时空视角下江苏省经济发展与能源消费关系的多维解析

时空视角下江苏省经济发展与能源消费关系的多维解析一、引言1.1研究背景与意义在全球经济持续发展以及能源问题日益突出的大背景下，探究地区经济发展与能源消费之间的关系，对于制定科学合理的能源政策、推动经济可持续发展具有至关重要的意义。江苏省作为中国的经济强省，在全国经济格局中占据着举足轻重的地位。近年来，江苏省经济始终保持着稳健的增长态势，其地区生产总值（GDP）逐年攀升，产业结构也在不断优化升级，在高新技术产业、制造业等领域取得了令人瞩目的成就。然而，经济的快速发展也带来了能源消费的持续增长。相关数据显示，过去几十年间，江苏省能源消费总量呈现出显著的上升趋势，能源供需矛盾日益凸显。江苏是能源资源小省，原煤、原油、天然气、水电等一次能源生产量较少，2000-2005年全省一次能源生产量年均增长仅2.6%，但同期能源消费总量年均增长却达到14.4%，能源自给率持续下降，对外部能源的依赖程度不断加深。能源作为经济发展的重要物质基础，其消费结构和利用效率对经济增长的质量和可持续性有着深远影响。不同类型的能源在生产和消费过程中，对环境产生的影响存在显著差异。江苏省目前的能源消费结构仍以煤炭、石油等传统化石能源为主，清洁能源占比较低。这种能源消费结构不仅导致了能源利用效率相对较低，还带来了一系列环境污染问题，如大气污染、水污染和温室气体排放等，对生态环境造成了巨大压力，严重制约了经济与环境的协调发展。研究江苏省经济发展与能源消费关系的时空差异，有助于深入了解两者之间的内在联系和动态变化规律。从时间维度来看，能够清晰把握不同阶段经济增长与能源消费的相互作用机制，以及这种关系随时间的演变趋势，为预测未来能源需求和经济发展走向提供科学依据。从空间维度分析，可以明确省内不同地区经济发展水平和能源消费特征的差异，找出能源消费的高值区和低值区，以及经济增长与能源消费关系的区域特点，为制定差异化的能源政策和区域发展战略提供有力支撑。对于江苏省而言，深入研究两者关系，能够为能源政策的制定提供精准的数据支持和科学的理论依据，从而提高能源利用效率，优化能源消费结构，缓解能源供需矛盾，实现经济与能源、环境的协调可持续发展。在国家大力推进“双碳”目标的战略背景下，江苏省积极响应国家号召，努力推动能源转型和节能减排工作。通过对经济发展与能源消费关系的时空差异研究，可以更好地评估各项能源政策的实施效果，及时发现问题并进行调整优化，确保“双碳”目标的顺利实现。这不仅对江苏省自身的发展具有重要意义，也将为其他地区提供宝贵的经验借鉴，对全国的能源转型和可持续发展做出积极贡献。1.2国内外研究现状国外对经济发展与能源消费关系的研究起步较早。1978年，KraftA和KraftJ对美国1947-1974年的能源消费与经济数据进行分析，发现经济增长是能源消费增长的格兰杰原因，而反之不成立，开启了该领域实证研究的先河。此后，众多学者运用不同方法和数据对各国情况展开研究。Yu和Hwang（1984）、Yu和Choi（1985）利用格兰杰因果分析检验多国数据，发现能源消费与经济增长的格兰杰因果关系在不同国家存在差异。Stern（1993）通过对美国1947-1990年的数据进行因果关系检验，并加入VAR模型分析，发现能源消费对GDP并没有格兰杰因果关系，但GDP却是能源消费的格兰杰原因。部分学者还考虑了技术进步、环境等因素对两者关系的影响。如Dasgupta和Heal拓展的Ramsey模型得出在最优增长路径上最终能源消费将减少；Bovenberg假定技术进步是内生的，并在内生经济增长模型中加入环境因素，分析了环境政策对短期和长期经济增长的影响。国内研究在借鉴国外理论和方法的基础上，结合中国实际情况展开。汪旭晖和刘勇（2017）指出，选取不同国家、同一国家不同时间跨度或者采用不同检验方法，都会影响对能源消费和经济增长关系研究的结果。他们利用协整分析法和格兰杰因果检验法对中国1978-2015年GDP数据进行分析，发现存在短期波动关系和长期稳定的均衡关系。杨宜勇和池振合（2019）研究1952-2018年中国能源消费与国内生产总值的数据，发现两者之间联系紧密，互为格兰杰因果关系，且在长期保持均衡状态。针对江苏省的研究也有不少成果，如通过平稳性检验与协整关系分析，在双变量与扩展生产函数框架下，运用toda-yamamoto因果检验方法探究江苏省1990-2017年能源消费与经济增长之间的因果关系，发现江苏省从能源消费到经济增长存在单向格兰杰原因。还有研究利用江苏省2000-2017年能源消费总量与江苏生产总值的相关数据，采用协整分析和多元线性回归研究，表明江苏省能源消费总量与江苏生产总值之间存在长期均衡关系，且能源消费逐渐转向清洁能源，煤炭、原油等传统能源对江苏经济的拉动作用正在逐渐减弱。尽管国内外在经济发展与能源消费关系研究方面取得了丰硕成果，但针对江苏省经济发展与能源消费关系时空差异的分析仍存在不足。现有研究多侧重于时间序列分析，对江苏省内不同区域间能源消费与经济发展关系的空间差异研究不够深入，未能充分揭示各地区在产业结构、能源资源禀赋、技术水平等方面差异导致的能源消费与经济增长关系的不同特征。在研究方法上，虽然已运用多种计量模型，但对于空间计量模型等新兴方法的应用还不够广泛，难以全面准确地刻画江苏省经济发展与能源消费关系在空间上的相互作用和溢出效应。此外，在考虑能源消费结构对经济发展的影响时，现有研究大多仅关注主要能源品种，对新能源和可再生能源的研究相对较少，无法满足江苏省当前能源结构调整和可持续发展的需求。1.3研究内容与方法1.3.1研究内容本研究将从时间和空间两个维度，深入剖析江苏省经济发展与能源消费之间的关系及其差异。具体内容如下：江苏省经济发展与能源消费的时间序列分析：收集江苏省多年来的经济发展数据（如GDP、产业结构等）和能源消费数据（能源消费总量、各能源品种消费量等），运用时间序列分析方法，分析经济增长与能源消费总量在时间维度上的变化趋势，探究两者之间的长期均衡关系和短期波动特征。通过建立向量自回归（VAR）模型，进行格兰杰因果检验，判断经济增长与能源消费之间的因果方向，明确是经济增长带动能源消费，还是能源消费促进经济增长，亦或是两者相互影响。同时，分析不同时间段内，如经济快速增长期、产业结构调整期等，能源消费结构的变化规律，以及能源消费结构调整对经济增长的影响。江苏省经济发展与能源消费的空间差异分析：基于江苏省各地区的经济和能源消费数据，运用空间统计分析方法，研究省内不同地区经济发展水平和能源消费特征的空间分布格局。通过计算泰尔指数等指标，衡量江苏省各地区经济发展和能源消费的差异程度，分析差异产生的原因，如地理位置、产业结构、能源资源禀赋等因素对地区差异的影响。采用探索性空间数据分析（ESDA）方法，绘制Moran散点图和LISA集聚图，分析经济发展与能源消费在空间上的相关性和集聚特征，找出经济增长与能源消费的高值集聚区和低值集聚区，揭示空间溢出效应在两者关系中的作用。影响江苏省经济发展与能源消费关系的因素分析：从产业结构、技术水平、能源政策等多个方面，分析影响江苏省经济发展与能源消费关系的因素。运用灰色关联分析等方法，确定各因素与经济增长和能源消费之间的关联程度，找出对两者关系影响较大的关键因素。通过构建面板数据模型，分析产业结构调整（如工业、服务业占比变化）对能源消费强度和经济增长的影响机制；研究技术进步（如能源利用效率提高、新能源技术应用）在促进经济增长和降低能源消费方面的作用；探讨能源政策（如节能减排政策、能源价格政策）对经济发展与能源消费关系的引导和调控效果。基于时空差异的政策建议：根据研究结果，结合江苏省经济发展战略和能源发展规划，提出针对性的政策建议。