EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 12: 3234 - 3251

DOI: https://doi.org/10.31497/zrzyxb.20221214

其他研究论文

环境规制和产业集聚对能源效率的影响与作用机制：基于空间效应的视角

  • 孙浩 ,
  • 郭劲光
展开
  • 东北财经大学公共管理学院，大连 116025
郭劲光（1976- ），男，河北唐山人，博士，教授，主要从事公共管理与创新政策研究。E-mail:

孙浩（1991- ），男，安徽阜阳人，博士研究生，主要从事公共管理与创新政策研究。E-mail:

收稿日期: 2021-12-06

  修回日期: 2022-01-30

  网络出版日期: 2022-12-28

基金资助

国家自然科学基金项目(71774027)

2020年辽宁省教育厅项目(LN2020Z04)

收起

The influence and mechanism of environmental regulation and industrial agglomeration on energy efficiency: A spatial effects-based perspective

  • SUN Hao ,
  • GUO Jin-guang
Expand
  • School of Public Administration, Dongbei University of Finance and Economics, Dalian 116025, Liaoning, China

Received date: 2021-12-06

  Revised date: 2022-01-30

  Online published: 2022-12-28

Fold

摘要

在中国向高质量发展转型下，探究环境规制、产业集聚对能源效率的作用，对实现“双碳目标”具有重要的现实意义。系统梳理了三者间的作用机制，并基于中国2006—2018年的数据，运用多种“近邻”权重下的空间杜宾模型，检验环境规制、产业集聚以及二者的融合发展对能源效率的溢出效应及其区域差异。研究发现：（1）环境规制和能源效率二者间存在“波特假说”，但这种效应却具有“度”的限制；产业集聚（专业化、多样化）能够有效地助推自身以及与之“相邻”（地理邻近、经济互动）地区能源效率的提升。（2）环境规制对能源效率的作用表现出明显的区域差异，且在中国东、中以及西部三区域间也具有显著的经济地理关联性；产业集聚对能源效率的影响也表现出明显的区域差异，东部来源于多样化集聚，而中西部来源于专业化与多样化集聚。（3）在效应分解方面，无论是全样本还是分区域样本中，环境规制、产业集聚对能源效率的空间溢出效应并不单单是由于地理“相邻”造成的，更多是地区间地理邻近与经济互动协同的结果。（4）环境规制与专业化集聚的融合发展，抑制了专业化带来的正效应，而其与多样化集聚的融合发展对推动能源效率提升具有更强效果。

关键词： 环境规制; 产业集聚; 能源效率; 杜宾模型; 空间溢出

本文引用格式

孙浩 , 郭劲光 . 环境规制和产业集聚对能源效率的影响与作用机制：基于空间效应的视角[J]. 自然资源学报, 2022 , 37(12) : 3234 -3251 . DOI: 10.31497/zrzyxb.20221214

Abstract

In the transition to high-quality development in China, it is important to investigate the effect of environmental regulation and industrial agglomeration on energy efficiency to achieve energy conservation and emission reduction. Based on the data from 2006 to 2018, the spatial Durbin model with various "near-neighbor" weights is applied to examine the spillover effects of environmental regulation, industrial agglomeration and their integration on energy efficiency and their regional differences. The study finds that there is a "Porter's hypothesis" between environmental regulation and energy efficiency, but this effect is limited by "degree". Industrial agglomeration (specialization and diversification) can effectively contribute to itself and its own effect of environmental regulation on energy efficiency. The role of environmental regulation on energy efficiency shows significant regional differences, and there is also a significant economic-geographic correlation between the eastern, central and western regions of China. The impact of industrial agglomeration on energy efficiency also shows obvious regional differences, with the eastern part from diversified agglomeration, and the central and western parts from specialized and diversified agglomeration. In terms of effect decomposition, the spatial spillover effects of environmental regulation and industrial agglomeration on energy efficiency are not solely due to geographical "proximity", but are more the result of geographical proximity and economic interaction between regions. The integration of environmental regulation and specialized agglomeration suppresses the positive effect of specialization, while its integration with diversified agglomeration has a stronger effect on promoting energy efficiency.

Key words： environmental regulation; industrial agglomeration; energy efficiency; Durbin model; spatial spillover

中国工业化的推进，在带来经济效益的同时，也加速了能源的消耗，引起了诸多环境问题，这无疑会给中国可持续发展带来严峻挑战。减少能源消费与预防环境问题的主要途径是节能减排与提高能源效率，而波特假说与供给侧结构性改革为提高中国能源效率提供了理论和实际支撑，二者的核心内容便是环境规制和产业集聚。虽然进一步对中国的能源结构进行优化可以有效地缓解能源稀缺所带来的压力，但是，由于部分不可再生能源具有相对价格优势，很难实现大幅度的能源消费格局的调整[1]，而积极提高能源效率才是解决问题的最主要途径。因此，分析三者间的内在关系对实现中国可持续发展具有重要的理论和现实意义。
在探索能源效率的过程中不少文献指出，经济制度、技术进步、能源价格、市场分割、资源禀赋等都会引起能源效率的变化[2⇓⇓⇓-6]。但当前鲜有对环境规制、产业集聚以及能源效率三者内在联系的分析，大多数只是针对三者中的两个来进行探究。其中，关于环境规制与产业集聚间的关系主要有以下两种观点：一种认为政府通过调控地区环境规制的力度，从而减少产业集聚地区各行业的企业数量，达到进一步提升地区产业集中度的目的[7]；另一种认为环境规制强度的增强会增加企业成本，而企业的最终目的是利益最大化，为了获取更多的利润，企业可能会采取向规制力度比较弱的区域进行产业转移[8⇓-10]，且由于地区间各方面的差异，会使得新进入企业与已有企业呈现出梯度转移[11,12]。
对于环境规制与能源效率间的研究当前主要形成了四种观点：抑制论，即规制水平的提高使得企业输出成本也随之增加，进而抑制能源效率的提升[13,14]；促进论，即环境规制水平的提高，地区不得不提高自身技术创新的能力，进而对能源效率产生“倒逼效应”[15]；“U”型结构，即在临界点的左边是成本效应起主要作用，在临界点右侧则是创新效应起主导作用[16]；倒“U”型结构，即随着规制强度的不断提高，会使得能源效率得到改善，但当该强度超过某一阈值时，则会引起能源效率的降低[17]。
对于产业集聚与能源效率间的研究，一方面产业集聚能通过提高地区技术水平的途径实现能源效率的提升[18,19]，这使得通过加快产业集聚的进程来提升能源效率成为现实；但张意翔等[20]指出这种促进达到一定程度后反而会出现回弹。另一方面，产业集聚不仅能有效地缩短地区关联企业间要素转移的距离，还能够提高劳动市场中人才与企业间的匹配度，进而提升能源效率[21]。
通过上述文献的梳理可以看出，在诸多文献中所得出的环境规制、产业集聚以及能源效率间的关系存在着显著的差异，甚至出现对立的观点；而且在探究产业集聚与能源效率间的联系时，更多采用的是单一因素视角，缺少针对不同类型的产业集聚对能源效率的作用效果是否存在差异的系统性分析。而且当前的理论分析与实证检验鲜有文献在环境规制背景下探究产业集聚与能源效率间的内在联系，且现有研究也忽略了关于能源效率空间联动性的考量。为此，本文拟从以下两个方面展开探究：首先，梳理环境规制、产业集聚对能源效率的作用机制；其次，基于空间溢出的视角，采用四种“邻近”权重（分别为：邻接、地理、经济以及嵌套），运用空间模型检验“波特假说”，进一步分析在区域异质性下，中国东、中、西部的环境规制和产业集聚对能源效率的空间溢出，并给出相关的政策建议。

