中国地区能源回弹效应测度及集聚性研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国地区能源回弹效应测度及集聚性研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
收稿日期：2012-12-15
基金项目：国家社会科学基金重大项目“中国能源—环境—经济综合核算体系研究”（11&ZD045）；国家社会科学基金项目“可持续发展背景下的地区能源利用效率统计研究”（09CTJ004）；教育部人文社会科学项目“中国能源利用效率的统计测度——各地区视角的实证研究”（08JC910004）
作者简介：赵 楠（1975-），男，天津人，副教授，硕士生导师，主要从事宏观经济统计分析等方面的研究。E-mail：
摘 要：本文以中国29个省份为研究对象，使用经过LMDI改进后的面板数据模型从省级层面对中国的能源回弹效应进行测算，并进行面板聚类分析，发现中国能源回弹效应在不同时间段出现不同波动性。根据区域经济发展水平和资源禀赋影响，中国各地区能源回弹效应出现较为明显的集聚特征：一类是经济发展水平最高的能源消费地区，这些省份同时也是主要的能源输入地区或能源相对匮乏地区；二类是资源构成较为单一、能源消费量较少的能源输入地区；三类是经济发展水平居中的能源输入地区；四类是经济欠发达的能源主要输出地区。
关键词：能源回弹效应；LMDI；面板聚类分析
中图分类号：F206 文献标识码：A 文章编号：1000-176X（2013）02-0109-06
一、引 言
能源是重要的生产要素，日益成为影响一国可持续发展水平的关键力量。随着技术进步和有关节能政策的实施，能源利用效率在不断提高，依据简单推论，能源利用效率的提高通过节省能源消耗，可使能源消费总量降低。但大量理论与实证研究表明，能源利用效率提高并不必然意味着能源消费总量的降低，这是因为存在一定程度的回弹效应（rebound effect）。Khazzoom[1]较早注意到了能源利用效率的提升不一定导致能源消费的节省。而Brookes[2]则发现技术进步一方面可以降低能源消耗和开支，从而有利于能源利用效率的提升，但技术进步在另一方面也推动经济增长，从而引致更多的能源需求，加之能源开支减少，导致实际能源价格下降，真实收入水平上升，两者复合作用反而会导致能源消费增加。回弹效应的存在使传统单项考虑能源效率提高的政策措施受到严峻挑战，回弹效应的测度方法、取值以及应对途径逐渐成为政府相关部门和学术界关注的热点问题。
国外采用计量方法对回弹效应进行估计的文献较多，研究方法较为多样。根据Steve等[3]的归纳，研究对象包括总体层面（一国或一个区域）或个体家庭层面，模型的时变特征分为静态（仅提供单一的弹性估计）和动态（提供短期和长期的弹性估计），采用的样本有时间序列、截面数据和面板数据，模型结构包含单方程以及多方程结构，估计方法包括普通最小二乘法、广义最小二乘法、工具变量法、多阶段最小二乘法和误差修正模型法等。国外对回弹效应的经验估计大多集中于汽车运输、家庭采暖、家庭制冷以及其他能源服务等相对微观视角。
国内对能源回弹效应的研究还处于起步阶段，目前文献相对较少，多集中在宏观层面。国外常使用基于能源价格的回弹效应测度方法，但由于中国能源价格的非市场性，该方法不能直接适用中国研究。周勇和林源源[4]利用全要素生产函数对中国宏观经济的回弹效应进行了估算，得到1979—2004年的回弹效应值为40.9%。以其模型为基础，刘源远和刘凤朝[5]、王群伟和周德群[6]以及陈燕[7]等开展了一系列后续研究。查冬兰和周德群[8]通过构建可计算一般均衡模型（CGE模型）模拟了不同能源种类在能源效率提高4%时回弹效应对能源消费的影响。
国内上述研究主要集中在全国、行业或单一地区层面，视角较为宏观整体，深入至省级层面的跨地区研究相对缺乏。而中国幅员辽阔，各地区经济发展水平不平衡，各地区的能源利用状况也有较大差异，开展地区层面的回弹效应测度研究与集聚特征分析，能发掘出更为具体丰富的细节信息。
本文从两个角度进行具有一定创新性的研究尝试：一是采用经过对数平均迪维西亚分解法（以下简称LMDI）改进后的面板数据模型从省级层面对中国能源回弹效应进行比较分析，在一定程度上对中国的能源回弹效应提供更为微观的地区经验证据。二是使用基于ward距离的面板数据聚类分析法，对中国29个省份在15年间（1995—2009年）的能源回弹效应特征进行集聚性研究。
二、回弹效应的测算模型
（一）回弹效应值的确定
本文以周勇和林源源[4]的测算方法为基础，参照王群伟和周德群[6]的改进模型计算中国省级层面的回弹效应。设Y为总产出，E为能源消费量，I为能源强度（I=E/Y），则第t+1年由于能源强度的降低所导致的能源消费节约量为：
ΔE=Yt+1（It-It+1）=Yt+1ΔI（1）
对ΔI基于技术进步和产业结构两个因素进行分解，可以得到：
ΔE=ΔE1+ΔE2=Yt+1（ΔI1+ΔI2）
=Yt+1ΔIσ+Yt+1ΔI（1-σ）（2）
其中，σ表示能源强度变动中的技术效应原因。同时，技术进步也使得经济总量进一步扩张，导致能源需求的增加，即：
