中国省际能源效率和排放效率的收敛性研究

侯丹丹

(聊城大学 商学院，山东 聊城 252059)



中国省际能源效率和排放效率的收敛性研究

侯丹丹

(聊城大学 商学院，山东 聊城 252059)

借助于经济增长收敛的分析方法，使用空间面板模型研究分析中国30个省份能源效率收敛性问题。研究结果发现，中国能源效率和排放效率水平的空间分布均呈现东、中、西依次递减的格局，但2001—2010年十年间的排放效率和能源效率存在绝对收敛，即两种效率落后的地区，经过发展最终可以赶上两种效率较高的地区。因此，在政策制定时要考虑地区间的溢出效应，做好地区间的协调。

能源效率；排放效率；σ收敛；β收敛

一、引言

中国能源效率的空间分布呈现与区域经济非均衡发展相吻合的特征，即沿东、中、西部梯度递减。而弱化能源效率空间分布的不均衡，实现低水平地区向高水平地区收敛，能够显著改善中国整体能源效率(师博、张良悦，2008)。

在经济学中，“收敛”一词最初是用来研究国家或地区间收入差距是否会随时间推移而逐步缩小的范畴。之后，国内外学者将其引申，用于能源效率等收敛问题上。理论上主要存在三种收敛：σ收敛、绝对β收敛和条件σ收敛。应用到能源效率(以及后文的排放效率)的收敛上，β收敛是指不同地区的能源效率差距随时间的推移而下降，通常使用各省份能源效率的变异系数、基尼系数表示能源效率差距。绝对β收敛是指各省份的能源效率最终趋于同一稳态水平。σ收敛和绝对β收敛都属于绝对收敛。条件β收敛则放弃了各个地区具有完全相同的经济特征的假定，考虑各个地区不同的特征和条件，在控制各地区异质性条件后，能源效率差距如果收敛，则存在条件β收敛。

区域能源效率的收敛性问题逐渐成为近年来的研究热点。Miketa et al(2005)利用面板数据研究了1971—1995年56个发达国家和发展中国家10个制造业部门的能源生产率的收敛情况。Mulder et al(2007)针对1970—1997年14个OECD国家间的能源和劳动生产率的研究结果表明其存在收敛现象。Liddle(2010)选用1971-2006年111个国家和1990—2006年134个国家的数据研究能源强度收敛问题，发现两个子样本的研究结果均表明存在持续的能源强度收敛现象。Herrerias(2012)研究了1971—2008年83个国家的总能源强度、73个国家的化石燃料能源强度和7个国家的替代能源强度及核能强度的收敛状况，发现发展中国家的能源强度收敛速度快，发达国家存在“俱乐部”收敛。

近年来，国内学者开始关注中国区域能源强度(效率)的收敛性问题。姜雁斌和朱桂平(2007)研究发现，中国东部地区的能源强度存在绝对β收敛，而中西部地区则不存在β收敛。师博和张良悦(2008)使用变异系数研究中国区域能源效率的收敛问题，他们发现，整体来看，中国能源效率是趋异的；而东部显示趋同的特征。西部地区的能源效率表现出发散的趋势，中部地区的能源效率具有β收敛的特征。李国璋和霍宗杰(2009)对中国1999—2006年能源效率的收敛性进行了研究。研究结果发现，就全国而言，无论是绝对收敛还是条件收敛，都呈现明显的收敛特征。东部、中部地区的能源效率均收敛。与此相反，西部地区的能源效率则不收敛，东中部地区的能源效率差距不随时间推移而缩小。

以往文献的特点：第一，在能源效率的测度上，一般选用能源强度指标。虽然该指标简单易懂，较为直观，但其缺点在于属于单一要素能源效率指标，其忽略了劳动投入、资本投入等其他要素投入。因此，本文选用全要素能源效率指标考察地区能源效率的收敛性问题。第二，在考察区域能源效率差异的收敛性时，一般忽略了不同区域间的能源效率的空间自相关问题。一般而言，由于地理空间单元之间的互相影响，相邻的地理单元如省域之间往往有技术溢出，造成空间地理单元的自相关问题。鉴于此，本文使用空间面板模型研究中国省域能源效率的收敛性问题。

