中国能源消费具有收敛性的特征吗

田涛

摘 要：利用平滑转换回归（STR）模型对中国能源消费收入弹性时变性的特点进行验证，并对能源消费收入弹性进行估计，然后对估计得到的能源消费收入弹性是否具有收敛性进行检验。研究结果表明：我国能源消费收入弹性具有明显的时变性，并且能源消费收入弹性不断下降并最终收敛为-0.08。虽然从长期来看，中国的能源消费收入弹性具有不断下降的趋势并最终收敛，但是能源消费收入弹性短期仍然为正，这种现象在近十几年不会改变。因此，我国政府在增加能源供给的同时要大力进行节能减排以减缓由于经济增长而带来的能源需求压力。

关键词：能源消费；收入弹性；平滑转换回归模型；收敛性

一、引言

我国政府在“十二五”规划中明确提出了要把保障能源供应作为能源发展的首要目标，但是从现实来看，“十二五”能源总量大概在40亿吨标准煤左右，难以支撑经济翻番的需求。①①凤凰财经网2011年全国能源工作会议专题报道：http：//finance.ifeng.com/news/20110107/3168180.shtml。与此同时，各省市在制定自身“十二五”规划时，普遍把自身的发展目标定得过高，使得能源需求与经济发展的矛盾日益突出，这说明经济发展方式的转变并不顺利，经济运行对于能源需求的压力与日俱增。与此同时，2020年中国要完成GDP相对于2000年翻两番的历史任务，因此未来相当长的一段时期，中国追求相对较高的经济发展速度的任务短期内不会改变。与中国经济持续、较快增长的经济发展形势相对照，中国的能源需求也在日益增加，能源需求压力也在不断加大，能源消费并没有出现随着经济增长质量的提高和经济增长速度的下调而减少的迹象（图1）。由此产生的一个问题是，未来一段时期经济发展和节能减排能否实现双赢——这对于反思过去几十年的能源政策以及未来能源政策的制定显得尤为重要，而能源消费收入弹性是否具有收敛性对于中国在经济保持较高增长的同时实现节能减排的双重任务具有重要的意义。鉴于此，本文的研究目的和创新之处是通过引入平滑转换回归（Smooth Transition Regression ，STR）模型来捕捉中国能源消费收入弹性的时变性特点，并在此基础上对中国能源消费收入弹性的演化规律进行分析，以探求其是否具有收敛性的特征。本文的结构安排如下：第一部分为引言；第二部分为相关文献综述；第三部分是模型构建及平滑转换回归（STR）方法介绍；第四部分是实证结果及分析；第五部分为结论与政策建议。

图1 人均能源消费和人均GDP的时间趋势图二、文献综述

林伯强（2003）[1]基于三要素分析框架，采用协整和误差修正模型分析了1952—2001年电力消费和经济增长之间的关系，并估计了电力消费的GDP弹性，实证表明中国的电力消费和经济增长之间存在内生性的关系。林伯强（2003）[2]采用误差修正模型分析了电力需求GDP弹性，研究发现电力需求的GDP弹性在改革开放之后出现下降，GDP的高速增长并不总是伴随着较高的电力需求。韩智勇、魏一鸣、范英（2004）[3]采用结构份额与效率份额的能源强度分析方法对中国经济结构变动如何影响能源强度变化进行了定量研究。施发启（2005） [4]对我国改革开放以来能源消费弹性系数的变化及成因进行了分析。齐志新（2007）[5]应用因素分解法计算了1993—2005年工业部门内部轻重结构变化对能源消费和能源强度的影响。Masih 、Masih （1996）[6]用动态最小二乘法和误差修正模型计算了中国1953—1992 年能源消费收入弹性系数与价格弹性系数。张兴、杨晓丽（2006）[7]基于时变参数的状态空间模型分析了经济增长及产业结构与能源消费之间的关系进行了研究。研究发现经济增长和产业结构对能源消费有明显的促进作用，而全要素生产率与能源消费负相关。Ang， B.W（1987）[8]利用100多个国家的跨国数据分析了能源消费和产出之间的关系，研究发现高收入国家的单位产出所消耗的能源要比低收入国家的要高。Miguel等（2000）[9]通过引入动态随机变量模型对跨国城市居民电力和天然气的消费弹性进行了分析。Judson R.A.等（1999）[10]利用跨国面板数据对人均能源消费与人均GDP之间的关系进行了估计。

