基于稀疏主成分的能源利用效率综合评价及影响因素分析

喻胜华 王婷婷

[收稿日期] 2020-12-29

[基金项目] 湖南省哲学社会科学基金项目： 基于稳健稀疏主成分的指标筛选与信息贡献测算方法研究（18YBA080）

[作者简介] 喻胜华（1966—），男，湖南宁乡人，湖南大学经济与贸易学院教授，博士生导师，研究方向：数量经济学。

[摘 要] 基于能源消耗水平、能源高效利用水平、污染排放水平和污染治理水平四大准则层构建了评价能源利用效率的指标体系，使用数据包络分析、稀疏主成分方法和熵值法得到了我国各省市自治区2008-2018年的能源利用效率综合评价结果。在此基础上通过构建省际动态面板模型研究了能源利用效率的影响因素，回归结果显示：经济开放性、人均GDP、第三产业占比对能源利用效率有显著的正影响，能源消费结构、政府环境规制对能源利用效率有显著的负影响。最后就如何提高能源利用效率提出了相应的政策建议。

[关键词] 能源利用效率;稀疏主成分;影响因素

[中图分类号]  F830   [文献标识码] A   [文章编号] 1008—1763（2021）05—0060—09

A Comprehensive Evaluation of Energy Utilization

Efficiency and Analysis of Influencing Factors based

on Sparse Principal Components

YU Sheng hua， WANG Ting ting

（School of Economics and Trade， Hunan University， Changsha  410079，China）

Abstract：Based on the four criterion layers of energy consumption level， energy efficient use level， pollution emission level and pollution treatment level， an index system was constructed to evaluate energy utilization efficiency， and the comprehensive evaluation results of energy utilization efficiency of China's provinces， municipalities and autonomous regions from 2008 to 2018 were obtained by data envelopment analysis， sparse principal component method and entropy value method. On this basis， the influential factors of energy utilization efficiency were studied by constructing the provincial dynamic panel model.The regression results show that economic openness， per capita GDP and the proportion of tertiary industry have a significant positive impact on energy utilization efficiency， while the energy consumption structure and government environmental regulation have a significant negative impact on energy use efficiency. Finally， some policy suggestions on how to improve energy utilization efficiency are put forward.

Key words： energy utilization efficiency; sparse principal components; influencing factors

一 引言及文献综述

能源利用效率是指利用较少能源产生同等数量的服务或有用的产出，根据测度方法不同可分为单要素能源利用效率和全要素能源利用效率。单要素能源利用效率是指一个地区或者经济体的实际消耗能源量与实际产出之比，如单位GDP能耗。由于单要素能源利用效率只考虑了能源消耗这一投入要素，因而不能反映其他生产要素对能源投入要素的替代效应。全要素能源利用效率是把能源消耗量、人力资本和资本存量等多种生产要素作为投入指标，把GDP等期望产出与废气排放等非期望产出作为产出指标，通過构建一个多元投入产出模型来测算的能源利用效率。全要素能源利用效率可更好地评估不同生产要素的替代效应，以此来表征各地区在不同能源禀赋结构下的能效水平。

我国已成为第一大能源消费国。 2018年，我国能源进口依存度已达到21%，能源进口量约为9.7亿吨标准煤，其中原油占比66%，天然气占比16%，煤炭占比18%。与此同时，我国能源利用效率低，与其他发达国家相比，还有很大的节能降耗空间。另外，我国的能源消费结构不合理，煤炭在能源消费中比例过高，阻碍了我国经济绿色高效发展。最新制定的“十四五”发展规划纲要明确要求要持续推进经济发展方式转型升级、推进经济与生态环境的高质量协同发展，二氧化碳排放和单位GDP能耗要分别降低18%和13.5%，这一任务艰巨且具有挑战性。为此，如何提高能源利用效率已成为各级政府急需解决的一个难题。

