能源錯配與霧霾污染

常建新 李幸 陳藝璇

摘 要：以中國30 個省級行政區域2000—2017年的面板數據為研究對象，通過測度價格扭曲和要素錯配的方法實證測度了30 個省級行政區域的能源錯配程度并構建了面板計量模型，從全國和地區層面實證檢驗了能源錯配與霧霾污染之間的關系。研究發現：30個省級行政區域均存在不同程度的能源錯配情況，并且表現出了明顯的地區差異，其中，中部省份的能源錯配程度最高，西部省份次之，東部省份的能源錯配程度普遍小于中西部省份;無論從全國層面還是地區層面，能源錯配對霧霾污染均有顯著的正向影響，但影響程度存在著一定的地區差異，其中，中部地區能源錯配對霧霾污染的正向影響最大，東部地區次之，而西部地區的影響相對較弱。

關鍵詞：能源錯配;霧霾污染;面板計量模型

中圖分類號：F205 文獻標志碼：A 文章編號：1672-626X（2020）02-0053-11

一、引言

改革開放以來，中國經濟快速增長的同時也面臨著嚴峻的環境問題。尤其是近年來，一些城市的霧霾天數逐年增加，空氣質量不斷惡化，對人民群眾生產生活造成較大影響，嚴重危害了居民的身體健康，霧霾治理已成為許多城市首要的環境治理工作。霧霾是對大氣中各種懸浮顆粒物含量超標的籠統表述，其主要成分為SO2、NOx及可吸入顆粒物，前兩項為氣態污染物，而可吸入顆粒物（尤其是PM2.5，即空氣動力學當量直徑≤2.5微米的顆粒物）被認為是霧霾天氣頻發的罪魁禍首。《2018中國生態環境狀況公報》顯示，2018年全國338個地級及以上城市中，空氣質量達標（即年均PM2.5濃度≤35μg/m3）的城市僅有121座，占全部城市數的35.8%，雖然這一比重較2017年上升了6.5個百分點，但空氣質量未達標的城市仍然占到了全部城市數的64.2%，霧霾污染問題依然嚴峻。

“資源錯配”是相對于資源的“有效配置”而言的，“有效配置”是指資源可以自由流動、實現帕累托最優、能夠使社會總產出最大化的最優配置狀態，而“資源錯配”是對這個最優配置狀態的偏離[1]。受市場分割、政府管制、壟斷勢力等諸多因素制約，中國的主要生產要素資源均存在著不同程度的錯配，市場優化資源配置的功能并不能有效地發揮出來。特別在維持經濟高速增長和社會穩定兩大發展目標的驅使下，中國的電力、天然氣等能源價格仍處于政府的管制之中[2]，無法充分反映其稀缺程度與市場供求規律，導致了能源在地區間的錯配。能源既是滿足居民消費需求的終端產品和生活要素，更是滿足國民經濟各行業發展不可或缺的中間投入品和生產要素[3]。當前，中國正處于工業化與城市化加速發展時期，對能源的剛性需求不斷增加。據《世界能源統計年鑒（2019）》的統計顯示，2018年中國的能源消費總量達46.4億噸標準煤，同比增長3.3%，增速創5年來新高，且中國的能源消費增量占據了全球能源消費增量的1/3。與此同時，過量能源消耗所排放的SO2、NOx及PM2.5等大氣污染物，不僅給居民健康造成嚴重威脅，也給中國經濟的綠色可持續增長帶來巨大壓力。因此，要實現中國經濟的綠色可持續增長，必須在滿足生態環境要求的同時，提高能源配置的有效性。能源錯配會加劇霧霾污染嗎？研究這一問題對處于轉型升級關鍵階段的中國經濟具有重要的現實意義。

