产业集聚影响全要素能源效率的非线性特征研究
——基于中国能源行业数据的实证分析

潘雅茹，陈 峥，罗良文

（1.武汉科技大学 文法与经济学院，湖北 武汉 430065；2.中南财经政法大学 经济学院，湖北 武汉 430073）

产业集聚影响全要素能源效率的非线性特征研究
——基于中国能源行业数据的实证分析

潘雅茹1，陈 峥2，罗良文2

（1.武汉科技大学 文法与经济学院，湖北 武汉 430065；2.中南财经政法大学 经济学院，湖北 武汉 430073）

文章采用2006-2015年中国30个省市的面板数据，运用动态广义矩模型实证检验产业集聚对全要素能源效率的非线性效应，并利用面板门限模型检验产业集聚对全要素能源效率的门限值。研究结果表明，产业集聚能够显著促进全要素能源效率的提升，且二者之间存在稳健倒“U”形关系，产业集聚对能源效率存在显著门槛效应；当产业集聚水平低于门槛值1.45时，产业集聚对全要素能源效率具有显著正向效应；当产业集聚水平高于1.45时，产业集聚则会抑制全要素能源效率的提升。

产业集聚；全要素能源效率；动态广义矩模型；门限效应

一、引 言

新经济地理学认为空间集聚力是决定产业长期均衡发展的重要动力，产业集聚能够为区域内企业提供更好的公共物品和基础设施，促使集聚区内企业拥有更多的竞争优势，利于企业生产效率的提高［1］。能源行业是以能源的开发、利用为基础原料和依托的产业，区域资源禀赋优势是能源行业发展的重要基础。因而，能源产业集聚为提升能源效率提供了新的发展契机，亦为中国经济可持续发展指明了新的方向。因此，本文从中国能源行业的空间集聚特征出发，在分析全要素能源效率影响因素的基础上，研究能源行业集聚对全要素能源效率的影响，并进一步检验能源行业集聚对全要素能源效率的门槛效应，以期挖掘中国全要素能源效率提升的新途径。

二、文献综述

在能源与环境对经济增长约束日益严峻的背景下，有关能源效率的研究逐渐成为热点。已有关于能源效率影响因素的研究，大多从产业结构、技术进步、市场改革及开放程度等视角出发，分析能源效率的变动规律及特征。Sinton和Levine（1994）认为依托技术进步能够显著改善能源行业全要素生产率［2］。杨骞和刘华军（2014）测算中国技术进步对区域全要素能源效率的影响，发现技术进步对本地区能源效率存在正向促进效应，对其他地区能源效率存在负向溢出效应［3］。魏楚和沈满洪（2007）运用省级面板数据对能源效率进行计算，得出产业结构、政府影响力、对外开放程度以及制度等因素都会对能源行业全要素生产率产生影响［4］。林伯强和杜科锐（2015）对中国1997-2009年能源效率进行实证分析，认为要素市场扭曲对能源效率提升具有显著负面影响［5］。可见，学者们分别从不同角度、不同方法分析了我国能源效率的影响因素，忽略了产业集聚对能源效率可能存在的影响。

在外部规模经济理论和新经济地理学的逻辑框架下，产业集聚是影响生产效率的重要因素。部分学者通过理论和实证研究，发现产业集聚与全要素生产率之间存在单向线性关系，认为产业集聚能够促进或者阻碍全要素生产率发展。Cingano和Schi⁃vardi（2004）通过实证检验，指出意大利制造业的集聚会显著提高全要素生产率［6］。Combes（2002）运用线性检验模型，认为产业集聚会阻碍全要素生产率的提高［7］。谢波（2013）利用动态面板模型和空间面板模型分析资源型产业集聚对经济增长的影响，得出资源产业集聚与经济增长呈现负相关关系［8］。王海宁和陈媛媛（2010）采用DEA法对中国2001-2007年25个工业行业全要素能源效率以及产业集聚程度指标进行测度，发现密集型行业的全要素能源效率较低，而非密集型行业全要素能源效率较高［9］。

