基于城乡视角的居民能源消费影响因素研究*

奥鹏网院作业

基于城乡视角的居民能源消费影响因素研究*
魏 楚 沈子玥
[提 要] 2002—2016年，伴随着2.91亿农村人口的城镇化，中国居民能源消费量增长了190%。在这一背景下，准确识别城乡居民能源消费模式差异及影响因素显得至关重要。本文基于城乡视角，重新界定居民能源消费，涵盖了建筑用能和交通用能两部分；同时在模型中创新性地引入了财富效应和强度效应，结合结构效应、城镇化效应和人口效应进行定量研究。利用对数平均迪氏分解法，基于我国2002—2012年城镇、农村居民数据，本文考察了不同驱动因素对城镇和农村能源消费的异质性影响。结果表明，建筑能耗强度和住房面积的增长是驱动居民能源消费增长的主要因素，机动车数量的增加也对城镇居民能源消费有明显的正向作用。由于较高的增长率，农村建筑能耗强度和人均住房面积增加对能耗增量的贡献已经逐渐超过城市。此外，分解结果表明，城镇化对居民能源消费的正向效应在逐年递减。这为“城镇化导致居民能源消费增加”提供了间接反证。
[关键词] 城乡视角；居民能源消费；影响因素；LMDI分解
一、背景
中国正处于历史最大规模的城镇化进程中。根据国家统计局数据，2002—2016年，有2.91亿农村人口迁移到城镇或就地转换为城镇居民。由联合国开发计划署和中国社科院共同撰写的《2013中国人类发展报告》预测，到2030年将有超过10亿人口居住在城镇。(1)http://www.cn.undp.org/content/c ... lopment-report-2013。伴随着这一快速的人口转移，城乡居民原有的生产生活方式、建筑密度、家庭人口结构、收入来源、消费水平等都发生了显著变化。在这一历史背景下，根据《中国能源统计年鉴》数据，2002—2016年居民能源消费增长了3.56亿吨标煤，年均增速达到8%。居民部门成为仅次于工业的第二大能源消费部门。然而，从跨国横向比较来看，中国居民的能源消费量低于世界平均水平，仅为美国的三分之一、英国的二分之一(郑新业等，2016)。由此可见，在可预见的未来，伴随着持续的城镇化进程和居民收入的增长，我国居民能源消费仍然有很大的增长空间。对于中国这一人口、经济体量巨大，不断通过探索—试错方式来完善体制的转型国家而言，从城乡视角来观察和理解这一时期居民能源消费的历史进程与特征，具有重大的现实价值和理论意义。首先，准确识别和把握居民能源消费模式及背后的驱动因素，可以为合理规划中长期城镇能源基础设施建设、能源投资等公共政策提供科学依据。更重要的是，以中国这样一个动态、鲜活的真实案例来剖析城镇化背景下的居民能源消费模式变革及特征规律，能够佐证和补充现有的经济发展和转型理论，为其他处于城镇化初期或进程中的众多转型国家提供真实的中国样本、中国经验和中国参照系。
尽管这一现实问题具有重要的政策与理论价值，但对城乡居民能源消费差异及影响因素的研究却存在两种截然不同的观点。一种观点认为城镇化提升了居民的生活水平，各类耐用品的增加将引致居民能源需求增长(Parikh & Shukla，1995)；另一种观点则认为，城市更为紧凑的住宅和道路交通将产生规模经济效应，进而会减少人均能源消费(Capello & Camagni, 2000)。此外，还有一种观点认为，城镇化的不同发展阶段对居民能源消费的影响具有异质性，长期中城镇化水平和居民能源消费的关系会呈现倒U型(Mol, 2006)。要想准确回答这一问题，首先需要识别出存在哪些机制和影响因素在驱动着城镇和农村居民的能源消费，并且进一步量化出不同因素的影响方向及强度。
本文即是对上述问题的探索。有别于此前的研究文献，本文将城乡的对比贯穿始终，并且创新性地界定了居民用能，涵盖了建筑用能、交通用能两部分，将居民能源消费变动分解为强度效应、财富效应、结构效应、城镇化效应和人口效应。基于2002—2012年城镇、农村居民能源消费数据，本文应用对数平均迪氏分解法对不同驱动因素的影响方向、效应大小等进行了定量考察，识别出主要的影响机制，并对城镇和农村的分解结果进行对比和讨论，以此探索城镇化将会给居民能源消费带来哪些影响。本文余下结构安排如下：第二部分基于文献简要回顾相关研究进展，并进行评述；第三部分介绍分解方法和数据；第四部分基于结果进行讨论；最后是结论与政策建议。
二、文献综述
居民能源消费按照终端用途，可以划分为炊事、电器及照明、供暖、制冷、热水、交通六类(郑新业等，2015)。其中，前五种终端用能需求活动属于建筑用能范畴，最后的交通用能需求活动属于交通用能范畴。国外的能源统计体系一般对这两部分进行了区分，将建筑能耗纳入居民部门统计，将居民交通能耗和其他交通能耗统一纳入交通能源统计。但在我国的能源平衡表中，行业分类使用的是“工厂法”而非按照产业活动进行分类。其中，“交通运输、仓储和邮政业”部门统计的是交通部门运营车辆的能源消费，而其他行业和居民私人车辆用油没有统计在内(王庆一, 2007)。也就是说，无法直接从交通部门分类下找到与居民交通出行相关的能源消耗统计数据，而只能在“生活消费”分类下，将汽油和柴油消费假定全部用于居民私人车辆用油，并进一步假定：居民“生活消费”的能源扣除用于交通运输的汽油和柴油，余下部分即建筑能源消费量。
受限于上述数据可得性，大部分研究对这两个部门进行模糊处理，也就是只从整体上考察居民部门的用能状况，而不去考虑内在的建筑和交通用能上的差别。很显然，不区分内在的结构差异，将无法精准识别出具体的驱动因素来源，从而影响后续研究结果和政策建议的可靠性。为此，一些学者采用微观入户调查数据，单独对居民的建筑能源消费进行考察。如2012年一项针对1 450户城乡居民的入户调查发现取暖、做饭和烧水为耗能前三位的居住活动(Zheng et al., 2014)。Lin & Liu(2015)的研究表明居民生活方式、生活水平和能源价格对建筑能耗有显著影响。2015年针对4 964户城市居民的线上调查结果显示，家庭规模变小以及住房面积增加使得家庭能源总消费上升。持续的城镇化将会使我国家庭能源消费不断增加(Hu et al., 2017)。此外，还有少数研究单独考察了居民的交通能源消费。例如Lin & Du(2017)考察了居民的交通能源消费。其研究结果发现，城市轨道交通建设能减少5.5%的汽车能源消费和6.6%的人均汽车能源消费。
