安徽省物流業碳排放與城鎮化、經濟增長關系實證研究

（安徽大學，安徽 合肥 230601）

隨著我國社會經濟不斷發展，二氧化碳排放成為日益凸顯的社會問題與環境問題。“十三五”規劃中強調要堅持綠色發展，著力改善生態壞境，推動低碳循環發展方式，加快能源革命。習近平在2015年巴黎世界大會開幕式講話中提出“到2030年國內生產總值二氧化碳排放比2005年下降60%～65%，中國碳排放達到峰值”承諾。發展低碳經濟已成為轉變經濟發展方式，全面建成小康社會的重要體現，也是中國樹立負責任大國形象的主要標志之一。物流業屬高能耗、高排放行業，推動物流業實現“低能耗、低污染、低排放”目標對實現我國低碳經濟持續、健康、跨越式發展意義重大。《商貿物流發展“十三五”規劃》提出，深入推廣、使用綠色物流設備與包裝，推進物流設施設備循環共用，創新綠色物流運作模式，提高能源資源使用效率。

近年來，安徽省憑借優越區位條件、人口紅利與政策支持，物流業得到快速發展。據相關資料顯示，“十二五”期間，安徽省物流業增加值由2010年670億元增長到2015年1 280億元，年平均增長率為13.8%；物流業總費用由2010年占GDP比重18.1%下降到2015年16.8%；2015年物流業增加值占GDP比重為5.8%，占第三產業增加值15.6%。從安徽省物流業發展相關數據可見，安徽省物流業發展態勢良好，但由于物流運作模式較粗放、低效，導致物流成本居高不下，造成能源消耗增加及產能過剩。因此，安徽省要實現低碳物流，促進低碳經濟健康發展，必須改變過度消耗能源增長方式，形成經濟效應與環境效應相協調的低碳、綠色發展模式。本文通過對安徽省物流業碳排放與城鎮化、經濟增長間動態關系研究，為安徽省及其他區域制定合理低碳物流發展規劃提供參考。

一、文獻綜述

（一）城鎮化與物流業碳排放

城鎮化與物流業碳排放關系研究較早開始于城鎮化對區域及行業碳排放影響研究。Jones利用1980年59個發展中國家截面數據回歸分析，結果表明城鎮化使個人交通方式得到改變，從而提高交通運輸業能源消耗，即城鎮化對交通運輸業碳排放具有促進作用[1]。Parikh等在分析城鎮化與能源消耗增加基礎上，利用固定效應模型實證分析城鎮化與碳排放關系，認為發展中國家城鎮化對碳排放有重大影響[2]。Poumanyvong等認為以往城鎮化與碳排放關系研究中忽略了城鎮化發展進程及城鎮人口收入水平，因此基于STIRPST模型分析1975—2015年99個國家平衡面板數據，結果表明城鎮人口收入水平對碳排放影響顯著[3]。國內學者物流業碳排放研究主要有物流業碳排放特征[4]、區域差異[5-6]、驅動因素[7-8]、脫鉤效應研究[9-10]等，城鎮化與物流業碳排放關系研究成果較少。楊建華等基于通徑分析模型研究北京市物流業碳排放驅動因素發現，城鎮化是物流業碳排放正向影響因素。劉丙泉等擴展Kaya恒等式，在應用LMDI基礎上將城鎮化對物流業碳排放影響效應分為四部分，并利用我國29個省市面板數據實證分析表明，城鎮化對我國各區域物流業碳排放變動影響作用超過其他非城鎮化因素[11]。

（二）經濟增長與物流業碳排放

Grossman等提出的環境庫茲涅茨曲線為經濟增長與碳排放關系研究提供理論基礎[12]。Glaser基于環境庫茲涅茨曲線檢驗奧地利經濟發展與碳排放關系，研究發現1960—1999年經濟增長與碳排放間關系曲線呈現“N”型[13]。國內學者在經濟增長與物流業碳排放關系研究中大多將經濟增長作為物流業碳排放眾多驅動因素之一加以分析。劉龍政等基于LMDL分解法分析我國1996—2009年時間序列數據表明，影響我國物流業碳排放最重要因素是經濟增長，經濟增長拉動物流需求，需求擴大帶來能源消耗增加即碳排量增加[14]。馬越越在闡述我國物流業碳排放特征基礎上，定量分析1991—2010年物流業碳排放影響因素，結果表明經濟增長對物流業碳排放影響最顯著，在研究年份間呈指數增長趨勢[4]。張立國構建物流業碳排放變化驅動因素分解分析模型，將物流業碳排放驅動因素分解為六種不同效應，通過我國2003—2014年30個省面板數據實證分析表明，經濟增長效應是物流業碳排放持續增高的最主要動力，東西部地區物流業碳排放驅動因素不同[6]。汪欣等運用能源系數法分析安徽、上海、江蘇與浙江四省市物流業碳排放表明，經濟增長對物流業碳排放促進作用在影響因素中占比最大，對安徽省物流業碳排放累計效應最大[15]。

