删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国能源消费与经济增长的相互演进态势及驱动因素

本站小编 Free考研考试/2021-12-29

何则¹^,²^,, 杨宇¹^,²^,, 宋周莺¹^,², 刘毅¹^,²

1. 中国科学院地理科学与资源研究所,中国科学院区域可持续发展分析与模拟重点实验室,北京 100101

2. 中国科学院大学资源与环境学院,北京 100049

The mutual evolution and driving factors of China's energy consumption and economic growth

HEZe¹^,²^,, YANGYu¹^,²^,, SONGZhouying¹^,², LIUYi¹^,²

1. Institute of Geographic Science and Natural Resources Research, The Key Laboratory of Regional Sustainable Development Analysis and Simulation, CAS, Beijing 100101, China

2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者:通讯作者：杨宇（1984- ）,男,副研究员,硕士生导师,研究方向为能源地理与区域发展。E-mail: yangyu@igsnrr.ac.cn
收稿日期:2018-02-9
修回日期:2018-05-14
网络出版日期:2018-08-20
版权声明:2018《地理研究》编辑部《地理研究》编辑部所有
基金资助:

国家自然科学基金重点项目（41430636）

国家重点研发项目（2016YFA0602800）

作者简介:
-->作者简介：何则（1992- ）,男,博士研究生,研究方向为世界能源地理与区域发展。E-mail: heze@lzb.ac.cn

展开

摘要
能源要素作为人—地关系系统的重要组成,其作用随着能源开发利用总量、能源利用结构与经济发展等随之演变。采用弹性脱钩指数和广义LMDI方法,研究了20世纪50年代以来中国能源消费与经济增长的动态关系以及能源消费增长的驱动因素。结果显示：① 中国能源消费总量与GDP增长都呈现指数型增长曲线,且两者的增长态势表现出高度的一致性,且煤炭和石油仍然是中国能源消费的主体。② 能源消费与经济增长之间的弹性脱钩状态表现出明显的阶段性特征,当前二者之间的关系整体表现为弱脱钩的相对乐观状态。③ 不同类型能源消费与经济增长的脱钩状态呈现一定的差异性。近年来伴随着能源消费的清洁化转型,天然气、一次电力和其他能源消费与经济增长之间呈现为拓张负脱钩或拓张连接状态。④ 影响能源消费增长的驱动因素中,能源强度是能源消费量降低的最主要因素;投资拉动是能源消费增长的主导因素,土地效应是推动能源消费增长不可忽视的重要因素,其贡献率为35.65%。产业结构效应、劳动力效应和能源结构效应对能源消费增长的整体贡献在15%左右。

关键词：能源消费;经济增长;弹性脱钩;LMDI;人地关系
Abstract
As an important component of social-environmental relationship system, energy elements evolve with the total amount of energy development and utilization, energy using structure and economic growth. Based on elastic decoupling index and the generalized LMDI method, this paper studies the dynamic relationship between China's energy consumption and economic growth and the driving factors of energy consumption growth. Results show that: (1) Since the founding of the People's Republic of China, the total energy consumption and GDP growth in China present an exponential growth curve, and their growth shows a high degree of consistency. Coal and oil are still the main body of China's energy consumption. (2) The elastic decoupling between energy consumption and economic growth is featured by obvious periodic characteristics, and the overall relationship between the two is kept in a relatively optimistic status (the weak decoupling). (3) The decoupling status for different types of energy consumption and economic growth show certain differences. In recent years, along with the clean transformation of energy consumption, natural gas, primary electricity and other energy consumption and economic growth are presented in a negative decoupling or extension connection status. (4) Energy intensity effect is the most important factor contributing to reducing energy consumption growth. Investment effect is the leading factor contributing to energy consumption growth, and the land effect is an important factor promoting the growth of energy consumption, with its contribution rate being 35.65%. The overall contribution of industrial structure effect, labor force effect and energy structure effect to promote energy consumption growth is around 15%.

Keywords：energy consumption;economic growth;elastic decoupling;LMDI;social-environmental relationship system

-->0
PDF (1626KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
何则, 杨宇, 宋周莺, 刘毅. 中国能源消费与经济增长的相互演进态势及驱动因素[J]. 地理研究, 2018, 37(8): 1528-1540 https://doi.org/10.11821/dlyj201808005
HE Ze, YANG Yu, SONG Zhouying, LIU Yi. The mutual evolution and driving factors of China's energy consumption and economic growth[J]. Geographical Research, 2018, 37(8): 1528-1540 https://doi.org/10.11821/dlyj201808005

1 引言

人地关系的核心作用过程主要表现为人类活动压力与资源环境承压能力之间的关系,其中水资源、土地资源和能源是人地关系体系持续演化的基础^[1]。能源开发与利用是人类生产活动重要的动力来源,是社会经济进步的重要支撑条件。从“火与柴草”时代的亚非农耕文明、到英国主导的“煤炭与蒸汽机”工业革命时代,再到美国主导的“石油与内燃机”的能源变革,每一次能源时代的变革,都标志着社会生产力与能源变革国家国际地位的巨大跃迁^[2]。随着能源技术的进步,能源开发利用的类型、能源供应总量、能源利用结构对人类活动的支撑能力也发生了显著的变化。尤其是,19世纪80年代世界石油生产量从80万t猛增至2000万t,随之而来的是依托石油资源发展起来的化学工业及种类繁多的化工产品,人类生产生活的方式发生翻天覆地的变化,此后电力时代和清洁能源时代极大推动了人类产业与生活结构高级化的进程。在相当程度上,人类文明发展的历史也是人类能源利用演化史,能源消费与经济增长具有与生俱来的“基因上的遗传性”。
能源的有限性,尤其是当前经济赖以依存的化石能源,使人类经济活动逐渐面临能源的存量约束。早在20世纪70年代,能源消费与人经济增长之间关系的定量研究,即引起计量经济学家们的广泛关注。****们试图从各国统计数据出发探索经济增长与能源消费之间的关系,探索了能源消费与经济增长之间环境库兹涅茨曲线（EKC）的存在与影响因素^[3,4]。20世纪90年代经济合作与发展组织（OECD）在《衡量经济增长对环境影响脱钩关系的指标》报告中首次提出了经济学意义的“脱钩”概念,用来探讨如何降低直至阻断经济发展与环境损坏之间的关联性,为能源消费和经济发展之间关系研究提供了有益的理论研究框架^[5]。从已有研究来看,不同的研究利用的模型不同、国别和地区不同、样本数据不同、参数估计与假设检验方法不同、时间间隔不同,二者之间关系将会发生显著性差异。例如,Kraft等对1947-1974年美国的国民收入与能源消费之间关系的研究,发现二者具有单向因果关系^[6];Yu把研究的时间序列扩展到1979年后,并未发现国民收入与能源消费之间存在因果关系^[7];Glasure等对韩国和新加坡的能源消费与收入的关系研究也未发现二者之间存在协整关系^[8];Paula对1950-1996年印度的研究表明,印度能源消费与经济增长之间存在长期均衡关系^[9];Lee的研究表明,18个发展中国家的经济、资本、能源之间存在双向因果关系^[10];Apergis对15个新兴国家1980-2006年煤炭消费与经济增长的研究显示二者之间具有双向因果关系^[11]。
1949年以后,中国逐渐从一个后发的工业化国家发展到世界第二大经济体,其中人地关系核心变化过程就是快速的城镇化和工业化以及由此引发的大量的能源消耗^[12]。尤其是改革开放以来经济活动与能源可持续利用之间的矛盾更加尖锐,甚至一定程度上可以说中国快速的经济增长是以牺牲能源为代价来实现的。1978年中国GDP为3679亿元,增加到2016年的74万亿元,能源消费总量5.7亿tce增长到43.6亿tce。2010年以来,中国成为全球第一大能源消费国与第一大碳排放国,面临巨大的环境与减排压力。与此同时,能源粗放开采、利用效率较低和对外依存度高等问题依然存在,成为制约中国人地关系协调发展的重要限制因素^[13]。如何在不损害经济增长速度及质量的前提下实现经济增长与能源消耗脱钩已成为国内****关注的重点和热点问题^[14]。为此,****们从大规模工业化^[15,16]、城镇化^[17,18,19]与碳排放^[20,21,22]视角研究能源消费与经济增长之间的关系,在不同空间尺度上^[23,24,25],进行不同类型能源^[26,27,28]与不同类型产业^[29]的脱钩研究,这些研究对理清能源消费与经济增长的过程、作用与影响因素^{[30,31,32,33]}提供了基本的认识。例如在国家层面上有****认为中国能源消费存在弱脱钩的现象,且扩张性复脱钩的趋势;也有****认为处在绝对脱钩和相对脱钩阶段^[34]。然而,相关研究大多单纯地讨论了经济增长与能源消费的关系^[35,36],时间尺度多聚焦于1990年以来^[37,38,39],在影响因素的分解中往往忽视了土地要素的效应。事实上中国大规模的工业化和城镇化的动力来源为能源消费^[40],而主要表现为土地利用模式的变化,尤其是建设用地扩张^[41]。从目前研究来看,能源要素对1949年以来中国经济增长支撑作用、不同能源消费种类与经济增长关系和能源增长与土地要素关系等的研究还稍显薄弱。仅从经济增长角度与能源消费及其消费结构的变化,也难以全面把握中国能源消费与经济增长的动态演变关系及关键影响要素的驱动效应。基于此,本文一方面拟拓展研究的时间序列,尝试分析中国能源消费与经济增长的动态演进关系;另一方面,尝试通过改进目前广泛采用的对数平均迪式分解法（logarithmic mean divisia index,LMDI）,考虑土地要素效应进行驱动要素的效应分解,以丰富目前的理论与实证研究。

