中國能源消費、經濟增長與碳排放之間的動態關系

趙明軒， 呂連宏， 張保留， 羅 宏

中國環境科學研究院環境管理研究中心, 北京 100012

在新冠肺炎疫情的沖擊下，2020年4月，全球每日CO2排放量比同期減少約17%，各國排放量的峰值比同期平均減少約26%[1]. 全球經濟增長速度放緩，短期內對氣候變化可能是有利的，但在后疫情時代，各國可能會把經濟增長放置首位. 如何推動新冠肺炎疫情后世界經濟的“綠色復蘇”，應成為各國首要思考的問題.

自改革開放以來，中國經濟取得了令世界矚目的成就，中國一躍成為世界第二大經濟體，據國家統計局2019年數據顯示，中國GDP總量為 990 865 億元[2]，同時保持年均6.1%的增長[3]. 在快速發展過程中，中國已成為世界上較大的能源消耗和CO2排放國之一. 能源是一國發展的重要因素[4]，中國在實現經濟平穩增長的同時，還需控制化石能源的消耗[5]. 另外，經濟發展和人口增長是推動化石能源燃燒產生溫室氣體(GHG)排放的主要因素[6]. 在化石能源消耗方面，煤炭使用量逆轉了世界能源供應逐漸脫碳的長期趨勢，預計未來5年內，煤炭依舊處于全球能源消耗首位[7]. 雖然，中國在2018年實現了CO2排放強度比2005年下降45.8%的目標，但CO2排放量仍占全球總量的20%. 中國過去的發展過多依賴碳能源的消耗，這是CO2排放量顯著增加的重要原因[8]，并且地區之間存在地域差異性[8-11]，針對不同經濟分區的特殊性，應該提出差異化的政策. 在后疫情時代，如何實現區域經濟增長、能源消費和CO2排放的動態協調發展，是中國持續推進生態文明建設、實現綠色可持續發展的關鍵問題.

能源消費、經濟增長和CO2排放之間關系的研究較多. 從國內研究來看，主要分為全國數據[8,12-16]和單一省份或地區，如長三角地區[17-18]、京津冀地區[19]等，但多數都是時間序列數據，對于將全國劃分為不同地區的面板數據較少. 不同地區對于能源消費、經濟增長與CO2排放的影響是不相同的，WANG等[8]通過中國省級數據，分析了CO2總排放量和人均排放量的區域差異，并且提出為了縮小各省份之間的地域差異，迫切需要區域補償機制，以平衡不同省份之間經濟增長與環境可持續性. 有研究[20-21]以全球為視角，對能源消費、經濟增長和CO2排放量等變量進行分析，得出不同經濟發展程度國家的能源、經濟與CO2排放之間的影響關系. Alam等[22]對巴西、印度、印度尼西亞和中國的分析表明，隨著中國收入水平的提升，CO2排放量會隨之減少，而印度CO2排放量并不會隨著收入的提升而降低，這充分說明地域經濟發展差異對結果的影響.

能源消費、經濟增長和CO2排放三者之間關系的研究，較多采用向量自回歸模型(VAR)進行分析，少部分研究采用3SLS[17]、OLS[23]、FMOLS[12]、DOLS[14]等方法. 建立VAR模型，以全國數據為樣本進行格蘭杰因果關系檢驗得到的關系中，多數結果表明，能源消耗與CO2排放[8,13,24-25]以及能源消耗與經濟增長[8,25-26]之間存在雙向的因果關系，而經濟增長促進了CO2排放量的增加[8]. 以地區為樣本進行回歸分析顯示，我國東部、中部、西部和東北部地區統計結果差異較大，印證了不同經濟發展程度地區間存在差異性[16-18,27-28]. 已有研究中較少考慮固定資產投資對能源消費、經濟增長和CO2排放三者的影響作用. 研究[29]表明，固定資產投資不僅對CO2排放具有顯著正向影響，而且是CO2排放的主要影響因素之一[30].

綜上，該研究分析能源消費、經濟增長與CO2排放之間關系時，按東部、中部、西部和東北部四大經濟區域進行劃分，同時加入固定資產投資變量，采用面板向量自回歸模型(PVAR)進行分析. PVAR分析方法綜合了面板分析和VAR模型的優點，既能控制不可觀測的個體異質性(包括個體效應和時間效應)，也可分析面對沖擊時的動態反應[31]. 利用系統廣義矩估計(System-GMM)方法對模型進行回歸，通過格蘭杰因果關系檢驗、脈沖響應分析與方差分解對變量之間關系進行分析.

