米國(guó)芳劉廣為

(1.內(nèi)蒙古財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010070 2.天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津 300072)

中國(guó)碳排放強(qiáng)度影響因素相關(guān)性研究
——基于VAR與SVAR模型分析

米國(guó)芳1劉廣為2

(1.內(nèi)蒙古財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院，內(nèi)蒙古 呼和浩特 010070 2.天津大學(xué)管理與經(jīng)濟(jì)學(xué)部，天津 300072)

本文列舉出近年來研究碳排放強(qiáng)度的代表性文獻(xiàn)，從中選取經(jīng)濟(jì)增長(zhǎng)規(guī)模，能源強(qiáng)度，能源結(jié)構(gòu)，產(chǎn)業(yè)結(jié)構(gòu)四種出現(xiàn)頻率最高的影響因素，進(jìn)行四種因素對(duì)碳排放強(qiáng)度影響的平穩(wěn)性檢驗(yàn)，結(jié)果表明經(jīng)濟(jì)增長(zhǎng)規(guī)模對(duì)碳排放強(qiáng)度的影響平穩(wěn)性不足;對(duì)碳排放強(qiáng)度與能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)構(gòu)建結(jié)構(gòu)向量自回歸模型，運(yùn)用脈沖響應(yīng)函數(shù)分析三種因素的變化對(duì)碳排放強(qiáng)度的沖擊效應(yīng)，并用方差分解分析三種影響因素的貢獻(xiàn)度，結(jié)果顯示第三產(chǎn)業(yè)對(duì)碳排放強(qiáng)度的沖擊效應(yīng)最為顯著，能源強(qiáng)度次之，能源結(jié)構(gòu)最弱。

碳排放強(qiáng)度;平穩(wěn)性檢驗(yàn);VAR與SVAR模型;脈沖響應(yīng)函數(shù);方差分解

Abstract:The paper enumerates the recent carbon emission intensity paper to select the key factors of carbon emission intensity.According to the paper，economic scale，energy intensity，energy structure，industry structure selected to be the key factors because of the high frequency in recent research.The results show:that the time series of the per capita GDP lack of stationarity as the influence factor to carbon emission intensity，so the economic scale should be excluded;The industry structure has the most significant shock effect on the carbon emission intensity in the three influence factors.

Key words:Carbon emission intensity;Stationarity test;Vector autoregression and structural vector autoregression model;Impulse response function;Variance decomposition

1 引言

目前中國(guó)的碳排放總量已經(jīng)高居世界第二［1］，造成嚴(yán)重的溫室效應(yīng)。在保持經(jīng)濟(jì)正常穩(wěn)定增長(zhǎng)的前提下，實(shí)現(xiàn)碳排放的減少，是我國(guó)需要解決的問題。碳排放強(qiáng)度 (單位GDP的碳排放)是衡量經(jīng)濟(jì)發(fā)展與碳排放增長(zhǎng)之間關(guān)系的重要指標(biāo)之一。研究我國(guó)碳排放強(qiáng)度的變化特征，分析其主要影響因素的變化對(duì)碳排放強(qiáng)度的沖擊效應(yīng)，有助于提高國(guó)家制定減排政策的科學(xué)性和可操作性。

2 文獻(xiàn)綜述與研究方法

近年來，眾多專家和學(xué)者對(duì)多個(gè)國(guó)家或者地區(qū)的碳排放強(qiáng)度的變化進(jìn)行研究。

目前文獻(xiàn)對(duì)碳排放強(qiáng)度影響因素的研究?jī)H僅停留在各因素的貢獻(xiàn)率或者影響程度方面，缺乏深入的相關(guān)性研究和穩(wěn)定性檢驗(yàn)，并且某些影響因素的提出缺乏有效的論證支持。本文以近年來碳排放強(qiáng)度研究文獻(xiàn)中所出現(xiàn)頻率最高的經(jīng)濟(jì)規(guī)模、能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)四種影響因素為研究對(duì)象，運(yùn)用向量自回歸模型 (Vector Autoregression，VAR)與結(jié)構(gòu)向量自回歸模型(Structural Vector Autoregression)檢驗(yàn)影響因素時(shí)間序列的平穩(wěn)性，分析具有平穩(wěn)性的影響因素與碳排放強(qiáng)度變化的相關(guān)性和貢獻(xiàn)度，從而掌握中國(guó)碳排放強(qiáng)度的變化規(guī)律。

