中國能源消費(fèi)、經(jīng)濟(jì)增長與碳排放之間的動態(tài)關(guān)系

趙明軒， 呂連宏， 張保留， 羅 宏

中國環(huán)境科學(xué)研究院環(huán)境管理研究中心, 北京 100012

在新冠肺炎疫情的沖擊下，2020年4月，全球每日CO2排放量比同期減少約17%，各國排放量的峰值比同期平均減少約26%[1]. 全球經(jīng)濟(jì)增長速度放緩，短期內(nèi)對氣候變化可能是有利的，但在后疫情時代，各國可能會把經(jīng)濟(jì)增長放置首位. 如何推動新冠肺炎疫情后世界經(jīng)濟(jì)的“綠色復(fù)蘇”，應(yīng)成為各國首要思考的問題.

自改革開放以來，中國經(jīng)濟(jì)取得了令世界矚目的成就，中國一躍成為世界第二大經(jīng)濟(jì)體，據(jù)國家統(tǒng)計(jì)局2019年數(shù)據(jù)顯示，中國GDP總量為 990 865 億元[2]，同時保持年均6.1%的增長[3]. 在快速發(fā)展過程中，中國已成為世界上較大的能源消耗和CO2排放國之一. 能源是一國發(fā)展的重要因素[4]，中國在實(shí)現(xiàn)經(jīng)濟(jì)平穩(wěn)增長的同時，還需控制化石能源的消耗[5]. 另外，經(jīng)濟(jì)發(fā)展和人口增長是推動化石能源燃燒產(chǎn)生溫室氣體(GHG)排放的主要因素[6]. 在化石能源消耗方面，煤炭使用量逆轉(zhuǎn)了世界能源供應(yīng)逐漸脫碳的長期趨勢，預(yù)計(jì)未來5年內(nèi)，煤炭依舊處于全球能源消耗首位[7]. 雖然，中國在2018年實(shí)現(xiàn)了CO2排放強(qiáng)度比2005年下降45.8%的目標(biāo)，但CO2排放量仍占全球總量的20%. 中國過去的發(fā)展過多依賴碳能源的消耗，這是CO2排放量顯著增加的重要原因[8]，并且地區(qū)之間存在地域差異性[8-11]，針對不同經(jīng)濟(jì)分區(qū)的特殊性，應(yīng)該提出差異化的政策. 在后疫情時代，如何實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)增長、能源消費(fèi)和CO2排放的動態(tài)協(xié)調(diào)發(fā)展，是中國持續(xù)推進(jìn)生態(tài)文明建設(shè)、實(shí)現(xiàn)綠色可持續(xù)發(fā)展的關(guān)鍵問題.

能源消費(fèi)、經(jīng)濟(jì)增長和CO2排放之間關(guān)系的研究較多. 從國內(nèi)研究來看，主要分為全國數(shù)據(jù)[8,12-16]和單一省份或地區(qū)，如長三角地區(qū)[17-18]、京津冀地區(qū)[19]等，但多數(shù)都是時間序列數(shù)據(jù)，對于將全國劃分為不同地區(qū)的面板數(shù)據(jù)較少. 不同地區(qū)對于能源消費(fèi)、經(jīng)濟(jì)增長與CO2排放的影響是不相同的，WANG等[8]通過中國省級數(shù)據(jù)，分析了CO2總排放量和人均排放量的區(qū)域差異，并且提出為了縮小各省份之間的地域差異，迫切需要區(qū)域補(bǔ)償機(jī)制，以平衡不同省份之間經(jīng)濟(jì)增長與環(huán)境可持續(xù)性. 有研究[20-21]以全球?yàn)橐暯?，對能源消費(fèi)、經(jīng)濟(jì)增長和CO2排放量等變量進(jìn)行分析，得出不同經(jīng)濟(jì)發(fā)展程度國家的能源、經(jīng)濟(jì)與CO2排放之間的影響關(guān)系. Alam等[22]對巴西、印度、印度尼西亞和中國的分析表明，隨著中國收入水平的提升，CO2排放量會隨之減少，而印度CO2排放量并不會隨著收入的提升而降低，這充分說明地域經(jīng)濟(jì)發(fā)展差異對結(jié)果的影響.

能源消費(fèi)、經(jīng)濟(jì)增長和CO2排放三者之間關(guān)系的研究，較多采用向量自回歸模型(VAR)進(jìn)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，以全國數(shù)據(jù)為樣本進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)得到的關(guān)系中，多數(shù)結(jié)果表明，能源消耗與CO2排放[8,13,24-25]以及能源消耗與經(jīng)濟(jì)增長[8,25-26]之間存在雙向的因果關(guān)系，而經(jīng)濟(jì)增長促進(jìn)了CO2排放量的增加[8]. 以地區(qū)為樣本進(jìn)行回歸分析顯示，我國東部、中部、西部和東北部地區(qū)統(tǒng)計(jì)結(jié)果差異較大，印證了不同經(jīng)濟(jì)發(fā)展程度地區(qū)間存在差異性[16-18,27-28]. 已有研究中較少考慮固定資產(chǎn)投資對能源消費(fèi)、經(jīng)濟(jì)增長和CO2排放三者的影響作用. 研究[29]表明，固定資產(chǎn)投資不僅對CO2排放具有顯著正向影響，而且是CO2排放的主要影響因素之一[30].

