中国能源消费、经济增长与碳排放之间的动态关系

赵明轩， 吕连宏， 张保留， 罗 宏

中国环境科学研究院环境管理研究中心, 北京 100012

在新冠肺炎疫情的冲击下，2020年4月，全球每日CO2排放量比同期减少约17%，各国排放量的峰值比同期平均减少约26%[1]. 全球经济增长速度放缓，短期内对气候变化可能是有利的，但在后疫情时代，各国可能会把经济增长放置首位. 如何推动新冠肺炎疫情后世界经济的“绿色复苏”，应成为各国首要思考的问题.

自改革开放以来，中国经济取得了令世界瞩目的成就，中国一跃成为世界第二大经济体，据国家统计局2019年数据显示，中国GDP总量为 990 865 亿元[2]，同时保持年均6.1%的增长[3]. 在快速发展过程中，中国已成为世界上较大的能源消耗和CO2排放国之一. 能源是一国发展的重要因素[4]，中国在实现经济平稳增长的同时，还需控制化石能源的消耗[5]. 另外，经济发展和人口增长是推动化石能源燃烧产生温室气体(GHG)排放的主要因素[6]. 在化石能源消耗方面，煤炭使用量逆转了世界能源供应逐渐脱碳的长期趋势，预计未来5年内，煤炭依旧处于全球能源消耗首位[7]. 虽然，中国在2018年实现了CO2排放强度比2005年下降45.8%的目标，但CO2排放量仍占全球总量的20%. 中国过去的发展过多依赖碳能源的消耗，这是CO2排放量显著增加的重要原因[8]，并且地区之间存在地域差异性[8-11]，针对不同经济分区的特殊性，应该提出差异化的政策. 在后疫情时代，如何实现区域经济增长、能源消费和CO2排放的动态协调发展，是中国持续推进生态文明建设、实现绿色可持续发展的关键问题.

能源消费、经济增长和CO2排放之间关系的研究较多. 从国内研究来看，主要分为全国数据[8,12-16]和单一省份或地区，如长三角地区[17-18]、京津冀地区[19]等，但多数都是时间序列数据，对于将全国划分为不同地区的面板数据较少. 不同地区对于能源消费、经济增长与CO2排放的影响是不相同的，WANG等[8]通过中国省级数据，分析了CO2总排放量和人均排放量的区域差异，并且提出为了缩小各省份之间的地域差异，迫切需要区域补偿机制，以平衡不同省份之间经济增长与环境可持续性. 有研究[20-21]以全球为视角，对能源消费、经济增长和CO2排放量等变量进行分析，得出不同经济发展程度国家的能源、经济与CO2排放之间的影响关系. Alam等[22]对巴西、印度、印度尼西亚和中国的分析表明，随着中国收入水平的提升，CO2排放量会随之减少，而印度CO2排放量并不会随着收入的提升而降低，这充分说明地域经济发展差异对结果的影响.

能源消费、经济增长和CO2排放三者之间关系的研究，较多采用向量自回归模型(VAR)进行分析，少部分研究采用3SLS[17]、OLS[23]、FMOLS[12]、DOLS[14]等方法. 建立VAR模型，以全国数据为样本进行格兰杰因果关系检验得到的关系中，多数结果表明，能源消耗与CO2排放[8,13,24-25]以及能源消耗与经济增长[8,25-26]之间存在双向的因果关系，而经济增长促进了CO2排放量的增加[8]. 以地区为样本进行回归分析显示，我国东部、中部、西部和东北部地区统计结果差异较大，印证了不同经济发展程度地区间存在差异性[16-18,27-28]. 已有研究中较少考虑固定资产投资对能源消费、经济增长和CO2排放三者的影响作用. 研究[29]表明，固定资产投资不仅对CO2排放具有显著正向影响，而且是CO2排放的主要影响因素之一[30].

综上，该研究分析能源消费、经济增长与CO2排放之间关系时，按东部、中部、西部和东北部四大经济区域进行划分，同时加入固定资产投资变量，采用面板向量自回归模型(PVAR)进行分析. PVAR分析方法综合了面板分析和VAR模型的优点，既能控制不可观测的个体异质性(包括个体效应和时间效应)，也可分析面对冲击时的动态反应[31]. 利用系统广义矩估计(System-GMM)方法对模型进行回归，通过格兰杰因果关系检验、脉冲响应分析与方差分解对变量之间关系进行分析.

