应对气候变化的最优经济增长研究

柳亚琴　赵国浩

摘要 如何在确保经济平稳发展的前提下减少CO2排放量，从而达到社会经济发展与生态环境保护双赢的一种经济发展形态，成为世界各国共同研究和探讨的焦点。与此同时，在发达国家应对气候变化行动如火如荼之际，作为世界上最大的发展中国家，我国提出到2020年CO2排放强度比2005年降低40%-45%。论文根据这一约束指标，创新性地把CO2减排控制率引入传统的CobbDouglas生产函数，构建应对气候变化的最优经济增长模型，利用偏最小二乘回归方法分别计算基准情景和低碳经济发展情景下2020年的最优经济增长率，得到以下结论：基准情景下最优经济增长率为8.30%；在低碳经济发展情景中，2020年CO2排放强度降低40%和45%减排控制下最优经济增长率分别为7.67%和7.52%。在此基础上，参考两种不同的经济发展情景假设，对2020年经济产出、能源消费需求量和CO2排放量进行预测，最后提出推动能源、经济与环境协调可持续发展的低碳政策建议。

关键词应对气候变化；最优经济增长；CO2减排控制率；偏最小二乘回归

中图分类号F206文献标识码A文章编号1002-2104（2014）02-0009-09doi：103969/jissn1002-2104201402002

政府间气候变化专门委员会（Intergovernmental Panel on Climate Change， IPCC）的研究表明，当前以全球变暖为主要特征的气候变化，从人类活动原因上看，主要是工业革命以来人类大量使用煤炭、石油和天然气等化石能源，所排放的CO2等温室气体增强了大气温室效应，该气候变化会给人类社会带来不可估量的后果。因此，全球气候变暖问题日益成为国际社会关注的焦点，随着《联合国气候变化框架公约》、《京都议定书》和《哥本哈根协议》等的签署和缔结，发达国家纷纷开展减排行动，向低碳经济转型。

中国作为最大的发展中国家和负责任大国，目前处于城市化、工业化阶段，主要特征是经济增长速度快、能源需求增长快且刚性增长，能源供需缺口日益扩大，能源安全面临严重威胁。与此同时，现阶段我国的经济发展过度依赖煤炭、石油和天然气，非化石能源消费比重相当低，大量消耗化石能源会带来高额的碳排放，导致气候变化恶劣。为了应对全球气候变化，2009年在哥本哈根会议上庄重承诺到2020年CO2排放强度比2005年降低40%-45%。从“十一五”时期的能源强度到当前CO2排放强度的目标约束变化，体现了中国能源政策将以提高能源利用效率为主，转变为将气候变化因素作为约束目标，引入能源发展战略规划。

从20世纪80年代开始，随着可持续发展理念被国际社会广泛接受，国内外学者开始把能源和环境纳入经济增长理论模型进行研究。关于能源与经济增长关系的研究主要集中在能源消费与经济增长相互关系的验证方面。自Granger因果关系检验方法提出以来，Kraft等[1]首先使用该方法对美国1947-1974年期间的能源消费和GNP数据之间的关系进行分析，研究发现存在GNP到能源消费的单向因果关系，Akarca Long[2]、Yu Choi[3]、Cheng Lai[4]、吴巧生，成金华，王华[5]、Mehrara[6]、解垩[7]和宁泽奎[8]等也得出了一致的结论。随后，Stern[9]、Glasure Lee[10]、张志柏[11]和国涓、张璐[12]等通过研究发现存在能源消费到GDP的单向因果关系，Hwang Gum[13]、 Ebohon[14]、Yang[15]、AsafuAdjaye[16]、韩智勇等[17]和杨宜勇、池振合[18]等经过分析得出能源消费和经济产出之间存在双向因果关系，而Yu Hwang[19]和Abosedra Baghestani[20]等研究得到能源消费和经济产出之间不存在因果关系。由此可以看出，基于对能源问题的大量研究，学者们普遍认为能源要素对经济增长的影响至关重要。

关于环境污染排放量与经济增长关系的研究比较复杂，文献中主要有两种处理环境污染排放量的方法：一种方法是将环境污染排放量与资本、劳动等其他要素一起作为生产的投入要素，引入生产函数模型，代表文献有Chichilnisky Graciela[21]、Ramanathan[22]、Lu et al.[23]等；另一种方法是通常将环境污染排放量作为非期望产出，国民生产总值GDP作为期望产出，资本、劳动力和能源消费作为投入指标，一起引入生产过程，其中Chung et al.[24]、涂正革[25]、吴琦、武春友[26]、何文强、汪明星[27]和沈能[28]等许多学者们对其进行了分析研究。

此外，很多学者在CO2减排方面也展开了详细的研究。高鹏飞等[50]应用MARKAL-MACRO混合模型对我国2010-2050年的CO2减排边际成本进行了测算。韩一杰等[51]在不同的减排目标和GDP增长率的假设下，计算了我国实现CO2减排目标所需要的增量成本。李陶等[52]根据CO2强度目标构建了省级减排成本估计模型，提出了基于非线性规划的CO2减排配额分配方法。公维凤[53]在节能减排约束条件下，构建了各省经济增长优化模型，分析了各种情景下各省区经济发展的优化问题。

以上学者主要是利用历史数据在不平稳的经济条件下对所关注区域的能源、经济与环境等问题进行了研究。而在当前能源资源不足和面对日益紧迫的全球减排温室气体形势下，以“低能耗、低污染、低排放”为基础的低碳经济发展模式应运而生。低碳经济的实质是通过降低高碳能源消耗和减少CO2排放，建立合理的能源消费结构，从而达到社会经济发展与生态环境保护双赢的一种经济发展形态。因此，如何在确保经济平稳发展的前提下减少CO2排放量，已成为世界各国共同研究和探讨的焦点。另外，在CO2排放强度目标作为应对气候变化的约束指标被提出以后，该指标具有了重要的政策含义，本文根据该约束指标，创新性地将CO2减排控制率引入Cobb-Douglas生产函数，通过构建应对气候变化下最优经济增长模型，得到基准情景和低碳经济发展情景下2020年的最优经济增长率。在此基础上，参考两种不同的经济发展情景，预测估计该年份的经济产出、能源消费需求和CO2排放总量，最后提出推动能源、经济与环境协调可持续发展的低碳政策建议。