綜上，該研究分析能源消費(fèi)、經(jīng)濟(jì)增長與CO2排放之間關(guān)系時，按東部、中部、西部和東北部四大經(jīng)濟(jì)區(qū)域進(jìn)行劃分，同時加入固定資產(chǎn)投資變量，采用面板向量自回歸模型(PVAR)進(jìn)行分析. PVAR分析方法綜合了面板分析和VAR模型的優(yōu)點(diǎn)，既能控制不可觀測的個體異質(zhì)性(包括個體效應(yīng)和時間效應(yīng))，也可分析面對沖擊時的動態(tài)反應(yīng)[31]. 利用系統(tǒng)廣義矩估計(jì)(System-GMM)方法對模型進(jìn)行回歸，通過格蘭杰因果關(guān)系檢驗(yàn)、脈沖響應(yīng)分析與方差分解對變量之間關(guān)系進(jìn)行分析.

1 模型構(gòu)建

由Love等[32]建立的面板向量自回歸模型(PVAR)已在跨領(lǐng)域研究中得到應(yīng)用. 相比傳統(tǒng)的VAR模型，PVAR模型將所有的變量都設(shè)定為內(nèi)生變量，同時面板數(shù)據(jù)能夠觀察到個體異質(zhì)性[32]，與VAR模型相似，能解釋不要求整個經(jīng)濟(jì)結(jié)構(gòu)的經(jīng)濟(jì)問題[20,33]. 在分析有相互依賴的經(jīng)濟(jì)問題時，橫截面尺度會彌補(bǔ)時間序列尺度不足的劣勢[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表示模型的滯后階數(shù)；Ai表示截距項(xiàng)向量；Aj是滯后變量的系數(shù)矩陣；Yit是包含模型中所有內(nèi)生變量的列向量；Yit-j為內(nèi)生變量的j階滯后項(xiàng)；μi為無法觀測到的個體效應(yīng)向量；τt為時間效應(yīng)向量；εit為隨機(jī)擾動項(xiàng).

PVAR模型的實(shí)證分析是為了估計(jì)截距項(xiàng)向量(Ai)以及滯后變量系數(shù)矩陣(Aj). 在模型估計(jì)前，首先采用前向均值差分法和組內(nèi)均值差分法分別消除個體效應(yīng)(μi)和時間效應(yīng)(τt). 在進(jìn)行廣義矩估計(jì)時，雖然單一變量逐次估計(jì)可獲得一致估計(jì)，但方程組估計(jì)更有利于提高估計(jì)的有效性[35]，因此該研究采用Abrigo等[36]提出的系統(tǒng)廣義矩估計(jì)(System-GMM).

2 數(shù)據(jù)來源與模型選取

按東部、中部、西部和東北部四大經(jīng)濟(jì)區(qū)域開展研究[37]，數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》，時間范圍選取2000—2017年，受數(shù)據(jù)限制未包含西藏自治區(qū)和港澳臺地區(qū)數(shù)據(jù).

2.1 經(jīng)濟(jì)增長(ln E)

經(jīng)濟(jì)增長指標(biāo)選取地區(qū)生產(chǎn)總值，為了降低物價(jià)對于經(jīng)濟(jì)的影響，使用地區(qū)生產(chǎn)總值指數(shù)進(jìn)行平減(1978年作為基期).

2.2 CO2排放(ln C)

根據(jù)聯(lián)合國政府間氣候變化專門委員會(IPCC)AR4版報(bào)告稱，化石能源的燃燒是溫室氣體排放的主要原因，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、天然氣)的消耗量間接計(jì)算出各省份CO2排放量[38]，計(jì)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年消費(fèi)x類能源總量，104t；σx表示能源折標(biāo)準(zhǔn)煤參考系數(shù)，kgce/kg；ρx表示x類能源的碳排放系數(shù)，kg/kgce. 《中國能源統(tǒng)計(jì)年鑒2018》公布的標(biāo)準(zhǔn)煤折算系數(shù)以及IPCC公布的碳排放系數(shù)如表1所示.

表1 能源碳排放系數(shù)和標(biāo)準(zhǔn)煤折算系數(shù)

2.3 化石能源消費(fèi)(ln EC)

選取2000—2017年主要能源產(chǎn)品(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣)省級消費(fèi)量，將其按照能源折標(biāo)準(zhǔn)煤參考系數(shù)，折成標(biāo)準(zhǔn)煤加總. 為避免與CO2排放量呈高度的線性關(guān)系，選取人均能源消費(fèi)量對地區(qū)能源消費(fèi)進(jìn)行衡量. 人均能源消費(fèi)量等于地區(qū)折算成標(biāo)準(zhǔn)煤的能源消費(fèi)量除以地區(qū)總?cè)丝跀?shù).

2.4 固定資產(chǎn)投資(ln I)

研究[39]表明，中國固定資產(chǎn)投資與經(jīng)濟(jì)增長、能源消費(fèi)具有長期穩(wěn)定的相關(guān)性. 固定資產(chǎn)投資不僅顯著促進(jìn)能源消費(fèi)[40]、CO2排放[29]，同時也對生態(tài)環(huán)境產(chǎn)生負(fù)面影響[39]. 因此，加入固定資產(chǎn)投資指標(biāo)作為控制變量，衡量固定資產(chǎn)投資對能源消費(fèi)、經(jīng)濟(jì)增長和CO2排放的影響. 為消除物價(jià)影響，采用固定資產(chǎn)投資價(jià)格指數(shù).

