我国工业化、城市化对能源消费强度的动态效应与区域差异——基于动态面板数据模型的系统广义矩（SYS-GMM）分析方法

丁翠翠

（中南财经政法大学经济学院，湖北武汉430073）

我国工业化、城市化对能源消费强度的动态效应与区域差异——基于动态面板数据模型的系统广义矩（SYS-GMM）分析方法

丁翠翠

（中南财经政法大学经济学院，湖北武汉430073）

摘要：基于2002-2012年中国的省际面板数据，将能源消费强度分为低、中和高三个层次，运用动态面板数据模型的系统广义矩（SYS-GMM）分析方法，对工业化、城市化对中国能源消费强度的动态效应与区域差异进行了实证分析。研究结果表明，工业化、城市化水平提高均会导致地区间能源消费强度的增加，但城市化对低能源消费强度区域的影响并不显著，而对高能源消费强度区域的影响却十分明显。此外，上一期的能源消费强度、地区经济发展水平、能源价格和技术创新等均对中国能源消费强度产生不同的影响，而且中国存在技术创新的反弹性效应且能源价格对技术创新有诱致性作用。

关键词：工业化；城市化；能源消费强度；能源价格；技术创新；节约型消费；高耗能产业；区域差异

能源是人类赖以生存的的物质基础，随着中国工业化与城市化推进，能源消费总量以及能源消费的强度必将持续上升。进入21世纪以来，中国工业化水平不断提高，2013年工业增加值已高达20万亿元，为2000年的6倍，年均增长5.7个百分点。工业化发展表现为高耗能产业的发展，尤其是六大高能源消费的行业（化学原料和化学制品制造业、非金属矿物制品业、黑色金属冶炼和压延加工业、有色金属冶炼和压延加工业、石油加工炼焦和核燃料加工业、电力热力生产和供应业）得到了迅速发展。然而，由于中国的工业化尤其是重工业化的任务尚未得到实现，未来的经济结构仍然将是重工业为主导的工业经济结构。因此，高能源消费强度的现象必将会持续存在。同时，与工业化相伴而生的城市化水平将不断提高，这势必会进一步提升能源消费强度。2013年中国城镇人口已经达到73111万人，人口城市化率上升为51.27%，比2000年提高了15.05个百分点。随着工业化和城市化的快速发展，居民的收入和消费将不断增加，尤其是对电子产品、塑料制品和金属制品等工业产品的消费将持续攀升。因此，工业化与城市化水平的提高必将会提升能源消费强度。在此背景下，研究工业化、城市化对能源消费强度的动态效应与区域差异，对于解决中国经济可持续发展所面临的能源和资源不断减少等问题，无疑具有重要的理论价值与实践意义。

一、文献综述

对于工业化、城市化与能源消费之间的关系，国外研究者已经进行了大量的研究。Breheny（1995）指出随着小型城市人口的增长、工业的发展，交通运输对能源消费将会增加，实施小城市发展政策并不利于节约能源消费。Hiroyuki（1997）对不同国家的数据进行了实证分析，得出了能源消费与城市化是正相关关系的结论。W ei等（2003）认为城市化在促进经济发展的同时，自然也会促进能源消费的增加，但正是因为城市化的推动使得技术、产业结构与资源之间得到合理的配置与调整，进而导致能源消费的降低。Sathaye等（1985）在对发展中国家的城市化进程进行考察时，指出城市化的发展必然会推动能源消费结构变动，即煤炭将逐渐被石油取代且速度会越来越快。Schipper etal（1989）认为约50%的能源消费都是由居民消费所引起的。