1 模型构建

由Love等[32]建立的面板向量自回归模型(PVAR)已在跨领域研究中得到应用. 相比传统的VAR模型，PVAR模型将所有的变量都设定为内生变量，同时面板数据能够观察到个体异质性[32]，与VAR模型相似，能解释不要求整个经济结构的经济问题[20,33]. 在分析有相互依赖的经济问题时，横截面尺度会弥补时间序列尺度不足的劣势[34].

PVAR模型建立如式(1)所示.

(1)

式中：t代表年份；i代表省份；k表示模型的滞后阶数；Ai表示截距项向量；Aj是滞后变量的系数矩阵；Yit是包含模型中所有内生变量的列向量；Yit-j为内生变量的j阶滞后项；μi为无法观测到的个体效应向量；τt为时间效应向量；εit为随机扰动项.

PVAR模型的实证分析是为了估计截距项向量(Ai)以及滞后变量系数矩阵(Aj). 在模型估计前，首先采用前向均值差分法和组内均值差分法分别消除个体效应(μi)和时间效应(τt). 在进行广义矩估计时，虽然单一变量逐次估计可获得一致估计，但方程组估计更有利于提高估计的有效性[35]，因此该研究采用Abrigo等[36]提出的系统广义矩估计(System-GMM).

2 数据来源与模型选取

按东部、中部、西部和东北部四大经济区域开展研究[37]，数据来源于《中国统计年鉴》，时间范围选取2000—2017年，受数据限制未包含西藏自治区和港澳台地区数据.

2.1 经济增长(ln E)

经济增长指标选取地区生产总值，为了降低物价对于经济的影响，使用地区生产总值指数进行平减(1978年作为基期).

2.2 CO2排放(ln C)

根据联合国政府间气候变化专门委员会(IPCC)AR4版报告称，化石能源的燃烧是温室气体排放的主要原因，占比在90%以上.因此采用化石能源(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气)的消耗量间接计算出各省份CO2排放量[38]，计算公式：

(2)

式中：Cit表示i省份t年的CO2排放量，104t；Eixt表示i省份t年消费x类能源总量，104t；σx表示能源折标准煤参考系数，kgce/kg；ρx表示x类能源的碳排放系数，kg/kgce. 《中国能源统计年鉴2018》公布的标准煤折算系数以及IPCC公布的碳排放系数如表1所示.

表1 能源碳排放系数和标准煤折算系数

2.3 化石能源消费(ln EC)

选取2000—2017年主要能源产品(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气)省级消费量，将其按照能源折标准煤参考系数，折成标准煤加总. 为避免与CO2排放量呈高度的线性关系，选取人均能源消费量对地区能源消费进行衡量. 人均能源消费量等于地区折算成标准煤的能源消费量除以地区总人口数.

2.4 固定资产投资(ln I)

研究[39]表明，中国固定资产投资与经济增长、能源消费具有长期稳定的相关性. 固定资产投资不仅显著促进能源消费[40]、CO2排放[29]，同时也对生态环境产生负面影响[39]. 因此，加入固定资产投资指标作为控制变量，衡量固定资产投资对能源消费、经济增长和CO2排放的影响. 为消除物价影响，采用固定资产投资价格指数.

为消除不同数据异方差的影响，以上数据均采用取自然对数的方法进行处理. 各数据统计指标为能源消费(ln EC)、经济增长(lnE)、CO2排放(lnC)、固定资产投资(lnI). 上述指标的一阶差分(dln EC、dlnE、dlnC、dlnI)分别对应各自指标的增长率. 四大经济区域各指标描述性统计如表2所示.

表2 我国四大经济区域变量描述性统计

3 实证检验

3.1 面板单位根检验

面板单位根检验主要包括2类：第一类检验要求自回归系数都相同，主要有LLC检验、HT检验、Breitung检验；第二类检验不要求自回归系数相同，主要有IPS检验、ADF-Fisher检验、PP-Fisher检验. 由于我国不同地域的经济社会状况具有一定的差异性，第一类检验的共同根假设在实践中可能过强，因而该研究选择第二类检验. 表3是对东部、中部、西部和东北部四大经济区域的3种单位根检验，从统计结果发现，4个区域水平数据均通过ADF-Fisher检验，但是未通过IPS检验和PP-Fisher检验，由于ADF-Fisher检验并不严格，因此进行一阶差分检验，从统计结果得出，变量通过显著性水平.