然而，也有部分学者认为产业集聚与全要素生产率之间不是简单的线性关系，而是存在某种非线性关系，即产业集聚对全要素生产率可能存在双向影响：一方面，产业集聚通过知识和信息外溢、共享基础设施和资本劳动力等渠道来提高全要素生产率［10］；另一方面，过度的产业集聚会产生市场拥塞效应，带来资源供给不足，导致集聚边际效应下降，最终出现规模不经济的现象。Futagami和Ohkusa（2003）通过研究发现市场规模与经济发展效率之间存在倒“U”形关系，认为只有市场规模处于合适水平时，才会出现经济效率最优［11］。Lin 等（2011）采用空间聚集指数对中国纺织业集聚度进行测度，发现产业集聚与劳动生产率之间呈倒“U”形关系［12］。崔宇明、代斌（2014）采用非参数DEA法研究产业集聚的技术溢出效应，发现产业集聚对全要素生产率的增长作用存在门槛效应［13］。刘修岩和邵军（2013）运用动态面板模型对集聚与经济增长之间的关系进行实证研究，发现在经济发展的初始阶段，集聚有利于全要素生产率增长，但当经济发展突破一定的门槛后，集聚的负面效应将逐步显现［14］。王晶晶和黄繁华（2014）利用两步系统GMM方法，检验服务业集聚的动态溢出效应，得出服务业集聚程度应保持在适度范围内，一旦集聚程度过高，会产生集聚的不经济效应［15］。

通过对已有文献的整理可知，学术界对产业集聚与全要素生产率的研究相对成熟，但研究方向集中于制造业、服务业等部门，有关能源产业集聚效应的研究较少，鲜有文献关注到能源行业集聚与全要素生产率之间的关系，对能源行业的产业集聚规模或区间进行界定的文献更是没有。能源作为一种特殊的投入要素，产业自身具有较强的空间集聚特征，产业集聚带来的技术外溢有利于企业能源效率的提高。因此，本文选取2006-2015年中国省级层面能源行业的相关数据，运用DEA-Malmquist指数法测度全要素能源效率，并利用动态广义矩模型和面板门限模型，检验能源产业集聚对全要素能源效率的非线性特征，探究能源产业集聚促进全要素能源效率提升的合理区间，为缓解能源与环境对经济增长的约束提供一定建议。

三、产业集聚对中国全要素能源效率的实证影响研究

（一）模型构建

本文主要考察能源行业集聚是否促进了全要素能源效率提高，探究二者之间是否存在非线性影响关系。依据本文的研究思路，将基础模型设定如下：

其中，被解释变量TFP为全要素能源效率，NS为能源行业产业集聚，X为影响全要素能源效率的其他控制变量组成的变量集，包括滞后一期的全要素能源效率（TFPit-1）、技术创新（RD）、人力资本（HUM）、外商直接投资（FDI）等控制变量，下标i代表地区，t为时间，μi表示不可观察的地区效应，反映了一些无法观察的地区差异性变量的影响，β0～β2为待估参数，εit是随机扰动项。

为进一步考察能源产业集聚与全要素能源效率之间的非线性关系，将能源行业集聚变量的平方项作为解释变量引入模型，将基础模型进一步扩展为：

其中，NS2为能源产业集聚平方项，其他变量所表示含义同公式（1）中变量含义一致。

（二）变量的选取

（1）被解释变量：全要素能源效率。本文采用DEA—Malmquist指数法，对全国30省市自治区全要素能源效率进行测算（具体结果见表1）。测算所需要的投入变量为能源行业固定资产投资和能源行业从业人员数量，产出变量为能源行业总产值。

表1 2006-2015年30个省市全要素能源效率指数及其分解

（2）主要解释变量：能源行业集聚（NS）及其二次方项（NS2）。目前广泛使用测量产业集聚方法主要有区位嫡、赫芬达尔指数（H指数）、空间基尼系数、E—G指数等。结合能源行业空间集聚的特性，本文选取区位嫡指数来衡量能源行业产业集聚的指标。计算公式如下：

其中xit表示i省能源行业t年工业总产值，Xit为i省t年工业总产值；yt为t年全国能源行业工业总产值，Yt为t年全国工业总产值。

（3）控制变量：滞后一期的全要素能源效率（TF⁃Pt-1）。考虑到全要素能源效率变动是一个持续、累积的过程，当期的结果可能会受到上一期结果的影响，全要素能源效率的变化可能具有滞后效应，因此引入变量的滞后项作为控制变量。

