張振剛，丁 卓，田 帥

?

智慧城市視角下電力消費的空間相關(guān)性與動態(tài)增長路徑：基于長三角地區(qū)動態(tài)空間面板數(shù)據(jù)的實證研究

張振剛1，丁 卓1，田 帥2

（1. 華南理工大學(xué)工商管理學(xué)院，廣東廣州，510641；2．廣東省電力設(shè)計研究院，廣東廣州，510663）

本文從要素、空間和時間三個維度構(gòu)建了智慧城市視角下電力消費的理論分析框架，從協(xié)整分析的角度引入了新的空間權(quán)重度量方法，考察電力消費的空間相關(guān)性與動態(tài)增長路徑。研究發(fā)現(xiàn)：電力消費具有顯著的空間溢出效應(yīng)，生產(chǎn)要素的價值實現(xiàn)過程不僅顯著促進(jìn)本地區(qū)電力消費增長，還將通過要素融合與產(chǎn)業(yè)鏈延伸帶動周邊地區(qū)的電力消費增長。構(gòu)建時間變化模型發(fā)現(xiàn)電力消費的增長路徑具有動態(tài)演變特征，即空間溢出效應(yīng)逐年增強(qiáng)，各要素對電力消費的長期貢獻(xiàn)此消彼長。最后為構(gòu)建動態(tài)調(diào)整、供需均衡的智慧型電力發(fā)展模式提供了相關(guān)政策建議。

智慧城市；電力消費；空間相關(guān)性；動態(tài)增長路徑

0引言

智慧城市的概念最早源于智慧地球，其研究初衷是試圖構(gòu)建新的智慧型社會管理模式[1]。為此，各國政府對智慧城市建設(shè)展開了實踐探索，我國浦東于2008年底在國內(nèi)率先提出“智慧浦東”概念并漸進(jìn)式推廣到了上海全境，截止目前，我國已有十幾個省市相繼提出了智慧城市的建設(shè)目標(biāo)，國家層面也開始編制智慧城市專項規(guī)劃。理論界主要是對智慧城市的功能應(yīng)用展開研究，能源電力是城市參與者（政府、企業(yè)、組織和個人）獲取環(huán)境資源并從事各種社會活動的重要基礎(chǔ)設(shè)施，能源電力的智慧型發(fā)展是智慧城市功能應(yīng)用的關(guān)鍵[2]。作為我國最具活力的區(qū)域經(jīng)濟(jì)體之一，有著雄厚產(chǎn)業(yè)基礎(chǔ)的長三角地區(qū)具備建設(shè)智慧城市的先行優(yōu)勢，截止目前，長三角地區(qū)的上海、南京、杭州、寧波、蘇州等地已制定出臺詳細(xì)的智慧城市規(guī)劃方案，隨著規(guī)劃的實施，將進(jìn)一步提升長三角地區(qū)經(jīng)濟(jì)發(fā)展整體質(zhì)量，也將帶動該地區(qū)的能源消費特別是電力消費，2010年，長三角地區(qū)以占全國14.7%的工業(yè)用電消耗量（4593.47億千瓦時）創(chuàng)造了占全國20.8%的規(guī)模以上工業(yè)總產(chǎn)值（147392.4億元），電力利用效率持續(xù)優(yōu)化。在此背景下，以長三角地區(qū)能源經(jīng)濟(jì)相關(guān)面板數(shù)據(jù)為例，將空間面板計量模型引入對智慧城市功能應(yīng)用的實證研究中，將為構(gòu)建跨區(qū)送電、動態(tài)配電的智慧型電力發(fā)展模式提供量化決策支持。

智慧型電力是指在城市發(fā)展過程中，地方政府充分行使經(jīng)濟(jì)調(diào)節(jié)和市場監(jiān)督職能，系統(tǒng)地集成和分析城市所轄生產(chǎn)要素的存量和質(zhì)量，據(jù)此智能地預(yù)測促進(jìn)生產(chǎn)要素價值實現(xiàn)所需的電力消費量，動態(tài)地調(diào)控發(fā)電、輸電、配電等環(huán)節(jié)，以建立動態(tài)調(diào)整、供需均衡的電力發(fā)展模式[2,3,4]。國內(nèi)外學(xué)者對能源或電力消費的影響因素、分布特征、增長規(guī)律等問題進(jìn)行了具有國別特征的相關(guān)研究，結(jié)果表明：即使是同一國家或地區(qū)，能源消費和經(jīng)濟(jì)增長之間的長、短期聯(lián)動機(jī)制明顯不同，這主要與其宏觀經(jīng)濟(jì)調(diào)控政策變化有關(guān)[5]。發(fā)達(dá)國家和發(fā)展中國家，能源消費的主要影響因素與增長路徑有著不同的內(nèi)在機(jī)理[6,7]。但現(xiàn)有文獻(xiàn)主要是研究電力消費在時間維上的演變規(guī)律或是在空間維上的分布規(guī)律，還沒有一個揭示電力消費在空間維、時間維上雙重發(fā)展特征的較為完整的理論分析框架，此外，在不同時期和階段下，電力消費的影響因素、空間相關(guān)性與增長路徑應(yīng)該呈現(xiàn)時間動態(tài)性，但相關(guān)研究卻鮮有涉及。近年來，國外學(xué)者已經(jīng)逐步意識到宏觀經(jīng)濟(jì)政策發(fā)展的不同階段，應(yīng)該分別構(gòu)建能源或電力消費與其影響因素之間的量化關(guān)系模型以動態(tài)地揭示其增長路徑[8]。

