金融发展影响中国能源消费的门槛效应分析

陈志刚 郭夏月

摘要 中国共产党十八届五中全会提出绿色发展理念，如何坚持绿色发展理念，在保持经济中高速增长的同时，维持能源的可持续利用是中国面临的重大发展问题。在促进经济增长的同时，金融发展对一国能源消费也产生重要影响，在绿色发展中扮演了不可或缺的角色。本文考虑到金融发展与能源消费的非线性关系，根据1997—2015年中国30个省份的面板数据，运用门槛回归模型实证考察不同经济增长水平下金融发展对中国能源消费的不同影响，并检验金融发展影响能源消费的渠道。研究表明：①金融发展与能源消费之间存在显著的门槛效应，信贷规模与能源消费之间存在显著的双门槛效应，证券市场融资规模、金融业竞争程度呈现为单门槛效应；②随着经济增长水平的上升，信贷规模、金融业竞争程度与能源消费之间呈现倒U型关系，证券市场融资规模会降低能源消费水平，FDI规模与能源消费之间始终为正相关；③从影响渠道看，在中高速增长及所有的增长阶段，经济增长分别增强了信贷规模、金融业竞争程度对能源消费的影响，但技术创新渠道并不畅通。研究最后建议，政府制定能源发展政策时，加强金融政策与节能减排规划的融合，政策着力点因地区经济发展差异而有所不同，逐渐消除技术优势转化为绿色发展优势的障碍，加快建设资源节约型、环境友好型社会，为全球生态安全作出新贡献。

关键词 金融发展；能源消费；门槛回归模型；渠道分析

中图分类号 F832.1

文献标识码 A文章编号 1002-2104（2018）06-0011-09DOI：10.12062/cpre.20171210

改革开放以来，中国经济建设取得了巨大的成就，但是高增长是建立在高消耗、高排放、高污染的基础上。中国作为世界最大的能源消费国，2015年能源消费总量为43亿t标准煤，占全球能源消费总量的23%[1]。与此同时，目前中国清洁能源、可再生能源开发利用还不充分，以煤炭为主的能源消费结构也不容乐观，巨大的煤炭消费对资源环境带来了严重的负面影响。金融发展可以促进资本积累、投资效率、技术创新和产业结构升级，进而影响一国或地区能源消费的总量和结构。然而，在学术研究层面，国内外学者一直关注于经济增长、贸易开放、工业化、城镇化等因素与能源消费的关系，而忽视了金融发展这一重要因素[3-5]。关于金融发展与能源消费的研究很少，并且少量的研究得出的结论也不尽相同。作为现代经济的核心，金融发展能否缓解能源消费压力？金融发展影响能源消费的具体渠道是什么？这些重要问题，值得我们进行系统深入的研究。

1 文献综述

长期以来，对于能源消费是如何决定的，国内外学者的研究主要集中在经济增长、技术创新、贸易开放、工业化、城镇化等因素对一国或地区能源消费的影响。刘凤朝和孙玉涛研究发现，技术创新在提高能源效率、降低能源消费密度、节约能源消费的同时，也改善了中国能源消费结构[5]。丁建勋研究发现，第二产业的增长提高了能源消费增长率，而第一产业和第三产业的增长对能源消费增长率却没有显著影响[6]。王蕾和魏后凯研究表明，在全国层面，城镇化、工业化对中国能源消费的净效应为正，并且城镇化的影响作用更加显著；分区域来看，中部地区城镇化发展面临的能源消费压力最大[7]。

