電力消耗、經(jīng)濟增長與CO2排放量的實證分析
——基于中國面板數(shù)據(jù)

潘 偉,熊建武

(武漢大學經(jīng)濟與管理學院,湖北 武漢 430072)

1 引言

20世紀90年代以來，全球氣候變化受到國際社會的廣泛關(guān)注，世界各國都對氣候變化進行了研究以制定相應的能源政策。由于二氧化碳在能源消耗造成的溫室氣體排放量中占絕對比重，因此，研究能源消耗產(chǎn)生的溫室氣體二氧化碳排放量已成為氣候變化研究的熱點領(lǐng)域之一。

中國已成為世界上最大的碳排放國[1]，經(jīng)濟增長和二氧化碳排放量之間的關(guān)系，自然也受到廣泛的關(guān)注。國內(nèi)外許多學者對中國的碳排放和金融發(fā)展[2]，碳排放和交通運輸行業(yè)[3]等做了許多研究。電力行業(yè)是國民經(jīng)濟發(fā)展的重要的基礎(chǔ)產(chǎn)業(yè)，研究中國的電力消耗、經(jīng)濟增長和二氧化碳排放量之間的關(guān)系，對低碳經(jīng)濟發(fā)展的政策制定有著非常重要意義。

近年來，電力消耗、經(jīng)濟增長和二氧化碳排放量之間的關(guān)系已成為一個重要的研究熱點。許多研究者從不同角度研究了電力消耗，經(jīng)濟增長和二氧化碳排放量之間的關(guān)系，根據(jù)研究使用的樣本對象，可以分為兩大類。

第一類研究是針對特定國家。Akpan等[4]的研究結(jié)果表明，尼日利亞的經(jīng)濟增長在長期會造成二氧化碳排放量的增加，電力消耗也會導致二氧化碳排放量的增加；Adebola[5]格蘭杰因果檢驗表明，從長遠來看，博茨瓦納的電力消耗與經(jīng)濟增長之間存在正相關(guān)的關(guān)系；此外，Hwang和Yoo[6]研究發(fā)現(xiàn)，馬來西亞的能源消耗和二氧化碳排放量之間存在雙向的因果關(guān)系；Shaari和Hussain等[7-9]的實證分析表明，印度的經(jīng)濟增長與電力消耗、能源消耗與經(jīng)濟增長之間都存在因果關(guān)系；Shahbaz 和Mutascu等[10]的實證研究表明，羅馬尼亞的電力消耗與經(jīng)濟增長之間存在雙向的格蘭杰因果關(guān)系。

第二類研究是針對不同國家。面板數(shù)據(jù)向量誤差修正模型估計結(jié)果表明，東盟五國的電力消耗與二氧化碳排放量在統(tǒng)計意義上存在顯著的正相關(guān)關(guān)系[11]；Odhiambo[12]的研究表明，南非的電力消耗與經(jīng)濟增長之間存在明顯的雙向因果關(guān)系，并且南非的電力消耗是引起經(jīng)濟增長的格蘭杰原因；Wendy等[13]研究了金磚四國的電力消耗、經(jīng)濟增長與二氧化碳排放量之間的關(guān)系，面板因果關(guān)系分析結(jié)果表明，只有在印度存在電力消耗與二氧化碳排放量之間的格蘭杰因果關(guān)系。

國內(nèi)學者對經(jīng)濟增長與碳排放也做了很多研究。吳振信等[14]運用面板數(shù)據(jù)模型分析了中國經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響，研究發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)對于發(fā)展低碳經(jīng)濟具有重要作用；陸靜[15]利用面板數(shù)據(jù)協(xié)整分析研究了中國金融發(fā)展和經(jīng)濟增長的關(guān)系，發(fā)現(xiàn)金融發(fā)展能夠推動經(jīng)濟增長；顧佰和[16]建立了碳減排潛力情景分析模型，并應用到重慶市化工行業(yè)低碳發(fā)展當中；劉貞等[17]運用預測模型，研究產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對電力行業(yè)CO2排放的影響，發(fā)現(xiàn)大力發(fā)展新能源，改善電力能源結(jié)構(gòu)對于節(jié)能減排有積極作用。

