基于面板數(shù)據(jù)的中國能源強度演變區(qū)域影響因素研究

周 恒，石 時，劉洪濤

(1.西安交通大學經(jīng)濟與金融學院，陜西西安，710049;2.陜西西咸新區(qū)發(fā)展集團有限公司，陜西咸陽，712000;3.蘇州大學商學院，江蘇蘇州，215006)

一、引 言

隨著中國經(jīng)濟的高速發(fā)展，我國的能源消費量也隨之增加。盡管我國在降低能源強度上取得了顯著的成就，2008年的能源強度相對于1980年降低76%，但2007年中國已經(jīng)成為世界第二大能源消費國和最大二氧化碳排放國(EIA，2008)。面對全球氣候變化的威脅，盡管作為發(fā)展中國家我國目前沒有減排義務(wù)，我國也已向國際社會自主承諾到2020年單位GDP碳強度相對2005年降低40-45%。如何進一步降低能源強度就成為我國是否能實現(xiàn)該目標的關(guān)鍵。值得注意的是，我國經(jīng)濟高速增長的同時也帶來了嚴重的環(huán)境污染和區(qū)域發(fā)展不平衡。2008年，單位GDP能耗最高的省份寧夏的能源強度是最低的省份(廣東)的6倍。因此，在科學制定區(qū)域節(jié)能減排和低碳經(jīng)濟發(fā)展戰(zhàn)略的過程中，必須考慮到各省區(qū)能源強度的巨大差異和區(qū)域能源強度影響因素的作用。

二、文獻綜述

對中國能源強度變化的影響因素，國內(nèi)外學者采用不同的方法進行了很多研究，但結(jié)論不盡相同［1］。Zhang對中國工業(yè)部門的能源消費變化做了研究，其結(jié)果表明效率變化是關(guān)鍵因素［2］。Metcalf在國家層面分析了能源強度降低的主要因素［3］。Fisher-Vanden等發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)的變化和企業(yè)生產(chǎn)力的提升都可以用來解釋中國2000年之前的能源強度降低現(xiàn)象，但后者是更為重要的驅(qū)動因素［4］。Compton和Wo也發(fā)現(xiàn)最終需求結(jié)構(gòu)的變化，也就是在能源消費下降情形下的結(jié)構(gòu)轉(zhuǎn)變，并不如效率提升因素一樣能導(dǎo)致能源強度大幅下降［5］。Liao等指出高能源消費部門的過度擴張和高的投資率是2003年到2005年中國能源強度反彈的主要動因［6］。Ma和Stern的分析指出，技術(shù)革新是中國能源強度降低的首要因素，而消極的技術(shù)導(dǎo)致了2000年以后中國能源強度的反彈［7］。國內(nèi)學者對此問題的看法主要分為兩種，史丹［8］，韓智勇等［9］，齊志新和陳文穎［10］認為我國能源強度的降低主要來自能源效率的提升;而王建海［11］，李國璋和王雙［12］則分別認為我國能源強度下降過程中，經(jīng)濟結(jié)構(gòu)變化和區(qū)域結(jié)構(gòu)因素起到正面的影響。

上述研究均是基于全國數(shù)據(jù)進行分析，沒有考慮到區(qū)域因素對能源強度變動的作用。Auffhammer和Carson利用省級的能源消費面版數(shù)據(jù)，發(fā)現(xiàn)了中國各省間能源強度變動的顯著異質(zhì)性［13］。Hu和Wang研究發(fā)現(xiàn)，地區(qū)的全要素能源效率和人均收入之間存在一個U型關(guān)系［14］。以上研究均得出了能源強度變動存在顯著區(qū)域效應(yīng)的結(jié)論［15］。但是，對于進一步系統(tǒng)分析能源強度變動在區(qū)域?qū)用娴挠绊懸蛩?，國?nèi)研究鮮有涉及［16］。我國的一個省的面積差不多就與歐洲一個國家一樣，加上我國能源資源分布不均、經(jīng)濟結(jié)構(gòu)各異。因此，本文將基于全國29個省區(qū)(除西藏)1990年到2008年的面板數(shù)據(jù)，對我國能源強度變化在區(qū)域?qū)用娴闹饕绊懸蛩剡M行系統(tǒng)深入分析，試圖為節(jié)能減排政策的制定和實施提供有力的理論支持與實踐指導(dǎo)。

