中国省区能源强度的影响因素及其空间溢出性

赵慧卿，郭晨阳

ZHAO Hui-qing, GUO Chen-yang

天津商业大学 经济学院，天津 300134

Tianjin University of Commerce, Tianjin 300134, China

改革开放以来，中国经济社会迅速发展，同时也伴随着能源消耗的快速增长。以2000年能源消费总量为参照，2016年我国能源消费总量增长了196.5个百分点。能源消费总量连续多年位列世界前列，2016年超越美国成为全球第一能源消费大国。由于当前我国仍处于工业化进程当中，作为现代化建设的基础与动力，能源需求仍在日俱增，但同时又伴随着传统能源存量的日益减少。因此，能源问题已成为我国新一轮经济增长的瓶颈。而解决这一问题的措施之一就是降低能源强度。目前中国政府已制定了多个关于能源强度的减排目标，如在“十一五”“十二五”时期分别提出了能源强度下降20%和16%的目标；根据“十三五”能源规划目标测算，在“十三五”期间能源强度需下降15%以上。尽管如此，我国能源强度仍高于世界平均水平，尤其是一些能源消费大省，其能源强度远远高于东部发达省份，省区间发展很不均衡。那么，如何才能进一步降低各省区能源强度？其影响因素有哪些？这些因素的省区空间溢出效应如何？对这些问题展开研究，对于制定省区能源强度下降政策具有较为明显的指导意义。由于我国不同省区经济发展、资源禀赋等存在较大差异，故本文利用空间杜宾模型对我国30个省区2000—2016年能源强度进行分析，揭示其空间分布和演变趋势，分析其主要影响因素及全国和地区层面的空间溢出效应，进一步为中央政府及地方政府制定政策提供相应的数据依据。

1 文献综述

在关于能源强度影响因素的研究文献中，学者们一般是将能源强度分解为不同的影响因子，进而探究其影响方向和程度。

国外学者主要采用两类方法对此展开研究：一是采用指数方法，如Ma、Stern(2008)使用LMDI方法分析中国能源强度，发现导致中国能源强度下降的主要因素是技术变化，结构变化和燃料间替代对能源强度影响程度较小[1]；Shahiduzzaman、Alam(2013)利用LMDI方法分析澳大利亚能源强度，发现能源强度下降的主要因素是效率和结构变化[2]；Voigt等(2014)同样利用LMDI方法分析了40个主要经济体的能源强度，认为技术变革导致能源强度下降，此外在一些国家中行业构成变化也有利于降低能源强度[3]；Behboudi等(2010)则利用费雪理想指数(Fisher ideal index)分析伊朗能源强度，发现伊朗能源强度增加的原因是效率的减少和经济活动结构的改变[4]；Jimenez、Mercado(2014)同样利用费雪理想指数(Fisher ideal index)分析了拉美国家能源强度，但其发现经济活动结构变化没有导致能源强度明显变化[5]。二是采用计量经济学的方法，如Kaufmann(2004)使用VECM方法对美国能源强度进行了分析[6]；Stern(2012)使用随机前沿生产模型(stochastic production frontier)对85个国家的能源强度进行研究[7]；Belloumi、Alshehry(2016)使用自回归分布滞后模型(ARDL)对沙特阿拉伯能源强度进行研究[8]；Farajzadeh、Nematollahi(2018)使用GMM方法对伊朗能源强度进行分析[9]。

