我国城市化对能源强度的影响——基于空间计量经济学的分析

阚大学，罗良文

（中南财经政法大学 经济学院，湖北 武汉 430073）

能源短缺和经济平稳快速增长的矛盾是未来若干年内我国需要面对的主要问题之一。诸多学者从产业结构、工业化水平、技术进步、居民消费结构、外商直接投资、出口贸易等多个角度考察了经济因素对我国能源消费的影响，并得出了有价值的结论。Wei等（2003）认为城市化对能源消费具有双向作用：一方面，城市化水平的提高导致经济的增长和人们生活水平的提高，加大了能源消费的数量；另一方面，城市化水平的提高使产业组织结构、技术结构、产品结构等得到更合理的调整，各种配置得到进一步的优化，各种资源得到更合理的利用，使得能源消耗具有下降的趋势。[1]Shen等(2003)利用城市化与能源消费之间的回归关系预测了未来50年内我国的能源需求与供给。[2]郑云鹤(2006)对我国能源消费与工业化、城市化与市场化之间的关系进行了实证研究，指出目前工业化与城市化水平的提高会导致能源消耗增加，而市场化水平的提高则会导致能源消耗降低。[3]刘耀彬（2007）则在建立向量自回归模型的基础上，运用格兰杰因果分析和协整分析来实证城市化与能源消费之间的动态相关性，并利用因素分解模型定量测算出城市化对我国能源消费变动的贡献份额。其研究结果表明，我国城市化与能源消费量之间存在单向的格兰杰因果联系，且二者之间存在着协整关系，但这种长期均衡的短期纠正力量并不很强，现阶段城市化对我国能源需求的贡献作用尚比较小，而且还呈现逐年下降的趋势。[4]

从以上研究文献可以看出，关于城市化与能源消费关系的研究较少，而且均是基于时间序列来考察两者的相互关系，忽略了空间相关性，即一个地区城市化水平的提高不仅源于本地经济对非农业部门就业和产出需求的增加以及本地要素供给状况，还取决于区外经济对本地区的需求；地区间的互补或竞争关系导致区间商品流通、要素流动以及技术扩散产生的“扩散—回波”效应对地区城市化发展具有重要影响；由于相近的社会、经济、地理条件，某一地区制定的城市化发展目标往往会参照周边地区的城市化发展水平，促进城市化发展的政策也常常在地理上相邻的地区之间相互借鉴运用。[5]此外，我国幅员辽阔，地区间的空间差异非常明显，传统的时间序列数据分析很难揭示这种十分显著的区域空间差异。因此，本文尝试从空间维度检验城市化水平与能源消费（用能源强度来表示）之间的相互关系，论证城市化水平和能源强度的空间依赖特征，并定量计量城市化对能源强度的空间效应。

一、空间自相关分析

考察城市化对能源强度是否具有空间效应，首先要分析城市化是否具有空间自相关性，即衡量城市化是否存在空间溢出效应。而检验区域经济变量的空间相关性存在与否，空间计量经济学一般使用空间自相关指数。定义为:

Moran’I可看作各省区观测值的乘积和，其取值范围为-1≤Moran’I≤1。若各省区间城市化水平为空间正相关，Moran’I的数值应当较大，负相关则较小。具体到各省城市化水平的空间溢出效应问题上，当城市化水平在空间区位上相似，并且也有相似的属性值时，空间模式整体上就显示出正的空间自相关性，Moran’I大于0；而当在空间上邻接的城市化水平具有不相似的属性值时，就呈现为负的空间自相关性，Moran’I小于0；而Moran’I等于0则出现在当属性值的分布与城市化水平的分布相互独立时。

表1给出了2000年、2002年、2004年、2007年的城市化水平的空间相关性结果，从表1可以看出，4年的Moran’I大于0，说明我国省区城市化水平具有明显的正相关关系。城市化水平的空间差异现象并不是随机产生的，而是表现出相似值之间的空间集群。城市化水平在全局上表现出强烈的空间依赖特征，具有相对较高城市化水平的省区倾向于接近其他具有较高城市化水平的省区，具有相对较低城市化水平的省区趋于和其他具有较低城市化水平的省区相邻。此外，Moran’I系数逐年增加，反映了城市化水平的空间相关性逐年加强。