本文借助于经济增长收敛的分析方法，分析30个省份能源效率的σ收敛和β收敛。β收敛是指初始能源效率较低的地区比能源效率较高的地区有更高的能源效率增长率，强调能源效率增长率与初始能源效率成负相关，可以通过收敛回归模型来检验。本文使用变异系数(CV)和基尼系数(GINI)对地区之间能源效率差异进行统计描述，然后使用收敛回归模型验证β收敛。

二、省际能源效率的收敛性分析

(一)省际能源效率的σ收敛

作为描述地区间能源效率差距的重要指标，σ收敛可以采用变异系数(CV)和基尼系数(GINI)等指标测度。如果指数随时间推移下降，则表示中国30个省份能源效率存在收敛。CV和GINI计算公式分别如下：

CVt=st/EEt

(1)

其中：EE1t≥EE2t≥EE3t≥EEnt

(2)

表1　省际能源效率差距基尼系数和变异系数

图1　省际能源效率的基尼系数和变异系数

当然，如果使用标准差衡量σ收敛，也可以使用回归模型进行考察。如果能源效率的标准差随时间推移而区域下降，即st+k

(3)

图2　省际能源效率的标准差和变异系数

(二)能源效率收敛的传统计量研究

1.绝对β收敛

由Martin(1996)关于绝对β收敛的横截面分析方法模型为：

(4)

使用stata12进行稳健的OLS估计，结果见表2。

图3　省际能源效率及其年均增长率散点图(2001—2010)

图4　省际能源效率及其年均增长率散点图(2001-2005)

图5　省际能源效率和各省份年均增长率散点图(2006—2010)

期间β系数t值P值β绝对收敛2001—2010-0.0184-2.390.024是2001—2005-0.0459-3.230.003是2006—2010-0.0047-0.340.735否

从上述回归结果可以看出，2001—2010年期间、2001—2005年期间基年能源效率的经济系数均有β<0，且分别在5%、1%的显著性水平上显著，存在β绝对收敛。表明在2001—2010年、2001—2005年各省能源效率差异成缩小趋势，能源效率落后地区最终可以追赶上能源效率较高的地区。但需要注意的是，在2006—2010年间，β系数虽然为负，但并不显著，说明“十一五”计划期间各省能源效率并不收敛。这一点，从图3中可以相互印证。

2.条件β收敛

在绝对β收敛的基础上，加入对收敛有影响的控制变量，如果此时回归系数β的估计值仍然显著小于0，即存在条件β收敛。根据数据的可得性和可靠性，本文在能源效率绝对β收敛的模型中，加入各省工业化程度、政府干预经济程度、对外开放度、人口密度指标等控制变量，得到如下条件收敛模型：

(5)

其中iri,t表示地区i在t期的工业化程度，用该地区第二产业占其GDP比重表示；fegdpi,t表示地区i的政府行为对能源效率增长率的影响，以政府公共支出水平占本地区GDP的比重表示；dti,t测度对外开放程度对地区i能源效率增长率的影响，以各地区进出口总额占GDP的比重表示；lpdi,t测度人口密集度对能源效率增长率的影响，以人口密度的自然对数表示，其他变量的含义同上式。回归结果如表3所示。

表3　能源效率条件收敛的OLS估计

注：#p<0.15; *p<0.1; **p<0.05; ***p<0.01，括号内为稳健的标准误

加入控制变量后，我们发现β收敛速度加快，2001—2010年间达到了4.3%的水平，说明对外开放加剧了地区间能源效率差距的扩大。2001—2005年间，β收敛速度达到了9.1%，第二产业比重的系数显著为负，说明地区能源效率差距的扩大与各省工业化程度有关。值得注意的是，在控制其他变量之后，2006—2010年间各省能源效率呈现条件β收敛。由对外开放度的系数显著为正可知，在2006—2010年，由于区域间对外开放程度差距拉大，对缩小区域间能源效率的差距是不利的。总结来看，对外开放度有助于提高某区域的能源效率，整个“十五”、“十一五”计划期间，由于开放程度的差距拉大，各省之间的能源效率差距有扩大的趋势。

(三)能源效率收敛的空间计量研究

空间自相关又称空间依赖，是指经济主体的指标数据与相邻的经济体的活动有关。主要分为两类：被解释变量的空间自相关即cov(y,yj)≠0和误差项空间自相关即cov(vi,vj)≠0。其中，i,j分别表示不同区域。本研究主要讨论被解释变量的空间自相关。对空间自相关的处理，主要有两种思路，一是非参数法，即采用稳健的标准差，随机误差项的方差协方差矩阵在估计时引入核函数作为权重，获得空间一致估计量。二是参数法，在回归模型中引入空间权重矩阵，构建空间滞后模型(SpatialLagModel；SLM)或构建空间误差模型(SpatialErrorModel；SEM)来解决。以下，本文使用后一种方法，即通过引入空间权重矩阵来消除空间自相关。篇幅所限，在此仅进行σ收敛、绝对β收敛的空间计量研究。