3 Var與SVAR模型

向量自回歸模型 (VectorAutoregression，VAR)是在1980年由Sims所提出的。這種模型采用多方程聯(lián)立的形式，在模型的每一個(gè)方程中用當(dāng)期內(nèi)生變量對(duì)模型中全部?jī)?nèi)生變量的滯后值進(jìn)行回歸，從而估計(jì)全部?jī)?nèi)生變量的動(dòng)態(tài)關(guān)系［2］。結(jié)構(gòu)向量自回歸模型 (Structural Vector Autoregression，Svar)是對(duì)向量自回歸模型 (Vector Autoregression，Var)的改進(jìn)，可以利用方差分解技術(shù)(Variance Decomposition)分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)值，用來評(píng)價(jià)不同影響因素沖擊結(jié)構(gòu)的重要性［3］。Svar模型繼承了Var中的多變量動(dòng)態(tài)關(guān)系分析功能，其中的脈沖響應(yīng)函數(shù)(Impulse Response Function，IRF)可以分析一個(gè)誤差項(xiàng)發(fā)生的變化，或者模型受到?jīng)_擊時(shí)對(duì)動(dòng)態(tài)系統(tǒng)的影響［4］。Svar模型的表達(dá)式為:

式 (2)中k表示經(jīng)過轉(zhuǎn)換之后的確定性趨勢(shì)項(xiàng);B(L)為滯后算子階多項(xiàng)式矩陣;δt表示結(jié)構(gòu)式的殘差向量，它包含互不相關(guān)的結(jié)構(gòu)式?jīng)_擊信息，并且方差為單位矩陣［5］。

4 所需變量數(shù)據(jù)檢驗(yàn)與模型估計(jì)

4.1 所需變量

本文以單位GDP的碳排放表示碳排放強(qiáng)度［6］，記做CI;人均GDP既能反映人民生活水平也能在宏觀上衡量國(guó)家經(jīng)濟(jì)的發(fā)展?fàn)顩r，因此采用人均GDP來表示經(jīng)濟(jì)增長(zhǎng)規(guī)模，記做GI;以單位GDP的能耗來表示能源強(qiáng)度［7］，記做EI;基于中國(guó)以煤炭為主能源的現(xiàn)實(shí)國(guó)情，以煤炭消耗比重表示能源結(jié)構(gòu)，記做CP;第三產(chǎn)業(yè)是能耗產(chǎn)出比相對(duì)低的產(chǎn)業(yè)，第三產(chǎn)業(yè)的規(guī)模與質(zhì)量對(duì)一國(guó)低碳經(jīng)濟(jì)的發(fā)展具有重要意義，因此以第三產(chǎn)業(yè)所占的比重表示產(chǎn)業(yè)結(jié)構(gòu)，記做TIP。

本文基于1980—2009年的碳排放數(shù)據(jù)、GDP數(shù)據(jù)、煤炭消耗比重?cái)?shù)據(jù)與第三產(chǎn)業(yè)數(shù)據(jù)值，對(duì)所需數(shù)據(jù)進(jìn)行測(cè)算。

4.2 相關(guān)性AR根檢驗(yàn)

由于本文所研究的是四種影響因素分別與CI的相關(guān)性分析，因此，首先對(duì)CI與GI、CI與CP、CI與EI、CI與TIP四組數(shù)據(jù)的平穩(wěn)性做AR根檢驗(yàn)?；诒?數(shù)據(jù)，應(yīng)用Eviews6.0計(jì)量軟件，對(duì)四種影響因素進(jìn)行AR根平穩(wěn)性檢驗(yàn)，如圖1～圖4。

由圖1－圖4可以看到，GI的AR根圖中有一個(gè)點(diǎn)不在單位圓內(nèi)，說明該模型不具有平穩(wěn)性。因此，人均GDP與碳排放強(qiáng)度不具備穩(wěn)定的相關(guān)性;EI，CP，TIP的特征根都在單位圓曲線內(nèi)部，說明三者與碳排放強(qiáng)度構(gòu)建的VAR模型平穩(wěn)性良好。因此，GI與CI不具有穩(wěn)定的相關(guān)性，不能做進(jìn)一步的VAR與SVAR的模型構(gòu)建。

