中国能耗模式演变及其对经济发展的影响

doi:10.18402/resci.2021.01.10

摘要/Abstract

摘要：

基于投入-产出理论,本文主要利用差异化的能源库兹涅茨曲线（EKC）来分析中国能耗模式演变及其对经济发展的影响,从而确定二者在不同阶段、类型的量化关系。结果发现：①中国能耗模式整体上经历了高能耗低增长—高能耗高增长—低能耗高增长的演变过程,但省（区、市）间时空差异明显,形成差异化的能源库兹涅茨曲线,大致分成6种演变类型;②各省（区、市）EKC起点不同,且演变过程中拐点的经济发展水平越高,能源强度越低,部分省（区、市）EKC存在明显的理论偏差,呈现出变异的EKC演变轨迹;③1953年以来,能源消耗仍然是推动中国经济发展的主导因素,但技术进步作用不断加强。目前,在能源消耗和技术进步的影响下,中国形成了低能耗高增长消费模式,但技术进步贡献率还不明显。未来,技术进步所带来的经济增长效应将逐渐扩大,而能源消耗所带来的经济增长效应将保持在稳定状态。

关键词: 能耗模式, 经济发展方式, 能源库兹涅茨曲线, 影响机制, 中国

Abstract:

This study used differentiated energy Kuznets curve (EKC) to analyze the change of energy consumption pattern in provinces of China’s mainland and its impact on economic development, in order to determine the quantitative relationship in different stages. The main conclusions are as follows: (1) China’s energy consumption and economic growth changed from high energy consumption and low growth to high energy consumption and high growth, and to low energy consumption and high growth, but there are large spatial and temporal differences in various provinces, forming a differentiated EKC, which can be roughly divided into six types; (2) The starting points of EKC in different provinces and regions in China are different. The higher the economic development level of the turning point in the process, the lower the energy consumption intensity, and the EKC in some provinces clearly deviated from theoretical estimation, showing differentiated trajectories of EKC change; (3) Since 1953, energy consumption has been the dominant factor driving China’s economic development, but the role of technological progress continues to strengthen. In general, the low-energy and high-growth pattern was formed under the influence of energy consumption and technological progress, and technological progress’s contribution rate is currently low. In the future, the economic growth brought about by technological progress will gradually expand, and the economic growth due to energy consumption will remain stable.

Key words: energy consumption pattern, economic development model, energy Kuznets curve, mechanism of influence, China

赵娜娜, 王志宝, 李鸿梅. 中国能耗模式演变及其对经济发展的影响[J]. 资源科学, 2021, 43(1): 122-133.

ZHAO Nana, WANG Zhibao, LI Hongmei. Change of energy consumption pattern and its impact on economic development in China[J]. Resources Science, 2021, 43(1): 122-133.

图/表 18

表1

表2

EKC拐点划分标准"

等级	$人均 GDP 能源强度$	人均GDP/（元/人）	能源强度/（t标准煤/万元）	GDP增长率/%
低等	<100	<1200	<8	<6.5
中等	100~400	1200~2000	—	—
高等	>400	>2000	>8	>6.5

表2

表3

图1

图2

图3

图4

表4

EKC分类表"

