非期望产出下中国省域能源消耗产出空间网络模型及结构效应分析

陈星星，黄晓勇

（1.特华博士后科研工作站，北京 100029；2.中国社会科学院数量经济与技术经济研究所，北京 100732；3.中国社会科学院研究生院，北京 102488）

一、问题的提出

中国经济发展的同时带来了能源消耗水平的不断攀升，资源匮乏、环境污染和地区发展不均衡特征成为制约中国经济发展的重要因素。为了破解环境与资源的约束，中国政府一直在寻求协调区域经济、资源和环境平衡发展的方式。通信技术、交通技术、网络技术的发展，加上我国“一带一路”倡议的实施，使得中国区域空间发展已从“点-轴”模式演变为网络形态。在探讨中国能源消耗和节能减排问题时，已经不能孤立地从某个省份出发，而应该充分考虑能源供给、消耗和使用的区域联系。能源空间网络关联客观存在，如何识别区域间能源消耗产出的空间效应和结构效应，如何建立复杂精确的模型测算能源消耗产出的空间网络特性，如何分析空间网络的整体特征和省域个体特性，明确省域在能源消耗产出空间网络中的角色和地位，从而制定符合区域发展的能源战略和区域协调机制，是当今空间能源消耗研究中需要解决的问题。

目前，空间网络的研究主要集中在分析区域经济增长的空间关联和区域发展问题方面［1-3］。刘华军等基于2000—2013年中国省际地区发展与民生指数，运用社会网络分析方法揭示了中国区域发展的空间网络结构特征及其影响因素［4］。冯朝阳研究了环渤海地区区域经济空间网络关联结构，将环渤海地区分为“辽宁”和“京津冀鲁”两个子网络［5］。也有一些文献研究了产业的空间关联特征，如林春艳等测算了中国产业结构水平，运用社会网络分析法研究中国产业结构空间网络关联效应［6］。部分文献研究了碳排放的空间关联性，如孙亚男等利用社会网络分析方法（SNA）对中国省际碳排放的空间网络结构及其效应进行了实证考察，研究发现中国省际碳排放的空间关联关系呈网络结构形态［7］；杨桂元等基于中国省际碳排放的空间网络关联特征，测度了中国省域网络的地位和作用［8］。从已有研究文献看，大多基于截面数据构建能源空间网络关联结构，尚未有文献综合考虑二氧化碳排放等非期望产出对能源消耗的影响，从而会高估空间网络特征对能源消耗产出的影响，其结果是有偏的。

本文构建了能源消耗引力模型，将社会空间网络分析引入中国省域能源消耗的研究，探究中国省域能源消耗的空间关联特征和影响因素。通过测度中国省域能源消耗的度数中心度、接近中心度、中间中心度和特征向量中心度，分析各省份的能源消耗地位；借助空间聚类，讨论能源消耗板块间的属性特征和传导机制，为政府制定区域节能减排目标和协同发展机制提供参考。与已有研究相比，本文主要贡献如下：第一，根据网络等级、网络效率、网络关联度构建动态面板整体能源消耗网络特征，而目前部分文献仅考虑截面能源消费网络特征，在中心性分析和模块分析时并未整体考虑面板网络特征，如刘华军等［2］；第二，本文首次将非期望产出引入能源消耗的空间网络分析模型，能够在分析省域能源消耗时充分考虑非期望产出的影响，从而提高了模型的合理性和解释能力；第三，本文分省域研究了中国不同地区的能源消耗网络特征，在构建能源消耗引力模型时，在省会城市间的球面距离中加入了单位能源消耗产出系数，在考虑省域能源消耗的空间距离时不仅考虑了省域的空间地理位置，同时也考虑了省域的能源消耗和经济规模，因而能充分考虑各省份的资源禀赋和经济发展水平，从而更合理地反映能源消耗的空间网络关系。

二、模型构建及数据来源

社会网络分析方法（Social Network Analysis，简称SNA）是一种以关系数据为基本分析单位，运用图论等知识研究系统空间网络关系和结构的社会学研究方法，近年来其应用领域已从社会学逐渐向经济学和管理学拓展。

