相互印證。

2.條件β收斂

在絕對β收斂的基礎上，加入對收斂有影響的控制變量，如果此時回歸系數β的估計值仍然顯著小于0，即存在條件β收斂。根據數據的可得性和可靠性，本文在能源效率絕對β收斂的模型中，加入各省工業化程度、政府干預經濟程度、對外開放度、人口密度指標等控制變量，得到如下條件收斂模型：

(5)

其中iri,t表示地區i在t期的工業化程度，用該地區第二產業占其GDP比重表示；fegdpi,t表示地區i的政府行為對能源效率增長率的影響，以政府公共支出水平占本地區GDP的比重表示；dti,t測度對外開放程度對地區i能源效率增長率的影響，以各地區進出口總額占GDP的比重表示；lpdi,t測度人口密集度對能源效率增長率的影響，以人口密度的自然對數表示，其他變量的含義同上式。回歸結果如表3所示。

表3　能源效率條件收斂的OLS估計

注：#p<0.15; *p<0.1; **p<0.05; ***p<0.01，括號內為穩健的標準誤

加入控制變量后，我們發現β收斂速度加快，2001—2010年間達到了4.3%的水平，說明對外開放加劇了地區間能源效率差距的擴大。2001—2005年間，β收斂速度達到了9.1%，第二產業比重的系數顯著為負，說明地區能源效率差距的擴大與各省工業化程度有關。值得注意的是，在控制其他變量之后，2006—2010年間各省能源效率呈現條件β收斂。由對外開放度的系數顯著為正可知，在2006—2010年，由于區域間對外開放程度差距拉大，對縮小區域間能源效率的差距是不利的。總結來看，對外開放度有助于提高某區域的能源效率，整個“十五”、“十一五”計劃期間，由于開放程度的差距拉大，各省之間的能源效率差距有擴大的趨勢。

(三)能源效率收斂的空間計量研究

空間自相關又稱空間依賴，是指經濟主體的指標數據與相鄰的經濟體的活動有關。主要分為兩類：被解釋變量的空間自相關即cov(y,yj)≠0和誤差項空間自相關即cov(vi,vj)≠0。其中，i,j分別表示不同區域。本研究主要討論被解釋變量的空間自相關。對空間自相關的處理，主要有兩種思路，一是非參數法，即采用穩健的標準差，隨機誤差項的方差協方差矩陣在估計時引入核函數作為權重，獲得空間一致估計量。二是參數法，在回歸模型中引入空間權重矩陣，構建空間滯后模型(SpatialLagModel；SLM)或構建空間誤差模型(SpatialErrorModel；SEM)來解決。以下，本文使用后一種方法，即通過引入空間權重矩陣來消除空間自相關。篇幅所限，在此僅進行σ收斂、絕對β收斂的空間計量研究。

1.σ收斂的實證研究

對σ收斂而言，將常數回歸方程(3)引入空間滯后模型，變為：

(6)

其中，W為空間權重矩陣，其主對角線元素為零。本文中，采用Rook一階空間權重矩陣，并對其進行“行”(row)標準化處理。空間計量模型可選用空間滯后SLM和空間誤差SEM。經過空間依賴性檢驗，空間誤差模型和空間滯后模型的拉格朗日乘數(LM)均顯著，但穩健的LM檢驗結果表明，只有空間誤差模型顯著，因此空間誤差模型適合σ收斂估計。經過對2001—2010年10期的截面空間誤差回歸，得到一系列回歸標準誤差sd_SEM，將其與普通最小二乘法即OLS回歸得到的回歸標準差sd_OLS繪制在同一圖形中，見圖6。由圖6可知，空間計量回歸和OLS回歸的σ變化趨勢相似：能源效率“十五”期間呈現收斂，而“十一五”期間呈現發散。但引入空間效應后，σ值變小，表明能源效率的趨同性增強，能源效率差距進一步縮小。

圖6　OLS回歸和空間誤差回歸的比較(能源效率)

