能源效率空间交互效应的识别范文

本站小编为你精心准备了能源效率空间交互效应的识别参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

一、能源效率测算及探索性空间相关性分析

（一）能源效率的测算方法从已有文献来看，能源效率的测算方法大致可以分为两类：一类是单要素能源效率测算方法；另一类是全要素能源效率测算方法。传统的单要素能源效率方法衡量了能源投入与有效产出之间的一个比例关系，最为常用的指标为能源消耗强度。采用单要素能源效率方法测算能源效率，计算简单，可操作性强，然而该方法的缺陷也是显而易见的。首先，单要素能源效率衡量的是能源投入与有效产出的一个比例关系，无法度量潜在的能源技术效率（Wilsonetal.，1994）[11]。其次，能源本身作为一种单一的投入要素，必须与人力、资本等非能源要素相结合才能实现生产并获得产出（HuandWang，2006）[12]，而传统的单要素能源效率指标忽略了其他投入要素与产出之间的关系，所以无法反映劳动力、资本等生产要素对能源的替代作用。HuandWang（2006）基于DEA提出了“全要素能源效率”这一概念框架。由于全要素能源效率考察了能源、劳动力、资本等多种投入要素与产出之间的生产关系，并以能源目标值与实际值之间的比值作为全要素能源效率的评价指标，从而很好地克服了单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，结合全局DEA和SBM方向性距离函数测算了环境约束下省际能源效率。顾名思义，全局DEA以全部时期的投入产出观察值构造的生产可能集合（PPS）作为不同时期的共同参造集（Oh，2010）。

（二）投入产出指标考虑数据的可得性和可比性，本文采用2002~2012年中国30个省市（西藏除外）的面板数据，投入产出数据来源于相应年份的《中国统计年鉴》、《中国能源统计年鉴》和《中国环境统计年鉴》。1.投入指标：包括资本、劳动和能源三种投入要素。其中，资本投入以各省市的物质资本存量来衡量，具体使用张军等（2004）[16]的测算方法向后推算至2012年，并以2000年为不变价格；劳动投入以各省市历年的三产就业人数总和来衡量；能源投入以各省市历年的能源消费总量来衡量。2.产出指标：期望产出和非期望产出。其中，期望产出以各省市历年的实际GDP来衡量，使用GDP指数平减至2000年；非期望产出指标具有较大弹性，至今尚未形成共识，为了避免单一污染物指标的片面性，本文选取SO2、化学需氧量（COD）以及CO2三类指标。这种选择的背后逻辑在于，前两类污染物指标出现在“十一五规划”的节能减排目标中（王兵等，2010）[13]，而CO2排放是气候变化的罪魁祸首，绝大部分来源于能源的燃烧。值得注意的是，由于统计年鉴并没有提供具体CO2排放量的数据，本文参考杜立民（2010）[17]的相关研究，计算得到历年碳排放数据。