1 环境规制、产业集聚对能源效率的作用机制分析

1.1 环境规制与能源效率

环境规制是政府针对企业活动中产生的污染所带来的负面影响，所实施的规章制度措施，以使得环境与经济间保持平衡的状态。环境规制对于能源效率的作用途径主要有以下几种方式：（1）倒逼效应。地区环境规制力度的加大，从而直接对企业在能源技术方面产生倒逼效应，使得企业为了未来的发展需要对自身的资源重新配置[22]，也就是说企业为了今后更好地发展，会积极地提高能源技术方面的资源投入，以达到降低自身能源成本与污染治理支出的目的，进而提升了地区能源效率。（2）成本效应。一方面，由于环境规制在一定程度上会增加企业的成本，即企业不得不分出部分资金进行污染预防以及支付排污费用，这无疑增加了企业的生产成本；另一方面，由于规制强度的不断增强，使得地方企业在处理污染方面支出的费用也随之显著增加，在资源投入一定的情况下，造成用于生产的资源被挤压导致产出降低，进而地方的能源效率也随之下降。（3）壁垒效应。环境规制的加入，会对企业形成环境壁垒与设备壁垒[16]。一方面，部分企业为了维持自身在当前市场中所取得的优势，而对当前企业所实行的生产方式进行调整升级，在提升自身绩效的同时，也提升了企业资源的利用率；而部分高污染、高能耗的企业由于无法跟上规制强度提高的速度而渐渐地被市场所淘汰。另一方面，对于新加入市场的企业，加入的同时企业在治理污染与标准方面的要求要高于老企业，而高标准高要求也使得企业在污染治理与提升效率方面的能力得到了提升。通过分析发现可知，当环境规制强度较低时，“创新补偿”（倒逼与壁垒效应）所带来的收益要高于“遵循成本”（成本效应），但是，随着规制强度不断增强，当其达到某一峰值时，可能会出现“遵循成本”高于“创新补偿”，反而会降低地区的能源效率。

1.2 产业集聚与能源效率

已有研究指出，产业集聚是促进技术进步与增强地区优势的重要手段[23]。从多样化角度看，一方面，其会促使地方企业在进行生产时采用更新、更节能的设备来替换原有的高耗能高污染的设备，使得自身的生产价值链得到进一步延伸，进而提升能源效率[24]；而且伴随着产业价值链的延伸与扩展，地区企业之间的技术交流也得到进一步加强，使得新技术、新知识不断交互融合，促使地区企业间的联系愈加紧密，减少了不必要的资源损耗，提高了能源效率。另一方面，多样化还会在各类企业之间形成闭合的物质流，也就是说某一企业所“抛弃”的废料有可能是另外一企业所必不可少的原料，这在一定程度上减少了企业的搜索成本，提高了资源回收利用，也有助于提高地区的能源效率[25]。此外，多样化集聚也会进一步完善中国的劳动力市场，更加有助于技术的溢出与贸易交流，从而为产业链的稳定性提供更为丰富的人力资源，进而提高能源效率[26]。从专业化角度看，一方面，相互关联企业的集聚能够进行更为专业的生产，从而降低原料的浪费与不必要的损耗，而且专业化集聚可以有效地促进先进的技术与知识在集聚区内得到迅速地扩散，从而也进一步增强了能源效率[27]。另一方面，由于具有相同性质的企业其对于设备也具有类似的需求，而专业化集聚可以使得它们共享这部分相同的设备，从而实现资源的节约利用。此外，随着信息技术与交通的高速发展，也进一步提升了产业的跨区分工，加快了邻近地区技术与知识的传播，从而提高了相邻地区的能源效率[28]。

1.3 环境规制、产业集聚与能源效率

由于产业集聚通过对相同污染物的集中处理能够有效地降低自身成本，而且由于地区诸多关联企业的集聚，能够使得劳动力、技术设备得到集中，而且生产类似产品的企业，对于所需要的公共设施也大致相同，共同使用能够有效地减少资源的浪费。而随着地区环境规制力度的提升，会进一步使得产业集聚区域内各个行业的公司规模与数量也会出现明显的变动。首先，环境规制强度的不断增强无疑会增加公司在污染治理方面的成本，但是对于产业集中区域内技术水平较高、自身实力较强的公司而言，它们能够通过“创新补偿”来回避地区环境规制带来的成本增加[29]；对于产业集中区域内技术水平低、自身实力较弱的公司而言，地区规制强度的不断提升所带来的“遵循成本”（成本效应）会造成公司濒临停产甚至倒闭，从而进一步缩减了产业集中区域内各个行业内公司的数量，提高了地区产业的集中度。此外，产业集聚也会促使知识的传播以及技术的溢出，其中对于一些存在互补的公司，二者产业的集聚不仅能够有效地降低由于技术创新所需要花费的资金，而且能够有效地促进该地区各行业的技术创新[30]；对于一些同种类型公司的产业集聚会在一定程度上形成非完全竞争，从而促使公司产品通过其他形式（如：产品质量、价格）进行竞争，而随着环境规制强度的提升，该竞争能够形成节能减排效应，进而提升能源效率。

2 研究方法与数据来源

2.1 模型设定

本文在上述分析的基础上，为探究环境规制（ER）、产业集聚（专业化SI、多样化DI）对能源效率（EE）的影响，建立静态面板基础模型如下：
E E i t = α 1 E R i t + α 2 E R i t 2 + β 1 S I i t + β 2 D I i t + ∑ j = 1 n γ j X i t + ε i t
式中： E E i t、 E R i t、 S I i t与 D I i t分别表示i地区在t年时的能源效率、环境规制、产业专业化集聚与多样化集聚； X i t为控制变量； α 1、 α 2、 β 1、 β 2以及 γ j为解释变量回归系数； ε i t为扰动项。由于式（1）无法反映各变量内部间的空间关联性，为此，本文采用空间计量模型进行分析。而研究过程中不仅要分析三者间的空间关联特征，更要分析是否具有显著的空间溢出。为此，本文重点采用杜宾模型（SDM）进行探究，具体如下：
E E i t = α 1 E R i t + α 2 E R i t 2 + α 3 S I i t + α 4 D I i t + ∑ j = 1 n β j X i t + ρ W × E E i t + γ 1 W × E R i t + γ 2 W × E R i t 2 + γ 3 W × S I i t + γ 4 W × D I i t + W ∑ j = 1 n θ j X i t + μ i + η t + ε i t
式中： ρ为被解释变量的空间自相关系数； W为空间权重矩阵； α和 β为解释变量回归系数； γ和 θ为解释变量的空间溢出系数； μ i为空间效应； η t代表时间效应。此外，为了探究环境规制与产业集聚的融合是否也对能源效率产生一定效果，在式（2）中的控制变量中加入了二者的交叉项（ER×SI、ER×DI），得到融合效应面板模型：
E E i t = α 1 S I i t + α 2 D I i t + α 3 E R i t × S I i t + α 4 E R i t × D I i t + ∑ j = 1 n β j X i t + ρ W × E E i t + γ 1 W × E R i t + γ 2 W × E R i t 2 + γ 3 W × S I i t + γ 4 W × D I i t + γ 5 W × E R i t × S I i t + γ 6 W × E R i t × D I i t + W ∑ j = 1 n θ j X i t + μ i + η t + ε i t

2.2 权重矩阵设置

由于在当前采用空间模型对能源效率进行探究的文献中，更多是采用地理位置是否相邻或者地理距离来构建空间权重矩阵。因此，本文依据王守坤[31]提出的空间矩阵，并结合郭劲光等[32]在研究中所构建的空间矩阵，分别采用邻接权重（地理位置是否邻近（ W 1））、地理权重（ W 2）（省会城市间的距离）、经济权重（ W 3）（人均GDP差异）进行度量，并将相邻与经济差异相结合构建嵌套矩阵 W 4。且为满足权重矩阵的含义，将 W 4的主对角线全化为0，此时采用该嵌套矩阵 W 4能够有效地展示各地区经济发展水平差异的不对称性，更加符合实际，具体见表1。
表1 四种空间权重矩阵的定义

Table 1 Definition methods of four spatial weight matrices

权重矩阵 矩阵说明
邻接权重（ W 1） w i j = 1 地 区 i 与 地 区 j 在 地 理 位 置 上 相 邻 0 地 区 i 与 地 区 j 在 地 理 位 置 上 不 相 邻 或 者 i = j
地理权重（ W 2） w i j = 1 d i j , d i j 表 示 地 区 i 与 地 区 j 间 省 会 城 市 间 的 距 离 （ k m ）
经济权重（ W 3） w i j = 1 Y i - Y j , Y i 表 示 地 区 i 历 年 人 均 G D P 的 均 值 （ 万 元 / 人 ）
嵌套权重（ W 4） W 4 = W 1 × W 3 = ( w i j ) n × n = a i j × 1 Y i - Y j n × n

