省域能源生態足跡空間效應
前言：本站為你精心整理了省域能源生態足跡空間效應范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
摘要：選取30省（自治區、直轄市）行政單位作為基本空間單元，依據2004—2015年中國統計年鑒和中國能源統計年鑒數據，對中國人均能源生態足跡進行核算，在此基礎上運用STIRPAT模型的變式，采用空間計量經濟學的方法，分析人均能源生態足跡影響因素的空間效應。研究結果表明：從2003年到2014年中國人均能源生態足跡呈現不斷上升的態勢；期間中國人均能源生態足跡存在著顯著的全局空間集聚效應；中國省域人均能源生態足跡存在較為顯著的空間正相關性；人均GDP和建筑業總產值的提升對中國人均能源生態足跡有著正向的空間影響，新型城鎮化的進程、提升規模以上工業企業的產出效率和高新技術產業的發展均有利于降低人均能源生態足跡。
關鍵詞：能源生態足跡；STIRPAT模型；空間計量
一、引言
進入21世紀之后，中國的能源消費總量開始快速增長，一般認為，工業化是促使能源消費快速增長的核心因素［1］，工業化的發展會提高工業利用規模，能源利用則是工業發展的關鍵。隨著中國工業化進程的推進，能源消費的快速增長帶來一系列的空氣污染、生態破壞、氣候變化等能源環境問題［2］。此外，雖然近年來中國的能源產量實現了快速增長，但是由于能源消費增長過快以至于超過了能源產量的增長速度，使得中國的能源消費出現供不應求，人均能源生態足跡出現赤字，直接影響和制約新常態下中國社會經濟的穩定發展［3］。能源生態足跡作為側重于生態理念的可持續發展量化指標，國內外不少學者都通過對其測算來觀測能源的利用強度，進而提出改變能源利用方式的政策建議。Folke等計算并分析了部分國家的生態足跡［4］、Wackernagel等計算并分析了歐洲波羅的海流域29個大城市、塞舌爾群島和瑞典等的生態足跡［5］，并提出使用節能技術、提高垃圾回收利用率等建議。生態足跡概念引入國內后，謝高地等介紹了生態足跡的理論、方法和計算模型，并對中國及其部分地區的生態足跡進行了實證分析［6］［7］［8］。國內外學者對生態足跡的研究自1991年便開始，但對能源生態足跡的空間效應影響研究并不多見。現階段，地區能源生態足跡不僅會受到本地經濟、社會等經濟地理因素的影響，也可能還會受鄰近區域能源生態足跡的影響。近年來基于空間計量經濟學方法研究我國能源消費、碳排放問題的文獻并不少。鄭長德等采用空間計量經濟學的方法實證分析發現，我國各省份的碳排放在空間分布上表現出一定的空間正自相關性［9］。程葉青等發現省域能源消費碳排放強度具有明顯的空間集聚特征，且集聚程度有不斷增強的態勢，能源強度、能源結構、產業結構和城市化率對能源消費碳排放強度時空格局演變具有重要影響［10］。郝宇等基于面板數據的空間計量模型分析了中國能源消費和電力消費的環境庫茲涅茨曲線［11］。雖然這些文獻涉及能源消費和碳排放的空間效應及影響因素的研究，但針對能源生態足跡的空間效應及影響因素的專門研究尚不多見。20世紀70年代美國生態學家Ehrlich等為研究社會經濟活動與環境壓力之間的關系，提出IPAT模型［12］（P89－157），揭示人口、人均財富和技術三者之間的相互作用會對環境產生重要影響。然而這一模型無法揭示單一因素對環境壓力的影響，因而Dietz等［13］在IPAT的基礎上又發展出了STIRPAT模型，該模型主要通過加入隨機性影響來分解各技術項的實際貢獻度，擴展后的STIRPAT模型主要形式為：I＝aPbt?Act?Tdt?eεt。STIRPAT模型在實際研究中應用范圍較廣，展示出了良好的靈活性，可以通過增加其他控制因素來分析對觀測目標的影響，國內已有大量學者在此框架下研究中國碳排放的影響因素［14］［15］［16］［17］。人均能源生態足跡亦是對環境狀況的一種體現，因此本文通過擴展該模型來分析人均能源生態足跡的影響因子以及其影響程度。本文首先對中國人均能源生態足跡進行核算，然后構建空間計量模型，選取影響人均能源生態足跡的指標來分析中國人均能源生態足跡的空間效應，最后提出建議。