国内学者从不同角度对能源强度的影响因素进行了研究：一是从行业角度，如滕玉华(2011)从工业行业的角度研究得出，自主研发对工业行业和高能源强度行业的能源强度有显著负向作用，国内技术转移对工业行业和低能源强度行业的能源强度有显著负向作用[10]。此外，张毅(2014)分析了交通运输业能源强度的影响因素[11]，唐晓华(2016)则对制造业能源强度展开研究[12]；二是从区域角度，如齐绍洲(2011)分析了东、中、西部地区外商直接投资(FDI)知识溢出效应对能源强度的影响，得出东部地区FDI知识溢出效应对本地区能源强度影响不显著，中部地区FDI知识溢出提高了本地区能源强度，而西部地区FDI知识溢出降低了本地区能源强度[13]。钱东(2012)分析了新疆能源强度影响因素，发现技术变动、消费规模、消费结构、投资规模和投资结构对新疆能源强度降低起到了抑制作用，并且推动了低能耗部门比重的下降[14]。李治(2014)对十大城市群99个城市的能源强度影响因素进行了研究[15]。靖学青(2014)分析了西部地区能源强度影响因素[16]。从所考察的影响因素来看，42%的学者选取了技术进步这一因素，22%的学者选取了工业化这一因素，20%的学者选取了城镇化这一因素，13%的学者选取了信息化这一因素进行研究。

也有学者对能源强度空间溢出效应进行研究，现有研究主要采用空间计量方法，如孙庆刚(2013)使用空间滞后模型和空间误差模型对省域间能源强度空间溢出效应进行了研究[17]。但是，目前关于能源强度影响因素及其空间溢出机制的文献较少，已有研究文献使用的空间计量方法也没有考虑多个空间交互效应模型。鉴于此，本文立足地理空间这一载体，采用考虑了内生和外生交互效应的空间杜宾模型，全面考虑能源强度影响因素，在考察各个影响因素的直接效应外，还将考察通过空间传导机制所产生的各因素的空间溢出效应。

2 模型及数据

2.1 空间杜宾模型和溢出效应

2.1.1 空间杜宾模型

最初空间计量模型关注的焦点是空间滞后模型(也被称为空间自回归(SAR)模型)以及空间误差项模型(SEM)。空间滞后模型包括了被解释变量(Y)之间存在的内生交互效应，空间误差项模型包含了误差项(ε)之间的交互效应。除了上述两种效应外，还包括解释变量(X)之间的外生交互效应。随着计量经济学的发展，研究者对于研究包含多个空间交互效应的模型越来越关注。Kelejian、Prucha(1998，1999，2010)提倡使用包括内生交互效应和误差项之间交互效应的模型[18-20]，这一模型被LeSage、Pace定义为SAC模型；LeSage倡导使用包括内生和外生交互效应的模型，这一模型类似时间序列的Durbin模型，Anselin(1988)[21]称时间序列的Durbin模型为空间杜宾模型(SDM)。

具有N个观测值的横截面的一般空间模型通过增加时间因素t，可以扩展为具有N个观测值且跨t个时期的面板数据空间—时间模型，其具体形式为：

Yt=δWYt+αιN+Xtβ+WXtθ+ut，

(1)

ut=λWut+εt。

(2)

其中，Y由样本中的每一个单位(i=1,…,N)的被解释变量的观测值组成；WY是被解释变量空间上的内生交互效应，ιN是N×1阶单位向量，与被估计的常数项参数α相关；X是一个N×K阶外生解释变量矩阵，β是需要估计的未知参数向量，WX是解释变量之间存在的外生交互效应，Wu是不同单位的干扰项之间存在的交互效应，且ε=(ε1,…,εN)T是干扰项向量。但是该模型只是把数据混合在一起，没有考虑空间或时间的异质性。不考虑空间异质性可能会导致对一个典型横截面研究模型的估计偏误。同样的，如果忽略时间异质性可能导致对一个典型时间序列研究的估计偏误。

于是将上述模型扩展为具有特定空间效应或特定时间效应的空间—时间模型，即为空间杜宾模型(SDM)的一种形式，其具体为：

Yt=ρWYt+αιN+Xtβ+WXtθ+μ+ξtιN+ut

(3)

ut=λWut+εt

(4)

结合本文研究对象，设定空间杜宾模型(SDM)的具体形式为：

(5)

