華東“六省一市”經(jīng)濟(jì)增長與CO2排放的脫鉤效應(yīng)

錢芝網(wǎng)++俞佳立

摘 要：運(yùn)用Tapio脫鉤效應(yīng)模型對華東地區(qū)“六省一市”2005—2014年的經(jīng)濟(jì)增長與CO2排放量進(jìn)行脫鉤狀態(tài)研究，結(jié)果表明：華東地區(qū)“六省一市”經(jīng)濟(jì)增長與CO2排放之間確實(shí)存在著脫鉤效應(yīng)，且不同省市的脫鉤指數(shù)差異較大，其中上海、浙江表現(xiàn)最好，脫鉤效應(yīng)逐步由弱脫鉤轉(zhuǎn)化為強(qiáng)脫鉤。進(jìn)一步運(yùn)用灰色預(yù)測模型對“十三五”規(guī)劃期間華東地區(qū)“六省一市”經(jīng)濟(jì)增長和CO2排放量進(jìn)行短期預(yù)測，結(jié)果顯示：上海、浙江經(jīng)濟(jì)增長的同時，伴隨著CO2排放量的緩慢下降，將繼續(xù)保持強(qiáng)脫鉤狀態(tài)；福建、江蘇脫鉤指數(shù)相對較低，福建CO2排放量有所降低，將向強(qiáng)脫鉤狀態(tài)轉(zhuǎn)變，江蘇CO2排放量有小幅上升，平均脫鉤彈性值為0.028，未來有望實(shí)現(xiàn)強(qiáng)脫鉤；其他省份的結(jié)果顯示脫鉤效應(yīng)不穩(wěn)定，將以弱脫鉤為主。

關(guān)鍵詞：華東地區(qū)；經(jīng)濟(jì)增長；CO2排放量；Tapio脫鉤；灰色預(yù)測

中圖分類號：F205 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-3890（2018）01-0054-06

一、引言

在全球經(jīng)濟(jì)緩慢復(fù)蘇的大背景下，中國經(jīng)濟(jì)依然保持著7%左右的中高位增長速度。我國經(jīng)濟(jì)的快速發(fā)展一定程度上依賴于消耗煤炭、原油、天然氣等資源，造成了大量二氧化碳（CO2）的排放，進(jìn)而引發(fā)溫室效應(yīng)，導(dǎo)致環(huán)境惡化。據(jù)英國凱恩斯報(bào)告，按照現(xiàn)有的經(jīng)濟(jì)增長模式，到22世紀(jì)因溫室氣體排放造成的升溫幅度將可能達(dá)到5至6攝氏度[1]。為了應(yīng)對經(jīng)濟(jì)發(fā)展給環(huán)境造成的巨大壓力，2015年中國政府在巴黎世界氣候變化大會上宣布，到2030年單位國內(nèi)生產(chǎn)總值的CO2排放比2005年降低60%～65%。這勢必會給中國經(jīng)濟(jì)發(fā)展模式造成一定沖擊，對清潔能源的迫切需求和節(jié)能減排的任務(wù)都提出了更高的要求。華東地區(qū)“六省一市”（蘇、浙、魯、皖、閩、贛、滬）是中國區(qū)域經(jīng)濟(jì)發(fā)展較好較快的地區(qū)之一。統(tǒng)計(jì)數(shù)據(jù)顯示：2015年華東地區(qū)經(jīng)濟(jì)總量占全國經(jīng)濟(jì)總量的38.6%；同時華東地區(qū)又是我國人口的聚集地，龐大的人口數(shù)量造成了資源的巨大消耗，最終導(dǎo)致了環(huán)境的惡化。因此，研究華東地區(qū)“六省一市”經(jīng)濟(jì)總量與CO2排放量的脫鉤狀況顯得尤為必要，這為國家或地區(qū)制定相應(yīng)的節(jié)能減排策略和發(fā)展低碳經(jīng)濟(jì)有著重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