為消除不同數(shù)據(jù)異方差的影響，以上數(shù)據(jù)均采用取自然對數(shù)的方法進(jìn)行處理. 各數(shù)據(jù)統(tǒng)計(jì)指標(biāo)為能源消費(fèi)(ln EC)、經(jīng)濟(jì)增長(lnE)、CO2排放(lnC)、固定資產(chǎn)投資(lnI). 上述指標(biāo)的一階差分(dln EC、dlnE、dlnC、dlnI)分別對應(yīng)各自指標(biāo)的增長率. 四大經(jīng)濟(jì)區(qū)域各指標(biāo)描述性統(tǒng)計(jì)如表2所示.

表2 我國四大經(jīng)濟(jì)區(qū)域變量描述性統(tǒng)計(jì)

3 實(shí)證檢驗(yàn)

3.1 面板單位根檢驗(yàn)

面板單位根檢驗(yàn)主要包括2類：第一類檢驗(yàn)要求自回歸系數(shù)都相同，主要有LLC檢驗(yàn)、HT檢驗(yàn)、Breitung檢驗(yàn)；第二類檢驗(yàn)不要求自回歸系數(shù)相同，主要有IPS檢驗(yàn)、ADF-Fisher檢驗(yàn)、PP-Fisher檢驗(yàn). 由于我國不同地域的經(jīng)濟(jì)社會狀況具有一定的差異性，第一類檢驗(yàn)的共同根假設(shè)在實(shí)踐中可能過強(qiáng)，因而該研究選擇第二類檢驗(yàn). 表3是對東部、中部、西部和東北部四大經(jīng)濟(jì)區(qū)域的3種單位根檢驗(yàn)，從統(tǒng)計(jì)結(jié)果發(fā)現(xiàn)，4個區(qū)域水平數(shù)據(jù)均通過ADF-Fisher檢驗(yàn)，但是未通過IPS檢驗(yàn)和PP-Fisher檢驗(yàn)，由于ADF-Fisher檢驗(yàn)并不嚴(yán)格，因此進(jìn)行一階差分檢驗(yàn)，從統(tǒng)計(jì)結(jié)果得出，變量通過顯著性水平.

表3 我國四大經(jīng)濟(jì)區(qū)域面板單位根檢驗(yàn)

3.2 PVAR模型分析

3.2.1滯后階數(shù)

在建立PVAR模型之前，首先對模型進(jìn)行滯后階數(shù)檢驗(yàn)，該研究使用3種滯后階數(shù)的檢驗(yàn)標(biāo)準(zhǔn)，分別為AIC、BIC、HQIC，統(tǒng)計(jì)結(jié)果如表4所示. 滯后階數(shù)的選擇不宜過大，否則會減少模型的自由度，造成模型數(shù)據(jù)不必要的損失. 滯后階數(shù)過小，會降低模型檢驗(yàn)結(jié)果的精確度. 滯后階數(shù)應(yīng)以通過較多檢驗(yàn)標(biāo)準(zhǔn)為依據(jù)進(jìn)行選取，因此，東部、中部、西部和東北部分別選取2階、1階、2階、1階.

表4 滯后階數(shù)檢驗(yàn)

3.2.2PVAR估計(jì)

利用系統(tǒng)廣義矩估計(jì)(System-GMM)方法對PVAR模型進(jìn)行估計(jì)檢驗(yàn)，結(jié)果如表5所示. 從東部地區(qū)模型結(jié)果得出，固定資產(chǎn)投資對東部地區(qū)經(jīng)濟(jì)增長具有1階和2階滯后顯著，但滯后2階的固定資產(chǎn)投資對當(dāng)期的經(jīng)濟(jì)增長產(chǎn)生正向促進(jìn)作用，固定資產(chǎn)投資的2階滯后對CO2排放有顯著影響. 經(jīng)濟(jì)增長的1階滯后對能源消費(fèi)、CO2排放和固定資產(chǎn)投資均具有顯著影響，前一期經(jīng)濟(jì)增長會帶動?xùn)|部地區(qū)當(dāng)期能源消費(fèi)增加和固定資產(chǎn)投資提升. 能源消費(fèi)的2階滯后對經(jīng)濟(jì)增長、CO2排放均具有負(fù)向顯著影響，但對固定資產(chǎn)投資具有正向顯著影響.

表5 PVAR模型系數(shù)估計(jì)

從中部地區(qū)模型結(jié)果得出，前一期經(jīng)濟(jì)增長與當(dāng)期能源消費(fèi)、經(jīng)濟(jì)增長、CO2排放均呈顯著正相關(guān)，但前一期固定資產(chǎn)投資對當(dāng)期經(jīng)濟(jì)增長、CO2排放產(chǎn)生抑制作用；同時，前一期能源消耗與當(dāng)期固定資產(chǎn)投資呈顯著正相關(guān)，前一期CO2排放與當(dāng)期經(jīng)濟(jì)增長、固定資產(chǎn)投資呈顯著正相關(guān).

