APP下载

中部六省经济增长方式对区域碳排放的影响

2015-07-13齐绍洲等

中国人口·资源与环境 2015年5期

齐绍洲等

摘要

本文综合运用Tapio脱钩模型、面板协整检验、滞后期工具变量法和碳排放峰值预测,使用1995-2012年的18年长面板数据,研究中部六省经济增长方式对区域碳排放的影响。研究思路是先用Tapio脱钩模型考察中部各省经济增长与碳排放总量、人均碳排放量和碳强度之间的关系,找到中部各省的个体差异和共性,接着检验经济增长与碳排放是否存在长期均衡,在确定两者存在长期均衡的基础上进一步运用省际面板数据和滞后期工具变量具体考察中部六省经济增长中产业结构、能源结构、城镇化水平、对外贸易和技术进步与碳排放总量和碳强度的关系,归纳经济增长方式对区域碳排放的影响,最后根据回归方程和中部六省的基础数据预测碳排放峰值的到来时间。得出中部六省经济增长对于化石能源的依赖程度经历了由弱到强再到弱的过程,经济增长方式经历了一个由集约到粗放再回到相对集约的过程;经济增长与碳排放之间存在协整关系,中部六省人均GDP增长对人均碳排放增长的贡献弹性还很大,即人均GDP每升高1%,碳排放总量会上升1.246 7%;中部六省存在碳排放和碳强度环境库兹涅茨曲线,火力发电对中部六省的碳排放和碳强度产生正的影响,前后两年间火力发电比例每提高1%,中部六省内碳排放量和碳强度将分别提高0.505 1%和0.370 3%,第二、第三产业的发展和技术进步有利于中部六省的碳减排工作,前后两年间的第二产业占GDP比重、第三产业占GDP比重和研发强度代表的技术进步每提高1%,中部六省碳排放量将会分别降低2.286 1%、3.845 3% 和48.167 6%,碳强度将会分别下降1.919 4%、3.163 0%、48.996 4%,城镇化和地区开放程度对中部六省的碳排放影响不显著,中部六省经济增长方式对区域碳排放量和碳强度的影响是一致的;目前各省均已越过碳强度峰值,但还远未越过碳排放峰值。在经济“新常态”下,通过强化中部六省碳减排的协同合作和跨区域治理,打造中部碳交易市场和碳金融中心,调整产业结构、促进技术进步,积极发展低碳产业,中部六省很有可能提前在2030年前达到碳排放峰值。

关键词中部六省;区域碳减排;Tapio脱钩模型;滞后期工具变量法

中图分类号F206;F062.2文献标识码A文章编号1002-2104(2015)

中部六省的四省都处在长江经济带的腹地,目前正处于重化工业和城镇化的关键阶段,在经济新常态的背景下,处理好经济增长和碳排放的关系对我国长江经济带战略的实施至关重要,据测算中部六省碳排放量占全国的24%,定量研究中部六省经济增长方式对其碳排放的影响程度,有助于其制定更加合理的节能减排政策和增长方式转变,力争提前达到碳排放峰值,为全国2030年左右达到碳排放峰值做出更大贡献。

近些年来,国内外学界关于中国经济增长与碳排放关系研究的论文增多,在研究对象上主要分为国家层面、全行业层面和区域层面三个维度。徐国泉等[1]、林伯强和蒋竺均[2]、许广月和宋德勇[3]、李锴和齐绍洲[4]、Lei Meng等[5]、申萌等[6]分别运用因素分解、面板数据协整、滞后期工具变量等方法在国家层面上进行了研究,发现我国东、中、西部经济增长与碳排放的关系存在较大差异,经济增长方式的转变有利于减少全国碳排放;在工业部门层面上陈诗一[7]、何小刚和张耀辉[8]、王班班和齐绍洲[9]分别运用动态面板、STIRPAT模型、要素替代等方法研究了经济增长、能源强度、技术进步、产业结构与碳排放之间的关系,得出我国工业节能减排势在必行,并探析了降低能源强度从而减少碳排放的路径;刘竹等[10]、谢守红和牛水霞[11]、郭彬和逯雨波[12]运用脱钩模型、格兰杰因果分析、超效率DEA模型等方法,分别在中国五个低碳试点省份、长江三角洲、中部六省这些区域层面上进行了研究,给我国区域节能减排提供了建议。根据上述研究现状,笔者发现中国经济增长与碳排放关系研究存在以下三点不足:第一,研究对象多集中在国家层面和全行业部门层面,对区域层面的研究较少。第二,在区域层面的研究文献所用的方法不够契合,例如运用时间序列数据来研究区域间的经济增长与碳排放关系显然不能全面地反映各省之间的横向关系,格兰杰因果分析无法解决经济增长与碳排放之间的内生性问题等。第三,中部六省区域层面的研究在方法的运用上还有一定的局限性。