技术创新（RD）。技术创新可以通过改造传统技术、开发新技术、采用新的生产工艺直接提高能源生产效率［16］。本文采用各省份R&D支出经费占省份实际GDP的比重作为技术创新的代理变量。

人力资本（HUM）。内生经济增长理论认为，人力资本作为反映劳动力质量的指标是影响技术进步的关键因素。人力资本通过影响技术吸收及创新能力，进而影响能源行业全要素生产率［17］。本文采用地区普通高等学校在校生人数与地区总人口数的比值进行衡量。

外商直接投资（FDI）。作为一种重要的生产要素，外资可以通过技术外溢效应、竞争效应、示范效应对能源行业技术水平和生产效率产生影响。本文采用年均汇率折算得到各省份实际FDI占当地实际GDP的比重进行衡量。

（三）数据说明

本文选取2006-2015年中国省级层面能源行业面板数据，在科学测算各省市全要素能源效率的基础上，对能源产业集聚与全要素能源效率之间的关系进行实证检验。根据我国能源统计年鉴对于能源产业的行业分类，能源产业包括煤炭开采和洗选业，石油和天然气开采业，石油加工炼焦及核燃料加工业，电力、热力的生产和供应业，以及燃气生产和供应业。数据来源于《中国统计年鉴》、《中国能源统计年鉴》、《中国工业经济统计年鉴》，其中少数缺失数据从各省统计年鉴中补齐。为了提高估计的准确性和可信度，本文利用GDP指数和固定资产投资价格指数对所有货币量进行价格平减以便调整为可比价格，并用以2006年为基期的消费者价格指数进行平减，消除了价格变动带来的影响。

（四）实证结果分析

本文在变量选取中加入了被解释变量的滞后项和随机扰动项，可能使模型产生内生性等问题，此时若采用静态面板模型进行估计，会使得到的参数产生一定的误差。因而，本文采用动态广义矩估计法对模型进行检验。由于动态广义矩估计法包括系统广义矩（SYS-GMM）和差分广义矩（DIF-GMM）两种，根据固定效应和混合效应的估计结果发现，使用SYS-GMM估计法得到的被解释变量滞后一期系数为-0.013 8，该系数没有介于固定效应TFP滞后一期系数-0.207 1和混合效应TFP滞后一期系数-0.146 6之间，说明模型采用差分广义矩（DIF-GMM）估计法更加合理。

此外，作为一致估计，DIF-GMM成立的前提条件是扰动项εit不存在自相关［18］。根据模型的Arellao-Bond检验和Sargan检验结果（见表2），可以看出模型存在一阶序列相关而二阶序列不相关，即模型扰动项εit不存在自相关；Sargan检验不拒绝原假设，即模型工具变量选择有效，故本文可以使用DIF-GMM进行估计。

表2 产业集聚影响全要素能源效率的回归结果

根据表2得到的实证分析结果，可以得出以下结论：

（1）全要素能源效率滞后一期的回归系数为负，且在1%水平上显著，表明前一期全要素能源效率水平对后期有显著负向影响。上一期全要素能源效率每提高一个百分点，会导致当期全要素能源效率降低0.207 1个百分点。分析原因可能是上一年能源行业全要素生产率的增加压缩了下一年的能源行业全要生产率的提升空间。

（2）采用多种计量方法估计得到的能源产业集聚一次项系数均在1%的水平显著为正，而其平方项系数则均在1%的水平显著为负。表明能源产业集聚能够显著促进全要素能源效率的提升，但能源产业集聚与全要素能源效率之间存在倒“U”形关系。即能源产业集聚在一定范围内能够促进全要素能源效率提升，但能源产业集聚到一定程度后，产业集聚反而会阻碍全要素能源效率提升。分析原因可能是能源行业聚集初期，资本、劳动力等经济要素在行业内快速集中，促使能源行业的投入产出率相对较高，因而该阶段能源行业集聚能够提升全要素能源效率；而当能源行业过度集聚时，造成了能源的过度消耗，带来了严重的生态破坏和环境污染等问题，使得全要素能源效率下降。同时，根据规模报酬递减规律，随着能源产业集聚规模的不断扩大，能源要素的产量增长比例将小于生产要素增加比例，从而拉低了全要素能源效率的提升。

