京津冀产业转移对能源消费影响的实证研究

吴淇心

摘 要：伴随京津冀协同发展战略的推进，地区产业转移趋势愈加明显。选取2005-2015年间京津冀地区经济发展与能源消费相关数据，研究了产业转移对京津冀地区能源消费的影响。结果表明：1）结构效应和强度效应共同作用有效降低了三地能源消费总效应，产业结构调整对各地降低能源消费贡献显著；2）京津冀协同发展使高能耗产业转移显著且向津冀聚集，加速了京津冀产业结构调整和优化；3）高能耗产业转移对能源消费影响显著，且对各地能源消费的影响具有异质性。

关键词：京津冀地区；产业转移；能源消费

2017年，国家推动京津冀协同发展战略的重大决策部署的一项重要举措是建设“雄安新区”，同年12月颁布《加强京津冀产业转移承接重点平台建设的意见》，确定北京城市副中心和河北雄安新区两个集中承接地，表明京津冀统筹产业转移承接进入实质性阶段，将京津冀协同发展推向一个新的高度。京津冀产业转移引致产业结构的重组和优化[1]，而不同的产业对能源的依赖又存在着显著差别，因此产业转移的推进在一定程度上决定了能源消费格局的转变。但随着京津冀协同发展战略的实施，京津冀区域内产业转移也带来一系列的负面效益，承接地能源资源过度消耗和环境污染加剧等问题也逐渐暴露出来，特别是河北地区为高污染、高排放的一般性产业的主要承接地，不仅增加本省能源消耗，而且导致碳排放增加，不利于实现节能减排目标。

现有关于产业转移对能源消费的研究，大部分学者以产业结构为中间解释变量[2]，产业转移引致地区产业结构变化，进而研究产业结构对地区能源消费的影响，这并不能直观说明产业转移对能源消费的影响。因此，本文通过构建高能耗产业转移与能源消费的虚拟变量回归模型，实证分析京津冀地区高能耗重点产业转移对能源消费的影响。这将有利于京津冀制定科学合理的资源节约型及环境友好型的产业转移策略，同时对京津冀区域综合治理环境污染和提高产业能效等问题具有重要的参考价值。

一、方法及模型

（一）能源消费因素分析模型

研究能源消费影响因素最常用的方法主要包括指数分解法（IDA）和结构分解法（SDA）两类。指数分析法包括拉氏（Laspeyres）指数分解法和迪氏（Divisia）指数分解法，且这两种方法均通过了因子逆转检验、时间逆转检验和零值稳健性检验，其中迪氏指数分解法（LMDI）系统全面地考虑了分解效果、数据来源和结果可的解释性，具有较强的适用性[3]。因此，本文将运用迪氏指数分解法（LMDI）对2005～2015年京津冀地区能源消费的影响因素进行研究。

LMDI模型将影响能源消费增长的因素分解为生产效应、结构效应和强度效应三部分。生产效应是指经济增长对能源消费增长的贡献，结构效应是指产业结构调整对能源消费增长的贡献，强度效应是指能源效率提高对能源消费降低的贡献。假定京津冀各地区的能源消费量 是由多个产业的能源消费构成，如式（1），各参数变量定义如表1所示。

（1）

利用LMDI模型对能源消费因素进行分解，可以采用“加法分解”和“乘法分解”两种方法，如式（2），（3），具体解释如表2所示。

（2）

（3）

（二）产业转移测度

有学者研究认为可利用区位基尼系数（G指数）、区位商（LQ值）和产业动态转移系数对产业集聚和转移进行测度，孙值华（2016）[4]认为利用产业动态转移系数对各地区的产业分工和转移进行分行业分析，能更直观表现区域各行业和部门分工和转移特征。因此，本文采用产业动态转移系数对京津冀地区高能耗产业转移和集聚趋势进行计量分析。