對比國內(nèi)外相關(guān)研究發(fā)現(xiàn)，國內(nèi)對于碳減排的經(jīng)濟計量模型研究較少，研究碳排放與經(jīng)濟增長應當考慮系統(tǒng)內(nèi)每一個內(nèi)生變量對所有其他內(nèi)生變量的滯后影響。而VAR模型是利用系統(tǒng)內(nèi)生變量滯后值的函數(shù)來構(gòu)造模型,是處理多個相關(guān)經(jīng)濟指標的分析與預測最容易操作的模型之一，并且在國外得到的廣泛的應用[7-13]。其次，電力行業(yè)作為影響能源消耗的重要行業(yè)，其節(jié)能減排對于中國發(fā)展低碳經(jīng)濟具有重要作用?；诖?，本文運用VAR計量經(jīng)濟學模型，探討了中國電力消耗、經(jīng)濟增長和二氧化碳排放量之間的關(guān)系，基于1990-2013年的面板數(shù)據(jù)進行分析，在電力消耗、經(jīng)濟增長與二氧化碳排放量之間尋找到經(jīng)濟發(fā)展的均衡關(guān)系，為電力部門的能源決策提供重要的參考價值。

2 研究方法

本文運用計量經(jīng)濟學方法，包括協(xié)整檢驗和格蘭杰因果關(guān)系檢驗，脈沖響應函數(shù)等，探討了中國電力消耗、經(jīng)濟增長和二氧化碳排放量之間的關(guān)系。

首先，運用單位根檢驗時間序列數(shù)據(jù)是否是穩(wěn)定的，因為只有穩(wěn)定的時間序列數(shù)據(jù)才可以進行協(xié)整檢驗和格蘭杰因果關(guān)系檢驗；然后，我們使用基于VAR模型的Johansen協(xié)整檢驗和格蘭杰因果關(guān)系檢驗法，探索電力消耗、經(jīng)濟增長與二氧化碳排放量之間的長期均衡關(guān)系和各變量之間的短期相互影響；最后運用脈沖響應函數(shù)分析模型中隨機擾動的沖擊對其他變量的影響。

3 實證分析

3.1 數(shù)據(jù)來源

根據(jù)數(shù)據(jù)的可獲得性，本文使用的中國年度數(shù)據(jù)涵蓋了1990年至2013年，所有變量包括電力消耗(EC)(人均每千瓦時)，二氧化碳排放量(CO2)(人均每噸)與經(jīng)濟增長(GDP)(按人均GDP(2005美元價格))，所有的年度數(shù)據(jù)都是從世界銀行[18](WDI)獲取的，文章使用的所有相關(guān)變量的定義如表1所示，變量的統(tǒng)計描述如表2所示。

表1 變量定義

表2 變量的描述性統(tǒng)計

按照Gao[19]和Md等[20]的數(shù)據(jù)處理方法，所有變量在進行分析之前轉(zhuǎn)化為對數(shù)，結(jié)果如圖1所示。從圖1中可以看出，所有這些變量數(shù)據(jù)都呈現(xiàn)逐年穩(wěn)步上升趨勢。

圖1 變量的對數(shù)

3.2 計量經(jīng)濟分析

3.2.1 單位根檢驗

面板數(shù)據(jù)單位根檢驗是進行協(xié)整檢驗和格蘭杰因果檢驗分析的基礎(chǔ)[21-23]，單位根檢驗的方法有很多種，通常我們可以見到ADF，DFGLS和KPSS檢驗等，這里我們選擇ADF單位根檢驗，因為它在大多數(shù)國外研究中得到應用[2，19]。

單位根檢驗的結(jié)果如表3所示，從表3中我們得出結(jié)論，所有變量的原始序列在5%的顯著性水平下都沒有拒絕零假設(shè)，這表明原始序列是非平穩(wěn)序列，即存在“單位根”。所有變量的第二差分序列在5%的顯著性水平都拒絕零假設(shè)，即不存在“單位根”，也就是二階單整I(2)，這表示電力消耗、經(jīng)濟增長與二氧化碳排放量之間存在協(xié)整關(guān)系，意味著可能存在長期均衡關(guān)系。

3.2.2 Johansen協(xié)整檢驗

面板數(shù)據(jù)協(xié)整檢驗主要是確定具有相同的趨勢兩個或多個變量之間是否存在長期均衡關(guān)系，以防止出現(xiàn)偽回歸問題[24-26]。協(xié)整檢驗方法包括EG 兩步法和Johansen檢驗法，由于傳統(tǒng)的EG協(xié)整檢驗方法是基于線性回歸的殘差序列檢驗，一般只適用于單變量回歸模型檢驗，所以本文協(xié)整檢驗方法采用被廣泛使用的Johansen檢驗法[2-3]。