二、研究方法
（一）人均能源生態足跡核算本文涉及的能源生態足跡重點考慮化石能源消費對生態環境的沖擊。能源生態足跡的計算方法是：分別計算人類生產生活活動中各類能源的生態足跡占用面積（hm2），將各類能源的等價土地面積相加，得到某特定區域的能源生態足跡值［18］。具體人均能源生態足跡計算公式如下：f＝∑（ri／Yi）＊（Pi／N）（i＝1，2，…，n）（1）其中，f為某一地區的能源生態足跡，i表示不同能源的編號，依次為煤炭、焦煤、燃料油、電力和天然氣，ri表示不同能源的平均低位發熱量，Yi表示不同能源的生態足跡土地面積轉換系數，Pi為不同能源的年消費總量，N為各地區當年人口總數。r1～r5＝20．90GJ／t，28．44GJ／t，41．82GJ／t，3．6／105GJ／108kW?h，38．93＊105GJ／108m3①Y1～Y5＝55GJ／hm2，55GJ／hm2，71GJ／hm2，1000GJ／hm2，96GJ／hm2
（二）Moran’sI指數及其散點圖要了解人均能源生態足跡存在的空間集聚與相關特性，需要對被解釋變量進行空間自相關檢驗，通常用Moran’sI或者Geary指數C來表示全域空間自相關性。Moran’sI是最早用于全局聚類檢驗的方法，它用來檢驗整個研究區中鄰近地區之間是相似、相異（空間正相關、負相關），還是相互獨立的，而Geary指數主要強調的是觀測值之間的離差。這里本文選用空間統計學相關指數Moran’sI對其進行檢驗，其計算方法如下：I＝n∑ni＝1∑nj＝1Wij｜xi－x｜｜xj－x｜∑ni＝1∑nj＝1Wij∑ni＝1｜xj－x｜2（2）其中，I為全局Moran指數，xi、xj分別為區域i、j中的觀察值，x為各區域的平均值；Wij是單元i和j的空間關系測度（相鄰為1，不相鄰為0）。Moran’sI的取值范圍為［－1，1］，大于0表示空間正相關，小于0表示空間負相關，等于0表示空間不相關，其絕對值越大，空間排斥現象越嚴重。Moran’sI散點圖用來研究局部的空間不穩定性，其中：第Ⅰ象限為高高（HH）型區域，第Ⅱ象限為低高（LH）型區域，第Ⅲ象限為低低（LL）型區域，第Ⅳ象限為高低（HL）型區域。第Ⅰ、Ⅲ象限存在空間正相關，第Ⅱ、Ⅳ象限存在空間負相關。
（三）空間計量模型在對被解釋變量人均能源生態足跡進行Moran’sI指數空間自相關性檢驗之后，本文需要建立空間數據計量模型，來分析各解釋變量對被解釋變量的影響程度。一般空間計量模型可以分為空間滯后模型（SLM，也稱空間自回歸模型，SAR）和空間誤差模型（SEM），面板數據的空間計量模型表示如下：空間滯后模型（SAR）：Yit＝δ∑Nj＝1wijyjt＋xitβ＋μi＋εit（3）空間誤差模型（SEM）：Yit＝xitβ＋μi＋uituit＝λ∑Nj＝1wijujt＋εit（4）其中，δ與λ分別為空間回歸系數與空間誤差系數。δ反映了樣本觀察值的空間依賴性，λ為被解釋變量的空間自相關系數，反映了鄰接地區殘差項對于本地區殘差項的影響程度。Yit表示各空間單元（i＝1，…，N）的解釋變量在時間t時（t＝1，…，T）的觀測值所組成的N×1階因變量；Xit表示N×K階解釋變量矩陣的要素；Wij表示N×N階非負空間權重矩陣的元素。綜合的空間Durbin模型能充分整合SLM和SEM兩模型的特點［24］。空間Durbin模型的具體形式為：lneit＝λ∑Nj＝1wijejt＋∑Nj＝1wijXjtθ＋αi＋γt＋εit（5）Durbin模型實際上是將各解釋變量的空間滯后項引入了SLM中。因而，若θ＝0，則空間Durbin模型退化為SLM；若θ＋λβ＝0，則空間Durbin模型簡化為SEM。在實證分析中，可以利用不同種類的LM統計量來檢驗應使用哪種空間計量模型進行估計。