1.σ收敛的实证研究

对σ收敛而言，将常数回归方程(3)引入空间滞后模型，变为：

(6)

其中，W为空间权重矩阵，其主对角线元素为零。本文中，采用Rook一阶空间权重矩阵，并对其进行“行”(row)标准化处理。空间计量模型可选用空间滞后SLM和空间误差SEM。经过空间依赖性检验，空间误差模型和空间滞后模型的拉格朗日乘数(LM)均显著，但稳健的LM检验结果表明，只有空间误差模型显著，因此空间误差模型适合σ收敛估计。经过对2001—2010年10期的截面空间误差回归，得到一系列回归标准误差sd_SEM，将其与普通最小二乘法即OLS回归得到的回归标准差sd_OLS绘制在同一图形中，见图6。由图6可知，空间计量回归和OLS回归的σ变化趋势相似：能源效率“十五”期间呈现收敛，而“十一五”期间呈现发散。但引入空间效应后，σ值变小，表明能源效率的趋同性增强，能源效率差距进一步缩小。

图6　OLS回归和空间误差回归的比较(能源效率)

2.绝对β收敛的空间计量分析

将空间效应引入到回归方程(4)中，得到：

(7)

表4　能源效率绝对收敛的空间计量回归

注：**p<0.05; ***p<0.01

从绝对β收敛的空间计量回归结果看，2001—2005年的“十五”规划期间，无论是空间滞后模型(SLM)还是空间误差模型(SEM)，β在1%的显著水平上显著为负，表明中国区域能源效率存在绝对β收敛。然而，在2006—2010年的“十一五”规划期间，中国区域能源效率不存在绝对β收敛。

经过空间诊断，条件β收敛并不适合以空间计量分析。为此，不再进行考察。

三、省际排放效率的收敛性分析

相对于能源效率收敛的分析，排放效率收敛的分析更加少见。为此，本研究对此予以深入分析。仿照上文，本研究同样借助于经济增长收敛的分析方法，分析30个省份排放效率的σ收敛和β收敛。

(一)省际排放效率的σ收敛

中国30个省份排放效率的基尼系数和变异系数见表5和图7。从中可以看出，2001—2010年10年间，中国排放效率敛散性变动大致可以分为两个阶段。第一阶段，2001—2004年全国30个省份排放效率差距趋于收敛；第二阶段，全国30个省份排放效率的差距开始扩大，这一时期处在2002—2010年。总之，全国各省份排放效率差距的变动大致以“十五”规划期末为界，大致分为收敛和扩散两个阶段。

表5　省际排放效率的基尼系数和变异系数

图7　30个省份排放效率基尼系数和变异系数

之后，将全国分为东中西三大区域，考察区域内排放效率差距的收敛性情况，见表6和图8。从中可以看到，东中西部三大区域内排放效率差距变动基本上和全国处于同一态势，大致也分为开始收敛(2001—2004年)，继而开始扩散(2005—2010年)两个阶段。至于具体收敛与否，还需要结合计量回归模型来判断。由于全国和三大区域内的排放效率差距变动区域基本一致，下文分析中，仅以全国为例分析排放效率差距的收敛性。

表6　省际排放效率的基尼系数和变异系数

图8　2001—2010年全国及东、中、西部排放效率的基尼系数

(二)排放效率收敛的传统计量研究

1.绝对β收敛

考察各省份排放效率差距的回归方程仍为公式(4)，只不过其中的yi,t为i地区t年的排放效率，其值由SBM模型计算得出。同样，本研究选取两个基础年份(t)：2001年和2006年，终点年份选取2005年和2010年。考察全国2001—2010年、2001—2005年即“十五”计划期间、2006—2010年即“十一五”计划期间的30个省份排放效率收敛情况。先给出以上三个时间段的图形分析：

图9　省际排放效率及其年均增长率散点图(2001—2010)

图10　省际排放效率及其年均增长率散点图(2001—2005)

图11　省际排放效率及其年均增长率散点图(2006—2010)

