中国能源消费与经济发展脱钩的驱动因素研究

高维聪， 丁 浩， 张正咪

（1.中国石油大学（华东）经济管理学院，山东青岛 266580； 2.中国移动郑州分公司，郑州 450000）

近年来，我国经济高速增长的同时产生了一系列问题，具体表现为：粗放式经济发展而导致的环境污染、对资源消耗高依赖式发展导致能源存储量日渐收紧、资源禀赋及技术条件的限制导致能源消费结构不合理等问题. 推动能源消费与经济发展的“脱钩”是实现绿色发展，促进集约型经济的有效手段.

然而，能源资源的紧缺及高外部依赖性与高速经济发展的矛盾是制约我国经济发展的重要矛盾之一.当前我国以不可再生化石能源为主的能源消费结构不可避免地具有一定的“资源门槛”，但同时根据发达国家的发展历程来看，实现经济发展的“减物质化”是可行的. 因此，在我国大力推进生态文明建设，积极推进能源消费革命的背景下，定量测度我国能源消费与经济发展的脱钩状态及其特征，剖析影响脱钩状态的驱动因素，寻找解决问题的有效方法，对我国能源的合理开发利用，推动我国能源体系可持续发展，促进经济集约式发展具有重要的指导意义.

1 文献综述

目前，许多学者对我国能源消费与经济发展的关系进行了研究. 李国璋和霍宗杰的研究表明，我国经济增长对能源消费具有显著的影响，但在长期内，能源消费对经济增长影响不显著［1］. 纪成君等通过对我国20 世纪70年代以来的时间序列数据进行分析，认为我国经济增长基本是以较高的能源消耗为前提实现的，且能源消费与经济增长的演变规律为“N”形曲线［2］. 于凤玲等在协整分析的基础上，对能源消费和经济增长进行解耦分析，表明能源消费和经济增长在长期内存在一定的解耦关系［3］. 总体而言，我国能源消费和经济发展具有长期稳定的内生关系，也存在一定的阶段性“解耦”特征.

脱钩又称为“解耦”，是描述物质生产资料同经济增长之间关系的理论，由经济合作与发展组织在2000年提出［4］. 国内外学者的“脱钩”领域主要在于研究经济发展和物质成产资料之间的脱钩关系研究和经济发展与环境损益之间的脱钩关系研究两大类. Tapio在研究中提出了脱钩弹性指数的测量方法［5］，并发展成为测算脱钩情况的最重要的工具. 脱钩理论也逐渐延伸到循环经济、能源管理等相关领域. Csereklyei 和Stern在全球尺度上探究人均能源消费量与经济发展的脱钩关系，发现在发达国家脱钩人均能源使用的增长主要受经济增长的影响，且两者之间没有表现为强脱钩的迹象［6］. Zhao等对中国1992—2012年的碳排放和能源消费的脱钩情况，并进一步分析了经济活动的各部门对脱钩的影响，结果表明我国经济和碳排放之间呈现为弱脱钩的情况［7］. 梁涵玮等从国家角度分别判断了中日韩美四国资源消费和经济增长的脱钩情况并进行了横向对比，我国能耗脱钩与发达国家相比仍具有较大的差距［8］. 周灵运用Tapio模型研究我国碳排放与经济增长的关系，发现2000—2016年整体呈现弱脱钩向强脱钩状态转变［9］.