2.3 变量说明

对于被解释变量能源效率，本文参考周四军等[33]以及陈宇峰等[34]的研究，利用非期望产出SBM超效率模型测算能源效率。其中，投入指标选取：劳动力投入使用各省份每年年底的就业人数；能源投入采用各省份每年的能源消耗量；资本投入采用 K j , t = ( 1 - δ j , t ) K j , t - 1 + I j , t计算。其中， K j , t表示第 j省（市、自治区）第 t年资本存量（亿元）； I j , t为第 j省（市、自治区）第 t年的固定资产投资额（亿元）； δ j , t为折旧率，参照已有的处理方法，令其为 δ j , t = δ = 10.96 %。产出指标选取：期望产出指标选取各省份年末GDP；非期望产出指标采用利用熵值法将工业“三废”合并所得到的指标。
对于核心变量环境规制强度的度量仍没有统一的方法，诸多学者均是根据自身研究的需要进行计算规制强度。主要有：（1）采用地区环境法规以及相关政策数量来衡量；（2）采用地区排污费投入或者治理投入与生产成本之比来表征；（3）采用污染物排放总量或对多种污染物赋予不同权重，从而构建综合指数来表征[35]。但上述方法也具有一定的局限性。为此，本文从多维性与可比性的角度出发，基于单位污染物所需治理投入的思想，采用地区污染物治理投入与各种污染物排量放共同进行表征，即：
E R i t = S i t T E i t = I i t / I - t ∑ S E i t j ; S E i t = E i t - m i n E t m a x E t - m i n E t
式中： E R i t表示各省（市、自治区）在第 t年时的环境规制强度； S i t是采用各省（市、自治区）在第 t年时污染治理的总投入（ I i t）与该年份内全国平均投入（ I - t）的比值得到的； T E i t为各省在第 t年时各类污染物排放总量的标准化值（ ∑ S E i t j）； S E i t表示各省（市、自治区）每年的三种污染物排放量（ E i t）的标准化值。
对于产业集聚，借鉴已有研究，分别采用中国各地区行业的Hoover区位熵、赫芬达尔指数的倒数来表示产业专业化与多样化，具体如下：
S I j = ∑ i = 1 n A i j H i j = ∑ i = 1 n P i j P i P i j / P j P i / P
D I j = 1 ∑ i = 1 n ( P i j / P j ) 2
式中： S I j与 D I j分别表示地区 j的产业专业化与产业多样化； A i j表示 j地区 i行业的总产值占 i行业产值的比例； H i j为区位熵； P、 P i、 P j、 P i j分别表示所有产业、 i行业、 j地区、 j地区 i行业的总产值（亿元）。
此外，参考原嫄等[36]以及熊广勤等[37]的研究，从经济发展水平、技术进步、外商投资情况、产业变动状况和政府财政支出方面选取相关指标作为控制变量，具体见表2。
表2 主要变量的统计性描述

Table 2 Statistical description of the main variables

定义 符号 变量说明 均值 标准差 最小值 最大值
能源效率 EE 非期望产出SBM超效率 0.4951 0.2545 0.1300 1.4000
环境规制强度 ER 污染物的治理投入 1.3429 1.5747 0.1200 12.3500
专业化 SI Hoover区位熵 0.7029 0.8716 0.0211 4.4104
多样化 DI 赫芬达尔指数的倒数 9.5397 3.1229 3.7791 15.076
经济发展水平 PGDP 地区GDP与人口的比值 3.4898 0.5868 1.7490 4.7720
产业变动 IOR 第三与第二产业增加值之比 0.9809 0.5412 0.4971 4.1653
技术进步 TEC 每百人国内专利授权量 5.3216 7.4877 0.1800 43.2700
外商投资 FDI 外商投资总额与地区总产值之比 0.2445 0.3720 0.00016 2.0384
政府财政支出 GOV 地方财政支出与地区总产值之比 0.2060 0.09437 0.07464 0.6269

2.4 数据来源

考虑到数据的可获得性，本文选取了2006—2018年（除中国西藏、香港、澳门和台湾地区外）30个省、自治区以及直辖市的数据。样本数据来源于历年《中国统计年鉴》《中国环境统计年鉴》以及《中国能源统计年鉴》。

3 结果分析

3.1 全样本回归

本文依据表1中所构建的四种权重矩阵，采用莫兰指数来度量2006—2018年中国能源效率、环境规制以及产业集聚的空间相关性特征①(① 由于数据量过大，具体的Moran系数值及其对于P值未在文中列举出。)。结果显示：首先，历年能源效率的莫兰系数均显著大于0，表明中国各地区的能源效率具有明显的关联性。其次，环境规制在邻接权重（ W 1）下，未显现出明显的空间关联，但从地理权重（ W 2）与经济权重（ W 3）的结果来看却存在空间关联性，这也进一步表明本文采用多种邻近矩阵进行分析更贴近实际状况。最后，专业化集聚在邻接权重（ W 1）与地理权重（ W 2）下显现出显著的空间关联，而多样化集聚在邻接权重（ W 1）、地理权重（ W 2）以及嵌套权重（ W 4）下也均表现出显著的空间关联，表明产业集聚的空间关联不仅来自于地理位置也来自于地区间的经济关联状况。这也进一步说明采用空间计量模型分析三者之间联系的必要性。本文使用表1中构建的四种权重下的杜宾模型（SDM）来分析三者间的空间关联性，具体见表3。
表3 全样本回归结果

Table 3 Full-sample regression results

变量 随机效应模型（RE） 空间杜宾模型（SDM）
邻接权重（W1） 地理权重（W2） 经济权重（W3） 嵌套权重（W4）
ER 0.0301***
(3.96)		 0.0145**
(2.03)		 0.0137**
(1.96)		 0.0218***
(3.13)		 0.0198***
(2.81)
ER2 -0.00156**
(-2.34)		 -0.000722
(-1.13)		 -0.000584
(-0.96)		 -0.00103*
(-1.74)		 -0.00108*
(-1.72)
SI 0.0517***
(2.84)		 -0.00538
(-0.25)		 -0.0136
(-0.66)		 0.0299**
(2.25)		 0.0277**
(2.36)
DI 0.00978***
(2.63)		 0.00618
(1.64)		 0.00995***
(2.84)		 0.0101***
(2.86)		 0.0119***
(3.32)
PGDP 0.0512***
(3.5)		 0.310***
(5.8)		 0.363***
(7.58)		 0.186***
(3.53)		 0.192***
(4.45)
IOR 0.0459*
(1.9)		 0.0549*
(1.65)		 0.0701**
(2.18)		 0.0361
(1)		 0.0673**
(2.04)
TEC 0.00457***
(4.08)		 0.00301**
(2.39)		 0.00148
(1.17)		 -0.00114
(-0.85)		 0.00148
(1.19)
FDI 0.0688**
(2.47)		 -0.0218
(-0.75)		 -0.0194
(-0.71)		 0.0477*
(1.73)		 0.0161
(0.44)
GOV -0.112
(-1.21)		 -0.281**
(-1.96)		 -0.313**
(-2.35)		 -0.231**
(-2.02)		 -0.350***
(-3.18)
常数项 0.0912*
(1.71)		 0.0493
(0.73)		 0.2
(1.33)		 0.359***
(4.27)		 0.214*
(1.72)
W×ER 0.0304**
(2.01)		 0.0375
(1.4)		 0.0457***
(2.58)		 0.00751
(0.23)
W×SI -0.0043
(-0.13)		 0.305***
(-2.82)		 0.0345
(0.92)		 0.134
(1.57)
W×DI 0.0207***
(2.63)		 0.0463***
(2.91)		 -0.013
(-1.39)		 -0.00301
(-0.21)
ρ 0.0491***
(2.76)		 0.170**
(2.10)		 -0.220**
(-2.20)		 -0.0988**
(-2.32)
LR test spatial lag 39.13*** 57.32*** 58.63*** 48.15***
LR test spatial error 39.58*** 55.29*** 53.82*** 48.20***

注：*、**和***分别表示在10%、5%和1%的水平下显著，RE模型下括号内的数值为t统计量，SDM模型下括号内的数值为Z统计量，下同。

在表3中，首先，从环境规制强度的角度来看，在四种邻近矩阵下环境规制强度（ER）的回归系数均显著，且在经济权重（ W 3）与嵌套权重（ W 4）下，其与能源效率（EE）间呈现“倒U型”的结构，也就是说，二者之间具有“波特假说”=(② 波特假说就是适当的监管标准能对技术进行更新，从而有利于提升竞争力。)效应，但却具有一定的“度”的限制，这也与已有研究结果保持一致[16]，即在环境规制强度较弱时，“创新补偿”（倒逼效应与壁垒效应）的作用效果要高于“遵循成本”（成本效应）；但当其超高某一高度值后，对能源效率的促进便会逐渐消失，此时，通过“创新补偿”所产生的效果无法弥补“遵循成本”。其次，从产业集聚的角度来看，其在固定效应模型（FE）以及在经济权重（ W 3）与嵌套权重（ W 4）下表现为促进作用，且专业化的系数值要略高于多样化，这可能是因为专业化所产生的创新比多样化产生的创新更加纯粹，也更有利于提升能源效率。产业专业化在经济权重（ W 3）与嵌套权重（ W 4）下对促进能源效率提升的作用更突出，这主要是由于产业专业化的集聚有效降低了信息不对称，在节约运输与搜索成本的同时，也减少了能源的损耗；而且专业化的集聚也更利于相关专业知识与技术的共享，加快了先进技术扩展到污染治理的进程以及能源效率的改善。