（三）测算结果与分析基于上述投入产出指标，表1报告了样本期间主要年份中国各地区能源效率。可以直观地看出，广东省始终处于生产的前沿面，能源效率值最高，为1.000，排名其后的三个省份为福建、上海和北京，能源效率分别为0.813、0.809和0.802。能源效率最低的四个省份是宁夏、青海、山西和贵州，能源效率值分别为0.150、0.208、0.210和0.218。此外，可以测算出全国能源效率平均值为0.506，有14个省份位于全国平均水平之上，且大部分属于东部沿海地区，而剩下的16个中西部省份低于全国平均水平。表1反映的各地区能源效率排名分布是符合经济直觉的：与中西部地区相比，东部地区经济发展迅猛、基础设施完善、开放程度高、人力资本充足，这使得东部地区拥有良好的外部环境，从而孕育更高的能源效率。与此同时，得益于优越的区位优势和“贸易红利”，东部地区通过国际贸易和资本投资引进国外先进的技术设备和管理经验，使得代表技术效率的管理制度创新等“软”技术更加先进和完善，更加接近于生产前沿。因此，东部地区享有最高的能源效率应在情理之中。由上述分析可知，东部沿海地区能源效率最高，并呈现一定的空间集聚特征。更进一步，本文绘制了2002~2012年三大区域能源效率的演变趋势图（图1）。容易看出，东部地区的区域能源效率在考察期间处于0.6以上，2012年更是达到了0.79的高水平，在三大区域中一枝独秀，处于绝对领先地位；中部地区的区域能源效率在0.5上下震荡，但近年来处于上升趋势；西部地区的区域能源效率同样挣扎在0.3~0.4的泥潭之中，但呈挣脱之势。因此，区域间能源效率存在发展的非平衡性，由东向西依次递减，这种空间分布特征与区域经济发展的梯度分布一致，相吻合于徐盈之和管建伟（2011）[7]的研究结论。从全国范围来看，2002~2012年，中国能源效率先下降后上升，以2006年为转折点。具体而言，能源效率从2002年的0.50下降到2005年的0.45，再上涨至2012年的0.59，这一致于Zhang（2013）[18]的研究结论。为了解释样本期间能源效率先下降后上升的变化趋势，本文计算了能源强度的变化趋势，发现两者呈完全逆反的演变，符合经济直觉。以2000年的不变价计算，中国能源强度从2002年的1.39吨标准煤/万元增加至2005年的1.52吨标准煤/万元；2006～2012年，能源强度从1.47吨标准煤/万元下降至1.13吨标准煤/万元，降幅达23.4%。这一变化趋势的背后逻辑在于，2002~2005年间，工业化、城镇化的快速发展带来能源消费的刚性需求，加上2003年的重工业化重启因素，导致能源强度和主要污染物呈上升趋势，单位国内生产总值能耗增幅达9.3%，SO2和COD排放总量分别上升32.3%和3.5%。2005年的科学发展观和2006年“十一五”规划中明确提出节能减排的约束性指标逐渐扭转了能源效率下降的趋势，能耗水平和主要污染物排放量均显著减少。同时，产业结构的调整、基础实施的完善等也在一定程度上促进了能源效率的提升。（四）探索性空间相关性分析1.Moran’sI指数测算。由上文省际能源效率的测算分析可以发现，能源效率存在明显的区域空间集聚现象，即东部地区能源效率最高，中部次之，西部最低。为了进一步测算出省际能源效率在地理空间上的集聚程度，本文使用探索性空间数据分析技术，具体包括Moran’sI指数和Moran’sI指数散点图，分别反映能源效率的全局和局部空间特征。从表2中容易看出，2002~2012年，省际能源效率的全局Moran’sI指数在1%的显著性水平上均为正值，意味着在地理位置邻接的空间权重矩阵设定下，省际能源效率在空间上并非表现出完全随机的状态，而是呈现出一定的空间集群现象。2.Moran’sI指数散点图描绘。由于全局Moran’sI指数并不能反映不同地区能源效率的异质性，而Moran’sI指数散点图恰恰可以弥补这一缺陷，其将区域能源效率集群现象分为四个象限的空间关联模型，以进一步说明能源效率在空间分布的局部特征。第一象限（HH）表示高能源效率省份被高能源效率省份所包围，第二象限（LH）表示低能源效率省份被高能源效率省份所包围，第三象限（LL）表示低能源效率省份被低能源效率省份所包围，第四象限（HL）表示高能源效率省份被低能源效率省份所包围。观测值分布在一、三象限为正空间自相关，分布在二、四象限为负空间自相关。2002年、2012年各省份能源效率的Moran’sI指数散点图分别如图2、3所示，大部分省份散落在一、三象限，意味着能源效率高被高包围、低被低包围的省份占据主导，换言之，能源效率呈现出空间上的集聚效应。具体而言，2002年和2012年，上海、江苏、浙江、福建、广东等东部沿海省份位于第一象限，陕西、重庆、云南、四川、新疆、甘肃、青海、宁夏等大部分中西部地区则位于第三象限。整体上看，从2002年到2012年，散落在各象限的省份并无较大变化，由此推断出，区域间能源效率的演化存在高度稳定的空间自相关性。通过以上全局和局部空间自相关分析可以得出，中国省际层面的能源效率存在显著的空间自相关性。为了进一步识别能源效率的空间交互效应，并揭示出具体的空间性诱发机制和探求能源效率的决定因素，后文我们运用一系列空间计量模型进行详尽的实证分析。

