中國能源消費的空間關聯網絡特征及對空氣質量影響研究

李從欣, 張 旭

1. 河北地質大學 經濟學院, 河北 石家莊 050031; 2. 河北地質大學自然資源資產資本研究中心, 河北 石家莊050031

0 引言

雖然中國經濟由高速發展轉向中低速發展, 但是社會能源需求量仍不斷增加, 能源資源的日益緊缺和能源消費帶來的環境污染問題一直沒有得到根本性的解決。 《BP 世界能源統計》 數據表明, 2013 年中國能源消費增量位居世界第一, 達到1.21 億噸油當量,占全球總增量的近一半。 2015 年中國能源消費量有放緩趨勢, 但仍然保持連續15 年世界一次能源消費量第一[1]。 2019 年中國能源消費加速增長, 一次能源人均消費量98.8 吉焦, 與2018 年相比增長了3.9%,超過之前十年的平均增長率3.3%。 可見中國能源消費水平依然保持強勁增長態勢, 且中國能源消費仍主要以一次能源為主, 而石油、 天然氣和煤炭組成的化石能源占一次能源消費量的84.3%[2]。 這使得能源消費所造成的碳排放量不斷增加。 2020 年受新冠病毒感染疫情影響, 全球碳排放量有放緩趨勢, 但中國碳排放量依然處于增長趨勢, 要持續控制能源消費, 實現中國零碳排放目標仍面臨巨大挑戰。

中國省際能源消費呈現顯著的、 復雜的空間關聯網絡結構, 環境規制與能源消費的空間關聯網絡呈顯著相關關系, 能源消費總量增加、 環境污染加劇已成為制約中國經濟社會可持續發展的重要障礙[3,4]。 能源消費的空間關聯網絡結構為節能政策的制定和實施帶來嚴峻挑戰, 同時也為新時代區域協調發展戰略的實施、 能源環境效率跨區域協同提升機制的構建創造了條件。 通過社會網絡分析方法從整體到局部探究中國能源消費的空間關聯網絡結構, 明確各省級行政區在能源消費空間關聯網絡的地位和角色, 完善中國能源消費的合理布局, 再進一步依據中國能源消費的空間關聯網絡結構, 量化分析能源消費對空氣污染的影響機制。 定量分析與定性分析相結合, 理論基礎與實際問題相交映, 為深入能源供給側結構性改革, 減少能源資源的產能過剩, 同時促進能源產業循環發展和有效治理能源消費對空氣污染的影響提出實質性建議。

1 文獻綜述

能源消費一直是學術界的研究熱點, 而分析能源消費對環境污染的影響更具有研究價值。 關于能源消費對環境污染的影響, 起初是通過建立協整模型和誤差修正模型, 來驗證能源消費和環境污染的單向因果關系, 得出能源消費對環境污染有正向作用[5,6]。 這種方法相對適合研究雙變量之間的因果關系, 對于多變量之間的因果關系使用較少。 近年來, 一些學者通過建立STIRPAT 模型分析大氣污染的影響因素, 進一步發現能源消費對空氣質量有顯著影響[7,8]。 這種方法可以從多變量角度分析因果關系, 克服了只能通過兩兩變量驗證因果關系的不足, 但現有文獻的研究范圍較為局限, 大多以個別省級行政區或地區為研究對象[9-11], 且缺少對能源消費結構的空間刻畫。 為了彌補這一缺陷, 周彥楠等在建立STIRPAT 模型的基礎上, 運用K-means 聚類方法分析各個省級行政區在不同時期能源消費結構的空間演化特征, 發現中國能源終端消費的空間結構呈現出不斷改善的趨勢[12]。 這相較原有僅通過建立STIRPAT 模型定量分析能源消費對空氣質量影響的文獻是一個擴展和進步, 但是基于K-means 聚類方法分析能源消費的空間演化特征難免會忽略省際能源消費的空間關聯作用, 而且K-means 算法中, 參數K 值的設定不好把握, 進而會影響聚類效果。 劉華軍等運用社會網絡分析方法建立省際能源消費的空間關聯網絡, 并對其特征及其效應進行研究, 得出中國能源消費的空間關聯呈現網絡結構形態, 且空間的關聯緊密程度逐步提高[4]。 這種基于社會網絡分析方法建立的空間關聯網絡, 不僅可以體現省際能源消費的空間演化特征, 同時也可以對其空間關聯作用做進一步分析, 對于之前空間角度研究方法的不足進行了完善, 但是此研究沒有進一步分析能源消費對環境污染帶來的影響, 在理論上升到實際意義方面還有一定的欠缺。

