長江經(jīng)濟帶能源生態(tài)足跡空間效應分析—基于區(qū)域分工視角

周 倩,余興厚,李文華,汪亞美

(重慶工商大學 a.經(jīng)濟學院;b.學術(shù)期刊社;c.長江上游經(jīng)濟研究中心,重慶 400067)

1 引言

生態(tài)足跡主要是以生物生產(chǎn)性土地面積測度人類活動所產(chǎn)生的自然資源消費狀況[1]，而能源生態(tài)足跡(Energy Ecological Footprint,EEF)作為生態(tài)足跡的衍生概念,通過將能源消耗折算成生物生產(chǎn)性土地面積,進而描述和分析區(qū)域經(jīng)濟發(fā)展過程中能源消耗對環(huán)境產(chǎn)生的壓力[2]。據(jù)《地球生命力報告·中國2015》顯示,2010年我國人均生態(tài)足跡為2.2全球公頃(ghm2),是我國生物承載力的兩倍,形成了嚴重的生態(tài)足跡赤字。

目前,長江經(jīng)濟帶已經(jīng)上升為我國東部、中部、西部互動合作的協(xié)調(diào)發(fā)展示范帶,已成為我國綜合實力最強、戰(zhàn)略支撐作用最大的區(qū)域之一[3]。長江經(jīng)濟帶內(nèi)的各省市在發(fā)展過程中匯聚了以裝備制造、化工等領(lǐng)域為代表的一大批工業(yè)企業(yè),因此它在成為全國工業(yè)增加值主要貢獻地的同時也成為能源消耗與溫室氣體排放的主體[4]。在長江經(jīng)濟帶省域間綠色發(fā)展、戰(zhàn)略統(tǒng)籌思想的指導下,如何在工業(yè)化的發(fā)展過程中基于自身發(fā)展特點以探究減少能源生態(tài)足跡赤字的影響因素,對長江經(jīng)濟帶實現(xiàn)可持續(xù)發(fā)展、推動經(jīng)濟轉(zhuǎn)向和高質(zhì)量增長具有十分重要的指導意義。

2 文獻綜述

生態(tài)足跡概念由里斯于20世紀90年代初提出,該指標將每個人消耗的資源折合成全球統(tǒng)一的生物生產(chǎn)性土地面積,從而衡量人類活動對環(huán)境的影響,可操作性強[5]。針對生態(tài)足跡的研究,國外學者做了許多有益的探索,大致可分為:①生態(tài)足跡的影響因素探究。如Rudolph A、Figge L[6]將生態(tài)足跡作為人類生態(tài)需要的代理變量,認為全球化會導致生態(tài)足跡的生產(chǎn)與消費下降;Rashid A等[7]通過對巴基斯坦某城市的問卷調(diào)查分析,得出城鎮(zhèn)人口與生態(tài)足跡的正相關(guān)結(jié)論。②生態(tài)足跡計算方法的修正。Jóhannesson S E等[8]對傳統(tǒng)的生態(tài)足跡計算方法進行了修正,并利用面積較小而專業(yè)化水平較高的冰島數(shù)據(jù)進行試算。③擴展生態(tài)足跡的研究對象與作用。Lin W等[9]將生態(tài)足跡延伸至旅游生態(tài)足跡;Phumalee U等[10]認為可將人均旅游生態(tài)足跡作為評估旅游業(yè)可持續(xù)性發(fā)展的指標;Costa I等[11]將生態(tài)足跡運用于葡萄牙的紡織業(yè),指出生態(tài)足跡可作為生產(chǎn)過程中能源效率的量化工具之一。國內(nèi)針對生態(tài)足跡的研究大致可分為維度、應用模型和研究對象三方面:一是將生態(tài)足跡研究維度由二維擴展至三維[12-14]。二是應用模型開始考慮空間影響。隨著經(jīng)濟地理學的興起,近年來不少學者開始考慮各省域的生態(tài)足跡空間交互效應,并用空間計量模型進行實證分析[15,16]。三是基于研究對象的不同,逐漸衍生出水足跡、能源生態(tài)足跡[17,18]。