隨著環(huán)境問題的日益突出和可持續(xù)發(fā)展思想的深入，近年來，對于CO2排放量的研究一直都是國內(nèi)外學(xué)者研究的熱點(diǎn)。其中Tapio（2005）對1970—2001年歐洲交通運(yùn)輸業(yè)經(jīng)濟(jì)增長與運(yùn)輸量、CO2之間的脫鉤狀況進(jìn)行研究，得出20世紀(jì)90年代歐盟15國基本處于擴(kuò)張負(fù)脫鉤[2]。Martínez（2009）分別對哥倫比亞和德國能源消耗產(chǎn)生的CO2排放量與經(jīng)濟(jì)增長之間的脫鉤關(guān)系進(jìn)行實(shí)證研究，發(fā)現(xiàn)都存在明顯脫鉤狀態(tài)[3]。Boutabba（2014）運(yùn)用Granger因果檢驗(yàn)分析了印度CO2排放量與能源利用、金融發(fā)展等變量之間的關(guān)系，結(jié)果表明CO2排放與其他變量之間確實(shí)存在因果關(guān)系[4]。周銀香（2016）運(yùn)用Tapio脫鉤模型、協(xié)整理論和Granger因果檢驗(yàn)研究了我國1990—2013年交通行業(yè)CO2排放量和交通行業(yè)經(jīng)濟(jì)增長的關(guān)系，得出兩者之間的脫鉤狀況并不理想；但從長期來看，二者確實(shí)有耦合關(guān)系，存在著從行業(yè)經(jīng)濟(jì)增長到CO2排放的單向因果關(guān)系[5]。張立國 等（2015）利用Tapio脫鉤分析技術(shù)分析了我國2003—2012年物流行業(yè)的能源消耗、CO2排放、行業(yè)發(fā)展情況的脫鉤狀況，得出三者均呈現(xiàn)增長趨勢，能源消耗、CO2排放量的增長率高于行業(yè)發(fā)展增長率，同時行業(yè)發(fā)展與CO2排放量和能源消耗表現(xiàn)出擴(kuò)張性負(fù)脫鉤[6]。苑清敏 等（2016）基于OECD脫鉤模型對京津冀物流行業(yè)CO2排放進(jìn)行測度，顯示京津冀地區(qū)物流行業(yè)CO2排放存在脫鉤效應(yīng)，表現(xiàn)出一定的階段性[7]。趙先超 等（2013）以湖南省旅游業(yè)CO2排放和旅游業(yè)經(jīng)濟(jì)增長為研究對象，得出兩者之間主要以弱脫鉤為主，旅游業(yè)經(jīng)濟(jì)增長速度快于旅游業(yè)CO2排放速度[8]。王君華 等（2015）以2000—2011年工業(yè)行業(yè)經(jīng)濟(jì)增長和CO2排放數(shù)據(jù)為研究對象進(jìn)行Tapio效應(yīng)測度，結(jié)果顯示，我國工業(yè)行業(yè)存在脫鉤效應(yīng)，不同行業(yè)間脫鉤指數(shù)有較大差異，強(qiáng)脫鉤行業(yè)有遞增趨勢，同時不同要素密集度行業(yè)的脫鉤狀態(tài)表現(xiàn)出不同的發(fā)展特征[9]。

縱觀國內(nèi)外文獻(xiàn)對CO2排放量的研究主要集中在對比分析國家與國家、區(qū)域與區(qū)域之間特定行業(yè)能源消耗所造成的CO2排放與行業(yè)經(jīng)濟(jì)增長之間的脫鉤關(guān)系，部分文獻(xiàn)也就經(jīng)濟(jì)增長、能源消耗、CO2排放之間是否存在因果關(guān)系給出檢驗(yàn)。本文以華東地區(qū)“六省一市”為研究對象，研究地區(qū)全行業(yè)經(jīng)濟(jì)增長與CO2排放量之間的脫鉤關(guān)系，在此基礎(chǔ)上，對華東地區(qū)“六省一市”2015—2020年的經(jīng)濟(jì)總量和CO2排放進(jìn)行預(yù)測分析，最后給出華東地區(qū)“六省一市”在“十三五”規(guī)劃期間平均脫鉤狀況。

三、Tapio脫鉤效應(yīng)模型

（一）模型構(gòu)建

本文利用Tapio脫鉤彈性分析經(jīng)濟(jì)增長與CO2之間的脫鉤效應(yīng)，計(jì)算公式如下：

e=■/■（1）

Tapio脫鉤效應(yīng)有八種脫鉤狀態(tài)，如表1所示。

（二）數(shù)據(jù)的選取及處理

根據(jù)數(shù)據(jù)的可獲得性，選取華東地區(qū)“六省一市”2005—2014年生產(chǎn)總值（GDP）和原煤、焦炭、汽油、柴油、燃料油、天然氣六種能源消耗量的面板數(shù)據(jù)。本文數(shù)據(jù)來源于相關(guān)年份《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》，其中GDP數(shù)據(jù)可直接獲取，如圖1所示。

