吳建新+賀佳瑤+錢晶晶

摘要采用加權(quán)的分布動態(tài)方法研究了1986—2014年中國30個省區(qū)能源強(qiáng)度的分布動態(tài)及其收斂性，并采用條件分布分析方法分析了空間區(qū)位、資本密集度和收入水平等對省區(qū)能源強(qiáng)度分布的影響。研究發(fā)現(xiàn)，整體上中國省區(qū)能源強(qiáng)度的變異系數(shù)存在增大的趨勢，即趨向發(fā)散。就穩(wěn)態(tài)分布來看，在1986—2005年期間，中國省區(qū)能源強(qiáng)度由單峰分布趨向非對稱的二元俱樂部收斂，由于受2005年之后節(jié)能減排政策的影響，在2005—2014年期間趨向三元俱樂部收斂。經(jīng)濟(jì)和人口規(guī)模對省區(qū)能源強(qiáng)度的分布有重要影響，且其影響隨時間的推進(jìn)更加顯著，忽略經(jīng)濟(jì)和人口規(guī)模的影響會導(dǎo)致對中國省區(qū)能源強(qiáng)度收斂性估計的偏誤。條件分布分析表明，在1986—2014年期間，資本密集度對長期穩(wěn)態(tài)分布的影響最大，收入水平影響次之，空間區(qū)位因素影響最小。但在2005—2014年期間，資本密集度對省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布的形成具有決定作用，空間區(qū)位也有顯著的影響，但收入水平影響不明顯。這一時期的區(qū)域發(fā)展戰(zhàn)略對省區(qū)能源強(qiáng)度俱樂部的形成起到了關(guān)鍵作用。本文的結(jié)果具有重要的政策含義：省區(qū)能源強(qiáng)度發(fā)散表明促進(jìn)區(qū)域間能源利用技術(shù)的溢出可以顯著提高我國整體能源利用效率；區(qū)域發(fā)展戰(zhàn)略與節(jié)能減排政策的結(jié)合能夠更加有效地促進(jìn)省區(qū)能源強(qiáng)度的收斂；由于人口和生產(chǎn)活動流向高能源效率的省區(qū)，因此促進(jìn)要素流動有利于中國省區(qū)能源效率的提高。

關(guān)鍵詞能源強(qiáng)度；分布動態(tài)；加權(quán)收斂；條件分布分析

中圖分類號F062.1

文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2018）02-0036-12DOI：10.12062/cpre.20171007

改革開放以來，中國實現(xiàn)了持續(xù)的高速經(jīng)濟(jì)增長。然而，高速經(jīng)濟(jì)增長也伴隨著能源消耗的快速增長，以制造業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)和能源利用效率低下加劇了這一狀況。居高不下的能源消耗不但帶來了能源安全問題，也導(dǎo)致了嚴(yán)重的環(huán)境問題。隨著國民環(huán)保意識的提高以及對于更好生活質(zhì)量的追求，中國政府開始致力于通過產(chǎn)業(yè)轉(zhuǎn)型升級來促進(jìn)經(jīng)濟(jì)和社會的可持續(xù)發(fā)展。作為世界上最大的能源消耗國和二氧化碳排放國，中國政府也面臨嚴(yán)峻的國際碳減排壓力。為了實現(xiàn)經(jīng)濟(jì)社會的可持續(xù)發(fā)展，中國政府制定了許多具體的節(jié)能減排目標(biāo)，其中有些已經(jīng)成功實現(xiàn)。例如，在“十一五”期間，實現(xiàn)能源強(qiáng)度下降了19.1%。在“十二五”期間，中國政府承諾進(jìn)一步降低能源強(qiáng)度16%。

研究能源強(qiáng)度的收斂性對于預(yù)測未來能源消耗和制定環(huán)境政策具有重要意義。首先，能源消耗是決定溫室氣體排放和許多其他污染物（如二氧化硫和PM2.5等）排放的關(guān)鍵因素。與環(huán)境污染物排放相比，能源強(qiáng)度與經(jīng)濟(jì)活動有著更直接的關(guān)系。以能源強(qiáng)度為基礎(chǔ)的環(huán)境政策會更加有助于平衡經(jīng)濟(jì)增長和環(huán)境保護(hù)的關(guān)系，這對于發(fā)展中國家來說尤為重要。其次，能源強(qiáng)度的空間分布動態(tài)性與能源利用技術(shù)的擴(kuò)散緊密相關(guān)。能源強(qiáng)度的收斂意味著隨著時間的推移，國家或區(qū)域之間技術(shù)差異的減小；而能源強(qiáng)度的發(fā)散表明政府和國際組織應(yīng)該通過促進(jìn)空間技術(shù)溢出來提高高能耗國家或地區(qū)的能源利用效率。第三，能源強(qiáng)度收斂的基本原理與環(huán)境庫茲涅茨曲線理論一致。因此對于能源強(qiáng)度收斂的研究有助于深化環(huán)境庫茲涅茨曲線存在性的討論。

近年來國際上已經(jīng)有許多文獻(xiàn)研究國家間或地區(qū)間能源強(qiáng)度的收斂性，如Markandya、Ezcurra、Maza和Villaverde、Liddle、Herrerias、Mohammadi和Ram、Meng、Kiran、Mulder以及Duro等[1-11]。隨著近些年中國能源強(qiáng)度的持續(xù)下降，已經(jīng)有相當(dāng)多的文獻(xiàn)研究中國的能源強(qiáng)度問題，例如Ma和Stern、Song 和Zheng以及Wu等[12-14]。但很少有文獻(xiàn)研究中國能源強(qiáng)度的收斂性問題，僅有齊紹洲和李鍇[15]、馬曉鈺等[16]、魏巍賢和王鋒[17]、王春寶和陳迅[18]、Herrerias[19]、Zhang 和 Broadstock[20]等少數(shù)文獻(xiàn)涉及該問題，且都采用了傳統(tǒng)的參數(shù)收斂分析方法。中國省區(qū)之間在產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、資源稟賦和氣候等方面存在顯著差異，從而導(dǎo)致省區(qū)能源強(qiáng)度的差別。因此，研究中國省區(qū)能源強(qiáng)度的空間分布演變及其決定因素對于我國節(jié)能減排和綠色轉(zhuǎn)型具有重要的意義。