综上所述，现有研究主要是以线性模型为基础，对能源消费和经济增长之间的关系进行研究。无论是以上文献中涉及的协整和误差修正模型还是动态最小二乘法，本质上都是以线性模型为基础进行分析，然而现实世界是复杂的，长期来说大多数经济变量之间并不存在简单的线性关系。采用线性方程通过回归的方法来估计能源-GDP消费弹性意味着，能源-GDP的消费弹性不会随着经济发展方式以及经济发展阶段的变化而变化。正如Ang（2006）所说“GDP的能源消费弹性一般而言是不稳定的。当GDP的年度经济增长率接近于0时，能源消费增长率并没有降低，GDP的能源消费弹性的大小并不是一个很大的正值或者负值” [11]。因此能源消费收入弹性的一个显著特点就是时变性，也就是随着时间的变化，能源消费收入弹性系数不断变化。另外，中国有计划、有组织地开展节能工作虽然始于上世纪80年代初，然而实际上从中国改革开放初期开始的相当长的一段时期，中国实际上是一种“粗放型”的经济增长式。进入新世纪中国政府正式提出并实施转变能源供需模式，使其由“以粗放的供给满足增长过快的需求”向“以科学的供给满足合理的需求”转变，这意味着经济发展方式和能源政策的变化必然会对能源消费收入弹性产生冲击，会导致能源消费收入弹性的数据生成过程发生变化，从而注定了能源消费收入弹性不可能是一个固定值。所以，分析能源消费收入弹性不能用同一个静态的、线性能源模型来度量不同时期的能源消费。一种用来捕捉能源消费收入弹性时变性的方法是引入门限效应模型（Threshold Autoregression Model， TAR）。实际上，能源需求的收入弹性取决于收入水平与门限回归模型的定义一致。门限回归模型是所有个体的观察值通过一个可观察的变量将不同的个体观察值分成不同的组，不同组内能源消费的需求弹性不同。门限回归模型的优点在于即使模型设定为线性的，但是通过引入门限变量之后，能源消费收入弹性取决于门限变量值。然而，使用门限回归模型进行分析暗含了一个假定：在某一个特定时点，时间序列的运动方式是从一种体制（regime）跳跃到另一种体制，而且这种跳跃是离散的。然而在实际生活中，很多体制的转换并不是离散跳跃的，而是一个连续、逐渐变化的过程。如在经济周期中，经济并不是从萧条突然转变为繁荣，而往往要经历一个从萧条逐渐复苏的过程。同样，正如上文分析所指出，能源消费的需求弹性也不是突然变化的，其运动轨迹必然要经历一个平滑转换的过程。Terasvirta（2004）等[[12]提出的平滑转换回归模型能够很好体现体制连续性变换的非线性时间序列模型。接下来，我们就利用这个模型来对能源消费收入弹性进行收敛性分析。

三、实证框架：模型构建及平滑转换回归方法介绍

借鉴Zilberfarb&Adams（1981）[13]、Shrestha（2000）[14]的研究，考虑一个双对数模型来讨论能源需求方程。定义ci表示人均能源消费的对数值，用yi来表示相应的人均GDP对数值，建立如下模型：

四、STR模型的实证结果分析

（一）数据来源与预处理

本文采用1978—2011年我国的能源消费总量（发电煤耗计算法）和相应时期的GDP数据。年度人口总数以每年年末的人口总数进行度量。在进行数据分析之前，采用GDP平减指数把GDP调整为以1978年为基期的定基比数据，并计算得到人均GDP和人均能源消耗。遵从一般文献的做法，所有数据进行了对数处理以减少数据波动并尽可能降低可能产生的异方差。所有数据均来自于中国经济统计网。t期人均能源消费以及人均GDP的对数形式分别表示为ct、gdpt。同时STR模型要求变量具有平稳性或者同阶单整，因此在进行模型估计之前要进行平稳性检验，经检验发现两变量均为2阶单整，

