中国能源消费的空间关联网络结构特征及其效应研究_刘华军

2015年5月拥Ｍａｙ，2015第5期（总326期）ＣｈｉｎａＩｎｄｕｓｔｒｉａｌＥｃｏｎｏｍｉｃｓＮｏ．5【产业经济】中国能源消费的空间关联网络结构特征及其效应研究刘华军1，刘传明1，孙亚男2（1．山东财经大学经济学院，山东济南250014；2．山东财经大学工商管理学院，山东济南250014）［摘要］本文基于1995—2012年中国省际能源消费数据，利用社会网络分析（ＳＮＡ）方法对能源消费空间关联的网络结构特征及其效应进行了经验考察。研究发现：①中国能源消费的空间关联呈现网络结构形态；样本考察期内，空间关联的紧密程度逐步提高，等级森严的空间网络结构逐渐被打破，网络稳定性逐步增强。②上海、天津、江苏、浙江、广东等沿海省份处于网络中心位置，发挥“桥梁”和“中介”的作用。③在能源消费空间关联网络中，环渤海地区属于“双向溢出”板块，长三角和珠三角地区属于“净受益”板块，新疆和山西等资源丰富的省份属于“净溢出＂板块，湖南、湖北等中部地区属于“经纪人”板块。④能源消费空间关联的整体网络紧密程度及稳定性的提升、网络等级结构的破除能显著降低能源强度，提高能源消费的空间公平性。而个体网络中心性的提升对能源强度的降低具有显著促进作用。能源消费空间关联的网络结构为能源政策的制定和实施带来严峻挑战，但为跨区域协同节能机制的构建创造了有利条件。［关键词］能源消费；空间关联；社会网络分析；能源强度［中图分类号］Ｆ206［文献标识码］Ａ［文章编号］1006－480Ｘ（2015）05－0083＿13一、问题提出能源是人类生存和发展的重要物质基础，关系国计民生和国家安全。伴随着资源环境约束的日益趋紧，“新常态”下中国经济发展面临的能源挑战愈发严峻。一方面，能源消费总量呈现出逐年攀升态势，2014年达到42．6亿吨标准煤；另一方面，在经济发展、产业结构、能源结构等多种因素的共同作用下，能源消费呈现出显著的空间非均衡特征［1＾＞。为了破解资源环境约束，“十二五”时期以来，中国制定了更为严格的节能目标，并综合考虑各地经济社会发展水平、区位和资源特点等因素将全［收稿日期］2015￣03－18［基金项目］国家社会科学基金青年项目“碳排放约束下中国能源效率的区域差异及节能指标分解研究”（批准号12ＣＪＬ066）；山东省社会科学规划研究重大委托项目“金融产业优化与区域发展管理协同创新研究”（批准号14ＡＷＴＪ01－12）；山东省自然科学基金项目“基于ＳＮＡ的产学研合作协同创新网络风险演化与仿真”（批准号ＺＲ2013ＧＱ004）。［作者简介］刘华军（1979—），男，山东广饶人，山东财经大学经济学院教授，经济学博士；刘传明（1990—），男，山东在平人，山东财经大学经济学院硕士研究生；孙亚男（1980—），男，山东蓬莱人，山东财经大学工商管理学院副教授，管理学博士。83国总体节能目标分解到各省份。如果各省份能源消费之间相互独立，那么无疑各省份完成各自节能任务的加总即为全国完成的节能任务。然而，在多种因素的共同作用下，省际之间能源消费并非独立存在，而是呈现出一定的空间关联％因此，在省际之间空间关联实际存在的条件下，各省份要实现各自的节能任务，不仅要考虑自身的能源消费情况，还需要充分考虑并有效“牵制”与之关联省份的能源消费？。随着旨在促进能源跨区域流动的工程项目（如西气东输、北煤南运、西电东送）的实施和市场化进程的不断推进，能源消费的空间联系更加普遍和广泛，已经超越了单纯地理学意义上的“近邻”关系，逐步呈现出多线程的复杂网络结构形态。在此背景下，精确刻画能源消费空间关联的整体网络结构特征及其演变趋势，明确各省份在能源消费空间关联网络中的地位和角色，深人揭示空间关联网络结构对于能源消费的影响效应，对于能源政策的制定和实施以及跨区域协同节能机制的构建均具有重要的理论意义和应用价值。现有研究采用探索性空间数据分析（ＥＳＤＡ）揭示了中国能源消费存在的显著空间相关性和空间集聚特征然而已有研究却存在三个局限：一是所揭示的能源消费的空间集聚特征仅考虑了地理上的“邻近”或“相邻”效应，由此得出的政策含义往往局限于“局部”，因此难以从整体上把握省际能源消费之间的空间关联特征，不利于中国能源消费总量目标的实现。二是均基于“属性数据”而非“关系数据”？，使之难以刻画能源消费空间关联的整体网络结构特征，而结构往往决定属性数据的表现，更具有分析价值！7！。三是并未进一步揭示能源消费空间关联的结构形态和空间聚类方式，而且传统的空间计量方法只能在考虑空间因素的基础上考察能源消费“量”的效应，却无法揭示能源消费空间关联“关系”的影响效应。本文基于关系数据和网络视角，利用1995—2012年中国省际数据，构建修正的引力模型确定能源消费的空间关联关系，并借助社会网络分析（ＳｏｃｉａｌＮｅｔｗｏｒｋＡｎａｌｙｓｉｓ，ＳＮＡ）方法对能源消费的空间关联网络结构及影响效应进行再考察。通过测度网络密度（Ｄｅｎｓｉｔｙ）、网络关联度（Ｃｏｎｎｅｃｔｅｄｎｅｓｓ）、网络等级度（Ｈｉｅｒａｒｃｈｙ）、网络效率（Ｅｆｆｉｃｉｅｎｃｙ）反映能源消费空间关联网络的整体特征及演变趋势；通过中心性分析（Ｃｅｎｔｒａｌｉｔｙ）考察各省份在能源消费空间关联网络中的地位和作用；通过块模型（ＢｌｏｃｋＭｏｄｅｌｉｎｇ）揭示能源消费的空间聚类方式；并实证检验了能源消费空间关联网络结构的影响效应。