二、研究设计

（一）计量模型设定如何识别能源效率在地区间的空间相关性或依赖性是本文实证研究的关键。能源效率的空间交互效应意味着本省份的能源效率将会受到其他省份能源效率的影响。定义省份能源效率的影响因素函数：EEi=（fEE-i，Xi），EEi、EE-i分别为省份i和其他省份的能源效率，一般计量模型并不适用，而空间计量模型则提供了一个很好的工具。Anselin（1988）[19]提出的空间滞后模型（SpatialLagModel，SLM）巧妙地解决了上述难题，即通过在回归方程中引入被解释变量的空间滞后项，采用形如（1）式的设定。对角线元素为0且是行标准化的矩阵，所以空间滞后项WEEit可以解释为第t年除省份i之外其他“邻居”省份加权平均能源效率；Xit代表一组影响省份能源效率的协变量；uit为随机误差项；ρ和β皆为模型待估参数，β刻画了地区经济特征对能源效率的边际影响，ρ则为地区间能源效率的空间交互效应系数，是本文关心的核心参数。本文进行实证研究的主要目的在于估计ρ以及检验其是否等于零，如果ρ≠0，则意味着地区间能源效率确实存在空间交互效应。更进一步，如果ρ显著为正，则表明地区间能源效率的空间交互效应呈现缪尔达尔扩散效应，即“涓滴效应”；如果ρ显著为负，则表明地区间能源效率的空间交互效应呈现缪尔达尔回流效应，即“极化效应”。然而，不同省份之间的能源效率可能面临共同的、不可观测的经济社会因素冲击，我们允许模型的误差项存在潜在的空间相关，从而构成更一般化的空间效应模型，即广义空间自回归模型（SpatialAu－tocorrelationModel，SAC），采用形如（2）式的设定。其中，εit是随机误差，λ为空间误差系数，反映了相邻地区关于能源的误差冲击对本地区能源的影响。容易判断出，SAC实际上具有空间滞后模型和空间误差模型的特点，也被称之为“空间自回归移动平均”（SpatialAutoregressionmovingaverage，SARMA）模型（CliffandOrd，1981）[20]。此外，由于我们没有充分信息用于判断空间权重矩阵W1和W2是否一致，故采取简化的方法令二者一致，这意味着虽然因变量空间滞后项与空间误差滞后项代表着不同形式的空间效应，但二者发生的逻辑是一致的。对于SAC模型的估计，文献一般使用个体效应框架下的广义空间两阶段最小二乘法（GeneralizedSpatialTwo-stageLeastSquares，GS2SLS）和最大似然估计（Maxi－mumLikelihoodEstimation，MLE）进行估计，两种方法各有优劣。Lee和Yu（2010）[21]已经证明，在误差分布设定正确的情况下，MLE估计量是一致的，并且比GS2SLS估计量更加渐进有效，本文使用MLE进行估计。最后，根据师博和沈坤荣（2013）[4]的观点，中国区域间能源效率存在惯性，即当期的能源效率受到前期的影响。因此，在回归方程中引入能源效率的时间滞后项分析其动态调整过程是合适的，从而构成动态空间面板数据模型（DynamicSpatialPanelDataModel，DSPM），Anselinetal（.2008）[22]将其称之为“时间空间联立”（Time-spaceSimultaneous）模型，设定。其中，γ为滞后乘数，表示前一期能源效率对当期的影响情况，反映出能源效率的动态调整过程，显著为正说明能源效率存在惯性，显著为负则表明能源效率逐渐收敛。通常情况下，文献使用广义矩方法（GeneralizedMethodofMoments，GMM）估计DSPM，并且在合适工具变量的前提下，相比于差分GMM，系统GMM在有效性和一致性方面均有很大改进，提高了估计效率。因此，本文采用系统GMM方法进行估计。综上所述，为了更准确、合理地识别地区间能源效率的空间交互效应，本文的实证研究从空间滞后模型（SLM）和广义空间自回归模型（SAC）两类静态模型开始，并使用动态空间面板数据模型（DSPM）进一步分析。在此基础上，运用三类模型对能源效率的替代指标———能源强度的倒数———从侧面进行检验，以确保结论的客观性与稳健性。最后，探讨了节能减排政策对能源效率空间交互效应的影响。