本文研究的重點是，在綜合相關(guān)理論和文獻(xiàn)基礎(chǔ)上，從要素、空間和時間三個維度構(gòu)建研究框架，辯證地研究我國電力消費的影響因素、空間相關(guān)性及其動態(tài)增長路徑，以期為后續(xù)關(guān)于智慧城市功能應(yīng)用的相關(guān)研究提供范式借鑒。

1理論與假設(shè)

1.1 要素維

電力是現(xiàn)代經(jīng)濟(jì)體系中必需的投入品，而不是普通的商品，影響電力消費的因素有許多，總體來說，影響經(jīng)濟(jì)、社會活動的因素都會對電力消費產(chǎn)生重要影響，主要的影響因素包括經(jīng)濟(jì)增長水平、產(chǎn)業(yè)結(jié)構(gòu)特征、電力價格、人口增長等（Gellings, 1996）[9]，國內(nèi)外許多學(xué)者從多個角度分析了電力消費系統(tǒng)：Kraft[10]開創(chuàng)性地發(fā)現(xiàn)在1947-1974年期間，美國GNP的增長是能源消費增加的單向格蘭杰原因。Steenhof[11]引入單位產(chǎn)值耗電量概念，他認(rèn)為在能源消費的長期演變過程中，單位產(chǎn)值耗電量的變化起著決定性的作用，而影響單位產(chǎn)值耗電量變化的主要因素包括產(chǎn)業(yè)結(jié)構(gòu)的變化、能源結(jié)構(gòu)的調(diào)整和能源效率的提高等。林伯強(qiáng)[12]認(rèn)為影響中國電力消費的因素主要包括GDP、電價、人口增長、產(chǎn)業(yè)結(jié)構(gòu)、能源使用效率等，且影響需求的各項因素之間存在穩(wěn)定的長期關(guān)系且日益顯著。陳文靜[13]認(rèn)為經(jīng)濟(jì)增長、人口因素和產(chǎn)業(yè)結(jié)構(gòu)都是影響我國電力消費的重要因素，電力價格對電力消費需求的負(fù)向影響不足以抵消上述因素所帶來的電力消費的快速增長。因此，本文假設(shè)：

H1a：經(jīng)濟(jì)增長與電力消費增長正相關(guān)；

H1b：電力價格與電力消費增長負(fù)相關(guān)；

H1c：人口增長與電力消費增長正相關(guān)；

H1d：產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與電力消費增長正相關(guān)；

1.2 空間維

在市場經(jīng)濟(jì)條件下，由于生產(chǎn)要素的可移動與可交換性，區(qū)域經(jīng)濟(jì)體內(nèi)任何一個城市的能源經(jīng)濟(jì)發(fā)展都不可能自成系統(tǒng)，某市生產(chǎn)要素的價值實現(xiàn)過程除了帶來本市電力消費增長之外，還將帶動周邊城市的電力消費增長，即產(chǎn)生空間溢出效應(yīng)。產(chǎn)生這種溢出效應(yīng)的原因包括：一是相鄰地區(qū)一般具有相似的生產(chǎn)要素與經(jīng)濟(jì)環(huán)境，生產(chǎn)投入與生產(chǎn)產(chǎn)出之間的技術(shù)經(jīng)濟(jì)關(guān)系容易趨同，勞動力、資本、技術(shù)、信息等生產(chǎn)要素在地區(qū)間溢出的成本較低[14]；二是電能是集產(chǎn)、運、銷為一體的二次能源，具有高流動性特征，電力消費很容易突破空間和行業(yè)的限制而產(chǎn)生擴(kuò)散（溢出）效應(yīng)。通過勞動力、資本、技術(shù)、信息等生產(chǎn)要素的融合與產(chǎn)業(yè)鏈在地區(qū)間的延伸，地區(qū)間的電力消費發(fā)生顯著的空間積聚，某地區(qū)電力消費行為受到本地電力消費和相鄰地區(qū)電力消費的共同影響[15,16]。因此，本文假設(shè)：

H2：空間相關(guān)性與電力消費增長正相關(guān)；

1.3 時間維

時間維主要是觀察各變量的彈性系數(shù)隨時間的變化情況，對此不作理論假設(shè)。

2研究方法

首先，利用空間相關(guān)性分析方法來測度整個研究區(qū)域內(nèi)因變量空間相關(guān)模式的總體特征，即用來反映該區(qū)域是否具有整體上的空間相關(guān)性；隨后，引入空間面板數(shù)據(jù)計量模型，分別從靜態(tài)和動態(tài)兩個維度來比較研究區(qū)域內(nèi)因變量空間溢出效應(yīng)的差異性。靜態(tài)維度是僅考察外生解釋變量對被解釋變量的影響，動態(tài)維度是將一階（或多階）滯后的被解釋變量作為解釋變量納入模型中，以充分考察模型中除解釋變量之外的難以量化的其他因素對被解釋變量的影響。

2.1空間自相關(guān)分析——指數(shù)

本文研究的目的是為了解釋區(qū)域電力消費與其所處空間的聯(lián)系，這首先需要了解電力消費的空間相關(guān)性與相關(guān)程度，需要運用相關(guān)統(tǒng)計量進(jìn)行分析。因變量的空間相關(guān)性存在與否，空間統(tǒng)計學(xué)一般使用指數(shù)（Luc Anselin, 1988）[17]對其進(jìn)行檢驗，該指數(shù)定義為：