二、方法与数据社会网络分析以“关系”作为基本分析单位，采用图论工具、代数模型技术描述关系模式并探究这些关系模式对结构中成员或整体的影响，是一种针对“关系数据”（ＲｅｌａｔｉｏｎＤａｔａ）的跨学科分析方法，在社会学、经济学、管理学等领域得到广泛应用，巳成为一种新的研究范式＾11］。‘1．能源消费空间关联关系的确定关系的确定是网络分析的关键［121。根据现有文献，关系的确定主要采用引力模型和ＶＡＲＧｒａｎｇｅｒＣａｕｓａｌｉｔｙ检验方法本文选择引力模型确定能源消费的空间关联关系，这样做出于两方面的考虑：一是基于ＶＡＲ模型构建的网络无法刻画空间关联网络的演变趋势；二是ＶＡＲ模型对滞①本文用简单的例子来说明：假定总的节能任务为20个单位，将其平均分配给Ａ和Ｂ区域。如果不存在空间关联，若Ａ、Ｂ均能完成10个单位，此时Ａ和Ｂ完成任务则总的节能任务也能顺利完成。但是如果存在空间关联，假定此时Ａ仍能完成10个单位，此时Ａ和Ｂ的关联可能会导致Ｂ只能完成8个单位。也就是说，在存在空间关联的条件下，Ｂ完成任务的程度不仅仅取决Ｂ自身，还与Ａ和Ｂ的关联密切相关。换言之，当Ａ区域和Ｂ区域存在关联时，区域Ａ完成节能任务时，将影响区域Ｂ任务的实现，从而影响整体节能任务的完成。因此，在对全国节能目标进行Ｋ域分解时，不仅要考虑区域经济发展、区位、资源等因素，而且也要注意考量省际能源消费之间的联系，换言之，能源政策的制定应该充分考虑空间关联的存在。②属性数据指的是反映各省份自身性质的数据，如能源消费量、ＧＤＰ、人口等，这些数据与其他省份的相应数据无关；而关系数据则是反映两个或多个省份之间相互关系的数据，其大小由两个或多个省份共同决定。84后阶数的选择过于敏感，在一定程度上降低了网络结构特征刻画的精确性。而引力模型不仅更加适用于总量数据，而且可以综合考虑经济地理距离因素，进而可以利用截面数据刻画空间关联网络的演变趋势。因此，采用引力模型构建网络在揭示能源消费空间关联网络的动态演变趋势上更具优势。基于上述考虑，本文将引力模型引人到能源消费领域，同时为了增强适用性，对引力模型进行修正，修正后的引力模型如式（1）所示。其中，ｑ代表省份；Ａ为省份ｉ和省份ｊ能源消费之间的引力；私、分别为省份ｉ和省份ｊ的能源消费总量；、巧为省份ｉ和省份ｊ的年末总人口数；和Ｇ】为省份ｉ和省份ｊ的实际地区生产总值；？表示省份ｉ在省份ｉ、ｊ之间能源消费联系中的贡献率。为了同时考虑经济距离和地理距离因素对能源消费空间关联的影响，本文以ｉ和ｊ的省会城市之间的距离（巧）比上ｉ和ｊ人均ＧＤＰ的差值（＆－＆）表征省份之间的“距离”。依据公式（1），本文计算出省际能源消费之间的引力矩阵。引力矩阵的各行取平均作为临界值，引力高于该行临界值的记为1，表示该行省份对该列省份能源消费具有关联关系；反之若引力低于该行临界值则记为0，表示该行省份对该列省份能源消费不存在关联关系。ｖｗｖｐｍ，？去ａ）＼ｇ－ｇｊＩ2．网络特征指标？（1）整体网络特征。整体网络结构特征通常采用网络密度、网络关联度、网络等级度和网络效率进行刻画。其中，网络密度可以反映能源消费空间关联网络的紧密程度，网络密度越大，则省际能源消费之间的联系就越紧密，能源消费空间关联的网络结构对各省能源消费产生的影响也越大。网络关联度反映了能源消费空间关联网络自身的稳健性和脆弱性。如果网络中很多线都与某一个省份相连，那么能源消费空间关联网络对该省份的依赖性就很高，换言之，一且排除该省份，网络就可能崩溃。网络等级度表达的是网络中省份之间在多大程度上非对称地可达，它反映网络中各省份的等级结构，网络等级度越高则能源消费空间关联网络中省份之间的等级结构越森严，越多的省份在能源消费空间关联网络中将处于从属和边缘地位。网络效率反映了能源消费空间关联网络中各省份之间的连接效率。若网络效率越低，则说明省份之间存在更多的连线，省份能源消费之间的联系更加紧密，能源消费的空间关联网络就越稳定，也越容易通过能源消费空间关联网络促进能源的空间流动，缩小省际之间的比较优势。（2）各节点的网络特征。根据社会网络分析方法，各节点的网络结构特征可以采用点度中心度、中介中心度和接近中心度等网络中心性指标进行刻画。其中，点度中心度（ＤｅｇｒｅｅＣｅｎｔｒａｌｉｔｙ）可以根据网络中的连接数来衡量各省份在能源消费空间关联网络中处于中心位置的程度，点度中心度越高，则说明该省份在能源消费空间关联网络中与其他省份之间的联系越多，该省份也更加处于网络的中心地位。中介中心度（ＢｅｔｗｅｅｎｎｅｓｓＣｅｎｔｒａｌｉｔｙ）反映了某个省份在多大程度上控制其他省份之间的关联关系，中介中心度越高则意味着该省份越能控制其他省份能源消费之间的相互行动，该省份也就更加处于网络的中心。接近中心度（ＣｌｏｓｅｎｅｓｓＣｅｎｔｒａｌｉｔｙ）则刻画了网络中某个省份在能源消费联系过程中“不受其他省份控制”的程度。某个省份的接近中心度越高，该省份能源消费与其他省份之间存在更多的直接关联，该省份在网络中就是中心行动者。（3）空间聚类分析。块模型是社会网络分析中进行空间聚类分析的主要方法。