2 研究方法与数据来源

2.1 弹性脱钩指数

脱钩（decoupling）指具有相应关系的两个或多个物理量之间的响应关系不存在。自20世纪90年代以来,OECD基于DPSIR（驱动力—压力—状态—响应—反馈）构建了绝对脱钩和相对脱钩的指数模型^[5],脱钩的概念获得广泛的关注和认可。然而,经济发展中会出现与脱钩现象相反的复钩现象,即随着经济的发展能源消费会在达到一个峰值后自动降低,从而与经济增长的“倒U”型关系（EKC）;随后在某些情况下能源消费下降导致脱钩后,一段时间后又再次上升,从而形成复钩现象。Tapio在此基础上引入了弹性系数,运用弹性脱钩指数更加细致的刻画了8种脱钩状态^[42]。根据Tapio对脱钩指数的定义可以得出在一个给定的时期t内,能源消费E与GDP（G）的脱钩指数D^t的计算方法如公式（1）,8种脱钩状态如表1所示。其中强脱钩是经济持续增长、能源消费降低的最理想状态;强负脱钩是经济衰退,但是能源消费持续增长的不利状态,弱脱钩是相对乐观的状态。
Tab. 1
表1
表1弹性脱钩指数的划分标准
Tab. 1The criteria of elastic decoupling indicator

	δE	δG	D^t	脱钩状态
1	<0	>0	D^t<0	强脱钩
2	>0	>0	0.8≥D^t>0	弱脱钩
3	>0	>0	1.2≥D^t>0.8	拓张连结
4	>0	>0	D^t>1.2	拓张性负脱钩
5	>0	<0	D^t<0	强负脱钩
6	<0	<0	0.8≥v>0	弱负脱钩
7	<0	<0	1.2≥D^t>0.8	衰退连结
8	<0	<0	D^t>1.2	衰退脱钩

新窗口打开

D^{t} = \frac{δ E^{t}}{δ G^{t}} = \frac{\frac{E^{t} - E^{0}}{E^{0}}}{\frac{G^{t} - G^{0}}{G^{0}}}

（1）
式中：D^t为脱钩指数;

δ E^{t}

为能源消费弹性系数;

δ G^{t}

为

GDP

增长的弹性系数;

E^{t}

和

E^{0}

分别为

t

时期和初期的能源消费量;

G^{t}

和

G^{0}

分别为

t

时期和初期的

GDP

。

2.2 广义LMDI

LMDI属于指数分解方法（IDA）范畴,能够针对能源消费的时间序列将影响因素分解并且不存在不能解释的余项,因而分解结果具有较强的说服力,被广泛的应用到能源消费的效应分解研究中。研究时段t的能源消费E^t如下公式表达：

E^{t} = \sum^{} \frac{E_{ij}^{t}}{E_{i}^{t}} \times \frac{E_{i}^{t}}{G_{i}^{t}} \times \frac{G_{i}^{t}}{G^{t}} \times G^{t} = \sum^{} E S_{ij}^{t} \times E I_{i}^{t} \times S_{i}^{t} \times G^{t}

（2）
式中：t以年为单位的时期;i代表产业部门;j为能源类型;E_i^t为t时期i产业部门的能源消耗;E_ij^t为t时期i产业部门第j种类型能源的消费量;G^t为t时期的GDP;G_i^t为t时期i产业部门的GDP;ES_ij^t=

\frac{E_{ij}^{t}}{E_{i}^{t}}

代表t时期i产业部门第j种能源占i产业部门能源消耗总量的比例;EI_i^t=

\frac{E_{i}^{t}}{G_{i}^{t}}

代表t时期i产业部门的能源强度;S_i^t=

\frac{G_{i}^{t}}{G^{t}}

代表t时期i产业部门的经济结构。
从生产要素投入视角分析,经济增长来源于资本、动力和资源的供给投入;反之,经济增长又会拉动要素需求增长。生产要素投入与经济增长之间的关系可用柯布—道格拉斯（C-D）生产函数表示。将LMDI方法与C-D生产函数进行联立后,可定量计算生产要素投入对能源消费的影响^[43]。在经济学研究中,这些生产要素通常包含资本和劳动力等。在本研究中,首先假设土地要素投入对于能源消费具有一定的影响,且这种影响应是可度量的。因此,为有效估计土地要素投入对于能源消费的影响及贡献程度,在考虑资本要素投入K、劳动力要素投入L的基础上,根据上述假设将土地要素投入LA一起纳入C-D函数,以确定度量各影响因素对能源消费的影响及其贡献率。具体得,t时期的GDP的C-D函数如下：

G^{t} = A {(K^{t})}^{α} {(L^{t})}^{β} {(L A^{t})}^{γ}

（3）
式中：A、α、β、γ是未知的常参数。一般的,α、β和γ大于0且α+β+γ=1。考虑统计数据可获性,资本要素K以固定资产投资表示,劳动力要素L以城乡劳动力总数表示,土地要素LA以城市建设用地面积表示。最后将式（2）和式（3）进行联立,将得到式（4）如下：

E^{t} = \sum^{} A \times E S_{ij}^{t} \times E I_{i}^{t} \times S_{i}^{t} \times {(K^{t})}^{α} \times {(L^{t})}^{β} \times {(L A^{t})}^{γ}

（4）
同时在本研究中,结合Ang对LMDI法给出的定义^[44],期初t₀到t时期内能源消费变化

△ E_{t 0 t}^{t}

可以被分解为七种效应（因素）：

△ E_{t 0 t}^{t} = △ E_{es}^{t} + △ E_{ei}^{t} + △ E_{s}^{t} + △ E_{k}^{t} + △ E_{l}^{t} + △ E_{la}^{t} + △ E_{a}^{t}

（5）
式（5）中等号右边的每种因素可以表述为：

△ E_{es}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{E S_{ij}^{t}}{E S_{ij}^{0}}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5a）

△ E_{ei}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{E I_{i}^{t}}{E I_{i}^{0}}) if E_{ij}^{t} \times E_{i j}^{0} \neq 0 \end{array}

（5b）

△ E_{s}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{S_{i}^{t}}{S_{i}^{0}}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5c）

△ E_{k}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{{(K^{t})}^{α}}{{(K^{0})}^{α}}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5d）

△ E_{l}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{{(L^{t})}^{β}}{{(L^{0})}^{β}}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5e）

△ E_{la}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{{(L A^{t})}^{γ}}{{(L A^{0})}^{γ}}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5f）

△ E_{a}^{t} = \{\begin{array}{l} 0 if E_{ij}^{t} \times E_{ij}^{0} = 0 \\ \sum^{} \frac{E_{ij}^{t} - E_{ij}^{0}}{\ln (E_{ij}^{t}) - \ln (E_{ij}^{0})} \times \ln (\frac{A}{A}) if E_{ij}^{t} \times E_{ij}^{0} \neq 0 \end{array}

（5g）

(\frac{△ E_{es}^{t}}{△ E_{t 0 t}^{t}} + \frac{△ E_{ei}^{t}}{△ E_{t 0 t}^{t}} + \frac{△ E_{s}^{t}}{△ E_{t 0 t}^{t}} + \frac{△ E_{k}^{t}}{△ E_{t 0 t}^{t}} + \frac{△ E_{l}^{t}}{△ E_{t 0 t}^{t}} + \frac{△ E_{la}^{t}}{△ E_{t 0 t}^{t}}) \times 100 % = 100 %

（5h）
公式5a~公式5g中：

E_{ij}^{t} = A \times E S_{ij}^{t} \times E I_{i}^{t} \times S_{i}^{t} \times {(K^{t})}^{α} \times {(L^{t})}^{β} \times {(L A^{t})}^{γ}

