基础设施建设与空间溢出关系的变化机制分析

　　摘要：本文以电网拓扑结构变化对区域能源强度的影响为例，揭示区域基础设施连接紧密程度对空间相关性的影响和其变化的内在机理。根据1998-2014年中国30个省份高压电网建设的时序顺序与拓扑结构构建空间权重矩阵，实现了基础设施动态建设与空间权重矩阵常数元素赋值的对应。使用SDM面板模型，并采用内生变量的滞后一期值代替原变量克服内生性偏误，得到了更为稳健的结果。研究发现：①考虑电网拓扑结构的空间溢出效应后，电力占比与要素结构提升对能源强度改善的影响得以体现，对外贸易的“污染天堂”效应被发现。②

　　《大气污染防治计划》配套的12条高压电力线路改变了中国各省份能源强度的空间同质性，使得电力占比、产业结构、R&D研发水平对能源强度的影响变大;人均FDI存量、产权结构、要素结构、城市化率对能源强度的影响变小。③基于电网拓扑结构的空间权重矩阵能反映区域能源强度地理空间邻接关系的主要信息，通过强化和调整各省间的电网拓扑结构能够改变其空间溢出关系，促进政策目标的实现。此方法实现了省间基础设施连接紧密程度与经济指标空间相关性机理分析的计量方法应用创新。

　　关键词：电网拓扑结构;空间权重矩阵;空间杜宾模型;能源强度

　　加强省间交通、能源、通信等领域的基础设施互联以促进经济发展是中国政府宏观管理的重要方向。2016年5月，国家8部委联合印发了《关于推进电能替代的指导意见》(发改能源[2016]1054号)，提出了提高电力占比以提升能源利用效率的政策目标。国家电网公司作为主要执行者，大力推进特高压电网战略，试图通过加强省间的电网设施互联强化电力占比提升对能源效率提高的政策效果，受到了广泛的关注与讨论。

　　那么，加强跨省高压输电通道的建设是否能改变能源强度的空间相关性，从而促进能源效率的改善?本文以此为例，进行空间权重矩阵的应用创新，应用空间计量方法量化分析省间基础设施互联对政策目标实现的价值。关于能源强度的影响因素，国内外学者作了大量的研究。早期学者的研究，如史丹[1]、Fisher-Vandenetal[2]、魏楚[3]、傅晓霞[4]、原毅军[5]、林伯强[6]、张宇[7]、齐绍洲[8]等发现人均GDP、能源消费结构、FDI流入、产业结构、R&D研发水平、产权结构、要素结构、城市化率、对外开放程度、能源禀赋等经济指标均能影响能源强度。

　　但是，上述研究未考虑各省能源强度的空间相关性，Elhorst[9]系统地总结了空间计量的研究成果，指出从计量分析的角度看，如果经济指标自身存在的空间相关性被忽略，则回归结果是有偏的;Toblers[10]从地理经济学的角[度指出，区域间的地理位置越近，其经济联系应越紧密。随着空间计量经济学的发展，学者们将其引入了区域能源强度的研究，孙庆刚等[11]采用最近K点赋值法，按省份间的地理邻接关系划分为一阶、二阶与三阶相邻，以此为依据对空间权重矩阵赋值计算全局Moran’I指数，发现中国省间的能源强度空间依赖性随距离扩展逐渐减弱，一阶邻接关系下空间正相关依赖性最强，二阶邻接关系下空间关联性减弱，三阶邻接关系下已不存在统计上显著的空间依赖性。

　　潘雄锋等[12]采用DEA方法分析能源效率，采用Rook邻近的空间权重矩阵方法使用SLM模型对其影响因素进行分析，发现我国省域能源效率具有明显的空间溢出效应，且呈现出增强的趋势。计及省域能源效率的空间相关性后，发现第二产业占比上升、能源价格提升对能源效率有反向的影响，而技术进步对能源效率有显著的促进作用，能源结构对能源效率的影响不显著。

　　关伟等[13]采用非期望产出的SBM模型测试生态能源效率，采用Rook邻近的空间权重矩阵方法使用SLM与SEM模型对其影响因素进行分析，发现中国省域生态能源效率呈现出显著的全局空间相关性与局部空间聚焦特征，地理空间相邻省份的生态能源效率呈现显著的正向空间依赖特性，第二产业占比提升、能源投资增加与交通基础设施建设不利于能源生态效率的提升，而经济发展、外商投资与人口数量增加对生态能源效率的提升有正向的作用。

