中國城市能源回彈效應的時空演變與形成機制研究

胡東蘭，申 顥，劉自敏

(1.合肥工業大學 經濟學院，安徽 合肥 230601；2.西南大學 經濟管理學院，重慶 400716)

一、引言

城市是人口生活與生產的主要聚集地，也是能源消費的“主力軍”。隨著供給側結構性改革的推進和改革開放戰略的深化，中國的城市化推進迅速。2017年，中國的常住人口城市化率為58.52%。快速推進的城市化使大量農村人口流向城市，使社會中生產與人口生活方式發生較大改變。而能源作為生產與生活的必須投入，其消費數量與結構也因城市化推進而發生改變。從全球范圍來看，城市消耗了全球能源總量的60%—80%以上；而在中國，城市消耗能源量占整個國家消耗總量的70%，到2030年該比例將達到83%。因此，為了實現中國城市可持續發展與制定城市化與能源、環境協同發展的合理方針，以城市為基本地域單位進行能源高效利用與能源節約的探討有著重要意義。

圖1 全國2007—2016年能源消費與能源經濟效率走勢

傳統的節能政策多將重點聚焦于提高能源效率。但觀察圖1所示的中國整體能源經濟效率與能源消費的變化，可發現隨著能源經濟效率提高，能源消費總量卻呈現出上升趨勢，這便是能源回彈效應所帶來的典型現象。回彈效應是指：技術進步在提高能源效率、產生能源節約的同時，使單位產品的成本與價格下降，帶動了產品的需求增加，從而帶來更多的能源消費。最終，技術進步帶來的能源節約被能源消費的增長部分抵消或是全部抵消的現象[1]。故從城市層面出發來探討能源節約與高效利用時，回彈效應是一個必要的研究視角。在技術進步與能源消耗都會促進經濟增長的前提下，探究技術進步除了直接提高能源效率而產生回彈效應之外的其他間接機制是十分有必要的。因為只有探尋到這些間接機制，才能優化更新傳統的只注重提升能源效率的節能政策，從而有效抑制回彈效應，進而達到既可穩步推進經濟增長，又可實現能源節約的目標。

當前國內外對于回彈效應的研究多集中在回彈效應的計算與理論形成機制方面。國外由于研究起步較早，且有較為完善的能源價格，所以對于回彈效應計算及形成機制的研究十分豐富。而國內的研究相對來說較為缺乏，且多集中于宏觀層面。

在回彈效應的計算方面。國外學者除了考慮宏觀、居民用能方面[2-4]，還考慮了更微觀的領域如家庭取暖回彈效應等方面的測算[5-6]。國內的研究相對于國外起步較晚。從微觀層面出發，有部分學者測算了中國居民能源消費的回彈效應[7-8]，也有學者嘗試計算了中國交通用能等其他微觀領域的回彈效應[9]。

從宏觀層面來說，由于中國當前能源價格不能完整反映市場運行狀況，故國內學者們大多采用替代方法以及CGE模型等來計算回彈效應。常用方法有四種，第一種是基于回彈效應的宏觀定義提出的替代方法[1,10]，學者對其中技術進步對經濟增長的貢獻度(簡稱“貢獻度”)估計方式有不同。有學者基于C-D生產函數與不同計量方法來估計貢獻度[11-13]，還有學者使用Malmquist指數估計貢獻度[14]。第二種方法基于第一種方法，同時使用LMDI將技術進步與結構變動引起的能源強度變化分解[15-16]。第三種方法是基于能源效率與勞動力供給內生的計算方法[17-21]。第四種方法基于可計算一般均衡模型(CGE模型)[22-23]。

在回彈效應的形成機制方面。由于國外對回彈效應的研究起步早且國外能源市場有完善的市場價格，故國外對于回彈效應形成機制的研究較為嚴謹且豐富。如在給出回彈效應的定義與理論形成機制的基礎上，探討了不同生產函數對回彈效應的估計特點，并用數據模擬進行驗證[19,24]；以及通過分類，從不同類型回彈效應的成因來探討回彈效應的形成機制[25]。國內學者對回彈效應的影響因素與形成機制的研究較少，且多集中于實證研究而缺乏理論研究。比如使用1997—2010年中國省際數據對投資偏向、要素市場扭曲與能源回彈的關系進行研究[26]；以及在省份層面研究了技術進步影響中國能源回彈的效應，發現技術進步會降低能耗來實現減少中國能源消費的目標，但技術進步也會引致產業結構調整來刺激能源回彈[27]。

