基于内生增长理论与GVAR模型的能源消费控制目标下经济增长与碳减排研究

崔百胜，朱 麟

(上海师范大学商学院，上海 200234)



基于内生增长理论与GVAR模型的能源消费控制目标下经济增长与碳减排研究

崔百胜，朱 麟

(上海师范大学商学院，上海 200234)

本文通过引入使用可替代能源生产的中间产品，构建能源约束和碳排放约束下的内生经济增长模型，并运用全局向量自回归(GVAR)模型，实证分析了具有空间关联性的中国各省(区市)能源消费控制对经济增长和碳排放的动态影响。研究结果表明：在不影响经济增长且受碳排放约束条件下完成能源消费总量考核的目标，可以通过研发可再生能源、提高碳排放清洁技术水平、增加碳基能源的边际产出等实现；能源消费总量的考核目标对能源消费强依赖地区约束性较强，对其余地区的约束力较弱，其余地区可节能潜力较强；能源结构逆向调整的存在使得控制能源消费总量对少部分省(区市)无法达到减排效果。进一步地，本文实证分析了目前节能减排实施过程中可能存在的问题：科技进步对能源结构顺向调整效果不显著、可再生新能源的研究效率低下，技术进步对碳排放清洁方面无显著效果；依靠传统能源价格的调整虽能有效减排却会抑制经济增长。

能源总量控制；GVAR模型；碳排放

1 引言

能源是国民经济的命脉，是促进人类社会发展的重要物质条件，无论是在发展中国家还是在发达国家，能源都被视为国家的重要战略资源。然而使用碳基能源煤炭、石油、天然气等会排放出大量二氧化碳，2010年世界银行的世界发展报告显示，如果碳排放导致全球气温比工业化前上升2℃以上，就可能会导致十亿多人口缺水、15%～30%的物种濒临灭绝，粮食安全和水资源问题也将更加突出。中国目前正处于城镇化和工业化加快发展阶段，能源消费量也持续快速增长。21世纪以来，中国的能源消费的年均增速达8%，2013年能源消费总量已达37.5亿吨标准煤，碳排放量达28.9万吨，能源消费和碳排放量均为世界第一大国。能源消费和碳排放的持续过快增长，已在一定程度上超出了中国的能源供给承受力和环境负荷能力。控制中国能源消费不仅是中国树立大国形象、提高国际地位的需要，更是中国未来经济可持续发展道路上刻不容缓的任务。为此，中国政府自2007年起对各省(区市)人民政府和千家重点企业进行单位GDP能耗控制，2013年起国家又将地区能源消费总量控制并入考核指标，实行“双考核”，以期通过控制能源消费总量倒逼经济结构转型，减少碳排放。中国各省(区市)在通过控制能源消费总量后是否会达到预期、潜力有多大，以及怎样控制才能达到目标，成为了本文的研究内容。

在理论研究方面，“能源消费——碳排放——经济增长”形成了一个复杂的系统，相关研究始于1973年中东战争引发石油危机后，早期的如Stiglitz[1]，Dasgupta和Heal[2]，以及Hartwick[3]等主要研究了耗竭性能源约束下新古典增长模型的最优经济增长路径。随着内生经济增长理论的出现和发展，王海建[4]，王庆晓等[5]很多学者将能源要素和环境约束引入内生增长模型，寻求最优经济增长路径。为了实现经济可持续增长，中国必须在能源消费与碳排放的双重约束下寻求最优经济增长路径。本文理论部分将在目前的研究基础上进一步深入分析能源消费与碳排放双重约束下的经济增长模型，为政府在不影响经济增长的条件下实施节能减排政策提供理论支持。

在实证研究方面，自Kraft和Kraft[6]运用Granger因果关系检验方法研究了美国的能源消费和经济增长之间的关系以后，大批的学者检验了不同国家或不同时期的能源消费与经济增长、碳排放之间的关系，近年主要的研究[7-12]结果显示，虽然能源消费、经济增长、碳排放之间的关系在不同国家或地区、不同时段的研究结果不尽相同，但是主要结论并不矛盾。首先，能源消费对宏观经济影响显著，能源消费的增加一般都会促进经济增长，尤其是在发展中国家，不过两者不一定会完全同步；其次，能源消费的增加往往会导致碳排放的增加。如何在不影响经济增长的情况下实现节能减排？这方面的最新研究成果大致可以分为以下三类：

