基于生产角度的我国能源产业区域间非均衡发展研究

米子川，杨小庆（山西财经大学统计学院，山西太原030006）



基于生产角度的我国能源产业区域间非均衡发展研究

米子川，杨小庆
（山西财经大学统计学院，山西太原030006）

［摘要］结合能源经济学理论、区域发展理论及统计模型分析方法，根据研究目的选择了Laspeyres模型和SSA模型，并对这些模型进行了计算性扩展和应用创新。在Laspeyres模型中定义了传统能源生产率，首次从生产率角度对能源产业产出价值进行了模型分解，进行了认识论方面的创新。在分离出区域发展优势的SSA模型基础上，首次加入了空间权重矩阵，并设计了T检验以验证模型扩展的科学性和有效性，进行了方法论方面的创新。研究结果表明，全国能源投资正向拉动了所有省份的能源增长；能源省份的生产效率较高，但投资结构不够合理，而非能源省份能源产业的生产效率普遍较低；所有省份的区域份额分量均为正，全国能源产业发展带动了所有省份正向发展；河北、内蒙古和新疆等地的区域发展优势分量表现突出，地区发展优势明显，而产业结构优势分布连片效应明显；大多数能源省份的竞争力优势分量为正，与毗邻省份相比具有竞争力优势。

［关键词］能源产业；能源生产率；Laspeyres模型；扩展的空间SSA

一、引言

能源是人类繁衍进步所必需的物质基础，能源发展史伴随着人类进步史，能源的利用和发展程度反映着人类文明的进步程度。面对全球环境与气候的急剧变化以及国际金融危机的挑战，国际经济主体都将经济发展与环境保护协调发展作为发展主题，倡导绿色新政和绿色经济。在经济增长和转型过程中，能源产业作为污染的重要源头和经济发展的原始动力，其矛盾的二重性愈加显著，重要性愈发凸显。我国能源产区分布较广，储量分布不均匀，特别需要警惕“荷兰病”。

为了应对环境恶化和资源诅咒的挑战，有效利用宏观经济政策和制度，能源产业研究需要系统化、理论化，以达到调整能源产业结构和提高能源利用效率的目的。调整能源产业发展对推动区域经济协调发展具有重要意义，同时，能源产业的产业结构调整和转型升级对整个国民经济产业结构调整和优化升级也具有深远意义。尤其是传统能源产业，其作为国民经济的命脉产业，在推进我国经济结构战略性调整方面重任难卸。由于传统能源产业资源开发和技术设备研发与制造业等息息相关，传统能源产业在我国产业结构调整和升级中具有较强的引导和带动作用，因此，本文将研究重点放在传统能源产业上。

二、文献综述

国内外学者从生产角度、投资角度和消费角度研究了能源产业。生产角度的研究基本是从能源效率入手，建立效率评价指标体系并进行实证分析。Saha和Stephenson（1980）[1]从技术、经济发展和人口因素角度构建了能源生产效率综合评价指标，并建立模型对新西兰1976～2000年实行的多种节能减排政策效果进行了评价。Hu和Wang（2006）[2]也从生产角度对能源产业进行了能源效率研究，认为应在全要素生产率的基础上建立全要素能源效率指标。Cosimo Magazzino（2013）[3]采用计量经济学方法，使用意大利的历史数据进行了协整分析，得出了相关结论，即认为经济增长与能源生产互为因果且相辅相成。Peter S. Mallaburn和Nick Eyre（2014）[4]回顾了英国的节能政策和能源产业发展历史，利用1973～2013年的数据，从生产角度分析了节能政策对经济发展的作用，描述了适用于当前并通常被认为有效的能源政策。

国外学者还从能源消费角度，探寻了能源消费与经济发展、环境污染之间的关系。Vivek Suri和Duane Chapman（1998）[5]利用跨国的时间序列数据计量模型，从能源消耗角度对环境库兹涅茨曲线（EKC）假说进行了检验，发现发展中国家和发达国家对能源的需求一直处于高位，但发达国家通过进口货物减少了能源需求。Paul H Templet（1998）[6]认为，随着经济结构复杂化程度的加深，能源消耗随经济吸收能力的增强而增加，经济结构多样化与能源使用可以从两个方面加以平衡，一是通过能源投入推动经济向前，二是以经济结构稳定性和多样性为目标来促进能源利用效率的提高。Usama Almulali（2014）[7]运用面板模型对30个核能消费国1990～2010年期间GDP增长与二氧化碳排放的核能消费影响进行了研究，发现核能源消费对GDP增长具有积极的长远影响，而对CO2排放量没有长远的影响。格兰杰因果检验结果还显示，核能源消耗与GDP增长具有积极的短期因果关系，与二氧化碳排放量则具有负面的短期因果关系。