CO2排放系數(shù)是基于IPCC《國家溫室氣體排放清單指南》，折標(biāo)煤參考系數(shù)選自《中國能源統(tǒng)計(jì)年鑒》。各種能源的對應(yīng)數(shù)據(jù)如表2所示。

CO2排放量計(jì)算公式如下：

CO2=■Hiθiδi（44/12） （2）

Hi為第i種能源消耗量、θi為第i種能源折標(biāo)煤參考系數(shù)、δi為第i種能源的碳排放系數(shù)，44和12分別為二氧化碳和碳的分子量；δi（44/12）得到的是各種能源的排放系數(shù)。endprint

各種能源消耗量的單位均轉(zhuǎn)換為萬噸標(biāo)準(zhǔn)煤（104t）。運(yùn)用公式（2），經(jīng)計(jì)算可得華東地區(qū)“六省一市”2005—2014年的CO2排放量數(shù)據(jù)，由于數(shù)據(jù)值較大，便于直接觀察將單位轉(zhuǎn)化為千萬噸，其變化趨勢如圖2所示。

（三）脫鉤效應(yīng)的結(jié)果及分析

華東地區(qū)“六省一市”2005—2014年△CO2/CO2、△GDP/GDP、e的指標(biāo)結(jié)果如表3所示，脫鉤狀態(tài)結(jié)果如表4所示。

表3、表4是以2005年為基準(zhǔn)年，通過對華東地區(qū)“六省一市”GDP總量與CO2排放量的脫鉤效應(yīng)測度的結(jié)果可以看出：安徽2005—2014年一直表現(xiàn)為弱脫鉤狀態(tài)，說明安徽經(jīng)濟(jì)增長同時，能源消耗導(dǎo)致的CO2排放量也在增加，但后期脫鉤指數(shù)變小，表明CO2排放量的增長速度小于經(jīng)濟(jì)增長的速度。華東地區(qū)經(jīng)濟(jì)發(fā)展較好的江蘇、浙江、上海三地，2011—2014年上海和浙江均呈現(xiàn)強(qiáng)脫鉤狀況，而江蘇在2013—2014年出現(xiàn)一次強(qiáng)脫鉤狀態(tài)，其他年份中除了江蘇、浙江各出現(xiàn)一次增長連結(jié)狀態(tài)以外，過去幾年總體保持著弱脫鉤狀態(tài)；上海、浙江連續(xù)的強(qiáng)脫鉤依賴于當(dāng)?shù)亟?jīng)濟(jì)發(fā)展模式的轉(zhuǎn)型，能源使用效率的提高和高耗能產(chǎn)業(yè)的轉(zhuǎn)移，而江蘇稍落后于上海、浙江兩地，江蘇省內(nèi)擁有眾多高?？蒲性核?，可以依靠當(dāng)?shù)厝瞬艃?yōu)勢，通過技術(shù)創(chuàng)新，開發(fā)新能源，推動經(jīng)濟(jì)發(fā)展模式轉(zhuǎn)型升級。華東地區(qū)經(jīng)濟(jì)發(fā)展相對靠后的省份中，福建分別在2008—2009年和2010—2011年出現(xiàn)過兩次增長連結(jié)外，還在2011—2013年連續(xù)兩次出現(xiàn)了強(qiáng)脫鉤狀態(tài)，2014年脫鉤指數(shù)為0.181 2，明顯低于江西省的0.276 2和山東省的0.672 4，未來有實(shí)現(xiàn)強(qiáng)脫鉤的可能。而江西和山東分別在2011—2012年和2012—2013年出現(xiàn)一次強(qiáng)脫鉤狀態(tài)，其他都為弱脫鉤狀態(tài)，說明這些省份的脫鉤效應(yīng)并不穩(wěn)定。

總得來看，2005—2008年華東地區(qū)“六省一市”GDP總量與CO2排放量基本處于弱脫鉤狀態(tài)，僅有浙江在2005—2006年出現(xiàn)過一次增長聯(lián)結(jié)。2008—2011年受全球金融危機(jī)的沖擊以及我國4萬億投資決策的影響，華東地區(qū)“六省一市”表現(xiàn)出不同的態(tài)勢，脫鉤指數(shù)有增有減；特別需要關(guān)注的是上海出現(xiàn)了一次強(qiáng)脫鉤，江蘇出現(xiàn)了一次增長連結(jié)，福建出現(xiàn)了兩次增長連結(jié)。2011—2014年，華東地區(qū)“六省一市”密集出現(xiàn)強(qiáng)脫鉤狀態(tài)，這主要得益于2011年國家發(fā)展與改革委員會發(fā)布的《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導(dǎo)目錄》和國家發(fā)展科技部發(fā)布的《國家“十二五”科學(xué)和技術(shù)發(fā)展規(guī)劃》明確指出要提高全行業(yè)的創(chuàng)新能力，同時降低高耗能行業(yè)CO2排放的政策有關(guān)。