近些年来，国内外学者开始涉足金融发展与能源消费的理论与实证研究。理论研究认为，金融发展主要从经济增长和技术创新两个渠道影响一国或地区的能源消费。在经济增长渠道层面，金融发展通过企业生产扩张、消费规模扩大、产业结构升级和环保意识行为变化，对一国的能源消费总量与结构产生影响。第一，从企业角度来讲，金融发展有利于企业新建生产线、购买大型设备、雇佣更多员工，扩大生产规模并开展更多的生产经营活动，从而增加能源消费[8-9]。第二，从消费者角度来讲，金融发展能够满足消费者对耐用消费品的需求，刺激更多地购买汽车、房屋以及空调、冰箱等耗能消费品，拉动能源消费[10]。第三，从产业结构角度来看，随着经济发展水平的提升，产业结构优化升级，服务业比重上升，能源消费逐渐由“粗放型”向“集约型”转变[11]。第四，从人们的环保意识与行为角度来看，随着收入水平和生活质量的提升，环境意识越发强烈，节能减排和低碳出行深入人心，能源消费也从单纯的“数量”扩张向“质量”提升转变[12]。

在技术创新渠道层面，金融发展在促进节能技术创新的同时引导产业和能源结构升级，从而影响一国或地区能源消费的总量和結构。首先，金融市场的繁荣能够吸引高技术水平的外商投资，以及更多的R&D;投入，在促进本地区技术创新的同时，也为本地企业提供技术改造和升级的机会和动力，从而提高能源的使用效率和清洁能力，降低能源消费[13-14]。其次，发达的金融市场可以为节能减排项目提供融资便利和激励，同时，金融发展能有效缓解贷款者和借款者之间信息不对称，提升投资项目的事前选择和事后监督的效率，使资本依赖较高的能源节约型产业能获得更好的发展，从而引导产业和能源结构的升级，促进低碳经济发展[15-16]。综合来看，上述经济增长、技术创新两种渠道，以及不同经济发展水平下经济增长渠道的作用方向并不一致，所以，金融发展对能源消费的影响可能存在门槛效应。

实证研究方面，运用1990—2006年20个新兴市场国家的数据，Sadorsky利用五种金融发展测度指标、线性动态面板模型以及GMM方法的研究发现，以股票市值占GDP的比重、股票交易额占GDP的比重和股市周转额作为金融发展的衡量指标时，金融发展与能源消费间存在显著正相关[10]。Shahbaz et al.使用ARDL边界测度方法，研究发现在巴基斯坦金融发展对能源消费有正向影响[17]。Islam et al.使用向量误差修正模型（VECM）检验了1971—2008年马来西亚能源消费与金融发展、经济增长、人口规模之间的因果关系，发现能源消费在短期和长期都受到经济增长和金融发展的影响[18]。孙浦阳等对1985—2007年全球55个国家的面板数据研究发现，金融发展的确会影响能源需求与消费，进而影响能源消费结构的变动[19]。刘剑锋利用ARDLECM模型研究发现，金融发展与能源消费之间存在正向的长期均衡关系，并且能源消费对金融发展的影响程度更大[20]。倪超军和马雪琴利用省际面板数据，通过面板PVAR的实证方法研究发现，我国金融发展与低碳经济发展水平不一致，金融发展对低碳经济的引导作用没有发挥出来；技术创新尤其是碳技术的进步，是我国节能减排的关键因素[21]。

综上所述，在金融发展影响能源消费方面，国内外学者进行了初步的探讨，并获得了一定的研究成果。但是，上述研究文献一般为长期或短期动态关系分析和线性模型回归，很少考虑到两者之间的非线性关系；并且，对于金融发展影响能源消费的渠道分析也不够清晰。在国内外学者研究基础上，考虑到金融发展与能源消费之间可能存在非线性关系，本文运用1997—2015年中国30个省份的面板数据，建立门槛回归模型实证检验金融发展对能源消费的影响程度和影响渠道。

2 模型、变量和数据

2.1 模型设定

参照Chang Shuchen[22]的研究方法，本文首先构建线性面板模型如下：

（1）式中，Energyit为能源消费；FDit为核心解释变量金融发展水平；xit为一系列控制变量包括经济增长水平、技术创新能力、贸易开放度、工业化程度和城镇化水平；μi表示反映地区个体差异的固定效应；εit为随机扰动项。

