长江经济带工业能源效率空间差异及影响因素研究

丁黄艳　任毅　蒲坤明

摘要：运用能源强度、离散系数、莫兰指数综合测度1999—2013年长江经济带工业能源效率空间差异及发展趋势，并建立面板托宾模型探索工业能源效率影响因素，分析表明：长江经济带省际工业能源效率从下游至上游存在梯度差异，空间差异由趋异向趋同转变，省际工业能源效率呈现空间集聚特征；长江经济带工业能源效率与经济发展水平、工业比重、政府影响力（财政支出比重）、电力消费比例、研发投入力度呈正相关，与能源消费比例、煤炭消费比例呈负相关，与对外开放水平的关系不明确。提高工业能源效率，长江经济带上游地区应提高研发投入在国民经济中的比重，下游地区要加快能源消费结构的优化升级，而中游地区工业能源效率受能源消费比例影响明显，提升潜力较大。

关键词：工业能源效率；长江经济带；空间集聚效应；梯度差异；能源消费结构；能源消费比例；能源技术进步；空间溢出效应；空间自相关

中图分类号：F424.7；F127文献标志码：A文章编号：16748131（2016）01002708

一、引言

OPEC引起的第一次石油危机事件表明，能源已成为冲击经济稳定的主要不确定性外生因素之一，能源危机会引起经济衰退，此类衰退现象在欠发达地区表现更加明显（Kwasniewski，1974）。工业是能源消耗的主要产业部门，《中国能源统计年鉴》的数据显示，工业能源消耗在我国能源消耗总量中占比接近70%。面对逐渐枯竭的油气资源和不断逼近的能源危机，公众对革新能源技术、提升能源效率的要求日益迫切。建设长江经济带是我国现阶段优化经济发展空间格局重点实施的“三大战略”之一，长江经济带的生产总值和能源消耗在全国总量中占比均接近40%，是我国主要的经济增长极和耗能区之一。2014年《国务院关于依托黄金水道推动长江经济带发展的指导意见》提出，要打造沿江绿色能源产业带，推进能源生产和消费方式变革等政策设计，为长江经济带各省市工业能源效率的提升提供制度保障。由于发展基础和市场环境的差异，长江经济带经济发展水平自东向西梯度递减的基本格局短期内难以改变，经济先发地区产业结构向合理化和高级化演进，落后产业向经济后发地区转移，进而导致低技术水平、高能耗企业和项目依江而上，而人才和资源顺流而下。在统筹区域协调发展的战略背景下，优化能源要素空间配置，提升沿江各地区工业能源效率，已成为长江经济带建设的关键环节。

提高工业能源效率，需要合理评价长江经济带各地区工业能源效率。当前有关研究测算能源效率的方法分为两大类：一类为单要素指标，另一种为全要素指标。经济意义上的单要素指标是指能源强度，即单位GDP的能耗水平，单要素指标的数据可比性强，在比较分析和政策设计上应用广泛（Patterson，1996；王强 等，2014）。全要素指标是指能源效率不仅仅由能源投入与经济产出之间的关系决定，还受其他直接或者间接因素影响，并可将效率分解为技术进步效率、纯技术效率及规模效率（Honmaa et al， 2008；Wang et al，2012）。在横向比较分析上，全要素指标能观测到单要素指标所无法测量的规模、管理及技术效率。但需要注意的是，基于非参数数据包络分析测算全要素能源效率时，各个地区的能源效率通常是逐年进行线性规划，因而每一年各地区所处的效率前沿面会出现不一致的情况，在面板数据分析时有可能无法正确反映影响因素与能源效率的经济关系，而具有时空连续性的单要素指标可避免此类现象发生。

