新型基础设施网络深化对能源消费的影响研究_占妍泓.pdf

新型基础设施网络深化对能源消费的影响研究占妍泓摘要:新型基础设施是现代化基础设施体系的重要组成部分。在碳达峰碳中和背景下,从动态视角研究新型基础设施网络的空间结构演变及其对能源消费的影响具有重要意义。现阶段,全国新型基础设施网络存在较为明显的聚类特征和稳定的中心节点,但整体网络密度仍存在较大提升空间。伴随着新基建发展特征的阶段性演变,新型基础设施网络深化将导致地区能源消费先上升后下降。区域协调发展和高技术产业集聚有利于降低新型基础设施网络深化的能耗效应。下一阶段,需持续加快新基建投资,统筹推进新型基础设施的合理布局和均衡发展;要关注新基建在不同区域的差异化能耗影响,通过区域协调发展打造绿色低碳的新型基础设施体系;要加快培育高技术产业集群,激发新型基础设施网络的节能效应。关键词:新基建;网络效应;能源消费;社会网络分析作者简介:占妍泓,厦门大学经济学院中国能源经济研究中心博士研究生。中图分类号:F061.5 文献标识码:A 文章编号:1008-1569(2023)04-0147-15近年来,伴随数字经济与传统经济不断融合,我国新型基础设施建设(简称“新基建”)步伐明显加快,广泛覆盖、互联互通的新型基础设施网络正加速形成,为区域高质量发展带来了广阔的新机遇。在碳达峰碳中和背景下,推动新型基础设施绿色发展也已成为引领和支撑各地低碳转型的重要选择。面向绿色低碳的长期需要,亟需关注“数字化”新基建能否以“绿色化”服务碳中和事业发展。尤其是在现阶段能源消费仍是我国碳排放主要来源的背景下,亟需辩证分析新型基础设施网络的持续深化是否会如传统基础设施网络一样,产生能源消费的“锁定效应”并给地区能源环境带来长期影响。然而,目前鲜有研究专门讨论新型基础设施网络深化与区域能源消费的关系。已有文献主要探讨传统基础设施的网络效应和能耗效应。一是关于传统基础设施的网络效应的研究。Hurlin 的研究表明,基础设施网络的初步形成会产生显著的正外部性,既可以通过提高产出效率促进本地经济增长,也可以通过引导发达地区经济增长向落后地区溢出,促进区域147DOI:10.13658/ki.sar.2023.04.021经济一体化。现有文献对于基础设施网络效应的刻画大都在新经济地理学和空间经济理论的框架下进行。例如,Wang 等基于空间统计和空间计量理论,通过构造空间权重矩阵来反映特定的空间联系,从而捕捉基础设施的网络溢出效应。二是关于传统基础设施的能耗效应的研究。基础设施投资对能源消费的影响具有一定的复杂性。部分学者认为,基础设施建设本身就是能源消耗的过程,且建设形成的基础设施网络可以扩大能源服务的覆盖面,提升能源资源的可用性,由此将导致能源消费随着基础设施的发展而增加。也有学者提出,基础设施与能源消耗之间存在“倒 U 型”的非线性关系。基础设施网络的形成和技术水平的发展可以产生规模效应和技术效应,进而通过提高能源利用效率、促进低耗能产业发展来降低能源消费。但需要注意的是,在基础设施网络效应的刻画上,空间权重矩阵的构造往往基于简单的邻接标准或固定的地理距离,难以全面反映不同地区之间的经济活动联系。尽管越来越多的学者通过构造人口、投资、GDP 等空间关联矩阵来反映地区间的经济距离,但权重因子设定为相关指标在研究区间的样本均值,难以反映不同地区的空间联系在时间维度上的动态变化。另外,在基础设施能耗效应的分析中,以数字技术为核心支撑的新型基础设施与传统基础设施存在较大差异。已有的关于传统基础设施能耗影响的结论并不能简单套用到新基建领域,而必须基于新型基础设施本身的特点进行具体分析。因此,本文尝试在新的框架下探究我国新型基础设施的空间网络结构及其动态演变规律,分析新型基础设施网络深化对区域能源消费的影响,并从区位发展差异与高技术产业集聚两个方面对可能的作用机制进行探讨。本文可能的边际贡献在于:第一,基于新基建涉及的主要领域,对全国和各省份(含直辖市和自治区,下同)的新型基础设施资本存量进行重新测算,对现有关于新型基础设施存量的测算方法进行了改进;第二,将社会网络分析法(Social Network Analysis,SNA)引入新型基础设施网络的分析框架中,对现阶段我国新型基础设施的空间、网络结构及其动态演变趋势进行全面刻画,弥补传统空间计量方法难以捕捉区域空间联系的动态变化这一不足;第三,对新型基础设施网络深化的能耗效应进行较为全面的分析和检验,探讨新型基础设施网络深化的异质性影响,为理解新基建与绿色低碳发展之间的关系提供经验证据。