除了在研究对象范畴界定上的差别，已有文献在定量研究方法上也有差异，主要可以分为两大类。
第一类是采用计量回归方法的研究。其中最主要的做法是将能源消费量作为被解释变量，设定一个包含人口、财富和技术自变量的STIRPAT模型，并对该模型进行计量回归分析。这种方法的优点在于：可以基于STIRPAT模型来控制其他感兴趣的解释变量，比如城镇化率、人均收入以及工业化率等。但是具体在应用上，由于存在解释变量选择、数据特征、回归方法等因素的差异，不同研究之间的结论不完全可比。如Ji & Chen(2017)运用中国29个省份1998—2010年的面板数据，通过回归分析发现城镇化率对能源消费具有正向作用，其影响大小在城镇化的不同阶段具有异质性，总体上呈现倒U型，居民收入水平越高城镇化率的能源节约效应就越强。Elliot et al.(2017)同样运用1995—2012年中国30个省份能源消费数据来研究能源强度的影响因素，发现城镇化率对能源强度的直接影响为正，人均收入对能源强度的影响也十分显著。近年来随着研究的深入和新数据源的出现，一些学者开始在传统解释变量的基础上引入新的变量来进行解释。如Lin & Ouyang(2014)的研究发现，建筑面积和能源价格对能源消费有显著影响，并提出到2020年建筑能耗将占到居民能源消费的三分之一。Sun et al.(2014)运用家庭调查数据研究阶梯电价政策、是否使用太阳能以及是否拥有机动车等因素对家庭能源消费的影响。
第二类则是采用数量分解方法的研究，也即是将能源消费量或其他能源相关指标进行分解。相较于计量回归方法而言，数量分解方法可以更为精准地计算出每种影响因素的贡献大小。其中又包含两种具体的分解方法：一是基于投入产出分析的结构分解法(SDA)，其主要特点是能够体现各个行业部门能源以及其他要素和产品之间投入和产出的依存关系，进而从全生命周期的角度反映居民能源消费。文献中往往采用该方法来考察建筑、饮食、服装等部门的间接能源消费，如Li et al.(2015)使用该方法，发现中国城镇居民的间接能源消费高于农村居民，而由于分散、低效的取暖方式，农村居民的直接能源消费高于城镇居民。Ding et al.(2017)通过消费者生活方式分析和投入产出法研究中国居民能源消费，发现居住、食物、交通、服饰是消耗能源最大的四个部门。SDA方法的缺陷在于高度依赖投入产出系数，可能造成研究结果的失真。而对数平均迪氏指数分解法(logarithmic mean divisia index，LMDI)则不存在这一问题，并且能够对居民能源消费背后不同维度的驱动因素进行分析，因此在研究中被广泛使用。如Zhao et al.(2012)通过对居民终端能源消费的分解发现能源消费支出中向汽车、空调等能源密集型产品的倾斜是能源消费增长的重要驱动因素。Zha et al.(2010)运用LMDI分解研究中国城乡居民二氧化碳排放影响因素，发现居民人均收入效应对增加居民碳排放起到的作用最大。Nie et al.(2018)通过使用LMDI方法将居民能源消费分解为气候变化、能源价格、能源结构、能源支出、人均收入等效应，发现异常天气增加和人均年收入上涨对城乡居民能源消费增长均有正向作用，能源价格效应则对居民能源消费增长具有负向作用。
总的来说，以往研究在研究对象界定上，往往将居民部门作为整体进行分析，或是仅关注城镇或农村居民，忽视了城乡之间的差异；在数据层面上，往往基于居民部门能源消费进行研究，忽视了在建筑和交通领域的能源消费；在影响因素的识别上，往往依赖于人均收入、城镇化率等解释因素，忽视了能源耐用品和城镇化进程等因素的影响。本文致力于对上述研究不足进行改进，首先厘清了居民能源消费应涵盖建筑、交通两部分，在传统的影响因素(人口效应、城镇化效应、能源结构效应)基础上，创新性地在分解模型中引入新的解释因素——财富效应、强度效应，以城镇、农村的对比贯穿始终，识别和量化城镇化背景下居民能源消费影响因素的贡献和差别。
三、方法与数据
本文采用对数平均迪氏指数分解法(LMDI)来进行研究。该方法在能源经济学、环境经济学文献中被广泛采用。其主要优点是分解时不产生余项，结果便于解释(Ang, 2005)。 LMDI方法又可以进一步分为LMDI-Ⅰ法和LMDI-Ⅱ法。两种方法的主要区别在于分解时运用的公式不同，但是给出的结果十分相似。 LMDI-Ⅰ法的形式更为简单易用，因此更受到欢迎。两种方法都分为加法和乘法形式。其中加法形式较适用于数量值的分解，乘法形式较适用于强度值的分解，但两种形式的结果可以相互转换(Ang, 2015)。因此理论上选用任何加法或乘法形式都是可以的。由于本文研究的能源消费量属于数量型而非强度型，故选用LMDI-Ⅰ法的加法形式。
如上所述，本文研究的居民能源消费划分为城镇和农村地区，范畴涵盖居民建筑能源消费和交通能源消费两部分。为简化起见，本文用符号E表示居民能源总消费量，用E1表示建筑用能源品，用E2表示交通用能源品，下标u表示城镇和农村(u=1，2)，下标i表示不同的能源种类，按照能源品的不同用途，可以进一步划分为居民建筑用能源品(煤、除汽油和柴油外的油品、天然气、电力、热力和其他能源，i=1,2,3,4,5,6)和居民交通用能源品(汽油和柴油，i=7，8)两部分。由于LMDI分解具有加法一致性，因此可以将居民能源总消费表示为如下等式：