产业动态转移系数（又称产业动态集聚指数，如式（4），各参数含义及计算公式如表3）反映在测算期内所研究对象（即某一产业）向该地区或区域的集聚现象，其大小可体现所研究的产业在地区和区域间转移的方向和速度。该系数产业动态转移系数由所研究产业增长速度与计算期内区域（京津冀地区）产业平均增长速度比较得出，若系数大于1，则表明该产业在该地区为转入趋势，且数值越大转入速度越快；反之为转出状态，数值越小转出速度越快，说明产业在该地区呈现萎缩趋势。

（4）

（三）虚拟变量回归模型

京津冀地区能源消费主要集中在第二产业[5]，高能耗产业主要集中在加工業和制造业等产业，这些产业也是京津冀协同发展过程中转移的主要产业。因此，构建京津冀地区前十大高能耗产业转移与能源消费虚拟变量回归模型，分析其转移对京津冀地区能源消费的影响，具有一定代表性。首先基于LMDI模型建立类似Kaya恒等式模型，如式（5）；再将等式左右两边取对数，得式（6），将能源强度 和产业结构 带入式（6）得式（7）；最后，对上述模型进行优化，将产业动态转移系数作为一个虚拟变量，构建虚拟变量回归模型[6][7]，如式（8）所示，其中 为虚拟变量，各参数变量含义如表4所示。

（5）

（6）

（7）

（8）

二、数据处理、结果及分析

选取2005-2015年京津冀三个地区的人口、经济、产业与能源相关数据进行实证研究。其中，人口指标为各地区每年人口总数，经济指标为各地区生产总值（Y）及各产业生产值（Ym），为剔除物价变化的影响，将该指标均调整为2005年的价格水平，产业结构（Sm）指第一、二、三产业产值在总产值中的占比，能源指标为各地区能源消费总量（E）、各产业的能源消费量（Sm）及产业能源强度（Im）。因能源消费主要集中在第二产业，因此本文主要采用第二产业的产业占比（S2）、能源消费量（E2）和能源强度（I2）。数据来源于《中国能源统计年鉴》、《中国统计年鉴》、《北京市统计年鉴》、《天津市统计年鉴》、《河北省统计年鉴》、《中国工业统计年鉴》等。运用EViews7等工具对数据进行处理。

（一）LMDI因素分解结果及分析

采用LMDI因素分解模型对京津冀地区进行能源消费因素测算，加法分解与乘法分解所得结论一致，结果如表5所示。京津冀地区影响能源消费的因素主要为产出效应、产业结构效应和能源强度效应，总体而言，三种因素影响对京津冀地区的能源消费影响方向相同，经济增长是能源消费增加的主要原因，产业结构对能源消费增加的贡献度可正可负，能源强度的提高是能源消费总量下降的主要原因。

但各个效应对京津冀各地区的能源消费影响程度存在显著差异。2006-2015年期间，京津冀各地区能源消费的影响因素分析如下：

（1）北京三大产业能源消费总量呈现明显下降趋势，2012年达到峰值5779万吨标煤，根据LMDI模型的分析，产出效应持续下降，说明经济增长对能源需求的依赖性明显下降；强度效应明显上升，能源效率的提高是能源消费总量下降的主要原因，使北京市能源消费在2013-2015年期间下降6.74%；结构效应虽较小，但近年来北京产业结构优化对降低能源消费的贡献作用凸显。

（2）天津三大产业能源消费总量逐年增加，但增加的速度明显放缓，2010年能源消费总量增加值为835.05万吨标煤，达到增长峰值，之后能源消费增加量呈现逐年递减趋势，根据LMDI模型的结果分析，天津的产出效应虽明显下降、能源强度显著提升，与北京的产业结构效应相比，其产业结构对能源消费增加抑制度依然很低，且能源强度具有较强的波动性。

