EN中文

地球信息科学学报 >

2020 , Vol. 22 >Issue 11: 2188 - 2198

DOI: https://doi.org/10.12082/dqxxkx.2020.190748

地理空间分析综合应用

长江经济带城乡一体化对能源效率的空间效应分析

  • 汪小英 , 1 ,
  • 李小漫 1 ,
  • 沈镭 , 2, * ,
  • 王宜龙 1
展开
  • 1.中国地质大学(武汉)经济管理学院,武汉 430074
  • 2.中国科学院地理科学与资源研究所,北京 100101
* 沈 镭（1964— ）,男,湖北麻城人,研究员,博士生导师,主要从事能源安全、资源经济、环境与管理、资源法律与政策、资源型城市及区域可持续发展研究。E-mail:

汪小英（1975— ）,女,江西井冈山人,博士,副教授,博士后,主要从事资源环境经济、能源战略和政策研究。E-mail:

收稿日期: 2019-12-04

  要求修回日期: 2020-04-29

  网络出版日期: 2021-01-25

基金资助

科技部国家重点研发计划项目(2016YFA0602802)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Analysis of the Spatial Effect of Urban-Rural Integration on Energy Efficiency in the Yangtze River Economic Belt

  • WANG Xiaoying , 1 ,
  • LI Xiaoman 1 ,
  • SHEN Lei , 2, * ,
  • WANG Yilong 1
Expand
  • 1. School of Economics and Management, China University of Geosciences (WUHAN), Wuhan 430074, China
  • 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
* SHEN Lei, E-mail:

Received date: 2019-12-04

  Request revised date: 2020-04-29

  Online published: 2021-01-25

Supported by

National Key Research and Development Program of China(2016YFA0602802)

Copyright

Copyright reserved © 2020
Fold

摘要

城乡一体化作为新的经济增长动能,是建设高效的能源经济体系、平衡经济社会发展与生态环境保护的关键性途径。因此城乡一体化对能源效率的效应分析成为促进经济社会可持续发展的重要课题。本文以长江经济带各省市为研究对象,采用DEA测度了考虑非期望产出的能源效率值,并分析其时空上的分异特征,通过构建经济、社会和基础设施3个维度的综合指标体系评价城乡一体化水平,以此为基础运用Moran's I指数确定了能源效率、城乡一体化水平及其他影响因素的空间相关性,最后运用混合地理加权回归估计城乡一体化及3个控制变量的回归参数值并作空间效应分析。得出结论:① 从空间相关性分析来看,长江经济带的城乡一体化发展水平对能源效率具有正向作用,同时经济发展水平和产业结构也对能源效率有正向影响,而技术进步则在一定条件下与能源效率呈负相关关系;② 从回归系数的估计值来看,城乡一体化对能源效率的影响程度要小于技术进步和产业结构,而经济发展水平对能源效率的影响程度最小;③ 城乡一体化水平对能源效率的正向影响程度随着能源效率的上升呈现出先上升后下降的趋势,并且其影响在空间分布上自东向西呈现出递增的特征;④ 长江经济带的能源效率呈现显著的空间相关性和空间异质性。基于此,对长江经济带推进城乡一体化进程中的能源效率提升具有重要意义。

关键词： 长江经济带; DEA; 城乡一体化; 能源效率; 混合地理加权回归; 空间分布特征; 空间相关性; 空间效应分析

本文引用格式

汪小英 , 李小漫 , 沈镭 , 王宜龙 . 长江经济带城乡一体化对能源效率的空间效应分析[J]. 地球信息科学学报, 2020 , 22(11) : 2188 -2198 . DOI: 10.12082/dqxxkx.2020.190748

Abstract

As a new driver of economic growth, urban-rural integration is a key way to build an efficient energy economic system and balance economic and social development with ecological environmental protection. Analyzing the effect of urban-rural integration on energy efficiency is important to promote sustainable economic and social development. In this paper, we took the provinces of the Yangtze River Economic Belt as the research object. We used the DEA values to measure the energy efficiency and analyzed its differentiation characteristics over time and space. The level of urban-rural integration was evaluated by a comprehensive index system of economy, society, and infrastructure. Based on these, Moran's I index was used to determine the spatial correlation of energy efficiency, urban-rural integration level, and other influencing factors. Finally, the urban-rural integration and three control variables were estimated by mixed geographically weighted regression to analyze the spatial effect. Based on spatial correlation analysis, the urban-rural integration level of the Yangtze River Economic Belt had a positive effect on energy efficiency. Economy development level and industrial structure also had positive impacts on energy efficiency. However, technological progress was negatively correlated with energy efficiency. Based on estimated regression coefficients, the impact of urban-rural integration on energy efficiency was smaller than technological progress and industrial structure, and economic development level had the least impact on energy efficiency. The positive impact of urban-rural integration level on energy efficiency showed a trend of first increasing and then decreasing with the increasing of energy efficiency, and an spatial pattern of increasing from east to west. The energy efficiency of the Yangtze River Economic Belt presented significant spatial correlation and spatial heterogeneity. Our study demonstrates a significantly increasing energy efficiency result from the process of urban-rural integration in the Yangtze River Economic Belt.