148东南学术2023 年第 4 期 Hurlin C.,“Network effects of the productivity of infrastructure in developing countries”,World Bank Policy Research Work-ing Paper,2005,3808.Wang J.,Yang X.,Kumari S.,“Investigating the Spatial Spillover Effect of Transportation Infrastructure on Green Total Fac-tor Productivity”,Energies,2023,16(6),2733.Williams J.H.,DeBenedictis A.,Ghanadan R.,et al,“The technology path to deep greenhouse gas emissions cuts by 2050:the pivotal role of electricity”,Science,2012,335(6064),pp.53-59.何晓萍:基础设施的经济增长效应与能耗效应 以电网为例,经济学(季刊)2014 年第 3 期。M.,“Estimation of direct energy consumption and CO2 emission by high speed rail,transrapid maglev and hyperloop passenger transport systems”,International Journal of Sustainable Transportation,2021,15(9),pp.696-717.Xie R.,Fang J.,Liu C.,“The effects of transportation infrastructure on urban carbon emissions”,Applied Energy,2017,196,pp.199-207.Janurio J.F.,Costa,Cruz C.O.,et al,“Transport infrastructure,accessibility,and spillover effects:An empirical a-nalysis of the Portuguese real estate market from 2000 to 2018”,Research in Transportation Economics,2021,90,101130.一一、新新型型基基础础设设施施网网络络构构建建与与结结构构表表征征 (一一)新新型型基基础础设设施施的的资资本本存存量量估估计计根据国家发改委的定义,新型基础设施的范围包括信息基础设施、融合基础设施与创新基础设施。其中,信息基础设施主要涉及以 5G、人工智能、大数据等数字技术和数字要素为核心的通信基础设施和算力基础设施;融合基础设施强调数字技术对交通、能源等传统基础设施的改造升级;创新基础设施注重信息技术创新、产品服务升级,且兼具公益属性。现阶段,学者们主要是结合新型基础设施的概念内涵,选择相关行业(如信息传输、软件和信息技术服务业、科学研究与技术服务业、卫生社会工作业等等)的固定资产投资来衡量新型基础设施建设水平。但这一做法存在不足:一是对新型基础设施相关行业的界定过于宽泛,很难反映新型基础设施的关键领域;二是固定资产投资这一流量指标无法反映新型基础设施对经济社会发展的长期影响。因此,需要对新型基础设施的行业范畴进行更加细致的界定,并对其相关具体行业的资本存量进行合理估计。从覆盖面来看,新型基础设施涉及多个产业和多种领域,囊括 5G 基站、大数据中心、人工智能、工业互联网、特高压、新能源汽车充电桩、城际高速铁路和城际轨道交通七大领域。本文基于上述七大领域对新型基础设施涉及的具体行业进行界定。以国民经济行业分类(GB/T 4754-2011)为依据,新型基础设施涉及领域主要包括以下四个子行业:互联网和相关服务业,主要涉及 5G 基站、大数据中心、人工智能;软件和信息技术服务业,主要涉及工业互联网;电力供应业,主要涉及特高压和充电桩;铁路运输业,主要涉及城际高速铁路和城际轨道交通。