中国能源消费的空间关联网络特征及对空气质量影响研究

李从欣, 张 旭

1. 河北地质大学 经济学院, 河北 石家庄 050031; 2. 河北地质大学自然资源资产资本研究中心, 河北 石家庄050031

0 引言

虽然中国经济由高速发展转向中低速发展, 但是社会能源需求量仍不断增加, 能源资源的日益紧缺和能源消费带来的环境污染问题一直没有得到根本性的解决。 《BP 世界能源统计》 数据表明, 2013 年中国能源消费增量位居世界第一, 达到1.21 亿吨油当量,占全球总增量的近一半。 2015 年中国能源消费量有放缓趋势, 但仍然保持连续15 年世界一次能源消费量第一[1]。 2019 年中国能源消费加速增长, 一次能源人均消费量98.8 吉焦, 与2018 年相比增长了3.9%,超过之前十年的平均增长率3.3%。 可见中国能源消费水平依然保持强劲增长态势, 且中国能源消费仍主要以一次能源为主, 而石油、 天然气和煤炭组成的化石能源占一次能源消费量的84.3%[2]。 这使得能源消费所造成的碳排放量不断增加。 2020 年受新冠病毒感染疫情影响, 全球碳排放量有放缓趋势, 但中国碳排放量依然处于增长趋势, 要持续控制能源消费, 实现中国零碳排放目标仍面临巨大挑战。

中国省际能源消费呈现显著的、 复杂的空间关联网络结构, 环境规制与能源消费的空间关联网络呈显著相关关系, 能源消费总量增加、 环境污染加剧已成为制约中国经济社会可持续发展的重要障碍[3,4]。 能源消费的空间关联网络结构为节能政策的制定和实施带来严峻挑战, 同时也为新时代区域协调发展战略的实施、 能源环境效率跨区域协同提升机制的构建创造了条件。 通过社会网络分析方法从整体到局部探究中国能源消费的空间关联网络结构, 明确各省级行政区在能源消费空间关联网络的地位和角色, 完善中国能源消费的合理布局, 再进一步依据中国能源消费的空间关联网络结构, 量化分析能源消费对空气污染的影响机制。 定量分析与定性分析相结合, 理论基础与实际问题相交映, 为深入能源供给侧结构性改革, 减少能源资源的产能过剩, 同时促进能源产业循环发展和有效治理能源消费对空气污染的影响提出实质性建议。

1 文献综述

能源消费一直是学术界的研究热点, 而分析能源消费对环境污染的影响更具有研究价值。 关于能源消费对环境污染的影响, 起初是通过建立协整模型和误差修正模型, 来验证能源消费和环境污染的单向因果关系, 得出能源消费对环境污染有正向作用[5,6]。 这种方法相对适合研究双变量之间的因果关系, 对于多变量之间的因果关系使用较少。 近年来, 一些学者通过建立STIRPAT 模型分析大气污染的影响因素, 进一步发现能源消费对空气质量有显著影响[7,8]。 这种方法可以从多变量角度分析因果关系, 克服了只能通过两两变量验证因果关系的不足, 但现有文献的研究范围较为局限, 大多以个别省级行政区或地区为研究对象[9-11], 且缺少对能源消费结构的空间刻画。 为了弥补这一缺陷, 周彦楠等在建立STIRPAT 模型的基础上, 运用K-means 聚类方法分析各个省级行政区在不同时期能源消费结构的空间演化特征, 发现中国能源终端消费的空间结构呈现出不断改善的趋势[12]。 这相较原有仅通过建立STIRPAT 模型定量分析能源消费对空气质量影响的文献是一个扩展和进步, 但是基于K-means 聚类方法分析能源消费的空间演化特征难免会忽略省际能源消费的空间关联作用, 而且K-means 算法中, 参数K 值的设定不好把握, 进而会影响聚类效果。 刘华军等运用社会网络分析方法建立省际能源消费的空间关联网络, 并对其特征及其效应进行研究, 得出中国能源消费的空间关联呈现网络结构形态, 且空间的关联紧密程度逐步提高[4]。 这种基于社会网络分析方法建立的空间关联网络, 不仅可以体现省际能源消费的空间演化特征, 同时也可以对其空间关联作用做进一步分析, 对于之前空间角度研究方法的不足进行了完善, 但是此研究没有进一步分析能源消费对环境污染带来的影响, 在理论上升到实际意义方面还有一定的欠缺。

