, 徐德义Regional economic and urbanization effects on iron ore demand based on a sample of 27 countries
JIALiwen, XUDeyi通讯作者:
收稿日期:2015-07-20
修回日期:2015-10-10
网络出版日期:2016-01-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (774KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
20世纪以来,人口、资源、经济之间的联动关系逐渐引起人口学、地理学、经济学等领域****的关注。在铁矿石需求研究方面,郝晓晴等发现,2009年以后,铁矿石市场全球化进程加快,铁矿石贸易强劲增长,区域集团化趋势加剧[1]。于汶加等分析全球资源格局演变趋势发现,未来中国经济增速将逐步降低,资源需求将出现分异,铁矿石等大宗矿产需求亦将逐步下降,并提出相应的中国矿产资源战略转变方案[2]。张艳飞等发现全球铁矿石市场已处于供需反转的新阶段,未来几年全球市场将严重供过于求[3]。近年来,国际铁矿石价格频繁波动,对整个国际铁矿石市场造成冲击。中国虽是铁矿石资源大国,但铁矿石的品位较低,国内矿厂的技术落后,生产成本普遍偏高。在国际铁矿石逐渐走低,淡水河谷、力拓、必和必拓三家铁矿石巨头厂商增产施压的策略下,国内铁矿石市场形势日趋严峻。尽管中国的国际地位正不断攀升,经济逐步进入“新常态”阶段,但铁矿石市场受到冲击必然会对国家发展产生影响,从需求角度研究中国的铁矿石需求并与代表性国家对比实属必要。Hubbert最早对美国的石油峰值进行研究,为矿产资源需求研究领域的发展做了铺垫[4]。Harvey等、Malenbaum等以及Clark等****就矿产资源开发、消费结构、需求结构等问题开展研究,提出了一系列矿产资源需求研究领域奠基性的理论[5-8]。同时,随着新经济地理学以及产业集聚理论等领域研究的不断深入,人口、城镇化对产业发展的影响也备受关注。Fujita等以及Wolf发现人口流动与产业发展具有紧密联系[9,10]。孙洪哲等认为城市化能够提供产业集聚所需的资源要素,而产业集聚又将反作用于城市竞争力,二者具有双向互动关系[11]。基于已有经验,本文尝试从定量分析的角度探讨城镇化对铁矿石需求的影响。
国内外****就影响矿产资源需求的因素、各种量化模型的适用性等问题进行了大量研究。Mainardi认为复杂的市场行为使矿产资源的价格和供给分析受到局限,于是建立非平稳序列的协整模型,对金、银、铜、锌等矿产资源的价格和供给进行分析[12]。林伯强同样认为协整理论适合于能源需求的长期均衡分析和短期预测[13]。王安建等研究发现人均矿产资源消费量与人均GDP之间存在“S”型长期规律,矿产资源消费强度与时间和人均GDP之间存在“倒U”型长期规律,不同矿产资源的需求存在波次递进规律[14-16]。陈其慎等以产业经济学理论为指导,提出理想状态下的矿业发展周期模型,揭示了经济发展与资源供需、资源价格和矿业发展的内在关系,并总结了矿业发展的三种模式[17]。张艳飞等区分讨论不同类型国家粗钢需求的“S”形规律,在此基础上预测了2015-2040年间全球铁矿石消费量[3]。Sohn建立全球燃料和非燃料矿产资源需求的25~50年期规划,认为人口、收入增长率、生活水平、技术进步、政策变动对矿产资源需求分析具有重要影响[18]。贾立文等发现中国和俄罗斯的铁矿石需求模式相似,人均GDP、技术水平、能源消耗水平及城镇化对中国和俄罗斯铁矿石需求有显著影响[19,20]。
在世界各国的工业化发展过程中,有很多特征值得中国参考。张艳飞、王安建、陈其慎等****的研究说明,与代表性国家对比有助于借鉴其他国家的经验对中国进行指导[3,16,17]。基于此,本文建立面板模型并使用可行广义最小二乘方法分析中国和典型国家的铁矿石需求模式,比较二者间的异同,提出有助于中国铁矿石需求结构的政策建议。
2 变量选取与数据来源
2.1 变量选取
