电力消费对生态效率的作用路径及效应研究

郭亚军，冯宗宪

(1.西安交通大学 经济与金融学院，陕西 西安 710061；2.西北农林科技大学 经济管理学院，陕西 杨凌 712100)

一、研究背景

中国是世界最大的能源消费国[1]。煤炭在中国能源消费结构中达到57.7%，产生的二氧化硫为全国相应污染量的86%[2]，是造成中国生态效率问题的重要原因。2020年，中国政府宣布，二氧化碳排放力争2030年前达到峰值，力争2060年前实现碳中和。在经济社会持续发展的形势下，提高生态效率成为确保“双碳”目标实现的重要措施。很多研究认为采用低碳且具有成本竞争力的电力能源替代化石能源是提高生态效率的有效措施[3-5]。2016年，国家发改委等八部委联合制定《关于推进电能替代的指导意见》(1)http:∥www.gov.cn/xinwen/2016-05/25/content_5076579.htm。，目的即是以电力消费代替高能耗、高污染的常规能源消费。因此，研究电力消费因为替代作用对生态效率的作用大小、路径和特征，对提高生态效率具有重要意义。

国内学界关于电力消费与生态效率的文献多集中在如下6个方面：(1)电力消费与生态效率增长方面。石建华等发现，燃煤发电产生的二氧化碳排放量高达总排放量的50%[6]。潘伟认为，长期内经济增长可以促进电力能源效率提高和技术进步[7]。(2)电力消费与经济增长方面。研究者认为电力消费水平与经济增长之间存在双向格兰杰原因，能源消费水平与经济增长之间存在异质性[8-9]。经济发展对能源消费存在门槛依赖，电力消费和投资显著促进经济增长[10-12]。(3)电力消费与产业结构方面。部分研究者认为电力消费水平提高有利于经济增长，随着产业结构优化，对经济增长的促进作用明显提高[13-14]。谢品杰等发现产业结构升级与电力消费需求之间呈现负相关关系，第三产业比例上升有利于提高生态效率[15]。(4)电力消费与技术创新方面。陈洪涛发现，电力消费存在回弹效应，当用电效率提高时，所节约电量的43.51%被因成本降低而额外增加的用电量所抵消[16]。陈嘉雯等发现全要素生产率(TFP)增长有助于减少能源消费过程中的碳排放，但减少过程的滞后期太长[17]。(5)电力消费与城乡结构变化方面。李风琦认为城镇化率提高有利于改善居民能源消费形式的生态环境效应[18]。(6)电力消费与外商直接投资方面。温磊证明电力消费水平上升有利于促进外商直接投资水平[19]。

综上所述，现有文献为本文进一步展开更深入的研究提供了有益借鉴。第一，现有研究集中研究电力消费对生态环境的不利作用，对电力消费因为替代高污染能源而带来的正向作用却鲜有研究。第二，现有研究大多集中于直接作用路径，系统分析电力消费对生态效率直接和间接路径影响的研究不多，很难从整体上把握电力消费的综合影响。第三，现有研究很少考虑门槛效应的影响，难以反映电力消费和其他变量对生态效率从量变到质变影响的发展过程。第四，各省份的发展阶段存在异质性，必然影响电力消费对生态效率的作用规律，有必要把区域异质性因素纳入模型之中，分析各区域的具体特征。

基于此，本文采用2007—2018年中国30个省市、自治区的面板数据，首先运用中介效应法研究电力消费对生态效率作用的直接效应和间接效应；其次，构建门槛回归模型研究电力消费对生态效率作用的门槛特征以及区域异质性对作用效用的影响；最后，提出相关政策建议。

二、理论分析与研究假设

电力是一种经过加工的能源，消耗能源必然对生态效率造成负面影响，但是因为其经过加工，反而成为了其他高污染能源的替代，降低了环境危害程度[5]。电力消费水平上升虽然不利于生态效率，但相对减缓了环境恶化程度。然而根据“反弹效应”，由于电力消费水平上升，电力行业可能产生更多技术更新，电力消费成本降低，导致电力消费总量上升[16]，对生态效率产生负面影响。本文综合考虑电力消费的反弹效应和能源替代效应，提出如下假设。