梳理國內(nèi)外的相關(guān)研究,關(guān)于能源生態(tài)足跡的研究較少,但近年來有增長的趨勢。目前對能源生態(tài)足跡的研究,主要以全國或單個省市為研究對象探究其影響因素,較少考慮相鄰省市間的空間交互作用。從全國層面看,王濤、馮杰[19]利用STIRPAT模型分析了我國能源足跡動態(tài)變化和影響因素;黃雨生等[20]對我國大陸30個省份的能源碳足跡進行了計算。從單個省市層面看,王長建等[21]以廣東省為研究對象,對其能源消費碳排放的主要驅(qū)動因素進行了測算;秦艷[22]計算出廣西壯族自治區(qū)的能源足跡在不斷增長。針對長江經(jīng)濟帶的區(qū)域發(fā)展研究,徐麗梅[23]指出現(xiàn)階段長江經(jīng)濟帶區(qū)域經(jīng)濟發(fā)展水平差異較大、產(chǎn)業(yè)同質(zhì)化現(xiàn)象嚴重,表現(xiàn)為各地區(qū)的經(jīng)濟發(fā)展規(guī)劃多有重復,如湖北有“武漢經(jīng)濟協(xié)作區(qū)”,成渝有“成渝經(jīng)濟區(qū)”,這些經(jīng)濟區(qū)缺乏統(tǒng)一規(guī)劃和協(xié)調(diào);谷玉輝、呂霽航[24]以長江中游城市群為研究對象,認為如今造成同質(zhì)化競爭的主要原因是行政邊界的剛性約束和合作機制不健全。

綜上所述,首先，能源生態(tài)足跡研究大多集中在全國層面或單個省市層面,針對區(qū)域間的研究較少;其次，鮮有文獻在探究能源生態(tài)足跡的影響因素時納入產(chǎn)業(yè)同質(zhì)化因素;第三，對各省域間的能源生態(tài)足跡空間交互效應的研究較少。本文的邊際貢獻在于:以長江經(jīng)濟帶這一重點區(qū)域為研究對象,將較少考慮的產(chǎn)業(yè)同質(zhì)化因素納入空間模型框架,從空間效應層面分析人均能源生態(tài)足跡的影響因素,從而為長江經(jīng)濟帶能源生態(tài)足跡赤字減少,實現(xiàn)協(xié)調(diào)、綠色、創(chuàng)新發(fā)展提供政策啟示。

3 方法、模型和數(shù)據(jù)

3.1 能源足跡測度模型

人均能源生態(tài)足跡:參照馮銀等[25]對能源生態(tài)足跡的定義,計算得到長江經(jīng)濟帶各省市歷年的人均能源生態(tài)足跡值(PEEF)。計算公式為:

(1)

式中,PEEF為某一地區(qū)的人均能源生態(tài)足跡(hm2/人);n為不同的能源類型,依次為煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣、用電量9種;ri為不同能源的平均低位發(fā)熱量;Yi為不同能源的生態(tài)足跡土地面積轉(zhuǎn)換系數(shù);Pi為不同能源類型的年消費量;N為該地區(qū)當年常住人口數(shù)(萬人)。經(jīng)計算得出:

r1-r9=20.908J/t,28.435J/t,41.816J/t,43.07J/t,43.07J/t,42.652J/t,41.816J/t,32.238×105GJ/108m3,3.6/105GJ/108kW·h;

Y1-Y9=55GJ/hm2,55GJ/hm2,71GJ/hm2,71GJ/hm2,71GJ/hm2,71GJ/hm2,71GJ/hm2,96GJ/hm2,1000GJ/hm2。

能源足跡強度：能源足跡強度(EFI)表示每生產(chǎn)萬元GDP所消耗的能源足跡,以反映能源利用的集約度。值越小,說明單位能源利用創(chuàng)造的價值越大;反之,創(chuàng)造的價值越小。計算公式為:

EFI=PEEF×N/GFP

(2)

式中,EFI為某一地區(qū)的能源足跡強度(ghm2/萬元);PEEF為該地區(qū)人均能源生態(tài)足跡(hm2/人);N為該地區(qū)當年常住人口數(shù)(萬人);GDP為該地區(qū)生產(chǎn)總值(萬元)。

人均能源足跡產(chǎn)值:人均能源足跡產(chǎn)值(VEF)表示單位生態(tài)足跡下的產(chǎn)值,其值越大,代表能源利用率高,經(jīng)濟運行良好;反之,則能源利用率低。計算公式為:

VEF=PGDP×10000/PEEF

(3)

式中,VEF為某一地區(qū)的人均能源足跡產(chǎn)值(元/hm2);PGDP為該地區(qū)人均GDP(萬元);PEEF為該地區(qū)人均能源生態(tài)足跡(hm2/人)。

3.2 區(qū)域分工指數(shù)測度模型

區(qū)域間產(chǎn)業(yè)結(jié)構(gòu)趨同表現(xiàn)為各區(qū)域選擇類似的主導產(chǎn)業(yè),不考慮自身資源稟賦發(fā)展特色產(chǎn)業(yè),從而影響區(qū)域間協(xié)同發(fā)展。目前,大多數(shù)學者采用區(qū)位商或產(chǎn)業(yè)結(jié)構(gòu)相似系數(shù)來測度區(qū)域產(chǎn)業(yè)結(jié)構(gòu)趨同度,但以上方法對其趨同度的刻畫缺乏全面和客觀性[26]。基于此,本文采用1991年克魯格曼[27]在研究地方化和貿(mào)易問題時提出的區(qū)域分工指數(shù)(rdi),計算公式為:

(4)

式中,Sjk為區(qū)域分工指數(shù),范圍為0—2。分工指數(shù)越大,表明區(qū)域分工程度越高，反之則越小。qij、qik分別表i產(chǎn)業(yè)在j、k兩地區(qū)的產(chǎn)值;qj、qk分別表示兩地區(qū)的總產(chǎn)值。由于上式的區(qū)域分工指數(shù)計算僅適用于兩地區(qū)間的比較,為了研究長江經(jīng)濟帶11省市的產(chǎn)業(yè)結(jié)構(gòu)趨同情況,將其改進為:

(5)

3.3 空間自相關(guān)檢驗

(6)

式中,I為莫蘭指數(shù)(Moran′s I),一般取值為-1—1。大于0，表示正自相關(guān),即高值(低值)與高值(低值)相鄰；小于0，則相反；等于0，表示空間分布隨機,不存在自相關(guān)。

(7)

式中,N表示樣本個數(shù);wij為空間權(quán)重矩陣,表征區(qū)域i與區(qū)域j的空間相鄰關(guān)系。

3.4 空間計量模型

空間自相關(guān)檢驗后,若莫蘭指數(shù)顯著異于0,則可進行空間計量模型估計,以考察基于空間相鄰的區(qū)域間交互作用。由于空間依賴性的引入機理不同,一般可分為空間滯后模型或空間自回歸模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)。

一階空間滯后模型(SAR):Y=λWY+Xβ+ε

(8)

空間誤差模型(SEM):Y=Xβ+u;u=ρMμ+ε

(9)

空間杜賓模型(SDM):Y=λWY+Xβ+WXZ+ε

(10)

式中,Y為被解釋變量;X為解釋變量;W、M分別為對應的空間權(quán)重矩陣;λ、β、ρ、Z分別為對應的系數(shù);u、ε為隨機擾動項,其中ε滿足經(jīng)典假設(shè)。