1 模型構建

由Love等[32]建立的面板向量自回歸模型(PVAR)已在跨領域研究中得到應用. 相比傳統的VAR模型，PVAR模型將所有的變量都設定為內生變量，同時面板數據能夠觀察到個體異質性[32]，與VAR模型相似，能解釋不要求整個經濟結構的經濟問題[20,33]. 在分析有相互依賴的經濟問題時，橫截面尺度會彌補時間序列尺度不足的劣勢[34].

PVAR模型建立如式(1)所示.

(1)

式中：t代表年份；i代表省份；k表示模型的滯后階數；Ai表示截距項向量；Aj是滯后變量的系數矩陣；Yit是包含模型中所有內生變量的列向量；Yit-j為內生變量的j階滯后項；μi為無法觀測到的個體效應向量；τt為時間效應向量；εit為隨機擾動項.

PVAR模型的實證分析是為了估計截距項向量(Ai)以及滯后變量系數矩陣(Aj). 在模型估計前，首先采用前向均值差分法和組內均值差分法分別消除個體效應(μi)和時間效應(τt). 在進行廣義矩估計時，雖然單一變量逐次估計可獲得一致估計，但方程組估計更有利于提高估計的有效性[35]，因此該研究采用Abrigo等[36]提出的系統廣義矩估計(System-GMM).

2 數據來源與模型選取

按東部、中部、西部和東北部四大經濟區域開展研究[37]，數據來源于《中國統計年鑒》，時間范圍選取2000—2017年，受數據限制未包含西藏自治區和港澳臺地區數據.

2.1 經濟增長(ln E)

經濟增長指標選取地區生產總值，為了降低物價對于經濟的影響，使用地區生產總值指數進行平減(1978年作為基期).

2.2 CO2排放(ln C)

根據聯合國政府間氣候變化專門委員會(IPCC)AR4版報告稱，化石能源的燃燒是溫室氣體排放的主要原因，占比在90%以上.因此采用化石能源(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣)的消耗量間接計算出各省份CO2排放量[38]，計算公式：

(2)

式中：Cit表示i省份t年的CO2排放量，104t；Eixt表示i省份t年消費x類能源總量，104t；σx表示能源折標準煤參考系數，kgce/kg；ρx表示x類能源的碳排放系數，kg/kgce. 《中國能源統計年鑒2018》公布的標準煤折算系數以及IPCC公布的碳排放系數如表1所示.

表1 能源碳排放系數和標準煤折算系數

2.3 化石能源消費(ln EC)

選取2000—2017年主要能源產品(煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣)省級消費量，將其按照能源折標準煤參考系數，折成標準煤加總. 為避免與CO2排放量呈高度的線性關系，選取人均能源消費量對地區能源消費進行衡量. 人均能源消費量等于地區折算成標準煤的能源消費量除以地區總人口數.

2.4 固定資產投資(ln I)

研究[39]表明，中國固定資產投資與經濟增長、能源消費具有長期穩定的相關性. 固定資產投資不僅顯著促進能源消費[40]、CO2排放[29]，同時也對生態環境產生負面影響[39]. 因此，加入固定資產投資指標作為控制變量，衡量固定資產投資對能源消費、經濟增長和CO2排放的影響. 為消除物價影響，采用固定資產投資價格指數.

為消除不同數據異方差的影響，以上數據均采用取自然對數的方法進行處理. 各數據統計指標為能源消費(ln EC)、經濟增長(lnE)、CO2排放(lnC)、固定資產投資(lnI). 上述指標的一階差分(dln EC、dlnE、dlnC、dlnI)分別對應各自指標的增長率. 四大經濟區域各指標描述性統計如表2所示.

表2 我國四大經濟區域變量描述性統計

3 實證檢驗

3.1 面板單位根檢驗

面板單位根檢驗主要包括2類：第一類檢驗要求自回歸系數都相同，主要有LLC檢驗、HT檢驗、Breitung檢驗；第二類檢驗不要求自回歸系數相同，主要有IPS檢驗、ADF-Fisher檢驗、PP-Fisher檢驗. 由于我國不同地域的經濟社會狀況具有一定的差異性，第一類檢驗的共同根假設在實踐中可能過強，因而該研究選擇第二類檢驗. 表3是對東部、中部、西部和東北部四大經濟區域的3種單位根檢驗，從統計結果發現，4個區域水平數據均通過ADF-Fisher檢驗，但是未通過IPS檢驗和PP-Fisher檢驗，由于ADF-Fisher檢驗并不嚴格，因此進行一階差分檢驗，從統計結果得出，變量通過顯著性水平.