。公式5g中：A在研究期内是一个常数,则ΔE_a^t=0,因此最终可分解出6种效应。将其分别定义为：ΔE_es^t表示能源结构效应;ΔE_ei^t表示能源强度效应;ΔE_s^t表示产业结构效应;ΔE_k^t表示投资效应;ΔE_l^t表示劳动力效应;ΔE_la^t表示土地效应。最后,根据式5h,可得到各分解效应影响能源消费增长的贡献率。

2.3 数据来源

数据来源包括《中国统计年鉴》《中国能源统计年鉴》《新中国六十年统计资料汇编》《中国城市统计年鉴》等。涉及的指标主要有城乡就业人口（万人）、国内生产总值（GDP,亿元）、三次产业产值（亿元）、固定资产投资（亿元）、城市建设用地面积（km²）、能源生产总量（万tce）和能源消费总量（万tce）等。能源类型分为煤炭、石油、天然气和一次电力及其他能源,单位为万tce。产业类型划分采用三次产业结构大类。限于数据的可获性,基础的数据长度为1952-2015年,但城乡就业人口只到2014年且不同类型能源消费量缺少1952年和2015年;为统一分析时段,本研究中的总脱钩效应计算时段为1953-2014年。同时由于城市建设用地面积统计自1981年开始,故能源效应分解的分析时段为1981-2014年。GDP和三次产业产值分别用相应的价格指数换算为可比价格。

3 结果分析

3.1 能源消费与经济增长相互演进态势

能源消费总量与GDP增长都呈现为指数型增长曲线,且两者的增长态势表现为高度的一致性（图1）。能源消费从1953年的5411万tce,增加到2014年的425806万tce,年均增速7.42%。经济增长从1953年的785亿元增加到2014年的643974亿元,按1953年可比价计算年均增速为8.09%。从总量变化趋势看,能源消费在1970年前呈现小幅波动增长,能源消费量低于2000万tce,1970年开始煤炭消费显著增加,1991年超过1亿tce,2004年超过2亿tce,2012年超过4亿tce。从能源消费和经济的增长率来看（图2）,两者波峰与波谷趋势高度一致,波峰表现最显著的是1956年、1958年、1965年、1970年、1984年;波谷表现明显的是1961年、1967年、1976年、1981年、1990年和1998年。从能源强度来看,整体表现为“M”型的变化形态,表现为“上升—下降—再上升—持续下降”的特征;1960年和1977年为能源强度变化的两个峰值,其值分别为21.73万t/亿元和18.26万t/亿元;自1979年后,能源强度逐渐变小,1990年后能源强度逐渐减小到10万t/亿元以下,在2002-2005年能源强度出现一次小的波峰,峰值为6.72万t/亿元,而后持续下降到2014年的4.71万t/亿元。

显示原图|下载原图ZIP|生成PPT
图11953-2014年中国能源消费总量与GDP（1953年不变价）
-->Fig. 1Evolution of China's energy production and consumption over 1953-2014
-->

显示原图|下载原图ZIP|生成PPT
图21953-2014年中国能源消费增长率、GDP增长率和能源强度
-->Fig. 2The tendency of China's energy consumption intensity over 1953-2014
-->

中国分类能源消费演进趋势显示,能源结构呈现出清洁化转型。煤炭能源始终是中国能源消费的主体,其次是石油、一次电力和其他能源以及天然气。从能源消费结构演变特征来看（图3）,煤炭的消费量总体上呈现不断降低的趋势,从占中国能源消费比例的90%以上降低到目前的66%左右。而石油则表现为先增加后在波动中逐渐减小以至趋于平缓的态势,目前稳定在17%左右。近年来,天然气、一次电力和其他能源在能源消费中所占比例逐渐升高,但总体占比较小,约占17%。

显示原图|下载原图ZIP|生成PPT
图31953-2014年中国能源消费结构演变
-->Fig. 3The tendency of China's energy consumption structure over 1953-2014
-->

3.2 能源消费与经济增长弹性脱钩状态

总体上能源消费与经济增长之间脱钩状态表现出明显的阶段性特征（表2）。1953-1970年脱钩指数表现为较大的波动起伏状态,其中1956-1960的D^t高达6.3,呈现出比较强烈的拓张性负脱钩状态。1961-1965年能源消费出现负增长,δE出现负值（-0.1）,而经济增长则与前期表现趋同,因此表现在脱钩指数上为强脱钩。这种短暂的脱钩状态并不意味着GDP与能源消费之间关系的转变,主要原因在于煤炭消费量短暂下降和一次电力和其他新能源消费量上升的结构调整问题,这种强脱钩态势是不稳定的。1966-1970年间脱钩指数D^t再次回升到较高的值1.7,表现为拓张性负脱钩,即能源消费和经济增长表现为双升的状态,且能源消费的增长趋势显著高于经济增长的趋势。1976-2000年和2006-2014年,能源消费与GDP之间表现为长时间的弱脱钩状态。1976-2000年随着中国社会秩序的逐渐恢复与经济增长的不断加速,能源增长虽然保持在一个较为稳定的态势,但相比于经济增长其增长的相对幅度较小,这一时段能源消费增长整体滞后于经济增长,因而呈现出较为稳定的弱脱钩状态。需要注意的是,2001-2005年间能源消费增长再次提速,δE变动高达0.7,而同时期的经济增长程度仅为0.5,能源消费与经济增长之间的关系表现为拓张性负脱钩状态,同样这种负脱钩源自于能源结构调整,煤炭消费在能源结构中的比例显著上升,提升了能源变动的系数,这种状态也是不稳定的。2006-2014年能源消费增长趋缓,而经济增长则相对快于能源消费增长,二者之间的关系呈现逐渐收敛的趋势。
Tab. 2
表2
表2不同时期能源消费总量与经济增长的脱钩状态
Tab. 2The decoupling of energy consumption and economic growth in different periods

时期	δE	δG	D^t	脱钩状态
1953-1955	0.3	0.1	2.5	拓张性负脱钩
1956-1960	2.4	0.4	6.3	拓张性负脱钩
1961-1965	-0.1	0.4	-0.2	强脱钩
1966-1970	0.4	0.3	1.7	拓张性负脱钩
1971-1975	0.3	0.2	1.3	拓张性负脱钩
1976-1980	0.3	0.4	0.7	弱脱钩
1981-1885	0.3	0.6	0.5	弱脱钩
1986-1990	0.2	0.3	0.6	弱脱钩
1991-1995	0.3	0.6	0.4	弱脱钩
1995-2000	0.1	0.4	0.2	弱脱钩
2001-2005	0.7	0.5	1.4	拓张性负脱钩
2006-2010	0.3	0.5	0.5	弱脱钩
2011-2014	0.1	0.2	0.4	弱脱钩

新窗口打开
从脱钩指数D^t的变动态势来看,在1953-1960年、1966-1975年和2001-2005年出现过三次峰值,但这三次峰值呈现渐次减小趋势。能源消费增长指数δE的变动趋势基本与脱钩指数D^t保持一致,但幅度比之较小。经济增长指数δG受改革开放和市场经济的推动,在1981-1985年和1991-1995年为两个高峰时段,其他时段则相对平稳。
不同类型能源消费与经济增长的脱钩状态呈现一定的差异性（表3）。1953-1975年,四大类能源的脱钩指数D^t变动幅度较大,其与经济增长之间基本都呈现为拓张性负脱钩或弱脱钩状态。其中1953-1970年间,煤是中国能源消费增长的主导类型,石油在能源消费中的占比不断增加;天然气消费在1953-1960年尚未大规模进入国内能源市场,1961-1965年天然气消费迅速增长,处于消费扩张期。1976-2000年四大类能源的脱钩指数D^t变动较为平缓,一次电力和其他能源成为能源消费增长的重要贡献者,其与经济增长之间的关系主要呈现出拓张连结的状态,而化石能源则与经济增长保持着弱脱钩的状态。2001-2005年煤和石油的消费增长量较为明显;而后在2006-2014年,在全球气候变暖背景下,气候谈判与自主减排的压力促使低碳发展成为共识,天然气和一次电力等清洁能源消费转型与经济结构转型,促使这一时期中国能源消费与经济增长之间的关系表现为拓张负脱钩和拓张连接状态,而煤和石油的消费对经济增长的贡献则持续降低,表现为弱脱钩状态。
Tab. 3
表3
表3不同时期各类能源消费量与经济增长的脱钩状态
Tab. 3The decoupling of different energy's consumption and economic growth in different periods