大量理论及实证研究表明,经济增长以及人口结构等经济社会发展指标是影响矿产资源消费的重要因素,如林伯强、王安建、Sohn等****的研究显示：城镇化水平、收入水平、技术进步、产业结构、能源消耗等因素对矿产资源消费有显著影响[13,16,18]。同时,借鉴Fujita等、Wolf的研究[9,10],本文选用城镇人口占总人口的比例作为衡量城镇化水平的变量,从人口变动的角度分析城镇化对矿产资源配置的影响。据此,本文选取人均铁矿石消费量作为因变量,经济增长、城镇化率、技术进步、产业发展、能源消耗等指标作为自变量建立实证模型分析各因素对铁矿石消费量的影响,具体变量信息见表1。Table 1
表1
表1变量说明
Table 1Variables introduction
| 指标/变量 | 变量说明 |
|---|---|
| 铁矿石需求/PORE | 人均铁矿石消费量/（100kg/人） |
| 经济增长/PGDP | 人均GDP/（10万元本国货币/人） |
| 城镇化率/CIT | 城镇人口占总人口的比例/% |
| 技术进步/TEC | 高科技出口占制成品出口的比例/% |
| 产业发展/IND | 第二产业增加值占GDP的比例/% |
| 能源消耗/ENE | 人均能源使用量/（t石油当量/人） |
新窗口打开
2.2 数据来源
本文的数据来源于世界银行数据库[21]、国际货币基金组织数据库[22]、2000-2012年《世界钢铁统计年鉴》（《Steel Statistical Yearbook》）[23]。2.3 年份筛选
陈其慎等对1900年以来全球经济和矿业发展阶段进行了划分,其中1995-2008年为矿业繁荣期,2009年以来为矿业平台期[17]。为分析当前阶段区域经济发展及城镇化建设对铁矿石需求的影响,本文选取矿业繁荣期和矿业平台期作为样本时间序列。然而,1995年中国、丹麦、意大利、墨西哥等国的铁矿石进出口数据存在缺失,不利于实证分析。因此,综合考虑数据的准确性、可获得性及代表性等因素,选取27国1996-2010年的数据作为样本进行实证分析。2.4 国家筛选
在建立能源和矿产资源需求预测模型时,王安建等考虑先期工业化国家、新兴工业化国家和地区、典型发展中国家三类国家和地区的资源需求与经济社会发展相关信息,制定了较为全面的矿产资源需求分析框架[16]。然而,该研究的国家划分方式仅依赖于国家的工业化水平,而未考虑当前各国铁矿石消费与经济发展、城镇化等社会经济因素之间的联系,例如美国的土地面积与人口规模明显高于英国、日本等国家,这些因素为铁矿石需求分析提供了更多信息。因此,贾立文和徐德义根据人均铁矿石消费量与人均GDP的联合变化趋势对代表性国家重分类,结合各国的实际信息分析铁矿石需求的发展变化趋势[19]。张艳飞等考虑了先期工业化国家、快速工业化国家和地区、中南美洲国家以及韩国四类国家人均粗钢消费量的“S”形曲线,按照地理位置及经济发展水平对国家类型进行划分,进而讨论了全球粗钢和铁矿石需求格局[3]。该研究在“S”型曲线理论的基础上分析了全球铁矿石需求格局,但是基于工业化程度和地理位置的划分方式不利于体现代表性国家铁矿石消费与经济社会发展之间的联动关系。
陈其慎等提出“澳大利亚-加拿大”型、“英国-日本”型以及“美国-德国”型三类矿业发展模式[17],该研究考察了各国的资源储量及当前的进出口情况,但仍没有结合各国的具体经济社会发展情况分析铁矿石需求的变化趋势。
在张艳飞、王安建、陈其慎等****的研究基础上[3,16,17],本文参考贾立文等[19]提出的“人均铁矿石消费量与人均GDP的联合变动趋势”划分方式及分类结果,建立量化模型分析不同类型国家铁矿石消费与社会经济因素之间的关系。本文将27国样本划分为四类：
（1）增长型国家2个,包括中国、俄罗斯。
（2）下降型国家7个,包括美国、加拿大、墨西哥、秘鲁、西班牙、英国、比利时。
（3）先增后减型国家5个,包括瑞典、芬兰、埃及、意大利、法国。
（4）平稳波动型国家13个,包括丹麦、奥地利、巴西、智利、澳大利亚、德国、印度、印度尼西亚、日本、韩国、荷兰、挪威、南非。