基于上述行业划分,尚文思测算了 19962017 年全国新型基础设施资本存量及20032017 年各省新型基础设施资本存量,但其测算方法还存在一些有待改进的地方:一是将 1996 年全国互联网和软件行业的资本存量设定为零,会导致相关行业的资本存量被严重低估;二是在电力供应业和铁路运输业的存量测算中,所使用的资本流量指标仅包括基本建设新增固定资产,低估了行业的真实新增固定资产;三是采用的基础设施折旧率与多数文献采用的一般资本折旧率相同,高估了新型基础设施的折旧率。为此,本文对 19962017年全国新型基础设施资本存量和 20032017 年各省新型基础设施资本存量进行了重新测算。考虑到农户固定资产投资占全社会固定资产投资的比重较低,且相关数据缺失较为严重,本文主要测算城镇口径的新型基础设施资本存量。1.测算方法 本文采用永续盘存法对我国新型基础设施的资本存量进行测算,如式(1)所示:Kit+1=Kit(1-)+Iit(1)149旷爱萍、蒋晓澜、常青:“新基建”、创新质量和数字经济:基于中国省级数据实证研究,现代管理科学2021 年第5 期。刘艳红、黄雪涛、石博涵:中国“新基建”:概念、现状与问题,北京工业大学学报(社会科学版)2020 年第 6 期。尚文思:新基建对劳动生产率的影响研究 基于生产性服务业的视角,南开经济研究2020 年第 6 期。全国和各省新型基础设施资本存量的测算分别以 1996 年和 2003 年为基年,主要基于以下考虑:1995 年 5 月,我国才正式开放计算机互联网接入服务,在此之前的互联网行业存量较小;2003 年以前缺少互联网和相关服务业、软件和信息技术服务业(对应 GB/T 4754-94 中的“信息咨询服务业、计算机应用服务业”)投资流量的分省数据。此外,考虑到西藏和港澳台地区数据缺失较为严重,本文主要测算 30 个省份的新型基础设施资本存量。其中,i 为行业类别,t 为时期,K 为新型基础设施资本存量。参考金戈的做法,全国新型基础设施相关行业的基期资本存量,以基期的投资额除以折旧率和投资增长率之和进行估算。其中,投资增长率设定为 19962006 年相关行业固定资产投资的几何平均增长率。为折旧率。尚文思将折旧率设定为一般资本的折旧率 9%。但 Rioja和胡李鹏等指出,基础设施一般是基于建筑安装工程,使用全部资本的折旧率会高估基础设施的折旧率。考虑到 5G 基站、大数据中心、城际高速铁路等新型基础设施也表现为物质工程形态,因此本文以建筑安装工程的折旧率作为新型基础设施的折旧率,将 设定为 6.9%。I 为新型基础设施新增固定资产。使用各行业的固定资产投资乘以固定资产投资交付使用率得到。不同于尚文思的做法,本文均使用新型基础设施相关行业的固定资产投资总额进行计算,以保持不同行业的统计口径一致,确保数据之间的可比性。为消除价格因素影响,本文利用固定资产投资价格指数把新型基础设施投资指标调整到 2000 年不变价。测算过程中使用的相关数据来源于历年中国固定资产投资统计年鉴和中国统计年鉴。2.统计口径调整和缺失数据处理 统计口径调整方面,在 19962017 年间,我国国民经济行业分类先后于 2003 年和 2012年发生过两次调整。具体到本文的研究,主要涉及“互联网和相关服务业”与“软件和信息技术服务业”两类2 位数行业口径的变化。19962002 年,上述两类行业归入国民经济行业分类标准(GB/T 4754-1994)的“信息咨询服务业”与“计算机应用服务业”;20032011 年,国民经济行业分类执行 GB/T 4754-2002 标准,“互联网和相关服务业”并入“电信和其他信息传输服务业”的 4 位数小类行业“互联网信息服务”,“软件和信息技术服务业”则基本等同于“计算机服务业”与“软件业”两个大类行业的加总;2012 年至今,“互联网和相关服务业”与“软件和信息技术服务业”均单独划归到“信息传输、软件和信息技术服务业”的下属大类行业。根据上述对应关系,可以获取 19962017 年“互联网和相关服务业”“软件和信息技术服务业”两类行业的固定资产投资额。缺失数据处理方面,全国层面,19962002 年并未披露电力供应业的相关投资数据,结合后续年份电力供应业投资占 2 位数行业(即电力、蒸汽、热水的生产和供应业)投资之比推算得出。此外,19962002 年还缺失新型基础设施相关子行业的固定资产投资交付使用率,以基本建设和更新改造两类投资的综合交付使用率替代。在其余年份的计算中,若涉及使用子行业下辖行业的新增固定资产测算,则采用与子行业一致的交付使用率。