指數(shù)用來測度空間相關(guān)模式的總體特征，而散點圖可用來測度每一個空間單元與鄰近單元的空間相關(guān)模式，散點圖分別以、·為橫、縱坐標(biāo)，將局域空間相關(guān)性可視化圖示，其四個象限分別對應(yīng)于相鄰空間單元的四種空間相關(guān)模式：第一象限內(nèi)的點表示高觀測值的單元被高值單元包圍，命名為HH單元；第二象限中的點表示低觀測值的單元被高值單元包圍，命名為LH區(qū)域；第三象限中的點表示低觀測值的單元被低值單元包圍，命名為LL區(qū)域；第四象限中的點表示高觀測值的單元被低值單元包圍，命名為HL區(qū)域。顯然，第一、三象限的點表示相鄰空間單元空間正相關(guān)，而第二、四象限的點表示相鄰空間單元空間負(fù)相關(guān)。

2.2空間面板計量模型

Luc Anselin（1988）[17]首先將經(jīng)典計量經(jīng)濟(jì)學(xué)中忽略的空間因素納入，定義了空間面板數(shù)據(jù)模型的一般形式，在此基礎(chǔ)上通過改變模型參數(shù)衍生出其它模型?？臻g面板計量模型的衍生形式見表1。

如表1所示，當(dāng)=0，=0時為非空間靜態(tài)面板模型，=0，≠0時為靜態(tài)空間面板模型，≠0，≠0時為動態(tài)空間面板模型。對于空間計量模型的形式選擇，本文利用拉格朗日乘數(shù)形式LMLAG、LMERR及其穩(wěn)健形式R-LMLAG、R-LMERR檢驗[18]。對于動態(tài)空間面板模型的估計，由于因變量的滯后項作為解釋變量，這可能引起解釋變量與隨機(jī)擾動項相關(guān)，如果繼續(xù)使用傳統(tǒng)的估計方法，將導(dǎo)致參數(shù)估計的非一致性，估計結(jié)果的經(jīng)濟(jì)含義也會發(fā)生扭曲[19]。

為了解決動態(tài)面板數(shù)據(jù)模型中解釋變量與隨機(jī)擾動項相關(guān)的問題，理論界分階段地提出了幾種代表性的估計方法：工具變量法先采用一階差分消除不隨時間變化的個體固定效應(yīng)，然后用滯后兩期的因變量或其差分項作為滯后一期的因變量的工具變量來消除異質(zhì)性，這些工具變量將不再與隨機(jī)擾動項的差分項相關(guān)[20]。然而，工具變量法得出的估計量雖然是一致的但未必是有效的，因為該方法沒有利用所有的矩條件，也沒有利用隨機(jī)擾動項的所有差分結(jié)構(gòu)[21]，另外，差分轉(zhuǎn)換會導(dǎo)致一部分樣本信息的損失，工具變量的有效性將減弱，將直接影響估計結(jié)果的漸近效率，有待利用更多的矩條件提高估計結(jié)果的漸近效率[22]；差分GMM的思路是先用一階差分去掉固定效應(yīng)的影響，然后用滯后的變量作為差分方程中相應(yīng)變量的工具變量，系統(tǒng)GMM在差分GMM的基礎(chǔ)上引入了水平方程，并增加了滯后的差分變量作為水平方程相應(yīng)變量的工具變量，大大提高了估計結(jié)果的有效性和一致性[23]。檢驗系統(tǒng)GMM參數(shù)估計的有效性主要有兩種方法：Sargan過度識別檢驗，用于檢驗估計過程中樣本矩條件工具變量的總體有效性；差分誤差項的序列相關(guān)檢驗，用于檢驗是否存在序列相關(guān)，系統(tǒng)GMM估計允許誤差項的差分項存在一階序列相關(guān)，但不允許存在二階序列相關(guān)[24]。

表1 空間面板計量模型的衍生形式

3變量與數(shù)據(jù)

3.1變量選擇

各影響因素對電力消費可能會有滯后的影響，因此本文將滯后一期的被解釋變量作為解釋變量納入模型，以探究這種滯后效應(yīng)的內(nèi)在機(jī)理。基于上文文獻(xiàn)研究的成果和理論假設(shè)，則區(qū)域經(jīng)濟(jì)體內(nèi)各市的電力消費函數(shù)可以用下式表示：

EC=（EC,GDP,EP,PG,Ⅱ,Ⅲ,） （2）

式（2）中，EC表示各市的電力消費，考慮到數(shù)據(jù)的官方統(tǒng)計口徑和可得性，本文用全社會用電量表征電力消費，EC表示各市電力消費的一階滯后；GDP表示各市的經(jīng)濟(jì)增長；EP表示各市的電力價格，本文采用由相關(guān)省份統(tǒng)計局公布的原材料、燃料購進(jìn)價格指數(shù)代表電力價格；PG表示各市的人口增長，鑒于人口自然增長率數(shù)值相對較小，本文采用由相關(guān)省份公布的各個地級市的每年年末人口總數(shù)相對增長量表示（1995年為基期）；Ⅱ表示各市的重工業(yè)增加值占比重，Ⅲ表示各市的第三產(chǎn)業(yè)增加值占比重，二者共同構(gòu)成表征產(chǎn)業(yè)結(jié)構(gòu)的變量；表示隨機(jī)干擾項。

3.2空間權(quán)重矩陣的構(gòu)建

各地區(qū)電力消費還會受到其它難以量化因素的影響，例如用電效率、政策調(diào)控等，當(dāng)外生沖擊對某市的電力消費造成影響時，往往也會波及到臨近地區(qū)。我們無法將全部影響城市電力消費的因素列悉，但我們可以通過引入空間權(quán)重矩陣來表征相關(guān)各市的空間相關(guān)性，因此，選擇合適的空間權(quán)重矩陣對于提高電力消費預(yù)測的精度至關(guān)重要。

