文摘

后一个动态非线性的角度来看,本研究探讨了城市创新能力和能源利用效率之间的关系采用面板向量自回归(PVAR)和动态面板门槛回归(焦度)方法。利用2003 - 2020年中国281个地市级城市的面板数据,本研究证实,能源利用效率提高了由于城市创新能力的提高。根据城市的特点,如人口密度、产业结构、环境污染,能源利用效率高的早期阶段城市发展可以帮助或阻碍能源利用效率的提高在以后的阶段。增强城市创新能力未能提高能源利用效率和不利影响城市人口密度较低或中等工业基础薄弱。然而,在人口密度高的城市或第二产业比例,改善创新能力显著提高能源利用的效率。此外,城市创新能力的积极影响能源利用效率比进行更高的低污染城市的城市。

1。介绍

能源消耗是一个重要因素在中国的经济发展和社会进步。考虑到提高经济规模总量,在中国的需求和依赖能源上涨(1]。最新的BP世界能源统计年鉴》的数据突显出,在2018年,中国一次能源消费总量相当于32.735亿吨石油,世界上最高的。此外,根据“中国能源供应和需求报告,“中国的能源消费总量46.4亿吨标准煤,占全球一次能源消费总量的23.6%,连续10年以来,在全世界排名第一。中国的环境恶化由于过度的能源消费与能源紧张造成经济发展的共存。此外,日益严重的能源形势需要更需要能源利用效率,改善能源利用效率已成为中国经济发展的焦点在这个阶段(2]。然而,与前国家有关经济总量相比,每单位能源消耗的国内生产总值(GDP)是美国的2.14倍,日本的2.63,2.97在德国,英国3.53和2.75在法国。这意味着中国的经济仍然支持大量的能源消耗,还有一个大的差距中国和发达国家能源利用效率(3]。

指数增长的经济和资源的有限发展提升的转型“要素驱动”向“创新驱动”。因此,技术创新已成为一个重要手段解决经济问题的国家和城市,占领下的发展机遇(新技术革命浪潮4,5]。最近的研究已经证实,城市作为科技创新活动的主要地点和创新能力的提高有助于提高能源效率(6]。提高能源利用效率也可以提高城市创新能力(7]。然而,这一结论适用于中国城市吗?能源利用效率影响城市创新能力在中国?城市创新能力影响能源利用效率吗?和他们交流吗?是两个强制或驱动之间的关系?这种关系会改变城市人口密度的变化,产业结构、环境污染、和其他因素?有许多问题尚未解决。在此背景下,澄清之间的动态关系和机制在中国城市创新能力和能源利用效率不仅有利于保证国家能源安全,转变经济增长方式,也有利于科技创新的可持续、协调发展和新的城市化。

作为一种重要的能源经济领域的问题,能源利用效率受到了众多学者的广泛关注(8]。能源利用效率的内涵逐渐延伸,从最初的单因素能源利用效率全要素能源利用效率基于传统的DEA模型(9),从静态能量利用率动态全要素能源利用效率基于Malmquist指数模型(10,从只关注经济的发展到考虑环境污染(11)和能源利用效率在企业级别(12]。同样,城市创新能力,作为一个重要的问题在区域经济学,也吸引了注意力。先前的研究讨论了城市创新能力的定义和相关概念视角的创新环境和资源整合13,14]。此外,城市创新能力的测量标准和评估系统是广泛和充分讨论(15,16],它触发争端一个指示器和一个指标体系。然而,黄等。17)中国区域创新能力和能源利用效率的研究框架和研究它们之间的耦合关系从空间和时间的角度协调。然而,现存的文献后,大多数讨论能源利用效率和城市创新能力独立存在,而很少有研究调查了两者之间的关系,特别是动态非线性关系。