其中，EI为能源强度，i为除西藏外的30个省区，i=1, 2, …, 30，t为年份，X包括下文的7个解释变量，其他含义如前所述。

在空间计量模型的选择和检验方面，本文首先采用没有空间交互效应面板数据且对其结果进行检验，根据LM检验结果确定空间依赖性是否存在，并根据显著程度确定空间滞后模型(SLM)和空间误差模型(SEM)哪个更合适；接着利用具有空间和时间交互效应的面板数据进行Wald检验，根据其结果检验空间杜宾模型(SDM)能否简化为SLM模型或SEM模型，若拒绝了能简化的假设，则SDM模型更为合理；其次，利用Hausman检验采取随机效应模型还是固定效应模型；最后，若SDM模型更为合理，则进一步分析解释变量对因变量的空间溢出效应。

2.1.2 溢出效应

许多实证研究使用了一个或更多的空间回归模型设定的点估计(δ、θ或λ)来对是否存在空间溢出效应做出结论。LeSage和Pace的一个重要贡献是观察到这种点估计可能导致错误的结论，而且观察到偏微分可以测度解释变量的影响。所以，本文将使用偏微分方法测度解释变量的空间溢出效应。

将公式(3)、(4)改写为：

Y=(I-δW)-1(Xβ+WXθ)+R

(6)

其中，R是包括截距、误差、空间效应和时间效应项的剩余项，I是单位矩阵。对于时间变量t上从省区1到30的第k个解释变量X，其对应的Y的期望值的偏导数矩阵可以写成：

(7)

其中，ωij是矩阵W的第(i,j)个元素。对于第k个解释变量，其对应的E(Y)的偏导数的性质之一是：如果一个特定单位中特定解释变量的变化不仅会改变这个单位自身的被解释变量，即存在直接效应，而且会改变其他单位的被解释变量，即存在溢出效应(也被称为间接效应)。偏导数矩阵的每一个主对角线元素代表的是直接效应，每一个非对角线元素代表的是间接效应。

关于对间接效应的统计显著性的检验，LeSage和Pace提倡使用由最大似然估计得到的方差—协方差矩阵(其具体形式如式(8)所示)对间接效应的分布进行模拟。

具体做法是从该矩阵得到D个参数组合，且一个特定解释变量的间接效应由每一个参数组合所决定，则总体间接效应可以通过计算这D个抽样的均值来近似得到，其p值可以通过用其均值除以其对应的标准差来得到，若p值小于0.01则表示在1%置信水平下显著。

2.2 变量选取及数据说明

能源强度变化受到多种因素影响，参考范德成(2012)[22]、张华明(2017)[23]、夏晨霞(2018)[24]、Jones(1991)[25]等，本文以能源强度(EI)为被解释变量，分别选取经济发展水平(Y)、产业结构(IS)、城市化水平(UL)、固定资产投资(FI)、能源消费结构(EC)、技术进步(TL)、能源禀赋(RE)7个变量作为解释变量，构建能源强度影响因素的空间面板模型。变量具体说明见表1。

表1 模型中各个变量的说明

本文选取2000—2016年中国30个省区(西藏数据缺失较多，故不列入研究范围)的数据进行分析，文中涉及的价值量指标，如人均GDP、第二产业增加值、GDP、固定资产投资、研究与试验性发展支出以2005年价格表示，煤炭消费量和能源消费总量指标已折算为标准煤。其中，煤炭消费量、能源消费总量和煤生产量的数据来自《中国能源统计年鉴》；人均GDP、GDP、第二产业增加值、城镇人口、总人口、全社会固定资产投资来自《中国统计年鉴》；研究与试验性发展支出来自《中国科技统计年鉴》。由于2000—2002年宁夏能源平衡表缺失，故2000—2002年宁夏煤生产量由《宁夏统计年鉴》中能源生产总量和煤炭占能源生产总量的百分比计算得到。