考虑到可能存在的门槛效应，为了检验在不同的经济增长水平下金融发展对能源消费的影响是否存在差异，借鉴Hansen[23]的做法，以经济增长水平为门槛值，构建金融发展对能源消费影响的分段函数。本文先假设存在“单门槛效应”，在模型（1）基础上建立门槛回归模型如下：

2.2 变量选取和数据说明

2.2.1 被解释变量

人均能源消费（Energyit）：各省份能源消费总量与年末人口数之比。能源主要包括煤炭、石油、天然气、一次电力及其他能源，消费量以消耗标准煤的实物量核算，单位是万t标准煤量。《中国能源统计年鉴》中缺少2000年、2001年和2002年宁夏的能源消费数据，以及2002年海南的能源消费数据，本文通过加权平均法将所缺数据补全。年末人口数据为当年人口普查数据推算数，2005年起各省份数据为常住人口口径。

2.2.2 解释变量

根据金融发展对实体经济的作用机制以及数据的可获性，本文从4个维度衡量金融发展水平。①信贷规模（FD1），指金融机構信贷总量占GDP的比重，比重越大表明金融发展水平越高。长期以来中国以间接融资为主导，该指标能够反映中国金融发展现状，同时也是目前最常用的衡量金融发展水平的指标。②证券市场融资规模（FD2），指证券市场融资总额占GDP的比重，证券市场融资总额为股票首发、定向增发、公开增发、配股、可转债发行和债券发行总额，反映从证券市场视角衡量的金融发展水平。③金融业竞争指数（FD3），指樊纲等[24]编制的《中国市场化指数》中构建的金融业竞争指数，为非国有金融机构吸收存款占全部金融机构吸收存款的比重。金融业竞争程度越高，表示金融发展水平越高。《中国市场化指数》只给出了1997—2009年中国各省份的金融业竞争指数，因此本文采取平均增长率法补充了该指数2010—2015年的数据。④FDI规模（FD4），指外商直接投资额占GDP的比重，表示从国外融资视角衡量的金融发展水平。

2.2.3 控制变量

经济增长水平（GDP），本文以人均实际GDP为衡量指标。技术创新能力（Innovation），以人均专利申请数为衡量指标。贸易开放度（Open），以各省份进出口总额与GDP的比值来表示。贸易开放一方面增加能源密集产品的出口，导致能源消费增加；另一方面产生技术效应，提高能源使用效率，减少能源消费。工业化程度（Industry），以工业部门增加值占GDP的比重为衡量指标。工业部门增加值越多，说明工业化程度越高，能源消耗越多。城镇化水平（Urban），以城镇人口占总人口的比例表示。

以上变量数据源于历年《中国统计年鉴》《中国能源统计年鉴》《新中国60年统计资料汇编》、各省份统计年鉴、中国人民银行各省份官网，以及iFinD和Wind数据库。

3 实证分析过程

3.1 描述性统计分析

本文采用了1997—2015年中国省级面板数据（1997年以前重庆属于四川省，没有对应数据，因此数据起始年份为1997年），共包含30个省级行政单位（《中国能源统计年鉴》中的“地区能源平衡表（实物量）”公布了除西藏以外的各省份终端能源消费，因此样本包括剔除西藏后的30个省份）。表1给出了模型中所有变量的定义和统计描述。

3.2 单位根检验

为避免单一检验的局限，本文使用了两种单位根检验方法：Levin、Lin and Chu检验和Fisher检验。原假设为存在单位根，利用LLC和Fisher检验方法对所有变量进行面板单位根检验。根据检验结果，除FD4、Open、Industry三个变量外，其余的原变量均存在单位根，即为不平稳序列。对所有变量取自然对数形式，再进行单位根检验，结果显示大部分变量通过了检验，为平稳序列，只有FD2和Innovation两个变量仍存在单位根。为了增加数据的平稳性，减少异方差，本文所有的变量均取对数形式。