2.转换变量的选择及线性检验。在确立了模型的线性部分滞后项之后，接下来进行模型线性检验（相应的检验统计量为F统计量）同时对转换变量进行选择，并在拒绝线性假设的条件下，进行了序贯检验（test sequence）从而确立模型的具体形式。即先从H04开始检验，如果H03检验结果最强烈的拒绝H03（相应的检验的F统计量为F3的伴随概率P值最小），则选择LSTR2或者ESTR模型；反之，则选择LSTR1模型，检验结果如表4所示。从表4检验可以看出，根据最强烈拒绝线性假设的转换变量为候选转换变量（Terasvirta，2004）[12]，即选择LSTR1为拟合模型，同时选择时间趋势变量为转换变量。接下来，利用网格点搜索（grid search）估计模型的初始值 c、γ。γ的搜索范围是从[0.5，10]，而c的搜索范围是从[-0.0055， 0.0129]。搜索的原理是从最小值到最大值等间距取30个值，然后构造900对组合，针对每一个组合的c与r，计算残差平方和，取残差平方和最小的组合为初始值，然后采用牛顿-拉夫森（Newton-Raphson）进行迭代，并针对最大似然函数求取极值，得到整个模型参数估计值，并剔除不显著的变量，得到模型的最终形式。

3.模型检验与评价。模型的主要诊断统计量为：ARCH-LM=3.26（伴随概率P值为0.9172），表明模型残差不存在ARCH效应。同时检验模型残差是否存在自相关的假设，发现残差滞后期从1～6，都不能拒绝残差不存在自相关的假设（详细检验结果见表5），同时模型残差的正态检验J-B统计量的值为0.5406，对应的伴随概率为0.7632，说明模型残差服从正态分布。另外，对模型残差进行非线性检验，发现模型残差不存在非线性（检验结果见表6），模型拟合较好。模型中非线性部分转换函数。

在不考虑能源消费和产出之间的线性关系的情况下，能源消费的收入替代弹性恒为0.28，即礳t祔t=0.28；当考虑能源消费和产出之间非线性关系的情况下，能源消费收入弹性为礳t祔t=0.28+（-0.36）（1+exp{9.0（t-24.5）}）-1 ，将趋势变量t取值带入就可以得到能源消费收入弹性，结果如图3所示。

从图3可以看出，STR模型很好地捕捉了能源消费弹性时变性的特点。随着时间t的变化，能源消费收入弹性平滑变化并且具有递减的趋势。当t值很小时，转换函数接近于0，此时能源消费收入弹性最大；当t值为24.5时，转换函数值为0.5，此时能源消费收入弹性变为0.1；当t不断增大时，转换函数取值趋近于1，此时能源消费收入弹性收敛为-0.08，并趋于稳定，即此后人均GDP增加1%，人均能源消费相对减少0.08%。图4反映的是能源消费收入弹性随着时间t变化而变化的时序图，从图4当中可以直观地发现，再经过大约30年左右的时间，能源消费收入弹性最终收敛并稳定于-0.08。这与（Destais G等，2006）[16]研究的结论类似，即能源消费收入弹性存在显著的收敛性，但是收敛值存在差异，西方工业化国家能源消费的收敛值要高于非工业化国家。西方工业化国家的能源消费的收敛弹性20世纪初为1～15，21世纪初为1～1.5（ Toman 、Jemelkova ，2003）[17]，而本文测算的中国能源消费的收敛弹性为-0.8。因此，Toman 、Jemelkova的研究结论在本文中再次得到了验证。造成能源消

能源消费收入弹性随时间变化的趋势图费收入弹性不断下降并最终趋于收敛的原因可能有：随着经济发展水平的不断提高，产业结构会不断趋于“软化”，即第三产业的比重在整个经济结构中的比重会不断上升，而根据施发启（2005）[4]，第三产业单位产出能耗要远远小于工业，因而会带动整个能源消费下降。其次，从工业内部来说，轻工业与重工业之间的协调发展必然会扭转中国以前片面追求重工业优先发展所导致的工业内部的结构不合理，而轻工业单位能耗要远远高于重工业，因此整个工业的能耗会随着轻、重工业比例的不断协调而下降并最终趋于稳定。再次，由于我国经济发展战略已经逐步从最初注重量的扩张开始转向质的增长，我国能源利用效率不断上升，因此，随着经济不断发展，我国能源消耗与人均GDP的比例会最终趋于稳定。