目前已有的許多基于空間鄰近的權(quán)重矩陣顯得比較牽強(qiáng)，另外，基于經(jīng)濟(jì)關(guān)聯(lián)的權(quán)重矩陣只能反映各市電力消費量的相對大小，并不能反映各市間電力消費結(jié)構(gòu)的差異。于是，本文需要進(jìn)一步考慮各市電力消費間協(xié)整關(guān)系的強(qiáng)弱，提出一種新的基于變量長期均衡關(guān)系的權(quán)重度量方法[25]。

變量EC、EC分別是,地區(qū)同一時期內(nèi)的電力消費量，兩者之間的相互關(guān)系如下式：

若,地區(qū)的電力消費相關(guān)關(guān)系越強(qiáng)，則式（3）的擬合效果越好，殘差波動越小，于是空間權(quán)重系數(shù)ω越大。同時，如果,地區(qū)的電力消費相關(guān)關(guān)系比較弱，則式（3）的擬合效果就不好，殘差波動也較大，則空間權(quán)重系數(shù)ω會變小。

該權(quán)重矩陣最大的一個優(yōu)點是客觀性強(qiáng)，在尚不知道,地區(qū)電力消費間具體的關(guān)系時，直接通過,地區(qū)電力消費的協(xié)整分析得到相關(guān)關(guān)系，不僅能夠反映地理距離、經(jīng)濟(jì)距離等傳統(tǒng)因素的影響，而且可以反映用電效率、政策調(diào)控等不確定因素的影響，該空間權(quán)重矩陣能更加客觀地度量各地區(qū)電力消費間的相關(guān)關(guān)系。

3.3數(shù)據(jù)來源

為了加強(qiáng)參數(shù)估計的有效性，面板數(shù)據(jù)分析依賴于較大規(guī)模的樣本，因此本文將利用長三角16市作為面板數(shù)據(jù)的橫截面，時間維度為1995 -2010年之間，所有數(shù)據(jù)來源于1996-2011年的《上海統(tǒng)計年鑒》、《江蘇統(tǒng)計年鑒》、《浙江統(tǒng)計年鑒》。同時，運用國內(nèi)生產(chǎn)總值指數(shù)和商品零售價格指數(shù)（1995=100）分別對名義電價進(jìn)行換算，得到消除價格因素的可比較的和電價，然后再對各變量進(jìn)行對數(shù)變換，這樣做的目的在于更易得到平穩(wěn)序列和消除觀察數(shù)據(jù)的異方差問題，但不會改變數(shù)據(jù)的原有性質(zhì)。

4實證研究

4.1電力消費的空間自相關(guān)性檢驗

區(qū)域電力消費的指數(shù)用以解釋長三角地區(qū)各市電力消費的空間相關(guān)性，圖1顯示了1995-2010年長三角地區(qū)電力消費指數(shù)的變動情況，歷年統(tǒng)計值均通過了5%顯著性概率檢驗。

圖1 1995-2010年長三角電力消費Moran's I指數(shù)

圖2 2010年長三角電力消費Moran's I散點圖

圖1所示的統(tǒng)計值總體上不斷增大，表明長三角地區(qū)電力消費顯示出強(qiáng)烈的全局空間正相關(guān)，意味著電力消費量大的城市在空間上相互集聚，電力消費量小的城市同樣在空間上相互集聚，長三角地區(qū)電力消費出現(xiàn)日益顯著的集聚效應(yīng)。同時，我們注意到：在03年，統(tǒng)計值出現(xiàn)結(jié)構(gòu)性突變，電力消費的空間集聚性驟降，這主要因為突如其來的“非典”極大地降低了生產(chǎn)要素的流動性，電力消費的空間集聚效應(yīng)減弱；在07-09年間，統(tǒng)計值出現(xiàn)階段性起伏過程，這主要因為工業(yè)仍是長三角地區(qū)用電增長的主力，金融危機(jī)的蔓延導(dǎo)致長三角地區(qū)工業(yè)產(chǎn)量增速放緩，進(jìn)而導(dǎo)致電力消費量下降和空間集聚效應(yīng)減弱，表現(xiàn)為：2009年1月開始，長三角地區(qū)每月的累計工業(yè)用電量同比下降，降幅最大曾達(dá)12.5%，直到2009年11月，長三角地區(qū)每月的累計工業(yè)用電量開始同比上升①。后金融危機(jī)時期，工業(yè)復(fù)蘇又帶來電力消費的總量回升和空間集聚效應(yīng)增強(qiáng)。

接下來用散點圖進(jìn)一步說明長三角地區(qū)電力消費的局部空間相關(guān)性，我們將散點圖直觀地表示在地圖上，如圖2所示。結(jié)果表明，長三角地區(qū)電力消費的空間分布規(guī)律比較明顯，對比各市電力消費的空間自相關(guān)模式，大致可分為4類地區(qū)：上海和南京之間城市帶（上海市、蘇州市、嘉興市、南京市、鎮(zhèn)江市、無錫市、常州市），該地區(qū)電力消費表現(xiàn)為HH集聚；杭州及其周邊地區(qū)（杭州市、湖州市、紹興市），其中杭州市電力消費明顯高于相鄰各市，表現(xiàn)為HL集聚，其余各市為LH集聚；寧波及其周邊地區(qū)（寧波市、臺州市、舟山市），其中寧波市電力消費明顯高于相鄰各市，表現(xiàn)為HL集聚，其余各市為LL集聚；蘇北地區(qū)（揚(yáng)州市、泰州市、南通市），該地區(qū)電力消費表現(xiàn)為LL集聚。其原因大概包括以下兩個方面：第一，長三角地區(qū)的上海、南京、杭州和寧波的經(jīng)濟(jì)總量大且增速快，這四個城市較高的社會流動性引起外部生產(chǎn)要素流入，自身電力消費在實現(xiàn)總量增長的同時，通過要素融合與產(chǎn)業(yè)鏈延伸帶動周邊城市的電力消費增長；第二，長三角欠發(fā)達(dá)地區(qū)，較慢的經(jīng)濟(jì)增長導(dǎo)致其對生產(chǎn)要素的承接能力較弱，未能有效地利用各項生產(chǎn)要素，進(jìn)而造成地區(qū)電力消費相對較低，再加上周邊地區(qū)生產(chǎn)要素環(huán)境欠佳，對本地區(qū)的經(jīng)濟(jì)增長和電力消費也沒有起到有益作用。