Key words： Yangtze River Economic Belt; DEA; urban-rural integration; energy efficiency; mixed geographically weighted regression; spatial distribution characteristic; spatial correlation; spatial effect analysis

1 引言

能源作为重要的生产要素,对于促进区域经济发展具有关键作用。通过节能减耗,能够提高能源效率、实现区域竞争力提升,能够为经济发展和生态环境保护的均衡提供可持续性。长江经济带以长江黄金水道作为依托,自西向东连接着中国三大阶梯,是区域协调发展的“三大战略”之一,然而长江经济带长期以来存在的城乡二元结构,以及各种“三农问题”正阻碍其均衡协调发展。2012年11月,党的十八大报告中着重指出要推动城乡一体化发展,从根本上解决“三农”问题,形成以工促农、以城带乡、工农互惠、城乡一体的新型工农、城乡关系,随着各种乡村振兴战略的实施以及城乡一体化体制机制的完善,城乡一体化逐渐释放出新的动能从而赢来历史性的突破,经济发展方式和能源消费结构也随之发生重大转变,进一步影响到能源的供给和需求,从而影响到能源效率。Patterson[1]在1996年指出,能源效率是指以更少的能源生产出相同数量的服务或者有效产出,也就是等于有效产出与能源投入之比。Herring[2]认为能源效率只是能源服务产出与能源投入的比率。本文定义能源效率是在要求生产一定单位产出下的能源投入的数量。在测算能源效率时,单要素能源效率与全要素能源效率是2种常用方法。单要素能源效率反映的是一个国家或地区经济增长对能源的依赖程度,通常用能耗强度表示,Tatsu Kambara[3]和Huang等[4]都使用能源消耗强度对中国能源效率进行研究。全要素能源效率适用于多投入和多产出的情况,本文使用数据包络分析（DEA）[5]来测度全要素能源效率值。
随着中央提出推进统筹城乡发展,国内学者开始加强对城乡一体化的研究,内容主要集中于概念[6]、影响因素[7]和实现途径[8]等研究,本文结合现有研究基础,将城乡一体化定义为以消除城乡二元结构、建立城乡之间优势互补的协调发展为目的,实现城镇化与城乡一体化发展之间的相辅相成的一种更全面的发展模式。关于城乡一体化的定量研究还处于起步阶段,如王维[9]从城乡协调发展角度出发构建城乡发展评价指标体系,认为城乡发展差距逐渐缩小且耦合度逐渐上升;吴丰华等[10]运用主成分分析法分析了中国2006—2012年的城乡一体化,指出中国城乡一体化水平可分为4个阵营,大部分省份都集中在中等水平;赵康杰等[11]通过城乡经济一体化发展非线性效应研究得出,生产要素在城乡间的配置是驱动城乡经济发展一体化发展的主要动力;刘扬等[12]运用Logistic模型等定量分析江西省1990—2011年城乡一体化发展中的问题和挑战,得出能源供应短缺和绿色低碳发展制约等问题,并提出要建立长效能源储备机制,优化能源结构;肖娥芳[13]运用KAYA恒等式对湖北2000—2010年的农村数据进行量化分析得出,在城乡一体化进程中优化能源结构和提高能源效率有助于促进农村实现低碳发展等。从既有定量研究来看,一方面在城乡一体化的测度中,多运用主成分分析法进行测算,且指标选取多偏重于工业化或城镇化某一方面,忽略了城乡融合;另一方面,多数研究都集中于城乡一体化的地区分异和影响因素,而且二者所用研究方法没有考虑到城乡一体化的空间关联性,使用的方法具有很大局限。
由此可见,无论是定性研究还是定量研究,都没有涉及城乡一体化发展如何影响能源效率的问题,但是推进城乡一体化改革必然会影响人口、技术、产业结构、基础设施等各个方面,能源消费总量和能源消费结构也会受到影响,二者共同作用将促使能源效率得到提高或降低。“十二五”时期是中国全面建设小康社会的关键时刻,是城乡一体化取得历史性突破的关键时期,城乡一体化体制机制的建立为转变经济发展方式、实现社会和谐发展奠定了重要基础,因此本文基于长江经济带2011年和2017年省级数据,主要探讨2点内容:① 城乡一体化的综合评价,考虑城乡融合,从经济、社会和基础设施3个维度构建评价城乡一体化的综合指标体系;② 城乡一体化对能源效率的空间效应,运用数据包络分析法、因子分析方法与构建混合地理加权模型,从空间分异特征、空间相关性以及空间效应 3个方面,探讨城乡一体化对能源效率的作用,并提出相应的对策。

2 研究区概况、指标选取及研究方法

2.1 研究区概况

根据2016年发布的《长江经济带发展规划纲要》[14]确立长江经济带的范围（图1）,以长江黄金水道为依托,从上海到云南,横跨东中西三大阶梯,覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11个省市,总面积占全国21%,能源消费总量占全国40%以上。可以看出提高长江经济带的能源效率水平将对未来中国发展提供很强的竞争优势和巨大潜力。
图1 长江经济带的空间区位分布

注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1612号的标准地图制作,底图无修改。

Fig. 1 Geographical representation of the Yangtze River Economic Belt

2.2 指标选取

2.2.1 城乡一体化水平评价指标
本文研究目的主要是分析城乡一体化对能源效率的空间效应,城乡一体化发展水平作为解释变量,如何评价至关重要。城乡一体化的评价指标应能表征城市与乡村在经济、社会和空间上的整体协调发展,因此基于长江经济带的实际情况,参考现有的相关研究成果[15,16,17],本文采用因子分析方法,从经济、社会和基础设施3个维度构建评价城乡一体化的指标体系（表1）。
表1 城乡一体化评价指标体系