表3 我国四大经济区域面板单位根检验

3.2 PVAR模型分析

3.2.1滞后阶数

在建立PVAR模型之前，首先对模型进行滞后阶数检验，该研究使用3种滞后阶数的检验标准，分别为AIC、BIC、HQIC，统计结果如表4所示. 滞后阶数的选择不宜过大，否则会减少模型的自由度，造成模型数据不必要的损失. 滞后阶数过小，会降低模型检验结果的精确度. 滞后阶数应以通过较多检验标准为依据进行选取，因此，东部、中部、西部和东北部分别选取2阶、1阶、2阶、1阶.

表4 滞后阶数检验

3.2.2PVAR估计

利用系统广义矩估计(System-GMM)方法对PVAR模型进行估计检验，结果如表5所示. 从东部地区模型结果得出，固定资产投资对东部地区经济增长具有1阶和2阶滞后显著，但滞后2阶的固定资产投资对当期的经济增长产生正向促进作用，固定资产投资的2阶滞后对CO2排放有显著影响. 经济增长的1阶滞后对能源消费、CO2排放和固定资产投资均具有显著影响，前一期经济增长会带动东部地区当期能源消费增加和固定资产投资提升. 能源消费的2阶滞后对经济增长、CO2排放均具有负向显著影响，但对固定资产投资具有正向显著影响.

表5 PVAR模型系数估计

从中部地区模型结果得出，前一期经济增长与当期能源消费、经济增长、CO2排放均呈显著正相关，但前一期固定资产投资对当期经济增长、CO2排放产生抑制作用；同时，前一期能源消耗与当期固定资产投资呈显著正相关，前一期CO2排放与当期经济增长、固定资产投资呈显著正相关.

从西部地区模型结果得出，前一期经济增长与当期能源消耗、经济增长、CO2排放以及固定资产投资均呈显著正相关，同时前一期能源消费和CO2排放与当期固定资产投资分别呈负相关和正相关. 滞后2阶的能源消费与当期的能源消费、经济增长以及CO2排放均呈显著负相关，但与固定资产投资呈正相关. 滞后2阶的经济增长与当期能源消费、CO2排放和固定资产投资均呈显著负相关. 滞后2阶的CO2排放与当期能源消费、CO2排放呈显著负相关，与当期的经济增长和固定资产投资呈显著正相关. 滞后2阶的固定资产投资与当期经济增长呈显著正相关.

从东北地区模型结果得出，前一期经济增长与当期能源消费、经济增长以及CO2排放呈显著正相关，前一期CO2排放与当期能源消费、经济增长、CO2排放以及固定资产投资均呈显著正相关.

3.3 格兰杰因果检验

为检验能源消费、经济增长、CO2排放之间的因果关系，利用格兰杰因果关系检验进行分析，同时加入固定资产投资指标.分地区的统计结果如表6所示.

表6 格兰杰因果检验

从东部地区结果得出，能源消费与经济增长、能源消费与固定资产投资以及经济增长与固定资产投资之间均呈双向因果关系. CO2排放与能源消费、经济增长以及固定资产投资均呈单向因果关系.

从中部地区结果得出，经济增长与CO2排放、固定资产投资与CO2排放之间均呈双向因果关系，能源消费与经济增长、固定资产投资与能源消费、经济增长与固定资产投资均呈单向因果关系，其他变量之间不存在因果关系.

从西部地区结果得出，能源消费与经济增长、能源消费与CO2排放、经济增长与CO2排放以及固定资产投资与经济增长之间均呈双向因果关系.

从东北部地区结果得出，经济增长与CO2排放、固定资产投资与CO2排放之间均呈双向因果关系. 能源消费与经济增长、能源消费与CO2排放均呈单向因果关系. 其余变量之间并不存在因果关系.

3.4 脉冲分析

为进一步分析四大经济区域各变量之间的动态关系，分地区进行脉冲分析，按各区域选取的滞后阶数，观察各变量在给定1标准差冲击后的动态反应，预测期设定为10年，当期为2017年，预测期为2018—2027年.

3.4.1东部地区脉冲分析

由图1可见：经济增长对能源消费的脉冲表现为正向冲击，且在第1期达到峰值后，逐渐回落至稳态；而能源消费对来自CO2排放的冲击首先表现为负向，在第1期负向冲击达到最大，第2期后逐渐回归稳态，并在第3期达到稳态；固定资产投资对能源消费的冲击在第3期达到正向峰值，随后逐渐回归稳态.