表1 我国省区城市化水平的Moran’I指数

二、空间计量模型分析

省区城市化水平存在空间溢出效应会对本地区和相邻地区的经济社会发展产生一定的影响，具体到城市化水平和能源强度也是如此，省区城市化水平通过多种途径的溢出效应，不但会影响本地区的能源强度，而且能够影响到相邻地区的能源强度。当然，这需要严格的计量检验。

（一）空间计量模型

目前空间计量经济学中应用最为普遍的模型是由Cliff和Ord（1981）所提出的空间自回归模型，其一般形式为：

式中W1y为n×1维的因变量，X为n×k维的自变量，W1和W2分别为n×n维空间权值矩阵，W1y为空间滞后因变量，ρ和λ为空间相关系数，β为n×1维的参数向量，ε为随机误差项向量，μ为正态分布的随机误差向量。具体到本文中，y为能源强度，X为城市化水平。一般形式的空间自回归模型可以派生出两种常用的模型：一种是当ρ≠0，β≠0，λ=0时，为空间滞后模型（Spatial Lag Model，SLM），这个模型所研究地区的因变量不仅与本地区的自变量有关，还与相邻地区的因变量有关，其主要是探讨各变量在一个地区是否有溢出效应；另一种是当ρ=0，β≠0，λ≠0时，为空间误差模型（Spatial Error Model，SEM），这个模型可以改写为y=Xβ+λW2(y-Xβ)+μ，说明所研究地区的因变量不仅与本地区的自变量有关，还与相邻地区的因变量以及自变量有关，并且也度量了相邻地区关于因变量的误差冲击对本地区因变量的影响程度。[6]

对于上述两种模型的估计采用最小二乘法估计（OLS）显然是有偏差或无效的，需要通过其他方法来进行估计，一般是采用极大似然法来估计，至于在实证分析中哪个模型更加符合客观实际，Luc Anselin（2005）提出了如下判别准则：如果在空间依赖性的检验中，LM(lag)和LM(error)都不能拒绝零假设，则坚持OLS的结果。如果有一个LM检验统计量拒绝了零假设，但其它的没拒绝，也可以直接得出结论：估计与拒绝了零假设的检验统计量相对应的另一个空间回归模型，即如果LM(lag)拒绝了零假设，LM(error)没有，就估计空间滞后模型；反之亦然，如果两个LM检验统计量拒绝了零假设，则要考虑Robust LM(lag)和Robust LM(error)检验统计量，当其中一个是显著的或一个比另外一个更显著时，估计最显著的统计量相对应的空间回归模型，两个Robust LM检验统计量都不显著的情况是很少见的。[7]此外，还可以根据拟合优度R2、对数似然值LogL、赤池信息准则AIC以及施瓦茨准则SC等综合判断，LogL越大，AIC和SC值越小，该空间回归模型拟合效果越好。

（二）模型设定与数据说明

根据以往的研究文献，笔者设定了如下计量模型：

其中=1，2，…，30为30个省、直辖市和自治区，EC为能源强度，用单位国内生产总值的能耗来表示，具体是能源消费总量/国内生产总值；IND为工业化水平，大多数学者用工业产值占国内生产总值的比重表示或者用工业劳动力占全社会劳动力的比重表示，本文取二者之和的平均数，即为（工业产值占国内生产总值的比重+工业劳动力占全社会劳动力的比重）/2；TEC为技术进步，大多数学者用政府财政研发投入表示或者用基于柯布—道格拉斯生产函数，通过索洛余值法测算的全要素生产率表示。就前者而言，我国资本技术密集度较低，技术进步大多并不依赖高风险和高资本的研发投入，而是依赖低风险和低资本投入的技术引进，因此，该指标很可能低估了我国的技术进步。对于后者，基于新古典生产理论建立的全要素生产率测算方法有诸多前提和假定条件，如完全竞争市场、资本与劳动任意替代、要素充分利用、技术中性等，而我国几乎不具备这些条件，所以用全要素生产率作为衡量技术进步指标难以说明我国存在明显的技术进步。[8]故本文采用劳动生产率作为技术进步的替代指标，即国内生产总值/劳动力总数；URB为城市化水平，通常是以城镇人口数占总人口数的比重来衡量；①FDI为外资依存度，用外商直接投资占国内生产总值比重表示；EX为出口贸易额。