此外，考虑到相关变量之间的共线性问题，本文对解释变量进行了容忍度和逐步回归检验，结果显示方差膨胀因子VIF（容忍度的倒数）均在1到10之间，逐步回归后也没有自变量被删除，因此，我们认为多重共线性问题并不存在。

3.3 实证结果分析

3.3.1 门槛效应检验与门槛值估计

首先需要对门槛效应的存在性进行检验，并确定门槛的个数以及模型的具体形式。对模型（2）而言，门槛效应的原假设为：H0：A1=A2，若原假设成立，表明不存在门槛效应；如果拒绝原假设，则存在单门槛效应。在单门槛基础上进行双重门槛显著性和置信区间检验，若未通过检验，则接受单门槛假设；若通过，则存在双重门槛效应，以此类推。本文以金融发展为门槛变量，经济增长水平为门槛值，经过300次bootstrap自抽样得到具体的F统计量（见表2）。结果发现，信贷规模（FD1）作为金融发展指标时，单重、双重门槛检验显著，三重门槛没有通过检验，因此采用双重门槛模型，两个门槛值分别为人均GDP处于1.450 6和5.924 8水平；证券市场融资规模（FD2）、金融业竞争指数（FD3）作为金融发展指标时，只有单门槛分别在10%、5%显著水平上通过检验，说明FD2、FD3对能源消费存在单门槛效应，门槛值分别为1.465 5和4.737 7；金融发展指标为FDI规模（FD4）时，单重、双重、三重门槛检验均不显著，因此不存在门槛效应。

3.3.2 估计结果分析

表3给出了运用基准模型和门槛效应模型估计的结果，其中模型（1）、（2）、（3）、（4）的解释变量是分别用信贷规模（FD1）、证券市场融资规模（FD2）、金融业竞争（FD3）和FDI规模（FD4）来衡量的金融发展水平。

首先在基准模型（即（1）式）中，使用固定效应回归方法，表3第1行结果显示，模型（1）、（2）、（3）中，只有FD1作为解释变量时，估计参数在10%水平下显著，其余两个衡量指标FD2、FD3的系数均不显著，说明简单的线性模型并不能准确检验金融发展与能源消费之间的关系。

运用门槛效应模型（即（2）式）的估计结果显示，第1列模型（1）中，信贷规模与能源消费之间存在倒U型关系，并且信贷规模对能源消费有明显的“阶梯特征”，即当经济增长水平较低（人均GDP低于门槛值1.450 6万元）时，信贷规模对能源消费存在一定增强作用，并且信贷规模每增加1%，能源消费增加0.213 7%；当经济增长水平超过第一门槛值时（人均GDP处于1.450 6万～5.924 8万元之间），信贷规模对能源消费的作用效果不明显；当经济

增长水平超过第二门槛值（人均GDP大于5.924 8万元），信贷规模对能源消费呈现减弱作用，且减弱作用更大，减弱作用影响系数（-0.355 4）是之前增强系数（0.213 7）的1.7倍。第2列模型（2）中，当经济增长水平较低时（人均GDP低于门槛值1.465 5万元），证券市场较不发达，证券市场融资规模对能源消费影响为负（-0.006 6）但并不显著；随着经济增长水平的上升，证券市场不断成熟，证券市场融资规模扩张显著降低了能源消费，呈现出显著的逐渐加强的负效应（-0.028 1）。第3列模型（3）中，金融业竞争与能源消费之间的关系与模型（1）类似，两者之间存在明显倒U型关系。随着经济增长水平的提高，金融業竞争也不断加剧，对能源消费呈现出先增强（0.142 6）后减弱（-0.092 0）的影响，但减弱作用相对较弱。第4列模型（4）中，FDI规模与能源消费之间始终高度正相关，且外商直接投资每增加1%，能源消费相应提升0.017 4%，FDI规模显著增强了能源消费。总体来看，经济增长水平较高时，金融发展会降低能源消费，绿色金融效果显著。此外，模型（1）和（3）均呈现出倒U型关系，这可能是因为金融发展影响能源消费存在经济增长和技术创新渠道，两种渠道以及经济增长渠道的不同阶段产生不同的影响，进而使金融发展与能源消费之间呈现非线性关系。