学者对与能源相关的影响因素进行了大量研究，大多集中于能源强度和能源消耗碳排放等角度. Sinton采用Laspeyres 分解法对中国工业部门能耗强度进行了分解［10］，Fisher-Vanden 等［11-12］采用迪氏分解模型对能源消费强度进行了分解，研究结果均认为技术效应能推动能源消费效率的提高，而规模效应是最重要的制约因素. 国内学者邓军和蒋喆慧根据Laspeyres分解法对能源消费总量进行了分解，研究表明经济规模是推动能耗增加的最主要因素［13］. 另有学者采用IPAT等模型对能源消费总量进行了分解，如聂锐、戴钰等分别根据该方法对江苏及长江经济带地区的能源消费总量进行分解分析［14-15］. 杨红娟等对我国西南部少数民族地区能源消费情况进行了指数分解，结果表明经济发展和人口规模是推动少数民族地区能耗的主要因素［16］.许士春等结合投入产出数据构建SDA分解法将江苏省能源消费分解为强度、结构、技术等4个因素，能源强度和技术效应是主要的抑制作用［17］. 王长建等基于LMDI分解模型将1952—2010年新疆的一次能源消费的碳排放的影响因素分解为5个效应：人口规模、经济产出、能源强度、能源结构和能源替代效应，其主要贡献因子是经济产出效应和人口规模效应［18］. 综合上述文献可知，已有的LMDI分解研究中的影响因素主要有经济增长、能源结构、能源效率和能源强度等方面.

我国作为发展迅速的发展中国家，城镇化进程规模巨大，速度超前，城镇化率的提高往往伴随着更多的能源消耗. 城镇居民人均能耗远高于农村居民，我国能耗结构中，城市能源消费高达70%以上［19］. 关凌雪和周敏对我国城镇化与能源消费间的耦合发展关系进行了实证分析，发展我国的城镇化发展对能源消费造成了较大的压力［20］. 严翔等从城镇化进程中产业、空间与人口的交互发展对能源消费的融合传导机制角度探究了城镇化对能源消费的影响，发现城镇化对生产端能耗有极强的拉动效应［21］. 郭文和孙涛将城镇化作为碳排放的驱动因素，认为城镇化效应对区域碳排放的促进作用较强［22］.

综上，参考己有研究，并考虑统计数据获取的完整性、可获得性，本文采用Tapio模型研究我国能源消费与经济发展的脱钩状态，结合迪氏分解模型和脱钩模型，构建脱钩弹性的分解模型. 并将城镇化要素纳入驱动因素的范畴，确定使用经济规模、能源结构、能源强度、人口规模、城镇化5个方面的因素进行脱钩的驱动因素分解，探究各个驱动因素对能耗脱钩的影响情况，最后根据计算分析结果提出我国节能降耗的建议.

2 研究方法及数据来源

2.1 能源消费量计算

根据《中国能源统计年鉴》中各种能源折算标准煤系数进行标准量折算中国2007—2018年的能源消耗量，其计算公式如下：

式中：ET代表的能源消费总量；Ei代表第i 类能源的消耗的标准量；ei和pi代表能源消费的实际量和标准煤折算系数.

2.2 Tapio脱钩模型

Tapio脱钩模型是采用弹性指数对脱钩进行量化的研究方法，根据Tapio模型定义，能源消费与经济增长GDP的脱钩指数可以表示为：

Tapio脱钩弹性是八分法的脱钩方法，鉴于当前的脱钩状态划分部分区间跨度较大，不能较好地反映出脱钩的动态倾向，因此本文借鉴环境与经济协调发展的定量评判的研究思路对弱脱钩状态的程度进行进一步的细化［23］，从而最终将脱钩划分为六大类状态与不同程度的脱钩类型，从而获取脱钩弹性程度（表1）.

表1 脱钩弹性指数及脱钩状态划分Tab.1 Elastic coefficient of decoupling and classification of decoupling state

2.3 LMDI分解模型

指数分解法是广义的多种指数分解方法的统称，基本研究思路为将研究对象分解成为多个影响因素的组合，从而较为客观地研究各个因素的贡献情况. 指数分解法通常有时间序列分解以及区间分解两类，时间序列分解和区间分解主要区别在于基准年的不同，区间分解以固定年为基期进行研究，而时间序列分解则以相邻的时间点进行分解，因此时间序列分解可以分析各因素的时间演进趋势，而区间分解更适合分析区域间的差异化分布分析. 在本研究中，综合采用了两种分析方法，并将区间分解定义为长周期分解，时间序列分解定义为单周期分解.