图1 东部地区脉冲分析Fig.1 Impulse response in eastern China

能源消费对经济增长在当期(第0期)表现为正向冲击，并且在第1期达到峰值，第4期后逐渐回落；CO2排放对经济增长首先产生负向冲击，在第2期达到负向冲击峰值后回落至稳态；固定资产投资对经济增长首先表现为负向冲击，随后上升并在第3期达到正向峰值后，逐渐回落至稳态，整体看，固定资产投资对经济增长表现为正向冲击.

经济增长对CO2排放的冲击在第1期达到峰值，随后逐渐回落至稳态，经济增长对CO2排放整体上表现为正向冲击；固定资产投资对CO2排放的冲击在第3期达到峰值，随后逐渐回落至稳态.

3.4.2中部地区脉冲分析

由图2可见：经济增长对能源消费表现出长期正向冲击，在第3期达到峰值，随后维持峰值冲击水平；CO2排放对能源消费表现为正向冲击，并在第1期达到峰值；固定资产投资对能源消费表现为负向冲击，并长期保持较高负向冲击水平.

能源消费对经济增长在当期产生正向冲击，并在第1期达到峰值；CO2排放对经济增长表现出正向冲击，第1期达到正向冲击峰值，并长期保持较高冲击水平；固定资产投资对经济增长产生负向冲击，在第1期达到负向冲击峰值，并长期保持较高的负向冲击水平.

能源消费对CO2排放在当期(第0期)的冲击最大，随后逐渐回落至稳态；经济增长对CO2排放在第2期达到正向峰值，并长期保持较高的正向冲击水平；固定资产投资对CO2排放表现为负向冲击，在第1期达到负向冲击峰值，并长期保持较高的负向冲击水平.

3.4.3西部地区脉冲分析

由图3可见：经济增长对能源消费产生正向冲击，在第1期达到峰值，第2期后逐渐回落，但仍长期保持较高的正向冲击水平；CO2排放对能源消耗首先表现出负向冲击，在第2期达到负向峰值，随后逐渐上升，并在第4期达到正向冲击峰值，整体来看，CO2排放对能源消费具有正向冲击；固定资产投资对能源消费在第1期达到正向峰值，随后逐渐回落至稳态.

图3 西部地区脉冲分析Fig.3 Impulse response in western China

能源消费对经济增长在当期产生正向冲击，在第2期达到峰值，并长期保持较高的正向冲击水平；CO2排放对经济增长在第4期达到正向峰值，并长期保持较高的正向冲击水平；固定资产投资对经济增长首先产生负向冲击，在第1期达到负向峰值，随后逐渐回升并在第3期达到正向峰值，整体看，固定资产投资对经济增长具有正向冲击作用.

经济增长对CO2排放产生正向冲击，在第1期达到峰值，并保持较高的正向冲击水平；固定资产投资对CO2排放产生正向冲击，在第1期达到峰值，随后回落至稳态.

3.4.4东北部地区脉冲分析

由图4可见：经济增长对能源消费产生正向冲击，在第2期达到峰值，并维持较高的正向冲击水平；CO2排放对能源消费产生正向冲击，在第1期达到峰值；固定资产投资对能源消费产生负向冲击，在第1期达到负向峰值，并长期维持负向冲击状态.

图4 东北地区脉冲分析Fig.4 Impulse response in northeastern China

能源消费对经济增长在当期产生正向冲击，在第2期达到峰值并保持稳定冲击状态；CO2排放对经济增长产生长期正向冲击；固定资产投资对经济增长产生负向冲击.

经济增长对CO2排放产生正向冲击，在第2期达到峰值并维持稳定正向冲击状态；固定资产投资对CO2排放产生负向冲击.

3.5 方差分解

通过预测误差的方差分解(FEVD)，可以得出单个变量对其余内生变量的贡献度，以此来衡量单个变量对其余内生变量冲击的重要性[41]. 分别对东部、中部、西部和东北部地区进行预测，预测期为20年，方差分解结果如图5～8所示.

3.5.1东部地区

由图5可见：经济增长对能源消费贡献度约为35%，是能源消费波动的重要因素；能源消费对经济增长贡献度约12%，是影响经济增长波动的重要因素. 固定资产投资对经济增长的贡献度较小，但是变幅较大，约为5%；能源消费对CO2排放的贡献度在初始较强，约90%，但随着时间的推移，能源消费的贡献度逐渐下降，最终维持在60%左右. 经济增长对碳排放的贡献度持续增加，变幅约为40%.

