供给侧改革视角下京津冀工业能源强度及其影响因素研究

王 韶 华，何 美 璇，张 伟，刘 熙 宁

(1.燕山大学经济管理学院，河北 秦皇岛 066004；2.燕山大学区域经济发展研究中心，河北 秦皇岛 066004；3.东北大学秦皇岛分校经济学院，河北 秦皇岛 066004)

0 引言

“绿色化”概念在《关于加快推进生态文明建设的意见》中首次被提出，利用五大发展理念之一的“绿色”引领发展是新时代我国生态文明建设的治本之策。在提前实现2020年减排目标后，我国又做出在2030年前实现“碳达峰”、在2060年前实现“碳中和”的减排承诺。当前，我国能源消费产生的碳排放约占碳排放总量的85%，能源转型迫在眉睫。京津冀作为国家重点战略发展区域，能源消费总量和碳排放总量分别约占全国的10%和20%，其中又以工业部门占比最大，因此京津冀工业节能减排对我国实现减排目标尤为重要。京津冀地理位置相近，工业联系密切，在供给侧改革背景下，探究工业能源强度影响因素的空间效应是实现京津冀协同发展的必然要求。

对能源强度的既有研究主要关注能源强度的影响因素，研究方法主要包括分解方法、回归分析等，其中分解方法基于研究目的又可分为结构分解法和指数分解法。结构分解法主要基于投入产出表对能源强度的驱动因素进行分析，如马晓微等将能源强度分解为结构效应和效率效应[1]，张俊荣等主要研究投入产出各种系数对北京市能源强度的影响[2]。指数分解法中应用较广泛的有拉氏分解法和迪氏分解法，例如：韩松等采用对数平均迪氏指数法分析了结构效应、技术进步、城市化、规模效应等对能源强度的贡献[3，4]；杨正东等认为两种方法所得结论基本一致[5]，但拉氏分解法分解后会存在残差，影响解释力；为弥补上述缺陷，李玉婷等采用完全分解的改进拉氏指数构建能源强度因素分解模型[6]。由于分解方法存在计算结果不准确、解释力度不足等缺陷[7]，且该方法相对固定的分析框架限制了其应用范围，故采用回归分析方法进行实证分析的研究逐渐增多，如研究投资动机、创新类型、财税政策、金融压力等对能源强度的传导机制[8-11]以及能源强度的空间溢出效应[12，13]。

由于研究设计、研究对象、数据攫取等不同，以上研究所得结论不尽相同，一般认为经济发展、技术进步、FDI等的贡献较显著，但随着我国经济进入“新常态”，需求侧因素对能源强度的影响将随之减小，供给侧结构性改革的实施将使供给侧因素的影响凸显，但由于供给侧结构性改革的概念逻辑与分析框架尚不完善，鲜有针对供给侧因素与能源强度关系的系统研究。另一方面，在京津冀协同发展背景下，区域间经济联系加强[14]，联防联控机制日益完善，但对京津冀工业能源强度空间溢出效应的研究较少。鉴于此，本文立足京津冀协同发展、供给侧结构性改革、节能减排等现实背景，在揭示供给侧要素对工业能源强度影响关系的基础上，利用探索性空间分析构建空间计量模型，探讨影响因素的空间效应，以期通过节能减排与供给侧改革的深度融合切实降低京津冀工业能源强度，推动京津冀协同发展取得新进展。

1 数据来源与研究方法

1.1 京津冀工业能源强度供给侧影响因素与数据来源

供给侧改革是涉及要素、产业和制度3个层面的经济变革，对工业发展影响深远。黄群慧基于“问题—原因—对策”梳理出关于供给侧结构性改革的概念逻辑和分析框架[15]；楚明钦认为供给侧改革应重视创新要素以缓解制造业产能过剩[16]；魏鹏认为供给侧改革需要合理的制度以提高要素使用效率[17]；杨勇等论证了要素市场化会提高工业全要素生产率[18]；郭学能等认为供给侧结构性改革是通过调整供给侧对应的要素配置和改革制度以优化经济结构[19]；邓仲良等认为要素在产业和空间上的错配导致区域经济差异，要因地制宜发展工业体系[20]；高培勇等认为高质量发展需要社会高质量和制度高质量保障[21]。综合以上分析，我国供给侧改革的经济机制是要素质量的提高，并且需要以制度作为保障，供给侧因素主要包括劳动力、资本、土地(资源)、科技创新、制度等[22]，本文分别用劳动生产率、投资强度、能源结构、科技创新强度、环境规制强度表征，基于科学性、数据可获得性等原则，构建2000-2017年京津冀工业能源强度及其供给侧影响因素的面板数据，分析其对京津冀工业能源强度的影响。