（二）空间权重矩阵设定理论上，空间权重矩阵定义了研究个体之间的空间属性关系，因此，构造合适的空间权重矩阵是空间计量实证研究最重要的前提。正如Anselin（1988）[19]所言，恰当地界定“邻居”的标准至关重要，因为空间权重矩阵的误设将导致系数不一致的估计。然而，遗憾的是，迄今为止，空间计量分析关于空间权重矩阵的设定尚未达成共识。为了保证结果不受先验确定权重方案的影响，本文根据不同的研究目的，同时考虑不同地区的地理空间关联和社会经济联系，分别设置三类空间权重矩阵：0-1型、地理距离型和经济距离型。对于0-1型空间权重矩阵而言，由于其简单易操作的特征，被既有文献广泛采用。然而，0-1型权重假定空间截面之间的空间交互作用取决于地理位置相邻与否，并不能全面科学地反映客观事实。因此，后两类依据距离信息构建的空间权重矩阵可以有效弥补邻接权重矩阵的不足，逐渐成为学者们进行研究时的可行补充方案。详细来说，距离型空间权重矩阵假定空间效应强度决定于距离，空间单元之间距离越近则空间效应越强。最后，值得注意的是，我们对三类空间权重矩阵均进行标准化处理，保证每行元素之和等于1。具体地，上述三类空间权重矩阵设计方法如下：1.0-1型空间权重矩阵Wcont，即上文用于能源效率探索性空间相关性分析的二进制的地理邻接空间权重矩阵。具体权重元素的设置方法为：如果两区域相邻，则对应权重元素值为1；如果两地区不相邻，则对应权重元素值为0。

（三）数据与变量本文使用2002~2012年中国30个省市（西藏除外）的面板数据进行实证检验。原始数据主要来源于历年《中国统计年鉴》、《中国区域经济统计年鉴》和《新中国六十年统计资料汇编》等。由于存在通货膨胀因素，本文对涉及价格指数的指标均调整为以2000年为基期的不变价格。我们把前文已测算出的能源效率作为被解释变量，并且为了统一所有指标的量纲，把能源效率乘以100，形成单位为百分比的相对指标，这一做法的好处还可以避免估计系数太低的情形（邓明，2014）[23]。此外，为了控制其他影响能源效率的变量，借鉴既有文献（李梦蕴等，2014；Fisher-Vandenetal.，2004；林伯强、杜克锐，2013；师博、沈坤荣，2013）[1-4]的做法，我们在控制变量集合X中引入8个相关变量。1.能源消费结构。不同种类的能源利用效率并不相同。相比于石油、天然气和核能，煤炭的电力转换效率相对较低（Yu，2012）。因此，若煤炭、燃油等能耗大、利用率低的传统能源占能源消费的比重较大，则能源利用效率就低下（李梦蕴等，2014）[1]。沿袭一般文献的做法，本文采用煤炭消费量占能源消费总量的比重作为能源消费结构的变量，并预期其系数符号为负。2.能源价格。遵循Hicks的引致创新（inducedinnovation）思想，能源价格的上涨将进一步刺激能源效率的提高。经济直觉上，能源价格的上升有利于企业提高节能意识，减少能源浪费，推动企业采取更加节能的生产技术，促进能源效率的提升（林伯强、杜克锐，2013）[3]。此外，Fisher-Vandenetal（.2004）[2]也证实，能源价格上升是推动中国能源强度下降的重要诱因。囿于数据的可获得性，本文以原材料、燃料、动力购进价格指数作为能源价格的变量，并预期其系数符号为正。3.产业结构。第二产业以高耗能、高污染企业为主，相比之下，以服务业为代表的第三产业则相对更加清洁。因此，从经济理论上讲，产业结构高级化是提高能源效率的有效途径。林伯强、杜克锐（2013）[3]发现，第三产业的发展有助于能源效率的提升。本文以各地区第三产业的增加值占地区GDP的比重衡量产业结构，并预期其系数符号为正。4.研发强度。毋庸置疑，加大科研与试验性发展经费的投入力度，将有利于企业使用更加节能的生产技术，进而提高能源效率。Fisher-Vandenetal.（2004）[2]的研究工作表明，资本节约型的技术创新是中国能源效率改进的核心驱动力。但是，也有文献（Greening，2000）[25]指出，技术进步存在能源的“回弹效应”（ReboundEffect），即能源效率提高所节约的能源，可能会通过替代效应、收入效应和产出效应等机制所产生的新的能源需求而被部分甚至完全抵消，使得技术进步的节能效应具有不确定性。本文以R&D经费支出占GDP的比重衡量研发强度。5.外商直接投资。理论上讲，FDI对能源效率的影响扮演着“天使”与“魔鬼”的双重角色，既可能是“污染光环”效应，也可能是“污染避难所”效应。“污染光环”效应认为，承载先进技术的外资企业可以向东道国传播更为绿色清洁的生产技术，从而提升能源效率。相反，“污染避难所”效应认为，发展中国家相对宽松的环境规制使得发达国家将污染密集型产业转移到发展中国家，进而增加能源消费，降低能源效率。本文以FDI占GDP的比重衡量外商直接投资。6.要素禀赋。从全要素角度出发，资本、劳动和能源之间存在一定的相互替代或互补关系，所以，要素禀赋通过影响能源消费总量而将效力“传输”到能源效率。本文以资本—劳动比衡量要素禀赋，若该变量数值越高，则表明产业类型偏向于资本密集型，反之则偏向于劳动密集型。7.政府干预程度。“中国式分权”衍生的围绕GDP增长而进行的“晋升锦标赛”，使得各地方政府患上“发展饥渴症”，从而一味地追求发展经济而忽略环境保护，导致发展方式的粗放。师博和沈坤荣（2013）[4]证明，政府干预越多，造成的扭曲愈显著，从而对能源效率的负面影响越大。我们用地方政府财政支出占GDP的比重度量地方政府对资源配置的影响程度，并预期其系数符号为负。8.市场化水平。理论上，市场化水平的提高将改善资源的配置效率，与此同时，市场竞争固有的优胜劣汰的自然属性，促使企业努力控制成本、竭力提高效率，进而提高能源效率。CornillieandFankhauser（2004）[26]以东欧和苏联国家为样本，发现从计划经济过渡到市场经济的过程中，这些国家的能源强度进入显著下降通道。本文以国有企业员工占就业人数的比重衡量市场化水平，并预期其系数符号为负。所有变量的统计描述见表3。