近年来，国内不少学者也开始关注工业化、城市化与能源消费之间的关系。张晓平（2005）利用中国20世纪90年代的经济数据对影响能源消费区域差距的因素进行了考察，指出城市化、产业结构与居民消费结构成为其主要的影响因素。王少平、杨继生（2006）利用面板数据对中国29个工业行业间的能源消费强度以及影响因素进行分析，认为只有提高工业行业的能源效率，才能实现节能减排的目标。郑云鹤（2006）基于中国1978—2003年的数据，考察了工业化、城市化与市场化对能源消耗的影响，指出工业化、城市化发展将使能源消费上升，但随着市场化的发展，能源消费必然会呈现下降的趋势。何晓萍等（2009）通过建立面板数据的非线性模型，采用比较分析的方法，研究城市化对中国电力需求的影响并进行预测，得出城市化与电力需求呈现高度的相关性。王研（2009）认为中国城镇居民生活消费上升会直接增加能源消耗，并且收入与区域能源消费呈现正相关关系，居住与个人交通导致的能源消耗对居民生活能源消费的影响效果最为明显，而技术因素与能源强度下降会减缓居民生活消费的能耗，而这种减缓的效果因收入水平和区域的不同而不同。白积洋（2010）在EKC理论的基础上，实证分析了经济发展、城市化和能源消费之间的关系，指出中国的经济尚未达到EKC倒“U”型曲线的拐点，经济发展水平的提高和城市化的推进将拉动能源消费的增长，特别是不合理的产业结构是导致中国能源消费过度增长的主要因素，因此只有制定合理的能源战略才能有效解决上述问题。罗光华等（2010）通过分析居民生活能耗结构的变化，认为居民生活能源的使用逐步由以煤为主的消费逐渐向石油转变。

通过上述文献的梳理发现，已有的研究成果大多要么集中于工业化与能源消费之间关系的研究，要么集中于城市化与能源消费之间关系的研究。仅有的关于工业化、城市化与能源消费之间关系的考察也多是采用静态分析方法进行研究，而工业化、城市化对能源消费的影响在实践中是一个持续动态的过程。本文在借鉴已有研究成果的基础上，选取2002—2012年我国省际面板数据，利用动态面板数据模型的系统广义矩（SYS-GMM）分析方法，针对工业化、城市化对中国能源消费强度的动态效应与区域差异进行实证分析，力求对工业化、城市化对中国能源消费的动态效应与区域差异作一个较为全面的评估。

二、能源消费强度的区域分布现状

由于中国各个地区的经济发展极不平衡，造成各地区工业化与城市化发展对能源消费强度的影响也呈现出较大的差异。因此，为了反映地区能源消费强度的差异，本文选取2002—2012年中国30个省份的样本数据①，依据各地区能源消费强度平均值的升序和GDP总量平均值降序进行排列，排序结果见表1。

表1　地区能源消费强度平均值升序和GDP总量平均值降序排序结果

表1结果显示，总体上来看，能源消费强度平均值相对低的省份，一般是GDP总量平均值较高的省份，这极有可能是经济发展过程存在着能源消费的规模效应，或者说越是经济发展水平越高的地区越有条件关注能源消耗问题。其中能源消费强度平均值最低的10个省份中，有4个省份也是GDP总量平均值最高的省份；而能源消费强度平均值最高的10个省份中，有6个地区也是GDP总量平均值最低的省份。本文依据能源消费强度总量平均值的降序，将前10位的省份划为低能源消费强度地区，中间10位的省份划为中能源消费强度地区，后10位的省份划为高能源消费强度地区②。