(1)工业能源强度。即单位工业增加值的能源消费，用工业能源消费与工业增加值的比值表示，分别通过2018年《北京统计年鉴》《天津统计年鉴》和《河北经济年鉴》获取。

(2)劳动生产率。劳动力对工业能源强度的影响主要体现在劳动生产率的提高，包括劳动者素质[23]和技术装备水平的提升，劳动生产率的提高在一定程度上可改善能源效率，降低单位产出的能源消费。劳动生产率用工业增加值与工业部门从业人数之比表示，通过历年《天津统计年鉴》和《河北经济年鉴》汇总采矿业、制造业、电力、热力、燃气及水生产和供应业从业人数，可得2000-2017年天津市和河北省工业从业人数，《北京统计年鉴》中缺少分行业从业人数，但有规模以上工业企业从业人数和工业增加值，故用规模以上工业企业劳动生产率反映北京市工业劳动生产率。

(3)投资强度。资本对工业能源强度的影响主要体现在投资强度的变化，其受工业化进程的影响较大，随着工业化的实现，工业投资比重和能源强度逐渐下降[24]。投资强度用工业部门全社会固定资产投资占全社会固定资产投资的比重表示，2000-2017年京津冀全社会固定资产投资总额以及采矿业、制造业、电力、热力、燃气及水生产和供应业等分行业全社会固定资产投资额源于历年《中国固定资产投资统计年鉴》。

(4)能源结构。能源结构对工业能源强度的影响主要体现在能源消费结构的变化，其在我国能源强度各阶段主要影响因素中始终居主导地位[4]。能源结构用工业原煤消费量占工业能源消费量的比重表示，2000-2017年京津冀工业原煤消费量源于2001-2018年《中国能源统计年鉴》，并通过系数(0.7143 kgce/kg)折算成标准煤。

(5)科技创新强度。供给侧改革就是通过加大创新等高端要素的投入，降低对传统要素的依赖，科技创新不仅直接影响能源强度，还通过调节其他影响因素对能源强度产生间接影响[25]。科技创新强度用规模以上工业企业R&D经费内部支出与主营业务收入之比表示，2000-2017年京津冀规模以上工业企业R&D经费内部支出源于历年《中国科技统计年鉴》，规模以上工业企业主营业务收入源于历年《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》。

(6)环境规制强度。供给侧改革的重心就是保证高端要素有效供给的制度改革，制度对工业能源强度的直接影响体现在环境规制方面[26]，在能源市场体制建立前，环境规制可有效限制高污染、低效能源的使用，也可在一定程度上促进企业生产工艺的改进[27]。环境规制强度用工业污染治理项目完成投资与工业增加值(为剔除价格变动的影响，以2000年不变价进行折算)之比表示，2000-2003年京津冀工业污染治理项目完成投资额源于相应年份《中国环境年鉴》，2004-2017年数据源于相应年份《中国环境统计年鉴》。

1.2 研究方法

1.2.1 探索性空间数据分析 为描述京津冀工业能源强度的空间分布特征，本文运用探索性空间数据分析方法对京津冀工业能源强度进行全局和局部空间相关性检验，进而分析其空间相关性和差异性。

(1)全局空间相关性检验。本文应用全局莫兰指数(式(1))检验工业能源强度是否存在全局空间相关性，其取值范围为[-1，1]：指数趋于1，表示测度值的低值和高值在空间上分别集聚，空间正相关性越强；指数趋于-1，表示测度值的低值和高值在空间上相互集聚，空间负相关性越强；指数趋于0，表示测度值在空间上随机分布。

(1)

(2)局部空间相关性检验。应用局部莫兰指数(式(2))描述各区域单元工业能源强度的空间分布特征，并依此绘制LISA图。局部莫兰指数的取值范围为[-1，1]：指数趋于1，表示测度值的相似值(高高—低低)在空间上集聚；指数趋于-1，表示测度值的非相似值(高低)在空间上集聚。

(2)

1.2.2 空间计量模型 应用空间计量模型分析供给侧因素对京津冀工业能源强度的影响效应，模型表达式为：

(3)