柳亚琴等：应对气候变化的最优经济增长研究中国人口·资源与环境2014年第2期1应对气候变化下经济增长模型构建

新古典经济增长理论认为物质资本K和劳动力L是经济增长的基本投入要素，而技术进步A则是经济增长的源泉和动力。随着科学的进步和社会的发展，能源已经成为关乎国民经济命脉和国家经济安全的重要战略资源。越来越多的学者也认为能源是生产过程中不可缺少的要素，因此本文基于Solow经济增长模型，借鉴Moon Soon[29]和朱永彬等[30]的研究成果，认为能源要素与其他要素具有有限替代弹性，与资本和劳动力要素一起引入传统的Cobb-Douglas生产函数，反映能源与经济产出之间的关系，同时假设资本和能源具有不变规模报酬性质，并在生产函数中考虑技术进步因素，根据新古典经济增长理论，假设技术进步是外生的，为Hicks中性技术进步，其变化率服从指数增长，将模型设定为：

Y（t）=A（t）K（t）αE（t）1-αL（t）β0<α，β<1（1）

式（1）中各变量的含义如下：Y（t）为t时刻的经济产出；A（t）为t时刻的技术水平；K（t）为t时刻的资本投入；E（t）为t时刻的能源消费量；L（t）为t时刻的劳动力投入；α为资本的产出弹性；1-α为能源的产出弹性；β为劳动的产出弹性。

在此基础上将CO2减排控制率考虑到此生产函数中，假设CO2减排控制率为μ（t），张清等[31]和Nordhuas[32]构建的DICE（The Dynamic Integrated Climate Economy）模型中设定CO2排放以μ（t）的速率减少排放，本文将CO2减排控制率μ（t）设定为CO2排放强度年下降速率，则模型（1）可扩展为如下形式：

Y（t）=（1-μ（t））A（t）K（t）αE（t）1-αL（t）β（2）

该模型人均消费和资本积累方程形式如下：

c（t）=C（t）/N（t）（3）

K·1（t）=（1-δ）Y（t）-C（t）（4）

式（3）中N（t）表示t时刻的总人口数，c（t）表示人均消费。

为了简化分析，式（4）假设经济产出除了消费支出和折旧外，都用于资本的积累，δ为资本折旧系数。

该模型对劳动力人口即就业人口和总人口作了区别，其中，N（t）表示t时刻的总人口数，ω（t）表示就业人口占总人口的比重，即劳动参与率，因此劳动力L（t）可表示为：

L（t）=ω（t）·N（t）（5）

模型剩下的假设关于技术进步、总人口和能源消费如何随时间而变化。给定技术进步与总人口的初始水平，技术进步与总人口以不变的增长率增长：

A（t）=A0evt（6）

N（t）=N0ent（7）

根据定义能源强度是指单位GDP所消耗的能源，由能源消费量和经济产出决定，同时模型假定能源强度是外生的，用公式可表示为：

τ（t）=E（t）/Y（t）（8）

将式（5）、式（6）、式（7）和式（8）代入式（2），则有：

Y（t）=[（1-μ（t））A0evt]11αK（t）τ（t）1-α1α[ω（t）N0ent]β1α（9）

目标函数我们采用具有不变跨时替代弹性的效用函数CES（也被称为不变的相对风险厌恶或CRRA），其含义是：效用是人均消费c（t）的函数，同时还需考虑总人口数，该效用函数主要由式（10）来确定：

U[c（t），N（t）]=N0ent[（c（t）1-σ-1）/（1-σ）]

=111-σ（N0σenσtC（t）1-σ-N0ent）（10）

这里σ为风险厌恶系数，而社会计划者的目标就是在预算约束下使得跨期效用最大化，如式（11）所示：

max∫∞0U[c（t），N（t）]e-ρtdt=

max∫∞0111-σ（e（nσ-ρ）tNσ0C（t）1-σ-e（n-ρ）tN0）dt（11）

其中ρ为时间偏好系数。

模型（11）即为如下最优控制问题：

max∫∞0111-σ（e（nσ-ρ）tN0σC（t）1-σ-e（n-ρ）tN0）dt

s.t.K·1（t）=（1-δ）Y（t）-C（t）

CEI（T）≤（1-α）CEI（0）（12）

其中CEI（T）表示期末CO2排放强度，CEI（0）表示基期CO2排放强度，α为减排目标设定的期末CO2排放强度相对基年的下降比例。

2模型求解

本文主要分析经济系统长期稳定增长的情形，该问题就是在连续时间内，求泛函积分最大化问题，其中包括控制变量和状态变量，是一个非线性系统动态最优化问题。根据最优控制理论中庞特里亚金极大值原理，式（12）的Hamilton函数H如下：

H=U[c（t），N（t）]+λ{（1-δ）[（1-μ（t））·

A0evt]11αK（t）τ（t）1-α1α[ω（t）N0ent]β1α-C（t）}（13）

上式中，C为控制变量，K为状态变量，λ为拉格朗日乘子，经济含义是t时刻资本的影子价格，其最大化的一阶条件为：

H1C=U′（C）-λ=0（14）

由式（14）可得

λ=N0σe（nσ-ρ）tC（t）-σ（15）

拉格朗日乘子λ的运动方程为：

λ·1=-H1K=-λ（1-δ）·Y1K（16）

由式（9）可得：

Y1K=[（1-μ（t））A0evt]11ατ（t）1-α1α[ω（t）N0ent]β1α（17）

将式（17）代入式（16），得：

λ·11λ=-（1-δ）[（1-μ（t））A0evt]11ατ（t）1-α1α

[ω（t）N0ent]β1α（18）

对式（15）两边取对数，得：

ln（λ（t））=σln（N0）+（nσ-ρ）t-σln（C（t））（19）

对式（19）求时间t的导数，得：

λ·11λ=nσ-ρ-σC·11C（20）

令g代表各变量的增长率，则有gλ=λ·11λ，gc=C·11C，gk=K·11K，合并式（18）和式（20），得到：

gc=（n-ρ1σ）+1-δ1σ·[（1-μ（t））A0evt]11ατ（t）1-α1α

[ω（t）N0ent]β1α（21）

由于在稳态增长条件下，消费与经济产出以相同的速度增长，因此经济平稳增长路径下加入CO2减排控制率的最优经济增长率为：

gY=（n-ρ1σ）+1-δ1σ·[（1-μ（t））A0evt]11α·

τ（t）1-α1α[ω（t）N0ent]β1α（22）

3数据来源与研究方法

3.1数据来源

通过公式（2）和公式（6）可以得到：

Y（t）/[E（t）（1-μ（t））]=A0evt[K（t）/E（t）]αL（t）β（23）

令Y′=Y（t）/[E（t）（1-μ（t））]，K′=K（t）/E（t），为了消除时间因素对方程的影响，对公式（23）两边进行取对数操作，并添加误差项ε，得到如下方程：