时期	脱钩状态
时期	煤	石油	天然气	一次电力和其他能源
1953-1955	拓张负脱钩	拓张负脱钩		拓张负脱钩
1956-1960	拓张负脱钩	拓张负脱钩		拓张负脱钩
1961-1965	强脱钩	拓张负脱钩	强脱钩	弱脱钩
1966-1970	拓张负脱钩	拓张负脱钩	拓张负脱钩	拓张负脱钩
1971-1975	弱脱钩	拓张负脱钩	拓张负脱钩	拓张负脱钩
1976-1980	弱脱钩	弱脱钩	拓张连结	弱脱钩
1981-1885	弱脱钩	弱脱钩	弱脱钩	弱脱钩
1986-1990	弱脱钩	弱脱钩	弱脱钩	拓张连结
1991-1995	弱脱钩	弱脱钩	弱脱钩	拓张连结
1996-2000	弱脱钩	弱脱钩	拓张连结	拓张连结
2001-2005	拓张负脱钩	拓张连结	拓张负脱钩	拓张连结
2006-2010	弱脱钩	弱脱钩	拓张负脱钩	拓张连结
2011-2014	弱脱钩	弱脱钩	拓张负脱钩	拓张负脱钩

新窗口打开

3.3 影响能源消费驱动因素及分解效应

在能源消费驱动因素的分解效应计算中,首先按照分行业分类型分别分析能源消费量;其次能源消费总量以5年间隔分时段自下而上折算汇总而来,折算标准依据GB/T 2589-2008,焦炭取折算系数取为0.97,石油取为1.43,天然气取为1.33。结果显示（表4）,影响1981-2014年中国能源消费的六大分解效应中,能源结构效应、产业结构效应、投资效应、劳动力效应和土地投入效应均表现为正效应,即对能源消费有促进作用;而能源强度则表现为负效应,有利于减少能源消费。
Tab. 4
表4
表41981-2014年影响中国能源消费分解效应的贡献率（%）
Tab. 4Contribution rate of energy consumption decomposition in China during 1981-2014 (%)

时段	ΔE_es^t	ΔE_ei^t	ΔE_e^t	ΔE_k^t	ΔE_l^t	ΔE_la^t
1981-1885	0.06	-30.36	-2.38	80.19	9.67	42.83
1986-1990	0.01	-7.79	2.31	53.16	10.81	41.51
1991-1995	-0.01	-36.38	9.53	58.15	5.21	63.49
1996-2000	0.02	-250.59	5.97	217.44	23.53	103.63
2001-2005	29.61	50.23	0.33	12.50	0.77	6.57
2006-2010	0.01	-33.36	2.33	92.70	4.40	33.94
2011-2014	0.01	-9.53	0.13	58.05	3.95	47.39
1981-2014	9.06	v7.44	2.12	56.04	4.57	35.65

新窗口打开
能源强度是能源消费量降低的最主要因素。1981年以来能源强度降低累计减少了7.44%的能源消费量。分阶段来看,除2001-2005年能源强度效应为正以外,其他时段能源强度效应在波动中呈现先上升后减小的趋势。其中,2001-2005年能源强度由5.88万t/亿元增至6.59万t/亿元,主要是由于能源消费量从2001年的15.56亿t增加至2005年的26.14亿t,增加了约70%。1996-2000年能源强度降低对能源消费造成的影响最为显著,高达-250.59%。近年来能源强度对能源消费量的影响逐渐减弱,2011-2014年能源强度效应的影响只有-9.53%,接近于1986-1990年的-7.79%。可以预见,随着中国经济进入新常态以及能源消费总量的持续提升,未来如何进一步降低能源强度将面临巨大的压力。
投资拉动是能源消费增长的主导因素。自1981年以来,投资效应持续呈现为正状态,投资效应导致能源消费累计增加了56%。投资效应整体呈现为波动中先升后降的趋势。其中1985年相对于1981年中国固定资产投资增加了145.19亿,同期投资拉动对能源消费增长的贡献为80.19%。1986-1990年,投资效应对于能源消费增长的贡献率略有下降,为53.16%。1995年中国固定资产投资额度已突破千亿,相应的投资效应贡献率再次小幅提升后达到58.15%。随后1996-2000年投资效应的贡献率达到顶峰,高达217.44%。2001-2005年和2006-2010年投资效应的贡献率分别为12.50%和92.70%,同期固定资产投资额度分别增加了47.10%和51.28%。2014年中国固定资产投资额度超5000亿,2011-2014年投资效应对于能源消费增长的贡献率再次超过50%,达到58.05%,成为能源消费增长最重要的驱动因素。
土地效应仅次于投资效应,是推动能源消费增长的重要因素。自1981年以来,土地效应对能源消费增长的贡献率为35.65%。其中,1981-2000年土地效应的贡献率总体保持不断升高的趋势,1996-2000年土地效应的贡献率为103.63%。2000年以后,土地效应的贡献率一度回落至6.57%,而后2006-2010土地效应再次回升至33.94%。截止2014年中国城市建设用地面积已接近5000 km²,2011-2014年土地效应的贡献率为47.39%。相比已有相关研究的效应分解结果,本文研究发现在LMDI中纳入土地效应之后,土地效应表现为明显的正向影响,且其影响的程度仅次于投资效应,在推动能源消费增长扮演重要的角色。过去30余年来中国经济的增长很大程度上得益于大规模的工业化与城市化,与此同时中国低效、高速的土地城市化模式,必然伴随着城市建设用地的大量投入,因此土地效应对于能源消费增长的推动作用不言而喻。
产业结构效应、劳动力效应和能源结构效应对能源消费增长的整体贡献在15%左右。1981-1985年产业结构效应的贡献率在为-2.38%之后转变为正效应;1991-1995年达到最大9.53%;而后其作用逐渐减弱,对于能源消费增长的贡献率不足5%。劳动力效应的作用尽管相对较小,最高为1996-2000年的23.53%,次之为1986-1990年的10.81%,其余时段劳动力效应对能源消费增长的贡献率则不足10%,但在各个时段的皆表现为正效应。能源结构效应整体上对能源消费的影响不足10%。除2001-2005年外,其余时段能源结构调整对能源消费的影响甚微,2001-2005年由于煤与天然气消费量的增加,导致其贡献率为29.61,同期能源消费与经济增长状态呈现为拓张性负脱钩。