Tab. 1 The evaluation index system of urban-rural integration

一级指标 二级指标 计算方法 数据来源
经济一体化 城乡居民收入比 农村居民人均可支配收入/城镇居民人均可支配收入 2012年和2018年《中国统计年鉴》[18]《中国农村统计年鉴》[19]《中国固定资产投资统计年鉴》[20],以及2012年和2018年长江经济带的各省市统计年鉴
农业产值比 农业产业产值/地区生产总值
城乡固定资产投资比 农村固定资产投资额/城镇固定资产投资额
城乡居民消费额比 农村居民人均消费额/城镇居民人均消费额
社会一体化 城镇化率 城镇人口/总人口
第二、三产业就业人数与第一产业就业人数比 第二、三产业就业人数/第一产业就业人数
学龄儿童入学率 学龄儿童入学数/适龄儿童总人数
财政支农资金占总资金比 支农资金/财政支出总额
基础设施一体化 城乡信息化程度比 农村居民家庭平均每百户电视、电脑拥有量/城镇居民家庭平均每百户电视、电脑拥有量
城乡每百人医疗机构床位比 农村每百人医疗机构床位数/城镇每百人医疗机构床位数

注:用学龄儿童入学率表征城乡教育一体化程度,体现城乡二元结构教育公平性。

2.2.2 能源效率测算指标
根据已有文献[21]的研究结果,本文选取能源（E）、资本（K）和劳动（L） 3项作投入要素,以及非期望产出和期望产出（表2）。由于我国煤炭消费占比大,且煤炭燃烧带来大量的二氧化硫,其危害巨大,而且二氧化硫的数据相对连续、一致和准确,因此本研究选取二氧化硫作为非期望产出。
表2 能源效率评价的指标选取及数据来源

Tab. 2 Index selection and data sources of energy efficiency evaluation

指标 计算方法 数据来源
期望产出（y0）/亿元 使用GDP平减指数将地区生产总值GDP折算为2000年不变价格 2001—2018年《中国统计年鉴》[18]
非期望产出（Bady）/t 各省的二氧化硫排放量 2012年和2018年《中国统计年鉴》[18]
资本（K）/亿元 使用“永续盘存法”估算长江经济带各省、市的实际年资本存量,计算方式是:Ki,t=Ii,t+(1-δi)Ki,t-1 1991—2018年《中国统计年鉴》[18],以及《中国固定资产投资统计年鉴》[20]
劳动（L）/万人 当年就业人数 2012年和2018年《中国统计年鉴》[18]
能源（E）/tce 能源消费总量 2012年和2018年《中国能源统计年鉴》[22]与《中国统计年鉴》[18]

注:① Ki,t表示i省份在第t年的资本存量,Ii,t是i省份第t年的投资额,本文中选取各省市每年的全社会固定资产投资额表示,di是折旧率。本文的计算方法主要借鉴了张军等[23]的研究,以1990年不变价格计算,di折旧率假定为9.6%。② 由于数据的可得性等原因,暂时忽略劳动力的质量差异,即通过（当年年末就业人数+上一年年末就业人数）/2来计算得出。

2.2.3 控制变量的指标选取
影响长江经济带能源效率的因素很多,根据已有文献研究成果[24,25,26],本文选取经济发展水平、技术进步和产业结构3个变量作为控制变量。
（1）经济发展水平。能源消费状况与经济发展水平之间有较强的相关性,经济规模大、增长速度快的地区在能源使用上更倾向于低污染、低能耗的产品,能源利用程度更高。本文中的经济发展水平采用人均地区生产总值来表征。
（2）技术进步。技术进步渗入到能源生产、运输和供给等各个阶段,对能源效率的作用不容忽视。自改革开放以来,中国在较长时期内实行比较优势发展战略,各省市主要通过引进外资来加快物化性技术进步,包括跨国企业在华直接投资办厂、进口先进技术设备等。因此,本文中用各省市外商投资企业年底投资总额占地区外商投资企业年底投资总额的比例表示。
（3）产业结构。我国高耗能、高污染的产业占比较高,严重阻碍能源效率的提升,而这类产业主要存在于第二产业中,因此本文采用第二产业增加值与地区生产总值之比来表示。

