中國省區能源強度的影響因素及其空間溢出性

趙慧卿，郭晨陽

ZHAO Hui-qing, GUO Chen-yang

天津商業大學 經濟學院，天津 300134

Tianjin University of Commerce, Tianjin 300134, China

改革開放以來，中國經濟社會迅速發展，同時也伴隨著能源消耗的快速增長。以2000年能源消費總量為參照，2016年我國能源消費總量增長了196.5個百分點。能源消費總量連續多年位列世界前列，2016年超越美國成為全球第一能源消費大國。由于當前我國仍處于工業化進程當中，作為現代化建設的基礎與動力，能源需求仍在日俱增，但同時又伴隨著傳統能源存量的日益減少。因此，能源問題已成為我國新一輪經濟增長的瓶頸。而解決這一問題的措施之一就是降低能源強度。目前中國政府已制定了多個關于能源強度的減排目標，如在“十一五”“十二五”時期分別提出了能源強度下降20%和16%的目標；根據“十三五”能源規劃目標測算，在“十三五”期間能源強度需下降15%以上。盡管如此，我國能源強度仍高于世界平均水平，尤其是一些能源消費大省，其能源強度遠遠高于東部發達省份，省區間發展很不均衡。那么，如何才能進一步降低各省區能源強度？其影響因素有哪些？這些因素的省區空間溢出效應如何？對這些問題展開研究，對于制定省區能源強度下降政策具有較為明顯的指導意義。由于我國不同省區經濟發展、資源稟賦等存在較大差異，故本文利用空間杜賓模型對我國30個省區2000—2016年能源強度進行分析，揭示其空間分布和演變趨勢，分析其主要影響因素及全國和地區層面的空間溢出效應，進一步為中央政府及地方政府制定政策提供相應的數據依據。

1 文獻綜述

在關于能源強度影響因素的研究文獻中，學者們一般是將能源強度分解為不同的影響因子，進而探究其影響方向和程度。

國外學者主要采用兩類方法對此展開研究：一是采用指數方法，如Ma、Stern(2008)使用LMDI方法分析中國能源強度，發現導致中國能源強度下降的主要因素是技術變化，結構變化和燃料間替代對能源強度影響程度較小[1]；Shahiduzzaman、Alam(2013)利用LMDI方法分析澳大利亞能源強度，發現能源強度下降的主要因素是效率和結構變化[2]；Voigt等(2014)同樣利用LMDI方法分析了40個主要經濟體的能源強度，認為技術變革導致能源強度下降，此外在一些國家中行業構成變化也有利于降低能源強度[3]；Behboudi等(2010)則利用費雪理想指數(Fisher ideal index)分析伊朗能源強度，發現伊朗能源強度增加的原因是效率的減少和經濟活動結構的改變[4]；Jimenez、Mercado(2014)同樣利用費雪理想指數(Fisher ideal index)分析了拉美國家能源強度，但其發現經濟活動結構變化沒有導致能源強度明顯變化[5]。二是采用計量經濟學的方法，如Kaufmann(2004)使用VECM方法對美國能源強度進行了分析[6]；Stern(2012)使用隨機前沿生產模型(stochastic production frontier)對85個國家的能源強度進行研究[7]；Belloumi、Alshehry(2016)使用自回歸分布滯后模型(ARDL)對沙特阿拉伯能源強度進行研究[8]；Farajzadeh、Nematollahi(2018)使用GMM方法對伊朗能源強度進行分析[9]。