综上所述, 大多数学者都能通过建立模型定量分析能源消费对环境污染的影响, 而很少有学者对能源消费进行空间关联特征的分析, 并在此基础上以空间角度研究能源消费带来的负外部效应和溢出效应。 文章采用社会网络分析方法研究中国能源消费空间关联网络特征, 并针对符合当前中国能源消费的整体结构建立空间杜宾模型, 进而分析能源消费对空气质量的影响。

2 研究方法和数据说明

2.1 能源消费关联网络

引力模型是量化空间相互作用能力的数学模型,现广泛应用于贸易学、 经济学与环境科学等领域中。根据现有文献, 引力模型适合对网络关系进行分析,综合考虑能源、 经济、 人口及地理因素, 分别将各个变量引入引力模型并进行修正, 得到修正后的引力模型如下[4]:其中,i,j代表地区,P,C,G,D分别代表地区常驻人口数, 能源消费总量、 地区生产总值及综合地理距离,y,λ,g,d分别代表地区之间的能源消费引力值, 能源消费引力系数, 人均地区生产总值以及地区间的最短距离。 通过公式(1) 计算得到yij, 即两省级行政区之间的能源消费引力值。 整理计算结果得到能源引力数值矩阵。 由于二值关系矩阵相较于数值矩阵更能体现能源消费的空间关联特性, 同时也便于计算后续网络指标的测度值, 因此将每个年份的数值矩阵中所有数值做平均处理, 如果矩阵中的每个数值大于均值, 记为“1”, 否则记为“0”。 基于此, 文章构建的网络类型属于有向二值网络。

2.2 空间计量模型设定和变量说明

2.2.1 模型构建

从空间计量模型簇中逐步进行实证检验筛选最优的空间计量模型。 广义嵌套空间模型(GNS 模型) 如公式(2) 所示, 它是一般形式的空间计量模型, 当λ =0 时, 模型退化为空间杜宾模型(SDM 模型),如公式(3)。 当δ =0 时, 模型退化为空间杜宾误差模型(SDEM 模型), 如公式(4)。 空间杜宾误差模型综合了空间杜宾模型、 空间误差模型和空间滞后模型, 空间误差模型如公式(5), 空间滞后模型如公式(6)。 其中Y为测度空气质量的AQI,X为解释变量矩阵, 代表能源消费和其他影响因素。W ={wij}n×nW1= {wij(1)}n×nW2={wij(2)}n×n以及M ={mij}n×n均为空间权重矩阵,W1Y表示AQI的空间滞后,W2X反映相邻省级行政区能源消费的空间滞后,δ为空间效应系数, 用来度量AQI的空间滞后对AQI的影响,θ为外生变量的空间自相关系数, 用来度量相邻省级行政区能源消费的空间滞后对AQI的影响,β为参数向量,i =1, …,n代表省级行政区。

2.2.2 变量说明

对模型中的被解释变量、 核心解释变量和控制变量构建一级指标体系、 二级指标体系, 并给出它们的表示形式及单位, 如表1。

表1 能源消费对空气质量影响的指标体系Table 1 Indicator system for the impact of energy consumption on air quality

