姜磊+柏玲

摘要：區(qū)域間的空間溢出和技術(shù)溢出效應(yīng)日益顯著，在進(jìn)行能源強(qiáng)度收斂研究時(shí)不可忽略空間依賴性和時(shí)間動(dòng)態(tài)性。在考慮空間維度的地理鄰近性和時(shí)間維度的動(dòng)態(tài)性的基礎(chǔ)上，采用動(dòng)態(tài)空間面板模型分析中國(guó)29個(gè)省區(qū)能源強(qiáng)度的空間分布、動(dòng)態(tài)變化趨勢(shì)以及收斂情況，研究表明：從中國(guó)能源強(qiáng)度的空間分布來(lái)看，呈現(xiàn)東低西高的格局，并且存在空間自相關(guān)現(xiàn)象；從動(dòng)態(tài)趨勢(shì)看，能源強(qiáng)度的空間自相關(guān)指數(shù)在2005年之后趨于穩(wěn)定，東、中、西部的能源強(qiáng)度均呈現(xiàn)持續(xù)下降的趨勢(shì)；從總體趨勢(shì)來(lái)看，能源強(qiáng)度存在絕對(duì)σ收斂，不存在絕對(duì)β收斂，但存在顯著的條件β收斂。提高能源效率以及縮小區(qū)域能源效率差異，應(yīng)充分利用空間溢出效應(yīng)，鼓勵(lì)能源強(qiáng)度低的地區(qū)的技術(shù)溢出到能源強(qiáng)度高的地區(qū)，從而加快全國(guó)區(qū)域間能源強(qiáng)度的收斂速度。

關(guān)鍵詞：能源強(qiáng)度；能源效率；收斂性；收斂速度；空間自相關(guān)；空間溢出效應(yīng)；技術(shù)溢出效應(yīng)；Moran指數(shù)；空間依賴性

中圖分類號(hào)：F062.5；F206文獻(xiàn)標(biāo)志碼：A文章編號(hào)：16748131（2014）04006109

一、引言

1978年改革開放以來(lái)，中國(guó)經(jīng)濟(jì)快速發(fā)展，能源消費(fèi)量也迅速增長(zhǎng)。尤其近十年來(lái)，中國(guó)能源消費(fèi)量激增，已經(jīng)成為世界上第一大能源消費(fèi)國(guó)。與此同時(shí)，我國(guó)能源效率總體上有了明顯提高，但是與發(fā)達(dá)國(guó)家相比差距仍然比較明顯。而從全國(guó)各省區(qū)的能源強(qiáng)度指標(biāo)來(lái)看，區(qū)域間的能源強(qiáng)度差距也是顯著的。

改革開放之后，東部沿海地區(qū)借助政策優(yōu)勢(shì)、自然條件優(yōu)勢(shì)、區(qū)位優(yōu)勢(shì)以及歷史工業(yè)積淀，經(jīng)濟(jì)得到了快速的發(fā)展，能源效率也居于全國(guó)領(lǐng)先水平。西部地區(qū)由于自然環(huán)境較差，經(jīng)濟(jì)發(fā)展水平較低，技術(shù)水平落后，能源效率處在全國(guó)平均水平之下。但從1999年國(guó)家實(shí)施“西部大開發(fā)”戰(zhàn)略以來(lái)，西部地區(qū)經(jīng)濟(jì)狀況有了明顯的改善，同時(shí)能源效率也有了相應(yīng)的提高。目前，從空間維度來(lái)看，我國(guó)東、中、西部能源強(qiáng)度的空間差異性非常明顯；從時(shí)間維度來(lái)看，東、中、西部地區(qū)的能源強(qiáng)度也同時(shí)都在下降。那么，中國(guó)省區(qū)之間的能源強(qiáng)度是否會(huì)收斂于穩(wěn)態(tài)？成為中國(guó)能源經(jīng)濟(jì)學(xué)中一個(gè)重要的議題；同時(shí)，如何縮小東、西部能源強(qiáng)度之間的差異，也是研究中的一個(gè)熱點(diǎn)問題。

區(qū)域能源強(qiáng)度是否會(huì)收斂于穩(wěn)態(tài)是近年來(lái)能源經(jīng)濟(jì)學(xué)研究的一個(gè)焦點(diǎn)。自Barro et al（1992）提出了計(jì)算收斂的模型以來(lái)，很多學(xué)者利用該模型對(duì)區(qū)域能源強(qiáng)度（效率）收斂進(jìn)行了研究。如Miketa et al（2005）利用面板數(shù)據(jù)研究了1971—1995年56個(gè)發(fā)達(dá)和發(fā)展中國(guó)家10個(gè)制造業(yè)部門能源生產(chǎn)率的收斂狀況。Markandya et al（2006）研究發(fā)現(xiàn)東歐12個(gè)處于經(jīng)濟(jì)轉(zhuǎn)型的國(guó)家與歐洲5個(gè)國(guó)家之間的能源強(qiáng)度存在收斂現(xiàn)象。Mulder et al（2007）針對(duì)1970—1997年14個(gè)OECD國(guó)家間的能源和勞動(dòng)力生產(chǎn)率的研究結(jié)果表明其存在收斂現(xiàn)象。Ezcura（2007）研究了1971—2001年98個(gè)國(guó)家的能源強(qiáng)度的空間分布，結(jié)果發(fā)現(xiàn)存在收斂現(xiàn)象。Liddle（2010）選用1971—2006年111個(gè)國(guó)家和1990—2006年134個(gè)國(guó)家的數(shù)據(jù)來(lái)研究能源強(qiáng)度收斂問題，兩個(gè)樣本的分析結(jié)果都表明存在持續(xù)的能源強(qiáng)度收斂現(xiàn)象。Sevi et al（2010）研究了1971—2003年97個(gè)國(guó)家的能源強(qiáng)度收斂，結(jié)果發(fā)現(xiàn)，在中東地區(qū)、OECD國(guó)家和歐洲一些國(guó)家內(nèi)部存在收斂現(xiàn)象。Herrerias（2010）研究了1971—2008年83個(gè)國(guó)家的總能源強(qiáng)度、73個(gè)國(guó)家的化石燃料能源強(qiáng)度和7個(gè)國(guó)家的替代能源及核能強(qiáng)度的收斂狀況，發(fā)現(xiàn)發(fā)展中國(guó)家的能源強(qiáng)度收斂速率較快，發(fā)達(dá)國(guó)家存在俱樂部收斂。