5 脈沖響應(yīng)函數(shù)分析

應(yīng)用 Eviews6.0軟件，針對(duì)1980—2009年的CI與 EI、CP、TIP建立 SVAR模型。利用 SVAR模型中的脈沖響應(yīng)函數(shù)，分析SVAR模型中碳排放強(qiáng)度與其影響因素之間的沖擊變化。

圖1 GI平穩(wěn)性檢驗(yàn)AR根圖

圖2 EI平穩(wěn)性檢驗(yàn)AR根圖

圖3 CP平穩(wěn)性檢驗(yàn)AR根圖

圖4 TIP平穩(wěn)性檢驗(yàn)AR根圖

圖5 CI響應(yīng)CP沖擊的脈沖響應(yīng)函數(shù)

圖6 CP響應(yīng)CI沖擊的脈沖響應(yīng)函數(shù)

5.1 脈沖響應(yīng)函數(shù)構(gòu)建

脈沖響應(yīng)函數(shù)指系統(tǒng)在輸入為單位沖擊函數(shù)時(shí)的輸出響應(yīng)，以衡量來自隨機(jī)輸入項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊對(duì)內(nèi)生變量當(dāng)前和未來取值的影響，由此來判斷變量間的動(dòng)態(tài)關(guān)系［8］。在SVAR模型中，第λ個(gè)變量的沖擊不僅直接影響到第λ個(gè)變量本身，而且會(huì)通過SVAR模型的滯后結(jié)構(gòu)傳遞到其他內(nèi)生變量。

在上述驗(yàn)證分析以及模型構(gòu)建的基礎(chǔ)上，應(yīng)用脈沖響應(yīng)函數(shù)，分析CI與CP、CI與EI、CI與TIP的相互關(guān)系。表述CI與CP之間的關(guān)系的脈沖響應(yīng)函數(shù)如圖5，圖6所示;CI與EI之間的脈沖響應(yīng)函數(shù)如圖7、圖8所示;CI與TIP之間關(guān)系脈沖響應(yīng)函數(shù)如圖9，圖10所示。

圖7 CI響應(yīng)EI沖擊的脈沖響應(yīng)函數(shù)

圖8 EI響應(yīng)CI沖擊的脈沖響應(yīng)函數(shù)

5.2 脈沖響應(yīng)函數(shù)分析

圖9 CI響應(yīng)TIP沖擊的脈沖響應(yīng)函數(shù)

圖5中顯示，在初始階段，碳排放強(qiáng)度隨著煤炭消耗比重增長(zhǎng)沖擊而降低，在滯后六期達(dá)到負(fù)向最大值0.19%，隨后沖擊的負(fù)效應(yīng)逐漸減弱。在滯后十二期開始轉(zhuǎn)為正效應(yīng)，在滯后十七期達(dá)到正向最大值0.11%。這表明由于GDP增速遠(yuǎn)遠(yuǎn)高于碳排放增長(zhǎng)的速度，短期內(nèi)煤炭消耗比重的增長(zhǎng)所帶來的碳排放速度增長(zhǎng)依然要小于GDP的增長(zhǎng)速度，碳排放強(qiáng)度的分母拉動(dòng)效應(yīng)在短期內(nèi)依然會(huì)起作用，因此，短期內(nèi)煤炭消耗比重與碳排放強(qiáng)度呈現(xiàn)負(fù)相關(guān)的關(guān)系;從長(zhǎng)期的角度觀察，煤炭消耗比重的持續(xù)增長(zhǎng)會(huì)導(dǎo)致碳排放增長(zhǎng)速度會(huì)超過GDP的增長(zhǎng)速度，因而造成碳排放強(qiáng)度的增加;由圖6中可知，碳排放強(qiáng)度在滯后零期對(duì)煤炭消耗比重沖擊的負(fù)效應(yīng)達(dá)到最大值0.22%，在滯后七期轉(zhuǎn)為正效應(yīng)，滯后十四期達(dá)到正效應(yīng)最大值0.12%，隨后在滯后二十二期轉(zhuǎn)為負(fù)效應(yīng)。由此可見，碳排放強(qiáng)度的增長(zhǎng)沖擊對(duì)煤炭消耗比重存在交叉的正負(fù)效應(yīng)。碳排放強(qiáng)度的增長(zhǎng)會(huì)使國(guó)家采取適當(dāng)?shù)恼{(diào)控措施，根據(jù)實(shí)施現(xiàn)狀調(diào)整煤炭使用比重［9］。這同時(shí)驗(yàn)證了模型實(shí)際數(shù)據(jù)中的一些年份，出現(xiàn)碳排放強(qiáng)度的增加，但是卻伴隨著煤炭消耗比重減少的狀態(tài)。