表3 我國四大經濟區域面板單位根檢驗

3.2 PVAR模型分析

3.2.1滯后階數

在建立PVAR模型之前，首先對模型進行滯后階數檢驗，該研究使用3種滯后階數的檢驗標準，分別為AIC、BIC、HQIC，統計結果如表4所示. 滯后階數的選擇不宜過大，否則會減少模型的自由度，造成模型數據不必要的損失. 滯后階數過小，會降低模型檢驗結果的精確度. 滯后階數應以通過較多檢驗標準為依據進行選取，因此，東部、中部、西部和東北部分別選取2階、1階、2階、1階.

表4 滯后階數檢驗

3.2.2PVAR估計

利用系統廣義矩估計(System-GMM)方法對PVAR模型進行估計檢驗，結果如表5所示. 從東部地區模型結果得出，固定資產投資對東部地區經濟增長具有1階和2階滯后顯著，但滯后2階的固定資產投資對當期的經濟增長產生正向促進作用，固定資產投資的2階滯后對CO2排放有顯著影響. 經濟增長的1階滯后對能源消費、CO2排放和固定資產投資均具有顯著影響，前一期經濟增長會帶動東部地區當期能源消費增加和固定資產投資提升. 能源消費的2階滯后對經濟增長、CO2排放均具有負向顯著影響，但對固定資產投資具有正向顯著影響.

表5 PVAR模型系數估計

從中部地區模型結果得出，前一期經濟增長與當期能源消費、經濟增長、CO2排放均呈顯著正相關，但前一期固定資產投資對當期經濟增長、CO2排放產生抑制作用；同時，前一期能源消耗與當期固定資產投資呈顯著正相關，前一期CO2排放與當期經濟增長、固定資產投資呈顯著正相關.

從西部地區模型結果得出，前一期經濟增長與當期能源消耗、經濟增長、CO2排放以及固定資產投資均呈顯著正相關，同時前一期能源消費和CO2排放與當期固定資產投資分別呈負相關和正相關. 滯后2階的能源消費與當期的能源消費、經濟增長以及CO2排放均呈顯著負相關，但與固定資產投資呈正相關. 滯后2階的經濟增長與當期能源消費、CO2排放和固定資產投資均呈顯著負相關. 滯后2階的CO2排放與當期能源消費、CO2排放呈顯著負相關，與當期的經濟增長和固定資產投資呈顯著正相關. 滯后2階的固定資產投資與當期經濟增長呈顯著正相關.

從東北地區模型結果得出，前一期經濟增長與當期能源消費、經濟增長以及CO2排放呈顯著正相關，前一期CO2排放與當期能源消費、經濟增長、CO2排放以及固定資產投資均呈顯著正相關.

3.3 格蘭杰因果檢驗

為檢驗能源消費、經濟增長、CO2排放之間的因果關系，利用格蘭杰因果關系檢驗進行分析，同時加入固定資產投資指標.分地區的統計結果如表6所示.

表6 格蘭杰因果檢驗

從東部地區結果得出，能源消費與經濟增長、能源消費與固定資產投資以及經濟增長與固定資產投資之間均呈雙向因果關系. CO2排放與能源消費、經濟增長以及固定資產投資均呈單向因果關系.

從中部地區結果得出，經濟增長與CO2排放、固定資產投資與CO2排放之間均呈雙向因果關系，能源消費與經濟增長、固定資產投資與能源消費、經濟增長與固定資產投資均呈單向因果關系，其他變量之間不存在因果關系.

從西部地區結果得出，能源消費與經濟增長、能源消費與CO2排放、經濟增長與CO2排放以及固定資產投資與經濟增長之間均呈雙向因果關系.

從東北部地區結果得出，經濟增長與CO2排放、固定資產投資與CO2排放之間均呈雙向因果關系. 能源消費與經濟增長、能源消費與CO2排放均呈單向因果關系. 其余變量之間并不存在因果關系.

3.4 脈沖分析

為進一步分析四大經濟區域各變量之間的動態關系，分地區進行脈沖分析，按各區域選取的滯后階數，觀察各變量在給定1標準差沖擊后的動態反應，預測期設定為10年，當期為2017年，預測期為2018—2027年.

3.4.1東部地區脈沖分析

由圖1可見：經濟增長對能源消費的脈沖表現為正向沖擊，且在第1期達到峰值后，逐漸回落至穩態；而能源消費對來自CO2排放的沖擊首先表現為負向，在第1期負向沖擊達到最大，第2期后逐漸回歸穩態，并在第3期達到穩態；固定資產投資對能源消費的沖擊在第3期達到正向峰值，隨后逐漸回歸穩態.

