1、环渤海地区城镇化与能源消耗量的关系分析内容摘要：本文运用面板 VAR 模型，基于 1995-2012 年的面板数据，分析了环渤海地区城镇化水平与能源消耗量之间的动态关系。结果表明，城镇化水平和能源消耗量均是一阶单整序列，且存在长期的均衡协整关系。城镇化水平对能源消耗量有显著的正向效应，并且影响程度随着时间是逐渐增强的；而能源消耗量对城镇化水平的影响存在明显的时间差异，且两者均不显著。城镇化水平对能源消耗量产生持续显著的冲击效应；但能源消耗量对城镇化水平冲击效应不明显。城镇化水平和能源消耗量水平的波动均主要来自于自身。本文并在实证研究的基础上，提出了环渤海地区推进城镇化进程的政策建议，以期对今后
2、的相关研究有所助益。 关键词：环渤海地区 城镇化 能源消耗量 面板 VAR 模型 引言 随着我国经济的飞速发展，能源消耗量已经成为人们十分关注的问题。根据现有的研究，我国的能源消耗变动受到宏观经济水平、收入因素、人口因素、产业结构、居民消费结构、工业化和市场化程度等众多因素的影响，同样城市化水平也是影响我国能源消耗量的重要因素。 改革开放以来，我国城镇化水平发展迅速，国家统计局数据显示，截止 2011 年末，我国的城市人口数量首次超过农村，城镇人口已经从1978 的 17.92%上升到了 51.27%。根据诺瑟姆曲线规律，当城镇化水平在30%-70%之间时，表明此国家进入了城镇化和现代化的高速
3、发展时期，人均耗能和能源强度会快速上升。2010 年，我国首次超过美国，成为世界上最大的能源消耗国，能源消耗量占到全球消耗量的五分之一。同时，城镇化进程一方面伴随着工业化水平的发展和城市建设投资的增加，大规模的城市基础设施建设和城市住房建设必然会增加能源的消费量，另一方面，城镇化提高了公共基础设施的使用效率，这又会降低能源消耗量，这两种不同方向的影响使城镇化和能源消费之间的关系变得很复杂，因此研究城镇化与能源消费的内在依存关系，有助于保障能源安全和城镇化进程的稳步增长，对制定合理的能源政策，实现经济增长具有重要意义。 随着我国城镇化的快速发展，城镇化与能源消耗量之间的关系受到学者们的广泛关注。
4、Poumanyvong，P.，Kaneko，S（2010）采用 STIRPAT模型研究 1975-2005 年间 99 个国家不同发展阶段，城镇化对能源利用的影响，结果显示城镇化对低收入组国家人均能源消费有负向作用，对中等收入组和高收入组国家人均能源消费的影响是正向的。Dai，D.，Liu，H.（2011）利用 STIRPAT 模型研究了我国 29 个省份的城镇化、能源利用、二氧化碳排放量之间的关系，结果显示在 1995-2009年间，城镇化对二氧化碳排放量具有明显的正向作用。郑云鹤（2006）构建了回归模型，并分析了我国能源消费水平与城市化、工业化以及市场化之间的关系，研究表明，当前的城市化
5、和工业化进程加快会促使能源消耗量的增加，而市场化进程的提高会引起能源消耗量的降低。刘耀彬（2007）运用格兰杰因果检验和协整检验的方法实证分析了城市化与能源消耗之间的动态关系，并使用因素分解模型定量计算出城市化程度对我国能源消耗变动水平的贡献程度，研究发现我国城市化和能源消耗量之间存在单向的格兰杰因果关联关系，并且两者之间存在长期均衡的协整关系，当前我国城市化进程对能源消耗量的贡献程度较低，并且呈现逐年下降的趋势。毕军贤（2008） 、许冬兰，李琰（2010）等分别对中部县域、山东省的城市化与能源消耗量之间的动态关系进行研究，得出了类似的研究结论。 综上所述，现有绝大多数文献都采用静态的研究方