(1)改变能源消费结构。Pereira等[13]认为由于不同的能源的减排边际成本不同，一旦考虑减排成本，转换能源政策可以在不影响经济活力的同时减少碳排放。巴曙松和吴大义[14]用同样的方法，利用中国1981～2008年的数据，得出类似结论，认为可以增加减排成本高和边际产品高的能源如天然气的使用量，同时减少减排成本低的能源如煤炭。但林伯强等[15]认为由于中国现阶段很多重要行业对煤炭和火电的依赖程度较高，要想依靠改变能源结构达到减排目的的空间并不大，应该重视其它方面的节能措施。蔡圣华等[16]也认为依靠消费结构升级带动产业升级是一个长期的过程，要想实现减排还必须依靠技术进步、提升非化石能源利用比重。

(2)提高能源使用效率。中国政府为了实现“十二五”期间单位 GDP 能耗下降16%的减排目标，采取了以提高能源效率为核心的节能减排政策，赵金楼等[17]研究认为，降低煤炭消费比重，向私有产权方向改制、提高能源价格、增加出口贸易、增加外资依存度等措施均能提高能源效率。但是薛澜等[18]认为能源效率的提高可能会产生潜在的“回弹效应”，即提高能源使用效率所节约的能源消费会被因此导致的能源消费的上升所抵消。胡秋阳[19]得出，“回弹效应”可以在考虑产业侧重后有所减缓，低能耗产业能效提高的总体节能绩效优于高能耗产业。

(3)其它方面的改革，主要是税收，补贴以及市场机制改革的选择。林伯强和何晓萍[20]认为，如果对油气开采行业征收20%以下的资源税，对宏观经济造成的负面影响并不大。刘世锦和张永生[21]依据产权理论和外部性理论研究认为，如果各国排放权得到明确界定和严格保护，节能减排就会成为一种可获利的行为，这将为低碳经济发展模式替代高能耗高排放的传统发展模式提供驱动力。刘伟和李虹[22]在计算了中国2007年煤炭补贴规模和补贴率后，运用可计算一般均衡模型模拟发现，取消煤炭补贴可降低单位GDP二氧化碳排放1.78%。

中国不同地区、省份之间区位条件和经济基础差异较大，各地区间的经济活动具有很强关联性，而这种空间关联性对区域政策的实施以及作用效果影响显著，纵观现有文献，除了吴玉鸣和李建霞[23]与陈青青和龙志和[24]在空间关联性条件下分别研究了能源消费和碳排放的地区差异性外，尚未有学者在考虑空间关联性的基础上，对能源消费、经济增长和碳排放三者间动态关系进行研究。本文的实证分析将在考虑中国各省域空间关联性的基础上进行。

本文其余部分将作如下安排，第二部分在引入可替代能源的中间产品要素条件下，构建能源和碳排放双重约束的内生经济增长模型，得到能源消费控制和碳排放降低条件下实现经济增长的有效途径；第三部分构建具有空间关联的GVAR实证模型，并对变量数据进行说明；第四部分运用GVAR模型实证检验中国各省(区市)目前控制能源消费总量后的效果，并且进一步分析了不同类型的控制能源消费措施的影响。第五部分是结语，包括本文的主要结论和政策建议。

2 理论模型

为从理论上分析能源消费控制、碳排放约束与经济增长的内在机理，本文以内生经济增长理论为基础，构建宏观动态规划模型，求解能源与碳排放影子价格决定方程，比较碳基能源(化石能源)与可再生能源(水电、核电等)的产出增长的变动规律，分析能源消费控制、碳排放清洁技术与经济增长的关系。

2.1 基本模型

(1)生产函数。为了集中考察能源对经济增长的影响，本文假定劳动人口是外生给定，增长率为0且规模标准化为1。则生产函数假设为：

Y=AKαXβ

(1)

