摘 要：能源消費(fèi)強(qiáng)度一直是中國(guó)經(jīng)濟(jì)發(fā)展中的一個(gè)重要問(wèn)題，隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，能源需求不斷增加，能源消費(fèi)強(qiáng)度一直處于高位。以中國(guó)大陸30個(gè)省（市）為研究對(duì)象，采用多維度指標(biāo)，如國(guó)內(nèi)生產(chǎn)總值、第二、三產(chǎn)業(yè)增加值占GDP的比重、年末常住人口、外商投資企業(yè)投資總額、規(guī)模以上工業(yè)企業(yè)Ramp;D經(jīng)費(fèi)、煤炭消費(fèi)量占能源消費(fèi)總量比重和電力消費(fèi)量占能源消費(fèi)總量比重，構(gòu)建評(píng)價(jià)能源消費(fèi)強(qiáng)度的指標(biāo)體系。其次，采用熵值法、主成分分析和因子分析三種方法進(jìn)行綜合評(píng)價(jià)，定量分析各影響因素的作用，比較分析不同行業(yè)能源消費(fèi)強(qiáng)度變動(dòng)的差異性，有針對(duì)性的降低我國(guó)能源消費(fèi)強(qiáng)度。最后，從產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、改變經(jīng)濟(jì)增長(zhǎng)方式等角度，對(duì)制造業(yè)能源強(qiáng)度變化進(jìn)行分析，提出相關(guān)對(duì)策建議，為政策的制定提供參考。

關(guān)鍵詞：能源消費(fèi)強(qiáng)度；熵值法；主成分分析；因子分析；綜合評(píng)價(jià)

中圖分類號(hào)：F424

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.3969/j.issn.1672-2272.202312025

Research on the Measurement of Energy Consumption Intensity in Various Provinces of China

Ma Yuanxin，Zhao Yuting， Tao He， Guan Xinyue，Zheng Xia， Nie Yuyan

（School of Economics， Lanzhou Technology and Business College， Lanzhou 730101， China）

Abstract：Energy consumption intensity has always been an important issue in China’s economic development. With the rapid development of the Chinese economy， energy demand continues to increase， and energy consumption intensity has always been at a high level. Taking 31 provinces （or cities） in Chinese Mainland as the research object， this paper adopts multi-dimensional indicators， such as the proportion of GDP， the added value of the secondary and tertiary industries in GDP， the permanent population at the end of the year， the total investment of foreign-invested enterprises， Ramp;D funds of industrial enterprises above designated size， the proportion of coal consumption in total energy consumption， and the proportion of electricity consumption in total energy consumption， to build an indicator system for evaluating energy consumption intensity. Secondly， the article has adopted three methods： entropy method， principal component analysis， and factor analysis for comprehensive evaluation， quantitatively analyzing the role of various influencing factors， comparing and analyzing the differences in energy consumption intensity changes in different industries， and targeted reducing China’s energy consumption intensity. Finally， the article analyzes the changes in energy intensity in the manufacturing industry from the perspectives of upgrading industrial structure and changing economic growth patterns， and proposes relevant countermeasures and suggestions to provide reference for policy formulation.

Key Words：Energy Consumption Intensity; Entropy Method; Principal Component Analysis; Factor Analysis; Comprehensive Evaluation

0 引言

“雙碳”目標(biāo)下，我國(guó)正在積極推進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展方式的綠色低碳轉(zhuǎn)型，力爭(zhēng)在2030年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和。為了實(shí)現(xiàn)這一目標(biāo)，我國(guó)出臺(tái)了一系列環(huán)境保護(hù)、生態(tài)友好的政策措施，并建立健全了綠色低碳可持續(xù)發(fā)展的經(jīng)濟(jì)社會(huì)體系。能源消費(fèi)強(qiáng)度是衡量資源節(jié)約型、環(huán)境友好型社會(huì)的重要指標(biāo)之一，對(duì)實(shí)現(xiàn)“雙碳”目標(biāo)具有重要作用^[1]。然而，由于我國(guó)各地區(qū)之間資源結(jié)構(gòu)不同、競(jìng)爭(zhēng)力水平不同，外在環(huán)境等因素也各不相同，存在著較大的差異性，導(dǎo)致影響能源消費(fèi)強(qiáng)度的因素紛繁復(fù)雜^[2]。在這樣的背景下，對(duì)我國(guó)能源消費(fèi)強(qiáng)度進(jìn)行研究，探索如何實(shí)現(xiàn)能源的可持續(xù)發(fā)展，對(duì)于推進(jìn)我國(guó)綠色低碳轉(zhuǎn)型具有重要意義。針對(duì)此問(wèn)題，本文通過(guò)建立統(tǒng)計(jì)評(píng)價(jià)模型，采用不同的評(píng)價(jià)方法，對(duì)我國(guó)各省份能源消費(fèi)強(qiáng)度的差異進(jìn)行分析，研究各因素對(duì)能源消費(fèi)強(qiáng)度的影響，測(cè)度各影響因素的作用。

