中国能耗模式演变及其对经济发展的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

赵娜娜^,¹, 王志宝^,¹, 李鸿梅²

1.山东师范大学地理与环境学院,济南 250358

2.菏泽医学专科学校,菏泽 274000

Change of energy consumption pattern and its impact on economic development in China

ZHAO Nana^,¹, WANG Zhibao^,¹, LI Hongmei²

1. College of Geography and Environment, Shandong Normal University, Jinan 250358, China

2. Heze Medical College, Heze 274000, China

通讯作者: 王志宝,男,山东荣成人,副教授,研究方向为能源经济学、经济地理、人口老龄化。E-mail: xiaobao1840@163.com

收稿日期:2019-12-30修回日期:2020-07-10网络出版日期:2021-01-25

基金资助:

国家社会科学基金青年项目.16CJY022

Received:2019-12-30Revised:2020-07-10Online:2021-01-25
作者简介 About authors
赵娜娜,女,山东章丘人,硕士研究生,研究方向为经济地理、城市与区域规划。E-mail: 2235907085@qq.com

摘要
基于投入-产出理论,本文主要利用差异化的能源库兹涅茨曲线（EKC）来分析中国能耗模式演变及其对经济发展的影响,从而确定二者在不同阶段、类型的量化关系。结果发现：①中国能耗模式整体上经历了高能耗低增长—高能耗高增长—低能耗高增长的演变过程,但省（区、市）间时空差异明显,形成差异化的能源库兹涅茨曲线,大致分成6种演变类型;②各省（区、市）EKC起点不同,且演变过程中拐点的经济发展水平越高,能源强度越低,部分省（区、市）EKC存在明显的理论偏差,呈现出变异的EKC演变轨迹;③1953年以来,能源消耗仍然是推动中国经济发展的主导因素,但技术进步作用不断加强。目前,在能源消耗和技术进步的影响下,中国形成了低能耗高增长消费模式,但技术进步贡献率还不明显。未来,技术进步所带来的经济增长效应将逐渐扩大,而能源消耗所带来的经济增长效应将保持在稳定状态。
关键词： 能耗模式;经济发展方式;能源库兹涅茨曲线;影响机制;中国

Abstract

This study used differentiated energy Kuznets curve (EKC) to analyze the change of energy consumption pattern in provinces of China’s mainland and its impact on economic development, in order to determine the quantitative relationship in different stages. The main conclusions are as follows: (1) China’s energy consumption and economic growth changed from high energy consumption and low growth to high energy consumption and high growth, and to low energy consumption and high growth, but there are large spatial and temporal differences in various provinces, forming a differentiated EKC, which can be roughly divided into six types; (2) The starting points of EKC in different provinces and regions in China are different. The higher the economic development level of the turning point in the process, the lower the energy consumption intensity, and the EKC in some provinces clearly deviated from theoretical estimation, showing differentiated trajectories of EKC change; (3) Since 1953, energy consumption has been the dominant factor driving China’s economic development, but the role of technological progress continues to strengthen. In general, the low-energy and high-growth pattern was formed under the influence of energy consumption and technological progress, and technological progress’s contribution rate is currently low. In the future, the economic growth brought about by technological progress will gradually expand, and the economic growth due to energy consumption will remain stable.

Keywords：energy consumption pattern;economic development model;energy Kuznets curve;mechanism of influence;China

PDF (7320KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
赵娜娜, 王志宝, 李鸿梅. 中国能耗模式演变及其对经济发展的影响. 资源科学[J], 2021, 43(1): 122-133 doi:10.18402/resci.2021.01.10
ZHAO Nana, WANG Zhibao, LI Hongmei. Change of energy consumption pattern and its impact on economic development in China. RESOURCES SCIENCE[J], 2021, 43(1): 122-133 doi:10.18402/resci.2021.01.10

1 引言

能源是人类社会赖以生存和发展的物质基础,更是重要的战略资源。目前,中国经济增长正处于粗放型向集约型的转变阶段。在此过程中,工业化及城镇化推动了能源需求的快速增长^[1,2,3],而紧张的能源供需关系限制了地区社会经济的发展^[4]。因此,能耗模式的转变成为实现中国区域经济可持续发展、绿色发展的关键。

中国能源消耗具有总量高、人均低的数量特征^[5]、以煤炭为主的结构特征^[5,6]、依赖性和差异性的空间特征^[7,8]。能源消耗推动了经济增长,两者存在长期的因果关系^[9,10]：能源消耗是经济增长的动力源泉,经济增长是能源消耗增加的最主要因素,二者互为动因^[11,12]。但能源消耗与经济增长间的关系存在明显阶段性特征,当前处于相对乐观的弱脱钩状态^[6]。同时,能源消耗尤其是煤炭的使用所带来的环境问题日益加剧,合理的能耗模式成为能源可持续利用的重要途径。基于能源消耗的特征,相关能源政策可从能源利用效率^[13,14]、能源消耗结构^[5,15]、产业结构^[16,17]等角度制定,而能源消耗的空间差异性也要求各地能源政策须因地制宜^[4,18]。

现有研究多为某一时段或某一案例能源消耗特点及其与经济的因果分析等,甚少涉及多案例能耗模式的长期性演变过程及其对经济发展影响等方面。因此,本文尝试从能耗模式出发,以能源消耗与技术进步为自变量,通过投入-产出模型和差异化的能源库兹涅茨曲线分类,来分析中国能耗模式演变的过程及其对经济发展的影响,从而为各省区实现经济结构转型等提供理论参考。

2 研究方法与数据来源

2.1 研究方法

2.1.1 能耗模式标准的确定与划分

根据人类社会开发利用能源的历程,将地区能耗模式划分为以下4种类型（表1）：高能耗高增长、高能耗低增长、低能耗高增长、低能耗低增长,以此来分析中国大陆各省区能耗模式演变的时空特征。

Table 1
表1
表1能耗模式划分标准
Table 1Classification standard of energy consumption pattern

类型	能源强度/ （t标准煤/万元）	GDP增长率/%	类型含义
高能耗高增长	≥1	≥6.5	利用能源的大量消耗换取经济高速发展
高能耗低增长	≥1	<6.5	能源大量消耗但经济发展较慢
低能耗高增长	<1	≥6.5	技术发展降低能源强度,经济快速发展
低能耗低增长	<1	<6.5	能源强度较低,经济发展稳定

注：4种能耗模式划分标准的临界点是以全国平均水平为标准。

新窗口打开|下载CSV

2.1.2 差异化的能源库兹涅茨曲线

借助环境库兹涅茨曲线^[19]和差异化的近岸海域水环境库兹涅茨曲线^[20],尝试构建差异化的能源库兹涅茨曲线（Energy Kuznets Curve,EKC）^[21]。根据研究期内能源库兹涅茨曲线EKC有无明显拐点及其横纵坐标、能源强度、人均GDP的高低,对其进行分类：按照有无明显拐点分为2类;将存在明显拐点类省（区、市）的人均GDP与能源强度比值分为高、中、低3类;按照能源强度水平,将比值中等省（区、市）分为高、低2类;按照人均GDP水平,将能源强度较低的省（区、市）分为高、中、低3类,并对各类延续前面对GDP增长率的划分（表1）,将各类指标进行综合排序（表2）,最终得到分类结果（表3）。

Table 2
表2
表2EKC拐点划分标准
Table 2Energy Kuznets curve (EKC) turning points

等级	$\frac{人均 GDP}{能源强度}$	人均GDP/（元/人）	能源强度/（t标准煤/万元）	GDP增长率/%
低等	<100	<1200	<8	<6.5
中等	100~400	1200~2000	—	—
高等	>400	>2000	>8	>6.5