图1为增长型、下降型和先增后减型的典型国家——中国、美国和瑞典的人均铁矿石消费量与人均GDP联动关系图。除次贷危机期间外,三国的人均GDP均呈明显的增长趋势,而人均铁矿石消费量则分别表现出增长、下降和先增后减三种形态,如中国人均铁矿石消费量持续增长（见菱形标记线）,美国人均铁矿石消费量持续下降（见三角形标记线）,瑞典人均铁矿石消费量表现出近似先增后减的趋势（见圆形标记线）。事实上,该分类结果与张艳飞等以及王安建等****的研究结论相似,例如张艳飞等****同样认为美国和英国属于同一类模式,中国和俄罗斯属于同一类模式的结论与王安建等****的观点一致[3,16]。
在实证环节,由于平稳波动型国家人均铁矿石变化幅度小,难以捕捉其与各自变量之间的关系,后文仅对增长型、下降型、先增后减型国家进行分析,并将中国的铁矿石需求状况与美国、瑞典、俄罗斯等国家进行对比,探讨这些国家铁矿石需求模式的异同点,为优化中国铁矿石需求模式提供参考。
3 实证分析
3.1 统计检验
在建立实证模型前,需对样本进行平稳性检验、协整检验以及面板自相关和异方差检验,根据检验结果可以明确使用面板模型刻画各类国家社会经济因素对铁矿石需求的影响的合理性。3.1.1 平稳性检验
Engle、Granger认为平稳性检验是建立协整模型的前提条件[24,25],使用Levin等提出的t统计量、Im等提出的W统计量、ADF-Fisher卡方统计量和PP-Fisher卡方统计量4个统计量[26]对三类国家的样本进行平稳性检验,结果如下1）：
（1）增长型国家。IND和ENE两个自变量为一阶平稳序列,其余自变量以及因变量均为二阶平稳序列。
（2）下降型国家。CIT为平稳序列,因变量PORE以及IND、TEC和ENE 3个自变量为一阶平稳序列,PGDP为二阶平稳序列。
（3）先增后减型国家。CIT为二阶平稳序列,其他变量均为一阶平稳序列。
3.1.2 协整检验
分别对增长型、下降型、先增后减型三类国家进行Johansen协整检验,结果如下：
（1）增长型国家,PORE与PGDP、IND、TEC和ENE 4个变量有协整关系。
（2）下降型国家,PORE与PGDP、IND、CIT、TEC和ENE 5个变量有协整关系。
（3）先增后减型国家,PORE与PGDP、IND、CIT、ENE 4个变量有协整关系。
根据平稳性检验和协整检验的结果对三类国家的建模变量进行调整,如表2所示。对于增长型国家,影响铁矿石需求的关键指标为经济增长、技术进步、产业发展以及能源消耗指标,在下降型国家则为经济增长、城镇化率、产业发展、技术进步和能源消耗指标,在先增后减型国家为经济增长、产业发展、城镇化率和能源消耗指标。
Table 2
表2
表2调整后自变量
Table 2Adjusted independent variables
| 国家类型 | 自变量 |
|---|---|
| 增长型 | PGDP、TEC、IND和ENE |
| 下降型 | PGDP、CIT、IND、TEC和ENE |
| 先增后减型 | PGDP、IND、CIT和ENE |
新窗口打开
尽管经济增长、产业发展和能源消耗指标在三类国家中均为关键指标,但是图1表明不同类型的国家经济增长与铁矿石需求间的联动变化趋势并不一致,因此需分具体情况讨论经济增长对铁矿石需求的影响,同样应分情况讨论产业发展、城镇化率、技术进步及能源消耗指标在不同类型的模型中对铁矿石需求产生影响。
显示原图|下载原图ZIP|生成PPT图11996-2010年典型国家人均铁矿石消费量和人均GDP的变化趋势
-->igure 1 Combined plot of per capita iron ore consumption and per capita GDP in typical countries from 1996 to 2010
-->
3.1.3 面板自相关与异方差检验
由于面板数据包括截面和时间两个维度,样本中可能同时存在截面数据的异方差性和时间序列数据的自相关性,可能对模型参数的估计产生影响。因此,本文对样本进行面板自相关和异方差检验,如表3所示。由于增长型国家的模型2和模型3中自相关和异方差检验的P值均大于0.1,说明模型中不存在面板自相关性和异方差性,可以使用普通最小二乘法估计这2个面板模型,而模型1和模型4虽然不存在面板自相关性但是存在异方差性,需要使用广义可行最小二乘法估计这2个模型;同理,需要使用广义可行最小二乘法估计下降型国家模型5-模型9以及先增后减型国家模型10-模型13。
Table 3
表3
表3面板自相关和异方差检验