6、法分析城镇化水平与能源消耗量的单方面关系，同时，我国幅员辽阔，不同区域资源禀赋、产业结构有差异，经济发展也存在不平衡性，各地区的城镇化水平也不同，各地区的城镇化水平和能源消费之间的关系可能并不遵从同一规律。环渤海地区是我国重要的经济区域，也是能源消耗的主要区域，与此同时，环渤海地区的城市化水平也是一直处于我国的前列。研究环渤海地区的城镇化水平与能源消耗之间的关系，不仅对于把握环渤海地区能源战略方向、保证环渤海地区经济健康持续发展具有重要现实意义，而且对于更好地理解把握我国的整体情况也有着重要的意义。因此，本文把视角具体到地区层面，以环渤海地区省市为例分析城镇化水平与能源消耗量之间的动态关系，更
7、具有微观基础，运用面板向量自回归模型（Panel Vector Autoregression Model，PVAR 模型） ，基于 1995-2012年的面板数据，分析两者之间的动态关系，以期为城镇化进程中能源消耗平衡政策制定提供参考依据。 样本选取 （一）环渤海地区概况 环渤海地区是以京津冀为核心、以辽东半岛和山东半岛为两翼的环渤海经济区域，主要包括了北京市、天津市、河北省、辽宁省和山东省，也就是三省两市的“3+2”经济区域。面积为 51.8 万平方公里；人口 2.3亿，占全国 17.5%；地区生产总值达到 3.8 万亿元，占全国 28.2%。 （二）数据来源 本文选取 1995-2012
8、年环渤海地区北京市、天津市、河北省、辽宁省和山东省等 5 个省市的数据实证分析城镇化水平与能源消耗量之间的相互影响关系。城镇化水平和能源消耗量的相关数据均来自各省市历年的统计年鉴。其中，城镇化水平用市人口和镇人口占全部人口的百分比来表示，用来反映人口向城市聚集的过程和聚集程度；能源消耗量是指各省市每一年度能源的消耗总量，包括市区能源消耗量和县域能源消耗量。为了消除各变量的异方差性和数据的剧烈波动性，便于变量之间的长短期分析，本文对相关数据取对数，分别以和表示城镇化水平和能源消耗量的自然对数值。 模型构建 面板数据向量自回归模型（即面板 VAR 模型）的研究最早始于Chamberlain（198
9、3） ，后经过 Pesaran & Smith（1995） 、McCoskey & Kao（1998） 、Joakim（2005）等学者的不断发展，现已经成为一个比较成熟的模型。面板 VAR 模型综合了面板数据模型和向量自回归模型的优点，能够把变量和处理成内生变量，能够真实地反映变量之间的动态关系。在分析过程中，根据广义矩陈估计系数的 t 统计值和脉冲响应函数的收敛情况，本文选择使用滞后 2 阶的面板 VAR 模型，模型定义如下： Yi，t=0+11（L）Yi，t-1+22（L）Yi，t-2+i，t i=1，N；t=1，T 其中，Yi，t=lnur、lnec，i 表示不同省市的截面个体，t 表
10、示不同年份，0 为常数系数矩阵，11（L） 、22（L）均为 22 的待估系数矩阵。 面板 VAR 模型主要由三部分组成：一是面板矩估计模型（GMM） ，主要说明变量之间的回归关系；二是脉冲响应函数，通过动态的脉冲响应函数图，观测各指标对冲击效应的反应情况；三是误差分解，说明误差项的影响因素大小。 实证结果与分析 实证分析的思路主要包括四步：一是变量描述性统计和变化趋势分析，知悉各变量的基本特征；二是面板单位根检验，检验面板数据的平稳性，为面板协整检验做铺垫；三是面板协整检验，检验城镇化水平与能源消耗量是否存在长期的均衡关系；四是面板 VAR 模型估计，考察城镇化水平与能源消耗量之间的双向动态
11、影响关系。 （一）变量的统计特征 由表 1 的统计结果可以看出，城镇化水平的均值为 3.897，中位数为4.010，表现为左偏态状态，最大值为 4.452，最小值为 2.837，标准差为 0.449，表明不同省市间的城镇化水平存在较大的差异。能源消耗量的均值为 9.033，中位数为 9.122，略微呈现左偏态状态，最大值为10.387，最小值为 7.802，标准差为 0.714，说明不同省市间的能源消耗量水平存在更大的差异性。 （二）面板单位根检验 面板数据的单位根检验包括 LLC 检验、Breitung 检验、IPS 检验、ADF-Fisher 检验、PP-Fisher 检验和 Hadri