三、能源效率的空间交互效应研究

（一）初步分析：静态模型的估计结果本文首先考虑不加入能源效率时间滞后项的静态回归模型，使用空间滞后模型（SLM）和广义空间自回归模型（SAC）识别能源效率的空间交互效应，回归结果见表4。作为参照，本文同时报告了不加入空间滞后项的普通面板数据模型的估计结果。容易看出，Moran值为正且通过了1%的显著性水平检验，说明静态模型中存在明显的空间相关性，既佐证前文关于能源效率探索性空间分析的结果，又蕴含模型中引入被解释变量空间滞后项的必要性。此外，LM检验至少在10%的显著性水平上拒绝原假设，意味着相应模型选择合理。根据表4的估计结果可知，在三种空间权重矩阵设定下，无论是空间滞后模型，还是广义空间自回归模型，被解释变量空间滞后项WgEE的估计系数在1%的显著性水平上异于零，说明地区间能源效率确实存在空间交互效应。并且，WgEE的系数显著大于零，进一步说明地区间能源效率的空间交互效应属于扩散效应。也就是说，相邻地区的能源效率越高，则本辖区的能源效率越高。根据空间权重矩阵的含义，可以得到两点结论：其一，地理位置相邻和地理距离越近，越有利于区域间能源效率的空间扩散效应，这是符合经济直觉的；其二，经济发展水平相近地区的技术匹配度更高，产业间具有更强的前向与后向联系，从而更有利于发挥能源效率的“涓滴效应”。另一方面，从WgEE的估计系数程度上看，基于地理距离的空间自回归系数要高于基于地理邻接和经济距离的空间自回归系数，意味着能源效率的空间交互效应对“地理距离”因素更加“敏感”，地理距离越邻近，扩散效应越强。究其根源，是由于能源效率属于技术的范畴，而技术知识的载体是人力和物质，特别是高水平人力资本是技术进步的源泉，地理距离越近，空间交流成本越低，越有利于地区间人流、物流和信息流的流转，从而最大程度地发挥能源效率的空间扩散效应。此外，SAC模型中，空间误差自相关系数通过1%的显著性水平检验，表明选择空间误差结构的必要性，同时估计结果与SLM结果相互验证，显示出能源效率扩散效应的稳健性。其他控制变量的估计结果。能源消费结构是制约能源效率提升的关键。众所周知，中国“富煤贫油少气”的能源禀赋现状决定了煤炭消费占能源消费总量的70%左右，而煤炭利用效率一般低于其他化石能源，这也是中国能源效率长期处于世界下游水平的重要原因之一。能源价格并没有扮演提高能源效率的角色，明显与理论预期相悖。然而，看似矛盾的结果却有其合理性。中国的能源定价机制还没有实现市场化，价格扭曲导致供需双方不能得到准确信号，无法有效调节能源的生产和消费行为，酿成能源过度利用和能源效率低下的恶果。同时，这一结论也与LinandHong（2014）[27]的研究结论相一致。他们认为，人为压低能源价格是导致这一现象的罪魁祸首，致使能源价格并不能真实反映能源的需求、供给及稀缺性。与理论预期一致，以第三产业比重衡量的产业结构是提升能源效率的重要驱动力，意味着优化产业结构，鼓励清洁产业为主的服务业发展，进而促使产业结构高级化，是提升能源效率的可行途径。再者，R&D的估计系数为正，但在大部分模型中并不显著，没有证据表明R&D有助于提升能源效率，这在一定程度上表明还需进一步加大R&D投入和提高R&D利用效率。此外，FDI对能源效率的作用为正，并且在大部分模型中通过1%的显著性水平检验。因此，我们认为FDI提升了能源效率，表明承载先进环保技术的外资企业通过产业间前后项关联而产生正向的溢出效应，折射出FDI所扮演的“天使”角色，凸显“污染光环”假说，有力地反驳了“污染天堂”假说。值得一提的是，Fisher-Vandenetal（.2004）也发现，外资、港澳台资企业拥有比国有企业更高的能源效率，FDI流入能够借助技术外溢提高中国的技术效率、组织效率和能源效率。一般而言，资本—劳动比的提高将导致资本密集型部门的产出提高，而资本密集型部门主要倾向于重污染产业，不利于提升能源效率。然而，如果资本向高新技术产业流转，就能够提高资本配置质量，进而正向影响能源效率。总体上，回归结果显示后者占据主导力量，从而资本—劳动比有利于推动能源效率的提升。此外，政府干预程度是羁绊能源效率提升的主要瓶颈，符合预期。政府干预越多，以牺牲环境质量为代价的经济增长出现概率越大（师博、沈坤荣，2013）[4]。因此，政府存在放松环境规制的动机，作为回应，利润最大化的企业则缺乏提升包括能源效率在内的环保技术创新的动力，进而导致能源效率低下。最后，市场化水平与能源效率之间呈显著的负相关关系，这一致于林伯强和杜克锐（2013）[3]的研究结论，同时也蕴含了中国市场化进程落后，实现“市场在资源配置中的决定性作用”还只是“路漫漫其修远兮”，市场化改革任重而道远。