國外學者在探討回彈效應的機制時多以能源增強型技術進步為基礎，從能源與能源服務的價格、消費者效用及行為等出發，且多為理論與數據模擬研究，較少將技術進步引致回彈效應的機制分解并用現實數據進行實證研究，但由于國外有市場化的能源價格，故國外回彈效應測算方法更加豐富。國內學者對回彈效應的研究多集中于回彈效應測算方面，并集中在國家、省份、行業以及居民能源消費層面，對以城市為尺度從宏觀進行回彈效應測算的并不多。且國內學者對產生回彈效應的理論機制探討不足。國內部分學者驗證了回彈效應的影響因素與機制，但都集中在國家或省份層面。

本文可能的貢獻在于：(1)以城市為基本尺度對我國宏觀層面的回彈效應進行測算，并對國內文獻常用的幾種測算方法進行對比；(2)在方法對比的基礎上，選用最合適的計算結果對城市層面回彈效應進行了時空演進分析，并探究了技術進步引致城市回彈效應的機制。

本文余下部分結構安排為：第二部分對本文選用方法的回彈效應計算式進行構建；第三部分對數據來源及計算用變量進行說明；第四部分先進行參數估計，使用不同方法對城市層面的回彈效應進行計算并進行結果對比，后使用合適的計算結果進行分析與比較；第五部分首先對技術進步引致回彈效應的理論進行闡述，并進行實證分析來驗證；第六部分是結論與政策建議。

二、理論模型

在國外文獻討論回彈效應的形成機制中，多依賴于生產函數規模報酬不變與能源效率外生性的假設，這樣的假設條件存在缺陷且不符合現實狀況。故本文參考其他學者提出的基于能源效率與勞動力供給內生的方法(簡稱：方法一)對城市層面的回彈效應進行計算[17]。因為國外回彈效應的計算需要可反映市場運行現實狀況的能源價格數據。但由于中國當前的能源價格無法反映市場現實，且同種能源在不同地區的差異較大，異質性能源價格數據難以收集，為了獲得較為準確的城市回彈效應，選用國內常用的替代方法(簡稱：方法二)[10]、針對方法二的修正方法(簡稱：方法三)[28]、基于方法二的非參數法(簡稱：方法四)來計算城市層面的回彈效應，并在實證部分對計算結果進行對比。首先在下表列出幾種方法的特征，再對不同方法進行詳細闡述：

表1 不同方法特征的簡單總結

數據來源：作者根據文獻整理得

方法一的理論基礎是回彈效應的數學定義[18-19](1)根據其所給定義可將回彈效應分為五類：大于1為“回火效應”，等于1為“完全回彈”，大于0小于1為“部分回彈”，等于0為“零回彈”，小于0為“超級節約”。，即：

RE=1+η

(1)

式(1)中的η為能源消費量對能源效率的彈性，其中能源消費量與能源效率都可以通過現實數據進行估算，故式(1)更適用于宏觀層面回彈效應的實證研究。

首先做出理論假設：(1)C-D生產函數包括的投入為：資本、勞動力和能源；(2)技術進步并非廣義技術進步，而是能源增強型技術進步；(3)資本在短期固定不變，但在長期可變且有著恒定的均衡價格；(4)要素與產品市場均完全競爭，且市場出清；(5)能源效率內生于能源用量；(6)勞動為內生變量，且有恒定的均衡價格[19]。

其次，設定能源效率和能源消費量的關系：

τ=GEγ

(2)

τ代表能源效率，能源增強型技術進步提高就表現為能源效率提高；G>0是“干中學”中能源效率提高的參數；E為能源消費量；γ>0為能源效率對能源消費量的彈性。

再次，對C-D生產函數的形式做出規定[19]，將C-D函數形式設定為(1-α-β>0)：

Y=aKαLβ(τE)1-α-β

(3)

將(2)、(3)式聯立，可得：

Y=aKαLβ(GEγ+1)1-α-β

(4)

式(4)中的a為總體生產效率系數，α、β、(1-α-β)(1+γ)為資本、勞動、能源的彈性。

觀察三種投入要素彈性，發現(1-α-β)(1+γ)+α+β>1，即能源效率內生后，令本文所設定的C-D函數出現了規模報酬遞增，本文后面對參數的估計結果也滿足該現象。本文將考察能源效率與勞動力供給內生的長期情形，經過數理推導可得到長期能源消費對能源效率的彈性：