　　可见，考虑能源效率/强度的空间相关性后，研究结论有了明显的变化，区域能源效率的空间相关性不能被忽略。但是上述研究还存在两个问题：一是模型选择仅限于SLM与SEM的比较，缺乏对适用性更为普遍的SDM的分析与检验，忽略了各自变量的空间溢出效应的影响，导致忽略变量偏误。二是简单地根据地理空间邻接关系赋值空间权重矩阵，地理位置相邻并不一定意味着两省份之间的能源效率溢出关系显著，尚需有效的基础设施载体，否则无法对空间相关性变化的机理与改进方式进行探讨，并提出通过调整空间相关性改善能源效率的政策措施。

　　Elhorst[9]阐明SLM模式是解释变量空间相关项系数为零的SDM模型，SEM是被解释变量空间相关项系数，与解释变量空间系数和其空间相关项系数乘积项相反数相等的SDM模型，因此，SLM与SEM模型均嵌套于SDM模型。在计量分析上，空间面板模型相对于传统面板模型加入了被解释变量的空间相关项，带来内生性问题。

　　Elhorst[14]提出采用最大似然法估算空间自相关项的系数以克服最小二乘法估算带来的内生性偏误。但是Lee和Yu[15]指出对于大N小T型的面板数据，采用最大似然法估计空间自相关项的系数将产生一定的偏误，并提出了误差修正方法。此方法得到了Elhorst[16]的认可，将其称为混合ML/BCLSDV方法。此外，ArrelanoandBond[17]用于动态面板系数估算的GMM方法也可用于空间自相关项系数的估算，邵帅等[18]采用系统GMM方法对动态空间面板的系数进行估算，以克服解释变量的内生性问题。

　　但此方法也存在一定的缺陷，Elhorst[16]比较了GMM、混合ML/BCLSDV与混合GMM/BCLSDV方法，指出GMM方法的估算结果在大N小T的面板模型中存在严重的偏误，对于大N小T的面板模型，在N小于500的条件下建议采用混合ML/BCLSDV方法。

　　由于换流站(直流与交流转化的设备)建设的成本较高，导致直流输电线路为“点对点”的电力输送方式，及电源端所在省份与负荷端所在省份各建设一座换流站进行电力交换。如葛洲坝—上海±500kV直流输电线路，直接从湖北葛洲坝水电站输送电力到上海，途经省份不落点。因此，直流输电线路使得中国各省份实现了跨区域的电网连接，空间邻接矩阵不再受限于省份间地理位置是否相邻的影响，地理位置间隔较远的省份可以通过直流输电线路建设，在业已形成的电网拓扑结构的基础上对空间权重矩阵赋值，以改变其空间相关性。

　　因此，通过基础设施建设改变空间权重矩阵从而调整经济变量的空间溢出关系有重要的学术价值和现实意义。本文的贡献在以下三个方面：一是根据高压交流/直流线路建设时序，提出了一种新的空间权重矩阵构建方法，实现了基础设施动态建设与空间权重矩阵常数元素赋值的对应;二是应用适用性更强的SDM面板模型，对各省份能源强度与其影响因素进行回归分析，与SLM和SEM的回归结果进行比较，更全面地反映各影响因素对能源效率的直接效应和间接效应;三是在通过比较基于基础设施的空间权重矩阵与基于地理邻接关系的空间权重矩阵的SDM回归结果，对前者进行稳健性检验的同时，识别出省域能源强度空间溢出关系的变化机理。

　　传统的空间权重矩阵根据研究对象的地理位置关系赋值，以反映其地理空间联系的程度，有三种类型：一是Rook邻近空间权重矩阵法，研究对象在地理位置上有共同的边界则在对应位置赋值1，否则赋值0，此种方法在目前的研究中使用最为广泛[11][12][13];二是最近K点赋值法，即距离关系阈值预先给定，研究对象之间的距离小于给定值则赋值1，否则赋值0;三是距离关系赋值法，按照研究对象欧氏距离的倒数赋值，距离越短赋值越大。