省份层面,20032011 年“电力供应业”与“互联网和相关服务业”的分省固定资产投资数据缺失,参考尚文思的做法,将历年全国该行业固定资产投资按照一定比例分配给各省。3.各省新型基础设施资本存量的测算 各省新型基础设施资本存量的测算以 2003 年为基年。首先估算 19962017 年历年全国新型基础设施资本存量;其次,将 2003 年全国新型基础设施资本存量按比例分配给各省,150东南学术2023 年第 4 期 金戈:中国基础设施与非基础设施资本存量及其产出弹性估算,经济研究2016 年第 5 期。Rioja F.K.,“Filling potholes:macroeconomic effects of maintenance versus new investments in public infrastructure”,Jour-nal of Public Economics,2003,87(9-10),2281-2304.胡李鹏、樊纲、徐建国:中国基础设施存量的再测算,经济研究2016 年第 8 期。尚文思:新基建对劳动生产率的影响研究 基于生产性服务业的视角,南开经济研究2020 年第 6 期。作为各省的基期存量。其中,分配比例设定为各省当年投资额占全国总投资的比例;最后,结合各省相关行业的新增固定资产和折旧率,依据式(1)得到各省新型基础设施存量。(二二)新新型型基基础础设设施施网网络络的的构构建建 1.新基建的空间关联矩阵 基于各省的新型基础设施存量,本文采用社会网络分析法,构建起包含各节点和节点间相互联系的新型基础设施网络,记作:=(N,E,W)(2)其中,N 为网络中的节点,即各个省份;E 为网络中的连边,各省份之间是否存在连边取决于其新基建投资是否存在空间关联。参考刘华军等的做法,采用修正后的引力模型来确定各省新型基础设施建设的空间联系,构建新基建空间关联矩阵 W。记 W 中的元素为 wij,则有:wij=ijPiKiGiPjKjGjD2ij,ij=KiKi+Kj(3)在式(3)中,wij为省份 i 与省份 j 之间的新基建“引力”,用于刻画省份之间的新基建关联;ij为省份 i 在省份 i、j 新基建空间关联中的贡献率;Pi与 Pj分别为省份 i 与省份 j 的城镇化率,以城镇人口占总人口的比重衡量;Ki和 Kj分别为省份 i 与省份 j 的新型基础设施资本存量;Gi和 Gj分别为省份 i 与省份 j 的地区生产总值;Dij为省份 i、j 之间的地理距离,以两地省会城市的地理距离衡量。省份新型基础设施资本存量和地区生产总值均为 2000 年不变价。根据式(3),可以初步计算得到新基建空间引力矩阵。本文参考吕延方等的做法,借助阈值法进一步提炼新基建空间关联网络的核心结构,以便更加简洁、深入地剖析该网络的结构特征。具体做法是以 W 中每一行元素的平均值作为阈值 l,若第 i 行的元素 wij大于阈值 l,则记为 1,反之为 0。由此,进一步将空间关联矩阵 W 转化为二值矩阵,其中的元素 ij若为1,则代表省份 i、j 之间的新基建存在明显的空间关联;反之,则表明省份 i、j 之间的新基建不存在关联。值得一提的是,新基建空间关联矩阵的构建既充分考虑了省份之间的地理距离,又纳入了历年各省经济社会发展的主要指标,因而可以较好地弥补传统空间计量方法无法反映地区空间联系的动态变化这一研究不足。2.新型基础设施网络深化:度数中心度指标 本文主要以各节点,即各个省份在新型基础设施网络中的度数中心度(cendeit)来刻画地区新型基础设施网络的深化程度。其计算公式为:cendeit=jtij/2(n-1)(4)其中,n 为网络中任一节点与其他节点的最大可能直接相连数目。度数中心度 cendeit越大,表明 t 时期省份 i 的新型基础设施网络深化程度越高。在新型基础设施网络中,度数中心度衡量了与特定省份产生空间连接的其他省份数目,刻画了各省新基建的双向空间联系。度数中心度越高,表明特定省份在新型基础设施网络中与其他省份的空间联系越多、省151 刘华军、刘传明、孙亚男:中国能源消费的空间关联网络结构特征及其效应研究,中国工业经济2015 年第 5 期。吕延方、方若楠、王冬:全球数字服务贸易网络的拓扑结构特征及影响机制,数量经济技术经济研究2021 年第10 期。份间的溢出效应越明显。度数中心度能够真实反映各省是否处于新型基础设施网络的中心地位,因此,将其作为新型基础设施网络深化指标具有较强的合理性。