4.2電力消費的動態(tài)增長路徑

4.2.1靜態(tài)與動態(tài)模型的對比

由電力消費的指數(shù)及散點圖可以看出長三角地區(qū)電力消費存在顯著為正的空間自相關(guān)性，因此，必須考慮空間因素建立計量模型。本文用滯后一期的電力消費變量衡量除、電力價格、人口增長、產(chǎn)業(yè)結(jié)構(gòu)等解釋變量之外的其它諸如用電效率、政策調(diào)控等潛在因素的影響，最終建立長三角地區(qū)電力消費的空間面板計量模型如下：

對于式（4），首先建立靜態(tài)空間面板模型（=0,≠0）以考察電力消費的空間相關(guān)性，然后建立動態(tài)空間面板模型（≠0,≠0）以考察電力消費的空間相關(guān)和時間滯后的雙重特性。當(dāng)回歸分析針對一些特定個體時，應(yīng)選擇固定效應(yīng)模型（Baltagi, 2001）[26]，因此，對于長三角各市電力消費的空間計量而言宜選擇固定效應(yīng)模型。

對于動態(tài)空間面板模型的估計，先對式（4）進(jìn)行差分處理：

其中，Δ=-1，其它差分變量亦為類似形式。式（5）已經(jīng)消除了不隨時間變化的個體固定效應(yīng)，但是因變量一階差分的滯后項Δln-1依然與殘差Δ相關(guān)，為克服所有解釋變量的內(nèi)生性問題，我們使用系統(tǒng)廣義矩估計方法，即：將包含水平值的式（4）和經(jīng)差分處理后的式（5）構(gòu)成一個系統(tǒng)。在估計過程中，式（4）中解釋變量的滯后值，如ln-1、ln-1、ln-1、ln-1、lnⅡ-1、lnⅢ-1等，作為式（5）相應(yīng)變量的工具變量，而式（5）中解釋變量一階差分的滯后值，如Δln-1、Δln-1、Δln-1、Δln-1、ΔlnⅡ-1、ΔlnⅢ-1等，作為式（4）相應(yīng)變量的工具變量。這些工具變量都符合下述條件：與所替代的解釋變量高度相關(guān)、與目標(biāo)方程中的隨機(jī)誤差項不相關(guān)、與目標(biāo)方程中的其它解釋變量不相關(guān)。另外，由于空間誤差模型的拉格朗日乘數(shù)及其穩(wěn)健形式更大且顯著，本文選擇空間誤差模型（SEM）。長三角地區(qū)電力消費的靜態(tài)和動態(tài)空間面板計量模型的參數(shù)估計和顯著性檢驗見表2。

表2 長三角地區(qū)電力消費的靜態(tài)和動態(tài)空間面板模型估計結(jié)果

注：方括號內(nèi)為檢驗統(tǒng)計量值對應(yīng)的 P 值，“*”、“* *”和“* * *”分別表示置信水平為10%、5%和1%下顯著。

由表2的顯著性檢驗可知：動態(tài)空間面板模型的Sargan檢驗統(tǒng)計量不顯著，接受系統(tǒng)GMM估計工具變量有效的原假設(shè)，且AR(1)、AR(2)檢驗統(tǒng)計量表明模型回歸估計的殘差序列一、二階不相關(guān)，動態(tài)空間面板模型在統(tǒng)計上具有有效性和一致性。

式（4）所示單因素誤差模型中的異方差（如有）來自于個體特殊效應(yīng)(v)或剩余誤差項(ε)。為使異方差檢驗更客觀真實，我們主要考慮一般形式異方差（Lejeune, 1996）[27]，即：

其中，2、2是不同外生變量Z、F的函數(shù)，h是嚴(yán)正定的二次可微函數(shù)，滿足ε(0)=1、hε(0)≠0、hε(0)≠0，h具有同樣的性質(zhì)。相應(yīng)地選擇聯(lián)合LM檢驗，原假設(shè)H0：1=2=0，H0成立時，聯(lián)合LM檢驗統(tǒng)計量可以近似地認(rèn)為是兩個邊際LM檢驗統(tǒng)計量之和（Baltagi等, 2006）[28]，即：

其中，兩個邊際LM檢驗統(tǒng)計量分別服從自由度為k2、k1的2分布，聯(lián)合LM檢驗統(tǒng)計量服從自由度為k2+ k1的2分布，k2、k1為約束條件個數(shù)。在靜態(tài)、動態(tài)空間面板模型中，分別得到聯(lián)合LM檢驗值為12.398、10.742，均小于相應(yīng)的χ2臨界值（見表2），接受原假設(shè)，說明兩種模型均不存在異方差。

對比表2中靜態(tài)和動態(tài)空間面板模型的估計結(jié)果，所得結(jié)論如下：

用滯后一期的電力消費作為自變量，其系數(shù)為正（0.3408），說明了除、電力價格、人口增長、產(chǎn)業(yè)結(jié)構(gòu)等之外的外在環(huán)境因素（諸如用電效率、政策調(diào)控等）對長三角電力消費產(chǎn)生了顯著正向的貢獻(xiàn)。事實上，電力消費作為一個動態(tài)、連續(xù)的系統(tǒng)性活動，其前一期（或多期）的電力投入與消費必然會通過效率改進(jìn)、政策調(diào)控等途徑表現(xiàn)出來，并且作用于后一期（或多期）的電力消費活動。