3.5 變量選取與數(shù)據(jù)來源

變量選取:社會可持續(xù)發(fā)展受到生態(tài)環(huán)境尤其是能源生態(tài)足跡赤字的制約,因此對能源生態(tài)足跡的影響因素研究是必要的。針對影響因素研究,不少學者選取不同指標進行了理論或?qū)嵶C探索。分工協(xié)調(diào)理論指出區(qū)域分工與能源消耗負相關(guān)[28],城鎮(zhèn)化發(fā)展會對能源生產(chǎn)與消耗產(chǎn)生影響[29],但存在階段性[30];經(jīng)濟增長推動能源消耗增加[31],但存在能源強度的門檻效應[32],且工業(yè)上國有控股企業(yè)的占比越高,對其能源強度抑制作用更大[33];技術(shù)進步能有效推動工業(yè)行業(yè)的節(jié)能降耗,以此可降低人均能源生態(tài)足跡[34,35],產(chǎn)業(yè)結(jié)構(gòu)高級化帶來的能源消耗效應未達成一致看法[36,37]?；谝陨蠈W者的研究,本文將人均能源生態(tài)足跡(PEEF)作為被解釋變量,區(qū)域分工指數(shù)(rdi)作為核心解釋變量,城鎮(zhèn)化率(ubr)、人均GDP(pgdp)、單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)(iop)和產(chǎn)業(yè)結(jié)構(gòu)高級化(ish)作為控制變量,進行模型構(gòu)建。

數(shù)據(jù)來源及處理:本文數(shù)據(jù)主要來源于相關(guān)年份的《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》和各省市的統(tǒng)計年鑒等,為了消除異方差影響,各變量均進行了對數(shù)化處理。

4 實證分析

4.1 人均能源生態(tài)足跡變化分析

根據(jù)上文對人均能源生態(tài)足跡的定義,可計算出2003—2015年長江經(jīng)濟帶9省2市的人均能源生態(tài)足跡值,再利用Geoda軟件分別選取四個時間點做出變動趨勢的五等分圖,見圖1—4。結(jié)果顯示,表征人均生態(tài)足跡較大的深色區(qū)域隨著時間的推移向外擴張,其平均人均能源生態(tài)足跡值由2003年的0.744hm2/人上升到2015年的1.291hm2/人,平均年增長率為4.7%,因此長江經(jīng)濟帶11個省市的人均能源生態(tài)足跡呈較快的上升趨勢。此外,上海的人均能源生態(tài)足跡值一直處在11省市中的最高位,其周圍的江蘇、浙江人均能源生態(tài)足跡從2003年的低位逐漸走向高位,表現(xiàn)出人均能源生態(tài)足跡可能具有空間交互效應。

圖1 2003年長江經(jīng)濟帶人均能源生態(tài)足跡分布

圖2 2007年長江經(jīng)濟帶人均能源生態(tài)足跡分布

圖3 2011年長江經(jīng)濟帶人均能源生態(tài)足跡分布

圖4 2015年長江經(jīng)濟帶人均能源生態(tài)足跡分布

4.2 能源足跡強度與產(chǎn)值變化分析

考慮到長江經(jīng)濟帶各省市能源足跡強度和產(chǎn)值可能存在時變性,基于區(qū)域特點,將長江經(jīng)濟帶劃分為以上海、江蘇、浙江代表的東部地區(qū)，以安徽、江西、湖北、湖南代表的中部地區(qū)和以重慶、四川、貴州、云南代表的西部地區(qū),求得上述兩指標的趨勢圖,結(jié)果見圖5、圖6。總體上,長江經(jīng)濟帶能源足跡強度均呈現(xiàn)出下降的趨勢,即每生產(chǎn)萬元GDP所耗能源下降,能源利用的集約度在加強;而人均能源足跡產(chǎn)值呈上升趨勢,即單位生態(tài)足跡下的產(chǎn)值提高,能源利用率高,經(jīng)濟運行向好。對比圖5和圖6,具有對稱性，主要是因為能源利用的集約度增強,預示著能源利用率的提高。特別是在2005年兩指標均出現(xiàn)拐點,可能的原因是當年的高油價促使包括我國在內(nèi)的許多國家對能源政策進行了調(diào)整,從可再生能源角度進行了部署。如2005年我國通過了《中華人民共和國可再生能源法》,把可再生能源開發(fā)和利用提高到“增加能源供應,改善能源結(jié)構(gòu),保障能源安全,保護環(huán)境,實現(xiàn)經(jīng)濟社會的可持續(xù)發(fā)展”的戰(zhàn)略高度[38],從而實現(xiàn)能源效率利用的提高。分區(qū)域看,歷年東部的能源足跡強度和產(chǎn)值均最優(yōu),中部次之;能源足跡強度差距有縮小之勢,而能源足跡產(chǎn)值變化卻不明顯。

