中國工業行業能源強度異質性特征診斷及其影響機制的實證研究

周建 陳娟

摘要：本文采用動態面板數據診斷理論對中國工業行業能源強度異質性特征進行診斷，在此基礎上重新歸類出無異質性差異的工業行業，并對其行業能源強度影響機制進行實證檢驗，結果發現：在所采用的中國37個工業行業中，有6個行業能源強度存在著顯著的異質性差異，其余的31個行業可以由共同一致的動態面板模型進行理論分析和實證檢驗，由此可見，如果不加區別地簡單將中國所有工業行業組合在一起進行能源強度的理論機制分析將會產生錯誤的研究結論；消除異質性工業行業對中國工業能源強度的理論機制分析的干擾后，經濟變量的動態慣性、行業經營情況、科技研發水平、行業結構以及行業規模對工業行業能源強度具有顯著影響。

關鍵詞：工業行業；產業政策；能源強度；異質性；動態面板模型

中圖分類號：F015 文獻標識碼：A

一、引言

近十年以來，得益于經濟的高速增長，人民生活水平普遍提高，但大眾對于提升生活質量的訴求與生活環境不斷惡化（如時常超過警戒線的霧霾指數）相互背離。降低能源消耗已經成為我國經濟長期可持續發展的重要途徑和目標。在這種現實背景下，“十一五”和“十二五”特別強調將節能減排作為政府工作的重心，并依據節能減排的完成情況制定了嚴格的獎懲標準。具體來看，“十一五”時期要求我國單位GDP能耗（簡稱能源強度，能源強度越高意味著能源效率越低）降低20%，“十二五”時期要求單位GDP能耗降低16%。于是，各級政府紛紛加大對高耗能行業的監測、管理力度和對高耗能企業的整改、懲罰力度。

對能源強度的研究隨著數據的完善，逐漸從以國家能源強度作為研究對象的宏觀層面，轉到以省際能源強度為研究對象的中觀層面，再到以行業為研究對象的較微觀層面（已有的公開數據沒有企業能耗的數據，致使以企業為研究對象的微觀層面研究難以開展）。因此，目前與能源強度有關的實證研究可分為三類：第一類以全國能源強度為研究對象。杭雷鳴和屠梅曾（2006）分析了能源價格對能源強度的影響；Yuan et al （2008） 研究了我國產出增長和能源消費及分類能源消費之間的關系，發現經濟增長和能源消費之間的因果關系在短期和長期上表現不同；樊茂清等（2010）認為技術變化、要素替代、貿易、一次能源結構和部門結構變化是引起能源強度變化的重要因素；邵帥等（2013）在能源效率內生化條件下，利用時變參數狀態空間模型測算了我國宏觀經濟的長短期回彈效應，發現改革開放前能源回彈效應總體上表現為逆反效應，而改革開放期間則表現為部分回彈效應。第二類以省份、區域能源強度為研究對象。張賢和周勇（2007）采用空間回歸模型在省際層面分析了FDI對能源強度的影響；齊紹洲等（2007）通過分析1995-2002年我國西部和東部省份的能源消費強度差異與人均GDP差異之間的關系，發現東部地區與西部地區的人均GDP差異存在收斂關系，而且隨著人均GDP差異的收斂，西部與東部地區的能源消費強度差異也是收斂的；吳巧生等（2008）選取我國各省1986-2005年的數據，運用面板模型重新檢驗我國能源消費和GDP的關系，結果發現：從長期來看，我國總體存在能源消費與GDP的雙向因果關系，但東部地區只存在從能源消費到GDP的單向因果關系，而中西部地區則存在從GDP到能源消費的單向因果關系；就短期而言，我國總體及東西部地區的能源消費與GDP無因果關系，而中部地區則存在能源消費和GDP之間的雙向因果關系；俞毅（2010）通過我國省級面板數據的實證發現，當GDP總量超過一定的門限值時，能源消耗所導致的廢氣排放就會越高，污染就會越嚴重；GDP超過門限值的省份大多集中于我國的東部發達地區，中部次之，西部最少；Herreriasel （2013）分析我國28個省域1985-2008年的數據發現，外商投資和民間投資在降低能源強度上發揮了主導作用，而國有投資在降低能源強度上卻沒起到正向引導作用。第三類以工業行業能源強度為研究對象。例如李未無（2008）分析了1999-2005年我國35個工業行業的能源效率與對外開放的關系，結果支持對外開放能提高能源效率；孔婷等（2008）運用1995-2005年的數據分析了制造業24個重要行業的能源價格與能源強度的關系，結果表明，對大多數行業，能源價格的提升并未明顯降低能源強度，能源價格對于技術進步對能源強度影響的調節效應不顯著，能源價格的調節效應更多地表現為促進能源消費結構轉化來降低行業能源強度；郝新東（2011）運用我國工業36個行業1999-2009年的面板數據，選取工業行業的主營業務成本和主營業務收入兩個變量來解釋工業行業能源強度的變化情況；滕玉華（2011）運用1998-2007年我國工業32個行業面板數據，研究了自主研發、國外技術引進、國內技術轉移、能源相對價格、FDI 的進入程度和工業內部行業結構等因素對行業能源強度的影響；咼小明和張宗益（2012）對1985-2008年我國交通運輸業能源強度的影響因素進行了實證分析；李鍇和齊紹洲（2013）運用1999-2008年我國36個工業行業的面板數據，分析了FDI影響中國工業能源效率的傳導渠道。