迄今为止，已有不少学者研究了能源利用效率的测度及其影响因素。史丹使用因素分解法对我国不同地区的能源利用效率进行了测算，发现我国东南沿海地区的能源利用效率相对其他地区要更高，能源集聚的区域往往能源效率都不高[1] 。李霞在构建一个涵盖单要素、多要素及环境质量约束的指标体系的基础上研究了我国各省市能源利用效率的变化趋势[2] 。测算全要素能源利用效率的典型方法主要有随机前沿法及DEA（数据包络分析）方法。陈关聚以我国30个制造业行业作为研究对象，使用随机前沿分析法测算了研究对象的全要素能源利用效率，以此来评估能源结构变化和能源利用效率之间的影响关系[3]。陈德敏等人用DEA方法测算了我国各省市的全要素能源利用效率，结果表明我国不同省域的全要素能源利用效率存在非常大的差异，但总体上都呈“先升后降”的发展趋势[4] 。Zhang S等基于DEA方法，利用亚太经济合作组织国家1995-2013年的数据，并考虑不良输出来测算能源利用效率，发现发达国家的能源利用效率一般要高于发展中国家[5]。张志辉把DEA方法与Bootstrap DEA方法进行有机结合，并通过Tobit模型探究了外部环境因素和全要素能源利用效率之间的相关性[6]。 Lin B Q等收集了我国114个城市的面板数据，在DEA模型的基础上构建了非径向方向距离函数评价国家节能财政政策对于城市可持续发展的影响[7]。 考虑到能源消耗往往伴随着废气、废水等污染物的产生，比如CO2、SO2等，刘海英和钟莹构建了包含二氧化硫为非期望产出的非径向方向距离函数，运用DEA模型测算了我国各省市的能源利用效率，结果表明从二氧化硫的排放来看，中国工业经济节能和减排并不一致[8] 。因此，能源利用效率的测算不应该只涉及传统的期望产出，还应充分考虑到随之而生的非期望产出，即废气废水等污染物，以此衍生出绿色全要素能源利用效率。刘海英和刘晴晴构建了绿色能源利用效率的评价指标体系，以此来测算我国各地区2006-2016年的绿色全要素能源效率[9]。

已有文献关于能源利用效率的研究多集中于全要素能源利用效率的测算，可归纳为如下三个研究方向：（1）只考虑GDP作为期望产出的非参数数据包络模型，包括当期的Malmquist指数分析、经典DEA和超效率DEA，该方法比较简单，但准确性和政策参考性相对较差。（2）将工业生产过程中产生的废水、废气及二氧化硫等污染排放物作为非期望产出引入效率测度中，即为绿色全要素能源利用效率，测算方法主要有方向性距离函数及Malmquist-Luenberger指数分析，该方法能够兼顾节能和经济增长双重目标。在研究中，学者们大都把非期望产出作为投入或产出要素进行处理，如汪克亮等[10]， 这种处理方式与现实中的生产活动不符，污染排放物具有负产出的特征，应作为副产品进行处理，而Chung Y 等的研究是把非期望产出作为产出要素进行处理，这种处理方式考虑了实际生产流程，并遵循生产函数的凸性要求[11-13] 。（3）采用参数型的随机前沿分析方法，该方法需要对生产函数进行前提假设，而生产函数的提出因人而异，研究结果差异较大。

关于能源利用效率的影响因素，学界主要从产业结构、技术进步、能源消费结构、对外开放、环境规制及经济发展水平等方面加以探讨。如林伯强等认为，我国能源利用效率提升的主要驱动因素是技术进步，但技术进步还存在着回弹效应[14] 。王腾等将测算出的全要素能源利用效率分解为技术水平、纯技术效率和规模效率，分别一一验证环境规制与全要素能源效率间波特假说的关系，结果表明环境规制与全要素能源效率和技术水平均存在单门限效应，因此政府在制定政策时应当考虑不同主体间的技术水平差异[15]。 罗朝阳等从产业结构调整对能源利用效率的非线性影响出发，发现当技术进步达到一定程度时，产业结构升级才会显著提高能源利用效率[16] 。师博等研究了产业集聚对能源效率的影响[17] 。肖晓军等研究了对外贸易和外商直接投资对能源效率的影响[18-20] 。多数研究表明，经济增长水平、技术进步和对外开放对提高能源利用效率有积极影响;产业结构变动对能源利用效率的影响方向随着不同阶段的调整而变化;环境规制通过不同的路径影响着能源利用效率;就消费结构层面而言，能源利用效率随煤炭消费相对比重的降低而提升。