控制变量中，上述4个模型经济增长水平系数在1%的水平都显著为正，也就是，在保持其他条件不变的情况下，经济增长刺激了能源消费。技术创新对应的系数都为负，且均在1%的水平上显著，说明了技术创新能力的提高有利于减少能源消费。贸易开放度均没有通过显著性检验，对能源消费影响不大，工业化程度和城镇化水平均显著增强了能源消费。

3.4 稳健性检验

考虑到内生性问题，如果金融发展与能源消费之间存在双向因果关系，上述门槛模型估计就会失去一致性和无偏性。对于内生性问题，Arellano and Bond最早提出了采用水平值的滞后项作为工具变量的一阶差分GMM估计法[25]，其后Arellano and Bover、Blundell and Bond又提出了系统GMM估计法[26-27]，即将内生变量的差分滞后项作为水平值的工具变量，在很大程度上解决了一阶差分GMM估计中的弱工具变量问题。此外，相较于一步法系统GMM，两步法（twostep）估计能更好地消除自相关和异方差的干扰。所以，本文最终采用系统GMM方法，进行二步法估计，在解决内生性问题的同时，也检验了门槛模型实证结论的稳健性。

检验结果显示，在5%的显著性水平下，AR（1）、AR（2）的统计量表明残差项的差分存在一阶序列相关，但不存在二阶序列相关性，说明模型设定可取。Sargan检验值不能拒绝工具变量有效的原假设，说明系统GMM估计中工具变量是有效的。与门槛模型估计相比，模型中的核心解释变量FD1、FD2、FD3均不显著，而控制变量系数符号和显著性偏差并不大，验证了金融发展对能源消费存在非线性关系，而不是简单的线性关系。此外，在影响渠道分析中，分样本处理后，低、中、高经济增长水平对应的各门槛区间金融发展的估计系数，与门槛模型估计中各阶段较为吻合，也进一步说明了金融发展与能源消费的非线性关系结论是稳健的。

4 影响渠道分析

4.1 模型与方法

因为FDI规模作为解释变量时不存在门槛效应，本文剔除FDI规模（FD4），保留其余三个金融发展指标：信贷规模（FD1）、证券市场融资规模（FD2）和金融业竞争（FD3），进一步考察金融发展影响能源消费的经济增长和技术创新渠道。

基于前面的门槛模型实证结果，FD1作为解释变量时是双重门槛模型，将样本分为三个阶段：人均GDP低于第一门槛值（qit≤γ1）时为低经济增长水平阶段，介于第一门槛值和第二门槛值之间（γ1

在线性模型的基础上，本文引入交互项的方法，在经济增长为低水平、中等水平、高水平三个阶段分别引入金融发展与经济增长（FDit×GDPit）和金融发展与技术创新（FDit×Innovationit）的交互项。引入交互项的模型为：

前述控制变量外，还包括FDI规模，其余变量同上。

分阶段之后的样本数减少、变量数据关联度增加，为有效解决变量数据之间异方差和序列相关的问题，本文采取可行性广义最小二乘估计（FGLS）方法。

4.2 估计结果分析

将估计结果分三个阶段（低经济增长水平、中等经济增长水平、高经济增长水平）展现，依次得到表5、表6、表7，其中，模型（1）、（3）、（5）不加入交互项。总体来看，各个阶段不加入交互项的估计结果与表3的结果比较吻合，进一步印证了金融发展与能源消费之间存在门槛效应。

