引言
长江经济带是我国重要的人口密集区和产业承载区，覆盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州11省市，在21%的国土面积上，人口与经济总量均超过全国的42%，可见其在我国经济发展中的重要地位。同时，该流域科技创新资源丰富，集中了全国1/3的高等院校和科研机构，拥有全国一半左右的两院院士和科技人员，研发投入效果显著，其中研发经费支出、有效发明专利数、新产品销售收入占全国比重分别为43.9%、44.3%、50%，是我国科技创新的重要策源地。据国家统计局资料显示，长江经济带1998—2014年间，虽然R&D经费内部支出由180.4亿元上升至5640.7亿元，能源消费强度由1.56吨标准煤/万元下降至0.83吨标准煤/万元，但经济发展囿于临江传统重化工业密集，自主创新能力不强、中低端产业比重过高等问题，导致能源消费总量逐年提高，由5.35亿吨标准煤上升至16.01亿吨标准煤，占全国能源消耗总量的36.39%，5.61倍的GDP增长背后也暗藏着2.99倍的能耗总量扩大，可见长江流域的经济发展仍然具有高能耗特点。权威机构报道称，未来流域能源消费总量将持续高位运行，沿江多数省市能源自给率不足，资源对外依存度较高，加之流域整体发展既存在科技创新资源投入及配置不合理的刚性束缚，也受到区域间协调机制不完善的瓶颈制约[1]，造成区域间发展不平衡。
2016年《长江经济带发展规划纲要》强调了“生态优先、绿色发展”的基本思路，把实施创新驱动作为长江经济带提质增效的新动力。同年，《能源发展“十三五”规划》亦指出2020年我国能源消费总量控制在50亿吨标准煤以内，强调提高科技创新能力、加速科技成果转化，是缓解当前能源压力的重要途径。因此，深入研究长江经济带能源消耗的影响因素，检验流域各区经济发展过程中科技创新对节能降耗的效果，体现了“创新驱动、绿色发展”的理念，为流域以科技创新推动能源生产与消费变革、实现产业转型升级提供参考，具有一定的现实研究价值。
一、文献回顾及述评
（一）国内外文献综述
纵观人类社会发展，可以发现每次改变人类文明的重要科技创新实质上都是对能源利用方式的优化。国内外大部分研究都认为科技创新对能源消耗的增长具有显著抑制作用。如Henryson[2]以瑞典为研究样本，阐明信息技术发展为人们获取信息提供了更多选择，进而提高了能源利用率；吴巧生，成金华[3]研究发现，中国各产业部门（尤其是工业部门）的技术进步所带来的效率提高是能源消耗强度下降的主要原因；刘畅等[4]的实证研究表明，科技经费支出的增加有助于高能耗行业能源效率的提高；董锋等[5]利用全要素生产指数研究我国区域技术进步对能源效率的影响，发现全国所有区域技术进步都能显著提高能源利用效率，但贡献率存在区域差异；洪丽璇等、程颖慧和王健的研究也验证了技术进步对能源消费起抑制作用。
也有部分学者研究表明，科技创新促进了能源消耗的增加：如Akarca[6]，McMenamin & Monforte[7]通过仿真模拟手段指出，科技进步有利于能源的不断开发，能源消费量随之增加的同时，也可降低了能源供给的不确定性；秦旭东[8]通过建立技术进步综合评估指标体系，运用灰色关联理论度量技术进步与能源消费总量的关系，实证表明两者间的变化是同向的，技术进步能够促进陕西省能源消费量的增加。
以Khazzom[9]为代表的学者则提出科技进步对能源消耗会产生“回弹效应”，Birol&Keppler[10]在此基础上详细阐述了科技创新与能源需求、能源利用效率间的交互影响关系；张明慧，李永峰[11]指出，技术进步对能耗的影响取决于技术进步提高能源效率后的节约量与对能源需求增加量的差值。技术进步可减少能源的相对消费,但不会降低能耗总量,相反会带动总量增加；尚红云，蒋萍[12]研究发现，技术进步虽然促进了经济的快速发展，但为此增加的能耗大于由节能技术所节约的能源，最终导致能耗总量仍是增加的。
