【www.haohaowg.com--经济论文】
1 引言
随着全球气候变暖和人类生存环境的恶化，越来越多的国家通过节能减排来保护环境，能源政策对经济增长的影响成为各国普遍关注的问题。如果存在从能源消费到经济增长的因果关系，那么保护能源的节能政策将会对经济增长产生负面影响；相反，如果存在从经济增长到能源消费的单向因果关系或两者没有因果关系，那么节能政策可能对经济增长没有或者有很小的影响。围绕能源消费与经济增长之间的关系，国内外学者进行了大量的实证检验，但迄今为止没有达成一致或令人信服的结论。本文尝试从产业结构的角度为实证结果的不一致给出一个较为合理的解释。
历史经验表明，由于不同产业部门生产等量GDP所消耗的能源不同，产业结构对能源消费和经济增长都有着重要影响。一般而言，第二产业单位增加值耗能要大大高于第一产业和第三产业。若经济中第二产业的比重较高，经济增长就会更多地依赖能源投入；反之，经济增长对能源投入的依赖程度就会较弱。我国各地区产业结构存在较大差异，如果把具有不同产业结构的省份划分在一个区域，必然会影响回归结果的显着性或者低估回归参数，得到不准确的结论。因此，本文以产业结构为标准对我国28个省市自治区进行划分，研究不同产业结构下能源消费与经济增长的关系。本文的划分方法具有两个优点：一是相对于已有的国别研究，利用我国不同地区产业结构的差别来研究两者关系，可以避免国家社会制度、经济体制以及宏观经济政策等方面的差异对两者内在依存关系的影响。二是相对于东、西、中地理位置的划分，更具经济合理性，所得结论也可为我国各地区电力需求预测、能源政策以及区域产业结构的调整提供科学依据。
2 文献综述与研究方法
能源消费与经济增长的因果关系存在着重要的政策涵义，因此学术界对这一问题进行了大量的实证研究。
Ozturk（2010）[1]对这一领域的研究成果进行了梳理，发现针对不同国家的实证结果不同，即使针对同一个国家，不同样本区间的实证结果也不一致。如Kraft J和Kraft A（1978）[2]利用美国1947~1974年的数据进行研究，发现存在GNP（国民生产总值）到能源消费的单向因果关系。然而，Akarca和Long（1980）[3]利用比Kraft J和Kraft A（1978）[2]更短的样本区间时，却发现两者之间并不存在因果关系。但Ozturk并没有给出引起差异的原因。本文认为，也有可能是不同区间，其产业结构不同所致，而这正是本文实证检验的部分。
在早期文献中，学者们大多运用对时间序列平稳性非常敏感的Granger和Sim因果关系检验，但很多研究在没有检验时间序列平稳性的情况下，直接使用时间序列的水平值进行检验，这种不科学的计量方法必然导致实证结果的不可靠。近年来，随着计量经济学的发展，对这一问题的研究出现了两个主要趋势：一是采用多变量模型，除了两变量模型中的GDP和能源消费变量外，还加入了资本、劳动和二氧化碳排放等变量，如林伯强（2003）[4]、Ghali和El-Sakka（2004）[5]、Huang等（2008）[6]和Apergis等（2009）[7]等。二是采用面板协整检验，利用多国数据或省级数 据 来 检 验 能 源 消 费 与 经 济 增 长 的 关 系，如Lee（2005）[8]、Francis等（2007）[9]、Mehrara（2007）[10]等。采用多变量模型是因为能源消费与经济增长之间的关系受到多种因素的影响，因此在回归中不能单纯考虑能源消费与经济增长两个变量，还要考虑到产业结构、能源结构等因素；采用面板数据是为了克服短期时间序列的缺陷以及小样本所造成的影响，增加检验的自由度。
近年来，也有很多学者对我国能源消费与经济增长的关系进行研究。
Zhang和Cheng（2009）[11]利用我国1960~2007年数据进行研究的结 果 表 明，我 国 经 济 存 在 从GDP到 能 源 消 费 的 单 向 因 果 关 系。韩 智 勇 和 魏 一 鸣（2007）[12]的实证结果则表明两者之间存在双向因果关系，但不具有长期协整性。吴巧生（2008）[13]利用我国省际面板数据再次检验了能源消费与经济增长的关系，发现我国整体存在双向因果关系，但东部地区只存在从能源消费到GDP的单向因果关系，而西部地区只存在从GDP到能源消费的单向因果关系。相对于能源消费与经济增长关系的实证结果，电力消费与经济增长关系的研究结果比较一致，大部分文献认为我国只存在电力消费到经济增长的单向关系，如Shiu和Lam（2004）[14]、Yuan等（2007）[15]和Yuan等（2008）[16]等。林伯强（2003）[4]基于三要素生产函数检验了电力需求与GDP的关系，结果表明我国电力需求和GDP之间存在长期相互关系，而且从短期来看，显着 地 存 在 电 力 消 费 到GDP的 因 果 关 系。