圖1 東部地區脈沖分析Fig.1 Impulse response in eastern China

能源消費對經濟增長在當期(第0期)表現為正向沖擊，并且在第1期達到峰值，第4期后逐漸回落；CO2排放對經濟增長首先產生負向沖擊，在第2期達到負向沖擊峰值后回落至穩態；固定資產投資對經濟增長首先表現為負向沖擊，隨后上升并在第3期達到正向峰值后，逐漸回落至穩態，整體看，固定資產投資對經濟增長表現為正向沖擊.

經濟增長對CO2排放的沖擊在第1期達到峰值，隨后逐漸回落至穩態，經濟增長對CO2排放整體上表現為正向沖擊；固定資產投資對CO2排放的沖擊在第3期達到峰值，隨后逐漸回落至穩態.

3.4.2中部地區脈沖分析

由圖2可見：經濟增長對能源消費表現出長期正向沖擊，在第3期達到峰值，隨后維持峰值沖擊水平；CO2排放對能源消費表現為正向沖擊，并在第1期達到峰值；固定資產投資對能源消費表現為負向沖擊，并長期保持較高負向沖擊水平.

能源消費對經濟增長在當期產生正向沖擊，并在第1期達到峰值；CO2排放對經濟增長表現出正向沖擊，第1期達到正向沖擊峰值，并長期保持較高沖擊水平；固定資產投資對經濟增長產生負向沖擊，在第1期達到負向沖擊峰值，并長期保持較高的負向沖擊水平.

能源消費對CO2排放在當期(第0期)的沖擊最大，隨后逐漸回落至穩態；經濟增長對CO2排放在第2期達到正向峰值，并長期保持較高的正向沖擊水平；固定資產投資對CO2排放表現為負向沖擊，在第1期達到負向沖擊峰值，并長期保持較高的負向沖擊水平.

3.4.3西部地區脈沖分析

由圖3可見：經濟增長對能源消費產生正向沖擊，在第1期達到峰值，第2期后逐漸回落，但仍長期保持較高的正向沖擊水平；CO2排放對能源消耗首先表現出負向沖擊，在第2期達到負向峰值，隨后逐漸上升，并在第4期達到正向沖擊峰值，整體來看，CO2排放對能源消費具有正向沖擊；固定資產投資對能源消費在第1期達到正向峰值，隨后逐漸回落至穩態.

圖3 西部地區脈沖分析Fig.3 Impulse response in western China

能源消費對經濟增長在當期產生正向沖擊，在第2期達到峰值，并長期保持較高的正向沖擊水平；CO2排放對經濟增長在第4期達到正向峰值，并長期保持較高的正向沖擊水平；固定資產投資對經濟增長首先產生負向沖擊，在第1期達到負向峰值，隨后逐漸回升并在第3期達到正向峰值，整體看，固定資產投資對經濟增長具有正向沖擊作用.

經濟增長對CO2排放產生正向沖擊，在第1期達到峰值，并保持較高的正向沖擊水平；固定資產投資對CO2排放產生正向沖擊，在第1期達到峰值，隨后回落至穩態.

3.4.4東北部地區脈沖分析

由圖4可見：經濟增長對能源消費產生正向沖擊，在第2期達到峰值，并維持較高的正向沖擊水平；CO2排放對能源消費產生正向沖擊，在第1期達到峰值；固定資產投資對能源消費產生負向沖擊，在第1期達到負向峰值，并長期維持負向沖擊狀態.

圖4 東北地區脈沖分析Fig.4 Impulse response in northeastern China

能源消費對經濟增長在當期產生正向沖擊，在第2期達到峰值并保持穩定沖擊狀態；CO2排放對經濟增長產生長期正向沖擊；固定資產投資對經濟增長產生負向沖擊.

經濟增長對CO2排放產生正向沖擊，在第2期達到峰值并維持穩定正向沖擊狀態；固定資產投資對CO2排放產生負向沖擊.

3.5 方差分解

通過預測誤差的方差分解(FEVD)，可以得出單個變量對其余內生變量的貢獻度，以此來衡量單個變量對其余內生變量沖擊的重要性[41]. 分別對東部、中部、西部和東北部地區進行預測，預測期為20年，方差分解結果如圖5～8所示.

3.5.1東部地區

由圖5可見：經濟增長對能源消費貢獻度約為35%，是能源消費波動的重要因素；能源消費對經濟增長貢獻度約12%，是影響經濟增長波動的重要因素. 固定資產投資對經濟增長的貢獻度較小，但是變幅較大，約為5%；能源消費對CO2排放的貢獻度在初始較強，約90%，但隨著時間的推移，能源消費的貢獻度逐漸下降，最終維持在60%左右. 經濟增長對碳排放的貢獻度持續增加，變幅約為40%.