ΔY=（Yt+1-Yt）ρ（3）
其中，ρ表示技术进步对经济增长的贡献率。由此导致的能源消费增加量可以表示为：
ΔE3=It+1（Yt+1-Yt）ρ（4）
从而推出在t+1年由于技术进步带来的能源回弹效应（RE）为：
REt+1=ΔE3ΔE1=It+1（Yt+1-Yt）ρYt+1（It-It+1）δ×100%（5）
Ii和Yi数据可从有关统计年鉴中直接获取，因而只需估算σ和ρ的值，就可计算回弹效应。
回弹效应的取值反映不同的经济意义。当RE>1时为逆反效应（或回火效应），技术进步通过经济扩张所引致的能源消费增加量大于其提高能源利用效率所导致的能源节约量，使得技术进步对能源节约无效；当RE=1时，上述两者相抵，称为充分的回弹效应；当0
（二） 技术贡献率ρ值的确定
采用新古典经济增长理论，使用全要素生产率代表广义的技术进步，按照索洛余数的方法计算技术进步贡献率。设投入要素为资本K、劳动L和能源E，则C-D总量生产函数为：
Y=AeatKαLβEγ（6）
其中，A代表技术水平，α、β、γ分别为资本、劳动和能源的产出弹性。对该式两边取自然对数得：
lnY=lnA+at+αlnK+βlnL+γlnE（7）
设RY、RK、RL和RE分别表示产出、资本、劳动和能源的增长率，则：
RY=αRK+βRL+γRE+RA（8）
其中，RA为索洛余数，代表广义技术进步。根据索洛余数计算出技术进步贡献率ρ值为：
ρ=RARY=RY-αRK-βRL-γRERY（9）
（三） 技术效应值σ的确定
基于中国的实际与文献研究，借鉴王群伟和周德群[6]的方法，考虑影响能源强度的因素为技术效应和结构效应，采用LMDI加法分解来估算σ。计算公式如下：
σ=（-1）nΔI1ΔI=ΔI1ΔI1+ΔI2 （10）
ΔI1=∑iL（It+1i，Iti）ln（ItiIt+1i）（11）
ΔI2=∑iL（It+1i，Iti）ln（StiSt+1i）（12）
分别表示技术效应和结构效应导致的能源强度变化量。
L（It+1i，I-1i）=It+1i-Itiln（It+1i-Iti），It+1i≠Iti
It+1i，It+1i=Iti（13）
其中，Ii表示第i个产业的能源强度占本地区总产值的比重（Ii=Ii×Si=Ei/Y）。
三、中国地区回弹效应的测算
本文选取1995—2009年29个省份（不包括，重庆归入四川）的地区生产总值、物质资本形成总额、劳动力人数和能源消费总量建立面板数据模型，对σ和ρ值进行测算。
（一） 原始数据
本文采用地区生产总值为衡量经济增长的基本指标，并且按照1995年不变价格进行换算；劳动投入为历年社会就业人数；能源投入为煤炭、石油、天然气和电力消费的合计（折合成万吨标准煤）；采取张军等[9]的永续存盘法，对资本存量进行估算。数据来源为历年《中国统计年鉴》和《中国能源统计年鉴》。
（二）技术进步贡献率（ρ值）的估算
在构建面板数据模型估算ρ值之前，为判断模型构建的适用性，需要对面板数据各变量进行单位根和协整检验，以考察不平稳序列的的长期关系。
1.单位根检验
由于中国各地区经济发展不平衡，相应投入要素禀赋也不相同，导致不同地区的生产方式也不尽相同，因而生产函数中各变量的面板数据属于异质面板单位根过程（individual unit root process）。本文采用LLC、IPS、ADF-Fisher和PP-Fisher等四种方法进行单位根检验，结果如表1所示， 4个变量均为一阶单整。
表1面板数据的单位根检验结果
注：四种检验方法原假设均为存在面板单位根。
2.协整检验
采用Pedroni[10]面板协整检验法，得到7个检验统计量（如表2所示）。
表2面板数据的协整检验结果注：原假设为不存在面板协整关系；括号内数字为该统计量的P值。
Pedroni[11]指出，当时间段较长时（t值一般大于100），全部统计量的偏误都很小、效能都很高；但对于时间段较短的情况（t值小于20时），第七个group ADF统计量和第四个Panel ADF统计量有最好的效能。由于年度实证研究时间跨度为1995—2009年（
3.面板数据模型
建立面板数据模型，估计公式（7）。经F检验与Hausman检验，最终确定建立个体随机效应（Random Effect）模型，如表3所示。
表3 固定效应与随机效应模型结果对比注：Var（Diff.）为固定效应和随机效应模型系数差异的方差估计值；最后一列假设检验的原假设为固定效应与随机效应模型估计值无显著差异。由于篇幅所限，模型的其他估计值不在表中列出。
（三） 计算结果
根据表3的估计结果与公式（9）可以计算得到29个省份的技术进步贡献率ρ值。根据公式（10）、（11）、（12）、（13）可计算得到各省份相应年份的技术效应值，并根据公式（5）可计算得到能源回弹效应，表4给出了各地区历年分类回弹效应的出现频率值。 由于篇幅所限，29个省份在全部时段的回弹效应值从略，有兴趣的读者可向作者索取。
分析发现，各省份回弹效应值与全国总体视角的测算结果与周勇和林源源[4]存在较大差异，但是与陈燕[7]的湖北研究情况类似。这体现了分省地区性研究的必要性。具体情况如下：