Y表示产出水平，A是生产技术系数，K是资本。能源主要包括碳基能源Z和可再生能源R。X表示由化石能源和可再生能源生产出的区别于一般产品的中间产品(包括运输)，X=(Zκ+Rκ)1/κ表示在生产中间产品时，化石能源Z和可再生能源R完全可替代。α和β分别表示资本和中间产品的产出弹性系数，满足α+β<1且α>0,β>0。

生产函数进一步可以表示为：

Y=AKα(Zκ+Rκ)β/κ

(2)

(2)资本的变化方程。假设产出主要用于消费和资本积累，资本变化方程可表示为：

(3)

式中，c表示消费水平。

(3)能源消费约束。假设碳基能源存量为S，可再生能源存量为T，增长速率为λ，化石能源存量和可再生能源存量的变化方程可以分别表示为：

(4)

(5)

(4)碳排放约束。假设影响碳排放的因素主要是能源消费和清洁技术进步情况。由计算碳排放量的因素分解法可知，碳排放与碳基能源消费量成正比，又由于碳排放具有明显的积累作用，且短期内环境的吸收净化能力有限，只有清洁生产技术可以实现碳减排。这样，碳排放随时间变化的方程可以表示为：

(6)

式中，C表示碳排放，η为碳基能源的碳排放系数，δ表示清洁技术进步率。

(5)代表性消费者效用函数。代表性消费者在既定的约束下，实现效用最大化。由能源消费产生的碳排放通过进入效用函数，影响消费者效用。所以，假定代表性消费者的效用函数为：

U(c,C)=(c1-θ-1)/(1-θ)+(Cμ-1-1)/(1-μ)

(7)

式中，θ表示相对风险厌恶系数，θ∈(0,1)；μ表示消费者对低碳环境的需求偏好，μ∈(0,1)。

(6)模型构建。本文在引入可替代能源中间产品要素后，能源和碳排放双重约束下，构建如下模型：

(8)

其中，ρ为贴现因子。

2.2 模型求解与结果分析

本模型是求解连续时间内，泛函积分最大化问题。其中控制变量为(c,R,Z)，状态变量(K,S,T,C)。可以通过构建现值Hamilton函数，实现最优化求解。其函数形式为：

H=U(c,C)+λ1(Y-c)+λ2(-Z)+λ3(λT-R)+λ4(ηZ-δC)

(9)

其中，λ1、λ2、λ3、λ4分别为资本、化石能源中间产品、可再生能源中间产品和碳排放量的影子价格。可以得出控制变量的一阶条件为：

∂H/∂c=c-θ-λ1=0

(10)

∂H/∂R=λ1∂Y/∂R-λ3=0

(11)

∂H/∂Z=λ1∂Y/∂Z-λ2+λ4η=0

(12)

状态变量的Euler方程分别为：

(13)

(14)

(15)

(16)

由控制变量的一阶条件(10)-(12)，与状态变量的欧拉方程(13)-(16)可以得到影子价格的重要关系式(17)-(20)：

(17)

(18)

(19)

(20)

从公式(17)和(18)可以看出，资本与化石能源影子价值的变化情况比较标准，与传统内生经济增长理论模型得出的结论一致。而关于可再生资源以及碳排放的影子价值的内涵则值得进一步探讨。从可再生资源影子价格变化方程(19)看出，其影子价值按折现率减去可再生资源增长率的速率增长。用在可再生资源上的科技投入越多，可再生资源的增长率则越高。碳排放影子价值的变动等于折现率加上碳排放产生环境污染带来的效用损失，再加上清洁技术进步率。

为进一步在可持续增长条件下，分析可再生能源对碳基能源的替代，我们在凯恩斯—拉姆齐规则下，分别给出碳基能源和可再生能源的最优提取条件。令YK=∂Y/∂K表示资本的边际产出，YZ=∂Y/∂Z表示碳基能源的边际产出，YR=∂Y/∂R表示可再生能源的边际产出。则由公式(11)和(12)可得两类能源边际产出的增长率公式：