與現(xiàn)有研究不同，為了分析中國能源強(qiáng)度空間分布和演進(jìn)的完整形態(tài)及其決定因素，為相關(guān)政策的制定和實施提供更加全面可靠的信息，本文采用了加權(quán)的連續(xù)性分布動態(tài)方法。首先，該方法完全由數(shù)據(jù)驅(qū)動，因此能夠避免模型選擇所帶來的偏誤；其次，考慮到中國省區(qū)之間巨大的規(guī)模差距，考慮經(jīng)濟(jì)和人口規(guī)模將會更加真實地反映中國能源強(qiáng)度演變的趨勢，因此本文在分析中考慮了經(jīng)濟(jì)和人口規(guī)模對能源強(qiáng)度分布演進(jìn)的影響；此外，條件分布分析能夠為解釋中國省區(qū)能源強(qiáng)度俱樂部收斂的形成提供重要證據(jù)。

1研究方法與數(shù)據(jù)說明

現(xiàn)有關(guān)于經(jīng)濟(jì)收斂的分析方法主要包括三種：一是σ收斂方法，主要研究能源強(qiáng)度的離散度（dispersion）隨時間的變化。由于σ收斂能夠提供的動態(tài)信息很少，所以一般把σ收斂分析和其他方法結(jié)合起來進(jìn)行分析，如Ezcurra、Maza和Villaverde、Mulder、Duro等[2，3，10，11]。二是參數(shù)方法，即通過參數(shù)回歸方法來研究國家或地區(qū)之間能源強(qiáng)度絕對收斂、條件收斂或隨機(jī)收斂的存在性。由于許多計量軟件都能夠比較方便地實現(xiàn)參數(shù)分析方法，因此絕大多數(shù)文獻(xiàn)都采用了這種方法。三是非參數(shù)的分布動態(tài)方法。分布動態(tài)方法的優(yōu)勢是不需要設(shè)定具體模型假設(shè)而是完全由數(shù)據(jù)驅(qū)動，且能夠提供更多演變過程及其結(jié)果信息，特別是在分析俱樂部收斂的形態(tài)和形成原因方面具有其它方法無法比擬的優(yōu)勢，更重要的是該方法為實現(xiàn)加權(quán)收斂分析提高了可能。本文采用分布動態(tài)分析方法。

1.1非加權(quán)分布動態(tài)分析方法

如果用ft（x）表示能源強(qiáng)度在t時期的分布，ft+τ（y）表示能源強(qiáng)度在t+τ時期的分布，其中τ>0。同時假設(shè)能源強(qiáng)度在t+τ時期的分布只依賴于其在t時期的分布，則能源強(qiáng)度在t+τ時期的分布可以通過下面的公式來計算：endprint

ft+τ（y）=∫∞0gτ（y|x）ft（x）dx（1）

其中，條件概率密度函數(shù)gτ（y|x）表示能源強(qiáng)度從t時期到t+τ時期分布的轉(zhuǎn)移概率。對任意x，有∫∞0gτ（y|x）dy=1（更詳細(xì)的計算過程可參考Johnson[21]）。

為了估算條件概率密度，首先需要定義聯(lián)合核密度估計量ft，t+τ（y，x）如下：

ft，t+τ（y，x）=1nhxhy∑ni=1Kx（x-xihx）Ky（y-yihy）（2）

其中，hx和hy表示x和y各自的帶寬。xi和yi是t時期和t+τ時期省區(qū)的能源強(qiáng)度。借鑒多數(shù)研究（如Johnson等）[19-20]的做法，本文帶寬的計算采取Silverman[22]提出的最優(yōu)化方法。

同樣地，x的邊際核密度函數(shù)可以采用下面的公式來估計：

ft（x）=1nhx∑ni=1Kx（x-xihx）（3）

根據(jù)上面定義的聯(lián)合和邊際核密度函數(shù)，就可以采用下式來計算條件概率密度函數(shù)：

gτ（y|x）=ft，t+τ（y，x）ft（x）（4）

如果保持轉(zhuǎn)移概率（即gτ（y|x））不變，則能源強(qiáng)度的分布會演變成為長期均衡狀態(tài)，即遍歷分布（ergodic distribution）。因此，與給定gτ（y|x）相對應(yīng)的遍歷分布（用f∞（y）表示）可以用下面的公式計算：

f∞（y）=∫∞0gτ（y|x）f∞（x）dx（5）

離散型分布動態(tài)方法一般采用轉(zhuǎn)移概率矩陣和遍歷分布矩陣來展示轉(zhuǎn)移過程的動態(tài)性和長期分布。但連續(xù)性分布動態(tài)方法多采用三維圖和等高線圖來表示轉(zhuǎn)移概率，用二維核密度圖來表示遍歷分布。為了更好地分析能源強(qiáng)度分布的收斂性，需要分析能源強(qiáng)度分布區(qū)間每一點的移動概率，本文采用凈轉(zhuǎn)移概率的概念來表示分布的轉(zhuǎn)移動態(tài)，該方法能夠精確地估計能源強(qiáng)度分布區(qū)間內(nèi)每一點的凈向上轉(zhuǎn)移概率。凈轉(zhuǎn)移概率p（x）可由下面的公式來估計：

p（x）=∫∞xgτ（z|x）dz-∫x0gτ（z|x）dz（6）

本文中，凈轉(zhuǎn)移概率大于0表明能源強(qiáng)度有增加趨勢，而凈轉(zhuǎn)移概率小于0表明能源強(qiáng)度有減少趨勢。

1.2加權(quán)的分布動態(tài)分析方法

傳統(tǒng)的收斂分析中一般都假設(shè)每個樣本具有相同的規(guī)模大小。然而，中國省區(qū)間在規(guī)模上差別非常大。例如，2014年廣東的經(jīng)濟(jì)規(guī)模（GDP）是西藏經(jīng)濟(jì)規(guī)模的73.6倍，而廣東省的人口規(guī)模則是西藏的33.7倍。降低廣東的能源強(qiáng)度對國家節(jié)能減排的作用顯然遠(yuǎn)高于西藏。因此，未加權(quán)的分布動態(tài)方法無法展示中國省區(qū)能源強(qiáng)度分布動態(tài)演變的全部信息。為了理解省區(qū)規(guī)模對能源強(qiáng)度的影響，本文分別采用經(jīng)濟(jì)規(guī)模（GDP）和人口規(guī)模作為權(quán)重。根據(jù)Gisbert[23]，核密度函數(shù)的加權(quán)可以采用如下公式來計算：

f^t（x）=1nhx∑ni=1ωiK（x-xihx）（7）

其中ωi是某省區(qū)產(chǎn)出或者人口的權(quán)重份額。為了便于比較，本文分別采用加權(quán)的和未加權(quán)的分析方法來分析中國城市能源強(qiáng)度分布的動態(tài)演變信息。