國內學者從不同角度對能源強度的影響因素進行了研究：一是從行業角度，如滕玉華(2011)從工業行業的角度研究得出，自主研發對工業行業和高能源強度行業的能源強度有顯著負向作用，國內技術轉移對工業行業和低能源強度行業的能源強度有顯著負向作用[10]。此外，張毅(2014)分析了交通運輸業能源強度的影響因素[11]，唐曉華(2016)則對制造業能源強度展開研究[12]；二是從區域角度，如齊紹洲(2011)分析了東、中、西部地區外商直接投資(FDI)知識溢出效應對能源強度的影響，得出東部地區FDI知識溢出效應對本地區能源強度影響不顯著，中部地區FDI知識溢出提高了本地區能源強度，而西部地區FDI知識溢出降低了本地區能源強度[13]。錢東(2012)分析了新疆能源強度影響因素，發現技術變動、消費規模、消費結構、投資規模和投資結構對新疆能源強度降低起到了抑制作用，并且推動了低能耗部門比重的下降[14]。李治(2014)對十大城市群99個城市的能源強度影響因素進行了研究[15]。靖學青(2014)分析了西部地區能源強度影響因素[16]。從所考察的影響因素來看，42%的學者選取了技術進步這一因素，22%的學者選取了工業化這一因素，20%的學者選取了城鎮化這一因素，13%的學者選取了信息化這一因素進行研究。

也有學者對能源強度空間溢出效應進行研究，現有研究主要采用空間計量方法，如孫慶剛(2013)使用空間滯后模型和空間誤差模型對省域間能源強度空間溢出效應進行了研究[17]。但是，目前關于能源強度影響因素及其空間溢出機制的文獻較少，已有研究文獻使用的空間計量方法也沒有考慮多個空間交互效應模型。鑒于此，本文立足地理空間這一載體，采用考慮了內生和外生交互效應的空間杜賓模型，全面考慮能源強度影響因素，在考察各個影響因素的直接效應外，還將考察通過空間傳導機制所產生的各因素的空間溢出效應。

2 模型及數據

2.1 空間杜賓模型和溢出效應

2.1.1 空間杜賓模型

最初空間計量模型關注的焦點是空間滯后模型(也被稱為空間自回歸(SAR)模型)以及空間誤差項模型(SEM)?？臻g滯后模型包括了被解釋變量(Y)之間存在的內生交互效應，空間誤差項模型包含了誤差項(ε)之間的交互效應。除了上述兩種效應外，還包括解釋變量(X)之間的外生交互效應。隨著計量經濟學的發展，研究者對于研究包含多個空間交互效應的模型越來越關注。Kelejian、Prucha(1998，1999，2010)提倡使用包括內生交互效應和誤差項之間交互效應的模型[18-20]，這一模型被LeSage、Pace定義為SAC模型；LeSage倡導使用包括內生和外生交互效應的模型，這一模型類似時間序列的Durbin模型，Anselin(1988)[21]稱時間序列的Durbin模型為空間杜賓模型(SDM)。

具有N個觀測值的橫截面的一般空間模型通過增加時間因素t，可以擴展為具有N個觀測值且跨t個時期的面板數據空間—時間模型，其具體形式為：

Yt=δWYt+αιN+Xtβ+WXtθ+ut，

(1)

ut=λWut+εt。

(2)

其中，Y由樣本中的每一個單位(i=1,…,N)的被解釋變量的觀測值組成；WY是被解釋變量空間上的內生交互效應，ιN是N×1階單位向量，與被估計的常數項參數α相關；X是一個N×K階外生解釋變量矩陣，β是需要估計的未知參數向量，WX是解釋變量之間存在的外生交互效應，Wu是不同單位的干擾項之間存在的交互效應，且ε=(ε1,…,εN)T是干擾項向量。但是該模型只是把數據混合在一起，沒有考慮空間或時間的異質性。不考慮空間異質性可能會導致對一個典型橫截面研究模型的估計偏誤。同樣的，如果忽略時間異質性可能導致對一個典型時間序列研究的估計偏誤。

于是將上述模型擴展為具有特定空間效應或特定時間效應的空間—時間模型，即為空間杜賓模型(SDM)的一種形式，其具體為：

Yt=ρWYt+αιN+Xtβ+WXtθ+μ+ξtιN+ut

(3)

ut=λWut+εt

(4)

結合本文研究對象，設定空間杜賓模型(SDM)的具體形式為：

(5)