從西部地區(qū)模型結(jié)果得出，前一期經(jīng)濟(jì)增長與當(dāng)期能源消耗、經(jīng)濟(jì)增長、CO2排放以及固定資產(chǎn)投資均呈顯著正相關(guān)，同時前一期能源消費(fèi)和CO2排放與當(dāng)期固定資產(chǎn)投資分別呈負(fù)相關(guān)和正相關(guān). 滯后2階的能源消費(fèi)與當(dāng)期的能源消費(fèi)、經(jīng)濟(jì)增長以及CO2排放均呈顯著負(fù)相關(guān)，但與固定資產(chǎn)投資呈正相關(guān). 滯后2階的經(jīng)濟(jì)增長與當(dāng)期能源消費(fèi)、CO2排放和固定資產(chǎn)投資均呈顯著負(fù)相關(guān). 滯后2階的CO2排放與當(dāng)期能源消費(fèi)、CO2排放呈顯著負(fù)相關(guān)，與當(dāng)期的經(jīng)濟(jì)增長和固定資產(chǎn)投資呈顯著正相關(guān). 滯后2階的固定資產(chǎn)投資與當(dāng)期經(jīng)濟(jì)增長呈顯著正相關(guān).

從東北地區(qū)模型結(jié)果得出，前一期經(jīng)濟(jì)增長與當(dāng)期能源消費(fèi)、經(jīng)濟(jì)增長以及CO2排放呈顯著正相關(guān)，前一期CO2排放與當(dāng)期能源消費(fèi)、經(jīng)濟(jì)增長、CO2排放以及固定資產(chǎn)投資均呈顯著正相關(guān).

3.3 格蘭杰因果檢驗(yàn)

為檢驗(yàn)?zāi)茉聪M(fèi)、經(jīng)濟(jì)增長、CO2排放之間的因果關(guān)系，利用格蘭杰因果關(guān)系檢驗(yàn)進(jìn)行分析，同時加入固定資產(chǎn)投資指標(biāo).分地區(qū)的統(tǒng)計(jì)結(jié)果如表6所示.

表6 格蘭杰因果檢驗(yàn)

從東部地區(qū)結(jié)果得出，能源消費(fèi)與經(jīng)濟(jì)增長、能源消費(fèi)與固定資產(chǎn)投資以及經(jīng)濟(jì)增長與固定資產(chǎn)投資之間均呈雙向因果關(guān)系. CO2排放與能源消費(fèi)、經(jīng)濟(jì)增長以及固定資產(chǎn)投資均呈單向因果關(guān)系.

從中部地區(qū)結(jié)果得出，經(jīng)濟(jì)增長與CO2排放、固定資產(chǎn)投資與CO2排放之間均呈雙向因果關(guān)系，能源消費(fèi)與經(jīng)濟(jì)增長、固定資產(chǎn)投資與能源消費(fèi)、經(jīng)濟(jì)增長與固定資產(chǎn)投資均呈單向因果關(guān)系，其他變量之間不存在因果關(guān)系.

從西部地區(qū)結(jié)果得出，能源消費(fèi)與經(jīng)濟(jì)增長、能源消費(fèi)與CO2排放、經(jīng)濟(jì)增長與CO2排放以及固定資產(chǎn)投資與經(jīng)濟(jì)增長之間均呈雙向因果關(guān)系.

從東北部地區(qū)結(jié)果得出，經(jīng)濟(jì)增長與CO2排放、固定資產(chǎn)投資與CO2排放之間均呈雙向因果關(guān)系. 能源消費(fèi)與經(jīng)濟(jì)增長、能源消費(fèi)與CO2排放均呈單向因果關(guān)系. 其余變量之間并不存在因果關(guān)系.

3.4 脈沖分析

為進(jìn)一步分析四大經(jīng)濟(jì)區(qū)域各變量之間的動態(tài)關(guān)系，分地區(qū)進(jìn)行脈沖分析，按各區(qū)域選取的滯后階數(shù)，觀察各變量在給定1標(biāo)準(zhǔn)差沖擊后的動態(tài)反應(yīng)，預(yù)測期設(shè)定為10年，當(dāng)期為2017年，預(yù)測期為2018—2027年.

3.4.1東部地區(qū)脈沖分析

由圖1可見：經(jīng)濟(jì)增長對能源消費(fèi)的脈沖表現(xiàn)為正向沖擊，且在第1期達(dá)到峰值后，逐漸回落至穩(wěn)態(tài)；而能源消費(fèi)對來自CO2排放的沖擊首先表現(xiàn)為負(fù)向，在第1期負(fù)向沖擊達(dá)到最大，第2期后逐漸回歸穩(wěn)態(tài)，并在第3期達(dá)到穩(wěn)態(tài)；固定資產(chǎn)投資對能源消費(fèi)的沖擊在第3期達(dá)到正向峰值，隨后逐漸回歸穩(wěn)態(tài).

圖1 東部地區(qū)脈沖分析Fig.1 Impulse response in eastern China

能源消費(fèi)對經(jīng)濟(jì)增長在當(dāng)期(第0期)表現(xiàn)為正向沖擊，并且在第1期達(dá)到峰值，第4期后逐漸回落；CO2排放對經(jīng)濟(jì)增長首先產(chǎn)生負(fù)向沖擊，在第2期達(dá)到負(fù)向沖擊峰值后回落至穩(wěn)態(tài)；固定資產(chǎn)投資對經(jīng)濟(jì)增長首先表現(xiàn)為負(fù)向沖擊，隨后上升并在第3期達(dá)到正向峰值后，逐漸回落至穩(wěn)態(tài)，整體看，固定資產(chǎn)投資對經(jīng)濟(jì)增長表現(xiàn)為正向沖擊.