Table 3Panel autocorrelation and heteroscedasticity test
| 检验统计量 | 增长型 | 下降型 | 先增后减型 | ||||||
|---|---|---|---|---|---|---|---|---|---|
| 模型 | 统计量值 | P值 | 模型 | 统计量值 | P值 | 模型 | 统计量值 | P值 | |
| 自相关检验 | 1 | 12.456 | 0.176 | 5 | 5.884 | 0.052 | 10 | 34.259 | 0.004 |
| 异方差检验 | 5.010 | 0.082 | 1 127.090 | 0.000 | 12 488.910 | 0.000 | |||
| 自相关检验 | 2 | 12.105 | 0.178 | 6 | 3.215 | 0.123 | 11 | 46.358 | 0.002 |
| 异方差检验 | 0.820 | 0.662 | 1 113.390 | 0.000 | 567.880 | 0.000 | |||
| 自相关检验 | 3 | 12.611 | 0.175 | 7 | 0.177 | 0.688 | 12 | 32.996 | 0.005 |
| 异方差检验 | 0.770 | 0.680 | 160.890 | 0.000 | 541.960 | 0.000 | |||
| 自相关检验 | 4 | 11.727 | 0.181 | 8 | 0.176 | 0.689 | 13 | 42.233 | 0.013 |
| 异方差检验 | 5.930 | 0.052 | 191.140 | 0.000 | 686.010 | 0.000 | |||
| 自相关检验 | - | - | - | 9 | 0.074 | 0.795 | - | - | - |
| 异方差检验 | - | - | 375.450 | 0.000 | - | - | |||
新窗口打开
3.2 面板模型
3.2.1 增长型国家在讨论增长型国家经济社会因素对铁矿石需求的影响时,首先建立人均铁矿石消费量对各国人均GDP的面板模型1,此后在模型1的基础上依次加入衡量技术进步的高科技出口占制成品出口的比例以及第二产业增加值占GDP的比例和人均能源使用量分别得到模型2、模型3、模型4。模型1能够刻画增长型国家经济发展水平对人均铁矿石需求的影响,模型2在考虑经济因素的基础上可用于分析技术进步对人均铁矿石需求的影响,模型3和模型4则依次在考虑经济和技术因素的模型的基础上探讨产业发展和能源消耗对铁矿石消费的影响。同时,4个模型也反映出了中国和俄罗斯铁矿石需求模式的区别和联系。模型参数及各统计指标如表4所示。
Table 4
表4
表4增长型国家的模型系数
Table 4Parameters for increasing countries model
| 变量 | 模型1 | 模型2 | 模型3 | 模型4 |
|---|---|---|---|---|
| C | -1.911*** （0.633） | 0.865** （0.639） | 1.677 （4.545） | -0.525 （3.861） |
| PGDP-CHN（中国） | 123.671***（10.130） | 157.983***（9.184） | 158.824*** （10.462） | 132.336*** （8.177） |
| PGDP-RUS（俄罗斯） | 3.393*** （0.318） | 0.874** （0.346） | 0.840*** （0.400） | -0.586 （0.460） |
| TEC | - | -0.064** （0.031） | -0.067* （0.036） | -0.104*** （0.067） |
| IND | - | - | -0.018 （0.099） | -0.055 （0.080） |
| ENE | - | - | - | 2.368*** （0.295） |
| 个体固定效应 | - | 有 | 有 | - |
| 个体随机效应 | - | 无 | 无 | - |
| Hausman检验 | - | 82.410*** | 48.360*** | - |