　　LeeandYu[19]总结了空间计量研究成果，指出空间权重矩阵必须为常数阵，Elhorst[9]也坚持此观点。由于空间权重矩阵W必须为常数阵。而基础设施的建设与投运具有时序性，使得各省间的基础设施网络拓扑结构呈现出随时间变化的特点，即新建基础设施的投运导致其拓扑结构的改变。如果按传统的方法对W进行赋值，基础设施投运年前后会得到不同的空间权重矩阵值。为解决此问题，采用基于基础设施投运时间的空间权重矩阵综合赋值法，如t年m月有新的基础设施投运。

　　魏楚[3]通过能源效率的省级面板数据分析，发现“退二进三”的产业结构调整、微观企业层面的产权制度、要素禀赋结构、能源消费结构、R&D研发水平均对各地区能源强度有显著的影响，通过地区控制变量可见东部、中部的能源效率远高于西部地区。孙庆刚等[11]采用反映各省地理位置空间邻接程度的最近K点赋值法，发现城镇化率、对外开放程度、产业结构对能源强度变动有较强的解释力度，而能源价格的解释力度不显著。潘雄锋等[12]采用各省地理位置的空间邻接矩阵，发现中国省域能源效率的空间溢出效应显著且逐年增强，能源效率、技术进步对能源效率有显著影响。

　　关伟等[13]发现中国生态能源效率呈现全局与局部空间聚集特征，产业结构对省域生态能源效率的影响最大。根据以上学者的研究成果，人均GDP、能源消费结构、FDI流入、产业结构、能源价格①、R&D研发水平、产权结构、要素结构、城市化率、对外开放程度、能源禀赋等经济指标均应作为能源强度的解释变量。同时，中国省域能源强度/效率地理位置上的空间溢出关系已得到广泛的关注与研究，但是现有的研究仅仅是发现与验证了这种空间溢出关系，而没有对其产生与变化的机理作进一步探讨。

　　由于该矩阵各行/列的元素均不同，导致各省份的直接效应和间接效应均不相同，该文提出使用矩阵对角线元素的平均值表示直接效应，非对角线元素的行/列元素之和表示间接效应，二者之和表示总效应，同时采用多变量正态分布模拟残差项，以评估直接、间接与总效应在统计上的显著性。可见，能源强度的空间自相关项的系数导致解释变量间接效应的产生，某省份解释变量的变化不仅影响自身的能源强度，还会影响空间相关省份的能源强度。

　　实证分析

　　数据来源及变量说明

　　本文样本为1998—2014年除西藏外的中国30个省市、自治区的面板数据。选取的各经济指标如下：(1)空间权重矩阵(W)：以国家电网公司和中国南方电网公司2014年《电网运行方式报告》中的电网拓扑图为基础，找出省间500kV以上的电网连接线路。从历年《中国电力统计年鉴》中的重大工程部分找出相应线路的投运时间，按照公式(2)对空间权重矩阵进行赋值。(2)能源强度(EI)：用各省份能源消耗总量与地区生产总值的比值表示，数据分别来源于《中国能源统计年鉴》和《中国统计年鉴》，地区生产总值数据折算为2014年价。

　　(3)人均GDP(PGDP)：用各省份的地区生产总值除以总人口数表示。各省人口数取自wind数据库。(4)能源消费结构(ECS)：能源分为一次能源和二次能源，一次能源指直接取自自然界没有经过加工转换的各种能量和资源，包括：原煤、原油、天然气等;二次能源是由一次能源经过加工或转换得到的其他种类和形式的能源，包括煤气、焦炭、汽油、煤油、电力等。而电力被认为是清洁的二次能源，污染低能源利用率高。故采用电力在能源消费中的占比表示能源消费结构，各种能源消费数据取自《中国能源统计年鉴》，统一换算为标准煤。

　　(5)FDI流入(PFDIS)：用劳均FDI存量表示，即各省份FDI存量除以劳动力。用永续盘存法估算各省份FDI存量：FDISit=(1-d)FDISit-1+FDIit/Iit，其中FDIS表示资本存量，FDI表示外商直接投资额，用当年平均汇率转换为人民币计价。采用单豪杰[21]方法取折旧率d值为10.6%，Iit表示t年i省的固定资产投资价格指数。FDI数据来自各省统计年鉴，Iit数据取自《中国统计年鉴》，统一折算为2014年价。