三、面板回歸分析

1.數(shù)據(jù)收集與變量描述性統(tǒng)計

為了找出影響能源強度變化的原因，借鑒Boyd and Roop(2004)和Metcalf(2008)的研究，我們使用的面板數(shù)據(jù)包含了對29個省市的一系列觀察項目。每個省包括19個觀察項目(自1990年到2008年)，觀察項目總共有29*19=551個。本文研究因素包括:燃料價格(fuel)，人均收入(pci)，人均收入的平方(pci2)，熱度日(hdd)，冷度日(cdd)，時間趨勢(time)，時間趨勢的平方(time2)，資本勞動比率(kl)，資本勞動比率的平方(kl2)，投資資本比率(ik)，投資資本比率的平方(ik2)。每個省1990年到2008年的經(jīng)濟數(shù)據(jù)和能源數(shù)據(jù)分別來自于歷年的《中國統(tǒng)計年鑒》［17］和《能源統(tǒng)計年鑒》［18］。我們用對數(shù)線性回歸以期找出與數(shù)據(jù)匹配度最高的對數(shù)線性模型。

我們從統(tǒng)計年鑒的燃料零售指數(shù)中得到燃料價格。當燃料價格上漲，能源強度將下降。這是因為居民和工業(yè)將更加高效地使用燃料。從另一方面講，燃料零售價格并不能反映部分國有企業(yè)的實際支付價格。盡管如此，價格指數(shù)是唯一易得到并可用的數(shù)據(jù)。我們用人均收入及其二次方來反映能源強度與個人收入間的非線性效應(yīng)。當居民收入增加，他們會從生物質(zhì)能源(如秸稈、柴火等)的使用轉(zhuǎn)向高效化石能源的使用，從而在前期降低能源強度。當收入持續(xù)增加，電氣設(shè)備使用的擴張又會反過來抬高能源強度。從總體來看，收入和能源強度之間的關(guān)系將呈現(xiàn)“U”型。從回歸結(jié)果的系數(shù)中看，線性項和二次項結(jié)合的極值(拐點)的數(shù)值可以通過計算獲得。我們可以確定pci對能源強度的效應(yīng)是一直正相關(guān)，負相關(guān)或是在有意義的區(qū)間內(nèi)有變化，而這一切取決于拐點相對于人均收入樣本區(qū)間的位置。

氣候是一個影響能源使用的重要因素。熱度日和冷度日是用來反映加熱或冷卻一座建筑物所需要的能量的量化指標。我們將對熱度日和冷度日的計算作出如下調(diào)整，我們給計算中添加一個乘積項——人口權(quán)重因子，以反映氣候?qū)δ茉词褂昧康挠绊?。例如，作為中國最大的省之一的青海省只?00萬人口，而北京卻擁有1600萬人口。假設(shè)這兩個地區(qū)的氣候一樣，我們肯定要使用人口因子來反映其不同的能源使用量。

我們還包含了時間趨勢及其二次方，這是因為創(chuàng)新和技術(shù)進步將驅(qū)動能源效率顯著提升，即時間趨勢效應(yīng)是一個反映技術(shù)進步對能源使用影響的因素。我們的研究進一步包含了資本勞動比率及其二次方。我們通過永續(xù)存盤法從固定資產(chǎn)投資數(shù)據(jù)集中獲取了資本存量數(shù)據(jù)。資本勞動比率對能源強度的影響是雙向的，我們既可以解釋為顯示在資本密集的重工業(yè)中不斷增加的能源強度的正相關(guān)指標，也可以解釋為顯示類似電子產(chǎn)品和計算機產(chǎn)品生產(chǎn)商的向高科技產(chǎn)業(yè)過渡的負相關(guān)指標。最后，我們還引入固定資產(chǎn)的投資資本比率。這是一個綜合性的指標，用以反映固定資產(chǎn)投資的規(guī)模、結(jié)構(gòu)、增長，和為觀察工程進度與評估投資結(jié)果提供基礎(chǔ)。我們用地區(qū)固定資產(chǎn)投資的價格指數(shù)(現(xiàn)行價格)對投資數(shù)據(jù)進行平價處理。Ik比率預(yù)期將與能源強度變化呈正相關(guān)關(guān)系，因為國家通過大規(guī)模投資增加設(shè)備、機器和基礎(chǔ)設(shè)施，而這些體現(xiàn)了更多的能源消費。對這些變量的描述性統(tǒng)計如下:總體標準差(stdev)測度了在整個跨省和跨時間數(shù)據(jù)集的變化。組間標準差測度29個省之間的變化，而組內(nèi)標準差測度省級數(shù)據(jù)在時間跨度上的變化。例如，對于冷度日，組內(nèi)標準差是0.19，低于值為1.44的組間標準差。這是因為天氣在一個省在各年間的變化不大，但在同一年不同省之間的變化較大。從另一個例子來看，對于零售燃料價格，組間標準差低于組內(nèi)標準差，這意味著各年間燃料價格變化較大，而在同年各省之間卻變化不大。

