能源效率空間交互效應的識別范文

本站小編為你精心準備了能源效率空間交互效應的識別參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、能源效率測算及探索性空間相關性分析

（一）能源效率的測算方法從已有文獻來看，能源效率的測算方法大致可以分為兩類：一類是單要素能源效率測算方法；另一類是全要素能源效率測算方法。傳統的單要素能源效率方法衡量了能源投入與有效產出之間的一個比例關系，最為常用的指標為能源消耗強度。采用單要素能源效率方法測算能源效率，計算簡單，可操作性強，然而該方法的缺陷也是顯而易見的。首先，單要素能源效率衡量的是能源投入與有效產出的一個比例關系，無法度量潛在的能源技術效率（Wilsonetal.，1994）[11]。其次，能源本身作為一種單一的投入要素，必須與人力、資本等非能源要素相結合才能實現生產并獲得產出（HuandWang，2006）[12]，而傳統的單要素能源效率指標忽略了其他投入要素與產出之間的關系，所以無法反映勞動力、資本等生產要素對能源的替代作用。HuandWang（2006）基于DEA提出了“全要素能源效率”這一概念框架。由于全要素能源效率考察了能源、勞動力、資本等多種投入要素與產出之間的生產關系，并以能源目標值與實際值之間的比值作為全要素能源效率的評價指標，從而很好地克服了單要素能源效率存在的上述缺陷。本文秉承和拓展了王兵等（2010）[13]的研究思路，結合全局DEA和SBM方向性距離函數測算了環境約束下省際能源效率。顧名思義，全局DEA以全部時期的投入產出觀察值構造的生產可能集合（PPS）作為不同時期的共同參造集（Oh，2010）。

（二）投入產出指標考慮數據的可得性和可比性，本文采用2002~2012年中國30個省市（西藏除外）的面板數據，投入產出數據來源于相應年份的《中國統計年鑒》、《中國能源統計年鑒》和《中國環境統計年鑒》。1.投入指標：包括資本、勞動和能源三種投入要素。其中，資本投入以各省市的物質資本存量來衡量，具體使用張軍等（2004）[16]的測算方法向后推算至2012年，并以2000年為不變價格；勞動投入以各省市歷年的三產就業人數總和來衡量；能源投入以各省市歷年的能源消費總量來衡量。2.產出指標：期望產出和非期望產出。其中，期望產出以各省市歷年的實際GDP來衡量，使用GDP指數平減至2000年；非期望產出指標具有較大彈性，至今尚未形成共識，為了避免單一污染物指標的片面性，本文選取SO2、化學需氧量（COD）以及CO2三類指標。這種選擇的背后邏輯在于，前兩類污染物指標出現在“十一五規劃”的節能減排目標中（王兵等，2010）[13]，而CO2排放是氣候變化的罪魁禍首，絕大部分來源于能源的燃燒。值得注意的是，由于統計年鑒并沒有提供具體CO2排放量的數據，本文參考杜立民（2010）[17]的相關研究，計算得到歷年碳排放數據。

