黃河流域城市能源生態效率的時空差異及其影響因素分析＊

孫 偉

（安徽建筑大學經濟與管理學院，城市經濟與區域發展研究所，合肥230601）

一、引言

作為中華文明主要發祥地的黃河流域，是我國重要的生態功能區，也是華北地區的生態屏障。黃河流域擁有豐富的自然資源，是我國煤炭與電力最主要的生產基地與供應基地，其煤炭產量占全國總產量的70%，占一次能源生產量的40%。［1］黃河流域在國家發展中具有重要的戰略地位，黨中央高度重視黃河流域的高質量發展，習近平總書記多次提出黃河流域要走生態保護和高質量發展的路子。

近年來，黃河流域的生態環境建設取得了突破性進展，但黃河流域資源環境存在高負載、生態環境脆弱、水資源短缺等問題［2］，黃河流域的高質量發展任重而道遠。關于要素稟賦、生態補償、水資源利用以及經濟發展等問題，一直是黃河流域研究的重要方面。要素稟賦的差異是黃河流域經濟空間分異的重要原因。李敏納等的研究表明黃河流域的綜合要素稟賦與經濟空間分異大致吻合，要素稟賦充裕的下游比中上游經濟實力強。［3］覃成林和李敏納通過構建區域經濟空間分異機制的分析模型，認為黃河流域經濟空間分異受決定作用機制、分工傳導作用機制和循環累積因果機制的支配。［4］上下游流域的經濟差異不僅源于要素稟賦，上游為保護生態環境而承受的損失進一步加劇了經濟空間的分異，下游居民作為生態環境改善的受益者，應適度承擔生態保護成本?，F有研究表明，要在黃河流域上下游間建立合理的生態補償機制，應以政府補償為主，市場補償為輔，下游居民對流域上游居民的生態補償只能作為一種補充。［5］對于如何促進黃河流域的高質量發展，學者們提出了各種建議。金鳳君提出要處理好保護與發展之間的關系，建立推動流域高質量發展的長效機制和體系。［2］陳曉東和金碚探討了黃河流域高質量發展的經濟學含義，認為高質量發展是能夠更好地滿足人民不斷增長的真實需要的生產方式、結構和動力狀態，黃河流域的高質量發展需要全域統籌、生態保護、文化傳承與創新，以實現人民宜居共享為根本目標。［6］水資源的利用是黃河流域研究方向的重要內容。現有研究表明，隨著黃河流域經濟不斷增長，水資源的承載力及利用效率將得到進一步提高。［7，8］

目前，對黃河流域的研究已獲取一定成果，但從能源生態效率的角度進行研究的文獻較少。能源生態效率是兼顧區域能源消耗與生態效益的綜合指標，核心思想是以較少的能源消耗和環境影響，創造出盡可能多的社會價值。［9］在節能降耗與加強生態文明建設的現實需求下，研究能源生態效率有一定意義。關偉和許淑婷的研究表明中國省際能源生態效率整體較低，且存在明顯的空間效應。［9］楊剛強和李夢琴探討了政治晉升對能源生態效率的影響，認為應加大對政府官員節能減排的考核力度。［10］周敏等認為財政分權改善了能源生態效率，地方政府間競爭降低了能源生態效率。［11］對黃河流域能源生態效率的相關研究中，僅有關偉等對黃河流域9省區的能源綜合效率進行了測算和分析，認為黃河流域能源綜合效率由非均衡向均衡轉變，其驅動因子的解釋力從大到小依次為財政分權、城鎮化水平、人力資本水平、對外開發程度。［12］

流域的發展有其內在特性，在對黃河流域進行研究時，不僅要從省際層面進行分析，更重要的是要打破行政劃分的邊界，認識到上、中、下游存在的差異。因此，本文以62個地級市為研究樣本，按照上、中、下游分類探討黃河流域在能源生態效率上存在的空間差異，從內部因素和外部因素兩方面進一步分析。對內利用黃河流域GML指數的分解，探討內部因素對能源效率的影響，對外利用空間計量方法檢驗外部因素對能源效率的影響。從全流域的角度對我國黃河流域的能源生態效率進行研究，對制定合理的經濟發展政策，促進流域經濟高質量發展具有重要意義。

