王 莉 白 彦
[提要]本文将发展经济学家提出的极化涓滴效应运用到能源经济学领域,对中国工业能源效率是否存在空间交互效应进行收敛性和莫兰指数检验,采用固定效应的空间滞后模型分析工业能源效率影响因素的作用轨迹,研究结果显示:中国工业能源效率具有明显的空间溢出效应,H-H集聚和L-L集聚的特征明显,样本期以来工业能源效率的空间分布格局渐趋稳定;工业能源效率的影响因素具有明显的空间异质性,同样的指标在不同的区域作用轨迹不同。未来中国经济增长和节能减排的兼容性将进一步增强,提升工业能源效率除了经济自身的内在动力外,还应注意工业节能目标的确定应该分长期目标和短期目标,各省的节能目标和节能约束监管应该是一个逆向的组合;在不同区域的工业节能政策组合设计上,要考虑发展阶段、增长模式以及技术水平等方面的差异。
党的十八大以来,生态文明建设被提升到前所未有的历史高度,习近平总书记从历史和现实的角度,强调生态文明的发展趋势和时代意义。从人类社会的发展来看,四大文明古国的繁荣发展皆有赖于良好的河流土地风物生态,而文明中心的转移或者文明的衰落则大多与生态环境严重破坏有关。[1](P.121)“绿水青山就是金山银山”的论述蕴含着丰富的经济学思想,它揭示了良好的生态环境是一个地区经济发展的最大本钱,具有持续的推动力和核心竞争力。在这样的指导思想下,中国提出了资源节约型社会建设取得重大进展、单位国内生产总值能源消耗大幅下降的战略目标,以及推动能源消费革命、控制能源消费总量、加强节能降耗的重要战略任务。工业领域是我国经济增长的重要来源部门,同时也消耗了我国大部分的能源,工业能源消费量在很长的历史时期内一直在70%左右,工业节能对解决约束我国经济社会发展的能源问题、实现绿色GDP增长具有至关重要的作用。
事实上,如何提高能源效率值一直是学术界和实务界共同关注的热点,张贤、周勇[2](2007),林伯强、杜克锐[3](2013)等学者从不同角度探讨影响能源效率的外部因素,能源效率在空间分布上的不均衡性基本形成共识,赵新刚[4](2019)、吴建新[5](2018)等的研究认为能源效率因产业转移的影响,呈现由东到西阶梯状逐级降低的分布,已经形成不同水平的群组;刘亦文[6](2016),李力、洪雪飞[7](2017),齐绍洲[8](2009)等的研究表明,中国省域能耗强度空间区域特征明显,具有空间正自相关性和空间溢出效应;Huayi Yu[9](2012)认为中国区域间能源效率不平衡,具有绝对β收敛性。中国能源效率与区域经济的发展梯度布局基本一致,从这个意义上来看,我们能否借鉴发展经济学的相关理论?Hirschman[10](P.166-169)(1958)曾提出过涓滴效应(trickling-down effect)和极化效应(polaration effect),前者表示中心区域将本地区的先进技术、优质资源、管理经验等向邻近地区辐射扩散,正向空间溢出效应显著;后者表示邻近区域的资源、技术、投入产出要素等向中心区域虹吸,负向空间汲取效应明显。如果说区域经济上存在涓滴和极化效应,那么能源效率也有可能与经济发展具有相同的逻辑性,存在空间交互效应。当这种效应表现为正向溢出时,能源效率的差异将逐步缩小,而表现为负向汲取时,能源效率的差异将扩大。因此,本文的研究重点为:中国工业能源效率的空间交互效应是否存在?如果存在的话,这种效应是正向还是负向的?准确识别工业能源效率的空间交互效应和影响因素作用轨迹,为提升工业能源效率,缩小区域空间差异提供理论依据和现实支撑。