（三）測算結果與分析基于上述投入產出指標，表1報告了樣本期間主要年份中國各地區能源效率。可以直觀地看出，廣東省始終處于生產的前沿面，能源效率值最高，為1.000，排名其后的三個省份為福建、上海和北京，能源效率分別為0.813、0.809和0.802。能源效率最低的四個省份是寧夏、青海、山西和貴州，能源效率值分別為0.150、0.208、0.210和0.218。此外，可以測算出全國能源效率平均值為0.506，有14個省份位于全國平均水平之上，且大部分屬于東部沿海地區，而剩下的16個中西部省份低于全國平均水平。表1反映的各地區能源效率排名分布是符合經濟直覺的：與中西部地區相比，東部地區經濟發展迅猛、基礎設施完善、開放程度高、人力資本充足，這使得東部地區擁有良好的外部環境，從而孕育更高的能源效率。與此同時，得益于優越的區位優勢和“貿易紅利”，東部地區通過國際貿易和資本投資引進國外先進的技術設備和管理經驗，使得代表技術效率的管理制度創新等“軟”技術更加先進和完善，更加接近于生產前沿。因此，東部地區享有最高的能源效率應在情理之中。由上述分析可知，東部沿海地區能源效率最高，并呈現一定的空間集聚特征。更進一步，本文繪制了2002~2012年三大區域能源效率的演變趨勢圖（圖1）。容易看出，東部地區的區域能源效率在考察期間處于0.6以上，2012年更是達到了0.79的高水平，在三大區域中一枝獨秀，處于絕對領先地位；中部地區的區域能源效率在0.5上下震蕩，但近年來處于上升趨勢；西部地區的區域能源效率同樣掙扎在0.3~0.4的泥潭之中，但呈掙脫之勢。因此，區域間能源效率存在發展的非平衡性，由東向西依次遞減，這種空間分布特征與區域經濟發展的梯度分布一致，相吻合于徐盈之和管建偉（2011）[7]的研究結論。從全國范圍來看，2002~2012年，中國能源效率先下降后上升，以2006年為轉折點。具體而言，能源效率從2002年的0.50下降到2005年的0.45，再上漲至2012年的0.59，這一致于Zhang（2013）[18]的研究結論。為了解釋樣本期間能源效率先下降后上升的變化趨勢，本文計算了能源強度的變化趨勢，發現兩者呈完全逆反的演變，符合經濟直覺。以2000年的不變價計算，中國能源強度從2002年的1.39噸標準煤/萬元增加至2005年的1.52噸標準煤/萬元；2006～2012年，能源強度從1.47噸標準煤/萬元下降至1.13噸標準煤/萬元，降幅達23.4%。這一變化趨勢的背后邏輯在于，2002~2005年間，工業化、城鎮化的快速發展帶來能源消費的剛性需求，加上2003年的重工業化重啟因素，導致能源強度和主要污染物呈上升趨勢，單位國內生產總值能耗增幅達9.3%，SO2和COD排放總量分別上升32.3%和3.5%。2005年的科學發展觀和2006年“十一五”規劃中明確提出節能減排的約束性指標逐漸扭轉了能源效率下降的趨勢，能耗水平和主要污染物排放量均顯著減少。同時，產業結構的調整、基礎實施的完善等也在一定程度上促進了能源效率的提升。（四）探索性空間相關性分析1.Moran’sI指數測算。由上文省際能源效率的測算分析可以發現，能源效率存在明顯的區域空間集聚現象，即東部地區能源效率最高，中部次之，西部最低。為了進一步測算出省際能源效率在地理空間上的集聚程度，本文使用探索性空間數據分析技術，具體包括Moran’sI指數和Moran’sI指數散點圖，分別反映能源效率的全局和局部空間特征。從表2中容易看出，2002~2012年，省際能源效率的全局Moran’sI指數在1%的顯著性水平上均為正值，意味著在地理位置鄰接的空間權重矩陣設定下，省際能源效率在空間上并非表現出完全隨機的狀態，而是呈現出一定的空間集群現象。2.Moran’sI指數散點圖描繪。由于全局Moran’sI指數并不能反映不同地區能源效率的異質性，而Moran’sI指數散點圖恰恰可以彌補這一缺陷，其將區域能源效率集群現象分為四個象限的空間關聯模型，以進一步說明能源效率在空間分布的局部特征。第一象限（HH）表示高能源效率省份被高能源效率省份所包圍，第二象限（LH）表示低能源效率省份被高能源效率省份所包圍，第三象限（LL）表示低能源效率省份被低能源效率省份所包圍，第四象限（HL）表示高能源效率省份被低能源效率省份所包圍。觀測值分布在一、三象限為正空間自相關，分布在二、四象限為負空間自相關。2002年、2012年各省份能源效率的Moran’sI指數散點圖分別如圖2、3所示，大部分省份散落在一、三象限，意味著能源效率高被高包圍、低被低包圍的省份占據主導，換言之，能源效率呈現出空間上的集聚效應。具體而言，2002年和2012年，上海、江蘇、浙江、福建、廣東等東部沿海省份位于第一象限，陜西、重慶、云南、四川、新疆、甘肅、青海、寧夏等大部分中西部地區則位于第三象限。整體上看，從2002年到2012年，散落在各象限的省份并無較大變化，由此推斷出，區域間能源效率的演化存在高度穩定的空間自相關性。通過以上全局和局部空間自相關分析可以得出，中國省際層面的能源效率存在顯著的空間自相關性。為了進一步識別能源效率的空間交互效應，并揭示出具體的空間性誘發機制和探求能源效率的決定因素，后文我們運用一系列空間計量模型進行詳盡的實證分析。