圖5 能源足跡強度(ghm2/萬元)趨勢

圖6 人均能源足跡產(chǎn)值(元/ghm2)趨勢

4.3 人均能源生態(tài)足跡的空間效應分析

全局空間自相關(guān)檢驗：建立空間計量模型估計的前提是對研究變量的空間相關(guān)性進行檢驗。通過構(gòu)建以rook一階鄰接矩陣為空間權(quán)重矩陣,對人均能源生態(tài)足跡值進行全局自相關(guān)檢驗,結(jié)果見表1。從表1可見,長江經(jīng)濟帶歷年的莫蘭指數(shù)均為正(0.171—0.346上下波動),且所有年份的莫蘭指數(shù)p值均小于0.1,并在10%的顯著性水平下通過檢驗,說明長江經(jīng)濟帶11個省市人均能源生態(tài)足跡具有空間正相關(guān)性。

局部空間自相關(guān)檢驗:全局空間自相關(guān)Moran′s I指數(shù)測度的是整個空間人均能源生態(tài)足跡空間集聚情況,但無法反映區(qū)域間的異質(zhì)性,為此利用局域Moran′s I進行局部空間自相關(guān)檢驗。人均能源生態(tài)足跡的局部空間集聚模式見表2。從表2結(jié)果可見,2003年上海等3個省市位于高—高集聚區(qū),江西等6個省市位于低—低集聚區(qū)。2015年長江經(jīng)濟帶11個省市的集聚模式與2003年的結(jié)果幾乎無異,僅江西由低—低集聚變?yōu)榈汀呒邸？傮w上,長江經(jīng)濟帶11省市的集聚位于第一、三象限。即能源生態(tài)足跡值高的省市被能源生態(tài)足跡值高的省市所包圍,能源生態(tài)足跡值低的省市同樣由能源生態(tài)足跡值低的省市包圍,說明人均能源生態(tài)足跡的空間集聚效應基本為正自相關(guān)。

表1 2003—2015年11省市人均能源生態(tài)足跡Moran′I檢驗

表2 11省市人均能源生態(tài)足跡的局部空間集聚模式

模型設(shè)定:正確地設(shè)定空間計量模型是研究空間溢出效應是否存在的前提,本文根據(jù)研究的目的建立以下形式的空間滯后模型(SAR):

(11)

式中,下標i、t分別表示各省市與年份;被解釋變量LPEEF表示人均能源生態(tài)足跡的對數(shù)值;解釋變量lrdi、lubr、lpgdp、liop、lish分別表示區(qū)域分工指數(shù)、城鎮(zhèn)化率、人均GDP、單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)和產(chǎn)業(yè)結(jié)構(gòu)高級化的對數(shù)值;wij為空間權(quán)重矩陣；ρ為空間滯后系數(shù),衡量鄰近省市的人均能源生態(tài)足跡對本省市人均能源生態(tài)足跡大小的影響;β0為截距項;ui為個體效應;vt為時間效應;εit假設(shè)為服從正態(tài)分布的隨機擾動項。