(三三)新新型型基基础础设设施施网网络络结结构构表表征征 为了直观反映新基建的空间关联,本文利用可视化工具 Gephi 绘制了 2003 年和 2017 年的新型基础设施网络结构图,如图 1 所示。其中,节点大小体现了各省份度数中心度的相对大小,各节点之间的连线表示省份间的新型基础设施建设在空间上相互溢出。因此,某一特定省份的度数中心度越高,在新型基础设施网络中就体现为与其他省份之间的连线变多,自身节点变大,且在网络中越处于中心位置而非边缘位置。同时,以不同颜色区分不同的聚类集群。理论上而言,同一集群内的省份往往存在较为紧密的新基建关联。图 2 则进一步绘制了新型基础设施网络密度和网络节点平均度的时间变化趋势。从图 1 和图 2 可以发现:从整体结构来看,与 2003 年相比,2017 年我国新型基础设施网络密度有所提升,各省份之间的新基建空间关联和溢出效应整体有所增强。2017 年,省际新基建的空间关联总数为 330 个,与之相对应的新型基础设施网络密度则为 0.379。理论上,所有省份之间的最大可能关联数为 870 个。由此来看,各省份新基建的空间关联度还有较大的提升空间。此外还可以看出,我国新型基础设施网络存在较为明显的聚类特征,且集群数量较为稳定。尽管不同年份的集群省份有所变化,但集群内的中心省份基本保持不变。从中心节点来看,无论是 2003 年还是 2017 年,山东、江苏、浙江、广东、河南、湖北等东部沿海和中部省份均处于新型基础设施网络的中心地位。且随着时间推移,中心节点在网络中的度数中心度也有所提高。上述结果与各个省份新型基础设施的实际发展水平相符合。具体而言,东部沿海地区省份,尤其是山东、浙江、江苏、广东的新型基础设施建设处于全国领先地位,而河南、湖北等中部省份的建设步伐也相对较快,具备较强的新型基础设施竞争力。(a)2003 年(b)2017 年图 1 2003 年和 2017 年我国新型基础设施网络结构图152东南学术2023 年第 4 期 吕越、谷玮、尉亚宁等:人工智能与全球价值链网络深化,数量经济技术经济研究2023 年第 1 期。网络密度=网络中的实际关联数目/最大可能关联数目,网络密度越大,表明网络中不同主体之间的关联性越强。本文以我国 30 个省份的新型基础设施资本存量构建新型基础设施网络,故网络中的最大可能关联数目为 3029=870个。平均度为网络节点与其他节点的直接关联数的平均值。图 2 新型基础设施网络密度及平均度 为了进一步表征新型基础设施网络的结构变化,本文还计算了反映网络结构特征的系列指标,包括接近中心度、特征向量中心度和聚类系数,如图 3 所示。一是接近中心度。接近中心度衡量了网络节点的可达性,即一个地区是否易于与其他地区建立起新基建关联。地区的接近中心度越高,表明该地区的新基建与其他地区存在更多的直接联系。可以发现,样本期间内各省份的平均接近中心度波动上升,即随着时间的推移,各省在新型基础设施网络中的空间关联不断增强。二是特征向量中心度。该指标衡量了新型基础设施网络的中心化特征,其值越高,说明该网络中存在少量中心度特别高的节点,即存在个别省份可以“控制”整个新型基础设施网络。可以发现,20032017 年该网络的平均特征向量中心度整体呈上升趋势,说明我国新型基础设施网络的中心化效应有所增强。三是聚类系数。聚类系数反映了网络的整体集聚程度,体现了网络结构中的“小世界”特征。聚类系数越高,说明多个省份(至少 3 个)之间的新基建相互影响的情况越多。可以看出,样本期内网络的聚类系数整体波动较大,呈现出先降后升、再降再升的“W”型特征。图 3 各类网络指标的时间趋势图二二、新新型型基基础础设设施施网网络络深深化化的的能能耗耗效效应应分分析析 已有文献表明,在不同的发展阶段,基础设施建设与能源消耗之间的关系可能有所不同。伴随着新基建发展特征的阶段性变化,新型基础设施网络深化对地区能源消费也可能呈现出非线性影响。具体而言,新基建在不同阶段的能耗效应可能表现在以下三个方面。(一一)起起步步期期:需需求求驱驱动动视视角角下下的的能能耗耗增增长长 尽管新基建投资更加注重绿色化和低碳化,但新型基础设施在很大程度上是基于新技术对传统基础设施的更新改造和升级优化。从建设需求来看,新型基础设施的相关设备制造和工程项目建设本身也是能源消耗的过程。在起步期,新型基础设施网络深化必然伴随着较大规模的投资需求。