1.3條件分布分析

傳統(tǒng)的俱樂部收斂分析常常人為地將省區(qū)劃分為東、中、西部三大地區(qū)進(jìn)行分析，然而，這樣的劃分存在很大的主觀性。為了研究空間區(qū)位因素對能源強(qiáng)度分布的影響，本文采用了條件分布分析方法。除了空間區(qū)位因素之外，資本密集度（資本存量除以GDP）和收入水平（人均GDP）對能源強(qiáng)度具有重要的影響，因此本文在條件分布分析中考慮了空間區(qū)位、資本密集度和收入水平等三個變量。為了進(jìn)行條件分布分析，需要對能源強(qiáng)度數(shù)據(jù)進(jìn)行預(yù)處理。具體來說，空間條件分布分析就是將每個省區(qū)的能源強(qiáng)度除以其相鄰省區(qū)能源強(qiáng)度的平均值，然后進(jìn)行分布動態(tài)分析。這樣，能源強(qiáng)度的空間條件分布可以被看作是沒有被空間區(qū)位因素解釋的部分。如果空間區(qū)位因素對能源強(qiáng)度分布的影響越小，那么非條件分布和條件分布將越相似。相反，空間區(qū)位因素對能源強(qiáng)度的影響越大，兩個分布就越不相同。對以資本密集度和收入水平為條件變量的能源強(qiáng)度數(shù)據(jù)進(jìn)行預(yù)處理的方法相對比較簡單，即直接采用每個省區(qū)的能源強(qiáng)度除以該省區(qū)的資本密集度或收入水平。在對數(shù)據(jù)預(yù)處理之后，條件分布分析中轉(zhuǎn)移概率和遍歷分布的估計方法與普通分布動態(tài)方法相同。

1.4數(shù)據(jù)來源和處理

由于1986年之前的中國省區(qū)能源數(shù)據(jù)缺失較多，因此本文采用了1986—2014年期間除西藏、香港、澳門、臺灣之外的中國30個省區(qū)（包括22個省、4個自治區(qū)和4個直轄市）的能源強(qiáng)度面板數(shù)據(jù)。能源消耗數(shù)據(jù)主要來自各年度《中國能源統(tǒng)計年鑒》和《新中國六十年統(tǒng)計資料匯編》，名義GDP數(shù)據(jù)和人口數(shù)據(jù)來自《新中國六十年統(tǒng)計資料匯編》和各年度《中國統(tǒng)計年鑒》，名義GDP數(shù)據(jù)采用分省的GDP平減指數(shù)折算為以1986年為基期的實際GDP數(shù)據(jù)。資本存量數(shù)據(jù)來自Wu[24]，缺失年份的數(shù)據(jù)作者采用相同方法即永續(xù)盤存法加以補(bǔ)齊。有了能源消耗、實際GDP、人口和資本存量數(shù)據(jù)，我們就可以很容易計算出本文研究所需要的能源強(qiáng)度、收入水平、資本密集度等變量。由于分布動態(tài)方法主要研究相對位置的變化，借鑒現(xiàn)有分布動態(tài)方法研究的常規(guī)做法，本文在研究中采用相對能源強(qiáng)度數(shù)據(jù)，即用每個省區(qū)的能源強(qiáng)度除以該年全部省區(qū)能源強(qiáng)度的平均值。

2中國省區(qū)能源強(qiáng)度的分散度和當(dāng)期分布

2.1中國省區(qū)能源強(qiáng)度的分散度分析

為了對中國省區(qū)能源強(qiáng)度的離散性有個基本的把握，圖1展示了1986—2014年期間中國省區(qū)能源強(qiáng)度的變異系數(shù)和東、中、西部三大地區(qū)間能源強(qiáng)度的比率。由圖1可見，中國省區(qū)能源強(qiáng)度的變異系數(shù)除個別年份外一直呈現(xiàn)升高的趨勢，表明中國省區(qū)能源強(qiáng)度從整體上來看趨向發(fā)散。就地區(qū)間比率來看，中部與東部之間的比率相對比較穩(wěn)定，但西部省區(qū)對東部省區(qū)的能源強(qiáng)度比率持續(xù)升高，表明西部省區(qū)能源利用效率相對于東部出現(xiàn)了顯著的惡化，政府需要重點關(guān)注西部省區(qū)的節(jié)能減排工作。同時，可以看出變異系數(shù)的變化趨勢與西部/東部能源強(qiáng)度比率的變化趨勢非常相似，可以判斷中國省區(qū)能源強(qiáng)度的發(fā)散與西部省區(qū)的能源強(qiáng)度相對于中、東部省區(qū)快速增加有很大的關(guān)系。變異系數(shù)分析雖然能夠提供中國省區(qū)能源強(qiáng)度的離散度度量，但并不是真正意義上的收斂分析，也不能提供中國省區(qū)能源強(qiáng)度空間分布演變的具體形態(tài)。endprint

2.2關(guān)鍵年份能源強(qiáng)度的分布分析

在分析中國省區(qū)能源強(qiáng)度的分布動態(tài)過程和長期穩(wěn)態(tài)分布之前，首先需要對當(dāng)期的分布形態(tài)有個基本的把握。圖2是本文研究樣本期間一些關(guān)鍵年份（1986、1995、2005、2014年）的核密度分布圖。其中，關(guān)鍵年份的選擇一是需要將樣本大致分為相等的時間段，二是能源政策的變化時間，如2005年。從圖中可以看到，在1986年和1995年，省區(qū)能源強(qiáng)度的分布基本都為右偏的單峰分布（rightskewed unimodality），即除了個別省區(qū)以外大多數(shù)省區(qū)位于平均能源強(qiáng)度（相對能源強(qiáng)度值為1）的波峰；但2005和2014年省區(qū)能源強(qiáng)度的分布為明顯的非對稱多峰分布（asymmetric multimodality），大部分省區(qū)位于平均能源強(qiáng)度以下的主峰，少數(shù)省區(qū)在高于平均能源強(qiáng)度的位置形成多個小波峰。這表明就當(dāng)前中國能源強(qiáng)度的分布演變趨勢來看，俱樂部收斂的形態(tài)比較明顯。動態(tài)地看，從1986—2014年，主峰的高度開始時（1986—1995年）變化較小，隨后（1995—2014年）開始大幅升高。就分布范圍來看，這一時期隨著時間的演變，能源強(qiáng)度分布的左邊呈現(xiàn)收縮趨勢，而右邊呈現(xiàn)發(fā)散趨勢，表明低能源強(qiáng)度省區(qū)向平均能源強(qiáng)度收斂，但部分中高能源強(qiáng)度省區(qū)也向高能源強(qiáng)度端移動。從整體看，相對能源強(qiáng)度的分布范圍有擴(kuò)大的趨勢，表明中國省區(qū)能源強(qiáng)度的分布存在發(fā)散的傾向。這與前文變異系數(shù)的結(jié)果相似。