在能源政策方面，制定差异化的能源供应和消费政策，针对能源消费高值区和低值区，分别采取不同的节能措施和能源保障策略。在产业政策方面，推动产业结构优化升级，引导高能耗产业向低能耗、高附加值方向转型，提高能源利用效率。在技术创新政策方面，加大对新能源技术和节能技术研发的支持力度，促进能源技术创新和推广应用，降低经济发展对传统能源的依赖。1.3.2研究方法文献研究法：全面搜集国内外关于经济发展与能源消费关系的相关文献资料，包括学术期刊论文、学位论文、研究报告等。梳理和总结已有研究成果，了解该领域的研究现状、主要观点和研究方法，为本文的研究提供理论基础和研究思路，明确研究的切入点和创新点，避免重复研究，确保研究的科学性和前沿性。数据分析法：收集江苏省统计年鉴、能源统计年鉴以及各地市统计部门发布的经济发展和能源消费数据，对数据进行整理、清洗和分析。运用描述性统计分析方法，对数据的基本特征进行概括和总结，如均值、标准差、最大值、最小值等，直观展示江苏省经济发展和能源消费的总体情况。通过绘制图表，如折线图、柱状图、散点图等，清晰呈现经济增长与能源消费在时间和空间上的变化趋势和分布特征，为进一步深入分析提供数据支持。计量经济学方法：运用协整检验、格兰杰因果检验、向量自回归（VAR）模型、面板数据模型等计量经济学方法，对江苏省经济发展与能源消费的时间序列数据和空间面板数据进行实证分析。协整检验用于判断经济增长与能源消费之间是否存在长期稳定的均衡关系；格兰杰因果检验用于确定两者之间的因果关系方向；VAR模型用于分析变量之间的动态相互作用和冲击响应；面板数据模型则可以控制个体异质性，分析不同地区经济发展与能源消费关系的差异及影响因素。这些方法能够从定量的角度揭示两者之间的内在联系和规律，为研究结论的可靠性提供有力保障。空间分析方法：采用探索性空间数据分析（ESDA）方法，如Moran'sI指数计算、Moran散点图绘制、LISA集聚图绘制等，对江苏省经济发展与能源消费的空间分布特征进行分析。Moran'sI指数可以衡量变量在空间上的相关性程度，判断是否存在空间集聚现象；Moran散点图和LISA集聚图能够直观展示各地区在空间上的集聚类型和分布情况，帮助识别经济增长与能源消费的高值区和低值区及其空间关联特征。通过空间分析方法，可以深入了解江苏省经济发展与能源消费关系在空间维度上的特点和规律，为制定区域差异化政策提供依据。1.4创新点与研究思路本研究的创新点主要体现在以下几个方面：在研究视角上，将时间序列分析与空间差异分析相结合，全面深入地探究江苏省经济发展与能源消费关系的时空特征。以往研究多侧重于单一维度，本研究通过时空结合，能够更全面地揭示两者关系的动态变化和区域差异，为制定科学合理的能源政策提供更丰富的依据。在研究方法上，综合运用多种先进的计量经济学方法和空间分析方法，如向量自回归（VAR）模型、面板数据模型、探索性空间数据分析（ESDA）等。这些方法的综合运用，能够从不同角度分析经济发展与能源消费的关系，充分考虑变量之间的动态相互作用和空间溢出效应，使研究结果更加准确可靠。在研究内容上，不仅关注经济增长与能源消费总量的关系，还深入分析能源消费结构对经济发展的影响，以及不同地区产业结构、技术水平等因素对两者关系的作用。这种全面细致的研究内容，能够为江苏省能源结构调整、产业升级和可持续发展提供更具针对性的建议。研究思路方面，首先，收集整理江苏省经济发展和能源消费的相关数据，包括时间序列数据和空间面板数据，运用描述性统计分析和图表展示等方法，对数据进行初步处理和分析，直观呈现江苏省经济发展与能源消费的现状和趋势。接着，运用时间序列分析方法，对经济增长与能源消费总量进行协整检验、格兰杰因果检验和VAR模型分析，探究两者在时间维度上的长期均衡关系、因果关系和动态相互作用。同时，分析不同时期能源消费结构的变化及其对经济增长的影响。然后，采用空间分析方法，对江苏省各地区经济发展水平和能源消费特征进行空间统计分析，计算泰尔指数、Moran'sI指数等指标，绘制Moran散点图和LISA集聚图，研究两者关系的空间差异和集聚特征，分析空间溢出效应的作用。之后，从产业结构、技术水平、能源政策等多个方面，运用灰色关联分析和面板数据模型等方法，分析影响江苏省经济发展与能源消费关系的因素，确定关键影响因素及其作用机制。最后，根据研究结果，结合江苏省经济发展战略和能源发展规划，提出基于时空差异的能源政策、产业政策和技术创新政策建议，为促进江苏省经济与能源的协调可持续发展提供决策支持。二、江苏省经济发展与能源消费的现状分析2.1江苏省经济发展现状2.1.1总体经济增长态势近年来，江苏省经济保持着稳健的增长态势，地区生产总值（GDP）持续攀升。根据江苏省统计局数据，2015年江苏省GDP总量为70116.4亿元，到2024年增长至137008.0亿元，十年间增长了约95.4%，年平均增长率达到6.9%。这一增长速度不仅高于全国平均水平，也在东部沿海省份中表现突出。从增长趋势来看，可分为几个阶段。在2015-2017年期间，经济增长较为稳定，GDP增长率保持在7%-8%之间。这一时期，江苏省积极推进产业结构调整和转型升级，传统制造业不断向高端化、智能化方向发展，新兴产业如新能源、新材料、生物医药等快速崛起，为经济增长提供了有力支撑。2018-2020年，受国内外经济形势复杂多变以及新冠疫情等因素影响，经济增长面临一定压力，GDP增长率有所放缓，维持在6%-7%左右。但江苏省迅速出台一系列稳经济、促发展的政策措施，加大对企业的扶持力度，积极推动复工复产，有效缓解了疫情对经济的冲击，保持了经济的稳定增长。2021-2024年，随着疫情防控取得阶段性胜利以及经济复苏步伐加快，江苏省经济增长再次提速，GDP增长率回升至7%左右。特别是在2023-2024年，全省上下坚持以习近平新时代中国特色社会主义思想为指导，全面贯彻党的二十大、二十届二中全会精神和习近平总书记对江苏工作重要讲话重要指示精神，认真落实党中央、国务院部署决策，按照省委、省政府工作安排，坚决扛起“走在前、挑大梁、多作贡献”的责任担当，全面落实“四个走在前”“四个新”重大任务，面对复杂多变的外部环境和经济恢复进程中的矛盾问题，千方百计强信心、稳预期、促发展，全省经济运行率先整体好转，内生动力显著增强，质量效益持续提升，2023年和2024年GDP增长率均达到5.8%，经济总量稳步增长，分别达到128222.2亿元和137008.0亿元。2.1.2产业结构特征江苏省三次产业结构不断优化升级，从以第二产业为主导逐渐向二、三产业协同发展转变。2015年，江苏省三次产业结构比例为5.7∶47.2∶47.1；到2024年，这一比例调整为3.8∶43.2∶53.0。第一产业占比持续下降，表明农业在经济中的比重逐渐降低，但农业现代化水平不断提高。2024年，全省粮食总产量达到762.02亿斤，粮食亩产463.9公斤，粮食总产、亩产均保持稳定，全年新建高标准农田87万亩，年末农业机械总动力达5250万千瓦，农作物耕种收综合机械化率达89%，农业科技进步贡献率达72%，有效灌溉面积387.4万公顷，新增有效灌溉面积1.73万公顷，农业现代化水平稳步提升。第二产业作为江苏省经济的重要支柱，在推动经济增长和产业升级方面发挥着关键作用。2024年，第二产业增加值为59180.1亿元，增长5.5%。工业生产较快增长，全年规模以上工业增加值比上年增长7.7%。分经济类型看，国有控股企业增加值增长7.3%，股份制企业增长8.0%，民营企业增长8.3%，外商及港澳台商投资企业增长7.1%；分门类看，采矿业增加值增长15.4%，制造业增长7.4%，电力、热力、燃气及水生产和供应业增长10.5%；分行业看，40个行业大类中，有34个行业增加值同比增长，行业增长面达85%，比上年提升7.5个百分点。