表3 單位根檢驗結(jié)果

表4 Johansen協(xié)整檢驗結(jié)果

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level;* denotes rejection of the hypothesis at the 0.05 level;**MacKinnon-Haug-Michelis (1999) p-values

Johansen協(xié)整檢驗的結(jié)果如表4所示，其結(jié)果支持中國電力消耗、經(jīng)濟增長與二氧化碳排放量之間的協(xié)整關(guān)系。值得注意的是，協(xié)整分析的結(jié)果只能說明這些變量之間的長期均衡關(guān)系，并不能說明它們之間的因果關(guān)系，變量之間的因果關(guān)系需通過格蘭杰因果檢驗來驗證。

3.2.3 格蘭杰因果關(guān)系檢驗

協(xié)整檢驗結(jié)果說明了變量之間長期均衡關(guān)系的存在，但這種均衡關(guān)系構(gòu)成了因果關(guān)系，需要通過格蘭杰因果檢驗來驗證[27-30]。

為進行格蘭杰因果關(guān)系檢驗，我們選擇以下VAR模型[31]：

(1)

其中，B0 是一個3×1的單位矩陣，B1,B2,…,Bq是3×3的系數(shù)矩陣，q是模型的滯后階數(shù)，εt代表模型隨機誤差項。我們可以檢驗方程(1)中的假設(shè)，研究電力消耗、經(jīng)濟增長與二氧化碳排放量之間是否存在格蘭杰因果關(guān)系。

向量自回歸模型的滯后階數(shù)是非常重要的，因為它可以減少誤差項的自相關(guān)，并可能會導致模型效率低下，所以選擇一個合適的滯后階數(shù)是必要的。這里我們選擇滯后階數(shù)時，采用SC(Schwarz信息準則)和AIC(Akaike信息準則)統(tǒng)計值最小原則，這兩個統(tǒng)計值可以表示如下：

AIC=-2l/n+2k/n

(2)

SC=-2l/n+klogn/n

(3)

滯后階數(shù)選擇的結(jié)果如表5所示，從結(jié)果中我們發(fā)現(xiàn)，滯后一階是最合適的，因此在下文的分析中我們采用一階滯后進行分析。

表5 模型滯后階數(shù)選擇

* indicates lag order selected by the criterion;LR: sequential modified LR test statistic (each test at 5% level);FPE: Final prediction error;AIC: Akaike information criterion;SC: Schwarz information criterion;HQ: Hannan-Quinn information criterion

格蘭杰檢驗適用于平穩(wěn)時間序列，所以我們選擇的時間數(shù)據(jù)序列是I(2)。格蘭杰因果檢驗的結(jié)果如表6所示，結(jié)果表明，不存在電力消耗與二氧化碳排放量，經(jīng)濟增長與二氧化碳排放量之間的格蘭杰因果關(guān)系，且存在經(jīng)濟增長與電力消耗之間的雙向格蘭杰因果關(guān)系，這可能意味著經(jīng)濟增長的增加會導致電力消耗的增加；而電力消耗的增加，可能會促進經(jīng)濟增長。

格蘭杰因果關(guān)系檢驗的結(jié)論只是一種預測，是統(tǒng)計意義上的“格蘭杰因果性”，而不是真正意義上的因果關(guān)系，不能作為肯定或否定因果關(guān)系的根據(jù)。當然，即使格蘭杰因果關(guān)系不等于實際因果關(guān)系，也并不妨礙其參考價值。因為在經(jīng)濟學中，統(tǒng)計意義上的格蘭杰因果關(guān)系也是有意義的，對于經(jīng)濟預測等仍然能起一些作用。

表6 格蘭杰因果檢驗結(jié)果

3.2.4 VAR模型估計

面板數(shù)據(jù)協(xié)整檢驗和因果關(guān)系檢驗只是探索變量之間的短期和長期的關(guān)系，沒有具體研究這些變量的當前周期和滯后期之間的動態(tài)關(guān)系，以及其隨機擾動項的沖擊效果。因此，這里建立面板VAR模型進行進一步的分析，根據(jù)Faiza[31]和Xu[3]等的研究，模型如下：