1 文獻(xiàn)綜述

影響能源消費(fèi)強(qiáng)度的因素有很多，針對(duì)與影響因素之間的關(guān)系，學(xué)者從多方面進(jìn)行了探討。任平月^[3]基于2006-2020年中國(guó)各省的數(shù)據(jù)，構(gòu)建面板分位數(shù)回歸模型，探究了不同分位點(diǎn)處各影響因素對(duì)人均碳排放影響的差異性。董瑩等^[4]運(yùn)用LMDI模型對(duì)甘肅省碳排放影響因素進(jìn)行了量化分析，識(shí)別出相關(guān)因素的貢獻(xiàn)率。發(fā)現(xiàn)經(jīng)濟(jì)規(guī)模的擴(kuò)張對(duì)CO₂排放增長(zhǎng)起決定作用。高國(guó)力等^[5]運(yùn)用STIRPAT模型分析城市群碳排放的因素，預(yù)測(cè)各城市群在不同情況下的碳排放。曹俊文等^[6]依據(jù)脫鉤彈性系數(shù)、碳強(qiáng)度構(gòu)建分類準(zhǔn)則對(duì)各省份進(jìn)行類型劃分，采用STIRPAT模型識(shí)別不同類型省域碳排放的驅(qū)動(dòng)因素，探尋不同類型省域碳減排路徑。朱歡等^[7]使用全球67個(gè)經(jīng)濟(jì)體1990-2018年的面板數(shù)據(jù)，運(yùn)用聯(lián)立方程模型實(shí)證檢驗(yàn)經(jīng)濟(jì)增長(zhǎng)對(duì)能源結(jié)構(gòu)轉(zhuǎn)型和CO₂排放的影響。發(fā)現(xiàn)各經(jīng)濟(jì)體政策制定者在不同發(fā)展階段下發(fā)揮政府因勢(shì)利導(dǎo)的作用以實(shí)現(xiàn)能源結(jié)構(gòu)轉(zhuǎn)型和CO₂減排提供了理論依據(jù)。孫振清等^[8]基于2005-2017 年中國(guó)各省面板數(shù)據(jù)，采用動(dòng)態(tài)面板數(shù)據(jù)模型和固定效應(yīng)模型，從產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和技術(shù)創(chuàng)新兩個(gè)方面進(jìn)行碳排放影響因素的深入研究。鄧麗君^[9]使用SYS-GMM隨機(jī)效應(yīng)模型檢驗(yàn)碳中和和綠色轉(zhuǎn)型對(duì)生態(tài)環(huán)境質(zhì)量的影響。牛寶春等^[10]基于1998-2019年中國(guó)30個(gè)省份的面板數(shù)據(jù)，通過(guò)基準(zhǔn)模型估計(jì)、異質(zhì)性分析以及空間面板模型的估計(jì)，系統(tǒng)考察了科技創(chuàng)新對(duì)低碳經(jīng)濟(jì)的影響。王一鳴^[11]在碳達(dá)峰、碳中和目標(biāo)下推進(jìn)綠色低碳轉(zhuǎn)型，要求加快產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，構(gòu)建清潔低碳的能源體系，推動(dòng)綠色低碳技術(shù)實(shí)現(xiàn)突破，完善綠色低碳發(fā)展政策體系，加強(qiáng)氣候變化國(guó)際合作。李政等^[12]為保證“雙碳”目標(biāo)的實(shí)現(xiàn)，提出應(yīng)大力加強(qiáng)高比例可再生能源及配套技術(shù)、煤電行業(yè)低碳轉(zhuǎn)型路徑以及碳捕集、利用和封存等關(guān)鍵技術(shù)或規(guī)劃問(wèn)題的研究。陳亞州^[13]通過(guò)分析甘肅能源發(fā)展基礎(chǔ)、發(fā)展形勢(shì)和面臨的問(wèn)題，從甘肅省能源生產(chǎn)總量和消費(fèi)總量的特點(diǎn)出發(fā)，為甘肅能源布局提出建議。陳聞君等^[14]采用新疆2000-2020年數(shù)據(jù)構(gòu)建VAR模型，運(yùn)用Granger、脈沖響應(yīng)函數(shù)、方差分解對(duì)3E系統(tǒng)進(jìn)行動(dòng)態(tài)關(guān)系研究。楊世浩等^[15]引入主成分分析法及復(fù)合系統(tǒng)模型，構(gòu)建河北省經(jīng)濟(jì)發(fā)展和金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系，并對(duì)二者的耦合協(xié)調(diào)度進(jìn)行測(cè)度。熊春霞等^[16]梳理和探討了跨區(qū)域協(xié)同創(chuàng)新績(jī)效評(píng)價(jià)的內(nèi)涵，并對(duì)評(píng)價(jià)指標(biāo)體系構(gòu)建和評(píng)價(jià)方法的有關(guān)內(nèi)容進(jìn)行綜述。滿云冰等^[17]選取2011-2020年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市面板數(shù)據(jù)，基于超效率SBM模型與Dagum基尼系數(shù)，對(duì)長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率情況進(jìn)行評(píng)價(jià)，并對(duì)其科技創(chuàng)新均衡發(fā)展路徑進(jìn)行研究，提出構(gòu)建跨區(qū)域協(xié)同創(chuàng)新系統(tǒng)，進(jìn)而促進(jìn)長(zhǎng)江經(jīng)濟(jì)帶形成整體創(chuàng)新驅(qū)動(dòng)發(fā)展的新局面。楊悅婷等^[18]從時(shí)間跨度角度出發(fā)，發(fā)現(xiàn)港口城市生態(tài)保護(hù)指數(shù)和經(jīng)濟(jì)發(fā)展指數(shù)在1999-2019年間存在正向相關(guān)關(guān)系，應(yīng)充分利用各地的比較優(yōu)勢(shì)，保持生態(tài)保護(hù)和經(jīng)濟(jì)發(fā)展協(xié)同推進(jìn)的局面。