假设1：电力消费对生态效率在直接路径上存在显著的负向作用。“替代效应”所造成的影响要弱于大规模使用的环境影响和效率提升导致的“反弹效应”。

根据中介效用理论，电力消费不仅直接影响生态效率，而且通过产业结构、城乡结构、外商直接投资以及技术创新等路径对生态效率产生间接影响。

从电力消费-产业结构-生态效率路径看，电力消费水平提高有利于推动经济发展和产业结构优化[8]，电力由主要投入高能耗高投入产业向低能耗低投入产业转变，污染排放物减少。因此，电力消费通过产业结构优化降低了对生态效率的负面影响[15]，并且由于各地产业结构存在差异，影响表现出区域异质性。

从电力消费-城乡结构-生态效率路径看，电力消费对城镇化程度有促进作用[20]，导致人们生活方式发生改变，能源消耗从高碳排放的直接使用向低碳排放的电力转化，减少了对环境的污染，有利于生态效率提高[18]；但同时城镇居民的电力消耗量大于农村居民，城乡结构优化也可能导致更多电力消费[21]，不利于生态效率提高。综合上述两种影响，电力消费通过城乡结构路径对生态效率的影响不确定。

从电力消费-外商直接投资-生态效率路径看，电力消费水平提高有利于促进经济发展进程加快[13]，有利于外商直接投资引进，带来更先进的环境友好型技术，推动生态效率提高[19]。但如果外商直接投资所进入地区企业技术水平低，所引入的外商直接投资属于其他地区淘汰的高投入高污染企业，那么外商直接投资增加不利于减少电力消费的负向效应[22]。因而，电力消费通过外商直接投资作用路径对生态效率的影响不确定。

从电力消费-技术创新-生态效率路径看，电力消费水平提高意味着环境污染程度有所上升[6]，导致政府加大环境规制力度，激发企业从事环境友好型技术创新，有利于提高生态效率[17]。此外，由于各地区技术水平和环境规制水平存在差异，技术创新影响具有异质性。因此，技术创新对电力消费水平的生态效率作用具有确定的正向效应。

综合上述分析，提出如下假设。

假设2：电力消费不仅直接作用于生态效率，而且通过产业结构、城乡结构、外商直接投资以及技术创新等路径间接作用于生态效率，并且该影响具有区域异质性，其中产业结构和技术创新路径的影响相对确定，其他路径有待检验。

电力消费对生态效率的作用受到地区经济发展水平影响[9]。当地区经济发展水平较低时，地方政府更注重地区生产总值的增长，有可能降低环保要求发展高能耗产业，也可能引进一些生态效率较差的外资企业，电力消费对生态效率不利。当地区经济发展水平较高时，地方政府会提高环保要求，选择生态效率较高的外商直接投资，此时电力消费水平对生态效率的负向影响降低[10]。因此，提出如下假设。

假设3：电力消费对生态效率的作用受到地区经济发展水平的影响，地区经济发展水平对电力消费水平的生态效率作用存在门槛效应，同时，由于外商直接投资作用的充分发挥需要达到一定的规模，也存在着门槛效应。

三、电力消费对生态效率的作用路径分析

(一)模型构建

本文采用2007—2018 年中国省级面板数据，以区域生态效率为被解释变量，电力消费水平为核心解释变量，验证电力消费水平对生态效率的直接影响效应，构建回归模型如下：

EE=α0+β1ECL+β2PGDP+β3POP+β4EFE+ε

(1)