圖10 TIP響應(yīng)CI沖擊的脈沖響應(yīng)函數(shù)

圖7中，能源強(qiáng)度出現(xiàn)增加變化的沖擊后，碳排放強(qiáng)度在滯后一期出現(xiàn)正向反映，在滯后十五期達(dá)到正向最大值0.28%，隨后沖擊效應(yīng)開始減弱。由此可以看出，碳排放強(qiáng)度對(duì)能源強(qiáng)度的沖擊在極短時(shí)間內(nèi)沒有反應(yīng)，在滯后一期出現(xiàn)正向效應(yīng)，并且具有較長(zhǎng)的記憶，能源強(qiáng)度的增加可以引起碳排放強(qiáng)度的上升;能源強(qiáng)度在碳排放出現(xiàn)增加變化沖擊時(shí)正向反應(yīng)明顯，并在滯后一期達(dá)到最大值22%，隨后沖擊效應(yīng)逐漸減弱，在滯后二十三期達(dá)到最小值3%后趨于平緩。此現(xiàn)象說明能源強(qiáng)度受碳排放強(qiáng)度的沖擊影響顯著，并且沖擊效果持久，碳排放強(qiáng)度的增長(zhǎng)對(duì)能源強(qiáng)度具有長(zhǎng)期的正向沖擊效應(yīng)。這表明我國(guó)針對(duì)碳排放強(qiáng)度的升高，并沒有重視能源強(qiáng)度的作用，未采取有效的措施，通過降低能源強(qiáng)度來阻止碳排放強(qiáng)度的上升。

由圖9可以看到，當(dāng)?shù)谌a(chǎn)業(yè)比例產(chǎn)生增長(zhǎng)沖擊時(shí)，碳排放強(qiáng)度出現(xiàn)負(fù)效應(yīng)，在滯后十一期達(dá)到負(fù)向最大值0.58%，之后負(fù)向效應(yīng)開始減弱，到達(dá)滯后二十一期轉(zhuǎn)為正效應(yīng)，在滯后二十六期達(dá)到正效應(yīng)最大值0.09%滯后開始減弱并趨近于0。這種沖擊反應(yīng)說明在初期，第三產(chǎn)業(yè)比重的增加會(huì)使碳排放強(qiáng)度減弱，規(guī)模越大，碳排放強(qiáng)度的減弱效果越明顯。當(dāng)?shù)谌a(chǎn)業(yè)的規(guī)模過大，失去與第一產(chǎn)業(yè)與第二產(chǎn)業(yè)最佳比例時(shí)，GDP的增長(zhǎng)速度會(huì)因產(chǎn)業(yè)規(guī)模失衡而降低，造成碳排放強(qiáng)度分母拉動(dòng)不足而上升的現(xiàn)象;圖10中顯示，當(dāng)碳排放強(qiáng)度產(chǎn)生增長(zhǎng)沖擊時(shí)，第三產(chǎn)業(yè)的比例產(chǎn)生正向反應(yīng)，在第四期達(dá)到最大值，并且長(zhǎng)期內(nèi)保持正向的沖擊效應(yīng)，在滯后十三期滯后趨于平緩。這說明在碳排放強(qiáng)度的增長(zhǎng)會(huì)促使國(guó)家采取某些措施來應(yīng)對(duì)，運(yùn)用一部分人力物力來實(shí)施節(jié)能減排措施，這些工作有相當(dāng)一部分屬于第三產(chǎn)業(yè)性質(zhì)的工作，第三產(chǎn)業(yè)的比例隨之增加。

6 方差分解

方差分解是通過將每一個(gè)內(nèi)生變量分解為結(jié)構(gòu)沖擊各期方差的線性組合，計(jì)算結(jié)構(gòu)沖擊在不同期限內(nèi)方差總和占各內(nèi)生變量總方差的比例來度量結(jié)構(gòu)沖擊對(duì)內(nèi)生變量的影響，可以更直觀的表示內(nèi)生變量相互影響程度［10］。因此，通過方差分解可以給出對(duì)SVAR模型中的變量產(chǎn)生影響的每個(gè)隨機(jī)擾動(dòng)的相對(duì)重要性的信息［11］。能源強(qiáng)度增量滯后30期的方差分解結(jié)果如表1所示。