三、模型构建与指标选取

从现存文献可以看出，研究工业化与城市化对能源消费强度影响的标准时间序列模型一般可以设定为：

LnENIt=a0+a1LnPGDPt+a2LnINDt+a3LnURBt+ a4LnENPt+a5LnPATt+ξt（1）

模型（1）中的系数反映了解释变量与被解释变量之间的弹性关系。将模型（1）扩展为静态面板数据模型可以得到模型（2）：

LnENIit=ai+a1LnPGDPit+a2LnINDit+a3LnURBit+ a4LnENPit+a5LnPATit+μt+ξit（2）

模型（1）是经典的时间序列模型，若运用模型（1）研究城市化和工业化对能源消费的影响，则无法度量由于城市化和工业化区域分布不均衡而形成的动态影响与区域差异；对于模型（2），尽管静态面板数据模型可以测度工业化和城市化对能源消费强度影响的区域差异，但它与模型（1）均无法考察工业化和城市化对能源消费强度影响的动态效应，即前期的能源消费强度对当期和后续各期的能源消费强度可能产生影响。模型（1）和模型（2）中都假设以往各期工业化和城市化对当期能源消费强度的影响相同，而且这样假设与经济学理论和中国的实际情况并不一致。工业化和城市化对能源消费强度的影响是一个持续动态的过程，即目前中国的工业化和城市化对能源消费强度的影响存在显著的动态效应与区域差异。若要准确地考察工业化和城市化对中国不同地区能源消费强度影响的动态效应，本文将模型（2）扩展为动态面板数据模型（3）③。

LnENIit=βi+β1LnENIit-1+β2LnPGDPit+β3LnINDit+ β4LnURBit+β5LnENPit+β6LnPATit+μt+ξit（3）

由于技术创新在不同的水平下对能源消费强度的影响并不相同，即存在“反弹性效应”，因此在模型（3）中加入反映技术创新水平变量的自然对数和技术创新水平变量的自然对数的平方，表示技术创新对能源消费强度的长期影响，以此验证技术创新是否存在“反弹效应”。因此，基于模型（3）构建动态面板数据模型（4）。

LnENIit=βi+β1LnENIit-1+β2LnPGDPit+β3LnINDit+ β4LnURBit+β5LnENPit+β6LnPATit+β7LnPATit2+μt+ξit（4）

依据西方经济学要素价格与要素需求理论，要素价格变化必然会影响到要素的需求与利用。英国经济学家John Richard Hicks（约翰·理查德·希克斯）在1932年首次提出“要素价格的变动会诱致用于直接节约要素价格上升的其他要素使用的技术创新”，即“诱致性发明”的概念。鉴于能源价格变化将诱致能源技术发明（创新）的作用，从而间接形成对能源消费强度的动态效应。因此，本文在模型（3）中加入了反映能源价格与技术创新水平的乘积项。

LnENIit=βi+β1LnENIit-1+β2LnPGDPit+β3LnINDit+ β4LnURBit+β5LnENPit+β6LnPATit+β7LnPATit2+ β8LnENP×LnPAT+μt+ξit（5）

LnENP×LnPAT为能源价格与技术创新水平的交叉项，若其系数为正，则表明能源价格上涨导致的能源消费强度降低的效应相对变弱了，在很大程度上意味着中国能源价格变化是通过诱致技术创新而实现对能源消费强度的动态效应。

模型（3）（4）和（5）中：i=1，2，3，…，N分别代表不同个体，t=1，2，3，…，T代表样本年度，βi和μt分别代表用于控制不可观测的区域效应和时间效应，ξit是随机干扰项；ENIit表示各省各个年度的能源消费强度，LnENIit为各省ENIit的自然对数；PGDPit表示各省各个年度的人均GDP，LnPGDPit为各省PGDPit的自然对数；INDit表示各省各个年度的工业化水平，LnINDit为各省INDit的自然对数；URBit表示各省各个年度的城市化水平，LnURBit为各省URBit的自然对数；ENPit表示各省各个年度的能源价格，LnENPit为各省ENPit的自然对数；PATit表示各省各个年度的专利授权数，LnPATit为各省PATit的自然对数④。本文所有数据均来源于《中国统计年鉴》《中国能源统计年鉴》、国泰安数据库和EPS数据库。