式中：y、LP、FIS、ES、TI、ER分别表示工业能源强度、劳动生产率、投资强度、能源结构、科技创新强度、环境规制强度；i(j)为省域；t为年；β0为常数；ρ为空间滞后系数；β1，β2，…，β5和λ1，λ2，…，λ5为相关解释变量的系数，后者用以度量相邻区域的解释变量对被解释变量的边际影响；Λ为空间误差系数，反映相邻区域单元的随机冲击波对本区域单元的影响；u为随机误差项。如果ρ、λ、Λ均为0，则该模型简化为一般模型；如果ρ、λ均为0，则该模型为空间误差模型(SEM)；如果λ、Λ均为0，则该模型为空间滞后模型(SLM)；如果Λ为0，则该模型为空间杜宾模型(SDM)，即在空间滞后模型的基础上考虑了解释变量的空间交互作用。

1.2.3 变系数面板计量模型 为分析京津冀两两共同降耗的效果，进一步验证供给侧要素对京津冀工业能源强度的影响，分别建立京冀、京津和津冀的面板计量模型，为体现空间效应，将空间滞后项直接作为自变量加入模型。

yit=β0it+ρitWijyit+β1itLPit+β2itFISit+β3itESit+
β4itTIit+β5itERit+uit

(4)

式中：由于两个区域不存在相对距离，W采用0-1矩阵。若i=0，则该模型为时点变系数模型；若t=0，则该模型为地点变系数模型；若i=0且t=0，则该模型为一般面板模型。

2 京津冀工业能源强度的空间演变

利用GeoDa软件计算2000-2017年京津冀工业能源强度的全局莫兰指数(表1)，莫兰指数始终小于-0.3，并全部通过1%水平的显著性检验，说明京津冀具有空间相关性，且空间差异较大。其中，2000-2001年差异较大，2002-2004年差异逐渐减小，自2005年差异逐渐增大，但增速放缓。

表1 京津冀工业能源强度Moran′s I值Table 1 Moran′s I of industrial energy intensity in Beijing-Tianjin-Hebei Urban Agglomeration

结合图1发现京津冀工业能源强度的空间格局演变存在3个阶段：1)2000-2001年“北京高耗期”，北京市属于H-L集聚区，津冀属于L-H集聚区。石油加工、炼焦和核燃料加工业、黑色金属冶炼及压延加工业、非金属矿物制品业等基础加工行业能源消费占工业能源总量的70%以上，但工业增加值占比在20%以下。2)2002-2003年“能耗转换期”，北京市和河北省均属于H-H或H-L集聚区，天津市属于L-H集聚区。河北省处于基础重工业快速发展期，六大高耗能行业能源消费总量迅速上升，占规模以上工业能源消费总量的比重维持在90%以上，但工业增加值占比在50%以下；天津市工业化进程快于河北省，处于重化工业阶段，规模经济效益明显，工业能源强度低于北京市和河北省。3)2004-2017年“河北高耗期”，只有河北省属于H-L集聚区，其工业能源强度低于京津。该阶段河北省处于重化工业快速扩张期，六大高耗能行业能源消费年均增速约3.8%，使得工业能源强度始终处于较高水平；而北京市和天津市的石油加工、炼焦和核燃料加工业、黑色金属冶炼及压延加工业、非金属矿物制品业、化学原料和化学制品制造业等能源消费总体呈下降趋势，其中北京市2010年黑色金属冶炼及压延加工业较2009年降低约93.8%，使得每万元工业增加值的能源消费降至1 t标准煤以下，天津市随着工业结构优化升级，自2012年工业能源强度降至1 t标准煤/万元以下。呈现以上空间格局的主要原因在于：早期河北省工业化程度较低，相比北京市和天津市能源需求低；随着京津冀工业生产率逐渐提高，北京市逐步进入“后工业化时代”，能耗较高的企业开始向周边地区转移，并且由于北京市和天津市发展程度较高，对能源的需求降低较快，而河北省承接了较多高能耗企业，自身发展程度相对较低，工业能源强度相对较高，同时这些企业逐渐形成产业集聚，导致河北省集聚效应增强。

图1 2000-2017年京津冀工业能源强度LISA集聚图Fig.1 LISA cluster map of industrial energy intensity in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2017

3 京津冀工业能源强度的供给侧因素分析

3.1 整体空间计量分析

一般情况下，数据涉及所有研究对象，则固定效应模型比随机效应模型更合适。通过Stata软件分别估计SLM模型和SEM模型的空间固定效应、时间固定效应、时间和空间双固定效应后，发现时间固定效应的SEM模型参数显著性较佳，而SLM模型参数显著性均不佳，说明存在被忽略的影响作用。由此，通过实验各变量的空间交互作用，发现在时间固定效应的基础上，引入技术创新强度和环境规制强度的空间交互作用后，参数显著性较佳，同时模型发展为SDM模型。本文仅列出时间固定效应SDM模型和SEM模型的估计结果(表2)。