圖3是1986、1995、2005和2014年中國省區(qū)能源強(qiáng)度的產(chǎn)出和人口加權(quán)的核密度分布與非加權(quán)核密度分布的比較圖。由圖可見，加權(quán)和非加權(quán)的省區(qū)能源強(qiáng)度的核密度分布差別很大，加權(quán)后能源強(qiáng)度分布的主峰顯著升高且偏向低能源強(qiáng)度端。特別是產(chǎn)出加權(quán)的能源強(qiáng)度分布，其分布更加偏向低能源強(qiáng)度端，表明中國的經(jīng)濟(jì)活動和人口分布主要集中在能源強(qiáng)度較低的地區(qū)，而經(jīng)濟(jì)活動則更加偏向低能源強(qiáng)度省區(qū)。從時間的變化趨勢來看，由于自改革開放以來中西部和東北地區(qū)的人口持續(xù)流向東部較發(fā)達(dá)省區(qū)，因此隨著中國省區(qū)人口和經(jīng)濟(jì)活動分布不均衡現(xiàn)象的加劇，加權(quán)與非加權(quán)的能源強(qiáng)度分布之間的差別也顯著加大?？梢灶A(yù)期，隨著近年來城市入戶政策的放寬，人口的流動速度將會加快，而區(qū)域人口不均衡對節(jié)能減排的

影響也將更加顯著。由此可見，忽略中國省區(qū)人口和經(jīng)濟(jì)規(guī)模的差異可能會對中國省區(qū)能源強(qiáng)度分布的動態(tài)演變發(fā)生誤判。

3中國省區(qū)能源強(qiáng)度的分布動態(tài)性分析

3.11986—2014年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性

圖4是中國省區(qū)能源強(qiáng)度的分布動態(tài)估計結(jié)果。其中圖4（a）和（b）分別是1986年至2014年轉(zhuǎn)移概率的三維分布圖和對應(yīng)的等高線圖。為了對兩圖有直觀的解釋，假設(shè)t期時某一省區(qū)的能源強(qiáng)度為均值的2倍（即相對能源強(qiáng)度值為2），從t軸上值為2的點平行于t+1軸作切面，則這一切面即是該省區(qū)由t期向t+1期轉(zhuǎn)移的概率分布。由圖可見，在低能源強(qiáng)度區(qū)域，轉(zhuǎn)移概率基本分布在對角線兩側(cè)；而在高能源強(qiáng)度區(qū)，轉(zhuǎn)移概率的分布偏離對角線較多。上述分布表明在低能源強(qiáng)度端的省區(qū)相對能源強(qiáng)度的變動較小，而在高能源強(qiáng)度端省區(qū)相對能源強(qiáng)度的變動相當(dāng)大。

圖4（c）是凈轉(zhuǎn)移概率曲線圖，該圖對判斷收斂與否具有重要作用。如果凈轉(zhuǎn)移概率曲線與零軸有一個交點（該交點一般位于均值附近），且在相對能源強(qiáng)度低于交點區(qū)間的凈轉(zhuǎn)移概率大于零，而在高于交點區(qū)間的凈轉(zhuǎn)移概率小于零，則意味著能源強(qiáng)度將收斂于交點。圖3（c）顯示，在1.8～2.1倍均值區(qū)間的省區(qū)存在正的凈轉(zhuǎn)移概率，表明位于這一區(qū)間的省區(qū)的能源強(qiáng)度存在較強(qiáng)的增加趨勢，而非收斂于均值。

圖4（d）是當(dāng)轉(zhuǎn)移概率保持不變時，中國省區(qū)能源強(qiáng)度的長期穩(wěn)態(tài)分布（即遍歷分布）圖。該圖呈現(xiàn)明顯的雙峰分布，多數(shù)省區(qū)將收斂于均值處的主峰，只有少數(shù)省區(qū)收斂于2倍均值附近的小波峰。這意味著就整個樣本時期來看，中國省區(qū)能源強(qiáng)度長期將形成非對稱的二元俱樂部收斂?？紤]到中國省區(qū)之間存在巨大的經(jīng)濟(jì)和人口規(guī)模差異，本文也估算了產(chǎn)出和人口加權(quán)的凈轉(zhuǎn)移概率和遍歷分布（圖4（c）和（d）中的短劃線和點虛線）。由圖可見，產(chǎn)出和人口加權(quán)的遍歷分布雖然沒有改變二元俱樂部收斂的趨勢，但與非加權(quán)的遍歷分布相比，產(chǎn)出和人口加權(quán)的遍歷分布更加偏向低能源強(qiáng)度端。表明加權(quán)以后，更多的經(jīng)濟(jì)活動將會趨向低能源強(qiáng)度省區(qū)，忽略經(jīng)濟(jì)和人口規(guī)模的影響將會導(dǎo)致對中國能源強(qiáng)度空間分布演變趨勢的估計產(chǎn)生偏誤。

由于中國在2005年之前采取的是比較寬松的能源和環(huán)境政策，但2005年之后采取了較強(qiáng)的環(huán)境規(guī)制和節(jié)能減排政策（見“十一五”、“十二五”規(guī)劃）。因此可能會導(dǎo)

致2005年前后能源強(qiáng)度演變趨勢的差異。本文以2005

年為界將樣本分為1995—2005年和2005—2014年兩個時期，并分別估算其分布動態(tài)性。結(jié)果發(fā)現(xiàn)1995—2005年期間省區(qū)能源強(qiáng)度的分布動態(tài)結(jié)果與1995—2014年的結(jié)果非常相似，為簡略起見不再報告。而2005—2014年的結(jié)果與全部樣本時期的結(jié)果差別非常大，表明2005年后采用的能源和環(huán)境政策對省區(qū)能源強(qiáng)度的分布產(chǎn)生了重要的影響。

3.22005—2014年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性

圖5展示了離目前最近的2005—2014年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性。圖5（a）和（b）分別是轉(zhuǎn)移概率的三維圖和等高線圖，由圖可見轉(zhuǎn)移概率密度主要分布在對角線兩側(cè)，且沿對角線形成多個波峰，表明相對位置的變動較小且預(yù)示著存在俱樂部收斂的可能性。圖（c）的凈轉(zhuǎn)移概率分布表明，除了低于0.8倍均值的區(qū)間外，區(qū)間[1.6， 1.8]和[2.5， 2.9]內(nèi)的凈轉(zhuǎn)移概率也為正值，表明相對能源強(qiáng)度位于該區(qū)間的省區(qū)存在能源強(qiáng)度相對增加的趨勢。比較來看，區(qū)間[1.6， 1.8]內(nèi)的省區(qū)相對能源強(qiáng)度升高的概率較小，而在區(qū)間[2.5， 2.9]內(nèi)的省區(qū)相對能源強(qiáng)度具有非常強(qiáng)烈的升高趨勢，因此在將來國家節(jié)能減排計劃中應(yīng)該重點關(guān)注上述省區(qū)的節(jié)能減排。endprint