（3）控制变量中的技术创新回归系数为正，且在1%的水平显著，说明技术创新能够促进全要素能源效率增长，技术创新每提升2.575 1个百分点，将会带动全要素能源效率提高1个百分点。表明大力发展能源行业技术创新是提升全要素能源效率的有效途径。因此，针对我国当前能源产业发展的现实背景，应不断改善能源技术投资、融资环境，加大科技投入与管理，促进技术成果应用转化，进而提升全要素能源效率。

（4）人力资本回归系数为正，且通过了1%的显著水平检验，表明人力资本的提升能够有力推动全要素能源效率增长。人力资本水平提升1.466 1个百分点，全要素能源效率能够提高1个百分点。其原因可能是：第一，人力资本是区域经济增长的重要因素，能源产业的集聚有利于人力资本向能源行业集中，从而利于全要素能源效率的提升。第二，人力资本作为技术进步的动力和源泉，行业中高水平的人力资本可以更快地吸收和掌握先进技术，促进能源节约技术的创造和应用，从而有利于全要素能源效率提升。

（5）外商直接投资变量未能通过显著性检验，说明外商直接投资对我国全要素能源效率的影响不显著。分析原因可能是：第一，因为发达国家对能源技术的封锁，导致我国很难利用外商直接投资这种途径中获得能源产业先进的技术；第二，由于我国能源行业对国外技术吸收能力较弱，尽管通过外商直接投资获得了一定的先进技术，但由于对能源行业技术的吸收和消化不足，导致外商直接投资对全要素能源效率的溢出效应不明显；第三，由于外商直接投资的来源不同，其在不同时期对全要素能源效率产生的效应也存在一定差异。尽管外商直接投资会带来一定的技术外溢，可用以提升东道主的科技水平，但外商直接投资也存在一定的“挤出效应”，阻碍其“技术外溢”的正向作用。

四、产业集聚对全要素能源效率的门槛效应分析

通过前文对能源产业集聚与全要素能源效率关系的实证检验，得出能源产业集聚能够促进全要素能源效率提升，且二者之间存在稳定的倒“U”形关系。在此基础上，本文进一步利用面板门限模型，将能源产业集聚（NS）作为门限变量，根据样本数据确定门限值和门限个数，深入探究能源产业集聚与全要素能源效率的非线性关系，确定能源产业集聚的合理区间。

（一）门限回归模型

当前关于“门槛效应”的检验，学术界主要有交叉项检验、分组法检验和门限模型检验三种，但交叉项检验和分组法检验方法都存在一定的局限［19］。交叉项检验对于非单调的影响无法估计，分组法检验面临着难以确定分组标准的问题，而门限模型检验方法则能对内生的门槛效应进行显著性检验，还能给出具体的门槛值［20］。因此，本文借鉴hansen门槛回归模型，将能源行业集聚变量作为选定的门槛变量，建立能源产业集聚对全要素能源效率的分段函数，并对门槛的个数和数值进行估计，建立以下非线性面板回归模型［21］：

其中（NS）it为门槛变量，反映各省市区域因素，Th1，Th2，…，Thn为待估算的门槛值，I为指示函数，其他变量的含义和选取方法与上文中模型相同。

（二）检验结果

本文采用Stata12.0软件依次估计了单一门槛、双重门槛和三重门槛，同时利用Bootstrap方法反复抽样300次检验门槛，得到F统计量的P值及其在1%、5%、10%显著性水平上分别对应的临界值。根据估算得到的F统计量的P值来确定模型的门槛个数，进一步考察不同门槛值下能源产业集聚对全要素能源效率影响。

表3为能源行业集聚对全要素能源效率的门槛效应检验结果。从检验结果来看，以能源行业集聚为门槛变量，其单一门槛检验的F值和P值都通过了1%水平的显著性检验，而双重门槛和三重门槛检验的F值和P值未能通过10%水平的显著性检验。因此，能源行业集聚对全要素能源效率存在单一的门槛值，这一结果也符合前文中对二者非线性关系的检验。