綜上所述, 大多數學者都能通過建立模型定量分析能源消費對環境污染的影響, 而很少有學者對能源消費進行空間關聯特征的分析, 并在此基礎上以空間角度研究能源消費帶來的負外部效應和溢出效應。 文章采用社會網絡分析方法研究中國能源消費空間關聯網絡特征, 并針對符合當前中國能源消費的整體結構建立空間杜賓模型, 進而分析能源消費對空氣質量的影響。

2 研究方法和數據說明

2.1 能源消費關聯網絡

引力模型是量化空間相互作用能力的數學模型,現廣泛應用于貿易學、 經濟學與環境科學等領域中。根據現有文獻, 引力模型適合對網絡關系進行分析,綜合考慮能源、 經濟、 人口及地理因素, 分別將各個變量引入引力模型并進行修正, 得到修正后的引力模型如下[4]:其中,i,j代表地區,P,C,G,D分別代表地區常駐人口數, 能源消費總量、 地區生產總值及綜合地理距離,y,λ,g,d分別代表地區之間的能源消費引力值, 能源消費引力系數, 人均地區生產總值以及地區間的最短距離。 通過公式(1) 計算得到yij, 即兩省級行政區之間的能源消費引力值。 整理計算結果得到能源引力數值矩陣。 由于二值關系矩陣相較于數值矩陣更能體現能源消費的空間關聯特性, 同時也便于計算后續網絡指標的測度值, 因此將每個年份的數值矩陣中所有數值做平均處理, 如果矩陣中的每個數值大于均值, 記為“1”, 否則記為“0”。 基于此, 文章構建的網絡類型屬于有向二值網絡。

2.2 空間計量模型設定和變量說明

2.2.1 模型構建

從空間計量模型簇中逐步進行實證檢驗篩選最優的空間計量模型。 廣義嵌套空間模型(GNS 模型) 如公式(2) 所示, 它是一般形式的空間計量模型, 當λ =0 時, 模型退化為空間杜賓模型(SDM 模型),如公式(3)。 當δ =0 時, 模型退化為空間杜賓誤差模型(SDEM 模型), 如公式(4)。 空間杜賓誤差模型綜合了空間杜賓模型、 空間誤差模型和空間滯后模型, 空間誤差模型如公式(5), 空間滯后模型如公式(6)。 其中Y為測度空氣質量的AQI,X為解釋變量矩陣, 代表能源消費和其他影響因素。W ={wij}n×nW1= {wij(1)}n×nW2={wij(2)}n×n以及M ={mij}n×n均為空間權重矩陣,W1Y表示AQI的空間滯后,W2X反映相鄰省級行政區能源消費的空間滯后,δ為空間效應系數, 用來度量AQI的空間滯后對AQI的影響,θ為外生變量的空間自相關系數, 用來度量相鄰省級行政區能源消費的空間滯后對AQI的影響,β為參數向量,i =1, …,n代表省級行政區。

2.2.2 變量說明

對模型中的被解釋變量、 核心解釋變量和控制變量構建一級指標體系、 二級指標體系, 并給出它們的表示形式及單位, 如表1。

表1 能源消費對空氣質量影響的指標體系Table 1 Indicator system for the impact of energy consumption on air quality