4 结论与讨论

采用弹性脱钩指数和广义LMDI方法,研究了中国能源消费与经济增长的动态关系以及能源消费增长的驱动因素。20世纪50年代以来,中国能源消费总量与GDP增长都呈现为指数型增长曲线,且两者的增长态势表现为高度的一致性。中国分类能源消费演进趋势显示能源结构呈现出清洁化转型特征。尽管如此煤炭能源仍然是中国能源消费的主体,其次是石油、一次电力和其他能源以及天然气。能源消费与经济增长之间的弹性脱钩状态表现为明显的阶段性特征。1953-1975年,二者之间的关系整体表现为拓张性负脱钩状态,能源消费与经济增长之间具有明显的一致性。1976年以来,二者之间的关系整体表现为弱脱钩的相对乐观状态。不同类型能源消费与经济增长的脱钩状态呈现一定的差异性。1953-1975年,分类能源消费的脱钩状态和能源消费总量与经济增长之间的脱钩状态具有一致性。1976-2000年一次电力和其他能源成为能源消费增长的重要贡献者。近年来伴随着能源消费的清洁化转型,天然气、一次电力和其他能源消费与经济增长之间为拓张负脱钩或拓张连接状态。能源强度是能源消费量降低的最主要因素。投资拉动是能源消费增长的主导因素。土地效应仅次于投资效应,是推动能源消费增长不可忽视的重要因素,其贡献率为35.65%。产业结构效应、劳动力效应和能源结构效应对能源消费增长的整体贡献在15%左右。
需要注意的是,尽管将C-D生产函数与LMDI联立,可以拓展Kaya方程式,将研究期内的能源消费分解为包含土地要素投入的6种效应,对于探索能源消费与经济增长的影响因素研究提供了一种有力的定量分析框架。然而这种联立计算的方法,不可避免的在一定程度上存在夸大或缩小资本效应、劳动力效应和土地效应的可能性。同时囿于数据的可获性,指标的代表性也会受到限制,后续可采用遥感影像解译的土地利用状态与建设用地指标,进行更为精细的研究。本文重点关注的是国家空间尺度上的能源消费与经济增长的演进态势与关系,然而相关结论在更为具体的空间尺度上是否具有普适性?下一步研究中应考虑在省级和功能区的空间尺度上,对能源消费与经济增长的时空演进态势与驱动因素进行更为系统深入的研究。此外,采用脱钩指数与LMDI方法,只能对能源消费与经济增长之间的关系和驱动因素进行刻画,但投资、土地具体如何促进能源消费,能源强度又是怎样降低了能源消费,在作用路径与过程上尚不能进行进一步阐释。因此需要搭建理论模型或采用系统动力学模拟,以期在作用过程、传导路径与驱动机制上有更为深入的认识。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	李小云, 杨宇, 刘毅. 中国人地关系演进及其资源环境基础研究进展 . 地理学报, 2016, 71(12): 2067-2088. [本文引用: 1] [Li Xiaoyun, Yang Yu, Liu Yi.Research progress in man-land relationship evolution and its resource-environment in China . Acta Geographica Sinica, 2016, 71(12): 2067-2088.] [本文引用: 1]
[2]	中国经济改革研究基金会. 中国改革与发展报告2012·人类能源史综述 . 北京: 中国经济改革研究基金会, 2012. [本文引用: 1] [China's Economic Reform Research Foundation. China's Reform and Development Report 2012: A Review of Human Energy History . Beijing: China's Economic Reform Research Foundation, 2012.] [本文引用: 1]
[3]	段显明, 郭家东. 能源消费与经济增长的Kuznets曲线验证: 来自中国省际面板数据的证据 . 工业技术经济, 2011, 30(11): 134-138.https://doi.org/10.3969/j.issn.1004-910X.2011.11.022 URL [本文引用: 1]摘要利用1978～2008年中国各省(市、自治区)能源消费和人均生产总值(GDP)数据,采用非线性回归和拟合的方法进行回归分析,验证能源消费与经济水平之间是否存在倒U型曲线关系.结果表明中国大部分地区能源消费与经济水平之间存在典型的库兹涅茨曲线关系,其他不满足库兹涅茨曲线的地区也呈现倒U型曲线的趋势,但目前中国各地区还处在倒U型曲线的左侧,要到达曲线的拐点,尚需要较长的一段时间. [Duan Xianming, Guo Jiadong.Kuznets curve verification of energy consumption and economic growth: Evidence from China's provincial panel data . Industrial Technology Economy, 2011, 30(11): 134-138.]https://doi.org/10.3969/j.issn.1004-910X.2011.11.022 URL [本文引用: 1]摘要利用1978～2008年中国各省(市、自治区)能源消费和人均生产总值(GDP)数据,采用非线性回归和拟合的方法进行回归分析,验证能源消费与经济水平之间是否存在倒U型曲线关系.结果表明中国大部分地区能源消费与经济水平之间存在典型的库兹涅茨曲线关系,其他不满足库兹涅茨曲线的地区也呈现倒U型曲线的趋势,但目前中国各地区还处在倒U型曲线的左侧,要到达曲线的拐点,尚需要较长的一段时间.
[4]	周敏, 王虹. 中国经济增长与能源消费的库兹涅茨曲线分析 . 特区经济, 2012, (12): 243-244. [本文引用: 1] [Zhou Min, Wang Hong.Kuznets curve of energy consumption and economic growth in China . Special Zone Economy, 2012, (12): 243-244.] [本文引用: 1]
[5]	OECD. Indicators to Measure Decoupling of Environmental Pressure from Economic Growth . Paris: OECD, 2002. [本文引用: 2]
[6]	Kraft J, Kraft A.On the relationship between energy and GNP . The Journal of Energy and Development, 1978, 3(2): 401-403.URL [本文引用: 1]
[7]	Eden S H, Hwang B K.The relationship between energy and GNP: Further results . Energy Economics, 1984, 6(3): 186-190.https://doi.org/10.1016/0140-9883(84)90015-X URL [本文引用: 1]
[8]	Glasure Y U, Lee A R.Cointegration, error-correction, and the relationship between GDP and energy: The case of South Korea and Singapore . Resource and Energy Economics, 1998, 20(1): 17-25.https://doi.org/10.1016/S0928-7655(96)00016-4 URL [本文引用: 1]
[9]	Paul S, Bhattacharya R N.Causality between energy consumption and economic growth in India: A note on conflicting results . Energy Economics, 2004, 26(6): 977-983.https://doi.org/10.1016/j.eneco.2004.07.002 URL [本文引用: 1]摘要 This note examines the different direction of causal relation between energy consumption and economic growth in India. Applying Engle–Granger cointegration approach combined with the standard Granger causality test on Indian data for the period 1950–1996, we find that bi-directional causality exists between energy consumption and economic growth. Further, we apply Johansen multivariate cointegration technique on the different set of variables. The same direction of causality exists between energy consumption and economic growth. This is different from the results obtained in earlier studies.
[10]	Lee C C.Energy consumption and GDP in developing countries: A cointegrated panel analysis . Energy Economics, 2005, 27(3): 415-427.https://doi.org/10.1016/j.eneco.2005.03.003 URL [本文引用: 1]摘要 In this paper we re-investigate the co-movement and the causality relationship between energy consumption and GDP in 18 developing countries, using data for the period 1975 to 2001. Recently developed tests for the panel unit root, heterogeneous panel cointegration, and panel-based error correction models are employed. The empirical results provide clear support of a long-run cointegration relationship after allowing for the heterogeneous country effect. The long-run relationship is estimated using a full-modified OLS. The evidence shows that long-run and short-run causalities run from energy consumption to GDP, but not vice versa. This result indicates that energy conservation may harm economic growth in developing countries regardless of being transitory or permanent.
[11]	Apergis N, Payne J E.The emissions, energy consumption, and growth nexus: Evidence from the commonwealth of independent states . Energy Policy, 2010, 38(1): 650-655.https://doi.org/10.1016/j.enpol.2009.08.029 URL [本文引用: 1]
[12]	洪丽璇, 梁进社, 蔡建明, 等. 中国地级以上城市工业能源消费的增长: 基于2001-2006年的数据分解 . 地理研究, 2011, 30(1): 83-93. [本文引用: 1] [Hong Lixuan, Liang Jinshe, Cai Jianming, et al.Growths of industrial energy consumption in China's prefecture-level cities: Based on the data in 2001-2006 . Geographical Research, 2011, 30(1): 83-93.] [本文引用: 1]
[13]	朱启贵. “绿色+”: 中国可持续发展的全新战略思维 . 人民论坛·学术前沿, 2016, (3): 16-27. [本文引用: 1] [Zhu Qigui."Green+": A new strategic thinking on the sustainable development of China . People's Forum: Academic Frontier, 2016, (3): 16-27.] [本文引用: 1]
[14]	刘卫东, 张雷, 王礼茂, 等.我国低碳经济发展框架初步研究 . 地理研究, 2010, 29(5): 778-788. [本文引用: 1] [Liu Weidong, Zhang Lei, Wang Limao, et al.A sketch map of low-carbon economic development in China . Geographical Research, 2010, 29(5): 778-788.] [本文引用: 1]