四、脫鉤狀況的灰色預(yù)測模型

（一）GM（1，1）灰色預(yù)測模型

灰色系統(tǒng)預(yù)測理論是一種研究“小樣本”“貧信息”不確定性問題的新方法，對系統(tǒng)科學(xué)領(lǐng)域有著重要的作用。經(jīng)過二十多年的發(fā)展，在工業(yè)、交通、能源等眾多領(lǐng)域得到了廣泛的運(yùn)用。

設(shè)X（0）={X（0）（1），X（0）（2），…，X（0）（n）}為原始序列數(shù)據(jù)，X（1）={X（1）（1），X（1）（2），…，X（1）（n）}為一階累加生成序列，其中：

X（1）（k）=■X（0）（i），k=1，2，…n（3）

稱X（0）（k）+aX（1）（k）=b為GM（1，1）模型的原始形式。

Z（1）={Z（1）（1），Z（1）（2），…，Z（1）（n）}是X（1）緊鄰的生成序列，其中：

Z（1）（k）=■[X（1）（k）+X（1）（k-1）]，k=2，3，…，n（4）

稱X（0）（k）+aZ（1）（k）=b為GM（1，1）模型的基本形式。參數(shù)a為發(fā)展系數(shù)，b為灰色作用量。

若■=[a，b]為參數(shù)列，且

B=-■Z（1）（2） 1-■Z（1）（3） 1 -■Z（1）（n） 1（5）

Y=X（0）（2）X（0）（3） X（0）（n） （6）

則GM（1，1）模型X（0）（k）+aZ（1）（k）=b的最小二乘估計(jì)參數(shù)列滿足：

B■=Y？圯■=B-1Y？圯■=B-1（BT）-1BTY？圯■=（BTB）-1BTY（7）

則GM（1，1）模型的時間響應(yīng)序列：

■（0）（t+1）=（1-ea）[X（0）（1）-■]e-at，t=1，2，…，n（8）

■（0）（1）=X（0）（9）

（二）灰色預(yù)測數(shù)據(jù)處理過程

本文以2010—2014年江蘇GDP的時間序列數(shù)據(jù)做灰色預(yù)測，可以得到2015—2020年江蘇GDP的預(yù)測值，具體過程如下：

第一步：江蘇省GDP原始時間序列數(shù)據(jù)：

X（0）={X（0）（1），X（0）（2），…，X（0）（5）}={41.43，49.11，

54.06，59.75，65.09}。

第二步：將原始時間序列數(shù)據(jù)帶入公式（3）得累加生成數(shù)列：

X（1）={X（1）（1），X（1）（2），…，X（1）（5）}={41.43，90.54，

144.60，204.35，269.44}。

第三步：利用公式（4）計(jì)算X（1）的緊鄰均值生成序列得：

Z（1）={Z（1）（2），Z（1）（3），…，Z（1）（5）}={65.99，117.57，

174.48，236.90}。

第四步：將步驟一、步驟三得到的數(shù)據(jù)帶入公式（5）、（6）得到矩陣B和Y：

B=-65.99 1-117.57 1-174.48 1-236.90 1 Y=49.1154.0659.7565.09

第五步：將步驟四得到的矩陣帶入公式（7）得：

■=[a，b]T=（BTB）-1BTY=[-0.094 04，43.015 84]Tendprint

第六步：將相關(guān)數(shù)據(jù)代入公式（8）和公式（9），得到GM（1，1）模型的時間響應(yīng)序列：

■（0）（t+1）=（1-ea）[X（0）（1）-■]e-at=44.773 264 e0.09404，t=1，2，…，n

■（0）（1）=X（0）（1）=41.43

第七步：計(jì)算X（0）的預(yù)測值：

■（0）={41.43，49.19，54.04，59.37，65.22，71.65，78.72，

86.48，95.01，104.37，114.66}

此外，利用2010—2014年江蘇CO2排放量的時間序列數(shù)據(jù)以及2010—2014年華東地區(qū)其他省市GDP和CO2排放量的時間序列數(shù)據(jù)做2015—2020年灰色預(yù)測與上述江蘇GDP灰色預(yù)測過程相同。受篇幅所限，本文不一一列示，直接根據(jù)灰色預(yù)測結(jié)果進(jìn)行分析。

