中國省際能源強(qiáng)度的分布動態(tài)演進(jìn)及其成因

1、中國省際能源強(qiáng)度的分布動態(tài)演進(jìn)及其成因吳建新+賀佳瑤+錢晶晶摘要采用加權(quán)的分布動態(tài)方法研究了19862021年中國30個省區(qū)能源強(qiáng)度的分布動態(tài)及其收斂性，并采用條件分布分析方法分析了空間區(qū)位、資本密集度和收入水平等對省區(qū)能源強(qiáng)度分布的影響。研究發(fā)現(xiàn)，整體上中國省區(qū)能源強(qiáng)度的變異系數(shù)存在增大的趨勢，即趨向發(fā)散。就穩(wěn)態(tài)分布來看，在19862021年期間，中國省區(qū)能源強(qiáng)度由單峰分布趨向非對稱的二元俱樂部收斂，由于受2021年之后節(jié)能減排政策的影響，在20212021年期間趨向三元俱樂部收斂。經(jīng)濟(jì)和人口規(guī)模對省區(qū)能源強(qiáng)度的分布有重要影響，且其影響隨時間的推進(jìn)更加顯著，忽略經(jīng)濟(jì)和人口規(guī)模的影響會導(dǎo)致對中

2、國省區(qū)能源強(qiáng)度收斂性估計的偏誤。條件分布分析說明，在19862021年期間，資本密集度對長期穩(wěn)態(tài)分布的影響最大，收入水平影響次之，空間區(qū)位因素影響最小。但在20212021年期間，資本密集度對省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布的形成具有決定作用，空間區(qū)位也有顯著的影響，但收入水平影響不明顯。這一時期的區(qū)域開展戰(zhàn)略對省區(qū)能源強(qiáng)度俱樂部的形成起到了關(guān)鍵作用。本文的結(jié)果具有重要的政策含義：省區(qū)能源強(qiáng)度發(fā)散說明促進(jìn)區(qū)域間能源利用技術(shù)的溢出可以顯著提高我國整體能源利用效率；區(qū)域開展戰(zhàn)略與節(jié)能減排政策的結(jié)合能夠更加有效地促進(jìn)省區(qū)能源強(qiáng)度的收斂；由于人口和生產(chǎn)活動流向高能源效率的省區(qū)，因此促進(jìn)要素流動有利于

3、中國省區(qū)能源效率的提高。關(guān)鍵詞能源強(qiáng)度；分布動態(tài)；加權(quán)收斂；條件分布分析中圖分類號F062.1文獻(xiàn)標(biāo)識碼A文章編號1002-2104202102-0036-12DOI：10.12062/cpre.20211007改革開放以來，中國實現(xiàn)了持續(xù)的高速經(jīng)濟(jì)增長。然而，高速經(jīng)濟(jì)增長也伴隨著能源消耗的快速增長，以制造業(yè)為主導(dǎo)的產(chǎn)業(yè)結(jié)構(gòu)和能源利用效率低下加劇了這一狀況。居高不下的能源消耗不但帶來了能源平安問題，也導(dǎo)致了嚴(yán)重的環(huán)境問題。隨著國民環(huán)保意識的提高以及對于更好生活質(zhì)量的追求，中國政府開始致力于通過產(chǎn)業(yè)轉(zhuǎn)型升級來促進(jìn)經(jīng)濟(jì)和社會的可持續(xù)開展。作為世界上最大的能源消耗國和二氧化碳排放國，中國政府也面臨嚴(yán)

4、峻的國際碳減排壓力。為了實現(xiàn)經(jīng)濟(jì)社會的可持續(xù)開展，中國政府制定了許多具體的節(jié)能減排目標(biāo)，其中有些已經(jīng)成功實現(xiàn)。例如，在“十一五期間，實現(xiàn)能源強(qiáng)度下降了19.1%。在“十二五期間，中國政府承諾進(jìn)一步降低能源強(qiáng)度16%。研究能源強(qiáng)度的收斂性對于預(yù)測未來能源消耗和制定環(huán)境政策具有重要意義。首先，能源消耗是決定溫室氣體排放和許多其他污染物如二氧化硫和PM2.5等排放的關(guān)鍵因素。與環(huán)境污染物排放相比，能源強(qiáng)度與經(jīng)濟(jì)活動有著更直接的關(guān)系。以能源強(qiáng)度為根底的環(huán)境政策會更加有助于平衡經(jīng)濟(jì)增長和環(huán)境保護(hù)的關(guān)系，這對于開展中國家來說尤為重要。其次，能源強(qiáng)度的空間分布動態(tài)性與能源利用技術(shù)的擴(kuò)散緊密相關(guān)。能源強(qiáng)度的收

5、斂意味著隨著時間的推移，國家或區(qū)域之間技術(shù)差異的減??；而能源強(qiáng)度的發(fā)散說明政府和國際組織應(yīng)該通過促進(jìn)空間技術(shù)溢出來提高高能耗國家或地區(qū)的能源利用效率。第三，能源強(qiáng)度收斂的根本原理與環(huán)境庫茲涅茨曲線理論一致。因此對于能源強(qiáng)度收斂的研究有助于深化環(huán)境庫茲涅茨曲線存在性的討論。近年來國際上已經(jīng)有許多文獻(xiàn)研究國家間或地區(qū)間能源強(qiáng)度的收斂性，如Markandya、Ezcurra、Maza和Villaverde、Liddle、Herrerias、Mohammadi和Ram、Meng、Kiran、Mulder以及Duro等1-11。隨著近些年中國能源強(qiáng)度的持續(xù)下降，已經(jīng)有相當(dāng)多的文獻(xiàn)研究中國的能源強(qiáng)度問題，

6、例如Ma和Stern、Song和Zheng以及Wu等12-14。但很少有文獻(xiàn)研究中國能源強(qiáng)度的收斂性問題，僅有齊紹洲和李鍇15、馬曉鈺等16、魏巍賢和王鋒17、王春寶和陳迅18、Herrerias19、Zhang和Broadstock20等少數(shù)文獻(xiàn)涉及該問題，且都采用了傳統(tǒng)的參數(shù)收斂分析方法。中國省區(qū)之間在產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、資源稟賦和氣候等方面存在顯著差異，從而導(dǎo)致省區(qū)能源強(qiáng)度的差異。因此，研究中國省區(qū)能源強(qiáng)度的空間分布演變及其決定因素對于我國節(jié)能減排和綠色轉(zhuǎn)型具有重要的意義。與現(xiàn)有研究不同，為了分析中國能源強(qiáng)度空間分布和演進(jìn)的完整形態(tài)及其決定因素，為相關(guān)政策的制定和實施提供更加全面可靠的信