以上三大類研究在運用計量模型分析省份、區域、行業能源強度時，都默認所選取的省份、區域、行業具有相同的斜率參數（截距參數可因面板模型的基本設定表現為不相同的個體異質性），但這樣的設定顯然不合理。以高耗能的工業行業為例，其下屬的37個子行業發展不均衡，國家行業政策扶持傾向不一致且各行業基本屬性（勞動密集型或資本密集型、重工業或輕工業等）差異度較大，如果簡單將37個行業進行平均意義上的回歸分析沒有太多的實際意義。因此，在理論分析和實證檢驗時，如果不事前經過細致診斷研究就簡單地將所有工業行業組織在一起進行建模分析，將得到有偏誤甚至是錯誤的研究結論。針對這一問題，本文將從行業的角度來進行中國工業行業的能源強度影響因素分析，具體研究兩個密切相關的問題：（1）中國工業行業的能源強度是否存在異質性差異？如果存在，哪些行業存在？對這個問題的研究，本文將以中國工業行業2001-2011年所組成的面板數據為研究對象，采用動態面板數據診斷理論對其能源強度異質性特征進行檢驗，以便識別出中國工業行業能源強度的差異性規律，從而為深刻認識和分析中國工業能源強度的理論決定機制提供重要的基礎和前提性保障。（2）在第一個問題研究基礎上，本文將重新歸類出經過理論分析和實證檢驗的無異質性差異的工業行業，并基于這些具有一致性參數形成機制的行業對中國工業行業能源強度影響因素進行分析。

二、工業行業能源強度特征描述

本文之所以選擇工業行業下屬的37個子行業作為研究對象①，一是因為“十一五”《單位GDP能耗監測體系實施方案》中要求對主要耗能行業節能降耗進展情況進行監測，其中，主要耗能行業包括煤炭、鋼鐵、有色、建材、石油、化工、火力發電、造紙、紡織等，而這些行業屬于工業行業的范疇，即高耗能行業主要集中在工業行業；二是因為我國現有關于能源消耗的統計數據包括全國能耗數據、省級能耗數據以及兩位代碼行業的能耗數據，因此工業行業下屬的37個子行業能耗數據是目前能收集到的在行業層面最微觀的數據。

若要在行業層面測算單位增加值能耗，需要各行業的工業增加值數據，而現實情況卻是從2008年開始我國統計局不匯報工業增加值的數據，僅匯報工業總產值，依據現有數據無法測算工業行業在2008年以后的單位增加值能耗，故我們選擇構建單位工業總產值能耗指標來進行分析。