Hu,Wang(2006)[11]运用DEA模型,与单要素的能耗强度指标对应,首先提出了全要素能源效率的概念,他们选用中国29个省份的数据,测算出各省份的全要素能源效率值,计算结果较能耗强度更符合实际。能源在使用过程中不仅带来了预期的产出,也产生了非合意的污染物排放,如果不考虑非合意产出,能源效率值可能被高估。因此,本文选取从1997年到2016年除西藏外30个省份的工业能源投入、工业资本投入、工业劳动力投入、工业生产总值、工业非合意产出CO2排放量等样本作为面板数据,采用超效率SSBM-DEA模型测算工业能源效率值,此模型的优点在于,一方面它能够对多个决策单元进行有效排序,另一方面它解决了变量松弛型的问题,且引入了非合意产出的测量。相对其他DEA模型,超效率模型更能够反映工业能源效率的投入产出是否存在冗余及合理配置。样本指标选取情况描述如下。
本文对投入产出的同向性采用Spearman相关性检验法进行检验,结果见表2,根据统计的数据可以看出,各省工业的投入和产出之间的两两关系系数不仅都为正数,且系数值都比较高,都通过了1%显著水平的检验。从系数的绝对值上看,工业CO2与工业投入中资本和能源投入的相关性系数超过了工业生产总值与二者的关系系数。由此可见,在能源效率的测度中,只考虑工业生产总值产出而忽略非合意产出是不合理的。
表1 1997-2016年各省工业能源效率测算相关指标描述性统计表(由SPSS软件统计得到)
表2 工业投入产出指标相关性检验
表3是根据超效率SSBM-DEA模型计算出的包含非合意产出的各省及全国主要年份工业能源效率值,从表中可以看出,上海、广东、浙江、福建、北京、天津等省市处于工业能源效率前沿面,而其他省市的工业能源效率值在大多数时期里都未处于最优状态,尤其是宁夏、贵州、青海、山西、新疆等省(自治区),无论是各时期的值,还是历年均值都处于较低的水平,工业能源效率亟待改善。
表3 1997-2016年各省及全国主要年份包含非合意产出的工业能源效率值
在能源效率不同的各个区域之间,他们的差异是呈收敛状态还是发散状态?如果各省之间的工业能源效率是呈收敛状态的,那么说明当前的节能路径具有可持续性,它让能源效率在发达省份和落后省份之间的差异逐步缩小,反之,如果呈发散状态,则说明区域之间的能源效率差异在扩大。Baumol[12]是最早研究收敛问题的,他对1870年至1979年之间的16个工业化国家的数据进行回归验证,结果表明,1870年的生产率数据与后面年度的数据显著负相关,也就是说落后的经济体有更快的增长速度。此后,他又对这16国以外的国家和区域进行了研究,发现即使计划经济的国家也呈现出经济收敛的态势,但这种收敛在欠发达国家却未出现。
本文将30个省份划为三个区域,即东部沿海地区、中部地区和西部地区,在建立σ收敛、绝对β收敛、条件β收敛和俱乐部收敛四种模型的基础上,对工业能源效率空间交互效应进行检验。
1.σ收敛模型检验
如果不同区域之间的能源效率随着时间的推移其离差水平越来越接近于零,我们就认为其具有σ收敛性,反之,如果离差水平越来越大,则具有σ发散性。
我国区域间工业能源效率的σ收敛公式如下:
(1)
表4 全国及各区域1997-2016年工业能源效率变异系数表
从图1可以看出,工业能源效率变异系数最大的是全国层面,均值达到了0.553,西部地区紧随其后,均值为0.536,中部地区次之,均值为0.337,东部沿海地区工业能源效率的差异是最小的,均值只有0.024。
图1 1997-2016年东、中、西部工业能源效率变异系数
数据来源:根据前文计算所得。