(21)

(22)

等式(21)和(22)反映了两类能源的边际产出社会收益的增长率等于资本的边际产出减去美化环境所作努力的收益率，前者受可再生能源增长率的影响，后者则取决于消费者对低碳环境的偏好和清洁技术进步状况。

3 GVAR模型的构建与数据说明

3.1 具有空间关联的GVAR模型构建

全局向量自回归方法(GVAR)最早由Pesaran等[25]提出，与传统的VAR模型相比，GVAR模型的最大区别在于它构建了一个由各个相对独立的经济体或部门VARX*模型组成的全局系统，各个子模型相对独立，同时也可通过一定传导途径相互关联。张红、李洋、张洋[26]通过贸易矩阵将全球33个国家的模型相互关联，研究了中国经济增长对其它国家和地区能源消费与碳排放的影响。本文将循着他们的思路，运用空间权重矩阵关联国内各省(区市)的VARX*模型。

各地区VARX*模型的内生变量包括：经济增长y，用各地区的实际GDP表示，单位为亿元，基期为1989年；劳动投入la，用各地区的就业人口数表示，单位为万人；资本投入ca，用全社会固定资产投资表示当年的投资额，进而计算出当年的资本投入，以1989年为基期；能源消费en，用各地区的能源消费总量表示，单位为万吨标准煤；碳排放c，本文主要以碳基能源煤炭、石油、天然气的消费量为基准计算碳排放量，单位万吨。

碳排放的计算公式为：

ci=∑Sij×Ei×Fj

(23)

其中，ci表示第i个省的碳排放量，Sij表示第i个省第j种能源消费量的占比，Ei为第i个省的能源消费总量，Fj为各类能源的碳排放系数如表1所示。显然，能源消费总量相同时，能源消费结构中碳排放系数高的能源比例越高，碳排放量也越大。

表1 各类能源的碳排放系数

数据来源：国家发展和改革委员会能源研究所。

对应的其它地区的变量同样包括经济增长、劳动投入、资本存量、能源消费、碳排放，分别用y*、la*、ca*、en*、c*表示。全局变量为技术进步sci，和能源价格poil，sci用研究与试验发展经费支出额表示，这是国际上通用的衡量一个国家或地区科技投入强度以及科技发展水平的指标。本文假设每年各地区用于能源研发的经费占研究与试验发展经费支出额的比例不变，这样该指标的变化率可以完全反映能源改革的技术进步率。poil用布伦特原油价格表示，该价格是市场油价的标杆，是能源价格的代表性指标。

假设GVAR模型的传导途径分为三类：(1)各省(区市)的经济变量受到其它地区相对应的变量当期值和滞后值的影响；(2)各地区的变量受到全局变量的共同影响(本文为技术进步与能源价格)；(3)不同地区的变量当期冲击相互影响，这体现在误差的协方差矩阵中。各地区的VARX*模型结构如下：

(24)

Ai0zit=ai0+ai1t+Ai1zi,t-1+Ai2zi,t-2+μit

(25)

其中：Ai0=(Iki,-Γi0)，Ai1=(Φi1,Γi1)，Ai2=(Φi2,Γi1)。通过二进制空间邻近权值矩阵Wi继将每个地区的VARX*联立起来，建立GVAR模型，可以表示为：

G0xt=a0+a1t+G1xt-1+G2xt-2+μt

(26)

其中：

xt=b0+b1t+F1xt-1+F2xt-2+εt

(27)

扩展的GVAR不仅包括各地区的主要变量，还可以包括全局变量dt，本文中dt=(scit,poil)T。扩展的GVAR模型可以表示为：

(28)