二、文獻回顧與機理分析

（一）文獻回顧

能源作為生產過程中的一種重要投入要素，是經濟與社會發展的重要物質基礎，是經濟增長的“動力源”，是一個國家的經濟命脈，同時，能源的消費和使用也是導致大氣環境污染的主要原因[4]，因此，能源問題與大氣環境污染的關系一直是學術界關注的重點。現有文獻從能源消費與大氣環境污染[5～7]、能源強度與大氣環境污染[8～9]、能源效率與大氣環境污染[10～12]、能源稅與大氣環境污染[13]等視角對能源問題與大氣環境污染的關系進行了深入研究。近年來，由于霧霾污染問題日益嚴重，也有部分文獻研究了能源問題與霧霾污染的關系。馬麗梅和張曉（2014）運用空間計量模型探討了中國31個省份本地與異地之間霧霾污染的交互影響問題以及經濟變動、能源結構影響因素，研究發現，從長期看改變能源消費結構以及優化產業結構是治理霧霾的關鍵;而從短期看，減少劣質煤的使用是治理霧霾較為有效的途徑[14]。魏巍賢和馬喜立（2015）通過建立動態可計算一般均衡模型，對中國能源結構調整、技術進步（能效提高與清潔技術進步）與霧霾治理的政策組合進行了模擬研究，結果表明，推進能源結構調整與技術進步才是治理霧霾的根本手段[15]。冷艷麗和杜思正（2016）基于2001—2010年中國省際面板數據，考察了能源價格扭曲對霧霾污染的影響，研究結果表明，能源價格扭曲對霧霾污染具有顯著的正向影響[16]。馬麗梅等（2016）通過構建空間杜賓模型對能源結構、交通模式與霧霾污染的關系進行了實證分析，結果顯示，從短期看，緩解交通擁堵、減少劣質能源的使用是較為有效的減霾途徑，制定符合城市發展的中長期布局規劃至關重要;而從長期看，發展清潔能源相關技術則更具戰略意義[17]。唐登莉等（2017）基于2004—2013年中國30個省份、市及自治區（應該表達為“省、直轄市和自治區”，簡單一點就用省份）的空間面板數據，結合靜態和動態空間面板數據模型實證分析能源消費對霧霾污染的影響，研究發現，靜態和動態空間面板數據模型均顯示能源消費對霧霾污染具有顯著的正向影響[18]。

自從Restuccia和Rogerson（2008）[19]以及Hsieh和Klenow（2009）[20]分別從宏觀和微觀的視角提出資源錯配測度的理論框架后，學術界已經注意到中國市場化進程中的資源錯配現象。一方面，現有文獻從產業、區域和所有制等方面考察了中國資源錯配的現狀[21～24]。另一方面，現有文獻從產業結構、政府干預、行政壟斷、地方保護主義、產業集聚、交通基礎設施和企業行為等視角探討了中國資源錯配的形成原因[25～29]。雖然現有資源錯配的文獻已經取得了豐富的研究成果，但在研究錯配的對象上基本聚焦于資本、勞動力和土地，很少有文獻關注能源錯配。王芃和武英濤（2014）研究發現，對能源市場扭曲糾正后可實現能源產業TFP增長43.51%，其中糾正企業間能源要素市場扭曲對其增長貢獻最大[30]。孫傳旺和林伯強（2014）研究表明，能源要素市場的扭曲會導致能源要素向高耗能行業流動，而約束性的能源強度目標與能源價格市場化改革能夠改善能源要素配置效率[31]。張江洋和袁曉玲（2015）研究指出，通過降低能源扭曲能顯著提高TFP，而降低能源扭曲的有效途徑是提高企業能源利用效率、增加出口、擴大規模、深化所有制改革并嚴格執行環境規制制度[32]。陳詩一和陳登科（2017）的研究表明，近年來能源扭曲逐漸超越資本扭曲成為中國資源配置扭曲的首要貢獻者，亟需關注[33]。Yang等（2018）研究發現，如果能源市場扭曲能夠修正，中國工業部門的能源投入能夠減少10.57%[34]。