从工业能源效率变异系数波动的水平来看,波动性最大的为西部地区0.17,其次为东部沿海地区,波动性为0.09,变异系数波动最小的为中部地区0.08。这说明我国工业能源效率的差异非常大,各个区域板块间出现不同的收敛趋势,西部地区的变异系数情况比较复杂,三个发散拐点分别出现在1997、2008和2010年,而1998年和2009年则出现两个明显的收敛拐点,最终还是趋于发散状态。中部地区的变异系数在1998年和2002年短暂的发散拐点后,进入明显的收敛状态,意味着近十余年来,中部各省间能效的差异在逐步缩小并趋于一致。东部沿海地区呈现明显的收敛状态。在全国层面,2009年出现一个明显收敛拐点,最终还是趋于发散状态。
2.绝对β收敛模型检验
绝对β收敛意味着各个区域之间的工业能效随着时间的推移其差异越来越小,最终在接近或相同的稳态水平收敛,各省的工业能源效率提高速度与它们离稳态水平的距离成反比。检验方程如下:
(2)
根据绝对β收敛公式,通过Eviews软件面板混合回归模型计算得出三大区域和全国工业能源效率的收敛估计值。
如表5所示,从全国层面看,β的估计值为-0.003682,但是在1%水平下的显著检验未通过,所以全国层面工业能源效率的绝对β收敛不存在。西部地区和中部地区的β系数均为负值,呈收敛状态,东部地区的β估计值为正数,呈发散态势,但是西部地区和东部地区都未通过显著性检验,意味着只有中部地区存在绝对β收敛,即在中部区域的各省份之间,工业能源效率趋于同一稳态的水平,随着时间的推移,能源效率较低的省份增长速度会高于能源效率较高的省份,能效之间的差异逐步缩小并最终趋于稳定。
表5 全国及不同区域工业能源效率绝对β收敛统计表
3.条件β收敛模型检验
条件β收敛验证的是在不同区域之间,各主体在自身特征的基础上趋于各自的稳态水平,差异将长期存在于区域之间。验证模型如下:
(3)
在这个检验模型中,为了解决解释变量的遗漏问题和控制变量的选择,采用了个体和时间双固定效应模型来进行条件收敛的检验,如果β显著为负值,则说明在各区域之间存在条件β收敛,那么存在工业能源效率在各区域向自身稳态发展的趋势。根据条件β收敛公式,通过Eviews软件面板混合回归模型计算得出三大区域工业能源效率的收敛估计值。
从表6可以看出,三大经济区域的工业能源效率估计系数均为负值,且P值均为0,通过1%水平下的显著性检验,东部沿海地区、西部地区和中部地区都存在条件β收敛,也就是说随着时间的推移,各区域之间会趋于各自的稳态,其中,西部11省能够以18.79%的调整速度达到自身稳态,其次是中部地区8省,速度为10.63%,东部地区11省的调整速度相对缓慢,为7.88%。
表6 不同区域工业能源效率条件β收敛统计表
如果区域内不同的经济主体既满足σ收敛又满足绝对β收敛,那么这个经济主体就具备了俱乐部收敛。根据前面的分析可知,中部地区既存在σ收敛,又存在绝对β收敛,那么就只有中部地区存在俱乐部收敛。这表示中部地区是结构和发展模式类似的省份处于同一个俱乐部群体中,群体内部的工业能源效率会接近相似的稳态水平,且他们的稳态水平不同于其他群体。
如前文所述,工业能源效率之间存在明显的空间集聚现象,这种集聚现象的相关程度如何?本文用全局Moran’s I指数和Moran’s I指数散点图来反映工业能源效率的集聚特征。全局Moran’s I指数的公式为:
(4)
从表7可以看出,各年份Moran’s I指数均为正数,且在1%的置信水平下显著,工业能源效率存在明显的空间相关分布特征。从1997年至2016年,Moran’s I指数的总体变化有递增的趋势,意味着正相关的空间分布格局逐渐加强并趋于稳定。