式(1)中：EE、ECL、PGDP、POP、EFE分别表示各省份生态效率、电力消费水平、人均国内生产总值、人口总量以及节能财政支出等变量。

根据前述研究假设，电力消费不仅直接影响生态效率，还通过产业结构、城乡结构、外商直接投资、技术创新等4条路径对生态效率产生影响。为验证是否存在中介效应，根据中介效应成立的3个条件，将上述4个变量设定为中介变量，逐次代入式(1)进行检验[23]：首先，当中介变量未纳入模型时，电力消费水平显著影响生态效率；其次，电力消费水平对所选择的中介变量影响同样显著；最后，当中介变量被纳入模型后，中介变量对被解释变量影响显著，但电力消费水平的影响程度降低，甚至可能变得不显著。

Y=α0+β1ECL+β2PGDP+β3POP+β4EFE+ε

(2)

式(2)中：Y为中介变量，即产业结构(SERVICE)、城乡结构(URBAN)、外商直接投资水平(FDI)以及技术发展水平(DTEC)。若系数β1通过显著性检验，电力消费水平对中介变量影响显著，则满足中介效应存在的第2个条件。在此基础上，构建模型3对第3个条件进行检验：

EE=α0+β1ECL+β2Y+β3PGDP+β4POP+β5EFE+ε

(3)

式(3)中：若系数β1的绝对值出现下降或没有通过显著性检验，但系数β2通过显著性检验，则中介效应存在的第3个条件满足。

更进一步，为检验电力消费对生态效率作用是否受到区域竞争的影响，构建模型4，依次引入调节变量人均国内生产总值(PGDP)和外商直接投资(FDI)，将其与电力消费水平相乘后逐次代入模型1，检验电力消费水平对生态效率的作用是否存在调节效应：

EE=α0+β1ECL×X+β2PGDP+β3POP+β4EFE+ε

(4)

式(4)中：X代表调节变量，即人均国内生产总值(PGDP)、外商直接投资(FDI)，只要参数β1通过显著性检验，就说明电力消费水平对生态效率的作用受到调节变量的影响，存在调节效应。

(二)变量说明

本文所用2007—2018年的研究数据均来源于《中国统计年鉴》(2008—2019年)、《中国能源统计年鉴》(2008—2019年)、各省市统计年鉴(2008—2019年)。在数据处理方面，本文为了剔除价格因素的影响，以2007年的价格水平为基期进行价格平减处理；由于西藏地区相关数据缺失，因此不予考虑；对统计年鉴缺少的某些年份数据，采取平滑值法进行预测。

1.被解释变量：区域生态效率(EE)

本文借鉴罗能生等[24]的研究，构建超效率SBM模型测算中国30个省市、自治区(不含西藏)的生态效率。测算模型中，产出指标包括期望产出和非期望产出，其中，期望产出为各省份国内生产总值，非期望产出包括工业废水排放量、SO2排放量以及工业固体废弃物产生量等指标；投入指标包括从业人员数、固定资本存量、建成区面积、能源消费量以及水资源消费量等指标。

案例1中教师的操作有两个问题：第一，实验的目的是验证水的热胀冷缩。试管里应该装满水，但教师用于实验的试管却有约20%空气，而空气的热胀冷缩现象比水更加明显。实验观测到的结果究竟是“水的热胀冷缩”，还是“空气的热胀冷缩”导致的呢？这影响了实验的准确性。第二，违反操作规程。在实验过程中教师擅自取开气球皮，人为改变实验进程。这不利于培养学生正确的实验观和实验操作方法。

2.核心解释变量：电力消费水平(ECL)

电力消费量越高，对生态环境的影响越大。因此，本文选取各省份电力消费水平作为核心解释变量，研究电力消费对区域生态效率的作用效应及路径。

3.控制变量

(1)人均国内生产总值(PGDP)。经济发展程度影响生态效率，人均国内生产总值可以准确衡量经济发展水平，因此，本文选用地区人均国内生产总值指标代表地区经济发展水平。(2)人口总量(POP)。人口总量越高对生态环境影响程度越大，因而选用人口总量作为控制变量。(3)节能财政支出(EFE)。由相关研究文献可知[21]，政府在节约能源上的持续支出对生态效率改善有显著影响，因此，选取统计年鉴中的节能财政支出变量作为该因素代表。