經(jīng)濟(jì)增長對CO2排放的沖擊在第1期達(dá)到峰值，隨后逐漸回落至穩(wěn)態(tài)，經(jīng)濟(jì)增長對CO2排放整體上表現(xiàn)為正向沖擊；固定資產(chǎn)投資對CO2排放的沖擊在第3期達(dá)到峰值，隨后逐漸回落至穩(wěn)態(tài).

3.4.2中部地區(qū)脈沖分析

由圖2可見：經(jīng)濟(jì)增長對能源消費(fèi)表現(xiàn)出長期正向沖擊，在第3期達(dá)到峰值，隨后維持峰值沖擊水平；CO2排放對能源消費(fèi)表現(xiàn)為正向沖擊，并在第1期達(dá)到峰值；固定資產(chǎn)投資對能源消費(fèi)表現(xiàn)為負(fù)向沖擊，并長期保持較高負(fù)向沖擊水平.

能源消費(fèi)對經(jīng)濟(jì)增長在當(dāng)期產(chǎn)生正向沖擊，并在第1期達(dá)到峰值；CO2排放對經(jīng)濟(jì)增長表現(xiàn)出正向沖擊，第1期達(dá)到正向沖擊峰值，并長期保持較高沖擊水平；固定資產(chǎn)投資對經(jīng)濟(jì)增長產(chǎn)生負(fù)向沖擊，在第1期達(dá)到負(fù)向沖擊峰值，并長期保持較高的負(fù)向沖擊水平.

能源消費(fèi)對CO2排放在當(dāng)期(第0期)的沖擊最大，隨后逐漸回落至穩(wěn)態(tài)；經(jīng)濟(jì)增長對CO2排放在第2期達(dá)到正向峰值，并長期保持較高的正向沖擊水平；固定資產(chǎn)投資對CO2排放表現(xiàn)為負(fù)向沖擊，在第1期達(dá)到負(fù)向沖擊峰值，并長期保持較高的負(fù)向沖擊水平.

3.4.3西部地區(qū)脈沖分析

由圖3可見：經(jīng)濟(jì)增長對能源消費(fèi)產(chǎn)生正向沖擊，在第1期達(dá)到峰值，第2期后逐漸回落，但仍長期保持較高的正向沖擊水平；CO2排放對能源消耗首先表現(xiàn)出負(fù)向沖擊，在第2期達(dá)到負(fù)向峰值，隨后逐漸上升，并在第4期達(dá)到正向沖擊峰值，整體來看，CO2排放對能源消費(fèi)具有正向沖擊；固定資產(chǎn)投資對能源消費(fèi)在第1期達(dá)到正向峰值，隨后逐漸回落至穩(wěn)態(tài).

圖3 西部地區(qū)脈沖分析Fig.3 Impulse response in western China

能源消費(fèi)對經(jīng)濟(jì)增長在當(dāng)期產(chǎn)生正向沖擊，在第2期達(dá)到峰值，并長期保持較高的正向沖擊水平；CO2排放對經(jīng)濟(jì)增長在第4期達(dá)到正向峰值，并長期保持較高的正向沖擊水平；固定資產(chǎn)投資對經(jīng)濟(jì)增長首先產(chǎn)生負(fù)向沖擊，在第1期達(dá)到負(fù)向峰值，隨后逐漸回升并在第3期達(dá)到正向峰值，整體看，固定資產(chǎn)投資對經(jīng)濟(jì)增長具有正向沖擊作用.

經(jīng)濟(jì)增長對CO2排放產(chǎn)生正向沖擊，在第1期達(dá)到峰值，并保持較高的正向沖擊水平；固定資產(chǎn)投資對CO2排放產(chǎn)生正向沖擊，在第1期達(dá)到峰值，隨后回落至穩(wěn)態(tài).

3.4.4東北部地區(qū)脈沖分析

由圖4可見：經(jīng)濟(jì)增長對能源消費(fèi)產(chǎn)生正向沖擊，在第2期達(dá)到峰值，并維持較高的正向沖擊水平；CO2排放對能源消費(fèi)產(chǎn)生正向沖擊，在第1期達(dá)到峰值；固定資產(chǎn)投資對能源消費(fèi)產(chǎn)生負(fù)向沖擊，在第1期達(dá)到負(fù)向峰值，并長期維持負(fù)向沖擊狀態(tài).

圖4 東北地區(qū)脈沖分析Fig.4 Impulse response in northeastern China

能源消費(fèi)對經(jīng)濟(jì)增長在當(dāng)期產(chǎn)生正向沖擊，在第2期達(dá)到峰值并保持穩(wěn)定沖擊狀態(tài)；CO2排放對經(jīng)濟(jì)增長產(chǎn)生長期正向沖擊；固定資產(chǎn)投資對經(jīng)濟(jì)增長產(chǎn)生負(fù)向沖擊.

經(jīng)濟(jì)增長對CO2排放產(chǎn)生正向沖擊，在第2期達(dá)到峰值并維持穩(wěn)定正向沖擊狀態(tài)；固定資產(chǎn)投資對CO2排放產(chǎn)生負(fù)向沖擊.

3.5 方差分解

通過預(yù)測誤差的方差分解(FEVD)，可以得出單個變量對其余內(nèi)生變量的貢獻(xiàn)度，以此來衡量單個變量對其余內(nèi)生變量沖擊的重要性[41]. 分別對東部、中部、西部和東北部地區(qū)進(jìn)行預(yù)測，預(yù)測期為20年，方差分解結(jié)果如圖5～8所示.