(5)

根據式(1)，就可得出長期回彈效應的表達式：

REL=1+

(6)

觀察式(6)，由于1-α-β-(1-α-β)(1+γ)<0，當SE<0時，長期回彈效應會表現出“回火效應”(Backfire)；而當SE>0時，長期回彈效應可能會表現出“部分回彈”(Partial Rebound)、“零回彈”(Zero Rebound)和“超級節能”(Super-Conservation)。故在能源效率與勞動力供給內生、且C-D生產函數呈現規模報酬遞增的情況下，該計算式可以求出任何形式的回彈效應數值。

方法二、三、四的理論基礎為宏觀層面的回彈效應數學定義[1]，即：

(7)

式(7)中PS和AS分別為技術進步帶來的預期能源節約量和實際能源節約量。兩者之差為技術進步帶來的實際能源增加量。由于預期節能量較難用現實數據進行估計，所以在用該式進行實證分析時可能需要對此項進行替換。

國內學者根據式(7)所提出的替代性方法可表示為[10]：

(8)

(9)

式(8)中，REt+1代表t+1年的回彈效應，σt+1為貢獻度，分子代表技術進步引致經濟增長帶來的能源消費增加以替代式(7)中技術進步引致的實際能源消耗增加量，而分母代表技術進步引致能源強度下降帶來的能源節約量以替代式(7)中技術進步帶來的預期節能量。式(9)為參數和非參數法對貢獻度的估計式。

有學者對式(8)所表示的回彈效應替代性計算方法進行了修正，修正后的回彈效應計算模型為[28]：

(10)

式(10)與式(8)的差別為分子中EI的角標，參數及分子、分母含義與式(8)相同。

綜上所述，方法一依據Saunders所提出的回彈效應定義[18-19]，并將能源效率與勞動供給內生化，在長期資本投入可變且價格恒定等條件下來計算基于能源增強型技術進步的回彈效應。而方法二、三、四根據Berkhout所提出的回彈效應定義[1]，使用能源強度、地區生產總值等常見宏觀指標對式(7)中的參數進行替代來計算基于廣義技術進步的回彈效應。

三、數據來源及變量說明

(一)數據來源

本文的研究對象為中國地級及以上城市。由于市轄區經濟運行穩定、人口集中且各種經濟社會活動均偏向市轄區[29]，故除天氣變量以省會城市數據表征外，本文均使用市轄區層面數據。部分缺失數據通過查找地級市統計年鑒及插值補齊，但剔除數據缺失較多城市及無法插值城市。經整理本文的城市樣本數量為176個。受限于可獲得的城市數據，將樣本期設為2007—2016年。本文所使用數據均來自《中國城市統計年鑒》、《中國能源統計年鑒》和《中國氣象年鑒》。

(二)變量說明

計算用變量包括城市層面的勞動力、能源、資本與產出。其中勞動使用市轄區層面的城鎮單位從業人員期末人數來表示。對于能源，在中國城市層面的能源數據統計并不健全，且國內外許多學者在進行城市能源方面研究中也僅考慮了部分能源[30-31]。本文的能源變量選用《中國城市統計年鑒》中的電力、煤氣、液化石油氣[32]，并依據《中國能源統計年鑒》的能源折標準煤系數將三類能源消費量折算成標準煤。對于資本，參考城市資本存量計算方法來計算[33]。產出選用市轄區范圍的地區生產總值。貨幣變量都以2007年為基期進行平減，以消除通貨膨脹的影響。表2為變量描述性統計及定義。

表2 變量描述性統計及變量定義

數據來源：作者計算整理得出

從表2可以看出，由于本文在計算資本存量時選用的折舊年限是建筑40年，設備16年，所以計算出的資本存量數值較大且差異較為明顯。

四、實證分析

本部分首先對利用176個地級及以上城市的C-D生產函數進行估計，然后利用其投入要素彈性，使用本文在理論模型部分所選擇的不同方法進行城市層面回彈效應的計算，并比較不同方法的計算結果，進而選用最合適的計算結果進行后續研究。

(一)回彈效應測算

由于本文所選用方法均依賴于C-D生產函數的投入要素彈性估計，故應構建樣本整體的C-D生產函數形式。首先對(4)式的兩邊取對數[17]，得：

LnYit=αLnKit+βLnLit+θLnEit+C+εit

(11)