四、模型估计与结果解读

本文选取2002—2012年我国的省际样本数据，采用计量经济分析软件stata11.2对模型（4）和（5）进行估计和检验。在实际计算中发现，当滞后期为3时，t统计量就已经变得很不显著，所以最终模型只选取2阶滞后。在动态面板数据模型（5）中，由于被解释变量的滞后项作为自变量，而使得自变量与随机干扰项相关，即模型存在内生性问题，并且模型（5）存在横截面相依性，若采用传统的固定效应或随机效应对动态面板数据模型进行估计，必然会引起估计量的有偏和非一致性。因此，在此基础上得到的估计结果以及经济含义必将是不正确的。为了解决上述计量问题，Anderson和Hisao（1982）提出了一阶差分IV估计量；Arellano和Bond（1991）提出了一阶差分广义矩（DIF-GMM）估计量；Arellano和Bover（1995）、Blundell和Bond（1998）提出了系统广义矩（SYS-GMM）估计量。目前，学术界比较常用的是一阶差分广义矩（DIF-GMM）估计量和系统广义矩（SYS-GMM）估计量，两者的主要区别是差分广义矩（DIF-GMM）估计量是采用水平值的滞后项作为工具变量，而系统广义矩（SYS-GMM）估计量则进一步采用差分变量的滞后项作为工具变量，相当于增加了更多的工具变量，并且在估计过程中同时使用水平方程和差分方程；最为重要的是差分广义矩（DIF-GMM）估计量的工具变量通常是弱工具变量。因此，本文采用SYS-GMM估计方法对模型（4）和（5）进行估计，结果见表2。

表2　模型（4）与（5）的SYS-GMM估计结果

表2结果显示，加入能源价格和技术创新水平的交叉项之后，模型（5）中除了能源价格变量外，其它变量的符号、系数以及显著性水平均未表现出较大的变化。在模型（4）和（5）中，LnENI（-1）、LnPGDP、LnURB、LnIND、LnPAT和LnPAT^2均在1%的水平上显著，LnENP在5%的水平上显著；变化较大的是能源价格变量前面的符号，在没有加入能源价格和技术创新水平交叉项时，它的系数符号为负，然而加入了两者的交叉项之后，它的系数符号却是正。下面基于模型（5）的SYS-GMM估计结果进行逐个解读。

1.LnENI（-1）的系数β1为0.8180，β1度量了上一年度能源消费强度对当年能源消费强度的动态效应。上一年度能源消费强度对当年能源消费强度的影响是正向的，即上一年度能源消费强度每提升1个百分点，则当年能源消费强度将提升0.8180个百分点。

2.LnPGDP的系数β2为-0.575 4，β2度量了当年经济发展水平对当年能源消费强度的影响。β2为负值说明经济发展水平在很大程度上可以降低能源消费强度。在经济发展水平的推动下，随着能源消费和使用效率的逐渐提高，使得单位GDP能耗下降，进而导致能源消费强度呈现出下降趋势。

3.LnIND的系数为β3是0.446 9，β3度量了当年工业化对当年能源消费强度的影响。随着工业增加值比重的增加，能源消费强度也将上涨，这可能与工业部门通常是相对高耗能的部门有关。从估计的结果看，工业增加值占GDP的比重每增加一个单位，能源消费强度将随之增加0.4469个百分点，并且工业增加值比重对于能源消费强度的影响也是显著的，它也是影响区域间能源消费强度很重要的因素之一，为地区间能源消费强度差异提供了依据。

4.LnURB的系数β4为0.5710，β4度量了当年城市化水平对当年能源消费强度的影响。β4为正值意味着城市化水平提高将导致能源消费强度增加。城市人口比重每提升1个百分点，能源消费强度将提升0.5710个百分点。一般而言，城市人口的能源消费强度要远远高于农村人口的能源消费强度，提高城市化水平无疑会导致能源消费强度的增加，特别是生活能源消费强度。

5.LnENP的系数β5为0.3923，在模型（4）中单独考察能源价格变量对能源消费强度的估计结果中，能源价格提高越大，它对能源消费强度的降低效果就越明显。然而，在模型（5）引入能源价格和技术创新水平交叉项LnENP×LnPAT之后，即考察能源价格通过对技术创新的诱致作用而间接影响能源消费强度时，由于能源价格上涨而导致能源消费强度降低的效果相对变小了，且β4的符号也由负变正，表明中国能源价格变动确实是通过诱致技术创新使能源消费强度下降。