五、结论与政策建议

总结全文，可以得到如下结论： 以趋势变量t为转换变量的LSTR模型的实证检验表明，能源消费收入弹性具有时变性的特点。在此基础上对不同时期的能源消费收入弹性进行估计，研究结论进一步表明能源消费收入弹性不仅具有时变性，而且随着时间的推移，能源消费收入弹性不断下降并最终趋于收敛。

本文的政策含义是：虽然从长期来看，中国的能源消费收入弹性具有不断下降的趋势并最终收敛，但是能源消费收入弹性短期仍然为正，这种现象在最近十几年不会改变。因此，当前我国政府仍然要重视产业结构的调整以及节能减排的宣传并通过新能源的研发来缓解能源短缺对于经济发展的制约。

参考文献：

[1]林伯强.电力消费与中国经济增长：基于生产函数的研究[J].管理世界，2003（11）：18-26.

[2]林伯强.结构变化、效率改进与能源需求预测[J].经济研究，2003（5）：57-65.

[3]韩智勇，魏一鸣，范英. 中国能源强度与经济结构变化特征研究[J].数理统计与管理，2004（11）：1-6.

[3]张志柏.中国能源消费的弹性系数：估计与分析[J].数量经济与技术经济研究，2008（7）：42-53.

[4] 施发启. 对我国能源消费弹性系数变化及成因的初步分析[J].统计研究，2005（5）：8-11.

[5]齐志新， 陈文颖， 吴宗鑫.工业轻重结构变化对能源消费的影响[J].中国工业经济，2007（2），35-42.

[6]Masih， Rumi， Masih. Dynamic OL S （ DOL S） and Error correction Modeling Approaches to Estimating Long and Short run Elasticizes in a Demand Function ： New Evidence and Methodological Implications from an Application to the Demand f or Coal in Mainland China [J ].Energy Economics，1996（18）：315-334.

[7]张兴，杨晓丽.我国能源消费的动态演变——基于时变参数的状态空间模型[J].河北科技大学学报，2011（6）：9-15.

[8]Ang，B.W.A.Cross-Sectional Analysis of Energy-Output Correlation. Energy Economics， October. 1987pp. 274-285.

[9] Garcia-Cerrutti L. Miguel. Estimating Elastic ties of Residential Energy Demand from Panel County Using Dynamic Random Variables Models with Heteroskedastic and Correlated Terms， Resource and Energy Economics.2000（22）：355-366.

[10] Judson R.A.， Schmalensee R， Stoker T.M. Economic Development and the Structure of the Demand for Commercial Energy， The Energy Journal.1999（20）： 28-57.

[11] Ang， B.W..Monitoring Changes in Economy-wide Energy Efficiency： From Energy-GDP Ratio To Composite Efficiency Index. Energy Policy.2006（5）： 574-582.

[12]Terasvirta.smooth transition regression modeling， in H.Lutkepohl and M.kratzig（eds）.applied Time series econometrics [M]. Cambridge ：Cambridge University Press，2004.

[13] Zilberfarb B.Z.， Adams F.G.. The Energy-GDP Relationship in Developing Countries， Empirical Evidence and Stability Tests， Energy Economics.1981（10）：244-248.

[14] Shrestha Ram M. Estimation of International Output-Energy Relation： Effects of Alternative Output Measures， Energy Economics.2000 （22）：297-308.

[15]项后军，王清.通货膨胀环境视角下的人民币汇率传递——理论模型和实证研究.上海：财经研究，2010（11）：51-60.

[16] Destais G， Fouquau J.，Hurlin C. Economic Development and Energy Intensity： a Panel Data Analysis [J]working paper，2006：1-35.

[17] Toman， M.A. and Jemelkopva， B. Energy and Economic Development： An Assessment of the State of Knowledge[J]. Energy Journal，2003（24）.

责任编辑：吴锦丹