其中：θ=(1-α-β)(1+γ)，C=Lna+(1-α-β)LnG。θ即為能源消費量的彈性。

其次，使用虛擬變量最小二乘法對式(11)進行估計[21]。由于不同地區的要素稟賦與經濟發展狀況不同，故將樣本城市分為東、中、西部地區城市進行彈性估計(2)分為東、中、西部。東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、和海南；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。，并使用似無相關回歸檢驗組間系數差異。彈性系數估計結果與組間系數差異檢驗結果于下表呈現：

表3 全國及三大分區三要素彈性系數估計結果

①檢驗了三大分區的回歸系數差異。

數據來源：作者計算整理得。括號內報告的為標準差，方括號里匯報的為P值。*、**、***分別代表在0.1、0.05、0.01的顯著性水平下顯著。

從彈性系數估計看，無論是分區還是全樣本城市，三要素彈性均在0.05的顯著性水平下顯著，且均顯示出規模報酬遞增現象，滿足了本文的計算模型設定條件；從組間系數差異檢驗看，三大分區的資本、勞動彈性系數沒有太大差異，但能源彈性系數有顯著差異，故在本文的回彈效應計算中，使用不同分區所對應的彈性系數進行計算。本文估計城市層面C-D生產函數的結果與相關研究對中國城市C-D生產函數的估計結果較為一致[33]。

最后將三要素彈性代入式(6)，并使用統計數據計算出SE，可得到方法一的計算結果；將三要素彈性代入式(9)可求出式(9)的第一個結果。估計出Malmquist指數后，可求出式(9)的第二個結果。將式(9)的結果代入式(8)、(10)，可得方法二、三、四的結果。本文四種方法的計算結果描述性統計與每年回彈效應的均值走勢見圖2。

表4 不同方法計算結果的描述性統計

數據來源：作者計算整理得

② 方法四剔除無效值的標準：剔除所有負值及存在能源強度下降與技術退步(Malmquist指數小于1)的樣本；方法二、三剔除無效值的標準：剔除所有負值及存在能源強度下降與貢獻度為負值的樣本。

從表4可以看出，方法一計算結果的均值顯示樣本城市呈現出“部分回彈”，而方法二、三、四計算結果的均值顯示樣本城市呈現出“回火效應”，說明基于廣義技術進步、未考慮技術進步內生的計算方法會高估回彈效應。

圖2 四種方法計算的每年回彈效應均值走勢

基于表4與圖2，首先考慮方法本身，方法二、三、四基于廣義技術進步，這種基于全要素效率提高的方法會產生較大偏誤[28]。觀察圖2，若以方法一為基準，基于廣義技術進步的方法會存在較為明顯的向上的偏誤。且同樣使用C-D生產函數的方法一、二、三所計算出的回彈效應時間趨勢具有高度一致性，這也說明了C-D生產函數在回彈效應研究中的穩健性。但方法一較為適用規模報酬遞增的狀況[20-21]，方法二、三、四則在任何規模報酬的情況下均適用[11,34]。然后從結果的有效性來考慮，方法二、三、四計算的前提條件是存在技術進步和能源強度下降，兩者均不滿足或僅滿足一個都會使求出數值無意義[35]，故所求出的回彈效應存在無效值，且這三種方法無法識別出“超級節約”。所以方法二、三、四較為適用于單個主體與少量多個主體的回彈效應測算及研究。而方法一所求得的回彈效應數值均為有效值且包括了“超級節約”，所以該方法適用于多主體的回彈效應測算及研究。其次，本文比照方法二、三、四。相對于方法二、三，基于Malmquist指數的方法四更容易精確剔除技術退步的無效值。但非參數法會受隨機因素與前沿位置的影響，觀察圖2，可以發現方法四的每年回彈效應均值波動較大，出現了相對于方法二、三的更大誤差。表5是本文所總結各類方法特征的進一步對比：

表5 不同計算方法特征的進一步對比

數據來源：作者根據計算結果整理得出

方法一放松了技術外生與生產函數規模報酬不變的假定[17-19]，并將能源效率與勞動供給內生化，即能源使用量的增加在推動經濟增長的同時還可以推動能源增強型技術進步，這樣的假設更加符合現實情況，所以計算出的結果更為精確。且根據實證結果，方法一可以保留更多的有效值，故選用方法一的結果進行城市層面回彈效應的時空演進與形成機制探究。

(二)全國層面回彈效應的時空演變

表6和圖3將樣本城市劃分成全國范圍(以下簡稱“全國”)、東部、中部、西部城市來進行回彈效應的比較分析。

表6 全國及三大分區城市回彈效應的均值(2008—2016年)