本研究的主要贡献体现在以下三个方面:首先,从动态非线性的角度来看,城市之间的动态相关性和机制创新能力和能源利用效率进行了讨论。第二,结合面板向量自回归方法(PVAR)和动态面板门槛回归(焦度)有助于准确地识别动态城市创新能力之间的因果关系和能源利用效率和澄清的作用机制,以及研究动态非线性关系城市创新能力和能源利用效率在不同的约束。最后,本研究使用夜间灯光数据,已被广泛应用于经济领域的研究最近;它衡量各种地市级城市的能源消耗之后,夜灯越亮,能源消费总量越大,解决了现有研究的缺陷在时间跨度和城市测量。

本文的其余部分结构如下:部分2解释了研究设计和方法;部分3介绍了数据来源和变量定义;部分4和5分别讨论PVAR系统和焦度分析;和部分6总结了研究。

2。方法

2.1。PVAR系统

PVAR可以治疗所有的变量作为内生系统并检查每个变量的滞后项,反映变量之间的交互。这种方法可以捕捉个体差异和共同冲击不同截面通过引入个体效应和时间点效应变量,分别增加的优势向量自回归(VAR)模型和面板数据模型。它不仅可以解决内生性的问题,还有效地描述系统变量之间的冲击响应和方差分解。我们可以探索城市创新能力之间的动态关系和能源利用效率以及直接、动态交互作用加强,反馈,和其他通过构造PVAR系统。

PVAR系统分析包括以下主要步骤:(1)构建一个广义矩方法(GMM)估计获得变量之间的回归关系;(2)确定系统的正交化对其他变量的影响通过分析脉冲响应函数;和(3)获得的方差分解结果预测期和测量使用方差分析每个变量的贡献。因为PVAR系统的估计是基于动态面板固定效应模型中,社会团体内部的平均差方法之前,应使用GMM估计消除时间的效果。随后,消除个体效应,开始意味着可以采用差分法。PVAR系统表达如下: 在哪里 在中国代表了地市级城市; 表示;是一个 因变量的向量;是一个 向量的协变量外生(控制变量);代表的是一种难以察觉的拦截效果,这种固定效应可以消除使用远期不同Helmert转换方法(远期不同Helmert转换方法避免滞后回归之间的正交性和不同的工具变量通过删除转发的意思是,这样可以更精确的测量测试结果);表示时间的影响;和是随机误差项,它具有以下特点: 和 ,和 。

2.2。焦度

传统的面板门槛回归侧重于静态效果,需要强有力的外生控制变量(18]。然而,强劲的外生条件往往难以满足在现实世界中。因此,搜索引擎优化和胫骨19]扩展传统的面板阈值模型的动态模型,第一个区别广义矩量法(FD-GMM)是用来估计它在解决内生问题焦度模型。焦度模型的具体形式如下:

的一阶差分形式(2)可以表示如下: 在哪里 , , ,和 。使 ,和假设是一个紧集, ,在哪里 。使 , 和分别代表两个百分位数的阈值变量。由于回归元素之间的关系和个人的影响,所获得的参数估计直接使用普通最小二乘回归(3)是有偏见的。因此,我们需要找到一个 维的工具变量 满足 对于任何 和 。

因为模型允许阈值变量的内生性 ,它是 。因此,不属于辅助变量的设置吗 ,和下面的一维列向量的样本矩条件被认为是:

假设当且仅当 , 。因此,使 和 ,在哪里被认为是一个正定。正定矩阵和 ,使 ,在哪里 估计可以来自 。固定 ,让 , ,在哪里 , ,然后对于给定 , ,和 ,估计表示为如下方程:

返回和目标函数的收益率的估计 : , 。

3所示。数据

本研究利用面板数据从2003年到2020年在中国281个地市级城市。相关数据在区域经济、产业结构、各地市级城市和城市环境污染源于年度“中国统计年鉴”和“中国城市统计年鉴》。“发明专利授权上的数据在不同的地市级城市从官方获得国家知识产权局的网站。地市级城市的能源消耗计算基于夜间灯光数据被广泛应用于最近的经济研究[20.- - - - - -22]。我们的想法是,夜灯越亮,能源消费总量越大。夜间灯光数据从数据库“全球夜间光了。“这个数据库是开发基于国防气象卫星计划(DMSP全球夜间灯光数据可用”https://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html”)。夜间灯光数据包括万里无云的观测频率、平均光图象,和稳定的光图像。因为稳定的照明图像数据包含相对稳定的照明在城市和城镇,本研究选择稳定的照明图像数据作为基本数据夜明灯图像数据和可见红外成像辐射计(VIIRS晚上照明数据”https://ncc.nesdis.noaa.gov/VIIRS/”)。夜灯的图像数据,美国国家海洋和大气管理局。这些数据反映的夜间灯光数据在中国市县(美国国家地球物理数据中心(NGDC)的美国进行一系列的噪声处理的基本数据,如消除夜间云的影响,短期内火灾、极光,和闪电,所以处理过的数据才能真正反映人类的能源消耗)。我们平均每年的夜间灯光数据研究窗口期,确保夜间灯光数据覆盖所有地市级城市在中国从时间和空间维度。此外,我们将光的亮度转换为一个数字号码(DN)。每个光栅的DN值范围是0 - 63(63是饱和值的数据)。空间维度涵盖从135°度经度东到73°度西和北纬3°度54°度。

能源利用效率的核心变量( )是衡量的对数地市级城市的人均国内生产总值除以总能耗的地市级城市(即。,单位GDP能耗的倒数)。值越高,能源利用效率越高。主要的变量,城市创新能力( ),测量的发明专利总数地市级城市。此外,城市人口密度( )获得地市级城市的人口除以行政区域,从而描述的微分影响城市人类活动的规模。产业结构( )是衡量第二产业增加值的比例在地区国内生产总值(GDP),从而描述整个城市的产业结构。城市环境污染的程度 )测量二氧化硫排放量的地市级城市。提出了上述变量的描述性统计在表1。

4所示。PVAR分析

4.1。模型的估计

变量的非平稳的问题往往会导致“pseudoregression”现象的分析,使回归结果偏离甚至无效。因此,我们使用Levin-Lin-Chu (LLC), Harris-Tzavalis (HT)和Fisher-ADF方法检查核心变量是否有面板单位根,以确保测试结果的可靠性。表2报告的测试结果三种方法拒绝假设变量是不稳定的,它可以被认为是能源利用效率的两个核心变量和城市创新能力是静止的,适合PVAR系统分析。

变量和滞后回归系数之间的正交变换的帮助下Helmert PVAR系统的方法和最优滞后阶选择根据标准的信息,包括Akaike信息准则(AIC),贝叶斯信息准则(BIC), quasi-information标准(QIC)。当滞后项是1,BIC达到最低时,当滞后项的顺序是2,AIC和QIC达到最低(表3)。后“少数服从多数”的原则PVAR系统滞后订单2是构造。

在表3,能量方程估计结果(第1列)表明,早期的能源利用效率显著影响后来的能源利用效率,和早期的城市创新能力也有利于改善以后的能源利用效率。然而,评估的结果方程(2)列显示,能源利用效率滞后一个周期的估计系数是负的,不具有本土性,表明前一时期的城市能源利用效率不能显著提高城市创新能力的后期,甚至可能抑制城市创新能力。早期的城市创新能力将有利于以后的创新能力,具有一定的“惯性”的特点。

4.2。脉冲响应和方差

PVAR的稳定性(2)模型是分析之前首先测试脉冲响应函数和方差分解。表4和图1证明的绝对价值特征值的实部和虚部都在[0,1]的范围。因此,PVAR模型被认为是稳定的。