二、研究設計

（一）計量模型設定如何識別能源效率在地區間的空間相關性或依賴性是本文實證研究的關鍵。能源效率的空間交互效應意味著本省份的能源效率將會受到其他省份能源效率的影響。定義省份能源效率的影響因素函數：EEi=（fEE-i，Xi），EEi、EE-i分別為省份i和其他省份的能源效率，一般計量模型并不適用，而空間計量模型則提供了一個很好的工具。Anselin（1988）[19]提出的空間滯后模型（SpatialLagModel，SLM）巧妙地解決了上述難題，即通過在回歸方程中引入被解釋變量的空間滯后項，采用形如（1）式的設定。對角線元素為0且是行標準化的矩陣，所以空間滯后項WEEit可以解釋為第t年除省份i之外其他“鄰居”省份加權平均能源效率；Xit代表一組影響省份能源效率的協變量；uit為隨機誤差項；ρ和β皆為模型待估參數，β刻畫了地區經濟特征對能源效率的邊際影響，ρ則為地區間能源效率的空間交互效應系數，是本文關心的核心參數。本文進行實證研究的主要目的在于估計ρ以及檢驗其是否等于零，如果ρ≠0，則意味著地區間能源效率確實存在空間交互效應。更進一步，如果ρ顯著為正，則表明地區間能源效率的空間交互效應呈現繆爾達爾擴散效應，即“涓滴效應”；如果ρ顯著為負，則表明地區間能源效率的空間交互效應呈現繆爾達爾回流效應，即“極化效應”。然而，不同省份之間的能源效率可能面臨共同的、不可觀測的經濟社會因素沖擊，我們允許模型的誤差項存在潛在的空間相關，從而構成更一般化的空間效應模型，即廣義空間自回歸模型（SpatialAu－tocorrelationModel，SAC），采用形如（2）式的設定。其中，εit是隨機誤差，λ為空間誤差系數，反映了相鄰地區關于能源的誤差沖擊對本地區能源的影響。容易判斷出，SAC實際上具有空間滯后模型和空間誤差模型的特點，也被稱之為“空間自回歸移動平均”（SpatialAutoregressionmovingaverage，SARMA）模型（CliffandOrd，1981）[20]。此外，由于我們沒有充分信息用于判斷空間權重矩陣W1和W2是否一致，故采取簡化的方法令二者一致，這意味著雖然因變量空間滯后項與空間誤差滯后項代表著不同形式的空間效應，但二者發生的邏輯是一致的。對于SAC模型的估計，文獻一般使用個體效應框架下的廣義空間兩階段最小二乘法（GeneralizedSpatialTwo-stageLeastSquares，GS2SLS）和最大似然估計（Maxi－mumLikelihoodEstimation，MLE）進行估計，兩種方法各有優劣。Lee和Yu（2010）[21]已經證明，在誤差分布設定正確的情況下，MLE估計量是一致的，并且比GS2SLS估計量更加漸進有效，本文使用MLE進行估計。最后，根據師博和沈坤榮（2013）[4]的觀點，中國區域間能源效率存在慣性，即當期的能源效率受到前期的影響。因此，在回歸方程中引入能源效率的時間滯后項分析其動態調整過程是合適的，從而構成動態空間面板數據模型（DynamicSpatialPanelDataModel，DSPM），Anselinetal（.2008）[22]將其稱之為“時間空間聯立”（Time-spaceSimultaneous）模型，設定。其中，γ為滯后乘數，表示前一期能源效率對當期的影響情況，反映出能源效率的動態調整過程，顯著為正說明能源效率存在慣性，顯著為負則表明能源效率逐漸收斂。通常情況下，文獻使用廣義矩方法（GeneralizedMethodofMoments，GMM）估計DSPM，并且在合適工具變量的前提下，相比于差分GMM，系統GMM在有效性和一致性方面均有很大改進，提高了估計效率。因此，本文采用系統GMM方法進行估計。綜上所述，為了更準確、合理地識別地區間能源效率的空間交互效應，本文的實證研究從空間滯后模型（SLM）和廣義空間自回歸模型（SAC）兩類靜態模型開始，并使用動態空間面板數據模型（DSPM）進一步分析。在此基礎上，運用三類模型對能源效率的替代指標———能源強度的倒數———從側面進行檢驗，以確保結論的客觀性與穩健性。最后，探討了節能減排政策對能源效率空間交互效應的影響。