(1)
式中，式(1)右边第一部分表示建筑能耗；式(1)右边第二部分表示交通能耗；Eu,i表示城镇或农村居民消耗的第i种能源量；Eu表示城镇或农村居民消耗的能源量；Su表示城镇或农村居民住房面积；Vu表示城镇或农村居民拥有的机动车数量；Pu表示城镇或农村人口数量；P表示总人口规模。
式(1)可以进一步定义为：

(2)
对式(2)进行全微分，可以得到：
ΔE=



=



=ΔFuel+ΔIntensity+ΔWealth
+ΔUrban+ΔPop
(3)
式(3)中变量上标1和2分别代表建筑部门和交通部门，模型中包括了以下几类影响因子，其构成和含义如下：
(1)财富效应(ΔWealth)。本文有别于此前文献，并没有引入传统的诸如居民收入效应，而改之以财富效应替代。其内在逻辑在于，能源消费对于居民是一种“引致需求”(保罗·萨缪尔森和威廉·诺德豪斯, 2004)。居民对“能源”这一要素的需求是出于使用其他耐用品的需要而产生，也即是说，只有在消费相应耐用品的前提下，才可能产生能源消耗的“流量”(Wolfram et al., 2012)。因此从这个角度，居民财富更能体现出家庭所拥有的实物资本和耐用品状况，相较于居民收入这一“流量”变量，能够更好地刻画出资本品、耐用品同能源消费之间的内在关系。
本文定义了两种居民财富效应。一是以人均住宅面积表征的建筑财富效应刻画的是建筑物面积变动带来的能源消费贡献。其背后的逻辑是，住房面积的增加往往伴随着取暖、制冷、炊事以及对其他家用电器需求的增加。图1和图2描述了城镇和农村居民人均住房面积与主要家用电器户均拥有量之间的关系。可以看出，人均住房面积这个指标能够较好地表征居民的财富水平和耐用品存量水平。