（3）河北省的能源消费总量为京津冀地区之最，2013年达到峰值26783.26万吨标煤，之后能源消费下降趋势减缓。该地区近年来积极承接北京非首都功能产业并进行产业结构优化，处于由“二一三”向“二三一”转型阶段，经济增长主要由第二产业作为支持，由LMDI模型的分析，产出效应和强度效应是能源消费增长的主要贡献者，加法分解所得的平均能源强度效应低于北京和天津，仍为能源消费“大户”。

（二）产业动态转移系数

计算2005-2015年间京津冀地区十个高耗能产业的动态转移系数，如表6所示，结果表明这些产业在测算期内呈现显著的转移现象，具体如下。

（1）北京仅有电力、热力生产和供应业的产业动态转移系數为1.05，为移入趋势，其余行业均表现为移出趋势，其中石油加工、炼焦和核燃料加工业，黑色金属冶炼和压延加工业，纺织业，煤炭开采和洗选业的产业动态转移系数均为负值，这些产业转出明显，这与“疏解非首都功能”指导意见一致。

（2）天津产业动态转移系数大于1的部门有以下3个：石油加工、炼焦和核燃料加工业，有色金属冶炼和压延加工业，煤炭开采和洗选业。其他部门转移系数虽未大于1，但均正值（大于0），其中黑色金属冶炼和压延加工业的转移系数0.88，具有较显著的移入趋势。这些高耗能产业的移动现象，与天津经济技术开发区和滨海化工区建设有关。天津经济技术开发区重点发展高新技术产业和加工制造业，旨在推动高新技术成果转化，滨海化工区则重点发展石油化工、海洋化工、能源综合利用等循环经济产业链，建设国家级石化产业基地。

（3）河北作为北京产业转移的主要承接方，十个高能耗产业的产业动态转移系数均大于1，移入趋势明显，其中石油加工、炼焦和核燃料加工业为2.21，显著高于其他行业。这与河北省为京津冀地区原材料重化工基地、大众制造中心的产业功能定位一致。

近几年京津冀产业转移力度明显提高，这与京津冀协同发展相关政策指导密切相关。2017年12月，京津冀协同办颁布的《加强京津冀产业转移承接重点平台建设的意见》确立京津冀协同发展“2+4+46”平台，进一步加快产业转移步伐，引导钢铁深加工、石油化工等产业及上下游企业向津冀协同发展示范区聚集，将雄安新区打造创新高地和科技新城，结合北京非首都功能疏散和区域产业结构升级，发挥产业集聚优势，形成规模效应。

（三）虚拟变量回归模型结果

对时间序列进行回归分析时，为避免伪回归现象，首先，应检验主要变量（除虚拟变量以外的其他变量）的序列平稳性，一般采用ADF检验、DF2、PP检验等，本文采用最常用的ADF检验，通过EViews7处理，得出京津冀各地的主要变量均为非平稳且为2阶单整；然后，对变量之间协整关系进行检验。因模型中变量为同阶单整，变量之间可能存在协整关系，以ln（E/E2）作为被解释变量，其余为解释变量进行OLS估计，并对残差序列进行平稳性检验，若平稳则证明存在协整关系，结果如表7；最后，对虚拟变量回归模型进行回归，结果如表8所示。根据回归结果分析，京津冀地区十大高耗能产业转移显著影响该地区能源消费量的变化，如表9所示，高能耗产业转移对能源消费的影响具有异质性。

实证分析中，存在部分产业对某地区的影响不显著现象，分析认为是由于该产业在地区间的转移在测算时期前已完成或转移趋势不明显，因此将其剔除而并未包含在模型中，根据测算时期长度，选择五个影响显著的产业进行回归分析，结果表明这些产业转移对能源消费的影响均在5%以上是显著的，具体结果如下：