表7 1997-2016年中国工业能源效率全局Moran’s I指数统计
全局Moran’s I指数反映的是工业能源效率总体的空间分布特征,对局部区域的空间非典型性特征缺乏描述,而Moran’s I指数散点图可以表现局部特征。散点图以能源效率均值为原点,将能源效率集群分为四个象限的空间,第一象限H-H和第三象限L-L表示高能效或低能效省份被相似省份包围,为空间正相关,第二象限L-H和第四象限H-L表示低能效或高能效省份被相异省份包围,为空间负相关。
图2、3为1997年和2016年中国除西藏自治区外30个省份的能源效率Moran散点图,图中可以看出,大部分省份散落在第一和第三象限,H-H和L-L集聚的正相关特征明显,上海、广东、浙江、江苏、福建等东部沿海省份持续散落在第一象限,而青海、新疆、宁夏、青海、贵州等西部省份则持续散落在第三象限,1997年到2016年,散落在各象限的省份变化不大,区域之间的能源效率空间自相关特征呈现出较高程度的稳定性。
图2 1997年工业能源效率莫兰指数散点图
图3 2016年工业能源效率莫兰指数散点图
对工业能源效率的空间交互性进行识别和分析是本文的关键,工业能源效率的形成是由多个因素相互交织作用的结果,学者们通过各种不同的解释变量试图找寻能源效率变化的根本动因,[13]在前人研究的基础上,结合本文时空效应的分析,将影响因素确定为如下指标:
指标符号内容技术进步TP专利申请数量经济结构IS第二产业的产值占GDP的比重产业结构调整ISR第二和第三产业产值的比值能源价格EP工业生产者出厂价格指数,按1996年不变价计算能源消费结构ECS工业能源消费中煤炭消费量占比固定资产投资IN CPT全社会固定资产投资额外商直接投资FDI外商投资的总体规模贸易进口额IM贸易进口额贸易出口额EX贸易出口额市场化程度MARK国有企业工业总产值占全部工业产值的比重经济发展水平EDL用实际人均工业GDP产值,按1997年不变价计算来表示城市化率URBAN该区域的城镇人口占总人口的比重
以上数据均来源于《中国统计年鉴》《各省统计年鉴》,或根据统计年鉴数据计算所得。
Anselin[14]将空间计量的模型分为了两类,一类是基于空间滞后变量类型的空间滞后模型(SLM),一种是基于空间相关性作用的空间误差模型(SEM)。前者反映的是通过空间传导机制,所有作用于一个区域工业能源效率的变量都会作用于其他区域,后者反映的是随机冲击结果导致的工业能效的区域外溢。用拉格朗日法检验工业能效影响因素的两类计量模型,根据公式得出两类模型的检验统计量,由下表可以看出,LML>LME,因此,应选择空间滞后模型分析省级区域工业能源效率的影响因素。
表8 两类模型的LM检验统计量结果
空间滞后模型可以选择固定效应或者随机效应,一般来说,当样本为总体或者限于某些特定个体时,应选择固定效应,而样本从总体中随机选取时,应选择随机效应,随机效应模型的好处是大大减少了要估计的参数,代价是如果我们关于随机常数项的假设被证明不恰当的话,得到的估计值可能是不一致的。本文的数据样本覆盖面广,不存在随机抽取,因此,本文选择的是固定效应模型。
固定效应模型包括时间固定、地区固定、时间地区双固定和无固定效应四种滞后类型,本文利用MATLAB软件对其分别进行了估计,结果如表9。从最后三行R2、Sigma2和LogL的统计量可以看出,与其他模型相比,地区固定效应模型更为合适。
表9 四种模型的参数估计结果