被解释变量是空气质量。 根据《环境空气质量指数(AQI) 技术规定》 (HJ633-2012),AQI是通过定量描述空气质量的无量纲指数,AQI数值越大表示空气污染水平越严重。 核心解释变量是中国能源消费。控制变量从命令控制型环境规制、 经济激励型环境规制、 经济约束型环境规制和公众监督型环境规制维度考虑, 这四个方面涵盖了中国环境规制中不同主体,以不同形式、 不同角度的规制型。 命令控制型环境规制的手段包括自上而下的行政动议、 自下而上的适应性执行及契约式的灵活机制[13], 而环保相关的行政处罚案件充分体现了命令控制型环境规制的三个手段的落实, 因此选取其作为控制变量。 经济激励型环境规制是通过经济激励手段进行有效地治理环境[14],由于中国工业污染占全国污染源的比重近半, 所以选取工业污染治理投资额作为控制变量。 在经济约束型的环境规制方面选取环境保护税作为控制变量, 其中2017 年之前的数据以排污费征收额代替环境保护税,2019 年的数据选取环境保护税作为控制变量。 公众监督型环境规制层面, 承办的人大建议数、 政协提案数可以较好体现中国人民当家作主的社会主义民主政治的本质特征, 因此选取其作为控制变量。

2.3 数据来源

以2014—2019 年中国30 个省级行政区为研究对象(限于数据的可得性, 不包括西藏自治区、 香港、澳门特别行政区和台湾省), 其中能源消费数据来自《中国能源统计年鉴》, 常驻人口、 人均地区生产总值、 地区生产总值数据来自国家统计局网站。 由于百度地图具有精准性和应用广泛性, 因此, 两个地区的距离是根据百度地图中以各地区人民政府为中心得到的最短距离。 空气质量指数AQI数据来源于中国环境监测总站全国城市空气质量实时发布平台。 环保相关的行政处罚案件数和承办的人大建议数、 政协提案数来源于《中国环境年鉴》, 工业污染治理投资额、 环境保护税数据分别来源于《中国统计年鉴》 和《中国税务年鉴》。

根据社会网络分析方法, 以中国30 个省级行政区为节点, 以每两个地区的能源消费引力关系为边构建能源消费空间关联网络。 其中, 整体网络分析通过网络密度、 网络关系数、 网络规模、 平均聚类系数、 平均路径长度、 网络中心势、 双向比和网络直径来度量。 节点网络分析包括中心性分析和结构洞分析, 中心性分析通过点入度中心度、 点出度中心度、 度数中心度、 中间中心度、 接近中心度来度量, 结构洞分析通过有效规模、 效率、 限制度和等级度来度量。

3 能源消费关联网络特征

3.1 整体网络拓补分析

运用引力模型计算空间关联矩阵, 使用Gephi 软件分别画出中国各省级行政区不同时期的能源消费网络图。 其中, 节点大小表示地区度数中心度大小, 如图1 所示, 2014—2019 年, 中国各省级行政区能源消费网络拓扑结构特征变化不大, 整体网络呈“核心—边缘” 结构, 以北京、 江苏、 上海、 广东、 浙江、 山东为核心向海南、 宁夏、 新疆、 青海等其他边缘城市放射。 核心节点和极边缘节点地位稳固。 这是由于北京、 江苏、 上海、 广东、 浙江、 山东等地的地区经济发展较好、 工业结构调整较多、 城市化进程加快等因素导致其能源消费量较大, 因此处于网络核心位置[15], 而广西、 宁夏、 新疆、 青海在这些方面不占优势, 故长期处于边缘位置。

图1 2014—2019 年中国各省级行政区能源消费网络图Fig.1 Energy consumption networks by provincial administrative regions in China from 2014 to 2019