中部六省是我国的人口大区也是国家产业转移的重要承接地,重化工的工业结构使这一区域经济增长对化石能源的需求较大,成为我国的碳排放大区,但近年来该区域碳强度有下降趋势。因此笔者选择中部六省为研究对象,从经济增长方式中挖掘影响该区域碳排放的因素,为制定更有效的区域节能减排政策和协同合作提供依据。本文创新之处在于综合运用Tapio脱钩模型、面板协整检验、峰值预测和解决内生性问题的面板数据滞后期工具变量法研究中部六省经济增长方式对区域碳排放的影响。本文的研究思路是先考察中部各省经济增长与碳排放总量、人均碳排放量和碳强度之间的关系,找到中部各省的个体差异和共性,接着检验经济增长与碳排放是否存在长期均衡,在确定两者存在长期均衡的基础上进一步运用省际面板数据和滞后期工具变量具体考察中部六省区经济增长中产业结构、能源结构、城镇化水平、对外贸易和技术进步这些因素与碳排放总量和碳强度的关系,归纳中部经济增长方式对区域碳排放的影响。最后根据回归方程和中部六省的基础数据预测碳排放峰值的到来时间。结构安排如下:第二部分是数据说明与模型构建;第三部分是计算分析与实证;第四部分是结论与政策建议。

1数据说明与模型构建

1.1数据来源与处理

本文对中部六省碳排放量估算主要依据化石能源的消费量,包括煤炭、焦炭、原油、汽油、柴油、煤油、燃料油、天然气八种化石能源。因最新的权威能源数据截止到2012年,我们采用中部六省1995年到2012年的18年长面板数据,数据来自1996-2013年的《中国统计年鉴》和《中国能源统计年鉴》。碳排放量的测算公式参考IPCC(2006)。地区生产总值选择1995年为基期并调整为不变价格。

1.2中部六省Tapio脱钩模型构建

近几年来,国内一些学者用“脱钩”概念及其指标来反映经济增长与二氧化碳排放之间的关系。Tapio根据脱钩弹性值的大小,将脱钩状态细分为强脱钩、弱脱钩、弱负脱钩、强负脱钩、扩张性负脱钩、扩张性连接、衰退脱钩、衰退连接八种状态。强脱钩指经济持续增长,碳排放量增长指数呈现与经济增长反方向变动关系,即负增长,环境压力弹性值在-∞至0之间;弱脱钩指经济稳定增长,碳排放量虽有所增长,但其增长幅度不及生产总值增长幅度,脱钩弹性值处于0至0.8之间;弱负脱钩指经济处于负增长状态,碳排放也负增长,不过碳排放减量速度比经济增长减速幅度小,弹性值处于0至0.8之间;强负脱钩指经济负增长,碳排放却仍趋于上升,弹性值为-∞至0之间;扩张性连接指碳排放量随经济增长以大致同比例速度上升,二者呈现线性关系,弹性系数值处于0.8至1.2区间;扩张性负脱钩是指碳排放量伴随着经济增长以更高的速度上升,脱钩弹性值一般大于1.2;衰退性连接指经济负增长,碳排放呈现同比例负增长状态,弹性值在0.8至1.2之间;衰退性脱钩指经济负增长,碳排放量同样呈现负增长,其负增长速率大于经济的萎缩,弹性值大于1.2。中部六省地区生产总值从1995年到2012年的年均增长均高于10%,故不存在强负脱钩、弱负脱钩、衰退性连接和衰退性脱钩四种状态,只可能出现强脱钩、弱脱钩、扩张性负脱钩或扩张性连接四种状态。为了全面地反映中部六省碳排放和经济增长之间脱钩状态,本文采用碳排放总量、人均碳排放量、碳强度三个指标,分别测算其与经济增长之间脱钩状态的弹性值(见表1)。Tapio脱钩模型弹性系数值计算公式如下:

e(TCO2GDP)=%△TCO2/%△GDP (1)

e(PCO2GDP)=%△PCO2/%△GDP (2)

e(GCO2GDP)=%△GCO2/%△GDP (3)

式中,%△TCO2、%△PCO2和%△GCO2分别表示从基期到末期的碳排放总量、人均碳排放量和碳强度的增长,%△GDP表示从基期到末期地区生产总值的增长幅度。中部六省碳排放与经济增长脱钩弹性值测算,基期至末期为1995年至2012年,中部六省地区生产总值、人口数据以《中国统计年鉴》为依据。将1.1节估算的碳排放总量、人均碳排放量和碳强度数据代入公式(1)、(2)、(3),得到三者与经济增长的脱钩弹性值(见表2)。

1.3中部六省EKC模型构建

环境库兹涅茨假说( Environmental Kuznets Hypothesis,EKC) 表明,经济增长和环境污染之间呈倒U 型的关系,环境质量随着经济增长的积累呈先恶化后改善的趋势。为了更进一步研究中部六省经济增长方式对区域碳排放的影响因素,本文引入中部六省的面板数据构建模型。

lncit=α1(lnyit)2+α2lnyit+ X′itβ+δt+ηi+εit (4)

其中,i表示省区截面单元,i = 1,2,…,6;t表示时间;lncit以碳排放总量和碳强度的对数来表示;lnyit表示各省区人均实际GDP的对数,反映各省区人均收入;δt表示时间非观测效应,主要反映经济增长以外随时间变化的因素所发生的影响,例如环境政策、能源价格变化、节能减排技术的变化等。ηi表示地区非观测效应,反映了省际间持续存在的差异,诸如由于资源禀赋的差异所导致的不同碳排放模式、规制的差别、偏好差异等。εit是与时间和地区都无关的随机误差项。X是其它控制变量,包括城镇化率、第二、第三产业占GDP比重等。方程(4)是基本计量回归模型,若不考虑方程中的内生性解释变量直接进行回归,结果将是不一致的和有偏的。本文中人均地区生产总值与碳排放量可能存在互为因果的情况,因此在面板模型中使用工具变量法进行估计,考虑到经济增长对碳排放的滞后性,本期的经济增长会对下一期的碳排放产生作用,我们采用滞后期工具变量来控制和解决相关变量的内生性问题。

本文选取了人均收入、城镇化率、第二产业占GDP比重、第三产业占GDP比重、地区开放程度、技术进步以及火力发电比例这些体现中部六省经济增长方式的变量(见表1),各变量选取的经济意义以及构建情况说明如下,相关数据来源于历年的《中国统计年鉴》和各省统计年鉴:

人均GDP(y)。大量研究指出,污染排放量和人均收入之间存在倒U 型关系,本文以人均GDP作为人均收入指标,在回归方程中同时加入人均GDP 的一次项和二次项,并取对数形式。为保证可比性,以1995年为基期,通过GDP指数分别得到中部各省1995-2012年的实际GDP。

城镇化水平(urban)。城镇化水平提高会创造基础设施和住宅投资需求,相应地,水泥、建材和钢铁等高耗能行业可能出现增长势头,对未来中部六省的碳排放产生影响。这一指标以城镇化率来衡量。

第二产业占GDP比重(si)。第二产业是指采矿业,制造业,电力、燃气及水的生产和供应业,建筑业,其发展会对中部六省的碳排放产生影响,这一指标以第二产业占GDP比重来衡量。