綜上所述，大多數(shù)學(xué)者是以定量分析方法進(jìn)行應(yīng)用研究，實(shí)證分析各個(gè)影響因素對(duì)“雙碳”背景下能源發(fā)展的影響大小，并提出相應(yīng)的政策建議。本文在此基礎(chǔ)上，采用多種評(píng)價(jià)方法，如熵值法、主成分分析法和因子分析法多角度定量分析各省能源消費(fèi)強(qiáng)度。

2 我國(guó)能源消費(fèi)發(fā)展概況

我國(guó)能源消費(fèi)總量在經(jīng)濟(jì)快速發(fā)展的背景下不斷增長(zhǎng)，但增速逐漸放緩。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，2021年我國(guó)能源消費(fèi)總量為524 000萬(wàn)噸標(biāo)準(zhǔn)煤，同比增長(zhǎng)5.2%。能源消費(fèi)結(jié)構(gòu)逐步優(yōu)化。我國(guó)正在推動(dòng)能源消費(fèi)結(jié)構(gòu)的調(diào)整，逐步減少對(duì)傳統(tǒng)化石能源的依賴。根據(jù)國(guó)家能源局的數(shù)據(jù)，2020年我國(guó)煤炭在一次能源消費(fèi)中的占比下降到57.5%，而非化石能源的占比上升到42.5%。能源消費(fèi)強(qiáng)度不斷下降。我國(guó)正在大力推動(dòng)節(jié)能減排，不斷提高能源使用效率，能源消費(fèi)強(qiáng)度不斷下降。根據(jù)國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，2021年我國(guó)能源消費(fèi)強(qiáng)度為0.29噸標(biāo)準(zhǔn)煤/萬(wàn)元GDP，比2020年下降了3.1%。清潔能源發(fā)展迅速。我國(guó)清潔能源發(fā)展迅速，特別是在太陽(yáng)能和風(fēng)能領(lǐng)域。根據(jù)國(guó)家能源局的數(shù)據(jù)，2021年我國(guó)太陽(yáng)能發(fā)電量和風(fēng)能發(fā)電量分別達(dá)到了310.04億千瓦時(shí)和5 260億千瓦時(shí)，同比增長(zhǎng)了42.8%和15.8%。

通過(guò)推動(dòng)能源消費(fèi)結(jié)構(gòu)的調(diào)整、提高能源使用效率、加速清潔能源的發(fā)展等措施，我國(guó)實(shí)現(xiàn)了能源消費(fèi)強(qiáng)度的不斷下降。能源消費(fèi)結(jié)構(gòu)不合理，中國(guó)的能源消費(fèi)結(jié)構(gòu)仍然以煤炭為主，占比超過(guò)60%，而清潔能源如風(fēng)能、太陽(yáng)能、水能等的占比仍然較低，導(dǎo)致了環(huán)境污染、氣候變化等問(wèn)題；能源利用效率不高，中國(guó)的能源利用效率仍然較低，尤其是在工業(yè)領(lǐng)域。與發(fā)達(dá)國(guó)家相比，中國(guó)的能源利用效率有很大的提升空間；能源價(jià)格不合理，中國(guó)的能源價(jià)格仍然較低，這導(dǎo)致了能源的浪費(fèi)和過(guò)度消費(fèi)，同時(shí)，低廉的能源價(jià)格也對(duì)清潔能源的發(fā)展造成了一定的壓力；能源消費(fèi)過(guò)程中的環(huán)境污染問(wèn)題，中國(guó)的能源消費(fèi)，特別是煤炭的使用，會(huì)產(chǎn)生大量的污染物，如二氧化硫、氮氧化物和顆粒物等。這些污染物對(duì)環(huán)境和人類健康造成了很大的危害。