仿照能源強度的定義（單位GDP的能源消耗總量），我們將行業能源強度定義為：

行業能源強度=行業能源消費總量/行業工業生產總值

其中，工業生產總值用分行業工業品出廠價格指數（PPI）進行平減處理計算得出。

表1所列的是2005年與2010年各行業能源強度，以及2010年能源強度相對2005年下降的幅度。可以看出，行業能源強度總體呈現下降趨勢，即隨著時間推移，各行業能源效率提高了，其中有15個工業行業的能源強度下降幅度超過50%。進一步，以“十一五”規劃提出的2010年單位GDP能耗比2005年降低20%為參考值，我們發現有三個行業的單位生產總值能耗降幅小于20%，分別是石油和天然氣開采業，石油加工、煉焦及核燃料加工業，水的生產和供應業，它們的能源強度分別下降4%、9%和12%。燃氣生產和供應業、黑色金屬礦采選業、非金屬礦采選業三個行業能源強度下降幅度最大，分別下降73%、67%、67%。由此可見，雖然中國工業行業的能源強度都出現了一定程度的下降，但是下降幅度和趨勢在行業之間存在著一定程度的差異性特征，不能簡單地將所有行業組合在一起作為樣本來進行中國工業能源強度的理論機制分析。

三、工業行業異質性特征的統計診斷

綜合了截面數據和時間序列數據雙重優勢的面板數據不僅能體現變量在時間維度上的變化趨勢，而且還能體現變量在個體維度上的差異性，從而可以顯示總體數據所隱藏的個體差異性?，F有以能源強度面板數據為研究對象的文獻一般采用靜態面板模型，沒有考慮經濟變量的動態變化特征，然而在經濟系統中，當期的決策往往會受到前期決策的影響，忽略經濟變量的慣性特征可能出現遺失變量的問題致使回歸結果不可靠。因此，在實證分析中采用動態面板模型比靜態面板模型更具有一般性、穩健性。故本文采用動態面板模型分析中國工業行業的異質性特征和理論機制。在行業異質性特征診斷的基礎上，本文將從動態慣性、行業經營情況、科技研發水平、行業結構和行業規模五個方面對行業能源強度的影響因素進行分析。

（一）變量選取與數據來源

本文以2001-2011年37個工業行業的能源強度為研究對象，選取的變量如下：

單位工業總產值能耗（萬噸標準煤/億元，變量名為eiit），代表行業能源強度；

上一期單位工業總產值能耗（變量名為eiit-1），代表經濟變量動態慣性；

行業規模以上工業企業工業總產值（億元，變量名為igv），代表企業經營狀況；

行業規模以上工業企業的研究與試驗發展支出（R&D）（萬元，變量名為rd）、有效發明專利數（項，變量名為paten），代表科技研發水平；

國有及國有控股工業企業總產值占規模以上工業企業總產值的比重（國資產值比重，變量名為sown）、外商投資和港澳臺商投資工業企業總產值占規模以上工業企業總產值的比重（外資產值比重，變量名為sf），代表行業結構②；

行業規模以上工業企業的企業單位數（個，變量名為inum）、全部從業人員年均人數（萬人，變量名為labor），代表行業規模。

工業總產值和R&D數據經過數據平減處理。數據來源于《中國統計年鑒》、《中國科技統計年鑒》、《中國工業統計年鑒》和《中國能源統計年鑒》。

（二）行業離散程度分析

在實證中為避免異常數據對整體回歸結果的影響，常用的方法是刪除最大、最小5%的極端數據。為了衡量行業數據的極端程度，我們分別計算了37個工業行業的8個變量（ei、igv、rd、paten、sown、sf、inum和labor）的變異系數，再對每一個變量的變異系數按37個行業降序排序。定義單個變量的序數指標為rij（其中下標i代表行業，j代表變量，變異系數越大對應的rij越小，即數據離散程度越大），所有變量的序數指標為Ri（Ri=∑8j=1rij，i=1，…，37），Ri越小代表行業總體相對變異程度越大。行業總體變異程度由大到小的順序排列見表2。

從表2可以看出，石油加工、煉焦及核燃料加工業，紡織服裝、鞋、帽制造業，飲料制造業，電氣機械及器材制造業，石油和天然氣開采業等行業的數據整體離散程度較大。數據變異程度排序靠前的那些行業是異質性行業的可能性相對更大，在節能減排過程中可能表現出不一樣的行為模式，但具體哪些行業具有異質性特征還需依靠更為嚴謹的統計診斷。下文采用個體異質性診斷統計量IPH對行業異質性做進一步分析。