被解釋變量是空氣質量。 根據《環境空氣質量指數(AQI) 技術規定》 (HJ633-2012),AQI是通過定量描述空氣質量的無量綱指數,AQI數值越大表示空氣污染水平越嚴重。 核心解釋變量是中國能源消費。控制變量從命令控制型環境規制、 經濟激勵型環境規制、 經濟約束型環境規制和公眾監督型環境規制維度考慮, 這四個方面涵蓋了中國環境規制中不同主體,以不同形式、 不同角度的規制型。 命令控制型環境規制的手段包括自上而下的行政動議、 自下而上的適應性執行及契約式的靈活機制[13], 而環保相關的行政處罰案件充分體現了命令控制型環境規制的三個手段的落實, 因此選取其作為控制變量。 經濟激勵型環境規制是通過經濟激勵手段進行有效地治理環境[14],由于中國工業污染占全國污染源的比重近半, 所以選取工業污染治理投資額作為控制變量。 在經濟約束型的環境規制方面選取環境保護稅作為控制變量, 其中2017 年之前的數據以排污費征收額代替環境保護稅,2019 年的數據選取環境保護稅作為控制變量。 公眾監督型環境規制層面, 承辦的人大建議數、 政協提案數可以較好體現中國人民當家作主的社會主義民主政治的本質特征, 因此選取其作為控制變量。

2.3 數據來源

以2014—2019 年中國30 個省級行政區為研究對象(限于數據的可得性, 不包括西藏自治區、 香港、澳門特別行政區和臺灣省), 其中能源消費數據來自《中國能源統計年鑒》, 常駐人口、 人均地區生產總值、 地區生產總值數據來自國家統計局網站。 由于百度地圖具有精準性和應用廣泛性, 因此, 兩個地區的距離是根據百度地圖中以各地區人民政府為中心得到的最短距離。 空氣質量指數AQI數據來源于中國環境監測總站全國城市空氣質量實時發布平臺。 環保相關的行政處罰案件數和承辦的人大建議數、 政協提案數來源于《中國環境年鑒》, 工業污染治理投資額、 環境保護稅數據分別來源于《中國統計年鑒》 和《中國稅務年鑒》。

根據社會網絡分析方法, 以中國30 個省級行政區為節點, 以每兩個地區的能源消費引力關系為邊構建能源消費空間關聯網絡。 其中, 整體網絡分析通過網絡密度、 網絡關系數、 網絡規模、 平均聚類系數、 平均路徑長度、 網絡中心勢、 雙向比和網絡直徑來度量。 節點網絡分析包括中心性分析和結構洞分析, 中心性分析通過點入度中心度、 點出度中心度、 度數中心度、 中間中心度、 接近中心度來度量, 結構洞分析通過有效規模、 效率、 限制度和等級度來度量。

3 能源消費關聯網絡特征

3.1 整體網絡拓補分析

運用引力模型計算空間關聯矩陣, 使用Gephi 軟件分別畫出中國各省級行政區不同時期的能源消費網絡圖。 其中, 節點大小表示地區度數中心度大小, 如圖1 所示, 2014—2019 年, 中國各省級行政區能源消費網絡拓撲結構特征變化不大, 整體網絡呈“核心—邊緣” 結構, 以北京、 江蘇、 上海、 廣東、 浙江、 山東為核心向海南、 寧夏、 新疆、 青海等其他邊緣城市放射。 核心節點和極邊緣節點地位穩固。 這是由于北京、 江蘇、 上海、 廣東、 浙江、 山東等地的地區經濟發展較好、 工業結構調整較多、 城市化進程加快等因素導致其能源消費量較大, 因此處于網絡核心位置[15], 而廣西、 寧夏、 新疆、 青海在這些方面不占優勢, 故長期處于邊緣位置。

圖1 2014—2019 年中國各省級行政區能源消費網絡圖Fig.1 Energy consumption networks by provincial administrative regions in China from 2014 to 2019