6.LnPAT的系数β6为负，而LnPAT^2的系数β7为正，说明技术创新水平和能源消费强度之间存在“U”型的关系，即在技术创新水平在“U”型曲线最低点之前，随着技术创新水平的提高，能源消费强度会越来越低；然而在技术创新水平超过“U”型曲线最低点之后，技术创新水平的提高反而会导致能源消费强度逐渐增加，这就是所谓的“技术创新悖论”或“技术进步的反弹效应”。造成这一现象最可能的原因在于，由于技术创新带来的技术进步提高了能源的使用效率并增加了人们对能源消费的机会，进而导致能源消费强度提高。目前，中国无论是能源消费强度较低的地区还是能源消费强度较高的地区，都尚未达到发达国家已经经历过的“技术创新悖论”阶段。因此，中国应当通过提高技术进步水平达到降低能源消费强度的目的。同时，对于LnENP× LnPAT的乘积项，一方面应利用技术创新短期降低能源消费强度的周期；另一方面还要适当的提高能源价格。这两个条件必须同时满足，才可能通过提升技术因素实现降低能源消费强度的目的。

五、城市化、工业化对能源消费强度影响的区域差异

为进一步研究工业化和城市化对中国能源消费强度在不同地区之间的效应差异，这里根据表1中能源消费强度的高低进行排列，即分为低能源消费强度地区（10个省份）、高能源消费强度地区（10个省份）和中能源消费地区（10个省份）⑤，进行估计和检验。估计结果见表3。

表3结果显示，在包括前期能源消费强度、经济发展水平、工业化水平、城市化水平、能源价格和技术创新等几乎所有的解释变量中，不同地区均表现出与整体不分地区的估计结果基本一致的结论。即能源消费强度随着前期能源消费强度、工业化水平以及城市化水平的提高而增加，经济发展水平的提高、能源价格的不断攀升以及技术水平的不断创新则有利于降低能源消费强度。尽管不同地区的能源消费强度均会受到诸多共同因素的影响，但相同因素的影响效应并不相同。

表3　模型（5）的地区SYS-GMM估计结果

1.LnENI（-1）的系数低能源消费强度、中能源消费强度和高能源消费强度地区均为正。这说明无论是在低能源消费强度还是在中能源消费强度和高能源消费强度地区，上一期的能源消费强度对当期的能源消费强度均具有正向影响，而且对中能源消费强度地区影响效应最小，而对高能源消费强度地区效应最大。尽管整体上来看，经济发展水平提高能够降低中国能源消费强度，但对于不同地区的效应却不相同。对于低、中能源消费强度地区，经济发展水平的提高能够降低能源消费强度，而对于高能源消费强度地区，能源消费强度会随着经济发展水平的提高而增加。

2.LnIND的系数在低能源消费强度、中能源消费强度和高能源消费强度地区分别是0.2084、0.217 4和0.4529，而且影响都非常显著。随着工业化水平的提高，能源消费强度均逐步增加，而且按照能源消费强度划分的三大区域中，高能源强度地区反应更为明显。尤其是随着经济的发展，工业化初期和中期阶段能源消费一般呈缓慢上升趋势，当经济发展进入后工业化阶段后，由于经济增长方式发生重大改变，能源消费强度开始下降。这也印证了中国目前尚处于工业化的初期和中期阶段，因此才会出现工业化水平与能源消费强度正向的影响效应。

3.LnURB的系数在中、高能源消费强度地区均显著为正，而在低能源消费强度地区尽管为负值但不显著。分地区进行分析的结果表明：第一，城市化水平的提高与全国整体估计的结构趋势完全一致，即城市化水平提高是导致能源消费强度增加的重要因素之一。第二，城市化进程是人们生产和生活方式发生转变的一个过程。生活方式直接对能源消费品的需求产生影响，进而影响能源消费强度。而生产方式在生产过程中通过能源要素需求而对能源消费强度产生作用，生活方式的变化会直接影响能源商品需求，从而间接影响能源要素需求。第三，中、高能源消费强度地区在城市化推进的过程中，各种生产性能源消费的增长、城市生活性能源消费的增加以及城市化过程中存在的能源过度消费和能源浪费现象均会造成能源消费强度的增加。