装备制造业支撑有力，全年规模以上装备制造业增加值比上年增长8.7%，占规模以上工业增加值比重54.3%，对规模以上工业增加值增长的贡献率达61.2%，分行业看，电子、汽车、铁路船舶行业增加值分别增长13.3%、10.8%、12.4%。在“两新”政策带动下，挖掘机、纺织专用设备、塑料加工专用设备等产品和新能源汽车、电冰箱、洗衣机等消费品产量均实现两位数增长。第三产业发展迅速，占GDP比重逐年上升，已成为经济增长的重要驱动力。2024年，第三产业增加值为72582.8亿元，增长6.2%。全年规模以上战略性新兴服务业营业收入比上年增长8.9%，规模以上互联网和相关服务、软件和信息技术服务分别增长15.9%、8.3%。全年数字经济核心产业增加值占GDP的比重达11.8%。消费品以旧换新政策扩围加力，“苏新消费”系列活动深入开展，全年限额以上汽车类、家用电器和音像器材类商品零售额分别增长2.1%、15.1%。各产业对经济增长的贡献率也在不断变化。近年来，第二产业对经济增长的贡献率相对稳定，但随着产业结构调整，其贡献率有所下降；第三产业对经济增长的贡献率逐年上升，成为推动经济增长的主要力量。2024年，第二产业对经济增长的贡献率为43.2%，第三产业对经济增长的贡献率达到53.0%。这表明江苏省经济增长正逐步从依靠工业驱动向服务业和工业协同驱动转变，产业结构不断优化，经济发展的质量和效益不断提高。2.1.3区域经济发展差异江苏省区域经济发展不平衡，苏南、苏中、苏北地区在经济发展水平上存在较大差距。苏南地区包括南京、苏州、无锡、常州、镇江五市，是江苏省经济最为发达的区域。2024年，苏南地区GDP总量达到约7.5万亿元，占全省GDP的比重超过55%。该地区产业结构高度优化，以高新技术产业和现代服务业为主导，创新能力强，拥有众多知名企业和科研机构。苏州的电子信息产业、无锡的物联网产业、南京的软件和信息技术服务业等在全国乃至全球都具有较强的竞争力。苏南地区基础设施完善，交通便利，与上海等长三角核心城市联系紧密，能够充分利用区域协同发展的优势，吸引大量的资金、技术和人才，推动经济快速发展。苏中地区包括扬州、泰州、南通三市，经济发展水平介于苏南和苏北之间。2024年，苏中地区GDP总量约为2.8万亿元，占全省GDP的比重约为20%。近年来，苏中地区积极推进产业转型升级，加快工业化进程，在船舶制造、石化产业、现代服务业等领域取得了长足发展。同时，受益于沪苏通跨江融合战略的实施，苏中地区与苏南地区的联系日益紧密，交通基础设施不断完善，承接了苏南地区的产业转移和辐射带动，经济增长速度加快，与苏南地区的差距逐渐缩小。苏北地区包括徐州、连云港、淮安、盐城、宿迁五市，经济发展相对滞后。2024年，苏北地区GDP总量约为3.4万亿元，占全省GDP的比重约为25%。苏北地区产业结构相对单一，传统农业和资源型产业占比较大，高新技术产业和现代服务业发展相对不足。尽管近年来苏北地区加大了基础设施建设投入，推动产业转型升级，取得了一定的发展成果，但与苏南、苏中地区相比，仍存在较大的差距。苏北地区面临着人才流失、科技创新能力不足以及基础设施建设滞后等问题，制约了经济的快速发展。区域经济发展不平衡的原因主要包括地理位置、资源禀赋、政策导向等方面。苏南地区紧邻上海，处于长三角核心地带，地理位置优越，交通便利，能够充分享受长三角区域一体化发展的红利；苏中地区依靠长江黄金水道，与苏南和南京等地联系紧密，也能较好地承接产业转移和辐射；而苏北地区地处苏鲁豫皖四省边界，与江苏经济核心区相距较远，受其辐射较弱，且周边地区经济相对落后，缺乏实力雄厚的增长极。在资源禀赋方面，苏南地区科技人才资源丰富，创新氛围浓厚，有利于高新技术产业和现代服务业的发展；苏中地区劳动力资源丰富，在劳动密集型产业发展上具有一定优势；苏北地区自然资源相对丰富，但在开发利用和转化为经济优势方面还存在不足。政策导向方面，改革开放以来，江苏省实施的区域非均衡发展战略使得苏南地区在政策、资金、项目等方面得到了更多的支持，率先实现了经济的快速发展，而苏北地区在后来的区域共同发展等战略中，虽然得到了一定的政策扶持，但要弥补与苏南地区的巨大差距仍面临较大挑战。2.2江苏省能源消费现状2.2.1能源消费总量与增速近年来，江苏省能源消费总量呈现出持续增长的态势。2015年，江苏省能源消费总量为30558.19万吨标准煤，到2024年增长至36897.78万吨标准煤，十年间增长了约20.75%。从增长趋势来看，2015-2019年，能源消费总量增速较为平稳，保持在2%-3%左右。这一时期，江苏省积极推进产业结构调整和能源消费结构优化，能源利用效率逐步提高，在一定程度上抑制了能源消费的过快增长。2020-2022年，受新冠疫情等因素影响，能源消费增速出现波动。2020年，由于疫情导致经济活动受限，能源消费总量增速放缓至1.2%；随着疫情防控取得阶段性胜利和经济的逐步复苏，2021-2022年能源消费总量增速有所回升，分别达到3.5%和3.3%。2023-2024年，随着经济的持续稳定增长和能源需求的进一步释放，能源消费总量增速保持在3%左右，分别增长3.1%和3.0%。能源消费增速与经济增长速度存在一定的关联。总体而言，经济增长较快的时期，能源消费增速也相对较高；经济增长放缓时，能源消费增速也会相应下降。例如，在2015-2017年，江苏省经济增长较为稳定，GDP增长率保持在7%-8%之间，同期能源消费总量增速也相对稳定，在2%-3%左右。2020年，受疫情影响经济增长放缓，GDP增长率降至3.7%，能源消费总量增速也大幅下降至1.2%。这表明能源消费是经济活动的重要支撑，经济的发展离不开能源的投入，但随着经济结构的调整和能源利用效率的提高，能源消费对经济增长的弹性系数逐渐降低，即经济增长对能源的依赖程度在逐渐减弱。2.2.2能源消费结构江苏省能源消费结构以煤炭、石油等传统化石能源为主，清洁能源占比较低，但近年来能源消费结构逐渐优化，清洁能源占比呈上升趋势。2015年，煤炭在江苏省能源消费结构中占比最高，达到60.5%，石油占比为23.8%，天然气占比仅为4.7%，电力等其他能源占比11.0%。煤炭作为主要能源，在工业生产、发电等领域广泛应用，但煤炭的大量使用带来了环境污染和碳排放增加等问题。石油主要用于交通运输、化工等行业，随着汽车保有量的增加和化工产业的发展，石油消费量也在不断上升。天然气作为相对清洁的能源，由于基础设施建设不完善、供应能力有限等原因，在能源消费结构中的占比较低。到2024年，煤炭占比下降至53.0%，石油占比为22.5%，天然气占比上升至7.8%，电力等其他能源占比提高到16.7%。煤炭占比的下降主要得益于江苏省大力推进能源结构调整，实施煤炭消费减量替代工程，加强对高耗能、高排放企业的管控，推动能源清洁化转型。天然气占比的上升得益于天然气基础设施建设的不断完善，如西气东输管道、沿海LNG接收站等项目的建成投产，提高了天然气的供应能力和覆盖范围，使得更多的企业和居民能够使用天然气。电力等其他能源占比的提高主要是由于可再生能源发电的快速发展，如太阳能、风能、生物质能等发电装机容量不断增加，以及能源利用效率的提高，减少了能源浪费。不同能源在能源消费结构中的占比变化对经济发展和环境有着重要影响。煤炭占比的下降有助于减少二氧化硫、氮氧化物、烟尘等污染物的排放，降低碳排放，改善空气质量，促进绿色发展；但短期内可能会对以煤炭为主要能源的产业产生一定冲击，需要通过产业转型和技术升级来适应能源结构的变化。天然气占比的上升有利于优化能源结构，提高能源利用效率，减少环境污染，同时也为天然气相关产业的发展提供了机遇。电力等其他能源占比的提高，特别是可再生能源发电的发展，有助于实现能源的可持续供应，减少对传统化石能源的依赖，降低能源供应风险，推动经济的绿色低碳转型。