Li等（2010）[17]将我国30个省份分为两组进行分析发现人均实际GDP和电力消费之间存在长期的协整关系。但是，由于划分标准和检验方法等诸多问题，这方面研究还比较少。
与已有研究不同，本文利用我国省际面板数据，基于各省市产业结构的差异，将其划分为三个区域，并利用面板误差修正模型检验了不同区域电力消费与经济增长的因果关系。为避免虚假回归，本文首先检验变量的平稳性，如果变量为平稳序列，则直接建立VAR模型。如果变量为非平稳序列，则检验变量之间是否具有协整关系，若变量之间存在协整关系，则建立相应的误差修正模型；若变量之间不存在协整关系，则需要经过差分，得到平稳序列后再建立VAR模型。总之，实证检验各区域电力消费与经济增长之间的因果关系，大致需要三步：面板单位根检验、面板协整检验和面板因果关系检验。
3 数据说明与区域划分
3.1区域划分
对各省市自治区如何进行区域划分是本文实证检验的关键。由于资源禀赋条件和产业政策影响，我国各省市的产业结构存在明显差异。为检验这种差异对电力消费与经济增长关系的影响，本文将依据各省市产业结构对其进行划分。一般来讲，产业结构是指一个国家或一个地区经济中产业的构成及其相互关系。研究中可以从多个角度来衡量一个地区的产业结构，比如产值结构、劳动力结构、相对劳动生产率等。产值结构（即三大产业增加值各占国民生产总值的比例）是研究中常用的一种方式。本文将依据各省市第二产业增加值占比对我国28个省市（因数据所限，不包括西藏、重庆和海南省）进行区域划分。因为本文采用的是面板数据，不同时期各省市第二产业增加值占比会略有不同，所以本文利用各省市1985~2012年第二产业增加值占比的均值来衡量它们的产业结构。虽然在此期间各省市产业结构有一定的变化，但是总体而言没有太大的变化。除北京和上海以外，在此期间其他省市第二产业增加值占比的方差均小于0.005且大部分省市小于0.001.因此，本文认为各省市第二产业增加值占比的均值可以用于衡量它们在这一时期的产业结构。基于此，本文将我国28个省市划分为三个区域：第二产业增加值占比小于0.4（区域I）、第二产业增加值占比大于0.4小于0.5（区域II）和第二产业增加值占比大于0.5（区域III）。表1给出各区域所包含的省市。
3.2数据说明
本文采用1985~2012年的年度数据，主要包括我国28个省市自治区的国内生产总值（GDP）和电力消费量（ELC），数据来源于中国统计年鉴。本文采用电力消费而非能源消费的数据是基于以下两个原因：一是因为相比煤炭、石油等一次能源的消费数据，由计算机直接读出的电力消费数据更为准确，二是因为电力消费是中国能源消费的主要方式。因此，使用电力消费更能准确反映能源消费与经济增长之间的内在联系。GDP采用实际GDP数据，由名义GDP和以1978为基期的GDP平减指数计算得到①。所有变量均采用自然对数的形式。
4 实证分析结果
4.1面板单位根检验
面板单位根检验与普通时间序列单位根检验略有不同。假定面板数据的一阶自回归过程如下：yit =ρiyit-1+x′itδi+μit,i=1,2,…，N;t=1,2,…，Ti（1）式中，xit表示模型中的外生变量，包括各截面的固定影响和时间趋势。
N表示截面成员个数，Ti表示第i个截面成员的观测时间长度，参数ρi为自回归系数，随机误差项μit满足独立同分布。如果|ρi|<1,则yit为平稳序列，如果|ρi|≥1,则为非平稳序列。依据对参数ρi的不同限制，面板单位根检验分为两大类：一类假设各截面序列具有一个相同的单位根，LLC（Levin-Lin-Chu）检验和Breitung检验；另一类假定各截面序列具有不同的单位根 过 程，如Im-Pesaran-Skin检验、Fisher-ADF检 验 和Fisher-PP检验。本文将利用LLC检验、Im-Pesaran-Skin检验和Fisher-ADF检验，综合判断各区域电力消费及经济增长的稳定性。