丁黄艳，任毅，蒲坤明：长江经济带工业能源效率空间差异及影响因素研究

能源效率及其影响因素是经济领域内的研究热点。基于中国区域“三大板块”视角，屈小娥（2011）、朱帮助（2013）、王兆华（2015）等证实了能源效率及工业能源效率由东向西依次递减，存在显著的效率梯度差异；孟晓（2013）、Wu等（2014）则基于地区经济发展水平视角考察不同地区的工业能源效率水平，结论表明经济发展水平越高，工业能源效率水平越领先。关于能源效率的影响因素，通常认为能源消费比例是影响能源效率的主要因素。由于清洁能源的标准煤折算系数低，Lv等（2014）主张以清洁能源来逐步替代含碳、硫等“坏产出”多且标准煤折算系数高的化石能源；技术进步被一致认为是能源效率的直接影响因素，这是因为技术进步不仅能提高有限能源的产出水平，还能加强对能源的有效利用率（李廉水 等，2006）；产业结构、产业集聚与能源效率也密不可分，我国工业部门的粗放式增长模式对能源投入依赖程度深，产业结构的动态优化及集群化生产能有效提升能源效率（刘佳骏 等，2011）；此外，地区开放条件、政府干预、经济周期（繁荣与衰退）等都被学者们认为是可能影响能源效率的主要因素（陈媛媛 等，2010；师博 等，2013）。

从已有相关文献可以归纳出两个基本事实：一是能源作为不可完全替代的生产要素，其效率与外部市场环境联系紧密；二是针对长江经济带工业能源效率及其影响因素的研究比较缺乏。有鉴于此，本文采用长江经济带省际面板数据，综合考察其工业能源效率的省际差异和变动趋势，并深入分析长江经济带省际层面工业能源效率的影响因素，这对于探索长江经济带工业能源效率提升路径具有重要参考价值。

二、长江经济带能源效率的空间差异及发展趋势

我国能源战略规划长期采用能源强度作为量化能源效率的合意指标，即能源强度=能源消费总量/国内生产总值，本文采用能源强度指标来衡量长江经济带能源效率。由于能源强度为逆向指标，为使分析结果更加直观，将能源强度倒数化，以求得单位能耗的GDP产出，转为正向指标，单位为亿元/万吨标煤。其中，不同类别的能源消耗均折算为标准煤，各省市工业GDP以1999年为基期按各省市GDP平减指数折算成不变价。本文实证研究的时间区间为1999—2013年，数据来源于相应年度的《中国能源统计年鉴》及长江经济带11省市的《统计年鉴》。

首先计算出1999—2013年长江经济带各省市工业能源效率值及离散系数，以反映长江经济带工业能源效率的空间差异及发展趋势，如表1所示。长江经济带省际层面工业能源效率从下游至上游存在梯度差异，且工业能源效率内部差异由趋异向趋同转变。下游地区工业能源效率高于中、上游地区，江苏、浙江、上海三地的工业能源效率均值分别为0.541、0.536、0.434，高于其他地区；中游地区工业能源效率处于中等水平，整体发展态势向好，其中，江西省工业能源效率由1999年的0.287上升为2013年的0.621，进步显著；上游地区工业能源效率整体偏低，贵州、云南工业能源效率落后于其他地区，工业能源效率提升空间大且年均增速高于其他地区，而重庆市的工业能源效率相对较高，对其他上游省份工业能源效率提升具有示范作用。endprint

长江经济带工业能源效率的空间差异呈现出先趋异再趋同的发展趋势。离散系数（CV）反映组内样本的差异情况，离散系数越大，样本差异程度越大。从表1中离散系数走势可以看出，1999年离散系数为0.404，此后长江经济带省际工业能源效率差异逐步扩大，在2005年达到差异峰值，离散系数为0.472；2006—2013年离散系数逐年减小，省际工业能源效率呈现趋同态势。离散系数先升后降表明长江经济带工业能源效率省际差异存在先趋异再趋同的经济特征，然而省际工业能源效率趋同态势存在空间发散、空间集聚以及空间不相关三种模式，为验证工业能源效率的趋同是否存在空间集聚效应，本文进一步运用全局空间莫兰指数（Morans I）来进行分析，计算公式如下：