3.2 分地区回归结果

为探究环境规制、产业集聚对能源效率的区域差异性，本文从区域划分的角度采用空间杜宾模型（SDM）进行分析，具体见表4。
表4 分区域回归结果

Table 4 Regional regression results

地区 邻近矩阵 空间杜宾模型（SDM）
ER ER2 SI DI W×ER W×SI W×DI ρ
东部 邻接权重（W1） 0.00455
(0.52)		 0.000066
(0.09)		 -0.0174
(-0.57)		 0.0196***
(2.78)		 0.0274*
(1.79)		 0.0445
(1.13)		 0.0487***
(4.06)		 -0.0353
(-0.38)
地理权重（W2） 0.0045
(0.46)		 0.000724
(0.86)		 -0.0252
(-0.81)		 0.0231***
(-3.16)		 -0.000826
(-0.03)		 -0.0758
(-0.56)		 0.0679**
(2.46)		 -0.0235
(-0.13)
经济权重（W3） -0.00311
(-0.37)		 0.000665
(0.88)		 -0.0181
(-0.57)		 0.0114
(1.46)		 -0.0191
(-1.06)		 -0.0889**
(-2.13)		 -0.0116
(-1.00)		 -0.316**
(-2.49)
嵌套权重（W4） -0.00114
(-0.13)		 0.00036
(0.45)		 0.033
(1.22)		 0.0231***
(3.34)		 0.0169
(0.45)		 -0.0879
(-1.18)		 0.0223
(0.99)		 -1.208***
(-3.91)
中部 邻接权重（W1） 0.043***
(3.11)		 0.00366*
(1.7)		 0.147***
(3.47)		 0.0057
(1.3)		 0.0868***
(3.64)		 -0.00562
(-0.10)		 0.00734*
(1.81)		 0.337***
(3.39)
地理权重（W2） 0.0205
(1.34)		 0.000909
(0.41)		 -0.0703
(-1.56)		 -0.00113
(-0.28)		 0.00963
(0.21)		 0.154
(1.17)		 0.0112
(1.42)		 0.233*
(1.7)
经济权重（W3） 0.0246*
(1.87)		 -0.00146
(-0.69)		 -0.0381
(-0.79)		 0.00202
(0.54)		 0.00431
(0.11)		 0.162*
(1.75)		 0.0135**
(2.13)		 0.264*
(1.92)
嵌套权重（W4） 0.0326**
(2.45)		 0.00211*
(1.85)		 0.0917*
(1.81)		 0.00323
(1.08)		 -0.0859*
(-1.73)		 0.399***
(3.41)		 -0.00715
(-1.11)		 0.239*
(1.73)
西部 邻接权重（W1） 0.0441*
(1.8)		 -0.005**
(-1.98)		 0.216***
(2.59)		 0.00502*
(1.86)		 0.108**
(2.11)		 -0.0339
(-0.17)		 0.0147
(1.61)		 -0.0708
(-0.61)
地理权重（W2） 0.0623**
(2.17)		 -0.0038*
(-1.80)		 0.153
(1.44)		 0.00647
(1.1)		 0.0473
(0.61)		 0.347
(0.73)		 0.0352
(1.48)		 -0.530**
(-1.97)
经济权重（W3） 0.0484*
(1.72)		 -0.00294
(-0.99)		 0.227**
(2.23)		 0.0165***
(2.81)		 -0.0418
(-0.55)		 -0.835***
(3.40)		 0.0576***
(3.78)		 -0.101
(-0.52)
嵌套权重（W4） 0.0408
(1.39)		 -0.00449
(-1.56)		 0.426***
(4.82)		 -0.00355
(-0.90)		 0.136**
(1.99)		 0.833*
(1.93)		 -0.0274
(-1.26)		 -0.321**
(-2.22)
表4中，从环境规制的角度来看，东部在四种邻近权重下，环境规制强度与专业化集聚的作用效果并不明显，这主要是由于东部地区的环境规制强度与产业专业化程度以及能源效率本就处于较高水平，当前的规制力度与产业结构专业化无法进一步扩大能源效率的提升空间。因此，为进一步加强二者对能源效率的提升效应，东部需要加强对节能技术的研发，并对专业化集聚进行优化升级，发挥出二者对能源效率的正向作用；而多样化集聚则表现出明显的正向效应，能源效率在经济权重（ W 3）以及嵌套权重（ W 4）下具有显著的负空间关联性（ρ值均显著且为负），而且只有产业多样化在地理邻近与嵌套矩阵（ W 1、 W 2、 W 4）下才具有显著的正向溢出效应。这也进一步表明东部多样化集聚是影响能源效率提升的主要因素。中部环境规制强度在邻接权重（ W 1）与嵌套权重（ W 4）下与能源效率间表现为显著的“U”型结构，这与全样本下的回归结果不一致，主要是由于中部地区环境规制强度处于较低水平时，地区企业为获取短期收益会选择将部分资金用于污染防治，而随着规制力度的提升，会对用于生产的资金产生挤出效应，资源投入一定的情况下反而会降低能源效率，但随着规制强度的不断提升，地区高耗能高污染的企业不断被淘汰的同时，也促使地区产业的升级以及技术的革新，反而提升了能源效率，这也进一步表明二者间存在着明显的地域差异。且由于环境规制平方项在邻接权重（ W 1）与嵌套权重（ W 4）下均为正数，转折点为负，表明当前中国中部地区所实行的环境规制强度有利于提升中部地区的能源效率。
表4中，从产业集聚的角度来看，专业化与多样化集聚在四种权重下对能源效率多数表现为促进效果，且专业化集聚表现为正向溢出，但该溢出仅在邻接权重（ W 1）与嵌套权重（ W 4）下显著。这说明中部在稳步推进专业化集聚的同时，应充分提高中部的多样化集聚，这将有助于中部能源效率的提升。西部环境规制在邻接权重（ W 1）与地理权重（ W 2）下与能源效率间呈现倒“U”型结构，这与全样本下的回归结果保持一致，主要是由于西部经济水平相对较低，其环境规制强度要低于东中部，因此随着东中部地区规制力度的不断增强，东中部地区的生产企业会选择向西部转移，这无形地带动了西部的发展与生产技术的进步，有利于提升能源效率，但随着西部地区环境规制强度的不断提升，企业也不得不进行污染防治，从而对节能创新技术的研发产生挤出效应，不利于能源效率的提升；而在四种“邻近”权重下产业的两种集聚方式多表现为促进效果，这主要是由于西部的产业专业化与多样化水平本就相对较低，随着地区产业的集聚在削减企业成本的同时，也带动了技术的革新，扩大了能源效率的提升空间。此外，西部地区能源效率在地理距离矩阵（ W 2）与嵌套矩阵（ W 4）下具有显著的负向空间关联性（ρ值显著为负）。因此，对西部而言，需要进一步扩大产业的规模以及集中度，才能更好地提高能源效率。

3.3 进一步讨论

为进一步了解环境规制、产业集聚与能源效率在中国东、中以及西部三者间的经济地理的关联性，本文采用东中西部各区域主要的三个大中城市间的直线距离构建地理权重（ W 2），采用历年各区域内各省份的人均GDP构建经济权重（ W 3），并采用SDM模型进行回归，具体见表5。
表5 东、中以及西部三区域间的空间关联回归结果

Table 5 Spatial correlation regression results between eastern, central and western regions of China

邻近矩阵 空间杜宾模型（SDM）
ER ER2 SI DI 控制变量 ρ
地理权重（W2） 0.0804***
(2.80)		 -0.00824***
(-4.05)		 -0.201
(-1.08)		 0.0153*
(1.78)		 控制 0.306**
(2.15)
经济权重（W3） 0.0595***
(3.68)		 -0.00657***
(-6.00)		 0.192***
(3.85)		 0.0155**
(2.21)		 控制 0.457***
(4.67)
从表5中可看出，在地理权重（ W 2）与经济权重（ W 3）下环境规制强度（ER）及其平方项均显著，表明环境规制与能源效率间呈现“倒U型”的结构，这与表3中的回归结果保持一致，也进一步说明中国东、中以及西部三个区域间环境规制对能源效率的作用效果具有显著地经济地理空间关联性。此外，在两种权重矩阵下，产业多样化集聚（DI）也均显著为正，表明东中西部三区域间产业多样化有助于提升能源效率，且该促进作用也具有明显的经济地理空间关联性。