表1 碳排放強(qiáng)度方差分解

由表1可知，在滯后一期，能源強(qiáng)度、煤炭消耗比重與第三產(chǎn)業(yè)比重沖擊對(duì)碳排放強(qiáng)度的影響均為0;由滯后二期開始，三者對(duì)碳排放強(qiáng)度的沖擊效應(yīng)開始顯現(xiàn):在滯后七期，煤炭消耗比重的貢獻(xiàn)率達(dá)到最大值6.696%，隨后開始減弱，在4.3%左右趨于穩(wěn)定;第三產(chǎn)業(yè)比重的貢獻(xiàn)率在滯后十七期達(dá)到最大值41.434%，隨后穩(wěn)定在40.6%左右的貢獻(xiàn)率上;在滯后二十四期，能源強(qiáng)度的貢獻(xiàn)率達(dá)到最大值9.794%，其穩(wěn)定值在9.7%左右。由此可見，第三產(chǎn)業(yè)比重的貢獻(xiàn)度最高，能源強(qiáng)度次之，煤炭消耗比重最小。這與三者對(duì)碳排放強(qiáng)度沖擊效應(yīng)分析所得的結(jié)果相一致。

7 結(jié)論與啟示

本文在總結(jié)近年來采用因素分解方法分析碳排放強(qiáng)度研究成果的基礎(chǔ)上，選取出現(xiàn)頻率最高的影響因素:經(jīng)濟(jì)增長(zhǎng)規(guī)模，能源結(jié)構(gòu)，能源強(qiáng)度，產(chǎn)業(yè)結(jié)構(gòu)，基于1980—2009年國(guó)內(nèi)的各項(xiàng)數(shù)據(jù)進(jìn)行影響因素平穩(wěn)性檢驗(yàn)，并對(duì)通過平穩(wěn)性檢驗(yàn)的因素進(jìn)行脈沖響應(yīng)函數(shù)的相關(guān)性分析和方差分解，結(jié)論如下:

經(jīng)過VAR模型構(gòu)建中的影響因素AR根的平穩(wěn)性檢驗(yàn)表明，以人均GDP所表示的經(jīng)濟(jì)增長(zhǎng)規(guī)模因素與碳排放強(qiáng)度的時(shí)間序列不具有回歸穩(wěn)定性;以煤炭消耗比重所表示的能源結(jié)構(gòu)、以單位GDP能耗所表示的能源強(qiáng)度、以第三產(chǎn)業(yè)比重所表示的產(chǎn)業(yè)結(jié)構(gòu)與碳排放強(qiáng)度的三組時(shí)間序列組平穩(wěn)性良好。

在CP增加的狀態(tài)下，碳排放增長(zhǎng)速度會(huì)加快，但在短期內(nèi)小于GDP的增長(zhǎng)速度，因此出現(xiàn)CI與CP的負(fù)相關(guān)。而在長(zhǎng)期內(nèi)，碳排放的增長(zhǎng)速度會(huì)隨著CP的增加超過GDP的增長(zhǎng)速度，造成CI的持續(xù)提高;EI對(duì)CI的沖擊在極短時(shí)間內(nèi)沒有效果，在滯后一期出現(xiàn)正向沖擊效應(yīng)，在滯后十五期達(dá)到正向最大值0.28%，沖擊記憶持久;TIP的合理增加會(huì)降低CI，TIP的沖擊合理增加越多，CI的減弱效果越明顯。當(dāng)TIP無節(jié)制的增大，失去與第一產(chǎn)業(yè)與第二產(chǎn)業(yè)最佳比例時(shí)，產(chǎn)業(yè)規(guī)模失衡會(huì)降低GDP的增長(zhǎng)速度，從而造成碳CI分母拉動(dòng)不足而上升的現(xiàn)象。

將CP、EI、TIP對(duì) CI的沖擊效應(yīng)相比，TIP的沖擊效應(yīng)最強(qiáng)，負(fù)向最大值為0.58%，貢獻(xiàn)率的最大值為41.434%;EI次之，沖擊效應(yīng)正向最大值為0.28%，貢獻(xiàn)率最大值為9.794%;CP最小，沖擊效應(yīng)負(fù)向最大值為0.19%，貢獻(xiàn)率最大值為6.696%。