由于投资品的能源强度高于消费品,短期内新基建投资率的上升153对能源消费具有促进作用。从运营需求来看,新型基础设施以信息网络为基础,更多依赖数字技术驱动,其运营建设过程主要依赖于电能。在这一阶段,由于数字节能技术尚不成熟,随着新型基础设施相关领域投资持续增加,5G 基站、数据中心、城际高铁等新型基础设施的发展运营将引致能源电力需求出现阶段性增长。以数据中心为例,2018 年全球数据中心的耗电规模已经达到全球总用电量的 1%。中国信息通信研究院发布的数据中心白皮书(2022 年)也显示,数据中心耗能较高,用电成本在运营总成本中的占比达 60%70%。(二二)发发展展期期:规规模模驱驱动动视视角角下下的的节节能能效效应应 相对于传统基础设施,新型基础设施具有更加显著的规模经济和范围经济特征,相互之间的融合渗透性、通用共享性和区域协同性更强。在发展期,随着新型基础设施网络日渐完善,地区之间的资源集约共享程度有所提高。当新型基础设施网络深化程度达到足够高的水平,规模经济效应逐步显现,即新型基础设施可以将区域之间的经济活动连成一个整体,通过溢出效应促进资源在空间上优化配置,降低流通成本,从而减缓能源消费增长压力。例如,5G 基站、大数据中心等网络基础设施可以促进信息的数据化和传播的网络化,推动区域之间的信息交互以数据流的形式进行,从而大大降低传统要素物理位移的能耗成本。再如,城际高速铁路网络的形成有助于降低城际出行对机动车和航空的依赖,缓解传统交通运输带来的能耗增长。同时,城际高铁网络的完善也有利于增强地区间的通达性,强化区域分工与协作,缓解市场分割导致的能源等要素配置扭曲,进而通过提高能源效率达到节能效果。(三三)成成熟熟期期:技技术术驱驱动动视视角角下下的的能能效效提提升升 数字技术创新是驱动新基建发展的重要引擎。既有文献证实,5G、大数据、互联网等数字技术对于提高能源利用效率、降低能源消耗具有显著的积极作用。然而,数字技术的推广应用依赖于相关基础设施平台的支撑。在起步期和发展期,新基建尚处于规模体量较小的发展阶段,数字技术的推广应用和节能效益有限。但长期来看,伴随新型基础设施的大范围统建共用和技术迭代升级,数字技术的节能效应将得到有效发挥,进而推动地区能源消费下降。一方面,新型基础设施网络为数字技术的推广应用提供了坚实基础。新型基础设施网络的形成与深化有利于加速数字技术与传统产业深度融合,促进产业结构优化和产业链供应链改造升级,进而减少生产流通环节的能源和资源消耗,实现生产效率与能源效率双重提升;另一方面,新型基础设施的规模化发展也有利于促进数字技术溢出突破区域间的行政边界和地理限制,加快数字技术在区域间的扩散和渗透,在更大范围内发挥绿色要素协同的节能增效作用。综合以上分析,本文提出以下假设:新型基础设施网络深化对地区能源消费的影响将呈现出先升后降的非线性趋势。154东南学术2023 年第 4 期 Masanet E.,Shehabi A.,Lei N.,et al,“Recalibrating global data center energy-use estimates”,Science,2020,367(6481),pp.984-986.Hanlon W.W.,Heblich S.,Monte F.,et al,“A penny for your thoughts”,National Bureau of Economic Research,2022.金巍、章恒全、毛广雄等:19942014 年中国交通基础设施投资对能源消耗的影响研究,资源科学2016 年第 12 期。许钊、高煜、霍治方:高铁开通对能源效率的影响研究 基于“中心外围”模型的理论分析与实证检验,软科学2022 年第 5 期。Lopez L.J.R.,Aponte G.P.,Garcia A.R.,“Internet of things applied in healthcare based on open hardware with low-en-ergy consumption”,Healthcare Informatics Research,2019,25(3),pp.230-235.沈坤荣、林剑威、傅元海:网络基础设施建设、信息可得性与企业创新边界,中国工业经济2023 年第 1 期。三三、新新型型基基础础设设施施网网络络深深化化的的能能耗耗效效应应估估计计 (一一)模模型型、变变量量与与数数据据 1.