省际能源消费网络的整体指标结果如表2 所示。整体网络密度呈先递增后递减的趋势。 2017 年中国全面实施“十三五” 规划, 提高能源的有效供给, 扩大能源领域市场准入, 进一步加强了省际能源消费的关联密度, 由于随着网络密度的不断提升, 网络中的冗余关系增多, 若超过网络的容纳能力, 则会增加省际之间能源流动的交易费用, 降低能源的利用效率, 为使其保持在合理区间, 因此网络密度呈现先递增后递减趋势[4]。 网络关系数反映能源消费关联程度, 网络节点数的变化可以反映能源消费网络主体的演化情况。 受政策调整, 省际能源消费网络关系数经历两次下滑和一次上升, 而网络节点数基本保持稳定趋势。从网络的聚集程度看, 2014—2016 年和2017—2018年, 平均聚类系数有递增趋势, 说明中国省际能源消费网络逐渐趋于团体化, 聚集程度愈来愈明显, 而2016—2017 年和2018—2019 年平均聚类系数有递减趋势, 这是由于具有共性的节点聚集过于紧密, 从而导致能源资源过度集中使得核心节点与边缘节点的差距拉大, 不利于实现能源资源的流动共享, 因此平均聚类系数呈现增减交替趋势。 从网络的传输性能与效率来看, 2014—2019 年省际能源消费网络的平均路径长度呈递增趋势, 说明能源消费网络的跨区域流动效率变低, 且网络直径在2018—2019 年递增到6, 说明省际能源消费网络的扩散效率将面临下降趋势。 从网络的中心势来看, 首先, 省际能源消费网络的点入度中心势平均值为30.6%, 点出度中心势平均值为47.3%, 说明整体网络的对称性不明显, 该网络更倾向于向外溢出, 属于能源净溢出型网络, 能源消费网络的溢出效应与受益效应仍有差距, 这不利于省际能源网络联系强度的整体提升。 其次, 点入度中心势有小幅递增趋势, 主要是因为能源从高强度向低强度实现跨区域流动, 从而使两地区的能源差异进一步减弱, 导致网络的点入度中心势呈小幅递增趋势。 最后, 点出度中心势呈递增趋势, 主要是因为省际能源消费网络关联的核心—边缘特征显著,关键节点省级行政区与边缘节点省级行政区的联系紧密度较好, 能源消费供需范围和创新发展范围在逐步扩大。

表2 2014—2019 年能源消费网络的整体网络特征指标Table 2 Indicators of overall network characteristics of energy consumption networks from 2014 to 2019

综合来看, 省际能源消费网络的平均路径长度逐年递增, 导致能源传输效率降低, 以新能源、 清洁能源为主的能源使用率下降, 绿色能源产业发展效率降低, 从而能源消费导致的环境污染问题没有得到改善。 点入度中心势与点出度中心势都呈现递增趋势,一方面有助于贯彻“十四五” 规划各地发展特色能源产业, 形成互联互通、 互助友好的能源供需新局面,为促使能源供给侧结构性改革的深入推进做铺垫。 另一方面说明能源流动强度变大, 能源供需量增加, 从而导致能源消费增加, 而以煤炭为主的能源消费量的增加会导致大气污染问题。 其中, 点出度中心势增加未呈现收敛趋势, 表明在注重开拓核心—边缘网络时没有注重经济规模相当、 发展水平相似的地区之间的互联互动, 产生规模能源储备效应, 从而能源传输的交易成本会有所提升, 导致能源价格增加, 如一些新能源产品价格高昂, 会导致其使用率偏低, 从而中国能源消费结构仍需要进一步改善。

3.2 节点特征分析

3.2.1 中心性分析

在有向图中, 点出度反映节点向外溢出的能力,点入度反映节点受益于其他节点的能力, 点出度与点入度的差值表现为净溢出量, 差值大于0, 表现为净溢出效应。 差值小于0, 表现为净受益效应。 可以发现, 净溢出量大于0 的地区有天津、 河北、 山西、 内蒙古、 辽宁、 山东、 河南、 湖北、 湖南、 四川和贵州, 则称这些地区为能源净溢出地区, 说明这些地区更倾向于向外输送能源, 能源供给能力相对较强, 同时能源消费较多。 净溢出量小于0 的地区有吉林、 黑龙江、 江西、 广西、 海南、 重庆、 陕西、 青海和宁夏, 则称这些地区为能源净受益地区, 说明这些地区的能源经济水平发展有限, 所以更倾向于引入能源来弥补能源供给不足或提升自身能源经济的发展。 其中, 北京、 上海和江苏的点出度与点入度均较高, 主要因为北京是全国的政治中心, 对能源资源具有一定的统筹能力, 而上海和江苏具有良好的经济实力和区位优势, 在能源引入和扩散方面占据核心, 较其他省级行政区更具有竞争力, 有助于与其他省级行政区建立能源联动, 促进能源资源的有效整合。