（二）空間權重矩陣設定理論上，空間權重矩陣定義了研究個體之間的空間屬性關系，因此，構造合適的空間權重矩陣是空間計量實證研究最重要的前提。正如Anselin（1988）[19]所言，恰當地界定“鄰居”的標準至關重要，因為空間權重矩陣的誤設將導致系數不一致的估計。然而，遺憾的是，迄今為止，空間計量分析關于空間權重矩陣的設定尚未達成共識。為了保證結果不受先驗確定權重方案的影響，本文根據不同的研究目的，同時考慮不同地區的地理空間關聯和社會經濟聯系，分別設置三類空間權重矩陣：0-1型、地理距離型和經濟距離型。對于0-1型空間權重矩陣而言，由于其簡單易操作的特征，被既有文獻廣泛采用。然而，0-1型權重假定空間截面之間的空間交互作用取決于地理位置相鄰與否，并不能全面科學地反映客觀事實。因此，后兩類依據距離信息構建的空間權重矩陣可以有效彌補鄰接權重矩陣的不足，逐漸成為學者們進行研究時的可行補充方案。詳細來說，距離型空間權重矩陣假定空間效應強度決定于距離，空間單元之間距離越近則空間效應越強。最后，值得注意的是，我們對三類空間權重矩陣均進行標準化處理，保證每行元素之和等于1。具體地，上述三類空間權重矩陣設計方法如下：1.0-1型空間權重矩陣Wcont，即上文用于能源效率探索性空間相關性分析的二進制的地理鄰接空間權重矩陣。具體權重元素的設置方法為：如果兩區域相鄰，則對應權重元素值為1；如果兩地區不相鄰，則對應權重元素值為0。

（三）數據與變量本文使用2002~2012年中國30個省市（西藏除外）的面板數據進行實證檢驗。原始數據主要來源于歷年《中國統計年鑒》、《中國區域經濟統計年鑒》和《新中國六十年統計資料匯編》等。由于存在通貨膨脹因素，本文對涉及價格指數的指標均調整為以2000年為基期的不變價格。我們把前文已測算出的能源效率作為被解釋變量，并且為了統一所有指標的量綱，把能源效率乘以100，形成單位為百分比的相對指標，這一做法的好處還可以避免估計系數太低的情形（鄧明，2014）[23]。此外，為了控制其他影響能源效率的變量，借鑒既有文獻（李夢蘊等，2014；Fisher-Vandenetal.，2004；林伯強、杜克銳，2013；師博、沈坤榮，2013）[1-4]的做法，我們在控制變量集合X中引入8個相關變量。1.能源消費結構。不同種類的能源利用效率并不相同。相比于石油、天然氣和核能，煤炭的電力轉換效率相對較低（Yu，2012）。因此，若煤炭、燃油等能耗大、利用率低的傳統能源占能源消費的比重較大，則能源利用效率就低下（李夢蘊等，2014）[1]。沿襲一般文獻的做法，本文采用煤炭消費量占能源消費總量的比重作為能源消費結構的變量，并預期其系數符號為負。2.能源價格。遵循Hicks的引致創新（inducedinnovation）思想，能源價格的上漲將進一步刺激能源效率的提高。經濟直覺上，能源價格的上升有利于企業提高節能意識，減少能源浪費，推動企業采取更加節能的生產技術，促進能源效率的提升（林伯強、杜克銳，2013）[3]。此外，Fisher-Vandenetal（.2004）[2]也證實，能源價格上升是推動中國能源強度下降的重要誘因。囿于數據的可獲得性，本文以原材料、燃料、動力購進價格指數作為能源價格的變量，并預期其系數符號為正。3.產業結構。第二產業以高耗能、高污染企業為主，相比之下，以服務業為代表的第三產業則相對更加清潔。因此，從經濟理論上講，產業結構高級化是提高能源效率的有效途徑。林伯強、杜克銳（2013）[3]發現，第三產業的發展有助于能源效率的提升。本文以各地區第三產業的增加值占地區GDP的比重衡量產業結構，并預期其系數符號為正。4.研發強度。毋庸置疑，加大科研與試驗性發展經費的投入力度，將有利于企業使用更加節能的生產技術，進而提高能源效率。Fisher-Vandenetal.（2004）[2]的研究工作表明，資本節約型的技術創新是中國能源效率改進的核心驅動力。但是，也有文獻（Greening，2000）[25]指出，技術進步存在能源的“回彈效應”（ReboundEffect），即能源效率提高所節約的能源，可能會通過替代效應、收入效應和產出效應等機制所產生的新的能源需求而被部分甚至完全抵消，使得技術進步的節能效應具有不確定性。本文以R&D經費支出占GDP的比重衡量研發強度。5.外商直接投資。理論上講，FDI對能源效率的影響扮演著“天使”與“魔鬼”的雙重角色，既可能是“污染光環”效應，也可能是“污染避難所”效應。“污染光環”效應認為，承載先進技術的外資企業可以向東道國傳播更為綠色清潔的生產技術，從而提升能源效率。相反，“污染避難所”效應認為，發展中國家相對寬松的環境規制使得發達國家將污染密集型產業轉移到發展中國家，進而增加能源消費，降低能源效率。本文以FDI占GDP的比重衡量外商直接投資。6.要素稟賦。從全要素角度出發，資本、勞動和能源之間存在一定的相互替代或互補關系，所以，要素稟賦通過影響能源消費總量而將效力“傳輸”到能源效率。本文以資本—勞動比衡量要素稟賦，若該變量數值越高，則表明產業類型偏向于資本密集型，反之則偏向于勞動密集型。7.政府干預程度。“中國式分權”衍生的圍繞GDP增長而進行的“晉升錦標賽”，使得各地方政府患上“發展饑渴癥”，從而一味地追求發展經濟而忽略環境保護，導致發展方式的粗放。師博和沈坤榮（2013）[4]證明，政府干預越多，造成的扭曲愈顯著，從而對能源效率的負面影響越大。我們用地方政府財政支出占GDP的比重度量地方政府對資源配置的影響程度，并預期其系數符號為負。8.市場化水平。理論上，市場化水平的提高將改善資源的配置效率，與此同時，市場競爭固有的優勝劣汰的自然屬性，促使企業努力控制成本、竭力提高效率，進而提高能源效率。CornillieandFankhauser（2004）[26]以東歐和蘇聯國家為樣本，發現從計劃經濟過渡到市場經濟的過程中，這些國家的能源強度進入顯著下降通道。本文以國有企業員工占就業人數的比重衡量市場化水平，并預期其系數符號為負。所有變量的統計描述見表3。