注：研究时段内拐点多出现于1985或1989年,因此表中对人均GDP及能源强度的划分仅适用于当年水平。以1989年为例,当年中国人均GDP为1519元/人,除部分直辖市水平偏高之外,仅有辽宁、浙江、江苏、广东的人均GDP在2000~2600元/人,在表中将其列为高等人均GDP。
数据来源：《新中国60年统计资料汇编》。

新窗口打开|下载CSV

Table 3
表3
表3EKC的理论分类结果
Table 3EKC’s theoretical classification results

有无拐点	拐点的经济、能耗水平	类型
无明显转折过程		I类
有明显转折过程	低等经济水平,高等能耗水平	II类
	低等经济水平,低等能耗水平	III类
	中等经济水平,高等能耗水平	IV类
	中等经济水平,低等能耗水平	V类
	高等经济水平,低等能耗水平	VI类
	高等经济水平,高等能耗水平	Ⅶ类

新窗口打开|下载CSV

2.1.3 基于能耗的经济增长模型

根据一般经济增长模型中的投入-产出理论,能耗是经济增长的重要动力,其既体现于资金投入（K）,也体现于技术进步（A）。加大能源投入可实现经济增长,而提高能源利用率及节能技术则能降低生产成本。C-D生产函数采用边际分析方法,可用于分析要素投入对产出的贡献率、规模收益和其他系列问题,是应用广泛的一种生产函数。考虑到这两个方面,本文根据C-D生产函数,建立基于能耗的经济增长模型：

（1）

\begin{matrix} Y = A^{γ} K^{α} L^{β} = (UE \cdot E_{A})^{γ} (TE \cdot E_{k})^{α} L^{β} \end{matrix}

式中：产出（Y）选择GDP总量增加值;技术进步（A）选择社会生产效率及节能效率(E_A)和单位能耗的变动值（UE）;资金投入（K）选择原材料投入量及燃料投入（E_k）和能耗总量增加值（TE）;将劳动力投入（L）部分看作常量;γ、

α

、

β

分别作为技术、资本、劳动力的产出弹性系数。

假设：

（2）

E_{A} = E_{K} = E_{0}, α + γ = 1 - β

得到：

（3）

Y = U E^{γ} \cdot T E^{α} \cdot L^{β} \cdot {E_{0}}^{α + γ}

通过SPSS 25.0对各类省（区、市）相关数据进行回归分析求得各参数,并对技术参数取负值处理。这表明当资本投入不变的情况下,技术进步（对数）每变动1个百分点,产出（对数）随之变动γ个百分点;当技术条件不变的情况下,资本投入（对数）每变动1个百分点,产出（对数）随之变动α个百分点。

并求得该生产函数两变量的偏导数如下：

（4）

\{\begin{array}{l} \frac{? Y}{? UE} = γU E^{γ - 1} \cdot T E^{α} \cdot L^{β} \cdot {E_{0}}^{α + γ} \\ \frac{? Y}{? TE} = αT E^{α - 1} \cdot U E^{γ} \cdot L^{β} \cdot {E_{0}}^{α + γ} \end{array}

通过分析各偏导数的演变趋势来研究各因素边际产量的变动,以推测不同因素在经济发展中的作用。

2.2 数据来源及预处理

本文的研究案例为中国（因数据缺失,不包括西藏、海南和港澳台地区,下同）的29个省（区、市）。相关数据主要来源于《新中国60年统计资料汇编》^[22]、《中国能源统计年鉴（1990—2017）》^[23]、《中国统计年鉴（1990—2018）》^[24]、1990—2018年各省（区、市）统计年鉴及《国外单位GDP能耗演变历史及启示》^[25]等。

在能源强度的数据拟合过程中,以1961年能源强度数据为对称轴,将1962—1976年数据向上翻折,形成拟合的完整倒U型曲线。

在格兰杰因果检验过程中,由于1967—2017年拟合的中国能源库兹涅茨曲线中单位能耗呈现不断下降趋势,故将此时间范围作为研究时间序列,并以中国1967年单位能耗为基点,将各年单位能耗与其差值作为当年技术水平,代表技术变量。采用每年能耗总量、经济总量分别代表能耗变量、经济变量。为了消除序列的异方差性,对3个变量进行了取自然对数的处理。

在线性回归模型数据预处理中,采用各省（区、市）1985—2016年GDP总量、单位能耗、能耗总量数据,计算出各省（区、市）每年的GDP变动量、单位能耗变动量、能耗总量变动量,剔除单位能耗的增加量以及能耗总量的减少量等异常值,并对单位能耗减少值取绝对值以便对其进行对数换算。

3 结果与分析

3.1 能耗模式演变分析

3.1.1 能源库兹涅茨曲线

从部分国家1800年以来能源强度演变拟合曲线（图1）来看,能源强度演变趋势呈现出先增加后减小的“倒U型”曲线。英国作为最先进行工业革命的国家,曲线拐点产生于19世纪中期,峰值在0.90 toe/千美元左右,美国、法国、德国紧随其后于20世纪初期产生了曲线拐点,峰值在0.30~0.80 toe/千美元之内,日本于20世纪中期产生了曲线拐点,巴西及最不发达国家曲线拐点出现较晚,峰值不超过0.40 toe/千美元^[21]。由此看出,发达国家曲线拐点产生较早,发展中国家曲线拐点出现较晚,且曲线出现拐点越晚的国家,能源强度的峰值越低。这表明发展中国家认识到科学技术对经济发展的重要作用并及时降低能源强度,加速转变能耗模式。

图1

新窗口打开|下载原图ZIP|生成PPT
图11800—2015年部分国家能源强度演变

数据来源：《国外单位GDP能耗演变历史及启示》和世界银行网站。
Figure 1Energy intensity change in selected countries, 1800-2015

从中国EKC（图2）可以发现：新中国成立初期阶段,1953—1960年,能源强度由6.57 t标准煤/万元迅速攀升至20.71 t标准煤/万元;1961—1977年,曲线异常波动,呈现先下降后上升的情形,并于1967年出现谷值（10.30 t标准煤/万元）;1978年改革开放之后,随着经济水平的提高,能源强度始终保持下降趋势,2000年之后下降趋势趋于稳定,2017年降至0.54 t标准煤/万元。对曲线异常波动部分进行数据拟合后发现,经济发展初期会引起能源强度的上升,但到达一个拐点后,经济发展会降低能源强度,呈现非对称性的“倒U型”曲线,这与世界多数国家发展形势相似。拐点之前的曲线较转折后曲线更陡,表明经济发展初期是由大量能源的投入拉动经济缓慢发展,能源消耗速度高于经济发展速度,跨越拐点之后,随着社会经济发展对环境要求的提高以及科学技术的发展,促使能源强度降低,经济发展速度逐渐高于能源消耗速度。总体来说,经济发展最终将降低能源强度。

图2

新窗口打开|下载原图ZIP|生成PPT
图21953—2017年中国GDP增长率与单位能耗变化

Figure 2China’s GDP growth rate and unit energy consumption change during, 1953-2017

3.1.2 中国能耗模式演变趋势

从1953—2017年GDP增长率（图2）来看,随着人均GDP的增加,中国GDP增速趋稳：1953—1992年,中国GDP增长率的波动幅度较大,1992年开始逐渐平稳下降,1999年降至7.10%,2001年后GDP增长率稳定回升,2007年达到峰值11.90%之后小幅波动下降,最后稳定在6.90%左右。