3 实证结果分析

3.1 中国省区能源强度空间相关性检验

在对能源强度进行空间计量分析前，应先对其进行空间相关性检验。本文利用STATA软件计算得到2000—2016年中国能源强度的全局Moran′s I指数(如表2)，由表2可知，能源强度的全局Moran′s I指数都大于0，在1%的水平下均通过显著性检验，且标准化检验值Z均大于1.96，该结果表明强烈拒绝“无空间自相关”原假设，即我国省区能源强度空间分布并不是完全随机，而是呈现显著的空间集聚特征，省区能源强度的变迁受到空间相关因素的强烈影响，忽略空间因素会使得估计结果出现偏误。

表2 2000—2016年省区能源强度全局Moran′s I统计量

注：***，**，*分别表示在1%，5%，10%的水平上显著。

从表2还可以看出：中国30个省区2000—2016年的能源强度空间自相关在2003年、2006年、2011年、2013年有轻微的下降，但总体呈现上升趋势，说明我国能源强度在省区间的空间溢出性逐渐增强。接下来通过绘制这四个重要时间节点的局部Moran′s I散点图，进一步考察中国省区能源强度空间集聚结构及变化，了解能源强度的空间分布情况。

局部Moran′s I散点图刻画的是局部空间自相关性特征，该散点图将空间集聚分为4个类型，对应图中的4个象限，第一和第三象限反映正的空间性关系，第二和第四象限反映负的空间相关性。根据图1、图2、图3、图4可知，第一、三象限的省区占大多数，第二、四象限中省区较少，即30个省区总体表现出正的空间相关性，中国省区能源强度具有显著的空间集聚分布特征，即能源强度水平较高的区域集聚在一起，能源强度水平较低的区域集聚在一起。此外比较这四个时期位于第二象限的省区个数发现，其数量随时间变化在减少，说明中国能源强度的空间集聚程度在不断增强，且表现为高水平和低水平两种集聚类型，空间分化明显。

图1 2003年局部Moran’s I散点图Fig. 1 Partial Moran’s I Scatter Chart in 2003

图2 2006年局部Moran’s I散点图Fig. 2 Partial Moran’s I Scatter Chart in 2006

图3 2011年局部Moran’s I散点图Fig.3 Partial Moran’s I Scatter Chart in 2011

图4 2013年局部Moran’s I散点图Fig.4 Partial Moran’s I Scatter Chart in 2013

综合上述结果可知，中国全局和局域空间相关性紧密相连，方向一致，空间集聚性不断增强，且局部区域表现为俱乐部性质。造成这一现象的原因可能是各区域所拥有的能源禀赋、所处的地理位置等，如能源大省和周边省份的经济增长依赖于当地或周边地区资源，倾向于生产高污染、低附加值的产品。

3.2 中国省区能源强度空间计量模型检验

由上文可知省区能源强度存在显著的空间相关性，因此下面对省区能源强度进行空间计量分析。利用MATLAB R2015b软件采用没有空间交互效应的面板数据模型对能源强度影响因素进行检验，结果如下：

(1)首先对空间和时间固定效应进行似然比(LR)检验。检验结果(估计值是1 056.1，p=0.000)说明必须拒绝空间固定效应的联合非显著性的原假设。同样，也拒绝了时间固定效应的联合非显著性的原假设(估计值是224.7，p=0.000)。LR检验结果表明，应该把模型扩展为具有空间和时间固定效应的模型。

(2)其次用LM检验来确定空间依赖性是否存在，并根据显著程度确定空间滞后模型(SLM)和空间误差模型(SEM)哪个更合适，传统LM检验的空间和时间固定效应结果(LM-lag值是10.585，p=0.001；LM-error值是8.224，p=0.004)说明，在1%的显著性水平上，分别拒绝了没有空间滞后被解释变量的原假设和没有空间自相关误差项的原假设。稳健的LM检验空间和时间固定效应结果(Robust LM-lag值是4.052，p=0.044；Robust LM-error值是1.690，p=0.194)表明，在5%的显著性水平上同样拒绝了没有空间滞后被解释变量的原假设。然而在5%的显著水平上却不能拒绝没有空间自相关误差项的原假设。空间和时间固定效应LM、LM Robust的检验结果显示，空间滞后模型(SLM)优于空间误差模型(SEM)。