二、數據與方法

（一）研究區域界定

根據水利部黃河水利委員會對黃河流域行政區域界定，參照李敏納在研究黃河流域城市時提出的“以自然流域為基礎支撐，考慮地域單元的完整性以及地區經濟與黃河的直接關聯性［13］”原則，剔除數據極度缺少的地級市、自治州，最終選定研究樣本為黃河流域的62個地級市。黃河流域上中下游地區的劃分，參考《黃河年鑒》中提出的“自內蒙古托克托縣河口鎮至河南滎陽市桃花峪為黃河中游，自桃花峪以下至入海口為黃河下游”劃分標準，考慮到我國行政區劃的影響，將黃河流域中青海、甘肅、寧夏的地級市劃分為上游，內蒙古、山西、陜西的地級市劃為中游，河南、山東的地級市劃為下游。

（二）數據來源

本文的研究樣本選取2003—2016年黃河流域62個地級市的面板數據，數據來自《中國統計年鑒》、《中國城市統計年鑒》、《中國能源統計年鑒》以及省市統計年鑒，少數缺失的數據采取平滑法插值進行了補充。借鑒相關文獻，測算指標選取如下：

（1）勞動投入：勞動投入用該市當年城鎮單位年末從業人員數（萬人）表示。

（2）資本投入：參考張軍的研究方法計算得出［14］。各指標用GDP平減指數處理。

（3）能源投入：考慮到能源消耗的主體為工業企業，能源投入按照規模上工業企業個數所占比例進行分割，將《中國能源統計年鑒》上各省的能源消費總量乘以各市規模以上工業企業個數與該省工業企業總數的比值，最終轉換為地級市能源投入。

（4）期望產出：以各地市的地區生產總值作為期望產出，利用國民生產總值指數折算成2003年為基期的不變價地區生產總值。

（5）非期望產出：將“三廢”作為非期望產出，即工業廢水排放量（萬噸）、工業二氧化硫排放量（噸）、工業煙粉塵排放量（噸）作為非期望產出。［15］

（三）研究方法

利用包含非期望產出的DEA—SBM模型測算黃河流域城市的能源生態效率，在分析其內部影響時，利用方向距離函數與GML指數對能源生態效率進行動態分析；在分析能源生態效率的外部影響時，借用空間計量的方法做進一步的探討。

1．黃河流域城市的能源生態效率測算方法

數據包絡分析由Charnes于1978年率先提出，并被廣泛應用于效率評價。［16］引入非期望產出時，傳統模型不適用。采用Chung et al.的研究，使用方向距離函數，可以得出生產可能性集中的最優解，以此來處理包含非期望產出的效率評價問題。［17］首先構造一個生產性可能性集，設有k個決策單元（DMU），使用n個投入x=（x1，…，xn），得出m個期望產出y=（y1，…ym）以及j個非期望產出b=（b1，…，bj），則包含非期望產出的生產可能性集可以表示為：進而可以寫出包含非期望產出的SBM模型：

其中，λ≥0，s-≥0，sy≥0，sj≥0，s-、sy、sj分別表示投入、期望產出、非期望產出量，λ為權重向量，目標函數對于松弛變量是嚴格遞減的。ρ*為目標函數值，ρ*?E［0，1］，當其為1時，松弛變量均為0，即無需調整投入產出，此時決策單元有效；若ρ*＜1時，需調整投入產出，松弛變量不全為0，此時決策單元無效。

2．能源生態效率內部影響的分析方法

利用方向距離函數與GML指數對能源效率進行動態分析，探討黃河流域能源效率的內部影響。在上述包含非期望產出的生產可能性集上，另設方向性向量g=gy,gb，則可以設定方向性距離函數：

在測算非期望產出的效率值時，使用基于方向距離函數的ML指數和GML指數。由于ML指數無可行解，因此，使用GML指數法進行分析。GML指數以及按照Oh的研究將其分解為EC（技術進步）和BPC（效率改進）的形式如下：［18］

3.能源生態效率外部影響的分析方法

在對黃河流域城市能源生態效率的外部影響進行分析時，傳統OLS回歸分析的前提是各地市之間是相互獨立的，不存在空間關聯，這顯然是不符合實際的。因此，本文將空間因素納入模型之中，建立空間計量模型如下：

其中，ee表示能源生態效率，x為能源生態效率的影響因素，σ表示影響因素的彈性系數，μ則表示解釋變量空間滯后項的彈性系數，W是空間權重矩陣，θ表示本地的能源生態效率與鄰近地區的能源生態效率的相互作用的方向和程度，α是常數，ε表示個體隨機效應，u表示隨機誤差項。這里對數據進行對數處理以減少數據量綱的影響，降低異方差性。