（三）灰色預(yù)測結(jié)果及脫鉤狀況分析

由于折線較多，為了便于觀察，將預(yù)測結(jié)果分兩張圖顯示：圖3、圖4分別為江浙滬、皖閩贛魯?shù)腉DP實(shí)際值和預(yù)測值，圖5、圖6分別為江浙滬、皖閩贛魯?shù)腃O2排放量的實(shí)際值與預(yù)測值。表5為“十三五”規(guī)劃期間華東地區(qū)“六省一市”平均脫鉤狀況。

通過圖3、圖4可以初步得到，“十三五”規(guī)劃期間，華東地區(qū)“六省一市”經(jīng)濟(jì)將繼續(xù)保持增長。圖5、圖6顯示：上海、浙江的CO2排放量呈現(xiàn)明顯的下降趨勢，福建和江蘇的CO2排放量分別有輕微的下降和上升，其他省份CO2排放量有明顯上升趨勢。表5顯示，上海、浙江、福建的脫鉤彈性值為負(fù)，表現(xiàn)為強(qiáng)脫鉤狀態(tài)。江蘇省平均脫鉤彈性值為0.028 4，江蘇省可依靠科技和人才優(yōu)勢，加強(qiáng)技術(shù)創(chuàng)新，有較大可能向強(qiáng)脫鉤狀態(tài)轉(zhuǎn)變。安徽、江西、山東等地的脫鉤彈性值相較于其他省份還比較大，還要保持在弱脫鉤狀態(tài)下。

五、結(jié)論與建議

本文運(yùn)用Tapio脫鉤模型對華東地區(qū)“六省一市”經(jīng)濟(jì)增長與CO2排放量進(jìn)行脫鉤狀態(tài)研究；并對華東地區(qū)“六省一市”2010—2014年的時間序列數(shù)據(jù)進(jìn)行灰色預(yù)測，得到2015—2020年華東地區(qū)“六省一市”經(jīng)濟(jì)增長和CO2排放量的預(yù)測值，最后給出“十三五”規(guī)劃期間華東地區(qū)“六省一市”的平均脫鉤狀況。研究表明，華東地區(qū)“六省一市”經(jīng)濟(jì)增長與CO2排放之間確實(shí)存在著脫鉤效應(yīng)，但地區(qū)差異導(dǎo)致脫鉤彈性值有較大差別。2011—2014年上海、浙江連續(xù)保持三年的強(qiáng)脫鉤狀態(tài)，預(yù)測結(jié)果顯示“十三五”期間還將繼續(xù)保持。福建和江蘇分別在2011—2013年和2013—2014年出現(xiàn)強(qiáng)脫鉤狀態(tài)，預(yù)測結(jié)果顯示“十三五”期間福建將轉(zhuǎn)化為強(qiáng)脫鉤；雖然江蘇預(yù)測結(jié)果是弱脫鉤，但是脫鉤彈性值較低。其他省份脫鉤結(jié)果還是以弱脫鉤為主，“十三五”規(guī)劃期間還將延續(xù)。結(jié)合上述研究結(jié)論，本文提出如下政策建議：

（1）調(diào)整產(chǎn)業(yè)結(jié)構(gòu)。產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的目的是實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展方式由粗放型向集約型轉(zhuǎn)變。從華東地區(qū)“六省一市”三大產(chǎn)業(yè)的比重來看，經(jīng)濟(jì)發(fā)展相對落后的江西、安徽、山東等地，產(chǎn)業(yè)主要集中在第一產(chǎn)業(yè)和第二產(chǎn)業(yè)，以消耗能源和破壞環(huán)境為代價的傳統(tǒng)工、農(nóng)業(yè)發(fā)展模式直接造成了CO2的大量排放。為了解決這一問題，這些地區(qū)應(yīng)該改變自身的經(jīng)濟(jì)增長模式，推動新型工業(yè)化和農(nóng)業(yè)現(xiàn)代化道路，提升第三產(chǎn)業(yè)在國民經(jīng)濟(jì)中的比重，加大科技人才引進(jìn)力度，依靠科技創(chuàng)新大力發(fā)展技術(shù)密集型產(chǎn)業(yè)，同時依托技術(shù)進(jìn)步來推動發(fā)展科技含量高和勞動生產(chǎn)率高的現(xiàn)代服務(wù)業(yè)，最終實(shí)現(xiàn)華東地區(qū)“六省一市”經(jīng)濟(jì)增長與CO2排放的整體脫鉤。