在众多指数分解法中，Laspeyres和Divisia分解法是两种最为被青睐的分解方法. 然而Laspeyres分解方法分解结果可能会存在一定的残差，从而导致因素分解不完全；Divisia分解法包括算术平均分解法（AMDI）和对数评价分解法（LMDI）两种形式，根据文献［24］的研究，Divisia分解法中的LMDI可能更适合对能源领域的问题进行分解研究，因此本文选用LMDI 分解法对能源消费的变化进行分解研究. 本文在文献研究的基础上，结合相关领域专家学者的经验，考虑到数据的可获得性，将能源消费划分为能源结构效应、能源强度效应、经济规模效应、城镇化效应和人口规模效应5个方面，7个要素，即能源消费量Et可表示为：

式中：mt为研究对象在观察期的脱钩弹性指数；0为基期，在研究过程中取t-1 为基期时，分解结果为各因素的单周期贡献，当取2007 年为基期时，分解结果为各因素的长周期贡献；DES、DEI、DG、DS、DL、DU与DP分别为能源消费结构、能源消费强度、经济规模、土地城镇化的倒数、城市人均城区面积、人口城镇化和人口规模7个驱动因素的贡献值. 能源消费结构为四类能源在总能源消费中的比例；能源消费强度为单位经济产出所消耗能源的多少；经济规模因素在分解公式中除以区域土地面积，区域土地面积为常数，不影响分解结果；人均城区面积能够反映社会公共资源人均状况，是衡量城镇化发展质量的指标，同时在数值上人均城区面积为土地城镇化率和人口城镇化率的比值，所以能够反映出城镇化的协调性，因此人均城区面积为城镇化的质量指标；由于DS为土地城镇化的倒数，根据分解公式，土地城镇化的贡献为-DS，记-DS为DSU.经以上处理后，鉴于贡献值均有正值和负值的情况，以绝对值数量表示各驱动因素的重要程度，进一步以绝对值权重修正各贡献值，以能源结构效应DEI为例，计算方式为：

为便于计算及下一步分析，仍然以DEI替换调整后的贡献值D′EI.

2.4 数据来源及说明

本文以2007—2018年为研究区间，研究中国能源消费与经济发展脱钩及情况及其驱动因素. 相关数据来源渠道包括国家统计局网站（http：//www.stats.gov.cn/）、《中国统计年鉴》（2008—2019）、《中国能源统计年鉴》（2008—2019）等. 涉及的能源消费数据包含全国能源消费总量、分类型能源消费量. 能源消费类型根据国家统计局标准划分为煤品、油品、天然气、及电力和其他能源四类. 能源消费量的计算结合《中国能源统计年鉴》（2008—2019）所附的各种能源折算标准煤系数进行标准量折算. 涉及的经济指标主要有人口、城镇人口、国内生产总值和城市建设用地面积等数据.

3 研究结果及讨论

3.1 我国能源消费与经济发展脱钩情况分析

根据脱钩弹性指数计算公式，计算获得2008—2018年全国能源消费脱钩弹性指数，并进行脱钩状态划分（GDP增长率以2007年可比价格计算），计算结果如表2所示.

表2 2008—2018年中国能源消费脱钩弹性指数Tab.2 Decoupling elasticity coefficient of energy consumption in China from 2008 to 2018

2008年以来，我国能源消费和经济发展均为正增长，两者增长率在波动中均有所下降，能源消费增长率下降更为迅速，目前已下降为3%左右，而GDP增长率则更为平缓，脱钩弹性指数始终处于0～1之间，在“十一五”“十二五”和“十三五”规划期内均为弱脱钩的状态. 这一结论与何则等［25］的截至2015年的研究结论是一致的.整体看来我国能源消费脱钩弹性指数呈现出逐渐下降的趋势，甚至在2014—2016年达到优质弱脱钩的状态，说明我国能耗脱钩有向强脱钩发展的趋势，同时也表明我国在“十一五”和“十二五”期间的各项能源政策已初具成效.