国内外基于投资角度的能源产业研究，多是从投资和融资的角度出发，对能源产业投资、投资效益及项目投资方法进行评价和研究。Brennan等（1978）[8]在不确定条件下通过复制组合的方法，将自然资源投资应用到煤矿价值评价中，得出了煤矿价值的大小。Paul Komor（2004）[9]在现有能源产业投资政策法规的基础上，对能源产业进行了实证研究，并设计了政策成功和失败的评价标准。Julio Flores等（2014）[10]提出，能源投资政策要考虑两个目标，即经济（净现值最大化）和环境（温室气体排放最小化），并构建了线性析取多期优化模型。这种方法为能源投资者提供了一种分析工具，可以应对经济发展与环境保护的政策选择问题。我国学者近年来也对能源投资收益做了很多研究，但大部分是定性分析和政策分析。申万、柴玮和张广军（2014）[11]通过对我国能源企业化石能源海外投资2005年1月至2013年6月的投资情况进行分析，得出煤炭领域对外投资潜力巨大的结论，建议我国化石能源一方面要通过投资走出去，另一方面要通过战略并购参与全球竞争。

上述文献尽管对能源产业进行了大量的研究，并得出了有意义的结论，但局部的研究缺乏宏观性，基于各角度的研究结论也各自为政，未形成整体建议。本文尝试突破视角的局限，糅合多种角度和多种方法，以全新的思路来诠释我国能源产业，即综合生产角度、消费角度和投资角度的逻辑脉络，以能源效率分析方法的生产角度为主，运用投入和产出指标（投资角度），从能源产业对经济发展及环境的基础作用（消费角度）出发，分析各省市能源产业的发展状况，并进行区域比较，得出区域博弈化的发展建议。

三、我国能源产业的Laspeyres模型研究

（一）Laspeyres分解模型的创新扩展

1.基本模型框架的重构。生产率就是生产效率，即单位投入的产量大小。本文将能源产业生产率定义为我国传统能源产业产出除以能源工业投资。考虑到我国31个省市的投资结构和生产率并不相同，我们将我国传统能源产业产出价值增量分解如下：

式中，Oi和O分别表示第i省份和全国传统能源产业产出价值，Ii和I分别表示第i省份和全国传统能源工业投资额表示单位能源工业投资额所得的传统能源产出价值，即传统能源产业生产率，简记为表示第i区域能源工业投资占全国能源工业投资总额的比例，即第i区域的能源工业投资结构，简记为Ei。该原始模型构架可以简写为：

从上式中可以看出，我国传统能源产业产出由全国传统能源工业投资、传统能源生产率及各省市的传统能源工业投资结构决定。

2.分解算法设计。若将传统能源产业产出价值量放入考察期内（从基期到报告期），产出价值量在考察期内的变化量可以表示为：

设It=I1+△I，Sit=Si1+△Si，Eit=Ei1+△Ei，将这三个假设带入上式可得：

根据Sun的理论，将联合创造共同分配原则运用到Laspeyres模型中，并将各项分配余量平均分配到形成该项余量的各个变量中，有几个变量造成了该余量，便将该余量平均分配到各变量中，则上述传统能源产业产出价值增量可以分解为三个分量。

第一个分量IEA代表由全国能源工业投资引起的能源产业产出价值增加：

第二个分量ESA代表由各省市能源工业投资结构引起的能源产业产出价值增加：

第三个分量GEI代表由各省市能源生产率引起的能源产业产出价值增加：

这样，我国传统能源产业产出增长就被分解为全国能源工业投资、各省市能源工业投资结构和各省市能源生产率变化三要素定量影响之和。

（二）我国能源产业生产效率实证分析

1.数据来源与处理。本文使用2005年和2013年中国统计年鉴中各能源产业的产量指标和分地区能源工业投资指标，选取焦炭产业、原油产业、汽油产业、煤油产业、柴油产业、燃料油产业、天然气产业和发电产业作为切入口，以2004年为基期、2012年为报告期，对两时期各行业的生产数据进行分析，并用现行价格进行加权处理，得到以现行价格计算的产值指标。用现行价格乘以基期和报告期的产量即可得到以现行价格计算的产值，从而消除了价格对产值的影响，使能源产业所有行业的产值可以进行加总，并进行横向和纵向的比较。对于能源工业投资，我们以2004年为基期、2012年为报告期选取了2005年和2013年《中国能源统计年鉴》中的分地区能源工业投资数据。由于产出价值指标使用的是当期价格加权，能源工业投资数据采用与之最为接近的2013年价格，以剔除价格影响因素，这样可以使结果更科学。