3.2 数据来源及变量的描述性统计

鉴于数据的可得性，本文选取的数据时间跨度为1989～2013年，包括了29个省(区市)，其中，四川和重庆合并，未包括西藏、港、澳、台。经济增长、劳动投入、能源消费量、能源消费结构数据来源包括：历年的《中国统计年鉴》、《中国能源统计年鉴》、各地区的统计年鉴，《新中国60年统计资料汇编》，国家统计局数据库，中经网统计数据库。资本存量1989-2006年数据来自单豪杰[27]测算结果，以后部分依据其方法推算。为保证结果的准确性，本文采用EViews8.0的数据插值工具将年度值转化为季度值，这样本文的样本期间为1989Q1～2013Q4，每组时间序列数据包含100个观测值。布伦特原油价格数据来自彭博数据库，每季度价格为该季度所有交易日收盘价的均价。为了减少数据的异方差性干扰，所有数据均取其对数。表2给出了各变量原始数据的描述性统计。

表2 变量的描述性统计

4 实证结果分析

4.1 各省(区市)能源消费依赖强度分析

纵观1989-2013年各省(区市)的能源消费量的变化，可以发现：(1)各省(区市)能源消费量多少的排序变动不大，尤其是消费量较少的省份和消费量较大的省份；(2)二十五年间大部分省能源消费量持续增长，平均增长率达7.5%，尤其是2003-2012年，十年间各省能源消费平均增长率近10%；(3)2013年各省能源消费量比1989年平均增长了近5倍，增长最快的是消费量一直最少的海南，增长了约11倍，最慢的是黑龙江，增长了约1.5倍。

为了分析需要，本文依据1989-2013年中国29个省(区市)的能源消费累计量，由多到少大致将中国分为四类地区，能源强依赖地区，能源较强依赖地区，能源较弱依赖地区，能源弱依赖地区。如图1所示，表3为依据能源消费量的地区分类。

图1 1989-2013年中国各省累计能源消费总量

能源强依赖地区能源较强依赖地区能源较弱依赖地区能源弱依赖地区山东、河北、川渝、广东、江苏、辽宁、河南、山西浙江、湖北、湖南、内蒙古、黑龙江、上海、安徽吉林、贵州、福建、新疆、云南、陕西、北京广西、甘肃、天津、江西、宁夏、青海、海南

注：本文的能源依赖仅表示为能源消费依赖。

4.2 模型的统计检验

首先用ADF单位根检验对各地区的所有变量进行平稳性检验，检验结果说明各地区的各变量均含有单位根I(1)过程，模型采用一阶差分形式。进一步对各地区中可能存在的协整关系检验，发现各地区均存在1个或2个协整关系。为保证地区外变量对地区内变量具有单向的长期影响，即其它地区的变量对某地区内的变量会产生长期影响，而地区内变量没有对外的反作用。我们必须要对存在协整关系的模型中相应变量进行弱外生性检验，结果如表4所示。检验结果表明大部分地区外变量满足弱外生性要求。据SC和AIC信息准则，确定选取滞后阶p=2，q=1。最终得到GVAR模型的估计结果。

4.3 各省(区市)控制能源消费总量增长的效果分析

我们选择广义脉冲响应函数分析各省(区市)控制能源消费量增长后，经济增长与碳排放的动态变化。广义脉冲响应函数最早由Koop等[28]提出，并被Pesaran和Shin[29]用于VAR模型，该方法可以有效避免变量排序对结果的干扰。在给定各省(区市)能源消费总量增长率的一个负标准差冲击下，经济增长的表现如图2所示。

一旦控制能源消费总量的增长，经济增长会受到不同程度的影响。河北、河南等十一个省(区市)在控制能源消费总量增长率后经济增长表现为正向响应，表明这些地区近年来积极应对能源消费控制趋势，能源的经济效率(边际产出水平)正有效提高或者经济结构正处于有效转型期。辽宁、山西等其余十八个省(区市)的经济增长表现为负向响应，这表示这些地区目前的经济增长仍为能源驱动型。

在能源强依赖地区，除了山西、河北以外的地区经济增长的响应均集聚在(-0.1%，0.1%)的区间内，说明能源消费控制对传统能源消费大省约束性强，可以有效刺激这些地区及时采取措施，但由于粗放式经济增长的惯性，短期内还无法达到明显的效果。在能源较强依赖地区、能源较弱依赖地区和能源弱依赖地区，经济增长的响应均呈现为分散式，说明能源消费总量控制对能源消费量较少的省份仍有较大潜力，可以考虑进一步缩紧这些地区的控制指标。