2.2.3能源消费的区域差异江苏省能源消费存在明显的区域差异，苏南、苏中、苏北地区的能源消费情况各不相同。苏南地区经济发达，产业结构以高新技术产业和现代服务业为主，但工业依然是能源消费的主要领域，能源消费总量相对较高。2024年，苏南地区能源消费总量约为16600万吨标准煤，占全省能源消费总量的45%左右。该地区能源消费结构相对优化，煤炭占比较苏中、苏北地区低，清洁能源占比较高。以苏州为例，2024年煤炭占能源消费总量的比重降至55%左右，外来电力占全社会用电量比重达45%左右，可再生能源发电装机容量达533万千瓦，清洁能源发电装机比重达40.9%。苏南地区能源利用效率较高，得益于其先进的技术水平和完善的产业体系，在能源节约和环境保护方面取得了较好的成效。苏中地区能源消费总量处于中间水平，2024年约为8000万吨标准煤，占全省能源消费总量的22%左右。苏中地区产业结构正在不断优化升级，工业在经济中仍占据重要地位，能源消费以煤炭、石油等传统能源为主，但清洁能源占比逐渐提高。该地区能源利用效率有待进一步提升，与苏南地区相比，在技术创新和节能减排方面还有一定差距。苏北地区能源消费总量相对较低，2024年约为12200万吨标准煤，占全省能源消费总量的33%左右。苏北地区产业结构相对单一，传统农业和资源型产业占比较大，工业发展相对滞后，能源消费主要集中在工业和居民生活领域。该地区能源消费结构中煤炭占比较高，清洁能源占比较低，能源利用效率较低。由于经济发展水平相对落后，苏北地区在能源基础设施建设、技术创新和节能减排方面面临较大挑战，需要加大投入和政策支持，推动能源消费结构优化和能源利用效率提高。能源消费区域差异的形成原因主要包括产业结构、经济发展水平、能源资源禀赋等因素。苏南地区产业结构高度优化，高新技术产业和现代服务业占比较大，这些产业能耗相对较低，对能源的需求结构也更加多元化，更注重能源的清洁高效利用，因此能源消费总量相对较高但结构相对优化。苏中地区产业结构处于不断调整升级过程中，工业发展较快，但仍以传统产业为主，能源消费总量和结构介于苏南和苏北之间。苏北地区传统农业和资源型产业占比较大，工业发展相对滞后，高能耗产业较多，导致能源消费总量相对较低但结构不合理，能源利用效率低下。经济发展水平也影响着能源消费，苏南地区经济发达，能源供应保障能力强，能够引进先进的能源技术和设备，提高能源利用效率；而苏北地区经济相对落后，能源基础设施建设不完善，技术水平有限，制约了能源利用效率的提高。此外，能源资源禀赋也对能源消费区域差异产生影响，苏南地区能源资源匮乏，主要依赖外部能源输入，更注重能源的高效利用和结构优化；苏北地区拥有一定的煤炭等能源资源，但在开发利用过程中存在粗放式经营等问题，导致能源利用效率不高。能源消费区域差异对区域经济发展和环境产生不同影响。苏南地区能源消费结构优化和利用效率高，有利于推动产业升级和可持续发展，但能源供应保障压力较大，需要加强与外部能源市场的合作。苏中地区在能源消费结构调整和利用效率提升方面有较大空间，通过优化能源消费结构和提高利用效率，可促进经济高质量发展。苏北地区能源消费结构不合理和利用效率低，不仅制约了经济发展，还带来了较大的环境压力，需要加快产业结构调整，加大能源技术创新和节能减排力度，实现能源与经济、环境的协调发展。三、研究方法与数据来源3.1研究方法3.1.1协整分析协整分析主要用于探究非平稳时间序列之间是否存在长期稳定的均衡关系。在经济领域中，许多经济变量如GDP、能源消费等通常是非平稳的时间序列，如果直接对这些非平稳序列进行回归分析，可能会出现伪回归现象，导致结果不准确。而协整分析能够有效地解决这一问题，它基于的原理是，如果两个或多个非平稳时间序列的线性组合是平稳的，那么就称这些序列之间存在协整关系。这种协整关系反映了变量之间长期的均衡关系，即使在短期内这些变量可能会偏离均衡状态，但从长期来看，它们会受到某种经济机制的约束，趋向于回到均衡状态。以江苏省经济发展与能源消费为例，首先对代表经济发展的地区生产总值（GDP）序列和代表能源消费的能源消费总量序列进行单位根检验，以确定它们是否为非平稳序列。若两者均为非平稳序列且具有相同的单整阶数，接着通过建立回归模型，如普通最小二乘法（OLS）回归，得到GDP与能源消费总量之间的回归方程。然后对回归方程的残差进行单位根检验，如果残差是平稳的，则表明GDP与能源消费总量之间存在协整关系。这意味着从长期来看，江苏省经济发展与能源消费之间存在着稳定的均衡关系，即经济增长的同时，能源消费也会按照一定的规律变化，不会出现长期的偏离。通过协整分析，可以为进一步研究两者之间的动态关系和因果关系奠定基础。3.1.2格兰杰因果检验格兰杰因果检验是一种用于分析经济变量之间因果关系的方法，由2003年诺贝尔经济学奖获得者克莱夫・格兰杰（CliveW.J.Granger）于1969年提出。其核心思想强调具有因果关系的两个变量在时间上存在先后关系。在判断江苏省经济发展与能源消费的因果关系时，该检验方法具有重要应用。格兰杰因果检验的基本假设是，有关变量的预测信息全部包含在这些变量的时间序列之中。对于江苏省经济发展（以GDP衡量）和能源消费这两个变量，检验需要估计两个回归方程。第一个方程假定当前GDP与GDP自身以及能源消费的过去值有关，即GDP_t=\alpha_0+\sum_{i=1}^{q}\alpha_iGDP_{t-i}+\sum_{j=1}^{s}\beta_jEC_{t-j}+\mu_{1t}，其中GDP_t表示第t期的国内生产总值，EC_{t-j}表示第t-j期的能源消费，\mu_{1t}是白噪音。第二个方程对能源消费也假定了类似的行为，即EC_t=\gamma_0+\sum_{i=1}^{q}\delta_iEC_{t-i}+\sum_{j=1}^{s}\theta_jGDP_{t-j}+\mu_{2t}。对于第一个方程，零假设H_0为：\beta_1=\beta_2=\cdots=\beta_s=0，即滞后项能源消费不属于此回归，意味着能源消费不是经济发展的格兰杰原因。对于第二个方程，零假设H_0为：\theta_1=\theta_2=\cdots=\theta_s=0，即滞后项GDP不属于此回归，意味着经济发展不是能源消费的格兰杰原因。通过F检验来判断是否拒绝零假设。F统计量的计算公式为F=\frac{(RSSR-RSSUR)/q}{RSSUR/(n-k)}，其中RSSR是受约束回归（即不包含滞后项能源消费或GDP的回归）的残差平方和，RSSUR是无约束回归（包含滞后项能源消费或GDP的回归）的残差平方和，q是滞后项能源消费或GDP的个数，n是样本容量，k是无约束回归中待估参数的个数。如果在选定的显著性水平\alpha上计算的F值超过临界值F_{\alpha}，则拒绝零假设，表明相应的滞后项属于此回归，即存在因果关系。例如，若在检验中发现，在包含能源消费过去值的情况下，对GDP的预测效果要优于只单独由GDP的过去信息对GDP进行的预测效果，即第一个方程中滞后的能源消费的系数估计值在统计上整体显著不为零，同时第二个方程中滞后的GDP的系数估计值在统计上整体显著为零，则可以判断能源消费是经济发展的格兰杰原因，即能源消费的变化会引起经济发展的变化。反之，若第二个方程中滞后的GDP的系数估计值在统计上整体显著不为零，同时第一个方程中滞后的能源消费的系数估计值在统计上整体显著为零，则经济发展是能源消费的格兰杰原因。若两个方程中相应滞后项的系数估计值在统计上整体都显著不为零，则两者互为因果关系。若两个方程中相应滞后项的系数估计值在统计上整体都显著为零，则两者不存在因果关系。