（二）機理分析

中國的市場化程度經過多年的經濟改革已經明顯提高，但導致資源錯配的體制機制仍然存在[22][35]。作為仍然處于轉型時期的發展中大國，中央和地方政府對經濟的干預程度依然較多，尤其是財政分權后地方政府掌握了生產要素的定價權，為了當地GDP的發展和政績的提高，地方政府對關鍵要素市場進行控制，一定程度上扭曲了市場均衡狀態下資源的最優配置水平[36]。尤其是能源作為重要的生產要素，其能否實現帕累托最優、達到社會總產出最大化的最優配置狀態一定程度上決定了中國能否實現經濟的綠色可持續增長。能源錯配對霧霾污染的影響機制可能有：（1）能源的國有性質表明，地方政府具有能源的初始配置權，即能源不是按照市場規律優先分配給生產效率高的企業，而是分配給有政治聯系的企業，較低的能源使用成本使得這些低生產效率的企業僅僅通過增加能源投入便可以獲得可觀的利潤，導致能源消耗過多，而能源消耗的增加勢必會加大環境壓力，進而可能引致霧霾污染。（2）能源錯配導致大量能源流向能源密集型、高能耗、高污染、重化工和低水平加工業，阻礙了能源供給與消費結構的升級轉型。同時，能源錯配抑制了能源效率的提升[37]，降低了能源開采和生產企業的積極性，使得能源產出單一、品質不高、利用效率低下，從而增加污染排放，導致霧霾天氣頻發。

綜上所述，現有文獻很少探討要素配置與霧霾污染的關系，對能源錯配的研究也相對較少，而探討能源錯配對霧霾污染的影響更尚未涉及。本文的貢獻主要在于：第一，參考陳永偉和胡偉民（2011）[38]的研究，提出能源錯配的測度方法，并對30個省份2000—2017年的能源錯配程度進行度量;第二，以30個省份2000—2017年的面板數據為研究對象，通過構建面板計量模型，從全國層面和地區層面實證檢驗了能源錯配對霧霾污染的影響程度，并有針對性地提出了政策建議。

三、研究方法與數據來源

（一）能源錯配測度方法介紹 （注釋①是標注在這里嗎，原文沒有）

參考陳永偉和胡偉民（2011）[38]以及Chu等（2019）[39]的研究，本文通過測度價格扭曲和要素錯配的方法來對中國30個省份2000—2017年的能源錯配程度進行度量。①測度方法表示如下：

其中， 表示 省份 時期能源錯配程度的能源錯配指數; 為 省份 時期能源價格的絕對扭曲系數，是指能源不存在扭曲時的加成狀況，體現了能源使用成本的絕對值信息。但是，由于缺少能源實際使用價格這一項重要信息，無法對其進行實際測算，因此本文采用能源價格的相對扭曲系數對其進行代替：

其中， 為 省份 時期能源價格的相對扭曲系數;分子 為 省份 時期的能耗在經濟體總能耗中所占的實際比例;分母 為 省份 時期的產出在經濟體總產出中所占的份額， 為 省份的能源產出彈性， 為 時期所有省份總能耗對于總產出的加權貢獻值，因此，分母 度量了能源處于有效配置時， 省份 時期應該消耗的能源在經濟體總能耗中所占的理論比例。如果 即 ，說明 省份 時期的能源使用成本等于經濟體的平均水平，實際配置的能源等于有效配置時的理論水平;如果 即 ，說明相對于經濟體而言， 省份 時期的能源使用成本較低，導致該省份實際配置的能源高于有效配置時的理論水平，能源配置過度;反之如果 即 ，則說明相對于經濟體而言， 省份 時期的能源使用成本較高，導致該省份實際配置的能源低于有效配置時的理論水平，能源配置不足。

由（1）式和（2）式可知，若要得到 省份 時期的能源錯配指數 ，必須要估計出 省份的能源產出彈性 。現有研究普遍采用規模報酬不變的C-D生產函數或超越對數生產函數來估計要素的產出彈性。前者假設要素的替代彈性為1，估計形式簡單;后者則更具有包容性，但由于待估計的參數數量較多，往往具有過度的共線性[40]，如果再加上能源要素，這一缺陷將變得更加明顯。因此，本文采用了最基本的規模報酬不變C-D生產函數，并將能源要素納入其中，具體形式如下：

其中， 、 、 和 分別表示 省份 時期的產出、資本投入、勞動力投入和能源投入; 、 和 分別表示 省份的資本、勞動力和能源產出彈性。參考蒲志仲等（2015）[41]的研究，令 ，對（3）式兩邊同時除以 并同時取對數，并在等式右邊加入個體效應 、時間效應 和隨機干擾項 ，經過整理便可以得到 省份能源產出彈性 的回歸模型如下：