三、變量與數據
（一）變量選取及解釋改革開放以來，中國各省份為了加快工業發展，都紛紛采取了加快發展高耗能產業的刺激政策，導致能源需求進一步上升，對生態沖擊不斷增強，致使能源生態足跡不斷增大，如何在經濟社會持續的發展中降低能源生態足跡，需要有效識別影響能源生態足跡的關鍵因素。一般認為，影響能源生態足跡的因素包括經濟因素、地理因素、產業結構、技術因素等。經濟因素影響能源生態足跡的機理主要是由于政府決策的原因。中國經濟發展存在著地域差異，經濟發展快的地區往往是消費能源多的區域，為了發展本區域經濟不僅消耗本區域的能源和生態環境，還對其他地區的生態造成了威脅。這些生態脆弱區往往也是經濟貧困區，其經濟實力不足以支付生態建設，因此形成了能源消費與生態環境空間上的差異［19］。地理因素影響能源生態足跡的機理主要是由于中國地域廣闊，地區間經濟發展存在很大差異，不同地區能源的需求不盡相同，而各地區社會經濟、科技交通等方面的發展與進步使得區域之間的交流更加頻繁，聯系更加緊密，因而很多經濟、環境、生態等要素都可能存在空間相關性［20］。產業結構影響能源生態足跡的機理主要是中國目前的產業結構不甚合理造成了能源的大量消耗乃至浪費［21］。技術因素影響能源生態足跡的機理主要是我國能源強度變化的主要推動力來自于技術進步等引致的能源利用效率的提高［22］。此外，城鎮化和建筑業也是能源生態足跡的重要影響因素。隨著農村人口向城市集聚、中小城市人口向大城市遷移，城市人口的規模不斷提高，快速城鎮化帶來大量能源資源的消耗，對能源的需求持續加大帶來的能源約束等問題日益突出。從全球范圍來看，建筑業消耗了世界40％的能源并排放了1／3的二氧化碳，是全球能源消耗和二氧化碳排放的主要產業部門，建筑業的節能和減排是全球節能減排的關鍵［23］。
在分析各因素對能源生態足跡的影響機理基礎上，本文選擇城鎮化率（ubr）、建筑業總產值（con）、人均GDP（gdp）、產業結構高度化（iss）、規模以上工業企業平均產值（aov）以及高新技術產值占GDP比例（roh）來分析各指標對人均能源生態足跡的影響及程度。1．城鎮化率。從現有實證研究來看，城鎮化與能源消費之間的傳導關系存在爭論。有的研究提出，城鎮化的不同模式將導致其對能源消費產生不同的影響［24］。國內一些學者也做了進一步分析，認為城鎮化是導致能源消費變化的重要原因［25］［26］，證實了城鎮化水平與人均能源消費水平存在高度相關性。在全國層面，中國城鎮化對能源消費的凈效應影響較為明顯［27］。2．建筑業總產值。建筑業是中國高耗能產業之一，研究表明中國建筑能耗在能源總消費中的比例已由1970年代的10％上漲到目前的近30％。節能減排在我國作為一項基本國策在執行，而建筑直接能耗和二氧化碳排放占我國總能耗和二氧化碳總排放的1／3［28］。建筑業的節能減排直接關系到國家應對能源短缺和全球變暖戰略實施的成敗。而目前中國建筑業發展趨勢整體向上，以當前建筑增速，預計到2020年中國建筑耗能將達到1089億噸標準煤①。3．人均GDP。一般而言，能源的消耗強度隨著人均GDP的增長而增長［29］。中國人均GDP以較高的速度增長，某種程度上中國人均GDP的高速增長是以大量的能源消耗換取的［30］。