库兹涅茨曲线最早是描述经济发展与收入分配间呈倒“U”形发展，在此基础上Grossman&Krueger进一步提出的环境库兹涅茨曲线（EKC）验证了经济增长与环境污染间也存在倒“U”型特征。在能源消耗研究领域，Suri[13]首先用库兹涅茨曲线来检验经济发展与能源消耗之间的关系，近期Saboori&Sulaiman、Jebli&Youssef也验证了发展中国家经济发展与能源消耗间确实存在倒“U”型发展特征。
（二）作用机理分析
通过整理研究文献发现，科技创新与能源消耗之间并非简单的线性关系，而是存在着不断反馈的非均衡影响（见图1），随着科技创新的发展，能源消耗可能呈现先增加再减少的发展趋势，这也与“库兹涅茨曲线”的运行轨迹相仿。
科技创新初期要以一定的经济基础作为支撑，前期研发新技术、寻求新能源阶段，需要大量的人、财、物等资源投入，科技创新所需的基础设施建设、人员消费及其它衍生配套产业也对能源的依赖性较大，此阶段科技创新与能源消耗间存在正向影响关系；随着知识经济的发展，科学技术成为第一生产力，科技创新促进了技术变革，通过改进生产设备及工艺，不仅可提高生产要素的产出率，也可提高能源效率，降低能源强度，改善能源结构。科技创新的规模效应在逐渐显现的同时，其溢出效能也提升了人力资本，对劳动者科学生产方式及居民健康消费模式都起到积极影响，加之绿色可替代能源的开发应用，这些都有效抑制了传统能源总量的增长；随着科技创新进一步促进经济及社会其它领域的规模化扩张，加之生活水平提高而能源相对成本降低，可能会刺激新一轮的能源消费需求，抵消了科技创新节余的能源消耗总量，甚至造成能源消耗总量再度提升的“回弹效应”。
（三）文献述评
长江经济带11省市作为国家十三五规划的重点发展区域，其相关研究大都集中在战略制订与实施的定性分析，关于科技创新与能源消耗的实证研究匮乏。其次，以往研究囿于数据来源的限制，大都采用单一指标，或将全要素生产率进行分解，采用技术进步指数求解与能源消耗之间的关系，鲜有建立指标体系综合衡量区域科技创新并参与后续分析。最后，过往相关研究大都为参数估计法，对模型设定的假定较强，可能导致较大的设定误差，且变量关系大都采用一般线性回归，很少考虑其间的非均衡发展关系，掩盖了两者间阶段性影响趋势。
鉴于各省市间历史、地理、资源等方面差异明显，不同发展模式使得经济水平存在较大差距，而科技创新对能耗的影响在区域不同发展阶段也可能大相径庭，所以研究首先利用熵权法构建科技创新评价体系，综合衡量区域科创时序发展进程，再基于“库兹涅茨曲线”假设，从长江经济带整体、东部、中部及西部层面，分别检验区域科技创新与能源消耗间的非线性影响关系，旨在为长江经济带各区域探索集约型创新驱动发展模式提供针对性参考。
二、模型构建及数据说明
（一）模型构建
在前文提出的科技创新对能源消耗存在库兹涅茨曲线影响关系的假设基础上，参考以往EKC研究的函数形式[13]，并考虑各省市面板数据具有截面与时序双重特征，模型参数在各截面和时序样本点上可能存在相关性，本研究最终采用效果更显著的变截距固定效应模型，消除各省市面板数据可能存在的异方差，并通过了Hausman检验。模型构建如下：
模型1与2分别检验科技创新对能源消耗的线性及“U”型曲线关系，考虑科技创新驱动经济发展时可能会造成能源消耗总量的“反弹效应”，即“N”型发展趋势，所以设立模型3，引入科技创新三次方项