7、息，本文采用了加權(quán)的連續(xù)性分布動態(tài)方法。首先，該方法完全由數(shù)據(jù)驅(qū)動，因此能夠防止模型選擇所帶來的偏誤；其次，考慮到中國省區(qū)之間巨大的規(guī)模差距，考慮經(jīng)濟(jì)和人口規(guī)模將會更加真實地反映中國能源強(qiáng)度演變的趨勢，因此本文在分析中考慮了經(jīng)濟(jì)和人口規(guī)模對能源強(qiáng)度分布演進(jìn)的影響；此外，條件分布分析能夠為解釋中國省區(qū)能源強(qiáng)度俱樂部收斂的形成提供重要證據(jù)。1研究方法與數(shù)據(jù)說明現(xiàn)有關(guān)于經(jīng)濟(jì)收斂的分析方法主要包括三種：一是收斂方法，主要研究能源強(qiáng)度的離散度dispersion隨時間的變化。由于收斂能夠提供的動態(tài)信息很少，所以一般把收斂分析和其他方法結(jié)合起來進(jìn)行分析，如Ezcurra、Maza和Villaverde、M

8、ulder、Duro等2，3，10，11。二是參數(shù)方法，即通過參數(shù)回歸方法來研究國家或地區(qū)之間能源強(qiáng)度絕對收斂、條件收斂或隨機(jī)收斂的存在性。由于許多計量軟件都能夠比較方便地實現(xiàn)參數(shù)分析方法，因此絕大多數(shù)文獻(xiàn)都采用了這種方法。三是非參數(shù)的分布動態(tài)方法。分布動態(tài)方法的優(yōu)勢是不需要設(shè)定具體模型假設(shè)而是完全由數(shù)據(jù)驅(qū)動，且能夠提供更多演變過程及其結(jié)果信息，特別是在分析俱樂部收斂的形態(tài)和形成原因方面具有其它方法無法比較的優(yōu)勢，更重要的是該方法為實現(xiàn)加權(quán)收斂分析提高了可能。本文采用分布動態(tài)分析方法。1.1非加權(quán)分布動態(tài)分析方法如果用ftx表示能源強(qiáng)度在t時期的分布，ft+y表示能源強(qiáng)度在t+時期的分布，其中

9、>0。同時假設(shè)能源強(qiáng)度在t+時期的分布只依賴于其在t時期的分布，那么能源強(qiáng)度在t+時期的分布可以通過下面的公式來計算：endprintft+y=0gy|xftxdx1其中，條件概率密度函數(shù)gy|x表示能源強(qiáng)度從t時期到t+時期分布的轉(zhuǎn)移概率。對任意x，有0gy|xdy=1更詳細(xì)的計算過程可參考Johnson21。為了估算條件概率密度，首先需要定義聯(lián)合核密度估計量ft，t+y，x如下：ft，t+y，x=1nhxhyni=1Kxx-xihxKyy-yihy2其中，hx和hy表示x和y各自的帶寬。xi和yi是t時期和t+時期省區(qū)的能源強(qiáng)度。借鑒多數(shù)研究如Johnson等19-20的做法，本文帶

10、寬的計算采取Silverman22提出的最優(yōu)化方法。同樣地，x的邊際核密度函數(shù)可以采用下面的公式來估計：ftx=1nhxni=1Kxx-xihx3根據(jù)上面定義的聯(lián)合和邊際核密度函數(shù)，就可以采用下式來計算條件概率密度函數(shù)：gy|x=ft，t+y，xftx4如果保持轉(zhuǎn)移概率即gy|x不變，那么能源強(qiáng)度的分布會演變成為長期均衡狀態(tài)，即遍歷分布ergodicdistribution。因此，與給定gy|x相對應(yīng)的遍歷分布用fy表示可以用下面的公式計算：fy=0gy|xfxdx5離散型分布動態(tài)方法一般采用轉(zhuǎn)移概率矩陣和遍歷分布矩陣來展示轉(zhuǎn)移過程的動態(tài)性和長期分布。但連續(xù)性分布動態(tài)方法多采用三維圖和等高線圖

11、來表示轉(zhuǎn)移概率，用二維核密度圖來表示遍歷分布。為了更好地分析能源強(qiáng)度分布的收斂性，需要分析能源強(qiáng)度分布區(qū)間每一點的移動概率，本文采用凈轉(zhuǎn)移概率的概念來表示分布的轉(zhuǎn)移動態(tài)，該方法能夠精確地估計能源強(qiáng)度分布區(qū)間內(nèi)每一點的凈向上轉(zhuǎn)移概率。凈轉(zhuǎn)移概率px可由下面的公式來估計：px=xgz|xdz-x0gz|xdz6本文中，凈轉(zhuǎn)移概率大于0說明能源強(qiáng)度有增加趨勢，而凈轉(zhuǎn)移概率小于0說明能源強(qiáng)度有減少趨勢。1.2加權(quán)的分布動態(tài)分析方法傳統(tǒng)的收斂分析中一般都假設(shè)每個樣本具有相同的規(guī)模大小。然而，中國省區(qū)間在規(guī)模上差異非常大。例如，2021年廣東的經(jīng)濟(jì)規(guī)模GDP是-經(jīng)濟(jì)規(guī)模的73.6倍，而廣東省的人口規(guī)模那么

12、是-的33.7倍。降低廣東的能源強(qiáng)度對國家節(jié)能減排的作用顯然遠(yuǎn)高于-。因此，未加權(quán)的分布動態(tài)方法無法展示中國省區(qū)能源強(qiáng)度分布動態(tài)演變的全部信息。為了理解省區(qū)規(guī)模對能源強(qiáng)度的影響，本文分別采用經(jīng)濟(jì)規(guī)模GDP和人口規(guī)模作為權(quán)重。根據(jù)Gisbert23，核密度函數(shù)的加權(quán)可以采用如下公式來計算：ftx=1nhxni=1iKx-xihx7其中i是某省區(qū)產(chǎn)出或者人口的權(quán)重份額。為了便于比較，本文分別采用加權(quán)的和未加權(quán)的分析方法來分析中國城市能源強(qiáng)度分布的動態(tài)演變信息。1.3條件分布分析傳統(tǒng)的俱樂部收斂分析常常人為地將省區(qū)劃分為東、中、西部三大地區(qū)進(jìn)行分析，然而，這樣的劃分存在很大的主觀性。為了研究空間區(qū)位