1.中国工业能源效率从空间的角度审视呈现出明显的正相关关系。在上面四种空间滞后模型中,地区固定、时间固定和无固定效应三种模型的W*dep.var系数估计值都是正数,即都得出了表示空间相关性的自回归系数,且在1%水平通过显著性检验,说明中国工业能源效率从省级或区域的层面看,正向空间溢出效应十分显著。
由模型的计算结果可知工业能源效率的常数项α为0.737327,表10是通过地区固定效应模型估计出的各省份截距项αi的值,αi表示各省份工业能源效率偏离常数项的水平。由表中数据可以看出,中国工业能源效率水平基本呈现从东到西逐渐降低的态势。
表10 地区固定效应模型中截距项αi的估计结果
2.经济发展水平、产业结构调整、贸易进口额、市场化程度等对工业能源效率正向影响作用显著。经济结构、投资驱动模式等因素对工业能源效率的负向作用显著。
3.值得注意的两个影响因素:外商直接投资(FDI)和能源价格。外资流入在本模型中对能源效率的影响呈负向关系,这与张贤、周勇等学者的研究不一致,他们的研究证明外资流入能够带来技术的外溢,从而提升流入国的能源效率。在能源价格的影响作用方面,也与通常的经济学理论或预期的估计不同,本模型中能源效率并没有随着能源价格的提升而显著改善,反而呈现出负向的影响。也就是说,能源价格的提高反而刺激了能源要素的投入,每增加一个单位的能源相对价格,能源效率会下降0.002个单位,虽然作用不十分明显,但统计却十分显著。模型估计结果至少侧面反映出中国通过市场的方式有效配置资源的能力还不容乐观,要素配置效率在微观经济领域的水平还比较低,即使能源定价的机制逐步完善,环境成本也逐步纳入能源价格体系,但由于工业节能领域相关激励引导约束机制的缺失,能源价格所产生的正向作用仍然将会被部分抵消。[15]
4.能源消费结构、城市化率和技术进步对工业能源效率的影响不显著。能源消费结构反映的是煤炭消费量在能源消费总量中的占比情况,模型估计的结果显示能源消费结构对中国工业能源效率的影响是正向积极的,但本文中能源消费结构对工业能源效率的影响没有通过显著性检验,这可能是因为模型选取的是1997年至2016年的数据,历史时期比较短,中国“富煤少气缺油”的能源禀赋特征决定了能源消费结构在短时间内难以有大的改变,因此,能源消费对中国工业能效的影响不显著。让人感到意外的是,在技术进步对工业能源效率的影响方面,本文的实证结果也是不显著。这可能是因为本文选取的是专利申请数量这一指标来表示技术进步,这一指标对能源效率的影响路径十分复杂,其作用通常比较滞后,而且还有回弹效应,从而在估计的结果上表现出不显著的影响。虽然近年来中国专利申请的数量保持较大幅度的增长,但是创新领域的法治化机制并不健全,创新的引导、培育、保护和转化机制都不完善,企业的技术创新更倾向于技术引进和模仿,而非自主培育创新。
根据前文实证结果的分析,我们发现外资流入、技术进步和能源价格等影响因素并未如经济学理论所描述的或者我们所期望的那样与工业能源效率呈显著的正影响。是什么原因导致了模型的结果无法支持我们通常理解的结论?是否因为样本数据平均和加总的衡量模式掩盖了两者之间真正的关系?出于对这个问题的思考,本文将全样本模型进一步拓展,按照东部高能效区、中部中能效区和西部低能效区三个区域维度,考察各因素对工业能源效率的影响是否存在空间特征的差异。
考虑到在前面的模型中有的衡量指标影响不显著,此处将技术进步的指标改为研究与试验发展(R&D)经费投入,将产业结构的指标改为工业内部六大高耗能行业的占比,指标内容略有变化,但检验方法不变。结果如表11:
表11 不同能效区域面板模型参数估计结果