三、能源效率的空間交互效應研究

（一）初步分析：靜態模型的估計結果本文首先考慮不加入能源效率時間滯后項的靜態回歸模型，使用空間滯后模型（SLM）和廣義空間自回歸模型（SAC）識別能源效率的空間交互效應，回歸結果見表4。作為參照，本文同時報告了不加入空間滯后項的普通面板數據模型的估計結果。容易看出，Moran值為正且通過了1%的顯著性水平檢驗，說明靜態模型中存在明顯的空間相關性，既佐證前文關于能源效率探索性空間分析的結果，又蘊含模型中引入被解釋變量空間滯后項的必要性。此外，LM檢驗至少在10%的顯著性水平上拒絕原假設，意味著相應模型選擇合理。根據表4的估計結果可知，在三種空間權重矩陣設定下，無論是空間滯后模型，還是廣義空間自回歸模型，被解釋變量空間滯后項WgEE的估計系數在1%的顯著性水平上異于零，說明地區間能源效率確實存在空間交互效應。并且，WgEE的系數顯著大于零，進一步說明地區間能源效率的空間交互效應屬于擴散效應。也就是說，相鄰地區的能源效率越高，則本轄區的能源效率越高。根據空間權重矩陣的含義，可以得到兩點結論：其一，地理位置相鄰和地理距離越近，越有利于區域間能源效率的空間擴散效應，這是符合經濟直覺的；其二，經濟發展水平相近地區的技術匹配度更高，產業間具有更強的前向與后向聯系，從而更有利于發揮能源效率的“涓滴效應”。另一方面，從WgEE的估計系數程度上看，基于地理距離的空間自回歸系數要高于基于地理鄰接和經濟距離的空間自回歸系數，意味著能源效率的空間交互效應對“地理距離”因素更加“敏感”，地理距離越鄰近，擴散效應越強。究其根源，是由于能源效率屬于技術的范疇，而技術知識的載體是人力和物質，特別是高水平人力資本是技術進步的源泉，地理距離越近，空間交流成本越低，越有利于地區間人流、物流和信息流的流轉，從而最大程度地發揮能源效率的空間擴散效應。此外，SAC模型中，空間誤差自相關系數通過1%的顯著性水平檢驗，表明選擇空間誤差結構的必要性，同時估計結果與SLM結果相互驗證，顯示出能源效率擴散效應的穩健性。其他控制變量的估計結果。能源消費結構是制約能源效率提升的關鍵。眾所周知，中國“富煤貧油少氣”的能源稟賦現狀決定了煤炭消費占能源消費總量的70%左右，而煤炭利用效率一般低于其他化石能源，這也是中國能源效率長期處于世界下游水平的重要原因之一。能源價格并沒有扮演提高能源效率的角色，明顯與理論預期相悖。然而，看似矛盾的結果卻有其合理性。中國的能源定價機制還沒有實現市場化，價格扭曲導致供需雙方不能得到準確信號，無法有效調節能源的生產和消費行為，釀成能源過度利用和能源效率低下的惡果。同時，這一結論也與LinandHong（2014）[27]的研究結論相一致。他們認為，人為壓低能源價格是導致這一現象的罪魁禍首，致使能源價格并不能真實反映能源的需求、供給及稀缺性。與理論預期一致，以第三產業比重衡量的產業結構是提升能源效率的重要驅動力，意味著優化產業結構，鼓勵清潔產業為主的服務業發展，進而促使產業結構高級化，是提升能源效率的可行途徑。再者，R&D的估計系數為正，但在大部分模型中并不顯著，沒有證據表明R&D有助于提升能源效率，這在一定程度上表明還需進一步加大R&D投入和提高R&D利用效率。此外，FDI對能源效率的作用為正，并且在大部分模型中通過1%的顯著性水平檢驗。因此，我們認為FDI提升了能源效率，表明承載先進環保技術的外資企業通過產業間前后項關聯而產生正向的溢出效應，折射出FDI所扮演的“天使”角色，凸顯“污染光環”假說，有力地反駁了“污染天堂”假說。值得一提的是，Fisher-Vandenetal（.2004）也發現，外資、港澳臺資企業擁有比國有企業更高的能源效率，FDI流入能夠借助技術外溢提高中國的技術效率、組織效率和能源效率。一般而言，資本—勞動比的提高將導致資本密集型部門的產出提高，而資本密集型部門主要傾向于重污染產業，不利于提升能源效率。然而，如果資本向高新技術產業流轉，就能夠提高資本配置質量，進而正向影響能源效率。總體上，回歸結果顯示后者占據主導力量，從而資本—勞動比有利于推動能源效率的提升。此外，政府干預程度是羈絆能源效率提升的主要瓶頸，符合預期。政府干預越多，以犧牲環境質量為代價的經濟增長出現概率越大（師博、沈坤榮，2013）[4]。因此，政府存在放松環境規制的動機，作為回應，利潤最大化的企業則缺乏提升包括能源效率在內的環保技術創新的動力，進而導致能源效率低下。最后，市場化水平與能源效率之間呈顯著的負相關關系，這一致于林伯強和杜克銳（2013）[3]的研究結論，同時也蘊含了中國市場化進程落后，實現“市場在資源配置中的決定性作用”還只是“路漫漫其修遠兮”，市場化改革任重而道遠。