空間權(quán)重矩陣的構(gòu)建:Anselin[39]指出:“空間面板的基本方法是通過空間權(quán)重矩陣定義空間上的鄰居,通過時間滯后定義時間上的鄰居”，因此正確構(gòu)建空間權(quán)重矩陣是模型設(shè)定正確的前提。目前,常用的空間權(quán)重矩陣主要有鄰接權(quán)重矩陣、距離權(quán)重矩陣、經(jīng)濟權(quán)重矩陣，以及各種嵌套矩陣等。其中,鄰接權(quán)重矩陣考慮了省域間的相鄰情況,若省域i與省域j相鄰,則wij為1,否則為零。根據(jù)本文研究需要,擬采用鄰接矩陣(w)作為表征長江經(jīng)濟帶地理特征的空間權(quán)重矩陣。但地理距離權(quán)重隱含條件為wij=wij(i≠j),這與經(jīng)濟較好的省市輻射能力更強的現(xiàn)實不相符,因此參考彭剛[40]提出的一種經(jīng)濟權(quán)重矩陣(ew)予以彌補該缺陷。計算公式為:

(12)

回歸結(jié)果與分析:通過豪斯曼(Huasman)檢驗,確定空間滯后模型為固定效應模型,然后報告固定模型三種效應(空間固定、時間固定、雙固定)下的估計結(jié)果,見表3。對比分析發(fā)現(xiàn),空間固定效應下的空間滯后模型在擬合優(yōu)度R2和LogL方面要優(yōu)于其他模型,因此選擇其為最優(yōu)模型來估計人均能源生態(tài)足跡的影響因素及其大小。

表3 鄰接權(quán)重矩陣下的SAR模型的估計結(jié)果

注:括號內(nèi)為Z值;* 、**、***分別表示在 10%、5%、1%水平上顯著。下表同。

空間固定效應的回歸結(jié)果顯示,空間滯后系數(shù)ρ在1%顯著水平下為正,表明人均能源生態(tài)足跡具有正的空間溢出效應,即本省域人均能源生態(tài)足跡增加會促進長江經(jīng)濟帶上其他相鄰省域的人均能源生態(tài)足跡的增加。核心解釋變量區(qū)域分工指數(shù)(lrdi)在1%的顯著水平為負,彈性系數(shù)為-0.371,表明在其他條件不變的情況下,區(qū)域分工指數(shù)每增長1%,可使人均能源生態(tài)足跡下降0.371%?？刂谱兞康娜司鵊DP(lpgdp)、單位規(guī)上工業(yè)企業(yè)擁有的有效專利數(shù)(liop)、城鎮(zhèn)化率(lubr)與產(chǎn)業(yè)結(jié)構(gòu)高級化(lish)分別在1%、5%、10%的顯著水平下通過且恒為正,說明控制變量對人均能源生態(tài)足跡的增長具有正向的促進作用。其中,人均GDP對能源生態(tài)足跡增長的促進貢獻度最大為1.374,表明若其他因素不變時,人均GDP增長1%,將導致能源生態(tài)足跡增長1.374%;能源足跡的消耗速度大于人均GDP的增長速度,表明長江經(jīng)濟帶目前的經(jīng)濟發(fā)展是非綠色、環(huán)境不友好型的,因此轉(zhuǎn)變經(jīng)濟增長方式迫在眉睫。單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)對人均能源生態(tài)足跡的影響顯著為正,可能是因為工業(yè)上國有控股企業(yè)比重較大,工業(yè)行業(yè)的能源強度受到抑制,導致代表技術(shù)的有效專利數(shù)外部效應溢出效應不夠,造成人均能源生態(tài)足跡反增不降。城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)高級化的彈性系數(shù)分別為0.526、0.626,表明城鎮(zhèn)化與產(chǎn)業(yè)結(jié)構(gòu)高級化對人均能源生態(tài)足跡增加的促進貢獻大體一致。產(chǎn)業(yè)結(jié)構(gòu)高級化對人均能源生態(tài)足跡具有促進作用,可能是由于第二產(chǎn)業(yè)向第三產(chǎn)業(yè)進行轉(zhuǎn)移時,其主體往往是易于調(diào)整的小而精的私營企業(yè)而非能源消耗主體的大型國有化企業(yè),導致國有控股企業(yè)占比增加,抑制能源強度。此外，城鎮(zhèn)化過程是非綠色的,還處于粗放式階段。綜上所述,為了有效降低人均能源生態(tài)足跡,應增大長江經(jīng)濟帶各省區(qū)域分工度,促進能源強度提高,實現(xiàn)有效降低人均能源生態(tài)足跡的目標。Lesage、Pace[41]指出地區(qū)內(nèi)、空間溢出效應的存在性分別與其估計的直接、間接效應是否顯著有關(guān)。為進一步探究各解釋變量的地區(qū)內(nèi)與空間溢出效應,將SAR模型的空間效應進行分解得到表4。