(1)能源价格在本模型中的检验结果与前述全样本模型存在较大差异。在高能效地区,能源价格具有较好的信息传导调节机制,价格的提高对能源要素的投入起到明显的抑制作用,价格每提高一个百分点,能源效率将会上升0.008个单位。而在低能效地区,能源价格对工业能源效率则存在负向影响,价格的上升不但不能降低能源效率,反而会增加能源的消耗。这提醒我们,在确立低能效地区节能目标的时候,不能只看到节能潜力,而要充分考虑区域差异,低能效地区在追求经济增长的过程中,已经形成了高耗能工业为主的结构,短期内能源价格的上涨,不仅不会改善能源效率,反而会由于成本增加等问题让低能效地区可能陷入低端产业陷阱。在中能效地区,能源价格的变化没有通过显著性检验,可能的原因在于,一方面中能效地区的增长模式依然以粗放型为主,市场化水平、所有制结构、体制机制障碍等因素致使微观领域对能源价格的敏感性降低。另一方面,中能效地区正处于现代工业模式的转型阶段,对创新要素质量更加注重,能源价格的微观信号调节作用在逐渐发挥,两种力量的交织作用下,弱化抵消了能源价格对工业能源效率的影响,导致检验结果不显著。同时,这也进一步验证了在全样本省份的检验中,为何能源价格与工业能源效率呈负相关的结果。
(2)技术进步和能源消费结构的影响由不敏感变为正向作用显著。与之前的模型估计结果不同,在本模型中,从高能效区域到低能效区域,技术进步带来的能源效率改善呈逐步增加的态势,研发经费投入每增加一个百分点,高、中、低能效区域的工业能源效率分别上升0.039、0.055和0.079个单位,这也告诉我们,技术进步无论在哪个能效区,都是比较稳定的能源效率提升路径。尤其是在低能效区域,技术进步在后发优势的条件下,更具有较大的节能空间,未来的节能路径中,应该更加重视技术进步带来的节能效果,无论是技术引进、创新还是自主研发技术,都应该加快推进的步伐。
(3)能源消费结构对不同能效区域的工业能源效率产生正向影响。具体来看,中能效地区的影响最为明显,煤炭消费量每下降一个百分点,中能效地区的工业能源效率将上升0.037个单位;其次是高能效区域;低能效区域对消费结构的变化不敏感。可能的原因在于高能效地区由于一般也具有较高的经济发展水平,在较高收入的情况下对节能减排环境保护更为关注,能源结构相对合理,而低能效区域通常也是煤炭储藏和开采集聚之地,较低的环境成本让低能效区对煤炭消费依赖程度一直处于较高的水平。
(4)产业结构改变检验指标后依然与不同能效区工业能源效率呈负相关。在全样本模型中,选取了第二产业占比作为衡量指标,本模型中则用工业内部六大高耗能行业的占比来作为衡量产业结构的指标,无论是哪一种指标,得出的结果都是显著负相关。在本模型中,产业结构对工业能源效率的影响呈现由高能效区域向低能效区域逐步增强的态势,具体表现为在高能效区,工业内部高耗能行业每上升一个百分点,工业能源效率将会下降0.035个单位,而在中能效区域和低能效区域,则会下降0.09和0.18个单位。应当注意的是,近年来,由于高能效区域具有更高的节能减排意识,而低能效区域出于对增长的渴求,环境规制程度和生态约束力度都相对比较宽松,部分高耗能的工业行业逐步向低能效区域迁移集中,这将进一步恶化低能效区域的结构性矛盾,通过结构节能的路径将变得举步维艰。因此,对中低能效区域,在今后的节能工作中,要更加处理好经济增长、能源节约、环境保护这三者之间的关系,让技术节能和结构节能同时在能源效率改善的过程中发挥作用。