其中，EI為能源強度，i為除西藏外的30個省區，i=1, 2, …, 30，t為年份，X包括下文的7個解釋變量，其他含義如前所述。

在空間計量模型的選擇和檢驗方面，本文首先采用沒有空間交互效應面板數據且對其結果進行檢驗，根據LM檢驗結果確定空間依賴性是否存在，并根據顯著程度確定空間滯后模型(SLM)和空間誤差模型(SEM)哪個更合適；接著利用具有空間和時間交互效應的面板數據進行Wald檢驗，根據其結果檢驗空間杜賓模型(SDM)能否簡化為SLM模型或SEM模型，若拒絕了能簡化的假設，則SDM模型更為合理；其次，利用Hausman檢驗采取隨機效應模型還是固定效應模型；最后，若SDM模型更為合理，則進一步分析解釋變量對因變量的空間溢出效應。

2.1.2 溢出效應

許多實證研究使用了一個或更多的空間回歸模型設定的點估計(δ、θ或λ)來對是否存在空間溢出效應做出結論。LeSage和Pace的一個重要貢獻是觀察到這種點估計可能導致錯誤的結論，而且觀察到偏微分可以測度解釋變量的影響。所以，本文將使用偏微分方法測度解釋變量的空間溢出效應。

將公式(3)、(4)改寫為：

Y=(I-δW)-1(Xβ+WXθ)+R

(6)

其中，R是包括截距、誤差、空間效應和時間效應項的剩余項，I是單位矩陣。對于時間變量t上從省區1到30的第k個解釋變量X，其對應的Y的期望值的偏導數矩陣可以寫成：

(7)

其中，ωij是矩陣W的第(i,j)個元素。對于第k個解釋變量，其對應的E(Y)的偏導數的性質之一是：如果一個特定單位中特定解釋變量的變化不僅會改變這個單位自身的被解釋變量，即存在直接效應，而且會改變其他單位的被解釋變量，即存在溢出效應(也被稱為間接效應)。偏導數矩陣的每一個主對角線元素代表的是直接效應，每一個非對角線元素代表的是間接效應。

關于對間接效應的統計顯著性的檢驗，LeSage和Pace提倡使用由最大似然估計得到的方差—協方差矩陣(其具體形式如式(8)所示)對間接效應的分布進行模擬。

具體做法是從該矩陣得到D個參數組合，且一個特定解釋變量的間接效應由每一個參數組合所決定，則總體間接效應可以通過計算這D個抽樣的均值來近似得到，其p值可以通過用其均值除以其對應的標準差來得到，若p值小于0.01則表示在1%置信水平下顯著。

2.2 變量選取及數據說明

能源強度變化受到多種因素影響，參考范德成(2012)[22]、張華明(2017)[23]、夏晨霞(2018)[24]、Jones(1991)[25]等，本文以能源強度(EI)為被解釋變量，分別選取經濟發展水平(Y)、產業結構(IS)、城市化水平(UL)、固定資產投資(FI)、能源消費結構(EC)、技術進步(TL)、能源稟賦(RE)7個變量作為解釋變量，構建能源強度影響因素的空間面板模型。變量具體說明見表1。

表1 模型中各個變量的說明

本文選取2000—2016年中國30個省區(西藏數據缺失較多，故不列入研究范圍)的數據進行分析，文中涉及的價值量指標，如人均GDP、第二產業增加值、GDP、固定資產投資、研究與試驗性發展支出以2005年價格表示，煤炭消費量和能源消費總量指標已折算為標準煤。其中，煤炭消費量、能源消費總量和煤生產量的數據來自《中國能源統計年鑒》；人均GDP、GDP、第二產業增加值、城鎮人口、總人口、全社會固定資產投資來自《中國統計年鑒》；研究與試驗性發展支出來自《中國科技統計年鑒》。由于2000—2002年寧夏能源平衡表缺失，故2000—2002年寧夏煤生產量由《寧夏統計年鑒》中能源生產總量和煤炭占能源生產總量的百分比計算得到。

