中国能源生态效率的空间格局与空间效应_关伟

地理学报ACTA GEOGRAPHICA SINICA 第70卷第6期2015年6月V ol.70,No.6June,2015中国能源生态效率的空间格局与空间效应关伟1,2，许淑婷2（1.辽宁师范大学海洋经济与可持续发展研究中心，大连116029；2.辽宁师范大学城市与环境学院，大连116029）摘要：能源生态效率兼顾能源利用中的生态效益与经济效益，是对能源—环境—经济3E 系统效率的度量。

基于考虑非期望产出的SBM 模型对中国1997-2012年省际能源生态效率进行测度，从空间格局规模、格局强度与格局纹理三个方面分析能源生态效率的空间分布特征和演变规律，运用空间计量模型验证中国省际能源生态效率的空间溢出效应及其影响因素。

研究表明：①中国能源生态效率整体偏低，低效率省份约占40%，广东、海南、福建位于能源生态效率值的最前沿，宁夏、甘肃、青海、新疆为主要的低能效地区。

全国能源生态效率总体上呈U 型演变格局，局部地区主要有增长型、波动型、突变型和平稳型等4种演变类型；②中国能源生态效率在省际尺度上表现出显著的全局与局部空间集聚特征，高高集聚区主要分布在东部沿海和南部沿海地区，低低集聚区主要分布在西北地区和黄河中游地区。

空间格局的变化主要发生在高低集聚区与低高集聚区，其中又以京津冀地区的集聚类型演变最为显著；③中国能源生态效率存在着明显的空间效应，某一地区的能源生态效率对相邻地区的空间溢出程度均强于相邻地区的误差冲击对该地区的影响程度；在影响能源生态效率空间效应的诸多因素中，产业结构的影响最大。

关键词：能源生态效率；SBM 模型；空间格局；空间计量模型DOI:10.11821/dlxb2015060111引言能源问题是关乎人类社会发展和国际政治经济格局的全局性、战略性问题，又是影响气候变化与环境污染的全球性问题。

中国是目前世界最大的能源生产国和消费国，也是世界最大的CO 2排放国，降低能耗强度、减少碳排放是中国能源发展战略的重要目标。

能源问题归根是能源利用问题，提高能源效率是其关键。

能源效率的内涵在于能源消耗量对维持和促进人类可持续发展的贡献量。

生态效率兼顾经济活动的生态效益与经济效益，要求将环境影响和资源利用的强度适配于地球的承载力水平[1]，是可持续发展目标的集中体现，目前对生态效率的研究涉及企业、行业、区域与国家等多个层面[2]。

能源效率与生态效率的核心思想均是以较少的资源消耗、较小的环境影响创造较高的社会价值，进行能源生态效率的研究既是以能源资源为重点的生态效率评价，又是基于环境因素下的能源效率评价。

提高能源生态效率是发展低碳经济的本质要求，是实现经济发展收稿日期：2014-12-15;修订日期：2015-04-22基金项目：教育部人文社会科学重点研究基地重大项目(14JJD790044);辽宁省教育厅科学技术研究项目(L2013411)[Foundation:The MOE Project of Key Research Institute of Humanities and Social Sciences in University,No.14JJD790044;Science and Technology Research Program Supported by the Education Department ofLiaoning Province,No.L2013411]作者简介：关伟(1959-),男,辽宁岫岩人,教授,博士生导师,中国地理学会会员(S110003977M),研究方向为区域经济与产业规划。

E-mail:lsgw2000@980-992页6期关伟等：中国能源生态效率的空间格局与空间效应981从高能耗、高碳、高污染向低能耗、低碳、低污染发展的关键。

针对能源效率问题，学术界做了大量研究。

国内相关文献主要围绕能源效率的评价指标、评价方法与模型、能源效率同经济发展等因素的关系、能源效率的收敛性及影响因素、能源效率的时序变化规律与空间差异特征等，以省域层面和行业层面的研究为主[3-6]。

因不同应用领域及分析视角对能源效率给予不同的定义，能源效率也相应地具有多种测度指标[7-9]，基于能源利用系统性的考虑，现有文献多为全要素生产理论下的能源效率评价[10]。

对全要素能源效率的评价方法主要为DEA数据包络分析和SFA随机前沿分析，其中又以DEA数据包络分析为主，模型包括CRS和VRS、三阶段DEA、Malmquist指数、超效率DEA等。

随着学术界对能源消耗过程中伴随环境污染和生态破坏问题[11-15]关注的日益增强，基于非期望产出的SBM模型在全要素能源效率评价中得到广泛应用[16-19]，但不同学者在非期望产出的指标选择和方法处理上存在较大差异。

张伟等认为能源利用过程中产生的污染主要为大气污染，空气中约70%的CO2排放、90%的SO2排放、67%的NO2排放来自于化石燃料的使用，选取工业废气排放量作为污染排放衡量指标[20]；袁晓玲等利用熵值法将工业废水排放量、工业废气排放量等指标综合成污染物排放指数作为非期望产出指标[21]；王强、樊杰等将期望产出GDP与非期望产出CO2排放量融合成一项综合产出指标[22]。