表4 鄰接權(quán)重矩陣下的SAR模型的空間效應分解

表4的分解結(jié)果顯示,城鎮(zhèn)化率、人均GDP、單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)和產(chǎn)業(yè)結(jié)構(gòu)高級化與SAR模型估計結(jié)果類似,直接效應均在10%的顯著水平下均通過了檢驗,顯著為正。即以上4個控制變量對人均能源生態(tài)足跡的貢獻為正,且人均GDP對人均能源生態(tài)足跡的直接效應最顯著且貢獻度最大;區(qū)域分工指數(shù)在10%的顯著水平下顯著為負,進一步證實了它對人均能源生態(tài)足跡減少具有促進作用。在空間溢出效應方面,僅有城鎮(zhèn)化率、人均GDP、單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)通過了10%的顯著性檢驗,且顯著為正,說明城鎮(zhèn)化率、人均GDP和單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)具有正的外溢作用。即三者的提高將會拉動長江經(jīng)濟帶其他省域的人均能源消耗,最終使整個區(qū)域人均能源生態(tài)足跡增加。區(qū)域分工的溢出效應為負,而產(chǎn)業(yè)結(jié)構(gòu)高級化則相反,但均不太顯著。

5 穩(wěn)健性檢驗

為了驗證估計結(jié)果的穩(wěn)健性,本文將地理權(quán)重矩陣(w)更換為經(jīng)濟距離權(quán)重(ew)矩陣,并重新進行估計。首先對人均能源生態(tài)足跡(LPEEF)進行全局莫蘭指數(shù)檢驗,結(jié)果顯示歷年的莫蘭指數(shù)均在5%的顯著性水平上為正,表現(xiàn)出人均能源生態(tài)足跡具有強烈的正自相關(guān)關(guān)系。然后建立空間固定的空間滯后模型并進行空間效應分解,結(jié)果見表5?；貧w結(jié)果顯示,經(jīng)濟距離權(quán)重下的空間固定結(jié)果和效用分解與地理距離權(quán)重矩陣除了系數(shù)上的大小有差異外,其顯著性和符號幾乎無變化,說明上述結(jié)論是穩(wěn)健可靠的。

表5 經(jīng)濟距離權(quán)重矩陣下的SAR模型的估計結(jié)果及效應分解

6 結(jié)論與政策啟示

6.1 結(jié)論

本文利用2003—2015年長江經(jīng)濟帶的面板數(shù)據(jù),在計算11省市的人均生態(tài)足跡的基礎(chǔ)上進行莫蘭指數(shù)檢驗后,采取固定效應的空間滯后效應進行估計,以分析長江經(jīng)濟帶13年間人均能源生態(tài)足跡主要影響因素的空間效應及其影響程度,然后將地理權(quán)重矩陣(w)更換為經(jīng)濟距離權(quán)重(ew)矩陣,并重新進行估計,結(jié)果顯示估計穩(wěn)健可靠。