（一）能源消耗引力模型

引力模型（Gravity Model）最早源于万有引力定律，反映物体间质量和距离的关系。Tinbergen［9］提出了经济学领域的引力模型，其构建的贸易引力模型为其中，Xij为国家 i对国家 j的出口，Yi和Yj分别为国家i和国家j的国民收入GNP，Dij为两国家之间的距离，a、b为参数，K为常数。根据李平等［10］以及陈星星［11］的研究，将引力模型引入能源消耗的空间研究，揭示能源消耗产出的空间关联动态演变特征，构建非期望产出下中国省域能源消耗空间网络引力模型：

其中：Yij为省份i与省份j间的能源消耗空间网络关系；βij为省份i的能源消耗量在省份i和省份j能源分别表示省份i和省份j的总能耗；capi和capj分别表示省份i和省份j的实际资本存量；labi和labj分别表示省份i和省份j的就业人口；disij为省份i和省份j省会城市间的球面距离，用ArcGIS软件计算；λ为单位能源消耗产出系数GDP。

（二）指标选取与数据处理

选取1990—2014年中国省域能源消耗产出数据，投入指标采用实际资本存量（capital）、就业人口（labor）、总能耗（energy），期望产出指标为实际GDP／总能耗（egdp），非期望产出指标为二氧化碳排放量（carbon）。其中，实际资本存量以1990年为基期进行调整，单位为亿元；就业人口为年末从业人员数，单位为万人；总能耗单位为万吨标准煤；实际GDP／总能耗以1990年为基期进行调整，单位为亿元，实际GDP为各地区实际生产总值GDP。有关数据来源为1995—2014年《中国统计年鉴》和《中国能源统计年鉴》，部分缺失数据由地方统计年鉴补全。由于二氧化碳排放量不能直接获取，需要借助政府间气候变化专门委员会IPCC公布的碳排放系数和碳氧化因子估算，具体公式为

本文在构建能源消耗产出空间网络模型时首先对投入指标进行预处理，即运用四阶段数据包络分析法，根据非期望产出二氧化碳排放量的数值，获得投入指标的松弛变量，得到调整后的投入指标和非期望产出下的能源消耗产出空间网络模型。由于篇幅所限，本文不再列出投入指标的具体调整过程，如有兴趣请参考笔者的有关研究。本文所需有关变量的描述性统计如表1所示。

表1 变量描述性统计

三、实证分析

根据构建的能源消耗引力模型，参考Borgatti等［12］，本文考察了1990—2014年中国28个省份的能源消耗空间网络特征分布情况，分别从空间网络整体特征、网络中心性和聚类属性3个维度展开分析。需要说明的是，由于西藏数据大量缺失，海南省的数据结果异常，同时为了数据的一致性，将重庆并入四川，故本文最终选取1990—2014年中国28个省份的能源消耗数据，采用UCINET软件中的Netdraw模块，绘制中国能源消耗空间分布网络。

（一）空间网络整体特征

1.网络密度与关联关系数

从1990年到2014年中国能源消耗空间分布网络可以发现，中国能源消耗的空间关联性加强，网络密度逐年上升，网络关联数从204个上升到213个，网络密度由1990年的0.269 8上升到2014年的0.281 7。直观来看，1990年中国能源消耗空间分布网络中，网络密度较大的几个省份为浙江、福建、山西、江苏、广东，网络密度较小的几个省份为上海、黑龙江、河北、新疆、青海。2014年中国能源消耗空间分布网络中，网络密度较大的几个省份为北京、广东、山西、江苏、河南，网络密度较小的几个省份为黑龙江、吉林、辽宁、广西（图1）。在能源消费需求日益变化的25年中，广东、江苏和山西保持了较大的能源密度，而北京和上海的能源密度上升，反映了“西气东输”“西电东送”“西煤东运”带来的能源密度空间变化。

图1 2014年中国能源消耗空间分布网络

由于最大可能关系数等于关联关系数除以网络密度，对于2014年，中国能源消耗空间分布网络的最大可能关系数为756（＝213／0.281 7）。因此，尽管考察期内中国能源消耗空间分布网络密度呈逐年上升趋势，但是从数值上看，中国能源消耗空间网络紧密程度并不高，省际间能源消耗的空间联系还存在较大空间，这与刘华军等［2］的研究是一致的。