第三产业占GDP比重(ti),第三产业包括流通和服务两大部门,长远看其发展情况对中部六省的碳减排有积极的影响,这一指标以第三产业占GDP比重来衡量。

地区开放度(open)。对外贸易是双刃剑,可能会使能源消耗、环境污染等压力越来越大,制约经济可持续发展。本文以中部各省按境内目的地和货源地分货物进出口总额与地区生产总值的比值反映地区开放度。用地区进出口总额、地区生产总值(当年价)以及人民币汇率(年平均价)等数据计算得出。

研发强度(rd)。在未来,技术进步将大大提高优质能源的可获得性,由此将会对能源消费结构和碳排放产生巨大的影响。本文以中部各省的技术市场成交额与GDP之比来衡量。

火力发电比例(tp)。火力发电可以反映地区的能源结构,中部六省的煤炭资源相对丰富,火力发电仍占有很大比例。本文以火力发电量占总发电量的比例来衡量。

2计算分析与实证

2.1脱钩结果分析

因篇幅有限,这里把中部六省的脱钩状态分析分为1995-2000年、2000-2006年、2006-2012年三个阶段如表2,我们可以看到中部各省在1995年-2000年这个阶段经济增长与碳排放的关系属于脱钩状态,碳排放总量脱钩弹性、人均碳排量脱钩弹性,碳强度脱钩弹值性都很小,经济增长对碳排放的促进作用不大,甚至山西、湖北、湖南三个省份出现了三个指标同时强脱钩的状态,说明三个省份的经济增长方式处于资源节约和环境友好的状态;2000年-2006年这个阶段是中部各省经济增长与碳排放显著正相关的阶段,除安徽省外其余五省的三个脱钩弹性值都超过0.8,进入了扩张性连接阶段,其中湖南省甚至出现了扩张性负脱钩的状态,碳排放增长达到经济增长的将近两倍,说明这个阶段中部六省的高速经济增长对化石能源

的依赖程度很大,是一种粗放的经济增长方式;2006-

2012年是经济增长与碳排放回归合理的阶段,各省的经济依旧处于高增长阶段,碳排放的增长放缓,经济增长方式由粗放型转变为相对集约型,碳排放总量脱钩弹性和人均碳排放脱钩弹性均为弱脱钩状态。总体来看中部六省经济增长对化石能源的依赖程度经历了由弱到强再到弱的过程,经济增长方式经历了一个由集约到粗放再回到相对集约的过程,经济增长并未使碳强度明显增加。

考察中部六省经济增长方式对区域碳排放的影响因素,只研究经济增长和碳排放两者是不够的,各省在全国的功能定位、资源禀赋不同也会影响到区域碳排放,例如山西省是煤炭大省,河南省是粮食大省,湖北省是传统工业大省,因此我们接下来进一步做实证分析。

2.2面板数据单位根检验和协整检验

为了避免伪回归,必须对各面板序列的平稳性进行检验。本文选择用Levin,Lin和Chu检验,Im,Pesaran,Shin Wstat检验,Breitung检验和PPFisher Chisquare检验这四种检验方法(见表3)。四种方法中所有变量的一阶差分值都在1%的检验水平上具有显著性。

由检验结果可知lnCO2、lnpergdp和lnpergdp2是一阶单整的,接下来采用Kao和Pedroni检验和Johansen检验做面板协整检验。对样本进行Hausman检验结果显示P=0.000 0,所以检验时应当选择固定效应模型的面板数据模型(因篇幅有限检验结果从略)。由检验结果可知,固定