省際能源消費網絡的整體指標結果如表2 所示。整體網絡密度呈先遞增后遞減的趨勢。 2017 年中國全面實施“十三五” 規劃, 提高能源的有效供給, 擴大能源領域市場準入, 進一步加強了省際能源消費的關聯密度, 由于隨著網絡密度的不斷提升, 網絡中的冗余關系增多, 若超過網絡的容納能力, 則會增加省際之間能源流動的交易費用, 降低能源的利用效率, 為使其保持在合理區間, 因此網絡密度呈現先遞增后遞減趨勢[4]。 網絡關系數反映能源消費關聯程度, 網絡節點數的變化可以反映能源消費網絡主體的演化情況。 受政策調整, 省際能源消費網絡關系數經歷兩次下滑和一次上升, 而網絡節點數基本保持穩定趨勢。從網絡的聚集程度看, 2014—2016 年和2017—2018年, 平均聚類系數有遞增趨勢, 說明中國省際能源消費網絡逐漸趨于團體化, 聚集程度愈來愈明顯, 而2016—2017 年和2018—2019 年平均聚類系數有遞減趨勢, 這是由于具有共性的節點聚集過于緊密, 從而導致能源資源過度集中使得核心節點與邊緣節點的差距拉大, 不利于實現能源資源的流動共享, 因此平均聚類系數呈現增減交替趨勢。 從網絡的傳輸性能與效率來看, 2014—2019 年省際能源消費網絡的平均路徑長度呈遞增趨勢, 說明能源消費網絡的跨區域流動效率變低, 且網絡直徑在2018—2019 年遞增到6, 說明省際能源消費網絡的擴散效率將面臨下降趨勢。 從網絡的中心勢來看, 首先, 省際能源消費網絡的點入度中心勢平均值為30.6%, 點出度中心勢平均值為47.3%, 說明整體網絡的對稱性不明顯, 該網絡更傾向于向外溢出, 屬于能源凈溢出型網絡, 能源消費網絡的溢出效應與受益效應仍有差距, 這不利于省際能源網絡聯系強度的整體提升。 其次, 點入度中心勢有小幅遞增趨勢, 主要是因為能源從高強度向低強度實現跨區域流動, 從而使兩地區的能源差異進一步減弱, 導致網絡的點入度中心勢呈小幅遞增趨勢。 最后, 點出度中心勢呈遞增趨勢, 主要是因為省際能源消費網絡關聯的核心—邊緣特征顯著,關鍵節點省級行政區與邊緣節點省級行政區的聯系緊密度較好, 能源消費供需范圍和創新發展范圍在逐步擴大。

表2 2014—2019 年能源消費網絡的整體網絡特征指標Table 2 Indicators of overall network characteristics of energy consumption networks from 2014 to 2019

綜合來看, 省際能源消費網絡的平均路徑長度逐年遞增, 導致能源傳輸效率降低, 以新能源、 清潔能源為主的能源使用率下降, 綠色能源產業發展效率降低, 從而能源消費導致的環境污染問題沒有得到改善。 點入度中心勢與點出度中心勢都呈現遞增趨勢,一方面有助于貫徹“十四五” 規劃各地發展特色能源產業, 形成互聯互通、 互助友好的能源供需新局面,為促使能源供給側結構性改革的深入推進做鋪墊。 另一方面說明能源流動強度變大, 能源供需量增加, 從而導致能源消費增加, 而以煤炭為主的能源消費量的增加會導致大氣污染問題。 其中, 點出度中心勢增加未呈現收斂趨勢, 表明在注重開拓核心—邊緣網絡時沒有注重經濟規模相當、 發展水平相似的地區之間的互聯互動, 產生規模能源儲備效應, 從而能源傳輸的交易成本會有所提升, 導致能源價格增加, 如一些新能源產品價格高昂, 會導致其使用率偏低, 從而中國能源消費結構仍需要進一步改善。

3.2 節點特征分析

3.2.1 中心性分析

在有向圖中, 點出度反映節點向外溢出的能力,點入度反映節點受益于其他節點的能力, 點出度與點入度的差值表現為凈溢出量, 差值大于0, 表現為凈溢出效應。 差值小于0, 表現為凈受益效應。 可以發現, 凈溢出量大于0 的地區有天津、 河北、 山西、 內蒙古、 遼寧、 山東、 河南、 湖北、 湖南、 四川和貴州, 則稱這些地區為能源凈溢出地區, 說明這些地區更傾向于向外輸送能源, 能源供給能力相對較強, 同時能源消費較多。 凈溢出量小于0 的地區有吉林、 黑龍江、 江西、 廣西、 海南、 重慶、 陜西、 青海和寧夏, 則稱這些地區為能源凈受益地區, 說明這些地區的能源經濟水平發展有限, 所以更傾向于引入能源來彌補能源供給不足或提升自身能源經濟的發展。 其中, 北京、 上海和江蘇的點出度與點入度均較高, 主要因為北京是全國的政治中心, 對能源資源具有一定的統籌能力, 而上海和江蘇具有良好的經濟實力和區位優勢, 在能源引入和擴散方面占據核心, 較其他省級行政區更具有競爭力, 有助于與其他省級行政區建立能源聯動, 促進能源資源的有效整合。