选取1990—2015年GDP增长率和能源强度数据,分析各省（区、市）的能耗模式（图3）,发现多数省（区、市）首先由第二象限移向第一象限,继而移向第四象限。这表明中国能耗模式主要演变趋势为高能耗低增长—高能耗高增长—低能耗高增长。1990年,中国大部分省（区、市）的GDP增长率在6.50%以下,单位能耗水平在1 t标准煤/万元以上,位于第二象限,属于高能耗低增长的能耗模式。1995年、2000年,中国大部分省（区、市）的GDP增长率在6.50%以上,单位能耗水平在1 t标准煤/万元以上,位于第一象限,属于高能耗高增长的能耗模式。2005年,中国部分省（区、市）进入GDP增长率6.50%以上、单位能耗水平1 t标准煤/万元以下的低能耗高增长的能耗模式,但多数省（区、市）仍为高能耗高增长的能耗模式。2010年,过半省（区、市）能耗模式进入低能耗高增长模式;2015年,多数省（区、市）位于第四象限,即能耗模式转为低能耗高增长模式。

图3

新窗口打开|下载原图ZIP|生成PPT
图31990—2015年中国各省（区、市）能耗模式演变抽象图

Figure 3Change of provincial energy consumption patterns in China, 1990-2015

从能耗模式演化历程（图4）来看,中国能耗模式演变与各省（区、市）转变过程相似：1990年属于高能耗低增长模式;1991—2007年属于高能耗高增长模式;2008年—2017年属于低能耗高增长模式。中国能耗模式演变在图像上呈现一定的周期性和波动性：1990—1999年为一个周期,能源强度不断减低,GDP增长率呈现先升高后降低的趋势,在1992年达到峰值,整个周期波动范围较大;2000—2017年为一个周期,与上一周期演变过程具有相似性,GDP增长率于2007年达到峰值,整个周期波动范围较小,演变时间较上一周期长。预计在2022年,中国整体水平将达到江苏、浙江、广东等省区2015年的能耗模式。

图4

新窗口打开|下载原图ZIP|生成PPT
图41990—2022年中国能耗模式演变

注：预测值为2015年江苏、浙江、广东的平均值。
Figure 4Change of energy consumption pattern in China, 1990-2022

3.1.3 各省（区、市）能源库兹涅茨曲线

从差异化的EKC分类结果（表4）及各省（区、市）的EKC（图5）来看,大部分省（区、市）符合一般规律,能源强度随经济发展呈现先增加后减小的趋势,整体来看经济发展促进了能源强度的降低。横向比较所有省（区、市）可以看出,拐点出现时经济水平越高,能源强度越低。

Table 4
表4
表4EKC分类表
Table 4Classification of provinces by energy Kuznets curve (EKC)

EKC类型	省（区、市）	解释
I类（无明显转折过程）	河南、广西、福建、重庆	随着经济水平的提高,能源强度呈现持续下降趋势,EKC起点差异较大,没有出现转折过程。EKC拐点可能出现在研究时段之前或者省（区、市）的整个发展过程没有转折
II类（低等经济水平、高等能耗水平转折）	内蒙古、贵州、甘肃、新疆	EKC起点的经济水平较低、能源强度偏高,出现明显拐点或部分转折过程,单位能耗的峰值均出现在人均GDP不足1200元/人时,此时的能源强度均超过8.00 t标准煤/万元
III类（低等经济水平、低等能耗水平转折）	湖南、云南、陕西、四川、安徽、江西	EKC起点的经济水平较低、能源强度较低,研究时段内出现了部分的转折过程。6省区出现能源强度峰值时的人均GDP都在1200元/人以下,能源强度峰值也均在8.00 t标准煤/万元以下
IV类（中等经济水平、高等能耗水平转折）	河北、山西、吉林、黑龙江、青海、宁夏、辽宁	EKC起点的经济水平较之前3类有所升高、能源强度偏高,除山西没有出现明显转折过程一直呈现下降趋势以外,其余6省区的EKC均随经济发展呈现先增加后减小的趋势。转折时的人均GDP约在1200~2000元/人范围内,只有辽宁的人均GDP在2500元/人左右,能源强度均在8.00 t标准煤/万元以上
V类（中等经济水平、低等能耗水平转折）	山东、湖北	EKC起点的经济水平稍高于之前4类、能源强度较低,出现明显的拐点,能源强度水平随经济发展先增加后减小。出现峰值时的人均GDP在1500元/人左右,能源强度在5.50 t标准煤/万元左右,属于中等经济水平、低等能耗水平转折
VI类（高等经济水平、低等能耗水平转折）	北京、天津、上海、江苏、浙江、广东	EKC起点的经济水平较高、能源强度较低,出现明显拐点,其中,江苏、浙江、广东在出现能源强度峰值时的人均GDP在2000元/人左右,而北京、天津、上海拐点的人均GDP在3000元/人以上

新窗口打开|下载CSV

图5

新窗口打开|下载原图ZIP|生成PPT
图5中国各省（区、市）的EKC

Figure 5Various types of energy Kuznets curves (EKCs) in China’s provinces

从EKC类型看,除北京、上海、天津3个直辖市之外的省（区、市）中,各类EKC的数量存在明显差异,III、IV类省（区、市）的数量明显高于其他类省（区、市）,V类省（区、市）数量最少;各省（区、市）EKC演变过程也存在明显差异性,即：东南沿海经济发展水平高,多为V类、VI类省（区、市）,东北地区多为IV类省（区、市）,中部地区多为I类、III类省（区、市）,西南地区多为III类省（区、市）,西北地区多为II类省（区、市）,各类EKC的分布基本符合中国各地区的社会经济发展水平,东部省（区、市）EKC拐点的经济水平通常高于中西部省（区、市）、能耗水平低于中西部省（区、市）。

观察中国各省（区、市）能耗模式演变过程（表5）,可以看出中国各省（区、市）间演变过程存在较大的时间差异。自2000年开始,低能耗高增长模式从东南沿海省（区、市）逐渐延伸到西北内陆省（区、市）,代替原有的高能耗高增长模式,2015年中国主要能耗模式转变为低能耗高增长模式,而作为老工业基地的东北三省于2015年进入低能耗低增长的能耗模式。在整个演变过程中,江苏、浙江、广东等东部省（区、市）始终先于其他省（区、市）进行转化并优于中国平均水平,宁夏、青海等西北省（区、市）则始终位于演化序列的末尾,东南沿海省（区、市）与西北内陆省（区、市）的演化进程时间差异明显。

Table 5
表5
表51990—2015年中国各省（区、市）能耗模式演变
Table 5Change of provincial energy consumption patterns in China, 1990-2015

年份	高能耗低增长	高能耗高增长	低能耗高增长	低能耗低增长
1990	广东、浙江、福建、江苏、上海、安徽、湖北、山东、北京、湖南、四川、河南、陕西、天津、河北、青海、山西、贵州、吉林、甘肃、宁夏、黑龙江、内蒙古	广西、江西、云南、重庆、辽宁、新疆	-	-
1995	-	北京、天津、河北、山西、辽宁、吉林、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、黑龙江、内蒙古	-	-
2000	-	北京、天津、河北、山西、辽宁、吉林、上海、安徽、江西、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、江苏、黑龙江、内蒙古	浙江、福建、山东、广东	-
2005	-	天津、河北、山西、辽宁、吉林、安徽、江西、山东、河南、湖北、湖南、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、黑龙江、内蒙古	北京、上海、江苏、浙江、福建、广东	-
2010	-	河北、山西、河南、湖南、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、内蒙古、黑龙江	北京、天津、辽宁、吉林、上海、江苏、浙江、安徽、福建、江西、山东、湖北、广东、广西、重庆	-
2015	山西	河北、甘肃、青海、宁夏、新疆、内蒙古	北京、天津、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、重庆、四川、贵州、云南、陕西	辽宁、吉林、黑龙江