基于29個省19年的數(shù)據(jù)，我們設(shè)計了“大N小T”的面板模型，在該模型中我們用大量的個體來構(gòu)建大樣本近似。小T對可估計項目作了限定。對于所有的變量，組內(nèi)標準差是非零的，這意味著所有變量都不是時間不變變量?？赡艽嬖谀芙忉屇茉磸姸燃捌浣M成的時間不變特征，將被歸屬到省級固定效應(yīng)中。

2.固定效應(yīng)回歸及其結(jié)果

面板數(shù)據(jù)集就同一經(jīng)濟單位進行多重觀測。在本文中，我們對跨時間的能源強度進行了多重觀測的數(shù)據(jù)收集。在得到的數(shù)據(jù)中，每個數(shù)據(jù)都包含有跨地區(qū)和跨時間的雙重屬性。因此，面板數(shù)據(jù)可以擁有時間效應(yīng)或者群體效應(yīng)，有時兩者兼有。針對面板數(shù)據(jù)，我們從最一般的線性表示來定義模型:

i=1，……，N

t=1，……，T

其中，N表示省的數(shù)目(29)，T表示時間周期數(shù)(19年)，K 是鑒別出的變量數(shù)目(例如 pci，i/k，ratio等)。在本文中，線性表示為:log(E/Y)it=α1+

這種效應(yīng)可以用固定效應(yīng)模型或隨機效應(yīng)模型來分析，我們通過豪斯曼檢驗來確定用哪個模型。豪斯曼檢驗結(jié)果表明省級個體效應(yīng)確實顯現(xiàn)出與回歸矩陣相關(guān)。我們決定選擇固定效應(yīng)模型。表2中的結(jié)果顯示，R2為0.799，這表明數(shù)據(jù)對能源強度變化的解釋度較高。Rho的估計結(jié)果表明能源強度的所有變化都與省間能源強度價值差異有關(guān)。F檢驗說明確實存在顯著的個體(省級)效應(yīng)。正如我們所觀察到的，corr(u_i，xb)值為 -0.80，表示模型中ui與回歸矩陣有著很高的相關(guān)度。使用固定效應(yīng)模型是正確的。除時間趨勢以外，所有的系數(shù)都能表示出彈性。例如，當人均收入增加1%，能源強度將下降1.68%。

表1 描述性統(tǒng)計分析結(jié)果

燃料價格系數(shù)為正并在1%的水平上顯著。在正常的市場情況下，燃料價格的上漲會促進節(jié)能，從而導(dǎo)致能源強度的降低。對于模型結(jié)果，一個可能的解釋是存貨管理行為可能導(dǎo)致這種情況。同樣，前文已經(jīng)提過，一些國有企業(yè)的非市場效應(yīng)可能會導(dǎo)致能源消費方式對價格并不敏感。

人均收入與能源強度負相關(guān)，并且很顯著，而其二次項為正。拐點值為37.5，遠遠大于樣本范圍(最大為4.03)。因此，pci的影響效應(yīng)與能源強度的變化一直保持負相關(guān)。前文已經(jīng)提到，在個人收入增加時，人們會從生物質(zhì)能轉(zhuǎn)向燃料能源，因而導(dǎo)致能源強度的降低。收入的影響效果與Metcalf(2008)通過美國數(shù)據(jù)研究所得出的結(jié)論是一致的。不同點在于，用中國數(shù)據(jù)得出的收入所影響的能源強度變化的速度是遞減的，而基于美國數(shù)據(jù)研究的該結(jié)論為遞增的。這個截然相反的結(jié)論告訴我們，兩個國家正處于不同的發(fā)展階段。例如，從使用煤到使用電會導(dǎo)致能源強度的降低，但并不如從使用電轉(zhuǎn)變?yōu)槭褂镁G色技術(shù)所帶來的能源強度的降低幅度大。