3 實(shí)證分析

3.1 指標(biāo)選取與數(shù)據(jù)來(lái)源

本文選取2021年中國(guó)大陸30個(gè)?。ㄊ校┑南嚓P(guān)數(shù)據(jù)，分析能源消費(fèi)強(qiáng)度的影響因素。在《中國(guó)統(tǒng)計(jì)年鑒》搜集整理2021年有關(guān)國(guó)內(nèi)生產(chǎn)總值、第二、三產(chǎn)業(yè)增加值占GDP的比重、年末常住人口、外商投資企業(yè)投資總額、規(guī)模以上工業(yè)企業(yè)Ramp;D經(jīng)費(fèi)、煤炭消費(fèi)量占能源消費(fèi)總量比重、電力消費(fèi)量占能源消費(fèi)總量比重等相關(guān)指標(biāo)的數(shù)據(jù)^[19-20]。這些指標(biāo)可以作為衡量能源消費(fèi)強(qiáng)度的依據(jù)，通過(guò)對(duì)它們的分析和比較，可以更好地了解一個(gè)地區(qū)的能源消費(fèi)情況、能源結(jié)構(gòu)和能源利用效率。地區(qū)生產(chǎn)總值（GDP）反映了經(jīng)濟(jì)規(guī)模和發(fā)展水平，較高的GDP通常意味著較高的經(jīng)濟(jì)活動(dòng)和能源消費(fèi)。年末常住人口的增加會(huì)帶來(lái)對(duì)能源的需求增加，因?yàn)槿藗兊纳?、生產(chǎn)和交通等方面都需要能源。第二產(chǎn)業(yè)增加值占GDP的比重反映了工業(yè)發(fā)展對(duì)能源消耗的貢獻(xiàn)，能源消費(fèi)強(qiáng)度可以通過(guò)比較第三產(chǎn)業(yè)增加值占 GDP 的比重與能源消費(fèi)總量之間的關(guān)系來(lái)評(píng)估。如果一個(gè)地區(qū)的第三產(chǎn)業(yè)增加值占 GDP 的比重較高，而能源消費(fèi)總量相對(duì)較低，則表明該地區(qū)的能源利用效率較高。規(guī)模以上工業(yè)企業(yè)Ramp;D經(jīng)費(fèi)的增加可以促進(jìn)技術(shù)創(chuàng)新和能源效率的提高。外商投資企業(yè)投資總額可以反映一個(gè)地區(qū)對(duì)外開(kāi)放程度和吸引外資的能力，外商投資通常會(huì)引入先進(jìn)的生產(chǎn)技術(shù)和管理經(jīng)驗(yàn)，有助于提高能源利用效率和減少能源消耗。能源消費(fèi)總量是衡量一個(gè)地區(qū)能源消耗水平的指標(biāo)，而煤炭、電力和石油的消費(fèi)比重則反映了能源結(jié)構(gòu)和轉(zhuǎn)型情況，綜合分析這些指標(biāo)可以得出關(guān)于能源消費(fèi)強(qiáng)度的綜合評(píng)估。

3.2 描述性統(tǒng)計(jì)

由原始數(shù)據(jù)可知，能源消費(fèi)強(qiáng)度（即GDP能耗）的分布范圍在0.17～1.88億元之間。不同地區(qū)的經(jīng)濟(jì)發(fā)展水平存在較大差異，一般來(lái)說(shuō)，發(fā)達(dá)地區(qū)對(duì)能源的消耗量大于欠發(fā)達(dá)地區(qū)，這也是不同地區(qū)之間GDP能耗極差較大的原因。地區(qū)生產(chǎn)總值的分布范圍在2 080.2～124 719.5億元之間，顯示了不同地區(qū)經(jīng)濟(jì)發(fā)展水平的差異。這種差異可以部分解釋不同地區(qū)之間的能源消費(fèi)強(qiáng)度差異。年末常住人口的分布范圍在

366～12 684萬(wàn)人之間，表明我國(guó)人口分布存在一定差異。地區(qū)之間的經(jīng)濟(jì)發(fā)展水平、人口流動(dòng)情況以及城市化程度的差異較大，這也會(huì)影響能源消費(fèi)強(qiáng)度的差異。各省份產(chǎn)業(yè)結(jié)構(gòu)的分布范圍在30.11%～66.16%之間，說(shuō)明各個(gè)省份的產(chǎn)業(yè)結(jié)構(gòu)差異較大。不同產(chǎn)業(yè)對(duì)能源的需求和消耗也會(huì)對(duì)能源消費(fèi)強(qiáng)度產(chǎn)生影響。規(guī)模以上工業(yè)企業(yè)Ramp;D經(jīng)費(fèi)的分布范圍在24 782～29 021 849百萬(wàn)美元之間，反映了各地區(qū)之間的科技創(chuàng)新能力和研發(fā)投入存在較大差異?？萍紕?chuàng)新可以促進(jìn)能源效率的提高和能源消耗的減少。外商投資企業(yè)投資總額的分布范圍在2 733～4 527 233萬(wàn)元之間，說(shuō)明不同地區(qū)吸引外商投資的能力和水平存在較大差異。外商投資的引入可以帶來(lái)先進(jìn)的技術(shù)和管理經(jīng)驗(yàn)，對(duì)能源利用率和資源配置的優(yōu)化有積極影響。能源消費(fèi)總量的分布范圍在2 446.19～44 611.10萬(wàn)噸標(biāo)準(zhǔn)煤之間，能源消費(fèi)結(jié)構(gòu)的分布范圍在1.23%～64.92%之間，顯示了我國(guó)各地區(qū)之間的能源消費(fèi)情況和轉(zhuǎn)型情況存在很大差異。這些差異可能受到地區(qū)自然資源分布、產(chǎn)業(yè)結(jié)構(gòu)、政策導(dǎo)向等多種因素的影響。

3.3 熵值法分析結(jié)果

由于不同指標(biāo)的衡量單位存在差異，不能直接進(jìn)行運(yùn)算，必須消除單位所帶來(lái)的影響，即消除量綱。在消除量綱之前，我們首先需要區(qū)分正向指標(biāo)與逆向（負(fù)向）指標(biāo)。正向指標(biāo)意味著其數(shù)值越大，評(píng)價(jià)結(jié)果越優(yōu)；而逆向（負(fù)向）指標(biāo)則相反，其數(shù)值越大，評(píng)價(jià)結(jié)果反而越差。這樣的區(qū)分對(duì)于后續(xù)的數(shù)據(jù)處理和分析至關(guān)重要，能夠確保評(píng)價(jià)的準(zhǔn)確性和客觀性。

正向指標(biāo)處理公式：

逆向（負(fù)向）指標(biāo)處理公式：

計(jì)算標(biāo)準(zhǔn)化平移后的值后，進(jìn)行計(jì)算熵值e第j項(xiàng)指標(biāo)下第i個(gè)樣本值占p_ij比重的值，計(jì)算公式：