EKC类型	省（区、市）	解释
I类（无明显转折过程）	河南、广西、福建、重庆	随着经济水平的提高,能源强度呈现持续下降趋势,EKC起点差异较大,没有出现转折过程。EKC拐点可能出现在研究时段之前或者省（区、市）的整个发展过程没有转折
II类（低等经济水平、高等能耗水平转折）	内蒙古、贵州、甘肃、新疆	EKC起点的经济水平较低、能源强度偏高,出现明显拐点或部分转折过程,单位能耗的峰值均出现在人均GDP不足1200元/人时,此时的能源强度均超过8.00 t标准煤/万元
III类（低等经济水平、低等能耗水平转折）	湖南、云南、陕西、四川、安徽、江西	EKC起点的经济水平较低、能源强度较低,研究时段内出现了部分的转折过程。6省区出现能源强度峰值时的人均GDP都在1200元/人以下,能源强度峰值也均在8.00 t标准煤/万元以下
IV类（中等经济水平、高等能耗水平转折）	河北、山西、吉林、黑龙江、青海、宁夏、辽宁	EKC起点的经济水平较之前3类有所升高、能源强度偏高,除山西没有出现明显转折过程一直呈现下降趋势以外,其余6省区的EKC均随经济发展呈现先增加后减小的趋势。转折时的人均GDP约在1200~2000元/人范围内,只有辽宁的人均GDP在2500元/人左右,能源强度均在8.00 t标准煤/万元以上
V类（中等经济水平、低等能耗水平转折）	山东、湖北	EKC起点的经济水平稍高于之前4类、能源强度较低,出现明显的拐点,能源强度水平随经济发展先增加后减小。出现峰值时的人均GDP在1500元/人左右,能源强度在5.50 t标准煤/万元左右,属于中等经济水平、低等能耗水平转折
VI类（高等经济水平、低等能耗水平转折）	北京、天津、上海、江苏、浙江、广东	EKC起点的经济水平较高、能源强度较低,出现明显拐点,其中,江苏、浙江、广东在出现能源强度峰值时的人均GDP在2000元/人左右,而北京、天津、上海拐点的人均GDP在3000元/人以上

表4

图5

表5

表6

表7

表8

表9

中国各省（区、市）生产函数"

规模报酬类型	主导因素	EKC类型	C-D生产函数
递增	能源?技术	中国	$Y = 2.545 U E 0.362 T E 0.767 L - 0.129$
递增	能源?技术	I类 II类 III类	$Y = 2.620 U E 0.203 T E 0.849 L - 0.052$ $Y = 1.692 U E 0.268 T E 0.787 L - 0.055$ $Y = 3.062 U E 0.340 T E 0.745 L - 0.085$
	能源> 技术	V类	$Y = 4.442 U E 0.422 T E 0.685 L - 0.107$
	能源≈ 技术	VI类	$Y = 9.043 U E 0.547 T E 0.542 L - 0.089$
递减	能源?技术	IV类	$Y = 2.849 U E 0.258 T E 0.726 L 0.016$