由以上三个时间段的拟合图形看，全国各省份排放效率在2001—2010年、2001—2005年其拟合线的斜率小于0，初步判断存在绝对β收敛。而2006—2010年各省份排放效率增长率和初始排放效率为正相关，初步判断不存在绝对β收敛。上述三个时段全国各省份排放效率是否收敛还须进行回归分析才能给出精准答案,因为还需要考虑回归系数β的显著性。为此，对上述三个时段进行回归，其结果，见表7。

由上表的回归结果看，虽然两个时间段2001—2010年、2001—2005年的β系数小于0，然而并不显著，因此不能认为存在绝对β收敛。而最后时间段2006—2010年的回归系数大于0，且不显著，当然也不存在绝对β收敛。

2.条件β收敛

在绝对β收敛的基础上，加入对收敛有影响的控制变量，如果此时回归系数β的估计值仍然显著小于0，此时即存在条件β收敛。根据数据

表7　排放效率绝对收敛的OLS回归

的可得性和可靠性，本文在能源效率绝对β收敛的模型中，加入各省工业化程度、政府干预度、对外开放度、人口密度指标等控制变量，来检验是否存在条件β收敛。回归公式如下：

(8)

(8)式中，各变量含义见前文。回归结果，见表8。

表8　排放效率条件收敛的OLS估计

注释：*p<0.1; **p<0.05; ***p<0.01，括号内为稳健的标准误

加入控制变量后，全国各省份在2001—2010年、2001—2005年排放效率差距存在条件β收敛。而2006—2010年全国各省份排放效率差距仍然不存在收敛。这表明，在2006—2010年的“十一五”期间，中国各省份在控制污染方面的效率差距进一步拉大。排放效率空间分布可能发生改变。为此，我们对排放效率差距是否存在收敛进行空间计量分析。

(三)排放效率收敛的空间计量研究

1.σ收敛的空间计量研究

对σ收敛而言，将常数回归方程引入空间滞后模型，变为：

通过空间诊断，本研究使用空间误差模型对上述回归方程进行回归，将其回归方程的标准误差记做Sd_SEM；将使用OLS回归得到的σ记做Sd_OLS。回归结果，见表9和图12。从中可以看出，加入空间变量后，在2001—2005年，Sd_SEM、Sd_OLS的变化趋势类似。而在2006—2010年间，Sd_OLS逐渐上升，表现出翘尾趋势；而Sd_SEM则出现下降趋势。意味着，加入空间变量后，原本传统模型中排放效率不收敛的2006—2010年，在空间模型回归中也可能出现收敛。

2.绝对β收敛的空间计量分析

经过空间诊断，只有2001—2010年这个时段的排放效率差距适合以空间计量分析，其余两个时间段2001—2005年、2006—2010年并不适宜采用空间计量分析。故仅对2001—2010年的排放效率差距是否收敛进行实证分析。

表9　OLS回归和空间回归结果的标准差(排放效率)

图12　OLS回归和空间误差回归的比较(排放效率)

期间βλConstantR-squaredLoglikelihoodAICSC是否绝对β收敛2001—2010-0.0343*1.0003*-4E-060.286752.8617-101.723-98.921是

注：*表示1%的显著性水平；采用SEM进行估计

通过加入空间效应，原本在传统OLS回归结果下不存在绝对收敛的全国排放效率差距已经收敛。说明由于共同因素(空间误差)的影响，全国各地2001—2010年间的排放效率有趋同趋势。

经过空间诊断，排放效率差距的条件β收敛并不适合以空间计量分析。为此，不再进行考察。

四、结论和政策启示

本文考察全国能源效率差距和排放效率差距的变动趋势。中国能源效率和排放效率水平的空间分布呈现与区域经济发展类似的情形，即两种差距均呈现东、中、西依次递减的格局。由于两种效率均可能存在空间自相关效应，故本文分别使用传统OLS回归和空间计量回归模型判断全国30个省份两种效率是否存在收敛即趋同趋势。经过实证检验，发现如下结果：

(一)能源效率方面

2001—2010年期间、2001—2005年期间基年能源效率的系数均显著小于0，存在β绝对收敛。说明在2001—2010年、2001—2005年各省能源效率差异呈缩小趋势，能源效率落后地区最终可以追赶上能源效率较高的地区。但需注意的是，2006—2010年间，β系数虽然为负，但并不显著，说明“十一五”计划期间各省能源效率不存在绝对β收敛。但加入控制变量后，我们发现上述三个时段均存在条件β收敛。