2.3 研究方法

图2展示了本研究的技术路线,采用的研究方法主要有以下5种。
图2 研究的技术路线

Fig. 2 Technical route of research

2.3.1 数据包络分析法
本文将投入导向型的DEA模型应用于考虑了非期望产出下长江经济带省际能源效率的测算。假设有 n 个相同类型的独立决策单元,每个决策单元包含 m 项投入要素和 s 项产出,则:
s . t θ * = min θ ∑ j = 1 n x ij λ j + s i - = θ x i j 0 , i = 1,2 , ⋯ , m ∑ j = 1 n y rj λ j - s r + = y r j 0 , r = 1,2 , ⋯ , s ∑ j = 1 n λ j = 1 , λ j ≥ 0 , j = 1,2 , ⋯ , n s r + ≥ 0 s i - ≥ 0
式中: θ * 是第 n 个决策单位的效率值; x ij 为投入要素; y rj 为产出; λ j 是相对于决策单元构建的一个新的有效决策单元组合中第 j 个有效决策单元的组合比率; s i - 和 s r + 分别代表 m 种投入和 n 种产出的松弛变量。
2.3.2 空间自相关方法
是否具有空间相关性是数据进行空间计量分析的前提,因此Moran[27]在1950年提出空间自相关指数Moran's I,该指数主要是用于检验变量在研究区域内的空间关联和空间差异程度,具体公式如下:
Moran's I = n ∑ i = 1 n ∑ j = 1 n w ij ( y i - y ̅ ) ( y j - y ̅ ) ∑ i = 1 n ∑ j = 1 n w ij ∑ i = 1 n ( y i - y ̅ ) 2 , 其中 , y ̅ = 1 n ∑ i = 1 n y i , z = I - E ( I ) Var ( I )
式中: y i 和 y j 为空间对象在长江经济带内地区 i 和 j 的观测值; n 表示地区总数; w ij 表示空间权重矩阵,本研究使用Rook邻接空间权重,也即当 i 地区和 j 地区有共同的边时 w ij = 1 ,否则 w ij = 0 。 E I 是期望值, V ar ( I ) 是方差, Z 是莫兰指数的检验统计量,如果 Z 的绝对值在特定显著性水平下大于正态分布函数下临界值的绝对值,说明变量在空间上具有显著的正或负的相关关系,并且当Moran's I指数越接近零,相关性就越弱。
2.3.3 混合地理加权回归模型
Brunsdon[28]等为了解决空间非稳定性问题,在1996年提出了地理加权回归模型（GWR）,基于传统线性回归模型,地理加权回归模型允许变化率的局部变化,使得模型估计的系数是特定于某一个位置的,即:
y i = β 0 ( u i , v i ) + ∑ k = 1 p β k ( u i , v i ) x ik + ε i ( i = 1,2 , ⋯ , n )
式中: x i 和 y i 是解释变量和被解释变量在坐标 ( u i , v i ) 的观测值; β k ( u i , v i ) 是在 i 省份的第 k 个参数估计值, ε i 为误差项,且 ε i ~ N ( 0 , σ 2 ) 。
然而,在实践中,模型中常常存在部分变量具有空间相关性,而部分变量具有空间随机性的情况,基于此,Brunsdon等[29]进一步提出了混合地理加权回归模型（MGWR）,模型中,对应于全局变量的一部分参数被设为常参数,而另一部分随空间位置变化而变化的局域变量的参数则为变参数,具体模型如下:
y i = ∑ j = 1 h α j x ij + β 0 ( u i , v i ) + ∑ k = h + 1 p β k ( u i , v i ) x ik + ε i ( i = 1,2 , ⋯ , n )
模型中的 α j 是常参数。模型中既有常参数,也有变参数,因此可以将其视为传统线性回归与地理加权回归的组合,参数估计方法主要有Brunsdon等提出的迭代估计和魏传华与梅长林[30]的2步估计法。本研究选用此模型的原因是因为较于传统回归分析,当解释变量中既存在具有空间相关性的局域变量,又存在没有空间相关性的全局变量时,该模型能够将2种变量同时考虑到回归分析中,得到的结论更加符合长江经济带影响能源效率因素的实际情况。

3 结果与分析

3.1 能源效率空间分布特征及相关性检验

3.1.1 能源效率测度及空间分布特征
基于2011年和2017年的省级数据,使用DEAP 2.1软件测度长江经济带9省2市的能源效率,结果如图3所示。图4是使用Jenks自然断点法对长江经济带能源效率划分为6个等级的结果。
图3 2011年和2017年长江经济带各省能源效率

Fig. 3 Energy efficiency of provinces in the Yangtze River Economic Belt in 2011 and 2017

图3中,长江下游经济带的能源效率一直保持较高的水平,只有江苏省未达到1的水平;在中游经济带中能源效率最高的是江西省,而增长幅度最大的是湖南省;在上游经济带中能源效率最高的是重庆市,其他省市的能源效率虽都在0.8以下,但都保持上升趋势。由图4可以看出,长江下游经济带的能源效率较高,而能源效率偏低的地方主要集中在长江上游经济带,这与吴传清等[31]和尹庆民等[32]的研究结果一致。在空间上看长江经济带能源效率分布特征主要表现有:① 长江经济带的各省、市的能源效率都呈上升趋势,这得益于经济发展战略的科学实施使得经济得到快速发展,无论是规模还是技术上能源产业都得到了很大的提升;② 长江经济带的能源效率在空间上呈两极分化的现象,但是上、中、下游之间的能源效率差异有逐步减小的趋势。究其原因,由于能源效率大小与经济发展水平并没有明显的因果关系,经济发展水平较高的下游经济带虽有着较高的能源效率,但是中游经济发展水平不高的江西、湖南等地依然有着较高能源效率,所以能源效率的大小应是经济发展水平、产业结构及技术进步等共同作用的结果,而不是只取决于某个单一因素的影响。
图4 2011年和2017年长江经济带能源效率空间分布

注:该图基于自然资源部局标准地图服务网站下载的审图号为GS(2016)1612号的标准地图制作,底图无修改。

Fig. 4 The spatial distribution of energy efficiency in the Yangtze River Economic Belt in 2011 and 2017

3.1.2 能源效率的空间相关性检验
为了分析城乡一体化对长江经济带能源效率的空间效应,需首先检验在空间上能源效率是否具有一定的规律性,本文使用GeoDa软件计算了2011年、2017年长江经济带能源效率的全局自相关系数,即Moran's I指数,图5是能源效率的莫兰散点图。从图5可知:① 2011年和2017年能源效率的全局Moran's I指数都是正值且相差不大,两者都在5%的显著性水平上通过了检验;② 长江经济带的能源效率存在显著正空间自相关性,各省、市之间的能源效率差异正在缩小,具有相近能源效率的省市在空间上集聚性降低,而能源效率较高的省市与较低的省市之间集聚性增强;③ 长江上游经济带的能源效率主要落于第三象限,该区域内各省市及其邻近省、市的能源效率都处于较低的水平。中游经济带主要落于第二象限,也即是“低-高”区域,表明该地区能源效率及其增长速度都较低于周边地区。下游经济带的能源效率主要落在“高-高”区域,说明下游经济带能源效率高且辐射并带动提升周边地区的能源效率。
图5 2011年和2017年长江经济带能源效率Moran's I散点图