与刘华军等［2］的研究不同，本文在剔除非期望产出对能源消耗的影响后，得到的能源空间关联关系数呈现先上升后下降的倒U型趋势（图2）。总体来看，1990—2005年中国能源空间关联程度逐年上升，主要是由于国家加快实施“北煤南运”等国家级特大能源工程项目，加快了中国能源跨省域流动，促进了能源生产要素流动，调整了能源结构，增强了能源消耗的空间关联特征。2006年能源空间关联程度有所下降，这主要因为一方面能源工程形成的强大能源调度促使能源空间关联程度显著加强，导致能源紧缺的东部地区能源短缺情况得到缓解，但另一方面也由于长期以来中国环境保护政策的不完善导致这些区域出现大量的二氧化碳排放，环境污染程度加剧，能源消耗的绿色产出效率下降。随着能源网络密度的增大导致能源网络中出现连线冗余，能源流入地超出了当地的能源吸纳能力，能源流动的交易费用升高，能源网络超出了其承载能力，再加上能源的行政干预导致能源配置效率下降，空间关联程度降低。

2.网络关联性

1990—2014年中国能源消耗空间网络关联度均为1，说明中国省域能源消耗联系非常紧密，存在明显的空间关联和溢出效应。考虑非期望产出后，能源消耗网络等级度亦呈现倒U型趋势（表2），具体表现为在1990—1998年维持在0.35左右的水平，在1999—2003年有一个小幅下滑并逐渐反弹，而自2004年至今大致保持在0.4的水平。能源消耗网络等级度先降后升表明中国能源加强空间联系，能源空间壁垒被打破，省际空间能源关联程度加强。但能源空间关联关系在达到一定程度后，由于贸易成本和要素流动的限制，空间关联程度逐渐减弱。能源空间网络效率从1990年的0.661 0下降到2014年的0.595 4，说明中国空间能源网络稳定性得到提升，空间网络连线增加。最近上限的变化趋势与能源消耗网络等级度相反，同样反映了中国能源空间的关联程度先上升后下降。从综合网络关联性的4项指标可以看出，随着中国能源市场化进程的加快，能源要素市场流动加快，能源行政指令干预逐渐减弱，在一定程度上降低了能源交易成本，加快了能源消耗的省域间联系，促进了能源消耗网络的稳定性。

图2 1990—2014年中国能源消耗空间关联关系数和网络密度

表2 1990—2014年中国能源消耗空间网络密度、关联关系数及关联性指标

续表（表2）

（二）网络中心性

对2014年的能源消耗空间网络做中间中心度的可视化分析。处于网络中心的省份（如北京、江苏、山西、广东），是能源消耗的中心省份，比其他省份的能源消耗更多。研究发现，1990—2014年中国省域能源消耗空间网络中心度平均值在4种中心度下的排名差异不大，排名前几位的均为浙江、江苏、广东和福建，排名后几位的均为广西、黑龙江、辽宁和吉林。此外，从省域能源消耗空间网络中心度的分布来看，东部地区的中心度高于中部地区，中部地区高于西部地区。

从图3可以看出，1990—2014年中国能源消耗空间网络度数中心度和接近中心度逐年上升，中间中心度逐年下降，特征向量中心度基本不变，保持在25左右的水平。4项指标基本均从2000年起高于平均值。

图3 1990—2014年中国能源消耗空间网络中心度

1.度数中心度

1990—2014年中国能源消耗空间网络度数中心度的全国平均值为40.918 5，高于平均值的省份一共有10个，分别是浙江、广东、江苏、福建、山西、北京、山东、河南、甘肃、江西；低于平均值的省份一共有19个。高于中国能源消耗空间网络度数中心度平均值的省份具有较高的空间网络关联性，与其他省份的能源消耗关联度较高，处于能源消耗的空间网络中心，拥有绝对权力。其中，浙江的空间网络度数中心度高达74.666 6，说明浙江与其他省份的能源消耗空间网络关联特征明显，空间溢出效应显著。中国能源消耗空间网络度数中心度较高的省份大多集中在东部地区，说明东部地区对能源消耗空间溢出效应具有较大的影响力。处于能源消耗空间网络度数中心度后几位的省份分别为广西、黑龙江、辽宁、吉林、云南，这些省份涵盖了中国东北三省和部分西部地区省份，经济欠发达，交通便利程度较差，不利于能源要素的流动，造成能源成本的提升，从而能源消耗的空间网络关联程度和溢出效应较差。