本文利用30個省份2000—2017年的面板數據對（4）式進行回歸，估計各省份的 。由于存在經濟發展和生產技術水平等差異，各省份的 可能不同，參考白俊紅等（2017）[42]的研究，本文采用最小二乘虛擬變量（LSDV）模型對（4）式進行回歸，LSDV模型通過在（4）式中引入個體虛擬變量以及其與可變系數解釋變量的交互項來進行估計，從而不同省份可以得到不同的 。在估計出 后，將其帶入（1）式和（2）式，經過計算整理，便可以得到各省份各時期的 。估計 及計算 所涉及變量名稱、符號及定義如表1所示。表1中所有變量涉及的數據來源于2001—2018年的《中國統計年鑒》《中國人口和就業統計年鑒》和《中國能源統計年鑒》。

（二）面板計量模型構建

為進一步考察能源錯配對霧霾污染的影響，本文構建如下面板計量模型：

其中， 和 分別表示省份和時期; 為省份個體效應; 為服從獨立同分布的隨機擾動項，滿足 。上述面板計量模型所涉及變量的性質、名稱、符號及定義如表2所示。表2中被解釋變量霧霾污染的PM2.5濃度原始數據來源于美國大氣成分分析組（Atmospheric Composition Analysis Group），該原始數據為柵格數據，精度為0.01°*0.01°，本文采用ArcGIS軟件解析出每個省份的PM2.5濃度數據，并基于對人口密度的考慮進一步測算出30個省份2000—2017年的PM2.5年均人口加權濃度（單位：μg/m3）數據。該數據與生態環境部發布的《關于實施環境空氣質量標準的通知》對中國霧霾污染基本形勢的判斷大體一致，具有較高的可信度。控制變量的選取本文參考了現有文獻中影響霧霾污染程度的代表性變量。表2中其余所有變量所涉及的數據來源于2001—2018年的《中國統計年鑒》《中國科技統計年鑒》和《中國能源統計年鑒》。

四、實證結果與分析

（一）能源錯配程度測算結果分析

利用Stata軟件以30個省份2000—2017年的面板數據為研究對象，對（4）式設定的LSDV模型進行回歸，估計出各省份的能源產出彈性 ，然后將其帶入（1）式和（2）式，通過計算整理便可以得到各省份各時期的能源錯配指數（見表3）②。（注釋②是標注在這里嗎，原文也沒有。上下段兩處都用“如表3所示”不好）

如表3所示，2000—2017年各省份的能源市場均存在不同程度的錯配情況，并且地區間的差異明顯。比較而言，經濟較發達的東部地區省份能源錯配指數的絕對值普遍小于中西部地區省份，說明東部地區省份的能源錯配水平普遍較低。此外，東部地區大多數省份的能源錯配指數均大于零，表明這些省份實際配置的能源低于有效配置時的理論水平，能源配置不足。其原因可能是：（1）東部地區由于經濟發展水平較高，對能源的需求量較大，能源配置低于與其經濟發展程度相匹配的最優配置水平;（2）為了摒棄高能耗、高排放、高污染的“三高”增長模式，東部地區通過提高能源價格或提高資源稅等方式，抑制企業能源投入，導致能源配置不足;（3）東部地區經濟增長方式已逐步由粗放型向集約型轉變，節能減排環保生產技術的應用以及產業轉型升級都導致了能源需求量的下降。中部地區省份的能源錯配指數絕對值普遍高于東西部地區省份，且幾乎所有省份能源錯配指數為正值。其原因可能是一系列促進區域發展的政策如“中部崛起”戰略，在經濟加速發展階段，中部省份的能源需求量增長迅速，導致能源配置不足。經濟發展相對落后的西部地區，幾乎所有省份的能源錯配指數都小于零，表明這些省份實際配置的能源高于有效配置時的理論水平，能源配置過度。其原因可能是為了平衡地區發展，縮小地區經濟差距，國家通過實施“西部大開發”等戰略給予西部地區重點支持，但是由于生產技術水平低、企業產出附加值低，投入生產要素不能充分貢獻當地經濟，導致能源配置高于當前產出水平下的最優配置。