为了更好地分析城市化水平和能源强度的空间特征，并且避免采用截面数据选择造成因样本年份可能具有特殊性而导致以特殊结论代替一般结论的结果，此处仍然选取了2000年、2002年、2004年和2007四个年份，以更好地观察城市化水平对能源强度空间影响的动态趋势。2000年、2002年和2004年的原始数据来源于《新中国55年统计资料汇编》，2007年的原始数据来源于《中国统计年鉴》，为了消除统计数据中价格因素和汇率因素的影响，用国内生产总值指数（以2000年为100）对各地区国内生产总值的数据进行了折算；又由于2005年人民币汇率制度改革导致人民币对美元汇率变动，因此，笔者将各地区外商直接投资、出口按当年时间加权平均汇率调整，分别得到了各地区的真实增加值。此外，由于数据的自然对数变换不改变原变量之间的关系，并能使其趋势线性化，消除序列中存在的异方差，所以已经对各序列进行自然对数变换。

（三）实证结果

本文首先利用GeoDa对模型作OLS估计，估计结果见表2。从表2可知，4年的OLS估计的调整拟合优度均在70%以上，F值也表明模型整体上均通过了显著性检验。其中，工业化水平、城市化水平和出口与能源强度是正相关关系，回归系数在不同水平上均显著，技术进步和对外依存度与能源强度是负相关关系，前者回归系数在不同水平上均显著，后者回归系数则不显著。目前我国处于全面工业化和城市化进程推进的时期，短期内能源需求结构不会发生太大变动，工业化和城市化水平的提高导致了能源需求增长超过经济增长，能源消费强度增强。至于出口与能源强度成正相关关系，主要是由于我国出口贸易中，高能耗产品出口的比重较大，高耗能产品出口是我国能源供应短缺的重要因素。据测算，每年出口的高耗能产品的能源消耗相当于全国能源消耗总量的五分之一。而关于技术进步和对外依存度与能源强度是负相关关系的主要原因在于二者都提高了能源的利用效率，但可能由于流入我国的外商直接投资的技术溢出效应不十分明显，才造成其对能源强度的影响不显著。如果不考虑省区城市化水平之间的相互作用，本文的分析也就到此为止了。但由于前述的检验己经证明了省区城市化水平之间具有明显的空间自相关性，说明忽视空间自相关性直接采用OLS法建立模型进行估计分析存在一定问题。出现这种问题的原因可能有两个：一是遗漏了重要的变量；一是模型设定有问题，如未能考虑省区之间的空间相关性。[9]

为了进一步验证空间自相关性的存在，由表2中的（误差）检验表明，基于OLS法的经典回归误差的空间相关性非常明显。同时为了区分是SLM模型还是SEM模型，根据前面介绍的判别准则，表2中4年的拉格朗日乘子误差和滞后及其稳健性检验均表明，LM(lag)和LM(error)检验统计量拒绝了零假设，Robust LM(lag)不显著，Robust LM(error)显著，故选择SEM模型。

表3给出了SEM估计结果，比较表2和表3的检验结果发现，SEM估计的拟合优度高于OLS估计结果，拟合优度均在85%以上。当然，由于采用极大似然法估计参数，基于残差平方和分解的拟合优度检验的意义不是很大。为此，比较对数似然值LogL、AIC和SC值就会发现，SEM估计的LogL大，AIC和SC值小。因此，SEM估计比OLS估计要好。由此可见，基于OLS法的经典线性回归模型由于遗漏了空间误差自相关性而设定的模型不够恰当，以往与之相关的研究大多假定省区之间相互独立，导致了基于OLS法估计结果及推论可能不够可靠，需要通过引入空间差异性和空间依赖性对经典的线性回归模型进行修正。[10]