表2 固定效應(yīng)模型下的面板回歸分析

類似的，資本勞動比率的系數(shù)為正，而其二次項為負，圖形開口向下。拐點值為2.43，超出了均值1.11。對能源強度變化的影響效果總是正向的。中國是一個發(fā)展中國家，并正處于工業(yè)化進程的中期，大多數(shù)固定資產(chǎn)投資存在于建設(shè)、擴大公用設(shè)施。當這個比率上升時，說明累積的固定資產(chǎn)資本在增加，從而導(dǎo)致能源強度的增加。

正如所預(yù)期的，熱度日和冷度日的系數(shù)都為正。盡管t指數(shù)表明冷度日并沒有顯著的影響，當熱度日增加，能源強度升高。從總體上來說，這是有意義的，因為中國的大多數(shù)地方室內(nèi)取暖是普遍存在的，但空調(diào)卻不是。根據(jù)最新調(diào)查，在每100戶農(nóng)村家庭中，只有7戶擁有空調(diào)設(shè)備。這就意味著能源消費與冷天的相關(guān)度要高于熱天。

投資資本比率的估計結(jié)果似乎與預(yù)期相同。這里的投資指的是用于固定資產(chǎn)的投資。拐點值為-2.38，超出了均值-1.91。當投資增加，整個國家的設(shè)備、建筑及基礎(chǔ)設(shè)施數(shù)量增加，這就意味著更多的能源消費。時間趨勢的系數(shù)為負，與預(yù)期一致。隨著時間逐步發(fā)生的技術(shù)進步和創(chuàng)新對能源強度變化的影響效果是十分明顯的。但t指數(shù)很大讓我們懷疑回歸的正確性。當變量表現(xiàn)為有類似“趨勢”的特征時，傳統(tǒng)的回歸技術(shù)是不適用的，因為這種技術(shù)是為靜態(tài)變量所設(shè)計的。盡管如此，本文所用的數(shù)據(jù)卻類似非靜態(tài)的時間序列。在進行了第一次估計后，由于冷度日的效果并不顯著，我們將其去掉了。同時，為了避免寄生效應(yīng)，我們在去掉了時間趨勢及其二次項對模型進行了修正，修正后的分析結(jié)果見表3。

如表3所示，時間趨勢可能導(dǎo)致了寄生效應(yīng)。對比現(xiàn)在的和表3中的結(jié)果，我們發(fā)現(xiàn)回歸的結(jié)果有所改進:燃料價格顯著性降低(對之前的結(jié)論我們就持有懷疑態(tài)度);熱度日的效果在5%的水平上顯著;其他變量的t指數(shù)在1%的水平上顯著。對于有二次項的變量來說，拐點值并未發(fā)生大的變化。對各個變量的解釋同前。

表3 固定效應(yīng)模型下的面板回歸分析(修正后模型)

3.對三個經(jīng)濟和地理地區(qū)的回歸分析

根據(jù)中央政府的規(guī)定，中國被劃分為省、自治區(qū)和直轄市。如表1所示，六個變量中的四個都有著更大的組間方差，而不是組內(nèi)方差。為了描述經(jīng)濟和地理方面的變化，并將北部與南部，東部與西部的差異等因素考慮在內(nèi)，我們將29個省分為3個主要地區(qū)。北部地區(qū)包括遼寧、吉林、黑龍江、北京、天津、河北、山東、河南、山西、陜西、內(nèi)蒙古。南部地區(qū)包括上海、江蘇、浙江、福建、廣東、廣西、海南、湖北、湖南、江西、安徽。西部地區(qū)包括四川和重慶，貴州、云南、甘肅、青海、寧夏、新疆。

為避免寄生效應(yīng)，我們?nèi)サ魰r間趨勢及其二次項，增加了地區(qū)虛擬變量，回歸結(jié)果如表5所示:

與使用總體數(shù)據(jù)相反，當使用區(qū)域數(shù)據(jù)時，所有燃料價格系數(shù)均為負，并且只有區(qū)域1(北部地區(qū))在1%水平上顯著，區(qū)域2在20%水平上顯著。這里的價格數(shù)據(jù)是指零售燃料價格指數(shù)數(shù)據(jù)，其主要包括兩個組成部分:工業(yè)燃料價格和用于運輸?shù)奶烊粴鈨r格。北部地區(qū)擁有著全國最大的工業(yè)企業(yè)集聚地，例如與最大的煤生產(chǎn)基地山西齊名的“東北鐵三角”——吉林、黑龍江和遼寧。相反的，區(qū)域2包括了許多南方的以農(nóng)業(yè)和紡織業(yè)貿(mào)易為主的省份，而區(qū)域3則是不發(fā)達地區(qū)，幾乎沒有重工業(yè)。此外，區(qū)域1和2擁有大多數(shù)的私有和工業(yè)車輛，這與不發(fā)達的中國西部地區(qū)大不相同?；谝陨嫌懻?，北部地區(qū)似乎對燃料價格更加敏感。

表4 區(qū)域數(shù)據(jù)集的描述性統(tǒng)計

對于三個地區(qū)來說，能源強度顯現(xiàn)為人均收入的二次函數(shù)，呈現(xiàn)為先降后升的圖像。二次項系數(shù)為正，展現(xiàn)出一個凸關(guān)系，即下降速度隨著時間推移也在減緩。這與總體水平上的結(jié)論是一致的。中國仍然是一個發(fā)展中國家，不發(fā)達的農(nóng)村地區(qū)占到55%。收入的影響效應(yīng)有兩個階段，當個人收入增加時，居民從消耗生物質(zhì)能轉(zhuǎn)為電力，因此能源效率提高。在某個特定的點，人均收入將與能源強度正相關(guān)。這是因為當收入進一步增加，居民將加大對電器的使用，從而導(dǎo)致了更多的能源消費。收入因素的影響效果是由兩個階段共同構(gòu)成的。對區(qū)域2和3來說，階段1占主要地位，這也是在1%水平上顯著的原因。然而，區(qū)域1是兩個階段共同作用的，這是數(shù)據(jù)結(jié)果不顯著的原因，同時其系數(shù)是最小的也證明了這點。

對于氣候因素，只有區(qū)域2，也就是中國南部地區(qū)顯著。冷度日的系數(shù)要高于熱度日系數(shù)，這說明前者的彈性更大。這一點是有意義的，因為這說明了在中國溫暖的南部地區(qū)，對制冷系統(tǒng)的需求大于制熱系統(tǒng)。對于熱度日的顯著性難以解釋，因為在在中國南部地區(qū)的房地產(chǎn)開發(fā)中，由于冷天數(shù)很少，制熱系統(tǒng)并未廣泛使用。

資本勞動比率與能源強度正相關(guān)，而且在三個地區(qū)都顯著。能源強度顯現(xiàn)為二次函數(shù)，先升后降。三個地區(qū)拐點值都大于均值，所以可以假定能源強度在所有地區(qū)所有時段內(nèi)都隨著資本勞動比率的增加而增大。這一點與之前的結(jié)論相同。最后，能源強度與投資資本比率正相關(guān)，同時只有地區(qū)1和3分別在1%和15%的水平上顯著。重工業(yè)企業(yè)集聚的中國北部能吸引更多的國家固定資產(chǎn)投資，這些投資可以有效率效應(yīng)或活動效應(yīng)，這取決于其所處的階段。在建設(shè)階段，企業(yè)幾乎沒有生產(chǎn)能力，所以活動效應(yīng)占主要地位，這將導(dǎo)致高能耗。在穩(wěn)定階段，新增投資(例如新擴建的工廠，新設(shè)備等)將比舊資產(chǎn)更有效率，則效率效應(yīng)主導(dǎo)，能源消耗降低。因此，表6中的系數(shù)是混合作用的結(jié)果。在地區(qū)1因為活動效應(yīng)大于效率效應(yīng)，所以其系數(shù)更大。在地區(qū)2因為效率效應(yīng)已經(jīng)趕上了活動效應(yīng)，所以其系數(shù)較小。與對人均收入因素的解釋類似，當一個地區(qū)發(fā)生混合作用時，數(shù)據(jù)的顯著性將降低。