動態(tài)空間面板模型的空間相關(guān)系數(shù)（0.2798）較靜態(tài)模型（0.3866）有所降低，這可能是由于靜態(tài)空間面板模型僅僅考慮外生變量而沒有考慮其他潛在因素對電力消費的影響，以至于將用電效率、政策調(diào)控等其他因素的影響籠統(tǒng)地歸結(jié)為空間相關(guān)性。而在動態(tài)模型中，用電力消費的一階滯后項表征這些潛在因素，將其影響作用分離出以后，便于更加客觀地衡量出長三角地區(qū)電力消費的長效影響因素及其貢獻(xiàn)。

表3 2003-2010 年各變量彈性系數(shù)估計結(jié)果

注：“*”、“* *”和“* * *”分別表示置信水平為10%、5%和1%下顯著。

4.2.2時間變化模型

在表2所示動態(tài)空間面板模型估計結(jié)果的基礎(chǔ)上，本節(jié)建立時間變化模型以進(jìn)一步探究各變量的彈性系數(shù)隨時間的變化情況，為滿足模型估計所需的樣本量，將 1995-2003年的樣本數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，以一年為步進(jìn)期作連續(xù)回歸，觀察 2003-2010 年各變量彈性系數(shù)隨時間變化情況，如表3、圖3所示。

從表3可以看出，除電力價格變量估計結(jié)果不顯著外，其它變量估計結(jié)果的顯著性水平不斷提升，表現(xiàn)出明顯的動態(tài)演變特征。圖3所揭示的電力消費的動態(tài)增長路徑表現(xiàn)在：

圖3 2003-2010 年各變量彈性系數(shù)變化趨勢圖

（1）各變量對電力消費的貢獻(xiàn)在大小和顯著性兩個方面發(fā)生連續(xù)性改變，電力價格對電力消費的負(fù)向貢獻(xiàn)變小且不顯著，重工業(yè)占比對電力消費的正向貢獻(xiàn)變小且不顯著。、人口增長和第三產(chǎn)業(yè)占比對電力消費的正向貢獻(xiàn)變大且顯著，這說明：一方面，長三角處于工業(yè)化后期的后半階段[29]，高新技術(shù)制造業(yè)已代替高耗能工業(yè)成為電力消費的主體，重工業(yè)對電力消費的邊際貢獻(xiàn)降低。同時，長三角地區(qū)旺盛的電力需求對電價的反應(yīng)并不靈敏，沒有形成電價引導(dǎo)電力消費的長效機(jī)制；另一方面，隨著長三角區(qū)域經(jīng)濟(jì)的持續(xù)增長，產(chǎn)業(yè)的轉(zhuǎn)型升級成為電力消費的新引擎，不僅帶來對當(dāng)年電力消費的拉動，更多地通過時滯效應(yīng)拉動來年電力消費的持續(xù)增長。同時，人口增長導(dǎo)致居民消費潛力增大，消費結(jié)構(gòu)也逐步向房產(chǎn)、汽車等高耗能產(chǎn)品轉(zhuǎn)移，居民生活用電量的增長將成為帶動電力消費的長期力量。

（2）空間相關(guān)性變量對于長三角地區(qū)電力消費的貢獻(xiàn)進(jìn)一步增強(qiáng)，空間相關(guān)性的彈性系數(shù)在 2004 年后開始穩(wěn)定上升，這說明：在區(qū)域經(jīng)濟(jì)一體化進(jìn)程加快背景下，長三角地區(qū)生產(chǎn)要素的自發(fā)流動、自發(fā)融合不斷增強(qiáng)，產(chǎn)業(yè)鏈的整合延伸更加促進(jìn)了生產(chǎn)要素在某些地區(qū)間融合共享，進(jìn)而使得電力消費在相應(yīng)地區(qū)發(fā)生空間集聚，這些地區(qū)電力消費的邊際成本下降，在生產(chǎn)不變的情況下所獲得的邊際收益相對增加，促進(jìn)生產(chǎn)要素創(chuàng)造出更多的價值并獲得規(guī)模效應(yīng)，這種規(guī)模效應(yīng)又將進(jìn)一步吸引新的生產(chǎn)要素定向流入，如此便循環(huán)地帶來電力消費空間溢出效應(yīng)的顯著增強(qiáng)。另外，時間變化模型回歸結(jié)果顯示空間相關(guān)性的彈性系數(shù)在2008年出現(xiàn)驟降，這也與上文中空間自相關(guān)性檢驗的結(jié)果相一致。

5結(jié)論與建議

本文從要素、空間和時間三個維度構(gòu)建了智慧城市視角下電力消費的理論分析框架，將動態(tài)空間面板模型引入能源經(jīng)濟(jì)的實證研究中，考察電力消費的空間相關(guān)性與動態(tài)增長路徑，主要結(jié)論如下：

（1）對比靜態(tài)、動態(tài)空間面板模型的估計結(jié)果發(fā)現(xiàn)，分離出用電效率、政策調(diào)控等難以量化的影響因素之后，、人口增長、產(chǎn)業(yè)轉(zhuǎn)型升級等對電力消費的正向作用更顯著，電力價格對電力消費可微小地負(fù)向調(diào)節(jié)，因此，控制經(jīng)濟(jì)過熱增長、促進(jìn)產(chǎn)業(yè)轉(zhuǎn)型升級、堅持計劃生育政策，再輔之以地域差異化的價格調(diào)控機(jī)制，可有效促進(jìn)各個地區(qū)節(jié)能降耗。