（二）面板計量模型回歸結果分析

利用Stata軟件以30個省份2000—2017年的面板數據為研究對象，對（5）式設定的面板計量模型進行回歸，此外，鑒于本文研究期限為18年，具有一定的時間跨度，且30個省份的霧霾污染程度存在顯著差異，因此截面異方差問題不容忽視。為此，本文采用固定效應面板回歸方法對（5）式設定的面板計量模型分別從全樣本層面和分地區層面進行估計，結果見表4和表5。

1.全樣本回歸結果分析

表4給出了30個省份全樣本的回歸結果。由表4可知，核心解釋變量能源錯配指數絕對值（|τE|）的回歸系數在1%的顯著性水平為正，表明能源錯配（|τE|）對霧霾污染（HAZE）產生了顯著的正向促進作用。其原因可能是中國各省份的能源市場普遍存在不同程度的錯配情況，使得能源價格低于其邊際產出水平，導致能源供給和消費結構不合理，能源利用效率低下，尤其是煤炭、石油等傳統能源甚至劣質資源被過度消費，而風能、水能、太陽能等清潔型新能源發展較為滯后，從而加劇了霧霾污染的程度。因此，降低霧霾污染的一條有效途徑是將能源錯配水平限制在合理范圍內，提高能源配置效率。此外，模型（1）～（9）是逐步加入其他控制變量的回歸結果，結果顯示能源錯配指數絕對值（|τE|）回歸系數的大小、符號和顯著性水平均沒有發生大變化，說明能源錯配對霧霾污染的正向影響是穩健的。

控制變量方面，經濟發展水平（PGDP）的回歸系數在1%的顯著性水平為負，其原因可能是人們對生活質量和環境質量的要求隨著經濟發展水平的提高而相應地提高;同時，政府也有充足的資金加大對霧霾污染的治理力度，從而在一定程度上改善大氣環境狀況。能源消費結構（Coal）的回歸系數在1%的顯著性水平為正，與其他能源相比，煤炭的消耗對大氣環境的污染最為嚴重，其在使用過程中會產生大量的CO2和煙粉塵，從而會加劇霧霾污染的程度。工業結構水平（Ind）的回歸系數均在1%的顯著性水平為正，其原因可能是第二產業的發展嚴重依賴化石能源，且中國長期以來實行的“重重工業、輕服務業”發展戰略使得產業結構存在諸多不合理之處，尤其是工業比重過高，經濟增長方式粗放，生產過程中排放出的污染物會加劇霧霾污染的程度。機動車保有量（Vehicle）的回歸系數在1%的顯著性水平為正，說明機動車尾氣排放是中國城市霧霾天氣頻生的一個重要原因。房屋施工面積（House）的回歸系數在1%的顯著性水平為正，說明房屋建筑工地的揚塵會增加大氣中的顆粒物含量，導致霧霾天氣的形成。城市化水平（Urban）的回歸系數在1%的顯著性水平為正，說明中國的霧霾污染與城市化進程密切相關，城市化水平越高，人口密度越大，大氣環境壓力相對也較大。對外開放水平（Open）的回歸系數在10%的顯著性水平為正，根據國家統計局統計數據顯示，中國絕對多數省份均呈現出口額大于進口額的特征，而中國的大多數出口產品中尤以能源消耗型的初級制造品占比較高，這些產品在國內生產，消耗國內資源，排放的大氣污染物會加劇國內的霧霾污染。最后，科技發展水平（R&D）的回歸系數為負但并不顯著，說明隨著R&D投入的增加，直接用于治理霧霾污染的技術研發支出也隨之增加，可以降低霧霾污染程度，然而這一減霾效應在30個省份全樣本的回歸結果中尚不明顯。