(4)

(5)

(6)

其中t=1,2,…T,εt,λt,θt代表隨機擾動項，α,φ,π是常數(shù)項，βj,δj,χj,φj,κj,γj,υj,τj,ψj是方程中變量的系數(shù)。

VAR模型估計的結(jié)果如下表7所示，從結(jié)果中可以看出， R方和調(diào)整R方都為0.998，這意味著模型是非常擬合的。從表7我們可以看到，滯后一期的電力消耗對當期經(jīng)濟增長和二氧化碳排放量產(chǎn)生正向的作用，這表明電力消耗對經(jīng)濟增長和二氧化碳排放量有較大的影響，滯后一期的電力消耗促進當期的電力消耗，同時也促進當期經(jīng)濟增長和CO2排放量增加。經(jīng)濟增長的滯后期對當前電力消耗和二氧化碳排放量產(chǎn)生負向的作用，而二氧化碳排放量的滯后期對當前經(jīng)濟增長沒有顯著影響。這表明上期經(jīng)濟增長促進當期的經(jīng)濟增長時，政府通過技術(shù)創(chuàng)新和能源效率的提高，可以降低當期的二氧化碳排放量，而上期二氧化碳排放量并不直接促進當期經(jīng)濟增長。

3.2.5 脈沖響應函數(shù)

在實際應用中，由于VAR模型通常都是非經(jīng)濟理論性的簡化模型，它不需要對變量作任何先驗性約束。因此，在分析應用中，往往并不利用VAR模型去分析某一變量的變化對另一變量的影響如何，而是分析當某一擾動項發(fā)生變化，或者說模型受到某種沖擊時，對系統(tǒng)的動態(tài)影響，這種分析方法稱為脈沖響應函數(shù)方法。

為了進行脈沖響應函數(shù)分析，必須確保VAR模型是穩(wěn)定的[3]。檢驗VAR模型的穩(wěn)定性條件是相應的特征方程特征根的絕對值小于1，VAR模型特征根的結(jié)果如圖2所示，在圖中的藍色圓點表示特征根，從圖2中我們可以看出，所有的特征根都在單位圓內(nèi)，所以VAR模型是穩(wěn)定的，可以進行脈沖響應函數(shù)的分析。

表7 VAR模型估計結(jié)果

Note:standard errors in () and t-statistics in []

圖2 VAR特征根檢驗結(jié)果

脈沖響應函數(shù)分析的結(jié)果如圖3 所示，從圖3中我們可以看出，給定CO2排放量一個標準沖擊，對經(jīng)濟增長存在一個負向的沖擊影響，這種負向的影響在短期內(nèi)加大，隨后減小并最終為零。這意味著受CO2排放量的沖擊影響，短期內(nèi)經(jīng)濟增長受抑制，但隨著技術(shù)進步和能源利用效率的提高，這種影響將逐漸減小，長期來看幾乎沒有影響。CO2排放量的標準沖擊對電力消耗產(chǎn)生正向的沖擊影響，影響趨勢先增加，隨后降低，這表明受CO2排放量的沖擊，電力消耗成增加趨勢。

給定電力消耗一個標準沖擊，對CO2排放量在短期內(nèi)存在一個正向的影響，隨后轉(zhuǎn)變?yōu)樨撓虻挠绊懀@表明電力消耗的沖擊在短期內(nèi)將促進CO2排放量的增加，但伴隨著新能源的興起和能源效率的提高，將導致CO2排放量減少。電力消耗的標準沖擊對經(jīng)濟增長產(chǎn)生負向的影響，影響趨勢先增加隨后降低，這表明電力消耗的沖擊并沒有促進經(jīng)濟增長，應進行電力生產(chǎn)結(jié)構(gòu)調(diào)整。

給定經(jīng)濟增長一個標準沖擊，對CO2排放量在短期內(nèi)存在一個正向的影響，隨后轉(zhuǎn)變?yōu)樨撓虻挠绊?，這意味著短期內(nèi)，經(jīng)濟增長的沖擊影響會促進CO2排放量的增加，但經(jīng)濟增長帶來的技術(shù)進步在長期會導致二氧化碳排放量降低。經(jīng)濟增長的標準沖擊對電力消耗產(chǎn)生正向的沖擊影響，這意味著受經(jīng)濟增長的沖擊，刺激了電力消耗的增加。