（三）行業系數異質性診斷檢驗

根據IPH統計量服從χ2（T-1）分布，我們得到IPH在1%、5%和10%的顯著性水平下的臨界值，分別為χ2001（9）=209，χ2005（9）=333，χ201（9）=417。由表3可以看出，在1%和5%的顯著性水平下，有6個行業擁有異質斜率參數（在10%的顯著性水平下有5個行業擁有異質斜率參數），即交通運輸設備制造業，石油加工、煉焦及核燃料加工業，電氣機械及器材制造業，石油和天然氣開采業，電力、熱力的生產和供應業和飲料制造業具有各不相同的數據生成機制。因此，這6個行業能源強度有著其自身的異質性特征。由于樣本數據有限，每一個行業只有10年的數據，在數據量少的情況下做計量回歸分析難以準確得出影響系數，所以在后文中將不對這6個行業進行分析。

由表2可知，石油加工、煉焦及核燃料加工業，飲料制造業，電氣機械及器材制造業，石油和天然氣開采業，電力、熱力的生產和供應業、交通運輸設備制造業這6個行業的數據總體變異程度在37個行業分別位列第1、3、4、5、8和11位，故通過行業異質性診斷得出的6個異質性行業屬于數據總體相對離散程度較大的行業；但反過來看，數據離散程度較大的行業卻不一定拒絕IPH診斷統計量的原假設。

表4為IPH統計量的穩健性檢驗。我們把6個具有異質斜率參數的行業刪除，將剩下的31個具有相同斜率參數的行業作為一個整體重新計算每個行業的IPH統計量，可以發現在1%的顯著性水平下這31個行業都接受了參數同質性的假設，再次驗證了這31個行業具有相同的數據生成機制，適合用同系數動態面板模型進行分析。

四、參數回歸結果比較

在前文對中國工業行業異質性特征診斷基礎上，本文對具有一致性參數形成機制的31個工業行業進行能源強度的理論機制分析。

表5中M1、M2和M3為37個行業數據的回歸結果，M4、M5和M6為31個行業數據的回歸結果。其中，M1和M4對應的模型為動態面板模型，且出于穩健性的考慮同時對工業總產值（lnrigv）作了內生性處理，選取工業總產值的滯后值作為工具變量。 M2 、M3和M4、M5對應的模型都是不含能源強度動態項的普通面板模型，它們之間的區別在于M3和M6沒有考慮lnrigv的內生性問題。因此，對于模型M1和M4我們采用動態面板模型GMM估計，對于模型M2和M4我們采用面板數據模型IV估計方法，對于模型M3和M6我們采用面板固定效應模型的估計方法（FE）。

表5中M1和M4分別為37個和31個工業行業的動態面板模型的GMM估計的回歸結果。我們采用Pagan-Hall統計量檢驗含有內生變量的模型是否存在異方差，結果顯示M1和M4兩個模型的Pagan-Hall統計量都小于5%顯著性水平下的臨界值，接受擾動項不存在異方差的原假設；自相關檢驗采用Arellano-Bond統計量，其作用是檢驗動態面板模型的一階差分擾動項是否存在自相關，結果顯示M1和M4兩個模型的Arellano-Bond AR（1） 統計量都接受一階差分擾動項存在一階自相關的原假設，而Arellano-Bond AR（2） 統計量都拒絕一階差分擾動項具有二階自相關的原假設，因此可認為M1和M4兩個模型的擾動項不存在自相關。

由于M2、M3、M5和M6模型設定不同，因此在檢驗各個模型擾動項的異方差性和自相關性時，采取了不同的檢驗統計量，其中M2和M5的異方差檢驗采用Pagan-Hall統計量，M3和M6的異方差檢驗采用Modified Wald統計量； M2、M3、M5和M6的自相關檢驗均采用Wooldridge統計量。檢驗結果顯示M2、M3、M5和M6四個模型都存在異方差和自相關。由此可見，設定的模型若忽略了動態效應將會導致回歸結果缺乏可靠性和有效性。從回歸系數也可以發現，模型M2、M3、M5和M6的顯著性變量個數比M1和M4少，且部分變量的符號與M1和M4相反。

比較M1和M4兩個模型的參數回歸結果，可發現：（1）31個工業行業的能源強度動態項的系數比37個行業的系數小（由0652變為0424），而其他所有變量的系數卻變大了；（2）總體上來看，31個行業的工業總產值的回歸系數比37個行業的更顯著，尤其是31個行業的實際R&D和企業單位數這兩個變量的回歸系數是顯著的（其中，實際R&D的回歸系數在10%的顯著性水平下顯著，企業單位數的回歸系數在1%的顯著性水平下顯著），然而在37個行業中這兩個變量的回歸系數卻是不顯著的；（3）31個行業回歸的R2變大了（由0996變為0997），表明31個行業數據的動態面板模型擬合效果比37個行業數據更好，進一步說明個體異質性除了表現在不可觀測的截距項上，還可能表現在斜率系數上。

