能源问题是已是影响我国经济发展的热点和焦点问题。一方面，我国正处于工业化进程中期，对能源需求越来越大，经济的快速发展不可避免地需要不断增加能源投入。2011年我国一次性能源生产总量增长6.41%，一次性能源消费总量增长7.67%，而世界一次性能源生产和消费总量分别增长2.51%和 2.11%。
摘要：本文以马歇尔集聚理论为基础构建空间外部性指标和计量模型，运用2003-2011年城市面板数据检验了经济活动空间集聚对能源效率的影响。结果显示，城市能源效率受到空间中城市专业化劳动力、中间投入和技术溢出效应的影响，其中，中间投入空间可得性和空间技术外溢对能源效率具有显著促进作用，而邻区专业化劳动力却不利于当地能源效率的提高。从分地区的估计结果来看，空间集聚外部性对各地区能源效率的综合效应均为正，但各地区不同集聚外部性对能源效率的作用渠道和影响效果各异。进一步通过考察空间集聚外部性对能源效率不同分位点的边际效应及其变化趋势发现，专业化劳动力可得性、中间投入可得性和区际沟通的技术溢出对能源效率的边际贡献随分位数增加呈现先增后降的倒U型变化趋势，而区际研发的技术溢出则呈现U型变化趋势。
关键词：能源类论文发表,空间外部性,集聚经济,工业能源效率,分位数回归
中国的能源生产和消费增长趋势与世界相反，能源生产量及增长率均低于能源消费量及增长率。伴随中国城市化进程加快，能源供求矛盾必将进一步凸显。另一方面，能源生产和使用是环境污染的主要来源，我国的能源消费结构中69.0%是煤炭消费，对环境保护造成很大压力。2009年中国温室气体排放量已超过美国成为世界头号温室气体排放国。可见，我国能源使用和能源产业发展正面临利用率低、经济效益差和环境污染等重要问题。改变我国各地区“高能耗”、 “高污染”的发展方式，提高能源效率，真正将节能减排落实到实处，对于加快“两型社会”建设，促进区域经济稳定、可持续发展具有重要的现实意义。
那么如何提高能源的利用效益呢?大多数研究认为影响能源效率的因素主要包括产业结构、技术进步、政府影响力、FDI等[1]。然而，这些研究仅考察当地技术要素对能源效率的影响，却忽视了与集聚相关的区位和空间因素的作用。事实上，经济活动均发生于一定的空间;生产要素和产品市场的空间组织形式和结构不同，地区要素生产率也各异。能源作为要素投入的一部分，其效率必然受到经济活动空间结构(集聚或分散)、进而要素和市场空间分布方式的影响。经济活动集聚促进要素生产率和经济增长的思想最早可追溯到Marshall[2]。集聚外部性有利于提高要素的生产效率，并为厂商带来较佳的生产绩效[3]。Head 等[4]综合马歇尔外部性的三个微观机制分析了1980年起751个日本制造企业劳动生产率。结果显示，自然资源和专业化劳动力不是决定日本制造企业区位选择的重要因素，而中间投入和净技术溢出效应对制造业生产效率具有显著影响。而Olson[5]的研究指出技术性劳动力、运输与通讯设施、邻近大学与研发中心的程度是产生集聚经济的关键因素。这些研究为马歇尔外部性的存在性提供了足够证据，但他们均忽略了集聚外部性在地区间的影响(即空间外部性)。随着交通和通讯技术的创新和发展，区域一体化进程加快，产业价值链已由单一区域走向跨区域合作。Feser[6]衡量了美国各县市50英里通勤范围内的劳动力、中间投入品及生产性服务活动、知识和技术等供给因素对中心县市农业园林机械部门与测量和控制装置部门经济增长率的影响。Drucker and Feser[7]则认为空间集聚外部性作用为75 km。
这些研究揭示了集聚经济外部性不仅来自城市内部的厂商集聚，而且来自邻近地区的集聚，而且对要素生产率具有促进作用。对中国各城市集聚效应的研究也指出，100 km范围内邻近城市间的产业集聚有互相依赖作用，邻近市县产业集聚是促进当地劳动生产率提高的重要因素[8]。