新窗口打开|下载CSV

3.2 能耗模式演变对经济发展的影响分析

3.2.1 因果检验

（1）单位根检验

首先采用ADF检验方法对3个时间序列能耗变量（E）、技术变量（T）、经济变量（M）进行平稳性检验,防止出现伪回归现象。从检验结果（表6）看,lnE、lnT、lnM在10%的显著水平下均不平稳,其一阶差分序列在5%的显著水平下为平稳序列,即3个差分序列为同阶单整序列。

Table 6
表6
表6ADF检验结果表
Table 6Result of augmented Dickey Fuller (ADF) test

序列	检验形式（c, t, q）	T统计量	临界值	P值	结论
lnE	（c, t, 1）	-3.476	-3.183*	0.054	不平稳
△lnE	(c, 0, 0)	-3.750	-3.574***	0.006	平稳
lnT	（0, 0, 9）	-0.429	-1.612*	0.522	不平稳
△lnT	（c, t, 3）	-7.637	-4.176***	0.000	平稳
lnM	（c, 0, 1）	0.284	-2.600***	0.975	不平稳
△lnM	（c, 0, 0）	-3.519	-2.924**	0.012	平稳

注：*、**、***分别表示在10%、5%、1%显著水平的临界值。

新窗口打开|下载CSV

（2）协整检验

利用Johansen最大似然法对3个变量进行协整检验,根据AIC和SC法则的VAR模型中最佳滞后阶数为3阶,所以Johansen检验的滞后阶数为2阶。从检验结果（表7）看,在5%的显著水平下,lnE、lnT、lnM存在长期协整关系。

Table 7
表7
表7协整关系检验表
Table 7Result of co-integration relationship test

协整关系假设	特征值	迹统计量	5%临界值	P值
没有	0.387	45.702	35.193	0.003
至多一个	0.283	22.714	20.262	0.023
至多两个	0.140	7.106	9.165	0.121

新窗口打开|下载CSV

（3）格兰杰因果关系检验

为了表明变量间的因果关系,对3个变量进行Granger因果检验。从检验结果（表8）看,技术和能源与经济间存在单向因果关系,技术与能源间存在双向因果关系。即经济增长带动了能源消耗与技术进步,而技术进步与能源消耗互为动力。

Table 8
表8
表8格兰杰因果关系检验表
Table 8Result of Granger causality test

原假设	滞后阶	F统计量	P值	结论
lnT不是lnM的格兰杰原因	1	3.226	0.079	lnT不是lnM的格兰杰原因
lnM不是lnT的格兰杰原因	1	15.460	0.000	lnT是lnM的格兰杰原因
lnE不是lnM的格兰杰原因	1	0.712	0.403	lnE不是lnM的格兰杰原因
lnM不是lnE的格兰杰原因	1	11.884	0.001	lnM是lnE的格兰杰原因
lnE不是lnT的格兰杰原因	1	9.935	0.003	lnE是lnT的格兰杰原因
lnT不是lnE的格兰杰原因	1	13.157	0.001	lnT是lnE的格兰杰原因

新窗口打开|下载CSV

3.2.2 影响程度分析

利用C-D生产函数进行多元回归计算,得到各类省（区、市）及中国的生产函数（表9）。中国生产函数表示在能耗总量不变的情况下,单位能耗减少1个百分点,GDP增加0.362个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.767个百分点。这说明在中国经济发展过程中对能源消耗的依赖远超过对技术进步的依赖,其中

α + γ > 1

,表明在现有劳动力投入条件下,扩大生产规模对经济增长有利,属于规模报酬递增型^[21]。

Table 9
表9
表9中国各省（区、市）生产函数
Table 9Production function in China’s provinces

规模报酬类型	主导因素	EKC类型	C-D生产函数
递增	能源?技术	中国	$Y = 2.545 U E^{0.362} T E^{0.767} L^{- 0.129}$
递增	能源?技术	I类 II类 III类	$Y = 2.620 U E^{0.203} T E^{0.849} L^{- 0.052}$ $Y = 1.692 U E^{0.268} T E^{0.787} L {}^{- 0.055}$ $Y = 3.062 U E^{0.340} T E^{0.745} L^{- 0.085}$
	能源> 技术	V类	$Y = 4.442 U E^{0.422} T E^{0.685} L^{- 0.107}$
	能源≈ 技术	VI类	$Y = 9.043 U E^{0.547} T E^{0.542} L^{- 0.089}$
递减	能源?技术	IV类	$Y = 2.849 U E^{0.258} T E^{0.726} L^{0.016}$

新窗口打开|下载CSV

从各省（区、市）来看（表9）,I类省（区、市）的生产函数表明这些省（区、市）在能耗总量不变的条件下,单位能耗减少1个百分点,GDP增加0.203个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.849个百分点,其中

α + γ > 1

,属于规模报酬递增型;II类省（区、市）的生产函数表明在能耗总量保持不变的条件下,单位能耗减少1个百分点,GDP增加0.268个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.787个百分点,其中

α + γ > 1

,属于规模报酬递增型;III类省（区、市）的生产函数表明在能耗总量保持不变的条件下,单位能耗减少1个百分点,GDP增加0.340个百分点,在单位能耗减小值不变的情况下,能耗总量增加1个百分点,GDP增加0.745个百分点,其中

α + γ > 1

,属规模报酬递增型;IV类省（区、市）的生产函数表明在能耗总量保持不变的条件下,单位能耗减少1个百分点,GDP增加0.258个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.726个百分点,其中

α + γ < 1

,表明在此劳动力投入条件下,扩大生产规模对经济发展不利,属规模报酬递减型。由此看出这4类省（区、市）能源投入对经济增长的贡献程度远大于技术进步对经济增长的贡献程度。V类省（区、市）的生产函数表明在能耗总量保持不变的条件下,单位能耗减少1个百分点,GDP增加0.422个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.685个百分点,说明此类省（区、市）能源投入对经济增长的贡献程度明显大于技术进步对经济增长的贡献程度,其中

α + γ > 1

,属规模报酬递增型。VI类省（区、市）的生产函数表明在能耗总量保持不变的条件下,单位能耗减少1个百分点,GDP增加0.547个百分点,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.542个百分点,能源系数与技术系数相近,表明这6个省（区、市）在经济发展过程中,对能源投入和技术进步的依赖性相近,技术进步的贡献程度略高于能源投入的贡献程度,其中

α + γ > 1

,属规模报酬递增型。由此可以看出：整体而言,能源投入与技术进步对经济发展的贡献都是显著的,但推动中国大部分省（区、市）经济发展的因素仍是能源的消耗。

分别对中国各省（区、市）生产函数中的单位能耗变动值（UE）和能耗总量增加值（TE）求偏导,并假定函数中其余两变量为1,分别作UE、TE的偏导函数（图6）,由于中国单位能耗变动值（UE）自1967年来呈现波动下降的趋势,在图中对UE的边际产量做逆序处理。从各省（区、市）生产函数边际产量看,随着UE的不断减小,UE的边际产量不断上升;随着TE的不断增加,TE的边际产量不断减小^[21]。现阶段中国UE的边际产量大于TE的边际产量,并且处于不断增加的阶段,而TE的边际产量已经趋于稳定,这表明在之后的发展中技术进步所带来的经济增长将逐渐扩大,而能源消耗所带来的经济增长将保持在稳定状态。