。三式中i表示地区，t为年度，Yit为能源消耗总量，Xit、X2it、X3it分别表征区域年度科技创新发展的一次项、平方项与立方项。为了更准确地反映科创对能耗波动的解释贡献度，研究参考彭水军和包群（2006）的研究，设定Zit为影响能耗的控制变量集，β0、β*分别表示均值截距项与个体截距项（Σβi*=0），β1、β2、β3、β4为待估计相关系数，μit为模型随机误差项。待估计系数取值的不同决定了两变量间影响关系的不同形态，通过计算函数式的一阶导数和二阶导数，我们即可获得关系曲线发生转折的拐点值。
（二）数据来源
因本研究时间跨度较大，统计年鉴中反映科技创新的指标口径保持不变的不多，同时由于重庆1997年成为直辖市，所以本研究在保证原始数据可获得性及连续性的基础上，选取1998—2014年长江流域11省市的面板数据进行实证分析。数据大体来源于《中国统计年鉴》与《中国科技统计年鉴》，个别缺失数据参考各省市同期的统计年鉴或采用插值法估得。
（三）变量说明
本研究借鉴秦旭东的方法，通过熵权法构建指标体系综合反映区域科创发展，进而研究其对能源消耗的影响。本研究在评价体系指标的选择上，参考陈劲等、刘中文等的研究，将科技创新评价体系划分为科创投入、科创产出、科创扩散与科创环境4个一级指标、13个二级指标，如表1所示。
能源消耗以区域能源消费万吨标准煤总量来度量，控制变量选择既有文献中普遍认可会影响能耗的因素，即经济发展水平、环境规制、居民消费、二三产业结构。其中经济水平（人均GDP）与居民消费额均以1998年为基期进行平减处理，环境规制参考前人研究，选用“工业固体废弃物综合利用量”与“污染治理项目本年完成投资”两项指标进行合成，产业结构选择地区生产总值中的二、三产业产值比率表示。
三、实证结果与分析
本研究利用STATA13.0对样本面板数据采用变截距固定效应模型进行估算，为了避免普通最小二乘法（OLS）估算时出现异方差和序列相关性，分析时使用广义最小二乘法（GLS）进行回归，探究科技创新对能源消耗的非线性影响关系。
（一）全流域检验分析
长江经济带1998—2014年间的科技创新对能源消耗影响关系如表2所示，模型1中两变量在1%水平下显著正相关，科创指数每提高1单位，能源消耗将增加2774.9万吨标准煤；模型2中X系数在1%水平下显著，且一次项系数为正、二次项系数为负，呈倒“U”型曲线，符合“库兹涅茨曲线”假设。因其拐点值超过X的取值范围，说明各省市皆位于曲线左半段，呈上升趋势（见图2）。所以模型1与模型2并不矛盾，考察期内长江经济带的科技创新对能耗的“库兹涅茨曲线”影响效应不明显，能源消耗随科技创新的发展而持续提升。分析控制变量发现二产相关系数分别为-624.72、-662.07，均小于三产系数-600.59与-593.85，说明产业调整对能耗削减明显，且第二产业的削弱作用强于第三产业。与此同时，经济发展弹性系数为0.14，说明流域经济发展加剧了能源消耗。
究其原因，长江经济带近二十年总体仍处于工业发展中期，虽产业转移及结构调整使能耗强度有所下降，但囿于传统高污染、高能耗产业规模基数较大，多数以资源禀赋及投资驱动为主，处于缺少核心技术与品牌的价值链低端，所以经济发展对能源消耗依赖较强。即便科技创新投入逐年增加，但相关甄别机制及市场环境等不健全导致成果转移、转化慢，最终造成科创前期投资及基础设施建设周期较长，消耗了大量能源。因此，我们仍要继续加强科技创新发展，促进其越过拐点进入倒“U”型曲线下行段，实现科技创新对能源消耗的削减效能。
（二）区域间比较分析