三、黃河流域城市能源效率測算

（一）能源效率測算的結果及空間差異

在指標初步分析時發現統計指標的變異系數較大，說明數據的離散程度很大，在某種程度上可以反映地區之間發展的不平衡。本文采取相比于規模報酬不變更具有經濟現實意義的規模報酬可變的SBM模型，利用DEA—solver pro 5.0進行非期望產出模型（undesirable outputs model）測算了歷年來黃河流域62個地級市的能源生態效率值。圖1匯報了黃河流域歷年能源生態效率的均值，圖2匯報了黃河流域城市能源生態效率的均值，具體城市的能源生態效率值略。

根據圖1，黃河流域城市的能源生態效率處于較低水平，僅2003和2006年的能源效率均值高于0.5，62個地級市能源生態效率的均值僅為0.49。圖2黃河流域城市歷年能源生態效率均值中，數值最低的城市為山西省的呂梁市，能源生態效率僅為0.2422，均值最高的城市為山東省的濟南市，為0.9526，可見黃河流域城市間能源生態效率差異較大。

圖1 黃河流域能源生態效率的均值（2003—2016）

根據樣本城市歷年效率均值和橫向可比較性，按照斷點法將城市能源生態效率分為高效率、較高效率、中效率及低效率四種類型，如表1所示。可見，處于高、較高能源效率型的城市有13個，僅占研究范圍的21%，多數城市屬于上游與下游流域；中效率型城市占42%，中游與下游城市居多；低效率型城市占37%，上游和中游城市居多。

圖2 黃河流域城市能源生態效率的均值

表1 黃河流域城市能源生態效率分類表

黃河流域上、中、下游地區的能源生態效率的差異可通過均值得到進一步反映，圖3匯報了歷年來的效率均值。除2011年以外，歷年中游地區的能源生態效率均低于上游地區和下游地區①2011年下游地區的能源效率波動較大，是因為受煙（粉）塵指標變動的影響，該年部分城市如青島、德州等能源效率值較低。。中游區域的能源生態效率均值0.4227，低于上游地區的0.4874及下游地區的0.5449。究其原因，主要在于黃河流域，特別是中上游地區的能源基礎原材料產業占比較大，能源消費結構多是以煤炭消費為主，煤炭為主的消費結構將制約能源生態效率的提高。［32］在黃河流域各省能源生態效率值中，下游省份的山東省均值最高，為0.6459；甘肅省、寧夏和內蒙古的均值次之，分別為0.5774、0.5654、0.5002；陜西省和河南省的均值分別為0.4486和0.4438；山西 省和青海省的均值最低，分別為0.3194和0.3193。

對477例莫西沙星致肌腱損傷的相關安全信號的數據挖掘和分析 ………………………………………… 田曉江等（13）：1827

圖3 黃河流域上中下游能源效率均值（2003—2016）

（二）內部影響因素分析

GML指數所研究的是能源生態效率的跨期的變動值，本文利用Matlab 2014將其分解為EC（技術進步）和BPC（效率改進），并據此分析能源生態效率的內部影響因素。

圖4僅報了地級市GML指數的均值及分解，歷年地級市GML指數及分解指數省略。在62個地級市中，有37個城市的GML均值大于1，說明了多數城市的能源生態效率有一定程度的改善。從區域上來看，上游和下游地區的多數地級市的能源生態效率高于1，如上游的15個城市中，僅有2個城市的GML均值小于1；下游地區的河南省和山東省共有22個地級市，其中16個城市的GML大于1；而中游地區多數城市的GML小于1，25個城市中有17個城市的GML值小于1，其中內蒙古6個地級市的GML值均小于1，山西省11個地級市中僅有3個城市的GML大于1。這在圖3的黃河流域上中下游能源生態效率均值中也得到了體現，即上游和下游城市的能源生態效率值改進較大，而中游城市的能源生態效率值改善并不明顯。

圖4 黃河流域城市能源效率GML指數及其分解指數均值圖

對2003—2004年、2009—2010年、2015—2016年三個時間段的GML指數進行比較，可以看出近年來能源生態效率在整體上得到了提升。2003—2004年，有52個城市的GML指數小于1，說明能源生態效率相比上年普遍下降了。2009—2010年GML指數小于1的城市下降到27個，相比上年大部分城市的能源生態效率有所提升。2009年國家批復了《黃河三角洲高效生態經濟區發展規劃》，一定程度上促進了區域優化產業結構、提高效益、降低能耗。2015-2016年僅有5個城市的GML指數是小于1，說明能源生態效率在整體上得到了提升。