进一步分析2014年中国省域能源消耗空间网络度数中心度的点入度和点出度，从整体来看，整个空间网络点入中心度为70.645%，整个空间网络点出中心度为28.395%，点出度和点入度的平均值均为8。点出度高于平均值的省份有（按从高到低排列）：新疆、甘肃、宁夏、青海、贵州、福建、广东、浙江、江西、湖北、四川、云南；点入度高于平均值的省份有（按从高到低排列）：北京、江苏、山西、河北、广东、河南、山东、天津、安徽、江西。可以看出，点入度高于全国平均值的省份其值也远高于点出度，这些地区大多数为经济较发达地区，能源消耗水平高，而能源供给量相对不足，能源依存度较高且需要其他省份的能源溢出。

2.接近中心度

1990—2014年中国能源消耗空间网络接近中心度均值为63.325 9，东部地区高于中西部地区，中西部地区基本相同。分时段来看，省域接近中心度逐年上升，从1990—1994年的61.482 9上升至2010—2014年的64.147 5。分区域来看，东部地区2010—2014年能源消耗空间网络接近中心度较高的省份为北京、江苏、浙江、广东，中部地区接近中心度较高的为河南、安徽、江西、湖南，西部地区接近中心度较高的为新疆、贵州、四川、陕西。接近中心度反映了某省份与其他省份之间的接近程度，省份的接近中心度越高，与其他省份在能源要素流动上越容易，越可能处在能源消耗的空间网络中心位置上。处于接近中心度较高的省份大多在该区域属于经济发达、人口密集、能源消耗较为集中的省份，这些省份是与其他省份在能源消耗中链接的关键省份，在网络中存在多条路径，与自身和其他省份在能源消耗水平上较为接近。

2014年中国省域能源消耗空间网络接近中心度均值为65.159 9，高于平均值的省份有（按从高到低排序）：北京、江苏、山西和河北。较高的接近中心度说明这些省份在能源消耗空间网络中与其他省份更快地建立了联系，能源流动性更强。此外，这些省份的接近中心度点出度远高于点入度，能源获取效率更高，在能源网络中扮演净受益的角色，是能源消耗的行动者。接近中心度较低的省份有新疆、黑龙江、宁夏、吉林、青海，这些省份表现出在能源消耗和使用中容易受到其他省份的影响。

3.中间中心度

1990—2014年中国能源消耗空间网络中间中心度均值为2.208 2，东部地区远高于中部和西部地区。分时段来看，1990—2014年中国能源消耗空间网络中间中心度逐年下降，从1990年的2.431 8下降到2014年的2.136 8。分省域来看，2010—2014年中间中心度均值为2.226 3，东部地区中间中心度高于地区平均值的省份为北京、江苏、广东、浙江，中部地区中间中心度高于地区平均值的省份为山西、江西、河南、安徽，西部地区中间中心度高于地区平均值的省份为贵州、新疆、四川、陕西、宁夏。中间中心度测度了某省份对能源资源的控制程度，中间中心度较高的省份处于其他省域能源消耗的捷径上。

根据Freeman中心度测算结果，2014年中国省域能源消耗空间网络非标准化中间中心度为2 347.738，整个网络的标准化中心势（Network Centralization Index）为0.123 9，网络中心化指数为12.39%，中间中心度反映了整个网络向某个点集中的趋势。2014年中国省域能源消耗空间网络Freeman中间中心度平均值为36.607，高于该平均值的省份有江苏、湖北、江西、浙江、甘肃、广东、辽宁、贵州、河南、山西、安徽，这些省份在控制其他省份能源消耗、能源流通和能源要素交流方面的能力较强。其中，江苏的能源消耗空间网络Freeman中间中心度高达120.455，远高于其他省份，而青海和新疆两个省份的中间中心度接近于0，能源消耗空间网络中间中心度分布不均衡现象显著。此外，高于全国能源消耗空间网络Freeman中间中心度平均值的11个省份的中间中心度之和占全国中间中心度总和的82.41%，中间中心度主要集中在能源资源较为丰富的省份。