图5 东部地区方差分解Fig.5 Variance decomposition in eastern China

3.5.2中部地区

由图6可见：经济增长对能源消费的贡献度约为30%，是影响能源消费的重要因素；能源消费对经济增长也存在重要影响，贡献度约为30%；随着时间的推移，能源消费对CO2排放的贡献度逐渐下降，但仍是重要影响因素，经济增长对CO2排放贡献度约为30%.

图6 中部地区方差分解Fig.6 Variance decomposition in central China

3.5.3西部地区

由图7可见：经济增长对能源消费的贡献度约为38%，是能源消费的重要影响因素；能源消费也是经济增长的重要影响因素，且贡献度达30%，是影响经济增长的重要因素；随着时间的推移，能源消费对CO2排放贡献度逐渐下降，但仍对CO2排放有较大的影响，而经济增长对CO2排放的影响程度逐渐加强，变幅约为40%.

图7 西部地区方差分解Fig.7 Variance decomposition in western China

3.5.4东北地区

由图8可见：随着时间的推移，经济增长为能源消费的贡献度逐渐提升，变幅约为25%；能源消费对经济增长的贡献度约为55%，是经济增长的重要影响因素；能源消费是CO2排放的重要影响因素，并长期保持较高贡献度；经济增长对CO2排放的贡献度较低，变幅约为25%.

图8 东北地区方差分解Fig.8 Variance decomposition in northeastern China

4 结论与建议

4.1 结论

a) 从东部地区来看，经济增长依赖于对能源的消耗，二者既存在双向因果关系，又存在双向正向脉冲响应，方差分解结果表明，能源消费与经济增长互为重要影响因素，经济增长会带来CO2排放的增加，存在单向因果关系，并逐渐成为CO2排放的重要影响因素，这说明能源消耗对东部地区经济增长带动较强. 固定资产投资对CO2排放产生正向影响，并且对经济增长和能源消耗均有双向因果关系，这表明固定资产投资既会拉动经济增长，也会带来能源消耗和CO2排放.

b) 从中部地区来看，能源消费对经济增长存在单向因果关系，二者之间存在双向正向冲击，且长期来看，能源消费与经济增长之间互为重要影响因素. 经济增长对CO2排放存在长期正向冲击，并且二者之间存在双向因果关系. 前一期的经济增长对当期能源消费和CO2排放具有显著正向促进作用，存在化石能源拉动经济增长的现象，并且中部地区经济增长并没有减少化石能源的消耗，相反，对化石能源的需求有所增加.

c) 从西部地区来看，经济增长与能源消费之间存在双向正向冲击，并且存在双向因果关系，二者之间互为重要影响因素. 相较于东部地区，西部地区经济发展程度较低，但是依旧呈现高耗能的发展模式，经济增长与CO2排放之间存在双向正向冲击，并且存在双向因果关系，方差分解结果表明，经济增长是CO2排放的重要影响因素. 固定资产投资对地区经济增长具有显著促进作用，二者之间具有双向因果关系，西部地区重工业企业较多，同时由于经济发展水平较低，工业企业能源技术相对落后，固定资产投资能够较好地加速地区技术进步.

d) 从东北地区来看，经济增长和能源消费之间存在单向因果关系，存在双向正向的脉冲响应，方差分解结果表明，能源消费与经济增长之间互为重要影响因素. 经济增长与CO2排放之间具有双向因果关系，并且具有双向正向冲击. 方差分解表明，东北地区经济增长对CO2排放的贡献度较低，说明东北地区第二产业比重下降，第三产业对经济贡献度上升. 固定资产投资对该地区能源消耗和CO2排放具有负向冲击，地区产业相比于东部，仍处于较为落后的阶段，固定资产投资会有效淘汰落后的高耗能、高污染工序.

总体来说，四大经济区均呈现能源消费与经济增长互为重要影响因素，说明中国经济增长依赖于对能源的消耗，但是东部与西部又呈现不同的特征，东部地区呈现高能耗、高收入的发展特征，西部地区虽然呈现高能耗发展态势，但是经济发展质量较低. 一方面由于西部地区经济基础较为薄弱，工业基础设施较为落后；另一方面由于东部地区的地理优势，对外贸易频繁，加速地区现代化进程.