效应的面板数据模型估计结果形成平稳的残差序列,因此,序列lnCO2、lnpergdp和lnpergdp2之间存在着相互协整的关系。表明存在着长期的均衡关系,即中部六省经济增长与碳排放之间具有真实的长期稳定关系,以lnpergdp为自变量得出协整方程为:

lnpergdp=-3.383+1.246 7lnCO2

协整方程表明:碳排放和人均GDP之间存在一种长

期的平稳关系,二者呈现正相关趋势,人均GDP每增长1%会引起碳排放增加1.246 7%,说明中部六省碳排放随着经济增长在持续攀升。

2.3回归结果分析

本文采用加入时间趋势变量lnt以控制政策、技术等对各省区碳排放的共同影响,表4是因变量分别为碳排放量自然对数和碳强度自然对数的回归结果,之前我们通过Hausman 检验结果显示固定效应更优一些,因此模型1、2 用固定效应模型估计了回归方程(4)。从模型1的结果可以看出,中部六省的人均GDP的一次项、二次项的系数在统计上显著,人均GDP的二次项的系数为负,这说明人均GDP与碳排放量、碳强度均成倒U型关系,环境库兹涅茨假说成立。为了检验模型1的稳健性,我们在模型1的基础上增加了城镇化率、第二产业占GDP比重、第三产业占GDP比重、地区开放程度、研发强度以及火力发电比例六个控制变量得到模型2,从回归结果来看,人均GDP的二次项在1%水平显著为负,环境库兹涅茨假说仍然成立。为了解决模型2存在的内生性问题,我们采用滞后期工具变量策略,以内生变量中部六省人均GDP对数的滞后一期和人均GDP对数二次项的滞后一期作为当期值的工具变量得到模型3。经检验发现,滞后期的内生变量(工具变量)与当期值有较强的相关性,通过当期值对碳排放产生影响,而当期的碳排放对前一期的内生变量则没有影响,因此工具变量选择符合要求。

从模型3的估计结果看,人均GDP的二次项显著为负,环境库兹涅茨假说仍然成立,人均GDP的一次项、二次项均通过1%水平显著,说明滞后期工具变量起到了很好的作用;地区开放度变量,城镇化指数变量都不显著,说明中部六省的对外贸易和城镇化建设并没有对碳排放量增大和碳强度提高有明显影响;第二产业占GDP比重、第三产业占GDP比重和技术进步对中部六省的碳排放和碳强度影响很大,而且估计系数都在1%水平显著为负,表明前后两年间第二产业占GDP比重、第三产业占GDP比重和研发强度代表的技术进步每提高1%,中部六省碳排放量将会分别降低2.286 1%、3.845 3% 和48167 6%,碳强度将会下降1.919 4%、3.163 0%、48996 4%,再与模型2的相同系数比较后发现,在加入滞后期工具变量后第二产业对碳排放和碳强度下降的贡献有所下降,第三产业和技术进步对碳排放和碳强度下降的贡献明显提升。和预期不同的是第二产业占比对碳排放和碳强度的下降都起到了积极作用,可能是近十年中部各省淘汰落后产能、引进先进设备、积极节能减排的成效。火力发电比例对中部六省的碳排放和碳强度有正的显著影响,模型3的估计系数分别通过1%和5%,说明前后两年间火力发电比例每提高1%,中部六省内碳排放量和碳强度将分别提高0505 1%和0370 3%。这些结果都比较符合经济理论的预期,另外我们还发现中部六省经济增长方式对区域碳排放量和碳强度的影响是一致的。

2.4中部六省碳强度峰值和碳排放峰值预测

根据模型3的回归结果并剔除不显著的控制变量,我们可以将系数带入方程(4)分别得到中部六省的碳排放方程和碳强度方程如下:

lnCit=(-0.298)(lnyit)2+(6.348 8)lnyit-(2.286 1)siit-(3.845 3)tiit-(48.167 6)rdit+(0.505 1)tpit-(0.110 2)lntit-20.663 1 (5)

lnciit=(-0.307 2)(lnyit)2+(5.473 9)lnyit-(1.919 4)Siit-(3.163 0)tiit-(48.996 4)rdit+(0.370 3)tpit-(0.172 9)lntit-11.580 5 (6)