各指標(biāo)的信息熵（列）公式：

信息效用值g_j公式：

g_j=1－e_j

權(quán)重系數(shù)值W_j公式：

使用熵值法計(jì)算指標(biāo)能源消費(fèi)強(qiáng)度、地區(qū)生產(chǎn)總值、第二、三產(chǎn)業(yè)增加值占GDP的比重等指標(biāo)得到權(quán)重分別為0.019 8、0.121 1、0.035 7、0.083 0、0.097 8、0.282 0、0.216 0、0.041 8、0.040 7、0.030 97、0.031 1。綜合得分是通過(guò)熵值法得到的最終綜合評(píng)價(jià)的決定性指標(biāo)。在計(jì)算綜合得分時(shí)，將各指標(biāo)的權(quán)重與其對(duì)應(yīng)的數(shù)據(jù)相乘后累加，以衡量各樣本的綜合水平。公式為：

S_i=∑^m_j=1W_jx^'_ij，0≤S_i，i=1，2，···，n，j=1，2，···，m

根據(jù)能源消費(fèi)強(qiáng)度的熵值法得分，結(jié)果表明廣東省表現(xiàn)出較低的能源消費(fèi)強(qiáng)度，而青海省和寧夏回族自治區(qū)的能源消費(fèi)強(qiáng)度相對(duì)較高。

3.4 主成分分析結(jié)果

主成分分析能夠?qū)⒍鄠€(gè)統(tǒng)計(jì)指標(biāo)的差異用少數(shù)幾個(gè)綜合指標(biāo)的線性組合表示，這些線性組合稱為主成分，對(duì)降維后的數(shù)據(jù)進(jìn)行進(jìn)一步分析。在分析能源消費(fèi)強(qiáng)度時(shí)，有很多指標(biāo)能夠反映經(jīng)濟(jì)情況和能源消費(fèi)發(fā)展的水平，這些統(tǒng)計(jì)指標(biāo)之間也存在著一定的相關(guān)性，為了真實(shí)反映各省份能源消費(fèi)高質(zhì)量發(fā)展的情況，選取主成分分析法進(jìn)行評(píng)價(jià)分析。主成分的定義：

設(shè)X=X₁，X₂…，X_p^′是P維隨機(jī)向量，均值EX=μ，協(xié)方差矩陣DX=Σ

假如用Z₁來(lái)代替原來(lái)的P個(gè)變量X₁，X₂，···，X_p，這就要求Z₁盡可能多地反映原來(lái)P個(gè)變量的信息。

為消除量綱的影響，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。對(duì)于標(biāo)準(zhǔn)化之后的數(shù)據(jù)，在相關(guān)矩陣中有部分的相關(guān)系數(shù)值大于0.3，做出的結(jié)果主成分分析比較理想，KMO檢驗(yàn)分析中特征值大于0.9的值，相關(guān)程度大于0.6以及巴特利檢驗(yàn)的結(jié)果顯示顯著性水平小于0.05，主成分分析的結(jié)果比較理想，表明各因素之間的關(guān)聯(lián)程度較高。為了更準(zhǔn)確地表示P個(gè)變量，一個(gè)成分不足以說(shuō)明需提取第二、第三、第四等主成分。第二個(gè)主成分不應(yīng)包含第一個(gè)主成分的信息，它們之間的協(xié)方差應(yīng)為零，意味著它們的方向正交?？偡讲罱忉尞?dāng)中提取出了4個(gè)特征值大于0.9的主成分，4個(gè)主成分的總和能解釋總方差相對(duì)較高?？纱碓?0個(gè)指標(biāo)的84.601%。成分矩陣表中的數(shù)據(jù)由第一個(gè)成分從大到小依次排序出來(lái)，這10個(gè)相關(guān)指標(biāo)大致分成了三大類，越集中表明之間越有相關(guān)性，用總方差解釋和成分矩陣中的特征值計(jì)算主成分得分。

由4個(gè)主成分的特征值3.704、2.560、1.274、0.922分別開(kāi)根號(hào)可得1.925 0、1.600 0、1.128 7、0.960 2，之后將成分矩陣中的系數(shù)分別相除可得，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后帶入主成分表達(dá)式中計(jì)算各個(gè)樣本的主成分得分。根據(jù)總方差解釋4個(gè)成分的原始特征值的方差占比可得出表達(dá)式：

Z=0.370 42Z₁+0.256 01Z₂+0.127 37Z₃+0.092 22Z₄

由表3可知，廣東省的指標(biāo)得分最高，青海省的指標(biāo)的得分最低。在得分系數(shù)中可知第一成分當(dāng)中年末常住人口、地區(qū)生產(chǎn)總值、能源消費(fèi)總量等占比最大，表明經(jīng)濟(jì)發(fā)展的程度總體呈遞增狀態(tài)。

3.5 因子分析法

因子分析是研究變量?jī)?nèi)部相關(guān)的依賴關(guān)系，把一些錯(cuò)綜復(fù)雜關(guān)系歸結(jié)為少數(shù)幾個(gè)綜合因子對(duì)相關(guān)比較密切的變量分別歸出多個(gè)綜合指標(biāo)，這些綜合指標(biāo)互不相關(guān)，這些綜合指標(biāo)就稱為因子或者公共因子。在能源消費(fèi)強(qiáng)度的分析中，識(shí)別出影響能源消費(fèi)強(qiáng)度的主要因子。通過(guò)了解這些因子的性質(zhì)和來(lái)源，為了更有針對(duì)性地制定降低能源消費(fèi)強(qiáng)度，選取因子分析進(jìn)行評(píng)價(jià)分析。