单要素不能准确评价能源利用效率，但针对单要素能源利用效率的讨论在学界一直存在。这是由于即使是一些国际公约在设计节能减排计划时，也采用单要素能源利用效率指标。着眼于理论层面，全要素能源利用效率的意义更加重大。为此，本文拟构建一个综合评价指标体系，将传统的能源利用效率指标与多投入—产出的全要素生产率相结合，这样既能反映单要素能源效率在实际中的应用，又可以全面地考察相关因素对能源利用效率的影响。我们构建指标体系的目标层为能源综合利用效率，涵盖能源消耗水平、能源高效利用水平、污染排放水平和污染处理水平四大准则层，具体包括单位产值能耗、全要素能源效率、单位产值污染物排放量等26个指标。我们拟将稀疏主成分分析方法[21]运用到多指标体系的综合评价中，旨在解决多指标体系中的降维问题，使模型具备更好的解释性，从而客观、准确地评估我国各省市自治区的能源利用效率。

二 評价能源利用效率的指标体系

为了兼顾评价能源利用效率的全面性和便利性，本文拟构建综合考量能源消耗水平、能源高效利用水平、污染排放及污染治理水平的指标体系。根据选择评价指标的可比性、独立性、科学性、关联性，以及动态指标与静态指标相结合等原则，最终确定的指标体系由三个评价层次、四大评价准则层、26个指标所构成（见表1）。

三 基于稀疏主成分的我国能源利用效率综合评价

（一）基于稀疏主成分方法的指标层评分

本文选取了我国30个省市自治区（由于西藏自治区的数据缺失较多，故未予以考虑）2008-2018年期间的面板数据。在评价过程中，通过采用对逆向指标取倒数的方法将其转化为与评价目标同趋势的正向指标，利用Z Score方法对表1中列出的26个变量进行标准化处理。

1. 将能源消耗水平标准正向化后的11个指标数据运用R软件进行稀疏主成分分析，稀疏主成分分析方法是在主成分分析方法的基础上引入惩罚系数λ，其值对应于不同的稀疏主成分。它可以将部分变量的系数压缩为零，从而达到降维的目的。惩罚系数的选择如图1所示，PEV代表解释程度，SPARSE代表稀疏度，解释程度与稀疏度存在权衡取舍的关系，λ值越大，则PEV越小，SPARSE越大。经过比较，最终选择了每个稀疏主成分对应的惩罚系数为（0.0035， 0.0022， 0.0020， 0.0018）。

根据选择的惩罚系数，确定了前4个稀疏主成分，其累计方差贡献率达到了83.496%，保留了原11个指标的大部分信息。稀疏主成分的特征值及方差贡献率如表2所示，各稀疏主成分的载荷矩阵如表3所示：

相应的稀疏主成分为：

SPCA1= 0.459х1+0.448х2+0.444х3-0.174х4+0.444х7+0.315х8

SPCA2= 0.182х2-0.219х3-0.552х6-0.436х10-0.582х11

SPCA3= 0.145х2+0.143х4+0.561х5+0.655х6-0.243х11

SPCA4= 0.241х1-0.366х7-0.601х8

以方差贡献率作为稀疏主成分的权重，则可以计算出我国各省市自治区2008-2018年能源消耗水平的综合得分。

2. 将污染排放水平的10个指标经过标准正向化处理后，进行稀疏主成分分析，经比较确定的惩罚系数分别为（0.0017， 0.0015， 0.0012， 0.0013），选取前3个累计方差贡献率达到了86.738%的稀疏主成分，特征值和方差贡献率如表4 所示：

各稀疏主成分的载荷矩阵如表5所示：

相应的稀疏主成分为：

SPCA1=0.303x15+0.323x16-0.509x18+0.362x19+0.289x20+0.246x22

SPCA2=0.4x13+0.428x15-0.318x16+0.353x17-0.156x19+0.148x20+0.226x21

SPCA3=0.038x13-0.471x16-0.224x17-0.386x18+0.564x19+0.431x20

以方差贡献率作为稀疏主成分的权重，则可以计算得出我国各省市自治区2008-2018年污染排放水平的综合得分。

3. 将污染治理水平经过标准正向化处理的4个指标进行稀疏主成分分析，经比较确定的惩罚系数分别为（0.002， 0.006），选取了前2个累计方差贡献率达到了76.504%的稀疏主成分，特征值和方差贡献率如表6所示：