表3 能源产业集聚门槛效应检验

在完成门槛效应检验后，需要进一步估算面板门限模型的门槛值。根据门槛值的大小划分模型的体制区间，当门槛变量处于不同的体制区间时，模型中依赖于门槛变量的变量回归系数会出现变化。具体回归结果见表4所列。

表4 门槛回归结果

根据面板门限回归结果可以得到：

（1）能源产业集聚对全要素能源效率的影响系数通过了1%的显著性检验，且单一门限结果显著，双重门限和三重门限效果均不显著。由此进一步验证能源产业集聚与全要素能源效率之间存在倒“U”形的非线性关系，且在1.45这一门限前后的两个区间里，能源产业集聚的系数分别为0.410 9和-0.160 9，均在1%水平上显著。

（2）能源产业集聚效应存在一个“拐点”。根据单一门槛值的估计结果显示，能源产业集聚对全要素能源效率提升的拐点值为1.45。当地区能源产业集聚小于倒“U”形曲线的拐点值1.45时，能源产业的集聚效应大于拥塞效应，产业集聚能够显著促进全要素能源效率增长；而当地区能源产业集聚程度大于拐点值时，产业集聚的拥塞效应将会出现，产业集聚对全要素能源效率的提升呈现负向效应。

五、结 论

本文利用2006-2015年中国30个省市能源行业的面板数据，从理论和实证的角度分析能源产业集聚对全要素能源效率的影响，并采用动态广义矩模型和面板门限模型对二者之间的非线性关系进行检验。主要得到结论如下：

（1）文中采用不同的实证检验方法，均得到能源产业集聚在一定范围内能够显著促进全要素能源效率提高，且二者之间存在着稳健的倒“U”形关系，表明能源产业集聚与全要素能源效率之间存在着稳定的非线性关系。

（2）当区域能源产业集聚水平小于倒“U”形曲线的拐点值时，产业集聚效应大于拥塞效应，产业集聚将显著促进全要素能源效率提升；而区域能源产业集聚程度大于拐点值时，将会出现产业集聚的拥塞效应，产业集聚对全要素能源效率的增长效应将会逐渐下降，甚至阻碍全要素能源效率的提升。

（3）在影响全要素能源效率的控制变量中，技术进步对全要素能源效率的影响系数最大，且技术进步的增长效应大于技术效率的增长效应。因而，需要加快能源产业技术效率的进步，加强技术效率进步对全要素能源效率的影响作用。

（4）人力资本变量对全要素能源效率存在显著正向效应。意味着在提升能全要素能源效率的过程中，应充分重视人力资本对全要素能源效率的促进作用，加大能源行业从业人员的培训和教育力度，发挥人力资本对全要素能源效率的增长作用。

（5）合理制定能源行业结构政策。根据地区发展需要，合理规划、科学配置能源部门之间资源分布，推动能源产业结构调整和优化，解决生产相对集中引起的“集聚效应”，缩小区域间因经济活动密度、产业结构不平衡导致的经济发展差距，全面提高全要素能源效率。

［1］朱悄悄，孙慧.资源型产业集聚的动态溢出效应研究［J］.工业技术经济，2016（3）：36-46.

［2］Sinton J E，Levine M D.Changing Energy Intensity in Chi⁃nese Industry：The Relative Importance of Structural Shift and Intensity Change［J］.Energy Policy，1994，22（3）：239-255.

［3］杨骞，刘华军.技术进步对全要素能源效率的空间溢出效应及其分解［J］.经济评论，2014（6）：54-62.

［4］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.

［5］林伯强，杜克锐.要素市场扭曲对能源效率的影响［J］.经济研究，2013（9）：125-136.

［6］Cingano F.Schivardi.Identifying the Source of Local Produc⁃tivity Growth［J］.Journal of the European Economic Associ⁃ation，2004，12（14）：1720-7421.

［7］Combes P.Economic Structure and Local Growth：France，1984-1993［J］.Journal of Urban Economics，2002，47（3）：329-355.

［8］谢波.资源产业集聚、技术创新能力与区域经济增长——基于省际面板的实证分析［J］.科技进步与对策，2013（7）：31-36.