4.中介变量

(1)产业结构(SERVICE)。用第三产业产值占国内生产总值的比重表示产业结构，数值越大，对生态效率越有利。(2)城乡结构(URBAN)。选取城镇人口占总人口的比例表示城乡结构，数值越大，城乡结构优化程度越高。(3)外商直接投资(FDI)。选取实际利用外商直接投资水平衡量，数值越大，说明外商投资利用水平越高。(4)技术进步水平(DTEC)。用技术进步水平衡量技术创新，选取技术专利申请量衡量技术进步水平，而没有选取专利授权量，因为专利授权量滞后于技术进步速度，在衡量技术进步程度方面存在偏差，在本文后面的分析中，技术进步水平与技术创新概念可以替换使用。

(三)实证结果分析

本文为研究电力消费对生态效率的直接影响和间接影响，以电力消费水平 (ECL)为核心解释变量，通过豪斯曼(Hausman)检验表明个体固定效应模型优于随机效应模型，并且检验表明模型不存在内生性，各个解释变量均为外生变量。因此，采用个体固定效应面板模型进行估计，结果见表1和表2中的各个模型。

表1 直接效应与中介效应检验

表2 中介效应与调节效应回归结果

模型1，电力消费水平对生态效率的回归系数为-0.000 040 7(t=-2.39)，表明电力消费水平对生态效率存在直接作用路径，电力消费水平提高会导致生态效率显著降低，电力消费的“替代效应”弱于电力消费的生态环境影响和“反弹效应”；地区经济发展水平提高可以显著促进生态效率提高，符合相关预期，经济发展是提高生态效率的重要条件；节能财政支出与生态效率之间也呈现显著的正相关关系，并且影响幅度最大，表明政府致力于提高生态效率的措施非常重要；人口规模虽然可以正向促进生态效率提高，与预期不一致，但参数没有通过显著性检验。

模型2验证电力消费对中介变量的作用效果。首先，电力消费提升对产业结构优化有显著正向影响，符合理论分析预期，回归系数为0.002 313 8(t=3.02)，与已有研究结论一致[14]。其次，电力消费对城乡结构存在显著正向影响，回归系数为0.004 474 3(t=9.34)，电力消费提高不仅意味着经济发展程度提高，而且意味着人们收入水平提高，从供给和需求两方面有利于城乡结构改善。再次，电力消费提高对FDI有促进作用，但没有通过显著性检验。最后，电力消费对技术进步水平有正向影响，通过1%显著性检验，回归系数为24.067 47(t=5.92)，原因是，电力消费水平越高说明经济发展程度越高，市场规模扩大，企业有更大动机进行技术研发，而且电力消费水平越高，也部分说明人口规模大，根据内生经济增长理论，从人才供给方面有利于技术进步，模型2中人口规模显著促进技术水平提供了这方面的例证，二者的回归系数为64.854 25(t=6.17)。

模型3对中介效应的第3个条件进行检验。尽管除外商直接投资(FDI)变量外，中介变量产业结构(SERVICE)、城乡结构(URBAN)和技术进步水平 (DTEC)都通过1%显著性检验，但只有技术进步水平变量满足中介效应的第3个条件，显著影响被解释变量，而且核心解释变量电力消费的影响程度减少。产业结构和城乡结构变量满足前两个条件，却不满足第3个条件。因此，只有技术创新路径存在中介效应。

模型4对调节效应进行检验。电力消费水平(ECL)与人均国内生产总值(PGDP)交叉项的系数为-5.32×10-10(t=-2.52)，电力消费对生态效率的影响仍然为负，且该不利影响随着经济发展水平的提高而增加，说明当前经济发展水平不利于电力消费的生态效率作用效应，可能是因为区域之间发展经济方面的竞争，导致地方政府为了经济发展而放松对环保政策的要求。电力消费水平(ECL)与外商直接投资(FDI)的交叉项系数为-1.49×10-9，在10%的显著水平下显著，外商直接投资的流入也增强了电力消费水平对生态效率的不利作用，说明当前引进外商直接投资也可能由于区域竞争存在盲目引进高耗能产业的倾向。

