中国城市化进程和城乡电力消费不平等--基于中国省级面板数据的分析

摘要

改革开放40年来，人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾已成为社会主要矛盾。长久以来，城乡生态发展的不平衡是主要矛盾的表现之一。其中较为突出的是城乡间电力消费的不平衡，据国家统计局2016年统计数据显示，占比40%的贫困农村家庭能源消费，占全国能源消费比例不足20%;截止到2017年，中国四川、青海、甘肃、西藏等偏远农村地区还存在20多万无电人口。　　与此同时，中国快速的城市化进程给城乡电力不平衡带来了深远的影响。一些理论研究指出，随着城市化率的提高，居民能源消费特征会发生较大转变，城镇和农村地区的电力消费都会受到城市化推进的冲击。而电力作为重要的现代能源品种之一，是一种相对清洁的现代生活能源，正逐渐成为满足人类生存和发展需求的必需生活能源，也是人类必将长期消费的能源品种。因而，现代电力消费不平等问题关系到民生大计，需要引起社会足够重视。　　然而长期以来，有关中国的电力消费不平等问题一直仅停留于测度的研究层面，相关研究大多为通过Gini系数、Theil指数、Atkinson指数等方法测量国家能源消费不平等程度，并且集中于衡量总体不平等程度，缺乏对各省市城乡间不平等的研究。同时，关于包含电力在内的能源消费不平等的形成原因问题，也一直缺乏实证研究，而中国城乡电力消费不平等的产生机制问题更是一直未得以解决；此外，鲜有研究着重从实证角度探讨城市化与城乡电力消费不平等的关系问题，相关的研究多为描述性的定性分析。　　近年来，大量国内外学者利用随机回归影响模型(STIRPAT)研究社会经济发展对环境压力的影响，将影响环境压力的因素分解为人口(P)、富裕度(A)、技术(T)和其他社会经济因素。本文基于一个拓展的STIRPAT模型，将城乡电力消费不平等视为一种环境压力，并分解为城市化率、城乡人均收入不平等程度及其他社会经济因素，同时考虑到其他研究己证实的城市化率对环境压力（碳排放、用电量、能源用量等）的“U型”影响，文章通过引入城市化的二次项，研究了城市化和城乡电力消费不平等间是否存在着非线性关系。　　由于环境表现与其影响因素间可能存在双向因果关系，为解决这一潜在的内生性问题，许多学者运用广义矩估计模型(GMM)来探究环境表现与其影响因素间的关系。本文主要利用一阶差分GMM和系统GMM模型探究了城市化及其他社会经济因素对城乡电力消费不平等的影响，同时为检验GMM估计的准确性和稳健性，文章对比了混合回归(POLS)、固定效应模型(FE)和GMM的估计结果，发现不同模型的估计系数的符号一致且大小较为接近，从而验证了利用GMM模型来探讨城乡电力不平等问题的稳健性，回归结果发现城市化与城乡电力不平等间存在着“U型”关系，城乡电力消费不平等程度随着城市化的推进呈现一种先下降后上升的趋势，且拐点出现在城市化率大约为60%的时期。为进一步考察文章实证的稳健性，本文还通过替换被解释变量、核心解释变量、分样本回归和增加其他解释变量四种方法，验证了文章结论的稳健性。　　此外，考虑到地区经济发展水平和人文地区特征差异对居民能源消费的显著影响，文章进一步进行了异质性研究。依据地区经济水平发展差异，文章将30个省市分成发达的东部和相对落后的中西部，依据地区人文特征差异，文章将30个省市分为南方和北方地区。同时考虑到分类回归会损失部分有效信息，文章采用含有个体影响的变系数模型，即假定原回归模型中解释变量的系数随着地区差异性而变，发现发达的东部地区己超越U型关系的拐点，中西部地区仍处于城乡电力不平衡随城市化快速下降的阶段，南方地区的U型关系拐点要早于北方地区到来。　　最后，本文对城市化与城乡电力消费不平等的U型关系进行了机制分析，从农村和城镇电力消费角度出发，将城市化的影响分解为规模效应和效率效应。发现在城市化与城乡电力消费不平等的U型拐点到来前，规模效应，尤其是农村地区的规模效应发挥了主导作用，农村电力消费受规模效应作用快速增加，城乡电力消费不平等逐渐减少。而在城市化后期，即超越拐点后，农村电力消费随城市化的规模效应和效率效应而继续增加，而城市地区主要受到效率效应的抑制作用，其电力消费增速慢于农村，从而农村实现电力消费量反超城市的格局，城乡电力消费不平等发生逆转。

目录

声明

1.绪论

1.1研究背景及意义

1.2研究思路及方法

1.3研究创新点

2.理论基础与文献综述

2.1.2能源不平等的影响

2.1.3能源不平等的测算方法

2.2理论溯源

2.2.2STIRPAT理论模型

2.3.1关于能源消费影响因素的研究

2.3.2关于能源消费不平等的研究

2.4关于城市化与能源消费的关系研究的文献综述

2.4.2关于城市化对能源消费的影响的研究

2.5文献述评

3.模型设定

4.数据说明与基本结果

4.1数据及变量说明

4.2回归结果及分析

5.稳健性检验

5.2采用自变量的不同指标

5.3样本分类回归

5.4考虑年龄结构的影响

6.模型的拓展

6.1经济发展水平差异

6.2人文地理特征差异

6.3影响机制分析

7.结论

7.2研究展望

7.2.1进一步的研究展望

参考文献

致谢