根據(jù)上述結(jié)論，中國(guó)降低碳排放強(qiáng)度首先應(yīng)考慮合理提高第三產(chǎn)業(yè)比重，在滿足國(guó)內(nèi)對(duì)第一產(chǎn)業(yè)與第二產(chǎn)業(yè)需求的前提下，發(fā)展第三產(chǎn)業(yè)，進(jìn)一步擴(kuò)大第三產(chǎn)業(yè)的服務(wù)范圍與領(lǐng)域，并提高第三產(chǎn)業(yè)產(chǎn)品質(zhì)量，更好地為第一產(chǎn)業(yè)與第二產(chǎn)業(yè)服務(wù)，利用產(chǎn)業(yè)結(jié)構(gòu)的合理優(yōu)化實(shí)現(xiàn)碳排放強(qiáng)度的降低;其次降低能源強(qiáng)度，通過技術(shù)創(chuàng)新與科技進(jìn)步提高能源的利用效率，在GDP產(chǎn)出相同的情況下減少能源消耗;隨后調(diào)整能源結(jié)構(gòu)，降低煤炭消耗比重，同時(shí)開發(fā)新能源與清潔能源來取代化石能源，從減少單位能耗的碳排放方面，降低碳排放強(qiáng)度。

［1］EIA．World Energy Overview:1996-2006［EB/OL］．http://www．eia．doe．gov/iea/overview．htmly，2010 －05 －12．

［2］張歡，成金華．中國(guó)能源價(jià)格變動(dòng)與居民消費(fèi)水平的動(dòng)態(tài)效應(yīng)［J］．資源科學(xué)，2011，33(5):807－808．

［3］袁偉彥，李文溥．中國(guó)貨幣政策的匯率傳遞效應(yīng)及形成機(jī)制——基于SVAR與動(dòng)態(tài)一般均衡(DGE)模型的分析［J］．管理世界，2010，(12):53 －64．

［4］Jing You．China’s energy consumption and sustainable development:Comparative evidence from GDP and genuine savings［J］．Renewable and Sustainable Energy Reviews，2011，(15):2984 －2989．

［5］唐國(guó)華．技術(shù)創(chuàng)新的動(dòng)態(tài)就業(yè)效應(yīng):基于結(jié)構(gòu)VAR模型的實(shí)證研究［J］．科學(xué)學(xué)與科學(xué)技術(shù)管理，2011，32(4):72－77．

［6］Monica Carvalho et al．Optimal synthesis of trigeneration systems subject to environmental constraints［J］．Energy，2011，(36):3779－3790．

［7］Md．R．Shammin et al．A multivariate analysis of the energy intensity of sprawl versus compact living in the U．S．for 2003［J］．Ecological Economics，2010，(69):2363 －2373．

［8］董竹，張?jiān)疲袊?guó)環(huán)境治理投資對(duì)環(huán)境質(zhì)量沖擊的計(jì)量分析［J］．中國(guó)人口·資源與環(huán)境，2011，21(8):61－65．

［9］劉衛(wèi)東，陸大道等．我國(guó)低碳經(jīng)濟(jì)發(fā)展框架與科學(xué)基礎(chǔ)［M］．北京:商務(wù)印書館，2010:27－45．

［10］張超．產(chǎn)品創(chuàng)新、供求互動(dòng)與中國(guó)經(jīng)濟(jì)內(nèi)生增長(zhǎng)研究［J］．科研管理，2011，32(10):18－26．

［11］唐海仕，羅新星．石油價(jià)格沖擊對(duì)我國(guó)實(shí)際匯率波動(dòng)的影響程度［J］．系統(tǒng)工程，2010，28(6):40－44．

(責(zé)任編輯 胡瓊靜)

The Correlation Research on Influence Factors of Carbon Emission Intensity in China

Mi Guofang1Liu Guangwei2
(1.School of Statistics and Mathematical，Inner Mongolia Finance and Economics College，Hohhot 010070，China;2.School of Management and Economics，Tianjin University，Tianjin 300072，China)

X16;F205

A

國(guó)家自然科學(xué)基金 (71162015)，內(nèi)蒙古應(yīng)用技術(shù)研究資金計(jì)劃專項(xiàng)。

2012－03－26

米國(guó)芳 (1981－)，女，內(nèi)蒙古呼和浩特人，內(nèi)蒙古財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院教師，博士;研究方向:低碳經(jīng)濟(jì)與可持續(xù)發(fā)展。