姜磊，柏玲:中國(guó)能源強(qiáng)度的空間分布與收斂研究我國(guó)學(xué)者也對(duì)中國(guó)的區(qū)域能源強(qiáng)度收斂問題進(jìn)行了研究。姜雁斌和朱桂平（2007）研究發(fā)現(xiàn)，我國(guó)東部地區(qū)的能源強(qiáng)度存在絕對(duì)β收斂，中、西部省區(qū)能源消耗的技術(shù)無(wú)效性將在一定時(shí)期內(nèi)持續(xù)降低。師博和張良悅（2008）通過(guò)計(jì)算變異系數(shù)的分析表明：從整體視角看我國(guó)的能源效率是趨異的；其中，西部能源效率表現(xiàn)出發(fā)散的跡象，東部顯示出趨同的特征，而中部則呈現(xiàn)出逐漸向東部收斂的態(tài)勢(shì)；在西部地區(qū)，西北能源效率具有明顯的發(fā)散特征，西南能源效率的變異系數(shù)處于頻繁波動(dòng)狀態(tài)；進(jìn)一步通過(guò)經(jīng)典收斂回歸模型的檢驗(yàn)分析發(fā)現(xiàn)，中部能源效率和經(jīng)濟(jì)發(fā)展水平越低，其能源效率向東部水平收斂的速度越快，具有β收斂的特征。楊正林和方齊云（2008）對(duì)中國(guó)地區(qū)間能源生產(chǎn)率的差異進(jìn)行σ收斂和β收斂分析，結(jié)果表明：能源生產(chǎn)率的總體差異并沒有呈現(xiàn)出顯著的σ收斂，而是表現(xiàn)為不同階段性特征；東部地區(qū)差異縮小且較為穩(wěn)定，中部地區(qū)經(jīng)過(guò)小幅波動(dòng)后也趨于收斂，而西部地區(qū)差異呈現(xiàn)出三個(gè)先擴(kuò)大后縮小的“倒U形”特征；絕對(duì)β收斂和條件β收斂模型的分析結(jié)果表明，中國(guó)地區(qū)間能源生產(chǎn)率總體差異正在逐步縮小。

上述研究皆采用傳統(tǒng)的計(jì)量方法進(jìn)行研究。然而，地理學(xué)第一定律使得經(jīng)典統(tǒng)計(jì)學(xué)中有關(guān)測(cè)量值相互獨(dú)立的基本假設(shè)不再有效，空間依賴性或者空間相關(guān)性成為一種常態(tài)（David et al, 2005）。中國(guó)地域廣闊，空間集聚性和空間異質(zhì)性等地理現(xiàn)象十分明顯，因此在研究能源強(qiáng)度收斂問題時(shí)不能忽視空間因素?？臻g依賴性表現(xiàn)為技術(shù)溢出和空間溢出等空間效應(yīng)，具體來(lái)說(shuō)，由于地理空間單元（如省域）之間不是割裂孤立的，相鄰的地理單元會(huì)有技術(shù)溢出。有鑒于此，本文不僅考慮了空間維度的空間溢出效應(yīng)，也考慮了時(shí)間維度的動(dòng)態(tài)變化因素，從時(shí)空雙維度出發(fā)，利用動(dòng)態(tài)空間面板數(shù)據(jù)模型來(lái)研究中國(guó)省級(jí)區(qū)域能源強(qiáng)度的收斂性，以拓展和豐富相關(guān)研究，并為縮小我國(guó)能源強(qiáng)度差異的政策研究提供參考和經(jīng)驗(yàn)依據(jù)。

二、理論模型與數(shù)據(jù)處理

1．收斂理論

“收斂”一詞最初用于研究地區(qū)間或國(guó)家間的收入差距是否會(huì)隨時(shí)間的推移而逐步減少，根據(jù)“收斂”的含義，國(guó)內(nèi)外學(xué)者將其引申其用于研究能源強(qiáng)度收斂等其他問題上。理論上存在三種收斂概念，分別是σ收斂、絕對(duì)β收斂和條件β收斂。應(yīng)用到能源強(qiáng)度收斂上，σ收斂指的是各地區(qū)間的能源強(qiáng)度水平的差異隨著時(shí)間的推移而趨于減少，一般用標(biāo)準(zhǔn)差等來(lái)衡量；絕對(duì)β收斂是指所有的地區(qū)最終將收斂于同一個(gè)穩(wěn)態(tài)，σ收斂和絕對(duì)β收斂都屬于絕對(duì)收斂；條件β收斂則放棄了各個(gè)地區(qū)具有完全相同的經(jīng)濟(jì)特征的假定，考慮了各個(gè)地區(qū)不同的特征和條件，也就是地區(qū)差異，認(rèn)為不同的地區(qū)也具有不同的穩(wěn)態(tài)。

2．面板數(shù)據(jù)收斂的研究方法

（1）σ收斂

通常根據(jù)標(biāo)準(zhǔn)差來(lái)檢驗(yàn)是否存在σ收斂，計(jì)算公式如下：

VOC=(Ni=1(EIi－EI)2)/N（1）

其中，VOC表示標(biāo)準(zhǔn)差，N為樣本數(shù)，下標(biāo)i表示各個(gè)地區(qū)，EI為能源強(qiáng)度的觀測(cè)值，EI為樣本平均值。

（2）絕對(duì)β收斂

絕對(duì)β收斂系數(shù)需要通過(guò)建立回歸方程來(lái)進(jìn)行估算，具體模型設(shè)定如下：

d(LnEIi,t+1)=LnEIi,t+1－LnEIi,t

=α+βLnEIi,t+εi,t （2）

其中，d表示差分，Ln表示自然對(duì)數(shù)；下標(biāo)t+1為某一時(shí)段的期末年，下標(biāo)t為某一時(shí)段的基年；α為截距項(xiàng)，ε為誤差項(xiàng)，滿足零均值同方差。若β<0且在統(tǒng)計(jì)上顯著，則表明存在絕對(duì)β收斂。