4 結(jié)語

本文試圖探討中國電力消耗、經(jīng)濟增長與二氧化碳排放量之間的關(guān)系，從協(xié)整檢驗和格蘭杰因果關(guān)系檢驗結(jié)果得出，電力消耗、經(jīng)濟增長與二氧化碳排放量之間存在協(xié)整關(guān)系，這與Alice等人[32]和Wendy[13]等的研究結(jié)果是一致的；從VAR模型估計的結(jié)果得出，滯后一期的電力消耗對當期經(jīng)濟增長和二氧化碳排放量產(chǎn)生正向的作用；經(jīng)濟增長的滯后期對當期電力消耗和二氧化碳排放量產(chǎn)生負向的作用；而二氧化碳排放量的滯后期對當期經(jīng)濟增長沒有顯著影響。這表明上期經(jīng)濟增長促進當期的經(jīng)濟增長時，政府通過技術(shù)創(chuàng)新和能源效率的提高，可以降低當期的二氧化碳排放量，而上期二氧化碳排放量并不直接促進當期經(jīng)濟增長。

根據(jù)實證結(jié)果，我們?yōu)橹袊吞冀?jīng)濟發(fā)展和電力部門的能源政策制定提供一些建議。首先，經(jīng)濟增長應當始終是優(yōu)先考慮的。實證結(jié)果表明，經(jīng)濟增長在短期內(nèi)會促進二氧化碳排放量的增加，但從長期來看，經(jīng)濟增長促進了技術(shù)的進步和能源效率的提高，進而導致二氧化碳排放量的減少。作為新興經(jīng)濟體的中國，經(jīng)濟發(fā)展不僅是國民社會進步的真實需要，而且長期以來可以有效降低二氧化碳的排放。正如環(huán)境庫茲涅茨曲線[33-34]所描述的那樣，當經(jīng)濟發(fā)展達到一定水平，環(huán)境污染物如二氧化碳排放量可能會下降，這個下降的拐點是多少取決于本國的國情，但可以采取一定的政策干預倒“U”形曲線的上升階段，使得這一拐點提前到來。其次，提高電力消耗的能源效率是十分必要的。從研究中可以發(fā)現(xiàn)，電力消耗會促進二氧化碳排放量的增加，但不直接促進經(jīng)濟增長。因此，為了減少二氧化碳排放的同時保持經(jīng)濟增長，就必須提高電力能源消耗的效率，通過技術(shù)進步或產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，使得每單位電能消耗量減少，“低能耗、低排放、高收益”的綠色發(fā)展就可以實現(xiàn)。此外，還可以積極推進電力產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化或?qū)ふ倚履茉磥戆l(fā)展電力行業(yè)低碳經(jīng)濟。

圖3 脈沖響應函數(shù)分析結(jié)果

[1] Duolley B,2015.The BP statistical review of world energy 2015[R].Speech, BP.2015.

[2] Zhang Yuejun.The impact of financial development on carbon emissions:An empirical analysis in China[J].Energy Policy, 2011,3(4):2197-2203.

[3] Xu bin,Lin boqiang.Carbon dioxide emissions reduction in China,s transport sector:A dynamic VAR(vector autogression) approach[J].Energy ,2015,83:486-495.

[4] Akpan G E, Akpan U F.Electricity consumption, carbon emissions and economic growth in Nigeria[J]. International Journal of Energy Economics and Policy ,2012,2 (4), 292-306.

[5] Adebola S S.Electricity consumption and economic growth: Trivariate investigation in Botswana with capital formation[J]. International Journal of Energy Economics and Policy, 2011,1(2) 32-46.

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

[7] Shaari M S, Hussain N E, Ismail M S. Relationship between energy consumption and economic growth: Empirical evidence for Malaysia[J]. Business Systems Review, 2012,2(1): 17-28.

[8] Paul S, Battacharya R N. Causality between energy consumption and economic growth in India: A note on conflicting results[J]. Energy Economics, 2004,26(6):977-983.

[9] Ozturk I, Uddin G S. Causality among carbon emissions, energy consumption and growth in India[J]. Economic Research—Ekonomska Istra?ivanja ,2012,25(3): 752-775.

[10] Shahbaz M, Mutascu M, Tiwari A K. Revisiting the relationship between electricity consumption, capital and economic growth: Cointegration and causality analysis in Romania[J]. Romania Journal of Economic Forecasting, 2012,(3): 97-120.