（三）城鎮化與經濟增長

Hoselitz較早研究城鎮化與經濟增長關系，以亞洲城市發展為例檢驗二者是否存在相關性[16]。Berry通過對城市發展分析認為城鎮化與經濟增長間存在密切聯系[17]，之后一些學者實證分析城鎮化與經濟增長關系[18]。我國城鎮化發展比國外起步晚，與城鎮化相關研究始于20世紀80年代。王時福在分析城鎮化與區域經濟發展關系基礎上，認為我國必須堅持走區域經濟全面發展的城鎮化道路，并對當前城鎮化發展過程中問題給出系統建議[19]。張世晴建立“城鎮人口—經濟增長的動態模型”，將區域城鎮化發展速度與經濟發展速度動態比較表明，東西部地區城鎮化對經濟的影響作用大于經濟增長對城鎮化的影響[20]。周小剛等江西省城鎮化與經濟增長協整關系分析表明，若城鎮化率每提高一個百分點則人均增加515元[21]。朱孔來等通過建立VAR模型，利用脈沖響應函數與方差分解實證分析1978—2009年我國城鎮化與經濟增長動態關系，運用面板數據單位根檢驗與協整檢驗表明，城鎮化與經濟增長之間存在長期穩定均衡關系[22]。劉洪等基于非參數法和二次多項式模型分析湖北省城鎮化與經濟增長間關系，結果表明城鎮化與經濟增長間存在協整關系且城鎮化率與經濟發展之間存在促進作用[23]。

綜上所述，學者探討城鎮化、經濟增長與物流業碳排放關系往往基于兩者間視角研究，很少探討三者間整體關系。因此，本文以安徽省為例，在建立向量自回歸模型基礎上，運用Johansen協整檢驗、Granger因果關系檢驗以及脈沖響應定量分析城鎮化、經濟增長與物流業碳排放三者間關系。

二、變量選取、數據處理與計量模型

（一）變量選取、數據處理

1.物流業碳排放。物流行業在運輸、倉儲、流通加工、包裝、裝卸搬運等活動過消耗大量化石燃料，成為物流業碳排放的主要來源。因此，本文參照劉龍政等相關研究[14]，以物流業能源消費量估算碳排放量。將物流業不同能源消費量乘以各自折合標準煤系數、碳排放系數，由此估算出物流業碳排放量，測算公式為：

式（1）中，C表示物流業碳排放總量；i表示第i種能源類別，其中包括煤炭、柴油、汽油、煤油、燃料油、其他石油制品、天然氣和電力8種能源類別[6]；Ci表示第i種能源碳排放量；Ei表示物流業第i種能源消費量；θi與δi分別表示第i種能源折合標準煤標準系數與碳排放系數。在現有統計口徑中無針對物流業統計類別，因此本文以交通運輸、倉儲和郵政業能源消耗量作為物流業能源消耗量。能源消耗量數據來源歷年《中國能源統計年鑒》，折合標準煤標準系數與碳排放系數來源于2016年《中國能源統計年鑒》，并根據式（1）測算1995—2015年安徽省物流業碳排放量。

2.城鎮化。目前我國還沒有直接量化指標測度城鎮化水平，學者衡量城鎮化水平常用方法有五種，即人口比重法、城鎮土地利用比重法、調整系數法、農村城鎮化指標體系法與現代城市化指標體系法[24]。其中，人口比重法包括城鎮人口比重法與非農業人口比重法，而城鎮人口比重法以城鎮人口占總人口比重衡量某地區或國家城鎮化水平。綜合考慮數據可得性與研究需要，本文選取城鎮人口比重法衡量1995—2015年安徽省城鎮化發展水平，相關數據來源于歷年《安徽省統計年鑒》。