（3）條件β收斂

檢驗(yàn)條件β收斂的一個(gè)簡(jiǎn)潔方法是運(yùn)用面板數(shù)據(jù)的固定效應(yīng)（Miller et al, 2002）。固定效應(yīng)考慮了不同個(gè)體有不同穩(wěn)態(tài)值，也考慮了個(gè)體自身穩(wěn)態(tài)值隨時(shí)間的變化而變化，它的最大優(yōu)點(diǎn)是能夠避免遺漏解釋變量，并且避開對(duì)解釋變量的選擇問題。條件收斂的模型設(shè)定如下（齊紹洲 等，2010）：

d(LnEIi,t+1)=LnEIi,t+1－LnEIi,t

=βLnyi,t+μi+εi,t（3）

其中，μ表示固定效應(yīng)。如果β<0且在統(tǒng)計(jì)上顯著，則表明存在條件β收斂。

為了檢驗(yàn)條件收斂的存在性，也可以通過(guò)在面板回歸模型中添加若干個(gè)控制變量來(lái)實(shí)現(xiàn)。然而，在添加控制變量時(shí)，往往需要考慮控制變量的內(nèi)生性問題。在處理內(nèi)生性問題方面，應(yīng)用較為廣泛的是廣義矩估計(jì)方法（Generalized Method of Moments，GMM）。本文考慮了空間依賴性因素以及時(shí)間動(dòng)態(tài)性因素，利用GMM方法來(lái)估算中國(guó)29個(gè)省區(qū)能源強(qiáng)度的條件收斂，具體的模型設(shè)定如下：

d(LnEIi,t+1)=α+γtk=1dLnEIi,t－k+βLnEIi,t+ρWLnEIi,t+δWLnEIi,t－1+μLnXi,t+εi,t（4）

其中，W表示非負(fù)對(duì)角線元素為0的空間鄰近權(quán)重矩陣，在本文中，采用的是rook一階規(guī)則；WLnEIt為空間滯后項(xiàng)，表示的是當(dāng)期周圍地區(qū)能源強(qiáng)度對(duì)中心地區(qū)能源強(qiáng)度的影響；X表示模型中的控制變量。之所以采用基于空間滯后模型擴(kuò)展的動(dòng)態(tài)空間面板模型，是因?yàn)橥ㄟ^(guò)Lagrange Multiplier檢驗(yàn)之后發(fā)現(xiàn)應(yīng)當(dāng)包含被解釋變量的空間滯后項(xiàng)。

3．變量選擇和數(shù)據(jù)來(lái)源

盡管采用固定效應(yīng)來(lái)分析條件收斂是一種較好的方法，但是為了穩(wěn)健起見，本文同時(shí)也采用了將外生解釋變量添加到收斂模型中的方法，用以比較估算出的收斂結(jié)果。影響中國(guó)地區(qū)能源強(qiáng)度的因素很多，根據(jù)相關(guān)研究結(jié)論，本文選擇了經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)進(jìn)步、外商直接投資和能源價(jià)格5類工具變量來(lái)分析地區(qū)能源強(qiáng)度的收斂問題。

（1）能源強(qiáng)度（EI）。能源效率的測(cè)度有多種指標(biāo)，魏一鳴和廖華（2010）總結(jié)為七類指標(biāo)：能源宏觀效率、能源事物效率、能源物理效率、能源價(jià)值效率、能源要素利用效率、能源要素配置效率和能源經(jīng)濟(jì)效率。本文選用是最為常用的單位GDP能耗這一宏觀指標(biāo)，通常也定義為“能源強(qiáng)度”。計(jì)算公式為：能源強(qiáng)度=能源消費(fèi)量/GDP。其中，GDP以1998年為基期折算為實(shí)際GDP。

（2）經(jīng)濟(jì)水平（GDP）。經(jīng)濟(jì)水平通常是影響能源強(qiáng)度最主要的因素（史丹 等，2008）。從中國(guó)能源效率分布圖來(lái)看，東部沿海地區(qū)經(jīng)濟(jì)最為發(fā)達(dá)，其能源效率也最高。以北京、上海和廣東為例，這三個(gè)地區(qū)是環(huán)渤海灣、長(zhǎng)三角和珠三角的核心地區(qū)，經(jīng)濟(jì)最為發(fā)達(dá)，其能源效率也居于全國(guó)首位。而欠發(fā)達(dá)地區(qū)，尤其是西北地區(qū)，經(jīng)濟(jì)發(fā)展最為落后，相應(yīng)的能源效率也最低。由此可見，中國(guó)的區(qū)域能源強(qiáng)度與經(jīng)濟(jì)發(fā)展水平是密切相關(guān)的。

（3）產(chǎn)業(yè)結(jié)構(gòu)（第二產(chǎn)業(yè)比重Second，第三產(chǎn)業(yè)比重Tertiary）。從已有的研究結(jié)果來(lái)看，第二產(chǎn)業(yè)比重與能源強(qiáng)度一般為正相關(guān)關(guān)系，即第二產(chǎn)業(yè)比重的增加加劇了能源強(qiáng)度的上升。很多學(xué)者認(rèn)為第三產(chǎn)業(yè)比重與能源強(qiáng)度為負(fù)相關(guān)關(guān)系（邱靈 等，2008；張少華 等，2009），這是由于第三產(chǎn)業(yè)附加值高，能源消耗強(qiáng)度較小，第三產(chǎn)業(yè)比重的提高會(huì)降低能源強(qiáng)度。