各省(区市)能源消费总量增长率一个负标准差冲击对碳排放增长率的影响如图3所示。

影响生产消费碳排放的因素主要有两类，一类是能源方面的因素，一类是清洁生产技术进步。能源因素包括能源的消费量和能源消费的结构。由图3可以看出，控制能源消费总量后，全国绝大数地区(除了内蒙古)的碳排放增长率立即表现为负向的响应，这是能源消费总量的增速下降引起的。另一方面，由于能源消费总量的控制倒逼了能源消费结构的变化，碳排放增长率在一季度后明显持续变化。河北、四川重庆、贵州、甘肃碳排放增长率反应逐渐上升为正向，表明由于能源结构的逆向调整(降低碳排放系数高的石油的使用，增加碳排放系数较低的石油、天然气或者清洁能源的使用为顺向调整，反之为逆向调整)而导致的碳排放增长率的增加超过了因能源消费增长率下降而下降的碳排放增长率。还有部分省(区市)如广东、山西等，碳排放的增长率在一季度后有小幅增长，但均没有上升至正向。其余部分省(区市)江苏、山东等，碳排放的增长率在一季度后继续下降，表明这些地区能源结构的顺向调整较为成功。各省(区市)碳排放增长率对能源消费量增长率控制的响应与各省(区市)能源消费量的多少并没有显著的关系。

表4 各地区模型中地区外变量的弱外生性检验

图2 各地区GDP对控制能源消费的脉冲响应

从理论上来看，控制能源消费总量在一定条件下可以成功倒逼各地区经济转型从而不影响各地区的经济增长，并且能同时有效减少碳排放，但为什么大部分地区目前的效果并不理想，控制能源消费总量在实施过程中出现了哪些问题？本文将进行进一步探讨。

4.4 技术进步以及能源价格的控制效果分析

一方面可以依靠技术进步，提高能源的经济效率从而节约能源消费量或者研发新型能源替代传统能源消费。另一方面可以通过提高能源市场价格倒逼能源创新。分别给定各地区技术进步一个正标准差冲击，各地区经济增长和碳排放的表现如图4所示。

在技术进步的冲击下，除了能源弱依赖地区，其他地区的经济增长响应在稳定后都是正向，说明能源消费量少的地区技术进步对能源经济效率的提高并没有显著的效果，能源消费量较多的地区技术进步对能源经济效率的提高作用明显。各地区碳排放增长率最后全部稳定在正向响应的区间，这表示者技术进步对碳排放清洁作用不明显。出现这种反应，或因为有关碳清洁的技术投入较少，效率低下；或因为可再生新能源的研究效率低下，科技进步无法对能源结构顺向调整；还有可能因为技术进步刺激了其它导致高碳排放的经济增长驱动方向。

分别给定各地区能源价格一个正标准差冲击，各地区经济增长和碳排放的表现如图5所示。

图3 各地区碳排放对控制能源消费的脉冲响应

图4 各地区变量对技术进步的脉冲响应

图5 各地区变量对能源价格的脉冲响应

能源价格上升，各地区GDP会立即产生正向反应，一个季度后迅速下降至负向。这由于能源价格传导存在滞后性，当企业的经营成本因为能源价格上升而上升后，企业才进行能源改革。显然，能源价格的倒逼机制对各地区经济增长的作用效果都不显著。各地区的碳排放量在能源价格上升后均表现为负向响应，这是因为能源价格上升，导致能源消费增长量的减少，从而抑制了碳排放增长率的上升。

5 结语

本文通过内生经济增长模型理论及具有省域空间关联的GVAR实证研究，得出了以下主要结论：

(1)从理论角度来看，即使在能源总量约束的条件下，仍可以采取研发可再生能源替代碳基能源、提高碳排放清洁生产技术水平、增加碳基能源的边际产出等措施来节能减排，并不会影响经济增长。