伴隨著經濟的發展，我國能源的需求消耗一直呈現上升趨勢，并且由于技術原因，能源消耗長期存在浪費和效率低下的現象，這在一定程度上導致能源生態足跡的增加。4．產業結構高度化。經濟理論認為，產業結構與經濟發展和穩定存在著緊密的聯系，在實踐中也證實了產業結構的演進會促進經濟向好發展。研究表明，中國產業結構演變對能源效率變動影響程度大于能源消費結構演變影響的程度，產業結構調整與升級是影響中國能源效率提高、節能減排政策實施的關鍵環節［31］。5．規模以上工業企業平均產值。中國規模以上工業企業數量雖然只占全國工業企業數量的20％左右，但其貢獻的總產值占所有工業企業產值的比例超過90％，規模以上工業企業在中國經濟中占有重要地位。國內學者對規模以上工業企業能源消耗的碳排放進行實證分析，結果顯示規模以上工業企業是降低能源消耗強度和碳排放的重要產業部門［32］。6．高新技術產值占GDP比例。研究認為技術進步對中國的節能減排工作具有顯著作用［33］，通過產業結構調整發展低能耗的高新技術產業，能夠提高能源要素質量和能源利用效率［34］。高新技術產業的發展能為中國調整一次能源消費比例和使用清潔能源提供較好的技術基礎，對優化中國產業結構也有著重要意義。
（二）數據來源及處理本文數據主要來源于《中國統計年鑒》（2004—2015）、《中國能源統計年鑒》（2004—2015），由于西藏能源消費數據缺失較多，故本文只針對其他30個省、直轄市、自治區（除港、澳、臺外）的數據進行計算分析。其中能源消費量主要源自《中國統計年鑒》（2004—2015）、《中國能源統計年鑒》（2004—2015），人口數據來自《中國統計年鑒》（2004—2015）。為了消除異方差的影響，本文建立了雙對數空間計量模型。
四、結果分析
（一）中國能源生態足跡的基本分析根據人均能源生態足跡核算方法計算得出，各地區2003—2014年人均能源生態足跡基本情況（如圖1所示）。結果顯示，全國30個省、直轄市、自治區（除西藏外）人均能源生態足跡呈現不斷上升的態勢，全國平均人均能源生態足跡由2003年的0．3550hm2／人上升到2014年的1．0477hm2／人，年平均增加10．15％（如圖2所示），上升幅度較大，增速較快，這與中國能源消費量快速增加不無關系（同時期中國能源消費總量由183792萬噸標準煤上漲到425806萬噸標準煤）。此外，這12年間，全國平均人均能源生態足跡最高值為2013年的1．0565hm2／人，到2014年有所下降，全國平均人均能源生態足跡有達到峰值逐漸下降的趨勢。從省域層面來看，各省人均能源生態足跡增長態勢基本與全國平均人均能源生態足跡相似，大部分省域從2003年逐年增加，到2014年后開始下降（黑龍江省人均能源生態足跡在這12年間不斷上升，未出現拐點），其中，增長幅度最大的三個省份分別為福建、江蘇和內蒙古，分別增長了6．86倍、6．45倍和5．31倍。
（二）人均能源生態足跡空間自相關分析1．全局空間自相關測度。在前述計算基礎上，運用GeoDa軟件分析計算中國2003—2014年間各地區人均能源生態足跡的全局Moran’sI指數，空間權重矩陣的確定采用rook一階鄰接矩陣，并對12年來的Moran’sI指數進行了顯著性檢驗（如表1所示）。所有樣本年份的Moran’sI指數全部為正（系數在0．2558～0．3420間波動），并且均通過P值小于0．01的顯著性水平檢驗，說明中國人均能源生態足跡并非處于完全隨機狀態，而是存在著顯著的全局空間集聚效應。2．局域空間自相關分析。通過Moran’sI指數測度的結果發現，區域人均能源生態足跡存在著空間相關性，據此進一步用局域Moran’sI散點圖分析區域人均能源生態足跡存在的局部空間相關性。