各稀疏主成分的载荷矩阵如表7所示：

相应的稀疏主成分为：

SPCA1=0.687x24+0.722x25

SPCA2=-0.026x24+0.021x25-0.989x26

以方差贡献率作为稀疏主成分的权重，则可以计算得出我国各省市自治区2008-2018年污染治理水平的综合得分。

（二） 基于熵值法确定各准则层权重

在计算出各准则层的稀疏主成分得分后，我们使用熵值法确定各准则层的权重，设有m个评价对象，n个指标，xij为第i个评价对象的第j个指标的对应数值（i=1，2，…，m;j=1，2，…，n），计算步骤如下：

（1）计算出第j个指标下第i行的贡献度：

Pij=xij∑mi=1xij，i=1，2，…，m;j=1，2，…，n

（2）求出第j个指标下第i个评价对象占该指标的比重：Pijln（Pij）;

（3）计算第j个指标的熵值ej和常数k， 这里

k=1ln（n），ej=-k∑mi=1Pijln（Pij），ej≥0

（4）利用上述所求的ej，可以得到信息熵冗余度dj，dj=1-ej;

（5）確定各指标的权重ωj=dj∑nj=1dj

经计算得出四个准则层的权重分别为 0.212 、0.010、 0.457、 0.321。

（三） 我国各省市自治区能源利用效率的综合评价

通过前文计算得出的各省市自治区历年各准则层综合得分及权重，最终得到了我国各省市自治区2008-2018年能源利用效率的综合得分及排名，表8列出了2008年和2018年的综合得分及排名。

从表8可以看出，2018年每个地区的能源利用效率都较十年前有所提升，其中北京的能源利用效率提升最多，增长了近70%，综合排名从第二提升到了第一位。宁夏的能源利用效率增长缓慢，仅提升了3%左右，排名不变，为全国各省市自治区中能源利用效率最低的地区。上海、海南和天津的能源利用效率一直处于较高水平，其综合得分位于前四位。山西、内蒙古、辽宁、吉林、黑龙江、安徽、河南、湖北、湖南、广东等能源利用效率提升较快，排名较十年前有所上升。

四 我国能源利用效率的影响因素分析

（一）能源利用效率的影响因素

前文通过稀疏主成分分析方法计算出了我国各省市自治区2008-2018年的能源利用效率综合得分，不同地区的能源利用效率存在较大差异，且呈现出不同的发展趋势。我们从经济体制、经济发展、结构变化和技术进步4个层面选取了6个影响能源利用效率的因素，并选取了人口密度、生产要素禀赋作为控制变量（见表9），通过构建动态面板回归模型深入探讨各个因素对能源利用效率的影响。

（二） 模型设定与回归结果

已有研究表明，能源利用效率较高的国家和地区在未来一段时期仍然会保持较高的能源利用效率，基于这一事实，我们在动态面板回归模型中加入能源利用效率的滞后项，具体如下：

COMEEi，t=β0+β1COMEEi，t-1+β2OPENi，t+β3GIi，t+β4PERGDPi，t+β5COALi，t+β6SIi，t+β7TIi，t+β8STi，t+β9PDi，t+β10KLi，t+β11ELi，t+πi+εi，t（1）

其中，i=1，2，… ，30代表各省市自治区，t=2008， 2009，…，2018代表观测年份。COMEEi，t为被解释变量，COMEEi，t-1为被解释变量的滞后项，πi表示个体异质性，εi，t是随机扰动项。

考虑到滞后项与扰动项相关，且经济发展水平、产业结构变化、科学技术进步与能源利用效率之间可能存在着双向因果关系，所以，该模型存在内生性问题。为此，我们采用系统 GMM方法估计模型参数，用被解释变量的更高阶滞后项和内生变量的滞后项作为工具变量。为了保证模型（1）中系统GMM估计结果的有效性，我们进行了扰动项序列相关性检验和过度识别检验，回归结果如表10所示：

扰动项序列相关检验和工具变量过度识别检验的结果如表11所示，序列相关检验的原假设是“扰动项差分不存在一阶（或二阶）自相关”，从检验结果来看，一阶和二阶序列相关检验的Z值分别为-3.2857和 0.3070，故系统GMM估计的扰动项不存在一阶、二阶自相关。另一方面，Sargan统计量的P值为1，表示模型（1）中所使用的工具变量有效。

从表10可知，能源利用效率滞后项的系数显著为正，证实了能源利用效率具有惯性这一特点，这一结果与郑翔中等人的结论一致[22]。能源消费结构、政府环境规制对能源利用效率有显著的负向影响，人均GDP、经济开放性、第三产业占比对能源利用效率有显著的正向影响，第二产业占比以及科技水平对能源利用效率的影响为正但未通过显著性检验。