　　(6)产业结构(IS)：采用第二产业增加值占GDP的比重表示，数据取自《中国统计年鉴》。(7)R&D研发水平(RD)：用各省份历年R&D投入占GDP比重表示。2000年及以后的R&D数据来自《中国科技统计年鉴》，1998-1999年的R&D数据用科技投入数据替代。(8)产权结构(OS)：采用各省历年国有及国有控股企业工业总产值占工业总产值比重表示。2012年以前数据取自《中国工业统计年鉴》，2013年后《中国工业统计年鉴》不再发布各省工业总产值数据，故采用各省历年国有及国有控股企业工业销售产值占工业销售产值的比重代替。

　　(9)要素结构(CL)：采用各省历年劳均资本存量数据表示。各省历年资本存量采用单豪杰[21]的方法估算，将重庆与四川资本存量分开估算，并将数据拓展到2014年，利用估算的价格平减指数将资本存量数据统一折算为2014年价。(10)城市化率(UR)：2005-2014年数据来源于《中国统计年鉴》，2001-2004数据参考周一星[22]的方法修订得到,1998-2000数据则直接采用周一星[22]的修订值。(11)对外贸易水平(TR)：采用各省历年进出口总额与GDP的比值表示，进出口总额来自国家统计局数据库。(12)能源禀赋(ED)：采用各省历年劳均焦炭、原油、天然气产量数据折算为标准煤之和表示，数据来自《中国能源统计年鉴》。

　　能源强度的空间相关性分析

　　全局空间相关性：据方程(3)的方法分年度对空间权重矩阵赋值，以计算中国省际能源强度的全局Moran’sI指数。1998-2014年间中国省际能源强度的全局Moran’sI指数除1998年为零的显著性水平大于10%外，其余年份均为正值，显著性水平低于10%。全局Moran’sI指数总体上呈现出逐年递增的趋势，说明中国各省间的电力线路是一种有效的能源强度溢出渠道。由于各年份的全局Moran’sI指数均为正，说明省间高压电力线路的连接对能源强度的空间分布格局有很强的影响，有电力线路连接的省份，总体上能源强度趋于一致。

　　随着电网拓扑结构的加强，落于第一、三象限，呈现空间同质性的省份越来越多。1998年，由于新疆、青海、山东、海南和福建电网为孤网运行(电网与其他省份不相联)，故其Moran散点图位于横坐标轴上(空间相关性为0);到了2006年，只剩新疆、海南电网呈现孤网运行，故横坐标上只剩下两个点;到2014年初，所有省份的电网均与其他省份相联，不再有省份落于横坐标轴上，除个别省份表现为空间异质性的特征外，大部分省份均呈现空间同质性的特征。

　　可见，电网拓扑结构对各省份的局部空间相关性有显著的影响，随着时间的推移，电网拓扑结构加强，能源强度呈现空间同质性的省份越多，将一次能源丰富且能源强度较高的西部地区与一次能源相对匮乏且能源强度较低的东部负荷中心省份相连，可以通过空间同质性控制西部省份的能源强度。

　　为避免伪回归，增强回归结果的可信性，须对各变量进行稳定性检验。面板单位根检验常用的方法有MADF(multivariateaugmentedDickey-Fuller)、Im,PesaranandShin检验与Maddala,andWu,Shaowen等检验方法，但是上述方法均只适用于小N大T型的面板数据。由于本文采用1998-2014年30个省份17年的面板数据，属于大N小T型的面板数据，故采用Levin,LinandChu(2002)[23]提出的面板单位根检验方法，判断解释变量的稳定性。

　　电网拓扑结构能在多大程度上体现各省份之间能源强度的地理空间溢出关系?是否与目前研究中广泛采用的地理邻接空间权重矩阵[11][12][13]所反映的空间溢出信息一致?为验证基于电网拓扑结构而设置的空间权重矩阵的稳健性，采用除西藏外的30个省份的地理空间邻接关系建立空间权重矩阵，再采用SDM面板模型进行回归分析。