[15]	张颖. 能源消耗、二氧化碳排放与中国工业可持续发展的脱钩分布研究 . 开发研究, 2013, (1): 104-108. [本文引用: 1] [Zhang Ying.Research on the decoupling distribution of energy consumption, carbon dioxide emission and the sustainable development of Chinese industry . Research on Development, 2013, (1): 104-108.] [本文引用: 1]
[16]	Zhou X, Zhang M, Zhou M, et al.A comparative study on decoupling relationship and influence factors between China's regional economic development and industrial energy-related carbon emissions . Journal of Cleaner Production, 2017, 142: 783-800.https://doi.org/10.1016/j.jclepro.2016.09.115 URL [本文引用: 1]
[17]	关雪凌, 周敏. 城镇化进程中经济增长与能源消费的脱钩分析 . 经济问题探索, 2015, (4): 88-93.URL [本文引用: 1]摘要城镇化的过程带动经济增长,同时对能源消费产生刺激和抑制双向的作用,城镇化进程中经济增长和能源消费间通常符合环境库兹涅茨曲线的变化规律。通过建立脱钩模型,对中国1980年至 2012年间城镇经济及产业与能源消费间的脱钩状态进行计算,发现总体上呈现"弱脱钩"状态。在从城镇经济整体、产业构成和能源强度几个方面分析了出现" 弱脱钩"状态的原因后,提出了调整城镇产业结构、提高城镇用能效率和建立城镇居民健康消费模式三个建议,以促进中国城镇化进程中经济增长与能源消费实现" 强脱钩"。 [Guan Xueling, Zhou Min.Decoupling analysis of economic growth and energy consumption in urbanization process . Exploration of Economic Problems, 2015, (4): 88-93.]URL [本文引用: 1]摘要城镇化的过程带动经济增长,同时对能源消费产生刺激和抑制双向的作用,城镇化进程中经济增长和能源消费间通常符合环境库兹涅茨曲线的变化规律。通过建立脱钩模型,对中国1980年至 2012年间城镇经济及产业与能源消费间的脱钩状态进行计算,发现总体上呈现"弱脱钩"状态。在从城镇经济整体、产业构成和能源强度几个方面分析了出现" 弱脱钩"状态的原因后,提出了调整城镇产业结构、提高城镇用能效率和建立城镇居民健康消费模式三个建议,以促进中国城镇化进程中经济增长与能源消费实现" 强脱钩"。
[18]	Yang J, Zhang W, Zhang Z.Impacts of urbanization on renewable energy consumption in China . Journal of Cleaner Production, 2016, 114: 443-451.https://doi.org/10.1016/j.jclepro.2015.07.158 URL [本文引用: 1]摘要 In this paper, we used the logarithmic mean Divisia index method to investigate the impact of urbanization on renewable energy consumption growth (RECG). The growth in renewable energy consumption is attributed to the urbanization effect, energy mix effect, energy intensity effect, economic effect, and population effect; RECG can be roughly divided into the slow growth stage, the fluctuant growth stage, and the accelerated growth stage. The results showed that the energy mix effect, economic effect, and population effect positively affected RECG. However, a significantly negative relationship was found between energy intensity and RECG. Furthermore, the contribution of urbanization differed in RECG stages, and urbanization contributed more to the total energy consumption growth than to RECG. This study would thus provide policymakers with insights about the link between urbanization and renewable energy consumption.
[19]	Fan J L, Zhang Y J, Wang B.The impact of urbanization on residential energy consumption in China: An aggregated and disaggregated analysis . Renewable and Sustainable Energy Reviews, 2017, 75: 220-233.https://doi.org/10.1016/j.rser.2016.10.066 URL [本文引用: 1]
[20]	胡渊, 刘桂春, 胡伟. 中国能源碳排放与GDP的关系及其动态演变机制: 基于脱钩与自组织理论的实证研究 . 资源开发与市场, 2015, 31(11): 1358-1362. [本文引用: 1] [Hu Yuan, Liu Guichun, Hu Wei.Relationship and evolution mechanism of energy carbon emission and GDP in China: Practical research based on decoupling and self-organization theory . Resources Development & Market, 2015, 31(11): 1358-1362.] [本文引用: 1]
[21]	Pirlogea C, Cicea C.Econometric perspective of the energy consumption and economic growth relation in European Union . Renewable and Sustainable Energy Reviews, 2012, 16(8): 5718-5726.https://doi.org/10.1016/j.rser.2012.06.010 URL [本文引用: 1]摘要 This paper's aim is to examine the relationship between energy consumption by fuel end economic growth in a comparative analysis for Spain, Romania and European Union. Applying a methodology in three steps on data for the 1990鈥2010 period, long-run and short-run relationships are revealed. On long-run, the energy consumption with total petroleum products source yields evidence of linkage with economic growth (proxied by Gross Domestic Product per capita in constant prices) for both two states and European Union. Furthermore, on short run only two relationships were emphasized both sustaining the growth hypothesis. So, in Romania, renewable energy consumption influences on short run the economic performance of activities; the relation is unidirectional and is not valid in the other direction, meaning that economic growth does not cause renewable energy consumption. In Spain, energy consumption with source natural gas causes economic growth on short-run, and the relation is valid just in this direction. The findings of this study help understanding the energy-growth nexus which stands behind all energy policies.
[22]	Li A, Zhang A, Zhou Y, et al.Decomposition analysis of factors affecting carbon dioxide emissions across provinces in China . Journal of Cleaner Production, 2017, 141: 1428-1444.https://doi.org/10.1016/j.jclepro.2016.09.206 URL [本文引用: 1]摘要 61This study provides detailed information regarding factors affecting carbon emissions.61We find that economic activity effects are the dominant contributor.61There are mixed results for several factors at provincial levels.61There is large potential of carbon intensity improvements in 9 provinces by “catching up”.
[23]	杨嵘, 常烜钰. 西部地区碳排放与经济增长关系的脱钩及驱动因素 . 经济地理, 2012, 32(12): 34-39.URL [本文引用: 1]摘要选取在国家区域发展战略中具有优先地位的西部地区作为研究对象，首先应用脱钩理论对西部地区1995—2010年碳排放与经济增长特征进行分析，进而构建碳排放模型深入研究其驱动因素。结果显示：所研究年份问除1998--1999年为强脱钩，2003--2006年为扩张性负脱钩之外，其余时期均呈现为弱脱钩状态；经济规模的高速增长是导致碳排放增加的主要因素，经济结构的调整变化对碳排放的减少有很大潜力，能源利用效率的提高是抑制碳排放减少的关键因素，能源结构的优化是控制碳排放增加的潜在因素；弱脱钩状态下，产业结构、能源强度和能源结构影响碳排放的幅度较小，在强脱钩状态下则更小，而在扩张『生负脱钩时三者所占比例同步提高。 [Yang Rong, Chang Xuanyu.Decoupling and driving factors analysis between the relationship of carbon emission and economic growth in Western Region . Economic Geography, 2012, 32(12): 34-39.]URL [本文引用: 1]摘要选取在国家区域发展战略中具有优先地位的西部地区作为研究对象，首先应用脱钩理论对西部地区1995—2010年碳排放与经济增长特征进行分析，进而构建碳排放模型深入研究其驱动因素。结果显示：所研究年份问除1998--1999年为强脱钩，2003--2006年为扩张性负脱钩之外，其余时期均呈现为弱脱钩状态；经济规模的高速增长是导致碳排放增加的主要因素，经济结构的调整变化对碳排放的减少有很大潜力，能源利用效率的提高是抑制碳排放减少的关键因素，能源结构的优化是控制碳排放增加的潜在因素；弱脱钩状态下，产业结构、能源强度和能源结构影响碳排放的幅度较小，在强脱钩状态下则更小，而在扩张『生负脱钩时三者所占比例同步提高。
[24]	刘惠敏. 中国经济增长与能源消耗的脱钩: 东部地区的时空分异研究 . 中国人口·资源与环境, 2016, 26(12): 157-163. [本文引用: 1] [Liu Huimin.Can economic growth decouple with consumption: A temporal and spatial study of Eastern China . China Population, Resources and Environment, 2016, 26(12): 157-163.] [本文引用: 1]