4.LnENP的系数在低、中和高能源消费强度地区分别为1.1657、0.472 3和0.425 0而且均在1%的显著性水平上显著，这极可能是由于替代效应的作用导致区域间能源价格波动对能源消费强度的直接影响。交叉项LnENP×LnPAT反映了地区间能源价格变动对能源消费强度的间接影响。在低、中和高能源消费强度地区，LnENP×LnPAT的系数依次为-0.1164、-0.0376和-0.0627，该结果与中国整体上能源价格对能源消费强度的影响效应是一致的。然而，值得说明的是，LnENP×LnPAT的系数在低、中能源消费强度地区非常显著，而在高能源消费强度地区却不显著，这无疑说明中国能源价格的变动对于技术创新的诱致作用，在低、中能源消费强度地区发挥的作用更加明显。一般而言，高能源消费强度地区由于经济发展水平相对落后，诱致性技术创新对能源消费强度的影响效应尚不明显。因此，在低、中能源消费强度地区要发挥诱致性技术创新的作用以降低该区域的能源消费强度。

5.LnPAT的系数均为负，而且对能源消费强度的影响均非常显著；Ln（PAT^2）的系数均为正，而且该系数在低、中能源消费强度地区影响比较显著但在高能源消费强度地区却不显著。这一方面说明技术创新的反弹效应在中国分地区进行研究中是存在的。技术创新在一定范围内可以降低能源消费强度，但在超过一定临界值后，能源消费强度会随着技术创新的增加而提高。显然，技术创新对能源消费强度的影响存在一个“U”型特征，即所谓的“技术进步的反弹性效应”或“技术创新悖论”；另一方面尤其在低能源消费地区，技术创新的反弹性效应相对较大。因此，提高技术创新水平可能导致低能源消费地区能源消费强度的下降，而高能源消费强度地区的反弹效应不显著或作用不明显。

为检验模型（5）估计的结果，本文采用LLC的t*统计量、Breitung的t统计量以及IPS的w统计量等三种方法检验面板残差的平稳性，其基本思想是：若拒绝残差存在单位根的原假设，则表明残差是平稳的。具体检验的结果见表4。

表4　模型（5）动态面板残差平稳性检验

表4的检验结果表明：无论是低能源消费地区、中能源消费地区、高能源消费地区还是全国总体而言，面板残差的单位根检验结果均在1%显著性水平上拒绝了原假设，即动态面板数据模型（5）的残差是平稳的，即模型（5）的设定是合理的。因此，使用SYS-GMM分析方法对模型（5）的估计结果也是稳健的。

六、结论与对策

通过工业化、城市化对能源消费强度影响的动态效应研究，尤其是对地区间影响能源消费强度差异的分析，可以得出结论：能源消费强度随着前期能源消费强度、工业化水平以及城市化水平的提高而增加，但随着经济发展水平的提高、能源价格的不断攀升以及技术水平的不断创新而降低，而且不同地区的同一因素对能源消费强度的影响效应也不相同。目前，中国仍处于工业化的快速推进阶段，并且工业一般都是能源消费强度较高的行业，所以各地区工业化水平的提高必然会提高能源消费强度。城市化尽管在低能源消费强度地区对能源消费强度的影响不显著，但在中、高能源消费强度地区城市化水平提高则将会提高能源消费强度。显然，工业化、城市化共同推动能源消费强度的增加，同时经济发展水平、能源价格以及技术创新等也是造成地区间能源消费强度差异的原因。因此，抑制能源消费强度增长必须同等重视工业化、城市化对能源消费强度的正向效应。根据这些研究结论，给出以下几点建议。