因子分析法定義為矩陣：X=AF+ε，即：

公共因子方差貢獻(xiàn)：g²_j=a²_1j+a²_2j+···+a²_pj（j=1，2，···，m）

相關(guān)性矩陣當(dāng)中部分相關(guān)性系數(shù)大于0.3，應(yīng)用因子分析較理想。KMO值大于0.6，巴特利特球形檢驗(yàn)結(jié)果顯示顯著性水平小于0.05，表明各因素之間的關(guān)聯(lián)程度較高，因子分析的結(jié)果比較理想。公因子方差結(jié)果表明公因子提取相對(duì)比較高，大部分的都高達(dá)了80%以上；表明因子分析模型結(jié)果較為理想。總方差解釋里面，提取了4個(gè)因子，這4個(gè)成分因子和能解釋總方差相對(duì)較高，可代表原本10個(gè)指標(biāo)的84.601%，第一、二、三、四個(gè)成分的特征值占據(jù)了最大的范圍，說(shuō)明對(duì)解釋變量的貢獻(xiàn)率較大。后幾個(gè)的特征值占據(jù)了很小的范圍，對(duì)解釋變量的貢獻(xiàn)率很小可忽略不計(jì)。

選取方差最大法的正交旋轉(zhuǎn)。即將各個(gè)因子旋轉(zhuǎn)到某個(gè)位置，使每個(gè)變量在旋轉(zhuǎn)后的因子軸上的投影向大、小極分化。將這些因子排序后主要分為4類，從而使每個(gè)因子中的高載荷只出現(xiàn)在少數(shù)變量上，之后得到旋轉(zhuǎn)因子矩陣中，每列元素除幾個(gè)值外，其余的均接近于0。從而使因子做出更有實(shí)際意義的解釋。通過(guò)旋轉(zhuǎn)后的載荷平方和的方差百分比和因子得分的變量結(jié)果得到公式：

Y=0.359 81×FAC1+0.235 53×FAC2+0.129 49×FAC3+0.121 17×FAC4

通過(guò)表4的分析結(jié)果，可以看出廣東省、江蘇、山東等沿海地區(qū)的因子分析指標(biāo)綜合得分較高，上海、北京等地區(qū)的因子分析綜合指標(biāo)得分最低比較為低。

4 3種統(tǒng)計(jì)方法結(jié)果對(duì)比分析

通過(guò)對(duì)3種方法的分析可以得出以下結(jié)論：東部沿海地區(qū)通常具有較為發(fā)達(dá)的經(jīng)濟(jì)發(fā)展水平，包括較高的GDP、人均收入、工業(yè)化程度等。這些因素可以促進(jìn)地區(qū)的綜合發(fā)展，包括在熵值法、主成分分析和因子分析中取得較好的評(píng)價(jià)。此外，東部沿海地區(qū)通常具有較為豐富的資源和優(yōu)越的地理位置，可以吸引更多的投資和資源，從而進(jìn)一步促進(jìn)地區(qū)的發(fā)展。內(nèi)陸地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)可能更加單一，資源稟賦相對(duì)較少，經(jīng)濟(jì)發(fā)展水平也較低。這些因素可能導(dǎo)致內(nèi)陸地區(qū)在評(píng)價(jià)中得分較低。此外，內(nèi)陸地區(qū)的地理位置可能也較為偏遠(yuǎn)，交通不便，信息不暢，難以吸引更多的投資和資源，從而限制了地區(qū)的發(fā)展。不同地區(qū)經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、資源稟賦等是影響得分結(jié)果的因素。

5 結(jié)論與建議

5.1 研究結(jié)論

自改革開(kāi)放以來(lái)，中國(guó)經(jīng)濟(jì)高速增長(zhǎng)，同時(shí)能源消費(fèi)也持續(xù)增長(zhǎng)。中國(guó)的能源消費(fèi)總量超過(guò)能源生產(chǎn)總量。根據(jù)排名表明：廣東省、江蘇省等沿海南方地區(qū)是中國(guó)經(jīng)濟(jì)最活躍的地區(qū)，其GDP總量一直居于全國(guó)前列。其中，廣東省、江蘇省的煤炭消費(fèi)占能源消費(fèi)總量的35%和76.36%。能源消費(fèi)強(qiáng)度分別為0.28和0.29，顯示煤炭消費(fèi)量較大。相比之下，北京市、上海市等地區(qū)的煤炭消費(fèi)總量占比較低，分別為1.44%和2.29%。西北地區(qū)是中國(guó)重要的能源生產(chǎn)和消費(fèi)區(qū)域，以青海、寧夏地區(qū)為例，煤炭和石油消費(fèi)總量的占比分別高達(dá)28.73%、46.48%和88.1%、3.5%。盡管西北地區(qū)經(jīng)濟(jì)發(fā)展相對(duì)滯后，但近年來(lái)隨著中國(guó)西部大開(kāi)發(fā)戰(zhàn)略的實(shí)施，該地區(qū)的經(jīng)濟(jì)發(fā)展逐漸加快。

