全国能源消费结构低碳化的空间非均衡性及动态演进

马海良，高 洁，金瑞琪，江骋宇

（1.河海大学 商学院，江苏 南京 211100；2.河海大学 物联网工程学院，江苏 常州 213022）

能源是经济发展的重要基础，是社会发展的重要动力。能源消费结构不仅直接影响经济发展的速度和质量，对人民的生活质量水平和生存生态环境也会产生影响。随着社会经济的发展和人民生活水平的提高，我国对能源的消耗也不断增加，现阶段我国能源消费结构呈现“一大三小”的特征（“一大”为煤炭，“三小”为石油、天然气、新能源），这将直接决定我国能源结构高碳化的结果（邹才能，2022）。与此同时，能源消费结构的高碳化对我国的生态环境产生严重的破坏。大面积开采煤炭造成了水资源的污染，同时煤炭在燃烧或加工过程中，会产生大量废气及废渣，严重影响生态环境，增加社会治理成本 （姜宛贝等，2020；田泽等，2023）。对此，国家能源局副局长任京东强调，要建设多轮驱动的能源供给体系，注重能源均衡发展，提升区域互济、多能互补水平。党的二十大报告指出，面对双碳目标，我国要加快推动能源消费结构调整，促进人与自然和谐共生。因此，低碳能源的推进是缓解我国能源安全困境和减少环境污染的重要途径，是推动经济社会可持续发展的重要举措，是加快新型工业化建设和全面推进绿色发展的必然选择（杨莉莎，2019）。在此背景下，分析我国各个省区能源消费结构低碳化发展趋势及其均衡性，对促进我国实现低碳化发展具有重要意义。

1 文献综述

对于能源消费结构低碳化的研究，国内外学者主要从两个方面展开讨论。1）探讨能源消费结构低碳化概念，并运用各类技术方法对能源消费结构低碳化的程度做定量分析，探索能源低碳化发展的新方向。赵明轩等（2021）通过建立面板向量自回归模型，分析了我国东部、中部、西部和东北部四大经济区的能源消费、经济增长和碳排放三者之间的动态关系和两两之间的因果关系。刘琳等（2019）以经济增长、能源消费结构等作为约束条件，建立能源消费结构低碳化优化模型，并对能源结构低碳化进行多目标优化。张希良等（2022）通过中国-全球能源模型 （China in Global Energy Model，C-GEM）等工具，研究了碳中和目标下的能源消费结构转型路径，定量评价了主要减排措施在不同时期的减排贡献度。吴小翠等（2011）基于熵权TOPSIS法和四象限交叉分析原理，构建能源消费结构均衡性评价模型，得出我国中部地区能源消费的均衡水平均较低，各省能源消费均衡度基本不及全国整体水平。苗阳（2016）从城市能源容量、化石能源低碳化水平及非化石能源发展水平这3个维度，构建能源消费结构低碳化评价模型，发现非化石能源发展水平是构建能源消费结构低碳化的关键路径。2）运用各种数理模型探讨能源消费结构低碳化的影响因素，并提出促进能源消费结构低碳化的政策建议。总体而言，能源消费结构低碳化的影响因素主要涉及社会环境、财政政策、经济发展水平、产业结构、绿色信贷等方面。岳婷等（2016）通过构建我国高碳能源低碳化利用影响因素理论模型，发现社会环境、财政鼓励政策和财政惩罚政策因素对高碳能源的低碳化利用有着重要影响。柳亚琴等（2022）利用多期双重差分和多重中介效应模型，发现碳交易政策能提高能源消费结构低碳化水平且作用效果逐年增强，在东部地区有较为显著的正向促进作用，而在中西部地区无显著促进作用。李荣杰等（2020）通过加权多维向量夹角法，将能源结构低碳化指数量化，从经济发展水平和产业结构两个维度进行收敛机制的检验，发现各地区能源结构低碳化的差异随着经济发展水平差距的缩小而减少，经济发展水平和产业结构升级对实现能源结构低碳化有重要作用。刘传哲（2019）基于灰色关联分析和动态面板GMM回归等模型，发现绿色信贷比率与能源消费结构之间存在显著的负相关关系，绿色信贷比率的增加可以有效推动能源消费结构低碳化进程。