（二）进一步讨论：动态空间面板模型的检验在动态空间面板数据模型中探究能源效率的空间交互效应，优势在于可以充分考察模型中除被解释变量之外的其他因素对被解释变量的影响（李婧等，2010）[28]。表5报告了普通动态面板和动态空间面板数据模型的估计结果。容易看出，在所有模型中，Arellano-Bond检验表明，残差序列均存在显著的一阶自相关但不存在二阶自相关，并且Sargan过度识别检验均不能拒绝工具变量组合有效的原假设，从而表明系统GMM估计方法总体上是可取的。由表5可知，在三种空间权重矩阵情形下，动态空间面板数据模型中的空间滞后项的系数在1%的显著性水平上均异于零，并且显著为正，这与SLM和SAC的估计结果相一致，说明本文的结论相当稳健。这表明，地区间能源效率确实存在着空间交互效应，且这种交互效应表现为正向的扩散效应。扩散效应可以打破区域间能源效率发展的不平衡性，使得能源效率走向“新古典收敛”成为可能。同时，就扩散效应的效力来看，与SLM和SAC相同，基于地理距离的空间自回归系数要高于基于地理邻接和经济距离的空间自回归系数，蕴含能源效率的扩散效应更容易发生在地理距离相近的辖区。此外，动态空间面板数据模型中，因变量时期滞后项的回归系数在0.32~0.39之间震荡，且均通过1%的显著性水平检验，表明区域间能源效率存在明显的连续性和粘滞性，即上一年能源效率的提高引致下一年能源效率进一步提升，形成一个良性的自我强化集聚过程，进而凸显能源效率的路径依赖特征。某种意义上来说，能源效率的这种惯性将会导致Myrdal的“循环累积因果关系”，即能源效率沿着最初路径持续下去，使得能源效率低下的地区难以追上能源效率较高的地区，这亦可能是造成区域间能源效率非平衡发展的原因之一。控制变量中，除产业结构和FDI的估计系数有所变化之外，动态模型中的其他估计系数无论在效力方向上，还是在效力程度上，均与静态模型结果大致相同。具体来看，产业结构的估计系数由显著的正值转变为不显著的负值，并且FDI的估计系数没有通过检验。这说明，如果考虑能源效率的惯性，那么产业结构和FDI对能源效率的正向促进作用被削弱，意味着产业结构高级化和FDI带来的“能源效率红利”还存在较大的上升空间。