空间集聚外部性变量的参数估计是本文关注的重点。各空间外部性变量中，除中间投入的空间可得性指标(lnPS)的参数估计在多数方程中以10%显著水平通过检验外，其他变量的参数估计均在5%及以上显著水平通过检验，说明城市能源效率除与本身集聚因素有关外，还受到空间中100 km范围内其他城市专业化劳动力、中间投入和技术溢出效应的影响。要素的空间分布和城市的空间区位(或城市分布的空间结构)显著影响着城市彼此的能源效率。这一结果印证了我国各地区采取城市群、都市圈发展战略的科学性和有效性100 km范围内的城市集合与各地区打造的一小时经济圈基本吻合。，然而，城市群内城市间的相互作用不仅表现为互为关联、相辅相成和相互促进，而且也存在彼此间的竞争和相互抑制。各方程中两个技术外溢指标的参数估计均在5%以上的水平显著为正，充分说明当地能源效率不仅受到本身技术因素的影响，同时也受到临近城市技术因素的促进作用，而这些技术因素或者来源于各地区的研发投入或者来源于专业技术人才的积累及其密度。空间中间投入品可得性的参数估计尽管不及技术溢出显著，但其正参数估计说明城市间产业链上下游间的投入―产出联系是空间相互作用的重要方式，这种作用方式使经济活动在空间上呈现连续成片的分布格局。与空间技术外溢和中间品可得性不同，空间专业化劳动力可得性(lnLS)的参数估计与预期不符，该指标越大表示邻市的专业化程度越高，对其他城市能源效率的抑制作用越强。
目前几乎所有文献均支持产业集聚有利于改进能源利用效率的观点[9-10]，而本文不仅同意以上观点，而且认为经济活动空间集聚对能源效率的影响并不必然是促进作用，而是最终取决于以上两种力量的综合效应。以面板FGLS的估计结果为例，能源效率对于空间技术外溢和中间投入可得性的综合弹性系数为0.072 4，对于空间专业化劳动力的弹性系数为-0.007 2，从而由空间关联性引起的净集聚效应为0.065 2实际上采用FE(个体效应)和FE(双向效应)模型的估计结果也会算出类似的结论，但本文的计量检验结果显示面板FGLS的估计结果最有效。。可见经济活动空间集聚对能源效率具有正的净集聚效应，且该促进作用主要通过空间技术外溢和中间投入品的规模经济效应来实现。 3.2 对八大地区的面板FGLS估计结果
由于各地区经济空间结构差异明显，不同的空间因素在各地区对能源效率的作用方式和大小都可能存在显著差异。为此，我们采用国务院发展研究中心发布的《中国中长期发展的重要问题(2006-2020)》中八大综合经济区的划分，对不同区域的城市样本分别进行估计。分地区城市样本的FGLS估计结果见表2。
我们重点考察城市自身及其它城市空间集聚变量的作用。东北地区的各空间变量中只有区际人际沟通的技术溢出(即本文的第二个技术溢出指标，TS2)显著促进能源效率的改善，而其他空间变量却不显著。这意味着东北地区作为我国重要的重工业基地，历史上积累的丰富专业技术人才及其区间流动有利于地区要素生产率的提高，然而其偏低的产业专业化水平和滞后的中间品(尤其是现代生产性服务业)市场使得专业化劳动力和中间品空间可得性并未对当地能源效率产生明显影响;同时区际研发的技术溢出未通过检验的参数估计还反映了东北地区利用现代技术改造传统产业的力度和速度依然落后于现实的需要。北部沿海地区空间研发的技术溢出(lnTS1)和中间投入可得性(lnPS)显著促进了能源效率的提高，但空间专业化劳动力(lnLS)对邻近城市的能源效率具有显著的抑制作用;值得注意的是尽管该地区区际沟通的技术溢出的负参数估计不显著，但可能反映了该地区专业技术人才主要集中几个大型城市(比如北京、天津、青岛、济南等)、具有明显的极化特征，不利于其他地区能源效率的提高。东部沿海和南部沿海地区空间变量的参数估计相似，中间投入品可得性、区际研发和人际沟通的技术溢出均对当地能源效率具有显著促进作用，而专业化劳动力具有不显著的负参数估计，这说明东南部沿海地区城市间的相互作用可能更多地体现为互补性而非竞争性。显然，我国东部和南部沿海地区不仅城市规模大，而且密度高、交通方便，产业集聚在城市间的溢出效应显著，各级城市都能比较便捷地获得劳动力、资本、技术和市场，因而互补性更甚于竞争性。黄河中游和长江中游地区空间集聚变量的参数估计与全国样本的估计结果基本一致(尽管显著性有所差异)，能源效率既受到空间技术溢出和中间投入品可得性的正向影响，也受到邻区专业化劳动力的负面作用。在大西南经济区，能源效率提升主要得益于中间投入的空间外部性和区际沟通的技术溢出，但受到邻近城市专业化劳动力可得性的负面影响。大西北经济区城市能源效率同样受到邻区专业化劳动力的负面影响，但不同的是，该区能源效率的提高仅得益于区际研发的技术溢出。由此可见，我国不同各地区能源效率受到的空间集聚外部性的影响方式、作用效果各不相同。