13、因素對能源強(qiáng)度分布的影響，本文采用了條件分布分析方法。除了空間區(qū)位因素之外，資本密集度資本存量除以GDP和收入水平人均GDP對能源強(qiáng)度具有重要的影響，因此本文在條件分布分析中考慮了空間區(qū)位、資本密集度和收入水平等三個變量。為了進(jìn)行條件分布分析，需要對能源強(qiáng)度數(shù)據(jù)進(jìn)行預(yù)處理。具體來說，空間條件分布分析就是將每個省區(qū)的能源強(qiáng)度除以其相鄰省區(qū)能源強(qiáng)度的平均值，然后進(jìn)行分布動態(tài)分析。這樣，能源強(qiáng)度的空間條件分布可以被看作是沒有被空間區(qū)位因素解釋的局部。如果空間區(qū)位因素對能源強(qiáng)度分布的影響越小，那么非條件分布和條件分布將越相似。相反，空間區(qū)位因素對能源強(qiáng)度的影響越大，兩個分布就越不相同。對以資本密集度和

14、收入水平為條件變量的能源強(qiáng)度數(shù)據(jù)進(jìn)行預(yù)處理的方法相比照較簡單，即直接采用每個省區(qū)的能源強(qiáng)度除以該省區(qū)的資本密集度或收入水平。在對數(shù)據(jù)預(yù)處理之后，條件分布分析中轉(zhuǎn)移概率和遍歷分布的估計方法與普通分布動態(tài)方法相同。1.4數(shù)據(jù)來源和處理由于1986年之前的中國省區(qū)能源數(shù)據(jù)缺失較多，因此本文采用了19862021年期間除-、香港、澳門、臺灣之外的中國30個省區(qū)包括22個省、4個自治區(qū)和4個直轄市的能源強(qiáng)度面板數(shù)據(jù)。能源消耗數(shù)據(jù)主要來自各年度?中國能源統(tǒng)計年鑒?和?新中國六十年統(tǒng)計資料匯編?，名義GDP數(shù)據(jù)和人口數(shù)據(jù)來自?新中國六十年統(tǒng)計資料匯編?和各年度?中國統(tǒng)計年鑒?，名義GDP數(shù)據(jù)采用分省的GDP

15、平減指數(shù)折算為以1986年為基期的實際GDP數(shù)據(jù)。資本存量數(shù)據(jù)來自Wu24，缺失年份的數(shù)據(jù)作者采用相同方法即永續(xù)盤存法加以補(bǔ)齊。有了能源消耗、實際GDP、人口和資本存量數(shù)據(jù)，我們就可以很容易計算出本文研究所需要的能源強(qiáng)度、收入水平、資本密集度等變量。由于分布動態(tài)方法主要研究相對位置的變化，借鑒現(xiàn)有分布動態(tài)方法研究的常規(guī)做法，本文在研究中采用相對能源強(qiáng)度數(shù)據(jù)，即用每個省區(qū)的能源強(qiáng)度除以該年全部省區(qū)能源強(qiáng)度的平均值。2中國省區(qū)能源強(qiáng)度的分散度和當(dāng)期分布2.1中國省區(qū)能源強(qiáng)度的分散度分析為了對中國省區(qū)能源強(qiáng)度的離散性有個根本的把握，圖1展示了19862021年期間中國省區(qū)能源強(qiáng)度的變異系數(shù)和東、中、

16、西部三大地區(qū)間能源強(qiáng)度的比率。由圖1可見，中國省區(qū)能源強(qiáng)度的變異系數(shù)除個別年份外一直呈現(xiàn)升高的趨勢，說明中國省區(qū)能源強(qiáng)度從整體上來看趨向發(fā)散。就地區(qū)間比率來看，中部與東部之間的比率相比照較穩(wěn)定，但西部省區(qū)對東部省區(qū)的能源強(qiáng)度比率持續(xù)升高，說明西部省區(qū)能源利用效率相對于東部出現(xiàn)了顯著的惡化，政府需要重點關(guān)注西部省區(qū)的節(jié)能減排工作。同時，可以看出變異系數(shù)的變化趨勢與西部/東部能源強(qiáng)度比率的變化趨勢非常相似，可以判斷中國省區(qū)能源強(qiáng)度的發(fā)散與西部省區(qū)的能源強(qiáng)度相對于中、東部省區(qū)快速增加有很大的關(guān)系。變異系數(shù)分析雖然能夠提供中國省區(qū)能源強(qiáng)度的離散度度量，但并不是真正意義上的收斂分析，也不能提供中國省區(qū)能

17、源強(qiáng)度空間分布演變的具體形態(tài)。endprint2.2關(guān)鍵年份能源強(qiáng)度的分布分析在分析中國省區(qū)能源強(qiáng)度的分布動態(tài)過程和長期穩(wěn)態(tài)分布之前，首先需要對當(dāng)期的分布形態(tài)有個根本的把握。圖2是本文研究樣本期間一些關(guān)鍵年份1986、1995、2021、2021年的核密度分布圖。其中，關(guān)鍵年份的選擇一是需要將樣本大致分為相等的時間段，二是能源政策的變化時間，如2021年。從圖中可以看到，在1986年和1995年，省區(qū)能源強(qiáng)度的分布根本都為右偏的單峰分布rightskewedunimodality，即除了個別省區(qū)以外大多數(shù)省區(qū)位于平均能源強(qiáng)度相對能源強(qiáng)度值為1的波峰；但2021和2021年省區(qū)能源強(qiáng)度的分布為明

18、顯的非對稱多峰分布asymmetricmultimodality，大局部省區(qū)位于平均能源強(qiáng)度以下的主峰，少數(shù)省區(qū)在高于平均能源強(qiáng)度的位置形成多個小波峰。這說明就當(dāng)前中國能源強(qiáng)度的分布演變趨勢來看，俱樂部收斂的形態(tài)比較明顯。動態(tài)地看，從19862021年，主峰的高度開始時19861995年變化較小，隨后19952021年開始大幅升高。就分布范圍來看，這一時期隨著時間的演變，能源強(qiáng)度分布的左邊呈現(xiàn)收縮趨勢，而右邊呈現(xiàn)發(fā)散趨勢，說明低能源強(qiáng)度省區(qū)向平均能源強(qiáng)度收斂，但局部中高能源強(qiáng)度省區(qū)也向高能源強(qiáng)度端移動。從整體看，相對能源強(qiáng)度的分布范圍有擴(kuò)大的趨勢，說明中國省區(qū)能源強(qiáng)度的分布存在發(fā)散的傾向。這與