由圖3可以看出中國各地區人均能源生態足跡的關聯模式，處于Moran’sI散點圖中第Ⅰ象限的地區代表該地區與其相鄰地區的人均能源生態足跡均相對較高，為高高聚集區（H－H），呈現出空間擴散的關聯模式；處于第Ⅱ象限的地區代表該地區人均能源生態足跡低于相鄰地區，為低高聚集區（L－H），呈現出空間過渡的關聯模式；處于第Ⅲ象限的地區代表該地區與其相鄰地區的人均能源生態足跡均相對較低，為低低聚集區（L－L），空間關聯模式為緩慢增長；處于第Ⅳ象限的地區代表該地區人均能源生態足跡高于相鄰地區，為高低聚集區（H－L），呈現出空間極化的關聯模式。
（三）空間面板回歸結果分析由Moran’sI指數以及Moran’sI散點圖可以看出，中國人均能源生態足跡存在顯著的正空間自相關性，因此，需要建立空間計量模型來分析中國人均能源生態足跡的空間效應及其影響因素。人均能源生態足跡的空間效應明顯，經豪斯曼檢驗，本文人均能源生態足跡六個指標均采用固定效應（FixedEffects）。1．未考慮空間因素的全樣本估計。首先，分別用混合OLS、空間固定效應、時間固定效應和空間時間雙固定效應來分析，結果如表2所示。從表2可以看出，對于不同固定效應回歸模型的LM和穩健LM檢驗，大都通過了顯著性檢驗，并且對空間誤差模型的LM和穩健LM檢驗統計量都要大于空間滯后模型，根據空間回歸模型判別準則，應選擇空間誤差模型。進一步通過Wald和LR統計量檢驗判斷空間杜賓模型是否可以簡化為空間滯后模型和空間誤差模型（如表3所示），檢驗結果發現，Wald－spatial－lag和LR－spatial－lag的統計量分別為95．0337和93．2401，其伴隨概率值prob－spatial－lag分別為0和0，均在1％的顯著性水平拒絕的原假設；Wald－spatial－error和LR－spa－tial－error的統計量分別為81．0438和85．1473，其伴隨概率值prob－spatial－error分別為2．2204e－15和3．3307e－16，也在1％的顯著性水平下拒絕θ＝0和θ＋λβ＝0的原假設。綜上可知，固定效應下的杜賓模型更適合于數據特征的刻畫。2．考慮空間要素的全樣本估計。由于空間效應的存在，本文將空間因素引入回歸方程進行估計。表3為考慮空間因素時的人均能源生態足跡全樣本估計結果，可以看出，考慮了空間因素的回歸估計更加顯著，高于未考慮空間因素的模型估計結果，同時LogL也較未考慮空間因素的模型有提高，模型中各解釋變量也更加顯著
。因此，考慮空間因素的空間杜賓模型能提高估計的有效性。通過對不同固定效應下的空間杜賓模型的對比分析發現，時間空間雙固定效應下的空間杜賓模型的擬合優度R2、離散度σ2以及LogL要優于其他固定效應模型，因此選擇時間空間雙固定效應下的空間杜賓模型研究人均能源生態足跡的影響因素。回歸結果顯示，某一省份人均能源生態足跡的水平不僅受到城鎮化率、人均GDP等這些因素的影響，也受到其相鄰省份的人均能源生態足跡的影響。W＊y的回歸系數顯著為正，說明中國的人均能源生態足跡存在著空間的互動效應，某一個省份降低人均能源生態足跡對其周邊的省份降低各自的人均能源生態足跡有著積極的作用。表3回歸估計結果顯示，2005—2014年間，我國省域的新型城鎮化能有效降低人均能源生態足跡，統計的t值為－1．5229，通過了10％的顯著性水平檢驗，新型城鎮化的彈性系數為－0．4566，說明城鎮化率每增長一個百分點，人均能源生態足跡就會降低近0．5個百分點。對比表2可以看出，考慮了空間因素之后城鎮化率對人均能源生態足跡的負向影響要高于未考慮空間因素的估計結果，說明未考慮空間因素的城鎮化率對人均能源生態足跡影響被低估了，而中國新型城鎮化的推行有助于降低人均能源生態足跡，對改善中國資源環境約束有著積極作用。