（三）稳健性检验：基于单要素能源效率指标如前所述，能源效率指标可以划分为单要素能源效率指标和全要素能源效率指标。为了进一步检验研究结果的稳健性，我们从单要素能源效率出发，使用单位能源消费的GDP产出衡量能源效率，即能源强度的倒数，回归结果见表6。由于其他变量的结果变动幅度不大，出于篇幅考虑，此处我们仅仅列出了核心解释变量的估计结果。容易看出，静态模型中，Moran检验和LM检验均在1%的显著性水平上拒绝原假设；动态模型中，Arellano-Bond自相关检验表明只存在一阶序列相关性，没有二阶序列相关性，Sargan检验则表明工具变量在整体上均是有效的。因此，静态模型和动态模型的估计结果均值得信赖。从表6的结果来看，可以得到三点与全要素能源效率指标相似的结论。（1）就本文关注的空间滞后项而言，九类模型中，WgEE的估计系数在1%的显著性水平上均异于零，且为正，再次佐证了上文的结论，即地区间能源效率确实存在着空间交互效应，并且表现为正向的扩散效应。（2）就扩散效应的程度来看，基于地理距离的空间自回归系数要高于基于地理邻接和经济距离的空间自回归系数，能源效率的扩散效应在地理距离相近的辖区效力最强。（3）能源效率的时期滞后项显著为正，蕴含能源效率是一个连续动态累积的调整过程，再次彰显能源效率惯性依赖特征。

四、拓展分析：节能减排政策是否影响了能源效率的空间交互效应

政府政策是否影响了地区间能源效率的扩散效应，这有待我们进行验证。事实上，早在Myrdal（1958）[8]提出扩散效应和回流效应的概念时，就已经提到政府干预的思想。Myrdal认为，市场力量自发作用的结果是回流效应占主体，导致区域经济发展不平衡，而政府干预可以缓和区域发展的两极分化，实现平衡发展的目标。在此基础上，HallandLudwig（2010）[29]强调，在Myrdal的开放系统中，需要政府干预以加快发展，加强与邻近的、具有较高人均产出地区的联系，通过利用扩散效应来促进发展。相似地，BlairandCarrol（l2007）[30]认为，市场存在许多不完善的地方，必须将市场机制与政府干预相结合，才能增加扩散效应。显然，学者们认同政府干预在区域经济平衡发展中的重要性。借鉴这种思想，由于中国能源效率存在区域间差异，从东往西依次递减，呈非均衡分布。所以，评估政府干预是否强化了能源效率的扩散效应以缩小区域间差异就具有重要的现实意义。2006年，中央政府首次将单位国内生产总值能耗降低20%左右、主要污染物排放总量减少10%作为国民经济和社会发展的约束性指标，突出资源节约型、环境友好型社会建设的重要性，对于可持续发展具有里程碑意义。虽然上述政策的本意在于强制地方政府节能减排，但这种政策是否具有促进能源效率扩散效应的“额外红利”呢？为回答这一问题，本文借鉴李郇等（2013）[31]的思路，在计量模型中引入节能减排虚拟变量year06与空间滞后项WgEE的交叉项WEE×year06。以SLM模型为例，设定如下：EEit=α+ρWEEit+准（WEEit）×year06+βXit+uit其中，系数准反映了节能减排政策对能源效率空间交互作用的影响程度，如果准>0，则说明节能减排政策强化了地区间能源效率的扩散效应，弱化了回流效应；反之，亦然。另一方面，如果准不显著，则说明节能减排政策并不会影响能源效率空间交互作用。另外，虚拟变量year06取值定义为，2006年之前取0，之后取1。表7报告了节能减排政策影响能源效率空间交互效应的估计结果。容易判断，所有模型均通过相应检验。就本文最关注的交叉项而言，九类模型中，WEE×year06的估计系数均为正，并且至少在10%的水平上显著。这表明，2006年以后，地区间能源效率的空间扩散效应得以加强，即政府节能减排政策强化了地区间能源效率的扩散效应，有利于弱化能源效率的非均衡发展，实现向高水平收敛。因此，节能减排政策不仅形成约束地方政府提高能效、减少污染排放的倒逼机制，还是助推区域间能源效率空间扩散的有力抓手，带来“额外红利”。对于这一现象的背后逻辑，本文归因于节能减排政策的“示范效应”。“示范效应”的理论支撑在于Tiebout的“以足投票”理论，其假设地区之间要素流动是完全的，居民通过“以足投票”方式促使地方政府良性竞争。地方政府为了吸引流动性资源而竭力塑造本地区的“良好形象”，当某一地方政府积极响应国家节能减排政策时，相邻地区不甘落后也积极节能减排，从而形成地区间能源效率的扩散效应。