梳理文献，发现目前学者对能源消费结构低碳化的概念和实现路径、能源消费结构低碳化的影响因素进行了丰富的研究，但鲜有文献探索能源消费结构低碳化的空间非均衡及其动态演进。本文以全国30个省（市、自治区）（不包含西藏及港澳台）为研究对象，探究全国能源消费结构低碳化的空间非均衡性及动态演进特征。本文边际贡献在于：利用泰尔指数的分解方法和空间自相关法，对能源消费结构低碳化进行空间分析，计算区内差异和区间差异对能源消费结构低碳化的影响程度，从而找到影响能源消费结构低碳化的重要因素；通过Moran指数反映能源消费结构低碳化的空间分布格局，判断其是否存在强强聚集和弱弱聚集趋势的空间状态。研究结论对促进我国能源结构转型和实现双碳目标具有一定的理论启示。

2 研究设计

2.1 空间非均衡性评价

泰尔指数（Theil index）可以刻画各个个体的差异性及对总体的影响水平，因此常被用来衡量总体中各区域间的差异。泰尔指数可以揭示组间差异、组内差异的大小及其在总体差异中的贡献程度，且对组内和组间差异的变化较为敏感。本文采用泰尔指数测算中国能源消费结构低碳化指数的整体差异和区域差异，呈现2003—2020年的能源消费结构低碳化的演变轨迹。其计算公式为

式中：i为省市；j为中国七大区域①七大区域指东北、华东、华中、华北、华南、西北、西南。；T为泰尔指数；LCI为全国能源消费结构低碳化指数；LCIji为j区域i省份能源消费结构低碳化指数；G为全国GDP；Gji为j区域i省份GDP。

对泰尔指数进行分解，测度能源消费结构低碳化指数的区域间差异及区域内差异，计算公式为

式中：Tn为j区域i省份能源消费结构低碳化指数的差异；LCIji为j区域i省份能源消费结构低碳化指数；LCIj为j区域能源消费结构低碳化指数；Gji为j区域i省份GDP；Gj为j区域GDP。

将泰尔指数进行分解，则

式中：Tw为组内差异；Tb为组间差异。

式中：w为组内差异贡献度。

式中：b为组间差异贡献度。

2.2 空间关联性评价

空间自相关主要用于度量空间对象及它们相应的某一属性值在空间上的聚集程度及关联程度。本文采用全局莫兰指数（Global Moran's I）和局部莫兰指数（Local Moran's I）测度能源消费结构低碳化的空间自相关性。

2.2.1 空间权重矩阵

空间权重矩阵是反映个体在空间中依赖关系的矩阵，对研究样本进行研究测算具有重要作用。为了确定样本的空间权重，构建一个n×n的矩阵W，

wij借助Rook规则来构建空间权重矩阵，其构建原理为

2.2.2 全局空间自相关

全局空间自相关描述了所有空间单元在整个区域与周边地区的平均关联程度，揭示了某一空间内观测样本在空间上的相似程度。其计算公式为

式中：xi、xj为区域i和j的观测值，其中i≠j；为所有区域的观测平均值；n为区域的数量；wij为空间权重矩阵元素。I的区间位于-1～1，当I＞0时，空间正相关，反之则空间负相关，I＝0时，空间出现随机性。

标准化统计量Z值的检验公式为

2.2.3 局部空间自相关

局部空间自相关用于计算区域内各空间与其邻域空间的相关程度和分析空间对象的局部特征差异，反映了局部区域内的空间异质性与不稳定性。若全局莫兰指数显著，则说明在该区域上存在空间相关性，但具体哪些地方存在着空间聚集现象需要局部莫兰指数帮助说明。其计算公式为

式中：S2为方差。当Ii＜0时，具有空间分散效应，反之具有空间聚集效应。采用Moran散点图揭示观测样本的空间不稳定性。用向量形式表达的计算方式为

式中：wz为相邻对象的空间加权均值；z为对象与其均值离差组成的向量；z′为标准化后向量。

2.3 变量选取及数据来源

目前关于能源消费结构低碳化的理论分析居多，但涉及定量分析的研究相对较少，本文参考唐笑飞等（2011）和郑林昌等（2011）的研究思路，以煤炭、油气以及其他能源消费的占比为指标构建计算公式。具体计算公式为

式中：α，β，γ分别为各省份煤炭、油气以及其他能源消费所占比例；cos（θ1）为煤炭在能源消费中所占比例。

式中：cos（θ2）为油气在能源消费中所占比例。

式中：cos（θ3）为其他能源在能源消费中所占比例。

式中：LCI为能源消费结构低碳化指数。

数据来源于2003—2020年《中国能源统计年鉴》，包含全国30省市自治区（不包含西藏及港澳台），以原煤、焦炭、原油、汽油、天然气、电力等能源的消费量为主要数据指标。