4.2 建议

中国应该根据不同经济分区的地域差异，在经济增长与CO2排放降低的双重挑战下，积极减缓和适应气候变化，实现高质量永续发展.

a) 从东部地区来看，固定资产投资并不能有效促进东部地区经济增长，同时还会增加地区CO2排放. 地方政府未来应该转变发展模式，将资金适度地转移到对人力资本的投资[10]及低碳和清洁能源技术研发上，先进的能源技术对东部地区经济增长有较强促进作用[42]，进一步深化供给侧结构性改革，提升能源利用效率. 应大力发展清洁生产和节能减排，降低对能源的消费成本.

b) 从中部地区来看，能源消费是拉动经济增长的主要途径，经济增长又是CO2排放的重要因素，同时固定资产投资会减少地区CO2排放. 从长远的角度看，中部应该进一步结合区位优势，提高对可再生能源的消费比重，通过实施可再生能源的补贴和税收返还[43]，提高资源型企业的市场准入政策等措施，逐步引导企业提高可再生能源在总能源消费中的比例，依托长江经济带发展战略，实现中部地区绿色低碳发展.

c) 从西部地区来看，固定资产投资对于经济增长的滞后期较长，同时依旧保持以能源消耗来促进经济增长的模式. 短期内，西部地区应该运用环境污染第三方治理、合同能源管理、PPP等模式，鼓励社会资本参与生态环境治理. 从长远角度来看，政府应该为能源企业拓宽融资渠道，鼓励能源企业发展清洁生产. 同时结合西部地区特有的区位优势，加大研发投资力度，加快科技迭代，实现规模化运营，降低可再生能源企业生产成本.

d) 相较于东部、中部和西部来说，东北地区能源消费对经济增长的贡献度最大，固定资产投资对于减少化石能源消费和降低CO2排放作用明显. 东北地区应该在东北振兴战略的时代背景下，转变高消耗、高排放的发展模式. 积极引入外商直接投资(FDI)，推动可再生能源产业的发展，促进东北地区能源结构的转型升级[44]. 加大对于人才的吸引力度和科研投入力度，建设以互联网、智能物流网、智能电网等为主的现代基础设施网络，推动信息化和工业化融合发展.

四大经济区均应提高对可再生能源的基础设施建设，逐渐扭转高能耗的发展模式，加快形成绿色清洁的发展方式. 对于中部、西部和东北地区，积极运用PPP等模式，鼓励社会资本参与生态环境治理，利用不同地区特有的地域优势，积极引入外商资本参与可再生能源项目建设. 东部地区要结合地区特有的经济优势，加大对低碳和清洁技术的研发，同时加强区域间的交流合作，实现不同地域之间资本和先进技术的深入融合.

总体来说，我国区域经济发展不协调，不同区域应该结合自身的发展特征以及区位优势，转变以依靠化石能源消费实现经济增长的发展模式，加大对可再生能源的投资力度，不断提升可再生能源在能源结构中的比例，适当提升能源市场的自由度[45]，力争于2030年前达到CO2排放峰值，努力争取2060年前实现碳中和.

参考文献(References)：

[1] LE-QUÉRÉC,JACKSON R B,JONES M W,etal.Temporary reduction in daily global CO2emissions during the COVID-19 forced confinement[J].Nature Climate Change,2020,10(7):647-653.

[2] 国家统计局.国家数据[EB/OL].北京:国家统计局，2020-01-18[2020-07-13].http://data.stats.gov.cn/easyquery.htm?cn=C01.

[3] 国家统计局.2019年四季度和全年国内生产总值(GDP)初步核算结果[EB/OL].北京:国家统计局，(2020-01-18)[2020-07-13].http://www.stats.gov.cn/tjsj/zxfb/202001/t20200117_1723591.html.

[4] KHAN H,KHAN I,BINH T T.The heterogeneity of renewable energy consumption,carbon emission and financial development in the globe:a panel quantile regression approach[J].Energy Reports,2020,6:859-867.

[5] ZHU B,WANG K,CHEVALLIER J,etal.Can China achieve its carbon intensity target by 2020 while sustaining economic growth[J].Ecological Economics,2015,119:209-216.

[6] IPCC.AR5 synthesis report: climate change 2014[EB/OL].Switzerland:World Meteorological Organization,2014[2020-07-13].https://www.ipcc.ch/report/ar5/syr/.

[7] IEA.World energy outlook 2019[EB/OL].France:International Energy Agency,2019[2020-07-13].https://www.iea.org.

[8] WANG S,ZHOU C,LI G,etal.CO2,economic growth,and energy consumption in China′s provinces:investigating the spatiotemporal and econometric characteristics of China′s CO2emissions[J].Ecological Indicators,2016,69:184-195.

[9] OUYANG Y,LI P.On the nexus of financial development,economic growth,and energy consumption in China:new perspective from a GMM panel VAR approach[J].Energy Economics,2018,71:238-252.