（1）北京：与能源消费呈负相关的产业为化学原料和化学制品制造业、煤炭开采和洗选业、橡胶和塑料制品业（X2、X7、X9），其中X2、X7以5%通过显著性检验、X9以10%通过显著性检验，说明这些产业转出而其他产业的移入会增加北京地区的能源消费。与能源消费呈正相关的产业为纺织业、金属制品业（X8、X10），且均以5%通过显著性检验，说明这两个产业的转出有助于降低北京地区的能源消费。

（2）天津：与能源消费呈正相关的产业为黑色金属冶炼和压延加工业、煤炭开采和洗选业、橡胶和塑料制品业（X1、X7、X9），其中X7、X9以5%通过显著性检验，而X1不显著，说明X7、X9产业的转出有助于降低天津地区的能源消费。与能源消费呈负相关的产业为非金属矿物制品业、有色金属冶炼和压延加工业（X3、X4），均以5%通过显著性检验，说明两个产业的转入可降低天津地区的能源消费。

（3）河北：与能源消费呈正相关的产业为化学原料和化学制品制造业、电力、热力生产和供应业、煤炭开采和洗选业、橡胶和塑料制品业（X2、X6、X7、X9），其中X2、X7、X9分别以10%、5%、10%通过显著性检验，X6不显著，说明这些产业的移入会增加河北地区的能源需求。与能源消费呈负相关的产业为纺织业（X8），以5%通过显著性检验，说明该产业转入会降低河北省的能源消费。

此外，对能源消费影响的主变量（能源强度、产业结构、人均GDP和人口）的回归结果均较为显著。产业结构与能源消费呈正相关，且各地区均以5%通过显著性检验，同时第二产业的能源强度与能源消费呈正相关，京津冀的显著性检验分别为5%、10%、5%，说明优化产业结构、降低第二产业能源强度能有效降低能源消费需求。人均GDP与京冀的能源消费呈正相关，均通过5%显著性检验，而人均收入与天津呈负相关，但未通过显著性检验，说明京冀地区人均收入增加会提高该地区的能源消费。人口与京津冀能源消费均呈正相关，京津地区均通过1%显著性检验，而河北并未通过检验，说明人口增加会增加京津地区的能源消费。

三、结论和政策建议

本文通过对2005-2015年京津冀经济发展与能源相关数据分析，总结了京津冀地区能源消费和十个高能耗产业转移的基本特征，并通过虚拟变量回归模型的计量分析，发现了高能耗产业转移与能源消费密切相关，并得出以下结论：

（1）产业结构调整对能源消费影响显著。通过LMDI因素分解模型，将京津冀地区影响能源消费的因素分为产出效应、产业结构效应和能源强度效应。结果表明结构效应和强度效应共同作用有效降低了三地能源消费总效应，产业结构调整对各地降低能源消费贡献显著，特别是河北，能源强度反弹时，结构效应有增强有效抑制能源消费的增长。

（2）京津冀高能耗产业转移显著且向津冀聚集，高能耗产业转移推动京津冀产业结构调整。在京津冀协同发展过程中，区域产业分工呈现出明显的梯度化特征，三地差异化的分工格局正在形成，北京为“三二一”，已经开始加快移出资本密集型产业的步伐，仅保留部分高端制造业；天津由“二三一”向“三二一”转型，表现为资本密集型行业和技术密集型行业并举的特征；河北由“二一三”向“二三一”转型，以其资源禀赋优势承接大量劳动密集型产业和资本密集型产业，同时发展部分技术密集型行业。

（3）高耗能产业转移对承接地能源消费的影响显著，且呈现出异质性。虽然第二产业的比重与能源消费均呈显著正相关。但是高耗能产业转移的动态变化对京津冀三地能源消费的变化具有差异性。如纺织业的移入会加大北京地区的能源消费，却会降低河北的能源消费。河北作为区域内的主要承接地，能耗高、污染重的产业大多表现为转入状态，高能耗产业的移入使能源消费总量增加，将加剧生态环境的治理压力。