表2给出了不同区域各变量的水平值和一阶差分的单位根检验结果。对于所有区域，对数GDP和对数ELC的水平值在1%的水平下都不能拒绝原假设，即存在单位根，为非平稳序列。但一阶差分序列均拒绝了原假设，不存在单位根，表明对数GDP和对数ELC都是一阶单整序列。
4.2面板协整检验
由于面板序列为非平稳序列，因此需要进一步作协整检验。
Pedroni（1999）提出了基于Engle和Grange两步法的面板数据协整检验方法，该方法利用协整方程回归残差构造的七个统计量来检验变量之间的协整关系。就本文而言，可考虑以下回归方程：lnGDPit=αi+θit+βilnELCit+εit,i=1,2,…，N;t=1,2,…，T（2）lnGDPit表示第个省市第t期实际国内生产总值的对数，lnELCit则表示第个省市第t期电力消费量的对数。
αi和θi分别表示每个省市的个体效应和趋势效应，βi为协整参数。由EG两步法可知，若上式残差序列为非平稳序列，则变量之间不存在协整关系，相反，则存在协整关系。
在对残差序列进行平稳性检验时，Pedroni将具体的原假设和备择假设分为两大类：一类为维度内（within-dimen-sion）检验，主要检验同质面板数据的协整关系，包括面板方 差率统计量（Panel v-Statistic）、面板ρ统计量（Panelrho-Statistic）、面板PP统计量（Panel PP-Statistic）和面板t统计量（Panel ADF-Statistic）；另一类为维度间（be-tween-dimension）检验，主要检验异质面板数据的协整关系，包括组间ρ统计量（Group rho-Statistic）、组间PP统计量 （Group PP-Statistic）和 组 间ADF统 计 量 （GroupADF-Statistic）。Kao面板协整检验与Pedroni检验方法基本相同，不同之处是Kao检验在第一阶段将毁归方程设定为每一个截面个体有不同的截距项和相同的系数。表3报告了两种检验方法的检验结果。
如表3所示，在5%的显着水平下，对于所有区域，Kao检验的T统计量都显着。这表明不管是全国还是各区域，经济增长和电力消费之间都存在长期协整关系。
Pedroni检验的七个统计量并不完全显着。在这种情况下，应依据哪个统计量的检验结果，Pedroni（2004）给出了结论：对于小样本面板数据，小 样 本 面 板 数 据，GroupADF统计量和Panel ADF统计量相对比较稳定。因此，本文主要关注这两个统计量的检验结果。如表3显示，在10%的显着水平下，所有区域的Group ADF统计量和Panel ADF统计量都拒绝了原假设，表明所有区域的经济增长和电力消费之间都存在长期协整关系。
基于上述分析，为避免变量的内生性或误差项的相关性，本文利用FMOLS模型（group-mean panel FMOLS）来估计各省市的长期协整系数。简单来讲，面板协整系数可由下式得到：^β*GFM= N-1∑Ni=1^β*FM,i^β*GFM面板协整参数，^β*FM,i则表示第i个单方程FMOLS估计。相应的T统计量则为t^β*GFM= N-0.5∑Ni=1t^β*FM,i,t^β*FM,i为第i个单方程FMOLS估计的T统计量。由于各变量均取了对数，因此，回归系数即为弹性系数。根据FMOLS的估计 结 果，我 国GDP的 电 力 消 费 弹 性 大 于1,为1.1548,即电力消费每增加1%,GDP将增长1.1548%.地区I、地区II和地区III GDP的电力消费弹性分别为1.0869、1.148和1.3105,均大于1,且随着第二产业增加值占比的提高，弹性系数也在不断增加，表明第二产业增加值占比越高，GDP对电力消费的变化越敏感。同时，本文也发现，对于我国的一些不发达地区，如青海、宁夏、贵州、内蒙古等地，GDP对电力消费的弹性系数小于1,表明这些省份的GDP增长对电力消费的变化并不是很敏感。
4.3因果关系检验---面板误差修正模型