块模型可以对各个位置（块）在网络中的角色进行分析叱通过块模型分析，能够从新的维度考察能源消费空间关联网络的发展状况，揭示和刻画能源消费空间关联网络的内部结构状态，找到网络中板块的个数以及每个板块所包含的省份，进而分析板块之间的关系及联接方式。本文将能源消费空间关联网络中的块的角色划分为四种类型。一是净受益角色，此类板块中的成员既接收来自其他板块成员的关系，①网络特征指标的具体计算公式可以参阅文献［17］和［18］。85也有来自板块内部成员的关系，而接收来自板块外部的关系明显多于它对其他板块的溢出关系；二是净溢出角色，此类板块对其他板块发出的联系要明显多于它接收其他板块对该板块发出的联系；三是双向溢出角色，此类板块成员既发出联系也接收其他板块的联系，而来自板块内部成员的联系相对较多；四是经纪人角色，此类板块既对其他板块发送联系，也接收来自其他板块成员的联系，而且该板块与其他板块成员之间的联系较多。3．数据来源本文以中国30个省份（不含西藏及港澳台地区）作为网络节点，实证考察能源消费的空间关联，样本的时期跨度为1995—2012年。引力模型测算所需数据的来源及处理如下：分省份能源消费总量来源于相应年份的《中国能源统计年鉴》；分省份地区生产总值、人口数来源于相应年份的《中国统计年鉴》，其中，地区生产总值按照1995年＝100进行平减，以消除价格因素对地区生产总值的影响。省际之间的地理距离以省会城市之间的球面距离表示，以ＡｒｃＧＩＳ计算而得。三、中国省际能源消费空间关联的网络结构特征1．整体网络结构特征及演变趋势本文根据修正的引力模型，确定了省际能源消费的空间关联关系并建立关系矩阵。为了展示能源消费空间关联网络结构形态，本文利用ＵＣＩＮＥＴ可视化工具Ｎｅｔｄｒａｗ绘制了2012年的网络图，如图！所示。由图可以发现，中国省际能源消费的空间关联／呈现出较为，网络结构形态。｜＼1＝1168＾，2012年上升到■个，与之相对应，省际能源消费空间关联的整体网络，”密度也呈现逐年上升趋势？，从1995年图12012年中国能源消费空间关联网络的0．193上升到2012年的0．241。网络资料来源：作者利用Ｎｅｔｄｒａｗ工具绘制。密度逐年上升表明中国省际之间能源消费的空间关联愈发密切。但同时本文也发现，2000年以后空间关联网络密度增速要快于2000年之前，主要原因在于2000年以后西气东输、西电东送、北煤南运等工程的实施促进了能源资源的跨区域调配，同时包括能源在内的生产要素领域的市场化推进进一步促进了能源的跨区域流动，上述两种力量的共同作用增强了省际能源消费间的空间关联。尽管样本考察期内的网络密度呈上升趋势，但是从数值上看中国省际能源消费空间关联的紧密程度并不是很高，所有省份之间的最大可能关系总数为870个（30ｘ29），而样本考察期内省际能源消费之间实际的关系数最大仅为210个（2012年），因此促进省际之间能源消费的联系还存在较大空间。同时，尽管网络密度越高表明省际能源消费之间的空间关联越来越密切，但随着网络密度的不断提升，网络中的冗余连线可能增多，一旦超过网络的容纳能力，将会增加省际之间能源流动的交易费用，降低能源的利用效率，进而对能源配置和要素流动产生抑制作用，所以必须维持合适？网络密度以实际关系数与最大可能关系数的比值测度，本文中省际能源消费空间关联的最大关系数为30ｘ29＝870。86的网络密度才能保证能源消费的空间优化配置。（2）网络关联性。本文利用社会网络分析中的网络关联度、网络等级度与网络效率等指标衡量中国省际能源消费空间关联的网络关联性。网络关联度的测度结果显示1995—2012年的网络关联度均为1，表明中国省际能源消费之间的联系非常密切，存在十分明显的空间关联和溢出效应。网络等级度的测度结果显示样本考察期内中国省际能源消费空间关联的网络等级度呈阶梯下降态势，如图3所示。其中，2003年之前网络等级度稳定在0．472左右，2003—2008年网络等级度下降到0．431左右，而2008年之后网络等级度出现大幅度下降至0．297左右，这一结果表明以往相对森严的能源消费空间关联结构逐渐被打破，省际能源消费之间的相互联系和相互影响逐步增强。网络效率的测度结果显示样本考察期内中国省际能源消费空间关联的网络效率呈逐年下降趋势，如图3所示。网络效率从1995年的0．740下降至2012年的0．675，这说明能源消费空间关联网络中连线增多，网络的稳定性得以提升。综合考虑上述三个指标的测度结果，本文认为，随着市场化进程的不断推进，行政指令对资源配置的干预有所减弱，一定程度上破除了以往等级森严的能源消费空间结构。与此同时，由于中国的市场体系尤其是要素市场体系的逐步完善，市场对能源资源的配置作用不断被发挥出来，降低了区域能源消费之间联系的交易成本，从而使得省际之间能源消费的关联关系增多，进而增强了网络的稳定性。2200．250．50ｔ0．45：200Ａｉｍ023－ｏ，ｏＩｉ9ｏ／ｍｌ—ａ22｜10，4018Ａ0．21度1035－Ｔ＾－0，6％Ｉ°－20＼0．64ｎｏＩＩＩｎｎ0．30Ｉｍｓ｜｜＃｜｜｜｜｜ｌｌ｜ｌ｜｜｜ｌｌＩ0190．62160ＩＢ1ＩＩＩＩＩＩＩＢＩ＿顯画＿0．25ＬＱ．60才＾＾＾4＾＃、＃、？