4.特征向量中心度

1990—2014年中国能源消耗空间网络特征向量中心度均值为25.427 2。东、中、西部地区特征向量中心度差异不明显，东部地区略高于中部和西部地区。分时段来看，1990—2014年中国能源消耗空间网络特征向量中心度逐年上升，从1990年的25.180 8上升到2014年的25.365 4。分省域来看，2010—2014年特征向量中心度均值为25.563 1，东部地区特征向量中心度高于地区平均值的省份为北京、江苏、浙江、广东、河北、福建，中部地区特征向量中心度高于地区平均值的省份为山西、河南、安徽、江西，西部地区特征向量中心度高于地区平均值的省份为新疆、四川、青海、陕西、甘肃、贵州。可以看出，绝大多数省份的特征向量中心度高于平均值。

2014年中国省域能源消耗空间整个网络的特征向量中心度为27.26%，点度特征向量中心度平均值为25.365，高于平均值的省份有北京、江苏、山西、河北、广东、新疆、河南、四川、浙江、安徽、湖南、福建、江西、甘肃、湖北，特征向量中心度的分布较为均等，特征向量最大值的北京（28.749 0）是特征向量最小值的吉林（7.587 0）的4倍。

（三）块模型分析

根据Concor（Convergent correlation）方法做迭代收敛分析，研究网络凝聚子群，选择最大分割度为3、集中标准为0.2，将28个省份划分为8个板块（表3）。

表3 2014年中国能源消耗网络凝聚子群

2014年中国能源消耗网络空间中存在213个关联关系，其中板块内部间的关联关系有14个，板块间关联关系有199个，说明板块间能源消耗存在明显的空间关联和空间溢出效应。2014年板块1的接收关系数有64个，属于板块内部的有10个，接收其他板块溢出的关系有54个，板块溢出关系有18个，期望内部关系比例为14.29%，实际内部关系比例为55.56%，板块1属于净受益板块。同理，可以分析其他7个板块的属性类别（表3、表4），并将其分为净受益板块、经纪人板块、双向溢出板块、净溢出板块4个类别。其中，净受益板块位处东部沿海、京津冀、长三角、珠三角等经济较发达地区，涵盖了中国大部分大型城市和特大城市，能源消耗量大，主要接受能源储备丰富地区的能源资源溢出；经纪人板块接收和溢出关系均来自板块外，主要包括中西部内陆省份和东北地区省份，既接收来自其他能源丰富板块的能源溢出，同时也对其他板块提供能源供给，在能源空间网络中扮演中介和桥梁的作用；双向溢出板块包括贵州和云南两个省份，该板块既包括板块内的接收和溢出，也包括板块外的接收和溢出，但接收和溢出关系均主要来自于板块外；净溢出板块包含甘肃、青海、宁夏、新疆4个省份，它们均为经济欠发达、人口较为稀少、能源资源较为富足的西部地区，也是中国“西气东输”“西煤东运”“西电东送”的主要来源地，这些地区除了能源能够自给外，同时还向其他板块输送大量的能源资源。

表4 2014年中国能源消耗网络空间关联板块及关系

2014年中国能源消耗整体空间网络密度为0.281 7，若有板块密度大于整体空间网络密度的板块，则能源消耗更集中在该板块，因此将板块密度大于整体空间网络密度的板块取值为1，板块密度小于整体空间网络密度的板块取值为0，根据密度矩阵构造像矩阵如表5所示。

表5 2014年中国能源消耗网络密度矩阵

续表（表5）

根据表5构造的中国能源空间网络像矩阵可以进一步绘制2014年中国能源消耗八大板块间网络溢出效应图（图4）。从图4可以清晰看出，净受益板块1、板块3、板块4和板块5经济较为发达，能源供给紧张，能源消耗量大，主要依赖其他省份能源输入；经纪人板块2、板块6以及双向溢出板块7，既有能源的输入，又有能源的溢出，能源交易频繁，联动效应明显；净溢出板块8中蕴含丰富的石油、天然气和煤炭资源，是全国能源供应的“发动机”。