图6

新窗口打开|下载原图ZIP|生成PPT
图6中国各省（区、市）生产函数边际产量

Figure 6Production function marginal yield in China’s provinces

从各类生产函数UE的边际产量看,中国整体及各类省（区、市）的UE边际产量呈不断上升趋势,III类、V类、VI类省（区、市）UE边际产量高于中国整体水平,表明这3类省（区、市）经济增长的增加值始终高于中国整体水平。从各类生产函数的TE边际产量看,中国及各类省（区、市）的TE边际产量呈现逐渐趋于稳定的态势,只有II类省（区、市）TE的边际产量低于中国整体水平,表明其余5类省（区、市）将保持高于中国经济增长整体水平的增加值进行发展。同一UE、TE水平下,VI类省（区、市）的边际产量显著高于其他类省（区、市）,V类省（区、市）的边际产量虽略高于其余4类省（区、市）但与VI类省（区、市）存在明显差距,I类、III类、IV类省（区、市）的边际产量与中国整体水平十分相近,II类省（区、市）的UE边际产量最低,这表明其经济总量虽保持增长态势,但其增长相比其他类省（区、市）发展较为缓慢。

3.2.3 驱动机制分析

中国能耗模式经历了由高能耗低增长模式向高能耗高增长模式转变,继而向低能耗高增长模式转变的过程。主要表现为GDP增长率的先升高后降低、能源强度的持续降低,这实质上是由粗放型经济发展方式向集约型经济发展方式转型的过程,表明能耗模式是与工业化进程相吻合的。在能耗模式演变的过程中,主要的驱动因素有能源消耗与技术进步。对中国29省（区、市）的生产函数参数求均值（表10）可以得到：就整个中国而言,在单位能耗不变的情况下,能耗总量增加1个百分点,GDP增加0.71个百分点;能耗总量不变的情况下,单位能耗减少1个百分点,GDP增加0.34个百分点。能源消耗对经济发展带来的正向影响高于技术进步影响0.37个百分点,成为经济发展最重要驱动因素。

Table 10
表10
表10中国各类生产函数参数平均值
Table 10Value of various production function parameters in China

类型	数量	能耗参数	技术参数
I类	4	0.849	0.203
II类	4	0.787	0.268
III类	6	0.745	0.340
IV类	7	0.726	0.258
V类	2	0.685	0.422
VI类	6	0.542	0.547
平均值		0.714	0.339

新窗口打开|下载CSV

通过对6类省（区、市）能耗参数和技术参数进行拟合发现二者呈线性关系（图7）,随着技术参数的不断增加,能耗参数呈现下降趋势,技术参数增加1个单位,能耗参数降低0.78个单位。将6类生产函数按照两参数的相似性分为4类,可以看出4类生产函数位于参数拟合线的不同阶段,表现了生产函数随社会经济发展的演变过程,这说明中国各类省（区、市）的生产函数存在较大的时间差异性。

图7

新窗口打开|下载原图ZIP|生成PPT
图7中国各类生产函数参数拟合线

Figure 7Various production function parameter fitting lines in China

观察4类生产函数参数（图8）可以看出：第一类（I类）,能耗总量增加对经济发展的正向影响（下文称能耗影响）高于技术进步对经济发展的正向影响（下文称技术影响）0.65个百分点,能耗影响较全国平均水平偏高,技术影响较全国平均水平偏低;第二类（II、III、IV类）,能耗影响高于技术影响0.46个百分点,较全国平均水平而言,能耗影响略高、技术影响略低,整体情况较全国稍差;第三类（V类）,能耗影响高于技术影响0.26个百分点,较全国平均水平而言,能耗影响略低、技术影响略高,整体情况较全国而言稍好;第四类（VI类）,能耗影响与技术影响相差在0.01个百分点之内,是中国现有生产函数中各参数比较合理的一类,但仍有较大提升空间。

图8

新窗口打开|下载原图ZIP|生成PPT
图8中国各类生产函数参数

Figure 8Various production function parameters in China

4 结论

本文将能耗模式作为整体出发点,联系能源消耗与技术进步因素,通过对不同特征EKC的分类,利用C-D生产函数,研究能耗模式演变的过程及其对经济发展的影响,以期为转变经济发展方式提供科学决策依据。主要结论如下：

（1）在中国经济发展过程中,能源强度先增高后降低,表现出非对称性的“倒U型”曲线发展趋势,拐点之前曲线较拐点后曲线更陡,这取决于拐点前后经济增速与能源消耗速度的关系。中国能耗模式呈现出高能耗低增长—高能耗高增长—低能耗高增长的演变过程,部分省区如黑龙江、吉林、辽宁进入了低能耗低增长的消费模式。整个演变过程存在明显周期性和波动性,演变周期逐渐缩短、波动幅度逐渐减小。各省（区、市）间演变过程存在较大的时间差异,预计在2022年,中国整体水平将达到江苏、浙江、广东等2015年的能耗模式。

（2）考虑到各省（区、市）经济发展水平、演变起点的不同,构建差异化EKC,将中国29省（区、市）分为6类,多数省（区、市）的发展过程符合一般规律——能源强度随经济发展呈现先增加后减小的趋势,整体来看经济发展促进了能源强度的降低。横向比较各类省（区、市）可以看出,各类省（区、市）演变的起始点及拐点在经济水平和能耗强度上存在较大差异性,转折时的经济水平越高,能源强度越低,并且各类省（区、市）内部的演变过程也存在显著差异。

（3）利用C-D生产函数对各省（区、市）进行测算,就整个中国而言,能源消耗与技术进步对经济发展的贡献都是显著的,但推动中国大部分省（区、市）经济发展的因素仍是能源的消耗。在之后的发展中,技术进步所带来的经济增长将逐渐扩大,而能源消耗所带来的经济增长将保持在稳定状态。

综上所述,中国现存能耗模式种类多、省（区、市）间差异大。就中国总体而言,虽然能源投入与技术进步对经济发展的贡献都是显著的,但推动中国大部分省（区、市）经济发展的因素仍是能源的消耗,这将对中国环境保护及经济发展产生负面影响。因此,需要把握好各省（区、市）对能源消耗的不同需求,科学制定差异化、合理化的能源政策,并加强各个地区间能源、技术领域的交流合作,推动先进科学技术的传播与应用。同时,要坚定不移地走新型工业化道路,努力提高科技水平,推动经济集约型增长,依靠创新驱动经济绿色、高速发展。

本文以中国29个省（区、市）为案例,借助经济增长和能源强度确定能耗模式,并以此为出发点,从整体上分析了能源消耗的演变过程,着重探讨了能源投入及技术发展对经济发展的影响。本文首次借助库兹涅茨曲线来分析能源消耗演变的地域化差异,并构建了差异化的能源库兹涅茨曲线,为能源消耗的相关分析拓展了研究思路,提供了新的研究范式和研究框架。但本文还存在着一些不足,例如,没有分析人力资本、能源消耗结构、产业结构等因素的作用。如果能进一步对能源消耗内部结构进行分析,完善能源消耗模式结构,将取得更加详细、更有价值的研究结论。在今后的相关研究中,可从产业结构内部与能源消耗结构角度出发进行探讨,以完善差异化的能源消耗研究范式。

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]

严翔, 成长春, 易高峰, 等. 长江经济带城镇化对能源消费的经济门槛效应
[J]. 经济地理, 2019,39(1):73-81.