1.鼓励技术创新，提高能源消费强度的利用效率。尤其是高能源消费强度地区，随着工业化、城市化水平的提高，必将推动能源消费强度的需求增加。在短期内，直接对能源消费强度的需求和使用进行限制并不现实，因此通过技术创新来提高能源消费强度的利用效率是实现经济发展和转变经济增长方式的必然选择。目前，中国的技术创新水平与发达国家尚有较大差距，未来依靠技术创新、采用新能源发展和节能技术无疑是提高能源消费强度利用效率的根本。

2.优化工业部门的产业结构，提高第三产业比重。工业是能源消费强度较高的生产部门，在影响能源消费强度的因素中，工业化自然也就成为导致能源消费强度增加的主要因素。因此，必须加快优化工业部门的产业结构，逐渐降低黑色金属工业、冶金以及化学工业等高能源消费强度产业的比重，大力发展电子、信息和服务业等低能源消费强度的制造业产业。随着中国城市化进程的加快，第三产业必将成为推动中国经济发展的重要产业。然而，目前第三产业在降低能源消费强度上的作用尚未得到充分发挥。为此，中国必须着力发展第三产业，通过提高服务业供给质量和服务业体制创新以加快服务业等第三产业的发展。

3.提倡节能型的生活理念，鼓励节约型消费行为。随着经济发展水平的不断提高以及城市化进程的加快，中国城乡居民的生产和生活能源消费水平也逐步得到提高，人们对住房、交通以及家用电器等耐用消费品的需求已趋向高潮，这无疑直接或间接地增加了消费者对能源的消费，进而导致了能源消费强度的增加。因此，积极倡导和鼓励实现可持续发展的消费方式，建立节能保障制度，并通过适当的政策进行宣传，引导居民消费行为向节能型转变。例如，建设小面积经济实用房、大力推广交通节能以及研发环保的家用电器等。

4.构建合理的能源价格体系，实现能源价格市场化。由于提高能源价格可以降低中国的能源消费强度，而且由于能源价格对技术创新的“诱致性”影响，这种作用在低能源消费强度地区的影响十分显著。因此，中国政府应当采取合理的宏观调控手段，放松对能源价格的管制，充分发挥能源价格对能源效率的作用，降低能源消费的强度。同时还应当将能源消费强度所带来的环境污染的治理成本并入能源价格，使外部成本内部化，提高了中国能源利用效率，最终构建合理的能源价格体系。

注释：

①考虑到西藏数据不全，本文在研究中将其剔除，故这里只包含中国大陆地区的30个省、自治区和直辖市。

②通常将中国省际地区划分为东部、中部和西部，三大区域的划分方法为：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆12个省、市和自治区。而本文依据能源消费强度总量平均值的情况将中国大陆地区除西藏之外的30个省、市和自治区划分为三大区域。

③动态面板数据模型可以包含高阶滞后项，但通过检验发现，本文研究的问题只有1阶滞后是显著的，所以本文所构建的动态面板数据模型不再列出高阶滞后项。

④能源消费强度用单位GDP所使用的能源消费量表示；经济发展水平用人均GDP来表示；城市化水平用城镇人口占总人口的比重来表示；工业化水平用GDP中工业增加值的比重来表示；能源价格采用原材料、燃料动力类购进价格指数来表示；技术创新用专利授权数表示。

⑤本文的三大区域既不是根据地理区域划分的，也不是根据经济发展水平划分的，而是根据能源消费强度进行划分的。其中，低能源消费强度地区包括北京、广东、江苏、浙江、福建、上海、海南、江西、天津、重庆；中能源消费强度地区包括安徽、广西、湖南、山东、陕西、河南、黑龙江、湖北、四川、吉林；高能源消费强度地区包括辽宁、云南、河北、新疆、甘肃、山西、内蒙古、青海、贵州、宁夏。因为西藏数据不全，所以文中选取了除西藏之外的中国大陆30个省、自治区和直辖市，详见表1。

参考文献：

［1］白积洋.经济增长、城市化与中国能源消费——基于EKC理论的实证研究［J］.世界经济情况，2010，（7）：57-64.