在拒绝了非空间模型的情况下，使用Wald检验估计空间杜宾模型(SDM)能否简化为空间滞后模型(SLM)或空间误差模型(SEM)，如果拒绝了非空间模型而支持空间滞后或空间误差模型，且空间杜宾模型不被拒绝，则采用空间杜宾模型。

本文Wald检验结果见表3。从表中可知Wald_spatial_lag、LR_spatial_lag、Wald_ spatial_error、LR_spatial_error在1%显著性水平下拒绝空间杜宾模型简化为空间滞后模型或空间误差模型，此外Hausman检验显示应该接受随机效应模型。综上所述，随机效应下空间杜宾模型是本研究最为适合的空间计量模型。

表3 空间杜宾模型检验结果

注：***，**，*分别表示在1%，5%，10%的水平上显著。

3.3 空间杜宾模型实证分析

接下来采用随机效应下的空间杜宾模型计量结果(见表4)对省区能源强度的影响因素及其溢出效应进行分析。

3.3.1 影响因素分析

(1)变量中lnY和lnTL系数为负，且通过了1%显著性检验，说明经济发展水平、技术进步对中国省区能源强度产生了显著的负向作用。人均实际GDP越高，经济越发达，能源强度越低；伴随着技术创新和技术进步，能源利用效率和生产效率显著提高，进而有助于降低能源强度。政府对研发投入越多，越有利于创新，获得先进技术、设备等，有利于产生技术溢出效应，提高能源利用效率。

(2)lnUL、lnEC、lnRE系数为正，且lnUL、lnEC通过了1%显著性检验，lnRE通过了5%显著性检验。说明城市化水平、能源消费结构和能源禀赋对能源强度产生了显著的正向作用。这三个变量对能源强度的影响程度从高到低依次为城市化水平、能源消费结构和能源禀赋。城市化表现为农村人口减少，城镇人口增加，在这一过程中人口密度逐渐增加，促进了能源密集型基础设施建设数量的增加，与此同时，城市化使得居民生活方式变化和收入增加，交通、通讯等活动也会对能源消费产生正向影响，促使能源强度上升。当前我国仍处于城市化进程当中，城市化的规模效应还未充分发挥，因此对能源强度下降还不能起到积极促进作用；煤炭属于高碳排放能源，其生产和消费量的增加均对能源强度产生正向影响。山西等煤炭贮量丰富的地区，能源密集型产业有比较优势，倾向于生产能源依赖性强的初级产品，导致这些省区能源强度偏高。

此外lnIS、lnFI未通过10%显著性检验，说明在本文研究中，产业结构、固定资产投资对能源强度的贡献率尚显不足。

表4 2000—2016年空间杜宾模型(SDM)估计结果与检验结果

注：***，**，*分别表示在1%，5%，10%的水平上显著。

(3)W×lnRE的系数通过了1%水平的显著性检验，W×lnUL、W×lnFI、W×lnTL的系数通过了5%水平的显著性检验，W×lnEC在10%的水平上显著，表明模型中因变量的空间滞后项和自变量的空间交互项可能存在空间溢出效应，即上述变量在空间上对邻近省区的能源强度会产生影响。

3.3.2 空间溢出效应分析

根据公式(7)～(8)计算随机效应下空间杜宾模型的直接效应、间接效应、总效应，对各解释变量进行空间溢出效应分解。由于我国东中西部的区位特征、能源禀赋和经济发展水平等方面存在差异，因此这里将从全国层面和地区层面分别展开溢出效应分析。