图1 城镇人均住房面积与每百户主要电器拥有量

图2 农村人均住房面积与每百户主要电器拥有量
另一个则是以人均机动车拥有量为表征的交通财富效应测度的是由于居民机动车数量的变动带来的交通能耗的影响。因此，财富效应ΔWealth刻画的是：由于居民拥有的财富和耐用品数量(人均住房面积和人均机动车数量)的变动所带来的对能源消费总量的贡献。
(2)能源结构效应(ΔFuel)。其包括两部分，一是建筑能源结构效应体现了城镇或农村居民第i种能源(煤、除汽油和柴油之外的油品、天然气、电力、热力以及其他能源)消费占比对建筑能源消费变动的影响。另一个组成部分是交通能源结构效应体现的是居民用于交通的能源(汽油和柴油)在交通能耗中的比例变化对交通能源消费变化的作用。因此能源结构效应ΔFuel可以解释为：居民在满足建筑(炊事、电器及照明、供暖、制冷、热水)和交通用能需求时，由于消费的能源结构变动所带来的对能源消费总量的影响。
(3)能源强度效应(ΔIntensity)。其包括两个来源：建筑能源强度测度了单位住宅面积能耗变化对建筑能耗的贡献；对于交通部门而言，其能源强度效应体现的是城镇或农村居民平均每辆机动车的交通油耗变动对交通能源消费的影响。因此能源强度效应ΔIntensity可以解释为：由于技术进步或其他因素，居民财富及耐用品所消耗的能源强度变动所带来的对能源消费总量的影响。
(4)城镇化效应(ΔUrban)。其测度了城镇和农村居民占总人口比例的变化对居民能源消费的影响。同样地，它包括城镇化率的变动对建筑能源消费的贡献(ΔUrban1)和对交通能源消费变动的影响(ΔUrban2)两个部分。
(5)人口效应(ΔPop)。它反映的是总人口随时间变动所带来的居民能源消费改变。
上述五种效应可通过下式计算：





(4)
式中，w定义为从t-1期到t期能源消费量的对数平均数，即：

(5)
本文研究阶段为2002—2012年，居民能源消费数据来自《中国能源统计年鉴》中全国能源平衡表的居民终端能源消费，数据单位为万吨标煤。能源平衡表中将居民终端能源消费按照原煤等能源品种分为六大类，分别为煤、油、天然气、电力、热力和其他能源。农村居民采用的柴、沼气等生物质能由于没有统计数据故通常不考虑。由于2002—2003年的农村天然气消费数据未统计，故本文基于余下数据齐全年份的农村居民能源消费数据进行线性预测，以补全缺失数据。城镇和农村人均住宅面积数据来自《中国社会统计年鉴》。户均耐用品、机动车拥有量数据来自《中国住户调查年鉴》。考虑到摩托车和汽车油耗不同，本文根据相应统计信息和参数，将汽车与摩托车油耗比例按3∶1来对摩托车数量进行了折算。家庭户规模和城镇、农村人口数据来自《中国统计年鉴》。另外，由于城乡居民耐用品拥有量的统计口径在2012年之后发生了显著变化，为了保证数据序列的一致性，本文采用了2002—2012年的户均机动车拥有量数据，相应地其他变量也采用了这一时期的数据。
表1列出了分城乡的主要变量描述性统计。
表1 主要变量描述性统计(2002—2012年)

四、结果分析
为了把握居民能源消费的总体特征和规律，本文首先对2002—2012年间的主要影响因素进行考察，并进一步地聚焦于不同驱动因子的时间动态效应，以识别出背后的传导机制和演化特征。
(一)总体分解结果
首先来考察2002—2012年这一时期的总体变化和各影响因素的总效应。在这一时期，居民终端能源消费增加了1.67亿吨标准煤。按照式(3)～式(5)，将这一能源按城镇、农村分别分解为五种不同效应，结果见图3所示。