ｌＭ关联关系网络｜Ｈ＞￣网络等级度网络效率｜图2空间关联关系与网络密度图3网络等级度与网络效率资料来源：作者绘制。资料来源：作者绘制。2．中心性分析本部分通过测度点度中心度、中介中心度、接近中心度等指标进行网络中心性分析，考察并揭示各省份在能源消费空间关联网络中的地位和作用，表1报告了2012年的测度结果（1）点度中心度。根据表1中点度中心度的测度结果，全国30个省份的点度中心度均值为37．011，高于这一均值的省份有9个，从高到低依次是上海、天津、江苏、浙江、山东、广东、北京、福建、甘肃，这些省份在能源消费空间关联网络中与其他省份的关系数较多。其中，上海的点度中心度最高达到93．103，原因在于上海的能源消费与其他29个省份中的27个省份之间均存在空间关联和空间溢出，说明上海在中国能源消费空间关联网络处于中心地位。高于点度中心度均值的省份除甘肃以外均位于沿海地区，说明沿海地区对整体能源消费空间关联及空间溢出效应具有很强的影响力。而根据表1的测度结果，黑龙江、吉林、湖南、宁夏、重庆的点度中心度排在全国最后5位，说？对其他年份的测度结果感兴趣的读者可以随时向作者索取。87明这些省份的能源消费与其他省份之间的关系数较少。原因可能在于它们的经济规模相对较小以及它们所处的地理位置相对偏远，从而导致其能源消费和其他省份之间的空间关联较弱。更进一步地，根据表1中点度中心度的点出度和点人度测算结果，全国30个省份的点出度均值为7，点出度大于均值的省份有9个，从高到低依次是广东、甘肃、四川、新疆、云南、青海、辽宁、湖北、陕西，上述省份对其他省份有较强的能源溢出效应。全国30个省份的点入度均值为7，上海、天津、江苏、浙江、北京、山东、广东等省份的点入度不仅均远高于全国点人度的均值而且也高于其自身的点出度，这些省份大都位于环渤海、长三角和珠三角等沿海经济发达地区，能源消费量较大，而从能源禀赋角度看，这些地区的能源自给能力又相对较弱，因此对其他省份的能源依存度较高，其他省份将集中地向这些地区进行能源溢出。表1省际能源消费空间关联的网络中心性分析￣省份＂“点度中心度中介中心度接近中心度‘点出度点人度中心度排序中心度｜排序－中心度排序北京41344．82872．696663．0437天＿52379．310213．393282．8572河北6627．586190．3252158．00019山西7527．586200．3252258．00020内蒙古7734．483100．8931460．41710辽宁8331．034151．129959．18415吉林5117．241290．1432954．71729黑龙江5117．241300．1433054．71730上海72793．103118．179193．5481江苏52275．86239．977380．5563浙江51655．17244．130469．0484安徽3724．138220．4431955．76927福建7941．37982．021863．0438江西6624．138230．1942456．86322山东71251．72452．667767．4425河南61034．483111．0611060．41711湖北8527．586210．3382058．00021湖南6320．690280．1942555．76928广东111251．72463．449567．4426广西7124．138240．1942656．86323海南7124．138250．1942756．86324重庆7424．138260．1892856．86325四川10234．483120．9391260．41712贵州7634．483130．5831660．41713云南9231．034160．7551559．18416陕西8231．034170．4611759．18417甘肃11337．93190．8941361．7029青海9131．034180．4611859．18418宁夏7024．138270．3042356．86326新疆10034．483141．0611160．41714均值7737．011－2．258－62．226－资料来源：作者计算整理。88（2）中介中心度。根据表1的中介中心度测度结果，全国30个省份的中介中心度均值为2．258，高于这一均值省份从高到低依次是上海、天津、江苏、浙江、广东、北京、山东，这些省份在能源消费空间关联网络中控制其他省份之间能源交流的能力较强。其中，上海的中介中心度达到18．179，远远高于其他省份，说明上海作为国际化大都市在能源消费的空间关联网络中处于核心地位并发挥着“中介”和“桥梁”的作用。随着上海在全国资源贸易、物流航运、能源信息服务等中心地位的进一步确立，这种控制和支配作用将愈发增强。此外，2012年能源消费空间关联网络的中介中心度总量为67．735，而排名前＿7位省份的中介中心度之和占了总量的80％以上，这些省份大都位于能源消费量较大的东部发达地区，而排名最后五位省份的中介中心度均小于0．2，只占总量的1．2％，这些省份具有人口少、经济规模小、地理位置偏远等特点，因而难以对网络中的其他省份起到控制和支配作用。