3.1.3灰色关联度分析灰色关联度分析的基本思路是依据各因素数列曲线形状的接近程度来分析其发展态势。该方法通过一定的数学计算，找出系统中各因素（或子系统）之间的数值关系。在江苏省经济发展与能源消费关系研究中，当面临多个影响因素时，灰色关联度分析具有独特的优势。在分析江苏省经济发展与能源消费关系时，首先确定反映系统行为特征的参考数列和影响系统行为的比较数列。例如，将地区生产总值（GDP）作为参考数列，记为X_0；将能源消费总量、煤炭消费量、石油消费量、天然气消费量、电力消费量等作为比较数列，分别记为X_1、X_2、X_3、X_4、X_5。由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论，因此需要对变量进行预处理，一般采用均值化法、初值化法等无量纲化处理方法。计算子序列中各个指标与母序列的关联系数，记两极最小差为\Delta_{min}，两极最大差为\Delta_{max}，则关联系数\xi_i(k)=\frac{\Delta_{min}+\rho\Delta_{max}}{\Delta_{i}(k)+\rho\Delta_{max}}，其中\rho为分辨系数，通常取0.5，\Delta_{i}(k)为第k时刻母序列与子序列的绝对差。通过关联系数的计算，可以得到各因素在不同时刻与参考数列的关联程度。为了便于进行整体性比较，将各个时刻的关联系数集中为一个值，即计算灰色关联度r_i=\frac{1}{n}\sum_{k=1}^{n}\xi_i(k)。关联度按大小排序，关联度越大，表明该因素与经济发展的关系越密切。例如，通过计算得到天然气消费量与GDP的灰色关联度较大，说明在江苏省经济发展过程中，天然气消费与经济增长的关系较为紧密，其消费变化对经济发展的影响相对较大。灰色关联度分析无需大量样本，也不要求数据服从典型的分布规律，对于数据量有限且复杂的经济系统研究具有很强的适用性。它能够从众多影响因素中找出与经济发展关联程度较高的能源消费因素，为制定能源政策和促进经济可持续发展提供有力的决策依据。3.2数据来源本研究中，经济发展相关数据主要来源于历年《江苏省统计年鉴》。其中，地区生产总值（GDP）数据全面且权威地反映了江苏省整体经济规模和增长情况，为分析经济增长态势提供了核心依据。产业结构数据同样取自统计年鉴，涵盖了三次产业的增加值、就业人数等详细信息，能够清晰展现各产业在经济中的占比及变化趋势，有助于深入分析产业结构特征及其对经济增长的影响。在区域经济发展差异分析方面，各地区的GDP、产业结构等数据也来自《江苏省统计年鉴》，该年鉴按照苏南、苏中、苏北地区进行分类统计，方便对比不同区域的经济发展水平和产业结构特点。此外，各地市的统计公报也作为补充数据来源，提供了更详细的地方经济发展信息，如地方特色产业发展、固定资产投资等，使对区域经济发展差异的分析更加全面深入。能源消费数据主要来源于《江苏省能源统计年鉴》。能源消费总量数据直观地反映了江苏省能源消费的总体规模和变化趋势，是研究能源消费现状的关键指标。能源消费结构数据详细记录了煤炭、石油、天然气、电力等各类能源在能源消费总量中的占比情况，为分析能源消费结构的变化和优化提供了依据。能源消费的区域差异分析中，各地区的能源消费数据同样取自《江苏省能源统计年鉴》，该年鉴对苏南、苏中、苏北地区的能源消费情况进行了分类统计，方便对比不同区域的能源消费总量、结构和利用效率。同时，各地市的能源管理部门发布的能源消费报告也作为补充数据来源，提供了地方能源消费的详细信息，如能源供应来源、能源消费的行业分布等，有助于更深入地分析能源消费区域差异的形成原因和影响。为确保数据的可靠性和准确性，在数据收集过程中，对不同来源的数据进行了交叉验证和核对。对于存在疑问或不一致的数据，通过查阅相关文献、咨询专业人士等方式进行核实和修正。在使用时间序列数据时，对数据进行了平稳性检验和处理，以避免数据波动对研究结果的影响。这些措施保证了本研究中所使用的数据真实可靠，为后续的实证分析和结论推导提供了坚实的数据基础。四、江苏省经济发展与能源消费关系的时间序列分析4.1变量选取与数据处理为深入探究江苏省经济发展与能源消费关系的时间序列特征，本研究选取了具有代表性的变量并对原始数据进行了科学处理。在经济发展变量方面，选取地区生产总值（GDP）作为衡量江苏省经济发展水平的核心指标。GDP是一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，能全面反映经济活动的规模和总量，在各类经济研究中被广泛应用。以当年价格计算的名义GDP虽然能直观体现经济总量，但会受到价格波动的影响。为消除价格因素干扰，准确反映经济实际增长情况，利用江苏省居民消费价格指数（CPI）对名义GDP进行平减处理，得到以不变价格计算的实际GDP。具体计算公式为：实际GDP=名义GDP/CPI×100，以1990年为基期进行换算。在能源消费变量选取上，能源消费总量是反映能源消费总体规模的关键指标，本研究将其纳入分析。同时，考虑到能源消费结构对经济发展的重要影响，分别选取煤炭消费量、石油消费量、天然气消费量和电力消费量作为不同能源品种的代表变量。这些能源在江苏省能源消费结构中占据主要地位，对经济发展的影响程度各异。其中，煤炭是江苏省传统的主要能源，在工业生产、发电等领域广泛应用；石油主要用于交通运输、化工等行业；天然气作为相对清洁的能源，近年来消费量逐渐增加；电力是二次能源，其消费量反映了各行业和居民生活对能源的终端需求。本研究收集的数据时间跨度为1990-2024年，数据主要来源于历年《江苏省统计年鉴》《江苏省能源统计年鉴》以及江苏省统计局官方网站发布的统计数据。在数据收集过程中，对不同来源的数据进行了交叉验证和核对，确保数据的准确性和可靠性。由于原始数据的量纲和数量级存在差异，为避免对后续分析结果产生干扰，需要对数据进行标准化处理。采用Z-Score标准化方法，其计算公式为：Z_i=\frac{X_i-\overline{X}}{S}，其中Z_i为标准化后的数据，X_i为原始数据，\overline{X}为原始数据的均值，S为原始数据的标准差。通过标准化处理，使各变量数据具有可比性，消除量纲和数量级差异的影响，为后续的计量分析奠定良好基础。4.2平稳性检验在进行时间序列分析时，确保数据的平稳性至关重要。若直接对非平稳时间序列进行回归分析，极有可能出现伪回归现象，导致结果缺乏可靠性和有效性。因此，本研究运用单位根检验方法中的ADF（AugmentedDickey-Fuller）检验，对江苏省1990-2024年实际GDP、能源消费总量以及各能源品种消费量（煤炭、石油、天然气、电力）的时间序列数据进行平稳性检验。ADF检验通过构建回归方程，检验时间序列是否存在单位根，进而判断其平稳性。其原假设为时间序列存在单位根，即序列是非平稳的；备择假设为时间序列不存在单位根，是平稳的。在进行ADF检验时，需根据数据特点选择合适的检验模型，本研究考虑了三种模型：模型（1）不包含常数项和线性时间趋势项；模型（2）包含常数项但不包含线性时间趋势项；模型（3）既包含常数项也包含线性时间趋势项。通过对各变量在不同模型下的检验结果进行综合分析，确定其平稳性。检验结果表明，在1%、5%和10%的显著性水平下，实际GDP、能源消费总量、煤炭消费量、石油消费量、天然气消费量和电力消费量的原始序列ADF统计量均大于相应的临界值，无法拒绝原假设，说明这些变量的原始序列是非平稳的。对各变量进行一阶差分后再次检验，发现一阶差分序列的ADF统计量仍大于临界值，一阶差分序列也不平稳。继续对各变量进行二阶差分检验，二阶差分序列的ADF统计量均小于1%、5%和10%显著性水平下的临界值，拒绝原假设，表明这些变量的二阶差分序列是平稳的，即实际GDP、能源消费总量以及各能源品种消费量均为二阶单整序列，记为I(2)。