lnY′=lnA0+vt+αlnK′+βlnL+ε（24）

本文以1978-2011年期间的时间序列数据为研究对象，所有数据源自《中国统计年鉴》、《中国能源统计年鉴》和《新中国60年统计资料汇编》。经济产出以可比价格的GDP序列作为经济产出的衡量指标（1978年=100）；CO2减排控制率以CO2排放强度的年下降速率表示，其中CO2排放量的测算采用间接法，即利用化石能源消费量来计算[33]。本文将一次能源分为煤炭、石油、天然气、非化石能源（水电、核电、风电等）四类，将历年煤炭、石油及天然气三类化石能源消费量分别乘以各自的的CO2排放系数然后加总得到CO2排放量。CO2排放系数由能源碳排放系数乘以（44/12）得到，这里煤炭、石油及天然气的碳排放系数来源于2003年国家发展和改革委员会能源研究所发布的《中国可持续发展能源暨碳排放情景分析》，（44/12）为CO2和碳的分子量比率[33]54，由此可得煤炭、石油和天然气的CO2排放系数分别为2.744，2.138和1.628；劳动投入以样本期末全国就业人数表示；能源投入以样本期末全国能源消费总量表示；资本投入数据，文章选取固定资本存量作为资本投入量的衡量指标，遵循Goldsmith开创的目前广泛应用的永续盘存法（perpetual inventory method）[34]，采用相对效率几何递减模型，其基本公式为：

Kt=Kt-1（1-δ）+It/Pt（25）

式（25）中Kt表示当年的固定资本存量，Kt-1表示上一年的固定资本存量，It表示当年新增资本存量，Pt表示当年的固定资本平减指数，本文采取以当年的全社会固定资产投资总额替代当年新增资本存量[35-37]，δ表示折旧率。用式（25）测算固定资本存量，有如下几个关键：

（1）基年固定资本存量和折旧率的确定。本文采用1978年的固定资本存量作为基年固定资本存量K0，K0按国际常用方法计算[38]：用基年的全社会固定资本形成总额I0（可比价格）与样本期内全社会固定资本形成总额（可比价格）的几何平均增长率g加上折旧率δ之和的比值，其公式为：

K0=I01g+δ（26）

对于折旧率δ，本文根据Perkins[39]、胡永泰[40]、王小鲁[35]12以及郭玉清[41]的估算，取δ=5%。

（2）固定资本平减指数的确定。在采用永续盘存法时，必须将当年价格表示的固定资本用一定的价格指数进行平减，换算成以基年不变价格表示的实际值，本文将采用固定资产投资价格指数作为固定资本平减指数。然而根据《新中国60年统计资料汇编》所公布的各年全社会固定资产投资总额（当年价格）及固定资产投资价格指数，发现在1991年才开始每年公布这一指数，这样便无法把1978-2011年间用当年价格给出的全社会固定资产投资总额折算成以1978年价格表示的数据。但是，可以通过构造指数来间接实现这个目的。经过分析，本文选择了在1978-1990年间的工业品出厂价格指数（1978年=100）和1991-2011年间的固定资产投资价格指数去拟合固定资本平减指数，以此推算我国1978-2011年间以1978年价格表示的历年全社会固定资产投资总额，从而为逐年累计出我国的资本存量奠定基础。

3.2研究方法

偏最小二乘回归（Partial LeastSquares Regression，简称PLS）[42]由伍德（S.Wold）和阿巴诺（C.Albano）等人于1983年首次提出，是应实际需要产生和发展的一种新型的多元统计数据分析方法。偏最小二乘回归可以有效地克服目前回归建模的许多实际问题，诸如样本容量小于变量个数的情况下进行回归建模，以及多因变量对多自变量的同时回归分析等用普通多元线性回归无法解决的问题。特别在普通多元线性回归中，变量之间的多重共线性常会严重危害参数估计，扩大模型误差，并破坏模型的稳健性，用偏最小二乘回归进行建模，其分析结论更加可靠，结论性更强。

偏最小二乘回归方法有单因变量偏最小二乘回归和多因变量偏最小二乘回归，由于本文研究的问题只涉及到单因变量，因此只对单因变量偏最小二乘回归进行阐述，其建模方法如下：设有因变量Y和k个自变量{x1，…， xk}。为了研究因变量与自变量的统计关系，观测了n个样本点，由此构成了自变量与因变量的数据表Xn×k和Yn×l。偏最小二乘回归分析的目的是在数据集X提取出t1（t1是x1，…， xk的线性组合），要求t1满足：（1）应尽可能大地携带数据表X中的变异信息；（2）与Y的相关程度能够达到最大。

在第一个成分t1被提取后，偏最小二乘回归分别实施X对t1的回归以及Y对t1的回归。如果回归方程已经达到满意的精度，则算法终止；否则，将利用X被t1解释后的残余信息E进行第二轮的成分提取。如此反复迭代，直到能达到一个较满意的精度为止。若最终对X共提取了q个成分t1，…， tq，偏最小二乘回归将通过施行Y对t1，…， tq的回归，然后再表达成Y关于原自变量x1，…， xk的回归方程。

4最优经济增长率计算

4.1生产函数参数估计

常用的诊断多重共线性方法主要有容忍度、方差膨胀因子、条件指数、方差比例等，本文采用方差膨胀因子（VIF）方法进行诊断，结果如表1所示。

从表1中可以发现各自变量的VIF都超过10，说明自变量之间存在严重的多重共线性关系，将严重影响普通最小二乘回归的估计值，极有可能会出现模型结论与现实相差较大的情况，从而导致模型的解释无效，这里利用偏最小二乘回归分析方法对公式（23）进行回归分析，运行唐启义[43]研发的DPS数据处理系统软件，经交叉有效性检验，只能提取一个成分。得到数据标准化后模型预测误差平方和为9.031 8；Press残差平方和为9.331 0；判定系数为0.726 3，模型的拟合程度较好，原变量的回归方程为：

lnY′=3.421 6+0.010 4t+0.285 3lnK′+0.517 6lnL（27）

根据公式（27），公式（6）变为如下形式：

A（t）=30.618 2e0.010 4t（t1978=1）（28）

4.2能源强度模型

本文模型中假定能源强度是外生的，根据刘晓等[44]的研究，设定能源强度随时间呈指数变化趋势，未来能源强度的预测值可通过拟合历年能源强度数据获得，能源强度模型如下：