图4 2014年中国能源消耗八大板块间网络溢出效应

四、中国省域能源消耗空间网络结构效应分析

前文构建了中国能源消耗空间网络模型，给出了中国能源消耗的空间网络结构，下面进一步分析非期望产出下中国省域能源消耗空间网络结构的效应，即能源消耗空间网络的属性对能源消耗的影响。

（一）整体空间网络结构效应分析

分别以全国单位能耗GDP均值（egdpj）和省际单位能耗GDP标准差（egdpb）为被解释变量，网络密度（wlmd）、网络等级度（wldj）、网络效率（wlxl）、最近上限（zjsx）为解释变量，构建逐步最小二乘法回归模型，结果如表6所示。研究表明，模型（5）和模型（10）的拟合效果良好，回归系数均通过显著性检验，模型P值均为0.000 0。

表6 整体空间网络结构效应分析

从模型（5）可以看出，网络密度、网络等级度、网络效率、最近上限均对全国单位能源消耗GDP影响显著，说明能源空间网络结构对能源消耗有显著影响。其中，网络密度和网络效率对单位能源消耗GDP有显著负向影响，网络等级度和最近上限对单位能源消耗有显著正向影响。①网络密度对单位能源消耗GDP影响显著为负，说明网络密度越大，整体网络越集中，就会增加单位能源消耗的产出的空间差异，因此过多的能源政策造成人为能源省际间联系加强，以及过多的能源空间网络关联实际上不利于单位能耗产出，中国能源特大型项目的空间调配加强了区域能源空间集中度，但在实际能源效率上并未达到最优。②网络等级度和最近上限对单位能耗GDP影响显著为正，说明网络等级度越高最近上限越大，适度增加网络等级结构能够提高单位能耗产出，即增加能源消耗从属省份，加强对从属省份能源消耗的行政指导，可以减少能源消耗的无效行为，促进能源效率的提高。③ 网络效率对单位能耗GDP影响显著为负，说明网络效率越低，能源消耗空间网络中的连线越多，单位能耗产出越高。这表明，适度增加能源消耗网络中的空间连线，加强能源消耗区域间资源、人才和技术的流通，缩小能源区域差异，降低区域能源流通成本，可以有效提升能源效率，加强能源消耗空间网络的稳定性。

此外，模型（10）的结果表明，网络密度、网络等级度、网络效率（wlxl）、最近上限4项能源消耗空间网络属性对省际能源消耗产出的标准差产生显著影响。省际单位能耗GDP标准差反映了单位能源消耗GDP的省际差异，体现了能源消耗的空间公平性，这种差异越小，空间公平性就越高。网络密度和网络效率越大、网络等级度和最近上限越低，能源消耗的空间差异越小，能源空间公平性越高。这说明空间公平性和能源效率、能源空间网络稳定性是彼此制衡的结合。当加强了能源的空间网络密度、提升了能源空间网络效率、增加能源区域网络集中度时，一方面会降低单位能源消耗产出，不利于能源效率的实现，另一方面却能够缩小能源消耗区域间空间差异，提升能源空间公平程度。当提升能源空间网络等级度、增加能源网络最近上限时，虽然能够提升单位能耗产出，促进能耗效率的提高，但是却以损失能源空间网络公平性为代价，不利于能源空间网络一体化的形成。

因此，在制定能源政策时，应当综合考虑能源空间网络效率、单位能源消耗产出、能源空间公平性以及能源空间网络的稳定性，制定适合中国能源发展的区域能源政策。

（二）个体空间网络结构效应分析

以1990—2014年各省份单位能耗GDP为被解释变量，度数中心度、接近中心度、中间中心度、特征向量中心度为解释变量，对所有变量取对数后，分别做面板数据回归分析（表7）。结果表明，除模型（4）需要选择随机效应模型外，其他模型均支持固定效应模型。从模型的拟合效果来看，模型（5）选择固定效应模型的拟合效果较好，根据回归结果，度数中心度和接近中心度对单位能耗GDP均产生显著正向影响，中间中心度和特征向量中心度对单位能耗GDP均产生显著负向影响。因此，提高能源消耗空间网络的度数中心度和接近中心度，降低中间中心度和特征向量中心度能够促进单位能耗GDP的提升。