(2)中国大部分省(区市)的经济增长仍为能源驱动型，能源消费总量的考核目标会倒逼各地区寻求新的经济驱动力，但该指标对能源消费强依赖地区约束性较强，对其余地区的约束力较弱，这些地区可节能潜力较强。控制能源消费总量可以使得大部分地区达到减排效果，但由于能源结构逆向调整的存在，少部分地区的碳排放增长并没有减少。

(3)技术进步可以成功驱动除弱能源依赖地区外的省(区市)的经济增长，但对碳排放清洁方面无显著效果。可再生新能源的研究效率低下，科技进步无法对能源结构顺向调整。依靠传统能源价格的调整，可以达到减排目的，但却会抑制经济增长。

综述，本文提出如下建议：首先，对能源消费总量相对较少的省份可以适度缩紧能源总量考核额度，同时可以考虑增加各省(区市)能源消费结构的考核，进一步引导能源改革的方向。其次，要确保技术投入的方向性，尤其要重视碳排放清洁技术的研究。

限于样本数据的可获得性，本文的实证研究只针对煤炭、石油、天然气三大主要能源的消费量以及因此产生的碳排放进行了研究，这也是目前能源消费和碳排放最大部分的来源，虽然不影响本文的主要结论，但在具体量化研究方面还有继续充实、检验的空间。

[1] Stiglitz J. Growth with exhaustible natural resources: Efficient and optimal growth paths[J]. The Review of Economic Studies, 1974，41: 123-137.

[2] Dasgupta P, Heal G. The optimal depletion of exhaustible resources[J]. The Review of Economic Studies, 1974: 3-28.

[3] Hartwick J M. Intergenerational equity and the investing of rents from exhaustible resources[J]. The american economic review, 1977，67(5): 972-974.

[4] 王海建. 资源约束、环境污染与内生经济增长[J]. 复旦学报(社会科学版), 2000，(01): 76-80.

[5] 王庆晓，崔玉泉，张延港. 环境和能源约束下的内生经济增长模型[J]. 山东大学学报(理学版), 2009，(02): 52-55.

[6] Kraft J, Kraft A. Relationship between energy and GNP[J].Journal of Energy and Development, 1978, 3(2):401-403.

[7] Apergis N, Payne J E. Energy consumption and economic growth in Central America: Evidence from a panel cointegration and error correction model[J]. Energy Economics, 2009, 31(2): 211-216.

[8] Pao H, Tsai C. CO2emissions, energy consumption and economic growth in BRIC countries[J]. Energy Policy, 2010, 38(12): 7850-7860.

[9] 赵新刚，刘平阔.经济增长与能源强度：基于面板平滑转换回归模型的实证分析[J]. 中国管理科学, 2014, 22(6):103-113.

[10] 胡宗义，刘亦文，唐李伟. 中国能源消费, 碳排放与经济增长关系的实证研究[J]. 湖南大学学报: 自然科学版, 2012, 39(7): 84-88.

[11] 刘先涛，石俊. 中国能源消费与经济增长的向量自回归模型检验分析[J]. 统计与决策, 2014，(10): 128-130.

[12] Hwang J, Yoo S. Energy consumption, CO2emissions, and economic growth: Evidence from Indonesia[J]. Quality & Quantity, 2014, 48(1): 63-73.

[13] Pereira R M M，Pereira A M. Is fuel-switching a no-regrets environmental policy?: VAR evidence on carbon dioxide emissions, energy consumption and economic performance in Portugal[J]. Energy Economics, 2010, 32(1): 227-242.

[14] 巴曙松，吴大义. 能源消费、二氧化碳排放与经济增长——基于二氧化碳减排成本视角的实证分析[J]. 经济与管理研究, 2010,(06): 5-11.

[15]林伯强，姚昕，刘希颖. 节能和碳排放约束下的中国能源结构战略调整[J]. 中国社会科学, 2010,(1): 58-71.

[16] 蔡圣华, 牟敦国, 方梦祥. 二氧化碳强度减排目标下我国产业结构优化的驱动力研究[J]. 中国管理科学, 2011, 19(4): 167-173.