節點在網絡的中心性可以通過度數中心度、 中間中心度以及接近中心度這3 個指標來衡量。 2014—2019 年中國各省級行政區度數中心度如圖2 所示, 柱形圖高度代表度數中心度均值, 散點代表2014—2019年度數中心度, 可以發現北京、 天津、 江蘇、 浙江的平均度數中心度較高, 上海、 廣東和重慶的度數中心度普遍分布在平均水平以上, 而海南和青海的度數中心度普遍分布在平均水平以下。 其中2019 年, 度數較大的節點主要分布在中國華東地區及長三角地區,同時這些地區的能源消費關聯較為密集, 而度數較小的節點主要分布在中國的西北部、 西南部及東北部地區, 這些地區的能源消費關聯較為稀疏。 從中國整體方位來看, 自西向東、 自北向南, 節點度數有變大趨勢, 能源消費關聯有更加密集的趨勢。

圖2 2014—2019 年中國各省級行政區度數中心度嵌套圖Fig.2 Degree centrality of China’ s provincial administrative regions from 2014 to 2019

中心性分析結果如表3, 由于篇幅限制, 僅展示2019 年的分析結果。 綜合來看, 度數中心度大于均值的地區有北京、 天津、 內蒙古、 上海、 江蘇、 浙江、安徽、 福建、 山東、 湖北、 廣東、 重慶、 陜西和甘肅, 說明這些地區與其他地區能源關聯較多, 其中,北京、 天津、 內蒙古、 山東和湖北的凈溢出關聯較多。 中間中心度大于均值的地區有北京、 天津、 內蒙古、 上海、 江蘇、 浙江、 福建、 山東、 湖北、 廣東、重慶、 陜西和甘肅, 說明這些地區控制其他地區能源流動能力較強, 發揮了“橋梁” 的作用, 即中國的能源流動主要通過這些地區往來實現。 接近中心度大于均值的地區有北京、 天津、 內蒙古、 上海、 江蘇、 浙江、 福建、 山東、 湖北、 廣東、 重慶、 陜西和甘肅,說明這些地區與其他地區的距離相對較近, 更傾向于分布在能源消費網絡的中心, 便于與其他城市更快產生能源關聯。

表3 2019 年中國各省級行政區能源消費網絡中心性分析結果Table 3 Results of the centrality analysis of energy consumption networks by provincial administrative regions in China in 2019

3.2.2 結構洞分析

根據結構洞各指標的相關公式, 計算結果如表4所示, 由于篇幅限制, 僅展示2019 年的計算結果。有效規模是衡量網絡中非冗余程度的指標, 非冗余程度越大, 說明節點越傾向處于網絡的核心。 北京、 天津、 內蒙古、 上海、 江蘇、 浙江、 福建、 山東、 湖北、 廣東、 重慶、 陜西和甘肅的有效規模高于均值,說明這些地區更傾向處于能源消費網絡的核心, 而海南、 云南、 青海、 寧夏和新疆的有效規模較低, 說明這些地區更傾向處于能源消費網絡的邊緣。 效率是有效規模與實際規模的比值, 效率值越大說明對其他節點影響越大。 北京、 天津、 內蒙古、 上海、 江蘇、 浙江、 福建、 山東、 湖北、 廣東、 重慶、 陜西和甘肅的效率大于均值, 說明這些地區在能源消費網絡中對其他地區產生的影響較大, 在能源供給或能源受益亦或兩個方面均占一定地位。 限制度可以反映節點掌控結構洞關系的能力, 限制度越大說明限制節點的網絡關聯越強, 則該節點越處于網絡的邊緣, 反之, 該節點在網絡中受限較弱, 越處于網絡的核心。 河北、 遼寧、 吉林、 江西、 湖南、 廣西、 海南、 四川、 貴州、云南、 青海、 寧夏和新疆的限制度高于均值, 說明這些地區能源流動受限相對較多, 處于網絡的邊緣, 在能源流動上不占優勢, 相反, 北京、 天津、 上海、 江蘇、 浙江、 山東和廣東等這些地區的限制度低于均值, 說明它們在能源流動上占有一定優勢, 處于網絡的核心。