與1986—2014年整個樣本時期的演變趨勢顯著不同，圖5（d）顯示基于2005—2014年樣本時期計算的長期穩(wěn)態(tài)分布呈現(xiàn)明顯的三峰分布狀態(tài)，三個波峰分別位于0.8、1.8和2.9倍均值處，前兩個波峰較大，而第三個波峰相對較小，表明中國省區(qū)能源強(qiáng)度存在非對稱三元俱樂部收斂現(xiàn)象。圖5（c）、（d）也顯示了產(chǎn)出、人口規(guī)模加權(quán)的凈轉(zhuǎn)移概率和遍歷分布，作為比較，在圖中也加入了非加權(quán)的凈轉(zhuǎn)移概率和遍歷分布。由圖可見，加權(quán)對遍歷分布有比較明顯的影響。人口加權(quán)顯著降低了1.8倍均值處的波峰，但提升了0.8倍均值處的波峰；產(chǎn)出加權(quán)降低了1.8倍均值處的波峰，但提高了位于2.9倍均值處的波峰。這表明收斂于高能源強(qiáng)度的省區(qū)具有較大的經(jīng)濟(jì)規(guī)模，而收斂于低能源強(qiáng)度的省區(qū)具有較大的人口規(guī)模，而收斂于1.8倍均值波峰的省區(qū)經(jīng)濟(jì)和人口規(guī)模都小于平均值。由此可見，這一時期中國人口和經(jīng)濟(jì)活動空間分布的不均衡狀態(tài)較前一時期發(fā)生了較大的變化。

基于上述分析，可以發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度的分布動態(tài)性在整個樣本時期1986—2014年和2005—2014年期間有著較大的差異。整個樣本時期趨向雙峰收斂，后一階段趨向三峰收斂。造成這一差別的主要原因可能是2005年之后實施的嚴(yán)格節(jié)能減排政策。由于各個省區(qū)面臨的節(jié)能減排任務(wù)差別較大，因此導(dǎo)致各個省區(qū)的演變路徑發(fā)生了變化，因此從雙峰收斂變成了三峰收斂。這一結(jié)果與

Zhang和Broadstock[20]的結(jié)果相似，他們也發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度存在三個俱樂部。

4條件分布分析

采用條件分析方法分析中國省區(qū)能源強(qiáng)度分布的影響因素。由于地理位置的鄰近性會影響相鄰省區(qū)的產(chǎn)業(yè)結(jié)構(gòu)，因此許多文獻(xiàn)都將空間區(qū)位作為形成俱樂部收斂的重要因素[20]。此外，資本密集度和收入水平也是可能影響省區(qū)能源強(qiáng)度的重要因素[13，14，16]。一般來說，資本密集度較高的省區(qū)重化工業(yè)所占的比重較高，因此具有較高的能源強(qiáng)度。根據(jù)環(huán)境庫茲涅茨曲線理論，在經(jīng)濟(jì)發(fā)展的開始階段能源強(qiáng)度隨著收入水平的提高而增加，但達(dá)到一定階段后將會下降，即二者之間表現(xiàn)為倒“U”型曲線的關(guān)系。此外，收入水平還可以通過能源回彈效應(yīng)來影響能源強(qiáng)度[25]。因此，本節(jié)將通過分析能源強(qiáng)度對空間區(qū)位因素、資本密集度和收入水平的條件分布來研究三者對中國省區(qū)能源強(qiáng)度分布動態(tài)性的影響。與前文相同，我們也針對兩個子時期分別做了分析，由于1986—2005年期間的結(jié)果與整個樣本時期的結(jié)果相似，所以本節(jié)只報告整個樣本時期和2005—2014年期間的分析結(jié)果。

4.11986—2014年的條件分布分析

圖6（a）和（b）展示了中國省區(qū)能源強(qiáng)度對空間條件分布的凈轉(zhuǎn)移概率和遍歷分布，為便于比較，這里也將相應(yīng)的非條件分布估計結(jié)果置于圖中。相對于非條件處理的省區(qū)能源強(qiáng)度凈轉(zhuǎn)移概率曲線，空間條件處理后的凈轉(zhuǎn)移概率曲線（圖6（a））顯示，相對能源強(qiáng)度大于平均值區(qū)間具有正的凈轉(zhuǎn)移概率的區(qū)域及其高度顯著縮小，說明空間條件處理后該區(qū)間省區(qū)能源強(qiáng)度相對增加的趨勢減弱，從整體看中國省區(qū)能源強(qiáng)度的收斂性增強(qiáng)。由（圖6（b））可見，省區(qū)能源強(qiáng)度的空間條件遍歷分布與非條件遍歷分布雖然存在一些差別，但仍然保持了雙峰分布的基本形狀，表明空間區(qū)位因素雖然對中國省區(qū)能源強(qiáng)度的分布有一定影響，但不是中國省區(qū)能源強(qiáng)度俱樂部收斂的原因。

圖7（a）和（b）是以資本密集度作為條件變量處理后的省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布圖。由圖7（a）可見，經(jīng)過資本密集度條件處理后的凈轉(zhuǎn)移概率曲線在大于均值端的正轉(zhuǎn)移概率區(qū)間相對縮小且其高度下降，說明資本密集度條件處理后的省區(qū)能源強(qiáng)度具有較強(qiáng)的收斂趨勢。投資是驅(qū)動中國能源強(qiáng)度發(fā)散的原因，這也意味著投資均等化將有利于省區(qū)能源強(qiáng)度的收斂。圖7（b）顯示，資本密集度條件處理后的遍歷分布基本上呈現(xiàn)為右偏的單峰分布，其雙峰分布的形態(tài)不再明顯，位于高能源強(qiáng)度端的小波峰顯著縮小并分化為兩個很小的波峰，但沒有完全消失。上述結(jié)果說明，就整個樣本時期來看，資本密集度對中國省區(qū)能源強(qiáng)度有顯著的影響，但只能部分解釋中國省區(qū)能源強(qiáng)度俱樂部收斂的現(xiàn)象。

圖8展示了1986—2014年期間中國省區(qū)能源強(qiáng)度對收入水平條件分布的估計結(jié)果。圖8（a）的凈轉(zhuǎn)移概率表明，去除收入水平因素之后，凈轉(zhuǎn)移概率曲線與0概率軸只有一個交點，而且在小于交點區(qū)間皆為正值，而在大于交點區(qū)間皆為負(fù)值，這表明收入條件處理后的省區(qū)能源強(qiáng)度嚴(yán)格收斂。圖8（b）的遍歷分布表明，長期來看，收入條件處理后的省區(qū)能源強(qiáng)度分布雙峰之間的界限變得非常模糊，似乎更趨向單峰分布。可見就所研究的樣本時期來看，收入水平對省區(qū)能源強(qiáng)度的俱樂部收斂有一定的影