3.3 空间集聚外部性对能源效率影响的分位数估计结果
固定效应的FGLS模型分析了空间集聚外部性(G)对能源效率EP的条件期望值E(EP�G)的作用，实际上反映了空间外部性对能源效率的平均边际影响，但均值回归结果难以体现空间外部性对整个条件分布的影响。本文以0.1，0.25，0.5，0.75和0.9为五个代
表性分位点，并引入城市和年份虚拟变量来控制固定效应，采用线性规划方法进行估计，估计结果见表3限于篇幅，本文未列出城市和年份虚拟变量的参数估计。。
表3显示分位数估计结果多数情况下与预期基本一致，但不同分位点的系数大小和变化趋势不同。邻近地区专业化劳动力供给对当地能源效率的影响在各分位点上均显著为负，且对能源效率的影响随分位数的增加表现出先增后减的趋势，说明邻区专业化劳动力对能源效率条件分布中间部分的抑制作用大于对两端部分的影响。邻区中间投入或服务可得性的参数估计多数情况下显著为正且随着分位数增加亦呈现出先增后减的变化趋势，说明生产性服务业集聚规模与能源效率之间存在倒U型关系。根据本文理论机制，作为中间投入的生产性服务业在空间中的集聚有利于降低城市下游厂商的生产成本、提高要素生产率。而生产性服务业的空间集聚规模偏低不足以满足制造业部门降低成本的需要时，其对要素生产率的影响是有限的;随着生产性服务业规模的扩大，下游厂商在低成本的驱使下不断向城市集聚，集聚经济和规模经济效应的充分发挥有利于要素生产率快速提高;然而下游厂商的集聚也会促进中间厂商数量的增加，不仅厂商间竞争效应加强，而且中间服务部门的集聚规模也会超过城市制造业需要的合理范围，从而中间服务部门集聚的规模效益降低。区际研发的技术溢出(lnTS1)的参数估计随着能源效率由低分位点向高分位点变化具有先降低后增加的U型变化趋势，意味着邻近地区研发投入对能源效率相对较低或较高的城市更有利。区际人际沟通的技术溢出(lnTS2)的对能源效率边际贡献随分位数增加亦呈现先增后减的倒U型趋势。区际人际沟通的技术溢出与区域人才密度有关，能源效率较低的城市专业人才密度较低，人们之间较少的接触、交流的机会导致技术溢出效应较小;随着专业技术人才密度的增加，技术效应和能源效率在不断提高，同时由集聚引起的拥挤效应也在不断增加，当能源效率达到一定程度，技术溢出效应增长速度低于拥挤效应时，更密集的技术人才密度将导致能源效率增长趋缓。因而区际人际沟通的技术外溢对能源效率边际贡献的最终变化取决于两种力量的对比，从而区际沟通的技术外溢对能源效率的影响在能源效率较低或较高时较小而当能源效率条件分布处于中间部分时较大。
4 结论与启示
4.1 主要结论
本文以马歇尔集聚经济理论为基础构建空间集聚外部性指标和计量模型，并运用2003-2011年城市面板数据检验了空间外部性对能源效率的影响。估计结果显示，城市能源效率除与本身集聚因素有关外，还受到空间中100 km范围内其他城市专业化劳动力、中间投入和技术溢出效应的影响，其中，中间投入的空间可得性和空间技术外溢对能源效率具有显著促进作用，而邻近地区专业化劳动力可得性却不利于当地能源效率的提高。
经济活动空间集聚对能源效率具有正的净集聚效应，且该促进作用主要通过空间技术外溢和中间投入品的规模经济效应来实现。空间集聚外部性对各地区能源效率的综合效应均为正，但各地区不同集聚外部性对能源效率的作用渠道和影响效果不同。随分位数的增加，专业化劳动力可得性、中间投入和服务可得性和区际沟通的技术溢出对能源效率的边际贡献呈现出先增后降的倒U型变化趋势，而区际研发的技术溢出则表现出先降后增的U型变化趋势。 4.2 政策启示
以上结论对于提高各地区能源效率、促进节能减排与区域经济协调发展具有明显的政策含义。
首先，由于城市能源效率除与本身集聚因素有关外，还受到空间中其他城市专业化劳动力、中间投入和技术溢出效应的影响，因而促进区域经济协调发展同时也是实现节能减排、提高能源效率的过程，各地区在培育新的集聚中心或增长极和制定区域发展战略时应综合考虑各方面因素，统筹规划、合理布局，充分利用城市之间以及城市与其腹地之间在产业结构、市场需求偏好等方面的互补性因势利导，促进要素、技术、产品在城市之间自由流动和产业的有序转移，扩大经济活动在空间中的集聚经济和规模经济效应形成优势互补、互动合作的良性区域发展格局。