（二）進一步討論：動態空間面板模型的檢驗在動態空間面板數據模型中探究能源效率的空間交互效應，優勢在于可以充分考察模型中除被解釋變量之外的其他因素對被解釋變量的影響（李婧等，2010）[28]。表5報告了普通動態面板和動態空間面板數據模型的估計結果。容易看出，在所有模型中，Arellano-Bond檢驗表明，殘差序列均存在顯著的一階自相關但不存在二階自相關，并且Sargan過度識別檢驗均不能拒絕工具變量組合有效的原假設，從而表明系統GMM估計方法總體上是可取的。由表5可知，在三種空間權重矩陣情形下，動態空間面板數據模型中的空間滯后項的系數在1%的顯著性水平上均異于零，并且顯著為正，這與SLM和SAC的估計結果相一致，說明本文的結論相當穩健。這表明，地區間能源效率確實存在著空間交互效應，且這種交互效應表現為正向的擴散效應。擴散效應可以打破區域間能源效率發展的不平衡性，使得能源效率走向“新古典收斂”成為可能。同時，就擴散效應的效力來看，與SLM和SAC相同，基于地理距離的空間自回歸系數要高于基于地理鄰接和經濟距離的空間自回歸系數，蘊含能源效率的擴散效應更容易發生在地理距離相近的轄區。此外，動態空間面板數據模型中，因變量時期滯后項的回歸系數在0.32~0.39之間震蕩，且均通過1%的顯著性水平檢驗，表明區域間能源效率存在明顯的連續性和粘滯性，即上一年能源效率的提高引致下一年能源效率進一步提升，形成一個良性的自我強化集聚過程，進而凸顯能源效率的路徑依賴特征。某種意義上來說，能源效率的這種慣性將會導致Myrdal的“循環累積因果關系”，即能源效率沿著最初路徑持續下去，使得能源效率低下的地區難以追上能源效率較高的地區，這亦可能是造成區域間能源效率非平衡發展的原因之一。控制變量中，除產業結構和FDI的估計系數有所變化之外，動態模型中的其他估計系數無論在效力方向上，還是在效力程度上，均與靜態模型結果大致相同。具體來看，產業結構的估計系數由顯著的正值轉變為不顯著的負值，并且FDI的估計系數沒有通過檢驗。這說明，如果考慮能源效率的慣性，那么產業結構和FDI對能源效率的正向促進作用被削弱，意味著產業結構高級化和FDI帶來的“能源效率紅利”還存在較大的上升空間。