图3 2002—2012年居民能源消费分解结果
可以看出，这一时期内，驱动居民能源消费增长的最主要动力来自居民的财富效应，也就是由于经济水平的改善带来了更大的住房面积和更多包括机动车在内的耗能耐用品，由此通过建筑能耗和交通能耗两方面刺激了能源消费的增加。从数量来看，居民财富效应贡献了8 658万吨标准煤，占这一时期居民能源消费增量的52%，其中城镇居民财富效应贡献了4 966万吨标准煤，农村居民财富变动带来的能源增量为3 692万吨标准煤。
第二大影响因素是能源强度效应。可以看出，在这一时期内，由于建筑物、耐用品、交通工具等耗能资本品的单位能源消费强度变动，导致了居民能源消费量增加了5 826万吨标准煤，对同期居民能源消费总量的贡献为35%。其中，农村居民的能源强度效应贡献值高达5 000万吨标准煤，显著高于城镇居民的能源强度效应(826万吨标准煤)，也高于城镇居民的财富效应。
人口效应成为影响居民能源消费的第三大因素。它测度的是人口绝对数量变动带来的居民能源消费影响。图3揭示出，在2002—2012年间，城镇人口变动带来了624万吨标准煤的增加，农村人口变动导致了505万吨标准煤的增加，两者合计为1 129万吨标准煤，对同期居民能源消费总量变动的贡献为6.7%。
城镇化效应从规模上看略低于人口效应。由于在样本期内人口持续从农村流向城镇，因此城镇地区随着人口的不断增加而推高了居民能源消费量，其贡献为3 509万吨标准煤。与之相反，农村地区由于人口的不断流出，带来了居民能源消费的减少，因此其贡献为-2 455万吨标准煤，但绝对值仍小于城镇地区效应值。两者累计的效应为1 054万吨标准煤，占居民能源增量的6.3%，表明这一时期内由于城镇化带来的人口流动，城镇、农村居民的能源消费量出现了此消彼长趋势，但总量上仍有所增加。
相较而言，能源结构效应的贡献很低。其中，城镇居民在建筑、交通活动中能源消费品种的变动带来的能源增量为5万吨标准煤，农村居民的能源结构效应仅贡献1万吨标准煤，两者合计的贡献率不到1%。
(二)居民财富效应
从上述分析可知，2002—2012年间，居民财富效应是推动居民能源消费增长的最重要的因素。为了进一步了解财富效应内在的构成、来源与动态特征，笔者对这一时期的城镇和农村居民财富效应进行了逐年分解，并按照建筑、交通进行了区分，如图4和图5。对比图4和图5可以看出以下特征：
首先，总体来看建筑面积的影响要高于交通耐用品的影响，这说明主要是由人均建筑面积的变动带来居民能源需求增长，而人均机动车变动带来的贡献相对较小。值得注意的是，2010年开始城镇居民人均机动车数量增长的贡献开始显著超过住宅面积增加带来的影响。
其次，从建筑面积变动的贡献来看，农村效应略高于城镇。在样本考察期内，农村住房面积变动所带来的能源消费绝对增量(3 091万吨标准煤)高于城镇住房面积变动的绝对贡献(2 939万吨标准煤)，并且农村对建筑能耗的贡献从2008年开始超过城市。2002—2003年农村的贡献约为城镇的78%，2010—2011年农村的贡献是城镇的145%，到了2011—2012年农村的贡献达到城镇的3倍多。

图4 城镇居民财富效应

图5 农村居民财富效应
如果相应地观察城乡人均住房面积的变动情况，如图6所示，可以发现2002—2012年，我国农村人均住房面积一直略高于城镇，其增速也从2008年开始超过城镇，而这也是农村建筑面积变动的贡献开始超过城镇的年份。此外，需要注意的是，农村的人均住宅面积相比2002年增长了40%，这一时期农村住宅面积总规模的增长为14.91%，因此农村人均住房面积的上升很大一部分原因不在于住宅规模的增加，而在于农村人口在此期间的持续外流。

图6 2002—2012年城镇和农村人均住房面积与增长率
此外，从交通耐用品变动的贡献来看，城镇效应要高于农村。2002—2012年，由于人均机动车数量的变化带来的居民能源消费增量为2 628万吨标准煤，其中城镇贡献了2 027万吨标煤，远高于农村的贡献量(600.59万吨标准煤)。在研究期内，农村的贡献基本维持在城镇的30%左右。
(三)能源强度效应
能源强度效应也是影响居民能源消费的重要因素。同样地，图7和图8分别对城镇和农村居民的能源强度效应进行了逐年分解，并按照建筑、交通进行了区分。对比图7和图8，可以发现以下特征：
第一，建筑能源强度效应的影响要高于交通能源强度效应。对城镇和农村居民而言，除了2010—2011年以外，其他年份中都能发现：居民单位建筑面积的能源消耗强度变动带来的影响要显著高于居民交通工具能源消耗强度的效应值。
第二，农村的建筑能源强度效应高于城镇。建筑能源强度效应反映的是每平方米建筑面积上能源消耗量的变化对总消费量变动的贡献。2002—2012年，建筑能源强度效应贡献了5 685万吨标准煤，其中城镇建筑能源强度效应贡献了1 233万吨标准煤，占能源总增量的7.4%；而农村建筑能源强度效应贡献了4 453万吨标准煤，相对贡献率为26.7%，尤其是2002—2004年、2009—2010年间的贡献较大。值得注意的是，几乎所有年份中城镇的建筑能源强度效应都低于农村，在2006—2009年间，城镇建筑能耗对能源消费量的贡献为负。