五、研究结论与政策建议

（一）主要研究结论一般意义上，提高能源效率具有节约能源、减少污染排放的“双重红利”，因而有关能源效率的研究一直是能源经济学的热点话题。虽然为数众多的文献致力于探索能源效率的影响因素，而罕有文献立足能源效率本身的固有属性，关注其空间交互效应。鉴于此，本文基于2002~2012年中国省际面板数据，运用全局DEA和SBM方向性距离函数测算了环境约束下的能源效率。进一步，运用探索性空间相关性分析检验能源效率的空间依赖性。在此基础上，设定地理邻接、地理距离和经济距离三种空间权重矩阵，构造空间滞后模型、广义空间自回归模型和动态空间面板数据模型，以识别地区间能源效率的空间交互效应，并进一步解读了节能减排政策对能源效率空间交互效应的影响。研究结果表明：（1）样本期内，中国能源效率先降低后升高，并且存在区域间发展非平衡性，由东向西梯度递减；（2）能源效率存在明显的空间依赖性，凸显空间上的地理集聚特征；（3）区域间能源效率存在着显著的空间交互效应，并且表现为空间扩散效应，即使我们改变度量能源效率的指标，上述结论依然成立；（4）地理距离相近地区的能源效率的空间扩散效应要强于地理位置相邻和经济距离相近的地区；（5）政府节能减排政策强化了地区间能源效率的扩散效应，带来“额外红利”。因此，本文的研究结论对于提高能源效率、缩小区域间能源效率差异具有一定的指导意义。

（二）政策建议第一，充分利用能源效率的空间扩散效应，实现区域间能源效率的协调发展。本文的核心结论是区域间能源效率存在着显著的扩散效应，而扩散效应是改善能源效率和实现能源效率趋同的重要机制。一方面，对于中央政府而言，扩散效应意味着相邻地区的能源效率有利于促进本地区的能源效率，换言之，某地区“提高能源效率”具有正外部性。因此，从经济效率考虑，国家在配置资源时，需要将这种正外部性纳入考虑范围，达到社会福利的最大化。另一方面，对于地方政府而言，能源效率较高的东部地区要充分发挥其技术与政策优势，起到示范与引领作用；能源效率较低的中西部地区要努力加强与能源效率较高地区产业间前向与后向联系，提高技术匹配度，增强对扩散效应的消化吸收能力，进而拓展能源效率的生产可能性边界，形成空间联动的能源效率区域协调发展模式。第二，有效限制区域间市场分割，弱化阻碍能源效率扩散效应的羁绊。市场分割禁锢了生产要素流动及技术溢出，不利于能源效率的空间扩散。因此，必须减少地方保护主义，加强区域间高层次人才和高水平技术的交流，促进要素流动，实现市场一体化，充分发挥能源效率的空间扩散效应。当前中国地区间的市场分割，很大程度上是地方政府官员的短期目标与中央政府的长期目标不一致导致的（邓明，2014），而弱化地方政府干预经济的能力是实现地方政府与中央政府目标相一致的重要手段，发挥市场在资源配置中的决定性作用，真正实现以无形之手为主、有形之手为辅。第三，努力塑造节能减排政策的示范效应，强化能源效率的空间扩散效应。本文还发现，中央政府节能减排政策助推了区域间能源效率的扩散效应，有形之手亦发挥作用，这归因于节能减排政策的“示范效应”。示范效应根源于地方政府良性竞争，而良性竞争又离不开科学的政绩考核体系。将单位GDP能耗、污染物排放强度等环境指标纳入政绩考核体系，建立环境绩效考核激励约束制度，并将环境绩效考核结果作为干部任用、奖惩的重要依据，真正实现环境绩效考核的一票否决制。具体而言，中央政府应采取“胡萝卜加大棒”的激励与约束机制，对于认真贯彻和执行节能减排政策的地方政府给予奖励，对节能减排政策执行不力的官员，一经查明则予罢免。总之，要使地方政府行为选择的具有合理性，才能使节能减排政策带来“双重红利”。

作者：张华丰超单位：南京审计学院工商管理学院中国矿业大学管理学院中南大学金属资源战略研究院