表2 OLS估计结果

从表3的估计结果可以看出，四个年份城市化水平的系数均在5%水平上显著，说明省区城市化水平对能源强度都存在着显著的影响，而且影响系数均是正数，即城市化水平的提高导致了能源强度的增强，但不同年份的城市化水平对能源强度的影响系数大小不同，影响系数有逐渐加大的趋势。此外，四个年份的滞后项参数λ均显著，这表明能源强度不仅受本地区能源强度的影响，也受相邻省区的能源强度的影响；也表明能源强度不仅受本地区城市化水平影响，也受相邻省区城市化水平的影响。λ为正数，表明相邻省区的能源强度和城市化水平提高了本地区的能源强度。由此，能源强度和城市化水平的空间溢出效应得到了证实。并且从表3可知，不同年份λ的大小不同，其值有逐渐加大的趋势，说明城市化水平对能源强度的空间效应在增强。

表3 SEM估计结果

三、结论

本文利用空间计量经济学的相关知识对城市化水平与能源强度进行了实证研究，得出以下几点结论：一是我国城市化水平具有显著的空间溢出效应；二是能源强度不仅受本地区的能源强度的影响，也受相邻省区的能源强度的影响；三是能源强度不仅受本地区的城市化水平影响，也受相邻省区城市化水平的影响；四是城市化水平对能源强度的影响和空间效应均在增强。

目前我国正处于城市化进程的快速推进时期，经济高速发展，能源消耗巨大，我国的经济发展越来越接近资源和环境条件的约束边界，能源需求和供给的矛盾使我国经济发展面临着严峻的挑战。[11]短期内我国城市化对能源需求还有很大的依赖性，城市化水平提高会增加能源消费强度，这从实证研究中已经证实。但长远来看，城市化水平的提高会使产业组织结构、技术结构、产品结构等得到更合理的调整，各种配置得到进一步的优化，各种资源得到更合理的利用，会使能源消耗具有下降的趋势。即城市化会使能源利用效率得以提高，这就要求我们更加注重城市化推进的质量，这是解决我国能源问题的出路之一。此外，从本文的实证研究来看，工业化和出口与能源强度是正相关关系，技术进步和外商直接投资与能源强度是负相关关系。这告诉我们，可以通过转变经济增长方式，推进经济集约型增长；通过调整出口贸易结构，减少高能耗产品出口，以缓解出口贸易对能源消费的严重依赖；通过引进外资，注重承接外资的技术溢出效应来降低能源强度，解决能源问题。

注 释：

①有的学者认为这一衡量方法存在一定的片面性，应该从城市化质量的角度出发，建立起一组指标来衡量。本文认为从表面上看，单一衡量城市化水平的指标已具有理论和现实的经济统计意义，可以独立反映出城市化的发展水平和层次，故仍然采用城镇人口数占总人口数的比重来衡量。

[1]Wei B.R,Yagita H,Inaba A,Sagisaka M.Urbanization impact on energy demand and CO2emission in China[J].Journal of Chongqing University-Eng.Ed.,2003，(2)：46-50.

[2]Shen L,Cheng S.K,Cunson A.J,Wan H.Urbanization,sustainability and the utilization of energy and mineral resources in China[J].Cities.2005，(4)：287-302.

[3]郑云鹤.工业化、城市化、市场化与中国的能源消费研究[J].北方经济，2006，(10).

[4]刘耀彬.中国城市化与能源消费关系的动态计量分析[J].财经研究，2007，(11).

[5]蒋 伟.中国省域城市化水平影响因素的空间计量分析[J].经济地理，2009，(4).

[6]CliffAD,Ord J K.Spatial processes:models and applications[M].London：Pion Limited，1981.

[7]Luc Anselin.Exploring Spatial Data with GeoDa：A Workbook[EB/OL].http://sal.uiuc.edu/2005.

[8]王 鹤.中国工业化进程中能源消费变动的实证分析[J].中国国土资源经济，2009，(6).

[9]张继红，吴玉鸣，何建坤.专利创新与区域经济增长关联机制的空间计量经济分析[J].科学学与科学技术管理，2007，(1).

[10]吴玉明.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究，2006，(5).

[11]帅 博，张良悦.我国区域能源效率收敛性分析[J].当代财经，2008，(2).