图7 城镇能源强度效应

图8 农村能源强度效应
如果观察城乡建筑单位能耗的情况(如图9所示)，将会发现2002—2012年，城镇单位建筑能耗总体上在波动中略有增长，农村单位建筑能耗情况则一直保持增长，并且增速始终高于城市。此外，农村建筑能耗在2002—2004年、2009—2012年间贡献较高，根据《中国住户调查年鉴》数据可以发现，相应时段某些高能耗家用电器出现了显著增长。如图10所示，电冰箱、空调以及彩色电视机户均拥有量增长率与人均住房面积的增长率变动具有一定的一致性，但在2002—2005年以及2009—2011年期间空调和电冰箱的增长明显高于住房面积。

图9 建筑能耗与增长率

图10 农村人均住房面积与户均电器增长率
交通能源强度效应反映了平均每辆机动车能源消耗变动对能源消费总量增长的贡献。2002—2012年间交通能源强度效应贡献了141万吨标准煤，其中城镇贡献为 -407万吨标准煤，农村贡献为547万吨标准煤。在2005年之前，城镇交通能耗强度效应贡献高于农村。从2005年开始，城镇的贡献逐渐降低甚至经常出现负值，而农村交通能耗强度效应则超过城镇，成为助推居民能源增长的因素之一。
(四)能源结构效应
结构变动效应在能源消费总量变化中贡献比例不到0.1%，几乎可以忽略不计。但从图11和图12分解的城乡居民能源结构效应中，可以发现居民能源消费品种变动呈现出较为复杂的变化趋势。

图11 城镇能源结构效应

图12 农村能源结构效应
首先从整体规模和占比来看，建筑能源结构效应的绝对值要显著高于交通能源结构效应水平。
其次，从建筑能源结构效应看，城乡居民在生活用能中，逐渐减少了煤炭消费，从而对居民能源消费总量起到了显著的负向作用。同时，城市居民用于非交通需求的油品(主要是煤油和液化石油气)在能源消费中的占比下降，也具有减少居民能源消费的效果。而农村居民的油品结构变动对能源消费量的作用则不如城市显著。天然气在城镇居民建筑能耗中占比的快速上升对能源消费增加起到了显著的促进作用。相比较而言，天然气在农村发展缓慢，只占到总能源消费很小的一部分，因此天然气消费结构的变动对总能源消费量的影响微小。热力供应仅适用于北方城镇居民，其在总消费量中占比相对较为稳定，且总体上推动了居民用能量的增长。电力在城乡居民所有能耗中的比重增长相对较快，对能源消费的增长起到了正向推动作用。城镇方面煤和油品消费量的减少主要由天然气和电力消费的增加来替代，而农村由于天然气发展缓慢，主要由电力来替代减少的其他能源消费。
此外，从交通能源结构效应来看，虽然汽油、柴油两种能源品消费量的增减变化对居民交通能源消费总量没有产生太多明显的影响，但交通能耗内部各能源品种的比例也能反映出居民交通能源消费种类变化趋势。可以发现，城镇和农村的变化情况基本相同，交通能耗基本表现为汽油对柴油消费的替代。
(五)城镇化效应
图13描述了城镇化效应的年度分解，其中图13左纵轴表示城镇、农村人口占比变动对居民能源消费量绝对影响，图13右纵轴表示城镇、农村效应绝对值的比值。图13揭示出以下两个特征：

图13 城镇化效应
首先，城镇人口比重增加带来的能源增量要高于农村人口流出所带来的能源减少量。这意味着随着城镇化进程的深入，农村人口迁入城镇或转变为城镇居民，将会增加居民能源消费量。
其次，城镇化效应呈现出非线性、递减趋势。这意味着尽管在样本考察期内，城镇化带来了居民能源消费量增长，但这种效应并不是固定不变的，而是随时间出现了急剧下降走势。比如在2002—2003年，由于人口城镇化导致增加了109万吨标准煤的能源消费，其中城镇人口比重增加带来的增量为272万吨标准煤，是农村人口比重减少带来的能源变化量(163万吨标准煤)的1.67倍。2011—2012年，城镇化效应净增66万吨标准煤的居民能源消费量，其中城镇增长410万吨标准煤，是农村人口减少带来的能源减少量(344万吨标准煤)的1.19倍。这一发现间接地佐证了我国的城镇化正朝着集约、高效模式发展，城镇化带来的规模效应正在逐步显现。过去对中国居民能源消费影响因素的回归分析往往得出城镇化率对能耗增加具有正向作用的结论。然而本文的结果表明，此前的研究可能只看到了城镇人口占比增长和能源消费总量的同步增长，简单地将城镇化与居民能源消费视为线性关系，而忽视了内在更复杂的趋势，也不能代表城镇化这一复杂过程中各个部门的真正作用(魏楚, 2017)。如果更新的统计数据支持的话，可能会揭示出未来的城镇化不一定会增加居民能源消费。由于农村人口迁出带来的能源减少量将进一步抵消甚至超过城镇人口增长带来的能源增量，因此城镇化将在加总层面上能够减少居民能源消费。
(六)人口效应
图14描述了人口效应的逐年分解，也即是反映总人口规模的增长带来的能源消费增加。可以看出，人口规模的变动对能源消费的影响较为平稳且持续增加，每年基本稳定在86万吨～144万吨标准煤的水平。由于我国人口总体规模在可预见的未来呈现出较为稳定的走势，因此可以预期，未来人口绝对规模的变动对居民能源消费总量的贡献相对较小。