总体而言，技术进步对能源节约起到了一定正向作用。共得到29个省份在14年间的回弹效应测算值406个，其中过度储存效应值（取值为负）98个，占24.1%；逆反效应值（大于1）59个，占14.5%；其余249个测算值均位于[0，1）区间，为部分或零回弹效应，占比高达61.3%。
表41996—2009年各地区分类
回弹效应出现频率单位：次
横向来看，出现较多过度储存效应值的省份是湖北、新疆、贵州、陕西和青海。结合当地实际情况与现有资料分析，发现这些中、西部省份在能源结构和产业结构上都有相当多待改进的空间。而出现较多逆反效应（累计4次）的省份涵盖了东、中和西部地区，包含河北、山西、上海、安徽、江西、湖北、四川和云南。
纵向分时段来看，1996—2002年，全国29省份的回弹效应值基本处于（0，1）区间，只有少数几个省份的个别年份呈负值或大于1。表明这段时间内通过技术进步来提高能源利用效率，对节约能源消费是有效的。2003—2007年，众多省份的回弹效应值出现较大幅度波动，例如2006年有16个省份出现逆反效应，2007年有17个省份出现过度储存效应。结合相关资料分析，这些年份可能是受能源强度波动、产业结构调整及往年GDP变动的影响，导致回弹效应的波动趋势缺乏规律性。自2008年开始，各省份的波动趋势减缓，逐渐向部分回弹效应回归，至2009年，除天津、山西、内蒙古、湖北、贵州、云南和新疆外，均为部分回弹效应，说明“十一五”规划的政策作用开始显现，能源效率的提高降低了能源消费。
四、地区回弹效应的集聚性分析
上述直观分析无法对各地区能源回弹效应的集聚性进行深入归纳，本文采用面板数据系统聚类分析法中的Ward法进行聚类分析，得到29个省份能源回弹效应的类别归属，结果如表5所示。
表5聚类分析结果
第一类地区集中了中国经济最为发达的地区，人均GDP超过全国水平。它们的共同特点是能源资源相对匮乏，基本依赖能源输入，且能源利用率较高。这类地区的产业结构中，第一、二产业占比较低，第三产业发展较好，能源消费趋向优质化。但其能源消费中用于煤炭直接燃烧的比例较高，发电用煤比重偏低，新能源和可再生资源比例较低。这些省份能源消费带来的大气污染较为严重，但烟尘去除率也最高，环保投资远远大于其他省份。他们的能源回弹效应值在1996—2000年略有上升，之后年份剧烈下降，其中又以上海和广东相对缓和。
第二类地区属于能源输入地区，资源构成较为单一。这些地区能源消费量相对较低，能源消费结构近年来有所改善，能源利用效率取得较快提升。能源回弹效应值在2000年之前维持在0—50%之间，且相对平稳；2005—2008年之间波动剧烈；2009 年与1996年相比略有提高。这主要是受国家宏观政策不断调整影响的结果。这类地区的经济发展水平差别较大，即包含沿海经济较为发达的福建、天津、辽宁等省份，也包含甘肃、新疆和青海等西部经济欠发达地区。
第三类地区的经济发展水平居于国内中等偏上，能源资源不够丰富，能源消费结构以煤炭为主，本地区能源消费大于生产，存在对外能源依赖性，但是其能源消费和生产都相对稳定。这些地区的能源消费总量较大，但是单位能耗产值较低，近年来能源回弹效应有上升的趋势。
第四类地区主要为经济发展水平相对较低的能源输出地区，其能源工业效益低下，能源利用效率不高，资源浪费较为严重。这些地区能源储量（主要是煤炭资源）较为丰富，能源产出和消耗较大，产业结构和能源结构相对失衡。其中，最突出的代表是山西、贵州和内蒙古，它们是中国重要的能源生产基地和能源输出基地，但经济发展水平较低，人均GDP仅为全国平均水平的60%—70%。这些地区的能源结构和产业结构水平相对较低，工业技术水平、管理经验、单位产品能耗均存在较大提升空间。
五、结 语
本文以中国29个省份为研究对象，对地区层面的能源回弹效应进行测算，发现中国能源回弹效应在不同的时间段出现不同的波动特征。集聚性分析的结果表明，按照区域经济发展水平和资源禀赋影响，中国各地区能源回弹效应可分为四类：一是经济发展水平最高的能源消费大省，这些省份同时也是主要的能源输入地区或能源相对匮乏地区；二是资源构成较为单一、能源消费量较少的能源输入地区；三是经济发展水平居中的能源输入地区；四是是经济欠发达的能源主要输出地区。
研究蕴含如下政策意义：第一，各地区在大部分时段均存在部分回弹效应，因而在制定能源发展战略时，应大力推广成熟的节能新技术、新工艺、新设备，注重通过技术进步提升能源利用效率以推进节能减排目标的实现。第二，过度储存效应的存在，说明各地区应注重转换经营机制和管理体制，避免经济增长速度和能源利用效率出现较大起伏，这就需要将推进技术进步与能源价格改革、能源结构调整等手段相结合，以实现区域能源结构的不断优化，从而保持能源利用效率的持续、稳定提高。第三，回弹效应出现较为明显的集聚特征，说明各地区应根据本地区能源回弹效应动态变化的实际情况，因地制宜制定符合本地区经济发展水平和资源禀赋条件的能源发展战略，充分发挥能源比较优势，坚持“有所为，有所不为”的思路，以实现本地区经济社会的可持续发展。
参考文献：