综合上述各个模型的回归结果可得出以下结论：(1)假设1得到验证，假设2中产业结构、城乡结构、外商直接投资以及技术创新对生态效率有影响的结论得到验证，但产业结构、城乡结构、外商直接投资等间接路径假设不成立，只有技术创新通过中介效应检验；(2)地区经济发展水平在所有模型中对生态效率均存在正向显著影响，说明该影响存在稳健性，经济发展是解决生态效率的根本手段；(3)节能财政支出对生态效率也存在较为稳健的促进作用，应持续加大节能支出，促进生态效率稳定提高；(4)人口规模对生态效率虽然在各个模型中都存在正向影响，但在大多数模型中并没有通过显著性检验，在当前情况下，人口规模不是影响生态效率的重要因素，然而根据模型2，长远而言，人口规模提高有利于提高生态效率，这也符合内生经济增长理论的推断；(5)当前电力消费对生态效率的作用，由于各区域在发展经济和引进外资方面的激烈竞争，表现出负向影响增加的趋势。

四、电力消费影响生态效率的门槛效应

(一)面板门槛模型构建

本文分析说明电力消费水平降低不仅直接促使生态效率提高，而且通过技术创新间接路径对生态效率产生影响，地区经济发展水平和对外直接投资对电力消费的生态效率作用具有调节效应。然而电力消费水平影响生态效率是否具有区域异质性，是否随着电力消费水平的变化而变化？地区经济发展水平和对外直接投资的调节效应是否也随着自身的变化而变化？回答这些问题对明确电力消费与生态效率之间的具体作用关系具有重要意义。

本文借鉴汉森(Hansen)门槛面板回归模型[25]，选取电力消费水平(ECL)以及调节变量人均国内生产总值(PGDP)和外商直接投资水平(FDI)为门槛变量，分析它们对生态效率作用的区域异质性和门槛性，见式(5)～(7)：

EEit=α0+α1ECLit×I(ECL≤λ1)+α2ECLit×I(λ1≤ECL≤λ2)+…+αn+1ECLit×I(ECL≤λn)+φ1PGDPit+φ2POPit+φ3EFEit+εit

(5)

EEit=β0+β1ECLit×I(PGDP≤λ1)+β2ECLit×I(λ1≤PGDP≤λ2)+…+βn+1ECLit×I(PGDP≤λn)+φ1PGDPit+φ2POPit+φ3EFEit+εit

(6)

EEit=γ0+γ1ECLit×I(FDI≤λ1)+γ2ECLit×I(λ1≤FDI≤λ2)+…+γn+1ECLit×I(FDI≤λ2)+…+γn+1ECLit×I(FDI≤λn)+β1PGDPit+β2POPit+β3EFEit+εit

(7)

式(5)～(7)中相应变量含义与前文相同，I(*)为示性函数，I1，I2,…,In为待估计门槛值。

(二)门槛检验及实证分析

本文采用Stata14.0软件对面板门槛回归模型进行估计，采用“自抽样法”反复抽样300次，对是否存在门槛值以及门槛值个数的相关假设进行检验，得到回归结果见表3，模型5、6及7均在99%置信度下通过F统计检验，假设3得到验证，电力消费对生态效率的影响存在门槛效应，同时也受到调节变量人均国内生产总值(PGDP)和外商直接投资水平(FDI)的门槛效应影响，具体分析如下。