如表5所示，当经济处于低增长水平，即人均GDP低于第一门槛值（qit≤γ1）时，对比加入和不加入交互项的模型，FD1、FD3系数的符号没有变化，始终显著为正，说明低增长水平下信贷规模和金融业竞争程度会加大能源消费，而FD2的系数始终不显著，影响程度不明显。对于经济增长渠道，（2）、（4）、（6）模型中，FD3作为解释变量时交互项（FDit×GDP）显著为正，并且FD3的系数从0.034 5变为0.101 2，正效应变化较大，说明经济增长渠道畅通并且效果显著，经济增长能够增强金融发展（金融业竞争）对能源消费的刺激作用，与本文预期的结果相符。对于技术创新渠道，模型（2）、（4）、（6）中，交互项（FDit×Innovation）均不显著，说明金融发展和技术创新的交互作用效果并不明显。从Innovation的系数来看，技术创新对能源消费均有减弱效应；但是，并未观测到金融发展通过技术创新减少能源消费的渠道作用。

当处于中等经济增长水平时，即人均GDP介于第一门槛值和第二门槛值之间（γ1

表7列示了高经济增长水平阶段，即人均GDP高于第一或二门槛值（qit≥γ1或γ2）的结果。對于经济增长渠道，结合模型（2）和（6）的结果看，金融发展与经济增长交互项系数显著为负，由此可知信贷规模、金融业竞争程度和经济增长的交互作用会降低能源消费。进一步，将样本中人均GDP的均值带入到模型（2）、（6），与FDit系数进行对比发现，FD1、FD3的综合影响为负。模型（4）中，交互项（FDit×GDP）不显著，可能因为中国间接融资为主导的格局，证券市场融资规模通过经济增长影响能源消费的效果较弱，很难观测到其影响。在模型（2）、（4）、（6）中，技术创新渠道始终没有通过显著性检验，并不畅通。值得注意的是，模型（1）中GDP的系数显著为负，这可能归因于近些年中国，尤其是东部发达地区经济发展方式转变、产业结构调整，以及人们的节能减排意识与行为明显增强。

总体来看，针对不同经济增长阶段，以及不同金融发展指标，金融发展影响中国能源消费的渠道实证检验结果存在明显的差异。①经济增长渠道：信贷规模（FD1）作为解释变量时，在中、高经济增长水平下经济增长增强了金融发展对能源消费的影响，使得正向促进效果更强，负向抑制效果也更强。在所有阶段，证券市场融资规模（FD2）对能源消费的经济增长渠道均未得到有效证据。在所有阶段，金融业竞争程度（FD3）的经济增长渠道均比较畅通，经济增长增强了金融发展对能源消费的影响。②技术创新渠道：对所有阶段和各种金融发展指标，技术创新渠道都没有得到验证，换言之，金融发展通过技术创新对能源消费作用的渠道不畅。

5 结论和政策建议

从信贷规模、证券市场融资规模、金融业竞争、FDI规模4个维度来衡量金融发展水平，本文运用门槛回归模型和1997—2015年中国30个省份的面板数据，实证考察不同经济增长水平下，金融发展对能源消费的不同影响；在此基础上，引入交互项检验了金融发展影响能源消费的经济增长和技术创新渠道。本文研究得到如下结论，并引申相应的政策含义。

首先，金融发展与能源消费之间的门槛效应显著，信贷规模为解释变量时存在双门槛效应，证券市场融资规模、金融业竞争程度为解释变量时则为单门槛效应。建议政府在制定政策时应尽量根据当地的经济增长水平、金融发展和能源消费状况，实施差异化的金融发展与能源发展战略，实现金融发展与节能减排激励相容，充分发挥绿色金融的作用。

其次，信贷规模（FD1）、金融业竞争（FD3）与能源消费之间呈现倒U型关系，即随着经济增长水平的提高，金融发展对能源消费产生先增强后减弱的作用；在经济发展处于低水平时，证券市场融资规模（FD2）的抑制作用不甚显著，经济发展处于高水平时，能显著降低能源消费水平；FDI规模（FD4）与能源消费之间不存在门槛效应。总体来看，只有经济发展水平相对发达时，金融发展缓解能源消费压力的作用才开始凸显。进一步，比较各金融发展指标的经济增长水平门槛值，信贷规模降低能源消费的门槛较高，证券市场融资规模较低。所以，处于不同经济增长水平的省份，政策着力点要有所不同。东部发达省份需要制定信贷政策推动银行信贷向绿色经济和低碳经济倾斜，明确绿色债权在全部债权中具有优先受偿权，为绿色融资设定更低的风险权重等。中部、西部落后省份应提高直接融资比重，建立统一规范的多层次绿色资本市场，充分发挥证券市场配置资源的作用，满足企业的多元绿色投融资需求。