在中國(guó)，沿海發(fā)達(dá)地區(qū)和西北落后地區(qū)之間存在明顯的能源消費(fèi)強(qiáng)度區(qū)域差異。首先，政治和金融中心的能源消費(fèi)強(qiáng)度較高，這與經(jīng)濟(jì)發(fā)展和人口密度有關(guān)。這些地區(qū)經(jīng)濟(jì)活動(dòng)集中，人口眾多，因此能源消費(fèi)相對(duì)較高。其次，沿海南方地區(qū)的能源消費(fèi)強(qiáng)度也較高，這與制造業(yè)和外貿(mào)出口業(yè)的發(fā)達(dá)程度有關(guān)。制造業(yè)和外貿(mào)出口業(yè)對(duì)能源需求較大，因此能源消費(fèi)強(qiáng)度較高。最后，西北地區(qū)的能源消費(fèi)強(qiáng)度相對(duì)較低，這與經(jīng)濟(jì)發(fā)展水平和能源產(chǎn)業(yè)的發(fā)展程度有關(guān)。

5.2 政策建議

基于本文結(jié)論，為了解決我國(guó)面臨的能源消費(fèi)強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展和綠色經(jīng)濟(jì)發(fā)展不平衡和不協(xié)調(diào)的問(wèn)題，我們提出以下政策建議。

首先，應(yīng)逐步增加第三產(chǎn)業(yè)的比重，以降低第二產(chǎn)業(yè)的比重。這一舉措將有助于減少對(duì)煤炭等傳統(tǒng)能源的消費(fèi)，降低環(huán)境污染，同時(shí)提高投入產(chǎn)出比。推動(dòng)服務(wù)業(yè)發(fā)展，尤其是高技能、高附加值的服務(wù)業(yè)，將有助于提升經(jīng)濟(jì)增長(zhǎng)的質(zhì)量和效益。

其次，改變經(jīng)濟(jì)增長(zhǎng)方式，提高能源利用效率。我們需要擺脫過(guò)去依賴增加資本和勞動(dòng)投入的模式，轉(zhuǎn)向提高勞動(dòng)生產(chǎn)效率的方式來(lái)實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)。具體而言，應(yīng)加強(qiáng)能源管理和監(jiān)測(cè)，推廣能源節(jié)約技術(shù)和設(shè)備，制定和實(shí)施能源消耗限制標(biāo)準(zhǔn)，以促進(jìn)能源的高效利用。同時(shí)，提高企業(yè)生產(chǎn)的技術(shù)水平和設(shè)備，提高投入產(chǎn)出比，減少能源消費(fèi)量，以確保經(jīng)濟(jì)持續(xù)健康發(fā)展。政府應(yīng)加強(qiáng)調(diào)控，充分利用價(jià)格機(jī)制，這包括完善能源市場(chǎng)和加快能源市場(chǎng)改革。通過(guò)制定合理的能源價(jià)格，可以有效地調(diào)節(jié)能源需求。此外，政府還應(yīng)制定和實(shí)施相關(guān)政策和措施，例如對(duì)清潔能源的補(bǔ)貼和稅收優(yōu)惠，以及對(duì)能源消耗高的行業(yè)實(shí)施限制和減排措施。這些措施可以控制能源消費(fèi)量，促進(jìn)企業(yè)改善能源使用效率，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)改革，從而降低能源消費(fèi)總量。提高節(jié)能意識(shí)，加強(qiáng)節(jié)能管理。通過(guò)廣泛宣傳和教育，增強(qiáng)公民的節(jié)能意識(shí)，使社會(huì)各界更加重視節(jié)能措施的落實(shí)。同時(shí)，政府應(yīng)加強(qiáng)節(jié)能管理力度，推廣節(jié)能技術(shù)和措施。國(guó)家應(yīng)積極推動(dòng)能源結(jié)構(gòu)轉(zhuǎn)型，大力發(fā)展可再生能源，減少對(duì)傳統(tǒng)能源的依賴。此外，政府還需要加強(qiáng)調(diào)控，推動(dòng)能源消費(fèi)的戰(zhàn)略性改革。企業(yè)和政府應(yīng)加大對(duì)能源利用技術(shù)的研發(fā)和應(yīng)用力度，推動(dòng)技術(shù)更新和升級(jí)，提高能源利用效率。加強(qiáng)國(guó)際合作交流，推動(dòng)能源共享。我國(guó)應(yīng)積極參與國(guó)際能源組織，如國(guó)際能源署、國(guó)際清潔能源組織等，以引進(jìn)國(guó)際先進(jìn)的能源技術(shù)和設(shè)備。同時(shí)，我國(guó)應(yīng)積極參與國(guó)際能源合作項(xiàng)目，如中亞天然氣管道項(xiàng)目等，以了解國(guó)際能源發(fā)展趨勢(shì)和技術(shù)進(jìn)展。通過(guò)引進(jìn)國(guó)際先進(jìn)技術(shù)，我國(guó)可以推動(dòng)與周邊國(guó)家和地區(qū)的能源合作和交流，促進(jìn)能源互聯(lián)互通和共同發(fā)展。