3 实证分析

3.1 能源低碳化演变趋势

2003—2020年全国各省份能源消费结构低碳化指数状况如表1所示。1）从全国层面看，全国能源消费结构低碳化分布的空间非均衡性较弱，各省市自治区的能源消费结构低碳化指数差距较小。2003—2020年，全国能源消费结构低碳化指数总体呈稳步上升的趋势，从5.298 2上升至5.862 0，2012年以后增速明显上升。党的十八大以来，我国积极推进能源革命，对能源生产和利用方式进行重大变革，大力开发与利用非化石能源。因此2012年以来，能源消费结构低碳化指数加速上升，印证了我国在推动能源绿色低碳转型取得的成效。2）从省级层面看，2003—2020年能源消费结构低碳化指数均值最高的是浙江，为6.223 3，最低的是贵州，为5.130 2。能源消费结构低碳化指数较高的前五位是浙江、北京、海南、广东、上海，均大于5.94；而后五位是江西、云南、山西、河北、贵州，均小于5.24。能源消费结构低碳化指数较高的省有经济发展水平较高、产业结构升级较为迅速的特点，且多数为能源输入型地区；而能源消费结构低碳化指数较低的省经济发展水平较低、产业结构升级较为缓慢，且多数为能源输出型地区。北京能源消费结构低碳化指数相对增长率为29.56%，而其他省的相对增长率均小于15%，北京远高于其他省。这是因为作为首批碳排放交易试点城市，北京于2013年正式启动了碳排放权交易市场工作，积极减少碳排放强度，推动了能源消费结构低碳化发展。3）从区域分布来看，2003—2020年能源消费结构低碳化指数均值最高的地区是华南，为5.868 0，最低的是西南，为5.283 2。华南多为能源输入型地区，而西南多为能源输出型地区。对于能源输出型地区，良好的资源条件可能会造成对能源的过度依赖，形成单一的资源型产业结构，不利于能源消费结构低碳化发展。能源消费结构低碳化指数相对增长率最高的为华北地区，高达12.92%，主要原因是北京的增长率远高于其他省，对华北地区相对增长率靠前做出巨大贡献。能源消费结构低碳化指数相对增长率最低的是东北地区，只有8.7%。长期以来，东北地区过度依赖传统重化工业的粗放式发展，存在模式锁定效应和路径依赖问题，导致能源结构的刚性较强，难以灵活高效地进行低碳化转型。

表1 2003—2020年全国能源消费结构低碳化指数Table 1 Low-carbon index of national energy consumption structure from 2003 to 2020

3.2 空间非均衡性分析

泰尔指数的总体差异如表2所示，全国能源消费结构低碳化泰尔指数总体呈现先升后降的发展态势。2003—2007年呈上升态势，由0.264 4上升至0.283 7，2007年的泰尔指数最高，2007年之后逐渐下降，到2013年下降至0.242 8，为泰尔指数最低的一年，以后几年趋于平稳。造成上述现象的原因可能在于，2007年党的十七大召开，并强调实施科学发展观，注重社会的全面协调可持续发展，我国开始加大重视能源低碳化发展，逐步进行全国性的产业结构调整和产业结构优化升级，整体能源消费结构低碳化差异逐年下降。随着经济发达地区能源消费结构的快速发展和国内能源消费结构和产业结构的整体调整，部分落后的产业向经济发展水平较差的地区转移，使区域差异有所反弹。

表2 2003—2020年全国能源消费结构低碳化泰尔指数及其增长率Table 2 Low-carbon Theil index of national energy consumption structure and its growth rate from 2003 to 2020

泰尔指数的区域差异如表3所示，能源消费结构低碳化泰尔指数从低到高分别为华中、东北、华北、西南、华东、西北、华南。到2020年，泰尔指数最低的是华中地区，为0.004 5；而最高的是华南地区，高达0.479 1，二者相差巨大。2003—2020年，华东、华中、华南、西南地区泰尔指数大致呈先升后降趋势，与全国泰尔指数趋势相似，在2007年到达峰值。东北、华北地区泰尔指数大致呈下降趋势，而西北地区泰尔指数大致呈上升趋势，由2003年的0.209 8上升至2020年的0.281 6，且华南、西北地区泰尔指数波动较大，其余地区波动幅度较小，相对稳定。