（4）技術(shù)進(jìn)步（研發(fā)投入RD，科研人員Personnel）。一般來(lái)說(shuō)，技術(shù)進(jìn)步帶來(lái)了工藝水平的提高，能改善能源效率。通常采用研發(fā)投入來(lái)表示技術(shù)進(jìn)步變量。R&D投資通過(guò)兩個(gè)方面來(lái)促進(jìn)技術(shù)進(jìn)步：一是可以生產(chǎn)新的技術(shù)和信息，二是可以增強(qiáng)企業(yè)吸收現(xiàn)有技術(shù)和信息的能力，促進(jìn)知識(shí)和技術(shù)的外溢；即R&D投資具有提高創(chuàng)新能力和吸收能力的兩面性（張海洋，2005）。Keller（2002）認(rèn)為，R&D投入越多，有效的研發(fā)勞動(dòng)也越多，對(duì)技術(shù)進(jìn)步的促進(jìn)能力也越強(qiáng)。同時(shí)，R&D投入越多，有關(guān)能源利用的先進(jìn)設(shè)備、技術(shù)與管理的有效的研發(fā)勞動(dòng)也越多（江錦帆，2004）。本文也采用R&D支出作為衡量技術(shù)進(jìn)步的指標(biāo)，同時(shí)為了進(jìn)一步證實(shí)技術(shù)進(jìn)步對(duì)能源強(qiáng)度的影響，還選用了另一個(gè)較為常用的變量來(lái)表示技術(shù)進(jìn)步，即研究與開發(fā)機(jī)構(gòu)科技活動(dòng)人員數(shù)。

（5）外商直接投資（FDI）。FDI是影響能源強(qiáng)度的重要因素之一，大量的外資流入產(chǎn)生了顯著的溢出效應(yīng)。在開放經(jīng)濟(jì)條件下，外商直接投資是技術(shù)進(jìn)步的重要來(lái)源之一。改革開放使得國(guó)外先進(jìn)的技術(shù)設(shè)備以外商直接投資的形式進(jìn)入了我國(guó)，直接提高了我國(guó)能源效率（謝志軍 等，1996），張賢和周勇（2007）也驗(yàn)證了外商直接投資對(duì)能源效率的影響。本文對(duì)外商直接投資的衡量選用的實(shí)際利用外資金額，數(shù)據(jù)來(lái)自于CEIC中國(guó)經(jīng)濟(jì)數(shù)據(jù)庫(kù)。

（6）能源價(jià)格（Price）。能源價(jià)格也是影響能源強(qiáng)度的一個(gè)重要因素，從經(jīng)濟(jì)學(xué)的需求定理來(lái)看，能源價(jià)格越高，對(duì)于能源消費(fèi)的傾向就越少，也激勵(lì)經(jīng)濟(jì)主體提高能源效率。因此，能源價(jià)格與能源強(qiáng)度之間理應(yīng)表現(xiàn)出負(fù)相關(guān)關(guān)系。由于沒有直接表示能源價(jià)格的指標(biāo)，本文借用各個(gè)地區(qū)原材料、燃料、動(dòng)力購(gòu)進(jìn)價(jià)格指數(shù)替代能源價(jià)格。

本文研究對(duì)象為中國(guó)內(nèi)地的省級(jí)區(qū)域，由于西藏的能源消費(fèi)數(shù)據(jù)缺乏，海南個(gè)別數(shù)據(jù)缺失海南省是一座島嶼，在地理空間上不與任何地區(qū)有邊界。由于我們采用rook一階規(guī)則定義空間權(quán)重，根據(jù)該定義海南沒有任何鄰居，如果強(qiáng)制海南與廣東或者廣西鄰近也是違背客觀事實(shí)的。 ，研究中未包含西藏和海南，共計(jì)29個(gè)省區(qū)。本文所用的數(shù)據(jù)來(lái)自歷年《中國(guó)能源統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》以及《中國(guó)城市（鎮(zhèn)）生活與價(jià)格年鑒》。

三、實(shí)證分析

1．能源強(qiáng)度的時(shí)空分析

在進(jìn)行能源強(qiáng)度收斂研究之前，首先對(duì)29個(gè)省區(qū)能源強(qiáng)度的空間分布和空間分布的動(dòng)態(tài)變化趨勢(shì)進(jìn)行分析，為后面的實(shí)證做一個(gè)初步的判斷。

由圖1可以觀測(cè)到，中國(guó)29個(gè)省區(qū)的能源強(qiáng)度在空間上的分布并非均衡，東部沿海地區(qū)普遍較低，中部地區(qū)和西部地區(qū)逐漸升高，呈現(xiàn)階梯狀分布。尤其要指出的是，西北地區(qū)的能源強(qiáng)度呈現(xiàn)為高強(qiáng)度集中，而東南沿海地區(qū)能源強(qiáng)度則普遍較低。從全國(guó)總體分布來(lái)看，明顯表現(xiàn)出能源強(qiáng)度的空間不均衡性，即空間異質(zhì)性；從局部來(lái)看，又有低能源強(qiáng)度集中區(qū)（東南地區(qū)）和高能源強(qiáng)度集中區(qū)（西北地區(qū)），所以初步可以判斷存在空間自相關(guān)性。因此，本文采用Moran指數(shù)方法定量檢測(cè)全域能源強(qiáng)度的空間自相關(guān)現(xiàn)象（見圖2），分析結(jié)果表明我國(guó)能源強(qiáng)度在空間分布上并非完全隨機(jī)，而是存在明顯的空間趨同。