表5 區(qū)域數(shù)據(jù)的面板回歸分析

四、結(jié) 論

我們基于我國29個省市自1990年到2008年的區(qū)域面板數(shù)據(jù)，對省級的氣候和經(jīng)濟相關(guān)的因素進行了回歸分析，并在國家和地區(qū)層面上分析了能源強度變化的原因。研究結(jié)果發(fā)現(xiàn)燃料價格與能源強度變化呈負相關(guān)關(guān)系，熱度日和冷度日的影響效果只有在南部地區(qū)顯著，人均收入、投資資本比率等因素在不同階段對能源強度有著不同的影響。

本文研究結(jié)果表明，針對各地區(qū)間能源強度的差異及影響因素的不同，在后續(xù)節(jié)能工作中應(yīng)結(jié)合國家能源發(fā)展“十二五”規(guī)劃，制定相應(yīng)的區(qū)域能源發(fā)展策略，從而解決我國能源發(fā)展中提高能源效率以及降低資源約束等問題。促進在西部大開發(fā)過程中的節(jié)能工作，同時還應(yīng)依照科學發(fā)展觀要求，積極實現(xiàn)我國能源戰(zhàn)略的推進與實施，加強能源發(fā)展與其他方面發(fā)展的利益協(xié)調(diào)機制，最終實現(xiàn)我國的可持續(xù)發(fā)展。

［1］ Hang Leiming，Tu Meizeng.The impacts of energy prices on energy intensity:Evidence from China［J］.Energy Policy，2007，35:2978-2988.

［2］ Zhang Zhong xiang.Why did the energy intensity fall in China′s industrial sector in the 1990s?The relative importance of structural change and intensity change［J］.Energy Economics，2003，25:625-638.

［3］ Metcalf G E.An empirical analysis of energy intensity and its determinants at state level［J］.The Energy Journal，2008，29:1-26.

［4］ Fisher-Vanden K，Jefferson G H，Liu Hong mei，et al.What is driving China′s decline in energy intensity?［J］.Resource and Energy Economics，2004，26:77-97.

［5］ Crompton P，Wu Yan rui.Energy consumption in China:Past trends and future directions［J］.Energy Economics，2005，27:195-208.

［6］ Liao Hua，F(xiàn)an Ying，Wei Yi ming.What induced China′s energy intensity to fluctuate:1997-2006?［J］.Energy Policy，2007，35:4640-4649.

［7］ Ma Chun bo，Stern D I.China’s changing energy intensity trend:A decomposition analysis［J］.Energy Economics，2008，30:1037-1053.

［8］ 史丹.我國是如何以較低的能源消費實現(xiàn)高速的經(jīng)濟增長［J］.中國能源，2002，12(8)-11.

［9］ 韓智勇，魏一鳴，焦建玲等.中國能源消費與經(jīng)濟增長的協(xié)整性與因果關(guān)系分析［J］.系統(tǒng)工程，2004，22(12):17-21.

［10］ 齊志新，陳文穎.結(jié)構(gòu)調(diào)整還是技術(shù)進步?——改革開放后我國能源效率提高的因素分析［J］.上海經(jīng)濟研究，2006(6):8-16.

［11］ 王海建.經(jīng)濟結(jié)構(gòu)變動與能源需求的投入產(chǎn)出分析［J］.統(tǒng)計研究，1999，16(6):30-32.

［12］ 李國璋，王雙.中國能源強度變動的區(qū)域因素分解分析——基于 LMDI分解方法［J］.財經(jīng)研究，2008，34(8):52-62.

［13］ Auffhammer M，Carson R T.Forecasting the Path of China′sCO2 Emissions Using Province Level Information［J］.Journal of Environmental Economics and Management，2008，55(3):229-247.

［14］ Hu J L，Wang S C.Total-factor energy efficiency of regions in China［J］.Energy Policy，2006，34(17):3206-3217.

［15］ 邱壽豐.福建對國家能源強度變化的貢獻分析［J］.發(fā)展研究，2008(8)93-97

［16］ 韋蘭幸，趙曉芳.論我國能源強度區(qū)域差異及影響因素--基于計量模型的實證分析［J］.現(xiàn)代商貿(mào)工業(yè)，2008(12)53-55.

［17］ 中國統(tǒng)計局編.中國統(tǒng)計年鑒2010［M］.北京:中國統(tǒng)計出版社，2010:30-76.

［18］ 中國統(tǒng)計局編.中國能源統(tǒng)計年鑒2010［M］.北京:中國統(tǒng)計出版社，2010:51-89.