Moran′sI=ni=1nj=1Wij（Xi-）（Xj-）S2ni=1nj=1Wij

其中，S2=ni=1（Xi-）2，i、 j表示不同省份；Wij为空间权重矩阵，当i≠j且i、 j地理相邻，则Wij=1，其他情况下Wij=0。全局空间莫兰指数取值范围为[-1，1]，莫兰指数大于零时，表示各地区工业能源效率存在空间集聚效应；莫兰指数小于零时，表示各地区工业能源效率存在空间发散效应；莫兰指数等于零时，则表明各地区工业能源效率不受邻近地区影响。以1999、2006、2013年数据为例，长江经济带全局空间莫兰指数及工业能源效率空间自相关分析结果如图1所示。

高—高地区是指工业能源效率高的地区，其邻近地区工业能源效率也同样较高；反之，低—低地区是指工业能源效率低的地区，其邻近地区工业能源效率也较低；不显著地区是指统计学上不能识别本地区与邻近地区之间的空间关系。图1显示出1999、2006、2013年长江经济带工业能源效率的全局空间莫兰指数分别为0.48、0.61、0.56，表明长江经济带工业能源效率呈现空间集聚特征，其中高—高地区集中在长江经济带下游，低—低地区集中在长江经济带上游，这与表1的结果相吻合。综合离散系数和莫兰指数可知，长江经济带省际工业能源效率趋同发展的内部结构存在空间集聚特征。从两者变动上看，长江经济带工业能源效率的空间溢出效应在增强，表明工业能源效率提升愈发依赖于各地区的空间联动作用，本地区工业能源效率提升将产生溢出效应，能够带动周边地区工业能源效率的共同提升。

长江经济带工业能源效率的空间差异及发展趋势反映出三种经济现象：其一，工业能源效率与经济实力高度相关。从理论上讲，经济实力强的地区市场竞争强度大，竞争倒逼企业寻求更加有效的能源消费方式来提高经济产出。长江经济带上、中、下游的经济实力梯度差与工业能源效率的梯度差吻合，也表明地区经济实力与工业能源效率高度正相关。其二，工业能源效率空间差异的变化存在“拐点”。从离散系数的先升后降的“倒U型”特征可以看出，长江经济带工业能源效率省际差异在初期阶段有递增趋势，在中期阶段达到差异峰值，在后期阶段差异值递减，从而反映出长江经济带省际工业能源效率先趋异再趋同的演变轨迹。其三，提升工业能源效率要重视产业及能源的空间布局。全局空间莫兰指数显著为正，长江经济带工业能源效率呈现空间集聚特征，表明工业能源效率的外部溢出影响明显。这就要求各地区能源战略规划要考虑到与周边地区的相互影响，应减少地区间行政壁垒以增加工业能源效率的空间溢出效应。

三、长江经济带能源效率的影响因素

1.指标与数据

借鉴已有研究成果，本文从工业能源效率的市场环境和内部结构两个方面考虑，建立包含经济发展水平、产业结构、研发投入力度等8个因素在内的工业能源效率影响因素指标体系。其中，市场环境由经济发展水平、工业比重、对外开放水平、政府影响力四个指标组成，用以反映市场环境对工业能源效率提升的间接影响；内部结构由能源消费比例、煤炭消费比例、电力消费比例、研发投入力度四个指标组成，用以解释内部结构对工业能源效率提升的直接影响。

本文采用1999—2013年长江经济带省际面板数据进行实证分析，数据来源于各地区《统计年鉴》《中国能源统计年鉴》及《中国科技统计年鉴》。其中，各地区经济数据均以1999年为基期按各地区GDP平减指数进行折算，煤炭、电力消费量按能源折算标准煤参考系数折算成标准煤。