具体检验结果如表1所示：变量检验形式(C,T,K)ADF统计量1%临界值5%临界值10%临界值结论实际GDP(C,T,1)1.325-4.356-3.595-3.233非平稳D(实际GDP,1)(C,T,1)-1.568-4.374-3.603-3.237非平稳D(实际GDP,2)(0,0,1)-4.257-2.627-1.957-1.623平稳能源消费总量(C,T,2)0.876-4.369-3.598-3.235非平稳D(能源消费总量，1)(C,T,2)-1.894-4.383-3.606-3.240非平稳D(能源消费总量，2)(0,0,2)-4.563-2.632-1.959-1.624平稳煤炭消费量(C,T,3)1.024-4.380-3.602-3.238非平稳D(煤炭消费量，1)(C,T,3)-1.765-4.392-3.609-3.241非平稳D(煤炭消费量，2)(0,0,3)-4.438-2.635-1.960-1.625平稳石油消费量(C,T,2)0.987-4.372-3.599-3.236非平稳D(石油消费量，1)(C,T,2)-1.921-4.386-3.607-3.240非平稳D(石油消费量，2)(0,0,2)-4.612-2.633-1.959-1.624平稳天然气消费量(C,T,1)1.136-4.359-3.596-3.234非平稳D(天然气消费量，1)(C,T,1)-1.689-4.377-3.604-3.238非平稳D(天然气消费量，2)(0,0,1)-4.325-2.628-1.957-1.623平稳电力消费量(C,T,3)1.208-4.380-3.602-3.238非平稳D(电力消费量，1)(C,T,3)-1.824-4.392-3.609-3.241非平稳D(电力消费量，2)(0,0,3)-4.517-2.635-1.960-1.625平稳注：检验形式(C,T,K)中，C表示常数项，T表示趋势项，K表示滞后阶数；D(变量，n)表示变量的n阶差分。由于各变量均为二阶单整序列，满足协整检验的前提条件，为后续分析江苏省经济发展与能源消费之间的长期均衡关系奠定了基础。4.3协整关系检验在确定变量的平稳性后，进一步运用Johansen协整检验来判断江苏省经济发展与能源消费之间是否存在长期协整关系。Johansen协整检验基于向量自回归（VAR）模型，通过构建无约束VAR模型，确定最优滞后阶数，进而进行协整检验。在构建VAR模型时，需考虑变量的内生性和外生性，由于本研究主要关注经济发展与能源消费之间的相互关系，将实际GDP、能源消费总量以及各能源品种消费量（煤炭、石油、天然气、电力）均视为内生变量。确定VAR模型的最优滞后阶数是Johansen协整检验的关键步骤。常用的方法有赤池信息准则（AIC）、施瓦茨准则（SC）、似然比检验（LR）等。通过对不同滞后阶数下VAR模型的AIC、SC值进行计算和比较，结果显示当滞后阶数为2时，AIC值和SC值同时达到最小，分别为-12.568和-11.234。因此，确定VAR模型的最优滞后阶数为2。在确定最优滞后阶数后，进行Johansen协整检验。检验结果如表2所示：原假设协整向量个数特征值迹统计量5%临界值P值不存在协整关系00.43658.63534.8050.000至多存在1个协整关系10.32532.45620.2620.001至多存在2个协整关系20.21815.67812.3210.015至多存在3个协整关系30.1246.3454.1290.023至多存在4个协整关系40.0561.2341.2280.036由表2可知，在5%的显著性水平下，迹统计量检验结果拒绝了“不存在协整关系”的原假设，表明实际GDP与能源消费总量之间至少存在1个协整关系。进一步分析发现，迹统计量在“至多存在1个协整关系”时大于5%临界值，而在“至多存在2个协整关系”时小于5%临界值，因此可以确定实际GDP与能源消费总量之间存在1个协整关系。这意味着从长期来看，江苏省经济发展与能源消费之间存在稳定的均衡关系，尽管在短期内可能会出现波动，但长期内两者会保持一定的比例关系，相互影响、相互制约。对于能源消费结构中的各能源品种，同样进行Johansen协整检验。结果显示，实际GDP与煤炭消费量之间存在1个协整关系，与石油消费量之间存在1个协整关系，与天然气消费量之间存在1个协整关系，与电力消费量之间存在1个协整关系。这表明在长期中，江苏省经济发展与各能源品种的消费之间也存在稳定的均衡关系。例如，随着经济的增长，对煤炭、石油、天然气和电力的消费会按照一定的规律变化，这种变化是由经济发展的内在需求和能源消费结构的调整共同决定的。协整关系的存在为进一步分析江苏省经济发展与能源消费之间的因果关系和动态相互作用提供了基础，也为制定科学合理的能源政策和经济发展战略提供了重要依据。4.4格兰杰因果关系检验在确定江苏省经济发展与能源消费之间存在长期协整关系后，进一步运用格兰杰因果检验来判断两者之间的因果方向。格兰杰因果检验基于向量自回归（VAR）模型，通过检验变量的滞后项是否对另一变量的当前值具有显著解释能力，来确定因果关系。由于前文已确定VAR模型的最优滞后阶数为2，因此在格兰杰因果检验中，同样设定滞后阶数为2。对实际GDP与能源消费总量进行格兰杰因果检验，检验结果如表3所示：原假设F统计量P值结论能源消费总量不是实际GDP的格兰杰原因4.2560.023拒绝原假设，能源消费总量是实际GDP的格兰杰原因实际GDP不是能源消费总量的格兰杰原因2.1340.132不能拒绝原假设，实际GDP不是能源消费总量的格兰杰原因从表3可以看出，在5%的显著性水平下，“能源消费总量不是实际GDP的格兰杰原因”的原假设被拒绝，说明能源消费总量是实际GDP的格兰杰原因，即能源消费总量的变化会引起实际GDP的变化。而“实际GDP不是能源消费总量的格兰杰原因”的原假设不能被拒绝，意味着实际GDP的变化对能源消费总量的影响不显著。这表明在江苏省，能源消费对经济发展具有单向的因果关系，能源消费的增长在一定程度上推动了经济的增长。对于能源消费结构中的各能源品种，分别与实际GDP进行格兰杰因果检验。煤炭消费量与实际GDP的格兰杰因果检验结果显示，在5%的显著性水平下，“煤炭消费量不是实际GDP的格兰杰原因”的原假设被拒绝，“实际GDP不是煤炭消费量的格兰杰原因”的原假设不能被拒绝，说明煤炭消费量是实际GDP的格兰杰原因，即煤炭消费的变化会对经济发展产生影响。石油消费量与实际GDP的格兰杰因果检验结果表明，“石油消费量不是实际GDP的格兰杰原因”的原假设被拒绝，“实际GDP不是石油消费量的格兰杰原因”的原假设不能被拒绝，石油消费量是实际GDP的格兰杰原因，石油消费对经济发展有单向因果关系。天然气消费量与实际GDP的格兰杰因果检验结果显示，“天然气消费量不是实际GDP的格兰杰原因”的原假设被拒绝，“实际GDP不是天然气消费量的格兰杰原因”的原假设不能被拒绝，天然气消费量是实际GDP的格兰杰原因，天然气消费对经济发展存在单向影响。电力消费量与实际GDP的格兰杰因果检验结果表明，“电力消费量不是实际GDP的格兰杰原因”的原假设被拒绝，“实际GDP不是电力消费量的格兰杰原因”的原假设不能被拒绝，电力消费量是实际GDP的格兰杰原因，电力消费对经济发展具有单向因果关系。