［2］郭庆然.外商直接投资对我国就业影响的动态效应与区域差异——基于动态面板数据模型的GMM估计［J］.经济经纬，2014，（1）：62-67.

［3］郭庆然.改革开放以来制造业变迁对我国经济增长影响的动态效应研究［J］.工业技术经济，2013，（4）：90-94.

［4］丁翠翠.中国城镇化、居民消费对环境污染的影响效应——基于省际面板数据的实证研究［J］.河北经贸大学学报，2014，（3）：47-50.

［5］冯利英，张耀元.基于迪氏指数理论的内蒙古能源消费与经济结构调整研究［J］.内蒙古财经学院学报，2011，（5）：91-97.

［6］郎春雷.中国地区间能源消费差异的实证研究［D］.上海：上海社会科学院，2011：85-88.

［7］马珩.中国城市化和工业化对能源消费的影响研究［J］.中国软科学，2012，（1）：176-182.

［8］彭水军，包群.中国经济增长与环境污染——基于广义脉冲响应函数法的实证研究［J］.中国工业经济，2006，（5）：15-23.

［9］孙涵，成金华.中国工业化、城市化进程中的能源需求预测与分析［J］.中国人口·资源与环境，2011，（7）：7-12.

［10］吴巧生.中国工业化进程中的能源消耗强度变动及影响因素——基于费雪（Fisher）指数分解方法的实证分析［J］.经济理论与经济管理，2010，（5）：44-50.

［11］徐刚，王维国，潘祺志.中国工业化进程中各产业能源需求的实证研究［J］.科研管理，2009，（6）：107-112.

［12］余泳泽.创新要素集聚、政府支持与科技创新效率——基于省域数据的空间面板计量分析［J］.经济评论，2011，（2）：93-101.

［13］张建刚，刘维刚.我国在世界低碳经济发展中的对策选择［J］.经济纵横，2012，（6）：60-63.

［14］Selden，Song. Environmental Quality and Development：is there a Kuznets Curve for air pollution emission［J］. Journal of Environmental Economics and Management，1994，（27）：147-162.

责任编辑、校对：张增强

中图分类号：F4

文献标识码：A

文章编号：1007-2101（2015）03-0041-08

收稿日期：2014-03-22

基金项目：国家社科基金项目（12CJY057）；河南省社会科学规划决策咨询项目（2014D006）；河南省科技厅软科学计划项目（142400410132）；河南省教育厅人文社会科学研究项目（2013-GH-288）；中南财经政法大学百篇优秀博士学位论文培育项目资助；河南省高校哲学社会科学创新型科研团队“教育与区域经济”项目资助

作者简介：丁翠翠（1984-），女，河南平顶山人，中南财经政法大学经济学院博士研究生，研究方向为城市经济与区域发展。

The Dynam ic Effect and Regional Difference of the Industrialization and Urbanization on the Energy Consum ption Intensity in China

Ding Cuicui

（SchoolofEconomics,Zhongnan University ofEconomics and Law,W uhan 430073,China）

Abstract:Based on China's provincial panel data during 2002-2011,this paper makes an empirical analysis on the dynamic effect and regional difference of the industrialization and urbanization on the energy consumption intensity in China by separating the energy consumption intensity into three levels including low,middle and high and using the dynamic paneldata with system GMM estimation. The results show that both increase of the industrialization and urbanization can lead to the promotion of regional energy consumption intensity, but the urbanization's effect on the low energy consumption intensity regions is not significant while the effect on the middle and high energy consumption intensity regions is very significant. In addition, all the factors including the energy consumption last year, the development level of regional economy, energy price and technological innovation and so on have different effects on the energy consumption intensity in China. Meanwhile there exists the rebound effects of the technological innovation in China and the energy price has induced effect on the technologicalinnovation.

Key words:industrialization, urbanization, energy consumption intensity, energy price, technology innovation, saving-type consume,high energy-consuming enterprises,regionaldifference