实证模型设定 为检验新型基础设施网络深化对地区能源消费的影响是否具有非线性特征,本文将地区新型基础设施网络深化指标的二次项引入实证模型的设定中。具体回归模型如式(5)所示:eneconpt=0+1cendept+2cende2pt+3Xpt+p+t+pt(5)其中,eneconpt为省份 p 的能源消费总量(对数)。cendept代表度数中心度,用以刻画 t 时期省份 p 的新型基础设施网络深化程度。cendept越高,说明省份 p 在新型基础设施网络中越处于中心地位,该省份新基建与其他省份新基建的联动关系越紧密、溢出效应越明显。其二次项 cende2pt主要用于捕捉新型基础设施网络深化对区域能源消费的非线性影响。Xpt为相关的控制变量,p和 t为省份固定效应和年份固定效应,pt为随机扰动项。2.控制变量选取 为提高估计精度,本文控制了一系列可能影响区域能源消费的变量,包括:新基建发展水平(Ninfra),以各省份新型基础设施资本存量的对数衡量。其他资本存量(K),采用永续盘存法进行估计。张军等已经估算了 19522000 年我国各省份的物质资本存量(1952 年可比价)。参考其测算方法,本文进一步估算 20002017 年我国各省份的资本存量,并从中扣除新型基础设施资本存量,得到其他资本存量。人力资本(H)基于平均教育年限计算得出,其具体公式为 H=6s1+9s2+12s3+16s4,其中,s1、s2、s3和 s4分别为各省份 6 岁及以上人口中小学文化程度、初中文化程度、高中文化程度与大专及以上文化程度人口所占的比重。城镇化率(urban),通过计算城镇人口占地区总人口的比值得到。对外依存度(expsh),以出口总额占省份 GDP 的比重衡量。产业结构(IS),以第二产业增加值占国内生产总值的比重衡量。地区经济发展水平(LG),以省份 GDP 的对数为代理指标。为避免能源消费与经济发展之间存在的反向因果问题,在具体回归中采用滞后一期的省份 GDP。3.数据来源及说明 各省份新型基础设施及其他资本存量数据主要来源于历年中国统计年鉴和中国固定资产投资统计年鉴。其他指标的相关数据主要来自 CEIC 数据库。各省份资本存量和国内生产总值指标均调整为 2000 年不变价。相关变量的描述性统计如表 1 所示。表 1 主要变量的描述性统计变量名称观测值平均值标准差最小值最大值enecon45011.4740.7368.83112.903cende4500.3690.1780.1720.724Ninfra4508.3080.8305.25810.201K45012.2430.9199.78914.200H4500.2460.0370.1490.361155 张军、吴桂英、张吉鹏:中国省际物质资本存量估算:19522000,经济研究2004 年第 10 期。表 1(续)变量名称观测值平均值标准差最小值最大值urban4500.5200.1450.2530.896expsh4500.1650.1910.0110.927IS4500.4210.0890.1800.633LG45019.2660.72917.29920.933 (二二)基基准准回回归归分分析析 表 2 汇报了新型基础设施网络深化影响区域能源消费的相关回归结果。其中,前两列未引入 cende2(即度数中心度 cende 的二次项),第(2)列在第(1)列的基础上增加了相关控制变量。可以发现,无论是否引入控制变量,cende 的系数均为正值,且至少在 10%的水平上显著,即新型基础设施网络深化将增加区域能源消费,越处于基础设施网络中心的地区,其能源消耗相应地也越高。第(3)(4)列进一步在回归模型中引入了 cende2。回归结果表明,cende 的系数绝对值和显著性均有所提升,但系数方向依然为正;与此相反,cende2的系数则显著为负。这一结果证实了本文的假设,即新型基础设施网络深化对于区域能源消费的影响具有“倒 U 型”的非线性特征。当某个省份在网络中的度数中心度低于拐点值时,新型基础设施网络深化将增加该地能源消费;反之,当某个省份在网络中的度数中心度高于拐点值时,新型基础设施网络深化则具有节能效应,可以促进该地能源消费总量下降。以表 2 第(4)列为基准回归结果,可以求导得出在新型基础设施网络中,度数中心度 cende 的拐点约为 0.497。结合 cende 在样本期内的整体分布来看,拐点值基本等同于 cende 的 70%分位数。