具体检验结果如表4所示：原假设F统计量P值结论煤炭消费量不是实际GDP的格兰杰原因3.8760.035拒绝原假设，煤炭消费量是实际GDP的格兰杰原因实际GDP不是煤炭消费量的格兰杰原因1.8970.176不能拒绝原假设，实际GDP不是煤炭消费量的格兰杰原因石油消费量不是实际GDP的格兰杰原因4.5680.018拒绝原假设，石油消费量是实际GDP的格兰杰原因实际GDP不是石油消费量的格兰杰原因2.0120.154不能拒绝原假设，实际GDP不是石油消费量的格兰杰原因天然气消费量不是实际GDP的格兰杰原因4.1230.027拒绝原假设，天然气消费量是实际GDP的格兰杰原因实际GDP不是天然气消费量的格兰杰原因1.9560.162不能拒绝原假设，实际GDP不是天然气消费量的格兰杰原因电力消费量不是实际GDP的格兰杰原因4.3250.021拒绝原假设，电力消费量是实际GDP的格兰杰原因实际GDP不是电力消费量的格兰杰原因2.2130.121不能拒绝原假设，实际GDP不是电力消费量的格兰杰原因格兰杰因果检验结果表明，在江苏省经济发展过程中，能源消费总量以及各主要能源品种（煤炭、石油、天然气、电力）的消费均是经济增长的格兰杰原因，而经济增长对能源消费的影响不显著。这意味着江苏省经济增长在很大程度上依赖于能源消费的增长，能源作为经济发展的重要物质基础，其消费的增加对经济增长起到了推动作用。然而，经济增长并没有明显地促进能源消费的增加，可能是由于江苏省在经济发展过程中，不断推进产业结构调整和能源利用效率提高，使得经济增长对能源的依赖程度逐渐降低。4.5实证结果分析通过协整检验，证实江苏省经济发展与能源消费之间存在长期稳定的均衡关系。这表明从长期视角来看，经济增长与能源消费相互关联、相互影响。随着经济的持续增长，对能源的需求也相应增加，以满足生产和生活的需要。在产业发展过程中，工业生产规模的扩大、服务业的兴起以及居民生活水平的提高，都促使能源消费不断上升。而能源消费的增长也为经济发展提供了必要的物质基础，推动了经济的进一步增长。当能源供应充足且价格合理时，企业能够顺利开展生产活动，促进经济增长；反之，能源短缺或价格波动可能会对经济发展产生负面影响。格兰杰因果检验结果显示，能源消费总量以及各主要能源品种（煤炭、石油、天然气、电力）的消费均是经济增长的格兰杰原因，而经济增长对能源消费的影响不显著。这一结果说明，在江苏省的经济发展进程中，能源消费的增加对经济增长起到了重要的推动作用。能源作为经济活动的重要投入要素，其消费量的增长为工业生产、交通运输、居民生活等提供了动力支持，从而促进了经济的增长。煤炭在工业生产中作为重要的燃料和原料，其消费量的增加推动了工业的发展；石油在交通运输领域的广泛应用，为经济活动的开展提供了便利，促进了经济的增长。然而，经济增长对能源消费的影响不显著，可能是由于以下原因。江苏省在经济发展过程中，不断推进产业结构调整和升级，逐步从传统的高耗能产业向低耗能、高附加值的产业转型。高新技术产业和现代服务业的快速发展，使得经济增长对能源的依赖程度逐渐降低。江苏省积极推动能源利用效率的提高，通过技术创新和管理优化，降低了单位产出的能源消耗。推广应用先进的节能技术和设备，加强能源管理和节能监管，使得能源利用效率不断提升，从而减少了经济增长对能源消费的拉动作用。政府出台的一系列能源政策和节能减排措施，也对能源消费产生了重要影响。通过实施能源消费总量和强度双控政策，鼓励企业采用清洁能源和节能技术，引导能源消费结构的优化，抑制了能源消费的过快增长。这一实证结果对江苏省的经济发展和能源政策制定具有重要启示。在经济发展方面，应继续加强产业结构调整和升级，大力发展高新技术产业和现代服务业，降低经济增长对能源的依赖程度，实现经济的可持续发展。在能源政策方面，要进一步加强能源供应保障，优化能源消费结构，提高能源利用效率，加大对清洁能源的开发和利用力度，减少对传统化石能源的依赖，降低能源消费对环境的影响。同时，要加强能源管理和节能监管，完善能源政策体系，引导企业和居民合理消费能源，促进经济与能源的协调发展。五、江苏省经济发展与能源消费关系的空间差异分析5.1空间自相关分析空间自相关分析是研究空间数据分布特征的重要方法，能够揭示变量在空间上的相互关系和集聚程度。在分析江苏省经济发展与能源消费关系的空间差异时，运用全局空间自相关和局部空间自相关分析方法，深入探究其空间分布特征。全局空间自相关通过计算Moran'sI指数来衡量整个研究区域内经济发展与能源消费的空间相关性。Moran'sI指数的取值范围为[-1,1]，当Moran'sI指数大于0时，表示存在正的空间自相关，即高值与高值相邻、低值与低值相邻，呈现空间集聚特征；当Moran'sI指数小于0时，表示存在负的空间自相关，即高值与低值相邻，呈现空间分散特征；当Moran'sI指数等于0时，表示空间分布是随机的，不存在空间自相关。基于江苏省各地区的经济发展（以人均GDP衡量）和能源消费（以人均能源消费量衡量）数据，计算得到Moran'sI指数。结果显示，在过去的一段时间里，江苏省人均GDP的Moran'sI指数在0.5-0.6之间波动，表明江苏省经济发展在空间上呈现显著的正自相关，即经济发展水平较高的地区倾向于与其他经济发展水平较高的地区相邻，经济发展水平较低的地区也倾向于聚集在一起。例如，苏南地区经济发达，南京、苏州、无锡等城市的人均GDP较高，它们在空间上相互邻近，形成了经济发展的高值集聚区；而苏北地区部分城市经济发展相对滞后，人均GDP较低，也在空间上呈现出集聚分布的特征。人均能源消费量的Moran'sI指数在0.4-0.5之间，同样表明能源消费在空间上存在正自相关。能源消费高的地区往往相互邻近，能源消费低的地区也相对集中。苏南地区由于经济活动活跃，工业发达，能源消费总量和人均能源消费量都较高，这些地区在空间上集聚；苏北地区部分城市工业发展相对滞后，能源消费相对较低，也呈现出空间集聚的态势。为了更直观地展示经济发展与能源消费在空间上的集聚特征，绘制Moran散点图。Moran散点图以变量的标准化值为横纵坐标，将每个地区的数据点绘制在图中，分为四个象限。第一象限（HH）表示高值与高值相邻，即该地区的经济发展水平或能源消费水平较高，且其周边地区的水平也较高；第二象限（LH）表示低值与高值相邻，即该地区的经济发展水平或能源消费水平较低，但周边地区的水平较高；第三象限（LL）表示低值与低值相邻，即该地区及其周边地区的经济发展水平或能源消费水平都较低；第四象限（HL）表示高值与低值相邻，即该地区的经济发展水平或能源消费水平较高，但周边地区的水平较低。从人均GDP的Moran散点图可以看出，苏南地区的大部分城市位于第一象限，如苏州、无锡、南京等，这些城市经济发展水平高，且周边城市经济发展水平也较高，形成了明显的经济发展高值集聚区；苏北地区的部分城市位于第三象限，如宿迁、连云港等，这些城市经济发展水平相对较低，周边城市经济发展水平也较低，形成了经济发展低值集聚区。苏中地区的城市则分布在第一象限和第三象限之间，表明苏中地区的经济发展水平介于苏南和苏北之间，且与苏南、苏北地区存在一定的空间关联。人均能源消费量的Moran散点图显示，苏南地区的部分城市位于第一象限，能源消费较高且周边地区能源消费也较高；苏北地区的部分城市位于第三象限，能源消费较低且周边地区能源消费也较低。苏中地区的城市同样分布在第一象限和第三象限之间，能源消费情况与经济发展水平的空间分布具有一定的相似性。局部空间自相关分析通过计算局部Moran'sI指数（LISA），进一步揭示每个地区与其周边地区之间的空间关联特征，绘制LISA集聚图，直观展示各地区在空间上的集聚类型和分布情况。在LISA集聚图中，颜色越深表示集聚程度越高。对于经济发展而言，苏南地区的苏州、无锡等地呈现出显著的HH集聚，这些地区经济发展水平高，对周边地区具有较强的辐射带动作用；苏北地区的宿迁、连云港等地呈现出明显的LL集聚，经济发展相对滞后，与周边地区形成了低值集聚区。苏中地区的南通、扬州等地则在经济发展上与苏南地区存在一定的空间联系，部分区域呈现出LH集聚，即自身经济发展水平相对较低，但受到苏南地区高值区的辐射影响。