3 實證結果分析

3.1 中國省區能源強度空間相關性檢驗

在對能源強度進行空間計量分析前，應先對其進行空間相關性檢驗。本文利用STATA軟件計算得到2000—2016年中國能源強度的全局Moran′s I指數(如表2)，由表2可知，能源強度的全局Moran′s I指數都大于0，在1%的水平下均通過顯著性檢驗，且標準化檢驗值Z均大于1.96，該結果表明強烈拒絕“無空間自相關”原假設，即我國省區能源強度空間分布并不是完全隨機，而是呈現顯著的空間集聚特征，省區能源強度的變遷受到空間相關因素的強烈影響，忽略空間因素會使得估計結果出現偏誤。

表2 2000—2016年省區能源強度全局Moran′s I統計量

注：***，**，*分別表示在1%，5%，10%的水平上顯著。

從表2還可以看出：中國30個省區2000—2016年的能源強度空間自相關在2003年、2006年、2011年、2013年有輕微的下降，但總體呈現上升趨勢，說明我國能源強度在省區間的空間溢出性逐漸增強。接下來通過繪制這四個重要時間節點的局部Moran′s I散點圖，進一步考察中國省區能源強度空間集聚結構及變化，了解能源強度的空間分布情況。

局部Moran′s I散點圖刻畫的是局部空間自相關性特征，該散點圖將空間集聚分為4個類型，對應圖中的4個象限，第一和第三象限反映正的空間性關系，第二和第四象限反映負的空間相關性。根據圖1、圖2、圖3、圖4可知，第一、三象限的省區占大多數，第二、四象限中省區較少，即30個省區總體表現出正的空間相關性，中國省區能源強度具有顯著的空間集聚分布特征，即能源強度水平較高的區域集聚在一起，能源強度水平較低的區域集聚在一起。此外比較這四個時期位于第二象限的省區個數發現，其數量隨時間變化在減少，說明中國能源強度的空間集聚程度在不斷增強，且表現為高水平和低水平兩種集聚類型，空間分化明顯。

圖1 2003年局部Moran’s I散點圖Fig. 1 Partial Moran’s I Scatter Chart in 2003

圖2 2006年局部Moran’s I散點圖Fig. 2 Partial Moran’s I Scatter Chart in 2006

圖3 2011年局部Moran’s I散點圖Fig.3 Partial Moran’s I Scatter Chart in 2011

圖4 2013年局部Moran’s I散點圖Fig.4 Partial Moran’s I Scatter Chart in 2013

綜合上述結果可知，中國全局和局域空間相關性緊密相連，方向一致，空間集聚性不斷增強，且局部區域表現為俱樂部性質。造成這一現象的原因可能是各區域所擁有的能源稟賦、所處的地理位置等，如能源大省和周邊省份的經濟增長依賴于當地或周邊地區資源，傾向于生產高污染、低附加值的產品。

3.2 中國省區能源強度空間計量模型檢驗

由上文可知省區能源強度存在顯著的空間相關性，因此下面對省區能源強度進行空間計量分析。利用MATLAB R2015b軟件采用沒有空間交互效應的面板數據模型對能源強度影響因素進行檢驗，結果如下：

(1)首先對空間和時間固定效應進行似然比(LR)檢驗。檢驗結果(估計值是1 056.1，p=0.000)說明必須拒絕空間固定效應的聯合非顯著性的原假設。同樣，也拒絕了時間固定效應的聯合非顯著性的原假設(估計值是224.7，p=0.000)。LR檢驗結果表明，應該把模型擴展為具有空間和時間固定效應的模型。

(2)其次用LM檢驗來確定空間依賴性是否存在，并根據顯著程度確定空間滯后模型(SLM)和空間誤差模型(SEM)哪個更合適，傳統LM檢驗的空間和時間固定效應結果(LM-lag值是10.585，p=0.001；LM-error值是8.224，p=0.004)說明，在1%的顯著性水平上，分別拒絕了沒有空間滯后被解釋變量的原假設和沒有空間自相關誤差項的原假設。穩健的LM檢驗空間和時間固定效應結果(Robust LM-lag值是4.052，p=0.044；Robust LM-error值是1.690，p=0.194)表明，在5%的顯著性水平上同樣拒絕了沒有空間滯后被解釋變量的原假設。然而在5%的顯著水平上卻不能拒絕沒有空間自相關誤差項的原假設?？臻g和時間固定效應LM、LM Robust的檢驗結果顯示，空間滯后模型(SLM)優于空間誤差模型(SEM)。