[1] Khazzoom， J . D.Energy Savings from the Adoption of More Efficient Appliance[J] . Energy Journal， 1987， 3（1） ： 117-124.
[2] Brookes， L . G. Energy Efficiency and Economic Fallacies ： A Reply [J]. Energy Policy ， 1992 ， （20） ： 390-392.
[3] Steve， S.，John，D.， Matt，S. Empirical Stimulates of the Direct Rebound Effect a Review[J].Energy Policy，2009，37（4）：1356-1371.
[4] 周勇，林源源.技术进步对能源消费回报效应的估算[J].经济学家，2007，（2）：45-52.
[5] 刘源远，刘凤朝.基于技术进步的中国能源消费反弹效应——使用省际面板数据的实证检验[J].资源科学，2008，30（9）： 1300-1306.
[6] 王群伟，周德群.能源回弹效应测算的改进模型及其实证研究[J].管理学报，2008，5（5）：688-691.
[7] 陈燕. 能源回弹效应的实证分析——以湖北省数据为例[J].经济问题，2011，（2）：126-129.
[8] 查冬兰，周德群. 基于CGE模型的中国能源效率回弹效应研究[J].数量经济技术经济研究，2010，（12）：39-66.
[9] 张军，吴桂英，张吉鹏. 中国省际物质资本存量估算：1952—2000[J].经济研究，2007，（7）：35-43.
[10] Pedroni，P.Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors[J]. Oxford Bulletin of Economics and Statistics，1999，61（S1）：653-670.
[11] Pedroni，P.Panel Cointegration： Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP hypothesis[R].Working Paper in Economics， Indiana University，1997.
Measure and Agglomeration of Regional Energy Rebound Effect in China
ZHAO Nan
（Institute of National Accounts， Beijing Normal University ，Beijing 100875，China）
Abstract：From the perspective of 29 Chinese provinces， this paper calculated the rebound effect using LMDI decomposition in panel data model and conducted cluster analysis. This paper found that Chinese energy rebound effect showed different volatility in different time periods. Chinese regional energy rebound effect also reflected cluster-characteristic apparently， according to the level of regional economic development and resource endownment. The first group is energy consuming area， which has the highest level of economic development and has been major energy-importing area or energy relatively scarce area. The second group contains energy-importing areas， which have single resource constitution and low energy consumption. The third group contains the energy-importing areas which have the middle level of economic development. The forth group contains the energy-exporting areas which have less developed economies.
Key words： energy rebound effect； LMDI； cluster analysis of Panel Data