τ（t）=τ0ebt（29）

根据前面选取的1978-2011年期间的经济产出和能源消费量数据，计算得到历年能源强度时间序列数据，对公式（29）取对数，并进行回归分析，结果如表2所示。

变量

Variables1回归系数

Regression

coefficient1标准误

Standard

error1t值

Tvalue1p值

Pvaluelnτ01-6.390 410.060 11106.258 710.000 0b1-0.028 410.003 019.465 810.000 0

由表2可知，当α=0.05时，回归系数的t检验值都能通过显著性检验。且模型总体效果的F检验值为89.600 5，p=0.000 0，也通过显著性检验。判定系数为0.736 8，模型拟合程度较好，因此能源强度模型可表示为：

τ（t）=0.001 7e-0.028 4t（t1978=0）（30）

4.3其他参数估计

对公式（7）进行回归分析，其数据用《中国统计年鉴》和《新中国60年统计资料汇编》中的样本期末全国总人口数表示，模型回归结果如表3所示。

同样地，由表3可知，当α=0.05时，回归系数的t检验值都能通过显著性检验，且总体效果的F检验值为916.798 1，p=0.000 0，也通过显著性检验。判定系数为0.966 3，模型拟合程度较好，因此总人口模型可表示为：

N（t）=9.797 3e0.010 5t（t1978=1）（31）

由总人口模型可预测得到未来人口的总量，根据王金营等[45]预测的劳动力数据可计算出未来劳动参与率ω的

取值，其中ω2020=0.516 8。

在Ramsey模型中，时间偏好系数ρ和风险厌恶系数σ都是重要的外生参数。时间偏好系数表示人们对现在的满意程度与对将来的满意程度的比值，人们越不喜欢现在，其时间偏好系数也就越低。Barro and SalaiMartin[46]在其著作《Economic growth》中认为时间偏好因子有一个基准值0.02，顾六宝、肖红叶[47]研究中以该值为基准给ρ值设定了一个取值范围（0.01，0.02，0.03），结果检验表明，ρ值在0.01-0.03之间的变化对显著性检验的影响很小，并采用ρ=0.02，因而本文也设定ρ=0.02。另外根据顾六宝、肖红叶[48]研究中模拟最优消费增长率时σ值取2的研究结果，设定参数σ的取值为2。

经过测算，2011年CO2强度比2005年CO2排放强度下降19.70%，本文假设在未来几年内我国CO2排放强度以平均速度下降，计算可得2020年CO2排放强度下降40%-45%目标下μ的取值分别为0.022 6和0.028 1。

由此将所需参数值代入公式（22），获得2020年CO2排放强度降低40%和45%减排控制下最优经济增长率分别为7.67%和7.52%。

另外根据模型（1），计算可以获得2020年无CO2减排控制下最优经济增长率为8.30%。

国家环保总局环境规划院与国家信息中心联合推出《2008-2020年中国环境经济形势预测》报告中指出我国国民经济将继续保持较快的增长，“十二五”期间年均经济增长率为9%左右，“十三五”为8%左右。2012年2月，国务院发展研究中心研究员李善同在中国宏观经济高层研讨会上表示中国经济高速增长至少可以维持到2020年，并有研究结论表示如果保持目前的经济增长态势，2011-2020年期间经济增长速度为7.7%左右[49]。基于我国经济增长的连续性和稳定性，并比照有关机构和专家的经验，本文认为该模型的预测结果在一定程度上可信。

5经济产出、能源消费量和CO2排放量

根据上述计算得到的2020年最优经济增长率，并参考大多数学者们的研究成果，本文将未来最优经济增长设定两种情形：基准情景（无CO2减排控制）和低碳情景（CO2减排控制），年均最优经济增长率分别为9%和8%，以2011年的经济产出总量（按2005年不变价格计算）为基年，估测可得到中国2020年低碳情景下的经济产出总量；由能源强度模型可获得2020年能源强度的预测值，从而计算出能源消费需求量，在两种经济增长情景中，一次能源消费需求量分别为523 624.09亿t标准煤和481 942.18亿t标准煤；另外可计算出2020年不同CO2排放强度目标下的CO2排放量。结果见表4。

6结论及政策建议

应对气候变化的CO2排放强度指标是指单位国内生产总值的CO2排放量，可以通过增加国内生产总值、降低CO2排放量或两者同时进行来实现。另外，通过强制性压缩高耗能产业降低CO2排放量也可以实现碳排放强度目标。可见，CO2排放强度目标的实现不仅是经济增长问题，还是能源消费总量和能源消费结构问题。如何在保障经济平稳增长前提下实现这一目标，不仅可以转变传统粗放的经济增长方式，促进低碳经济发展模式的形成，同时还能推动能源、经济与环境的协调可持续发展。本文根据2020年单位GDPCO2排放强度下降40%-45%这一约束指标，建立了应对气候变化的最优经济增长模型。计算得到基准情景下2020年最优经济增长为8.30%；在低碳经济发展情景中，2020年CO2排放强度降低40%和45%减排控制下最优经济增长率分别为7.67%和7.52%。在此基础上，参考大多数学者的研究成果，设定了两种不同的未来最优经济发展情景，其年均最优经济增长率分别为9%和8%，由此预测得到不同经济发展情景下2020年经济产出、能源消费需求量和CO2排放量。

基于以上结论，本文提出如下政策建议：

（1）在经济层面上，需优化升级产业结构，切实转变经济发展方式。目前，我国正处于经济高速发展和工业化、城市化进程加快的进程中，密集开采和消耗了大量的能源资源，造成能源资源匮乏和生态环境污染日益恶化的压力进一步加剧。在当前经济全球化、世界政治格局多极化的背景下，面对日趋强化的国际国内双重压力，优化升级产业结构，既是推动经济结构战略性调整的重要着力点，又是加快形成新的经济发展方式的有效途径，也是我国能源、经济和环境协调发展的客观需要和战略要求，更是一项长期而艰巨的历史使命。因此，首先应构建现代产业发展新体系，使第一、第二、第三产业相互促进、协调发展，逐步形成以现代农业为基础、优势传统产业为主导、战略性新兴产业为先导、基础产业为支撑、服务业全面发展的各具特色、优势互补、结构合理的新型产业格局。其次应深入贯彻落实科学发展观，促进工业化、信息化、城镇化、农业现代化同步进展，切实发挥实体经济在扩大内需中的积极作用，实施科教创新发展战略，切实转变经济发展模式，破解原有粗放的经济发展模式，构建资源节约型和环境友好型的经济社会发展模式，从而实现经济社会的可持续发展。