（1）经济发展水平，用本地GDP（亿元）的自然对数来表示。地区经济发展水平提高，则提升工业能源效率的内在意愿和能力增强。

（2）工业比重，用工业GDP占GDP比重表示。长江经济带整体处于工业化加速时期，同时伴随产业结构优化调整，工业产业结构合理化、高度化有利于工业能源效率提升。

（3）对外开放水平，用进出口贸易总额占GDP比重表示。长江经济带外向型经济特征明显，对国际市场依赖程度高，对外开放拓展了地区资本积累的渠道，对能源效率提升有间接影响。

（4）政府影响力，用政府财政支出占GDP比重表示。政府对经济的干预会对地区经济发展起到引导和调控作用，但干预不合理会影响地区市场竞争秩序和活力，对能源效率有间接影响。

（5）能源消费比例，用本地能源消耗占长江经济带能源消耗总量的份额表示。地区能源消费比例高低与工业能源效率优劣呈反向变动。

（6）煤炭消费比例（%），用煤炭消费量占能源消费总量比重表示。从长期来看，经济发展对化石能源的过度依赖不利用能源效率的提升。

（7）电力消费比例（%），用电力消费量占能源消费总量比重表示。电力能源属于清洁能源范畴，电力能源的使用对能源效率的提升有积极的影响。

（8）研发投入力度（%），用R&D费用占GDP比重表示。能源技术革新是改进能源效率的根本途径，而能源技术进步依赖研发投入力度。

2.实证分析模型

鉴于面板数据模型在线性拟合时会默认工业能源效率存在负值，这与经济事实不符，本文运用受限回归的面板托宾模型来进行拟合，从而排除因变量存在负值的可能性，模型构建方式如下：endprint

Y*i，t = 8i = 1Xi，t βi + δμ

其中：μ～N（0，σ2），δ为比例系数，Y*i，t是潜变量，μ为随机扰动项。被观测的实际值Yi，t与潜变量Y*i，t之间存在以下关系：

Y*i，t = 0； Yi，t < 0Yi，t ； Yi，t ≥0

3.分析结果与讨论

利用面板托宾模型分别估计长江经济带全域、下游地区、中游地区及上游地区各影响因素对工业能源效率提升的影响效果，结果如表2所示。

（1）经济发展水平对工业能源效率提升有显著的正效应。这与孟晓（2013）、Wu（2014）等的研究结果一致。从影响机制看，经济发展水平高伴随着市场竞争强，竞争能够强化企业在能源投入上的成本收益意识，提升工业能源效率；此外，经济发展水平高可以为能源技术革新提供必要的物质基础支撑，有利于加快能源利用技术更新。从数据表现看，表2中经济发展水平对工业能源效率的全域估计系数显著为0.06，上、中、下游地区的估计系数也显著为正，表明1999—2013年经济快速发展是长江经济带工业能源效率提升的重要原因。

（2）工业比重对工业能源效率提升有显著的正效应。与王秋彬（2010）关于产业结构对能源效率的影响为负的结论相反，主要原因在于衡量能源效率的尺度不一致王秋彬（2010）采用全要素指标（本文采用单要素指标），使用全要素指标进行面板数据分析要求各年份的效率前沿面一致，但其研究中各年份的效率前沿面并不一致。 。工业增加值比重与工业能源效率正相关，从理论上看，一方面由于存在资本、劳动对能源的替代，在产出不变的情况下可以通过增加资本、劳动来减少能源投入；另一方面工业经济发展伴随企业的技术进步与学习效应，能源的利用与配置将得到有效提升。从数据上看，长江经济带工业增加值占GDP比重从1999年的40.7%上升为2013年的41.8%，工业能源效率从1999年的0.291（亿元/万吨标煤）上升到2013年的0.464（亿元/万吨标煤），工业产业结构与工业能源效率的上升趋势一致，并且表2中的参数估计显著为1.09。