2.Laspeyres模型分析。

（1）重要中间变量的测度。在进行laspeyres分解时，需要计算出C1、Si1、Ei1、△Si、△Ei。C1为全国能源工业投资基期总额，查原始表格可得C1等于9459.98亿元。Ct为全国能源工业投资报告期总额，查原始表格可得Ct等于25207.54亿元。Si1实际上为，表示单位能源工业投资额所得的传统能源产出价值，即传统能源产业生产率。Ei1实际上是表示第i区域能源工业投资占全国能源工业投资总额的比例，即第i区域能源工业投资结构。△Si为研究期间各省市传统能源产业生产率变化量，△Ei为研究期间各省市传统能源产业投资结构变化量。以上变量的取值如表1所示。

表1　Laspeyres模型的中间变量值

从表1中可以看出，C1、Si1都为正数，且都不大于1，这符合二者的定义。△Si为各省市传统能源产业生产率变化量，其为正说明从基期到报告期生产率在提高，为负则说明从基期到报告期生产率在下降。上海、江苏、浙江、山东、湖北和海南等地的传统能源生产率在下降，这些省市基本处于东南部地区，能源资源禀赋较差，但其他产业较发达，能源产业不是其支柱产业，所以生产率在下降。△Ei为各省市传统能源产业投资结构变化量，其为正说明从基期到报告期投资结构在优化，为负则说明从基期到报告期投资结构在恶化。上海、江苏、浙江和广东的△Ei为负，这些东南部省市的能源资源禀赋较差，其支柱产业为其他产业，传统能源产业投资日渐减少。

（2）Laspeyres模型的分解结果。根据Laspeyres模型计算公式，我们将每个省市2004～2012年的传统能源产业产出价值进行分解，即分解为全国能源工业投资引起的能源产业产出价值增加（IEA）、各省市能源工业投资结构引起的能源产业产出价值增加（ESA）、各省市能源生产率引起的能源产业产出价值增加（GEI）。计算结果如表2所示。

表2　各省市2004～2012年传统能源产业产出价值的分解结果

（续表2）

RCEA、RESA和RCEI分别表示三个分量占某省市传统能源产业2004～2012年产出价值增量的百分比。Laspeyres模型计算公式中三个分量的分解完成以后，模型不存在余量，也就是说，三个分量相加恰好等于该省市传统能源产业2004～2012年产出价值的增量，我们运用下面的公式即可精确地计算出每个分量对该省市传统能源产业产出价值的贡献率：

RCEA是全国能源工业投资引起的能源产业产出价值增加，此项计算结果全部为正，占比也为正，说明全国投资会拉动各省市的传统能源产值。RESA和RCEI可正可负，其值为正说明该项作用力为正向，而其值为负说明该项作用力为负向；占比为正说明贡献为正，即该项分量的作用正向地拉动了产出价值增加，而占比为负说明贡献为负，即该项分量的作用反向地拉动了产出价值减少。

从表中可以看出，全国能源工业投资引起的能源产业产出价值增加占比最高的五个省市分别是黑龙江、上海、吉林、湖北和广东。在各省市能源工业投资结构引起的能源产业产出价值增加项中，大多数省市为负，说明投资结构不够优化，投资力度也不够大。在各省市能源生产率引起的能源产业产出价值增加项中，能源资源禀赋较好的省市生产率基本为正，其余省市的生产率基本为负。

（3）各省市传统能源产业生产率和投资结构分析。既然全国传统能源投资对所有省市产出价值都具有正向拉动作用，而且地方政府也无法干涉全国投资结构和总量，我们仅就各省市能源投资结构和能源生产率引起的能源产业产出价值增加做进一步的分析。

表3　各省市的投资结构和生产率分类

根据分析结果，我们将31个省份分为四大类。一是投资结构优，生产率低。在此类省份2004～2012年的传统能源产业产出价值增量贡献中，投资结构优良，其对产出价值增量的贡献较大，作用效果为正，拉动产出增量呈正向变化；生产率高对产出价值增量贡献较小且作用为负，拉动产出增量呈负向变化。二是投资结构劣，生产率高。在此类省份2004～2012年的传统能源产业产出价值增量贡献中，生产率高对产出价值增量的贡献较大，作用效果为正，拉动产出增量呈正向变化；投资结构劣对产出价值增量贡献较小且作用为负，拉动产出增量呈负向变化。三是投资结构劣，生产率低。在此类省份2004～2012年的传统能源产业产出价值增量贡献中，投资结构劣对产出价值增量贡献较小且作用为负，拉动产出增量呈负向变化；生产率低也对产出价值增量贡献较小且作用为负，拉动产出增量呈负向变化。