圖2表明中國(guó)29個(gè)省區(qū)之間能源強(qiáng)度在空間分布上具有明顯的正自相關(guān)關(guān)系（空間依賴性），說(shuō)明能源強(qiáng)度在空間分布上并不是隨機(jī)的，而是表現(xiàn)出某些省區(qū)能源強(qiáng)度的相似值在空間上趨于集群的現(xiàn)象。在圖2中，位于第一象限的省區(qū)有內(nèi)蒙古、新疆、甘肅、山西、陜西、寧夏、青海和云南，其含義為能源強(qiáng)度高的省區(qū)被能源強(qiáng)度同樣高的省區(qū)所包圍（HighHigh，高—高集聚），可以發(fā)現(xiàn)這些省區(qū)主要在經(jīng)濟(jì)欠發(fā)達(dá)的西部地區(qū)，尤其是西北地區(qū)居多；位于第二象限的省區(qū)有黑龍江、吉林、河南、四川、重慶、廣西和遼寧，其含義為能源強(qiáng)度低的省區(qū)被能源強(qiáng)度高的省區(qū)所包圍（LowHigh，低—高集聚）；位于第三象限的省區(qū)有北京、天津、河北、山東、安徽、湖北、湖南、江西、福建、廣東、江蘇、上海和浙江，其含義為能源強(qiáng)度低的省區(qū)被能源強(qiáng)度同樣低的省區(qū)所包圍（LowLow，低—低集聚）；位于第四象限的只有貴州，其含義為能源強(qiáng)度高的省區(qū)被能源強(qiáng)度低的省區(qū)所包圍（HighLow，高—低集聚）。由此可見，中國(guó)各個(gè)省區(qū)能源強(qiáng)度的空間集聚性非常明顯，正向局域相關(guān)和集聚的典型特征非常顯著。

圖2只能描述一年的能源強(qiáng)度的Moran指數(shù)，圖3則反映了1998—2010年源強(qiáng)度空間分布的動(dòng)態(tài)變化。我國(guó)能源強(qiáng)度的空間分布并非是固定的，而是隨著時(shí)間動(dòng)態(tài)變化：1998年Moran指數(shù)達(dá)到了0.54以上，說(shuō)明各地區(qū)能源強(qiáng)度空間自相關(guān)現(xiàn)象十分明顯；在2000年，Moran指數(shù)突然下降到0.5左右，然后直至2010年，Moran指數(shù)一直處于波動(dòng)上升狀態(tài)。在2005年之后，盡管Moran指數(shù)處于小幅波動(dòng)狀態(tài)，但能源強(qiáng)度空間聚集性明顯有了更為有序的發(fā)展。圖12010年中國(guó)29個(gè)省區(qū)能源強(qiáng)度分布圖

圖22010年中國(guó)29個(gè)省區(qū)能源強(qiáng)度Moran

散點(diǎn)圖對(duì)應(yīng)的地區(qū)分類詳情

圖4進(jìn)一步揭示了我國(guó)東部、中部和西部地區(qū)能源強(qiáng)度的變化趨勢(shì)東部地區(qū)包括北京、天津、河北、遼寧、山東、江蘇、上海、浙江、福建和廣東，中部地區(qū)包括黑龍江、吉林、山西、河南、湖北、湖南、江西和安徽，西部地區(qū)包括四川、重慶、云南、廣西、貴州、青海、寧夏、陜西、甘肅、內(nèi)蒙古和新疆。 ：能源強(qiáng)度最高的為西部地區(qū)，1998—2001年能源強(qiáng)度不斷走低，但2001—2010年呈現(xiàn)“倒U形”趨勢(shì)；能源強(qiáng)度居中的為中部地區(qū)，雖然個(gè)別年份有波動(dòng)，但總體上看1998—2010年能源強(qiáng)度不斷向下；能源強(qiáng)度最低的為東部地區(qū)，發(fā)展態(tài)勢(shì)與中部地區(qū)類似，能源效率不斷提高。從圖形可以有一個(gè)直觀的判斷：西部地區(qū)雖然波動(dòng)，但是能源強(qiáng)度下降的趨勢(shì)明顯；中部地區(qū)也有較為明顯下降；而東部地區(qū)雖然也在下降，但是變化幅度較小。由此可以直觀地判斷，我國(guó)29個(gè)省區(qū)的能源強(qiáng)度有可能存在收斂現(xiàn)象，但是仍然需要定量方法予以確定。

2．絕對(duì)收斂分析

由圖5可知，1998—2010年29個(gè)省區(qū)能源強(qiáng)度的標(biāo)準(zhǔn)差發(fā)展趨勢(shì)明顯分為兩個(gè)階段：第一階段為1998—2001年，標(biāo)準(zhǔn)差不斷降低，即存在絕對(duì)收斂；第二階段為2001—2010年，標(biāo)準(zhǔn)差先上升，在2004年達(dá)到峰值，然后明顯地下降，呈現(xiàn)“倒U”形趨勢(shì)。盡管在樣本期內(nèi)存在變化，但是從總體趨勢(shì)而言，依然是呈現(xiàn)收斂趨勢(shì)，即存在絕對(duì)σ收斂。值得注意的是，圖5的總體變化與圖4相呼應(yīng)。

根據(jù)絕對(duì)β收斂的公式，可以計(jì)算出中國(guó)29個(gè)省區(qū)能源強(qiáng)度絕對(duì)β收斂的情況（表1）：估計(jì)出的β值沒有通過(guò)10%顯著性水平的檢驗(yàn)，R2也極?。粡腇統(tǒng)計(jì)量和其伴隨概率來(lái)看，模型的擬合程度極差，也沒有通過(guò)檢驗(yàn)。因此，可以判斷，中國(guó)29個(gè)省區(qū)能源強(qiáng)度不存在絕對(duì)β收斂的情況。

表1中國(guó)29個(gè)省區(qū)能源強(qiáng)度絕對(duì)β收斂檢驗(yàn)結(jié)果

變量系數(shù)標(biāo)準(zhǔn)差t統(tǒng)計(jì)量概率值β-0.007 40.008 0-0.924 40.355 9常數(shù)項(xiàng)-0.021 50.005 6-3.835 40.000 1R20.002 5F統(tǒng)計(jì)量0.854 5P值 (F統(tǒng)計(jì)量)0.355 9圖31998—2010年中國(guó)29個(gè)省區(qū)能源效率Morans I動(dòng)態(tài)趨勢(shì)圖