表7 基于面板数据的个体空间网络结构效应分析

进一步地，度数中心度每提高一个百分点，单位能耗GDP提高4.679 9个百分点。由于最大可能关联数恒定，因此其值越大，直接关联数越多，省域间能源消耗联系越紧密。省域空间能耗联系越紧密，消耗单位能源得到的产出值越大，说明能源网络的经济效率越高。因此对于度数中心度较低的省份，如广西、黑龙江、辽宁、吉林、云南，应当注意加强与其他能源消耗产出较大的省份之间的联系，促进区域能源使用一体化，提高能源分配效率和使用效率。

接近中心度每提高一个百分点，单位能耗GDP提高0.789 0个百分点。接近中心度反映了能源空间网络中省份不受其他省份对能源消耗的影响程度，接近中心度越高的省份越不容易受到其他省份的影响。因此，省份的接近中心度越高，在单位能耗下获得的能耗产出越多。对于接近中心度较低的省份如新疆、黑龙江、宁夏、吉林、青海，应当注意提升该地区的接近中心度，缩短省域与周边省域能源资源调配的捷径距离，提升省域能源风险抵御能力。

中间中心度每提高一个百分点，单位能耗GDP降低0.299 7个百分点；特征向量中心度每提高一个百分点，单位能耗GDP降低4.451 9个百分点。中间中心度和特征向量中心度反映了一个省份影响其他省份能源消耗的能力，处于中间中心度较高的省份比其他省份在能源资源中拥有更多的控制能力。省域的中间中心度和特征向量中心度越高，单位能耗产出越低，因此应该降低中间中心度和特征向量中心度较高省份的中心度数值，如江苏、湖北、江西、浙江、甘肃、广东，提高单位能源产出效率。

五、结论及建议

本文首次将非期望产出引入能源消耗的空间网络分析模型，通过构建中国省域能源消耗空间网络模型，研究了1990—2014年中国能源消耗空间网络密度和空间关联特征。主要结论如下：

（1）1990—2014年中国能源消耗的空间关联性加强，网络密度逐年上升，中国能源消耗空间网络紧密程度并不高，省际间能源消耗的空间联系还存在较大空间，在剔除非期望产出对能源消耗的影响后，得到的能源空间关联关系数呈现先上升后下降的倒U型趋势。2014年中国能源消耗空间分布网络中，网络密度较大的几个省份为北京、广东、山西、江苏；网络密度较小的几个省份为黑龙江、吉林、辽宁、广西。

（2）1990—2014年中国省域能源消耗联系非常紧密，存在明显的空间关联和溢出效应。考虑非期望产出后，能源消耗网络等级度亦呈现倒U型趋势。能源消耗网络等级度先降后升表明中国能源加强空间联系，能源空间壁垒被打破，省际空间能源关联程度加强。中国空间能源网络稳定性得到提升，空间网络连线增加，能源空间的关联程度先上升后下降。

（3）处于网络中心的省份（如北京、江苏、山西、广东），是能源消耗的中心省份，比其他省份的能源消耗更多。1990—2014年中国省域能源消耗空间网络中心度平均值在4种中心度下的排名差异不大，排名前几位的均为浙江、江苏、广东和福建，排名后几位的均为广西、黑龙江、辽宁和吉林。从省域能源消耗空间网络中心度的分布来看，东部地区的中心度高于中部地区，中部地区高于西部地区。1990—2014年中国能源消耗空间网络度数中心度和接近中心度逐年上升，中间中心度逐年下降，特征向量中心度基本不变。