2.絕對β收斂的空間計量分析

將空間效應引入到回歸方程(4)中，得到：

(7)

表4　能源效率絕對收斂的空間計量回歸

注：**p<0.05; ***p<0.01

從絕對β收斂的空間計量回歸結果看，2001—2005年的“十五”規劃期間，無論是空間滯后模型(SLM)還是空間誤差模型(SEM)，β在1%的顯著水平上顯著為負，表明中國區域能源效率存在絕對β收斂。然而，在2006—2010年的“十一五”規劃期間，中國區域能源效率不存在絕對β收斂。

經過空間診斷，條件β收斂并不適合以空間計量分析。為此，不再進行考察。

三、省際排放效率的收斂性分析

相對于能源效率收斂的分析，排放效率收斂的分析更加少見。為此，本研究對此予以深入分析。仿照上文，本研究同樣借助于經濟增長收斂的分析方法，分析30個省份排放效率的σ收斂和β收斂。

(一)省際排放效率的σ收斂

中國30個省份排放效率的基尼系數和變異系數見表5和圖7。從中可以看出，2001—2010年10年間，中國排放效率斂散性變動大致可以分為兩個階段。第一階段，2001—2004年全國30個省份排放效率差距趨于收斂；第二階段，全國30個省份排放效率的差距開始擴大，這一時期處在2002—2010年。總之，全國各省份排放效率差距的變動大致以“十五”規劃期末為界，大致分為收斂和擴散兩個階段。

表5　省際排放效率的基尼系數和變異系數

圖7　30個省份排放效率基尼系數和變異系數

之后，將全國分為東中西三大區域，考察區域內排放效率差距的收斂性情況，見表6和圖8。從中可以看到，東中西部三大區域內排放效率差距變動基本上和全國處于同一態勢，大致也分為開始收斂(2001—2004年)，繼而開始擴散(2005—2010年)兩個階段。至于具體收斂與否，還需要結合計量回歸模型來判斷。由于全國和三大區域內的排放效率差距變動區域基本一致，下文分析中，僅以全國為例分析排放效率差距的收斂性。

表6　省際排放效率的基尼系數和變異系數

圖8　2001—2010年全國及東、中、西部排放效率的基尼系數

(二)排放效率收斂的傳統計量研究

1.絕對β收斂

考察各省份排放效率差距的回歸方程仍為公式(4)，只不過其中的yi,t為i地區t年的排放效率，其值由SBM模型計算得出。同樣，本研究選取兩個基礎年份(t)：2001年和2006年，終點年份選取2005年和2010年。考察全國2001—2010年、2001—2005年即“十五”計劃期間、2006—2010年即“十一五”計劃期間的30個省份排放效率收斂情況。先給出以上三個時間段的圖形分析：

圖9　省際排放效率及其年均增長率散點圖(2001—2010)

圖10　省際排放效率及其年均增長率散點圖(2001—2005)

圖11　省際排放效率及其年均增長率散點圖(2006—2010)

由以上三個時間段的擬合圖形看，全國各省份排放效率在2001—2010年、2001—2005年其擬合線的斜率小于0，初步判斷存在絕對β收斂。而2006—2010年各省份排放效率增長率和初始排放效率為正相關，初步判斷不存在絕對β收斂。上述三個時段全國各省份排放效率是否收斂還須進行回歸分析才能給出精準答案,因為還需要考慮回歸系數β的顯著性。為此，對上述三個時段進行回歸，其結果，見表7。

由上表的回歸結果看，雖然兩個時間段2001—2010年、2001—2005年的β系數小于0，然而并不顯著，因此不能認為存在絕對β收斂。而最后時間段2006—2010年的回歸系數大于0，且不顯著，當然也不存在絕對β收斂。

2.條件β收斂

在絕對β收斂的基礎上，加入對收斂有影響的控制變量，如果此時回歸系數β的估計值仍然顯著小于0，此時即存在條件β收斂。根據數據

表7　排放效率絕對收斂的OLS回歸

的可得性和可靠性，本文在能源效率絕對β收斂的模型中，加入各省工業化程度、政府干預度、對外開放度、人口密度指標等控制變量，來檢驗是否存在條件β收斂。回歸公式如下：

(8)