2.分地區回歸結果分析

由于各省份的經濟發展水平與地理位置存在差異，為了考察能源錯配對霧霾污染的影響，本文進一步分地區進行估計和檢驗，各地區的回歸結果如表5所示。由表5可知，不同地區能源錯配對霧霾污染的影響既存在較大的共性特征，也存在一定的地區差異。從共性方面來看，所有地區核心解釋變量能源錯配指數絕對值（|τE|）的回歸系數在不同的顯著性水平均顯著為正，說明能源錯配程度的加重都在一定程度上加劇了地區的霧霾污染程度，這與全國層面的估計結果在方向上具有一致性，再次驗證了能源錯配對霧霾污染的正向影響是穩健的。從區域差異方面來看，能源錯配對各地區霧霾污染的影響程度不盡相同，中部地區能源錯配對霧霾污染的正向影響相對較大，東部地區次之，相比之下，西部地區能源錯配指數絕對值（|τE|）的回歸系數最小，顯著性也最弱。這一結果也呼應了表3呈現出來的結果，即中部地區省份的能源錯配程度普遍大于東西部地區省份，重工業也更為集中，能源消耗量大，環境壓力也相對較大，更容易出現霧霾天氣。

控制變量方面，分地區的回歸結果中各控制變量回歸系數的符號和顯著性水平與全樣本的回歸結果基本一致，值得注意的是經濟發展水平（PGDP）、對外開放水平（Open）和科技發展水平（R&D）的回歸系數在東部地區的回歸結果中更為顯著，這一結果表明，繼續縮小地區間的經濟發展差距，提升出口產品的科技含量，加大R&D投入力度能夠顯著減輕霧霾污染，改善大氣環境質量。此外，東部地區的回歸結果中，機動車保有量（Vehicle）、房屋施工面積（House）和城市化水平（Urban）的回歸系數在大小和顯著性水平方面均超過了中西部，而根據國家統計局統計數據顯示，東部省份的這三項指標均普遍大于中西部省份，這一結果說明，機動車尾氣排放、房屋建筑工地揚塵以及城市人口密度增加仍然是霧霾污染加劇的主要原因。

五、結論與政策建議

本文以中國30個省級行政區域2000—2017年的面板數據為基礎，通過測度價格扭曲和要素錯配的方法實證測度各省份的能源錯配指數，構建面板計量模型，從全國層面和地區層面對能源錯配對霧霾污染的影響進行了實證研究。主要結論如下：（1）30個省份的能源市場均存在不同程度的錯配情況，并且地區間的差異明顯。東部地區各省份能源錯配指數的絕對值普遍小于中西部地區，且東部地區大多數省份的能源錯配指數都大于零;中部地區各省份的能源錯配指數絕對值普遍高于東部和西部地區，且所有省份都出現了正的能源錯配;西部地區幾乎所有省份的能源錯配指數都小于零。其原因可能是，首先，東部地區的市場化水平相對較高，使得能源錯配程度較低;其次，中部地區目前正處于經濟快速發展時期，能源需求量大，能源利用效率低，造成了該地區能源錯配的程度較高;最后，生產技術水平低，國家各項優惠政策對西部地區的大力支持可能導致能源的投入產出效率低下，使得目前西部地區能源配置相對過剩。（2）無論從全國層面還是地區層面，能源錯配對霧霾污染均有顯著的正向影響，但影響程度存在著一定的地區差異。中部地區能源錯配對霧霾污染的正向影響最大，東部地區次之，西部地區的影響相對較弱。此外，經濟發展水平的提高能夠顯著改善大氣環境狀況，而第二產業產值在GDP中的占比越高、能源消耗中煤炭消耗量所占的比重越大、機動車保有量越多、房屋施工面積越多、城市化水平越高以及對外開放水平越高都會越發顯著加劇霧霾污染的程度。

針對上述研究結論的政策建議是：（1）應加快煤炭、石油、天然氣等能源要素價格的市場化機制改革，減少不適當的政府監管和干預，使能源要素的產品價格真正反映市場的供求關系和稀缺性，充分發揮市場機制在能源配置中的決定性作用。政府部門應發揮好協調和監督作用，消除省際間的行政壁壘，根據價格信號使生產要素在省際間合理流動，減少能源錯配。（2）在能源的跨區域配給上要更多地依賴市場機制，而不是過多地進行行政干預，同時也要注意發展經濟和治理環境污染的過程中的區域差異，完善區域合作治理霧霾污染的機制，形成各區域聯防聯控的格局。（3）通過多部門合作、多行業協同、多手段相互配合等手段加大對霧霾污染的治理力度，同時也要正確處理好經濟社會發展和環境保護的關系，既要考慮經濟和社會發展的需要，也要顧及環境和資源的承載能力，以實現經濟、社會和環境的協調發展。