數據來源：作者整理計算得出

觀察分地區的回彈效應均值，發現東部地區城市的回彈效應(0.64)最高，其次是西部(0.481)和中部(0.478)。東部地區具有良好的技術創新優勢，其快速的技術進步會拉動經濟發展進而帶動能源消費，進而出現數值更大的回彈效應。且三大分區基本在樣本期間內均表現出“部分回彈”(除東部地區城市在2015年表現為“回火效應”、西部地區城市在2013年表現為“超級節約”)。說明三大分區具有減排潛力的年份較多。

圖3 全國及三大分區回彈效應均值折線圖(2008—2016年)

基于表6與圖3的分析，本文發現東、中部地區和全國城市的回彈效應在2008—2015年均呈現波動下降后上升的趨勢。2007—2009年全球出現經濟危機，且此次危機的負面影響持續時間較長，令全國城市回彈效應在2008—2011年呈現出波動下降趨勢。中國于2009—2010年實行較為激進的積極財政政策和擴張性的貨幣政策，并于2008—2010年底進行“四萬億投資”，當此次大規模投資的正面影響逐漸釋放時會帶動中國經濟恢復穩定增長。由于城市的各種社會經濟活動均偏向市轄區，且經濟增長會導致城市內部市轄區電力、天然氣、石油等異質性能源消費提高[36]，從而出現了東、中部地區和全國城市的回彈效應呈現2013—2015年的波動上漲趨勢。經過2013—2015年的波動上升后，東、中部和全國城市的回彈效應在2016年略微下降，說明于2015年11月23日提出的供給側結構性改革所帶來的“改革紅利”逐漸釋放，從而在推動經濟穩步增長的同時減少了回彈效應。

中國西部地區城市回彈效應均值的走向較為特殊，且在2013年出現了各地區回彈效應均值的最小值。西部地區相較于東、中部地區經濟運行的穩定性較差，技術水平較低，自然環境惡劣。西部地區在發展的過程中，相對較低的技術進步與較高的自然資源利用難度所帶來的能源消費較低，且西部的產業結構高級化程度較低，導致西部地區城市的回彈效應相對于全國及東部地區城市回彈效應較低。2013年西部地區因自然災害與外部經濟環境惡化，導致西部地區城市的經濟增速放緩且資源利用難度更大，從而出現較低的回彈效應。而2013年8月，中國國家發改委印發《2012年西部大開發工作進展情況和2013年工作安排》，并推動實施《中西部地區外商投資優勢產業目錄》[37]。這些政策性文件推動了西部地區的產業發展、技術進步與經濟增長，從而西部地區城市的回彈效應在2013—2015年間呈上升趨勢。

(三)城市層面回彈效應的時空演變

由于本文樣本城市計算出的能源回彈效應沒有“零回彈”和“完全回彈”的現象(即RE等于0和1)，所以下表呈現結果中僅考慮“回火效應”、“部分回彈”與“超級節約”三種回彈效應的現象。

表7 2008—2016年每年處于不同種類能源回彈的城市數目及比例

數據來源：作者整理計算得出

①此處并不是對2008—2016年處于某種現象的城市數求均值，而是以每個城市的回彈效應均值來衡量。

觀察表7中表現出三類不同回彈效應的城市比例，可以發現呈現出三類回彈效應城市的占比有變化。其中呈現“部分回彈”的城市從2008年的67%波動下降至2016年的49%；而呈現“回火效應”和“超級節約”的城市從2008年的18%和15%波動上升至27%和24%，即實現了全部能源節約目標與沒有實現能源節約目標的城市均增多，說明城市間的能源節約與利用的情況有顯著差異。從各城市回彈效應均值來看，有64%樣本城市的能源回彈效應呈現出“部分回彈”現象，說明大部分城市能源效率的提高雖然減少了部分能源消費，但節能效果并未完全實現。圖4為2008、2012、2016年呈現出三類回彈效應城市的地域分布。

從圖4可以看出，相對于2008年，2012、2016年的“回火效應”現象明顯增多且中部地區呈現“回火效應”的城市數量逐漸增加，說明中部地區城市在“中部崛起”戰略的指導、2015年批復規劃建設的長江中游城市群等國家級城市群的帶動快速發展的過程中，部分城市(如唐山市等)由于其過度重視經濟發展速度導致節能減排技術水平較低等原因，出現了較大的回彈效應。由于在2016年中部地區城市表現為“回火效應”的現象增多，導致中部地區城市在該年出現了三大分區中回彈效應的最大值。