（2）在技术层面上，需着力提升能源自主创新能力，全面规划能源新技术的研发和推广应用，大力提高能源资源开发、转化和利用的效率，加强开发低碳技术。能源工业既是国民经济的支柱产业，也是技术密集型产业。现代能源技术的特点主要表现为安全、高效、清洁，该特点也是未来能源技术制高点的主要方向。我国能源工业的技术创新能力与发达国家相比，还存在很大差距，因此在全球应对气候变化的大背景下，面对日趋强化的资源环境约束，我国作为能源资源消费大国和污染排放大国，发展节能减排尤为重要。在未来的经济发展和能源结构战略中，我们需要持续推进节能减排进程，优化提升能源勘探与开采技术，大力开发低碳技术。首先，在能源勘探与开采技术领域，通过规划重大技术研究、重大技术装备、重大示范工程和技术创新平台，确定能源应用技术和工程示范重大专项研究等手段，提高煤炭生产地质保障技术，确保煤炭资源的安全高效开发，推进煤层气合理开发，加强油气资源勘探，确定油气资源高效清洁开发。其次，通过加大新能源的研发投入和推广力度，更合理有效地利用现有的常规能源，提高能效比；在能源使用过程中，积极开发和运用可再生能源技术、新型发电技术、碳捕获与封存技术、节能技术等有效地控制温室气体排放，加强与发达国家的交流合作，共同构筑互利共赢、技术共享的良好局面，从而为改善能源低碳利用方式、确保低碳经济顺利实现奠定基础。

（3）在能源供需层面上，需统筹国内开发和对外合作，完善能源战略储备制度，大力调整优化能源消费结构，加快发展低碳能源。首先，中国在保持经济持续高速增长的同时，能源消费需求量也日趋庞大，已成为煤炭、钢铁、铜等世界第一消费大国，继美国之后的世界第二石油和电力消费大国，能源供需缺口日益扩大，“电荒”、“煤炭”、“油荒”在全国各地频频出现，给国家能源经济安全造成了一定的压力。而我国是一个煤多油少、优质资源匮乏、经济仍处于城市化和工业化阶段的发展中国家，在此背景下，如何保障能源持续供应成为我国国民经济和社会可持续发展亟待解决的重大战略问题。一方面，我们应充分利用国内和国际各个市场，建立立足国内的能源安全保障体系。在国内加大能源的勘探和开发投入，加强煤炭开采业的投资及基础设施的建设。同时还应扩大国际能源合作，对自给率低的能源，加强国际合作，拓展市场空间，有效保障能源供需的总体平稳。另一方面，通过制定国家能源储备法，不断完善能源战略储备制度。从能源储备的功能定位、主体与机构、资金来源、种类与规模、储备方式等相关法律问题入手，建立国家能源资源战略储备制度。其次，由于资源禀赋条件特征，长期以来我国能源消费结构中煤炭的比重较大，能源消费结构不尽合理。在危及能源安全的同时，导致我们2020年CO2排放强度目标的实现面临严峻挑战。我国以煤炭为主的能源消费结构必然面临改革，跨越式的更新传统高碳能源消费模式是确保国家长治久安的必由之路，实施有序发展煤炭，积极发展电力，加快发展石油天然气，鼓励开发煤层气，大力发展水电等可再生能源，积极推进核电建设，科学发展替代能源的发展战略，通过增加天然气和非化石能源消费比重并逐步削减煤炭石油比重来优化调整能源消费结构，实现多能互补，逐渐由“低碳多元化能源时代”取代“煤炭石油时代”。

（编辑：尹建中）

参考文献（References）

[1]Kraft A， Kraft J. On the Relationship between Energy and GNP [J]. Journal of Energy and Development， 1978，（3）： 401-403.

[2]Akarca A， Long T. On the Relationship between Energy and GNP： a Reexamination [J]. Energy Development， 1979，（5）： 326-331.

[3]Yu E S H， Choi J Y. Causal Relationship between Energy and GNP： an International Comparison [J]. Energy Development， 1985，（10）： 249-272.

[4]Cheng S， Lai T W. An Investigation of Cointegration and Causality between Energy Consumption and Economic Activity in Taiwan Province of China [J]. Energy Economics， 1997，（19）： 435-444.

[5]吴巧生，成金华，王华.中国工业化进程中的能源消费变动——基于计量模型的实证分析[J].中国工业经济，2005，（4）：30-37.[Wu Qiaosheng， Cheng Jinhua， Wang Hua. Change of Energy Consumption with the Process of Industrialization in China [J]. China Industrial Economics， 2005，（4）： 30-37.]

[6]Mehrara M. Energy Consumption and Economic Growth： the Case of Oil Exporting Countries [J]. Energy Policy， 2007，（35）： 2939-2945.

[7]解垩.能源消费与中国工业生产率增长[J].中国人口·资源与环境，2008，18（3）：88-92.[Xie E. Energy Consumption and Industrial Productivity Growth in China [J]. China Population Resources and Environment， 2008，18（3）： 88-92.]

[8]宁泽逵.能源消费与经济增长协整分析：基于宏观数据的比较分析[J].统计与信息论坛，2010，（3）：81-85.[Ning Zekui. The EnergyGDP Cointegration Analysis in China： Based on Comparative Analysis on Macrodata [J]. Statistics & Information Forum， 2010，（3）： 81-85.]

[9]Stern D. Energy Use and Economic Growth in the USA， a Multivariate Approach [J]. Energy Economics， 1993，（15）： 137-150.

[10]Glasure Y U， Lee A R. Cointegration errorcorrection and the relationship between GDP and ease of South Korea and Singapore [J]. Resource and Electricity Economics， 1997，（20）： 17-25.

[11]张志柏.中国能源消费因果关系分析[J].财贸研究，2008，（3）：15-21.[Zhang Zhibai. Causal Analysis of Chinese Energy Consumption [J]. Finance and Trade Research， 2008，（3）： 15-21.]