节点在网络的中心性可以通过度数中心度、 中间中心度以及接近中心度这3 个指标来衡量。 2014—2019 年中国各省级行政区度数中心度如图2 所示, 柱形图高度代表度数中心度均值, 散点代表2014—2019年度数中心度, 可以发现北京、 天津、 江苏、 浙江的平均度数中心度较高, 上海、 广东和重庆的度数中心度普遍分布在平均水平以上, 而海南和青海的度数中心度普遍分布在平均水平以下。 其中2019 年, 度数较大的节点主要分布在中国华东地区及长三角地区,同时这些地区的能源消费关联较为密集, 而度数较小的节点主要分布在中国的西北部、 西南部及东北部地区, 这些地区的能源消费关联较为稀疏。 从中国整体方位来看, 自西向东、 自北向南, 节点度数有变大趋势, 能源消费关联有更加密集的趋势。

图2 2014—2019 年中国各省级行政区度数中心度嵌套图Fig.2 Degree centrality of China’ s provincial administrative regions from 2014 to 2019

中心性分析结果如表3, 由于篇幅限制, 仅展示2019 年的分析结果。 综合来看, 度数中心度大于均值的地区有北京、 天津、 内蒙古、 上海、 江苏、 浙江、安徽、 福建、 山东、 湖北、 广东、 重庆、 陕西和甘肃, 说明这些地区与其他地区能源关联较多, 其中,北京、 天津、 内蒙古、 山东和湖北的净溢出关联较多。 中间中心度大于均值的地区有北京、 天津、 内蒙古、 上海、 江苏、 浙江、 福建、 山东、 湖北、 广东、重庆、 陕西和甘肃, 说明这些地区控制其他地区能源流动能力较强, 发挥了“桥梁” 的作用, 即中国的能源流动主要通过这些地区往来实现。 接近中心度大于均值的地区有北京、 天津、 内蒙古、 上海、 江苏、 浙江、 福建、 山东、 湖北、 广东、 重庆、 陕西和甘肃,说明这些地区与其他地区的距离相对较近, 更倾向于分布在能源消费网络的中心, 便于与其他城市更快产生能源关联。

表3 2019 年中国各省级行政区能源消费网络中心性分析结果Table 3 Results of the centrality analysis of energy consumption networks by provincial administrative regions in China in 2019

3.2.2 结构洞分析

根据结构洞各指标的相关公式, 计算结果如表4所示, 由于篇幅限制, 仅展示2019 年的计算结果。有效规模是衡量网络中非冗余程度的指标, 非冗余程度越大, 说明节点越倾向处于网络的核心。 北京、 天津、 内蒙古、 上海、 江苏、 浙江、 福建、 山东、 湖北、 广东、 重庆、 陕西和甘肃的有效规模高于均值,说明这些地区更倾向处于能源消费网络的核心, 而海南、 云南、 青海、 宁夏和新疆的有效规模较低, 说明这些地区更倾向处于能源消费网络的边缘。 效率是有效规模与实际规模的比值, 效率值越大说明对其他节点影响越大。 北京、 天津、 内蒙古、 上海、 江苏、 浙江、 福建、 山东、 湖北、 广东、 重庆、 陕西和甘肃的效率大于均值, 说明这些地区在能源消费网络中对其他地区产生的影响较大, 在能源供给或能源受益亦或两个方面均占一定地位。 限制度可以反映节点掌控结构洞关系的能力, 限制度越大说明限制节点的网络关联越强, 则该节点越处于网络的边缘, 反之, 该节点在网络中受限较弱, 越处于网络的核心。 河北、 辽宁、 吉林、 江西、 湖南、 广西、 海南、 四川、 贵州、云南、 青海、 宁夏和新疆的限制度高于均值, 说明这些地区能源流动受限相对较多, 处于网络的边缘, 在能源流动上不占优势, 相反, 北京、 天津、 上海、 江苏、 浙江、 山东和广东等这些地区的限制度低于均值, 说明它们在能源流动上占有一定优势, 处于网络的核心。