本研究采用熵值法综合CO2排放量、工业SO2排放量、工业烟（粉）尘排放量、工业废水排放量、工业废气排放量、工业固体废物排放量作为非期望产出指标测度能源生态效率，根据所获得的效率值分析中国省际能源生态效率的空间格局与空间效应。

各种地理现象在空间分布上所表现出的规律性都可以用空间格局来反映，这种格局可以从大小、形状、数量、类型和空间组合来进行描述[23]。

根据张金屯的研究，空间格局可用格局规模、格局强度、格局纹理三种特征来描述[24]。

本文借用格局规模、强度、纹理概念研究中国能源生态效率的空间格局，分析能源生态效率的地区分布、区域差异、集聚状况。

溢出效应是外部性作用的结果，经济现象的空间效应强调溢出效应在地理空间中的作用，空间效应通过空间异质性、空间依赖性及空间集聚机制、扩散机制来发挥作用，其影响将改变空间格局。

研究中国能源生态效率的空间效应，是对能源—环境—经济系统效率的空间相互作用机制与经济互动关系的研究。

近年来，学术界对能源效率空间格局的研究多采用空间自相关方法，对其影响因素的研究多采用OLS回归模型、VEC模型、Tobit模型与空间计量模型[25-28]，相关文献主要有程叶青等运用空间自相关方法和空间计量模型对中国能源碳排放强度时空格局演化特征的分析[29]，潘雄锋等运用空间自相关方法对省域能源效率总体和局部空间差异的分析[30]，徐盈之等运用超效率DEA和空间计量模型对1991-2008年中国省际能源效率测度和空间效应分析[31]。

本文首先采用考虑非期望产出的SBM模型对1997-2012年中国省际能源生态效率进行测度，其次从空间格局规模、格局强度与格局纹理三方面分析能源生态效率的空间格局，最后运用SLM空间滞后模型和SEM空间误差模型验证中国省际能源生态效率的空间效应及影响因素。

2研究方法与数据处理2.1SBM模型SBM模型由Tone提出和发展，属于DEA模型中的非径向和非角度度量方法[32]。

传统DEA模型大多属于径向和角度的度量，缺乏对投入产出松弛问题的考虑，而SBM模型将松弛变量放入目标函数中，能更有效评价非期望产出下的效率问题[33]。

本研究采用地理学报70卷考虑非期望产出、基于投入产出类型、固定规模报酬下的SBM 模型对中国省际能源生态效率进行测度，模型表达[34]为：ρ=min 1-1N ∑n =1Ns x n /x t 'k 'n 1+1æèçöø÷∑m =1M s y m /y t 'k 'm +∑i =1I s b i /b t 'k 'i s .t .∑t =1T ∑k =1K z t k x t kn +s x n =x t 'k 'n ,n =1,…,N ∑t =1T ∑k =1Kz t k y t km -s y m =y t 'k 'm ,m =1,…,M ∑t =1T ∑k =1Kz t kb t ki +s b i =b t 'k 'i ,i =1,…,I z t k ≥0,s x n ≥0,s y m ≥0,s b i ≥0,k =1,…,K （1）式中：ρ代表效率值；N 、M 、I 分别代表投入、期望产出与非期望产出的个数；()s xn ,s y m ,s b i 代表投入、期望产出与非期望产出的松弛向量；()x t 'k 'n ,y t'k 'm ,b t'k 'i 代表第k '决策单元在t '时期的投入产出值；z t k 代表决策单元的权重。

目标函数ρ关于s x n 、s y m 、s b i 严格单调递减，0<ρ≤1；当ρ=1时，决策单元位于效率前沿面上；当ρ<1时，决策单元存在效率损失。

2.2空间自相关指数空间自相关是对空间单元属性值集聚程度的度量[35]。

全局空间相关测度研究区域内所有空间对象的总体关联程度、空间分布模式及其显著性，全局Moran's I 指数为：I =∑i =1n ∑j ≠in w ij (x i -x ˉ)(x j-x ˉ)σ2∑i =1n ∑j ≠i n w ij （2）式中：x i 为地区i 的观察值；n 为观察值的数目；x ˉ=1n ∑i =1n x i ，σ2=1n ∑i =1n (x i -x ˉ)2。

空间权重矩阵W ij 为二元邻接矩阵。

式（3）为Z 检验统计量，E （I ）为期望，Var （I ）为方差。

Z =I -E (I )Var(I )（3）式中：如果I 显著为正，表明存在正的空间相关性，能源生态效率值较高（低）的区域在空间上呈集聚态势。

全局空间自相关假定空间同质，无法反映局部集聚特征，需要进行局部空间自相关分析。

局部空间自相关反映每个省区与相邻省区之间的空间关联程度，局部Moran's I 指数为：I i =z i ∑i ≠j n w ij z j（4）式中：I i 为地区i 的局部Moran's I 指数；Z i 为Z 标准化后地区i 的能源生态效率值；W ij 为空间权重矩阵。

局部Moran's I 指数为正（负）表示相似（异）类型属性值的要素相邻近，绝对值越大表示邻近程度越高。

Moran 散点图是以观测值Z 为横坐标，以对应的空间滞后因子Wz 为纵坐标的散点图，有HH 聚集、LL 聚集、LH 聚集、HL 聚集4种类型。