3.4 效应分解

为更深入、准确地解释产业集聚、环境规制对能源效率的全部影响效应与传导机理以及区域间的差异性，本文从整体与区域的角度出发，采用多种权重矩阵下的SDM模型分别从直接、间接以及总效应三个方面进行分析。这样可以进一步辨别出环境规制、产业集聚是通过直接还是间接方式来影响能源效率，也可以辨别出该效应产生的途径，具体结果见表6。
表6 环境规制、产业集聚的直接效应、溢出效应和总效应

Table 6 Direct effect, spillover effect and total effect of environmental regulation and industrial agglomeration

变量 效应 空间杜宾模型（SDM）
全样本 东部
邻接权重（W1） 地理权重（W2） 经济权重（W3） 嵌套权重（W4） 邻接权重（W1） 地理权重（W2） 经济权重
（W3）		 嵌套权重（W4）
ER 直接效应 0.015**
(2.05)		 0.0145**
(1.99)		 0.021***
(2.88)		 0.0200***
(2.77)		 0.0046
(0.51)		 -0.00411
(-0.40)		 -0.000852
(-0.10)		 -0.00178
(-0.20)
间接效应 0.0322**
(2.01)		 0.0487
(1.35)		 0.0350**
(2.28)		 0.00462
(0.15)		 0.0272*
(1.73)		 -0.000334
(-0.01)		 -0.0161
(-1.08)		 0.00934
(0.51)
总效应 0.0473**
(2.54)		 0.0632
(1.63)		 0.0556***
(3.23)		 0.0247
(0.76)		 0.0318
(1.55)		 -0.00445
(-0.13)		 -0.0169
(-0.98)		 0.00755
(0.38)
SI 直接效应 -0.00333
(-0.16)		 -0.0153
(-0.75)		 0.031
(1.53)		 0.0294**
(2.51)		 -0.0152
(-0.52)		 -0.0225
(-0.75)		 -0.00629
(-0.20)		 0.0428
(1.55)
间接效应 -0.00752
(-0.22)		 -0.386**
(-2.44)		 0.0211
(0.64)		 0.119**
(2.42)		 0.0411
(1.03)		 -0.0916
(-0.65)		 -0.0745*
(-1.96)		 -0.0676*
(-1.65)
总效应 -0.0109
(-0.30)		 -0.401**
(-2.43)		 0.0521
(1.64)		 0.149*
(1.74)		 0.026
(0.62)		 -0.114
(-0.81)		 -0.0808*
(-1.93)		 -0.0248
(-0.65)
DI 直接效应 0.00643*
(1.73)		 0.011***
(3.03)		 0.0107***
(3.07)		 0.0119***
(3.38)		 0.019***
(2.72)		 0.0230***
(3.26)		 0.0131*
(1.66)		 0.0233***
(3.42)
间接效应 0.022***
(2.69)		 0.059***
(2.7)		 -0.0132
(-1.58)		 -0.00374
(-0.28)		 0.047***
(4.12)		 0.0669**
(2.46)		 -0.013
(-1.24)		 -0.00268
(-0.27)
总效应 0.0283***
(3.25)		 0.069***
(3.09)		 -0.0025
(-0.28)		 0.0081
(0.56)		 0.066***
(5.25)		 0.0899***
(3.16)		 0.000116
(0.01)		 0.0206*
(1.78)
变量 效应 中部 西部
邻接权重（W1） 地理权重（W2） 经济权重（W3） 嵌套权重（W4） 邻接权重（W1） 地理权重（W2） 经济权重
（W3）		 嵌套权重（W4）
ER 直接效应 0.0647***
(3.33)		 0.0224
(1.21)		 0.026
(1.61)		 0.0290*
(1.79)		 0.0434
(1.53)		 0.0630**
(2.06)		 0.0505*
(1.71)		 0.0386
(1.27)
间接效应 0.133***
(3.35)		 0.0194
(0.29)		 0.0128
(0.23)		 -0.102
(-1.39)		 0.0983**
(2.03)		 0.00779
(0.14)		 0.0468
(0.66)		 0.0951*
(1.83)
总效应 0.198***
(3.51)		 0.0418
(0.51)		 0.0388
(0.58)		 -0.073
(-0.85)		 0.142**
(2.51)		 0.0708
(1.23)		 0.0973
(0.05)		 0.134**
(2.39)
SI 直接效应 -0.155***
(-3.54)		 -0.0581
(-1.34)		 -0.019
(-0.42)		 0.120**
(2.15)		 0.226***
(2.81)		 0.152
(1.51)		 0.250**
(2.53)		 0.416***
(5.09)
间接效应 -0.0777
(-1.02)		 0.162
(0.97)		 0.193
(1.54)		 0.554***
(2.88)		 -0.0521
(-0.27)		 0.188
(0.59)		 0.830***
(3.30)		 0.528
(1.64)
总效应 -0.233**
(-2.33)		 0.104
(0.59)		 0.174
(1.29)		 0.674***
(2.89)		 0.174
(0.84)		 0.34
(1.03)		 1.08**
(2.14)		 0.943***
(2.76)
DI 直接效应 0.00772
(1.62)		 -.000411
(-0.10)		 0.00339
(0.95)		 0.00286
(0.91)		 0.00451
(1.31)		 0.00428
(0.8)		 0.0155***
(2.7)		 -0.0031
(-0.89)
间接效应 0.0121**
(2.14)		 0.0129
(1.34)		 0.0183**
(2.32)		 -0.00912
(-1.00)		 0.014
(1.56)		 0.0238
(1.45)		 0.0548***
(3.03)		 -0.0196
(-1.20)
总效应 0.0199**
(2.19)		 0.0125
(1.09)		 0.0217***
(2.67)		 -0.00626
(-0.59)		 0.0185*
(1.84)		 0.0281
(1.56)		 0.0702***
(3.24)		 -0.0227
(-1.32)
在表6全样本的结果中，从环境规制的角度看，在四种邻近矩阵下环境规制对能源效率表现出显著的直接促进效果，间接与总效应在四种邻接矩阵下均为正数，且在邻接权重（ W 1）与经济权重（ W 3）矩阵下的正向作用更为显著，表明各省份间环境规制对能源效率的空间溢出效应不仅依赖于地理位置也会受到各省份之间经济互动的影响。从产业集聚的角度看，产业专业化集聚对能源效率的三种效应在嵌套权重（ W 4）下均显著为正，但在单一邻接矩阵 [地理（ W 1、 W 2）、经济（ W 3）] 下其显著性却并不明显，这表明各省份间产业专业化对能源效率的空间溢出作用是地理邻近以及经济互动共同作用产生的，这也进一步说明由于地区经济的空间联动，产业专业化会突破地理的壁垒，产生更大范围内的能源效率空间溢出；而产业多样化集聚仅在邻接（ W 1）与地理权重（ W 2）下对能源效率的三种效应显著为正，说明各省份二者间的空间溢出主要是通过地理上的“相邻”所产生的，这也进一步说明产业集聚的直接效应通过“示范—模仿”的形式拉动了与之地理相邻地区的能源效率的提升。此外，通过对比系数不难发现，在四种权重下环境规制对能源效率的溢出效应要高于产业集聚，表明当前环境规制才是促进能源效率的主要因素。
在分地区的回归结果中，东部地区的环境规制与能源效率间仅有间接效应在邻接权重（ W 1）下显著且为正，说明东部地区的环境规制对能源效率的间接溢出主要通过省份间地理上的“邻近”产生的；专业化集聚在经济权重（ W 3）、嵌套权重（ W 4）下其对能源效率具有负向间接溢出，而多样化集聚在邻接权重（ W 1）与地理权重（ W 2）下对能源效率的三种效应均显著为正，这表明两种集聚对能源效率的溢出来源存在差异，前者主要来源于地区间的经济互动，后者而是地理位置。在中部地区，环境规制强度在邻接权重（ W 1）下对能源效率具有显著的直接、间接效应，且该间接要高于直接效应，表明在中部地区环境规制强度不仅能够提高自身地区的能源效率，而且其对提高其他地区能源效率具有显著效果，且该效应更多是由于省份的地理位置所引起的。专业化集聚只在嵌套权重（ W 4）下对能源效率的效应显著，多样化集聚也只在邻接权重（ W 1）与经济权重（ W 3）下对能源效率的间接溢出效应显著，且均为正；这表明中国中部各省份的产业集聚对自身以及与之邻近地区的能源效率的提升具有显著促进作用。西部环境规制强度的直接效应虽均为正，但只在地理权重（ W 2）与经济权重（ W 3）下显著，而其间接溢出效应也均为正，却只在邻接权重（ W 1）与嵌套权重（ W 4）下显著，这说明能源效率的提升不仅受到本地区环境规制强度增强的影响，也受到与之存在地理邻近与经济互动的其他地区规制强度增强的影响。产业集聚的直接效应与间接效应均在经济权重（ W 3）下显著为正，且专业化的回归系数要高于多样化，溢出效应的回归系数高于直接效应，表明西部地区产业集聚对能源效率的提升更多是受到与之经济互动的其他地区产业专业化集聚不断增强所引起的。