图14 人口效应
五、主要发现
本文旨在识别和考察城乡视角下我国居民能源消费的影响因素。为此，本文对居民能源消费概念的范畴进行了重新界定，涵盖居民建筑能源消费和居民交通能源消费两部分，同时引入了居民财富效应和强度效应两个新的解释因素，基于对数平均迪氏分解法和2002—2012年数据，定量研究了不同驱动因素对城镇和农村居民能源消费的异质性影响。
本文有以下主要发现：(1)居民财富效应对居民能源消费的贡献最大，建筑面积增长的贡献高于交通耐用品。从城乡对比的角度来看，农村居民人均住房面积增长的贡献逐渐超过了城镇居民。这背后的现实原因是城镇化过程中农村人口持续流失造成农村住宅变得更加“空旷”。此外，城镇居民交通耐用品数量增加对能源消费的贡献超过了其住宅面积增加的影响。(2)对于贡献第二大的因素强度效应，建筑能耗强度的贡献显著高于交通能耗强度，农村居民在这两项上的贡献均大于城镇居民。研究期内城镇居民在强度效应方面对交通能耗的贡献为负。某些年份在建筑能耗方面也表现出负向作用，而农村居民在建筑方面的贡献普遍每年比城镇高出数百万吨标准煤。(3)城镇人口增长带来的能源增量大于农村人口迁出带来的能源减少量，然而差距在逐渐减小。虽然总体上城镇化率的增加依然促进了居民能源消费增长，但是城镇化带来的能耗规模效应正在逐步显现。此前的研究简单地将城镇化与居民能源消费视为线性关系，而忽视了内在更复杂的趋势。
基于以上结论，本文谨慎提出如下三点政策建议：第一，人口流失造成的农村人均住房面积快速增加是城镇化进程中一个值得注意的问题。在不影响居民生活水平的前提下，合理控制农村居民新建房屋的建筑面积，避免因部分农村居民的“攀比”心理造成农村住宅的无序增长。第二，提高建筑暖通功能，尤其是针对农村建筑进行适当改造。农村地区建筑保暖性较差，采暖方式相对低效，改善建筑保温功能是当务之急。此举既能节约能源，也能提高居民生活舒适度，减少燃烧劣质能源的污染。此外，随着居民收入水平提高，空调拥有量快速提升，大量使用空调而忽视建筑的自然通风将造成建筑能耗大幅增加，对此应该提倡充分发挥建筑自身的通风功能，节省制冷耗能。第三，积极建设公共交通设施，控制城镇居民私家车增长。城镇居民私家车数量的增加对交通能耗增长起到了重要的作用，因此积极推进公共交通工具的合理建设，减少私家车增长，倡导绿色出行方式对于节能减排具有重要意义。
参考文献
[美] 保罗·萨缪尔森、威廉·诺德豪斯，2004:《经济学》(萧琛等译), 北京：人民邮电出版社。
王庆一，2007:《中国建筑能耗统计和计算研究》,《节能与环保》第8期。
魏楚，2017: 《城镇化会增加居民能源需求吗——基于事实与文献的述评》,《经济理论与经济管理》第1期。
郑新业等，2015:《中国家庭能源消费研究报告》, 北京：科学出版社。
郑新业等，2016:《中国家庭能源消费研究报告》, 北京：科学出版社。
Ang, B.W., 2005, “The LMDI Approach to Decomposition Analysis: A Practical Guide”, Energy Policy, 33(7): 867-871.
Ang, B.W., 2015, “LMDI Decomposition Approach: A Guide for Implementation”, Energy Policy, 86: 233-238.
Capello, R., and R.Camagni, 2000, “Beyond Optimal City Size: An Evaluation of Alternative Urban Growth Patterns”, Urban Studies, 37(9): 1479-1496.
Ding, Q., W.Cai, and C.Wang, 2017, “Impact of Household Consumption Activities on Energy Consumption in China——Evidence from the Lifestyle Perspective and Input-output Analysis”, Energy Procedia, 105: 3384-3390.
Elliott, R.J.R., P.Sun, and T.Zhu, 2017, “The Direct and Indirect Effect of Urbanization on Energy Intensity: A Pro-vince-level Study for China”, Energy, 123: 677-692.
Hu, S., D.Yan, S.Guo, et al., 2017, “A Survey on Energy Consumption and Energy Usage Behavior of Households and Residential Building in Urban China”, Energy and Buildings, 148: 366-378.
Ji, X., and B.Chen, 2017, “Assessing the Energy-saving Effect of Urbanization in China Based on Stochastic Impacts by Regression on Population, Affluence and Technology (Stirpat) Model”, Journal of Cleaner Production, 24(2): 306-314.
Li, Y., R.Zhao, T.Liu, et al. , 2015, “Does Urbanization Lead to More Direct and Indirect Household Carbon Dioxide Emissions? Evidence from China During 1996-2012”, Journal of Cleaner Production, 102: 103-114.
Lin, B., and Z.Du, 2017, “Can Urban Rail Transit Curb Automobile Energy Consumption?”, Energy Policy,105: 120-127.
Lin, B., and H.Liu, 2015, “China’s Building Energy Efficiency and Urbanization”, Energy and Buildings, 86: 356-365.
Lin, B., and X.Ouyang, 2014, “Energy Demand in China: Comparison of Characteristics between the US and China in Rapid Urbanization Stage”, Energy Conversion and Management, 79: 128-139.
