能源消费异质及其产业结构调整对策研究

俞金林

摘要：随着经济增长，能源消费异质的影响逐步显现，文章在总结能源消费异质的相关研究成果基础上，提出相应产业结构调整的政策建议。

关键词：产业结构；能源消费异质；政策建议

在全球发展低碳经济的背景下，中国面临的资源环境约束日益趋紧，为了缓解能源消费带来的环境压力，中国制定了更严格的节能目标，其中淘汰落后产业，减少落后产能是节能的重要手段。但由于各省经济社会发展水平不一致、区位不同和资源不均衡，不同省域的能源消费存在异质性。

一、 研究综述

Yang.ect（2015）调研了住宅电力零售市场中电力产品的消费偏好异质性，发现消费者愿意为提升新能源发电所占份额而付出额外的代价。Fan.ect（2016）分析了1995-2011年间中国省域能源强度演变的局部效应，发现中国能源强度的演变存在显著的异质性。Li.ect（2016）发现建筑能耗的显著变化，部分是由于分布式能源的扩散，以及居民不统一的能耗行为。随着研究深入，更多的研究方法被用以研究能耗或碳排放的异质性。Sagebiel.ect（2017）利用随机参数logit模型和潜在类logit模型，对能源消费者偏好和支付价值意愿进行分析。Wang.ect（2017） 提出了一种扩展的非参数前沿方法，用以实证中国不同产业的能源绩效，发现存在显著的空间异质性显著。Meng.ect（2017）通过在投入产出模型中纳入替代性空间结构分析，实证了中国省域碳排放的异质性及其溢出效应对碳排放总量的影响。Ding.ect（2017）采用2006-2013年省域面板数据和LMDI模型分析氮氧化物排放的主要驱动因素，结论表明其排放量存在显著省域差异，27个省份未实现预期目标。Li.ect（2017）利用动态演化模型分析建筑业碳排放模式的时空异质性，发现空间集群在中国周边省份空间维度上存在显着的特征。总体而言，关于能源消费的异质性，学者已有充分的认知，但如何提出相应的政策建议，尚需进一步探讨。

二、产业结构的节能困境

在地方分权以及GDP绩效激励体制下，中国区域间的产业结构调整呈现出两方面重要特征：一方面是产业转移。与京津冀、长三角相连的两北地区（华北和西北）由于地理位置等因素的优越性承接了两大经济增长极的产业转移。虽然落后产能从发达省份转移至落后省份是经济发展的必然结果，但自《中共中央国务院关于促进中部地区崛起的若干意见》（2006）的提出以及《西部大开发“十一五”规划》通过后，两北地区承接来自东部发达省份落后产能的现象加强，加之在GDP作为重要政绩考核标准的激励机制下，地方政府的产能竞争十分激烈。能够在清洁的条件下，短期内显著提升GDP的产业成为各省份争相抢占的重要资源，没有竞争优势的两北地区只能以发展高耗能、高排放的传统制造业来实现GDP的增长。与此同时，由于节能的监控技术和体制尚不完善，宽松的能耗政策成为两北地区政府的重要引资工具。遗憾的是，虽然落后产能转移，但由于经济发达省份多与两北省份相邻。因此，污染存在显著的外溢，当这种“污染外溢效应”大于“自身优化效应”时，发达省份不能通过转移落后产能获取节能收益。

三、产业结构调整的政策建议

由于之前十余年里，两北地区省域承接了大量被发达地区淘汰的高耗煤产能。然而由于两北地区与发达地区相邻，减少了节能规制对于发达地区的节能效应，使得高煤耗产业占GDP比重每上升1%，能耗强度即提升0.052%。因此，基于高新技术企业和现代服务业的高利润率和低能耗特征，建议为高新技术企业和现代服务业等民营资本集聚的行业进一步减轻负担，提升这两类行业的企业利润率，同时以节能规制为手段，促使更多移动人口向这两类行业转移，实现产业结构升级。

此外，当前中国能源消费很难在短期内达到峰值，即使是发达省域或城市。因为被高能耗省域或城市包围，无论自身如何节能，均难以为区域带来节能收益。因此，建议地方政府在制定节能规制时间表时，不宜为取得政绩而盲目提前。中央在设立节能目标时，将能源消费集聚的省份进行捆绑考核，即不考核某一个省或市是否实现节能，而是考核整个区域，若区域未达标，则实行整体处罚，反之则整体奖励，同时为区域内省域合作搭建好沟通平台。

参考文献：

[1]Yingkui Yang， Hans StubbeSolgaard， Wolfgang Haider. Value seeking， price sensitive， or green？Analyzing preference heterogeneity among residential energy consumers in Denmark[J].Energy Research & Social Science，2015（06）.

[2]Ruguo Fan， Ming Luo，Pengfei Zhang. A study on evolution of energy intensity in China with heterogeneity and rebound effect[J].Energy，2016（99）.

[3]Jun Li. Energy performance heterogeneity in Chinas buildings sector： A data-driven investigation[J].Renewable and Sustainable Energy Reviews，2016（58）.

[4]Julian Sagebiel. Preference heterogeneity in energy discrete choice experiments： A review on methods for model selection[J]. Renewable and Sustainable Energy Reviews，2017（69）.

[5]H.Wang， B.W. Anga， Q.W.Wang， P. Zhoub. Measuring energy performance with sectoral heterogeneity：A non-parametric frontier approach[J].Energy Economics，2017（62）.

[6]Bo Meng， Jianguo Wang， Robbie Andrew， Hao Xiao， JinjunXue， Glen P. Peters. Spatial spillover effects in determining Chinas regional CO2 emissions growth： 2007-2010[J].Energy Economics，2017（63）.

[7]Lei Ding， Chao Liu， Kunlun Chen， Yalin Huang， BeidiDiao. Atmospheric pollution reduction effect and regional predicament： An empirical analysis based on the Chinese provincial NOxemissions[J]. Journal of Environmental Management，2017（196）.

[8]Wei Li， Wen Sun， Guomin Li， Pengfei Cui， Wen Wu， Baihui Jin. Temporal and spatial heterogeneity of carbon intensity in Chinas construction industry[J].Resources， Conservation & Recycling， 2017（126）.

*資助项目：江苏大学大学生实践创新训练项目（201810299249W），江苏大学科研立项（Y17C030）。

（作者单位：江苏大学财经学院）