3.5.1東部地區(qū)

由圖5可見：經(jīng)濟(jì)增長對能源消費(fèi)貢獻(xiàn)度約為35%，是能源消費(fèi)波動的重要因素；能源消費(fèi)對經(jīng)濟(jì)增長貢獻(xiàn)度約12%，是影響經(jīng)濟(jì)增長波動的重要因素. 固定資產(chǎn)投資對經(jīng)濟(jì)增長的貢獻(xiàn)度較小，但是變幅較大，約為5%；能源消費(fèi)對CO2排放的貢獻(xiàn)度在初始較強(qiáng)，約90%，但隨著時間的推移，能源消費(fèi)的貢獻(xiàn)度逐漸下降，最終維持在60%左右. 經(jīng)濟(jì)增長對碳排放的貢獻(xiàn)度持續(xù)增加，變幅約為40%.

圖5 東部地區(qū)方差分解Fig.5 Variance decomposition in eastern China

3.5.2中部地區(qū)

由圖6可見：經(jīng)濟(jì)增長對能源消費(fèi)的貢獻(xiàn)度約為30%，是影響能源消費(fèi)的重要因素；能源消費(fèi)對經(jīng)濟(jì)增長也存在重要影響，貢獻(xiàn)度約為30%；隨著時間的推移，能源消費(fèi)對CO2排放的貢獻(xiàn)度逐漸下降，但仍是重要影響因素，經(jīng)濟(jì)增長對CO2排放貢獻(xiàn)度約為30%.

圖6 中部地區(qū)方差分解Fig.6 Variance decomposition in central China

3.5.3西部地區(qū)

由圖7可見：經(jīng)濟(jì)增長對能源消費(fèi)的貢獻(xiàn)度約為38%，是能源消費(fèi)的重要影響因素；能源消費(fèi)也是經(jīng)濟(jì)增長的重要影響因素，且貢獻(xiàn)度達(dá)30%，是影響經(jīng)濟(jì)增長的重要因素；隨著時間的推移，能源消費(fèi)對CO2排放貢獻(xiàn)度逐漸下降，但仍對CO2排放有較大的影響，而經(jīng)濟(jì)增長對CO2排放的影響程度逐漸加強(qiáng)，變幅約為40%.

圖7 西部地區(qū)方差分解Fig.7 Variance decomposition in western China

3.5.4東北地區(qū)

由圖8可見：隨著時間的推移，經(jīng)濟(jì)增長為能源消費(fèi)的貢獻(xiàn)度逐漸提升，變幅約為25%；能源消費(fèi)對經(jīng)濟(jì)增長的貢獻(xiàn)度約為55%，是經(jīng)濟(jì)增長的重要影響因素；能源消費(fèi)是CO2排放的重要影響因素，并長期保持較高貢獻(xiàn)度；經(jīng)濟(jì)增長對CO2排放的貢獻(xiàn)度較低，變幅約為25%.

圖8 東北地區(qū)方差分解Fig.8 Variance decomposition in northeastern China

4 結(jié)論與建議

4.1 結(jié)論

a) 從東部地區(qū)來看，經(jīng)濟(jì)增長依賴于對能源的消耗，二者既存在雙向因果關(guān)系，又存在雙向正向脈沖響應(yīng)，方差分解結(jié)果表明，能源消費(fèi)與經(jīng)濟(jì)增長互為重要影響因素，經(jīng)濟(jì)增長會帶來CO2排放的增加，存在單向因果關(guān)系，并逐漸成為CO2排放的重要影響因素，這說明能源消耗對東部地區(qū)經(jīng)濟(jì)增長帶動較強(qiáng). 固定資產(chǎn)投資對CO2排放產(chǎn)生正向影響，并且對經(jīng)濟(jì)增長和能源消耗均有雙向因果關(guān)系，這表明固定資產(chǎn)投資既會拉動經(jīng)濟(jì)增長，也會帶來能源消耗和CO2排放.

b) 從中部地區(qū)來看，能源消費(fèi)對經(jīng)濟(jì)增長存在單向因果關(guān)系，二者之間存在雙向正向沖擊，且長期來看，能源消費(fèi)與經(jīng)濟(jì)增長之間互為重要影響因素. 經(jīng)濟(jì)增長對CO2排放存在長期正向沖擊，并且二者之間存在雙向因果關(guān)系. 前一期的經(jīng)濟(jì)增長對當(dāng)期能源消費(fèi)和CO2排放具有顯著正向促進(jìn)作用，存在化石能源拉動經(jīng)濟(jì)增長的現(xiàn)象，并且中部地區(qū)經(jīng)濟(jì)增長并沒有減少化石能源的消耗，相反，對化石能源的需求有所增加.