19、前文變異系數(shù)的結(jié)果相似。圖3是1986、1995、2021和2021年中國省區(qū)能源強(qiáng)度的產(chǎn)出和人口加權(quán)的核密度分布與非加權(quán)核密度分布的比較圖。由圖可見，加權(quán)和非加權(quán)的省區(qū)能源強(qiáng)度的核密度分布差異很大，加權(quán)后能源強(qiáng)度分布的主峰顯著升高且偏向低能源強(qiáng)度端。特別是產(chǎn)出加權(quán)的能源強(qiáng)度分布，其分布更加偏向低能源強(qiáng)度端，說明中國的經(jīng)濟(jì)活動和人口分布主要集中在能源強(qiáng)度較低的地區(qū)，而經(jīng)濟(jì)活動那么更加偏向低能源強(qiáng)度省區(qū)。從時間的變化趨勢來看，由于自改革開放以來中西部和東北地區(qū)的人口持續(xù)流向東部較興旺省區(qū)，因此隨著中國省區(qū)人口和經(jīng)濟(jì)活動分布不均衡現(xiàn)象的加劇，加權(quán)與非加權(quán)的能源強(qiáng)度分布之間的差異也顯著加大?？梢灶A(yù)期

20、，隨著近年來城市入戶政策的放寬，人口的流動速度將會加快，而區(qū)域人口不均衡對節(jié)能減排的影響也將更加顯著。由此可見，忽略中國省區(qū)人口和經(jīng)濟(jì)規(guī)模的差異可能會對中國省區(qū)能源強(qiáng)度分布的動態(tài)演變發(fā)生誤判。3中國省區(qū)能源強(qiáng)度的分布動態(tài)性分析3.119862021年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性圖4是中國省區(qū)能源強(qiáng)度的分布動態(tài)估計結(jié)果。其中圖4a和b分別是1986年至2021年轉(zhuǎn)移概率的三維分布圖和對應(yīng)的等高線圖。為了對兩圖有直觀的解釋，假設(shè)t期時某一省區(qū)的能源強(qiáng)度為均值的2倍即相對能源強(qiáng)度值為2，從t軸上值為2的點平行于t+1軸作切面，那么這一切面即是該省區(qū)由t期向t+1期轉(zhuǎn)移的概率分布。由圖可見，在低能

21、源強(qiáng)度區(qū)域，轉(zhuǎn)移概率根本分布在對角線兩側(cè)；而在高能源強(qiáng)度區(qū)，轉(zhuǎn)移概率的分布偏離對角線較多。上述分布說明在低能源強(qiáng)度端的省區(qū)相對能源強(qiáng)度的變動較小，而在高能源強(qiáng)度端省區(qū)相對能源強(qiáng)度的變動相當(dāng)大。圖4c是凈轉(zhuǎn)移概率曲線圖，該圖對判斷收斂與否具有重要作用。如果凈轉(zhuǎn)移概率曲線與零軸有一個交點該交點一般位于均值附近，且在相對能源強(qiáng)度低于交點區(qū)間的凈轉(zhuǎn)移概率大于零，而在高于交點區(qū)間的凈轉(zhuǎn)移概率小于零，那么意味著能源強(qiáng)度將收斂于交點。圖3c顯示，在1.82.1倍均值區(qū)間的省區(qū)存在正的凈轉(zhuǎn)移概率，說明位于這一區(qū)間的省區(qū)的能源強(qiáng)度存在較強(qiáng)的增加趨勢，而非收斂于均值。圖4d是當(dāng)轉(zhuǎn)移概率保持不變時，中國省區(qū)能源強(qiáng)度

22、的長期穩(wěn)態(tài)分布即遍歷分布圖。該圖呈現(xiàn)明顯的雙峰分布，多數(shù)省區(qū)將收斂于均值處的主峰，只有少數(shù)省區(qū)收斂于2倍均值附近的小波峰。這意味著就整個樣本時期來看，中國省區(qū)能源強(qiáng)度長期將形成非對稱的二元俱樂部收斂?？紤]到中國省區(qū)之間存在巨大的經(jīng)濟(jì)和人口規(guī)模差異，本文也估算了產(chǎn)出和人口加權(quán)的凈轉(zhuǎn)移概率和遍歷分布圖4c和d中的短劃線和點虛線。由圖可見，產(chǎn)出和人口加權(quán)的遍歷分布雖然沒有改變二元俱樂部收斂的趨勢，但與非加權(quán)的遍歷分布相比，產(chǎn)出和人口加權(quán)的遍歷分布更加偏向低能源強(qiáng)度端。說明加權(quán)以后，更多的經(jīng)濟(jì)活動將會趨向低能源強(qiáng)度省區(qū)，忽略經(jīng)濟(jì)和人口規(guī)模的影響將會導(dǎo)致對中國能源強(qiáng)度空間分布演變趨勢的估計產(chǎn)生偏誤。由于

23、中國在2021年之前采取的是比較寬松的能源和環(huán)境政策，但2021年之后采取了較強(qiáng)的環(huán)境規(guī)制和節(jié)能減排政策見“十一五、“十二五規(guī)劃。因此可能會導(dǎo)致2021年前后能源強(qiáng)度演變趨勢的差異。本文以2021年為界將樣本分為19952021年和20212021年兩個時期，并分別估算其分布動態(tài)性。結(jié)果發(fā)現(xiàn)19952021年期間省區(qū)能源強(qiáng)度的分布動態(tài)結(jié)果與19952021年的結(jié)果非常相似，為簡略起見不再報告。而20212021年的結(jié)果與全部樣本時期的結(jié)果差異非常大，說明2021年后采用的能源和環(huán)境政策對省區(qū)能源強(qiáng)度的分布產(chǎn)生了重要的影響。3.220212021年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性圖5展示了離目前

