我国城市化对能源强度的影响_基于空间计量经济学的分析

当代财经ＣｏｎｔｅｍｐｏｒａｒｙＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓ—————————————————收稿日期：2009-11-20作者简介：阚大学，中南财经政法大学博士研究生，主要从事宏观经济学和国际贸易研究；罗良文，中南财经政法大学教授，博士生导师，主要从事宏观经济学和国际贸易研究。

能源短缺和经济平稳快速增长的矛盾是未来若干年内我国需要面对的主要问题之一。

诸多学者从产业结构、工业化水平、技术进步、居民消费结构、外商直接投资、出口贸易等多个角度考察了经济因素对我国能源消费的影响，并得出了有价值的结论。

Wei 等（2003）认为城市化对能源消费具有双向作用：一方面，城市化水平的提高导致经济的增长和人们生活水平的提高，加大了能源消费的数量；另一方面，城市化水平的提高使产业组织结构、技术结构、产品结构等得到更合理的调整，各种配置得到进一步的优化，各种资源得到更合理的利用，使得能源消耗具有下降的趋势。

[1]Shen 等(2003)利用城市化与能源消费之间的回归关系预测了未来50年内我国的能源需求与供给。

[2]郑云鹤(2006)对我国能源消费与工业化、城市化与市场化之间的关系进行了实证研究，指出目前工业化与城市化水平的提高会导致能源消耗增加，而市场化水平的提高则会导致能源消耗降低。

[3]刘耀彬（2007）则在建立向量自回归模型的基础上，运用格兰杰因果分析和协整分析来实证城市化与能源消费之间的动态相关性，并利用因素分解模型定量测算出城市化对我国能源消费变动的贡献份额。

其研究结果表明，我国城市化与能源消费量之间存在单向的格兰杰因果联系，且二者之间存在着协整关系，但这种长期均衡的短期纠正力量并不很强，现阶段城市化对我国能源需求的贡献作用尚比较小，而且还呈现逐年下降的趋势。

[4]从以上研究文献可以看出，关于城市化与能源消费关系的研究较少，而且均是基于时间序列来考察两者的相互关系，忽略了空间相关性，即一个地区城市化水平的提高不仅源于本地经济对非农业部门就业和产出需求的增加以及本地要素供给状况，还取决于区外经济对本地区的需求；地区间的互补或竞争关系导致区间商品流通、要素流动以及技术扩散产生的“扩散—回波”效应对地区城市化发展具有重要影响；由于相近的社会、经济、地理条件，某一地区制定的城市化发展目标往往会参照周边地区的城市化发展水平，促进城市化发展的政策也常常在地理上相邻的地区之间相互借鉴运用。

[5]此我国城市化对能源强度的影响———基于空间计量经济学的分析阚大学，罗良文（中南财经政法大学经济学院，湖北武汉430073）摘要：通过利用空间计量经济学的相关知识对城市化水平与能源强度进行实证研究，得出以下三点结论：一是我国城市化水平具有显著的空间溢出效应；二是能源强度不仅受本地区的能源强度和城市化水平影响，也受相邻省区的能源强度和城市化水平影响；三是短期内城市化水平对能源强度的影响和空间效应均在增强，但长远来看，城市化会通过各种渠道使能源利用效率得以提高，这有助于降低能源强度。

因此，我们应更加注重城市化推进的质量，这也是解决我国能源问题的出路之一。

关键词：城市化；能源强度；空间相关性；空间滞后模型中图分类号：Ｆ291.1文献标识码：Ａ文章编号：１００５－０８９２(２０10)03－０083－０683当代财经ＣｏｎｔｅｍｐｏｒａｒｙＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓ外，我国幅员辽阔，地区间的空间差异非常明显，传统的时间序列数据分析很难揭示这种十分显著的区域空间差异。

因此，本文尝试从空间维度检验城市化水平与能源消费（用能源强度来表示）之间的相互关系，论证城市化水平和能源强度的空间依赖特征，并定量计量城市化对能源强度的空间效应。

一、空间自相关分析考察城市化对能源强度是否具有空间效应，首先要分析城市化是否具有空间自相关性，即衡量城市化是否存在空间溢出效应。

而检验区域经济变量的空间相关性存在与否，空间计量经济学一般使用空间自相关指数。

定义为:Moran ’I =ni=1Σnj=1ΣWij(Y i -Y 軍)(Y j-Y 軍)S2ni=1Σnj=1ΣWij式中，S 2=1nni=1Σ(Y i -Y 軍),Y 軍=1n ni=1ΣY i表示第i 地区的观测值（在本文中为城市化水平），n 为地区总数（本文为30，由于西藏数据不全，故舍去），W ij 为二进制的邻接空间权值矩阵，表示其中的任一元素。

采用邻接标准或距离标准，其目的是定义空间的相互邻接关系，一般邻接标准W ij 为：W ij =1，当i 省区与j 省区相邻时0，当i 省区与j 省区不相邻軍时Moran ’I 可看作各省区观测值的乘积和，其取值范围为-1≤Moran ’I ≤1。

若各省区间城市化水平为空间正相关，Moran ’I 的数值应当较大，负相关则较小。

具体到各省城市化水平的空间溢出效应问题上，当城市化水平在空间区位上相似，并且也有相似的属性值时，空间模式整体上就显示出正的空间自相关性，Moran ’I 大于0；而当在空间上邻接的城市化水平具有不相似的属性值时，就呈现为负的空间自相关性，Moran ’I 小于0；而Moran ’I 等于0则出现在当属性值的分布与城市化水平的分布相互独立时。