表4 2019 年各省级行政区能源消费网络结构洞分析结果Table 4 Results of the hole analysis of the energy consumption network structure by provincial administrative regions in 2019

综合来看, 北京、 天津、 上海、 江苏、 浙江、山东和广东有较高的有效规模、 效率和较低的限制度, 这说明, 北京、 天津、 上海、 江苏、 浙江、 山东和广东占有较多的结构洞, 最能控制网络中其他节点地区之间的联系, 较其他地区而言, 它们与网络中其他节点地区的联系更加紧密, 能源流动更加频繁, 2014—2019 年, 如表5 所示, 天津、 上海、山东和广东的有效规模呈先递增后递减的趋势, 而北京和浙江的有效规模呈小幅递增趋势, 江苏的有效规模基本保持不变, 这说明天津、 上海、 山东和广东在能源消费网络中的优势在一定程度上受到了北京和浙江的挑战, 而天津、 上海、 山东和广东有效规模大小的变化正是对这一挑战做出的适应性调整。 海南、 云南、 青海、 宁夏和新疆有较低的有效规模和较高的限制度, 说明这些地区在能源流动上的优势不明显, 对能源资源的控制能力较弱。 总的来看, 中国经济发展水平不断提高, 在科技创新方面不断进步, 促使中国省际能源消费关联网路中大多数节点城市的有效规模有显著提升, 净溢出型地区能发挥各自优势与其他地区产生能源联动, 净受益地区能在提高能源利用率, 控制能源消费流动量的基础上与其他地区进行能源联动, 这为“十四五”背景下“实现能源互补的系统性整体优化, 提高能源消费的利用效率, 响应资源在调节能源供需匹配中的作用” 奠定良好的基础。

表5 2014—2019 年北京、 天津、 上海、 江苏、 浙江、 山东和广东的有效规模Table 5 Effective scale for Beijing, Tianjin, Shanghai, Jiangsu, Zhejiang, Shandong and Guangdong, 2014—2019

4 能源消费对空气质量影响分析

4.1 模型选择

通过莫兰指数检验, 发现p 值为0.000, 较为显著, 说明模型存在空间相关性, 可以使用空间权重矩阵。 首先经过LM 检验, 确定选择空间误差模型或空间滞后模型。 根据Stata 结果如表6 所示, 发现LM 检验空间误差统计量和LM 检验空间滞后统计量均显著。 其次进行稳健的LM 检验, 发现在1%的显著性水平下, 稳健的LM 检验空间滞后统计量显著而稳健的LM 检验空间误差统计量不显著, 则选择空间滞后模型。 然后进行空间滞后模型和空间杜宾模型检验,发现p 值为0.000, 则应该选择空间杜宾模型。 最后进行空间误差模型和空间杜宾模型的检验, 发现p 值仍为0.000, 说明在空间误差模型和空间杜宾模型中,选择空间杜宾模型较优。 综上, 最终确定选用空间杜宾模型。

表6 莫兰指数检验和LM 检验Table 6 Moran index test and LM test

4.2 结果分析

通过公式(3)、 (5) 和(6) 得到模型估计结果如表7 所示。 对于空间滞后模型, 在5%的显著性水平下, 发现能源消费对AQI的影响并不显著。 对于空间误差模型, 在1%的显著性水平下, 能源消费对AQI有显著正向影响。 空间杜宾模型是空间滞后模型和空间误差模型的组合扩展形式, 是通过加入空间滞后变量而增强了的空间滞后模型, 既考虑了因变量的空间相关性又考虑了自变量的相关性, 根据赤池信息准则(Akaike Information Criterion, AIC) 和贝叶斯信息准则(Bayesian Information Criterion, BIC), 如果模型中增加解释变量,AIC和BIC数值变小, 该模型就是最优的模型。 相比空间滞后模型和空间误差模型,空间杜宾模型的AIC和BIC值最小, 因此进一步验证了该模型是最优模型, 更符合中国的实际情况。 下面的分析主要探讨空间杜宾模型的结果。