24、最近的20212021年期間中國省區(qū)能源強(qiáng)度的分布動態(tài)性。圖5a和b分別是轉(zhuǎn)移概率的三維圖和等高線圖，由圖可見轉(zhuǎn)移概率密度主要分布在對角線兩側(cè)，且沿對角線形成多個波峰，說明相對位置的變動較小且預(yù)示著存在俱樂部收斂的可能性。圖c的凈轉(zhuǎn)移概率分布說明，除了低于0.8倍均值的區(qū)間外，區(qū)間1.6，1.8和2.5，2.9內(nèi)的凈轉(zhuǎn)移概率也為正值，說明相對能源強(qiáng)度位于該區(qū)間的省區(qū)存在能源強(qiáng)度相對增加的趨勢。比較來看，區(qū)間1.6，1.8內(nèi)的省區(qū)相對能源強(qiáng)度升高的概率較小，而在區(qū)間2.5，2.9內(nèi)的省區(qū)相對能源強(qiáng)度具有非常強(qiáng)烈的升高趨勢，因此在將來國家節(jié)能減排方案中應(yīng)該重點關(guān)注上述省區(qū)的節(jié)能減排。endprin

25、t與19862021年整個樣本時期的演變趨勢顯著不同，圖5d顯示基于20212021年樣本時期計算的長期穩(wěn)態(tài)分布呈現(xiàn)明顯的三峰分布狀態(tài)，三個波峰分別位于0.8、1.8和2.9倍均值處，前兩個波峰較大，而第三個波峰相對較小，說明中國省區(qū)能源強(qiáng)度存在非對稱三元俱樂部收斂現(xiàn)象。圖5c、d也顯示了產(chǎn)出、人口規(guī)模加權(quán)的凈轉(zhuǎn)移概率和遍歷分布，作為比較，在圖中也參加了非加權(quán)的凈轉(zhuǎn)移概率和遍歷分布。由圖可見，加權(quán)對遍歷分布有比較明顯的影響。人口加權(quán)顯著降低了1.8倍均值處的波峰，但提升了0.8倍均值處的波峰；產(chǎn)出加權(quán)降低了1.8倍均值處的波峰，但提高了位于2.9倍均值處的波峰。這說明收斂于高能源強(qiáng)度的省區(qū)具有

26、較大的經(jīng)濟(jì)規(guī)模，而收斂于低能源強(qiáng)度的省區(qū)具有較大的人口規(guī)模，而收斂于1.8倍均值波峰的省區(qū)經(jīng)濟(jì)和人口規(guī)模都小于平均值。由此可見，這一時期中國人口和經(jīng)濟(jì)活動空間分布的不均衡狀態(tài)較前一時期發(fā)生了較大的變化。基于上述分析，可以發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度的分布動態(tài)性在整個樣本時期19862021年和20212021年期間有著較大的差異。整個樣本時期趨向雙峰收斂，后一階段趨向三峰收斂。造成這一差異的主要原因可能是2021年之后實施的嚴(yán)格節(jié)能減排政策。由于各個省區(qū)面臨的節(jié)能減排任務(wù)差異較大，因此導(dǎo)致各個省區(qū)的演變路徑發(fā)生了變化，因此從雙峰收斂變成了三峰收斂。這一結(jié)果與Zhang和Broadstock20的結(jié)果相

27、似，他們也發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度存在三個俱樂部。4條件分布分析采用條件分析方法分析中國省區(qū)能源強(qiáng)度分布的影響因素。由于地理位置的鄰近性會影響相鄰省區(qū)的產(chǎn)業(yè)結(jié)構(gòu)，因此許多文獻(xiàn)都將空間區(qū)位作為形成俱樂部收斂的重要因素20。此外，資本密集度和收入水平也是可能影響省區(qū)能源強(qiáng)度的重要因素13，14，16。一般來說，資本密集度較高的省區(qū)重化工業(yè)所占的比重較高，因此具有較高的能源強(qiáng)度。根據(jù)環(huán)境庫茲涅茨曲線理論，在經(jīng)濟(jì)開展的開始階段能源強(qiáng)度隨著收入水平的提高而增加，但到達(dá)一定階段后將會下降，即二者之間表現(xiàn)為倒“U型曲線的關(guān)系。此外，收入水平還可以通過能源回彈效應(yīng)來影響能源強(qiáng)度25。因此，本節(jié)將通過分析能源強(qiáng)度對

28、空間區(qū)位因素、資本密集度和收入水平的條件分布來研究三者對中國省區(qū)能源強(qiáng)度分布動態(tài)性的影響。與前文相同，我們也針對兩個子時期分別做了分析，由于19862021年期間的結(jié)果與整個樣本時期的結(jié)果相似，所以本節(jié)只報告整個樣本時期和20212021年期間的分析結(jié)果。4.119862021年的條件分布分析圖6a和b展示了中國省區(qū)能源強(qiáng)度對空間條件分布的凈轉(zhuǎn)移概率和遍歷分布，為便于比較，這里也將相應(yīng)的非條件分布估計結(jié)果置于圖中。相對于非條件處理的省區(qū)能源強(qiáng)度凈轉(zhuǎn)移概率曲線，空間條件處理后的凈轉(zhuǎn)移概率曲線圖6a顯示，相對能源強(qiáng)度大于平均值區(qū)間具有正的凈轉(zhuǎn)移概率的區(qū)域及其高度顯著縮小，說明空間條件處理后該區(qū)間省

29、區(qū)能源強(qiáng)度相對增加的趨勢減弱，從整體看中國省區(qū)能源強(qiáng)度的收斂性增強(qiáng)。由圖6b可見，省區(qū)能源強(qiáng)度的空間條件遍歷分布與非條件遍歷分布雖然存在一些差異，但仍然保持了雙峰分布的根本形狀，說明空間區(qū)位因素雖然對中國省區(qū)能源強(qiáng)度的分布有一定影響，但不是中國省區(qū)能源強(qiáng)度俱樂部收斂的原因。圖7a和b是以資本密集度作為條件變量處理后的省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布圖。由圖7a可見，經(jīng)過資本密集度條件處理后的凈轉(zhuǎn)移概率曲線在大于均值端的正轉(zhuǎn)移概率區(qū)間相對縮小且其高度下降，說明資本密集度條件處理后的省區(qū)能源強(qiáng)度具有較強(qiáng)的收斂趨勢。投資是驅(qū)動中國能源強(qiáng)度發(fā)散的原因，這也意味著投資均等化將有利于省區(qū)能源強(qiáng)度的收斂。