能源消费空间关联网络中各个省份的中介中心度参差不齐呈现出非均衡特征，相当多的能源联系通过上海、北京、天津、广东等经济发达省份来完成。（3）接近中心度。根据表1中接近中心度的测度结果，全国30个省份的接近中心度均值为62226，高于这一均值的省份有8个，从高到低依次是上海、天津、江苏、浙江、山东、广东、北京、福建，较高的接近中心度说明了上述省份在能源消费空间关联网络中能够更快速地与其他省份产生内在连接，换言之，上述省份在网络中扮演着中心行动者的角色。究其原因在于，上述省份大都位于东部沿海地区，这些省份与其他省份之间能源流动的效率更高，同时也具有较强的获得能源资源的能力。在上述省份中，上海的接近中心度达到93．548，远高于其他省份，这说明其他省份与上海在能源消费空间关联网络中最为“接近”，上海居于整个能源消费空间关联网络的中心。而接近中心度排名最后5位的省份分别是黑龙江、吉林、湖南、安徽、宁夏，这些省份受其经济发展水平与地理位置的限制，在网络中扮演着边缘行动者的角色。3．块模型分析下面本文通过块模型分析揭示各个省份在能源消费关联网络的空间聚类特征。采用ＣＯＮＣＯＲ方法（ＣｏｎｖｅｒｇｅｎｔＣｏｒｒｅｌａｔｉｏｎｓ），本文选择最大分割深度为2，集中标准为0．2，把全国30个省份划分为四个板块（Ｂｌｏｃｋ），划分结果如表2所示。其中，位于第Ｉ板块的成员有5个，分别是北京、天津、辽宁、内蒙古、山东，这些省份主要分布在环勸海地区。位于第ＩＩ板块的成员有5个，分别是广东、江苏、福建、上海、浙江，这些省份主要集中在长三角和珠三角地区。位于第ＩＩＩ板块的成员有10个，包括新疆、山西、吉林、甘肃、河北、宁夏、黑龙江、河南、青海、陕西，这些省份的能源储量相对比较丰富。位于第ＩＶ板块的成员有10个，主要由中部地区的省份组成，分别是湖南、重庆、湖北、贵州、云南、广西、安徽、海南、江西、四川。表2能源消费空间关联板块的溢出效应￣接收关系数合计（个）发出关系数合计（个）期望内部￣实际内部板块内板块外板块内板块外关系比例（％）关系比例（％）板块Ｉ6526251419板块ＩＩ6806291417板块ｍ425470315板块ＩＶ102710603114注：板块内接收关系数（发出关系数）合计为接收关系矩阵中主对角线上的关系数；板块外接收关系数（发出关系数）合计为接收关系矩阵中每列（行）除自身板块之外的关系数之和。期望内部关系比例根据＂（板块内省份个数－Ｉ）／（网络中所有省份个数－1）”计算；实际内部关系比例根据“板块内部关系数／板块的溢出关系总数＂计算。资料来源：作者计算整理。下面本文进一步通过块模型分析揭示四个板块在能源消费空间关联网络中的位置（表2）。根据前文测算，在能源消费的整体关联网络中存在2Ｈ）个关联关系，而板块内部之间的关联关系有26个，板块和板块之间的关联关系有184个，说明板块之间的能源消费存在着明显的空间关联和89溢出效应。其中，第Ｉ板块的溢出关系有31个，属于板块内部的关系有6个，接收其他板块溢出的关系有52个；期望内部关系比例为14％，实际的内部关系比例为19％，根据前文的定义，第Ｉ板块为“双向溢出”板块，该板块成员既发出联系也接收其他板块的联系，而来自板块内部成员的联系相对较多。第ＩＩ板块的发出关系有35个，属于板块内部的关系有6个，接收其他板块发出的关系有80个；期望内部关系比例为14％，实际的内部关系比例为17％。该板块成员主要位于长三角和珠三角地区，它们的能源消费量大，主要接收来自能源资源储量丰富地区的能源溢出，因此第ＩＩ板块为“净受益”板块。第ＩＩＩ板块的发出关系有74个，属于板块内部的关系有4个，接收其他板块发出的关系有25个；期望内部关系比例为31％，实际的内部关系比例为5％，因此第ＩＩＩ板块为“净溢出”板块。该板块成员在实现能源的自给自足的同时还对其他地区进行能源溢出。第ＩＶ板块的发出关系有70个，属于板块内部的关系有10个，接收其他板块发出的关系有27个；期望内部关系比例为31％，实际的内部关系比例为14％，因此第ＩＶ板块为“经纪人”板块，该板块既对其他板块发送关系，也接收来自外部成员的联系，在能源消费空间关联网络中扮演着“中介”与“桥梁”作用。为了考察板块之间能源消费的关联关系，本文根据关联关系在板块之间的分布情况（表2），计算出各个板块的网络密度矩阵。同时，依据前文测算，2012年中国省际能源消费空间关联的网络密度为0．241，在四个板块中任何一个板块的网络密度高于0．241即板块的网络密度大于整体的网络密度，则能源消费将更加集中于该板块。本文将板块网络密度大于整体网络密度的情形赋值为1，将板块网络密度小于整体网络密度的情形赋值为0，可以将多值密度矩阵转化为像矩阵，密度矩阵和像矩阵具体如表3所示，图4直观地描述了四大板块间的关联关系。根据表3和图4，第Ｉ板块和第ＩＩ板块不仅自身内部存在着能源消费的关联关系，而且还接收来自第ＩＩＩ板块和第ＩＶ板块的溢出，说明经济发展水平高、能源消费＾量大的京津冀、长三角和珠三角地区能源供给相对紧张，更加需要来自其他省份尤其是能源储量丰富地、Ａ；／＾／￥＇江西、四川区的能源输人。第ｉｎ板块和第ｉｖ＼板块蕴藏着丰■煤、，、天然广］＾Ｔ板块丨！