[本文引用: 1]

[ Yan

, Cheng

C C

, Yi

G F

, et al. Economic threshold effect of urbanization on energy consumption: Take the Yangtze River economic zone as an example
[J]. Economic Geography, 2019,39(1):73-81.]

[本文引用: 1]

[2]

Shahbaz

, Lean

H H

. Does financial development increase energy consumption? The role of industrialization and urbanization in Tunisia
[J]. Energy Policy, 2012,40:473-479.

DOI:10.1016/j.enpol.2011.10.050 URL [本文引用: 1]

This paper assesses the relationship among energy consumption, financial development, economic growth, industrialization and urbanization in Tunisia from 1971 to 2008. The autoregressive distributed lag bounds testing approach to cointegration and Granger causality tests is employed for the analysis. The result confirms the existence of long-run relationship among energy consumption, economic growth, financial development, industrialization and urbanization in Tunisia. Long-run bidirectional causalities are found between financial development and energy consumption, financial development and industrialization, and industrialization and energy consumption. Hence, sound and developed financial system that can attract investors, boost the stock market and improve the efficiency of economic activities should be encouraged in the country. Nevertheless, promoting industrialization and urbanization can never be left out from the process of development. We add light to policy makers with the role of financial development, industrialization and urbanization in the process of economic development. (C) 2011 Elsevier Ltd.

[3]

周敏, 谢莹莹, 孙叶飞, 等. 中国城镇化发展对能源消费的影响路径研究: 基于直接效应与间接效应视角
[J]. 资源科学, 2018,40(9):1693-1705.

DOI:10.18402/resci.2018.09.01 URL [本文引用: 1]

加速推进城镇化与实现能源消费量控制是中国现阶段发展的两大任务,探明两者的作用路径对实现绿色可持续发展具有重要的现实意义。本文基于1990—2016年中国省际面板数据,采用两步系统GMM方法与门槛回归模型从直接与间接效应视角构建传导因素的作用路径并检验潜在的门槛效应。结果表明：城镇化对能源消费表现为显著扩张效应,但呈逐渐减弱趋势。在间接传导路径中,产业结构变迁的节能效果显著;城镇化加速技术集聚外溢和“人力资本红利”累积,扭转了技术进步和人力资本累积对能源消费的正向作用方向;中国城镇化仍未脱离高碳化发展阶段,人口扩张与经济增长仍是城镇化进程中能耗持续走高的重要诱因。最后本文验证了各传导因素的门槛效应,即城镇化对能源消费的影响随各因素的发展水平呈现差异性。因此政府及企业应结合各因素作用路径与方向及所处的门槛阶段,注重科技与人力投入,强化质量效应,实现节能的目的。

[ Zhou

, Xie

Y Y

, Sun

Y F

, et al. Study on the influence path of China’s urbanization development on energy consumption based on direct and indirect effect perspective
[J]. Resources Science, 2018,40(9):1693-1705.]

DOI:10.18402/resci.2018.09.01 URL [本文引用: 1]

Accelerating urbanization and achieving total energy consumption control are two major tasks of China's current development. It is of great realistic significance to recognize the action path to achieve green and sustainable development. Based on Chinese provincial panel data from 1990 to 2016 and urban development theory and economic theory, the two-step system GMM method and the threshold regression model were used to construct the path of conduction factors from the perspective of direct and indirect effects and to test the potential threshold effects. The direct effect is the result of the dominant game between expansion effect and quality effect. The results show that urbanization has a significant expansion effect on energy consumption, but tends to weaken gradually. In the indirect transmission path, the energy-saving effect of the industrial structure change is remarkable. The urbanization accelerates technology agglomeration and spillover and accumulation of “human capital bonus, ” which has reversed the positive direction of technology progress and human capital act on energy consumption in the direct effect. However, China’s urbanization is still not divorced from the stage of high carbonization and fails to produce significant energy savings effect as expected. And population and economic growth are still important inducements for energy consumption to keep rising in the process of urbanization. Finally, this paper verifies the threshold effect of different conduction factors, that is, the influence of urbanization on energy consumption is different with the development level of each factor. Therefore, the government and enterprises should combine action path, direction and the threshold stage of different factor, take measures according to local conditions, pay attention to the input of science technology and manpower, reduce the consumption of exhausted energy, optimize the structure of energy consumption, enhance the quality effect, and realize the purpose of energy saving.

[4]

谢品杰, 穆卓文. 中国省际能源尾效及其影响因素
[J]. 资源科学, 2019,41(5):847-859.

DOI:10.18402/resci.2019.05.03 URL [本文引用: 2]

研究能源尾效的影响因素,探究能源尾效的约束机制,能为当前中国破解经济发展难题提供新思路。本文采用省际面板数据,运用偏最小二乘法测算了中国30省（市、区）1997—2016年间各期能源尾效,利用动态面板模型对全国及分组层面的尾效影响因素展开实证分析。研究表明：①中国存在着能源尾效的约束问题,且在不同发展时期呈现出阶段性特征。②全国层面回归结果显示,尾效滞后项、产业结构、经济发展水平和能源价格对能源尾效的增长具有显著的正向推动作用,而科技投入水平、城市化水平和能源结构对能源尾效具有负向贡献,有利于尾效的削减。③分组层面回归结果显示,尾效滞后项、经济发展水平和能源价格仍为推动尾效增长的不良因素所在,而产业结构、科技投入水平、城市化水平和能源结构则在不同的组别呈现出差异性作用效果。根据研究结论,本文从经济发展质量、能源市场价格调控以及城市化发展等方面提供建议,以寻求合理削减尾效的路径。

[ Xie

P J

, Mu

Z W

. Measurement and influencing factors of the growth drag of energy in China
[J]. Resources Science, 2019,41(5):847-859.]

DOI:10.18402/resci.2019.05.03 URL [本文引用: 2]

Studying the influencing factors and the mechanism of growth drag of energy can provide new ideas for solving the problem in China’s economic development. Based on provincial panel data, this study measured the growth drag of energy of 30 provinces in China from 1997 to 2016 by using the partial least squares (PLS) method. The dynamic panel model was used to empirically analyze the influencing factors at the national and group levels. The results show that: (1) Growth drag of energy is a constraint in China, which shows different characteristics in different development periods. (2) The results of the national level analyses show that lag term of growth drag, industrial structure, economic development level, and energy price have a significant positive effect on the growth drag of energy. The level of input in science and technology, level of urbanization, and energy structure have negative contributions, which are conducive to the reduction of grow drag. (3) The results of the group level analyses show that lag item of growth drag, economic development level, and energy price are still unfavorable factors that promote growth drag, while industrial structure, level of input in science and technology, level of urbanization, and energy structure have double sided effects, which differ in different groups. Based on these conclusions, this article provides some recommendations with regard to the quality of economic development, price regulation of the energy market, and urbanization development, in order to find reasonable methods to reduce the growth drag of energy.

[5]

张晓平. 20世纪90年代以来中国能源消费的时空格局及其影响因素
[J]. 中国人口·资源与环境, 2005,15(2):38-41.

[本文引用: 3]

[ Zhang

X P

. Temporal-spatial characteristics of energy consumption in China and its determinants since the 1990s
[J]. China Population, Resources and Environment, 2005,15(2):38-41.]