Fig. 5 Moran's I scatter diagram of energy efficiency in the Yangtze River Economic Belt in 2011 and 2017

3.2 城乡一体化水平测度

本文运用Spss 25.0软件对长江经济带2011年和2017年省域城乡一体化水平进行测算,主要步骤和结果如下:① 用Z-score标准化处理长江经济带的原始数据,然后使用KMO和巴特利特球形检验判断它是否适合因子分析。结果显示KMO值等于0.733,且巴特利特球形检验值等于269.522,此结果表示本文应用因子分析方法是合理的;② 依据因子分析得出的结果确定3个公因子,然后用因子得分系数矩阵计算这3个公因子的得分,并使用方差贡献率确定权数,最后计算综合得分（表3）。表3显示,长江经济带中除上海以外的各省市城乡一体化发展水平在2011年和2017年都有上升,在空间呈现出由东向西递减的趋势。
表3 2011年和2017年长江经济带城乡一体化水平

Tab. 3 The urban-rural integration level of the Yangtze River Economic Belt in 2011 and 2017

上海 江苏 浙江 安徽 江西 湖北 湖南 重庆 四川 贵州 云南
2011年 1.456 0.412 -0.020 -0.392 -0.319 -0.208 -0.448 0.703 -0.542 -1.317 -1.140
2017年 1.344 0.729 0.288 -0.062 0.064 0.130 -0.006 0.804 -0.232 -0.720 -0.525

3.3 能源效率影响因素的空间相关性检验

本文基于Moran's I指数来决定城乡一体化水平及其他影响因素是全局变量还是局域变量,检验结果见表4。从表4可知,2011年和2017年城乡一体化水平在空间上都具有显著正相关性,城乡一体化水平体现了城市与乡村之间经济、社会以及基础设施等各方面协调程度,而我国区域发展差距具有地理邻近性并在东部与中西部之间表现明显,在各方面的影响下城乡一体化呈现出空间集聚特征,因此城乡一体化水平为局域变量。其次,经济发展水平和技术进步经检验也确定为局域变量,产业结构则为全局变量。
表4 长江经济带2011年和2017年各省能源效率影响因素的Moran's I检验结果

Tab. 4 The Moran's I test results of the influencing factors of energy efficiency in provinces of the Yangtze River Economic Belt in 2011 and 2017

影响因素 Moran's I P值 空间相关性
2011年 城乡一体化水平 0.267 0.025 显著正相关
经济发展水平 0.507 0.002 显著正相关
技术进步 0.463 0.003 显著正相关
产业结构 0.019 0.213 无显著相关
2017年 城乡一体化水平 0.304 0.024 显著正相关
经济发展水平 0.505 0.001 显著正相关
技术进步 0.503 0.001 显著正相关
产业结构 0.085 0.125 无显著相关

3.4 城乡一体化对能源效率的空间效应分析

根据表4中影响因素的空间相关性,设定长江经济带2011年和2017年2个横截面的局域变量和全局变量,然后采用混合地理加权回归分析2个时点上长江经济带城乡一体化对能源效率的影响。本文运行GWR4.0软件,得到长江经济带城乡一体化对能源效率的估计结果,估计模型的R2为0.856,模型拟合效果较好,详细的参数估计如表5和图6所示。
表5 基于混合地理加权回归的长江经济带能源效率影响因素参数

Tab. 5 The Mixed geographically weighted regression estimated results of factors affecting energy efficiency in the Yangtze River Economic Belt

变量 最小值 1/4分位数 中位数 3/4分位数 最大值
2011年 城乡一体化水平（局域变量） 0.044 0.055 0.072 0.080 0.194
经济发展水平（局域变量） -0.150 0.045 0.057 0.066 0.070
技术进步（局域变量） -0.137 -0.125 -0.082 0.001 0.730
产业结构（全局变量） 1.550 1.550 1.550 1.550 1.550
截距项 -0.109 -0.100 -0.085 -0.063 0.308
2017年 城乡一体化水平（局域变量） 0.096 0.098 0.103 0.110 0.222
经济发展水平（局域变量） -0.042 0.036 0.050 0.055 0.057
技术进步（局域变量） -0.728 -0.690 -0.550 -0.338 0.139
产业结构（全局变量） 1.340 1.340 1.340 1.340 1.340
截距项 0.098 0.104 0.118 0.160 0.393
图6 2011年和2017年城乡一体化水平对长江经济带能源效率的空间效应分布

注:该图基于自然资源部局标准地图服务网站下载的审图号为GS(2016)1612号的标准地图制作,底图无修改。

Fig. 6 The spatial distribution of urban-rural integration level impacts on energy efficiency in the Yangtze River Economic Belt in 2011 and 2017