表3 门槛值及参数估计

由表3可知，电力消费水平的双重门槛值假设通过显著性检验，门槛值分别为208.080和3 873.189，把电力消费水平低于208.080定义为低消费水平，电力消费水平介于208.080～3 873.189之间定义为中消费水平，电力消费水平高于3 873.189定义为高消费水平。由估计参数α1、α2和α3可知，电力消费对生态效率的作用随着电力消费水平的提高而变化，当处于低电力消费水平时，回归系数α1为-0.000 037 4(t=-2.18)，提高电力消费对生态效率有显著的负向作用，此时电力消费规模太小，对其他能源的替代效应尚没有充分发挥；当电力消费水平处于中等水平时，回归系数α2为-0.000 021 5(t=-1.10)，电力消费对生态效率的影响仍是负作用，但影响降低且并不显著，说明电力消费对其他能源的替代效应开始逐渐发挥；当处于高电力消费水平时，回归系数α3为0.000 543 4(t=1.85)，电力消费对生态效率呈现90%置信水平下的正向影响，高电力消费带来的产业结构调整和技术进步进一步增强了电力消费的替代效应。

本文根据电力消费水平的门槛区间对2018年的生态效率水平按照由低到高进行分类，得到表4所示分组结果，对此进行异质性分析：电力高消费水平包括4个地区，中等电力消费水平有26个地区，没有低电力消费水平地区。根据生态效率和电力消费水平组合，浙江、山东以及广东等3个高电力消费而中生态效率地区，已经无法通过提高电力消费水平来提升生态效率，应该致力于通过环保制度设计和加大生态建设投入提升生态效率水平；湖南、福建、天津、上海和北京等5个中电力消费而高生态效率地区，可以通过提高电力消费对其他能源消费的替代来进一步提高生态效率；其余的辽宁、新疆、宁夏、甘肃、广西等21个中电力消费水平的低生态效率区和中生态效率区，一方面，要加大电力消费对其他能源的替代，实现电力消费对生态效率作用由负向到正向的转化；另一方面，也要完善环保政策和加大生态投入进一步提升生态效率。

表4 2018年生态效率水平的样本分组

以人均国内生产总值(PGDP)为门槛变量时，单一门槛值和双重门槛值假设均在5%显著性上通过检验，三重门槛值的假设没有通过显著性检验，因而采用双重门槛效应模型，门槛值为39 026.969和42 714.121。本文将人均GDP低于39 026.969元视为低经济发展水平，将人均GDP介于39 026.969～42 714.121之间视为中经济发展水平，将人均GDP高于42 714.121元视为高经济发展水平，分组结果如表5所示，分析地区经济发展水平的门槛效应和异质性影响。

表5 2018年经济发展水平门槛值的样本分组结果

研究显示，电力消费水平对生态效率的负向影响呈倒“U”型。具体而言，当地区人均GDP处于低水平时，电力消费水平对生态效率影响的回归系数为-0.000 010 9(t=-0.54)，电力消费虽然不利于生态效率发展，但影响并不显著，所以甘肃、云南、贵州、广西等13个低经济发展水平地区应该致力于提高电力消费水平，通过电力消费对其他能源消费的替代促进生态效率提高；当地区人均GDP介于 39 026.969～42 714.122门槛时，回归系数为-0.000 050 6(t=-2.44)，电力消费水平对生态效率有显著负作用，电力消费水平提高不利于生态效率提高，并且影响值幅度最大，即海南、湖南、宁夏、吉林等4个中经济发展水平地区的电力消费对生态效率影响不利，应致力于通过技术创新节约能源资源等措施提高生态效率；当地区人均GDP水平超过42 714.122门槛时，回归系数为-0.000 032 9(t=-1.93)，即北京、上海、江苏、浙江、广东、重庆以及天津等13个高经济发展地区，电力消费水平对生态效率的影响虽然仍显著为负，但影响幅度降低。由此可见，一旦跨过42 714.122这个门槛，随着人均GDP水平提高，电力消费对生态效率的负面影响逐渐减少，结合前面关于电力消费水平门槛值的分析，甚至有可能向正向转变。之所以这样，是因为经济发展水平较低时，提高电力消费水平虽然不利于生态效率提高，但由于对传统能源的替代，负面影响较低；地方经济发展水平中等时，产业结构以高耗能的资本密集型产业为主，电力消费主要用于高投入高消耗的产业，不利于生态效率提高；当地区经济发展达到较高水平时，注重发展技术水平高、资源消耗低的产业，电力消费对其他高碳能源替代程度提高，有利于提升生态效率[26]。