[12]国涓，张璐.中国能源消费与经济增长关系的实证分析[J].辽宁工程技术大学学报：社会科学版，2008，（3）：248-251.[Guo Juan， Zhang Lu. Empirical Analysis of the Relationship between Chinas Energy Consumption and Economic Growth [J]. Journal of Liaoning Technical University： Social Science Edition， 2008，（3）： 248-251.]

[13]Hwang D K， Gum B. The Causal Relationship between Energy and GNP： the Case of Taiwan [J]. Journal of Energy and Development， 1992，（12）： 219-226.

[14]Ebohon O J. Energy， Economic Growth and Causality in Developing Countries： A case study of Tanzania and Nigeria [J]. Energy Policy， 1996， 24（5）： 447-453.

[15]Yang H Y. A Note of the Causal Relationship between Energy and GDP in Taiwan [J]. Energy Economics， 2000，（22）： 309-317.

[16]AsafuAdjaye J. The Relationship between Energy Consumption， Energy Prices and Economic Growth： Time Serious Evidence from Asian Developing Countries [J]. Energy Economics， 2000，（22）： 615-625.

[17]韩智勇，魏一鸣，焦建玲，等.中国能源消费与经济增长的协整性与因果关系分析[J].系统工程，2004，（12）：17-21.[Han Zhiyong， Wei Yiming， Jiao Jianling， et al. On the Cointegration and Causality between Chinese GDP and Energy Consumption [J]. Systems Engineering， 2004，（12）： 17-21.]

[18]杨宜勇，池振合.中国能源消费与经济增长关系研究——基于误差修正模型[J].经济与管理研究，2009，（9）：39-45.[Yang Yiyong， Chi Zhenhe. Energy Consumption and Economic Growth in China： Evidence from Error Correction Model [J]. Research on Economics and Management， 2009，（9）： 39-45.]

[19]Yu E S H， Hwang B K. The Relationship between Energy and GNP： Further Result [J]. Energy Economics， 1984，（6）： 168-190.

[20]Abosedra S， Baghestani H. New Evidence on the Causal Relationship between U.S. Energy Consumption and Gross National Product [J]. Journal of Energy and Development， 1989，（14）： 285-292.

[21]Chichilnisky G. NorthSouth Trade and the Global Environment [J]. The American Economic Review， 1994， 84（4）： 851-874.

[22]Ramanathan R. An Analysis of Energy Consumption and Carbon Dioxide Emissions in Countries of the Middle East and North Africa [J]. Energy， 2005， 30（15）： 2831-2842.

[23]Lu X D， Pan J H， YING C. Sustaining Economic Growth in China under Energy and Climate Security Constraints [J]. China and World Economy， 2006， 14（6）： 85-97.

[24]Chung Y H， Fare R， Grosskopf S. Productivity and Undesirable Outputs： A Directional Distance Function Approach [J]. Journal of Environmental Management， 1997，51（3）： 229-240.

[25]涂正革.环境、资源与工业增长的协调性[J].经济研究，2008，（2）：93-105.[Tu Zhengge. The Coordination of Industrial Growth with Environment and Resource [J]. Economic Research Journal， 2008，（2）： 93-105.]

[26]吴琦，武春友.基于DEA的能源效率评价模型研究[J].管理科学，2009，（1）：103-112.[Wu Qi， Wu Chunyou. Research on Evaluation Model of Energy Efficiency Based on DEA [J]. Journal of Management Sciences， 2009，（1）： 103-112.]

[27]何文强，汪明星.全要素能源效率的DEA模型评价——基于中国1991-2007年数据的实证检验[J].上海商学院学报，2009，（5）：92-96.[He Wenqiang， Wang Mingxing. Evaluation for the DEA Model in Calculating TotalFactor Energy Efficiency： An Empirical Test Based on Chinas Data from 1991 to 2007 [J]. Journal of ShangHai Business School， 2009，（5）： 92-96.]

[28]沈能.能源投入、污染排放与我国能源经济效率的区域空间分布研究[J].财贸经济，2010，（1）：107-113.[Shen Neng. A Study on Energy Input，Pollution Output and Spatial Distribution of Energy Efficiency of China [J]. Finance & Trade Economics， 2010，（1）： 107-113.]

[29]Young S M， Yang H S. Productive Energy Consumption and Economic Growth： An Endogenous Growth Model and its Empirical Application [J]. Resource and Energy Economics， 1996，（18）： 189-200.

[30]朱永彬，王铮，庞丽，等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报，2009，（8）：935-944.[Zhu Yongbin， Wang Zheng， Pang Li， et al. Simulation on Chinas Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path [J]. Acta Geographica Sinica， 2009，（8）： 935-944.]

[31]张清，陶小马，杨鹏.碳减排约束条件下的内生经济增长机制研究[J].经济理论与经济管理，2010，（11）：33-39.[Zhang Qing， Tao Xiaoma， Yang Peng. Endogenous Economic Growth under Restraints of Carbon Abatement [J]. Economic Theory and Business Management， 2010，（11）： 33-39.]

[32]Nordhuas W D. Managing the Global Commons： the Economics of Climate Change [M]. Cambridge： MIT Press， 1994.

[33]陈诗一.能源消耗、CO2排放与中国工业的可持续发展[J].经济研究，2009，（4）：41-55. [Chen Shiyi. Energy Consumption， CO2 Emission and Sustainable Development in Chinese Industry [J]. Economic Research Journal， 2009，（4）： 41-55.]

[34]Goldsmith R. A Perpetual Inventory of National Wealth [J]. NBER Studies in Income and Wealth， 1951，（14）： 5-61.

[35]王小鲁.中国经济增长的可持续性与制度变革[J].经济研究，2000，（7）：3-15，79.[Wang Xiaolu. Sustainability of Chinas Economic Growth and Institutional Changes [J]. Economic Research Journal， 2000，（7）： 3-15，79.]

[36]李治国，唐国兴.资本形成路径与资本存量调整模型——基于中国转型时期的分析[J].经济研究，2003，（2）：34-42，92.[Li Zhiguo， Tang Guoxing. The Capital Formation and the Capital Adjustment Model during the Chinas Transition [J]. Economic Research Journal， 2003，（2）： 34-42，92.]

[37]钱雪亚，王秋实，伊立夫.中国人力资本和物质资本存量：基于总资本框架的估算[J].商业经济与管理，2009，（3）：39-45.[Qian Xueya， Wang Qiushi， Yi Lifu. The Stock of Human Capital and Physical Capital in China： An Estimate Based on the Total Capital Framework [J]. Journal of Business Economics， 2009，（3）： 39-45.]