Granger因果关系是指增加变量X的过去信息来预测Y比不增加时预测得更好。协整检验只能验证变量之间是否存在协整关系，但并不能表明变量之间的因果关系。为了进一步检验两变量之间的长期及短期因果关系，本文通过误差修正机制，建立了如下的面板误差修正模型：ΔlnGDPit=α1i+∑qk=1φ1kΔlnGDPit-k+∑qk=1γ1kΔlnELCit-k+λ1ECTit-1+ω1itΔlnELCit=α2i+∑qk=1φ2kΔlnELCit-k+∑qk=1γ2kΔlnGDPit-k+λ2ECTit-1+ω2it（3）Δ表示差分算子；q表示滞后阶数，由1IC信息准则确定；ω2it为满足标准假设的误差项。
ECTit-1表示误差修正项向量，由方程（2）得到。系数矩阵λ表明变量之间的长期因果关系，反映了变量之间偏离长期均衡状态时，将其调整到均衡状态的速度。系数矩阵γ表示变量之间的短期因果关系。本文利用F检验，对系数矩阵γ和λ的显着性进行检验。
表5给出了动态误差修正模型的检验结果。首先，分析关注各方程ECT的显着性。
ECT系数的大小表明各因变量在本期对前一时期偏离其长期均衡水平修正的程度，其显着性说明该变量关于长期参数的弱外生性。如表5所示，从全国范围来看，GDP不是弱外生的，即GDP会在t期对t-1期的偏离做出响应。但ELC是弱外生的，并不对t-1期的偏离做出响应。可见，从长期来看，电力消费是GDP的Granger原因，但GDP却不是电力消费的Granger原因。对于区域I、区域II和区域III来讲，结果也是如此。但是，对于不同地区，短期因果关系却不同。从全国范围来看，F检验的结果表明电力消费是GDP增长的短期Granger原因，但没有证据表明GDP是电力消费的短期Granger原因。对于区域I,结果却正好相反，这或许是因为区域I的第二产业增加值占比较低，导致电力消费没有成为GDP增长的Granger原因，GDP的增长却拉动了电力消费的增加。对于区域II,GDP和ELC互不存在短 期Granger因 果 关 系。对 于 区 域III,GDP和ELC互为短期Granger因果关系，这或许是因为区域III的第二产业增加值占比高，其GDP的电力消费弹性也相对较高造成的。
基于以上实证结果，本文得出如下结论：
①从长期来看，所有地区的电力消费与GDP均存在着均衡关系，且电力消费是GDP的Granger原因。
②第二产业增加值占比越高，GDP对电力消费的变化越敏感。例如，第二产业增加值占比最高的区域III与第二产业增加值占比最低的区域I相比，GDP对电力消费的弹性系数要高18.6%.
③从全国范围来看，存在从电力消费到GDP的短期Granger因果关系，反之，却并不成立。
④从区域来看，对于第二产业增加值占比较低的地区，电力消费与GDP之间并不存在短期的Granger因果关系；对于第二产业增加值占比较高的地区，却存在双向的因果关系。可见，第二产业增加值占比越高，电力消费与GDP增长的关系越密切。
5 政策建议
本文利用我国1985~2012年的数据，以产业结构为标准对我国28个省市进行区域划分，研究了不同产业构成下电力消费与经济增长的关系。实证结果表明产业结构对电力消费与经济增长的相互关系有着重要影响。相关部门在制定能源政策时，不应采取一刀切的方式，而应充分考虑各地区能源消费与经济增长关系的差异，进行全面的调查和研究，制定符合各地区经济可持续发展的能源政策。
从全国范围看，电力消费与经济增长之间存在长期协整关系，且电力消费是经济增长的Granger原因。因此，抑制电力消费会对经济增长产生不利影响，短期或长期的电力短缺可能造成GDP增长的减缓。政府相关部门应该采取一些措施来应对电力短缺，一方面应增加电力投资，尤其是风电、水电和核电等清洁能源的投资，另一方面应采取措施来提高电力能源的利用效率，比如推进电价改革、限制高耗能产业项目的过分扩张、加快产业升级等。
从区域范围看，各地区产业结构存在较大差异，电力消费与经济增长的因果关系也不相同。因此，要根据各地区的不同特点，制定差异化的能源政策。第二产业增加值占比较高的地区，电力消费与经济增长的关系更紧密。对于这些地区，采取不适当的节能政策会制约经济发展，应该加大产业结构调整力度，降低第二产业增加值的占比；而对第二产业增加值占比不高的地区，由于能源消费对经济增长的短期影响并不显着，因此可以采取较为严厉的能源保护措施。但从长期来看，还是应该采取提高能源利用效率的各项措施，促进本地区经济的可持续发展。