在拒絕了非空間模型的情況下，使用Wald檢驗估計空間杜賓模型(SDM)能否簡化為空間滯后模型(SLM)或空間誤差模型(SEM)，如果拒絕了非空間模型而支持空間滯后或空間誤差模型，且空間杜賓模型不被拒絕，則采用空間杜賓模型。

本文Wald檢驗結果見表3。從表中可知Wald_spatial_lag、LR_spatial_lag、Wald_ spatial_error、LR_spatial_error在1%顯著性水平下拒絕空間杜賓模型簡化為空間滯后模型或空間誤差模型，此外Hausman檢驗顯示應該接受隨機效應模型。綜上所述，隨機效應下空間杜賓模型是本研究最為適合的空間計量模型。

表3 空間杜賓模型檢驗結果

注：***，**，*分別表示在1%，5%，10%的水平上顯著。

3.3 空間杜賓模型實證分析

接下來采用隨機效應下的空間杜賓模型計量結果(見表4)對省區能源強度的影響因素及其溢出效應進行分析。

3.3.1 影響因素分析

(1)變量中lnY和lnTL系數為負，且通過了1%顯著性檢驗，說明經濟發展水平、技術進步對中國省區能源強度產生了顯著的負向作用。人均實際GDP越高，經濟越發達，能源強度越低；伴隨著技術創新和技術進步，能源利用效率和生產效率顯著提高，進而有助于降低能源強度。政府對研發投入越多，越有利于創新，獲得先進技術、設備等，有利于產生技術溢出效應，提高能源利用效率。

(2)lnUL、lnEC、lnRE系數為正，且lnUL、lnEC通過了1%顯著性檢驗，lnRE通過了5%顯著性檢驗。說明城市化水平、能源消費結構和能源稟賦對能源強度產生了顯著的正向作用。這三個變量對能源強度的影響程度從高到低依次為城市化水平、能源消費結構和能源稟賦。城市化表現為農村人口減少，城鎮人口增加，在這一過程中人口密度逐漸增加，促進了能源密集型基礎設施建設數量的增加，與此同時，城市化使得居民生活方式變化和收入增加，交通、通訊等活動也會對能源消費產生正向影響，促使能源強度上升。當前我國仍處于城市化進程當中，城市化的規模效應還未充分發揮，因此對能源強度下降還不能起到積極促進作用；煤炭屬于高碳排放能源，其生產和消費量的增加均對能源強度產生正向影響。山西等煤炭貯量豐富的地區，能源密集型產業有比較優勢，傾向于生產能源依賴性強的初級產品，導致這些省區能源強度偏高。

此外lnIS、lnFI未通過10%顯著性檢驗，說明在本文研究中，產業結構、固定資產投資對能源強度的貢獻率尚顯不足。

表4 2000—2016年空間杜賓模型(SDM)估計結果與檢驗結果

注：***，**，*分別表示在1%，5%，10%的水平上顯著。

(3)W×lnRE的系數通過了1%水平的顯著性檢驗，W×lnUL、W×lnFI、W×lnTL的系數通過了5%水平的顯著性檢驗，W×lnEC在10%的水平上顯著，表明模型中因變量的空間滯后項和自變量的空間交互項可能存在空間溢出效應，即上述變量在空間上對鄰近省區的能源強度會產生影響。

3.3.2 空間溢出效應分析

根據公式(7)～(8)計算隨機效應下空間杜賓模型的直接效應、間接效應、總效應，對各解釋變量進行空間溢出效應分解。由于我國東中西部的區位特征、能源稟賦和經濟發展水平等方面存在差異，因此這里將從全國層面和地區層面分別展開溢出效應分析。