具體分析31個行業的回歸結果可發現：（1）工業行業能源強度具有正向動態慣性特征，上一期能源強度對于下一期具有顯著的正向影響，其彈性系數為0424，即上一期能源效率提高1%會使下一期能源效率提高0424%，但31個行業所表現出的動態效應弱于37個行業。（2）31個工業行業的產值規模效應強于37個行業的產值規模效應，31個工業行業的總產值提高1%可以使能源強度顯著降低0127%。（3）如果忽略了參數異質性，37個行業的數據不能支持R&D支出對提高行業能源效率具有正面作用，然而在考慮了參數異質性后，31個行業數據顯示R&D支出對提高行業能源效率起到顯著的正面作用，并且放大了這種作用。（4）作為具有科技實踐作用的有效專利數呈現出與R&D支出一樣的特征，各行業有效專利數增加可以有效提高行業能源效率。（5）行業結構對能耗強度具有顯著影響，綜合31個行業的數據表明國有及國有控股產值比重（lnsown），以及外商投資和港澳臺商投資產值比重（lnsf）對能源強度的平均影響為正。因此，適當降低國有及國有控股產值比重，增大外商投資和港澳臺商投資在能源強度較低行業的比重對降低工業行業能源強度具有正向作用。（6）從行業規模來看，行業內企業數量、行業平均從業人員數量與能源強度呈負相關關系。這表明，通過擴大行業內企業數量以及從業人員數量，形成行業規模效應和集聚效應可達到降低能源強度的效果。

五、結論及啟示

本文首次采用動態面板數據診斷理論對中國工業行業能源強度異質性特征進行了診斷，在此基礎上重新歸類出無異質性差異的工業行業，進一步對中國工業行業能源強度影響因素進行了實證檢驗，得到如下主要結論：（1）中國工業行業能源存在著顯著的異質性差異。在本文所采用的中國37個工業行業中，有6個行業（交通運輸設備制造業，石油加工、煉焦及核燃料加工業，電氣機械及器材制造業，石油和天然氣開采業，電力、熱力的生產和供應業和飲料制造業）能源強度存在著顯著的異質性差異，其余的31個行業可以由共同一致的動態面板模型進行理論分析和實證檢驗。這表明，在研究中國工業行業能源強度理論分析和影響機制時，如果簡單地像已有文獻那樣將已有的37個能源行業直接合并在一起進行計量經濟建模處理，將會產生嚴重的計量分析偏誤，從而得到不準確甚至是錯誤的能源經濟政策研究結論。（2）動態面板模型的回歸殘差接受了擾動項同方差和沒有自相關的原假設，而非動態面板模型不能接受以上原假設，表明動態面板模型在擬合工業行業數據時效果好于非動態面板模型。比較37個行業和31個行業的動態面板回歸結果可發現，31個工業行業的能源強度動態項的系數比37個行業的系數小，但是31個工業行業對應的其他變量的回歸系數變大了；31個行業的工業總產值的回歸系數比37個行業的更顯著，同時31個行業的R2也增大了（由0996變為0997），進一步說明個體異質性除了表現在不可觀測的截距項上，還可能表現在斜率系數上。（3）對具有一致性參數形成機制的31個工業行業的動態面板數據實證分析表明，經濟變量的動態慣性、行業經濟狀態、科技研發水平、行業結構以及行業規模對工業行業能源強度都具有顯著影響。

上述結論啟示我們：經濟變量的自調整過程使得行業能源強度具有下降的傾向；工業行業的產值規模效應將引發行業能源強度的降低；代表科技水平的R&D支出和有效專利數對降低行業能源強度具有正面影響，應適當提高研發投入較少的工業行業的R&D支出；適當降低國有及國有控股產值比重，增大外商投資和港澳臺商投資在能源強度較低行業的比重對降低工業行業能源強度具有正向作用；31個工業行業應當進一步整合資源，形成有適度企業數量和就業人數等合理規模的行業狀態是降低能源強度的重要途徑。