表4 2019 年各省級行政區能源消費網絡結構洞分析結果Table 4 Results of the hole analysis of the energy consumption network structure by provincial administrative regions in 2019

綜合來看, 北京、 天津、 上海、 江蘇、 浙江、山東和廣東有較高的有效規模、 效率和較低的限制度, 這說明, 北京、 天津、 上海、 江蘇、 浙江、 山東和廣東占有較多的結構洞, 最能控制網絡中其他節點地區之間的聯系, 較其他地區而言, 它們與網絡中其他節點地區的聯系更加緊密, 能源流動更加頻繁, 2014—2019 年, 如表5 所示, 天津、 上海、山東和廣東的有效規模呈先遞增后遞減的趨勢, 而北京和浙江的有效規模呈小幅遞增趨勢, 江蘇的有效規模基本保持不變, 這說明天津、 上海、 山東和廣東在能源消費網絡中的優勢在一定程度上受到了北京和浙江的挑戰, 而天津、 上海、 山東和廣東有效規模大小的變化正是對這一挑戰做出的適應性調整。 海南、 云南、 青海、 寧夏和新疆有較低的有效規模和較高的限制度, 說明這些地區在能源流動上的優勢不明顯, 對能源資源的控制能力較弱。 總的來看, 中國經濟發展水平不斷提高, 在科技創新方面不斷進步, 促使中國省際能源消費關聯網路中大多數節點城市的有效規模有顯著提升, 凈溢出型地區能發揮各自優勢與其他地區產生能源聯動, 凈受益地區能在提高能源利用率, 控制能源消費流動量的基礎上與其他地區進行能源聯動, 這為“十四五”背景下“實現能源互補的系統性整體優化, 提高能源消費的利用效率, 響應資源在調節能源供需匹配中的作用” 奠定良好的基礎。

表5 2014—2019 年北京、 天津、 上海、 江蘇、 浙江、 山東和廣東的有效規模Table 5 Effective scale for Beijing, Tianjin, Shanghai, Jiangsu, Zhejiang, Shandong and Guangdong, 2014—2019

4 能源消費對空氣質量影響分析

4.1 模型選擇

通過莫蘭指數檢驗, 發現p 值為0.000, 較為顯著, 說明模型存在空間相關性, 可以使用空間權重矩陣。 首先經過LM 檢驗, 確定選擇空間誤差模型或空間滯后模型。 根據Stata 結果如表6 所示, 發現LM 檢驗空間誤差統計量和LM 檢驗空間滯后統計量均顯著。 其次進行穩健的LM 檢驗, 發現在1%的顯著性水平下, 穩健的LM 檢驗空間滯后統計量顯著而穩健的LM 檢驗空間誤差統計量不顯著, 則選擇空間滯后模型。 然后進行空間滯后模型和空間杜賓模型檢驗,發現p 值為0.000, 則應該選擇空間杜賓模型。 最后進行空間誤差模型和空間杜賓模型的檢驗, 發現p 值仍為0.000, 說明在空間誤差模型和空間杜賓模型中,選擇空間杜賓模型較優。 綜上, 最終確定選用空間杜賓模型。

表6 莫蘭指數檢驗和LM 檢驗Table 6 Moran index test and LM test

4.2 結果分析

通過公式(3)、 (5) 和(6) 得到模型估計結果如表7 所示。 對于空間滯后模型, 在5%的顯著性水平下, 發現能源消費對AQI的影響并不顯著。 對于空間誤差模型, 在1%的顯著性水平下, 能源消費對AQI有顯著正向影響。 空間杜賓模型是空間滯后模型和空間誤差模型的組合擴展形式, 是通過加入空間滯后變量而增強了的空間滯后模型, 既考慮了因變量的空間相關性又考慮了自變量的相關性, 根據赤池信息準則(Akaike Information Criterion, AIC) 和貝葉斯信息準則(Bayesian Information Criterion, BIC), 如果模型中增加解釋變量,AIC和BIC數值變小, 該模型就是最優的模型。 相比空間滯后模型和空間誤差模型,空間杜賓模型的AIC和BIC值最小, 因此進一步驗證了該模型是最優模型, 更符合中國的實際情況。 下面的分析主要探討空間杜賓模型的結果。