（3）对外贸易水平与工业能源效率提升的关系不明确。通常认为，对外贸易为封闭经济打开国际市场，拓宽稀缺资本的逐利途径，因而对外开放水平与能源效率正相关（陈媛媛 等，2010）。但就区域发展阶段而言，当前长江经济带沿海地区进出口产品结构以加工贸易为主，低技术附加和粗放式生产特征明显，出口产品竞争优势主要依赖于低成本而非高技术含量，因而对外贸易增加会产生能源回弹现象，降低工业能源效率（杨莉莉 等，2014）。李兰冰（2012）的研究表明对外开放水平对我国不同地区能源效率分别存在促进或抑制两种相反效应。长江经济带各地区经济社会发展水平存在梯度差异，虽然对外开放水平对整体工业能源效率的影响不明确，但表2显示，在上游地区两者之间显著正相关（参数估计为0.16），在中游地区两者之间显著负相关（参数估计为-0.41），而在下游地区则未表现出显著相关性。

（4）政府影响力对工业能源效率提升有显著正效应。西方经济学强调市场的自由和灵活性，认为政府主要职能是当好经济社会的“守夜人”，而不应通过财政支出等来干预经济（魏楚 等，2007）。但是，我国传统工业长期采用高投入、高消耗、高排放的粗放式发展模式，随之而来的高污染产生了高代价的负外部性，政府强化在市场经济中的调控作用能够有效规制不合理的工业生产方式，研发、推广节能减排技术，增加能源、环境公共产品供给，从而提升工业能源效率（张志辉，2015）。长期以来我国主要以投资来驱动经济增长，政府投资以财政支出为主体，因而财政支出比例上升可通过增加工业产出来提高工业能源效率。从实证数据上看，政府增强影响力对长江经济带工业能源效率具有显著提升作用（参数估计为0.03），表明政府影响力对长江经济带工业能源效率的提升具有积极影响。

（5）能源消费比例对工业能源效率提升有显著负效应。从各省市能源消费的增长速度来看，下游地区年平均增长速度为12.1%，中游地区年平均增长速度为13.7%，上游地区年平均增加速度为125%。这表明长江经济带各地区能源消费比例总体呈现“下游回落、中上游上浮”的趋势。能源消费比例的变化导致长江经济带工业能源效率显著为负的反应（参数估计系数为-1.31），表明各省市在长江经济带工业能源消费比例中比例的上升，将降低该省市的工业能源效率。

（6）煤炭消费比例与工业能源效率负相关，电力消费比例与工业能源效率正相关。煤炭、电力消费对工业能源效率提升的影响方向相反，这与曾胜等（2013）的研究结果一致。2015年国务院出台《中国制造2025》规划，指出未来工业发展要走绿色发展路子，而煤炭作为非清洁能源，难以融入未来工业能源消费体系之中。事实上，由于我国重化工业升级换代速度较慢，对煤炭能源的依赖依然巨大，重化工业高投入、高消耗的生产模式降低了能源效率。发展电力技术是实现节能减排战略目标的关键，发展风电、水电、光电、生物电、核电等可持续性电力生产方式，逐步摆脱对火电的过度依赖，对于提升工业能源效率意义深远。

（7）研发投入力度对工业能源效率提升有显著正效应。能源技术进步是提升工业能源效率的根本途径，而技术进步与研发投入力度高度相关（李平 等，2007），因而加强研发投入力度能够显著提升工业能源效率。研发投入力度对工业能源效率提升既有直接影响，也有间接影响。直接影响体现在研发成果对能源集约利用的改进上，技术可以改良机器设备对能源的使用效率，并加强能源在管理和配置上的合理程度；间接影响是指研发成果能够在投入要素不变的情况下增加经济产出，从而提升工业能源效率。

（8）长江经济带中游地区受能源消费比例影响明显，上游地区应加强研发投入力度，下游地区要加快能源消费结构的优化升级。中游地区是传统工业集聚地，能源的高消耗状态表明工业能源效率提升的空间较大。从表2中可以看出，中游地区工业能源效率对能源消费比例反应更加敏感。上游地区经济社会发展水平相对落后，改善基础设施水平、满足居民基本公共服务是政府工作的重点，在研发投入力度上相对于中、下游地区要薄弱；实证分析结果也显示，加强上游地区研发投入力度能大幅提升其工业能源效率。下游地区工业体系和产业链层次要高于中、上游地区，是工业能源技术研发和应用的先行地区，随着《中国制造2025》规划的持续推进，下游地区工业能源消费需更加注重清洁化、绿色化，通过优化工业能源消费结构来提升工业能源效率，并对其他地区起到示范作用。endprint