表3 2003—2020年区域能源消费结构低碳化泰尔指数及其分解Table 3 Low-carbon Theil index of regional energy consumption structure and its decomposition from 2003 to 2020

下面通过泰尔指数空间分解性对区间差异（Tb）和区内差异（Tw）进一步分解（表4）。区域内差异总体呈现“N”形，即先上升后下降再上升的发展态势；区域间差异总体呈现倒 “W”形，即上升、下降、上升、下降的发展态势。区域间差异贡献率均小于50%，区域内差异贡献率均大于50%，可见区域内部能源消费结构低碳化的差异对总体差异的影响较大。近年来区域内差异贡献率在逐渐减小，而区域间差异贡献率在逐步提高，到2020年已上升至48.15%，说明随着我国长三角一体化、京津冀协同发展、西部大开发等一体化战略的实施，各个区域的横向沟通更加密切，产业发展和人口布局等更加注重大尺度空间上的综合考虑，因此区域内的能源消费结构低碳化差异越来越小。但由于各个区域经济发展和科技水平存在差异，区间差异对低碳化总体差异的影响越来越大。

表4 2003—2020年全国能源消费结构低碳化差异内部分解Table 4 Internal decomposition of low-carbon differences in national energy consumption structure from 2003 to 2020

3.3 动态演进分析

通过计算2003—2020年全国能源消费结构低碳化指数的全局莫兰指数和局部莫兰指数，生成Moran散点图来反映全国省（市、自治区）能源消费结构低碳化指数的空间动态演变格局。2003—2020年全国能源消费结构低碳化的全局莫兰指数及其Z统计值如表5所示。各年份的|Z|＞1.96，即莫兰指数显著，全局莫兰指数均显著为正，且均大于0.2，表明全国能源消费结构低碳化存在明显的空间正相关，即属性值越大（或越小）的越容易聚集在一起，马太效应显著。这意味着在能源消费结构低碳化较高区域与较高区域相邻，较低区域与较低区域相邻，能源消费结构低碳化存在着明显的集聚现象。

表5 全国能源消费结构低碳化的Moran's I及其Z统计值Table 5 The low-carbon index of national energy consumption structure and Z statistical value

全局莫兰指数仅能反映全国能源消费结构低碳化的整体集聚效应，无法揭示局部对象在邻近空间的相关联程度。因此，本文以2003年、2009年、2014年、2020年为时间节点，通过局部莫兰指数来度量全国能源消费结构低碳化的空间异质性和集聚出现的范围和位置，通过Moran散点图来探究不同省（市、自治区）之间的能源消费结构低碳化的空间关联程度（图1），限于篇幅，本文仅提供2003年和2020年的散点图。

图1 2003年和2020年全国能源消费结构低碳化空间分布Moran散点图Fig.1 Moran scatter plot of low-carbon spatial distribution of national energy consumption structure in 2003 and 2020

由图1可知，中国能源消费结构低碳化存在空间集聚性和空间异质性。2003年和2020年大多数城市都位于第一象限或第三象限，表明全国能源消费结构低碳化空间关系主要是高值聚集和低值聚集，即能源消费结构低碳化程度较高的城市趋于强强聚集，而较低的城市趋于弱弱聚集，且弱弱聚集的省份数量高于强强聚集的数量。

各省具体空间格局及其变化如下：长三角地区即江苏、浙江和上海始终处于第一象限，新疆与青海两个相邻省份、广东与海南两个相邻省份也始终处于第一象限，表示自身能源消费结构低碳化是高值，周围的其他地区也是高值；西南地区，即四川、重庆、贵州、云南始终处于第三象限，华中地区，即河南、湖南、湖北始终处于第三象限，此外，辽宁、内蒙古、陕西、山西和广西也始终处于第三象限，表示自身能源消费结构低碳化是低值，周围的其他地区也是低值；北京始终处于第四象限，表示自身能源消费结构低碳化是高值，周边地区都是低值；安徽，江西始终处于第二象限，表示自身能源消费结构低碳化是低值，周边地区都是高值。2003年以后天津从HL区转向HH区，河北逐渐从LL区转向LH区，山东从LL区转向HL区。近年来大多省份空间格局分布没有发生变化，仅小部分省份莫兰指数发生变化。其中，长三角地区本身缺乏煤、石油等传统能源，因此非常注重光伏等新能源的开发和使用，同时又具有较好的减排技术和新能源产业基础，因此长三角地区始终处于第一象限，成为其他地区的良好示范。而内蒙古和山西等西部地区能源结构以传统煤炭能源为主，其经济发展相对滞后、技术研发水平落后，限制了清洁能源的开发利用，因而清洁能源的供给相对不足，使得西南地区的能源消费结构低碳化难度更大，导致始终处于低低聚集的状态。