3.經濟增長。為更加確切反映物流業經濟增長速度與增長效應，以物流行業增加值作為衡量物流業經濟增長指標。同樣由于在現有統計口徑中沒有針對物流業統計類別，即以交通運輸、倉儲和郵政業的增加值替代物流業增加值，并按照1995年可比價格換算以剔除價格因素影響。交通運輸、倉儲和郵政業增加值數據來源于歷年《安徽省統計年鑒》。

由于時間序列數據可能會出現異方差問題和多重共線性等情況，本文對交通運輸、倉儲和郵政業碳排放量、城鎮化與交通運輸、倉儲和郵政業增加值三組時間序列取自然對數，分別表示為LNC、LNURB、LNZ，利用Eviews8.0軟件對安徽省1995—2015年物流業碳排放、城鎮化與經濟增長相關變量實證分析。

（二）計量模型

在式（2）中，yt為k維內生變量列向量，xt為d維外生變量列向量，ρ為滯后階數，T為樣本個數;α1，…，αρ為k×k維待估計系數矩陣，β為k×d維待估計系數矩陣；εt為k維擾動列向量。

三、物流業碳排放與城鎮化、經濟增長的實證分析

（一）平穩性檢驗

為防止模型出現偽回歸現象，對所選取時間序列平穩性檢驗，本文采用ADF法檢驗時間序列是否存在單位根，若時間序列存在單位根，則表明原序列非平穩序列，反之則說明原時間序列為平穩序列，結果見表1。由表1可知，原序列LNC、LNURB、LNZ的ADF檢驗值均大于各相應水平下臨界值，不能拒絕序列有單位根原假設，表明時間序列LNC、LNUR、LNZ含有單位根，為非平穩序列。對原序列LNC一階差分（DLNC）、原序列LNURB一階差分（DLNURB）和原序列LNZ的一階差分（DLNZ）ADF檢驗，結果表明差分序列DLNC在5%顯著性水平下拒絕序列有單位根原假設，差分序列DLNURB和DLNZ在1%顯著性水平下拒絕序列由單位根原假設，因此DLNC、DLNURB和DLNZ均為平穩序列。

（二）Johansen協整檢驗

為檢驗時間序列LNC、LNURB、LNZ是否存在長期穩定關系，對其協整檢驗。由平穩性檢驗可知，LNC、LNUR與LNZ均為一階單整時間序列，滿足協整檢驗前提條件。協整檢驗滯后階數一般為無約束VAR模型最優滯后階數減1，因此確定協整檢驗滯后階數為1，檢驗結果見表2。

表1 變量的ADF檢驗

表2 Johansen協整檢驗結果

由表2可知，原假設None表示序列間不存在協整關系，該假設下跡檢驗值46.006，大于5%顯著性水平下臨界值29.797，概率p值為0.0003，拒絕不存在協整關系原假設；原假設At most 1表示序列間至多存在一個協整關系，該假設下跡檢驗值18.464，大于5%顯著性水平下的臨界值15.495，概率p值為0.0173，拒絕至多存在一個協整關系原假設；原假設At most 2表示序列間至多存在兩個協整關系，該假設下跡檢驗值1.391，小5%顯著性水平下臨界值3.841，概率p值為0.2382，不拒絕至多存在兩個協整關系原假設，確定序列間存在兩個協整關系，即物流業碳排放、城鎮化與經濟增長間存在長期穩定均衡關系。根據Johansen協整檢驗結果得到標準化協整方程如式（3）所示：

從式（3）中可看出，城鎮化對物流業碳排放長期彈性為3.563，即長期內城鎮化水平每提高1%，物流業碳排放增加3.563%；經濟增長對物流業碳排放長期彈性為0.524，長期內經濟增長水平沒提高1%，物流業碳排放增加0.524%。從長期來看，城鎮化對物流業碳排放正向影響大于經濟增長對物流業碳排放正向影響。