进一步测算煤品、油品、天然气、一次电力及其他能源的脱钩弹性指数，并划分其脱钩状态，结果如表3所示. 可以看出，煤品、油品始终保持着弱脱钩的状态. 在我国煤炭行业去产能的大背景下，煤炭脱钩指数下降幅度最大，具体表现为自2011年的最高峰0.92下降至2018年的0.16，且在2014年到2016年煤炭脱钩弹性指数为负，脱钩状态表现为强脱钩；油品脱钩弹性指数相对较为稳定，在波动中先上升后又再次下降，由于石油是目前最为重要的能源资源，也是工业品和生活用品的重要原材料，在国民经济中有不可替代的地位，因而油品的脱钩弹性指数虽有下降但幅度较小，远低于煤品；天然气脱钩弹性指数大部分时间均超过1，表现为扩张性负脱钩的状态，该能源与经济产出联系紧密；一次电力及其他能源主要为水电、核电等清洁能源，其成为能源消费增长的主要贡献者，与经济增长大多呈现为扩张性负脱钩的状态. 在2011年产生的强脱钩的异常数据与2011年我国能源结构调整未达标，清洁能源推广情况不佳有关.

表3 2008—2018各能源脱钩弹性指数与状态划分Tab.3 Decoupling elasticity coefficient of each energy from 2008 to 2018

在全球气候变暖的背景下，减少温室气体排放的压力促使低碳发展已达成共识，国家大力推广天然气、可再生能源等更为清洁的能源，从而导致天然气和一次电力等清洁能源在国民经济中的作用越来越高，表现出扩张性负脱钩的状态. 表明我国能源结构优化调整，促进能源消费革命的举措已取得了显著成效. 我国政府在“十一五”初期就加大了对能源消费的控制，设定了更为严格的发展目标，要求着力提高能源利用效率，降低能源消费强度，要以制造业转型升级为抓手，进一步淘汰落后产能，全方位助力能源消费转型.“十二五”和“十三五”期间逐渐深化能源生产与消费改革，提出了能耗总量和能耗强度的“双控”目标，同时强化非化石能源的地位，要求2020年非化石能源在能源结构的占比超过15%. 因此，在较长时间内，化石能源将处于良好弱脱钩或强脱钩的状态，天然气与电力则稳定在扩张性负脱钩的状态.

3.2 能源消费与经济发展脱钩驱动因素分析

根据所建立的脱钩LMDI分解模型，以全国为研究对象，计算得到2008—2018年脱钩指数驱动因素贡献情况. 需要说明的是当各因素贡献值为正值时，说明该因素导致脱钩指数变大，即导致脱钩状态向负脱钩的状态演化，此时该因素为脱钩的抑制因素；同理当各因素贡献为负值时，该因素可以推动脱钩向强脱钩的方向演化，即为脱钩的促进因素.

3.2.1 长周期脱钩驱动因素分解结果分析 图1为2008—2018年长周期脱钩驱动因素分解结果. 从中可以明显看出，仅能源消费强度因素是脱钩促进因素，其他因素均为脱钩的抑制因素. 能源消费强度对脱钩的影响效应为-0.574 3. 经济结构因素是脱钩最大的抑制因素，贡献值为0.464 0；土地城镇化是另一个脱钩抑制因素，贡献值达到了0.234 5；人口城镇化、人均城区面积紧随其后，长周期贡献值分别为0.141 2和0.637；人口规模因素表现为脱钩抑制因素，但贡献值仅为0.029 5，对脱钩指数的影响较小. 城镇化三因素的综合贡献值为0.439 4，其对脱钩的抑制作用超过了经济规模因素，因此城镇化是推动能源消费和抑制脱钩的重要因素.