本文得到以下主要結(jié)論:①通過Geoda軟件繪制出人均能源生態(tài)足跡變動趨勢的五等分圖,以反映其時間與空間上的變化趨勢。結(jié)果顯示，處于高值區(qū)間的省市個數(shù)呈上升趨勢,即人均能源生態(tài)足跡呈逐年上升的趨勢。由于上海始終處于高值區(qū)間,而其相鄰的江蘇、浙江的人均能源生態(tài)足跡從2003年的低位逐漸走向高位,表現(xiàn)出人均能源生態(tài)足跡可能具有空間集聚效應。此外,由于《中華人民共和國可再生能源法》的實施,使2005年成為能源足跡強度和產(chǎn)值變化的重要拐點:2005年后,能源足跡強度和產(chǎn)值的變化表明能源利用集約度在增強,經(jīng)濟運行向好。②以鄰接權(quán)重矩陣構(gòu)建的空間權(quán)重矩陣進行全局自相關(guān)檢驗,莫蘭指數(shù)顯著為正,表現(xiàn)出人均能源生態(tài)足跡的空間正相關(guān)性;進一步進行局部莫蘭指數(shù)檢驗,結(jié)果顯示長江經(jīng)濟帶的空間集聚主要集中在I、III象限,且上海等發(fā)達地區(qū)為高集聚,而中西部等欠發(fā)達地區(qū)為低集聚。③空間固定效應下的空間滯后模型回歸顯示,長江經(jīng)濟帶的核心變量區(qū)域分工指數(shù)對人均能源生態(tài)足跡具有顯著的抑制作用,而其他控制變量均顯著促進人均能源生態(tài)足跡增加。進一步分解各變量的空間效應發(fā)現(xiàn),各自變量對人均能源生態(tài)足跡的影響主要通過直接效應進行傳導,其中僅區(qū)域分工指數(shù)具有抑制作用,而人均GDP對人均能源生態(tài)足跡增長的貢獻度最大;溢出效應主要體現(xiàn)在城鎮(zhèn)化率、人均GDP、單位規(guī)模以上工業(yè)企業(yè)擁有的有效專利數(shù)三方面,即三者的提高將拉動長江經(jīng)濟帶相鄰省域的人均能源消耗。

6.2 政策啟示

根據(jù)以上結(jié)論,結(jié)合我國現(xiàn)狀,提出以下政策建議:①能源生態(tài)足跡主要集中在上海等發(fā)達地區(qū),中西部地區(qū)能源利用對環(huán)境的沖擊較小,且中西部地區(qū)資源豐富、要素成本低、市場潛力大,因此提高上海等地的能源效率與積極促進中西部地區(qū)承接產(chǎn)業(yè)轉(zhuǎn)移應同時進行。②空間面板模型回歸結(jié)果顯示,區(qū)域分工指數(shù)對人均能源生態(tài)足跡具有抑制作用和負向的溢出效應。因此,長江經(jīng)濟帶各省市應根據(jù)自身的資源稟賦及技術(shù)優(yōu)勢,確立主導產(chǎn)業(yè)。如重慶市應以“筆電”產(chǎn)業(yè)等作為主導產(chǎn)業(yè),而上海市則應發(fā)展金融業(yè)、信息業(yè)等,從而實現(xiàn)分工明確、協(xié)同綠色發(fā)展。此外,人均GDP、城鎮(zhèn)化、產(chǎn)業(yè)結(jié)構(gòu)高級化與規(guī)模以上工業(yè)企業(yè)的專利申請均對能源消耗具有促進作用,其中人均GDP的推動作用最大,因此應在堅持新型城鎮(zhèn)化，注意產(chǎn)業(yè)結(jié)構(gòu)高級化、合理化的耦合與提高專利申請的有效轉(zhuǎn)化率的同時加快完善居民綠色消費引導機制,以抑制各省市能源生態(tài)足跡的過快增長。③在加入空間因素后,某些政策的實施具有溢出效應。如僅注重數(shù)量而非質(zhì)量的提高城鎮(zhèn)化率，不但會增加本區(qū)域的能源生態(tài)足跡,而且會增加相鄰省份的能源生態(tài)足跡。因此,政府在實施政策時應考慮省域間、大片區(qū)的聯(lián)合治理,以提高環(huán)境保護政策的效率。