（2）積極調(diào)整能源消費(fèi)結(jié)構(gòu)。華東地區(qū)“六省一市”經(jīng)濟(jì)的快速發(fā)展，主要依賴于消耗煤炭、石油、天然氣等不可再生能源，這給能源問題和環(huán)境問題都造成了巨大壓力。經(jīng)濟(jì)發(fā)展較好地上海、浙江、江蘇等地區(qū)，可以依靠當(dāng)?shù)氐娜瞬艃?yōu)勢、加強(qiáng)風(fēng)能、地?zé)崮?、太陽能等可再生能源的開發(fā)力度，開拓新能源市場，以“先富帶動后富”，逐步改善其他地區(qū)的能源消費(fèi)結(jié)構(gòu)。從源頭上降低CO2的排放量，實(shí)現(xiàn)經(jīng)濟(jì)增長與CO2排放的真正脫鉤。

（3）加強(qiáng)政府職能。2016年上海市出臺了《產(chǎn)業(yè)技術(shù)創(chuàng)新專項(xiàng)支持實(shí)施細(xì)則》，主要針對“新技術(shù)”“新產(chǎn)業(yè)”“新業(yè)態(tài)”“新模式”的企業(yè)，對從事技術(shù)創(chuàng)新的企業(yè)給予支持，使得企業(yè)的發(fā)展符合綠色發(fā)展的模式；該項(xiàng)政策對傳統(tǒng)企業(yè)提升科技創(chuàng)新能力，改善落后技術(shù)發(fā)展模式有一定的激勵作用。2017年上海市通過《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整工作安排》，要求各部門、各企業(yè)不能只注重GDP，應(yīng)該走一條高質(zhì)量、效益好、結(jié)構(gòu)優(yōu)、可持續(xù)的發(fā)展道路。其他省市也應(yīng)該結(jié)合自身的情況適時出臺一些相關(guān)的政策，根據(jù)企業(yè)完成情況，適當(dāng)調(diào)整稅收、信貸、資金補(bǔ)助等方面的力度，對于從事節(jié)能研發(fā)的企業(yè)，政府可以開辟綠色通道，降低企業(yè)的審批成本，提升企業(yè)研發(fā)的積極性；同時也可以頒布有關(guān)節(jié)能減排的法律法規(guī)，把企業(yè)的生產(chǎn)裝進(jìn)制度的籠子里。

參考文獻(xiàn)：

[1]STREN N. The economics of climate change：the stern review[M].Cambridge：Cambridge University Press，2006.

[2]TAPIO P. Towards a theory of decoupling： degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport policy，2005，12（2）：137-151.

[3]MARTINEZ C I P. Energy efficiency developments in the manufacturing industries of Germany and Colombia，1998-2005[J]. Energy for sustainable development，2009（131）：89-101.

[4]BOUTABBA M A. The impact of financial development，income，energy and trade on carbon emissions：ecidence from the Indian economy[J]. Economic modelling，2014（40）：33-41.

[5]周銀香.交通碳排放與行業(yè)經(jīng)濟(jì)增長脫鉤及耦合關(guān)系研究——基于Tapio脫鉤模型和協(xié)整理論[J].經(jīng)濟(jì)問題探索，2016（6）：41-48.

[6]張立國，李東.中國物流業(yè)能源消耗、碳排放與行業(yè)發(fā)展關(guān)系分析[J].科技管理研究，2015，35（24）：238-243.

[7]苑清敏，張文龍，寧寧寧.京津冀物流業(yè)碳排放驅(qū)動因素及脫鉤效應(yīng)研究[J].科技管理研究，2016，36（5）：222-226.

[8]趙先超，朱翔.湖南省旅游業(yè)碳排放的初步估算及脫鉤效應(yīng)分析[J].世界地理研究，2013（1）：166-175.

[9]王君華，李霞.中國工業(yè)行業(yè)經(jīng)濟(jì)增長與CO2排放的脫鉤效應(yīng)[J].經(jīng)濟(jì)地理，2015，35（5）：105-110.

責(zé)任編輯：王冬年endprint