1.东部实证结果如表3所示，模型1和模型2皆不显著，模型3中相关系数均在1%水平下显著，且一次项系数为正、二次项系数为负、三次项系数为正，说明作为我国科技创新战略实施的前沿阵地———江浙沪三地科技创新对能源消耗的影响经历了先升后降的倒“U”型发展后，出现了一定程度的“反弹效应”，整体呈现“N”型曲线发展（见图3）。控制变量层面，我们欣喜地发现东部经济发展系数为-0.465，与能源消耗呈反向发展趋势，但居民消费与第三产业发展均对能源消耗有正向影响。
究其原因，经济发达的东区正处在知识经济与资本经济并存发展期，入驻产业多属技术与资金密集型，其2014年高技术产业主营业务收入为中、西两区总和的1.8倍，占全国总量的30%；管理体制、技术设备、经营方式等方面的科技创新提高了能源利用效率，区域能源消费结构日趋多元化、清洁化，所以对传统能耗依赖逐年降低，平均能源强度降至0.664吨标准煤/万元，远低于全国平均水平0.943吨标准煤/万元；经济发展促进了人民生活水平的提升与人口的集聚，因此居民消费及配套第三产业的发展对能源消耗的拉动作用显著。
进一步分析拐点值发现，上海与浙江2008年后大部分年份的科技创新在6.41—8.61之间，位于曲线下降阶段，而越过第二拐点值8.61，处于曲线反弹上升阶段的均为江苏。其主要是因为上海和浙江的科创实力虽然也很强，但是又各具特色：上海产业布局近十几年来变迁不大，虽然创新能力较江苏有差距，但其作为亚洲金融中心，具有对外贸易发达的外向型经济特征；浙江的科技创新有很大一部分体现在电子商务引领的现代化服务上，所以沪浙两地的科技创新都有效降低了能耗。江苏的工业基础牢固，近些年对新兴产业的支持及引入力度较大，培育了不少优质科创园区与工业企业，高新技术产品带动了区域经济发展，虽然能源强度逐年降低，但依靠科技创新节约的能耗不及其科创产业快速发展所需的能耗总量回弹。
2.中部实证结果如表4所示，两者关系在模型2下不显著，不予讨论。模型1与模型3均在1%水平下显著相关，且模型1的一次项系数为正，为单调递增关系，模型3的一次项系数为正、二次项系数为负、三次项系数为正，整体呈“N”型发展。如图4所示，两模型中的影响趋势互相补充，说明中部的科创对能耗的影响呈波动上升态势。分析两模型中的控制变量发现，经济发展对能源消耗的正向拉动系数分别为0.73与0.88，说明经济发展仍属于能源驱动型。环境规制对能耗影响系数分别为2784.73、2693.40，其削减作用没有出现，反而存在显著促进影响。居民消费虽然不及东部系数，但是1.06也在一定程度上拉动了能源消费。而第二产业的弹性系数为-182.82，一定程度上抑制了能耗。
究其原因，经济增速较快的中部是国家“中部崛起计划”的关键区域，自2005年左右开始有序承接东部成熟产业转移，二产比例调整及科创发展一定程度上缓解了能耗压力。经济发展带来的生活水平提升拉动了居民能源消费，但囿于以投资拉动型与劳动密集型传统产业为主导的格局短期内难以改变，沿江重化工业集聚和粗放低效的能源利用，导致经济发展对能源消耗的依赖仍然较大；区域间创新资源协调、整合能力不强，地区分割程度明显高于长三角地区，阻碍了各类要素的自由流动，所以考察期内随着中部科技创新的发展，能源消耗呈持续曲线上升态势，其对能耗的降低作用短期内难以体现。与此同时，企业付出的环境规制成本要小于企业转型的成本，加之资本经济的大量涌入，导致能耗驱动型发展模式抵消了环境规制的倒逼效能，造成了环境规制与能源消耗同向发展的窘境。
分析考察期内科技创新拐点值，江西大部分年份未跨越第一拐点2.65，处于上升曲线最左端的上升部分；湖北和湖南部分位于两拐点之间的下降部分，部分越过第二拐点3.27，位于曲线右端回弹上升段；只有安徽多数位于2.65—3.27之间的曲线下降部分。主要因为较其他三省普遍存在的产业能耗高、科技创新甄别及转化慢等问题，安徽的皖江城市带承接转移示范区的启动与合芜蚌创新改革试验区的建设，促使其在工业化的配置日趋合理，初步实现了科技创新对能源消耗的抑制效能。