注釋：

① 工業行業下屬39個子行業，由于其他采礦業、廢棄資源和廢舊材料回收加工業缺失了太多數據，因此本文分析工業行業的能源強度基本特征以及行業異質性診斷和影響因素分析時不考慮這兩個行業。又由于分行業出廠價格指數只能追溯到2001年，因此本文采用的數據的時間維度從2001年開始。

② 由于缺乏2001-2004年私營工業企業總產值數據，因此沒有私營工業企業總產值比重這一變量。

參考文獻：

[1] 樊茂清，任若恩，陳高才.技術變化、要素替代和貿易對能源強度影響的實證研究[J].經濟學（季刊），2010（1）：237-258.

[2] 郝新東.中國工業能源消耗強度的效益分析——以36個工業行業面板數據為例[J].經濟問題探索，2011（8）：43-47.

[3] 杭雷鳴，屠梅曾.能源價格對能源強度的影響——以國內制造業為例[J].數量經濟技術經濟研究，2006（12）：93-100.

[4] 孔婷，孫林巖，何哲，等.能源價格對制造業能源強度調節效應的實證研究[J].管理科學，2008（3）：2-8.

[5] 李未無.對外開放與能源利用效率：基于35個工業行業的實證研究[J].國際貿易問題，2008（6）：7-15.

[6] 李鍇，齊紹洲.FDI影響中國工業能源效率的傳導渠道分析——基于水平、前向和后向關聯[J].中國地質大學學報：社會科學版，2013（4）：27-33.

[7] 齊紹洲，羅威.中國地區經濟增長與能源消費強度差異分析[J].經濟研究，2007（7）：74-81.

[8] 邵帥，楊莉莉，黃濤.能源回彈效應的理論模型與中國經驗[J].經濟研究，2013（2）.

[9] 滕玉華.自主研發、技術引進與能源消耗強度——基于中國工業行業的實證分析[J].中國人口·資源與環境，2011（7）：169-174.

[10]咼小明，張宗益.我國交通運輸業能源強度影響因素研究[J].管理工程學報，2012（4）：90-99.

[11]吳巧生，陳亮，張炎濤，成金華.中國能源消費與GDP關系的再檢驗——基于省際面板數據的實證分析[J].數量經濟技術經濟研究，2008（6）：27-40.

[12]俞毅.GDP增長與能源消耗的非線性門限——對中國傳統產業省際轉移的實證分析[J].中國工業經濟，2010（12）：57-65.

[13]張賢，周勇.外商直接投資對我國能源強度的空間效應分析[J].數量經濟技術經濟研究，2007（1）：101-108.

[14]Bun，Maurice J.G.and Kiviet，Jan F. The Accuracy of Inference in Small Samples of Dynamic Panel Data Models.Tinbergen Institute Discussion Paper，2011.

[15]Herrerias ，M.J. and Cuadros，A.，V.Orts. Energy intensity and investment ownership across Chinese provinces[J].Energy Economics，2013，36：286-298.

[16]Yuan ，J.H.and Kang ，J.G.and Zhao ，C.H.and Hu，J.G. Energy consumption and economic growth： Evidence from China at both aggregated and disaggregated levels[J].Energy Economics，2008，30：3077-3094.

[17]Zhou，J.，Chen ，J.and Zhang，D.Y. A Method to Diagnose Individual Parametric Heterogeneity with Dynamic Panel Data Models ，Working paper，2014.

Abstract：Based on testing heterogeneity of China′s industrial energy intensity by using diagnosis theory of dynamic panel data， this paper reclassifies the industries without heterogeneity and makes empirical analysis of industrial energy intensity， and then we obtain the following conclusions. Firstly， 6 in 37 industries have significant heterogeneity of energy intensity， therefore the rest of the 31 industries can be theoretically analyzed and empirically tested by the same dynamic panel model. Thus， we will obtain the wrong conclusions if we analyze energy intensity by using all industrial data without classification. After eliminating the interference of the heterogeneity industry on theoretical mechanism analysis of China′s industrial energy intensity， the inertial of economic variable， industrial state of operation， technology level， industrial structure and industrial scale have significant influence on energy intensity.

Key words：industry； industrial policy； energy intensity； heterogeneity； dynamic panel model

（責任編輯：張曦）