对外贸易对能源利用效率有正向影响，因为贸易是技术扩散的重要手段之一，对外开放有利于中国学习国外先进的能源利用技术。政府环境规制对能源利用效率有显著的负向影响，说明提高污染治理投资反而会降低能源利用效率，可能是因为投资的滞后性或者是因为环境污染过于严重的地区需要投入更多的资金治理工业环境污染。人均GDP对能源利用效率有显著的正向影响，这一结果与前文中的理论分析一致，经济发展水平的提高可以通过提升生产效率、优化产业结构及促进技术进步等提高能源利用效率。能源消费结构对能源利用效率有显著的负向影响，因为煤炭作为非清洁能源不仅热效率低，而且会排放出大量的污染物，严重影响了环境。第三产业占比对能源利用效率有显著的正向影响，这部分印证了学术界关于改善经济结构可以调节资源配置从而提升投入要素生产效率的研究结论，即Salter所提出的“结构红利假说”。技术进步有利于能源利用效率的提升，但未通过显著性检验，其可能的原因为：在利用稀疏主成分方法进行综合评价的过程当中损失了部分信息，可能导致技术层面的信息被部分削弱，从而弱化了技术进步对能源利用效率的影响效应，也可能是模型中还存在部分内生性问题。基于此，我们将进一步进行稳健性检验以保证回归结果的可靠性。

（三） 稳健性检验

现将模型（1）中的被解释变量替换成基于数据包络分析法测算的全要素能源效率值，构建如下的Tobit回归模型，并使用最大似然法进行参数估计：

TFEEi，t=β0+β1OPENi，t+β2GIi，t+β3PERGDPi，t+β4COALi，t+β5SIi，t+β6TIi，t+β7STi，t+β8PDi，t+β9KLi，t+β10ELi，t+εi，t  （2）

式（2）中的TFEEi，t为i地区第t年的全要素能源效率值， Tobit回归结果与系统GMM回归结果如表12所示：

从表12可以看出，在改变被解释变量的测算方法和模型的估计方法后，各影响因素的影响方向及显著性仍然一致，说明本文前面的回归结果具有稳健性。在Tobit模型的回归结果中，技术进步的系数为正且较GMM回归结果变小，但仍未通过显著性检验。

五 结论与政策建议

本文以我国30个省市自治区为研究對象，运用稀疏主成分分析方法对能源利用效率进行综合评价，并分析其影响因素。从综合得分来看，在2008-2018年间，各地区的能源利用效率都有所提升，其中，北京的能源利用效率提升最多，宁夏的能源利用效率增长缓慢。政府环境规制、能源消费结构对能源利用效率有显著的负向影响，经济开放性、人均GDP、第三产业占比对能源利用效率有显著的正向影响，第二产业占比及科技水平对能源利用效率的影响为正但未通过显著性检验。为此，我们就如何提升能源利用效率提出如下建议：

（1） 各地区的能源消耗水平差异巨大，以北京、福建为代表的东部地区能源强度低，以宁夏为代表的西部地区能源强度较高。对于能源强度大且具有很大提升空间的中、西部地区，尤其是宁夏、新疆、青海等地区，应将其作为重点监测区域，允许地方政府因地制宜制定合适的节能政策。继续深入推进供给侧改革，控制高能耗产业的增长，淘汰落后产能，加快释放优质产能。对于高能耗的行业要严格执行准入门槛，从源头上限制能源消耗。要建立有效的退出机制，逐步淘汰落后产能。建议充分利用现代社交媒体作为宣传中介，培养和提高全民的节能意识，形成从个人到企业再到国家的节能社会氛围。

（2） 除了节能，减少对环境的污染也能提高能源的利用效率。对甘肃、内蒙、山东、山西等煤炭大省，应着力减少小型煤窑数量，严格把控污染物排放和污染物处理。对于煤炭资源并不丰富的省市，应大力提高煤层开发技术，并积极开发清洁能源，有针对性地对产业结构进行调整和优化，加强环境保护和污染治理力度。鼓励各地方政府出台适合当地实际情况的地方性法规，如可以视当地的工业发展情况制定严于国家污染物排放标准的地方标准。此外，相关数据统计部门在环境保护的监测过程中，应当完善对各地区污染治理方面的数据统计，便于及时反馈污染治理的成效与不足，从而更好地监测环境保护情况。