| F统计量/Wald卡方统计量 | 150.590***/无 | 无/146.400*** | 无/105.560*** | 799.220***/无 |
| 样本数 | 30 | 30 | 30 | 30 |
新窗口打开
表4显示,在增长型国家,影响人均铁矿石消费量的显著变量为人均GDP、技术水平和人均能源使用量,其中人均GDP为变系数变量。对中国而言,人均GDP增长一万元将使人均铁矿石消费量增加1.4t,说明经济水平的不断提高刺激国内对钢铁材料的需求,导致铁矿石需求迅猛增长。对俄罗斯而言,人均GDP每增长一万卢布将使人均铁矿石消费量增长0.02t左右。这一结果说明尽管中国和俄罗斯人均铁矿石消费量存在相同的变化趋势即均为增长型,但是两国经济发展水平并不相同,从而导致经济发展指标对人均铁矿石消费量的影响存在巨大差异。需要注意的是,增长型国家具有技术增长潜力,而技术进步指标的系数为负且位于0.08左右,意味着高科技出口占制成品出口的比例每提升1个百分点将使人均铁矿石消耗量降低8kg,从而表现出巨大的节约资源的功能。此外,人均能源使用量的增长同样会刺激两国铁矿石消费,定量表现为：人均能量使用量增长1t石油当量将使人均铁矿石消费量增加约0.237t,从而与铁矿石消耗表现出明显的互补效应。
3.2.2 下降型国家
与增长型国家类似,首先建立下降型国家人均铁矿石消费量对各国人均GDP的模型5,此后在模型5的基础上依次加入城镇化率、第二产业增加值占GDP的比例、高科技出口占制成品出口的比例和人均能源使用量分别得到模型6-模型9。模型5能够体现下降型国家经济发展水平对人均铁矿石需求的影响,模型6能够在考虑经济因素的基础上分析城镇化对人均铁矿石需求的影响,模型7-模型9则依次在考虑经济增长和城镇化发展的模型的基础上探讨产业发展、技术进步以及能源消耗对铁矿石消费的影响。此外,模型5-模型9有助于分析下降型国家的铁矿石消费模式,并且可以反映出中国和美国等下降型国家之间的区别和联系。模型参数及各统计指标如表5所示。
Table 5
表5
表5下降型国家的模型系数
Table 5Parameters for decreasing countries model
| 变量 | 模型5 | 模型6 | 模型7 | 模型8 | 模型9 |
|---|---|---|---|---|---|
| C | 2.463*** （0.282） | 6.666*** （1.918） | 10.246***（2.012） | 10.102***（1.897） | 4.140** （1.971） |
| PGDP-USA（美国） | -0.638 （1.009） | 0.931 （1.209） | 4.079*** （1.182） | 2.902** （1.166） | -4.974** （2.028） |
| PGDP-CAN（加拿大） | 4.364*** （1.020） | 5.758*** （1.193） | 6.678*** （1.053） | 7.417*** （1.004） | 0.213 （1.893） |
| PGDP-MEX（墨西哥） | -1.428***（0.464） | -0.915* （0.518） | -1.229***（0.473） | -1.000** （0.446） | -0.608 （0.471） |
| PGDP-PER（秘鲁） | -24.064** （10.281） | -31.803***（6.866） | -40.979***（5.973） | -27.210***（5.901） | -14.017** （5.493） |
| PGDP-ESP（西班牙） | -3.932** （1.570） | -1.958 （1.834） | -1.074 （1.669） | 1.304 （1.601） | -2.016 （1.894） |
| PGDP-GBR（英国） | 1.704 （2.203） | 4.461** （2.182） | 8.489*** （2.050） | 7.087*** （2.019） | 1.808** （2.431） |