30、圖7b顯示，資本密集度條件處理后的遍歷分布根本上呈現(xiàn)為右偏的單峰分布，其雙峰分布的形態(tài)不再明顯，位于高能源強(qiáng)度端的小波峰顯著縮小并分化為兩個很小的波峰，但沒有完全消失。上述結(jié)果說明，就整個樣本時期來看，資本密集度對中國省區(qū)能源強(qiáng)度有顯著的影響，但只能局部解釋中國省區(qū)能源強(qiáng)度俱樂部收斂的現(xiàn)象。圖8展示了19862021年期間中國省區(qū)能源強(qiáng)度對收入水平條件分布的估計結(jié)果。圖8a的凈轉(zhuǎn)移概率說明，去除收入水平因素之后，凈轉(zhuǎn)移概率曲線與0概率軸只有一個交點，而且在小于交點區(qū)間皆為正值，而在大于交點區(qū)間皆為負(fù)值，這說明收入條件處理后的省區(qū)能源強(qiáng)度嚴(yán)格收斂。圖8b的遍歷分布說明，長期來看，收入條件處理后的

31、省區(qū)能源強(qiáng)度分布雙峰之間的界限變得非常模糊，似乎更趨向單峰分布?？梢娋退芯康臉颖緯r期來看，收入水平對省區(qū)能源強(qiáng)度的俱樂部收斂有一定的影響，但不能完全解釋俱樂部收斂。4.220212021年期間的條件分布分析圖9a、b是20212021年期間空間條件處理后的凈轉(zhuǎn)移概率和遍歷分布。由圖可見，經(jīng)過空間條件處理后中國省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布都發(fā)生了顯著變化?？臻g條件處理后的凈轉(zhuǎn)移概率收斂性顯著變差，有更多的省區(qū)存在相對增加能源強(qiáng)度的傾向；與沒有處理的遍歷分布相比，空間條件處理后的遍歷分布其俱樂部收斂的根本形態(tài)不太明顯，未經(jīng)處理前位于較低能源強(qiáng)度端的兩個波峰幾乎消失，這說明空間區(qū)位因素是這一

32、時期中國省區(qū)能源強(qiáng)度俱樂部收斂的重要原因。這可能與中國在這一時期實施的西部大開發(fā)、中部崛起和振興東北的區(qū)域開展戰(zhàn)略密切相關(guān)。由于上述區(qū)域開展戰(zhàn)略是以特定區(qū)域為范圍實施的，因此可能會使得同一區(qū)域內(nèi)各省區(qū)之間的經(jīng)濟(jì)結(jié)構(gòu)趨同，從而形成俱樂部收斂。圖10a、b分別是20212021年期間資本密集度條件處理后的凈轉(zhuǎn)移概率和遍歷分布。與空間條件處理后的凈轉(zhuǎn)移概率不同，經(jīng)過資本密集度條件處理后的凈轉(zhuǎn)移概率曲線與0概率軸只有一個交點，且位于均值處，小于均值區(qū)間的凈轉(zhuǎn)移概率為正值，大于均值區(qū)間的凈轉(zhuǎn)移概率為負(fù)值，說明資本密集度條件處理后的省區(qū)能源強(qiáng)度將會嚴(yán)格收斂于均值處。從長期穩(wěn)態(tài)來看，資本處理后的遍歷分布呈現(xiàn)

33、明顯的單峰分布，且位于均值附近，資本密集度條件處理前位于高能源強(qiáng)度區(qū)域的兩個波峰徹底消失。這一結(jié)果說明如果保持轉(zhuǎn)移概率不變，那么資本密集度條件處理后的省區(qū)能源強(qiáng)度將會收斂于均值處。資本密endprint集度是造成中國省區(qū)能源強(qiáng)度俱樂部收斂的主要原因。結(jié)合空間區(qū)位因素對俱樂部收斂的影響，可以判斷在這一時期空間區(qū)位因素和資本密集度因素存在較強(qiáng)的關(guān)聯(lián)性，而在前一時期那么較弱或不存在。考慮到這一時期正在實施的三大區(qū)域開展戰(zhàn)略西部大開發(fā)、中部崛起和振興東北等主要是通過大規(guī)模的投資政策和產(chǎn)業(yè)轉(zhuǎn)移政策來實現(xiàn)的，因此可以理解資本密集度和空間區(qū)位成為20212021年期間中國省區(qū)能源強(qiáng)度俱樂部收斂的主要決定因素

34、。圖11展示了20212021年期間以收入水平作為條件變量處理后的中國省區(qū)能源強(qiáng)度的凈轉(zhuǎn)移概率和遍歷分布。由圖11a的凈轉(zhuǎn)移概率曲線可見，去除收入水平因素之后，凈轉(zhuǎn)移概率曲線與0概率軸仍然有多個交點，且在大于第一個交點區(qū)間有一個相當(dāng)大的區(qū)域存在正的凈轉(zhuǎn)移概率，且概率值較高，說明相對能源強(qiáng)度位于這一區(qū)間的省區(qū)具有較強(qiáng)的相對增加能源強(qiáng)度的傾向?？梢姡?0212021年期間經(jīng)過收入水平條件處理后的中國省區(qū)能源強(qiáng)度的收斂性與19862021年期間相比變差。圖11b的遍歷分布中仍然可以清晰地看到三個波峰，說明從長期來看，經(jīng)過收入條件處理后的中國省區(qū)能源強(qiáng)度仍然趨向三元俱樂部收斂。由此可見，這一時期收入水

35、平對省區(qū)能源強(qiáng)度俱樂部收斂的影響不明顯。綜上，資本密集度是影響我國省區(qū)能源強(qiáng)度收斂的最主要因素，收入水平雖然有影響，但影響較小，空間區(qū)位因素的影響最小。本文的結(jié)論與現(xiàn)有研究不同，如馬曉鈺等16發(fā)現(xiàn)省區(qū)能源強(qiáng)度俱樂部收斂基于收入水平，而Zhang和Broadstock20發(fā)現(xiàn)省區(qū)能源強(qiáng)度俱樂部主要由區(qū)域因素決定。與上述需要進(jìn)行模型設(shè)定的參數(shù)方法研究相比，本文的分析結(jié)果更加直觀和清晰。5主要結(jié)論和政策啟示本文采用加權(quán)的分布動態(tài)方法研究了19862021年期間中國除香港、澳門、臺灣和-外30個省區(qū)能源強(qiáng)度的收斂性及其決定因素。與傳統(tǒng)的參數(shù)收斂分析方法不同，本文采用了加權(quán)的連續(xù)性分布動態(tài)方法。該方法不