四、能源产业分析的空间SSA模型扩展及实证研究

（一）SSA模型的修正

1.经典SSA模型。经典SSA（The shift-share Analysis）能够动态地分析区域经济发展，它是将区域经济置于其所处的大经济区域中，并将大区域看作参照区域，选择过去某年作为基期，选择研究时间点所在的年份作为报告期，把该区域从基期到报告期研究变量的增量按照模型计算方法分解为份额分量（The National Effect）、结构偏离分量（The Industrial Mix Effect）和竞争力分量（The Competitive Effect）。这三个分量可以分别反映全国发展带动作用、产业结构优势推动作用和竞争力优势推动作用，它们之间的具体关系是：

研究区域经济增长量=份额分量+结构偏离分量+竞争力分量

设时间t=0为选定的基期，时间t=t为选定的报告期。假设研究区域在[0，t]时间内的结构和经济总量均发生了变化，设N为参照大区域（如全国）有N个小区域（如省份），M为每个区域有M个产业，Yi，j（0）为第i区域第j产业在第0期（基期）的经济总规模，Yi，j（t）为第i区域第j产业在第t期（报告期）的经济总规模，则模型中的增长率可以表示如下：

R：参照大区域的增长率：

Rj：参照大区域第j产业的增长率：rj：i区域第j产业的增长率：

区域i的j产业经济总量在[0，t]时间内的增长量可以分解为份额分量、产业结构分量和竞争力分量：

△Yi，j=Yi，j（t）-Yi，j（0）=Yi，j（0）*R+Yi，j（0）（Rj-R）+Yi，j（0）（rj-Rj）=IN+IP+ ID

其中，IN=Yi，j（0）*R为份额分量，即i区域第j产业依照全国增长速度而应有的增长额；IP=Yi，j（0）（Rj-R）为产业结构分量，即i区域的经济总量因第j产业增长率超出参照大区域平均增长率而形成的增长部分，体现了j产业的产业结构优势； id=Yi，j（0）（rj-Rj）为竞争力分量，即i区域第j产业的增长率超出参照大区域第j产业增长率的增长额，体现了i区域第j产业的竞争力因素。

2.SSA模型的扩展（引入i区域所有产业的增长率r）。

r：i区域所有产业的增长率：

区域i的j产业产值在[0，t]时间内的增长量可以分解为区域份额分量、区域发展优势分量、产业结构分量和竞争力分量：

△Yi，j=Yi，j（t）-Yi，j（0）=Yi，j（0）*r+Yi，j（0）（R-r）+Yi，j（0）（Rj-R）+Yi，j（0）（rj-Rj）=IM+IN+IP+ ID

其中，IM=Yi，j（0）*r为区域份额分量，即i区域第j产业依照i区域的增长速度而应有的增长额；IN=Yi，j（0）（R-r）为区域发展优势分量，即i区域第j产业依照参照大区域的增长速度比依照i的区域增长速度多出的增长额，增长额为负说明依照区域增长率得到的增长额比依照参照大区域增长率得到的增长额要大，即i区域的发展优势明显；IP=Yi，j（0）（Rj-R）为产业结构分量，即第j产业因产业增长率超出参照大区域平均增长率而形成的增长部分，体现了j产业的产业结构优势； id=Yi，j（0）（rj-R）j为竞争力分量，即i区域第j产业的增长率超出参照大区域第j产业增长率的增长额，体现了i区域第j产业的竞争力因素。

3.加入空间权重矩阵的空间偏离份额模型。空间模型的原理是将参照大区域中其他区域对研究区域的影响纳入考察范围，并将这种影响因素定量化，体现在空间权重矩阵中，并用这个空间权重矩阵对模型中的分量进行加权处理，最终得到空间偏离份额模型。

区域之间相互影响的关系可用空间权重矩阵表示。确定空间权重矩阵的方法一般有两种，一种是空间距离，另一种是经济距离。空间距离法假定，处在不同地理空间的任何两个区域都有相互作用的关系，地理距离越远，这种作用越弱，而地理距离越近，这种作用越强。也就是说，区域之间相互作用的强弱与距离的远近成反比。其计算公式为：

Wik=d-ikα或者Wik=e-βdik

其中，Wik为i区域和k区域的相互关联作用程度；dik为区域与区域的地理距离，它可以用两个空间单元之间的重心距离来估计，也可用两个空间单元之间共同边界的比例来估计；α和β为常数（CliffandOrd，1981）[12]。

经济距离法假定,空间单元之间相互影响和作用的关系不仅表现在距离的远近上，也表现在更深层次、多结构的关系上，这可以用人口密度、人均GDP、人均收入、部门或产业从业人数比重等经济指标来衡量。其计算公式如下：