3.5 环境规制的调节效应检验

为了解环境规制与产业集聚的交互行为是否也对能源效率具有明显的作用，本文继续采用SDM模型进行回归，具体结果见表7。其中ER×SI与ER×DI分别表示环境规制（ER）与专业化（SI）、多样化（DI）集聚的融合作用。
表7 环境规制下产业集聚对能源效率的影响

Table 7 Impacts of industrial agglomeration on energy efficiency under environmental regulations

邻近矩阵 空间杜宾模型（SDM）
SI DI ER×SI ER×DI 控制变量
邻接权重（W1） 0.0154
(0.68)		 0.00223**
(2.17)		 -0.0185**
(-2.46)		 0.00259***
(3.5)		 控制
地理权重（W2） 0.0158
(0.74)		 0.0043
(1.22)		 -0.0225***
(-3.06)		 0.00298***
(4.08)		 控制
经济权重（W3） 0.0433*
(1.92)		 0.00807**
(2.21)		 -0.0161**
(-2.16)		 0.00254***
(3.41)		 控制
嵌套权重（W4） 0.0353
(1.55)		 0.0102***
(2.75)		 -0.0153**
(-1.98)		 0.00243***
(3.22)		 控制
从表7中可以看出，在四种权重矩阵下，专业化集聚（SI）虽然对能源效率均表现为正空间关联，而其显著性却并不明显，但专业化集聚与环境规制的交叉项（ER×SI）却均表现出显著的负的空间关联性，即不利于提升能源效率，这表明现阶段中国产业专业化集聚与环境规制未达到完整的一致性，仍处于调整阶段，环境规制的“创新补偿”小于“遵循成本”，中国对于产业专业化集聚与环境规制的交互作用仍需进一步加强。多样化集聚（DI）在四种权重矩阵下均表现出对能源效率的正向空间促进作用，且多数模型下表现为显著；而且产业多样化集聚与环境规制的交叉项（ER×DI）也对能源效率表现出显著的促进效果。此外，从环境规制（ER）与专业化（SI）、多样化（DI）集聚的交叉项在四种邻近矩阵下显著，表明它们对能源效率的空间关联并不仅仅受到地理位置的影响，也受到地区间经济互动的影响。

3.6 稳健性检验

为进一步提高研究结果的可靠性，本文采用替换计量模型的方式进行检验。

3.6.1 空间误差模型（SEM）回归分析

本文采用SEM模型进行回归（表8）。通过对比表8与表4、表7的结果不难发现，在多种邻近权重下主要解释变量（ER、SI、DI、ER×SI以及ER×DI）的显著性与符号基本保持一致，进一步表明本文所得结论是稳健和可靠的。
表8 稳健性检验：替换回归模型

Table 8 Robustness test: Alternative regression model

变量 SEM模型
邻接权重（W1） 地理权重（W2） 经济权重（W3） 嵌套权重（W4） 邻接权重（W1） 地理权重（W2） 经济权重
（W3）		 嵌套权重（W4）
ER 0.0199***
(2.75)		 0.0181***
(2.59)		 0.0221***
(3.00)		 0.0205***
(2.81)
ER2 -0.0014**
(-2.21)		 -0.0012**
(-2.00)		 -0.0016**
(-2.52)		 -0.0012*
(-1.94)
SI 0.0198
(0.88)		 0.0136
(0.6)		 0.0203
(0.95)		 0.0199
(0.88)		 0.03
(1.30)		 0.02
(0.99)		 0.0390*
(1.67)		 0.03
(1.36)
DI 0.0104***
(2.67)		 0.00887**
(2.28)		 0.0115***
(3.06)		 0.0115***
(3)		 0.00838**
(2.11)		 0.00693*
(1.75)		 0.00886**
(2.30)		 0.00839**
(2.13)
ER×SI -0.0131*
(-1.67)		 -0.01
(-1.47)		 -0.0180**
(-2.32)		 -0.0160**
(-2.04)
ER×DI 0.00228***
(2.95)		 0.00202***
(2.70)		 0.00272***
(3.54)		 0.0027***
(3.43)

3.6.2 面板误差修正模型回归分析

在上述空间模型回归结果分析的基础上，本文针对全样本与分区域进一步构建面板误差修正模型进行回归。为此，首先采用LLC检验方法进行平稳性检验，发现各变量的一阶差分均在1%的水平下平稳（表9）。
表9 单位根检验

Table 9 Unit root tests

变量 全样本 东部 中部 西部
EE -2.1785** 0.6476 -0.0893 -0.0372
ER -3.5939*** -2.2478** -1.3745* -2.2493**
SI -5.132*** -3.488*** -3.0566** -3.8018***
DI 7.1309 1.5479 1.3058 5.261
∆EE -11.3584*** -6.2847*** -5.112*** -5.2128***
∆ER -10.4464*** -4.8546*** -5.3814*** -9.0942***
∆SI -19.8209*** -10.7797*** -13.8311*** -10.6146***
∆DI -5.189*** -4.3708*** -17.5001*** -5.071***
随后，分别采用Kao检验、Pedroni检验与Westerlund检验三种方法，对各变量原数据与一阶差分数据进行协整检验，结果显示一阶差分后变量间具有显著长期均衡关系（表10），为此，本文使用一阶差分后的数据构建误差修正模型（表11）。
表10 面板协整检验

Table 10 Panel co-integration tests

检验方法 指标 原数据集 一阶差分数据集
全样本 东部 中部 西部 全样本 东部 中部 西部
Kao检验 Modified Dickey-Fuller 2.1933** 1.098 0.732 1.600* 0.5558 -0.441 0.862 1.047
Dickey-Fuller 2.0155** 0.591 0.983 1.769** -5.385*** -4.346*** -1.307* -2.715***
Augmented Dickey
-Fuller		 1.7449** 0.484 0.821 1.509* -1.848** -1.665** -1.311* -1.200*
Unadjusted modified
Dickey-Fuller		 1.2981* 0.742 0.275 0.668 -9.153*** -5.565*** -4.052*** -6.216***
Unadjusted Dickey
-Fuller		 1.0907 0.248 0.572 0.759 -11.89*** -7.339*** -4.960*** -8.321***
Pedroni检验 Modified Phillips
-Perron		 5.4877*** 3.217*** 2.943*** 3.293*** 5.052*** 3.060*** 3.056*** 3.160***
Phillips-Perron -3.3213*** -1.687** -5.550*** -1.372* -7.87*** -5.288*** -3.437*** -6.597***
Augmented Dickey
-Fuller		 -1.7867** -0.951 -1.914** -0.368 -7.673*** -4.198*** -3.731*** -5.294***
Westerlund检验 Variance ratio 0.1328 -0.019 0.151 0.110 2.746*** 2.741*** 2.011*** 2.932***
表11 面板误差修正模型估计结果