響，但不能完全解釋俱樂部收斂。

4.22005—2014年期間的條件分布分析

圖9（a）、（b）是2005—2014年期間空間條件處理后的凈轉(zhuǎn)移概率和遍歷分布。由圖可見，經(jīng)過空間條件處理后中國省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布都發(fā)生了顯著變化?？臻g條件處理后的凈轉(zhuǎn)移概率收斂性顯著變差，有更多的省區(qū)存在相對增加能源強(qiáng)度的傾向；與沒有處理的遍歷分布相比，空間條件處理后的遍歷分布其俱樂部收斂的基本形態(tài)不太明顯，未經(jīng)處理前位于較低能源強(qiáng)度端的兩個波峰幾乎消失，這表明空間區(qū)位因素是這一時期中國省區(qū)能源強(qiáng)度俱樂部收斂的重要原因。這可能與中國在這一時期實施的西部大開發(fā)、中部崛起和振興東北的區(qū)域發(fā)展戰(zhàn)略密切相關(guān)。由于上述區(qū)域發(fā)展戰(zhàn)略是以特定區(qū)域為范圍實施的，因此可能會使得同一區(qū)域內(nèi)各省區(qū)之間的經(jīng)濟(jì)結(jié)構(gòu)趨同，從而形成俱樂部收斂。

圖10（a）、（b）分別是2005—2014年期間資本密集度條件處理后的凈轉(zhuǎn)移概率和遍歷分布。與空間條件處理后的凈轉(zhuǎn)移概率不同，經(jīng)過資本密集度條件處理后的凈轉(zhuǎn)移概率曲線與0概率軸只有一個交點，且位于均值處，小于均值區(qū)間的凈轉(zhuǎn)移概率為正值，大于均值區(qū)間的凈轉(zhuǎn)移概率為負(fù)值，表明資本密集度條件處理后的省區(qū)能源強(qiáng)度將會嚴(yán)格收斂于均值處。從長期穩(wěn)態(tài)來看，資本處理后的遍歷分布呈現(xiàn)明顯的單峰分布，且位于均值附近，資本密集度條件處理前位于高能源強(qiáng)度區(qū)域的兩個波峰徹底消失。這一結(jié)果表明如果保持轉(zhuǎn)移概率不變，則資本密集度條件處理后的省區(qū)能源強(qiáng)度將會收斂于均值處。資本密endprint

集度是造成中國省區(qū)能源強(qiáng)度俱樂部收斂的主要原因。結(jié)合空間區(qū)位因素對俱樂部收斂的影響，可以判斷在這一

時期空間區(qū)位因素和資本密集度因素存在較強(qiáng)的關(guān)聯(lián)性，而在前一時期則較弱或不存在?？紤]到這一時期正在實施的三大區(qū)域發(fā)展戰(zhàn)略（西部大開發(fā)、中部崛起和振興東北等）主要是通過大規(guī)模的投資政策和產(chǎn)業(yè)轉(zhuǎn)移政策來實現(xiàn)的，因此可以理解資本密集度和空間區(qū)位成為2005—2014年期間中國省區(qū)能源強(qiáng)度俱樂部收斂的主要決定因素。

圖11展示了2005—2014年期間以收入水平作為條件變量處理后的中國省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布。由圖11（a）的凈轉(zhuǎn)移概率曲線可見，去除收入水平因素之后，凈轉(zhuǎn)移概率曲線與0概率軸仍然有多個交點，且在大于第一個交點區(qū)間有一個相當(dāng)大的區(qū)域存在正的凈轉(zhuǎn)移概率，且概率值較高，表明相對能源強(qiáng)度位于這一區(qū)間的省區(qū)具有較強(qiáng)的相對增加能源強(qiáng)度的傾向?？梢姡?005—2014年期間經(jīng)過收入水平條件處理后的中國省區(qū)能源強(qiáng)度的收斂性與1986—2005年期間相比變差。圖11（b）的遍歷分布中仍然可以清晰地看到三個波峰，表明從長期來看，經(jīng)過收入條件處理后的中國省區(qū)能源強(qiáng)度仍然趨向三元俱樂部收斂。由此可見，這一時期收入水平對省區(qū)能源強(qiáng)度俱樂部收斂的影響不明顯。

綜上，資本密集度是影響我國省區(qū)能源強(qiáng)度收斂的最主要因素，收入水平雖然有影響，但影響較小，空間區(qū)位因素的影響最小。本文的結(jié)論與現(xiàn)有研究不同，如馬曉鈺等[16]發(fā)現(xiàn)省區(qū)能源強(qiáng)度俱樂部收斂基于收入水平，而Zhang和Broadstock[20]發(fā)現(xiàn)省區(qū)能源強(qiáng)度俱樂部主要由區(qū)域因素決定。與上述需要進(jìn)行模型設(shè)定的參數(shù)方法研究相比，本文的分析結(jié)果更加直觀和清晰。

5主要結(jié)論和政策啟示

本文采用加權(quán)的分布動態(tài)方法研究了1986—2014年期間中國除香港、澳門、臺灣和西藏外30個省區(qū)能源強(qiáng)度的收斂性及其決定因素。與傳統(tǒng)的參數(shù)收斂分析方法不同，本文采用了加權(quán)的連續(xù)性分布動態(tài)方法。該方法不但能夠分析省區(qū)能源強(qiáng)度分布的形態(tài)、動態(tài)演進(jìn)過程和長期穩(wěn)態(tài)分布，還能夠檢驗經(jīng)濟(jì)和人口規(guī)模差異對能源強(qiáng)度收斂的影響，同時可以通過條件分布分析方法進(jìn)一步研究形成俱樂部收斂的原因，因此能夠提供比傳統(tǒng)方法更多關(guān)于收斂過程和結(jié)果的信息。本文的主要結(jié)論如下：