（三）穩健性檢驗：基于單要素能源效率指標如前所述，能源效率指標可以劃分為單要素能源效率指標和全要素能源效率指標。為了進一步檢驗研究結果的穩健性，我們從單要素能源效率出發，使用單位能源消費的GDP產出衡量能源效率，即能源強度的倒數，回歸結果見表6。由于其他變量的結果變動幅度不大，出于篇幅考慮，此處我們僅僅列出了核心解釋變量的估計結果。容易看出，靜態模型中，Moran檢驗和LM檢驗均在1%的顯著性水平上拒絕原假設；動態模型中，Arellano-Bond自相關檢驗表明只存在一階序列相關性，沒有二階序列相關性，Sargan檢驗則表明工具變量在整體上均是有效的。因此，靜態模型和動態模型的估計結果均值得信賴。從表6的結果來看，可以得到三點與全要素能源效率指標相似的結論。（1）就本文關注的空間滯后項而言，九類模型中，WgEE的估計系數在1%的顯著性水平上均異于零，且為正，再次佐證了上文的結論，即地區間能源效率確實存在著空間交互效應，并且表現為正向的擴散效應。（2）就擴散效應的程度來看，基于地理距離的空間自回歸系數要高于基于地理鄰接和經濟距離的空間自回歸系數，能源效率的擴散效應在地理距離相近的轄區效力最強。（3）能源效率的時期滯后項顯著為正，蘊含能源效率是一個連續動態累積的調整過程，再次彰顯能源效率慣性依賴特征。

四、拓展分析：節能減排政策是否影響了能源效率的空間交互效應

政府政策是否影響了地區間能源效率的擴散效應，這有待我們進行驗證。事實上，早在Myrdal（1958）[8]提出擴散效應和回流效應的概念時，就已經提到政府干預的思想。Myrdal認為，市場力量自發作用的結果是回流效應占主體，導致區域經濟發展不平衡，而政府干預可以緩和區域發展的兩極分化，實現平衡發展的目標。在此基礎上，HallandLudwig（2010）[29]強調，在Myrdal的開放系統中，需要政府干預以加快發展，加強與鄰近的、具有較高人均產出地區的聯系，通過利用擴散效應來促進發展。相似地，BlairandCarrol（l2007）[30]認為，市場存在許多不完善的地方，必須將市場機制與政府干預相結合，才能增加擴散效應。顯然，學者們認同政府干預在區域經濟平衡發展中的重要性。借鑒這種思想，由于中國能源效率存在區域間差異，從東往西依次遞減，呈非均衡分布。所以，評估政府干預是否強化了能源效率的擴散效應以縮小區域間差異就具有重要的現實意義。2006年，中央政府首次將單位國內生產總值能耗降低20%左右、主要污染物排放總量減少10%作為國民經濟和社會發展的約束性指標，突出資源節約型、環境友好型社會建設的重要性，對于可持續發展具有里程碑意義。雖然上述政策的本意在于強制地方政府節能減排，但這種政策是否具有促進能源效率擴散效應的“額外紅利”呢？為回答這一問題，本文借鑒李郇等（2013）[31]的思路，在計量模型中引入節能減排虛擬變量year06與空間滯后項WgEE的交叉項WEE×year06。以SLM模型為例，設定如下：EEit=α+ρWEEit+準（WEEit）×year06+βXit+uit其中，系數準反映了節能減排政策對能源效率空間交互作用的影響程度，如果準>0，則說明節能減排政策強化了地區間能源效率的擴散效應，弱化了回流效應；反之，亦然。另一方面，如果準不顯著，則說明節能減排政策并不會影響能源效率空間交互作用。另外，虛擬變量year06取值定義為，2006年之前取0，之后取1。表7報告了節能減排政策影響能源效率空間交互效應的估計結果。容易判斷，所有模型均通過相應檢驗。就本文最關注的交叉項而言，九類模型中，WEE×year06的估計系數均為正，并且至少在10%的水平上顯著。這表明，2006年以后，地區間能源效率的空間擴散效應得以加強，即政府節能減排政策強化了地區間能源效率的擴散效應，有利于弱化能源效率的非均衡發展，實現向高水平收斂。因此，節能減排政策不僅形成約束地方政府提高能效、減少污染排放的倒逼機制，還是助推區域間能源效率空間擴散的有力抓手，帶來“額外紅利”。對于這一現象的背后邏輯，本文歸因于節能減排政策的“示范效應”。“示范效應”的理論支撐在于Tiebout的“以足投票”理論，其假設地區之間要素流動是完全的，居民通過“以足投票”方式促使地方政府良性競爭。地方政府為了吸引流動性資源而竭力塑造本地區的“良好形象”，當某一地方政府積極響應國家節能減排政策時，相鄰地區不甘落后也積極節能減排，從而形成地區間能源效率的擴散效應。