在能源消费方面，苏南地区的南京、苏州等城市呈现出HH集聚，能源消费量大且周边地区能源消费也较高，这与该地区发达的工业和活跃的经济活动密切相关；苏北地区的盐城、宿迁等地呈现出LL集聚，能源消费相对较低，与当地的产业结构和经济发展水平相适应。苏中地区的泰州等地在能源消费上呈现出LH集聚，表明其自身能源消费相对较低，但受到周边苏南地区高能源消费区的影响。空间自相关分析结果表明，江苏省经济发展与能源消费在空间上存在显著的集聚特征，且两者的空间分布具有一定的相似性。经济发展水平高的地区往往能源消费也较高，经济发展水平低的地区能源消费也相对较低。这种空间集聚特征对于制定区域发展政策和能源政策具有重要参考价值，应根据不同地区的集聚特点，采取差异化的发展策略，促进区域经济协调发展和能源的合理利用。5.2地理加权回归分析地理加权回归（GWR）模型是一种用于研究空间非平稳性的重要方法，它能够分析经济发展与能源消费关系在不同空间位置上的差异。传统的全局回归模型假设回归系数在整个研究区域内是固定不变的，然而在现实中，由于各地区在地理位置、产业结构、资源禀赋、技术水平等方面存在差异，经济发展与能源消费之间的关系往往呈现出空间异质性。地理加权回归模型则充分考虑了这种空间异质性，通过将地理位置纳入模型，使回归系数在空间上能够发生变化，从而更准确地揭示变量之间的关系。在江苏省经济发展与能源消费关系的研究中，以人均GDP作为衡量经济发展的指标，人均能源消费量作为能源消费的指标，同时考虑产业结构（以第二产业占GDP的比重表示）、技术水平（以研究与试验发展经费支出占GDP的比重表示）等控制变量，构建地理加权回归模型。模型表达式为：y_i=\beta_0(u_i,v_i)+\sum_{k=1}^{p}\beta_k(u_i,v_i)x_{ik}+\epsilon_i其中，y_i表示第i个地区的人均能源消费量；\beta_0(u_i,v_i)是第i个地区的截距项；\beta_k(u_i,v_i)是第k个自变量在第i个地区的回归系数，它是关于地理位置(u_i,v_i)的函数，会随着地区的不同而变化；x_{ik}表示第i个地区的第k个自变量，如人均GDP、第二产业占比、研究与试验发展经费支出占比等；p是自变量的个数；\epsilon_i是第i个地区的随机误差项，且满足\epsilon_i\simN(0,\sigma^2)。通过地理加权回归分析，得到了各变量回归系数的空间分布特征。在苏南地区，人均GDP的回归系数相对较小，表明随着经济发展水平的提高，苏南地区经济增长对能源消费的带动作用逐渐减弱。这是因为苏南地区产业结构高度优化，高新技术产业和现代服务业占比较大，这些产业能耗相对较低，且技术水平较高，能源利用效率不断提高，使得经济增长对能源的依赖程度降低。苏州在电子信息、生物医药等高新技术产业领域发展迅速，这些产业注重技术创新和节能减排，单位产值的能源消耗远低于传统产业，因此经济增长对能源消费的拉动作用相对较弱。苏中地区人均GDP的回归系数处于中等水平，说明苏中地区经济增长与能源消费之间存在一定的关联，但相较于苏南地区，能源消费对经济增长的响应更为明显。苏中地区产业结构正在不断调整升级，工业在经济中仍占据重要地位，且以传统制造业为主，这些产业的能源消耗相对较高，所以经济增长对能源消费的带动作用较为显著。苏北地区人均GDP的回归系数较大，意味着在苏北地区，经济增长对能源消费的带动作用较为强烈。苏北地区产业结构相对单一，传统农业和资源型产业占比较大，工业发展相对滞后，高能耗产业较多，导致能源利用效率较低，经济增长对能源消费的依赖程度较高。在产业结构方面，第二产业占比的回归系数在空间上也存在明显差异。苏南地区第二产业占比的回归系数相对较小，表明苏南地区在产业结构调整过程中，第二产业内部结构不断优化，高附加值、低能耗的产业比重增加，使得第二产业对能源消费的影响逐渐减小。苏中地区第二产业占比的回归系数较大，说明苏中地区第二产业的发展对能源消费的影响较为突出，该地区在产业升级过程中，仍需进一步优化第二产业结构，降低能源消耗。苏北地区第二产业占比的回归系数最大，反映出苏北地区第二产业中高耗能产业占比较大，对能源消费的拉动作用显著，加快产业结构调整，推动高耗能产业转型升级是苏北地区降低能源消费、实现可持续发展的关键。技术水平方面，研究与试验发展经费支出占比的回归系数在苏南地区较大，说明苏南地区技术创新对能源消费的影响较为显著。随着技术水平的提高，苏南地区企业不断采用先进的节能技术和设备，提高能源利用效率，降低能源消耗。而苏中、苏北地区研究与试验发展经费支出占比的回归系数相对较小，表明这两个地区在技术创新方面相对滞后，对能源消费的影响较弱，需要加大科技投入，提高技术水平，以降低能源消费。地理加权回归分析结果表明，江苏省经济发展与能源消费关系在不同空间位置上存在显著差异。这种差异为制定差异化的能源政策和产业发展策略提供了重要依据。对于苏南地区，应继续发挥其产业结构和技术创新优势，进一步提高能源利用效率，推动经济向绿色低碳方向发展；苏中地区要加快产业结构调整步伐，加大对技术创新的投入，降低第二产业的能源消耗；苏北地区则需大力推进产业转型升级，优化产业结构，提高技术水平，减少经济增长对能源消费的依赖，实现经济与能源的协调可持续发展。5.3影响因素分析产业结构是影响江苏省经济发展与能源消费关系空间差异的重要因素之一。不同地区的产业结构存在显著差异，对能源消费的影响也各不相同。苏南地区产业结构高度优化，高新技术产业和现代服务业占比较大，这些产业能耗相对较低，能源利用效率较高。苏州工业园区聚集了大量的电子信息、生物医药等高新技术企业，这些企业在生产过程中广泛应用先进的技术和设备，注重节能减排，单位产值的能源消耗远低于传统制造业。苏州的电子信息产业通过技术创新，实现了生产过程的智能化和自动化，大幅提高了生产效率，降低了能源消耗。相比之下，苏中地区产业结构正在不断调整升级，工业在经济中仍占据重要地位，且以传统制造业为主，这些产业的能源消耗相对较高。扬州的船舶制造业是当地的支柱产业之一，船舶制造过程中需要消耗大量的能源，包括钢铁、电力等，导致苏中地区整体能源消费较高。苏北地区产业结构相对单一，传统农业和资源型产业占比较大，工业发展相对滞后，高能耗产业较多，使得能源利用效率较低，经济增长对能源消费的依赖程度较高。徐州的煤炭产业是当地的重要产业，煤炭开采和加工过程中能源消耗巨大，且由于技术水平相对落后，能源利用效率较低，进一步加剧了苏北地区的能源消费压力。技术水平的差异也对江苏省经济发展与能源消费关系的空间分布产生重要影响。苏南地区经济发达，科技投入大，技术创新能力强，拥有众多科研机构和高新技术企业，在能源利用技术、节能技术等方面处于领先地位。无锡的物联网产业在能源管理和节能技术方面取得了显著成果，通过物联网技术实现了对能源消耗的实时监测和精准控制，提高了能源利用效率。苏南地区的企业普遍采用先进的生产技术和设备，这些技术和设备能够更高效地利用能源，降低单位产品的能源消耗。苏中地区在技术创新方面相对滞后，科技投入相对较少，技术水平与苏南地区存在一定差距，导致能源利用效率有待进一步提高。泰州的一些传统制造业企业在生产过程中仍采用较为落后的技术和设备，能源浪费现象较为严重，单位产值的能源消耗较高。苏北地区技术水平相对较低，技术创新能力不足，在能源利用和节能技术方面的应用较少，使得能源利用效率低下，能源消费相对较高。宿迁的一些中小企业由于缺乏技术创新能力，难以引进和应用先进的节能技术和设备，在生产过程中能源消耗较大，对环境也造成了一定的污染。政策因素在江苏省经济发展与能源消费关系的空间差异中也发挥着关键作用。政府出台的一系列能源政策和产业政策对各地区的能源