3.2.2 单周期脱钩驱动因素分解结果分析 表4与图2为单周期内脱钩指数分解结果. 在2008—2018年11年观测期内，与长周期情况一致，脱钩弹性的抑制因素为能源消费结构因素、经济规模因素、土地城镇化因素、人口城镇化与人口规模因素；能源消费强度为脱钩促进因素；人均城区面积2009年、2010年、2016年和2018年为脱钩促进因素，其余年份为脱钩抑制因素.

图1 2008—2018年脱钩指数各因素长周期分解结果Fig.1 Long-period decomposition results of factors of decoupling index from 2008 to 2018

图2 脱钩弹性指数及各因素贡献值Fig.2 Decoupling elasticity index and contribution value of various factors

表4 2008—2018年脱钩弹性指数及各因素脱钩贡献值Tab.4 Decoupling elasticity index and decoupling contribution value of each factor from 2008 to 2018

其中经济规模因素是最重要的脱钩抑制因素，对脱钩弹性指数的影响每年均值贡献为0.634 4，在2009年甚至达到1.073 1，在2012年贡献最低，为0.383. 土地城镇化和人口城镇化次之，是脱钩的第二、第三大抑制因素，其中土地城镇化的贡献较为稳定，总体在0.3左右摆动，在2009年因国家减缓城市规划，城市建设用地总面积减小，进而土地城镇化效应表现为脱钩促进因素；人口城镇化的贡献情况呈整体上升趋势，自0.027 3上升至0.065，表明我国人口城市化进程对能耗脱钩的影响越来越大；人均城区面积因素虽在4年之中为脱钩促进因素，但整体为抑制因素，年均贡献为0.029 6，土地城镇化、人口城镇化和人均城区面积总年均贡献达到0.496 6，接近经济规模的0.634 4，即城镇化因素对我国能源消费的影响密不可分，是重要的抑制能耗脱钩的驱动因素之一. 人口规模因素对脱钩弹性指数的抑制左右较弱，年均0.041，总体呈下降趋势. 能源消费结构因素虽然是脱钩的抑制因素，但对脱钩弹指数的影响十分有限. 能源消费强度为最大的能耗脱钩促进因素，对脱钩指数年均贡献为-0.733 6，甚至在2014年和2015年超过-1.

3.2.3 脱钩驱动因素贡献率时间维度分析 从时间趋势进一步分析各驱动因素变化规律，从贡献率角度考虑其各年变化趋势，如图3所示.

图3 2008—2018年各因素脱钩弹性贡献率Fig.3 Elastic contribution rate of decoupling of various factors from 2008 to 2018

各影响因素贡献率在2008—2018年均有一定的起伏，2011年和2015年为拐点. 经济规模、能源消费强度、人均城区面积因素在2009年出现明显的峰值，之后人均城区面积对脱钩弹性指数的影响逐渐趋于平稳，经济规模因素和能源消费强度因素在2009—2011年的影响力持续下降，而后又呈逐渐上升的态势，可见经济规模和能源消费强度的对脱钩的影响力逐渐上升，2012年经济发展提速，从而带动了能耗的增长和技术的进步，进一步导致经济规模和能源消费强度因素的贡献率持续上升. 2012年以来，能源消费结构因素和人口规模因素贡献值在观察期内均较低，由于国民经济与生活离不开必需的能耗支撑，虽然清洁能源具有更高的热值，但能耗的标准总量并不会因此减少，所以降低能耗总量需要提高能源利用率. 能源消费结构的调整是能源发展的质量指标，不能反映到能耗总量上来，而能耗的调整的意义在于能源结构的清洁化，因此对能源消费与经济发展的脱钩贡献率较低.