Table 11 Panel error correction model estimation results

变量 全样本 东部 中部 西部
EC ∆ER 0.018**
(2.40)		 -0.099***
(-6.67)		 0.0028
(0.16)		 0.572***
(6.77)
∆SI 0.315***
(5.2)		 0.183***
(7.28)		 -0.302
(-0.16)		 0.696***
(7.8)
∆DI 0.292***
(20.82)		 0.098***
(7.11)		 0.293***
(7.2)		 0.245***
(8.08)
SR EC -0.266***
(-6.24)		 -0.421***
(-7.43)		 -0.635*
(-1.96)		 -0.326**
(-2.20)
∆2ER -0.123**
(-2.16)		 -0.435591
(-1.43)		 0.071**
(2.12)		 0.0310936
(0.2)
∆2SI -0.155
(-1.02)		 -0.018
(-0.07)		 0.195
(1.04)		 -0.0217
(-0.18)
∆2DI 0.0851**
(2.31)		 0.01349***
(3.39)		 0.0834
(0.88)		 0.0973**
(2.19)
从表11中可以看出，在全样本以及分区域下误差修正速度（EC）均显著为负，说明所构建的误差修正模型是合理的。从环境规制的角度来看，在短期内其促进了中国的能源效率，且该促进作用在西部更为明显，但在长期内其更有助于提高中部地区能源效率；从产业专业化的角度来看，短期内其提高了东部与西部地区的能源效率，但其长期的作用效果却均不显著，因此需进一步提升地区产业结构专业化，发挥其长期效应；从产业多样化来看，短期内其对中国各区域的能源效率均具有显著的正向效应，且该正向作用的长期效应在东部与西部地区更为显著，这也与上文中的研究结果保持一致。

4 结论与建议

环境规制与产业集聚能够有效地通过倒逼效应提升地区的能源效率，进而达到减轻中国能源压力，实现“节能”和“减排”的双赢结果。本文采用中国2006—2018年数据，运用空间杜宾模型（SDM）探究环境规制、产业集聚以及二者的交互作用对能源效率的作用效果，结果显示：第一，从环境规制的角度来看，其与能源效率间呈现倒“U”型的结构，即二者间的作用效果符合“波特假说”，但是该作用却具有一定的“度”的限制；产业集聚对本地区及其“邻近”省份的能源效率均表现为正效应。第二，东部环境规制对能源效率的作用效果并不明显，中部二者间呈现“U”型结构，且当前中部地区所实行的环境规制强度有利于提升中部的能源效率；而在西部二者间反而呈现倒“U”型结构，且三区域间环境规制、产业集聚对能源效率的作用效果也具有显著地经济地理关联性。此外，中国东部能源效率的提升主要是多样化的效果，而中西部则主要来源于产业专业化，且专业化在西部所产生的效果要高于东部与中部。第三，在效率分解方面，从整体的角度看，省份间能源效率的空间关联不仅依赖于地理位置也受到各省份间经济互动的影响；产业专业化集聚对能源效率的空间促进作用在地理邻近以及经济存在互动的省份间更为明显；而产业多样化集聚对能源效率正向的空间关联主要来源于地理上的“相邻”。从分地区的角度看，东部与中部地区的环境规制对能源效率的直接与溢出效应效果更多是来自省份间地理上的“邻近”，而西部地区该效应则是来源于地理位置与经济互动。东部地区专业化集聚对自身以及与之“相邻”地区的能源效率的提升具有抑制作用，而多样化集聚则发挥出与之相反的作用；西部产业集聚对能源效率的提升更多是受到与之经济互动的其他省份专业化集聚不断增强所引起的。第四，当前中国产业专业化集聚与环境规制共同产生的“创新补偿”小于“遵循成本”，因此需加快提升二者间的耦合度；而产业多样化集聚不仅通过直接方式还会通过环境规制这一间接方式来提高能源效率，而且它们对能源效率的空间关联并不仅仅受到地理位置的影响，也受到地区间经济互动的影响。
结合所得结论，本文提出如下政策建议：
（1）结论中指出环境规制与能源效率间呈现非线性的关系。因此，首先在加强环境规制时，需要根据地区发展状况进行制定相关的政策措施，避免由于盲目跟风造成损失。其次，其对能源效率的作用也具有显著的区域差异，所以，东部地区需加强其对能源效率的作用，中部地区需根据与自身存在地理“邻近”以及经济互动的区域规制强度的变动进一步加强规制力度，西部地区则需要充分发挥地区的“创新补偿”（倒逼效应与壁垒效应），积极促进地区能源效率的提升。最后，需要合理地考虑所采用的环境规制的形式，因为环境规制的作用效果并不只是来源于其力度的强弱，也受到所采取的实施形式的影响。例如，政府实行的强制措施（排放标准、环境标准）缺乏一定的激励效果，而实行的环境补贴则属于激励措施，也能够提升在污染物排放方面的创新。因此，合理地综合使用各种环境规制形式，从而使得其与能源效率的倒“U”型结构的上升段与峰值更为持久。
（2）总体上产业集聚对提升能源效率具有促进作用，因此，相关部门需要加快中国产业的集聚，尤其是加快多样化集聚的步伐。但由于中国产业集聚对能源效率的影响也存在着明显的差异，所以应该根据地区的实际状况来制定相关的措施。例如，对于东部需进一步加强专业化集聚，而对于中西部则需加强多样化集聚。针对中国环境规制与产业集聚（专业化与多样化）交叉项的回归结果，中国环境规制与专业化集聚尚未得到同步，二者的协同作用并未发挥应有效果。因此，应充分利用以“优势资源”为基础的同类型产业，积极引导中、小、微企业逐渐形成与环境规制匹配的产业专业化集聚。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
林伯强, 刘希颖, 邹楚沅, 等. 资源税改革: 以煤炭为例的资源经济学分析. 中国社会科学, 2012, (2): 58-78.

[ LIN B Q, LIU X Y, ZOU C Y, et al. Resource tax reform: A case of coal from the perspective of resource economics. Social Sciences in China, 2012, (2): 58-78.]

[2]
史丹, 李少林. 排污权交易制度与能源利用效率: 对地级及以上城市的测度与实证. 中国工业经济, 2020, (9): 5-23.

[ SHI D, LI S L. Emissions trading system and energy use efficiency: Measurements and empirical evidence for cities at and above the prefecture level. China Industrial Economics, 2020, (9): 5-23.]

[3]
田成诗, 李金. 大型城市紧凑度与能源效率的关系研究. 自然资源学报, 2018, 33(10): 1781-1795.

[ TIAN C S, LI J. A study on the relationship between compactness and energy efficiency in large cities. Journal of Natural Resources, 2018, 33(10): 1781-1795.]

DOI

[4]
陈夕红, 李长青, 张国荣, 等. 经济增长质量与能源效率是一致的吗?. 自然资源学报, 2013, 28(11): 1858-1868.

[ CHEN X H, LI C Q, ZHANG G R, et al. Is the quality of economic growth consistent with energy efficiency?. Journal of Natural Resources, 2013, 28(11): 1858-1868.]

[5]
邱灵, 申玉铭, 任旺兵, 等. 中国能源利用效率的区域分异与影响因素分析. 自然资源学报, 2008, 23(5): 920-928.

[ QIU L, SHEN Y M, REN W B, et al. Analysis of regional divergence and influencing factors of energy use efficiency in China. Journal of Natural Resources, 2008, 23(5): 920-928.]

[6]
魏楚, 郑新业. 能源效率提升的新视角: 基于市场分割的检验. 中国社会科学, 2017, (10): 90-111, 206.

[ WEI C, ZHENG X Y. A new perspective on raising energy efficiency: A test based on market segmentation. Social Sciences in China, 2017, (10): 90-111, 206.]

[7]
秦炳涛, 葛力铭. 相对环境规制、高污染产业转移与污染集聚. 中国人口·资源与环境, 2018, 28(12): 52-62.

[ QIN B T, GE L M. Relative environmental regulation, high pollution industry transfer and pollution agglomeration. China Population, Resources and Environment, 2018, 28(12): 52-62.]

[8]
ZENG D Z, ZHAO L X. Pollution havens and industrial agglomeration. Journal of Environmental Economics and Management, 2009, 58(2): 141-153.

DOI

[9]
SHEN J, WEI Y D, YANG Z. The impact of environmental regulations on the location of pollution-intensive industries in China. Journal of Cleaner Production, 2017, 148: 785-794.

DOI

[10]
WU J, WEI Y D, CHEN W, et al. Environmental regulations and redistribution of polluting industries in transitional China: Understanding regional and industrial differences. Journal of Cleaner Production, 2019, 206: 142-155.

DOI

[11]
SMITA B B. Examining the evidence on environmental regulations and industry location. The Journal of Environment Development, 2004, 13(1): 6-41.

DOI

[12]
RASPILLER S, RIEDINGER N. Do environmental regulation influence the location behavior of French firms?. Land Economics, 2008, 84(3): 382-395.

DOI

[13]
WALLEY N, WHITEHEAD B. It's not easy being green. Harvard Business Review, 1994, 72(3): 46-51.

[14]
杨先明, 田永晓, 马娜. 环境约束下中国地区能源全要素效率及其影响因素. 中国人口·资源与环境, 2016, 26(12): 147-156.

[ YANG X M, TIAN Y X, MA N. Regional energy total factor efficiency and its influencing factors in China under environmental constraints. China Population, Resources and Environment, 2016, 26(12): 147-156.]