西部四省实证结果如表5所示，科技创新对能源消耗的影响关系在模型2的1%水平下显著，且一次项系数为正、二次项系数为负，呈倒“U”型曲线（见图5），符合“库兹涅茨曲线”假设，而模型1与模型3均不显著，不予讨论。控制变量层面，西部经济发展及二三产业的结构调整对能耗的削减效应显现，且第二产业的弹性系数为-343.13，其削弱作用小于三产的-384.22，但环境规制与居民消费依然对能耗有一定的拉动作用。
究其原因，经济欠发达的长江上游四省地处西南边陲，地理位置特殊，早期的基础设施不完备，工业化进程滞后，难以吸引科技创新人才及相关高技术项目，科技创新起点低。而高于全国平均水平的一产对能源依赖较小，传统工业基数不高，大都为矿产、化工、烟草等资源型产业。考察期内随着国家西部开发战略的实施及科技计划在西部倾斜支持力度的加大，促进了产业结构升级，尤其是围绕现代化农业的创新投入增加及人文旅游主导的服务业发展，使经济发展及结构调整在一定程度上抑制了能源消耗，但环境规制的实施情况与中部情况相仿，其强化未能有效抵消经济发展及前期科创投资建设所需的能耗提升。
分析拐点值发现，仅四川近几年越过3.31的拐点，位于倒“U”型曲线下降段，其余省份皆位于曲线上升段，可见这些区域虽然科技创新投入增大，而科创转化率低，不少停留在初期，很难二次创新或付诸应用，导致能耗总量提升较快但能耗效率提升幅度不大，区域仍然处于科创孵化期，尚未能对能耗起到削减影响。四川近期“成德锦”创新改革试验的推进，科技创新对能耗的降低效应显现，但因省域间存在联动障碍，仍需学习江浙沪对周边省份的辐射带动作用，促进区域整体迈过科技创新的拐点，实现对能耗的有效降低。
四、结论与建议
研究利用长江经济带省际面板数据，按照全流域及东、中、西部分组，对能源消耗与科技创新一次项、二次项、三次项及相关控制变量的关系进行分析。研究结果显示：全流域科技创新对能源消耗的库兹涅茨曲线影响效应并不明显，整体呈现递增关系；东部则呈现“N”型发展，存在能源回弹效应；中区亦为“N”型波动上升；而西区存在库兹涅茨曲线倒“U”型趋势。虽然流域各区因资源禀赋及经济模式各异，科技创新与能源消耗关系不尽相同，但各区都亟待采取针对性措施以加强科技创新力度，争取早日越过拐点进入曲线下行区，实现科技创新对能源消耗的削减效能。它们都要警惕能源消耗降低后的回弹效应。由此提出如下几点建议：
首先，通过科技创新驱动工业绿色化。我国早期工业以能源驱动型粗放式发展，工业能耗占总能耗的70%，能源强度是韩国的2.1倍、日本的2.4倍、新加坡的3.9倍，而这些成功实现赶超的发达国家在快速发展中的二产比重却一直处于上升趋势，在工业化后期一般可达到55%以上，高科技产业占比凸出，而其工业能耗却并不高。因此在解决长江流域经济发展与能源消耗间的“矛盾”时，不可简单抑制工业发展，而是要改变工业增长模式，通过科技创新提升高科技产业占比，普及能源利用率高的生产技术，降低高耗能产业占比，发挥科技创新对能耗压力的缓解作用。
其次，通过互联网推动科创与产业融合。以互联网信息技术提高生产经营信息化程度，并以此为纽带将科技创新融入产业链、服务链中，发挥高新技术对传统产业的改造功能，推动现代化服务业、现代化农业与先进制造业发展，实现三产间的有机融合，通过技术进步解决信息不对称问题，缩短运营中间环节，进而达到降低能耗目的。
再次，加强全民生态文明建设。发挥科技创新对全民素质的提升作用，既要宣传绿色低碳的生活消费方式，普及节能知识，提高节能降耗意识，也需培育创新用能模式，完善节能体系。如推广节能技术和产品，开展生产节能、绿色建筑、绿色交通等节能行动，发挥价格杠杆对能源需求的市场调节作用，构建文明节能型社会环境。