圖5 東部地區方差分解Fig.5 Variance decomposition in eastern China

3.5.2中部地區

由圖6可見：經濟增長對能源消費的貢獻度約為30%，是影響能源消費的重要因素；能源消費對經濟增長也存在重要影響，貢獻度約為30%；隨著時間的推移，能源消費對CO2排放的貢獻度逐漸下降，但仍是重要影響因素，經濟增長對CO2排放貢獻度約為30%.

圖6 中部地區方差分解Fig.6 Variance decomposition in central China

3.5.3西部地區

由圖7可見：經濟增長對能源消費的貢獻度約為38%，是能源消費的重要影響因素；能源消費也是經濟增長的重要影響因素，且貢獻度達30%，是影響經濟增長的重要因素；隨著時間的推移，能源消費對CO2排放貢獻度逐漸下降，但仍對CO2排放有較大的影響，而經濟增長對CO2排放的影響程度逐漸加強，變幅約為40%.

圖7 西部地區方差分解Fig.7 Variance decomposition in western China

3.5.4東北地區

由圖8可見：隨著時間的推移，經濟增長為能源消費的貢獻度逐漸提升，變幅約為25%；能源消費對經濟增長的貢獻度約為55%，是經濟增長的重要影響因素；能源消費是CO2排放的重要影響因素，并長期保持較高貢獻度；經濟增長對CO2排放的貢獻度較低，變幅約為25%.

圖8 東北地區方差分解Fig.8 Variance decomposition in northeastern China

4 結論與建議

4.1 結論

a) 從東部地區來看，經濟增長依賴于對能源的消耗，二者既存在雙向因果關系，又存在雙向正向脈沖響應，方差分解結果表明，能源消費與經濟增長互為重要影響因素，經濟增長會帶來CO2排放的增加，存在單向因果關系，并逐漸成為CO2排放的重要影響因素，這說明能源消耗對東部地區經濟增長帶動較強. 固定資產投資對CO2排放產生正向影響，并且對經濟增長和能源消耗均有雙向因果關系，這表明固定資產投資既會拉動經濟增長，也會帶來能源消耗和CO2排放.

b) 從中部地區來看，能源消費對經濟增長存在單向因果關系，二者之間存在雙向正向沖擊，且長期來看，能源消費與經濟增長之間互為重要影響因素. 經濟增長對CO2排放存在長期正向沖擊，并且二者之間存在雙向因果關系. 前一期的經濟增長對當期能源消費和CO2排放具有顯著正向促進作用，存在化石能源拉動經濟增長的現象，并且中部地區經濟增長并沒有減少化石能源的消耗，相反，對化石能源的需求有所增加.

c) 從西部地區來看，經濟增長與能源消費之間存在雙向正向沖擊，并且存在雙向因果關系，二者之間互為重要影響因素. 相較于東部地區，西部地區經濟發展程度較低，但是依舊呈現高耗能的發展模式，經濟增長與CO2排放之間存在雙向正向沖擊，并且存在雙向因果關系，方差分解結果表明，經濟增長是CO2排放的重要影響因素. 固定資產投資對地區經濟增長具有顯著促進作用，二者之間具有雙向因果關系，西部地區重工業企業較多，同時由于經濟發展水平較低，工業企業能源技術相對落后，固定資產投資能夠較好地加速地區技術進步.

d) 從東北地區來看，經濟增長和能源消費之間存在單向因果關系，存在雙向正向的脈沖響應，方差分解結果表明，能源消費與經濟增長之間互為重要影響因素. 經濟增長與CO2排放之間具有雙向因果關系，并且具有雙向正向沖擊. 方差分解表明，東北地區經濟增長對CO2排放的貢獻度較低，說明東北地區第二產業比重下降，第三產業對經濟貢獻度上升. 固定資產投資對該地區能源消耗和CO2排放具有負向沖擊，地區產業相比于東部，仍處于較為落后的階段，固定資產投資會有效淘汰落后的高耗能、高污染工序.

總體來說，四大經濟區均呈現能源消費與經濟增長互為重要影響因素，說明中國經濟增長依賴于對能源的消耗，但是東部與西部又呈現不同的特征，東部地區呈現高能耗、高收入的發展特征，西部地區雖然呈現高能耗發展態勢，但是經濟發展質量較低. 一方面由于西部地區經濟基礎較為薄弱，工業基礎設施較為落后；另一方面由于東部地區的地理優勢，對外貿易頻繁，加速地區現代化進程.