圖41998—2010年?yáng)|部、中部和西部地區(qū)能源強(qiáng)度趨勢(shì)圖

圖51998—2010年中國(guó)29個(gè)省區(qū)能源強(qiáng)度標(biāo)準(zhǔn)差趨勢(shì)圖3．條件β收斂分析

由于固定效應(yīng)允許未觀測(cè)效應(yīng)與解釋變量可以存在相關(guān)關(guān)系（Wooldridge，2002），同時(shí)利用固定效應(yīng)可以考慮到截面之間的差異性，因此運(yùn)用固定效應(yīng)進(jìn)行條件收斂檢驗(yàn)是一種不同于傳統(tǒng)的加入控制變量的檢驗(yàn)方法。但是，為了進(jìn)行比較，也需要添加控制變量以估計(jì)出條件β收斂的情況。本文分別采用了固定效應(yīng)、加入控制變量的固定效應(yīng)、系統(tǒng)差分法和加入控制變量的系統(tǒng)差分法四種方法，對(duì)中國(guó)29個(gè)省區(qū)能源強(qiáng)度的條件β收斂進(jìn)行估計(jì)，計(jì)算結(jié)果如表2示。

表2固定效應(yīng)和系統(tǒng)GMM估計(jì)的條件β收斂檢驗(yàn)結(jié)果

〖XB，HT5”SS，J*2；D*2<續(xù)表>〗變量固定效應(yīng)加入控制變量的固定效應(yīng)系統(tǒng)差分加入控制變量的系統(tǒng)差分β-0.186 4***(0.031 1)-0.292 5***(0.037 7)-0.247 2***(0.034 9)-0.348 8***(0.044 7)常數(shù)項(xiàng)0.072 7***(0.016 7)-0.837 9(0.807 7)-0.050 3***(0.009 5)0.576 3(0.594 2)Ln GDP-0.101 9**(0.049 5)-0.078 3*(0.043 7)Ln Second0.230 6**(0.098 6)-0.088 6(0.100 7)Ln Tertiary0.041 0(0.096 7)-0.107 2 (0.067 5)Ln RD0.038 3(0.025 5)0.015 0(0.011 0)Ln Personnel-0.017 2(0.026 4)-0.043 0***(0.013 1)Ln FDI-0.016 8*(0.008 8)-0.009 5(0.009 1)Ln Price-0.012 5(0.057 7)0.061 3**(0.024 1)ΔLn EIt-10.095 1***(0.016 8)0.058 0**(0.027 0)ΔLn EIt-2-0.151 0***(0.029 0)-0.088 2**(0.039 9)ΔLn EIt-3-0.024 3* (0.013 4)0.015 3(0.022 0)ΔLn EIt-4-0.050 9***(0.018 0)0.013 6(0.038 7)W×Ln EI0.604 7***(0.038 5)0.342 0***(0.117 8)W×Ln EIt-1-0.292 4***(0.058 2)-0.152 8(0.106 1)F統(tǒng)計(jì)量35.9610.14P值（F統(tǒng)計(jì)量）0.000 00.000 0AR(1)-2.304 5-2.302 8概率值0.021 20.021 3AR(2)0.838 60.205 8概率值0.401 70.837 0Sargan檢驗(yàn)23.000 717.817 6概率值0.999 91.000 0注：***表示通過(guò)1%顯著性水平，**表示通過(guò)5%顯著性水平，*表示通過(guò)10%顯著性水平，括號(hào)內(nèi)為標(biāo)準(zhǔn)差。

由表2可知，四個(gè)模型中，所有的β系數(shù)的統(tǒng)計(jì)量都通過(guò)了1%顯著性水平的檢驗(yàn)，但各個(gè)系數(shù)的估計(jì)值不同，變化范圍由-0.186 4到-0.348 8，固定效應(yīng)估計(jì)的系數(shù)最小，而加入控制變量后的系統(tǒng)GMM估計(jì)的系數(shù)最大。盡管Islam（1995）和Miller et al（2002）等都直接用固定效應(yīng)來(lái)估計(jì)條件β收斂，彭國(guó)華（2005）也認(rèn)為加入額外的控制變量是多余的，但是從本文的估計(jì)結(jié)果來(lái)看，是否加入控制變量，參數(shù)的估計(jì)結(jié)果并不完全一樣。表2中第二列與第一列的β估計(jì)值差異較大，由此可見，加入一些控制變量后，對(duì)參數(shù)估計(jì)的影響是存在的。在實(shí)際分析中，假設(shè)沒有任何解釋變量的模型也是非常不完善的。表2的第三列是系統(tǒng)GMM方法估計(jì)的結(jié)果，但是并沒有包含控制變量，β值為-0.247 2，介于第一個(gè)和第二個(gè)模型估計(jì)的參數(shù)值之間；表2的第四列為加入控制變量后的系統(tǒng)GMM方法估計(jì)出的收斂情況，從估計(jì)的參數(shù)值β來(lái)看，系數(shù)最大，也就是說(shuō)，與不考慮是時(shí)空因素（空間依賴性和時(shí)間動(dòng)態(tài)性）的模型以及不考慮控制變量的模型相比，該模型估計(jì)的收斂速度是最快的。可見，如果忽略了時(shí)空因素和控制變量，可能會(huì)低估能源強(qiáng)度的收斂速度，而在考慮時(shí)空因素及其控制變量后，可以得出更為穩(wěn)健的結(jié)論。

四、結(jié)論與啟示

本文在考慮空間維度的地理鄰近性和時(shí)間維度的動(dòng)態(tài)性的基礎(chǔ)上，分析中國(guó)29個(gè)省區(qū)能源強(qiáng)度的空間分布和動(dòng)態(tài)變化趨勢(shì)以及收斂情況，結(jié)果表明：從能源強(qiáng)度的空間分布來(lái)看，呈現(xiàn)東低西高的格局，并且存在空間自相關(guān)現(xiàn)象；從Moran指數(shù)的動(dòng)態(tài)變化來(lái)看，能源強(qiáng)度的空間集聚狀態(tài)基本在2005年之后趨于穩(wěn)定，東、中、西部的能源強(qiáng)度均呈現(xiàn)持續(xù)下降的趨勢(shì)；從總體趨勢(shì)來(lái)看，中國(guó)能源強(qiáng)度存在絕對(duì)σ收斂，不存在絕對(duì)β收斂，但存在條件β收斂。