36、但能夠分析省區(qū)能源強(qiáng)度分布的形態(tài)、動態(tài)演進(jìn)過程和長期穩(wěn)態(tài)分布，還能夠檢驗經(jīng)濟(jì)和人口規(guī)模差異對能源強(qiáng)度收斂的影響，同時可以通過條件分布分析方法進(jìn)一步研究形成俱樂部收斂的原因，因此能夠提供比傳統(tǒng)方法更多關(guān)于收斂過程和結(jié)果的信息。本文的主要結(jié)論如下：首先，在19862021年期間，中國省區(qū)能源強(qiáng)度存在發(fā)散的趨勢，且由單峰分布趨向多峰分布。需要說明的是，發(fā)散是指樣本變異系數(shù)的增高，也即樣本的分布更加分散，是分布的極化現(xiàn)象polarization。俱樂部收斂是指中國各省區(qū)能源強(qiáng)度的分布形成不同能源強(qiáng)度水平的群組，即分層stratification。因此二者并不矛盾。從長期穩(wěn)態(tài)分布來看，中國省區(qū)能源強(qiáng)度將

37、趨向非對稱二元俱樂部收斂，即大多數(shù)省區(qū)收斂于均值附近的主峰，但也有少數(shù)省區(qū)收斂于約2倍均值處的小波峰。經(jīng)濟(jì)和人口規(guī)模對省區(qū)能源強(qiáng)度的分布有重要的影響，隨著近年來經(jīng)濟(jì)活動和人口空間分布不均衡狀態(tài)的加劇，其影響隨著時間的推進(jìn)更加顯著，忽略經(jīng)濟(jì)和人口規(guī)模的影響會導(dǎo)致對中國省區(qū)能源強(qiáng)度收斂性判斷的偏誤?？紤]到2021年前后中國能源與環(huán)境政策的變化，本文將樣本分為19862021年和20212021年兩個子時期后，發(fā)現(xiàn)19862021年的估計結(jié)果與整個樣本時期根本一致，但20212021年期間的遍歷分布更加發(fā)散，且演變?yōu)槿銟凡渴諗俊Ｆ浯?，為了研究空間區(qū)位因素、資本密集度和收入水平對省區(qū)能源強(qiáng)度分布的

38、影響，本文進(jìn)行了條件分布分析。研究發(fā)現(xiàn)，就整個研究時期19862021年來看，空間區(qū)位因素對長期穩(wěn)態(tài)分布的影響較小，收入水平對長期穩(wěn)態(tài)分布的影響次之，資本密集度對長期穩(wěn)態(tài)分布的影響最大，能夠局部解釋省區(qū)能源強(qiáng)度的俱樂部收斂。就20212021年期間來看，收入水平對中國省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布的影響不明顯。經(jīng)過空間區(qū)位處理后的長期穩(wěn)態(tài)分布根本為單峰分布，多峰特征雖然沒有完全消失但已經(jīng)不明顯，而經(jīng)過資本密集度處理后的長期穩(wěn)態(tài)分布完全為單峰分布。說明資本密集度和空間區(qū)位因素是省區(qū)能源強(qiáng)度長期穩(wěn)態(tài)分布中三峰分布形成的決定性因素。其背后原因那么是以投資驅(qū)動的三大區(qū)域開展戰(zhàn)略，即西部大開發(fā)、中部

39、崛起和振興東北等。本文的結(jié)果對預(yù)測未來能源消耗的區(qū)域演進(jìn)和制定環(huán)境政策具有重要的意義：首先，本文發(fā)現(xiàn)中國省區(qū)能源強(qiáng)度存在顯著發(fā)散的趨勢。這意味著中國各省區(qū)在能源利用技術(shù)上的差距不但沒有縮小，甚至還存在繼續(xù)擴(kuò)大的趨勢。當(dāng)然，能源強(qiáng)度的發(fā)散也說明中國在通過促進(jìn)技術(shù)溢出來降低能源消耗方面存在巨大的潛力，這就要求政府在促進(jìn)地區(qū)之間的技術(shù)溢出上制定相應(yīng)的政策，消除區(qū)域間技術(shù)溢出的障礙，通過促進(jìn)能源強(qiáng)度的收斂來實現(xiàn)節(jié)能減排。其次，本文的研究說明中國省區(qū)能源強(qiáng)度趨向俱樂部收斂，雖然在19862021年期間，這種俱樂部收斂并不具有明顯的區(qū)域特征，但2021年以來那么表現(xiàn)為強(qiáng)烈的區(qū)域特征，且由區(qū)域性的投資驅(qū)動。

40、這一結(jié)果說明區(qū)域開展戰(zhàn)略應(yīng)該和節(jié)能減排政策結(jié)合起來，不能只注重開展而無視了環(huán)境保護(hù)。就當(dāng)前來看，應(yīng)該針對不同區(qū)域?qū)嵤┎町惢墓?jié)能減排政策。特別是那些能耗較高且具有正的轉(zhuǎn)移概率的省區(qū)應(yīng)該受到更加嚴(yán)格的節(jié)能減排政策約束。當(dāng)然，也可以采用一些新思路，如采用轉(zhuǎn)移支付來分擔(dān)環(huán)境本錢或者是采用更加市場化的機(jī)制如碳交易等措施。第三，本文的研究發(fā)現(xiàn)經(jīng)濟(jì)和人口規(guī)模對能源強(qiáng)度的收斂具有重要的影響，更多的生產(chǎn)活動和人口都集中在能源強(qiáng)度較低的省區(qū)，而高能耗省區(qū)一般都是經(jīng)濟(jì)和人口小省，而且這一不平衡趨勢還在持續(xù)擴(kuò)大。這意味著人口等要素的自由流動將會使更多的生產(chǎn)活動和人口流向能源強(qiáng)度更低、環(huán)境更好的省區(qū)，考慮到能源強(qiáng)度是

41、能源效率的有效度量，經(jīng)濟(jì)活動向低能源強(qiáng)度省區(qū)移動有利于我國總體能源效率的提高。因此，從政策方面來看，進(jìn)一步促進(jìn)生產(chǎn)要素的流動將有利于中國的節(jié)能減排。endprint第四，資本密集度和收入水平是決定省區(qū)能源強(qiáng)度收斂的重要因素。我國各省區(qū)在資本密集度和收入水平上也存在較大的差距，經(jīng)濟(jì)開展的目的是實現(xiàn)收入和環(huán)境的綜合開展，通過加大投資促進(jìn)低收入省區(qū)的開展是我國區(qū)域協(xié)調(diào)開展的重要條件，而高收入省區(qū)應(yīng)該承擔(dān)更多的節(jié)能減排任務(wù)，調(diào)整高能耗的產(chǎn)業(yè)結(jié)構(gòu)和消費習(xí)慣。編輯：劉照勝參考文獻(xiàn)References【1】MARKANDYAA，PEDROSOGALINATOS，STREIMIKIENED.Energyint