[25]	Dong B, Zhang M, Mu H, et al.Study on decoupling analysis between energy consumption and economic growth in Liaoning province . Energy Policy, 2016, 97: 414-420.https://doi.org/10.1016/j.enpol.2016.07.054 URL [本文引用: 1]
[26]	Zhang M, Bai C, Zhou M.Decomposition analysis for assessing the progress in decoupling relationship between coal consumption and economic growth in China . Resources, Conservation and Recycling, 2018, 129: 454-462.https://doi.org/10.1016/j.resconrec.2016.06.021 URL [本文引用: 1]
[27]	Liu N, Ma Z, Kang J.A regional analysis of carbon intensities of electricity generation in China . Energy Economics, 2017, 67: 268-277.https://doi.org/10.1016/j.eneco.2017.08.018 URL [本文引用: 1]摘要 Index decomposition analysis (IDA) has been widely applied to study CO2 emissions from electricity generation. However, most have focused on emissions at the country level, less attention has been given to emissions at the regional level. To fill the gap, this study firstly utilized a Logarithmic Mean Divisia Index (LMDI) method to analyze the driving forces of aggregate carbon intensity (ACI) of electricity generation in China from 2000 to 2014. A regional attribution analysis was introduced to look into the contributions from 30 provinces to the driving forces. Then, a multi-regional spatial-IDA was further adopted to assess the emission performance of electricity generation in 30 provinces. The results of temporal-IDA and regional attribution analysis show that the ACI in China dropped notably by 14.5% from 2000 to 2014. Thermal efficiency improvement was a major driver for the decrease, due largely to the significant improvement in thermal generation efficiency in the eastern coastal regions. Clean power penetration reduced ACI remarkably as well, of which the western regions were the main contributors. The spatial-IDA results indicate that the emission performance of electricity generation in different regions varied significantly. While the western regions performed better in clean power penetration, the eastern regions performed better in thermal generation efficiency. Based on the findings, several regional policy strategies were recommended to further lower down ACI of electricity in China.
[28]	Wang M, Feng C.Decomposition of energy-related CO₂ emissions in China: An empirical analysis based on provincial panel data of three sectors . Applied Energy, 2017, 190: 772-787.https://doi.org/10.1016/j.apenergy.2017.01.007 URL [本文引用: 1]
[29]	Shahbaz M, Khan S, Tahir M I.The dynamic links between energy consumption, economic growth, financial development and trade in China: Fresh evidence from multivariate framework analysis . Energy Economics, 2013, 40: 8-21.https://doi.org/10.1016/j.eneco.2013.06.006 URL [本文引用: 1]
[30]	刘怡君, 王丽, 牛文元. 中国城市经济发展与能源消耗的脱钩分析 . 中国人口.资源与环境, 2011, 21(1): 70-77. [本文引用: 1] [Liu Yijun, Wang Li, Niu Wenyuan.Decoupling research between economic development and energy consumption of China's cities . China Population, Resources and Environment, 2011, 21(1): 70-77.] [本文引用: 1]
[31]	郭守前, 马珍珍. 中国经济增长与能源消耗脱钩关系研究 . 统计与决策, 2012, (13): 133-135. [本文引用: 1] [Guo Shouqian, Ma Zhenzhen.Research on the decoupling of China's economic growth and energy consumption . Statistics and Decision Making, 2012, (13): 133-135.] [本文引用: 1]
[32]	冯宗宪, 陈志伟. 区域能源碳排放与经济增长的脱钩趋势分析 . 华东经济管理, 2015, 29(1): 50-54. [本文引用: 1] [Feng Zongxian, Chen Zhiwei.Decoupling trend analysis on regional energy carbon emissions and economic growth in China . East China Economic Management, 2015, 29(1): 50-54.] [本文引用: 1]
[33]	张小平, 郭灵巧. 甘肃省经济增长与能源碳排放间的脱钩分析 . 地域研究与开发, 2013, 32(5): 95-98, 104.Magsci [本文引用: 1]摘要运用1990—2010年的统计数据，在测算甘肃省能源碳排放总量的基础上构建经济增长与能源碳排放脱钩分析模型,探讨甘肃省经济增长与能源碳排放的脱钩关系。结果表明：1990—2010年间，甘肃省能源碳排放的GDP弹性值介于0~1之间，说明其经济增长与能源碳排放总体上处于相对脱钩状态，脱钩程度受宏观经济政策调控，变化波动较大，且与实现绝对脱钩尚有一定差距；甘肃省经济增长与能源碳排放间的脱钩主要是由经济与能源消费脱钩所致；甘肃省总体减排技术水平较低，加之长期以来以煤为主的能源结构，使其对经济增长与能源碳排放的脱钩贡献有限。因此，在制定相关政策时，应将重心放在节能减排、优化能源结构、促进产业的低碳转型等方面。 [Zhang Xiaoping, Guo Lingqiao.Analysis of decoupling between economic growth and energy carbon emissions in Gansu province, China . Area Research and Development, 2013, 32(5): 95-98, 104.]Magsci [本文引用: 1]摘要运用1990—2010年的统计数据，在测算甘肃省能源碳排放总量的基础上构建经济增长与能源碳排放脱钩分析模型,探讨甘肃省经济增长与能源碳排放的脱钩关系。结果表明：1990—2010年间，甘肃省能源碳排放的GDP弹性值介于0~1之间，说明其经济增长与能源碳排放总体上处于相对脱钩状态，脱钩程度受宏观经济政策调控，变化波动较大，且与实现绝对脱钩尚有一定差距；甘肃省经济增长与能源碳排放间的脱钩主要是由经济与能源消费脱钩所致；甘肃省总体减排技术水平较低，加之长期以来以煤为主的能源结构，使其对经济增长与能源碳排放的脱钩贡献有限。因此，在制定相关政策时，应将重心放在节能减排、优化能源结构、促进产业的低碳转型等方面。
[34]	王崇梅. 中国经济增长与能源消耗脱钩分析 . 中国人口·资源与环境, 2010, 20(3): 35-37. [本文引用: 1] [Wang Chongmei.China's economic growth and energy consumption decoupled analysis . China Population, Resources and Environment, 2010, 20(3): 35-37.] [本文引用: 1]
[35]	彭佳雯, 黄贤金, 钟太洋, 等. 中国经济增长与能源碳排放的脱钩研究 . 资源科学, 2011, 33(4): 626-633.URL Magsci [本文引用: 1]摘要经济增长与能源碳排放之间的关系一直是学术界关注的焦点。文章通过构建经济与能源碳排放脱钩分析模型，探讨我国经济增长与能源碳排放的脱钩关系及程度，分析二者脱钩发展的时间和空间演变趋势。分析表明：①全国层面上，1980年-2008年期间除2000年-2005年为扩张性负脱钩外，其余时期经济与能源碳排放均呈现弱脱钩状态，脱钩程度随宏观经济形势和政策调控变化波动较大，与实现强脱钩还有一定差距，未来一定时期内弱脱钩发展趋势仍将持续；②地区层面上，2000年-2008年期间各省域主要表现为弱脱钩和扩张性负脱钩两种状态，其中2000年-2005年全国有13个省份落在弱脱钩区域，2005年-2008年除青海省外的29个省份均落在弱脱钩区域；大部分地区后期较前期脱钩更为显著，并呈现出地区脱钩程度差距逐渐缩小的趋势；③2000年-2005年经济与碳排放脱钩空间格局较为分散，脱钩显著区域大致分布在东部地区，脱钩程度区域差异较大；2005年-2008年脱钩显著区域呈现空间集聚态势，主要集中在华北、华东和华中地区，区域差异明显缩小；④中间变量分析表明无论是全国层面还是地区层面上，经济增长与能源碳排放脱钩主要由经济与能源消费脱钩造成；我国总体碳减排技术水平较低，区域差异不明显，技术发展相对滞后，对经济与碳排放脱钩贡献有限。据此，未来脱钩发展措施重点方向为在进一步推广节能技术、推动产业升级的基础上，着力加强发展碳减排技术，同时逐步改善能源结构。 [Peng Jiawen, Huang Xianjin, Zhong Taiyang, et al.Decoupling analysis of economic growth and energy carbon emissions in China . Resources Sciences, 2011, 33(4): 626-633.]URL Magsci [本文引用: 1]摘要经济增长与能源碳排放之间的关系一直是学术界关注的焦点。文章通过构建经济与能源碳排放脱钩分析模型，探讨我国经济增长与能源碳排放的脱钩关系及程度，分析二者脱钩发展的时间和空间演变趋势。分析表明：①全国层面上，1980年-2008年期间除2000年-2005年为扩张性负脱钩外，其余时期经济与能源碳排放均呈现弱脱钩状态，脱钩程度随宏观经济形势和政策调控变化波动较大，与实现强脱钩还有一定差距，未来一定时期内弱脱钩发展趋势仍将持续；②地区层面上，2000年-2008年期间各省域主要表现为弱脱钩和扩张性负脱钩两种状态，其中2000年-2005年全国有13个省份落在弱脱钩区域，2005年-2008年除青海省外的29个省份均落在弱脱钩区域；大部分地区后期较前期脱钩更为显著，并呈现出地区脱钩程度差距逐渐缩小的趋势；③2000年-2005年经济与碳排放脱钩空间格局较为分散，脱钩显著区域大致分布在东部地区，脱钩程度区域差异较大；2005年-2008年脱钩显著区域呈现空间集聚态势，主要集中在华北、华东和华中地区，区域差异明显缩小；④中间变量分析表明无论是全国层面还是地区层面上，经济增长与能源碳排放脱钩主要由经济与能源消费脱钩造成；我国总体碳减排技术水平较低，区域差异不明显，技术发展相对滞后，对经济与碳排放脱钩贡献有限。据此，未来脱钩发展措施重点方向为在进一步推广节能技术、推动产业升级的基础上，着力加强发展碳减排技术，同时逐步改善能源结构。