‘双向＾气，为足津冀、长二角和珠二角等地（棚絲：6广东、江苏、観北京、天津、辽宁＿級6）区提供丰富的能源资源’因而成为＼＾乂全国能源消费空间关联网络中的发动机。此外，板块间关联网络中还存＼丨“净＿＇顿＼％4‘新鼉、山西、吉林、甘肃、／／％＇？在着第Ｉ板块对第ｍ板块、第ｎ板ｔｗＺＡ河雨、胃海、陳四块对第ＩＶ板块的能源溢出，这表明＾￣Ｊ在省际能源消费关联网络中各板块部关系：〉／之间发挥着比较优势，“全国一盘图4能源消费四大板块之间的关联关系棋”的联动效应愈加明显。资料来源：作者绘制。表3能源消费空间关联板块的密度矩阵与像矩阵￣板块＂“密度矩阵像矩阵￣板块Ｉ板块ＩＩ板块ｍ板块ｉｖ板块Ｉ板块ｎ板块ｍ板块ｉｖ板块Ｉ0．3000．1600．3800．0401010板块ＩＩ0．0000．3000．1000．4800101板块ｍ0．7600．6200．0440．0101100板块ＩＶ0．2800．9000．0100．1111100注：“1＂表示存在行指向列的关联关系，“0”表示没有关联关系。资料来源：作者计算整理。90四、中国省际能源消费空间关联网络的效应分析如引言中所述，结构往往决定属性数据的表现，更具分析价值Ｐ1。在刻画了中国省际能源消费空间关联的网络结构特征基础上，本文更加关心能源消费空间关联的网络结构究竟对能源消费的“属性数据”存在何种效应。为了揭示能源消费空间关联网络的效应，本文从整体网络结构、个体网络结构两个方面实证考察能源消费空间关联网络结构对于能源强度及其省际差异的影响。1．整体网络结构的效应分析本文分别以省际能源强度的标准差和全国能源强度作为被解释变量，分别对网络密度、网络等级度、网络效率三个整体网络结构特征指标进行简单的ＯＬＳ回归（解释变量、被解释变量均取自然对数表4报告了回归结果。回归结果显示，所有回归系数均通过了1％的显著性水平检验，且具有较高的Ｒ2，拟合效果良好。表4整体网络结构效应的ＯＬＳ回归结果被解释变量全国能源强度省际能源强度的标准差模型（1）（2）（3）（4）（5）（6）．常数项－1，980＊＊＊2．425＊＊＊3．361＊＊＊－6．084＊＊＊1．319＊＊＊2．607＊＊＊网络密度－2．317＊＊＊－－－3．774＊＊＊－－网络等级度－0．973＊＊＊－—1．848＊＊＊－网络效率—－5．055＊＊＊－－8．211＊＊＊＾0．6760．4830．6520．8120．7880．779注：＊＊＊、＊＊、＊分别表示〗％、5％和10％的显著性水平。资料来源：作者计算整理。（1）整体网络结构对能源强度的影响效应。根据表4的回归结果，能源消费空间关联的网络密度、网络等级度和网络效率的回归系数分别为－2．317、0．973、5．055，这一估计结果表明能源消费空间关联的网络结构对能源强度存在显著的影响，能源消费空间关联网络密度的提升以及网络等级度和网络效率的降低均能够显著降低能源强度。产生这一结果的具体原因在于：①网络密度的提升意味着整体网络链接数量的增加，有效限制并缩小了省际能源强度的空间差异，这将有助于降低能源强度。因此，从提升网络密度的角度，为了实现节能目标，应继续发挥政府和市场的能源调控作用，从全国整体出发创造出更多能源空间联系的“管道＂，不断加强能源消费的空间关联。②网络等级度下降意味着网络的等级结构变小，更多的省份在能源消费关联中，由过去单向链接导致的从属地位转变为双向链接的平等地位，增加了处于从属地位省份的话语权，从而对其他省份的能源消费行为产生约束，促进了各省能源强度的降低。因此，从降低网络等级度的角度，应进一步通过简政放权不断减少行政指令对能源领域的直接干预，最大限度地破除以往等级森严的能源消费空间关联结构。③网络效率的降低意味着能源消费空间关联网络中的连线增加，破除了某些省份在节能方面的“比较优势”，使得网络中各省份之间在经济、技术、人才等方面的差距不断缩小，进而有效降低各自能源强度。因此，从降低网络效率（即增加网络连线）的角度，应继续加快推进能源市场体系建设，进一步发挥市场对能源配置的决定性作用，增强省际能源消费之间的联系，降低能源空间交流和联系的成本，提高能源消费空间关联网络的稳定性。（2）整体网络结构对省际能源强度差异的影响效应。本文用省际能源强度的标准差衡量省际能源强度差异，该指标在很大程度上也反映出能源消费的空间公平性，若省际能源强度之间的差异越小，则能源消费的空间公平性就越高。根据表4的回归结果，能源消费空间关联的网络密度、网络等级度和网络效率的回归系数分别为－3．774、1．848、8．211，这一估计结果表明网络密度的提升以及网络等级度和网络效率的降低能够显著缩小省际能源强度差异，提高能源消费的空间公平性，这一结91果也同时意味着，强化能源消费空间关联的网络结构是区域间能源强度收敛的重要驱动机制。产生这一结果的具体原因在于，网络密度的提升增加了整体网络链接数量，逐渐增大了整体网络结构对各省能源消费的影响，有效抑制了省际能源消费的空间差异和极化趋势。．而网络等级度的下降，通过增加双向链接，提高了能源消费空间关联网络中各省的地位。此外，网络效率的降低，增加了网络连线，破除了中介中心度较高的省份对能源消费关联网络中技术、人才等社会资源的支配和控制力，提高了整体网络的稳定性。在能源消费空间关联网络结构不断强化的条件下，能源强度的省际差异不断缩小，能源消费的空间公平性得以持续提高。