根据二次曲线求顶点公式,在不考虑代表经济增长方式的产业结构和研发强度等控制变量的前提下,我们可以预测得到中部六省碳排放峰值为544 863.285 3 万 t,峰值人均GDP(以1995年为基期,下同)为44 274.81 元,中部六省碳强度峰值为384 232.183 6 t/亿元,峰值人均实际GDP为7 689.93 元。这与1.1节估算的中部六省面板数据中各省的碳强度峰值人均实际GDP数据相一致,与碳排放数据和碳强度数据的走势相一致,但是预测的碳排放峰值和碳强度峰值显然过大,现实中中部六省的碳强度峰值204 846.2 t/亿元,仅达到预测值的一半,这充分说明近些年中部六省转变经济增长方式带来了成效,产业结构调整和技术进步等因素使中部六省碳强度EKC曲线变得平缓,峰值降低。根据对中部六省1995-2012年面板数据的测算结果,中部各省的人均实际GDP增长率在10%以上,2012年中部六省的人均实际GDP均值已达19 589.68 元。在经济“新常态”下,我们保守估计中部六省接下来每年的人均实际GDP增长率为5%的情况下,到2029年人均实际GDP也将达到44 899.91 元,提前到达预测的峰值人均GDP 44 274.81 元,并且考虑到接下来中部六省产业结构优化、技术进步等因素对碳减排的促进作用,可以推测中部六省碳排放EKC曲线会变得平缓,碳排放实际峰值会降低。

3结论与政策建议

本文通过Tapio脱钩模型、协整分析、面板数据的滞后期工具变量法和EKC模型峰值预测这些方法量化研究了中部六省经济增长方式对区域碳排放的影响,得出以下结论:

第一,归纳各类脱钩指标值,我们得出中部六省经济增长对于化石能源的依赖程度经历了由弱到强再到弱的过程,经济增长方式经历了一个由集约到粗放再回到相对集约的过程。

第二,中部六省经济增长与碳排放之间存在协整关系。在长期均衡关系中,中部六省人均GDP增长对人均

碳排放增长的贡献弹性是1.246 7。

第三,面板模型计量结果显示,中部六省存在碳排放和碳强度环境库兹涅茨曲线,火力发电对中部六省的碳排放和碳强度产生正的影响,前后两年间火力发电比例每提高1%,中部六省内碳排放量和碳强度将分别提高0.505 1%和0.370 3%,第二、第三产业的发展和技术进步有利于中部六省的碳减排工作,前后两年间第二产业占GDP比重、第三产业占GDP比重和技术进步每提高1%,中部六省内碳排放量将会分别下降2.286 1%、3.845 3% 和48.167 6%,碳强度将会下降1.919 4%、3.163 0%、48.996 4%,城镇化和地区开放程度对中部六省的碳排放影响不显著。

第四,中部六省碳强度峰值和碳排放峰值预测显示,目前各省均已越过碳强度峰值,还未越过碳排放峰值,经济增长方式的转变使碳强度EKC曲线变得平缓,并提前达到碳强度峰值,经济增长方式对区域碳排放量和碳强度影响具有一致性。在经济“新常态”下,中部六省也将提前到达预测的峰值人均GDP,可以推测中部六省碳排放EKC曲线会变得平缓,碳排放实际峰值会降低。

本文的政策含义如下:

中部六省经济增长方式转变对区域碳减排起到了促进作用,但是各省还存在差异,因此强化中部六省碳减排的协同合作和跨区域治理势在必行,在经济“新常态”的大背景下,争取通过跨区域合作,充分利用湖北省碳排放权交易试点,积极打造中部碳交易市场和碳金融中心,引入更多社会和金融资源,以更低的成本来进行节能减排。中部六省的经济增长对碳排放的依赖程度依然较高,要采取措施降低GDP增长对碳排放增长的贡献弹性,调整产业结构,大力度淘汰高耗能产业,加大科技投入和对新能源的研发工作,提升能效水平,加快能源消费结构调整,尽量降低化石能源消耗比重、提高低碳能源消费比重,积极推广可再生能源使用,实现产业低碳化发展。

(编辑:王爱萍)

参考文献(References)

[1]徐国泉,刘则渊,姜照华. 中国碳排放的因素分解模型及实证分析:1995-2004[J]. 中国人口·资源与环境,2006,16(6):158-161.[Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Decomposition Model and Empirical Study of Carbon Emissions for China,1995-2004 [J]. China Population,Resources and Environment,2006,16(6): 158-161.]