四、结论与启示

本文综合运用能源强度、离散系数、莫兰指数等统计指数来考察长江经济带工业能源效率的空间差异及发展趋势，并构建面板托宾模型来分析工业能源效率影响因素。主要结论及启示如下：

（1）长江经济带省际工业能源效率从下游至上游存在梯度差异，空间差异由趋异向趋同转变，省际工业能源效率呈现空间集聚特征。表1、图1显示出长江经济带工业能源高效率省份集中在下游地区，中等效率省份集中在中游地区，低效率省份集中在上游地区；离散系数的变动趋势反映出长江经济带省际工业能源效率先趋异再趋同；莫兰指数则表明长江经济带工业能源效率存在正向空间自相关，省际工业能源效率空间组团形态分化成“高—高地区”和“低—低地区”。

（2）长江经济带工业能源效率与经济发展水平、工业比重、政府影响力、电力消费比例、研发投入力度呈正相关，与能源消费比例、煤炭消费比例呈负相关，与对外开放水平的关系需依据各省市经济社会发展阶段加以分析；其中，增强研发投入力度是促进长江经济带工业能源效率提升最有效的方式，而能源消费比例提高是阻碍工业能源效率提升的最重要原因。实证分析结果反映了各影响因素与工业能源效率的关系，研发投入力度的参数估计为3.53，边际正影响最大；能源消费比例的参数估计为-1.31，边际负影响最大。应当予以关注的是，现阶段政府财政支出与工业比重上升对长江经济带工业能源效率均有正向影响，表明工业部门结构优化和政府宏观经济引导在工业能源效率提升方面发挥出了实际有效的作用。

（3）通过表2中上、中、下游的拟合结果可以看出：上游地区研发投入力度对工业能源效率的参数估计为7.86，高于其他指标对工业能源效率的影响，也高于中、下游同类指标的影响；中游地区能源消费比例的负向影响最大，而下游地区电力消费比例的正向影响最大。上述结论有助于精准定位长江经济带上、中、下游工业能源效率提升策略的重心：上游地区应提高研发投入在国民经济中的比重；中游地区能源消费在长江经济带中占比高，能源效率改善潜力较大；下游地区则要加快能源消费结构的优化升级，向清洁化、绿色化发展。

此外，长江经济带工业能源效率的梯度差异在某种程度上也折射出当前我国东、中、西部工业能源效率的梯度差异格局。改善工业能源效率区域不平衡状态，产业结构调整是关键，但也不能忽视工业能源效率提升的空间联动作用，在东部地区能源效率红利逐步向西外溢的同时，应当在中西部建立工业能源效率提升示范城市，将当前的线状溢出形态扩展到双向溢出、网络溢出形态，进而全面、协调提升各地区工业能源效率。

参考文献：

陈媛媛，李坤望.2010.FDI对省际工业能源效率的影响[J].中国人口（资源与环境（6）：2833.

李兰冰.2012.中国全要素能源效率评价与解构——基于“管理—环境”双重视角[J].中国工业经济（6）：5769.

李廉水，周勇.2006.技术进步能提高能源效率吗？——基于中国工业部门的实证检验[J].管理世界（10）：8289.

李平，崔喜君，刘建.2007.中国自主创新中研发资本投入产出绩效分析——兼论人力资本和知识产权保护的影响[J].中国社会科学（2）：3242，204205.

刘佳骏，董锁成，李宇.2011.产业结构对区域能源效率贡献的空间分析——以中国大陆31省（市、自治区）为例[J].自然资源学报（12）：19992011.

孟晓，孔群喜，汪丽娟.2013.新型工业化视角下“双三角”都市圈的工业能源效率差异——基于超效率DEA方法的实证研究[J].资源科学（6）：12021210.