最后，从金融发展影响能源消费的渠道看，经济增长增强了信贷规模和金融业竞争程度对能源消费的影响，经济增长渠道发挥了重要作用，而技术创新渠道并没有得到有效证据。这就需要从制度上为技术创新渠道的畅通创造条件，逐渐消除技术优势转化为绿色发展优势的障碍，完善科技创新激励机制和信贷支持政策，大力促进商业银行技术创新项目融资，积极支持创新企业股票上市，引导资金流向节约能源技术开发和生态环境保护产业，使金融发展通过技术创新渠道发挥减少能源消费的作用。此外，结合供给侧结构性改革，运用信贷和金融政策加大过剩产能的淘汰力度，严格执行环保限产，促进产业结构升级，优化能源消费结构，加快建设资源节约型、环境友好型社会，推进美丽中国建设。

參考文献（References）

[1]国家发展和改革委员会能源研究所.中国能源发展报告[M].北京：社会科学文献出版社，2016. [Energy Research Institute National Development and Reform Commission. China energy development report [M].Beijing： Social Sciences Academic Press， 2016.]

[2]OZTURK I， ASLAN A， KALYONCU H. Energy consumption and economic growth relationship： evidence from panel data for low and middle income countries[J].Energy policy， 2010， 38（8）： 4422-4428.

[3]史亚东. 能源消费对经济增长溢出效应的差异分析——以人均消费作为减排门限的实证检验[J].经济研究， 2011（6）：90-101.[SHI Yadong. Analysis on the difference of energy consumption spillovers on economic growth： an empirical test taking consumption per capita as a threshold variable[J]. Economic research journal， 2011（6）：90-101.]

[4]徐盈之， 郭进， 王进. 能源消费、贸易开放与经济增长[J]. 财贸经济， 2014（12）：99-110. [XU Yingzhi， GUO Jin， WANG Jin. Energy consumption， trade liberalization and economic growth[J]. Finance & trade economics，2014（12）：99-110.]

[5]刘凤朝，孙玉涛.技术创新、产业结构调整对能源消费影响的实证研究[J].中国人口·资源与环境， 2008（3）： 108-113. [LIU Fengchao， SUN Yutao. Effect of innovation industrial change on energy consumption[J]. China population， resources and environment， 2008（3）： 108-113.]

[6]丁建勋.中国经济增长与能源消费增长——基于产业构成视角的研究[J].经济问题探索， 2014（6）：67-73. [DING Jianxun. China economic growth and energy consumption growth：research based on industrial structure perspective[J].Inquiry into economic issues， 2014（6）：67-73.]

[7]王蕾，魏后凯.中国城镇化对能源消费影响的实证研究[J].资源科学，2014（6）： 1235-1243.[WANG Lei， WEI Houkai. The impacts of Chinese urbanization on energy consumption[J].Resources science，2014（6）： 1235-1243.]

[8]FRANKEL J， ROMER D. Does trade cause growth？[J]. American economic review， 1999，89（3）： 379-399.

[9]TAMAZIAN A， RAO B B. Do economic， financial and institutional developments matter for environmental degradation？ evidence from transitional economies[J].Energy economics， 2010，32 （1）：137-145.

[10]SADORSKY P. The impact of financial development on energy consumption in emerging economies[J]. Energy policy， 2010，38 （5）：2528-2535.

[11]李宏岳.能源消费和中国经济增长关系研究[J].经济问题探索， 2012（1）：14-19. [LI Hongyue. Study on the relationship between the energy consumption and China economic growth[J]. Inquiry into economic issues， 2012（1）：14-19.]