[10] CHEN Y,FANG Z.Industrial electricity consumption,human capital investment and economic growth in Chinese cities[J].Economic Modelling,2018,69:205-219.

[11] LIN B,DU K.Energy and CO2emissions performance in China′s regional economies:do market-oriented reforms matter[J].Energy Policy,2015,78:113-124.

[12] WANG S,LI Q,FANG C,etal.The relationship between economic growth,energy consumption,and CO2emissions:empirical evidence from China[J].Science of the Total Environment,2016,542:360-371.

[13] WANG S S,ZHOU D Q,ZHOU P,etal.CO2emissions,energy consumption and economic growth in China:a panel data analysis[J].Energy Policy,2011,39(9):4870-4875.

[14] FEI L,DONG S,XUE L,etal.Energy consumption-economic growth relationship and carbon dioxide emissions in China[J].Energy Policy,2011,39(2):568-574.

[15] 张恪渝,廖明球.中国经济增长与碳排放之间的关系研究:基于非参数bootstrap方法构建的VEC模型[J].数理统计与管理,2019,38(1):28-39.

ZHANG Keyu,LIAO Mingqiu.The causality between CO2emission and economic growth: based on non-parametric VEC model[J].Journal of Applied Statistics and Management,2019,38(1):28-39.

[16] 陈向阳,李奕君.能源消费、碳排放与经济增长之间的关系研究:理论机制与实证检验[J].南京财经大学学报,2018(5):98-108.

CHEN Xiangyang,LI Yijun.A study on the relationship between energy consumption,carbon emissions and economic growth:theoretical mechanism and empirical test[J].Journal of Nanjing University of Finance and Economics,2018(5):98-108.

[17] 徐如浓,吴玉鸣.长三角城市群碳排放、能源消费与经济增长的互动关系:基于面板联立方程模型的实证[J].生态经济,2016,32(12):32-38.

CHEN Runong,WU Yuming.Carbon emissions,energy consumption and economic growth nexus in Yangtze River Delta urban agglomeration: based on an empirical study of panel simultaneous equations models[J].Ecological Economy,2016,32(12):32-38.

[18] 翟石艳,王铮.基于ARDL模型长三角碳排放、能源消费和经济增长关系研究[J].长江流域资源与环境,2013,22(1):94-103.

ZHAI Shiyan,WANG Zheng.Modeling relationship among carbon emission energy consumption and economic growth by ARDL in the Yangtze River Delta[J].Resources and Environment in the Yangtze Basin,2013,22(1):94-103.

[19] 王仲瑀.京津冀地区能源消费、碳排放与经济增长关系实证研究[J].工业技术经济,2017,36(1):82-92.

WANG Zhongyu.The empirical study on the relationship between energy consumption,carbon emissions and economic growth in Beijing-Tianjin-Hebei[J].Journal of Industrial Technological Economics,2017,36(1):82-92.

[20] ACHEAMPONG A O.Economic growth,CO2emissions and energy consumption:what causes what and where[J].Energy Economics,2018,74:677-692.

[21] LU W.The impacts of information and communication technology,energy consumption,financial development,and economic growth on carbon dioxide emissions in 12 Asian countries[J].Mitigation and Adaptation Strategies for Global Change,2018,23(8):1351-1365.

[22] ALAM M M,MURAD M W,NOMAN A H M,etal.Relationships among carbon emissions,economic growth,energy consumption and population growth: testing Environmental Kuznets Curve hypothesis for Brazil,China,India and Indonesia[J].Ecological Indicators,2016,70:466-479.

[23] LI Huijuan.Energy consumption,CO2emissions and economic development in China′s resource-based cities acase study of Xuzhou[C]//LI Huijuan.Proceedings of 2011 International Conference on Management Science and Intelligent Control(ICMSIC 2011).Anhui:IEEE,2011.

[24] 姚君.我国能源消费、二氧化碳排放与经济增长关系研究[J].生态经济,2015,31(5):53-56.

YAO Jun.A study on the relationship of energy consumption,CO2emissions and economic growth in China[J].Ecological Economy,2015,31(5):53-56.

[25] PENG S,SUN Z.An econometric study of CO2emissions,energy consumption and economic growth in China[C]//PENG S.2010 International Conference on Mechomic Automation and Control Engineering.Wuhan,China:IEEE,2010:1805-1808.

[26] 陈红梅,宁云才,齐秀辉.中国经济增长、能源消费与碳排放之间的关系研究[J].科技管理研究,2012,32(10):198-202.