[17] 赵金楼, 李根, 苏屹, 等. 我国能源效率地区差异及收敛性分析——基于随机前沿分析和面板单位根的实证研究[J]. 中国管理科学, 2013, 21(2): 175-184.

[18] 薛澜，刘冰，戚淑芳. 能源回弹效应的研究进展及其政策涵义[J]. 中国人口. 资源与环境, 2011, 21(10): 55-59.

[19] 胡秋阳. 回弹效应与能源效率政策的重点产业选择[J]. 经济研究, 2014, 49(2): 128-140.

[20] 林伯强，何晓萍. 中国油气资源耗减成本及政策选择的宏观经济影响[J]. 经济研究, 2008,(05): 94-104.

[21] 刘世锦，张永生. 全球温室气体减排:理论框架和解决方案[J]. 经济研究, 2009,(03): 4-13.

[22]刘伟, 李虹. 中国煤炭补贴改革与二氧化碳减排效应研究[J]. 经济研究, 2014, 49(8): 146-157.

[23] 吴玉鸣，李建霞. 中国省域能源消费的空间计量经济分析[J]. 中国人口.资源与环境, 2008，18(3): 93-98.

[24] 陈青青，龙志和. 中国省级CO2排放影响因素的空间计量分析[J]. 中国人口.资源与环境, 2011,21(11): 15-20.

[25] Pesaran M H, Schuermann T, Weiner S M. Modeling regional interdependencies using a global error-correcting macroeconometric model[J]. Journal of Business & Economic Statistics, 2004, 22(2): 129-162.

[26] 张红，李洋，张洋. 中国经济增长对国际能源消费和碳排放的动态影响——基于33个国家GVAR模型的实证研究[J]. 清华大学学报(哲学社会科学版), 2014,(01): 14-25.

[27] 单豪杰. 中国资本存量K的再估算:1952～2006年[J]. 数量经济技术经济研究, 2008, 25(10): 17-31.

[28] Koop G, Pesaran M H, Potter S M. Impulse response analysis in nonlinear multivariate models[J]. Journal of Econometrics, 1996, 74(1): 119-147.

[29] Pesaran H H, Shin Y. Generalized impulse response analysis in linear multivariate models[J]. Economics Letters, 1998, 58(1): 17-29.

Research on Economic Growth and Carbon Abatement Under the Energy Consumption Controlling Objective Based on Endogenous Growth Theory and GVAR Model

CUI Bai-sheng, ZHU Lin

(School of Finance and Business, Shanghai Normal University, Shanghai 200234, China)

In this paper, an endogenous growth model with dual constraints of energy consumption and carbon emission is developed by introducing both, a non-renewable energy and a renewable energy, which can both serve for intermediates. And the global vector auto regression(GVAR)model is established with spatial correlation to analyze the dynamic impact on economic growth and carbon emissions by controlling energy consumption of every province of China.The results show that by using renewable energy, improving cleaner technologies and the marginal output of non-renewable energy, the goal of energy consumption assessment can be achieved, under the constraints of reducing carbon emissions and promoting economic growth.The goal of energy consumption has a strong constraint to provinces consuming more energy but a weak constraint to others, which have greater potential to energy conservation.Because the structure of the energy consumption adjusts against the tide, the carbon emission is not decreasing in some provinces. Furthermore, the problems in the process of reducing energy consumption are tried to be found. The results show that technology research has little effect on adjusting the structure ofenergy consumption and finding renewable energy. And technology research also has little effect on reducing carbon emission.Although relying on the adjustment of traditional energy price can reduce the carbon emission but this would limit economic growth.

controlling energy consumption;GVAR model;carbon emission

1003-207(2016)01-0011-10

10.16381/j.cnki.issn1003-207x.2016.01.002

2014-10-03；

2015-04-02

国家自然科学基金资助项目(71471117)；教育部人文社会科学规划项目(12JYC790020,11YJA790107)；上海市教务科研创新重点项目(14ZS105)

简介：崔百胜(1975-)，男(汉族)，安徽宿州人，上海师范大学商学院副教授，研究方向：金融经济学，E-mail:baishengcui@126.com.

F061.2

A