| PGDP-BEL（比利时） | -35.029***（7.134） | -18.991* （10.873） | -1.280 （10.497） | 4.324 （9.951） | -44.628***（14.794） |
| CIT | - | -0.063** （0.029） | -0.157***（0.031） | -0.154***（0.029） | -0.069** （0.031） |
| IND | - | - | 0.119*** （0.014） | 0.090*** （0.013） | 0.051*** （0.013） |
| TEC | - | - | - | 0.036*** （0.007） | 0.025** （0.010） |
| ENE | - | - | - | - | 0.460*** （0.100） |
| Wald卡方统计量 | 317.200*** | 648.250*** | 1 294.690*** | 1 416.260*** | 2 268.270*** |
| 样本数 | 105 | 105 | 103 | 103 | 103 |
新窗口打开
在下降型国家,人均GDP对人均铁矿石消费量的影响并不完全显著,然而城镇化率、产业发展、技术进步及能源消耗指标对人均铁矿石消费量有显著影响。人均GDP对人均铁矿石消费量的影响不显著说明,对于美国等代表性国家,经济增长对铁矿石消费的影响并不明显,需要分析其他因素对铁矿石需求的影响。
第二产业增加值占GDP的比例的系数在0.080左右,说明工业发展需要源源不断的矿产资源供应,第二产业的贡献每增长一个百分点将使人均铁矿石消费量增加8kg。城镇化率的系数大约为-0.100,说明其对人均铁矿石消费有优化作用,其增加一个百分点将使人均铁矿石消费量下降10kg,即城市规模越大、容纳的人口数量越多,铁矿石需求量越低,这意味着城镇化能够减少大规模的资源消耗,从而有利于铁矿石集约使用。
与增长型国家类似,下降型国家人均使用的能源量每增加1t石油当量会导致人均铁矿石消费量增加近0.046t,同样表现出与铁矿石资源消耗之间的互补效应。衡量技术进步的高科技出口占制成品出口的比例同样对人均铁矿石消费量有显著影响,该影响为正向影响说明技术进步将提升整个社会的铁矿石消费量,即随着技术水平的不断提高需要更多的铁矿石等矿产资源作为原材料。
3.2.3 先增后减型国家
与前两类国家相似,对于先增后减型国家,首先建立人均铁矿石消费量对各国人均GDP的模型10,此后在模型10的基础上依次加入第二产业增加值占GDP的比例、城镇化率和人均能源使用量从而得到模型11、模型12和模型13。模型10能够体现先增后减型国家经济增长对人均铁矿石需求的影响,模型11能够在考虑经济因素的基础上分析产业发展对人均铁矿石需求的影响,模型12和模型13则依次在考虑经济增长和产业发展的基础上刻画城镇化以及能源消耗对铁矿石消费的影响。模型10-模型13有助于分析先增后减型国家的铁矿石消费模式,并且可以反映出中国和瑞典等先增后减型国家之间的区别和联系。模型参数以及各统计指标如表6所示。
Table 6
表6
表6先增后减型国家的模型系数
Table 6Parameters for increasing-decreasing countries model
| 变量 | 模型10 | 模型11 | 模型12 | 模型13 |
|---|---|---|---|---|
| C | 1.313 （0.852） | -5.124***（1.547） | -3.747 （2.845） | -3.510 （2.867） |
| PGDP-SWE（瑞典） | 1.328***（0.281） | 0.936***（0.283） | 1.209** （0.527） | 0.719 （0.534） |
| PGDP-FIN（芬兰） | 18.782***（4.814） | 10.210***（3.688） | 13.400** （6.328） | 3.495 （6.787） |
| PGDP-EGY（埃及） | -10.361 （14.656） | -65.938***（17.309） | -68.381***（18.105） | -42.586** （17.934） |
| PGDP-ITA（意大利） | 5.497 （3.705） | 0.576 （3.794） | 2.504 （4.866） | 3.333 （4.455） |