表5 2000—2016年全国层面溢出效应

注：***，**，*分别表示在1%，5%，10%的水平上显著。

(1)全国层面溢出效应分析。全国层面溢出效应见表5，从表中可以看出：

a.城市化水平的间接效应和直接效应通过了1%显著性水平检验，且系数为正，说明在城市化建设过程中，生产、消费类型的经济活动在城市的集中不仅会影响当地的能源消费量和能源强度，还会“传递”到邻近省区，影响其能源消费量和能源强度。

b.能源消费结构的间接效应和直接效应也通过了1%显著性水平检验，且系数为正。煤炭消费比重变动1%将引起当地能源强度变动0.086%，引起邻近省区能源强度变动0.228%，说明能源消费结构有显著的空间溢出效应。

c.技术进步的间接效应通过了5%显著性水平检验，直接效应通过了10%显著性水平检验，且系数均为负，说明技术进步不仅对本地区的能源强度表现出负的直接效应，对相邻地区也表现出负的间接效应，即相邻地区间技术水平的提高对降低能源强度促进作用，提高技术水平有利于邻近地区能源强度的降低。

d.能源禀赋的间接效应和直接效应均通过了5%显著性水平检验，且系数为正，说明能源禀赋不仅有正的直接效应，也有正的空间溢出效应。与煤炭储量丰富的省区相邻，在能源运输这一物流成本上比其他省区具有比较优势，倾向于消费更多的煤炭进而使得能源强度增加。

e.固定资产投资的间接效应通过了5%显著性水平检验，且系数为正，而直接效应没有通过显著性检验，说明固定资产投资对本地能源强度没有形成有效的影响，但对邻近省区产生了正的空间溢出效应。

f. 经济发展水平的间接效应没有通过显著性检验，但直接效应通过了1%显著性水平检验，说明经济发展变量只对当地能源强度产生影响，还尚未对邻近省区的能源强度产生空间溢出效应。

g. 产业结构的间接效应、直接效应均不显著，说明产业结构变动对能源强度产生的影响很微弱，这可能是因为工业份额的增加对经济发展产生正向作用，同时经济增长对能源强度产生负向作用，正负作用相互抵消导致产业结构对能源强度的影响不显著。

(2)地区层面溢出效应分析。地区层面溢出效应见表6，从表中可以看出东中西部各解释变量效应存在差异。具体如下：

a.从城市化水平来看，东部地区城市化水平的间接效应和直接效应均通过了1%显著性水平检验，且为正值。中部和西部地区城市化水平的直接效应显著，间接效应不显著，说明中西部地区城市化水平没有形成空间溢出效应。从影响程度上来说，西部地区城市化水平对本地能源强度的影响是最小的，中部最高，东部居中。

b.从能源消费结构来看，西部地区的直接效应和间接效应均通过了显著性检验，且系数为正，说明西部地区能源消费结构有显著空间溢出。东部和中部地区的间接效应没有通过显著性检验，尚未形成空间溢出效应。

c.从技术进步来看，东部和西部地区技术进步的间接效应显著，说明其技术进步形成了空间溢出效应，可以降低相邻地区的能源强度。中部地区技术进步的间接效应和直接效应均不显著，但总效应通过了10%的显著性检验，且方向为负，说明中部技术进步对能源强度产生的影响较小。

d.从能源禀赋来看，东中西部地区能源禀赋的间接效应均通过了1%的显著性检验，且系数均为正值，说明东中西部能源禀赋对其他省区产生了显著空间溢出效应。从影响程度来看，西部地区空间溢出效应最大，其次是中部地区，东部地区的最小。