表5 2000—2016年全國層面溢出效應

注：***，**，*分別表示在1%，5%，10%的水平上顯著。

(1)全國層面溢出效應分析。全國層面溢出效應見表5，從表中可以看出：

a.城市化水平的間接效應和直接效應通過了1%顯著性水平檢驗，且系數為正，說明在城市化建設過程中，生產、消費類型的經濟活動在城市的集中不僅會影響當地的能源消費量和能源強度，還會“傳遞”到鄰近省區，影響其能源消費量和能源強度。

b.能源消費結構的間接效應和直接效應也通過了1%顯著性水平檢驗，且系數為正。煤炭消費比重變動1%將引起當地能源強度變動0.086%，引起鄰近省區能源強度變動0.228%，說明能源消費結構有顯著的空間溢出效應。

c.技術進步的間接效應通過了5%顯著性水平檢驗，直接效應通過了10%顯著性水平檢驗，且系數均為負，說明技術進步不僅對本地區的能源強度表現出負的直接效應，對相鄰地區也表現出負的間接效應，即相鄰地區間技術水平的提高對降低能源強度促進作用，提高技術水平有利于鄰近地區能源強度的降低。

d.能源稟賦的間接效應和直接效應均通過了5%顯著性水平檢驗，且系數為正，說明能源稟賦不僅有正的直接效應，也有正的空間溢出效應。與煤炭儲量豐富的省區相鄰，在能源運輸這一物流成本上比其他省區具有比較優勢，傾向于消費更多的煤炭進而使得能源強度增加。

e.固定資產投資的間接效應通過了5%顯著性水平檢驗，且系數為正，而直接效應沒有通過顯著性檢驗，說明固定資產投資對本地能源強度沒有形成有效的影響，但對鄰近省區產生了正的空間溢出效應。

f. 經濟發展水平的間接效應沒有通過顯著性檢驗，但直接效應通過了1%顯著性水平檢驗，說明經濟發展變量只對當地能源強度產生影響，還尚未對鄰近省區的能源強度產生空間溢出效應。

g. 產業結構的間接效應、直接效應均不顯著，說明產業結構變動對能源強度產生的影響很微弱，這可能是因為工業份額的增加對經濟發展產生正向作用，同時經濟增長對能源強度產生負向作用，正負作用相互抵消導致產業結構對能源強度的影響不顯著。

(2)地區層面溢出效應分析。地區層面溢出效應見表6，從表中可以看出東中西部各解釋變量效應存在差異。具體如下：

a.從城市化水平來看，東部地區城市化水平的間接效應和直接效應均通過了1%顯著性水平檢驗，且為正值。中部和西部地區城市化水平的直接效應顯著，間接效應不顯著，說明中西部地區城市化水平沒有形成空間溢出效應。從影響程度上來說，西部地區城市化水平對本地能源強度的影響是最小的，中部最高，東部居中。

b.從能源消費結構來看，西部地區的直接效應和間接效應均通過了顯著性檢驗，且系數為正，說明西部地區能源消費結構有顯著空間溢出。東部和中部地區的間接效應沒有通過顯著性檢驗，尚未形成空間溢出效應。

c.從技術進步來看，東部和西部地區技術進步的間接效應顯著，說明其技術進步形成了空間溢出效應，可以降低相鄰地區的能源強度。中部地區技術進步的間接效應和直接效應均不顯著，但總效應通過了10%的顯著性檢驗，且方向為負，說明中部技術進步對能源強度產生的影響較小。

d.從能源稟賦來看，東中西部地區能源稟賦的間接效應均通過了1%的顯著性檢驗，且系數均為正值，說明東中西部能源稟賦對其他省區產生了顯著空間溢出效應。從影響程度來看，西部地區空間溢出效應最大，其次是中部地區，東部地區的最小。