[本文引用: 3]

[6]

何则, 杨宇, 宋周莺, 等. 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.

DOI:10.11821/dlyj201808005 URL [本文引用: 2]

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。

[ He

, Yang

, Song

Z Y

, et al. The mutual evolution and driving factors of China’s energy consumption and economic growth
[J]. Geographical Research, 2018,37(8):1528-1540.]

[本文引用: 2]

[7]

吴玉鸣, 李建霞. 中国省域能源消费的空间计量经济分析
[J]. 中国人口·资源与环境, 2008,18(3):93-98.

[本文引用: 1]

[ Wu

Y M

, Li

J X

. Spatial econometric analysis of energy consumption of Chinese provinces
[J]. China Population, Resources and Environment, 2008,18(3):93-98.]

[本文引用: 1]

[8]

周彦楠, 何则, 马丽, 等. 中国能源消费结构地域分布的时空分异及影响因素
[J]. 资源科学, 2017,39(12):2247-2257.

DOI:10.18402/resci.2017.12.04 URL [本文引用: 1]

能源碳排放是全球温室效应最主要的贡献因素,要实现低碳发展,必须调整能源消费结构。本文基于分省能源终端消费数据,采用K-means聚类法和STIRPAT模型,对中国省级层面四大类能源的消费比重、时空分异、演化及其影响因素的研究结果表明：①1990—2014年间,各省煤炭消费比重不断降低,不同省区在不同时段石油消费比重变化呈现多样性特征,各省天然气消费比重整体仍处在较低水平上,电力与热力消费比重整体保持着持续增加的趋势;北京、天津、上海、江苏、广东、海南、甘肃、青海和宁夏处于相对较优的低碳能源消费结构;②1990—2014年期间,中国能源终端消费结构呈现出不断改善的趋势,其地域分布一方面呈现出明显的地带性分布特征,同时也表现出一定的产地消费导向特征;③能源消费强度、第二产业比重、能源生产结构和资本投入等依次对以煤炭为主的能源消费结构有正向促进作用;土地城市化、能源自给度、科技进步和进出口贸易等具有反向抑制作用;而人均GDP、人口城市化和实际利用外商直接投资的作用不显著。建议在省区层面着力调整能源消费结构,关注河北、山西和贵州等地能源产地消费导向问题,并通过加快推进产业结构高级化进程、合理安排城市化进程、提升科技创新能力和增强对外开放水平,以有效改善各省能源消费结构、降低碳排放,实现低碳发展。

[ Zhou

Y N

, He

, Ma

, et al. Spatial and temporal differentiation of China’s provincial scale energy consumption structure
[J]. Resources Science, 2017,39(12):2247-2257.]

DOI:10.18402/resci.2017.12.04 URL [本文引用: 1]

Energy-related carbon emissions are the most important contributor to the global greenhouse effect. Low-carbon development must begin with the adjustment of the energy consumption structure（ECT）. Based on four categories of provincial level energy terminal consumption data,using the K means clustering method and the STIRPAT model,we researched the geographical distribution pattern of ECT and spatial and time differentiation,evolution and influence factors. We found that from 1990 to 2014,the provincial coal consumption ratio decreased;oil consumption ratio changed in different periods in different provinces;natural gas consumption was at a low level and showed regional diversity;and power and heat consumption increased. Beijing,Tianjin,Shanghai,Jiangsu,Guangdong,Hainan,Gansu,Qinghai and Ningxia provinces are in a relatively low carbon ECT. China’s energy terminal consumption structure showed a trend of continuous improvement over 1990 to 2014. On the one hand,the geographical distribution of ECT shows obvious zonal distribution,while also showing certain characteristic of in-situ consumption orientation. The energy consumption intensity,industrial structure,energy production structure and capital input,in turn,have positive promoting effects on ECT dominated by coal. The urbanization of land,rate of energy self-sufficiency,technology progress and import and export trade,have an inhibiting effect on ECT. GDP per capita,population urbanization and FDI of actual usage are not significant for ECT. In order to effectively ameliorate the provincial energy consumption structure,reduce carbon emissions and achieve low carbon development,China should adjust ECT at the provincial level,focusing on Hebei,Shanxi and Guizhou energy in-situ consumption status,and speed up the process of the fundamentals of industrial structure,advancing urbanization,enhancing the level of science and technology innovation and promoting an international focus.

[9]

Zhang

X H

, Wu

L Q

, Zhang

. Evaluating the relationships among economic growth, energy consumption, air emissions and air environmental protection investment in China
[J]. Renewable and Sustainable Energy Reviews, 2013,18:259-270.

DOI:10.1016/j.rser.2012.10.029 URL [本文引用: 1]

[10]

Herrerias

M J

, Joyeux

, Girardin

. Short-and long-run causality between energy consumption and economic growth: Evidence across regions in China
[J]. Applied Energy, 2013,112:1483-1492.

DOI:10.1016/j.apenergy.2013.04.054 URL [本文引用: 1]

The relationship between energy consumption and economic growth has created a large body of research in the energy-economics literature. In this paper, we investigate such a relation in the case of Chinese regions from 1995 to 2009. The majority of previous studies have ignored the regional dimension and the cross-sectional dependence of provinces. Besides, different energy policies adopted by the government have influenced energy intensity over time, showing improvement in the 1990s and deterioration from 2000 onwards. Thus, it is necessary to examine these two periods separately. Moreover, a detailed disaggregation of total energy consumption into electricity, coal, coke, and crude oil consumption and its linkage with economic growth may provide new insights for the design of energy policy across Chinese regions. We use panel techniques to test the direction of the causality in the long- and short-run between these different types of energy consumption and economic growth. Our results are mixed from 1995 to 2009 due the aforementioned break around 1999. However, in all cases our estimations provide empirical evidence that from 1999 to 2009 there is unidirectional causation from economic growth to energy consumption in the long-run. Therefore, energy-saving policies can be adopted without interrupting the path of growth. (C) 2013 Elsevier Ltd.

[11]

鄢琼伟, 陈浩. GDP与能源消费之间的关系研究
[J]. 中国人口·资源与环境, 2011,21(7):13-19.

[本文引用: 1]

[ Yan

Q W

, Chen

. Research on the relationship between GDP and energy consumption
[J]. China Population, Resources and Environment, 2011,21(7):13-19.]

[本文引用: 1]

[12]

杨文培, 束加稳, 王昕, 等. 杭州市能源: 经济关系分析与节能促进机制研究
[J]. 生态经济, 2017,33(6):33-37.

[本文引用: 1]

[ Yang

W P

, Shu

J W

, Wang

, et al. Hangzhou energy-economic analysis and research on the energy-saving promotion mechanism
[J]. Ecological Economy, 2017,33(6):33-37.]

[本文引用: 1]

[13]

李艳梅, 张雷. 中国能源消费增长原因分析与节能途径探讨
[J]. 中国人口·资源与环境, 2008,18(3):83-87.

[本文引用: 1]

[ Li

Y M

, Zhang

. Reason analysis of energy consumption increase and discussion of energy saving approach
[J]. China Population, Resources and Environment, 2008,18(3):83-87.]

[本文引用: 1]

[14]

岳立, 宋雅琼, 江铃峰. “一带一路”国家能源利用效率评价及其与经济增长脱钩分析
[J]. 资源科学, 2019,41(5):834-846.