Mol, A.P., 2006, “Environment and Modernity in Transitional China: Frontiers of Ecological Modernization”, Development and Change, 37(1): 29-56.
Nie, H., R.Kemp, J.Xu, et al. , 2018, “Drivers of Urban and Rural Residential Energy Consumption in China from the Perspectives of Climate and Economic Effects”, Journal of Cleaner Production,172: 2954-2963.
Parikh, J., and V.Shukla, 1995, “Urbanization, Energy Use and Greenhouse Effects in Economic Development: Results from a Cross-national Study of Developing Countries”, Global Environmental Change, 5(2): 87-103.
Sun, C., X.Ouyang, H.Cai, et al. , 2014, “Household Pathway Selection of Energy Consumption During Urbanization Process in China”, Energy Conversion and Management, 84: 295-304.
Wolfram, C., O.Shelef, and P.Gertler, 2012, “How Will Energy Demand Develop in the Developing World?”, Journal of Economic Perspectives, 26(1): 119-138.
Zha, D., D.Zhou, and Z.Peng, 2010, “Driving Forces of Residential CO2 Emissions in Urban and Rural China: An Index Decomposition Analysis”, Energy Policy, 38(7): 3377-3383.
Zhao, X., N.Li, and C.Ma, 2012, “Residential Energy Consumption in Urban China: A Decomposition Analysis”, Energy Policy, 41: 644-653.
Zheng, X., C.Wei, P.Qin, et al. , 2014, “Characteristics of Residential Energy Consumption in China: Findings from a Household Survey”, Energy Policy, 75: 126-135.
DETERMINANTS OF RESIDENTIAL ENERGY CONSUMPTION: A URBAN-RURAL COMPARISON
WEI Chu SHEN Zi-yue
(School of Applied Economics, Renmin University of China)
Abstract: From 2002 to 2016, with more than 291 million rural population being transformed as urban residence, the residential energy consumption increase 190% during this period. Accurately identifying and examining the major driving forces behind this quick growth of energy demand is essential to understand the evolution of energy demand pattern. Different from existing literature, the present study first clarifies the concept of residential energy consumption by covering both building and transportation energy consumption. More importantly, it introduces two new variables in the decomposition model, namely the wealth effect which represents the change of durable goods and the intensity effect which describes the energy intensity of durable goods. The Logarithmic Mean Divisia Index (LMDI) approach is applied with the national data during 2002 to 2012. Our results show that the wealth effect and energy intensity effect are major engines to drive the residential energy growth. Moreover, our findings offer evidence against the general argument that “urbanization will increase residential consumption”.
Key words: urban-rural comparison; residential energy consumption; determinants; Logarithmic Mean Divisia Index
*魏楚、沈子玥，中国人民大学应用经济学院，邮政编码：100872，电子信箱：xiaochu@ruc.edu.cn。本文得到国家自科基金项目“居民能源需求管理”(71622014)、“城镇化与居民能源需求”(41771564)、教育部人文社科基金项目“城镇化对家庭能源消费的影响”(16YJA790049)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑:张雨潇)