4.2 建議

中國應該根據不同經濟分區的地域差異，在經濟增長與CO2排放降低的雙重挑戰下，積極減緩和適應氣候變化，實現高質量永續發展.

a) 從東部地區來看，固定資產投資并不能有效促進東部地區經濟增長，同時還會增加地區CO2排放. 地方政府未來應該轉變發展模式，將資金適度地轉移到對人力資本的投資[10]及低碳和清潔能源技術研發上，先進的能源技術對東部地區經濟增長有較強促進作用[42]，進一步深化供給側結構性改革，提升能源利用效率. 應大力發展清潔生產和節能減排，降低對能源的消費成本.

b) 從中部地區來看，能源消費是拉動經濟增長的主要途徑，經濟增長又是CO2排放的重要因素，同時固定資產投資會減少地區CO2排放. 從長遠的角度看，中部應該進一步結合區位優勢，提高對可再生能源的消費比重，通過實施可再生能源的補貼和稅收返還[43]，提高資源型企業的市場準入政策等措施，逐步引導企業提高可再生能源在總能源消費中的比例，依托長江經濟帶發展戰略，實現中部地區綠色低碳發展.

c) 從西部地區來看，固定資產投資對于經濟增長的滯后期較長，同時依舊保持以能源消耗來促進經濟增長的模式. 短期內，西部地區應該運用環境污染第三方治理、合同能源管理、PPP等模式，鼓勵社會資本參與生態環境治理. 從長遠角度來看，政府應該為能源企業拓寬融資渠道，鼓勵能源企業發展清潔生產. 同時結合西部地區特有的區位優勢，加大研發投資力度，加快科技迭代，實現規模化運營，降低可再生能源企業生產成本.

d) 相較于東部、中部和西部來說，東北地區能源消費對經濟增長的貢獻度最大，固定資產投資對于減少化石能源消費和降低CO2排放作用明顯. 東北地區應該在東北振興戰略的時代背景下，轉變高消耗、高排放的發展模式. 積極引入外商直接投資(FDI)，推動可再生能源產業的發展，促進東北地區能源結構的轉型升級[44]. 加大對于人才的吸引力度和科研投入力度，建設以互聯網、智能物流網、智能電網等為主的現代基礎設施網絡，推動信息化和工業化融合發展.

四大經濟區均應提高對可再生能源的基礎設施建設，逐漸扭轉高能耗的發展模式，加快形成綠色清潔的發展方式. 對于中部、西部和東北地區，積極運用PPP等模式，鼓勵社會資本參與生態環境治理，利用不同地區特有的地域優勢，積極引入外商資本參與可再生能源項目建設. 東部地區要結合地區特有的經濟優勢，加大對低碳和清潔技術的研發，同時加強區域間的交流合作，實現不同地域之間資本和先進技術的深入融合.

總體來說，我國區域經濟發展不協調，不同區域應該結合自身的發展特征以及區位優勢，轉變以依靠化石能源消費實現經濟增長的發展模式，加大對可再生能源的投資力度，不斷提升可再生能源在能源結構中的比例，適當提升能源市場的自由度[45]，力爭于2030年前達到CO2排放峰值，努力爭取2060年前實現碳中和.

參考文獻(References)：

[1] LE-QUéRéC,JACKSON R B,JONES M W,etal.Temporary reduction in daily global CO2emissions during the COVID-19 forced confinement[J].Nature Climate Change,2020,10(7):647-653.

[2] 國家統計局.國家數據[EB/OL].北京:國家統計局，2020-01-18[2020-07-13].http://data.stats.gov.cn/easyquery.htm?cn=C01.

[3] 國家統計局.2019年四季度和全年國內生產總值(GDP)初步核算結果[EB/OL].北京:國家統計局，(2020-01-18)[2020-07-13].http://www.stats.gov.cn/tjsj/zxfb/202001/t20200117_1723591.html.

[4] KHAN H,KHAN I,BINH T T.The heterogeneity of renewable energy consumption,carbon emission and financial development in the globe:a panel quantile regression approach[J].Energy Reports,2020,6:859-867.

[5] ZHU B,WANG K,CHEVALLIER J,etal.Can China achieve its carbon intensity target by 2020 while sustaining economic growth[J].Ecological Economics,2015,119:209-216.

[6] IPCC.AR5 synthesis report: climate change 2014[EB/OL].Switzerland:World Meteorological Organization,2014[2020-07-13].https://www.ipcc.ch/report/ar5/syr/.

[7] IEA.World energy outlook 2019[EB/OL].France:International Energy Agency,2019[2020-07-13].https://www.iea.org.

[8] WANG S,ZHOU C,LI G,etal.CO2,economic growth,and energy consumption in China′s provinces:investigating the spatiotemporal and econometric characteristics of China′s CO2emissions[J].Ecological Indicators,2016,69:184-195.