c) 從西部地區(qū)來看，經(jīng)濟(jì)增長與能源消費(fèi)之間存在雙向正向沖擊，并且存在雙向因果關(guān)系，二者之間互為重要影響因素. 相較于東部地區(qū)，西部地區(qū)經(jīng)濟(jì)發(fā)展程度較低，但是依舊呈現(xiàn)高耗能的發(fā)展模式，經(jīng)濟(jì)增長與CO2排放之間存在雙向正向沖擊，并且存在雙向因果關(guān)系，方差分解結(jié)果表明，經(jīng)濟(jì)增長是CO2排放的重要影響因素. 固定資產(chǎn)投資對地區(qū)經(jīng)濟(jì)增長具有顯著促進(jìn)作用，二者之間具有雙向因果關(guān)系，西部地區(qū)重工業(yè)企業(yè)較多，同時由于經(jīng)濟(jì)發(fā)展水平較低，工業(yè)企業(yè)能源技術(shù)相對落后，固定資產(chǎn)投資能夠較好地加速地區(qū)技術(shù)進(jìn)步.

d) 從東北地區(qū)來看，經(jīng)濟(jì)增長和能源消費(fèi)之間存在單向因果關(guān)系，存在雙向正向的脈沖響應(yīng)，方差分解結(jié)果表明，能源消費(fèi)與經(jīng)濟(jì)增長之間互為重要影響因素. 經(jīng)濟(jì)增長與CO2排放之間具有雙向因果關(guān)系，并且具有雙向正向沖擊. 方差分解表明，東北地區(qū)經(jīng)濟(jì)增長對CO2排放的貢獻(xiàn)度較低，說明東北地區(qū)第二產(chǎn)業(yè)比重下降，第三產(chǎn)業(yè)對經(jīng)濟(jì)貢獻(xiàn)度上升. 固定資產(chǎn)投資對該地區(qū)能源消耗和CO2排放具有負(fù)向沖擊，地區(qū)產(chǎn)業(yè)相比于東部，仍處于較為落后的階段，固定資產(chǎn)投資會有效淘汰落后的高耗能、高污染工序.

總體來說，四大經(jīng)濟(jì)區(qū)均呈現(xiàn)能源消費(fèi)與經(jīng)濟(jì)增長互為重要影響因素，說明中國經(jīng)濟(jì)增長依賴于對能源的消耗，但是東部與西部又呈現(xiàn)不同的特征，東部地區(qū)呈現(xiàn)高能耗、高收入的發(fā)展特征，西部地區(qū)雖然呈現(xiàn)高能耗發(fā)展態(tài)勢，但是經(jīng)濟(jì)發(fā)展質(zhì)量較低. 一方面由于西部地區(qū)經(jīng)濟(jì)基礎(chǔ)較為薄弱，工業(yè)基礎(chǔ)設(shè)施較為落后；另一方面由于東部地區(qū)的地理優(yōu)勢，對外貿(mào)易頻繁，加速地區(qū)現(xiàn)代化進(jìn)程.

4.2 建議

中國應(yīng)該根據(jù)不同經(jīng)濟(jì)分區(qū)的地域差異，在經(jīng)濟(jì)增長與CO2排放降低的雙重挑戰(zhàn)下，積極減緩和適應(yīng)氣候變化，實(shí)現(xiàn)高質(zhì)量永續(xù)發(fā)展.

a) 從東部地區(qū)來看，固定資產(chǎn)投資并不能有效促進(jìn)東部地區(qū)經(jīng)濟(jì)增長，同時還會增加地區(qū)CO2排放. 地方政府未來應(yīng)該轉(zhuǎn)變發(fā)展模式，將資金適度地轉(zhuǎn)移到對人力資本的投資[10]及低碳和清潔能源技術(shù)研發(fā)上，先進(jìn)的能源技術(shù)對東部地區(qū)經(jīng)濟(jì)增長有較強(qiáng)促進(jìn)作用[42]，進(jìn)一步深化供給側(cè)結(jié)構(gòu)性改革，提升能源利用效率. 應(yīng)大力發(fā)展清潔生產(chǎn)和節(jié)能減排，降低對能源的消費(fèi)成本.

b) 從中部地區(qū)來看，能源消費(fèi)是拉動經(jīng)濟(jì)增長的主要途徑，經(jīng)濟(jì)增長又是CO2排放的重要因素，同時固定資產(chǎn)投資會減少地區(qū)CO2排放. 從長遠(yuǎn)的角度看，中部應(yīng)該進(jìn)一步結(jié)合區(qū)位優(yōu)勢，提高對可再生能源的消費(fèi)比重，通過實(shí)施可再生能源的補(bǔ)貼和稅收返還[43]，提高資源型企業(yè)的市場準(zhǔn)入政策等措施，逐步引導(dǎo)企業(yè)提高可再生能源在總能源消費(fèi)中的比例，依托長江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略，實(shí)現(xiàn)中部地區(qū)綠色低碳發(fā)展.

c) 從西部地區(qū)來看，固定資產(chǎn)投資對于經(jīng)濟(jì)增長的滯后期較長，同時依舊保持以能源消耗來促進(jìn)經(jīng)濟(jì)增長的模式. 短期內(nèi)，西部地區(qū)應(yīng)該運(yùn)用環(huán)境污染第三方治理、合同能源管理、PPP等模式，鼓勵社會資本參與生態(tài)環(huán)境治理. 從長遠(yuǎn)角度來看，政府應(yīng)該為能源企業(yè)拓寬融資渠道，鼓勵能源企業(yè)發(fā)展清潔生產(chǎn). 同時結(jié)合西部地區(qū)特有的區(qū)位優(yōu)勢，加大研發(fā)投資力度，加快科技迭代，實(shí)現(xiàn)規(guī)?；\(yùn)營，降低可再生能源企業(yè)生產(chǎn)成本.