| PGDP-FRA（法国） | 6.116* （3.301） | 7.700** （3.495） | 10.593* （5.819） | 7.678 （5.773） |
| IND | - | 0.277***（0.049） | 0.273***（0.050） | 0.176***（0.045） |
| CIT | - | - | -0.026 （0.043） | -0.124** （0.049） |
| ENE | - | - | - | 1.344***（0.337） |
| Wald卡方统计量 | 160.280*** | 391.340*** | 381.810*** | 438.380*** |
| 样本数 | 75 | 74 | 74 | 74 |
新窗口打开
在先增后减型国家,第二产业增加值占GDP的比例和人均能源使用量是影响人均铁矿石消费量的主要因素,人均GDP对人均铁矿石消费量的影响则不显著。模型显示,第二产业增加值占GDP的比例每增长一个百分点将使人均铁矿石消费量增加约22kg,说明工业对经济的贡献越大,则整个社会对铁矿石的需求也越强烈。该结果与下降型国家相似,但是先增后减型国家产业发展指标对人均铁矿石消费量的影响程度接近下降型国家的3倍,这意味着此类国家第二产业的发展将过度消耗铁矿石,因而提升第二产业效率对于优化铁矿石需求结构有积极作用。
与增长型国家和下降型国家类似,先增后减型国家的人均能源使用量对人均铁矿石消费量也存在正向影响,人均使用的能源量每增加1t石油当量会导致人均铁矿石消费量增加近0.134t,即石油等化石能源与铁矿石等金属矿产资源在消费过程中具有互补效应。
4 稳健性分析
4.1 增长型国家
表4呈现了增长型国家依次考虑经济增长、技术进步、产业发展和能源消耗指标得到的4个铁矿石需求模型的相关参数。在模型1-模型4中,两个国家人均GDP的系数均显著为正,对中国而言,人均GDP系数的估计值在140左右波动;对俄罗斯而言,该系数的值在2左右波动。与此同时,技术进步和能源消耗指标的系数同样显著,分别稳定在0.080和2.368左右。4.2 下降型国家
对下降型国家依次调整模型发现,模型5-模型9中城镇化率、第二产业增加值占GDP的比例和衡量技术进步的高科技出口占制成品出口的比例三个变量系数的变化幅度较低,分别稳定在-0.100、0.080和0.030左右。4.3 先增后减型国家
对先增后减型国家构造不同模型发现,模型10-模型13中各个国家的人均GDP系数的显著性存在差异,不能认为人均GDP对人均铁矿石消费量有显著影响。由于先增后减型国家主要由发达国家构成,第二产业增加值占GDP的比例对铁矿石需求的作用较为明显,表6显示该指标的系数随模型的不同变化幅度较低。综上所述,本文认为增长型国家的模型稳健,人均GDP、技术进步和人均能源使用量对人均铁矿石需求模式有显著作用;下降型国家的模型具有稳健性,城镇化率、产业发展、技术进步及能源消耗指标对人均铁矿石消费量有显著影响;先增后减型国家的模型同样稳健,产业发展和能源消耗指标对人均铁矿石消费量有明显作用。稳健性分析结果表明,对增长型、下降型和先增后减型国家建立三类模型有较强的可靠性,能够用于刻画不同国家经济社会因素对铁矿石需求的影响,在比较各类国家铁矿石需求结构的异同及分析中国铁矿石需求模式的优化方案时具有重要作用。
5 结论与建议
根据三类实证模型可以发现增长型、下降型以及先增后减型国家铁矿石需求模式的特征,本文认为中国和其他国家间的异同主要表现在以下三个方面：（1）与俄罗斯的异同。中国与俄罗斯同属增长型国家,具有相似的铁矿石需求模式。两国的铁矿石消费主要受到人均GDP的影响,差异则主要在于经济增长对铁矿石的依赖程度。在中国,经济因素对铁矿石消费的影响程度大大超过俄罗斯,说明中国经济发展过程中需要的铁矿石规模同样强于俄罗斯。同时,两国的技术进步指标显著为负,意味着随着技术水平的提高,铁矿石消耗量将随着使用铁矿石使用效率的提升而降低。
此外,两国人均铁矿石消费量均与人均能源使用量显著相关,说明铁矿石需求在很大程度上与石油等能源资源具有相同的变化趋势,即两国在进行生产建设的过程中需要同时消耗大量的铁矿石等金属矿产资源以及石油等能源矿产资源。