其中，Xi、Xk表示空间单元和空间单元的人口密度、人均GDP、人均收入、部门或产业从业人数比重等经济指标（Boarnet，1998）[13]。

通过以上计算得到的Wik，可以用于构建空间权重矩阵：

空间权重矩阵是一个非随机的矩阵，它表示空间单元间之间的相互作用和相互依赖程度。Wik为i空间单位与k空间单位的相互关联作用程度，空间单位间的相互作用越大，Wik就越大。Wik＞0和Wik=0说明两个空间单位之间没有相互关联的作用，Wik≠0说明两个空间单位存在某种相互关联。

根据空间权重矩阵的结果，我们将毗邻区域增长率r*ij引入传统偏离份额模型中，用r*ij代替原模型中的Rj。按照Nazara和Hewings（2004）[14]的方法，r*ij的计算公式如下：

经本文修正后的偏离份额模型相应地变为：

△Yi，j=Yi，j（t）-Yi，j（0）=Yi，j（0）*r+Yi，j（0）（R-r）+Yi，j（0）（r*ij-R）+Yi，j（0）（rj-r*ij）=IM+IN+IP+ id

IM=Yi，j（0）*r为区域份额分量，即i区域第j产业依照区域增长速度而应有的增长额。IN=Yi，j（0）（R-r）为区域发展优势分量，即i区域第j产业依照参照大区域的增长速度比依照区域增长速度多出的增长额，增长额为负说明依照i区域增长率得到的增长额要比依照参照大区域增长率得到的增长额大，这证明了i区域的发展优势明显。Yi，j（0）（r*ij-R）为毗邻区域产业结构分量，即第j产业在考虑了毗邻区域影响后因产业增长率超出参照大区域平均增长率而形成的增长部分，这一分量可以很好地反映邻近区域的增长给研究区域带来的影响。若加入空间影响后的增长速度超过全国平均增长速度，其值为正，反之为负。该分量代表毗邻区域对研究区域的平行影响，体现了j产业的产业结构优势。Yi，j（0）（rj-r*ij）为毗邻区域竞争力分量，即i区域第j产业考虑了毗邻区域影响后的增长率超出参照大区域第j产业增长率的增长额，如果该分量为正，说明i区域第j产业的发展领先于毗邻区域，能够充分利用毗邻区域的积极影响，体现了i区域第j产业的竞争力因素。

4.模型扩展的有效性检验设计。本文尝试对扩展后的SSA模型进行统计检验，从统计意义上证明扩展方法的严密性及科学有效性。其基本思想是，通过衡量各省市区域发展优势内部是否具有差异性，评判分离出的区域发展优势对定量化各省市区域发展优势是否具有明显的作用，如果各省市内部有显著差异，则证明模型扩展有效。

本文选用了T检验，因为T检验适用于小样本、总体分布为正态分布的检验。此模型扩展作为一种统计学方法，可以运用到各行各业。由于检验的目的是要证明模型在能源产业中的应用是否显著，我们将总体定位到能源产业，此总体的均值和方差在理论上存在，不能计算。本文采用2012年和2004年数据进行的实证可以看作是其在实践中的一次抽样，样本的均值和方差都可计算得到。用全国能源产业数据整体算出的区域发展优势分量占比即为总体均值的估计值，且样本量较小，则此检验就变成总体均值已知，方差未知，样本均值和方差已知的显著性检验，适合使用T检验。

原假设H0：μ軍=μ

备择假设H1：μ軍≠μ

其中，t为样本均值与总体均值的离差统计量，μ軍为样本均值，μ为总体均值，σx为样本标准差，n为样本容量。

如果计算得到的统计量足够大，大于临界值，落入拒绝域中，则拒绝原假设，接受备择假设，即样本均值不同于总体均值，从而可以推断出各省市在区域发展优势上存在显著差异，进而可以证明本模型扩展科学有效。

（二）我国能源产业发展实证研究

1.数据来源和处理。本节所用的数据处理方法和前面一样，确定空间权重矩阵的指标为2013年统计年鉴中各地区生产总值（“经济距离”）。

数据预处理步骤如下：（1）将各省市各行业的产量乘以现行价格，得到按现行价格计算的产值；（2）将各省市各行业的总产值加总，得到该省市能源产业的总产值，再把各省市的能源产业总产值进行加总，得到全国参照大区域的总产值，使大区域和各省市具有统一的口径。

2.各省市能源产业空间偏离份额分析。

（1）模型扩展有效性T检验。本文将SSA模型进行扩展，分离出第四个分量——区域发展优势分量。为了检验此扩展的有效性，本文绘出31个省市8个能源行业共248个区域发展优势分量占对应省市对应能源行业增量的占比分布图。

图1　区域发展优势占比分布图

从分布图中可以看出，分离出的区域发展优势分布左右对称，其峰度较高而偏度较低，类似于正态分布。加上分行业以后，样本量只有31个，不能用Z检验。由于总体方差无法获得，样本分布类似正态分布，较适合做T检验。本文将全国各行业区域发展优势占比的均值6.5%作为总体均值估计，用EVIEWS7.2中的T检验分别检验区域发展分量总体和分行业区域发展分量的显著性，结果如表4所示。