12、检验等六种检验方法。由于不同的检验方法都存在自身的局限性，因此，为了保证检验结果的稳健性，本文同时采用上述六种方法进行检验，检验结果如表 2 所示。 由表 2 可以看出，对环渤海地区省市的城镇化水平和能源消耗量的水平值进行检验时，检验结果表明不能完全拒绝“存在单位根”的原始假设，变量是非平稳的；当对这两个变量的一阶差分值和二阶差分值分别进行检验时，均在 5%水平下显著地拒绝“存在单位根”的原始假设。因此，可以认为环渤海地区省市的城镇化水平和能源消耗量都是一阶单整序列。 （三）面板协整检验 在上述面板单位根检验的基础上，接下来对所选变量进行面板协整检验，以检验城镇化水平和能源消耗量之间是否存在长
13、期的均衡关系。根据 Pedroni 提出的异质面板数据的协整检验方法，以回归残差为基础构造出七个统计量进行面板数据协整检验，检验结果如表 3 所示。 从表 3 的结果可知，环渤海地区的所有统计量都通过了显著性检验，所以环渤海地区的城镇化水平和能源消耗量之间存在面板协整关系，两者之间存在长期的均衡关系。 （四）面板 VAR 估计 根据面板 VAR 模型的三个组成部分，本文依次进行检验，具体计算结果如下所示： 1.面板矩估计。在进行面板矩估计时，需要消除面板 VAR 模型中的样本固定效应和时间效应。本文使用前向均值差分法消除样本的固定效应，使用横截面的均值差分法消除时间效应。估计结果如表 4 所示
14、。 从上述的面板 GMM 估计结果可以看出：第一，环渤海地区滞后一期和滞后二期的城镇化水平系数均大于 0，并且在 1%水平下显著，这说明城镇化水平对能源消耗量有显著的正向效应。同时，对滞后一期和滞后二期的系数大小进行比较，发现城镇化水平系数随着滞后期的推移而不断增大，这说明环渤海区域城镇化水平对能源消耗量的影响程度是逐渐增强的。第二，能源消耗量对城镇化水平的影响存在明显的时间差异，滞后一期的能源消耗量对城镇化水平的影响为正，滞后二期的能源消耗量对城镇化水平的影响为负，但是两者均不显著。通过对城镇化水平和能源消耗量两者之间关系的分析，可以看出，城镇化水平的提高势必伴随着能源消耗量的增加，而能源消
15、耗量的增加却未必会对城镇化水平有影响，也就是说能源消耗量的增加并不是城镇化水平的重要影响因素之一。 2.脉冲响应函数图。脉冲响应函数是用来刻画单位随机扰动项 t的冲击对其他变量路径走势的影响，脉冲响应函数可以直观地观测到变量之间的动态交互作用和效应，并从中判断变量间的时滞关系。本文通过 Monte Carlo 方法模拟 500 次得到图 1 脉冲响应函数图，并给出了 90%的置信度区间。 在脉冲响应函数图中，横轴表示冲击反应的响应期数，滞后期数为6 期，纵轴表示变量对于冲击反应的响应程度，中间的曲线表示受到冲击反应后，脉冲响应函数的点估计值序列，上下两条曲线表示 90%置信水平下的上下界限。
16、从城镇化水平对能源消耗量的脉冲响应路径可以看出，当受到城镇化水平的一个标准新息冲击后，能源消耗量偏离了原来预期的水平，这一冲击对能源消耗量产生持续显著的影响效应。从能源消耗量对城镇化水平的脉冲响应路径可以看出，当受到能源消耗量的一个标准新息冲击后，城镇化水平降低，但是在第 1 期之后趋于平稳，之后还略有上升的趋势，影响效果不明显。 3.方差分解。为了更清楚地度量和刻画城镇化水平与能源消耗量之间的相互影响程度，本文进一步采用面板数据方差分解的方法，获得不同方程的冲击反应对各个变量波动的方差贡献率情况。表 5 给出了第 10个预测期、第 20 个预测期和第 30 个预测期的方差分解结果。 上述方差