表9

图6

表10

图7

图8

参考文献 25

[1]	严翔, 成长春, 易高峰, 等. 长江经济带城镇化对能源消费的经济门槛效应[J]. 经济地理, 2019,39(1):73-81.
	[ Yan X, Cheng C C, Yi G F, et al. Economic threshold effect of urbanization on energy consumption: Take the Yangtze River economic zone as an example[J]. Economic Geography, 2019,39(1):73-81.]
[2]	Shahbaz M, Lean H H. Does financial development increase energy consumption? The role of industrialization and urbanization in Tunisia[J]. Energy Policy, 2012,40:473-479. doi: 10.1016/j.enpol.2011.10.050
[3]	周敏, 谢莹莹, 孙叶飞, 等. 中国城镇化发展对能源消费的影响路径研究: 基于直接效应与间接效应视角[J]. 资源科学, 2018,40(9):1693-1705. doi: 10.18402/resci.2018.09.01
	[ Zhou M, Xie Y Y, Sun Y F, et al. Study on the influence path of China’s urbanization development on energy consumption based on direct and indirect effect perspective[J]. Resources Science, 2018,40(9):1693-1705.] doi: 10.18402/resci.2018.09.01
[4]	谢品杰, 穆卓文. 中国省际能源尾效及其影响因素[J]. 资源科学, 2019,41(5):847-859. doi: 10.18402/resci.2019.05.03
	[ Xie P J, Mu Z W. Measurement and influencing factors of the growth drag of energy in China[J]. Resources Science, 2019,41(5):847-859.] doi: 10.18402/resci.2019.05.03
[5]	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, 2005,15(2):38-41.
	[ Zhang X P. Temporal-spatial characteristics of energy consumption in China and its determinants since the 1990s[J]. China Population, Resources and Environment, 2005,15(2):38-41.]
[6]	何则, 杨宇, 宋周莺, 等. 中国能源消费与经济增长的相互演进态势及驱动因素[J]. 地理研究, 2018,37(8):1528-1540. doi: 10.11821/dlyj201808005
	[ He Z, Yang Y, Song Z Y, et al. The mutual evolution and driving factors of China’s energy consumption and economic growth[J]. Geographical Research, 2018,37(8):1528-1540.]
[7]	吴玉鸣, 李建霞. 中国省域能源消费的空间计量经济分析[J]. 中国人口·资源与环境, 2008,18(3):93-98.
	[ Wu Y M, Li J X. Spatial econometric analysis of energy consumption of Chinese provinces[J]. China Population, Resources and Environment, 2008,18(3):93-98.]
[8]	周彦楠, 何则, 马丽, 等. 中国能源消费结构地域分布的时空分异及影响因素[J]. 资源科学, 2017,39(12):2247-2257. doi: 10.18402/resci.2017.12.04
	[ Zhou Y N, He Z, Ma L, et al. Spatial and temporal differentiation of China’s provincial scale energy consumption structure[J]. Resources Science, 2017,39(12):2247-2257.] doi: 10.18402/resci.2017.12.04
[9]	Zhang X H, Wu L Q, Zhang R. Evaluating the relationships among economic growth, energy consumption, air emissions and air environmental protection investment in China[J]. Renewable and Sustainable Energy Reviews, 2013,18:259-270. doi: 10.1016/j.rser.2012.10.029
[10]	Herrerias M J, Joyeux R, Girardin E. Short-and long-run causality between energy consumption and economic growth: Evidence across regions in China[J]. Applied Energy, 2013,112:1483-1492. doi: 10.1016/j.apenergy.2013.04.054
[11]	鄢琼伟, 陈浩. GDP与能源消费之间的关系研究[J]. 中国人口·资源与环境, 2011,21(7):13-19.
	[ Yan Q W, Chen H. Research on the relationship between GDP and energy consumption[J]. China Population, Resources and Environment, 2011,21(7):13-19.]
[12]	杨文培, 束加稳, 王昕, 等. 杭州市能源: 经济关系分析与节能促进机制研究[J]. 生态经济, 2017,33(6):33-37.
	[ Yang W P, Shu J W, Wang X, et al. Hangzhou energy-economic analysis and research on the energy-saving promotion mechanism[J]. Ecological Economy, 2017,33(6):33-37.]
[13]	李艳梅, 张雷. 中国能源消费增长原因分析与节能途径探讨[J]. 中国人口·资源与环境, 2008,18(3):83-87.
	[ Li Y M, Zhang L. Reason analysis of energy consumption increase and discussion of energy saving approach[J]. China Population, Resources and Environment, 2008,18(3):83-87.]
[14]	岳立, 宋雅琼, 江铃峰. “一带一路”国家能源利用效率评价及其与经济增长脱钩分析[J]. 资源科学, 2019,41(5):834-846. doi: 10.18402/resci.2019.05.02
	[ Yue L, Song Y Q, Jiang L F. National energy efficiency of countries in the“Belt and Road”region and its decoupling from economic growth[J]. Resources Science, 2019,41(5):834-846.] doi: 10.18402/resci.2019.05.02
[15]	王帅. 中国能源使用绿色化、碳排放与经济增长的关系研究[J]. 软科学, 2020,34(10):7-11.
	[ Wang S. Research on the relationship between China’s energy use greenization, carbon dioxide emissions and economic growth[J]. Soft Science, 2020,34(10):7-11.]
[16]	王霞, 张丽君, 秦耀辰, 等. 中国高碳制造业碳排放时空演变及其驱动因素[J]. 资源科学, 2020,42(2):323-333.
	[ Wang X, Zhang L J, Qin Y C, et al. Spatiotemporal changes of carbon emissions in high-carbon manufacturing industry in China and driving factors[J]. Resources Science, 2020,42(2):323-333.]
[17]	王少剑, 苏泳娴, 赵亚博. 中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素[J]. 地理学报, 2018,73(3):414-428. doi: 10.11821/dlxb201803003
	[ Wang S J, Su Y X, Zhao Y B. Regional inequality, spatial spillover effects and influencing factors of China’s city-level energy-related carbon emissions[J]. Acta Geographica Sinica, 2018,73(3):414-428.]
[18]	关伟, 金一. 中国能源利用、经济增长演进对生态环境的脉冲响应[J]. 经济地理, 2020,40(2):31-40.
	[ Guan W, Jin Y. Analysis of the impulse response of China’s energy utilization and economic growth to the ecological environment[J]. Economic Geography, 2020,40(2):31-40.]
[19]	Kuznets S. Economic growth and income inequality[J]. American Economic Review, 1955,45(1):1-28.
[20]	Wang Z B, Bu C, Li H M, et al. Seawater environmental Kuznets curve: Evidence from seawater quality in China’s coastal waters[J]. Journal of Cleaner Production, 2019,219(5):925-935.
[21]	Wang Z B, Zhao N N, Wei W D, et al. A differentiated energy Kuznets curve: Evidence from mainland China[J]. Energy, 2021,214:118942.
[22]	中华人民共和国国家统计局. 新中国60年统计资料汇编[M]. 北京: 中国统计出版社, 2010.
	[ National Bureau of Statistics of People’s Republic of China. China Compendium of Statistics 1949-2008[M]. Beijing: China Statistics Press, 2010.]
[23]	中华人民共和国国家统计局. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 1990-2017.
	[ National Bureau of Statistics of People’s Republic of China. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 1990-2017.]
[24]	中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 1990-2018.
	[ National Bureau of Statistics of People’s Republic of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 1990-2018.]
[25]	白泉. 国外单位GDP能耗演变历史及启示[J]. 中国能源, 2006, (12):10-14.
	[ Bai Q. Evolving history of oversea energy intensity per GDP and its revelation[J]. Energy of China, 2006, (12):10-14.]