表4　区域优势占比T检验结果

表4中，ALL代表区域发展优势全体，P值为0.00，远远小于0.05，拒绝了原假设，即区域发展优势分量在各省市中是有明显区别的，这有力地证明了分离区域发展优势这种算法是科学有效的。

分行业来看，表中JT表示焦炭行业，YY表示原油行业，QY表示汽油行业，MY表示煤油行业，CY表示柴油行业，RLY表示燃料油行业，TRQ表示天然气行业，FD表示发电行业。对八大行业分别做区域发展优势分量T检验，结果显示，在置信度为10%的条件下，只有天然气行业未通过检验，而在置信度为5%的条件下，只有发电行业和柴油行业未通过检验，其余六大行业均拒绝原假设，即各省市之间的区域发展优势分量显著不同，模型分离出的第四分量具有科学性。

（2）各省市区域份额分量分析。

表5　各省市能源产业区域份额分量矩阵

区域份额分量为IM=Yi，j（0）*r，即i区域第j产业依照区域增长速度而应有的增长额。表5中的区域份额分量是各省市各能源行业依照各省市增长速度而应有的增长额。可以看出，全国31个省市的区域份额分量均为正，这是因为31个省市的能源产业增长率为正，能源产业总体产值均在增长，产量也越来越大。在全国能源产业的各行业发展拉动作用中，区域内部政策符合现实要求，能够有效推动各行业向前发展。但由于各地拥有的禀赋和经济环境有所区别，各地会以不同的发展速度跟进，表现在区域份额分量上，就是每个地区的区域份额分量总量和占比不尽相同。能源产业的生产与地方政府的政策息息相关，很多行业的价格和产量会受政策约束，各地能源发展的道路略有不同。

（3）各省市区域优势分量分析。本文以全国各能源行业产值加总作为参照大区域，以各省市能源产业作为研究区域，分别运用本文修正的空间偏离份额模型，计算得到各省市能源产业的修正空间偏离份额结果，对各省市各能源产业的区域份额分量进行汇总，结果如表6所示。

表6　各省市能源产业区域发展优势份额分量矩阵

区域发展优势分量为IN=Yi，j（0）（R-r），即i区域第j产业依照全国参照大区域增长速度比依照区域增长速度多出的增长额。此处的含义是，各省市各能源行业依照全国能源产业大区域的增长速度比依照各省市的增长速度多出的增长额。

如果区域份额分量为正，考虑大区域的增长率高于各省市的区域增长率，则说明该省市的区域发展优势不明显，区域对该能源行业发展的推动作用不显著；如果增长额为负，则说明依照全国能源产业大区域增长率得到的增长额比依照各省市增长率的增长额小，证明该省份的发展优势明显。

从表6中可以看出，天津、河北、内蒙古、江苏、安徽、福建、山东、湖南、广西、重庆、四川、贵州、云南、陕西、宁夏和新疆的区域发展优势分量为负，说明这些省市的区域发展速度快于全国速度，地区发展优势明显，地区推动作用强烈。单从能源产业发展来说，这些省市是其他省市发展的领头羊，地区发展政策前瞻性强，可以带动其他省市进一步发展。

（4）各省市产业结构和竞争力四象限分析。由于各省市各能源行业的产能不同，增长速度不一，各分量的绝对值也会相差很多。为了更好地比较产业结构和竞争力，本文在同一张四象限图中呈现各省市能源产业各行业的发展规律，对原始的分量值进行处理后，结果更加直观。一是选择31个省市中各能源行业产能前几名的省市进行分析。我们结合能源数据，选取占全国产能60%以上的前10个省市，它们具有很好的代表性、借鉴性和启发性。二是将分量进行归一化处理。分量之间由于各省市自身产能和增长速度不同而具有很大差异，将各分量分别除以该省市2004年相应行业的产值，既能保证数据在四象限图中的大致位置不变，又能满足分析的直观性；不仅可以做绝对分析，还可以进行省份间的比较，做相对分析。

图2　部分行业空间产业结构和竞争力四象限图

我们以焦炭行业为例对图2进行分析，原油行业、汽油行业和煤油行业的分析均与此类似，这里不再赘述。

2004年，焦炭行业全国产值为20622万吨。我们选取河北、山西、内蒙古、辽宁、上海、山东、河南、四川、贵州和云南10个省市，其产能总和为15553万吨，占全国总产值的75%以上，具有很好的代表性。我们对以上各省市焦炭行业的产业结构和竞争力进行总和分析，以产业结构归一化值为横坐标，以竞争力归一化值为纵坐标，画出四象限图。