表7 空間計量模型匯總估計結果Table 7 Summary estimation results of the spatial econometric model

對于核心解釋變量, 在其他條件不變的情況下,能源消費每增加1 個單位,AQI指數平均增加0.002 2個單位, 且這種影響是顯著的, 這與張肖一[16]的結論有相似性, 他們運用協整分析和誤差修正模型得出地區的能源消費對空氣質量綜合指數有正向影響。 且本省級行政區的能源消費每增加1 個單位, 其他地區的AQI平均下降0.004 3 個單位, 說明本省級行政區的能源消費對其他地區有一定的溢出效應。

對于控制變量, 命令控制型環境規制在5%的顯著性水平下對本省的AQI有顯著負向影響, 說明命令控制型環境規制每增加1 個單位, 本省級行政區的AQI平均下降0.000 3 個單位, 而這種效應對其他省級行政區的AQI的影響并不顯著, 可以看出, 在當地有效實施命令控制型環境規制可以適當降低本省級行政區的空氣質量指數, 有改善本省空氣質量的作用,但對其他省級行政區的作用并不大。 經濟激勵型環境規制在1%的顯著性水平下對本省的AQI有顯著正向影響, 即當地經濟激勵型環境規制每增加1 個單位,本省級行政區的AQI平均上升1.2e-5個單位, 可能是由于當地工業污染物治理效率較低, 沒有充分發揮經濟激勵型環境規制的作用導致, 同時這種影響對其他省級行政區AQI正向作用也非常顯著, 其本身的意義是正向的但是對空氣質量的改善卻起到相反作用, 更加證實了現階段經濟激勵型環境規制還存在一定問題有待解決。 經濟約束型環境規制在1%的顯著性水平下對本省的AQI有顯著負向影響, 經濟約束型環境規制每增加1 個單位, 本省級行政區的AQI平均下降7.6e-5個單位, 說明當地政府有效實施經濟約束型環境規制可以適當降低該地區的空氣質量指數, 有改善空氣質量的作用。 公眾參與型環境規制對本省級行政區及其他省級行政區AQI的正向作用不顯著, 可能是由于建議與提案并沒有真正落實的原因導致, 其本身意義是正向的卻沒有發揮真正作用, 說明這種方式目前還存在一定問題需要完善。

4.3 效應分解

表8是空間杜賓模型的效應分解, 可分解為直接效應和間接效應, 總效應是直接效應和間接效應的和。 由總效應可知, 能源消費的直接效應是0.001 7,間接效應是-0.005 9, 且直接效應和間接效應的影響是顯著的, 直接效應的絕對值遠遠小于間接效應, 說明能源消費對空氣質量的潛在負作用較為明顯。 鄭博福[17]認為中國以煤炭為主的能源消費結構難以改變, 因化石燃料特別是煤炭的燃燒導致大氣環境污染嚴重, 由此造成了潛在的負面效應, 如高昂的經濟成本和環境成本, 損害公眾的健康等。

表8 空間杜賓模型的效應分解Table 8 Decomposition of effects for the spatial Durbin model

4.4 穩健性檢驗

通過替換被解釋變量的方法, 將空氣質量指數AQI替換為PM2.5, 再次使用空間杜賓模型進行估計,經檢驗, 結果如表9 所示, 變量的顯著性及符號并沒有改變, 與原來的估計結果較為接近, 說明模型是穩健的。

表9 穩健性檢驗估計結果Table 9 Robustness test estimation results

5 研究結論及對策建議

5.1 研究結論

基于社會網絡分析方法研究了2014—2019 年中國各省級行政區能源消費的空間關聯網絡結構特征,并在此基礎上建立空間杜賓模型分析了能源消費對空氣質量的影響。 得到以下結論:

第一, 由整體網絡特征分析可得: 當前中國能源傳輸效率偏低, 不利于改善空氣質量。 通過社會網絡分析方法得到2014—2019 年能源消費關聯網絡指標中, 平均路徑長度呈遞減狀態, 且點入度中心勢沒有收斂趨勢, 在注重開拓核心—邊緣網絡時沒有注重經濟規模相當、 發展水平相似的地區之間的互聯互動,產生規模能源儲備效應, 就會導致綠色能源共享成本變高, 從而導致以新能源、 清潔能源為主的能源使用率下降, 綠色能源產業發展效率降低, 使能源消費導致的環境污染問題得不到改善。

第二, 由節點特征分析可得: 北京、 天津、 上海、 江蘇、 浙江、 山東和廣東是能源消費空間關聯網絡的“樞紐”。 這些省級行政區有較高的有效規模、效率和較低的限制度, 因此占有較多的結構洞, 最能控制網絡中其他節點地區之間的聯系, 發揮了“樞紐” 的作用, 同時它們的度數中心度也相對較高, 較其他地區而言, 有一定的競爭優勢, 因此與網絡中其他節點地區的聯系更加緊密, 能源流動更加頻繁。

第三, 由空間杜賓模型的估計結果可得: 能源消費增加會使本省級行政區的空氣質量變差同時對其他省級行政區的空氣質量產生溢出效應, 且實施命令控制型環境規制和經濟約束型環境規制對改善空氣質量有一定作用, 而經濟激勵型環境規制和公眾參與型環境規制則需要進一步完善。

第四, 由空間杜賓模型的效應分解可得: 能源消費的直接效應遠遠小于間接效應。 長期的過渡能源消費對空氣質量產生的間接影響較大, 相比直接效應更為嚴重。 因此控制能源消費總量, 防治空氣污染是一項持久的保衛戰。

5.2 對策建議

當前隨著中國人口密度的不斷增加和經濟高質量發展的不斷邁進, 應對空氣污染問題變得愈加迫切,國家非常重視環境空氣質量問題, 早在1982 年就制定并印發了 《大氣環境質量標準》, 經多次修訂,2012 年實施了《環境空氣質量標準》(GB 3095-2012)[11], 如何有效實現“綠水青山” 和“金山銀山” 共贏依然是工作中面臨的問題, 為貫徹落實“十四五” 規劃加速推動綠色低碳發展, 建設中國特色高質量能源體系。 因此, 提出以下對策建議:

第一, 豐富能源傳輸路徑, 提高能源傳輸效率。當前中國能源傳輸效率偏低, 積極開拓能源傳輸路徑, 豐富能源傳輸渠道, 提高能源傳輸效率至關重要。 北京、 天津、 上海、 江蘇、 浙江、 山東和廣東是能源消費空間關聯網絡的“樞紐”, 這些地區與其他地區的能源關聯較為密切, 建議豐富途經“樞紐” 地區的能源傳輸路徑, 可以提高能源傳輸效率, 有利于形成開放、 包容的能源新格局。

第二, 發展規模能源儲備效應, 減少能源傳輸成本。 在加強各省級行政區能源聯系的同時, 要注重經濟規模相當、 發展水平相似地區之間能源的互聯互動, 大力發展規模相近的能源儲備效應, 可以減少能源傳輸成本, 提高新能源的使用率, 使其代替以煤炭為主的新型能源, 可以進一步緩解能源消費帶來的空氣污染問題。

第三, 完善有關空氣污染的防治措施, 加強污染源頭治理。 通過實證分析得出, 加大環保相關的行政處罰力度和執行環境保護稅收政策是有效控制空氣污染的途徑, 在經濟激勵型環境規制方面還有一定的問題需要完善, 比如拓展工業污染治理投資渠道, 調整工業結構, 發揮投資額在控制重點行業污染排放的作用等。 在公眾參與型環境規制方面, 豐富拓展民主渠道的同時也要注重落實有關能源消費及空氣污染方面的提案和建議。

第四, 調整能源結構, 促進清潔能源使用。 能源消費結構仍以化石能源為主, 清潔能源尤其是可再生能源的消費比重極小。 應進一步優化能源消費結構, 控制煤炭消費總量, 降低煤炭占能源消費的比重, 積極發展可再生能源, 穩步推進生物質能等清潔能源的開發利用, 推動能源消費結構持續優化。