[38]Robert E H， Charles I J. Why do some Countries Produce so much more Output per Worker than Others？[J]. Quarterly Journal of Economics， 1999， 114（1）： 83-116.

[39]Perkins H D. Reforming Chinas Economic System[J]. Journal of Economic Literature， 1998， 26（2）： 601-645.

[40]胡永泰.中国全要素生产率：来自农业部门劳动力再配置的首要作用[J].经济研究，1998，（3）：33-41.[Hu Yongtai. The Total Productivity in China： the chief of Relocation of labor Forces [J]. Economic Research Journal， 1998，（3）： 33-41.]

[41]郭玉清.资本积累、技术变迁与总量生产函数——基于中国1980-2005年经验数据的分析[J].南开经济研究，2006，（3）：79-89.[Guo Yuqing. Capital Accumulation， Technical Change and Aggregate Production Function： A Study Based on Empirical Data from China between 1980 and 2005 [J]. Nankai Economic Studies， 2006，（3）： 79-89.]

[42]王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999.[Wang Huiwen. Partial LeastSquares RegressionMethod and Applications [M]. Beijing： National Defence of Industry Press， 1999.]

[43]唐启义.DPS数据处理系统：实验设计、统计分析及数据挖掘[M].北京：科学出版社，2010.[Tang Qiyi. DPS Data Processing System：Experimental Design， Statistical Analysis and Data Mining [M]. Beijing： Science Press， 2010.]

[44]刘晓，熊文，朱永彬，等.经济平稳增长下的湖南省能源消费量及碳排放量预测[J].热带地理，2011，（3）：310-315.[Liu Xiao， Xiong Wen， Zhu Yongbin， et al. Prediction on Energy Consumption and Carbon Emission Based on Steady Economic Growth of Hunan Province [J]. Tropical Geography， 2011，（3）： 310-315.]

[45]王金营，蔺丽莉.中国人口劳动参与率与未来劳动力供给分析[J].人口学刊，2006，（4）：19-24.[Wang Jinying， Lin Lili. Analysis on Labor Force Participation Rate and Labor Supply in the Future in China [J]. Population Journal， 2006，（4）： 19-24.]

[46]Barro R J， SalaIMartin X. Economic growth[M]. Cambridge： MIT Press， 1995.

[47]顾六宝，肖红叶.中国消费跨期替代弹性的两种统计估算方法[J].统计研究，2004，（9）：8-11. [Gu Liubao， Xiao Hongye. Two Statistical Methods to Estimate Intertemporal Substitution Elasticity of Consumption of China [J]. Statistical Research， 2004，（9）： 8-11.]

[48]顾六宝，肖红叶.基于消费者跨期选择的中国最优消费路径分析[J].统计研究，2005，（11）：39-43.[Gu Liubao， Xiao Hongye. The Path Analysis of Optimal Consumption of China based on Consumers Intertemporal Choice [J]. Statistical Research， 2005，（11）： 39-43.]

[49]李善同，吴三忙，何建武，等.入世10年中国经济发展回顾及前景展望[J].北京理工大学学报：社会科学版，2012，（3）：1-8.[Li Shantong， Wu Sanmang， He Jianwu， et al. Review and Prospect of Chinas Economy after Accession to the WTO Ten Years [J]. Journal of Beijing Institute of Technology： Social Sciences Edition， 2012，（3）： 1-8.]

[50]高鹏飞，陈文颖，何建坤.中国的CO2边际减排成本[J].清华大学学报：自然科学版，2004， 44（9）：1192-1195.[Gao Pengfei， Chen Wenying， He Jiankun. Marginal Carbon Abatement Cost in China [J]. Journal of Tsinghua University： Science and Technology， 2004， 44（9）： 1192-1195.]

[51]韩一杰，刘秀丽.中国CO2减排的增量成本测算[J]. 管理评论，2010，（6）：100-105.[Han Yijie， Liu Xiuli. Measurement of Incremental Cost for CO2 Mitigation in China [J]. Management Review， 2010，（6）：100-105.]

[52]李陶，陈林菊，范英.基于非线性规划的我国省区碳强度减排配额研究[J]. 管理评论，2010，（6）：54-60.[Li Tao， Chen Linju， Fan Ying. Empirical Study for CO2 Abatement Allocation among Provinces in China： Based on a Nonlinear Programming Model [J]. Management Review， 2010，（6）：54-60.]

[53]公维凤.节能减排约束下省际经济增长优化多情景分析[J]. 中国经济问题，2012，（2）：23-32.[Gong Weifeng. Analysis of the Optimal Economic Growth under the Restriction of Energy Conservation and CO2 Emissions reduction of Provinces Based on Scenarios [J]. Economic Issues in China， 2012，（2）： 23-32.]

[41]郭玉清.资本积累、技术变迁与总量生产函数——基于中国1980-2005年经验数据的分析[J].南开经济研究，2006，（3）：79-89.[Guo Yuqing. Capital Accumulation， Technical Change and Aggregate Production Function： A Study Based on Empirical Data from China between 1980 and 2005 [J]. Nankai Economic Studies， 2006，（3）： 79-89.]

[42]王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999.[Wang Huiwen. Partial LeastSquares RegressionMethod and Applications [M]. Beijing： National Defence of Industry Press， 1999.]

[43]唐启义.DPS数据处理系统：实验设计、统计分析及数据挖掘[M].北京：科学出版社，2010.[Tang Qiyi. DPS Data Processing System：Experimental Design， Statistical Analysis and Data Mining [M]. Beijing： Science Press， 2010.]

[44]刘晓，熊文，朱永彬，等.经济平稳增长下的湖南省能源消费量及碳排放量预测[J].热带地理，2011，（3）：310-315.[Liu Xiao， Xiong Wen， Zhu Yongbin， et al. Prediction on Energy Consumption and Carbon Emission Based on Steady Economic Growth of Hunan Province [J]. Tropical Geography， 2011，（3）： 310-315.]

[45]王金营，蔺丽莉.中国人口劳动参与率与未来劳动力供给分析[J].人口学刊，2006，（4）：19-24.[Wang Jinying， Lin Lili. Analysis on Labor Force Participation Rate and Labor Supply in the Future in China [J]. Population Journal， 2006，（4）： 19-24.]

[46]Barro R J， SalaIMartin X. Economic growth[M]. Cambridge： MIT Press， 1995.