从图2中可以看出，所有点都落在第一象限和第四象限，说明在考虑了空间影响后，所有省市均具有产业结构优势，产业结构合理，体现了焦炭行业的成熟性。内蒙古、河北和山东落在具有产业结构优势和竞争力优势的第一象限中，说明这三个省生产结构合理且具有竞争力。山西、四川、云南、上海、辽宁、贵州和河南落在第四象限中，即这些省市具有产业结构优势，但不具有竞争力优势。这些省市的焦炭行业在与钢厂的长时间博弈中，不断下调焦炭价格，以使其具有一定的市场竞争力。随着各地焦炭限产政策的出台，如果想要长期发展，光靠价格战是不够的，必须另辟蹊径，全方位提高焦炭行业的竞争力，推动焦炭行业的长足发展。这些省市在竞争力方面呈现弱势，没有充分发挥当地焦炭行业的潜能，提高焦炭行业的竞争力将是焦炭行业发展的突破口。

五、研究结论与建议

本文从全国投资影响、各区域投资结构、各区域生产率、全国增长份额、区域发展优势、竞争力和产业结构方面全面分析了我国传统能源产业，分析中的每个环节都有对不同省市不同能源行业的发展建议，这里不再赘述，以下结论是从宏观上建议如何利用本文结论的框架提示。

（一）区域内部规划发展

1.产业结构和竞争力方向。各区域由于资源禀赋不同，生产资源有限，如何整合所有资源，使资源实现最优分配，达到资源的优化组合，成为区域发展的目标。地方政府为了实现经济发展，需要制定能源产业发展政策。这些政策的制定必须有理有据，不能子虚乌有，而且还要符合本地区发展的实际情况，政策要本土化。本文的实证分析为各区域发展提供了政策制定的依据，如表7所示。

表7　各省市能源行业政策依据

（续表7）

注：*表示具有一定优势，**表示具有较大优势，***表示具有很大优势。

2.投资结构和生产率方向。从生产角度来说，地方政府在制定发展战略时，要考虑投资效率，努力用最小的投资获得最大的回报。本文通过实证分析，测算了各省市在投入产出中投资结构和生产率作用的大小和方向，为各地方政府制定地方政策提供了参考，具体的建议如表8所示。

表8　各省市能源行业投资结构和生产率建议

从表8中可以看出，当投资结构对区域的影响作用为正向时，应保持良好的投资结构；当投资结构对区域的影响作用为负向时，应保持良好的投资结构。同理，当生产率对区域的影响作用为正向时，应保持良好的投资结构；当生产率对区域的影响作用为负向时，应保持良好的投资结构。

（二）区域间协调配合、协同创新

我国地大物博，能源资源储备分布不一，各地区的能源禀赋也存在差异，即发展能源产业的外在条件不同，内在资源也不同。各地能源产业各行业发展的起步时间不同，造成了发展水平和成熟度不同，走在产业前列的区域，其在产业发展战略和协调规划方面有很多宝贵经验，落后区域应在博观而约取中受到指导。

通过测算生产率和投资结构可知，一些资金充足区域的投资结构方向较好，如上海、江苏、浙江、山东、广西和贵州，而能源产业发展较好的区域能源生产效率较高，如河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、福建和河南等。表现好的区域有很好的示范作用，其他区域可以借鉴这些区域的经验，共谋发展。区域内部通过空间加权，将区域之间的相互影响通过空间权重矩阵表示出来。区域之间的相互影响有大有小，有正有负。区域间的能源产业发展息息相关，每个区域都不可能单枪匹马地行动。随着经济的发展，区域之间的贸易往来增多，能源作为经济的血液流淌在外化的经济现象之下，将各区域经济发展连接成为不可分割的整体。区域经济的影响显著，区域能源产业发展是不平衡的。在四象限分析中，区域间的发展不平衡展露无遗。落入第一象限的省市既有产业结构优势又有竞争力，是行业发展的榜样，其他省市应通过学习、引进先进经验，寻求长足发展。这些标杆省市分别是：焦炭行业的内蒙古、河北和山东，煤油行业的江苏，天然气行业的陕西和新疆，发电行业的内蒙古、山西、河南、浙江、四川和江苏。

（三）国家战略带动区域联动发展

在市场经济的大环境下，国家对各种资源的规划和掌控能力相较于计划经济时代有所下降，但政府仍拥有多种干预经济的方式，政府对经济发展的作用不可小觑。政府可以利用微观政策、宏观政策和协调政策调节资源配置，完成地区间资源开发利用的协调配合。本文实证分析中全国投资影响和区域份额分量全部为正可以证明，区域联动政策制定对各区域的影响均是正向的，对各区域发展均有有利的作用。