[12]吴敬琏.中国增长模式抉择：在发展的关键时刻（修订版）[M].上海：上海远东出版社，2006. [WU Jinglian. The choice of China growth model： in the development of the key moments （revised edition） [M]. Shanghai： Shanghai Far East Publishers， 2006.]

[13]解维敏，方红星.金融发展、融资约束与企业研发投入[J].金融研究，2011（5）：171-183.[XIE Weimin， FANG Hongxing. Financial development， financing constraints and enterprise R&D; input[J]. Journal of financial research， 2011（5）：171-183.]

[14]嚴成樑，李涛，兰伟.金融发展、创新与二氧化碳排放[J].金融研究，2016（1）：14-30. [YAN Chengliang， LI Tao， LAN Wei. Financial development， innovation and carbon emission[J]. Journal of financial research， 2016（1）：14-30.]

[15]TAMAZIAN A，CHOUSA J P， VADLAMANNATI C. Does higher economic and financial development lead to environmental degradation： evidence from BRI countries[J]. Energy policy， 2009， 37（1）：246-253.

[16]ZHANG Y J. The impact of financial development on carbon emissions： an empirical analysis in China[J].Energy policy， 2011，39（4）： 2197-2203.

[17]SHAHBAZ M， TIWARI A K， NASIR M. The effects of financial development， economic growth， coal consumption and trade openness on CO2 emissions in South African[J].Energy policy， 2013，61（1）： 1452-1459.

[18]ISLAM F，SHAHBAZ M， AHMED A U， et al. Financial development and energy consumption nexus in Malaysia： a multivariate time series analysis[J].Economic modelling， 2013，30（1）： 435-441.

[19]孙浦阳，王雅楠，岑燕.金融发展影响能源消费结构吗？——跨国经验分析[J].南开经济研究， 2011（2）：28-41.[SUN Puyang， WANG Yanan， CEN Yan. Does financial development affect energy consumption structure？ exploring the global evidences[J]. Nankai economic studies， 2011（2）：28-41.]

[20]刘剑锋.金融发展与能源消费互动关系研究——基于ARDLECM模型的实证分析[J].重庆工商大学学报（社会科学版），2015（3）：19-29.[LIU Jianfeng. Research on the interactive relationship between financial development and energy consumption based on the empirical analysis ARDLECM Model[J]. Journal of Chongqing Technology and Business University（social sciences edition）， 2015（3）：19-29.]

[21]倪超军，马雪琴.金融发展、技术进步与低碳经济关系的实证研究——基于面板VAR模型的动态检验[J].生态经济，2017，33（2）：41-44.[NI Chaojun， MA Xueqin. An empirical study on the relationship among financial development， technological progress and low carbon economy dynamic verification based on panel VAR model[J].Ecological economy， 2017，33（2）：41-44.]

[22]CHANG S C.Effects of financial developments and income on energy consumption[J].International review of economics and finance， 2015，35（C）： 28-44.

[23]HANSEN B E. Threshold effects in nondynamic panels： estimation， testing and inference[J]. Journal of econometrics， 1999，93（2）： 345-368.

[24]樊纲，王小鲁，朱恒鹏.中国市场化指数——各地区市场化相对进程[M].北京：经济科学出版社， 2011.[FAN Gang， WANG Xiaolu， ZHU Hengpeng. Neri index of marketization of Chinas provinces[M]. Beijing： Economic Science Press， 2011.]

[25]ARELLANO M， BOND S. Some tests of specification for panel data：MonteCarlo evidence and an application to employment equations[J].Review of economic studies， 1991， 58（2）：277-297.

[26]ARELLANO M， BOVER O. Another look at the instrumental variable estimation of errorcomponent models[J]. Journal of econometrics， 1995， 68（1）：29-51.

[27]BLUNDELL R， BOND S. Initial conditions and moment restrictions in dynamic panel data models[J]. Journal of econometrics， 1998，87（1）：115-143.