(5)固定资产投资和外资流入对不同能效区的影响呈现出明显的空间异质性。在本模型中,固定资产投资对高能效区域和中能效区域呈显著负相关,这与前文的检验结果类似,而对低能效区域则存在显著正相关,也就是说在资本不断深化的过程中,低能效区域的能源效率会不断提高。可能的原因在于,低能效区域的资本深化将会伴随着更好的工艺、设备以及技术的使用,企业得以在一个更有规模的水平上运行,从而使工业能源效率在物化技术改善和规模效率提升的基础上得到提高。应当注意的是,这种提升源自初始处于较低的水平和后发优势的条件,一旦资本积累和技术改善达到一定的临界点,资本的深化将会开始对低能效区域的工业能源效率产生反作用;外资流入对工业能源效率的影响在前面全样本的模型中呈现负相关,但估值接近于0,而在分能效区域的模型中,则出现不同的影响结果。在高能效地区,外资流入的影响作用不显著,而在中能效地区,外资流入与工业能源效率呈显著正相关,在低能效地区则呈显著负相关。这与叶素云[15]、叶振宇等(2010)的研究结果有些类似,在他们的研究结果中,东部地区随着外资流入的增加,能耗水平显著降低,而中部和西部地区却出现能耗水平上升。换句话说,外资的流入与不同能效区域之间似乎存在着一个这样的规律,随着经济水平的降低,外资流入对能源效率的作用在不断的减弱。发达地区更倾向于利用外资的技术外溢效应来改善高耗能行业的能源利用水平。
提升能源效率对推动可持续发展和保障能源安全具有十分重要的现实意义,把握中国工业能源效率的区域空间特征,系统研究工业能源效率的影响因素,确定符合空间异质性的工业节能目标和系统治理体系迫在眉睫。通过以上研究,我们可以得出以下结论:一是样本期内工业能源效率除了个别省份处在前沿面,大多数省份的能源效率值没有达到最优水平,能效提升的空间还比较大。二是中国工业能源效率具有明显的空间溢出效应,H-H集聚和L-L集聚的特征明显,样本期以来工业能源效率的空间分布格局渐趋稳定,这和资源禀赋、产业生命周期规律、财政分权制度等密切相关。三是东部和中部地区具有σ收敛性,中部地区存在绝对β收敛,东部、西部和中部地区都存在条件β收敛,俱乐部收敛只有中部地区存在。四是工业能源效率的影响因素具有明显的空间异质性,同样的指标在不同的区域作用轨迹不同,经济结构、发展阶段等因素作用在工业能源效率的形成路径中,内在地决定了各区域工业节能路径的差异。
基于上述结论,未来中国经济增长和节能减排的兼容性将进一步增强,提升工业能源效率除了经济自身的内在动力外,还应注意以下几个方面:一是工业节能目标的确定应该分长期目标和短期目标,长期来看各省的能源效率最终会达到一个差距不大的较优水平,但短期来看,由于经济转型的成本压力,各省的节能目标和节能约束监管应该是一个逆向的组合。二是在不同区域的工业节能政策组合设计上,要考虑不同区域的发展阶段、增长模式以及技术水平等方面的差异。在工业积累基本完成的发达地区,由于普遍处于较高的节能技术水平,通过技术节能的空间十分有限,应该将节能路径的方向放在总量的控制上,通过加快三次产业结构和工业内部行业结构的调整优化,提高市场配置资源的作用。而在能源效率较低的欠发达地区,则将工业节能政策重点放在技术的改善方面,加速推进节能减排的技术创新、引进和扩散,优化企业的生产规模,提高产业的集聚水平,严格产业转移的节能标准,通过行业技术效率提升和生产率的改善提高工业能源效率。三是从政府和行业主管部门的角度,应根据不同的区域特征,设计激励、监督和惩罚措施的力度,对发达地区要更加重视通过经济杠杆引导节能市场发挥资源配置的作用,充分发挥惩罚的约束作用,对经济欠发达地区,要加大激励政策的支持补贴力度和节能工作的监督检查,增强地方政府开展节能的积极性,强化对节能市场的监管和培育,逐渐形成有利于企业节能的市场和社会环境。