（三）VAR模型與Granger因果關系檢驗

Johansen協整檢驗表明安徽省物流業碳排放、城鎮化與經濟增長間存在長期均衡關系，但變量間是否存在因果關系以及三者間因果關聯需通過Granger因果關系檢驗分析，而時間序列Granger因果關系檢驗建立在VAR模型基礎上，且穩定VAR模型為脈沖分析和方差分解基礎。在建立VAR模型時滯后階數選擇非常重要，若滯后階數太小，可能會出現待估參數非一致性問題；若滯后階數太大，可能影響待估參數及有效性[25]。由于樣本限制，VAR模型滯后階數選擇在1至4階間選擇，根據AIC、SC最小原則及多次試驗，最終選擇VAR模型滯后階數為2，此時AR根均處于單位圓內，滿足VAR模型穩定性條件要求，檢驗結果如圖1所示。

在構建VAR模型基礎上檢驗時間序列Granger因果關系，結果見表3。首先，城鎮化LNURB在5%顯著性水平下構成對物流業碳排放LNC單向Granger原因。安徽省2017年常住人口城鎮化率已達到50.5%，年平均增長率為1.5%。隨著安徽省城鎮化不斷發展，大量農村人口向城鎮轉移，而農村人口市民化伴隨城鎮醫療、教育、住房、交通等基礎設施增加以及城鎮居民消費需求擴大，這些社會經濟活動開展均離不開物流業支撐，如生鮮物流、冷鏈物流、城市物流和生產資料物流等。因此，城鎮化發展刺激物流業潛在市場消費需求，促進物流業市場規模擴大，從而增加物流產業能源消耗，導致物流業碳排放量增加。其次，經濟增長LNZ在5%顯著性水平下構成對物流業碳排放LNC單向Granger原因。說明安徽省物流業發展會導致產業碳排放量增加，但物流業碳排放與物流產業發展態勢無關聯。安徽省近年來物流產業發展迅速，“十二五”期間全省物流業增加值由2010年的670億元增長到2015年的1 280億元，年平均增長率達到13.8%，物流業總費用雖有所下降但仍占生產總值比率較大，如2015年安徽省社會物流業總費用占生產總值比率為16.8%，高于全國同期平均水平16%。但安徽省目前物流業發展仍較粗放，尚未真正實現低碳物流、綠色物流發展目標。因此，現行物流產業發展必然導致碳排放量增加。另外，經濟增長LNZ在5%顯著性水平下構成對城鎮化LNURB單向Granger原因。物流業發展對城鎮化建設過程中就業、基礎設施建設及產業聯動等發揮重要作用。如物流業發展吸收大量勞動力，減輕農業轉移人口就業壓力；改善城鎮交通基礎設施，促進城鎮化進程中基礎服務體系建設；物流業作為第三產業，有助于城鎮化建設過程中形成以服務經濟為主的產業結構，促進產業聯動發展。因此，物流產業發展對城鎮化水平、質量提升具有重要影響。

圖1 AR根圖

表3 Granger因果關系檢驗

（四）脈沖響應函數分析

脈沖響應函數描述被解釋變量對解釋變量一標準差沖擊后響應變化反應，基于Granger因果關系檢驗，可利用脈沖響應函數進一步研究變量間短期動態響應關系。為探析城鎮化與經濟增長對物流業碳排放以及經濟增長對城鎮化的短期動態影響，根據上述建立VAR（2）模型，對變量LNC、LNURB、LNZ做脈沖響應函數分析，將VAR（2）模型沖擊作用追蹤期設為10期，結果如圖2所示。