CHEN Hongmei,NING Yuncai,QI Xiuhui.On the relationship between economic growth,energy consumption and CO2emissions in China[J].Science and Technology Management Research,2012,32(10):198-202.

[27] 刘晓红,江可申,魏洁云.我国经济增长、能源消费、贸易开放度、城镇化和碳排放之间关系:以东部地区为例[J].系统工程,2016,34(9):81-88.

LIU Xiaohong,JIANG Keshen,WEI Jieyun.The relationship between economic growth,energy consumption,trade openness,urbanization and CO2emission in China:a case in East China[J].Systems Engineering,2016,34(9):81-88.

[28] 王士轩,孙慧,朱俏俏.新疆碳排放、能源消费与经济增长关系的实证研究[J].科技管理研究,2015,35(18):221-224.

WANG Shixuan,SUN Hui,ZHU Qiaoqiao.An empirical study on relationship among carbon emissions energy consumption and economic growth[J].Science and Technology Management Research,2015,35(18):221-224.

[29] WANG S,WANG J,LI S,etal.Socioeconomic driving forces and scenario simulation of CO2emissions for a fast-developing region in China[J].Journal of Cleaner Production,2019,216:217-229.

[30] WANG C,WANG F,ZHANG X,etal.Examining the driving factors of energy related carbon emissions using the extended STIRPAT model based on IPAT identity in Xinjiang[J].Renewable and Sustainable Energy Reviews,2017,67:51-61.

[31] 车维汉,王茜.1980-2006年东亚经济波动的原因:基于面板VAR的分析[J].财经研究,2009,35(11):59-70.

CHE Weihan,WANG Qian.Reasons for economic fluctuations in east Asia from 1980 to 2006: analysis based on panel VAR[J].Journal of Finance and Economics,2009,35(11):59-70.

[32] LOVE I,ZICCHINO L.Financial development and dynamic investment behavior: evidence from panel VAR[J].The Quarterly Review of Economics and Finance,2006,46(2):190-210.

[33] JUODIS A.First difference transformation in panel VAR models:robustness,estimation,and inference[J].Econometric Reviews,2018,37(6):650-693.

[34] POLEMIS M L.Capturing the impact of shocks on the electricity sector performance in the OECD[J].Energy Economics,2017,66:99-107.

[35] HOLTZ-EAKIN D,NEWEY W,ROSEN H S.Estimating vector autoregressions with panel data[J].Econometrica:Journal of the Econometric Society,1988:1371-1395.

[36] ABRIGO M R,LOVE I.Estimation of panel vector autoregression in Stata[J].The Stata Journal,2016,16(3):778-804.

[37] 国家统计局.东西中部和东北地区划分方法[EB/OL].北京:国家统计局,2011-06-13[2020-07-14].http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm.

[38] NIE Y,LI Q,WANG E,etal.Study of the nonlinear relations between economic growth and carbon dioxide emissions in the Eastern,Central and Western regions of China[J].Journal of Cleaner Production,2019,219:713-722.

[39] LI L,QI P.The impact of China′s investment increase in fixed assets on ecological environment:an empirical analysis[J].Energy Procedia,2011,5:501-507.

[40] HU Y.Energy conservation assessment of fixed-asset investment projects:an attempt to improve energy efficiency in China[J].Energy Policy,2012,43:327-334.

[41] 姜珂,昌忠泽.人口结构变动对经常账户的影响:基于面板VAR模型的实证分析[J].中央财经大学学报,2020(2):117-128.

JIANG Ke,CHANG Zhongze.The impact of demographic changes on current account: an empirical analysis based on panel VAR Model[J].Journal of Central University of Finance and Economics,2020(2):117-128.

[42] SHAHBAZ M,MAHALIK M K,SHAH S H,etal.Time-varying analysis of CO2emissions,energy consumption,and economic growth nexus:statistical experience in next 11 countries[J].Energy Policy,2016,98:33-48.

[43] JIANG Z,LYU P,YE L,etal.Green innovation transformation,economic sustainability and energy consumption during China′s new normal stage[J].Journal of Cleaner Production,2020,273:123044.

[44] FAN W,HAO Y.An empirical research on the relationship amongst renewable energy consumption,economic growth and foreign direct investment in China[J].Renewable Energy,2020,146:598-609.

[45] NICOLLI F,VONA F.Energy market liberalization and renewable energy policies in OECD countries[J].Energy Policy,2019,128:853-867.