五、研究結論與政策建議

（一）主要研究結論一般意義上，提高能源效率具有節約能源、減少污染排放的“雙重紅利”，因而有關能源效率的研究一直是能源經濟學的熱點話題。雖然為數眾多的文獻致力于探索能源效率的影響因素，而罕有文獻立足能源效率本身的固有屬性，關注其空間交互效應。鑒于此，本文基于2002~2012年中國省際面板數據，運用全局DEA和SBM方向性距離函數測算了環境約束下的能源效率。進一步，運用探索性空間相關性分析檢驗能源效率的空間依賴性。在此基礎上，設定地理鄰接、地理距離和經濟距離三種空間權重矩陣，構造空間滯后模型、廣義空間自回歸模型和動態空間面板數據模型，以識別地區間能源效率的空間交互效應，并進一步解讀了節能減排政策對能源效率空間交互效應的影響。研究結果表明：（1）樣本期內，中國能源效率先降低后升高，并且存在區域間發展非平衡性，由東向西梯度遞減；（2）能源效率存在明顯的空間依賴性，凸顯空間上的地理集聚特征；（3）區域間能源效率存在著顯著的空間交互效應，并且表現為空間擴散效應，即使我們改變度量能源效率的指標，上述結論依然成立；（4）地理距離相近地區的能源效率的空間擴散效應要強于地理位置相鄰和經濟距離相近的地區；（5）政府節能減排政策強化了地區間能源效率的擴散效應，帶來“額外紅利”。因此，本文的研究結論對于提高能源效率、縮小區域間能源效率差異具有一定的指導意義。

（二）政策建議第一，充分利用能源效率的空間擴散效應，實現區域間能源效率的協調發展。本文的核心結論是區域間能源效率存在著顯著的擴散效應，而擴散效應是改善能源效率和實現能源效率趨同的重要機制。一方面，對于中央政府而言，擴散效應意味著相鄰地區的能源效率有利于促進本地區的能源效率，換言之，某地區“提高能源效率”具有正外部性。因此，從經濟效率考慮，國家在配置資源時，需要將這種正外部性納入考慮范圍，達到社會福利的最大化。另一方面，對于地方政府而言，能源效率較高的東部地區要充分發揮其技術與政策優勢，起到示范與引領作用；能源效率較低的中西部地區要努力加強與能源效率較高地區產業間前向與后向聯系，提高技術匹配度，增強對擴散效應的消化吸收能力，進而拓展能源效率的生產可能性邊界，形成空間聯動的能源效率區域協調發展模式。第二，有效限制區域間市場分割，弱化阻礙能源效率擴散效應的羈絆。市場分割禁錮了生產要素流動及技術溢出，不利于能源效率的空間擴散。因此，必須減少地方保護主義，加強區域間高層次人才和高水平技術的交流，促進要素流動，實現市場一體化，充分發揮能源效率的空間擴散效應。當前中國地區間的市場分割，很大程度上是地方政府官員的短期目標與中央政府的長期目標不一致導致的（鄧明，2014），而弱化地方政府干預經濟的能力是實現地方政府與中央政府目標相一致的重要手段，發揮市場在資源配置中的決定性作用，真正實現以無形之手為主、有形之手為輔。第三，努力塑造節能減排政策的示范效應，強化能源效率的空間擴散效應。本文還發現，中央政府節能減排政策助推了區域間能源效率的擴散效應，有形之手亦發揮作用，這歸因于節能減排政策的“示范效應”。示范效應根源于地方政府良性競爭，而良性競爭又離不開科學的政績考核體系。將單位GDP能耗、污染物排放強度等環境指標納入政績考核體系，建立環境績效考核激勵約束制度，并將環境績效考核結果作為干部任用、獎懲的重要依據，真正實現環境績效考核的一票否決制。具體而言，中央政府應采取“胡蘿卜加大棒”的激勵與約束機制，對于認真貫徹和執行節能減排政策的地方政府給予獎勵，對節能減排政策執行不力的官員，一經查明則予罷免。總之，要使地方政府行為選擇的具有合理性，才能使節能減排政策帶來“雙重紅利”。

作者：張華豐超單位：南京審計學院工商管理學院中國礦業大學管理學院中南大學金屬資源戰略研究院