（2）電力消費具有顯著的空間溢出效應(yīng)，生產(chǎn)要素的價值實現(xiàn)過程不僅顯著促進(jìn)本地區(qū)電力消費增長，還將通過要素融合與產(chǎn)業(yè)鏈延伸帶動周邊地區(qū)的電力消費增長，電力消費空間溢出效應(yīng)的產(chǎn)生及增強(qiáng)與生產(chǎn)要素在地區(qū)間自發(fā)流動、產(chǎn)業(yè)鏈跨地區(qū)整合延伸、生產(chǎn)要素的邊際收益遞增關(guān)系密切。

（3）電力消費的動態(tài)增長路徑表現(xiàn)在各變量對電力消費的長期貢獻(xiàn)此消彼長，電力價格和重工業(yè)比重對電力消費的長期貢獻(xiàn)逐步減弱，相反，、人口增長和第三產(chǎn)業(yè)比重對電力消費的長期貢獻(xiàn)卻進(jìn)一步增強(qiáng)。

因此，政府決策部門在制定長三角地區(qū)城市發(fā)展戰(zhàn)略、電力消費政策和價格調(diào)控措施時，應(yīng)充分考慮空間作用機(jī)制對電力消費的差異化作用，在發(fā)揮市場對生產(chǎn)要素配置的導(dǎo)向作用的同時，根據(jù)各地市的城市功能定位和產(chǎn)業(yè)發(fā)展特點調(diào)控要素流動方向，以建立動態(tài)調(diào)整、供需均衡的智慧型電力發(fā)展模式；相關(guān)調(diào)度部門基于時間序列數(shù)據(jù)預(yù)測未來電力消費需求時，應(yīng)充分認(rèn)清本地區(qū)工業(yè)化所處發(fā)展階段，厘清特定階段影響電力消費需求的關(guān)鍵因素及其貢獻(xiàn)大小，把握關(guān)鍵因素的變化趨勢以提高長期預(yù)測的精度和跨區(qū)送電、動態(tài)配電的效度。

[1] 【美】IBM商業(yè)價值研究院．智慧的城市在中國[R]．IBM公司官方網(wǎng)站，2009．

[2] 史璐．智慧城市的原理及其在我國城市發(fā)展中的功能和意義[J]．中國科技論壇，2011, (5): 97-102．

[3] 李德仁，龔健雅，邵振峰．從數(shù)字地球到智慧地球[J]．武漢大學(xué)學(xué)報（信息科學(xué)版），2010, 35(2): 127-132．

[4] 張永民．解讀智慧地球與智慧城市[J]．中國信息界，2010, (10): 23-29．

[5] Eden S.H. Yu and Been-Kwei Hwang．The Relationship between Energy and GNP: Further Results[J]．Energy Economics, 1984, 6(3): 186 - 190．

[6] Yu E.S.H. and Choi J.Y.．Causal Relationship between Energy and GNP: An International Comparison [J]．Journal of Energy and Development, 1985, 10(2): 249 - 272．

[7] R.W. Bacon and J. Besant-Jones．Global Electric Power Reform, Privatization, and Liberalization of the Electric Power Industry in Developing Countries[J]．Annual Review of Energy and the Environment, 2001, 26(11): 331-359．

[8] James E. Payne．Survey of the International Evidence on the Causal Relationship between Energy Consumption and Growth[J]．Journal of Economic Studies, 2010, 37(1): 53-95．

[9] Gellings G.．Demand Forecasting in the Electric Utility (Second Edition) [M]．Oklahoma: PennWell Publishing Company, 1996．

[10] Kraft J. and Kraft A.．On the Relationship between Energy and GNP[J]．Journal of Energy and Development, 1978, 3(2): 401-403．

[11] Paul A. Steenhof．Decomposition of Electricity Demand in China's Industrial Sector[J]．Energy Economics, 2006, 28(3): 370-384．

[12] 林伯強(qiáng)．結(jié)構(gòu)變化、效率改進(jìn)與能源需求預(yù)測——以中國電力行業(yè)為例[J]．經(jīng)濟(jì)研究，2003, (5): 57-65．

[13] 陳文靜，何剛．電力消費及其影響因素：基于非參數(shù)模型的研究[J]．系統(tǒng)工程理論與實踐，2009, 29(5): 92-97．

[14] 王火根，沈利生．中國經(jīng)濟(jì)增長與能源消費空間面板分析[J]．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007, (12):98-107．

[15] 吳玉鳴，李建霞．中國省域能源消費的空間計量經(jīng)濟(jì)分析[J]．中國人口．資源與環(huán)境，2008, 18(3): 93-98．

[16] 趙湘蓮，李巖巖，陸敏．我國能源消費與經(jīng)濟(jì)增長的空間計量分析[J]．軟科學(xué)，2012, 26(3): 33-38．

[17] Luc Anselin and D. Griffith., 1988, “Do spatial effects really matter in regression analysis?” Papers of the Regional Science Association, 65: 11-34.