DOI:10.18402/resci.2019.05.02 URL [本文引用: 1]

提高能源利用效率可以降低能耗,促进各国经济持续增长。能源利用效率的提高与经济高质增长的协调发展,是增进各国人民福祉的本质要求。本文运用方向性距离函数（DDF）和Global Malmquist-Luenberger（GML）指数测算出1995—2015年“一带一路”沿线50个国家的能源利用效率,构建脱钩模型,探讨经济增长与能源消耗及能源利用效率的“脱钩”关系,研究发现：①1995—2015年“一带一路”国家能源利用效率整体均值为0.682,先下降后上升,在2008年达到峰值0.833,然后处于波动下降中;②“一带一路”国家能源利用效率在1995—2015年累计增长17.5%,追赶效率和技术进步贡献率分别为7.2%和10.0%,共同促进能源利用效率提升,除独联体出现负增长外,其他地区能源利用效率均有不同程度的提升;③“一带一路”国家经济增长和能源消耗、能源利用效率的脱钩关系从偏离弱脱钩变为实现弱脱钩,再发展为偏离弱脱钩,有待于继续减少能耗,提升能源利用效率,促进经济增长。因此,今后各国应从追赶效率和技术进步入手,提升能源利用效率,早日实现经济增长与能源消耗的强脱钩、与能源利用效率的弱脱钩或者扩张性负脱钩关系。

[ Yue

, Song

Y Q

, Jiang

L F

. National energy efficiency of countries in the“Belt and Road”region and its decoupling from economic growth
[J]. Resources Science, 2019,41(5):834-846.]

DOI:10.18402/resci.2019.05.02 URL [本文引用: 1]

Increasing energy efficiency can reduce energy consumption and promote sustained economic growth in all countries. The coordinated development of energy efficiency and high quality economic growth is an essential requirement for enhancing the well-being of people in all countries. This study used Directional Distance Function (DDF) and Global Malmquist-Luenberger (GML) index to calculate the energy efficiency of 50 countries along the Belt and Road initiative region from 1995 to 2015, and constructed a model to explore the “decoupling” relationship between economic growth and energy consumption and energy efficiency. The study found that: (1) From 1995 to 2015, the overall energy efficiency of the countries in the Belt and Road region averaged 0.682, first falling then rising, reaching a peak of 0.833 in 2008, and then fluctuating with a falling trend; (2) In 1995-2015, energy efficiency of these countries increased by 17.5%. The catch-up efficiency and technological progress contribution rates were 7.2% and 10.0%, respectively, which jointly promoted the improvement of energy efficiency. Except for the negative growth of the Commonwealth of Independent States (CIS), Energy efficiency in other regions has increased to varying degrees; (3) Decoupling between economic growth and energy consumption and energy efficiency of the Belt and Road countries is determined by continuing to reduce energy consumption, improve energy efficiency, and promote economic growth, and it has gone through a process of drifting away from weak decoupling, weak decoupling, and again drifting away from weak decoupling. Therefore in the future, countries should start with focusing on catching-up efficiency and technological progress, improve energy efficiency, and achieve a strong decoupling between economic growth and energy consumption, a weak decoupling between economic growth and energy efficiency, or a negative decoupling relationship.

[15]

王帅. 中国能源使用绿色化、碳排放与经济增长的关系研究
[J]. 软科学, 2020,34(10):7-11.

[本文引用: 1]

[ Wang

. Research on the relationship between China’s energy use greenization, carbon dioxide emissions and economic growth
[J]. Soft Science, 2020,34(10):7-11.]

[本文引用: 1]

[16]

王霞, 张丽君, 秦耀辰, 等. 中国高碳制造业碳排放时空演变及其驱动因素
[J]. 资源科学, 2020,42(2):323-333.

[本文引用: 1]

[ Wang

, Zhang

L J

, Qin

Y C

, et al. Spatiotemporal changes of carbon emissions in high-carbon manufacturing industry in China and driving factors
[J]. Resources Science, 2020,42(2):323-333.]

[本文引用: 1]

[17]

王少剑, 苏泳娴, 赵亚博. 中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素
[J]. 地理学报, 2018,73(3):414-428.

DOI:10.11821/dlxb201803003 URL [本文引用: 1]

基于1992-2013年中国城市遥感模拟反演碳排放数据,采用空间自相关、空间马尔科夫矩阵和动态空间面板数据模型,在同时考虑碳排放的时空滞后效应和不同地理经济空间权重矩阵的条件下,对城市碳排放的演化路径和关键影响因素进行了定量识别和减排政策探讨。研究表明,中国城市能源消费碳排放的区域差异正逐步缩小,空间上呈现出明显的高排放俱乐部集聚特征,同时碳排放类型演化具有明显的路径依赖特征;面板数据模型估计结果表明经济增长与人均碳排放呈现显著的倒“U”型曲线关系,而绝大多数城市的人均碳排放处于随经济发展而增加的阶段,二产偏重的经济结构和投资的粗放增长共同正向作用于城市碳排放,而人口的集聚效应、技术水平的提升、对外开放度和公路运输强度的增加则共同抑制城市碳排放水平的提高。因此未来要抑制促增因素和发挥促降因素的作用才能有效降低城市碳排放;优化产业结构、精简粗放投资、增加研发强度以及提升公路通达性是未来实现中国城市节能减排的有效途径。

[ Wang

S J

, Su

Y X

, Zhao

Y B

. Regional inequality, spatial spillover effects and influencing factors of China’s city-level energy-related carbon emissions
[J]. Acta Geographica Sinica, 2018,73(3):414-428.]

[本文引用: 1]

[18]

关伟, 金一. 中国能源利用、经济增长演进对生态环境的脉冲响应
[J]. 经济地理, 2020,40(2):31-40.

[本文引用: 1]

[ Guan

, Jin

. Analysis of the impulse response of China’s energy utilization and economic growth to the ecological environment
[J]. Economic Geography, 2020,40(2):31-40.]

[本文引用: 1]

[19]

Kuznets

. Economic growth and income inequality
[J]. American Economic Review, 1955,45(1):1-28.

[本文引用: 1]

[20]

Wang

Z B

, Bu

, Li

H M

, et al. Seawater environmental Kuznets curve: Evidence from seawater quality in China’s coastal waters
[J]. Journal of Cleaner Production, 2019,219(5):925-935.

[本文引用: 1]

[21]

Wang

Z B

, Zhao

N N

, Wei

W D

, et al. A differentiated energy Kuznets curve: Evidence from mainland China
[J]. Energy, 2021,214:118942.

[本文引用: 4]

[22]

中华人民共和国国家统计局. 新中国60年统计资料汇编[M]. 北京: 中国统计出版社, 2010.

[本文引用: 1]

[ National Bureau of Statistics of People’s Republic of China. China Compendium of Statistics 1949-2008[M]. Beijing: China Statistics Press, 2010.]

[本文引用: 1]

[23]

中华人民共和国国家统计局. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 1990-2017.

[本文引用: 1]

[ National Bureau of Statistics of People’s Republic of China. China Energy Statistical Yearbook[M]. Beijing: China Statistics Press, 1990-2017.]

[本文引用: 1]

[24]

中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 1990-2018.

[本文引用: 1]

[ National Bureau of Statistics of People’s Republic of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 1990-2018.]

[本文引用: 1]

[25]

白泉. 国外单位GDP能耗演变历史及启示
[J]. 中国能源, 2006, (12):10-14.

URL [本文引用: 1]

Abstract：Research and Approach]]>

[ Bai

. Evolving history of oversea energy intensity per GDP and its revelation
[J]. Energy of China, 2006, (12):10-14.]

[本文引用: 1]