截至 2017 年,我国仍有约 66%的省份在新型基础设施网络中的度数中心度低于拐点值。由此来看,现阶段我国新型基础设施网络深化度还处于较低水平。尽管短期内新型基础设施网络密度的提升将伴随着区域能源消费增长,但从长期来看,仍需进一步加快新型基础设施投资和建设步伐,促进新型基础设施网络深化加快越过拐点,推动规模经济效应和技术节能效应更好发挥。表 2 新型基础设施网络深化对区域能源消费的影响变量地区能源消费:enecon(1)(2)(3)(4)cende1.520(0.647)0.933(0.537)7.094 (1.426)5.070 (1.832)cende2-6.919 (1.896)-5.103(2.201)Ninfra-0.044(0.081)-0.011(0.070)K0.285 (0.080)0.206 (0.075)H-0.093(0.523)0.000(0.558)urban1.267(0.738)1.256(0.614)expsh-0.208(0.110)-0.186(0.103)156东南学术2023 年第 4 期 表 2(续)变量地区能源消费:enecon(1)(2)(3)(4)IS0.198(0.168)0.143(0.166)LG-0.076(0.156)-0.088(0.154)常数项10.914 (0.239)8.790 (2.658)10.017 (0.242)9.035 (2.588)省份固定效应是是是是年份固定效应是是是是样本量450450450450调整 R20.9850.9870.9870.988 注:括号内为回归的标准误;、和 分别表示在 10%、5%和 1%的水平上显著;下同。(三三)稳稳健健性性检检验验 为确保回归结果的可靠性和研究结论的可信度,本文进一步采取了替换变量指标、考虑建设时滞性以及数据缩尾等方法进行稳健性检验。1.替换被解释变量指标 为了更加全面、完整地衡量区域能源消费,本文依次将能源消费总量替换为人均能源消费和能源强度两个指标,并分别将其作为被解释变量进行重新回归,结果分别如表 3 第(1)列和第(2)列所示。其中,人均能源消费剔除了能源消费总量中的人口因素,将新型基础设施网络深化的能耗效应分析推进到更加具体的人均层面,可以更加准确地反映新基建对于地区实际能源消费水平的影响。而能源强度则衡量了特定省份生产单位 GDP 的能源使用量,揭示了地区能源消费的综合利用率,可以反映新基建对于能效提升的影响。在第(1)列和第(2)列中,cende 的系数均为正,而 cende2的系数均为负,且都在 1%的水平上显著。尽管在不同的被解释变量下,cende 和 cende2的系数大小与基准结果存在一定差异,但不同情况下的拐点值差距较小。以人均能源消费为被解释变量,拐点值约为 0.519,与基准回归下的拐点值(0.497)非常接近;以能源强度为被解释变量,拐点值约为 0.676,略高于 0.497,说明新基建对能源效率提升的积极作用需建立在更加完善的网络基础上,这与上文中关于新基建在成熟期的能效提升分析一致。综合来看,上述结果表明,新型基础设施网络深化对区域能源消费的影响确实存在“倒 U 型”的非线性关系,本文的研究结论是可靠的。2.考虑新型基础设施建设及应用时滞 鉴于新基建存在一定的周期性和持续性,且建成的新型基础设施在正式投入使用之前往往需要经历测试期,由此可能导致新型基础设施网络深化对地区能源消费的影响存在时滞性。因此,本文使用滞后一期的 cende 和 cende2作为新的解释变量纳入回归方程。结果如表 3 第(3)列所示,cende 的一次项系数依然显著为正,但二次项系数显著为负,且系数大小与基准回归结果非常接近。在考虑时滞效应的基础上,结果再次表明,新型基础设施网络深化将导致区域能源消费先上升后下降,本文的研究结论较为稳健。3.剔除异常样本的数据缩尾 从上文关于新型基础设施的网络结构表征来看,我国新型基础设施网络中存在少数几157个度数中心度较高的省份,会对整个网络结构产生较大影响。同时,不同地区经济活动体量差异也可能导致区域能源消费总量的极差较大。为此,本文分别对数据样本进行前后 1%的缩尾处理。以剔除异常数据对估计结果的潜在干扰。如表 3 第(4)列所示,cende 与 cende2的系数一正一负,且至少在 1%的水平上显著,结果仍然较好地支持了上文得出的结论。表 3 稳健性检验变量(1)(2)(3)(4)人均能源消费能源强度滞后一期变量数据缩尾cende3.532