综合上述结论，为促进京津冀协同发展，加快推进京津冀现代化制造业、服务业和现代农业承接平台建设，优化产业能源消费结构，降低能源消费总量，对京津冀地区产业转移及能源消费提出以下建议：

（1）北京为有效降低能耗及能源强度，对不同产业可指定差异化的转移策略：首先移出低端高能耗产业，如纺织业和金属制品业等，保障本地区经济发展；随京津冀一体化协同发展进程推进，依次移出技术成熟的高能耗产业，如化学原料和化学制品制造业等，将有利于降低本地能源消费，有效减少环境污染。

（2）津冀在产业承接过程中，应兼顾产业结构优化和高能耗产业对能源依赖度的降低，发展现代服务业、优化第二产业内部结构，加快淘汰高能耗、高污染、低效率的落后产业，结合技术改造和管理创新实现节能减排。河北作为主要承接地，应充分挖掘资源禀赋优势，抓住承接高新技术产业的契机，提高能耗较高产业技术水平，加快推进产业结构优化和改造升级同时降低能耗，实现产业规模效应，拉动本地区经济发展。

（3）加速推进京津冀协同发展，发展循环经济，提高能效水平。加快建设首都“一小时交通圈”，使津冀区域内资源充分流动，产业转移有效降低地区能源消耗，且通过大力发展循环經济和循环技术，使能源得到充分利用，进一步提高能效水平，减少能源投入量，降低能源消费总量。

参考文献：

[1]孙久文，姚鹏. 京津冀产业空间转移、地区专业化与协同发展——基于新经济地理学的分析框架[J]. 南开学报（哲学社会科学版），2015，（01）：81-89.

[2]陈首丽，马立平.产业结构变动对我国能源消费的影响——基于因素分解的统计分析[J].中国统计，2009（11）：52-53.

[3]Ang B W， Zhang F Q. A survey of index decomposition analysis in energy and environmental studies[J]. Energy， 2000， 25（12）：1149-1176.

[4]孙植华. 产业集聚视角下中部六省承接产业转移研究[J]. 对外经贸， 2016（11）：56-61.

[5]王仲瑀.京津冀地区能源消费、碳排放与经济增长关系实证研究[J].工业技术经济，2017，36（01）：82-92.

[6]刘明. 虚拟变量回归模型的应用：方差分析及异常值检验[J]. 统计与决策， 2014（16）：10-14.

[7]王班班，杨光星，齐绍洲.中国高耗能产业的区域转移及其对区域能源强度的影响[J].发展经济学研究，2013（00）：258-269.

[8]Mcihiel de Nooij，Rene van der Kruk，Daan P. van Soest. International comparisons of domestic energy consumption[J]. Energy Economics，2003，23（25）：359-373.

[9]Nicolas Mairet，Fabrice Decellas. Determinants of energy demand in French service sector： A decomposition analysis[J]. Energy Policy，2009，35（37）2734-2744.

[10]王建峰， 卢燕. 京津冀区域产业转移综合效应实证研究[J]. 河北经贸大学学报， 2013， 34（1）：81-84.

[11]李雪慧. 区域产业转移对我国能源消费的影响[J]. 当代财经，2016，（11）：3-13.

[12]张贵，王树强，刘沙，贾尚键. 基于产业对接与转移的京津冀协同发展研究[J]. 经济与管理，2014，28（04）：14-20.

[13]张杰斐，席强敏，孙铁山，李国平.京津冀区域制造业分工与转移[J].人文地理，2016，31（04）：95-101+160.

[14]史丹.结构变动是影响我国能源消费的主要因素[J].中国工业经济，1999（11）：38-43.

[15]韩伯棠，郑展，张向东.产业发展态势比较与做强主导产业策略研究——以京津冀圈内河北省为例[J].工业技术经济，2009，28（04）：46-51.

[16]刘红光，王云平，季璐.中国区域间产业转移特征、机理与模式研究[J].经济地理，2014，34（01）：102-107.