圖2中前兩幅圖分別顯示城鎮化與經濟增長一個標準差沖擊引起物流業碳排放變動脈沖響應函數圖。從第一幅圖LNC對LNURB的脈沖響應中可見，當期城鎮化LNURB未引起物流業碳排放LNC反應數值的變化；從第二期開始物流業碳排放反應數值有較大幅度提高；從第二期到第四期物流業碳排放反應數值平緩增長，并在第四期物流業碳排放反應數值達到最大0.032；從第五期開始城鎮化對物流業碳排放正向效應趨于平緩，在一個沖擊周期內，城鎮化對物流業碳排放累計響應值為0.233。第一幅圖分析結果表明：短期內由于城鎮化水平提高，引起物流需求擴張及物流企業集聚，使得物流業碳排放急劇增加；但隨著城鎮化建設深入發展，如以節約集約、生態宜居、和諧發展等為特征的新型城鎮化概念出現，物流業碳排放將會出現一定程度下降，最終趨于平緩。從第二幅圖LNC對LNZ的脈沖響應中可見，當期經濟增長LNZ未引起物流業碳排放LNC反應數值變化；第二期物流業碳排放反應數值快速增長并達到最大值0.029；從第二期到第六期經濟增長對物流業碳排放脈沖響應表現為正負效應交替出現；從第八期開始經濟增長對物流業碳排放正向效應趨于平緩，在一個沖擊周期內，經濟增長對物流業碳排放累計響應值為0.099。第二幅圖分析結果表明：短期內經濟增長將會引起物流業碳排放增加，但隨著經濟水平發展到一定程度，人們環保意識逐步提高，物流業碳排放也將出現一定程度下降，最終趨于平緩。圖2中第三幅圖顯示經濟增長一個標準差沖擊引起城鎮化變動脈沖函數圖。從第三幅圖LNURB對LNZ的脈沖響應中可見，當期經濟增長LNZ未引起城鎮化LNURB反應數值1變化；第一期到第三期城鎮化反應數值增長率約由0.02提高到9.203，并在第三期達到最大值0.019；從第三期到第六期經濟增長對城鎮化正向效應不斷減弱；從第七期開始，經濟增長對城鎮化的正向效應趨于平緩，在一個沖擊周期內，經濟增長對城鎮化的累計響應值為0.088。第三幅圖分析結果表明，經濟增長會提高城鎮化發展水平，經濟增長可有效轉移農村勞動力、統籌城鄉發展、改善產業結構，為提高城鎮化建設水平提供強有力支撐。

圖2 脈沖響應函數

四、結論與建議

通過利用安徽省1995—2015年相關數據研究物流業碳排放與城鎮化、經濟增長關系，基于VAR模型，運用協整檢驗、Granger因果關系檢驗以及脈沖響應定量分析城鎮化、經濟增長與物流業碳排放三者間關系，得出如下結論：①協整檢驗結果顯示，安徽省物流業碳排放、城鎮化與經濟增長三者之間存在長期均衡關系。從標準化協整方程式可知，城鎮化對物流業碳排放長期彈性為3.563，經濟增長對物流業碳排放長期彈性為0.524，即從長期來看，城鎮化對物流業碳排放正向影響大于經濟增長對物流業碳排放正向影響，初步判斷城鎮化相比經濟增長對物流業碳排放影響顯著。②Granger因果關系檢驗表明，城鎮化與經濟增長是物流業碳排放單向Granger原因，經濟增長是城鎮化單向Granger原因，即安徽省城鎮化水平提高與物流產業發展均會引起物流業碳排放增加，且物流產業發展推動城鎮化建設。③從脈沖響應函數來看，城鎮化水平提高與經濟增長均能引起物流業碳排放增加，且證明城鎮化相比經濟增長對物流業碳排放影響顯著。另外，社會經濟發展到一定階段，在追求經濟效益同時也會重視環境效益，城鎮化與經濟增長對物流業碳排放影響最終趨于平緩。

基于上述結論，為有效降低物流業碳排放，促進低碳經濟快速發展，提出以下政策建議：①在城鎮化進程中加強人力資本投入，提高科學文化素養和環境保護意識。對城鎮居民而言，推廣低碳物流與綠色物流發展理念，在滿足物流需求過程中盡量選擇綠色運輸、綠色包裝與綠色流通加工等物流企業，倡導低碳物流消費方式；對物流業而言，要優化能源消費結構，提高清潔能源使用效率，把優化能源消費結構作為發展低碳物流重要手段。城鎮化進程加快為物流業帶來消費需求與發展潛能，加大物流業能源消費，目前安徽省物流業能源消費中主要以原煤、汽油與柴油等高污染、高排放化石燃料為主。因此，物流業要從環境效應與節約資源角度出發，改善物流體系，加大天然氣等清潔能源利用率。②經濟增長對物流業碳排放具有正向影響，表明安徽省物流業經濟發展方式有待轉變，未能形成經濟效應與環境效應協調發展模式。因此，物流企業要建立低碳物流與綠色物流管理機制，營造低碳環保企業文化氛圍，積極承擔企業社會責任，把低碳物流、綠色物流等發展理念融入企業經營活動過程。一方面物流企業要加大低碳物流、綠色物流技術研究與開發力度，推動物流企業與高校、科研機構間合作，完善應對新技術、新設備需求機制，為低碳物流、綠色物流發展提供強有力技術支撐；另一方面物流企業要合理開發和優化配置企業內部物流資源，建立經濟效益與環境保護等多指標企業綜合評價體系，推進企業低碳物流、綠色物流可持續健康發展。③經濟增長是城鎮化單向Granger原因，且經濟增長對城鎮化貢獻率較大，表明安徽省物流業經濟水平提高加快城鎮化進程，但城鎮化對物流業經濟發展促進作用不明顯。因此，在進一步發揮物流業吸納農業轉移人口、改善城鄉交通基礎設施、縮小城鄉差距等促進城鎮化作用基礎上，要以城鎮化發展為契機，提高物流經濟發展水平。