[47]顾六宝，肖红叶.中国消费跨期替代弹性的两种统计估算方法[J].统计研究，2004，（9）：8-11. [Gu Liubao， Xiao Hongye. Two Statistical Methods to Estimate Intertemporal Substitution Elasticity of Consumption of China [J]. Statistical Research， 2004，（9）： 8-11.]

[48]顾六宝，肖红叶.基于消费者跨期选择的中国最优消费路径分析[J].统计研究，2005，（11）：39-43.[Gu Liubao， Xiao Hongye. The Path Analysis of Optimal Consumption of China based on Consumers Intertemporal Choice [J]. Statistical Research， 2005，（11）： 39-43.]

[49]李善同，吴三忙，何建武，等.入世10年中国经济发展回顾及前景展望[J].北京理工大学学报：社会科学版，2012，（3）：1-8.[Li Shantong， Wu Sanmang， He Jianwu， et al. Review and Prospect of Chinas Economy after Accession to the WTO Ten Years [J]. Journal of Beijing Institute of Technology： Social Sciences Edition， 2012，（3）： 1-8.]

[50]高鹏飞，陈文颖，何建坤.中国的CO2边际减排成本[J].清华大学学报：自然科学版，2004， 44（9）：1192-1195.[Gao Pengfei， Chen Wenying， He Jiankun. Marginal Carbon Abatement Cost in China [J]. Journal of Tsinghua University： Science and Technology， 2004， 44（9）： 1192-1195.]

[51]韩一杰，刘秀丽.中国CO2减排的增量成本测算[J]. 管理评论，2010，（6）：100-105.[Han Yijie， Liu Xiuli. Measurement of Incremental Cost for CO2 Mitigation in China [J]. Management Review， 2010，（6）：100-105.]

[52]李陶，陈林菊，范英.基于非线性规划的我国省区碳强度减排配额研究[J]. 管理评论，2010，（6）：54-60.[Li Tao， Chen Linju， Fan Ying. Empirical Study for CO2 Abatement Allocation among Provinces in China： Based on a Nonlinear Programming Model [J]. Management Review， 2010，（6）：54-60.]

[53]公维凤.节能减排约束下省际经济增长优化多情景分析[J]. 中国经济问题，2012，（2）：23-32.[Gong Weifeng. Analysis of the Optimal Economic Growth under the Restriction of Energy Conservation and CO2 Emissions reduction of Provinces Based on Scenarios [J]. Economic Issues in China， 2012，（2）： 23-32.]

[41]郭玉清.资本积累、技术变迁与总量生产函数——基于中国1980-2005年经验数据的分析[J].南开经济研究，2006，（3）：79-89.[Guo Yuqing. Capital Accumulation， Technical Change and Aggregate Production Function： A Study Based on Empirical Data from China between 1980 and 2005 [J]. Nankai Economic Studies， 2006，（3）： 79-89.]

[42]王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999.[Wang Huiwen. Partial LeastSquares RegressionMethod and Applications [M]. Beijing： National Defence of Industry Press， 1999.]

[43]唐启义.DPS数据处理系统：实验设计、统计分析及数据挖掘[M].北京：科学出版社，2010.[Tang Qiyi. DPS Data Processing System：Experimental Design， Statistical Analysis and Data Mining [M]. Beijing： Science Press， 2010.]

[44]刘晓，熊文，朱永彬，等.经济平稳增长下的湖南省能源消费量及碳排放量预测[J].热带地理，2011，（3）：310-315.[Liu Xiao， Xiong Wen， Zhu Yongbin， et al. Prediction on Energy Consumption and Carbon Emission Based on Steady Economic Growth of Hunan Province [J]. Tropical Geography， 2011，（3）： 310-315.]

[45]王金营，蔺丽莉.中国人口劳动参与率与未来劳动力供给分析[J].人口学刊，2006，（4）：19-24.[Wang Jinying， Lin Lili. Analysis on Labor Force Participation Rate and Labor Supply in the Future in China [J]. Population Journal， 2006，（4）： 19-24.]

[46]Barro R J， SalaIMartin X. Economic growth[M]. Cambridge： MIT Press， 1995.

[47]顾六宝，肖红叶.中国消费跨期替代弹性的两种统计估算方法[J].统计研究，2004，（9）：8-11. [Gu Liubao， Xiao Hongye. Two Statistical Methods to Estimate Intertemporal Substitution Elasticity of Consumption of China [J]. Statistical Research， 2004，（9）： 8-11.]

[48]顾六宝，肖红叶.基于消费者跨期选择的中国最优消费路径分析[J].统计研究，2005，（11）：39-43.[Gu Liubao， Xiao Hongye. The Path Analysis of Optimal Consumption of China based on Consumers Intertemporal Choice [J]. Statistical Research， 2005，（11）： 39-43.]

[49]李善同，吴三忙，何建武，等.入世10年中国经济发展回顾及前景展望[J].北京理工大学学报：社会科学版，2012，（3）：1-8.[Li Shantong， Wu Sanmang， He Jianwu， et al. Review and Prospect of Chinas Economy after Accession to the WTO Ten Years [J]. Journal of Beijing Institute of Technology： Social Sciences Edition， 2012，（3）： 1-8.]

[50]高鹏飞，陈文颖，何建坤.中国的CO2边际减排成本[J].清华大学学报：自然科学版，2004， 44（9）：1192-1195.[Gao Pengfei， Chen Wenying， He Jiankun. Marginal Carbon Abatement Cost in China [J]. Journal of Tsinghua University： Science and Technology， 2004， 44（9）： 1192-1195.]

[51]韩一杰，刘秀丽.中国CO2减排的增量成本测算[J]. 管理评论，2010，（6）：100-105.[Han Yijie， Liu Xiuli. Measurement of Incremental Cost for CO2 Mitigation in China [J]. Management Review， 2010，（6）：100-105.]

[52]李陶，陈林菊，范英.基于非线性规划的我国省区碳强度减排配额研究[J]. 管理评论，2010，（6）：54-60.[Li Tao， Chen Linju， Fan Ying. Empirical Study for CO2 Abatement Allocation among Provinces in China： Based on a Nonlinear Programming Model [J]. Management Review， 2010，（6）：54-60.]

[53]公维凤.节能减排约束下省际经济增长优化多情景分析[J]. 中国经济问题，2012，（2）：23-32.[Gong Weifeng. Analysis of the Optimal Economic Growth under the Restriction of Energy Conservation and CO2 Emissions reduction of Provinces Based on Scenarios [J]. Economic Issues in China， 2012，（2）： 23-32.]