(8)式中，各變量含義見前文。回歸結果，見表8。

表8　排放效率條件收斂的OLS估計

注釋：*p<0.1; **p<0.05; ***p<0.01，括號內為穩健的標準誤

加入控制變量后，全國各省份在2001—2010年、2001—2005年排放效率差距存在條件β收斂。而2006—2010年全國各省份排放效率差距仍然不存在收斂。這表明，在2006—2010年的“十一五”期間，中國各省份在控制污染方面的效率差距進一步拉大。排放效率空間分布可能發生改變。為此，我們對排放效率差距是否存在收斂進行空間計量分析。

(三)排放效率收斂的空間計量研究

1.σ收斂的空間計量研究

對σ收斂而言，將常數回歸方程引入空間滯后模型，變為：

通過空間診斷，本研究使用空間誤差模型對上述回歸方程進行回歸，將其回歸方程的標準誤差記做Sd_SEM；將使用OLS回歸得到的σ記做Sd_OLS。回歸結果，見表9和圖12。從中可以看出，加入空間變量后，在2001—2005年，Sd_SEM、Sd_OLS的變化趨勢類似。而在2006—2010年間，Sd_OLS逐漸上升，表現出翹尾趨勢；而Sd_SEM則出現下降趨勢。意味著，加入空間變量后，原本傳統模型中排放效率不收斂的2006—2010年，在空間模型回歸中也可能出現收斂。

2.絕對β收斂的空間計量分析

經過空間診斷，只有2001—2010年這個時段的排放效率差距適合以空間計量分析，其余兩個時間段2001—2005年、2006—2010年并不適宜采用空間計量分析。故僅對2001—2010年的排放效率差距是否收斂進行實證分析。

表9　OLS回歸和空間回歸結果的標準差(排放效率)

圖12　OLS回歸和空間誤差回歸的比較(排放效率)

期間βλConstantR-squaredLoglikelihoodAICSC是否絕對β收斂2001—2010-0.0343*1.0003*-4E-060.286752.8617-101.723-98.921是

注：*表示1%的顯著性水平；采用SEM進行估計

通過加入空間效應，原本在傳統OLS回歸結果下不存在絕對收斂的全國排放效率差距已經收斂。說明由于共同因素(空間誤差)的影響，全國各地2001—2010年間的排放效率有趨同趨勢。

經過空間診斷，排放效率差距的條件β收斂并不適合以空間計量分析。為此，不再進行考察。

四、結論和政策啟示

本文考察全國能源效率差距和排放效率差距的變動趨勢。中國能源效率和排放效率水平的空間分布呈現與區域經濟發展類似的情形，即兩種差距均呈現東、中、西依次遞減的格局。由于兩種效率均可能存在空間自相關效應，故本文分別使用傳統OLS回歸和空間計量回歸模型判斷全國30個省份兩種效率是否存在收斂即趨同趨勢。經過實證檢驗，發現如下結果：

(一)能源效率方面

2001—2010年期間、2001—2005年期間基年能源效率的系數均顯著小于0，存在β絕對收斂。說明在2001—2010年、2001—2005年各省能源效率差異呈縮小趨勢，能源效率落后地區最終可以追趕上能源效率較高的地區。但需注意的是，2006—2010年間，β系數雖然為負，但并不顯著，說明“十一五”計劃期間各省能源效率不存在絕對β收斂。但加入控制變量后，我們發現上述三個時段均存在條件β收斂。

引入空間效應后，σ值變小，表明能源效率的趨同性增強，各省份能源效率差距進一步縮小。從絕對β收斂的空間計量回歸結果看，2001—2005年的“十五”規劃期間以及2001—2010年間，區域能源效率存在絕對β收斂。然而，在2006—2010年的“十一五”規劃期間，各省份區域能源效率不存在絕對β收斂。經過空間診斷，三個時段均不適合以空間計量模型考察是否存在條件β收斂。