d) 相較于東部、中部和西部來說，東北地區(qū)能源消費(fèi)對經(jīng)濟(jì)增長的貢獻(xiàn)度最大，固定資產(chǎn)投資對于減少化石能源消費(fèi)和降低CO2排放作用明顯. 東北地區(qū)應(yīng)該在東北振興戰(zhàn)略的時代背景下，轉(zhuǎn)變高消耗、高排放的發(fā)展模式. 積極引入外商直接投資(FDI)，推動可再生能源產(chǎn)業(yè)的發(fā)展，促進(jìn)東北地區(qū)能源結(jié)構(gòu)的轉(zhuǎn)型升級[44]. 加大對于人才的吸引力度和科研投入力度，建設(shè)以互聯(lián)網(wǎng)、智能物流網(wǎng)、智能電網(wǎng)等為主的現(xiàn)代基礎(chǔ)設(shè)施網(wǎng)絡(luò)，推動信息化和工業(yè)化融合發(fā)展.

四大經(jīng)濟(jì)區(qū)均應(yīng)提高對可再生能源的基礎(chǔ)設(shè)施建設(shè)，逐漸扭轉(zhuǎn)高能耗的發(fā)展模式，加快形成綠色清潔的發(fā)展方式. 對于中部、西部和東北地區(qū)，積極運(yùn)用PPP等模式，鼓勵社會資本參與生態(tài)環(huán)境治理，利用不同地區(qū)特有的地域優(yōu)勢，積極引入外商資本參與可再生能源項(xiàng)目建設(shè). 東部地區(qū)要結(jié)合地區(qū)特有的經(jīng)濟(jì)優(yōu)勢，加大對低碳和清潔技術(shù)的研發(fā)，同時加強(qiáng)區(qū)域間的交流合作，實(shí)現(xiàn)不同地域之間資本和先進(jìn)技術(shù)的深入融合.

總體來說，我國區(qū)域經(jīng)濟(jì)發(fā)展不協(xié)調(diào)，不同區(qū)域應(yīng)該結(jié)合自身的發(fā)展特征以及區(qū)位優(yōu)勢，轉(zhuǎn)變以依靠化石能源消費(fèi)實(shí)現(xiàn)經(jīng)濟(jì)增長的發(fā)展模式，加大對可再生能源的投資力度，不斷提升可再生能源在能源結(jié)構(gòu)中的比例，適當(dāng)提升能源市場的自由度[45]，力爭于2030年前達(dá)到CO2排放峰值，努力爭取2060年前實(shí)現(xiàn)碳中和.

參考文獻(xiàn)(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] 國家統(tǒng)計(jì)局.國家數(shù)據(jù)[EB/OL].北京:國家統(tǒng)計(jì)局，2020-01-18[2020-07-13].http://data.stats.gov.cn/easyquery.htm?cn=C01.

[3] 國家統(tǒng)計(jì)局.2019年四季度和全年國內(nèi)生產(chǎn)總值(GDP)初步核算結(jié)果[EB/OL].北京:國家統(tǒng)計(jì)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] 張恪渝,廖明球.中國經(jīng)濟(jì)增長與碳排放之間的關(guān)系研究:基于非參數(shù)bootstrap方法構(gòu)建的VEC模型[J].數(shù)理統(tǒng)計(jì)與管理,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] 陳向陽,李奕君.能源消費(fèi)、碳排放與經(jīng)濟(jì)增長之間的關(guān)系研究:理論機(jī)制與實(shí)證檢驗(yàn)[J].南京財(cái)經(jīng)大學(xué)學(xué)報(bào),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] 徐如濃,吳玉鳴.長三角城市群碳排放、能源消費(fèi)與經(jīng)濟(jì)增長的互動關(guān)系:基于面板聯(lián)立方程模型的實(shí)證[J].生態(tài)經(jīng)濟(jì),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] 翟石艷,王錚.基于ARDL模型長三角碳排放、能源消費(fèi)和經(jīng)濟(jì)增長關(guān)系研究[J].長江流域資源與環(huán)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.京津冀地區(qū)能源消費(fèi)、碳排放與經(jīng)濟(jì)增長關(guān)系實(shí)證研究[J].工業(yè)技術(shù)經(jīng)濟(jì),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.我國能源消費(fèi)、二氧化碳排放與經(jīng)濟(jì)增長關(guān)系研究[J].生態(tài)經(jīng)濟(jì),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] 陳紅梅,寧云才,齊秀輝.中國經(jīng)濟(jì)增長、能源消費(fèi)與碳排放之間的關(guān)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] 劉曉紅,江可申,魏潔云.我國經(jīng)濟(jì)增長、能源消費(fèi)、貿(mào)易開放度、城鎮(zhèn)化和碳排放之間關(guān)系:以東部地區(qū)為例[J].系統(tǒng)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] 王士軒,孫慧,朱俏俏.新疆碳排放、能源消費(fèi)與經(jīng)濟(jì)增長關(guān)系的實(shí)證研究[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] 車維漢,王茜.1980-2006年東亞經(jīng)濟(jì)波動的原因:基于面板VAR的分析[J].財(cái)經(jīng)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] 國家統(tǒng)計(jì)局.東西中部和東北地區(qū)劃分方法[EB/OL].北京:國家統(tǒng)計(jì)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,昌忠澤.人口結(jié)構(gòu)變動對經(jīng)常賬戶的影響:基于面板VAR模型的實(shí)證分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),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.