表1给出了2000年、2002年、2004年、2007年的城市化水平的空间相关性结果，从表1可以看出，4年的Moran ’I 大于0，说明我国省区城市化水平具有明显的正相关关系。

城市化水平的空间差异现象并不是随机产生的，而是表现出相似值之间的空间集群。

城市化水平在全局上表现出强烈的空间依赖特征，具有相对较高城市化水平的省区倾向于接近其他具有较高城市化水平的省区，具有相对较低城市化水平的省区趋于和其他具有较低城市化水平的省区相邻。

此外，Moran ’I 系数逐年增加，反映了城市化水平的空间相关性逐年加强。

二、空间计量模型分析省区城市化水平存在空间溢出效应会对本地区和相邻地区的经济社会发展产生一定的影响，具体到城市化水平和能源强度也是如此，省区城市化水平通过多种途径的溢出效应，不但会影响本地区的能源强度，而且能够影响到相邻地区的能源强度。

当然，这需要严格的计量检验。

（一）空间计量模型目前空间计量经济学中应用最为普遍的模型是由Cliff 和Ord （1981）所提出的空间自回归模型，其一般形式为：年份2000200220042007Moran ’I0.51790.52460.54750.5582表1我国省区城市化水平的Moran ’I 指数注：2000年、2002年和2004年的原始数据来源于《新中国55年统计资料汇编》，2007年的原始数据来源于《中国统计年鉴》。

当代财经２０10年第3期总第304期84当代财经ＣｏｎｔｅｍｐｏｒａｒｙＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓy=ρW 1y+X β+εε=λW 2ε+!μ式中W 1y 为n ×1维的因变量，X 为n ×k 维的自变量，W 1和W 2分别为n ×n 维空间权值矩阵，W 1y 为空间滞后因变量，ρ和λ为空间相关系数，β为n ×1维的参数向量，ε为随机误差项向量，μ为正态分布的随机误差向量。

具体到本文中，y 为能源强度，X 为城市化水平。

一般形式的空间自回归模型可以派生出两种常用的模型：一种是当ρ≠0，β≠0，λ=0时，为空间滞后模型（Spatial Lag Model ，SLM ），这个模型所研究地区的因变量不仅与本地区的自变量有关，还与相邻地区的因变量有关，其主要是探讨各变量在一个地区是否有溢出效应；另一种是当ρ=0，β≠0，λ≠0时，为空间误差模型（Spatial Error Model ，SEM ），这个模型可以改写为y=X β+λW 2(y -X β)+μ，说明所研究地区的因变量不仅与本地区的自变量有关，还与相邻地区的因变量以及自变量有关，并且也度量了相邻地区关于因变量的误差冲击对本地区因变量的影响程度。

[6]对于上述两种模型的估计采用最小二乘法估计（OLS ）显然是有偏差或无效的，需要通过其他方法来进行估计，一般是采用极大似然法来估计，至于在实证分析中哪个模型更加符合客观实际，Luc Anselin （2005）提出了如下判别准则：如果在空间依赖性的检验中，LM(lag)和LM(error)都不能拒绝零假设，则坚持OLS 的结果。

如果有一个LM 检验统计量拒绝了零假设，但其它的没拒绝，也可以直接得出结论：估计与拒绝了零假设的检验统计量相对应的另一个空间回归模型，即如果LM (lag)拒绝了零假设，LM(error)没有，就估计空间滞后模型；反之亦然，如果两个LM 检验统计量拒绝了零假设，则要考虑Robust LM(lag)和Robust LM(error)检验统计量，当其中一个是显著的或一个比另外一个更显著时，估计最显著的统计量相对应的空间回归模型，两个Robust LM 检验统计量都不显著的情况是很少见的。

[7]此外，还可以根据拟合优度R2、对数似然值LogL 、赤池信息准则AIC 以及施瓦茨准则SC 等综合判断，LogL 越大，AIC 和SC 值越小，该空间回归模型拟合效果越好。

（二）模型设定与数据说明根据以往的研究文献，笔者设定了如下计量模型：LnEC i =β0+β1LnIND i +β2LnTEC i +β3LnURB i +β4LnFDI i +β5LnEX i +μ其中=1，2，…，30为30个省、直辖市和自治区，EC 为能源强度，用单位国内生产总值的能耗来表示，具体是能源消费总量/国内生产总值；IND 为工业化水平，大多数学者用工业产值占国内生产总值的比重表示或者用工业劳动力占全社会劳动力的比重表示，本文取二者之和的平均数，即为（工业产值占国内生产总值的比重+工业劳动力占全社会劳动力的比重）/2；TEC 为技术进步，大多数学者用政府财政研发投入表示或者用基于柯布—道格拉斯生产函数，通过索洛余值法测算的全要素生产率表示。

就前者而言，我国资本技术密集度较低，技术进步大多并不依赖高风险和高资本的研发投入，而是依赖低风险和低资本投入的技术引进，因此，该指标很可能低估了我国的技术进步。

对于后者，基于新古典生产理论建立的全要素生产率测算方法有诸多前提和假定条件，如完全竞争市场、资本与劳动任意替代、要素充分利用、技术中性等，而我国几乎不具备这些条件，所以用全要素生产率作为衡量技术进步指标难以说明我国存在明显的技术进步。

[8]故本文采用劳动生产率作为技术进步的替代指标，即国内生产总值/劳动力总数；URB 为城市化水平，通常是以城镇人口数占总人口数的比重来衡量；①FDI 为外资依存度，用外商直接投资占国内生产总值比重表示；EX 为出口贸易额。