表6 2000—2016年地区层面溢出效应

注：***，**，*分别表示在1%，5%，10%的水平上显著。

e.从固定资产投资来看，东中西部地区固定资产的间接效应均通过了显著性检验，均存在空间溢出效应。但是三者的符号不一致，东部地区系数为负值，中西部地区为正值，且绝对值远高于东部。可能的原因是，中西部地区固定资产投资多用于高耗能产业基础设施建设，而东部地区大部分省区已经完成了从重工业为主的第二产业向服务业等为主的第三产业的转变。

f.从经济发展水平、产业结构来看，东中西部地区这两个变量的间接效应均没有通过显著性检验，说明各地区经济发展水平和产业结构均没有形成空间溢出效应。

4 主要结论及建议

4.1 主要结论

本文使用较为前沿的空间杜宾模型，利用2000—2016年相关数据，研究了中国省区能源强度影响因素，并从全国层面和地区层面探究不同影响因素对本地区及其邻近省区能源强度的溢出效应。结论如下：

中国省区能源强度空间分布呈现显著的空间集聚特征，省区能源强度的变动受到空间相关因素的影响；城市化水平、能源消费结构、能源禀赋对省区能源强度有显著正向作用，经济发展水平和技术进步对省区能源强度产生显著的负向影响；从全国层面来看，城市化水平、能源消费结构、能源禀赋和固定资产投资对其他省区产生了正的空间溢出效应，而技术进步产生了负的空间溢出效应；从地区层面来看，东部省区的城市化水平、西部省区的能源消费结构、东中西部地区的能源禀赋、中西部地区的固定资产投资均对本地区内其他省份产生了正向的空间溢出效应，而东西部地区的技术进步、东部地区固定资产投资对本地区内其他省份产生了负向的空间溢出效应，经济发展水平和产业结构没有形成空间溢出效应。

4.2 对策建议

根据本文研究结论，提出如下对策建议：

(1)加强省区间协调合作力度，共同推进能源强度的降低。省区间能源强度存在显著的空间依赖性，省区间降低能源强度政策若不重视空间交互效应很可能出现“政策失灵”，因此省区间应该充分认识到空间交互效应的存在，关注邻近省区的相关政策及其相关影响要素的变动，通过建立相关信息共享等实现人力、技术等省区溢出机制，加强省区间协调合作力度，共同推进能源强度的降低。

(2)加强煤炭储量丰富省区的监管力度，降低周边省区对其煤炭的依赖程度。一个地区的能源禀赋在很大程度上决定了其能源消费结构，而能源消费结构又具有显著的正向空间溢出效应。因此，山西等煤炭丰富省份的周围省区，其能源强度下降难度可能较大。政府在制定政策时，应重视对煤炭储量丰富省区的引导，关注能源消费结构的空间溢出效应，出台相应政策降低周边省区对煤炭的依赖程度。

(3)进一步推动城市化发展，提高城市化发展质量。近些年中国城镇化发展较为迅速，城镇化率从2002年的39.1%提升到2017年的58.5%。但这一比率仍远低于发达国家(城镇化率80%以上)，尚未达到发挥城市化经济的门槛。此外，我国城市化发展目前仍存在省区不协调，发展质量不高等问题，使得城市化仍没有发挥集聚效应来实现提高能源利用效率的目的。因此，应进一步推动城市化发展，同时也应注意避免能源密集型基础设施的盲目扩张，注重城市化质量建设，从而实现城市化的规模效应。

(4)转变经济增长方式，加快产业结构升级。政府应制定相应措施，促进企业提高自主创新能力，从而带动产业结构升级，扭转粗放型的经济增长方式，促进低能耗、高附加值产业增长，实现集约型经济发展。从长远来看，实现粗放型到集约型经济的转变，才能最终提高整体能源效率，实现节能减排目标。

(5)加大对科技的投入力度，共同促进能源强度的降低。技术进步有显著的空间溢出效应，研发新技术可以在很大程度上降低能源强度，各省区应当在适当的范围内增加对研发的资金与人力支持，引导有实力的企业研发新技术，改善生产条件，推动企业提高能源使用效率。同时国家也应该在全国范围内推广新技术及新理念，促进能源强度的整体降低。