圖4 2008、2012、2016年呈現三類回彈效應的城市分布(3)圖4中，最深顏色表示“回火效應”城市；較淺顏色表示“部分回彈”；最淺顏色表示“超級節約”城市；白色部分表示沒有研究到的城市。

五、技術進步引致回彈效應的形成機制研究

(一)機制假說

從上文可以看出，在中國城市層面仍舊存在較為明顯的回彈效應。為了實現中國經濟穩定增長與節能減排的“雙贏”，探究技術進步引致回彈效應的具體機制就有著重要意義。只有識別出技術進步通過何種路徑來引致回彈效應，才能在技術進步推動中國經濟穩定增長的同時有效抑制回彈效應，以達到預期的節能目標。

1991—2015年中國技術進步偏向資本與能源[38]，故技術進步對基于能源增強型技術進步的回彈效應仍會起到引致作用。囿于本文獲取相關數據的限制、中國的能源價格現狀以及能源價格信息會通過能源效率來影響回彈效應，所以沒有考慮能源價格對回彈效應造成的影響。由于產業結構優化會大幅度促進中國能源消費結構的優化[39]，故也沒有考慮能源消費結構對回彈效應造成的直接影響。本文將引致機制分為能源效率效應、人口集聚效應和產業結構高級化效應。

首先討論主要機制即能源效率效應。技術進步帶來的能源效率的提高首先發生于產品的供給方，供給方通過市場信號即能源服務或產品市場價格來影響產品需求方的需求。當技術進步引致能源效率提高時，供給方提供產品的成本下降，在能源供給量允許的范圍內供給方會擴大產品的供給引致價格下降。當價格下降的信號傳至消費者時，消費方(企業)會同時擴大產品的需求，進而增加了能源消費。當技術進步引致的能源效率提高傳導至消費方時，較先獲得能源效率提高的企業會通過技術擴散使其他企業的能源效率提高，在沒有擴大生產的前提下，整體經濟的能源消費會下降。但當大部分企業均獲得技術進步帶來能源效率提高的紅利時，企業為了追求規模經濟，獲得超額利潤從而擴大生產規模，而消費方整體生產規模的擴大又會帶來能源消費量的增加，從而促進回彈效應的產生[40]。

其次討論間接機制，即人口集聚效應與產業結構高級化效應。對于人口集聚效應，技術進步會提高城市內企業的經營效率，從而在一定程度上降低了企業的運行成本。在長期，企業若獲得超額利潤后進行擴大再生產，增加勞動需求，進而吸引周邊農村和郊區的勞動力向城市內部集聚。技術進步提高會優化城市布局以降低城市中外來務工人口的居住成本，從而進一步在城市內部形成人口集聚。一方面，人口向城市內部的集聚表現為市轄區人口密度的增大，而城市人口密度增大一定會增加人口生活、企業生產、基礎設施維護等方面的能源消耗，從而可能引起能源回彈效應現象。另一方面，人口城市化即城市人口密度擴大，而城市化較為重要的表現就是人口城市化[41]。根據“緊湊城市理論”[42]，高人口密度的城市會帶來共享基礎設施等效應來節約能源消費。同時，人口密度擴大帶來的人口城市化會產生集聚效應、人力資本集中效應等來抑制能源消費[43]，從而抑制能源回彈效應的產生。

對于產業結構高級化效應，技術進步與創新會通過發展原有產業、推動產生新產業來促進產業結構呈現出高度化趨勢。隨著產業結構高度化的推進，中國的高能耗工業占比逐漸下降，而續存產業則會繼續通過知識高度密集化、優化能源消費結構等來提高生產效率來降低生產產品時的能耗。但從城市層面來說，許多中小城市缺乏發展高端服務業的外部物質條件和內部制度、歷史等條件，產業結構高級化可能會使中小城市的有限資源集中在效率較差的低端服務業上，從而造成要素配置扭曲進而造成生產用能源的無端浪費，能源消費量增加[44]。并且一個城市第三產業的發展會通過產業關聯效應、產業波及效應帶動相關產業發展，從而增加能源消耗。以上機制可以用圖5來表示。