17、分解的结果可以发现：第一，对于城镇化水平变量来说，10 个预测期、20 个预测期和 30 个预测期对方程分析的结果影响变化不大，说明经过 10 个预测期后，系统基本上达到稳定状态。对于能源消耗量水平变量来说，10 个预测期和 20 个预测期相比，对方程分析的结果影响变化较大；20 个预测期和 30 个预测期相比，对方程分析的结果影响变化较小，此时系统基本达到稳定状态，说明能源消耗量水平在 20 个预测期后处于平稳。第二，城镇化水平和能源消耗量水平的波动均主要来自于自身，其中城镇化水平自身波动的贡献率水平达到 97%以上；能源消耗量自身波动的贡献率水平达到 65%以上。第三，城镇化水平对能源消耗
18、量水平的影响在 0.5%-2.5%之间；能源消耗量对城镇化水平的影响在 20%-35%之间。这说明在城镇化进程中伴随着能源消耗量的不断增加。 结论 综上所述，根据实证分析结论，环渤海地区在推进城镇化进程中，制定能源消耗政策时，本文认为需要：第一，适度控制城镇化进程。环渤海地区城镇化的推进主要依赖于工业的发展，短期内城镇化进程明显加剧了能源消费，所以在城镇化的发展过程中，要根据省份的能源供需情况，适当控制发展速度，合理有序的渐进推行，不能急功冒进。第二，调整能源结构。引进新的技术，开发新能源、可再生能源，使环渤海地区的能源结构多样化、层次化，改变对于煤炭资源的过度依赖，从而降低环渤海地区能源风险
19、，保证经济可持续的发展。 参考文献： 1.张晓平.20 世纪 90 年代以来中国能源消费的时空格局及其影响因素J.中国人口资源与环境，2005（2） 2.许冬兰，李琰.山东省城市化和能源消耗的关系研究J.中国人口资源与环境，2010（11） 3.Poumanyvong，P.，Kaneko，S Does urbanization lead to less energy use and lower CO2 emissions？ A cross-country analysis J.Ecological Economics，2010（2） 4.Dai，D.，Liu，H. An empirical r
20、esearch and STIRPAT model analysis of urbanization and CO2 emissions in China J.Advances in Information Sciences and Service Sciences，2011（11） 5.郑云鹤.工业化、城市化、市场化与中国的能源消费研究J.北方经济，2006（10） 6.刘耀彬.中国城市化与能源消费关系的动态计量分析J.财经研究，2007（11） 7.毕军贤.中部县域城镇化与工业化、能源消耗量关系的实证研究J.中国管理科学，2008（10） 8.贾功祥，谢湘生.中国经济增长与能源消费动态关系
21、基于面板向量自回归模型的分析J.首都经济贸易大学学报，2011（4） 9.Inessa Love， Lea Zicchino. Financial Development and Dynamic Investment Behaviour： Evidence from Panel VARJ.The Quarterly Review of Economics and Finance，2006（46） 10.黄旭平，张明之.外商直接投资对我国就业的影响：基于面板 VAR的分析J.中央财经大学学报，2007（1） 11.潘丹，应瑞瑶.中国水资源与农业经济增长关系研究基于面板VAR 模型J.中国人口资源与环境，2012（1） 作者简介： 刘露（1973-） ，女，天津人，管理学博士，副教授，研究方向：城市交通管理、行政区经济与管理等。