此外，城鎮化率的回歸系數在這幾個因素里最高，表明加快推進新型城鎮化是解決我國當前人均能源生態足跡過高的較為有效的手段之一。該結果也與中國推進新型城鎮化發展的基本理念和核心思想不謀而合。相比傳統的城鎮化進程，新型城鎮化道路實質上是可持續發展的城鎮化，強調集約高效地利用能源，減輕對生態環境的污染和破壞。W＊ubr的回歸結果也顯示，中國各省新型城鎮化的推進與其周邊省份新型城鎮化速度之間有著良好的空間互動關系，某一個省份推進新型城鎮化對帶動周邊省份加快建設新型城鎮化有著積極的影響，體現了我國新型城鎮化進程中城市群、城市帶發展的思想。回歸結果顯示，省域經濟增長并不能降低人均能源生態足跡，反而對人均能源生態足跡有反向抑制作用，統計的t值為6．3434，通過了1％的顯著性水平檢驗，經濟發展水平的彈性系數為0．8780，說明經濟每增長一個百分點，人均能源生態足跡就會上升近1個百分點。而考慮空間因素之后的人均GDP對人均能源生態足跡的正向影響高于未考慮空間因素的估計結果，說明中國目前經濟發展的整體仍然不夠“綠色”，經濟發展的質量不高，轉變經濟增長方式迫在眉睫。
中國目前仍處于增長速度換擋期、結構調整陣痛期和前期刺激政策消化期的特殊時期，產業結構和消費模式仍然處于優化調整階段，要盡快挖掘新的增長極，加快供給側改革，促進社會經濟健康發展。W＊gdp回歸結果較為顯著，說明各省之間經濟發展具有較好的聯動機制，經濟發展具有較強的外部性和示范效應，某一省份經濟發展越好，會對周邊省份經濟發展起到積極影響。未考慮空間因素的規模以上工業企業平均產值和高新技術產值對人均能源生態足跡的負向影響均高于考慮了空間因素的估計結果，彈性系數分別為－0．2522和－0．0996，說明規模以上工業企業平均產值和高新技術產值每增長一個百分點，人均能源生態足跡就會降低近0．3和0．1個百分點。各個省份在規模以上工業企業平均產值和高新技術產業產值方面存在的空間效應不如城鎮化率和人均GDP的空間效應強，但提高規模以上工業企業平均產值和高新技術產業產值對降低人均能源生態足跡仍有積極意義。規模以上工業企業是我國工業發展的標桿，應積極響應國家有關政策，在生態文明理念的指導下轉型發展，提高能源利用效率，降低對生態環境的沖擊和影響。技術進步有助于降低能源生態足跡［18］，因而高新技術產業規模的擴大也將一定程度上緩解我國能源生態足跡較高的局面。W＊aov回歸結果并不顯著，說明中國各省份之間的規模以上工業企業之間聯動效應不明顯，這也與各省的工業企業布局有著密切關系，例如山西是以資源開發利用為主導的工業企業為主，而廣東則主要以輕工業為主，基礎工業較少。在其他控制變量方面，產業高度化指標的空間回歸估計結果符號不穩定，說明中國產業高度化發展對降低人均能源生態足跡并沒有形成良好的省際聯動效應，各省產業高度化進程對其周邊省份產業高度化的發展缺乏有效輻射，且各省份較易出現產業過度同質化現象，缺乏區域創新突破。而未考慮空間因素的建筑業總產值表現出對人均能源生態足跡強烈的正向影響，說明中國當前的建筑業發展會使得人均能源生態足跡變高，但考慮空間要素之后的建筑業總產值統計的t值為－0．1199，說明建筑業總產值的影響并不顯著。
五、結論