其次，由于空间集聚外部性对能源效率的影响在不同地区和不同的分位区间具有不同的变化趋势，因而各地区应统筹考虑当地能源效率受到的空间作用方式以及这种空间作用方式在不同的能源分位区间可能产生的具体影响，因地制宜地安排经济活动空间分布和制定节能减排政策。以北部沿海地区为例，通过表2我们知道，该地区能源效率主要得益于区际研发的技术溢出和中间投入空间可得性，但却受到邻区专业化劳动力的抑制作用;而通过表3我们可以获得该地区能源效率受到的每种空间外部性在不同分位区间的作用效果。因而我们可首先对北部沿海各城市能源效率进行排位，并针对该地区不同分位点的城市制定不同的经济活动区位和能源政策。比如为了提高能源效率处在低分位点城市的能源利用效率，可以在保证这些城市与其他城市投入产出联系的基础上，更加突出当地和邻近地区研发投入(加大科研支出、促进技术进步等)对能源
效率的作用由于随着能源效率分位点的增加，空间中间投入可得性与专业化劳动力可得性的边际贡献具有先增加后减少的倒U型趋势，而研发支出的技术溢出效应具有先降低后增加的U型趋势，因而对北部沿海低分位点的城市来说，为了尽量降低邻区专业化劳动力的抑制作用，同时发挥集聚经济的最大促进作用，需要在保证中间投入空间可得性基础上更加突出研发投入的空间作用。。
(编辑：常 勇)
参考文献(References)
[1]魏楚， 沈满洪. 能源效率及其影响因素：基于DEA的实证分析[J]. 管理世界， 2007，(8)： 66-76.[Wei Chu， Shen Manhong. The Energy Efficiency and Its Influencing Factors： Empirical Analysis Based on DEA[J]. Management World， 2007，(8)：66-76.]
[2]Marshall A. Principles of Economics： An Introductory Volume(M). London： Macmillan， 1961.
[3]Flyer F，Shaver J M. Location Choices Under Agglomeration Externalities and Strategic Interaction[R]// Baum J A C，Sorenson O. Geography and Strategy. Oxford，UK：Elsevier JAI，Amsterdam， 2003， 20： 193-213.
[4]Head K，Ries J， Swenson D. Agglomeration Benefits and Location Choice： Evidence from Japanese Manufacturing Investments in the United States[J]. Journal of International Economics， 1995，38： 223-247.
[5]Olson K. Strategic Clustering[J]. Executive Excellence， 1998， 15(12)： 16-24.
[6]Feser E J. Tracing the Sources of Local External Economies[J]. Urban Studies， 2002， 39(13)：2485-2506.
[7]Drucker J， Feser E. Regional Industrial Structure and Agglomeration Economies： An Analysis of Productivity in Three Manufacturing Industries[J]. Regional Science and Urban Economics， 2012， 42：1-14.
[8]Ke Shanzi. Agglomeration， Productivity and Spatial Spillovers Across Chinese Cities[J]. The Annals of Regional Science， 2010， 45(1)：157-179.