［1］Jones D W.How Urbanization Affects Energy-use in Developing Countries[J].Energy Policy,1991(7)：621-630.

［2］Parikh J,Shukla V.Urbanization,Energy Ise and Greenhouse Effects in Economic Development：Results from a Cross-national Study of Developing Countries[J].Angewandte Chemie,1995(13)：3932-3936.

［3］Poumanyvong P,Kaneko.Does Urbanization Lead to Less Energy use and Lower CO2Emissions?A cross-country Analysis[J].Ecological Economics,2010(2)：434-444.

［4］馬越越,王維國.中國物流業碳排放特征及其影響因素分析——基于LMDI分解技術[J].數學的實踐與認識,2013(10)：31-42.

［5］張晶,蔡建峰.我國物流業碳排放區域差異測度與分解[J].中國流通經濟,2014(8)：25-30.

［6］張立國,李東,周德群.中國物流業二氧化碳排放績效的動態變化及區域差異——基于省級面板數據的實證分析[J].系統工程,2013(4)：95-102.

［7］張立國.中國物流業二氧化碳排放變化驅動因素分析[J].中國流通經濟,2016(12)：29-39.

［8］楊建華,高卉杰.北京城市物流業碳排放及驅動因素研究[J].數學的實踐與認識,2016(6)：54-61.

［9］苑清敏,張文龍,寧寧寧.京津冀物流業碳排放驅動因素及脫鉤效應研究[J].科技管理研究,2016(5)：222-226.

［10］梁雯,張勤,陳廣強.中國物流業經濟發展與能源碳排放的脫鉤研究[J].廣西社會科學,2017(4)：61-67.

［11］劉丙泉,程凱,馬占新.城鎮化對物流業碳排放變動影響研究[J].中國人口·資源與環境,2016(3)：54-60.

［12］Grossman M G,Krueger B A.Economic Growth and the Environment[J].Quarterly Journal of Economics,1995(2)：353-377.

［13］Glaser M.Determinants of CO2Emissions in a Small Open Economy[J].Ecological Economics,2003,45(1)：133-148.

［14］劉龍政,潘照安.中國物流產業碳排放驅動因素研究[J].商業研究,2012(7)：189-196.

［15］汪欣,萬明.安徽省物流業碳排放規模及其影響因素研究——基于長三角四省市比較[J].安徽大學學報（哲學社會科學版）,2017(3)：148-156.

［16］Hoselitz B F.Urbanization and Economic Growth in Asia[J].Economic Development&Cultural Change,1957(1)：42-54.

［17］Berry B J L.City Classification Handbook：Methods and Applications[M].New York：John Wiley&Sons,1970.

［18］Northam R M.Urban Geography[M].New York：John Wiley&Sons,1975.

［19］王時福.城鎮化與區域經濟發展[J].經濟地理,1991(1)：45-50.

［20］張世晴.我國三大區域城鎮人口——經濟增長速度的比較[J].人口與經濟,1993(3)：3-12.

［21］周小剛,陳東有.江西城鎮化與經濟增長協整關系的實證研究[J].江西社會科學,2008(8)：32-36.

［22］朱孔來,李靜靜,樂菲菲.中國城鎮化進程與經濟增長關系的實證研究[J].統計研究,2011(9)：80-87.

［23］劉洪,王江濤.基于非參數方法的城鎮化與經濟發展的分析[J].統計與決策,2013(22)：92-95.

［24］姜愛林.城鎮化水平的五種測算方法分析[J].中央財經大學學報,2002(8)：76-80.

［25］王兵,陳雪梅.產業結構與廣東經濟增長——基于VAR模型的實證分析[J].暨南學報,2006(4)：46-50.