类型	能源强度/ （t标准煤/万元）	GDP增长率/%	类型含义
高能耗高增长	≥1	≥6.5	利用能源的大量消耗换取经济高速发展
高能耗低增长	≥1	<6.5	能源大量消耗但经济发展较慢
低能耗高增长	<1	≥6.5	技术发展降低能源强度,经济快速发展
低能耗低增长	<1	<6.5	能源强度较低,经济发展稳定

有无拐点	拐点的经济、能耗水平	类型
无明显转折过程		I类
有明显转折过程	低等经济水平,高等能耗水平	II类
	低等经济水平,低等能耗水平	III类
	中等经济水平,高等能耗水平	IV类
	中等经济水平,低等能耗水平	V类
	高等经济水平,低等能耗水平	VI类
	高等经济水平,高等能耗水平	Ⅶ类

年份	高能耗低增长	高能耗高增长	低能耗高增长	低能耗低增长
1990	广东、浙江、福建、江苏、上海、安徽、湖北、山东、北京、湖南、四川、河南、陕西、天津、河北、青海、山西、贵州、吉林、甘肃、宁夏、黑龙江、内蒙古	广西、江西、云南、重庆、辽宁、新疆	-	-
1995	-	北京、天津、河北、山西、辽宁、吉林、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、黑龙江、内蒙古	-	-
2000	-	北京、天津、河北、山西、辽宁、吉林、上海、安徽、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、江苏、黑龙江、内蒙古	浙江、福建、山东、广东	-
2005	-	天津、河北、山西、辽宁、吉林、安徽、江西、山东、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、黑龙江、内蒙古	北京、上海、江苏、浙江、福建、广东	-
2010	-	河北、山西、河南、湖南、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、内蒙古、黑龙江	北京、天津、辽宁、吉林、上海、江苏、浙江、安徽、福建、江西、山东、湖北、广东、广西、重庆	-
2015	山西	河北、甘肃、青海、宁夏、新疆、内蒙古	北京、天津、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、陕西	辽宁、吉林、黑龙江

序列	检验形式（c, t, q）	T统计量	临界值	P值	结论
lnE	（c, t, 1）	-3.476	-3.183*	0.054	不平稳
△lnE	(c, 0, 0)	-3.750	-3.574***	0.006	平稳
lnT	（0, 0, 9）	-0.429	-1.612*	0.522	不平稳
△lnT	（c, t, 3）	-7.637	-4.176***	0.000	平稳
lnM	（c, 0, 1）	0.284	-2.600***	0.975	不平稳
△lnM	（c, 0, 0）	-3.519	-2.924**	0.012	平稳

协整关系假设	特征值	迹统计量	5%临界值	P值
没有	0.387	45.702	35.193	0.003
至多一个	0.283	22.714	20.262	0.023
至多两个	0.140	7.106	9.165	0.121