[18] Luc Anselin, Julie Le Gallo and Hubert Jayet．The Econometrics of Panel Data[J]．Advanced Studies in Theoretical and Applied Econometrics, 2008, 46: 625-660．

[19] 張振剛，田帥，陳志明．科技投入與經(jīng)濟(jì)增長的互動機(jī)制研究——基于珠三角地區(qū)靜態(tài)和動態(tài)面板數(shù)據(jù)的實證研究[J]．科學(xué)管理研究，2010, 28(5): 89-93．

[20] T.W. Anderson and Cheng Hsiao．Formulation and Estimation of Dynamic Models Using Panel Data[J]．Journal of Econometrics, 1982, 18: 47-82．

[21] Seung C. Ahn and Peter Schmidt．Efficient Estimation of Dynamic Panel Data Models: Alternative Assumptions and Simplified Estimation[J]．Journal of Econometrics, 1997, 76: 309-321．

[22] Cheng Hsiao．Analysis of Panel Data (Second Edition) [M]．Cambridge University Press, 2003, 69-111．

[23] Manuel Arellano and Olympia Bover．Another Look at the Instrumental Variable Estimation of Error Components Models[J]．Journal of Econometrics, 1995, 68(1): 29-51．

[24] Stephen Bond．Dynamic Panel Data Models: a Guide to Micro Data Methods and Practice[J]．Portuguese Economic Journal, 2002,1: 141-162．

[25] 張嘉為，陳曦，汪壽陽．新的空間權(quán)重矩陣及其在中國省域?qū)ν赓Q(mào)易中的應(yīng)用[J]．系統(tǒng)工程理論與實踐，2009, 29(11): 84-92．

[26] Badi H. Baltagi and Chihwa Kao．Nonstationary Panels, Cointegration in Panels and Dynamic Panels: A Survey[M]．Emerald Group Publishing Limited, 2001, 7-51．

[27] Bernard Lejeune．A full heteroscedastic one-way error components model for incomplete panel: maximum likelihood estimation and Lagrange multiplier testing, CORE Discussion Paper 9606, Universite Catholique de Louvain, 1996, 1-28.

[28] Badi H. Baltagi, Georges Bresson and Alain Pirotte．Joint LM test for homoskedasticity in a one-way error component model[J]．Journal of Econometrics, 2006, 134: 401-417．

[29] 陳佳貴，黃群慧，鐘宏武，王延中．中國工業(yè)化進(jìn)程報告[R]．北京：社會科學(xué)文獻(xiàn)出版社，2007．

Spatial Correlation and Dynamic Growth Path of the Power Consumption in Perspective of Smart Urban：Empirical Research Based on the Dynamic and Spatial Panel Data in Yangtze River Delta Area

ZHANG Zhen-gang1, DING Zhuo1, TIAN Shuai2

(1. School of Business and Management, South China University of Technology, Guangzhou 510641, China; 2. Guangdong Electric Power Design Institute, Guangzhou 510663, China)

Energy source is essential to sustaining economic growth in China. Understanding energy sources' development pattern is critical to shifting the growing path of China's economy. Therefore, an increasing number of researchers have started paying attention to the regulation of electricity consumption. Currently, the existing literature has discussed the features of electricity consumption mainly from either the aspect of temporal evolution or spatial distribution. However, there is a lack of comprehensive framework combining these two dimensions to explain the features of electricity consumption.Through literature review, this paper proposes the concept of intelligent power to construct a new framework integrating the time, space and elements. This framework can be applied in electricity consumption's spatial correlation and its dynamic growth path in China.This paper can provide theoretical support for constructing the patterns of intelligent power's development.The research uses the dynamic spatial panel econometric model based on energy economics panel data from 16 cities in Yangtze River Delta Area from year 1995 to 2010. This study assumes that spatial correlation and its dynamic growth path of electricity consumption occur linearly through GDP, electricity price, population growth, industry structure and others. Spatial correlation mainly discusses the correlation between electricity consumption with its location and the contribution of related elements. This study further discusses temporal evolution in size and the significance of electricity consumption's spatial correlation.The research compares the estimated results of static spatial panel model with that of dynamic spatial panel model. Moreover, this study separates the elements which is difficult to quantify, such as power-using efficiency and policy regulation, GDP, population growth and industry structure upgrade. As a result, this study can make more significant positive contribution to electricity consumption, and electricity price can be used to reduce electricity consumption. There are significant spatial spillover effects in electricity consumption. The process in which the value of production factors has been achieved can not only significantly promote electricity consumption growth in this region, but also promote electricity consumption of surrounding areas by integrating production factors and extension of industrial chain. Through building the time-varying model, this study finds dynamic evolution characteristics in the growth path of electricity consumption. One of major characteristics is that the spatial spillover is enhanced annually, and the long-term contribution that electricity price and heavy industry percentage makes to the electricity consumption declines annually. In addition, the long-term contribution that GDP, population growth, and tertiary industry percentage makes to the electricity consumption is further enhanced.To sum up, when formulating the city development strategy, electricity consumption policy and price regulation measures of Yangtze River Delta Area, the government should consider differential effect of spatial mechanism on electricity consumption, guide the market in the production factors allocation, and regulate flow direction of production factors according to city function orientation and industrial development features of each city. Thus, the government can establish the intelligent power development mode of dynamic adjustment and supply-demand equilibrium.

smart urban; power consumption; spatial correlation; dynamic growth path

中文編輯：杜 健；英文編輯：Charlie C. Chen

F206

A

1004-6062(2016)03-0099-07

10.13587/j.cnki.jieem.2016.03.012

2012-02-29

2014-04-25

國家社會科學(xué)基金重大資助項目（11&ZD154）

張振剛（1963—），男，廣東南海人，華南理工大學(xué)黨委副書記，教授，博士生導(dǎo)師，研究方向：產(chǎn)業(yè)與系統(tǒng)復(fù)雜性研究、區(qū)域發(fā)展戰(zhàn)略管理、技術(shù)創(chuàng)新。

① 數(shù)據(jù)說明：根據(jù)“上海統(tǒng)計網(wǎng)http://www.stats-sh.gov.cn/column/csj_sjxx.html”收集、計算得出。