從本文的研究中還可以發(fā)現(xiàn)，由于空間鄰近性的客觀事實(shí)，區(qū)域間的空間溢出和技術(shù)溢出效應(yīng)是十分明顯的，空間效應(yīng)是在分析能源強(qiáng)度收斂時(shí)必須考慮的重要因素。在中國(guó)，能源強(qiáng)度低的省區(qū)在空間上趨于集中于東南地區(qū)以及沿海地帶，而能源強(qiáng)度高的省區(qū)集中在西北地區(qū)。這也給我們一個(gè)很重要的啟示：一個(gè)地區(qū)能源效率的提高勢(shì)必會(huì)通過(guò)技術(shù)溢出效應(yīng)等促進(jìn)鄰近地區(qū)能源效率的改善。

目前，中國(guó)政府十分重視能源效率的提高。在制定提高能源效率以及縮小區(qū)域能源效率差異的有關(guān)政策時(shí)，需要從時(shí)空角度進(jìn)行考慮。一方面，要考慮到區(qū)域之間的聯(lián)系，不能割裂地區(qū)來(lái)制定能源政策。要從大局出發(fā)，充分考慮技術(shù)溢出的客觀事實(shí)，鼓勵(lì)能源強(qiáng)度低的東部地區(qū)的技術(shù)溢出到能源強(qiáng)度較高的中、西部地區(qū)，從而加快全國(guó)區(qū)域間能源強(qiáng)度收斂速度，促使中、西部地區(qū)能源強(qiáng)度迅速降到與東部地區(qū)相近的水平。另一方面，從時(shí)間維度上看，政府在制定能源政策之時(shí)，需要考慮該政策對(duì)未來(lái)的影響。目前，我國(guó)各地區(qū)能源強(qiáng)度均不斷降低，但經(jīng)濟(jì)系統(tǒng)通常存在時(shí)間滯后效應(yīng)，良好的政策對(duì)未來(lái)有較強(qiáng)的持續(xù)性的促進(jìn)作用，而不夠穩(wěn)妥的政策同樣也會(huì)損害現(xiàn)已經(jīng)取得的成績(jī)。此外，經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)、外資投入以及能源價(jià)格等因素對(duì)能源強(qiáng)度的收斂也有很大的影響，而且從根本上講，縮小東、西部經(jīng)濟(jì)發(fā)展水平差異以及技術(shù)水平差異是縮小東、西部能源強(qiáng)度差異的最主要路徑。

參考文獻(xiàn)：

江錦凡.2004.外國(guó)直接投資在中國(guó)經(jīng)濟(jì)增長(zhǎng)中的作用機(jī)制［J］.世界經(jīng)濟(jì)（1）：310.

姜雁斌，朱桂平.2007.能源使用的技術(shù)無(wú)效性及其收斂性分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（10）：108119.

彭國(guó)華. 2005.中國(guó)地區(qū)收入差距、全要素生產(chǎn)率及其收斂分析［J］.經(jīng)濟(jì)研究（9）：1929.

齊紹洲，李鍇.2010.發(fā)展中國(guó)家經(jīng)濟(jì)增長(zhǎng)與能源消費(fèi)強(qiáng)度收斂的實(shí)證分析［J］.世界經(jīng)濟(jì)研究（2）：813.

邱靈，申玉銘，任旺兵，嚴(yán)婷婷.2008.中國(guó)能源利用效率的區(qū)域分異與影響因素分析［J］.自然資源學(xué)報(bào)23（5）：920928.

師博，張良悅.2008.我國(guó)區(qū)域能源效率收斂性分析［J］.當(dāng)代財(cái)經(jīng)（2）：1721.

史丹，吳利學(xué)，傅曉霞，吳濱.2008.中國(guó)能源效率地區(qū)差異及其成因研究——基于隨機(jī)前沿生產(chǎn)函數(shù)的方差分解［J］.管理世界（2）：3543.

魏一鳴，廖華.2010.能源效率的七類測(cè)度指標(biāo)及其測(cè)度方法［J］.中國(guó)軟科學(xué)（7）：128137.

謝志軍，莊幸.1996.宏觀經(jīng)濟(jì)結(jié)構(gòu)與能源密度的變化［J］.中國(guó)能源（5）：1317.

楊正林，方齊云.2008.能源生產(chǎn)率差異與收斂——基于省際面板數(shù)據(jù)的實(shí)證分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（9）：1730.

張海洋.2005. R&D兩面性、外資活動(dòng)與中國(guó)工業(yè)生產(chǎn)率增長(zhǎng)［J］.經(jīng)濟(jì)研究（5）：107117.

張少華，陳浪南.2009.經(jīng)濟(jì)全球化對(duì)我國(guó)能源利用效率影響的實(shí)證研究——基于中國(guó)行業(yè)面板數(shù)據(jù)［J］.經(jīng)濟(jì)科學(xué)（1）：102111.

張賢，周勇.2007.外商直接投資對(duì)我國(guó)能源強(qiáng)度的空間效應(yīng)分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究（1）：101108.

BARRO R J. SALAIMARTIN X X. 1992. Convergence ［J］. Journal of Political Economy，100：223251.

DAVID W S，WONG J L. 2005. Statistical Analysis of Geographic Information with Arc View GIS and Arc GIS ［M］. John Wiley & Sons.

EZCURRA R. 2007. Distribution Dynamics of Energy Intensities： A CrossCountry Analysis ［J］. Energy Policy，35（10）： 52545259.

HERRERIAS M J. 2012. World Energy Intensity Convergence Revisited： A Weighted Distribution Dynamics Approach ［J］. Energy Policy，49：383399.

ISLAM N. 1995. Growth Empirics： a Panel Data Approach ［J］. The Quarterly Journal of Economics，110（4）：11271170.

KELLER W. 2002. Geographic Localization of International Technology Diffusion ［J］. American Economic Review，92（1）：120142.

LE PEN Y. SéVI B. 2010. On the NonConvergence of Energy Intensities：Evidence from a Pairwise Econometric Approach ［J］. Ecological Economics，69（3）：641650.