表6 2000—2016年地區層面溢出效應

注：***，**，*分別表示在1%，5%，10%的水平上顯著。

e.從固定資產投資來看，東中西部地區固定資產的間接效應均通過了顯著性檢驗，均存在空間溢出效應。但是三者的符號不一致，東部地區系數為負值，中西部地區為正值，且絕對值遠高于東部?？赡艿脑蚴牵形鞑康貐^固定資產投資多用于高耗能產業基礎設施建設，而東部地區大部分省區已經完成了從重工業為主的第二產業向服務業等為主的第三產業的轉變。

f.從經濟發展水平、產業結構來看，東中西部地區這兩個變量的間接效應均沒有通過顯著性檢驗，說明各地區經濟發展水平和產業結構均沒有形成空間溢出效應。

4 主要結論及建議

4.1 主要結論

本文使用較為前沿的空間杜賓模型，利用2000—2016年相關數據，研究了中國省區能源強度影響因素，并從全國層面和地區層面探究不同影響因素對本地區及其鄰近省區能源強度的溢出效應。結論如下：

中國省區能源強度空間分布呈現顯著的空間集聚特征，省區能源強度的變動受到空間相關因素的影響；城市化水平、能源消費結構、能源稟賦對省區能源強度有顯著正向作用，經濟發展水平和技術進步對省區能源強度產生顯著的負向影響；從全國層面來看，城市化水平、能源消費結構、能源稟賦和固定資產投資對其他省區產生了正的空間溢出效應，而技術進步產生了負的空間溢出效應；從地區層面來看，東部省區的城市化水平、西部省區的能源消費結構、東中西部地區的能源稟賦、中西部地區的固定資產投資均對本地區內其他省份產生了正向的空間溢出效應，而東西部地區的技術進步、東部地區固定資產投資對本地區內其他省份產生了負向的空間溢出效應，經濟發展水平和產業結構沒有形成空間溢出效應。

4.2 對策建議

根據本文研究結論，提出如下對策建議：

(1)加強省區間協調合作力度，共同推進能源強度的降低。省區間能源強度存在顯著的空間依賴性，省區間降低能源強度政策若不重視空間交互效應很可能出現“政策失靈”，因此省區間應該充分認識到空間交互效應的存在，關注鄰近省區的相關政策及其相關影響要素的變動，通過建立相關信息共享等實現人力、技術等省區溢出機制，加強省區間協調合作力度，共同推進能源強度的降低。

(2)加強煤炭儲量豐富省區的監管力度，降低周邊省區對其煤炭的依賴程度。一個地區的能源稟賦在很大程度上決定了其能源消費結構，而能源消費結構又具有顯著的正向空間溢出效應。因此，山西等煤炭豐富省份的周圍省區，其能源強度下降難度可能較大。政府在制定政策時，應重視對煤炭儲量豐富省區的引導，關注能源消費結構的空間溢出效應，出臺相應政策降低周邊省區對煤炭的依賴程度。

(3)進一步推動城市化發展，提高城市化發展質量。近些年中國城鎮化發展較為迅速，城鎮化率從2002年的39.1%提升到2017年的58.5%。但這一比率仍遠低于發達國家(城鎮化率80%以上)，尚未達到發揮城市化經濟的門檻。此外，我國城市化發展目前仍存在省區不協調，發展質量不高等問題，使得城市化仍沒有發揮集聚效應來實現提高能源利用效率的目的。因此，應進一步推動城市化發展，同時也應注意避免能源密集型基礎設施的盲目擴張，注重城市化質量建設，從而實現城市化的規模效應。

(4)轉變經濟增長方式，加快產業結構升級。政府應制定相應措施，促進企業提高自主創新能力，從而帶動產業結構升級，扭轉粗放型的經濟增長方式，促進低能耗、高附加值產業增長，實現集約型經濟發展。從長遠來看，實現粗放型到集約型經濟的轉變，才能最終提高整體能源效率，實現節能減排目標。

(5)加大對科技的投入力度，共同促進能源強度的降低。技術進步有顯著的空間溢出效應，研發新技術可以在很大程度上降低能源強度，各省區應當在適當的范圍內增加對研發的資金與人力支持，引導有實力的企業研發新技術，改善生產條件，推動企業提高能源使用效率。同時國家也應該在全國范圍內推廣新技術及新理念，促進能源強度的整體降低。