脉冲响应函数描述了一个内生变量的响应一个错误;,标准偏差的影响的轨迹随机干扰项的当前和未来的其他变量的值。它可以直观地描述能源利用效率之间的动态交互和城市创新能力和确定时滞变量之间的关系。直观地描述动态延迟系统中变量之间的关系,我们给每个变量的标准偏差影响,利用蒙特卡罗方法模拟300次,获得每个变量的影响在每个变量后0-20时期。脉冲响应函数的两个变量的曲线如图2。水平轴代表的响应周期冲击响应,和最大的滞后期是20。纵轴代表变量的相应程度的冲击。阴影部分代表了95%置信区间,中间的实线代表每个时期的冲击响应的大小。

有三种动态PVAR系统中的交互作用:直接、强化和反馈效应。首先,直接影响,这是城市创新能力变量的滞后项对能源效率,可以关注第一行和第二列的脉冲响应图2。面对一个正交的影响城市创新能力( ),能源利用效率的总体响应显示了一个倒“u型”的趋势。在前三个时期,改善城市创新能力可以迅速提高能源利用效率,然而,从第四期,积极的影响逐渐减小,趋于0时。这意味着城市创新能力有积极影响能源利用效率,这将大大提高能源利用效率在早期阶段。然而,其效果会逐渐削弱城市发展的不断更新和技术创新。第二,加强效应是两个变量的滞后效应。尽管能源利用效率的增强效果显示一个“u型”“积极,然后消极”的趋势并逐渐收敛于零,对角线上的脉冲响应图可以观察到。最后,反馈效果是城市创新能力滞后的能源利用效率。脉冲响应图2(第二行和列1)描述了城市创新能力的反应能量利用率的正交的影响。给定一个正交对能源利用效率的影响,城市创新能力提供了一个“u型”改变“积极,然后消极”和10收敛于零^th阶段。

方差分解方法分解的预测均方误差的内生变量的贡献由随机冲击系统中每个变量。它计算百分比贡献的大小由冲击每个变量冲击,评估一个变量对另一个的影响。脉冲响应分析的基础上(图2),我们使用方差分解来进一步研究城市创新能力相互作用的程度和能源利用效率并获得响应的影响的贡献每个方程中每个变量的波动PVAR(2)系统。两个核心变量的误差方差分解结果的能量利用效率和城市创新能力的1^圣-20年^th预测期报道在表5。测试结果证明第八期的方差分解基本上是稳定的,结论是有意义的。

此外,它可以推断出,能源利用效率的预测误差的方差来自本身在第一个时期,这是与城市创新能力(表无关5)。然而,城市创新能力的贡献率能源利用效率的变化随着时间的增加,最后被维持在约9.09%,而能源利用效率变化的贡献率在城市创新能力仍然保持在大约4.28%。相比之下,能源利用效率的贡献率城市创新能力的变化,后者比前者更大的解释。

4.3。格兰杰因果分析

格兰杰因果关系检验是一个进行中的两个核心变量PVAR系统检查是否存在一个明显的因果关系城市创新能力和能源利用效率。结果被发表在表6。

结合格兰杰因果分析结果表6和方差分解结果表5,它可以观察到,城市创新能力的提高能源利用效率的提高的原因。提高能源利用效率的原因不是城市创新能力,增加和能源利用效率还是城市创新能力,其预测误差的波动主要是由于本身。这一结论提供了一个依据使用动态门限回归模型来测试城市创新能力的非线性影响能源利用效率。

5。焦度分析

阈值变量设置为人口密度、产业结构、和环境污染的地市级城市,和焦度模型是建立在这一节中分析城市创新能力的差异影响能源利用效率在不同人口密度、产业结构、和环境污染水平。具体形式可以表示如下: 在哪里是一个时变因变量;和lag-dependent变量是解释变量;代表一个指标函数,它等于1时,括号里的条件是满意,否则0;表示三个阈值变量描述城市人口密度、产业结构、和环境污染;表示阈值; , , ,和代表相关斜率参数对应于不同的时间间隔。因为解释和阈值变量在模型中可能有内生问题,模型的误差项设置 ,由两部分组成的Seo和胫骨19];是一个难以察觉的个体固定效应;和是一个零均值异构的随机干扰项(鞅差序列被认为是一种,也就是说, ,在哪里自然过滤周期吗 ,这不是假设或是可测量的相对 ,也就是说, 或 。此设置允许解释变量的内生性和阈值变量在模型中)。城市创新能力的估计的结果影响能源利用效率基于焦度总结在表7。人口密度、产业结构和环境污染水平作为阈值变量代表的人口、工业、城市和环境约束在一定程度上。