第四，推动能源清洁化、智能化发展。以科技创新为着力点，积极发展风能、太阳能、水能等清洁能源，并积极研发推广新能源与可再生能源，实现传统能源消费的换档减速。完善智能化能源计量监测体系，统筹能源产业链及用能企业间的信息互联，降低生产运营成本，并从产业发展源头对科技创新进行能耗甄别监督，确保能源可持续发展。
第五，建立流域协调激励机制。以利益共通点切入，兼顾利益补偿原则，建立各级政府、高校、科研院所、企业、中介机构间的协同机制，由被动创新外溢转为主动创新协同，推动创新要素流动、转化及产业化。同时增加科创人才、设备、专利等要素投入奖励力度，激发传统产业的科创投资动力，为企业创新节能减负。
参考文献：
[1] 成长春.长江经济带协调性均衡发展的战略构想[J].南通大学学报：社会科学版，2015（1）：1-8.
[2] Henryson J，Hakansson T，Pyrko J.Energy efficiency in buildings through information -Swedish perspective [J].Energy policy，2000（3）：169-180.
[3] 吴巧生，成金华.中国能源消耗强度变动及因素分解：1980—2004[J].经济理论与经济管理，2006（10）：34-40.
[4] 刘畅，孔宪丽，高铁梅.中国工业行业能源消耗强度变动及影响因素的实证分析[J].资源科学，2008（9）：1290-1299.
[5] 董锋，谭清美，周德群，等.技术进步对能源效率的影响———基于考虑环境因素的全要素生产率指数和面板计量分析[J].科学学与科学技术管理，2010（6）：53-58.
[6] Akarca A T，Long T V.Relationship between energy and GNP：a Reexamination [J].Journal of Energy Devleop －ment，1980（2）.
[7] McMenamin J S，Monforte F A. Short term energy forecasting with neural networks[J].The energy journal，1998：43-61.
[8] 秦旭东.技术进步对陕西省能源消费影响的研究[D].西安科技大学，2006.
[9] Khazzoom J D.Economic implications of mandated efficiency in standards for household appliances[J].The Energy Journal，1980（4）：21-40.
[10] Birol F，Keppler J H. Prices，technology development and the rebound effect [ J ] . Energy policy ，2000（6）：457-469.
[11] 张明慧，李永峰.技术进步与我国能源消费关系研究[J].山西财经大学学报，2005（2）：91-98.
[12] 尚红云，蒋萍.中国能源消耗变动影响因素的结构分解[J].资源科学，2009（2）：214-223.
[13] Suri V，Chapman D.Economic growth， trade and energy：implications for the environmental Kuznets curve[J].Ecological economics，1998（2）：195-208.