当以外商直接投资(FDI)为门槛变量分析电力消费的生态影响时，单一门槛值和双重门槛值假设均在1%的显著水平下通过检验，三重门槛值假设没有通过显著性检验，因此采用双重门槛效应模型进行估计，门槛值分别为67和422。当外商直接投资水平低于67时，为弱外商投资吸引区域，介于67～422时为中外商直接投资吸引区域，高于422时，为强外商直接投资吸引区域，区域分组结果如表6所示，分析外商直接投资的门槛效应和异质性影响。

表6 2018年利用外商直接投资门槛值的样本分组结果

根据表3和表6，2018年，全国30个样本省市、自治区中，有1个处于弱吸引水平区域，有3个处于中吸引水平区域，26个处于高吸引水平区域。当外商直接投资水平低于67时，电力消费水平对生态效率负向影响的绝对值最大，系数γ1为-0.000 209 3(t=-5.74)，只有青海仍然处于这一区间；当外商直接投资水平介于67～422时，系数γ2为-0.000 082 3(t=-4.25)，而当高于422的时候系数γ3为-0.000 061 7(t=-3.13)。可见，随着外商直接投资水平不断提高，电力消费水平的生态影响虽然为显著的负向影响，但影响幅度持续降低，表明虽然在调节效应中，外商直接投资不利于电力消费水平的生态效率作用，但考虑到门槛效应后，该影响呈现出逐渐改善的发展进程。之所以这样，是因为当外商直接投资处于较低水平时，本地区经济发展水平较低，外商直接投资企业的先进技术高于本地区企业的技术吸收能力，先进生产技术的生态溢出效应较弱[27]。当外商直接投资水平较高时，可能意味着本地区经济发展水平高，企业有更好的技术基础，承接外商直接投资企业的技术溢出，促进产业结构优化，电力消费水平提升对生态效率的不利影响减弱[28]。

五、结论与建议

本文采用2007—2018年中国30个省市、自治区的面板数据(西藏地区除外)，构建中介效应模型和面板门槛回归模型研究电力消费对生态效率的作用、路径以及异质性特点，结论如下。

第一，电力消费对生态效率不仅存在直接作用，还通过技术进步间接路径对生态效率产生作用，技术进步不仅推动绿色生态技术发展，而且降低电力消费对生态效率的负向效应，应制定相关政策，加大对绿色生态技术研发的激励力度，以技术创新改善生态环境。

第二，地区经济发展和外商直接投资对电力消费水平的生态效率作用效应均具有显著的调节效应，不利于电力消费对生态效率的作用效应，说明目前区域之间的经济发展和引进外资方面的竞争，对发挥电力消费的生态效率改善功能不利，应加强生态环境政策顶层设计，避免出现“污染避难所”效应。

第三，电力消费对生态效率的作用有门槛效应和异质性。随着电力消费水平逐步增加，电力消费对生态效率的影响由显著负向作用向不显著的负向作用转变，最后甚至演变成10%显著水平下的正向作用，说明电力消费导致的能源替代效应逐渐增强，各地应根据当地电力消费和生态效率状况组合的不同，采取针对性的措施提高生态效率。

第四，电力消费对生态效率的作用受到区域经济发展水平门槛效应和异质性影响。以各区域经济发展水平为门槛时，电力消费水平对生态效率的负向作用效应呈倒“U”型，随经济发展水平的提升，电力消费对生态效率的不利影响逐渐降低。因此，各地应该根据经济发展水平的不同，采取不同措施，充分发挥电力消费水平改善生态效率的替代效应。

第五，电力消费对生态效率的作用受到外商直接投资水平门槛效应和异质性影响。以外商直接投资为门槛时，电力消费水平对生态效率的负向影响呈现出逐渐减少的趋势，各地不仅要加大吸引外商投资，而且要选择环境友好型的企业，充分发挥其技术发展和产业结构优化效应，促进生态效率持续提高。