表5显示了城乡一体化水平以及其他3个变量的参数估计结果。城乡一体化水平和能源效率之间存在显著的正向相关性,推进城乡一体化发展水平能够实现能源效率进一步提升,经济发展水平也对能源利用效率起正向积极作用,而技术进步则在一定条件下是阻碍能源效率提升的因素。此外,这3个局域变量作用于能源效率时都表现出明显的空间差异性。从这3个变量参数估计值中位数的绝对值来看,城乡一体化水平对能源效率的影响要低于产业结构和技术进步,长江经济带的城乡一体化水平平均每增加1%,能源效率则大约提升0.088%。而产业结构作为全局变量,其对能源效率的影响程度远大于城乡一体化水平与其他2个影响因素。
进一步解析长江经济带城乡一体化水平对能源效率的空间效应特征,如图6所示,可得出以下结果:
（1）城乡一体化水平可以对能源效率产生正向效应,并呈现出自东向西递增的空间分异特征,越接近长江经济带上游地区,效应的正值越大,这表明在该地区城乡一体化水平提高对能源效率的提升作用越大。原因有两点,一是城乡一体化评价指标的构建更加注重以人为本,弱化了总量指标,增加了相对指标或人均指标,西部上游地区在国家倡导公平的战略实施下,依靠后发优势,经济和社会一体化的作用日益突出;二是中下游地区城乡一体化建设基础较好,但是推进城乡一体化从规模数量向内涵质量转变时,结构性改革和制度性创新所面临的约束力也更强。长江经济带的发展差距主要体现在城乡发展差距上,能源效率提升的障碍很大程度上是由于城乡二元经济、社会结构造成的,因此,城乡一体化改革对长江上游经济带能源效率的影响必然要大于中游和下游。
（2）长江经济带城乡一体化水平对能源效率的正向效应呈倒“U”型特征,且两极分化情况减弱。当城乡一体化水平低于某个值时,城乡一体化水平对能源效率正向作用是逐渐上升的,跨过某个转折点后,城乡一体化水平对能源效率的正向作用是逐渐下降的。上游经济带中四川和云南影响系数的上升就是因为两省尚处于城乡一体化的初级阶段,此阶段内城乡发展水平差距较大,在城乡一体化推动下,城乡二元结构的优化会释放出更大的动能,一方面产业结构优化带来环境质量改善,另一方面城乡一体化使得技术、资本等生产要素在城乡间重新分配,产业和人力等资源聚集,以及知识扩散和技术溢出的效应突显,最终使得能源效率得到有效提升。城乡一体化对能源效率的影响在上海、江苏和浙江的影响程度较小,这是因为该地区城乡一体化处于相对较高的阶段,此阶段内城乡经济达到一个较为稳定持续和协调发展的水平,高能耗、高污染产业已经逐渐被低能耗、低污染的知识和技术密集型产业所替代,经济产业结构和发展方式转变面临更强的约束力,随着工业化水平和现代化程度的提高,能源需求量也增加,城乡一体化提升能源效率的作用很有限。从2011—2017年,长江经济带内的各省市城乡一体化水平都有了很大提升,而上游地区的增长率更大,中下游地区的增长率较小,两者的城乡一体化水平差距缩小,则城乡一体化水平对能源效率影响程度的差距也缩小,两极分化减弱。
从总体上分析,推进城乡一体化发展是长江经济带实现能源效率提升的关键性途径,其对能源消费量和能源消费结构的影响使得能源效率在空间上呈现分异特征,着重推进统筹长江上、中游经济带的城乡发展进程,可以大大提高该区域内各省市的能源效率。

4 结论及建议

4.1 结论

本文在运用DEA模型测算2011年和2017年长江经济带各省市考虑了非期望产出的能源效率值的基础上,采用空间自相关方法确定了能源效率、城乡一体化水平及其他影响因素的空间相关性,最后通过混合地理加权回归分析了城乡一体化对能源效率的空间效应,得出以下结论:
（1）城乡一体化对能源效率具有显著的正向作用,统筹城乡发展,加快城乡协调发展将促进能源效率的提高;经济发展水平对于能源效率有正向的促进作用,人均国民生产总值越高,能源效率就会越高;技术进步则阻碍能源效率的提高。从影响程度来看,产业结构是主导因素,其次是技术进步和城乡一体化水平,最后是经济发展水平。
（2）城乡一体化水平呈现出显著的空间正相关性,因此作为局域变量,其对能源效率的影响程度在长江经济带上呈现出明显的自东向西递增的空间分异特征。总体上,能源效率随着城乡一体化进程的推进而上升,其上升幅度表现为倒“U”型的趋势特征,即城乡一体化水平正向作用于能源效率时是先上升而后下降的。
（3）长江经济带的能源效率整体上呈自东向西递减的趋势,但仍有较大提升空间,各省市在2011—2017年能源效率都呈现上升趋势,尤其是上游经济带增长幅度更大,同时在空间分布上能源效率还具有显著的空间相关性和空间异质性,能源效率高（低）的邻近省、市集聚性明显。