SDM模型和SEM模型估计参数的影响方向一致，说明模型结果具有稳健性。另外，SDM模型的拟合优度R2和最大似然值LogL均明显高于SEM模型，而赤池系数AIC和叶贝斯系数BIC均明显低于SEM模型，说明SDM模型拟合优度高于SEM模型，解释力更强。从表2中SDM模型的估计结果可以看出：

表2 空间滞后模型和空间误差模型估计结果Table 2 Estimation results of SDM and SEM

(1)空间滞后系数ρ的估计值为负(-0.6685)，并通过1%的显著性水平检验，说明京津冀工业能源强度具有较强的空间依赖性和负空间溢出效应，意味着京津冀的工业能源强度相互影响，不仅受本区域劳动生产率、投资强度、能源结构、科技创新强度和环境规制强度的影响，还通过空间效应受其他区域工业能源强度及其影响因素的冲击，原因可能是，京津为实现节能减排目标，将高耗能、高污染、低产出产业向河北迁移。

(2)劳动生产率与工业能源强度呈显著的负相关关系(-0.0343)，但关系较微弱，且未形成空间效应，说明京津冀劳动生产率的提高对工业能源强度具有抑制作用，但京津冀尚未形成合理的工业分工，产品、劳务联系不明显。

(3)投资强度与工业能源强度呈显著的正相关关系(0.0168)，但关系较微弱，且未形成空间效应，说明京津冀工业资本投入强度的下降在一定程度上促进了工业能源强度的降低，原因可能是京津冀工业结构趋于优化，但京津冀尚未形成明显的工业投资联系。

(4)能源结构与工业能源强度呈显著的负相关关系(-0.0274)，但关系较微弱，说明降低京津冀工业煤炭消费比重无法有效抑制工业能源强度，原因可能是津冀工业在京津冀工业中起主导作用，但两地工业结构不合理，高耗能产业比重较高，对煤炭消费的依赖性较强，减少煤炭消费虽在一定程度上会降低能源消费总量，但同时会明显影响工业增加值的提升。

(5)科技创新强度与工业能源强度呈显著的负相关关系(-2.7332)，且关系较强，说明京津冀R&D研发投入取得一定成果，有效抑制了工业能源强度；科技创新具有较强的负空间溢出效应(-3.9975)，说明某区域的科技创新成果同时能够有效抑制其他区域的工业能源强度，这主要得益于企业间技术扩散，促使京津冀总体工业能源强度下降。

(6)环境规制强度与工业能源强度呈显著的负相关关系(-3.2623)，且关系较强，说明环境规制可有效抑制工业能源强度；制度具有较强的负空间溢出效应(-4.6312)，说明某区域的环境规制能有效抑制其他区域的工业能源强度，原因可能是京津冀高耗能、高污染行业高集中度、高相似率、高溢出效应等特征使得京津冀环境规制趋于统一。

3.2 局部面板计量分析

由于非变系数面板模型拟合效果不佳，考虑京津冀发展差异较大，进行变系数面板模型拟合。最终，构建了京冀以投资强度为变系数的时点变系数模型、京津以科技创新强度和环境规制强度为变系数的地点变系数模型、津冀全变系数的地点变系数模型，3个模型的参数估计全部通过显著性检验(表3-表5)。通过对比3个变系数模型和空间计量模型结果发现：

表3 京冀变系数模型估计结果Table 3 Estimation results of variable coefficient model for Beijing-Hebei

表4 京津变系数模型估计结果Table 4 Estimation results of variable coefficient model for Beijing-Tianjin

表5 津冀变系数模型估计结果Table 5 Estimation results of variable coefficient model for Tianjin-Hebei

(1)投资强度作为京冀模型的时点变系数，其回归系数趋于0，一方面说明京冀资本投入对工业能源强度的影响不稳定，可能由于国家资本占比较高，受行政主导的影响较大；另一方面说明京冀资本投入对工业能源强度的影响效应趋于微弱，原因可能是工业结构趋于合理，高耗能产业比重不断降低。科技创新强度和环境规制强度作为京津模型的地点变系数，说明京津的科技创新强度和环境规制强度对工业能源强度的影响具有差异性；而作为津冀全变系数的地点变系数模型，说明每个供给侧因素对工业能源强度的影响明显不同，表明津冀发展极不协调。

(2)空间计量模型中，京津冀的工业能源强度此消彼长，不能实现协同发展；局部计量模型中，作为空间溢出效应的体现，将工业能源强度作为自变量加入模型，京冀和津冀模型中工业能源强度系数为负，说明京冀和津冀的工业均无法实现协同降耗；但京津模型中工业能源强度系数为正，说明京津工业能够实现协同发展。导致以上结果的原因在于河北省工业化进程严重滞后于京津，京津高耗能产业向河北省转移。