3.4 稳健性检验

以空间邻接权重矩阵对空间对象联系紧密程度进行度量，为了避免完全割裂空间单位间的相互联系，从而导致空间关系认定等误差，造成模型的不稳定，下文采用经济距离空间权重矩阵替代空间邻接权重矩阵，并绘制Moran散点图进行稳健性检验。经济距离空间权重矩阵是描述空间对象之间经济相似性的矩阵，每个元素表示两个空间对象之间的经济距离。基于经济距离空间权重矩阵绘制Moran散点图，如图2所示。该Moran散点图与上文基于空间邻接权重矩阵绘制的Moran散点图结果基本一致，全国能源消费结构低碳化空间关系主要为高高聚集和低低聚集，证明前面的结论是稳健可靠的。

图2 2003年和2020年基于经济距离空间权重矩阵的全国能源消费结构低碳化Moran散点图Fig.2 Moran scatter plot of low-carbon spatial distribution of national energy consumption structure based on economic distance spatialweightingmatrix in 2003 and 2020

4 结论与建议

本文从省级尺度和空间关联视角，以全国30省（市、自治区）为研究对象，基于泰尔指数及其嵌套分解的空间非均衡性分析方法，以及莫兰指数的空间关联分析方法，探究全国能源消费结构低碳化的空间非均衡及动态演进特征，研究结论如下。1）2003—2020年，全国各省的能源消费结构低碳化指数总体呈稳步上升的趋势，尤其是党的十八大以来增速明显上升。2）全国能源消费结构低碳化分布的空间非均衡性较弱，呈现先升后降态势，华中、东北地区泰尔指数较低，西北、华南泰尔指数较高。区域内能源消费结构低碳化的差异对总体差异的影响较大，但区域间差异对总体差异的影响逐渐增大。3）全国能源消费结构低碳化存在明显的空间正相关，马太效应显著，存在着明显的集聚现象。近年来总体空间格局分布变化较小，江浙沪地区始终呈现高高聚集的特征，而西南和华中地区则处于弱弱聚集。

综合上述研究结论，本文提出以下能源消费结构低碳化建议。

1）区域合作促进能源低碳化发展。全国各省市自治区能源消费结构低碳化的马太效应显著，能源消费结构低碳化较高的城市趋于强强聚集，而较低的城市趋于弱弱聚集。因此，各省市自治区政府需要相互协商、达成共识，积极打破区域行政壁垒，推动区域一体化资源战略。统筹兼顾整体和局部，以此增强制度资源的流动效率。同时，构建区域利益共同体，通过技术交流等多种方式互惠互助、合作共赢，共同促进能源低碳化发展。

2）能源输出型地区积极推进能源产业转型。历年来能源消费结构低碳化指数较低的多为能源输出型地区，而能源输出型地区普遍对能源过度依赖，不积极调整产业结构而形成单一的资源型产业结构，使得这些地区难以有效且顺畅地推动能源转型发展。因此，需要积极探索煤炭能源清洁高效利用的路径，赋予煤炭能源高附加值，促进现代煤化工产业发展；积极开发利用太阳能、氢能等新能源，促进新能源高质量发展，构建多元化、多渠道的新能源产业体系，推动能源转型。

3）以经济建设促进优化能源产业结构。在Moran散点图中长期处于第三象限 （LL）的省（市、自治区）经济发展水平较为落后，经济发展水平较低地区产业结构较为单一，能源结构刚性较强，难以实现能源结构多元化发展和低碳化转型。我们需要提高经济水平，推动产业结构高级化，激发社会创造力和市场活力，破解模式锁定和路径依赖，以经济发展提升能源结构低碳化水平。

4）科技创新为能源低碳化提供持续动力。能源产业低碳化发展需要科学技术的创新、普及和推广。加快能源技术创新，推动煤炭清洁高效利用，大力发展非化石能源，能够推进能源绿色低碳转型。同时，通过低碳技术创新，对新能源行业赋能，加速低端制造业技术改造升级，加快可再生能源产业的快速发展。