根據2003—2014年中國統計年鑒和中國能源統計年鑒數據，將STIRPAT模型和空間計量經濟學方法結合，分析了中國省域12年間的人均能源生態足跡主要影響因素的空間效應及其影響程度，揭示了各影響因素在不同時空上對人均能源生態足跡影響的差異性，得到以下主要結論：其一，利用GeoDa軟件分析計算中國2003—2014年間的人均能源生態足跡的總體空間關聯程度，由全局Moran’sI可以看出，中國人均能源生態足跡并非處于完全隨機狀態，存在著顯著的全局空間集聚效應。結合空間面板回歸結果表明，這種集聚效應與我國城鎮化的加速和城市產業的集聚有著密切關系，城鎮化的加速使得我國大城市規模不斷擴大，吸引規模以上工業和建筑業以及其他經濟活動不斷以大城市為中心集聚，這種情形同時也促進了城市規模的擴大。其二，根據局部自相關的聚集圖可以看出，省域之間存在著正的空間效應，使得各省與其周邊地區之間呈現出相互聯系且影響的態勢，中國人均能源生態足跡存在較為顯著的空間溢出效應。從2005、2008、2011、2014四年的人均能源生態足跡分布可以看出，中國人均能源生態足跡較高的地區集中在京津冀、上海等地，而中部地區人居能源生態足跡較其他地區整體偏小，能源利用對環境的沖擊和影響較小，擁有較好的產業承接潛力。產業轉移對于區域經濟結構調整及區域間經濟關系的優化具有重要意義，中、西部地區應發揮資源豐富、要素成本低、市場潛力大的優勢，積極承接產業轉移，不僅有利于加速中、西部地區新型工業化和城鎮化進程，促進區域協調發展，而且有利于推動東部沿海地區經濟轉型升級，在全國范圍內優化產業分工格局，降低我國人均能源生態足跡，減少對生態環境的污染和破壞。其三，空間面板回歸結果表明，人均GDP和建筑業總產值對中國人均能源生態足跡存在正向依賴關系，需要正視經濟發展的負外部效應，加快轉變經濟增長模式，發展綠色GDP和大力推廣節能建筑技術。而城鎮化率、規模以上工業企業平均產值和高新技術產業產值占GDP比重三項指標的回歸結果表明，應堅持新型城鎮化發展道路，提升高新技術產業在國民經濟中的比例，由內生的技術進步來推動經濟持續發展，同時提高規模以上工業企業的產出效率，降低能耗，推進節能減排。
參考文獻：
［1］吳巧生．理解中國工業化與能源消費：基于計量經濟模型的實證檢驗［J］．中國地質大學學報（社會科學版），2010，（4）．
［2］成金華，李悅，陳軍．中國生態文明發展水平的空間差異與趨同性［J］．中國人口?資源與環境，2015，（5）．
［3］揣小偉，黃賢金，王倩倩，等．基于信息熵的中國能源消費動態及其影響因素分析［J］．資源科學，2009，（8）．
［4］Folke，C．，A．Jansson，J．Larsson，etal．Ecosystemappropriationbycities［J］．AMBIO，1997，（3）．
［5］Wackernagel，M．Anevaluationoftheecologicalfootprint［J］．EcologicalEconomics，1999，31．
［6］謝高地，魯春霞，成升魁，等．中國的生態空間占用研究［J］．資源科學，2001，（6）．
［7］李智，鞠美庭，劉偉，等．中國1996年—2005年能源生態足跡與效率動態測度與分析［J］．資源科學，2007，（6）．［8］秦耀辰，牛樹海．生態占用法在區域可持續發展評價中的運用與改進［J］．資源科學，2003，（1）．
［9］鄭長德，劉帥．基于空間計量經濟學的碳排放與經濟增長分析［J］．中國人口?資源與環境，2011，（5）．
［10］程葉青，王哲野，張守志，等．中國能源消費碳排放強度及其影響因素的空間計量［J］．地理學報，2013，（10）．
［11］郝宇，廖華，魏一鳴．中國能源消費和電力消費的環境庫茲涅茨曲線：基于面板數據空間計量模型的分析［J］．中國軟科學，2014，（1）．
［12］Ehrlich，P．R．，A．H．Ehrlich．Population，Resources，Environment：IssuesinHumanEcology［M］．SanFrancis－co：Freeman，1970．