4.2 建议

本文通过对城乡一体化背景下长江经济带能源效率的测算及其空间效应的分析,比较清楚全面地掌握长江经济带能源效率的现状以及城乡一体化对能源效率的影响,可以为城乡一体化改革中制定改善能源效率的政策提供相应科学借鉴。根据城乡一体化对能源效率的空间效应分析,本文提出以下建议:
（1）制定城乡统筹发展的总体规划,政府引导长江经济带实现城乡经济社会发展[33]。尽管城乡一体化和能源效率之间存在正向的相关关系,但是从长期来看,城乡一体化对能源效率的提升作用并不能持续保持较高的水平,能源效率的提升不能单纯依靠城乡一体化改革来实现,所以需要依靠政府制度创新和行政、法律和市场等手段,保证城乡渠道畅通,从而在巩固现有城乡一体化成果基础上,加大城乡统筹发展力度,弥补城乡一体化的不足,同时也要保护城乡生态空间,一方面要防止城市污染向农村转移,另一方面要建设农村污染治理工程,建设城乡一体化生态文明体系,最终保证能源效率的可持续增长。
（2）因地制宜,实施符合当地实际情况的城乡一体化道路和模式。由于城乡一体化对能源效率的影响程度受到地理位置、资源禀赋等多方面的约束呈现出空间分异性,因此城乡一体化改革应根据当地情况进行调整,分类施策[34]。长江上游经济带的城乡各方面差距悬殊,应主要着力于解决“三农”问题,激发农村经济活力,发展特色农业,逐步完善基础设施和农村社会保障体系,努力提高人民生活质量,同时也要利用区域之间的学习效应或示范效应,上游经济带可借鉴中下游经济带城乡一体化改革的经验,保证城乡健康协调发展。中下游经济带的重点在于调节城乡一体化与能源消费的矛盾,将城乡一体化发展过程中的资金、人才、技术等短期增长优势转化为长期优势,最终实现节能降耗,提高能源效率的目标。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Patterson M G. What is energy efficiency? Concepts, indicators and methodological issues[J]. Energy Policy, 1996,24(5):377-390.

[2]
Horace H. Energy efficiency-a critical view[J]. Energy, 2006,31(1):10-20.

[3]
Tatsu K. The energy situation in China[J]. The China Quarterly, 1992(131):606-638.

[4]
Huang J P. Industry energy use and structural change: A case study of the people's republic of China[J]. Energy Economics. 1993,15(2):131-136.

[5]
Guan W, Xu S. Spatial energy efficiency patterns and the coupling relationship with industrial structure: A study on Liaoning Province, China[J]. Journal of Geographical Sciences, 2015,25(3):355-368.

[6]
赵民, 方辰昊, 陈晨. “城乡发展一体化”的内涵与评价指标体系建构——暨若干特大城市实证研究[J].城市规划学刊,2018(2):11-18.

[ Zhao M, Fang C H, Chen C. Re-theorizing and assessing integrated urban-rural development: an empirical study on China's megacities[J]. Urban Planning Forum, 2018(2):11-18. ]

[7]
刘红梅, 张忠杰, 王克强. 中国城乡一体化影响因素分析——基于省级面板数据的引力模型[J].中国农村经济,2012(8):4-15.

[ Liu H M, Zhang Z J, Wang K Q. Analysis of factors affecting urban-rural integration in China: Gravity model based on provincial panel data[J]. Chinese Rural Economy, 2012(8):4-15. ]

[8]
郭美荣, 李瑾, 冯献. 基于“互联网+”的城乡一体化发展模式探究[J].中国软科学,2017(9):10-17.

[ Guo M R, Li J, Feng X. Research on integrated urban and rural development modes under the circumstances of “Internet +”[J]. China Soft Science, 2017(9):10-17. ]

[9]
王维. 长江经济带城乡协调发展评价及其时空格局[J]. 经济地理, 2017,37(8):60-66,92.

[ Wang W. The evaluation of coordinated development level between urban and rural and its spatial-temporal pattern in Yangtze River Economic Zone[J]. Economic Geography, 2017,37(8):60-66,92. ]

[10]
吴丰华, 白永秀, 吴振磊. 中国省域城乡社会一体化的空间差异与时序变化[J].中国软科学,2015(3):135-149.

[ Wu F H, Bai Y X, Wu Z L. The regional difference and fluctuation changes of the urban-rural social integration in Chinese provinces[J]. China Soft Science, 2015(3):135-149. ]

[11]
赵康杰, 景普秋. 要素流动对中国城乡经济一体化发展的非线性效应研究——基于省域面板数据的实证检验[J].经济问题探索,2019(10):1-12.

[ Zhao P J, Jin P Q. A study on nonlinear effect between factor flow and urban-rural economic integration in China: Empirical test based on provincial panel data[J]. Inquiry into Economic Issues, 2019(10):1-12. ]

[12]
刘扬, 陈劭锋. 江西省统筹城乡一体化研究[J]. 中国农学通报, 2012,28(32):180-187.

[ Liu Y, Chen S F. Study on the integrated development of urban and rural areas under low carbon in Jiangxi province[J]. Chinese Agricultural Science Bulletin, 2012,28(32):180-187. ]

[13]
肖娥芳. 湖北城乡一体化进程中农村碳排放及其影响因素分析[J]. 江苏农业科学, 2013,41(4):317-319.

[ Xiao E F. Analysis of rural carbon emissions and its influencing factors in the process of urban-rural integration in Hubei[J]. Jiangsu Agricultural Sciences, 2013,41(4):317-319. ]

[14]
中国共产党中央委员会 .长江经济带发展规划纲要[R].北京, 2016 -09-11.

[ Central Committee of the Communist Party of China. Outline of Yangtze River economic belt development plan[R]. Beijing, 2016 -09-11.]

[15]
邱丽娟, 王丹丹, 苗雨君. 城乡一体化指标体系的构建与实证分析——以黑龙江省为例[J].对外经贸,2017(12):48-51.

[ Qiu L J, Wang D D, Miao Y J. Construction and empirical analysis of urban and rural integration index system: Taking Heilongjiang province as an example[J]. Foreign Economic Relations & Trade, 2017(12):48-51. ]

[16]
朱金鹤, 崔登峰. 新疆城乡一体化进程的影响因素与评价研究[J]. 干旱区资源与环境, 2012,26(12):22-27.