　　(1)电力占比的直接效应绝对值变大，总效应变得不显著。表明电网拓扑结构空间权重矩阵能反映本省份电力占比变大，能源强度变小的信息，但反映幅度较小。(2)人均GDP的直接效应绝对值变小，间接效应变得不显著，总效应不变。表明电网拓扑结构空间权重矩阵能反映本省份人均GDP上升，能源强度变小的信息。

　　(3)人均FDI存量的直接效应变得显著，间接效应与总效应变大。表明电网拓扑结构空间权重矩阵能反映人均FDI存量上升，能源强度变小的信息，但反映幅度较小。(4)对外贸易水平的直接效应变得显著，总效应变大。表明电网拓扑结构空间权重矩阵能反映对外贸易总额占比上升，能源强度变大的信息，但反映幅度较小。

　　(5)产业结构的直接效应变得不显著，间接效应、总效应变小。表明电网拓扑结构空间权重矩阵能反映的对第二产业占比上升，能源强度变大的信息，但反映幅度较小。(6)R&D研发水平的直接效应与总效应变大，间接效应变得显著。表明电网拓扑结构空间权重矩阵能反映R&D研发支出占比上升，能源强度变大的信息，但反映幅度较小。

　　(7)产权结构的直接效应符号相反，间接效应与总效应相同。表明电网拓扑结构空间权重矩阵能反映国有企业产值占比上升能源强度增大的信息，但对本省份直接效应的反映较差。(8)要素结构的直接效应变得显著，但间接效应与总效应的符号相反。表明电网拓扑结构空间权重矩阵能反映的要素结构对能源强度的影响，与地理邻接空间权重矩阵不一致。按照产业资本密集程度越高，能源强度应降低的现象，电网拓扑结构空间权重矩阵的结果较为可信。

　　(9)城市化率的直接效应、间接效应和总效应变得不显著。表明电网拓扑结构空间权重矩阵反映的城市化率与能源强度的关系较为明确。(10)能源禀赋的直接效应、间接效应与总效应的依然不显著。表明电网拓扑结构空间权重矩阵反映的能源禀赋与能源强度的关系，与地理邻接空间权重矩阵一致。

　　结论

　　本文以电网建设时序为例，提出了一种基于基础设施建设时序的空间权重矩阵构建方法，实现了基础设施动态建设与空间权重矩阵常数元素赋值的对应。采用内生变量的滞后一期代替原变量，克服了空间面板分析不注重解释变量内生性的问题，得到了更为稳健的结果。采用反事实计量的方法，根据拟建高压电力线路修改空间权重矩阵，识别出空间溢出关系的变化对能源强度的影响。

　　将基于基础设施建设时序的空间权重矩阵SDM回归结果与传统的地理邻接空间权重矩阵SDM回归结果进行对比分析以检验其稳健性，主要研究结论如下：一是考虑电网拓扑结构的空间溢出效应后，电力占比与要素结构提升对能源强度改善的影响得以体现。对外贸易的“污染天堂”效应被发现。二是《大气污染防治计划》配套的12条高压电力线路改变了中国各省份之间的空间同质性，使得电力占比、产业结构、R&D研发水平对能源强度的影响变大;人均FDI存量、产权结构、要素结构、城市化率对能源强度的影响变小。三是电网拓扑结构空间权重矩阵能反映地理邻接空间权重矩阵的主要空间溢出信息，通过强化和调整各省间的电网拓扑结构可以改变变量间的空间溢出关系，为通过强化基础设施建设而减少能源强度的政策措施提供了理论依据。

　　本文的实用意义在于：本文提出的基于基础设施建设的空间权重矩阵方法实现了省间基础设施连接紧密程度与研究指标空间相关性变化机理分析的计量方法应用创新。

　　环境方向论文范文阅读：双柏县基础设施建设与生态环境保护初探

　　下面文章研究主要是为了提升双柏县人居生态环境和经济社会发展环境，从而可以实现可持续发展，文章中对于基础设施建设与生态环境保护的必要性，基础设施建设对生态环境保护带来的负面影响进行阐述，并提出了基础设施建设的新理念和建设与保护并重的对策措施。

　　关键词：基础设施,生态保护,可持续发展,对策措施