[9] OUYANG Y,LI P.On the nexus of financial development,economic growth,and energy consumption in China:new perspective from a GMM panel VAR approach[J].Energy Economics,2018,71:238-252.

[10] CHEN Y,FANG Z.Industrial electricity consumption,human capital investment and economic growth in Chinese cities[J].Economic Modelling,2018,69:205-219.

[11] LIN B,DU K.Energy and CO2emissions performance in China′s regional economies:do market-oriented reforms matter[J].Energy Policy,2015,78:113-124.

[12] WANG S,LI Q,FANG C,etal.The relationship between economic growth,energy consumption,and CO2emissions:empirical evidence from China[J].Science of the Total Environment,2016,542:360-371.

[13] WANG S S,ZHOU D Q,ZHOU P,etal.CO2emissions,energy consumption and economic growth in China:a panel data analysis[J].Energy Policy,2011,39(9):4870-4875.

[14] FEI L,DONG S,XUE L,etal.Energy consumption-economic growth relationship and carbon dioxide emissions in China[J].Energy Policy,2011,39(2):568-574.

[15] 張恪渝,廖明球.中國經濟增長與碳排放之間的關系研究:基于非參數bootstrap方法構建的VEC模型[J].數理統計與管理,2019,38(1):28-39.

ZHANG Keyu,LIAO Mingqiu.The causality between CO2emission and economic growth: based on non-parametric VEC model[J].Journal of Applied Statistics and Management,2019,38(1):28-39.

[16] 陳向陽,李奕君.能源消費、碳排放與經濟增長之間的關系研究:理論機制與實證檢驗[J].南京財經大學學報,2018(5):98-108.

CHEN Xiangyang,LI Yijun.A study on the relationship between energy consumption,carbon emissions and economic growth:theoretical mechanism and empirical test[J].Journal of Nanjing University of Finance and Economics,2018(5):98-108.

[17] 徐如濃,吳玉鳴.長三角城市群碳排放、能源消費與經濟增長的互動關系:基于面板聯立方程模型的實證[J].生態經濟,2016,32(12):32-38.

CHEN Runong,WU Yuming.Carbon emissions,energy consumption and economic growth nexus in Yangtze River Delta urban agglomeration: based on an empirical study of panel simultaneous equations models[J].Ecological Economy,2016,32(12):32-38.

[18] 翟石艷,王錚.基于ARDL模型長三角碳排放、能源消費和經濟增長關系研究[J].長江流域資源與環境,2013,22(1):94-103.

ZHAI Shiyan,WANG Zheng.Modeling relationship among carbon emission energy consumption and economic growth by ARDL in the Yangtze River Delta[J].Resources and Environment in the Yangtze Basin,2013,22(1):94-103.

[19] 王仲瑀.京津冀地區能源消費、碳排放與經濟增長關系實證研究[J].工業技術經濟,2017,36(1):82-92.

WANG Zhongyu.The empirical study on the relationship between energy consumption,carbon emissions and economic growth in Beijing-Tianjin-Hebei[J].Journal of Industrial Technological Economics,2017,36(1):82-92.

[20] ACHEAMPONG A O.Economic growth,CO2emissions and energy consumption:what causes what and where[J].Energy Economics,2018,74:677-692.

[21] LU W.The impacts of information and communication technology,energy consumption,financial development,and economic growth on carbon dioxide emissions in 12 Asian countries[J].Mitigation and Adaptation Strategies for Global Change,2018,23(8):1351-1365.

[22] ALAM M M,MURAD M W,NOMAN A H M,etal.Relationships among carbon emissions,economic growth,energy consumption and population growth: testing Environmental Kuznets Curve hypothesis for Brazil,China,India and Indonesia[J].Ecological Indicators,2016,70:466-479.

[23] LI Huijuan.Energy consumption,CO2emissions and economic development in China′s resource-based cities acase study of Xuzhou[C]//LI Huijuan.Proceedings of 2011 International Conference on Management Science and Intelligent Control(ICMSIC 2011).Anhui:IEEE,2011.

[24] 姚君.我國能源消費、二氧化碳排放與經濟增長關系研究[J].生態經濟,2015,31(5):53-56.

YAO Jun.A study on the relationship of energy consumption,CO2emissions and economic growth in China[J].Ecological Economy,2015,31(5):53-56.

[25] PENG S,SUN Z.An econometric study of CO2emissions,energy consumption and economic growth in China[C]//PENG S.2010 International Conference on Mechomic Automation and Control Engineering.Wuhan,China:IEEE,2010:1805-1808.