LIDDLE B. 2010. Revisiting World Energy Intensity Convergence for Regional Differences ［J］. Applied Energy，87（10）：32183225.

MARKANDYA A. PEDROSOGALINATO S. STREIMIKIENE D. 2006. Energy Intensity in Transition Economies：Is There Convergence towards the EU Average? ［J］. Energy Economics，28（1）：121145.

MIKETA A，MULDER P. 2005. Energy Productivity across Developed and Developing Countries in 10 Manufacturing Sectors：Patterns of Growth and Convergence ［J］. Energy Economics，27（3）：429453.

MILLER S M，UPADHYAY M P. 2002. Total Factor Productivity and the Convergence Hypothesis ［J］. Journal of Macroeconomics，24（2）：267286.

MULDER P. DE GROOT H L F. 2007. Sectoral Energy and Labor Productivity Convergence ［J］. Environmental & Resource Economics，36：85112.

WOOLDRIDGE J. 2002. Econometric Analysis of Cross Section and Panel Data ［M］. MIT Press.

Study on Spatial Distribution and Convergence of

Chinas Energy Intensity

—Analysis Based on Dynamic Spatial Panel ModelJIANG Lei1, 2, BAI Ling2

(1. Department of Economic Geography, Faculty of Spatial Sciences, University of Groningen, 9747 AD,

Groningen, The Netherlands; 2.The Key Lab of Geographic Information Science of Chinese Ministry of Education,

East China Normal University, Shanghai 200241, China）

Abstract: The effect of spatial spillover and technical spillover between regions is increasing daily, and the study on energy intensity convergence should not overlook spatial dependence and time dynamics. Based on considering the geographic neighborhood of spatial dimension and the dynamics of timedimension, this paper uses dynamic spatial panel model to analyze the spatial distribution, dynamic change trends and convergence of the energy intensity in 29 provinces and municipalities of China, and the research shows that the spatial distribution of energy intensity of China demonstrates the pattern with low intensity in the east and high intensity in the west and has spatial autocorrelation phenomenon, that the dynamic trends indicates that the spatial autocorrelation index of energy intensity is inclined to be stable after 2005, that the energy intensity in the east, in the middle area and in the west of China demonstrates declining trend, that in overall trend, there is an obviously absolute σ convergence and no absolute β convergence but there is a significant conditional β convergence. In order to raise energy efficiency to shrink regional energy efficiency gap, China should sufficiently make use of spatial spillover effect, encourage the technical spillover from the regions with low energy intensity to the areas with high energy intensity so that the convergence speed of energy intensity between regions of China can be accelerated.

Key words:energy intensity; energy efficiency; convergence; convergence speed; spatial autocorrelation; spatial spillover effect; technical spillover effect; Moran index; spatial dependence

CLC number：F062.5；F206Document code：AArticle ID：16748131（2014）04006109

（編輯：夏冬）

(1. Department of Economic Geography, Faculty of Spatial Sciences, University of Groningen, 9747 AD,

Groningen, The Netherlands; 2.The Key Lab of Geographic Information Science of Chinese Ministry of Education,

East China Normal University, Shanghai 200241, China）

Abstract: The effect of spatial spillover and technical spillover between regions is increasing daily, and the study on energy intensity convergence should not overlook spatial dependence and time dynamics. Based on considering the geographic neighborhood of spatial dimension and the dynamics of timedimension, this paper uses dynamic spatial panel model to analyze the spatial distribution, dynamic change trends and convergence of the energy intensity in 29 provinces and municipalities of China, and the research shows that the spatial distribution of energy intensity of China demonstrates the pattern with low intensity in the east and high intensity in the west and has spatial autocorrelation phenomenon, that the dynamic trends indicates that the spatial autocorrelation index of energy intensity is inclined to be stable after 2005, that the energy intensity in the east, in the middle area and in the west of China demonstrates declining trend, that in overall trend, there is an obviously absolute σ convergence and no absolute β convergence but there is a significant conditional β convergence. In order to raise energy efficiency to shrink regional energy efficiency gap, China should sufficiently make use of spatial spillover effect, encourage the technical spillover from the regions with low energy intensity to the areas with high energy intensity so that the convergence speed of energy intensity between regions of China can be accelerated.

Key words:energy intensity; energy efficiency; convergence; convergence speed; spatial autocorrelation; spatial spillover effect; technical spillover effect; Moran index; spatial dependence

CLC number：F062.5；F206Document code：AArticle ID：16748131（2014）04006109

（編輯：夏冬）

(1. Department of Economic Geography, Faculty of Spatial Sciences, University of Groningen, 9747 AD,

Groningen, The Netherlands; 2.The Key Lab of Geographic Information Science of Chinese Ministry of Education,

East China Normal University, Shanghai 200241, China）

Abstract: The effect of spatial spillover and technical spillover between regions is increasing daily, and the study on energy intensity convergence should not overlook spatial dependence and time dynamics. Based on considering the geographic neighborhood of spatial dimension and the dynamics of timedimension, this paper uses dynamic spatial panel model to analyze the spatial distribution, dynamic change trends and convergence of the energy intensity in 29 provinces and municipalities of China, and the research shows that the spatial distribution of energy intensity of China demonstrates the pattern with low intensity in the east and high intensity in the west and has spatial autocorrelation phenomenon, that the dynamic trends indicates that the spatial autocorrelation index of energy intensity is inclined to be stable after 2005, that the energy intensity in the east, in the middle area and in the west of China demonstrates declining trend, that in overall trend, there is an obviously absolute σ convergence and no absolute β convergence but there is a significant conditional β convergence. In order to raise energy efficiency to shrink regional energy efficiency gap, China should sufficiently make use of spatial spillover effect, encourage the technical spillover from the regions with low energy intensity to the areas with high energy intensity so that the convergence speed of energy intensity between regions of China can be accelerated.

Key words:energy intensity; energy efficiency; convergence; convergence speed; spatial autocorrelation; spatial spillover effect; technical spillover effect; Moran index; spatial dependence

CLC number：F062.5；F206Document code：AArticle ID：16748131（2014）04006109

（編輯：夏冬）