[36]	Chen L, Yang Z.A spatio-temporal decomposition analysis of energy-related CO₂ emission growth in China . Journal of Cleaner Production, 2015, 103: 49-60.https://doi.org/10.1016/j.jclepro.2014.09.025 URL [本文引用: 1]摘要 This paper presented a coupled decomposition analysis of CO2 emissions due to energy consumption in China. The logarithmic mean divisia index (LMDI) approach was adopted to decompose the driving factors of CO2 emissions in eight sub-periods over 1995 to 2011. Decomposition and heterogeneity analyses of CO2 emission over multiple spatial series were also conducted for the 29 provinces in China. Twelve driving factors in view of four categories of effects were decomposed. The results indicated that (a) driving directions of the factors were highly consistent. All the factors exhibited consistently positive and negative effects both spatially and temporally. Among these factors, the average labor productivity (ALP) was the dominant positive driving factor and energy intensity of production sector (EIP) was the dominant negative driving factor, (b) over multiple temporal scales, China experienced the largest energy-related CO2 emission growth in the sub-periods during 2001 2003 and 2003 to 2005. Additionally, the change in the CO2 emissions from 1997 to 1999 was negative, unlike the other 7 sub-periods, and (c) over multiple spatial scales, contribution values of the factors in different provinces varied significantly, where in general the positive driving effects outweighed the negative inhibiting effects. In total, CO2 emissions in eastern provinces increased to the largest degrees, followed by central and western ones. It is suggested that China should coordinate and balance the relationships between economic development and CO2 emission reduction, further decrease energy intensity of many production sectors, gradually adjust the economic and energy structures, and formulate CO2 emission reduction policies to accommodate regional disparities.
[37]	牛彤, 袁长举, 牛冲槐, 等. 基于弹性脱钩的中国经济增长与能源消费脱钩关系研究 . 科技管理研究, 2015, 35(18): 236-240.https://doi.org/10.3969/j.issn.1000-7695.2015.18.045 URL [本文引用: 1]摘要采用弹性脱钩方法,并借鉴Tapio脱钩评价标准,构建经济增长与能源消费的脱钩分析模型,进而从能源消费总量、不同种类能源消费以及三次产业能源消费三个角度分析我国经济增长与能源消费的脱钩关系.研究发现,1991-2012年,我国经济增长与能源消费总体呈现弱脱钩状态,要进一步实现强脱钩,提高能源效率是关键;能源消费结构和产业能耗对我国经济增长与能源消费的脱钩关系产生显著影响. [Niu Tong, Yuan Changju, Niu Chonghuai, et al.A stuty of decoupling relationship between economic growth and energy consumption in China based on elastic decoupling . Technology Management Research, 2015, 35(18): 236-240.]https://doi.org/10.3969/j.issn.1000-7695.2015.18.045 URL [本文引用: 1]摘要采用弹性脱钩方法,并借鉴Tapio脱钩评价标准,构建经济增长与能源消费的脱钩分析模型,进而从能源消费总量、不同种类能源消费以及三次产业能源消费三个角度分析我国经济增长与能源消费的脱钩关系.研究发现,1991-2012年,我国经济增长与能源消费总体呈现弱脱钩状态,要进一步实现强脱钩,提高能源效率是关键;能源消费结构和产业能耗对我国经济增长与能源消费的脱钩关系产生显著影响.
[38]	赵一平, 孙启宏, 段宁. 中国经济发展与能源消费响应关系研究: 基于相对“脱钩”与“复钩”理论的实证研究 . 科研管理, 2006, (3): 128-134.https://doi.org/10.3969/j.issn.1000-2995.2006.03.020 URL [本文引用: 1]摘要本文根据“脱钩”与“复钩”的基本思想，提出我国经济发展与能源消费相对“脱钩”与“复钩”的概念模型，并时我国经济发展与能源消费的响应关系进行实证研究，对我国能源弱“脱钩”现象背后存在的深层次问题及主要矛盾进行识别与分析。在此基础上时未来加年我国能源消费领域面临的问题、潜在的危机及发展战略进行预测分析。 [Zhao Yiping, Sun Qihong, Duan Ning.Responsive relationship between economic development and energy consumption in China: A practical research based on comparative de-link and re-link theory . Science Research Management, 2006, (3): 128-134.]https://doi.org/10.3969/j.issn.1000-2995.2006.03.020 URL [本文引用: 1]摘要本文根据“脱钩”与“复钩”的基本思想，提出我国经济发展与能源消费相对“脱钩”与“复钩”的概念模型，并时我国经济发展与能源消费的响应关系进行实证研究，对我国能源弱“脱钩”现象背后存在的深层次问题及主要矛盾进行识别与分析。在此基础上时未来加年我国能源消费领域面临的问题、潜在的危机及发展战略进行预测分析。
[39]	Wang W, Li M, Zhang M.Study on the changes of the decoupling indicator between energy-related CO₂ emission and GDP in China . Energy, 2017, 128: 11-18.https://doi.org/10.1016/j.energy.2017.04.004 URL [本文引用: 1]
[40]	胡志强, 苗健铭, 苗长虹. 中国地市尺度工业污染的集聚特征与影响因素 . 地理研究, 2016, 35(8): 1470-1482.https://doi.org/10.11821/dlyj201608006 URL [本文引用: 1]摘要随着工业化的快速发展,中国工业污染形势极为严峻,而且不同工业污染物的分布有着明显的空间差异性。根据2013年中国286个地市工业废水、工业SO2和工业烟(粉)尘等工业污染数据,以污染总量和污染强度为测度指标,采用探索性空间数据方法,引入空间计量经济模型,对全国工业污染的地理集聚特征及影响因素进行计量分析。结果显示:1工业污染空间集聚显著,空间分布差异大。工业废水、工业SO2、工业烟(粉)尘总量和强度存在显著的空间相关性和空间集聚性;废水总量东高西低,强度西高东低;SO2总量北高南低且高污染区域较多,强度西高东低;烟(粉)尘总量与强度空间格局相似,集中于晋陕甘一带。2工业污染空间溢出效应显著。三大污染物总量和强度均表现出显著的空间滞后和空间误差溢出效应,区域污染物排放会受到周边地区污染物排放的显著影响。3三类污染物由于不同的特性、空间格局和产业指向性,使得影响空间分布的关键因素存在有显著差异。经济发展水平、人口密度、第三产业比重、利用外资规模、能源强度的提升,会增加污染物总量,但经济发展水平、人口密度、科技支出水平的提升,则有利于降低污染强度。4要进一步降低工业污染,提高环境质量,既要充分重视工业污染的空间交互作用,加强地区间联防联控,同时也要提高区域经济发展水平,促进产业结构升级和生产工艺高级化,加大科技投入,控制能源强度,因地制宜、因势利导的制定差异化工业污染防治措施。 [Hu Zhiqiang, Miao Jianming, Miao Changhong.Agglomeration characteristics of industrial pollution and their influencing factors on the scale of cities in China . Geographical Research, 2016, 35(8): 1470-1482.]https://doi.org/10.11821/dlyj201608006 URL [本文引用: 1]摘要随着工业化的快速发展,中国工业污染形势极为严峻,而且不同工业污染物的分布有着明显的空间差异性。根据2013年中国286个地市工业废水、工业SO2和工业烟(粉)尘等工业污染数据,以污染总量和污染强度为测度指标,采用探索性空间数据方法,引入空间计量经济模型,对全国工业污染的地理集聚特征及影响因素进行计量分析。结果显示:1工业污染空间集聚显著,空间分布差异大。工业废水、工业SO2、工业烟(粉)尘总量和强度存在显著的空间相关性和空间集聚性;废水总量东高西低,强度西高东低;SO2总量北高南低且高污染区域较多,强度西高东低;烟(粉)尘总量与强度空间格局相似,集中于晋陕甘一带。2工业污染空间溢出效应显著。三大污染物总量和强度均表现出显著的空间滞后和空间误差溢出效应,区域污染物排放会受到周边地区污染物排放的显著影响。3三类污染物由于不同的特性、空间格局和产业指向性,使得影响空间分布的关键因素存在有显著差异。经济发展水平、人口密度、第三产业比重、利用外资规模、能源强度的提升,会增加污染物总量,但经济发展水平、人口密度、科技支出水平的提升,则有利于降低污染强度。4要进一步降低工业污染,提高环境质量,既要充分重视工业污染的空间交互作用,加强地区间联防联控,同时也要提高区域经济发展水平,促进产业结构升级和生产工艺高级化,加大科技投入,控制能源强度,因地制宜、因势利导的制定差异化工业污染防治措施。
[41]	王洋, 王少剑, 秦静. 中国城市土地城市化水平与进程的空间评价 . 地理研究, 2014, 33(12): 2228-2238. [本文引用: 1] [Wang Yang, Wang Shaojian, Qin Jing.Spatial evaluation of land urbanization level and process in Chinese cities . Geographical Research, 2014, 33(12): 2228-2238.] [本文引用: 1]
[42]	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 . Transport Policy, 2005, 12(2): 137-151.https://doi.org/10.1016/j.tranpol.2005.01.001 URL [本文引用: 1]
[43]	Wang W, Liu X, Zhang M, et al.Using a new generalized LMDI (logarithmic mean Divisia index) method to analyze China's energy consumption . Energy, 2014, 67: 617-622.https://doi.org/10.1016/j.energy.2013.12.064 URL [本文引用: 1]
[44]	Ang BW.Decomposition analysis for policymaking in energy: Which is the preferred method? . Energy Policy, 2004, 32: 1131-1139.https://doi.org/10.1016/S0301-4215(03)00076-4 URL [本文引用: 1]

中国能源消费与经济增长的相互演进态势及驱动因素

本站小编 Free考研考试/2021-12-29

The mutual evolution and driving factors of China's energy consumption and economic growth

1 引言