［9］王海宁，陈媛媛.产业集聚效应与工业能源效率研究——基于中国25个工业行业的实证分析［J］.财经研究，2010（9）：69-79.

［10］李思慧.产业集聚、人力资本与企业能源效率——以高新技术企业为例［J］.财贸经济，2011（9）：128-134.

［11］Futagami K，Ohkusa Y.The Quality Ladder and Product Variety：Larger Economics May Not Grow Faster［J］.Japa⁃nese Economic Review，2003，54（3）：336-351.

［12］Lin H L，Li H Y，Yang C H.Agglomeration and Produc⁃tivity：Firm-level Evidence from China’s Textile Industry［J］.China Economic Review，2011，22（3）：313-329.

［13］崔宇明，代斌，王萍萍.城镇化、产业集聚与全要素生产率增长研究［J］.中国人口科学，2013（4）：54-63.

［14］刘修岩，邵军，薛玉立.集聚与地区经济增长：基于中国地级城市数据的再检验［J］.南开经济研究，2012（3）：52-64.

［15］王晶晶，黄繁华，于诚.服务业集聚的动态溢出效应研究——来自中国261个地级及以上城市的经验证据［J］.经济理论与经济管理，2014（3）：48-58.

［16］孔群喜，彭骥鸣，孙苏阳.FDI与东道国企业的能源效率——以江苏高新技术企业为例［J］.产业经济研究，2011（5）：79-85.

［17］李思慧.产业集聚、人力资本与企业能源效率——以高新技术企业为例［J］.财贸经济，2011（9）：128-134.

［18］陈强.高级计量经济学及Stata运用［M］.北京：高等教育出版社，2014：72-82.

［19］陈心颖.人口集聚对区域劳动生产率的异质性影响［J］.人口研究，2015（1）：85-95.

［20］邓新明，许洋.双边投资协定对中国对外直接投资的影响——基于制度环境门槛效应的分析［J］.世界经济研究，2015（3）：47-55.

［21］Hansen B E.Threshold Effects in Non-dynamic Panels：Es⁃timation Testing and Inference［J］.Journal ofEconomet⁃rics，1993，93（10）：345-368.

The Non-linear Character Research of Industry Agglomeration’s Influence on Total Factor Energy Efficiency— An Empirical Analysis Based on the Data from China’s Energy Industry

PAN Ya-ru1,CHEN Zheng2,LUO Liang-wen2
（（1.School of Literature,Law and Economics,Wuhan University of Science and Technology,Wuhan 430065,China;2.School of Economics,Zhongnan University of Economics and Law,Wuhan 430073,China）

This paper,based on the panel data of 30 provincial-level administrative areas of China from 2006 to 2015,applies DIF-GMM method to empirically test the non-linear effect of industry agglomeration on total factor energy efficiency,and employs the panel thresh⁃old model to examine the threshold value of industrial agglomeration to total factor energy efficiency.The results show that:The industry agglomeration can significantly promote the improvement of total factor energy efficiency,and there is a stable inverted U relationship be⁃tween them.There is a significant threshold effect of industry agglomeration on energy efficiency;When the industry agglomeration level is below the threshold value of 1.45,the industry agglomeration has a significant positive effect on total factor energy efficiency.When the level of industry agglomeration is higher than 1.45,the industry agglomeration will hinder the improvement of total factor energy efficiency.Keywords：industry agglomeration;total factor energy efficiency;dynamic panel data GMM;threshold effect

F407.2；F26

A

1007-5097（2017）11-0121-06

10.3969/j.issn.1007-5097.2017.11.016

2017-06-15

国家社会科学基金青年项目(17CJY001)；湖北省教育厅人文社会科学研究项目（17Q046）；武汉科技大学青年科技骨干培育计划项目（2017XZ033）

潘雅茹（1985-），女，山东青岛人，讲师，经济学博士，研究方向：区域经济学；

陈 峥（1984-），男，湖北钟祥人，经济学博士，研究方向：人口、资源和环境经济学;

罗良文（1965-），男，河南商城人，教授，博士生导师，研究方向：国际贸易。

［责任编辑：欧世平］