潘 偉,熊建武

(武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院,湖北 武漢 430072)

1 引言

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

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

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

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

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

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

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

2 研究方法

本文運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)方法，包括協(xié)整檢驗(yàn)和格蘭杰因果關(guān)系檢驗(yàn)，脈沖響應(yīng)函數(shù)等，探討了中國電力消耗、經(jīng)濟(jì)增長和二氧化碳排放量之間的關(guān)系。

首先，運(yùn)用單位根檢驗(yàn)時(shí)間序列數(shù)據(jù)是否是穩(wěn)定的，因?yàn)橹挥蟹€(wěn)定的時(shí)間序列數(shù)據(jù)才可以進(jìn)行協(xié)整檢驗(yàn)和格蘭杰因果關(guān)系檢驗(yàn)；然后，我們使用基于VAR模型的Johansen協(xié)整檢驗(yàn)和格蘭杰因果關(guān)系檢驗(yàn)法，探索電力消耗、經(jīng)濟(jì)增長與二氧化碳排放量之間的長期均衡關(guān)系和各變量之間的短期相互影響；最后運(yùn)用脈沖響應(yīng)函數(shù)分析模型中隨機(jī)擾動(dòng)的沖擊對(duì)其他變量的影響。

3 實(shí)證分析

3.1 數(shù)據(jù)來源

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

表1 變量定義

表2 變量的描述性統(tǒng)計(jì)

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

圖1 變量的對(duì)數(shù)

3.2 計(jì)量經(jīng)濟(jì)分析

3.2.1 單位根檢驗(yàn)

面板數(shù)據(jù)單位根檢驗(yàn)是進(jìn)行協(xié)整檢驗(yàn)和格蘭杰因果檢驗(yàn)分析的基礎(chǔ)[21-23]，單位根檢驗(yàn)的方法有很多種，通常我們可以見到ADF，DFGLS和KPSS檢驗(yàn)等，這里我們選擇ADF單位根檢驗(yàn)，因?yàn)樗诖蠖鄶?shù)國外研究中得到應(yīng)用[2，19]。

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

3.2.2 Johansen協(xié)整檢驗(yàn)

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

表3 單位根檢驗(yàn)結(jié)果

表4 Johansen協(xié)整檢驗(yàn)結(jié)果

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

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

3.2.3 格蘭杰因果關(guān)系檢驗(yàn)

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

為進(jìn)行格蘭杰因果關(guān)系檢驗(yàn)，我們選擇以下VAR模型[31]：

(1)

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

向量自回歸模型的滯后階數(shù)是非常重要的，因?yàn)樗梢詼p少誤差項(xiàng)的自相關(guān)，并可能會(huì)導(dǎo)致模型效率低下，所以選擇一個(gè)合適的滯后階數(shù)是必要的。這里我們選擇滯后階數(shù)時(shí)，采用SC(Schwarz信息準(zhǔn)則)和AIC(Akaike信息準(zhǔn)則)統(tǒng)計(jì)值最小原則，這兩個(gè)統(tǒng)計(jì)值可以表示如下：

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

(2)

SC=-2l/n+klogn/n

(3)

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

表5 模型滯后階數(shù)選擇

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

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

格蘭杰因果關(guān)系檢驗(yàn)的結(jié)論只是一種預(yù)測，是統(tǒng)計(jì)意義上的“格蘭杰因果性”，而不是真正意義上的因果關(guān)系，不能作為肯定或否定因果關(guān)系的根據(jù)。當(dāng)然，即使格蘭杰因果關(guān)系不等于實(shí)際因果關(guān)系，也并不妨礙其參考價(jià)值。因?yàn)樵诮?jīng)濟(jì)學(xué)中，統(tǒng)計(jì)意義上的格蘭杰因果關(guān)系也是有意義的，對(duì)于經(jīng)濟(jì)預(yù)測等仍然能起一些作用。

表6 格蘭杰因果檢驗(yàn)結(jié)果

3.2.4 VAR模型估計(jì)

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

(4)

(5)

(6)

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

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

3.2.5 脈沖響應(yīng)函數(shù)

在實(shí)際應(yīng)用中，由于VAR模型通常都是非經(jīng)濟(jì)理論性的簡化模型，它不需要對(duì)變量作任何先驗(yàn)性約束。因此，在分析應(yīng)用中，往往并不利用VAR模型去分析某一變量的變化對(duì)另一變量的影響如何，而是分析當(dāng)某一擾動(dòng)項(xiàng)發(fā)生變化，或者說模型受到某種沖擊時(shí)，對(duì)系統(tǒng)的動(dòng)態(tài)影響，這種分析方法稱為脈沖響應(yīng)函數(shù)方法。

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

表7 VAR模型估計(jì)結(jié)果

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

圖2 VAR特征根檢驗(yàn)結(jié)果

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

給定電力消耗一個(gè)標(biāo)準(zhǔn)沖擊，對(duì)CO2排放量在短期內(nèi)存在一個(gè)正向的影響，隨后轉(zhuǎn)變?yōu)樨?fù)向的影響，這表明電力消耗的沖擊在短期內(nèi)將促進(jìn)CO2排放量的增加，但伴隨著新能源的興起和能源效率的提高，將導(dǎo)致CO2排放量減少。電力消耗的標(biāo)準(zhǔn)沖擊對(duì)經(jīng)濟(jì)增長產(chǎn)生負(fù)向的影響，影響趨勢先增加隨后降低，這表明電力消耗的沖擊并沒有促進(jìn)經(jīng)濟(jì)增長，應(yīng)進(jìn)行電力生產(chǎn)結(jié)構(gòu)調(diào)整。

給定經(jīng)濟(jì)增長一個(gè)標(biāo)準(zhǔn)沖擊，對(duì)CO2排放量在短期內(nèi)存在一個(gè)正向的影響，隨后轉(zhuǎn)變?yōu)樨?fù)向的影響，這意味著短期內(nèi)，經(jīng)濟(jì)增長的沖擊影響會(huì)促進(jìn)CO2排放量的增加，但經(jīng)濟(jì)增長帶來的技術(shù)進(jìn)步在長期會(huì)導(dǎo)致二氧化碳排放量降低。經(jīng)濟(jì)增長的標(biāo)準(zhǔn)沖擊對(duì)電力消耗產(chǎn)生正向的沖擊影響，這意味著受經(jīng)濟(jì)增長的沖擊，刺激了電力消耗的增加。

4 結(jié)語

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

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

圖3 脈沖響應(yīng)函數(shù)分析結(jié)果

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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