（2）与美国等代表性国家的异同。中国的铁矿石消费主要与经济发展水平、能源消耗等因素有关,美国铁矿石消费则主要取决于第二产业增加值占GDP的比重、城镇化率以及人均能源使用量三个因素。在中国,经济增长对铁矿石需求乃至整个社会的影响远大于其他因素,即铁矿石消费在很大程度上受到社会发展水平的影响,为发展经济、提升居民生活质量不可避免地需要消耗大量铁矿石。铁矿石消费与能源消耗随着经济的发展同向增长,反映出中国是资源消耗型国家的事实。此外,增长型模型中人均能源使用量的系数是下降型模型中的5倍左右,显示出中美在铁矿石与能源资源的消耗结构之间的巨大差异。产业发展指标对铁矿石需求的影响不显著则说明,与处于后工业化时期的美国相比,中国的工业、建筑业等第二产业的发展尚不够完善。
美国等代表性国家与中国的不同也表现在城镇化水平对铁矿石消费的影响方面。美国等发达国家的经济发展阶段较高、居民的生活质量也较高,使城镇化建设能够进一步推动社会发展,而且城市规模扩大、人口集中能够从集中建设和避免分散施工的角度优化铁矿石消费结构。由于受到人口规模、人口分布、传统文化等因素的影响,中国城镇化发展有所局限,其节约集约利用铁矿石的功能尚未发挥,因而需要持续推进。
（3）与瑞典等其他代表性国家的异同。瑞典等国人均铁矿石消费主要与产业发展和能源消耗等指标有关。中国与瑞典等国两类国家铁矿石消费结构的相似之处在于：均与能源消耗指标相关,这说明石油、能源行业与铁矿石、钢铁行业的运行息息相关。不同之处主要在于GDP和第二产业比重对铁矿石消费的影响。在中国,人均铁矿石消费量的主要影响因素是人均GDP,说明中国的铁矿石资源主要由经济发展带动。第二产业增加值占GDP的比例对铁矿石需求的影响不显著则说明,中国与瑞典等国的资源利用模式存在较大差异,工业、建筑业等行业的资源利用率有待提升。
基于前文的定量分析,现提出如下优化中国铁矿石需求的3条政策建议：
（1）优化第二产业,提高铁矿石利用效率。中国包括工业、建筑业在内的第二产业增加值占GDP的比重偏大,达到47%,而美国及其他大多数发达国家该比例不超过30%,第一产业增加值占GDP的比重为10%左右,说明发达国家GDP的来源主要在于不直接消费铁矿石的服务业。因此,调整产业布局并提高第二产业对铁矿石的利用效率等措施,对节约集约利用铁矿石等矿产资源,乃至改善铁矿石的消费模式均大有裨益。
（2）推动城镇化建设,改善铁矿石使用结构。在美国等发达国家,城镇化率对优化人均铁矿石消费结构有显著影响。然而,在中国,该变量不显著表明当前中国城镇化建设与铁矿石消费没有表现为显著的线性关系,城镇化建设尚未发挥节约集约利用铁矿石的功能。因此,推动城镇化建设一方面符合国家的战略需要,另一方面也将优化铁矿石需求模式。
（3）以现有经济储量和综合国力为依托,加速推动工业以及高新技术的发展,通过提升技术水平之间改善铁矿石消费过程中的利用率,从而避免铁矿石的过度消费。与此同时,产业结构调整和技术水平的提升使得能源利用率得以提高,能够降低能源消耗量,也可以间接地降低铁矿石的使用量,从而实现节约资源的目的。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | [J]. [J]. |
| [2] | [J]. [J]. |
| [3] | [J]. [J]. |
| [4] | [R]. |
| [5] | [C]. |
| [6] | [C]. |
| [7] | [M]. |
| [8] | [C]. |
| [9] | [J]. |
| [10] | [J]. |
| [11] | [J]. [J]. |
| [12] | [J]. |
| [13] | [J]. [J]. |
| [14] | |
| [15] | |
| [16] | [J]. [J]. |
| [17] | [J]. [J]. |
| [18] | [J]. |
| [19] | [J]. [J]. |
| [20] | [J]. [J]. |
| [21] | [EB/OL]. |
| [22] | [EB/OL]. |
| [23] | [M]. |
| [24] | [J]. |
| [25] | [J]. |
| [26] | [M]. |