屈小娥.2011.中国省际工业能源效率与节能潜力：基于DEA的实证和模拟[J].经济管理（7）：1624.

师博，沈坤荣.2013.政府干预、经济集聚与能源效率[J].管理世界（10）：618，187.

王强，樊杰，伍世代.2014.1990—2009年中国区域能源效率时空分异特征与成因[J].地理研究（1）：4356.

王秋彬.2010.工业行业能源效率与工业结构优化升级——基于2000—2006年省际面板数据的实证研究[J].数量经济技术经济研究（10）：4963.

王兆华，丰超.2015.中国区域全要素能源效率及其影响因素分析——基于2003—2010年的省际面板数据[J].系统工程理论与实践（6）：13611372.

魏楚，沈满洪.2007.能源效率及其影响因素：基于DEA的实证分析[J].管理世界（8）：6676.

杨莉莉，邵帅，曹建华，任佳.2014.长三角城市群工业全要素能源效率变动分解及影响因素——基于随机前沿生产函数的经验研究[J].上海财经大学学报（3）：95102.

张志辉.2015.中国区域能源效率演变及其影响因素[J].数量经济技术经济研究（8）：7388.

曾胜，靳景玉.2013.能源消费比例视角下的中国能源效率研究[J].经济学动态（4）：8188.

朱帮助，吴万水，王平，2013.基于超效率DEA的中国省际能源效率评价[J].数学的实践与认识（5）：1319.

HONMAA S，HUB J L. 2008. Totalfactor energy efficiency of regions in Japan [J]. Energy Policy，36（2）： 821833.

KWASNIEWSKI K. 1974. Oil crisis and developing countries [J]. Intereconomics，9（2）：3535.

LV W， HONG X， FANG K. 2015. Chinese regional energy efficiency change and its determinants analysis： Malmquist index and Tobit model [J]. Annals of Operations Research，228（1）：922.endprint

PATTERSON M G. 1996. What is energy efficiency？ Concepts， indicators and methodological issues [J]. Energy Policy，24（5）：377390.

WANG Z H， ZENG H L， WEI Y M， ZHANG Y X. 2012. Regional total factor energy efficiency： An empirical analysis of industrial sector in China [J]. Applied Energy，97：115123.

WU A H， CAO Y Y， LIU B. 2014. Energy efficiency evaluation for regions in China： an application of DEA and Malmquist indices [J]. Energy Efficiency，7（3）：429439.

Abstract： This paper synthetically measures the spatial difference and development trend of industrial energy efficiency in Yangtze River Economic Belt during 19992013 by using the index of energy intensity， discrete coefficient and Morans Index and studies the influential factors of industrial energy influence factor based on panel tobit model. Analysis result shows that the spatial pattern of industrial energy efficiency emerges gradient interprovincial difference from the downstream to upstream， that the trend of spatial difference has been changed from divergence to convergence， that interprovincial industrial energy shows spatial agglomeration character， that the industrial energy efficiency of the Yangtze River Economic Belt is positively related to economic development level， regional industrial structure， government influence， power consumption structure and R&D investment but is negatively related to energy demand structure and coal consumption structure and is dimly related to economic opening level. In order to increase industrial energy efficiency， the economic belt at the up reaches of the Yangtze River must raise the proportion of R&D investment to national economy， the regions at the down reaches of the Yangtze River should accelerate the optimization upgrade of energy consumption structure， however， the regions at the middle reaches of the Yangtze River have big upholding potential of industrial energy efficiency because their industrial energy efficiency is significantly affected by energy demand structure.

Key words： industrial energy efficiency； the Yangtze River Economic Belt； spatial agglomeration effect； gradient difference； energy consumption structure； energy consumption rate； energy technical progress； spatial spillover effect； spatial autocorrelation

CLC number：F424.7；F127Document code：AArticle ID：16748131（2016）01002708

（编辑：朱德东；段文娟）endprint