注釋：

鑒于西藏的相關數據缺失嚴重，因此本文的研究對象為中國4個直轄市、4個自治區及22個省份共30個省級行政區。另外，本文按照慣例將30個省級行政區劃分為東部、中部和西部三大地區，其中，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、重慶、四川、貴州、云南、陜西、甘肅、廣西、青海、寧夏和新疆。為了便于統計下文將30個省級行政區統稱為省份。

②由于篇幅限制，本文不列出回歸LSDV模型估計求得的各省份能源產出彈性βEi的具體值，如需要可向作者索取。

參考文獻：

[1] 陳永偉.資源錯配：問題、成因和對策[D]. 北京：北京大學，2013.

[2] 劉殿國， 肖輝旭.泛珠三角區域能源效率影響因素的實證研究——基于社會嵌入性視角和多層統計模型的分析[J].軟科學，2017，（4）： 80-84.

[3] 余康.市場化改革、技術進步與地區能源效率——基于1997-2014年中國30個省份的面板數據模型分析[J].宏觀經濟研究，2017，（11）： 79-93.

[4] 沈能.能源投入、污染排放與我國能源經濟效率的區域空間分布研究[J].財貿經濟，2010，（1）： 107-113.

[5] 張文靜.大氣污染與能源消費、經濟增長的關系研究[J].中國人口·資源與環境，2016，（S2）： 57-60.

[6] 李世奇，朱平芳.產業結構調整與能源消費變動對大氣污染的影響——基于上海投入產出表的實證分析[J].上海經濟研究，2017，（6）： 82-89.

[7] 陳菡，於世為. 中國生活能源消費的典型污染物排放及驅動因素研究[J].中國人口·資源與環境，2017，（12）： 40-51.

[8] 李力，洪雪飛.能源碳排放與環境污染空間效應研究——基于能源強度與技術進步視角的空間杜賓計量模型[J].工業技術經濟，2017，（9）： 65-72.

[9] 趙立祥，趙蓉.經濟增長、能源強度與大氣污染的關系研究[J].軟科學，2019，（6）： 60-78.

[10] 杜雯翠.工業化視角下的能源效率、技術進步與空氣質量——來自工業國與準工業國的比較[J].軟科學，2013，（12）： 109-113.

[11] 楊愷鈞，劉健露，毛博偉.大氣污染下中國工業全要素能源效率研究[J].軟科學，2018，（6）： 49-52.

[12] 楊仲山，魏曉雪. “一帶一路”重點地區全要素能源效率——測算、分解及影響因素分析[J].中國環境科學，2018，（11）： 4384-4392.

[13] 王德發.能源稅征收的勞動替代效應實證研究——基于上海市2002年大氣污染的CGE模型的試算[J].財經研究， 2006，（2）： 98-105.

[14] 馬麗梅，張曉.中國霧霾污染的空間效應及經濟、能源結構影響[J].中國工業經濟，2014，（4）： 19-31.

[15] 魏巍賢， 馬喜立.能源結構調整與霧霾治理的最優政策選擇[J].中國人口·資源與環境，2015，（7）： 6-14.

[16] 冷艷麗，杜思正.能源價格扭曲與霧霾污染——中國的經驗證據[J].產業經濟研究，2016，（1）： 71-79.

[17] 馬麗梅，劉生龍，張曉.能源結構、交通模式與霧霾污染——基于空間計量模型的研究[J]. 財貿經濟，2016，（1）： 147-160.

[18] 唐登莉，李力，洪雪飛.能源消費對中國霧霾污染的空間溢出效應——基于靜態與動態空間面板數據模型的實證研究[J].系統工程理論與實踐，2017，（7）： 1697-1708.

[19] Diego Restuccia， Richard Rogerson. Policy Distortions and Aggregate Productivity with Heterogeneous Plants[J]. Review of Economic Dynamics， 2008，（11）： 707-720.

[20] Hsieh Chang-Tai， Peter Klenow. Misallocation and Manufacturing TFP in China and India[J]. Quarterly Journal of Economics， 2009， （4）： 1403-1448.