表7 空间计量模型汇总估计结果Table 7 Summary estimation results of the spatial econometric model

对于核心解释变量, 在其他条件不变的情况下,能源消费每增加1 个单位,AQI指数平均增加0.002 2个单位, 且这种影响是显著的, 这与张肖一[16]的结论有相似性, 他们运用协整分析和误差修正模型得出地区的能源消费对空气质量综合指数有正向影响。 且本省级行政区的能源消费每增加1 个单位, 其他地区的AQI平均下降0.004 3 个单位, 说明本省级行政区的能源消费对其他地区有一定的溢出效应。

对于控制变量, 命令控制型环境规制在5%的显著性水平下对本省的AQI有显著负向影响, 说明命令控制型环境规制每增加1 个单位, 本省级行政区的AQI平均下降0.000 3 个单位, 而这种效应对其他省级行政区的AQI的影响并不显著, 可以看出, 在当地有效实施命令控制型环境规制可以适当降低本省级行政区的空气质量指数, 有改善本省空气质量的作用,但对其他省级行政区的作用并不大。 经济激励型环境规制在1%的显著性水平下对本省的AQI有显著正向影响, 即当地经济激励型环境规制每增加1 个单位,本省级行政区的AQI平均上升1.2e-5个单位, 可能是由于当地工业污染物治理效率较低, 没有充分发挥经济激励型环境规制的作用导致, 同时这种影响对其他省级行政区AQI正向作用也非常显著, 其本身的意义是正向的但是对空气质量的改善却起到相反作用, 更加证实了现阶段经济激励型环境规制还存在一定问题有待解决。 经济约束型环境规制在1%的显著性水平下对本省的AQI有显著负向影响, 经济约束型环境规制每增加1 个单位, 本省级行政区的AQI平均下降7.6e-5个单位, 说明当地政府有效实施经济约束型环境规制可以适当降低该地区的空气质量指数, 有改善空气质量的作用。 公众参与型环境规制对本省级行政区及其他省级行政区AQI的正向作用不显著, 可能是由于建议与提案并没有真正落实的原因导致, 其本身意义是正向的却没有发挥真正作用, 说明这种方式目前还存在一定问题需要完善。

4.3 效应分解

表8是空间杜宾模型的效应分解, 可分解为直接效应和间接效应, 总效应是直接效应和间接效应的和。 由总效应可知, 能源消费的直接效应是0.001 7,间接效应是-0.005 9, 且直接效应和间接效应的影响是显著的, 直接效应的绝对值远远小于间接效应, 说明能源消费对空气质量的潜在负作用较为明显。 郑博福[17]认为中国以煤炭为主的能源消费结构难以改变, 因化石燃料特别是煤炭的燃烧导致大气环境污染严重, 由此造成了潜在的负面效应, 如高昂的经济成本和环境成本, 损害公众的健康等。

表8 空间杜宾模型的效应分解Table 8 Decomposition of effects for the spatial Durbin model

4.4 稳健性检验

通过替换被解释变量的方法, 将空气质量指数AQI替换为PM2.5, 再次使用空间杜宾模型进行估计,经检验, 结果如表9 所示, 变量的显著性及符号并没有改变, 与原来的估计结果较为接近, 说明模型是稳健的。

表9 稳健性检验估计结果Table 9 Robustness test estimation results

5 研究结论及对策建议

5.1 研究结论

基于社会网络分析方法研究了2014—2019 年中国各省级行政区能源消费的空间关联网络结构特征,并在此基础上建立空间杜宾模型分析了能源消费对空气质量的影响。 得到以下结论:

第一, 由整体网络特征分析可得: 当前中国能源传输效率偏低, 不利于改善空气质量。 通过社会网络分析方法得到2014—2019 年能源消费关联网络指标中, 平均路径长度呈递减状态, 且点入度中心势没有收敛趋势, 在注重开拓核心—边缘网络时没有注重经济规模相当、 发展水平相似的地区之间的互联互动,产生规模能源储备效应, 就会导致绿色能源共享成本变高, 从而导致以新能源、 清洁能源为主的能源使用率下降, 绿色能源产业发展效率降低, 使能源消费导致的环境污染问题得不到改善。

第二, 由节点特征分析可得: 北京、 天津、 上海、 江苏、 浙江、 山东和广东是能源消费空间关联网络的“枢纽”。 这些省级行政区有较高的有效规模、效率和较低的限制度, 因此占有较多的结构洞, 最能控制网络中其他节点地区之间的联系, 发挥了“枢纽” 的作用, 同时它们的度数中心度也相对较高, 较其他地区而言, 有一定的竞争优势, 因此与网络中其他节点地区的联系更加紧密, 能源流动更加频繁。

第三, 由空间杜宾模型的估计结果可得: 能源消费增加会使本省级行政区的空气质量变差同时对其他省级行政区的空气质量产生溢出效应, 且实施命令控制型环境规制和经济约束型环境规制对改善空气质量有一定作用, 而经济激励型环境规制和公众参与型环境规制则需要进一步完善。

第四, 由空间杜宾模型的效应分解可得: 能源消费的直接效应远远小于间接效应。 长期的过渡能源消费对空气质量产生的间接影响较大, 相比直接效应更为严重。 因此控制能源消费总量, 防治空气污染是一项持久的保卫战。

5.2 对策建议

当前随着中国人口密度的不断增加和经济高质量发展的不断迈进, 应对空气污染问题变得愈加迫切,国家非常重视环境空气质量问题, 早在1982 年就制定并印发了 《大气环境质量标准》, 经多次修订,2012 年实施了《环境空气质量标准》(GB 3095-2012)[11], 如何有效实现“绿水青山” 和“金山银山” 共赢依然是工作中面临的问题, 为贯彻落实“十四五” 规划加速推动绿色低碳发展, 建设中国特色高质量能源体系。 因此, 提出以下对策建议:

第一, 丰富能源传输路径, 提高能源传输效率。当前中国能源传输效率偏低, 积极开拓能源传输路径, 丰富能源传输渠道, 提高能源传输效率至关重要。 北京、 天津、 上海、 江苏、 浙江、 山东和广东是能源消费空间关联网络的“枢纽”, 这些地区与其他地区的能源关联较为密切, 建议丰富途经“枢纽” 地区的能源传输路径, 可以提高能源传输效率, 有利于形成开放、 包容的能源新格局。

第二, 发展规模能源储备效应, 减少能源传输成本。 在加强各省级行政区能源联系的同时, 要注重经济规模相当、 发展水平相似地区之间能源的互联互动, 大力发展规模相近的能源储备效应, 可以减少能源传输成本, 提高新能源的使用率, 使其代替以煤炭为主的新型能源, 可以进一步缓解能源消费带来的空气污染问题。

第三, 完善有关空气污染的防治措施, 加强污染源头治理。 通过实证分析得出, 加大环保相关的行政处罚力度和执行环境保护税收政策是有效控制空气污染的途径, 在经济激励型环境规制方面还有一定的问题需要完善, 比如拓展工业污染治理投资渠道, 调整工业结构, 发挥投资额在控制重点行业污染排放的作用等。 在公众参与型环境规制方面, 丰富拓展民主渠道的同时也要注重落实有关能源消费及空气污染方面的提案和建议。

第四, 调整能源结构, 促进清洁能源使用。 能源消费结构仍以化石能源为主, 清洁能源尤其是可再生能源的消费比重极小。 应进一步优化能源消费结构, 控制煤炭消费总量, 降低煤炭占能源消费的比重, 积极发展可再生能源, 稳步推进生物质能等清洁能源的开发利用, 推动能源消费结构持续优化。