［13］Dietz，T．，E．A．Rosa．EffectsofpopulationandaffluenceonCO2emissions［J］．ProceedingsoftheNationalA－cademyofSciencesoftheUSA，1997，（1）．
［14］馬宏偉，劉思峰，趙月霞，等．基于STIRPAT模型的中國人均二氧化碳排放影響因素分析［J］．數理統計與管理，2015，（2）．
［15］歐元明，周少甫．基于空間面板STIRPAT模型的省域碳排放研究［J］．工業技術經濟，2015，（3）．
［16］何小鋼，張耀輝．中國工業碳排放影響因素與CKC重組效應———基于STIRPAT模型的分行業動態面板數據實證研究［J］．中國工業經濟，2012，（1）．
［17］李丹丹，劉銳，陳動．中國省域碳排放及其驅動因子的時空異質性研究［J］．中國人口?資源與環境，2013，（7）．
［18］Liu，H．Theimpactofhumanbehavioronecologicalthreshold：Positiveornegative？—Greyrelationalanalysisofecologicalfootprint，energyconsumptionandenvironmentalprotection［J］．EnergyPolicy，2013，（5）．
［19］薛曉嬌，李新春．中國能源生態足跡與能源生態補償的測度［J］．技術經濟與管理研究，2011，（1）．
［20］孫巖，馮立芳，龐阿榮．城市居民能源使用行為的影響因素研究［J］．科研管理，2013，（8）．
［21］虞義華，鄭新業，張莉．經濟發展水平、產業結構與碳排放強度———中國省級面板數據分析［J］．經濟理論與經濟管理，2011，（3）．
［22］鄒艷芬．中國能源生態足跡的技術進步影響實證分析［J］．資源科學，2010，（7）．
［23］Cai，W．G．，Y．Wu，Y．Zhong，etal．Chinabuildingenergyconsumption：Situation，challengesandcorrespondingmeasures［J］．EnergyPolicy，2009，（6）．
［24］楊開忠，楊詠，陳潔．生態足跡分析理論與方法［J］．地球科學進展，2000，（6）．
［25］Shen，L．，S．Cheng，A．Gunson，etal．Urbanization，sustainabilityandtheutilizationofenergyandmineralre－sourcesinChina［J］．Cities，2005，（4）．
［26］耿海青，谷樹忠，國冬梅．基于信息熵的城市居民家庭能源消費結構演變分析———以無錫市為例［J］．自然資源學報，2004，（2）．
［27］王蕾，魏后凱．中國城鎮化對能源消費影響的實證研究［J］．資源科學，2014，（6）．
［28］姜虹，李俊明．中國發展低碳建筑的困境與對策［J］．中國人口?資源與環境，2010，（12）．
［29］魏艷旭，孫根年，李靜．基于技術進步的中國能源消耗與經濟增長：前后兩個30年的比較［J］．資源科學，2011，（7）．
［30］齊紹洲，羅威．中國地區經濟增長與能源消費強度差異分析［J］．經濟研究，2007，（7）．
［31］王強，鄭穎，伍世代，等．能源效率對產業結構及能源消費結構演變的響應［J］．地理學報，2011，（6）．
［32］鄧明君．湘潭市規模以上工業企業能源消耗碳排放分析［J］．中國人口?資源與環境，2011，（1）．
［33］王迪，聶銳．江蘇省節能減排影響因素及其效應比較［J］．資源科學，2010，（7）．
［34］張文璽．中日韓GDP、人口、產業結構對能源消費的影響研究［J］．中國人口?資源與環境，2013，（5）．
作者：馮銀，成金華，申俊