[ Zhu J H, Cui D F. The influencing factors and evaluation of Xinjiang's urban-rural integration process[J]. Journal of Arid Land Resources and Environment, 2012,26(12):22-27. ]

[17]
贾兴梅, 刘俊杰, 贾伟. 城乡一体化与区域经济增长的空间计量分析[J]. 城市规划, 2015,39(12):47-53.

[ Jia X M, Liu J J, Jia W. Spatial econometric analysis on urban-rural integration and regional economic growth[J]. City Planning Review, 2015,39(12):47-53. ]

[18]
国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社,2001- 2018.

[ National Bureau of Statistics of China, China Statistical Yearbook[M]. Beijing: China Statistics Press, 2001- 2018. ]

[19]
国家统计局. 中国农村统计年鉴[M]. 北京: 中国统计出版社,2012- 2018.

[ National Bureau of Statistics of China. China Rural Statistical Yearbook[M]. Beijing: China Statistics Press, 2012- 2018. ]

[20]
国家统计局. 中国固定资产投资统计年鉴[M]. 北京: 中国统计出版社,2012- 2018.

[ National Bureau of Statistics of China. Statistical Yearbook of the Chinese Investment in Fixed Assets[M]. Beijing: China Statistics Press, 2012- 2018. ]

[21]
魏楚, 沈满洪. 能源效率及其影响因素:基于DEA的实证分析[J].管理世界,2007(8):66-76.

[ Wei C, Shen M H. Energy Efficiency and Its Influencing Factors: An Empirical Analysis Based on DEA[J]. Management World, 2007(8):66-76. ]

[22]
国家统计局. 中国能源统计年鉴[M]. 北京: 中国统计出版社,2012- 2018.

[ National Bureau of Statistics. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 2012- 2018. ]

[23]
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, 2004(10):35-44.

[ Zhang J, Wu G Y, Zhang J P. The estimation of China's provincial capital stock: 1952-2000[J]. Economic Research Journal, 2004(10):35-44. ]

[24]
刘浩旻, 张在旭, 王丽洋. 供给侧改革视域下中国省域能源效率及影响因素研究[J]. 统计与决策, 2018,34(22):131-136.

[ Liu H M, Zhang Z X, Wang L Y. Study on energy efficiency and influencing factors of Chinese provinces from perspective of supply side[J]. Statistics & Decision, 2018,34(22):131-136. ]

[25]
吴传清, 杜宇. 偏向型技术进步度长江经济带全要素能源效率影响研究[J].中国软科学,2018(3):110-119.

[ Wu C Q, Du Y. Research on the effect of biased technical change on total factor energy efficiency of the Yangtze River Economic Belt[J]. China Soft Science, 2018(3):110-119. ]

[26]
杨仲山, 魏晓雪. “一带一路”重点地区全要素能源效率测算、分解及影响因素分析[J]. 中国环境科学, 2018,38(11):4384-4392.

[ Yang Z S, Wei X X. Total factor energy efficiency of the regions along the belt and road: measurement, decomposition and influence factors analysis[J]. China Environmental Science, 2018,38(11):4384-4392. ]

[27]
Moran P A P, Notes on continuous stochastic phenomena[J]. Biometrika, 1950,37(1-2):17-23.

PMID

[28]
Brunsdon C, Fotheringham A S, Charlton M. Geographically weighted regression: A method for exploring spatial nonstationarity[J]. Geographical Analysis, 1996(28):281-298.

[29]
Brunsdon C, Fotheringham A S, Charlton M. Some notes on parametric significance test for geographically weighted regression[J]. Journal of Regional Science, 1999(39):497-524.

[30]
魏传华, 梅长林. 半参数空间变系数回归模型的两步估计方法及其数值模拟[J].统计与信息论坛,2005(1):16-19,50.

[ Wei C H, Mei C L. Two-step procedure and numerical simulations for semiparametric spatially varying-coefficient regression model[J]. Statistics & Information Tribune, 2005(1):16-19,50. ]

[31]
吴传清, 董旭. 环境约束下长江经济带全要素能源效率研究[J].中国软科学,2016(3):73-83.

[ Wu C Q, Dong X. Analysis on influencing factors of total factor energy efficiency in the Yangtze River Economic Belt under environmental constraints[J]. China Soft Science, 2016(3):73-83. ]

[32]
尹庆民, 吴秀琳. 环境约束下长江经济带工业能源效率差异评价与成因识别研究[J]. 科技管理研究, 2019,39(6):240-247.

[ Yin Q M, Wu X L. Research on the evaluation and cause identification of industrial environmental energy efficiency differences in the Yangtze River Economic Belt under the constraint of environment[J]. Science and Technology Mangement Research, 2019,39(6):240-247. ]

[33]
吕丹, 汪文瑜. 中国城乡一体化与经济发展水平的协调发展研究[J].中国软科学,2018(5):179-192.

[ Lv D, Wang W Y. A study on the relationship between urban-rural integration and economic development[J]. China Soft Science, 2018(5):179-192. ]

[34]
陈修颖, 汤放华. 城乡一体化的空间分异及地域推进策略——广东省案例[J]. 经济地理, 2013,33(12):84-89.

[ Chen X Y, Tang F H. The spacial differences of urban-rural integration and regional strategies in Guangdong province[J]. Economic Geography, 2013,33(12):84-89. ]

Options
文章导航

/

〈 〉