2．个体网络结构的效应分析本文以样本考察期内分省能源强度作为被解释变量，分别以各省份的点度中心度、接近中心度、中介中心度为解释变量构建面板数据模型进行回归分析（解释变量、被解释变量均取自然对数），根据Ｈａｕｓｍａｎ检验在固定效应（ＦＥ）和随机效应（ＲＥ）之间进行选择，表5报告了回归结果。表5中最后两行给出了Ｈａｕｓｍａｎ检验结果，其中模型（1）和模型（3）的检验结果支持固定效应，模型（2）的检验结果支持随机效应。根据表5的回归结果，三个中心性指标的回归系数均为负值，且均通过了1％的显著性水平检验，这表明能源消费空间关联网络中各省的中心性对能源强度的降低具有显著的促进作用。表Ｓ个体网络结构效应的面板数据回归结果模型（1）（2）（3）常数项2．946＊＊＊0．303＊＊＊13．001＊＊＊点度中心度－0．754＊＊＊－－中介中心度－￣0．142＊＊＊－接近中心度－－－3．075＊＊＊Ｆ96．580＊＊＊－68．370＊＊＊Ｗａｌｄ－36．990＊＊＊—Ｒ20．237．0．2420．227Ｈａｕｓｍａｎ3．390＊0．0205．550＊＊ＦＥ／ＲＥＦＥＲＥＦＥ注分别表示ｉ％、5％和10％的显著性水平。资料来源：作者计箅整理。根据表5中模型（1）的回归结果，点度中心度的回归系数为－0．754，说明点度中心度每提高1％，则能源强度下降0．754％。这意味着各省份在能源消费空间关联网络中与其他省份关联越广泛，则网络局部关联程度就越高，提高了整体网络密度、降低了网络等级度和网络效率，增强了整体网络对个体省份的影响，促进了能源强度的降低。因此，对于点度中心度较小且能源强度较高的省份，如宁夏、山西、河北、青海、云南等，可以通过加强与其他省份的能源联系有效促进其能源强度的降低。根据表5中模型（2）的回归结果，中介中心度的回归系数为－0．142，说明中介中心度每提高1％，则能源强度下降0．142％。这意味着各省份在现有能源消费空间关联网络中，中介中心度提髙的省份拉大了与其他省份的比较优势，这些省份的比较优势在网络关联条件下通过整体网络可以更加精准地控制和引导各省份能源流动的方向和数量，强化了对其他省份的＂空间溢出”效应，从而促进了能源消费空间关联网络中各省份能源强度的降低。因此，对于中介中心度较小且能源强度较高的省份，如宁夏、山西、河北、青海、贵州等，可以通过提高自身在能源消费空间关联网络中的地位，加强与其他关联省份之间的能源联系，有效降低本省的能源强度。根据表5中模型（3）的回归结果，接近中心度的回归系数为－3．075，说明接近中心度每提高1％，则能源强度下降3．075％这意味着接近中心度的提高使得网络中各省份的相互依赖关系更为密切，从而提高了整体网络结构对各省能源消费的影响，有利于能源强度的降低。因此，对于接近中心度较小且能源强度较高的省份，如吉林、92黑龙江、宁夏、河北、山西等，可以通过加强与能源消费空间关联网络中的中心省份如上海、天津、江苏、浙江等的关联降低其能源强度。而对于中心度排名较为靠前省份如上海、天津等，其能源强度的排名与其中心度的排名并未一致，它们的能源强度仍有进一步下降空间，因此，对于这些省份可以进一步发挥它们在能源消费空间关联网络中的中心地位，促进其能源强度持续降低。五、结论与政策含义1．研究结论本文基于1995—2012年中国大陆分省份数据，从网络结构视角重新审视能源消费的空间关联，构建修正的引力模型确定省际能源消费的空间关联关系并建立网络，在此基础上，利用社会网络分析方法对中国省际能源消费空间关联网络结构及其效应进行了实证考察。主要研究发现如下：（1）从整体网络结构特征看，样本考察期内，中国省际能源消费空间关联的网络密度呈现逐年提高的趋势，省际之间能源消费的联系越来越密切。网络关联度的测度结果表明中国省际能源消费空间关联网络的连通效果比较好，省际之间的能源消费具有普遍的空间关联和空间溢出效应；网络效率和网络等级度逐年下降，网络稳定性逐步提高，“等级森严”的空间结构逐渐被打破。（2）从个体网络结构特征看：①上海、天津、江苏、浙江、山东、广东、北京、福建、甘肃9个省份的点度中心度高于全国均值。黑龙江、吉林、湖南、宁夏、重庆的点度中心度排在全国最后5位。②上海、天津、江苏、浙江、广东、北京、山东7个省份的中介中心度高于全国均值，这7个省份中介中心度之和占了总量的80％以上，而排名后5位省份的中介中心度只占总量的1．2％。上海、北京、天津、广东等经济发达省份在能源消费空间关联网络中发挥重要的中介和桥梁作用。③上海、天津、江苏、浙江、山东、广东、北京、福建8个省份的接近中心度高于全国均值，在网络中扮演着中心行动者的角色。而接近中心度排名最后5位的黑龙江、吉林、湖南、安徽、宁夏，在网络中扮演着边缘行动者的角色。（3）块模型分析结果显示，集中在环渤海地区的北京、天津、辽宁、内蒙古、山东5个省份组成的板块在能源消费空间关联网络中扮演“双向溢出”角色。集中在长三角和珠三角地区的广东、江苏、福建、上海、浙江5个省份组成的板块在网络中扮演“净受益”角色。集中在能源储量相对丰富地区的新疆、山西、吉林、甘肃、河北、宁夏、黑龙江、河南、青海、陕西10个省份在能源消费空间关联网络中扮演“净溢出”角色。