（3）西部和中部地区要综合考虑水资源和生态环境的承载能力，以节水节能为前提，引入先进的技术设备，加大可再生能源的开发力度。对于东部地区，可考虑稳步发展海上风电，推行多元化的能源消费结构。对煤炭依赖度大的地区，必须积极探索煤炭等能源的高效開发使用技术，降低煤炭消费比重，实施煤炭减量替代，稳步、有序地推进“煤改气”。引导不同地区合理优化产业结构，积极发展第三产业，降低第二产业的比重。同时，应继续提高对外开放水平，坚持“走出去、引进来”的重要战略思想，积极引进国外先进的生产技术，在国际通行规则下，可放开自由贸易试验区的建设，推动贸易的平衡发展，扩大对外贸易中的正外部性，提高能源利用效率。

[参 考 文 献]

[1] 史丹. 中国能源效率的地区差异与节能潜力分析[J].中国工业经济，2006（10）：49-58.

[2] 李霞. 我国能源综合利用效率评价指标体系及应用研究[D].北京：中国地质大学，2013.

[3] 陈关聚. 中国制造业全要素能源效率及影响因素研究 ——基于面板数据的随机前沿分析[J]. 中国软科学，2014（1）：180-192.

[4] 陈德敏，张瑞，谭志雄.全要素能源效率与中国经济增长收敛性——基于动态面板数据的实证检验[J]. 中国人口·资源与环境，2012（1）：130-137.

[5] Zhang S， Lundgren T， Zhou W. Energy Efficiency in Swedish Industry A firm-level Data Envelopment Analysis[J]. Energy Economics， 2016（55）：42-51.

[6] 张志辉. 中国区域能源效率演变及其影响因素[J]. 数量经济技术经济研究，2015（8）：73-88.

[7] Lin B Q， Zhu J P. Impact of Energy Saving and Emission Reduction Policy on Urban Sustainable Development： Empirical Evidence from China[J]. Applied Energy， 2019（239）：12-22.

[8] 刘海英，钟莹.中国工业节能与减排效率一致性及影响因素——基于NDDF-面板Tobit两步法的实证研究[J]. 数量经济研究， 2019（1）： 67-81.

[9] 刘海英，刘晴晴.中国省级绿色全要素能源效率测度及技术差距研究——基于共同前沿的非径向方向性距离函数估算[J].西安交通大学学报（社会科学版）， 2020（2）： 73-84.

[10]汪克亮，杨宝臣，杨力. 环境约束下的中国全要素能源效率测度及其收敛性[J].管理学报，2012（7）：1071-1077.

[11]Chung Y ， Fare R. Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]. Microeconomics，1995（3）：229-240.

[12]王兵，吴延瑞，颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究，2010（5）：95-109.

[13]师博，沈坤荣. 政府干预、经济集聚与能源效率[J].管理世界，2013（10）： 6-18.

[14]林伯强，杜克锐. 理解中国能源强度的变化：一个综合的分解框架[J]. 世界经济，2014（4）：69-87.

[15]王腾，严良，何建华，等.环境规制影响全要素能源效率的实证研究——基于波特假说的分解验证[J]. 中国环境科学，2017（4）： 1571-1578.

[16]罗朝阳，李雪松. 产业结构升级、技术进步与中国能源效率——基于非动态面板门槛模型的实证分析[J]. 经济问题探索，2019（1）： 159-166.

[17]师博，任保平. 产业集聚会改进能源效率么？[J].中国经济问题， 2019（1）：27-39.

[18]肖晓军，杨志强，曾荷.环境规制视角下贸易出口对中国绿色全要素生产率的影响——基于省际面板数据的非线性实证检验[J].软科学，2020（10）：18-24.

[19]刘海英，丁莹.环境补贴经济效应的门限特征分析——基于FDI与要素禀赋结构的视角[J]. 数量经济研究， 2020（2）：60-74.

[20]王谦.大气污染治理、资源配置结构与工业绿色全要素生产率[J].财经理论与实践，2021（1）：94-101.

[21]Zou H ， Hastie T， Tibshirani R.Sparse Principal Component Analysis[J].Journal of Computational and Graphical Statistics， 2006（2）： 265-286.

[22]郑翔中， 高越. FDI与中国能源利用效率：政府扮演着怎样的角色？[J]. 世界经济研究， 2019（6）：78-89.