對黃河流域城市GML指數進行分解，得到的GML、EC和BPC的均值分別為1.004、1.002和1.0082，說明黃河流域城市的能源生態效率整體有所提升，其提升的內部因素主要得益于效率改進，技術進步對能源生態效率的提升也有促進作用，但作用力度小于效率改進。為進一步分析，將黃河流域各個時間段的GML、EC和BPC指數的均值繪制成柱狀圖，如圖5所示。從圖中可見，僅有2005—2006年、2006—2007年、2007—2008年、2009—2010年、2011—2012年、2014—2015年和2015—2016年這7個階段的GML指數的均值高于1，說明在這期間的能源生態效率有所提高；對GML指數進行分解的結果表示，在能源生態效率提升的7個階段中，由效率改進和技術進步同時拉動的有3個階段，而單獨由效率改進拉動則有4個階段，這同樣反映了當前黃河流域城市能源生態效率的提高過多地依賴于效率改進，而非技術進步。效率改進主要體現在企業內部管理、組織、控制等方面的提高，但是，能源效率改進的本質在于依托技術進步，若無技術進步的推進，能源生態效率很難得到突破性的提高。［19，20］

圖5 黃河流域城市能源效率GML指數及其分解指數均值圖

從總體來看，2012—2013年的GML指數達到了最低值，之后實現了快速增長，說明流域內城市愈加重視能源生態效率的提高，效果明顯。2004—2015年黃河流域的能源生態效率均值僅維持在0.4—0.5，效率損失嚴重，2016年的能源生態效率均值是歷年來最高，為0.6586，增長較快，但仍有較大提升空間?？梢?，繼續深化改革能源結構，提高能源利用效率，依然是黃河流域目前迫切需要解決的問題。

（三）外部影響因素分析

1．能源生態效率外部影響因素的選取

借鑒已有文獻，選取外部影響因素如下，各指標的描述性統計如表2所示。

（1）產業結構（is）：關偉和許淑婷認為產業結構對能源生態效率的影響最大。［9］魏楚和沈滿洪認為第三產業占GDP比重能夠提升能源效率。［21］這里取第二產業占地區生產總值的比重作為衡量產業結構的指標。

（3）交通基礎設施（if）：選取占比最大的人均道路面積作為評價交通基礎設施水平的指標，［23］由于2017年《中國城市統計年鑒》不再統計道路相關數據，這里根據2015年和2014年相對于上一年的增長率取平均值，再乘以2015年的人均道路面積得出2016年的數據。

（4）城市化率（urban）。城市化率通過能源消費總量影響的到能源效率?？紤]到在城市化的進程中，城市的土地面積隨著居住人口的增加而增加，本文用城市建設用地占市區面積比重來代替城市化率。［24］

（5）對外開放程度（fdi）：城市利用外資的同時也帶來了技術與管理效應，在一定程度上能夠改進能源效率，［25］這里以當年實際使用的外資金額與資本形成額比值來衡量對外開放程度。

表2 描述性統計

0.5 6 8 0.7 0 6 f d i u r b a n 8 6 8 8 6 8 0.0 1 5 0.0 8 0 0.0 3 2 0.0 8 8 0 0.0 0 1

2．空間自相關分析

圖6 2006年與2016年局部莫蘭檢驗散點圖① 圖中的1、2、3……62按照圖4中順時針方向的城市排序，分別代表了黃河流域的地級市。

本文對能源生態效率分別進行了全局和局部莫蘭指數的檢驗，這里僅在圖6列舉了2006和2016年的局部莫蘭檢驗散點圖。圖形顯示，早期流域范圍內大多處于低能源生態效率集聚區，隨著能源生態效率的提高，部分城市向高集聚區轉移，表明當城市能源生態效率提高時會影響到周邊的城市，形成高高集聚。對影響因素進行全局莫蘭指數檢驗的結果表明，各因素確實存在空間自相關性，且數值顯著為正。

3．空間計量模型檢驗

對于空間計量模型的選取上，采用在文獻中使用較多的空間杜賓模型（SDM）。在確定合適的模型之前，需要進行LR檢驗以確定空間杜賓模型是否會退化為空間誤差模型（SEM）或空間滯后模型（SAR）。其中，在SDM是否退化成SEM的檢驗中，LR統計量在1%顯著性水平上拒絕原假設；在SDM是否退化成SAR的檢驗中，LR統計量未通過檢驗；在Wald檢驗中得到同樣的結論。因此本文采取SAR模型進行空間計量檢驗。在固定效應與隨機效應的選取上，進行了Hausman檢驗，選取了固定效應；在地區固定效應、時間固定效應與混合效應的選取中，進行了模型檢驗最終選取了時間固定效應進行分析。為對比空間計量回歸結果，本文進行了OLS與GLS的回歸檢驗，檢驗結果匯報于表3。