首先，在1986—2014年期間，中國省區(qū)能源強(qiáng)度存在發(fā)散的趨勢，且由單峰分布趨向多峰分布。需要說明的是，發(fā)散是指樣本變異系數(shù)的增高，也即樣本的分布更加分散，是分布的極化現(xiàn)象（polarization）。俱樂部收斂是指中國各省區(qū)能源強(qiáng)度的分布形成不同能源強(qiáng)度水平的群組，即分層（stratification）。因此二者并不矛盾。從長期穩(wěn)態(tài)分布來看，中國省區(qū)能源強(qiáng)度將趨向非對稱二元俱樂部收斂，即大多數(shù)省區(qū)收斂于均值附近的主峰，但也有少數(shù)省區(qū)收斂于約2倍均值處的小波峰。經(jīng)濟(jì)和人口規(guī)模對省區(qū)能源強(qiáng)度的分布有重要的影響，隨著近年來經(jīng)濟(jì)活動和人口空間分布不均衡狀態(tài)的加劇，其影響隨著時間的推進(jìn)更加顯著，忽略經(jīng)濟(jì)和人口規(guī)模的影響會導(dǎo)致對中國省區(qū)能源強(qiáng)度收斂性判斷的偏誤?？紤]到2005年前后中國能源與環(huán)境政策的變化，本文將樣本分為1986—2005年和2005—2014年兩個子時期后，發(fā)現(xiàn)1986—2005年的估計結(jié)果與整個樣本時期基本一致，但2005—2014年期間的遍歷分布更加發(fā)散，且演變?yōu)槿銟凡渴諗俊?/p>

其次，為了研究空間區(qū)位因素、資本密集度和收入水平對省區(qū)能源強(qiáng)度分布的影響，本文進(jìn)行了條件分布分析。研究發(fā)現(xiàn)，就整個研究時期（1986—2014年）來看，空間區(qū)位因素對長期穩(wěn)態(tài)分布的影響較小，收入水平對長期穩(wěn)態(tài)分布的影響次之，資本密集度對長期穩(wěn)態(tài)分布的影響最大，能夠部分解釋省區(qū)能源強(qiáng)度的俱樂部收斂。就2005—2014年期間來看，收入水平對中國省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布的影響不明顯。經(jīng)過空間區(qū)位處理后的長期穩(wěn)態(tài)分布基本為單峰分布，多峰特征雖然沒有完全消失但已經(jīng)不明顯，而經(jīng)過資本密集度處理后的長期穩(wěn)態(tài)分布完全為單峰分布。表明資本密集度和空間區(qū)位因素是省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布形成的決定性因素。其背后原因則是以投資驅(qū)動的三大區(qū)域發(fā)展戰(zhàn)略，即西部大開發(fā)、中部崛起和振興東北等。

本文的結(jié)果對預(yù)測未來能源消耗的區(qū)域演進(jìn)和制定環(huán)境政策具有重要的意義：

首先，本文發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度存在顯著發(fā)散的趨勢。這意味著中國各省區(qū)在能源利用技術(shù)上的差距不但沒有縮小，甚至還存在繼續(xù)擴(kuò)大的趨勢。當(dāng)然，能源強(qiáng)度的發(fā)散也表明中國在通過促進(jìn)技術(shù)溢出來降低能源消耗方面存在巨大的潛力，這就要求政府在促進(jìn)地區(qū)之間的技術(shù)溢出上制定相應(yīng)的政策，消除區(qū)域間技術(shù)溢出的障礙，通過促進(jìn)能源強(qiáng)度的收斂來實現(xiàn)節(jié)能減排。

其次，本文的研究表明中國省區(qū)能源強(qiáng)度趨向俱樂部收斂，雖然在1986—2014年期間，這種俱樂部收斂并不具有明顯的區(qū)域特征，但2005年以來則表現(xiàn)為強(qiáng)烈的區(qū)域特征，且由區(qū)域性的投資驅(qū)動。這一結(jié)果表明區(qū)域發(fā)展戰(zhàn)略應(yīng)該和節(jié)能減排政策結(jié)合起來，不能只注重發(fā)展而忽視了環(huán)境保護(hù)。就當(dāng)前來看，應(yīng)該針對不同區(qū)域?qū)嵤┎顒e化的節(jié)能減排政策。特別是那些能耗較高且具有正的轉(zhuǎn)移

概率的省區(qū)應(yīng)該受到更加嚴(yán)格的節(jié)能減排政策約束。當(dāng)然，也可以采用一些新思路，如采用轉(zhuǎn)移支付來分擔(dān)環(huán)境成本或者是采用更加市場化的機(jī)制如碳交易等措施。

第三，本文的研究發(fā)現(xiàn)經(jīng)濟(jì)和人口規(guī)模對能源強(qiáng)度的收斂具有重要的影響，更多的生產(chǎn)活動和人口都集中在能源強(qiáng)度較低的省區(qū)，而高能耗省區(qū)一般都是經(jīng)濟(jì)和人口小省，而且這一不平衡趨勢還在持續(xù)擴(kuò)大。這意味著人口等要素的自由流動將會使更多的生產(chǎn)活動和人口流向能源強(qiáng)度更低、環(huán)境更好的省區(qū)，考慮到能源強(qiáng)度是能源效率的有效度量，經(jīng)濟(jì)活動向低能源強(qiáng)度省區(qū)移動有利于我國總體能源效率的提高。因此，從政策方面來看，進(jìn)一步促進(jìn)生產(chǎn)要素的流動將有利于中國的節(jié)能減排。endprint

第四，資本密集度和收入水平是決定省區(qū)能源強(qiáng)度收斂的重要因素。我國各省區(qū)在資本密集度和收入水平上也存在較大的差距，經(jīng)濟(jì)發(fā)展的目的是實現(xiàn)收入和環(huán)境的綜合發(fā)展，通過加大投資促進(jìn)低收入省區(qū)的發(fā)展是我國區(qū)域協(xié)調(diào)發(fā)展的重要條件，而高收入省區(qū)應(yīng)該承擔(dān)更多的節(jié)能減排任務(wù)，調(diào)整高能耗的產(chǎn)業(yè)結(jié)構(gòu)和消費習(xí)慣。

（編輯：劉照勝）

參考文獻(xiàn)（References）

[1]MARKANDYA A， PEDROSOGALINATO S， STREIMIKIENE D. Energy intensity in transition economies： is there convergence towards the EU average？[J]. Energy economics， 2006， 28（1）： 121-145.

[2]EZCURRA R. Distribution dynamics of energy intensities： a crosscountry analysis[J]. Energy policy， 2007， 35（10）： 5254-5259.

[3]MAZA A， VILLAVERDE J. The world per capita electricity consumption distribution： signs of convergence？[J]. Energy policy， 2008， 36（11）： 4255-4261.

[4]LIDDLE B. Electricity intensity convergence in IEA/OECD countries： aggregate and sectoral analysis[J]. Energy policy， 2009， 37（4）： 1470-1478.

[5]LIDDLE B. Revisiting world energy intensity convergence for regional differences[J]. Applied energy， 2010， 87（10）： 3218-3225.