[21] 曹玉書，樓東瑋. 資源錯配、結構變遷與中國經濟轉型[J].中國工業經濟，2012，（10）： 5-18.

[22] Loren Brandt， TervorTombeb， Zhu Xiaodong. Factor Market Distortions across Time， Space and Sectors in China[J]. Review of Economic Dynamics， 2013，（16）： 39-58.

[23] 張鐘文.資源錯配對全要素生產率的影響——基于總產出的核算框架[J].統計研究，2015，（12）： 22-29.

[24] 周新苗，錢歡歡.資源錯配與效率損失：基于制造業行業層面的研究[J].中國軟科學，2017，（1）： 183-192.

[25] 韓劍，鄭秋玲.政府干預如何導致地區資源錯配——基于行業內和行業間錯配的分解[J].中國工業經濟，2014，（11）： 69-81.

[26] 靳來群，林金忠，丁詩詩.行政壟斷對所有制差異所致資源錯配的影響[J].中國工業經濟，2015，（4）： 31-43.

[27] 季書涵，朱英明，張鑫.產業集聚對資源錯配的改善效果研究[J].中國工業經濟，2016，（6）： 73-90.

[28] 周海波，胡漢輝，謝呈陽，戴萌.地區資源錯配與交通基礎設施：來自中國的經驗證據[J].產業經濟研究，2017，（1）： 100-113.

[29] 余壯雄，米銀霞.地區產業轉型中的企業行為與資源錯配[J].中國工業經濟，2018，（6）： 98-116.

[30] 王芃，武英濤.能源產業市場扭曲與全要素生產率[J].經濟研究，2014，（6）： 142-155.

[31] 孫傳旺，林伯強.中國工業能源要素配置效率與節能潛力研究[J].數量經濟技術經濟研究，2014，（5）： 86-99.

[32] 張江洋，袁曉玲.能源扭曲對全要素生產率的影響及對策研究[J].經濟問題探索，2015，（11）： 63-71.

[33] 陳詩一，陳登科.中國資源配置效率動態演化——納入能源要素的新視角[J].中國社會科學，2017，（4）： 67-83.

[34] Yang Mian， Yang Fuxia， Sun Cuanwang. Factor Market Dstortion Correction， Resource Reallocation and Potential Productivity Gains： An Empirical Study on China's Heavy Industry Sector[J]. Energy Economics， 2018，（69）： 270-279.

[35] 白俊紅，劉宇英.對外直接投資能否改善中國的資源錯配[J].中國工業經濟，2018，（1）： 60-78.

[36] 雷達，張勝滿.超越要素價格扭曲的新“外向型”發展戰略——基于二元邊際分析與產品內分工雙重視角的實證研究[J].經濟理論與經濟管理，2015，（7）： 24-35.

[37] 林伯強，杜克銳.要素市場扭曲對能源效率的影響[J].經濟研究，2013，（9）： 125-136.

[38] 陳永偉，胡偉民.價格扭曲、要素錯配和效率損失：理論和應用[J].經濟學（季刊），2011，（4）： 1404-1422.

[39] Chu Xiaoxiao， Geng Hong， Guo Wen. How Does Energy Misallocation Affect Carbon Emission Efficiency in China？ An Empirical Study Based on the Spatial Econometric Model[J]. ?Sustainability， 2019， 11（2115）： 1-16.

[40] 戴魁早.要素市場扭曲如何影響出口技術復雜度？——中國高技術產業的經驗證據[J].經濟學（季刊），2019，（1）： 337-366.

[41] 蒲志仲，劉新衛，毛程絲.能源對中國工業化時期經濟增長的貢獻分析[J].數量經濟技術經濟研究，2015，（10）： 3-19.

[42] 白俊紅，王鉞，蔣伏心，李婧.研發要素流動、空間知識溢出與經濟增長[J].經濟研究，2017，（7）： 109-123.

[43] 張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952-2000[J].經濟研究，2004，（10）： 35-44.

[44] 季書涵，朱英明，張鑫.產業集聚對資源錯配的改善效果研究[J].中國工業經濟，2016，（6）： 73-90.

（責任編輯：彭晶晶）