[11] Lean H H, Smyth R. CO2emissions, electricity consumption and output in ASEAN[J]. Applied Energy,2010,87(6): 1858-1864.

[12] Odhiambo N M. Electricity consumption and economic growth in South Africa: A trivariate causality test[J]. Energy Economics,2009,31(5): 635-640.

[13] Cowan W N, Chang T, Inglesi-Lotz R, et al. The nexus of electricity consumption, economic growth and CO2emissions in the BRICS countries[J].Energy Policy, 2014,66:359-368.

[14] 吳振信，謝曉晶，王書平.經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響分析———基于中國的省際面板數(shù)據(jù)[J].中國管理科學，2012,20(3)：161-166.

[15] 陸靜.金融發(fā)展與經(jīng)濟增長關(guān)系的理論與實證研究———基于中國省際面板數(shù)據(jù)的協(xié)整分析[J].中國管理科學，2012,20(1)：177-184.

[16] 顧佰和，譚顯春，池宏，等.化工行業(yè)二氧化碳減排潛力分析模型及應用[J].中國管理科學，2013,21(5)：141-148.

[17] 劉貞，朱開偉，閻建明，等.產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化下電力行業(yè)碳減排潛力分析[J].管理工程學報，2014,28(2)：87-92.

[18] The World Bank. World Development Indicators (WDI)[R].http://data.worldbank.org/indicator.

[19] Gao Jing, Zhang Lei.Electricity consumption-economic growth-CO2emissions nexus in sub-Saharan africa: Evidence from panel cointegration[J].African Development Review,2014,26(2):359-371.

[20] Nain M Z, Ahmad W, Kamaiah B.Economic growth, energy consumption and CO2emissions in India: A disaggregated causal analysis[J].International Journal of Sustainable Energy, 2017,36(8):807-824.

[21] Levin A, Lin CF, Chu CSJ. Unit root tests in panel data: Asymptotic and finite-sample properties[J]. Journal of Econometrics,2002,108(1):1-24.

[22] Im K S, Pesaran M H, Shin Y .Testing for unit roots in heterogeneous panels[J]. Journal of Econometrics, 2003,115(1):53-74.

[23] Clarke J A,Mirza S.Comparison of some common methods of detecting Granger non-causality[J]. Journal of Statistical Computation and Simulation,2006,76(3): 207-231.

[24] Johansen S． Statistical analysis of cointegration vectors[J]．Journal of Economic Dynamics and Control，1988，12(2-3): 231-254．

[25] Kao C.Spurious regression and residual-based tests for cointegration in panel data[J].Journal of Econometrics，1999，90(1): 1-44．

[26]Pedroni P.Panel cointegration: Asymptotic and finite sample properties of pooled time series tests with an application to the PPP hypothesis[J]. Econometric Theory, 2004,20(3)：597-627.

[27] Soytas U, Sari R.Energy consumption, economic growth, and carbon emissions: Challenges faced by and EU candidate member[J]. Ecological Economics,2009,68(6): 1667-1675.

[28] Zhang Xingping, Cheng Xiaomei. Energy consumption, carbon emissions, and economic growth in China[J].Ecological Economics, 2009,68(10): 2706-2712.

[29] Apergis N, Payne J E.The emissions, energy consumption and growth nexus: Evidence from the commonwealth of independent states[J]. Energy Policy, 2010,38(1):650-55.

[30] Hamdi H, Sbia R. Short-run and long-run causality between electricity consumption and economic growth in a small open economy[R]. Working Paper No. 49904, Munich Personal RePEc Archive, 2012.

[31] Abbasi F, Riaz K.CO2emissions and financial development in an emerginge economy:An augmented VAR approach[J].Energy Policy ,2016,90:102-114.

[32] Shiu A, Lam P L.Electricity consumption and economic growth in China[J].Energy Policy ,2004,32(1):47-54.

[33] Canas A,Ferrao P,Conceicao P.A new environmental Kuznets curve?Relationship between direct material input and income per capita:Evidence from industrialised countries[J].Ecological Economics. 2003,46(2):217-229.

[34] Galeotti M, Lanza A, Pauli F. Reassessing the environmental Kuznets curve for CO2emissions: A robustness exercise[J]. Ecological Economics ,2006,57(1): 152-163.