从全国投资影响和区域发展优势分量中可以看出，国家政策对地区能源产业的拉动作用不同，各地区对同一政策的反应也各异，说明统一的国家政策放在所有地区会出现水土不服的情况，不存在放之四海而皆准的政策。因此，国家应做好科学规划，对资源进行合理布局。具体来说，国家应合理划分能源特区，有针对性地扶持重要且发展滞后的行业，整顿资源开放次序，逐步推进新技术的应用。应加快能源资源的整合，联合各企业的优势资源，同时建立生态环境恢复补偿机制，在环境允许的情况下合理开发，实现能源产业绿色健康发展。要兼顾环境保护与能源资源开发利用，合理生产和利用能源，降低温室气体和污染物的排放。要结合资源条件和能源结构进行技术创新，开发节能技术、清洁能源利用技术及可再生能源技术。

［参考文献］

［1］Saha G P，Stephenson J.An Evaluation of Residential Energy Conservation Strategies in New Zealand［J］.Energy，1980 （05）：445-450.

［2］Hu J L，Wang S C.Total-Factor Energy Efficiency of Regions in China［J］.Energy Policy，2006（34）：3206-3217.

［3］Cosimo Magazzino. On the Relationship between Disaggregated Energy Production and GDP in Italy ［J］. Energy & Environment，2012，23（08）：1191-1208.

［4］Peter S Mallaburn，Nick Eyre.Lessons from Energy Efficiency Policy and Programmesin the UK from 1973 to 2013［J］. Energy Efficiency，2014，71.

［5］Vivek Suri，Duane Chapman. Economic Growth，Trade and Energy：Implications for the Environmental Kuznets Curve［J］. Ecological Economics，1998，25（02）：195-208.

［6］ Paul H Templet.Energy，Diversity and Development in Economic Systems：An Empirical Analysis ［J］. Ecological Economics，1998，30（02）：223-233.

［7］Usama Al-mulali. Investigating the Impact of Nuclear Energy Consumption on GDP Growth and CO2 Emission：A Panel Data Analysis［J］. Progress in Nuclear Energy，2014，73（04）：172-178.

［8］Brennan M，Schwartz E.Finite Difference Methods and Jump Processes Arising in the Pricing of Contingent Claims：A Synthesis［J］.Journal of Financial and Quantitative Analysis，1978，13（03）：461-474.

［9］Paul Komor.Renewable Energy Policy［M］.U.S. ：Iuniverse，Ine，2004：36-123.

［10］Julio Flores，Jorge M Montagna，Aldo Vecchietti. Investment Planning in Energy Considering Economic and Environmental Objectives［J］.Computers and Chemical Engineering，2014，122：222-232.

［11］申万，柴玮，张广军. 中国对外化石能源投资特征和现状分析［J］.亚太经济，2014（04）：105-109.

［12］Cliff A D，Ord J K. Spatial Processes Models and Applications［M］.London：Pion，1981.

［13］Boarnet G Mardon. Spillovers and the Locational Effects of Public Infrastructure［J］.Journal of Regional Science，1998，38 （03）：381-400.

［14］Nazara S，Hewings G J D. Spatial Structure and Taxonomy of Decomposition in Shift - Share Analysis ［J］.Growth & Change，2004，35（04）：476-490.

［责任编辑：高巍］

Study on the Unbalanced Development between Regions of China's Energy Industry Based on the Production Angle

MI ZI-chuan，YANG Xiao-qing
（Statistical Faculty，Shanxi University of Finance and Economics, Taiyuan 030006, China）

Abstract：This paper fully integrated theory of energy economics，regional development theory and statistical model analysis methods，chooses Laspeyres model and SSA model according to the research purpose. The study found that，national energy investment pulls forward energy growth of all provinces，investment structure of higher energy efficiency provinces is not reasonable，non-energy provinces generally have decreased production efficiency of energy industry，regional share component of all the country's provinces are positive，energy industry development of all provinces is driven by the national energy forward，regional development advantages of Hebei，Neimeng and Xinjiang outstanding components，regional develop advantages are obvious，advantages of distributed contiguous of industrial structure effects are obvious，the competitive advantage component of most provinces is positive，and has competitive advantage compared to the adjoining provinces.

Key Words：energy industry; energy productivity; laspeyres model; extended space SSA

[中图分类号］F062.9

[文献标识码］A

[文章编号］2095-106X（2015）02-0074-13

DOI编码：10.13782/j.cnki.2095-106X.2015.02.010

［收稿日期］2015-05-02

［作者简介］米子川（1968-），男，山西祁县人，山西财经大学统计学院教授，经济学博士，主要研究方向是应用统计学、抽样调查与数据分析；杨小庆（1987-），女，四川内江人，山西财经大学统计学院硕士研究生，主要研究方向是宏观经济统计分析。