從以上機制假說可以看出，技術進步不僅可以通過提高能源效率從而引致回彈效應，還可能通過推動人口向市轄區集聚、產業結構高級化來間接引致回彈效應。

圖5 技術進步引致回彈效應的機制圖

(二)機制驗證

由于宏觀層面上一期能源消費會對下一期能源消費產生影響，而回彈效應可以反映一個地區對能源消費的依賴性[26]，故將回彈效應的滯后一階作為解釋變量。由于本文的基本模型一、二屬于動態面板模型，普通組內估計量(FE)和普通最小二乘法(OLS)無法做到一致估計，故考慮使用差分GMM或系統GMM進行估計。由于系統GMM相對于差分GMM可以減少估計誤差，且兩步GMM可以將一步GMM結果的殘差放入進一步估計以放寬殘差獨立同方差的假定[45]，故本文使用兩步系統GMM對基本模型一、二進行估計，并將時間趨勢變量放入方程以捕捉時間趨勢[26]。基本模型一和二[46]設置如下：

REit=β0REit-1+β1TEit+β2LNECOit+β3Tit+β4LNBit+β5tt+εit

(12)

REit=β0REit-1+β1TEit×EFFit+β2TEit×Pit+β3TEit×Iit+β4LNECOit+β5Tit+β6LNBit+β7tt+εit

(13)

式(13)中TEit×EFFit、TEit×Pit、TEit×Iit代表技術進步與能源效率、人口集聚變量和產業結構高級化變量的交乘項，以探究技術進步通過能源效率提升、人口集聚與提高第三產業比重是否會引致回彈效應，方程中的tt為時間趨勢項。

在計算回彈效應時使用的變量為2007—2016年變量，所計算出的結果為2008—2016年的回彈效應，故探究機制用變量的年份也為2008—2016年。本文選擇兩步系統GMM進行基本模型一、二的估計，且結果解釋基于該估計。

表8 兩步系統GMM回歸結果

說明：括號內報告的為標準差，方括號內報告的為P值。Sargan檢驗和Arellano-Bond AR(2)檢驗首先匯報了對應的檢驗統計量，方括號里為對應檢驗的P值。

表8為使用兩步系統GMM對兩個基本模型的估計結果，結果(1)為基本模型一的估計結果，而結果(2)—(4)為基本模型二的估計結果。所有兩步系統GMM的Arellano-Bond AR(2)的檢驗P值均大于0.1，表明差分后的模型殘差項不存在二階序列相關。所有結果的Sargan檢驗的結果均表明工具變量沒有過度識別的問題。

在使用兩步系統GMM對基本模型二的估計中，為了檢驗估計的穩健性，本文采用了逐漸加入控制變量的方法，觀察檢驗結果(2)—(4)，在逐漸加入控制變量的情況下，技術進步與能源效率、產業結構高級化變量的交乘項均在0.1顯著性水平下顯著，且系數的正負號保持一致，說明估計結果較為穩健。為了進一步說明本文估計結果的穩健性，本文在附錄2中進行了更多的穩健性檢驗。

本文根據表8的估計結果對解釋變量的意義進行闡述。首先觀察估計結果(1)，回彈效應滯后一階的系數顯著為負，表示能源消費變化引起的回彈效應的確是一個動態調整的“慣性”變量，且過去的回彈效應顯著的減少了當期的回彈效應。而技術進步的系數顯著為正則表示，技術進步的確顯著的引致了回彈效應。在1999—2014年中國各省技術偏向中，2005—2009、2010—2014年各省技術進步均偏向能源使用[47]。

其次，觀察估計結果(2)—(4)，發現能源效率效應顯著為正而產業結構高級化效應在0.05的顯著性水平下顯著為負，但人口集聚效應并不顯著。能源效率效應的系數顯著為正代表技術進步通過提高能源效率所帶來的能源節約被能源消費量的增加所部分抵消甚至全部抵消。該機制也是技術進步引致回彈效應的主要機制，所以該機制對回彈效應的顯著正向影響令技術進步的系數在0.1的顯著性水平顯著為正。產業結構高級化效應的系數顯著為負，代表技術進步引致第三產業所占比重越大，會減少回彈效應。從全國范圍的地級及以上城市來看，技術進步會帶動本城市及周邊地區的產業結構優化，提高第三產業比重[48]。在第一產業產值比重變動不大的情況下(4)通過對樣本城市進行統計，發現樣本城市在樣本期的第一產業產值占比穩定在5.4%到6.5%之間，數據來自《中國城市統計年鑒》。，中國將工作重心第二產業轉移到第三產業，確實可以降低能源消耗量。第三產業占比擴大、第二產業占比縮小會通過優化能源消費結構、形成高新技術產業集聚等會帶來大量的能源節約，這部分能源節約遠遠大于第三產業中的高新技術產業占比增加帶來的產業關聯、波及效應等所增加的能源消費，從而顯著地抑制了回彈效應的產生。