[6]HERRERIAS M J， LIU G. Electricity intensity across Chinese provinces： new evidence on convergence and threshold effects[J]. Energy economics， 2013， 36： 268-276.

[7]MOHAMMADI H， RAM R. Crosscountry convergence in energy and electricity consumption， 1971-2007[J]. Energy economics， 2012， 34（6）： 1882-1887.

[8]MENG M， PAYNE J E， LEE J. Convergence in per capita energy use among OECD countries[J]. Energy economics， 2013， 34（3）： 536-545.

[9]KIRAN B. Energy intensity convergence in OECD countries[J]. Energy exploration & exploitation， 2013， 31（2）： 237-247.

[10]MULDER P， DE GROOT H L F， PFEIFFER B. Dynamics and determinants of energy intensity in the service sector： a crosscountry analysis， 1980-2005[J]. Ecological economics， 2014， 100： 1-15.

[11]DURO J A. On the automatic application of inequality indexes in the analysis of the international distribution of environmental indicators[J]. Ecological economics， 2012， 76（1）： 1-7.

[12]MA C， STERN D I. Chinas changing energy intensity trend： a decomposition analysis[J]. Energy economics， 2008， 30（3）： 1037-1053.

[13]SONG F， ZHENG X. What drives the change in Chinese energy intensity： combining decomposition analysis and econometric analysis at the provincial level[J]. Energy policy， 2012， 51： 445-453.

[14]WU Y. Energy intensity and its determinants in Chinas regional economies[J]. Energy policy， 2012， 41（c）： 703-711.

[15]齊紹洲，李鍇.區(qū)域部門經(jīng)濟(jì)增長與能源強(qiáng)度差異收斂分析[J].經(jīng)濟(jì)研究， 2010， 45（2）：109-122.[QI Shaozhou， LI Kai. Convergence analysis of regional economic growth and energy intensity difference[J]. Economic research journal， 2010， 45（2）：109-122.]endprint

[16]馬曉鈺，李強(qiáng)誼，韓源源.中國能源強(qiáng)度收斂性的理論與實證分析[J].科技管理研究， 2015， 35（21）：229-235.[MA Xiaoyu， LI Qiangyi， HAN Yuanyuan.Theoretical and empirical analysis of convergence of energy intensity in China[J]. Science and technology management research， 2015， 35（21）：229-235.]

[17]魏巍賢，王鋒.能源強(qiáng)度收斂： 對發(fā)達(dá)國家與發(fā)展中國家的檢驗[J].中國人口·資源與環(huán)境，2010，20（1）： 4-10.[WEI Weixian， WANG Feng. Energy intensity convergence： the inspection of developed and developing countries[J]. China population， resources and environment， 2010， 20（1）： 4-10.]

[18]王春寶，陳迅.技術(shù)進(jìn)步、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整與能源強(qiáng)度收斂性[J].山西財經(jīng)大學(xué)學(xué)報， 2017， 39（4）：76-87.[WANG Chunbao， CHEN Xun. Technological progress， economic structural adjustment and energy intensity convergence[J]. Journal of Shanxi University of Finance and Economics， 2017， 39（4）：76-87.]

[19]HERRERIAS M J. World energy intensity convergence revisited： a weighted distribution dynamics approach[J]. Energy policy， 2012， 49（10）： 383-399.

[20]ZHANG D， BROADSTOCK D C. Club convergence in the energy intensity of China[J]. Energy journal， 2016， 37.

[21]JOHNSON P A. A continuous state space approach to‘convergence by parts[J]. Economics letters， 2005， 86（3）： 317-321.

[22]SILVERMAN B W. Density estimation for statistics and data analysis[M]. Boca Raton： CRC Press， 1986.

[23]GISBERT F J G. Weighted samples， kernel density estimators and convergence[J]. Empirical economics， 2003， 28（2）： 335-351.

[24]WU Y. Chinas capital stock series by region and sector[M]. Perth： University of Western Australia， 2009.

[25]邵帥，楊莉莉，黃濤. 能源回彈效應(yīng)的理論模型與中國經(jīng)驗[J].經(jīng)濟(jì)研究，2013，48（2）：96-109.[SHAO Shuai， YANG Lili， HUANG Tao. The theoretical model of energy rebound effect and Chinese experience[J]. Economic research journal，2013，48（2）：96-109.]

[26]HUANG J B， YU S W. Effects of investment on energy intensity： evidence from China[J]. Chinese journal of population， resources and environment， 2016， 14（3）： 197-207.

[27]QUAH D T. Empirics for growth and distribution： stratification， polarization， and convergence clubs[J]. Journal of economic growth， 1997， 2（1）：27-59.

[28]LIU Y， ZHOU M F， FENG S H， et al. Rebound effect and its decomposition： an analysis based on energy types in China[J]. Chinese journal of population， resources and environment， 2016， 14（4）： 245-252.

[29]QUAH D T. Twin peaks： growth and convergence in models of distribution dynamics [J].The economic journal， 1996， 106：1045-1055.

AbstractThis paper examined the convergence of energy intensity across 30 Chinese provincial units for the period 1986-2014 by using a weighted distribution dynamics approach. Moreover， we also analyzed how spatial location， capital intensity and income level influence the distribution dynamics of provincial energy intensity with a conditional distribution approach. The results show that the coefficient of variation keeps an increasing trend in the research period， implying that the energy intensity across Chinese provinces has a dispersing trend in general. The longrun stationary distribution of energy intensity across Chinese provinces converges into asymmetric bimodality for the period 1986-2005. However， due to the change in the environmental and energy reduction policy after 2005， the distribution converges into trimodality for the period 2005-2014. Economic and population size have significant influence on the distribution of energy intensity across Chinese provinces. Moreover， the influence increases over time. This implies that neglecting economic and population scale may lead to biased estimation on the convergence of energy intensity. The conditioning analysis indicates that spatial location is the most important determinant among the three factors in the sample period， followed by income level， while geographical location has the least impact. However， in the most recent period of 2005-2014， capital intensity is the determinant factor in the formation of trimodality in the longrun steady distribution. Geographical location also has important impact on the formation of trimodality in the longrun stationary distribution for the period 2005-2014. On the contrary， income level has no significant influence on the trimodality in the longrun steady distribution in this period. Our results have important policy implications. First， the dispersion in energy intensity indicates that encouraging interregional energy technological spillover may improve energy efficiency in China. Second，the combination of regional development program and energy conservation and CO2 emission reduction policy may be more efficient in promoting the convergence in energy intensity. Third， as population and economic activities are moving toward high energy efficiency provinces， thus encouraging factor mobility may improve the energy efficiency in Chinese provinces.

Key wordsenergy intensity； weighted convergence； distribution dynamics； conditional distribution analysisendprint