時間固定效應的檢驗結果表明，能源生態效率的空間相關性系數（rho）在1%的水平上顯著為正值，表明能源生態效率在不同階段存在正的空間相關性，即能源生態效率較高的地區，其相鄰地區的能源生態效率也會較高，能源生態效率較低的地區，其相鄰地區的能源生態效率也會較低。

產業結構對能源生態效率的回歸系數在1%水平上顯著為負值，反映了黃河流域內城市產業結構抑制了能源生態效率的提升。第二產業是能源消耗較高的行業，能源利用不夠充分，第二產業比重的提升會降低能源生態效率，仍需繼續推進產業升級和優化；［21］姚愉芳等的研究也表明工業結構的升級和優化有利于能源效率的提升。［26］

交通基礎設施對能源生態效率的影響顯著為正值，說明黃河流域內交通基礎設施的提升能夠提升能源的使用效率。隨著交通基礎設施的提高，城市的可通達性提升，能源的運輸效率提高、損耗率下降，這在一定程度上能夠提升能源生態效率。

政府干預對能源生態效率的影響顯著為負值，表明在黃河流域當政府對市場干預過多時，反而阻礙了能源生態效率的提升，這與師博和沈坤榮的觀點一致。［22］政府干預企業的信貸資源配置，引發貸款企業的過度投資，反而使能源消耗激增。［22］

城市化率對能源生態效率的影響顯著為負值。隨著城市化進程的發展，綠地面積不斷減少，能源消耗中產生污染物不斷累積，城市化過程中會產生“擁擠效應”［27］，使城市化水平負向地影響城市能源生態生態效率。

對外開放程度在各模型中的回歸結果不夠顯著性，表明在黃河流域城市中引進外資的行為對能源生態效率僅存在有限影響。

為進一步分析SAR模型中解釋變量的空間滯后項，采取Le Sage&Pace提出的偏微分方法，將總效應分解為直接效應和間接效應。［28］直接效應即是本地的各影響因素對本地的能源效率的影響，間接效應體現為溢出效應，即其他地區的相關因素對本地能源生態效率產生影響，檢驗結果匯報于表3。實證分析結果表明，若要提升本地區的能源效率，不僅要考慮到本地區的產業結構與交通基礎設施等的影響，周圍地區的能源生態效率水平以及周圍地區的產業結構及交通基礎設施同樣會影響到本地區的能源生態效率。對各因素的直接效應與間接效應進行比較分析，可發現各影響因素的直接效應系數均大于間接效應系數，這反映了各城市采取措施提升能源生態效率時，不僅使自身及周圍城市受益，且自身的收益程度將大于鄰近城市。

為檢驗回歸結果的穩健性，本文對SAR模型的個體固定效應、雙固定效應和隨機效應，以及SDM模型的個體固定效應和時間固定效應進行了檢驗，檢驗結果無實質性改變，檢驗結果省略。

表3 模型檢驗結果

四、結 論

根據SBM-DEA模型，測算了2003-2016年黃河流域62個地級市的能源生態效率值，進行上中下游地區能源生態效率的比較分析；為探析影響城市能源生態效率的決定因素，本文從內部因素和外部因素兩方面對能源生態效率進行分析，結論如下。

（1）黃河流域的能源生態效率仍處于偏低水平，城市間能源生態效率差距較大，中游地區的能源生態效率水平低于上游和下游地區。黃河流域要針對上中下游地區采取差異化的策略。內部影響因素分析的結果表明能源生態效率值的提升過多地依賴于效率改進而非技術進步。來若要協調上中下游的發展差異，推進區域協同發展，需要加強技術進步對能源生態效率提升的作用。加大對下游區域技術創新的支持力度，鼓勵流域下游區域的先進技術向中游區域進行轉移，鼓勵中游區域通過技術引進和自主創新推進能源效率的提升，特別是對于具有煤炭優勢能源的區域，通過煤炭潔凈技術、污染治理技術等提高煤炭使用效率，并推進能源結構多元化，鼓勵可再生能源的使用。能源生態效率高的地區通過加強區域合作，實施區域共同提高的政策，實現雙贏發展。

（2）外部影響因素分析的結果表明，產業結構、政府干預、城市化率在空間上對能源生態效率均存在顯著負向影響，交通基礎設施建設對能源效率存在顯著正向影響。因此，應加快產業優化升級，推進產業結構調整。通過淘汰落后高耗能產業，降低能源密集型產業比重，大力發展高新技術產業和服務業，提升能源效率；合理發揮政府作用，加強城市化進程質量管控；發揮交通基礎設施的積極作用，提高車輛的使用效率，降低區域間的交通成本，以提升黃河流域的能源生態效率。