我们用引导的方法提出的汉森(23)和模拟的渐近分布p价值的统计测试的有效性焦度模型的估计结果见表7。结果表明,非线性测试p值接近于零,模型(表确实有非线性关系7)。因此,与人口密度动态阈值模型,工业结构,环境污染水平阈值变量可以建立。首先,从参数估计结果与人口密度阈值变量的阈值是263.9851,将样本划分为两个间隔的低人口密度( )和高人口密度( ),和在这两个区间变量的系数是显著不同的。当城市人口密度低于约264人/公里²,传递系数的估计价值1%的本土性测试和演示了一个积极的“惯性”效应。这表明早期的能源利用效率有积极的促进作用后能量利用效率在这个阈值。的估计价值系数显著负的,这表明城市的创新能力的提高与低人口密度不能提高能源利用效率,但会抑制它。然而,在城市人口密度高于264人/公里²,结果恰恰相反。能源利用效率的早期阶段不利于后期提高能源利用效率,并改善城市创新能力将大大促进城市能源利用效率的提高。第二,从产业结构参数估计结果与阈值变量,阈值是0.4026,明显原住民在1%的水平,这表明当第二产业增加值的比例在地市级城市的GDP大于这个阈值,提高城市创新能力有利于其能源利用效率的提高。相反,它将损害的改善能源利用效率。最后,从参数估计的结果与环境污染阈值变量,阈值为36285.2104,显示本土性在1%水平。阈值将样本划分为进行( )和低污染( )城市。然而,城市创新能力的提高有利于改善能源利用效率高、低污染城市。值得注意的是,与进行城市相比,在低污染城市创新能力的提高将会有一个更强的影响提高能源利用效率。

6。结论

从动态非线性的角度来看,本研究探讨了城市创新能力和能源利用效率之间的关系通过PVAR和焦度方法。利用2003 - 2020年的面板数据的样本281个地市级城市在中国,我们讨论了能源利用效率的动态关系和机制和城市创新能力。研究结果表明,提高城市创新能力的背后的原因的改善城市能源利用效率,改善能源利用效率并不是背后的原因的改善城市的创新能力。的能源利用效率水平城市的早期阶段可能是促进和提高能源利用效率的障碍在后期阶段,根据城市的情况而言,人口密度、产业结构和环境污染。与低水平的人口密度、城市产业结构、环境污染、能源利用效率具有一定的“惯性”的特点。相比之下,与高水平的城市人口密度、产业结构水平,早期的效率高和环境污染,能源利用率将阻碍后期改善能源利用效率。从城市创新能力的角度来看,提高城市创新能力不仅可以提高能源利用效率,还影响城市人口密度较低或弱二次工业基地。而对于人口密度高的城市或第二产业比例,提高创新能力将显著改善城市能源利用效率。此外,城市创新能力的促进作用在能源利用效率显著高于低污染城市在进行城市。

仍有一些缺点在这项研究中,这是不可避免的。首先,城市创新能力的测量是相当粗糙的不考虑专利的差异(例如,发明专利、实用新型专利、工业设计和专利)。后续研究可以更详细的分工创新能力根据中国专利分类标准,以反映城市创新能力的数量和质量的差异。其次,本文只考虑城市人口密度的影响,产业结构和环境污染对城市创新能力之间的关系和能源利用效率。未来的研究可以进一步探讨可能的非线性关系城市创新能力和经济发展造成的能源利用效率,城市基础设施、政策执行效率,等等。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由中国国家自然科学基金批准号51908229。