[15]
袁宝龙. 制度与技术双“解锁”是否驱动了中国制造业绿色发展?. 中国人口·资源与环境, 2018, 28(3): 117-127.

[ YUAN B L. Does the dual "unlocking" of institutions and technologies drive the green development of China's manufacturing industry?. China Population, Resources and Environment, 2018, 28(3): 117-127.]

[16]
李颖, 徐小峰, 郑越. 环境规制强度对中国工业全要素能源效率的影响: 基于2003—2016年30省域面板数据的实证研究. 管理评论, 2019, 31(12): 40-48.

[ LI Y, XU X F, ZHENG Y. An empirical study of environmental regulation impact on China's industrial total factor energy efficiency: Based on the data of 30 provinces from 2003 to 2016. Management Review, 2019, 31(12): 40-48.]

[17]
高志刚, 尤济红. 环境规制强度与中国全要素能源效率研究. 经济社会体制比较, 2015, (6): 111-123.

[ GAO Z G, YOU J H. The intensity of environmental regulation and the total factor energy efficiency of China. Comparison of Economic and Social Systems, 2015, (6): 111-123.]

[18]
刘佳骏, 董锁成, 李宇. 产业结构对区域能源效率贡献的空间分析: 以中国大陆31省(市、自治区)为例. 自然资源学报, 2011, 26(12): 1999-2011.

[ LIU J J, DONG S C, LI Y. Spatial analysis of the contribution of industrial structure to regional energy efficiency: Taking 31 provinces (cities and autonomous regions) in China as an example. Journal of Natural Resources, 2011, 26(12): 1999-2011.]

[19]
吴传清, 杜宇. 偏向型技术进步对长江经济带全要素能源效率影响研究. 中国软科学, 2018, (3): 110-119.

[ WU C Q, DU Y. Research on the impact of biased technological progress on total factor energy efficiency of the Yangtze River Economic Belt. China Soft Science, 2018, (3): 110-119.]

[20]
张意翔, 成金华, 汤尚颖, 等. 技术进步偏向性、产权结构与中国区域能源效率. 数量经济技术经济研究, 2017, 34(8): 72-88.

[ ZHANG Y X, CHENG J H, TANG S Y, et al. Technological progress bias, property rights structure and regional energy efficiency in China. The Journal of Quantitative & Technical Economics, 2017, 34(8): 72-88.]

[21]
赵伟, 隋月红. 集聚类型、劳动力市场特征与工资—生产率差异. 经济研究, 2015, (6): 33-45.

[ ZHAO W, SUI Y H. Agglomeration type, labor market characteristics and wage-productivity differentials. Economic Research, 2015, (6): 33-45.]

[22]
彭代彦, 张俊. 环境规制对中国全要素能源效率的影响研究: 基于省际面板数据的实证检验. 工业技术经济, 2019, 38(2): 59-67.

[ PENG D Y, ZHANG J. A study on the impact of environmental regulation on total factor energy efficiency in China: An empirical test based on inter-provincial panel data. Industrial Technology & Economy, 2019, 38(2): 59-67.]

[23]
FISHER-VANDEN K, JEFFERSON G H, LIU H, et al. What is driving China's decline in energy intensity?. Resource and Energy Economics, 2004, 26(1): 77-97.

DOI

[24]
姜沂秀, 宋炳良, 任阳军, 等. 生产服务业集聚与全要素能源效率提升. 技术经济与管理研究, 2020, (5): 110-116.

[ JIANG Y X, SONG B L, REN Y J, et al. Agglomeration of productive services and the improvement of total factor energy efficiency. Technology Economics and Management Research, 2020, (5): 110-116.]

[25]
郭劲光, 孙浩. 中国制造产业专业化集聚比多样化集聚更有利于提高能源效率吗?. 南京审计大学学报, 2019, 16(4): 93-102.

[ GUO J G, SUN H. Is specialized agglomeration of Chinese manufacturing industries more conducive to energy efficiency than diversified agglomeration?. Journal of Nanjing Audit University, 2019, 16(4): 93-102.]

[26]
纪玉俊, 王芳. 产业集聚、空间溢出与城市能源效率. 北京理工大学学报: 社会科学版, 2021, 23(6): 13-26.

[ JI Y J, WANG F. Industrial agglomeration, spatial spillover and urban energy efficiency. Journal of Beijing University of Technology: Social Science Edition, 2021, 23(6): 13-26.]

[27]
乔海曙, 胡文艳, 钟为亚. 专业化、多样化产业集聚与能源效率: 基于中国省域制造业面板数据的实证研究. 经济经纬, 2015, 32(5): 85-90.

[ QIAO H S, HU W Y, ZHONG W Y. Specializatio, diversified industrial agglomeration and energy efficiency: An empirical study based on provincial manufacturing panel data in China. Economic Survey, 2015, 32(5): 85-90.]

[28]
韩峰, 秦杰, 龚世豪. 生产性服务业集聚促进能源利用结构优化了吗: 基于动态空间杜宾模型的实证分析. 南京审计大学学报, 2018, 15(4): 81-93.

[ HAN F, QIN J, GONG S H. Did the agglomeration of productive service industries promote the optimization of energy use structure: An empirical analysis based on dynamic spatial Durbin model. Journal of Nanjing Audit University, 2018, 15(4): 81-93.]

[29]
熊欢欢, 邓文涛. 环境规制、产业集聚与能源效率关系的实证分析. 统计与决策, 2017, (21): 117-121.

[ XIONG H H, DENG W T. An empirical analysis of the relationship between environmental regulation, industrial agglomeration and energy efficiency. Statistics and Decision, 2017, (21): 117-121.]

[30]
张学升. 产业集聚、税收竞争与技术创新. 地方财政研究, 2021, (9): 78-85.

[ ZHANG X S. Industrial agglomeration, tax competition and technological innovation. Local Finance Research, 2021, (9): 78-85.]

[31]
王守坤. 空间计量模型中权重矩阵的类型与选择. 经济数学, 2013, (3): 57-63.

[ WANG S K. Several types of weights matrix and their extended logic. Economic Mathematics, 2013, (3): 57-63.]

[32]
郭劲光, 万家瑞. 我国能源消费的网络关联特征及其优化路径: 碳达峰与碳中和视角的思考. 江海学刊, 2021, (4): 85-91.

[ GUO J G, WAN J R. Network correlation characteristics and optimization path of energy consumption in China: Thinking from the perspective of carbon peak and carbon neutral. Jianghai Academic Journal, 2021, (4): 85-91.]

[33]
周四军, 范迪, 刘影, 等. 基于要素禀赋结构的政府支持度对能源效率影响研究. 统计与信息论坛, 2020, 35(1): 82-88.

[ ZHOU S J, FAN D, LIU Y, et al. Research on the impact of government support on energy efficiency based on factor endowment structure. Statistics and Information Forum, 2020, 35(1): 82-88.]

[34]
陈宇峰, 成思远, 朱志韬. 工业集聚能否提升长江经济带的能源效率?. 浙江学刊, 2021, (1): 106-115.

[ CHEN Y F, CHENG S Y, ZHU Z T. Can industrial agglomeration enhance energy efficiency in the Yangtze River Economic Zone?. Zhejiang Academic Journal, 2021, (1): 106-115.]

[35]
王康, 李志学, 周嘉. 环境规制对碳排放时空格局演变的作用路径研究: 基于东北三省地级市实证分析. 自然资源学报, 2020, 35(2): 343-357.

[ WANG K, LI Z X, ZHOU J. The effects of environmental regulation on spatio-temporal carbon emissions patterns: Empirical analysis of prefecture-level cities in Northeast China. Journal of Natural Resources, 2020, 35(2): 343-357.]

DOI

[36]
原嫄, 周洁. 中国省域尺度下产业结构多维度特征及演化对碳排放的影响. 自然资源学报, 2021, 36(12): 3186-3202.

[ YUAN Y, ZHOU J. Influence of multi-dimensional characteristics and evolution of industrial structure on carbon emissions at provincial scale in China. Journal of Natural Resources, 2021, 36(12): 3186-3202.]

DOI

[37]
熊广勤, 石大千. 承接产业转移示范区提高了能源效率吗?. 中国人口·资源与环境, 2021, 31(7): 27-36.

[ XIONG G Q, SHI D Q. Did the demonstration zone for undertaking industrial transfer improve energy efficiency?. China Population, Resources and Environment, 2021, 31(7): 27-36.]

Options
文章导航

/

〈 〉