其他10个省份组成的板块在网络中扮演“经纪人”角色。（4）效应分析结果显示，能源消费空间关联的网络结构对能源强度存在显著的影响，整体网络密度的提升、网络效率和网络等级度的下降能显著降低能源强度，缩小能源消费的区域差异，提高能源消费的空间公平性。因此，强化能源消费空间关联的网络结构成为区域间能源强度收敛的重要驱动机制。同时，在现有整体网络结构下，个体网络中心性指标包括点度中心度、中介中心度、接近中心度的提升对能源强度的降低也具有显著促进作用。2．政策含义（1）全面认识能源消费空间关联关系及其网络结构特征，创新协同节能思路，实现能源政策的有效转向。一方面，能源消费空间关联的网络结构为能源政策的制定带来了严峻挑战。根据中国目前的能源政策，全国总体的节能目标需要分解到各省份来落实完成。国家对节能目标的分解已经充分考虑了各个省份的经济发展水平、区位及资源等因素，然而省际能源消费存在较强的空间关联性，而且这种关联不是简单的单个省份对单个省份（点对点）的关系，而是多个省份之间的复杂网络关系，由上述关系决定的网络结构使得各省份节能任务的完成不仅取决于自身而且也与其他省份存在密切联系，这无疑增加了能源政策实施的难度，因此，要通过宏观调控和市场机制为能源跨区域交流和空间优化配置创造更多有利条件。另一方面，能源消费的＂属性数据”和“关系数据”的表现存在较大差异。以2012年为例，能源消费量最大的5个省份依次是山东、河北、广东、江苏、河南；能源强度最大的5个省份依次是宁夏、青海、山西、新疆、贵州。若从属性数据出发，无疑这些省份是节93能的重点省份。然而，从关系数据的角度，点度中心度最大的5个省份依次是上海、天津、江苏、浙江、山东；中介中心度和接近中心度最大的5个省份依次均是上海、天津、江苏、浙江、广东。上述省份应发挥节能的中心和主导作用。为顺利完成全国总体节能目标，在能源政策的制定和实施过程中不仅要考虑“属性数据”（即数量）的表现，也要更加重视能源消费的空间联动效应（结构），逐步形成“数量一结构”驱动型的协同节能思路，推动能源政策从“局部”转向“整体”、从＂点”转向“面”。（2）不断调整和优化能源消费的空间关联网络结构，提高能源的空间配置效率，实现空间协同节能。尽管能源消费在地理上存在明显的近邻效应，为地理上邻近地区的跨区域协同节能创造了条件，然而省际能源消费的空间关联关系呈现复杂的网络结构形态，从空间维度上为跨区域协同节能机制的构建提供了新的驱动力量，因此，跨区域协同节能不能仅局限于地理上的邻近地区，而应从“全国一盘棋”的网络结构视角重新审视和构建跨区域协同节能机制。一方面，进一步发挥政府宏观调控与市场机制两种力量对于能源消费空间关联的促进作用，在继续实施“西气东输”＂北煤南运＂“西电东送”等跨区域能源工程的同时，紧紧抓住“一带一路”战略机遇，促进能源资源的空间联系和空间格局优化，实现能源消费的互联互通。同时，也要更加充分认识市场在能源配置中的决定性作用，减少行政指令对能源市场的干预，利用价格、竞争、供求等市场机制进一步加强省际之间的能源联系。另一方面，除了从能源消费“量”的层面进行节能之外，要更加注重从“关系”的角度利用好不同省份在网络中的作用，实现空间协同节能。例如，通过能源空间格局优化，充分发挥上海、北京、天津、广东等省份在能源消费空间关联中的“中介”和“桥梁”作用。考虑到长三角、珠三角、京津冀等经济发达地区的能源消费量比较大，政府要增加这些地区与能源丰富地区的联系以保障这些地区经济发展。对于能源资源丰裕的中西部省份，要发挥这些地区的资源优势以保障能源的有效供给。（3）充分考虑能源消费空间关联网络的板块结构特征，制定并推行区域差别化的能源政策，实现能源的空间分类管理。节能目标的分解不能采取一刀切的政策，要充分发挥能源消费板块之间的关联效应，因地制宜地实行能源空间分类管理政策以降低节能成本、提高节能效率。一方面，对于经济发达、能源需求量较大的“双向溢出”板块和“净受益”板块，应把优化和调整产业结构作为节能减排的核心，大力发展新能源产业，提升高污染、高能耗产业的准入门槛，加快淘汰落后产能。同时要利用这些板块自身的技术和管理优势，大力开发和生产清洁能源，注重调节板块内部的能源消费结构，发展循环经济，促进经济发展方式的转变。当然，“双向溢出”板块和“净受益”板块还要承担更多的节能任务，以保障“经纪人”板块和“净溢出”板块的顺利转型。另一方面，对于能源利用效率相对较低且能源储量丰富的“净溢出”板块和“经纪人”板块，在保障全国能源有效供给的前提下，要制定更为严格的节能措施以加强对能源的控制和管理，积极引人“双向溢出”板块和“净受益”板块先进的能源技术和能源管理手段以降低其能源强度。（4）充分发挥能源消费空间关联的整体网络结构和个体网络结构对于降低能源强度和提升能源消费空间公平性的积极作用。一是积极探寻促进能源消费空间关联的有效途径，增加省际能源消费空间关联网络的链接数量，为能源跨区域调配创造更多“管道”。二是要减少省际之间能源流动的壁垒，使一些省份由过去单向链接导致的从属地位向双向链接的平等地位转变，提高处于从属地位省份的话语权，不断缩小能源消费空间关联网络中各省份之间在经济、技术、人才等方面的差距，进