最后，應(yīng)大力發(fā)展清潔能源和可再生能源。這是未來(lái)能源發(fā)展的重要方向。通過(guò)加大對(duì)清潔能源和可再生能源的研發(fā)和利用力度，可以降低對(duì)傳統(tǒng)能源的依賴，促進(jìn)我國(guó)能源結(jié)構(gòu)的轉(zhuǎn)型。政府應(yīng)加大對(duì)清潔能源和可再生能源的政策扶持和技術(shù)支持力度，鼓勵(lì)企業(yè)投資和發(fā)展相關(guān)產(chǎn)業(yè)。這將推動(dòng)清潔能源和可再生能源的市場(chǎng)化進(jìn)程，提高其在能源結(jié)構(gòu)中的比例，從而促進(jìn)我國(guó)經(jīng)濟(jì)的可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1] 陳建成，王卉菀，侯建.基于環(huán)境規(guī)制視角“雙碳”目標(biāo)下綠色轉(zhuǎn)型對(duì)健康能源強(qiáng)度的影響研究[J].西南林業(yè)大學(xué)學(xué)報(bào)，2023，7（2）：1-9，117.

[2] 張寅浩.能源消費(fèi)強(qiáng)度的區(qū)域差異及其影響因素分析[J].宏觀經(jīng)濟(jì)研究，2022（10）：129-142.

[3] 任平月.省域能源消費(fèi)碳排放影響因素研究[D].開(kāi)封：河南大學(xué)， 2023.

[4] 董瑩，許寶榮，華中，等.基于LMDI的甘肅省碳排放影響因素分解研究[J].蘭州大學(xué)學(xué)報(bào)，2020，56（5）：606-614.

[5] 高國(guó)力，文揚(yáng)，王麗，等.基于碳排放影響因素的城市群碳達(dá)峰研究[J].經(jīng)濟(jì)管理，2023，45（2）：39-58.

[6] 曹俊文，張鈺玲.中國(guó)省域碳排放特征與碳減排路徑研究[J].生態(tài)經(jīng)濟(jì)，2022，38（8）：13-19.

[7] 朱歡，鄭潔，趙秋運(yùn)，等.經(jīng)濟(jì)增長(zhǎng)、能源結(jié)構(gòu)轉(zhuǎn)型與二氧化碳排放—基于面板數(shù)據(jù)的經(jīng)驗(yàn)分析[J].經(jīng)濟(jì)與管理研究，2020，41（11）：19-34.

[8] 孫振清，劉保留，李歡歡.產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、技術(shù)創(chuàng)新與區(qū)域碳減排—基于地區(qū)面板數(shù)據(jù)的實(shí)證研究[J].經(jīng)濟(jì)體制改革，2020（3）：101-108.

[9] 鄧麗君.碳中和綠色轉(zhuǎn)型、綠色投資與生態(tài)環(huán)境質(zhì)量[J].統(tǒng)計(jì)與決策，2021，37（18）：55-58.

[10] 牛寶春，崔光蓮，張喜玲.科技創(chuàng)新對(duì)低碳經(jīng)濟(jì)的影響研究—基于省際面板數(shù)據(jù)的實(shí)證分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2022（1）：43-48.

[11] 王一鳴.中國(guó)碳達(dá)峰碳中和目標(biāo)下的綠色低碳轉(zhuǎn)型：戰(zhàn)略與路徑[J].全球化，2021（6）：5-18，133.

[12] 李政，張東杰，潘玲穎，等.“雙碳”目標(biāo)下我國(guó)能源低碳轉(zhuǎn)型路徑及建議[J].動(dòng)力工程學(xué)報(bào)，2021，41（11）： 905-909，971.

[13] 陳亞州.“雙碳”目標(biāo)下甘肅能源產(chǎn)業(yè)高質(zhì)量發(fā)展研究[J].合作經(jīng)濟(jì)與科技， 2023 （5）： 4-8.

[14] 陳聞君，呂模.“雙碳”目標(biāo)下新疆能源、經(jīng)濟(jì)、環(huán)境動(dòng)態(tài)關(guān)系研究[J].上海節(jié)能，2023（7）：909-920.

[15] 楊世浩，張立華.河北省金融生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展協(xié)調(diào)耦合關(guān)系研究[J].科技創(chuàng)業(yè)月刊，2020，33（6）：34-37.

[16] 熊春霞，程躍.跨區(qū)域協(xié)同創(chuàng)新績(jī)效評(píng)價(jià)研究綜述[J].科技創(chuàng)業(yè)月刊，2024，37（1）：194-199.

[17] 滿云冰，程躍.長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率評(píng)價(jià)及均衡發(fā)展研究——基于超效率SBM模型與Dagum基尼系數(shù)[J].科技創(chuàng)業(yè)月刊，2023，36（8）：1-10.

[18] 楊悅婷，張思琪，李娟.河北省港口城市生態(tài)保護(hù)與經(jīng)濟(jì)協(xié)同發(fā)展評(píng)價(jià)[J].科技創(chuàng)業(yè)月刊，2023，36（4）：80-83.

[19] 孫永波，高帥.我國(guó)能源消費(fèi)強(qiáng)度影響因素測(cè)度與效應(yīng)研究[J].煤炭經(jīng)濟(jì)研究，2021，41（12）：11-19.

[20] 周雨倩，李雪晴.中國(guó)區(qū)域能源消費(fèi)強(qiáng)度調(diào)查、測(cè)度及影響因素分析[J].經(jīng)濟(jì)研究導(dǎo)刊， 2020（16）：41-44.

（責(zé)任編輯：宋勇剛）