[26] 陳紅梅,寧云才,齊秀輝.中國經濟增長、能源消費與碳排放之間的關系研究[J].科技管理研究,2012,32(10):198-202.

CHEN Hongmei,NING Yuncai,QI Xiuhui.On the relationship between economic growth,energy consumption and CO2emissions in China[J].Science and Technology Management Research,2012,32(10):198-202.

[27] 劉曉紅,江可申,魏潔云.我國經濟增長、能源消費、貿易開放度、城鎮化和碳排放之間關系:以東部地區為例[J].系統工程,2016,34(9):81-88.

LIU Xiaohong,JIANG Keshen,WEI Jieyun.The relationship between economic growth,energy consumption,trade openness,urbanization and CO2emission in China:a case in East China[J].Systems Engineering,2016,34(9):81-88.

[28] 王士軒,孫慧,朱俏俏.新疆碳排放、能源消費與經濟增長關系的實證研究[J].科技管理研究,2015,35(18):221-224.

WANG Shixuan,SUN Hui,ZHU Qiaoqiao.An empirical study on relationship among carbon emissions energy consumption and economic growth[J].Science and Technology Management Research,2015,35(18):221-224.

[29] WANG S,WANG J,LI S,etal.Socioeconomic driving forces and scenario simulation of CO2emissions for a fast-developing region in China[J].Journal of Cleaner Production,2019,216:217-229.

[30] WANG C,WANG F,ZHANG X,etal.Examining the driving factors of energy related carbon emissions using the extended STIRPAT model based on IPAT identity in Xinjiang[J].Renewable and Sustainable Energy Reviews,2017,67:51-61.

[31] 車維漢,王茜.1980-2006年東亞經濟波動的原因:基于面板VAR的分析[J].財經研究,2009,35(11):59-70.

CHE Weihan,WANG Qian.Reasons for economic fluctuations in east Asia from 1980 to 2006: analysis based on panel VAR[J].Journal of Finance and Economics,2009,35(11):59-70.

[32] LOVE I,ZICCHINO L.Financial development and dynamic investment behavior: evidence from panel VAR[J].The Quarterly Review of Economics and Finance,2006,46(2):190-210.

[33] JUODIS A.First difference transformation in panel VAR models:robustness,estimation,and inference[J].Econometric Reviews,2018,37(6):650-693.

[34] POLEMIS M L.Capturing the impact of shocks on the electricity sector performance in the OECD[J].Energy Economics,2017,66:99-107.

[35] HOLTZ-EAKIN D,NEWEY W,ROSEN H S.Estimating vector autoregressions with panel data[J].Econometrica:Journal of the Econometric Society,1988:1371-1395.

[36] ABRIGO M R,LOVE I.Estimation of panel vector autoregression in Stata[J].The Stata Journal,2016,16(3):778-804.

[37] 國家統計局.東西中部和東北地區劃分方法[EB/OL].北京:國家統計局,2011-06-13[2020-07-14].http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm.

[38] NIE Y,LI Q,WANG E,etal.Study of the nonlinear relations between economic growth and carbon dioxide emissions in the Eastern,Central and Western regions of China[J].Journal of Cleaner Production,2019,219:713-722.

[39] LI L,QI P.The impact of China′s investment increase in fixed assets on ecological environment:an empirical analysis[J].Energy Procedia,2011,5:501-507.

[40] HU Y.Energy conservation assessment of fixed-asset investment projects:an attempt to improve energy efficiency in China[J].Energy Policy,2012,43:327-334.

[41] 姜珂,昌忠澤.人口結構變動對經常賬戶的影響:基于面板VAR模型的實證分析[J].中央財經大學學報,2020(2):117-128.

JIANG Ke,CHANG Zhongze.The impact of demographic changes on current account: an empirical analysis based on panel VAR Model[J].Journal of Central University of Finance and Economics,2020(2):117-128.

[42] SHAHBAZ M,MAHALIK M K,SHAH S H,etal.Time-varying analysis of CO2emissions,energy consumption,and economic growth nexus:statistical experience in next 11 countries[J].Energy Policy,2016,98:33-48.

[43] JIANG Z,LYU P,YE L,etal.Green innovation transformation,economic sustainability and energy consumption during China′s new normal stage[J].Journal of Cleaner Production,2020,273:123044.

[44] FAN W,HAO Y.An empirical research on the relationship amongst renewable energy consumption,economic growth and foreign direct investment in China[J].Renewable Energy,2020,146:598-609.

[45] NICOLLI F,VONA F.Energy market liberalization and renewable energy policies in OECD countries[J].Energy Policy,2019,128:853-867.