人口集聚效應的系數不顯著，代表技術進步通過引致市轄區人口密度增加對回彈效應的影響并不明確。首先，技術進步會通過帶動城市經濟發展吸引郊區及鄉村人口向城市內部聚集，從而形成區域內的密集城市群與較高人口密度的城市[49]，根據“緊湊城市理論”，該現象會引致能源節約。但由于本文在研究時所包括的能源為電力、煤氣與液化石油氣，這三種能源均與市轄區人口的生活息息相關，當市轄區的人口呈高速擴張趨勢時，市轄區需要更多的人口生活用能與基礎設施運行維護用能。當上述兩種“作用力”相互抵消時，會造成人口集聚效應不顯著。

六、結論與政策建議

本文以中國176個地級及以上城市為樣本，收集了其2007—2016年勞動力、能源消費量、地區生產總值數據，并核算了其2007—2016年的資本存量，進而使用不同方法計算了城市層面的回彈效應，并選用最合適的結果進行時空演進分析。在此基礎上，本文采用動態面板模型，使用兩步系統GMM對技術進步引致回彈效應的機制進行探究。本文的主要研究結論與政策建議包括：

第一，樣本城市的回彈效應存在差異，故政府在制定能源政策時需要考慮區域差異性。從地區均值來看，全國及東、中部城市的回彈效應均呈現先波動下降后上升的趨勢，但在2016年又有所下降，且東部城市的回彈效應相對較高，中部地區呈現出“回火現象”的城市數目逐漸增多。從城市的回彈效應均值來看，樣本城市回彈效應的均值為0.54，有64%以上的樣本城市呈現出“部分回彈”現象，說明中國城市當前能源效率的提高帶來能源節約中有一半以上的部分被經濟增長、產出增加所帶來的能源消費提高所抵消。故探究除提高能源效率外其他的節能政策是十分必要的。

第二，當前技術進步顯著促進了城市層面回彈效應的增加，為了達到推動技術進步與節能減排的雙重目標，應在大力推動中國技術進步的同時，繼續提高中國技術進步中能源節約型技術進步的比例。從供給側來考慮，政府針對高耗能且投資周期長的重工業企業應施加較強的環境規制、收取環境稅與節能減排技術的專項補貼以促使其開展綠色技術創新。且生產企業本身要提高能源節約型技術進步的研發力度。從需求側來考慮，政府及相關機構應該在市場上大力推介節能、環保的產品，并“以身作則”進行適當規模的采購，從而“以需求推動供給”來促使生產廠商放棄高耗能且附加值低的產品生產，從而轉向低能耗且附加值高的產品生產。

第三，技術進步通過推動能源效率的提高，進而促進了城市層面回彈效應的增加。所以傳統的提高能效政策并不能完全發揮其正面作用。要想兼顧經濟增長與節能減排，必須在實施傳統提高能效提高政策的同時，針對中國的現實狀況建立完善的能源市場、碳市場，并設計諸如稅收、價格等市場導向型政策，并將這些政策與當前正在實行宏觀經濟政策相結合。且在政策實施時，也要注意不同政策間可能會產生的相互作用，防止其對中國整體經濟運行造成負面影響。

第四，技術進步通過推動產業結構高級化的同時抑制了城市層面回彈效應的產生，但技術進步通過吸引人口向市轄區集聚從而引致回彈效應的機制不顯著，因此應繼續推動中國的產業結構升級，以提高產業結構高級化程度，并從其他方面以及產業間的協調性上來減少產業結構高級化帶來的能源消費增加。除此之外，還應繼續合理化中國的人口城市化進程。如在推進人口城市化的過程中，要考慮構建緊湊型城市與發揮引進人才的人力資本效應，抑制過多人口因生活需求、城市“熱島效應”等而造成的大量能源消費，從而達成能源節約與環境治理的雙重目標。

囿于數據限制，本文在研究時并未考慮中國全部城市，且能源數據并沒有包括城市層面的全部能源，若給定如城市層面的化石能源消費量等數據，就可以更加精準的估計城市層面的回彈效應。完善相關數據對中國城市層面的回彈效應進行進一步研究是本文的后續研究方向。