[2]林伯强,蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界,2009,(4):27-36.[Lin Boqiang, Jiang Zhujun. EKC Predict and Influence Factors Analysis of Chinas Carbon Emissions [J]. Management World, 2009, (4): 37-39.]

[3]许广月,宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J]. 中国工业经济,2010,(5):37-47.[Xu Guangyue, Song Deyong. An Empirical Study of the Environmental Kuznets Curve for Chinas Carbon Emissions——Based on Provincial Panel Data [J]. China Industrial Economics, 2010, (5): 37-47.]

[4]李锴,齐绍洲. 贸易开放、经济增长与中国二氧化碳排放[J]. 经济研究,2011,(11):60-72.[Li Kai, Qi Shaozhou. Trade Openness,Economic Growth and Carbon Dioxide Emission in China [J]. Economic Research Journal, 2011, (11): 60-72.]

[5]Lei Meng, Jue Guo, Jian Chai, et al. Chinas regional CO2 emissions: Characteristics,interregional transfer and emission reduction policies [J]. Energy Policy, 2011, 23(39): 6136-6144.]

[6]申萌,李凯杰,曲如晓. 技术进步、经济增长与二氧化碳排放:理论和经验研究[J]. 世界经济,2012,(7):83-100.[Shen Meng, Li Kaijie, Qu Ruxiao. Technological progress, economic growth and carbon dioxide emissions: theoretical and empirical research [J]. The Journal of World Economy, 2012, (7): 83-100.]

[7]陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究,2009,(4):41-45.[Chen Shiyi. Energy Consumption,CO2 Emission and Sustainable Development in Chinese Industry [J]. Economic Research Journal, 2009, (4): 41-45.]

[8]何小刚,张耀辉. 中国工业碳排放影响因素与CKC重组效应:基于STIRPAT模型的分行业动态面板数据实证研究[J]. 中国工业经济,2012,(5):26-35.[He Xiaogang, Zhang Yaohui. Influence Factors and Environmental Kuznets Curve Relink Effect of Chinese Industrys Carbon Dioxide Emission:Empirical Research Based on STIRPAT Model with Industrial Dynamic Panel Data [J]. China Industrial Economics, 2012, (5): 26-35.]

[9]王班班,齐绍洲. 有偏技术进步、要素替代与中国工业能源强度[J]. 经济研究,2014,(2):115-127.[Wang Banban, Qi Shaozhou. Biased Technological Progress,Factor Substitution and Chinas Industrial Energy Intensity [J]. Economic Research Journal, 2014, (2): 115-127.]

[10]刘竹,耿勇,薛冰,等. 中国低碳试点省份经济增长与碳排放关系研究[J]. 资源科学,2011,33(4):620-625.[Liu Zhu, Geng Yong, Xue Bing, et al. Relationships between Economic Growth and CO2 Emissions for LowCarbon Pilot Provinces in China [J]. Resources Science, 2011, 33(4): 620-625.]

[11]谢守红,牛水霞. 长江三角洲碳排放和经济增长、能源消耗的关联分析[J]. 工业技术经济,2012,(12):86-92.[Xie Shouhong, Niu Shuixia. Association Analysis of Yangtze River Delta Regions Carbon Emissions,Economic Growth and Energy Consumption [J]. Journal of Industrial Technological Economics, 2012, (12): 86-92.]

[12]郭彬,逯雨波. 我国中部六省节能减排效率测评及其影响因素分析:基于超效率DEA模型和Tobit模型[J]. 技术经济,2012,31(12):58-62.[Guo Bin, Lu Yubo. Evaluation on Energy Saving and Emission Reduction Efficiency and Analysis on Its Influential Factor:Based on SuperefficiencyDEA and Tobit Model [J]. Technology Economics, 2012, 31(12): 58-62.]