引入空间效应后，σ值变小，表明能源效率的趋同性增强，各省份能源效率差距进一步缩小。从绝对β收敛的空间计量回归结果看，2001—2005年的“十五”规划期间以及2001—2010年间，区域能源效率存在绝对β收敛。然而，在2006—2010年的“十一五”规划期间，各省份区域能源效率不存在绝对β收敛。经过空间诊断，三个时段均不适合以空间计量模型考察是否存在条件β收敛。

(二)排放效率方面

使用OLS回归分析发现，2001—2005年、2001—2010年的β系数小于0，然而并不显著，因此不能认为存在绝对β收敛。而2006—2010年的回归系数大于0，且不显著，当然也不存在绝对β收敛。加入控制变量后，本研究发现，全国各省份在2001—2010年、2002—2010年排放效率差距存在条件β收敛，而2006—2010年全国各省份排放效率差距仍然不存在条件收敛。

通过加入空间效应，研究发现：全国2001—2010年间，原本在传统OLS回归下不存在绝对收敛的全国排放效率差距已经收敛。说明由于共同因素(空间误差)的影响，全国各地的排放效率有趋同趋势。其余两个时段即2001—2005年、2006—2010年间的绝对β收敛不适用空间回归。三个时段即2001—2005年、2006—2010年、2001—2010年不适合以空间计量模型考察是否存在条件β收敛。

整体上看，加入空间因素后，全国30个省份在2001—2010年十年间的排放效率和能源效率存在绝对β收敛，即存在趋同趋势。这表明两种效率落后的地区，经过发展最终可以赶上两种效率较高的地区。

上述分析结果给我们一个重要的启示，在制定全国能源政策和环境政策时，必须考虑不同区域之间的溢出效应，做好政策的协调。

[1] 师博,张良悦.我国区域能源效率收敛性分析[J].当代财经,2008,(2):17-21.

[2]李国璋,霍宗杰.中国全要素能源效率、收敛性及其影响因素——基于1995—2006年省际面板数据的实证分析[J].经济评论,2009,(6):101-109.

[3]姜雁斌,朱桂平.能源使用的技术无效性及其收敛性分析[J].数量经济技术经济研究,2007,(10):108-119.

[4]杨红亮,史丹.能效研究方法和中国各地区能源效率的比较[J].经济理论与经济管理,2008,(3):12-20.

[5]屈小娥.中国省际全要素CO2排放效率差异及驱动因素——基于1995—2010年的实证研究[J].南开经济研究,2012,(3):128-141.

[6]高建刚.中国能源效率、环境绩效与政策优化研究[M].北京:经济科学出版社，2015.

[7]Miketa，A．，Mulder，P． Energy Productivity Across Developed and Developing Countries in 10 Manufacturing Sectors: Patterns of Growth and Convergence [J]．Energy Economics，2005,27(3): 429-453．

[8]Mulder，P．，Henri，L F．，Groot．De. Sectoral Energy- and Labor- Productivity Convergence [J]. Environmental& Resource Economics，2007,36(1): 85-112．

[9]Herrerias M.J.World Energy Intensity Convergence Revisited: A Weighted Distribution Dynamics Approach [J]. Energy Policy, 2012,(49):383-399.

[10]Liddle, B. Revisiting World Energy Intensity Convergence for Regional Differences [J]. 2010, 87(10): 3218-3225.

[责任编辑：邹学慧]

China Interprovincial Convergence Study of Energy Efficiency and Emission Efficiency

HOU Dan-dan

(School Economics of Liaocheng University,Liaocheng 252059,China)

This paper studies China’s energy efficiency of 30 provinces with the help of analytical method of economicgrowth convergence and spatial panel model. The result shows that the spatial framework of energy efficiency and emissionefficiency are decreasing from east to west. But during the ten years from 2001 to 2010, energy efficiency and emissionefficiency shows absolute βconvergence, that is to say, where the efficiency is low could catch up with the places where the efficiency is high. Therefore, the governmentshould consider the overflow effectand coordinate among provinces when making policies.

energy efficiency ,emission efficiency,σ convergence,β convergence

2015-11-20

侯丹丹(1993-)，女，山东济宁人，硕士研究生，主要从事金融理论与实践、创新与技术进步及产业经济研究。

市场经济论坛

F407.2

A

1671-7112(2016)03-0041-12