(3)与空间计量模型相比：1)京冀模型中：劳动生产率和科技创新强度的影响方向与空间计量模型相同，原因可能是京冀的工业投资受政府调控的影响较大；能源结构的影响方向与其相反，原因可能是京冀的工业结构调整成效显著，工业发展对煤炭消费的依赖性明显降低；环境规制强度的影响方向与其相反，原因可能是强有力的环境规制虽减少了工业能源消费，但同时严重影响工业增加值的提升。2)京津模型中：劳动生产率和能源结构的影响方向与其相同；投资强度的影响方向与其相反，原因可能是京津工业化程度较高，高新技术工业比重较高，对能源消耗较少，减少投资对降低能耗的贡献小于对减少工业增加值的影响；天津科技创新强度的影响方向与其相反，原因可能是过高的环境规制强度促使企业加强科技创新强度，加重了工业企业负担，严重影响工业增加值的提升；北京环境规制强度的影响方向与其相反，原因可能是北京的高耗能、高污染企业比重较低，放松管制对工业增加值的提升贡献明显。3)津冀模型中：投资强度的影响方向与其相同，但津冀间工业投资强度差异性显著；天津劳动生产率的影响方向与其相反，原因可能是资本密集型技术促进了天津工业部门全员劳动生产率的提高，降低了劳动力对能源消费的替代作用；河北能源结构的影响方向与其相同，原因可能是河北工业化进程缓慢，重化工业比重较高，对煤炭消费的依赖性较强，降低煤炭消费严重影响工业增加值的提升；河北科技创新强度的影响方向与其相反，原因可能是科技创新主要集中于节能减排，一定程度上忽略了工业增加值；天津环境规制强度的影响方向与其相反，原因可能是天津工业结构趋于合理，放松管制在一定程度上会释放工业企业活力。

4 结论与建议

本文利用2000-2017年京津冀面板数据，基于京津冀工业能源强度空间演变的特征分析，分别构建空间计量模型和变系数面板模型，从整体和局部角度对京津冀工业能源强度与其供给侧因素的数量关系进行分析，结论如下：1)京津冀工业能源强度总体呈下降趋势，经历了“北京高耗期”“能耗转换期”和“河北高耗期”3个阶段，前两个时期较短，“河北高耗期”持续时间较长。2)京津冀工业能源强度联系紧密，但具有负空间溢出效应。供给侧因素中投资强度无法抑制工业能源强度，劳动生产率和能源结构对工业能源强度的抑制效果不佳，环境规制强度和科技创新强度能够有效抑制工业能源强度，并具有空间溢出效应。3)京冀、津冀无法实现共同降耗，而京津可实现共同降耗。京冀模型中，能源结构和环境规制强度与空间计量模型的影响方向相反；京津模型中，资本、天津市的科技创新和北京市的环境规制强度与空间计量模型的影响方向相反；津冀模型中，天津市的劳动生产率、能源结构和环境规制强度以及河北省的科技创新强度与空间计量模型的影响方向相反。相对而言，环境规制强度在工业化进程较落后的地区降耗作用显著，而科技创新强度在这些地区的降耗效果较差；降低煤炭消费比重并不能有效抑制工业化进程较落后地区的能源强度；减少工业投资不利于降低工业化程度较高地区的能源强度；资本密集型技术的大规模使用可降低劳动力对能源消费的替代，不利于能源强度的进一步降低。

根据上述结论，提出以下建议：1)有效降低河北省能耗是京津冀协同降耗的关键，协同降耗既要注重京津冀的内部联系，也要注重京津冀与其他地区的联系。一方面，应增强京津高端产业转移的自觉性，促进京津冀产业分工与合作，发挥经济辐射作用，带动周边地区协同发展；另一方面河北省必须转换观念，提升融入性，合理布局产业，提高产业配套能力，有针对性地建立产业承接平台，加快推进产业优化升级。2)坚持以供给侧结构性改革为主线，因地制宜地降低工业能源强度。注重资本密集型技术与能源节约型技术相结合，同时通过提高人力资本水平提升工业劳动生产率；优化投资结构，减少高耗能工业部门投资，增加高新技术产业投资；调整能源消费结构与优化工业结构相结合，降低工业发展对低效能源的依赖；协调科技创新与环境规制间的关系，科技创新在聚焦节能减排技术的同时兼顾产出，对不同工业部门有针对性地综合应用命令控制型、经济激励型和自愿意识型环境规制，为企业减负，释放企业发展活力。