土地城镇化、人口城镇化与人均城区面积三方面影响因素的总影响不容小觑，在2008、2011、2012、2014和2017年总贡献率甚至高于经济规模因素，且其对脱钩的贡献率也呈波动中上升的趋势. 目前我国城镇化规模地区分布不均，中西部地区大部分省市低于50%，与发达国家的80%以上相比，我国将长期处于城镇化中期加速阶段. 城镇是人力资源与物质资源集中的区域，城乡居民人均能耗差异较大，同时土地城镇化的过程中伴随着大量的基础设施建设等方面的工作，这意味着城镇化对能耗的影响力在将来会进一步扩大，因此对城镇化进行合理的规划，关注城镇化的质量对能耗脱钩意义重大.

4 结论与对策

4.1 结论

本文以2008—2018年数据为计算基础，计算我国能源消费与经济发展的脱钩弹性指数，选取使用经济规模、能源结构、能源强度、人口规模、城镇化率5个方面对脱钩弹性指数进行驱动因素分解，得出结论：①通过对我国能源消费量的计算，发现我国能源消费结构越来越清洁化. 发现我国能源消费脱钩弹性指数呈现出逐渐下降的趋势，脱钩状态进一步优化，已经稳定为优质弱脱钩的状态，有发展为强脱钩的趋势. 在能源消费结构中，煤品、油品等化石能源脱钩指数整体下降，煤品已达到负脱钩的状态. 天然气、一次电力及其他能源脱钩指数整体上升，清洁能源对我国国民经济发展的助力越来越强. ②通过2008—2018年全国区域的脱钩指数驱动因素分解发现，经济规模因素为影响脱钩状态的最主要抑制因素，能源消费强度为最大的促进因素，土地城镇化和人口城镇化紧随经济规模因素为位居二席的抑制因素，城镇化综合因素的影响几乎能够和经济规模因素相当，是抑制我国能源消费与经济发展脱钩的重要因素之一.

4.2 对策

根据以上结论及分析，提出我国推动能源消费与经济发展脱钩的对策建议：

1）推动能源消费结构性改革，促进经济产业结构调整. 我国分能源类型的脱钩情况看，尽管煤炭已达强脱钩的状态，但煤炭消耗的占比仍然过高，天然气、一次电力等清洁能源的比重较低，因此仍需在全国范围内推动能源消费结构改革，提高清洁能源的消费占比. 同时，我国工业化进程仍然处于发力阶段，第二产业对经济增长的拉动作用相对较大，第三产业的拉动作用仍具有较大空间. 经济结构调整对促进能耗脱钩意义重大，加快传统制造业的转型升级，大力发展服务业、金融等第三产业，着重发展高效、高科技水平的现代化服务业，努力推动创新来拉动经济增长，从而降低能源消费强度，促进能耗脱钩.

2）合理规划推进城市化进程，协调土地城镇化和人口城镇化的发展. 城镇化因素是影响我国能源消费量的一个重要因素，与经济规模因素对能耗脱钩的抑制相当. 城镇居民相对于农村居民的人均能源消耗处于一个较高的水平，随着城镇化率的不断提高，城市的交通需求以及一些耗能基础设施必然增加，从而使得城市中能源的消费大幅度增长. 因此，不经合理规划而一味追求高速发展的城镇化措施不可取，要协调土地城镇化和人口城镇化的发展，避免土地城镇化过快而带来的超前能源消耗，应提升城镇化发展的质量，把已经进城的人口固定下来，同时进一步发挥城市的积聚人口的作用，提升人口素质.

3）推动能源技术革命，提高能源使用效率. 我国能源消费脱钩最重要的影响因素为能源消费强度因素和经济规模因素，强度因素对能耗脱钩的促进作用也越来越强. 但发展是国家赖以进步的第一要义，显然以约束发展来推动能源消费脱钩是不可取的. 因此推动能源技术革命、提高能源效率和降低能源消费强度是促进能源消费脱钩的关键手段. 要将绿色低碳优先作为发展方针，大力发展循环经济，同时，提升绿色可再生能源的利用水平，提高可再生能源的开发能力，促进节约友好型社会的形成.