(二)排放效率方面

使用OLS回歸分析發現，2001—2005年、2001—2010年的β系數小于0，然而并不顯著，因此不能認為存在絕對β收斂。而2006—2010年的回歸系數大于0，且不顯著，當然也不存在絕對β收斂。加入控制變量后，本研究發現，全國各省份在2001—2010年、2002—2010年排放效率差距存在條件β收斂，而2006—2010年全國各省份排放效率差距仍然不存在條件收斂。

通過加入空間效應，研究發現：全國2001—2010年間，原本在傳統OLS回歸下不存在絕對收斂的全國排放效率差距已經收斂。說明由于共同因素(空間誤差)的影響，全國各地的排放效率有趨同趨勢。其余兩個時段即2001—2005年、2006—2010年間的絕對β收斂不適用空間回歸。三個時段即2001—2005年、2006—2010年、2001—2010年不適合以空間計量模型考察是否存在條件β收斂。

整體上看，加入空間因素后，全國30個省份在2001—2010年十年間的排放效率和能源效率存在絕對β收斂，即存在趨同趨勢。這表明兩種效率落后的地區，經過發展最終可以趕上兩種效率較高的地區。

上述分析結果給我們一個重要的啟示，在制定全國能源政策和環境政策時，必須考慮不同區域之間的溢出效應，做好政策的協調。

[1] 師博,張良悅.我國區域能源效率收斂性分析[J].當代財經,2008,(2):17-21.

[2]李國璋,霍宗杰.中國全要素能源效率、收斂性及其影響因素——基于1995—2006年省際面板數據的實證分析[J].經濟評論,2009,(6):101-109.

[3]姜雁斌,朱桂平.能源使用的技術無效性及其收斂性分析[J].數量經濟技術經濟研究,2007,(10):108-119.

[4]楊紅亮,史丹.能效研究方法和中國各地區能源效率的比較[J].經濟理論與經濟管理,2008,(3):12-20.

[5]屈小娥.中國省際全要素CO2排放效率差異及驅動因素——基于1995—2010年的實證研究[J].南開經濟研究,2012,(3):128-141.

[6]高建剛.中國能源效率、環境績效與政策優化研究[M].北京:經濟科學出版社，2015.

[7]Miketa，A．，Mulder，P． Energy Productivity Across Developed and Developing Countries in 10 Manufacturing Sectors: Patterns of Growth and Convergence [J]．Energy Economics，2005,27(3): 429-453．

[8]Mulder，P．，Henri，L F．，Groot．De. Sectoral Energy- and Labor- Productivity Convergence [J]. Environmental& Resource Economics，2007,36(1): 85-112．

[9]Herrerias M.J.World Energy Intensity Convergence Revisited: A Weighted Distribution Dynamics Approach [J]. Energy Policy, 2012,(49):383-399.

[10]Liddle, B. Revisiting World Energy Intensity Convergence for Regional Differences [J]. 2010, 87(10): 3218-3225.

[責任編輯：鄒學慧]

China Interprovincial Convergence Study of Energy Efficiency and Emission Efficiency

HOU Dan-dan

(School Economics of Liaocheng University,Liaocheng 252059,China)

This paper studies China’s energy efficiency of 30 provinces with the help of analytical method of economicgrowth convergence and spatial panel model. The result shows that the spatial framework of energy efficiency and emissionefficiency are decreasing from east to west. But during the ten years from 2001 to 2010, energy efficiency and emissionefficiency shows absolute βconvergence, that is to say, where the efficiency is low could catch up with the places where the efficiency is high. Therefore, the governmentshould consider the overflow effectand coordinate among provinces when making policies.

energy efficiency ,emission efficiency,σ convergence,β convergence

2015-11-20

侯丹丹(1993-)，女，山東濟寧人，碩士研究生，主要從事金融理論與實踐、創新與技術進步及產業經濟研究。

市場經濟論壇

F407.2

A

1671-7112(2016)03-0041-12