42、ensityintransitioneconomies：isthereconvergencetowardstheEUaverage？J.Energyeconomics，2021，281：121-145.【2】EZCURRAR.Distributiondynamicsofenergyintensities：acrosscountryanalysisJ.Energypolicy，2021，3510：5254-5259.【3】MAZAA，VILLAVERDEJ.Theworldpercapitaelectricityconsumptiondistribution：signsofconvergence

43、？J.Energypolicy，2021，3611：4255-4261.【4】LIDDLEB.ElectricityintensityconvergenceinIEA/OECDcountries：aggregateandsectoralanalysisJ.Energypolicy，2021，374：1470-1478.【5】LIDDLEB.RevisitingworldenergyintensityconvergenceforregionaldifferencesJ.Appliedenergy，2021，8710：3218-3225.【6】HERRERIASMJ，LIUG.Electricit

44、yintensityacrossChineseprovinces：newevidenceonconvergenceandthresholdeffectsJ.Energyeconomics，2021，36：268-276.【7】MOHAMMADIH，RAMR.Crosscountryconvergenceinenergyandelectricityconsumption，1971-2021J.Energyeconomics，2021，346：1882-1887.8MENGM，PAYNEJE，LEEJ.ConvergenceinpercapitaenergyuseamongOECDcountrie

45、sJ.Energyeconomics，2021，343：536-545.9KIRANB.EnergyintensityconvergenceinOECDcountriesJ.Energyexploration&exploitation，2021，312：237-247.10MULDERP，DEGROOTHLF，PFEIFFERB.Dynamicsanddeterminantsofenergyintensityintheservicesector：acrosscountryanalysis，1980-2021J.Ecologicaleconomics，2021，100：1-15.11DU

46、ROJA.OntheautomaticapplicationofinequalityindexesintheanalysisoftheinternationaldistributionofenvironmentalindicatorsJ.Ecologicaleconomics，2021，761：1-7.12MAC，STERNDI.Chinaschangingenergyintensitytrend：adecompositionanalysisJ.Energyeconomics，2021，303：1037-1053.13SONGF，ZHENGX.WhatdrivesthechangeinChin

47、eseenergyintensity：combiningdecompositionanalysisandeconometricanalysisattheprovinciallevelJ.Energypolicy，2021，51：445-453.14WUY.EnergyintensityanditsdeterminantsinChinasregionaleconomiesJ.Energypolicy，2021，41c：703-711.15齊紹洲，李鍇.區(qū)域部門經(jīng)濟(jì)增長與能源強(qiáng)度差異收斂分析J.經(jīng)濟(jì)研究，2021，452：109-122.QIShaozhou，LIKai.Convergencean

48、alysisofregionaleconomicgrowthandenergyintensitydifferenceJ.Economicresearchjournal，2021，452：109-122.endprint16馬曉鈺，李強(qiáng)誼，韓源源.中國能源強(qiáng)度收斂性的理論與實證分析J.科技管理研究，2021，3521：229-235.MAXiaoyu，LIQiangyi，HANYuanyuan.TheoreticalandempiricalanalysisofconvergenceofenergyintensityinChinaJ.Scienceandtechnologymanagementre

49、search，2021，3521：229-235.17魏巍賢，王鋒.能源強(qiáng)度收斂：對興旺國家與開展中國家的檢驗J.中國人口·資源與環(huán)境，2021，201：4-10.WEIWeixian，WANGFeng.Energyintensityconvergence：theinspectionofdevelopedanddevelopingcountriesJ.Chinapopulation，resourcesandenvironment，2021，201：4-10.18王春寶，陳迅.技術(shù)進(jìn)步、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整與能源強(qiáng)度收斂性J.山西財經(jīng)大學(xué)學(xué)報，2021，394：76-87.WANGChunba

50、o，CHENXun.Technologicalprogress，economicstructuraladjustmentandenergyintensityconvergenceJ.JournalofShanxiUniversityofFinanceandEconomics，2021，394：76-87.19HERRERIASMJ.Worldenergyintensityconvergencerevisited：aweighteddistributiondynamicsapproachJ.Energypolicy，2021，4910：383-399.20ZHANGD，BROADSTOCKDC.

51、ClubconvergenceintheenergyintensityofChinaJ.Energyjournal，2021，37.21JOHNSONPA.AcontinuousstatespaceapproachtoconvergencebypartsJ.Economicsletters，2021，863：317-321.22SILVERMANBW.DensityestimationforstatisticsanddataanalysisM.BocaRaton：CRCPress，1986.23GISBERTFJG.Weightedsamples，kerneldensityestimators

52、andconvergenceJ.Empiricaleconomics，2021，282：335-351.24WUY.ChinascapitalstockseriesbyregionandsectorM.Perth：UniversityofWesternAustralia，2021.25邵帥，楊莉莉，黃濤.能源回彈效應(yīng)的理論模型與中國經(jīng)驗J.經(jīng)濟(jì)研究，2021，482：96-109.SHAOShuai，YANGLili，HUANGTao.ThetheoreticalmodelofenergyreboundeffectandChineseexperienceJ.Economicresearchjo

53、urnal，2021，482：96-109.26HUANGJB，YUSW.Effectsofinvestmentonenergyintensity：evidencefromChinaJ.Chinesejournalofpopulation，resourcesandenvironment，2021，143：197-207.27QUAHDT.Empiricsforgrowthanddistribution：stratification，polarization，andconvergenceclubsJ.Journalofeconomicgrowth，1997，21：27-59.28LIUY，ZHO

54、UMF，F(xiàn)ENGSH，etal.Reboundeffectanditsdecomposition：ananalysisbasedonenergytypesinChinaJ.Chinesejournalofpopulation，resourcesandenvironment，2021，144：245-252.29QUAHDT.Twinpeaks：growthandconvergenceinmodelsofdistributiondynamicsJ.Theeconomicjournal，1996，106：1045-1055.AbstractThispaperexaminedtheconvergenceofenergyintensityacross30Chineseprovincialunitsfortheperiod1986-2004byusingaweighteddistributiondynamicsapproach.Moreover，wealsoanalyzedhowspatiallocation，capitalintensityandincomelevelinfluencethedistributiondynamicsofprovincialenergyintensitywithaconditionaldistributionapproach.Theres