（4）做迭代收敛分析，可将28个省份分为净受益板块、经纪人板块、双向溢出板块、净溢出板块4个类别。其中，净受益板块处于东部沿海、京津冀、长三角、珠三角等经济较发达地区，涵盖了中国大部分大型城市和特大型城市，能源消耗量大，主要接受能源储备丰富地区的能源资源溢出；经纪人板块接收和溢出关系均来自板块外，主要包括中西部内陆省份和东北地区省份，在能源空间网络扮演中介和桥梁的作用；双向溢出板块既包括板块内的接收和溢出，也包括板块外的接收和溢出，但接收和溢出关系均主要来自于板块外；净溢出板块均为经济欠发达、人口较为稀少、能源资源较为富足的西部地区，也是中国“西气东输”“西煤东运”“西电东送”的主要来源地，这些地区除了能够使当地能源自给，还可以向其他板块输送大量的能源资源。

（5）网络密度、网络等级度、网络效率、最近上限均对全国单位能源消耗GDP影响显著，说明能源空间网络结构对能源消耗有显著影响。其中，网络密度和网络效率对单位能源消耗GDP有显著负向影响，网络等级度和最近上限对单位能源消耗有显著正向影响。提高能源消耗空间网络的度数中心度和接近中心度，降低中间中心度和特征向量中心度能够促进单位能耗GDP的提升。

综上所述，本文提出如下政策建议：（1）充分考虑能源消耗空间网络结构关系，综合属性目标和关系目标制定整体节能减排目标。如果仅考虑总能耗这一属性目标，1990—2014年从高到低依次为：山东（17 796万吨标准煤）、河北（15 033万吨标准煤）、广东（13 725万吨标准煤）、江苏（13 440万吨标准煤）、辽宁（12 740万吨标准煤），均位于东部地区，经济发展水平高、人力资本丰富、能源消耗量大，因此需要重点关注这些省份的能源发展和节能减排情况。然而，如果综合能源消耗空间网络的密度和中心度这些关系目标，网络密度排名前5位的为北京、广东、山西、江苏、河南；度数中心度排名前5位的为浙江、广东、江苏、福建、山西；接近中心度排名前5位的为北京、江苏、山西、河北、河南，则应该重点考虑这些区域的节能减排任务，由点及面，由局部向整体，逐步构建中国能源节能减排空间网络结构联动体系。（2）根据能源消耗产出空间网络结构特征，制定差异化省域能源政策，构建能源供给和消费的跨区域协调机制。根据本文构建的能源消耗产出空间网络的八大板块和4项分类，充分发挥经纪人板块和双向溢出板块的中介桥梁作用和联动效应，提高区域能源使用效率，引进先进能源技术人才，提高能源管理水平，为能源输入地和输出地的能源要素流通提供便利，具体包括安徽、河南、四川、湖北、陕西、辽宁、黑龙江、贵州、云南9个省份；根据净受益板块的特点，加强总能耗较高省域的能源供给，提高能源的使用效率，充分发挥区域技术和管理优势，优化能源结构，大力发展新能源和清洁能源，具体包括京津冀地区、长三角、珠三角地区等北京、上海、广东、天津、山东、山西、江苏、福建、江西、浙江、湖南、吉林、广西、河北、内蒙古15个省份；利用净溢出板块中石油、天然气、煤炭等的能源资源，最大程度地保障能源短缺地区的供给，加大能源开采力度，强化区域能源的生产和调配能力，发展循环经济，具体而言包括甘肃、青海、宁夏、新疆4个省份。（3）实时监测能源空间网络密度，提高能源消耗产出空间公平性，平衡能源空间网络稳定性和能源空间网络效率之间的关系。当加强能源空间网络密度、提升能源空间网络效率时，可以增加能源区域网络集中度，这一方面会降低单位能源消耗产出，不利于能源效率的实现，另一方面却能够缩小能源消耗区域间空间差异，提升能源空间公平程度。当提升能源空间网络等级度、增加能源网络最近上限时，虽然能够提升单位能耗产出，促进能耗效率的提高，但是却以损失能源空间网络公平性为代价，不利于能源空间网络一体化的形成。在制定能源政策时，需要综合考虑能源空间公平性、能源空间网络的稳定性以及能源空间网络效率，制定适合中国能源发展的区域能源政策。应当实时监测能源空间网络密度，构建适宜的能源空间网络关联数量，适当提升能源空间网络等级度，缩小能源区域空间差异，加快能源要素市场流动速度，减少能源行政指令干预，协调政府与市场的关系，提升能源空间公平性。